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	0.63 117	0.18 1	0.37 2	2.27 390	0.84 349	0.57 74	0.54 190	0.79 13	0.62 24	0.48 18	0.70 32	0.36 2	0.26 1	0.45 2	0.35 27	2.24 392	0.10 1	0.14 1	0.09 1	0.15 5	1.06 382

CES	0.48 33	0.20 2	0.37 2	0.39 4	1.39 383	0.55 66	0.35 47	0.98 62	0.66 41	0.44 9	0.66 24	0.35 1	0.27 2	0.56 11	0.33 16	0.15 6	0.13 43	0.15 3	0.10 2	0.19 72	1.46 387

s12784h	0.52 40	0.20 2	0.38 4	0.41 5	0.19 1	0.96 226	0.34 44	1.17 124	1.25 235	0.81 67	0.90 66	0.63 58	0.50 57	1.45 169	0.42 74	0.14 4	0.12 9	0.17 15	0.11 6	0.18 42	0.11 1

LoS	0.40 8	0.21 4	0.44 11	0.37 2	0.22 4	0.50 40	0.40 84	1.00 68	0.94 107	0.48 18	0.66 24	0.48 23	0.40 17	0.60 24	0.37 38	0.18 60	0.14 76	0.16 9	0.11 6	0.14 2	0.14 11

CREStereo++_RVC	0.47 31	0.21 4	0.38 4	0.45 32	0.38 171	0.45 17	0.25 4	0.75 8	1.29 256	0.80 63	1.21 170	0.47 20	0.37 12	0.53 6	0.44 85	0.16 11	0.11 3	0.15 3	0.80 379	0.18 42	0.11 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
TANstereo	0.44 22	0.21 4	0.44 11	0.41 5	0.21 3	0.65 109	0.26 10	0.79 13	0.83 76	0.93 84	0.98 83	0.51 33	0.46 34	0.54 8	0.35 27	0.18 60	0.24 274	0.16 9	0.13 11	0.16 13	0.26 226

CREStereo	0.39 5	0.21 4	0.38 4	0.34 1	0.22 4	0.53 57	0.29 20	0.77 11	1.11 175	0.58 33	0.71 34	0.51 33	0.41 19	0.54 8	0.34 24	0.18 60	0.13 43	0.15 3	0.10 2	0.14 2	0.14 11
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
PMTNet	0.46 25	0.21 4	0.38 4	0.37 2	0.23 6	0.71 143	0.27 15	0.74 7	1.04 147	0.64 41	0.70 32	0.55 40	0.47 40	0.86 70	0.35 27	1.00 377	0.13 43	0.15 3	0.10 2	0.15 5	0.13 3

IGEV+	0.40 8	0.22 9	0.51 24	0.52 111	0.29 63	0.45 17	0.25 4	1.65 233	0.46 4	0.37 2	0.57 19	0.46 16	0.45 30	0.50 4	0.38 48	0.19 92	0.12 9	0.16 9	0.13 11	0.16 13	0.15 27

EGLCR-Stereo	0.37 3	0.22 9	0.51 24	0.43 8	0.26 20	0.44 16	0.22 2	0.99 64	0.48 5	0.42 5	0.42 2	0.67 68	0.29 3	0.86 70	0.33 16	0.17 32	0.12 9	0.19 50	0.17 75	0.17 25	0.15 27

test_4	0.53 49	0.22 9	0.56 38	0.54 135	0.32 107	0.64 97	0.39 81	0.80 18	0.62 24	0.92 83	1.87 325	0.68 70	0.42 21	1.16 123	0.37 38	0.15 6	0.13 43	0.20 74	0.22 199	0.20 98	0.15 27

test-3	0.54 63	0.22 9	0.68 89	0.47 41	0.27 33	0.58 75	0.35 47	0.92 41	1.00 135	1.32 246	0.69 31	0.87 128	0.45 30	1.68 212	0.37 38	0.16 11	0.11 3	0.20 74	0.16 59	0.17 25	0.13 3

test_1	0.54 63	0.22 9	0.68 89	0.47 41	0.27 33	0.58 75	0.35 47	0.92 41	1.00 135	1.28 222	0.68 28	0.87 128	0.45 30	1.67 207	0.37 38	0.16 11	0.11 3	0.20 74	0.16 59	0.17 25	0.13 3

MIF-Stereo	0.36 1	0.23 14	0.59 53	0.48 52	0.36 146	0.40 10	0.32 31	0.53 1	0.49 6	0.54 31	0.55 17	0.36 2	0.31 6	0.58 14	0.51 132	0.20 118	0.15 126	0.17 15	0.15 31	0.19 72	0.15 27

MC-Stereo	0.43 14	0.23 14	0.48 15	0.51 95	0.28 52	0.39 9	0.32 31	0.88 32	0.68 45	0.60 39	0.84 56	0.56 42	0.61 107	1.03 99	0.31 5	0.17 32	0.11 3	0.17 15	0.15 31	0.16 13	0.13 3

RCA-Stereo	0.50 38	0.23 14	0.58 49	0.48 52	0.33 123	0.55 66	0.45 136	0.97 60	1.38 296	0.68 44	1.05 112	0.63 58	0.80 165	0.59 15	0.32 7	0.17 32	0.12 9	0.17 15	0.14 23	0.16 13	0.14 11

test_3	0.55 78	0.23 14	0.71 115	0.53 120	0.28 52	0.61 88	0.40 84	0.92 41	1.05 151	1.19 186	0.68 28	0.93 146	0.44 27	1.67 207	0.39 55	0.15 6	0.12 9	0.22 123	0.19 109	0.21 132	0.14 11

DEmStereo	0.97 260	0.23 14	0.79 170	0.47 41	0.32 107	1.04 241	0.56 209	0.93 45	0.89 89	1.39 274	2.14 345	1.02 179	2.07 370	5.64 358	0.77 215	0.17 32	0.15 126	0.20 74	0.20 138	0.18 42	0.20 135

111	0.60 102	0.23 14	0.70 104	0.43 8	0.24 9	0.72 145	0.42 97	1.18 129	1.41 308	0.80 63	1.38 229	1.10 203	0.79 160	0.96 84	0.58 163	0.18 60	0.13 43	0.17 15	0.15 31	0.17 25	0.19 112

MIM_Stereo	0.57 91	0.24 20	0.92 216	0.46 35	0.30 80	0.54 60	0.28 18	1.27 153	0.75 57	1.00 102	1.16 157	0.93 146	0.53 66	1.45 169	0.61 174	0.16 11	0.16 157	0.20 74	0.19 109	0.17 25	0.14 11

AEACV	0.37 3	0.24 20	0.52 27	0.47 41	0.51 245	0.37 8	0.38 70	0.65 3	0.53 17	0.42 5	0.56 18	0.46 16	0.60 98	0.53 6	0.30 1	0.16 11	0.13 43	0.18 37	0.15 31	0.17 25	0.14 11

Any-RAFT	0.53 49	0.24 20	0.47 13	0.47 41	0.27 33	1.00 236	0.25 4	1.58 219	1.05 151	0.85 77	0.99 85	1.06 188	0.47 40	0.70 34	0.32 7	0.18 60	0.13 43	0.16 9	0.13 11	0.16 13	0.16 42

4D-IteraStereo	0.48 33	0.24 20	0.76 156	0.50 72	0.44 204	0.66 118	0.31 28	0.87 25	1.02 140	1.03 112	0.72 36	0.78 91	0.32 9	0.64 27	0.37 38	0.17 32	0.11 3	0.23 151	0.19 109	0.19 72	0.13 3

Selective-IGEV	0.39 5	0.24 20	0.50 18	0.44 23	0.25 18	0.46 19	0.33 34	1.25 151	0.40 1	0.35 1	0.45 3	0.52 38	0.30 4	1.07 110	0.30 1	0.14 4	0.12 9	0.17 15	0.13 11	0.16 13	0.13 3

fff	0.53 49	0.24 20	0.70 104	0.43 8	0.24 9	0.48 21	0.36 57	1.07 102	1.25 235	1.10 132	1.02 100	0.57 44	1.06 268	0.73 44	0.52 138	0.16 11	0.13 43	0.17 15	0.13 11	0.15 5	0.19 112

ADStereo(finetuned)	0.57 91	0.24 20	1.06 258	0.43 8	0.24 9	0.49 31	0.35 47	1.05 87	1.30 262	1.12 138	1.03 108	0.58 48	1.20 295	0.84 65	0.51 132	0.16 11	0.13 43	0.17 15	0.13 11	0.18 42	0.19 112

CrosDoStereo	1.58 339	0.24 20	0.72 119	0.48 52	0.29 63	0.67 122	12.49 414	1.10 109	0.98 123	1.34 257	1.75 310	1.00 170	1.89 359	6.65 374	0.81 227	0.19 92	0.15 126	0.20 74	0.22 199	0.18 42	0.19 112

DeepStereo_LL	1.58 339	0.24 20	0.72 119	0.48 52	0.29 63	0.67 122	12.49 414	1.10 109	0.98 123	1.34 257	1.75 310	1.00 170	1.89 359	6.65 374	0.81 227	0.19 92	0.15 126	0.20 74	0.22 199	0.18 42	0.19 112

DRaft	0.80 205	0.24 20	0.70 104	0.45 32	0.30 80	0.97 230	0.53 186	1.05 87	0.97 118	1.78 333	2.02 338	0.80 96	1.74 349	2.73 293	0.72 200	0.17 32	0.14 76	0.20 74	0.20 138	0.18 42	0.21 151

RAFT-RH_RVC	1.03 276	0.24 20	0.67 86	0.49 65	0.28 52	0.81 186	0.33 34	0.83 22	1.08 163	2.05 353	4.65 388	1.04 185	0.57 87	5.98 366	0.50 129	0.18 60	0.13 43	0.26 227	0.20 138	0.16 13	0.17 61

DCANet	0.54 63	0.24 20	0.70 104	0.43 8	0.24 9	0.49 31	0.36 57	1.05 87	1.30 262	1.12 138	1.03 108	0.58 48	0.92 213	0.81 60	0.52 138	0.16 11	0.13 43	0.17 15	0.13 11	0.18 42	0.19 112

csc	0.53 49	0.24 20	0.70 104	0.43 8	0.24 9	0.48 21	0.36 57	1.07 102	1.25 235	1.10 132	1.02 100	0.57 44	1.06 268	0.73 44	0.52 138	0.16 11	0.13 43	0.17 15	0.13 11	0.15 5	0.19 112

cscssc	0.53 49	0.24 20	0.70 104	0.43 8	0.24 9	0.48 21	0.36 57	1.07 102	1.25 235	1.10 132	1.02 100	0.57 44	1.06 268	0.73 44	0.52 138	0.16 11	0.13 43	0.17 15	0.13 11	0.15 5	0.19 112

CFNet-RSSM	0.54 63	0.24 20	0.70 104	0.48 52	0.28 52	0.60 85	0.27 15	1.49 192	1.14 191	1.06 116	0.93 71	1.08 195	0.54 69	0.70 34	0.35 27	0.16 11	0.12 9	0.17 15	0.15 31	0.16 13	0.14 11

Gwc-CoAtRS	0.52 40	0.24 20	0.68 89	0.48 52	0.29 63	0.64 97	0.25 4	1.16 122	1.08 163	1.01 105	1.00 88	1.12 208	0.56 79	0.69 32	0.37 38	0.16 11	0.13 43	0.17 15	0.15 31	0.15 5	0.15 27

StereoIM	0.36 1	0.25 36	0.58 49	0.44 23	0.34 138	0.30 3	0.30 23	0.72 5	0.50 7	0.37 2	0.36 1	0.58 48	0.49 56	0.52 5	0.36 33	0.19 92	0.16 157	0.19 50	0.15 31	0.18 42	0.14 11

MIF-Stereo (partial)	0.45 24	0.25 36	0.70 104	0.50 72	0.52 253	0.35 5	0.26 10	0.91 40	0.59 22	0.45 13	0.71 34	0.51 33	0.51 59	1.11 116	0.45 93	0.20 118	0.16 157	0.23 151	0.20 138	0.24 192	0.18 79

CASnet	0.41 11	0.25 36	0.48 15	0.50 72	0.20 2	0.50 40	0.36 57	0.81 21	0.80 69	0.83 71	0.68 28	0.48 23	0.31 6	0.54 8	0.32 7	0.18 60	0.12 9	0.27 238	0.22 199	0.23 178	0.14 11
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RAFT-Test	0.54 63	0.25 36	0.64 73	0.47 41	0.30 80	0.97 230	0.27 15	1.24 149	0.81 70	0.96 91	1.12 140	1.28 248	0.48 48	0.71 38	0.36 33	0.17 32	0.13 43	0.17 15	0.14 23	0.16 13	0.16 42

GLC_STEREO	0.39 5	0.25 36	0.41 9	0.54 135	0.23 6	0.48 21	0.30 23	0.73 6	0.58 19	0.52 29	0.73 37	0.51 33	0.31 6	0.64 27	0.42 74	0.17 32	0.20 226	0.23 151	0.19 109	0.21 132	0.17 61

RAFT-345	0.84 222	0.25 36	0.66 83	0.50 72	0.27 33	0.54 60	0.42 97	0.83 22	1.11 175	1.32 246	2.34 353	0.86 124	0.54 69	5.72 359	0.47 111	0.18 60	0.13 43	0.22 123	0.17 75	0.17 25	0.16 42

cross-raft	0.54 63	0.25 36	0.61 60	0.52 111	0.29 63	0.68 129	0.37 66	1.46 188	0.76 60	1.01 105	1.06 114	1.28 248	0.46 34	0.71 38	0.35 27	0.15 6	0.12 9	0.18 37	0.16 59	0.19 72	0.14 11

GMM-Stereo	0.74 179	0.25 36	0.59 53	0.54 135	0.34 138	0.72 145	0.99 319	1.01 73	0.87 82	1.36 262	1.78 313	1.12 208	0.81 168	2.09 257	0.46 106	0.18 60	0.12 9	0.25 207	0.25 241	0.20 98	0.85 372

raftrobust	0.52 40	0.25 36	0.56 38	0.65 260	0.52 253	0.49 31	0.34 44	0.98 62	0.91 98	1.30 234	0.87 61	0.63 58	0.81 168	0.78 52	0.41 66	0.19 92	0.15 126	0.16 9	0.14 23	0.15 5	0.16 42

RAFT-Stereo + iAFF	0.54 63	0.25 36	0.68 89	0.43 8	0.24 9	0.40 10	0.34 44	1.04 81	1.09 169	1.32 246	1.60 283	0.80 96	0.68 128	0.67 31	0.39 55	0.13 1	0.10 1	0.18 37	0.17 75	0.17 25	0.13 3

AFF-stereo	0.58 96	0.25 36	0.64 73	0.46 35	0.29 63	0.34 4	0.38 70	1.15 121	1.14 191	1.17 177	1.60 283	1.10 203	0.71 136	0.97 89	0.43 83	0.13 1	0.11 3	0.19 50	0.19 109	0.17 25	0.14 11

MSKI-zero shot	0.55 78	0.26 47	0.57 46	0.51 95	0.26 20	0.69 133	0.28 18	1.18 129	0.64 28	0.91 81	1.32 209	0.82 104	0.33 10	1.92 241	0.32 7	0.17 32	0.12 9	0.17 15	0.13 11	0.16 13	0.16 42

LoS_RVC	0.42 12	0.26 47	0.40 8	0.44 23	0.82 347	0.51 50	0.44 125	0.64 2	0.41 2	0.44 9	0.78 46	0.44 9	0.47 40	0.56 11	0.36 33	0.13 1	0.12 9	0.14 1	0.10 2	0.13 1	0.84 371

DCRE	0.82 213	0.26 47	0.70 104	0.58 183	0.44 204	0.54 60	0.48 157	0.95 52	0.78 64	0.78 58	7.33 401	0.86 124	0.52 61	0.76 49	0.41 66	0.16 11	0.16 157	0.19 50	0.17 75	0.18 42	0.17 61

DCANet-4	0.54 63	0.26 47	1.07 262	0.42 7	0.24 9	0.48 21	0.36 57	0.99 64	1.30 262	1.10 132	1.02 100	0.56 42	0.75 141	0.73 44	0.52 138	0.16 11	0.13 43	0.17 15	0.13 11	0.15 5	0.19 112

tt	6.58 407	0.26 47	6.10 394	3.77 411	2.16 390	11.55 413	19.63 417	13.33 418	5.74 402	2.96 382	2.65 363	4.97 393	6.33 408	3.81 321	7.24 390	9.15 419	11.32 424	5.89 419	6.24 418	6.03 415	2.55 402

RAFT_CTSACE	0.63 117	0.26 47	0.88 201	0.55 154	0.51 245	0.71 143	0.44 125	0.80 18	0.97 118	0.97 94	1.84 320	1.18 221	0.68 128	1.47 175	0.36 33	0.16 11	0.15 126	0.21 97	0.20 138	0.20 98	0.14 11

GMOStereo	0.53 49	0.26 47	0.65 77	0.50 72	0.29 63	0.52 52	0.43 113	0.89 33	0.96 111	1.41 277	1.14 148	0.85 120	0.56 79	0.59 15	0.38 48	0.16 11	0.14 76	0.24 171	0.21 174	0.20 98	0.15 27

error version	0.53 49	0.26 47	0.65 77	0.50 72	0.29 63	0.52 52	0.43 113	0.89 33	0.96 111	1.41 277	1.14 148	0.85 120	0.56 79	0.59 15	0.38 48	0.16 11	0.14 76	0.24 171	0.21 174	0.20 98	0.15 27

test-v	0.53 49	0.26 47	0.65 77	0.50 72	0.29 63	0.52 52	0.43 113	0.89 33	0.96 111	1.41 277	1.14 148	0.85 120	0.56 79	0.59 15	0.38 48	0.16 11	0.14 76	0.24 171	0.21 174	0.20 98	0.15 27

