Low-res two-view results

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

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

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

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

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

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

CroCo-Stereo Lap2	0.28 8	0.24 179	0.39 70	0.50 283	0.29 213	0.20 1	0.31 84	0.49 13	0.38 35	0.24 1	0.27 4	0.46 66	0.31 56	0.39 14	0.30 59	0.14 32	0.15 200	0.16 60	0.13 50	0.16 108	0.15 106

test_4	0.36 64	0.18 34	0.31 13	0.44 200	0.25 112	0.20 1	0.34 116	0.56 28	0.41 42	0.59 72	1.45 327	0.43 54	0.25 11	0.63 147	0.28 43	0.12 4	0.10 9	0.17 84	0.19 207	0.15 77	0.11 9

CroCo-Stereo	0.26 3	0.22 127	0.36 34	0.48 254	0.22 42	0.20 1	0.29 57	0.51 16	0.44 52	0.28 4	0.23 1	0.42 48	0.26 17	0.29 1	0.26 25	0.15 79	0.13 151	0.13 9	0.11 15	0.16 108	0.12 33
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
Pruner-Stereo	0.38 93	0.20 70	0.45 130	0.40 107	0.25 112	0.22 4	0.24 24	0.67 89	0.55 76	0.89 243	0.76 100	0.68 165	0.29 42	0.62 137	0.35 110	0.18 169	0.12 98	0.20 177	0.17 161	0.17 139	0.18 175

DLNR_Zeroshot_test	20.09 417	36.28 425	38.04 422	169.85 433	61.80 429	0.23 5	0.20 1	13.88 416	0.37 31	0.44 41	0.66 73	0.43 54	0.21 5	0.62 137	0.28 43	5.46 415	0.10 9	0.15 42	0.11 15	72.60 432	0.11 9

RAFT_R40	0.40 119	0.19 49	0.44 119	0.43 185	0.25 112	0.23 5	0.26 37	0.67 89	0.67 114	0.98 284	0.78 112	0.72 185	0.43 122	0.76 218	0.35 110	0.16 109	0.11 57	0.20 177	0.16 121	0.18 157	0.14 87

DisPM	0.39 107	0.19 49	0.44 119	0.41 131	0.27 171	0.24 7	0.31 84	0.65 71	0.57 81	0.87 231	0.87 158	0.60 126	0.32 60	0.76 218	0.32 73	0.18 169	0.12 98	0.19 153	0.17 161	0.15 77	0.20 222

Patchmatch Stereo++	0.35 46	0.23 144	0.47 155	0.41 131	0.22 42	0.24 7	0.22 8	0.59 36	0.36 21	0.63 89	0.73 88	0.58 108	0.38 91	0.58 104	0.36 126	0.18 169	0.12 98	0.20 177	0.16 121	0.20 202	0.15 106
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.35 46	0.23 144	0.47 155	0.41 131	0.22 42	0.24 7	0.31 84	0.59 36	0.36 21	0.63 89	0.73 88	0.58 108	0.38 91	0.56 77	0.35 110	0.18 169	0.12 98	0.20 177	0.16 121	0.20 202	0.15 106

ROB_FTStereo_v2	0.35 46	0.23 144	0.47 155	0.41 131	0.22 42	0.24 7	0.31 84	0.59 36	0.36 21	0.63 89	0.73 88	0.57 100	0.38 91	0.57 87	0.36 126	0.18 169	0.12 98	0.20 177	0.16 121	0.20 202	0.15 106

HUI-Stereo	0.35 46	0.23 144	0.47 155	0.41 131	0.22 42	0.24 7	0.22 8	0.60 45	0.36 21	0.63 89	0.73 88	0.58 108	0.38 91	0.50 51	0.35 110	0.18 169	0.12 98	0.20 177	0.16 121	0.20 202	0.15 106

iGMRVC	0.35 46	0.23 144	0.47 155	0.41 131	0.22 42	0.24 7	0.30 69	0.59 36	0.36 21	0.63 89	0.73 88	0.58 108	0.38 91	0.58 104	0.36 126	0.18 169	0.12 98	0.20 177	0.16 121	0.20 202	0.15 106

iRAFT	0.35 46	0.23 144	0.47 155	0.41 131	0.22 42	0.24 7	0.22 8	0.59 36	0.36 21	0.63 89	0.73 88	0.58 108	0.38 91	0.58 104	0.36 126	0.18 169	0.12 98	0.20 177	0.16 121	0.20 202	0.15 106

RAFT-IKP	0.35 46	0.23 144	0.47 155	0.41 131	0.22 42	0.24 7	0.28 50	0.59 36	0.36 21	0.63 89	0.73 88	0.57 100	0.38 91	0.58 104	0.36 126	0.18 169	0.12 98	0.20 177	0.16 121	0.20 202	0.15 106

ROB_FTStereo	0.35 46	0.23 144	0.47 155	0.41 131	0.22 42	0.25 15	0.21 4	0.59 36	0.36 21	0.63 89	0.73 88	0.58 108	0.38 91	0.57 87	0.35 110	0.18 169	0.12 98	0.20 177	0.16 121	0.20 202	0.15 106

SST-Stereo	0.40 119	0.19 49	0.45 130	0.42 167	0.25 112	0.25 15	0.21 4	0.66 79	0.47 59	1.08 318	0.79 121	0.72 185	0.43 122	0.77 225	0.35 110	0.16 109	0.11 57	0.20 177	0.16 121	0.19 190	0.15 106

CASnet	0.30 24	0.20 70	0.33 20	0.41 131	0.16 2	0.26 17	0.24 24	0.52 19	0.53 68	0.52 58	0.54 45	0.39 37	0.24 10	0.40 16	0.26 25	0.14 32	0.10 9	0.22 228	0.18 183	0.18 157	0.11 9
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.27 5	0.17 19	0.31 13	0.34 11	0.45 327	0.26 17	0.28 50	0.37 1	0.32 7	0.30 7	0.46 23	0.31 7	0.37 88	0.36 5	0.24 6	0.14 32	0.10 9	0.15 42	0.12 29	0.13 20	0.11 9

MC-Stereo	0.28 8	0.17 19	0.32 17	0.38 65	0.20 20	0.26 17	0.26 37	0.49 13	0.37 31	0.37 17	0.61 62	0.41 42	0.31 56	0.55 69	0.25 9	0.13 12	0.09 2	0.14 16	0.12 29	0.12 8	0.11 9

NF-Stereo	0.38 93	0.20 70	0.45 130	0.41 131	0.25 112	0.26 17	0.31 84	0.69 107	0.70 120	0.65 105	0.77 104	0.57 100	0.30 52	0.67 176	0.35 110	0.18 169	0.12 98	0.20 177	0.16 121	0.16 108	0.27 278

OCTAStereo	0.38 93	0.20 70	0.46 145	0.41 131	0.25 112	0.26 17	0.31 84	0.69 107	0.70 120	0.65 105	0.77 104	0.58 108	0.30 52	0.67 176	0.35 110	0.18 169	0.12 98	0.20 177	0.16 121	0.16 108	0.27 278

RE-Stereo	0.38 93	0.20 70	0.46 145	0.41 131	0.25 112	0.26 17	0.31 84	0.69 107	0.70 120	0.65 105	0.77 104	0.58 108	0.30 52	0.67 176	0.35 110	0.18 169	0.12 98	0.20 177	0.16 121	0.16 108	0.27 278

TVStereo	0.38 93	0.20 70	0.46 145	0.41 131	0.25 112	0.26 17	0.31 84	0.69 107	0.70 120	0.65 105	0.77 104	0.58 108	0.30 52	0.67 176	0.35 110	0.18 169	0.12 98	0.20 177	0.16 121	0.16 108	0.27 278

DeepStereo_RVC	0.36 64	0.21 100	0.47 155	0.40 107	0.24 86	0.26 17	0.22 8	0.60 45	0.38 35	0.69 128	0.67 77	0.57 100	0.51 159	0.56 77	0.39 152	0.16 109	0.12 98	0.18 118	0.15 93	0.19 190	0.18 175

test croco	0.31 26	0.20 70	0.50 193	0.39 84	0.29 213	0.27 25	0.30 69	0.44 6	0.35 16	0.31 8	0.66 73	0.30 5	0.31 56	0.65 161	0.31 65	0.17 141	0.13 151	0.20 177	0.15 93	0.17 139	0.12 33

StereoIM	0.26 3	0.18 34	0.36 34	0.36 37	0.26 147	0.27 25	0.27 43	0.43 5	0.35 16	0.27 2	0.26 3	0.41 42	0.28 32	0.40 16	0.28 43	0.16 109	0.14 177	0.16 60	0.13 50	0.14 45	0.12 33

MIM_Stereo	0.38 93	0.17 19	0.53 211	0.37 44	0.24 86	0.27 25	0.24 24	0.70 121	0.54 72	0.72 150	1.00 214	0.63 137	0.29 42	0.64 154	0.38 146	0.13 12	0.14 177	0.17 84	0.16 121	0.14 45	0.11 9

Selective-IGEV	0.24 1	0.18 34	0.35 29	0.35 29	0.19 9	0.27 25	0.25 31	0.55 27	0.23 1	0.27 2	0.25 2	0.34 20	0.19 2	0.58 104	0.22 1	0.12 4	0.10 9	0.14 16	0.11 15	0.12 8	0.10 3

IRAFT_RVC	0.42 135	0.20 70	0.48 171	0.44 200	0.24 86	0.27 25	0.54 284	0.74 139	0.77 156	0.76 170	0.80 123	0.73 194	0.51 159	0.70 190	0.36 126	0.17 141	0.10 9	0.21 216	0.16 121	0.16 108	0.14 87

CREStereo++_RVC	0.32 28	0.15 3	0.23 1	0.31 6	0.24 86	0.27 25	0.22 8	0.46 8	0.88 210	0.46 45	0.80 123	0.30 5	0.26 17	0.36 5	0.33 85	0.13 12	0.09 2	0.13 9	0.51 371	0.13 20	0.09 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
AFF-stereo	0.38 93	0.19 49	0.39 70	0.37 44	0.21 29	0.27 25	0.31 84	0.65 71	0.66 112	0.64 98	1.13 264	0.76 206	0.39 103	0.55 69	0.33 85	0.11 1	0.09 2	0.16 60	0.16 121	0.13 20	0.11 9

MIF-Stereo (partial)	0.31 26	0.18 34	0.37 44	0.41 131	0.31 239	0.28 32	0.23 18	0.47 9	0.42 46	0.31 8	0.63 64	0.36 30	0.35 76	0.57 87	0.31 65	0.17 141	0.13 151	0.19 153	0.17 161	0.18 157	0.14 87

test_5	0.43 141	0.24 179	0.43 109	0.52 306	0.28 190	0.28 32	0.42 227	0.72 130	0.82 177	0.62 82	0.91 174	0.72 185	0.55 177	0.79 232	0.35 110	0.14 32	0.11 57	0.18 118	0.18 183	0.18 157	0.16 144

PFNet+	0.40 119	0.19 49	0.49 181	0.39 84	0.25 112	0.28 32	0.23 18	0.64 70	0.70 120	0.85 219	0.79 121	0.64 144	0.35 76	0.72 200	0.34 95	0.19 198	0.14 177	0.23 242	0.20 229	0.16 108	0.20 222

AnonymousM	0.41 129	0.81 364	0.29 10	0.34 11	0.22 42	0.28 32	0.38 183	0.53 26	0.41 42	0.70 134	0.49 31	0.47 68	0.27 23	0.41 19	0.31 65	0.15 79	0.12 98	1.51 384	0.26 304	0.12 8	0.10 3

DCANet-4	0.36 64	0.20 70	0.48 171	0.34 11	0.19 9	0.29 36	0.30 69	0.66 79	0.92 231	0.69 128	0.78 112	0.40 40	0.47 139	0.45 30	0.34 95	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

fff	0.37 79	0.16 8	0.41 81	0.34 11	0.19 9	0.29 36	0.30 69	0.69 107	1.06 296	0.69 128	0.78 112	0.42 48	0.63 216	0.46 37	0.34 95	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

RAFT+CT+SA	0.39 107	0.23 144	0.36 34	0.51 295	0.27 171	0.29 36	0.46 239	0.75 145	0.80 170	0.51 55	0.89 169	0.41 42	0.40 108	0.78 229	0.32 73	0.14 32	0.11 57	0.18 118	0.18 183	0.15 77	0.14 87

TRStereo	0.37 79	0.27 225	0.59 232	0.47 249	0.41 305	0.29 36	0.30 69	0.84 172	0.59 83	0.52 58	0.41 18	0.52 82	0.26 17	0.73 205	0.27 33	0.17 141	0.12 98	0.19 153	0.19 207	0.13 20	0.11 9

AAGNet	1.43 370	0.20 70	0.48 171	0.44 200	0.25 112	0.29 36	0.31 84	0.65 71	0.68 115	0.97 280	0.86 154	0.67 164	0.62 210	0.64 154	20.63 415	0.16 109	0.11 57	0.19 153	0.15 93	0.19 190	0.12 33

csc	0.37 79	0.16 8	0.41 81	0.34 11	0.19 9	0.29 36	0.30 69	0.69 107	1.06 296	0.69 128	0.78 112	0.42 48	0.63 216	0.46 37	0.34 95	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

cscssc	0.37 79	0.16 8	0.41 81	0.34 11	0.19 9	0.29 36	0.30 69	0.69 107	1.06 296	0.69 128	0.78 112	0.42 48	0.63 216	0.46 37	0.34 95	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

IGEV_Zeroshot_test	0.34 35	0.18 34	0.67 269	0.39 84	0.28 190	0.30 43	0.25 31	0.74 139	0.31 5	0.62 82	0.57 53	0.54 90	0.25 11	0.53 64	0.27 33	0.14 32	0.10 9	0.15 42	0.14 72	0.14 45	0.12 33

MIF-Stereo	0.27 5	0.17 19	0.37 44	0.40 107	0.27 171	0.30 43	0.28 50	0.39 2	0.31 5	0.29 6	0.46 23	0.27 2	0.25 11	0.47 44	0.34 95	0.17 141	0.13 151	0.13 9	0.12 29	0.14 45	0.12 33

anonymousdsp	0.29 12	0.21 100	0.38 53	0.37 44	0.25 112	0.30 43	0.35 133	0.63 60	0.35 16	0.39 29	0.33 10	0.33 17	0.28 32	0.59 118	0.25 9	0.14 32	0.10 9	0.17 84	0.12 29	0.14 45	0.15 106

ADStereo(finetuned)	0.37 79	0.16 8	0.49 181	0.34 11	0.19 9	0.30 43	0.30 69	0.68 98	0.91 226	0.70 134	0.77 104	0.43 54	0.69 250	0.45 30	0.33 85	0.14 32	0.10 9	0.14 16	0.11 15	0.13 20	0.12 33

IGEV-Stereo	0.29 12	0.21 100	0.38 53	0.37 44	0.25 112	0.30 43	0.35 133	0.63 60	0.35 16	0.39 29	0.33 10	0.33 17	0.28 32	0.59 118	0.25 9	0.14 32	0.10 9	0.17 84	0.12 29	0.14 45	0.15 106
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
PSM-softLoss	0.38 93	0.20 70	0.48 171	0.41 131	0.26 147	0.30 43	0.35 133	0.69 107	0.46 56	0.62 82	0.82 133	0.59 121	0.33 68	0.70 190	0.39 152	0.19 198	0.12 98	0.20 177	0.18 183	0.16 108	0.22 248

KMStereo	0.38 93	0.20 70	0.48 171	0.41 131	0.26 147	0.30 43	0.35 133	0.69 107	0.46 56	0.62 82	0.82 133	0.59 121	0.33 68	0.70 190	0.39 152	0.19 198	0.12 98	0.20 177	0.18 183	0.16 108	0.22 248

rafts_anoy	0.37 79	0.21 100	0.36 34	0.41 131	0.26 147	0.30 43	0.33 109	0.67 89	0.90 222	0.58 70	0.66 73	0.45 60	0.33 68	0.47 44	0.39 152	0.16 109	0.11 57	0.21 216	0.23 272	0.17 139	0.14 87

raftrobust	0.34 35	0.19 49	0.36 34	0.41 131	0.27 171	0.30 43	0.25 31	0.71 126	0.63 97	0.58 70	0.55 50	0.45 60	0.46 136	0.51 54	0.29 54	0.16 109	0.12 98	0.14 16	0.12 29	0.12 8	0.13 58

DCANet	0.36 64	0.16 8	0.41 81	0.34 11	0.19 9	0.30 43	0.30 69	0.68 98	0.91 226	0.70 134	0.77 104	0.43 54	0.57 183	0.45 30	0.34 95	0.14 32	0.10 9	0.14 16	0.11 15	0.13 20	0.12 33

ff7	0.29 12	0.21 100	0.38 53	0.36 37	0.26 147	0.31 53	0.35 133	0.62 55	0.34 9	0.38 21	0.33 10	0.32 9	0.29 42	0.58 104	0.25 9	0.14 32	0.10 9	0.17 84	0.12 29	0.14 45	0.15 106

ffff	0.29 12	0.21 100	0.38 53	0.36 37	0.26 147	0.31 53	0.35 133	0.62 55	0.34 9	0.38 21	0.33 10	0.32 9	0.29 42	0.58 104	0.25 9	0.14 32	0.10 9	0.17 84	0.12 29	0.14 45	0.15 106

11t	0.29 12	0.21 100	0.38 53	0.36 37	0.26 147	0.31 53	0.35 133	0.62 55	0.34 9	0.38 21	0.33 10	0.32 9	0.29 42	0.58 104	0.25 9	0.14 32	0.10 9	0.17 84	0.12 29	0.14 45	0.15 106

