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

DLNR_Zeroshot_test	20.09 418	36.28 426	38.04 423	169.85 434	61.80 430	0.23 5	0.20 1	13.88 417	0.37 31	0.44 41	0.66 73	0.43 54	0.21 5	0.62 138	0.28 43	5.46 416	0.10 9	0.15 42	0.11 15	72.60 433	0.11 9

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

XX-Stereo	0.37 79	0.17 19	0.45 130	0.55 321	0.36 276	0.38 98	0.20 1	0.60 45	0.30 3	0.46 45	1.30 302	0.73 195	0.26 17	0.56 78	0.26 25	0.16 110	0.11 57	0.17 85	0.16 122	0.14 45	0.10 3

IIG-Stereo	0.43 142	0.21 101	0.44 119	0.50 284	0.25 112	0.44 126	0.21 4	0.71 127	0.76 150	0.83 212	0.95 189	0.83 227	0.43 122	0.90 271	0.35 110	0.15 79	0.12 98	0.19 154	0.14 72	0.15 77	0.11 9

ROB_FTStereo	0.35 46	0.23 145	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 88	0.35 110	0.18 170	0.12 98	0.20 178	0.16 122	0.20 203	0.15 106

SST-Stereo	0.40 119	0.19 49	0.45 130	0.42 168	0.25 112	0.25 15	0.21 4	0.66 80	0.47 59	1.08 319	0.79 121	0.72 186	0.43 122	0.77 226	0.35 110	0.16 110	0.11 57	0.20 178	0.16 122	0.19 190	0.15 106

CRE-IMP	0.36 64	0.23 145	0.49 181	0.42 168	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	0.61 132	0.38 146	0.17 142	0.11 57	0.19 154	0.15 94	0.21 221	0.18 175

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	0.61 131	0.20 4	0.74 212	0.25 9	0.14 32	0.10 9	0.14 16	0.10 10	0.12 8	0.12 33

Any-RAFT	0.35 46	0.16 8	0.30 11	0.34 11	0.21 29	0.52 148	0.22 8	0.88 190	0.73 137	0.53 61	0.73 88	0.64 145	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

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	0.78 163	0.71 140	0.45 20	0.64 145	0.27 23	0.43 24	0.31 65	0.12 4	0.09 2	0.17 85	0.13 50	0.12 8	0.10 3

Patchmatch Stereo++	0.35 46	0.23 145	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	0.58 105	0.36 126	0.18 170	0.12 98	0.20 178	0.16 122	0.20 203	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
HUI-Stereo	0.35 46	0.23 145	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	0.18 170	0.12 98	0.20 178	0.16 122	0.20 203	0.15 106

DeepStereo_RVC	0.36 64	0.21 101	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	0.51 160	0.56 78	0.39 152	0.16 110	0.12 98	0.18 119	0.15 94	0.19 190	0.18 175

iRAFT	0.35 46	0.23 145	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	0.58 105	0.36 126	0.18 170	0.12 98	0.20 178	0.16 122	0.20 203	0.15 106

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	0.88 211	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	0.51 372	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
Gwc-CoAtRS	0.34 35	0.17 19	0.44 119	0.39 84	0.23 69	0.34 73	0.22 8	0.70 122	0.75 144	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

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 98	0.46 45	0.54 45	0.39 37	0.34 74	0.48 49	0.24 6	0.75 379	0.10 9	0.12 2	0.08 1	0.12 8	0.11 9

MIF-Stereo (partial)	0.31 26	0.18 34	0.37 44	0.41 131	0.31 240	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 88	0.31 65	0.17 142	0.13 152	0.19 154	0.17 162	0.18 157	0.14 87

RAFT-Test	0.34 35	0.18 34	0.37 44	0.38 65	0.23 69	0.50 141	0.23 18	0.69 108	0.40 39	0.60 76	0.85 151	0.61 131	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

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	0.78 163	0.68 123	0.45 20	0.64 145	0.27 23	0.43 24	0.31 65	0.12 4	0.09 2	0.17 85	0.13 50	0.12 8	0.10 3

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	0.70 121	0.85 220	0.79 121	0.64 145	0.35 76	0.72 201	0.34 95	0.19 199	0.14 178	0.23 243	0.20 230	0.16 108	0.20 223

TANstereo	0.30 24	0.15 3	0.31 13	0.30 4	0.17 3	0.55 163	0.23 18	0.44 6	0.55 77	0.59 72	0.68 79	0.37 32	0.26 17	0.35 4	0.27 33	0.15 79	0.16 228	0.12 2	0.10 10	0.13 20	0.14 87

CFNet-RSSM	0.34 35	0.17 19	0.45 130	0.39 84	0.22 42	0.35 78	0.23 18	0.73 138	0.84 186	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

MIM_Stereo	0.38 93	0.17 19	0.53 211	0.37 44	0.24 86	0.27 25	0.24 24	0.70 122	0.54 73	0.72 151	1.00 215	0.63 138	0.29 42	0.64 155	0.38 146	0.13 12	0.14 178	0.17 85	0.16 122	0.14 45	0.11 9

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 69	0.52 58	0.54 45	0.39 37	0.24 10	0.40 16	0.26 25	0.14 32	0.10 9	0.22 229	0.18 184	0.18 157	0.11 9
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo2	0.35 46	0.24 180	0.48 171	0.41 131	0.26 147	0.35 78	0.24 24	0.67 90	0.44 52	0.54 63	0.51 37	0.66 160	0.25 11	0.66 167	0.30 59	0.14 32	0.12 98	0.23 243	0.20 230	0.18 157	0.13 58

iRaft-Stereo_20w	0.39 107	0.19 49	0.57 228	0.37 44	0.27 171	0.31 53	0.24 24	1.44 355	0.29 2	0.69 128	0.53 43	0.60 127	0.42 115	0.83 246	0.27 33	0.14 32	0.11 57	0.14 16	0.13 50	0.15 77	0.13 58

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 90	0.55 77	0.89 244	0.76 100	0.68 166	0.29 42	0.62 138	0.35 110	0.18 170	0.12 98	0.20 178	0.17 162	0.17 139	0.18 175

RAFT-RH_RVC	0.56 251	0.17 19	0.41 81	0.37 44	0.23 69	0.57 182	0.24 24	0.60 45	0.70 121	1.19 332	3.94 398	0.56 95	0.38 91	0.65 162	0.36 126	0.13 12	0.11 57	0.20 178	0.14 72	0.12 8	0.13 58

XX-TBD	0.32 28	0.53 339	0.26 7	0.51 296	0.20 20	0.37 86	0.24 24	0.40 3	0.73 137	0.54 63	0.69 80	0.31 7	0.25 11	0.32 3	0.27 33	0.16 110	0.10 9	0.12 2	0.09 6	0.13 20	0.11 9

IGEV_Zeroshot_test	0.34 35	0.18 34	0.67 270	0.39 84	0.28 190	0.30 43	0.25 31	0.74 140	0.31 5	0.62 82	0.57 53	0.54 90	0.25 11	0.53 65	0.27 33	0.14 32	0.10 9	0.15 42	0.14 72	0.14 45	0.12 33

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	0.58 105	0.22 1	0.12 4	0.10 9	0.14 16	0.11 15	0.12 8	0.10 3

OMP-Stereo	0.42 136	0.22 128	0.46 145	0.52 307	0.24 86	0.36 84	0.25 31	0.71 127	0.78 163	0.77 176	0.64 67	0.89 249	0.39 103	0.91 278	0.35 110	0.15 79	0.12 98	0.20 178	0.15 94	0.15 77	0.12 33

raftrobust	0.34 35	0.19 49	0.36 34	0.41 131	0.27 171	0.30 43	0.25 31	0.71 127	0.63 98	0.58 70	0.55 50	0.45 60	0.46 137	0.51 55	0.29 54	0.16 110	0.12 98	0.14 16	0.12 29	0.12 8	0.13 58

RALAANet	0.38 93	0.23 145	0.48 171	0.42 168	0.29 213	0.35 78	0.25 31	0.86 179	0.64 105	0.67 117	0.65 69	0.60 127	0.29 42	0.60 125	0.34 95	0.15 79	0.12 98	0.17 85	0.15 94	0.21 221	0.13 58

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	0.72 132	0.42 37	0.51 37	0.32 9	0.26 17	0.38 12	0.25 9	0.16 110	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
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 70	0.25 9	0.13 12	0.09 2	0.14 16	0.12 29	0.12 8	0.11 9

GLC_STEREO	0.29 12	0.19 49	0.27 8	0.44 201	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	0.18 253	0.19 154	0.16 122	0.16 108	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 77	0.64 98	0.63 64	0.56 95	0.37 88	0.65 162	0.37 138	0.15 79	0.11 57	0.18 119	0.15 94	0.17 139	0.14 87

ASMatch	0.48 181	0.19 49	0.45 130	0.39 84	0.28 190	0.37 86	0.26 37	0.74 140	0.68 116	0.76 171	2.34 367	0.61 131	0.52 162	0.62 138	0.37 138	0.14 32	0.12 98	0.17 85	0.15 94	0.14 45	0.21 236

RAFT_R40	0.40 119	0.19 49	0.44 119	0.43 186	0.25 112	0.23 5	0.26 37	0.67 90	0.67 115	0.98 285	0.78 112	0.72 186	0.43 122	0.76 219	0.35 110	0.16 110	0.11 57	0.20 178	0.16 122	0.18 157	0.14 87

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 63	0.74 164	1.79 352	0.45 60	0.33 68	0.66 167	0.36 126	0.14 32	0.11 57	0.18 119	0.14 72	0.13 20	0.13 58

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	0.16 110	0.14 178	0.16 60	0.13 50	0.14 45	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	0.72 132	0.65 105	0.54 45	0.42 48	0.23 7	0.45 30	0.28 43	0.14 32	0.09 2	0.19 154	0.16 122	0.16 108	0.11 9

CES	0.28 8	0.14 2	0.23 1	0.30 4	0.70 369	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

Selective-RAFT	0.35 46	0.23 145	0.51 200	0.44 201	0.21 29	0.64 221	0.27 43	0.59 36	0.63 98	0.40 31	0.38 17	0.55 93	0.40 108	0.57 88	0.35 110	0.13 12	0.11 57	0.14 16	0.12 29	0.16 108	0.13 58

IPLG	0.39 107	0.20 70	0.59 233	0.40 107	0.24 86	0.54 158	0.27 43	0.75 146	0.63 98	0.84 219	0.81 130	0.32 9	0.32 60	0.60 125	0.45 187	0.13 12	0.11 57	0.16 60	0.13 50	0.13 20	0.12 33

DIP-Stereo	0.39 107	0.21 101	0.50 193	0.41 131	0.28 190	0.62 206	0.27 43	0.77 154	0.40 39	0.64 98	0.86 154	0.52 82	0.33 68	0.66 167	0.42 164	0.15 79	0.13 152	0.17 85	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
DN-CSS_ROB	0.43 142	0.26 212	0.62 243	0.40 107	0.29 213	0.44 126	0.27 43	0.77 154	0.75 144	0.72 151	1.09 254	0.48 72	0.43 122	0.69 188	0.37 138	0.15 79	0.12 98	0.21 217	0.19 208	0.18 157	0.16 144

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	0.17 142	0.13 152	0.13 9	0.12 29	0.14 45	0.12 33

AEACV	0.27 5	0.17 19	0.31 13	0.34 11	0.45 328	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

HBP-ISP	0.59 269	0.45 317	0.43 109	0.45 222	0.33 261	0.70 239	0.28 50	1.11 267	1.00 269	0.83 212	1.18 281	0.65 155	0.68 247	0.88 264	0.52 222	0.35 342	0.38 360	0.47 356	0.41 357	0.38 328	0.31 305

MIPNet	0.37 79	0.21 101	0.59 233	0.39 84	0.25 112	0.50 141	0.28 50	0.77 154	0.70 121	0.65 105	0.60 59	0.40 40	0.49 147	0.44 29	0.37 138	0.14 32	0.11 57	0.16 60	0.13 50	0.14 45	0.13 58

RAFT-IKP	0.35 46	0.23 145	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	0.58 105	0.36 126	0.18 170	0.12 98	0.20 178	0.16 122	0.20 203	0.15 106

111	0.40 119	0.17 19	0.41 81	0.34 11	0.19 9	0.52 148	0.28 50	0.74 140	1.16 317	0.50 53	0.91 174	0.63 138	0.48 144	0.61 132	0.35 110	0.14 32	0.10 9	0.14 16	0.12 29	0.13 20	0.13 58

CBMV_ROB	0.59 269	0.37 285	0.38 53	0.39 84	0.28 190	0.74 249	0.28 50	1.00 227	0.98 257	0.94 268	1.25 294	0.81 225	0.78 286	0.87 261	0.50 207	0.36 345	0.37 358	0.43 349	0.40 352	0.33 307	0.30 299

MyStereo8	0.40 119	0.20 70	0.54 214	0.41 131	0.29 213	0.53 154	0.29 57	0.65 71	0.49 61	0.71 140	0.98 208	0.58 108	0.43 122	0.50 51	0.51 215	0.15 79	0.12 98	0.16 60	0.14 72	0.19 190	0.19 203

11t1	0.36 64	0.21 101	0.42 100	0.35 29	0.22 42	0.62 206	0.29 57	0.69 108	0.43 48	0.60 76	0.53 43	0.53 86	0.48 144	0.56 78	0.40 157	0.18 170	0.14 178	0.16 60	0.13 50	0.17 139	0.17 161

GMStereo_Zeroshot	0.49 197	0.44 313	0.74 293	0.49 270	0.27 171	0.56 178	0.29 57	0.73 138	0.76 150	0.86 225	0.94 182	0.91 255	0.36 85	0.74 212	0.43 169	0.26 286	0.14 178	0.26 282	0.15 94	0.36 322	0.18 175

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	0.72 132	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

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	0.64 105	0.67 117	0.70 82	0.60 127	0.40 108	0.58 105	0.34 95	0.17 142	0.11 57	0.20 178	0.11 15	0.17 139	0.18 175

IPLGR	0.39 107	0.21 101	0.63 251	0.39 84	0.22 42	0.49 140	0.29 57	0.76 151	0.74 142	0.78 179	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

LCNet	0.41 130	0.20 70	0.32 17	0.44 201	0.24 86	0.47 135	0.29 57	0.67 90	0.53 69	0.72 151	1.03 230	0.66 160	0.60 201	0.58 105	0.34 95	0.14 32	0.10 9	0.19 154	0.19 208	0.21 221	0.36 324

CroCo-Stereo	0.26 3	0.22 128	0.36 34	0.48 255	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	0.13 152	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
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 99	0.51 63	0.49 50	0.66 73	0.37 32	0.23 7	0.45 30	0.33 85	0.14 32	0.10 9	0.18 119	0.17 162	0.15 77	0.12 33

s12784h	0.36 64	0.15 3	0.24 3	0.34 11	0.15 1	0.77 255	0.29 57	0.80 165	0.83 183	0.56 67	0.57 53	0.43 54	0.40 108	0.57 88	0.33 85	0.12 4	0.10 9	0.14 16	0.09 6	0.14 45	0.09 1

HCRNet	0.44 148	0.34 273	0.41 81	0.53 312	0.26 147	0.53 154	0.29 57	0.83 170	0.63 98	0.71 140	0.81 130	0.77 213	0.50 157	0.66 167	0.36 126	0.24 266	0.16 228	0.24 257	0.20 230	0.21 221	0.18 175

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	0.73 137	0.68 123	1.01 218	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

iResNet_ROB	0.52 226	0.21 101	0.53 211	0.37 44	0.21 29	0.61 199	0.29 57	1.51 364	1.32 342	0.90 251	1.02 226	0.80 223	0.62 211	0.76 219	0.43 169	0.16 110	0.12 98	0.13 9	0.09 6	0.15 77	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 70	0.44 6	0.35 16	0.31 8	0.66 73	0.30 5	0.31 56	0.65 162	0.31 65	0.17 142	0.13 152	0.20 178	0.15 94	0.17 139	0.12 33

PCWNet_CMD	0.48 181	0.24 180	0.52 205	0.39 84	0.27 171	0.63 215	0.30 70	0.95 213	0.96 250	0.86 225	1.07 247	0.79 215	0.44 130	0.57 88	0.43 169	0.17 142	0.12 98	0.21 217	0.16 122	0.24 256	0.19 203

riskmin	0.38 93	0.20 70	0.39 70	0.32 8	0.23 69	0.53 154	0.30 70	0.63 60	0.80 171	0.49 50	0.56 52	0.73 195	0.58 191	0.55 70	0.36 126	0.17 142	0.11 57	0.19 154	0.13 50	0.19 190	0.20 223

