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

IGEV++	0.24 3	0.17 28	0.31 19	0.38 89	0.22 55	0.24 10	0.22 14	0.50 36	0.23 1	0.28 10	0.35 27	0.30 10	0.22 14	0.31 5	0.28 68	0.14 41	0.10 12	0.13 15	0.10 16	0.13 28	0.13 75

Selective-IGEV	0.24 3	0.18 45	0.35 43	0.35 38	0.19 13	0.27 31	0.25 44	0.55 54	0.23 1	0.27 8	0.25 7	0.34 30	0.19 5	0.58 141	0.22 1	0.12 4	0.10 12	0.14 25	0.11 26	0.12 11	0.10 3

AIO-Stereo	0.25 6	0.18 45	0.34 38	0.37 64	0.18 8	0.28 44	0.30 94	0.48 25	0.27 3	0.29 14	0.30 13	0.32 18	0.17 1	0.52 89	0.23 10	0.12 4	0.10 12	0.14 25	0.11 26	0.13 28	0.10 3

RSM	0.25 6	0.18 45	0.33 28	0.36 49	0.20 28	0.27 31	0.34 148	0.51 37	0.27 3	0.26 6	0.23 3	0.39 50	0.21 10	0.56 112	0.22 1	0.12 4	0.10 12	0.14 25	0.11 26	0.14 63	0.10 3

MoCha-V2	0.25 6	0.15 7	0.29 14	0.40 145	0.18 8	0.27 31	0.26 52	0.49 29	0.27 3	0.36 31	0.27 9	0.33 27	0.35 107	0.49 75	0.22 1	0.12 4	0.10 12	0.12 2	0.10 16	0.13 28	0.11 15

IGEV-Stereo+	0.23 2	0.14 2	0.26 8	0.32 10	0.19 13	0.12 1	0.17 1	0.29 1	0.29 6	0.21 1	0.15 1	0.22 2	0.22 14	0.40 27	0.22 1	0.14 41	0.10 12	0.12 2	0.09 8	0.15 100	0.86 436

testlalala	0.28 19	0.19 67	0.43 133	0.34 17	0.23 89	0.45 167	0.30 94	0.43 15	0.29 6	0.68 163	0.49 55	0.35 37	0.25 25	0.32 7	0.25 21	0.14 41	0.11 69	0.14 25	0.09 8	0.11 1	0.11 15

iRaft-Stereo_20w	0.39 139	0.19 67	0.57 270	0.37 64	0.27 203	0.31 72	0.24 37	1.44 410	0.29 6	0.69 171	0.53 75	0.60 161	0.42 151	0.83 297	0.27 56	0.14 41	0.11 69	0.14 25	0.13 71	0.15 100	0.13 75

GCAP-BAT	0.30 39	0.21 125	0.42 123	0.33 14	0.27 203	0.26 21	0.27 62	0.45 20	0.30 9	0.60 109	0.64 104	0.45 84	0.23 18	0.56 112	0.26 44	0.15 93	0.12 119	0.15 60	0.10 16	0.12 11	0.11 15

XX-Stereo	0.37 109	0.17 28	0.45 157	0.55 372	0.36 325	0.38 124	0.20 3	0.60 77	0.30 9	0.46 72	1.30 357	0.73 238	0.26 35	0.56 112	0.26 44	0.16 134	0.11 69	0.17 109	0.16 149	0.14 63	0.10 3

EAI-Stereo	0.34 61	0.19 67	0.44 145	0.39 116	0.21 40	0.31 72	0.30 94	1.15 331	0.30 9	0.49 78	0.75 139	0.36 43	0.28 54	0.62 175	0.27 56	0.14 41	0.11 69	0.14 25	0.13 71	0.13 28	0.12 47

Occ-G	0.26 11	0.14 2	0.28 13	0.34 17	0.20 28	0.27 31	0.34 148	0.41 7	0.31 12	0.29 14	0.43 37	0.49 104	0.25 25	0.47 65	0.28 68	0.13 17	0.11 69	0.14 25	0.11 26	0.12 11	0.12 47

IGEV_Zeroshot_test	0.34 61	0.18 45	0.67 314	0.39 116	0.28 225	0.30 60	0.25 44	0.74 178	0.31 12	0.62 117	0.57 88	0.54 121	0.25 25	0.53 96	0.27 56	0.14 41	0.10 12	0.15 60	0.14 96	0.14 63	0.12 47

UniTT-Stereo	0.27 14	0.17 28	0.37 61	0.40 145	0.27 203	0.30 60	0.28 72	0.39 4	0.31 12	0.29 14	0.46 44	0.27 7	0.25 25	0.47 65	0.34 130	0.17 168	0.13 178	0.13 15	0.12 46	0.14 63	0.12 47

IGEV-BASED-STEREO-	0.56 300	3.08 468	2.43 443	0.31 7	0.18 8	0.29 52	0.20 3	0.37 2	0.32 15	0.28 10	0.24 6	0.18 1	0.18 2	0.31 5	0.22 1	1.09 444	0.08 1	0.17 109	0.16 149	0.14 63	0.97 445

RSM++	0.25 6	0.18 45	0.34 38	0.36 49	0.20 28	0.28 44	0.30 94	0.51 37	0.32 15	0.25 5	0.22 2	0.37 45	0.21 10	0.50 79	0.24 14	0.12 4	0.10 12	0.14 25	0.12 46	0.14 63	0.10 3

AEACV	0.27 14	0.17 28	0.31 19	0.34 17	0.45 377	0.26 21	0.28 72	0.37 2	0.32 15	0.30 17	0.46 44	0.31 16	0.37 124	0.36 14	0.24 14	0.14 41	0.10 12	0.15 60	0.12 46	0.13 28	0.11 15

LoS_RVC	0.27 14	0.16 16	0.27 10	0.32 10	0.30 264	0.44 160	0.34 148	0.41 7	0.33 18	0.31 18	0.51 65	0.29 9	0.32 87	0.36 14	0.28 68	0.11 1	0.10 12	0.11 1	0.08 1	0.11 1	0.19 243

gcap-zeroshot	0.34 61	0.18 45	0.52 246	0.38 89	0.22 55	0.49 179	0.27 62	0.52 44	0.34 19	0.64 135	0.50 58	0.83 273	0.34 104	0.48 72	0.24 14	0.13 17	0.11 69	0.15 60	0.12 46	0.13 28	0.12 47

ff7	0.29 26	0.21 125	0.38 70	0.36 49	0.26 176	0.31 72	0.35 167	0.62 89	0.34 19	0.38 38	0.33 19	0.32 18	0.29 67	0.58 141	0.25 21	0.14 41	0.10 12	0.17 109	0.12 46	0.14 63	0.15 135

IGEVStereo-DCA	0.29 26	0.22 154	0.38 70	0.35 38	0.27 203	0.37 111	0.35 167	0.62 89	0.34 19	0.38 38	0.30 13	0.35 37	0.27 42	0.51 84	0.22 1	0.15 93	0.12 119	0.16 83	0.12 46	0.13 28	0.15 135

ffff	0.29 26	0.21 125	0.38 70	0.36 49	0.26 176	0.31 72	0.35 167	0.62 89	0.34 19	0.38 38	0.33 19	0.32 18	0.29 67	0.58 141	0.25 21	0.14 41	0.10 12	0.17 109	0.12 46	0.14 63	0.15 135

11t	0.29 26	0.21 125	0.38 70	0.36 49	0.26 176	0.31 72	0.35 167	0.62 89	0.34 19	0.38 38	0.33 19	0.32 18	0.29 67	0.58 141	0.25 21	0.14 41	0.10 12	0.17 109	0.12 46	0.14 63	0.15 135

testlalala_base	0.46 201	0.25 232	0.41 103	0.46 287	0.33 309	0.58 223	0.25 44	0.57 59	0.34 19	0.51 83	0.56 85	0.46 91	0.30 78	0.43 40	0.31 94	1.47 452	0.11 69	0.14 25	0.09 8	1.59 442	0.13 75

ccc-4	0.29 26	0.21 125	0.38 70	0.36 49	0.26 176	0.31 72	0.35 167	0.62 89	0.34 19	0.38 38	0.33 19	0.32 18	0.29 67	0.58 141	0.25 21	0.14 41	0.10 12	0.17 109	0.12 46	0.14 63	0.15 135

R-Stereo Train	0.39 139	0.18 45	0.42 123	0.42 209	0.26 176	0.40 132	0.32 132	0.72 168	0.34 19	0.89 294	1.28 353	0.57 132	0.35 107	0.42 36	0.32 104	0.15 93	0.12 119	0.14 25	0.12 46	0.14 63	0.13 75

RAFT-Stereo	0.39 139	0.18 45	0.42 123	0.42 209	0.26 176	0.40 132	0.32 132	0.72 168	0.34 19	0.89 294	1.28 353	0.57 132	0.35 107	0.42 36	0.32 104	0.15 93	0.12 119	0.14 25	0.12 46	0.14 63	0.13 75
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
IGEV-Stereo++	0.21 1	0.15 7	0.27 10	0.37 64	0.19 13	0.22 5	0.18 2	0.42 10	0.35 28	0.22 2	0.28 12	0.24 3	0.18 2	0.27 2	0.22 1	0.12 4	0.09 3	0.12 2	0.10 16	0.12 11	0.10 3

MyStereo06	0.38 124	0.21 125	0.61 282	0.41 172	0.28 225	0.41 145	0.50 314	0.95 255	0.35 28	0.62 117	0.54 77	0.76 252	0.27 42	0.50 79	0.29 81	0.14 41	0.13 178	0.18 148	0.17 196	0.17 165	0.15 135

plain	0.31 42	0.20 92	0.50 229	0.39 116	0.29 251	0.27 31	0.30 94	0.44 17	0.35 28	0.31 18	0.66 112	0.30 10	0.31 83	0.65 203	0.31 94	0.17 168	0.13 178	0.20 214	0.15 119	0.17 165	0.12 47

MaDis-Stereo	0.26 11	0.18 45	0.36 48	0.36 49	0.26 176	0.27 31	0.27 62	0.43 15	0.35 28	0.27 8	0.26 8	0.41 63	0.28 54	0.40 27	0.28 68	0.16 134	0.14 206	0.16 83	0.13 71	0.14 63	0.12 47

anonymousdsp	0.29 26	0.21 125	0.38 70	0.37 64	0.25 139	0.30 60	0.35 167	0.63 95	0.35 28	0.39 46	0.33 19	0.33 27	0.28 54	0.59 156	0.25 21	0.14 41	0.10 12	0.17 109	0.12 46	0.14 63	0.15 135

IGEV-Stereo	0.29 26	0.21 125	0.38 70	0.37 64	0.25 139	0.30 60	0.35 167	0.63 95	0.35 28	0.39 46	0.33 19	0.33 27	0.28 54	0.59 156	0.25 21	0.14 41	0.10 12	0.17 109	0.12 46	0.14 63	0.15 135
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
EGLCR-Stereo	0.25 6	0.16 16	0.33 28	0.34 17	0.20 28	0.35 101	0.20 3	0.52 44	0.36 34	0.28 10	0.27 9	0.41 63	0.18 2	0.45 50	0.26 44	0.14 41	0.10 12	0.16 83	0.14 96	0.13 28	0.11 15

Patchmatch Stereo++	0.35 75	0.23 174	0.47 186	0.41 172	0.22 55	0.24 10	0.22 14	0.59 67	0.36 34	0.63 125	0.73 128	0.58 140	0.38 127	0.58 141	0.36 163	0.18 197	0.12 119	0.20 214	0.16 149	0.20 234	0.15 135
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 75	0.23 174	0.47 186	0.41 172	0.22 55	0.24 10	0.31 115	0.59 67	0.36 34	0.63 125	0.73 128	0.58 140	0.38 127	0.56 112	0.35 147	0.18 197	0.12 119	0.20 214	0.16 149	0.20 234	0.15 135

ROB_FTStereo_v2	0.35 75	0.23 174	0.47 186	0.41 172	0.22 55	0.24 10	0.31 115	0.59 67	0.36 34	0.63 125	0.73 128	0.57 132	0.38 127	0.57 123	0.36 163	0.18 197	0.12 119	0.20 214	0.16 149	0.20 234	0.15 135

ROB_FTStereo	0.35 75	0.23 174	0.47 186	0.41 172	0.22 55	0.25 19	0.21 8	0.59 67	0.36 34	0.63 125	0.73 128	0.58 140	0.38 127	0.57 123	0.35 147	0.18 197	0.12 119	0.20 214	0.16 149	0.20 234	0.15 135

HUI-Stereo	0.35 75	0.23 174	0.47 186	0.41 172	0.22 55	0.24 10	0.22 14	0.60 77	0.36 34	0.63 125	0.73 128	0.58 140	0.38 127	0.50 79	0.35 147	0.18 197	0.12 119	0.20 214	0.16 149	0.20 234	0.15 135

iGMRVC	0.35 75	0.23 174	0.47 186	0.41 172	0.22 55	0.24 10	0.30 94	0.59 67	0.36 34	0.63 125	0.73 128	0.58 140	0.38 127	0.58 141	0.36 163	0.18 197	0.12 119	0.20 214	0.16 149	0.20 234	0.15 135

iRAFT	0.35 75	0.23 174	0.47 186	0.41 172	0.22 55	0.24 10	0.22 14	0.59 67	0.36 34	0.63 125	0.73 128	0.58 140	0.38 127	0.58 141	0.36 163	0.18 197	0.12 119	0.20 214	0.16 149	0.20 234	0.15 135

RAFT-IKP	0.35 75	0.23 174	0.47 186	0.41 172	0.22 55	0.24 10	0.28 72	0.59 67	0.36 34	0.63 125	0.73 128	0.57 132	0.38 127	0.58 141	0.36 163	0.18 197	0.12 119	0.20 214	0.16 149	0.20 234	0.15 135

test_xeample3	0.29 26	0.21 125	0.41 103	0.35 38	0.26 176	0.35 101	0.32 132	0.56 56	0.36 34	0.43 62	0.32 18	0.34 30	0.28 54	0.54 99	0.23 10	0.14 41	0.11 69	0.16 83	0.12 46	0.14 63	0.13 75

MyStereo07	0.32 48	0.22 154	0.34 38	0.42 209	0.28 225	0.40 132	0.50 314	0.72 168	0.37 44	0.37 34	0.34 25	0.32 18	0.31 83	0.59 156	0.27 56	0.14 41	0.13 178	0.18 148	0.17 196	0.17 165	0.16 177

DLNR_Zeroshot_test	20.09 475	36.28 482	38.04 479	169.85 488	61.80 484	0.23 7	0.20 3	13.88 474	0.37 44	0.44 65	0.66 112	0.43 77	0.21 10	0.62 175	0.28 68	5.46 472	0.10 12	0.15 60	0.11 26	72.60 487	0.11 15

ProNet	0.29 26	0.21 125	0.38 70	0.35 38	0.24 113	0.32 82	0.43 276	0.57 59	0.37 44	0.33 24	0.30 13	0.32 18	0.28 54	0.57 123	0.26 44	0.13 17	0.11 69	0.16 83	0.13 71	0.13 28	0.13 75

MC-Stereo	0.28 19	0.17 28	0.32 24	0.38 89	0.20 28	0.26 21	0.26 52	0.49 29	0.37 44	0.37 34	0.61 98	0.41 63	0.31 83	0.55 103	0.25 21	0.13 17	0.09 3	0.14 25	0.12 46	0.12 11	0.11 15

Pointernet	0.27 14	0.14 2	0.33 28	0.35 38	0.23 89	0.35 101	0.21 8	0.72 168	0.38 48	0.39 46	0.36 28	0.34 30	0.25 25	0.36 14	0.25 21	0.15 93	0.10 12	0.12 2	0.08 1	0.11 1	0.10 3

U	0.45 194	0.16 16	0.32 24	0.40 145	0.71 422	3.55 455	0.20 3	0.41 7	0.38 48	0.26 6	0.23 3	0.24 3	0.22 14	0.26 1	0.22 1	0.15 93	0.09 3	0.88 432	0.13 71	0.13 28	0.11 15

HH	0.35 75	0.20 92	0.47 186	0.40 145	0.25 139	0.33 86	0.31 115	0.76 189	0.38 48	0.43 62	0.57 88	0.79 261	0.44 166	0.71 244	0.25 21	0.15 93	0.11 69	0.15 60	0.14 96	0.14 63	0.12 47

HanStereo	0.35 75	0.20 92	0.47 186	0.40 145	0.25 139	0.33 86	0.31 115	0.76 189	0.38 48	0.43 62	0.57 88	0.79 261	0.44 166	0.71 244	0.25 21	0.15 93	0.11 69	0.15 60	0.14 96	0.14 63	0.12 47

CroCo-Stereo Lap2	0.28 19	0.24 210	0.39 87	0.50 330	0.29 251	0.20 2	0.31 115	0.49 29	0.38 48	0.24 4	0.27 9	0.46 91	0.31 83	0.39 24	0.30 87	0.14 41	0.15 235	0.16 83	0.13 71	0.16 133	0.15 135

DeepStereo_RVC	0.36 93	0.21 125	0.47 186	0.40 145	0.24 113	0.26 21	0.22 14	0.60 77	0.38 48	0.69 171	0.67 116	0.57 132	0.51 201	0.56 112	0.39 192	0.16 134	0.12 119	0.18 148	0.15 119	0.19 218	0.18 211

UGAM-zero	0.46 201	0.19 67	0.62 285	0.37 64	0.23 89	0.34 93	0.21 8	1.15 331	0.39 54	0.66 155	0.61 98	1.70 415	0.91 366	0.75 265	0.25 21	0.14 41	0.11 69	0.15 60	0.12 46	0.13 28	0.13 75

rvit_stereo_0081_aga	0.31 42	0.28 281	0.44 145	0.42 209	0.29 251	0.34 93	0.31 115	0.44 17	0.40 55	0.39 46	0.44 38	0.40 57	0.32 87	0.42 36	0.29 81	0.23 296	0.17 282	0.19 186	0.16 149	0.20 234	0.15 135

RAFT-Test	0.34 61	0.18 45	0.37 61	0.38 89	0.23 89	0.50 182	0.23 25	0.69 144	0.40 55	0.60 109	0.85 198	0.61 166	0.28 54	0.46 58	0.27 56	0.14 41	0.11 69	0.14 25	0.11 26	0.13 28	0.12 47

cross-raft	0.34 61	0.20 92	0.37 61	0.44 245	0.23 89	0.32 82	0.35 167	0.74 178	0.40 55	0.60 109	0.77 146	0.57 132	0.27 42	0.43 40	0.28 68	0.12 4	0.10 12	0.15 60	0.13 71	0.15 100	0.11 15

DIP-Stereo	0.39 139	0.21 125	0.50 229	0.41 172	0.28 225	0.62 250	0.27 62	0.77 192	0.40 55	0.64 135	0.86 201	0.52 113	0.33 97	0.66 211	0.42 205	0.15 93	0.13 178	0.17 109	0.14 96	0.15 100	0.15 135
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
SPstereo	0.28 19	0.19 67	0.40 95	0.38 89	0.19 13	0.38 124	0.23 25	0.57 59	0.41 59	0.45 67	0.49 55	0.39 50	0.27 42	0.33 9	0.23 10	0.14 41	0.12 119	0.14 25	0.11 26	0.12 11	0.11 15

test_4	0.36 93	0.18 45	0.31 19	0.44 245	0.25 139	0.20 2	0.34 148	0.56 56	0.41 59	0.59 105	1.45 384	0.43 77	0.25 25	0.63 185	0.28 68	0.12 4	0.10 12	0.17 109	0.19 246	0.15 100	0.11 15

KYRaft	0.48 225	0.20 92	0.38 70	0.44 245	0.23 89	0.44 160	0.37 200	0.66 116	0.41 59	0.94 321	1.73 403	0.79 261	0.41 149	0.63 185	0.31 94	0.16 134	0.11 69	0.18 148	0.22 306	0.16 133	0.78 431

