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

CAS	0.66 112	0.19 1	0.41 4	2.31 390	0.86 345	0.56 68	0.53 181	0.83 11	0.63 17	0.49 17	0.70 33	0.36 2	0.26 1	0.47 2	0.37 25	2.33 392	0.10 1	0.14 1	0.10 1	0.17 20	1.31 382

CES	0.51 33	0.21 2	0.40 2	0.42 4	1.40 380	0.53 52	0.34 41	1.04 46	0.68 24	0.45 10	0.67 25	0.35 1	0.28 2	0.58 11	0.35 6	0.16 7	0.13 17	0.15 3	0.10 1	0.19 60	1.69 387

CREStereo++_RVC	0.49 27	0.22 3	0.46 8	0.48 29	0.38 156	0.45 17	0.25 4	0.77 4	1.30 237	0.82 63	1.23 171	0.47 22	0.37 13	0.55 5	0.44 63	0.16 7	0.11 2	0.16 8	0.80 379	0.18 35	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
s12784h	0.55 38	0.22 3	0.49 11	0.43 5	0.19 1	1.00 231	0.34 41	1.40 139	1.30 237	0.84 67	0.93 68	0.63 58	0.52 61	1.48 161	0.47 86	0.15 4	0.12 5	0.17 14	0.11 6	0.19 60	0.13 2

PMTNet	0.47 23	0.22 3	0.43 5	0.39 2	0.24 6	0.71 138	0.26 11	0.78 5	1.03 124	0.65 40	0.69 29	0.55 40	0.48 45	0.90 70	0.36 16	0.99 377	0.13 17	0.15 3	0.10 1	0.15 4	0.15 3

LoS	0.41 4	0.23 6	0.46 8	0.39 2	0.23 5	0.48 24	0.40 81	1.12 73	0.94 89	0.50 20	0.66 23	0.49 30	0.42 20	0.63 24	0.39 31	0.19 65	0.14 59	0.16 8	0.11 6	0.14 1	0.15 3

test_4	0.55 38	0.23 6	0.67 48	0.56 123	0.32 97	0.71 138	0.39 79	0.83 11	0.72 29	0.93 82	1.87 324	0.70 74	0.41 17	1.21 123	0.39 31	0.16 7	0.13 17	0.21 94	0.23 216	0.20 87	0.18 32

TANstereo	0.45 11	0.23 6	0.50 13	0.43 5	0.21 2	0.65 110	0.26 11	0.83 11	0.88 66	0.95 85	0.99 84	0.51 34	0.45 30	0.56 6	0.36 16	0.19 65	0.24 264	0.16 8	0.13 11	0.17 20	0.27 196

IGEV+	0.45 11	0.24 9	0.63 32	0.58 151	0.32 97	0.42 13	0.25 4	2.16 303	0.65 22	0.38 2	0.58 19	0.46 16	0.44 27	0.56 6	0.40 45	0.20 99	0.13 17	0.16 8	0.13 11	0.17 20	0.18 32

MIF-Stereo	0.38 1	0.24 9	0.67 48	0.49 35	0.36 140	0.40 9	0.32 30	0.55 1	0.55 4	0.55 31	0.55 17	0.36 2	0.31 6	0.59 12	0.52 110	0.21 122	0.15 113	0.17 14	0.15 31	0.19 60	0.17 23

EGLCR-Stereo	0.41 4	0.24 9	0.59 22	0.45 8	0.27 19	0.54 61	0.22 2	1.23 114	0.56 6	0.44 6	0.43 2	0.68 67	0.29 3	0.89 67	0.34 4	0.17 18	0.12 5	0.20 71	0.17 71	0.17 20	0.18 32

MC-Stereo	0.46 20	0.24 9	0.58 18	0.63 202	0.30 63	0.38 7	0.32 30	0.98 31	0.74 37	0.66 41	0.85 56	0.56 42	0.60 101	1.07 99	0.32 2	0.17 18	0.12 5	0.17 14	0.15 31	0.16 11	0.16 13

test-3	0.56 49	0.24 9	0.82 109	0.50 47	0.29 51	0.57 70	0.34 41	1.09 63	1.03 124	1.33 230	0.69 29	0.87 122	0.45 30	1.68 193	0.39 31	0.17 18	0.12 5	0.20 71	0.17 71	0.17 20	0.16 13

test_1	0.56 49	0.24 9	0.82 109	0.50 47	0.29 51	0.57 70	0.34 41	1.09 63	1.03 124	1.28 211	0.69 29	0.87 122	0.45 30	1.67 191	0.39 31	0.17 18	0.12 5	0.20 71	0.17 71	0.17 20	0.16 13

test_3	0.57 61	0.24 9	0.87 139	0.55 111	0.30 63	0.60 84	0.40 81	1.07 51	1.08 138	1.20 171	0.68 26	0.92 144	0.43 23	1.68 193	0.40 45	0.16 7	0.13 17	0.22 121	0.19 104	0.21 122	0.17 23

CREStereo	0.40 3	0.24 9	0.40 2	0.37 1	0.22 4	0.52 48	0.29 22	0.81 6	1.15 173	0.59 32	0.72 35	0.51 34	0.42 20	0.57 9	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
AEACV	0.41 4	0.25 17	0.60 24	0.55 111	0.52 239	0.43 14	0.38 70	0.98 31	0.63 17	0.44 6	0.56 18	0.46 16	0.59 97	0.56 6	0.31 1	0.17 18	0.13 17	0.18 34	0.16 55	0.17 20	0.17 23

DEmStereo	0.98 251	0.25 17	0.85 132	0.49 35	0.33 111	1.02 234	0.55 197	0.97 27	0.93 84	1.41 262	2.13 342	1.01 175	2.01 359	5.62 350	0.78 195	0.19 65	0.15 113	0.20 71	0.20 130	0.18 35	0.25 163

CFNet-RSSM	0.57 61	0.25 17	0.76 81	0.49 35	0.28 40	0.59 80	0.27 15	1.89 246	1.17 182	1.09 114	0.95 71	1.06 186	0.53 63	0.74 35	0.41 51	0.17 18	0.13 17	0.17 14	0.15 31	0.16 11	0.16 13

MIM_Stereo	0.60 89	0.26 20	1.02 184	0.49 35	0.32 97	0.52 48	0.28 18	1.41 143	0.82 54	1.02 99	1.16 152	0.93 146	0.53 63	1.48 161	0.63 160	0.17 18	0.17 162	0.20 71	0.19 104	0.17 20	0.18 32

CASnet	0.42 8	0.26 20	0.52 15	0.52 70	0.21 2	0.49 29	0.35 50	0.85 15	0.85 62	0.84 67	0.69 29	0.48 26	0.31 6	0.57 9	0.34 4	0.19 65	0.12 5	0.27 236	0.22 189	0.23 159	0.15 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
4D-IteraStereo	0.50 31	0.26 20	0.84 126	0.51 58	0.49 223	0.64 106	0.31 26	0.91 20	1.02 121	1.05 107	0.72 35	0.76 84	0.32 9	0.69 30	0.40 45	0.18 40	0.11 2	0.23 148	0.20 130	0.19 60	0.16 13

Selective-IGEV	0.42 8	0.26 20	0.56 16	0.48 29	0.27 19	0.45 17	0.33 34	1.56 168	0.61 15	0.36 1	0.47 4	0.52 37	0.30 4	1.08 101	0.33 3	0.15 4	0.13 17	0.17 14	0.13 11	0.16 11	0.15 3

RCA-Stereo	0.52 35	0.26 20	0.66 45	0.49 35	0.33 111	0.54 61	0.44 126	1.20 104	1.41 281	0.69 44	1.06 108	0.63 58	0.79 156	0.62 19	0.35 6	0.17 18	0.12 5	0.17 14	0.14 23	0.16 11	0.16 13

fff	0.58 72	0.26 20	1.15 214	0.46 14	0.25 8	0.48 24	0.36 57	1.20 104	1.28 227	1.13 128	1.03 99	0.59 47	1.04 257	0.77 42	0.58 144	0.17 18	0.14 59	0.17 14	0.13 11	0.15 4	0.24 143

ADStereo(finetuned)	0.62 94	0.26 20	1.59 286	0.45 8	0.25 8	0.49 29	0.36 57	1.18 96	1.35 253	1.16 147	1.04 103	0.60 50	1.18 290	0.85 61	0.57 139	0.17 18	0.14 59	0.17 14	0.13 11	0.19 60	0.24 143

CrosDoStereo	1.56 329	0.26 20	0.78 90	0.51 58	0.29 51	0.66 116	11.86 410	1.18 96	1.00 115	1.35 241	1.76 306	0.99 167	1.83 352	6.64 372	0.83 208	0.19 65	0.15 113	0.20 71	0.22 189	0.18 35	0.25 163

DeepStereo_LL	1.56 329	0.26 20	0.78 90	0.51 58	0.29 51	0.66 116	11.86 410	1.18 96	1.00 115	1.35 241	1.76 306	0.99 167	1.83 352	6.64 372	0.83 208	0.19 65	0.15 113	0.20 71	0.22 189	0.18 35	0.25 163

DRaft	0.81 193	0.26 20	0.77 84	0.47 24	0.31 77	0.95 222	0.52 175	1.13 77	0.99 111	1.78 330	2.01 336	0.80 93	1.71 344	2.64 283	0.74 186	0.19 65	0.14 59	0.20 71	0.20 130	0.18 35	0.24 143

RAFT-RH_RVC	1.04 263	0.26 20	0.76 81	0.53 90	0.29 51	0.80 169	0.32 30	0.85 15	1.12 157	2.04 350	4.63 387	1.03 180	0.57 79	5.93 357	0.52 110	0.20 99	0.13 17	0.26 227	0.20 130	0.16 11	0.19 52

RAFT-345	0.86 215	0.26 20	0.73 68	0.53 90	0.28 40	0.53 52	0.41 89	0.85 15	1.31 244	1.33 230	2.32 351	0.85 120	0.53 63	5.69 351	0.48 90	0.19 65	0.14 59	0.22 121	0.17 71	0.17 20	0.17 23

cross-raft	0.56 49	0.26 20	0.65 43	0.55 111	0.31 77	0.66 116	0.37 63	1.68 191	0.82 54	1.06 111	1.07 110	1.25 233	0.45 30	0.74 35	0.39 31	0.15 4	0.13 17	0.19 48	0.16 55	0.19 60	0.17 23

DCANet	0.58 72	0.26 20	1.15 214	0.45 8	0.25 8	0.49 29	0.36 57	1.18 96	1.35 253	1.15 143	1.04 103	0.60 50	0.91 204	0.84 58	0.58 144	0.17 18	0.14 59	0.17 14	0.13 11	0.19 60	0.25 163

csc	0.58 72	0.26 20	1.15 214	0.46 14	0.25 8	0.48 24	0.36 57	1.20 104	1.28 227	1.13 128	1.03 99	0.59 47	1.04 257	0.77 42	0.58 144	0.17 18	0.14 59	0.17 14	0.13 11	0.15 4	0.24 143

cscssc	0.58 72	0.26 20	1.15 214	0.46 14	0.25 8	0.48 24	0.36 57	1.20 104	1.28 227	1.13 128	1.03 99	0.59 47	1.04 257	0.77 42	0.58 144	0.17 18	0.14 59	0.17 14	0.13 11	0.15 4	0.24 143

StereoIM	0.38 1	0.27 36	0.72 58	0.45 8	0.35 138	0.30 3	0.31 26	0.81 6	0.54 3	0.38 2	0.38 1	0.58 45	0.49 55	0.53 4	0.39 31	0.20 99	0.16 140	0.19 48	0.15 31	0.19 60	0.15 3

Any-RAFT	0.55 38	0.27 36	0.49 11	0.50 47	0.27 19	0.98 229	0.25 4	1.71 204	1.08 138	0.90 77	0.99 84	1.13 210	0.46 37	0.74 35	0.35 6	0.19 65	0.13 17	0.17 14	0.13 11	0.16 11	0.19 52

RAFT-Test	0.58 72	0.27 36	0.81 100	0.50 47	0.33 111	0.95 222	0.27 15	1.40 139	0.89 67	1.00 92	1.12 131	1.39 266	0.48 45	0.74 35	0.41 51	0.17 18	0.14 59	0.17 14	0.14 23	0.16 11	0.18 32

GLC_STEREO	0.41 4	0.27 36	0.43 5	0.55 111	0.24 6	0.47 19	0.30 24	0.81 6	0.64 19	0.53 29	0.74 37	0.50 33	0.31 6	0.65 26	0.45 74	0.18 40	0.20 210	0.23 148	0.19 104	0.21 122	0.21 89

GMM-Stereo	0.75 160	0.27 36	0.66 45	0.56 123	0.34 123	0.71 138	0.97 311	1.09 63	0.91 72	1.37 247	1.79 310	1.11 206	0.79 156	2.08 249	0.48 90	0.19 65	0.12 5	0.25 205	0.25 236	0.21 122	0.78 364

raftrobust	0.55 38	0.27 36	0.63 32	0.68 255	0.69 305	0.50 39	0.34 41	1.08 56	0.97 101	1.32 225	0.88 62	0.62 54	0.80 162	0.82 52	0.44 63	0.20 99	0.16 140	0.16 8	0.14 23	0.15 4	0.18 32

111	0.66 112	0.27 36	1.15 214	0.46 14	0.25 8	0.72 141	0.42 93	1.57 171	1.44 292	0.83 64	1.39 225	1.10 201	0.80 162	0.97 81	0.65 167	0.20 99	0.14 59	0.18 34	0.15 31	0.18 35	0.28 207

Gwc-CoAtRS	0.55 38	0.27 36	0.73 68	0.49 35	0.30 63	0.63 98	0.25 4	1.38 137	1.12 157	1.05 107	1.02 92	1.10 201	0.55 72	0.72 33	0.44 63	0.17 18	0.14 59	0.17 14	0.15 31	0.16 11	0.17 23

MIF-Stereo (partial)	0.48 26	0.28 44	0.83 117	0.51 58	0.53 244	0.39 8	0.27 15	1.03 44	0.64 19	0.47 12	0.71 34	0.51 34	0.51 57	1.13 112	0.47 86	0.20 99	0.16 140	0.23 148	0.20 130	0.24 188	0.20 71

DCRE	0.85 213	0.28 44	0.76 81	0.60 171	0.49 223	0.59 80	0.53 181	1.04 46	0.92 77	0.80 57	7.34 400	0.87 122	0.57 79	0.78 49	0.43 59	0.16 7	0.17 162	0.19 48	0.17 71	0.18 35	0.22 110

DCANet-4	0.59 83	0.28 44	1.65 289	0.44 7	0.25 8	0.48 24	0.36 57	1.15 90	1.36 260	1.13 128	1.03 99	0.56 42	0.74 136	0.77 42	0.58 144	0.17 18	0.14 59	0.17 14	0.13 11	0.15 4	0.24 143

tt	6.61 405	0.28 44	6.10 377	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	6.33 404	3.83 318	7.23 387	9.13 419	11.32 423	5.87 418	6.22 417	6.01 415	2.63 401

IPLGR	0.62 94	0.28 44	1.32 255	0.50 47	0.29 51	0.65 110	0.34 41	1.47 153	1.19 187	1.21 177	1.07 110	0.70 74	0.65 118	1.05 93	0.55 129	0.18 40	0.15 113	0.20 71	0.17 71	0.21 122	0.20 71

GMOStereo	0.55 38	0.28 44	0.72 58	0.52 70	0.30 63	0.53 52	0.43 109	1.02 38	0.98 104	1.44 273	1.14 146	0.88 128	0.57 79	0.62 19	0.39 31	0.16 7	0.14 59	0.24 169	0.22 189	0.20 87	0.18 32

error version	0.55 38	0.28 44	0.72 58	0.52 70	0.30 63	0.53 52	0.43 109	1.02 38	0.98 104	1.44 273	1.14 146	0.88 128	0.57 79	0.62 19	0.39 31	0.16 7	0.14 59	0.24 169	0.22 189	0.20 87	0.18 32

test-v	0.55 38	0.28 44	0.72 58	0.52 70	0.30 63	0.53 52	0.43 109	1.02 38	0.98 104	1.44 273	1.14 146	0.88 128	0.57 79	0.62 19	0.39 31	0.16 7	0.14 59	0.24 169	0.22 189	0.20 87	0.18 32

HHNet	0.64 106	0.28 44	0.69 54	0.45 8	0.46 209	0.50 39	0.57 206	1.13 77	1.03 124	1.26 201	2.21 346	0.70 74	0.59 97	1.10 107	0.51 104	0.21 122	0.13 17	0.23 148	0.19 104	0.20 87	0.31 241

FTStereo	0.92 237	0.28 44	0.61 28	0.57 141	0.34 123	0.65 110	1.80 375	1.09 63	0.84 59	1.75 325	4.13 382	1.04 181	1.62 333	1.59 179	0.48 90	0.21 122	0.17 162	0.23 148	0.22 189	0.19 60	0.58 340

PFNet	0.92 237	0.28 44	1.20 234	0.68 255	0.32 97	0.62 90	0.55 197	1.27 122	1.01 118	1.47 282	1.09 119	0.97 161	0.68 127	6.58 371	0.59 150	0.21 122	0.13 17	0.24 169	0.19 104	0.20 87	0.20 71