DCANet-4	0.36 64	0.20 70	0.48 171	0.34 11	0.19 9	0.29 36	0.30 70	0.66 80	0.92 232	0.69 128	0.78 112	0.40 40	0.47 140	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 70	0.69 108	1.06 297	0.69 128	0.78 112	0.42 48	0.63 217	0.46 37	0.34 95	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

ADStereo(finetuned)	0.37 79	0.16 8	0.49 181	0.34 11	0.19 9	0.30 43	0.30 70	0.68 99	0.91 227	0.70 134	0.77 104	0.43 54	0.69 251	0.45 30	0.33 85	0.14 32	0.10 9	0.14 16	0.11 15	0.13 20	0.12 33

TRStereo	0.37 79	0.27 226	0.59 233	0.47 250	0.41 306	0.29 36	0.30 70	0.84 173	0.59 84	0.52 58	0.41 18	0.52 82	0.26 17	0.73 206	0.27 33	0.17 142	0.12 98	0.19 154	0.19 208	0.13 20	0.11 9

iGMRVC	0.35 46	0.23 145	0.47 155	0.41 131	0.22 42	0.24 7	0.30 70	0.59 36	0.36 21	0.63 89	0.73 88	0.58 108	0.38 91	0.58 105	0.36 126	0.18 170	0.12 98	0.20 178	0.16 122	0.20 203	0.15 106

CFNet_pseudo	0.46 164	0.24 180	0.52 205	0.37 44	0.27 171	0.58 184	0.30 70	0.86 179	0.88 211	0.82 200	1.03 230	0.75 201	0.47 140	0.58 105	0.44 181	0.17 142	0.12 98	0.24 257	0.16 122	0.24 256	0.19 203

DCANet	0.36 64	0.16 8	0.41 81	0.34 11	0.19 9	0.30 43	0.30 70	0.68 99	0.91 227	0.70 134	0.77 104	0.43 54	0.57 184	0.45 30	0.34 95	0.14 32	0.10 9	0.14 16	0.11 15	0.13 20	0.12 33

csc	0.37 79	0.16 8	0.41 81	0.34 11	0.19 9	0.29 36	0.30 70	0.69 108	1.06 297	0.69 128	0.78 112	0.42 48	0.63 217	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 70	0.69 108	1.06 297	0.69 128	0.78 112	0.42 48	0.63 217	0.46 37	0.34 95	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

EAI-Stereo	0.34 35	0.19 49	0.44 119	0.39 84	0.21 29	0.31 53	0.30 70	1.15 281	0.30 3	0.49 50	0.75 98	0.36 30	0.28 32	0.62 138	0.27 33	0.14 32	0.11 57	0.14 16	0.13 50	0.13 20	0.12 33

MSMDNet	0.48 181	0.24 180	0.52 205	0.39 84	0.27 171	0.63 215	0.30 70	0.96 215	0.96 250	0.86 225	1.07 247	0.79 215	0.44 130	0.57 88	0.43 169	0.17 142	0.12 98	0.20 178	0.16 122	0.23 246	0.19 203

HITNet	0.41 130	0.26 212	0.45 130	0.33 10	0.17 3	0.63 215	0.30 70	0.93 203	0.64 105	0.71 140	0.82 133	0.64 145	0.52 162	0.59 119	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
EKT-Stereo	0.35 46	0.23 145	0.39 70	0.43 186	0.29 213	0.38 98	0.31 85	0.69 108	0.64 105	0.45 43	0.63 64	0.49 76	0.27 23	0.56 78	0.33 85	0.18 170	0.14 178	0.18 119	0.15 94	0.16 108	0.16 144

HH	0.35 46	0.20 70	0.47 155	0.40 107	0.25 112	0.33 67	0.31 85	0.76 151	0.38 35	0.43 38	0.57 53	0.79 215	0.44 130	0.71 196	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 85	0.76 151	0.38 35	0.43 38	0.57 53	0.79 215	0.44 130	0.71 196	0.25 9	0.15 79	0.11 57	0.15 42	0.14 72	0.14 45	0.12 33

anonymousdsp2	0.35 46	0.20 70	0.43 109	0.37 44	0.24 86	0.48 137	0.31 85	0.86 179	0.65 110	0.55 65	0.50 32	0.50 77	0.34 74	0.56 78	0.31 65	0.14 32	0.10 9	0.14 16	0.10 10	0.16 108	0.14 87

CroCo-Stereo Lap2	0.28 8	0.24 180	0.39 70	0.50 284	0.29 213	0.20 1	0.31 85	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	0.15 201	0.16 60	0.13 50	0.16 108	0.15 106

DisPM	0.39 107	0.19 49	0.44 119	0.41 131	0.27 171	0.24 7	0.31 85	0.65 71	0.57 82	0.87 232	0.87 158	0.60 127	0.32 60	0.76 219	0.32 73	0.18 170	0.12 98	0.19 154	0.17 162	0.15 77	0.20 223

AAGNet	1.43 371	0.20 70	0.48 171	0.44 201	0.25 112	0.29 36	0.31 85	0.65 71	0.68 116	0.97 281	0.86 154	0.67 165	0.62 211	0.64 155	20.63 416	0.16 110	0.11 57	0.19 154	0.15 94	0.19 190	0.12 33

NF-Stereo	0.38 93	0.20 70	0.45 130	0.41 131	0.25 112	0.26 17	0.31 85	0.69 108	0.70 121	0.65 105	0.77 104	0.57 100	0.30 52	0.67 177	0.35 110	0.18 170	0.12 98	0.20 178	0.16 122	0.16 108	0.27 279

OCTAStereo	0.38 93	0.20 70	0.46 145	0.41 131	0.25 112	0.26 17	0.31 85	0.69 108	0.70 121	0.65 105	0.77 104	0.58 108	0.30 52	0.67 177	0.35 110	0.18 170	0.12 98	0.20 178	0.16 122	0.16 108	0.27 279

PSM-adaLoss	0.35 46	0.23 145	0.47 155	0.41 131	0.22 42	0.24 7	0.31 85	0.59 36	0.36 21	0.63 89	0.73 88	0.58 108	0.38 91	0.56 78	0.35 110	0.18 170	0.12 98	0.20 178	0.16 122	0.20 203	0.15 106

ROB_FTStereo_v2	0.35 46	0.23 145	0.47 155	0.41 131	0.22 42	0.24 7	0.31 85	0.59 36	0.36 21	0.63 89	0.73 88	0.57 100	0.38 91	0.57 88	0.36 126	0.18 170	0.12 98	0.20 178	0.16 122	0.20 203	0.15 106

RE-Stereo	0.38 93	0.20 70	0.46 145	0.41 131	0.25 112	0.26 17	0.31 85	0.69 108	0.70 121	0.65 105	0.77 104	0.58 108	0.30 52	0.67 177	0.35 110	0.18 170	0.12 98	0.20 178	0.16 122	0.16 108	0.27 279

TVStereo	0.38 93	0.20 70	0.46 145	0.41 131	0.25 112	0.26 17	0.31 85	0.69 108	0.70 121	0.65 105	0.77 104	0.58 108	0.30 52	0.67 177	0.35 110	0.18 170	0.12 98	0.20 178	0.16 122	0.16 108	0.27 279

sCroCo_RVC	0.35 46	0.28 239	0.69 279	0.51 296	0.39 294	0.41 115	0.31 85	0.49 13	0.45 55	0.31 8	0.48 29	0.38 36	0.32 60	0.46 37	0.32 73	0.21 234	0.22 288	0.19 154	0.19 208	0.21 221	0.20 223

AFF-stereo	0.38 93	0.19 49	0.39 70	0.37 44	0.21 29	0.27 25	0.31 85	0.65 71	0.66 113	0.64 98	1.13 265	0.76 207	0.39 103	0.55 70	0.33 85	0.11 1	0.09 2	0.16 60	0.16 122	0.13 20	0.11 9

ccs_rob	0.46 164	0.24 180	0.52 205	0.37 44	0.27 171	0.58 184	0.31 85	0.86 179	0.88 211	0.82 200	1.02 226	0.75 201	0.47 140	0.58 105	0.44 181	0.17 142	0.12 98	0.24 257	0.16 122	0.24 256	0.19 203

rrr	0.29 12	0.22 128	0.41 81	0.35 29	0.27 171	0.37 86	0.32 101	0.52 19	0.42 46	0.38 21	0.30 6	0.35 25	0.27 23	0.51 55	0.22 1	0.15 79	0.12 98	0.16 60	0.13 50	0.13 20	0.14 87

x	0.39 107	0.24 180	0.41 81	0.34 11	0.23 69	0.52 148	0.32 101	0.86 179	0.52 66	0.57 69	0.70 82	0.59 122	0.50 157	0.49 50	0.46 197	0.17 142	0.15 201	0.17 85	0.15 94	0.17 139	0.16 144

PFNet	0.42 136	0.18 34	0.58 232	0.43 186	0.24 86	0.43 122	0.32 101	0.74 140	0.78 163	1.00 292	0.74 97	0.68 166	0.39 103	0.72 201	0.37 138	0.16 110	0.10 9	0.20 178	0.15 94	0.16 108	0.13 58

test_xeample3	0.29 12	0.21 101	0.41 81	0.35 29	0.26 147	0.35 78	0.32 101	0.56 28	0.36 21	0.43 38	0.32 9	0.34 20	0.28 32	0.54 68	0.23 4	0.14 32	0.11 57	0.16 60	0.12 29	0.14 45	0.13 58

FENet	0.42 136	0.22 128	0.38 53	0.39 84	0.24 86	0.55 163	0.32 101	0.79 161	0.70 121	0.71 140	0.72 84	0.63 138	0.57 184	0.62 138	0.44 181	0.19 199	0.13 152	0.19 154	0.17 162	0.18 157	0.19 203

R-Stereo Train	0.39 107	0.18 34	0.42 100	0.42 168	0.26 147	0.40 102	0.32 101	0.72 131	0.34 9	0.89 244	1.28 298	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	0.42 168	0.26 147	0.40 102	0.32 101	0.72 131	0.34 9	0.89 244	1.28 298	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
CFNet	0.51 217	0.29 247	0.46 145	0.41 131	0.27 171	0.70 239	0.32 101	1.13 272	1.00 269	0.72 151	1.07 247	0.85 233	0.60 201	0.76 219	0.52 222	0.19 199	0.14 178	0.23 243	0.23 273	0.21 221	0.16 144

AdaStereo	0.50 210	0.32 260	0.47 155	0.48 255	0.25 112	0.67 233	0.32 101	1.17 289	0.88 211	0.75 166	0.99 213	0.75 201	0.49 147	0.67 177	0.46 197	0.27 293	0.12 98	0.28 301	0.18 184	0.23 246	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.
CFNet_ucs	0.50 210	0.24 180	0.55 219	0.38 65	0.31 240	0.58 184	0.33 110	0.98 222	0.93 237	0.88 240	1.19 285	0.80 223	0.49 147	0.63 148	0.43 169	0.21 234	0.15 201	0.26 282	0.18 184	0.26 268	0.22 249

SDNR	0.86 322	0.37 285	1.47 370	0.40 107	0.38 289	3.38 399	0.33 110	0.90 196	0.98 257	0.99 287	2.09 364	0.59 122	0.71 265	1.29 339	0.70 263	0.51 367	0.56 381	0.36 334	0.26 305	0.43 341	0.46 356

raft_robust	0.41 130	0.23 145	0.36 34	0.42 168	0.21 29	0.40 102	0.33 110	0.79 161	0.98 257	0.79 181	0.87 158	0.39 37	0.33 68	0.84 251	0.29 54	0.13 12	0.12 98	0.16 60	0.17 162	0.15 77	0.12 33

CIPLG	0.41 130	0.21 101	0.63 251	0.45 222	0.33 261	0.52 148	0.33 110	0.65 71	0.60 86	0.82 200	0.96 193	0.46 66	0.32 60	0.55 70	0.44 181	0.16 110	0.12 98	0.15 42	0.14 72	0.13 20	0.14 87

ACRE	0.40 119	0.21 101	0.65 261	0.45 222	0.33 261	0.51 145	0.33 110	0.66 80	0.63 98	0.80 183	0.92 178	0.45 60	0.32 60	0.52 60	0.45 187	0.16 110	0.12 98	0.15 42	0.14 72	0.13 20	0.14 87

rafts_anoy	0.37 79	0.21 101	0.36 34	0.41 131	0.26 147	0.30 43	0.33 110	0.67 90	0.90 223	0.58 70	0.66 73	0.45 60	0.33 68	0.47 44	0.39 152	0.16 110	0.11 57	0.21 217	0.23 273	0.17 139	0.14 87

MLCV	0.47 174	0.24 180	0.61 240	0.37 44	0.17 3	0.61 199	0.33 110	0.80 165	0.87 207	0.94 268	1.13 265	0.72 186	0.43 122	0.89 269	0.51 215	0.13 12	0.10 9	0.13 9	0.11 15	0.14 45	0.12 33

SMFormer	0.51 217	0.23 145	0.62 243	0.34 11	0.20 20	0.62 206	0.34 117	1.21 300	1.02 276	0.81 191	1.01 218	0.71 176	0.65 233	0.84 251	0.55 232	0.19 199	0.15 201	0.18 119	0.16 122	0.18 157	0.18 175

tta	0.51 217	0.23 145	0.62 243	0.34 11	0.20 20	0.62 206	0.34 117	1.21 300	1.02 276	0.81 191	1.01 218	0.71 176	0.65 233	0.84 251	0.55 232	0.19 199	0.15 201	0.18 119	0.16 122	0.15 77	0.14 87

qqq1	0.49 197	0.23 145	0.62 243	0.34 11	0.20 20	0.62 206	0.34 117	1.21 300	1.02 276	0.81 191	1.01 218	0.71 176	0.65 233	0.84 251	0.34 95	0.19 199	0.15 201	0.14 16	0.12 29	0.15 77	0.14 87

fff1	0.49 197	0.23 145	0.62 243	0.34 11	0.20 20	0.62 206	0.34 117	1.21 300	1.02 276	0.81 191	1.01 218	0.71 176	0.65 233	0.84 251	0.34 95	0.19 199	0.15 201	0.14 16	0.12 29	0.15 77	0.14 87

LoS_RVC	0.27 5	0.16 8	0.27 8	0.32 8	0.30 223	0.44 126	0.34 117	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

CASS	0.45 158	0.27 226	0.42 100	0.48 255	0.22 42	0.61 199	0.34 117	0.97 219	0.62 88	0.71 140	0.85 151	0.61 131	0.55 178	0.57 88	0.41 160	0.29 305	0.16 228	0.22 229	0.18 184	0.22 237	0.28 286
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
RCA-Stereo	0.35 46	0.17 19	0.34 26	0.38 65	0.22 42	0.31 53	0.34 117	0.68 99	1.24 330	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

BUS	0.45 158	0.25 198	0.43 109	0.45 222	0.28 190	0.70 239	0.34 117	0.94 207	0.76 150	0.75 166	0.80 123	0.65 155	0.49 147	0.64 155	0.51 215	0.20 220	0.14 178	0.22 229	0.19 208	0.18 157	0.18 175

NINENet	0.50 210	0.29 247	0.51 200	0.45 222	0.32 252	0.70 239	0.34 117	1.10 262	0.88 211	0.80 183	0.94 182	0.65 155	0.49 147	0.73 206	0.51 215	0.22 252	0.20 275	0.25 268	0.18 184	0.22 237	0.21 236

Sa-1000	0.48 181	0.24 180	0.41 81	0.45 222	0.25 112	0.59 193	0.34 117	0.81 168	0.93 237	0.82 200	1.50 332	0.53 86	0.45 134	0.92 281	0.30 59	0.15 79	0.12 98	0.21 217	0.19 208	0.15 77	0.13 58

test_4	0.36 64	0.18 34	0.31 13	0.44 201	0.25 112	0.20 1	0.34 117	0.56 28	0.41 42	0.59 72	1.45 328	0.43 54	0.25 11	0.63 148	0.28 43	0.12 4	0.10 9	0.17 85	0.19 208	0.15 77	0.11 9

UDGNet	0.48 181	0.77 362	0.50 193	0.48 255	0.31 240	0.41 115	0.34 117	0.70 122	0.92 232	0.65 105	0.60 59	0.58 108	0.43 122	0.63 148	0.41 160	0.32 326	0.15 201	0.66 373	0.19 208	0.36 322	0.21 236