AnonymousM	0.41 161	0.81 418	0.29 14	0.34 17	0.22 55	0.28 44	0.38 221	0.53 53	0.41 59	0.70 177	0.49 55	0.47 95	0.27 42	0.41 32	0.31 94	0.15 93	0.12 119	1.51 441	0.26 353	0.12 11	0.10 3

CRE-IMP	0.36 93	0.23 174	0.49 216	0.42 209	0.24 113	0.41 145	0.21 8	0.57 59	0.41 59	0.65 143	0.72 124	0.53 117	0.37 124	0.61 168	0.38 186	0.17 168	0.11 69	0.19 186	0.15 119	0.21 255	0.18 211

rrr	0.29 26	0.22 154	0.41 103	0.35 38	0.27 203	0.37 111	0.32 132	0.52 44	0.42 64	0.38 38	0.30 13	0.35 37	0.27 42	0.51 84	0.22 1	0.15 93	0.12 119	0.16 83	0.13 71	0.13 28	0.14 114

MIF-Stereo (partial)	0.31 42	0.18 45	0.37 61	0.41 172	0.31 285	0.28 44	0.23 25	0.47 23	0.42 64	0.31 18	0.63 101	0.36 43	0.35 107	0.57 123	0.31 94	0.17 168	0.13 178	0.19 186	0.17 196	0.18 184	0.14 114

11t1	0.36 93	0.21 125	0.42 123	0.35 38	0.22 55	0.62 250	0.29 80	0.69 144	0.43 66	0.60 109	0.53 75	0.53 117	0.48 183	0.56 112	0.40 198	0.18 197	0.14 206	0.16 83	0.13 71	0.17 165	0.17 195

MSKI-zero shot	0.32 48	0.17 28	0.34 38	0.39 116	0.21 40	0.32 82	0.22 14	0.61 83	0.43 66	0.52 88	0.64 104	0.61 166	0.20 8	0.74 261	0.25 21	0.14 41	0.10 12	0.14 25	0.10 16	0.12 11	0.12 47

GLC_STEREO	0.29 26	0.19 67	0.27 10	0.44 245	0.19 13	0.31 72	0.26 52	0.47 23	0.43 66	0.37 34	0.47 49	0.41 63	0.23 18	0.50 79	0.34 130	0.14 41	0.18 296	0.19 186	0.16 149	0.16 133	0.13 75

FTStereo	0.56 300	0.20 92	0.37 61	0.41 172	0.25 139	0.40 132	0.79 399	0.66 116	0.43 66	1.09 375	3.27 442	0.70 215	0.73 322	0.55 103	0.33 116	0.14 41	0.13 178	0.19 186	0.17 196	0.15 100	0.30 348

AIO-Stereo-zeroshot1	0.48 225	0.21 125	1.26 409	0.39 116	0.51 393	0.28 44	0.30 94	1.25 375	0.44 70	0.68 163	1.11 310	0.86 284	0.33 97	0.67 221	0.27 56	0.15 93	0.11 69	0.17 109	0.20 270	0.22 275	0.24 309

rvit_stereo_0080	0.31 42	0.25 232	0.40 95	0.39 116	0.28 225	0.27 31	0.46 290	0.49 29	0.44 70	0.35 29	0.42 35	0.40 57	0.28 54	0.41 32	0.33 116	0.22 284	0.17 282	0.17 109	0.16 149	0.22 275	0.15 135

MGS-Stereo	0.28 19	0.19 67	0.40 95	0.36 49	0.23 89	0.37 111	0.30 94	0.39 4	0.44 70	0.31 18	0.51 65	0.40 57	0.24 22	0.43 40	0.26 44	0.15 93	0.12 119	0.15 60	0.13 71	0.14 63	0.13 75

whm_eth	0.31 42	0.25 232	0.40 95	0.39 116	0.28 225	0.27 31	0.46 290	0.49 29	0.44 70	0.35 29	0.42 35	0.40 57	0.28 54	0.41 32	0.33 116	0.22 284	0.17 282	0.17 109	0.16 149	0.22 275	0.15 135

LL-Strereo2	0.35 75	0.24 210	0.48 205	0.41 172	0.26 176	0.35 101	0.24 37	0.67 126	0.44 70	0.54 95	0.51 65	0.66 199	0.25 25	0.66 211	0.30 87	0.14 41	0.12 119	0.23 286	0.20 270	0.18 184	0.13 75

CroCo-Stereo	0.26 11	0.22 154	0.36 48	0.48 301	0.22 55	0.20 2	0.29 80	0.51 37	0.44 70	0.28 10	0.23 3	0.42 70	0.26 35	0.29 3	0.26 44	0.15 93	0.13 178	0.13 15	0.11 26	0.16 133	0.12 47
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
Prome-Stereo	0.46 201	0.19 67	0.35 43	0.44 245	0.26 176	0.40 132	0.45 287	0.68 136	0.44 70	0.96 329	1.84 409	0.59 155	0.67 290	0.61 168	0.32 104	0.14 41	0.11 69	0.16 83	0.14 96	0.16 133	0.29 341

model_zeroshot	0.33 58	0.18 45	0.48 205	0.39 116	0.28 225	0.45 167	0.25 44	0.63 95	0.45 77	0.61 115	0.50 58	0.51 110	0.25 25	0.45 50	0.26 44	0.16 134	0.13 178	0.15 60	0.14 96	0.13 28	0.13 75

RAStereo	0.24 3	0.17 28	0.29 14	0.40 145	0.21 40	0.23 7	0.26 52	0.42 10	0.45 77	0.23 3	0.34 25	0.30 10	0.19 5	0.34 10	0.25 21	0.15 93	0.12 119	0.16 83	0.13 71	0.14 63	0.11 15

test_for_model	0.82 365	3.60 469	0.39 87	2.35 457	2.07 457	0.39 128	0.28 72	0.42 10	0.45 77	0.71 183	0.31 17	0.30 10	0.27 42	0.34 10	0.25 21	0.34 385	0.11 69	0.13 15	0.09 8	3.49 468	0.18 211

sCroCo_RVC	0.35 75	0.28 281	0.69 323	0.51 345	0.39 343	0.41 145	0.31 115	0.49 29	0.45 77	0.31 18	0.48 52	0.38 49	0.32 87	0.46 58	0.32 104	0.21 262	0.22 334	0.19 186	0.19 246	0.21 255	0.20 265

WCG-NET	0.29 26	0.15 7	0.36 48	0.36 49	0.23 89	0.43 154	0.23 25	0.48 25	0.46 81	0.40 51	0.47 49	0.46 91	0.28 54	0.55 103	0.25 21	0.15 93	0.11 69	0.13 15	0.12 46	0.13 28	0.12 47

CES	0.28 19	0.14 2	0.23 1	0.30 5	0.70 421	0.37 111	0.27 62	0.48 25	0.46 81	0.34 25	0.48 52	0.27 7	0.22 14	0.39 24	0.23 10	0.13 17	0.11 69	0.12 2	0.08 1	0.13 28	0.17 195

PSM-softLoss	0.38 124	0.20 92	0.48 205	0.41 172	0.26 176	0.30 60	0.35 167	0.69 144	0.46 81	0.62 117	0.82 178	0.59 155	0.33 97	0.70 239	0.39 192	0.19 226	0.12 119	0.20 214	0.18 220	0.16 133	0.22 297

KMStereo	0.38 124	0.20 92	0.48 205	0.41 172	0.26 176	0.30 60	0.35 167	0.69 144	0.46 81	0.62 117	0.82 178	0.59 155	0.33 97	0.70 239	0.39 192	0.19 226	0.12 119	0.20 214	0.18 220	0.16 133	0.22 297

CAS	0.34 61	0.13 1	0.25 7	1.28 440	0.30 264	0.46 171	0.38 221	0.48 25	0.47 85	0.34 25	0.52 73	0.24 3	0.19 5	0.29 3	0.27 56	0.69 430	0.08 1	0.12 2	0.08 1	0.12 11	0.15 135

SST-Stereo	0.40 150	0.19 67	0.45 157	0.42 209	0.25 139	0.25 19	0.21 8	0.66 116	0.47 85	1.08 373	0.79 165	0.72 228	0.43 157	0.77 276	0.35 147	0.16 134	0.11 69	0.20 214	0.16 149	0.19 218	0.15 135

AIO-Stereo-zeroshot	0.42 168	0.20 92	0.74 344	0.38 89	0.43 366	0.39 128	0.26 52	0.94 248	0.49 87	0.53 91	0.77 146	0.93 309	0.45 171	0.63 185	0.24 14	0.16 134	0.10 12	0.17 109	0.18 220	0.20 234	0.20 265

test_sample1	0.42 168	0.22 154	0.46 174	0.34 17	0.23 89	0.58 223	0.35 167	0.99 266	0.49 87	0.62 117	0.75 139	0.69 211	0.61 254	0.58 141	0.44 226	0.18 197	0.14 206	0.17 109	0.15 119	0.17 165	0.17 195

testlalala2	0.36 93	0.18 45	0.45 157	0.89 426	0.53 398	0.44 160	0.26 52	0.61 83	0.49 87	0.68 163	0.56 85	0.44 82	0.24 22	0.34 10	0.31 94	0.15 93	0.12 119	0.14 25	0.10 16	0.13 28	0.13 75

MyStereo8	0.40 150	0.20 92	0.54 256	0.41 172	0.29 251	0.53 195	0.29 80	0.65 107	0.49 87	0.71 183	0.98 259	0.58 140	0.43 157	0.50 79	0.51 267	0.15 93	0.12 119	0.16 83	0.14 96	0.19 218	0.19 243

rvit_stereo_ft	0.33 58	0.25 232	0.47 186	0.52 356	0.32 299	0.33 86	0.47 297	0.49 29	0.50 91	0.34 25	0.41 33	0.41 63	0.32 87	0.48 72	0.34 130	0.22 284	0.14 206	0.19 186	0.18 220	0.19 218	0.14 114

CAS++	0.32 48	0.24 210	0.36 48	0.37 64	0.26 176	0.28 44	0.23 25	0.87 225	0.50 91	0.47 75	0.45 39	0.26 6	0.21 10	0.49 75	0.24 14	0.23 296	0.19 310	0.22 268	0.17 196	0.21 255	0.16 177
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DCRE	0.37 109	0.18 45	0.46 174	0.45 267	0.32 299	0.42 152	0.37 200	0.63 95	0.51 93	0.47 75	0.94 233	0.56 127	0.36 121	0.52 89	0.32 104	0.14 41	0.13 178	0.15 60	0.14 96	0.14 63	0.13 75

RAFT-345	0.40 150	0.18 45	0.40 95	0.38 89	0.22 55	0.33 86	0.26 52	0.61 83	0.51 93	0.74 207	1.79 407	0.45 84	0.33 97	0.66 211	0.36 163	0.14 41	0.11 69	0.18 148	0.14 96	0.13 28	0.13 75

iRaftStereo_RVC	0.32 48	0.19 67	0.37 61	0.39 116	0.22 55	0.31 72	0.29 80	0.68 136	0.51 93	0.49 78	0.66 112	0.37 45	0.23 18	0.45 50	0.33 116	0.14 41	0.10 12	0.18 148	0.17 196	0.15 100	0.12 47

x	0.39 139	0.24 210	0.41 103	0.34 17	0.23 89	0.52 189	0.32 132	0.86 218	0.52 96	0.57 102	0.70 122	0.59 155	0.50 197	0.49 75	0.46 244	0.17 168	0.15 235	0.17 109	0.15 119	0.17 165	0.16 177

sAnonymous2	0.40 150	0.39 349	0.85 365	0.48 301	0.37 330	0.40 132	0.46 290	0.57 59	0.52 96	0.38 38	0.46 44	0.35 37	0.42 151	0.43 40	0.30 87	0.19 226	0.14 206	0.18 148	0.17 196	0.57 419	0.44 403

CroCo_RVC	0.40 150	0.39 349	0.85 365	0.48 301	0.37 330	0.40 132	0.46 290	0.57 59	0.52 96	0.38 38	0.46 44	0.35 37	0.42 151	0.43 40	0.30 87	0.19 226	0.14 206	0.18 148	0.17 196	0.57 419	0.44 403

mmm	0.44 184	0.27 268	0.46 174	0.38 89	0.24 113	0.61 243	0.35 167	0.94 248	0.53 99	0.72 195	1.05 291	0.63 174	0.50 197	0.57 123	0.45 234	0.18 197	0.15 235	0.23 286	0.20 270	0.20 234	0.18 211

CASnet	0.30 39	0.20 92	0.33 28	0.41 172	0.16 3	0.26 21	0.24 37	0.52 44	0.53 99	0.52 88	0.54 77	0.39 50	0.24 22	0.40 27	0.26 44	0.14 41	0.10 12	0.22 268	0.18 220	0.18 184	0.11 15
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LCNet	0.41 161	0.20 92	0.32 24	0.44 245	0.24 113	0.47 173	0.29 80	0.67 126	0.53 99	0.72 195	1.03 281	0.66 199	0.60 249	0.58 141	0.34 130	0.14 41	0.10 12	0.19 186	0.19 246	0.21 255	0.36 376

GMM-Stereo	0.44 184	0.19 67	0.36 48	0.42 209	0.25 139	0.51 186	0.47 297	0.71 164	0.53 99	0.76 216	1.37 367	0.76 252	0.38 127	0.60 162	0.33 116	0.15 93	0.10 12	0.20 214	0.19 246	0.16 133	0.27 328

ACVNet-DCA	0.35 75	0.23 174	0.33 28	0.41 172	0.22 55	0.55 204	0.38 221	0.85 215	0.54 103	0.41 54	0.50 58	0.34 30	0.49 186	0.57 123	0.25 21	0.16 134	0.10 12	0.19 186	0.13 71	0.18 184	0.17 195

1test111	0.36 93	0.23 174	0.33 28	0.41 172	0.22 55	0.55 204	0.38 221	0.85 215	0.54 103	0.41 54	0.50 58	0.34 30	0.49 186	0.55 103	0.45 234	0.16 134	0.10 12	0.19 186	0.13 71	0.18 184	0.17 195

MIM_Stereo	0.38 124	0.17 28	0.53 253	0.37 64	0.24 113	0.27 31	0.24 37	0.70 158	0.54 103	0.72 195	1.00 266	0.63 174	0.29 67	0.64 196	0.38 186	0.13 17	0.14 206	0.17 109	0.16 149	0.14 63	0.11 15

qqq	0.40 150	0.26 251	0.44 145	0.36 49	0.22 55	0.46 171	0.36 187	0.85 215	0.54 103	0.56 100	0.69 119	0.65 194	0.53 206	0.55 103	0.45 234	0.17 168	0.16 264	0.20 214	0.19 246	0.18 184	0.17 195

rvit_stereo_0081	0.32 48	0.24 210	0.47 186	0.43 228	0.26 176	0.30 60	0.37 200	0.42 10	0.55 107	0.36 31	0.40 31	0.39 50	0.35 107	0.43 40	0.33 116	0.22 284	0.16 264	0.19 186	0.16 149	0.19 218	0.13 75

rvit_stereo_0082	0.32 48	0.24 210	0.47 186	0.43 228	0.26 176	0.30 60	0.37 200	0.42 10	0.55 107	0.36 31	0.40 31	0.39 50	0.35 107	0.43 40	0.33 116	0.22 284	0.16 264	0.19 186	0.16 149	0.19 218	0.13 75

AACVNet	0.50 256	0.23 174	0.49 216	0.46 287	0.29 251	0.52 189	0.38 221	0.90 237	0.55 107	0.81 241	1.03 281	1.00 324	0.70 313	0.83 297	0.54 281	0.21 262	0.18 296	0.24 300	0.18 220	0.23 291	0.20 265

NRIStereo	0.36 93	0.20 92	0.45 157	0.41 172	0.23 89	0.34 93	0.26 52	0.65 107	0.55 107	0.64 135	0.63 101	0.56 127	0.37 124	0.65 203	0.37 178	0.15 93	0.11 69	0.18 148	0.15 119	0.17 165	0.14 114

Pruner-Stereo	0.38 124	0.20 92	0.45 157	0.40 145	0.25 139	0.22 5	0.24 37	0.67 126	0.55 107	0.89 294	0.76 142	0.68 207	0.29 67	0.62 175	0.35 147	0.18 197	0.12 119	0.20 214	0.17 196	0.17 165	0.18 211

TANstereo	0.30 39	0.15 7	0.31 19	0.30 5	0.17 4	0.55 204	0.23 25	0.44 17	0.55 107	0.59 105	0.68 118	0.37 45	0.26 35	0.35 13	0.27 56	0.15 93	0.16 264	0.12 2	0.10 16	0.13 28	0.14 114

CRFU-Net	0.57 306	0.27 268	0.57 270	0.46 287	0.30 264	1.20 393	0.52 331	1.10 308	0.56 113	1.00 346	0.98 259	1.06 341	0.79 340	0.81 288	0.71 321	0.21 262	0.19 310	0.18 148	0.16 149	0.18 184	0.19 243

DisPM	0.39 139	0.19 67	0.44 145	0.41 172	0.27 203	0.24 10	0.31 115	0.65 107	0.57 114	0.87 282	0.87 208	0.60 161	0.32 87	0.76 269	0.32 104	0.18 197	0.12 119	0.19 186	0.17 196	0.15 100	0.20 265

RAFT	0.45 194	0.22 154	0.45 157	0.47 296	0.26 176	0.54 199	0.47 297	0.66 116	0.58 115	0.80 231	0.82 178	0.94 311	0.57 230	0.75 265	0.34 130	0.17 168	0.15 235	0.22 268	0.20 270	0.16 133	0.12 47

TRStereo	0.37 109	0.27 268	0.59 275	0.47 296	0.41 355	0.29 52	0.30 94	0.84 212	0.59 116	0.52 88	0.41 33	0.52 113	0.26 35	0.73 254	0.27 56	0.17 168	0.12 119	0.19 186	0.19 246	0.13 28	0.11 15

test-1	0.36 93	0.19 67	0.71 331	0.46 287	0.26 176	0.44 160	0.36 187	0.60 77	0.59 116	0.48 77	0.67 116	0.53 117	0.36 121	0.40 27	0.29 81	0.14 41	0.11 69	0.16 83	0.14 96	0.15 100	0.16 177

CIPLG	0.41 161	0.21 125	0.63 294	0.45 267	0.33 309	0.52 189	0.33 141	0.65 107	0.60 118	0.82 250	0.96 245	0.46 91	0.32 87	0.55 103	0.44 226	0.16 134	0.12 119	0.15 60	0.14 96	0.13 28	0.14 114

ac_64	0.52 272	0.22 154	0.50 229	0.45 267	0.28 225	0.80 317	0.45 287	1.02 280	0.61 119	0.91 306	0.83 184	1.07 346	0.68 296	0.74 261	0.70 317	0.21 262	0.18 296	0.20 214	0.19 246	0.18 184	0.15 135

rvit_stereo_0083	0.34 61	0.24 210	0.50 229	0.44 245	0.27 203	0.34 93	0.35 167	0.45 20	0.62 120	0.37 34	0.47 49	0.42 70	0.35 107	0.40 27	0.36 163	0.22 284	0.20 318	0.20 214	0.17 196	0.20 234	0.14 114

AE-Stereo	0.34 61	0.21 125	0.42 123	0.48 301	0.31 285	0.48 175	0.35 167	0.61 83	0.62 120	0.32 23	0.55 82	0.52 113	0.27 42	0.47 65	0.29 81	0.13 17	0.13 178	0.18 148	0.16 149	0.15 100	0.12 47

StereoVision	0.42 168	0.28 281	0.45 157	0.49 316	0.28 225	0.38 124	0.38 221	0.72 168	0.62 120	0.44 65	1.14 322	0.54 121	0.39 138	0.56 112	0.34 130	0.21 262	0.24 352	0.25 312	0.24 333	0.26 316	0.16 177