GrayStereo	0.83 204	0.28 44	0.62 31	0.66 233	0.37 145	0.76 154	1.79 372	1.19 100	0.91 72	1.98 347	1.89 325	1.07 189	1.76 348	1.43 152	0.50 102	0.20 99	0.15 113	0.19 48	0.21 167	0.18 35	0.41 292

test-2	0.55 38	0.28 44	0.72 58	0.52 70	0.30 63	0.53 52	0.43 109	1.02 38	0.98 104	1.44 273	1.14 146	0.88 128	0.57 79	0.62 19	0.39 31	0.16 7	0.14 59	0.24 169	0.22 189	0.20 87	0.18 32

test-1	0.56 49	0.28 44	1.13 209	0.58 151	0.34 123	0.60 84	0.38 70	1.56 168	0.98 104	0.80 57	1.02 92	0.83 113	0.52 61	0.64 25	0.46 78	0.17 18	0.16 140	0.20 71	0.17 71	0.20 87	0.26 180

iRaftStereo_RVC	0.49 27	0.28 44	0.72 58	0.53 90	0.29 51	0.52 48	0.33 34	1.14 79	0.84 59	0.85 69	0.99 84	0.55 40	0.36 12	0.83 55	0.40 45	0.18 40	0.13 17	0.22 121	0.20 130	0.20 87	0.18 32

XX-Stereo	0.97 248	0.28 44	8.28 386	0.85 332	0.70 311	0.44 16	0.22 2	1.07 51	0.69 26	0.66 41	1.56 273	1.38 265	0.38 14	1.36 136	0.38 28	0.21 122	0.14 59	0.20 71	0.19 104	0.19 60	0.16 13

RAFT-Stereo + iAFF	0.56 49	0.28 44	0.81 100	0.45 8	0.25 8	0.40 9	0.34 41	1.12 73	1.13 162	1.35 241	1.58 278	0.80 93	0.67 124	0.71 31	0.43 59	0.14 1	0.11 2	0.18 34	0.17 71	0.18 35	0.16 13

AFF-stereo	0.60 89	0.28 44	0.72 58	0.48 29	0.29 51	0.34 4	0.37 63	1.22 110	1.20 191	1.21 177	1.59 282	1.10 201	0.70 132	1.01 86	0.44 63	0.14 1	0.12 5	0.19 48	0.20 130	0.18 35	0.15 3

MyStereo06	0.67 120	0.29 62	1.06 193	0.58 151	0.48 217	0.62 90	0.72 256	2.26 322	0.89 67	1.07 112	1.12 131	1.22 224	0.56 77	0.83 55	0.47 86	0.17 18	0.17 162	0.24 169	0.21 167	0.23 159	0.23 124

MyStereo05	0.70 140	0.29 62	1.22 238	0.58 151	0.48 217	0.62 90	0.72 256	1.52 158	1.54 316	1.17 149	0.91 66	0.77 88	0.79 156	1.45 155	0.68 176	0.17 18	0.17 162	0.24 169	0.21 167	0.23 159	0.23 124

AE-Stereo	0.58 72	0.29 62	0.81 100	0.62 192	0.41 182	0.69 133	0.46 140	2.49 354	1.25 213	0.49 17	0.77 41	0.69 71	0.46 37	0.61 15	0.42 56	0.17 18	0.16 140	0.21 94	0.20 130	0.19 60	0.18 32

test croco	0.49 27	0.29 62	1.23 240	0.51 58	0.40 172	0.35 5	0.37 63	1.04 46	0.62 16	0.44 6	0.76 38	0.42 5	0.41 17	1.17 119	0.46 78	0.23 171	0.15 113	0.24 169	0.19 104	0.25 198	0.18 32

LoS_RVC	0.45 11	0.29 62	0.48 10	0.49 35	0.83 340	0.51 44	0.43 109	0.65 2	0.44 1	0.47 12	0.78 43	0.44 8	0.60 101	0.59 12	0.37 25	0.14 1	0.12 5	0.14 1	0.10 1	0.14 1	1.08 377

anonymousdsp2	0.58 72	0.29 62	0.93 155	0.51 58	0.30 63	0.75 148	0.46 140	1.95 259	0.87 65	0.81 61	0.78 43	0.76 84	0.48 45	1.10 107	0.45 74	0.19 65	0.14 59	0.18 34	0.13 11	0.20 87	0.22 110

riskmin	0.62 94	0.29 62	0.73 68	0.50 47	0.34 123	0.86 194	0.44 126	1.74 209	1.07 135	0.76 53	0.76 38	1.19 217	1.01 244	0.84 58	0.60 152	0.20 99	0.16 140	0.24 169	0.16 55	0.24 188	0.29 219

Selective-RAFT	0.55 38	0.29 62	0.85 132	0.58 151	0.28 40	0.91 204	0.34 41	1.00 37	0.96 97	0.59 32	0.64 21	0.80 93	0.76 142	1.34 134	0.51 104	0.21 122	0.15 113	0.17 14	0.15 31	0.19 60	0.19 52

TestStereo1	0.66 112	0.29 62	0.95 164	0.82 322	0.32 97	0.47 19	0.43 109	1.52 158	1.22 203	0.99 88	1.32 202	0.65 61	0.76 142	1.78 206	0.44 63	0.20 99	0.16 140	0.22 121	0.19 104	0.21 122	0.20 71

RAFT_CTSACE	0.66 112	0.29 62	1.14 212	0.57 141	0.51 236	0.68 125	0.44 126	0.88 19	0.98 104	1.03 103	1.83 317	1.23 228	0.67 124	1.48 161	0.38 28	0.16 7	0.16 140	0.21 94	0.20 130	0.20 87	0.17 23

SA-5K	0.66 112	0.29 62	0.95 164	0.82 322	0.32 97	0.47 19	0.43 109	1.52 158	1.22 203	0.99 88	1.32 202	0.65 61	0.76 142	1.78 206	0.44 63	0.20 99	0.16 140	0.22 121	0.19 104	0.21 122	0.20 71

IPLG	0.72 151	0.29 62	1.12 208	0.53 90	0.44 199	0.79 168	0.33 34	1.35 132	1.10 148	1.32 225	1.11 128	0.52 37	0.54 70	3.13 299	0.71 183	0.17 18	0.14 59	0.20 71	0.17 71	0.18 35	0.21 89

PSM-AAD	0.80 185	0.29 62	0.58 18	0.58 151	0.29 51	0.76 154	1.19 337	1.08 56	0.94 89	1.65 317	1.58 278	0.81 99	2.12 368	1.67 191	0.44 63	0.19 65	0.14 59	0.38 319	0.32 305	0.22 141	0.68 355

KYRaft	0.77 170	0.29 62	0.68 50	0.59 164	0.29 51	0.66 116	0.83 284	1.05 49	0.89 67	1.63 315	2.22 347	1.15 214	0.99 235	1.59 179	0.41 51	0.21 122	0.14 59	0.22 121	0.28 270	0.21 122	1.01 373

ASMatch	0.89 222	0.29 62	0.72 58	0.56 123	0.36 140	0.47 19	0.37 63	1.16 93	0.95 93	1.11 117	3.26 372	0.95 154	0.96 222	4.88 335	0.53 119	0.20 99	0.16 140	0.22 121	0.19 104	0.20 87	0.30 232

THIR-Stereo	1.02 260	0.29 62	0.73 68	0.51 58	0.29 51	0.94 216	1.31 347	1.08 56	0.98 104	1.35 241	1.91 329	1.16 215	1.54 329	6.37 369	0.79 199	0.20 99	0.14 59	0.21 94	0.22 189	0.19 60	0.25 163

Prome-Stereo	0.76 165	0.29 62	0.57 17	0.58 151	0.33 111	0.58 79	0.94 306	0.98 31	0.92 77	1.46 281	2.45 358	0.91 139	1.38 314	1.60 184	0.44 63	0.19 65	0.13 17	0.19 48	0.18 85	0.20 87	0.87 370

raft+_RVC	0.56 49	0.29 62	0.61 28	0.65 220	0.56 259	0.53 52	0.53 181	1.40 139	1.02 121	0.78 54	1.04 103	0.70 74	0.55 72	1.00 84	0.49 99	0.18 40	0.16 140	0.19 48	0.19 104	0.18 35	0.17 23

MyStereo07	0.50 31	0.30 80	0.58 18	0.58 151	0.48 217	0.59 80	0.78 267	1.19 100	0.60 12	0.49 17	0.54 15	0.43 7	0.55 72	1.32 132	0.36 16	0.18 40	0.18 186	0.24 169	0.21 167	0.23 159	0.23 124

MyStereo04	0.71 146	0.30 80	1.28 249	0.58 151	0.48 217	0.59 80	0.78 267	1.74 209	1.49 309	0.94 83	0.91 66	0.74 82	0.86 184	1.59 179	0.69 177	0.18 40	0.18 186	0.24 169	0.21 167	0.23 159	0.23 124

11t1	0.57 61	0.30 80	0.84 126	0.54 101	0.30 63	0.83 183	0.41 89	1.34 131	0.79 49	0.88 75	0.82 52	0.70 74	0.70 132	0.96 80	0.67 172	0.21 122	0.21 223	0.20 71	0.16 55	0.21 122	0.26 180

ff7	0.45 11	0.30 80	0.64 38	0.47 24	0.33 111	0.49 29	0.42 93	0.93 21	0.59 7	0.50 20	0.53 9	0.44 8	0.48 45	1.41 145	0.36 16	0.18 40	0.13 17	0.21 94	0.15 31	0.18 35	0.21 89

ffff	0.45 11	0.30 80	0.64 38	0.47 24	0.33 111	0.49 29	0.42 93	0.93 21	0.59 7	0.50 20	0.53 9	0.44 8	0.48 45	1.41 145	0.36 16	0.18 40	0.13 17	0.21 94	0.15 31	0.18 35	0.21 89

11t	0.45 11	0.30 80	0.64 38	0.47 24	0.33 111	0.49 29	0.42 93	0.93 21	0.59 7	0.50 20	0.53 9	0.44 8	0.48 45	1.41 145	0.36 16	0.18 40	0.13 17	0.21 94	0.15 31	0.18 35	0.21 89

MSKI-zero shot	0.56 49	0.30 80	0.61 28	0.55 111	0.28 40	0.68 125	0.28 18	1.25 117	0.68 24	0.92 79	1.33 206	0.81 99	0.33 10	1.94 229	0.36 16	0.18 40	0.13 17	0.17 14	0.13 11	0.16 11	0.19 52

anonymousdsp	0.45 11	0.30 80	0.60 24	0.48 29	0.34 123	0.49 29	0.42 93	0.97 27	0.60 12	0.51 27	0.53 9	0.46 16	0.47 43	1.36 136	0.35 6	0.18 40	0.13 17	0.21 94	0.15 31	0.18 35	0.21 89

anonymousa	0.78 172	0.30 80	0.85 132	0.51 58	0.96 358	1.41 298	0.47 149	1.61 182	0.94 89	1.33 230	1.77 308	1.66 306	1.11 274	0.72 33	0.63 160	0.19 65	0.18 186	0.23 148	0.25 236	0.20 87	0.22 110

ProNet	0.46 20	0.30 80	0.69 54	0.46 14	0.32 97	0.57 70	0.52 175	1.15 90	0.67 23	0.44 6	0.50 8	0.44 8	0.43 23	1.31 129	0.38 28	0.16 7	0.15 113	0.19 48	0.16 55	0.18 35	0.18 32

ccc-4	0.45 11	0.30 80	0.64 38	0.47 24	0.33 111	0.49 29	0.42 93	0.93 21	0.59 7	0.50 20	0.53 9	0.44 8	0.48 45	1.41 145	0.36 16	0.18 40	0.13 17	0.21 94	0.15 31	0.18 35	0.21 89

DisPM	0.68 129	0.30 80	0.85 132	0.66 233	0.35 138	0.60 84	0.44 126	1.10 69	1.10 148	1.56 302	1.10 121	0.80 93	0.58 94	2.37 273	0.46 78	0.25 209	0.14 59	0.23 148	0.21 167	0.20 87	0.26 180

RAFT+CT+SA	0.63 103	0.30 80	0.73 68	0.69 265	0.37 145	0.40 9	0.55 197	1.93 255	1.04 130	0.72 48	1.23 171	0.62 54	0.69 130	1.69 197	0.42 56	0.19 65	0.13 17	0.22 121	0.22 189	0.21 122	0.19 52

Sa-1000	0.76 165	0.30 80	0.92 154	0.62 192	0.31 77	0.78 164	0.37 63	2.00 269	1.38 267	1.30 217	2.04 337	0.86 121	0.74 136	1.87 219	0.40 45	0.19 65	0.14 59	0.25 205	0.24 228	0.21 122	0.19 52

IGEV-Stereo	0.45 11	0.30 80	0.60 24	0.48 29	0.34 123	0.49 29	0.42 93	0.98 31	0.60 12	0.51 27	0.53 9	0.46 16	0.47 43	1.36 136	0.35 6	0.18 40	0.13 17	0.21 94	0.15 31	0.18 35	0.21 89
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
LCNet	0.73 154	0.30 80	0.58 18	0.58 151	0.31 77	0.68 125	0.53 181	1.09 63	0.94 89	1.19 165	1.34 209	0.96 158	1.32 308	2.50 276	0.46 78	0.19 65	0.13 17	0.21 94	0.25 236	0.28 226	0.69 357

AAGNet	1.84 349	0.30 80	0.79 94	0.66 233	0.32 97	0.65 110	0.50 166	1.02 38	1.01 118	1.47 282	1.21 165	0.99 167	1.16 280	2.76 290	22.69 419	0.24 189	0.13 17	0.22 121	0.20 130	0.24 188	0.16 13

TransformOpticalFlow	0.97 248	0.30 80	0.96 171	0.54 101	0.31 77	0.65 110	0.54 190	1.87 239	1.19 187	1.12 125	1.44 238	1.34 258	0.98 232	6.68 374	0.44 63	0.19 65	0.12 5	0.21 94	0.19 104	0.18 35	0.23 124

SST-Stereo	0.85 213	0.30 80	0.81 100	0.63 202	0.31 77	0.70 136	0.25 4	1.16 93	0.95 93	1.47 282	1.11 128	0.99 167	0.86 184	5.69 351	0.53 119	0.23 171	0.13 17	0.23 148	0.19 104	0.23 159	0.19 52

RAFT_R40	0.84 208	0.30 80	0.83 117	0.63 202	0.31 77	0.66 116	0.43 109	1.15 90	0.99 111	1.47 282	1.10 121	1.00 171	0.84 172	5.44 347	0.53 119	0.23 171	0.13 17	0.23 148	0.20 130	0.23 159	0.19 52

IRAFT_RVC	0.90 229	0.30 80	0.89 144	0.67 246	0.31 77	0.64 106	1.00 316	1.40 139	0.97 101	1.23 183	1.04 103	1.00 171	0.96 222	5.77 354	0.57 139	0.24 189	0.13 17	0.25 205	0.21 167	0.20 87	0.21 89

SFCPSM	0.74 157	0.30 80	1.06 193	0.52 70	0.39 163	1.36 290	0.64 236	2.42 342	1.11 152	1.18 160	1.21 165	0.81 99	0.78 151	1.08 101	0.57 139	0.22 151	0.17 162	0.22 121	0.24 228	0.23 159	0.21 89

FENet	0.62 94	0.30 80	0.68 50	0.57 141	0.33 111	0.82 177	0.40 81	1.41 143	1.12 157	1.03 103	0.87 59	0.98 162	0.84 172	1.00 84	0.70 180	0.23 171	0.16 140	0.23 148	0.20 130	0.22 141	0.24 143

R-Stereo Train	0.60 89	0.30 80	0.72 58	0.57 141	0.37 145	0.68 125	0.52 175	1.45 148	0.78 43	1.61 311	1.50 255	0.76 84	0.53 63	0.67 28	0.51 104	0.19 65	0.16 140	0.18 34	0.15 31	0.18 35	0.19 52

RAFT-Stereo	0.60 89	0.30 80	0.72 58	0.57 141	0.37 145	0.68 125	0.52 175	1.45 148	0.78 43	1.61 311	1.50 255	0.76 84	0.53 63	0.67 28	0.51 104	0.19 65	0.16 140	0.18 34	0.15 31	0.18 35	0.19 52
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
CoDeX	0.78 172	0.31 105	1.04 188	0.56 123	0.37 145	1.13 251	0.60 225	2.77 372	1.29 235	1.17 149	1.26 179	0.91 139	0.87 190	1.42 150	0.74 186	0.21 122	0.16 140	0.21 94	0.18 85	0.21 122	0.21 89

SA	0.69 138	0.31 105	0.97 172	0.64 213	0.30 63	0.56 68	0.38 70	1.84 231	1.35 253	0.99 88	1.37 219	0.69 71	0.94 215	1.88 225	0.43 59	0.20 99	0.16 140	0.25 205	0.23 216	0.22 141	0.19 52

iRaft-Stereo_5w	0.89 222	0.31 105	1.04 188	0.56 123	0.47 215	0.47 19	0.68 244	1.19 100	1.08 138	0.80 57	1.35 214	1.46 277	0.90 202	5.11 338	1.16 262	0.18 40	0.15 113	0.22 121	0.19 104	0.21 122	0.24 143

MIPNet	0.60 89	0.31 105	1.07 197	0.51 58	0.34 123	0.68 125	0.40 81	1.67 190	1.14 168	1.11 117	0.93 68	0.60 50	0.78 151	0.77 42	0.58 144	0.18 40	0.14 59	0.19 48	0.16 55	0.18 35	0.21 89

PFNet+	0.62 94	0.31 105	0.99 176	0.57 141	0.31 77	0.57 70	0.30 24	0.99 36	1.25 213	1.33 230	1.10 121	0.79 91	0.57 79	1.35 135	0.53 119	0.26 227	0.17 162	0.28 248	0.26 247	0.21 122	0.27 196

STrans-v2	1.06 267	0.31 105	1.02 184	0.52 70	0.33 111	0.67 121	0.78 267	2.66 368	1.26 219	1.15 143	1.46 243	1.37 264	1.40 317	6.68 374	0.46 78	0.19 65	0.13 17	0.21 94	0.18 85	0.18 35	0.21 89