IPLGR_C	0.40 119	0.21 101	0.64 256	0.45 222	0.33 261	0.52 148	0.34 117	0.66 80	0.62 88	0.82 200	0.92 178	0.45 60	0.32 60	0.52 60	0.46 197	0.17 142	0.12 98	0.15 42	0.14 72	0.13 20	0.14 87

HHNet	0.41 130	0.17 19	0.41 81	0.34 11	0.37 281	0.33 67	0.34 117	0.69 108	0.75 144	0.86 225	1.30 302	0.52 82	0.32 60	0.52 60	0.35 110	0.15 79	0.11 57	0.19 154	0.15 94	0.15 77	0.24 262

DEmStereo	0.48 181	0.17 19	0.50 193	0.38 65	0.25 112	0.59 193	0.34 117	0.63 60	0.74 142	0.89 244	1.66 343	0.58 108	1.06 336	0.60 125	0.42 164	0.14 32	0.11 57	0.16 60	0.16 122	0.14 45	0.15 106

DMCA	0.45 158	0.26 212	0.50 193	0.38 65	0.28 190	0.51 145	0.34 117	0.93 203	0.68 116	0.75 166	0.83 138	0.79 215	0.53 165	0.51 55	0.54 228	0.21 234	0.16 228	0.21 217	0.16 122	0.19 190	0.21 236

FADNet_RVC	0.55 240	0.37 285	1.17 345	0.44 201	0.31 240	0.56 178	0.34 117	1.06 252	0.88 211	0.67 117	0.90 172	0.61 131	0.65 233	0.93 286	0.70 263	0.21 234	0.18 253	0.26 282	0.23 273	0.31 297	0.28 286

AE-Stereo	0.34 35	0.21 101	0.42 100	0.48 255	0.31 240	0.48 137	0.35 134	0.61 51	0.62 88	0.32 12	0.55 50	0.52 82	0.27 23	0.47 44	0.29 54	0.13 12	0.13 152	0.18 119	0.16 122	0.15 77	0.12 33

mmm	0.44 148	0.27 226	0.46 145	0.38 65	0.24 86	0.61 199	0.35 134	0.94 207	0.53 69	0.72 151	1.05 238	0.63 138	0.50 157	0.57 88	0.45 187	0.18 170	0.15 201	0.23 243	0.20 230	0.20 203	0.18 175

ff7	0.29 12	0.21 101	0.38 53	0.36 37	0.26 147	0.31 53	0.35 134	0.62 55	0.34 9	0.38 21	0.33 10	0.32 9	0.29 42	0.58 105	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

IGEVStereo-DCA	0.29 12	0.22 128	0.38 53	0.35 29	0.27 171	0.37 86	0.35 134	0.62 55	0.34 9	0.38 21	0.30 6	0.35 25	0.27 23	0.51 55	0.22 1	0.15 79	0.12 98	0.16 60	0.12 29	0.13 20	0.15 106

ffff	0.29 12	0.21 101	0.38 53	0.36 37	0.26 147	0.31 53	0.35 134	0.62 55	0.34 9	0.38 21	0.33 10	0.32 9	0.29 42	0.58 105	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

11t	0.29 12	0.21 101	0.38 53	0.36 37	0.26 147	0.31 53	0.35 134	0.62 55	0.34 9	0.38 21	0.33 10	0.32 9	0.29 42	0.58 105	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

anonymousdsp	0.29 12	0.21 101	0.38 53	0.37 44	0.25 112	0.30 43	0.35 134	0.63 60	0.35 16	0.39 29	0.33 10	0.33 17	0.28 32	0.59 119	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

anonymousa	0.49 197	0.20 70	0.42 100	0.38 65	0.23 69	0.91 290	0.35 134	0.75 146	0.62 88	0.85 220	1.54 336	1.06 290	0.66 238	0.51 55	0.43 169	0.16 110	0.13 152	0.19 154	0.21 247	0.16 108	0.14 87

ccc-4	0.29 12	0.21 101	0.38 53	0.36 37	0.26 147	0.31 53	0.35 134	0.62 55	0.34 9	0.38 21	0.33 10	0.32 9	0.29 42	0.58 105	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

IER	0.46 164	0.23 145	0.50 193	0.38 65	0.28 190	0.69 237	0.35 134	0.80 165	0.66 113	0.83 212	0.94 182	0.75 201	0.77 281	0.60 125	0.42 164	0.17 142	0.14 178	0.17 85	0.17 162	0.17 139	0.15 106

IGEV-Stereo	0.29 12	0.21 101	0.38 53	0.37 44	0.25 112	0.30 43	0.35 134	0.63 60	0.35 16	0.39 29	0.33 10	0.33 17	0.28 32	0.59 119	0.25 9	0.14 32	0.10 9	0.17 85	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
GANet-ADL	0.42 136	0.25 198	0.45 130	0.43 186	0.29 213	0.54 158	0.35 134	0.89 192	0.86 198	0.63 89	0.72 84	0.68 166	0.42 115	0.52 60	0.41 160	0.21 234	0.14 178	0.15 42	0.13 50	0.18 157	0.19 203

PSM-softLoss	0.38 93	0.20 70	0.48 171	0.41 131	0.26 147	0.30 43	0.35 134	0.69 108	0.46 56	0.62 82	0.82 133	0.59 122	0.33 68	0.70 191	0.39 152	0.19 199	0.12 98	0.20 178	0.18 184	0.16 108	0.22 249

KMStereo	0.38 93	0.20 70	0.48 171	0.41 131	0.26 147	0.30 43	0.35 134	0.69 108	0.46 56	0.62 82	0.82 133	0.59 122	0.33 68	0.70 191	0.39 152	0.19 199	0.12 98	0.20 178	0.18 184	0.16 108	0.22 249

cross-raft	0.34 35	0.20 70	0.37 44	0.44 201	0.23 69	0.32 63	0.35 134	0.74 140	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

pcwnet_v2	0.58 262	0.28 239	0.84 310	0.45 222	0.35 274	0.61 199	0.35 134	1.27 325	1.21 325	0.99 287	1.27 296	0.72 186	0.58 191	0.67 177	0.48 204	0.27 293	0.21 282	0.24 257	0.23 273	0.29 283	0.29 292

BEATNet_4x	0.46 164	0.32 260	0.56 225	0.37 44	0.19 9	0.63 215	0.35 134	1.01 234	0.72 132	0.77 176	0.83 138	0.70 172	0.59 197	0.68 185	0.53 225	0.16 110	0.12 98	0.16 60	0.14 72	0.24 256	0.16 144

iResNetv2_ROB	0.52 226	0.27 226	0.69 279	0.38 65	0.25 112	0.62 206	0.35 134	1.17 289	1.01 273	0.99 287	1.06 244	0.88 245	0.67 241	0.66 167	0.39 152	0.19 199	0.13 152	0.15 42	0.11 15	0.18 157	0.16 144

CoDeX	0.47 174	0.20 70	0.49 181	0.42 168	0.25 112	0.75 252	0.36 152	1.27 325	0.80 171	0.82 200	0.96 193	0.62 137	0.57 184	0.60 125	0.36 126	0.17 142	0.12 98	0.17 85	0.15 94	0.16 108	0.14 87

qqq	0.40 119	0.26 212	0.44 119	0.36 37	0.22 42	0.46 133	0.36 152	0.85 176	0.54 73	0.56 67	0.69 80	0.65 155	0.53 165	0.55 70	0.45 187	0.17 142	0.16 228	0.20 178	0.19 208	0.18 157	0.17 161

SA	0.44 148	0.25 198	0.46 145	0.46 241	0.24 86	0.43 122	0.36 152	0.75 146	0.96 250	0.59 72	1.03 230	0.48 72	0.52 162	0.94 293	0.32 73	0.16 110	0.12 98	0.21 217	0.19 208	0.15 77	0.13 58

dad	0.58 262	0.50 327	0.64 256	0.43 186	0.30 223	0.59 193	0.36 152	0.78 159	1.25 334	1.01 297	1.17 279	1.15 310	0.53 165	0.68 185	0.50 207	0.35 342	0.23 298	0.37 338	0.21 247	0.29 283	0.20 223

test_3	0.36 64	0.19 49	0.44 119	0.44 201	0.23 69	0.48 137	0.36 152	0.66 80	0.82 178	0.64 98	0.45 20	0.68 166	0.25 11	0.41 19	0.31 65	0.12 4	0.10 9	0.18 119	0.16 122	0.15 77	0.11 9

test-1	0.36 64	0.19 49	0.71 286	0.46 241	0.26 147	0.44 126	0.36 152	0.60 45	0.59 84	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

LMCR-Stereo	0.53 229	0.30 253	0.53 211	0.58 331	0.30 223	0.83 280	0.36 152	1.19 294	0.76 150	0.88 240	1.04 234	0.56 95	0.62 211	0.82 239	0.67 256	0.19 199	0.15 201	0.19 154	0.14 72	0.23 246	0.17 161

GES	0.44 148	0.23 145	0.57 228	0.40 107	0.30 223	0.59 193	0.36 152	0.96 215	0.68 116	0.74 164	0.83 138	0.47 68	0.48 144	0.67 177	0.43 169	0.22 252	0.16 228	0.17 85	0.16 122	0.18 157	0.23 256

xxxx	1.01 339	0.22 128	0.43 109	0.36 37	0.21 29	0.82 278	0.36 152	1.32 333	0.88 211	0.71 140	0.94 182	0.97 266	0.63 217	0.64 155	10.58 408	0.20 220	0.16 228	0.18 119	0.17 162	0.19 190	0.19 203

GMStereo	0.39 107	0.37 285	0.54 214	0.40 107	0.26 147	0.42 120	0.36 152	0.59 36	1.04 285	0.55 65	0.51 37	0.37 32	0.35 76	0.54 68	0.41 160	0.19 199	0.13 152	0.16 60	0.17 162	0.24 256	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
GANet-RSSM	0.47 174	0.21 101	0.37 44	0.38 65	0.25 112	0.58 184	0.36 152	1.07 253	0.78 163	0.68 123	1.01 218	0.86 235	0.67 241	0.62 138	0.44 181	0.21 234	0.15 201	0.18 119	0.18 184	0.18 157	0.17 161

UCFNet_RVC	0.49 197	0.26 212	0.35 29	0.39 84	0.26 147	0.64 221	0.36 152	1.15 281	0.84 186	0.67 117	0.88 165	0.88 245	0.59 197	0.58 105	0.45 187	0.24 266	0.17 242	0.27 294	0.27 310	0.25 264	0.23 256

DualNet	0.47 174	0.26 212	0.49 181	0.37 44	0.25 112	0.55 163	0.37 164	0.68 99	1.04 285	0.73 158	0.96 193	0.71 176	0.53 165	0.57 88	0.88 300	0.16 110	0.10 9	0.25 268	0.21 247	0.16 108	0.16 144

ffm	0.44 148	0.26 212	0.49 181	0.37 44	0.25 112	0.55 163	0.37 164	0.68 99	1.04 285	0.73 158	0.96 193	0.71 176	0.53 165	0.57 88	0.25 9	0.16 110	0.10 9	0.25 268	0.21 247	0.16 108	0.16 144

ff1	0.49 197	0.26 212	0.49 181	0.37 44	0.25 112	0.55 163	0.37 164	0.68 99	1.04 285	0.73 158	0.96 193	0.71 176	0.53 165	1.01 299	0.88 300	0.16 110	0.10 9	0.25 268	0.21 247	0.16 108	0.16 144

mmx	0.53 229	0.26 212	0.49 181	0.37 44	0.25 112	0.55 163	0.37 164	1.16 284	1.03 281	0.73 158	0.96 193	0.71 176	0.53 165	1.01 299	0.88 300	0.20 220	0.15 201	0.25 268	0.21 247	0.22 237	0.20 223

whm_eth	0.48 181	0.30 253	0.74 293	0.46 241	0.38 289	0.37 86	0.37 164	0.79 161	0.78 163	0.82 200	1.74 349	0.37 32	0.38 91	0.60 125	0.38 146	0.18 170	0.16 228	0.20 178	0.20 230	0.19 190	0.22 249

xxx	0.53 229	0.26 212	0.49 181	0.37 44	0.25 112	0.55 163	0.37 164	1.16 284	1.03 281	0.73 158	0.96 193	0.71 176	0.53 165	1.01 299	0.88 300	0.20 220	0.15 201	0.25 268	0.21 247	0.22 237	0.20 223

DCRE	0.37 79	0.18 34	0.46 145	0.45 222	0.32 252	0.42 120	0.37 164	0.63 60	0.51 63	0.47 48	0.94 182	0.56 95	0.36 85	0.52 60	0.32 73	0.14 32	0.13 152	0.15 42	0.14 72	0.14 45	0.13 58

GwcNet-ADL	0.44 148	0.22 128	0.48 171	0.45 222	0.30 223	0.40 102	0.37 164	0.92 201	0.97 253	0.71 140	0.78 112	0.61 131	0.42 115	0.62 138	0.50 207	0.19 199	0.14 178	0.15 42	0.14 72	0.18 157	0.18 175

PSMNet-ADL	0.48 181	0.27 226	0.40 77	0.48 255	0.30 223	0.68 235	0.37 164	0.90 196	0.80 171	0.61 81	0.80 123	0.92 257	0.62 211	0.72 201	0.63 248	0.23 257	0.18 253	0.18 119	0.20 230	0.22 237	0.20 223

KYRaft	0.48 181	0.20 70	0.38 53	0.44 201	0.23 69	0.44 126	0.37 164	0.66 80	0.41 42	0.94 268	1.73 347	0.79 215	0.41 114	0.63 148	0.31 65	0.16 110	0.11 57	0.18 119	0.22 262	0.16 108	0.78 377

TestStereo	0.38 93	0.31 258	0.40 77	0.45 222	0.20 20	0.40 102	0.37 164	0.66 80	0.65 110	0.53 61	0.78 112	0.47 68	0.40 108	0.55 70	0.37 138	0.18 170	0.13 152	0.20 178	0.15 94	0.22 237	0.13 58

raft+_RVC	0.38 93	0.19 49	0.35 29	0.37 44	0.25 112	0.45 131	0.37 164	0.78 159	0.89 221	0.51 55	0.78 112	0.50 77	0.29 42	0.53 65	0.40 157	0.15 79	0.12 98	0.17 85	0.15 94	0.14 45	0.12 33

222	1.18 358	0.22 128	0.44 119	0.37 44	0.22 42	0.79 262	0.37 164	1.31 332	0.89 221	0.92 264	1.08 250	0.72 186	0.71 265	0.66 167	13.89 412	0.20 220	0.15 201	0.17 85	0.16 122	0.18 157	0.19 203

SFCPSM	0.47 174	0.21 101	0.55 219	0.40 107	0.27 171	0.87 288	0.37 164	1.33 335	0.77 157	0.80 183	0.84 143	0.54 90	0.49 147	0.57 88	0.37 138	0.18 170	0.13 152	0.18 119	0.20 230	0.16 108	0.15 106

cf-r	0.47 174	0.23 145	0.41 81	0.39 84	0.23 69	0.59 193	0.37 164	0.88 190	0.85 193	0.72 151	1.05 238	0.94 260	0.62 211	0.56 78	0.54 228	0.21 234	0.14 178	0.17 85	0.19 208	0.15 77	0.15 106

PSMNet-RSSM	0.48 181	0.22 128	0.38 53	0.42 168	0.25 112	0.50 141	0.37 164	1.10 262	0.77 157	0.70 134	1.06 244	0.84 231	0.64 227	0.62 138	0.47 201	0.23 257	0.15 201	0.23 243	0.25 295	0.20 203	0.19 203

CFNet-ft	0.48 181	0.23 145	0.36 34	0.40 107	0.26 147	0.64 221	0.37 164	0.87 186	0.85 193	0.64 98	1.00 215	1.01 276	0.64 227	0.61 132	0.53 225	0.23 257	0.15 201	0.24 257	0.21 247	0.23 246	0.18 175

HSM-Net_RVC	0.53 229	0.22 128	0.35 29	0.37 44	0.21 29	0.85 284	0.37 164	1.23 312	0.93 237	0.90 251	1.15 272	1.26 316	0.63 217	0.72 201	0.48 204	0.17 142	0.13 152	0.16 60	0.15 94	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
CFNet_RVC	0.48 181	0.23 145	0.36 34	0.40 107	0.26 147	0.64 221	0.37 164	0.87 186	0.85 193	0.64 98	1.00 215	1.01 276	0.64 227	0.61 132	0.53 225	0.23 257	0.15 201	0.24 257	0.21 247	0.23 246	0.18 175