CASS	0.45 194	0.27 268	0.42 123	0.48 301	0.22 55	0.61 243	0.34 148	0.97 261	0.62 120	0.71 183	0.85 198	0.61 166	0.55 222	0.57 123	0.41 201	0.29 350	0.16 264	0.22 268	0.18 220	0.22 275	0.28 335
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.49 242	0.20 92	0.42 123	0.38 89	0.23 89	0.91 342	0.35 167	0.75 184	0.62 120	0.85 270	1.54 392	1.06 341	0.66 287	0.51 84	0.43 210	0.16 134	0.13 178	0.19 186	0.21 290	0.16 133	0.14 114

iRaft-Stereo_5w	0.45 194	0.21 125	0.48 205	0.42 209	0.28 225	0.31 72	0.54 339	0.63 95	0.62 120	0.62 117	0.89 219	1.01 327	0.69 300	0.75 265	0.66 307	0.13 17	0.12 119	0.17 109	0.15 119	0.14 63	0.15 135

IPLGR_C	0.40 150	0.21 125	0.64 299	0.45 267	0.33 309	0.52 189	0.34 148	0.66 116	0.62 120	0.82 250	0.92 229	0.45 84	0.32 87	0.52 89	0.46 244	0.17 168	0.12 119	0.15 60	0.14 96	0.13 28	0.14 114

GMOStereo	0.37 109	0.19 67	0.38 70	0.43 228	0.24 113	0.37 111	0.38 221	0.52 44	0.62 120	0.87 282	0.84 189	0.64 181	0.35 107	0.37 18	0.28 68	0.13 17	0.11 69	0.20 214	0.18 220	0.15 100	0.11 15

error version	0.37 109	0.19 67	0.38 70	0.43 228	0.24 113	0.37 111	0.38 221	0.52 44	0.62 120	0.87 282	0.84 189	0.64 181	0.35 107	0.37 18	0.28 68	0.13 17	0.11 69	0.20 214	0.18 220	0.15 100	0.11 15

test-v	0.37 109	0.19 67	0.38 70	0.43 228	0.24 113	0.37 111	0.38 221	0.52 44	0.62 120	0.87 282	0.84 189	0.64 181	0.35 107	0.37 18	0.28 68	0.13 17	0.11 69	0.20 214	0.18 220	0.15 100	0.11 15

test-2	0.37 109	0.19 67	0.38 70	0.43 228	0.24 113	0.37 111	0.38 221	0.52 44	0.62 120	0.87 282	0.84 189	0.64 181	0.35 107	0.37 18	0.28 68	0.13 17	0.11 69	0.20 214	0.18 220	0.15 100	0.11 15

Selective-RAFT	0.35 75	0.23 174	0.51 241	0.44 245	0.21 40	0.64 266	0.27 62	0.59 67	0.63 131	0.40 51	0.38 30	0.55 124	0.40 143	0.57 123	0.35 147	0.13 17	0.11 69	0.14 25	0.12 46	0.16 133	0.13 75

IPLG	0.39 139	0.20 92	0.59 275	0.40 145	0.24 113	0.54 199	0.27 62	0.75 184	0.63 131	0.84 269	0.81 175	0.32 18	0.32 87	0.60 162	0.45 234	0.13 17	0.11 69	0.16 83	0.13 71	0.13 28	0.12 47

ACRE	0.40 150	0.21 125	0.65 305	0.45 267	0.33 309	0.51 186	0.33 141	0.66 116	0.63 131	0.80 231	0.92 229	0.45 84	0.32 87	0.52 89	0.45 234	0.16 134	0.12 119	0.15 60	0.14 96	0.13 28	0.14 114

GrayStereo	0.49 242	0.19 67	0.42 123	0.46 287	0.28 225	0.53 195	0.67 370	0.69 144	0.63 131	1.02 353	1.47 387	0.78 259	0.76 329	0.56 112	0.33 116	0.14 41	0.12 119	0.17 109	0.17 196	0.15 100	0.29 341

raftrobust	0.34 61	0.19 67	0.36 48	0.41 172	0.27 203	0.30 60	0.25 44	0.71 164	0.63 131	0.58 103	0.55 82	0.45 84	0.46 175	0.51 84	0.29 81	0.16 134	0.12 119	0.14 25	0.12 46	0.12 11	0.13 75

HCRNet	0.44 184	0.34 319	0.41 103	0.53 362	0.26 176	0.53 195	0.29 80	0.83 209	0.63 131	0.71 183	0.81 175	0.77 258	0.50 197	0.66 211	0.36 163	0.24 307	0.16 264	0.24 300	0.20 270	0.21 255	0.18 211

PMTNet	0.32 48	0.16 16	0.24 4	0.29 3	0.18 8	0.45 167	0.22 14	0.56 56	0.63 131	0.46 72	0.54 77	0.39 50	0.34 104	0.48 72	0.24 14	0.75 432	0.10 12	0.12 2	0.08 1	0.12 11	0.11 15

EKT-Stereo	0.35 75	0.23 174	0.39 87	0.43 228	0.29 251	0.38 124	0.31 115	0.69 144	0.64 138	0.45 67	0.63 101	0.49 104	0.27 42	0.56 112	0.33 116	0.18 197	0.14 206	0.18 148	0.15 119	0.16 133	0.16 177

knoymous	0.36 93	0.20 92	0.31 19	0.31 7	0.22 55	0.36 109	0.29 80	0.61 83	0.64 138	0.67 157	0.70 122	0.60 161	0.40 143	0.58 141	0.34 130	0.17 168	0.11 69	0.20 214	0.11 26	0.17 165	0.18 211

RALCasStereoNet	0.36 93	0.21 125	0.37 61	0.42 209	0.26 176	0.35 101	0.38 221	0.63 95	0.64 138	0.50 81	0.72 124	0.51 110	0.29 67	0.59 156	0.36 163	0.16 134	0.14 206	0.15 60	0.13 71	0.17 165	0.16 177

RALAANet	0.38 124	0.23 174	0.48 205	0.42 209	0.29 251	0.35 101	0.25 44	0.86 218	0.64 138	0.67 157	0.65 107	0.60 161	0.29 67	0.60 162	0.34 130	0.15 93	0.12 119	0.17 109	0.15 119	0.21 255	0.13 75

HITNet	0.41 161	0.26 251	0.45 157	0.33 14	0.17 4	0.63 259	0.30 94	0.93 244	0.64 138	0.71 183	0.82 178	0.64 181	0.52 203	0.59 156	0.43 210	0.14 41	0.10 12	0.15 60	0.13 71	0.19 218	0.12 47
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
anonymousdsp2	0.35 75	0.20 92	0.43 133	0.37 64	0.24 113	0.48 175	0.31 115	0.86 218	0.65 143	0.55 97	0.50 58	0.50 106	0.34 104	0.56 112	0.31 94	0.14 41	0.10 12	0.14 25	0.10 16	0.16 133	0.14 114

Anonymous3	0.46 201	0.34 319	0.86 370	0.50 330	0.37 330	0.81 322	0.50 314	0.72 168	0.65 143	0.51 83	0.65 107	0.45 84	0.45 171	0.64 196	0.38 186	0.24 307	0.24 352	0.22 268	0.21 290	0.23 291	0.23 303

TestStereo	0.38 124	0.31 303	0.40 95	0.45 267	0.20 28	0.40 132	0.37 200	0.66 116	0.65 143	0.53 91	0.78 156	0.47 95	0.40 143	0.55 103	0.37 178	0.18 197	0.13 178	0.20 214	0.15 119	0.22 275	0.13 75

IER	0.46 201	0.23 174	0.50 229	0.38 89	0.28 225	0.69 284	0.35 167	0.80 203	0.66 146	0.83 262	0.94 233	0.75 246	0.77 333	0.60 162	0.42 205	0.17 168	0.14 206	0.17 109	0.17 196	0.17 165	0.15 135

AFF-stereo	0.38 124	0.19 67	0.39 87	0.37 64	0.21 40	0.27 31	0.31 115	0.65 107	0.66 146	0.64 135	1.13 319	0.76 252	0.39 138	0.55 103	0.33 116	0.11 1	0.09 3	0.16 83	0.16 149	0.13 28	0.11 15

rvit_0105_6	0.38 124	0.28 281	0.64 299	0.50 330	0.30 264	0.39 128	0.38 221	0.51 37	0.67 148	0.40 51	0.45 39	0.50 106	0.41 149	0.54 99	0.36 163	0.27 335	0.26 367	0.24 300	0.21 290	0.22 275	0.16 177

rvit_stereo_0075_2	0.47 214	0.37 335	0.70 327	0.53 362	0.46 384	0.43 154	0.36 187	0.81 206	0.67 148	0.55 97	0.74 137	0.59 155	0.43 157	0.63 185	0.43 210	0.32 371	0.23 344	0.35 379	0.25 342	0.30 341	0.25 316

test_sample2	0.42 168	0.22 154	0.43 133	0.33 14	0.21 40	0.58 223	0.39 243	0.95 255	0.67 148	0.63 125	0.77 146	0.69 211	0.57 230	0.61 168	0.38 186	0.19 226	0.14 206	0.18 148	0.16 149	0.19 218	0.18 211

RAFT_R40	0.40 150	0.19 67	0.44 145	0.43 228	0.25 139	0.23 7	0.26 52	0.67 126	0.67 148	0.98 338	0.78 156	0.72 228	0.43 157	0.76 269	0.35 147	0.16 134	0.11 69	0.20 214	0.16 149	0.18 184	0.14 114

AAGNet	1.43 426	0.20 92	0.48 205	0.44 245	0.25 139	0.29 52	0.31 115	0.65 107	0.68 152	0.97 333	0.86 201	0.67 206	0.62 260	0.64 196	20.63 473	0.16 134	0.11 69	0.19 186	0.15 119	0.19 218	0.12 47

ASMatch	0.48 225	0.19 67	0.45 157	0.39 116	0.28 225	0.37 111	0.26 52	0.74 178	0.68 152	0.76 216	2.34 422	0.61 166	0.52 203	0.62 175	0.37 178	0.14 41	0.12 119	0.17 109	0.15 119	0.14 63	0.21 283

GES	0.44 184	0.23 174	0.57 270	0.40 145	0.30 264	0.59 235	0.36 187	0.96 258	0.68 152	0.74 207	0.83 184	0.47 95	0.48 183	0.67 221	0.43 210	0.22 284	0.16 264	0.17 109	0.16 149	0.18 184	0.23 303

DMCA-RVC	0.51 263	0.30 299	0.59 275	0.50 330	0.32 299	0.54 199	0.38 221	0.86 218	0.68 152	0.94 321	0.86 201	0.91 305	0.68 296	0.70 239	0.59 293	0.23 296	0.18 296	0.31 365	0.23 319	0.26 316	0.19 243

DMCA	0.45 194	0.26 251	0.50 229	0.38 89	0.28 225	0.51 186	0.34 148	0.93 244	0.68 152	0.75 209	0.83 184	0.79 261	0.53 206	0.51 84	0.54 281	0.21 262	0.16 264	0.21 255	0.16 149	0.19 218	0.21 283

MIPNet	0.37 109	0.21 125	0.59 275	0.39 116	0.25 139	0.50 182	0.28 72	0.77 192	0.70 157	0.65 143	0.60 95	0.40 57	0.49 186	0.44 49	0.37 178	0.14 41	0.11 69	0.16 83	0.13 71	0.14 63	0.13 75

PFNet+	0.40 150	0.19 67	0.49 216	0.39 116	0.25 139	0.28 44	0.23 25	0.64 106	0.70 157	0.85 270	0.79 165	0.64 181	0.35 107	0.72 249	0.34 130	0.19 226	0.14 206	0.23 286	0.20 270	0.16 133	0.20 265

NF-Stereo	0.38 124	0.20 92	0.45 157	0.41 172	0.25 139	0.26 21	0.31 115	0.69 144	0.70 157	0.65 143	0.77 146	0.57 132	0.30 78	0.67 221	0.35 147	0.18 197	0.12 119	0.20 214	0.16 149	0.16 133	0.27 328

OCTAStereo	0.38 124	0.20 92	0.46 174	0.41 172	0.25 139	0.26 21	0.31 115	0.69 144	0.70 157	0.65 143	0.77 146	0.58 140	0.30 78	0.67 221	0.35 147	0.18 197	0.12 119	0.20 214	0.16 149	0.16 133	0.27 328

PSM-AAD	0.48 225	0.20 92	0.37 61	0.43 228	0.23 89	0.56 217	0.50 314	0.65 107	0.70 157	1.07 370	1.12 313	0.58 140	0.92 370	0.61 168	0.32 104	0.15 93	0.11 69	0.25 312	0.26 353	0.18 184	0.43 402

RE-Stereo	0.38 124	0.20 92	0.46 174	0.41 172	0.25 139	0.26 21	0.31 115	0.69 144	0.70 157	0.65 143	0.77 146	0.58 140	0.30 78	0.67 221	0.35 147	0.18 197	0.12 119	0.20 214	0.16 149	0.16 133	0.27 328

TVStereo	0.38 124	0.20 92	0.46 174	0.41 172	0.25 139	0.26 21	0.31 115	0.69 144	0.70 157	0.65 143	0.77 146	0.58 140	0.30 78	0.67 221	0.35 147	0.18 197	0.12 119	0.20 214	0.16 149	0.16 133	0.27 328

RAFT-RH_RVC	0.56 300	0.17 28	0.41 103	0.37 64	0.23 89	0.57 221	0.24 37	0.60 77	0.70 157	1.19 386	3.94 453	0.56 127	0.38 127	0.65 203	0.36 163	0.13 17	0.11 69	0.20 214	0.14 96	0.12 11	0.13 75

ICVP	0.46 201	0.25 232	0.38 70	0.48 301	0.28 225	0.58 223	0.43 276	1.00 270	0.70 157	0.67 157	0.95 241	0.75 246	0.55 222	0.53 96	0.54 281	0.23 296	0.17 282	0.19 186	0.17 196	0.19 218	0.20 265
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
FENet	0.42 168	0.22 154	0.38 70	0.39 116	0.24 113	0.55 204	0.32 132	0.79 200	0.70 157	0.71 183	0.72 124	0.63 174	0.57 230	0.62 175	0.44 226	0.19 226	0.13 178	0.19 186	0.17 196	0.18 184	0.19 243

DeepPruner_ROB	0.53 277	0.34 319	0.59 275	0.41 172	0.30 264	0.50 182	0.43 276	1.19 347	0.70 157	0.85 270	1.05 291	0.86 284	0.55 222	0.84 302	0.51 267	0.29 350	0.23 344	0.22 268	0.22 306	0.26 316	0.25 316

trnet	0.27 14	0.14 2	0.23 1	0.28 2	0.15 1	0.37 111	0.23 25	0.52 44	0.72 168	0.42 59	0.51 65	0.34 30	0.26 35	0.39 24	0.25 21	0.15 93	0.11 69	0.12 2	0.08 1	0.11 1	0.10 3

H2IRNET	0.37 109	0.20 92	0.33 28	0.38 89	0.25 139	0.27 31	0.23 25	0.59 67	0.72 168	0.39 46	0.90 222	0.74 244	0.55 222	0.52 89	0.43 210	0.15 93	0.13 178	0.18 148	0.20 270	0.16 133	0.13 75

4D-IteraStereo	0.33 58	0.18 45	0.40 95	0.40 145	0.24 113	0.32 82	0.27 62	0.58 65	0.72 168	0.65 143	0.54 77	0.42 70	0.23 18	0.45 50	0.28 68	0.14 41	0.09 3	0.19 186	0.16 149	0.16 133	0.11 15

LoS	0.29 26	0.15 7	0.30 17	0.29 3	0.18 8	0.33 86	0.29 80	0.51 37	0.72 168	0.34 25	0.52 73	0.41 63	0.28 54	0.47 65	0.28 68	0.15 93	0.11 69	0.13 15	0.09 8	0.11 1	0.11 15
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CSP-Net	0.56 300	0.27 268	0.49 216	0.41 172	0.28 225	1.22 394	0.50 314	1.23 365	0.72 168	0.95 328	0.95 241	0.89 299	0.62 260	0.83 297	0.62 299	0.26 327	0.17 282	0.17 109	0.17 196	0.18 184	0.17 195

CREStereo	0.28 19	0.15 7	0.24 4	0.27 1	0.17 4	0.37 111	0.25 44	0.51 37	0.72 168	0.42 59	0.51 65	0.32 18	0.26 35	0.38 22	0.25 21	0.16 134	0.11 69	0.12 2	0.08 1	0.12 11	0.11 15
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
BEATNet_4x	0.46 201	0.32 306	0.56 267	0.37 64	0.19 13	0.63 259	0.35 167	1.01 277	0.72 168	0.77 222	0.83 184	0.70 215	0.59 245	0.68 231	0.53 277	0.16 134	0.12 119	0.16 83	0.14 96	0.24 304	0.16 177

rvit_0105_4	0.41 161	0.29 291	0.71 331	0.50 330	0.29 251	0.41 145	0.41 265	0.55 54	0.73 175	0.45 67	0.48 52	0.55 124	0.44 166	0.57 123	0.36 163	0.28 343	0.26 367	0.25 312	0.22 306	0.23 291	0.18 211

Any-RAFT	0.35 75	0.16 16	0.30 17	0.34 17	0.21 40	0.52 189	0.22 14	0.88 230	0.73 175	0.53 91	0.73 128	0.64 181	0.28 54	0.46 58	0.24 14	0.15 93	0.10 12	0.13 15	0.10 16	0.13 28	0.12 47

RAFT_CTSACE	0.45 194	0.20 92	0.44 145	0.45 267	0.27 203	0.34 93	0.39 243	0.60 77	0.73 175	0.76 216	1.44 381	0.83 273	0.38 127	1.08 367	0.26 44	0.12 4	0.13 178	0.18 148	0.16 149	0.15 100	0.11 15

STrans-v2	0.46 201	0.20 92	0.48 205	0.40 145	0.24 113	0.55 204	0.50 314	1.07 299	0.73 175	0.65 143	1.05 291	0.72 228	0.69 300	0.72 249	0.33 116	0.14 41	0.10 12	0.17 109	0.14 96	0.13 28	0.12 47

XX-TBD	0.32 48	0.53 392	0.26 8	0.51 345	0.20 28	0.37 111	0.24 37	0.40 6	0.73 175	0.54 95	0.69 119	0.31 16	0.25 25	0.32 7	0.27 56	0.16 134	0.10 12	0.12 2	0.09 8	0.13 28	0.11 15

RAFT-Stereo + iAFF	0.36 93	0.17 28	0.41 103	0.35 38	0.19 13	0.33 86	0.29 80	0.65 107	0.73 175	0.68 163	1.01 269	0.56 127	0.40 143	0.42 36	0.30 87	0.11 1	0.09 3	0.15 60	0.14 96	0.13 28	0.10 3

rvit_0105_5	0.42 168	0.31 303	0.73 339	0.50 330	0.29 251	0.44 160	0.42 274	0.61 83	0.74 181	0.51 83	0.51 65	0.60 161	0.47 178	0.57 123	0.38 186	0.27 335	0.25 360	0.25 312	0.23 319	0.22 275	0.18 211

IPLGR	0.39 139	0.21 125	0.63 294	0.39 116	0.22 55	0.49 179	0.29 80	0.76 189	0.74 181	0.78 226	0.77 146	0.44 82	0.42 151	0.47 65	0.38 186	0.13 17	0.12 119	0.16 83	0.14 96	0.15 100	0.13 75

