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

LoS_RVC	0.13 2	0.10 24	0.19 1	0.18 8	0.16 229	0.20 55	0.18 87	0.20 2	0.17 3	0.13 2	0.19 26	0.12 3	0.15 50	0.17 11	0.13 24	0.06 1	0.05 6	0.06 1	0.04 1	0.05 1	0.12 254

DCANet-4	0.19 90	0.10 24	0.52 246	0.19 26	0.09 7	0.19 34	0.18 87	0.36 124	0.39 194	0.29 123	0.30 100	0.17 40	0.22 146	0.20 29	0.18 105	0.07 16	0.05 6	0.07 14	0.05 9	0.05 1	0.07 65

fff	0.19 90	0.13 136	0.40 144	0.18 8	0.09 7	0.19 34	0.18 87	0.35 105	0.43 227	0.29 123	0.30 100	0.18 47	0.28 224	0.20 29	0.18 105	0.07 16	0.05 6	0.07 14	0.05 9	0.05 1	0.07 65

csc	0.19 90	0.13 136	0.40 144	0.18 8	0.09 7	0.19 34	0.18 87	0.35 105	0.43 227	0.29 123	0.30 100	0.18 47	0.28 224	0.20 29	0.18 105	0.07 16	0.05 6	0.07 14	0.05 9	0.05 1	0.07 65

cscssc	0.19 90	0.13 136	0.40 144	0.18 8	0.09 7	0.19 34	0.18 87	0.35 105	0.43 227	0.29 123	0.30 100	0.18 47	0.28 224	0.20 29	0.18 105	0.07 16	0.05 6	0.07 14	0.05 9	0.05 1	0.07 65

MSKI-zero shot	0.17 36	0.09 9	0.43 183	0.20 58	0.11 42	0.21 73	0.15 26	0.32 68	0.21 26	0.23 57	0.24 60	0.23 94	0.10 4	0.31 151	0.13 24	0.07 16	0.06 72	0.07 14	0.06 23	0.06 6	0.06 18

RAFT-Test	0.17 36	0.10 24	0.38 128	0.19 26	0.12 77	0.25 136	0.17 59	0.33 82	0.23 44	0.23 57	0.29 89	0.27 139	0.14 43	0.20 29	0.14 40	0.07 16	0.06 72	0.07 14	0.07 50	0.06 6	0.06 18

CAS	0.15 21	0.07 1	0.21 4	0.41 367	0.16 229	0.20 55	0.18 87	0.22 3	0.19 7	0.15 11	0.19 26	0.11 2	0.09 2	0.14 1	0.13 24	0.29 371	0.04 1	0.06 1	0.04 1	0.06 6	0.14 283

LoS	0.14 6	0.08 2	0.27 22	0.16 3	0.09 7	0.22 93	0.14 13	0.26 14	0.26 65	0.15 11	0.18 23	0.18 47	0.13 33	0.22 45	0.14 40	0.08 99	0.06 72	0.06 1	0.04 1	0.06 6	0.06 18

Selective-IGEV	0.12 1	0.09 9	0.22 6	0.19 26	0.10 20	0.15 4	0.14 13	0.27 21	0.15 2	0.13 2	0.14 14	0.13 11	0.08 1	0.21 40	0.12 6	0.06 1	0.05 6	0.07 14	0.06 23	0.06 6	0.05 1

EGLCR-Stereo	0.13 2	0.08 2	0.20 3	0.18 8	0.09 7	0.21 73	0.13 3	0.27 21	0.21 26	0.13 2	0.10 1	0.15 28	0.09 2	0.20 29	0.13 24	0.07 16	0.05 6	0.07 14	0.07 50	0.06 6	0.06 18

MC-Stereo	0.14 6	0.09 9	0.25 14	0.21 87	0.09 7	0.18 13	0.16 38	0.23 6	0.19 7	0.18 39	0.23 50	0.16 35	0.13 33	0.22 45	0.13 24	0.07 16	0.05 6	0.07 14	0.07 50	0.06 6	0.05 1

RCA-Stereo	0.16 28	0.09 9	0.25 14	0.20 58	0.10 20	0.19 34	0.17 59	0.36 124	0.35 156	0.20 41	0.25 65	0.17 40	0.17 87	0.18 19	0.14 40	0.07 16	0.05 6	0.07 14	0.06 23	0.06 6	0.05 1

ADStereo(finetuned)	0.19 90	0.13 136	0.49 226	0.19 26	0.09 7	0.19 34	0.18 87	0.34 88	0.39 194	0.29 123	0.31 114	0.18 47	0.31 257	0.21 40	0.19 129	0.07 16	0.05 6	0.07 14	0.05 9	0.06 6	0.07 65

test-3	0.16 28	0.09 9	0.31 55	0.21 87	0.11 42	0.18 13	0.16 38	0.30 54	0.27 74	0.26 85	0.16 16	0.22 75	0.12 14	0.26 94	0.18 105	0.06 1	0.04 1	0.08 65	0.08 110	0.06 6	0.06 18

test_1	0.16 28	0.09 9	0.31 55	0.21 87	0.11 42	0.18 13	0.16 38	0.30 54	0.27 74	0.25 76	0.16 16	0.22 75	0.12 14	0.26 94	0.18 105	0.06 1	0.04 1	0.08 65	0.08 110	0.06 6	0.06 18

TRStereo	0.19 90	0.17 224	0.47 212	0.23 172	0.19 282	0.19 34	0.16 38	0.52 262	0.28 87	0.20 41	0.19 26	0.21 68	0.13 33	0.24 58	0.13 24	0.09 165	0.06 72	0.09 120	0.11 249	0.06 6	0.06 18

STrans-v2	0.24 183	0.13 136	0.54 252	0.21 87	0.12 77	0.23 110	0.21 185	0.47 214	0.28 87	0.31 168	0.42 219	0.36 219	0.35 278	0.62 276	0.23 189	0.07 16	0.05 6	0.08 65	0.07 50	0.06 6	0.06 18

TransformOpticalFlow	0.24 183	0.13 136	0.56 261	0.23 172	0.11 42	0.21 73	0.19 124	0.40 154	0.32 132	0.30 151	0.43 231	0.36 219	0.31 257	0.61 268	0.20 140	0.07 16	0.05 6	0.08 65	0.07 50	0.06 6	0.07 65

ASMatch	0.23 160	0.11 63	0.51 242	0.24 209	0.14 165	0.19 34	0.17 59	0.31 60	0.28 87	0.28 98	0.68 341	0.27 139	0.26 194	0.50 219	0.22 175	0.07 16	0.06 72	0.08 65	0.07 50	0.06 6	0.11 232

DEmStereo	0.26 215	0.09 9	0.47 212	0.19 26	0.12 77	0.30 209	0.25 257	0.28 33	0.36 166	0.36 242	0.58 313	0.25 112	0.48 337	0.53 235	0.44 303	0.07 16	0.06 72	0.08 65	0.08 110	0.06 6	0.07 65

RAFT-RH_RVC	0.25 205	0.11 63	0.45 199	0.21 87	0.12 77	0.25 136	0.14 13	0.27 21	0.27 74	0.38 255	1.15 379	0.23 94	0.17 87	0.57 251	0.24 198	0.07 16	0.05 6	0.10 183	0.07 50	0.06 6	0.07 65

RAFT-345	0.21 117	0.10 24	0.46 205	0.22 130	0.11 42	0.20 55	0.16 38	0.26 14	0.25 58	0.27 89	0.66 336	0.21 68	0.16 64	0.55 240	0.21 161	0.07 16	0.06 72	0.08 65	0.07 50	0.06 6	0.06 18

AnonymousM	0.17 36	0.19 251	0.24 10	0.18 8	0.10 20	0.18 13	0.17 59	0.30 54	0.23 44	0.26 85	0.20 36	0.18 47	0.14 43	0.19 25	0.14 40	0.09 165	0.06 72	0.38 374	0.15 318	0.06 6	0.05 1

cross-raft	0.17 36	0.12 81	0.41 166	0.23 172	0.10 20	0.20 55	0.24 243	0.33 82	0.23 44	0.23 57	0.28 80	0.29 161	0.15 50	0.17 11	0.15 51	0.06 1	0.05 6	0.07 14	0.07 50	0.06 6	0.05 1

test-1	0.17 36	0.11 63	0.40 144	0.23 172	0.13 131	0.22 93	0.23 221	0.34 88	0.26 65	0.20 41	0.24 60	0.22 75	0.14 43	0.16 7	0.20 140	0.07 16	0.06 72	0.08 65	0.07 50	0.06 6	0.08 111

CREStereo++_RVC	0.15 21	0.08 2	0.26 17	0.17 5	0.11 42	0.18 13	0.13 3	0.22 3	0.30 114	0.21 50	0.30 100	0.13 11	0.11 8	0.16 7	0.15 51	0.07 16	0.04 1	0.06 1	0.15 318	0.06 6	0.05 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
s12784h	0.17 36	0.09 9	0.26 17	0.18 8	0.07 1	0.32 228	0.19 124	0.37 130	0.32 132	0.23 57	0.25 65	0.18 47	0.17 87	0.25 81	0.16 68	0.07 16	0.05 6	0.07 14	0.05 9	0.06 6	0.05 1

TANstereo	0.15 21	0.09 9	0.28 30	0.16 3	0.08 2	0.25 136	0.14 13	0.23 6	0.28 87	0.24 70	0.30 100	0.16 35	0.12 14	0.17 11	0.13 24	0.08 99	0.07 158	0.06 1	0.05 9	0.06 6	0.07 65

raftrobust	0.16 28	0.13 136	0.29 37	0.22 130	0.15 206	0.19 34	0.13 3	0.32 68	0.26 65	0.26 85	0.20 36	0.19 58	0.17 87	0.21 40	0.15 51	0.08 99	0.06 72	0.07 14	0.06 23	0.06 6	0.07 65

DCANet	0.18 54	0.13 136	0.40 144	0.19 26	0.09 7	0.19 34	0.18 87	0.34 88	0.39 194	0.29 123	0.31 114	0.18 47	0.23 155	0.20 29	0.19 129	0.07 16	0.05 6	0.07 14	0.05 9	0.06 6	0.07 65

EAI-Stereo	0.21 117	0.10 24	0.33 74	0.21 87	0.12 77	0.30 209	0.46 358	0.46 207	0.20 16	0.25 76	0.50 278	0.17 40	0.16 64	0.24 58	0.23 189	0.07 16	0.06 72	0.07 14	0.10 216	0.06 6	0.07 65

CFNet-RSSM	0.17 36	0.10 24	0.40 144	0.20 58	0.11 42	0.20 55	0.15 26	0.36 124	0.30 114	0.23 57	0.21 44	0.26 131	0.15 50	0.20 29	0.13 24	0.07 16	0.05 6	0.07 14	0.07 50	0.06 6	0.05 1

Gwc-CoAtRS	0.17 36	0.10 24	0.37 109	0.20 58	0.12 77	0.19 34	0.15 26	0.32 68	0.28 87	0.23 57	0.23 50	0.27 139	0.15 50	0.20 29	0.13 24	0.07 16	0.05 6	0.07 14	0.07 50	0.06 6	0.06 18

