Low-res two-view results

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

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

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

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

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

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

DLNR_Zeroshot_test	23.17 419	48.52 436	43.29 425	176.68 435	78.69 431	0.35 5	0.21 1	23.41 418	0.75 56	0.66 42	0.86 57	0.59 51	0.30 4	1.56 190	0.44 84	9.57 418	0.12 9	0.18 36	0.14 22	76.92 434	0.16 41

EGLCR-Stereo	0.37 3	0.22 9	0.51 24	0.43 8	0.26 20	0.44 16	0.22 2	0.99 64	0.48 4	0.42 4	0.42 2	0.67 67	0.29 3	0.86 69	0.33 16	0.17 32	0.12 9	0.19 49	0.17 74	0.17 24	0.15 27

XX-Stereo	0.63 116	0.26 46	1.90 348	0.81 328	0.67 303	0.43 14	0.23 3	1.03 77	0.58 18	0.65 41	1.56 274	1.41 266	0.39 14	1.28 132	0.35 27	0.20 117	0.14 75	0.20 73	0.19 108	0.18 41	0.14 11

Any-RAFT	0.53 48	0.24 19	0.47 13	0.47 41	0.27 33	1.00 234	0.25 4	1.58 219	1.05 150	0.85 76	0.99 84	1.06 186	0.47 39	0.70 33	0.32 7	0.18 60	0.13 42	0.16 9	0.13 11	0.16 13	0.16 41

ROB_FTStereo	0.54 62	0.30 126	0.73 130	0.50 72	0.27 33	0.64 96	0.25 4	1.05 87	0.64 27	1.12 137	0.95 72	0.82 103	0.61 106	1.15 120	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

CRE-IMP	0.55 77	0.30 126	0.74 144	0.52 111	0.29 63	0.79 175	0.25 4	1.04 81	0.72 52	1.09 123	0.95 72	0.81 98	0.57 86	1.10 112	0.50 128	0.21 144	0.14 75	0.23 150	0.19 108	0.28 235	0.22 165

CREStereo++_RVC	0.47 30	0.21 4	0.38 4	0.45 32	0.38 170	0.45 17	0.25 4	0.75 8	1.29 255	0.80 62	1.21 169	0.47 19	0.37 12	0.53 5	0.44 84	0.16 11	0.11 3	0.15 3	0.80 377	0.18 41	0.11 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
Gwc-CoAtRS	0.52 39	0.24 19	0.68 88	0.48 52	0.29 63	0.64 96	0.25 4	1.16 122	1.08 162	1.01 104	1.00 87	1.12 206	0.56 78	0.69 31	0.37 38	0.16 11	0.13 42	0.17 14	0.15 30	0.15 5	0.15 27

MIF-Stereo (partial)	0.45 23	0.25 35	0.70 103	0.50 72	0.52 252	0.35 5	0.26 9	0.91 40	0.59 21	0.45 12	0.71 33	0.51 32	0.51 58	1.11 115	0.45 92	0.20 117	0.16 156	0.23 150	0.20 136	0.24 191	0.18 78

IIG-Stereo	0.96 253	0.31 157	0.72 118	0.88 350	0.33 122	0.61 87	0.26 9	1.19 135	1.03 142	1.69 324	1.37 224	1.46 276	0.75 140	6.96 380	0.51 131	0.19 92	0.14 75	0.23 150	0.18 88	0.20 97	0.14 11

SST-Stereo	0.83 217	0.28 83	0.72 118	0.59 195	0.31 91	0.72 144	0.26 9	1.09 107	0.86 77	1.47 287	1.10 128	1.00 169	0.87 196	5.73 358	0.45 92	0.22 167	0.13 42	0.23 150	0.19 108	0.23 177	0.18 78

TANstereo	0.44 21	0.21 4	0.44 11	0.41 5	0.21 3	0.65 108	0.26 9	0.79 13	0.83 75	0.93 83	0.98 82	0.51 32	0.46 33	0.54 7	0.35 27	0.18 60	0.24 272	0.16 9	0.13 11	0.16 13	0.26 224

XX-TBD	0.46 24	0.70 337	0.35 1	0.79 322	0.25 18	0.58 74	0.26 9	0.69 4	1.27 246	0.76 53	1.00 87	0.45 15	0.33 10	0.47 3	0.37 38	0.19 92	0.15 125	0.15 3	0.11 6	0.17 24	0.14 11

RAFT-Test	0.54 62	0.25 35	0.64 72	0.47 41	0.30 79	0.97 228	0.27 14	1.24 149	0.81 69	0.96 90	1.12 139	1.28 246	0.48 47	0.71 37	0.36 33	0.17 32	0.13 42	0.17 14	0.14 22	0.16 13	0.16 41

CFNet-RSSM	0.54 62	0.24 19	0.70 103	0.48 52	0.28 52	0.60 84	0.27 14	1.49 192	1.14 190	1.06 115	0.93 70	1.08 193	0.54 68	0.70 33	0.35 27	0.16 11	0.12 9	0.17 14	0.15 30	0.16 13	0.14 11

PMTNet	0.46 24	0.21 4	0.38 4	0.37 2	0.23 6	0.71 142	0.27 14	0.74 7	1.04 146	0.64 40	0.70 31	0.55 39	0.47 39	0.86 69	0.35 27	1.00 375	0.13 42	0.15 3	0.10 2	0.15 5	0.13 3

MSKI-zero shot	0.55 77	0.26 46	0.57 45	0.51 95	0.26 20	0.69 132	0.28 17	1.18 129	0.64 27	0.91 80	1.32 208	0.82 103	0.33 10	1.92 240	0.32 7	0.17 32	0.12 9	0.17 14	0.13 11	0.16 13	0.16 41

MIM_Stereo	0.57 90	0.24 19	0.92 215	0.46 35	0.30 79	0.54 59	0.28 17	1.27 153	0.75 56	1.00 101	1.16 156	0.93 145	0.53 65	1.45 168	0.61 173	0.16 11	0.16 156	0.20 73	0.19 108	0.17 24	0.14 11

Patchmatch Stereo++	0.55 77	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.29 19	1.05 87	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	1.37 149	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78
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
iRAFT	0.55 77	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.29 19	1.05 87	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	1.37 149	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

CREStereo	0.39 5	0.21 4	0.38 4	0.34 1	0.22 4	0.53 56	0.29 19	0.77 11	1.11 174	0.58 32	0.71 33	0.51 32	0.41 19	0.54 7	0.34 24	0.18 60	0.13 42	0.15 3	0.10 2	0.14 2	0.14 11
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
StereoIM	0.36 1	0.25 35	0.58 48	0.44 23	0.34 137	0.30 3	0.30 22	0.72 5	0.50 6	0.37 2	0.36 1	0.58 47	0.49 55	0.52 4	0.36 33	0.19 92	0.16 156	0.19 49	0.15 30	0.18 41	0.14 11

LL-Strereo2	0.52 39	0.33 187	0.69 97	0.52 111	0.37 153	0.70 139	0.30 22	1.13 118	0.67 41	0.94 88	0.78 45	0.91 136	0.42 21	1.05 104	0.42 73	0.17 32	0.16 156	0.29 254	0.25 239	0.21 131	0.16 41

iRaft-Stereo_20w	0.65 131	0.31 157	1.00 236	0.47 41	0.34 137	0.73 147	0.30 22	2.96 381	0.70 47	1.15 156	1.14 147	0.76 86	0.65 124	1.11 115	0.38 48	0.17 32	0.13 42	0.18 36	0.16 58	0.19 71	0.18 78

GLC_STEREO	0.39 5	0.25 35	0.41 9	0.54 134	0.23 6	0.48 20	0.30 22	0.73 6	0.58 18	0.52 28	0.73 36	0.51 32	0.31 6	0.64 26	0.42 73	0.17 32	0.20 225	0.23 150	0.19 108	0.21 131	0.17 60

HUI-Stereo	0.52 39	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.30 22	1.04 81	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	0.79 54	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

4D-IteraStereo	0.48 32	0.24 19	0.76 155	0.50 72	0.44 203	0.66 117	0.31 27	0.87 25	1.02 139	1.03 111	0.72 35	0.78 90	0.32 9	0.64 26	0.37 38	0.17 32	0.11 3	0.23 150	0.19 108	0.19 71	0.13 3

PFNet+	0.59 98	0.28 83	0.77 159	0.53 119	0.30 79	0.59 78	0.31 27	0.92 41	1.14 190	1.33 252	1.10 128	0.79 93	0.57 86	1.31 137	0.49 122	0.25 229	0.17 180	0.28 246	0.26 252	0.21 131	0.25 206

RALAANet	0.60 101	0.33 187	0.87 197	0.62 229	0.50 234	0.69 132	0.31 27	1.21 136	1.06 153	1.09 123	1.16 156	0.88 130	0.46 33	1.22 126	0.42 73	0.19 92	0.15 125	0.21 96	0.17 74	0.27 221	0.17 60

IGEV_Zeroshot_test	0.53 48	0.30 126	0.99 231	0.56 165	0.35 140	0.41 12	0.32 30	1.37 168	0.63 25	1.00 101	1.09 124	0.95 154	0.41 19	0.83 62	0.39 54	0.18 60	0.12 9	0.19 49	0.18 88	0.19 71	0.17 60

MIF-Stereo	0.36 1	0.23 13	0.59 52	0.48 52	0.36 145	0.40 10	0.32 30	0.53 1	0.49 5	0.54 30	0.55 17	0.36 2	0.31 6	0.58 13	0.51 131	0.20 117	0.15 125	0.17 14	0.15 30	0.19 71	0.15 27

MC-Stereo	0.43 13	0.23 13	0.48 15	0.51 95	0.28 52	0.39 9	0.32 30	0.88 32	0.68 44	0.60 38	0.84 55	0.56 41	0.61 106	1.03 98	0.31 5	0.17 32	0.11 3	0.17 14	0.15 30	0.16 13	0.13 3

Selective-IGEV	0.39 5	0.24 19	0.50 18	0.44 23	0.25 18	0.46 18	0.33 33	1.25 151	0.40 1	0.35 1	0.45 3	0.52 37	0.30 4	1.07 109	0.30 1	0.14 4	0.12 9	0.17 14	0.13 11	0.16 13	0.13 3

Selective-RAFT	0.52 39	0.28 83	0.79 169	0.55 153	0.27 33	0.91 205	0.33 33	0.80 18	0.88 85	0.58 32	0.63 21	0.81 98	0.77 152	1.29 135	0.48 115	0.19 92	0.14 75	0.17 14	0.15 30	0.19 71	0.17 60

IPLG	0.69 153	0.27 67	0.97 228	0.51 95	0.43 197	0.79 175	0.33 33	1.21 136	1.06 153	1.30 232	1.10 128	0.52 37	0.55 74	3.16 307	0.63 180	0.16 11	0.14 75	0.19 49	0.16 58	0.18 41	0.17 60

IPLGR	0.58 95	0.27 67	1.14 275	0.48 52	0.28 52	0.65 108	0.33 33	1.22 143	1.13 188	1.18 180	1.05 111	0.69 74	0.66 126	0.96 83	0.52 137	0.17 32	0.15 125	0.20 73	0.17 74	0.20 97	0.18 78

NRIStereo	0.60 101	0.29 110	0.69 97	0.53 119	0.28 52	0.63 94	0.33 33	1.08 106	0.87 81	1.14 153	0.87 60	0.91 136	0.59 95	2.24 268	0.49 122	0.20 117	0.14 75	0.21 96	0.19 108	0.21 131	0.17 60

DeepStereo_RVC	0.55 77	0.29 110	0.72 118	0.51 95	0.30 79	0.59 78	0.33 33	1.03 77	0.70 47	1.16 167	0.93 70	0.83 110	0.94 223	0.96 83	0.54 151	0.21 144	0.14 75	0.21 96	0.19 108	0.24 191	0.24 194

RAFT-RH_RVC	1.03 274	0.24 19	0.67 85	0.49 65	0.28 52	0.81 184	0.33 33	0.83 22	1.08 162	2.05 351	4.65 386	1.04 184	0.57 86	5.98 364	0.50 128	0.18 60	0.13 42	0.26 225	0.20 136	0.16 13	0.17 60

CroCo-Stereo	0.40 8	0.31 157	0.73 130	0.58 182	0.27 33	0.26 1	0.33 33	0.95 52	0.81 69	0.42 4	0.47 5	0.65 63	0.47 39	0.39 1	0.34 24	0.18 60	0.15 125	0.16 9	0.14 22	0.19 71	0.16 41
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
iRaftStereo_RVC	0.47 30	0.26 46	0.64 72	0.50 72	0.29 63	0.53 56	0.33 33	1.05 87	0.77 61	0.84 72	1.00 87	0.55 39	0.37 12	0.81 59	0.40 58	0.17 32	0.12 9	0.22 122	0.20 136	0.19 71	0.15 27

DIP-Stereo	0.62 110	0.30 126	0.83 179	0.48 52	0.36 145	0.95 220	0.33 33	2.37 367	0.67 41	1.25 211	1.00 87	0.68 69	0.51 58	0.91 76	0.61 173	0.18 60	0.15 125	0.21 96	0.17 74	0.19 71	0.19 111
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
s12784h	0.52 39	0.20 2	0.38 4	0.41 5	0.19 1	0.96 224	0.34 43	1.17 124	1.25 234	0.81 66	0.90 65	0.63 57	0.50 56	1.45 168	0.42 73	0.14 4	0.12 9	0.17 14	0.11 6	0.18 41	0.11 1

raftrobust	0.52 39	0.25 35	0.56 37	0.65 258	0.52 252	0.49 30	0.34 43	0.98 62	0.91 97	1.30 232	0.87 60	0.63 57	0.81 167	0.78 51	0.41 65	0.19 92	0.15 125	0.16 9	0.14 22	0.15 5	0.16 41

RAFT-Stereo + iAFF	0.54 62	0.25 35	0.68 88	0.43 8	0.24 9	0.40 10	0.34 43	1.04 81	1.09 168	1.32 244	1.60 282	0.80 95	0.68 127	0.67 30	0.39 54	0.13 1	0.10 1	0.18 36	0.17 74	0.17 24	0.13 3

Former-RAFT_DAM_RVC	0.46 24	0.36 229	0.71 114	0.47 41	0.36 145	0.67 121	0.35 46	0.78 12	1.12 178	0.61 39	0.62 20	0.39 4	0.39 14	0.71 37	0.39 54	0.20 117	0.17 180	0.22 122	0.18 88	0.23 177	0.19 111

MyStereo8	0.65 131	0.29 110	1.00 236	0.58 182	0.49 228	0.91 205	0.35 46	1.18 129	1.31 265	1.16 167	1.27 190	0.90 135	0.64 119	0.72 40	0.95 250	0.18 60	0.14 75	0.20 73	0.18 88	0.22 152	0.26 224

GMStereo_Zeroshot	0.67 148	0.61 322	1.01 240	0.64 246	0.37 153	0.84 196	0.35 46	1.05 87	1.12 178	1.12 137	1.06 113	1.27 243	0.54 68	1.19 123	0.59 164	0.32 286	0.17 180	0.31 267	0.18 88	0.52 335	0.22 165

CES	0.48 32	0.20 2	0.37 2	0.39 4	1.39 381	0.55 65	0.35 46	0.98 62	0.66 40	0.44 8	0.66 23	0.35 1	0.27 2	0.56 10	0.33 16	0.15 6	0.13 42	0.15 3	0.10 2	0.19 71	1.46 385

CroCo-Stereo Lap2	0.44 21	0.34 206	0.77 159	0.61 218	0.79 336	0.28 2	0.35 46	0.75 8	0.71 51	0.38 3	0.50 9	0.72 80	0.55 74	0.57 12	0.47 110	0.17 32	0.18 195	0.19 49	0.16 58	0.21 131	0.20 134

ADStereo(finetuned)	0.57 90	0.24 19	1.06 257	0.43 8	0.24 9	0.49 30	0.35 46	1.05 87	1.30 261	1.12 137	1.03 107	0.58 47	1.20 293	0.84 64	0.51 131	0.16 11	0.13 42	0.17 14	0.13 11	0.18 41	0.19 111

raft_robust	0.68 152	0.30 126	0.64 72	0.52 111	0.26 20	0.54 59	0.35 46	1.33 159	1.24 231	1.16 167	1.07 116	0.60 52	0.54 68	3.58 319	0.37 38	0.18 60	0.14 75	0.20 73	0.22 197	0.20 97	0.16 41

test-3	0.54 62	0.22 9	0.68 88	0.47 41	0.27 33	0.58 74	0.35 46	0.92 41	1.00 134	1.32 244	0.69 30	0.87 127	0.45 30	1.68 211	0.37 38	0.16 11	0.11 3	0.20 73	0.16 58	0.17 24	0.13 3

test_1	0.54 62	0.22 9	0.68 88	0.47 41	0.27 33	0.58 74	0.35 46	0.92 41	1.00 134	1.28 220	0.68 27	0.87 127	0.45 30	1.67 206	0.37 38	0.16 11	0.11 3	0.20 73	0.16 58	0.17 24	0.13 3

HCRNet	0.70 155	0.39 245	0.73 130	0.60 206	0.59 282	0.76 160	0.35 46	1.22 143	1.13 188	1.02 107	0.99 84	1.02 178	0.76 148	2.19 265	0.70 191	0.28 262	0.19 208	0.28 246	0.23 217	0.25 201	0.23 182

