Low-res two-view results

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

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

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

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

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

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

Selective-IGEV	0.07 1	0.06 17	0.09 24	0.17 106	0.06 2	0.08 22	0.12 23	0.13 9	0.08 1	0.08 4	0.07 13	0.06 3	0.04 1	0.10 15	0.09 16	0.05 2	0.04 2	0.05 2	0.04 7	0.04 1	0.03 1

LoS_RVC	0.08 2	0.05 5	0.07 1	0.15 35	0.07 14	0.08 22	0.15 119	0.12 3	0.11 15	0.08 4	0.09 23	0.06 3	0.09 64	0.10 15	0.09 16	0.05 2	0.04 2	0.05 2	0.03 1	0.04 1	0.04 4

CAS	0.08 2	0.04 1	0.07 1	0.17 106	0.08 45	0.10 56	0.13 45	0.12 3	0.09 2	0.09 14	0.10 35	0.08 23	0.06 6	0.09 10	0.09 16	0.08 187	0.04 2	0.05 2	0.03 1	0.05 36	0.04 4

CES	0.08 2	0.04 1	0.08 6	0.14 11	0.07 14	0.09 36	0.14 75	0.11 1	0.09 2	0.08 4	0.09 23	0.11 69	0.07 28	0.12 90	0.08 9	0.06 50	0.04 2	0.05 2	0.03 1	0.05 36	0.05 42

EGLCR-Stereo	0.08 2	0.05 5	0.08 6	0.14 11	0.07 14	0.11 77	0.12 23	0.11 1	0.16 82	0.06 1	0.05 1	0.07 17	0.05 2	0.10 15	0.11 69	0.06 50	0.04 2	0.06 30	0.05 31	0.04 1	0.04 4

CREStereo++_RVC	0.08 2	0.04 1	0.07 1	0.13 6	0.07 14	0.09 36	0.12 23	0.14 15	0.14 54	0.10 33	0.14 77	0.08 23	0.07 28	0.10 15	0.11 69	0.06 50	0.04 2	0.05 2	0.05 31	0.04 1	0.04 4
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
ff7	0.09 7	0.07 51	0.11 62	0.16 59	0.09 120	0.11 77	0.15 119	0.16 35	0.12 25	0.10 33	0.06 2	0.06 3	0.06 6	0.11 41	0.09 16	0.05 2	0.04 2	0.06 30	0.05 31	0.05 36	0.06 95

IGEVStereo-DCA	0.09 7	0.07 51	0.11 62	0.16 59	0.10 212	0.11 77	0.15 119	0.16 35	0.12 25	0.10 33	0.06 2	0.08 23	0.06 6	0.10 15	0.09 16	0.06 50	0.05 79	0.06 30	0.05 31	0.05 36	0.06 95

ffff	0.09 7	0.07 51	0.11 62	0.16 59	0.09 120	0.11 77	0.15 119	0.16 35	0.12 25	0.10 33	0.06 2	0.06 3	0.06 6	0.11 41	0.09 16	0.05 2	0.04 2	0.06 30	0.05 31	0.05 36	0.06 95

rrr	0.09 7	0.07 51	0.13 108	0.16 59	0.10 212	0.11 77	0.15 119	0.16 35	0.15 66	0.10 33	0.06 2	0.08 23	0.06 6	0.10 15	0.09 16	0.06 50	0.05 79	0.06 30	0.05 31	0.05 36	0.06 95

11t	0.09 7	0.07 51	0.11 62	0.16 59	0.09 120	0.11 77	0.15 119	0.16 35	0.12 25	0.10 33	0.06 2	0.06 3	0.06 6	0.11 41	0.09 16	0.05 2	0.04 2	0.06 30	0.05 31	0.05 36	0.06 95

StereoIM	0.09 7	0.09 178	0.08 6	0.17 106	0.09 120	0.14 150	0.11 10	0.16 35	0.16 82	0.09 14	0.11 49	0.06 3	0.06 6	0.09 10	0.13 145	0.07 140	0.06 184	0.08 157	0.05 31	0.05 36	0.04 4

IGEV_Zeroshot_test	0.09 7	0.05 5	0.13 108	0.14 11	0.08 45	0.12 102	0.13 45	0.17 62	0.11 15	0.10 33	0.06 2	0.09 37	0.06 6	0.11 41	0.09 16	0.06 50	0.04 2	0.06 30	0.06 80	0.05 36	0.05 42

MSKI-zero shot	0.09 7	0.05 5	0.09 24	0.16 59	0.07 14	0.10 56	0.13 45	0.15 21	0.14 54	0.09 14	0.09 23	0.09 37	0.06 6	0.12 90	0.11 69	0.06 50	0.04 2	0.05 2	0.04 7	0.04 1	0.05 42

MIF-Stereo	0.09 7	0.07 51	0.08 6	0.18 173	0.08 45	0.13 121	0.11 10	0.12 3	0.11 15	0.10 33	0.12 59	0.05 1	0.06 6	0.09 10	0.10 43	0.07 140	0.06 184	0.05 2	0.05 31	0.06 92	0.05 42

CASnet	0.09 7	0.09 178	0.09 24	0.19 218	0.06 2	0.07 15	0.11 10	0.18 86	0.14 54	0.11 58	0.10 35	0.09 37	0.07 28	0.10 15	0.10 43	0.06 50	0.04 2	0.10 264	0.08 208	0.06 92	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.09 7	0.05 5	0.08 6	0.14 11	0.13 298	0.14 150	0.13 45	0.15 21	0.09 2	0.07 2	0.09 23	0.07 17	0.08 48	0.10 15	0.09 16	0.06 50	0.04 2	0.06 30	0.05 31	0.05 36	0.04 4

RAFT-Test	0.09 7	0.06 17	0.10 38	0.16 59	0.07 14	0.11 77	0.15 119	0.16 35	0.13 40	0.09 14	0.10 35	0.11 69	0.09 64	0.12 90	0.09 16	0.06 50	0.04 2	0.05 2	0.04 7	0.05 36	0.05 42

HH	0.09 7	0.06 17	0.13 108	0.17 106	0.08 45	0.11 77	0.16 168	0.15 21	0.10 6	0.08 4	0.10 35	0.08 23	0.07 28	0.10 15	0.09 16	0.06 50	0.04 2	0.06 30	0.05 31	0.05 36	0.04 4

HanStereo	0.09 7	0.06 17	0.13 108	0.17 106	0.08 45	0.11 77	0.16 168	0.15 21	0.10 6	0.08 4	0.10 35	0.08 23	0.07 28	0.10 15	0.09 16	0.06 50	0.04 2	0.06 30	0.05 31	0.05 36	0.04 4

anonymousdsp	0.09 7	0.07 51	0.11 62	0.17 106	0.09 120	0.11 77	0.15 119	0.16 35	0.12 25	0.10 33	0.06 2	0.06 3	0.06 6	0.11 41	0.09 16	0.05 2	0.04 2	0.06 30	0.05 31	0.05 36	0.06 95

LoS	0.09 7	0.05 5	0.11 62	0.13 6	0.07 14	0.14 150	0.11 10	0.15 21	0.15 66	0.09 14	0.09 23	0.12 87	0.09 64	0.15 158	0.10 43	0.07 140	0.05 79	0.05 2	0.03 1	0.05 36	0.05 42

ProNet	0.09 7	0.07 51	0.11 62	0.17 106	0.08 45	0.11 77	0.15 119	0.15 21	0.12 25	0.10 33	0.06 2	0.07 17	0.06 6	0.11 41	0.09 16	0.05 2	0.05 79	0.06 30	0.05 31	0.04 1	0.06 95

MC-Stereo	0.09 7	0.07 51	0.09 24	0.17 106	0.06 2	0.10 56	0.14 75	0.12 3	0.11 15	0.09 14	0.12 59	0.09 37	0.06 6	0.11 41	0.10 43	0.06 50	0.04 2	0.06 30	0.05 31	0.04 1	0.04 4

RCA-Stereo	0.09 7	0.06 17	0.09 24	0.16 59	0.06 2	0.09 36	0.13 45	0.18 86	0.14 54	0.10 33	0.11 49	0.08 23	0.07 28	0.12 90	0.11 69	0.06 50	0.04 2	0.06 30	0.05 31	0.05 36	0.04 4

CroCo-Stereo Lap2	0.09 7	0.09 178	0.08 6	0.22 301	0.09 120	0.09 36	0.18 225	0.16 35	0.12 25	0.09 14	0.10 35	0.05 1	0.05 2	0.08 5	0.08 9	0.06 50	0.06 184	0.07 98	0.05 31	0.06 92	0.05 42

ccc-4	0.09 7	0.07 51	0.11 62	0.16 59	0.09 120	0.11 77	0.15 119	0.16 35	0.12 25	0.10 33	0.06 2	0.06 3	0.06 6	0.11 41	0.09 16	0.05 2	0.04 2	0.06 30	0.05 31	0.05 36	0.06 95

IGEV-Stereo	0.09 7	0.07 51	0.11 62	0.17 106	0.09 120	0.11 77	0.15 119	0.16 35	0.12 25	0.10 33	0.06 2	0.06 3	0.06 6	0.11 41	0.09 16	0.05 2	0.04 2	0.06 30	0.05 31	0.05 36	0.06 95
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 7	0.05 5	0.13 108	0.14 11	0.09 120	0.12 102	0.15 119	0.19 109	0.11 15	0.11 58	0.08 17	0.08 23	0.05 2	0.10 15	0.09 16	0.06 50	0.04 2	0.06 30	0.05 31	0.06 92	0.05 42

test-3	0.09 7	0.06 17	0.10 38	0.18 173	0.07 14	0.07 15	0.14 75	0.12 3	0.16 82	0.10 33	0.08 17	0.08 23	0.08 48	0.11 41	0.10 43	0.05 2	0.04 2	0.07 98	0.05 31	0.04 1	0.04 4

test_1	0.09 7	0.06 17	0.10 38	0.18 173	0.07 14	0.07 15	0.14 75	0.12 3	0.16 82	0.10 33	0.08 17	0.08 23	0.08 48	0.11 41	0.10 43	0.05 2	0.04 2	0.07 98	0.05 31	0.04 1	0.04 4

CroCo-Stereo	0.09 7	0.08 132	0.08 6	0.22 301	0.09 120	0.09 36	0.18 225	0.16 35	0.12 25	0.07 2	0.07 13	0.08 23	0.06 6	0.08 5	0.07 1	0.07 140	0.05 79	0.06 30	0.04 7	0.05 36	0.04 4
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
TANstereo	0.09 7	0.04 1	0.08 6	0.13 6	0.06 2	0.11 77	0.13 45	0.15 21	0.19 121	0.11 58	0.15 88	0.10 55	0.07 28	0.12 90	0.09 16	0.07 140	0.05 79	0.05 2	0.04 7	0.06 92	0.05 42

XX-TBD	0.09 7	0.06 17	0.07 1	0.14 11	0.07 14	0.13 121	0.16 168	0.14 15	0.14 54	0.11 58	0.12 59	0.09 37	0.08 48	0.10 15	0.10 43	0.06 50	0.04 2	0.05 2	0.04 7	0.06 92	0.05 42

raftrobust	0.09 7	0.06 17	0.11 62	0.17 106	0.08 45	0.09 36	0.10 5	0.18 86	0.16 82	0.10 33	0.09 23	0.12 87	0.08 48	0.12 90	0.10 43	0.08 187	0.05 79	0.06 30	0.05 31	0.05 36	0.06 95

XX-Stereo	0.09 7	0.05 5	0.09 24	0.17 106	0.09 120	0.15 170	0.12 23	0.21 130	0.10 6	0.10 33	0.14 77	0.07 17	0.06 6	0.13 127	0.08 9	0.06 50	0.05 79	0.06 30	0.06 80	0.04 1	0.04 4

test_xeample3	0.09 7	0.07 51	0.12 85	0.16 59	0.09 120	0.11 77	0.15 119	0.16 35	0.14 54	0.10 33	0.07 13	0.08 23	0.06 6	0.10 15	0.09 16	0.06 50	0.04 2	0.06 30	0.05 31	0.05 36	0.06 95

RAFT-Stereo + iAFF	0.09 7	0.06 17	0.10 38	0.17 106	0.07 14	0.10 56	0.15 119	0.17 62	0.15 66	0.10 33	0.10 35	0.08 23	0.09 64	0.12 90	0.10 43	0.05 2	0.04 2	0.06 30	0.06 80	0.04 1	0.03 1

AFF-stereo	0.09 7	0.07 51	0.10 38	0.17 106	0.07 14	0.10 56	0.15 119	0.18 86	0.10 6	0.10 33	0.11 49	0.09 37	0.10 77	0.12 90	0.10 43	0.05 2	0.04 2	0.07 98	0.07 156	0.04 1	0.04 4

EAI-Stereo	0.09 7	0.07 51	0.11 62	0.16 59	0.07 14	0.10 56	0.15 119	0.16 35	0.09 2	0.08 4	0.09 23	0.08 23	0.07 28	0.09 10	0.11 69	0.05 2	0.05 79	0.05 2	0.05 31	0.05 36	0.04 4

CFNet-RSSM	0.09 7	0.07 51	0.10 38	0.16 59	0.07 14	0.09 36	0.15 119	0.17 62	0.18 107	0.08 4	0.12 59	0.11 69	0.09 64	0.12 90	0.10 43	0.06 50	0.04 2	0.06 30	0.04 7	0.04 1	0.04 4

Gwc-CoAtRS	0.09 7	0.07 51	0.10 38	0.16 59	0.07 14	0.10 56	0.15 119	0.18 86	0.17 97	0.08 4	0.10 35	0.12 87	0.09 64	0.12 90	0.09 16	0.06 50	0.04 2	0.06 30	0.04 7	0.04 1	0.05 42

CREStereo	0.09 7	0.05 5	0.08 6	0.11 1	0.06 2	0.14 150	0.14 75	0.14 15	0.10 6	0.09 14	0.13 70	0.09 37	0.08 48	0.12 90	0.10 43	0.08 187	0.04 2	0.05 2	0.03 1	0.06 92	0.06 95
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	0.09 7	0.05 5	0.09 24	0.12 3	0.06 2	0.13 121	0.14 75	0.16 35	0.11 15	0.09 14	0.13 70	0.10 55	0.07 28	0.14 144	0.10 43	0.15 342	0.04 2	0.05 2	0.03 1	0.07 147	0.06 95

MyStereo07	0.10 45	0.07 51	0.10 38	0.17 106	0.09 120	0.14 150	0.17 187	0.15 21	0.15 66	0.09 14	0.06 2	0.06 3	0.07 28	0.12 90	0.09 16	0.06 50	0.05 79	0.08 157	0.07 156	0.06 92	0.06 95

MyStereo06	0.10 45	0.07 51	0.12 85	0.17 106	0.09 120	0.13 121	0.18 225	0.19 109	0.12 25	0.13 99	0.08 17	0.07 17	0.07 28	0.11 41	0.09 16	0.06 50	0.05 79	0.08 157	0.07 156	0.06 92	0.06 95

AE-Stereo	0.10 45	0.08 132	0.11 62	0.19 218	0.09 120	0.10 56	0.15 119	0.14 15	0.20 138	0.09 14	0.15 88	0.12 87	0.08 48	0.11 41	0.10 43	0.05 2	0.06 184	0.07 98	0.06 80	0.05 36	0.04 4

ACVNet-DCA	0.10 45	0.08 132	0.13 108	0.17 106	0.09 120	0.13 121	0.15 119	0.24 180	0.16 82	0.09 14	0.09 23	0.06 3	0.06 6	0.10 15	0.07 1	0.06 50	0.05 79	0.06 30	0.05 31	0.07 147	0.07 146

cc1	0.10 45	0.08 132	0.13 108	0.17 106	0.09 120	0.13 121	0.15 119	0.16 35	0.18 107	0.09 14	0.09 23	0.06 3	0.06 6	0.10 15	0.07 1	0.06 50	0.05 79	0.06 30	0.05 31	0.06 92	0.06 95

tt1	0.10 45	0.08 132	0.13 108	0.17 106	0.09 120	0.13 121	0.15 119	0.15 21	0.19 121	0.09 14	0.08 17	0.06 3	0.06 6	0.10 15	0.08 9	0.06 50	0.05 79	0.06 30	0.05 31	0.06 92	0.06 95

MIM_Stereo	0.10 45	0.07 51	0.11 62	0.15 35	0.07 14	0.07 15	0.12 23	0.20 119	0.14 54	0.13 99	0.14 77	0.09 37	0.05 2	0.12 90	0.08 9	0.05 2	0.06 184	0.07 98	0.06 80	0.06 92	0.05 42

Any-RAFT	0.10 45	0.05 5	0.10 38	0.15 35	0.07 14	0.13 121	0.14 75	0.21 130	0.15 66	0.11 58	0.12 59	0.13 109	0.10 77	0.13 127	0.10 43	0.07 140	0.04 2	0.05 2	0.04 7	0.06 92	0.05 42

4D-IteraStereo	0.10 45	0.07 51	0.10 38	0.18 173	0.07 14	0.09 36	0.15 119	0.18 86	0.15 66	0.10 33	0.11 49	0.10 55	0.07 28	0.12 90	0.09 16	0.05 2	0.03 1	0.08 157	0.07 156	0.06 92	0.05 42

fff	0.10 45	0.06 17	0.12 85	0.15 35	0.07 14	0.09 36	0.17 187	0.16 35	0.21 151	0.13 99	0.17 116	0.10 55	0.11 100	0.12 90	0.13 145	0.06 50	0.04 2	0.05 2	0.04 7	0.04 1	0.05 42