R-Stereo Train	0.18 54	0.09 9	0.32 61	0.22 130	0.12 77	0.22 93	0.19 124	0.42 176	0.19 7	0.31 168	0.45 252	0.20 60	0.14 43	0.18 19	0.15 51	0.08 99	0.06 72	0.07 14	0.06 23	0.06 6	0.06 18

RAFT-Stereo	0.18 54	0.09 9	0.32 61	0.22 130	0.12 77	0.22 93	0.19 124	0.42 176	0.19 7	0.31 168	0.45 252	0.20 60	0.14 43	0.18 19	0.15 51	0.08 99	0.06 72	0.07 14	0.06 23	0.06 6	0.06 18
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AE-Stereo	0.17 36	0.11 63	0.31 55	0.24 209	0.14 165	0.23 110	0.18 87	0.34 88	0.29 105	0.15 11	0.25 65	0.21 68	0.13 33	0.20 29	0.14 40	0.07 16	0.08 224	0.09 120	0.10 216	0.07 37	0.06 18

ff7	0.14 6	0.12 81	0.27 22	0.19 26	0.12 77	0.21 73	0.18 87	0.27 21	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 58	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.07 65

IGEVStereo-DCA	0.14 6	0.11 63	0.27 22	0.19 26	0.12 77	0.20 55	0.18 87	0.27 21	0.20 16	0.15 11	0.12 2	0.14 22	0.12 14	0.28 121	0.14 40	0.07 16	0.06 72	0.08 65	0.07 50	0.07 37	0.07 65

ffff	0.14 6	0.12 81	0.27 22	0.19 26	0.12 77	0.21 73	0.18 87	0.27 21	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 58	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.07 65

rrr	0.17 36	0.11 63	0.57 265	0.19 26	0.12 77	0.20 55	0.18 87	0.35 105	0.22 33	0.15 11	0.12 2	0.14 22	0.12 14	0.28 121	0.14 40	0.07 16	0.06 72	0.08 65	0.07 50	0.07 37	0.07 65

11t	0.14 6	0.12 81	0.27 22	0.19 26	0.12 77	0.21 73	0.18 87	0.27 21	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 58	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.07 65

StereoIM	0.14 6	0.13 136	0.26 17	0.19 26	0.14 165	0.16 6	0.13 3	0.25 11	0.21 26	0.13 2	0.14 14	0.14 22	0.11 8	0.17 11	0.17 91	0.08 99	0.07 158	0.08 65	0.06 23	0.07 37	0.06 18

IGEV_Zeroshot_test	0.18 54	0.10 24	0.65 294	0.20 58	0.12 77	0.19 34	0.15 26	0.34 88	0.19 7	0.28 98	0.22 48	0.27 139	0.13 33	0.23 52	0.18 105	0.07 16	0.06 72	0.08 65	0.08 110	0.07 37	0.06 18

AEACV	0.13 2	0.09 9	0.23 8	0.18 8	0.19 282	0.19 34	0.16 38	0.23 6	0.14 1	0.13 2	0.17 19	0.13 11	0.16 64	0.16 7	0.12 6	0.07 16	0.05 6	0.07 14	0.08 110	0.07 37	0.06 18

Any-RAFT	0.17 36	0.08 2	0.31 55	0.19 26	0.10 20	0.29 192	0.16 38	0.42 176	0.30 114	0.24 70	0.27 76	0.27 139	0.16 64	0.21 40	0.12 6	0.08 99	0.05 6	0.06 1	0.05 9	0.07 37	0.06 18

HH	0.18 54	0.12 81	0.55 257	0.22 130	0.12 77	0.18 13	0.18 87	0.34 88	0.19 7	0.20 41	0.24 60	0.34 200	0.18 109	0.29 134	0.12 6	0.07 16	0.05 6	0.07 14	0.07 50	0.07 37	0.06 18

HanStereo	0.18 54	0.12 81	0.55 257	0.22 130	0.12 77	0.18 13	0.18 87	0.34 88	0.19 7	0.20 41	0.24 60	0.34 200	0.18 109	0.29 134	0.12 6	0.07 16	0.05 6	0.07 14	0.07 50	0.07 37	0.06 18

DCRE	0.20 103	0.13 136	0.40 144	0.21 87	0.15 206	0.20 55	0.19 124	0.30 54	0.27 74	0.22 54	0.80 358	0.23 94	0.16 64	0.23 52	0.15 51	0.07 16	0.07 158	0.07 14	0.08 110	0.07 37	0.06 18

anonymousa	0.23 160	0.11 63	0.50 236	0.21 87	0.16 229	0.31 220	0.20 162	0.36 124	0.35 156	0.32 186	0.50 278	0.39 239	0.26 194	0.22 45	0.20 140	0.08 99	0.06 72	0.09 120	0.11 249	0.07 37	0.08 111

ProNet	0.14 6	0.12 81	0.25 14	0.19 26	0.11 42	0.19 34	0.19 124	0.27 21	0.20 16	0.14 8	0.13 6	0.13 11	0.12 14	0.24 58	0.12 6	0.06 1	0.05 6	0.07 14	0.06 23	0.07 37	0.07 65

ccc-4	0.14 6	0.12 81	0.27 22	0.19 26	0.12 77	0.21 73	0.18 87	0.27 21	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 58	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.07 65

DisPM	0.19 90	0.10 24	0.35 87	0.23 172	0.13 131	0.18 13	0.20 162	0.29 40	0.29 105	0.33 195	0.34 142	0.23 94	0.16 64	0.33 163	0.16 68	0.09 165	0.06 72	0.09 120	0.08 110	0.07 37	0.11 232

test_4	0.18 54	0.12 81	0.34 79	0.23 172	0.12 77	0.18 13	0.22 201	0.26 14	0.24 54	0.24 70	0.47 269	0.22 75	0.13 33	0.24 58	0.16 68	0.06 1	0.05 6	0.09 120	0.09 184	0.07 37	0.05 1

GLC_STEREO	0.15 21	0.10 24	0.24 10	0.21 87	0.09 7	0.17 9	0.15 26	0.23 6	0.27 74	0.17 28	0.20 36	0.17 40	0.11 8	0.23 52	0.16 68	0.07 16	0.09 252	0.09 120	0.08 110	0.07 37	0.06 18

IPLG	0.21 117	0.15 190	0.53 249	0.21 87	0.12 77	0.28 173	0.17 59	0.42 176	0.30 114	0.33 195	0.32 117	0.15 28	0.17 87	0.50 219	0.21 161	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.06 18

MIPNet	0.21 117	0.15 190	0.52 246	0.21 87	0.12 77	0.27 160	0.20 162	0.45 198	0.37 175	0.30 151	0.23 50	0.19 58	0.24 170	0.27 109	0.19 129	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.06 18

IPLGR	0.21 117	0.13 136	0.61 278	0.21 87	0.11 42	0.25 136	0.18 87	0.41 164	0.37 175	0.28 98	0.27 76	0.21 68	0.19 122	0.37 184	0.18 105	0.07 16	0.06 72	0.08 65	0.07 50	0.07 37	0.06 18

test_3	0.18 54	0.11 63	0.32 61	0.24 209	0.11 42	0.22 93	0.25 257	0.31 60	0.31 124	0.25 76	0.18 23	0.23 94	0.13 33	0.25 81	0.19 129	0.06 1	0.05 6	0.09 120	0.10 216	0.07 37	0.06 18

CrosDoStereo	0.31 263	0.10 24	0.49 226	0.18 8	0.12 77	0.22 93	1.11 408	0.34 88	0.37 175	0.38 255	0.61 327	0.28 154	0.46 328	0.61 268	0.57 330	0.07 16	0.06 72	0.08 65	0.08 110	0.07 37	0.07 65

OMP-Stereo	0.23 160	0.14 165	0.35 87	0.29 317	0.13 131	0.21 73	0.16 38	0.37 130	0.33 143	0.34 211	0.30 100	0.34 200	0.19 122	0.70 301	0.24 198	0.07 16	0.06 72	0.09 120	0.07 50	0.07 37	0.06 18

IIG-Stereo	0.23 160	0.13 136	0.35 87	0.29 317	0.12 77	0.23 110	0.14 13	0.38 136	0.31 124	0.34 211	0.37 168	0.33 194	0.21 135	0.70 301	0.26 219	0.08 99	0.06 72	0.09 120	0.07 50	0.07 37	0.06 18

FTStereo	0.28 239	0.10 24	0.43 183	0.23 172	0.13 131	0.21 73	0.53 373	0.34 88	0.26 65	0.38 255	0.95 370	0.30 171	0.56 349	0.32 157	0.18 105	0.08 99	0.06 72	0.09 120	0.08 110	0.07 37	0.19 328

DeepStereo_LL	0.31 263	0.10 24	0.49 226	0.18 8	0.12 77	0.22 93	1.11 408	0.34 88	0.37 175	0.38 255	0.61 327	0.28 154	0.46 328	0.61 268	0.57 330	0.07 16	0.06 72	0.08 65	0.08 110	0.07 37	0.07 65

THIR-Stereo	0.29 249	0.12 81	0.41 166	0.19 26	0.11 42	0.28 173	0.72 386	0.32 68	0.35 156	0.37 247	0.65 334	0.34 200	0.50 339	0.57 251	0.45 306	0.07 16	0.06 72	0.08 65	0.09 184	0.07 37	0.07 65

DRaft	0.24 183	0.10 24	0.34 79	0.18 8	0.12 77	0.28 173	0.23 221	0.33 82	0.39 194	0.38 255	0.61 327	0.21 68	0.41 306	0.48 212	0.42 298	0.07 16	0.06 72	0.08 65	0.08 110	0.07 37	0.08 111

GrayStereo	0.25 205	0.09 9	0.32 61	0.26 274	0.13 131	0.23 110	0.47 362	0.34 88	0.30 114	0.39 270	0.47 269	0.30 171	0.79 372	0.29 134	0.16 68	0.07 16	0.06 72	0.08 65	0.09 184	0.07 37	0.13 266

CroCo-Stereo	0.14 6	0.13 136	0.24 10	0.25 246	0.11 42	0.11 1	0.18 87	0.32 68	0.23 44	0.12 1	0.12 2	0.18 47	0.12 14	0.14 1	0.13 24	0.08 99	0.06 72	0.07 14	0.05 9	0.07 37	0.06 18
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
raft+_RVC	0.18 54	0.14 165	0.32 61	0.21 87	0.15 206	0.21 73	0.16 38	0.38 136	0.34 150	0.21 50	0.28 80	0.20 60	0.15 50	0.24 58	0.19 129	0.08 99	0.06 72	0.08 65	0.07 50	0.07 37	0.08 111

XX-TBD	0.15 21	0.18 236	0.28 30	0.22 130	0.10 20	0.22 93	0.15 26	0.22 3	0.27 74	0.22 54	0.26 71	0.14 22	0.12 14	0.16 7	0.13 24	0.08 99	0.05 6	0.06 1	0.04 1	0.07 37	0.06 18