CASnet	0.41 10	0.25 35	0.48 15	0.50 72	0.20 2	0.50 39	0.36 56	0.81 21	0.80 68	0.83 70	0.68 27	0.48 22	0.31 6	0.54 7	0.32 7	0.18 60	0.12 9	0.27 236	0.22 197	0.23 177	0.14 11
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
DCANet-4	0.54 62	0.26 46	1.07 261	0.42 7	0.24 9	0.48 20	0.36 56	0.99 64	1.30 261	1.10 131	1.02 99	0.56 41	0.75 140	0.73 43	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

fff	0.53 48	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 56	1.07 102	1.25 234	1.10 131	1.02 99	0.57 43	1.06 267	0.73 43	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

OMP-Stereo	0.94 249	0.33 187	0.72 118	0.90 354	0.31 91	0.49 30	0.36 56	1.16 122	1.06 153	1.58 314	1.12 139	1.46 276	0.69 130	6.94 379	0.49 122	0.19 92	0.14 75	0.24 170	0.18 88	0.20 97	0.14 11

RAFT-IKP	0.54 62	0.30 126	0.73 130	0.50 72	0.27 33	0.59 78	0.36 56	1.04 81	0.64 27	1.12 137	0.96 74	0.83 110	0.61 106	1.22 126	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

DCANet	0.54 62	0.24 19	0.70 103	0.43 8	0.24 9	0.49 30	0.36 56	1.05 87	1.30 261	1.12 137	1.03 107	0.58 47	0.92 212	0.81 59	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.18 41	0.19 111

csc	0.53 48	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 56	1.07 102	1.25 234	1.10 131	1.02 99	0.57 43	1.06 267	0.73 43	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

cscssc	0.53 48	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 56	1.07 102	1.25 234	1.10 131	1.02 99	0.57 43	1.06 267	0.73 43	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

iResNet_ROB	0.77 192	0.30 126	0.99 231	0.57 176	0.36 145	0.83 189	0.36 56	2.33 363	1.58 329	1.27 218	1.30 198	1.25 235	0.84 182	1.65 201	0.79 222	0.20 117	0.14 75	0.17 14	0.12 9	0.18 41	0.27 230

test croco	0.46 24	0.27 67	1.01 240	0.50 72	0.40 183	0.35 5	0.37 65	0.87 25	0.56 17	0.43 7	0.76 42	0.42 5	0.40 17	1.13 118	0.45 92	0.21 144	0.15 125	0.24 170	0.19 108	0.24 191	0.16 41

Sa-1000	0.72 161	0.29 110	0.76 155	0.59 195	0.30 79	0.73 147	0.37 65	1.62 229	1.33 273	1.28 220	2.04 337	0.86 123	0.75 140	1.84 231	0.38 48	0.19 92	0.14 75	0.25 206	0.23 217	0.20 97	0.16 41

ASMatch	0.88 235	0.26 46	0.69 97	0.51 95	0.35 140	0.48 20	0.37 65	1.12 117	0.92 101	1.10 131	3.28 370	0.96 160	0.98 240	4.90 339	0.49 122	0.19 92	0.16 156	0.22 122	0.19 108	0.19 71	0.27 230

cross-raft	0.54 62	0.25 35	0.61 59	0.52 111	0.29 63	0.68 128	0.37 65	1.46 188	0.76 59	1.01 104	1.06 113	1.28 246	0.46 33	0.71 37	0.35 27	0.15 6	0.12 9	0.18 36	0.16 58	0.19 71	0.14 11

rrr	0.46 24	0.28 83	0.73 130	0.43 8	0.33 122	0.49 30	0.38 69	0.76 10	0.50 6	0.47 13	0.48 6	0.48 22	0.46 33	2.03 251	0.30 1	0.19 92	0.14 75	0.19 49	0.15 30	0.16 13	0.16 41

AEACV	0.37 3	0.24 19	0.52 26	0.47 41	0.51 244	0.37 8	0.38 69	0.65 3	0.53 16	0.42 4	0.56 18	0.46 16	0.60 97	0.53 5	0.30 1	0.16 11	0.13 42	0.18 36	0.15 30	0.17 24	0.14 11

SA	0.66 139	0.30 126	0.82 177	0.61 218	0.30 79	0.58 74	0.38 69	1.44 185	1.30 261	0.96 90	1.36 222	0.66 65	0.95 228	1.85 234	0.42 73	0.19 92	0.15 125	0.25 206	0.23 217	0.21 131	0.17 60

UDGNet	0.72 161	1.17 375	0.80 174	0.77 319	0.41 189	0.77 166	0.38 69	0.97 60	1.34 276	0.81 66	0.88 62	0.71 79	0.60 97	1.21 125	0.54 151	0.52 353	0.19 208	1.02 379	0.26 252	0.71 363	0.31 266

MIPNet	0.56 86	0.28 83	0.94 219	0.49 65	0.33 122	0.66 117	0.38 69	1.35 165	1.08 162	1.06 115	0.92 68	0.60 52	0.79 159	0.73 43	0.52 137	0.17 32	0.14 75	0.19 49	0.16 58	0.18 41	0.17 60

TRStereo	0.60 101	0.60 321	0.97 228	0.74 310	0.67 303	0.46 18	0.38 69	1.85 280	0.89 88	0.79 60	0.80 52	0.88 130	0.39 14	1.10 112	0.41 65	0.23 190	0.15 125	0.23 150	0.24 228	0.17 24	0.15 27

iGMRVC	0.56 86	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.38 69	1.05 87	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	1.52 179	0.46 105	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

test-1	0.52 39	0.26 46	1.04 253	0.56 165	0.32 106	0.61 87	0.38 69	1.10 109	0.91 97	0.78 57	1.01 92	0.77 87	0.52 60	0.60 23	0.42 73	0.17 32	0.14 75	0.20 73	0.17 74	0.20 97	0.23 182

test_xeample3	0.42 11	0.28 83	0.69 97	0.43 8	0.33 122	0.56 68	0.38 69	0.79 13	0.45 3	0.53 29	0.46 4	0.44 9	0.44 27	1.38 153	0.31 5	0.18 60	0.14 75	0.19 49	0.15 30	0.17 24	0.16 41

AFF-stereo	0.58 95	0.25 35	0.64 72	0.46 35	0.29 63	0.34 4	0.38 69	1.15 121	1.14 190	1.17 176	1.60 282	1.10 201	0.71 135	0.97 88	0.43 82	0.13 1	0.11 3	0.19 49	0.19 108	0.17 24	0.14 11

FENet	0.60 101	0.28 83	0.63 66	0.54 134	0.33 122	0.83 189	0.38 69	1.27 153	1.07 158	1.00 101	0.86 57	0.99 168	0.85 185	0.96 83	0.68 189	0.22 167	0.15 125	0.23 150	0.20 136	0.22 152	0.23 182

11t1	0.52 39	0.28 83	0.68 88	0.51 95	0.28 52	0.83 189	0.39 80	1.22 143	0.63 25	0.84 72	0.74 38	0.68 69	0.68 127	0.91 76	0.57 159	0.21 144	0.18 195	0.19 49	0.16 58	0.20 97	0.21 150

test_4	0.53 48	0.22 9	0.56 37	0.54 134	0.32 106	0.64 96	0.39 80	0.80 18	0.62 23	0.92 82	1.87 323	0.68 69	0.42 21	1.16 122	0.37 38	0.15 6	0.13 42	0.20 73	0.22 197	0.20 97	0.15 27

MLCV	0.72 161	0.34 206	1.10 268	0.51 95	0.23 6	0.91 205	0.39 80	1.33 159	1.23 227	1.46 286	1.55 270	1.01 176	0.64 119	1.95 245	0.80 225	0.18 60	0.12 9	0.18 36	0.14 22	0.19 71	0.17 60

PCWNet_CMD	0.66 139	0.32 171	0.88 200	0.49 65	0.37 153	0.78 171	0.40 83	1.42 178	1.31 265	1.16 167	1.31 203	1.25 235	0.62 111	0.89 74	0.57 159	0.20 117	0.16 156	0.27 236	0.19 108	0.40 296	0.25 206

LoS	0.40 8	0.21 4	0.44 11	0.37 2	0.22 4	0.50 39	0.40 83	1.00 68	0.94 106	0.48 17	0.66 23	0.48 22	0.40 17	0.60 23	0.37 38	0.18 60	0.14 75	0.16 9	0.11 6	0.14 2	0.14 11

test_3	0.55 77	0.23 13	0.71 114	0.53 119	0.28 52	0.61 87	0.40 83	0.92 41	1.05 150	1.19 184	0.68 27	0.93 145	0.44 27	1.67 206	0.39 54	0.15 6	0.12 9	0.22 122	0.19 108	0.21 131	0.14 11

PSM-softLoss	0.78 198	0.31 157	0.77 159	0.58 182	0.32 106	0.56 68	0.40 83	1.18 129	0.70 47	1.24 207	1.07 116	0.83 110	0.52 60	5.36 346	0.53 145	0.24 205	0.15 125	0.25 206	0.22 197	0.20 97	0.25 206

KMStereo	0.78 198	0.31 157	0.77 159	0.58 182	0.32 106	0.56 68	0.40 83	1.18 129	0.70 47	1.24 207	1.07 116	0.83 110	0.52 60	5.36 346	0.53 145	0.24 205	0.15 125	0.25 206	0.22 197	0.20 97	0.25 206

rafts_anoy	0.52 39	0.29 110	0.59 52	0.59 195	0.50 234	0.53 56	0.40 83	1.11 115	1.03 142	0.84 72	0.83 53	0.68 69	0.54 68	0.72 40	0.51 131	0.19 92	0.14 75	0.24 170	0.26 252	0.21 131	0.18 78

CFNet_pseudo	0.66 139	0.32 171	0.86 187	0.48 52	0.39 178	0.70 139	0.40 83	1.33 159	1.22 224	1.16 167	1.34 215	1.24 231	0.64 119	0.98 89	0.59 164	0.21 144	0.16 156	0.33 287	0.19 108	0.36 276	0.25 206

sCroCo_RVC	0.49 35	0.40 249	1.02 246	0.65 258	0.60 285	0.52 51	0.40 83	0.83 22	0.61 22	0.44 8	0.74 38	0.49 29	0.50 56	0.63 25	0.48 115	0.26 243	0.27 291	0.23 150	0.22 197	0.29 240	0.25 206

EAI-Stereo	0.65 131	0.28 83	0.69 97	0.53 119	0.27 33	0.60 84	0.40 83	2.28 360	0.64 27	0.71 48	3.18 369	0.57 43	0.43 23	1.06 105	0.41 65	0.18 60	0.13 42	0.17 14	0.17 74	0.17 24	0.17 60

MSMDNet	0.66 139	0.32 171	0.87 197	0.49 65	0.37 153	0.79 175	0.40 83	1.43 184	1.31 265	1.15 156	1.31 203	1.24 231	0.63 116	0.88 71	0.57 159	0.21 144	0.16 156	0.26 225	0.19 108	0.39 292	0.24 194

ccs_rob	0.66 139	0.33 187	0.86 187	0.48 52	0.39 178	0.70 139	0.40 83	1.33 159	1.22 224	1.16 167	1.34 215	1.23 229	0.64 119	0.98 89	0.59 164	0.21 144	0.16 156	0.35 304	0.20 136	0.37 280	0.25 206

StereoVision	0.65 131	0.34 206	0.86 187	0.59 195	0.40 183	0.50 39	0.41 94	1.09 107	0.93 103	0.71 48	2.50 358	0.82 103	0.57 86	1.03 98	0.49 122	0.25 229	0.28 297	0.29 254	0.28 277	0.36 276	0.20 134

PSM-adaLoss	0.54 62	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.41 94	1.04 81	0.64 27	1.12 137	0.96 74	0.82 103	0.61 106	1.06 105	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

ff7	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 96	0.87 25	0.50 6	0.49 20	0.53 10	0.44 9	0.48 47	1.38 153	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

IGEVStereo-DCA	0.46 24	0.28 83	0.56 37	0.43 8	0.33 122	0.49 30	0.42 96	0.87 25	0.50 6	0.47 13	0.48 6	0.48 22	0.46 33	2.03 251	0.30 1	0.19 92	0.14 75	0.19 49	0.15 30	0.16 13	0.18 78

ffff	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 96	0.87 25	0.50 6	0.49 20	0.53 10	0.44 9	0.48 47	1.38 153	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

11t	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 96	0.87 25	0.50 6	0.49 20	0.53 10	0.44 9	0.48 47	1.38 153	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

anonymousdsp	0.43 13	0.27 67	0.53 28	0.44 23	0.32 106	0.50 39	0.42 96	0.89 33	0.51 13	0.49 20	0.53 10	0.47 19	0.47 39	1.33 141	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

CASS	0.65 131	0.34 206	0.72 118	0.56 165	0.27 33	0.78 171	0.42 96	1.59 220	0.86 77	1.30 232	1.25 181	0.87 127	0.84 182	0.84 64	0.54 151	0.35 306	0.19 208	0.26 225	0.21 172	0.28 235	0.42 307
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
riskmin	0.56 86	0.27 67	0.60 56	0.43 8	0.31 91	0.83 189	0.42 96	1.14 119	1.04 146	0.73 52	0.75 40	1.11 205	1.01 252	0.81 59	0.51 131	0.20 117	0.14 75	0.24 170	0.15 30	0.24 191	0.25 206

ccc-4	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 96	0.87 25	0.50 6	0.49 20	0.53 10	0.44 9	0.48 47	1.38 153	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

BUS	0.74 178	0.32 171	0.68 88	0.54 134	0.44 203	2.34 363	0.42 96	2.16 343	0.98 122	1.20 188	1.11 133	1.03 181	0.62 111	0.91 76	0.70 191	0.24 205	0.17 180	0.25 206	0.22 197	0.22 152	0.22 165

NINENet	0.77 192	0.37 235	0.78 167	0.62 229	0.51 244	2.34 363	0.42 96	1.83 278	1.04 146	1.14 153	1.23 175	1.03 181	0.62 111	1.24 129	0.70 191	0.28 262	0.23 263	0.31 267	0.21 172	0.26 209	0.25 206

IGEV-Stereo	0.43 13	0.27 67	0.54 32	0.45 32	0.32 106	0.50 39	0.42 96	0.90 39	0.51 13	0.49 20	0.53 10	0.47 19	0.47 39	1.32 139	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ROB_FTStereo_v2	0.54 62	0.30 126	0.73 130	0.50 72	0.27 33	0.64 96	0.42 96	1.05 87	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	1.12 117	0.46 105	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

RAFT-345	0.84 221	0.25 35	0.66 82	0.50 72	0.27 33	0.54 59	0.42 96	0.83 22	1.11 174	1.32 244	2.34 351	0.86 123	0.54 68	5.72 357	0.47 110	0.18 60	0.13 42	0.22 122	0.17 74	0.17 24	0.16 41

TestStereo	0.64 126	0.39 245	0.71 114	0.51 95	0.27 33	0.56 68	0.42 96	1.03 77	0.91 97	0.80 62	1.00 87	0.68 69	0.52 60	3.25 309	0.45 92	0.22 167	0.15 125	0.24 170	0.18 88	0.27 221	0.16 41

222	1.61 341	0.29 110	0.67 85	0.56 165	0.29 63	1.06 243	0.42 96	2.17 349	1.31 265	1.31 242	1.52 265	0.92 144	0.94 223	1.76 224	17.65 412	0.24 205	0.20 225	0.21 96	0.19 108	0.22 152	0.23 182

111	0.60 101	0.23 13	0.70 103	0.43 8	0.24 9	0.72 144	0.42 96	1.18 129	1.41 307	0.80 62	1.38 228	1.10 201	0.79 159	0.96 83	0.58 162	0.18 60	0.13 42	0.17 14	0.15 30	0.17 24	0.19 111

SMFormer	0.75 185	0.30 126	0.86 187	0.46 35	0.26 20	0.82 185	0.43 112	2.05 323	1.39 299	1.23 199	1.47 253	0.98 163	0.95 228	1.71 214	0.82 231	0.24 205	0.20 225	0.22 122	0.21 172	0.23 177	0.24 194

tta	0.75 185	0.30 126	0.86 187	0.46 35	0.26 20	0.82 185	0.43 112	2.05 323	1.39 299	1.23 199	1.47 253	0.98 163	0.95 228	1.71 214	0.82 231	0.24 205	0.20 225	0.22 122	0.21 172	0.18 41	0.18 78

qqq1	0.72 161	0.30 126	0.86 187	0.46 35	0.26 20	0.82 185	0.43 112	2.05 323	1.39 299	1.23 199	1.47 253	0.98 163	0.95 228	1.71 214	0.44 84	0.24 205	0.20 225	0.18 36	0.15 30	0.18 41	0.18 78

fff1	0.72 161	0.30 126	0.86 187	0.46 35	0.26 20	0.82 185	0.43 112	2.05 323	1.39 299	1.23 199	1.47 253	0.98 163	0.95 228	1.71 214	0.44 84	0.24 205	0.20 225	0.18 36	0.15 30	0.18 41	0.18 78

TestStereo1	0.63 116	0.28 83	0.75 146	0.76 316	0.31 91	0.48 20	0.43 112	1.30 157	1.21 222	0.97 93	1.31 203	0.64 60	0.77 152	1.75 219	0.42 73	0.20 117	0.15 125	0.22 122	0.18 88	0.21 131	0.17 60