RCA-Stereo	0.35 46	0.17 19	0.34 26	0.38 65	0.22 42	0.31 53	0.34 116	0.68 98	1.24 329	0.45 43	0.65 69	0.47 68	0.43 122	0.38 12	0.27 33	0.13 12	0.10 9	0.14 16	0.11 15	0.11 1	0.11 9

ccc-4	0.29 12	0.21 100	0.38 53	0.36 37	0.26 147	0.31 53	0.35 133	0.62 55	0.34 9	0.38 21	0.33 10	0.32 9	0.29 42	0.58 104	0.25 9	0.14 32	0.10 9	0.17 84	0.12 29	0.14 45	0.15 106

iRaft-Stereo_5w	0.45 157	0.21 100	0.48 171	0.42 167	0.28 190	0.31 53	0.54 284	0.63 60	0.62 87	0.62 82	0.89 169	1.01 275	0.69 250	0.75 215	0.66 252	0.13 12	0.12 98	0.17 84	0.15 93	0.14 45	0.15 106

iRaft-Stereo_20w	0.39 107	0.19 49	0.57 227	0.37 44	0.27 171	0.31 53	0.24 24	1.44 354	0.29 2	0.69 128	0.53 43	0.60 126	0.42 115	0.83 245	0.27 33	0.14 32	0.11 57	0.14 16	0.13 50	0.15 77	0.13 58

GLC_STEREO	0.29 12	0.19 49	0.27 8	0.44 200	0.19 9	0.31 53	0.26 37	0.47 9	0.43 48	0.37 17	0.47 28	0.41 42	0.23 7	0.50 51	0.34 95	0.14 32	0.18 252	0.19 153	0.16 121	0.16 108	0.13 58

iRaftStereo_RVC	0.32 28	0.19 49	0.37 44	0.39 84	0.22 42	0.31 53	0.29 57	0.68 98	0.51 62	0.49 50	0.66 73	0.37 32	0.23 7	0.45 30	0.33 85	0.14 32	0.10 9	0.18 118	0.17 161	0.15 77	0.12 33

EAI-Stereo	0.34 35	0.19 49	0.44 119	0.39 84	0.21 29	0.31 53	0.30 69	1.15 280	0.30 3	0.49 50	0.75 98	0.36 30	0.28 32	0.62 137	0.27 33	0.14 32	0.11 57	0.14 16	0.13 50	0.13 20	0.12 33

MSKI-zero shot	0.32 28	0.17 19	0.34 26	0.39 84	0.21 29	0.32 63	0.22 8	0.61 51	0.43 48	0.52 58	0.64 67	0.61 130	0.20 4	0.74 211	0.25 9	0.14 32	0.10 9	0.14 16	0.10 10	0.12 8	0.12 33

4D-IteraStereo	0.33 34	0.18 34	0.40 77	0.40 107	0.24 86	0.32 63	0.27 43	0.58 35	0.72 131	0.65 105	0.54 45	0.42 48	0.23 7	0.45 30	0.28 43	0.14 32	0.09 2	0.19 153	0.16 121	0.16 108	0.11 9

ProNet	0.29 12	0.21 100	0.38 53	0.35 29	0.24 86	0.32 63	0.43 228	0.57 31	0.37 31	0.33 13	0.30 6	0.32 9	0.28 32	0.57 87	0.26 25	0.13 12	0.11 57	0.16 60	0.13 50	0.13 20	0.13 58

cross-raft	0.34 35	0.20 70	0.37 44	0.44 200	0.23 69	0.32 63	0.35 133	0.74 139	0.40 39	0.60 76	0.77 104	0.57 100	0.27 23	0.43 24	0.28 43	0.12 4	0.10 9	0.15 42	0.13 50	0.15 77	0.11 9

HH	0.35 46	0.20 70	0.47 155	0.40 107	0.25 112	0.33 67	0.31 84	0.76 150	0.38 35	0.43 38	0.57 53	0.79 214	0.44 129	0.71 195	0.25 9	0.15 79	0.11 57	0.15 42	0.14 72	0.14 45	0.12 33

HanStereo	0.35 46	0.20 70	0.47 155	0.40 107	0.25 112	0.33 67	0.31 84	0.76 150	0.38 35	0.43 38	0.57 53	0.79 214	0.44 129	0.71 195	0.25 9	0.15 79	0.11 57	0.15 42	0.14 72	0.14 45	0.12 33

LoS	0.29 12	0.15 3	0.30 11	0.29 2	0.18 7	0.33 67	0.29 57	0.51 16	0.72 131	0.34 14	0.52 41	0.41 42	0.28 32	0.47 44	0.28 43	0.15 79	0.11 57	0.13 9	0.09 6	0.11 1	0.11 9

HHNet	0.41 129	0.17 19	0.41 81	0.34 11	0.37 280	0.33 67	0.34 116	0.69 107	0.75 143	0.86 224	1.30 301	0.52 82	0.32 60	0.52 59	0.35 110	0.15 79	0.11 57	0.19 153	0.15 93	0.15 77	0.24 261

RAFT-345	0.40 119	0.18 34	0.40 77	0.38 65	0.22 42	0.33 67	0.26 37	0.61 51	0.51 62	0.74 163	1.79 351	0.45 60	0.33 68	0.66 166	0.36 126	0.14 32	0.11 57	0.18 118	0.14 72	0.13 20	0.13 58

RAFT-Stereo + iAFF	0.36 64	0.17 19	0.41 81	0.35 29	0.19 9	0.33 67	0.29 57	0.65 71	0.73 136	0.68 123	1.01 217	0.56 95	0.40 108	0.42 21	0.30 59	0.11 1	0.09 2	0.15 42	0.14 72	0.13 20	0.10 3

TestStereo1	0.43 141	0.23 144	0.41 81	0.51 295	0.24 86	0.34 73	0.40 208	0.77 153	0.90 222	0.68 123	0.96 193	0.48 72	0.46 136	0.91 277	0.32 73	0.16 109	0.13 151	0.18 118	0.15 93	0.14 45	0.13 58

RAFT_CTSACE	0.45 157	0.20 70	0.44 119	0.45 221	0.27 171	0.34 73	0.39 202	0.60 45	0.73 136	0.76 170	1.44 324	0.83 226	0.38 91	1.08 313	0.26 25	0.12 4	0.13 151	0.18 118	0.16 121	0.15 77	0.11 9

SA-5K	0.43 141	0.23 144	0.41 81	0.51 295	0.24 86	0.34 73	0.40 208	0.77 153	0.90 222	0.68 123	0.96 193	0.48 72	0.46 136	0.91 277	0.32 73	0.16 109	0.13 151	0.18 118	0.15 93	0.14 45	0.13 58

NRIStereo	0.36 64	0.20 70	0.45 130	0.41 131	0.23 69	0.34 73	0.26 37	0.65 71	0.55 76	0.64 98	0.63 64	0.56 95	0.37 88	0.65 161	0.37 138	0.15 79	0.11 57	0.18 118	0.15 93	0.17 139	0.14 87

Gwc-CoAtRS	0.34 35	0.17 19	0.44 119	0.39 84	0.23 69	0.34 73	0.22 8	0.70 121	0.75 143	0.60 76	0.59 58	0.58 108	0.29 42	0.45 30	0.26 25	0.14 32	0.11 57	0.14 16	0.12 29	0.12 8	0.12 33

LL-Strereo2	0.35 46	0.24 179	0.48 171	0.41 131	0.26 147	0.35 78	0.24 24	0.67 89	0.44 52	0.54 63	0.51 37	0.66 159	0.25 11	0.66 166	0.30 59	0.14 32	0.12 98	0.23 242	0.20 229	0.18 157	0.13 58

EGLCR-Stereo	0.25 2	0.16 8	0.33 20	0.34 11	0.20 20	0.35 78	0.20 1	0.52 19	0.36 21	0.28 4	0.27 4	0.41 42	0.18 1	0.45 30	0.26 25	0.14 32	0.10 9	0.16 60	0.14 72	0.13 20	0.11 9

RALCasStereoNet	0.36 64	0.21 100	0.37 44	0.42 167	0.26 147	0.35 78	0.38 183	0.63 60	0.64 104	0.50 53	0.72 84	0.51 80	0.29 42	0.59 118	0.36 126	0.16 109	0.14 177	0.15 42	0.13 50	0.17 139	0.16 144

RALAANet	0.38 93	0.23 144	0.48 171	0.42 167	0.29 213	0.35 78	0.25 31	0.86 178	0.64 104	0.67 117	0.65 69	0.60 126	0.29 42	0.60 124	0.34 95	0.15 79	0.12 98	0.17 84	0.15 93	0.21 220	0.13 58

test_xeample3	0.29 12	0.21 100	0.41 81	0.35 29	0.26 147	0.35 78	0.32 100	0.56 28	0.36 21	0.43 38	0.32 9	0.34 20	0.28 32	0.54 67	0.23 4	0.14 32	0.11 57	0.16 60	0.12 29	0.14 45	0.13 58

CFNet-RSSM	0.34 35	0.17 19	0.45 130	0.39 84	0.22 42	0.35 78	0.23 18	0.73 137	0.84 185	0.65 105	0.54 45	0.57 100	0.28 32	0.46 37	0.26 25	0.13 12	0.10 9	0.14 16	0.12 29	0.13 20	0.11 9

knoymous	0.36 64	0.20 70	0.31 13	0.31 6	0.22 42	0.36 84	0.29 57	0.61 51	0.64 104	0.67 117	0.70 82	0.60 126	0.40 108	0.58 104	0.34 95	0.17 141	0.11 57	0.20 177	0.11 15	0.17 139	0.18 175

OMP-Stereo	0.42 135	0.22 127	0.46 145	0.52 306	0.24 86	0.36 84	0.25 31	0.71 126	0.78 162	0.77 175	0.64 67	0.89 248	0.39 103	0.91 277	0.35 110	0.15 79	0.12 98	0.20 177	0.15 93	0.15 77	0.12 33

IGEVStereo-DCA	0.29 12	0.22 127	0.38 53	0.35 29	0.27 171	0.37 86	0.35 133	0.62 55	0.34 9	0.38 21	0.30 6	0.35 25	0.27 23	0.51 54	0.22 1	0.15 79	0.12 98	0.16 60	0.12 29	0.13 20	0.15 106

rrr	0.29 12	0.22 127	0.41 81	0.35 29	0.27 171	0.37 86	0.32 100	0.52 19	0.42 46	0.38 21	0.30 6	0.35 25	0.27 23	0.51 54	0.22 1	0.15 79	0.12 98	0.16 60	0.13 50	0.13 20	0.14 87

whm_eth	0.48 180	0.30 252	0.74 292	0.46 240	0.38 288	0.37 86	0.37 163	0.79 160	0.78 162	0.82 199	1.74 348	0.37 32	0.38 91	0.60 124	0.38 146	0.18 169	0.16 227	0.20 177	0.20 229	0.19 190	0.22 248

CES	0.28 8	0.14 2	0.23 1	0.30 4	0.70 368	0.37 86	0.27 43	0.48 11	0.46 56	0.34 14	0.48 29	0.27 2	0.22 6	0.39 14	0.23 4	0.13 12	0.11 57	0.12 2	0.08 1	0.13 20	0.17 161

GMOStereo	0.37 79	0.19 49	0.38 53	0.43 185	0.24 86	0.37 86	0.38 183	0.52 19	0.62 87	0.87 231	0.84 143	0.64 144	0.35 76	0.37 8	0.28 43	0.13 12	0.11 57	0.20 177	0.18 183	0.15 77	0.11 9

error version	0.37 79	0.19 49	0.38 53	0.43 185	0.24 86	0.37 86	0.38 183	0.52 19	0.62 87	0.87 231	0.84 143	0.64 144	0.35 76	0.37 8	0.28 43	0.13 12	0.11 57	0.20 177	0.18 183	0.15 77	0.11 9

test-v	0.37 79	0.19 49	0.38 53	0.43 185	0.24 86	0.37 86	0.38 183	0.52 19	0.62 87	0.87 231	0.84 143	0.64 144	0.35 76	0.37 8	0.28 43	0.13 12	0.11 57	0.20 177	0.18 183	0.15 77	0.11 9

TransformOpticalFlow	0.44 147	0.20 70	0.47 155	0.41 131	0.23 69	0.37 86	0.47 244	0.94 206	0.76 149	0.65 105	1.14 266	0.73 194	0.56 182	0.76 218	0.32 73	0.15 79	0.10 9	0.17 84	0.15 93	0.14 45	0.13 58

ASMatch	0.48 180	0.19 49	0.45 130	0.39 84	0.28 190	0.37 86	0.26 37	0.74 139	0.68 115	0.76 170	2.34 366	0.61 130	0.52 161	0.62 137	0.37 138	0.14 32	0.12 98	0.17 84	0.15 93	0.14 45	0.21 235

test-2	0.37 79	0.19 49	0.38 53	0.43 185	0.24 86	0.37 86	0.38 183	0.52 19	0.62 87	0.87 231	0.84 143	0.64 144	0.35 76	0.37 8	0.28 43	0.13 12	0.11 57	0.20 177	0.18 183	0.15 77	0.11 9

XX-TBD	0.32 28	0.53 338	0.26 7	0.51 295	0.20 20	0.37 86	0.24 24	0.40 3	0.73 136	0.54 63	0.69 80	0.31 7	0.25 11	0.32 3	0.27 33	0.16 109	0.10 9	0.12 2	0.09 6	0.13 20	0.11 9

CREStereo	0.28 8	0.15 3	0.24 3	0.27 1	0.17 3	0.37 86	0.25 31	0.51 16	0.72 131	0.42 37	0.51 37	0.32 9	0.26 17	0.38 12	0.25 9	0.16 109	0.11 57	0.12 2	0.08 1	0.12 8	0.11 9
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
StereoVision	0.42 135	0.28 238	0.45 130	0.49 269	0.28 190	0.38 98	0.38 183	0.72 130	0.62 87	0.44 41	1.14 266	0.54 90	0.39 103	0.56 77	0.34 95	0.21 233	0.24 304	0.25 267	0.24 285	0.26 267	0.16 144

EKT-Stereo	0.35 46	0.23 144	0.39 70	0.43 185	0.29 213	0.38 98	0.31 84	0.69 107	0.64 104	0.45 43	0.63 64	0.49 76	0.27 23	0.56 77	0.33 85	0.18 169	0.14 177	0.18 118	0.15 93	0.16 108	0.16 144

XX-Stereo	0.37 79	0.17 19	0.45 130	0.55 320	0.36 275	0.38 98	0.20 1	0.60 45	0.30 3	0.46 45	1.30 301	0.73 194	0.26 17	0.56 77	0.26 25	0.16 109	0.11 57	0.17 84	0.16 121	0.14 45	0.10 3

LL-Strereo	0.57 255	0.27 225	0.68 272	0.48 254	0.34 267	0.39 101	0.48 250	0.94 206	0.97 252	0.83 211	0.78 112	1.10 299	1.18 347	1.33 342	0.49 206	0.17 141	0.14 177	0.22 228	0.19 207	0.16 108	0.17 161

MyStereo07	0.32 28	0.22 127	0.34 26	0.42 167	0.28 190	0.40 102	0.50 260	0.72 130	0.37 31	0.37 17	0.34 16	0.32 9	0.31 56	0.59 118	0.27 33	0.14 32	0.13 151	0.18 118	0.17 161	0.17 139	0.16 144

MyStereo04	0.44 147	0.22 127	0.44 119	0.42 167	0.28 190	0.40 102	0.50 260	1.00 226	1.08 305	0.62 82	0.58 57	0.55 93	0.57 183	0.71 195	0.44 181	0.14 32	0.13 151	0.18 118	0.17 161	0.17 139	0.16 144

raft_robust	0.41 129	0.23 144	0.36 34	0.42 167	0.21 29	0.40 102	0.33 109	0.79 160	0.98 256	0.79 180	0.87 158	0.39 37	0.33 68	0.84 250	0.29 54	0.13 12	0.12 98	0.16 60	0.17 161	0.15 77	0.12 33

GwcNet-ADL	0.44 147	0.22 127	0.48 171	0.45 221	0.30 222	0.40 102	0.37 163	0.92 200	0.97 252	0.71 140	0.78 112	0.61 130	0.42 115	0.62 137	0.50 207	0.19 198	0.14 177	0.15 42	0.14 72	0.18 157	0.18 175

CrosDoStereo	0.50 209	0.18 34	0.45 130	0.38 65	0.24 86	0.40 102	1.18 371	0.67 89	0.86 197	0.94 267	1.37 310	0.63 137	0.77 280	0.65 161	0.45 187	0.15 79	0.12 98	0.17 84	0.18 183	0.14 45	0.14 87

FTStereo	0.56 250	0.20 70	0.37 44	0.41 131	0.25 112	0.40 102	0.79 341	0.66 79	0.43 48	1.09 320	3.27 386	0.70 171	0.73 269	0.55 69	0.33 85	0.14 32	0.13 151	0.19 153	0.17 161	0.15 77	0.30 298

DeepStereo_LL	0.50 209	0.18 34	0.45 130	0.38 65	0.24 86	0.40 102	1.18 371	0.67 89	0.86 197	0.94 267	1.37 310	0.63 137	0.77 280	0.65 161	0.45 187	0.15 79	0.12 98	0.17 84	0.18 183	0.14 45	0.14 87

Prome-Stereo	0.46 163	0.19 49	0.35 29	0.44 200	0.26 147	0.40 102	0.45 236	0.68 98	0.44 52	0.96 275	1.84 353	0.59 121	0.67 240	0.61 131	0.32 73	0.14 32	0.11 57	0.16 60	0.14 72	0.16 108	0.29 291