HHNet	0.62 111	0.26 47	0.63 67	0.43 8	0.45 211	0.50 40	0.58 222	1.07 102	1.01 137	1.25 213	2.23 348	0.70 78	0.61 107	1.07 110	0.47 111	0.20 118	0.13 43	0.23 151	0.19 109	0.19 72	0.30 258

FTStereo	0.91 244	0.26 47	0.56 38	0.54 135	0.33 123	0.66 118	1.87 379	1.00 68	0.75 57	1.75 330	4.15 382	1.04 185	1.65 342	1.57 192	0.46 106	0.19 92	0.16 157	0.23 151	0.21 174	0.18 42	0.63 355

ASMatch	0.88 236	0.26 47	0.69 98	0.51 95	0.35 141	0.48 21	0.37 66	1.12 117	0.92 102	1.10 132	3.28 372	0.96 161	0.98 241	4.90 340	0.49 123	0.19 92	0.16 157	0.22 123	0.19 109	0.19 72	0.27 232

PFNet	0.91 244	0.26 47	1.10 269	0.63 239	0.32 107	0.64 97	0.56 209	1.17 124	0.99 130	1.47 289	1.08 120	0.98 164	0.69 131	6.62 373	0.54 152	0.20 118	0.12 9	0.24 171	0.19 109	0.20 98	0.17 61

GrayStereo	0.82 213	0.26 47	0.58 49	0.63 239	0.37 154	0.76 162	1.86 378	1.11 115	0.87 82	1.99 350	1.89 327	1.08 195	1.82 357	1.39 159	0.48 116	0.19 92	0.14 76	0.19 50	0.21 174	0.18 42	0.39 300

test-2	0.53 49	0.26 47	0.65 77	0.50 72	0.29 63	0.52 52	0.43 113	0.89 33	0.96 111	1.41 277	1.14 148	0.85 120	0.56 79	0.59 15	0.38 48	0.16 11	0.14 76	0.24 171	0.21 174	0.20 98	0.15 27

test-1	0.52 40	0.26 47	1.04 254	0.56 166	0.32 107	0.61 88	0.38 70	1.10 109	0.91 98	0.78 58	1.01 93	0.77 88	0.52 61	0.60 24	0.42 74	0.17 32	0.14 76	0.20 74	0.17 75	0.20 98	0.23 184

iRaftStereo_RVC	0.47 31	0.26 47	0.64 73	0.50 72	0.29 63	0.53 57	0.33 34	1.05 87	0.77 62	0.84 73	1.00 88	0.55 40	0.37 12	0.81 60	0.40 59	0.17 32	0.12 9	0.22 123	0.20 138	0.19 72	0.15 27

raft+_RVC	0.53 49	0.26 47	0.54 33	0.60 207	0.47 225	0.54 60	0.54 190	1.27 153	0.99 130	0.76 54	1.03 108	0.70 78	0.56 79	0.93 83	0.47 111	0.18 60	0.14 76	0.19 50	0.18 89	0.18 42	0.15 27

XX-Stereo	0.63 117	0.26 47	1.90 350	0.81 330	0.67 305	0.43 14	0.23 3	1.03 77	0.58 19	0.65 42	1.56 275	1.41 268	0.39 14	1.28 133	0.35 27	0.20 118	0.14 76	0.20 74	0.19 109	0.18 42	0.14 11

R-Stereo Train	0.57 91	0.26 47	0.63 67	0.54 135	0.36 146	0.69 133	0.54 190	1.22 143	0.72 53	1.61 317	1.50 263	0.75 84	0.53 66	0.64 27	0.44 85	0.18 60	0.15 126	0.17 15	0.15 31	0.17 25	0.17 61

RAFT-Stereo	0.57 91	0.26 47	0.63 67	0.54 135	0.36 146	0.69 133	0.54 190	1.22 143	0.72 53	1.61 317	1.50 263	0.75 84	0.53 66	0.64 27	0.44 85	0.18 60	0.15 126	0.17 15	0.15 31	0.17 25	0.17 61
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AE-Stereo	0.49 36	0.27 68	0.67 86	0.60 207	0.39 179	0.67 122	0.46 143	1.18 129	1.09 169	0.47 14	0.75 41	0.69 75	0.47 40	0.59 15	0.40 59	0.16 11	0.15 126	0.21 97	0.20 138	0.19 72	0.15 27

ff7	0.43 14	0.27 68	0.56 38	0.44 23	0.33 123	0.50 40	0.42 97	0.87 25	0.50 7	0.49 21	0.53 10	0.44 9	0.48 48	1.38 154	0.33 16	0.17 32	0.12 9	0.21 97	0.15 31	0.18 42	0.18 79

ffff	0.43 14	0.27 68	0.56 38	0.44 23	0.33 123	0.50 40	0.42 97	0.87 25	0.50 7	0.49 21	0.53 10	0.44 9	0.48 48	1.38 154	0.33 16	0.17 32	0.12 9	0.21 97	0.15 31	0.18 42	0.18 79

11t	0.43 14	0.27 68	0.56 38	0.44 23	0.33 123	0.50 40	0.42 97	0.87 25	0.50 7	0.49 21	0.53 10	0.44 9	0.48 48	1.38 154	0.33 16	0.17 32	0.12 9	0.21 97	0.15 31	0.18 42	0.18 79

test croco	0.46 25	0.27 68	1.01 241	0.50 72	0.40 184	0.35 5	0.37 66	0.87 25	0.56 18	0.43 8	0.76 43	0.42 5	0.40 17	1.13 119	0.45 93	0.21 145	0.15 126	0.24 171	0.19 109	0.24 192	0.16 42

anonymousdsp2	0.53 49	0.27 68	0.74 145	0.48 52	0.29 63	0.76 162	0.47 149	1.61 226	0.82 75	0.77 57	0.77 44	0.75 84	0.47 40	1.03 99	0.40 59	0.18 60	0.13 43	0.18 37	0.13 11	0.19 72	0.18 79

anonymousdsp	0.43 14	0.27 68	0.53 29	0.44 23	0.32 107	0.50 40	0.42 97	0.89 33	0.51 14	0.49 21	0.53 10	0.47 20	0.47 40	1.33 142	0.33 16	0.17 32	0.12 9	0.21 97	0.15 31	0.18 42	0.18 79

anonymousa	0.72 162	0.27 68	0.75 147	0.47 41	0.63 296	1.43 302	0.45 136	1.24 149	0.89 89	1.28 222	1.75 310	1.62 303	1.13 283	0.69 32	0.59 165	0.19 92	0.16 157	0.23 151	0.25 241	0.20 98	0.18 79

riskmin	0.56 87	0.27 68	0.60 57	0.43 8	0.31 92	0.83 191	0.42 97	1.14 119	1.04 147	0.73 53	0.75 41	1.11 207	1.01 253	0.81 60	0.51 132	0.20 118	0.14 76	0.24 171	0.15 31	0.24 192	0.25 208

ccc-4	0.43 14	0.27 68	0.56 38	0.44 23	0.33 123	0.50 40	0.42 97	0.87 25	0.50 7	0.49 21	0.53 10	0.44 9	0.48 48	1.38 154	0.33 16	0.17 32	0.12 9	0.21 97	0.15 31	0.18 42	0.18 79

IGEV-Stereo	0.43 14	0.27 68	0.54 33	0.45 32	0.32 107	0.50 40	0.42 97	0.90 39	0.51 14	0.49 21	0.53 10	0.47 20	0.47 40	1.32 140	0.33 16	0.17 32	0.12 9	0.21 97	0.15 31	0.18 42	0.18 79
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
IPLG	0.69 154	0.27 68	0.97 229	0.51 95	0.43 198	0.79 177	0.33 34	1.21 136	1.06 154	1.30 234	1.10 129	0.52 38	0.55 75	3.16 308	0.63 181	0.16 11	0.14 76	0.19 50	0.16 59	0.18 42	0.17 61

IPLGR	0.58 96	0.27 68	1.14 276	0.48 52	0.28 52	0.65 109	0.33 34	1.22 143	1.13 189	1.18 182	1.05 112	0.69 75	0.66 127	0.96 84	0.52 138	0.17 32	0.15 126	0.20 74	0.17 75	0.20 98	0.18 79

PSM-AAD	0.79 202	0.27 68	0.53 29	0.55 154	0.28 52	0.77 168	1.24 345	0.99 64	0.91 98	1.66 323	1.57 279	0.81 99	2.19 373	1.65 202	0.44 85	0.19 92	0.14 76	0.38 319	0.32 308	0.21 132	0.70 363

THIR-Stereo	1.02 275	0.27 68	0.69 98	0.49 65	0.28 52	0.95 222	1.34 352	1.03 77	0.97 118	1.34 257	1.90 328	1.17 218	1.58 335	6.44 371	0.78 217	0.19 92	0.14 76	0.21 97	0.22 199	0.19 72	0.20 135

Prome-Stereo	0.75 186	0.27 68	0.53 29	0.55 154	0.32 107	0.59 79	0.97 315	0.89 33	0.88 86	1.45 286	2.46 359	0.91 137	1.41 319	1.58 194	0.44 85	0.18 60	0.13 43	0.19 50	0.17 75	0.20 98	0.92 373

MyStereo06	0.61 108	0.28 84	0.95 223	0.56 166	0.46 221	0.61 88	0.73 262	1.78 267	0.67 42	1.03 112	1.12 140	1.13 213	0.56 79	0.78 52	0.41 66	0.17 32	0.16 157	0.23 151	0.20 138	0.22 153	0.20 135

MyStereo05	0.66 140	0.28 84	1.07 262	0.56 166	0.46 221	0.61 88	0.73 262	1.34 163	1.41 308	1.15 157	0.91 67	0.77 88	0.80 165	1.41 165	0.63 181	0.17 32	0.16 157	0.23 151	0.20 138	0.22 153	0.20 135

11t1	0.52 40	0.28 84	0.68 89	0.51 95	0.28 52	0.83 191	0.39 81	1.22 143	0.63 26	0.84 73	0.74 39	0.68 70	0.68 128	0.91 77	0.57 160	0.21 145	0.18 196	0.19 50	0.16 59	0.20 98	0.21 151

IGEVStereo-DCA	0.46 25	0.28 84	0.56 38	0.43 8	0.33 123	0.49 31	0.42 97	0.87 25	0.50 7	0.47 14	0.48 6	0.48 23	0.46 34	2.03 252	0.30 1	0.19 92	0.14 76	0.19 50	0.15 31	0.16 13	0.18 79

rrr	0.46 25	0.28 84	0.73 131	0.43 8	0.33 123	0.49 31	0.38 70	0.76 10	0.50 7	0.47 14	0.48 6	0.48 23	0.46 34	2.03 252	0.30 1	0.19 92	0.14 76	0.19 50	0.15 31	0.16 13	0.16 42

Selective-RAFT	0.52 40	0.28 84	0.79 170	0.55 154	0.27 33	0.91 207	0.33 34	0.80 18	0.88 86	0.58 33	0.63 22	0.81 99	0.77 153	1.29 136	0.48 116	0.19 92	0.14 76	0.17 15	0.15 31	0.19 72	0.17 61

ProNet	0.43 14	0.28 84	0.58 49	0.43 8	0.30 80	0.56 69	0.52 180	1.00 68	0.58 19	0.44 9	0.49 8	0.43 7	0.43 23	1.28 133	0.36 33	0.15 6	0.13 43	0.19 50	0.16 59	0.17 25	0.16 42

TestStereo1	0.63 117	0.28 84	0.75 147	0.76 318	0.31 92	0.48 21	0.43 113	1.30 157	1.21 223	0.97 94	1.31 204	0.64 61	0.77 153	1.75 220	0.42 74	0.20 118	0.15 126	0.22 123	0.18 89	0.21 132	0.17 61

DisPM	0.66 140	0.28 84	0.72 119	0.61 219	0.35 141	0.62 94	0.45 136	1.02 74	0.99 130	1.56 310	1.10 129	0.80 96	0.59 96	2.37 278	0.41 66	0.23 191	0.14 76	0.23 151	0.21 174	0.20 98	0.25 208

SA-5K	0.63 117	0.28 84	0.75 147	0.76 318	0.31 92	0.48 21	0.43 113	1.30 157	1.21 223	0.97 94	1.31 204	0.64 61	0.77 153	1.75 220	0.42 74	0.20 118	0.15 126	0.22 123	0.18 89	0.21 132	0.17 61

MIPNet	0.56 87	0.28 84	0.94 220	0.49 65	0.33 123	0.66 118	0.38 70	1.35 165	1.08 163	1.06 116	0.92 69	0.60 53	0.79 160	0.73 44	0.52 138	0.17 32	0.14 76	0.19 50	0.16 59	0.18 42	0.17 61

PFNet+	0.59 99	0.28 84	0.77 160	0.53 120	0.30 80	0.59 79	0.31 28	0.92 41	1.14 191	1.33 254	1.10 129	0.79 94	0.57 87	1.31 138	0.49 123	0.25 231	0.17 181	0.28 248	0.26 254	0.21 132	0.25 208

LCNet	0.72 162	0.28 84	0.52 27	0.55 154	0.31 92	0.69 133	0.54 190	1.00 68	0.88 86	1.19 186	1.34 216	0.97 163	1.34 316	2.56 286	0.45 93	0.18 60	0.13 43	0.21 97	0.25 241	0.27 223	0.73 366

AAGNet	1.83 356	0.28 84	0.72 119	0.61 219	0.32 107	0.67 122	0.51 171	0.96 59	0.98 123	1.47 289	1.20 168	1.00 170	1.18 289	2.83 295	22.77 420	0.22 168	0.13 43	0.22 123	0.19 109	0.23 178	0.15 27

STrans-v2	1.04 279	0.28 84	0.96 227	0.49 65	0.32 107	0.68 129	0.79 275	2.47 375	1.12 179	1.12 138	1.46 253	1.40 266	1.46 325	6.70 378	0.43 83	0.18 60	0.13 43	0.20 74	0.18 89	0.18 42	0.18 79

TransformOpticalFlow	0.96 254	0.28 84	0.89 206	0.52 111	0.31 92	0.66 118	0.54 190	1.75 254	1.12 179	1.09 124	1.44 245	1.37 265	1.01 253	6.70 378	0.42 74	0.19 92	0.12 9	0.20 74	0.19 109	0.18 42	0.19 112

KYRaft	0.75 186	0.28 84	0.62 64	0.56 166	0.29 63	0.67 122	0.86 293	0.94 49	0.84 77	1.62 320	2.21 347	1.16 217	1.02 258	1.57 192	0.40 59	0.20 118	0.13 43	0.22 123	0.28 279	0.20 98	1.02 377

SST-Stereo	0.83 218	0.28 84	0.72 119	0.59 196	0.31 92	0.72 145	0.26 10	1.09 107	0.86 78	1.47 289	1.10 129	1.00 170	0.87 197	5.73 360	0.45 93	0.22 168	0.13 43	0.23 151	0.19 109	0.23 178	0.18 79

RAFT_R40	0.83 218	0.28 84	0.73 131	0.59 196	0.31 92	0.69 133	0.44 125	1.10 109	0.95 109	1.47 289	1.10 129	1.00 170	0.85 186	5.53 354	0.46 106	0.22 168	0.13 43	0.23 151	0.20 138	0.23 178	0.18 79

IRAFT_RVC	0.88 236	0.28 84	0.76 156	0.63 239	0.31 92	0.65 109	1.02 324	1.22 143	0.94 107	1.22 198	1.04 111	1.01 177	0.98 241	5.82 361	0.53 146	0.22 168	0.12 9	0.25 207	0.20 138	0.20 98	0.19 112

test_xeample3	0.42 12	0.28 84	0.69 98	0.43 8	0.33 123	0.56 69	0.38 70	0.79 13	0.45 3	0.53 30	0.46 4	0.44 9	0.44 27	1.38 154	0.31 5	0.18 60	0.14 76	0.19 50	0.15 31	0.17 25	0.16 42

xxxx	1.51 335	0.28 84	0.68 89	0.54 135	0.28 52	1.16 263	0.44 125	2.19 353	1.29 256	1.09 124	1.36 223	1.22 226	0.85 186	1.79 228	15.70 413	0.24 206	0.21 242	0.21 97	0.20 138	0.22 153	0.23 184

test_xeample	1.45 331	0.28 84	0.65 77	0.51 95	0.28 52	0.94 218	0.59 229	2.14 340	1.29 256	1.24 209	1.51 265	0.88 131	0.86 194	1.46 171	15.10 410	0.22 168	0.20 226	0.22 123	0.20 138	0.22 153	0.22 166

EAI-Stereo	0.65 132	0.28 84	0.69 98	0.53 120	0.27 33	0.60 85	0.40 84	2.28 362	0.64 28	0.71 49	3.18 371	0.57 44	0.43 23	1.06 106	0.41 66	0.18 60	0.13 43	0.17 15	0.17 75	0.17 25	0.17 61

SFCPSM	0.70 156	0.28 84	1.02 247	0.51 95	0.38 171	1.37 292	0.66 247	2.00 316	1.03 143	1.17 177	1.21 170	0.82 104	0.78 158	1.03 99	0.53 146	0.21 145	0.17 181	0.22 123	0.24 230	0.21 132	0.19 112

FENet	0.60 102	0.28 84	0.63 67	0.54 135	0.33 123	0.83 191	0.38 70	1.27 153	1.07 159	1.00 102	0.86 58	0.99 169	0.85 186	0.96 84	0.68 190	0.22 168	0.15 126	0.23 151	0.20 138	0.22 153	0.23 184

GANet-RSSM	0.72 162	0.28 84	0.63 67	0.64 248	0.58 277	0.80 182	0.58 222	1.89 290	1.08 163	1.04 115	1.25 182	1.15 216	1.04 261	1.49 177	0.62 177	0.25 231	0.19 209	0.22 123	0.22 199	0.22 153	0.21 151