PWC_ROB	0.87 323	0.52 336	1.28 354	0.50 284	0.32 252	0.91 290	0.37 164	1.36 343	1.46 355	1.61 358	2.59 376	1.16 311	1.01 333	1.34 345	1.40 358	0.25 276	0.18 253	0.28 301	0.20 230	0.29 283	0.28 286

ACVNet-DCA	0.35 46	0.23 145	0.33 20	0.41 131	0.22 42	0.55 163	0.38 184	0.85 176	0.54 73	0.41 32	0.50 32	0.34 20	0.49 147	0.57 88	0.25 9	0.16 110	0.10 9	0.19 154	0.13 50	0.18 157	0.17 161

xx1	0.39 107	0.23 145	0.33 20	0.41 131	0.22 42	0.55 163	0.38 184	0.67 90	1.06 297	0.41 32	0.50 32	0.65 155	0.53 165	0.57 88	0.25 9	0.16 110	0.10 9	0.20 178	0.19 208	0.18 157	0.17 161

1test111	0.36 64	0.23 145	0.33 20	0.41 131	0.22 42	0.55 163	0.38 184	0.85 176	0.54 73	0.41 32	0.50 32	0.34 20	0.49 147	0.55 70	0.45 187	0.16 110	0.10 9	0.19 154	0.13 50	0.18 157	0.17 161

cc1	0.37 79	0.23 145	0.33 20	0.41 131	0.22 42	0.55 163	0.38 184	0.67 90	1.06 297	0.41 32	0.50 32	0.34 20	0.49 147	0.57 88	0.25 9	0.16 110	0.10 9	0.19 154	0.13 50	0.16 108	0.15 106

tt1	0.36 64	0.24 180	0.32 17	0.41 131	0.22 42	0.54 158	0.38 184	0.68 99	1.04 285	0.41 32	0.46 23	0.35 25	0.45 134	0.57 88	0.25 9	0.16 110	0.10 9	0.19 154	0.13 50	0.16 108	0.16 144

ttt	0.51 217	0.25 198	0.43 109	0.38 65	0.24 86	0.65 226	0.38 184	1.18 292	1.05 290	0.72 151	1.08 250	0.63 138	0.49 147	0.84 251	0.59 239	0.24 266	0.21 282	0.22 229	0.20 230	0.24 256	0.24 262

StereoVision	0.42 136	0.28 239	0.45 130	0.49 270	0.28 190	0.38 98	0.38 184	0.72 131	0.62 88	0.44 41	1.14 267	0.54 90	0.39 103	0.56 78	0.34 95	0.21 234	0.24 305	0.25 268	0.24 286	0.26 268	0.16 144

CAS	0.34 35	0.13 1	0.25 6	1.28 385	0.30 223	0.46 133	0.38 184	0.48 11	0.47 59	0.34 14	0.52 41	0.24 1	0.19 2	0.29 1	0.27 33	0.69 377	0.08 1	0.12 2	0.08 1	0.12 8	0.15 106

dd	0.43 142	0.38 294	0.55 219	0.44 201	0.25 112	0.47 135	0.38 184	0.70 122	1.05 290	0.59 72	0.65 69	0.42 48	0.39 103	0.66 167	0.50 207	0.24 266	0.15 201	0.21 217	0.15 94	0.22 237	0.18 175

GMOStereo	0.37 79	0.19 49	0.38 53	0.43 186	0.24 86	0.37 86	0.38 184	0.52 19	0.62 88	0.87 232	0.84 143	0.64 145	0.35 76	0.37 8	0.28 43	0.13 12	0.11 57	0.20 178	0.18 184	0.15 77	0.11 9

error version	0.37 79	0.19 49	0.38 53	0.43 186	0.24 86	0.37 86	0.38 184	0.52 19	0.62 88	0.87 232	0.84 143	0.64 145	0.35 76	0.37 8	0.28 43	0.13 12	0.11 57	0.20 178	0.18 184	0.15 77	0.11 9

test-v	0.37 79	0.19 49	0.38 53	0.43 186	0.24 86	0.37 86	0.38 184	0.52 19	0.62 88	0.87 232	0.84 143	0.64 145	0.35 76	0.37 8	0.28 43	0.13 12	0.11 57	0.20 178	0.18 184	0.15 77	0.11 9

AACVNet	0.50 210	0.23 145	0.49 181	0.46 241	0.29 213	0.52 148	0.38 184	0.90 196	0.55 77	0.81 191	1.03 230	1.00 273	0.70 261	0.83 246	0.54 228	0.21 234	0.18 253	0.24 257	0.18 184	0.23 246	0.20 223

AnonymousM	0.41 130	0.81 365	0.29 10	0.34 11	0.22 42	0.28 32	0.38 184	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	1.51 385	0.26 305	0.12 8	0.10 3

test-2	0.37 79	0.19 49	0.38 53	0.43 186	0.24 86	0.37 86	0.38 184	0.52 19	0.62 88	0.87 232	0.84 143	0.64 145	0.35 76	0.37 8	0.28 43	0.13 12	0.11 57	0.20 178	0.18 184	0.15 77	0.11 9

RALCasStereoNet	0.36 64	0.21 101	0.37 44	0.42 168	0.26 147	0.35 78	0.38 184	0.63 60	0.64 105	0.50 53	0.72 84	0.51 80	0.29 42	0.59 119	0.36 126	0.16 110	0.14 178	0.15 42	0.13 50	0.17 139	0.16 144

GwcNet-RSSM	0.49 197	0.24 180	0.42 100	0.40 107	0.23 69	0.55 163	0.38 184	0.93 203	0.93 237	0.71 140	1.16 277	0.86 235	0.60 201	0.62 138	0.66 253	0.21 234	0.14 178	0.19 154	0.20 230	0.16 108	0.15 106

DMCA-RVC	0.51 217	0.30 253	0.59 233	0.50 284	0.32 252	0.54 158	0.38 184	0.86 179	0.68 116	0.94 268	0.86 154	0.91 255	0.68 247	0.70 191	0.59 239	0.23 257	0.18 253	0.31 317	0.23 273	0.26 268	0.19 203

RASNet	0.53 229	0.22 128	0.52 205	0.38 65	0.22 42	0.68 235	0.38 184	0.97 219	0.88 211	0.73 158	1.04 234	1.03 283	0.92 317	0.90 271	0.86 294	0.16 110	0.14 178	0.14 16	0.17 162	0.15 77	0.13 58

RAFT_CTSACE	0.45 158	0.20 70	0.44 119	0.45 222	0.27 171	0.34 73	0.39 203	0.60 45	0.73 137	0.76 171	1.44 325	0.83 227	0.38 91	1.08 314	0.26 25	0.12 4	0.13 152	0.18 119	0.16 122	0.15 77	0.11 9

test_xeample	1.01 339	0.21 101	0.42 100	0.35 29	0.21 29	0.71 244	0.39 203	1.23 312	0.86 198	0.81 191	1.04 234	0.69 170	0.61 206	0.69 188	10.93 409	0.19 199	0.15 201	0.18 119	0.17 162	0.18 157	0.17 161

MMNet	0.55 240	0.25 198	0.61 240	0.43 186	0.34 268	1.07 320	0.39 203	0.87 186	0.91 227	0.91 256	0.93 181	0.86 235	0.76 277	0.81 237	0.76 275	0.15 79	0.14 178	0.18 119	0.19 208	0.20 203	0.16 144

acv_ft	0.51 217	0.23 145	0.56 225	0.44 201	0.28 190	0.86 287	0.39 203	0.91 200	0.80 171	0.97 281	0.96 193	0.79 215	0.59 197	0.63 148	0.87 298	0.17 142	0.15 201	0.16 60	0.15 94	0.17 139	0.15 106

FADNet-RVC	0.60 272	0.53 339	1.14 340	0.46 241	0.39 294	0.61 199	0.39 203	1.12 271	0.87 207	0.70 134	0.84 143	1.04 285	0.55 178	0.94 293	0.69 260	0.26 286	0.25 313	0.28 301	0.28 315	0.31 297	0.31 305

PWCDC_ROB	0.89 327	0.49 323	0.80 308	0.74 367	0.40 299	1.03 314	0.39 203	1.33 335	2.35 384	1.02 299	3.77 393	0.81 225	0.92 317	1.20 328	0.90 313	0.34 338	0.22 288	0.24 257	0.20 230	0.34 314	0.29 292

TestStereo1	0.43 142	0.23 145	0.41 81	0.51 296	0.24 86	0.34 73	0.40 209	0.77 154	0.90 223	0.68 123	0.96 193	0.48 72	0.46 137	0.91 278	0.32 73	0.16 110	0.13 152	0.18 119	0.15 94	0.14 45	0.13 58

BSDual-CNN	0.46 164	0.25 198	0.43 109	0.45 222	0.28 190	0.77 255	0.40 209	0.94 207	0.76 150	0.75 166	0.80 123	0.76 207	0.54 176	0.64 155	0.43 169	0.20 220	0.14 178	0.22 229	0.19 208	0.18 157	0.18 175

hknet	0.49 197	0.25 198	0.51 200	0.45 222	0.29 213	0.77 255	0.40 209	0.94 207	0.83 183	0.75 166	0.80 123	0.97 266	0.61 206	0.73 206	0.45 187	0.18 170	0.14 178	0.22 229	0.19 208	0.18 157	0.18 175

SA-5K	0.43 142	0.23 145	0.41 81	0.51 296	0.24 86	0.34 73	0.40 209	0.77 154	0.90 223	0.68 123	0.96 193	0.48 72	0.46 137	0.91 278	0.32 73	0.16 110	0.13 152	0.18 119	0.15 94	0.14 45	0.13 58

AASNet	0.53 229	0.25 198	0.52 205	0.49 270	0.32 252	0.74 249	0.40 209	1.50 361	0.86 198	0.86 225	0.92 178	0.64 145	0.59 197	0.59 119	0.79 280	0.23 257	0.19 267	0.20 178	0.16 122	0.21 221	0.19 203

DRaft	0.49 197	0.17 19	0.47 155	0.37 44	0.25 112	0.58 184	0.40 209	0.65 71	0.85 193	1.02 299	1.75 351	0.50 77	0.82 296	0.63 148	0.40 157	0.13 12	0.11 57	0.16 60	0.16 122	0.14 45	0.15 106

ACVNet	0.46 164	0.23 145	0.36 34	0.39 84	0.28 190	0.58 184	0.40 209	0.87 186	0.80 171	0.64 98	0.96 193	0.79 215	0.60 201	0.63 148	0.67 256	0.17 142	0.15 201	0.16 60	0.15 94	0.18 157	0.15 106

hitnet-ft	0.55 240	0.27 226	0.39 70	0.41 131	0.28 190	0.78 259	0.40 209	0.92 201	0.90 223	0.82 200	1.01 218	1.13 307	0.70 261	0.78 230	0.67 256	0.28 299	0.20 275	0.28 301	0.22 262	0.29 283	0.26 272

DANet	0.71 293	0.45 317	0.91 320	0.59 334	0.40 299	0.81 270	0.40 209	0.97 219	0.84 186	1.20 335	1.22 287	1.33 330	0.88 311	1.16 323	1.24 349	0.27 293	0.23 298	0.31 317	0.25 295	0.35 318	0.32 309
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
HSM	0.51 217	0.24 180	0.41 81	0.39 84	0.24 86	0.75 252	0.40 209	1.22 308	0.75 144	0.81 191	0.91 174	1.21 312	0.69 251	0.87 261	0.46 197	0.17 142	0.13 152	0.17 85	0.14 72	0.17 139	0.17 161

StereoDRNet-Refined	0.58 262	0.32 260	0.54 214	0.46 241	0.30 223	0.96 301	0.40 209	1.00 227	0.94 244	1.12 325	1.08 250	0.96 264	0.67 241	0.90 271	0.89 311	0.17 142	0.13 152	0.22 229	0.21 247	0.20 203	0.19 203
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet	0.49 197	0.29 247	0.79 306	0.42 168	0.21 29	0.61 199	0.40 209	0.82 169	0.99 262	0.87 232	1.12 259	0.69 170	0.53 165	0.78 230	0.51 215	0.15 79	0.11 57	0.14 16	0.12 29	0.17 139	0.15 106

gwcnet-sp	0.48 181	0.23 145	0.70 283	0.40 107	0.26 147	0.81 270	0.41 221	0.89 192	0.84 186	0.91 256	0.76 100	0.66 160	0.61 206	0.66 167	0.50 207	0.18 170	0.17 242	0.18 119	0.18 184	0.18 157	0.18 175

scenet	0.48 181	0.23 145	0.70 283	0.40 107	0.26 147	0.81 270	0.41 221	0.89 192	0.84 186	0.91 256	0.76 100	0.66 160	0.61 206	0.66 167	0.50 207	0.18 170	0.17 242	0.18 119	0.18 184	0.18 157	0.18 175

ssnet	0.48 181	0.23 145	0.70 283	0.40 107	0.26 147	0.81 270	0.41 221	0.89 192	0.84 186	0.91 256	0.76 100	0.66 160	0.61 206	0.66 167	0.50 207	0.18 170	0.17 242	0.18 119	0.18 184	0.18 157	0.18 175

DAS	0.51 217	0.25 198	0.60 238	0.48 255	0.31 240	0.58 184	0.41 221	0.83 170	0.97 253	0.89 244	1.12 259	0.70 172	0.75 274	0.82 239	0.43 169	0.17 142	0.13 152	0.18 119	0.15 94	0.20 203	0.18 175

SepStereo	0.51 217	0.25 198	0.60 238	0.48 255	0.31 240	0.58 184	0.41 221	0.83 170	0.97 253	0.89 244	1.12 259	0.70 172	0.75 274	0.93 286	0.43 169	0.17 142	0.13 152	0.18 119	0.15 94	0.20 203	0.18 175

UNet	0.54 239	0.26 212	0.66 266	0.44 201	0.40 299	0.99 307	0.41 221	0.98 222	0.75 144	0.83 212	0.89 169	1.04 285	0.72 269	0.73 206	0.62 245	0.19 199	0.14 178	0.20 178	0.17 162	0.20 203	0.17 161

FADNet	0.61 274	0.51 330	1.10 335	0.45 222	0.44 324	0.65 226	0.41 221	1.19 294	1.05 290	0.70 134	0.84 143	0.98 269	0.66 238	0.82 239	0.50 207	0.29 305	0.30 332	0.27 294	0.30 321	0.46 349	0.35 322

test_5	0.43 142	0.24 180	0.43 109	0.52 307	0.28 190	0.28 32	0.42 228	0.72 131	0.82 178	0.62 82	0.91 174	0.72 186	0.55 178	0.79 233	0.35 110	0.14 32	0.11 57	0.18 119	0.18 184	0.18 157	0.16 144

1111x	0.55 240	0.22 128	0.46 145	0.38 65	0.20 20	0.66 229	0.43 229	1.23 312	0.99 262	0.71 140	0.99 213	0.95 262	0.69 251	0.90 271	1.08 337	0.18 170	0.17 242	0.18 119	0.19 208	0.20 203	0.18 175

ProNet	0.29 12	0.21 101	0.38 53	0.35 29	0.24 86	0.32 63	0.43 229	0.57 31	0.37 31	0.33 13	0.30 6	0.32 9	0.28 32	0.57 88	0.26 25	0.13 12	0.11 57	0.16 60	0.13 50	0.13 20	0.13 58

psmg	0.49 197	0.25 198	0.43 109	0.41 131	0.28 190	0.85 284	0.43 229	0.99 224	0.76 150	0.91 256	0.94 182	0.76 207	0.54 176	0.64 155	0.43 169	0.20 220	0.15 201	0.20 178	0.20 230	0.18 157	0.18 175

ICVP	0.46 164	0.25 198	0.38 53	0.48 255	0.28 190	0.58 184	0.43 229	1.00 227	0.70 121	0.67 117	0.95 189	0.75 201	0.55 178	0.53 65	0.54 228	0.23 257	0.17 242	0.19 154	0.17 162	0.19 190	0.20 223
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
FADNet-RVC-Resample	0.56 251	0.33 268	1.16 341	0.49 270	0.34 268	0.71 244	0.43 229	1.01 234	0.93 237	0.82 200	0.87 158	0.74 200	0.67 241	0.73 206	0.45 187	0.18 170	0.18 253	0.26 282	0.27 310	0.26 268	0.27 279