SA-5K	0.63 116	0.28 83	0.75 146	0.76 316	0.31 91	0.48 20	0.43 112	1.30 157	1.21 222	0.97 93	1.31 203	0.64 60	0.77 152	1.75 219	0.42 73	0.20 117	0.15 125	0.22 122	0.18 88	0.21 131	0.17 60

GMOStereo	0.53 48	0.26 46	0.65 76	0.50 72	0.29 63	0.52 51	0.43 112	0.89 33	0.96 110	1.41 275	1.14 147	0.85 119	0.56 78	0.59 14	0.38 48	0.16 11	0.14 75	0.24 170	0.21 172	0.20 97	0.15 27

error version	0.53 48	0.26 46	0.65 76	0.50 72	0.29 63	0.52 51	0.43 112	0.89 33	0.96 110	1.41 275	1.14 147	0.85 119	0.56 78	0.59 14	0.38 48	0.16 11	0.14 75	0.24 170	0.21 172	0.20 97	0.15 27

test-v	0.53 48	0.26 46	0.65 76	0.50 72	0.29 63	0.52 51	0.43 112	0.89 33	0.96 110	1.41 275	1.14 147	0.85 119	0.56 78	0.59 14	0.38 48	0.16 11	0.14 75	0.24 170	0.21 172	0.20 97	0.15 27

Pruner-Stereo	0.62 110	0.29 110	0.70 103	0.61 218	0.31 91	0.63 94	0.43 112	1.17 124	0.99 129	1.53 300	1.08 119	0.95 154	0.55 74	1.35 145	0.51 131	0.23 190	0.14 75	0.24 170	0.21 172	0.21 131	0.23 182

test-2	0.53 48	0.26 46	0.65 76	0.50 72	0.29 63	0.52 51	0.43 112	0.89 33	0.96 110	1.41 275	1.14 147	0.85 119	0.56 78	0.59 14	0.38 48	0.16 11	0.14 75	0.24 170	0.21 172	0.20 97	0.15 27

GMStereo	0.55 77	0.45 270	0.94 219	0.50 72	0.32 106	0.64 96	0.43 112	1.00 68	1.40 304	0.82 69	0.73 36	0.51 32	0.45 30	0.85 66	0.55 155	0.24 205	0.15 125	0.20 73	0.21 172	0.31 256	0.24 194
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CFNet_ucs	0.70 155	0.33 187	0.88 200	0.50 72	0.43 197	0.74 150	0.44 124	1.60 223	1.29 255	1.22 196	1.54 268	1.09 199	0.63 116	0.99 91	0.59 164	0.25 229	0.20 225	0.37 314	0.21 172	0.40 296	0.28 241

LoS_RVC	0.42 11	0.26 46	0.40 8	0.44 23	0.82 345	0.51 49	0.44 124	0.64 2	0.41 2	0.44 8	0.78 45	0.44 9	0.47 39	0.56 10	0.36 33	0.13 1	0.12 9	0.14 1	0.10 2	0.13 1	0.84 369

RAFT_CTSACE	0.63 116	0.26 46	0.88 200	0.55 153	0.51 244	0.71 142	0.44 124	0.80 18	0.97 117	0.97 93	1.84 318	1.18 219	0.68 127	1.47 174	0.36 33	0.16 11	0.15 125	0.21 96	0.20 136	0.20 97	0.14 11

dad	0.86 230	0.66 330	1.06 257	0.56 165	0.37 153	0.76 160	0.44 124	1.17 124	1.50 320	1.44 282	1.27 190	1.34 259	0.75 140	2.52 284	0.84 236	0.42 329	0.27 291	0.83 372	0.26 252	0.41 299	0.29 244

PSMNet-ADL	0.72 161	0.35 222	0.62 63	0.69 286	0.46 220	1.14 254	0.44 124	1.37 168	1.01 136	0.83 70	1.17 159	1.33 255	0.96 233	1.43 165	0.95 250	0.33 291	0.22 255	0.21 96	0.23 217	0.27 221	0.29 244

NF-Stereo	0.80 204	0.30 126	0.75 146	0.60 206	0.31 91	0.64 96	0.44 124	1.21 136	0.90 92	1.29 225	1.02 99	0.82 103	0.57 86	5.40 350	0.48 115	0.23 190	0.14 75	0.24 170	0.20 136	0.20 97	0.30 256

OCTAStereo	0.80 204	0.30 126	0.75 146	0.60 206	0.31 91	0.64 96	0.44 124	1.21 136	0.90 92	1.29 225	1.01 92	0.82 103	0.57 86	5.35 345	0.48 115	0.24 205	0.14 75	0.24 170	0.20 136	0.20 97	0.30 256

RAFT_R40	0.83 217	0.28 83	0.73 130	0.59 195	0.31 91	0.69 132	0.44 124	1.10 109	0.95 108	1.47 287	1.10 128	1.00 169	0.85 185	5.53 352	0.46 105	0.22 167	0.13 42	0.23 150	0.20 136	0.23 177	0.18 78

RE-Stereo	0.80 204	0.30 126	0.75 146	0.60 206	0.31 91	0.64 96	0.44 124	1.21 136	0.90 92	1.29 225	1.01 92	0.81 98	0.57 86	5.37 348	0.48 115	0.24 205	0.14 75	0.24 170	0.20 136	0.20 97	0.30 256

TVStereo	0.80 204	0.30 126	0.75 146	0.60 206	0.31 91	0.64 96	0.44 124	1.21 136	0.90 92	1.29 225	1.01 92	0.81 98	0.57 86	5.37 348	0.48 115	0.24 205	0.14 75	0.24 170	0.20 136	0.20 97	0.30 256

xxxx	1.51 333	0.28 83	0.68 88	0.54 134	0.28 52	1.16 261	0.44 124	2.19 351	1.29 255	1.09 123	1.36 222	1.22 224	0.85 185	1.79 227	15.70 411	0.24 205	0.21 241	0.21 96	0.20 136	0.22 152	0.23 182

whm_eth	0.65 131	0.47 276	1.05 254	0.55 153	0.64 296	0.69 132	0.45 135	1.34 163	1.26 239	1.02 107	1.92 328	0.49 29	0.48 47	0.70 33	0.52 137	0.23 190	0.20 225	0.25 206	0.24 228	0.24 191	0.31 266

SDNR	1.62 342	0.51 291	2.17 358	0.53 119	0.56 265	3.80 391	0.45 135	1.54 212	1.29 255	1.33 252	2.41 355	1.08 193	0.96 233	11.18 411	1.16 278	0.66 369	0.63 380	0.43 334	0.32 306	0.64 354	0.67 358

anonymousa	0.72 161	0.27 67	0.75 146	0.47 41	0.63 294	1.43 300	0.45 135	1.24 149	0.89 88	1.28 220	1.75 308	1.62 301	1.13 281	0.69 31	0.59 164	0.19 92	0.16 156	0.23 150	0.25 239	0.20 97	0.18 78

RCA-Stereo	0.50 37	0.23 13	0.58 48	0.48 52	0.33 122	0.55 65	0.45 135	0.97 60	1.38 295	0.68 43	1.05 111	0.63 57	0.80 164	0.59 14	0.32 7	0.17 32	0.12 9	0.17 14	0.14 22	0.16 13	0.14 11

DisPM	0.66 139	0.28 83	0.72 118	0.61 218	0.35 140	0.62 93	0.45 135	1.02 74	0.99 129	1.56 308	1.10 128	0.80 95	0.59 95	2.37 277	0.41 65	0.23 190	0.14 75	0.23 150	0.21 172	0.20 97	0.25 206

pcwnet_v2	0.97 259	0.37 235	4.33 383	0.62 229	0.54 258	0.79 175	0.45 135	2.02 321	1.58 329	1.42 281	1.64 293	1.09 199	0.79 159	1.24 129	0.67 188	0.32 286	0.25 279	0.29 254	0.27 260	0.37 280	0.35 283

DN-CSS_ROB	0.64 126	0.32 171	1.05 254	0.55 153	0.40 183	0.54 59	0.45 135	1.21 136	0.93 103	1.03 111	1.47 253	0.69 74	0.63 116	1.76 224	0.49 122	0.18 60	0.14 75	0.25 206	0.22 197	0.22 152	0.20 134

AE-Stereo	0.49 35	0.27 67	0.67 85	0.60 206	0.39 178	0.67 121	0.46 142	1.18 129	1.09 168	0.47 13	0.75 40	0.69 74	0.47 39	0.59 14	0.40 58	0.16 11	0.15 125	0.21 96	0.20 136	0.19 71	0.15 27

HH	0.63 116	0.30 126	0.77 159	0.50 72	0.32 106	0.49 30	0.46 142	1.65 233	0.64 27	0.69 44	1.09 124	1.63 303	0.85 185	1.90 238	0.37 38	0.18 60	0.13 42	0.19 49	0.17 74	0.19 71	0.16 41

HanStereo	0.63 116	0.30 126	0.77 159	0.50 72	0.32 106	0.49 30	0.46 142	1.65 233	0.64 27	0.69 44	1.09 124	1.63 303	0.85 185	1.90 238	0.37 38	0.18 60	0.13 42	0.19 49	0.17 74	0.19 71	0.16 41

ACVNet	0.63 116	0.31 157	0.54 32	0.54 134	0.36 145	0.80 180	0.46 142	1.37 168	1.07 158	0.93 83	1.30 198	1.08 193	0.85 185	0.80 55	0.94 248	0.21 144	0.19 208	0.21 96	0.18 88	0.22 152	0.18 78

hitnet-ft	0.79 201	0.35 222	0.57 45	0.58 182	0.42 192	0.96 224	0.46 142	1.47 190	1.33 273	1.19 184	1.22 171	1.81 322	0.98 240	1.66 205	0.94 248	0.33 291	0.28 297	0.34 297	0.27 260	0.35 270	0.31 266

FADNet_RVC	0.83 217	0.51 291	1.83 346	0.54 134	0.42 192	1.19 268	0.46 142	1.51 201	1.09 168	0.89 77	1.24 177	0.91 136	0.87 196	2.11 258	1.11 273	0.27 252	0.22 255	0.31 267	0.28 277	0.43 309	0.38 295

anonymousdsp2	0.53 48	0.27 67	0.74 144	0.48 52	0.29 63	0.76 160	0.47 148	1.61 226	0.82 74	0.77 56	0.77 43	0.75 83	0.47 39	1.03 98	0.40 58	0.18 60	0.13 42	0.18 36	0.13 11	0.19 71	0.18 78

x	0.54 62	0.31 157	0.61 59	0.47 41	0.30 79	0.67 121	0.47 148	1.53 210	0.79 67	0.81 66	0.83 53	0.78 90	0.70 133	0.70 33	0.62 176	0.21 144	0.19 208	0.22 122	0.19 108	0.21 131	0.20 134

dd	0.59 98	0.48 281	0.97 228	0.55 153	0.32 106	0.64 96	0.47 148	1.02 74	1.34 276	0.78 57	0.86 57	0.58 47	0.54 68	1.01 95	0.86 241	0.28 262	0.18 195	0.26 225	0.19 108	0.32 261	0.24 194

ACRE	0.61 107	0.33 187	1.01 240	0.58 182	0.49 228	0.75 156	0.47 148	1.06 100	0.95 108	1.37 262	1.55 270	0.62 55	0.46 33	0.83 62	0.70 191	0.23 190	0.15 125	0.19 49	0.16 58	0.18 41	0.21 150

AnonymousM	0.59 98	1.11 370	0.41 9	0.44 23	0.32 106	0.43 14	0.47 148	1.05 87	0.64 27	0.98 97	0.63 21	0.67 67	0.43 23	0.59 14	0.41 65	0.20 117	0.15 125	1.84 387	0.84 379	0.14 2	0.13 3

DMCA-RVC	0.74 178	0.40 249	1.27 294	0.66 263	0.49 228	0.77 166	0.47 148	1.35 165	1.01 136	1.53 300	1.01 92	1.29 249	0.82 171	1.31 137	0.78 216	0.27 252	0.21 241	0.35 304	0.27 260	0.32 261	0.24 194

DMCA	0.67 148	0.34 206	0.90 208	0.51 95	0.44 203	0.86 198	0.47 148	1.42 178	1.02 139	1.17 176	1.12 139	1.23 229	0.75 140	0.78 51	0.95 250	0.25 229	0.19 208	0.27 236	0.19 108	0.24 191	0.27 230

CFNet	0.96 253	0.36 229	1.01 240	0.62 229	0.42 192	0.99 232	0.47 148	1.90 291	1.32 270	0.99 99	1.39 232	1.10 201	0.86 193	5.58 355	0.79 222	0.23 190	0.17 180	0.28 246	0.27 260	0.26 209	0.21 150

tt1	0.62 110	0.32 171	0.51 24	0.54 134	0.26 20	1.16 261	0.48 156	0.95 52	2.47 370	0.57 31	0.77 43	0.49 29	0.81 167	1.55 187	0.32 7	0.20 117	0.12 9	0.24 170	0.15 30	0.19 71	0.20 134

EKT-Stereo	0.53 48	0.30 126	0.73 130	0.58 182	0.60 285	0.51 49	0.48 156	0.94 49	0.90 92	0.71 48	0.88 62	0.77 87	0.43 23	1.07 109	0.40 58	0.22 167	0.16 156	0.21 96	0.18 88	0.20 97	0.22 165

DCRE	0.82 212	0.26 46	0.70 103	0.58 182	0.44 203	0.54 59	0.48 156	0.95 52	0.78 63	0.78 57	7.33 399	0.86 123	0.52 60	0.76 48	0.41 65	0.16 11	0.16 156	0.19 49	0.17 74	0.18 41	0.17 60

CIPLG	0.62 110	0.33 187	0.96 226	0.58 182	0.50 234	0.75 156	0.48 156	1.05 87	0.96 110	1.40 273	1.57 278	0.64 60	0.48 47	0.89 74	0.70 191	0.23 190	0.15 125	0.19 49	0.16 58	0.19 71	0.21 150

IPLGR_C	0.62 110	0.33 187	0.99 231	0.58 182	0.49 228	0.76 160	0.48 156	1.10 109	0.96 110	1.40 273	1.56 274	0.62 55	0.48 47	0.80 55	0.71 196	0.23 190	0.15 125	0.19 49	0.16 58	0.19 71	0.21 150

cf-r	0.73 175	0.30 126	0.77 159	0.55 153	0.63 294	0.78 171	0.48 156	1.79 268	1.15 199	1.13 151	1.26 187	1.43 268	0.87 196	1.40 163	0.85 239	0.25 229	0.18 195	0.22 122	0.23 217	0.19 71	0.19 111

StereoDRNet-Refined	0.80 204	0.41 255	0.88 200	0.62 229	0.42 192	1.33 285	0.48 156	1.52 204	1.17 205	1.45 284	1.44 244	1.44 272	0.90 207	1.26 131	1.24 286	0.20 117	0.16 156	0.27 236	0.24 228	0.25 201	0.28 241
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
AACVNet	0.86 230	0.35 222	0.79 169	0.82 333	0.39 178	0.76 160	0.49 163	1.61 226	0.81 69	1.08 118	1.33 210	1.30 250	0.93 218	4.34 330	0.74 203	0.25 229	0.21 241	0.28 246	0.22 197	0.29 240	0.25 206

MMNet	0.84 221	0.32 171	1.09 265	0.60 206	0.59 282	1.85 339	0.49 163	1.51 201	1.27 246	1.37 262	1.15 153	1.26 239	1.18 287	1.67 206	1.22 284	0.19 92	0.18 195	0.23 150	0.22 197	0.25 201	0.21 150

UNet	0.83 217	0.34 206	1.31 298	0.58 182	0.74 321	1.58 312	0.49 163	1.41 176	1.04 146	1.21 191	1.08 119	1.54 289	1.12 279	1.65 201	1.09 268	0.23 190	0.17 180	0.25 206	0.20 136	0.25 201	0.22 165

HITNet	0.65 131	0.40 249	0.77 159	0.48 52	0.24 9	1.05 240	0.49 163	1.76 259	1.02 139	1.18 180	1.18 161	0.89 134	0.80 164	0.85 66	0.79 222	0.17 32	0.12 9	0.21 96	0.17 74	0.29 240	0.15 27
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
CBMV_ROB	0.90 240	0.44 264	0.63 66	0.51 95	0.37 153	1.25 276	0.49 163	1.77 262	1.27 246	1.41 275	2.00 333	1.33 255	1.08 271	2.17 261	0.76 208	0.43 334	0.42 352	0.47 343	0.44 343	0.41 299	0.36 287

PWC_ROB	1.24 307	0.76 346	2.46 368	0.72 301	0.78 334	1.15 259	0.49 163	1.75 253	1.92 353	2.31 358	3.07 367	1.59 297	1.40 316	2.46 282	2.10 350	0.33 291	0.22 255	0.35 304	0.24 228	0.38 288	0.41 303

ttt	0.94 249	0.34 206	0.59 52	0.61 218	0.37 153	0.94 216	0.50 169	2.17 349	1.34 276	1.23 199	1.61 286	0.91 136	0.76 148	1.85 234	3.97 375	0.30 274	0.26 283	0.26 225	0.24 228	0.29 240	0.29 244