ADStereo(finetuned)	0.10 45	0.06 17	0.13 108	0.16 59	0.06 2	0.09 36	0.17 187	0.16 35	0.20 138	0.13 99	0.18 136	0.10 55	0.12 128	0.12 90	0.12 119	0.06 50	0.04 2	0.05 2	0.04 7	0.05 36	0.05 42

TRStereo	0.10 45	0.05 5	0.12 85	0.16 59	0.12 278	0.10 56	0.13 45	0.18 86	0.19 121	0.09 14	0.09 23	0.09 37	0.07 28	0.10 15	0.08 9	0.07 140	0.05 79	0.07 98	0.07 156	0.04 1	0.04 4

STrans-v2	0.10 45	0.07 51	0.13 108	0.18 173	0.08 45	0.10 56	0.14 75	0.22 149	0.11 15	0.11 58	0.15 88	0.12 87	0.10 77	0.11 41	0.12 119	0.05 2	0.04 2	0.06 30	0.06 80	0.05 36	0.05 42

TransformOpticalFlow	0.10 45	0.08 132	0.13 108	0.18 173	0.07 14	0.09 36	0.15 119	0.19 109	0.16 82	0.12 76	0.16 100	0.11 69	0.11 100	0.11 41	0.11 69	0.05 2	0.04 2	0.06 30	0.06 80	0.05 36	0.05 42

AnonymousM	0.10 45	0.06 17	0.10 38	0.14 11	0.07 14	0.09 36	0.13 45	0.19 109	0.14 54	0.13 99	0.12 59	0.09 37	0.08 48	0.13 127	0.10 43	0.08 187	0.05 79	0.08 157	0.05 31	0.05 36	0.05 42

cross-raft	0.10 45	0.09 178	0.09 24	0.19 218	0.07 14	0.11 77	0.24 316	0.13 9	0.15 66	0.08 4	0.10 35	0.12 87	0.10 77	0.09 10	0.11 69	0.05 2	0.04 2	0.06 30	0.05 31	0.04 1	0.04 4

test-1	0.10 45	0.07 51	0.17 222	0.19 218	0.08 45	0.11 77	0.24 316	0.15 21	0.18 107	0.09 14	0.07 13	0.10 55	0.08 48	0.08 5	0.09 16	0.06 50	0.04 2	0.06 30	0.06 80	0.04 1	0.05 42

iRaftStereo_RVC	0.10 45	0.07 51	0.10 38	0.17 106	0.09 120	0.11 77	0.17 187	0.18 86	0.12 25	0.09 14	0.11 49	0.10 55	0.07 28	0.11 41	0.10 43	0.05 2	0.04 2	0.08 157	0.08 208	0.04 1	0.04 4

s12784h	0.10 45	0.06 17	0.08 6	0.15 35	0.05 1	0.16 191	0.18 225	0.16 35	0.15 66	0.10 33	0.11 49	0.11 69	0.11 100	0.11 41	0.12 119	0.05 2	0.04 2	0.06 30	0.04 7	0.04 1	0.04 4

DCANet	0.10 45	0.06 17	0.12 85	0.16 59	0.06 2	0.09 36	0.17 187	0.16 35	0.20 138	0.13 99	0.18 136	0.10 55	0.11 100	0.11 41	0.12 119	0.06 50	0.04 2	0.05 2	0.04 7	0.05 36	0.05 42

csc	0.10 45	0.06 17	0.12 85	0.15 35	0.07 14	0.09 36	0.17 187	0.16 35	0.21 151	0.13 99	0.17 116	0.10 55	0.11 100	0.12 90	0.13 145	0.06 50	0.04 2	0.05 2	0.04 7	0.04 1	0.05 42

cscssc	0.10 45	0.06 17	0.12 85	0.15 35	0.07 14	0.09 36	0.17 187	0.16 35	0.21 151	0.13 99	0.17 116	0.10 55	0.11 100	0.12 90	0.13 145	0.06 50	0.04 2	0.05 2	0.04 7	0.04 1	0.05 42

R-Stereo Train	0.10 45	0.06 17	0.11 62	0.17 106	0.08 45	0.11 77	0.14 75	0.24 180	0.11 15	0.12 76	0.19 146	0.11 69	0.08 48	0.10 15	0.11 69	0.07 140	0.05 79	0.06 30	0.05 31	0.05 36	0.05 42

RAFT-Stereo	0.10 45	0.06 17	0.11 62	0.17 106	0.08 45	0.11 77	0.14 75	0.24 180	0.11 15	0.12 76	0.19 146	0.11 69	0.08 48	0.10 15	0.11 69	0.07 140	0.05 79	0.06 30	0.05 31	0.05 36	0.05 42
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
xx1	0.11 69	0.08 132	0.13 108	0.17 106	0.09 120	0.13 121	0.15 119	0.16 35	0.18 107	0.09 14	0.09 23	0.16 160	0.16 215	0.10 15	0.07 1	0.06 50	0.05 79	0.08 157	0.08 208	0.07 147	0.07 146

1test111	0.11 69	0.08 132	0.13 108	0.17 106	0.09 120	0.13 121	0.15 119	0.24 180	0.16 82	0.09 14	0.09 23	0.06 3	0.06 6	0.15 158	0.16 216	0.06 50	0.05 79	0.06 30	0.05 31	0.07 147	0.07 146

test croco	0.11 69	0.09 178	0.10 38	0.19 218	0.09 120	0.11 77	0.14 75	0.14 15	0.13 40	0.13 99	0.15 88	0.09 37	0.12 128	0.13 127	0.12 119	0.07 140	0.05 79	0.09 223	0.06 80	0.06 92	0.06 95

MIF-Stereo (partial)	0.11 69	0.06 17	0.10 38	0.19 218	0.10 212	0.10 56	0.12 23	0.17 62	0.19 121	0.14 120	0.16 100	0.10 55	0.11 100	0.12 90	0.12 119	0.08 187	0.05 79	0.08 157	0.07 156	0.06 92	0.07 146

EKT-Stereo	0.11 69	0.07 51	0.14 143	0.16 59	0.10 212	0.13 121	0.14 75	0.19 109	0.21 151	0.11 58	0.08 17	0.13 109	0.10 77	0.11 41	0.12 119	0.08 187	0.06 184	0.07 98	0.06 80	0.08 193	0.07 146

LL-Strereo2	0.11 69	0.10 232	0.16 203	0.18 173	0.08 45	0.15 170	0.09 3	0.17 62	0.14 54	0.14 120	0.11 49	0.09 37	0.07 28	0.16 183	0.10 43	0.05 2	0.05 79	0.11 290	0.07 156	0.06 92	0.05 42

anonymousdsp2	0.11 69	0.07 51	0.11 62	0.16 59	0.09 120	0.13 121	0.14 75	0.19 109	0.23 177	0.13 99	0.14 77	0.12 87	0.09 64	0.14 144	0.11 69	0.05 2	0.05 79	0.05 2	0.04 7	0.06 92	0.06 95

DCRE	0.11 69	0.07 51	0.13 108	0.16 59	0.11 250	0.11 77	0.17 187	0.18 86	0.17 97	0.11 58	0.18 136	0.11 69	0.10 77	0.15 158	0.11 69	0.06 50	0.05 79	0.06 30	0.06 80	0.05 36	0.05 42

knoymous	0.11 69	0.06 17	0.12 85	0.14 11	0.07 14	0.15 170	0.13 45	0.20 119	0.14 54	0.11 58	0.17 116	0.13 109	0.09 64	0.14 144	0.11 69	0.09 229	0.05 79	0.06 30	0.05 31	0.07 147	0.07 146

riskmin	0.11 69	0.06 17	0.13 108	0.14 11	0.08 45	0.14 150	0.14 75	0.18 86	0.15 66	0.12 76	0.15 88	0.17 176	0.11 100	0.14 144	0.12 119	0.09 229	0.05 79	0.07 98	0.05 31	0.08 193	0.08 209

Selective-RAFT	0.11 69	0.11 250	0.12 85	0.21 285	0.08 45	0.16 191	0.13 45	0.21 130	0.23 177	0.10 33	0.10 35	0.11 69	0.10 77	0.15 158	0.11 69	0.05 2	0.05 79	0.06 30	0.05 31	0.06 92	0.05 42

DCANet-4	0.11 69	0.07 51	0.13 108	0.16 59	0.06 2	0.09 36	0.17 187	0.18 86	0.20 138	0.13 99	0.17 116	0.09 37	0.14 186	0.12 90	0.13 145	0.06 50	0.04 2	0.05 2	0.04 7	0.04 1	0.05 42

DisPM	0.11 69	0.07 51	0.13 108	0.16 59	0.09 120	0.06 2	0.13 45	0.18 86	0.17 97	0.14 120	0.19 146	0.12 87	0.10 77	0.12 90	0.11 69	0.07 140	0.05 79	0.07 98	0.06 80	0.06 92	0.11 283

test_4	0.11 69	0.10 232	0.08 6	0.19 218	0.09 120	0.08 22	0.21 287	0.15 21	0.18 107	0.12 76	0.18 136	0.12 87	0.09 64	0.08 5	0.11 69	0.04 1	0.04 2	0.08 157	0.08 208	0.04 1	0.04 4

CIPLG	0.11 69	0.08 132	0.15 169	0.17 106	0.08 45	0.13 121	0.15 119	0.17 62	0.16 82	0.14 120	0.11 49	0.16 160	0.10 77	0.17 211	0.12 119	0.07 140	0.05 79	0.06 30	0.06 80	0.05 36	0.06 95

GLC_STEREO	0.11 69	0.07 51	0.11 62	0.18 173	0.07 14	0.08 22	0.13 45	0.16 35	0.24 187	0.12 76	0.13 70	0.12 87	0.08 48	0.18 220	0.12 119	0.06 50	0.08 264	0.08 157	0.06 80	0.05 36	0.05 42

IPLG	0.11 69	0.08 132	0.15 169	0.17 106	0.08 45	0.11 77	0.14 75	0.20 119	0.15 66	0.13 99	0.18 136	0.07 17	0.07 28	0.14 144	0.14 169	0.06 50	0.04 2	0.06 30	0.05 31	0.04 1	0.04 4

IPLGR_C	0.11 69	0.08 132	0.15 169	0.17 106	0.08 45	0.12 102	0.15 119	0.17 62	0.15 66	0.14 120	0.11 49	0.16 160	0.10 77	0.16 183	0.12 119	0.07 140	0.05 79	0.06 30	0.06 80	0.05 36	0.06 95

MIPNet	0.11 69	0.08 132	0.15 169	0.17 106	0.09 120	0.12 102	0.14 75	0.21 130	0.25 203	0.12 76	0.10 35	0.09 37	0.07 28	0.13 127	0.13 145	0.06 50	0.04 2	0.06 30	0.05 31	0.04 1	0.04 4

IPLGR	0.11 69	0.09 178	0.17 222	0.18 173	0.08 45	0.13 121	0.16 168	0.21 130	0.24 187	0.12 76	0.12 59	0.11 69	0.09 64	0.13 127	0.12 119	0.06 50	0.05 79	0.06 30	0.06 80	0.05 36	0.04 4

GMOStereo	0.11 69	0.09 178	0.08 6	0.19 218	0.08 45	0.12 102	0.28 347	0.13 9	0.18 107	0.11 58	0.17 116	0.14 125	0.12 128	0.07 1	0.07 1	0.05 2	0.05 79	0.09 223	0.07 156	0.04 1	0.04 4

error version	0.11 69	0.09 178	0.08 6	0.19 218	0.08 45	0.12 102	0.28 347	0.13 9	0.18 107	0.11 58	0.17 116	0.14 125	0.12 128	0.07 1	0.07 1	0.05 2	0.05 79	0.09 223	0.07 156	0.04 1	0.04 4

test-v	0.11 69	0.09 178	0.08 6	0.19 218	0.08 45	0.12 102	0.28 347	0.13 9	0.18 107	0.11 58	0.17 116	0.14 125	0.12 128	0.07 1	0.07 1	0.05 2	0.05 79	0.09 223	0.07 156	0.04 1	0.04 4

ACRE	0.11 69	0.08 132	0.15 169	0.17 106	0.08 45	0.13 121	0.15 119	0.17 62	0.14 54	0.14 120	0.11 49	0.16 160	0.10 77	0.16 183	0.12 119	0.07 140	0.05 79	0.06 30	0.06 80	0.05 36	0.06 95

test_3	0.11 69	0.09 178	0.10 38	0.21 285	0.08 45	0.13 121	0.25 331	0.14 15	0.21 151	0.10 33	0.10 35	0.09 37	0.10 77	0.08 5	0.11 69	0.05 2	0.04 2	0.08 157	0.07 156	0.04 1	0.04 4

LCNet	0.11 69	0.07 51	0.09 24	0.19 218	0.09 120	0.08 22	0.14 75	0.21 130	0.15 66	0.12 76	0.15 88	0.16 160	0.11 100	0.12 90	0.11 69	0.05 2	0.04 2	0.08 157	0.07 156	0.06 92	0.14 323

HHNet	0.11 69	0.06 17	0.16 203	0.15 35	0.14 313	0.07 15	0.13 45	0.20 119	0.18 107	0.15 141	0.25 216	0.11 69	0.09 64	0.13 127	0.10 43	0.06 50	0.04 2	0.08 157	0.06 80	0.05 36	0.09 241

Patchmatch Stereo++	0.11 69	0.09 178	0.17 222	0.19 218	0.08 45	0.06 2	0.11 10	0.17 62	0.13 40	0.15 141	0.16 100	0.14 125	0.12 128	0.11 41	0.11 69	0.06 50	0.05 79	0.08 157	0.06 80	0.08 193	0.07 146
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
OMP-Stereo	0.11 69	0.07 51	0.14 143	0.18 173	0.08 45	0.09 36	0.12 23	0.21 130	0.21 151	0.13 99	0.14 77	0.11 69	0.12 128	0.11 41	0.13 145	0.06 50	0.05 79	0.07 98	0.06 80	0.05 36	0.04 4

IIG-Stereo	0.11 69	0.06 17	0.13 108	0.17 106	0.08 45	0.11 77	0.12 23	0.22 149	0.18 107	0.14 120	0.17 116	0.12 87	0.13 157	0.12 90	0.13 145	0.06 50	0.05 79	0.07 98	0.06 80	0.06 92	0.05 42

NF-Stereo	0.11 69	0.07 51	0.13 108	0.17 106	0.09 120	0.10 56	0.13 45	0.23 163	0.19 121	0.12 76	0.17 116	0.12 87	0.12 128	0.11 41	0.11 69	0.06 50	0.04 2	0.07 98	0.06 80	0.07 147	0.12 301

OCTAStereo	0.11 69	0.07 51	0.14 143	0.17 106	0.09 120	0.10 56	0.13 45	0.23 163	0.19 121	0.12 76	0.17 116	0.12 87	0.12 128	0.11 41	0.11 69	0.06 50	0.04 2	0.07 98	0.06 80	0.07 147	0.11 283

NRIStereo	0.11 69	0.08 132	0.15 169	0.18 173	0.08 45	0.10 56	0.13 45	0.17 62	0.15 66	0.12 76	0.15 88	0.13 109	0.13 157	0.13 127	0.10 43	0.06 50	0.04 2	0.07 98	0.06 80	0.06 92	0.07 146

PSM-adaLoss	0.11 69	0.09 178	0.17 222	0.19 218	0.08 45	0.06 2	0.12 23	0.17 62	0.13 40	0.15 141	0.16 100	0.14 125	0.12 128	0.11 41	0.11 69	0.06 50	0.05 79	0.08 157	0.06 80	0.08 193	0.07 146

PSM-AAD	0.11 69	0.07 51	0.10 38	0.20 259	0.09 120	0.10 56	0.14 75	0.21 130	0.13 40	0.12 76	0.14 77	0.18 188	0.11 100	0.11 41	0.10 43	0.05 2	0.05 79	0.09 223	0.08 208	0.06 92	0.14 323

ROB_FTStereo_v2	0.11 69	0.09 178	0.17 222	0.19 218	0.08 45	0.06 2	0.12 23	0.17 62	0.13 40	0.15 141	0.16 100	0.14 125	0.12 128	0.11 41	0.11 69	0.06 50	0.05 79	0.08 157	0.06 80	0.08 193	0.07 146

ROB_FTStereo	0.11 69	0.09 178	0.17 222	0.19 218	0.08 45	0.06 2	0.11 10	0.17 62	0.13 40	0.15 141	0.16 100	0.14 125	0.12 128	0.11 41	0.11 69	0.06 50	0.05 79	0.08 157	0.06 80	0.08 193	0.07 146

HUI-Stereo	0.11 69	0.09 178	0.17 222	0.19 218	0.08 45	0.06 2	0.11 10	0.17 62	0.13 40	0.15 141	0.16 100	0.14 125	0.12 128	0.11 41	0.11 69	0.06 50	0.05 79	0.08 157	0.06 80	0.08 193	0.07 146

ASMatch	0.11 69	0.06 17	0.13 108	0.17 106	0.10 212	0.08 22	0.14 75	0.18 86	0.16 82	0.12 76	0.16 100	0.16 160	0.11 100	0.13 127	0.11 69	0.05 2	0.04 2	0.06 30	0.06 80	0.04 1	0.09 241

SST-Stereo	0.11 69	0.07 51	0.16 203	0.18 173	0.09 120	0.06 2	0.12 23	0.18 86	0.10 6	0.15 141	0.18 136	0.13 109	0.12 128	0.10 15	0.11 69	0.06 50	0.04 2	0.09 223	0.06 80	0.07 147	0.06 95

