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

CAS	0.63 115	0.18 1	0.37 2	2.27 386	0.84 345	0.57 73	0.54 187	0.79 12	0.62 23	0.48 17	0.70 30	0.36 2	0.26 1	0.45 2	0.35 27	2.24 388	0.10 1	0.14 1	0.09 1	0.15 5	1.06 378

RAFT-Stereo + iAFF	0.54 61	0.25 35	0.68 88	0.43 8	0.24 9	0.40 10	0.34 43	1.04 80	1.09 168	1.32 242	1.60 280	0.80 94	0.68 125	0.67 30	0.39 54	0.13 1	0.10 1	0.18 36	0.17 74	0.17 24	0.13 3

4D-IteraStereo	0.48 31	0.24 19	0.76 154	0.50 71	0.44 202	0.66 117	0.31 27	0.87 24	1.02 139	1.03 110	0.72 34	0.78 89	0.32 9	0.64 26	0.37 38	0.17 32	0.11 3	0.23 148	0.19 106	0.19 71	0.13 3

MC-Stereo	0.43 13	0.23 13	0.48 15	0.51 94	0.28 52	0.39 9	0.32 30	0.88 31	0.68 44	0.60 38	0.84 54	0.56 40	0.61 105	1.03 96	0.31 5	0.17 32	0.11 3	0.17 14	0.15 30	0.16 13	0.13 3

test-3	0.54 61	0.22 9	0.68 88	0.47 41	0.27 33	0.58 74	0.35 46	0.92 40	1.00 134	1.32 242	0.69 29	0.87 126	0.45 29	1.68 209	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 61	0.22 9	0.68 88	0.47 41	0.27 33	0.58 74	0.35 46	0.92 40	1.00 134	1.28 218	0.68 26	0.87 126	0.45 29	1.67 204	0.37 38	0.16 11	0.11 3	0.20 73	0.16 58	0.17 24	0.13 3

CREStereo++_RVC	0.47 29	0.21 4	0.38 4	0.45 32	0.38 169	0.45 17	0.25 4	0.75 8	1.29 254	0.80 61	1.21 168	0.47 18	0.37 12	0.53 5	0.44 83	0.16 11	0.11 3	0.15 3	0.80 375	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
AFF-stereo	0.58 94	0.25 35	0.64 72	0.46 35	0.29 63	0.34 4	0.38 67	1.15 120	1.14 189	1.17 174	1.60 280	1.10 199	0.71 133	0.97 86	0.43 81	0.13 1	0.11 3	0.19 49	0.19 106	0.17 24	0.14 11

ACVNet-DCA	0.56 85	0.31 156	0.50 18	0.54 133	0.26 20	1.18 262	0.51 168	1.42 176	0.78 63	0.58 32	0.79 47	0.48 21	0.88 198	1.46 168	0.32 7	0.20 116	0.12 9	0.25 204	0.15 30	0.22 152	0.21 149

xx1	0.67 146	0.31 156	0.50 18	0.54 133	0.26 20	1.18 262	0.51 168	0.93 44	3.05 380	0.58 32	0.79 47	0.95 152	0.77 150	1.46 168	0.32 7	0.20 116	0.12 9	0.24 168	0.23 215	0.22 152	0.21 149

1test111	0.54 61	0.31 156	0.50 18	0.54 133	0.26 20	1.18 262	0.51 168	1.42 176	0.78 63	0.58 32	0.79 47	0.48 21	0.88 198	0.88 69	0.59 163	0.20 116	0.12 9	0.25 204	0.15 30	0.22 152	0.21 149

cc1	0.64 125	0.31 156	0.50 18	0.54 133	0.26 20	1.18 262	0.51 168	0.93 44	3.05 380	0.58 32	0.79 47	0.48 21	0.88 198	1.46 168	0.32 7	0.20 116	0.12 9	0.25 204	0.15 30	0.19 71	0.19 111

ff7	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 94	0.87 24	0.50 6	0.49 20	0.53 10	0.44 8	0.48 46	1.38 151	0.33 16	0.17 32	0.12 9	0.21 95	0.15 30	0.18 41	0.18 78

ffff	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 94	0.87 24	0.50 6	0.49 20	0.53 10	0.44 8	0.48 46	1.38 151	0.33 16	0.17 32	0.12 9	0.21 95	0.15 30	0.18 41	0.18 78

DualNet	1.09 283	0.33 186	0.85 180	0.53 118	0.37 152	0.74 149	0.56 206	0.95 51	2.47 368	1.15 155	1.45 244	1.06 184	0.82 169	1.55 185	7.61 388	0.20 116	0.12 9	0.31 265	0.27 258	0.19 71	0.20 133

ffm	0.72 159	0.33 186	0.85 180	0.53 118	0.37 152	0.74 149	0.56 206	0.95 51	2.47 368	1.15 155	1.45 244	1.06 184	0.82 169	1.55 185	0.32 7	0.20 116	0.12 9	0.31 265	0.27 258	0.19 71	0.20 133

ff1	1.37 320	0.33 186	0.85 180	0.53 118	0.37 152	0.74 149	0.56 206	0.95 51	2.47 368	1.15 155	1.45 244	1.06 184	0.82 169	7.22 380	7.61 388	0.20 116	0.12 9	0.31 265	0.27 258	0.19 71	0.20 133

11t	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 94	0.87 24	0.50 6	0.49 20	0.53 10	0.44 8	0.48 46	1.38 151	0.33 16	0.17 32	0.12 9	0.21 95	0.15 30	0.18 41	0.18 78

tt1	0.62 109	0.32 170	0.51 24	0.54 133	0.26 20	1.16 259	0.48 154	0.95 51	2.47 368	0.57 31	0.77 42	0.49 28	0.81 165	1.55 185	0.32 7	0.20 116	0.12 9	0.24 168	0.15 30	0.19 71	0.20 133

IGEV_Zeroshot_test	0.53 47	0.30 125	0.99 230	0.56 164	0.35 140	0.41 12	0.32 30	1.37 166	0.63 25	1.00 100	1.09 123	0.95 152	0.41 18	0.83 60	0.39 54	0.18 60	0.12 9	0.19 49	0.18 88	0.19 71	0.17 60

MSKI-zero shot	0.55 76	0.26 46	0.57 45	0.51 94	0.26 20	0.69 131	0.28 17	1.18 128	0.64 27	0.91 79	1.32 206	0.82 102	0.33 10	1.92 238	0.32 7	0.17 32	0.12 9	0.17 14	0.13 11	0.16 13	0.16 41

DLNR_Zeroshot_test	23.17 417	48.52 434	43.29 423	176.68 433	78.69 429	0.35 5	0.21 1	23.41 416	0.75 56	0.66 41	0.86 56	0.59 50	0.30 4	1.56 188	0.44 83	9.57 416	0.12 9	0.18 36	0.14 22	76.92 432	0.16 41

CASnet	0.41 10	0.25 35	0.48 15	0.50 71	0.20 2	0.50 39	0.36 54	0.81 20	0.80 68	0.83 69	0.68 26	0.48 21	0.31 6	0.54 7	0.32 7	0.18 60	0.12 9	0.27 234	0.22 195	0.23 176	0.14 11
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LoS_RVC	0.42 11	0.26 46	0.40 8	0.44 23	0.82 343	0.51 49	0.44 122	0.64 2	0.41 2	0.44 8	0.78 44	0.44 8	0.47 38	0.56 10	0.36 33	0.13 1	0.12 9	0.14 1	0.10 2	0.13 1	0.84 367

anonymousdsp	0.43 13	0.27 67	0.53 28	0.44 23	0.32 106	0.50 39	0.42 94	0.89 32	0.51 13	0.49 20	0.53 10	0.47 18	0.47 38	1.33 139	0.33 16	0.17 32	0.12 9	0.21 95	0.15 30	0.18 41	0.18 78

Selective-IGEV	0.39 5	0.24 19	0.50 18	0.44 23	0.25 18	0.46 18	0.33 33	1.25 149	0.40 1	0.35 1	0.45 3	0.52 36	0.30 4	1.07 107	0.30 1	0.14 4	0.12 9	0.17 14	0.13 11	0.16 13	0.13 3

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 63	0.48 4	0.42 4	0.42 2	0.67 66	0.29 3	0.86 67	0.33 16	0.17 32	0.12 9	0.19 49	0.17 74	0.17 24	0.15 27

RCA-Stereo	0.50 36	0.23 13	0.58 48	0.48 51	0.33 122	0.55 65	0.45 133	0.97 59	1.38 293	0.68 42	1.05 110	0.63 56	0.80 162	0.59 14	0.32 7	0.17 32	0.12 9	0.17 14	0.14 22	0.16 13	0.14 11

ccc-4	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 94	0.87 24	0.50 6	0.49 20	0.53 10	0.44 8	0.48 46	1.38 151	0.33 16	0.17 32	0.12 9	0.21 95	0.15 30	0.18 41	0.18 78

IGEV-Stereo	0.43 13	0.27 67	0.54 32	0.45 32	0.32 106	0.50 39	0.42 94	0.90 38	0.51 13	0.49 20	0.53 10	0.47 18	0.47 38	1.32 137	0.33 16	0.17 32	0.12 9	0.21 95	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
test_3	0.55 76	0.23 13	0.71 114	0.53 118	0.28 52	0.61 87	0.40 81	0.92 40	1.05 150	1.19 182	0.68 26	0.93 143	0.44 26	1.67 204	0.39 54	0.15 6	0.12 9	0.22 121	0.19 106	0.21 131	0.14 11

TransformOpticalFlow	0.96 251	0.28 83	0.89 204	0.52 110	0.31 91	0.66 117	0.54 187	1.75 251	1.12 178	1.09 122	1.44 242	1.37 261	1.01 250	6.70 374	0.42 72	0.19 91	0.12 9	0.20 73	0.19 106	0.18 41	0.19 111

PFNet	0.91 241	0.26 46	1.10 266	0.63 235	0.32 106	0.64 96	0.56 206	1.17 123	0.99 129	1.47 285	1.08 118	0.98 161	0.69 128	6.62 369	0.54 150	0.20 116	0.12 9	0.24 168	0.19 106	0.20 97	0.17 60

IRAFT_RVC	0.88 233	0.28 83	0.76 154	0.63 235	0.31 91	0.65 108	1.02 320	1.22 141	0.94 106	1.22 194	1.04 109	1.01 174	0.98 238	5.82 357	0.53 144	0.22 165	0.12 9	0.25 204	0.20 134	0.20 97	0.19 111

cross-raft	0.54 61	0.25 35	0.61 59	0.52 110	0.29 63	0.68 127	0.37 63	1.46 186	0.76 59	1.01 103	1.06 112	1.28 244	0.46 32	0.71 37	0.35 27	0.15 6	0.12 9	0.18 36	0.16 58	0.19 71	0.14 11

GMM-Stereo	0.74 176	0.25 35	0.59 52	0.54 133	0.34 137	0.72 143	0.99 315	1.01 72	0.87 81	1.36 258	1.78 309	1.12 204	0.81 165	2.09 254	0.46 104	0.18 60	0.12 9	0.25 204	0.25 237	0.20 97	0.85 368

iRaftStereo_RVC	0.47 29	0.26 46	0.64 72	0.50 71	0.29 63	0.53 56	0.33 33	1.05 86	0.77 61	0.84 71	1.00 86	0.55 38	0.37 12	0.81 57	0.40 57	0.17 32	0.12 9	0.22 121	0.20 134	0.19 71	0.15 27

s12784h	0.52 38	0.20 2	0.38 4	0.41 5	0.19 1	0.96 222	0.34 43	1.17 123	1.25 233	0.81 65	0.90 64	0.63 56	0.50 55	1.45 166	0.42 72	0.14 4	0.12 9	0.17 14	0.11 6	0.18 41	0.11 1

CFNet-RSSM	0.54 61	0.24 19	0.70 103	0.48 51	0.28 52	0.60 84	0.27 14	1.49 190	1.14 189	1.06 114	0.93 69	1.08 191	0.54 67	0.70 33	0.35 27	0.16 11	0.12 9	0.17 14	0.15 30	0.16 13	0.14 11

HITNet	0.65 130	0.40 247	0.77 158	0.48 51	0.24 9	1.05 238	0.49 161	1.76 257	1.02 139	1.18 178	1.18 160	0.89 133	0.80 162	0.85 64	0.79 221	0.17 32	0.12 9	0.21 95	0.17 74	0.29 238	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
MLCV	0.72 159	0.34 205	1.10 266	0.51 94	0.23 6	0.91 204	0.39 78	1.33 157	1.23 226	1.46 284	1.55 268	1.01 174	0.64 118	1.95 243	0.80 224	0.18 60	0.12 9	0.18 36	0.14 22	0.19 71	0.17 60

AEACV	0.37 3	0.24 19	0.52 26	0.47 41	0.51 242	0.37 8	0.38 67	0.65 3	0.53 16	0.42 4	0.56 18	0.46 15	0.60 96	0.53 5	0.30 1	0.16 11	0.13 42	0.18 36	0.15 30	0.17 24	0.14 11

Any-RAFT	0.53 47	0.24 19	0.47 13	0.47 41	0.27 33	1.00 232	0.25 4	1.58 217	1.05 150	0.85 75	0.99 83	1.06 184	0.47 38	0.70 33	0.32 7	0.18 60	0.13 42	0.16 9	0.13 11	0.16 13	0.16 41

RAFT-Test	0.54 61	0.25 35	0.64 72	0.47 41	0.30 79	0.97 226	0.27 14	1.24 147	0.81 69	0.96 89	1.12 138	1.28 244	0.48 46	0.71 37	0.36 33	0.17 32	0.13 42	0.17 14	0.14 22	0.16 13	0.16 41

HH	0.63 115	0.30 125	0.77 158	0.50 71	0.32 106	0.49 30	0.46 140	1.65 231	0.64 27	0.69 43	1.09 123	1.63 301	0.85 183	1.90 236	0.37 38	0.18 60	0.13 42	0.19 49	0.17 74	0.19 71	0.16 41

HanStereo	0.63 115	0.30 125	0.77 158	0.50 71	0.32 106	0.49 30	0.46 140	1.65 231	0.64 27	0.69 43	1.09 123	1.63 301	0.85 183	1.90 236	0.37 38	0.18 60	0.13 42	0.19 49	0.17 74	0.19 71	0.16 41

anonymousdsp2	0.53 47	0.27 67	0.74 143	0.48 51	0.29 63	0.76 159	0.47 146	1.61 224	0.82 74	0.77 55	0.77 42	0.75 82	0.47 38	1.03 96	0.40 57	0.18 60	0.13 42	0.18 36	0.13 11	0.19 71	0.18 78

CES	0.48 31	0.20 2	0.37 2	0.39 4	1.39 379	0.55 65	0.35 46	0.98 61	0.66 40	0.44 8	0.66 22	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	1.46 383

ProNet	0.43 13	0.28 83	0.58 48	0.43 8	0.30 79	0.56 68	0.52 177	1.00 67	0.58 18	0.44 8	0.49 8	0.43 6	0.43 22	1.28 130	0.36 33	0.15 6	0.13 42	0.19 49	0.16 58	0.17 24	0.16 41

DCANet-4	0.54 61	0.26 46	1.07 259	0.42 7	0.24 9	0.48 20	0.36 54	0.99 63	1.30 260	1.10 130	1.02 98	0.56 40	0.75 138	0.73 41	0.52 136	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

fff	0.53 47	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 54	1.07 101	1.25 233	1.10 130	1.02 98	0.57 42	1.06 265	0.73 41	0.52 136	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

ADStereo(finetuned)	0.57 89	0.24 19	1.06 255	0.43 8	0.24 9	0.49 30	0.35 46	1.05 86	1.30 260	1.12 136	1.03 106	0.58 46	1.20 291	0.84 62	0.51 130	0.16 11	0.13 42	0.17 14	0.13 11	0.18 41	0.19 111

RAFT+CT+SA	0.58 94	0.29 110	0.60 56	0.66 261	0.37 152	0.42 13	0.55 200	1.27 151	1.03 142	0.70 45	1.22 170	0.60 51	0.70 131	1.64 198	0.41 64	0.18 60	0.13 42	0.22 121	0.22 195	0.21 131	0.18 78

test_5	0.65 130	0.30 125	0.75 145	0.67 271	0.50 232	0.92 209	0.52 177	1.39 172	1.12 178	0.76 52	1.11 132	1.00 167	0.90 205	1.53 181	0.45 91	0.18 60	0.13 42	0.23 148	0.22 195	0.21 131	0.19 111

test_4	0.53 47	0.22 9	0.56 37	0.54 133	0.32 106	0.64 96	0.39 78	0.80 17	0.62 23	0.92 81	1.87 321	0.68 68	0.42 20	1.16 120	0.37 38	0.15 6	0.13 42	0.20 73	0.22 195	0.20 97	0.15 27

iRaft-Stereo_20w	0.65 130	0.31 156	1.00 235	0.47 41	0.34 137	0.73 146	0.30 22	2.96 379	0.70 47	1.15 155	1.14 146	0.76 85	0.65 122	1.11 113	0.38 48	0.17 32	0.13 42	0.18 36	0.16 58	0.19 71	0.18 78

LCNet	0.72 159	0.28 83	0.52 26	0.55 152	0.31 91	0.69 131	0.54 187	1.00 67	0.88 85	1.19 182	1.34 213	0.97 160	1.34 312	2.56 283	0.45 91	0.18 60	0.13 42	0.21 95	0.25 237	0.27 219	0.73 362