XX-Stereo	0.21 117	0.10 24	0.83 332	0.26 274	0.17 245	0.23 110	0.13 3	0.40 154	0.18 5	0.20 41	0.41 205	0.31 179	0.10 4	0.32 157	0.12 6	0.08 99	0.06 72	0.08 65	0.08 110	0.07 37	0.05 1

111	0.20 103	0.17 224	0.40 144	0.18 8	0.09 7	0.24 125	0.17 59	0.41 164	0.45 253	0.23 57	0.29 89	0.29 161	0.21 135	0.24 58	0.18 105	0.07 16	0.05 6	0.07 14	0.06 23	0.07 37	0.08 111

test_xeample3	0.16 28	0.11 63	0.56 261	0.19 26	0.12 77	0.20 55	0.18 87	0.35 105	0.20 16	0.16 24	0.12 2	0.13 11	0.12 14	0.24 58	0.15 51	0.07 16	0.06 72	0.07 14	0.08 110	0.07 37	0.07 65

RAFT-Stereo + iAFF	0.17 36	0.14 165	0.32 61	0.20 58	0.09 7	0.19 34	0.17 59	0.32 68	0.30 114	0.25 76	0.33 136	0.20 60	0.17 87	0.19 25	0.15 51	0.06 1	0.05 6	0.07 14	0.07 50	0.07 37	0.05 1

AFF-stereo	0.18 54	0.15 190	0.32 61	0.21 87	0.10 20	0.18 13	0.18 87	0.33 82	0.27 74	0.25 76	0.37 168	0.25 112	0.17 87	0.24 58	0.15 51	0.06 1	0.05 6	0.08 65	0.08 110	0.07 37	0.05 1

CREStereo	0.13 2	0.08 2	0.21 4	0.14 1	0.08 2	0.22 93	0.15 26	0.25 11	0.24 54	0.16 24	0.21 44	0.14 22	0.13 33	0.18 19	0.13 24	0.09 165	0.05 6	0.06 1	0.04 1	0.07 37	0.06 18
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	0.15 21	0.08 2	0.23 8	0.15 2	0.09 7	0.23 110	0.16 38	0.25 11	0.23 44	0.17 28	0.21 44	0.16 35	0.14 43	0.22 45	0.13 24	0.29 371	0.05 6	0.06 1	0.04 1	0.07 37	0.06 18

DIP-Stereo	0.18 54	0.12 81	0.33 74	0.20 58	0.13 131	0.28 173	0.12 1	0.42 176	0.25 58	0.27 89	0.32 117	0.21 68	0.17 87	0.25 81	0.20 140	0.07 16	0.06 72	0.08 65	0.06 23	0.07 37	0.08 111
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
RASNet	0.28 239	0.14 165	0.44 189	0.22 130	0.18 264	0.32 228	0.19 124	0.48 225	0.38 188	0.29 123	0.43 231	0.47 287	0.37 290	0.79 333	0.36 271	0.09 165	0.07 158	0.07 14	0.09 184	0.07 37	0.07 65

MLCV	0.22 143	0.16 208	0.44 189	0.21 87	0.08 2	0.29 192	0.19 124	0.38 136	0.37 175	0.38 255	0.44 240	0.31 179	0.21 135	0.41 195	0.24 198	0.07 16	0.05 6	0.06 1	0.05 9	0.07 37	0.06 18

tta	0.24 183	0.12 81	0.40 144	0.19 26	0.10 20	0.27 160	0.19 124	0.51 252	0.45 253	0.34 211	0.41 205	0.31 179	0.26 194	0.58 256	0.28 225	0.10 207	0.07 158	0.08 65	0.08 110	0.08 81	0.07 65

qqq1	0.24 183	0.12 81	0.40 144	0.19 26	0.10 20	0.27 160	0.19 124	0.51 252	0.45 253	0.34 211	0.41 205	0.31 179	0.26 194	0.58 256	0.16 68	0.10 207	0.07 158	0.07 14	0.06 23	0.08 81	0.07 65

fff1	0.24 183	0.12 81	0.40 144	0.19 26	0.10 20	0.27 160	0.19 124	0.51 252	0.45 253	0.34 211	0.41 205	0.31 179	0.26 194	0.58 256	0.16 68	0.10 207	0.07 158	0.07 14	0.06 23	0.08 81	0.07 65

MyStereo07	0.16 28	0.12 81	0.26 17	0.22 130	0.14 165	0.25 136	0.23 221	0.29 40	0.21 26	0.15 11	0.13 6	0.12 3	0.13 33	0.25 81	0.13 24	0.07 16	0.07 158	0.09 120	0.08 110	0.08 81	0.08 111

MyStereo06	0.20 103	0.12 81	0.57 265	0.21 87	0.14 165	0.25 136	0.23 221	0.40 154	0.21 26	0.30 151	0.24 60	0.31 179	0.18 109	0.22 45	0.18 105	0.07 16	0.07 158	0.09 120	0.08 110	0.08 81	0.08 111

MyStereo05	0.23 160	0.12 81	0.57 265	0.21 87	0.14 165	0.25 136	0.23 221	0.48 225	0.52 307	0.31 168	0.23 50	0.25 112	0.22 146	0.30 146	0.21 161	0.07 16	0.07 158	0.09 120	0.08 110	0.08 81	0.08 111

MyStereo04	0.23 160	0.12 81	0.55 257	0.22 130	0.14 165	0.25 136	0.23 221	0.49 231	0.52 307	0.28 98	0.23 50	0.27 139	0.23 155	0.30 146	0.22 175	0.07 16	0.07 158	0.09 120	0.08 110	0.08 81	0.08 111

CoDeX	0.23 160	0.12 81	0.46 205	0.21 87	0.14 165	0.29 192	0.21 185	0.53 273	0.41 218	0.29 123	0.35 149	0.29 161	0.22 146	0.48 212	0.19 129	0.09 165	0.06 72	0.08 65	0.07 50	0.08 81	0.07 65

cc1	0.18 54	0.14 165	0.38 128	0.23 172	0.11 42	0.31 220	0.19 124	0.35 105	0.47 272	0.17 28	0.19 26	0.13 11	0.18 109	0.28 121	0.11 1	0.08 99	0.05 6	0.08 65	0.06 23	0.08 81	0.08 111

DualNet	0.26 215	0.12 81	0.42 173	0.20 58	0.13 131	0.28 173	0.20 162	0.35 105	0.44 241	0.30 151	0.42 219	0.34 200	0.23 155	0.27 109	1.08 371	0.08 99	0.05 6	0.11 230	0.10 216	0.08 81	0.08 111

ffm	0.22 143	0.12 81	0.42 173	0.20 58	0.13 131	0.28 173	0.20 162	0.35 105	0.44 241	0.30 151	0.42 219	0.34 200	0.23 155	0.27 109	0.11 1	0.08 99	0.05 6	0.11 230	0.10 216	0.08 81	0.08 111

ff1	0.29 249	0.12 81	0.42 173	0.20 58	0.13 131	0.28 173	0.20 162	0.35 105	0.44 241	0.30 151	0.42 219	0.34 200	0.23 155	0.81 340	1.08 371	0.08 99	0.05 6	0.11 230	0.10 216	0.08 81	0.08 111

tt1	0.18 54	0.14 165	0.35 87	0.23 172	0.11 42	0.30 209	0.19 124	0.35 105	0.44 241	0.17 28	0.19 26	0.13 11	0.16 64	0.27 109	0.11 1	0.08 99	0.05 6	0.08 65	0.06 23	0.08 81	0.08 111

MIF-Stereo	0.14 6	0.10 24	0.30 43	0.21 87	0.13 131	0.17 9	0.13 3	0.19 1	0.18 5	0.15 11	0.20 36	0.10 1	0.11 8	0.18 19	0.16 68	0.08 99	0.06 72	0.07 14	0.06 23	0.08 81	0.06 18

MIM_Stereo	0.18 54	0.12 81	0.38 128	0.20 58	0.11 42	0.17 9	0.14 13	0.35 105	0.25 58	0.27 89	0.35 149	0.23 94	0.13 33	0.27 109	0.16 68	0.06 1	0.07 158	0.08 65	0.08 110	0.08 81	0.06 18

CASnet	0.14 6	0.12 81	0.22 6	0.22 130	0.08 2	0.16 6	0.15 26	0.27 21	0.25 58	0.22 54	0.20 36	0.15 28	0.11 8	0.17 11	0.13 24	0.07 16	0.05 6	0.11 230	0.09 184	0.08 81	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo2	0.18 54	0.18 236	0.39 139	0.22 130	0.12 77	0.24 125	0.13 3	0.31 60	0.23 44	0.24 70	0.20 36	0.24 105	0.12 14	0.26 94	0.15 51	0.06 1	0.06 72	0.12 263	0.09 184	0.08 81	0.07 65

4D-IteraStereo	0.17 36	0.16 208	0.50 236	0.21 87	0.14 165	0.19 34	0.17 59	0.28 33	0.28 87	0.23 57	0.20 36	0.20 60	0.11 8	0.19 25	0.14 40	0.06 1	0.04 1	0.10 183	0.08 110	0.08 81	0.06 18

anonymousdsp2	0.17 36	0.10 24	0.28 30	0.20 58	0.11 42	0.25 136	0.17 59	0.41 164	0.31 124	0.23 57	0.23 50	0.22 75	0.15 50	0.25 81	0.15 51	0.07 16	0.05 6	0.07 14	0.05 9	0.08 81	0.07 65

anonymousdsp	0.14 6	0.12 81	0.27 22	0.19 26	0.12 77	0.21 73	0.18 87	0.28 33	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 58	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.08 81	0.07 65

CES	0.14 6	0.08 2	0.19 1	0.17 5	0.22 319	0.18 13	0.16 38	0.23 6	0.19 7	0.14 8	0.17 19	0.14 22	0.10 4	0.18 19	0.12 6	0.07 16	0.05 6	0.06 1	0.04 1	0.08 81	0.18 321

Selective-RAFT	0.17 36	0.12 81	0.30 43	0.24 209	0.10 20	0.29 192	0.15 26	0.32 68	0.31 124	0.17 28	0.17 19	0.21 68	0.18 109	0.28 121	0.17 91	0.07 16	0.06 72	0.07 14	0.07 50	0.08 81	0.06 18

CroCo-Stereo Lap2	0.15 21	0.15 190	0.28 30	0.25 246	0.18 264	0.11 1	0.19 124	0.28 33	0.21 26	0.13 2	0.16 16	0.15 28	0.12 14	0.17 11	0.14 40	0.07 16	0.07 158	0.08 65	0.06 23	0.08 81	0.07 65