ACVNet-DCA	0.56 86	0.31 157	0.50 18	0.54 134	0.26 20	1.18 264	0.51 170	1.42 178	0.78 63	0.58 32	0.79 48	0.48 22	0.88 200	1.46 170	0.32 7	0.20 117	0.12 9	0.25 206	0.15 30	0.22 152	0.21 150

xx1	0.67 148	0.31 157	0.50 18	0.54 134	0.26 20	1.18 264	0.51 170	0.93 45	3.05 382	0.58 32	0.79 48	0.95 154	0.77 152	1.46 170	0.32 7	0.20 117	0.12 9	0.24 170	0.23 217	0.22 152	0.21 150

1test111	0.54 62	0.31 157	0.50 18	0.54 134	0.26 20	1.18 264	0.51 170	1.42 178	0.78 63	0.58 32	0.79 48	0.48 22	0.88 200	0.88 71	0.59 164	0.20 117	0.12 9	0.25 206	0.15 30	0.22 152	0.21 150

cc1	0.64 126	0.31 157	0.50 18	0.54 134	0.26 20	1.18 264	0.51 170	0.93 45	3.05 382	0.58 32	0.79 48	0.48 22	0.88 200	1.46 170	0.32 7	0.20 117	0.12 9	0.25 206	0.15 30	0.19 71	0.19 111

IER	0.70 155	0.31 157	1.02 246	0.48 52	0.52 252	1.34 287	0.51 170	1.17 124	0.99 129	1.23 199	1.34 215	1.12 206	1.11 276	0.99 91	0.71 196	0.20 117	0.16 156	0.21 96	0.21 172	0.20 97	0.19 111

GANet-ADL	0.60 101	0.35 222	0.72 118	0.64 246	0.40 183	0.68 128	0.51 170	1.49 192	1.12 178	0.95 89	1.08 119	0.91 136	0.57 86	0.76 48	0.55 155	0.26 243	0.18 195	0.18 36	0.16 58	0.23 177	0.25 206

AAGNet	1.83 354	0.28 83	0.72 118	0.61 218	0.32 106	0.67 121	0.51 170	0.96 59	0.98 122	1.47 287	1.20 167	1.00 169	1.18 287	2.83 294	22.77 418	0.22 167	0.13 42	0.22 122	0.19 108	0.23 177	0.15 27

GwcNet-RSSM	0.77 192	0.32 171	1.01 240	0.62 229	0.54 258	0.78 171	0.51 170	1.73 247	1.20 217	1.09 123	1.37 224	1.46 276	0.85 185	1.53 183	1.09 268	0.25 229	0.18 195	0.23 150	0.24 228	0.20 97	0.19 111

DANet	1.08 283	0.61 322	1.32 301	0.85 342	0.72 316	1.37 290	0.51 170	1.54 212	1.15 199	1.78 331	1.54 268	2.01 340	1.11 276	2.90 297	2.00 346	0.33 291	0.30 309	0.40 328	0.30 296	0.44 316	0.45 315
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
ProNet	0.43 13	0.28 83	0.58 48	0.43 8	0.30 79	0.56 68	0.52 179	1.00 68	0.58 18	0.44 8	0.49 8	0.43 7	0.43 23	1.28 132	0.36 33	0.15 6	0.13 42	0.19 49	0.16 58	0.17 24	0.16 41

test_5	0.65 131	0.30 126	0.75 146	0.67 273	0.50 234	0.92 211	0.52 179	1.39 174	1.12 178	0.76 53	1.11 133	1.00 169	0.90 207	1.53 183	0.45 92	0.18 60	0.13 42	0.23 150	0.22 197	0.21 131	0.19 111

sAnonymous2	0.55 77	0.56 304	1.46 317	0.60 206	0.51 244	0.48 20	0.52 179	0.79 13	0.68 44	0.50 26	0.67 25	0.46 16	0.62 111	0.59 14	0.40 58	0.22 167	0.17 180	0.22 122	0.21 172	0.86 367	0.56 340

CroCo_RVC	0.55 77	0.56 304	1.46 317	0.60 206	0.51 244	0.48 20	0.52 179	0.79 13	0.68 44	0.50 26	0.67 25	0.46 16	0.62 111	0.59 14	0.40 58	0.22 167	0.17 180	0.22 122	0.21 172	0.86 367	0.56 340

RALCasStereoNet	0.54 62	0.30 126	0.66 82	0.59 195	0.51 244	0.61 87	0.52 179	0.94 49	0.93 103	0.70 46	1.01 92	0.78 90	0.44 27	1.33 141	0.47 110	0.20 117	0.16 156	0.18 36	0.16 58	0.20 97	0.19 111

PWCDC_ROB	1.29 312	0.75 344	1.33 303	1.05 368	0.88 353	1.73 325	0.52 179	1.89 288	3.28 384	1.29 225	4.88 389	1.22 224	1.46 323	1.77 226	1.45 320	0.60 363	0.26 283	0.29 254	0.25 239	0.52 335	0.37 289

DRaft	0.80 204	0.24 19	0.70 103	0.45 32	0.30 79	0.97 228	0.53 185	1.05 87	0.97 117	1.78 331	2.02 336	0.80 95	1.74 347	2.73 292	0.72 199	0.17 32	0.14 75	0.20 73	0.20 136	0.18 41	0.21 150

acv_ft	0.75 185	0.31 157	0.95 222	0.70 291	0.86 350	1.24 274	0.53 185	1.44 185	1.07 158	1.24 207	1.30 198	1.08 193	0.92 212	0.80 55	1.34 299	0.21 144	0.19 208	0.21 96	0.18 88	0.21 131	0.18 78

NLCA_NET_v2_RVC	0.79 201	0.43 261	1.05 254	0.64 246	0.58 275	0.95 220	0.53 185	1.53 210	1.18 209	1.37 262	1.15 153	1.43 268	0.88 200	1.61 197	0.84 236	0.25 229	0.22 255	0.27 236	0.27 260	0.29 240	0.29 244
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AdaStereo	0.70 155	0.43 261	0.75 146	0.73 308	0.37 153	0.92 211	0.53 185	1.85 280	1.18 209	1.12 137	1.23 175	1.07 192	0.65 124	0.96 83	0.63 180	0.31 281	0.15 125	0.32 280	0.21 172	0.29 240	0.22 165
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.
mmm	0.63 116	0.35 222	0.72 118	0.51 95	0.30 79	0.86 198	0.54 189	1.59 220	0.86 77	1.07 117	1.38 228	0.79 93	0.75 140	0.91 76	0.58 162	0.22 167	0.18 195	0.29 254	0.25 239	0.25 201	0.23 182

CAS	0.63 116	0.18 1	0.37 2	2.27 388	0.84 347	0.57 73	0.54 189	0.79 13	0.62 23	0.48 17	0.70 31	0.36 2	0.26 1	0.45 2	0.35 27	2.24 390	0.10 1	0.14 1	0.09 1	0.15 5	1.06 380

gwcnet-sp	0.74 178	0.33 187	1.44 311	0.57 176	0.45 210	1.40 295	0.54 189	1.50 196	1.14 190	1.30 232	1.02 99	0.94 148	0.82 171	1.39 158	0.76 208	0.21 144	0.21 241	0.22 122	0.21 172	0.22 152	0.22 165

scenet	0.74 178	0.33 187	1.44 311	0.57 176	0.45 210	1.40 295	0.54 189	1.50 196	1.14 190	1.30 232	1.02 99	0.94 148	0.82 171	1.39 158	0.76 208	0.21 144	0.21 241	0.22 122	0.21 172	0.22 152	0.22 165

ssnet	0.74 178	0.33 187	1.44 311	0.57 176	0.45 210	1.40 295	0.54 189	1.50 196	1.14 190	1.30 232	1.02 99	0.94 148	0.82 171	1.39 158	0.76 208	0.21 144	0.21 241	0.22 122	0.21 172	0.22 152	0.22 165

LCNet	0.72 161	0.28 83	0.52 26	0.55 153	0.31 91	0.69 132	0.54 189	1.00 68	0.88 85	1.19 184	1.34 215	0.97 162	1.34 314	2.56 285	0.45 92	0.18 60	0.13 42	0.21 96	0.25 239	0.27 221	0.73 364

TransformOpticalFlow	0.96 253	0.28 83	0.89 205	0.52 111	0.31 91	0.66 117	0.54 189	1.75 253	1.12 178	1.09 123	1.44 244	1.37 263	1.01 252	6.70 376	0.42 73	0.19 92	0.12 9	0.20 73	0.19 108	0.18 41	0.19 111

raft+_RVC	0.53 48	0.26 46	0.54 32	0.60 206	0.47 224	0.54 59	0.54 189	1.27 153	0.99 129	0.76 53	1.03 107	0.70 77	0.56 78	0.93 82	0.47 110	0.18 60	0.14 75	0.19 49	0.18 88	0.18 41	0.15 27

ac_64	0.82 212	0.29 110	0.81 175	0.71 298	0.60 285	1.05 240	0.54 189	1.99 313	0.92 101	1.18 180	1.06 113	1.99 338	1.08 271	1.94 244	0.97 255	0.27 252	0.22 255	0.24 170	0.23 217	0.22 152	0.19 111

STTStereo	0.78 198	0.50 288	1.22 284	0.64 246	0.54 258	0.89 201	0.54 189	1.44 185	1.11 174	1.38 267	1.09 124	1.27 243	0.85 185	1.43 165	0.83 233	0.29 270	0.27 291	0.33 287	0.39 331	0.32 261	0.30 256

R-Stereo Train	0.57 90	0.26 46	0.63 66	0.54 134	0.36 145	0.69 132	0.54 189	1.22 143	0.72 52	1.61 315	1.50 262	0.75 83	0.53 65	0.64 26	0.44 84	0.18 60	0.15 125	0.17 14	0.15 30	0.17 24	0.17 60

RAFT-Stereo	0.57 90	0.26 46	0.63 66	0.54 134	0.36 145	0.69 132	0.54 189	1.22 143	0.72 52	1.61 315	1.50 262	0.75 83	0.53 65	0.64 26	0.44 84	0.18 60	0.15 125	0.17 14	0.15 30	0.17 24	0.17 60
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DeepPruner_ROB	0.74 178	0.48 281	0.87 197	0.57 176	0.44 203	0.79 175	0.54 189	1.73 247	0.96 110	1.38 267	1.27 190	1.24 231	0.73 136	1.43 165	0.73 202	0.34 299	0.28 297	0.27 236	0.26 252	0.31 256	0.31 266

knoymous	0.51 38	0.29 110	0.47 13	0.43 8	0.30 79	0.55 65	0.55 202	1.02 74	0.77 61	0.98 97	0.85 56	0.94 148	0.56 78	0.85 66	0.45 92	0.20 117	0.14 75	0.26 225	0.14 22	0.23 177	0.23 182

RAFT+CT+SA	0.58 95	0.29 110	0.60 56	0.66 263	0.37 153	0.42 13	0.55 202	1.27 153	1.03 142	0.70 46	1.22 171	0.60 52	0.70 133	1.64 200	0.41 65	0.18 60	0.13 42	0.22 122	0.22 197	0.21 131	0.18 78

CFNet-ft	0.72 161	0.32 171	0.54 32	0.66 263	0.54 258	0.83 189	0.55 202	1.37 168	1.15 199	0.93 83	1.28 194	1.57 293	0.97 236	1.35 145	0.81 226	0.26 243	0.20 225	0.33 287	0.25 239	0.30 249	0.23 182

BEATNet_4x	0.73 175	0.49 284	1.17 279	0.53 119	0.26 20	1.03 237	0.55 202	1.82 274	1.06 153	1.21 191	1.22 171	0.96 160	0.91 209	1.01 95	1.06 263	0.21 144	0.14 75	0.24 170	0.19 108	0.37 280	0.21 150

HSM-Net_RVC	0.87 234	0.29 110	0.53 28	0.53 119	0.30 79	1.15 259	0.55 202	3.57 388	1.28 251	1.53 300	1.74 305	1.68 311	0.93 218	1.49 176	0.77 214	0.22 167	0.17 180	0.19 49	0.18 88	0.20 97	0.19 111
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.72 161	0.32 171	0.54 32	0.66 263	0.54 258	0.83 189	0.55 202	1.37 168	1.15 199	0.93 83	1.28 194	1.57 293	0.97 236	1.35 145	0.81 226	0.26 243	0.20 225	0.33 287	0.25 239	0.30 249	0.23 182

DualNet	1.09 285	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	0.95 52	2.47 370	1.15 156	1.45 246	1.06 186	0.82 171	1.55 187	7.61 390	0.20 117	0.12 9	0.31 267	0.27 260	0.19 71	0.20 134

ffm	0.72 161	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	0.95 52	2.47 370	1.15 156	1.45 246	1.06 186	0.82 171	1.55 187	0.32 7	0.20 117	0.12 9	0.31 267	0.27 260	0.19 71	0.20 134

ff1	1.37 322	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	0.95 52	2.47 370	1.15 156	1.45 246	1.06 186	0.82 171	7.22 382	7.61 390	0.20 117	0.12 9	0.31 267	0.27 260	0.19 71	0.20 134

mmx	1.39 324	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	2.13 334	1.37 291	1.15 156	1.45 246	1.06 186	0.82 171	7.22 382	7.61 390	0.24 205	0.19 208	0.31 267	0.27 260	0.30 249	0.25 206

xxx	1.39 324	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	2.13 334	1.37 291	1.15 156	1.45 246	1.06 186	0.82 171	7.22 382	7.61 390	0.24 205	0.19 208	0.31 267	0.27 260	0.30 249	0.25 206

AASNet	0.76 191	0.35 222	0.91 211	0.79 322	0.81 343	1.14 254	0.56 208	2.02 321	1.08 162	1.22 196	1.24 177	0.93 145	0.76 148	0.77 50	1.16 278	0.27 252	0.23 263	0.24 170	0.20 136	0.28 235	0.24 194

DEmStereo	0.97 259	0.23 13	0.79 169	0.47 41	0.32 106	1.04 239	0.56 208	0.93 45	0.89 88	1.39 272	2.14 343	1.02 178	2.07 368	5.64 356	0.77 214	0.17 32	0.15 125	0.20 73	0.20 136	0.18 41	0.20 134

PFNet	0.91 243	0.26 46	1.10 268	0.63 237	0.32 106	0.64 96	0.56 208	1.17 124	0.99 129	1.47 287	1.08 119	0.98 163	0.69 130	6.62 371	0.54 151	0.20 117	0.12 9	0.24 170	0.19 108	0.20 97	0.17 60

LMCR-Stereo	0.82 212	0.46 272	0.88 200	0.75 314	0.43 197	1.33 285	0.56 208	2.43 371	0.98 122	1.53 300	1.49 259	0.74 81	1.00 250	1.63 199	0.89 243	0.28 262	0.17 180	0.22 122	0.17 74	0.29 240	0.20 134

PSMNet-RSSM	0.72 161	0.30 126	0.61 59	0.63 237	0.42 192	0.73 147	0.56 208	1.92 298	1.10 172	1.09 123	1.37 224	1.22 224	0.98 240	1.28 132	0.72 199	0.27 252	0.19 208	0.27 236	0.29 288	0.24 191	0.24 194

GES	0.66 139	0.34 206	0.90 208	0.59 195	0.38 170	0.94 216	0.57 218	2.11 333	0.86 77	1.02 107	1.11 133	0.66 65	0.79 159	0.99 91	0.61 173	0.27 252	0.19 208	0.20 73	0.20 136	0.21 131	0.30 256

FADNet	0.92 245	0.61 322	1.81 343	0.62 229	0.55 264	0.96 224	0.57 218	1.78 266	1.33 273	0.93 83	1.01 92	1.36 260	1.01 252	2.71 291	0.75 206	0.33 291	0.34 324	0.31 267	0.34 317	0.59 347	0.40 299

RASNet	1.12 293	0.30 126	0.91 211	0.66 263	0.77 331	0.97 228	0.57 218	1.37 168	1.35 284	1.02 107	1.34 215	2.11 347	1.43 319	7.09 381	1.39 307	0.19 92	0.17 180	0.17 14	0.19 108	0.18 41	0.16 41

GwcNet-ADL	0.64 126	0.31 157	0.79 169	0.56 165	0.41 189	0.60 84	0.58 221	1.41 176	1.26 239	1.08 118	1.13 144	0.91 136	0.60 97	1.04 103	0.78 216	0.27 252	0.18 195	0.18 36	0.18 88	0.25 201	0.29 244

HHNet	0.62 110	0.26 46	0.63 66	0.43 8	0.45 210	0.50 39	0.58 221	1.07 102	1.01 136	1.25 211	2.23 346	0.70 77	0.61 106	1.07 109	0.47 110	0.20 117	0.13 42	0.23 150	0.19 108	0.19 71	0.30 256

RAFT	0.64 126	0.30 126	0.73 130	0.59 195	0.33 122	0.68 128	0.58 221	1.04 81	0.76 59	1.08 118	1.19 164	1.65 308	0.93 218	1.06 105	0.56 157	0.21 144	0.18 195	0.27 236	0.24 228	0.22 152	0.17 60