MyStereo8	0.65 132	0.29 111	1.00 237	0.58 183	0.49 229	0.91 207	0.35 47	1.18 129	1.31 266	1.16 168	1.27 191	0.90 136	0.64 120	0.72 41	0.95 252	0.18 60	0.14 76	0.20 74	0.18 89	0.22 153	0.26 226

MyStereo07	0.48 33	0.29 111	0.50 18	0.55 154	0.45 211	0.59 79	0.79 275	1.05 87	0.51 14	0.48 18	0.53 10	0.43 7	0.55 75	1.30 137	0.34 24	0.17 32	0.16 157	0.24 171	0.20 138	0.23 178	0.20 135

MyStereo04	0.67 149	0.29 111	1.07 262	0.55 154	0.45 211	0.59 79	0.79 275	1.50 196	1.40 305	0.91 81	0.91 67	0.74 82	0.86 194	1.52 180	0.62 177	0.17 32	0.16 157	0.24 171	0.20 138	0.23 178	0.20 135

CoDeX	0.73 176	0.29 111	0.93 218	0.54 135	0.36 146	1.14 256	0.61 234	2.34 367	1.17 206	1.16 168	1.25 182	0.91 137	0.87 197	1.33 142	0.64 184	0.20 118	0.16 157	0.21 97	0.18 89	0.20 98	0.18 79

1111x	1.70 351	0.29 111	0.86 188	0.51 95	0.27 33	1.01 237	0.68 252	2.22 357	1.28 252	1.13 152	1.40 235	1.21 224	1.10 277	5.53 354	15.20 411	0.22 168	0.21 242	0.22 123	0.22 199	0.24 192	0.22 166

knoymous	0.51 39	0.29 111	0.47 13	0.43 8	0.30 80	0.55 66	0.55 203	1.02 74	0.77 62	0.98 98	0.85 57	0.94 149	0.56 79	0.85 67	0.45 93	0.20 118	0.14 76	0.26 227	0.14 23	0.23 178	0.23 184

RAFT+CT+SA	0.58 96	0.29 111	0.60 57	0.66 265	0.37 154	0.42 13	0.55 203	1.27 153	1.03 143	0.70 47	1.22 172	0.60 53	0.70 134	1.64 201	0.41 66	0.18 60	0.13 43	0.22 123	0.22 199	0.21 132	0.18 79

Sa-1000	0.72 162	0.29 111	0.76 156	0.59 196	0.30 80	0.73 148	0.37 66	1.62 229	1.33 274	1.28 222	2.04 339	0.86 124	0.75 141	1.84 232	0.38 48	0.19 92	0.14 76	0.25 207	0.23 219	0.20 98	0.16 42

iRaft-Stereo_5w	0.85 226	0.29 111	0.91 212	0.53 120	0.43 198	0.49 31	0.68 252	0.99 64	0.87 82	0.79 61	1.34 216	1.46 278	0.91 210	5.11 344	1.11 275	0.17 32	0.14 76	0.22 123	0.18 89	0.20 98	0.20 135

NRIStereo	0.60 102	0.29 111	0.69 98	0.53 120	0.28 52	0.63 95	0.33 34	1.08 106	0.87 82	1.14 154	0.87 61	0.91 137	0.59 96	2.24 269	0.49 123	0.20 118	0.14 76	0.21 97	0.19 109	0.21 132	0.17 61

Pruner-Stereo	0.62 111	0.29 111	0.70 104	0.61 219	0.31 92	0.63 95	0.43 113	1.17 124	0.99 130	1.53 302	1.08 120	0.95 155	0.55 75	1.35 146	0.51 132	0.23 191	0.14 76	0.24 171	0.21 174	0.21 132	0.23 184

DeepStereo_RVC	0.55 78	0.29 111	0.72 119	0.51 95	0.30 80	0.59 79	0.33 34	1.03 77	0.70 48	1.16 168	0.93 71	0.83 111	0.94 224	0.96 84	0.54 152	0.21 145	0.14 76	0.21 97	0.19 109	0.24 192	0.24 196

rafts_anoy	0.52 40	0.29 111	0.59 53	0.59 196	0.50 235	0.53 57	0.40 84	1.11 115	1.03 143	0.84 73	0.83 54	0.68 70	0.54 69	0.72 41	0.51 132	0.19 92	0.14 76	0.24 171	0.26 254	0.21 132	0.18 79

222	1.61 343	0.29 111	0.67 86	0.56 166	0.29 63	1.06 245	0.42 97	2.17 351	1.31 266	1.31 244	1.52 266	0.92 145	0.94 224	1.76 225	17.65 414	0.24 206	0.20 226	0.21 97	0.19 109	0.22 153	0.23 184

ac_64	0.82 213	0.29 111	0.81 176	0.71 300	0.60 287	1.05 242	0.54 190	1.99 315	0.92 102	1.18 182	1.06 114	1.99 340	1.08 273	1.94 245	0.97 257	0.27 254	0.22 256	0.24 171	0.23 219	0.22 153	0.19 112

HSM-Net_RVC	0.87 235	0.29 111	0.53 29	0.53 120	0.30 80	1.15 261	0.55 203	3.57 390	1.28 252	1.53 302	1.74 307	1.68 313	0.93 219	1.49 177	0.77 215	0.22 168	0.17 181	0.19 50	0.18 89	0.20 98	0.19 112
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
SMFormer	0.75 186	0.30 127	0.86 188	0.46 35	0.26 20	0.82 187	0.43 113	2.05 325	1.39 300	1.23 201	1.47 254	0.98 164	0.95 229	1.71 215	0.82 232	0.24 206	0.20 226	0.22 123	0.21 174	0.23 178	0.24 196

tta	0.75 186	0.30 127	0.86 188	0.46 35	0.26 20	0.82 187	0.43 113	2.05 325	1.39 300	1.23 201	1.47 254	0.98 164	0.95 229	1.71 215	0.82 232	0.24 206	0.20 226	0.22 123	0.21 174	0.18 42	0.18 79

qqq1	0.72 162	0.30 127	0.86 188	0.46 35	0.26 20	0.82 187	0.43 113	2.05 325	1.39 300	1.23 201	1.47 254	0.98 164	0.95 229	1.71 215	0.44 85	0.24 206	0.20 226	0.18 37	0.15 31	0.18 42	0.18 79

fff1	0.72 162	0.30 127	0.86 188	0.46 35	0.26 20	0.82 187	0.43 113	2.05 325	1.39 300	1.23 201	1.47 254	0.98 164	0.95 229	1.71 215	0.44 85	0.24 206	0.20 226	0.18 37	0.15 31	0.18 42	0.18 79

IGEV_Zeroshot_test	0.53 49	0.30 127	0.99 232	0.56 166	0.35 141	0.41 12	0.32 31	1.37 168	0.63 26	1.00 102	1.09 125	0.95 155	0.41 19	0.83 63	0.39 55	0.18 60	0.12 9	0.19 50	0.18 89	0.19 72	0.17 61

EKT-Stereo	0.53 49	0.30 127	0.73 131	0.58 183	0.60 287	0.51 50	0.48 157	0.94 49	0.90 93	0.71 49	0.88 63	0.77 88	0.43 23	1.07 110	0.40 59	0.22 168	0.16 157	0.21 97	0.18 89	0.20 98	0.22 166

HH	0.63 117	0.30 127	0.77 160	0.50 72	0.32 107	0.49 31	0.46 143	1.65 233	0.64 28	0.69 45	1.09 125	1.63 305	0.85 186	1.90 239	0.37 38	0.18 60	0.13 43	0.19 50	0.17 75	0.19 72	0.16 42

HanStereo	0.63 117	0.30 127	0.77 160	0.50 72	0.32 107	0.49 31	0.46 143	1.65 233	0.64 28	0.69 45	1.09 125	1.63 305	0.85 186	1.90 239	0.37 38	0.18 60	0.13 43	0.19 50	0.17 75	0.19 72	0.16 42

raft_robust	0.68 153	0.30 127	0.64 73	0.52 111	0.26 20	0.54 60	0.35 47	1.33 159	1.24 232	1.16 168	1.07 117	0.60 53	0.54 69	3.58 320	0.37 38	0.18 60	0.14 76	0.20 74	0.22 199	0.20 98	0.16 42

test_5	0.65 132	0.30 127	0.75 147	0.67 275	0.50 235	0.92 213	0.52 180	1.39 174	1.12 179	0.76 54	1.11 134	1.00 170	0.90 208	1.53 184	0.45 93	0.18 60	0.13 43	0.23 151	0.22 199	0.21 132	0.19 112

SA	0.66 140	0.30 127	0.82 178	0.61 219	0.30 80	0.58 75	0.38 70	1.44 185	1.30 262	0.96 91	1.36 223	0.66 66	0.95 229	1.85 235	0.42 74	0.19 92	0.15 126	0.25 207	0.23 219	0.21 132	0.17 61

Patchmatch Stereo++	0.55 78	0.30 127	0.73 131	0.50 72	0.27 33	0.65 109	0.29 20	1.05 87	0.64 28	1.12 138	0.96 75	0.83 111	0.60 98	1.37 150	0.45 93	0.22 168	0.14 76	0.24 171	0.20 138	0.26 211	0.18 79
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	0.80 205	0.30 127	0.75 147	0.60 207	0.31 92	0.64 97	0.44 125	1.21 136	0.90 93	1.29 227	1.02 100	0.82 104	0.57 87	5.40 352	0.48 116	0.23 191	0.14 76	0.24 171	0.20 138	0.20 98	0.30 258

OCTAStereo	0.80 205	0.30 127	0.75 147	0.60 207	0.31 92	0.64 97	0.44 125	1.21 136	0.90 93	1.29 227	1.01 93	0.82 104	0.57 87	5.35 347	0.48 116	0.24 206	0.14 76	0.24 171	0.20 138	0.20 98	0.30 258

PSM-adaLoss	0.54 63	0.30 127	0.73 131	0.50 72	0.27 33	0.65 109	0.41 95	1.04 81	0.64 28	1.12 138	0.96 75	0.82 104	0.61 107	1.06 106	0.45 93	0.22 168	0.14 76	0.24 171	0.20 138	0.26 211	0.18 79

ROB_FTStereo_v2	0.54 63	0.30 127	0.73 131	0.50 72	0.27 33	0.64 97	0.42 97	1.05 87	0.64 28	1.12 138	0.96 75	0.83 111	0.60 98	1.12 118	0.46 106	0.22 168	0.14 76	0.24 171	0.20 138	0.26 211	0.18 79

ROB_FTStereo	0.54 63	0.30 127	0.73 131	0.50 72	0.27 33	0.64 97	0.25 4	1.05 87	0.64 28	1.12 138	0.95 73	0.82 104	0.61 107	1.15 121	0.45 93	0.22 168	0.14 76	0.24 171	0.20 138	0.26 211	0.18 79

HUI-Stereo	0.52 40	0.30 127	0.73 131	0.50 72	0.27 33	0.65 109	0.30 23	1.04 81	0.64 28	1.12 138	0.96 75	0.83 111	0.60 98	0.79 55	0.45 93	0.22 168	0.14 76	0.24 171	0.20 138	0.26 211	0.18 79

RE-Stereo	0.80 205	0.30 127	0.75 147	0.60 207	0.31 92	0.64 97	0.44 125	1.21 136	0.90 93	1.29 227	1.01 93	0.81 99	0.57 87	5.37 350	0.48 116	0.24 206	0.14 76	0.24 171	0.20 138	0.20 98	0.30 258

TVStereo	0.80 205	0.30 127	0.75 147	0.60 207	0.31 92	0.64 97	0.44 125	1.21 136	0.90 93	1.29 227	1.01 93	0.81 99	0.57 87	5.37 350	0.48 116	0.24 206	0.14 76	0.24 171	0.20 138	0.20 98	0.30 258

iGMRVC	0.56 87	0.30 127	0.73 131	0.50 72	0.27 33	0.65 109	0.38 70	1.05 87	0.64 28	1.12 138	0.96 75	0.83 111	0.60 98	1.52 180	0.46 106	0.22 168	0.14 76	0.24 171	0.20 138	0.26 211	0.18 79

iRAFT	0.55 78	0.30 127	0.73 131	0.50 72	0.27 33	0.65 109	0.29 20	1.05 87	0.64 28	1.12 138	0.96 75	0.83 111	0.60 98	1.37 150	0.45 93	0.22 168	0.14 76	0.24 171	0.20 138	0.26 211	0.18 79

CRE-IMP	0.55 78	0.30 127	0.74 145	0.52 111	0.29 63	0.79 177	0.25 4	1.04 81	0.72 53	1.09 124	0.95 73	0.81 99	0.57 87	1.10 113	0.50 129	0.21 145	0.14 76	0.23 151	0.19 109	0.28 237	0.22 166

RAFT	0.64 127	0.30 127	0.73 131	0.59 196	0.33 123	0.68 129	0.58 222	1.04 81	0.76 60	1.08 119	1.19 165	1.65 310	0.93 219	1.06 106	0.56 158	0.21 145	0.18 196	0.27 238	0.24 230	0.22 153	0.17 61

RAFT-IKP	0.54 63	0.30 127	0.73 131	0.50 72	0.27 33	0.59 79	0.36 57	1.04 81	0.64 28	1.12 138	0.96 75	0.83 111	0.61 107	1.22 127	0.45 93	0.22 168	0.14 76	0.24 171	0.20 138	0.26 211	0.18 79

RALCasStereoNet	0.54 63	0.30 127	0.66 83	0.59 196	0.51 245	0.61 88	0.52 180	0.94 49	0.93 104	0.70 47	1.01 93	0.78 91	0.44 27	1.33 142	0.47 111	0.20 118	0.16 157	0.18 37	0.16 59	0.20 98	0.19 112

cf-r	0.73 176	0.30 127	0.77 160	0.55 154	0.63 296	0.78 173	0.48 157	1.79 269	1.15 200	1.13 152	1.26 188	1.43 270	0.87 197	1.40 164	0.85 240	0.25 231	0.18 196	0.22 123	0.23 219	0.19 72	0.19 112

PSMNet-RSSM	0.72 162	0.30 127	0.61 60	0.63 239	0.42 193	0.73 148	0.56 209	1.92 300	1.10 173	1.09 124	1.37 225	1.22 226	0.98 241	1.28 133	0.72 200	0.27 254	0.19 209	0.27 238	0.29 290	0.24 192	0.24 196

DIP-Stereo	0.62 111	0.30 127	0.83 180	0.48 52	0.36 146	0.95 222	0.33 34	2.37 369	0.67 42	1.25 213	1.00 88	0.68 70	0.51 59	0.91 77	0.61 174	0.18 60	0.15 126	0.21 97	0.17 75	0.19 72	0.19 112
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
RASNet	1.12 295	0.30 127	0.91 212	0.66 265	0.77 333	0.97 230	0.57 219	1.37 168	1.35 285	1.02 108	1.34 216	2.11 349	1.43 321	7.09 383	1.39 309	0.19 92	0.17 181	0.17 15	0.19 109	0.18 42	0.16 42

iResNet_ROB	0.77 193	0.30 127	0.99 232	0.57 177	0.36 146	0.83 191	0.36 57	2.33 365	1.58 331	1.27 220	1.30 199	1.25 237	0.84 183	1.65 202	0.79 223	0.20 118	0.14 76	0.17 15	0.12 9	0.18 42	0.27 232

ACVNet-DCA	0.56 87	0.31 158	0.50 18	0.54 135	0.26 20	1.18 266	0.51 171	1.42 178	0.78 64	0.58 33	0.79 49	0.48 23	0.88 201	1.46 171	0.32 7	0.20 118	0.12 9	0.25 207	0.15 31	0.22 153	0.21 151

xx1	0.67 149	0.31 158	0.50 18	0.54 135	0.26 20	1.18 266	0.51 171	0.93 45	3.05 384	0.58 33	0.79 49	0.95 155	0.77 153	1.46 171	0.32 7	0.20 118	0.12 9	0.24 171	0.23 219	0.22 153	0.21 151

1test111	0.54 63	0.31 158	0.50 18	0.54 135	0.26 20	1.18 266	0.51 171	1.42 178	0.78 64	0.58 33	0.79 49	0.48 23	0.88 201	0.88 72	0.59 165	0.20 118	0.12 9	0.25 207	0.15 31	0.22 153	0.21 151

cc1	0.64 127	0.31 158	0.50 18	0.54 135	0.26 20	1.18 266	0.51 171	0.93 45	3.05 384	0.58 33	0.79 49	0.48 23	0.88 201	1.46 171	0.32 7	0.20 118	0.12 9	0.25 207	0.15 31	0.19 72	0.19 112

x	0.54 63	0.31 158	0.61 60	0.47 41	0.30 80	0.67 122	0.47 149	1.53 210	0.79 68	0.81 67	0.83 54	0.78 91	0.70 134	0.70 34	0.62 177	0.21 145	0.19 209	0.22 123	0.19 109	0.21 132	0.20 135

IER	0.70 156	0.31 158	1.02 247	0.48 52	0.52 253	1.34 289	0.51 171	1.17 124	0.99 130	1.23 201	1.34 216	1.12 208	1.11 278	0.99 92	0.71 197	0.20 118	0.16 157	0.21 97	0.21 174	0.20 98	0.19 112

iRaft-Stereo_20w	0.65 132	0.31 158	1.00 237	0.47 41	0.34 138	0.73 148	0.30 23	2.96 383	0.70 48	1.15 157	1.14 148	0.76 87	0.65 125	1.11 116	0.38 48	0.17 32	0.13 43	0.18 37	0.16 59	0.19 72	0.18 79

GwcNet-ADL	0.64 127	0.31 158	0.79 170	0.56 166	0.41 190	0.60 85	0.58 222	1.41 176	1.26 240	1.08 119	1.13 145	0.91 137	0.60 98	1.04 104	0.78 217	0.27 254	0.18 196	0.18 37	0.18 89	0.25 203	0.29 246