TestStereo1	0.21 117	0.16 208	0.32 61	0.26 274	0.13 131	0.26 153	0.27 273	0.40 154	0.36 166	0.29 123	0.39 190	0.22 75	0.21 135	0.33 163	0.17 91	0.07 16	0.06 72	0.09 120	0.08 110	0.08 81	0.07 65

raft_robust	0.22 143	0.17 224	0.30 43	0.22 130	0.12 77	0.23 110	0.22 201	0.49 231	0.48 281	0.32 186	0.32 117	0.26 131	0.23 155	0.53 235	0.15 51	0.07 16	0.06 72	0.08 65	0.10 216	0.08 81	0.06 18

RAFT_CTSACE	0.21 117	0.16 208	0.41 166	0.25 246	0.15 206	0.22 93	0.24 243	0.32 68	0.28 87	0.33 195	0.51 284	0.29 161	0.17 87	0.32 157	0.13 24	0.06 1	0.07 158	0.09 120	0.08 110	0.08 81	0.06 18

SA-5K	0.21 117	0.16 208	0.32 61	0.26 274	0.13 131	0.26 153	0.27 273	0.40 154	0.36 166	0.29 123	0.39 190	0.22 75	0.21 135	0.33 163	0.17 91	0.07 16	0.06 72	0.09 120	0.08 110	0.08 81	0.07 65

Sa-1000	0.22 143	0.15 190	0.35 87	0.23 172	0.13 131	0.28 173	0.23 221	0.47 214	0.39 194	0.30 151	0.50 278	0.26 131	0.19 122	0.33 163	0.16 68	0.07 16	0.06 72	0.10 183	0.11 249	0.08 81	0.06 18

SA	0.22 143	0.16 208	0.36 104	0.23 172	0.13 131	0.24 125	0.23 221	0.45 198	0.40 207	0.27 89	0.44 240	0.23 94	0.23 155	0.33 163	0.17 91	0.07 16	0.06 72	0.10 183	0.11 249	0.08 81	0.06 18

IGEV-Stereo	0.14 6	0.12 81	0.27 22	0.19 26	0.12 77	0.21 73	0.18 87	0.28 33	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 58	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.08 81	0.07 65
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CIPLG	0.21 117	0.21 272	0.55 257	0.23 172	0.15 206	0.25 136	0.20 162	0.35 105	0.29 105	0.31 168	0.33 136	0.22 75	0.15 50	0.26 94	0.20 140	0.08 99	0.07 158	0.07 14	0.07 50	0.08 81	0.08 111

iRaft-Stereo_20w	0.19 90	0.10 24	0.46 205	0.19 26	0.13 131	0.25 136	0.19 124	0.52 262	0.19 7	0.29 123	0.21 44	0.22 75	0.20 130	0.28 121	0.18 105	0.07 16	0.06 72	0.07 14	0.08 110	0.08 81	0.08 111

IPLGR_C	0.21 117	0.22 284	0.60 275	0.23 172	0.15 206	0.24 125	0.20 162	0.35 105	0.29 105	0.31 168	0.32 117	0.22 75	0.15 50	0.25 81	0.20 140	0.08 99	0.07 158	0.07 14	0.07 50	0.08 81	0.08 111

GMOStereo	0.18 54	0.14 165	0.30 43	0.22 130	0.12 77	0.20 55	0.27 273	0.26 14	0.28 87	0.31 168	0.32 117	0.26 131	0.17 87	0.15 3	0.12 6	0.07 16	0.07 158	0.10 183	0.08 110	0.08 81	0.05 1

error version	0.18 54	0.14 165	0.30 43	0.22 130	0.12 77	0.20 55	0.27 273	0.26 14	0.28 87	0.31 168	0.32 117	0.26 131	0.17 87	0.15 3	0.12 6	0.07 16	0.07 158	0.10 183	0.08 110	0.08 81	0.05 1

test-v	0.18 54	0.14 165	0.30 43	0.22 130	0.12 77	0.20 55	0.27 273	0.26 14	0.28 87	0.31 168	0.32 117	0.26 131	0.17 87	0.15 3	0.12 6	0.07 16	0.07 158	0.10 183	0.08 110	0.08 81	0.05 1

ACRE	0.21 117	0.20 259	0.62 286	0.23 172	0.15 206	0.24 125	0.20 162	0.35 105	0.28 87	0.31 168	0.32 117	0.22 75	0.15 50	0.25 81	0.20 140	0.08 99	0.07 158	0.07 14	0.07 50	0.08 81	0.08 111

PFNet+	0.20 103	0.10 24	0.37 109	0.21 87	0.12 77	0.17 9	0.19 124	0.29 40	0.34 150	0.33 195	0.32 117	0.24 105	0.16 64	0.32 157	0.17 91	0.10 207	0.07 158	0.11 230	0.10 216	0.08 81	0.12 254

HHNet	0.22 143	0.12 81	0.52 246	0.18 8	0.18 264	0.20 55	0.20 162	0.34 88	0.31 124	0.32 186	0.59 315	0.20 60	0.21 135	0.24 58	0.31 245	0.08 99	0.05 6	0.09 120	0.07 50	0.08 81	0.11 232

AAGNet	0.33 278	0.11 63	0.37 109	0.25 246	0.16 229	0.20 55	0.19 124	0.30 54	0.27 74	0.35 227	0.35 149	0.27 139	0.30 246	0.44 203	2.66 409	0.08 99	0.05 6	0.10 183	0.07 50	0.08 81	0.06 18

NF-Stereo	0.20 103	0.10 24	0.35 87	0.24 209	0.12 77	0.21 73	0.18 87	0.38 136	0.32 132	0.28 98	0.30 100	0.22 75	0.16 64	0.51 224	0.20 140	0.08 99	0.06 72	0.09 120	0.08 110	0.08 81	0.13 266

OCTAStereo	0.20 103	0.10 24	0.35 87	0.24 209	0.12 77	0.21 73	0.18 87	0.38 136	0.32 132	0.28 98	0.30 100	0.22 75	0.16 64	0.51 224	0.20 140	0.08 99	0.06 72	0.09 120	0.08 110	0.08 81	0.13 266

PSM-softLoss	0.21 117	0.10 24	0.39 139	0.24 209	0.12 77	0.20 55	0.18 87	0.38 136	0.26 65	0.29 123	0.32 117	0.24 105	0.16 64	0.52 230	0.20 140	0.09 165	0.06 72	0.10 183	0.09 184	0.08 81	0.12 254

KMStereo	0.21 117	0.10 24	0.39 139	0.24 209	0.12 77	0.20 55	0.18 87	0.38 136	0.26 65	0.29 123	0.32 117	0.24 105	0.16 64	0.52 230	0.20 140	0.09 165	0.06 72	0.10 183	0.09 184	0.08 81	0.12 254

PSM-AAD	0.25 205	0.10 24	0.30 43	0.24 209	0.12 77	0.26 153	0.38 337	0.34 88	0.28 87	0.35 227	0.39 190	0.28 154	0.79 372	0.30 146	0.16 68	0.07 16	0.06 72	0.12 263	0.11 249	0.08 81	0.21 345

KYRaft	0.22 143	0.10 24	0.30 43	0.23 172	0.12 77	0.23 110	0.23 221	0.35 105	0.24 54	0.35 227	0.54 300	0.34 200	0.26 194	0.29 134	0.15 51	0.07 16	0.05 6	0.09 120	0.10 216	0.08 81	0.31 369

RAFT_R40	0.21 117	0.10 24	0.37 109	0.24 209	0.13 131	0.18 13	0.18 87	0.31 60	0.29 105	0.33 195	0.33 136	0.30 171	0.24 170	0.55 240	0.18 105	0.08 99	0.05 6	0.10 183	0.08 110	0.08 81	0.07 65

PFNet	0.23 160	0.10 24	0.57 265	0.24 209	0.14 165	0.22 93	0.19 124	0.39 147	0.33 143	0.35 227	0.32 117	0.27 139	0.19 122	0.64 283	0.22 175	0.09 165	0.05 6	0.09 120	0.07 50	0.08 81	0.07 65

RE-Stereo	0.20 103	0.10 24	0.35 87	0.24 209	0.12 77	0.21 73	0.18 87	0.38 136	0.32 132	0.28 98	0.30 100	0.22 75	0.16 64	0.51 224	0.20 140	0.08 99	0.06 72	0.09 120	0.08 110	0.08 81	0.13 266

Pruner-Stereo	0.19 90	0.11 63	0.34 79	0.29 317	0.12 77	0.19 34	0.17 59	0.31 60	0.29 105	0.33 195	0.32 117	0.25 112	0.15 50	0.24 58	0.21 161	0.09 165	0.06 72	0.09 120	0.08 110	0.08 81	0.09 162

TVStereo	0.20 103	0.10 24	0.35 87	0.24 209	0.12 77	0.21 73	0.18 87	0.38 136	0.32 132	0.28 98	0.30 100	0.22 75	0.16 64	0.51 224	0.20 140	0.08 99	0.06 72	0.09 120	0.08 110	0.08 81	0.13 266

IRAFT_RVC	0.22 143	0.12 81	0.39 139	0.26 274	0.11 42	0.18 13	0.24 243	0.40 154	0.37 175	0.31 168	0.30 100	0.29 161	0.24 170	0.55 240	0.22 175	0.08 99	0.06 72	0.10 183	0.08 110	0.08 81	0.07 65

test-2	0.18 54	0.14 165	0.30 43	0.22 130	0.12 77	0.20 55	0.27 273	0.26 14	0.28 87	0.31 168	0.32 117	0.26 131	0.17 87	0.15 3	0.12 6	0.07 16	0.07 158	0.10 183	0.08 110	0.08 81	0.05 1

GMM-Stereo	0.21 117	0.10 24	0.43 183	0.23 172	0.13 131	0.24 125	0.25 257	0.37 130	0.27 74	0.30 151	0.45 252	0.27 139	0.21 135	0.31 151	0.17 91	0.07 16	0.05 6	0.10 183	0.09 184	0.08 81	0.19 328

Prome-Stereo	0.21 117	0.10 24	0.30 43	0.24 209	0.12 77	0.23 110	0.23 221	0.36 124	0.25 58	0.33 195	0.59 315	0.24 105	0.28 224	0.29 134	0.16 68	0.07 16	0.05 6	0.08 65	0.07 50	0.08 81	0.20 338

iRaftStereo_RVC	0.16 28	0.12 81	0.26 17	0.21 87	0.11 42	0.20 55	0.17 59	0.32 68	0.23 44	0.20 41	0.25 65	0.18 47	0.12 14	0.20 29	0.15 51	0.07 16	0.05 6	0.09 120	0.09 184	0.08 81	0.07 65

delet	0.27 222	0.14 165	0.40 144	0.23 172	0.19 282	0.41 291	0.29 290	0.49 231	0.48 281	0.33 195	0.41 205	0.37 223	0.30 246	0.48 212	0.34 261	0.09 165	0.09 252	0.11 230	0.12 281	0.08 81	0.08 111

cf-r	0.24 183	0.15 190	0.44 189	0.21 87	0.14 165	0.27 160	0.22 201	0.42 176	0.40 207	0.30 151	0.42 219	0.42 262	0.26 194	0.43 199	0.25 207	0.11 234	0.06 72	0.08 65	0.10 216	0.08 81	0.08 111