DEmStereo	0.48 225	0.17 28	0.50 229	0.38 89	0.25 139	0.59 235	0.34 148	0.63 95	0.74 181	0.89 294	1.66 399	0.58 140	1.06 390	0.60 162	0.42 205	0.14 41	0.11 69	0.16 83	0.16 149	0.14 63	0.15 135

test_sample8	1.25 417	0.36 329	0.72 336	0.38 89	0.30 264	0.71 293	0.43 276	1.13 319	0.75 184	1.50 406	0.95 241	3.29 445	1.59 425	1.20 381	1.36 410	0.41 404	8.41 471	0.40 395	0.41 408	0.36 370	0.33 362

HHNet	0.41 161	0.17 28	0.41 103	0.34 17	0.37 330	0.33 86	0.34 148	0.69 144	0.75 184	0.86 275	1.30 357	0.52 113	0.32 87	0.52 89	0.35 147	0.15 93	0.11 69	0.19 186	0.15 119	0.15 100	0.24 309

UNet	0.54 287	0.26 251	0.66 311	0.44 245	0.40 348	0.99 359	0.41 265	0.98 264	0.75 184	0.83 262	0.89 219	1.04 336	0.72 321	0.73 254	0.62 299	0.19 226	0.14 206	0.20 214	0.17 196	0.20 234	0.17 195

UPFNet	0.53 277	0.24 210	0.51 241	0.45 267	0.38 339	0.84 335	0.49 311	0.99 266	0.75 184	0.87 282	0.88 215	0.86 284	0.64 276	0.80 285	0.71 321	0.20 249	0.20 318	0.20 214	0.20 270	0.19 218	0.15 135

Gwc-CoAtRS	0.34 61	0.17 28	0.44 145	0.39 116	0.23 89	0.34 93	0.22 14	0.70 158	0.75 184	0.60 109	0.59 93	0.58 140	0.29 67	0.45 50	0.26 44	0.14 41	0.11 69	0.14 25	0.12 46	0.12 11	0.12 47

HSM	0.51 263	0.24 210	0.41 103	0.39 116	0.24 113	0.75 304	0.40 252	1.22 361	0.75 184	0.81 241	0.91 225	1.21 364	0.69 300	0.87 312	0.46 244	0.17 168	0.13 178	0.17 109	0.14 96	0.17 165	0.17 195

DN-CSS_ROB	0.43 178	0.26 251	0.62 285	0.40 145	0.29 251	0.44 160	0.27 62	0.77 192	0.75 184	0.72 195	1.09 307	0.48 99	0.43 157	0.69 236	0.37 178	0.15 93	0.12 119	0.21 255	0.19 246	0.18 184	0.16 177

GMStereo_Zeroshot	0.49 242	0.44 365	0.74 344	0.49 316	0.27 203	0.56 217	0.29 80	0.73 176	0.76 191	0.86 275	0.94 233	0.91 305	0.36 121	0.74 261	0.43 210	0.26 327	0.14 206	0.26 328	0.15 119	0.36 370	0.18 211

BUS	0.45 194	0.25 232	0.43 133	0.45 267	0.28 225	0.70 288	0.34 148	0.94 248	0.76 191	0.75 209	0.80 168	0.65 194	0.49 186	0.64 196	0.51 267	0.20 249	0.14 206	0.22 268	0.19 246	0.18 184	0.18 211

BSDual-CNN	0.46 201	0.25 232	0.43 133	0.45 267	0.28 225	0.77 307	0.40 252	0.94 248	0.76 191	0.75 209	0.80 168	0.76 252	0.54 217	0.64 196	0.43 210	0.20 249	0.14 206	0.22 268	0.19 246	0.18 184	0.18 211

psmg	0.49 242	0.25 232	0.43 133	0.41 172	0.28 225	0.85 336	0.43 276	0.99 266	0.76 191	0.91 306	0.94 233	0.76 252	0.54 217	0.64 196	0.43 210	0.20 249	0.15 235	0.20 214	0.20 270	0.18 184	0.18 211

TransformOpticalFlow	0.44 184	0.20 92	0.47 186	0.41 172	0.23 89	0.37 111	0.47 297	0.94 248	0.76 191	0.65 143	1.14 322	0.73 238	0.56 229	0.76 269	0.32 104	0.15 93	0.10 12	0.17 109	0.15 119	0.14 63	0.13 75

IIG-Stereo	0.43 178	0.21 125	0.44 145	0.50 330	0.25 139	0.44 160	0.21 8	0.71 164	0.76 191	0.83 262	0.95 241	0.83 273	0.43 157	0.90 322	0.35 147	0.15 93	0.12 119	0.19 186	0.14 96	0.15 100	0.11 15

LMCR-Stereo	0.53 277	0.30 299	0.53 253	0.58 381	0.30 264	0.83 332	0.36 187	1.19 347	0.76 191	0.88 290	1.04 287	0.56 127	0.62 260	0.82 290	0.67 310	0.19 226	0.15 235	0.19 186	0.14 96	0.23 291	0.17 195

DispNO	0.47 214	0.23 174	0.71 331	0.39 116	0.31 285	0.60 241	0.38 221	0.89 232	0.77 198	0.75 209	0.84 189	0.72 228	0.54 217	0.73 254	0.46 244	0.19 226	0.14 206	0.20 214	0.18 220	0.16 133	0.17 195

ToySt	0.49 242	0.27 268	0.75 348	0.40 145	0.27 203	0.64 266	0.49 311	0.84 212	0.77 198	0.60 109	0.83 184	0.88 295	0.66 287	0.70 239	0.56 288	0.16 134	0.17 282	0.21 255	0.20 270	0.21 255	0.19 243

Anonymous_2	0.82 365	0.44 365	0.63 294	0.40 145	0.43 366	0.80 317	0.52 331	0.72 168	0.77 198	0.71 183	0.60 95	0.87 290	0.76 329	0.75 265	0.58 289	0.52 420	0.54 433	0.54 421	4.82 471	0.56 417	0.40 392

SACVNet	0.58 313	0.34 319	0.55 261	0.55 372	0.36 325	0.63 259	0.48 305	1.13 319	0.77 198	1.02 353	1.06 297	1.02 332	0.74 324	0.90 322	0.51 267	0.27 335	0.21 328	0.25 312	0.24 333	0.29 332	0.36 376

IRAFT_RVC	0.42 168	0.20 92	0.48 205	0.44 245	0.24 113	0.27 31	0.54 339	0.74 178	0.77 198	0.76 216	0.80 168	0.73 238	0.51 201	0.70 239	0.36 163	0.17 168	0.10 12	0.21 255	0.16 149	0.16 133	0.14 114

SFCPSM	0.47 214	0.21 125	0.55 261	0.40 145	0.27 203	0.87 340	0.37 200	1.33 390	0.77 198	0.80 231	0.84 189	0.54 121	0.49 186	0.57 123	0.37 178	0.18 197	0.13 178	0.18 148	0.20 270	0.16 133	0.15 135

PSMNet-RSSM	0.48 225	0.22 154	0.38 70	0.42 209	0.25 139	0.50 182	0.37 200	1.10 308	0.77 198	0.70 177	1.06 297	0.84 277	0.64 276	0.62 175	0.47 251	0.23 296	0.15 235	0.23 286	0.25 342	0.20 234	0.19 243

WCG-NET（raft）	0.31 42	0.15 7	0.36 48	0.32 10	0.19 13	0.35 101	0.27 62	0.51 37	0.78 205	0.45 67	0.55 82	0.48 99	0.27 42	0.54 99	0.26 44	0.13 17	0.10 12	0.12 2	0.11 26	0.12 11	0.11 15

GCST	0.83 372	1.22 438	0.74 344	1.58 443	1.01 436	1.06 372	0.23 25	0.78 197	0.78 205	0.97 333	0.65 107	0.78 259	0.35 107	0.92 332	0.34 130	0.96 438	0.65 438	1.20 438	0.81 441	0.91 430	0.70 428

test-3	0.34 61	0.16 16	0.43 133	0.39 116	0.21 40	0.43 154	0.22 14	0.63 95	0.78 205	0.71 183	0.45 39	0.64 181	0.27 42	0.43 40	0.31 94	0.12 4	0.09 3	0.17 109	0.13 71	0.12 11	0.10 3

test_1	0.34 61	0.16 16	0.43 133	0.39 116	0.21 40	0.43 154	0.23 25	0.63 95	0.78 205	0.68 163	0.45 39	0.64 181	0.27 42	0.43 40	0.31 94	0.12 4	0.09 3	0.17 109	0.13 71	0.12 11	0.10 3

OMP-Stereo	0.42 168	0.22 154	0.46 174	0.52 356	0.24 113	0.36 109	0.25 44	0.71 164	0.78 205	0.77 222	0.64 104	0.89 299	0.39 138	0.91 329	0.35 147	0.15 93	0.12 119	0.20 214	0.15 119	0.15 100	0.12 47

PFNet	0.42 168	0.18 45	0.58 274	0.43 228	0.24 113	0.43 154	0.32 132	0.74 178	0.78 205	1.00 346	0.74 137	0.68 207	0.39 138	0.72 249	0.37 178	0.16 134	0.10 12	0.20 214	0.15 119	0.16 133	0.13 75

HGLStereo	0.56 300	0.28 281	0.57 270	0.50 330	0.37 330	0.80 317	0.45 287	1.02 280	0.78 205	0.86 275	1.14 322	0.89 299	0.82 348	0.76 269	0.73 324	0.21 262	0.20 318	0.19 186	0.18 220	0.19 218	0.21 283

GANet-RSSM	0.47 214	0.21 125	0.37 61	0.38 89	0.25 139	0.58 223	0.36 187	1.07 299	0.78 205	0.68 163	1.01 269	0.86 284	0.67 290	0.62 175	0.44 226	0.21 262	0.15 235	0.18 148	0.18 220	0.18 184	0.17 195

rvit_0105_3	0.47 214	0.34 319	0.77 358	0.54 368	0.31 285	0.49 179	0.47 297	0.63 95	0.79 213	0.65 143	0.59 93	0.64 181	0.50 197	0.65 203	0.39 192	0.29 350	0.27 373	0.29 356	0.28 364	0.21 255	0.20 265

MaskLacGwcNet_RVC	0.67 333	0.81 418	0.73 339	0.53 362	0.37 330	1.40 405	0.53 335	1.04 287	0.79 213	0.88 290	0.94 233	0.95 313	0.53 206	0.93 338	0.58 289	0.39 399	0.30 385	0.57 423	0.31 378	0.53 413	0.30 348

RAFT-Stereo-weight	0.32 48	0.18 45	0.33 28	0.39 116	0.22 55	0.26 21	0.29 80	0.67 126	0.80 215	0.53 91	0.51 65	0.58 140	0.20 8	0.47 65	0.27 56	0.13 17	0.10 12	0.14 25	0.11 26	0.13 28	0.11 15

CoDeX	0.47 214	0.20 92	0.49 216	0.42 209	0.25 139	0.75 304	0.36 187	1.27 379	0.80 215	0.82 250	0.96 245	0.62 172	0.57 230	0.60 162	0.36 163	0.17 168	0.12 119	0.17 109	0.15 119	0.16 133	0.14 114

riskmin	0.38 124	0.20 92	0.39 87	0.32 10	0.23 89	0.53 195	0.30 94	0.63 95	0.80 215	0.49 78	0.56 85	0.73 238	0.58 239	0.55 103	0.36 163	0.17 168	0.11 69	0.19 186	0.13 71	0.19 218	0.20 265

RAFT+CT+SA	0.39 139	0.23 174	0.36 48	0.51 345	0.27 203	0.29 52	0.46 290	0.75 184	0.80 215	0.51 83	0.89 219	0.41 63	0.40 143	0.78 280	0.32 104	0.14 41	0.11 69	0.18 148	0.18 220	0.15 100	0.14 114

PSMNet-ADL	0.48 225	0.27 268	0.40 95	0.48 301	0.30 264	0.68 282	0.37 200	0.90 237	0.80 215	0.61 115	0.80 168	0.92 307	0.62 260	0.72 249	0.63 302	0.23 296	0.18 296	0.18 148	0.20 270	0.22 275	0.20 265

ACVNet	0.46 201	0.23 174	0.36 48	0.39 116	0.28 225	0.58 223	0.40 252	0.87 225	0.80 215	0.64 135	0.96 245	0.79 261	0.60 249	0.63 185	0.67 310	0.17 168	0.15 235	0.16 83	0.15 119	0.18 184	0.15 135

acv_ft	0.51 263	0.23 174	0.56 267	0.44 245	0.28 225	0.86 339	0.39 243	0.91 241	0.80 215	0.97 333	0.96 245	0.79 261	0.59 245	0.63 185	0.87 352	0.17 168	0.15 235	0.16 83	0.15 119	0.17 165	0.15 135

test_sample5	0.47 214	0.26 251	0.49 216	0.36 49	0.22 55	0.64 266	0.39 243	1.13 319	0.81 222	0.77 222	0.94 233	0.64 181	0.54 217	0.65 203	0.43 210	0.21 262	0.16 264	0.22 268	0.20 270	0.22 275	0.20 265

test_sample4	0.47 214	0.26 251	0.50 229	0.35 38	0.22 55	0.69 284	0.38 221	1.15 331	0.81 222	0.78 226	0.82 178	0.62 172	0.53 206	0.63 185	0.44 226	0.21 262	0.15 235	0.21 255	0.19 246	0.21 255	0.19 243

test_sample3	0.46 201	0.25 232	0.50 229	0.35 38	0.23 89	0.69 284	0.37 200	1.15 331	0.81 222	0.75 209	0.79 165	0.66 199	0.49 186	0.63 185	0.46 244	0.21 262	0.15 235	0.20 214	0.19 246	0.21 255	0.19 243

DualNet	0.48 225	0.26 251	0.49 216	0.36 49	0.22 55	0.64 266	0.39 243	1.13 319	0.81 222	0.80 231	1.03 281	0.64 181	0.54 217	0.65 203	0.43 210	0.21 262	0.16 264	0.22 268	0.20 270	0.22 275	0.20 265

ARAFT	0.47 214	0.24 210	0.79 360	0.42 209	0.25 139	0.55 204	0.55 343	0.75 184	0.81 222	0.89 294	0.75 139	0.73 238	0.47 178	0.88 315	0.37 178	0.15 93	0.12 119	0.23 286	0.22 306	0.14 63	0.13 75

CBFPSM	0.59 320	0.22 154	1.31 413	0.38 89	0.27 203	1.12 382	0.65 367	0.79 200	0.82 227	0.80 231	0.81 175	1.35 389	0.87 360	0.67 221	0.76 329	0.16 134	0.15 235	0.15 60	0.16 149	0.17 165	0.22 297

test_5	0.43 178	0.24 210	0.43 133	0.52 356	0.28 225	0.28 44	0.42 274	0.72 168	0.82 227	0.62 117	0.91 225	0.72 228	0.55 222	0.79 284	0.35 147	0.14 41	0.11 69	0.18 148	0.18 220	0.18 184	0.16 177

test_3	0.36 93	0.19 67	0.44 145	0.44 245	0.23 89	0.48 175	0.36 187	0.66 116	0.82 227	0.64 135	0.45 39	0.68 207	0.25 25	0.41 32	0.31 94	0.12 4	0.10 12	0.18 148	0.16 149	0.15 100	0.11 15

psm_up	0.55 289	0.26 251	0.47 186	0.49 316	0.32 299	0.65 273	0.56 348	1.04 287	0.82 227	0.82 250	0.88 215	1.01 327	0.94 376	0.74 261	0.61 297	0.21 262	0.25 360	0.26 328	0.23 319	0.21 255	0.20 265

DSFCA	0.55 289	0.25 232	0.62 285	0.40 145	0.36 325	0.74 301	0.52 331	1.04 287	0.82 227	1.06 367	0.84 189	0.89 299	0.63 266	0.99 348	0.58 289	0.25 317	0.21 328	0.21 255	0.21 290	0.21 255	0.19 243

test_sample6	0.49 242	0.26 251	0.50 229	0.37 64	0.22 55	0.63 259	0.40 252	1.12 317	0.83 232	0.80 231	1.03 281	0.66 199	0.55 222	0.67 221	0.46 244	0.22 284	0.16 264	0.22 268	0.22 306	0.23 291	0.21 283

SQANet	0.82 365	0.74 413	0.67 314	1.13 435	0.98 433	1.11 379	0.47 297	1.07 299	0.83 232	0.91 306	1.05 291	1.03 334	0.74 324	1.01 352	0.64 304	0.61 427	0.24 352	1.03 436	0.35 391	1.18 439	0.58 425

hknet	0.49 242	0.25 232	0.51 241	0.45 267	0.29 251	0.77 307	0.40 252	0.94 248	0.83 232	0.75 209	0.80 168	0.97 317	0.61 254	0.73 254	0.45 234	0.18 197	0.14 206	0.22 268	0.19 246	0.18 184	0.18 211

s12784h	0.36 93	0.15 7	0.24 4	0.34 17	0.15 1	0.77 307	0.29 80	0.80 203	0.83 232	0.56 100	0.57 88	0.43 77	0.40 143	0.57 123	0.33 116	0.12 4	0.10 12	0.14 25	0.09 8	0.14 63	0.09 1

iinet-f	0.67 333	0.26 251	2.15 440	0.39 116	0.31 285	1.19 392	0.56 348	0.84 212	0.84 236	0.80 231	1.17 334	1.05 340	0.84 354	0.71 244	1.21 402	0.20 249	0.18 296	0.17 109	0.15 119	0.20 234	0.20 265

gwcnet-sp	0.48 225	0.23 174	0.70 327	0.40 145	0.26 176	0.81 322	0.41 265	0.89 232	0.84 236	0.91 306	0.76 142	0.66 199	0.61 254	0.66 211	0.50 257	0.18 197	0.17 282	0.18 148	0.18 220	0.18 184	0.18 211

scenet	0.48 225	0.23 174	0.70 327	0.40 145	0.26 176	0.81 322	0.41 265	0.89 232	0.84 236	0.91 306	0.76 142	0.66 199	0.61 254	0.66 211	0.50 257	0.18 197	0.17 282	0.18 148	0.18 220	0.18 184	0.18 211

ssnet	0.48 225	0.23 174	0.70 327	0.40 145	0.26 176	0.81 322	0.41 265	0.89 232	0.84 236	0.91 306	0.76 142	0.66 199	0.61 254	0.66 211	0.50 257	0.18 197	0.17 282	0.18 148	0.18 220	0.18 184	0.18 211

CFNet-RSSM	0.34 61	0.17 28	0.45 157	0.39 116	0.22 55	0.35 101	0.23 25	0.73 176	0.84 236	0.65 143	0.54 77	0.57 132	0.28 54	0.46 58	0.26 44	0.13 17	0.10 12	0.14 25	0.12 46	0.13 28	0.11 15

DANet	0.71 344	0.45 369	0.91 374	0.59 385	0.40 348	0.81 322	0.40 252	0.97 261	0.84 236	1.20 389	1.22 342	1.33 383	0.88 363	1.16 376	1.24 403	0.27 335	0.23 344	0.31 365	0.25 342	0.35 366	0.32 358
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
UCFNet_RVC	0.49 242	0.26 251	0.35 43	0.39 116	0.26 176	0.64 266	0.36 187	1.15 331	0.84 236	0.67 157	0.88 215	0.88 295	0.59 245	0.58 141	0.45 234	0.24 307	0.17 282	0.27 340	0.27 359	0.25 312	0.23 303

DRaft	0.49 242	0.17 28	0.47 186	0.37 64	0.25 139	0.58 223	0.40 252	0.65 107	0.85 243	1.02 353	1.75 406	0.50 106	0.82 348	0.63 185	0.40 198	0.13 17	0.11 69	0.16 83	0.16 149	0.14 63	0.15 135