HHNet	0.62 109	0.26 46	0.63 66	0.43 8	0.45 209	0.50 39	0.58 219	1.07 101	1.01 136	1.25 209	2.23 344	0.70 76	0.61 105	1.07 107	0.47 109	0.20 116	0.13 42	0.23 148	0.19 106	0.19 71	0.30 254

AAGNet	1.83 352	0.28 83	0.72 117	0.61 216	0.32 106	0.67 121	0.51 168	0.96 58	0.98 122	1.47 285	1.20 166	1.00 167	1.18 285	2.83 292	22.77 416	0.22 165	0.13 42	0.22 121	0.19 106	0.23 176	0.15 27

STrans-v2	1.04 275	0.28 83	0.96 225	0.49 64	0.32 106	0.68 127	0.79 271	2.47 371	1.12 178	1.12 136	1.46 250	1.40 262	1.46 321	6.70 374	0.43 81	0.18 60	0.13 42	0.20 73	0.18 88	0.18 41	0.18 78

KYRaft	0.75 183	0.28 83	0.62 63	0.56 164	0.29 63	0.67 121	0.86 289	0.94 48	0.84 76	1.62 316	2.21 343	1.16 213	1.02 255	1.57 189	0.40 57	0.20 116	0.13 42	0.22 121	0.28 275	0.20 97	1.02 373

SST-Stereo	0.83 215	0.28 83	0.72 117	0.59 193	0.31 91	0.72 143	0.26 9	1.09 106	0.86 77	1.47 285	1.10 127	1.00 167	0.87 194	5.73 356	0.45 91	0.22 165	0.13 42	0.23 148	0.19 106	0.23 176	0.18 78

RAFT_R40	0.83 215	0.28 83	0.73 129	0.59 193	0.31 91	0.69 131	0.44 122	1.10 108	0.95 108	1.47 285	1.10 127	1.00 167	0.85 183	5.53 350	0.46 104	0.22 165	0.13 42	0.23 148	0.20 134	0.23 176	0.18 78

RAFT-RH_RVC	1.03 272	0.24 19	0.67 85	0.49 64	0.28 52	0.81 183	0.33 33	0.83 21	1.08 162	2.05 349	4.65 384	1.04 182	0.57 85	5.98 362	0.50 127	0.18 60	0.13 42	0.26 223	0.20 134	0.16 13	0.17 60

RAFT-345	0.84 219	0.25 35	0.66 82	0.50 71	0.27 33	0.54 59	0.42 94	0.83 21	1.11 174	1.32 242	2.34 349	0.86 122	0.54 67	5.72 355	0.47 109	0.18 60	0.13 42	0.22 121	0.17 74	0.17 24	0.16 41

Prome-Stereo	0.75 183	0.27 67	0.53 28	0.55 152	0.32 106	0.59 78	0.97 311	0.89 32	0.88 85	1.45 282	2.46 355	0.91 134	1.41 315	1.58 191	0.44 83	0.18 60	0.13 42	0.19 49	0.17 74	0.20 97	0.92 369

DCANet	0.54 61	0.24 19	0.70 103	0.43 8	0.24 9	0.49 30	0.36 54	1.05 86	1.30 260	1.12 136	1.03 106	0.58 46	0.92 210	0.81 57	0.52 136	0.16 11	0.13 42	0.17 14	0.13 11	0.18 41	0.19 111

csc	0.53 47	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 54	1.07 101	1.25 233	1.10 130	1.02 98	0.57 42	1.06 265	0.73 41	0.52 136	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

cscssc	0.53 47	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 54	1.07 101	1.25 233	1.10 130	1.02 98	0.57 42	1.06 265	0.73 41	0.52 136	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

111	0.60 100	0.23 13	0.70 103	0.43 8	0.24 9	0.72 143	0.42 94	1.18 128	1.41 305	0.80 61	1.38 226	1.10 199	0.79 157	0.96 81	0.58 161	0.18 60	0.13 42	0.17 14	0.15 30	0.17 24	0.19 111

EAI-Stereo	0.65 130	0.28 83	0.69 97	0.53 118	0.27 33	0.60 84	0.40 81	2.28 358	0.64 27	0.71 47	3.18 367	0.57 42	0.43 22	1.06 103	0.41 64	0.18 60	0.13 42	0.17 14	0.17 74	0.17 24	0.17 60

Gwc-CoAtRS	0.52 38	0.24 19	0.68 88	0.48 51	0.29 63	0.64 96	0.25 4	1.16 121	1.08 162	1.01 103	1.00 86	1.12 204	0.56 77	0.69 31	0.37 38	0.16 11	0.13 42	0.17 14	0.15 30	0.15 5	0.15 27

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 32	0.51 31	0.41 18	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
PMTNet	0.46 24	0.21 4	0.38 4	0.37 2	0.23 6	0.71 141	0.27 14	0.74 7	1.04 146	0.64 39	0.70 30	0.55 38	0.47 38	0.86 67	0.35 27	1.00 373	0.13 42	0.15 3	0.10 2	0.15 5	0.13 3

IGEVStereo-DCA	0.46 24	0.28 83	0.56 37	0.43 8	0.33 122	0.49 30	0.42 94	0.87 24	0.50 6	0.47 13	0.48 6	0.48 21	0.46 32	2.03 249	0.30 1	0.19 91	0.14 75	0.19 49	0.15 30	0.16 13	0.18 78

rrr	0.46 24	0.28 83	0.73 129	0.43 8	0.33 122	0.49 30	0.38 67	0.76 10	0.50 6	0.47 13	0.48 6	0.48 21	0.46 32	2.03 249	0.30 1	0.19 91	0.14 75	0.19 49	0.15 30	0.16 13	0.16 41

LoS	0.40 8	0.21 4	0.44 11	0.37 2	0.22 4	0.50 39	0.40 81	1.00 67	0.94 106	0.48 17	0.66 22	0.48 21	0.40 16	0.60 23	0.37 38	0.18 60	0.14 75	0.16 9	0.11 6	0.14 2	0.14 11

knoymous	0.51 37	0.29 110	0.47 13	0.43 8	0.30 79	0.55 65	0.55 200	1.02 73	0.77 61	0.98 96	0.85 55	0.94 146	0.56 77	0.85 64	0.45 91	0.20 116	0.14 75	0.26 223	0.14 22	0.23 176	0.23 181

riskmin	0.56 85	0.27 67	0.60 56	0.43 8	0.31 91	0.83 188	0.42 94	1.14 118	1.04 146	0.73 51	0.75 39	1.11 203	1.01 250	0.81 57	0.51 130	0.20 116	0.14 75	0.24 168	0.15 30	0.24 189	0.25 205

Selective-RAFT	0.52 38	0.28 83	0.79 168	0.55 152	0.27 33	0.91 204	0.33 33	0.80 17	0.88 85	0.58 32	0.63 20	0.81 97	0.77 150	1.29 133	0.48 114	0.19 91	0.14 75	0.17 14	0.15 30	0.19 71	0.17 60

DisPM	0.66 137	0.28 83	0.72 117	0.61 216	0.35 140	0.62 93	0.45 133	1.02 73	0.99 129	1.56 306	1.10 127	0.80 94	0.59 94	2.37 275	0.41 64	0.23 188	0.14 75	0.23 148	0.21 170	0.20 97	0.25 205

Wz-Net-LNSev-Ref	0.99 262	0.40 247	1.82 342	0.66 261	0.62 291	2.05 349	0.78 268	1.91 293	1.29 254	1.54 302	1.42 235	1.51 284	1.23 296	1.99 246	1.33 295	0.23 188	0.14 75	0.20 73	0.15 30	0.27 219	0.26 223

raft_robust	0.68 150	0.30 125	0.64 72	0.52 110	0.26 20	0.54 59	0.35 46	1.33 157	1.24 230	1.16 166	1.07 115	0.60 51	0.54 67	3.58 317	0.37 38	0.18 60	0.14 75	0.20 73	0.22 195	0.20 97	0.16 41

Sa-1000	0.72 159	0.29 110	0.76 154	0.59 193	0.30 79	0.73 146	0.37 63	1.62 227	1.33 271	1.28 218	2.04 335	0.86 122	0.75 138	1.84 229	0.38 48	0.19 91	0.14 75	0.25 204	0.23 215	0.20 97	0.16 41

iRaft-Stereo_5w	0.85 223	0.29 110	0.91 210	0.53 118	0.43 196	0.49 30	0.68 248	0.99 63	0.87 81	0.79 59	1.34 213	1.46 274	0.91 207	5.11 340	1.11 271	0.17 32	0.14 75	0.22 121	0.18 88	0.20 97	0.20 133

IPLG	0.69 151	0.27 67	0.97 227	0.51 94	0.43 196	0.79 174	0.33 33	1.21 134	1.06 153	1.30 230	1.10 127	0.52 36	0.55 73	3.16 305	0.63 179	0.16 11	0.14 75	0.19 49	0.16 58	0.18 41	0.17 60

MIPNet	0.56 85	0.28 83	0.94 218	0.49 64	0.33 122	0.66 117	0.38 67	1.35 163	1.08 162	1.06 114	0.92 67	0.60 51	0.79 157	0.73 41	0.52 136	0.17 32	0.14 75	0.19 49	0.16 58	0.18 41	0.17 60

GMOStereo	0.53 47	0.26 46	0.65 76	0.50 71	0.29 63	0.52 51	0.43 110	0.89 32	0.96 110	1.41 273	1.14 146	0.85 118	0.56 77	0.59 14	0.38 48	0.16 11	0.14 75	0.24 168	0.21 170	0.20 97	0.15 27

error version	0.53 47	0.26 46	0.65 76	0.50 71	0.29 63	0.52 51	0.43 110	0.89 32	0.96 110	1.41 273	1.14 146	0.85 118	0.56 77	0.59 14	0.38 48	0.16 11	0.14 75	0.24 168	0.21 170	0.20 97	0.15 27

test-v	0.53 47	0.26 46	0.65 76	0.50 71	0.29 63	0.52 51	0.43 110	0.89 32	0.96 110	1.41 273	1.14 146	0.85 118	0.56 77	0.59 14	0.38 48	0.16 11	0.14 75	0.24 168	0.21 170	0.20 97	0.15 27

Patchmatch Stereo++	0.55 76	0.30 125	0.73 129	0.50 71	0.27 33	0.65 108	0.29 19	1.05 86	0.64 27	1.12 136	0.96 73	0.83 109	0.60 96	1.37 147	0.45 91	0.22 165	0.14 75	0.24 168	0.20 134	0.26 207	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
OMP-Stereo	0.94 247	0.33 186	0.72 117	0.90 352	0.31 91	0.49 30	0.36 54	1.16 121	1.06 153	1.58 312	1.12 138	1.46 274	0.69 128	6.94 377	0.49 121	0.19 91	0.14 75	0.24 168	0.18 88	0.20 97	0.14 11

IIG-Stereo	0.96 251	0.31 156	0.72 117	0.88 348	0.33 122	0.61 87	0.26 9	1.19 133	1.03 142	1.69 322	1.37 222	1.46 274	0.75 138	6.96 378	0.51 130	0.19 91	0.14 75	0.23 148	0.18 88	0.20 97	0.14 11

NF-Stereo	0.80 202	0.30 125	0.75 145	0.60 204	0.31 91	0.64 96	0.44 122	1.21 134	0.90 92	1.29 223	1.02 98	0.82 102	0.57 85	5.40 348	0.48 114	0.23 188	0.14 75	0.24 168	0.20 134	0.20 97	0.30 254

OCTAStereo	0.80 202	0.30 125	0.75 145	0.60 204	0.31 91	0.64 96	0.44 122	1.21 134	0.90 92	1.29 223	1.01 91	0.82 102	0.57 85	5.35 343	0.48 114	0.24 203	0.14 75	0.24 168	0.20 134	0.20 97	0.30 254

NRIStereo	0.60 100	0.29 110	0.69 97	0.53 118	0.28 52	0.63 94	0.33 33	1.08 105	0.87 81	1.14 152	0.87 59	0.91 134	0.59 94	2.24 266	0.49 121	0.20 116	0.14 75	0.21 95	0.19 106	0.21 131	0.17 60

PSM-adaLoss	0.54 61	0.30 125	0.73 129	0.50 71	0.27 33	0.65 108	0.41 92	1.04 80	0.64 27	1.12 136	0.96 73	0.82 102	0.61 105	1.06 103	0.45 91	0.22 165	0.14 75	0.24 168	0.20 134	0.26 207	0.18 78

PSM-AAD	0.79 199	0.27 67	0.53 28	0.55 152	0.28 52	0.77 165	1.24 341	0.99 63	0.91 97	1.66 319	1.57 276	0.81 97	2.19 369	1.65 199	0.44 83	0.19 91	0.14 75	0.38 315	0.32 304	0.21 131	0.70 359

ROB_FTStereo_v2	0.54 61	0.30 125	0.73 129	0.50 71	0.27 33	0.64 96	0.42 94	1.05 86	0.64 27	1.12 136	0.96 73	0.83 109	0.60 96	1.12 115	0.46 104	0.22 165	0.14 75	0.24 168	0.20 134	0.26 207	0.18 78

ROB_FTStereo	0.54 61	0.30 125	0.73 129	0.50 71	0.27 33	0.64 96	0.25 4	1.05 86	0.64 27	1.12 136	0.95 71	0.82 102	0.61 105	1.15 118	0.45 91	0.22 165	0.14 75	0.24 168	0.20 134	0.26 207	0.18 78

HUI-Stereo	0.52 38	0.30 125	0.73 129	0.50 71	0.27 33	0.65 108	0.30 22	1.04 80	0.64 27	1.12 136	0.96 73	0.83 109	0.60 96	0.79 52	0.45 91	0.22 165	0.14 75	0.24 168	0.20 134	0.26 207	0.18 78

THIR-Stereo	1.02 271	0.27 67	0.69 97	0.49 64	0.28 52	0.95 218	1.34 348	1.03 76	0.97 117	1.34 253	1.90 324	1.17 214	1.58 331	6.44 367	0.78 215	0.19 91	0.14 75	0.21 95	0.22 195	0.19 71	0.20 133

DRaft	0.80 202	0.24 19	0.70 103	0.45 32	0.30 79	0.97 226	0.53 183	1.05 86	0.97 117	1.78 329	2.02 334	0.80 94	1.74 345	2.73 290	0.72 198	0.17 32	0.14 75	0.20 73	0.20 134	0.18 41	0.21 149

GrayStereo	0.82 210	0.26 46	0.58 48	0.63 235	0.37 152	0.76 159	1.86 374	1.11 114	0.87 81	1.99 346	1.89 323	1.08 191	1.82 353	1.39 156	0.48 114	0.19 91	0.14 75	0.19 49	0.21 170	0.18 41	0.39 296

RE-Stereo	0.80 202	0.30 125	0.75 145	0.60 204	0.31 91	0.64 96	0.44 122	1.21 134	0.90 92	1.29 223	1.01 91	0.81 97	0.57 85	5.37 346	0.48 114	0.24 203	0.14 75	0.24 168	0.20 134	0.20 97	0.30 254

Pruner-Stereo	0.62 109	0.29 110	0.70 103	0.61 216	0.31 91	0.63 94	0.43 110	1.17 123	0.99 129	1.53 298	1.08 118	0.95 152	0.55 73	1.35 143	0.51 130	0.23 188	0.14 75	0.24 168	0.21 170	0.21 131	0.23 181

TVStereo	0.80 202	0.30 125	0.75 145	0.60 204	0.31 91	0.64 96	0.44 122	1.21 134	0.90 92	1.29 223	1.01 91	0.81 97	0.57 85	5.37 346	0.48 114	0.24 203	0.14 75	0.24 168	0.20 134	0.20 97	0.30 254

DeepStereo_RVC	0.55 76	0.29 110	0.72 117	0.51 94	0.30 79	0.59 78	0.33 33	1.03 76	0.70 47	1.16 166	0.93 69	0.83 109	0.94 221	0.96 81	0.54 150	0.21 142	0.14 75	0.21 95	0.19 106	0.24 189	0.24 193

iGMRVC	0.56 85	0.30 125	0.73 129	0.50 71	0.27 33	0.65 108	0.38 67	1.05 86	0.64 27	1.12 136	0.96 73	0.83 109	0.60 96	1.52 177	0.46 104	0.22 165	0.14 75	0.24 168	0.20 134	0.26 207	0.18 78

iRAFT	0.55 76	0.30 125	0.73 129	0.50 71	0.27 33	0.65 108	0.29 19	1.05 86	0.64 27	1.12 136	0.96 73	0.83 109	0.60 96	1.37 147	0.45 91	0.22 165	0.14 75	0.24 168	0.20 134	0.26 207	0.18 78

CRE-IMP	0.55 76	0.30 125	0.74 143	0.52 110	0.29 63	0.79 174	0.25 4	1.04 80	0.72 52	1.09 122	0.95 71	0.81 97	0.57 85	1.10 110	0.50 127	0.21 142	0.14 75	0.23 148	0.19 106	0.28 233	0.22 164

test-2	0.53 47	0.26 46	0.65 76	0.50 71	0.29 63	0.52 51	0.43 110	0.89 32	0.96 110	1.41 273	1.14 146	0.85 118	0.56 77	0.59 14	0.38 48	0.16 11	0.14 75	0.24 168	0.21 170	0.20 97	0.15 27

test-1	0.52 38	0.26 46	1.04 251	0.56 164	0.32 106	0.61 87	0.38 67	1.10 108	0.91 97	0.78 56	1.01 91	0.77 86	0.52 59	0.60 23	0.42 72	0.17 32	0.14 75	0.20 73	0.17 74	0.20 97	0.23 181