HSM-Net_RVC	0.27 222	0.11 63	0.42 173	0.19 26	0.11 42	0.34 250	0.20 162	0.62 344	0.43 227	0.40 278	0.43 231	0.50 303	0.26 194	0.76 324	0.22 175	0.08 99	0.07 158	0.07 14	0.07 50	0.08 81	0.08 111
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
HSM	0.28 239	0.16 208	0.35 87	0.20 58	0.15 206	0.33 237	0.19 124	0.53 273	0.37 175	0.36 242	0.38 178	0.67 354	0.31 257	0.89 353	0.23 189	0.08 99	0.06 72	0.08 65	0.07 50	0.08 81	0.08 111

iResNet	0.24 183	0.18 236	0.61 278	0.25 246	0.11 42	0.29 192	0.21 185	0.42 176	0.43 227	0.33 195	0.43 231	0.27 139	0.22 146	0.34 169	0.26 219	0.07 16	0.05 6	0.07 14	0.06 23	0.08 81	0.07 65

Former-RAFT_DAM_RVC	0.17 36	0.13 136	0.24 10	0.19 26	0.13 131	0.24 125	0.17 59	0.30 54	0.37 175	0.43 301	0.17 19	0.13 11	0.12 14	0.19 25	0.15 51	0.08 99	0.07 158	0.09 120	0.07 50	0.09 142	0.08 111

SMFormer	0.25 205	0.12 81	0.40 144	0.19 26	0.10 20	0.27 160	0.19 124	0.51 252	0.45 253	0.34 211	0.41 205	0.31 179	0.26 194	0.58 256	0.28 225	0.10 207	0.07 158	0.08 65	0.08 110	0.09 142	0.09 162

ACVNet-DCA	0.18 54	0.14 165	0.38 128	0.23 172	0.11 42	0.31 220	0.19 124	0.41 164	0.27 74	0.17 28	0.19 26	0.13 11	0.18 109	0.28 121	0.11 1	0.08 99	0.05 6	0.08 65	0.06 23	0.09 142	0.09 162

xx1	0.20 103	0.14 165	0.38 128	0.23 172	0.11 42	0.31 220	0.19 124	0.35 105	0.47 272	0.17 28	0.19 26	0.28 154	0.24 170	0.28 121	0.11 1	0.08 99	0.05 6	0.10 183	0.09 184	0.09 142	0.09 162

1test111	0.19 90	0.14 165	0.38 128	0.23 172	0.11 42	0.31 220	0.19 124	0.41 164	0.27 74	0.17 28	0.19 26	0.13 11	0.18 109	0.34 169	0.22 175	0.08 99	0.05 6	0.08 65	0.06 23	0.09 142	0.09 162

11t1	0.18 54	0.10 24	0.30 43	0.20 58	0.11 42	0.27 160	0.17 59	0.35 105	0.23 44	0.25 76	0.23 50	0.23 94	0.23 155	0.25 81	0.18 105	0.09 165	0.07 158	0.07 14	0.06 23	0.09 142	0.09 162

1111x	0.32 272	0.11 63	0.40 144	0.22 130	0.11 42	0.32 228	0.26 268	0.59 323	0.43 227	0.31 168	0.41 205	0.39 239	0.28 224	0.76 324	1.37 388	0.09 165	0.08 224	0.09 120	0.10 216	0.09 142	0.08 111

whm_eth	0.23 160	0.18 236	0.56 261	0.24 209	0.19 282	0.21 73	0.18 87	0.37 130	0.40 207	0.31 168	0.60 320	0.15 28	0.17 87	0.26 94	0.19 129	0.09 165	0.08 224	0.10 183	0.09 184	0.09 142	0.11 232

MIF-Stereo (partial)	0.16 28	0.10 24	0.34 79	0.21 87	0.15 206	0.15 4	0.13 3	0.28 33	0.25 58	0.17 28	0.26 71	0.15 28	0.16 64	0.25 81	0.17 91	0.09 165	0.06 72	0.10 183	0.08 110	0.09 142	0.08 111

EKT-Stereo	0.38 309	0.12 81	0.38 128	0.42 368	3.88 416	0.21 73	0.17 59	0.35 105	0.28 87	0.20 41	0.20 36	0.23 94	0.15 50	0.28 121	0.16 68	0.09 165	0.07 158	0.09 120	0.07 50	0.09 142	0.09 162

LL-Strereo	0.29 249	0.25 298	0.58 269	0.25 246	0.21 304	0.23 110	0.24 243	0.55 290	0.42 222	0.34 211	0.32 117	0.41 255	0.40 302	0.94 362	0.23 189	0.08 99	0.07 158	0.11 230	0.09 184	0.09 142	0.09 162

CBFPSM	0.27 222	0.16 208	0.67 298	0.20 58	0.14 165	0.38 276	0.25 257	0.40 154	0.36 166	0.33 195	0.36 159	0.56 320	0.38 294	0.32 157	0.38 274	0.08 99	0.08 224	0.07 14	0.08 110	0.09 142	0.11 232

gwcnet-sp	0.24 183	0.13 136	0.63 288	0.22 130	0.14 165	0.34 250	0.22 201	0.44 190	0.39 194	0.35 227	0.34 142	0.27 139	0.27 211	0.35 178	0.25 207	0.09 165	0.08 224	0.09 120	0.09 184	0.09 142	0.09 162

scenet	0.24 183	0.13 136	0.63 288	0.22 130	0.14 165	0.34 250	0.22 201	0.44 190	0.39 194	0.35 227	0.34 142	0.27 139	0.27 211	0.35 178	0.25 207	0.09 165	0.08 224	0.09 120	0.09 184	0.09 142	0.09 162

knoymous	0.17 36	0.09 9	0.32 61	0.17 5	0.11 42	0.21 73	0.17 59	0.32 68	0.23 44	0.23 57	0.28 80	0.27 139	0.16 64	0.23 52	0.16 68	0.09 165	0.06 72	0.09 120	0.06 23	0.09 142	0.09 162

ssnet	0.24 183	0.13 136	0.63 288	0.22 130	0.14 165	0.34 250	0.22 201	0.44 190	0.39 194	0.35 227	0.34 142	0.27 139	0.27 211	0.35 178	0.25 207	0.09 165	0.08 224	0.09 120	0.09 184	0.09 142	0.09 162

qqq	0.20 103	0.12 81	0.31 55	0.20 58	0.11 42	0.23 110	0.19 124	0.41 164	0.27 74	0.24 70	0.28 80	0.28 154	0.24 170	0.34 169	0.22 175	0.08 99	0.07 158	0.10 183	0.09 184	0.09 142	0.09 162

x	0.19 90	0.11 63	0.29 37	0.20 58	0.11 42	0.26 153	0.18 87	0.41 164	0.29 105	0.25 76	0.29 89	0.28 154	0.24 170	0.26 94	0.23 189	0.09 165	0.07 158	0.08 65	0.07 50	0.09 142	0.08 111

BUS	0.23 160	0.12 81	0.28 30	0.25 246	0.14 165	0.43 306	0.17 59	0.56 304	0.34 150	0.34 211	0.35 149	0.32 187	0.20 130	0.26 94	0.21 161	0.10 207	0.07 158	0.11 230	0.10 216	0.09 142	0.09 162

IER	0.23 160	0.12 81	0.39 139	0.20 58	0.14 165	0.31 220	0.19 124	0.42 176	0.36 166	0.33 195	0.40 197	0.32 187	0.33 267	0.29 134	0.22 175	0.09 165	0.07 158	0.08 65	0.08 110	0.09 142	0.08 111

RAFT+CT+SA	0.21 117	0.18 236	0.33 74	0.25 246	0.18 264	0.23 110	0.29 290	0.40 154	0.36 166	0.24 70	0.38 178	0.18 47	0.16 64	0.32 157	0.16 68	0.07 16	0.05 6	0.09 120	0.12 281	0.09 142	0.09 162

BSDual-CNN	0.23 160	0.12 81	0.28 30	0.25 246	0.14 165	0.35 259	0.21 185	0.56 304	0.34 150	0.34 211	0.35 149	0.38 228	0.24 170	0.26 94	0.21 161	0.10 207	0.07 158	0.11 230	0.10 216	0.09 142	0.09 162

hknet	0.25 205	0.14 165	0.40 144	0.25 246	0.15 206	0.35 259	0.21 185	0.56 304	0.37 175	0.34 211	0.35 149	0.43 265	0.27 211	0.37 184	0.21 161	0.09 165	0.07 158	0.11 230	0.10 216	0.09 142	0.09 162

iRaft-Stereo_5w	0.23 160	0.18 236	0.44 189	0.22 130	0.13 131	0.19 34	0.19 124	0.37 130	0.32 132	0.28 98	0.37 168	0.34 200	0.23 155	0.65 289	0.27 223	0.06 1	0.06 72	0.08 65	0.07 50	0.09 142	0.08 111

psmg	0.23 160	0.12 81	0.28 30	0.21 87	0.14 165	0.35 259	0.23 221	0.51 252	0.34 150	0.35 227	0.38 178	0.38 228	0.24 170	0.26 94	0.21 161	0.10 207	0.08 224	0.10 183	0.10 216	0.09 142	0.08 111

DAS	0.27 222	0.12 81	0.42 173	0.24 209	0.18 264	0.29 192	0.24 243	0.45 198	0.45 253	0.41 287	0.44 240	0.34 200	0.29 237	0.75 319	0.21 161	0.09 165	0.07 158	0.09 120	0.07 50	0.09 142	0.09 162

SepStereo	0.26 215	0.12 81	0.42 173	0.24 209	0.18 264	0.29 192	0.24 243	0.45 198	0.45 253	0.41 287	0.44 240	0.34 200	0.29 237	0.64 283	0.21 161	0.09 165	0.07 158	0.09 120	0.07 50	0.09 142	0.09 162

GwcNet-ADL	0.22 143	0.14 165	0.58 269	0.24 209	0.13 131	0.22 93	0.23 221	0.49 231	0.40 207	0.27 89	0.29 89	0.30 171	0.20 130	0.26 94	0.23 189	0.09 165	0.07 158	0.07 14	0.07 50	0.09 142	0.09 162

GANet-ADL	0.21 117	0.12 81	0.45 199	0.23 172	0.14 165	0.29 192	0.19 124	0.46 207	0.35 156	0.25 76	0.32 117	0.32 187	0.19 122	0.24 58	0.20 140	0.10 207	0.07 158	0.07 14	0.06 23	0.09 142	0.10 207

NRIStereo	0.18 54	0.11 63	0.35 87	0.23 172	0.11 42	0.24 125	0.20 162	0.29 40	0.26 65	0.26 85	0.25 65	0.25 112	0.18 109	0.34 169	0.18 105	0.07 16	0.06 72	0.09 120	0.07 50	0.09 142	0.08 111