NRIStereo	0.62 94	0.31 105	0.78 90	0.56 123	0.28 40	0.63 98	0.33 34	1.16 93	0.92 77	1.15 143	0.87 59	0.90 136	0.58 94	2.24 261	0.56 136	0.22 151	0.14 59	0.21 94	0.19 104	0.22 141	0.18 32

Pruner-Stereo	0.64 106	0.31 105	0.79 94	0.66 233	0.31 77	0.61 88	0.42 93	1.22 110	1.09 145	1.53 295	1.09 119	0.94 151	0.55 72	1.37 139	0.56 136	0.25 209	0.14 59	0.24 169	0.21 167	0.21 122	0.25 163

DeepStereo_RVC	0.57 61	0.31 105	0.78 90	0.53 90	0.30 63	0.57 70	0.32 30	1.11 71	0.80 53	1.17 149	0.94 70	0.83 113	0.93 213	1.01 86	0.61 155	0.23 171	0.14 59	0.21 94	0.19 104	0.24 188	0.26 180

222	1.67 336	0.31 105	0.93 155	0.59 164	0.31 77	1.05 239	0.43 109	2.39 338	1.47 303	1.37 247	1.55 268	0.94 151	0.94 215	1.98 235	17.76 413	0.24 189	0.22 233	0.21 94	0.20 130	0.22 141	0.26 180

test_xeample	1.55 328	0.31 105	0.94 161	0.54 101	0.31 77	0.94 216	0.58 213	2.40 340	1.40 278	1.29 215	1.55 268	0.89 134	0.88 197	1.72 199	15.94 410	0.22 151	0.22 233	0.22 121	0.21 167	0.23 159	0.25 163

EAI-Stereo	0.76 165	0.31 105	0.74 73	0.55 111	0.28 40	0.70 136	1.72 368	2.57 361	0.90 71	0.75 52	3.03 369	0.57 44	0.43 23	1.10 107	0.49 99	0.19 65	0.14 59	0.17 14	0.18 85	0.17 20	0.21 89

GANet-RSSM	0.78 172	0.31 105	0.90 149	0.67 246	0.58 266	0.80 169	0.62 229	2.04 277	1.15 173	1.11 117	1.27 186	1.26 239	1.18 290	1.68 193	0.74 186	0.26 227	0.21 223	0.22 121	0.22 189	0.23 159	0.23 124

HSM-Net_RVC	0.91 234	0.31 105	0.60 24	0.54 101	0.31 77	1.15 257	0.60 225	3.76 388	1.30 237	1.57 305	1.75 305	1.67 308	1.01 244	1.61 186	0.90 221	0.23 171	0.17 162	0.19 48	0.18 85	0.20 87	0.22 110
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
MyStereo8	0.70 140	0.32 119	1.24 243	0.63 202	0.53 244	0.90 202	0.34 41	1.60 180	1.35 253	1.20 171	1.31 197	0.89 134	0.64 114	0.77 42	1.02 249	0.18 40	0.15 113	0.20 71	0.18 85	0.22 141	0.30 232

SMFormer	0.79 180	0.32 119	0.95 164	0.49 35	0.27 19	0.83 183	0.43 109	2.16 303	1.45 297	1.27 206	1.50 255	0.98 162	0.96 222	1.87 219	0.99 242	0.24 189	0.22 233	0.22 121	0.21 167	0.23 159	0.27 196

tta	0.79 180	0.32 119	0.95 164	0.49 35	0.27 19	0.83 183	0.43 109	2.16 303	1.45 297	1.27 206	1.50 255	0.98 162	0.96 222	1.87 219	0.99 242	0.24 189	0.22 233	0.22 121	0.21 167	0.19 60	0.22 110

qqq1	0.76 165	0.32 119	0.95 164	0.49 35	0.27 19	0.83 183	0.43 109	2.16 303	1.45 297	1.27 206	1.50 255	0.98 162	0.96 222	1.87 219	0.48 90	0.24 189	0.22 233	0.18 34	0.15 31	0.19 60	0.22 110

fff1	0.76 165	0.32 119	0.95 164	0.49 35	0.27 19	0.83 183	0.43 109	2.16 303	1.45 297	1.27 206	1.50 255	0.98 162	0.96 222	1.87 219	0.48 90	0.24 189	0.22 233	0.18 34	0.15 31	0.19 60	0.22 110

1111x	1.96 356	0.32 119	1.54 282	0.54 101	0.30 63	1.00 231	0.69 248	2.47 350	1.33 248	1.21 177	1.44 238	1.21 220	1.11 274	8.49 394	16.14 411	0.22 151	0.23 256	0.22 121	0.23 216	0.25 198	0.26 180

knoymous	0.53 36	0.32 119	0.51 14	0.46 14	0.30 63	0.57 70	0.54 190	1.10 69	0.78 43	0.99 88	0.84 54	0.95 154	0.57 79	0.89 67	0.51 104	0.21 122	0.14 59	0.26 227	0.14 23	0.23 159	0.25 163

raft_robust	0.71 146	0.32 119	0.75 78	0.54 101	0.28 40	0.54 61	0.35 50	1.54 164	1.24 207	1.18 160	1.07 110	0.73 81	0.53 63	3.65 312	0.40 45	0.19 65	0.16 140	0.20 71	0.22 189	0.21 122	0.19 52

test_5	0.70 140	0.32 119	0.99 176	0.69 265	0.50 227	0.89 199	0.51 167	1.88 244	1.14 168	0.78 54	1.13 141	1.04 181	0.89 199	1.59 179	0.46 78	0.19 65	0.14 59	0.23 148	0.22 189	0.22 141	0.20 71

CRE-IMP	0.57 61	0.32 119	0.82 109	0.54 101	0.29 51	0.77 163	0.25 4	1.19 100	0.79 49	1.09 114	0.95 71	0.81 99	0.57 79	1.11 110	0.57 139	0.22 151	0.14 59	0.23 148	0.19 104	0.28 226	0.24 143

RAFT	0.67 120	0.32 119	0.83 117	0.63 202	0.34 123	0.69 133	0.57 206	1.14 79	0.84 59	1.12 125	1.20 160	1.75 321	0.92 212	1.09 105	0.60 152	0.22 151	0.19 200	0.27 236	0.24 228	0.22 141	0.23 124

rafts_anoy	0.55 38	0.32 119	0.66 45	0.72 282	0.61 281	0.53 52	0.40 81	1.24 115	1.06 134	0.85 69	0.83 53	0.67 65	0.53 63	0.77 42	0.55 129	0.20 99	0.15 113	0.25 205	0.26 247	0.22 141	0.21 89

xxxx	1.61 332	0.32 119	0.98 174	0.58 151	0.31 77	1.15 257	0.43 109	2.43 343	1.41 281	1.17 149	1.40 230	1.21 220	0.86 184	1.94 229	16.68 412	0.24 189	0.24 264	0.21 94	0.20 130	0.23 159	0.27 196

ac_64	0.86 215	0.32 119	1.02 184	0.74 295	0.60 276	1.04 236	0.53 181	2.20 317	0.99 111	1.23 183	1.11 128	1.96 336	1.06 264	2.01 240	1.01 247	0.30 272	0.22 233	0.24 169	0.23 216	0.22 141	0.22 110

cf-r	0.79 180	0.32 119	1.06 193	0.57 141	0.64 288	0.78 164	0.51 167	2.04 277	1.22 203	1.20 171	1.27 186	1.53 289	0.91 204	1.47 159	0.94 235	0.25 209	0.19 200	0.22 121	0.23 216	0.19 60	0.21 89

PSMNet-RSSM	0.78 172	0.32 119	0.89 144	0.65 220	0.43 192	0.73 144	0.58 213	2.14 297	1.19 187	1.18 160	1.38 223	1.31 251	1.07 266	1.43 152	0.82 207	0.28 255	0.21 223	0.27 236	0.29 285	0.25 198	0.26 180

DIP-Stereo	0.64 106	0.32 119	0.91 152	0.49 35	0.36 140	0.91 204	0.33 34	2.51 357	0.77 42	1.25 191	1.00 88	0.68 67	0.51 57	0.92 72	0.65 167	0.19 65	0.15 113	0.21 94	0.17 71	0.19 60	0.22 110
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
IGEVStereo-DCA	0.49 27	0.33 136	0.64 38	0.46 14	0.34 123	0.50 39	0.42 93	0.93 21	0.59 7	0.48 14	0.48 5	0.48 26	0.45 30	2.28 265	0.44 63	0.19 65	0.14 59	0.19 48	0.15 31	0.17 20	0.21 89

rrr	0.57 61	0.33 136	2.43 333	0.46 14	0.34 123	0.50 39	0.38 70	0.84 14	0.55 4	0.48 14	0.48 5	0.48 26	0.45 30	2.28 265	0.44 63	0.19 65	0.14 59	0.19 48	0.15 31	0.17 20	0.18 32

IGEV_Zeroshot_test	0.59 83	0.33 136	1.11 205	0.63 202	0.37 145	0.41 12	0.33 34	1.80 222	0.79 49	1.04 105	1.10 121	1.06 186	0.43 23	0.87 63	0.48 90	0.18 40	0.13 17	0.19 48	0.18 85	0.20 87	0.23 124

EKT-Stereo	0.56 49	0.33 136	0.84 126	0.61 184	0.64 288	0.51 44	0.48 153	1.14 79	0.95 93	0.74 50	0.89 64	0.77 88	0.42 20	1.18 120	0.42 56	0.23 171	0.17 162	0.21 94	0.18 85	0.20 87	0.26 180

HH	0.68 129	0.33 136	0.83 117	0.53 90	0.34 123	0.92 211	0.45 134	1.79 218	0.74 37	0.71 45	1.13 141	1.60 298	0.83 170	1.95 232	0.39 31	0.18 40	0.14 59	0.19 48	0.17 71	0.19 60	0.19 52

HanStereo	0.68 129	0.33 136	0.83 117	0.53 90	0.34 123	0.92 211	0.45 134	1.79 218	0.74 37	0.71 45	1.13 141	1.60 298	0.83 170	1.95 232	0.39 31	0.18 40	0.14 59	0.19 48	0.17 71	0.19 60	0.19 52

IER	0.74 157	0.33 136	1.25 245	0.50 47	0.53 244	1.32 282	0.55 197	1.31 129	1.08 138	1.30 217	1.34 209	1.11 206	1.10 272	1.05 93	0.81 206	0.20 99	0.17 162	0.21 94	0.21 167	0.20 87	0.21 89

iRaft-Stereo_20w	0.71 146	0.33 136	1.25 245	0.50 47	0.36 140	0.82 177	0.31 26	3.16 381	0.89 67	1.24 188	1.14 146	0.79 91	0.65 118	1.15 114	0.43 59	0.18 40	0.13 17	0.18 34	0.17 71	0.20 87	0.23 124

GwcNet-ADL	0.67 120	0.33 136	0.90 149	0.58 151	0.41 182	0.60 84	0.59 217	1.55 166	1.28 227	1.11 117	1.13 141	0.90 136	0.59 97	1.11 110	0.91 223	0.28 255	0.18 186	0.18 34	0.18 85	0.25 198	0.33 255

Patchmatch Stereo++	0.57 61	0.33 136	0.82 109	0.52 70	0.27 19	0.63 98	0.28 18	1.14 79	0.73 30	1.13 128	0.96 73	0.82 105	0.60 101	1.40 143	0.52 110	0.23 171	0.14 59	0.24 169	0.20 130	0.27 211	0.20 71
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	0.82 195	0.33 136	0.83 117	0.65 220	0.31 77	0.63 98	0.43 109	1.35 132	0.93 84	1.30 217	1.02 92	0.81 99	0.57 79	5.37 346	0.55 129	0.26 227	0.14 59	0.24 169	0.20 130	0.20 87	0.30 232

OCTAStereo	0.82 195	0.33 136	0.83 117	0.65 220	0.31 77	0.62 90	0.44 126	1.35 132	0.93 84	1.30 217	1.02 92	0.81 99	0.57 79	5.32 341	0.55 129	0.26 227	0.14 59	0.24 169	0.20 130	0.20 87	0.30 232

PSM-softLoss	0.80 185	0.33 136	0.89 144	0.63 202	0.32 97	0.55 65	0.40 81	1.26 118	0.78 43	1.25 191	1.07 110	0.83 113	0.51 57	5.33 342	0.61 155	0.25 209	0.15 113	0.25 205	0.22 189	0.20 87	0.26 180

KMStereo	0.80 185	0.33 136	0.89 144	0.63 202	0.32 97	0.55 65	0.40 81	1.26 118	0.78 43	1.25 191	1.07 110	0.83 113	0.51 57	5.33 342	0.61 155	0.25 209	0.15 113	0.25 205	0.22 189	0.20 87	0.26 180

PSM-adaLoss	0.56 49	0.33 136	0.81 100	0.52 70	0.27 19	0.63 98	0.41 89	1.14 79	0.73 30	1.13 128	0.96 73	0.82 105	0.60 101	1.09 105	0.52 110	0.23 171	0.14 59	0.24 169	0.20 130	0.27 211	0.20 71

ROB_FTStereo_v2	0.57 61	0.33 136	0.81 100	0.52 70	0.27 19	0.62 90	0.42 93	1.14 79	0.73 30	1.13 128	0.97 80	0.82 105	0.60 101	1.15 114	0.53 119	0.23 171	0.14 59	0.24 169	0.20 130	0.27 211	0.20 71

ROB_FTStereo	0.56 49	0.33 136	0.82 109	0.52 70	0.27 19	0.62 90	0.25 4	1.14 79	0.74 37	1.13 128	0.96 73	0.82 105	0.60 101	1.18 120	0.52 110	0.23 171	0.14 59	0.24 169	0.20 130	0.27 211	0.20 71

HUI-Stereo	0.54 37	0.33 136	0.81 100	0.52 70	0.27 19	0.62 90	0.29 22	1.14 79	0.74 37	1.13 128	0.96 73	0.82 105	0.60 101	0.83 55	0.52 110	0.23 171	0.14 59	0.24 169	0.20 130	0.27 211	0.20 71

RE-Stereo	0.82 195	0.33 136	0.84 126	0.65 220	0.31 77	0.63 98	0.44 126	1.35 132	0.93 84	1.30 217	1.02 92	0.80 93	0.57 79	5.34 344	0.55 129	0.26 227	0.14 59	0.24 169	0.20 130	0.20 87	0.31 241

TVStereo	0.82 195	0.33 136	0.84 126	0.65 220	0.31 77	0.63 98	0.44 126	1.35 132	0.93 84	1.30 217	1.02 92	0.80 93	0.57 79	5.34 344	0.55 129	0.26 227	0.14 59	0.24 169	0.20 130	0.20 87	0.31 241

iGMRVC	0.58 72	0.33 136	0.81 100	0.52 70	0.27 19	0.62 90	0.38 70	1.14 79	0.73 30	1.13 128	0.97 80	0.82 105	0.59 97	1.54 170	0.53 119	0.23 171	0.14 59	0.24 169	0.20 130	0.27 211	0.20 71

iRAFT	0.57 61	0.33 136	0.82 109	0.52 70	0.27 19	0.63 98	0.28 18	1.14 79	0.73 30	1.13 128	0.96 73	0.82 105	0.60 101	1.40 143	0.52 110	0.23 171	0.14 59	0.24 169	0.20 130	0.27 211	0.20 71

CroCo-Stereo	0.42 8	0.33 136	0.83 117	0.59 164	0.28 40	0.26 1	0.33 34	1.22 110	0.85 62	0.43 5	0.49 7	0.65 61	0.46 37	0.40 1	0.36 16	0.19 65	0.15 113	0.16 8	0.14 23	0.20 87	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
RAFT-IKP	0.57 61	0.33 136	0.82 109	0.52 70	0.27 19	0.57 70	0.35 50	1.14 79	0.73 30	1.13 128	0.96 73	0.83 113	0.61 111	1.26 126	0.53 119	0.23 171	0.14 59	0.24 169	0.20 130	0.27 211	0.20 71

test_xeample3	0.57 61	0.33 136	3.11 350	0.46 14	0.34 123	0.55 65	0.38 70	0.86 18	0.49 2	0.54 30	0.46 3	0.44 8	0.44 27	1.49 167	0.45 74	0.18 40	0.14 59	0.19 48	0.15 31	0.17 20	0.18 32

ACVNet	0.66 112	0.33 136	0.74 73	0.55 111	0.37 145	0.80 169	0.47 149	1.46 150	1.11 152	1.01 95	1.31 197	1.07 189	0.91 204	0.82 52	1.09 255	0.22 151	0.19 200	0.21 94	0.18 85	0.23 159	0.19 52

acv_ft	0.78 172	0.33 136	1.10 203	0.73 289	0.86 345	1.23 275	0.57 206	1.65 189	1.11 152	1.31 223	1.31 197	1.07 189	0.91 204	0.82 52	1.35 287	0.22 151	0.19 200	0.21 94	0.18 85	0.22 141	0.19 52

ACVNet-DCA	0.59 83	0.34 163	0.63 32	0.60 171	0.27 19	1.16 260	0.51 167	1.58 173	0.91 72	0.60 35	0.80 48	0.47 22	0.87 190	1.48 161	0.35 6	0.21 122	0.13 17	0.25 205	0.15 31	0.23 159	0.25 163

xx1	0.70 140	0.34 163	0.63 32	0.60 171	0.27 19	1.16 260	0.51 167	1.07 51	3.23 384	0.60 35	0.80 48	0.95 154	0.79 156	1.48 161	0.35 6	0.21 122	0.13 17	0.24 169	0.23 216	0.23 159	0.25 163