TestStereo	0.38 93	0.31 257	0.40 77	0.45 221	0.20 20	0.40 102	0.37 163	0.66 79	0.65 109	0.53 61	0.78 112	0.47 68	0.40 108	0.55 69	0.37 138	0.18 169	0.13 151	0.20 177	0.15 93	0.22 236	0.13 58

sAnonymous2	0.40 119	0.39 297	0.85 310	0.48 254	0.37 280	0.40 102	0.46 239	0.57 31	0.52 65	0.38 21	0.46 23	0.35 25	0.42 115	0.43 24	0.30 59	0.19 198	0.14 177	0.18 118	0.17 161	0.57 366	0.44 350

CroCo_RVC	0.40 119	0.39 297	0.85 310	0.48 254	0.37 280	0.40 102	0.46 239	0.57 31	0.52 65	0.38 21	0.46 23	0.35 25	0.42 115	0.43 24	0.30 59	0.19 198	0.14 177	0.18 118	0.17 161	0.57 366	0.44 350

R-Stereo Train	0.39 107	0.18 34	0.42 100	0.42 167	0.26 147	0.40 102	0.32 100	0.72 130	0.34 9	0.89 243	1.28 297	0.57 100	0.35 76	0.42 21	0.32 73	0.15 79	0.12 98	0.14 16	0.12 29	0.14 45	0.13 58

RAFT-Stereo	0.39 107	0.18 34	0.42 100	0.42 167	0.26 147	0.40 102	0.32 100	0.72 130	0.34 9	0.89 243	1.28 297	0.57 100	0.35 76	0.42 21	0.32 73	0.15 79	0.12 98	0.14 16	0.12 29	0.14 45	0.13 58
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MyStereo06	0.38 93	0.21 100	0.61 239	0.41 131	0.28 190	0.41 115	0.50 260	0.95 212	0.35 16	0.62 82	0.54 45	0.76 206	0.27 23	0.50 51	0.29 54	0.14 32	0.13 151	0.18 118	0.17 161	0.17 139	0.15 106

MyStereo05	0.44 147	0.21 100	0.45 130	0.41 131	0.28 190	0.41 115	0.50 260	0.93 202	1.09 307	0.76 170	0.61 62	0.51 80	0.57 183	0.73 205	0.42 164	0.14 32	0.13 151	0.18 118	0.17 161	0.17 139	0.15 106

UDGNet	0.48 180	0.77 361	0.50 193	0.48 254	0.31 239	0.41 115	0.34 116	0.70 121	0.92 231	0.65 105	0.60 59	0.58 108	0.43 122	0.63 147	0.41 160	0.32 325	0.15 200	0.66 372	0.19 207	0.36 321	0.21 235

CRE-IMP	0.36 64	0.23 144	0.49 181	0.42 167	0.24 86	0.41 115	0.21 4	0.57 31	0.41 42	0.65 105	0.72 84	0.53 86	0.37 88	0.61 131	0.38 146	0.17 141	0.11 57	0.19 153	0.15 93	0.21 220	0.18 175

sCroCo_RVC	0.35 46	0.28 238	0.69 278	0.51 295	0.39 293	0.41 115	0.31 84	0.49 13	0.45 55	0.31 8	0.48 29	0.38 36	0.32 60	0.46 37	0.32 73	0.21 233	0.22 287	0.19 153	0.19 207	0.21 220	0.20 222

DCRE	0.37 79	0.18 34	0.46 145	0.45 221	0.32 251	0.42 120	0.37 163	0.63 60	0.51 62	0.47 48	0.94 182	0.56 95	0.36 85	0.52 59	0.32 73	0.14 32	0.13 151	0.15 42	0.14 72	0.14 45	0.13 58

GMStereo	0.39 107	0.37 284	0.54 214	0.40 107	0.26 147	0.42 120	0.36 151	0.59 36	1.04 284	0.55 65	0.51 37	0.37 32	0.35 76	0.54 67	0.41 160	0.19 198	0.13 151	0.16 60	0.17 161	0.24 255	0.18 175
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SA	0.44 147	0.25 197	0.46 145	0.46 240	0.24 86	0.43 122	0.36 151	0.75 145	0.96 249	0.59 72	1.03 229	0.48 72	0.52 161	0.94 292	0.32 73	0.16 109	0.12 98	0.21 216	0.19 207	0.15 77	0.13 58

test-3	0.34 35	0.16 8	0.43 109	0.39 84	0.21 29	0.43 122	0.22 8	0.63 60	0.78 162	0.71 140	0.45 20	0.64 144	0.27 23	0.43 24	0.31 65	0.12 4	0.09 2	0.17 84	0.13 50	0.12 8	0.10 3

test_1	0.34 35	0.16 8	0.43 109	0.39 84	0.21 29	0.43 122	0.23 18	0.63 60	0.78 162	0.68 123	0.45 20	0.64 144	0.27 23	0.43 24	0.31 65	0.12 4	0.09 2	0.17 84	0.13 50	0.12 8	0.10 3

PFNet	0.42 135	0.18 34	0.58 231	0.43 185	0.24 86	0.43 122	0.32 100	0.74 139	0.78 162	1.00 291	0.74 97	0.68 165	0.39 103	0.72 200	0.37 138	0.16 109	0.10 9	0.20 177	0.15 93	0.16 108	0.13 58

LoS_RVC	0.27 5	0.16 8	0.27 8	0.32 8	0.30 222	0.44 126	0.34 116	0.41 4	0.33 8	0.31 8	0.51 37	0.29 4	0.32 60	0.36 5	0.28 43	0.11 1	0.10 9	0.11 1	0.08 1	0.11 1	0.19 203

IIG-Stereo	0.43 141	0.21 100	0.44 119	0.50 283	0.25 112	0.44 126	0.21 4	0.71 126	0.76 149	0.83 211	0.95 189	0.83 226	0.43 122	0.90 270	0.35 110	0.15 79	0.12 98	0.19 153	0.14 72	0.15 77	0.11 9

KYRaft	0.48 180	0.20 70	0.38 53	0.44 200	0.23 69	0.44 126	0.37 163	0.66 79	0.41 42	0.94 267	1.73 346	0.79 214	0.41 114	0.63 147	0.31 65	0.16 109	0.11 57	0.18 118	0.22 261	0.16 108	0.78 376

test-1	0.36 64	0.19 49	0.71 285	0.46 240	0.26 147	0.44 126	0.36 151	0.60 45	0.59 83	0.48 49	0.67 77	0.53 86	0.36 85	0.40 16	0.29 54	0.14 32	0.11 57	0.16 60	0.14 72	0.15 77	0.16 144

DN-CSS_ROB	0.43 141	0.26 211	0.62 242	0.40 107	0.29 213	0.44 126	0.27 43	0.77 153	0.75 143	0.72 150	1.09 253	0.48 72	0.43 122	0.69 187	0.37 138	0.15 79	0.12 98	0.21 216	0.19 207	0.18 157	0.16 144

raft+_RVC	0.38 93	0.19 49	0.35 29	0.37 44	0.25 112	0.45 131	0.37 163	0.78 158	0.89 220	0.51 55	0.78 112	0.50 77	0.29 42	0.53 64	0.40 157	0.15 79	0.12 98	0.17 84	0.15 93	0.14 45	0.12 33

PMTNet	0.32 28	0.16 8	0.24 3	0.29 2	0.18 7	0.45 131	0.22 8	0.56 28	0.63 97	0.46 45	0.54 45	0.39 37	0.34 74	0.48 49	0.24 6	0.75 378	0.10 9	0.12 2	0.08 1	0.12 8	0.11 9

CAS	0.34 35	0.13 1	0.25 6	1.28 384	0.30 222	0.46 133	0.38 183	0.48 11	0.47 59	0.34 14	0.52 41	0.24 1	0.19 2	0.29 1	0.27 33	0.69 376	0.08 1	0.12 2	0.08 1	0.12 8	0.15 106

qqq	0.40 119	0.26 211	0.44 119	0.36 37	0.22 42	0.46 133	0.36 151	0.85 175	0.54 72	0.56 67	0.69 80	0.65 154	0.53 164	0.55 69	0.45 187	0.17 141	0.16 227	0.20 177	0.19 207	0.18 157	0.17 161

dd	0.43 141	0.38 293	0.55 218	0.44 200	0.25 112	0.47 135	0.38 183	0.70 121	1.05 289	0.59 72	0.65 69	0.42 48	0.39 103	0.66 166	0.50 207	0.24 265	0.15 200	0.21 216	0.15 93	0.22 236	0.18 175

LCNet	0.41 129	0.20 70	0.32 17	0.44 200	0.24 86	0.47 135	0.29 57	0.67 89	0.53 68	0.72 150	1.03 229	0.66 159	0.60 200	0.58 104	0.34 95	0.14 32	0.10 9	0.19 153	0.19 207	0.21 220	0.36 323

AE-Stereo	0.34 35	0.21 100	0.42 100	0.48 254	0.31 239	0.48 137	0.35 133	0.61 51	0.62 87	0.32 12	0.55 50	0.52 82	0.27 23	0.47 44	0.29 54	0.13 12	0.13 151	0.18 118	0.16 121	0.15 77	0.12 33

anonymousdsp2	0.35 46	0.20 70	0.43 109	0.37 44	0.24 86	0.48 137	0.31 84	0.86 178	0.65 109	0.55 65	0.50 32	0.50 77	0.34 74	0.56 77	0.31 65	0.14 32	0.10 9	0.14 16	0.10 10	0.16 108	0.14 87

test_3	0.36 64	0.19 49	0.44 119	0.44 200	0.23 69	0.48 137	0.36 151	0.66 79	0.82 177	0.64 98	0.45 20	0.68 165	0.25 11	0.41 19	0.31 65	0.12 4	0.10 9	0.18 118	0.16 121	0.15 77	0.11 9

IPLGR	0.39 107	0.21 100	0.63 250	0.39 84	0.22 42	0.49 140	0.29 57	0.76 150	0.74 141	0.78 178	0.77 104	0.44 59	0.42 115	0.47 44	0.38 146	0.13 12	0.12 98	0.16 60	0.14 72	0.15 77	0.13 58

RAFT-Test	0.34 35	0.18 34	0.37 44	0.38 65	0.23 69	0.50 141	0.23 18	0.69 107	0.40 39	0.60 76	0.85 151	0.61 130	0.28 32	0.46 37	0.27 33	0.14 32	0.11 57	0.14 16	0.11 15	0.13 20	0.12 33

MIPNet	0.37 79	0.21 100	0.59 232	0.39 84	0.25 112	0.50 141	0.28 50	0.77 153	0.70 120	0.65 105	0.60 59	0.40 40	0.49 146	0.44 29	0.37 138	0.14 32	0.11 57	0.16 60	0.13 50	0.14 45	0.13 58

PSMNet-RSSM	0.48 180	0.22 127	0.38 53	0.42 167	0.25 112	0.50 141	0.37 163	1.10 261	0.77 156	0.70 134	1.06 243	0.84 230	0.64 226	0.62 137	0.47 201	0.23 256	0.15 200	0.23 242	0.25 294	0.20 202	0.19 203

DeepPruner_ROB	0.53 228	0.34 272	0.59 232	0.41 131	0.30 222	0.50 141	0.43 228	1.19 293	0.70 120	0.85 219	1.05 237	0.86 234	0.55 177	0.84 250	0.51 215	0.29 304	0.23 297	0.22 228	0.22 261	0.26 267	0.25 267

ACRE	0.40 119	0.21 100	0.65 260	0.45 221	0.33 260	0.51 145	0.33 109	0.66 79	0.63 97	0.80 182	0.92 178	0.45 60	0.32 60	0.52 59	0.45 187	0.16 109	0.12 98	0.15 42	0.14 72	0.13 20	0.14 87

GMM-Stereo	0.44 147	0.19 49	0.36 34	0.42 167	0.25 112	0.51 145	0.47 244	0.71 126	0.53 68	0.76 170	1.37 310	0.76 206	0.38 91	0.60 124	0.33 85	0.15 79	0.10 9	0.20 177	0.19 207	0.16 108	0.27 278

DMCA	0.45 157	0.26 211	0.50 193	0.38 65	0.28 190	0.51 145	0.34 116	0.93 202	0.68 115	0.75 165	0.83 138	0.79 214	0.53 164	0.51 54	0.54 227	0.21 233	0.16 227	0.21 216	0.16 121	0.19 190	0.21 235

Any-RAFT	0.35 46	0.16 8	0.30 11	0.34 11	0.21 29	0.52 148	0.22 8	0.88 189	0.73 136	0.53 61	0.73 88	0.64 144	0.28 32	0.46 37	0.24 6	0.15 79	0.10 9	0.13 9	0.10 10	0.13 20	0.12 33

x	0.39 107	0.24 179	0.41 81	0.34 11	0.23 69	0.52 148	0.32 100	0.86 178	0.52 65	0.57 69	0.70 82	0.59 121	0.50 156	0.49 50	0.46 197	0.17 141	0.15 200	0.17 84	0.15 93	0.17 139	0.16 144

CIPLG	0.41 129	0.21 100	0.63 250	0.45 221	0.33 260	0.52 148	0.33 109	0.65 71	0.60 85	0.82 199	0.96 193	0.46 66	0.32 60	0.55 69	0.44 181	0.16 109	0.12 98	0.15 42	0.14 72	0.13 20	0.14 87

IPLGR_C	0.40 119	0.21 100	0.64 255	0.45 221	0.33 260	0.52 148	0.34 116	0.66 79	0.62 87	0.82 199	0.92 178	0.45 60	0.32 60	0.52 59	0.46 197	0.17 141	0.12 98	0.15 42	0.14 72	0.13 20	0.14 87

AACVNet	0.50 209	0.23 144	0.49 181	0.46 240	0.29 213	0.52 148	0.38 183	0.90 195	0.55 76	0.81 190	1.03 229	1.00 272	0.70 260	0.83 245	0.54 227	0.21 233	0.18 252	0.24 256	0.18 183	0.23 245	0.20 222

111	0.40 119	0.17 19	0.41 81	0.34 11	0.19 9	0.52 148	0.28 50	0.74 139	1.16 316	0.50 53	0.91 174	0.63 137	0.48 143	0.61 131	0.35 110	0.14 32	0.10 9	0.14 16	0.12 29	0.13 20	0.13 58

riskmin	0.38 93	0.20 70	0.39 70	0.32 8	0.23 69	0.53 154	0.30 69	0.63 60	0.80 170	0.49 50	0.56 52	0.73 194	0.58 190	0.55 69	0.36 126	0.17 141	0.11 57	0.19 153	0.13 50	0.19 190	0.20 222

GrayStereo	0.49 196	0.19 49	0.42 100	0.46 240	0.28 190	0.53 154	0.67 314	0.69 107	0.63 97	1.02 298	1.47 330	0.78 213	0.76 276	0.56 77	0.33 85	0.14 32	0.12 98	0.17 84	0.17 161	0.15 77	0.29 291

HCRNet	0.44 147	0.34 272	0.41 81	0.53 311	0.26 147	0.53 154	0.29 57	0.83 169	0.63 97	0.71 140	0.81 130	0.77 212	0.50 156	0.66 166	0.36 126	0.24 265	0.16 227	0.24 256	0.20 229	0.21 220	0.18 175

tt1	0.36 64	0.24 179	0.32 17	0.41 131	0.22 42	0.54 157	0.38 183	0.68 98	1.04 284	0.41 32	0.46 23	0.35 25	0.45 133	0.57 87	0.25 9	0.16 109	0.10 9	0.19 153	0.13 50	0.16 108	0.16 144

IPLG	0.39 107	0.20 70	0.59 232	0.40 107	0.24 86	0.54 157	0.27 43	0.75 145	0.63 97	0.84 218	0.81 130	0.32 9	0.32 60	0.60 124	0.45 187	0.13 12	0.11 57	0.16 60	0.13 50	0.13 20	0.12 33

GANet-ADL	0.42 135	0.25 197	0.45 130	0.43 185	0.29 213	0.54 157	0.35 133	0.89 191	0.86 197	0.63 89	0.72 84	0.68 165	0.42 115	0.52 59	0.41 160	0.21 233	0.14 177	0.15 42	0.13 50	0.18 157	0.19 203

RAFT	0.45 157	0.22 127	0.45 130	0.47 249	0.26 147	0.54 157	0.47 244	0.66 79	0.58 82	0.80 182	0.82 133	0.94 259	0.57 183	0.75 215	0.34 95	0.17 141	0.15 200	0.22 228	0.20 229	0.16 108	0.12 33

DMCA-RVC	0.51 216	0.30 252	0.59 232	0.50 283	0.32 251	0.54 157	0.38 183	0.86 178	0.68 115	0.94 267	0.86 154	0.91 254	0.68 246	0.70 190	0.59 238	0.23 256	0.18 252	0.31 316	0.23 272	0.26 267	0.19 203

ACVNet-DCA	0.35 46	0.23 144	0.33 20	0.41 131	0.22 42	0.55 162	0.38 183	0.85 175	0.54 72	0.41 32	0.50 32	0.34 20	0.49 146	0.57 87	0.25 9	0.16 109	0.10 9	0.19 153	0.13 50	0.18 157	0.17 161

xx1	0.39 107	0.23 144	0.33 20	0.41 131	0.22 42	0.55 162	0.38 183	0.67 89	1.06 296	0.41 32	0.50 32	0.65 154	0.53 164	0.57 87	0.25 9	0.16 109	0.10 9	0.20 177	0.19 207	0.18 157	0.17 161