SST-Stereo	0.21 117	0.10 24	0.37 109	0.24 209	0.13 131	0.19 34	0.17 59	0.31 60	0.24 54	0.34 211	0.33 136	0.29 161	0.25 185	0.56 248	0.17 91	0.08 99	0.05 6	0.10 183	0.08 110	0.09 142	0.07 65

DeepStereo_RVC	0.18 54	0.11 63	0.40 144	0.21 87	0.11 42	0.19 34	0.16 38	0.28 33	0.22 33	0.27 89	0.27 76	0.23 94	0.28 224	0.24 58	0.18 105	0.08 99	0.06 72	0.09 120	0.07 50	0.09 142	0.10 207

ICVP	0.23 160	0.13 136	0.44 189	0.26 274	0.14 165	0.29 192	0.25 257	0.45 198	0.33 143	0.29 123	0.43 231	0.35 214	0.25 185	0.26 94	0.23 189	0.12 261	0.09 252	0.09 120	0.08 110	0.09 142	0.10 207
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
rafts_anoy	0.18 54	0.15 190	0.35 87	0.22 130	0.14 165	0.19 34	0.17 59	0.32 68	0.30 114	0.23 57	0.25 65	0.20 60	0.16 64	0.22 45	0.19 129	0.08 99	0.07 158	0.10 183	0.12 281	0.09 142	0.08 111

RALCasStereoNet	0.18 54	0.15 190	0.33 74	0.21 87	0.14 165	0.21 73	0.18 87	0.31 60	0.25 58	0.21 50	0.29 89	0.22 75	0.15 50	0.27 109	0.17 91	0.08 99	0.10 270	0.07 14	0.06 23	0.09 142	0.09 162

RALAANet	0.19 90	0.18 236	0.37 109	0.23 172	0.14 165	0.23 110	0.13 3	0.37 130	0.29 105	0.28 98	0.26 71	0.25 112	0.15 50	0.26 94	0.18 105	0.08 99	0.06 72	0.09 120	0.08 110	0.09 142	0.06 18

sCroCo_RVC	0.18 54	0.14 165	0.49 226	0.27 297	0.18 264	0.22 93	0.17 59	0.27 21	0.23 44	0.14 8	0.22 48	0.17 40	0.14 43	0.21 40	0.15 51	0.10 207	0.11 287	0.09 120	0.09 184	0.09 142	0.09 162

222	0.41 323	0.10 24	0.29 37	0.19 26	0.11 42	0.36 264	0.20 162	0.57 311	0.39 194	0.35 227	0.44 240	0.30 171	0.27 211	0.55 240	3.56 412	0.11 234	0.07 158	0.08 65	0.08 110	0.09 142	0.09 162

xxxx	0.34 285	0.10 24	0.29 37	0.19 26	0.11 42	0.37 269	0.20 162	0.58 318	0.38 188	0.29 123	0.42 219	0.38 228	0.24 170	0.46 207	2.20 405	0.11 234	0.07 158	0.09 120	0.08 110	0.09 142	0.09 162

test_xeample	0.34 285	0.10 24	0.29 37	0.19 26	0.11 42	0.33 237	0.23 221	0.55 290	0.38 188	0.32 186	0.45 252	0.29 161	0.26 194	0.57 251	2.24 407	0.10 207	0.07 158	0.09 120	0.08 110	0.09 142	0.09 162

ARAFT	0.24 183	0.21 272	0.78 318	0.22 130	0.12 77	0.29 192	0.24 243	0.43 186	0.32 132	0.33 195	0.28 80	0.28 154	0.19 122	0.49 217	0.18 105	0.07 16	0.06 72	0.12 263	0.11 249	0.09 142	0.06 18

SFCPSM	0.22 143	0.10 24	0.51 242	0.21 87	0.14 165	0.34 250	0.22 201	0.55 290	0.39 194	0.29 123	0.32 117	0.23 94	0.21 135	0.27 109	0.19 129	0.09 165	0.07 158	0.09 120	0.09 184	0.09 142	0.08 111

FENet	0.21 117	0.11 63	0.45 199	0.21 87	0.12 77	0.26 153	0.17 59	0.41 164	0.35 156	0.30 151	0.31 114	0.29 161	0.23 155	0.26 94	0.23 189	0.09 165	0.06 72	0.09 120	0.09 184	0.09 142	0.09 162

ac_64	0.27 222	0.13 136	0.41 166	0.24 209	0.17 245	0.36 264	0.22 201	0.46 207	0.33 143	0.35 227	0.36 159	0.52 310	0.30 246	0.62 276	0.32 250	0.11 234	0.09 252	0.10 183	0.10 216	0.09 142	0.08 111

GwcNet-RSSM	0.26 215	0.17 224	0.46 205	0.21 87	0.13 131	0.28 173	0.23 221	0.44 190	0.42 222	0.31 168	0.45 252	0.40 252	0.26 194	0.55 240	0.28 225	0.11 234	0.07 158	0.09 120	0.10 216	0.09 142	0.08 111

AANet_RVC	0.31 263	0.22 284	0.50 236	0.23 172	0.14 165	0.30 209	0.24 243	0.47 214	0.54 315	0.38 255	0.60 320	0.43 265	0.29 237	0.87 349	0.40 289	0.11 234	0.07 158	0.07 14	0.07 50	0.09 142	0.09 162

HITNet	0.20 103	0.17 224	0.43 183	0.19 26	0.08 2	0.27 160	0.14 13	0.42 176	0.30 114	0.29 123	0.32 117	0.27 139	0.21 135	0.28 121	0.25 207	0.07 16	0.05 6	0.07 14	0.06 23	0.09 142	0.06 18
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
iResNet_ROB	0.25 205	0.19 251	0.40 144	0.20 58	0.12 77	0.30 209	0.16 38	0.55 290	0.53 311	0.38 255	0.43 231	0.37 223	0.26 194	0.38 188	0.22 175	0.08 99	0.06 72	0.06 1	0.04 1	0.09 142	0.09 162

MyStereo8	0.22 143	0.15 190	0.63 288	0.21 87	0.17 245	0.31 220	0.16 38	0.36 124	0.32 132	0.28 98	0.36 159	0.25 112	0.18 109	0.25 81	0.28 225	0.08 99	0.07 158	0.08 65	0.07 50	0.10 190	0.12 254

mmm	0.21 117	0.12 81	0.31 55	0.22 130	0.12 77	0.28 173	0.21 185	0.41 164	0.27 74	0.29 123	0.38 178	0.29 161	0.24 170	0.29 134	0.22 175	0.09 165	0.07 158	0.11 230	0.09 184	0.10 190	0.09 162

test croco	0.17 36	0.13 136	0.43 183	0.21 87	0.13 131	0.16 6	0.17 59	0.27 21	0.22 33	0.16 24	0.26 71	0.13 11	0.16 64	0.27 109	0.16 68	0.08 99	0.06 72	0.10 183	0.07 50	0.10 190	0.07 65

StereoVision	0.22 143	0.18 236	0.37 109	0.27 297	0.17 245	0.23 110	0.22 201	0.38 136	0.31 124	0.20 41	0.51 284	0.22 75	0.16 64	0.28 121	0.18 105	0.11 234	0.12 304	0.13 282	0.13 299	0.10 190	0.07 65

riskmin	0.18 54	0.09 9	0.34 79	0.18 8	0.12 77	0.24 125	0.16 38	0.34 88	0.28 87	0.21 50	0.23 50	0.33 194	0.24 170	0.23 52	0.17 91	0.09 165	0.06 72	0.09 120	0.06 23	0.10 190	0.10 207

CRFU-Net	0.28 239	0.14 165	0.45 199	0.25 246	0.15 206	0.45 313	0.23 221	0.50 239	0.30 114	0.43 301	0.41 205	0.48 293	0.46 328	0.43 199	0.29 235	0.11 234	0.10 270	0.09 120	0.08 110	0.10 190	0.10 207

test_5	0.23 160	0.19 251	0.38 128	0.26 274	0.18 264	0.25 136	0.29 290	0.40 154	0.37 175	0.29 123	0.40 197	0.25 112	0.22 146	0.34 169	0.18 105	0.07 16	0.05 6	0.09 120	0.09 184	0.10 190	0.10 207

CSP-Net	0.27 222	0.15 190	0.30 43	0.21 87	0.14 165	0.44 308	0.24 243	0.50 239	0.40 207	0.41 287	0.43 231	0.42 262	0.26 194	0.66 293	0.28 225	0.12 261	0.08 224	0.08 65	0.08 110	0.10 190	0.09 162

PSMNet-ADL	0.25 205	0.15 190	0.32 61	0.26 274	0.14 165	0.31 220	0.22 201	0.44 190	0.36 166	0.27 89	0.33 136	0.41 255	0.28 224	0.61 268	0.29 235	0.11 234	0.09 252	0.09 120	0.11 249	0.10 190	0.10 207

Patchmatch Stereo++	0.18 54	0.12 81	0.37 109	0.22 130	0.10 20	0.18 13	0.14 13	0.29 40	0.22 33	0.28 98	0.29 89	0.25 112	0.17 87	0.26 94	0.16 68	0.08 99	0.06 72	0.10 183	0.08 110	0.10 190	0.08 111
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.18 54	0.12 81	0.37 109	0.22 130	0.10 20	0.18 13	0.16 38	0.29 40	0.22 33	0.28 98	0.29 89	0.25 112	0.18 109	0.24 58	0.16 68	0.08 99	0.06 72	0.10 183	0.08 110	0.10 190	0.08 111

ROB_FTStereo_v2	0.18 54	0.12 81	0.37 109	0.22 130	0.10 20	0.18 13	0.16 38	0.29 40	0.22 33	0.28 98	0.29 89	0.25 112	0.17 87	0.24 58	0.16 68	0.08 99	0.06 72	0.10 183	0.08 110	0.10 190	0.08 111

ROB_FTStereo	0.18 54	0.12 81	0.37 109	0.22 130	0.10 20	0.18 13	0.14 13	0.29 40	0.22 33	0.28 98	0.28 80	0.25 112	0.17 87	0.24 58	0.16 68	0.08 99	0.06 72	0.10 183	0.08 110	0.10 190	0.08 111

HUI-Stereo	0.18 54	0.12 81	0.37 109	0.22 130	0.10 20	0.18 13	0.14 13	0.29 40	0.22 33	0.28 98	0.28 80	0.25 112	0.17 87	0.22 45	0.16 68	0.08 99	0.06 72	0.10 183	0.08 110	0.10 190	0.08 111

iGMRVC	0.18 54	0.12 81	0.37 109	0.22 130	0.10 20	0.18 13	0.15 26	0.29 40	0.22 33	0.28 98	0.29 89	0.25 112	0.17 87	0.27 109	0.17 91	0.08 99	0.06 72	0.10 183	0.08 110	0.10 190	0.08 111

iRAFT	0.18 54	0.12 81	0.37 109	0.22 130	0.10 20	0.18 13	0.14 13	0.29 40	0.22 33	0.28 98	0.29 89	0.25 112	0.17 87	0.26 94	0.16 68	0.08 99	0.06 72	0.10 183	0.08 110	0.10 190	0.08 111