ICVP	0.63 116	0.33 187	0.57 45	0.61 218	0.40 183	0.80 180	0.58 221	1.61 226	0.89 88	0.90 78	1.24 177	0.88 130	0.73 136	0.72 40	0.88 242	0.29 270	0.21 241	0.22 122	0.21 172	0.24 191	0.27 230
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HGLStereo	0.85 225	0.38 240	0.94 219	0.80 325	1.03 363	1.17 263	0.58 221	1.52 204	1.20 217	1.19 184	1.62 289	1.13 211	1.20 293	1.80 228	1.06 263	0.24 205	0.24 272	0.24 170	0.21 172	0.23 177	0.27 230

GANet-RSSM	0.72 161	0.28 83	0.63 66	0.64 246	0.58 275	0.80 180	0.58 221	1.89 288	1.08 162	1.04 114	1.25 181	1.15 214	1.04 260	1.49 176	0.62 176	0.25 229	0.19 208	0.22 122	0.22 197	0.22 152	0.21 150

UCFNet_RVC	0.69 153	0.35 222	0.49 17	0.64 246	0.39 178	0.85 197	0.58 221	1.75 253	1.14 190	0.97 93	1.19 164	1.17 216	0.93 218	0.99 91	0.62 176	0.28 262	0.20 225	0.34 297	0.31 300	0.32 261	0.27 230

Anonymous	0.53 48	0.38 240	0.91 211	0.66 263	0.73 319	0.65 108	0.59 228	0.95 52	0.73 55	0.47 13	0.58 19	0.42 5	0.60 97	0.80 55	0.53 145	0.24 205	0.23 263	0.21 96	0.21 172	0.41 299	0.29 244

test_xeample	1.45 329	0.28 83	0.65 76	0.51 95	0.28 52	0.94 216	0.59 228	2.14 338	1.29 255	1.24 207	1.51 264	0.88 130	0.86 193	1.46 170	15.10 408	0.22 167	0.20 225	0.22 122	0.20 136	0.22 152	0.22 165

HSM	1.19 305	0.32 171	0.65 76	0.57 176	0.38 170	1.23 273	0.59 228	2.25 358	1.19 212	1.30 232	1.25 181	1.94 333	1.03 259	9.32 402	0.71 196	0.22 167	0.16 156	0.20 73	0.16 58	0.21 131	0.21 150

iResNet	0.75 185	0.40 249	1.36 306	0.67 273	0.29 63	0.92 211	0.59 228	1.52 204	1.25 234	1.28 220	1.48 258	0.94 148	0.76 148	1.62 198	0.78 216	0.18 60	0.14 75	0.18 36	0.15 30	0.22 152	0.23 182

FADNet-RVC	0.88 235	0.67 331	1.93 350	0.60 206	0.48 225	0.91 205	0.60 232	1.71 245	1.18 209	0.90 78	0.96 74	1.36 260	0.92 212	2.25 270	1.17 280	0.30 274	0.29 305	0.32 280	0.32 306	0.41 299	0.35 283

CoDeX	0.73 175	0.29 110	0.93 217	0.54 134	0.36 145	1.14 254	0.61 233	2.34 365	1.17 205	1.16 167	1.25 181	0.91 136	0.87 196	1.33 141	0.64 183	0.20 117	0.16 156	0.21 96	0.18 88	0.20 97	0.18 78

FADNet-RVC-Resample	0.84 221	0.47 276	2.10 354	0.61 218	0.45 210	1.07 245	0.61 233	1.59 220	1.20 217	1.08 118	0.98 82	1.03 181	0.98 240	2.17 261	0.72 199	0.23 190	0.22 255	0.30 263	0.32 306	0.35 270	0.34 278

qqq	0.57 90	0.34 206	0.71 114	0.47 41	0.27 33	0.64 96	0.62 235	1.42 178	0.78 63	0.80 62	0.92 68	0.95 154	0.77 152	0.88 71	0.59 164	0.21 144	0.20 225	0.24 170	0.23 217	0.22 152	0.21 150

DAS	0.84 221	0.34 206	1.03 250	0.64 246	0.69 311	0.77 166	0.63 236	1.54 212	1.20 217	1.79 334	1.55 270	0.95 154	1.04 260	2.83 294	0.60 171	0.21 144	0.16 156	0.25 206	0.18 88	0.27 221	0.22 165

SepStereo	0.82 212	0.34 206	1.03 250	0.64 246	0.69 311	0.77 166	0.63 236	1.54 212	1.20 217	1.79 334	1.55 270	0.95 154	1.04 260	2.30 272	0.60 171	0.21 144	0.16 156	0.25 206	0.18 88	0.27 221	0.22 165

Anonymous_2	1.30 314	0.55 301	0.82 177	0.52 111	0.58 275	1.01 235	0.64 238	1.25 151	0.97 117	0.96 90	0.78 45	1.33 255	1.29 306	1.03 98	0.74 203	0.62 365	0.64 381	1.06 380	9.63 417	1.16 377	0.49 329

iResNetv2_ROB	0.80 204	0.37 235	1.71 336	0.56 165	0.37 153	0.94 216	0.64 238	1.73 247	1.34 276	1.23 199	1.42 237	1.26 239	0.92 212	1.85 234	0.56 157	0.23 190	0.15 125	0.19 49	0.14 22	0.24 191	0.19 111

BSDual-CNN	0.71 160	0.32 171	0.68 88	0.54 134	0.44 203	1.27 278	0.65 240	2.16 343	0.98 122	1.20 188	1.11 133	1.12 206	0.74 138	0.91 76	0.66 185	0.24 205	0.17 180	0.25 206	0.22 197	0.22 152	0.22 165

hknet	0.77 192	0.32 171	0.95 222	0.54 134	0.38 170	1.27 278	0.65 240	2.16 343	1.07 158	1.20 188	1.11 133	1.59 297	0.81 167	1.37 149	0.66 185	0.22 167	0.17 180	0.25 206	0.22 197	0.22 152	0.22 165

Anonymous3	0.61 107	0.44 264	1.11 270	0.59 195	0.49 228	0.93 214	0.65 240	0.93 45	0.81 69	0.72 51	0.88 62	0.65 63	0.69 130	1.06 105	0.53 145	0.35 306	0.30 309	0.26 225	0.26 252	0.31 256	0.27 230

SHD	1.31 315	0.71 338	2.34 364	0.86 344	0.75 327	1.77 331	0.65 240	2.22 355	2.50 374	2.40 365	1.71 302	1.91 328	1.60 336	1.93 243	2.37 354	0.38 317	0.31 315	0.38 317	0.40 335	0.48 325	0.50 330

RTSC	1.29 312	0.73 339	2.44 366	0.83 336	0.57 267	1.85 339	0.65 240	1.88 286	2.00 357	2.20 356	1.66 297	1.60 299	1.26 303	2.33 274	3.92 373	0.32 286	0.23 263	0.27 236	0.29 288	0.37 280	0.37 289

LL-Strereo	1.33 318	0.39 245	1.38 307	0.61 218	0.61 288	0.75 156	0.66 245	1.63 231	1.17 205	1.56 308	1.60 282	2.03 343	2.12 369	9.72 407	0.97 255	0.21 144	0.18 195	0.27 236	0.23 217	0.22 152	0.25 206

SFCPSM	0.70 155	0.28 83	1.02 246	0.51 95	0.38 170	1.37 290	0.66 245	2.00 314	1.03 142	1.17 176	1.21 169	0.82 103	0.78 157	1.03 98	0.53 145	0.21 144	0.17 180	0.22 122	0.24 228	0.21 131	0.19 111

Nwc_Net	1.09 285	0.49 284	1.33 303	0.89 353	0.80 341	1.49 305	0.66 245	2.19 351	1.27 246	1.32 244	2.26 347	1.96 335	1.54 330	1.92 240	1.34 299	0.40 322	0.30 309	0.43 334	0.45 345	0.38 288	0.37 289

GASNet	0.99 264	0.97 359	1.72 337	0.98 363	0.68 309	0.83 189	0.67 248	1.60 223	1.28 251	1.31 242	1.22 171	1.22 224	1.21 296	2.41 280	1.41 312	0.43 334	0.26 283	0.36 312	0.34 317	0.55 340	0.31 266

DispFullNet	2.34 373	2.85 408	3.66 380	3.08 401	2.27 393	1.97 346	0.67 248	2.00 314	1.70 337	2.52 367	2.00 333	2.23 349	5.86 402	3.44 316	1.58 327	1.01 376	0.32 322	2.64 401	1.94 406	2.85 396	2.24 394

1111x	1.70 349	0.29 110	0.86 187	0.51 95	0.27 33	1.01 235	0.68 250	2.22 355	1.28 251	1.13 151	1.40 234	1.21 222	1.10 275	5.53 352	15.20 409	0.22 167	0.21 241	0.22 122	0.22 197	0.24 191	0.22 165

iinet-f	0.99 264	0.45 270	3.71 382	0.55 153	0.43 197	1.81 334	0.68 250	1.14 119	1.14 190	1.18 180	1.42 237	1.58 296	1.44 320	1.34 144	1.59 329	0.24 205	0.23 263	0.20 73	0.19 108	0.26 209	0.25 206

ToySt	0.66 139	0.33 187	1.23 285	0.51 95	0.33 122	0.86 198	0.68 250	1.10 109	0.97 117	0.84 72	1.08 119	1.25 235	0.94 223	1.01 95	0.74 203	0.19 92	0.19 208	0.24 170	0.24 228	0.27 221	0.23 182

iRaft-Stereo_5w	0.85 225	0.29 110	0.91 211	0.53 119	0.43 197	0.49 30	0.68 250	0.99 64	0.87 81	0.79 60	1.34 215	1.46 276	0.91 209	5.11 342	1.11 273	0.17 32	0.14 75	0.22 122	0.18 88	0.20 97	0.20 134

fast-acv-ft	0.94 249	0.44 264	1.40 308	0.58 182	0.51 244	1.77 331	0.69 254	1.36 167	1.42 310	1.29 225	1.86 321	1.74 318	1.25 301	1.52 179	1.38 304	0.26 243	0.28 297	0.28 246	0.28 277	0.27 221	0.26 224

AANet_RVC	1.16 303	0.52 294	1.49 324	0.65 258	0.45 210	0.75 156	0.69 254	1.42 178	1.55 328	1.34 255	1.87 323	1.53 288	0.78 157	7.43 387	1.38 304	0.25 229	0.17 180	0.19 49	0.16 58	0.22 152	0.26 224

psmorigin	1.52 334	0.69 334	10.52 403	0.68 283	0.59 282	1.13 253	0.70 256	1.57 218	1.19 212	1.99 348	1.79 312	2.26 351	1.47 325	2.09 256	1.36 303	0.39 320	0.40 348	0.34 297	0.33 312	0.43 309	0.56 340

GwcNet	1.08 283	0.51 291	2.33 363	0.79 322	1.18 375	1.76 328	0.70 256	1.68 239	1.47 316	1.41 275	1.64 293	1.74 318	1.04 260	2.20 266	1.41 312	0.30 274	0.29 305	0.29 254	0.27 260	0.30 249	0.35 283

AF-Net	1.13 296	0.52 294	1.33 303	0.86 344	0.91 354	1.38 293	0.71 258	2.16 343	1.62 331	1.56 308	2.40 354	1.99 338	1.65 340	1.81 230	1.48 323	0.48 348	0.28 297	0.49 346	0.33 312	0.39 292	0.32 272

stereogan	1.15 301	0.42 258	1.40 308	0.86 344	0.84 347	2.38 365	0.71 258	1.88 286	1.73 340	1.72 326	1.94 331	2.31 354	1.29 306	2.07 255	1.08 266	0.36 309	0.35 332	0.39 323	0.31 300	0.51 333	0.46 319

MyStereo06	0.61 107	0.28 83	0.95 222	0.56 165	0.46 220	0.61 87	0.73 260	1.78 266	0.67 41	1.03 111	1.12 139	1.13 211	0.56 78	0.78 51	0.41 65	0.17 32	0.16 156	0.23 150	0.20 136	0.22 152	0.20 134

MyStereo05	0.66 139	0.28 83	1.07 261	0.56 165	0.46 220	0.61 87	0.73 260	1.34 163	1.41 307	1.15 156	0.91 66	0.77 87	0.80 164	1.41 164	0.63 180	0.17 32	0.16 156	0.23 150	0.20 136	0.22 152	0.20 134

SQANet	1.31 315	0.88 356	1.08 264	1.83 385	1.44 382	1.44 301	0.75 262	1.74 251	1.09 168	1.32 244	1.26 187	1.28 246	1.01 252	1.50 178	0.83 233	2.50 391	0.34 324	1.47 383	0.55 363	2.32 386	1.57 386

psmg	0.72 161	0.32 171	0.68 88	0.50 72	0.44 203	1.48 303	0.75 262	1.94 304	0.98 122	1.21 191	1.33 210	1.12 206	0.74 138	0.91 76	0.66 185	0.24 205	0.19 208	0.25 206	0.25 239	0.23 177	0.22 165

edge stereo	1.11 291	0.50 288	1.30 297	0.71 298	0.65 299	1.14 254	0.75 262	1.93 302	1.37 291	1.71 325	1.83 316	2.54 363	1.44 320	2.43 281	1.23 285	0.42 329	0.41 350	0.54 355	0.35 321	0.42 304	0.46 319

HBP-ISP	0.96 253	0.58 311	0.72 118	0.61 218	0.46 220	1.64 318	0.76 265	1.86 283	1.28 251	1.30 232	1.53 266	0.86 123	0.94 223	3.27 310	0.69 190	0.45 340	0.44 356	0.54 355	0.48 352	0.47 322	0.40 299

ADLNet2	0.88 235	0.34 206	1.17 279	0.77 319	0.64 296	1.12 252	0.76 265	1.74 251	1.24 231	1.21 191	1.65 295	1.71 314	1.05 264	1.67 206	1.17 280	0.24 205	0.21 241	0.21 96	0.22 197	0.26 209	0.29 244

ADLNet	0.85 225	0.36 229	0.89 205	0.85 342	0.72 316	1.24 274	0.76 265	1.82 274	1.36 287	1.52 299	1.35 221	1.27 243	0.99 248	1.23 128	1.15 277	0.27 252	0.20 225	0.26 225	0.25 239	0.28 235	0.30 256

CSP-Net	0.97 259	0.38 240	0.83 179	0.53 119	0.41 189	1.63 316	0.77 268	2.00 314	1.05 150	1.25 211	1.20 167	1.33 255	0.83 180	4.93 341	0.85 239	0.32 286	0.22 255	0.20 73	0.20 136	0.23 177	0.25 206

RGC	1.14 298	0.79 348	1.26 291	0.91 357	0.96 361	1.52 307	0.77 268	1.92 298	1.26 239	1.54 304	1.93 329	2.02 342	1.54 330	2.25 270	1.31 296	0.44 339	0.35 332	0.58 365	0.48 352	0.47 322	0.46 319

Wz-Net-LNSev-Ref	0.99 264	0.40 249	1.82 344	0.66 263	0.62 293	2.05 351	0.78 270	1.91 295	1.29 255	1.54 304	1.42 237	1.51 286	1.23 298	1.99 248	1.33 297	0.23 190	0.14 75	0.20 73	0.15 30	0.27 221	0.26 224

ADCRef	1.35 320	0.55 301	2.37 365	0.72 301	0.77 331	1.94 344	0.78 270	1.91 295	1.27 246	1.57 312	1.59 281	1.36 260	1.41 317	1.54 185	7.53 389	0.23 190	0.20 225	0.32 280	0.30 296	0.29 240	0.29 244

NOSS_ROB	1.26 310	0.46 272	0.62 63	0.56 165	0.38 170	1.06 243	0.78 270	1.73 247	1.40 304	1.01 104	1.43 241	1.10 201	0.75 140	10.62 410	0.65 184	0.45 340	0.43 353	0.48 344	0.45 345	0.44 316	0.41 303

MyStereo07	0.48 32	0.29 110	0.50 18	0.55 153	0.45 210	0.59 78	0.79 273	1.05 87	0.51 13	0.48 17	0.53 10	0.43 7	0.55 74	1.30 136	0.34 24	0.17 32	0.16 156	0.24 170	0.20 136	0.23 177	0.20 134

MyStereo04	0.67 148	0.29 110	1.07 261	0.55 153	0.45 210	0.59 78	0.79 273	1.50 196	1.40 304	0.91 80	0.91 66	0.74 81	0.86 193	1.52 179	0.62 176	0.17 32	0.16 156	0.24 170	0.20 136	0.23 177	0.20 134

SACVNet	0.85 225	0.46 272	0.85 181	0.81 328	0.56 265	0.80 180	0.79 273	1.68 239	1.12 178	1.34 255	1.33 210	1.25 235	0.94 223	2.39 279	0.76 208	0.34 299	0.26 283	0.31 267	0.29 288	0.35 270	0.44 313

STrans-v2	1.04 277	0.28 83	0.96 226	0.49 65	0.32 106	0.68 128	0.79 273	2.47 373	1.12 178	1.12 137	1.46 252	1.40 264	1.46 323	6.70 376	0.43 82	0.18 60	0.13 42	0.20 73	0.18 88	0.18 41	0.18 78

GEStereo_RVC	0.90 240	0.37 235	0.99 231	0.64 246	0.50 234	0.95 220	0.79 273	2.42 370	1.17 205	1.16 167	1.11 133	1.26 239	0.92 212	3.24 308	0.90 245	0.29 270	0.19 208	0.23 150	0.20 136	0.27 221	0.29 244