1test111	0.36 64	0.23 144	0.33 20	0.41 131	0.22 42	0.55 162	0.38 183	0.85 175	0.54 72	0.41 32	0.50 32	0.34 20	0.49 146	0.55 69	0.45 187	0.16 109	0.10 9	0.19 153	0.13 50	0.18 157	0.17 161

cc1	0.37 79	0.23 144	0.33 20	0.41 131	0.22 42	0.55 162	0.38 183	0.67 89	1.06 296	0.41 32	0.50 32	0.34 20	0.49 146	0.57 87	0.25 9	0.16 109	0.10 9	0.19 153	0.13 50	0.16 108	0.15 106

DualNet	0.47 173	0.26 211	0.49 181	0.37 44	0.25 112	0.55 162	0.37 163	0.68 98	1.04 284	0.73 157	0.96 193	0.71 175	0.53 164	0.57 87	0.88 299	0.16 109	0.10 9	0.25 267	0.21 246	0.16 108	0.16 144

ffm	0.44 147	0.26 211	0.49 181	0.37 44	0.25 112	0.55 162	0.37 163	0.68 98	1.04 284	0.73 157	0.96 193	0.71 175	0.53 164	0.57 87	0.25 9	0.16 109	0.10 9	0.25 267	0.21 246	0.16 108	0.16 144

ff1	0.49 196	0.26 211	0.49 181	0.37 44	0.25 112	0.55 162	0.37 163	0.68 98	1.04 284	0.73 157	0.96 193	0.71 175	0.53 164	1.01 298	0.88 299	0.16 109	0.10 9	0.25 267	0.21 246	0.16 108	0.16 144

mmx	0.53 228	0.26 211	0.49 181	0.37 44	0.25 112	0.55 162	0.37 163	1.16 283	1.03 280	0.73 157	0.96 193	0.71 175	0.53 164	1.01 298	0.88 299	0.20 219	0.15 200	0.25 267	0.21 246	0.22 236	0.20 222

xxx	0.53 228	0.26 211	0.49 181	0.37 44	0.25 112	0.55 162	0.37 163	1.16 283	1.03 280	0.73 157	0.96 193	0.71 175	0.53 164	1.01 298	0.88 299	0.20 219	0.15 200	0.25 267	0.21 246	0.22 236	0.20 222

STrans-v2	0.46 163	0.20 70	0.48 171	0.40 107	0.24 86	0.55 162	0.50 260	1.07 252	0.73 136	0.65 105	1.05 237	0.72 185	0.69 250	0.72 200	0.33 85	0.14 32	0.10 9	0.17 84	0.14 72	0.13 20	0.12 33

TANstereo	0.30 24	0.15 3	0.31 13	0.30 4	0.17 3	0.55 162	0.23 18	0.44 6	0.55 76	0.59 72	0.68 79	0.37 32	0.26 17	0.35 4	0.27 33	0.15 79	0.16 227	0.12 2	0.10 10	0.13 20	0.14 87

Anonymous	0.39 107	0.27 225	0.66 265	0.53 311	0.43 316	0.55 162	0.49 256	0.63 60	0.50 61	0.37 17	0.42 19	0.33 17	0.42 115	0.56 77	0.38 146	0.20 219	0.19 266	0.17 84	0.18 183	0.30 291	0.24 261

ARAFT	0.47 173	0.24 179	0.79 305	0.42 167	0.25 112	0.55 162	0.55 288	0.75 145	0.81 176	0.89 243	0.75 98	0.73 194	0.47 139	0.88 263	0.37 138	0.15 79	0.12 98	0.23 242	0.22 261	0.14 45	0.13 58

FENet	0.42 135	0.22 127	0.38 53	0.39 84	0.24 86	0.55 162	0.32 100	0.79 160	0.70 120	0.71 140	0.72 84	0.63 137	0.57 183	0.62 137	0.44 181	0.19 198	0.13 151	0.19 153	0.17 161	0.18 157	0.19 203

GwcNet-RSSM	0.49 196	0.24 179	0.42 100	0.40 107	0.23 69	0.55 162	0.38 183	0.93 202	0.93 236	0.71 140	1.16 276	0.86 234	0.60 200	0.62 137	0.66 252	0.21 233	0.14 177	0.19 153	0.20 229	0.16 108	0.15 106

GMStereo_Zeroshot	0.49 196	0.44 312	0.74 292	0.49 269	0.27 171	0.56 177	0.29 57	0.73 137	0.76 149	0.86 224	0.94 182	0.91 254	0.36 85	0.74 211	0.43 169	0.26 285	0.14 177	0.26 281	0.15 93	0.36 321	0.18 175

PSM-AAD	0.48 180	0.20 70	0.37 44	0.43 185	0.23 69	0.56 177	0.50 260	0.65 71	0.70 120	1.07 315	1.12 258	0.58 108	0.92 316	0.61 131	0.32 73	0.15 79	0.11 57	0.25 267	0.26 304	0.18 157	0.43 349

aanetorigin	0.83 319	0.56 342	1.87 379	0.49 269	0.38 288	0.56 177	0.66 312	0.70 121	1.00 268	2.42 384	2.02 360	1.31 322	1.18 347	0.93 285	1.13 342	0.20 219	0.18 252	0.20 177	0.19 207	0.27 277	0.30 298

FADNet_RVC	0.55 239	0.37 284	1.17 344	0.44 200	0.31 239	0.56 177	0.34 116	1.06 251	0.88 210	0.67 117	0.90 172	0.61 130	0.65 232	0.93 285	0.70 262	0.21 233	0.18 252	0.26 281	0.23 272	0.31 296	0.28 285

RAFT-RH_RVC	0.56 250	0.17 19	0.41 81	0.37 44	0.23 69	0.57 181	0.24 24	0.60 45	0.70 120	1.19 331	3.94 397	0.56 95	0.38 91	0.65 161	0.36 126	0.13 12	0.11 57	0.20 177	0.14 72	0.12 8	0.13 58

AANet_RVC	0.57 255	0.32 259	0.54 214	0.45 221	0.27 171	0.57 181	0.48 250	1.00 226	1.28 337	0.86 224	1.33 305	0.87 239	0.58 190	1.07 311	0.75 273	0.18 169	0.12 98	0.15 42	0.13 50	0.18 157	0.18 175

CFNet_ucs	0.50 209	0.24 179	0.55 218	0.38 65	0.31 239	0.58 183	0.33 109	0.98 221	0.93 236	0.88 239	1.19 284	0.80 222	0.49 146	0.63 147	0.43 169	0.21 233	0.15 200	0.26 281	0.18 183	0.26 267	0.22 248

DAS	0.51 216	0.25 197	0.60 237	0.48 254	0.31 239	0.58 183	0.41 220	0.83 169	0.97 252	0.89 243	1.12 258	0.70 171	0.75 273	0.82 238	0.43 169	0.17 141	0.13 151	0.18 118	0.15 93	0.20 202	0.18 175

SepStereo	0.51 216	0.25 197	0.60 237	0.48 254	0.31 239	0.58 183	0.41 220	0.83 169	0.97 252	0.89 243	1.12 258	0.70 171	0.75 273	0.93 285	0.43 169	0.17 141	0.13 151	0.18 118	0.15 93	0.20 202	0.18 175

DRaft	0.49 196	0.17 19	0.47 155	0.37 44	0.25 112	0.58 183	0.40 208	0.65 71	0.85 192	1.02 298	1.75 350	0.50 77	0.82 295	0.63 147	0.40 157	0.13 12	0.11 57	0.16 60	0.16 121	0.14 45	0.15 106

ICVP	0.46 163	0.25 197	0.38 53	0.48 254	0.28 190	0.58 183	0.43 228	1.00 226	0.70 120	0.67 117	0.95 189	0.75 200	0.55 177	0.53 64	0.54 227	0.23 256	0.17 241	0.19 153	0.17 161	0.19 190	0.20 222
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
CFNet_pseudo	0.46 163	0.24 179	0.52 205	0.37 44	0.27 171	0.58 183	0.30 69	0.86 178	0.88 210	0.82 199	1.03 229	0.75 200	0.47 139	0.58 104	0.44 181	0.17 141	0.12 98	0.24 256	0.16 121	0.24 255	0.19 203

ACVNet	0.46 163	0.23 144	0.36 34	0.39 84	0.28 190	0.58 183	0.40 208	0.87 185	0.80 170	0.64 98	0.96 193	0.79 214	0.60 200	0.63 147	0.67 255	0.17 141	0.15 200	0.16 60	0.15 93	0.18 157	0.15 106

GANet-RSSM	0.47 173	0.21 100	0.37 44	0.38 65	0.25 112	0.58 183	0.36 151	1.07 252	0.78 162	0.68 123	1.01 217	0.86 234	0.67 240	0.62 137	0.44 181	0.21 233	0.15 200	0.18 118	0.18 183	0.18 157	0.17 161

ccs_rob	0.46 163	0.24 179	0.52 205	0.37 44	0.27 171	0.58 183	0.31 84	0.86 178	0.88 210	0.82 199	1.02 225	0.75 200	0.47 139	0.58 104	0.44 181	0.17 141	0.12 98	0.24 256	0.16 121	0.24 255	0.19 203

Sa-1000	0.48 180	0.24 179	0.41 81	0.45 221	0.25 112	0.59 192	0.34 116	0.81 167	0.93 236	0.82 199	1.50 331	0.53 86	0.45 133	0.92 280	0.30 59	0.15 79	0.12 98	0.21 216	0.19 207	0.15 77	0.13 58

dad	0.58 261	0.50 326	0.64 255	0.43 185	0.30 222	0.59 192	0.36 151	0.78 158	1.25 333	1.01 296	1.17 278	1.15 309	0.53 164	0.68 184	0.50 207	0.35 341	0.23 297	0.37 337	0.21 246	0.29 282	0.20 222

DEmStereo	0.48 180	0.17 19	0.50 193	0.38 65	0.25 112	0.59 192	0.34 116	0.63 60	0.74 141	0.89 243	1.66 342	0.58 108	1.06 335	0.60 124	0.42 164	0.14 32	0.11 57	0.16 60	0.16 121	0.14 45	0.15 106

GES	0.44 147	0.23 144	0.57 227	0.40 107	0.30 222	0.59 192	0.36 151	0.96 214	0.68 115	0.74 163	0.83 138	0.47 68	0.48 143	0.67 176	0.43 169	0.22 251	0.16 227	0.17 84	0.16 121	0.18 157	0.23 255

cf-r	0.47 173	0.23 144	0.41 81	0.39 84	0.23 69	0.59 192	0.37 163	0.88 189	0.85 192	0.72 150	1.05 237	0.94 259	0.62 210	0.56 77	0.54 227	0.21 233	0.14 177	0.17 84	0.19 207	0.15 77	0.15 106

STTStereo	0.55 239	0.37 284	0.76 300	0.44 200	0.31 239	0.60 197	0.44 234	0.96 214	0.86 197	0.99 286	0.90 172	0.96 263	0.58 190	0.71 195	0.61 242	0.25 275	0.23 297	0.26 281	0.32 333	0.24 255	0.23 255

mmm	0.44 147	0.27 225	0.46 145	0.38 65	0.24 86	0.61 198	0.35 133	0.94 206	0.53 68	0.72 150	1.05 237	0.63 137	0.50 156	0.57 87	0.45 187	0.18 169	0.15 200	0.23 242	0.20 229	0.20 202	0.18 175

CASS	0.45 157	0.27 225	0.42 100	0.48 254	0.22 42	0.61 198	0.34 116	0.97 218	0.62 87	0.71 140	0.85 151	0.61 130	0.55 177	0.57 87	0.41 160	0.29 304	0.16 227	0.22 228	0.18 183	0.22 236	0.28 285
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
pcwnet_v2	0.58 261	0.28 238	0.84 309	0.45 221	0.35 273	0.61 198	0.35 133	1.27 324	1.21 324	0.99 286	1.27 295	0.72 185	0.58 190	0.67 176	0.48 204	0.27 292	0.21 281	0.24 256	0.23 272	0.29 282	0.29 291

FADNet-RVC	0.60 271	0.53 338	1.14 339	0.46 240	0.39 293	0.61 198	0.39 202	1.12 270	0.87 206	0.70 134	0.84 143	1.04 284	0.55 177	0.94 292	0.69 259	0.26 285	0.25 312	0.28 300	0.28 314	0.31 296	0.31 304

MLCV	0.47 173	0.24 179	0.61 239	0.37 44	0.17 3	0.61 198	0.33 109	0.80 164	0.87 206	0.94 267	1.13 264	0.72 185	0.43 122	0.89 268	0.51 215	0.13 12	0.10 9	0.13 9	0.11 15	0.14 45	0.12 33

iResNet	0.49 196	0.29 246	0.79 305	0.42 167	0.21 29	0.61 198	0.40 208	0.82 168	0.99 261	0.87 231	1.12 258	0.69 169	0.53 164	0.78 229	0.51 215	0.15 79	0.11 57	0.14 16	0.12 29	0.17 139	0.15 106

iResNet_ROB	0.52 225	0.21 100	0.53 211	0.37 44	0.21 29	0.61 198	0.29 57	1.51 363	1.32 341	0.90 250	1.02 225	0.80 222	0.62 210	0.76 218	0.43 169	0.16 109	0.12 98	0.13 9	0.09 6	0.15 77	0.18 175

SMFormer	0.51 216	0.23 144	0.62 242	0.34 11	0.20 20	0.62 205	0.34 116	1.21 299	1.02 275	0.81 190	1.01 217	0.71 175	0.65 232	0.84 250	0.55 231	0.19 198	0.15 200	0.18 118	0.16 121	0.18 157	0.18 175

tta	0.51 216	0.23 144	0.62 242	0.34 11	0.20 20	0.62 205	0.34 116	1.21 299	1.02 275	0.81 190	1.01 217	0.71 175	0.65 232	0.84 250	0.55 231	0.19 198	0.15 200	0.18 118	0.16 121	0.15 77	0.14 87

qqq1	0.49 196	0.23 144	0.62 242	0.34 11	0.20 20	0.62 205	0.34 116	1.21 299	1.02 275	0.81 190	1.01 217	0.71 175	0.65 232	0.84 250	0.34 95	0.19 198	0.15 200	0.14 16	0.12 29	0.15 77	0.14 87

fff1	0.49 196	0.23 144	0.62 242	0.34 11	0.20 20	0.62 205	0.34 116	1.21 299	1.02 275	0.81 190	1.01 217	0.71 175	0.65 232	0.84 250	0.34 95	0.19 198	0.15 200	0.14 16	0.12 29	0.15 77	0.14 87

11t1	0.36 64	0.21 100	0.42 100	0.35 29	0.22 42	0.62 205	0.29 57	0.69 107	0.43 48	0.60 76	0.53 43	0.53 86	0.48 143	0.56 77	0.40 157	0.18 169	0.14 177	0.16 60	0.13 50	0.17 139	0.17 161

GASNet	0.67 281	0.72 357	0.96 323	0.70 362	0.48 335	0.62 205	0.47 244	1.08 256	1.03 280	0.94 267	0.82 133	0.93 258	0.83 299	1.33 342	0.80 281	0.31 313	0.22 287	0.29 308	0.28 314	0.44 341	0.24 261

DIP-Stereo	0.39 107	0.21 100	0.50 193	0.41 131	0.28 190	0.62 205	0.27 43	0.77 153	0.40 39	0.64 98	0.86 154	0.52 82	0.33 68	0.66 166	0.42 164	0.15 79	0.13 151	0.17 84	0.14 72	0.15 77	0.15 106
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
Anonymous Stereo	0.75 301	0.54 340	1.78 377	0.57 328	0.56 352	0.62 205	1.25 379	0.96 214	0.99 261	0.96 275	0.95 189	0.83 226	0.58 190	1.27 336	1.21 346	0.31 313	0.30 331	0.31 316	0.33 336	0.33 306	0.36 323

iResNetv2_ROB	0.52 225	0.27 225	0.69 278	0.38 65	0.25 112	0.62 205	0.35 133	1.17 288	1.01 272	0.99 286	1.06 243	0.88 244	0.67 240	0.66 166	0.39 152	0.19 198	0.13 151	0.15 42	0.11 15	0.18 157	0.16 144

PCWNet_CMD	0.48 180	0.24 179	0.52 205	0.39 84	0.27 171	0.63 214	0.30 69	0.95 212	0.96 249	0.86 224	1.07 246	0.79 214	0.44 129	0.57 87	0.43 169	0.17 141	0.12 98	0.21 216	0.16 121	0.24 255	0.19 203

SACVNet	0.58 261	0.34 272	0.55 218	0.55 320	0.36 275	0.63 214	0.48 250	1.13 271	0.77 156	1.02 298	1.06 243	1.02 280	0.74 271	0.90 270	0.51 215	0.27 292	0.21 281	0.25 267	0.24 285	0.29 282	0.36 323

RAFT + AFF	0.53 228	0.29 246	0.75 295	0.51 295	0.32 251	0.63 214	0.60 301	1.00 226	0.91 226	0.78 178	0.87 158	0.83 226	0.58 190	0.80 233	0.47 201	0.17 141	0.20 274	0.23 242	0.22 261	0.18 157	0.18 175

BEATNet_4x	0.46 163	0.32 259	0.56 224	0.37 44	0.19 9	0.63 214	0.35 133	1.01 233	0.72 131	0.77 175	0.83 138	0.70 171	0.59 196	0.68 184	0.53 224	0.16 109	0.12 98	0.16 60	0.14 72	0.24 255	0.16 144

MSMDNet	0.48 180	0.24 179	0.52 205	0.39 84	0.27 171	0.63 214	0.30 69	0.96 214	0.96 249	0.86 224	1.07 246	0.79 214	0.44 129	0.57 87	0.43 169	0.17 141	0.12 98	0.20 177	0.16 121	0.23 245	0.19 203