CRE-IMP	0.18 54	0.12 81	0.37 109	0.22 130	0.11 42	0.24 125	0.17 59	0.29 40	0.21 26	0.27 89	0.26 71	0.24 105	0.17 87	0.23 52	0.18 105	0.08 99	0.05 6	0.10 183	0.07 50	0.10 190	0.10 207

RAFT	0.21 117	0.17 224	0.32 61	0.24 209	0.12 77	0.25 136	0.27 273	0.35 105	0.28 87	0.33 195	0.33 136	0.38 228	0.22 146	0.29 134	0.17 91	0.08 99	0.08 224	0.11 230	0.10 216	0.10 190	0.06 18

RAFT-IKP	0.18 54	0.12 81	0.37 109	0.22 130	0.10 20	0.18 13	0.15 26	0.29 40	0.22 33	0.28 98	0.29 89	0.25 112	0.18 109	0.25 81	0.16 68	0.08 99	0.06 72	0.10 183	0.08 110	0.10 190	0.08 111

GES	0.22 143	0.12 81	0.42 173	0.20 58	0.14 165	0.27 160	0.19 124	0.49 231	0.33 143	0.30 151	0.36 159	0.25 112	0.23 155	0.29 134	0.22 175	0.10 207	0.08 224	0.08 65	0.07 50	0.10 190	0.11 232

HCRNet	0.24 183	0.25 298	0.33 74	0.34 345	0.16 229	0.27 160	0.18 87	0.43 186	0.35 156	0.30 151	0.35 149	0.32 187	0.22 146	0.44 203	0.20 140	0.13 277	0.08 224	0.13 282	0.11 249	0.10 190	0.09 162

GMStereo	0.19 90	0.25 298	0.40 144	0.21 87	0.12 77	0.22 93	0.19 124	0.29 40	0.40 207	0.25 76	0.23 50	0.16 35	0.15 50	0.25 81	0.19 129	0.09 165	0.06 72	0.08 65	0.08 110	0.10 190	0.08 111
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
MMNet	0.27 222	0.14 165	0.49 226	0.24 209	0.17 245	0.47 321	0.22 201	0.45 198	0.51 301	0.39 270	0.41 205	0.36 219	0.33 267	0.39 190	0.34 261	0.08 99	0.07 158	0.09 120	0.09 184	0.10 190	0.08 111

psm_up	0.29 249	0.16 208	0.41 166	0.26 274	0.17 245	0.32 228	0.26 268	0.55 290	0.43 227	0.36 242	0.40 197	0.45 279	0.37 290	0.58 256	0.30 241	0.11 234	0.12 304	0.13 282	0.12 281	0.10 190	0.10 207

UNet	0.28 239	0.14 165	0.69 303	0.23 172	0.20 296	0.44 308	0.22 201	0.50 239	0.40 207	0.34 211	0.39 190	0.43 265	0.33 267	0.40 193	0.31 245	0.09 165	0.07 158	0.10 183	0.08 110	0.10 190	0.08 111

UPFNet	0.25 205	0.12 81	0.38 128	0.24 209	0.19 282	0.37 269	0.28 286	0.48 225	0.38 188	0.34 211	0.37 168	0.37 223	0.28 224	0.39 190	0.33 257	0.10 207	0.09 252	0.10 183	0.10 216	0.10 190	0.08 111

ACVNet	0.23 160	0.13 136	0.35 87	0.18 8	0.15 206	0.27 160	0.23 221	0.39 147	0.44 241	0.28 98	0.41 205	0.38 228	0.26 194	0.27 109	0.32 250	0.08 99	0.07 158	0.08 65	0.07 50	0.10 190	0.07 65

HGLStereo	0.27 222	0.14 165	0.46 205	0.24 209	0.21 304	0.33 237	0.23 221	0.50 239	0.42 222	0.35 227	0.48 275	0.41 255	0.33 267	0.45 205	0.33 257	0.11 234	0.10 270	0.09 120	0.09 184	0.10 190	0.12 254

GANet-RSSM	0.24 183	0.14 165	0.36 104	0.21 87	0.14 165	0.27 160	0.21 185	0.45 198	0.33 143	0.29 123	0.39 190	0.39 239	0.28 224	0.58 256	0.23 189	0.11 234	0.07 158	0.09 120	0.09 184	0.10 190	0.09 162

PSMNet-RSSM	0.24 183	0.15 190	0.36 104	0.21 87	0.14 165	0.25 136	0.20 162	0.48 225	0.37 175	0.30 151	0.44 240	0.38 228	0.26 194	0.52 230	0.22 175	0.12 261	0.07 158	0.11 230	0.13 299	0.10 190	0.09 162

DMCA	0.22 143	0.14 165	0.36 104	0.22 130	0.14 165	0.27 160	0.20 162	0.43 186	0.38 188	0.31 168	0.32 117	0.33 194	0.24 170	0.24 58	0.28 225	0.11 234	0.08 224	0.10 183	0.08 110	0.10 190	0.11 232

BEATNet_4x	0.22 143	0.18 236	0.47 212	0.22 130	0.10 20	0.28 173	0.14 13	0.46 207	0.32 132	0.31 168	0.34 142	0.31 179	0.25 185	0.31 151	0.29 235	0.08 99	0.06 72	0.08 65	0.06 23	0.10 190	0.08 111

NLCA_NET_v2_RVC	0.27 222	0.21 272	0.59 273	0.25 246	0.18 264	0.29 192	0.22 201	0.50 239	0.40 207	0.38 255	0.41 205	0.43 265	0.27 211	0.43 199	0.29 235	0.11 234	0.08 224	0.10 183	0.10 216	0.10 190	0.11 232
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.27 222	0.17 224	0.35 87	0.25 246	0.14 165	0.37 269	0.21 185	0.47 214	0.41 218	0.44 307	0.51 284	0.41 255	0.28 224	0.45 205	0.37 272	0.09 165	0.06 72	0.11 230	0.11 249	0.10 190	0.10 207
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.28 239	0.16 208	0.34 79	0.27 297	0.16 229	0.38 276	0.25 257	0.48 225	0.43 227	0.46 314	0.46 262	0.51 307	0.33 267	0.53 235	0.33 257	0.10 207	0.10 270	0.11 230	0.11 249	0.10 190	0.09 162

pmcnn	0.50 346	0.20 259	0.78 318	0.24 209	0.26 347	0.39 283	0.30 300	0.51 252	0.50 298	0.54 344	1.23 382	2.52 405	0.37 290	0.77 330	0.95 365	0.08 99	0.06 72	0.06 1	0.05 9	0.10 190	0.08 111

mmx	0.31 263	0.12 81	0.42 173	0.20 58	0.13 131	0.28 173	0.20 162	0.55 290	0.45 253	0.30 151	0.42 219	0.34 200	0.23 155	0.81 340	1.08 371	0.10 207	0.07 158	0.11 230	0.10 216	0.11 226	0.10 207

ttt	0.29 249	0.12 81	0.34 79	0.21 87	0.13 131	0.29 192	0.20 162	0.56 304	0.47 272	0.31 168	0.44 240	0.30 171	0.22 146	0.65 289	0.85 361	0.13 277	0.10 270	0.10 183	0.10 216	0.11 226	0.11 232

xxx	0.31 263	0.12 81	0.42 173	0.20 58	0.13 131	0.28 173	0.20 162	0.55 290	0.45 253	0.30 151	0.42 219	0.34 200	0.23 155	0.81 340	1.08 371	0.10 207	0.07 158	0.11 230	0.10 216	0.11 226	0.10 207

PCWNet_CMD	0.23 160	0.13 136	0.48 221	0.20 58	0.13 131	0.28 173	0.16 38	0.46 207	0.46 267	0.29 123	0.36 159	0.37 223	0.24 170	0.28 121	0.20 140	0.09 165	0.06 72	0.10 183	0.08 110	0.11 226	0.09 162

CASS	0.21 117	0.15 190	0.32 61	0.26 274	0.11 42	0.28 173	0.19 124	0.39 147	0.30 114	0.32 186	0.34 142	0.25 112	0.24 170	0.25 81	0.20 140	0.13 277	0.08 224	0.11 230	0.09 184	0.11 226	0.11 232
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ToySt	0.24 183	0.16 208	0.48 221	0.21 87	0.13 131	0.29 192	0.29 290	0.39 147	0.39 194	0.27 89	0.35 149	0.39 239	0.31 257	0.31 151	0.29 235	0.08 99	0.09 252	0.10 183	0.11 249	0.11 226	0.10 207

ssnet_v2	0.28 239	0.16 208	0.44 189	0.22 130	0.15 206	0.40 288	0.30 300	0.57 311	0.46 267	0.38 255	0.36 159	0.47 287	0.29 237	0.38 188	0.39 282	0.13 277	0.11 287	0.11 230	0.11 249	0.11 226	0.11 232

Wz-Net-LNSev-Ref	0.30 256	0.20 259	0.70 309	0.21 87	0.17 245	0.46 315	0.27 273	0.50 239	0.49 290	0.42 295	0.55 304	0.43 265	0.30 246	0.46 207	0.38 274	0.09 165	0.06 72	0.07 14	0.06 23	0.11 226	0.10 207

NINENet	0.25 205	0.15 190	0.37 109	0.23 172	0.16 229	0.43 306	0.17 59	0.60 331	0.46 267	0.32 186	0.37 168	0.32 187	0.20 130	0.42 197	0.21 161	0.10 207	0.10 270	0.12 263	0.08 110	0.11 226	0.10 207

dd	0.22 143	0.26 309	0.40 144	0.22 130	0.12 77	0.25 136	0.21 185	0.32 68	0.44 241	0.29 123	0.28 80	0.25 112	0.16 64	0.30 146	0.25 207	0.12 261	0.07 158	0.10 183	0.08 110	0.11 226	0.09 162

GEStereo_RVC	0.27 222	0.20 259	0.44 189	0.27 297	0.16 229	0.33 237	0.25 257	0.56 304	0.54 315	0.34 211	0.38 178	0.34 200	0.25 185	0.51 224	0.28 225	0.12 261	0.08 224	0.09 120	0.08 110	0.11 226	0.11 232

Anonymous3	0.23 160	0.18 236	0.63 288	0.27 297	0.18 264	0.41 291	0.23 221	0.43 186	0.35 156	0.23 57	0.27 76	0.20 60	0.18 109	0.27 109	0.18 105	0.12 261	0.11 287	0.10 183	0.10 216	0.11 226	0.12 254

TestStereo	0.21 117	0.19 251	0.40 144	0.25 246	0.10 20	0.22 93	0.21 185	0.31 60	0.31 124	0.23 57	0.34 142	0.22 75	0.18 109	0.62 276	0.18 105	0.08 99	0.06 72	0.10 183	0.07 50	0.11 226	0.06 18

CFNet_pseudo	0.23 160	0.13 136	0.47 212	0.19 26	0.13 131	0.26 153	0.16 38	0.44 190	0.44 241	0.29 123	0.37 168	0.38 228	0.23 155	0.29 134	0.21 161	0.09 165	0.06 72	0.11 230	0.08 110	0.11 226	0.09 162