RAFT-IKP	0.54 61	0.30 125	0.73 129	0.50 71	0.27 33	0.59 78	0.36 54	1.04 80	0.64 27	1.12 136	0.96 73	0.83 109	0.61 105	1.22 124	0.45 91	0.22 165	0.14 75	0.24 168	0.20 134	0.26 207	0.18 78

rafts_anoy	0.52 38	0.29 110	0.59 52	0.59 193	0.50 232	0.53 56	0.40 81	1.11 114	1.03 142	0.84 71	0.83 52	0.68 68	0.54 67	0.72 39	0.51 130	0.19 91	0.14 75	0.24 168	0.26 250	0.21 131	0.18 78

raft+_RVC	0.53 47	0.26 46	0.54 32	0.60 204	0.47 223	0.54 59	0.54 187	1.27 151	0.99 129	0.76 52	1.03 106	0.70 76	0.56 77	0.93 80	0.47 109	0.18 60	0.14 75	0.19 49	0.18 88	0.18 41	0.15 27

XX-Stereo	0.63 115	0.26 46	1.90 346	0.81 326	0.67 301	0.43 14	0.23 3	1.03 76	0.58 18	0.65 40	1.56 272	1.41 264	0.39 14	1.28 130	0.35 27	0.20 116	0.14 75	0.20 73	0.19 106	0.18 41	0.14 11

test_xeample3	0.42 11	0.28 83	0.69 97	0.43 8	0.33 122	0.56 68	0.38 67	0.79 12	0.45 3	0.53 29	0.46 4	0.44 8	0.44 26	1.38 151	0.31 5	0.18 60	0.14 75	0.19 49	0.15 30	0.17 24	0.16 41

ARAFT	0.77 190	0.36 228	1.49 322	0.51 94	0.31 91	0.90 202	0.82 281	1.90 289	1.06 153	1.62 316	1.24 176	1.02 176	0.64 118	1.84 229	0.50 127	0.18 60	0.14 75	0.28 244	0.27 258	0.17 24	0.16 41

BEATNet_4x	0.73 173	0.49 282	1.17 277	0.53 118	0.26 20	1.03 235	0.55 200	1.82 272	1.06 153	1.21 189	1.22 170	0.96 158	0.91 207	1.01 93	1.06 261	0.21 142	0.14 75	0.24 168	0.19 106	0.37 278	0.21 149

iResNet	0.75 183	0.40 247	1.36 304	0.67 271	0.29 63	0.92 209	0.59 226	1.52 202	1.25 233	1.28 218	1.48 256	0.94 146	0.76 146	1.62 196	0.78 215	0.18 60	0.14 75	0.18 36	0.15 30	0.22 152	0.23 181

iResNet_ROB	0.77 190	0.30 125	0.99 230	0.57 175	0.36 145	0.83 188	0.36 54	2.33 361	1.58 327	1.27 216	1.30 196	1.25 233	0.84 180	1.65 199	0.79 221	0.20 116	0.14 75	0.17 14	0.12 9	0.18 41	0.27 228

DN-CSS_ROB	0.64 125	0.32 170	1.05 252	0.55 152	0.40 182	0.54 59	0.45 133	1.21 134	0.93 103	1.03 110	1.47 251	0.69 73	0.63 115	1.76 222	0.49 121	0.18 60	0.14 75	0.25 204	0.22 195	0.22 152	0.20 133

AE-Stereo	0.49 34	0.27 67	0.67 85	0.60 204	0.39 177	0.67 121	0.46 140	1.18 128	1.09 168	0.47 13	0.75 39	0.69 73	0.47 38	0.59 14	0.40 57	0.16 11	0.15 124	0.21 95	0.20 134	0.19 71	0.15 27

test croco	0.46 24	0.27 67	1.01 238	0.50 71	0.40 182	0.35 5	0.37 63	0.87 24	0.56 17	0.43 7	0.76 41	0.42 4	0.40 16	1.13 116	0.45 91	0.21 142	0.15 124	0.24 168	0.19 106	0.24 189	0.16 41

MIF-Stereo	0.36 1	0.23 13	0.59 52	0.48 51	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	0.51 130	0.20 116	0.15 124	0.17 14	0.15 30	0.19 71	0.15 27

TestStereo1	0.63 115	0.28 83	0.75 145	0.76 314	0.31 91	0.48 20	0.43 110	1.30 155	1.21 221	0.97 92	1.31 201	0.64 59	0.77 150	1.75 217	0.42 72	0.20 116	0.15 124	0.22 121	0.18 88	0.21 131	0.17 60

RAFT_CTSACE	0.63 115	0.26 46	0.88 199	0.55 152	0.51 242	0.71 141	0.44 122	0.80 17	0.97 117	0.97 92	1.84 316	1.18 217	0.68 125	1.47 172	0.36 33	0.16 11	0.15 124	0.21 95	0.20 134	0.20 97	0.14 11

SA-5K	0.63 115	0.28 83	0.75 145	0.76 314	0.31 91	0.48 20	0.43 110	1.30 155	1.21 221	0.97 92	1.31 201	0.64 59	0.77 150	1.75 217	0.42 72	0.20 116	0.15 124	0.22 121	0.18 88	0.21 131	0.17 60

SA	0.66 137	0.30 125	0.82 176	0.61 216	0.30 79	0.58 74	0.38 67	1.44 183	1.30 260	0.96 89	1.36 220	0.66 64	0.95 226	1.85 232	0.42 72	0.19 91	0.15 124	0.25 204	0.23 215	0.21 131	0.17 60

CIPLG	0.62 109	0.33 186	0.96 225	0.58 181	0.50 232	0.75 155	0.48 154	1.05 86	0.96 110	1.40 271	1.57 276	0.64 59	0.48 46	0.89 72	0.70 190	0.23 188	0.15 124	0.19 49	0.16 58	0.19 71	0.21 149

IPLGR_C	0.62 109	0.33 186	0.99 230	0.58 181	0.49 227	0.76 159	0.48 154	1.10 108	0.96 110	1.40 271	1.56 272	0.62 54	0.48 46	0.80 53	0.71 195	0.23 188	0.15 124	0.19 49	0.16 58	0.19 71	0.21 149

IPLGR	0.58 94	0.27 67	1.14 273	0.48 51	0.28 52	0.65 108	0.33 33	1.22 141	1.13 187	1.18 178	1.05 110	0.69 73	0.66 124	0.96 81	0.52 136	0.17 32	0.15 124	0.20 73	0.17 74	0.20 97	0.18 78

ACRE	0.61 106	0.33 186	1.01 238	0.58 181	0.49 227	0.75 155	0.47 146	1.06 99	0.95 108	1.37 260	1.55 268	0.62 54	0.46 32	0.83 60	0.70 190	0.23 188	0.15 124	0.19 49	0.16 58	0.18 41	0.21 149

CrosDoStereo	1.58 335	0.24 19	0.72 117	0.48 51	0.29 63	0.67 121	12.49 410	1.10 108	0.98 122	1.34 253	1.75 306	1.00 167	1.89 355	6.65 370	0.81 225	0.19 91	0.15 124	0.20 73	0.22 195	0.18 41	0.19 111

TRStereo	0.60 100	0.60 319	0.97 227	0.74 308	0.67 301	0.46 18	0.38 67	1.85 278	0.89 88	0.79 59	0.80 51	0.88 129	0.39 14	1.10 110	0.41 64	0.23 188	0.15 124	0.23 148	0.24 226	0.17 24	0.15 27

PSM-softLoss	0.78 196	0.31 156	0.77 158	0.58 181	0.32 106	0.56 68	0.40 81	1.18 128	0.70 47	1.24 205	1.07 115	0.83 109	0.52 59	5.36 344	0.53 144	0.24 203	0.15 124	0.25 204	0.22 195	0.20 97	0.25 205

KMStereo	0.78 196	0.31 156	0.77 158	0.58 181	0.32 106	0.56 68	0.40 81	1.18 128	0.70 47	1.24 205	1.07 115	0.83 109	0.52 59	5.36 344	0.53 144	0.24 203	0.15 124	0.25 204	0.22 195	0.20 97	0.25 205

DeepStereo_LL	1.58 335	0.24 19	0.72 117	0.48 51	0.29 63	0.67 121	12.49 410	1.10 108	0.98 122	1.34 253	1.75 306	1.00 167	1.89 355	6.65 370	0.81 225	0.19 91	0.15 124	0.20 73	0.22 195	0.18 41	0.19 111

DEmStereo	0.97 257	0.23 13	0.79 168	0.47 41	0.32 106	1.04 237	0.56 206	0.93 44	0.89 88	1.39 270	2.14 341	1.02 176	2.07 366	5.64 354	0.77 213	0.17 32	0.15 124	0.20 73	0.20 134	0.18 41	0.20 133

AnonymousM	0.59 97	1.11 368	0.41 9	0.44 23	0.32 106	0.43 14	0.47 146	1.05 86	0.64 27	0.98 96	0.63 20	0.67 66	0.43 22	0.59 14	0.41 64	0.20 116	0.15 124	1.84 385	0.84 377	0.14 2	0.13 3

CroCo-Stereo	0.40 8	0.31 156	0.73 129	0.58 181	0.27 33	0.26 1	0.33 33	0.95 51	0.81 69	0.42 4	0.47 5	0.65 62	0.47 38	0.39 1	0.34 24	0.18 60	0.15 124	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
TestStereo	0.64 125	0.39 243	0.71 114	0.51 94	0.27 33	0.56 68	0.42 94	1.03 76	0.91 97	0.80 61	1.00 86	0.68 68	0.52 59	3.25 307	0.45 91	0.22 165	0.15 124	0.24 168	0.18 88	0.27 219	0.16 41

XX-TBD	0.46 24	0.70 335	0.35 1	0.79 320	0.25 18	0.58 74	0.26 9	0.69 4	1.27 245	0.76 52	1.00 86	0.45 14	0.33 10	0.47 3	0.37 38	0.19 91	0.15 124	0.15 3	0.11 6	0.17 24	0.14 11

raftrobust	0.52 38	0.25 35	0.56 37	0.65 256	0.52 250	0.49 30	0.34 43	0.98 61	0.91 97	1.30 230	0.87 59	0.63 56	0.81 165	0.78 49	0.41 64	0.19 91	0.15 124	0.16 9	0.14 22	0.15 5	0.16 41

RALAANet	0.60 100	0.33 186	0.87 196	0.62 227	0.50 232	0.69 131	0.31 27	1.21 134	1.06 153	1.09 122	1.16 155	0.88 129	0.46 32	1.22 124	0.42 72	0.19 91	0.15 124	0.21 95	0.17 74	0.27 219	0.17 60

GMStereo	0.55 76	0.45 268	0.94 218	0.50 71	0.32 106	0.64 96	0.43 110	1.00 67	1.40 302	0.82 68	0.73 35	0.51 31	0.45 29	0.85 64	0.55 154	0.24 203	0.15 124	0.20 73	0.21 170	0.31 254	0.24 193
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
FENet	0.60 100	0.28 83	0.63 66	0.54 133	0.33 122	0.83 188	0.38 67	1.27 151	1.07 158	1.00 100	0.86 56	0.99 166	0.85 183	0.96 81	0.68 188	0.22 165	0.15 124	0.23 148	0.20 134	0.22 152	0.23 181

DIP-Stereo	0.62 109	0.30 125	0.83 178	0.48 51	0.36 145	0.95 218	0.33 33	2.37 365	0.67 41	1.25 209	1.00 86	0.68 68	0.51 57	0.91 74	0.61 172	0.18 60	0.15 124	0.21 95	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
R-Stereo Train	0.57 89	0.26 46	0.63 66	0.54 133	0.36 145	0.69 131	0.54 187	1.22 141	0.72 52	1.61 313	1.50 260	0.75 82	0.53 64	0.64 26	0.44 83	0.18 60	0.15 124	0.17 14	0.15 30	0.17 24	0.17 60

RAFT-Stereo	0.57 89	0.26 46	0.63 66	0.54 133	0.36 145	0.69 131	0.54 187	1.22 141	0.72 52	1.61 313	1.50 260	0.75 82	0.53 64	0.64 26	0.44 83	0.18 60	0.15 124	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
AdaStereo	0.70 153	0.43 259	0.75 145	0.73 306	0.37 152	0.92 209	0.53 183	1.85 278	1.18 208	1.12 136	1.23 174	1.07 190	0.65 122	0.96 81	0.63 179	0.31 279	0.15 124	0.32 278	0.21 170	0.29 238	0.22 164
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
iResNetv2_ROB	0.80 202	0.37 233	1.71 334	0.56 164	0.37 152	0.94 214	0.64 236	1.73 245	1.34 274	1.23 197	1.42 235	1.26 237	0.92 210	1.85 232	0.56 156	0.23 188	0.15 124	0.19 49	0.14 22	0.24 189	0.19 111

pmcnn	2.37 372	0.42 256	2.71 372	0.63 235	0.43 196	1.54 307	1.19 338	2.01 316	1.53 323	2.64 369	7.60 398	18.07 412	1.45 320	3.44 314	2.78 358	0.18 60	0.15 124	0.15 3	0.12 9	0.20 97	0.18 78

MyStereo07	0.48 31	0.29 110	0.50 18	0.55 152	0.45 209	0.59 78	0.79 271	1.05 86	0.51 13	0.48 17	0.53 10	0.43 6	0.55 73	1.30 134	0.34 24	0.17 32	0.16 155	0.24 168	0.20 134	0.23 176	0.20 133

MyStereo06	0.61 106	0.28 83	0.95 221	0.56 164	0.46 219	0.61 87	0.73 258	1.78 264	0.67 41	1.03 110	1.12 138	1.13 209	0.56 77	0.78 49	0.41 64	0.17 32	0.16 155	0.23 148	0.20 134	0.22 152	0.20 133

MyStereo05	0.66 137	0.28 83	1.07 259	0.56 164	0.46 219	0.61 87	0.73 258	1.34 161	1.41 305	1.15 155	0.91 65	0.77 86	0.80 162	1.41 162	0.63 179	0.17 32	0.16 155	0.23 148	0.20 134	0.22 152	0.20 133

MyStereo04	0.67 146	0.29 110	1.07 259	0.55 152	0.45 209	0.59 78	0.79 271	1.50 194	1.40 302	0.91 79	0.91 65	0.74 80	0.86 191	1.52 177	0.62 175	0.17 32	0.16 155	0.24 168	0.20 134	0.23 176	0.20 133

CoDeX	0.73 173	0.29 110	0.93 216	0.54 133	0.36 145	1.14 252	0.61 231	2.34 363	1.17 204	1.16 166	1.25 180	0.91 134	0.87 194	1.33 139	0.64 182	0.20 116	0.16 155	0.21 95	0.18 88	0.20 97	0.18 78

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 46	0.49 54	0.52 4	0.36 33	0.19 91	0.16 155	0.19 49	0.15 30	0.18 41	0.14 11

MIF-Stereo (partial)	0.45 23	0.25 35	0.70 103	0.50 71	0.52 250	0.35 5	0.26 9	0.91 39	0.59 21	0.45 12	0.71 32	0.51 31	0.51 57	1.11 113	0.45 91	0.20 116	0.16 155	0.23 148	0.20 134	0.24 189	0.18 78

EKT-Stereo	0.53 47	0.30 125	0.73 129	0.58 181	0.60 283	0.51 49	0.48 154	0.94 48	0.90 92	0.71 47	0.88 61	0.77 86	0.43 22	1.07 107	0.40 57	0.22 165	0.16 155	0.21 95	0.18 88	0.20 97	0.22 164

MIM_Stereo	0.57 89	0.24 19	0.92 214	0.46 35	0.30 79	0.54 59	0.28 17	1.27 151	0.75 56	1.00 100	1.16 155	0.93 143	0.53 64	1.45 166	0.61 172	0.16 11	0.16 155	0.20 73	0.19 106	0.17 24	0.14 11

PCWNet_CMD	0.66 137	0.32 170	0.88 199	0.49 64	0.37 152	0.78 170	0.40 81	1.42 176	1.31 264	1.16 166	1.31 201	1.25 233	0.62 110	0.89 72	0.57 158	0.20 116	0.16 155	0.27 234	0.19 106	0.40 294	0.25 205

LL-Strereo2	0.52 38	0.33 186	0.69 97	0.52 110	0.37 152	0.70 138	0.30 22	1.13 117	0.67 41	0.94 87	0.78 44	0.91 134	0.42 20	1.05 102	0.42 72	0.17 32	0.16 155	0.29 252	0.25 237	0.21 131	0.16 41

DCRE	0.82 210	0.26 46	0.70 103	0.58 181	0.44 202	0.54 59	0.48 154	0.95 51	0.78 63	0.78 56	7.33 397	0.86 122	0.52 59	0.76 46	0.41 64	0.16 11	0.16 155	0.19 49	0.17 74	0.18 41	0.17 60

anonymousa	0.72 159	0.27 67	0.75 145	0.47 41	0.63 292	1.43 298	0.45 133	1.24 147	0.89 88	1.28 218	1.75 306	1.62 299	1.13 279	0.69 31	0.59 163	0.19 91	0.16 155	0.23 148	0.25 237	0.20 97	0.18 78