RAFT_R40	0.11 69	0.07 51	0.15 169	0.18 173	0.09 120	0.06 2	0.13 45	0.17 62	0.15 66	0.14 120	0.18 136	0.15 146	0.12 128	0.10 15	0.11 69	0.06 50	0.04 2	0.09 223	0.06 80	0.06 92	0.05 42

GrayStereo	0.11 69	0.06 17	0.11 62	0.19 218	0.09 120	0.09 36	0.16 168	0.18 86	0.17 97	0.14 120	0.17 116	0.17 176	0.11 100	0.12 90	0.11 69	0.05 2	0.05 79	0.07 98	0.06 80	0.06 92	0.10 262

RE-Stereo	0.11 69	0.07 51	0.13 108	0.17 106	0.09 120	0.10 56	0.13 45	0.23 163	0.19 121	0.12 76	0.17 116	0.12 87	0.12 128	0.11 41	0.11 69	0.06 50	0.04 2	0.07 98	0.06 80	0.07 147	0.11 283

Pruner-Stereo	0.11 69	0.07 51	0.12 85	0.17 106	0.09 120	0.06 2	0.12 23	0.18 86	0.17 97	0.14 120	0.19 146	0.13 109	0.10 77	0.11 41	0.11 69	0.06 50	0.04 2	0.07 98	0.06 80	0.06 92	0.08 209

TVStereo	0.11 69	0.07 51	0.13 108	0.17 106	0.09 120	0.10 56	0.13 45	0.23 163	0.19 121	0.12 76	0.17 116	0.12 87	0.12 128	0.11 41	0.11 69	0.06 50	0.04 2	0.07 98	0.06 80	0.07 147	0.11 283

DeepStereo_RVC	0.11 69	0.08 132	0.17 222	0.18 173	0.08 45	0.08 22	0.11 10	0.17 62	0.12 25	0.13 99	0.15 88	0.12 87	0.12 128	0.12 90	0.11 69	0.06 50	0.04 2	0.07 98	0.06 80	0.07 147	0.08 209

iGMRVC	0.11 69	0.09 178	0.17 222	0.19 218	0.08 45	0.06 2	0.12 23	0.17 62	0.13 40	0.15 141	0.16 100	0.14 125	0.12 128	0.11 41	0.11 69	0.06 50	0.05 79	0.08 157	0.06 80	0.08 193	0.07 146

RAFT-345	0.11 69	0.07 51	0.16 203	0.17 106	0.08 45	0.08 22	0.12 23	0.16 35	0.10 6	0.11 58	0.34 297	0.09 37	0.10 77	0.11 41	0.12 119	0.05 2	0.05 79	0.07 98	0.06 80	0.04 1	0.05 42

iRAFT	0.11 69	0.09 178	0.17 222	0.19 218	0.08 45	0.06 2	0.11 10	0.17 62	0.13 40	0.15 141	0.16 100	0.14 125	0.12 128	0.11 41	0.11 69	0.06 50	0.05 79	0.08 157	0.06 80	0.08 193	0.07 146

CRE-IMP	0.11 69	0.09 178	0.16 203	0.19 218	0.09 120	0.10 56	0.12 23	0.18 86	0.10 6	0.14 120	0.14 77	0.14 125	0.13 157	0.12 90	0.12 119	0.07 140	0.04 2	0.08 157	0.06 80	0.08 193	0.08 209

test-2	0.11 69	0.09 178	0.08 6	0.19 218	0.08 45	0.12 102	0.28 347	0.13 9	0.18 107	0.11 58	0.17 116	0.14 125	0.12 128	0.07 1	0.07 1	0.05 2	0.05 79	0.09 223	0.07 156	0.04 1	0.04 4

GMM-Stereo	0.11 69	0.07 51	0.10 38	0.18 173	0.09 120	0.08 22	0.14 75	0.24 180	0.16 82	0.11 58	0.15 88	0.13 109	0.11 100	0.11 41	0.11 69	0.05 2	0.04 2	0.08 157	0.07 156	0.06 92	0.09 241

RAFT-IKP	0.11 69	0.09 178	0.17 222	0.19 218	0.08 45	0.06 2	0.11 10	0.17 62	0.13 40	0.15 141	0.16 100	0.14 125	0.12 128	0.11 41	0.11 69	0.06 50	0.05 79	0.08 157	0.06 80	0.08 193	0.07 146

Prome-Stereo	0.11 69	0.07 51	0.11 62	0.18 173	0.09 120	0.12 102	0.14 75	0.23 163	0.13 40	0.13 99	0.16 100	0.13 109	0.08 48	0.12 90	0.10 43	0.05 2	0.05 79	0.07 98	0.06 80	0.06 92	0.10 262

rafts_anoy	0.11 69	0.06 17	0.10 38	0.17 106	0.08 45	0.10 56	0.14 75	0.18 86	0.14 54	0.13 99	0.13 70	0.12 87	0.11 100	0.11 41	0.13 145	0.07 140	0.05 79	0.09 223	0.11 300	0.07 147	0.06 95

raft+_RVC	0.11 69	0.07 51	0.09 24	0.16 59	0.07 14	0.10 56	0.11 10	0.24 180	0.20 138	0.12 76	0.15 88	0.12 87	0.08 48	0.12 90	0.13 145	0.07 140	0.04 2	0.07 98	0.06 80	0.05 36	0.05 42

RALCasStereoNet	0.11 69	0.07 51	0.09 24	0.16 59	0.08 45	0.13 121	0.14 75	0.17 62	0.11 15	0.12 76	0.17 116	0.14 125	0.10 77	0.12 90	0.11 69	0.07 140	0.06 184	0.06 30	0.05 31	0.08 193	0.07 146

RALAANet	0.11 69	0.08 132	0.10 38	0.17 106	0.09 120	0.14 150	0.10 5	0.20 119	0.16 82	0.14 120	0.13 70	0.16 160	0.09 64	0.12 90	0.12 119	0.06 50	0.05 79	0.08 157	0.07 156	0.06 92	0.04 4

111	0.11 69	0.06 17	0.12 85	0.15 35	0.07 14	0.10 56	0.14 75	0.21 130	0.24 187	0.11 58	0.12 59	0.14 125	0.12 128	0.13 127	0.10 43	0.06 50	0.04 2	0.06 30	0.04 7	0.06 92	0.05 42

DIP-Stereo	0.11 69	0.08 132	0.15 169	0.17 106	0.09 120	0.13 121	0.09 3	0.16 35	0.16 82	0.12 76	0.16 100	0.14 125	0.12 128	0.16 183	0.14 169	0.06 50	0.05 79	0.06 30	0.05 31	0.05 36	0.07 146
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HITNet	0.11 69	0.06 17	0.12 85	0.14 11	0.06 2	0.12 102	0.10 5	0.18 86	0.18 107	0.13 99	0.17 116	0.15 146	0.11 100	0.15 158	0.14 169	0.06 50	0.04 2	0.04 1	0.04 7	0.06 92	0.05 42
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
CoDeX	0.12 130	0.07 51	0.13 108	0.17 106	0.08 45	0.12 102	0.16 168	0.23 163	0.27 225	0.13 99	0.17 116	0.15 146	0.12 128	0.14 144	0.11 69	0.07 140	0.05 79	0.07 98	0.06 80	0.06 92	0.05 42

11t1	0.12 130	0.07 51	0.14 143	0.14 11	0.08 45	0.17 211	0.15 119	0.19 109	0.15 66	0.15 141	0.15 88	0.17 176	0.16 215	0.15 158	0.13 145	0.08 187	0.05 79	0.06 30	0.05 31	0.08 193	0.07 146

ffm	0.12 130	0.09 178	0.15 169	0.16 59	0.09 120	0.17 211	0.17 187	0.15 21	0.19 121	0.15 141	0.26 228	0.19 192	0.13 157	0.10 15	0.08 9	0.06 50	0.05 79	0.09 223	0.08 208	0.06 92	0.06 95

RAFT_CTSACE	0.12 130	0.09 178	0.10 38	0.22 301	0.08 45	0.12 102	0.24 316	0.18 86	0.17 97	0.21 245	0.27 243	0.13 109	0.07 28	0.13 127	0.09 16	0.05 2	0.06 184	0.08 157	0.07 156	0.04 1	0.04 4

Sa-1000	0.12 130	0.08 132	0.09 24	0.18 173	0.08 45	0.15 170	0.22 297	0.22 149	0.19 121	0.15 141	0.20 155	0.17 176	0.11 100	0.10 15	0.10 43	0.06 50	0.05 79	0.09 223	0.09 246	0.05 36	0.05 42

iRaft-Stereo_5w	0.12 130	0.09 178	0.12 85	0.20 259	0.08 45	0.09 36	0.12 23	0.22 149	0.22 169	0.19 216	0.14 77	0.11 69	0.09 64	0.20 252	0.16 216	0.05 2	0.05 79	0.07 98	0.06 80	0.05 36	0.06 95

CrosDoStereo	0.12 130	0.07 51	0.12 85	0.14 11	0.09 120	0.12 102	0.15 119	0.17 62	0.22 169	0.19 216	0.24 190	0.15 146	0.11 100	0.11 41	0.12 119	0.06 50	0.05 79	0.07 98	0.07 156	0.05 36	0.05 42

PFNet+	0.12 130	0.06 17	0.14 143	0.16 59	0.09 120	0.05 1	0.12 23	0.18 86	0.21 151	0.16 168	0.19 146	0.14 125	0.10 77	0.11 41	0.11 69	0.08 187	0.05 79	0.09 223	0.08 208	0.06 92	0.11 283

AAGNet	0.12 130	0.08 132	0.17 222	0.19 218	0.09 120	0.08 22	0.13 45	0.19 109	0.13 40	0.16 168	0.21 171	0.13 109	0.14 186	0.11 41	0.14 169	0.06 50	0.04 2	0.09 223	0.06 80	0.06 92	0.05 42

PSM-softLoss	0.12 130	0.07 51	0.15 169	0.17 106	0.09 120	0.08 22	0.12 23	0.24 180	0.17 97	0.15 141	0.19 146	0.13 109	0.11 100	0.11 41	0.11 69	0.07 140	0.05 79	0.08 157	0.07 156	0.07 147	0.12 301

KMStereo	0.12 130	0.07 51	0.15 169	0.17 106	0.09 120	0.08 22	0.12 23	0.24 180	0.17 97	0.15 141	0.19 146	0.13 109	0.11 100	0.11 41	0.11 69	0.07 140	0.05 79	0.08 157	0.07 156	0.07 147	0.12 301

FTStereo	0.12 130	0.07 51	0.14 143	0.18 173	0.09 120	0.07 15	0.15 119	0.22 149	0.18 107	0.12 76	0.24 190	0.11 69	0.13 157	0.13 127	0.14 169	0.05 2	0.05 79	0.07 98	0.07 156	0.06 92	0.10 262

KYRaft	0.12 130	0.07 51	0.10 38	0.19 218	0.09 120	0.08 22	0.15 119	0.23 163	0.12 25	0.13 99	0.16 100	0.20 207	0.10 77	0.12 90	0.11 69	0.06 50	0.04 2	0.08 157	0.08 208	0.06 92	0.15 338

DeepStereo_LL	0.12 130	0.07 51	0.12 85	0.14 11	0.09 120	0.12 102	0.15 119	0.17 62	0.22 169	0.19 216	0.24 190	0.15 146	0.11 100	0.11 41	0.12 119	0.06 50	0.05 79	0.07 98	0.07 156	0.05 36	0.05 42

DEmStereo	0.12 130	0.06 17	0.14 143	0.14 11	0.10 212	0.16 191	0.15 119	0.16 35	0.24 187	0.17 178	0.23 181	0.12 87	0.14 186	0.12 90	0.14 169	0.05 2	0.04 2	0.07 98	0.06 80	0.05 36	0.05 42

THIR-Stereo	0.12 130	0.07 51	0.11 62	0.15 35	0.08 45	0.14 150	0.16 168	0.18 86	0.25 203	0.17 178	0.24 190	0.13 109	0.13 157	0.12 90	0.14 169	0.06 50	0.05 79	0.07 98	0.07 156	0.05 36	0.05 42

DRaft	0.12 130	0.06 17	0.12 85	0.14 11	0.09 120	0.14 150	0.17 187	0.21 130	0.30 249	0.18 206	0.27 243	0.10 55	0.16 215	0.11 41	0.12 119	0.05 2	0.04 2	0.07 98	0.07 156	0.05 36	0.05 42

PFNet	0.12 130	0.06 17	0.17 222	0.18 173	0.08 45	0.09 36	0.15 119	0.26 205	0.20 138	0.16 168	0.16 100	0.14 125	0.12 128	0.13 127	0.11 69	0.06 50	0.04 2	0.07 98	0.06 80	0.05 36	0.05 42

RAFT-RH_RVC	0.12 130	0.06 17	0.14 143	0.16 59	0.09 120	0.12 102	0.12 23	0.17 62	0.12 25	0.13 99	0.40 325	0.11 69	0.10 77	0.13 127	0.12 119	0.05 2	0.04 2	0.08 157	0.05 31	0.05 36	0.06 95

IRAFT_RVC	0.12 130	0.08 132	0.17 222	0.19 218	0.08 45	0.07 15	0.14 75	0.25 197	0.23 177	0.14 120	0.15 88	0.15 146	0.12 128	0.12 90	0.11 69	0.06 50	0.04 2	0.09 223	0.06 80	0.06 92	0.06 95

sCroCo_RVC	0.12 130	0.09 178	0.24 297	0.24 326	0.11 250	0.19 241	0.14 75	0.17 62	0.15 66	0.10 33	0.13 70	0.12 87	0.07 28	0.14 144	0.11 69	0.08 187	0.08 264	0.08 157	0.08 208	0.05 36	0.07 146

ARAFT	0.12 130	0.08 132	0.18 248	0.19 218	0.09 120	0.15 170	0.17 187	0.20 119	0.13 40	0.12 76	0.13 70	0.14 125	0.12 128	0.15 158	0.13 145	0.06 50	0.05 79	0.10 264	0.09 246	0.06 92	0.04 4

BEATNet_4x	0.12 130	0.09 178	0.15 169	0.18 173	0.07 14	0.15 170	0.07 1	0.23 163	0.19 121	0.16 168	0.19 146	0.19 192	0.14 186	0.17 211	0.15 199	0.07 140	0.05 79	0.05 2	0.05 31	0.06 92	0.07 146

MyStereo05	0.13 153	0.07 51	0.10 38	0.17 106	0.09 120	0.13 121	0.18 225	0.28 238	0.35 287	0.17 178	0.14 77	0.15 146	0.11 100	0.15 158	0.13 145	0.06 50	0.05 79	0.08 157	0.07 156	0.06 92	0.06 95

MyStereo04	0.13 153	0.07 51	0.10 38	0.17 106	0.09 120	0.14 150	0.17 187	0.29 252	0.38 302	0.17 178	0.14 77	0.16 160	0.11 100	0.15 158	0.13 145	0.06 50	0.05 79	0.08 157	0.07 156	0.06 92	0.06 95

DualNet	0.13 153	0.09 178	0.15 169	0.16 59	0.09 120	0.17 211	0.17 187	0.15 21	0.19 121	0.15 141	0.26 228	0.19 192	0.13 157	0.10 15	0.22 280	0.06 50	0.05 79	0.09 223	0.08 208	0.06 92	0.06 95

ff1	0.13 153	0.09 178	0.15 169	0.16 59	0.09 120	0.17 211	0.17 187	0.15 21	0.19 121	0.15 141	0.26 228	0.19 192	0.13 157	0.15 158	0.22 280	0.06 50	0.05 79	0.09 223	0.08 208	0.06 92	0.06 95

LL-Strereo	0.13 153	0.10 232	0.12 85	0.20 259	0.10 212	0.11 77	0.18 225	0.33 289	0.25 203	0.16 168	0.16 100	0.14 125	0.14 186	0.19 239	0.11 69	0.06 50	0.05 79	0.09 223	0.08 208	0.04 1	0.05 42

anonymousa	0.13 153	0.07 51	0.14 143	0.18 173	0.09 120	0.13 121	0.17 187	0.20 119	0.29 244	0.15 141	0.24 190	0.16 160	0.14 186	0.14 144	0.14 169	0.07 140	0.05 79	0.07 98	0.09 246	0.05 36	0.07 146

TestStereo1	0.13 153	0.08 132	0.08 6	0.20 259	0.08 45	0.18 227	0.29 357	0.23 163	0.17 97	0.17 178	0.20 155	0.16 160	0.11 100	0.12 90	0.13 145	0.06 50	0.06 184	0.08 157	0.06 80	0.05 36	0.05 42

qqq	0.13 153	0.09 178	0.15 169	0.16 59	0.08 45	0.13 121	0.15 119	0.24 180	0.16 82	0.15 141	0.19 146	0.16 160	0.16 215	0.15 158	0.16 216	0.07 140	0.06 184	0.08 157	0.08 208	0.07 147	0.07 146

x	0.13 153	0.08 132	0.15 169	0.14 11	0.08 45	0.19 241	0.14 75	0.22 149	0.21 151	0.15 141	0.20 155	0.20 207	0.18 246	0.18 220	0.18 239	0.07 140	0.05 79	0.06 30	0.06 80	0.07 147	0.07 146

raft_robust	0.13 153	0.10 232	0.07 1	0.18 173	0.08 45	0.13 121	0.24 316	0.29 252	0.34 276	0.20 236	0.20 155	0.15 146	0.10 77	0.11 41	0.12 119	0.05 2	0.05 79	0.07 98	0.07 156	0.05 36	0.04 4