IIG-Stereo	0.96 254	0.31 158	0.72 119	0.88 352	0.33 123	0.61 88	0.26 10	1.19 135	1.03 143	1.69 326	1.37 225	1.46 278	0.75 141	6.96 382	0.51 132	0.19 92	0.14 76	0.23 151	0.18 89	0.20 98	0.14 11

PSM-softLoss	0.78 199	0.31 158	0.77 160	0.58 183	0.32 107	0.56 69	0.40 84	1.18 129	0.70 48	1.24 209	1.07 117	0.83 111	0.52 61	5.36 348	0.53 146	0.24 206	0.15 126	0.25 207	0.22 199	0.20 98	0.25 208

KMStereo	0.78 199	0.31 158	0.77 160	0.58 183	0.32 107	0.56 69	0.40 84	1.18 129	0.70 48	1.24 209	1.07 117	0.83 111	0.52 61	5.36 348	0.53 146	0.24 206	0.15 126	0.25 207	0.22 199	0.20 98	0.25 208

CroCo-Stereo	0.40 8	0.31 158	0.73 131	0.58 183	0.27 33	0.26 1	0.33 34	0.95 52	0.81 70	0.42 5	0.47 5	0.65 64	0.47 40	0.39 1	0.34 24	0.18 60	0.15 126	0.16 9	0.14 23	0.19 72	0.16 42
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
ACVNet	0.63 117	0.31 158	0.54 33	0.54 135	0.36 146	0.80 182	0.46 143	1.37 168	1.07 159	0.93 84	1.30 199	1.08 195	0.85 186	0.80 56	0.94 250	0.21 145	0.19 209	0.21 97	0.18 89	0.22 153	0.18 79

acv_ft	0.75 186	0.31 158	0.95 223	0.70 293	0.86 352	1.24 276	0.53 186	1.44 185	1.07 159	1.24 209	1.30 199	1.08 195	0.92 213	0.80 56	1.34 301	0.21 145	0.19 209	0.21 97	0.18 89	0.21 132	0.18 79

tt1	0.62 111	0.32 172	0.51 24	0.54 135	0.26 20	1.16 263	0.48 157	0.95 52	2.47 372	0.57 32	0.77 44	0.49 30	0.81 168	1.55 188	0.32 7	0.20 118	0.12 9	0.24 171	0.15 31	0.19 72	0.20 135

PCWNet_CMD	0.66 140	0.32 172	0.88 201	0.49 65	0.37 154	0.78 173	0.40 84	1.42 178	1.31 266	1.16 168	1.31 204	1.25 237	0.62 112	0.89 75	0.57 160	0.20 118	0.16 157	0.27 238	0.19 109	0.40 298	0.25 208

BUS	0.74 179	0.32 172	0.68 89	0.54 135	0.44 204	2.34 365	0.42 97	2.16 345	0.98 123	1.20 190	1.11 134	1.03 182	0.62 112	0.91 77	0.70 192	0.24 206	0.17 181	0.25 207	0.22 199	0.22 153	0.22 166

BSDual-CNN	0.71 161	0.32 172	0.68 89	0.54 135	0.44 204	1.27 280	0.65 242	2.16 345	0.98 123	1.20 190	1.11 134	1.12 208	0.74 139	0.91 77	0.66 186	0.24 206	0.17 181	0.25 207	0.22 199	0.22 153	0.22 166

hknet	0.77 193	0.32 172	0.95 223	0.54 135	0.38 171	1.27 280	0.65 242	2.16 345	1.07 159	1.20 190	1.11 134	1.59 299	0.81 168	1.37 150	0.66 186	0.22 168	0.17 181	0.25 207	0.22 199	0.22 153	0.22 166

psmg	0.72 162	0.32 172	0.68 89	0.50 72	0.44 204	1.48 305	0.75 264	1.94 306	0.98 123	1.21 193	1.33 211	1.12 208	0.74 139	0.91 77	0.66 186	0.24 206	0.19 209	0.25 207	0.25 241	0.23 178	0.22 166

CFNet_pseudo	0.66 140	0.32 172	0.86 188	0.48 52	0.39 179	0.70 140	0.40 84	1.33 159	1.22 225	1.16 168	1.34 216	1.24 233	0.64 120	0.98 90	0.59 165	0.21 145	0.16 157	0.33 289	0.19 109	0.36 278	0.25 208

MMNet	0.84 222	0.32 172	1.09 266	0.60 207	0.59 284	1.85 341	0.49 164	1.51 201	1.27 247	1.37 264	1.15 154	1.26 241	1.18 289	1.67 207	1.22 286	0.19 92	0.18 196	0.23 151	0.22 199	0.25 203	0.21 151

delet	0.85 226	0.32 172	0.95 223	0.65 260	0.66 303	1.64 320	0.84 287	1.75 254	1.35 285	1.32 246	1.30 199	1.30 252	0.88 201	1.68 212	1.10 273	0.21 145	0.21 242	0.24 171	0.24 230	0.21 132	0.21 151

UPFNet	0.80 205	0.32 172	0.90 209	0.59 196	0.74 323	1.26 279	0.80 281	1.52 204	1.10 173	1.30 234	1.12 140	1.30 252	0.84 183	1.67 207	1.09 270	0.24 206	0.24 274	0.24 171	0.23 219	0.25 203	0.18 79

GwcNet-RSSM	0.77 193	0.32 172	1.01 241	0.62 231	0.54 259	0.78 173	0.51 171	1.73 248	1.20 218	1.09 124	1.37 225	1.46 278	0.85 186	1.53 184	1.09 270	0.25 231	0.18 196	0.23 151	0.24 230	0.20 98	0.19 112

CFNet-ft	0.72 162	0.32 172	0.54 33	0.66 265	0.54 259	0.83 191	0.55 203	1.37 168	1.15 200	0.93 84	1.28 195	1.57 295	0.97 237	1.35 146	0.81 227	0.26 245	0.20 226	0.33 289	0.25 241	0.30 251	0.23 184

MSMDNet	0.66 140	0.32 172	0.87 198	0.49 65	0.37 154	0.79 177	0.40 84	1.43 184	1.31 266	1.15 157	1.31 204	1.24 233	0.63 117	0.88 72	0.57 160	0.21 145	0.16 157	0.26 227	0.19 109	0.39 294	0.24 196

CFNet_RVC	0.72 162	0.32 172	0.54 33	0.66 265	0.54 259	0.83 191	0.55 203	1.37 168	1.15 200	0.93 84	1.28 195	1.57 295	0.97 237	1.35 146	0.81 227	0.26 245	0.20 226	0.33 289	0.25 241	0.30 251	0.23 184

HSM	1.19 307	0.32 172	0.65 77	0.57 177	0.38 171	1.23 275	0.59 229	2.25 360	1.19 213	1.30 234	1.25 182	1.94 335	1.03 260	9.32 404	0.71 197	0.22 168	0.16 157	0.20 74	0.16 59	0.21 132	0.21 151

DN-CSS_ROB	0.64 127	0.32 172	1.05 255	0.55 154	0.40 184	0.54 60	0.45 136	1.21 136	0.93 104	1.03 112	1.47 254	0.69 75	0.63 117	1.76 225	0.49 123	0.18 60	0.14 76	0.25 207	0.22 199	0.22 153	0.20 135

DualNet	1.09 287	0.33 188	0.85 182	0.53 120	0.37 154	0.74 151	0.56 209	0.95 52	2.47 372	1.15 157	1.45 247	1.06 188	0.82 172	1.55 188	7.61 392	0.20 118	0.12 9	0.31 269	0.27 262	0.19 72	0.20 135

ffm	0.72 162	0.33 188	0.85 182	0.53 120	0.37 154	0.74 151	0.56 209	0.95 52	2.47 372	1.15 157	1.45 247	1.06 188	0.82 172	1.55 188	0.32 7	0.20 118	0.12 9	0.31 269	0.27 262	0.19 72	0.20 135

ff1	1.37 324	0.33 188	0.85 182	0.53 120	0.37 154	0.74 151	0.56 209	0.95 52	2.47 372	1.15 157	1.45 247	1.06 188	0.82 172	7.22 384	7.61 392	0.20 118	0.12 9	0.31 269	0.27 262	0.19 72	0.20 135

mmx	1.39 326	0.33 188	0.85 182	0.53 120	0.37 154	0.74 151	0.56 209	2.13 336	1.37 292	1.15 157	1.45 247	1.06 188	0.82 172	7.22 384	7.61 392	0.24 206	0.19 209	0.31 269	0.27 262	0.30 251	0.25 208

xxx	1.39 326	0.33 188	0.85 182	0.53 120	0.37 154	0.74 151	0.56 209	2.13 336	1.37 292	1.15 157	1.45 247	1.06 188	0.82 172	7.22 384	7.61 392	0.24 206	0.19 209	0.31 269	0.27 262	0.30 251	0.25 208

CFNet_ucs	0.70 156	0.33 188	0.88 201	0.50 72	0.43 198	0.74 151	0.44 125	1.60 223	1.29 256	1.22 198	1.54 269	1.09 201	0.63 117	0.99 92	0.59 165	0.25 231	0.20 226	0.37 316	0.21 174	0.40 298	0.28 243

LL-Strereo2	0.52 40	0.33 188	0.69 98	0.52 111	0.37 154	0.70 140	0.30 23	1.13 118	0.67 42	0.94 89	0.78 46	0.91 137	0.42 21	1.05 105	0.42 74	0.17 32	0.16 157	0.29 256	0.25 241	0.21 132	0.16 42

CBFPSM	0.92 246	0.33 188	1.86 349	0.49 65	0.38 171	1.75 328	0.84 287	1.39 174	1.12 179	1.09 124	0.99 85	2.37 359	1.66 346	1.32 140	1.42 318	0.19 92	0.18 196	0.20 74	0.20 138	0.21 132	0.33 278

gwcnet-sp	0.74 179	0.33 188	1.44 312	0.57 177	0.45 211	1.40 297	0.54 190	1.50 196	1.14 191	1.30 234	1.02 100	0.94 149	0.82 172	1.39 159	0.76 209	0.21 145	0.21 242	0.22 123	0.21 174	0.22 153	0.22 166

scenet	0.74 179	0.33 188	1.44 312	0.57 177	0.45 211	1.40 297	0.54 190	1.50 196	1.14 191	1.30 234	1.02 100	0.94 149	0.82 172	1.39 159	0.76 209	0.21 145	0.21 242	0.22 123	0.21 174	0.22 153	0.22 166

ToySt	0.66 140	0.33 188	1.23 286	0.51 95	0.33 123	0.86 200	0.68 252	1.10 109	0.97 118	0.84 73	1.08 120	1.25 237	0.94 224	1.01 96	0.74 204	0.19 92	0.19 209	0.24 171	0.24 230	0.27 223	0.23 184

ssnet	0.74 179	0.33 188	1.44 312	0.57 177	0.45 211	1.40 297	0.54 190	1.50 196	1.14 191	1.30 234	1.02 100	0.94 149	0.82 172	1.39 159	0.76 209	0.21 145	0.21 242	0.22 123	0.21 174	0.22 153	0.22 166

CIPLG	0.62 111	0.33 188	0.96 227	0.58 183	0.50 235	0.75 157	0.48 157	1.05 87	0.96 111	1.40 275	1.57 279	0.64 61	0.48 48	0.89 75	0.70 192	0.23 191	0.15 126	0.19 50	0.16 59	0.19 72	0.21 151

IPLGR_C	0.62 111	0.33 188	0.99 232	0.58 183	0.49 229	0.76 162	0.48 157	1.10 109	0.96 111	1.40 275	1.56 275	0.62 56	0.48 48	0.80 56	0.71 197	0.23 191	0.15 126	0.19 50	0.16 59	0.19 72	0.21 151

ACRE	0.61 108	0.33 188	1.01 241	0.58 183	0.49 229	0.75 157	0.47 149	1.06 100	0.95 109	1.37 264	1.55 271	0.62 56	0.46 34	0.83 63	0.70 192	0.23 191	0.15 126	0.19 50	0.16 59	0.18 42	0.21 151

OMP-Stereo	0.94 250	0.33 188	0.72 119	0.90 356	0.31 92	0.49 31	0.36 57	1.16 122	1.06 154	1.58 316	1.12 140	1.46 278	0.69 131	6.94 381	0.49 123	0.19 92	0.14 76	0.24 171	0.18 89	0.20 98	0.14 11

ICVP	0.63 117	0.33 188	0.57 46	0.61 219	0.40 184	0.80 182	0.58 222	1.61 226	0.89 89	0.90 79	1.24 178	0.88 131	0.73 137	0.72 41	0.88 244	0.29 272	0.21 242	0.22 123	0.21 174	0.24 192	0.27 232
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
RALAANet	0.60 102	0.33 188	0.87 198	0.62 231	0.50 235	0.69 133	0.31 28	1.21 136	1.06 154	1.09 124	1.16 157	0.88 131	0.46 34	1.22 127	0.42 74	0.19 92	0.15 126	0.21 97	0.17 75	0.27 223	0.17 61

ccs_rob	0.66 140	0.33 188	0.86 188	0.48 52	0.39 179	0.70 140	0.40 84	1.33 159	1.22 225	1.16 168	1.34 216	1.23 231	0.64 120	0.98 90	0.59 165	0.21 145	0.16 157	0.35 306	0.20 138	0.37 282	0.25 208

ttt	0.94 250	0.34 207	0.59 53	0.61 219	0.37 154	0.94 218	0.50 170	2.17 351	1.34 277	1.23 201	1.61 287	0.91 137	0.76 149	1.85 235	3.97 377	0.30 276	0.26 285	0.26 227	0.24 230	0.29 242	0.29 246

StereoVision	0.65 132	0.34 207	0.86 188	0.59 196	0.40 184	0.50 40	0.41 95	1.09 107	0.93 104	0.71 49	2.50 360	0.82 104	0.57 87	1.03 99	0.49 123	0.25 231	0.28 299	0.29 256	0.28 279	0.36 278	0.20 135

CASS	0.65 132	0.34 207	0.72 119	0.56 166	0.27 33	0.78 173	0.42 97	1.59 220	0.86 78	1.30 234	1.25 182	0.87 128	0.84 183	0.84 65	0.54 152	0.35 308	0.19 209	0.26 227	0.21 174	0.28 237	0.42 309
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CroCo-Stereo Lap2	0.44 22	0.34 207	0.77 160	0.61 219	0.79 338	0.28 2	0.35 47	0.75 8	0.71 52	0.38 4	0.50 9	0.72 81	0.55 75	0.57 13	0.47 111	0.17 32	0.18 196	0.19 50	0.16 59	0.21 132	0.20 135

qqq	0.57 91	0.34 207	0.71 115	0.47 41	0.27 33	0.64 97	0.62 236	1.42 178	0.78 64	0.80 63	0.92 69	0.95 155	0.77 153	0.88 72	0.59 165	0.21 145	0.20 226	0.24 171	0.23 219	0.22 153	0.21 151

DAS	0.84 222	0.34 207	1.03 251	0.64 248	0.69 313	0.77 168	0.63 237	1.54 212	1.20 218	1.79 336	1.55 271	0.95 155	1.04 261	2.83 295	0.60 172	0.21 145	0.16 157	0.25 207	0.18 89	0.27 223	0.22 166

SepStereo	0.82 213	0.34 207	1.03 251	0.64 248	0.69 313	0.77 168	0.63 237	1.54 212	1.20 218	1.79 336	1.55 271	0.95 155	1.04 261	2.30 273	0.60 172	0.21 145	0.16 157	0.25 207	0.18 89	0.27 223	0.22 166

ADLNet2	0.88 236	0.34 207	1.17 280	0.77 321	0.64 298	1.12 254	0.76 267	1.74 252	1.24 232	1.21 193	1.65 296	1.71 316	1.05 265	1.67 207	1.17 282	0.24 206	0.21 242	0.21 97	0.22 199	0.26 211	0.29 246

GES	0.66 140	0.34 207	0.90 209	0.59 196	0.38 171	0.94 218	0.57 219	2.11 335	0.86 78	1.02 108	1.11 134	0.66 66	0.79 160	0.99 92	0.61 174	0.27 254	0.19 209	0.20 74	0.20 138	0.21 132	0.30 258

psm_up	0.77 193	0.34 207	0.70 104	0.66 265	0.58 277	1.05 242	0.92 305	1.52 204	1.12 179	1.26 217	1.16 157	1.31 255	1.23 300	1.20 125	0.81 227	0.25 231	0.29 307	0.31 269	0.27 262	0.27 223	0.25 208

UNet	0.83 218	0.34 207	1.31 299	0.58 183	0.74 323	1.58 314	0.49 164	1.41 176	1.04 147	1.21 193	1.08 120	1.54 291	1.12 281	1.65 202	1.09 270	0.23 191	0.17 181	0.25 207	0.20 138	0.25 203	0.22 166

DSFCA	0.93 249	0.34 207	1.06 258	0.52 111	0.65 301	1.55 312	0.93 309	1.49 192	1.19 213	1.56 310	1.15 154	1.50 286	0.96 234	3.07 303	1.02 262	0.30 276	0.26 285	0.25 207	0.25 241	0.28 237	0.24 196

DMCA	0.67 149	0.34 207	0.90 209	0.51 95	0.44 204	0.86 200	0.47 149	1.42 178	1.02 140	1.17 177	1.12 140	1.23 231	0.75 141	0.78 52	0.95 252	0.25 231	0.19 209	0.27 238	0.19 109	0.24 192	0.27 232

MLCV	0.72 162	0.34 207	1.10 269	0.51 95	0.23 6	0.91 207	0.39 81	1.33 159	1.23 228	1.46 288	1.55 271	1.01 177	0.64 120	1.95 246	0.80 226	0.18 60	0.12 9	0.18 37	0.14 23	0.19 72	0.17 61