APVNet	0.71 344	0.37 335	0.89 373	0.56 375	0.45 377	1.18 391	0.68 375	1.41 406	0.85 243	0.81 241	1.15 327	1.04 336	0.81 344	1.10 370	1.17 399	0.26 327	0.28 376	0.32 370	0.31 378	0.29 332	0.30 348

cf-r	0.47 214	0.23 174	0.41 103	0.39 116	0.23 89	0.59 235	0.37 200	0.88 230	0.85 243	0.72 195	1.05 291	0.94 311	0.62 260	0.56 112	0.54 281	0.21 262	0.14 206	0.17 109	0.19 246	0.15 100	0.15 135

CFNet-ft	0.48 225	0.23 174	0.36 48	0.40 145	0.26 176	0.64 266	0.37 200	0.87 225	0.85 243	0.64 135	1.00 266	1.01 327	0.64 276	0.61 168	0.53 277	0.23 296	0.15 235	0.24 300	0.21 290	0.23 291	0.18 211

CFNet_RVC	0.48 225	0.23 174	0.36 48	0.40 145	0.26 176	0.64 266	0.37 200	0.87 225	0.85 243	0.64 135	1.00 266	1.01 327	0.64 276	0.61 168	0.53 277	0.23 296	0.15 235	0.24 300	0.21 290	0.23 291	0.18 211

AASNet	0.53 277	0.25 232	0.52 246	0.49 316	0.32 299	0.74 301	0.40 252	1.50 416	0.86 248	0.86 275	0.92 229	0.64 181	0.59 245	0.59 156	0.79 334	0.23 296	0.19 310	0.20 214	0.16 149	0.21 255	0.19 243

GANet-ADL	0.42 168	0.25 232	0.45 157	0.43 228	0.29 251	0.54 199	0.35 167	0.89 232	0.86 248	0.63 125	0.72 124	0.68 207	0.42 151	0.52 89	0.41 201	0.21 262	0.14 206	0.15 60	0.13 71	0.18 184	0.19 243

CrosDoStereo	0.50 256	0.18 45	0.45 157	0.38 89	0.24 113	0.40 132	1.18 429	0.67 126	0.86 248	0.94 321	1.37 367	0.63 174	0.77 333	0.65 203	0.45 234	0.15 93	0.12 119	0.17 109	0.18 220	0.14 63	0.14 114

DeepStereo_LL	0.50 256	0.18 45	0.45 157	0.38 89	0.24 113	0.40 132	1.18 429	0.67 126	0.86 248	0.94 321	1.37 367	0.63 174	0.77 333	0.65 203	0.45 234	0.15 93	0.12 119	0.17 109	0.18 220	0.14 63	0.14 114

ADLNet	0.55 289	0.27 268	0.51 241	0.44 245	0.35 323	0.78 311	0.46 290	1.08 303	0.86 248	0.99 341	0.98 259	0.92 307	0.63 266	0.69 236	0.81 339	0.22 284	0.16 264	0.22 268	0.22 306	0.21 255	0.21 283

test_xeample	1.01 392	0.21 125	0.42 123	0.35 38	0.21 40	0.71 293	0.39 243	1.23 365	0.86 248	0.81 241	1.04 287	0.69 211	0.61 254	0.69 236	10.93 465	0.19 226	0.15 235	0.18 148	0.17 196	0.18 184	0.17 195

delet	0.55 289	0.24 210	0.55 261	0.44 245	0.33 309	1.07 373	0.50 314	1.00 270	0.86 248	0.85 270	0.96 245	0.90 303	0.63 266	0.83 297	0.74 327	0.18 197	0.18 296	0.20 214	0.21 290	0.16 133	0.15 135

STTStereo	0.55 289	0.37 335	0.76 353	0.44 245	0.31 285	0.60 241	0.44 285	0.96 258	0.86 248	0.99 341	0.90 222	0.96 315	0.58 239	0.71 244	0.61 297	0.25 317	0.23 344	0.26 328	0.32 384	0.24 304	0.23 303

PS-NSSS	0.58 313	0.44 365	0.62 285	0.42 209	0.33 309	0.66 276	0.58 352	1.02 280	0.86 248	0.77 222	1.28 353	0.72 228	0.64 276	0.82 290	0.59 293	0.31 360	0.26 367	0.40 395	0.27 359	0.33 356	0.26 321

THIR-Stereo	0.50 256	0.18 45	0.45 157	0.38 89	0.23 89	0.75 304	0.67 370	0.66 116	0.87 257	1.02 353	1.40 373	0.72 228	0.76 329	0.62 175	0.42 205	0.15 93	0.11 69	0.17 109	0.18 220	0.14 63	0.15 135

FADNet-RVC	0.60 323	0.53 392	1.14 394	0.46 287	0.39 343	0.61 243	0.39 243	1.12 317	0.87 257	0.70 177	0.84 189	1.04 336	0.55 222	0.94 345	0.69 314	0.26 327	0.25 360	0.28 348	0.28 364	0.31 346	0.31 354

G-Net	0.95 388	0.46 371	1.04 384	0.64 398	0.48 386	2.12 434	0.64 366	1.01 277	0.87 257	1.75 421	2.82 438	1.30 374	1.64 429	1.06 362	0.96 376	0.36 393	0.29 381	0.35 379	0.25 342	0.45 397	0.42 397

MLCV	0.47 214	0.24 210	0.61 282	0.37 64	0.17 4	0.61 243	0.33 141	0.80 203	0.87 257	0.94 321	1.13 319	0.72 228	0.43 157	0.89 320	0.51 267	0.13 17	0.10 12	0.13 15	0.11 26	0.14 63	0.12 47

DualNet (step1)	0.57 306	0.36 329	0.72 336	0.38 89	0.30 264	0.71 293	0.43 276	1.06 295	0.88 261	0.92 314	0.86 201	0.85 279	0.69 300	0.68 231	0.50 257	0.41 404	0.20 318	0.40 395	0.41 408	0.36 370	0.33 362

test_sample9	1.05 400	0.36 329	0.72 336	0.38 89	0.30 264	0.71 293	0.43 276	1.06 295	0.88 261	0.92 314	0.86 201	0.85 279	0.69 300	1.20 381	1.36 410	0.41 404	8.41 471	0.40 395	0.41 408	0.36 370	0.33 362

test_sample7	0.52 272	0.29 291	0.50 229	0.36 49	0.27 203	0.62 250	0.41 265	1.06 295	0.88 261	0.92 314	0.86 201	0.85 279	0.69 300	0.68 231	0.50 257	0.26 327	0.20 318	0.27 340	0.26 353	0.27 326	0.24 309

NINENet	0.50 256	0.29 291	0.51 241	0.45 267	0.32 299	0.70 288	0.34 148	1.10 308	0.88 261	0.80 231	0.94 233	0.65 194	0.49 186	0.73 254	0.51 267	0.22 284	0.20 318	0.25 312	0.18 220	0.22 275	0.21 283

CREStereo++_RVC	0.32 48	0.15 7	0.23 1	0.31 7	0.24 113	0.27 31	0.22 14	0.46 22	0.88 261	0.46 72	0.80 168	0.30 10	0.26 35	0.36 14	0.33 116	0.13 17	0.09 3	0.13 15	0.51 427	0.13 28	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
CFNet_pseudo	0.46 201	0.24 210	0.52 246	0.37 64	0.27 203	0.58 223	0.30 94	0.86 218	0.88 261	0.82 250	1.03 281	0.75 246	0.47 178	0.58 141	0.44 226	0.17 168	0.12 119	0.24 300	0.16 149	0.24 304	0.19 243

xxxx	1.01 392	0.22 154	0.43 133	0.36 49	0.21 40	0.82 330	0.36 187	1.32 388	0.88 261	0.71 183	0.94 233	0.97 317	0.63 266	0.64 196	10.58 464	0.20 249	0.16 264	0.18 148	0.17 196	0.19 218	0.19 243

psmorigin	0.82 365	0.51 382	2.09 438	0.49 316	0.41 355	0.85 336	0.50 314	1.04 287	0.88 261	1.45 404	1.43 379	1.50 403	1.06 390	1.22 386	0.97 377	0.31 360	0.32 397	0.27 340	0.27 359	0.33 356	0.42 397

FADNet_RVC	0.55 289	0.37 335	1.17 400	0.44 245	0.31 285	0.56 217	0.34 148	1.06 295	0.88 261	0.67 157	0.90 222	0.61 166	0.65 282	0.93 338	0.70 317	0.21 262	0.18 296	0.26 328	0.23 319	0.31 346	0.28 335

RASNet	0.53 277	0.22 154	0.52 246	0.38 89	0.22 55	0.68 282	0.38 221	0.97 261	0.88 261	0.73 202	1.04 287	1.03 334	0.92 370	0.90 322	0.86 348	0.16 134	0.14 206	0.14 25	0.17 196	0.15 100	0.13 75

NLCA_NET_v2_RVC	0.53 277	0.32 306	0.64 299	0.44 245	0.30 264	0.66 276	0.44 285	1.04 287	0.88 261	0.91 306	0.91 225	0.99 321	0.60 249	0.68 231	0.60 296	0.21 262	0.17 282	0.22 268	0.22 306	0.21 255	0.21 283
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
ccs_rob	0.46 201	0.24 210	0.52 246	0.37 64	0.27 203	0.58 223	0.31 115	0.86 218	0.88 261	0.82 250	1.02 277	0.75 246	0.47 178	0.58 141	0.44 226	0.17 168	0.12 119	0.24 300	0.16 149	0.24 304	0.19 243

AdaStereo	0.50 256	0.32 306	0.47 186	0.48 301	0.25 139	0.67 280	0.32 132	1.17 342	0.88 261	0.75 209	0.99 264	0.75 246	0.49 186	0.67 221	0.46 244	0.27 335	0.12 119	0.28 348	0.18 220	0.23 291	0.18 211
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.
raft+_RVC	0.38 124	0.19 67	0.35 43	0.37 64	0.25 139	0.45 167	0.37 200	0.78 197	0.89 274	0.51 83	0.78 156	0.50 106	0.29 67	0.53 96	0.40 198	0.15 93	0.12 119	0.17 109	0.15 119	0.14 63	0.12 47

222	1.18 412	0.22 154	0.44 145	0.37 64	0.22 55	0.79 314	0.37 200	1.31 387	0.89 274	0.92 314	1.08 303	0.72 228	0.71 317	0.66 211	13.89 468	0.20 249	0.15 235	0.17 109	0.16 149	0.18 184	0.19 243

Former-RAFT_DAM_RVC	0.34 61	0.27 268	0.45 157	0.36 49	0.25 139	0.48 175	0.30 94	0.58 65	0.90 276	0.42 59	0.36 28	0.30 10	0.29 67	0.49 75	0.30 87	0.16 134	0.14 206	0.18 148	0.15 119	0.18 184	0.15 135

TestStereo1	0.43 178	0.23 174	0.41 103	0.51 345	0.24 113	0.34 93	0.40 252	0.77 192	0.90 276	0.68 163	0.96 245	0.48 99	0.46 175	0.91 329	0.32 104	0.16 134	0.13 178	0.18 148	0.15 119	0.14 63	0.13 75

SA-5K	0.43 178	0.23 174	0.41 103	0.51 345	0.24 113	0.34 93	0.40 252	0.77 192	0.90 276	0.68 163	0.96 245	0.48 99	0.46 175	0.91 329	0.32 104	0.16 134	0.13 178	0.18 148	0.15 119	0.14 63	0.13 75

rafts_anoy	0.37 109	0.21 125	0.36 48	0.41 172	0.26 176	0.30 60	0.33 141	0.67 126	0.90 276	0.58 103	0.66 112	0.45 84	0.33 97	0.47 65	0.39 192	0.16 134	0.11 69	0.21 255	0.23 319	0.17 165	0.14 114

hitnet-ft	0.55 289	0.27 268	0.39 87	0.41 172	0.28 225	0.78 311	0.40 252	0.92 242	0.90 276	0.82 250	1.01 269	1.13 359	0.70 313	0.78 280	0.67 310	0.28 343	0.20 318	0.28 348	0.22 306	0.29 332	0.26 321

anonymity	0.97 389	0.89 424	1.05 385	0.92 427	1.03 437	0.97 354	0.81 401	1.29 382	0.91 281	1.07 370	0.98 259	1.00 324	0.95 379	1.02 357	0.92 370	0.96 438	0.95 457	0.90 433	0.91 447	0.92 431	0.94 439

ADStereo(finetuned)	0.37 109	0.16 16	0.49 216	0.34 17	0.19 13	0.30 60	0.30 94	0.68 136	0.91 281	0.70 177	0.77 146	0.43 77	0.69 300	0.45 50	0.33 116	0.14 41	0.10 12	0.14 25	0.11 26	0.13 28	0.12 47

DCANet	0.36 93	0.16 16	0.41 103	0.34 17	0.19 13	0.30 60	0.30 94	0.68 136	0.91 281	0.70 177	0.77 146	0.43 77	0.57 230	0.45 50	0.34 130	0.14 41	0.10 12	0.14 25	0.11 26	0.13 28	0.12 47

RAFT + AFF	0.53 277	0.29 291	0.75 348	0.51 345	0.32 299	0.63 259	0.60 356	1.00 270	0.91 281	0.78 226	0.87 208	0.83 273	0.58 239	0.80 285	0.47 251	0.17 168	0.20 318	0.23 286	0.22 306	0.18 184	0.18 211

MMNet	0.55 289	0.25 232	0.61 282	0.43 228	0.34 317	1.07 373	0.39 243	0.87 225	0.91 281	0.91 306	0.93 232	0.86 284	0.76 329	0.81 288	0.76 329	0.15 93	0.14 206	0.18 148	0.19 246	0.20 234	0.16 177

DCANet-4	0.36 93	0.20 92	0.48 205	0.34 17	0.19 13	0.29 52	0.30 94	0.66 116	0.92 286	0.69 171	0.78 156	0.40 57	0.47 178	0.45 50	0.34 130	0.14 41	0.10 12	0.14 25	0.11 26	0.11 1	0.13 75

UDGNet	0.48 225	0.77 415	0.50 229	0.48 301	0.31 285	0.41 145	0.34 148	0.70 158	0.92 286	0.65 143	0.60 95	0.58 140	0.43 157	0.63 185	0.41 201	0.32 371	0.15 235	0.66 427	0.19 246	0.36 370	0.21 283

GEStereo_RVC	0.55 289	0.29 291	0.63 294	0.49 316	0.31 285	0.70 288	0.54 339	1.22 361	0.92 286	0.82 250	0.85 198	0.85 279	0.63 266	0.90 322	0.65 305	0.24 307	0.16 264	0.19 186	0.16 149	0.21 255	0.22 297

DLCB_ROB	0.58 313	0.28 281	0.47 186	0.49 316	0.32 299	0.77 307	0.50 314	0.99 266	0.92 286	1.04 362	1.14 322	1.21 364	0.69 300	0.88 315	0.69 314	0.20 249	0.20 318	0.22 268	0.22 306	0.21 255	0.18 211

PSMNet_ROB	0.64 328	0.37 335	0.65 305	0.56 375	0.42 361	0.97 354	0.83 402	1.21 353	0.92 286	0.79 229	1.02 277	1.08 348	0.63 266	0.82 290	0.91 369	0.29 350	0.20 318	0.31 365	0.31 378	0.26 316	0.23 303

CFNet_ucs	0.50 256	0.24 210	0.55 261	0.38 89	0.31 285	0.58 223	0.33 141	0.98 264	0.93 291	0.88 290	1.19 340	0.80 269	0.49 186	0.63 185	0.43 210	0.21 262	0.15 235	0.26 328	0.18 220	0.26 316	0.22 297

Sa-1000	0.48 225	0.24 210	0.41 103	0.45 267	0.25 139	0.59 235	0.34 148	0.81 206	0.93 291	0.82 250	1.50 388	0.53 117	0.45 171	0.92 332	0.30 87	0.15 93	0.12 119	0.21 255	0.19 246	0.15 100	0.13 75

GwcNet-RSSM	0.49 242	0.24 210	0.42 123	0.40 145	0.23 89	0.55 204	0.38 221	0.93 244	0.93 291	0.71 183	1.16 332	0.86 284	0.60 249	0.62 175	0.66 307	0.21 262	0.14 206	0.19 186	0.20 270	0.16 133	0.15 135

FADNet-RVC-Resample	0.56 300	0.33 314	1.16 395	0.49 316	0.34 317	0.71 293	0.43 276	1.01 277	0.93 291	0.82 250	0.87 208	0.74 244	0.67 290	0.73 254	0.45 234	0.18 197	0.18 296	0.26 328	0.27 359	0.26 316	0.27 328

HSM-Net_RVC	0.53 277	0.22 154	0.35 43	0.37 64	0.21 40	0.85 336	0.37 200	1.23 365	0.93 291	0.90 301	1.15 327	1.26 368	0.63 266	0.72 249	0.48 254	0.17 168	0.13 178	0.16 83	0.15 119	0.17 165	0.15 135
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CVANet_RVC	0.57 306	0.33 314	0.44 145	0.47 296	0.32 299	0.67 280	0.61 361	1.05 292	0.93 291	0.85 270	1.04 287	1.01 327	0.73 322	0.83 297	0.52 274	0.29 350	0.19 310	0.27 340	0.25 342	0.31 346	0.21 283

ETE_ROB	0.70 340	0.49 375	0.73 339	0.56 375	0.36 325	0.79 314	0.87 409	1.14 328	0.93 291	1.19 386	1.18 336	1.39 392	0.82 348	0.99 348	0.80 336	0.26 327	0.21 328	0.31 365	0.26 353	0.33 356	0.34 369

rvit_105_1	0.54 287	0.40 353	0.76 353	0.58 381	0.37 330	0.59 235	0.68 375	0.70 158	0.94 298	0.82 250	0.69 119	0.73 238	0.58 239	0.78 280	0.54 281	0.32 371	0.29 381	0.31 365	0.34 388	0.23 291	0.20 265

DDUNet	1.06 401	2.56 465	0.68 317	1.21 437	1.26 442	1.03 366	0.69 380	1.11 313	0.94 298	0.96 329	1.22 342	1.27 369	0.82 348	0.93 338	0.72 323	0.84 435	0.38 412	1.99 447	0.60 432	1.10 438	0.85 435

ccnet	0.82 365	0.57 397	0.75 348	0.54 368	0.59 412	1.09 378	0.66 368	1.38 401	0.94 298	1.12 379	1.44 381	1.29 372	0.92 370	0.95 347	1.24 403	0.49 416	0.42 421	0.50 418	0.47 418	0.51 408	0.46 408

GANet	0.70 340	0.37 335	0.55 261	0.51 345	0.34 317	0.94 347	0.96 416	1.08 303	0.94 298	1.04 362	1.98 415	1.13 359	0.88 363	1.12 373	0.66 307	0.25 317	0.26 367	0.27 340	0.22 306	0.31 346	0.22 297

StereoDRNet-Refined	0.58 313	0.32 306	0.54 256	0.46 287	0.30 264	0.96 353	0.40 252	1.00 270	0.94 298	1.12 379	1.08 303	0.96 315	0.67 290	0.90 322	0.89 365	0.17 168	0.13 178	0.22 268	0.21 290	0.20 234	0.19 243
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.70 340	0.35 324	0.68 317	0.52 356	0.40 348	0.79 314	0.85 408	1.16 337	0.94 298	1.33 400	1.15 327	1.38 391	0.83 352	1.03 359	0.90 367	0.32 371	0.25 360	0.26 328	0.24 333	0.31 346	0.28 335

ADLNet2	0.55 289	0.25 232	0.65 305	0.47 296	0.30 264	0.83 332	0.50 314	1.05 292	0.95 304	0.80 231	0.98 259	0.99 321	0.69 300	0.77 276	0.73 324	0.20 249	0.16 264	0.17 109	0.18 220	0.21 255	0.21 283

PCWNet_CMD	0.48 225	0.24 210	0.52 246	0.39 116	0.27 203	0.63 259	0.30 94	0.95 255	0.96 305	0.86 275	1.07 300	0.79 261	0.44 166	0.57 123	0.43 210	0.17 168	0.12 119	0.21 255	0.16 149	0.24 304	0.19 243