RAFT+CT+SA	0.13 153	0.11 250	0.09 24	0.19 218	0.09 120	0.15 170	0.28 347	0.22 149	0.22 169	0.15 141	0.26 228	0.10 55	0.10 77	0.11 41	0.12 119	0.05 2	0.04 2	0.07 98	0.08 208	0.07 147	0.06 95

SA-5K	0.13 153	0.08 132	0.08 6	0.20 259	0.08 45	0.18 227	0.29 357	0.23 163	0.17 97	0.17 178	0.20 155	0.16 160	0.11 100	0.12 90	0.13 145	0.06 50	0.06 184	0.08 157	0.06 80	0.05 36	0.05 42

SA	0.13 153	0.09 178	0.09 24	0.18 173	0.08 45	0.12 102	0.24 316	0.23 163	0.19 121	0.17 178	0.27 243	0.15 146	0.11 100	0.11 41	0.11 69	0.05 2	0.05 79	0.09 223	0.08 208	0.05 36	0.05 42

GwcNet-ADL	0.13 153	0.08 132	0.14 143	0.20 259	0.09 120	0.12 102	0.20 274	0.30 262	0.25 203	0.14 120	0.14 77	0.18 188	0.14 186	0.13 127	0.15 199	0.07 140	0.05 79	0.06 30	0.05 31	0.07 147	0.06 95

GANet-ADL	0.13 153	0.07 51	0.15 169	0.17 106	0.10 212	0.19 241	0.15 119	0.30 262	0.21 151	0.13 99	0.18 136	0.19 192	0.13 157	0.16 183	0.14 169	0.08 187	0.06 184	0.06 30	0.05 31	0.07 147	0.08 209

RAFT	0.13 153	0.09 178	0.11 62	0.18 173	0.08 45	0.15 170	0.23 308	0.21 130	0.20 138	0.21 245	0.21 171	0.18 188	0.13 157	0.17 211	0.10 43	0.06 50	0.07 238	0.10 264	0.09 246	0.06 92	0.05 42

sAnonymous2	0.13 153	0.12 265	0.25 301	0.20 259	0.12 278	0.18 227	0.14 75	0.27 217	0.21 151	0.11 58	0.12 59	0.13 109	0.08 48	0.11 41	0.11 69	0.09 229	0.05 79	0.08 157	0.06 80	0.15 339	0.10 262

CroCo_RVC	0.13 153	0.12 265	0.25 301	0.20 259	0.12 278	0.18 227	0.14 75	0.27 217	0.21 151	0.11 58	0.12 59	0.13 109	0.08 48	0.11 41	0.11 69	0.09 229	0.05 79	0.08 157	0.06 80	0.15 339	0.10 262

RAFT + AFF	0.13 153	0.08 132	0.21 278	0.20 259	0.10 212	0.14 150	0.23 308	0.27 217	0.21 151	0.12 76	0.10 35	0.12 87	0.10 77	0.16 183	0.12 119	0.08 187	0.07 238	0.09 223	0.09 246	0.06 92	0.09 241

GMStereo	0.13 153	0.15 305	0.14 143	0.18 173	0.09 120	0.16 191	0.16 168	0.20 119	0.25 203	0.17 178	0.17 116	0.11 69	0.11 100	0.16 183	0.13 145	0.07 140	0.06 184	0.06 30	0.06 80	0.07 147	0.06 95
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 153	0.07 51	0.15 169	0.17 106	0.09 120	0.15 170	0.16 168	0.28 238	0.27 225	0.14 120	0.18 136	0.12 87	0.13 157	0.14 144	0.11 69	0.08 187	0.05 79	0.07 98	0.07 156	0.07 147	0.06 95

FENet	0.13 153	0.08 132	0.13 108	0.16 59	0.08 45	0.15 170	0.16 168	0.23 163	0.23 177	0.17 178	0.24 190	0.16 160	0.13 157	0.14 144	0.15 199	0.08 187	0.05 79	0.08 157	0.08 208	0.08 193	0.08 209

MLCV	0.13 153	0.08 132	0.17 222	0.18 173	0.06 2	0.16 191	0.17 187	0.19 109	0.22 169	0.19 216	0.25 216	0.17 176	0.13 157	0.15 158	0.14 169	0.05 2	0.04 2	0.05 2	0.04 7	0.05 36	0.04 4

iResNet	0.13 153	0.10 232	0.18 248	0.19 218	0.08 45	0.14 150	0.18 225	0.21 130	0.27 225	0.16 168	0.24 190	0.15 146	0.13 157	0.14 144	0.15 199	0.06 50	0.04 2	0.06 30	0.05 31	0.06 92	0.05 42

DN-CSS_ROB	0.13 153	0.13 284	0.17 222	0.18 173	0.10 212	0.16 191	0.08 2	0.22 149	0.19 121	0.17 178	0.23 181	0.13 109	0.13 157	0.13 127	0.14 169	0.05 2	0.05 79	0.10 264	0.10 277	0.08 193	0.06 95

SMFormer	0.14 178	0.07 51	0.18 248	0.14 11	0.08 45	0.17 211	0.17 187	0.27 217	0.27 225	0.19 216	0.20 155	0.19 192	0.15 204	0.15 158	0.17 227	0.08 187	0.05 79	0.07 98	0.06 80	0.08 193	0.07 146

tta	0.14 178	0.07 51	0.18 248	0.14 11	0.08 45	0.17 211	0.17 187	0.27 217	0.27 225	0.19 216	0.20 155	0.19 192	0.15 204	0.15 158	0.17 227	0.08 187	0.05 79	0.07 98	0.06 80	0.06 92	0.06 95

qqq1	0.14 178	0.07 51	0.18 248	0.14 11	0.08 45	0.17 211	0.17 187	0.27 217	0.27 225	0.19 216	0.20 155	0.19 192	0.15 204	0.15 158	0.12 119	0.08 187	0.05 79	0.05 2	0.05 31	0.06 92	0.06 95

fff1	0.14 178	0.07 51	0.18 248	0.14 11	0.08 45	0.17 211	0.17 187	0.27 217	0.27 225	0.19 216	0.20 155	0.19 192	0.15 204	0.15 158	0.12 119	0.08 187	0.05 79	0.05 2	0.05 31	0.06 92	0.06 95

mmm	0.14 178	0.08 132	0.18 248	0.17 106	0.09 120	0.17 211	0.18 225	0.21 130	0.16 82	0.16 168	0.23 181	0.21 213	0.16 215	0.16 183	0.17 227	0.08 187	0.05 79	0.08 157	0.08 208	0.08 193	0.07 146

ttt	0.14 178	0.08 132	0.14 143	0.15 35	0.08 45	0.15 170	0.18 225	0.27 217	0.30 249	0.16 168	0.24 190	0.17 176	0.14 186	0.13 127	0.14 169	0.11 285	0.08 264	0.09 223	0.08 208	0.09 244	0.09 241

whm_eth	0.14 178	0.09 178	0.21 278	0.21 285	0.12 278	0.12 102	0.16 168	0.18 86	0.29 244	0.17 178	0.32 280	0.09 37	0.13 157	0.18 220	0.14 169	0.07 140	0.07 238	0.08 157	0.07 156	0.07 147	0.07 146

StereoVision	0.14 178	0.13 284	0.10 38	0.24 326	0.10 212	0.16 191	0.21 287	0.21 130	0.20 138	0.12 76	0.25 216	0.10 55	0.10 77	0.16 183	0.10 43	0.09 229	0.10 306	0.12 307	0.12 318	0.06 92	0.05 42

PCWNet_CMD	0.14 178	0.08 132	0.15 169	0.17 106	0.09 120	0.14 150	0.14 75	0.29 252	0.36 292	0.14 120	0.20 155	0.21 213	0.13 157	0.17 211	0.14 169	0.07 140	0.05 79	0.07 98	0.07 156	0.07 147	0.07 146

gwcnet-sp	0.14 178	0.07 51	0.13 108	0.18 173	0.09 120	0.16 191	0.18 225	0.24 180	0.24 187	0.19 216	0.24 190	0.15 146	0.16 215	0.16 183	0.15 199	0.08 187	0.07 238	0.07 98	0.08 208	0.08 193	0.07 146

scenet	0.14 178	0.07 51	0.13 108	0.18 173	0.09 120	0.16 191	0.18 225	0.24 180	0.24 187	0.19 216	0.24 190	0.15 146	0.16 215	0.16 183	0.15 199	0.08 187	0.07 238	0.07 98	0.08 208	0.08 193	0.07 146

CASS	0.14 178	0.12 265	0.12 85	0.23 318	0.09 120	0.15 170	0.17 187	0.19 109	0.20 138	0.17 178	0.18 136	0.15 146	0.15 204	0.15 158	0.14 169	0.09 229	0.06 184	0.10 264	0.08 208	0.09 244	0.07 146
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	0.14 178	0.07 51	0.13 108	0.18 173	0.09 120	0.16 191	0.18 225	0.24 180	0.24 187	0.19 216	0.24 190	0.15 146	0.16 215	0.16 183	0.15 199	0.08 187	0.07 238	0.07 98	0.08 208	0.08 193	0.07 146

IER	0.14 178	0.08 132	0.13 108	0.17 106	0.09 120	0.14 150	0.16 168	0.26 205	0.27 225	0.18 206	0.26 228	0.17 176	0.20 273	0.17 211	0.14 169	0.08 187	0.05 79	0.07 98	0.06 80	0.08 193	0.07 146

test_5	0.14 178	0.12 265	0.08 6	0.20 259	0.10 212	0.14 150	0.28 347	0.21 130	0.24 187	0.19 216	0.28 252	0.11 69	0.15 204	0.12 90	0.13 145	0.06 50	0.05 79	0.07 98	0.08 208	0.08 193	0.07 146

psmg	0.14 178	0.09 178	0.14 143	0.17 106	0.10 212	0.15 170	0.17 187	0.29 252	0.20 138	0.17 178	0.21 171	0.25 258	0.16 215	0.16 183	0.14 169	0.08 187	0.07 238	0.08 157	0.08 208	0.07 147	0.07 146

UDGNet	0.14 178	0.13 284	0.17 222	0.18 173	0.10 212	0.12 102	0.16 168	0.21 130	0.27 225	0.20 236	0.20 155	0.17 176	0.13 157	0.16 183	0.14 169	0.10 260	0.06 184	0.09 223	0.07 156	0.07 147	0.07 146

TestStereo	0.14 178	0.15 305	0.11 62	0.23 318	0.08 45	0.15 170	0.21 287	0.20 119	0.23 177	0.14 120	0.25 216	0.16 160	0.13 157	0.16 183	0.14 169	0.06 50	0.06 184	0.08 157	0.06 80	0.09 244	0.05 42

CFNet_pseudo	0.14 178	0.08 132	0.16 203	0.16 59	0.09 120	0.13 121	0.14 75	0.27 217	0.34 276	0.15 141	0.21 171	0.22 229	0.13 157	0.18 220	0.14 169	0.07 140	0.05 79	0.08 157	0.06 80	0.07 147	0.07 146

Anonymous	0.14 178	0.10 232	0.24 297	0.23 318	0.13 298	0.18 227	0.23 308	0.20 119	0.19 121	0.14 120	0.12 59	0.11 69	0.13 157	0.17 211	0.13 145	0.08 187	0.07 238	0.08 157	0.08 208	0.12 298	0.10 262

GES	0.14 178	0.08 132	0.16 203	0.15 35	0.10 212	0.13 121	0.13 45	0.28 238	0.26 215	0.17 178	0.24 190	0.19 192	0.14 186	0.16 183	0.14 169	0.08 187	0.08 264	0.07 98	0.06 80	0.08 193	0.09 241

cf-r	0.14 178	0.07 51	0.13 108	0.16 59	0.08 45	0.14 150	0.19 260	0.21 130	0.25 203	0.17 178	0.26 228	0.22 229	0.17 236	0.14 144	0.15 199	0.10 260	0.05 79	0.06 30	0.08 208	0.06 92	0.06 95

GANet-RSSM	0.14 178	0.07 51	0.13 108	0.13 6	0.08 45	0.14 150	0.18 225	0.23 163	0.21 151	0.17 178	0.25 216	0.24 249	0.16 215	0.16 183	0.16 216	0.10 260	0.06 184	0.07 98	0.08 208	0.08 193	0.07 146

PSMNet-RSSM	0.14 178	0.07 51	0.14 143	0.15 35	0.08 45	0.13 121	0.16 168	0.25 197	0.24 187	0.17 178	0.28 252	0.23 240	0.14 186	0.16 183	0.14 169	0.11 285	0.06 184	0.09 223	0.12 318	0.08 193	0.07 146

GwcNet-RSSM	0.14 178	0.07 51	0.12 85	0.16 59	0.08 45	0.15 170	0.20 274	0.22 149	0.28 238	0.18 206	0.28 252	0.23 240	0.17 236	0.15 158	0.16 216	0.10 260	0.06 184	0.07 98	0.09 246	0.07 147	0.07 146

CFNet-ft	0.14 178	0.07 51	0.15 169	0.12 3	0.09 120	0.17 211	0.18 225	0.22 149	0.24 187	0.17 178	0.26 228	0.24 249	0.14 186	0.16 183	0.15 199	0.11 285	0.06 184	0.08 157	0.09 246	0.09 244	0.08 209

DMCA	0.14 178	0.09 178	0.17 222	0.19 218	0.09 120	0.15 170	0.17 187	0.23 163	0.28 238	0.14 120	0.20 155	0.17 176	0.18 246	0.15 158	0.17 227	0.10 260	0.06 184	0.08 157	0.06 80	0.09 244	0.10 262

MSMDNet	0.14 178	0.08 132	0.15 169	0.17 106	0.09 120	0.14 150	0.14 75	0.29 252	0.36 292	0.14 120	0.20 155	0.21 213	0.13 157	0.18 220	0.14 169	0.07 140	0.05 79	0.07 98	0.07 156	0.07 147	0.07 146

HSM-Net_RVC	0.14 178	0.08 132	0.12 85	0.15 35	0.08 45	0.16 191	0.15 119	0.27 217	0.29 244	0.20 236	0.21 171	0.29 287	0.14 186	0.18 220	0.13 145	0.06 50	0.06 184	0.06 30	0.06 80	0.07 147	0.06 95
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 178	0.07 51	0.15 169	0.12 3	0.09 120	0.17 211	0.18 225	0.22 149	0.24 187	0.17 178	0.26 228	0.24 249	0.14 186	0.16 183	0.15 199	0.11 285	0.06 184	0.08 157	0.09 246	0.09 244	0.08 209

ccs_rob	0.14 178	0.09 178	0.16 203	0.16 59	0.09 120	0.13 121	0.14 75	0.27 217	0.34 276	0.15 141	0.21 171	0.22 229	0.13 157	0.18 220	0.14 169	0.07 140	0.05 79	0.08 157	0.07 156	0.07 147	0.07 146

iResNet_ROB	0.14 178	0.07 51	0.13 108	0.15 35	0.07 14	0.19 241	0.14 75	0.26 205	0.32 261	0.23 267	0.26 228	0.23 240	0.16 215	0.15 158	0.14 169	0.07 140	0.05 79	0.05 2	0.04 7	0.08 193	0.08 209

mmx	0.15 210	0.09 178	0.15 169	0.16 59	0.09 120	0.17 211	0.17 187	0.27 217	0.26 215	0.15 141	0.26 228	0.19 192	0.13 157	0.15 158	0.22 280	0.08 187	0.06 184	0.09 223	0.08 208	0.08 193	0.08 209

xxx	0.15 210	0.09 178	0.15 169	0.16 59	0.09 120	0.17 211	0.17 187	0.27 217	0.26 215	0.15 141	0.26 228	0.19 192	0.13 157	0.15 158	0.22 280	0.08 187	0.06 184	0.09 223	0.08 208	0.08 193	0.08 209

CFNet_ucs	0.15 210	0.09 178	0.17 222	0.16 59	0.11 250	0.14 150	0.14 75	0.30 262	0.34 276	0.16 168	0.24 190	0.23 240	0.14 186	0.18 220	0.15 199	0.09 229	0.06 184	0.08 157	0.07 156	0.09 244	0.09 241

CBFPSM	0.15 210	0.07 51	0.27 309	0.17 106	0.09 120	0.13 121	0.15 119	0.22 149	0.23 177	0.20 236	0.27 243	0.23 240	0.16 215	0.16 183	0.19 248	0.06 50	0.06 184	0.06 30	0.07 156	0.07 147	0.07 146

BUS	0.15 210	0.09 178	0.14 143	0.22 301	0.10 212	0.20 258	0.14 75	0.34 303	0.20 138	0.17 178	0.23 181	0.16 160	0.14 186	0.16 183	0.14 169	0.08 187	0.06 184	0.10 264	0.09 246	0.07 147	0.07 146

BSDual-CNN	0.15 210	0.09 178	0.14 143	0.22 301	0.10 212	0.15 170	0.15 119	0.34 303	0.20 138	0.17 178	0.23 181	0.25 258	0.16 215	0.16 183	0.14 169	0.08 187	0.06 184	0.10 264	0.09 246	0.07 147	0.07 146

hknet	0.15 210	0.11 250	0.14 143	0.22 301	0.11 250	0.15 170	0.15 119	0.34 303	0.26 215	0.17 178	0.23 181	0.22 229	0.18 246	0.17 211	0.13 145	0.07 140	0.06 184	0.10 264	0.09 246	0.07 147	0.07 146

dd	0.15 210	0.17 322	0.17 222	0.19 218	0.09 120	0.15 170	0.18 225	0.22 149	0.26 215	0.23 267	0.20 155	0.21 213	0.10 77	0.21 267	0.17 227	0.10 260	0.06 184	0.08 157	0.06 80	0.08 193	0.07 146