DRN-Test	1.00 268	0.44 264	1.13 274	0.70 291	0.81 343	1.62 315	0.79 273	2.14 338	1.44 313	1.78 331	1.33 210	1.43 268	1.05 264	2.18 264	1.53 326	0.27 252	0.21 241	0.31 267	0.30 296	0.32 261	0.28 241

UDG	1.41 327	2.65 406	0.99 231	1.44 382	1.64 385	1.34 287	0.80 279	1.60 223	1.23 227	1.23 199	1.71 302	2.01 340	1.34 314	1.47 174	1.41 312	0.90 373	0.54 375	2.29 390	0.75 374	1.84 383	1.04 377

UPFNet	0.80 204	0.32 171	0.90 208	0.59 195	0.74 321	1.26 277	0.80 279	1.52 204	1.10 172	1.30 232	1.12 139	1.30 250	0.84 182	1.67 206	1.09 268	0.24 205	0.24 272	0.24 170	0.23 217	0.25 201	0.18 78

PS-NSSS	0.99 264	0.58 311	0.93 217	0.58 182	0.57 267	0.91 205	0.80 279	1.81 273	1.14 190	1.14 153	1.67 299	1.00 169	0.83 180	4.62 334	0.78 216	0.37 313	0.31 315	0.52 349	0.32 306	0.45 319	0.38 295

LRCNet_RVC	22.74 418	32.10 425	21.97 413	29.84 422	26.23 420	4.42 398	0.81 282	22.66 417	2.02 358	26.93 422	29.26 423	23.06 423	15.59 412	23.84 420	18.88 413	31.75 428	19.90 429	34.65 428	32.13 428	30.54 427	28.32 428

ARAFT	0.77 192	0.36 229	1.49 324	0.51 95	0.31 91	0.90 203	0.82 283	1.90 291	1.06 153	1.62 318	1.24 177	1.02 178	0.64 119	1.84 231	0.50 128	0.18 60	0.14 75	0.28 246	0.27 260	0.17 24	0.16 41

APVNet	1.06 278	0.53 297	1.42 310	0.84 337	0.79 336	1.92 342	0.82 283	1.90 291	1.08 162	1.08 118	1.43 241	1.56 292	1.13 281	3.07 302	1.58 327	0.31 281	0.34 324	0.42 332	0.36 325	0.36 276	0.37 289

CBFPSM	0.92 245	0.33 187	1.86 347	0.49 65	0.38 170	1.75 326	0.84 285	1.39 174	1.12 178	1.09 123	0.99 84	2.37 357	1.66 344	1.32 139	1.42 316	0.19 92	0.18 195	0.20 73	0.20 136	0.21 131	0.33 276

delet	0.85 225	0.32 171	0.95 222	0.65 258	0.66 301	1.64 318	0.84 285	1.75 253	1.35 284	1.32 244	1.30 198	1.30 250	0.88 200	1.68 211	1.10 271	0.21 144	0.21 241	0.24 170	0.24 228	0.21 131	0.21 150

RP	1.09 285	0.50 288	1.12 272	0.90 354	1.04 364	1.11 249	0.84 285	1.80 270	1.62 331	1.55 307	2.00 333	1.90 327	1.78 350	1.84 231	1.25 287	0.52 353	0.36 337	0.48 344	0.36 325	0.45 319	0.43 311

PA-Net	1.01 271	0.57 308	1.29 296	0.64 246	0.74 321	1.19 268	0.84 285	1.69 241	1.43 312	1.16 167	1.19 164	1.32 254	1.19 290	3.42 314	1.25 287	0.29 270	0.45 360	0.33 287	0.49 355	0.32 261	0.47 322
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DISCO	1.03 274	0.34 206	1.11 270	0.69 286	0.45 210	2.07 352	0.84 285	2.13 334	1.50 320	1.15 156	1.33 210	2.40 359	1.07 270	2.60 287	1.51 325	0.23 190	0.18 195	0.22 122	0.20 136	0.31 256	0.27 230

DLCB_ROB	0.86 230	0.40 249	0.78 167	0.68 283	0.54 258	1.11 249	0.84 285	1.49 192	1.23 227	1.64 320	1.65 295	1.70 313	0.91 209	1.70 213	1.05 261	0.25 229	0.24 272	0.26 225	0.27 260	0.27 221	0.24 194

CRFU-Net	0.86 230	0.39 245	1.00 236	0.65 258	0.57 267	1.78 333	0.86 291	2.15 340	0.81 69	1.38 267	1.18 161	1.64 306	1.19 290	1.35 145	0.90 245	0.26 243	0.22 255	0.21 96	0.19 108	0.23 177	0.24 194

KYRaft	0.75 185	0.28 83	0.62 63	0.56 165	0.29 63	0.67 121	0.86 291	0.94 49	0.84 76	1.62 318	2.21 345	1.16 215	1.02 257	1.57 191	0.40 58	0.20 117	0.13 42	0.22 122	0.28 277	0.20 97	1.02 375

NVstereo2D	0.92 245	0.41 255	1.48 322	0.72 301	0.72 316	1.20 270	0.87 293	1.75 253	1.38 295	0.99 99	1.13 144	1.26 239	0.98 240	2.21 267	0.89 243	0.43 334	0.20 225	0.38 317	0.24 228	0.57 343	0.63 353

Syn2CoEx	1.14 298	0.69 334	1.66 333	0.80 325	0.67 303	1.40 295	0.88 294	2.06 328	1.54 326	1.25 211	1.58 280	1.42 267	1.50 329	4.09 324	1.40 308	0.36 309	0.32 322	0.34 297	0.29 288	0.29 240	0.34 278

SuperB	2.53 380	0.59 314	18.45 410	0.69 286	0.50 234	1.87 341	0.88 294	1.67 238	2.39 367	1.50 296	1.42 237	1.14 213	1.15 283	4.28 329	5.07 379	0.24 205	0.19 208	0.22 122	0.19 108	7.86 417	0.34 278

anonymity	1.12 293	0.97 359	1.21 282	1.07 371	1.12 370	1.08 246	0.89 296	1.95 306	1.16 203	1.29 225	1.26 187	1.22 224	1.09 274	1.15 120	1.01 259	1.02 378	1.00 399	0.97 376	0.97 386	0.98 371	0.99 374

FAT-Stereo	1.07 280	0.41 255	1.32 301	0.72 301	0.58 275	1.08 246	0.89 296	1.96 307	1.65 333	1.75 328	1.98 332	2.03 343	1.48 326	2.02 250	1.18 283	0.42 329	0.35 332	0.34 297	0.29 288	0.35 270	0.53 335

NCC-stereo	1.10 288	0.54 298	1.24 288	0.84 337	0.94 358	1.29 281	0.89 296	2.01 318	1.34 276	1.32 244	1.74 305	1.88 323	1.74 347	2.35 275	1.25 287	0.45 340	0.37 339	0.45 338	0.58 366	0.42 304	0.42 307

Abc-Net	1.10 288	0.54 298	1.24 288	0.84 337	0.94 358	1.29 281	0.89 296	2.01 318	1.34 276	1.32 244	1.74 305	1.88 323	1.74 347	2.35 275	1.25 287	0.45 340	0.37 339	0.45 338	0.58 366	0.42 304	0.42 307
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
XQC	1.37 322	0.87 354	2.56 370	0.84 337	0.69 311	1.83 337	0.89 296	2.07 329	1.88 349	1.88 341	1.53 266	1.91 328	1.55 332	2.85 296	3.05 362	0.48 348	0.29 305	0.44 337	0.39 331	0.69 361	0.60 350

G-Net	1.66 344	0.63 326	1.56 327	1.11 373	0.74 321	2.98 380	0.91 301	1.55 216	1.22 224	2.76 375	8.18 405	2.32 355	2.53 380	1.92 240	1.87 338	0.48 348	0.44 356	0.45 338	0.31 300	0.60 351	0.57 344

StereoDRNet	0.98 263	0.47 276	1.70 335	0.76 316	0.94 358	1.51 306	0.91 301	1.92 298	1.32 270	1.61 315	1.13 144	1.47 281	0.97 236	1.75 219	1.46 321	0.28 262	0.23 263	0.29 254	0.27 260	0.35 270	0.27 230

DDUNet	1.50 332	2.69 407	1.12 272	1.77 384	1.88 387	1.84 338	0.92 303	1.70 244	1.16 203	1.38 267	1.79 312	1.60 299	1.12 279	1.37 149	1.08 266	1.10 383	0.76 384	2.37 392	0.94 384	2.00 384	1.37 384

psm_up	0.77 192	0.34 206	0.70 103	0.66 263	0.58 275	1.05 240	0.92 303	1.52 204	1.12 178	1.26 215	1.16 156	1.31 253	1.23 298	1.20 124	0.81 226	0.25 229	0.29 305	0.31 267	0.27 260	0.27 221	0.25 206

RYNet	1.17 304	0.49 284	1.24 288	0.70 291	0.97 362	1.71 322	0.92 303	1.91 295	1.46 315	1.38 267	1.14 147	1.88 323	1.30 310	4.24 326	1.87 338	0.26 243	0.21 241	0.35 304	0.27 260	0.55 340	0.54 336

PDISCO_ROB	1.32 317	0.65 329	1.44 311	1.36 377	1.46 383	2.55 369	0.92 303	2.45 372	2.07 361	1.37 262	1.49 259	1.65 308	1.00 250	2.82 293	1.35 302	1.01 376	0.27 291	0.54 355	0.47 350	0.71 363	0.73 364

DSFCA	0.93 248	0.34 206	1.06 257	0.52 111	0.65 299	1.55 310	0.93 307	1.49 192	1.19 212	1.56 308	1.15 153	1.50 284	0.96 233	3.07 302	1.02 260	0.30 274	0.26 283	0.25 206	0.25 239	0.28 235	0.24 194

MaskLacGwcNet_RVC	1.10 288	1.02 363	1.00 236	0.82 333	0.67 303	1.93 343	0.93 307	1.62 229	1.11 174	1.15 156	1.25 181	1.50 284	0.79 159	1.96 246	0.76 208	1.89 386	0.34 324	0.79 371	0.36 325	1.25 380	0.83 368

FCDSN-DC	2.32 372	0.63 326	0.81 175	0.84 337	0.75 327	2.23 358	0.94 309	2.09 332	1.80 345	5.45 404	7.72 402	7.77 402	6.93 408	3.39 311	1.80 336	0.52 353	0.48 365	0.52 349	0.51 359	0.57 343	0.58 345
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MSMD_ROB	1.99 364	0.59 314	0.89 205	0.70 291	0.61 288	3.95 393	0.94 309	1.80 270	1.79 344	4.41 395	4.43 381	8.17 403	3.66 392	3.40 312	1.33 297	0.52 353	0.48 365	0.54 355	0.58 366	0.53 337	0.50 330

MFN_U_SF_RVC	1.52 334	0.84 350	3.42 378	0.87 349	0.66 301	2.56 370	0.95 311	2.36 366	1.70 337	1.98 347	1.86 321	2.45 361	1.79 351	2.95 298	2.58 356	0.52 353	0.48 365	0.55 359	0.59 369	0.59 347	0.61 351

DeepPrunerF	1.60 339	0.73 339	5.81 391	0.88 350	1.19 376	0.91 205	0.95 311	2.19 351	5.24 399	1.17 176	1.30 198	1.19 220	1.30 310	4.90 339	1.66 332	0.42 329	0.34 324	0.52 349	0.47 350	0.41 299	0.40 299

ssnet_v2	0.88 235	0.36 229	1.02 246	0.62 229	0.38 170	1.32 284	0.97 313	2.07 329	1.34 276	1.37 262	1.18 161	1.54 289	0.92 212	1.10 112	1.65 330	0.30 274	0.27 291	0.30 263	0.28 277	0.27 221	0.26 224

Prome-Stereo	0.75 185	0.27 67	0.53 28	0.55 153	0.32 106	0.59 78	0.97 313	0.89 33	0.88 85	1.45 284	2.46 357	0.91 136	1.41 317	1.58 193	0.44 84	0.18 60	0.13 42	0.19 49	0.17 74	0.20 97	0.92 371

PVD	1.70 349	0.84 350	2.26 362	0.94 362	0.83 346	2.48 367	0.97 313	2.59 376	3.35 385	3.01 383	2.77 363	2.34 356	2.47 379	2.67 290	3.14 365	0.47 347	0.45 360	0.59 366	0.48 352	0.59 347	0.75 366

CVANet_RVC	1.07 280	0.43 261	0.76 155	0.60 206	0.50 234	0.90 203	0.97 313	1.52 204	1.26 239	1.33 252	1.38 228	1.24 231	1.18 287	6.75 378	0.75 206	0.34 299	0.23 263	0.34 297	0.29 288	0.42 304	0.27 230

GMM-Stereo	0.74 178	0.25 35	0.59 52	0.54 134	0.34 137	0.72 144	0.99 317	1.01 73	0.87 81	1.36 260	1.78 311	1.12 206	0.81 167	2.09 256	0.46 105	0.18 60	0.12 9	0.25 206	0.25 239	0.20 97	0.85 370

ccnet	1.12 293	0.67 331	1.01 240	0.78 321	0.73 319	1.72 324	0.99 317	1.84 279	1.26 239	1.47 287	1.85 320	1.75 321	1.29 306	1.75 219	1.88 340	0.57 361	0.53 372	0.57 364	0.55 363	0.59 347	0.54 336

Wz-Net-LNSev	1.03 274	0.67 331	2.71 374	0.64 246	0.84 347	1.75 326	1.00 319	1.80 270	1.32 270	1.28 220	1.25 181	1.65 308	1.22 297	1.39 158	1.40 308	0.28 262	0.26 283	0.24 170	0.23 217	0.33 267	0.32 272

CC-Net-ROB	1.49 330	1.26 377	1.27 294	0.88 350	0.79 336	1.76 328	1.00 319	1.79 268	1.26 239	1.10 131	1.61 286	1.21 222	0.99 248	8.13 395	0.84 236	1.09 382	0.41 350	2.20 388	0.46 348	1.20 379	0.48 325

Consistency-Raft	1.25 309	0.99 361	1.93 350	1.02 367	1.21 377	0.96 224	1.01 321	1.75 253	1.92 353	1.36 260	2.12 341	1.44 272	1.01 252	1.14 119	1.40 308	0.72 370	0.82 386	0.89 374	0.98 388	1.31 381	0.95 372

IRAFT_RVC	0.88 235	0.28 83	0.76 155	0.63 237	0.31 91	0.65 108	1.02 322	1.22 143	0.94 106	1.22 196	1.04 110	1.01 176	0.98 240	5.82 359	0.53 145	0.22 167	0.12 9	0.25 206	0.20 136	0.20 97	0.19 111

MeshStereo	2.26 370	0.56 304	0.92 215	0.61 218	0.49 228	2.60 371	1.02 322	3.18 384	2.05 360	7.40 410	4.98 390	7.58 400	2.98 386	6.37 368	1.96 344	0.43 334	0.43 353	0.45 338	0.39 331	0.43 309	0.42 307
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
FC-DCNN	2.72 387	0.59 314	0.86 187	0.73 308	0.57 267	2.91 378	1.04 324	3.01 382	2.60 375	6.83 406	7.64 401	9.92 407	6.33 406	5.21 343	3.14 365	0.53 359	0.48 365	0.51 348	0.50 357	0.53 337	0.51 334

ADCP+	1.99 364	0.48 281	7.73 395	0.66 263	0.91 354	2.30 361	1.05 325	1.82 274	1.34 276	1.54 304	1.32 208	1.74 318	1.61 337	2.17 261	13.37 404	0.24 205	0.21 241	0.32 280	0.28 277	0.37 280	0.29 244

aanetorigin	1.23 306	0.79 348	2.78 376	0.70 291	0.79 336	0.99 232	1.06 326	1.06 100	1.37 291	3.52 386	2.61 360	1.72 315	1.63 338	1.99 248	1.78 335	0.25 229	0.24 272	0.26 225	0.25 239	0.38 288	0.45 315

FINET	0.97 259	0.54 298	1.60 330	0.63 237	0.79 336	1.08 246	1.07 327	1.56 217	2.20 364	1.15 156	1.49 259	0.94 148	0.88 200	2.32 273	1.05 261	0.42 329	0.35 332	0.32 280	0.28 277	0.43 309	0.38 295

PASM	1.34 319	0.92 357	2.62 372	0.86 344	0.87 352	1.03 237	1.08 328	1.50 196	1.51 322	1.82 338	1.41 236	1.68 311	1.26 303	4.87 338	1.34 299	0.61 364	0.65 383	0.68 368	0.78 376	0.69 361	0.68 360

FBW_ROB	1.71 351	0.62 325	1.45 315	0.67 273	0.61 288	1.81 334	1.08 328	2.52 374	1.70 337	1.77 330	1.73 304	1.98 337	1.25 301	12.57 413	1.84 337	0.34 299	0.37 339	0.56 362	0.38 330	0.45 319	0.43 311

MDST_ROB	1.67 345	0.34 206	1.58 329	0.92 359	0.58 275	4.26 397	1.11 330	2.83 378	1.41 307	4.49 397	2.55 359	1.45 274	0.97 236	7.79 392	1.17 280	0.31 281	0.25 279	0.37 314	0.33 312	0.31 256	0.30 256