SA	0.44 184	0.25 232	0.46 174	0.46 287	0.24 113	0.43 154	0.36 187	0.75 184	0.96 305	0.59 105	1.03 281	0.48 99	0.52 203	0.94 345	0.32 104	0.16 134	0.12 119	0.21 255	0.19 246	0.15 100	0.13 75

MSMDNet	0.48 225	0.24 210	0.52 246	0.39 116	0.27 203	0.63 259	0.30 94	0.96 258	0.96 305	0.86 275	1.07 300	0.79 261	0.44 166	0.57 123	0.43 210	0.17 168	0.12 119	0.20 214	0.16 149	0.23 291	0.19 243

LL-Strereo	0.57 306	0.27 268	0.68 317	0.48 301	0.34 317	0.39 128	0.48 305	0.94 248	0.97 308	0.83 262	0.78 156	1.10 352	1.18 402	1.33 398	0.49 256	0.17 168	0.14 206	0.22 268	0.19 246	0.16 133	0.17 195

DAS	0.51 263	0.25 232	0.60 280	0.48 301	0.31 285	0.58 223	0.41 265	0.83 209	0.97 308	0.89 294	1.12 313	0.70 215	0.75 326	0.82 290	0.43 210	0.17 168	0.13 178	0.18 148	0.15 119	0.20 234	0.18 211

SepStereo	0.51 263	0.25 232	0.60 280	0.48 301	0.31 285	0.58 223	0.41 265	0.83 209	0.97 308	0.89 294	1.12 313	0.70 215	0.75 326	0.93 338	0.43 210	0.17 168	0.13 178	0.18 148	0.15 119	0.20 234	0.18 211

GwcNet-ADL	0.44 184	0.22 154	0.48 205	0.45 267	0.30 264	0.40 132	0.37 200	0.92 242	0.97 308	0.71 183	0.78 156	0.61 166	0.42 151	0.62 175	0.50 257	0.19 226	0.14 206	0.15 60	0.14 96	0.18 184	0.18 211

SDNR	0.86 375	0.37 335	1.47 426	0.40 145	0.38 339	3.38 454	0.33 141	0.90 237	0.98 312	0.99 341	2.09 419	0.59 155	0.71 317	1.29 394	0.70 317	0.51 419	0.56 434	0.36 383	0.26 353	0.43 392	0.46 408

fast-acv-ft	0.64 328	0.30 299	0.73 339	0.45 267	0.34 317	1.17 389	0.49 311	0.86 218	0.98 312	1.02 353	1.36 364	1.29 372	0.85 355	0.76 269	0.81 339	0.21 262	0.23 344	0.23 286	0.23 319	0.21 255	0.20 265

raft_robust	0.41 161	0.23 174	0.36 48	0.42 209	0.21 40	0.40 132	0.33 141	0.79 200	0.98 312	0.79 229	0.87 208	0.39 50	0.33 97	0.84 302	0.29 81	0.13 17	0.12 119	0.16 83	0.17 196	0.15 100	0.12 47

ADCRef	0.80 361	0.43 361	1.32 415	0.50 330	0.45 377	1.07 373	0.51 328	1.07 299	0.98 312	1.17 384	1.42 376	0.87 290	0.91 366	0.85 309	3.19 442	0.18 197	0.16 264	0.23 286	0.23 319	0.22 275	0.21 283

CBMV_ROB	0.59 320	0.37 335	0.38 70	0.39 116	0.28 225	0.74 301	0.28 72	1.00 270	0.98 312	0.94 321	1.25 349	0.81 271	0.78 338	0.87 312	0.50 257	0.36 393	0.37 410	0.43 401	0.40 403	0.33 356	0.30 348

1111x	0.55 289	0.22 154	0.46 174	0.38 89	0.20 28	0.66 276	0.43 276	1.23 365	0.99 317	0.71 183	0.99 264	0.95 313	0.69 300	0.90 322	1.08 391	0.18 197	0.17 282	0.18 148	0.19 246	0.20 234	0.18 211

ssnet_v2	0.58 313	0.28 281	0.56 267	0.43 228	0.29 251	0.95 350	0.59 354	1.13 319	0.99 317	0.93 318	0.80 168	0.99 321	0.64 276	0.82 290	0.94 371	0.25 317	0.22 334	0.23 286	0.24 333	0.20 234	0.19 243

Wz-Net-LNSev-Ref	0.63 327	0.28 281	0.99 381	0.40 145	0.30 264	1.03 366	0.56 348	1.10 308	0.99 317	0.97 333	1.22 342	1.06 341	0.69 300	1.07 365	0.95 374	0.19 226	0.11 69	0.16 83	0.13 71	0.22 275	0.21 283

UDG	0.88 378	0.82 421	0.67 314	1.00 431	0.96 430	1.02 363	0.57 351	1.13 319	0.99 317	0.90 301	0.97 258	1.31 375	0.99 384	0.85 309	0.84 343	0.54 424	0.32 397	1.77 444	0.40 403	0.94 432	0.66 427

StereoDRNet	0.64 328	0.33 314	0.68 317	0.51 345	0.43 366	1.03 366	0.53 335	1.47 412	0.99 317	1.10 377	0.87 208	1.07 346	0.71 317	0.82 290	0.88 355	0.23 296	0.19 310	0.25 312	0.23 319	0.27 326	0.19 243

iResNet	0.49 242	0.29 291	0.79 360	0.42 209	0.21 40	0.61 243	0.40 252	0.82 208	0.99 317	0.87 282	1.12 313	0.69 211	0.53 206	0.78 280	0.51 267	0.15 93	0.11 69	0.14 25	0.12 46	0.17 165	0.15 135

HBP-ISP	0.59 320	0.45 369	0.43 133	0.45 267	0.33 309	0.70 288	0.28 72	1.11 313	1.00 323	0.83 262	1.18 336	0.65 194	0.68 296	0.88 315	0.52 274	0.35 390	0.38 412	0.47 409	0.41 408	0.38 379	0.31 354

aanetorigin	0.83 372	0.56 395	1.87 435	0.49 316	0.38 339	0.56 217	0.66 368	0.70 158	1.00 323	2.42 440	2.02 416	1.31 375	1.18 402	0.93 338	1.13 398	0.20 249	0.18 296	0.20 214	0.19 246	0.27 326	0.30 348

CFNet	0.51 263	0.29 291	0.46 174	0.41 172	0.27 203	0.70 288	0.32 132	1.13 319	1.00 323	0.72 195	1.07 300	0.85 279	0.60 249	0.76 269	0.52 274	0.19 226	0.14 206	0.23 286	0.23 319	0.21 255	0.16 177

NCCL2	0.72 348	0.41 357	0.65 305	0.64 398	0.44 373	0.98 358	1.20 431	1.11 313	1.00 323	0.98 338	0.96 245	1.49 402	0.87 360	0.90 322	0.79 334	0.31 360	0.26 367	0.39 392	0.39 400	0.32 351	0.32 358

TDLM	0.57 306	0.33 314	0.49 216	0.51 345	0.30 264	0.66 276	0.73 392	1.03 284	1.01 327	0.82 250	1.10 309	0.84 277	0.70 313	0.86 311	0.58 289	0.28 343	0.17 282	0.25 312	0.22 306	0.26 316	0.19 243

iResNetv2_ROB	0.52 272	0.27 268	0.69 323	0.38 89	0.25 139	0.62 250	0.35 167	1.17 342	1.01 327	0.99 341	1.06 297	0.88 295	0.67 290	0.66 211	0.39 192	0.19 226	0.13 178	0.15 60	0.11 26	0.18 184	0.16 177

DRN-Test	0.66 332	0.32 306	0.66 311	0.50 330	0.39 343	1.15 386	0.61 361	1.49 415	1.01 327	1.12 379	1.08 303	1.06 341	0.69 300	0.77 276	0.94 371	0.23 296	0.17 282	0.26 328	0.25 342	0.25 312	0.21 283

SMFormer	0.51 263	0.23 174	0.62 285	0.34 17	0.20 28	0.62 250	0.34 148	1.21 353	1.02 330	0.81 241	1.01 269	0.71 219	0.65 282	0.84 302	0.55 286	0.19 226	0.15 235	0.18 148	0.16 149	0.18 184	0.18 211

tta	0.51 263	0.23 174	0.62 285	0.34 17	0.20 28	0.62 250	0.34 148	1.21 353	1.02 330	0.81 241	1.01 269	0.71 219	0.65 282	0.84 302	0.55 286	0.19 226	0.15 235	0.18 148	0.16 149	0.15 100	0.14 114

qqq1	0.49 242	0.23 174	0.62 285	0.34 17	0.20 28	0.62 250	0.34 148	1.21 353	1.02 330	0.81 241	1.01 269	0.71 219	0.65 282	0.84 302	0.34 130	0.19 226	0.15 235	0.14 25	0.12 46	0.15 100	0.14 114

fff1	0.49 242	0.23 174	0.62 285	0.34 17	0.20 28	0.62 250	0.34 148	1.21 353	1.02 330	0.81 241	1.01 269	0.71 219	0.65 282	0.84 302	0.34 130	0.19 226	0.15 235	0.14 25	0.12 46	0.15 100	0.14 114

CC-Net-ROB	0.82 365	0.96 429	0.85 365	0.58 381	0.45 377	1.27 399	0.70 385	1.17 342	1.02 330	0.83 262	1.23 346	0.90 303	0.77 333	1.06 362	0.69 314	0.46 410	0.34 405	1.71 443	0.38 396	0.59 423	0.36 376

mmx	0.53 277	0.26 251	0.49 216	0.37 64	0.25 139	0.55 204	0.37 200	1.16 337	1.03 335	0.73 202	0.96 245	0.71 219	0.53 206	1.01 352	0.88 355	0.20 249	0.15 235	0.25 312	0.21 290	0.22 275	0.20 265

xxx	0.53 277	0.26 251	0.49 216	0.37 64	0.25 139	0.55 204	0.37 200	1.16 337	1.03 335	0.73 202	0.96 245	0.71 219	0.53 206	1.01 352	0.88 355	0.20 249	0.15 235	0.25 312	0.21 290	0.22 275	0.20 265

GASNet	0.67 333	0.72 411	0.96 378	0.70 416	0.48 386	0.62 250	0.47 297	1.08 303	1.03 335	0.94 321	0.82 178	0.93 309	0.83 352	1.33 398	0.80 336	0.31 360	0.22 334	0.29 356	0.28 364	0.44 393	0.24 309

ADCP+	1.06 401	0.35 324	1.51 428	0.49 316	0.51 393	1.45 411	0.55 343	1.25 375	1.03 335	1.16 383	1.15 327	1.10 352	1.07 392	1.56 413	6.75 461	0.19 226	0.16 264	0.23 286	0.21 290	0.28 329	0.21 283

ffm	0.44 184	0.26 251	0.49 216	0.37 64	0.25 139	0.55 204	0.37 200	0.68 136	1.04 339	0.73 202	0.96 245	0.71 219	0.53 206	0.57 123	0.25 21	0.16 134	0.10 12	0.25 312	0.21 290	0.16 133	0.16 177

ff1	0.49 242	0.26 251	0.49 216	0.37 64	0.25 139	0.55 204	0.37 200	0.68 136	1.04 339	0.73 202	0.96 245	0.71 219	0.53 206	1.01 352	0.88 355	0.16 134	0.10 12	0.25 312	0.21 290	0.16 133	0.16 177

tt1	0.36 93	0.24 210	0.32 24	0.41 172	0.22 55	0.54 199	0.38 221	0.68 136	1.04 339	0.41 54	0.46 44	0.35 37	0.45 171	0.57 123	0.25 21	0.16 134	0.10 12	0.19 186	0.13 71	0.16 133	0.16 177

GMStereo	0.39 139	0.37 335	0.54 256	0.40 145	0.26 176	0.42 152	0.36 187	0.59 67	1.04 339	0.55 97	0.51 65	0.37 45	0.35 107	0.54 99	0.41 201	0.19 226	0.13 178	0.16 83	0.17 196	0.24 304	0.18 211
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ttt	0.51 263	0.25 232	0.43 133	0.38 89	0.24 113	0.65 273	0.38 221	1.18 345	1.05 343	0.72 195	1.08 303	0.63 174	0.49 186	0.84 302	0.59 293	0.24 307	0.21 328	0.22 268	0.20 270	0.24 304	0.24 309

dd	0.43 178	0.38 345	0.55 261	0.44 245	0.25 139	0.47 173	0.38 221	0.70 158	1.05 343	0.59 105	0.65 107	0.42 70	0.39 138	0.66 211	0.50 257	0.24 307	0.15 235	0.21 255	0.15 119	0.22 275	0.18 211

FADNet	0.61 325	0.51 382	1.10 389	0.45 267	0.44 373	0.65 273	0.41 265	1.19 347	1.05 343	0.70 177	0.84 189	0.98 320	0.66 287	0.82 290	0.50 257	0.29 350	0.30 385	0.27 340	0.30 371	0.46 400	0.35 374

RGC	0.79 360	0.59 399	0.71 331	0.65 403	0.65 416	0.92 346	0.58 352	1.29 382	1.05 343	1.07 370	1.45 384	1.47 400	1.03 388	1.21 385	0.88 355	0.32 371	0.30 385	0.48 413	0.40 403	0.37 375	0.37 381

Nwc_Net	0.78 357	0.38 345	0.73 339	0.60 390	0.55 403	1.05 371	0.55 343	1.67 431	1.05 343	0.88 290	1.86 411	1.40 394	1.09 393	1.10 370	0.87 352	0.30 357	0.25 360	0.36 383	0.38 396	0.29 332	0.29 341

ADCMid	1.14 407	0.52 389	2.23 441	0.53 362	0.43 366	1.07 373	0.75 394	1.23 365	1.05 343	2.15 434	1.44 381	1.50 403	1.43 418	1.56 413	5.01 455	0.26 327	0.24 352	0.29 356	0.31 378	0.37 375	0.33 362

SGM-Forest	0.62 326	0.32 306	0.39 87	0.43 228	0.30 264	1.02 363	0.55 343	1.09 307	1.05 343	1.06 367	1.18 336	1.10 352	0.67 290	0.88 315	0.62 299	0.31 360	0.33 403	0.33 375	0.30 371	0.30 341	0.28 335
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
xx1	0.39 139	0.23 174	0.33 28	0.41 172	0.22 55	0.55 204	0.38 221	0.67 126	1.06 350	0.41 54	0.50 58	0.65 194	0.53 206	0.57 123	0.25 21	0.16 134	0.10 12	0.20 214	0.19 246	0.18 184	0.17 195

cc1	0.37 109	0.23 174	0.33 28	0.41 172	0.22 55	0.55 204	0.38 221	0.67 126	1.06 350	0.41 54	0.50 58	0.34 30	0.49 186	0.57 123	0.25 21	0.16 134	0.10 12	0.19 186	0.13 71	0.16 133	0.15 135

fff	0.37 109	0.16 16	0.41 103	0.34 17	0.19 13	0.29 52	0.30 94	0.69 144	1.06 350	0.69 171	0.78 156	0.42 70	0.63 266	0.46 58	0.34 130	0.14 41	0.10 12	0.14 25	0.11 26	0.11 1	0.13 75

csc	0.37 109	0.16 16	0.41 103	0.34 17	0.19 13	0.29 52	0.30 94	0.69 144	1.06 350	0.69 171	0.78 156	0.42 70	0.63 266	0.46 58	0.34 130	0.14 41	0.10 12	0.14 25	0.11 26	0.11 1	0.13 75

cscssc	0.37 109	0.16 16	0.41 103	0.34 17	0.19 13	0.29 52	0.30 94	0.69 144	1.06 350	0.69 171	0.78 156	0.42 70	0.63 266	0.46 58	0.34 130	0.14 41	0.10 12	0.14 25	0.11 26	0.11 1	0.13 75

edge stereo	0.76 353	0.38 345	0.74 344	0.52 356	0.43 366	0.80 317	0.53 335	1.28 381	1.06 350	1.28 396	1.38 372	1.81 417	1.11 395	1.08 367	0.85 347	0.33 379	0.32 397	0.41 399	0.28 364	0.32 351	0.36 376

Wz-Net-LNSev	0.71 344	0.51 382	1.36 421	0.50 330	0.41 355	1.15 386	0.69 380	1.21 353	1.07 356	1.02 353	1.12 313	1.08 348	0.87 360	0.89 320	0.89 365	0.24 307	0.22 334	0.21 255	0.19 246	0.26 316	0.26 321

ADCPNet	1.03 396	0.48 372	2.70 444	0.54 368	0.42 361	1.40 405	0.75 394	1.13 319	1.07 356	1.22 391	1.42 376	1.68 414	1.09 393	1.36 405	3.45 446	0.30 357	0.28 376	0.29 356	0.32 384	0.37 375	0.35 374

LALA_ROB	0.74 351	0.43 361	0.69 323	0.54 368	0.40 348	1.01 361	0.95 415	1.21 353	1.07 356	1.22 391	1.12 313	1.56 409	0.79 340	1.04 361	0.86 348	0.33 379	0.22 334	0.35 379	0.30 371	0.35 366	0.31 354

MyStereo04	0.44 184	0.22 154	0.44 145	0.42 209	0.28 225	0.40 132	0.50 314	1.00 270	1.08 359	0.62 117	0.58 92	0.55 124	0.57 230	0.71 244	0.44 226	0.14 41	0.13 178	0.18 148	0.17 196	0.17 165	0.16 177

NOSS_ROB	0.57 306	0.39 349	0.39 87	0.44 245	0.30 264	0.73 300	0.54 339	1.03 284	1.08 359	0.67 157	0.87 208	0.76 252	0.57 230	0.77 276	0.47 251	0.38 397	0.38 412	0.44 404	0.42 412	0.37 375	0.34 369

MyStereo05	0.44 184	0.21 125	0.45 157	0.41 172	0.28 225	0.41 145	0.50 314	0.93 244	1.09 361	0.76 216	0.61 98	0.51 110	0.57 230	0.73 254	0.42 205	0.14 41	0.13 178	0.18 148	0.17 196	0.17 165	0.15 135

CBMV	0.64 328	0.35 324	0.41 103	0.42 209	0.25 139	1.01 361	0.77 396	1.13 319	1.09 361	1.17 384	1.22 342	1.04 336	0.75 326	0.88 315	0.63 302	0.28 343	0.30 385	0.34 377	0.30 371	0.26 316	0.26 321
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
DGSMNet	0.76 353	0.55 394	1.29 412	0.58 381	0.62 414	0.94 347	0.70 385	1.26 377	1.11 363	0.83 262	1.24 347	1.00 324	0.71 317	1.03 359	0.81 339	0.34 385	0.29 381	0.41 399	0.40 403	0.57 419	0.55 424

NCC-stereo	0.78 357	0.40 353	0.76 353	0.61 392	0.67 417	0.81 322	0.69 380	1.54 423	1.11 363	0.90 301	1.36 364	1.33 383	1.16 399	1.19 379	0.88 355	0.31 360	0.30 385	0.37 387	0.48 420	0.33 356	0.33 362

Abc-Net	0.78 357	0.40 353	0.76 353	0.61 392	0.67 417	0.81 322	0.69 380	1.54 423	1.11 363	0.90 301	1.36 364	1.33 383	1.16 399	1.19 379	0.88 355	0.31 360	0.30 385	0.37 387	0.48 420	0.33 356	0.33 362
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
STTRV1_RVC	0.82 365	0.59 399	1.16 395	0.67 409	0.81 423	1.11 379	0.63 363	1.30 385	1.11 363	0.98 338	1.33 361	1.08 348	0.95 379	1.26 390	0.87 352	0.55 425	0.25 360	0.43 401	0.39 400	0.58 422	0.40 392