DeepPruner_ROB	0.53 229	0.34 273	0.59 233	0.41 131	0.30 223	0.50 141	0.43 229	1.19 294	0.70 121	0.85 220	1.05 238	0.86 235	0.55 178	0.84 251	0.51 215	0.29 305	0.23 298	0.22 229	0.22 262	0.26 268	0.25 268

STTStereo	0.55 240	0.37 285	0.76 301	0.44 201	0.31 240	0.60 198	0.44 235	0.96 215	0.86 198	0.99 287	0.90 172	0.96 264	0.58 191	0.71 196	0.61 243	0.25 276	0.23 298	0.26 282	0.32 334	0.24 256	0.23 256

NLCA_NET_v2_RVC	0.53 229	0.32 260	0.64 256	0.44 201	0.30 223	0.66 229	0.44 235	1.04 244	0.88 211	0.91 256	0.91 174	0.99 270	0.60 201	0.68 185	0.60 242	0.21 234	0.17 242	0.22 229	0.22 262	0.21 221	0.21 236
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
Prome-Stereo	0.46 164	0.19 49	0.35 29	0.44 201	0.26 147	0.40 102	0.45 237	0.68 99	0.44 52	0.96 276	1.84 354	0.59 122	0.67 241	0.61 132	0.32 73	0.14 32	0.11 57	0.16 60	0.14 72	0.16 108	0.29 292

ac_64	0.52 226	0.22 128	0.50 193	0.45 222	0.28 190	0.80 265	0.45 237	1.02 237	0.61 87	0.91 256	0.83 138	1.07 295	0.68 247	0.74 212	0.70 263	0.21 234	0.18 253	0.20 178	0.19 208	0.18 157	0.15 106

HGLStereo	0.56 251	0.28 239	0.57 228	0.50 284	0.37 281	0.80 265	0.45 237	1.02 237	0.78 163	0.86 225	1.14 267	0.89 249	0.82 296	0.76 219	0.73 270	0.21 234	0.20 275	0.19 154	0.18 184	0.19 190	0.21 236

RAFT+CT+SA	0.39 107	0.23 145	0.36 34	0.51 296	0.27 171	0.29 36	0.46 240	0.75 146	0.80 171	0.51 55	0.89 169	0.41 42	0.40 108	0.78 230	0.32 73	0.14 32	0.11 57	0.18 119	0.18 184	0.15 77	0.14 87

sAnonymous2	0.40 119	0.39 298	0.85 311	0.48 255	0.37 281	0.40 102	0.46 240	0.57 31	0.52 66	0.38 21	0.46 23	0.35 25	0.42 115	0.43 24	0.30 59	0.19 199	0.14 178	0.18 119	0.17 162	0.57 367	0.44 351

CroCo_RVC	0.40 119	0.39 298	0.85 311	0.48 255	0.37 281	0.40 102	0.46 240	0.57 31	0.52 66	0.38 21	0.46 23	0.35 25	0.42 115	0.43 24	0.30 59	0.19 199	0.14 178	0.18 119	0.17 162	0.57 367	0.44 351

ADLNet	0.55 240	0.27 226	0.51 200	0.44 201	0.35 274	0.78 259	0.46 240	1.08 257	0.86 198	0.99 287	0.98 208	0.92 257	0.63 217	0.69 188	0.81 285	0.22 252	0.16 228	0.22 229	0.22 262	0.21 221	0.21 236

SuperB	1.04 344	0.37 285	4.81 400	0.43 186	0.31 240	0.99 307	0.46 240	1.02 237	2.09 377	1.09 321	1.09 254	0.75 201	0.81 292	1.06 309	1.76 365	0.19 199	0.15 201	0.17 85	0.15 94	2.82 407	0.26 272

SQANet	0.82 315	0.74 360	0.67 270	1.13 380	0.98 379	1.11 326	0.47 245	1.07 253	0.83 183	0.91 256	1.05 238	1.03 283	0.74 272	1.01 299	0.64 250	0.61 374	0.24 305	1.03 381	0.35 341	1.18 384	0.58 372

GASNet	0.67 282	0.72 358	0.96 324	0.70 363	0.48 336	0.62 206	0.47 245	1.08 257	1.03 281	0.94 268	0.82 133	0.93 259	0.83 300	1.33 343	0.80 282	0.31 314	0.22 288	0.29 309	0.28 315	0.44 342	0.24 262

TransformOpticalFlow	0.44 148	0.20 70	0.47 155	0.41 131	0.23 69	0.37 86	0.47 245	0.94 207	0.76 150	0.65 105	1.14 267	0.73 195	0.56 183	0.76 219	0.32 73	0.15 79	0.10 9	0.17 85	0.15 94	0.14 45	0.13 58

RAFT	0.45 158	0.22 128	0.45 130	0.47 250	0.26 147	0.54 158	0.47 245	0.66 80	0.58 83	0.80 183	0.82 133	0.94 260	0.57 184	0.75 216	0.34 95	0.17 142	0.15 201	0.22 229	0.20 230	0.16 108	0.12 33

GMM-Stereo	0.44 148	0.19 49	0.36 34	0.42 168	0.25 112	0.51 145	0.47 245	0.71 127	0.53 69	0.76 171	1.37 311	0.76 207	0.38 91	0.60 125	0.33 85	0.15 79	0.10 9	0.20 178	0.19 208	0.16 108	0.27 279

DispFullNet	1.60 377	2.63 411	2.75 389	2.56 404	1.79 396	1.24 343	0.47 245	1.37 345	1.45 354	1.87 369	1.50 332	1.55 355	2.46 390	2.04 381	1.04 334	0.59 373	0.18 253	2.32 400	0.68 381	2.29 400	1.14 393

LL-Strereo	0.57 256	0.27 226	0.68 273	0.48 255	0.34 268	0.39 101	0.48 251	0.94 207	0.97 253	0.83 212	0.78 112	1.10 300	1.18 348	1.33 343	0.49 206	0.17 142	0.14 178	0.22 229	0.19 208	0.16 108	0.17 161

SACVNet	0.58 262	0.34 273	0.55 219	0.55 321	0.36 276	0.63 215	0.48 251	1.13 272	0.77 157	1.02 299	1.06 244	1.02 281	0.74 272	0.90 271	0.51 215	0.27 293	0.21 282	0.25 268	0.24 286	0.29 283	0.36 324

stereogan	0.80 311	0.31 258	0.71 286	0.59 334	0.50 339	1.72 372	0.48 251	1.35 340	1.37 345	1.00 292	1.46 330	1.56 356	0.95 326	1.29 339	0.84 289	0.28 299	0.29 329	0.29 309	0.25 295	0.38 328	0.38 336

SHD	0.93 334	0.50 327	1.18 346	0.59 334	0.46 335	0.97 302	0.48 251	1.70 377	2.15 378	1.58 355	1.37 311	1.42 342	1.19 350	1.31 341	1.60 360	0.31 314	0.26 318	0.32 322	0.33 337	0.40 331	0.42 345

AANet_RVC	0.57 256	0.32 260	0.54 214	0.45 222	0.27 171	0.57 182	0.48 251	1.00 227	1.28 338	0.86 225	1.33 306	0.87 240	0.58 191	1.07 312	0.75 274	0.18 170	0.12 98	0.15 42	0.13 50	0.18 157	0.18 175

NVstereo2D	0.60 272	0.30 253	0.75 296	0.48 255	0.43 317	0.89 289	0.48 251	1.05 249	1.15 316	0.66 116	0.86 154	0.88 245	0.70 261	0.99 296	0.65 251	0.32 326	0.15 201	0.28 301	0.20 230	0.40 331	0.36 324

fast-acv-ft	0.64 277	0.30 253	0.73 289	0.45 222	0.34 268	1.17 335	0.49 257	0.86 179	0.98 257	1.02 299	1.36 308	1.29 320	0.85 303	0.76 219	0.81 285	0.21 234	0.23 298	0.23 243	0.23 273	0.21 221	0.20 223

ToySt	0.49 197	0.27 226	0.75 296	0.40 107	0.27 171	0.64 221	0.49 257	0.84 173	0.77 157	0.60 76	0.83 138	0.88 245	0.66 238	0.70 191	0.56 234	0.16 110	0.17 242	0.21 217	0.20 230	0.21 221	0.19 203

Anonymous	0.39 107	0.27 226	0.66 266	0.53 312	0.43 317	0.55 163	0.49 257	0.63 60	0.50 62	0.37 17	0.42 19	0.33 17	0.42 115	0.56 78	0.38 146	0.20 220	0.19 267	0.17 85	0.18 184	0.30 292	0.24 262

UPFNet	0.53 229	0.24 180	0.51 200	0.45 222	0.38 289	0.84 283	0.49 257	0.99 224	0.75 144	0.87 232	0.88 165	0.86 235	0.64 227	0.80 234	0.71 267	0.20 220	0.20 275	0.20 178	0.20 230	0.19 190	0.15 106

MyStereo07	0.32 28	0.22 128	0.34 26	0.42 168	0.28 190	0.40 102	0.50 261	0.72 131	0.37 31	0.37 17	0.34 16	0.32 9	0.31 56	0.59 119	0.27 33	0.14 32	0.13 152	0.18 119	0.17 162	0.17 139	0.16 144

MyStereo06	0.38 93	0.21 101	0.61 240	0.41 131	0.28 190	0.41 115	0.50 261	0.95 213	0.35 16	0.62 82	0.54 45	0.76 207	0.27 23	0.50 51	0.29 54	0.14 32	0.13 152	0.18 119	0.17 162	0.17 139	0.15 106

MyStereo05	0.44 148	0.21 101	0.45 130	0.41 131	0.28 190	0.41 115	0.50 261	0.93 203	1.09 308	0.76 171	0.61 62	0.51 80	0.57 184	0.73 206	0.42 164	0.14 32	0.13 152	0.18 119	0.17 162	0.17 139	0.15 106

MyStereo04	0.44 148	0.22 128	0.44 119	0.42 168	0.28 190	0.40 102	0.50 261	1.00 227	1.08 306	0.62 82	0.58 57	0.55 93	0.57 184	0.71 196	0.44 181	0.14 32	0.13 152	0.18 119	0.17 162	0.17 139	0.16 144

CSP-Net	0.56 251	0.27 226	0.49 181	0.41 131	0.28 190	1.22 340	0.50 261	1.23 312	0.72 132	0.95 275	0.95 189	0.89 249	0.62 211	0.83 246	0.62 245	0.26 286	0.17 242	0.17 85	0.17 162	0.18 157	0.17 161

ADLNet2	0.55 240	0.25 198	0.65 261	0.47 250	0.30 223	0.83 280	0.50 261	1.05 249	0.95 249	0.80 183	0.98 208	0.99 270	0.69 251	0.77 226	0.73 270	0.20 220	0.16 228	0.17 85	0.18 184	0.21 221	0.21 236

STrans-v2	0.46 164	0.20 70	0.48 171	0.40 107	0.24 86	0.55 163	0.50 261	1.07 253	0.73 137	0.65 105	1.05 238	0.72 186	0.69 251	0.72 201	0.33 85	0.14 32	0.10 9	0.17 85	0.14 72	0.13 20	0.12 33

PSM-AAD	0.48 181	0.20 70	0.37 44	0.43 186	0.23 69	0.56 178	0.50 261	0.65 71	0.70 121	1.07 316	1.12 259	0.58 108	0.92 317	0.61 132	0.32 73	0.15 79	0.11 57	0.25 268	0.26 305	0.18 157	0.43 350

Anonymous3	0.46 164	0.34 273	0.86 316	0.50 284	0.37 281	0.81 270	0.50 261	0.72 131	0.65 110	0.51 55	0.65 69	0.45 60	0.45 134	0.64 155	0.38 146	0.24 266	0.24 305	0.22 229	0.21 247	0.23 246	0.23 256

delet	0.55 240	0.24 180	0.55 219	0.44 201	0.33 261	1.07 320	0.50 261	1.00 227	0.86 198	0.85 220	0.96 193	0.90 253	0.63 217	0.83 246	0.74 273	0.18 170	0.18 253	0.20 178	0.21 247	0.16 108	0.15 106

psmorigin	0.82 315	0.51 330	2.09 383	0.49 270	0.41 306	0.85 284	0.50 261	1.04 244	0.88 211	1.45 350	1.43 323	1.50 350	1.06 336	1.22 331	0.97 323	0.31 314	0.32 345	0.27 294	0.27 310	0.33 307	0.42 345

GwcNet	0.69 287	0.36 282	1.10 335	0.51 296	0.42 312	1.08 324	0.50 261	1.21 300	1.16 317	1.00 292	1.37 311	1.06 290	0.79 288	0.92 281	0.94 317	0.25 276	0.24 305	0.24 257	0.22 262	0.23 246	0.26 272

RTSC	0.87 323	0.48 320	1.23 351	0.52 307	0.37 281	1.13 329	0.50 261	1.34 337	1.79 371	1.51 352	1.24 292	1.12 304	0.81 292	1.62 362	2.16 375	0.25 276	0.19 267	0.23 243	0.24 286	0.30 292	0.31 305

DLCB_ROB	0.58 262	0.28 239	0.47 155	0.49 270	0.32 252	0.77 255	0.50 261	0.99 224	0.92 232	1.04 308	1.14 267	1.21 312	0.69 251	0.88 264	0.69 260	0.20 220	0.20 275	0.22 229	0.22 262	0.21 221	0.18 175

AF-Net	0.81 314	0.39 298	0.68 273	0.64 346	0.54 348	0.91 290	0.51 275	1.61 372	1.31 341	0.96 276	2.02 361	1.46 344	1.26 356	1.11 319	0.99 327	0.32 326	0.24 305	0.39 343	0.27 310	0.30 292	0.25 268

ADCRef	0.80 311	0.43 309	1.32 359	0.50 284	0.45 328	1.07 320	0.51 275	1.07 253	0.98 257	1.17 330	1.42 320	0.87 240	0.91 314	0.85 258	3.19 386	0.18 170	0.16 228	0.23 243	0.23 273	0.22 237	0.21 236

DISCO	0.70 289	0.26 212	0.68 273	0.44 201	0.31 240	1.14 330	0.51 275	1.23 312	1.23 328	0.81 191	1.05 238	1.50 350	0.85 303	1.82 373	1.03 331	0.19 199	0.15 201	0.18 119	0.16 122	0.24 256	0.23 256

Anonymous_2	0.82 315	0.44 313	0.63 251	0.40 107	0.43 317	0.80 265	0.52 278	0.72 131	0.77 157	0.71 140	0.60 59	0.87 240	0.76 277	0.75 216	0.58 235	0.52 368	0.54 380	0.54 367	4.82 415	0.56 365	0.40 341

CRFU-Net	0.57 256	0.27 226	0.57 228	0.46 241	0.30 223	1.20 339	0.52 278	1.10 262	0.56 81	1.00 292	0.98 208	1.06 290	0.79 288	0.81 237	0.71 267	0.21 234	0.19 267	0.18 119	0.16 122	0.18 157	0.19 203

DSFCA	0.55 240	0.25 198	0.62 243	0.40 107	0.36 276	0.74 249	0.52 278	1.04 244	0.82 178	1.06 313	0.84 143	0.89 249	0.63 217	0.99 296	0.58 235	0.25 276	0.21 282	0.21 217	0.21 247	0.21 221	0.19 203

Syn2CoEx	0.71 293	0.51 330	0.95 322	0.64 346	0.45 328	0.91 290	0.53 281	1.48 358	1.13 313	0.93 265	1.35 307	1.02 281	0.99 330	0.92 281	0.80 282	0.30 311	0.27 322	0.28 301	0.24 286	0.23 246	0.24 262

MaskLacGwcNet_RVC	0.67 282	0.81 365	0.73 289	0.53 312	0.37 281	1.40 351	0.53 281	1.04 244	0.79 170	0.88 240	0.94 182	0.95 262	0.53 165	0.93 286	0.58 235	0.39 351	0.30 332	0.57 369	0.31 328	0.53 361	0.30 299

edge stereo	0.76 303	0.38 294	0.74 293	0.52 307	0.43 317	0.80 265	0.53 281	1.28 327	1.06 297	1.28 342	1.38 316	1.81 363	1.11 341	1.08 314	0.85 293	0.33 332	0.32 345	0.41 347	0.28 315	0.32 302	0.36 324