SPS-STEREO	1.67 345	1.04 364	1.23 285	1.21 375	1.13 372	1.82 336	1.11 330	2.16 343	1.52 323	3.07 385	2.32 349	2.82 371	1.80 352	4.11 325	2.04 347	1.03 379	0.99 398	0.97 376	0.94 384	1.03 375	1.02 375
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
PSMNet_ROB	0.90 240	0.52 294	1.17 279	0.72 301	0.61 288	1.27 278	1.12 332	1.76 259	1.12 178	1.09 123	1.28 194	1.45 274	0.89 206	1.65 201	1.42 316	0.33 291	0.25 279	0.37 314	0.39 331	0.35 270	0.29 244

ETE_ROB	0.96 253	0.64 328	1.16 277	0.69 286	0.48 225	1.14 254	1.13 333	1.77 262	1.19 212	1.91 345	1.45 246	1.73 316	1.05 264	1.60 196	1.14 276	0.32 286	0.26 283	0.38 317	0.34 317	0.39 292	0.41 303

ADCMid	1.89 360	0.73 339	5.06 386	0.72 301	0.67 303	2.00 349	1.14 334	1.97 311	1.48 317	2.86 378	1.81 315	2.37 357	2.05 367	2.24 268	10.39 401	0.33 291	0.31 315	0.39 323	0.43 341	0.50 329	0.44 313

XPNet_ROB	0.96 253	0.49 284	1.09 265	0.72 301	0.57 267	1.11 249	1.14 334	1.66 237	1.23 227	1.85 340	1.39 232	1.64 306	1.11 276	1.80 228	1.42 316	0.38 317	0.30 309	0.33 287	0.29 288	0.37 280	0.34 278

WCMA_ROB	1.84 355	0.47 276	1.31 298	0.69 286	0.57 267	2.11 354	1.14 334	1.87 284	1.73 340	4.04 391	6.43 394	5.62 394	3.61 391	2.59 286	1.94 343	0.52 353	0.44 356	0.39 323	0.42 339	0.48 325	0.47 322

Ntro	1.64 343	1.15 373	1.23 285	2.48 392	1.83 386	2.09 353	1.16 337	1.96 307	1.38 295	1.21 191	1.62 289	1.62 301	1.29 306	1.87 237	1.11 273	3.04 396	0.56 376	1.82 386	0.64 371	2.80 392	2.05 392

EDNetEfficientorigin	10.57 410	1.47 384	177.42 435	0.67 273	0.53 255	1.58 312	1.16 337	1.90 291	3.37 386	4.71 399	3.38 371	3.10 376	2.69 382	3.13 306	3.58 370	0.25 229	0.23 263	0.33 287	0.27 260	0.83 366	0.81 367

SGM_RVC	1.68 347	0.36 229	0.61 59	0.59 195	0.29 63	2.25 359	1.18 339	2.38 368	1.68 336	3.60 387	2.67 362	3.69 380	2.42 377	8.13 395	1.90 341	0.31 281	0.31 315	0.30 263	0.28 277	0.30 249	0.29 244
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
S-Stereo	1.15 301	0.46 272	2.17 358	0.81 328	0.80 341	1.21 271	1.19 340	1.93 302	2.02 358	1.47 287	2.11 340	1.57 293	1.17 284	2.05 254	1.41 312	0.40 322	0.40 348	0.35 304	0.31 300	0.44 316	0.70 361

pmcnn	2.37 374	0.42 258	2.71 374	0.63 237	0.43 197	1.54 309	1.19 340	2.01 318	1.53 325	2.64 371	7.60 400	18.07 414	1.45 322	3.44 316	2.78 360	0.18 60	0.15 125	0.15 3	0.12 9	0.20 97	0.18 78

ADCPNet	1.85 356	0.69 334	8.07 396	0.71 298	0.58 275	2.79 376	1.22 342	1.94 304	1.54 326	1.88 341	1.69 300	2.46 362	2.04 365	2.37 277	6.48 384	0.38 317	0.37 339	0.38 317	0.43 341	0.47 322	0.45 315

otaku	1.60 339	1.11 370	1.21 282	2.20 387	1.56 384	1.97 346	1.24 343	2.07 329	1.36 287	1.44 282	1.62 289	1.73 316	1.19 290	1.73 218	0.98 257	2.89 395	0.57 377	1.74 384	0.60 370	2.78 391	1.94 391

ACVNet-4b	2.15 367	1.41 381	1.64 331	2.80 394	2.31 395	2.31 362	1.24 343	2.32 362	2.14 362	1.26 215	2.39 353	2.66 367	1.48 326	5.95 363	1.06 263	3.20 400	0.45 360	2.37 392	0.89 381	2.83 395	2.37 396

PSM-AAD	0.79 201	0.27 67	0.53 28	0.55 153	0.28 52	0.77 166	1.24 343	0.99 64	0.91 97	1.66 321	1.57 278	0.81 98	2.19 371	1.65 201	0.44 84	0.19 92	0.14 75	0.38 317	0.32 306	0.21 131	0.70 361

RAFT + AFF	1.00 268	0.42 258	1.09 265	0.67 273	0.50 234	1.22 272	1.24 343	2.24 357	1.19 212	1.30 232	1.56 274	1.17 216	1.49 328	3.44 316	0.83 233	0.21 144	0.25 279	0.30 263	0.26 252	0.27 221	0.27 230

LALA_ROB	1.01 271	0.59 314	1.16 277	0.67 273	0.51 244	1.63 316	1.26 347	1.69 241	1.38 295	1.81 337	1.37 224	1.94 333	1.02 257	1.58 193	1.38 304	0.37 313	0.27 291	0.43 334	0.37 328	0.43 309	0.37 289

SGM-Forest	1.24 307	0.38 240	0.60 56	0.52 111	0.37 153	1.56 311	1.30 348	1.65 233	1.36 287	2.11 354	1.79 312	1.63 303	0.93 218	7.48 389	0.95 250	0.36 309	0.37 339	0.39 323	0.34 317	0.37 280	0.32 272
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
GANetREF_RVC	1.07 280	0.86 353	1.31 298	0.82 333	0.53 255	1.41 299	1.31 349	1.76 259	1.52 323	1.27 218	1.31 203	1.46 276	1.24 300	2.03 251	0.96 254	0.56 360	0.45 360	0.67 367	0.50 357	0.88 369	0.59 347
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
THIR-Stereo	1.02 273	0.27 67	0.69 97	0.49 65	0.28 52	0.95 220	1.34 350	1.03 77	0.97 117	1.34 255	1.90 326	1.17 216	1.58 333	6.44 369	0.78 216	0.19 92	0.14 75	0.21 96	0.22 197	0.19 71	0.20 134

SGM+DAISY	2.41 377	1.07 365	2.14 357	1.18 374	1.10 367	2.14 356	1.36 351	1.96 307	1.66 334	5.46 405	7.07 397	4.95 390	4.32 398	5.50 351	2.26 353	1.04 380	1.02 401	0.99 378	0.97 386	1.02 374	1.04 377

DGSMNet	1.14 298	0.76 346	2.49 369	0.81 328	0.86 350	1.39 294	1.39 352	2.13 334	1.35 284	1.26 215	1.63 292	1.48 282	0.98 240	1.75 219	1.10 271	0.45 340	0.43 353	0.55 359	0.49 355	0.75 365	0.70 361

Wz-Net-SNSev	1.49 330	1.23 376	6.27 393	0.68 283	0.67 303	1.37 290	1.41 353	2.00 314	1.39 299	1.48 293	1.61 286	2.29 352	1.32 312	3.93 321	2.14 351	0.31 281	0.28 297	0.31 267	0.33 312	0.42 304	0.36 287

MFMNet_re	1.40 326	1.14 372	1.68 334	1.39 379	1.07 365	1.48 303	1.43 354	1.87 284	1.82 347	2.26 357	2.19 344	1.51 286	1.86 356	1.52 179	1.25 287	0.93 374	0.83 387	0.84 373	0.80 377	0.99 373	1.05 379

TDLM	1.06 278	0.44 264	0.79 169	0.63 237	0.50 234	0.89 201	1.44 355	1.48 191	1.26 239	1.12 137	1.40 234	1.08 193	0.98 240	6.65 372	0.78 216	0.33 291	0.21 241	0.33 287	0.26 252	0.37 280	0.24 194

ACVNet_1	2.18 368	1.45 383	1.72 337	2.85 396	2.33 396	2.28 360	1.46 356	3.08 383	2.22 365	1.82 338	2.05 338	3.56 378	1.98 363	3.09 305	1.40 308	3.17 397	0.60 379	2.40 396	0.92 383	2.91 398	2.37 396

Wz-Net-MNSev	1.11 291	0.58 311	2.23 361	0.66 263	0.71 314	1.95 345	1.46 356	1.98 312	1.45 314	1.79 334	1.43 241	1.49 283	1.33 313	1.97 247	1.42 316	0.27 252	0.23 263	0.28 246	0.28 277	0.34 269	0.31 266

NVStereoNet_ROB	1.88 357	1.07 365	1.45 315	1.07 371	1.17 373	1.47 302	1.48 358	1.89 288	1.93 355	1.94 346	4.67 387	3.08 375	1.80 352	6.51 370	1.65 330	1.06 381	0.86 393	1.08 381	1.32 393	0.93 370	1.26 383
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
WAO-8	4.40 395	1.82 392	1.79 341	2.34 389	2.20 389	9.19 407	1.53 359	6.09 405	16.46 411	3.94 389	7.84 403	7.32 397	3.72 394	9.41 405	3.31 368	2.00 387	1.07 402	2.44 397	1.37 397	2.50 387	1.68 387

Venus	4.40 395	1.82 392	1.79 341	2.34 389	2.20 389	9.19 407	1.53 359	6.09 405	16.46 411	3.94 389	7.84 403	7.32 397	3.72 394	9.41 405	3.31 368	2.00 387	1.07 402	2.44 397	1.37 397	2.50 387	1.68 387

coex-ft	8.13 408	2.13 401	98.04 434	0.67 273	0.53 255	1.71 322	1.56 361	1.65 233	11.11 406	18.17 420	3.75 376	3.88 382	7.61 409	2.98 301	6.49 385	0.30 274	0.30 309	0.32 280	0.31 300	0.66 358	0.50 330

EDNetEfficient	2.37 374	1.10 367	8.08 397	0.74 310	0.71 314	0.98 231	1.56 361	1.46 188	4.06 392	4.90 400	2.82 364	2.25 350	3.48 390	2.95 298	9.97 398	0.26 243	0.24 272	0.26 225	0.30 296	0.68 360	0.61 351

SANet	1.88 357	0.57 308	2.18 360	0.63 237	0.40 183	2.80 377	1.57 363	2.39 369	5.88 401	2.36 363	3.57 374	3.72 381	2.97 385	4.74 335	1.76 334	0.34 299	0.30 309	0.32 280	0.29 288	0.48 325	0.37 289

WZ-Net	1.95 361	0.95 358	10.10 400	0.86 344	0.78 334	1.69 321	1.60 364	2.20 354	1.98 356	2.08 352	1.93 329	2.30 353	1.97 362	5.30 344	3.17 367	0.34 299	0.26 283	0.29 254	0.31 300	0.51 333	0.47 322

DPSNet	1.69 348	0.59 314	4.33 383	0.70 291	0.57 267	2.02 350	1.62 365	3.35 387	1.78 343	1.48 293	1.38 228	2.17 348	2.84 383	4.77 336	3.66 371	0.48 348	0.31 315	0.29 254	0.25 239	0.64 354	0.48 325

CBMV	0.95 252	0.44 264	0.66 82	0.53 119	0.35 140	1.53 308	1.63 366	1.69 241	1.42 310	2.00 350	1.60 282	1.43 268	1.17 284	1.59 195	0.99 258	0.34 299	0.34 324	0.39 323	0.33 312	0.33 267	0.32 272
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NCCL2	1.00 268	0.56 304	1.06 257	0.75 314	0.57 267	1.31 283	1.72 367	1.77 262	1.36 287	1.50 296	1.17 159	1.91 328	1.17 284	1.54 185	1.29 294	0.35 306	0.31 315	0.45 338	0.44 343	0.40 296	0.40 299

GANet	1.36 321	0.47 276	0.86 187	0.67 273	0.45 210	1.34 287	1.73 368	1.64 232	1.24 231	1.49 295	2.38 352	1.55 291	1.20 293	9.30 401	0.93 247	0.30 274	0.31 315	0.33 287	0.28 277	0.39 292	0.30 256

Anonymous Stereo	1.28 311	0.75 344	2.45 367	0.74 310	0.77 331	0.93 214	1.77 369	1.51 201	1.31 265	1.67 322	1.29 197	1.20 221	0.75 140	6.29 367	1.68 333	0.37 313	0.36 337	0.38 317	0.40 335	0.43 309	0.45 315

CSAN	1.41 327	0.59 314	1.26 291	0.70 291	0.50 234	1.76 328	1.78 370	1.77 262	1.90 352	2.35 361	2.32 349	1.92 331	1.94 361	5.56 354	1.49 324	0.43 334	0.35 332	0.40 328	0.41 337	0.43 309	0.41 303

ADCS	2.25 369	0.99 361	5.55 388	0.81 328	0.74 321	2.19 357	1.80 371	2.27 359	2.14 362	2.80 377	2.13 342	2.40 359	2.03 364	2.64 289	13.69 405	0.41 326	0.39 346	0.40 328	0.45 345	0.58 345	0.56 340

RainbowNet	1.97 363	1.76 388	1.57 328	2.81 395	2.21 391	1.98 348	1.81 372	2.54 375	1.89 350	1.50 296	1.84 318	1.96 335	1.65 340	2.14 260	1.25 287	3.33 402	0.85 391	2.39 395	0.98 388	2.82 394	2.22 393

MADNet+	2.69 384	3.22 410	11.53 405	1.44 382	1.12 370	3.19 382	1.81 372	2.85 379	2.37 366	1.68 323	2.07 339	2.85 372	2.18 370	7.41 386	5.23 380	0.79 371	0.76 384	0.69 370	0.65 372	0.98 371	0.95 372

Wz-Net-TNSev	1.88 357	2.08 400	7.66 394	0.67 273	0.64 296	2.42 366	1.83 374	2.33 363	1.74 342	1.57 312	1.56 274	2.58 364	1.90 359	4.86 337	3.12 364	0.39 320	0.37 339	0.33 287	0.37 328	0.53 337	0.58 345

ADCL	1.72 352	0.57 308	3.66 380	0.67 273	0.61 288	2.61 372	1.85 375	1.96 307	1.67 335	1.90 344	1.83 316	2.06 346	1.90 359	2.13 259	9.15 397	0.26 243	0.24 272	0.34 297	0.32 306	0.38 288	0.35 283

GrayStereo	0.82 212	0.26 46	0.58 48	0.63 237	0.37 153	0.76 160	1.86 376	1.11 115	0.87 81	1.99 348	1.89 325	1.08 193	1.82 355	1.39 158	0.48 115	0.19 92	0.14 75	0.19 49	0.21 172	0.18 41	0.39 298

FTStereo	0.91 243	0.26 46	0.56 37	0.54 134	0.33 122	0.66 117	1.87 377	1.00 68	0.75 56	1.75 328	4.15 380	1.04 184	1.65 340	1.57 191	0.46 105	0.19 92	0.16 156	0.23 150	0.21 172	0.18 41	0.63 353

ACVNet_2	2.43 378	1.41 381	2.04 352	2.62 393	2.24 392	2.63 373	1.88 378	3.31 385	3.01 381	2.19 355	3.45 373	4.62 385	2.04 365	4.50 332	1.47 322	2.55 392	0.64 381	2.22 389	0.84 379	2.69 390	2.29 395

LSM	6.33 403	1.10 367	13.19 406	1.41 381	68.17 430	1.64 318	1.90 379	1.92 298	2.46 369	2.99 381	3.11 368	1.88 323	1.80 352	2.61 288	2.06 349	0.41 326	0.58 378	0.50 347	0.57 365	0.64 354	17.66 422

SAMSARA	1.55 336	0.84 350	2.61 371	1.22 376	1.07 365	2.50 368	1.93 380	2.05 323	1.89 350	2.75 374	1.66 297	2.81 370	1.69 345	3.08 304	1.97 345	0.46 346	0.51 370	0.42 332	0.46 348	0.58 345	0.59 347

WAO-7	2.66 381	1.40 380	1.73 339	1.39 379	1.17 373	3.93 392	1.94 381	4.11 393	3.88 391	2.92 379	5.50 391	4.18 383	3.00 387	7.63 390	3.71 372	1.13 384	1.00 399	1.17 382	1.13 392	1.18 378	1.09 381

RTS	2.67 382	1.38 378	15.28 408	0.99 364	1.26 379	3.78 389	1.96 382	2.15 340	2.62 376	2.61 369	2.85 365	2.60 365	1.59 334	6.27 365	5.71 382	0.40 322	0.28 297	0.35 304	0.35 321	0.50 329	0.48 325

RTSA	2.67 382	1.38 378	15.28 408	0.99 364	1.26 379	3.78 389	1.96 382	2.15 340	2.62 376	2.61 369	2.85 365	2.60 365	1.59 334	6.27 365	5.71 382	0.40 322	0.28 297	0.35 304	0.35 321	0.50 329	0.48 325