Syn2CoEx	0.71 344	0.51 382	0.95 376	0.64 398	0.45 377	0.91 342	0.53 335	1.48 413	1.13 367	0.93 318	1.35 363	1.02 332	0.99 384	0.92 332	0.80 336	0.30 357	0.27 373	0.28 348	0.24 333	0.23 291	0.24 309

MDST_ROB	0.91 384	0.27 268	0.85 365	0.63 397	0.41 355	2.53 438	0.71 390	1.60 426	1.13 367	2.83 447	1.73 403	0.97 317	0.69 300	1.61 416	0.73 324	0.25 317	0.22 334	0.32 370	0.28 364	0.25 312	0.24 309

PA-Net	0.67 333	0.43 361	0.83 363	0.50 330	0.53 398	0.94 347	0.68 375	1.10 308	1.14 369	0.80 231	0.88 215	0.87 290	0.77 333	1.02 357	0.88 355	0.24 307	0.41 419	0.29 356	0.44 413	0.26 316	0.34 369
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NVstereo2D	0.60 323	0.30 299	0.75 348	0.48 301	0.43 366	0.89 341	0.48 305	1.05 292	1.15 370	0.66 155	0.86 201	0.88 295	0.70 313	0.99 348	0.65 305	0.32 371	0.15 235	0.28 348	0.20 270	0.40 382	0.36 376

UGAM	0.52 272	0.22 154	0.46 174	0.45 267	0.25 139	0.41 145	0.52 331	0.62 89	1.16 371	0.76 216	1.13 319	1.32 380	0.57 230	1.00 351	0.53 277	0.17 168	0.14 206	0.25 312	0.21 290	0.15 100	0.13 75

Wz-Net-MNSev	0.76 353	0.40 353	1.34 416	0.50 330	0.40 348	1.44 410	0.83 402	1.15 331	1.16 371	1.25 395	1.20 341	1.13 359	0.81 344	1.16 376	1.00 384	0.22 284	0.19 310	0.24 300	0.23 319	0.28 329	0.26 321

111	0.40 150	0.17 28	0.41 103	0.34 17	0.19 13	0.52 189	0.28 72	0.74 178	1.16 371	0.50 81	0.91 225	0.63 174	0.48 183	0.61 168	0.35 147	0.14 41	0.10 12	0.14 25	0.12 46	0.13 28	0.13 75

GwcNet	0.69 338	0.36 329	1.10 389	0.51 345	0.42 361	1.08 377	0.50 314	1.21 353	1.16 371	1.00 346	1.37 367	1.06 341	0.79 340	0.92 332	0.94 371	0.25 317	0.24 352	0.24 300	0.22 306	0.23 291	0.26 321

otaku	1.04 397	0.93 426	0.88 372	1.33 441	1.05 439	1.66 423	0.70 385	1.40 405	1.18 375	1.08 373	1.32 360	1.33 383	0.91 366	1.23 387	0.76 329	0.72 431	0.46 430	1.24 439	0.50 425	1.40 440	0.75 429

RYNet	0.72 348	0.35 324	0.64 299	0.53 362	0.67 417	1.31 401	0.67 370	1.20 351	1.18 375	1.05 364	0.87 208	1.27 369	0.93 375	0.93 338	1.27 407	0.22 284	0.16 264	0.26 328	0.23 319	0.40 382	0.39 389

GANetREF_RVC	0.80 361	0.75 414	0.86 370	0.66 406	0.42 361	1.15 386	0.98 417	1.14 328	1.19 377	1.01 351	1.02 277	1.10 352	0.90 365	1.15 375	0.76 329	0.48 414	0.39 416	0.57 423	0.38 396	0.63 425	0.46 408
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
NaN_ROB	0.69 338	0.44 365	0.69 323	0.51 345	0.33 309	0.97 354	1.06 423	1.22 361	1.19 377	1.24 394	0.96 245	1.08 348	0.78 338	1.20 381	0.67 310	0.24 307	0.30 385	0.23 286	0.24 333	0.23 291	0.25 316

SPS-STEREO	1.25 417	0.93 426	1.06 386	1.04 433	1.03 437	1.41 407	0.91 413	1.51 419	1.19 377	2.09 432	1.83 408	1.94 422	1.39 415	1.62 417	1.39 413	0.97 440	0.94 456	0.90 433	0.89 443	0.96 434	0.96 442
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
pcwnet_v2	0.58 313	0.28 281	0.84 364	0.45 267	0.35 323	0.61 243	0.35 167	1.27 379	1.21 380	0.99 341	1.27 351	0.72 228	0.58 239	0.67 221	0.48 254	0.27 335	0.21 328	0.24 300	0.23 319	0.29 332	0.29 341

SGM+DAISY	1.35 422	0.94 428	1.25 408	0.96 428	1.00 435	1.52 415	1.02 422	1.34 392	1.21 380	2.64 443	2.65 433	2.44 431	1.56 423	1.64 420	1.26 405	0.97 440	0.95 457	0.90 433	0.90 444	0.94 432	0.96 442

RP	0.76 353	0.36 329	0.63 294	0.66 406	0.58 411	0.80 317	0.55 343	1.14 328	1.22 382	0.97 333	1.65 397	1.43 396	1.32 412	1.01 352	0.84 343	0.33 379	0.30 385	0.36 383	0.30 371	0.34 362	0.34 369

DISCO	0.70 340	0.26 251	0.68 317	0.44 245	0.31 285	1.14 384	0.51 328	1.23 365	1.23 383	0.81 241	1.05 291	1.50 403	0.85 355	1.82 428	1.03 385	0.19 226	0.15 235	0.18 148	0.16 149	0.24 304	0.23 303

WCMA_ROB	1.14 407	0.36 329	0.76 353	0.49 316	0.44 373	1.23 396	0.67 370	1.11 313	1.23 383	2.84 448	3.95 454	3.28 444	1.83 435	1.25 389	0.99 381	0.44 408	0.34 405	0.34 377	0.37 393	0.41 388	0.40 392

RCA-Stereo	0.35 75	0.17 28	0.34 38	0.38 89	0.22 55	0.31 72	0.34 148	0.68 136	1.24 385	0.45 67	0.65 107	0.47 95	0.43 157	0.38 22	0.27 56	0.13 17	0.10 12	0.14 25	0.11 26	0.11 1	0.11 15

Wz-Net-SNSev	0.91 384	0.73 412	2.13 439	0.56 375	0.45 377	0.95 350	1.13 428	1.34 392	1.24 385	1.02 353	1.30 357	1.46 397	0.86 357	1.81 427	1.50 415	0.25 317	0.23 344	0.25 312	0.26 353	0.32 351	0.29 341

AnyNet_C32	1.16 411	0.62 406	2.40 442	0.57 380	0.55 403	1.41 407	1.34 442	1.18 345	1.24 385	1.49 405	1.42 376	1.39 392	1.20 406	1.55 411	4.82 453	0.29 350	0.28 376	0.29 356	0.34 388	0.38 379	0.42 397

MSMD_ROB	1.21 414	0.49 375	0.62 285	0.59 385	0.50 390	1.62 422	0.67 370	1.23 365	1.24 385	2.45 441	3.77 448	3.09 441	2.98 454	1.32 397	0.81 339	0.45 409	0.41 419	0.49 416	0.51 427	0.47 402	0.44 403

Ntro	1.09 405	0.97 432	0.91 374	1.44 442	1.19 441	1.69 426	0.80 400	1.35 395	1.25 389	1.00 346	1.29 356	1.31 375	0.97 382	1.26 390	0.84 343	0.84 435	0.43 425	1.36 440	0.50 425	1.56 441	0.78 431

dad	0.58 313	0.50 379	0.64 299	0.43 228	0.30 264	0.59 235	0.36 187	0.78 197	1.25 389	1.01 351	1.17 334	1.15 362	0.53 206	0.68 231	0.50 257	0.35 390	0.23 344	0.37 387	0.21 290	0.29 332	0.20 265

SGM_RVC	0.97 389	0.28 281	0.41 103	0.39 116	0.22 55	1.55 416	0.73 392	1.51 419	1.25 389	2.25 437	1.92 412	2.58 434	1.56 423	2.02 436	1.19 401	0.27 335	0.27 373	0.27 340	0.25 342	0.25 312	0.25 316
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
PASM	0.90 383	0.64 407	1.69 430	0.69 415	0.69 420	0.78 311	0.84 405	1.03 284	1.26 392	1.19 386	1.15 327	1.31 375	0.98 383	1.24 388	1.03 385	0.52 420	0.56 434	0.59 426	0.66 434	0.56 417	0.54 423

AANet_RVC	0.57 306	0.32 306	0.54 256	0.45 267	0.27 203	0.57 221	0.48 305	1.00 270	1.28 393	0.86 275	1.33 361	0.87 290	0.58 239	1.07 365	0.75 328	0.18 197	0.12 119	0.15 60	0.13 71	0.18 184	0.18 211

pmcnn	1.23 415	0.29 291	0.96 378	0.40 145	0.23 89	0.95 350	0.69 380	1.16 337	1.28 393	1.67 419	2.33 421	11.15 471	0.86 357	0.93 338	0.88 355	0.15 93	0.12 119	0.12 2	0.10 16	0.15 100	0.15 135

FAT-Stereo	0.73 350	0.33 314	0.75 348	0.49 316	0.37 330	0.71 293	0.59 354	1.36 398	1.30 395	1.03 361	1.40 373	1.59 412	1.15 398	0.87 312	0.86 348	0.28 343	0.28 376	0.28 348	0.23 319	0.28 329	0.38 387

AF-Net	0.81 364	0.39 349	0.68 317	0.64 398	0.54 401	0.91 342	0.51 328	1.61 427	1.31 396	0.96 329	2.02 416	1.46 397	1.26 410	1.11 372	0.99 381	0.32 371	0.24 352	0.39 392	0.27 359	0.30 341	0.25 316

iResNet_ROB	0.52 272	0.21 125	0.53 253	0.37 64	0.21 40	0.61 243	0.29 80	1.51 419	1.32 397	0.90 301	1.02 277	0.80 269	0.62 260	0.76 269	0.43 210	0.16 134	0.12 119	0.13 15	0.09 8	0.15 100	0.18 211

MFN_U_SF_RVC	1.09 405	0.59 399	1.97 437	0.67 409	0.44 373	1.93 431	0.60 356	1.85 435	1.36 398	1.61 413	1.54 392	1.95 423	1.37 414	1.64 420	1.73 419	0.40 403	0.37 410	0.45 405	0.48 420	0.44 393	0.44 403

AnyNet_C01	1.56 430	1.05 434	7.45 460	0.64 398	0.54 401	1.99 432	1.38 444	1.43 409	1.36 398	1.63 416	1.92 412	1.84 418	1.33 413	2.40 444	4.03 448	0.33 379	0.32 397	0.32 370	0.34 388	0.44 393	0.45 407

stereogan	0.80 361	0.31 303	0.71 331	0.59 385	0.50 390	1.72 427	0.48 305	1.35 395	1.37 400	1.00 346	1.46 386	1.56 409	0.95 379	1.29 394	0.84 343	0.28 343	0.29 381	0.29 356	0.25 342	0.38 379	0.38 387

FBW_ROB	0.88 378	0.50 379	0.85 365	0.55 372	0.40 348	1.17 389	0.78 398	1.50 416	1.37 400	1.33 400	1.27 351	1.48 401	1.00 386	2.57 448	0.98 380	0.25 317	0.32 397	0.45 405	0.30 371	0.34 362	0.28 335

MeshStereo	1.34 420	0.43 361	0.54 256	0.44 245	0.34 317	1.66 423	0.60 356	1.94 436	1.37 400	4.47 461	3.25 440	4.71 453	1.94 438	1.92 432	1.17 399	0.35 390	0.35 407	0.37 387	0.31 378	0.32 351	0.32 358
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
FCDSN-DC	1.39 425	0.56 395	0.65 305	0.74 420	0.59 412	1.38 404	0.63 363	1.35 395	1.39 403	3.26 455	4.50 459	4.61 451	2.63 449	1.58 415	1.03 385	0.46 410	0.42 421	0.48 413	0.47 418	0.50 407	0.50 419
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ADCL	1.04 397	0.38 345	1.35 417	0.50 330	0.39 343	1.61 420	0.89 410	1.29 382	1.39 403	1.29 397	1.50 388	1.24 367	1.24 407	1.37 406	4.87 454	0.21 262	0.19 310	0.25 312	0.25 342	0.29 332	0.27 328

Wz-Net-TNSev	1.14 407	1.06 435	4.32 455	0.49 316	0.42 361	1.51 414	1.11 427	1.48 413	1.40 405	1.22 391	1.26 350	1.58 411	1.43 418	1.76 425	1.70 418	0.32 371	0.31 394	0.26 328	0.30 371	0.41 388	0.41 396

MFN_U_SF_DS_RVC	1.02 395	0.57 397	1.51 428	0.67 409	0.50 390	2.57 439	1.66 452	1.20 351	1.43 406	1.38 402	1.57 394	1.33 383	0.92 370	1.64 420	0.88 355	0.37 396	0.39 416	0.46 408	0.60 432	0.41 388	0.40 392

DPSNet	0.99 391	0.42 359	1.88 436	0.53 362	0.41 355	1.59 419	1.26 437	2.21 442	1.43 406	1.10 377	1.11 310	1.46 397	1.95 439	1.34 400	1.26 405	0.34 385	0.25 360	0.25 312	0.21 290	0.46 400	0.37 381

SAMSARA	1.07 403	0.65 408	1.19 402	1.06 434	0.90 426	1.76 428	1.76 456	1.46 411	1.44 408	1.51 407	1.16 332	2.00 424	1.14 397	1.48 409	1.31 409	0.39 399	0.44 427	0.35 379	0.38 396	0.49 405	0.49 418

DispFullNet	1.60 432	2.63 466	2.75 445	2.56 461	1.79 452	1.24 397	0.47 297	1.37 400	1.45 409	1.87 424	1.50 388	1.55 408	2.46 445	2.04 437	1.04 388	0.59 426	0.18 296	2.32 456	0.68 436	2.29 456	1.14 449

CSAN	0.83 372	0.49 375	0.77 358	0.60 390	0.41 355	1.14 384	1.06 423	1.19 347	1.46 410	1.32 398	1.43 379	1.37 390	1.19 404	1.27 393	0.86 348	0.39 399	0.31 394	0.36 383	0.37 393	0.35 366	0.34 369

PWC_ROB	0.87 376	0.52 389	1.28 410	0.50 330	0.32 299	0.91 342	0.37 200	1.36 398	1.46 410	1.61 413	2.59 431	1.16 363	1.01 387	1.34 400	1.40 414	0.25 317	0.18 296	0.28 348	0.20 270	0.29 332	0.28 335

FINET	0.67 333	0.42 359	1.00 382	0.46 287	0.43 366	0.83 332	0.89 410	1.08 303	1.50 412	0.87 282	1.14 322	0.71 219	0.68 296	0.92 332	0.70 317	0.36 393	0.30 385	0.26 328	0.24 333	0.35 366	0.33 362

XQC	0.89 380	0.65 408	1.31 413	0.67 409	0.52 397	1.22 394	0.68 375	1.26 377	1.52 413	1.14 382	1.11 310	1.28 371	1.04 389	1.40 408	1.77 422	0.38 397	0.24 352	0.37 387	0.31 378	0.53 413	0.47 413

FC-DCNN	1.59 431	0.51 382	0.66 311	0.61 392	0.49 388	1.56 417	0.70 385	1.66 430	1.53 414	4.64 462	4.62 460	5.85 460	3.34 458	1.84 429	1.11 393	0.46 410	0.42 421	0.47 409	0.46 414	0.48 403	0.46 408

NVStereoNet_ROB	1.24 416	0.90 425	1.13 393	0.86 424	0.88 425	1.11 379	0.99 419	1.42 407	1.53 414	1.59 412	2.48 426	2.24 427	1.53 420	1.96 435	1.30 408	0.76 433	0.70 439	0.78 429	1.00 449	0.71 427	0.88 437
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
RainbowNet	1.35 422	1.49 445	1.19 402	1.88 449	1.45 443	1.48 412	1.07 425	1.61 427	1.55 416	1.20 389	1.59 395	1.54 407	1.13 396	1.34 400	0.97 377	1.36 451	0.70 439	1.82 445	0.79 440	1.71 444	1.07 448

MFMNet_re	1.14 407	0.97 432	1.19 402	0.99 429	0.95 429	1.25 398	1.22 434	1.39 402	1.55 416	1.69 420	1.67 401	1.21 364	1.53 420	1.12 373	0.99 381	0.87 437	0.75 446	0.79 430	0.75 438	0.90 429	0.94 439

FC-DCNN v2	1.65 435	0.51 382	0.65 305	0.61 392	0.49 388	1.61 420	0.70 385	1.75 434	1.56 418	4.74 464	4.91 462	6.46 464	3.31 456	1.91 431	1.11 393	0.46 410	0.42 421	0.47 409	0.46 414	0.48 403	0.46 408

Consistency-Raft	1.01 392	0.81 418	1.24 407	0.84 423	0.97 431	0.81 322	0.84 405	1.30 385	1.59 419	1.05 364	1.68 402	1.12 356	0.91 366	0.92 332	1.11 393	0.65 428	0.74 442	0.79 430	0.90 444	1.06 437	0.79 433

LRCNet_RVC	21.24 476	31.15 481	21.41 471	28.98 479	23.82 477	3.13 453	0.60 356	20.96 479	1.59 419	25.58 479	28.15 481	21.99 480	14.79 469	21.94 480	16.41 470	28.89 485	14.87 479	33.53 481	31.28 481	29.51 483	26.16 480

PDISCO_ROB	0.91 384	0.48 372	1.06 386	0.99 429	0.97 431	1.67 425	0.63 363	1.64 429	1.59 419	1.06 367	1.18 336	1.31 375	0.79 340	1.55 411	0.97 377	0.49 416	0.22 334	0.45 405	0.40 403	0.45 397	0.37 381

S-Stereo	0.74 351	0.35 324	0.96 378	0.56 375	0.45 377	0.82 330	0.60 356	1.24 372	1.60 422	0.96 329	1.41 375	1.12 356	0.94 376	0.80 285	1.04 388	0.26 327	0.31 394	0.28 348	0.25 342	0.32 351	0.47 413

ACVNet-4b	1.35 422	1.31 441	1.10 389	1.90 450	1.59 445	1.92 430	0.77 396	1.52 422	1.62 423	1.05 364	1.60 396	2.11 425	0.94 376	1.64 420	0.77 333	1.30 448	0.35 407	2.03 451	0.67 435	1.88 450	0.84 434

LSM	4.74 463	0.77 415	10.16 462	0.70 416	56.56 483	1.02 363	1.00 421	1.24 372	1.62 423	2.04 430	2.34 422	1.33 383	1.17 401	1.38 407	1.09 392	0.33 379	0.49 431	0.39 392	0.46 414	0.51 408	10.09 472

MADNet+	2.23 447	2.43 462	10.85 463	1.22 438	0.91 427	2.76 443	1.40 445	2.12 441	1.67 425	1.32 398	1.74 405	1.86 421	1.74 431	6.25 463	4.41 452	0.65 428	0.64 437	0.58 425	0.54 429	0.80 428	0.76 430

WZ-Net	1.19 413	0.59 399	4.07 453	0.62 396	0.51 393	1.34 402	1.31 441	1.32 388	1.74 426	1.53 409	1.65 397	1.74 416	1.28 411	2.25 442	2.01 428	0.27 335	0.21 328	0.23 286	0.25 342	0.40 382	0.39 389

RTSC	0.87 376	0.48 372	1.23 406	0.52 356	0.37 330	1.13 383	0.50 314	1.34 392	1.79 427	1.51 407	1.24 347	1.12 356	0.81 344	1.62 417	2.16 431	0.25 317	0.19 310	0.23 286	0.24 333	0.30 341	0.31 354