StereoDRNet	0.64 277	0.33 268	0.68 273	0.51 296	0.43 317	1.03 314	0.53 281	1.47 357	0.99 262	1.10 323	0.87 158	1.07 295	0.71 265	0.82 239	0.88 300	0.23 257	0.19 267	0.25 268	0.23 273	0.27 278	0.19 203

iRaft-Stereo_5w	0.45 158	0.21 101	0.48 171	0.42 168	0.28 190	0.31 53	0.54 285	0.63 60	0.62 88	0.62 82	0.89 169	1.01 276	0.69 251	0.75 216	0.66 253	0.13 12	0.12 98	0.17 85	0.15 94	0.14 45	0.15 106

IRAFT_RVC	0.42 136	0.20 70	0.48 171	0.44 201	0.24 86	0.27 25	0.54 285	0.74 140	0.77 157	0.76 171	0.80 123	0.73 195	0.51 160	0.70 191	0.36 126	0.17 142	0.10 9	0.21 217	0.16 122	0.16 108	0.14 87

GEStereo_RVC	0.55 240	0.29 247	0.63 251	0.49 270	0.31 240	0.70 239	0.54 285	1.22 308	0.92 232	0.82 200	0.85 151	0.85 233	0.63 217	0.90 271	0.65 251	0.24 266	0.16 228	0.19 154	0.16 122	0.21 221	0.22 249

NOSS_ROB	0.57 256	0.39 298	0.39 70	0.44 201	0.30 223	0.73 248	0.54 285	1.03 241	1.08 306	0.67 117	0.87 158	0.76 207	0.57 184	0.77 226	0.47 201	0.38 349	0.38 360	0.44 351	0.42 358	0.37 324	0.34 317

ARAFT	0.47 174	0.24 180	0.79 306	0.42 168	0.25 112	0.55 163	0.55 289	0.75 146	0.81 177	0.89 244	0.75 98	0.73 195	0.47 140	0.88 264	0.37 138	0.15 79	0.12 98	0.23 243	0.22 262	0.14 45	0.13 58

RP	0.76 303	0.36 282	0.63 251	0.66 354	0.58 359	0.80 265	0.55 289	1.14 278	1.22 327	0.97 281	1.65 341	1.43 343	1.32 358	1.01 299	0.84 289	0.33 332	0.30 332	0.36 334	0.30 321	0.34 314	0.34 317

Nwc_Net	0.78 307	0.38 294	0.73 289	0.60 339	0.55 350	1.05 319	0.55 289	1.67 376	1.05 290	0.88 240	1.86 356	1.40 341	1.09 339	1.10 317	0.87 298	0.30 311	0.25 313	0.36 334	0.38 346	0.29 283	0.29 292

ADCP+	1.06 347	0.35 277	1.51 372	0.49 270	0.51 342	1.45 357	0.55 289	1.25 322	1.03 281	1.16 329	1.15 272	1.10 300	1.07 338	1.56 358	6.75 405	0.19 199	0.16 228	0.23 243	0.21 247	0.28 280	0.21 236

SGM-Forest	0.62 275	0.32 260	0.39 70	0.43 186	0.30 223	1.02 311	0.55 289	1.09 261	1.05 290	1.06 313	1.18 281	1.10 300	0.67 241	0.88 264	0.62 245	0.31 314	0.33 351	0.33 327	0.30 321	0.30 292	0.28 286
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
iinet-f	0.67 282	0.26 212	2.15 385	0.39 84	0.31 240	1.19 338	0.56 294	0.84 173	0.84 186	0.80 183	1.17 279	1.05 289	0.84 302	0.71 196	1.21 347	0.20 220	0.18 253	0.17 85	0.15 94	0.20 203	0.20 223

Wz-Net-LNSev-Ref	0.63 276	0.28 239	0.99 327	0.40 107	0.30 223	1.03 314	0.56 294	1.10 262	0.99 262	0.97 281	1.22 287	1.06 290	0.69 251	1.07 312	0.95 320	0.19 199	0.11 57	0.16 60	0.13 50	0.22 237	0.21 236

psm_up	0.55 240	0.26 212	0.47 155	0.49 270	0.32 252	0.65 226	0.56 294	1.04 244	0.82 178	0.82 200	0.88 165	1.01 276	0.94 323	0.74 212	0.61 243	0.21 234	0.25 313	0.26 282	0.23 273	0.21 221	0.20 223

UDG	0.88 325	0.82 368	0.67 270	1.00 377	0.96 376	1.02 311	0.57 297	1.13 272	0.99 262	0.90 251	0.97 207	1.31 323	0.99 330	0.85 258	0.84 289	0.54 372	0.32 345	1.77 388	0.40 352	0.94 377	0.66 374

RGC	0.79 310	0.59 347	0.71 286	0.65 351	0.65 364	0.92 294	0.58 298	1.29 328	1.05 290	1.07 316	1.45 328	1.47 347	1.03 334	1.21 330	0.88 300	0.32 326	0.30 332	0.48 359	0.40 352	0.37 324	0.37 330

PS-NSSS	0.58 262	0.44 313	0.62 243	0.42 168	0.33 261	0.66 229	0.58 298	1.02 237	0.86 198	0.77 176	1.28 298	0.72 186	0.64 227	0.82 239	0.59 239	0.31 314	0.26 318	0.40 346	0.27 310	0.33 307	0.26 272

ssnet_v2	0.58 262	0.28 239	0.56 225	0.43 186	0.29 213	0.95 298	0.59 300	1.13 272	0.99 262	0.93 265	0.80 123	0.99 270	0.64 227	0.82 239	0.94 317	0.25 276	0.22 288	0.23 243	0.24 286	0.20 203	0.19 203

FAT-Stereo	0.73 299	0.33 268	0.75 296	0.49 270	0.37 281	0.71 244	0.59 300	1.36 343	1.30 340	1.03 307	1.40 317	1.59 359	1.15 344	0.87 261	0.86 294	0.28 299	0.28 324	0.28 301	0.23 273	0.28 280	0.38 336

LRCNet_RVC	21.24 419	31.15 425	21.41 415	28.98 422	23.82 420	3.13 398	0.60 302	20.96 422	1.59 363	25.58 422	28.15 425	21.99 422	14.79 412	21.94 423	16.41 414	28.89 431	14.87 422	33.53 427	31.28 427	29.51 429	26.16 427

RAFT + AFF	0.53 229	0.29 247	0.75 296	0.51 296	0.32 252	0.63 215	0.60 302	1.00 227	0.91 227	0.78 179	0.87 158	0.83 227	0.58 191	0.80 234	0.47 201	0.17 142	0.20 275	0.23 243	0.22 262	0.18 157	0.18 175

MFN_U_SF_RVC	1.09 351	0.59 347	1.97 382	0.67 357	0.44 324	1.93 376	0.60 302	1.85 379	1.36 343	1.61 358	1.54 336	1.95 369	1.37 360	1.64 365	1.73 363	0.40 355	0.37 358	0.45 352	0.48 365	0.44 342	0.44 351

S-Stereo	0.74 300	0.35 277	0.96 324	0.56 324	0.45 328	0.82 278	0.60 302	1.24 319	1.60 366	0.96 276	1.41 319	1.12 304	0.94 323	0.80 234	1.04 334	0.26 286	0.31 342	0.28 301	0.25 295	0.32 302	0.47 360

MeshStereo	1.34 365	0.43 309	0.54 214	0.44 201	0.34 268	1.66 368	0.60 302	1.94 380	1.37 345	4.47 406	3.25 385	4.71 397	1.94 383	1.92 376	1.17 344	0.35 342	0.35 355	0.37 338	0.31 328	0.32 302	0.32 309
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
CVANet_RVC	0.57 256	0.33 268	0.44 119	0.47 250	0.32 252	0.67 233	0.61 307	1.05 249	0.93 237	0.85 220	1.04 234	1.01 276	0.73 270	0.83 246	0.52 222	0.29 305	0.19 267	0.27 294	0.25 295	0.31 297	0.21 236

DRN-Test	0.66 281	0.32 260	0.66 266	0.50 284	0.39 294	1.15 332	0.61 307	1.49 360	1.01 273	1.12 325	1.08 250	1.06 290	0.69 251	0.77 226	0.94 317	0.23 257	0.17 242	0.26 282	0.25 295	0.25 264	0.21 236

FCDSN-DC	1.39 370	0.56 343	0.65 261	0.74 367	0.59 360	1.38 350	0.63 309	1.35 340	1.39 348	3.26 400	4.50 404	4.61 395	2.63 394	1.58 360	1.03 331	0.46 359	0.42 369	0.48 359	0.47 363	0.50 355	0.50 366
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
PDISCO_ROB	0.91 331	0.48 320	1.06 332	0.99 375	0.97 377	1.67 370	0.63 309	1.64 374	1.59 363	1.06 313	1.18 281	1.31 323	0.79 288	1.55 356	0.97 323	0.49 364	0.22 288	0.45 352	0.40 352	0.45 346	0.37 330

G-Net	0.95 335	0.46 319	1.04 330	0.64 346	0.48 336	2.12 379	0.64 311	1.01 234	0.87 207	1.75 366	2.82 383	1.30 322	1.64 374	1.06 309	0.96 322	0.36 345	0.29 329	0.35 331	0.25 295	0.45 346	0.42 345

CBFPSM	0.59 269	0.22 128	1.31 357	0.38 65	0.27 171	1.12 328	0.65 312	0.79 161	0.82 178	0.80 183	0.81 130	1.35 336	0.87 308	0.67 177	0.76 275	0.16 110	0.15 201	0.15 42	0.16 122	0.17 139	0.22 249

ccnet	0.82 315	0.57 345	0.75 296	0.54 318	0.59 360	1.09 325	0.66 313	1.38 346	0.94 244	1.12 325	1.44 325	1.29 320	0.92 317	0.95 295	1.24 349	0.49 364	0.42 369	0.50 364	0.47 363	0.51 356	0.46 356

aanetorigin	0.83 320	0.56 343	1.87 380	0.49 270	0.38 289	0.56 178	0.66 313	0.70 122	1.00 269	2.42 385	2.02 361	1.31 323	1.18 348	0.93 286	1.13 343	0.20 220	0.18 253	0.20 178	0.19 208	0.27 278	0.30 299

THIR-Stereo	0.50 210	0.18 34	0.45 130	0.38 65	0.23 69	0.75 252	0.67 315	0.66 80	0.87 207	1.02 299	1.40 317	0.72 186	0.76 277	0.62 138	0.42 164	0.15 79	0.11 57	0.17 85	0.18 184	0.14 45	0.15 106

GrayStereo	0.49 197	0.19 49	0.42 100	0.46 241	0.28 190	0.53 154	0.67 315	0.69 108	0.63 98	1.02 299	1.47 331	0.78 214	0.76 277	0.56 78	0.33 85	0.14 32	0.12 98	0.17 85	0.17 162	0.15 77	0.29 292

RYNet	0.72 297	0.35 277	0.64 256	0.53 312	0.67 365	1.31 347	0.67 315	1.20 298	1.18 320	1.05 310	0.87 158	1.27 317	0.93 322	0.93 286	1.27 353	0.22 252	0.16 228	0.26 282	0.23 273	0.40 331	0.39 338

MSMD_ROB	1.21 360	0.49 323	0.62 243	0.59 334	0.50 339	1.62 367	0.67 315	1.23 312	1.24 330	2.45 386	3.77 393	3.09 386	2.98 399	1.32 342	0.81 285	0.45 358	0.41 367	0.49 362	0.51 372	0.47 351	0.44 351

WCMA_ROB	1.14 353	0.36 282	0.76 301	0.49 270	0.44 324	1.23 342	0.67 315	1.11 267	1.23 328	2.84 393	3.95 399	3.28 389	1.83 380	1.25 334	0.99 327	0.44 357	0.34 353	0.34 329	0.37 343	0.41 337	0.40 341

APVNet	0.71 293	0.37 285	0.89 319	0.56 324	0.45 328	1.18 337	0.68 320	1.41 351	0.85 193	0.81 191	1.15 272	1.04 285	0.81 292	1.10 317	1.17 344	0.26 286	0.28 324	0.32 322	0.31 328	0.29 283	0.30 299

EDNetEfficientorigin	9.93 412	1.15 383	175.16 434	0.48 255	0.36 276	1.04 318	0.68 320	1.24 319	2.69 388	3.17 399	2.50 372	2.30 374	2.07 387	1.76 370	2.21 376	0.20 220	0.18 253	0.24 257	0.19 208	0.51 356	0.50 366

XQC	0.89 327	0.65 355	1.31 357	0.67 357	0.52 345	1.22 340	0.68 320	1.26 323	1.52 358	1.14 328	1.11 257	1.28 319	1.04 335	1.40 353	1.77 366	0.38 349	0.24 305	0.37 338	0.31 328	0.53 361	0.47 360

PA-Net	0.67 282	0.43 309	0.83 309	0.50 284	0.53 346	0.94 295	0.68 320	1.10 262	1.14 315	0.80 183	0.88 165	0.87 240	0.77 281	1.02 304	0.88 300	0.24 266	0.41 367	0.29 309	0.44 359	0.26 268	0.34 317
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
Wz-Net-LNSev	0.71 293	0.51 330	1.36 365	0.50 284	0.41 306	1.15 332	0.69 324	1.21 300	1.07 303	1.02 299	1.12 259	1.08 297	0.87 308	0.89 269	0.89 311	0.24 266	0.22 288	0.21 217	0.19 208	0.26 268	0.26 272

DDUNet	1.06 347	2.56 410	0.68 273	1.21 382	1.26 386	1.03 314	0.69 324	1.11 267	0.94 244	0.96 276	1.22 287	1.27 317	0.82 296	0.93 286	0.72 269	0.84 382	0.38 360	1.99 391	0.60 377	1.10 383	0.85 381

NCC-stereo	0.78 307	0.40 302	0.76 301	0.61 341	0.67 365	0.81 270	0.69 324	1.54 368	1.11 310	0.90 251	1.36 308	1.33 330	1.16 345	1.19 326	0.88 300	0.31 314	0.30 332	0.37 338	0.48 365	0.33 307	0.33 313

Abc-Net	0.78 307	0.40 302	0.76 301	0.61 341	0.67 365	0.81 270	0.69 324	1.54 368	1.11 310	0.90 251	1.36 308	1.33 330	1.16 345	1.19 326	0.88 300	0.31 314	0.30 332	0.37 338	0.48 365	0.33 307	0.33 313
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
pmcnn	1.23 361	0.29 247	0.96 324	0.40 107	0.23 69	0.95 298	0.69 324	1.16 284	1.28 338	1.67 364	2.33 366	11.15 413	0.86 305	0.93 286	0.88 300	0.15 79	0.12 98	0.12 2	0.10 10	0.15 77	0.15 106

otaku	1.04 344	0.93 373	0.88 318	1.33 386	1.05 383	1.66 368	0.70 329	1.40 350	1.18 320	1.08 319	1.32 305	1.33 330	0.91 314	1.23 332	0.76 275	0.72 378	0.46 377	1.24 383	0.50 370	1.40 385	0.75 375

DGSMNet	0.76 303	0.55 342	1.29 356	0.58 331	0.62 362	0.94 295	0.70 329	1.26 323	1.11 310	0.83 212	1.24 292	1.00 273	0.71 265	1.03 306	0.81 285	0.34 338	0.29 329	0.41 347	0.40 352	0.57 367	0.55 371

CC-Net-ROB	0.82 315	0.96 376	0.85 311	0.58 331	0.45 328	1.27 345	0.70 329	1.17 289	1.02 276	0.83 212	1.23 291	0.90 253	0.77 281	1.06 309	0.69 260	0.46 359	0.34 353	1.71 387	0.38 346	0.59 370	0.36 324

FC-DCNN	1.59 376	0.51 330	0.66 266	0.61 341	0.49 338	1.56 363	0.70 329	1.66 375	1.53 359	4.64 407	4.62 405	5.85 404	3.34 402	1.84 374	1.11 339	0.46 359	0.42 369	0.47 356	0.46 360	0.48 352	0.46 356

MDST_ROB	0.91 331	0.27 226	0.85 311	0.63 345	0.41 306	2.53 383	0.71 333	1.60 371	1.13 313	2.83 392	1.73 347	0.97 266	0.69 251	1.61 361	0.73 270	0.25 276	0.22 288	0.32 322	0.28 315	0.25 264	0.24 262

DeepPrunerF	0.89 327	0.52 336	3.43 393	0.68 360	0.81 370	0.72 247	0.72 334	1.22 308	1.99 376	0.93 265	1.01 218	0.87 240	0.86 305	1.08 314	0.95 320	0.34 338	0.28 324	0.43 349	0.39 350	0.30 292	0.32 309