1test111	0.58 72	0.34 163	0.63 32	0.60 171	0.27 19	1.16 260	0.51 167	1.58 173	0.91 72	0.60 35	0.80 48	0.47 22	0.87 190	0.99 82	0.67 172	0.21 122	0.13 17	0.25 205	0.15 31	0.23 159	0.25 163

cc1	0.68 129	0.34 163	0.63 32	0.60 171	0.27 19	1.16 260	0.51 167	1.07 51	3.23 384	0.60 35	0.80 48	0.47 22	0.87 190	1.48 161	0.35 6	0.21 122	0.13 17	0.25 205	0.15 31	0.19 60	0.23 124

tt1	0.65 110	0.34 163	0.65 43	0.60 171	0.27 19	1.14 254	0.48 153	1.08 56	2.62 372	0.59 32	0.79 45	0.49 30	0.80 162	1.57 173	0.35 6	0.21 122	0.13 17	0.25 205	0.16 55	0.20 87	0.23 124

PCWNet_CMD	0.68 129	0.34 163	0.93 155	0.51 58	0.38 156	0.80 169	0.42 93	1.51 156	1.34 250	1.17 149	1.31 197	1.23 228	0.65 118	0.94 73	0.62 158	0.21 122	0.17 162	0.27 236	0.19 104	0.43 303	0.28 207

CFNet_ucs	0.73 154	0.34 163	0.94 161	0.53 90	0.44 199	0.76 154	0.46 140	1.73 208	1.34 250	1.24 188	1.54 265	1.08 199	0.64 114	1.05 93	0.64 163	0.26 227	0.20 210	0.37 315	0.22 189	0.42 301	0.30 232

x	0.59 83	0.34 163	0.79 94	0.51 58	0.32 97	0.69 133	0.46 140	1.64 186	0.97 101	0.86 73	0.86 57	0.83 113	0.74 136	0.75 40	0.70 180	0.21 122	0.22 233	0.22 121	0.20 130	0.21 122	0.24 143

BUS	0.78 172	0.34 163	0.77 84	0.55 111	0.45 202	2.30 361	0.42 93	2.65 365	1.04 130	1.25 191	1.12 131	1.02 177	0.70 132	0.94 73	0.75 189	0.25 209	0.18 186	0.25 205	0.22 189	0.23 159	0.24 143

BSDual-CNN	0.75 160	0.34 163	0.77 84	0.55 111	0.45 202	1.25 277	0.66 240	2.65 365	1.04 130	1.25 191	1.12 131	1.11 206	0.77 146	0.94 73	0.76 192	0.25 209	0.18 186	0.25 205	0.22 189	0.23 159	0.24 143

hknet	0.82 195	0.34 163	1.15 214	0.55 111	0.39 163	1.25 277	0.66 240	2.65 365	1.10 148	1.25 191	1.12 131	1.58 297	0.85 177	1.41 145	0.79 199	0.23 171	0.18 186	0.25 205	0.22 189	0.23 159	0.24 143

psmg	0.75 160	0.34 163	0.77 84	0.52 70	0.45 202	1.46 303	0.73 259	2.15 301	1.04 130	1.25 191	1.33 206	1.11 206	0.77 146	0.94 73	0.76 192	0.25 209	0.20 210	0.25 205	0.26 247	0.23 159	0.24 143

IIG-Stereo	0.97 248	0.34 163	0.80 99	0.90 346	0.33 111	0.61 88	0.26 11	1.27 122	1.08 138	1.69 321	1.37 219	1.44 272	0.74 136	6.94 378	0.53 119	0.21 122	0.14 59	0.23 148	0.18 85	0.20 87	0.15 3

CFNet_pseudo	0.68 129	0.34 163	0.93 155	0.50 47	0.39 163	0.72 141	0.42 93	1.44 146	1.25 213	1.17 149	1.35 214	1.22 224	0.66 122	1.04 90	0.64 163	0.21 122	0.17 162	0.33 289	0.19 104	0.39 289	0.28 207

RALCasStereoNet	0.58 72	0.34 163	0.77 84	0.65 220	0.64 288	0.64 106	0.51 167	1.06 50	0.99 111	0.71 45	1.06 108	0.77 88	0.44 27	1.38 140	0.52 110	0.20 99	0.18 186	0.18 34	0.16 55	0.20 87	0.22 110

delet	0.90 229	0.34 163	1.15 214	0.69 265	0.66 297	1.63 319	0.81 279	1.95 259	1.49 309	1.42 266	1.38 223	1.29 247	0.91 204	1.78 206	1.18 263	0.22 151	0.22 233	0.24 169	0.25 236	0.22 141	0.24 143

UPFNet	0.84 208	0.34 163	1.09 200	0.62 192	0.74 316	1.25 277	0.78 267	1.69 200	1.20 191	1.39 254	1.13 141	1.30 249	0.87 190	1.73 200	1.22 270	0.24 189	0.26 282	0.24 169	0.23 216	0.26 209	0.20 71

GwcNet-RSSM	0.83 204	0.34 163	1.29 252	0.65 220	0.55 255	0.78 164	0.62 229	1.89 246	1.27 223	1.18 160	1.39 225	1.56 294	0.91 204	1.60 184	1.22 270	0.26 227	0.20 210	0.23 148	0.24 228	0.21 122	0.21 89

RASNet	1.16 283	0.34 163	1.11 205	0.73 289	0.86 345	1.00 231	0.60 225	1.56 168	1.43 290	1.07 112	1.37 219	2.08 349	1.44 322	7.00 379	1.56 308	0.20 99	0.17 162	0.17 14	0.19 104	0.19 60	0.19 52

MSMDNet	0.68 129	0.34 163	0.93 155	0.52 70	0.38 156	0.80 169	0.42 93	1.52 158	1.35 253	1.17 149	1.31 197	1.23 228	0.65 118	0.94 73	0.62 158	0.21 122	0.17 162	0.26 227	0.19 104	0.41 297	0.28 207

ccs_rob	0.68 129	0.34 163	0.93 155	0.50 47	0.39 163	0.72 141	0.42 93	1.43 145	1.25 213	1.17 149	1.34 209	1.22 224	0.66 122	1.04 90	0.64 163	0.21 122	0.17 162	0.35 303	0.20 130	0.40 293	0.29 219

HSM	1.22 295	0.34 163	0.81 100	0.61 184	0.39 163	1.22 273	0.63 235	2.45 345	1.25 213	1.32 225	1.26 179	1.91 326	1.08 267	9.21 399	0.75 189	0.23 171	0.17 162	0.20 71	0.16 55	0.22 141	0.24 143

ToySt	0.73 154	0.35 185	1.64 288	0.54 101	0.37 145	0.92 211	0.81 279	1.21 108	1.03 124	0.86 73	1.12 131	1.31 251	1.01 244	1.04 90	0.88 216	0.19 65	0.20 210	0.24 169	0.24 228	0.27 211	0.28 207

OMP-Stereo	0.95 243	0.35 185	0.79 94	0.92 348	0.32 97	0.49 29	0.35 50	1.22 110	1.11 152	1.58 306	1.12 131	1.44 272	0.69 130	6.92 377	0.51 104	0.20 99	0.15 113	0.24 169	0.19 104	0.21 122	0.16 13

ICVP	0.66 112	0.35 185	0.71 57	0.63 202	0.41 182	0.85 193	0.56 203	1.78 215	0.96 97	0.92 79	1.24 175	0.88 128	0.75 141	0.76 41	0.93 230	0.31 276	0.22 233	0.22 121	0.21 167	0.24 188	0.28 207
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
MMNet	0.89 222	0.35 185	1.44 266	0.64 213	0.59 272	1.83 338	0.48 153	1.70 203	1.38 267	1.45 279	1.19 159	1.25 233	1.16 280	1.77 204	1.27 278	0.20 99	0.19 200	0.23 148	0.22 189	0.25 198	0.24 143

DualNet	1.46 320	0.36 189	1.51 273	0.56 123	0.40 172	0.76 154	0.59 217	1.08 56	2.62 372	1.19 165	1.49 248	1.07 189	0.85 177	1.57 173	13.82 403	0.21 122	0.13 17	0.31 269	0.28 270	0.20 87	0.23 124

ffm	0.79 180	0.36 189	1.51 273	0.56 123	0.40 172	0.76 154	0.59 217	1.08 56	2.62 372	1.19 165	1.49 248	1.07 189	0.85 177	1.57 173	0.35 6	0.21 122	0.13 17	0.31 269	0.28 270	0.20 87	0.23 124

ff1	1.88 350	0.36 189	1.51 273	0.56 123	0.40 172	0.76 154	0.59 217	1.08 56	2.62 372	1.19 165	1.49 248	1.07 189	0.85 177	9.88 407	13.82 403	0.21 122	0.13 17	0.31 269	0.28 270	0.20 87	0.23 124

mmx	1.89 353	0.36 189	1.51 273	0.56 123	0.40 172	0.76 154	0.59 217	2.32 330	1.41 281	1.19 165	1.49 248	1.07 189	0.85 177	9.88 407	13.82 403	0.25 209	0.21 223	0.31 269	0.28 270	0.32 259	0.29 219

ttt	1.26 304	0.36 189	0.79 94	0.65 220	0.42 189	0.94 216	0.57 206	2.33 335	1.38 267	1.25 191	1.65 291	0.92 144	0.78 151	2.64 283	8.73 391	0.30 272	0.28 294	0.26 227	0.25 236	0.29 236	0.32 249

xxx	1.89 353	0.36 189	1.51 273	0.56 123	0.40 172	0.76 154	0.59 217	2.32 330	1.41 281	1.19 165	1.49 248	1.07 189	0.85 177	9.88 407	13.82 403	0.25 209	0.21 223	0.31 269	0.28 270	0.32 259	0.29 219

LL-Strereo2	0.56 49	0.36 189	0.77 84	0.56 123	0.40 172	0.68 125	0.37 63	1.21 108	0.83 57	0.96 86	0.79 45	0.91 139	0.41 17	1.08 101	0.48 90	0.18 40	0.17 162	0.29 256	0.25 236	0.22 141	0.19 52

CASS	0.67 120	0.36 189	0.84 126	0.57 141	0.28 40	0.82 177	0.43 109	1.62 185	0.92 77	1.39 254	1.28 191	0.87 122	0.84 172	0.88 65	0.59 150	0.36 308	0.19 200	0.26 227	0.22 189	0.29 236	0.43 302
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
qqq	0.62 94	0.36 189	0.88 141	0.50 47	0.28 40	0.64 106	0.62 229	1.58 173	0.91 72	0.83 64	0.96 73	0.95 154	0.79 156	0.99 82	0.67 172	0.21 122	0.23 256	0.24 169	0.23 216	0.23 159	0.25 163

PSMNet-ADL	0.75 160	0.36 189	0.69 54	0.71 277	0.47 215	1.13 251	0.46 140	1.47 153	1.07 135	0.85 69	1.18 156	1.31 251	0.94 215	1.56 171	1.06 252	0.34 293	0.22 233	0.22 121	0.23 216	0.27 211	0.36 273

UNet	0.86 215	0.36 189	1.52 278	0.62 192	0.74 316	1.56 312	0.49 161	1.55 166	1.12 157	1.28 211	1.10 121	1.52 288	1.10 272	1.69 197	1.14 260	0.24 189	0.18 186	0.25 205	0.21 167	0.25 198	0.25 163

CFNet-ft	0.78 172	0.36 189	0.74 73	0.67 246	0.56 259	0.86 194	0.54 190	1.46 150	1.17 182	1.01 95	1.28 191	1.68 310	1.03 251	1.57 173	0.95 237	0.27 244	0.21 223	0.33 289	0.26 247	0.31 251	0.26 180

DMCA	0.71 146	0.36 189	1.17 228	0.53 90	0.45 202	0.84 190	0.46 140	1.52 158	1.09 145	1.20 171	1.12 131	1.21 220	0.74 136	0.87 63	1.09 255	0.25 209	0.20 210	0.27 236	0.19 104	0.24 188	0.29 219

CFNet_RVC	0.78 172	0.36 189	0.74 73	0.67 246	0.56 259	0.86 194	0.54 190	1.46 150	1.17 182	1.01 95	1.28 191	1.68 310	1.03 251	1.57 173	0.95 237	0.27 244	0.21 223	0.33 289	0.26 247	0.31 251	0.26 180

iResNet_ROB	0.82 195	0.36 189	1.13 209	0.60 171	0.37 145	0.91 204	0.38 70	2.41 341	1.61 327	1.35 241	1.35 214	1.25 233	0.97 229	1.75 202	0.88 216	0.21 122	0.14 59	0.17 14	0.12 9	0.19 60	0.30 232

DN-CSS_ROB	0.67 120	0.36 189	1.36 260	0.59 164	0.41 182	0.54 61	0.45 134	1.30 128	0.95 93	1.05 107	1.47 245	0.69 71	0.64 114	1.80 213	0.60 152	0.19 65	0.15 113	0.25 205	0.23 216	0.22 141	0.23 124

mmm	0.68 129	0.37 205	0.91 152	0.54 101	0.34 123	0.86 194	0.58 213	1.72 207	1.02 121	1.13 128	1.41 233	0.83 113	0.78 151	0.95 79	0.67 172	0.22 151	0.20 210	0.29 256	0.26 247	0.27 211	0.27 196

StereoVision	0.67 120	0.37 205	1.02 184	0.60 171	0.41 182	0.50 39	0.41 89	1.32 130	0.96 97	0.73 49	2.48 360	0.82 105	0.57 79	1.06 97	0.50 102	0.26 227	0.28 294	0.29 256	0.28 270	0.37 279	0.22 110

CBFPSM	0.95 243	0.37 205	2.10 318	0.51 58	0.39 163	1.73 326	0.87 294	1.59 178	1.13 162	1.11 117	1.00 88	2.34 358	1.64 338	1.42 150	1.44 295	0.19 65	0.18 186	0.20 71	0.20 130	0.22 141	0.36 273

gwcnet-sp	0.80 185	0.37 205	1.94 306	0.62 192	0.45 202	1.38 291	0.53 181	1.68 191	1.20 191	1.37 247	1.08 116	0.93 146	0.82 167	1.45 155	0.79 199	0.22 151	0.22 233	0.22 121	0.21 167	0.23 159	0.25 163

scenet	0.80 185	0.37 205	1.94 306	0.62 192	0.45 202	1.38 291	0.53 181	1.68 191	1.20 191	1.37 247	1.08 116	0.93 146	0.82 167	1.45 155	0.79 199	0.22 151	0.22 233	0.22 121	0.21 167	0.23 159	0.25 163

ssnet	0.80 185	0.37 205	1.94 306	0.62 192	0.45 202	1.38 291	0.53 181	1.68 191	1.20 191	1.37 247	1.08 116	0.93 146	0.82 167	1.45 155	0.79 199	0.22 151	0.22 233	0.22 121	0.21 167	0.23 159	0.25 163

CroCo-Stereo Lap2	0.46 20	0.37 205	0.87 139	0.62 192	0.79 331	0.28 2	0.35 50	0.81 6	0.73 30	0.39 4	0.54 15	0.71 80	0.54 70	0.60 14	0.48 90	0.18 40	0.18 186	0.19 48	0.16 55	0.21 122	0.21 89

CIPLG	0.67 120	0.37 205	1.17 228	0.60 171	0.51 236	0.75 148	0.48 153	1.26 118	1.11 152	1.43 270	1.58 278	0.64 60	0.48 45	0.94 73	0.78 195	0.24 189	0.15 113	0.19 48	0.16 55	0.19 60	0.29 219

DAS	0.89 222	0.37 205	1.20 234	0.66 233	0.69 305	0.82 177	0.62 229	1.79 218	1.26 219	1.93 342	1.55 268	0.96 158	1.17 283	2.72 288	0.69 177	0.22 151	0.16 140	0.25 205	0.18 85	0.29 236	0.24 143

SepStereo	0.87 218	0.37 205	1.20 234	0.66 233	0.69 305	0.82 177	0.62 229	1.79 218	1.26 219	1.93 342	1.55 268	0.96 158	1.17 283	2.34 268	0.69 177	0.22 151	0.16 140	0.25 205	0.18 85	0.29 236	0.24 143

ACRE	0.66 112	0.37 205	1.27 248	0.60 171	0.50 227	0.74 146	0.47 149	1.26 118	1.10 148	1.40 260	1.56 273	0.62 54	0.46 37	0.88 65	0.78 195	0.24 189	0.15 113	0.19 48	0.16 55	0.19 60	0.29 219

ADLNet2	0.92 237	0.37 205	1.25 245	0.80 315	0.65 294	1.12 250	0.75 261	1.95 259	1.42 289	1.26 201	1.67 294	1.68 310	1.04 257	1.80 213	1.23 273	0.25 209	0.22 233	0.21 94	0.22 189	0.27 211	0.31 241

RALAANet	0.62 94	0.37 205	0.97 172	0.66 233	0.50 227	0.67 121	0.31 26	1.27 122	1.09 145	1.11 117	1.17 154	0.88 128	0.46 37	1.27 128	0.45 74	0.20 99	0.15 113	0.21 94	0.18 85	0.27 211	0.19 52

GES	0.70 140	0.37 205	1.05 190	0.62 192	0.38 156	0.94 216	0.57 206	2.37 337	0.92 77	1.05 107	1.12 131	0.67 65	0.77 146	1.02 88	0.65 167	0.28 255	0.20 210	0.20 71	0.20 130	0.22 141	0.31 241

psm_up	0.83 204	0.37 205	0.88 141	0.68 255	0.59 272	1.05 239	0.92 301	1.68 191	1.17 182	1.41 262	1.22 167	1.30 249	1.31 306	1.39 142	0.89 218	0.27 244	0.30 306	0.31 269	0.27 261	0.28 226	0.28 207

UCFNet_RVC	0.72 151	0.37 205	0.59 22	0.66 233	0.41 182	0.89 199	0.68 244	1.78 215	1.15 173	1.01 95	1.20 160	1.22 224	0.95 220	1.07 99	0.66 171	0.28 255	0.21 223	0.34 297	0.31 300	0.33 264	0.29 219