ADCS	1.51 429	0.61 403	3.42 448	0.59 385	0.51 393	1.27 399	1.08 426	1.59 425	1.81 428	1.91 428	1.66 399	1.51 406	1.42 417	1.94 434	8.60 463	0.33 379	0.32 397	0.33 375	0.36 392	0.44 393	0.42 397

ACVNet_1	1.46 427	1.33 442	1.12 392	1.91 451	1.62 446	1.83 429	0.98 417	2.00 439	1.85 429	1.39 403	1.53 391	2.32 429	1.53 420	1.34 400	1.11 393	1.30 448	0.50 432	2.06 453	0.58 431	1.93 452	0.95 441

JetBlue	2.78 450	1.26 439	7.04 459	1.16 436	1.48 444	8.00 467	6.02 468	2.60 445	1.92 430	2.12 433	2.64 432	3.34 446	3.05 455	6.49 464	3.39 444	0.78 434	0.76 447	0.75 428	0.76 439	0.97 435	1.18 454

MSC_U_SF_DS_RVC	1.34 420	0.87 423	1.76 433	0.86 424	0.56 406	4.29 459	1.79 457	1.50 416	1.98 431	1.61 413	1.85 410	1.84 418	1.41 416	1.89 430	1.36 410	0.48 414	0.40 418	0.56 422	0.57 430	0.69 426	0.48 415

DeepPrunerF	0.89 380	0.52 389	3.43 449	0.68 413	0.81 423	0.72 299	0.72 391	1.22 361	1.99 432	0.93 318	1.01 269	0.87 290	0.86 357	1.08 367	0.95 374	0.34 385	0.28 376	0.43 401	0.39 400	0.30 341	0.32 358

SuperB	1.04 397	0.37 335	4.81 456	0.43 228	0.31 285	0.99 359	0.46 290	1.02 280	2.09 433	1.09 375	1.09 307	0.75 246	0.81 344	1.06 362	1.76 421	0.19 226	0.15 235	0.17 109	0.15 119	2.82 463	0.26 321

SHD	0.93 387	0.50 379	1.18 401	0.59 385	0.46 384	0.97 354	0.48 305	1.70 432	2.15 434	1.58 410	1.37 367	1.42 395	1.19 404	1.31 396	1.60 416	0.31 360	0.26 367	0.32 370	0.33 387	0.40 382	0.42 397

RTS	1.98 441	0.96 429	11.36 464	0.65 403	0.57 409	2.77 444	1.40 445	1.39 402	2.26 435	1.89 425	2.56 428	1.32 380	1.25 408	5.20 461	4.05 449	0.31 360	0.22 334	0.29 356	0.29 369	0.40 382	0.37 381

RTSA	1.98 441	0.96 429	11.36 464	0.65 403	0.57 409	2.77 444	1.40 445	1.39 402	2.26 435	1.89 425	2.56 428	1.32 380	1.25 408	5.20 461	4.05 449	0.31 360	0.22 334	0.29 356	0.29 369	0.40 382	0.37 381

IMH-64-1	1.86 437	1.62 450	1.16 395	2.20 454	1.89 454	2.33 436	1.30 438	2.89 447	2.29 437	1.66 417	2.80 436	2.49 432	1.61 426	2.10 438	1.78 423	1.60 453	0.74 442	2.43 457	1.02 450	2.12 453	1.17 452

IMH-64	1.86 437	1.62 450	1.16 395	2.20 454	1.89 454	2.33 436	1.30 438	2.89 447	2.29 437	1.66 417	2.80 436	2.49 432	1.61 426	2.10 438	1.78 423	1.60 453	0.74 442	2.43 457	1.02 450	2.12 453	1.17 452

ELAS	1.63 434	0.61 403	0.95 376	0.68 413	0.55 403	3.01 452	1.55 450	2.39 444	2.33 439	3.64 458	3.89 452	2.75 436	2.90 453	2.15 440	2.27 437	0.52 420	0.45 428	0.50 418	0.48 420	0.54 415	0.52 421
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PWCDC_ROB	0.89 380	0.49 375	0.80 362	0.74 420	0.40 348	1.03 366	0.39 243	1.33 390	2.35 440	1.02 353	3.77 448	0.81 271	0.92 370	1.20 381	0.90 367	0.34 385	0.22 334	0.24 300	0.20 270	0.34 362	0.29 341

PWCK	1.92 440	1.66 453	3.12 447	1.65 444	0.91 427	2.84 446	2.26 462	2.10 440	2.41 441	2.36 439	2.31 420	2.22 426	1.82 433	3.43 452	2.03 429	1.61 455	0.71 441	1.51 441	0.82 442	1.69 443	0.91 438

ACVNet_2	1.65 435	1.27 440	1.41 424	1.75 446	1.62 446	2.22 435	1.20 431	2.30 443	2.62 442	1.78 422	2.56 428	3.03 438	1.61 426	1.54 410	1.12 397	1.06 443	0.58 436	1.82 445	0.70 437	1.82 446	0.96 442

ELAS_RVC	1.60 432	0.61 403	1.01 383	0.70 416	0.56 406	2.00 433	1.89 459	1.96 437	2.65 443	3.33 456	3.26 441	3.03 438	3.41 459	2.49 446	2.09 430	0.52 420	0.45 428	0.50 418	0.48 420	0.54 415	0.52 421
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficientorigin	9.93 468	1.15 436	175.16 487	0.48 301	0.36 325	1.04 370	0.68 375	1.24 372	2.69 444	3.17 454	2.50 427	2.30 428	2.07 442	1.76 425	2.21 432	0.20 249	0.18 296	0.24 300	0.19 246	0.51 408	0.50 419

EDNetEfficient	1.46 427	0.80 417	6.12 458	0.47 296	0.39 343	0.69 284	0.83 402	0.90 237	2.77 445	3.50 457	1.96 414	1.66 413	2.03 441	1.26 390	4.18 451	0.21 262	0.18 296	0.21 255	0.20 270	0.41 388	0.39 389

PVD	1.28 419	0.67 410	1.28 410	0.74 420	0.62 414	1.50 413	0.84 405	1.99 438	2.96 446	2.18 435	2.36 424	1.85 420	1.95 439	1.92 432	1.94 426	0.39 399	0.36 409	0.49 416	0.37 393	0.51 408	0.64 426

IMH	2.04 444	1.62 450	1.20 405	2.20 454	1.89 454	2.91 451	1.30 438	3.11 450	3.03 447	1.81 423	3.35 446	3.03 438	1.90 436	2.48 445	1.80 425	1.66 456	0.77 448	2.45 459	1.04 453	2.15 455	1.19 455

notaker	2.76 449	2.29 461	1.80 434	2.96 465	2.58 466	2.90 450	1.75 455	3.24 453	3.05 448	2.78 446	4.24 457	6.15 463	2.51 447	3.34 451	2.75 440	2.31 464	1.18 460	3.00 467	1.65 463	2.84 464	1.97 461

WAO-7	1.90 439	1.20 437	1.35 417	1.27 439	1.06 440	2.84 446	1.56 451	3.23 452	3.06 449	2.23 436	3.33 445	3.17 442	2.28 444	3.12 449	2.21 432	1.02 442	0.91 452	1.06 437	1.03 452	1.04 436	0.97 445

DPSimNet_ROB	3.58 457	2.45 463	8.57 461	2.53 459	2.37 461	2.88 449	3.77 467	3.14 451	3.23 450	4.71 463	3.86 451	4.68 452	4.87 464	4.07 459	5.62 456	2.33 465	2.33 466	2.47 460	2.52 466	2.51 460	2.64 466

SANet	1.07 403	0.41 357	1.06 386	0.48 301	0.30 264	1.41 407	0.94 414	1.42 407	3.36 451	1.58 410	2.43 425	2.33 430	1.70 430	1.34 400	1.07 390	0.28 343	0.24 352	0.26 328	0.23 319	0.34 362	0.30 348

JetRed	5.27 464	5.84 470	12.81 467	2.36 458	2.83 467	12.23 471	10.50 470	4.46 461	3.60 452	3.86 459	3.83 450	4.85 456	4.18 462	6.78 465	11.96 466	2.17 463	2.96 468	2.18 455	1.97 464	3.38 467	2.68 467

MADNet++	4.03 458	2.70 467	3.44 450	3.72 470	3.44 469	4.44 460	3.52 466	3.95 460	3.61 453	4.46 460	4.98 463	4.10 450	4.58 463	7.00 466	5.89 457	3.74 467	3.67 469	3.27 469	2.71 468	3.70 469	3.66 469

WAO-6	2.04 444	1.50 446	1.16 395	1.70 445	1.67 450	2.69 440	1.44 448	3.06 449	3.63 454	1.98 429	3.27 442	3.54 449	2.07 442	2.36 443	2.22 434	1.31 450	0.91 452	2.04 452	1.22 459	1.73 445	1.27 456

Dean	1.98 441	1.36 443	1.36 421	2.12 453	1.81 453	2.74 441	1.36 443	3.37 456	3.80 455	2.08 431	3.32 444	3.21 443	1.82 433	1.71 424	1.67 417	1.27 445	0.77 448	1.99 447	0.90 444	1.86 447	1.03 447

LVE	2.12 446	1.44 444	1.36 421	1.99 452	1.78 451	2.75 442	1.79 457	2.82 446	3.95 456	1.90 427	4.33 458	3.52 448	1.81 432	2.24 441	1.74 420	1.74 457	0.87 451	2.06 453	1.13 455	1.91 451	1.35 457

SGM-ForestM	4.04 459	0.32 306	0.46 174	0.43 228	0.27 203	7.50 466	1.45 449	3.84 459	4.24 457	8.19 469	6.76 466	19.00 477	9.08 466	10.74 470	6.62 460	0.31 360	0.33 403	0.32 370	0.32 384	0.29 332	0.29 341

tt	6.20 465	0.20 92	5.89 457	3.55 469	2.07 457	11.26 470	19.21 471	11.74 472	5.46 458	2.69 444	2.04 418	4.87 457	6.25 465	3.70 456	7.09 462	8.32 473	11.17 478	4.93 470	5.41 472	5.74 471	2.37 465

ktn	2.98 453	2.25 460	1.73 432	2.84 464	2.53 465	3.76 458	2.15 461	3.70 458	5.47 459	2.75 445	5.17 464	5.94 461	2.48 446	3.23 450	2.46 438	2.34 466	1.44 463	2.78 465	2.03 465	2.45 459	2.01 463

KSHMR	2.57 448	1.93 456	1.69 430	2.63 463	2.42 462	2.86 448	2.07 460	3.27 454	6.50 460	2.49 442	3.36 447	3.41 447	1.92 437	2.49 446	1.94 426	2.13 462	1.40 462	2.79 466	1.50 462	2.73 461	1.77 460

HanzoNet	6.76 467	2.45 463	4.22 454	3.19 467	2.94 468	3.62 456	2.28 463	4.79 465	7.20 461	14.00 474	13.19 473	17.49 475	22.30 479	13.25 472	6.19 458	4.20 469	1.93 465	3.10 468	2.56 467	3.35 466	2.88 468

coex-ft	6.43 466	1.51 447	87.33 486	0.49 316	0.38 339	1.34 402	1.21 433	1.16 337	8.09 462	12.12 470	2.79 435	2.77 437	3.31 456	1.16 376	3.15 441	0.24 307	0.23 344	0.27 340	0.24 333	0.45 397	0.37 381

ASD4	9.96 469	8.86 473	17.78 468	7.17 471	9.80 470	16.08 473	28.92 475	9.77 471	8.20 463	7.02 468	7.08 467	8.47 467	9.57 468	11.17 471	20.26 472	4.12 468	4.14 470	5.57 473	4.74 470	5.53 470	4.90 471

TorneroNet-64	3.44 454	1.86 454	1.42 425	2.58 462	2.28 460	6.87 464	1.68 453	4.70 464	12.03 464	2.31 438	5.59 465	8.25 466	2.55 448	3.97 458	2.73 439	1.81 458	0.74 442	2.57 461	1.07 454	2.35 457	1.44 458

MANE	4.13 460	0.51 382	0.64 299	0.66 406	0.56 406	6.89 465	0.99 419	7.55 467	12.04 465	6.68 467	8.57 469	10.69 470	9.45 467	7.59 467	6.39 459	0.49 416	0.43 425	0.48 413	0.98 448	0.49 405	0.48 415

UNDER WATER-64	3.53 456	2.01 457	3.94 452	3.22 468	2.49 464	5.41 463	2.60 465	3.43 457	12.41 466	3.03 453	2.68 434	6.07 462	4.04 461	3.79 457	3.33 443	2.02 460	1.24 461	2.63 462	1.46 461	2.78 462	2.08 464

WAO-8	2.92 451	1.55 448	1.35 417	1.79 447	1.63 448	5.23 461	1.22 434	4.58 462	12.56 467	2.84 448	4.07 456	4.83 454	2.72 451	3.49 453	2.25 435	1.27 445	0.91 452	1.99 447	1.15 457	1.86 447	1.15 450

Venus	2.92 451	1.55 448	1.35 417	1.79 447	1.63 448	5.23 461	1.22 434	4.58 462	12.56 467	2.84 448	4.06 455	4.83 454	2.72 451	3.49 453	2.25 435	1.27 445	0.91 452	1.99 447	1.15 457	1.86 447	1.15 450

UNDER WATER	3.46 455	2.07 459	3.64 451	3.09 466	2.48 463	3.75 457	2.42 464	3.31 455	13.77 469	2.90 452	2.95 439	5.84 459	3.69 460	3.69 455	3.48 447	2.07 461	1.11 459	2.70 464	1.40 460	2.84 464	1.98 462

BEATNet-Init1	15.13 472	0.82 421	50.86 485	0.72 419	0.53 398	38.10 483	7.03 469	11.83 473	14.25 470	29.78 483	30.17 483	48.21 487	22.64 480	26.78 481	18.11 471	0.42 407	0.38 412	0.47 409	0.46 414	0.51 408	0.48 415

DGTPSM_ROB	12.07 470	8.00 471	20.99 469	8.93 473	16.78 472	10.67 468	30.87 476	9.01 469	15.16 471	6.50 465	15.41 477	9.04 468	14.85 470	9.25 468	21.67 474	4.57 470	8.57 473	5.08 471	9.28 473	5.90 472	10.95 473

DPSMNet_ROB	12.08 471	8.00 471	21.00 470	8.97 474	16.79 473	10.67 468	30.89 477	9.02 470	15.17 472	6.51 466	15.41 477	9.04 468	14.85 470	9.27 469	21.67 474	4.58 471	8.57 473	5.09 472	9.29 474	5.90 472	10.95 473

Anonymous_1	33.25 478	18.26 474	23.92 472	20.54 475	21.28 476	25.59 475	35.94 478	22.01 482	15.57 473	13.33 471	13.49 474	18.08 476	15.29 472	20.36 473	24.60 476	16.28 481	8.84 475	66.59 485	118.00 485	155.73 488	11.23 475

DPSM_ROB	17.78 473	18.63 475	24.31 476	20.90 476	19.47 474	25.97 476	36.21 479	21.23 480	16.24 474	13.38 472	14.06 475	19.18 478	16.30 473	20.78 474	25.67 477	9.38 475	9.23 476	9.49 475	9.82 475	13.51 475	11.91 476

DPSM	17.78 473	18.63 475	24.31 476	20.90 476	19.47 474	25.97 476	36.21 479	21.23 480	16.24 474	13.38 472	14.06 475	19.18 478	16.30 473	20.78 474	25.67 477	9.38 475	9.23 476	9.49 475	9.82 475	13.51 475	11.91 476

LE_ROB	4.42 461	0.24 210	2.75 445	0.42 209	0.23 89	1.57 418	0.90 412	1.71 433	17.88 476	16.56 478	4.88 461	5.17 458	18.85 478	1.63 419	14.62 469	0.17 168	0.14 206	0.16 83	0.16 149	0.19 218	0.17 195

xxxxx1	36.64 481	19.51 477	24.21 473	61.66 485	64.63 485	27.28 479	40.10 481	20.25 475	18.63 477	14.07 475	12.97 470	17.26 472	17.36 475	21.70 477	27.93 479	13.18 478	18.50 481	111.26 486	133.37 486	29.24 480	39.73 482

tt_ll	36.64 481	19.51 477	24.21 473	61.66 485	64.63 485	27.28 479	40.10 481	20.25 475	18.63 477	14.07 475	12.97 470	17.26 472	17.36 475	21.70 477	27.93 479	13.18 478	18.50 481	111.26 486	133.37 486	29.24 480	39.73 482

ff	36.64 481	19.51 477	24.21 473	61.66 485	64.63 485	27.28 479	40.10 481	20.25 475	18.63 477	14.07 475	12.97 470	17.26 472	17.36 475	21.70 477	27.93 479	13.18 478	18.50 481	111.26 486	133.37 486	29.24 480	39.73 482

PML	40.80 487	29.24 480	11.87 466	7.20 472	14.47 471	92.13 487	213.69 488	7.63 468	23.35 480	74.72 487	190.14 488	50.17 488	26.15 481	21.39 476	12.70 467	8.76 474	2.92 467	8.45 474	3.25 469	13.26 474	4.42 470

TorneroNet	4.53 462	1.89 455	1.48 427	2.55 460	2.27 459	13.78 472	1.69 454	4.84 466	23.73 481	2.89 451	7.70 468	7.06 465	2.69 450	4.26 460	3.42 445	1.84 459	0.77 448	2.68 463	1.13 455	2.42 458	1.47 459

HaxPig	31.96 477	37.24 483	34.27 478	24.37 478	24.88 478	18.26 474	19.86 472	20.64 478	28.52 482	35.97 484	38.75 484	25.57 481	28.72 482	33.88 482	34.39 482	35.94 486	38.87 486	37.80 482	40.48 482	39.68 484	41.15 485

Selective-RAFT-Error	35.84 480	37.49 485	48.83 484	42.26 483	39.24 482	52.30 485	73.09 485	42.66 486	32.61 483	26.80 481	28.30 482	38.84 486	33.51 485	41.68 486	51.59 485	18.82 483	18.58 485	19.17 479	19.80 480	27.28 478	24.05 479

CasAABBNet	35.74 479	37.43 484	48.72 483	42.22 482	39.20 481	52.24 484	73.12 486	42.61 485	32.62 484	26.78 480	27.95 479	38.58 484	32.60 483	41.67 485	51.65 486	18.74 482	18.57 484	19.15 478	19.77 479	27.20 477	23.98 478

LSM0	38.95 486	37.60 486	48.58 482	43.57 484	91.06 488	52.57 486	72.57 484	43.17 487	32.63 485	26.97 482	27.97 480	38.65 485	32.94 484	41.86 487	51.78 487	18.89 484	18.41 480	19.13 477	19.63 478	27.29 479	33.77 481

MEDIAN_ROB	37.38 484	40.85 488	40.60 481	32.31 480	31.85 479	27.20 478	24.55 473	29.10 483	33.19 486	42.09 486	41.76 486	33.35 482	34.39 486	39.78 484	37.07 483	43.64 488	44.10 488	44.12 484	43.40 484	41.51 486	42.76 487

AVERAGE_ROB	37.58 485	40.13 487	40.15 480	34.81 481	33.82 480	28.55 482	25.10 474	32.02 484	34.06 487	41.28 485	40.66 485	34.46 483	34.81 487	39.18 483	37.57 484	42.78 487	43.44 487	43.82 483	43.03 483	40.47 485	41.51 486

test_example2	176.61 488	205.14 489	198.86 488	188.60 489	190.98 489	152.67 488	170.61 487	94.86 488	123.55 488	178.88 488	179.48 487	158.94 489	141.34 488	192.61 488	198.96 488	203.76 489	236.37 489	164.13 489	173.55 489	218.58 489	160.41 488

FADE		2.05 458		1.03 432	0.99 434							2.73 435				11.57 477	1.70 464	23.09 480	15.86 477	0.62 424

Low-res two-view benchmark