TDLM	0.57 256	0.33 268	0.49 181	0.51 296	0.30 223	0.66 229	0.73 335	1.03 241	1.01 273	0.82 200	1.10 256	0.84 231	0.70 261	0.86 260	0.58 235	0.28 299	0.17 242	0.25 268	0.22 262	0.26 268	0.19 203

SGM_RVC	0.97 336	0.28 239	0.41 81	0.39 84	0.22 42	1.55 362	0.73 335	1.51 364	1.25 334	2.25 382	1.92 357	2.58 380	1.56 369	2.02 380	1.19 346	0.27 293	0.27 322	0.27 294	0.25 295	0.25 264	0.25 268
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ADCMid	1.14 353	0.52 336	2.23 386	0.53 312	0.43 317	1.07 320	0.75 337	1.23 312	1.05 290	2.15 379	1.44 325	1.50 350	1.43 364	1.56 358	5.01 399	0.26 286	0.24 305	0.29 309	0.31 328	0.37 324	0.33 313

ADCPNet	1.03 343	0.48 320	2.70 388	0.54 318	0.42 312	1.40 351	0.75 337	1.13 272	1.07 303	1.22 337	1.42 320	1.68 361	1.09 339	1.36 350	3.45 390	0.30 311	0.28 324	0.29 309	0.32 334	0.37 324	0.35 322

ACVNet-4b	1.35 367	1.31 387	1.10 335	1.90 394	1.59 389	1.92 375	0.77 339	1.52 367	1.62 367	1.05 310	1.60 340	2.11 371	0.94 323	1.64 365	0.77 279	1.30 393	0.35 355	2.03 395	0.67 380	1.88 394	0.84 380

CBMV	0.64 277	0.35 277	0.41 81	0.42 168	0.25 112	1.01 309	0.77 339	1.13 272	1.09 308	1.17 330	1.22 287	1.04 285	0.75 274	0.88 264	0.63 248	0.28 299	0.30 332	0.34 329	0.30 321	0.26 268	0.26 272
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
FBW_ROB	0.88 325	0.50 327	0.85 311	0.55 321	0.40 299	1.17 335	0.78 341	1.50 361	1.37 345	1.33 346	1.27 296	1.48 348	1.00 332	2.57 392	0.98 326	0.25 276	0.32 345	0.45 352	0.30 321	0.34 314	0.28 286

FTStereo	0.56 251	0.20 70	0.37 44	0.41 131	0.25 112	0.40 102	0.79 342	0.66 80	0.43 48	1.09 321	3.27 387	0.70 172	0.73 270	0.55 70	0.33 85	0.14 32	0.13 152	0.19 154	0.17 162	0.15 77	0.30 299

Ntro	1.09 351	0.97 379	0.91 320	1.44 387	1.19 385	1.69 371	0.80 343	1.35 340	1.25 334	1.00 292	1.29 301	1.31 323	0.97 328	1.26 335	0.84 289	0.84 382	0.43 372	1.36 384	0.50 370	1.56 386	0.78 377

anonymity	0.97 336	0.89 371	1.05 331	0.92 373	1.03 381	0.97 302	0.81 344	1.29 328	0.91 227	1.07 316	0.98 208	1.00 273	0.95 326	1.02 304	0.92 316	0.96 385	0.95 403	0.90 378	0.91 391	0.92 376	0.94 384

Wz-Net-MNSev	0.76 303	0.40 302	1.34 360	0.50 284	0.40 299	1.44 356	0.83 345	1.15 281	1.16 317	1.25 341	1.20 286	1.13 307	0.81 292	1.16 323	1.00 330	0.22 252	0.19 267	0.24 257	0.23 273	0.28 280	0.26 272

EDNetEfficient	1.46 372	0.80 364	6.12 402	0.47 250	0.39 294	0.69 237	0.83 345	0.90 196	2.77 389	3.50 402	1.96 359	1.66 360	2.03 386	1.26 335	4.18 395	0.21 234	0.18 253	0.21 217	0.20 230	0.41 337	0.39 338

PSMNet_ROB	0.64 277	0.37 285	0.65 261	0.56 324	0.42 312	0.97 302	0.83 345	1.21 300	0.92 232	0.79 181	1.02 226	1.08 297	0.63 217	0.82 239	0.91 315	0.29 305	0.20 275	0.31 317	0.31 328	0.26 268	0.23 256

Consistency-Raft	1.01 339	0.81 365	1.24 352	0.84 370	0.97 377	0.81 270	0.84 348	1.30 331	1.59 363	1.05 310	1.68 346	1.12 304	0.91 314	0.92 281	1.11 339	0.65 375	0.74 388	0.79 376	0.90 388	1.06 382	0.79 379

PVD	1.28 364	0.67 357	1.28 354	0.74 367	0.62 362	1.50 359	0.84 348	1.99 382	2.96 390	2.18 380	2.36 369	1.85 366	1.95 384	1.92 376	1.94 370	0.39 351	0.36 357	0.49 362	0.37 343	0.51 356	0.64 373

PASM	0.90 330	0.64 354	1.69 374	0.69 362	0.69 368	0.78 259	0.84 348	1.03 241	1.26 337	1.19 332	1.15 272	1.31 323	0.98 329	1.24 333	1.03 331	0.52 368	0.56 381	0.59 372	0.66 379	0.56 365	0.54 370

XPNet_ROB	0.70 289	0.35 277	0.68 273	0.52 307	0.40 299	0.79 262	0.85 351	1.16 284	0.94 244	1.33 346	1.15 272	1.38 338	0.83 300	1.03 306	0.90 313	0.32 326	0.25 313	0.26 282	0.24 286	0.31 297	0.28 286

ETE_ROB	0.70 289	0.49 323	0.73 289	0.56 324	0.36 276	0.79 262	0.87 352	1.14 278	0.93 237	1.19 332	1.18 281	1.39 339	0.82 296	0.99 296	0.80 282	0.26 286	0.21 282	0.31 317	0.26 305	0.33 307	0.34 317

FINET	0.67 282	0.42 307	1.00 328	0.46 241	0.43 317	0.83 280	0.89 353	1.08 257	1.50 357	0.87 232	1.14 267	0.71 176	0.68 247	0.92 281	0.70 263	0.36 345	0.30 332	0.26 282	0.24 286	0.35 318	0.33 313

ADCL	1.04 344	0.38 294	1.35 361	0.50 284	0.39 294	1.61 366	0.89 353	1.29 328	1.39 348	1.29 343	1.50 332	1.24 315	1.24 353	1.37 351	4.87 398	0.21 234	0.19 267	0.25 268	0.25 295	0.29 283	0.27 279

LE_ROB	4.42 405	0.24 180	2.75 389	0.42 168	0.23 69	1.57 364	0.90 355	1.71 378	17.88 419	16.56 421	4.88 406	5.17 402	18.85 421	1.63 364	14.62 413	0.17 142	0.14 178	0.16 60	0.16 122	0.19 190	0.17 161

SPS-STEREO	1.25 363	0.93 373	1.06 332	1.04 378	1.03 381	1.41 353	0.91 356	1.51 364	1.19 322	2.09 377	1.83 353	1.94 368	1.39 361	1.62 362	1.39 357	0.97 386	0.94 402	0.90 378	0.89 387	0.96 379	0.96 387
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SANet	1.07 349	0.41 305	1.06 332	0.48 255	0.30 223	1.41 353	0.94 357	1.42 352	3.36 395	1.58 355	2.43 370	2.33 376	1.70 375	1.34 345	1.07 336	0.28 299	0.24 305	0.26 282	0.23 273	0.34 314	0.30 299

LALA_ROB	0.74 300	0.43 309	0.69 279	0.54 318	0.40 299	1.01 309	0.95 358	1.21 300	1.07 303	1.22 337	1.12 259	1.56 356	0.79 288	1.04 308	0.86 294	0.33 332	0.22 288	0.35 331	0.30 321	0.35 318	0.31 305

GANet	0.70 289	0.37 285	0.55 219	0.51 296	0.34 268	0.94 295	0.96 359	1.08 257	0.94 244	1.04 308	1.98 360	1.13 307	0.88 311	1.12 320	0.66 253	0.25 276	0.26 318	0.27 294	0.22 262	0.31 297	0.22 249

ACVNet_1	1.46 372	1.33 388	1.12 338	1.91 395	1.62 390	1.83 374	0.98 360	2.00 383	1.85 373	1.39 349	1.53 335	2.32 375	1.53 366	1.34 345	1.11 339	1.30 393	0.50 379	2.06 397	0.58 376	1.93 396	0.95 386

GANetREF_RVC	0.80 311	0.75 361	0.86 316	0.66 354	0.42 312	1.15 332	0.98 360	1.14 278	1.19 322	1.01 297	1.02 226	1.10 300	0.90 313	1.15 322	0.76 275	0.48 362	0.39 364	0.57 369	0.38 346	0.63 371	0.46 356
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
MANE	4.13 404	0.51 330	0.64 256	0.66 354	0.56 353	6.89 409	0.99 362	7.55 411	12.04 408	6.68 411	8.57 412	10.69 412	9.45 411	7.59 411	6.39 403	0.49 364	0.43 372	0.48 359	0.98 392	0.49 353	0.48 362

NVStereoNet_ROB	1.24 362	0.90 372	1.13 339	0.86 371	0.88 371	1.11 326	0.99 362	1.42 352	1.53 359	1.59 357	2.48 371	2.24 373	1.53 366	1.96 379	1.30 354	0.76 380	0.70 385	0.78 375	1.00 393	0.71 373	0.88 382
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
LSM	4.74 407	0.77 362	10.16 407	0.70 363	56.56 429	1.02 311	1.00 364	1.24 319	1.62 367	2.04 375	2.34 367	1.33 330	1.17 347	1.38 352	1.09 338	0.33 332	0.49 378	0.39 343	0.46 360	0.51 356	10.09 416

SGM+DAISY	1.35 367	0.94 375	1.25 353	0.96 374	1.00 380	1.52 361	1.02 365	1.34 337	1.21 325	2.64 388	2.65 378	2.44 377	1.56 369	1.64 365	1.26 351	0.97 386	0.95 403	0.90 378	0.90 388	0.94 377	0.96 387

NaN_ROB	0.69 287	0.44 313	0.69 279	0.51 296	0.33 261	0.97 302	1.06 366	1.22 308	1.19 322	1.24 340	0.96 193	1.08 297	0.78 286	1.20 328	0.67 256	0.24 266	0.30 332	0.23 243	0.24 286	0.23 246	0.25 268

CSAN	0.83 320	0.49 323	0.77 305	0.60 339	0.41 306	1.14 330	1.06 366	1.19 294	1.46 355	1.32 344	1.43 323	1.37 337	1.19 350	1.27 337	0.86 294	0.39 351	0.31 342	0.36 334	0.37 343	0.35 318	0.34 317

RainbowNet	1.35 367	1.49 391	1.19 347	1.88 393	1.45 387	1.48 358	1.07 368	1.61 372	1.55 361	1.20 335	1.59 339	1.54 354	1.13 342	1.34 345	0.97 323	1.36 396	0.70 385	1.82 389	0.79 385	1.71 388	1.07 392

ADCS	1.51 374	0.61 350	3.42 392	0.59 334	0.51 342	1.27 345	1.08 369	1.59 370	1.81 372	1.91 373	1.66 343	1.51 353	1.42 363	1.94 378	8.60 407	0.33 332	0.32 345	0.33 327	0.36 342	0.44 342	0.42 345

Wz-Net-TNSev	1.14 353	1.06 382	4.32 399	0.49 270	0.42 312	1.51 360	1.11 370	1.48 358	1.40 350	1.22 337	1.26 295	1.58 358	1.43 364	1.76 370	1.70 362	0.32 326	0.31 342	0.26 282	0.30 321	0.41 337	0.41 344

Wz-Net-SNSev	0.91 331	0.73 359	2.13 384	0.56 324	0.45 328	0.95 298	1.13 371	1.34 337	1.24 330	1.02 299	1.30 302	1.46 344	0.86 305	1.81 372	1.50 359	0.25 276	0.23 298	0.25 268	0.26 305	0.32 302	0.29 292

CrosDoStereo	0.50 210	0.18 34	0.45 130	0.38 65	0.24 86	0.40 102	1.18 372	0.67 90	0.86 198	0.94 268	1.37 311	0.63 138	0.77 281	0.65 162	0.45 187	0.15 79	0.12 98	0.17 85	0.18 184	0.14 45	0.14 87

DeepStereo_LL	0.50 210	0.18 34	0.45 130	0.38 65	0.24 86	0.40 102	1.18 372	0.67 90	0.86 198	0.94 268	1.37 311	0.63 138	0.77 281	0.65 162	0.45 187	0.15 79	0.12 98	0.17 85	0.18 184	0.14 45	0.14 87

ACVNet_2	1.65 380	1.27 386	1.41 368	1.75 390	1.62 390	2.22 380	1.20 374	2.30 387	2.62 386	1.78 367	2.56 373	3.03 383	1.61 371	1.54 355	1.12 342	1.06 389	0.58 383	1.82 389	0.70 382	1.82 390	0.96 387

NCCL2	0.72 297	0.41 305	0.65 261	0.64 346	0.44 324	0.98 306	1.20 374	1.11 267	1.00 269	0.98 285	0.96 193	1.49 349	0.87 308	0.90 271	0.79 280	0.31 314	0.26 318	0.39 343	0.39 350	0.32 302	0.32 309

coex-ft	6.43 410	1.51 393	87.33 433	0.49 270	0.38 289	1.34 348	1.21 376	1.16 284	8.09 406	12.12 413	2.79 380	2.77 382	3.31 401	1.16 323	3.15 385	0.24 266	0.23 298	0.27 294	0.24 286	0.45 346	0.37 330

WAO-8	2.92 395	1.55 394	1.35 361	1.79 391	1.63 392	5.23 405	1.22 377	4.58 406	12.56 410	2.84 393	4.07 401	4.83 398	2.72 396	3.49 397	2.25 379	1.27 390	0.91 398	1.99 391	1.15 401	1.86 391	1.15 394

Venus	2.92 395	1.55 394	1.35 361	1.79 391	1.63 392	5.23 405	1.22 377	4.58 406	12.56 410	2.84 393	4.06 400	4.83 398	2.72 396	3.49 397	2.25 379	1.27 390	0.91 398	1.99 391	1.15 401	1.86 391	1.15 394

MFMNet_re	1.14 353	0.97 379	1.19 347	0.99 375	0.95 375	1.25 344	1.22 377	1.39 347	1.55 361	1.69 365	1.67 345	1.21 312	1.53 366	1.12 320	0.99 327	0.87 384	0.75 392	0.79 376	0.75 383	0.90 375	0.94 384

Anonymous Stereo	0.75 302	0.54 341	1.78 378	0.57 329	0.56 353	0.62 206	1.25 380	0.96 215	0.99 262	0.96 276	0.95 189	0.83 227	0.58 191	1.27 337	1.21 347	0.31 314	0.30 332	0.31 317	0.33 337	0.33 307	0.36 324

DPSNet	0.99 338	0.42 307	1.88 381	0.53 312	0.41 306	1.59 365	1.26 381	2.21 386	1.43 351	1.10 323	1.11 257	1.46 344	1.95 384	1.34 345	1.26 351	0.34 338	0.25 313	0.25 268	0.21 247	0.46 349	0.37 330

IMH-64-1	1.86 381	1.62 396	1.16 341	2.20 398	1.89 398	2.33 381	1.30 382	2.89 391	2.29 381	1.66 362	2.80 381	2.49 378	1.61 371	2.10 382	1.78 367	1.60 397	0.74 388	2.43 401	1.02 394	2.12 397	1.17 396

IMH-64	1.86 381	1.62 396	1.16 341	2.20 398	1.89 398	2.33 381	1.30 382	2.89 391	2.29 381	1.66 362	2.80 381	2.49 378	1.61 371	2.10 382	1.78 367	1.60 397	0.74 388	2.43 401	1.02 394	2.12 397	1.17 396

IMH	2.04 388	1.62 396	1.20 350	2.20 398	1.89 398	2.91 396	1.30 382	3.11 394	3.03 391	1.81 368	3.35 391	3.03 383	1.90 381	2.48 389	1.80 369	1.66 400	0.77 394	2.45 403	1.04 397	2.15 399	1.19 399

WZ-Net	1.19 359	0.59 347	4.07 397	0.62 344	0.51 342	1.34 348	1.31 385	1.32 333	1.74 370	1.53 354	1.65 341	1.74 362	1.28 357	2.25 386	2.01 372	0.27 293	0.21 282	0.23 243	0.25 295	0.40 331	0.39 338