DISCO	1.03 276	0.34 207	1.11 271	0.69 288	0.45 211	2.07 354	0.84 287	2.13 336	1.50 322	1.15 157	1.33 211	2.40 361	1.07 272	2.60 288	1.51 327	0.23 191	0.18 196	0.22 123	0.20 138	0.31 258	0.27 232

MDST_ROB	1.67 347	0.34 207	1.58 330	0.92 361	0.58 277	4.26 399	1.11 332	2.83 380	1.41 308	4.49 399	2.55 361	1.45 276	0.97 237	7.79 394	1.17 282	0.31 283	0.25 281	0.37 316	0.33 314	0.31 258	0.30 258

mmm	0.63 117	0.35 223	0.72 119	0.51 95	0.30 80	0.86 200	0.54 190	1.59 220	0.86 78	1.07 118	1.38 229	0.79 94	0.75 141	0.91 77	0.58 163	0.22 168	0.18 196	0.29 256	0.25 241	0.25 203	0.23 184

AASNet	0.76 192	0.35 223	0.91 212	0.79 324	0.81 345	1.14 256	0.56 209	2.02 323	1.08 163	1.22 198	1.24 178	0.93 146	0.76 149	0.77 51	1.16 280	0.27 254	0.23 265	0.24 171	0.20 138	0.28 237	0.24 196

AACVNet	0.86 231	0.35 223	0.79 170	0.82 335	0.39 179	0.76 162	0.49 164	1.61 226	0.81 70	1.08 119	1.33 211	1.30 252	0.93 219	4.34 331	0.74 204	0.25 231	0.21 242	0.28 248	0.22 199	0.29 242	0.25 208

PSMNet-ADL	0.72 162	0.35 223	0.62 64	0.69 288	0.46 221	1.14 256	0.44 125	1.37 168	1.01 137	0.83 71	1.17 160	1.33 257	0.96 234	1.43 166	0.95 252	0.33 293	0.22 256	0.21 97	0.23 219	0.27 223	0.29 246

GANet-ADL	0.60 102	0.35 223	0.72 119	0.64 248	0.40 184	0.68 129	0.51 171	1.49 192	1.12 179	0.95 90	1.08 120	0.91 137	0.57 87	0.76 49	0.55 156	0.26 245	0.18 196	0.18 37	0.16 59	0.23 178	0.25 208

hitnet-ft	0.79 202	0.35 223	0.57 46	0.58 183	0.42 193	0.96 226	0.46 143	1.47 190	1.33 274	1.19 186	1.22 172	1.81 324	0.98 241	1.66 206	0.94 250	0.33 293	0.28 299	0.34 299	0.27 262	0.35 272	0.31 268

UCFNet_RVC	0.69 154	0.35 223	0.49 17	0.64 248	0.39 179	0.85 199	0.58 222	1.75 254	1.14 191	0.97 94	1.19 165	1.17 218	0.93 219	0.99 92	0.62 177	0.28 264	0.20 226	0.34 299	0.31 302	0.32 263	0.27 232

Former-RAFT_DAM_RVC	0.46 25	0.36 230	0.71 115	0.47 41	0.36 146	0.67 122	0.35 47	0.78 12	1.12 179	0.61 40	0.62 21	0.39 4	0.39 14	0.71 38	0.39 55	0.20 118	0.17 181	0.22 123	0.18 89	0.23 178	0.19 112

ssnet_v2	0.88 236	0.36 230	1.02 247	0.62 231	0.38 171	1.32 286	0.97 315	2.07 331	1.34 277	1.37 264	1.18 162	1.54 291	0.92 213	1.10 113	1.65 332	0.30 276	0.27 293	0.30 265	0.28 279	0.27 223	0.26 226

ADLNet	0.85 226	0.36 230	0.89 206	0.85 344	0.72 318	1.24 276	0.76 267	1.82 276	1.36 288	1.52 301	1.35 222	1.27 245	0.99 249	1.23 129	1.15 279	0.27 254	0.20 226	0.26 227	0.25 241	0.28 237	0.30 258

ARAFT	0.77 193	0.36 230	1.49 325	0.51 95	0.31 92	0.90 205	0.82 285	1.90 293	1.06 154	1.62 320	1.24 178	1.02 179	0.64 120	1.84 232	0.50 129	0.18 60	0.14 76	0.28 248	0.27 262	0.17 25	0.16 42

CFNet	0.96 254	0.36 230	1.01 241	0.62 231	0.42 193	0.99 234	0.47 149	1.90 293	1.32 271	0.99 100	1.39 233	1.10 203	0.86 194	5.58 357	0.79 223	0.23 191	0.17 181	0.28 248	0.27 262	0.26 211	0.21 151

SGM_RVC	1.68 349	0.36 230	0.61 60	0.59 196	0.29 63	2.25 361	1.18 341	2.38 370	1.68 338	3.60 389	2.67 364	3.69 382	2.42 379	8.13 397	1.90 343	0.31 283	0.31 317	0.30 265	0.28 279	0.30 251	0.29 246
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DispNO	1.00 269	0.37 236	1.69 336	0.61 219	0.56 266	0.75 157	0.63 237	1.80 271	1.44 314	1.17 177	1.66 298	1.05 187	1.06 268	5.00 343	0.86 242	0.24 206	0.22 256	0.25 207	0.19 109	0.24 192	0.22 166

NINENet	0.77 193	0.37 236	0.78 168	0.62 231	0.51 245	2.34 365	0.42 97	1.83 280	1.04 147	1.14 154	1.23 176	1.03 182	0.62 112	1.24 130	0.70 192	0.28 264	0.23 265	0.31 269	0.21 174	0.26 211	0.25 208

GEStereo_RVC	0.90 241	0.37 236	0.99 232	0.64 248	0.50 235	0.95 222	0.79 275	2.42 372	1.17 206	1.16 168	1.11 134	1.26 241	0.92 213	3.24 309	0.90 247	0.29 272	0.19 209	0.23 151	0.20 138	0.27 223	0.29 246

pcwnet_v2	0.97 260	0.37 236	4.33 385	0.62 231	0.54 259	0.79 177	0.45 136	2.02 323	1.58 331	1.42 283	1.64 294	1.09 201	0.79 160	1.24 130	0.67 189	0.32 288	0.25 281	0.29 256	0.27 262	0.37 282	0.35 285

iResNetv2_ROB	0.80 205	0.37 236	1.71 338	0.56 166	0.37 154	0.94 218	0.64 240	1.73 248	1.34 277	1.23 201	1.42 238	1.26 241	0.92 213	1.85 235	0.56 158	0.23 191	0.15 126	0.19 50	0.14 23	0.24 192	0.19 112

LE_ROB	8.05 409	0.37 236	23.53 416	0.74 312	0.33 123	2.77 377	2.87 405	3.71 392	27.24 423	25.39 423	8.87 408	8.46 406	26.71 423	6.65 374	21.99 417	0.21 145	0.19 209	0.20 74	0.21 174	0.25 203	0.22 166

CSP-Net	0.97 260	0.38 242	0.83 180	0.53 120	0.41 190	1.63 318	0.77 270	2.00 316	1.05 151	1.25 213	1.20 168	1.33 257	0.83 181	4.93 342	0.85 240	0.32 288	0.22 256	0.20 74	0.20 138	0.23 178	0.25 208

Anonymous	0.53 49	0.38 242	0.91 212	0.66 265	0.73 321	0.65 109	0.59 229	0.95 52	0.73 56	0.47 14	0.58 20	0.42 5	0.60 98	0.80 56	0.53 146	0.24 206	0.23 265	0.21 97	0.21 174	0.41 301	0.29 246

HGLStereo	0.85 226	0.38 242	0.94 220	0.80 327	1.03 365	1.17 265	0.58 222	1.52 204	1.20 218	1.19 186	1.62 290	1.13 213	1.20 295	1.80 229	1.06 265	0.24 206	0.24 274	0.24 171	0.21 174	0.23 178	0.27 232

SGM-ForestM	6.52 406	0.38 242	1.26 292	0.63 239	0.35 141	13.59 417	5.32 411	6.32 410	6.70 405	11.14 414	9.18 409	22.51 424	13.93 413	16.89 417	20.07 416	0.36 311	0.37 341	0.36 314	0.35 323	0.36 278	0.34 280

SGM-Forest	1.24 309	0.38 242	0.60 57	0.52 111	0.37 154	1.56 313	1.30 350	1.65 233	1.36 288	2.11 356	1.79 314	1.63 305	0.93 219	7.48 391	0.95 252	0.36 311	0.37 341	0.39 325	0.34 319	0.37 282	0.32 274
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
LL-Strereo	1.33 320	0.39 247	1.38 308	0.61 219	0.61 290	0.75 157	0.66 247	1.63 231	1.17 206	1.56 310	1.60 283	2.03 345	2.12 371	9.72 409	0.97 257	0.21 145	0.18 196	0.27 238	0.23 219	0.22 153	0.25 208

CRFU-Net	0.86 231	0.39 247	1.00 237	0.65 260	0.57 269	1.78 335	0.86 293	2.15 342	0.81 70	1.38 269	1.18 162	1.64 308	1.19 292	1.35 146	0.90 247	0.26 245	0.22 256	0.21 97	0.19 109	0.23 178	0.24 196

TestStereo	0.64 127	0.39 247	0.71 115	0.51 95	0.27 33	0.56 69	0.42 97	1.03 77	0.91 98	0.80 63	1.00 88	0.68 70	0.52 61	3.25 310	0.45 93	0.22 168	0.15 126	0.24 171	0.18 89	0.27 223	0.16 42

HCRNet	0.70 156	0.39 247	0.73 131	0.60 207	0.59 284	0.76 162	0.35 47	1.22 143	1.13 189	1.02 108	0.99 85	1.02 179	0.76 149	2.19 266	0.70 192	0.28 264	0.19 209	0.28 248	0.23 219	0.25 203	0.23 184

Wz-Net-LNSev-Ref	0.99 265	0.40 251	1.82 346	0.66 265	0.62 295	2.05 353	0.78 272	1.91 297	1.29 256	1.54 306	1.42 238	1.51 288	1.23 300	1.99 249	1.33 299	0.23 191	0.14 76	0.20 74	0.15 31	0.27 223	0.26 226

sCroCo_RVC	0.49 36	0.40 251	1.02 247	0.65 260	0.60 287	0.52 52	0.40 84	0.83 22	0.61 23	0.44 9	0.74 39	0.49 30	0.50 57	0.63 26	0.48 116	0.26 245	0.27 293	0.23 151	0.22 199	0.29 242	0.25 208

DMCA-RVC	0.74 179	0.40 251	1.27 295	0.66 265	0.49 229	0.77 168	0.47 149	1.35 165	1.01 137	1.53 302	1.01 93	1.29 251	0.82 172	1.31 138	0.78 217	0.27 254	0.21 242	0.35 306	0.27 262	0.32 263	0.24 196

HITNet	0.65 132	0.40 251	0.77 160	0.48 52	0.24 9	1.05 242	0.49 164	1.76 260	1.02 140	1.18 182	1.18 162	0.89 135	0.80 165	0.85 67	0.79 223	0.17 32	0.12 9	0.21 97	0.17 75	0.29 242	0.15 27
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
iResNet	0.75 186	0.40 251	1.36 307	0.67 275	0.29 63	0.92 213	0.59 229	1.52 204	1.25 235	1.28 222	1.48 259	0.94 149	0.76 149	1.62 199	0.78 217	0.18 60	0.14 76	0.18 37	0.15 31	0.22 153	0.23 184

DLCB_ROB	0.86 231	0.40 251	0.78 168	0.68 285	0.54 259	1.11 251	0.84 287	1.49 192	1.23 228	1.64 322	1.65 296	1.70 315	0.91 210	1.70 214	1.05 263	0.25 231	0.24 274	0.26 227	0.27 262	0.27 223	0.24 196

FAT-Stereo	1.07 282	0.41 257	1.32 302	0.72 303	0.58 277	1.08 248	0.89 298	1.96 309	1.65 335	1.75 330	1.98 334	2.03 345	1.48 328	2.02 251	1.18 285	0.42 331	0.35 334	0.34 299	0.29 290	0.35 272	0.53 337

NVstereo2D	0.92 246	0.41 257	1.48 323	0.72 303	0.72 318	1.20 272	0.87 295	1.75 254	1.38 296	0.99 100	1.13 145	1.26 241	0.98 241	2.21 268	0.89 245	0.43 336	0.20 226	0.38 319	0.24 230	0.57 345	0.63 355

StereoDRNet-Refined	0.80 205	0.41 257	0.88 201	0.62 231	0.42 193	1.33 287	0.48 157	1.52 204	1.17 206	1.45 286	1.44 245	1.44 274	0.90 208	1.26 132	1.24 288	0.20 118	0.16 157	0.27 238	0.24 230	0.25 203	0.28 243
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
RAFT + AFF	1.00 269	0.42 260	1.09 266	0.67 275	0.50 235	1.22 274	1.24 345	2.24 359	1.19 213	1.30 234	1.56 275	1.17 218	1.49 330	3.44 317	0.83 234	0.21 145	0.25 281	0.30 265	0.26 254	0.27 223	0.27 232

stereogan	1.15 303	0.42 260	1.40 309	0.86 346	0.84 349	2.38 367	0.71 260	1.88 288	1.73 342	1.72 328	1.94 333	2.31 356	1.29 308	2.07 256	1.08 268	0.36 311	0.35 334	0.39 325	0.31 302	0.51 335	0.46 321

pmcnn	2.37 376	0.42 260	2.71 376	0.63 239	0.43 198	1.54 311	1.19 342	2.01 320	1.53 327	2.64 373	7.60 402	18.07 416	1.45 324	3.44 317	2.78 362	0.18 60	0.15 126	0.15 3	0.12 9	0.20 98	0.18 79

CVANet_RVC	1.07 282	0.43 263	0.76 156	0.60 207	0.50 235	0.90 205	0.97 315	1.52 204	1.26 240	1.33 254	1.38 229	1.24 233	1.18 289	6.75 380	0.75 207	0.34 301	0.23 265	0.34 299	0.29 290	0.42 306	0.27 232

NLCA_NET_v2_RVC	0.79 202	0.43 263	1.05 255	0.64 248	0.58 277	0.95 222	0.53 186	1.53 210	1.18 210	1.37 264	1.15 154	1.43 270	0.88 201	1.61 198	0.84 237	0.25 231	0.22 256	0.27 238	0.27 262	0.29 242	0.29 246
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AdaStereo	0.70 156	0.43 263	0.75 147	0.73 310	0.37 154	0.92 213	0.53 186	1.85 282	1.18 210	1.12 138	1.23 176	1.07 194	0.65 125	0.96 84	0.63 181	0.31 283	0.15 126	0.32 282	0.21 174	0.29 242	0.22 166
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.
fast-acv-ft	0.94 250	0.44 266	1.40 309	0.58 183	0.51 245	1.77 333	0.69 256	1.36 167	1.42 311	1.29 227	1.86 323	1.74 320	1.25 303	1.52 180	1.38 306	0.26 245	0.28 299	0.28 248	0.28 279	0.27 223	0.26 226

Anonymous3	0.61 108	0.44 266	1.11 271	0.59 196	0.49 229	0.93 216	0.65 242	0.93 45	0.81 70	0.72 52	0.88 63	0.65 64	0.69 131	1.06 106	0.53 146	0.35 308	0.30 311	0.26 227	0.26 254	0.31 258	0.27 232

TDLM	1.06 280	0.44 266	0.79 170	0.63 239	0.50 235	0.89 203	1.44 357	1.48 191	1.26 240	1.12 138	1.40 235	1.08 195	0.98 241	6.65 374	0.78 217	0.33 293	0.21 242	0.33 289	0.26 254	0.37 282	0.24 196

DRN-Test	1.00 269	0.44 266	1.13 275	0.70 293	0.81 345	1.62 317	0.79 275	2.14 340	1.44 314	1.78 333	1.33 211	1.43 270	1.05 265	2.18 265	1.53 328	0.27 254	0.21 242	0.31 269	0.30 298	0.32 263	0.28 243

CBMV_ROB	0.90 241	0.44 266	0.63 67	0.51 95	0.37 154	1.25 278	0.49 164	1.77 263	1.27 247	1.41 277	2.00 335	1.33 257	1.08 273	2.17 262	0.76 209	0.43 336	0.42 354	0.47 345	0.44 345	0.41 301	0.36 289

CBMV	0.95 253	0.44 266	0.66 83	0.53 120	0.35 141	1.53 310	1.63 368	1.69 242	1.42 311	2.00 352	1.60 283	1.43 270	1.17 286	1.59 196	0.99 260	0.34 301	0.34 326	0.39 325	0.33 314	0.33 269	0.32 274
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
iinet-f	0.99 265	0.45 272	3.71 384	0.55 154	0.43 198	1.81 336	0.68 252	1.14 119	1.14 191	1.18 182	1.42 238	1.58 298	1.44 322	1.34 145	1.59 331	0.24 206	0.23 265	0.20 74	0.19 109	0.26 211	0.25 208

GMStereo	0.55 78	0.45 272	0.94 220	0.50 72	0.32 107	0.64 97	0.43 113	1.00 68	1.40 305	0.82 70	0.73 37	0.51 33	0.45 30	0.85 67	0.55 156	0.24 206	0.15 126	0.20 74	0.21 174	0.31 258	0.24 196
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SACVNet	0.85 226	0.46 274	0.85 182	0.81 330	0.56 266	0.80 182	0.79 275	1.68 240	1.12 179	1.34 257	1.33 211	1.25 237	0.94 224	2.39 280	0.76 209	0.34 301	0.26 285	0.31 269	0.29 290	0.35 272	0.44 315