DAS	0.15 210	0.08 132	0.18 248	0.19 218	0.10 212	0.19 241	0.17 187	0.28 238	0.30 249	0.18 206	0.26 228	0.21 213	0.16 215	0.16 183	0.13 145	0.08 187	0.06 184	0.06 30	0.06 80	0.07 147	0.07 146

SepStereo	0.15 210	0.08 132	0.18 248	0.19 218	0.10 212	0.19 241	0.17 187	0.28 238	0.30 249	0.18 206	0.26 228	0.21 213	0.16 215	0.26 310	0.13 145	0.08 187	0.06 184	0.06 30	0.06 80	0.07 147	0.07 146

PSMNet-ADL	0.15 210	0.12 265	0.13 108	0.22 301	0.09 120	0.13 121	0.20 274	0.26 205	0.23 177	0.18 206	0.20 155	0.23 240	0.17 236	0.18 220	0.18 239	0.09 229	0.08 264	0.08 157	0.11 300	0.08 193	0.07 146

LMCR-Stereo	0.15 210	0.08 132	0.14 143	0.21 285	0.09 120	0.18 227	0.19 260	0.28 238	0.19 121	0.24 278	0.24 190	0.23 240	0.17 236	0.20 252	0.17 227	0.07 140	0.06 184	0.08 157	0.06 80	0.10 269	0.09 241

xxxx	0.15 210	0.07 51	0.14 143	0.14 11	0.08 45	0.24 298	0.18 225	0.32 279	0.20 138	0.14 120	0.28 252	0.22 229	0.14 186	0.15 158	0.29 338	0.09 229	0.05 79	0.07 98	0.07 156	0.08 193	0.08 209

test_xeample	0.15 210	0.07 51	0.14 143	0.15 35	0.08 45	0.22 281	0.20 274	0.29 252	0.21 151	0.16 168	0.29 262	0.19 192	0.17 236	0.16 183	0.28 331	0.09 229	0.05 79	0.07 98	0.07 156	0.07 147	0.07 146

ACVNet	0.15 210	0.09 178	0.15 169	0.13 6	0.12 278	0.14 150	0.20 274	0.22 149	0.34 276	0.17 178	0.26 228	0.21 213	0.17 236	0.18 220	0.21 267	0.07 140	0.06 184	0.06 30	0.06 80	0.08 193	0.06 95

acv_ft	0.15 210	0.09 178	0.16 203	0.19 218	0.10 212	0.16 191	0.17 187	0.25 197	0.34 276	0.19 216	0.26 228	0.21 213	0.17 236	0.18 220	0.19 248	0.07 140	0.06 184	0.06 30	0.06 80	0.08 193	0.06 95

RASNet	0.15 210	0.07 51	0.15 169	0.16 59	0.08 45	0.19 241	0.14 75	0.30 262	0.21 151	0.17 178	0.25 216	0.21 213	0.19 260	0.20 252	0.20 256	0.07 140	0.06 184	0.06 30	0.08 208	0.06 92	0.06 95

CFNet	0.15 210	0.11 250	0.17 222	0.17 106	0.08 45	0.19 241	0.10 5	0.29 252	0.26 215	0.19 216	0.24 190	0.24 249	0.18 246	0.18 220	0.15 199	0.08 187	0.06 184	0.09 223	0.10 277	0.08 193	0.07 146

UCFNet_RVC	0.15 210	0.08 132	0.13 108	0.11 1	0.10 212	0.20 258	0.10 5	0.24 180	0.23 177	0.17 178	0.21 171	0.24 249	0.15 204	0.18 220	0.15 199	0.12 308	0.07 238	0.11 290	0.13 328	0.11 285	0.10 262

AdaStereo	0.15 210	0.11 250	0.16 203	0.19 218	0.09 120	0.21 268	0.11 10	0.33 289	0.28 238	0.21 245	0.23 181	0.21 213	0.13 157	0.19 239	0.15 199	0.13 322	0.05 79	0.10 264	0.07 156	0.09 244	0.07 146
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
iResNetv2_ROB	0.15 210	0.08 132	0.16 203	0.16 59	0.08 45	0.16 191	0.13 45	0.26 205	0.36 292	0.21 245	0.29 262	0.24 249	0.13 157	0.14 144	0.14 169	0.06 50	0.06 184	0.06 30	0.04 7	0.09 244	0.08 209

HSM	0.15 210	0.09 178	0.15 169	0.16 59	0.09 120	0.16 191	0.14 75	0.28 238	0.25 203	0.20 236	0.24 190	0.37 331	0.17 236	0.20 252	0.15 199	0.07 140	0.05 79	0.07 98	0.06 80	0.07 147	0.06 95

pmcnn	0.15 210	0.07 51	0.20 272	0.15 35	0.07 14	0.21 268	0.16 168	0.25 197	0.26 215	0.21 245	0.33 287	0.29 287	0.19 260	0.18 220	0.17 227	0.07 140	0.05 79	0.05 2	0.04 7	0.07 147	0.06 95

1111x	0.16 233	0.09 178	0.13 108	0.18 173	0.08 45	0.18 227	0.25 331	0.32 279	0.25 203	0.17 178	0.24 190	0.27 272	0.15 204	0.14 144	0.24 301	0.07 140	0.07 238	0.08 157	0.09 246	0.07 147	0.07 146

GMStereo_Zeroshot	0.16 233	0.13 284	0.25 301	0.20 259	0.10 212	0.17 211	0.13 45	0.30 262	0.25 203	0.23 267	0.32 280	0.25 258	0.11 100	0.19 239	0.14 169	0.09 229	0.06 184	0.11 290	0.06 80	0.12 298	0.08 209

CRFU-Net	0.16 233	0.08 132	0.15 169	0.17 106	0.09 120	0.20 258	0.14 75	0.27 217	0.21 151	0.28 314	0.28 252	0.29 287	0.18 246	0.19 239	0.18 239	0.09 229	0.09 285	0.07 98	0.07 156	0.08 193	0.09 241

NINENet	0.16 233	0.10 232	0.16 203	0.17 106	0.11 250	0.20 258	0.14 75	0.41 350	0.37 296	0.18 206	0.21 171	0.16 160	0.14 186	0.16 183	0.14 169	0.08 187	0.08 264	0.10 264	0.07 156	0.10 269	0.09 241

CSP-Net	0.16 233	0.09 178	0.14 143	0.17 106	0.09 120	0.19 241	0.18 225	0.25 197	0.33 266	0.26 295	0.31 271	0.25 258	0.16 215	0.21 267	0.19 248	0.09 229	0.06 184	0.07 98	0.07 156	0.08 193	0.08 209

AASNet	0.16 233	0.08 132	0.13 108	0.19 218	0.09 120	0.19 241	0.15 119	0.38 337	0.37 296	0.20 236	0.24 190	0.20 207	0.17 236	0.17 211	0.21 267	0.10 260	0.08 264	0.08 157	0.07 156	0.09 244	0.09 241

AACVNet	0.16 233	0.08 132	0.15 169	0.15 35	0.10 212	0.18 227	0.15 119	0.24 180	0.25 203	0.27 302	0.27 243	0.28 280	0.18 246	0.19 239	0.17 227	0.09 229	0.07 238	0.09 223	0.07 156	0.10 269	0.09 241

ADLNet2	0.16 233	0.09 178	0.14 143	0.17 106	0.09 120	0.20 258	0.16 168	0.32 279	0.39 306	0.17 178	0.20 155	0.20 207	0.19 260	0.21 267	0.23 290	0.08 187	0.07 238	0.07 98	0.07 156	0.09 244	0.07 146

ICVP	0.16 233	0.09 178	0.12 85	0.22 301	0.09 120	0.18 227	0.21 287	0.26 205	0.24 187	0.18 206	0.30 268	0.27 272	0.18 246	0.18 220	0.15 199	0.10 260	0.07 238	0.08 157	0.07 156	0.07 147	0.08 209
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Anonymous3	0.16 233	0.14 299	0.34 335	0.26 342	0.14 313	0.27 324	0.18 225	0.28 238	0.28 238	0.15 141	0.17 116	0.14 125	0.11 100	0.16 183	0.12 119	0.08 187	0.08 264	0.08 157	0.08 208	0.08 193	0.11 283

ADLNet	0.16 233	0.08 132	0.15 169	0.16 59	0.10 212	0.16 191	0.17 187	0.33 289	0.27 225	0.23 267	0.27 243	0.24 249	0.16 215	0.18 220	0.21 267	0.10 260	0.06 184	0.10 264	0.10 277	0.08 193	0.09 241

HCRNet	0.16 233	0.23 354	0.12 85	0.35 372	0.11 250	0.15 170	0.17 187	0.26 205	0.22 169	0.19 216	0.24 190	0.21 213	0.14 186	0.15 158	0.13 145	0.11 285	0.07 238	0.11 290	0.10 277	0.09 244	0.07 146

222	0.16 233	0.07 51	0.15 169	0.14 11	0.08 45	0.25 306	0.18 225	0.30 262	0.21 151	0.18 206	0.29 262	0.17 176	0.16 215	0.16 183	0.44 377	0.10 260	0.05 79	0.07 98	0.06 80	0.08 193	0.08 209

UPFNet	0.16 233	0.08 132	0.12 85	0.20 259	0.12 278	0.20 258	0.23 308	0.28 238	0.26 215	0.18 206	0.24 190	0.22 229	0.20 273	0.19 239	0.22 280	0.09 229	0.07 238	0.08 157	0.09 246	0.08 193	0.06 95

ac_64	0.16 233	0.09 178	0.15 169	0.18 173	0.10 212	0.22 281	0.17 187	0.24 180	0.22 169	0.19 216	0.24 190	0.29 287	0.18 246	0.19 239	0.22 280	0.09 229	0.08 264	0.08 157	0.09 246	0.07 147	0.06 95

DSFCA	0.16 233	0.09 178	0.14 143	0.16 59	0.10 212	0.21 268	0.19 260	0.28 238	0.31 256	0.23 267	0.25 216	0.22 229	0.16 215	0.20 252	0.20 256	0.10 260	0.07 238	0.09 223	0.09 246	0.08 193	0.08 209

AANet_RVC	0.16 233	0.10 232	0.11 62	0.18 173	0.09 120	0.19 241	0.18 225	0.27 217	0.32 261	0.22 254	0.35 301	0.21 213	0.22 284	0.22 284	0.17 227	0.06 50	0.05 79	0.06 30	0.06 80	0.07 147	0.06 95

DeepPruner_ROB	0.16 233	0.11 250	0.16 203	0.17 106	0.10 212	0.17 211	0.15 119	0.32 279	0.21 151	0.19 216	0.21 171	0.22 229	0.19 260	0.21 267	0.16 216	0.13 322	0.09 285	0.09 223	0.10 277	0.11 285	0.11 283

iinet-f	0.17 251	0.07 51	0.46 354	0.14 11	0.10 212	0.21 268	0.14 75	0.27 217	0.23 177	0.22 254	0.25 216	0.21 213	0.16 215	0.18 220	0.22 280	0.09 229	0.07 238	0.07 98	0.06 80	0.09 244	0.10 262

ToySt	0.17 251	0.11 250	0.19 269	0.17 106	0.11 250	0.16 191	0.26 337	0.24 180	0.33 266	0.19 216	0.24 190	0.26 267	0.24 297	0.19 239	0.21 267	0.07 140	0.08 264	0.09 223	0.10 277	0.09 244	0.08 209

ssnet_v2	0.17 251	0.10 232	0.18 248	0.17 106	0.11 250	0.21 268	0.22 297	0.34 303	0.25 203	0.23 267	0.23 181	0.27 272	0.19 260	0.22 284	0.21 267	0.11 285	0.10 306	0.09 223	0.09 246	0.08 193	0.08 209

GEStereo_RVC	0.17 251	0.12 265	0.16 203	0.22 301	0.11 250	0.19 241	0.18 225	0.32 279	0.49 343	0.20 236	0.25 216	0.17 176	0.13 157	0.21 267	0.16 216	0.10 260	0.06 184	0.08 157	0.07 156	0.09 244	0.08 209

MMNet	0.17 251	0.10 232	0.17 222	0.20 259	0.11 250	0.27 324	0.20 274	0.26 205	0.42 319	0.22 254	0.30 268	0.22 229	0.20 273	0.18 220	0.20 256	0.06 50	0.06 184	0.07 98	0.07 156	0.08 193	0.07 146

delet	0.17 251	0.09 178	0.18 248	0.19 218	0.11 250	0.21 268	0.22 297	0.30 262	0.38 302	0.17 178	0.27 243	0.19 192	0.19 260	0.19 239	0.21 267	0.08 187	0.08 264	0.09 223	0.11 300	0.06 92	0.07 146

UNet	0.17 251	0.09 178	0.18 248	0.19 218	0.12 278	0.28 332	0.19 260	0.33 289	0.30 249	0.21 245	0.25 216	0.23 240	0.19 260	0.20 252	0.19 248	0.07 140	0.06 184	0.08 157	0.07 156	0.08 193	0.07 146

HGLStereo	0.17 251	0.09 178	0.19 269	0.17 106	0.12 278	0.18 227	0.18 225	0.31 275	0.33 266	0.22 254	0.33 287	0.24 249	0.18 246	0.20 252	0.21 267	0.10 260	0.09 285	0.07 98	0.07 156	0.09 244	0.10 262

DMCA-RVC	0.17 251	0.10 232	0.16 203	0.24 326	0.11 250	0.19 241	0.18 225	0.26 205	0.24 187	0.21 245	0.27 243	0.25 258	0.27 315	0.18 220	0.21 267	0.12 308	0.08 264	0.13 320	0.10 277	0.10 269	0.08 209

FADNet-RVC-Resample	0.17 251	0.12 265	0.32 331	0.22 301	0.12 278	0.19 241	0.14 75	0.25 197	0.24 187	0.24 278	0.27 243	0.20 207	0.15 204	0.17 211	0.16 216	0.07 140	0.08 264	0.12 307	0.10 277	0.09 244	0.11 283

FADNet_RVC	0.17 251	0.14 299	0.41 349	0.20 259	0.11 250	0.13 121	0.13 45	0.27 217	0.22 169	0.21 245	0.23 181	0.20 207	0.18 246	0.15 158	0.17 227	0.08 187	0.08 264	0.12 307	0.09 246	0.11 285	0.10 262

NLCA_NET_v2_RVC	0.17 251	0.10 232	0.23 291	0.20 259	0.10 212	0.15 170	0.18 225	0.31 275	0.25 203	0.21 245	0.31 271	0.25 258	0.17 236	0.21 267	0.20 256	0.09 229	0.06 184	0.08 157	0.09 246	0.07 147	0.08 209
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 251	0.12 265	0.16 203	0.20 259	0.10 212	0.18 227	0.18 225	0.27 217	0.24 187	0.26 295	0.41 335	0.23 240	0.18 246	0.21 267	0.21 267	0.09 229	0.05 79	0.09 223	0.10 277	0.07 147	0.07 146
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
fast-acv-ft	0.18 264	0.11 250	0.20 272	0.19 218	0.12 278	0.26 316	0.21 287	0.26 205	0.35 287	0.22 254	0.34 297	0.27 272	0.21 277	0.21 267	0.23 290	0.09 229	0.09 285	0.08 157	0.10 277	0.08 193	0.07 146

HBP-ISP	0.18 264	0.13 284	0.17 222	0.15 35	0.11 250	0.08 22	0.13 45	0.28 238	0.30 249	0.22 254	0.33 287	0.21 213	0.25 303	0.23 291	0.18 239	0.15 342	0.17 358	0.21 360	0.17 353	0.10 269	0.09 241

Wz-Net-LNSev-Ref	0.18 264	0.09 178	0.30 324	0.15 35	0.11 250	0.23 292	0.20 274	0.27 217	0.40 310	0.26 295	0.43 344	0.25 258	0.15 204	0.21 267	0.20 256	0.07 140	0.05 79	0.06 30	0.05 31	0.10 269	0.09 241

dad	0.18 264	0.20 343	0.21 278	0.17 106	0.11 250	0.20 258	0.19 260	0.21 130	0.28 238	0.30 324	0.24 190	0.30 294	0.13 157	0.19 239	0.17 227	0.18 359	0.09 285	0.11 290	0.09 246	0.11 285	0.07 146

hitnet-ft	0.18 264	0.10 232	0.17 222	0.14 11	0.09 120	0.27 324	0.20 274	0.25 197	0.26 215	0.24 278	0.32 280	0.32 312	0.23 290	0.24 301	0.21 267	0.12 308	0.07 238	0.10 264	0.08 208	0.12 298	0.11 283

STTStereo	0.18 264	0.13 284	0.28 311	0.20 259	0.11 250	0.16 191	0.21 287	0.29 252	0.23 177	0.22 254	0.30 268	0.29 287	0.18 246	0.20 252	0.20 256	0.12 308	0.11 317	0.11 290	0.14 334	0.09 244	0.08 209

TDLM	0.18 264	0.12 265	0.14 143	0.24 326	0.10 212	0.18 227	0.18 225	0.37 330	0.30 249	0.22 254	0.28 252	0.28 280	0.18 246	0.23 291	0.19 248	0.11 285	0.07 238	0.10 264	0.10 277	0.08 193	0.08 209

CVANet_RVC	0.18 264	0.11 250	0.14 143	0.21 285	0.11 250	0.19 241	0.18 225	0.34 303	0.34 276	0.22 254	0.31 271	0.28 280	0.18 246	0.24 301	0.18 239	0.12 308	0.08 264	0.12 307	0.12 318	0.09 244	0.08 209