IER	0.70 153	0.31 156	1.02 244	0.48 51	0.52 250	1.34 285	0.51 168	1.17 123	0.99 129	1.23 197	1.34 213	1.12 204	1.11 274	0.99 89	0.71 195	0.20 116	0.16 155	0.21 95	0.21 170	0.20 97	0.19 111

DAS	0.84 219	0.34 205	1.03 248	0.64 244	0.69 309	0.77 165	0.63 234	1.54 210	1.20 216	1.79 332	1.55 268	0.95 152	1.04 258	2.83 292	0.60 170	0.21 142	0.16 155	0.25 204	0.18 88	0.27 219	0.22 164

SepStereo	0.82 210	0.34 205	1.03 248	0.64 244	0.69 309	0.77 165	0.63 234	1.54 210	1.20 216	1.79 332	1.55 268	0.95 152	1.04 258	2.30 270	0.60 170	0.21 142	0.16 155	0.25 204	0.18 88	0.27 219	0.22 164

FTStereo	0.91 241	0.26 46	0.56 37	0.54 133	0.33 122	0.66 117	1.87 375	1.00 67	0.75 56	1.75 326	4.15 378	1.04 182	1.65 338	1.57 189	0.46 104	0.19 91	0.16 155	0.23 148	0.21 170	0.18 41	0.63 351

ASMatch	0.88 233	0.26 46	0.69 97	0.51 94	0.35 140	0.48 20	0.37 63	1.12 116	0.92 101	1.10 130	3.28 368	0.96 158	0.98 238	4.90 337	0.49 121	0.19 91	0.16 155	0.22 121	0.19 106	0.19 71	0.27 228

CFNet_pseudo	0.66 137	0.32 170	0.86 186	0.48 51	0.39 177	0.70 138	0.40 81	1.33 157	1.22 223	1.16 166	1.34 213	1.24 229	0.64 118	0.98 87	0.59 163	0.21 142	0.16 155	0.33 285	0.19 106	0.36 274	0.25 205

RALCasStereoNet	0.54 61	0.30 125	0.66 82	0.59 193	0.51 242	0.61 87	0.52 177	0.94 48	0.93 103	0.70 45	1.01 91	0.78 89	0.44 26	1.33 139	0.47 109	0.20 116	0.16 155	0.18 36	0.16 58	0.20 97	0.19 111

MSMDNet	0.66 137	0.32 170	0.87 196	0.49 64	0.37 152	0.79 174	0.40 81	1.43 182	1.31 264	1.15 155	1.31 201	1.24 229	0.63 115	0.88 69	0.57 158	0.21 142	0.16 155	0.26 223	0.19 106	0.39 290	0.24 193

ccs_rob	0.66 137	0.33 186	0.86 186	0.48 51	0.39 177	0.70 138	0.40 81	1.33 157	1.22 223	1.16 166	1.34 213	1.23 227	0.64 118	0.98 87	0.59 163	0.21 142	0.16 155	0.35 302	0.20 134	0.37 278	0.25 205

HSM	1.19 303	0.32 170	0.65 76	0.57 175	0.38 169	1.23 271	0.59 226	2.25 356	1.19 211	1.30 230	1.25 180	1.94 331	1.03 257	9.32 400	0.71 195	0.22 165	0.16 155	0.20 73	0.16 58	0.21 131	0.21 149

StereoDRNet-Refined	0.80 202	0.41 253	0.88 199	0.62 227	0.42 191	1.33 283	0.48 154	1.52 202	1.17 204	1.45 282	1.44 242	1.44 270	0.90 205	1.26 129	1.24 284	0.20 116	0.16 155	0.27 234	0.24 226	0.25 199	0.28 239
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
GMStereo_Zeroshot	0.67 146	0.61 320	1.01 238	0.64 244	0.37 152	0.84 195	0.35 46	1.05 86	1.12 178	1.12 136	1.06 112	1.27 241	0.54 67	1.19 121	0.59 163	0.32 284	0.17 179	0.31 265	0.18 88	0.52 333	0.22 164

BUS	0.74 176	0.32 170	0.68 88	0.54 133	0.44 202	2.34 361	0.42 94	2.16 341	0.98 122	1.20 186	1.11 132	1.03 179	0.62 110	0.91 74	0.70 190	0.24 203	0.17 179	0.25 204	0.22 195	0.22 152	0.22 164

BSDual-CNN	0.71 158	0.32 170	0.68 88	0.54 133	0.44 202	1.27 276	0.65 238	2.16 341	0.98 122	1.20 186	1.11 132	1.12 204	0.74 136	0.91 74	0.66 184	0.24 203	0.17 179	0.25 204	0.22 195	0.22 152	0.22 164

hknet	0.77 190	0.32 170	0.95 221	0.54 133	0.38 169	1.27 276	0.65 238	2.16 341	1.07 158	1.20 186	1.11 132	1.59 295	0.81 165	1.37 147	0.66 184	0.22 165	0.17 179	0.25 204	0.22 195	0.22 152	0.22 164

PFNet+	0.59 97	0.28 83	0.77 158	0.53 118	0.30 79	0.59 78	0.31 27	0.92 40	1.14 189	1.33 250	1.10 127	0.79 92	0.57 85	1.31 135	0.49 121	0.25 227	0.17 179	0.28 244	0.26 250	0.21 131	0.25 205

LMCR-Stereo	0.82 210	0.46 270	0.88 199	0.75 312	0.43 196	1.33 283	0.56 206	2.43 369	0.98 122	1.53 298	1.49 257	0.74 80	1.00 248	1.63 197	0.89 242	0.28 260	0.17 179	0.22 121	0.17 74	0.29 238	0.20 133

sAnonymous2	0.55 76	0.56 302	1.46 315	0.60 204	0.51 242	0.48 20	0.52 177	0.79 12	0.68 44	0.50 26	0.67 24	0.46 15	0.62 110	0.59 14	0.40 57	0.22 165	0.17 179	0.22 121	0.21 170	0.86 365	0.56 338

CroCo_RVC	0.55 76	0.56 302	1.46 315	0.60 204	0.51 242	0.48 20	0.52 177	0.79 12	0.68 44	0.50 26	0.67 24	0.46 15	0.62 110	0.59 14	0.40 57	0.22 165	0.17 179	0.22 121	0.21 170	0.86 365	0.56 338

SFCPSM	0.70 153	0.28 83	1.02 244	0.51 94	0.38 169	1.37 288	0.66 243	2.00 312	1.03 142	1.17 174	1.21 168	0.82 102	0.78 155	1.03 96	0.53 144	0.21 142	0.17 179	0.22 121	0.24 226	0.21 131	0.19 111

UNet	0.83 215	0.34 205	1.31 296	0.58 181	0.74 319	1.58 310	0.49 161	1.41 174	1.04 146	1.21 189	1.08 118	1.54 287	1.12 277	1.65 199	1.09 266	0.23 188	0.17 179	0.25 204	0.20 134	0.25 199	0.22 164

RASNet	1.12 291	0.30 125	0.91 210	0.66 261	0.77 329	0.97 226	0.57 216	1.37 166	1.35 282	1.02 106	1.34 213	2.11 345	1.43 317	7.09 379	1.39 305	0.19 91	0.17 179	0.17 14	0.19 106	0.18 41	0.16 41

HSM-Net_RVC	0.87 232	0.29 110	0.53 28	0.53 118	0.30 79	1.15 257	0.55 200	3.57 386	1.28 250	1.53 298	1.74 303	1.68 309	0.93 216	1.49 174	0.77 213	0.22 165	0.17 179	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	0.96 251	0.36 228	1.01 238	0.62 227	0.42 191	0.99 230	0.47 146	1.90 289	1.32 268	0.99 98	1.39 230	1.10 199	0.86 191	5.58 353	0.79 221	0.23 188	0.17 179	0.28 244	0.27 258	0.26 207	0.21 149

AANet_RVC	1.16 301	0.52 292	1.49 322	0.65 256	0.45 209	0.75 155	0.69 252	1.42 176	1.55 326	1.34 253	1.87 321	1.53 286	0.78 155	7.43 385	1.38 302	0.25 227	0.17 179	0.19 49	0.16 58	0.22 152	0.26 223

mmm	0.63 115	0.35 221	0.72 117	0.51 94	0.30 79	0.86 197	0.54 187	1.59 218	0.86 77	1.07 116	1.38 226	0.79 92	0.75 138	0.91 74	0.58 161	0.22 165	0.18 193	0.29 252	0.25 237	0.25 199	0.23 181

11t1	0.52 38	0.28 83	0.68 88	0.51 94	0.28 52	0.83 188	0.39 78	1.22 141	0.63 25	0.84 71	0.74 37	0.68 68	0.68 125	0.91 74	0.57 158	0.21 142	0.18 193	0.19 49	0.16 58	0.20 97	0.21 149

LL-Strereo	1.33 316	0.39 243	1.38 305	0.61 216	0.61 286	0.75 155	0.66 243	1.63 229	1.17 204	1.56 306	1.60 280	2.03 341	2.12 367	9.72 405	0.97 253	0.21 142	0.18 193	0.27 234	0.23 215	0.22 152	0.25 205

CBFPSM	0.92 243	0.33 186	1.86 345	0.49 64	0.38 169	1.75 324	0.84 283	1.39 172	1.12 178	1.09 122	0.99 83	2.37 355	1.66 342	1.32 137	1.42 314	0.19 91	0.18 193	0.20 73	0.20 134	0.21 131	0.33 274

CroCo-Stereo Lap2	0.44 21	0.34 205	0.77 158	0.61 216	0.79 334	0.28 2	0.35 46	0.75 8	0.71 51	0.38 3	0.50 9	0.72 79	0.55 73	0.57 12	0.47 109	0.17 32	0.18 193	0.19 49	0.16 58	0.21 131	0.20 133

dd	0.59 97	0.48 279	0.97 227	0.55 152	0.32 106	0.64 96	0.47 146	1.02 73	1.34 274	0.78 56	0.86 56	0.58 46	0.54 67	1.01 93	0.86 240	0.28 260	0.18 193	0.26 223	0.19 106	0.32 259	0.24 193

GwcNet-ADL	0.64 125	0.31 156	0.79 168	0.56 164	0.41 188	0.60 84	0.58 219	1.41 174	1.26 238	1.08 117	1.13 143	0.91 134	0.60 96	1.04 101	0.78 215	0.27 250	0.18 193	0.18 36	0.18 88	0.25 199	0.29 242

GANet-ADL	0.60 100	0.35 221	0.72 117	0.64 244	0.40 182	0.68 127	0.51 168	1.49 190	1.12 178	0.95 88	1.08 118	0.91 134	0.57 85	0.76 46	0.55 154	0.26 241	0.18 193	0.18 36	0.16 58	0.23 176	0.25 205

RAFT	0.64 125	0.30 125	0.73 129	0.59 193	0.33 122	0.68 127	0.58 219	1.04 80	0.76 59	1.08 117	1.19 163	1.65 306	0.93 216	1.06 103	0.56 156	0.21 142	0.18 193	0.27 234	0.24 226	0.22 152	0.17 60

MMNet	0.84 219	0.32 170	1.09 263	0.60 204	0.59 280	1.85 337	0.49 161	1.51 199	1.27 245	1.37 260	1.15 152	1.26 237	1.18 285	1.67 204	1.22 282	0.19 91	0.18 193	0.23 148	0.22 195	0.25 199	0.21 149

cf-r	0.73 173	0.30 125	0.77 158	0.55 152	0.63 292	0.78 170	0.48 154	1.79 266	1.15 198	1.13 150	1.26 186	1.43 266	0.87 194	1.40 161	0.85 238	0.25 227	0.18 193	0.22 121	0.23 215	0.19 71	0.19 111

GwcNet-RSSM	0.77 190	0.32 170	1.01 238	0.62 227	0.54 256	0.78 170	0.51 168	1.73 245	1.20 216	1.09 122	1.37 222	1.46 274	0.85 183	1.53 181	1.09 266	0.25 227	0.18 193	0.23 148	0.24 226	0.20 97	0.19 111

DISCO	1.03 272	0.34 205	1.11 268	0.69 284	0.45 209	2.07 350	0.84 283	2.13 332	1.50 318	1.15 155	1.33 208	2.40 357	1.07 268	2.60 285	1.51 323	0.23 188	0.18 193	0.22 121	0.20 134	0.31 254	0.27 228

mmx	1.39 322	0.33 186	0.85 180	0.53 118	0.37 152	0.74 149	0.56 206	2.13 332	1.37 289	1.15 155	1.45 244	1.06 184	0.82 169	7.22 380	7.61 388	0.24 203	0.19 206	0.31 265	0.27 258	0.30 247	0.25 205

xxx	1.39 322	0.33 186	0.85 180	0.53 118	0.37 152	0.74 149	0.56 206	2.13 332	1.37 289	1.15 155	1.45 244	1.06 184	0.82 169	7.22 380	7.61 388	0.24 203	0.19 206	0.31 265	0.27 258	0.30 247	0.25 205

CASS	0.65 130	0.34 205	0.72 117	0.56 164	0.27 33	0.78 170	0.42 94	1.59 218	0.86 77	1.30 230	1.25 180	0.87 126	0.84 180	0.84 62	0.54 150	0.35 304	0.19 206	0.26 223	0.21 170	0.28 233	0.42 305
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ToySt	0.66 137	0.33 186	1.23 283	0.51 94	0.33 122	0.86 197	0.68 248	1.10 108	0.97 117	0.84 71	1.08 118	1.25 233	0.94 221	1.01 93	0.74 202	0.19 91	0.19 206	0.24 168	0.24 226	0.27 219	0.23 181

x	0.54 61	0.31 156	0.61 59	0.47 41	0.30 79	0.67 121	0.47 146	1.53 208	0.79 67	0.81 65	0.83 52	0.78 89	0.70 131	0.70 33	0.62 175	0.21 142	0.19 206	0.22 121	0.19 106	0.21 131	0.20 133

psmg	0.72 159	0.32 170	0.68 88	0.50 71	0.44 202	1.48 301	0.75 260	1.94 302	0.98 122	1.21 189	1.33 208	1.12 204	0.74 136	0.91 74	0.66 184	0.24 203	0.19 206	0.25 204	0.25 237	0.23 176	0.22 164

UDGNet	0.72 159	1.17 373	0.80 173	0.77 317	0.41 188	0.77 165	0.38 67	0.97 59	1.34 274	0.81 65	0.88 61	0.71 78	0.60 96	1.21 123	0.54 150	0.52 351	0.19 206	1.02 377	0.26 250	0.71 361	0.31 264

GEStereo_RVC	0.90 238	0.37 233	0.99 230	0.64 244	0.50 232	0.95 218	0.79 271	2.42 368	1.17 204	1.16 166	1.11 132	1.26 237	0.92 210	3.24 306	0.90 244	0.29 268	0.19 206	0.23 148	0.20 134	0.27 219	0.29 242

GES	0.66 137	0.34 205	0.90 207	0.59 193	0.38 169	0.94 214	0.57 216	2.11 331	0.86 77	1.02 106	1.11 132	0.66 64	0.79 157	0.99 89	0.61 172	0.27 250	0.19 206	0.20 73	0.20 134	0.21 131	0.30 254

HCRNet	0.70 153	0.39 243	0.73 129	0.60 204	0.59 280	0.76 159	0.35 46	1.22 141	1.13 187	1.02 106	0.99 83	1.02 176	0.76 146	2.19 263	0.70 190	0.28 260	0.19 206	0.28 244	0.23 215	0.25 199	0.23 181

ACVNet	0.63 115	0.31 156	0.54 32	0.54 133	0.36 145	0.80 179	0.46 140	1.37 166	1.07 158	0.93 82	1.30 196	1.08 191	0.85 183	0.80 53	0.94 247	0.21 142	0.19 206	0.21 95	0.18 88	0.22 152	0.18 78

acv_ft	0.75 183	0.31 156	0.95 221	0.70 289	0.86 348	1.24 272	0.53 183	1.44 183	1.07 158	1.24 205	1.30 196	1.08 191	0.92 210	0.80 53	1.34 297	0.21 142	0.19 206	0.21 95	0.18 88	0.21 131	0.18 78

GANet-RSSM	0.72 159	0.28 83	0.63 66	0.64 244	0.58 273	0.80 179	0.58 219	1.89 286	1.08 162	1.04 113	1.25 180	1.15 212	1.04 258	1.49 174	0.62 175	0.25 227	0.19 206	0.22 121	0.22 195	0.22 152	0.21 149

PSMNet-RSSM	0.72 159	0.30 125	0.61 59	0.63 235	0.42 191	0.73 146	0.56 206	1.92 296	1.10 172	1.09 122	1.37 222	1.22 222	0.98 238	1.28 130	0.72 198	0.27 250	0.19 206	0.27 234	0.29 286	0.24 189	0.24 193

DMCA	0.67 146	0.34 205	0.90 207	0.51 94	0.44 202	0.86 197	0.47 146	1.42 176	1.02 139	1.17 174	1.12 138	1.23 227	0.75 138	0.78 49	0.95 249	0.25 227	0.19 206	0.27 234	0.19 106	0.24 189	0.27 228