LMCR-Stereo	0.82 213	0.46 274	0.88 201	0.75 316	0.43 198	1.33 287	0.56 209	2.43 373	0.98 123	1.53 302	1.49 260	0.74 82	1.00 251	1.63 200	0.89 245	0.28 264	0.17 181	0.22 123	0.17 75	0.29 242	0.20 135

S-Stereo	1.15 303	0.46 274	2.17 360	0.81 330	0.80 343	1.21 273	1.19 342	1.93 304	2.02 360	1.47 289	2.11 342	1.57 295	1.17 286	2.05 255	1.41 314	0.40 324	0.40 350	0.35 306	0.31 302	0.44 318	0.70 363

NOSS_ROB	1.26 312	0.46 274	0.62 64	0.56 166	0.38 171	1.06 245	0.78 272	1.73 248	1.40 305	1.01 105	1.43 242	1.10 203	0.75 141	10.62 412	0.65 185	0.45 342	0.43 355	0.48 346	0.45 347	0.44 318	0.41 305

whm_eth	0.65 132	0.47 278	1.05 255	0.55 154	0.64 298	0.69 133	0.45 136	1.34 163	1.26 240	1.02 108	1.92 330	0.49 30	0.48 48	0.70 34	0.52 138	0.23 191	0.20 226	0.25 207	0.24 230	0.24 192	0.31 268

FADNet-RVC-Resample	0.84 222	0.47 278	2.10 356	0.61 219	0.45 211	1.07 247	0.61 234	1.59 220	1.20 218	1.08 119	0.98 83	1.03 182	0.98 241	2.17 262	0.72 200	0.23 191	0.22 256	0.30 265	0.32 308	0.35 272	0.34 280

GANet	1.36 323	0.47 278	0.86 188	0.67 275	0.45 211	1.34 289	1.73 370	1.64 232	1.24 232	1.49 297	2.38 354	1.55 293	1.20 295	9.30 403	0.93 249	0.30 276	0.31 317	0.33 289	0.28 279	0.39 294	0.30 258

StereoDRNet	0.98 264	0.47 278	1.70 337	0.76 318	0.94 360	1.51 308	0.91 303	1.92 300	1.32 271	1.61 317	1.13 145	1.47 283	0.97 237	1.75 220	1.46 323	0.28 264	0.23 265	0.29 256	0.27 262	0.35 272	0.27 232

WCMA_ROB	1.84 357	0.47 278	1.31 299	0.69 288	0.57 269	2.11 356	1.14 336	1.87 286	1.73 342	4.04 393	6.43 396	5.62 396	3.61 393	2.59 287	1.94 345	0.52 355	0.44 358	0.39 325	0.42 341	0.48 327	0.47 324

dd	0.59 99	0.48 283	0.97 229	0.55 154	0.32 107	0.64 97	0.47 149	1.02 74	1.34 277	0.78 58	0.86 58	0.58 48	0.54 69	1.01 96	0.86 242	0.28 264	0.18 196	0.26 227	0.19 109	0.32 263	0.24 196

ADCP+	1.99 366	0.48 283	7.73 397	0.66 265	0.91 356	2.30 363	1.05 327	1.82 276	1.34 277	1.54 306	1.32 209	1.74 320	1.61 339	2.17 262	13.37 406	0.24 206	0.21 242	0.32 282	0.28 279	0.37 282	0.29 246

DeepPruner_ROB	0.74 179	0.48 283	0.87 198	0.57 177	0.44 204	0.79 177	0.54 190	1.73 248	0.96 111	1.38 269	1.27 191	1.24 233	0.73 137	1.43 166	0.73 203	0.34 301	0.28 299	0.27 238	0.26 254	0.31 258	0.31 268

BEATNet_4x	0.73 176	0.49 286	1.17 280	0.53 120	0.26 20	1.03 239	0.55 203	1.82 276	1.06 154	1.21 193	1.22 172	0.96 161	0.91 210	1.01 96	1.06 265	0.21 145	0.14 76	0.24 171	0.19 109	0.37 282	0.21 151

Nwc_Net	1.09 287	0.49 286	1.33 304	0.89 355	0.80 343	1.49 307	0.66 247	2.19 353	1.27 247	1.32 246	2.26 349	1.96 337	1.54 332	1.92 241	1.34 301	0.40 324	0.30 311	0.43 336	0.45 347	0.38 290	0.37 291

RYNet	1.17 306	0.49 286	1.24 289	0.70 293	0.97 364	1.71 324	0.92 305	1.91 297	1.46 317	1.38 269	1.14 148	1.88 325	1.30 312	4.24 327	1.87 340	0.26 245	0.21 242	0.35 306	0.27 262	0.55 342	0.54 338

XPNet_ROB	0.96 254	0.49 286	1.09 266	0.72 303	0.57 269	1.11 251	1.14 336	1.66 238	1.23 228	1.85 342	1.39 233	1.64 308	1.11 278	1.80 229	1.42 318	0.38 319	0.30 311	0.33 289	0.29 290	0.37 282	0.34 280

STTStereo	0.78 199	0.50 290	1.22 285	0.64 248	0.54 259	0.89 203	0.54 190	1.44 185	1.11 175	1.38 269	1.09 125	1.27 245	0.85 186	1.43 166	0.83 234	0.29 272	0.27 293	0.33 289	0.39 333	0.32 263	0.30 258

RP	1.09 287	0.50 290	1.12 273	0.90 356	1.04 366	1.11 251	0.84 287	1.80 271	1.62 333	1.55 309	2.00 335	1.90 329	1.78 352	1.84 232	1.25 289	0.52 355	0.36 339	0.48 346	0.36 327	0.45 321	0.43 313

edge stereo	1.11 293	0.50 290	1.30 298	0.71 300	0.65 301	1.14 256	0.75 264	1.93 304	1.37 292	1.71 327	1.83 318	2.54 365	1.44 322	2.43 282	1.23 287	0.42 331	0.41 352	0.54 357	0.35 323	0.42 306	0.46 321

SDNR	1.62 344	0.51 293	2.17 360	0.53 120	0.56 266	3.80 393	0.45 136	1.54 212	1.29 256	1.33 254	2.41 357	1.08 195	0.96 234	11.18 413	1.16 280	0.66 371	0.63 382	0.43 336	0.32 308	0.64 356	0.67 360

GwcNet	1.08 285	0.51 293	2.33 365	0.79 324	1.18 377	1.76 330	0.70 258	1.68 240	1.47 318	1.41 277	1.64 294	1.74 320	1.04 261	2.20 267	1.41 314	0.30 276	0.29 307	0.29 256	0.27 262	0.30 251	0.35 285

FADNet_RVC	0.83 218	0.51 293	1.83 348	0.54 135	0.42 193	1.19 270	0.46 143	1.51 201	1.09 169	0.89 78	1.24 178	0.91 137	0.87 197	2.11 259	1.11 275	0.27 254	0.22 256	0.31 269	0.28 279	0.43 311	0.38 297

AF-Net	1.13 298	0.52 296	1.33 304	0.86 346	0.91 356	1.38 295	0.71 260	2.16 345	1.62 333	1.56 310	2.40 356	1.99 340	1.65 342	1.81 231	1.48 325	0.48 350	0.28 299	0.49 348	0.33 314	0.39 294	0.32 274

AANet_RVC	1.16 305	0.52 296	1.49 325	0.65 260	0.45 211	0.75 157	0.69 256	1.42 178	1.55 330	1.34 257	1.87 325	1.53 290	0.78 158	7.43 389	1.38 306	0.25 231	0.17 181	0.19 50	0.16 59	0.22 153	0.26 226

PSMNet_ROB	0.90 241	0.52 296	1.17 280	0.72 303	0.61 290	1.27 280	1.12 334	1.76 260	1.12 179	1.09 124	1.28 195	1.45 276	0.89 207	1.65 202	1.42 318	0.33 293	0.25 281	0.37 316	0.39 333	0.35 272	0.29 246

APVNet	1.06 280	0.53 299	1.42 311	0.84 339	0.79 338	1.92 344	0.82 285	1.90 293	1.08 163	1.08 119	1.43 242	1.56 294	1.13 283	3.07 303	1.58 329	0.31 283	0.34 326	0.42 334	0.36 327	0.36 278	0.37 291

FINET	0.97 260	0.54 300	1.60 331	0.63 239	0.79 338	1.08 248	1.07 329	1.56 217	2.20 366	1.15 157	1.49 260	0.94 149	0.88 201	2.32 274	1.05 263	0.42 331	0.35 334	0.32 282	0.28 279	0.43 311	0.38 297

NCC-stereo	1.10 290	0.54 300	1.24 289	0.84 339	0.94 360	1.29 283	0.89 298	2.01 320	1.34 277	1.32 246	1.74 307	1.88 325	1.74 349	2.35 276	1.25 289	0.45 342	0.37 341	0.45 340	0.58 368	0.42 306	0.42 309

Abc-Net	1.10 290	0.54 300	1.24 289	0.84 339	0.94 360	1.29 283	0.89 298	2.01 320	1.34 277	1.32 246	1.74 307	1.88 325	1.74 349	2.35 276	1.25 289	0.45 342	0.37 341	0.45 340	0.58 368	0.42 306	0.42 309
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
Anonymous_2	1.30 316	0.55 303	0.82 178	0.52 111	0.58 277	1.01 237	0.64 240	1.25 151	0.97 118	0.96 91	0.78 46	1.33 257	1.29 308	1.03 99	0.74 204	0.62 367	0.64 383	1.06 382	9.63 419	1.16 379	0.49 331

ADCRef	1.35 322	0.55 303	2.37 367	0.72 303	0.77 333	1.94 346	0.78 272	1.91 297	1.27 247	1.57 314	1.59 282	1.36 262	1.41 319	1.54 186	7.53 391	0.23 191	0.20 226	0.32 282	0.30 298	0.29 242	0.29 246

NaN_ROB	1.13 298	0.55 303	1.15 277	0.64 248	0.48 226	1.61 316	2.03 387	1.72 247	1.48 319	2.09 355	1.27 191	1.40 266	1.08 273	3.94 323	1.30 297	0.28 264	0.34 326	0.28 248	0.28 279	0.30 251	0.33 278

sAnonymous2	0.55 78	0.56 306	1.46 318	0.60 207	0.51 245	0.48 21	0.52 180	0.79 13	0.68 45	0.50 27	0.67 26	0.46 16	0.62 112	0.59 15	0.40 59	0.22 168	0.17 181	0.22 123	0.21 174	0.86 369	0.56 342

CroCo_RVC	0.55 78	0.56 306	1.46 318	0.60 207	0.51 245	0.48 21	0.52 180	0.79 13	0.68 45	0.50 27	0.67 26	0.46 16	0.62 112	0.59 15	0.40 59	0.22 168	0.17 181	0.22 123	0.21 174	0.86 369	0.56 342

NCCL2	1.00 269	0.56 306	1.06 258	0.75 316	0.57 269	1.31 285	1.72 369	1.77 263	1.36 288	1.50 298	1.17 160	1.91 330	1.17 286	1.54 186	1.29 296	0.35 308	0.31 317	0.45 340	0.44 345	0.40 298	0.40 301

MeshStereo	2.26 372	0.56 306	0.92 216	0.61 219	0.49 229	2.60 373	1.02 324	3.18 386	2.05 362	7.40 412	4.98 392	7.58 402	2.98 388	6.37 370	1.96 346	0.43 336	0.43 355	0.45 340	0.39 333	0.43 311	0.42 309
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
ADCL	1.72 354	0.57 310	3.66 382	0.67 275	0.61 290	2.61 374	1.85 377	1.96 309	1.67 337	1.90 346	1.83 318	2.06 348	1.90 361	2.13 260	9.15 399	0.26 245	0.24 274	0.34 299	0.32 308	0.38 290	0.35 285

PA-Net	1.01 273	0.57 310	1.29 297	0.64 248	0.74 323	1.19 270	0.84 287	1.69 242	1.43 313	1.16 168	1.19 165	1.32 256	1.19 292	3.42 315	1.25 289	0.29 272	0.45 362	0.33 289	0.49 357	0.32 263	0.47 324
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
SANet	1.88 359	0.57 310	2.18 362	0.63 239	0.40 184	2.80 379	1.57 365	2.39 371	5.88 403	2.36 365	3.57 376	3.72 383	2.97 387	4.74 336	1.76 336	0.34 301	0.30 311	0.32 282	0.29 290	0.48 327	0.37 291

HBP-ISP	0.96 254	0.58 313	0.72 119	0.61 219	0.46 221	1.64 320	0.76 267	1.86 285	1.28 252	1.30 234	1.53 267	0.86 124	0.94 224	3.27 311	0.69 191	0.45 342	0.44 358	0.54 357	0.48 354	0.47 324	0.40 301

Wz-Net-MNSev	1.11 293	0.58 313	2.23 363	0.66 265	0.71 316	1.95 347	1.46 358	1.98 314	1.45 316	1.79 336	1.43 242	1.49 285	1.33 315	1.97 248	1.42 318	0.27 254	0.23 265	0.28 248	0.28 279	0.34 271	0.31 268

PS-NSSS	0.99 265	0.58 313	0.93 218	0.58 183	0.57 269	0.91 207	0.80 281	1.81 275	1.14 191	1.14 154	1.67 301	1.00 170	0.83 181	4.62 335	0.78 217	0.37 315	0.31 317	0.52 351	0.32 308	0.45 321	0.38 297

SuperB	2.53 382	0.59 316	18.45 412	0.69 288	0.50 235	1.87 343	0.88 296	1.67 239	2.39 369	1.50 298	1.42 238	1.14 215	1.15 285	4.28 330	5.07 381	0.24 206	0.19 209	0.22 123	0.19 109	7.86 419	0.34 280

MANE	6.19 404	0.59 316	1.03 251	0.93 362	1.22 380	13.38 416	2.69 401	12.81 417	17.94 419	8.21 413	10.82 411	14.72 414	11.68 412	11.39 414	11.90 405	0.59 364	0.50 371	0.52 351	1.76 405	0.55 342	0.54 338

FC-DCNN	2.72 389	0.59 316	0.86 188	0.73 310	0.57 269	2.91 380	1.04 326	3.01 384	2.60 377	6.83 408	7.64 403	9.92 409	6.33 408	5.21 345	3.14 367	0.53 361	0.48 367	0.51 350	0.50 359	0.53 339	0.51 336

DPSNet	1.69 350	0.59 316	4.33 385	0.70 293	0.57 269	2.02 352	1.62 367	3.35 389	1.78 345	1.48 295	1.38 229	2.17 350	2.84 385	4.77 337	3.66 373	0.48 350	0.31 317	0.29 256	0.25 241	0.64 356	0.48 327

CSAN	1.41 329	0.59 316	1.26 292	0.70 293	0.50 235	1.76 330	1.78 372	1.77 263	1.90 354	2.35 363	2.32 351	1.92 333	1.94 363	5.56 356	1.49 326	0.43 336	0.35 334	0.40 330	0.41 339	0.43 311	0.41 305

LALA_ROB	1.01 273	0.59 316	1.16 278	0.67 275	0.51 245	1.63 318	1.26 349	1.69 242	1.38 296	1.81 339	1.37 225	1.94 335	1.02 258	1.58 194	1.38 306	0.37 315	0.27 293	0.43 336	0.37 330	0.43 311	0.37 291

MSMD_ROB	1.99 366	0.59 316	0.89 206	0.70 293	0.61 290	3.95 395	0.94 311	1.80 271	1.79 346	4.41 397	4.43 383	8.17 405	3.66 394	3.40 313	1.33 299	0.52 355	0.48 367	0.54 357	0.58 368	0.53 339	0.50 332

TRStereo	0.60 102	0.60 323	0.97 229	0.74 312	0.67 305	0.46 19	0.38 70	1.85 282	0.89 89	0.79 61	0.80 53	0.88 131	0.39 14	1.10 113	0.41 66	0.23 191	0.15 126	0.23 151	0.24 230	0.17 25	0.15 27

GMStereo_Zeroshot	0.67 149	0.61 324	1.01 241	0.64 248	0.37 154	0.84 198	0.35 47	1.05 87	1.12 179	1.12 138	1.06 114	1.27 245	0.54 69	1.19 124	0.59 165	0.32 288	0.17 181	0.31 269	0.18 89	0.52 337	0.22 166

FADNet	0.92 246	0.61 324	1.81 345	0.62 231	0.55 265	0.96 226	0.57 219	1.78 267	1.33 274	0.93 84	1.01 93	1.36 262	1.01 253	2.71 292	0.75 207	0.33 293	0.34 326	0.31 269	0.34 319	0.59 349	0.40 301

DANet	1.08 285	0.61 324	1.32 302	0.85 344	0.72 318	1.37 292	0.51 171	1.54 212	1.15 200	1.78 333	1.54 269	2.01 342	1.11 278	2.90 298	2.00 348	0.33 293	0.30 311	0.40 330	0.30 298	0.44 318	0.45 317
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
FBW_ROB	1.71 353	0.62 327	1.45 316	0.67 275	0.61 290	1.81 336	1.08 330	2.52 376	1.70 339	1.77 332	1.73 306	1.98 339	1.25 303	12.57 415	1.84 339	0.34 301	0.37 341	0.56 364	0.38 332	0.45 321	0.43 313

FCDSN-DC	2.32 374	0.63 328	0.81 176	0.84 339	0.75 329	2.23 360	0.94 311	2.09 334	1.80 347	5.45 406	7.72 404	7.77 404	6.93 410	3.39 312	1.80 338	0.52 355	0.48 367	0.52 351	0.51 361	0.57 345	0.58 347
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
G-Net	1.66 346	0.63 328	1.56 328	1.11 375	0.74 323	2.98 382	0.91 303	1.55 216	1.22 225	2.76 377	8.18 407	2.32 357	2.53 382	1.92 241	1.87 340	0.48 350	0.44 358	0.45 340	0.31 302	0.60 353	0.57 346