DISCO	1.06 267	0.37 205	1.19 233	0.73 289	0.46 209	2.04 352	0.84 286	2.26 322	1.54 316	1.25 191	1.36 218	2.38 360	1.08 267	2.60 282	1.62 314	0.24 189	0.19 200	0.22 121	0.20 130	0.32 259	0.29 219

Former-RAFT_DAM_RVC	0.47 23	0.38 222	0.75 78	0.48 29	0.37 145	0.67 121	0.35 50	0.82 10	1.14 168	0.61 39	0.64 21	0.39 4	0.39 15	0.74 35	0.39 31	0.20 99	0.17 162	0.22 121	0.18 85	0.24 188	0.20 71

IPLGR_C	0.67 120	0.38 222	1.20 234	0.60 171	0.50 227	0.75 148	0.48 153	1.28 126	1.13 162	1.42 266	1.57 277	0.62 54	0.48 45	0.85 61	0.80 204	0.24 189	0.15 113	0.19 48	0.16 55	0.19 60	0.29 219

GANet-ADL	0.63 103	0.38 222	0.82 109	0.67 246	0.41 182	0.68 125	0.51 167	1.64 186	1.16 178	0.98 87	1.10 121	0.90 136	0.58 94	0.81 50	0.63 160	0.27 244	0.18 186	0.18 34	0.16 55	0.23 159	0.27 196

hitnet-ft	0.84 208	0.38 222	0.75 78	0.59 164	0.44 199	0.99 230	0.47 149	1.61 182	1.38 267	1.21 177	1.22 167	1.82 324	0.99 235	1.87 219	1.09 255	0.33 286	0.29 302	0.34 297	0.27 261	0.36 274	0.33 255

DSFCA	0.95 243	0.38 222	1.23 240	0.55 111	0.66 297	1.50 305	0.93 304	1.58 173	1.24 207	1.59 309	1.16 152	1.48 280	0.95 220	2.96 295	1.20 265	0.31 276	0.28 294	0.25 205	0.26 247	0.29 236	0.26 180

ssnet_v2	0.92 237	0.39 227	1.22 238	0.66 233	0.39 163	1.31 281	0.96 310	2.32 330	1.45 297	1.48 287	1.17 154	1.53 289	0.91 204	1.16 116	1.71 326	0.31 276	0.27 290	0.30 265	0.29 285	0.28 226	0.29 219

AASNet	0.80 185	0.39 227	1.16 227	0.84 330	0.80 333	1.14 254	0.59 217	2.12 292	1.21 197	1.26 201	1.26 179	0.93 146	0.77 146	0.84 58	1.23 273	0.28 255	0.24 264	0.24 169	0.20 130	0.28 226	0.27 196

pcwnet_v2	0.91 234	0.39 227	2.74 342	0.64 213	0.55 255	0.81 176	0.49 161	2.19 314	1.63 328	1.44 273	1.64 289	1.09 200	0.79 156	1.31 129	0.70 180	0.32 283	0.25 277	0.29 256	0.27 261	0.37 279	0.37 276

ADLNet	0.89 222	0.39 227	1.09 200	0.88 338	0.73 312	1.24 276	0.75 261	2.02 271	1.41 281	1.58 306	1.37 219	1.26 239	1.00 241	1.31 129	1.18 263	0.28 255	0.21 223	0.26 227	0.26 247	0.29 236	0.36 273

MLCV	0.77 170	0.39 227	1.31 253	0.55 111	0.25 8	0.91 204	0.39 79	1.48 155	1.28 227	1.49 289	1.54 265	1.02 177	0.68 127	2.12 253	0.93 230	0.19 65	0.13 17	0.19 48	0.14 23	0.19 60	0.22 110

NINENet	0.81 193	0.40 232	0.89 144	0.65 220	0.53 244	2.30 361	0.42 93	2.12 292	1.13 162	1.20 171	1.27 186	1.02 177	0.70 132	1.26 126	0.75 189	0.29 267	0.24 264	0.31 269	0.21 167	0.27 211	0.26 180

AACVNet	0.90 229	0.40 232	0.98 174	0.86 335	0.40 172	0.80 169	0.49 161	1.81 225	0.86 64	1.11 117	1.34 209	1.32 255	0.99 235	4.23 321	0.86 212	0.26 227	0.22 233	0.28 248	0.22 189	0.30 246	0.28 207

GEStereo_RVC	0.93 242	0.40 232	1.15 214	0.67 246	0.50 227	0.95 222	0.78 267	2.73 370	1.21 197	1.20 171	1.12 131	1.25 233	0.91 204	3.21 302	0.95 237	0.31 276	0.20 210	0.23 148	0.20 130	0.28 226	0.31 241

HCRNet	0.72 151	0.40 232	0.86 137	0.61 184	0.57 263	0.75 148	0.35 50	1.39 138	1.21 197	1.11 117	0.99 84	1.01 175	0.76 142	2.18 257	0.73 184	0.28 255	0.19 200	0.28 248	0.23 216	0.25 198	0.26 180

ARAFT	0.82 195	0.40 232	1.77 294	0.53 90	0.31 77	0.89 199	0.81 279	2.32 330	1.08 138	1.66 318	1.25 177	1.04 181	0.64 114	1.91 226	0.52 110	0.20 99	0.15 113	0.28 248	0.27 261	0.17 20	0.18 32

CFNet	0.99 253	0.40 232	1.23 240	0.65 220	0.43 192	1.03 235	0.49 161	2.01 270	1.35 253	1.02 99	1.39 225	1.10 201	0.86 184	5.47 348	0.89 218	0.24 189	0.18 186	0.28 248	0.27 261	0.27 211	0.22 110

MDST_ROB	1.88 350	0.40 232	1.71 291	0.93 353	0.60 276	4.27 398	1.23 342	3.99 391	1.44 292	4.61 398	2.63 362	1.44 272	1.03 251	9.78 404	1.62 314	0.33 286	0.26 282	0.37 315	0.33 314	0.31 251	0.34 262

SGM_RVC	1.88 350	0.40 232	0.90 149	0.63 202	0.30 63	2.81 374	1.26 345	2.73 370	1.81 344	4.09 390	2.85 366	3.88 384	3.19 385	8.42 393	2.44 349	0.33 286	0.31 311	0.30 265	0.28 270	0.31 251	0.31 241
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
SGM-Forest	1.29 308	0.40 232	0.74 73	0.54 101	0.37 145	1.55 310	1.26 345	1.82 228	1.39 276	2.22 356	1.81 316	1.64 304	1.02 249	7.65 386	1.20 265	0.39 318	0.37 338	0.39 323	0.34 319	0.37 279	0.34 262
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
DispNO	1.16 283	0.41 241	3.75 362	0.64 213	0.57 263	0.75 148	0.62 229	2.07 284	1.48 307	1.23 183	1.64 289	1.05 185	1.05 262	5.50 349	1.06 252	0.25 209	0.22 233	0.25 205	0.20 130	0.25 198	0.24 143

CSP-Net	1.00 256	0.41 241	0.99 176	0.56 123	0.43 192	1.62 318	0.76 263	2.16 303	1.16 178	1.33 230	1.22 167	1.32 255	0.89 199	4.67 332	0.93 230	0.35 301	0.24 264	0.20 71	0.20 130	0.23 159	0.30 232

Anonymous	0.56 49	0.41 241	1.05 190	0.67 246	0.73 312	0.65 110	0.68 244	1.12 73	0.79 49	0.48 14	0.60 20	0.42 5	0.60 101	0.81 50	0.55 129	0.26 227	0.24 264	0.21 94	0.21 167	0.41 297	0.30 232

CRFU-Net	0.90 229	0.42 244	1.10 203	0.69 265	0.59 272	1.76 330	0.84 286	2.33 335	0.92 77	1.45 279	1.20 160	1.62 300	1.25 297	1.38 140	0.94 235	0.28 255	0.23 256	0.22 121	0.19 104	0.24 188	0.27 196

TestStereo	0.65 110	0.42 244	0.83 117	0.52 70	0.27 19	0.57 70	0.44 126	1.07 51	0.92 77	0.85 69	1.01 90	0.68 67	0.56 77	3.22 303	0.47 86	0.23 171	0.15 113	0.24 169	0.18 85	0.28 226	0.18 32

HGLStereo	0.89 222	0.42 244	1.15 214	0.82 322	1.03 362	1.16 260	0.57 206	1.68 191	1.28 227	1.26 201	1.62 284	1.13 210	1.31 306	1.85 215	1.11 259	0.25 209	0.24 264	0.24 169	0.22 189	0.24 188	0.29 219

HITNet	0.71 146	0.42 244	1.07 197	0.52 70	0.25 8	1.05 239	0.48 153	2.12 292	1.08 138	1.21 177	1.23 171	0.91 139	0.84 172	0.90 70	0.91 223	0.17 18	0.12 5	0.21 94	0.17 71	0.29 236	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
sCroCo_RVC	0.51 33	0.43 248	1.15 214	0.66 233	0.60 276	0.52 48	0.40 81	0.93 21	0.64 19	0.45 10	0.76 38	0.49 30	0.49 55	0.65 26	0.49 99	0.27 244	0.28 294	0.23 148	0.22 189	0.29 236	0.28 207

FAT-Stereo	1.10 275	0.43 248	1.46 268	0.74 295	0.60 276	1.13 251	0.92 301	2.06 282	1.71 334	1.75 325	2.00 335	2.02 342	1.47 325	2.02 242	1.26 277	0.44 336	0.36 334	0.34 297	0.29 285	0.36 274	0.57 337

iResNetv2_ROB	0.88 220	0.43 248	2.62 341	0.60 171	0.38 156	0.94 216	0.67 242	1.88 244	1.38 267	1.27 206	1.45 241	1.26 239	1.05 262	1.92 227	0.64 163	0.24 189	0.15 113	0.19 48	0.14 23	0.24 188	0.21 89

StereoDRNet-Refined	0.84 208	0.43 248	1.01 182	0.66 233	0.43 192	1.32 282	0.49 161	1.64 186	1.24 207	1.53 295	1.45 241	1.49 282	0.97 229	1.32 132	1.31 280	0.21 122	0.17 162	0.27 236	0.25 236	0.25 198	0.34 262
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.92 237	0.43 248	0.95 164	0.71 277	0.55 255	1.11 248	0.83 284	1.61 182	1.32 246	1.67 319	1.66 292	1.70 313	0.93 213	1.96 234	1.34 285	0.26 227	0.25 277	0.27 236	0.28 270	0.28 226	0.28 207

LL-Strereo	1.42 316	0.44 253	2.02 313	0.62 192	1.07 364	0.73 144	0.65 238	2.02 271	1.21 197	1.60 310	1.62 284	2.02 342	2.10 365	9.67 403	1.07 254	0.22 151	0.20 210	0.27 236	0.24 228	0.23 159	0.33 255

stereogan	1.22 295	0.45 254	2.03 315	0.87 336	0.85 344	2.52 366	0.72 256	1.98 264	1.78 341	1.92 340	1.94 331	2.31 357	1.42 319	2.10 251	1.14 260	0.38 311	0.36 334	0.39 323	0.32 305	0.52 331	0.49 314

NVstereo2D	0.99 253	0.45 254	2.21 326	0.79 314	0.75 319	1.20 271	0.86 292	1.98 264	1.41 281	1.02 99	1.18 156	1.31 251	0.97 229	2.25 262	0.93 230	0.45 339	0.22 233	0.39 323	0.25 236	0.59 346	0.68 355

iResNet	0.80 185	0.45 254	1.47 269	0.72 282	0.31 77	0.96 227	0.64 236	1.80 222	1.28 227	1.31 223	1.48 247	0.94 151	0.78 151	1.77 204	0.99 242	0.19 65	0.14 59	0.18 34	0.15 31	0.22 141	0.27 196

Wz-Net-LNSev-Ref	1.09 274	0.46 257	2.61 340	0.71 277	0.65 294	2.00 349	0.78 267	2.07 284	1.47 303	1.62 313	1.47 245	1.53 289	1.29 302	2.10 251	1.65 320	0.24 189	0.14 59	0.20 71	0.16 55	0.28 226	0.28 207

DMCA-RVC	0.83 204	0.46 257	2.19 325	0.68 255	0.49 223	0.84 190	0.48 153	1.44 146	1.07 135	1.56 302	1.04 103	1.29 247	0.86 184	1.49 167	0.92 227	0.27 244	0.22 233	0.35 303	0.28 270	0.32 259	0.28 207

NLCA_NET_v2_RVC	0.84 208	0.46 257	1.40 265	0.69 265	0.61 281	0.95 222	0.52 175	1.68 191	1.21 197	1.39 254	1.15 151	1.42 268	0.88 197	1.78 206	0.93 230	0.26 227	0.23 256	0.27 236	0.27 261	0.30 246	0.39 285
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
CBMV_ROB	0.99 253	0.46 257	0.68 50	0.53 90	0.39 163	1.40 296	0.48 153	2.09 288	1.30 237	1.53 295	2.29 350	1.36 260	1.23 293	2.46 274	1.04 251	0.44 336	0.42 354	0.47 345	0.44 344	0.41 297	0.39 285

pmcnn	2.84 383	0.46 257	5.19 375	0.68 255	0.42 189	1.55 310	1.16 334	2.32 330	1.60 326	2.72 371	7.49 401	17.96 415	1.48 326	6.04 360	6.64 384	0.18 40	0.15 113	0.15 3	0.12 9	0.20 87	0.20 71

Anonymous3	0.64 106	0.47 262	1.31 253	0.59 164	0.50 227	0.93 214	0.69 248	1.11 71	0.83 57	0.74 50	0.89 64	0.65 61	0.68 127	1.08 101	0.54 128	0.40 320	0.31 311	0.26 227	0.26 247	0.31 251	0.30 232

RAFT + AFF	1.07 271	0.47 262	1.36 260	0.68 255	0.50 227	1.20 271	1.22 340	2.58 362	1.26 219	1.33 230	1.56 273	1.19 217	1.49 327	3.89 319	1.01 247	0.22 151	0.26 282	0.30 265	0.27 261	0.29 236	0.32 249

LE_ROB	8.35 409	0.47 262	27.42 423	0.83 326	0.34 123	2.84 376	3.36 405	4.03 392	27.04 423	25.20 423	8.72 407	8.55 406	27.35 423	7.37 383	22.13 416	0.22 151	0.20 210	0.20 71	0.21 167	0.25 198	0.25 163

fast-acv-ft	1.00 256	0.48 265	1.85 302	0.61 184	0.52 239	1.77 332	0.69 248	1.52 158	1.47 303	1.34 237	1.85 321	1.73 316	1.24 296	1.62 187	1.56 308	0.27 244	0.28 294	0.28 248	0.28 270	0.28 226	0.31 241

S-Stereo	1.17 286	0.48 265	2.25 329	0.83 326	0.81 337	1.22 273	1.17 335	2.12 292	2.08 358	1.47 282	2.13 342	1.55 292	1.16 280	2.09 250	1.46 298	0.42 327	0.40 348	0.35 303	0.32 305	0.45 315	0.73 359

AdaStereo	0.74 157	0.48 265	0.86 137	0.75 302	0.38 156	0.94 216	0.56 203	2.05 281	1.24 207	1.15 143	1.22 167	1.07 189	0.67 124	1.05 93	0.73 184	0.33 286	0.16 140	0.32 281	0.22 189	0.29 236	0.23 124
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.
SGM-ForestM	7.81 408	0.48 265	11.02 397	0.74 295	0.40 172	16.83 416	12.72 414	7.91 411	8.13 405	11.53 414	10.25 409	22.44 423	14.01 413	17.02 417	20.52 415	0.38 311	0.39 346	0.37 315	0.36 325	0.37 279	0.38 282

CBMV	1.04 263	0.48 265	0.88 141	0.56 123	0.36 140	1.52 307	1.55 359	1.87 239	1.59 324	2.11 353	1.67 294	1.46 277	1.35 311	1.92 227	1.31 280	0.35 301	0.35 330	0.39 323	0.33 314	0.34 269	0.34 262
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
CVANet_RVC	1.10 275	0.49 270	1.15 214	0.65 220	0.54 251	0.93 214	1.00 316	1.69 200	1.36 260	1.42 266	1.39 225	1.24 232	1.17 283	6.22 363	0.80 204	0.35 301	0.24 264	0.35 303	0.30 296	0.44 313	0.32 249

DRN-Test	1.07 271	0.49 270	1.95 310	0.75 302	0.81 337	1.61 316	0.78 267	2.26 322	1.53 314	1.84 334	1.35 214	1.42 268	1.04 257	2.26 263	1.61 312	0.28 255	0.23 256	0.31 269	0.30 296	0.33 264	0.33 255

NOSS_ROB	1.29 308	0.49 270	0.68 50	0.60 171	0.40 172	1.09 247	0.77 264	1.94 256	1.44 292	1.04 105	1.46 243	1.10 201	0.81 166	10.57 412	0.78 195	0.46 340	0.43 355	0.48 346	0.45 347	0.45 315	0.43 302

iinet-f	1.04 263	0.50 273	4.24 368	0.58 151	0.43 192	1.78 335	0.70 254	1.29 127	1.16 178	1.25 191	1.42 234	1.57 296	1.42 319	1.47 159	1.70 324	0.26 227	0.23 256	0.20 71	0.20 130	0.26 209	0.26 180

LMCR-Stereo	0.87 218	0.50 273	0.99 176	0.80 315	0.43 192	1.32 282	0.55 197	2.79 375	1.03 124	1.55 301	1.49 248	0.74 82	1.01 244	1.76 203	0.99 242	0.30 272	0.17 162	0.22 121	0.18 85	0.31 251	0.22 110