SuperB	2.53 378	0.59 312	18.45 408	0.69 284	0.50 232	1.87 339	0.88 292	1.67 236	2.39 365	1.50 294	1.42 235	1.14 211	1.15 281	4.28 327	5.07 377	0.24 203	0.19 206	0.22 121	0.19 106	7.86 415	0.34 276

LE_ROB	8.05 405	0.37 233	23.53 412	0.74 308	0.33 122	2.77 373	2.87 401	3.71 388	27.24 419	25.39 419	8.87 404	8.46 402	26.71 419	6.65 370	21.99 413	0.21 142	0.19 206	0.20 73	0.21 170	0.25 199	0.22 164

SMFormer	0.75 183	0.30 125	0.86 186	0.46 35	0.26 20	0.82 184	0.43 110	2.05 321	1.39 297	1.23 197	1.47 251	0.98 161	0.95 226	1.71 212	0.82 230	0.24 203	0.20 223	0.22 121	0.21 170	0.23 176	0.24 193

tta	0.75 183	0.30 125	0.86 186	0.46 35	0.26 20	0.82 184	0.43 110	2.05 321	1.39 297	1.23 197	1.47 251	0.98 161	0.95 226	1.71 212	0.82 230	0.24 203	0.20 223	0.22 121	0.21 170	0.18 41	0.18 78

qqq1	0.72 159	0.30 125	0.86 186	0.46 35	0.26 20	0.82 184	0.43 110	2.05 321	1.39 297	1.23 197	1.47 251	0.98 161	0.95 226	1.71 212	0.44 83	0.24 203	0.20 223	0.18 36	0.15 30	0.18 41	0.18 78

fff1	0.72 159	0.30 125	0.86 186	0.46 35	0.26 20	0.82 184	0.43 110	2.05 321	1.39 297	1.23 197	1.47 251	0.98 161	0.95 226	1.71 212	0.44 83	0.24 203	0.20 223	0.18 36	0.15 30	0.18 41	0.18 78

whm_eth	0.65 130	0.47 274	1.05 252	0.55 152	0.64 294	0.69 131	0.45 133	1.34 161	1.26 238	1.02 106	1.92 326	0.49 28	0.48 46	0.70 33	0.52 136	0.23 188	0.20 223	0.25 204	0.24 226	0.24 189	0.31 264

CFNet_ucs	0.70 153	0.33 186	0.88 199	0.50 71	0.43 196	0.74 149	0.44 122	1.60 221	1.29 254	1.22 194	1.54 266	1.09 197	0.63 115	0.99 89	0.59 163	0.25 227	0.20 223	0.37 312	0.21 170	0.40 294	0.28 239

qqq	0.57 89	0.34 205	0.71 114	0.47 41	0.27 33	0.64 96	0.62 233	1.42 176	0.78 63	0.80 61	0.92 67	0.95 152	0.77 150	0.88 69	0.59 163	0.21 142	0.20 223	0.24 168	0.23 215	0.22 152	0.21 149

GLC_STEREO	0.39 5	0.25 35	0.41 9	0.54 133	0.23 6	0.48 20	0.30 22	0.73 6	0.58 18	0.52 28	0.73 35	0.51 31	0.31 6	0.64 26	0.42 72	0.17 32	0.20 223	0.23 148	0.19 106	0.21 131	0.17 60

ADLNet	0.85 223	0.36 228	0.89 204	0.85 340	0.72 314	1.24 272	0.76 263	1.82 272	1.36 285	1.52 297	1.35 219	1.27 241	0.99 246	1.23 126	1.15 275	0.27 250	0.20 223	0.26 223	0.25 237	0.28 233	0.30 254

222	1.61 339	0.29 110	0.67 85	0.56 164	0.29 63	1.06 241	0.42 94	2.17 347	1.31 264	1.31 240	1.52 263	0.92 142	0.94 221	1.76 222	17.65 410	0.24 203	0.20 223	0.21 95	0.19 106	0.22 152	0.23 181

test_xeample	1.45 327	0.28 83	0.65 76	0.51 94	0.28 52	0.94 214	0.59 226	2.14 336	1.29 254	1.24 205	1.51 262	0.88 129	0.86 191	1.46 168	15.10 406	0.22 165	0.20 223	0.22 121	0.20 134	0.22 152	0.22 164

CFNet-ft	0.72 159	0.32 170	0.54 32	0.66 261	0.54 256	0.83 188	0.55 200	1.37 166	1.15 198	0.93 82	1.28 192	1.57 291	0.97 234	1.35 143	0.81 225	0.26 241	0.20 223	0.33 285	0.25 237	0.30 247	0.23 181

ADCRef	1.35 318	0.55 299	2.37 363	0.72 299	0.77 329	1.94 342	0.78 268	1.91 293	1.27 245	1.57 310	1.59 279	1.36 258	1.41 315	1.54 183	7.53 387	0.23 188	0.20 223	0.32 278	0.30 294	0.29 238	0.29 242

CFNet_RVC	0.72 159	0.32 170	0.54 32	0.66 261	0.54 256	0.83 188	0.55 200	1.37 166	1.15 198	0.93 82	1.28 192	1.57 291	0.97 234	1.35 143	0.81 225	0.26 241	0.20 223	0.33 285	0.25 237	0.30 247	0.23 181

UCFNet_RVC	0.69 151	0.35 221	0.49 17	0.64 244	0.39 177	0.85 196	0.58 219	1.75 251	1.14 189	0.97 92	1.19 163	1.17 214	0.93 216	0.99 89	0.62 175	0.28 260	0.20 223	0.34 295	0.31 298	0.32 259	0.27 228

NVstereo2D	0.92 243	0.41 253	1.48 320	0.72 299	0.72 314	1.20 268	0.87 291	1.75 251	1.38 293	0.99 98	1.13 143	1.26 237	0.98 238	2.21 265	0.89 242	0.43 332	0.20 223	0.38 315	0.24 226	0.57 341	0.63 351

1111x	1.70 347	0.29 110	0.86 186	0.51 94	0.27 33	1.01 233	0.68 248	2.22 353	1.28 250	1.13 150	1.40 232	1.21 220	1.10 273	5.53 350	15.20 407	0.22 165	0.21 239	0.22 121	0.22 195	0.24 189	0.22 164

gwcnet-sp	0.74 176	0.33 186	1.44 309	0.57 175	0.45 209	1.40 293	0.54 187	1.50 194	1.14 189	1.30 230	1.02 98	0.94 146	0.82 169	1.39 156	0.76 207	0.21 142	0.21 239	0.22 121	0.21 170	0.22 152	0.22 164

scenet	0.74 176	0.33 186	1.44 309	0.57 175	0.45 209	1.40 293	0.54 187	1.50 194	1.14 189	1.30 230	1.02 98	0.94 146	0.82 169	1.39 156	0.76 207	0.21 142	0.21 239	0.22 121	0.21 170	0.22 152	0.22 164

ssnet	0.74 176	0.33 186	1.44 309	0.57 175	0.45 209	1.40 293	0.54 187	1.50 194	1.14 189	1.30 230	1.02 98	0.94 146	0.82 169	1.39 156	0.76 207	0.21 142	0.21 239	0.22 121	0.21 170	0.22 152	0.22 164

AACVNet	0.86 228	0.35 221	0.79 168	0.82 331	0.39 177	0.76 159	0.49 161	1.61 224	0.81 69	1.08 117	1.33 208	1.30 248	0.93 216	4.34 328	0.74 202	0.25 227	0.21 239	0.28 244	0.22 195	0.29 238	0.25 205

ADLNet2	0.88 233	0.34 205	1.17 277	0.77 317	0.64 294	1.12 250	0.76 263	1.74 249	1.24 230	1.21 189	1.65 293	1.71 312	1.05 262	1.67 204	1.17 278	0.24 203	0.21 239	0.21 95	0.22 195	0.26 207	0.29 242

ICVP	0.63 115	0.33 186	0.57 45	0.61 216	0.40 182	0.80 179	0.58 219	1.61 224	0.89 88	0.90 77	1.24 176	0.88 129	0.73 134	0.72 39	0.88 241	0.29 268	0.21 239	0.22 121	0.21 170	0.24 189	0.27 228
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	1.51 331	0.28 83	0.68 88	0.54 133	0.28 52	1.16 259	0.44 122	2.19 349	1.29 254	1.09 122	1.36 220	1.22 222	0.85 183	1.79 225	15.70 409	0.24 203	0.21 239	0.21 95	0.20 134	0.22 152	0.23 181

delet	0.85 223	0.32 170	0.95 221	0.65 256	0.66 299	1.64 316	0.84 283	1.75 251	1.35 282	1.32 242	1.30 196	1.30 248	0.88 198	1.68 209	1.10 269	0.21 142	0.21 239	0.24 168	0.24 226	0.21 131	0.21 149

DMCA-RVC	0.74 176	0.40 247	1.27 292	0.66 261	0.49 227	0.77 165	0.47 146	1.35 163	1.01 136	1.53 298	1.01 91	1.29 247	0.82 169	1.31 135	0.78 215	0.27 250	0.21 239	0.35 302	0.27 258	0.32 259	0.24 193

ADCP+	1.99 362	0.48 279	7.73 393	0.66 261	0.91 352	2.30 359	1.05 323	1.82 272	1.34 274	1.54 302	1.32 206	1.74 316	1.61 335	2.17 259	13.37 402	0.24 203	0.21 239	0.32 278	0.28 275	0.37 278	0.29 242

RYNet	1.17 302	0.49 282	1.24 286	0.70 289	0.97 360	1.71 320	0.92 301	1.91 293	1.46 313	1.38 265	1.14 146	1.88 321	1.30 308	4.24 324	1.87 336	0.26 241	0.21 239	0.35 302	0.27 258	0.55 338	0.54 334

TDLM	1.06 276	0.44 262	0.79 168	0.63 235	0.50 232	0.89 200	1.44 353	1.48 189	1.26 238	1.12 136	1.40 232	1.08 191	0.98 238	6.65 370	0.78 215	0.33 289	0.21 239	0.33 285	0.26 250	0.37 278	0.24 193

DRN-Test	1.00 266	0.44 262	1.13 272	0.70 289	0.81 341	1.62 313	0.79 271	2.14 336	1.44 311	1.78 329	1.33 208	1.43 266	1.05 262	2.18 262	1.53 324	0.27 250	0.21 239	0.31 265	0.30 294	0.32 259	0.28 239

CRFU-Net	0.86 228	0.39 243	1.00 235	0.65 256	0.57 265	1.78 331	0.86 289	2.15 338	0.81 69	1.38 265	1.18 160	1.64 304	1.19 288	1.35 143	0.90 244	0.26 241	0.22 253	0.21 95	0.19 106	0.23 176	0.24 193

CSP-Net	0.97 257	0.38 238	0.83 178	0.53 118	0.41 188	1.63 314	0.77 266	2.00 312	1.05 150	1.25 209	1.20 166	1.33 253	0.83 178	4.93 339	0.85 238	0.32 284	0.22 253	0.20 73	0.20 134	0.23 176	0.25 205

PSMNet-ADL	0.72 159	0.35 221	0.62 63	0.69 284	0.46 219	1.14 252	0.44 122	1.37 166	1.01 136	0.83 69	1.17 158	1.33 253	0.96 231	1.43 163	0.95 249	0.33 289	0.22 253	0.21 95	0.23 215	0.27 219	0.29 242

ac_64	0.82 210	0.29 110	0.81 174	0.71 296	0.60 283	1.05 238	0.54 187	1.99 311	0.92 101	1.18 178	1.06 112	1.99 336	1.08 269	1.94 242	0.97 253	0.27 250	0.22 253	0.24 168	0.23 215	0.22 152	0.19 111

FADNet-RVC-Resample	0.84 219	0.47 274	2.10 352	0.61 216	0.45 209	1.07 243	0.61 231	1.59 218	1.20 216	1.08 117	0.98 81	1.03 179	0.98 238	2.17 259	0.72 198	0.23 188	0.22 253	0.30 261	0.32 304	0.35 268	0.34 276

FADNet_RVC	0.83 215	0.51 289	1.83 344	0.54 133	0.42 191	1.19 266	0.46 140	1.51 199	1.09 168	0.89 76	1.24 176	0.91 134	0.87 194	2.11 256	1.11 271	0.27 250	0.22 253	0.31 265	0.28 275	0.43 307	0.38 293

NLCA_NET_v2_RVC	0.79 199	0.43 259	1.05 252	0.64 244	0.58 273	0.95 218	0.53 183	1.53 208	1.18 208	1.37 260	1.15 152	1.43 266	0.88 198	1.61 195	0.84 235	0.25 227	0.22 253	0.27 234	0.27 258	0.29 238	0.29 242
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PWC_ROB	1.24 305	0.76 344	2.46 366	0.72 299	0.78 332	1.15 257	0.49 161	1.75 251	1.92 351	2.31 356	3.07 365	1.59 295	1.40 314	2.46 280	2.10 348	0.33 289	0.22 253	0.35 302	0.24 226	0.38 286	0.41 301

iinet-f	0.99 262	0.45 268	3.71 380	0.55 152	0.43 196	1.81 332	0.68 248	1.14 118	1.14 189	1.18 178	1.42 235	1.58 294	1.44 318	1.34 142	1.59 327	0.24 203	0.23 261	0.20 73	0.19 106	0.26 207	0.25 205

Wz-Net-MNSev	1.11 289	0.58 309	2.23 359	0.66 261	0.71 312	1.95 343	1.46 354	1.98 310	1.45 312	1.79 332	1.43 239	1.49 281	1.33 311	1.97 245	1.42 314	0.27 250	0.23 261	0.28 244	0.28 275	0.34 267	0.31 264

NINENet	0.77 190	0.37 233	0.78 166	0.62 227	0.51 242	2.34 361	0.42 94	1.83 276	1.04 146	1.14 152	1.23 174	1.03 179	0.62 110	1.24 127	0.70 190	0.28 260	0.23 261	0.31 265	0.21 170	0.26 207	0.25 205

AASNet	0.76 189	0.35 221	0.91 210	0.79 320	0.81 341	1.14 252	0.56 206	2.02 319	1.08 162	1.22 194	1.24 176	0.93 143	0.76 146	0.77 48	1.16 276	0.27 250	0.23 261	0.24 168	0.20 134	0.28 233	0.24 193

Anonymous	0.53 47	0.38 238	0.91 210	0.66 261	0.73 317	0.65 108	0.59 226	0.95 51	0.73 55	0.47 13	0.58 19	0.42 4	0.60 96	0.80 53	0.53 144	0.24 203	0.23 261	0.21 95	0.21 170	0.41 297	0.29 242

EDNetEfficientorigin	10.57 408	1.47 382	177.42 433	0.67 271	0.53 253	1.58 310	1.16 335	1.90 289	3.37 384	4.71 397	3.38 369	3.10 374	2.69 380	3.13 304	3.58 368	0.25 227	0.23 261	0.33 285	0.27 258	0.83 364	0.81 365

RTSC	1.29 310	0.73 337	2.44 364	0.83 334	0.57 265	1.85 337	0.65 238	1.88 284	2.00 355	2.20 354	1.66 295	1.60 297	1.26 301	2.33 272	3.92 371	0.32 284	0.23 261	0.27 234	0.29 286	0.37 278	0.37 287

CVANet_RVC	1.07 278	0.43 259	0.76 154	0.60 204	0.50 232	0.90 202	0.97 311	1.52 202	1.26 238	1.33 250	1.38 226	1.24 229	1.18 285	6.75 376	0.75 205	0.34 297	0.23 261	0.34 295	0.29 286	0.42 302	0.27 228

StereoDRNet	0.98 261	0.47 274	1.70 333	0.76 314	0.94 356	1.51 304	0.91 299	1.92 296	1.32 268	1.61 313	1.13 143	1.47 279	0.97 234	1.75 217	1.46 319	0.28 260	0.23 261	0.29 252	0.27 258	0.35 268	0.27 228

TANstereo	0.44 21	0.21 4	0.44 11	0.41 5	0.21 3	0.65 108	0.26 9	0.79 12	0.83 75	0.93 82	0.98 81	0.51 31	0.46 32	0.54 7	0.35 27	0.18 60	0.24 270	0.16 9	0.13 11	0.16 13	0.26 223

UPFNet	0.80 202	0.32 170	0.90 207	0.59 193	0.74 319	1.26 275	0.80 277	1.52 202	1.10 172	1.30 230	1.12 138	1.30 248	0.84 180	1.67 204	1.09 266	0.24 203	0.24 270	0.24 168	0.23 215	0.25 199	0.18 78

aanetorigin	1.23 304	0.79 346	2.78 374	0.70 289	0.79 334	0.99 230	1.06 324	1.06 99	1.37 289	3.52 384	2.61 358	1.72 313	1.63 336	1.99 246	1.78 333	0.25 227	0.24 270	0.26 223	0.25 237	0.38 286	0.45 313

EDNetEfficient	2.37 372	1.10 365	8.08 395	0.74 308	0.71 312	0.98 229	1.56 359	1.46 186	4.06 390	4.90 398	2.82 362	2.25 348	3.48 388	2.95 296	9.97 396	0.26 241	0.24 270	0.26 223	0.30 294	0.68 358	0.61 349

HGLStereo	0.85 223	0.38 238	0.94 218	0.80 323	1.03 361	1.17 261	0.58 219	1.52 202	1.20 216	1.19 182	1.62 287	1.13 209	1.20 291	1.80 226	1.06 261	0.24 203	0.24 270	0.24 168	0.21 170	0.23 176	0.27 228