ETE_ROB	0.96 254	0.64 330	1.16 278	0.69 288	0.48 226	1.14 256	1.13 335	1.77 263	1.19 213	1.91 347	1.45 247	1.73 318	1.05 265	1.60 197	1.14 278	0.32 288	0.26 285	0.38 319	0.34 319	0.39 294	0.41 305

PDISCO_ROB	1.32 319	0.65 331	1.44 312	1.36 379	1.46 385	2.55 371	0.92 305	2.45 374	2.07 363	1.37 264	1.49 260	1.65 310	1.00 251	2.82 294	1.35 304	1.01 378	0.27 293	0.54 357	0.47 352	0.71 365	0.73 366

dad	0.86 231	0.66 332	1.06 258	0.56 166	0.37 154	0.76 162	0.44 125	1.17 124	1.50 322	1.44 284	1.27 191	1.34 261	0.75 141	2.52 285	0.84 237	0.42 331	0.27 293	0.83 374	0.26 254	0.41 301	0.29 246

Wz-Net-LNSev	1.03 276	0.67 333	2.71 376	0.64 248	0.84 349	1.75 328	1.00 321	1.80 271	1.32 271	1.28 222	1.25 182	1.65 310	1.22 299	1.39 159	1.40 310	0.28 264	0.26 285	0.24 171	0.23 219	0.33 269	0.32 274

ccnet	1.12 295	0.67 333	1.01 241	0.78 323	0.73 321	1.72 326	0.99 319	1.84 281	1.26 240	1.47 289	1.85 322	1.75 323	1.29 308	1.75 220	1.88 342	0.57 363	0.53 374	0.57 366	0.55 365	0.59 349	0.54 338

FADNet-RVC	0.88 236	0.67 333	1.93 352	0.60 207	0.48 226	0.91 207	0.60 233	1.71 246	1.18 210	0.90 79	0.96 75	1.36 262	0.92 213	2.25 271	1.17 282	0.30 276	0.29 307	0.32 282	0.32 308	0.41 301	0.35 285

Syn2CoEx	1.14 300	0.69 336	1.66 334	0.80 327	0.67 305	1.40 297	0.88 296	2.06 330	1.54 328	1.25 213	1.58 281	1.42 269	1.50 331	4.09 325	1.40 310	0.36 311	0.32 324	0.34 299	0.29 290	0.29 242	0.34 280

psmorigin	1.52 336	0.69 336	10.52 405	0.68 285	0.59 284	1.13 255	0.70 258	1.57 218	1.19 213	1.99 350	1.79 314	2.26 353	1.47 327	2.09 257	1.36 305	0.39 322	0.40 350	0.34 299	0.33 314	0.43 311	0.56 342

ADCPNet	1.85 358	0.69 336	8.07 398	0.71 300	0.58 277	2.79 378	1.22 344	1.94 306	1.54 328	1.88 343	1.69 302	2.46 364	2.04 367	2.37 278	6.48 386	0.38 319	0.37 341	0.38 319	0.43 343	0.47 324	0.45 317

XX-TBD	0.46 25	0.70 339	0.35 1	0.79 324	0.25 18	0.58 75	0.26 10	0.69 4	1.27 247	0.76 54	1.00 88	0.45 15	0.33 10	0.47 3	0.37 38	0.19 92	0.15 126	0.15 3	0.11 6	0.17 25	0.14 11

SHD	1.31 317	0.71 340	2.34 366	0.86 346	0.75 329	1.77 333	0.65 242	2.22 357	2.50 376	2.40 367	1.71 304	1.91 330	1.60 338	1.93 244	2.37 356	0.38 319	0.31 317	0.38 319	0.40 337	0.48 327	0.50 332

RTSC	1.29 314	0.73 341	2.44 368	0.83 338	0.57 269	1.85 341	0.65 242	1.88 288	2.00 359	2.20 358	1.66 298	1.60 301	1.26 305	2.33 275	3.92 375	0.32 288	0.23 265	0.27 238	0.29 290	0.37 282	0.37 291

ADCMid	1.89 362	0.73 341	5.06 388	0.72 303	0.67 305	2.00 351	1.14 336	1.97 313	1.48 319	2.86 380	1.81 317	2.37 359	2.05 369	2.24 269	10.39 403	0.33 293	0.31 317	0.39 325	0.43 343	0.50 331	0.44 315

DeepPrunerF	1.60 341	0.73 341	5.81 393	0.88 352	1.19 378	0.91 207	0.95 313	2.19 353	5.24 401	1.17 177	1.30 199	1.19 222	1.30 312	4.90 340	1.66 334	0.42 331	0.34 326	0.52 351	0.47 352	0.41 301	0.40 301

ELAS_RVC	2.48 381	0.74 344	1.90 350	1.05 370	0.92 358	2.76 376	4.01 409	2.76 379	4.11 395	4.69 400	4.63 387	4.62 387	5.96 406	3.97 324	3.96 376	0.63 369	0.53 374	0.56 364	0.52 362	0.64 356	0.63 355
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	2.37 376	0.74 344	1.54 327	0.99 366	0.92 358	4.78 401	2.33 397	3.33 388	3.37 388	5.05 405	4.77 390	3.67 381	4.53 401	3.42 315	4.50 379	0.62 367	0.53 374	0.55 361	0.53 363	0.63 354	0.64 359
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Anonymous Stereo	1.28 313	0.75 346	2.45 369	0.74 312	0.77 333	0.93 216	1.77 371	1.51 201	1.31 266	1.67 324	1.29 198	1.20 223	0.75 141	6.29 369	1.68 335	0.37 315	0.36 339	0.38 319	0.40 337	0.43 311	0.45 317

PWCDC_ROB	1.29 314	0.75 346	1.33 304	1.05 370	0.88 355	1.73 327	0.52 180	1.89 290	3.28 386	1.29 227	4.88 391	1.22 226	1.46 325	1.77 227	1.45 322	0.60 365	0.26 285	0.29 256	0.25 241	0.52 337	0.37 291

DGSMNet	1.14 300	0.76 348	2.49 371	0.81 330	0.86 352	1.39 296	1.39 354	2.13 336	1.35 285	1.26 217	1.63 293	1.48 284	0.98 241	1.75 220	1.10 273	0.45 342	0.43 355	0.55 361	0.49 357	0.75 367	0.70 363

PWC_ROB	1.24 309	0.76 348	2.46 370	0.72 303	0.78 336	1.15 261	0.49 164	1.75 254	1.92 355	2.31 360	3.07 369	1.59 299	1.40 318	2.46 283	2.10 352	0.33 293	0.22 256	0.35 306	0.24 230	0.38 290	0.41 305

aanetorigin	1.23 308	0.79 350	2.78 378	0.70 293	0.79 338	0.99 234	1.06 328	1.06 100	1.37 292	3.52 388	2.61 362	1.72 317	1.63 340	1.99 249	1.78 337	0.25 231	0.24 274	0.26 227	0.25 241	0.38 290	0.45 317

RGC	1.14 300	0.79 350	1.26 292	0.91 359	0.96 363	1.52 309	0.77 270	1.92 300	1.26 240	1.54 306	1.93 331	2.02 344	1.54 332	2.25 271	1.31 298	0.44 341	0.35 334	0.58 367	0.48 354	0.47 324	0.46 321

MFN_U_SF_RVC	1.52 336	0.84 352	3.42 380	0.87 351	0.66 303	2.56 372	0.95 313	2.36 368	1.70 339	1.98 349	1.86 323	2.45 363	1.79 353	2.95 299	2.58 358	0.52 355	0.48 367	0.55 361	0.59 371	0.59 349	0.61 353

PVD	1.70 351	0.84 352	2.26 364	0.94 364	0.83 348	2.48 369	0.97 315	2.59 378	3.35 387	3.01 385	2.77 365	2.34 358	2.47 381	2.67 291	3.14 367	0.47 349	0.45 362	0.59 368	0.48 354	0.59 349	0.75 368

SAMSARA	1.55 338	0.84 352	2.61 373	1.22 378	1.07 367	2.50 370	1.93 382	2.05 325	1.89 352	2.75 376	1.66 298	2.81 372	1.69 347	3.08 305	1.97 347	0.46 348	0.51 372	0.42 334	0.46 350	0.58 347	0.59 349

GANetREF_RVC	1.07 282	0.86 355	1.31 299	0.82 335	0.53 256	1.41 301	1.31 351	1.76 260	1.52 325	1.27 220	1.31 204	1.46 278	1.24 302	2.03 252	0.96 256	0.56 362	0.45 362	0.67 369	0.50 359	0.88 371	0.59 349
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
MFN_U_SF_DS_RVC	1.74 355	0.87 356	3.56 381	0.80 327	0.75 329	3.72 390	2.44 400	1.82 276	1.82 349	1.74 329	1.91 329	1.92 333	1.26 305	7.69 393	1.28 295	0.45 342	0.47 366	0.52 351	0.77 377	0.50 331	0.50 332

XQC	1.37 324	0.87 356	2.56 372	0.84 339	0.69 313	1.83 339	0.89 298	2.07 331	1.88 351	1.88 343	1.53 267	1.91 330	1.55 334	2.85 297	3.05 364	0.48 350	0.29 307	0.44 339	0.39 333	0.69 363	0.60 352

SQANet	1.31 317	0.88 358	1.08 265	1.83 387	1.44 384	1.44 303	0.75 264	1.74 252	1.09 169	1.32 246	1.26 188	1.28 248	1.01 253	1.50 179	0.83 234	2.50 393	0.34 326	1.47 385	0.55 365	2.32 388	1.57 388

PASM	1.34 321	0.92 359	2.62 374	0.86 346	0.87 354	1.03 239	1.08 330	1.50 196	1.51 324	1.82 340	1.41 237	1.68 313	1.26 305	4.87 339	1.34 301	0.61 366	0.65 385	0.68 370	0.78 378	0.69 363	0.68 362

WZ-Net	1.95 363	0.95 360	10.10 402	0.86 346	0.78 336	1.69 323	1.60 366	2.20 356	1.98 358	2.08 354	1.93 331	2.30 355	1.97 364	5.30 346	3.17 369	0.34 301	0.26 285	0.29 256	0.31 302	0.51 335	0.47 324

GASNet	0.99 265	0.97 361	1.72 339	0.98 365	0.68 311	0.83 191	0.67 250	1.60 223	1.28 252	1.31 244	1.22 172	1.22 226	1.21 298	2.41 281	1.41 314	0.43 336	0.26 285	0.36 314	0.34 319	0.55 342	0.31 268

anonymity	1.12 295	0.97 361	1.21 283	1.07 373	1.12 372	1.08 248	0.89 298	1.95 308	1.16 204	1.29 227	1.26 188	1.22 226	1.09 276	1.15 121	1.01 261	1.02 380	1.00 401	0.97 378	0.97 388	0.98 373	0.99 376

Consistency-Raft	1.25 311	0.99 363	1.93 352	1.02 369	1.21 379	0.96 226	1.01 323	1.75 254	1.92 355	1.36 262	2.12 343	1.44 274	1.01 253	1.14 120	1.40 310	0.72 372	0.82 388	0.89 376	0.98 390	1.31 383	0.95 374

ADCS	2.25 371	0.99 363	5.55 390	0.81 330	0.74 323	2.19 359	1.80 373	2.27 361	2.14 364	2.80 379	2.13 344	2.40 361	2.03 366	2.64 290	13.69 407	0.41 328	0.39 348	0.40 330	0.45 347	0.58 347	0.56 342

MaskLacGwcNet_RVC	1.10 290	1.02 365	1.00 237	0.82 335	0.67 305	1.93 345	0.93 309	1.62 229	1.11 175	1.15 157	1.25 182	1.50 286	0.79 160	1.96 247	0.76 209	1.89 388	0.34 326	0.79 373	0.36 327	1.25 382	0.83 370

SPS-STEREO	1.67 347	1.04 366	1.23 286	1.21 377	1.13 374	1.82 338	1.11 332	2.16 345	1.52 325	3.07 387	2.32 351	2.82 373	1.80 354	4.11 326	2.04 349	1.03 381	0.99 400	0.97 378	0.94 386	1.03 377	1.02 377
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
NVStereoNet_ROB	1.88 359	1.07 367	1.45 316	1.07 373	1.17 375	1.47 304	1.48 360	1.89 290	1.93 357	1.94 348	4.67 389	3.08 377	1.80 354	6.51 372	1.65 332	1.06 383	0.86 395	1.08 383	1.32 395	0.93 372	1.26 385
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SGM+DAISY	2.41 379	1.07 367	2.14 359	1.18 376	1.10 369	2.14 358	1.36 353	1.96 309	1.66 336	5.46 407	7.07 399	4.95 392	4.32 400	5.50 353	2.26 355	1.04 382	1.02 403	0.99 380	0.97 388	1.02 376	1.04 379

EDNetEfficient	2.37 376	1.10 369	8.08 399	0.74 312	0.71 316	0.98 233	1.56 363	1.46 188	4.06 394	4.90 402	2.82 366	2.25 352	3.48 392	2.95 299	9.97 400	0.26 245	0.24 274	0.26 227	0.30 298	0.68 362	0.61 353

AnyNet_C32	1.96 364	1.10 369	5.17 389	0.90 356	1.11 370	2.12 357	2.37 398	1.85 282	1.48 319	2.45 368	1.70 303	2.05 347	1.64 341	2.50 284	10.28 402	0.37 315	0.34 326	0.35 306	0.41 339	0.49 330	0.54 338

LSM	6.33 405	1.10 369	13.19 408	1.41 383	68.17 432	1.64 320	1.90 381	1.92 300	2.46 371	2.99 383	3.11 370	1.88 325	1.80 354	2.61 289	2.06 351	0.41 328	0.58 380	0.50 349	0.57 367	0.64 356	17.66 424

otaku	1.60 341	1.11 372	1.21 283	2.20 389	1.56 386	1.97 348	1.24 345	2.07 331	1.36 288	1.44 284	1.62 290	1.73 318	1.19 292	1.73 219	0.98 259	2.89 397	0.57 379	1.74 386	0.60 372	2.78 393	1.94 393

AnonymousM	0.59 99	1.11 372	0.41 9	0.44 23	0.32 107	0.43 14	0.47 149	1.05 87	0.64 28	0.98 98	0.63 22	0.67 68	0.43 23	0.59 15	0.41 66	0.20 118	0.15 126	1.84 389	0.84 381	0.14 2	0.13 3

MFMNet_re	1.40 328	1.14 374	1.68 335	1.39 381	1.07 367	1.48 305	1.43 356	1.87 286	1.82 349	2.26 359	2.19 346	1.51 288	1.86 358	1.52 180	1.25 289	0.93 376	0.83 389	0.84 375	0.80 379	0.99 375	1.05 381

Ntro	1.64 345	1.15 375	1.23 286	2.48 394	1.83 388	2.09 355	1.16 339	1.96 309	1.38 296	1.21 193	1.62 290	1.62 303	1.29 308	1.87 238	1.11 275	3.04 398	0.56 378	1.82 388	0.64 373	2.80 394	2.05 394

MSC_U_SF_DS_RVC	2.12 368	1.15 375	3.10 379	1.05 370	0.76 332	5.03 404	2.40 399	2.16 345	2.62 378	1.89 345	2.28 350	2.69 370	1.65 342	9.35 405	2.04 349	0.64 370	0.51 372	0.68 370	0.71 375	1.09 378	0.67 360

UDGNet	0.72 162	1.17 377	0.80 175	0.77 321	0.41 190	0.77 168	0.38 70	0.97 60	1.34 277	0.81 67	0.88 63	0.71 80	0.60 98	1.21 126	0.54 152	0.52 355	0.19 209	1.02 381	0.26 254	0.71 365	0.31 268

Wz-Net-SNSev	1.49 332	1.23 378	6.27 395	0.68 285	0.67 305	1.37 292	1.41 355	2.00 316	1.39 300	1.48 295	1.61 287	2.29 354	1.32 314	3.93 322	2.14 353	0.31 283	0.28 299	0.31 269	0.33 314	0.42 306	0.36 289

CC-Net-ROB	1.49 332	1.26 379	1.27 295	0.88 352	0.79 338	1.76 330	1.00 321	1.79 269	1.26 240	1.10 132	1.61 287	1.21 224	0.99 249	8.13 397	0.84 237	1.09 384	0.41 352	2.20 390	0.46 350	1.20 381	0.48 327

RTS	2.67 384	1.38 380	15.28 410	0.99 366	1.26 381	3.78 391	1.96 384	2.15 342	2.62 378	2.61 371	2.85 367	2.60 367	1.59 336	6.27 367	5.71 384	0.40 324	0.28 299	0.35 306	0.35 323	0.50 331	0.48 327

RTSA	2.67 384	1.38 380	15.28 410	0.99 366	1.26 381	3.78 391	1.96 384	2.15 342	2.62 378	2.61 371	2.85 367	2.60 367	1.59 336	6.27 367	5.71 384	0.40 324	0.28 299	0.35 306	0.35 323	0.50 331	0.48 327

WAO-7	2.66 383	1.40 382	1.73 341	1.39 381	1.17 375	3.93 394	1.94 383	4.11 395	3.88 393	2.92 381	5.50 393	4.18 385	3.00 389	7.63 392	3.71 374	1.13 386	1.00 401	1.17 384	1.13 394	1.18 380	1.09 383

ACVNet_2	2.43 380	1.41 383	2.04 354	2.62 395	2.24 394	2.63 375	1.88 380	3.31 387	3.01 383	2.19 357	3.45 375	4.62 387	2.04 367	4.50 333	1.47 324	2.55 394	0.64 383	2.22 391	0.84 381	2.69 392	2.29 397