IMH	3.21 391	1.85 394	1.48 322	3.25 402	2.69 401	4.07 395	2.02 384	4.41 396	3.80 390	2.72 372	7.11 398	4.75 388	2.92 384	5.92 361	2.55 355	3.85 409	0.88 394	2.78 404	1.36 396	3.19 402	2.59 401

NaN_ROB	1.13 296	0.55 301	1.15 276	0.64 246	0.48 225	1.61 314	2.03 385	1.72 246	1.48 317	2.09 353	1.27 190	1.40 264	1.08 271	3.94 322	1.30 295	0.28 262	0.34 324	0.28 246	0.28 277	0.30 249	0.33 276

IMH-64-1	2.70 385	1.79 390	1.46 317	3.26 403	2.66 399	3.23 384	2.10 386	4.08 391	2.75 379	2.34 359	3.81 377	3.06 373	2.22 372	4.25 327	2.59 357	3.75 406	0.84 388	2.75 402	1.35 394	3.15 400	2.60 402

IMH-64	2.70 385	1.79 390	1.46 317	3.26 403	2.66 399	3.23 384	2.10 386	4.08 391	2.75 379	2.34 359	3.81 377	3.06 373	2.22 372	4.25 327	2.59 357	3.75 406	0.84 388	2.75 402	1.35 394	3.15 400	2.60 402

TorneroNet-64	5.30 401	2.03 396	1.74 340	3.43 405	2.81 402	10.09 409	2.12 388	9.10 412	17.12 416	4.96 402	9.27 408	10.72 411	3.70 393	9.20 400	4.55 378	3.31 401	0.84 388	2.88 405	1.55 401	3.49 403	3.04 405

notaker	3.98 394	2.40 405	2.68 373	3.82 410	3.27 408	3.97 394	2.14 389	4.78 399	3.45 388	4.12 394	6.94 396	7.65 401	3.26 388	7.82 393	5.30 381	4.04 410	1.41 407	3.36 411	2.10 408	3.88 406	3.31 408

Dean	2.91 390	1.53 385	2.07 353	2.96 400	2.51 398	3.15 381	2.14 389	4.75 398	4.41 396	2.76 375	6.10 393	5.53 393	2.37 375	2.97 300	1.92 342	3.18 398	0.85 391	2.51 399	1.04 391	2.88 397	2.47 399

AnyNet_C01	2.26 370	1.78 389	10.22 402	0.93 360	0.74 321	2.92 379	2.20 391	2.29 361	1.80 345	2.53 368	2.41 355	2.71 369	1.73 346	3.41 313	6.72 386	0.41 326	0.39 346	0.40 328	0.42 339	0.67 359	0.63 353

TorneroNet	10.70 411	2.03 396	1.82 344	3.43 405	3.01 404	43.83 426	2.22 392	8.87 411	67.47 435	7.17 409	27.36 420	10.68 410	3.85 396	8.67 398	7.65 394	3.59 404	0.88 394	3.04 406	1.57 402	3.71 404	3.17 406

LVE	3.31 392	1.67 387	1.64 331	2.85 396	2.42 397	3.20 383	2.26 393	4.78 399	5.05 398	2.35 361	6.91 395	6.02 395	2.37 375	9.15 399	2.17 352	3.19 399	1.08 404	2.38 394	1.47 400	2.81 393	2.40 398

WAO-6	2.81 388	1.60 386	1.46 317	2.36 391	2.28 394	3.55 386	2.29 394	4.21 394	4.56 397	2.36 363	4.51 382	4.88 389	2.66 381	4.60 333	4.07 376	1.72 385	1.15 405	2.31 391	1.46 399	2.31 385	1.85 389

ELAS	2.37 374	0.74 342	1.54 326	0.99 364	0.92 356	4.78 399	2.33 395	3.33 386	3.37 386	5.05 403	4.77 388	3.67 379	4.53 399	3.42 314	4.50 377	0.62 365	0.53 372	0.55 359	0.53 361	0.63 352	0.64 357
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
AnyNet_C32	1.96 362	1.10 367	5.17 387	0.90 354	1.11 368	2.12 355	2.37 396	1.85 280	1.48 317	2.45 366	1.70 301	2.05 345	1.64 339	2.50 283	10.28 400	0.37 313	0.34 324	0.35 304	0.41 337	0.49 328	0.54 336

MSC_U_SF_DS_RVC	2.12 366	1.15 373	3.10 377	1.05 368	0.76 330	5.03 402	2.40 397	2.16 343	2.62 376	1.89 343	2.28 348	2.69 368	1.65 340	9.35 403	2.04 347	0.64 368	0.51 370	0.68 368	0.71 373	1.09 376	0.67 358

MFN_U_SF_DS_RVC	1.74 353	0.87 354	3.56 379	0.80 325	0.75 327	3.72 388	2.44 398	1.82 274	1.82 347	1.74 327	1.91 327	1.92 331	1.26 303	7.69 391	1.28 293	0.45 340	0.47 364	0.52 349	0.77 375	0.50 329	0.50 330

KSHMR	8.75 409	2.06 399	2.11 355	3.53 407	3.11 405	4.13 396	2.69 399	5.60 402	61.37 434	3.00 382	55.83 434	4.98 392	2.45 378	4.49 331	2.61 359	3.46 403	1.55 409	3.14 408	1.94 406	3.72 405	3.18 407

MANE	6.19 402	0.59 314	1.03 250	0.93 360	1.22 378	13.38 414	2.69 399	12.81 415	17.94 417	8.21 411	10.82 409	14.72 412	11.68 410	11.39 412	11.90 403	0.59 362	0.50 369	0.52 349	1.76 403	0.55 340	0.54 336

UNDER WATER	5.08 399	2.33 403	5.55 388	3.94 412	3.51 409	5.20 403	2.72 401	5.61 403	16.52 413	3.84 388	4.60 384	9.21 405	5.89 403	5.90 360	8.66 396	3.75 406	1.34 406	3.18 409	1.88 404	4.33 411	3.61 410

HanzoNet	11.04 412	3.62 411	8.10 398	4.08 413	3.55 411	4.90 401	2.73 402	7.19 409	10.10 405	31.86 430	28.92 422	21.96 421	36.36 423	18.08 416	10.17 399	7.94 416	3.32 412	3.47 412	3.31 411	7.06 416	4.04 412

LE_ROB	8.05 407	0.37 235	23.53 414	0.74 310	0.33 122	2.77 375	2.87 403	3.71 390	27.24 421	25.39 421	8.87 406	8.46 404	26.71 421	6.65 372	21.99 415	0.21 144	0.19 208	0.20 73	0.21 172	0.25 201	0.22 165

ktn	4.70 397	2.38 404	2.12 356	3.76 408	3.24 406	4.85 400	2.95 404	5.52 401	7.37 404	4.07 393	19.32 417	7.46 399	3.47 389	7.39 385	2.95 361	4.04 410	1.85 410	3.26 410	2.22 409	3.08 399	2.65 404

UNDER WATER-64	5.27 400	2.32 402	8.78 399	3.93 411	3.54 410	7.61 405	3.03 405	5.84 404	14.19 407	4.04 391	4.04 379	9.39 406	6.26 405	5.93 362	8.48 395	3.60 405	1.51 408	3.13 407	1.88 404	4.29 410	3.61 410

PWCK	2.88 389	2.05 398	5.72 390	2.08 386	1.11 368	3.55 386	3.90 406	2.86 380	3.54 389	3.03 384	3.63 375	3.10 376	2.31 374	8.15 397	3.09 363	2.12 389	0.91 396	1.75 385	0.98 388	2.57 389	1.18 382

ELAS_RVC	2.48 379	0.74 342	1.90 348	1.05 368	0.92 356	2.76 374	4.01 407	2.76 377	4.11 393	4.69 398	4.63 385	4.62 385	5.96 404	3.97 323	3.96 374	0.63 367	0.53 372	0.56 362	0.52 360	0.64 354	0.63 353
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MADNet++	5.01 398	3.14 409	4.91 385	4.55 414	3.94 412	5.20 403	4.41 408	4.40 395	4.13 394	4.95 401	6.08 392	4.74 387	5.37 400	9.40 404	10.67 402	4.65 412	4.15 414	3.97 413	3.34 412	4.09 408	4.08 413

SGM-ForestM	6.52 404	0.38 240	1.26 291	0.63 237	0.35 140	13.59 415	5.32 409	6.32 408	6.70 403	11.14 412	9.18 407	22.51 422	13.93 411	16.89 415	20.07 414	0.36 309	0.37 339	0.36 312	0.35 321	0.36 276	0.34 278

JetBlue	3.97 393	2.01 395	10.19 401	1.38 378	2.84 403	10.53 410	9.54 410	3.60 389	2.41 368	2.73 373	3.39 372	4.54 384	4.31 397	7.85 394	6.84 387	0.88 372	0.93 397	0.89 374	0.91 382	1.74 382	1.91 390

JetRed	6.91 406	8.80 416	25.96 418	2.85 396	3.25 407	13.98 416	11.87 411	6.25 407	4.28 395	4.45 396	4.56 383	6.69 396	5.46 401	7.46 388	14.05 406	2.59 393	3.31 411	2.59 400	2.29 410	4.20 409	3.36 409

CrosDoStereo	1.58 337	0.24 19	0.72 118	0.48 52	0.29 63	0.67 121	12.49 412	1.10 109	0.98 122	1.34 255	1.75 308	1.00 169	1.89 357	6.65 372	0.81 226	0.19 92	0.15 125	0.20 73	0.22 197	0.18 41	0.19 111

DeepStereo_LL	1.58 337	0.24 19	0.72 118	0.48 52	0.29 63	0.67 121	12.49 412	1.10 109	0.98 122	1.34 255	1.75 308	1.00 169	1.89 357	6.65 372	0.81 226	0.19 92	0.15 125	0.20 73	0.22 197	0.18 41	0.19 111

DPSimNet_ROB	11.20 413	4.98 412	35.43 422	2.90 399	4.52 413	7.89 406	17.09 414	4.66 397	6.06 402	14.89 416	10.93 410	17.29 413	36.81 425	13.18 414	15.68 410	2.86 394	6.29 416	5.75 416	5.09 414	3.91 407	7.70 416

tt	6.58 405	0.26 46	6.10 392	3.77 409	2.16 388	11.55 411	19.63 415	13.33 416	5.74 400	2.96 380	2.65 361	4.97 391	6.33 406	3.81 320	7.24 388	9.15 417	11.32 422	5.89 417	6.24 416	6.03 413	2.55 400

BEATNet-Init1	26.87 421	13.43 418	70.68 433	0.91 357	0.68 309	57.02 434	21.06 416	32.82 426	32.67 423	52.12 434	53.61 433	66.05 434	49.56 434	48.79 435	34.71 425	0.49 352	0.44 356	0.53 354	0.53 361	0.63 352	0.59 347

HaxPig	38.92 427	41.40 433	41.64 423	29.95 423	32.27 421	28.90 420	27.60 417	29.73 422	37.71 431	43.82 431	43.87 430	33.17 424	35.56 422	41.53 425	40.37 427	43.94 432	47.51 434	45.82 429	47.08 430	42.38 428	44.15 431

AVERAGE_ROB	40.43 428	42.37 434	42.73 424	36.96 425	35.58 423	30.50 421	27.61 418	36.71 428	38.39 432	44.91 432	44.36 431	37.45 426	36.70 424	41.88 426	40.35 426	45.43 433	46.81 433	47.11 430	46.35 429	42.51 429	43.87 430

MEDIAN_ROB	42.00 429	44.40 435	44.29 426	35.15 424	34.95 422	31.28 425	29.60 419	35.88 427	40.02 433	47.20 433	46.64 432	37.37 425	38.48 433	44.35 433	42.45 428	48.03 434	49.39 435	49.71 431	49.03 431	45.14 430	46.65 432

DGTPSM_ROB	13.01 414	8.23 414	21.87 411	9.51 417	18.10 415	11.56 412	32.01 420	10.63 413	16.20 409	7.03 407	19.48 418	10.15 408	16.66 413	9.83 408	22.42 416	4.75 413	8.68 417	5.37 414	10.25 418	6.16 414	11.36 417

DPSMNet_ROB	13.02 415	8.23 414	21.91 412	9.53 418	18.11 416	11.56 412	32.02 421	10.64 414	16.23 410	7.05 408	19.49 419	10.16 409	16.66 413	9.85 409	22.43 417	4.77 414	8.68 417	5.38 415	10.26 419	6.17 415	11.36 417

Anonymous_1	43.04 431	18.73 419	24.79 415	21.81 419	46.26 429	27.80 417	37.60 422	28.08 421	16.14 408	14.66 415	14.30 411	20.65 415	17.88 415	21.56 417	25.94 419	117.93 435	8.92 419	100.65 432	126.50 432	158.64 435	12.08 419

DPSM_ROB	19.08 416	19.14 420	25.17 416	22.15 420	20.85 418	28.17 418	37.82 423	26.56 419	16.85 414	14.14 413	14.84 412	21.70 416	18.75 416	21.87 418	26.55 420	10.16 420	9.30 420	10.47 419	10.42 420	14.03 418	12.61 420

DPSM	19.08 416	19.14 420	25.17 416	22.15 420	20.85 418	28.17 418	37.82 423	26.56 419	16.85 414	14.14 413	14.84 412	21.70 416	18.75 416	21.87 418	26.55 420	10.16 420	9.30 420	10.47 419	10.42 420	14.03 418	12.61 420

xxxxx1	54.10 433	25.67 422	27.13 419	113.43 432	96.96 432	30.69 422	47.44 425	32.38 423	25.60 418	17.75 417	17.27 414	21.81 418	21.02 418	24.43 421	33.82 422	33.37 429	40.54 430	157.71 433	175.86 433	66.16 431	72.93 433

tt_ll	54.10 433	25.67 422	27.13 419	113.43 432	96.96 432	30.69 422	47.44 425	32.38 423	25.60 418	17.75 417	17.27 414	21.81 418	21.02 418	24.43 421	33.82 422	33.37 429	40.54 430	157.71 433	175.86 433	66.16 431	72.93 433

ff	54.10 433	25.67 422	27.13 419	113.43 432	96.96 432	30.69 422	47.44 425	32.38 423	25.60 418	17.75 417	17.27 414	21.81 418	21.02 418	24.43 421	33.82 422	33.37 429	40.54 430	157.71 433	175.86 433	66.16 431	72.93 433

LSM0	42.82 430	38.75 432	50.81 432	47.07 431	109.38 435	57.00 433	76.02 428	53.74 434	33.71 424	29.02 429	30.41 429	43.87 433	37.22 426	43.91 432	53.54 434	20.52 427	18.62 423	21.10 427	21.11 427	28.41 426	42.22 429

CasAABBNet	38.33 422	38.46 427	50.35 427	44.75 430	41.84 424	56.68 431	76.37 429	53.22 432	33.83 425	28.31 423	29.54 424	43.62 431	37.71 431	43.84 431	53.41 430	20.30 422	18.70 424	21.07 425	21.07 423	28.24 424	25.34 423

MyStereo03	38.34 423	38.50 429	50.41 428	44.74 427	41.86 425	56.65 428	76.38 430	52.99 429	33.93 427	28.39 425	29.99 426	43.54 427	37.42 427	43.82 428	53.53 431	20.31 423	18.71 426	21.06 422	21.08 424	28.23 421	25.35 424

MyStereo02	38.34 423	38.50 429	50.41 428	44.74 427	41.86 425	56.65 428	76.38 430	52.99 429	33.93 427	28.39 425	29.99 426	43.54 427	37.42 427	43.82 428	53.53 431	20.31 423	18.71 426	21.06 422	21.08 424	28.23 421	25.35 424

MyStereo	38.34 423	38.50 429	50.41 428	44.74 427	41.86 425	56.65 428	76.38 430	52.99 429	33.93 427	28.39 425	29.99 426	43.54 427	37.42 427	43.82 428	53.53 431	20.31 423	18.71 426	21.06 422	21.08 424	28.23 421	25.35 424

Selective-RAFT-Error	38.39 426	38.47 428	50.44 431	44.73 426	41.97 428	56.68 431	76.38 430	53.24 433	33.92 426	28.34 424	29.85 425	43.60 430	38.20 432	43.75 427	53.34 429	20.38 426	18.70 424	21.09 426	21.05 422	28.30 425	25.43 427

SPstereo	26.54 420	6.08 413	10.71 404	5.55 415	5.68 414	48.14 427	80.43 434	67.31 435	34.39 430	28.70 428	27.52 421	43.76 432	37.60 430	45.04 434	54.41 435	4.92 415	4.89 415	10.74 421	5.88 415	4.46 412	4.57 414

test_example2	192.40 436	210.76 437	206.48 436	199.83 436	204.73 436	172.94 436	183.52 435	133.93 436	133.41 436	191.38 436	196.19 435	187.13 436	178.77 436	205.33 436	208.00 436	222.09 436	238.72 436	186.54 436	190.54 436	227.34 436	170.31 436

PML	51.67 432	36.25 426	13.28 407	7.46 416	20.81 417	108.69 435	232.22 436	8.72 410	27.82 422	87.01 435	269.67 436	69.67 435	61.95 435	24.76 424	14.20 407	9.74 419	3.40 413	9.62 418	4.70 413	18.74 420	4.72 415

ASD4		10.99 417

Low-res two-view benchmark