ADCL	1.72 350	0.57 306	3.66 378	0.67 271	0.61 286	2.61 370	1.85 373	1.96 305	1.67 333	1.90 342	1.83 314	2.06 344	1.90 357	2.13 257	9.15 395	0.26 241	0.24 270	0.34 295	0.32 304	0.38 286	0.35 281

DLCB_ROB	0.86 228	0.40 247	0.78 166	0.68 281	0.54 256	1.11 247	0.84 283	1.49 190	1.23 226	1.64 318	1.65 293	1.70 311	0.91 207	1.70 211	1.05 259	0.25 227	0.24 270	0.26 223	0.27 258	0.27 219	0.24 193

pcwnet_v2	0.97 257	0.37 233	4.33 381	0.62 227	0.54 256	0.79 174	0.45 133	2.02 319	1.58 327	1.42 279	1.64 291	1.09 197	0.79 157	1.24 127	0.67 187	0.32 284	0.25 277	0.29 252	0.27 258	0.37 278	0.35 281

RAFT + AFF	1.00 266	0.42 256	1.09 263	0.67 271	0.50 232	1.22 270	1.24 341	2.24 355	1.19 211	1.30 230	1.56 272	1.17 214	1.49 326	3.44 314	0.83 232	0.21 142	0.25 277	0.30 261	0.26 250	0.27 219	0.27 228

MDST_ROB	1.67 343	0.34 205	1.58 327	0.92 357	0.58 273	4.26 395	1.11 328	2.83 376	1.41 305	4.49 395	2.55 357	1.45 272	0.97 234	7.79 390	1.17 278	0.31 279	0.25 277	0.37 312	0.33 310	0.31 254	0.30 254

PSMNet_ROB	0.90 238	0.52 292	1.17 277	0.72 299	0.61 286	1.27 276	1.12 330	1.76 257	1.12 178	1.09 122	1.28 192	1.45 272	0.89 204	1.65 199	1.42 314	0.33 289	0.25 277	0.37 312	0.39 329	0.35 268	0.29 242

ttt	0.94 247	0.34 205	0.59 52	0.61 216	0.37 152	0.94 214	0.50 167	2.17 347	1.34 274	1.23 197	1.61 284	0.91 134	0.76 146	1.85 232	3.97 373	0.30 272	0.26 281	0.26 223	0.24 226	0.29 238	0.29 242

GASNet	0.99 262	0.97 357	1.72 335	0.98 361	0.68 307	0.83 188	0.67 246	1.60 221	1.28 250	1.31 240	1.22 170	1.22 222	1.21 294	2.41 278	1.41 310	0.43 332	0.26 281	0.36 310	0.34 315	0.55 338	0.31 264

Wz-Net-LNSev	1.03 272	0.67 329	2.71 372	0.64 244	0.84 345	1.75 324	1.00 317	1.80 268	1.32 268	1.28 218	1.25 180	1.65 306	1.22 295	1.39 156	1.40 306	0.28 260	0.26 281	0.24 168	0.23 215	0.33 265	0.32 270

WZ-Net	1.95 359	0.95 356	10.10 398	0.86 342	0.78 332	1.69 319	1.60 362	2.20 352	1.98 354	2.08 350	1.93 327	2.30 351	1.97 360	5.30 342	3.17 365	0.34 297	0.26 281	0.29 252	0.31 298	0.51 331	0.47 320

SACVNet	0.85 223	0.46 270	0.85 180	0.81 326	0.56 263	0.80 179	0.79 271	1.68 237	1.12 178	1.34 253	1.33 208	1.25 233	0.94 221	2.39 277	0.76 207	0.34 297	0.26 281	0.31 265	0.29 286	0.35 268	0.44 311

DSFCA	0.93 246	0.34 205	1.06 255	0.52 110	0.65 297	1.55 308	0.93 305	1.49 190	1.19 211	1.56 306	1.15 152	1.50 282	0.96 231	3.07 300	1.02 258	0.30 272	0.26 281	0.25 204	0.25 237	0.28 233	0.24 193

ETE_ROB	0.96 251	0.64 326	1.16 275	0.69 284	0.48 224	1.14 252	1.13 331	1.77 260	1.19 211	1.91 343	1.45 244	1.73 314	1.05 262	1.60 194	1.14 274	0.32 284	0.26 281	0.38 315	0.34 315	0.39 290	0.41 301

PWCDC_ROB	1.29 310	0.75 342	1.33 301	1.05 366	0.88 351	1.73 323	0.52 177	1.89 286	3.28 382	1.29 223	4.88 387	1.22 222	1.46 321	1.77 224	1.45 318	0.60 361	0.26 281	0.29 252	0.25 237	0.52 333	0.37 287

ssnet_v2	0.88 233	0.36 228	1.02 244	0.62 227	0.38 169	1.32 282	0.97 311	2.07 327	1.34 274	1.37 260	1.18 160	1.54 287	0.92 210	1.10 110	1.65 328	0.30 272	0.27 289	0.30 261	0.28 275	0.27 219	0.26 223

dad	0.86 228	0.66 328	1.06 255	0.56 164	0.37 152	0.76 159	0.44 122	1.17 123	1.50 318	1.44 280	1.27 189	1.34 257	0.75 138	2.52 282	0.84 235	0.42 327	0.27 289	0.83 370	0.26 250	0.41 297	0.29 242

sCroCo_RVC	0.49 34	0.40 247	1.02 244	0.65 256	0.60 283	0.52 51	0.40 81	0.83 21	0.61 22	0.44 8	0.74 37	0.49 28	0.50 55	0.63 25	0.48 114	0.26 241	0.27 289	0.23 148	0.22 195	0.29 238	0.25 205

STTStereo	0.78 196	0.50 286	1.22 282	0.64 244	0.54 256	0.89 200	0.54 187	1.44 183	1.11 174	1.38 265	1.09 123	1.27 241	0.85 183	1.43 163	0.83 232	0.29 268	0.27 289	0.33 285	0.39 329	0.32 259	0.30 254

PDISCO_ROB	1.32 315	0.65 327	1.44 309	1.36 375	1.46 381	2.55 367	0.92 301	2.45 370	2.07 359	1.37 260	1.49 257	1.65 306	1.00 248	2.82 291	1.35 300	1.01 374	0.27 289	0.54 353	0.47 348	0.71 361	0.73 362

LALA_ROB	1.01 269	0.59 312	1.16 275	0.67 271	0.51 242	1.63 314	1.26 345	1.69 239	1.38 293	1.81 335	1.37 222	1.94 331	1.02 255	1.58 191	1.38 302	0.37 311	0.27 289	0.43 332	0.37 326	0.43 307	0.37 287

StereoVision	0.65 130	0.34 205	0.86 186	0.59 193	0.40 182	0.50 39	0.41 92	1.09 106	0.93 103	0.71 47	2.50 356	0.82 102	0.57 85	1.03 96	0.49 121	0.25 227	0.28 295	0.29 252	0.28 275	0.36 274	0.20 133

fast-acv-ft	0.94 247	0.44 262	1.40 306	0.58 181	0.51 242	1.77 329	0.69 252	1.36 165	1.42 308	1.29 223	1.86 319	1.74 316	1.25 299	1.52 177	1.38 302	0.26 241	0.28 295	0.28 244	0.28 275	0.27 219	0.26 223

Wz-Net-SNSev	1.49 328	1.23 374	6.27 391	0.68 281	0.67 301	1.37 288	1.41 351	2.00 312	1.39 297	1.48 291	1.61 284	2.29 350	1.32 310	3.93 319	2.14 349	0.31 279	0.28 295	0.31 265	0.33 310	0.42 302	0.36 285

hitnet-ft	0.79 199	0.35 221	0.57 45	0.58 181	0.42 191	0.96 222	0.46 140	1.47 188	1.33 271	1.19 182	1.22 170	1.81 320	0.98 238	1.66 203	0.94 247	0.33 289	0.28 295	0.34 295	0.27 258	0.35 268	0.31 264

AF-Net	1.13 294	0.52 292	1.33 301	0.86 342	0.91 352	1.38 291	0.71 256	2.16 341	1.62 329	1.56 306	2.40 352	1.99 336	1.65 338	1.81 228	1.48 321	0.48 346	0.28 295	0.49 344	0.33 310	0.39 290	0.32 270

RTS	2.67 380	1.38 376	15.28 406	0.99 362	1.26 377	3.78 387	1.96 380	2.15 338	2.62 374	2.61 367	2.85 363	2.60 363	1.59 332	6.27 363	5.71 380	0.40 320	0.28 295	0.35 302	0.35 319	0.50 327	0.48 323

RTSA	2.67 380	1.38 376	15.28 406	0.99 362	1.26 377	3.78 387	1.96 380	2.15 338	2.62 374	2.61 367	2.85 363	2.60 363	1.59 332	6.27 363	5.71 380	0.40 320	0.28 295	0.35 302	0.35 319	0.50 327	0.48 323

DeepPruner_ROB	0.74 176	0.48 279	0.87 196	0.57 175	0.44 202	0.79 174	0.54 187	1.73 245	0.96 110	1.38 265	1.27 189	1.24 229	0.73 134	1.43 163	0.73 201	0.34 297	0.28 295	0.27 234	0.26 250	0.31 254	0.31 264

psm_up	0.77 190	0.34 205	0.70 103	0.66 261	0.58 273	1.05 238	0.92 301	1.52 202	1.12 178	1.26 213	1.16 155	1.31 251	1.23 296	1.20 122	0.81 225	0.25 227	0.29 303	0.31 265	0.27 258	0.27 219	0.25 205

GwcNet	1.08 281	0.51 289	2.33 361	0.79 320	1.18 373	1.76 326	0.70 254	1.68 237	1.47 314	1.41 273	1.64 291	1.74 316	1.04 258	2.20 264	1.41 310	0.30 272	0.29 303	0.29 252	0.27 258	0.30 247	0.35 281

FADNet-RVC	0.88 233	0.67 329	1.93 348	0.60 204	0.48 224	0.91 204	0.60 230	1.71 243	1.18 208	0.90 77	0.96 73	1.36 258	0.92 210	2.25 268	1.17 278	0.30 272	0.29 303	0.32 278	0.32 304	0.41 297	0.35 281

XQC	1.37 320	0.87 352	2.56 368	0.84 335	0.69 309	1.83 335	0.89 294	2.07 327	1.88 347	1.88 339	1.53 264	1.91 326	1.55 330	2.85 294	3.05 360	0.48 346	0.29 303	0.44 335	0.39 329	0.69 359	0.60 348

coex-ft	8.13 406	2.13 399	98.04 432	0.67 271	0.53 253	1.71 320	1.56 359	1.65 231	11.11 404	18.17 418	3.75 374	3.88 380	7.61 407	2.98 299	6.49 383	0.30 272	0.30 307	0.32 278	0.31 298	0.66 356	0.50 328

Anonymous3	0.61 106	0.44 262	1.11 268	0.59 193	0.49 227	0.93 212	0.65 238	0.93 44	0.81 69	0.72 50	0.88 61	0.65 62	0.69 128	1.06 103	0.53 144	0.35 304	0.30 307	0.26 223	0.26 250	0.31 254	0.27 228

Nwc_Net	1.09 283	0.49 282	1.33 301	0.89 351	0.80 339	1.49 303	0.66 243	2.19 349	1.27 245	1.32 242	2.26 345	1.96 333	1.54 328	1.92 238	1.34 297	0.40 320	0.30 307	0.43 332	0.45 343	0.38 286	0.37 287

DANet	1.08 281	0.61 320	1.32 299	0.85 340	0.72 314	1.37 288	0.51 168	1.54 210	1.15 198	1.78 329	1.54 266	2.01 338	1.11 274	2.90 295	2.00 344	0.33 289	0.30 307	0.40 326	0.30 294	0.44 314	0.45 313
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
SANet	1.88 355	0.57 306	2.18 358	0.63 235	0.40 182	2.80 375	1.57 361	2.39 367	5.88 399	2.36 361	3.57 372	3.72 379	2.97 383	4.74 333	1.76 332	0.34 297	0.30 307	0.32 278	0.29 286	0.48 323	0.37 287

XPNet_ROB	0.96 251	0.49 282	1.09 263	0.72 299	0.57 265	1.11 247	1.14 332	1.66 235	1.23 226	1.85 338	1.39 230	1.64 304	1.11 274	1.80 226	1.42 314	0.38 315	0.30 307	0.33 285	0.29 286	0.37 278	0.34 276

SHD	1.31 313	0.71 336	2.34 362	0.86 342	0.75 325	1.77 329	0.65 238	2.22 353	2.50 372	2.40 363	1.71 300	1.91 326	1.60 334	1.93 241	2.37 352	0.38 315	0.31 313	0.38 315	0.40 333	0.48 323	0.50 328

ADCMid	1.89 358	0.73 337	5.06 384	0.72 299	0.67 301	2.00 347	1.14 332	1.97 309	1.48 315	2.86 376	1.81 313	2.37 355	2.05 365	2.24 266	10.39 399	0.33 289	0.31 313	0.39 321	0.43 339	0.50 327	0.44 311

GANet	1.36 319	0.47 274	0.86 186	0.67 271	0.45 209	1.34 285	1.73 366	1.64 230	1.24 230	1.49 293	2.38 350	1.55 289	1.20 291	9.30 399	0.93 246	0.30 272	0.31 313	0.33 285	0.28 275	0.39 290	0.30 254

PS-NSSS	0.99 262	0.58 309	0.93 216	0.58 181	0.57 265	0.91 204	0.80 277	1.81 271	1.14 189	1.14 152	1.67 297	1.00 167	0.83 178	4.62 332	0.78 215	0.37 311	0.31 313	0.52 347	0.32 304	0.45 317	0.38 293

DPSNet	1.69 346	0.59 312	4.33 381	0.70 289	0.57 265	2.02 348	1.62 363	3.35 385	1.78 341	1.48 291	1.38 226	2.17 346	2.84 381	4.77 334	3.66 369	0.48 346	0.31 313	0.29 252	0.25 237	0.64 352	0.48 323

NCCL2	1.00 266	0.56 302	1.06 255	0.75 312	0.57 265	1.31 281	1.72 365	1.77 260	1.36 285	1.50 294	1.17 158	1.91 326	1.17 282	1.54 183	1.29 292	0.35 304	0.31 313	0.45 336	0.44 341	0.40 294	0.40 297

SGM_RVC	1.68 345	0.36 228	0.61 59	0.59 193	0.29 63	2.25 357	1.18 337	2.38 366	1.68 334	3.60 385	2.67 360	3.69 378	2.42 375	8.13 393	1.90 339	0.31 279	0.31 313	0.30 261	0.28 275	0.30 247	0.29 242
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
Syn2CoEx	1.14 296	0.69 332	1.66 331	0.80 323	0.67 301	1.40 293	0.88 292	2.06 326	1.54 324	1.25 209	1.58 278	1.42 265	1.50 327	4.09 322	1.40 306	0.36 307	0.32 320	0.34 295	0.29 286	0.29 238	0.34 276

DispFullNet	2.34 371	2.85 406	3.66 378	3.08 399	2.27 391	1.97 344	0.67 246	2.00 312	1.70 335	2.52 365	2.00 331	2.23 347	5.86 400	3.44 314	1.58 325	1.01 374	0.32 320	2.64 399	1.94 404	2.85 394	2.24 392

SQANet	1.31 313	0.88 354	1.08 262	1.83 383	1.44 380	1.44 299	0.75 260	1.74 249	1.09 168	1.32 242	1.26 186	1.28 244	1.01 250	1.50 176	0.83 232	2.50 389	0.34 322	1.47 381	0.55 361	2.32 384	1.57 384

APVNet	1.06 276	0.53 295	1.42 308	0.84 335	0.79 334	1.92 340	0.82 281	1.90 289	1.08 162	1.08 117	1.43 239	1.56 290	1.13 279	3.07 300	1.58 325	0.31 279	0.34 322	0.42 330	0.36 323	0.36 274	0.37 287

FADNet	0.92 243	0.61 320	1.81 341	0.62 227	0.55 262	0.96 222	0.57 216	1.78 264	1.33 271	0.93 82	1.01 91	1.36 258	1.01 250	2.71 289	0.75 205	0.33 289	0.34 322	0.31 265	0.34 315	0.59 345	0.40 297

MaskLacGwcNet_RVC	1.10 286	1.02 361	1.00 235	0.82 331	0.67 301	1.93 341	0.93 305	1.62 227	1.11 174	1.15 155	1.25 180	1.50 282	0.79 157	1.96 244	0.76 207	1.89 384	0.34 322	0.79 369	0.36 323	1.25 378	0.83 366

DeepPrunerF	1.60 337	0.73 337	5.81 389	0.88 348	1.19 374	0.91 204	0.95 309	2.19 349	5.24 397	1.17 174	1.30 196	1.19 218	1.30 308	4.90 337	1.66 330	0.42 327	0.34 322	0.52 347	0.47 348	0.41 297	0.40 297

AnyNet_C32	1.96 360	1.10 365	5.17 385	0.90 352	1.11 366	2.12 353	2.37 394	1.85 278	1.48 315	2.45 364	1.70 299	2.05 343	1.64 337	2.50 281	10.28 398	0.37 311	0.34 322	0.35 302	0.41 335	0.49 326	0.54 334