DLCB_ROB	0.18 264	0.10 232	0.16 203	0.23 318	0.11 250	0.24 298	0.18 225	0.30 262	0.28 238	0.27 302	0.29 262	0.28 280	0.25 303	0.20 252	0.20 256	0.08 187	0.08 264	0.09 223	0.09 246	0.07 147	0.07 146

SACVNet	0.19 273	0.12 265	0.15 169	0.17 106	0.13 298	0.22 281	0.18 225	0.31 275	0.31 256	0.24 278	0.31 271	0.30 294	0.23 290	0.23 291	0.17 227	0.11 285	0.08 264	0.10 264	0.10 277	0.12 298	0.14 323

pcwnet_v2	0.19 273	0.11 250	0.26 307	0.18 173	0.14 313	0.18 227	0.15 119	0.37 330	0.46 339	0.19 216	0.24 190	0.21 213	0.19 260	0.21 267	0.20 256	0.13 322	0.10 306	0.10 264	0.10 277	0.11 285	0.13 310

psm_up	0.19 273	0.10 232	0.18 248	0.21 285	0.11 250	0.17 211	0.19 260	0.38 337	0.34 276	0.22 254	0.28 252	0.29 287	0.25 303	0.20 252	0.22 280	0.09 229	0.10 306	0.11 290	0.11 300	0.08 193	0.08 209

NVstereo2D	0.19 273	0.11 250	0.16 203	0.17 106	0.16 335	0.28 332	0.23 308	0.44 363	0.42 319	0.15 141	0.28 252	0.25 258	0.19 260	0.23 291	0.18 239	0.09 229	0.06 184	0.10 264	0.08 208	0.15 339	0.10 262

StereoDRNet	0.19 273	0.11 250	0.18 248	0.22 301	0.11 250	0.22 281	0.22 297	0.37 330	0.34 276	0.24 278	0.28 252	0.30 294	0.19 260	0.20 252	0.21 267	0.10 260	0.08 264	0.11 290	0.09 246	0.09 244	0.07 146

CBMV_ROB	0.19 273	0.13 284	0.18 248	0.16 59	0.11 250	0.16 191	0.12 23	0.27 217	0.29 244	0.27 302	0.31 271	0.27 272	0.24 297	0.24 301	0.16 216	0.15 342	0.18 360	0.22 364	0.20 359	0.10 269	0.12 301

NOSS_ROB	0.19 273	0.13 284	0.18 248	0.16 59	0.12 278	0.16 191	0.12 23	0.30 262	0.33 266	0.20 236	0.22 180	0.27 272	0.24 297	0.21 267	0.16 216	0.16 354	0.18 360	0.23 365	0.21 361	0.13 313	0.13 310

SDNR	0.20 280	0.09 178	0.19 269	0.16 59	0.12 278	0.79 393	0.13 45	0.26 205	0.33 266	0.19 216	0.25 216	0.19 192	0.12 128	0.19 239	0.15 199	0.16 354	0.18 360	0.14 331	0.11 300	0.08 193	0.12 301

GwcNet	0.20 280	0.14 299	0.20 272	0.18 173	0.12 278	0.25 306	0.20 274	0.36 323	0.45 331	0.20 236	0.33 287	0.33 318	0.21 277	0.22 284	0.25 308	0.11 285	0.09 285	0.09 223	0.09 246	0.09 244	0.10 262

SuperB	0.20 280	0.10 232	0.57 367	0.16 59	0.09 120	0.19 241	0.18 225	0.25 197	0.51 348	0.27 302	0.39 322	0.17 176	0.22 284	0.22 284	0.21 267	0.08 187	0.06 184	0.06 30	0.06 80	0.12 298	0.11 283

ADCRef	0.20 280	0.12 265	0.43 352	0.20 259	0.12 278	0.23 292	0.18 225	0.32 279	0.37 296	0.26 295	0.33 287	0.18 188	0.23 290	0.25 306	0.26 319	0.07 140	0.06 184	0.09 223	0.09 246	0.08 193	0.09 241

ADCP+	0.20 280	0.10 232	0.35 341	0.21 285	0.12 278	0.22 281	0.27 341	0.31 275	0.35 287	0.26 295	0.37 308	0.22 229	0.22 284	0.27 312	0.28 331	0.09 229	0.06 184	0.08 157	0.08 208	0.10 269	0.10 262

PS-NSSS	0.20 280	0.21 348	0.23 291	0.20 259	0.10 212	0.19 241	0.17 187	0.36 323	0.26 215	0.27 302	0.34 297	0.27 272	0.24 297	0.20 252	0.20 256	0.15 342	0.12 325	0.17 347	0.14 334	0.10 269	0.09 241

DRN-Test	0.20 280	0.11 250	0.21 278	0.22 301	0.10 212	0.22 281	0.22 297	0.40 345	0.38 302	0.24 278	0.33 287	0.26 267	0.22 284	0.22 284	0.25 308	0.11 285	0.07 238	0.11 290	0.10 277	0.09 244	0.08 209

DISCO	0.20 280	0.09 178	0.22 285	0.17 106	0.10 212	0.25 306	0.18 225	0.28 238	0.45 331	0.23 267	0.32 280	0.34 322	0.26 310	0.29 327	0.29 338	0.08 187	0.06 184	0.07 98	0.07 156	0.09 244	0.10 262

SGM-Forest	0.20 280	0.14 299	0.18 248	0.20 259	0.13 298	0.21 268	0.22 297	0.33 289	0.31 256	0.24 278	0.29 262	0.28 280	0.20 273	0.23 291	0.18 239	0.15 342	0.16 354	0.15 338	0.14 334	0.13 313	0.12 301
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.20 280	0.15 305	0.18 248	0.18 173	0.10 212	0.20 258	0.11 10	0.30 262	0.31 256	0.29 319	0.31 271	0.31 306	0.23 290	0.28 320	0.19 248	0.13 322	0.15 349	0.17 347	0.16 346	0.10 269	0.10 262
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
UDG	0.21 290	0.17 322	0.20 272	0.23 318	0.15 323	0.31 339	0.20 274	0.33 289	0.35 287	0.24 278	0.28 252	0.31 306	0.29 327	0.21 267	0.23 290	0.15 342	0.12 325	0.13 320	0.09 246	0.14 328	0.15 338

FAT-Stereo	0.21 290	0.13 284	0.22 285	0.21 285	0.12 278	0.18 227	0.18 225	0.35 318	0.40 310	0.28 314	0.37 308	0.33 318	0.33 347	0.21 267	0.20 256	0.09 229	0.11 317	0.10 264	0.09 246	0.11 285	0.14 323

FADNet-RVC	0.21 290	0.20 343	0.40 347	0.21 285	0.16 335	0.21 268	0.15 119	0.27 217	0.27 225	0.26 295	0.32 280	0.26 267	0.21 277	0.22 284	0.19 248	0.12 308	0.13 337	0.12 307	0.14 334	0.13 313	0.18 357

FADNet	0.21 290	0.23 354	0.37 344	0.18 173	0.17 345	0.25 306	0.13 45	0.32 279	0.32 261	0.23 267	0.25 216	0.27 272	0.21 277	0.19 239	0.16 216	0.13 322	0.15 349	0.12 307	0.15 344	0.17 354	0.18 357

S-Stereo	0.21 290	0.12 265	0.25 301	0.21 285	0.13 298	0.21 268	0.19 260	0.33 289	0.45 331	0.23 267	0.36 305	0.28 280	0.29 327	0.20 252	0.23 290	0.09 229	0.12 325	0.10 264	0.10 277	0.13 313	0.14 323

DANet	0.21 290	0.16 313	0.29 319	0.25 332	0.13 298	0.23 292	0.19 260	0.28 238	0.27 225	0.28 314	0.32 280	0.35 327	0.32 345	0.31 334	0.24 301	0.11 285	0.09 285	0.11 290	0.10 277	0.13 313	0.11 283
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
PWC_ROB	0.21 290	0.16 313	0.27 309	0.18 173	0.11 250	0.22 281	0.13 45	0.33 289	0.49 343	0.30 324	0.40 325	0.32 312	0.25 303	0.31 334	0.23 290	0.10 260	0.07 238	0.11 290	0.08 208	0.11 285	0.10 262

PWCDC_ROB	0.21 290	0.13 284	0.23 291	0.25 332	0.12 278	0.20 258	0.15 119	0.34 303	0.55 358	0.29 319	0.49 354	0.21 213	0.15 204	0.28 320	0.20 256	0.11 285	0.09 285	0.10 264	0.08 208	0.11 285	0.09 241

GASNet	0.22 298	0.24 357	0.34 335	0.26 342	0.17 345	0.27 324	0.16 168	0.45 365	0.42 319	0.27 302	0.24 190	0.30 294	0.16 215	0.27 312	0.18 239	0.12 308	0.09 285	0.12 307	0.11 300	0.16 347	0.08 209

Anonymous_2	0.22 298	0.17 322	0.28 311	0.15 35	0.16 335	0.33 343	0.22 297	0.23 163	0.18 107	0.23 267	0.24 190	0.26 267	0.27 315	0.27 312	0.24 301	0.22 370	0.26 378	0.17 347	0.17 353	0.16 347	0.18 357

Wz-Net-LNSev	0.22 298	0.16 313	0.41 349	0.22 301	0.13 298	0.25 306	0.24 316	0.33 289	0.44 328	0.30 324	0.42 341	0.32 312	0.19 260	0.23 291	0.27 324	0.10 260	0.09 285	0.08 157	0.08 208	0.12 298	0.11 283

FINET	0.22 298	0.18 335	0.28 311	0.19 218	0.16 335	0.24 298	0.24 316	0.33 289	0.49 343	0.26 295	0.33 287	0.22 229	0.23 290	0.23 291	0.18 239	0.18 359	0.16 354	0.11 290	0.10 277	0.15 339	0.14 323

Syn2CoEx	0.22 298	0.16 313	0.29 319	0.29 362	0.15 323	0.26 316	0.21 287	0.34 303	0.32 261	0.29 319	0.36 305	0.28 280	0.25 303	0.20 252	0.25 308	0.16 354	0.12 325	0.14 331	0.11 300	0.09 244	0.08 209

aanetorigin	0.22 298	0.17 322	0.57 367	0.18 173	0.10 212	0.16 191	0.19 260	0.20 119	0.33 266	0.49 369	0.48 353	0.30 294	0.28 324	0.21 267	0.24 301	0.08 187	0.07 238	0.08 157	0.07 156	0.10 269	0.09 241

MaskLacGwcNet_RVC	0.22 298	0.21 348	0.25 301	0.26 342	0.11 250	0.24 298	0.14 75	0.39 342	0.24 187	0.32 336	0.36 305	0.30 294	0.21 277	0.19 239	0.22 280	0.17 358	0.14 345	0.21 360	0.16 346	0.13 313	0.12 301

RP	0.22 298	0.13 284	0.22 285	0.23 318	0.12 278	0.21 268	0.20 274	0.26 205	0.45 331	0.22 254	0.38 315	0.37 331	0.25 303	0.28 320	0.25 308	0.11 285	0.12 325	0.13 320	0.12 318	0.13 313	0.14 323

stereogan	0.22 298	0.11 250	0.21 278	0.20 259	0.12 278	0.32 341	0.19 260	0.36 323	0.45 331	0.23 267	0.39 322	0.35 327	0.27 315	0.33 341	0.23 290	0.10 260	0.12 325	0.10 264	0.10 277	0.14 328	0.14 323

GANet	0.22 298	0.13 284	0.21 278	0.25 332	0.14 313	0.23 292	0.22 297	0.42 354	0.27 225	0.31 329	0.43 344	0.37 331	0.29 327	0.23 291	0.23 290	0.10 260	0.12 325	0.10 264	0.09 246	0.10 269	0.08 209

MDST_ROB	0.22 298	0.10 232	0.18 248	0.18 173	0.11 250	0.40 364	0.19 260	0.44 363	0.42 319	0.40 353	0.40 325	0.29 287	0.21 277	0.27 312	0.19 248	0.11 285	0.10 306	0.14 331	0.11 300	0.10 269	0.08 209

XPNet_ROB	0.22 298	0.12 265	0.20 272	0.22 301	0.13 298	0.22 281	0.19 260	0.35 318	0.40 310	0.30 324	0.40 325	0.38 337	0.27 315	0.26 310	0.29 338	0.15 342	0.10 306	0.10 264	0.10 277	0.13 313	0.12 301

PSMNet_ROB	0.22 298	0.12 265	0.15 169	0.27 349	0.15 323	0.25 306	0.36 375	0.43 359	0.37 296	0.27 302	0.33 287	0.32 312	0.23 290	0.21 267	0.27 324	0.12 308	0.08 264	0.13 320	0.11 300	0.10 269	0.09 241

Wz-Net-MNSev	0.23 311	0.13 284	0.33 332	0.20 259	0.15 323	0.36 355	0.25 331	0.34 303	0.45 331	0.29 319	0.41 335	0.39 342	0.19 260	0.25 306	0.27 324	0.09 229	0.07 238	0.09 223	0.09 246	0.12 298	0.10 262

DDUNet	0.23 311	0.18 335	0.22 285	0.22 301	0.15 323	0.25 306	0.24 316	0.30 262	0.31 256	0.31 329	0.37 308	0.34 322	0.26 310	0.25 306	0.21 267	0.18 359	0.13 337	0.17 347	0.11 300	0.16 347	0.17 355

APVNet	0.23 311	0.12 265	0.20 272	0.18 173	0.14 313	0.32 341	0.31 364	0.40 345	0.33 266	0.27 302	0.40 325	0.30 294	0.29 327	0.27 312	0.25 308	0.11 285	0.12 325	0.11 290	0.14 334	0.12 298	0.13 310

AF-Net	0.23 311	0.17 322	0.17 222	0.27 349	0.13 298	0.26 316	0.24 316	0.33 289	0.51 348	0.25 291	0.33 287	0.39 342	0.27 315	0.28 320	0.26 319	0.11 285	0.10 306	0.16 345	0.12 318	0.11 285	0.11 283

edge stereo	0.23 311	0.14 299	0.21 278	0.21 285	0.13 298	0.24 298	0.16 168	0.32 279	0.42 319	0.32 336	0.40 325	0.39 342	0.35 351	0.25 306	0.25 308	0.13 322	0.11 317	0.14 331	0.11 300	0.12 298	0.14 323

Nwc_Net	0.23 311	0.17 322	0.22 285	0.25 332	0.15 323	0.25 306	0.27 341	0.38 337	0.39 306	0.22 254	0.41 335	0.30 294	0.29 327	0.28 320	0.25 308	0.11 285	0.10 306	0.17 347	0.20 359	0.10 269	0.11 283

RTSC	0.23 311	0.13 284	0.30 324	0.21 285	0.13 298	0.29 334	0.17 187	0.36 323	0.68 376	0.27 302	0.34 297	0.30 294	0.22 284	0.32 338	0.31 348	0.10 260	0.08 264	0.09 223	0.10 277	0.13 313	0.14 323

RYNet	0.23 311	0.12 265	0.22 285	0.19 218	0.17 345	0.47 369	0.26 337	0.39 342	0.49 343	0.24 278	0.29 262	0.34 322	0.24 297	0.20 252	0.31 348	0.10 260	0.06 184	0.09 223	0.09 246	0.14 328	0.15 338

NaN_ROB	0.23 311	0.20 343	0.25 301	0.25 332	0.13 298	0.31 339	0.27 341	0.34 303	0.41 317	0.31 329	0.31 271	0.32 312	0.23 290	0.31 334	0.22 280	0.11 285	0.17 358	0.10 264	0.11 300	0.08 193	0.09 241

ETE_ROB	0.23 311	0.17 322	0.23 291	0.25 332	0.14 313	0.26 316	0.29 357	0.32 279	0.37 296	0.28 314	0.37 308	0.45 358	0.27 315	0.28 320	0.27 324	0.11 285	0.09 285	0.12 307	0.10 277	0.14 328	0.13 310

SQANet	0.24 321	0.24 357	0.31 327	0.31 366	0.19 358	0.27 324	0.13 45	0.30 262	0.33 266	0.25 291	0.37 308	0.31 306	0.22 284	0.27 312	0.23 290	0.15 342	0.10 306	0.21 360	0.16 346	0.22 362	0.16 347

DeepPrunerF	0.24 321	0.17 322	0.45 353	0.26 342	0.16 335	0.23 292	0.29 357	0.37 330	0.51 348	0.27 302	0.31 271	0.24 249	0.28 324	0.22 284	0.23 290	0.15 342	0.11 317	0.20 359	0.18 357	0.12 298	0.14 323

PA-Net	0.24 321	0.18 335	0.34 335	0.28 355	0.22 365	0.22 281	0.39 380	0.29 252	0.39 306	0.22 254	0.33 287	0.25 258	0.26 310	0.21 267	0.25 308	0.10 260	0.23 376	0.15 338	0.22 364	0.09 244	0.13 310
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
Anonymous Stereo	0.24 321	0.19 338	0.52 361	0.25 332	0.18 354	0.21 268	0.22 297	0.34 303	0.45 331	0.25 291	0.35 301	0.26 267	0.19 260	0.31 334	0.29 338	0.13 322	0.12 325	0.12 307	0.13 328	0.12 298	0.14 323

NCCL2	0.24 321	0.15 305	0.18 248	0.34 370	0.18 354	0.24 298	0.24 316	0.34 303	0.29 244	0.31 329	0.38 315	0.38 337	0.29 327	0.23 291	0.25 308	0.15 342	0.12 325	0.18 355	0.21 361	0.13 313	0.13 310

WCMA_ROB	0.24 321	0.11 250	0.24 297	0.17 106	0.14 313	0.34 347	0.16 168	0.33 289	0.33 266	0.39 350	0.54 361	0.40 348	0.35 351	0.35 349	0.26 319	0.12 308	0.12 325	0.12 307	0.11 300	0.14 328	0.14 323