HITNet	0.41 129	0.26 211	0.45 130	0.33 10	0.17 3	0.63 214	0.30 69	0.93 202	0.64 104	0.71 140	0.82 133	0.64 144	0.52 161	0.59 118	0.43 169	0.14 32	0.10 9	0.15 42	0.13 50	0.19 190	0.12 33
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
ToySt	0.49 196	0.27 225	0.75 295	0.40 107	0.27 171	0.64 220	0.49 256	0.84 172	0.77 156	0.60 76	0.83 138	0.88 244	0.66 237	0.70 190	0.56 233	0.16 109	0.17 241	0.21 216	0.20 229	0.21 220	0.19 203

Selective-RAFT	0.35 46	0.23 144	0.51 200	0.44 200	0.21 29	0.64 220	0.27 43	0.59 36	0.63 97	0.40 31	0.38 17	0.55 93	0.40 108	0.57 87	0.35 110	0.13 12	0.11 57	0.14 16	0.12 29	0.16 108	0.13 58

CFNet-ft	0.48 180	0.23 144	0.36 34	0.40 107	0.26 147	0.64 220	0.37 163	0.87 185	0.85 192	0.64 98	1.00 214	1.01 275	0.64 226	0.61 131	0.53 224	0.23 256	0.15 200	0.24 256	0.21 246	0.23 245	0.18 175

CFNet_RVC	0.48 180	0.23 144	0.36 34	0.40 107	0.26 147	0.64 220	0.37 163	0.87 185	0.85 192	0.64 98	1.00 214	1.01 275	0.64 226	0.61 131	0.53 224	0.23 256	0.15 200	0.24 256	0.21 246	0.23 245	0.18 175

UCFNet_RVC	0.49 196	0.26 211	0.35 29	0.39 84	0.26 147	0.64 220	0.36 151	1.15 280	0.84 185	0.67 117	0.88 165	0.88 244	0.59 196	0.58 104	0.45 187	0.24 265	0.17 241	0.27 293	0.27 309	0.25 263	0.23 255

ttt	0.51 216	0.25 197	0.43 109	0.38 65	0.24 86	0.65 225	0.38 183	1.18 291	1.05 289	0.72 150	1.08 249	0.63 137	0.49 146	0.84 250	0.59 238	0.24 265	0.21 281	0.22 228	0.20 229	0.24 255	0.24 261

psm_up	0.55 239	0.26 211	0.47 155	0.49 269	0.32 251	0.65 225	0.56 293	1.04 243	0.82 177	0.82 199	0.88 165	1.01 275	0.94 322	0.74 211	0.61 242	0.21 233	0.25 312	0.26 281	0.23 272	0.21 220	0.20 222

FADNet	0.61 273	0.51 329	1.10 334	0.45 221	0.44 323	0.65 225	0.41 220	1.19 293	1.05 289	0.70 134	0.84 143	0.98 268	0.66 237	0.82 238	0.50 207	0.29 304	0.30 331	0.27 293	0.30 320	0.46 348	0.35 321

1111x	0.55 239	0.22 127	0.46 145	0.38 65	0.20 20	0.66 228	0.43 228	1.23 311	0.99 261	0.71 140	0.99 212	0.95 261	0.69 250	0.90 270	1.08 336	0.18 169	0.17 241	0.18 118	0.19 207	0.20 202	0.18 175

TDLM	0.57 255	0.33 267	0.49 181	0.51 295	0.30 222	0.66 228	0.73 334	1.03 240	1.01 272	0.82 199	1.10 255	0.84 230	0.70 260	0.86 259	0.58 234	0.28 298	0.17 241	0.25 267	0.22 261	0.26 267	0.19 203

NLCA_NET_v2_RVC	0.53 228	0.32 259	0.64 255	0.44 200	0.30 222	0.66 228	0.44 234	1.04 243	0.88 210	0.91 255	0.91 174	0.99 269	0.60 200	0.68 184	0.60 241	0.21 233	0.17 241	0.22 228	0.22 261	0.21 220	0.21 235
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	0.58 261	0.44 312	0.62 242	0.42 167	0.33 260	0.66 228	0.58 297	1.02 236	0.86 197	0.77 175	1.28 297	0.72 185	0.64 226	0.82 238	0.59 238	0.31 313	0.26 317	0.40 345	0.27 309	0.33 306	0.26 271

CVANet_RVC	0.57 255	0.33 267	0.44 119	0.47 249	0.32 251	0.67 232	0.61 306	1.05 248	0.93 236	0.85 219	1.04 233	1.01 275	0.73 269	0.83 245	0.52 221	0.29 304	0.19 266	0.27 293	0.25 294	0.31 296	0.21 235

AdaStereo	0.50 209	0.32 259	0.47 155	0.48 254	0.25 112	0.67 232	0.32 100	1.17 288	0.88 210	0.75 165	0.99 212	0.75 200	0.49 146	0.67 176	0.46 197	0.27 292	0.12 98	0.28 300	0.18 183	0.23 245	0.18 175
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.
PSMNet-ADL	0.48 180	0.27 225	0.40 77	0.48 254	0.30 222	0.68 234	0.37 163	0.90 195	0.80 170	0.61 81	0.80 123	0.92 256	0.62 210	0.72 200	0.63 247	0.23 256	0.18 252	0.18 118	0.20 229	0.22 236	0.20 222

RASNet	0.53 228	0.22 127	0.52 205	0.38 65	0.22 42	0.68 234	0.38 183	0.97 218	0.88 210	0.73 157	1.04 233	1.03 282	0.92 316	0.90 270	0.86 293	0.16 109	0.14 177	0.14 16	0.17 161	0.15 77	0.13 58

IER	0.46 163	0.23 144	0.50 193	0.38 65	0.28 190	0.69 236	0.35 133	0.80 164	0.66 112	0.83 211	0.94 182	0.75 200	0.77 280	0.60 124	0.42 164	0.17 141	0.14 177	0.17 84	0.17 161	0.17 139	0.15 106

EDNetEfficient	1.46 371	0.80 363	6.12 401	0.47 249	0.39 293	0.69 236	0.83 344	0.90 195	2.77 388	3.50 401	1.96 358	1.66 359	2.03 385	1.26 334	4.18 394	0.21 233	0.18 252	0.21 216	0.20 229	0.41 336	0.39 337

HBP-ISP	0.59 268	0.45 316	0.43 109	0.45 221	0.33 260	0.70 238	0.28 50	1.11 266	1.00 268	0.83 211	1.18 280	0.65 154	0.68 246	0.88 263	0.52 221	0.35 341	0.38 359	0.47 355	0.41 356	0.38 327	0.31 304

BUS	0.45 157	0.25 197	0.43 109	0.45 221	0.28 190	0.70 238	0.34 116	0.94 206	0.76 149	0.75 165	0.80 123	0.65 154	0.49 146	0.64 154	0.51 215	0.20 219	0.14 177	0.22 228	0.19 207	0.18 157	0.18 175

NINENet	0.50 209	0.29 246	0.51 200	0.45 221	0.32 251	0.70 238	0.34 116	1.10 261	0.88 210	0.80 182	0.94 182	0.65 154	0.49 146	0.73 205	0.51 215	0.22 251	0.20 274	0.25 267	0.18 183	0.22 236	0.21 235

GEStereo_RVC	0.55 239	0.29 246	0.63 250	0.49 269	0.31 239	0.70 238	0.54 284	1.22 307	0.92 231	0.82 199	0.85 151	0.85 232	0.63 216	0.90 270	0.65 250	0.24 265	0.16 227	0.19 153	0.16 121	0.21 220	0.22 248

CFNet	0.51 216	0.29 246	0.46 145	0.41 131	0.27 171	0.70 238	0.32 100	1.13 271	1.00 268	0.72 150	1.07 246	0.85 232	0.60 200	0.76 218	0.52 221	0.19 198	0.14 177	0.23 242	0.23 272	0.21 220	0.16 144

test_xeample	1.01 338	0.21 100	0.42 100	0.35 29	0.21 29	0.71 243	0.39 202	1.23 311	0.86 197	0.81 190	1.04 233	0.69 169	0.61 205	0.69 187	10.93 408	0.19 198	0.15 200	0.18 118	0.17 161	0.18 157	0.17 161

FAT-Stereo	0.73 298	0.33 267	0.75 295	0.49 269	0.37 280	0.71 243	0.59 299	1.36 342	1.30 339	1.03 306	1.40 316	1.59 358	1.15 343	0.87 260	0.86 293	0.28 298	0.28 323	0.28 300	0.23 272	0.28 279	0.38 335

FADNet-RVC-Resample	0.56 250	0.33 267	1.16 340	0.49 269	0.34 267	0.71 243	0.43 228	1.01 233	0.93 236	0.82 199	0.87 158	0.74 199	0.67 240	0.73 205	0.45 187	0.18 169	0.18 252	0.26 281	0.27 309	0.26 267	0.27 278

DeepPrunerF	0.89 326	0.52 335	3.43 392	0.68 359	0.81 369	0.72 246	0.72 333	1.22 307	1.99 375	0.93 264	1.01 217	0.87 239	0.86 304	1.08 313	0.95 319	0.34 337	0.28 323	0.43 348	0.39 349	0.30 291	0.32 308

NOSS_ROB	0.57 255	0.39 297	0.39 70	0.44 200	0.30 222	0.73 247	0.54 284	1.03 240	1.08 305	0.67 117	0.87 158	0.76 206	0.57 183	0.77 225	0.47 201	0.38 348	0.38 359	0.44 350	0.42 357	0.37 323	0.34 316

AASNet	0.53 228	0.25 197	0.52 205	0.49 269	0.32 251	0.74 248	0.40 208	1.50 360	0.86 197	0.86 224	0.92 178	0.64 144	0.59 196	0.59 118	0.79 279	0.23 256	0.19 266	0.20 177	0.16 121	0.21 220	0.19 203

DSFCA	0.55 239	0.25 197	0.62 242	0.40 107	0.36 275	0.74 248	0.52 277	1.04 243	0.82 177	1.06 312	0.84 143	0.89 248	0.63 216	0.99 295	0.58 234	0.25 275	0.21 281	0.21 216	0.21 246	0.21 220	0.19 203

CBMV_ROB	0.59 268	0.37 284	0.38 53	0.39 84	0.28 190	0.74 248	0.28 50	1.00 226	0.98 256	0.94 267	1.25 293	0.81 224	0.78 285	0.87 260	0.50 207	0.36 344	0.37 357	0.43 348	0.40 351	0.33 306	0.30 298

CoDeX	0.47 173	0.20 70	0.49 181	0.42 167	0.25 112	0.75 251	0.36 151	1.27 324	0.80 170	0.82 199	0.96 193	0.62 136	0.57 183	0.60 124	0.36 126	0.17 141	0.12 98	0.17 84	0.15 93	0.16 108	0.14 87

THIR-Stereo	0.50 209	0.18 34	0.45 130	0.38 65	0.23 69	0.75 251	0.67 314	0.66 79	0.87 206	1.02 298	1.40 316	0.72 185	0.76 276	0.62 137	0.42 164	0.15 79	0.11 57	0.17 84	0.18 183	0.14 45	0.15 106

HSM	0.51 216	0.24 179	0.41 81	0.39 84	0.24 86	0.75 251	0.40 208	1.22 307	0.75 143	0.81 190	0.91 174	1.21 311	0.69 250	0.87 260	0.46 197	0.17 141	0.13 151	0.17 84	0.14 72	0.17 139	0.17 161

BSDual-CNN	0.46 163	0.25 197	0.43 109	0.45 221	0.28 190	0.77 254	0.40 208	0.94 206	0.76 149	0.75 165	0.80 123	0.76 206	0.54 175	0.64 154	0.43 169	0.20 219	0.14 177	0.22 228	0.19 207	0.18 157	0.18 175

hknet	0.49 196	0.25 197	0.51 200	0.45 221	0.29 213	0.77 254	0.40 208	0.94 206	0.83 182	0.75 165	0.80 123	0.97 265	0.61 205	0.73 205	0.45 187	0.18 169	0.14 177	0.22 228	0.19 207	0.18 157	0.18 175

s12784h	0.36 64	0.15 3	0.24 3	0.34 11	0.15 1	0.77 254	0.29 57	0.80 164	0.83 182	0.56 67	0.57 53	0.43 54	0.40 108	0.57 87	0.33 85	0.12 4	0.10 9	0.14 16	0.09 6	0.14 45	0.09 1

DLCB_ROB	0.58 261	0.28 238	0.47 155	0.49 269	0.32 251	0.77 254	0.50 260	0.99 223	0.92 231	1.04 307	1.14 266	1.21 311	0.69 250	0.88 263	0.69 259	0.20 219	0.20 274	0.22 228	0.22 261	0.21 220	0.18 175

ADLNet	0.55 239	0.27 225	0.51 200	0.44 200	0.35 273	0.78 258	0.46 239	1.08 256	0.86 197	0.99 286	0.98 208	0.92 256	0.63 216	0.69 187	0.81 284	0.22 251	0.16 227	0.22 228	0.22 261	0.21 220	0.21 235

hitnet-ft	0.55 239	0.27 225	0.39 70	0.41 131	0.28 190	0.78 258	0.40 208	0.92 200	0.90 222	0.82 199	1.01 217	1.13 306	0.70 260	0.78 229	0.67 255	0.28 298	0.20 274	0.28 300	0.22 261	0.29 282	0.26 271

PASM	0.90 329	0.64 353	1.69 373	0.69 361	0.69 367	0.78 258	0.84 347	1.03 240	1.26 336	1.19 331	1.15 271	1.31 322	0.98 328	1.24 332	1.03 330	0.52 367	0.56 380	0.59 371	0.66 378	0.56 364	0.54 369

222	1.18 357	0.22 127	0.44 119	0.37 44	0.22 42	0.79 261	0.37 163	1.31 331	0.89 220	0.92 263	1.08 249	0.72 185	0.71 264	0.66 166	13.89 411	0.20 219	0.15 200	0.17 84	0.16 121	0.18 157	0.19 203

XPNet_ROB	0.70 288	0.35 276	0.68 272	0.52 306	0.40 298	0.79 261	0.85 350	1.16 283	0.94 243	1.33 345	1.15 271	1.38 337	0.83 299	1.03 305	0.90 312	0.32 325	0.25 312	0.26 281	0.24 285	0.31 296	0.28 285

ETE_ROB	0.70 288	0.49 322	0.73 288	0.56 323	0.36 275	0.79 261	0.87 351	1.14 277	0.93 236	1.19 331	1.18 280	1.39 338	0.82 295	0.99 295	0.80 281	0.26 285	0.21 281	0.31 316	0.26 304	0.33 306	0.34 316

Anonymous_2	0.82 314	0.44 312	0.63 250	0.40 107	0.43 316	0.80 264	0.52 277	0.72 130	0.77 156	0.71 140	0.60 59	0.87 239	0.76 276	0.75 215	0.58 234	0.52 367	0.54 379	0.54 366	4.82 414	0.56 364	0.40 340

ac_64	0.52 225	0.22 127	0.50 193	0.45 221	0.28 190	0.80 264	0.45 236	1.02 236	0.61 86	0.91 255	0.83 138	1.07 294	0.68 246	0.74 211	0.70 262	0.21 233	0.18 252	0.20 177	0.19 207	0.18 157	0.15 106

HGLStereo	0.56 250	0.28 238	0.57 227	0.50 283	0.37 280	0.80 264	0.45 236	1.02 236	0.78 162	0.86 224	1.14 266	0.89 248	0.82 295	0.76 218	0.73 269	0.21 233	0.20 274	0.19 153	0.18 183	0.19 190	0.21 235

RP	0.76 302	0.36 281	0.63 250	0.66 353	0.58 358	0.80 264	0.55 288	1.14 277	1.22 326	0.97 280	1.65 340	1.43 342	1.32 357	1.01 298	0.84 288	0.33 331	0.30 331	0.36 333	0.30 320	0.34 313	0.34 316

edge stereo	0.76 302	0.38 293	0.74 292	0.52 306	0.43 316	0.80 264	0.53 280	1.28 326	1.06 296	1.28 341	1.38 315	1.81 362	1.11 340	1.08 313	0.85 292	0.33 331	0.32 344	0.41 346	0.28 314	0.32 301	0.36 323

gwcnet-sp	0.48 180	0.23 144	0.70 282	0.40 107	0.26 147	0.81 269	0.41 220	0.89 191	0.84 185	0.91 255	0.76 100	0.66 159	0.61 205	0.66 166	0.50 207	0.18 169	0.17 241	0.18 118	0.18 183	0.18 157	0.18 175

scenet	0.48 180	0.23 144	0.70 282	0.40 107	0.26 147	0.81 269	0.41 220	0.89 191	0.84 185	0.91 255	0.76 100	0.66 159	0.61 205	0.66 166	0.50 207	0.18 169	0.17 241	0.18 118	0.18 183	0.18 157	0.18 175

ssnet	0.48 180	0.23 144	0.70 282	0.40 107	0.26 147	0.81 269	0.41 220	0.89 191	0.84 185	0.91 255	0.76 100	0.66 159	0.61 205	0.66 166	0.50 207	0.18 169	0.17 241	0.18 118	0.18 183	0.18 157	0.18 175

Consistency-Raft	1.01 338	0.81 364	1.24 351	0.84 369	0.97 376	0.81 269	0.84 347	1.30 330	1.59 362	1.05 309	1.68 345	1.12 303	0.91 313	0.92 280	1.11 338	0.65 374	0.74 387	0.79 375	0.90 387	1.06 381	0.79 378