NaN_ROB	1.13 294	0.55 299	1.15 274	0.64 244	0.48 224	1.61 312	2.03 383	1.72 244	1.48 315	2.09 351	1.27 189	1.40 262	1.08 269	3.94 320	1.30 293	0.28 260	0.34 322	0.28 244	0.28 275	0.30 247	0.33 274

CBMV	0.95 250	0.44 262	0.66 82	0.53 118	0.35 140	1.53 306	1.63 364	1.69 239	1.42 308	2.00 348	1.60 280	1.43 266	1.17 282	1.59 193	0.99 256	0.34 297	0.34 322	0.39 321	0.33 310	0.33 265	0.32 270
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
FINET	0.97 257	0.54 296	1.60 328	0.63 235	0.79 334	1.08 244	1.07 325	1.56 215	2.20 362	1.15 155	1.49 257	0.94 146	0.88 198	2.32 271	1.05 259	0.42 327	0.35 330	0.32 278	0.28 275	0.43 307	0.38 293

FAT-Stereo	1.07 278	0.41 253	1.32 299	0.72 299	0.58 273	1.08 244	0.89 294	1.96 305	1.65 331	1.75 326	1.98 330	2.03 341	1.48 324	2.02 248	1.18 281	0.42 327	0.35 330	0.34 295	0.29 286	0.35 268	0.53 333

RGC	1.14 296	0.79 346	1.26 289	0.91 355	0.96 359	1.52 305	0.77 266	1.92 296	1.26 238	1.54 302	1.93 327	2.02 340	1.54 328	2.25 268	1.31 294	0.44 337	0.35 330	0.58 363	0.48 350	0.47 320	0.46 317

stereogan	1.15 299	0.42 256	1.40 306	0.86 342	0.84 345	2.38 363	0.71 256	1.88 284	1.73 338	1.72 324	1.94 329	2.31 352	1.29 304	2.07 253	1.08 264	0.36 307	0.35 330	0.39 321	0.31 298	0.51 331	0.46 317

CSAN	1.41 325	0.59 312	1.26 289	0.70 289	0.50 232	1.76 326	1.78 368	1.77 260	1.90 350	2.35 359	2.32 347	1.92 329	1.94 359	5.56 352	1.49 322	0.43 332	0.35 330	0.40 326	0.41 335	0.43 307	0.41 301

RP	1.09 283	0.50 286	1.12 270	0.90 352	1.04 362	1.11 247	0.84 283	1.80 268	1.62 329	1.55 305	2.00 331	1.90 325	1.78 348	1.84 229	1.25 285	0.52 351	0.36 335	0.48 342	0.36 323	0.45 317	0.43 309

Anonymous Stereo	1.28 309	0.75 342	2.45 365	0.74 308	0.77 329	0.93 212	1.77 367	1.51 199	1.31 264	1.67 320	1.29 195	1.20 219	0.75 138	6.29 365	1.68 331	0.37 311	0.36 335	0.38 315	0.40 333	0.43 307	0.45 313

Wz-Net-TNSev	1.88 355	2.08 398	7.66 392	0.67 271	0.64 294	2.42 364	1.83 372	2.33 361	1.74 340	1.57 310	1.56 272	2.58 362	1.90 357	4.86 335	3.12 362	0.39 318	0.37 337	0.33 285	0.37 326	0.53 335	0.58 343

NCC-stereo	1.10 286	0.54 296	1.24 286	0.84 335	0.94 356	1.29 279	0.89 294	2.01 316	1.34 274	1.32 242	1.74 303	1.88 321	1.74 345	2.35 273	1.25 285	0.45 338	0.37 337	0.45 336	0.58 364	0.42 302	0.42 305

Abc-Net	1.10 286	0.54 296	1.24 286	0.84 335	0.94 356	1.29 279	0.89 294	2.01 316	1.34 274	1.32 242	1.74 303	1.88 321	1.74 345	2.35 273	1.25 285	0.45 338	0.37 337	0.45 336	0.58 364	0.42 302	0.42 305
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCPNet	1.85 354	0.69 332	8.07 394	0.71 296	0.58 273	2.79 374	1.22 340	1.94 302	1.54 324	1.88 339	1.69 298	2.46 360	2.04 363	2.37 275	6.48 382	0.38 315	0.37 337	0.38 315	0.43 339	0.47 320	0.45 313

SGM-ForestM	6.52 402	0.38 238	1.26 289	0.63 235	0.35 140	13.59 413	5.32 407	6.32 406	6.70 401	11.14 410	9.18 405	22.51 420	13.93 409	16.89 413	20.07 412	0.36 307	0.37 337	0.36 310	0.35 319	0.36 274	0.34 276

FBW_ROB	1.71 349	0.62 323	1.45 313	0.67 271	0.61 286	1.81 332	1.08 326	2.52 372	1.70 335	1.77 328	1.73 302	1.98 335	1.25 299	12.57 411	1.84 335	0.34 297	0.37 337	0.56 360	0.38 328	0.45 317	0.43 309

SGM-Forest	1.24 305	0.38 238	0.60 56	0.52 110	0.37 152	1.56 309	1.30 346	1.65 231	1.36 285	2.11 352	1.79 310	1.63 301	0.93 216	7.48 387	0.95 249	0.36 307	0.37 337	0.39 321	0.34 315	0.37 278	0.32 270
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
ADCS	2.25 367	0.99 359	5.55 386	0.81 326	0.74 319	2.19 355	1.80 369	2.27 357	2.14 360	2.80 375	2.13 340	2.40 357	2.03 362	2.64 287	13.69 403	0.41 324	0.39 344	0.40 326	0.45 343	0.58 343	0.56 338

AnyNet_C01	2.26 368	1.78 387	10.22 400	0.93 358	0.74 319	2.92 377	2.20 389	2.29 359	1.80 343	2.53 366	2.41 353	2.71 367	1.73 344	3.41 311	6.72 384	0.41 324	0.39 344	0.40 326	0.42 337	0.67 357	0.63 351

psmorigin	1.52 332	0.69 332	10.52 401	0.68 281	0.59 280	1.13 251	0.70 254	1.57 216	1.19 211	1.99 346	1.79 310	2.26 349	1.47 323	2.09 254	1.36 301	0.39 318	0.40 346	0.34 295	0.33 310	0.43 307	0.56 338

S-Stereo	1.15 299	0.46 270	2.17 356	0.81 326	0.80 339	1.21 269	1.19 338	1.93 300	2.02 356	1.47 285	2.11 338	1.57 291	1.17 282	2.05 252	1.41 310	0.40 320	0.40 346	0.35 302	0.31 298	0.44 314	0.70 359

edge stereo	1.11 289	0.50 286	1.30 295	0.71 296	0.65 297	1.14 252	0.75 260	1.93 300	1.37 289	1.71 323	1.83 314	2.54 361	1.44 318	2.43 279	1.23 283	0.42 327	0.41 348	0.54 353	0.35 319	0.42 302	0.46 317

CC-Net-ROB	1.49 328	1.26 375	1.27 292	0.88 348	0.79 334	1.76 326	1.00 317	1.79 266	1.26 238	1.10 130	1.61 284	1.21 220	0.99 246	8.13 393	0.84 235	1.09 380	0.41 348	2.20 386	0.46 346	1.20 377	0.48 323

CBMV_ROB	0.90 238	0.44 262	0.63 66	0.51 94	0.37 152	1.25 274	0.49 161	1.77 260	1.27 245	1.41 273	2.00 331	1.33 253	1.08 269	2.17 259	0.76 207	0.43 332	0.42 350	0.47 341	0.44 341	0.41 297	0.36 285

DGSMNet	1.14 296	0.76 344	2.49 367	0.81 326	0.86 348	1.39 292	1.39 350	2.13 332	1.35 282	1.26 213	1.63 290	1.48 280	0.98 238	1.75 217	1.10 269	0.45 338	0.43 351	0.55 357	0.49 353	0.75 363	0.70 359

NOSS_ROB	1.26 308	0.46 270	0.62 63	0.56 164	0.38 169	1.06 241	0.78 268	1.73 245	1.40 302	1.01 103	1.43 239	1.10 199	0.75 138	10.62 408	0.65 183	0.45 338	0.43 351	0.48 342	0.45 343	0.44 314	0.41 301

MeshStereo	2.26 368	0.56 302	0.92 214	0.61 216	0.49 227	2.60 369	1.02 320	3.18 382	2.05 358	7.40 408	4.98 388	7.58 398	2.98 384	6.37 366	1.96 342	0.43 332	0.43 351	0.45 336	0.39 329	0.43 307	0.42 305
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
HBP-ISP	0.96 251	0.58 309	0.72 117	0.61 216	0.46 219	1.64 316	0.76 263	1.86 281	1.28 250	1.30 230	1.53 264	0.86 122	0.94 221	3.27 308	0.69 189	0.45 338	0.44 354	0.54 353	0.48 350	0.47 320	0.40 297

BEATNet-Init1	26.87 419	13.43 416	70.68 431	0.91 355	0.68 307	57.02 432	21.06 414	32.82 424	32.67 421	52.12 432	53.61 431	66.05 432	49.56 432	48.79 433	34.71 423	0.49 350	0.44 354	0.53 352	0.53 359	0.63 350	0.59 345

G-Net	1.66 342	0.63 324	1.56 325	1.11 371	0.74 319	2.98 378	0.91 299	1.55 214	1.22 223	2.76 373	8.18 403	2.32 353	2.53 378	1.92 238	1.87 336	0.48 346	0.44 354	0.45 336	0.31 298	0.60 349	0.57 342

WCMA_ROB	1.84 353	0.47 274	1.31 296	0.69 284	0.57 265	2.11 352	1.14 332	1.87 282	1.73 338	4.04 389	6.43 392	5.62 392	3.61 389	2.59 284	1.94 341	0.52 351	0.44 354	0.39 321	0.42 337	0.48 323	0.47 320

ACVNet-4b	2.15 365	1.41 379	1.64 329	2.80 392	2.31 393	2.31 360	1.24 341	2.32 360	2.14 360	1.26 213	2.39 351	2.66 365	1.48 324	5.95 361	1.06 261	3.20 398	0.45 358	2.37 390	0.89 379	2.83 393	2.37 394

PVD	1.70 347	0.84 348	2.26 360	0.94 360	0.83 344	2.48 365	0.97 311	2.59 374	3.35 383	3.01 381	2.77 361	2.34 354	2.47 377	2.67 288	3.14 363	0.47 345	0.45 358	0.59 364	0.48 350	0.59 345	0.75 364

PA-Net	1.01 269	0.57 306	1.29 294	0.64 244	0.74 319	1.19 266	0.84 283	1.69 239	1.43 310	1.16 166	1.19 163	1.32 252	1.19 288	3.42 312	1.25 285	0.29 268	0.45 358	0.33 285	0.49 353	0.32 259	0.47 320
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
GANetREF_RVC	1.07 278	0.86 351	1.31 296	0.82 331	0.53 253	1.41 297	1.31 347	1.76 257	1.52 321	1.27 216	1.31 201	1.46 274	1.24 298	2.03 249	0.96 252	0.56 358	0.45 358	0.67 365	0.50 355	0.88 367	0.59 345
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
MFN_U_SF_DS_RVC	1.74 351	0.87 352	3.56 377	0.80 323	0.75 325	3.72 386	2.44 396	1.82 272	1.82 345	1.74 325	1.91 325	1.92 329	1.26 301	7.69 389	1.28 291	0.45 338	0.47 362	0.52 347	0.77 373	0.50 327	0.50 328

FCDSN-DC	2.32 370	0.63 324	0.81 174	0.84 335	0.75 325	2.23 356	0.94 307	2.09 330	1.80 343	5.45 402	7.72 400	7.77 400	6.93 406	3.39 309	1.80 334	0.52 351	0.48 363	0.52 347	0.51 357	0.57 341	0.58 343
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_RVC	1.52 332	0.84 348	3.42 376	0.87 347	0.66 299	2.56 368	0.95 309	2.36 364	1.70 335	1.98 345	1.86 319	2.45 359	1.79 349	2.95 296	2.58 354	0.52 351	0.48 363	0.55 357	0.59 367	0.59 345	0.61 349

FC-DCNN	2.72 385	0.59 312	0.86 186	0.73 306	0.57 265	2.91 376	1.04 322	3.01 380	2.60 373	6.83 404	7.64 399	9.92 405	6.33 404	5.21 341	3.14 363	0.53 357	0.48 363	0.51 346	0.50 355	0.53 335	0.51 332

MSMD_ROB	1.99 362	0.59 312	0.89 204	0.70 289	0.61 286	3.95 391	0.94 307	1.80 268	1.79 342	4.41 393	4.43 379	8.17 401	3.66 390	3.40 310	1.33 295	0.52 351	0.48 363	0.54 353	0.58 364	0.53 335	0.50 328

MANE	6.19 400	0.59 312	1.03 248	0.93 358	1.22 376	13.38 412	2.69 397	12.81 413	17.94 415	8.21 409	10.82 407	14.72 410	11.68 408	11.39 410	11.90 401	0.59 360	0.50 367	0.52 347	1.76 401	0.55 338	0.54 334

MSC_U_SF_DS_RVC	2.12 364	1.15 371	3.10 375	1.05 366	0.76 328	5.03 400	2.40 395	2.16 341	2.62 374	1.89 341	2.28 346	2.69 366	1.65 338	9.35 401	2.04 345	0.64 366	0.51 368	0.68 366	0.71 371	1.09 374	0.67 356

SAMSARA	1.55 334	0.84 348	2.61 369	1.22 374	1.07 363	2.50 366	1.93 378	2.05 321	1.89 348	2.75 372	1.66 295	2.81 368	1.69 343	3.08 302	1.97 343	0.46 344	0.51 368	0.42 330	0.46 346	0.58 343	0.59 345

ccnet	1.12 291	0.67 329	1.01 238	0.78 319	0.73 317	1.72 322	0.99 315	1.84 277	1.26 238	1.47 285	1.85 318	1.75 319	1.29 304	1.75 217	1.88 338	0.57 359	0.53 370	0.57 362	0.55 361	0.59 345	0.54 334

ELAS_RVC	2.48 377	0.74 340	1.90 346	1.05 366	0.92 354	2.76 372	4.01 405	2.76 375	4.11 391	4.69 396	4.63 383	4.62 383	5.96 402	3.97 321	3.96 372	0.63 365	0.53 370	0.56 360	0.52 358	0.64 352	0.63 351
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	2.37 372	0.74 340	1.54 324	0.99 362	0.92 354	4.78 397	2.33 393	3.33 384	3.37 384	5.05 401	4.77 386	3.67 377	4.53 397	3.42 312	4.50 375	0.62 363	0.53 370	0.55 357	0.53 359	0.63 350	0.64 355
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
UDG	1.41 325	2.65 404	0.99 230	1.44 380	1.64 383	1.34 285	0.80 277	1.60 221	1.23 226	1.23 197	1.71 300	2.01 338	1.34 312	1.47 172	1.41 310	0.90 371	0.54 373	2.29 388	0.75 372	1.84 381	1.04 375

Ntro	1.64 341	1.15 371	1.23 283	2.48 390	1.83 384	2.09 351	1.16 335	1.96 305	1.38 293	1.21 189	1.62 287	1.62 299	1.29 304	1.87 235	1.11 271	3.04 394	0.56 374	1.82 384	0.64 369	2.80 390	2.05 390

otaku	1.60 337	1.11 368	1.21 280	2.20 385	1.56 382	1.97 344	1.24 341	2.07 327	1.36 285	1.44 280	1.62 287	1.73 314	1.19 288	1.73 216	0.98 255	2.89 393	0.57 375	1.74 382	0.60 368	2.78 389	1.94 389

LSM	6.33 401	1.10 365	13.19 404	1.41 379	68.17 428	1.64 316	1.90 377	1.92 296	2.46 367	2.99 379	3.11 366	1.88 321	1.80 350	2.61 286	2.06 347	0.41 324	0.58 376	0.50 345	0.57 363	0.64 352	17.66 420

ACVNet_1	2.18 366	1.45 381	1.72 335	2.85 394	2.33 394	2.28 358	1.46 354	3.08 381	2.22 363	1.82 336	2.05 336	3.56 376	1.98 361	3.09 303	1.40 306	3.17 395	0.60 377	2.40 394	0.92 381	2.91 396	2.37 394

SDNR	1.62 340	0.51 289	2.17 356	0.53 118	0.56 263	3.80 389	0.45 133	1.54 210	1.29 254	1.33 250	2.41 353	1.08 191	0.96 231	11.18 409	1.16 276	0.66 367	0.63 378	0.43 332	0.32 304	0.64 352	0.67 356

ACVNet_2	2.43 376	1.41 379	2.04 350	2.62 391	2.24 390	2.63 371	1.88 376	3.31 383	3.01 379	2.19 353	3.45 371	4.62 383	2.04 363	4.50 330	1.47 320	2.55 390	0.64 379	2.22 387	0.84 377	2.69 388	2.29 393

Anonymous_2	1.30 312	0.55 299	0.82 176	0.52 110	0.58 273	1.01 233	0.64 236	1.25 149	0.97 117	0.96 89	0.78 44	1.33 253	1.29 304	1.03 96	0.74 202	0.62 363	0.64 379	1.06 378	9.63 415	1.16 375	0.49 327

PASM	1.34 317	0.92 355	2.62 370	0.86 342	0.87 350	1.03 235	1.08 326	1.50 194	1.51 320	1.82 336	1.41 234	1.68 309	1.26 301	4.87 336	1.34 297	0.61 362	0.65 381	0.68 366	0.78 374	0.69 359	0.68 358