AnyNet_C32	1.16 357	0.62 353	2.40 387	0.57 329	0.55 350	1.41 353	1.34 386	1.18 292	1.24 330	1.49 351	1.42 320	1.39 339	1.20 352	1.55 356	4.82 397	0.29 305	0.28 324	0.29 309	0.34 339	0.38 328	0.42 345

Dean	1.98 385	1.36 389	1.36 365	2.12 397	1.81 397	2.74 386	1.36 387	3.37 400	3.80 399	2.08 376	3.32 389	3.21 388	1.82 378	1.71 369	1.67 361	1.27 390	0.77 394	1.99 391	0.90 388	1.86 391	1.03 391

AnyNet_C01	1.56 375	1.05 381	7.45 405	0.64 346	0.54 348	1.99 377	1.38 388	1.43 354	1.36 343	1.63 361	1.92 357	1.84 364	1.33 359	2.40 388	4.03 392	0.33 332	0.32 345	0.32 322	0.34 339	0.44 342	0.45 355

RTS	1.98 385	0.96 376	11.36 409	0.65 351	0.57 357	2.77 389	1.40 389	1.39 347	2.26 379	1.89 370	2.56 373	1.32 328	1.25 354	5.20 405	4.05 393	0.31 314	0.22 288	0.29 309	0.29 319	0.40 331	0.37 330

RTSA	1.98 385	0.96 376	11.36 409	0.65 351	0.57 357	2.77 389	1.40 389	1.39 347	2.26 379	1.89 370	2.56 373	1.32 328	1.25 354	5.20 405	4.05 393	0.31 314	0.22 288	0.29 309	0.29 319	0.40 331	0.37 330

MADNet+	2.23 391	2.43 407	10.85 408	1.22 383	0.91 373	2.76 388	1.40 389	2.12 385	1.67 369	1.32 344	1.74 349	1.86 367	1.74 376	6.25 407	4.41 396	0.65 375	0.64 384	0.58 371	0.54 374	0.80 374	0.76 376

WAO-6	2.04 388	1.50 392	1.16 341	1.70 389	1.67 394	2.69 385	1.44 392	3.06 393	3.63 398	1.98 374	3.27 387	3.54 393	2.07 387	2.36 387	2.22 378	1.31 395	0.91 398	2.04 396	1.22 403	1.73 389	1.27 400

SGM-ForestM	4.04 403	0.32 260	0.46 145	0.43 186	0.27 171	7.50 410	1.45 393	3.84 403	4.24 401	8.19 412	6.76 410	19.00 419	9.08 410	10.74 414	6.62 404	0.31 314	0.33 351	0.32 322	0.32 334	0.29 283	0.29 292

ELAS	1.63 379	0.61 350	0.95 322	0.68 360	0.55 350	3.01 397	1.55 394	2.39 388	2.33 383	3.64 403	3.89 397	2.75 381	2.90 398	2.15 384	2.27 381	0.52 368	0.45 375	0.50 364	0.48 365	0.54 363	0.52 368
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
WAO-7	1.90 383	1.20 384	1.35 361	1.27 384	1.06 384	2.84 391	1.56 395	3.23 396	3.06 393	2.23 381	3.33 390	3.17 387	2.28 389	3.12 393	2.21 376	1.02 388	0.91 398	1.06 382	1.03 396	1.04 381	0.97 390

MFN_U_SF_DS_RVC	1.02 342	0.57 345	1.51 372	0.67 357	0.50 339	2.57 384	1.66 396	1.20 298	1.43 351	1.38 348	1.57 338	1.33 330	0.92 317	1.64 365	0.88 300	0.37 348	0.39 364	0.46 355	0.60 377	0.41 337	0.40 341

TorneroNet-64	3.44 398	1.86 400	1.42 369	2.58 405	2.28 403	6.87 408	1.68 397	4.70 408	12.03 407	2.31 383	5.59 409	8.25 409	2.55 393	3.97 402	2.73 383	1.81 402	0.74 388	2.57 405	1.07 398	2.35 401	1.44 402

TorneroNet	4.53 406	1.89 401	1.48 371	2.55 403	2.27 402	13.78 416	1.69 398	4.84 410	23.73 424	2.89 396	7.70 411	7.06 408	2.69 395	4.26 404	3.42 389	1.84 403	0.77 394	2.68 407	1.13 399	2.42 402	1.47 403

notaker	2.76 393	2.29 406	1.80 379	2.96 408	2.58 409	2.90 395	1.75 399	3.24 397	3.05 392	2.78 391	4.24 402	6.15 407	2.51 392	3.34 395	2.75 384	2.31 408	1.18 406	3.00 411	1.65 407	2.84 408	1.97 405

SAMSARA	1.07 349	0.65 355	1.19 347	1.06 379	0.90 372	1.76 373	1.76 400	1.46 356	1.44 353	1.51 352	1.16 277	2.00 370	1.14 343	1.48 354	1.31 355	0.39 351	0.44 374	0.35 331	0.38 346	0.49 353	0.49 365

LVE	2.12 390	1.44 390	1.36 365	1.99 396	1.78 395	2.75 387	1.79 401	2.82 390	3.95 400	1.90 372	4.33 403	3.52 392	1.81 377	2.24 385	1.74 364	1.74 401	0.87 397	2.06 397	1.13 399	1.91 395	1.35 401

MSC_U_SF_DS_RVC	1.34 365	0.87 370	1.76 377	0.86 371	0.56 353	4.29 403	1.79 401	1.50 361	1.98 375	1.61 358	1.85 355	1.84 364	1.41 362	1.89 375	1.36 356	0.48 362	0.40 366	0.56 368	0.57 375	0.69 372	0.48 362

ELAS_RVC	1.60 377	0.61 350	1.01 329	0.70 363	0.56 353	2.00 378	1.89 403	1.96 381	2.65 387	3.33 401	3.26 386	3.03 383	3.41 403	2.49 390	2.09 374	0.52 368	0.45 375	0.50 364	0.48 365	0.54 363	0.52 368
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
KSHMR	2.57 392	1.93 402	1.69 374	2.63 406	2.42 405	2.86 393	2.07 404	3.27 398	6.50 404	2.49 387	3.36 392	3.41 391	1.92 382	2.49 390	1.94 370	2.13 406	1.40 408	2.79 410	1.50 406	2.73 405	1.77 404

ktn	2.98 397	2.25 405	1.73 376	2.84 407	2.53 408	3.76 402	2.15 405	3.70 402	5.47 403	2.75 390	5.17 408	5.94 405	2.48 391	3.23 394	2.46 382	2.34 410	1.44 409	2.78 409	2.03 409	2.45 403	2.01 407

PWCK	1.92 384	1.66 399	3.12 391	1.65 388	0.91 373	2.84 391	2.26 406	2.10 384	2.41 385	2.36 384	2.31 365	2.22 372	1.82 378	3.43 396	2.03 373	1.61 399	0.71 387	1.51 385	0.82 386	1.69 387	0.91 383

HanzoNet	6.76 411	2.45 408	4.22 398	3.19 410	2.94 411	3.62 400	2.28 407	4.79 409	7.20 405	14.00 417	13.19 416	17.49 417	22.30 422	13.25 415	6.19 402	4.20 413	1.93 410	3.10 412	2.56 411	3.35 411	2.88 412

UNDER WATER	3.46 399	2.07 404	3.64 395	3.09 409	2.48 406	3.75 401	2.42 408	3.31 399	13.77 412	2.90 397	2.95 384	5.84 403	3.69 404	3.69 399	3.48 391	2.07 405	1.11 405	2.70 408	1.40 404	2.84 408	1.98 406

UNDER WATER-64	3.53 400	2.01 403	3.94 396	3.22 411	2.49 407	5.41 407	2.60 409	3.43 401	12.41 409	3.03 398	2.68 379	6.07 406	4.04 405	3.79 401	3.33 387	2.02 404	1.24 407	2.63 406	1.46 405	2.78 406	2.08 408

MADNet++	4.03 402	2.70 412	3.44 394	3.72 413	3.44 412	4.44 404	3.52 410	3.95 404	3.61 397	4.46 405	4.98 407	4.10 394	4.58 407	7.00 410	5.89 401	3.74 411	3.67 414	3.27 413	2.71 412	3.70 413	3.66 414

DPSimNet_ROB	3.58 401	2.45 408	8.57 406	2.53 402	2.37 404	2.88 394	3.77 411	3.14 395	3.23 394	4.71 408	3.86 396	4.68 396	4.87 408	4.07 403	5.62 400	2.33 409	2.33 411	2.47 404	2.52 410	2.51 404	2.64 410

JetBlue	2.78 394	1.26 385	7.04 404	1.16 381	1.48 388	8.00 411	6.02 412	2.60 389	1.92 374	2.12 378	2.64 377	3.34 390	3.05 400	6.49 408	3.39 388	0.78 381	0.76 393	0.75 374	0.76 384	0.97 380	1.18 398

BEATNet-Init1	15.13 415	0.82 368	50.86 432	0.72 366	0.53 346	38.10 426	7.03 413	11.83 416	14.25 413	29.78 430	30.17 430	48.21 433	22.64 423	26.78 424	18.11 415	0.42 356	0.38 360	0.47 356	0.46 360	0.51 356	0.48 362

JetRed	5.27 408	5.84 414	12.81 412	2.36 401	2.83 410	12.23 415	10.50 414	4.46 405	3.60 396	3.86 404	3.83 395	4.85 400	4.18 406	6.78 409	11.96 410	2.17 407	2.96 413	2.18 399	1.97 408	3.38 412	2.68 411

tt	6.20 409	0.20 70	5.89 401	3.55 412	2.07 401	11.26 414	19.21 415	11.74 415	5.46 402	2.69 389	2.04 363	4.87 401	6.25 409	3.70 400	7.09 406	8.32 417	11.17 421	4.93 414	5.41 416	5.74 414	2.37 409

HaxPig	31.96 421	37.24 427	34.27 422	24.37 421	24.88 421	18.26 417	19.86 416	20.64 421	28.52 425	35.97 431	38.75 431	25.57 423	28.72 425	33.88 425	34.39 425	35.94 432	38.87 432	37.80 428	40.48 428	39.68 430	41.15 432

MEDIAN_ROB	37.38 431	40.85 435	40.60 425	32.31 423	31.85 422	27.20 421	24.55 417	29.10 426	33.19 432	42.09 433	41.76 433	33.35 424	34.39 433	39.78 427	37.07 426	43.64 434	44.10 434	44.12 430	43.40 430	41.51 432	42.76 434

AVERAGE_ROB	37.58 432	40.13 434	40.15 424	34.81 424	33.82 423	28.55 425	25.10 418	32.02 427	34.06 434	41.28 432	40.66 432	34.46 425	34.81 434	39.18 426	37.57 427	42.78 433	43.44 433	43.82 429	43.03 429	40.47 431	41.51 433

DGTPSM_ROB	12.07 413	8.00 415	20.99 413	8.93 416	16.78 415	10.67 412	30.87 419	9.01 413	15.16 414	6.50 409	15.41 420	9.04 410	14.85 413	9.25 412	21.67 417	4.57 414	8.57 416	5.08 415	9.28 417	5.90 415	10.95 417

DPSMNet_ROB	12.08 414	8.00 415	21.00 414	8.97 417	16.79 416	10.67 412	30.89 420	9.02 414	15.17 415	6.51 410	15.41 420	9.04 410	14.85 413	9.27 413	21.67 417	4.58 415	8.57 416	5.09 416	9.29 418	5.90 415	10.95 417

Anonymous_1	33.25 422	18.26 418	23.92 416	20.54 418	21.28 419	25.59 418	35.94 421	22.01 425	15.57 416	13.33 414	13.49 417	18.08 418	15.29 415	20.36 416	24.60 419	16.28 424	8.84 418	66.59 431	118.00 431	155.73 434	11.23 419

DPSM_ROB	17.78 416	18.63 419	24.31 420	20.90 419	19.47 417	25.97 419	36.21 422	21.23 423	16.24 417	13.38 415	14.06 418	19.18 420	16.30 416	20.78 417	25.67 420	9.38 419	9.23 419	9.49 419	9.82 419	13.51 418	11.91 420

DPSM	17.78 416	18.63 419	24.31 420	20.90 419	19.47 417	25.97 419	36.21 422	21.23 423	16.24 417	13.38 415	14.06 418	19.18 420	16.30 416	20.78 417	25.67 420	9.38 419	9.23 419	9.49 419	9.82 419	13.51 418	11.91 420

xxxxx1	36.64 428	19.51 421	24.21 417	61.66 431	64.63 431	27.28 422	40.10 424	20.25 418	18.63 420	14.07 418	12.97 413	17.26 414	17.36 418	21.70 420	27.93 422	13.18 421	18.50 424	111.26 432	133.37 432	29.24 426	39.73 429

tt_ll	36.64 428	19.51 421	24.21 417	61.66 431	64.63 431	27.28 422	40.10 424	20.25 418	18.63 420	14.07 418	12.97 413	17.26 414	17.36 418	21.70 420	27.93 422	13.18 421	18.50 424	111.26 432	133.37 432	29.24 426	39.73 429

ff	36.64 428	19.51 421	24.21 417	61.66 431	64.63 431	27.28 422	40.10 424	20.25 418	18.63 420	14.07 418	12.97 413	17.26 414	17.36 418	21.70 420	27.93 422	13.18 421	18.50 424	111.26 432	133.37 432	29.24 426	39.73 429

LSM0	38.95 433	37.60 433	48.58 426	43.57 430	91.06 434	52.57 433	72.57 427	43.17 433	32.63 431	26.97 425	27.97 424	38.65 430	32.94 430	41.86 433	51.78 434	18.89 430	18.41 423	19.13 424	19.63 421	27.29 425	33.77 428

Selective-RAFT-Error	35.84 427	37.49 429	48.83 431	42.26 429	39.24 428	52.30 432	73.09 428	42.66 432	32.61 426	26.80 424	28.30 426	38.84 431	33.51 431	41.68 432	51.59 429	18.82 429	18.58 428	19.17 426	19.80 423	27.28 424	24.05 426

CasAABBNet	35.74 423	37.43 428	48.72 427	42.22 428	39.20 427	52.24 428	73.12 429	42.61 431	32.62 430	26.78 423	27.95 423	38.58 429	32.60 426	41.67 431	51.65 433	18.74 425	18.57 427	19.15 425	19.77 422	27.20 423	23.98 425

MyStereo03	35.77 424	37.55 430	48.75 428	42.19 425	39.18 424	52.27 429	73.13 430	42.32 428	32.61 426	27.03 426	28.40 427	38.50 426	32.89 427	41.62 428	51.63 430	18.78 426	18.59 429	19.11 421	19.80 423	27.18 420	23.95 422

MyStereo02	35.77 424	37.55 430	48.75 428	42.19 425	39.18 424	52.27 429	73.13 430	42.32 428	32.61 426	27.03 426	28.40 427	38.50 426	32.89 427	41.62 428	51.63 430	18.78 426	18.59 429	19.11 421	19.80 423	27.18 420	23.95 422

MyStereo	35.77 424	37.55 430	48.75 428	42.19 425	39.18 424	52.27 429	73.13 430	42.32 428	32.61 426	27.03 426	28.40 427	38.50 426	32.89 427	41.62 428	51.63 430	18.78 426	18.59 429	19.11 421	19.80 423	27.18 420	23.95 422

SPstereo	24.26 420	4.19 413	6.66 403	4.29 414	3.79 413	45.68 427	78.09 433	63.52 434	33.36 433	27.50 429	26.65 422	39.53 432	33.55 432	42.77 434	51.02 428	3.90 412	3.72 415	5.95 417	4.66 414	3.15 410	3.30 413

test_example2	176.61 435	205.14 436	198.86 435	188.60 435	190.98 435	152.67 435	170.61 434	94.86 435	123.55 435	178.88 435	179.48 434	158.94 435	141.34 435	192.61 435	198.96 435	203.76 435	236.37 435	164.13 435	173.55 435	218.58 435	160.41 435

PML	40.80 434	29.24 424	11.87 411	7.20 415	14.47 414	92.13 434	213.69 435	7.63 412	23.35 423	74.72 434	190.14 435	50.17 434	26.15 424	21.39 419	12.70 411	8.76 418	2.92 412	8.45 418	3.25 413	13.26 417	4.42 415

ASD4		8.86 417

Low-res two-view benchmark