Anonymous3	0.46 163	0.34 272	0.86 315	0.50 283	0.37 280	0.81 269	0.50 260	0.72 130	0.65 109	0.51 55	0.65 69	0.45 60	0.45 133	0.64 154	0.38 146	0.24 265	0.24 304	0.22 228	0.21 246	0.23 245	0.23 255

NCC-stereo	0.78 306	0.40 301	0.76 300	0.61 340	0.67 364	0.81 269	0.69 323	1.54 367	1.11 309	0.90 250	1.36 307	1.33 329	1.16 344	1.19 325	0.88 299	0.31 313	0.30 331	0.37 337	0.48 364	0.33 306	0.33 312

Abc-Net	0.78 306	0.40 301	0.76 300	0.61 340	0.67 364	0.81 269	0.69 323	1.54 367	1.11 309	0.90 250	1.36 307	1.33 329	1.16 344	1.19 325	0.88 299	0.31 313	0.30 331	0.37 337	0.48 364	0.33 306	0.33 312
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DANet	0.71 292	0.45 316	0.91 319	0.59 333	0.40 298	0.81 269	0.40 208	0.97 218	0.84 185	1.20 334	1.22 286	1.33 329	0.88 310	1.16 322	1.24 348	0.27 292	0.23 297	0.31 316	0.25 294	0.35 317	0.32 308
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
xxxx	1.01 338	0.22 127	0.43 109	0.36 37	0.21 29	0.82 277	0.36 151	1.32 332	0.88 210	0.71 140	0.94 182	0.97 265	0.63 216	0.64 154	10.58 407	0.20 219	0.16 227	0.18 118	0.17 161	0.19 190	0.19 203

S-Stereo	0.74 299	0.35 276	0.96 323	0.56 323	0.45 327	0.82 277	0.60 301	1.24 318	1.60 365	0.96 275	1.41 318	1.12 303	0.94 322	0.80 233	1.04 333	0.26 285	0.31 341	0.28 300	0.25 294	0.32 301	0.47 359

ADLNet2	0.55 239	0.25 197	0.65 260	0.47 249	0.30 222	0.83 279	0.50 260	1.05 248	0.95 248	0.80 182	0.98 208	0.99 269	0.69 250	0.77 225	0.73 269	0.20 219	0.16 227	0.17 84	0.18 183	0.21 220	0.21 235

LMCR-Stereo	0.53 228	0.30 252	0.53 211	0.58 330	0.30 222	0.83 279	0.36 151	1.19 293	0.76 149	0.88 239	1.04 233	0.56 95	0.62 210	0.82 238	0.67 255	0.19 198	0.15 200	0.19 153	0.14 72	0.23 245	0.17 161

FINET	0.67 281	0.42 306	1.00 327	0.46 240	0.43 316	0.83 279	0.89 352	1.08 256	1.50 356	0.87 231	1.14 266	0.71 175	0.68 246	0.92 280	0.70 262	0.36 344	0.30 331	0.26 281	0.24 285	0.35 317	0.33 312

UPFNet	0.53 228	0.24 179	0.51 200	0.45 221	0.38 288	0.84 282	0.49 256	0.99 223	0.75 143	0.87 231	0.88 165	0.86 234	0.64 226	0.80 233	0.71 266	0.20 219	0.20 274	0.20 177	0.20 229	0.19 190	0.15 106

psmg	0.49 196	0.25 197	0.43 109	0.41 131	0.28 190	0.85 283	0.43 228	0.99 223	0.76 149	0.91 255	0.94 182	0.76 206	0.54 175	0.64 154	0.43 169	0.20 219	0.15 200	0.20 177	0.20 229	0.18 157	0.18 175

psmorigin	0.82 314	0.51 329	2.09 382	0.49 269	0.41 305	0.85 283	0.50 260	1.04 243	0.88 210	1.45 349	1.43 322	1.50 349	1.06 335	1.22 330	0.97 322	0.31 313	0.32 344	0.27 293	0.27 309	0.33 306	0.42 344

HSM-Net_RVC	0.53 228	0.22 127	0.35 29	0.37 44	0.21 29	0.85 283	0.37 163	1.23 311	0.93 236	0.90 250	1.15 271	1.26 315	0.63 216	0.72 200	0.48 204	0.17 141	0.13 151	0.16 60	0.15 93	0.17 139	0.15 106
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
acv_ft	0.51 216	0.23 144	0.56 224	0.44 200	0.28 190	0.86 286	0.39 202	0.91 199	0.80 170	0.97 280	0.96 193	0.79 214	0.59 196	0.63 147	0.87 297	0.17 141	0.15 200	0.16 60	0.15 93	0.17 139	0.15 106

SFCPSM	0.47 173	0.21 100	0.55 218	0.40 107	0.27 171	0.87 287	0.37 163	1.33 334	0.77 156	0.80 182	0.84 143	0.54 90	0.49 146	0.57 87	0.37 138	0.18 169	0.13 151	0.18 118	0.20 229	0.16 108	0.15 106

NVstereo2D	0.60 271	0.30 252	0.75 295	0.48 254	0.43 316	0.89 288	0.48 250	1.05 248	1.15 315	0.66 116	0.86 154	0.88 244	0.70 260	0.99 295	0.65 250	0.32 325	0.15 200	0.28 300	0.20 229	0.40 330	0.36 323

anonymousa	0.49 196	0.20 70	0.42 100	0.38 65	0.23 69	0.91 289	0.35 133	0.75 145	0.62 87	0.85 219	1.54 335	1.06 289	0.66 237	0.51 54	0.43 169	0.16 109	0.13 151	0.19 153	0.21 246	0.16 108	0.14 87

Syn2CoEx	0.71 292	0.51 329	0.95 321	0.64 345	0.45 327	0.91 289	0.53 280	1.48 357	1.13 312	0.93 264	1.35 306	1.02 280	0.99 329	0.92 280	0.80 281	0.30 310	0.27 321	0.28 300	0.24 285	0.23 245	0.24 261

AF-Net	0.81 313	0.39 297	0.68 272	0.64 345	0.54 347	0.91 289	0.51 274	1.61 371	1.31 340	0.96 275	2.02 360	1.46 343	1.26 355	1.11 318	0.99 326	0.32 325	0.24 304	0.39 342	0.27 309	0.30 291	0.25 267

PWC_ROB	0.87 322	0.52 335	1.28 353	0.50 283	0.32 251	0.91 289	0.37 163	1.36 342	1.46 354	1.61 357	2.59 375	1.16 310	1.01 332	1.34 344	1.40 357	0.25 275	0.18 252	0.28 300	0.20 229	0.29 282	0.28 285

RGC	0.79 309	0.59 346	0.71 285	0.65 350	0.65 363	0.92 293	0.58 297	1.29 327	1.05 289	1.07 315	1.45 327	1.47 346	1.03 333	1.21 329	0.88 299	0.32 325	0.30 331	0.48 358	0.40 351	0.37 323	0.37 329

DGSMNet	0.76 302	0.55 341	1.29 355	0.58 330	0.62 361	0.94 294	0.70 328	1.26 322	1.11 309	0.83 211	1.24 291	1.00 272	0.71 264	1.03 305	0.81 284	0.34 337	0.29 328	0.41 346	0.40 351	0.57 366	0.55 370

PA-Net	0.67 281	0.43 308	0.83 308	0.50 283	0.53 345	0.94 294	0.68 319	1.10 261	1.14 314	0.80 182	0.88 165	0.87 239	0.77 280	1.02 303	0.88 299	0.24 265	0.41 366	0.29 308	0.44 358	0.26 267	0.34 316
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
GANet	0.70 288	0.37 284	0.55 218	0.51 295	0.34 267	0.94 294	0.96 358	1.08 256	0.94 243	1.04 307	1.98 359	1.13 306	0.88 310	1.12 319	0.66 252	0.25 275	0.26 317	0.27 293	0.22 261	0.31 296	0.22 248

ssnet_v2	0.58 261	0.28 238	0.56 224	0.43 185	0.29 213	0.95 297	0.59 299	1.13 271	0.99 261	0.93 264	0.80 123	0.99 269	0.64 226	0.82 238	0.94 316	0.25 275	0.22 287	0.23 242	0.24 285	0.20 202	0.19 203

Wz-Net-SNSev	0.91 330	0.73 358	2.13 383	0.56 323	0.45 327	0.95 297	1.13 370	1.34 336	1.24 329	1.02 298	1.30 301	1.46 343	0.86 304	1.81 371	1.50 358	0.25 275	0.23 297	0.25 267	0.26 304	0.32 301	0.29 291

pmcnn	1.23 360	0.29 246	0.96 323	0.40 107	0.23 69	0.95 297	0.69 323	1.16 283	1.28 337	1.67 363	2.33 365	11.15 412	0.86 304	0.93 285	0.88 299	0.15 79	0.12 98	0.12 2	0.10 10	0.15 77	0.15 106

StereoDRNet-Refined	0.58 261	0.32 259	0.54 214	0.46 240	0.30 222	0.96 300	0.40 208	1.00 226	0.94 243	1.12 324	1.08 249	0.96 263	0.67 240	0.90 270	0.89 310	0.17 141	0.13 151	0.22 228	0.21 246	0.20 202	0.19 203
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
anonymity	0.97 335	0.89 370	1.05 330	0.92 372	1.03 380	0.97 301	0.81 343	1.29 327	0.91 226	1.07 315	0.98 208	1.00 272	0.95 325	1.02 303	0.92 315	0.96 384	0.95 402	0.90 377	0.91 390	0.92 375	0.94 383

SHD	0.93 333	0.50 326	1.18 345	0.59 333	0.46 334	0.97 301	0.48 250	1.70 376	2.15 377	1.58 354	1.37 310	1.42 341	1.19 349	1.31 340	1.60 359	0.31 313	0.26 317	0.32 321	0.33 336	0.40 330	0.42 344

NaN_ROB	0.69 286	0.44 312	0.69 278	0.51 295	0.33 260	0.97 301	1.06 365	1.22 307	1.19 321	1.24 339	0.96 193	1.08 296	0.78 285	1.20 327	0.67 255	0.24 265	0.30 331	0.23 242	0.24 285	0.23 245	0.25 267

PSMNet_ROB	0.64 276	0.37 284	0.65 260	0.56 323	0.42 311	0.97 301	0.83 344	1.21 299	0.92 231	0.79 180	1.02 225	1.08 296	0.63 216	0.82 238	0.91 314	0.29 304	0.20 274	0.31 316	0.31 327	0.26 267	0.23 255

NCCL2	0.72 296	0.41 304	0.65 260	0.64 345	0.44 323	0.98 305	1.20 373	1.11 266	1.00 268	0.98 284	0.96 193	1.49 348	0.87 307	0.90 270	0.79 279	0.31 313	0.26 317	0.39 342	0.39 349	0.32 301	0.32 308

UNet	0.54 238	0.26 211	0.66 265	0.44 200	0.40 298	0.99 306	0.41 220	0.98 221	0.75 143	0.83 211	0.89 169	1.04 284	0.72 268	0.73 205	0.62 244	0.19 198	0.14 177	0.20 177	0.17 161	0.20 202	0.17 161

SuperB	1.04 343	0.37 284	4.81 399	0.43 185	0.31 239	0.99 306	0.46 239	1.02 236	2.09 376	1.09 320	1.09 253	0.75 200	0.81 291	1.06 308	1.76 364	0.19 198	0.15 200	0.17 84	0.15 93	2.82 406	0.26 271

LALA_ROB	0.74 299	0.43 308	0.69 278	0.54 317	0.40 298	1.01 308	0.95 357	1.21 299	1.07 302	1.22 336	1.12 258	1.56 355	0.79 287	1.04 307	0.86 293	0.33 331	0.22 287	0.35 330	0.30 320	0.35 317	0.31 304

CBMV	0.64 276	0.35 276	0.41 81	0.42 167	0.25 112	1.01 308	0.77 338	1.13 271	1.09 307	1.17 329	1.22 286	1.04 284	0.75 273	0.88 263	0.63 247	0.28 298	0.30 331	0.34 328	0.30 320	0.26 267	0.26 271
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
UDG	0.88 324	0.82 367	0.67 269	1.00 376	0.96 375	1.02 310	0.57 296	1.13 271	0.99 261	0.90 250	0.97 207	1.31 322	0.99 329	0.85 257	0.84 288	0.54 371	0.32 344	1.77 387	0.40 351	0.94 376	0.66 373

LSM	4.74 406	0.77 361	10.16 406	0.70 362	56.56 428	1.02 310	1.00 363	1.24 318	1.62 366	2.04 374	2.34 366	1.33 329	1.17 346	1.38 351	1.09 337	0.33 331	0.49 377	0.39 342	0.46 359	0.51 355	10.09 415

SGM-Forest	0.62 274	0.32 259	0.39 70	0.43 185	0.30 222	1.02 310	0.55 288	1.09 260	1.05 289	1.06 312	1.18 280	1.10 299	0.67 240	0.88 263	0.62 244	0.31 313	0.33 350	0.33 326	0.30 320	0.30 291	0.28 285
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Wz-Net-LNSev-Ref	0.63 275	0.28 238	0.99 326	0.40 107	0.30 222	1.03 313	0.56 293	1.10 261	0.99 261	0.97 280	1.22 286	1.06 289	0.69 250	1.07 311	0.95 319	0.19 198	0.11 57	0.16 60	0.13 50	0.22 236	0.21 235

DDUNet	1.06 346	2.56 409	0.68 272	1.21 381	1.26 385	1.03 313	0.69 323	1.11 266	0.94 243	0.96 275	1.22 286	1.27 316	0.82 295	0.93 285	0.72 268	0.84 381	0.38 359	1.99 390	0.60 376	1.10 382	0.85 380

StereoDRNet	0.64 276	0.33 267	0.68 272	0.51 295	0.43 316	1.03 313	0.53 280	1.47 356	0.99 261	1.10 322	0.87 158	1.07 294	0.71 264	0.82 238	0.88 299	0.23 256	0.19 266	0.25 267	0.23 272	0.27 277	0.19 203

PWCDC_ROB	0.89 326	0.49 322	0.80 307	0.74 366	0.40 298	1.03 313	0.39 202	1.33 334	2.35 383	1.02 298	3.77 392	0.81 224	0.92 316	1.20 327	0.90 312	0.34 337	0.22 287	0.24 256	0.20 229	0.34 313	0.29 291

EDNetEfficientorigin	9.93 411	1.15 382	175.16 433	0.48 254	0.36 275	1.04 317	0.68 319	1.24 318	2.69 387	3.17 398	2.50 371	2.30 373	2.07 386	1.76 369	2.21 375	0.20 219	0.18 252	0.24 256	0.19 207	0.51 355	0.50 365

Nwc_Net	0.78 306	0.38 293	0.73 288	0.60 338	0.55 349	1.05 318	0.55 288	1.67 375	1.05 289	0.88 239	1.86 355	1.40 340	1.09 338	1.10 316	0.87 297	0.30 310	0.25 312	0.36 333	0.38 345	0.29 282	0.29 291

MMNet	0.55 239	0.25 197	0.61 239	0.43 185	0.34 267	1.07 319	0.39 202	0.87 185	0.91 226	0.91 255	0.93 181	0.86 234	0.76 276	0.81 236	0.76 274	0.15 79	0.14 177	0.18 118	0.19 207	0.20 202	0.16 144

delet	0.55 239	0.24 179	0.55 218	0.44 200	0.33 260	1.07 319	0.50 260	1.00 226	0.86 197	0.85 219	0.96 193	0.90 252	0.63 216	0.83 245	0.74 272	0.18 169	0.18 252	0.20 177	0.21 246	0.16 108	0.15 106

ADCMid	1.14 352	0.52 335	2.23 385	0.53 311	0.43 316	1.07 319	0.75 336	1.23 311	1.05 289	2.15 378	1.44 324	1.50 349	1.43 363	1.56 357	5.01 398	0.26 285	0.24 304	0.29 308	0.31 327	0.37 323	0.33 312

ADCRef	0.80 310	0.43 308	1.32 358	0.50 283	0.45 327	1.07 319	0.51 274	1.07 252	0.98 256	1.17 329	1.42 319	0.87 239	0.91 313	0.85 257	3.19 385	0.18 169	0.16 227	0.23 242	0.23 272	0.22 236	0.21 235

GwcNet	0.69 286	0.36 281	1.10 334	0.51 295	0.42 311	1.08 323	0.50 260	1.21 299	1.16 316	1.00 291	1.37 310	1.06 289	0.79 287	0.92 280	0.94 316	0.25 275	0.24 304	0.24 256	0.22 261	0.23 245	0.26 271

ccnet	0.82 314	0.57 344	0.75 295	0.54 317	0.59 359	1.09 324	0.66 312	1.38 345	0.94 243	1.12 324	1.44 324	1.29 319	0.92 316	0.95 294	1.24 348	0.49 363	0.42 368	0.50 363	0.47 362	0.51 355	0.46 355

SQANet	0.82 314	0.74 359	0.67 269	1.13 379	0.98 378	1.11 325	0.47 244	1.07 252	0.83 182	0.91 255	1.05 237	1.03 282	0.74 271	1.01 298	0.64 249	0.61 373	0.24 304	1.03 380	0.35 340	1.18 383	0.58 371

NVStereoNet_ROB	1.24 361	0.90 371	1.13 338	0.86 370	0.88 370	1.11 325	0.99 361	1.42 351	1.53 358	1.59 356	2.48 370	2.24 372	1.53 365	1.96 378	1.30 353	0.76 379	0.70 384	0.78 374	1.00 392	0.71 372	0.88 381
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
CBFPSM	0.59 268	0.22 127	1.31 356	0.38 65	0.27 171	1.12 327	0.65 311	0.79 160	0.82 177	0.80 182	0.81 130	1.35 335	0.87 307	0.67 176	0.76 274	0.16 109	0.15 200	0.15 42	0.16 121	0.17 139	0.22 248