SGM_RVC	0.24 321	0.12 265	0.16 203	0.15 35	0.09 120	0.34 347	0.19 260	0.35 318	0.32 261	0.44 364	0.38 315	0.53 371	0.36 354	0.36 353	0.26 319	0.13 322	0.13 337	0.13 320	0.13 328	0.11 285	0.11 283
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DGSMNet	0.25 328	0.19 338	0.34 335	0.21 285	0.24 368	0.24 298	0.21 287	0.36 323	0.42 319	0.25 291	0.32 280	0.38 337	0.21 277	0.29 327	0.24 301	0.13 322	0.11 317	0.14 331	0.16 346	0.23 364	0.23 370

psmorigin	0.25 328	0.16 313	0.35 341	0.17 106	0.13 298	0.24 298	0.14 75	0.34 303	0.34 276	0.41 357	0.55 362	0.41 350	0.38 357	0.35 349	0.28 331	0.11 285	0.15 349	0.11 290	0.11 300	0.12 298	0.17 355

RGC	0.25 328	0.20 343	0.29 319	0.28 355	0.16 335	0.22 281	0.23 308	0.33 289	0.44 328	0.27 302	0.40 325	0.38 337	0.28 324	0.37 357	0.23 290	0.11 285	0.13 337	0.17 347	0.17 353	0.15 339	0.16 347

G-Net	0.25 328	0.17 322	0.38 345	0.23 318	0.16 335	0.51 372	0.23 308	0.29 252	0.35 287	0.36 343	0.38 315	0.31 306	0.29 327	0.28 320	0.27 324	0.11 285	0.09 285	0.12 307	0.10 277	0.16 347	0.14 323

NCC-stereo	0.25 328	0.15 305	0.31 327	0.26 342	0.17 345	0.21 268	0.31 364	0.41 350	0.40 310	0.24 278	0.38 315	0.33 318	0.29 327	0.37 357	0.28 331	0.13 322	0.11 317	0.15 338	0.22 364	0.13 313	0.13 310

Abc-Net	0.25 328	0.15 305	0.31 327	0.26 342	0.17 345	0.21 268	0.31 364	0.41 350	0.40 310	0.24 278	0.38 315	0.33 318	0.29 327	0.37 357	0.28 331	0.13 322	0.11 317	0.15 338	0.22 364	0.13 313	0.13 310
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.25 328	0.12 265	0.49 359	0.22 301	0.12 278	0.36 355	0.29 357	0.30 262	0.57 361	0.24 278	0.47 352	0.30 294	0.31 343	0.30 333	0.30 344	0.09 229	0.07 238	0.09 223	0.09 246	0.10 269	0.10 262

FBW_ROB	0.25 328	0.17 322	0.23 291	0.27 349	0.14 313	0.26 316	0.22 297	0.42 354	0.43 326	0.42 359	0.41 335	0.43 354	0.27 315	0.32 338	0.24 301	0.09 229	0.15 349	0.15 338	0.12 318	0.12 298	0.10 262

SANet	0.25 328	0.14 299	0.29 319	0.21 285	0.11 250	0.29 334	0.25 331	0.40 345	0.65 375	0.36 343	0.40 325	0.42 352	0.27 315	0.27 312	0.25 308	0.12 308	0.09 285	0.10 264	0.09 246	0.13 313	0.12 301

LALA_ROB	0.25 328	0.16 313	0.23 291	0.27 349	0.17 345	0.27 324	0.27 341	0.42 354	0.38 302	0.33 340	0.39 322	0.51 368	0.26 310	0.29 327	0.28 331	0.16 354	0.09 285	0.13 320	0.12 318	0.13 313	0.13 310

Wz-Net-SNSev	0.26 338	0.17 322	0.46 354	0.25 332	0.14 313	0.26 316	0.24 316	0.38 337	0.57 361	0.30 324	0.56 363	0.39 342	0.26 310	0.24 301	0.32 353	0.10 260	0.09 285	0.10 264	0.11 300	0.11 285	0.11 283

SHD	0.26 338	0.15 305	0.31 327	0.24 326	0.18 354	0.23 292	0.15 119	0.39 342	0.72 381	0.32 336	0.42 341	0.36 329	0.29 327	0.33 341	0.30 344	0.13 322	0.11 317	0.14 331	0.13 328	0.16 347	0.20 365

ADCMid	0.26 338	0.15 305	0.42 351	0.20 259	0.14 313	0.25 306	0.26 337	0.35 318	0.40 310	0.37 347	0.45 348	0.34 322	0.42 366	0.36 353	0.36 360	0.10 260	0.09 285	0.11 290	0.11 300	0.13 313	0.13 310

AnyNet_C32	0.26 338	0.16 313	0.39 346	0.20 259	0.17 345	0.26 316	0.31 364	0.32 279	0.45 331	0.31 329	0.50 356	0.30 294	0.34 348	0.41 370	0.36 360	0.12 308	0.12 325	0.12 307	0.14 334	0.14 328	0.15 338

ADCPNet	0.26 338	0.17 322	0.62 372	0.21 285	0.15 323	0.36 355	0.25 331	0.33 289	0.37 296	0.31 329	0.41 335	0.36 329	0.29 327	0.29 327	0.34 358	0.12 308	0.10 306	0.11 290	0.12 318	0.14 328	0.13 310

DispFullNet	0.27 343	0.22 352	0.66 375	0.28 355	0.17 345	0.27 324	0.17 187	0.34 303	0.57 361	0.27 302	0.37 308	0.43 354	0.24 297	0.39 362	0.25 308	0.12 308	0.06 184	0.19 357	0.11 300	0.23 364	0.16 347

MeshStereo	0.27 343	0.13 284	0.18 248	0.15 35	0.11 250	0.33 343	0.24 316	0.41 350	0.36 292	0.53 372	0.58 369	0.67 381	0.41 363	0.36 353	0.27 324	0.14 340	0.13 337	0.13 320	0.11 300	0.11 285	0.11 283
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
CC-Net-ROB	0.28 345	0.31 373	0.36 343	0.30 364	0.15 323	0.25 306	0.19 260	0.45 365	0.34 276	0.39 350	0.37 308	0.39 342	0.31 343	0.27 312	0.27 324	0.24 377	0.18 360	0.30 378	0.23 368	0.19 359	0.15 338

DPSNet	0.28 345	0.16 313	0.33 332	0.18 173	0.13 298	0.55 375	0.42 383	0.52 375	0.68 376	0.29 319	0.38 315	0.39 342	0.30 338	0.32 338	0.23 290	0.11 285	0.10 306	0.11 290	0.08 208	0.20 361	0.16 347

PDISCO_ROB	0.28 345	0.16 313	0.28 311	0.28 355	0.20 361	0.33 343	0.27 341	0.45 365	0.58 364	0.28 314	0.41 335	0.45 358	0.30 338	0.34 344	0.35 359	0.12 308	0.09 285	0.17 347	0.16 346	0.17 354	0.13 310

Wz-Net-TNSev	0.29 348	0.20 343	0.69 383	0.19 218	0.15 323	0.38 361	0.27 341	0.36 323	0.56 360	0.35 341	0.42 341	0.45 358	0.39 358	0.33 341	0.31 348	0.13 322	0.13 337	0.10 264	0.12 318	0.15 339	0.15 338

WZ-Net	0.29 348	0.17 322	0.82 391	0.23 318	0.16 335	0.35 351	0.29 357	0.40 345	0.59 366	0.24 278	0.57 367	0.37 331	0.25 303	0.34 344	0.37 364	0.09 229	0.08 264	0.09 223	0.10 277	0.14 328	0.16 347

XQC	0.29 348	0.23 354	0.53 362	0.29 362	0.19 358	0.36 355	0.28 347	0.37 330	0.58 364	0.31 329	0.31 271	0.37 331	0.30 338	0.39 362	0.39 368	0.13 322	0.09 285	0.15 338	0.12 318	0.18 356	0.18 357

ccnet	0.30 351	0.28 365	0.24 297	0.20 259	0.28 375	0.41 365	0.22 297	0.46 368	0.33 266	0.37 347	0.46 350	0.37 331	0.30 338	0.40 365	0.43 374	0.23 375	0.14 345	0.21 360	0.17 353	0.23 364	0.19 362

EDNetEfficient	0.30 351	0.24 357	1.18 399	0.18 173	0.10 212	0.20 258	0.20 274	0.21 130	0.61 368	0.74 386	0.56 363	0.30 294	0.40 362	0.23 291	0.32 353	0.09 229	0.07 238	0.08 157	0.07 156	0.11 285	0.10 262

MFN_U_SF_DS_RVC	0.30 351	0.24 357	0.30 324	0.36 374	0.16 335	0.36 355	0.31 364	0.34 303	0.43 326	0.41 357	0.46 350	0.38 337	0.30 338	0.35 349	0.29 338	0.19 362	0.20 366	0.26 367	0.29 376	0.18 356	0.19 362

ADCS	0.30 351	0.19 338	0.48 358	0.21 285	0.18 354	0.29 334	0.24 316	0.42 354	0.64 373	0.40 353	0.50 356	0.40 348	0.37 355	0.40 365	0.43 374	0.13 322	0.13 337	0.13 320	0.14 334	0.16 347	0.16 347

CSAN	0.30 351	0.24 357	0.28 311	0.34 370	0.19 358	0.34 347	0.42 383	0.38 337	0.51 348	0.38 349	0.40 325	0.44 357	0.34 348	0.29 327	0.31 348	0.19 362	0.16 354	0.19 357	0.19 358	0.14 328	0.15 338

GANetREF_RVC	0.31 356	0.34 375	0.29 319	0.35 372	0.16 335	0.33 343	0.42 383	0.48 370	0.52 354	0.35 341	0.35 301	0.34 322	0.32 345	0.40 365	0.33 356	0.27 379	0.20 366	0.29 376	0.15 344	0.19 359	0.18 357
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
MSMD_ROB	0.31 356	0.26 363	0.26 307	0.24 326	0.21 363	0.34 347	0.25 331	0.34 303	0.39 306	0.40 353	0.69 377	0.45 358	0.41 363	0.34 344	0.28 331	0.20 366	0.20 366	0.26 367	0.25 370	0.23 364	0.22 369

FCDSN-DC	0.33 358	0.28 365	0.28 311	0.30 364	0.24 368	0.39 363	0.28 347	0.43 359	0.42 319	0.44 364	0.53 360	0.51 368	0.42 366	0.37 357	0.30 344	0.21 368	0.20 366	0.27 370	0.26 371	0.25 372	0.25 372
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_RVC	0.33 358	0.22 352	0.58 370	0.31 366	0.15 323	0.36 355	0.17 187	0.54 378	0.46 339	0.47 368	0.56 363	0.58 374	0.39 358	0.36 353	0.38 367	0.15 342	0.15 349	0.18 355	0.21 361	0.16 347	0.16 347

FC-DCNN	0.33 358	0.28 365	0.28 311	0.26 342	0.23 366	0.38 361	0.29 357	0.40 345	0.44 328	0.46 367	0.56 363	0.51 368	0.41 363	0.38 361	0.31 348	0.21 368	0.20 366	0.27 370	0.26 371	0.25 372	0.24 371

PASM	0.33 358	0.25 362	0.51 360	0.28 355	0.27 374	0.30 337	0.31 364	0.35 318	0.51 348	0.36 343	0.40 325	0.47 365	0.35 351	0.34 344	0.36 360	0.23 375	0.26 378	0.26 367	0.28 375	0.23 364	0.21 366

SGM-ForestM	0.33 358	0.12 265	0.17 222	0.16 59	0.11 250	0.42 366	0.20 274	0.43 359	0.53 357	0.53 372	0.57 367	1.41 403	0.44 371	0.42 371	0.29 338	0.14 340	0.16 354	0.16 345	0.16 346	0.12 298	0.13 310

LSM	0.34 363	0.21 348	0.62 372	0.27 349	0.62 397	0.35 351	0.26 337	0.43 359	0.49 343	0.45 366	0.60 372	0.42 352	0.37 355	0.35 349	0.26 319	0.13 322	0.21 373	0.14 331	0.16 346	0.18 356	0.34 384

AnyNet_C01	0.37 364	0.26 363	1.41 402	0.22 301	0.17 345	0.51 372	0.28 347	0.36 323	0.40 310	0.39 350	0.75 383	0.46 362	0.39 358	0.46 373	0.50 384	0.13 322	0.13 337	0.13 320	0.14 334	0.14 328	0.16 347

otaku	0.39 365	0.38 378	0.53 362	0.44 380	0.28 375	0.57 377	0.24 316	0.42 354	0.62 371	0.40 353	0.50 356	0.46 362	0.34 348	0.40 365	0.33 356	0.30 380	0.30 382	0.39 382	0.33 381	0.30 377	0.29 378

ACVNet-4b	0.39 365	0.53 384	0.56 365	0.45 381	0.24 368	0.46 368	0.18 225	0.50 372	0.64 373	0.42 359	0.45 348	0.60 375	0.27 315	0.34 344	0.24 301	0.33 382	0.14 345	0.48 385	0.42 385	0.31 380	0.27 377

PVD	0.40 367	0.21 348	0.40 347	0.32 369	0.23 366	0.30 337	0.45 387	0.53 377	0.97 394	0.55 374	0.80 387	0.54 372	0.60 384	0.53 379	0.40 370	0.19 362	0.14 345	0.17 347	0.14 334	0.24 370	0.32 382

Ntro	0.41 368	0.40 380	0.54 364	0.46 384	0.30 379	0.64 381	0.24 316	0.47 369	0.68 376	0.42 359	0.49 354	0.47 365	0.42 366	0.40 365	0.32 353	0.32 381	0.28 380	0.37 381	0.31 379	0.33 382	0.29 378

SAMSARA	0.41 368	0.28 365	0.34 335	0.55 387	0.39 381	0.85 396	1.25 411	0.49 371	0.52 354	0.36 343	0.35 301	0.56 373	0.39 358	0.39 362	0.41 371	0.15 342	0.20 366	0.15 338	0.14 334	0.23 364	0.21 366

ELAS_RVC	0.42 370	0.29 371	0.33 332	0.28 355	0.24 368	0.56 376	0.38 378	0.50 372	0.61 368	0.74 386	0.76 384	0.67 381	0.56 380	0.55 381	0.42 373	0.22 370	0.21 373	0.27 370	0.26 371	0.27 376	0.26 375
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.42 370	0.29 371	0.34 335	0.28 355	0.24 368	0.63 380	0.37 376	0.52 375	0.52 354	0.72 383	0.82 388	0.68 383	0.56 380	0.52 377	0.45 380	0.22 370	0.21 373	0.27 370	0.26 371	0.26 374	0.26 375
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Consistency-Raft	0.44 372	0.40 380	0.46 354	0.37 375	0.43 384	0.42 366	0.41 381	0.57 380	0.55 358	0.32 336	0.73 381	0.32 312	0.50 375	0.42 371	0.49 383	0.39 384	0.36 384	0.45 384	0.52 394	0.42 384	0.30 380

MSC_U_SF_DS_RVC	0.44 372	0.39 379	0.56 365	0.40 376	0.20 361	0.66 383	0.33 373	0.54 378	0.72 381	0.71 382	0.72 380	0.62 376	0.55 378	0.52 377	0.47 381	0.20 366	0.19 365	0.29 376	0.30 378	0.24 370	0.19 362

ACVNet_1	0.45 374	0.51 383	0.61 371	0.45 381	0.28 375	0.50 370	0.28 347	0.58 385	0.71 380	0.63 377	0.59 371	0.74 386	0.50 375	0.50 375	0.36 360	0.26 378	0.25 377	0.39 382	0.29 376	0.32 381	0.25 372

RTS	0.46 375	0.19 338	3.33 408	0.25 332	0.15 323	0.72 388	0.21 287	0.37 330	0.78 387	0.42 359	0.44 346	0.31 306	0.43 369	0.55 381	0.37 364	0.10 260	0.09 285	0.13 320	0.13 328	0.15 339	0.15 338

RTSA	0.46 375	0.19 338	3.33 408	0.25 332	0.15 323	0.72 388	0.21 287	0.37 330	0.78 387	0.42 359	0.44 346	0.31 306	0.43 369	0.55 381	0.37 364	0.10 260	0.09 285	0.13 320	0.13 328	0.15 339	0.15 338

MANE	0.47 377	0.28 365	0.28 311	0.27 349	0.24 368	0.50 370	0.32 372	0.57 380	0.62 371	0.74 386	1.20 405	1.21 396	0.64 386	0.54 380	0.39 368	0.22 370	0.20 366	0.27 370	0.31 379	0.26 374	0.25 372

NVStereoNet_ROB	0.47 377	0.37 377	0.47 357	0.42 379	0.29 378	0.35 351	0.35 374	0.50 372	0.61 368	0.73 384	0.94 392	0.70 385	0.68 388	0.48 374	0.62 391	0.22 370	0.33 383	0.34 380	0.34 383	0.30 377	0.31 381
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
LE_ROB	0.50 379	0.07 51	0.14 143	0.15 35	0.08 45	0.26 316	0.17 187	0.23 163	1.71 409	4.68 413	0.67 374	0.46 362	0.47 372	0.21 267	0.30 344	0.07 140	0.06 184	0.06 30	0.06 80	0.08 193	0.06 95

anonymity	0.53 380	0.58 385	0.66 375	0.41 377	0.61 396	0.54 374	0.41 381	0.57 380	0.41 317	0.56 375	0.50 356	0.50 367	0.55 378	0.59 386	0.50 384	0.58 395	0.50 396	0.51 387	0.51 392	0.52 386	0.58 393