DDUNet	1.50 330	2.69 405	1.12 270	1.77 382	1.88 385	1.84 336	0.92 301	1.70 242	1.16 202	1.38 265	1.79 310	1.60 297	1.12 277	1.37 147	1.08 264	1.10 381	0.76 382	2.37 390	0.94 382	2.00 382	1.37 382

MADNet+	2.69 382	3.22 408	11.53 403	1.44 380	1.12 368	3.19 380	1.81 370	2.85 377	2.37 364	1.68 321	2.07 337	2.85 370	2.18 368	7.41 384	5.23 378	0.79 369	0.76 382	0.69 368	0.65 370	0.98 369	0.95 370

Consistency-Raft	1.25 307	0.99 359	1.93 348	1.02 365	1.21 375	0.96 222	1.01 319	1.75 251	1.92 351	1.36 258	2.12 339	1.44 270	1.01 250	1.14 117	1.40 306	0.72 368	0.82 384	0.89 372	0.98 386	1.31 379	0.95 370

MFMNet_re	1.40 324	1.14 370	1.68 332	1.39 377	1.07 363	1.48 301	1.43 352	1.87 282	1.82 345	2.26 355	2.19 342	1.51 284	1.86 354	1.52 177	1.25 285	0.93 372	0.83 385	0.84 371	0.80 375	0.99 371	1.05 377

IMH-64-1	2.70 383	1.79 388	1.46 315	3.26 401	2.66 397	3.23 382	2.10 384	4.08 389	2.75 377	2.34 357	3.81 375	3.06 371	2.22 370	4.25 325	2.59 355	3.75 404	0.84 386	2.75 400	1.35 392	3.15 398	2.60 400

IMH-64	2.70 383	1.79 388	1.46 315	3.26 401	2.66 397	3.23 382	2.10 384	4.08 389	2.75 377	2.34 357	3.81 375	3.06 371	2.22 370	4.25 325	2.59 355	3.75 404	0.84 386	2.75 400	1.35 392	3.15 398	2.60 400

TorneroNet-64	5.30 399	2.03 394	1.74 338	3.43 403	2.81 400	10.09 407	2.12 386	9.10 410	17.12 414	4.96 400	9.27 406	10.72 409	3.70 391	9.20 398	4.55 376	3.31 399	0.84 386	2.88 403	1.55 399	3.49 401	3.04 403

RainbowNet	1.97 361	1.76 386	1.57 326	2.81 393	2.21 389	1.98 346	1.81 370	2.54 373	1.89 348	1.50 294	1.84 316	1.96 333	1.65 338	2.14 258	1.25 285	3.33 400	0.85 389	2.39 393	0.98 386	2.82 392	2.22 391

Dean	2.91 388	1.53 383	2.07 351	2.96 398	2.51 396	3.15 379	2.14 387	4.75 396	4.41 394	2.76 373	6.10 391	5.53 391	2.37 373	2.97 298	1.92 340	3.18 396	0.85 389	2.51 397	1.04 389	2.88 395	2.47 397

NVStereoNet_ROB	1.88 355	1.07 363	1.45 313	1.07 369	1.17 371	1.47 300	1.48 356	1.89 286	1.93 353	1.94 344	4.67 385	3.08 373	1.80 350	6.51 368	1.65 328	1.06 379	0.86 391	1.08 379	1.32 391	0.93 368	1.26 381
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
TorneroNet	10.70 409	2.03 394	1.82 342	3.43 403	3.01 402	43.83 424	2.22 390	8.87 409	67.47 433	7.17 407	27.36 418	10.68 408	3.85 394	8.67 396	7.65 392	3.59 402	0.88 392	3.04 404	1.57 400	3.71 402	3.17 404

IMH	3.21 389	1.85 392	1.48 320	3.25 400	2.69 399	4.07 393	2.02 382	4.41 394	3.80 388	2.72 370	7.11 396	4.75 386	2.92 382	5.92 359	2.55 353	3.85 407	0.88 392	2.78 402	1.36 394	3.19 400	2.59 399

PWCK	2.88 387	2.05 396	5.72 388	2.08 384	1.11 366	3.55 384	3.90 404	2.86 378	3.54 387	3.03 382	3.63 373	3.10 374	2.31 372	8.15 395	3.09 361	2.12 387	0.91 394	1.75 383	0.98 386	2.57 387	1.18 380

JetBlue	3.97 391	2.01 393	10.19 399	1.38 376	2.84 401	10.53 408	9.54 408	3.60 387	2.41 366	2.73 371	3.39 370	4.54 382	4.31 395	7.85 392	6.84 385	0.88 370	0.93 395	0.89 372	0.91 380	1.74 380	1.91 388

SPS-STEREO	1.67 343	1.04 362	1.23 283	1.21 373	1.13 370	1.82 334	1.11 328	2.16 341	1.52 321	3.07 383	2.32 347	2.82 369	1.80 350	4.11 323	2.04 345	1.03 377	0.99 396	0.97 374	0.94 382	1.03 373	1.02 373
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
WAO-7	2.66 379	1.40 378	1.73 337	1.39 377	1.17 371	3.93 390	1.94 379	4.11 391	3.88 389	2.92 377	5.50 389	4.18 381	3.00 385	7.63 388	3.71 370	1.13 382	1.00 397	1.17 380	1.13 390	1.18 376	1.09 379

anonymity	1.12 291	0.97 357	1.21 280	1.07 369	1.12 368	1.08 244	0.89 294	1.95 304	1.16 202	1.29 223	1.26 186	1.22 222	1.09 272	1.15 118	1.01 257	1.02 376	1.00 397	0.97 374	0.97 384	0.98 369	0.99 372

SGM+DAISY	2.41 375	1.07 363	2.14 355	1.18 372	1.10 365	2.14 354	1.36 349	1.96 305	1.66 332	5.46 403	7.07 395	4.95 388	4.32 396	5.50 349	2.26 351	1.04 378	1.02 399	0.99 376	0.97 384	1.02 372	1.04 375

WAO-8	4.40 393	1.82 390	1.79 339	2.34 387	2.20 387	9.19 405	1.53 357	6.09 403	16.46 409	3.94 387	7.84 401	7.32 395	3.72 392	9.41 403	3.31 366	2.00 385	1.07 400	2.44 395	1.37 395	2.50 385	1.68 385

Venus	4.40 393	1.82 390	1.79 339	2.34 387	2.20 387	9.19 405	1.53 357	6.09 403	16.46 409	3.94 387	7.84 401	7.32 395	3.72 392	9.41 403	3.31 366	2.00 385	1.07 400	2.44 395	1.37 395	2.50 385	1.68 385

LVE	3.31 390	1.67 385	1.64 329	2.85 394	2.42 395	3.20 381	2.26 391	4.78 397	5.05 396	2.35 359	6.91 393	6.02 393	2.37 373	9.15 397	2.17 350	3.19 397	1.08 402	2.38 392	1.47 398	2.81 391	2.40 396

WAO-6	2.81 386	1.60 384	1.46 315	2.36 389	2.28 392	3.55 384	2.29 392	4.21 392	4.56 395	2.36 361	4.51 380	4.88 387	2.66 379	4.60 331	4.07 374	1.72 383	1.15 403	2.31 389	1.46 397	2.31 383	1.85 387

UNDER WATER	5.08 397	2.33 401	5.55 386	3.94 410	3.51 407	5.20 401	2.72 399	5.61 401	16.52 411	3.84 386	4.60 382	9.21 403	5.89 401	5.90 358	8.66 394	3.75 404	1.34 404	3.18 407	1.88 402	4.33 409	3.61 408

notaker	3.98 392	2.40 403	2.68 371	3.82 408	3.27 406	3.97 392	2.14 387	4.78 397	3.45 386	4.12 392	6.94 394	7.65 399	3.26 386	7.82 391	5.30 379	4.04 408	1.41 405	3.36 409	2.10 406	3.88 404	3.31 406

UNDER WATER-64	5.27 398	2.32 400	8.78 397	3.93 409	3.54 408	7.61 403	3.03 403	5.84 402	14.19 405	4.04 389	4.04 377	9.39 404	6.26 403	5.93 360	8.48 393	3.60 403	1.51 406	3.13 405	1.88 402	4.29 408	3.61 408

KSHMR	8.75 407	2.06 397	2.11 353	3.53 405	3.11 403	4.13 394	2.69 397	5.60 400	61.37 432	3.00 380	55.83 432	4.98 390	2.45 376	4.49 329	2.61 357	3.46 401	1.55 407	3.14 406	1.94 404	3.72 403	3.18 405

ktn	4.70 395	2.38 402	2.12 354	3.76 406	3.24 404	4.85 398	2.95 402	5.52 399	7.37 402	4.07 391	19.32 415	7.46 397	3.47 387	7.39 383	2.95 359	4.04 408	1.85 408	3.26 408	2.22 407	3.08 397	2.65 402

JetRed	6.91 404	8.80 414	25.96 416	2.85 394	3.25 405	13.98 414	11.87 409	6.25 405	4.28 393	4.45 394	4.56 381	6.69 394	5.46 399	7.46 386	14.05 404	2.59 391	3.31 409	2.59 398	2.29 408	4.20 407	3.36 407

HanzoNet	11.04 410	3.62 409	8.10 396	4.08 411	3.55 409	4.90 399	2.73 400	7.19 407	10.10 403	31.86 428	28.92 420	21.96 419	36.36 421	18.08 414	10.17 397	7.94 414	3.32 410	3.47 410	3.31 409	7.06 414	4.04 410

PML	51.67 430	36.25 424	13.28 405	7.46 414	20.81 415	108.69 433	232.22 434	8.72 408	27.82 420	87.01 433	269.67 434	69.67 433	61.95 433	24.76 422	14.20 405	9.74 417	3.40 411	9.62 416	4.70 411	18.74 418	4.72 413

MADNet++	5.01 396	3.14 407	4.91 383	4.55 412	3.94 410	5.20 401	4.41 406	4.40 393	4.13 392	4.95 399	6.08 390	4.74 385	5.37 398	9.40 402	10.67 400	4.65 410	4.15 412	3.97 411	3.34 410	4.09 406	4.08 411

SPstereo	26.54 418	6.08 411	10.71 402	5.55 413	5.68 412	48.14 425	80.43 432	67.31 433	34.39 428	28.70 426	27.52 419	43.76 430	37.60 428	45.04 432	54.41 433	4.92 413	4.89 413	10.74 419	5.88 413	4.46 410	4.57 412

DPSimNet_ROB	11.20 411	4.98 410	35.43 420	2.90 397	4.52 411	7.89 404	17.09 412	4.66 395	6.06 400	14.89 414	10.93 408	17.29 411	36.81 423	13.18 412	15.68 408	2.86 392	6.29 414	5.75 414	5.09 412	3.91 405	7.70 414

DPSMNet_ROB	13.02 413	8.23 412	21.91 410	9.53 416	18.11 414	11.56 410	32.02 419	10.64 412	16.23 408	7.05 406	19.49 417	10.16 407	16.66 411	9.85 407	22.43 415	4.77 412	8.68 415	5.38 413	10.26 417	6.17 413	11.36 415

DGTPSM_ROB	13.01 412	8.23 412	21.87 409	9.51 415	18.10 413	11.56 410	32.01 418	10.63 411	16.20 407	7.03 405	19.48 416	10.15 406	16.66 411	9.83 406	22.42 414	4.75 411	8.68 415	5.37 412	10.25 416	6.16 412	11.36 415

Anonymous_1	43.04 429	18.73 417	24.79 413	21.81 417	46.26 427	27.80 415	37.60 420	28.08 419	16.14 406	14.66 413	14.30 409	20.65 413	17.88 413	21.56 415	25.94 417	117.93 433	8.92 417	100.65 430	126.50 430	158.64 433	12.08 417

DPSM_ROB	19.08 414	19.14 418	25.17 414	22.15 418	20.85 416	28.17 416	37.82 421	26.56 417	16.85 412	14.14 411	14.84 410	21.70 414	18.75 414	21.87 416	26.55 418	10.16 418	9.30 418	10.47 417	10.42 418	14.03 416	12.61 418

DPSM	19.08 414	19.14 418	25.17 414	22.15 418	20.85 416	28.17 416	37.82 421	26.56 417	16.85 412	14.14 411	14.84 410	21.70 414	18.75 414	21.87 416	26.55 418	10.16 418	9.30 418	10.47 417	10.42 418	14.03 416	12.61 418

tt	6.58 403	0.26 46	6.10 390	3.77 407	2.16 386	11.55 409	19.63 413	13.33 414	5.74 398	2.96 378	2.65 359	4.97 389	6.33 404	3.81 318	7.24 386	9.15 415	11.32 420	5.89 415	6.24 414	6.03 411	2.55 398

LSM0	42.82 428	38.75 430	50.81 430	47.07 429	109.38 433	57.00 431	76.02 426	53.74 432	33.71 422	29.02 427	30.41 427	43.87 431	37.22 424	43.91 430	53.54 432	20.52 425	18.62 421	21.10 425	21.11 425	28.41 424	42.22 427

Selective-RAFT-Error	38.39 424	38.47 426	50.44 429	44.73 424	41.97 426	56.68 429	76.38 428	53.24 431	33.92 424	28.34 422	29.85 423	43.60 428	38.20 430	43.75 425	53.34 427	20.38 424	18.70 422	21.09 424	21.05 420	28.30 423	25.43 425

CasAABBNet	38.33 420	38.46 425	50.35 425	44.75 428	41.84 422	56.68 429	76.37 427	53.22 430	33.83 423	28.31 421	29.54 422	43.62 429	37.71 429	43.84 429	53.41 428	20.30 420	18.70 422	21.07 423	21.07 421	28.24 422	25.34 421

MyStereo03	38.34 421	38.50 427	50.41 426	44.74 425	41.86 423	56.65 426	76.38 428	52.99 427	33.93 425	28.39 423	29.99 424	43.54 425	37.42 425	43.82 426	53.53 429	20.31 421	18.71 424	21.06 420	21.08 422	28.23 419	25.35 422

MyStereo02	38.34 421	38.50 427	50.41 426	44.74 425	41.86 423	56.65 426	76.38 428	52.99 427	33.93 425	28.39 423	29.99 424	43.54 425	37.42 425	43.82 426	53.53 429	20.31 421	18.71 424	21.06 420	21.08 422	28.23 419	25.35 422

MyStereo	38.34 421	38.50 427	50.41 426	44.74 425	41.86 423	56.65 426	76.38 428	52.99 427	33.93 425	28.39 423	29.99 424	43.54 425	37.42 425	43.82 426	53.53 429	20.31 421	18.71 424	21.06 420	21.08 422	28.23 419	25.35 422

LRCNet_RVC	22.74 416	32.10 423	21.97 411	29.84 420	26.23 418	4.42 396	0.81 280	22.66 415	2.02 356	26.93 420	29.26 421	23.06 421	15.59 410	23.84 418	18.88 411	31.75 426	19.90 427	34.65 426	32.13 426	30.54 425	28.32 426

xxxxx1	54.10 431	25.67 420	27.13 417	113.43 430	96.96 430	30.69 420	47.44 423	32.38 421	25.60 416	17.75 415	17.27 412	21.81 416	21.02 416	24.43 419	33.82 420	33.37 427	40.54 428	157.71 431	175.86 431	66.16 429	72.93 431

tt_ll	54.10 431	25.67 420	27.13 417	113.43 430	96.96 430	30.69 420	47.44 423	32.38 421	25.60 416	17.75 415	17.27 412	21.81 416	21.02 416	24.43 419	33.82 420	33.37 427	40.54 428	157.71 431	175.86 431	66.16 429	72.93 431

ff	54.10 431	25.67 420	27.13 417	113.43 430	96.96 430	30.69 420	47.44 423	32.38 421	25.60 416	17.75 415	17.27 412	21.81 416	21.02 416	24.43 419	33.82 420	33.37 427	40.54 428	157.71 431	175.86 431	66.16 429	72.93 431

AVERAGE_ROB	40.43 426	42.37 432	42.73 422	36.96 423	35.58 421	30.50 419	27.61 416	36.71 426	38.39 430	44.91 430	44.36 429	37.45 424	36.70 422	41.88 424	40.35 424	45.43 431	46.81 431	47.11 428	46.35 427	42.51 427	43.87 428

HaxPig	38.92 425	41.40 431	41.64 421	29.95 421	32.27 419	28.90 418	27.60 415	29.73 420	37.71 429	43.82 429	43.87 428	33.17 422	35.56 420	41.53 423	40.37 425	43.94 430	47.51 432	45.82 427	47.08 428	42.38 426	44.15 429

MEDIAN_ROB	42.00 427	44.40 433	44.29 424	35.15 422	34.95 420	31.28 423	29.60 417	35.88 425	40.02 431	47.20 431	46.64 430	37.37 423	38.48 431	44.35 431	42.45 426	48.03 432	49.39 433	49.71 429	49.03 429	45.14 428	46.65 430

test_example2	192.40 434	210.76 435	206.48 434	199.83 434	204.73 434	172.94 434	183.52 433	133.93 434	133.41 434	191.38 434	196.19 433	187.13 434	178.77 434	205.33 434	208.00 434	222.09 434	238.72 434	186.54 434	190.54 434	227.34 434	170.31 434

ASD4		10.99 415

Low-res two-view benchmark