RTSC	0.87 322	0.48 319	1.23 350	0.52 306	0.37 280	1.13 328	0.50 260	1.34 336	1.79 370	1.51 351	1.24 291	1.12 303	0.81 291	1.62 361	2.16 374	0.25 275	0.19 266	0.23 242	0.24 285	0.30 291	0.31 304

DISCO	0.70 288	0.26 211	0.68 272	0.44 200	0.31 239	1.14 329	0.51 274	1.23 311	1.23 327	0.81 190	1.05 237	1.50 349	0.85 302	1.82 372	1.03 330	0.19 198	0.15 200	0.18 118	0.16 121	0.24 255	0.23 255

CSAN	0.83 319	0.49 322	0.77 304	0.60 338	0.41 305	1.14 329	1.06 365	1.19 293	1.46 354	1.32 343	1.43 322	1.37 336	1.19 349	1.27 336	0.86 293	0.39 350	0.31 341	0.36 333	0.37 342	0.35 317	0.34 316

Wz-Net-LNSev	0.71 292	0.51 329	1.36 364	0.50 283	0.41 305	1.15 331	0.69 323	1.21 299	1.07 302	1.02 298	1.12 258	1.08 296	0.87 307	0.89 268	0.89 310	0.24 265	0.22 287	0.21 216	0.19 207	0.26 267	0.26 271

GANetREF_RVC	0.80 310	0.75 360	0.86 315	0.66 353	0.42 311	1.15 331	0.98 359	1.14 277	1.19 321	1.01 296	1.02 225	1.10 299	0.90 312	1.15 321	0.76 274	0.48 361	0.39 363	0.57 368	0.38 345	0.63 370	0.46 355
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
DRN-Test	0.66 280	0.32 259	0.66 265	0.50 283	0.39 293	1.15 331	0.61 306	1.49 359	1.01 272	1.12 324	1.08 249	1.06 289	0.69 250	0.77 225	0.94 316	0.23 256	0.17 241	0.26 281	0.25 294	0.25 263	0.21 235

fast-acv-ft	0.64 276	0.30 252	0.73 288	0.45 221	0.34 267	1.17 334	0.49 256	0.86 178	0.98 256	1.02 298	1.36 307	1.29 319	0.85 302	0.76 218	0.81 284	0.21 233	0.23 297	0.23 242	0.23 272	0.21 220	0.20 222

FBW_ROB	0.88 324	0.50 326	0.85 310	0.55 320	0.40 298	1.17 334	0.78 340	1.50 360	1.37 344	1.33 345	1.27 295	1.48 347	1.00 331	2.57 391	0.98 325	0.25 275	0.32 344	0.45 351	0.30 320	0.34 313	0.28 285

APVNet	0.71 292	0.37 284	0.89 318	0.56 323	0.45 327	1.18 336	0.68 319	1.41 350	0.85 192	0.81 190	1.15 271	1.04 284	0.81 291	1.10 316	1.17 343	0.26 285	0.28 323	0.32 321	0.31 327	0.29 282	0.30 298

iinet-f	0.67 281	0.26 211	2.15 384	0.39 84	0.31 239	1.19 337	0.56 293	0.84 172	0.84 185	0.80 182	1.17 278	1.05 288	0.84 301	0.71 195	1.21 346	0.20 219	0.18 252	0.17 84	0.15 93	0.20 202	0.20 222

CRFU-Net	0.57 255	0.27 225	0.57 227	0.46 240	0.30 222	1.20 338	0.52 277	1.10 261	0.56 80	1.00 291	0.98 208	1.06 289	0.79 287	0.81 236	0.71 266	0.21 233	0.19 266	0.18 118	0.16 121	0.18 157	0.19 203

CSP-Net	0.56 250	0.27 225	0.49 181	0.41 131	0.28 190	1.22 339	0.50 260	1.23 311	0.72 131	0.95 274	0.95 189	0.89 248	0.62 210	0.83 245	0.62 244	0.26 285	0.17 241	0.17 84	0.17 161	0.18 157	0.17 161

XQC	0.89 326	0.65 354	1.31 356	0.67 356	0.52 344	1.22 339	0.68 319	1.26 322	1.52 357	1.14 327	1.11 256	1.28 318	1.04 334	1.40 352	1.77 365	0.38 348	0.24 304	0.37 337	0.31 327	0.53 360	0.47 359

WCMA_ROB	1.14 352	0.36 281	0.76 300	0.49 269	0.44 323	1.23 341	0.67 314	1.11 266	1.23 327	2.84 392	3.95 398	3.28 388	1.83 379	1.25 333	0.99 326	0.44 356	0.34 352	0.34 328	0.37 342	0.41 336	0.40 340

DispFullNet	1.60 376	2.63 410	2.75 388	2.56 403	1.79 395	1.24 342	0.47 244	1.37 344	1.45 353	1.87 368	1.50 331	1.55 354	2.46 389	2.04 380	1.04 333	0.59 372	0.18 252	2.32 399	0.68 380	2.29 399	1.14 392

MFMNet_re	1.14 352	0.97 378	1.19 346	0.99 374	0.95 374	1.25 343	1.22 376	1.39 346	1.55 360	1.69 364	1.67 344	1.21 311	1.53 365	1.12 319	0.99 326	0.87 383	0.75 391	0.79 375	0.75 382	0.90 374	0.94 383

ADCS	1.51 373	0.61 349	3.42 391	0.59 333	0.51 341	1.27 344	1.08 368	1.59 369	1.81 371	1.91 372	1.66 342	1.51 352	1.42 362	1.94 377	8.60 406	0.33 331	0.32 344	0.33 326	0.36 341	0.44 341	0.42 344

CC-Net-ROB	0.82 314	0.96 375	0.85 310	0.58 330	0.45 327	1.27 344	0.70 328	1.17 288	1.02 275	0.83 211	1.23 290	0.90 252	0.77 280	1.06 308	0.69 259	0.46 358	0.34 352	1.71 386	0.38 345	0.59 369	0.36 323

RYNet	0.72 296	0.35 276	0.64 255	0.53 311	0.67 364	1.31 346	0.67 314	1.20 297	1.18 319	1.05 309	0.87 158	1.27 316	0.93 321	0.93 285	1.27 352	0.22 251	0.16 227	0.26 281	0.23 272	0.40 330	0.39 337

coex-ft	6.43 409	1.51 392	87.33 432	0.49 269	0.38 288	1.34 347	1.21 375	1.16 283	8.09 405	12.12 412	2.79 379	2.77 381	3.31 400	1.16 322	3.15 384	0.24 265	0.23 297	0.27 293	0.24 285	0.45 345	0.37 329

WZ-Net	1.19 358	0.59 346	4.07 396	0.62 343	0.51 341	1.34 347	1.31 384	1.32 332	1.74 369	1.53 353	1.65 340	1.74 361	1.28 356	2.25 385	2.01 371	0.27 292	0.21 281	0.23 242	0.25 294	0.40 330	0.39 337

FCDSN-DC	1.39 369	0.56 342	0.65 260	0.74 366	0.59 359	1.38 349	0.63 308	1.35 339	1.39 347	3.26 399	4.50 403	4.61 394	2.63 393	1.58 359	1.03 330	0.46 358	0.42 368	0.48 358	0.47 362	0.50 354	0.50 365
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MaskLacGwcNet_RVC	0.67 281	0.81 364	0.73 288	0.53 311	0.37 280	1.40 350	0.53 280	1.04 243	0.79 169	0.88 239	0.94 182	0.95 261	0.53 164	0.93 285	0.58 234	0.39 350	0.30 331	0.57 368	0.31 327	0.53 360	0.30 298

ADCPNet	1.03 342	0.48 319	2.70 387	0.54 317	0.42 311	1.40 350	0.75 336	1.13 271	1.07 302	1.22 336	1.42 319	1.68 360	1.09 338	1.36 349	3.45 389	0.30 310	0.28 323	0.29 308	0.32 333	0.37 323	0.35 321

AnyNet_C32	1.16 356	0.62 352	2.40 386	0.57 328	0.55 349	1.41 352	1.34 385	1.18 291	1.24 329	1.49 350	1.42 319	1.39 338	1.20 351	1.55 355	4.82 396	0.29 304	0.28 323	0.29 308	0.34 338	0.38 327	0.42 344

SANet	1.07 348	0.41 304	1.06 331	0.48 254	0.30 222	1.41 352	0.94 356	1.42 351	3.36 394	1.58 354	2.43 369	2.33 375	1.70 374	1.34 344	1.07 335	0.28 298	0.24 304	0.26 281	0.23 272	0.34 313	0.30 298

SPS-STEREO	1.25 362	0.93 372	1.06 331	1.04 377	1.03 380	1.41 352	0.91 355	1.51 363	1.19 321	2.09 376	1.83 352	1.94 367	1.39 360	1.62 361	1.39 356	0.97 385	0.94 401	0.90 377	0.89 386	0.96 378	0.96 386
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
Wz-Net-MNSev	0.76 302	0.40 301	1.34 359	0.50 283	0.40 298	1.44 355	0.83 344	1.15 280	1.16 316	1.25 340	1.20 285	1.13 306	0.81 291	1.16 322	1.00 329	0.22 251	0.19 266	0.24 256	0.23 272	0.28 279	0.26 271

ADCP+	1.06 346	0.35 276	1.51 371	0.49 269	0.51 341	1.45 356	0.55 288	1.25 321	1.03 280	1.16 328	1.15 271	1.10 299	1.07 337	1.56 357	6.75 404	0.19 198	0.16 227	0.23 242	0.21 246	0.28 279	0.21 235

RainbowNet	1.35 366	1.49 390	1.19 346	1.88 392	1.45 386	1.48 357	1.07 367	1.61 371	1.55 360	1.20 334	1.59 338	1.54 353	1.13 341	1.34 344	0.97 322	1.36 395	0.70 384	1.82 388	0.79 384	1.71 387	1.07 391

PVD	1.28 363	0.67 356	1.28 353	0.74 366	0.62 361	1.50 358	0.84 347	1.99 381	2.96 389	2.18 379	2.36 368	1.85 365	1.95 383	1.92 375	1.94 369	0.39 350	0.36 356	0.49 361	0.37 342	0.51 355	0.64 372

Wz-Net-TNSev	1.14 352	1.06 381	4.32 398	0.49 269	0.42 311	1.51 359	1.11 369	1.48 357	1.40 349	1.22 336	1.26 294	1.58 357	1.43 363	1.76 369	1.70 361	0.32 325	0.31 341	0.26 281	0.30 320	0.41 336	0.41 343

SGM+DAISY	1.35 366	0.94 374	1.25 352	0.96 373	1.00 379	1.52 360	1.02 364	1.34 336	1.21 324	2.64 387	2.65 377	2.44 376	1.56 368	1.64 364	1.26 350	0.97 385	0.95 402	0.90 377	0.90 387	0.94 376	0.96 386

SGM_RVC	0.97 335	0.28 238	0.41 81	0.39 84	0.22 42	1.55 361	0.73 334	1.51 363	1.25 333	2.25 381	1.92 356	2.58 379	1.56 368	2.02 379	1.19 345	0.27 292	0.27 321	0.27 293	0.25 294	0.25 263	0.25 267
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
FC-DCNN	1.59 375	0.51 329	0.66 265	0.61 340	0.49 337	1.56 362	0.70 328	1.66 374	1.53 358	4.64 406	4.62 404	5.85 403	3.34 401	1.84 373	1.11 338	0.46 358	0.42 368	0.47 355	0.46 359	0.48 351	0.46 355

LE_ROB	4.42 404	0.24 179	2.75 388	0.42 167	0.23 69	1.57 363	0.90 354	1.71 377	17.88 418	16.56 420	4.88 405	5.17 401	18.85 420	1.63 363	14.62 412	0.17 141	0.14 177	0.16 60	0.16 121	0.19 190	0.17 161

DPSNet	0.99 337	0.42 306	1.88 380	0.53 311	0.41 305	1.59 364	1.26 380	2.21 385	1.43 350	1.10 322	1.11 256	1.46 343	1.95 383	1.34 344	1.26 350	0.34 337	0.25 312	0.25 267	0.21 246	0.46 348	0.37 329

ADCL	1.04 343	0.38 293	1.35 360	0.50 283	0.39 293	1.61 365	0.89 352	1.29 327	1.39 347	1.29 342	1.50 331	1.24 314	1.24 352	1.37 350	4.87 397	0.21 233	0.19 266	0.25 267	0.25 294	0.29 282	0.27 278

MSMD_ROB	1.21 359	0.49 322	0.62 242	0.59 333	0.50 338	1.62 366	0.67 314	1.23 311	1.24 329	2.45 385	3.77 392	3.09 385	2.98 398	1.32 341	0.81 284	0.45 357	0.41 366	0.49 361	0.51 371	0.47 350	0.44 350

otaku	1.04 343	0.93 372	0.88 317	1.33 385	1.05 382	1.66 367	0.70 328	1.40 349	1.18 319	1.08 318	1.32 304	1.33 329	0.91 313	1.23 331	0.76 274	0.72 377	0.46 376	1.24 382	0.50 369	1.40 384	0.75 374

MeshStereo	1.34 364	0.43 308	0.54 214	0.44 200	0.34 267	1.66 367	0.60 301	1.94 379	1.37 344	4.47 405	3.25 384	4.71 396	1.94 382	1.92 375	1.17 343	0.35 341	0.35 354	0.37 337	0.31 327	0.32 301	0.32 308
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
PDISCO_ROB	0.91 330	0.48 319	1.06 331	0.99 374	0.97 376	1.67 369	0.63 308	1.64 373	1.59 362	1.06 312	1.18 280	1.31 322	0.79 287	1.55 355	0.97 322	0.49 363	0.22 287	0.45 351	0.40 351	0.45 345	0.37 329

Ntro	1.09 350	0.97 378	0.91 319	1.44 386	1.19 384	1.69 370	0.80 342	1.35 339	1.25 333	1.00 291	1.29 300	1.31 322	0.97 327	1.26 334	0.84 288	0.84 381	0.43 371	1.36 383	0.50 369	1.56 385	0.78 376

stereogan	0.80 310	0.31 257	0.71 285	0.59 333	0.50 338	1.72 371	0.48 250	1.35 339	1.37 344	1.00 291	1.46 329	1.56 355	0.95 325	1.29 338	0.84 288	0.28 298	0.29 328	0.29 308	0.25 294	0.38 327	0.38 335

SAMSARA	1.07 348	0.65 354	1.19 346	1.06 378	0.90 371	1.76 372	1.76 399	1.46 355	1.44 352	1.51 351	1.16 276	2.00 369	1.14 342	1.48 353	1.31 354	0.39 350	0.44 373	0.35 330	0.38 345	0.49 352	0.49 364

ACVNet_1	1.46 371	1.33 387	1.12 337	1.91 394	1.62 389	1.83 373	0.98 359	2.00 382	1.85 372	1.39 348	1.53 334	2.32 374	1.53 365	1.34 344	1.11 338	1.30 392	0.50 378	2.06 396	0.58 375	1.93 395	0.95 385

ACVNet-4b	1.35 366	1.31 386	1.10 334	1.90 393	1.59 388	1.92 374	0.77 338	1.52 366	1.62 366	1.05 309	1.60 339	2.11 370	0.94 322	1.64 364	0.77 278	1.30 392	0.35 354	2.03 394	0.67 379	1.88 393	0.84 379

MFN_U_SF_RVC	1.09 350	0.59 346	1.97 381	0.67 356	0.44 323	1.93 375	0.60 301	1.85 378	1.36 342	1.61 357	1.54 335	1.95 368	1.37 359	1.64 364	1.73 362	0.40 354	0.37 357	0.45 351	0.48 364	0.44 341	0.44 350

AnyNet_C01	1.56 374	1.05 380	7.45 404	0.64 345	0.54 347	1.99 376	1.38 387	1.43 353	1.36 342	1.63 360	1.92 356	1.84 363	1.33 358	2.40 387	4.03 391	0.33 331	0.32 344	0.32 321	0.34 338	0.44 341	0.45 354

ELAS_RVC	1.60 376	0.61 349	1.01 328	0.70 362	0.56 352	2.00 377	1.89 402	1.96 380	2.65 386	3.33 400	3.26 385	3.03 382	3.41 402	2.49 389	2.09 373	0.52 367	0.45 374	0.50 363	0.48 364	0.54 362	0.52 367
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
G-Net	0.95 334	0.46 318	1.04 329	0.64 345	0.48 335	2.12 378	0.64 310	1.01 233	0.87 206	1.75 365	2.82 382	1.30 321	1.64 373	1.06 308	0.96 321	0.36 344	0.29 328	0.35 330	0.25 294	0.45 345	0.42 344

ACVNet_2	1.65 379	1.27 385	1.41 367	1.75 389	1.62 389	2.22 379	1.20 373	2.30 386	2.62 385	1.78 366	2.56 372	3.03 382	1.61 370	1.54 354	1.12 341	1.06 388	0.58 382	1.82 388	0.70 381	1.82 389	0.96 386

IMH-64-1	1.86 380	1.62 395	1.16 340	2.20 397	1.89 397	2.33 380	1.30 381	2.89 390	2.29 380	1.66 361	2.80 380	2.49 377	1.61 370	2.10 381	1.78 366	1.60 396	0.74 387	2.43 400	1.02 393	2.12 396	1.17 395