GMStereo	0.58 72	0.50 273	1.09 200	0.52 70	0.32 97	0.80 169	0.43 109	1.02 38	1.41 281	0.89 76	0.77 41	0.52 37	0.46 37	0.89 67	0.56 136	0.25 209	0.16 140	0.20 71	0.22 189	0.31 251	0.27 196
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
TDLM	1.08 273	0.50 273	1.01 182	0.69 265	0.54 251	0.91 204	1.40 352	1.60 180	1.36 260	1.17 149	1.40 230	1.07 189	1.00 241	6.19 361	0.85 211	0.34 293	0.22 233	0.35 303	0.26 247	0.38 285	0.29 219

whm_eth	0.69 138	0.51 277	1.32 255	0.56 123	0.64 288	0.67 121	0.45 134	1.59 178	1.33 248	1.02 99	1.92 330	0.48 26	0.48 45	0.71 31	0.53 119	0.24 189	0.20 210	0.25 205	0.24 228	0.25 198	0.35 270

dd	0.62 94	0.51 277	1.17 228	0.56 123	0.33 111	0.74 146	0.46 140	1.03 44	1.40 278	0.80 57	0.87 59	0.60 50	0.57 79	1.02 88	0.86 212	0.28 255	0.18 186	0.26 227	0.19 104	0.35 270	0.27 196

SACVNet	0.89 222	0.51 277	1.08 199	0.83 326	0.58 266	0.83 183	0.78 267	1.84 231	1.17 182	1.39 254	1.33 206	1.25 233	1.01 244	2.31 267	0.92 227	0.35 301	0.26 282	0.31 269	0.29 285	0.35 270	0.48 313

FADNet-RVC-Resample	0.91 234	0.51 277	2.92 345	0.64 213	0.46 209	1.07 244	0.60 225	1.76 212	1.24 207	1.10 116	0.98 83	1.06 186	0.98 232	2.17 256	0.95 237	0.24 189	0.22 233	0.30 265	0.32 305	0.36 274	0.40 289

RYNet	1.24 302	0.52 281	1.57 285	0.73 289	0.97 359	1.74 328	0.95 309	2.09 288	1.54 316	1.44 273	1.18 156	1.94 334	1.29 302	4.57 329	1.93 334	0.27 244	0.23 256	0.35 303	0.27 261	0.57 343	0.59 342

GANet	1.41 314	0.52 281	1.18 232	0.74 295	0.48 217	1.40 296	1.69 364	1.87 239	1.28 227	1.56 302	2.39 354	1.56 294	1.25 297	9.13 397	1.20 265	0.31 276	0.32 321	0.34 297	0.29 285	0.40 293	0.33 255

STTStereo	0.82 195	0.53 283	1.53 281	0.68 255	0.56 259	0.88 198	0.56 203	1.57 171	1.14 168	1.39 254	1.10 121	1.26 239	0.84 172	1.49 167	0.90 221	0.29 267	0.28 294	0.33 289	0.40 334	0.33 264	0.37 276

Nwc_Net	1.19 290	0.53 283	2.34 331	0.92 348	0.81 337	1.49 304	0.70 254	2.28 328	1.32 246	1.41 262	2.27 348	2.03 345	1.76 348	2.05 247	1.46 298	0.43 328	0.30 306	0.43 335	0.46 349	0.39 289	0.40 289

StereoDRNet	1.05 266	0.53 283	2.21 326	0.80 315	0.93 352	1.50 305	0.90 297	2.06 282	1.44 292	1.68 320	1.20 160	1.48 280	0.99 235	1.86 218	1.60 311	0.29 267	0.24 264	0.29 256	0.28 270	0.35 270	0.33 255

BEATNet_4x	0.82 195	0.54 286	2.02 313	0.56 123	0.28 40	1.04 236	0.55 197	2.14 297	1.13 162	1.24 188	1.26 179	1.00 171	0.94 215	1.13 112	1.23 273	0.21 122	0.14 59	0.24 169	0.20 130	0.37 279	0.23 124

RP	1.17 286	0.54 286	1.48 270	0.93 353	1.05 363	1.14 254	0.85 291	1.99 268	1.70 332	1.72 323	2.07 339	1.91 326	1.93 357	2.00 239	1.37 289	0.55 359	0.37 338	0.48 346	0.37 329	0.46 319	0.46 312

edge stereo	1.15 282	0.54 286	1.50 272	0.73 289	0.66 297	1.18 269	0.84 286	2.13 296	1.41 281	1.73 324	1.84 318	2.53 365	1.46 323	2.46 274	1.35 287	0.43 328	0.41 349	0.54 356	0.36 325	0.43 303	0.50 317

SDNR	1.66 335	0.55 289	2.36 332	0.56 123	0.58 266	3.79 392	0.45 134	1.78 215	1.40 278	1.38 252	2.45 358	1.13 210	0.96 222	11.03 413	1.31 280	0.67 369	0.64 381	0.43 335	0.32 305	0.71 363	0.76 363

DeepPruner_ROB	0.79 180	0.55 289	1.14 212	0.61 184	0.46 209	0.78 164	0.54 190	1.83 230	1.00 115	1.42 266	1.27 186	1.23 228	0.77 146	1.56 171	0.89 218	0.35 301	0.28 294	0.27 236	0.26 247	0.32 259	0.34 262

WCMA_ROB	2.05 358	0.55 289	1.77 294	0.74 295	0.61 281	2.24 358	1.56 360	2.17 311	1.79 342	4.16 394	6.36 396	5.66 395	4.66 399	3.19 301	2.77 354	0.55 359	0.45 358	0.40 329	0.43 342	0.48 324	0.50 317

Anonymous_2	1.37 310	0.56 292	0.94 161	0.57 141	0.62 285	1.04 236	0.65 238	1.82 228	1.01 118	1.00 92	0.79 45	1.42 268	1.27 300	1.06 97	0.83 208	0.62 364	0.67 383	1.05 382	9.88 419	1.09 378	0.55 332

FADNet_RVC	0.88 220	0.56 292	2.15 322	0.57 141	0.43 192	1.17 267	0.46 140	1.68 191	1.12 157	0.91 78	1.24 175	0.91 139	0.94 215	2.22 259	1.20 265	0.28 255	0.22 233	0.32 281	0.28 270	0.46 319	0.42 298

AF-Net	1.23 299	0.56 292	2.31 330	0.88 338	0.93 352	1.41 298	0.73 259	2.27 326	1.71 334	1.76 329	2.42 356	2.00 339	1.70 342	1.98 235	1.62 314	0.50 352	0.29 302	0.49 348	0.33 314	0.40 293	0.34 262

ADCP+	2.12 363	0.56 292	10.01 393	0.68 255	0.91 348	2.25 359	1.04 319	1.92 254	1.50 311	1.58 306	1.34 209	1.73 316	1.62 333	2.27 264	13.20 400	0.25 209	0.22 233	0.32 281	0.29 285	0.38 285	0.34 262

XPNet_ROB	1.02 260	0.56 292	1.33 257	0.75 302	0.58 266	1.11 248	1.13 328	1.77 213	1.29 235	1.88 337	1.43 236	1.63 303	1.13 279	2.04 243	1.69 322	0.40 320	0.31 311	0.33 289	0.29 285	0.37 279	0.37 276

PSMNet_ROB	0.95 243	0.57 297	1.45 267	0.75 302	0.64 288	1.28 280	1.12 326	1.84 231	1.15 173	1.16 147	1.29 195	1.44 272	0.89 199	1.74 201	1.70 324	0.33 286	0.25 277	0.37 315	0.39 332	0.36 274	0.32 249

APVNet	1.11 277	0.59 298	1.95 310	0.87 336	0.77 325	1.90 342	0.82 283	2.03 275	1.15 173	1.14 141	1.43 236	1.55 292	1.12 278	3.03 296	1.62 314	0.32 283	0.34 326	0.42 334	0.36 325	0.36 274	0.41 292

HBP-ISP	1.00 256	0.60 299	0.85 132	0.64 213	0.48 217	1.63 319	0.77 264	2.24 321	1.30 237	1.33 230	1.53 264	0.87 122	0.99 235	3.26 305	0.76 192	0.46 340	0.44 356	0.54 356	0.48 353	0.48 324	0.42 298

NCC-stereo	1.20 292	0.60 299	1.84 300	0.88 338	0.95 356	1.32 282	0.94 306	2.14 297	1.36 260	1.43 270	1.79 310	1.93 330	2.13 369	2.54 279	1.41 292	0.49 348	0.38 341	0.45 339	0.59 369	0.43 303	0.45 307

Abc-Net	1.20 292	0.60 299	1.84 300	0.88 338	0.95 356	1.32 282	0.94 306	2.14 297	1.36 260	1.43 270	1.79 310	1.93 330	2.13 369	2.54 279	1.41 292	0.49 348	0.38 341	0.45 339	0.59 369	0.43 303	0.45 307
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
AANet_RVC	1.22 295	0.60 299	1.94 306	0.69 265	0.46 209	0.75 148	0.69 248	1.51 156	1.57 322	1.36 246	1.90 327	1.51 286	0.87 190	7.23 381	1.89 333	0.26 227	0.19 200	0.19 48	0.16 55	0.23 159	0.37 276

MeshStereo	2.36 370	0.60 299	1.05 190	0.63 202	0.51 236	2.58 368	0.99 314	3.46 385	2.21 363	7.38 410	5.06 392	7.50 400	3.10 384	7.02 380	2.54 351	0.44 336	0.44 356	0.45 339	0.40 334	0.43 303	0.45 307
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
sAnonymous2	0.59 83	0.61 304	1.82 298	0.61 184	0.52 239	0.51 44	0.54 190	0.97 27	0.70 27	0.50 20	0.68 26	0.46 16	0.63 112	0.61 15	0.41 51	0.22 151	0.17 162	0.23 148	0.21 167	0.85 368	0.56 334

CroCo_RVC	0.59 83	0.61 304	1.82 298	0.61 184	0.52 239	0.51 44	0.54 190	0.97 27	0.70 27	0.50 20	0.68 26	0.46 16	0.63 112	0.61 15	0.41 51	0.22 151	0.17 162	0.23 148	0.21 167	0.85 368	0.56 334

ADCRef	1.50 324	0.61 304	3.83 363	0.76 308	0.77 325	1.91 343	0.77 264	2.16 303	1.34 250	1.63 315	1.59 282	1.35 259	1.40 317	1.79 211	8.32 390	0.25 209	0.21 223	0.32 281	0.31 300	0.31 251	0.32 249

FC-DCNN	2.88 386	0.61 304	1.15 214	0.75 302	0.57 263	2.85 377	1.05 320	3.44 384	2.64 376	6.93 407	7.63 402	9.86 409	7.02 407	5.76 353	4.31 370	0.54 356	0.48 365	0.51 350	0.50 357	0.53 336	0.52 324

MSMD_ROB	2.08 360	0.61 304	1.15 214	0.71 277	0.62 285	4.00 394	0.93 304	1.94 256	1.79 342	4.71 400	4.60 386	8.14 404	3.87 395	3.75 316	1.65 320	0.54 356	0.48 365	0.55 360	0.58 367	0.53 336	0.52 324

PS-NSSS	1.02 260	0.62 309	1.17 228	0.61 184	0.58 266	0.91 204	0.79 275	2.02 271	1.19 187	1.17 149	1.68 296	1.00 171	0.85 177	4.43 326	0.86 212	0.38 311	0.31 311	0.52 351	0.32 305	0.52 331	0.45 307

GwcNet	1.26 304	0.63 310	5.13 374	0.81 318	1.15 372	1.73 326	0.69 248	1.84 231	1.53 314	1.51 290	1.71 301	1.72 314	1.09 269	2.20 258	1.61 312	0.31 276	0.30 306	0.29 256	0.27 261	0.30 246	0.41 292

PA-Net	1.14 280	0.63 310	2.12 320	0.67 246	0.75 319	1.19 270	0.91 299	1.91 250	1.46 302	1.18 160	1.23 171	1.33 257	1.17 283	4.31 324	1.41 292	0.29 267	0.46 362	0.33 289	0.50 357	0.33 264	0.57 337
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NaN_ROB	1.23 299	0.63 310	1.76 293	0.67 246	0.50 227	1.59 315	2.00 379	1.87 239	1.52 312	2.14 355	1.26 179	1.40 267	1.09 269	4.60 330	1.75 327	0.28 255	0.34 326	0.28 248	0.29 285	0.30 246	0.37 276

GMStereo_Zeroshot	0.70 140	0.64 313	1.11 205	0.65 220	0.38 156	0.84 190	0.37 63	1.09 63	1.16 178	1.14 141	1.07 110	1.26 239	0.55 72	1.23 124	0.65 167	0.34 293	0.17 162	0.31 269	0.18 85	0.57 343	0.23 124

FADNet	0.98 251	0.64 313	2.57 337	0.66 233	0.55 255	0.95 222	0.57 206	1.91 250	1.38 267	0.94 83	1.02 92	1.36 260	1.00 241	2.69 286	0.97 241	0.34 293	0.34 326	0.31 269	0.34 319	0.61 352	0.42 298

MANE	7.50 407	0.64 313	7.97 384	1.40 378	2.10 389	16.86 417	12.56 413	12.91 417	17.51 419	8.50 412	11.60 410	14.66 414	13.33 411	12.02 414	13.28 401	0.62 364	0.52 371	0.52 351	1.90 405	0.56 341	0.58 340

DANet	1.16 283	0.64 313	1.52 278	0.88 338	0.74 316	1.52 307	0.52 175	1.68 191	1.21 197	1.81 331	1.55 268	2.02 342	1.11 274	3.30 307	2.28 344	0.34 293	0.31 311	0.40 329	0.30 296	0.46 319	0.54 327
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DPSNet	1.91 355	0.64 313	5.95 376	0.73 289	0.59 272	2.04 352	1.61 363	3.84 389	1.96 353	1.54 298	1.39 225	2.27 353	3.32 388	4.95 336	4.79 373	0.50 352	0.31 311	0.29 256	0.26 247	0.67 358	0.54 327

NCCL2	1.06 267	0.64 313	1.35 258	0.78 313	0.58 266	1.32 282	1.69 364	1.89 246	1.38 267	1.52 292	1.20 160	1.91 326	1.17 283	1.79 211	1.50 302	0.35 301	0.31 311	0.45 339	0.44 344	0.41 297	0.45 307

FCDSN-DC	2.47 374	0.65 319	1.00 181	0.85 332	0.75 319	2.26 360	0.97 311	2.31 329	1.83 345	5.52 406	7.65 403	7.72 403	7.70 408	4.43 326	2.64 352	0.52 354	0.48 365	0.52 351	0.52 360	0.57 343	0.59 342
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
Wz-Net-MNSev	1.21 294	0.66 320	3.44 357	0.69 265	0.73 312	1.93 345	1.44 354	2.16 303	1.59 324	1.85 336	1.49 248	1.50 284	1.34 310	2.05 247	1.54 307	0.27 244	0.24 264	0.28 248	0.28 270	0.35 270	0.32 249

FBW_ROB	1.78 343	0.66 320	1.90 305	0.72 282	0.66 297	1.79 336	1.07 322	2.79 375	1.77 338	1.84 334	1.79 310	1.98 337	1.37 313	12.42 415	2.22 342	0.36 308	0.38 341	0.57 364	0.39 332	0.46 319	0.51 322

LALA_ROB	1.06 267	0.66 320	1.37 263	0.70 274	0.53 244	1.61 316	1.25 344	1.81 225	1.48 307	1.82 333	1.40 230	1.93 330	1.03 251	1.68 193	1.69 322	0.38 311	0.28 294	0.43 335	0.37 329	0.43 303	0.38 282

FINET	1.54 327	0.67 323	7.28 382	0.76 308	0.97 359	1.42 301	1.38 351	2.80 377	3.12 383	1.23 183	1.68 296	1.04 181	1.11 274	3.35 308	1.78 331	0.43 328	0.37 338	0.32 281	0.29 285	0.43 303	0.41 292

G-Net	1.71 341	0.67 323	2.09 317	1.14 372	0.75 319	2.96 379	0.89 296	1.58 173	1.30 237	2.76 373	8.12 406	2.29 355	2.51 378	1.94 229	2.23 343	0.49 348	0.45 358	0.45 339	0.31 300	0.62 353	0.59 342

CSAN	1.61 332	0.67 323	3.24 354	0.74 295	0.52 239	1.77 332	1.74 369	1.98 264	1.94 351	2.47 367	2.33 352	1.93 330	2.04 362	6.45 370	1.95 336	0.43 328	0.36 334	0.41 333	0.42 339	0.43 303	0.44 305

ETE_ROB	1.01 259	0.69 326	1.49 271	0.72 282	0.50 227	1.15 257	1.12 326	1.91 250	1.24 207	1.94 344	1.50 255	1.73 316	1.06 264	1.78 206	1.33 284	0.33 286	0.26 282	0.38 319	0.34 319	0.40 293	0.44 305

ADCL	1.82 347	0.70 327	4.57 371	0.70 274	0.63 287	2.56 367	1.77 371	2.08 286	1.77 338	1.95 346	1.89 325	2.04 347	1.88 355	2.36 270	9.55 395	0.27 244	0.25 277	0.35 303	0.32 305	0.39 289	0.39 285

SANet	2.26 368	0.70 327	6.94 381	0.69 265	0.46 209	2.76 373	1.76 370	2.61 363	5.84 403	2.45 364	3.52 376	3.71 381	3.38 390	5.90 355	2.14 340	0.34 293	0.31 311	0.32 281	0.29 285	0.54 338	0.43 302

TRStereo	0.67 120	0.71 329	1.06 193	0.77 310	0.68 302	0.53 52	0.38 70	2.52 358	0.96 97	0.81 61	0.84 54	0.87 122	0.39 15	1.16 116	0.46 78	0.24 189	0.17 162	0.23 148	0.24 228	0.18 35	0.20 71