ACVNet-4b	2.15 369	1.41 383	1.64 332	2.80 396	2.31 397	2.31 364	1.24 345	2.32 364	2.14 364	1.26 217	2.39 355	2.66 369	1.48 328	5.95 365	1.06 265	3.20 402	0.45 362	2.37 394	0.89 383	2.83 397	2.37 398

ACVNet_1	2.18 370	1.45 385	1.72 339	2.85 398	2.33 398	2.28 362	1.46 358	3.08 385	2.22 367	1.82 340	2.05 340	3.56 380	1.98 365	3.09 306	1.40 310	3.17 399	0.60 381	2.40 398	0.92 385	2.91 400	2.37 398

EDNetEfficientorigin	10.57 412	1.47 386	177.42 437	0.67 275	0.53 256	1.58 314	1.16 339	1.90 293	3.37 388	4.71 401	3.38 373	3.10 378	2.69 384	3.13 307	3.58 372	0.25 231	0.23 265	0.33 289	0.27 262	0.83 368	0.81 369

Dean	2.91 392	1.53 387	2.07 355	2.96 402	2.51 400	3.15 383	2.14 391	4.75 400	4.41 398	2.76 377	6.10 395	5.53 395	2.37 377	2.97 301	1.92 344	3.18 400	0.85 393	2.51 401	1.04 393	2.88 399	2.47 401

WAO-6	2.81 390	1.60 388	1.46 318	2.36 393	2.28 396	3.55 388	2.29 396	4.21 396	4.56 399	2.36 365	4.51 384	4.88 391	2.66 383	4.60 334	4.07 378	1.72 387	1.15 407	2.31 393	1.46 401	2.31 387	1.85 391

LVE	3.31 394	1.67 389	1.64 332	2.85 398	2.42 399	3.20 385	2.26 395	4.78 401	5.05 400	2.35 363	6.91 397	6.02 397	2.37 377	9.15 401	2.17 354	3.19 401	1.08 406	2.38 396	1.47 402	2.81 395	2.40 400

RainbowNet	1.97 365	1.76 390	1.57 329	2.81 397	2.21 393	1.98 350	1.81 374	2.54 377	1.89 352	1.50 298	1.84 320	1.96 337	1.65 342	2.14 261	1.25 289	3.33 404	0.85 393	2.39 397	0.98 390	2.82 396	2.22 395

AnyNet_C01	2.26 372	1.78 391	10.22 404	0.93 362	0.74 323	2.92 381	2.20 393	2.29 363	1.80 347	2.53 370	2.41 357	2.71 371	1.73 348	3.41 314	6.72 388	0.41 328	0.39 348	0.40 330	0.42 341	0.67 361	0.63 355

IMH-64-1	2.70 387	1.79 392	1.46 318	3.26 405	2.66 401	3.23 386	2.10 388	4.08 393	2.75 381	2.34 361	3.81 379	3.06 375	2.22 374	4.25 328	2.59 359	3.75 408	0.84 390	2.75 404	1.35 396	3.15 402	2.60 404

IMH-64	2.70 387	1.79 392	1.46 318	3.26 405	2.66 401	3.23 386	2.10 388	4.08 393	2.75 381	2.34 361	3.81 379	3.06 375	2.22 374	4.25 328	2.59 359	3.75 408	0.84 390	2.75 404	1.35 396	3.15 402	2.60 404

WAO-8	4.40 397	1.82 394	1.79 343	2.34 391	2.20 391	9.19 409	1.53 361	6.09 407	16.46 413	3.94 391	7.84 405	7.32 399	3.72 396	9.41 407	3.31 370	2.00 389	1.07 404	2.44 399	1.37 399	2.50 389	1.68 389

Venus	4.40 397	1.82 394	1.79 343	2.34 391	2.20 391	9.19 409	1.53 361	6.09 407	16.46 413	3.94 391	7.84 405	7.32 399	3.72 396	9.41 407	3.31 370	2.00 389	1.07 404	2.44 399	1.37 399	2.50 389	1.68 389

IMH	3.21 393	1.85 396	1.48 323	3.25 404	2.69 403	4.07 397	2.02 386	4.41 398	3.80 392	2.72 374	7.11 400	4.75 390	2.92 386	5.92 363	2.55 357	3.85 411	0.88 396	2.78 406	1.36 398	3.19 404	2.59 403

JetBlue	3.97 395	2.01 397	10.19 403	1.38 380	2.84 405	10.53 412	9.54 412	3.60 391	2.41 370	2.73 375	3.39 374	4.54 386	4.31 399	7.85 396	6.84 389	0.88 374	0.93 399	0.89 376	0.91 384	1.74 384	1.91 392

TorneroNet-64	5.30 403	2.03 398	1.74 342	3.43 407	2.81 404	10.09 411	2.12 390	9.10 414	17.12 418	4.96 404	9.27 410	10.72 413	3.70 395	9.20 402	4.55 380	3.31 403	0.84 390	2.88 407	1.55 403	3.49 405	3.04 407

TorneroNet	10.70 413	2.03 398	1.82 346	3.43 407	3.01 406	43.83 428	2.22 394	8.87 413	67.47 437	7.17 411	27.36 422	10.68 412	3.85 398	8.67 400	7.65 396	3.59 406	0.88 396	3.04 408	1.57 404	3.71 406	3.17 408

PWCK	2.88 391	2.05 400	5.72 392	2.08 388	1.11 370	3.55 388	3.90 408	2.86 382	3.54 391	3.03 386	3.63 377	3.10 378	2.31 376	8.15 399	3.09 365	2.12 391	0.91 398	1.75 387	0.98 390	2.57 391	1.18 384

KSHMR	8.75 411	2.06 401	2.11 357	3.53 409	3.11 407	4.13 398	2.69 401	5.60 404	61.37 436	3.00 384	55.83 436	4.98 394	2.45 380	4.49 332	2.61 361	3.46 405	1.55 411	3.14 410	1.94 408	3.72 407	3.18 409

Wz-Net-TNSev	1.88 359	2.08 402	7.66 396	0.67 275	0.64 298	2.42 368	1.83 376	2.33 365	1.74 344	1.57 314	1.56 275	2.58 366	1.90 361	4.86 338	3.12 366	0.39 322	0.37 341	0.33 289	0.37 330	0.53 339	0.58 347

coex-ft	8.13 410	2.13 403	98.04 436	0.67 275	0.53 256	1.71 324	1.56 363	1.65 233	11.11 408	18.17 422	3.75 378	3.88 384	7.61 411	2.98 302	6.49 387	0.30 276	0.30 311	0.32 282	0.31 302	0.66 360	0.50 332

UNDER WATER-64	5.27 402	2.32 404	8.78 401	3.93 413	3.54 412	7.61 407	3.03 407	5.84 406	14.19 409	4.04 393	4.04 381	9.39 408	6.26 407	5.93 364	8.48 397	3.60 407	1.51 410	3.13 409	1.88 406	4.29 412	3.61 412

UNDER WATER	5.08 401	2.33 405	5.55 390	3.94 414	3.51 411	5.20 405	2.72 403	5.61 405	16.52 415	3.84 390	4.60 386	9.21 407	5.89 405	5.90 362	8.66 398	3.75 408	1.34 408	3.18 411	1.88 406	4.33 413	3.61 412

ktn	4.70 399	2.38 406	2.12 358	3.76 410	3.24 408	4.85 402	2.95 406	5.52 403	7.37 406	4.07 395	19.32 419	7.46 401	3.47 391	7.39 387	2.95 363	4.04 412	1.85 412	3.26 412	2.22 411	3.08 401	2.65 406

notaker	3.98 396	2.40 407	2.68 375	3.82 412	3.27 410	3.97 396	2.14 391	4.78 401	3.45 390	4.12 396	6.94 398	7.65 403	3.26 390	7.82 395	5.30 383	4.04 412	1.41 409	3.36 413	2.10 410	3.88 408	3.31 410

UDG	1.41 329	2.65 408	0.99 232	1.44 384	1.64 387	1.34 289	0.80 281	1.60 223	1.23 228	1.23 201	1.71 304	2.01 342	1.34 316	1.47 175	1.41 314	0.90 375	0.54 377	2.29 392	0.75 376	1.84 385	1.04 379

DDUNet	1.50 334	2.69 409	1.12 273	1.77 386	1.88 389	1.84 340	0.92 305	1.70 245	1.16 204	1.38 269	1.79 314	1.60 301	1.12 281	1.37 150	1.08 268	1.10 385	0.76 386	2.37 394	0.94 386	2.00 386	1.37 386

DispFullNet	2.34 375	2.85 410	3.66 382	3.08 403	2.27 395	1.97 348	0.67 250	2.00 316	1.70 339	2.52 369	2.00 335	2.23 351	5.86 404	3.44 317	1.58 329	1.01 378	0.32 324	2.64 403	1.94 408	2.85 398	2.24 396

MADNet++	5.01 400	3.14 411	4.91 387	4.55 416	3.94 414	5.20 405	4.41 410	4.40 397	4.13 396	4.95 403	6.08 394	4.74 389	5.37 402	9.40 406	10.67 404	4.65 414	4.15 416	3.97 415	3.34 414	4.09 410	4.08 415

MADNet+	2.69 386	3.22 412	11.53 407	1.44 384	1.12 372	3.19 384	1.81 374	2.85 381	2.37 368	1.68 325	2.07 341	2.85 374	2.18 372	7.41 388	5.23 382	0.79 373	0.76 386	0.69 372	0.65 374	0.98 373	0.95 374

HanzoNet	11.04 414	3.62 413	8.10 400	4.08 415	3.55 413	4.90 403	2.73 404	7.19 411	10.10 407	31.86 432	28.92 424	21.96 423	36.36 425	18.08 418	10.17 401	7.94 418	3.32 414	3.47 414	3.31 413	7.06 418	4.04 414

DPSimNet_ROB	11.20 415	4.98 414	35.43 424	2.90 401	4.52 415	7.89 408	17.09 416	4.66 399	6.06 404	14.89 418	10.93 412	17.29 415	36.81 427	13.18 416	15.68 412	2.86 396	6.29 418	5.75 418	5.09 416	3.91 409	7.70 418

SPstereo	26.54 422	6.08 415	10.71 406	5.55 417	5.68 416	48.14 429	80.43 436	67.31 437	34.39 432	28.70 430	27.52 423	43.76 434	37.60 432	45.04 436	54.41 437	4.92 417	4.89 417	10.74 423	5.88 417	4.46 414	4.57 416

DPSMNet_ROB	13.02 417	8.23 416	21.91 414	9.53 420	18.11 418	11.56 414	32.02 423	10.64 416	16.23 412	7.05 410	19.49 421	10.16 411	16.66 415	9.85 411	22.43 419	4.77 416	8.68 419	5.38 417	10.26 421	6.17 417	11.36 419

DGTPSM_ROB	13.01 416	8.23 416	21.87 413	9.51 419	18.10 417	11.56 414	32.01 422	10.63 415	16.20 411	7.03 409	19.48 420	10.15 410	16.66 415	9.83 410	22.42 418	4.75 415	8.68 419	5.37 416	10.25 420	6.16 416	11.36 419

JetRed	6.91 408	8.80 418	25.96 420	2.85 398	3.25 409	13.98 418	11.87 413	6.25 409	4.28 397	4.45 398	4.56 385	6.69 398	5.46 403	7.46 390	14.05 408	2.59 395	3.31 413	2.59 402	2.29 412	4.20 411	3.36 411

ASD4		10.99 419

BEATNet-Init1	26.87 423	13.43 420	70.68 435	0.91 359	0.68 311	57.02 436	21.06 418	32.82 428	32.67 425	52.12 436	53.61 435	66.05 436	49.56 436	48.79 437	34.71 427	0.49 354	0.44 358	0.53 356	0.53 363	0.63 354	0.59 349

Anonymous_1	43.04 433	18.73 421	24.79 417	21.81 421	46.26 431	27.80 419	37.60 424	28.08 423	16.14 410	14.66 417	14.30 413	20.65 417	17.88 417	21.56 419	25.94 421	117.93 437	8.92 421	100.65 434	126.50 434	158.64 437	12.08 421

DPSM_ROB	19.08 418	19.14 422	25.17 418	22.15 422	20.85 420	28.17 420	37.82 425	26.56 421	16.85 416	14.14 415	14.84 414	21.70 418	18.75 418	21.87 420	26.55 422	10.16 422	9.30 422	10.47 421	10.42 422	14.03 420	12.61 422

DPSM	19.08 418	19.14 422	25.17 418	22.15 422	20.85 420	28.17 420	37.82 425	26.56 421	16.85 416	14.14 415	14.84 414	21.70 418	18.75 418	21.87 420	26.55 422	10.16 422	9.30 422	10.47 421	10.42 422	14.03 420	12.61 422

xxxxx1	54.10 435	25.67 424	27.13 421	113.43 434	96.96 434	30.69 424	47.44 427	32.38 425	25.60 420	17.75 419	17.27 416	21.81 420	21.02 420	24.43 423	33.82 424	33.37 431	40.54 432	157.71 435	175.86 435	66.16 433	72.93 435

tt_ll	54.10 435	25.67 424	27.13 421	113.43 434	96.96 434	30.69 424	47.44 427	32.38 425	25.60 420	17.75 419	17.27 416	21.81 420	21.02 420	24.43 423	33.82 424	33.37 431	40.54 432	157.71 435	175.86 435	66.16 433	72.93 435

ff	54.10 435	25.67 424	27.13 421	113.43 434	96.96 434	30.69 424	47.44 427	32.38 425	25.60 420	17.75 419	17.27 416	21.81 420	21.02 420	24.43 423	33.82 424	33.37 431	40.54 432	157.71 435	175.86 435	66.16 433	72.93 435

LRCNet_RVC	22.74 420	32.10 427	21.97 415	29.84 424	26.23 422	4.42 400	0.81 284	22.66 419	2.02 360	26.93 424	29.26 425	23.06 425	15.59 414	23.84 422	18.88 415	31.75 430	19.90 431	34.65 430	32.13 430	30.54 429	28.32 430

PML	51.67 434	36.25 428	13.28 409	7.46 418	20.81 419	108.69 437	232.22 438	8.72 412	27.82 424	87.01 437	269.67 438	69.67 437	61.95 437	24.76 426	14.20 409	9.74 421	3.40 415	9.62 420	4.70 415	18.74 422	4.72 417

CasAABBNet	38.33 424	38.46 429	50.35 429	44.75 432	41.84 426	56.68 433	76.37 431	53.22 434	33.83 427	28.31 425	29.54 426	43.62 433	37.71 433	43.84 433	53.41 432	20.30 424	18.70 426	21.07 427	21.07 425	28.24 426	25.34 425

Selective-RAFT-Error	38.39 428	38.47 430	50.44 433	44.73 428	41.97 430	56.68 433	76.38 432	53.24 435	33.92 428	28.34 426	29.85 427	43.60 432	38.20 434	43.75 429	53.34 431	20.38 428	18.70 426	21.09 428	21.05 424	28.30 427	25.43 429

MyStereo03	38.34 425	38.50 431	50.41 430	44.74 429	41.86 427	56.65 430	76.38 432	52.99 431	33.93 429	28.39 427	29.99 428	43.54 429	37.42 429	43.82 430	53.53 433	20.31 425	18.71 428	21.06 424	21.08 426	28.23 423	25.35 426

MyStereo02	38.34 425	38.50 431	50.41 430	44.74 429	41.86 427	56.65 430	76.38 432	52.99 431	33.93 429	28.39 427	29.99 428	43.54 429	37.42 429	43.82 430	53.53 433	20.31 425	18.71 428	21.06 424	21.08 426	28.23 423	25.35 426

MyStereo	38.34 425	38.50 431	50.41 430	44.74 429	41.86 427	56.65 430	76.38 432	52.99 431	33.93 429	28.39 427	29.99 428	43.54 429	37.42 429	43.82 430	53.53 433	20.31 425	18.71 428	21.06 424	21.08 426	28.23 423	25.35 426

LSM0	42.82 432	38.75 434	50.81 434	47.07 433	109.38 437	57.00 435	76.02 430	53.74 436	33.71 426	29.02 431	30.41 431	43.87 435	37.22 428	43.91 434	53.54 436	20.52 429	18.62 425	21.10 429	21.11 429	28.41 428	42.22 431

HaxPig	38.92 429	41.40 435	41.64 425	29.95 425	32.27 423	28.90 422	27.60 419	29.73 424	37.71 433	43.82 433	43.87 432	33.17 426	35.56 424	41.53 427	40.37 429	43.94 434	47.51 436	45.82 431	47.08 432	42.38 430	44.15 433

AVERAGE_ROB	40.43 430	42.37 436	42.73 426	36.96 427	35.58 425	30.50 423	27.61 420	36.71 430	38.39 434	44.91 434	44.36 433	37.45 428	36.70 426	41.88 428	40.35 428	45.43 435	46.81 435	47.11 432	46.35 431	42.51 431	43.87 432

MEDIAN_ROB	42.00 431	44.40 437	44.29 428	35.15 426	34.95 424	31.28 427	29.60 421	35.88 429	40.02 435	47.20 435	46.64 434	37.37 427	38.48 435	44.35 435	42.45 430	48.03 436	49.39 437	49.71 433	49.03 433	45.14 432	46.65 434

DLNR_Zeroshot_test	23.17 421	48.52 438	43.29 427	176.68 437	78.69 433	0.35 5	0.21 1	23.41 420	0.75 57	0.66 43	0.86 58	0.59 52	0.30 4	1.56 191	0.44 85	9.57 420	0.12 9	0.18 37	0.14 23	76.92 436	0.16 42

test_example2	192.40 438	210.76 439	206.48 438	199.83 438	204.73 438	172.94 438	183.52 437	133.93 438	133.41 438	191.38 438	196.19 437	187.13 438	178.77 438	205.33 438	208.00 438	222.09 438	238.72 438	186.54 438	190.54 438	227.34 438	170.31 438

Low-res two-view benchmark