RainbowNet	0.54 381	0.61 388	0.71 388	0.57 388	0.43 384	0.66 383	0.37 376	0.60 386	0.87 391	0.51 370	0.67 374	0.63 377	0.47 372	0.50 375	0.44 377	0.47 390	0.48 392	0.53 389	0.41 384	0.53 388	0.41 389

BEATNet-Init1	0.54 381	0.28 365	0.68 382	0.31 366	0.21 363	0.85 396	0.31 364	0.57 380	0.69 379	0.89 393	1.00 395	2.17 410	0.66 387	0.58 385	0.44 377	0.19 362	0.18 360	0.23 365	0.22 364	0.22 362	0.21 366

SGM+DAISY	0.57 383	0.58 385	0.67 379	0.41 377	0.55 390	0.68 385	0.51 389	0.57 380	0.46 339	0.67 378	0.70 378	0.69 384	0.57 382	0.64 388	0.58 389	0.59 396	0.49 393	0.50 386	0.50 391	0.52 386	0.59 396

SPS-STEREO	0.58 384	0.59 387	0.66 375	0.45 381	0.55 390	0.65 382	0.44 386	0.63 387	0.51 348	0.69 380	0.65 373	0.66 380	0.58 383	0.62 387	0.62 391	0.62 398	0.47 391	0.51 387	0.49 389	0.55 389	0.58 393
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.65 385	0.66 392	0.66 375	0.51 385	0.69 401	0.70 386	0.58 393	0.65 388	0.75 385	0.61 376	0.73 381	0.63 377	0.68 388	0.65 389	0.60 390	0.66 399	0.58 405	0.63 391	0.59 395	0.68 396	0.69 403

IMH-64-1	0.66 386	0.62 389	0.69 383	0.72 391	0.51 387	0.60 378	0.51 389	0.92 394	0.84 389	0.75 389	1.02 396	0.81 387	0.78 393	0.80 392	0.50 384	0.43 386	0.46 387	0.72 393	0.48 387	0.55 389	0.40 387

IMH-64	0.66 386	0.62 389	0.69 383	0.72 391	0.51 387	0.60 378	0.51 389	0.92 394	0.84 389	0.75 389	1.02 396	0.81 387	0.78 393	0.80 392	0.50 384	0.43 386	0.46 387	0.72 393	0.48 387	0.55 389	0.40 387

ACVNet_2	0.67 388	0.68 393	0.70 386	0.64 389	0.41 382	0.75 391	0.50 388	0.98 400	1.38 404	0.90 394	1.09 399	1.04 391	0.74 391	0.55 381	0.48 382	0.43 386	0.40 386	0.53 389	0.45 386	0.48 385	0.36 386

IMH	0.72 389	0.65 391	0.70 386	0.77 393	0.54 389	0.71 387	0.56 392	0.99 402	1.08 395	0.82 392	1.09 399	0.89 389	0.88 397	0.88 400	0.53 388	0.44 389	0.50 396	0.75 396	0.51 392	0.58 392	0.42 390

PWCK	0.72 389	0.95 403	0.99 397	0.77 393	0.32 380	0.79 393	0.38 378	0.92 394	0.90 392	0.96 397	0.76 384	0.97 390	0.62 385	0.87 398	0.68 394	0.73 401	0.46 387	0.76 397	0.49 389	0.71 399	0.44 391

JetBlue	0.73 391	0.46 382	1.21 400	0.52 386	0.47 386	2.16 411	0.67 399	0.78 390	0.72 381	0.70 381	0.79 386	1.21 396	0.84 395	1.06 407	1.04 407	0.40 385	0.28 380	0.33 379	0.33 381	0.30 377	0.34 384

TorneroNet-64	0.76 392	0.73 395	0.77 389	0.78 395	0.58 395	0.94 401	0.58 393	0.85 393	1.26 399	0.67 378	0.88 390	1.41 403	0.76 392	0.87 398	0.68 394	0.49 391	0.46 387	0.73 395	0.59 395	0.68 396	0.54 392

MADNet+	0.76 392	0.72 394	3.76 411	0.67 390	0.41 382	0.99 402	0.97 409	0.72 389	0.75 385	0.52 371	0.58 369	0.64 379	0.68 388	0.89 401	1.04 407	0.35 383	0.36 384	0.28 375	0.23 368	0.38 383	0.33 383

WAO-7	0.80 394	0.78 397	0.57 367	0.85 398	0.67 400	0.76 392	0.69 402	1.07 404	1.30 401	0.90 394	1.20 405	1.05 392	0.93 399	0.71 390	0.68 394	0.60 397	0.62 406	0.67 392	0.68 400	0.64 393	0.59 396

WAO-6	0.82 395	0.81 398	0.63 374	0.87 400	0.63 398	0.79 393	0.60 395	0.98 400	1.52 408	0.91 396	0.97 394	1.08 393	1.04 403	0.72 391	0.70 397	0.72 400	0.49 393	0.91 403	0.71 401	0.70 398	0.59 396

TorneroNet	0.83 396	0.75 396	0.83 393	0.85 398	0.63 398	1.03 405	0.65 397	0.96 398	1.14 397	0.80 391	1.10 401	1.36 401	0.88 397	0.95 403	0.82 402	0.57 393	0.49 393	0.79 400	0.66 399	0.74 402	0.64 402

LVE	0.84 397	0.87 401	0.86 394	0.81 396	0.56 392	1.09 407	0.66 398	1.07 404	1.45 406	0.97 398	1.23 407	1.11 394	0.86 396	0.84 395	0.72 398	0.49 391	0.56 402	0.76 397	0.60 397	0.66 394	0.60 399

Dean	0.88 398	0.88 402	0.81 390	0.82 397	0.57 393	0.91 398	0.62 396	1.17 409	1.71 409	1.15 404	1.16 403	1.31 400	1.00 402	0.82 394	0.83 403	0.57 393	0.56 402	0.78 399	0.65 398	0.67 395	0.58 393

WAO-8	0.92 399	0.83 399	0.67 379	0.94 403	0.70 402	0.92 399	0.68 400	1.08 406	1.80 411	1.06 402	1.42 409	1.29 398	1.08 405	0.86 396	0.80 400	0.74 402	0.54 399	0.86 401	0.75 402	0.71 399	0.63 400

Venus	0.92 399	0.83 399	0.67 379	0.94 403	0.70 402	0.92 399	0.68 400	1.08 406	1.80 411	1.06 402	1.42 409	1.29 398	1.08 405	0.86 396	0.80 400	0.74 402	0.54 399	0.86 401	0.75 402	0.71 399	0.63 400

UNDER WATER-64	0.97 401	0.96 405	1.48 404	0.88 401	0.57 393	1.24 410	0.90 407	0.78 390	0.96 393	1.05 400	0.85 389	1.56 408	1.26 409	0.97 405	0.99 405	0.88 406	0.57 404	1.04 406	0.88 406	0.81 404	0.75 404

notaker	0.98 402	1.13 407	1.02 398	1.14 407	0.81 405	0.73 390	0.69 402	0.94 397	1.15 398	1.19 406	1.19 404	1.41 403	1.17 408	1.10 409	0.74 399	0.82 405	0.64 407	1.18 407	0.79 404	1.02 407	0.82 408

UNDER WATER	0.99 403	1.00 406	1.47 403	1.00 405	0.71 404	1.18 409	0.86 405	0.81 392	1.09 396	1.02 399	0.90 391	1.53 407	1.26 409	1.06 407	1.02 406	0.79 404	0.54 399	1.02 405	0.88 406	0.83 405	0.75 404

ktn	1.02 404	1.23 409	0.82 391	1.24 409	0.86 407	1.00 404	0.86 405	0.96 398	1.37 403	1.05 400	1.12 402	1.16 395	1.06 404	0.95 403	0.62 391	1.28 411	0.71 408	1.39 411	0.83 405	1.06 409	0.77 406

KSHMR	1.10 405	1.19 408	0.90 396	1.26 411	1.00 410	0.99 402	0.96 408	1.13 408	1.35 402	1.16 405	1.28 408	1.40 402	0.97 401	1.03 406	0.93 404	1.03 409	1.08 411	1.20 408	1.03 410	1.03 408	0.98 410

DPSimNet_ROB	1.14 406	1.25 410	0.87 395	1.15 408	0.90 408	1.15 408	1.18 410	1.20 410	1.26 399	1.45 408	1.05 398	1.44 406	1.13 407	0.92 402	1.70 410	1.47 412	0.52 398	1.22 409	1.04 411	0.92 406	1.03 411

HanzoNet	1.31 407	1.29 411	1.22 401	1.13 406	0.85 406	1.05 406	0.84 404	1.06 403	1.47 407	1.66 409	1.63 411	2.48 412	1.78 411	1.63 411	1.69 409	1.27 410	0.80 410	1.32 410	1.02 409	1.07 410	0.90 409

JetRed	1.66 408	1.51 412	3.09 407	0.93 402	1.21 411	5.28 413	1.61 413	1.29 411	1.42 405	1.84 410	1.77 412	1.59 409	0.95 400	1.43 410	2.51 413	0.91 407	1.61 412	0.93 404	0.91 408	1.36 411	1.03 411

MADNet++	1.97 409	1.75 413	1.66 406	1.83 412	1.69 413	2.38 412	1.45 412	2.36 412	2.11 413	2.58 412	2.37 413	2.25 411	2.21 412	2.28 412	2.36 412	1.87 413	1.67 413	1.53 412	1.34 412	1.87 412	1.78 414

coex-ft	3.24 410	0.35 376	57.83 433	0.18 173	0.13 298	0.27 324	0.23 308	0.28 238	0.72 381	1.89 411	0.70 378	0.43 354	0.47 372	0.29 327	0.43 374	0.09 229	0.09 285	0.12 307	0.09 246	0.14 328	0.14 323

tt	4.65 411	0.07 51	3.54 410	2.01 413	1.55 412	10.25 417	16.66 417	8.90 420	5.03 414	1.33 407	0.96 393	4.71 413	4.74 413	3.33 413	5.86 415	6.06 420	10.30 424	1.87 414	2.09 415	2.61 413	1.19 413

xxxxx1	7.75 412	5.06 417	7.26 413	3.15 414	3.91 415	16.37 420	22.88 421	5.87 417	8.68 416	7.99 416	8.55 414	9.13 418	8.46 416	10.05 418	10.47 416	2.43 414	2.48 415	3.56 417	12.26 421	3.48 414	3.02 416

tt_ll	7.75 412	5.06 417	7.26 413	3.15 414	3.91 415	16.37 420	22.88 421	5.87 417	8.68 416	7.99 416	8.55 414	9.13 418	8.46 416	10.05 418	10.47 416	2.43 414	2.48 415	3.56 417	12.26 421	3.48 414	3.02 416

ff	7.75 412	5.06 417	7.26 413	3.15 414	3.91 415	16.37 420	22.88 421	5.87 417	8.68 416	7.99 416	8.55 414	9.13 418	8.46 416	10.05 418	10.47 416	2.43 414	2.48 415	3.56 417	12.26 421	3.48 414	3.02 416

EDNetEfficientorigin	7.92 415	0.32 374	152.98 434	0.20 259	0.10 212	0.22 281	0.17 187	0.23 163	0.60 367	0.73 384	0.67 374	0.41 350	0.51 377	0.24 301	0.41 371	0.08 187	0.07 238	0.09 223	0.07 156	0.12 298	0.11 283

DPSMNet_ROB	8.06 416	4.50 415	8.69 420	5.36 419	10.74 421	8.32 415	22.71 419	5.47 415	13.38 420	5.13 414	9.98 417	5.10 414	10.47 419	5.53 415	12.77 420	3.80 418	8.00 419	3.49 415	6.95 418	3.75 418	7.09 420

DGTPSM_ROB	8.06 416	4.50 415	8.69 420	5.34 417	10.73 420	8.32 415	22.71 419	5.47 415	13.38 420	5.13 414	9.98 417	5.10 414	10.47 419	5.53 415	12.77 420	3.79 417	8.00 419	3.49 415	6.95 418	3.74 417	7.09 420

PML	8.57 418	9.39 423	6.24 412	5.34 417	6.36 418	13.21 419	20.99 418	5.35 414	6.68 415	17.75 424	26.46 433	7.58 416	6.08 415	7.89 417	5.76 414	5.33 419	1.83 414	5.95 423	1.93 414	8.75 421	2.53 415

DLNR_Zeroshot_test	10.48 419	2.27 414	19.78 429	120.28 434	13.29 424	0.06 2	0.13 45	0.24 180	0.10 6	0.08 4	0.10 35	0.09 37	0.07 28	0.10 15	0.09 16	0.13 322	0.04 2	0.06 30	0.04 7	52.68 433	0.04 4

LRCNet_RVC	10.76 420	13.97 424	7.97 419	19.07 424	2.04 414	0.35 351	0.31 364	5.29 413	0.48 342	13.02 422	17.65 423	8.69 417	5.73 414	4.78 414	2.22 411	23.53 431	2.69 418	27.60 432	25.75 432	17.60 429	16.54 430

Anonymous_1	10.87 421	7.82 420	7.41 416	10.29 420	10.08 419	18.64 424	26.11 424	11.02 421	13.45 422	9.43 419	10.10 419	9.73 421	11.31 421	10.69 421	12.47 419	6.42 421	8.38 421	5.70 420	10.22 420	11.41 422	6.65 419

DPSM_ROB	11.10 422	8.47 421	7.95 417	10.84 421	11.58 422	19.10 425	26.50 425	12.02 422	14.09 423	10.38 420	10.91 420	10.39 422	11.92 422	11.67 422	13.39 422	6.99 422	8.79 422	5.82 421	6.92 416	6.97 419	7.31 422

DPSM	11.10 422	8.47 421	7.95 417	10.84 421	11.58 422	19.10 425	26.50 425	12.02 422	14.09 423	10.38 420	10.91 420	10.39 422	11.92 422	11.67 422	13.39 422	6.99 422	8.79 422	5.82 421	6.92 416	6.97 419	7.31 422

SPstereo	13.84 424	0.95 403	1.53 405	1.24 409	0.90 408	29.09 427	47.98 427	26.78 434	29.57 433	22.38 432	22.47 431	23.18 432	24.63 432	24.46 432	15.07 424	0.91 407	0.71 408	1.85 413	1.62 413	0.74 402	0.79 407

HaxPig	15.73 425	18.55 431	19.19 428	16.92 423	15.89 425	7.80 414	7.57 414	13.37 424	10.80 419	15.40 423	14.87 422	15.95 424	14.81 424	15.67 424	15.97 425	18.96 430	16.72 425	19.47 430	18.10 430	19.45 430	19.06 431

MEDIAN_ROB	20.38 426	24.05 432	23.36 430	21.18 425	21.62 426	10.51 418	8.17 415	17.68 425	15.46 425	20.04 425	19.65 424	20.30 425	20.16 425	21.17 425	21.03 426	23.81 432	21.77 432	24.98 431	23.75 431	25.01 431	23.94 432

CasAABBNet	22.33 427	17.11 425	15.84 422	21.94 429	23.28 430	38.30 428	53.40 433	24.05 427	28.44 428	20.66 426	21.86 426	21.03 430	24.04 430	23.35 426	27.03 429	14.06 424	17.69 427	11.70 424	13.94 425	14.04 426	14.76 428

MyStereo03	22.37 428	17.11 425	16.16 424	21.87 426	23.27 427	38.30 428	53.36 429	24.10 428	28.51 429	20.93 429	21.96 428	20.94 426	24.00 426	23.43 428	27.22 430	14.07 425	17.72 429	11.70 424	13.96 426	14.00 423	14.72 425

MyStereo02	22.37 428	17.11 425	16.16 424	21.87 426	23.27 427	38.30 428	53.36 429	24.10 428	28.51 429	20.93 429	21.96 428	20.94 426	24.00 426	23.43 428	27.22 430	14.07 425	17.72 429	11.70 424	13.96 426	14.00 423	14.72 425

MyStereo	22.37 428	17.11 425	16.16 424	21.87 426	23.27 427	38.30 428	53.36 429	24.10 428	28.51 429	20.93 429	21.96 428	20.94 426	24.00 426	23.43 428	27.22 430	14.07 425	17.72 429	11.70 424	13.96 426	14.00 423	14.72 425

Selective-RAFT-Error	22.39 431	17.14 429	16.01 423	22.00 430	23.34 431	38.37 432	53.36 429	24.24 432	28.53 432	20.80 427	21.94 427	20.94 426	24.02 429	23.48 431	27.33 433	14.07 425	17.70 428	11.70 424	13.93 424	14.05 427	14.83 429

LSM0	22.80 432	17.22 430	19.17 427	22.12 431	28.90 433	38.38 433	53.27 428	24.21 431	28.36 427	20.84 428	21.11 425	21.63 431	24.25 431	23.42 427	26.98 428	14.08 429	17.39 426	11.72 429	13.98 429	14.22 428	14.66 424

AVERAGE_ROB	24.89 433	29.12 433	27.98 431	24.83 432	24.59 432	17.82 423	11.61 416	21.45 426	19.91 426	25.04 433	24.38 432	25.06 433	25.31 433	24.69 433	22.86 427	29.74 433	27.09 433	28.97 433	27.94 433	30.07 432	29.35 433

test_example2	97.69 434	92.93 434	45.57 432	96.02 433	109.84 434	88.44 434	93.70 434	25.54 433	94.63 434	130.46 434	126.87 434	58.93 434	75.48 434	87.99 434	77.94 434	150.16 434	221.11 434	76.29 434	98.21 434	108.42 434	95.33 434

Low-res two-view benchmark