XX-TBD	0.47 23	0.71 329	0.39 1	0.81 318	0.25 8	0.57 70	0.26 11	0.73 3	1.30 237	0.78 54	1.01 90	0.45 15	0.33 10	0.49 3	0.39 31	0.20 99	0.15 113	0.15 3	0.11 6	0.17 20	0.15 3

ccnet	1.19 290	0.71 329	1.36 260	0.81 318	0.75 319	1.72 323	1.13 328	1.98 264	1.31 244	1.52 292	1.84 318	1.75 321	1.36 312	2.01 240	2.04 337	0.57 361	0.54 373	0.57 364	0.56 365	0.60 349	0.60 345

Wz-Net-LNSev	1.17 286	0.72 332	4.71 372	0.66 233	0.84 343	1.72 323	1.13 328	1.97 263	1.43 290	1.34 237	1.32 202	1.66 306	1.30 305	1.44 154	1.51 304	0.29 267	0.26 282	0.24 169	0.23 216	0.33 264	0.35 270

FADNet-RVC	0.96 247	0.72 332	2.96 346	0.64 213	0.49 223	0.90 202	0.59 217	1.85 237	1.27 223	0.92 79	0.97 80	1.36 260	0.90 202	2.36 270	1.31 280	0.30 272	0.29 302	0.32 281	0.32 305	0.42 301	0.37 276

SuperB	2.50 375	0.72 332	18.07 411	0.72 282	0.53 244	1.85 339	0.86 292	1.80 222	2.40 366	1.54 298	1.42 234	1.13 210	1.17 283	4.18 320	4.80 375	0.25 209	0.20 210	0.23 148	0.19 104	7.64 418	0.38 282

dad	0.90 229	0.73 335	1.28 249	0.59 164	0.39 163	0.83 183	0.45 134	1.24 115	1.54 316	1.52 292	1.28 191	1.36 260	0.86 184	2.54 279	0.91 223	0.43 328	0.27 290	0.82 374	0.26 247	0.44 313	0.34 262

PDISCO_ROB	1.41 314	0.73 335	2.04 316	1.40 378	1.46 383	2.83 375	1.07 322	2.64 364	2.11 360	1.41 262	1.50 255	1.73 316	0.99 235	2.83 293	1.46 298	1.03 379	0.27 290	0.54 356	0.47 351	0.77 365	0.84 369

psmorigin	1.69 340	0.74 337	13.13 401	0.70 274	0.60 276	1.16 260	0.79 275	1.69 200	1.25 213	2.07 352	1.77 308	2.23 350	1.51 328	2.14 254	1.45 296	0.39 318	0.41 349	0.34 297	0.33 314	0.45 315	0.63 349

ADCPNet	1.97 357	0.78 338	9.38 392	0.74 295	0.61 281	2.73 372	1.36 350	2.11 291	1.66 330	1.92 340	1.70 299	2.45 363	2.07 363	2.50 276	6.84 385	0.38 311	0.38 341	0.38 319	0.43 342	0.47 323	0.50 317

Syn2CoEx	1.23 299	0.80 339	3.07 349	0.83 326	0.68 302	1.39 294	0.87 294	2.23 319	1.57 322	1.28 211	1.58 278	1.42 268	1.57 331	3.79 317	1.48 301	0.36 308	0.32 321	0.34 297	0.30 296	0.30 246	0.41 292

ELAS_RVC	2.87 385	0.80 339	3.22 353	1.16 374	1.12 366	2.92 378	5.33 407	2.98 379	4.18 395	5.04 402	4.82 389	4.71 389	8.23 409	4.25 323	4.79 373	0.67 369	0.57 377	0.57 364	0.53 362	0.66 357	0.74 360
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	2.67 376	0.80 339	2.13 321	1.13 369	1.15 372	6.25 405	2.56 399	3.50 386	3.68 391	5.36 404	4.92 391	3.79 382	5.56 401	3.65 312	5.22 377	0.66 368	0.57 377	0.56 362	0.54 363	0.65 356	0.75 362
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SHD	1.42 316	0.81 342	2.79 344	0.98 360	0.92 349	1.97 346	0.68 244	2.43 343	2.55 369	2.54 368	1.72 302	2.01 341	1.62 333	2.14 254	2.70 353	0.40 320	0.33 324	0.39 323	0.40 334	0.48 324	0.54 327

RGC	1.22 295	0.82 343	1.71 291	0.95 358	0.98 361	1.53 309	0.80 278	2.18 312	1.35 253	1.69 321	1.94 331	2.03 345	1.66 339	2.36 270	1.50 302	0.46 340	0.36 334	0.59 367	0.48 353	0.49 327	0.49 314

DeepPrunerF	1.68 338	0.82 343	6.82 380	0.94 356	1.20 376	0.91 204	0.97 311	2.50 355	5.19 401	1.22 182	1.30 196	1.18 216	1.29 302	4.96 337	1.75 327	0.43 328	0.35 330	0.52 351	0.48 353	0.43 303	0.42 298

DGSMNet	1.24 302	0.84 345	3.20 351	0.91 347	0.92 349	1.39 294	1.34 348	2.46 349	1.44 292	1.34 237	1.66 292	1.50 284	1.03 251	1.85 215	1.30 279	0.48 346	0.48 365	0.55 360	0.51 359	0.78 366	0.79 365

aanetorigin	1.26 304	0.85 346	3.00 347	0.72 282	0.80 333	1.08 245	1.05 320	1.12 73	1.39 276	3.53 388	2.60 361	1.72 314	1.73 346	1.98 235	1.77 330	0.26 227	0.24 264	0.26 227	0.25 236	0.38 285	0.51 322

RTSC	1.43 319	0.89 347	3.62 360	0.94 356	0.64 288	1.85 339	0.69 248	2.20 317	2.04 357	2.22 356	1.70 299	1.67 308	1.27 300	2.53 278	4.48 372	0.33 286	0.25 277	0.27 236	0.29 285	0.38 285	0.40 289

SAMSARA	1.80 345	0.90 348	3.37 356	1.28 377	1.13 368	3.71 388	2.33 393	2.53 359	1.93 350	3.17 386	1.73 303	2.99 374	1.68 341	3.53 311	2.46 350	0.47 344	0.54 373	0.43 335	0.47 351	0.59 346	0.64 350

ADCMid	2.11 362	0.90 348	8.39 388	0.75 302	0.69 305	1.98 347	1.14 331	2.18 312	1.67 331	2.85 375	1.85 321	2.35 359	2.02 361	2.35 269	10.58 398	0.34 293	0.32 321	0.39 323	0.44 344	0.51 330	0.53 326

GANetREF_RVC	1.11 277	0.90 348	1.56 283	0.88 338	0.53 244	1.41 298	1.35 349	1.91 250	1.54 316	1.28 211	1.32 202	1.46 277	1.23 293	2.04 243	1.00 246	0.57 361	0.45 358	0.67 369	0.52 360	0.91 371	0.62 347
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
Anonymous Stereo	1.42 316	0.90 348	3.93 364	0.81 318	0.83 340	1.06 242	1.90 378	1.81 225	1.52 312	1.75 325	1.44 238	1.28 245	0.87 190	5.94 358	1.94 335	0.38 311	0.39 346	0.38 319	0.41 338	0.45 315	0.50 317

PVD	1.82 347	0.91 352	3.02 348	1.03 363	0.94 355	2.61 369	1.14 331	2.78 374	3.40 388	3.08 384	2.75 363	2.39 362	2.49 377	2.81 291	3.66 365	0.48 346	0.49 369	0.59 367	0.49 356	0.60 349	0.81 367

PWCDC_ROB	1.39 312	0.91 352	2.10 318	1.08 366	0.92 349	1.72 323	0.58 213	2.03 275	3.30 386	1.32 225	4.87 390	1.21 220	1.71 344	1.98 235	1.75 327	0.65 367	0.26 282	0.29 256	0.25 236	0.56 341	0.41 292

PWC_ROB	1.39 312	0.93 354	4.07 366	0.77 310	0.83 340	1.16 260	0.53 181	1.87 239	2.01 355	2.36 360	3.06 370	1.65 305	1.60 332	2.65 285	2.29 346	0.34 293	0.23 256	0.36 313	0.25 236	0.39 289	0.49 314

SQANet	1.38 311	0.95 355	1.37 263	1.89 387	1.47 384	1.44 302	0.81 279	1.89 246	1.13 162	1.34 237	1.26 179	1.28 245	1.02 249	1.64 188	0.91 223	2.55 393	0.35 330	1.47 385	0.56 365	2.48 388	1.74 388

MFN_U_SF_RVC	1.62 334	0.96 356	4.36 370	0.92 348	0.69 305	2.62 370	1.10 324	2.50 355	1.74 337	1.99 348	1.86 323	2.45 363	1.78 350	3.08 298	2.84 355	0.54 356	0.50 370	0.56 362	0.60 371	0.60 349	0.67 352

anonymity	1.14 280	0.98 357	1.24 243	1.09 367	1.13 368	1.08 245	0.90 297	2.02 271	1.23 206	1.32 225	1.27 186	1.27 244	1.09 269	1.16 116	1.03 250	1.02 378	1.01 401	0.97 378	0.97 385	0.98 373	1.01 373

XQC	1.51 325	0.98 357	3.20 351	0.92 348	0.76 324	2.01 350	1.17 335	2.53 359	1.99 354	2.01 349	1.54 265	2.00 339	1.54 329	3.16 300	3.46 363	0.49 348	0.31 311	0.45 339	0.40 334	0.71 363	0.62 347

Consistency-Raft	1.27 307	1.01 359	2.17 323	1.04 364	1.20 376	0.96 227	1.00 316	1.84 231	1.95 352	1.38 252	2.11 341	1.44 272	1.03 251	1.18 120	1.40 291	0.73 372	0.83 387	0.89 376	0.99 388	1.33 381	0.95 372

MaskLacGwcNet_RVC	1.17 286	1.06 360	1.28 249	0.88 338	0.69 305	1.92 344	0.92 301	1.71 204	1.14 168	1.17 149	1.26 179	1.49 282	0.80 162	2.04 243	0.86 212	2.02 388	0.34 326	0.79 373	0.36 325	1.38 383	1.33 384

WZ-Net	2.14 364	1.08 361	11.68 400	0.89 345	0.78 329	1.76 330	1.59 362	2.39 338	2.03 356	2.11 353	1.95 333	2.30 356	2.28 372	5.94 358	3.86 368	0.35 301	0.27 290	0.29 256	0.32 305	0.52 331	0.50 317

PASM	1.48 323	1.08 361	3.96 365	0.93 353	0.93 352	1.17 267	1.19 337	1.77 213	1.65 329	1.90 338	1.52 263	1.75 321	1.42 319	4.54 328	1.52 306	0.64 366	0.68 385	0.69 371	0.79 378	0.70 361	0.74 360

SPS-STEREO	1.78 343	1.09 363	1.52 278	1.22 375	1.14 370	1.87 341	1.11 325	2.27 326	1.70 332	3.17 386	2.39 354	2.84 373	1.93 357	4.41 325	2.93 356	1.04 381	0.99 400	0.97 378	0.94 383	1.03 376	1.05 375
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GASNet	1.13 279	1.10 364	3.29 355	1.00 362	0.68 302	0.82 177	0.67 242	1.85 237	1.38 267	1.39 254	1.25 177	1.25 233	1.20 292	2.72 288	1.62 314	0.46 340	0.26 282	0.36 313	0.34 319	0.55 340	0.33 255

MFN_U_SF_DS_RVC	1.80 345	1.11 365	4.33 369	0.84 330	0.77 325	3.70 387	2.41 398	2.04 277	1.85 346	1.75 325	1.90 327	1.92 329	1.25 297	7.33 382	1.45 296	0.47 344	0.47 363	0.53 355	0.77 377	0.50 328	0.55 332

AnonymousM	0.63 103	1.14 366	0.43 5	0.46 14	0.32 97	0.43 14	0.46 140	1.27 122	0.78 43	1.00 92	0.66 23	0.68 67	0.45 30	0.61 15	0.46 78	0.21 122	0.16 140	1.84 389	0.98 386	0.15 4	0.15 3

EDNetEfficient	2.40 373	1.14 366	8.59 389	0.77 310	0.73 312	1.06 242	1.53 358	1.54 164	4.06 394	4.87 401	2.81 364	2.23 350	3.53 391	3.04 297	9.65 396	0.27 244	0.24 264	0.27 236	0.31 300	0.70 361	0.67 352

otaku	1.67 336	1.18 368	1.56 283	2.27 389	1.59 385	1.98 347	1.23 342	2.23 319	1.37 265	1.48 287	1.63 288	1.73 316	1.23 293	1.85 215	1.09 255	2.96 396	0.58 379	1.74 386	0.61 372	2.94 394	2.15 392

NVStereoNet_ROB	2.17 366	1.18 368	3.51 358	1.14 372	1.26 379	1.57 313	1.51 355	2.19 314	2.11 360	2.04 350	4.80 388	3.17 379	2.11 367	7.97 389	2.10 338	1.12 384	0.94 397	1.10 383	1.34 395	0.95 372	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
MFMNet_re	1.47 321	1.20 370	2.50 335	1.46 383	1.08 365	1.58 314	1.51 355	1.96 262	1.87 347	2.31 359	2.20 345	1.51 286	1.88 355	1.57 173	1.34 285	0.94 376	0.83 387	0.84 375	0.80 379	1.00 374	1.06 376

Ntro	1.72 342	1.21 371	1.62 287	2.54 394	1.86 387	2.09 355	1.14 331	2.08 286	1.38 267	1.23 183	1.62 284	1.62 300	1.33 309	2.04 243	1.21 269	3.09 397	0.56 376	1.82 388	0.65 373	2.97 397	2.25 394

UDGNet	0.75 160	1.23 372	0.99 176	0.82 322	0.42 189	0.76 154	0.38 70	0.98 31	1.37 265	0.83 64	0.88 62	0.70 74	0.60 101	1.25 125	0.57 139	0.57 361	0.19 200	1.03 381	0.26 247	0.79 367	0.35 270

ADCS	2.35 369	1.26 373	6.54 379	0.85 332	0.77 325	2.18 356	1.79 372	2.47 350	2.20 362	2.80 374	2.14 344	2.38 360	2.09 364	2.81 291	13.83 407	0.43 328	0.41 349	0.40 329	0.45 347	0.59 346	0.67 352

LSM	6.55 404	1.26 373	15.64 406	1.79 385	68.74 432	1.67 322	2.08 385	2.26 322	2.59 370	3.13 385	3.08 371	1.90 325	1.81 351	2.89 294	2.16 341	0.43 328	0.59 380	0.50 349	0.58 367	0.64 354	17.24 423

SGM+DAISY	5.38 399	1.28 375	8.24 385	1.27 376	1.16 374	10.62 410	16.01 415	2.93 378	2.53 368	8.64 413	13.03 411	8.26 405	13.38 412	6.34 368	7.59 388	1.07 382	1.05 403	1.00 380	0.98 386	1.02 375	1.12 379

MSC_U_SF_DS_RVC	2.22 367	1.29 376	4.14 367	1.10 368	0.78 329	5.00 401	2.38 397	2.47 350	2.67 377	1.94 344	2.28 349	2.66 370	1.70 342	9.10 396	2.29 346	0.68 371	0.52 371	0.68 370	0.71 375	1.17 379	0.81 367

CC-Net-ROB	1.53 326	1.31 377	1.68 290	0.92 348	0.80 333	1.75 329	0.99 314	2.04 277	1.27 223	1.12 125	1.62 284	1.20 219	0.98 232	7.82 387	0.92 227	1.15 386	0.41 349	2.20 390	0.46 349	1.37 382	0.56 334

ACVNet-4b	3.05 388	1.42 378	18.09 412	2.85 396	2.33 397	2.32 364	1.22 340	2.47 350	2.21 363	1.26 201	2.36 353	2.64 369	1.46 323	6.32 367	1.23 273	3.29 400	0.45 358	2.37 394	1.02 391	3.03 398	2.61 399

Wz-Net-SNSev	1.68 338	1.45 379	8.71 390	0.71 277	0.67 301	1.35 289	1.51 355	2.15 301	1.47 303	1.51 290	1.68 296	2.27 353	1.38 314	4.23 321	2.36 348	0.32 283	0.29 302	0.31 269	0.33 314	0.43 303	0.39 285

AnyNet_C32	2.14 364	1.45 379	7.38 383	0.95 358	1.12 366	2.23 357	2.34 394	2.10 290	1.54 316	2.44 363	1.79 310	2.04 347	1.66 339	2.69 286	10.48 397	0.38 311	0.35 330	0.35 303	0.42 339	0.50 328	0.60 345

ACVNet_2	2.86 384	1.47 381	8.28 386	2.68 395	2.26 394	2.70 371	1.84 377	3.41 383	3.04 382	2.27 358	3.42 375	4.58 387	2.10 365	5.91 356	1.62 314	2.58 394	0.67 383	2.22 391	0.85 381	2.79 391	2.47 397

ACVNet_1	3.08 389	1.48 382	17.70 408	2.90 399	2.35 398	2.30 361	1.43 353	3.16 381	2.26 365	1.91 339	2.05 338	3.51 380	2.32 373	3.71 315	1.58 310	3.25 399	0.66 382	2.40 398	1.06 392	3.07 399	2.59 398

EDNetEfficientorigin	10.59 412	1.52 383	177.33 437	0.68 255	0.54 251	1.66 321	1.20 339	1.94 256	3.39 387	4.69 399	3.37 373	3.08 377	2.79 382	3.25 304	3.63 364	0.26 227	0.24 264	0.33 289	0.28 270	0.85 368	0.87 370