IMH-64	1.86 380	1.62 395	1.16 340	2.20 397	1.89 397	2.33 380	1.30 381	2.89 390	2.29 380	1.66 361	2.80 380	2.49 377	1.61 370	2.10 381	1.78 366	1.60 396	0.74 387	2.43 400	1.02 393	2.12 396	1.17 395

MDST_ROB	0.91 330	0.27 225	0.85 310	0.63 344	0.41 305	2.53 382	0.71 332	1.60 370	1.13 312	2.83 391	1.73 346	0.97 265	0.69 250	1.61 360	0.73 269	0.25 275	0.22 287	0.32 321	0.28 314	0.25 263	0.24 261

MFN_U_SF_DS_RVC	1.02 341	0.57 344	1.51 371	0.67 356	0.50 338	2.57 383	1.66 395	1.20 297	1.43 350	1.38 347	1.57 337	1.33 329	0.92 316	1.64 364	0.88 299	0.37 347	0.39 363	0.46 354	0.60 376	0.41 336	0.40 340

WAO-6	2.04 387	1.50 391	1.16 340	1.70 388	1.67 393	2.69 384	1.44 391	3.06 392	3.63 397	1.98 373	3.27 386	3.54 392	2.07 386	2.36 386	2.22 377	1.31 394	0.91 397	2.04 395	1.22 402	1.73 388	1.27 399

Dean	1.98 384	1.36 388	1.36 364	2.12 396	1.81 396	2.74 385	1.36 386	3.37 399	3.80 398	2.08 375	3.32 388	3.21 387	1.82 377	1.71 368	1.67 360	1.27 389	0.77 393	1.99 390	0.90 387	1.86 390	1.03 390

LVE	2.12 389	1.44 389	1.36 364	1.99 395	1.78 394	2.75 386	1.79 400	2.82 389	3.95 399	1.90 371	4.33 402	3.52 391	1.81 376	2.24 384	1.74 363	1.74 400	0.87 396	2.06 396	1.13 398	1.91 394	1.35 400

MADNet+	2.23 390	2.43 406	10.85 407	1.22 382	0.91 372	2.76 387	1.40 388	2.12 384	1.67 368	1.32 343	1.74 348	1.86 366	1.74 375	6.25 406	4.41 395	0.65 374	0.64 383	0.58 370	0.54 373	0.80 373	0.76 375

RTS	1.98 384	0.96 375	11.36 408	0.65 350	0.57 356	2.77 388	1.40 388	1.39 346	2.26 378	1.89 369	2.56 372	1.32 327	1.25 353	5.20 404	4.05 392	0.31 313	0.22 287	0.29 308	0.29 318	0.40 330	0.37 329

RTSA	1.98 384	0.96 375	11.36 408	0.65 350	0.57 356	2.77 388	1.40 388	1.39 346	2.26 378	1.89 369	2.56 372	1.32 327	1.25 353	5.20 404	4.05 392	0.31 313	0.22 287	0.29 308	0.29 318	0.40 330	0.37 329

WAO-7	1.90 382	1.20 383	1.35 360	1.27 383	1.06 383	2.84 390	1.56 394	3.23 395	3.06 392	2.23 380	3.33 389	3.17 386	2.28 388	3.12 392	2.21 375	1.02 387	0.91 397	1.06 381	1.03 395	1.04 380	0.97 389

PWCK	1.92 383	1.66 398	3.12 390	1.65 387	0.91 372	2.84 390	2.26 405	2.10 383	2.41 384	2.36 383	2.31 364	2.22 371	1.82 377	3.43 395	2.03 372	1.61 398	0.71 386	1.51 384	0.82 385	1.69 386	0.91 382

KSHMR	2.57 391	1.93 401	1.69 373	2.63 405	2.42 404	2.86 392	2.07 403	3.27 397	6.50 403	2.49 386	3.36 391	3.41 390	1.92 381	2.49 389	1.94 369	2.13 405	1.40 407	2.79 409	1.50 405	2.73 404	1.77 403

DPSimNet_ROB	3.58 400	2.45 407	8.57 405	2.53 401	2.37 403	2.88 393	3.77 410	3.14 394	3.23 393	4.71 407	3.86 395	4.68 395	4.87 407	4.07 402	5.62 399	2.33 408	2.33 410	2.47 403	2.52 409	2.51 403	2.64 409

notaker	2.76 392	2.29 405	1.80 378	2.96 407	2.58 408	2.90 394	1.75 398	3.24 396	3.05 391	2.78 390	4.24 401	6.15 406	2.51 391	3.34 394	2.75 383	2.31 407	1.18 405	3.00 410	1.65 406	2.84 407	1.97 404

IMH	2.04 387	1.62 395	1.20 349	2.20 397	1.89 397	2.91 395	1.30 381	3.11 393	3.03 390	1.81 367	3.35 390	3.03 382	1.90 380	2.48 388	1.80 368	1.66 399	0.77 393	2.45 402	1.04 396	2.15 398	1.19 398

ELAS	1.63 378	0.61 349	0.95 321	0.68 359	0.55 349	3.01 396	1.55 393	2.39 387	2.33 382	3.64 402	3.89 396	2.75 380	2.90 397	2.15 383	2.27 380	0.52 367	0.45 374	0.50 363	0.48 364	0.54 362	0.52 367
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
LRCNet_RVC	21.24 418	31.15 424	21.41 414	28.98 421	23.82 419	3.13 397	0.60 301	20.96 421	1.59 362	25.58 421	28.15 424	21.99 421	14.79 411	21.94 422	16.41 413	28.89 430	14.87 421	33.53 426	31.28 426	29.51 428	26.16 426

SDNR	0.86 321	0.37 284	1.47 369	0.40 107	0.38 288	3.38 398	0.33 109	0.90 195	0.98 256	0.99 286	2.09 363	0.59 121	0.71 264	1.29 338	0.70 262	0.51 366	0.56 380	0.36 333	0.26 304	0.43 340	0.46 355

HanzoNet	6.76 410	2.45 407	4.22 397	3.19 409	2.94 410	3.62 399	2.28 406	4.79 408	7.20 404	14.00 416	13.19 415	17.49 416	22.30 421	13.25 414	6.19 401	4.20 412	1.93 409	3.10 411	2.56 410	3.35 410	2.88 411

UNDER WATER	3.46 398	2.07 403	3.64 394	3.09 408	2.48 405	3.75 400	2.42 407	3.31 398	13.77 411	2.90 396	2.95 383	5.84 402	3.69 403	3.69 398	3.48 390	2.07 404	1.11 404	2.70 407	1.40 403	2.84 407	1.98 405

ktn	2.98 396	2.25 404	1.73 375	2.84 406	2.53 407	3.76 401	2.15 404	3.70 401	5.47 402	2.75 389	5.17 407	5.94 404	2.48 390	3.23 393	2.46 381	2.34 409	1.44 408	2.78 408	2.03 408	2.45 402	2.01 406

MSC_U_SF_DS_RVC	1.34 364	0.87 369	1.76 376	0.86 370	0.56 352	4.29 402	1.79 400	1.50 360	1.98 374	1.61 357	1.85 354	1.84 363	1.41 361	1.89 374	1.36 355	0.48 361	0.40 365	0.56 367	0.57 374	0.69 371	0.48 361

MADNet++	4.03 401	2.70 411	3.44 393	3.72 412	3.44 411	4.44 403	3.52 409	3.95 403	3.61 396	4.46 404	4.98 406	4.10 393	4.58 406	7.00 409	5.89 400	3.74 410	3.67 413	3.27 412	2.71 411	3.70 412	3.66 413

WAO-8	2.92 394	1.55 393	1.35 360	1.79 390	1.63 391	5.23 404	1.22 376	4.58 405	12.56 409	2.84 392	4.07 400	4.83 397	2.72 395	3.49 396	2.25 378	1.27 389	0.91 397	1.99 390	1.15 400	1.86 390	1.15 393

Venus	2.92 394	1.55 393	1.35 360	1.79 390	1.63 391	5.23 404	1.22 376	4.58 405	12.56 409	2.84 392	4.06 399	4.83 397	2.72 395	3.49 396	2.25 378	1.27 389	0.91 397	1.99 390	1.15 400	1.86 390	1.15 393

UNDER WATER-64	3.53 399	2.01 402	3.94 395	3.22 410	2.49 406	5.41 406	2.60 408	3.43 400	12.41 408	3.03 397	2.68 378	6.07 405	4.04 404	3.79 400	3.33 386	2.02 403	1.24 406	2.63 405	1.46 404	2.78 405	2.08 407

TorneroNet-64	3.44 397	1.86 399	1.42 368	2.58 404	2.28 402	6.87 407	1.68 396	4.70 407	12.03 406	2.31 382	5.59 408	8.25 408	2.55 392	3.97 401	2.73 382	1.81 401	0.74 387	2.57 404	1.07 397	2.35 400	1.44 401

MANE	4.13 403	0.51 329	0.64 255	0.66 353	0.56 352	6.89 408	0.99 361	7.55 410	12.04 407	6.68 410	8.57 411	10.69 411	9.45 410	7.59 410	6.39 402	0.49 363	0.43 371	0.48 358	0.98 391	0.49 352	0.48 361

SGM-ForestM	4.04 402	0.32 259	0.46 145	0.43 185	0.27 171	7.50 409	1.45 392	3.84 402	4.24 400	8.19 411	6.76 409	19.00 418	9.08 409	10.74 413	6.62 403	0.31 313	0.33 350	0.32 321	0.32 333	0.29 282	0.29 291

JetBlue	2.78 393	1.26 384	7.04 403	1.16 380	1.48 387	8.00 410	6.02 411	2.60 388	1.92 373	2.12 377	2.64 376	3.34 389	3.05 399	6.49 407	3.39 387	0.78 380	0.76 392	0.75 373	0.76 383	0.97 379	1.18 397

DPSMNet_ROB	12.08 413	8.00 414	21.00 413	8.97 416	16.79 415	10.67 411	30.89 419	9.02 413	15.17 414	6.51 409	15.41 419	9.04 409	14.85 412	9.27 412	21.67 416	4.58 414	8.57 415	5.09 415	9.29 417	5.90 414	10.95 416

DGTPSM_ROB	12.07 412	8.00 414	20.99 412	8.93 415	16.78 414	10.67 411	30.87 418	9.01 412	15.16 413	6.50 408	15.41 419	9.04 409	14.85 412	9.25 411	21.67 416	4.57 413	8.57 415	5.08 414	9.28 416	5.90 414	10.95 416

tt	6.20 408	0.20 70	5.89 400	3.55 411	2.07 400	11.26 413	19.21 414	11.74 414	5.46 401	2.69 388	2.04 362	4.87 400	6.25 408	3.70 399	7.09 405	8.32 416	11.17 420	4.93 413	5.41 415	5.74 413	2.37 408

JetRed	5.27 407	5.84 413	12.81 411	2.36 400	2.83 409	12.23 414	10.50 413	4.46 404	3.60 395	3.86 403	3.83 394	4.85 399	4.18 405	6.78 408	11.96 409	2.17 406	2.96 412	2.18 398	1.97 407	3.38 411	2.68 410

TorneroNet	4.53 405	1.89 400	1.48 370	2.55 402	2.27 401	13.78 415	1.69 397	4.84 409	23.73 423	2.89 395	7.70 410	7.06 407	2.69 394	4.26 403	3.42 388	1.84 402	0.77 393	2.68 406	1.13 398	2.42 401	1.47 402

HaxPig	31.96 420	37.24 426	34.27 421	24.37 420	24.88 420	18.26 416	19.86 415	20.64 420	28.52 424	35.97 430	38.75 430	25.57 422	28.72 424	33.88 424	34.39 424	35.94 431	38.87 431	37.80 427	40.48 427	39.68 429	41.15 431

Anonymous_1	33.25 421	18.26 417	23.92 415	20.54 417	21.28 418	25.59 417	35.94 420	22.01 424	15.57 415	13.33 413	13.49 416	18.08 417	15.29 414	20.36 415	24.60 418	16.28 423	8.84 417	66.59 430	118.00 430	155.73 433	11.23 418

DPSM_ROB	17.78 415	18.63 418	24.31 419	20.90 418	19.47 416	25.97 418	36.21 421	21.23 422	16.24 416	13.38 414	14.06 417	19.18 419	16.30 415	20.78 416	25.67 419	9.38 418	9.23 418	9.49 418	9.82 418	13.51 417	11.91 419

DPSM	17.78 415	18.63 418	24.31 419	20.90 418	19.47 416	25.97 418	36.21 421	21.23 422	16.24 416	13.38 414	14.06 417	19.18 419	16.30 415	20.78 416	25.67 419	9.38 418	9.23 418	9.49 418	9.82 418	13.51 417	11.91 419

MEDIAN_ROB	37.38 430	40.85 434	40.60 424	32.31 422	31.85 421	27.20 420	24.55 416	29.10 425	33.19 431	42.09 432	41.76 432	33.35 423	34.39 432	39.78 426	37.07 425	43.64 433	44.10 433	44.12 429	43.40 429	41.51 431	42.76 433

xxxxx1	36.64 427	19.51 420	24.21 416	61.66 430	64.63 430	27.28 421	40.10 423	20.25 417	18.63 419	14.07 417	12.97 412	17.26 413	17.36 417	21.70 419	27.93 421	13.18 420	18.50 423	111.26 431	133.37 431	29.24 425	39.73 428

tt_ll	36.64 427	19.51 420	24.21 416	61.66 430	64.63 430	27.28 421	40.10 423	20.25 417	18.63 419	14.07 417	12.97 412	17.26 413	17.36 417	21.70 419	27.93 421	13.18 420	18.50 423	111.26 431	133.37 431	29.24 425	39.73 428

ff	36.64 427	19.51 420	24.21 416	61.66 430	64.63 430	27.28 421	40.10 423	20.25 417	18.63 419	14.07 417	12.97 412	17.26 413	17.36 417	21.70 419	27.93 421	13.18 420	18.50 423	111.26 431	133.37 431	29.24 425	39.73 428

AVERAGE_ROB	37.58 431	40.13 433	40.15 423	34.81 423	33.82 422	28.55 424	25.10 417	32.02 426	34.06 433	41.28 431	40.66 431	34.46 424	34.81 433	39.18 425	37.57 426	42.78 432	43.44 432	43.82 428	43.03 428	40.47 430	41.51 432

BEATNet-Init1	15.13 414	0.82 367	50.86 431	0.72 365	0.53 345	38.10 425	7.03 412	11.83 415	14.25 412	29.78 429	30.17 429	48.21 432	22.64 422	26.78 423	18.11 414	0.42 355	0.38 359	0.47 355	0.46 359	0.51 355	0.48 361

SPstereo	24.26 419	4.19 412	6.66 402	4.29 413	3.79 412	45.68 426	78.09 432	63.52 433	33.36 432	27.50 428	26.65 421	39.53 431	33.55 431	42.77 433	51.02 427	3.90 411	3.72 414	5.95 416	4.66 413	3.15 409	3.30 412

CasAABBNet	35.74 422	37.43 427	48.72 426	42.22 427	39.20 426	52.24 427	73.12 428	42.61 430	32.62 429	26.78 422	27.95 422	38.58 428	32.60 425	41.67 430	51.65 432	18.74 424	18.57 426	19.15 424	19.77 421	27.20 422	23.98 424

MyStereo03	35.77 423	37.55 429	48.75 427	42.19 424	39.18 423	52.27 428	73.13 429	42.32 427	32.61 425	27.03 425	28.40 426	38.50 425	32.89 426	41.62 427	51.63 429	18.78 425	18.59 428	19.11 420	19.80 422	27.18 419	23.95 421

MyStereo02	35.77 423	37.55 429	48.75 427	42.19 424	39.18 423	52.27 428	73.13 429	42.32 427	32.61 425	27.03 425	28.40 426	38.50 425	32.89 426	41.62 427	51.63 429	18.78 425	18.59 428	19.11 420	19.80 422	27.18 419	23.95 421

MyStereo	35.77 423	37.55 429	48.75 427	42.19 424	39.18 423	52.27 428	73.13 429	42.32 427	32.61 425	27.03 425	28.40 426	38.50 425	32.89 426	41.62 427	51.63 429	18.78 425	18.59 428	19.11 420	19.80 422	27.18 419	23.95 421

Selective-RAFT-Error	35.84 426	37.49 428	48.83 430	42.26 428	39.24 427	52.30 431	73.09 427	42.66 431	32.61 425	26.80 423	28.30 425	38.84 430	33.51 430	41.68 431	51.59 428	18.82 428	18.58 427	19.17 425	19.80 422	27.28 423	24.05 425

LSM0	38.95 432	37.60 432	48.58 425	43.57 429	91.06 433	52.57 432	72.57 426	43.17 432	32.63 430	26.97 424	27.97 423	38.65 429	32.94 429	41.86 432	51.78 433	18.89 429	18.41 422	19.13 423	19.63 420	27.29 424	33.77 427

PML	40.80 433	29.24 423	11.87 410	7.20 414	14.47 413	92.13 433	213.69 434	7.63 411	23.35 422	74.72 433	190.14 434	50.17 433	26.15 423	21.39 418	12.70 410	8.76 417	2.92 411	8.45 417	3.25 412	13.26 416	4.42 414

test_example2	176.61 434	205.14 435	198.86 434	188.60 434	190.98 434	152.67 434	170.61 433	94.86 434	123.55 434	178.88 434	179.48 433	158.94 434	141.34 434	192.61 434	198.96 434	203.76 434	236.37 434	164.13 434	173.55 434	218.58 434	160.41 434

ASD4		8.86 416

Low-res two-view benchmark