WAO-7	2.78 379	1.54 384	2.18 324	1.41 381	1.19 375	3.92 393	2.01 382	4.19 393	3.89 393	2.98 380	5.47 393	4.18 385	3.28 387	8.24 392	4.27 369	1.13 385	1.01 401	1.18 384	1.13 394	1.19 380	1.13 380

RTS	2.76 377	1.55 385	15.40 403	1.13 369	1.42 381	3.75 390	2.21 388	2.45 345	2.72 378	2.91 378	2.85 366	2.58 367	1.62 333	6.28 365	5.80 380	0.41 323	0.30 306	0.35 303	0.35 323	0.52 331	0.54 327

RTSA	2.76 377	1.55 385	15.40 403	1.13 369	1.42 381	3.75 390	2.21 388	2.45 345	2.72 378	2.91 378	2.85 366	2.58 367	1.62 333	6.28 365	5.80 380	0.41 323	0.30 306	0.35 303	0.35 323	0.52 331	0.54 327

Dean	3.77 393	1.65 387	17.87 409	3.01 401	2.54 400	3.15 381	2.10 386	4.80 399	4.42 396	2.89 377	6.03 394	5.45 394	2.55 380	3.40 309	2.13 339	3.22 398	0.89 394	2.51 401	1.07 393	3.07 399	2.65 402

WAO-6	2.98 387	1.67 388	1.88 304	2.38 393	2.30 396	3.53 386	2.37 395	4.38 396	4.64 399	2.42 361	4.50 383	4.85 390	2.99 383	5.22 339	5.37 378	1.77 387	1.16 407	2.31 393	1.47 401	2.42 387	1.99 391

LVE	3.40 392	1.80 389	2.21 326	2.90 399	2.44 399	3.27 385	2.25 390	4.80 399	5.06 400	2.43 362	6.79 397	5.99 396	2.64 381	9.20 398	2.28 344	3.30 401	1.11 406	2.38 395	1.48 402	2.95 396	2.62 400

RainbowNet	2.06 359	1.86 390	1.97 312	2.86 397	2.25 393	2.03 351	1.79 372	2.77 372	1.92 349	1.54 298	1.84 318	1.95 335	1.73 346	2.23 260	1.38 290	3.40 403	0.86 392	2.39 397	1.00 389	2.94 394	2.42 396

IMH-64-1	2.82 381	1.87 391	1.77 294	3.31 404	2.69 401	3.22 383	2.07 383	4.25 394	2.77 380	2.46 365	3.78 379	3.05 375	2.34 374	4.67 332	3.00 358	3.84 407	0.84 390	2.75 404	1.39 396	3.34 402	2.93 404

IMH-64	2.82 381	1.87 391	1.77 294	3.31 404	2.69 401	3.22 383	2.07 383	4.25 394	2.77 380	2.46 365	3.78 379	3.05 375	2.34 374	4.67 332	3.00 358	3.84 407	0.84 390	2.75 404	1.39 396	3.34 402	2.93 404

IMH	3.35 391	1.95 393	1.86 303	3.30 403	2.72 403	4.03 396	2.00 379	4.58 398	3.83 392	2.87 376	6.99 399	4.69 388	3.21 386	6.77 376	2.97 357	3.91 410	0.89 394	2.78 406	1.40 400	3.36 404	2.93 404

WAO-8	4.57 397	2.01 394	2.58 338	2.37 391	2.21 391	9.75 407	1.71 366	6.04 407	16.34 411	4.11 391	7.69 404	7.41 398	3.85 393	10.02 410	3.85 366	2.05 389	1.09 404	2.44 399	1.39 396	2.56 389	1.86 389

Venus	4.57 397	2.01 394	2.58 338	2.37 391	2.21 391	9.75 407	1.71 366	6.04 407	16.34 411	4.11 391	7.69 404	7.41 398	3.85 393	10.02 410	3.85 366	2.05 389	1.09 404	2.44 399	1.39 396	2.56 389	1.86 389

TorneroNet	10.72 413	2.09 396	2.76 343	3.48 406	3.03 406	44.72 428	2.31 392	8.62 412	67.06 437	7.45 411	23.21 421	10.59 412	4.28 398	9.03 395	9.00 392	3.67 405	0.91 396	3.04 408	1.63 404	3.92 407	3.55 410

TorneroNet-64	5.41 400	2.10 397	2.43 333	3.49 407	2.83 404	9.90 409	2.13 387	8.87 413	16.79 416	5.39 405	9.18 408	10.68 413	3.92 396	9.55 402	5.11 376	3.36 402	0.86 392	2.88 407	1.62 403	3.76 405	3.37 407

KSHMR	8.76 411	2.14 398	3.59 359	3.60 409	3.13 407	4.15 397	2.67 400	5.61 405	58.90 436	3.04 382	55.71 436	4.94 391	2.54 379	4.61 331	3.05 360	3.49 404	1.57 411	3.14 409	1.98 408	3.84 406	3.49 408

AnyNet_C01	2.38 371	2.21 399	10.17 394	0.99 361	0.79 331	3.12 380	2.37 395	2.69 369	1.89 348	2.58 370	2.44 357	2.70 371	1.86 354	3.65 312	7.12 386	0.41 323	0.41 349	0.40 329	0.42 339	0.68 359	0.79 365

PWCK	3.24 390	2.37 400	10.86 396	2.14 388	1.14 370	3.71 388	4.19 406	3.02 380	3.55 390	3.05 383	3.63 377	3.09 378	2.35 376	8.16 391	3.41 362	2.17 391	0.96 398	1.77 387	1.01 390	2.84 392	1.40 385

coex-ft	8.35 409	2.39 401	100.24 436	0.68 255	0.54 251	1.77 332	1.57 361	1.71 204	11.00 407	18.91 421	3.76 378	3.85 383	8.23 409	3.29 306	6.58 383	0.31 276	0.31 311	0.32 281	0.31 300	0.69 360	0.57 337

ktn	4.56 396	2.41 402	2.54 336	3.79 411	3.25 408	4.81 400	2.91 403	5.52 403	7.36 404	4.12 393	14.55 413	7.54 401	3.70 392	7.84 388	3.35 361	4.06 411	1.86 412	3.26 412	2.22 411	3.27 401	2.86 403

notaker	4.29 395	2.42 403	5.06 373	3.89 412	3.29 410	4.00 394	2.25 390	4.93 401	3.47 389	4.21 396	6.79 397	7.67 402	3.37 389	9.25 400	6.47 382	4.09 412	1.42 409	3.35 413	2.13 410	4.11 409	3.54 409

JetBlue	4.18 394	2.45 404	10.42 395	1.40 378	2.89 405	10.68 411	10.68 409	3.91 390	2.52 367	2.74 372	3.39 374	4.50 386	4.27 397	7.97 389	7.67 389	0.89 374	0.97 399	0.89 376	0.92 382	2.26 386	2.21 393

UNDER WATER	5.68 402	2.46 405	15.52 405	3.98 414	3.53 411	5.15 402	2.74 401	5.58 404	16.41 414	4.00 389	4.56 384	9.12 407	6.43 405	6.22 363	9.11 393	3.85 409	1.35 408	3.18 411	1.98 408	4.51 412	3.84 413

UNDER WATER-64	5.84 403	2.48 406	17.93 410	3.97 413	3.58 412	7.70 406	3.03 404	5.72 406	14.13 408	4.18 395	4.00 381	9.27 408	6.80 406	6.20 362	9.22 394	3.67 405	1.52 410	3.14 409	1.95 406	4.43 411	3.83 412

UDG	1.47 321	2.69 407	1.13 209	1.45 382	1.65 386	1.34 288	0.79 275	1.75 211	1.27 223	1.29 215	1.74 304	1.99 338	1.39 316	1.66 190	1.51 304	0.91 375	0.55 375	2.30 392	0.76 376	1.99 384	1.20 381

DDUNet	1.56 329	2.70 408	1.35 258	1.79 385	1.88 388	1.82 337	0.91 299	1.84 231	1.20 191	1.40 260	1.79 310	1.62 300	1.17 283	1.59 179	1.22 270	1.11 383	0.76 386	2.38 395	0.94 383	2.12 385	1.53 386

Wz-Net-TNSev	2.10 361	2.71 409	9.30 391	0.72 282	0.65 294	2.41 365	1.81 376	2.45 345	1.77 338	1.62 313	1.56 273	2.56 366	2.01 359	5.30 340	4.46 371	0.41 323	0.38 341	0.33 289	0.37 329	0.54 338	0.64 350

DispFullNet	2.39 372	2.89 410	3.74 361	3.09 402	2.27 395	2.04 352	0.84 286	2.19 314	1.73 336	2.54 368	1.98 334	2.23 350	5.83 402	3.44 310	1.84 332	1.03 379	0.33 324	2.65 403	1.97 407	2.87 393	2.34 395

MADNet++	5.41 400	3.18 411	6.43 378	4.66 416	3.95 414	6.15 404	6.75 408	4.51 397	4.51 398	5.06 403	6.27 395	4.96 392	6.14 403	9.39 401	11.70 399	4.71 413	4.19 416	3.97 415	3.33 413	4.08 408	4.25 414

MADNet+	2.80 380	3.38 412	11.57 399	1.50 384	1.21 378	3.18 382	2.00 379	3.52 387	2.61 371	1.81 331	2.09 340	2.83 372	2.18 371	7.55 385	5.44 379	0.84 373	0.83 387	0.71 372	0.66 374	1.05 377	1.08 377

HanzoNet	11.92 414	5.12 413	17.18 407	4.19 415	3.59 413	5.16 403	2.82 402	7.41 410	9.96 406	33.31 432	27.60 423	22.25 422	37.31 427	18.18 418	13.57 402	8.13 418	3.44 415	3.50 414	3.44 414	7.77 419	4.52 415

SPstereo	26.71 422	6.90 414	11.42 398	5.86 417	6.44 415	48.17 429	80.34 436	67.41 437	34.42 432	28.80 430	27.49 422	43.68 434	37.53 431	44.96 436	54.23 437	5.06 416	4.92 417	10.92 423	6.03 416	4.54 413	5.00 417

DGTPSM_ROB	13.06 415	8.27 415	22.29 414	9.53 419	18.14 416	11.53 412	31.97 421	10.82 415	16.25 409	7.14 408	19.39 419	10.12 410	16.69 415	9.85 405	22.49 417	4.77 414	8.72 418	5.37 416	10.24 420	6.15 416	11.56 418

DPSMNet_ROB	13.08 416	8.28 416	22.32 415	9.54 420	18.15 417	11.53 412	31.98 422	10.83 416	16.27 410	7.17 409	19.40 420	10.12 410	16.69 415	9.87 406	22.50 418	4.78 415	8.72 418	5.38 417	10.25 421	6.16 417	11.59 419

JetRed	7.02 406	8.94 417	25.72 419	2.89 398	3.27 409	14.25 415	12.27 412	6.69 409	4.45 397	4.46 397	4.56 384	6.65 397	5.43 400	7.46 384	14.41 409	2.60 395	3.31 413	2.61 402	2.30 412	4.34 410	3.79 411

DPSimNet_ROB	24.77 421	9.69 418	61.46 434	3.56 408	19.46 418	25.95 418	77.56 435	5.09 402	16.60 415	21.50 422	29.82 425	25.12 425	85.69 437	13.37 416	23.07 420	7.23 417	17.79 424	8.55 419	7.57 418	4.57 414	31.84 430

Anonymous_1	42.79 432	18.71 419	24.75 416	21.81 421	45.16 431	27.68 419	37.52 423	28.64 423	16.34 411	14.72 417	14.53 412	20.60 416	17.82 417	21.52 419	25.88 421	113.45 437	8.91 420	100.63 434	126.37 434	158.50 437	12.31 420

DPSM_ROB	19.12 417	19.13 420	25.13 417	22.15 422	20.86 420	28.06 420	37.75 424	27.18 421	16.95 417	14.25 415	15.07 414	21.66 417	18.69 418	21.83 420	26.51 422	10.15 421	9.30 421	10.45 421	10.41 422	14.00 420	12.85 421

DPSM	19.12 417	19.13 420	25.13 417	22.15 422	20.86 420	28.06 420	37.75 424	27.18 421	16.95 417	14.25 415	15.07 414	21.66 417	18.69 418	21.83 420	26.51 422	10.15 421	9.30 421	10.45 421	10.41 422	14.00 420	12.85 421

BEATNet-Init1	27.39 423	21.01 422	73.65 435	1.07 365	0.80 333	56.07 430	22.82 417	33.14 428	31.71 425	51.78 436	52.93 435	65.63 436	48.54 435	48.75 437	36.36 427	0.52 354	0.47 363	0.54 356	0.54 363	0.64 354	0.72 358

xxxxx1	54.34 435	26.72 423	27.03 420	114.14 434	99.00 434	30.68 424	47.19 426	32.52 425	26.09 420	17.85 418	17.48 416	21.86 419	20.92 420	24.38 423	33.78 424	34.73 431	41.33 432	157.67 435	175.68 435	65.82 433	71.99 435

tt_ll	54.34 435	26.72 423	27.03 420	114.14 434	99.00 434	30.68 424	47.19 426	32.52 425	26.09 420	17.85 418	17.48 416	21.86 419	20.92 420	24.38 423	33.78 424	34.73 431	41.33 432	157.67 435	175.68 435	65.82 433	71.99 435

ff	54.34 435	26.72 423	27.03 420	114.14 434	99.00 434	30.68 424	47.19 426	32.52 425	26.09 420	17.85 418	17.48 416	21.86 419	20.92 420	24.38 423	33.78 424	34.73 431	41.33 432	157.67 435	175.68 435	65.82 433	71.99 435

LRCNet_RVC	22.79 419	32.09 426	22.06 413	29.83 424	26.15 422	4.40 399	0.84 286	22.64 419	2.10 359	26.93 424	29.25 424	23.03 424	15.56 414	23.91 422	18.92 414	32.00 430	20.04 431	34.68 430	32.13 430	30.66 429	28.52 429

PML	51.64 434	37.49 427	14.31 402	7.45 418	20.27 419	107.80 437	231.34 438	8.94 414	27.70 424	86.74 437	268.93 438	69.03 437	61.09 436	24.71 426	14.36 408	9.71 420	3.40 414	9.60 420	4.67 415	20.46 422	4.76 416

CasAABBNet	38.42 424	38.42 428	50.26 428	44.76 429	41.87 426	56.47 434	76.22 430	54.44 434	33.92 427	28.53 425	30.36 427	43.53 433	37.59 432	43.77 433	53.32 432	20.27 424	18.70 426	21.03 427	21.04 425	28.19 423	25.79 424

Selective-RAFT-Error	38.47 428	38.44 429	50.38 432	44.74 428	42.01 427	56.47 434	76.24 431	54.44 434	34.02 428	28.59 426	30.30 426	43.51 432	38.10 433	43.69 429	53.24 431	20.36 428	18.72 427	21.05 428	21.02 424	28.25 427	25.87 425

MyStereo03	38.45 425	38.46 430	50.33 429	44.93 430	42.03 428	56.44 431	76.24 431	54.16 431	34.06 429	28.68 427	30.42 428	43.46 429	37.33 428	43.76 430	53.43 433	20.29 425	18.73 428	21.02 424	21.05 426	28.19 423	25.91 426

MyStereo02	38.45 425	38.46 430	50.33 429	44.93 430	42.03 428	56.44 431	76.24 431	54.16 431	34.06 429	28.68 427	30.42 428	43.46 429	37.33 428	43.76 430	53.43 433	20.29 425	18.73 428	21.02 424	21.05 426	28.19 423	25.91 426

MyStereo	38.45 425	38.46 430	50.33 429	44.93 430	42.03 428	56.44 431	76.24 431	54.16 431	34.06 429	28.68 427	30.42 428	43.46 429	37.33 428	43.76 430	53.43 433	20.29 425	18.73 428	21.02 424	21.05 426	28.19 423	25.91 426

LSM0	42.92 433	38.72 433	50.66 433	47.49 433	110.18 437	56.77 436	75.87 429	54.87 436	33.74 426	29.48 431	31.12 431	43.77 435	37.12 426	43.85 434	53.44 436	20.50 429	18.67 425	21.05 428	21.07 429	28.37 428	41.73 431

HaxPig	39.02 429	41.39 434	41.59 424	30.10 425	32.36 423	29.49 422	27.65 419	30.56 424	37.94 433	43.75 433	43.81 432	33.42 426	35.69 424	41.51 427	40.33 429	43.91 434	47.48 436	45.87 431	47.14 432	42.29 430	44.06 433

AVERAGE_ROB	40.42 430	42.30 435	42.61 425	36.91 427	35.54 425	30.42 423	27.59 418	37.45 430	38.45 434	44.87 434	44.27 433	37.55 428	36.69 425	41.82 428	40.25 428	45.36 435	46.73 435	47.09 432	46.32 431	42.47 431	43.74 432

MEDIAN_ROB	42.01 431	44.30 436	44.14 427	35.08 426	34.90 424	31.33 427	29.90 420	36.77 429	40.11 435	47.14 435	46.55 434	37.49 427	38.50 434	44.30 435	42.32 430	47.93 436	49.31 437	49.68 433	49.00 433	44.98 432	46.46 434

DLNR_Zeroshot_test	23.23 420	48.25 437	43.77 426	177.04 437	78.39 433	0.35 5	0.21 1	23.33 420	0.82 54	0.67 43	0.86 57	0.58 45	0.30 4	1.64 188	0.48 90	10.69 423	0.13 17	0.18 34	0.14 23	76.63 436	0.23 124

test_example2	192.91 438	210.59 438	206.44 438	199.86 438	204.90 438	172.02 438	182.95 437	138.34 438	134.89 438	193.14 438	200.54 437	186.77 438	177.82 438	204.95 438	207.57 438	221.83 438	238.70 438	186.02 438	190.07 438	226.94 438	173.78 438

Low-res two-view benchmark