ADLNet	0.28 239	0.15 190	0.42 173	0.23 172	0.19 282	0.34 250	0.23 221	0.53 273	0.43 227	0.42 295	0.41 205	0.44 275	0.27 211	0.55 240	0.35 265	0.11 234	0.08 224	0.11 230	0.11 249	0.11 226	0.12 254

RAFT + AFF	0.27 222	0.23 291	0.50 236	0.25 246	0.17 245	0.30 209	0.33 319	0.52 262	0.40 207	0.28 98	0.30 100	0.30 171	0.31 257	0.62 276	0.24 198	0.09 165	0.10 270	0.11 230	0.10 216	0.11 226	0.11 232

acv_ft	0.25 205	0.13 136	0.40 144	0.23 172	0.19 282	0.34 250	0.21 185	0.45 198	0.44 241	0.38 255	0.41 205	0.38 228	0.27 211	0.27 109	0.35 265	0.08 99	0.07 158	0.08 65	0.07 50	0.11 226	0.07 65

DSFCA	0.27 222	0.13 136	0.36 104	0.20 58	0.17 245	0.38 276	0.31 304	0.47 214	0.43 227	0.43 301	0.37 168	0.39 239	0.29 237	0.52 230	0.32 250	0.12 261	0.10 270	0.10 183	0.11 249	0.11 226	0.10 207

ADCRef	0.38 309	0.24 294	0.88 343	0.26 274	0.21 304	0.49 328	0.27 273	0.52 262	0.48 281	0.50 326	0.58 313	0.35 214	0.47 331	0.48 212	1.29 387	0.09 165	0.08 224	0.12 263	0.12 281	0.11 226	0.11 232

MSMDNet	0.23 160	0.13 136	0.48 221	0.20 58	0.13 131	0.28 173	0.16 38	0.46 207	0.46 267	0.29 123	0.36 159	0.37 223	0.24 170	0.28 121	0.20 140	0.09 165	0.06 72	0.09 120	0.08 110	0.11 226	0.09 162

CFNet	0.27 222	0.20 259	0.44 189	0.22 130	0.14 165	0.33 237	0.14 13	0.51 252	0.45 253	0.30 151	0.40 197	0.38 228	0.27 211	0.76 324	0.25 207	0.09 165	0.07 158	0.11 230	0.11 249	0.11 226	0.08 111

ccs_rob	0.23 160	0.13 136	0.47 212	0.20 58	0.13 131	0.26 153	0.17 59	0.44 190	0.44 241	0.29 123	0.37 168	0.38 228	0.23 155	0.29 134	0.21 161	0.09 165	0.06 72	0.11 230	0.08 110	0.11 226	0.09 162

AdaStereo	0.24 183	0.16 208	0.37 109	0.24 209	0.12 77	0.32 228	0.17 59	0.54 280	0.42 222	0.33 195	0.38 178	0.35 214	0.21 135	0.30 146	0.22 175	0.14 300	0.06 72	0.13 282	0.08 110	0.11 226	0.08 111
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.
NaN_ROB	0.41 323	0.28 319	0.62 286	0.30 325	0.19 282	0.51 333	0.47 362	0.58 318	0.59 330	0.56 346	0.47 269	0.49 297	0.41 306	1.21 383	0.64 345	0.12 261	0.18 350	0.12 263	0.13 299	0.11 226	0.14 283

LE_ROB	1.76 404	0.20 259	2.68 405	0.48 375	0.52 381	0.78 373	0.96 401	0.84 384	6.61 417	7.40 419	2.08 405	2.08 398	4.83 413	1.27 387	3.79 413	0.10 207	0.08 224	0.12 263	0.11 249	0.11 226	0.10 207

DN-CSS_ROB	0.22 143	0.25 298	0.47 212	0.24 209	0.14 165	0.25 136	0.12 1	0.40 154	0.33 143	0.29 123	0.42 219	0.22 75	0.20 130	0.33 163	0.19 129	0.07 16	0.06 72	0.11 230	0.11 249	0.11 226	0.07 65

CFNet_ucs	0.24 183	0.13 136	0.50 236	0.20 58	0.15 206	0.28 173	0.17 59	0.49 231	0.45 253	0.32 186	0.42 219	0.39 239	0.22 146	0.31 151	0.21 161	0.11 234	0.08 224	0.12 263	0.09 184	0.12 252	0.11 232

fast-acv-ft	0.31 263	0.20 259	0.81 328	0.24 209	0.18 264	0.46 315	0.27 273	0.41 164	0.49 290	0.39 270	0.55 304	0.49 297	0.35 278	0.37 184	0.38 274	0.11 234	0.11 287	0.11 230	0.12 281	0.12 252	0.09 162

ADLNet2	0.30 256	0.17 224	0.72 312	0.23 172	0.17 245	0.36 264	0.24 243	0.52 262	0.51 301	0.32 186	0.38 178	0.45 279	0.30 246	0.69 298	0.35 265	0.10 207	0.08 224	0.09 120	0.09 184	0.12 252	0.10 207

CFNet-ft	0.24 183	0.15 190	0.35 87	0.18 8	0.15 206	0.30 209	0.21 185	0.39 147	0.36 166	0.28 98	0.40 197	0.43 265	0.25 185	0.47 210	0.24 198	0.12 261	0.07 158	0.12 263	0.11 249	0.12 252	0.09 162

STTStereo	0.28 239	0.20 259	0.61 278	0.25 246	0.17 245	0.29 192	0.24 243	0.47 214	0.39 194	0.39 270	0.41 205	0.44 275	0.28 224	0.40 193	0.28 225	0.13 277	0.12 304	0.13 282	0.16 329	0.12 252	0.11 232

PA-Net	0.37 303	0.28 319	0.83 332	0.31 332	0.28 352	0.39 283	0.42 349	0.51 252	0.55 321	0.34 211	0.42 219	0.41 255	0.36 282	0.79 333	0.49 318	0.12 261	0.23 368	0.16 322	0.23 361	0.12 252	0.18 321
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
TDLM	0.30 256	0.21 272	0.38 128	0.28 314	0.15 206	0.33 237	0.32 309	0.52 262	0.47 272	0.38 255	0.43 231	0.39 239	0.29 237	0.91 357	0.28 225	0.14 300	0.08 224	0.13 282	0.11 249	0.12 252	0.10 207

CFNet_RVC	0.24 183	0.15 190	0.35 87	0.18 8	0.15 206	0.30 209	0.21 185	0.39 147	0.36 166	0.28 98	0.40 197	0.43 265	0.25 185	0.47 210	0.24 198	0.12 261	0.07 158	0.12 263	0.11 249	0.12 252	0.09 162

iResNetv2_ROB	0.27 222	0.26 309	0.72 312	0.23 172	0.13 131	0.29 192	0.18 87	0.52 262	0.49 290	0.37 247	0.45 252	0.39 239	0.25 185	0.34 169	0.20 140	0.08 99	0.06 72	0.07 14	0.05 9	0.12 252	0.09 162

DRN-Test	0.33 278	0.17 224	0.61 278	0.27 297	0.19 282	0.46 315	0.29 290	0.65 352	0.51 301	0.47 322	0.46 262	0.44 275	0.34 274	0.62 276	0.41 295	0.12 261	0.08 224	0.13 282	0.12 281	0.12 252	0.10 207

StereoDRNet	0.32 272	0.22 284	0.61 278	0.27 297	0.21 304	0.42 298	0.30 300	0.61 335	0.48 281	0.46 314	0.39 190	0.48 293	0.30 246	0.57 251	0.40 289	0.11 234	0.09 252	0.12 263	0.11 249	0.12 252	0.10 207

DISCO	0.32 272	0.13 136	0.51 242	0.25 246	0.16 229	0.48 325	0.25 257	0.50 239	0.57 327	0.37 247	0.45 252	0.62 338	0.36 282	0.64 283	0.49 318	0.09 165	0.07 158	0.09 120	0.08 110	0.12 252	0.11 232

MDST_ROB	0.48 342	0.14 165	0.95 355	0.30 325	0.21 304	1.33 399	0.32 309	0.77 375	0.56 324	1.06 385	0.71 346	0.49 297	0.35 278	1.26 386	0.38 274	0.13 277	0.11 287	0.16 322	0.13 299	0.12 252	0.12 254

iinet-f	0.30 256	0.18 236	1.03 366	0.20 58	0.15 206	0.44 308	0.22 201	0.45 198	0.37 175	0.35 227	0.44 240	0.41 255	0.34 274	0.34 169	0.40 289	0.10 207	0.09 252	0.08 65	0.08 110	0.13 265	0.11 232

AASNet	0.27 222	0.19 251	0.49 226	0.26 274	0.17 245	0.34 250	0.20 162	0.62 344	0.48 281	0.35 227	0.40 197	0.32 187	0.25 185	0.28 121	0.34 261	0.11 234	0.09 252	0.10 183	0.08 110	0.13 265	0.11 232

AACVNet	0.26 215	0.16 208	0.37 109	0.22 130	0.14 165	0.29 192	0.19 124	0.41 164	0.31 124	0.38 255	0.42 219	0.43 265	0.28 224	0.73 311	0.25 207	0.11 234	0.08 224	0.11 230	0.09 184	0.13 265	0.11 232

LCNet	0.21 117	0.11 63	0.29 37	0.25 246	0.12 77	0.23 110	0.19 124	0.34 88	0.26 65	0.28 98	0.35 149	0.26 131	0.30 246	0.35 178	0.17 91	0.07 16	0.05 6	0.09 120	0.10 216	0.13 265	0.22 350

LMCR-Stereo	0.26 215	0.18 236	0.49 226	0.28 314	0.14 165	0.36 264	0.23 221	0.54 280	0.34 150	0.39 270	0.40 197	0.29 161	0.29 237	0.37 184	0.27 223	0.11 234	0.07 158	0.09 120	0.07 50	0.13 265	0.09 162

Syn2CoEx	0.36 294	0.31 337	0.78 318	0.34 345	0.21 304	0.41 291	0.28 286	0.61 335	0.49 290	0.42 295	0.56 309	0.45 279	0.44 319	0.69 298	0.38 274	0.17 333	0.14 318	0.15 313	0.12 281	0.13 265	0.12 254

GwcNet	0.35 290	0.23 291	0.88 343	0.25 246	0.24 335	0.48 325	0.27 273	0.55 290	0.57 327	0.38 255	0.52 292	0.51 307	0.32 264	0.60 263	0.41 295	0.13 277	0.11 287	0.12 263	0.11 249	0.13 265	0.14 283

DMCA-RVC	0.27 222	0.21 272	0.61 278	0.28 314	0.17 245	0.29 192	0.21 185	0.42 176	0.35 156	0.40 278	0.37 168	0.39 239	0.36 282	0.43 199	0.30 241	0.13 277	0.10 270	0.15 313	0.11 249	0.13 265	0.10 207

FADNet-RVC-Resample	0.29 249	0.25 298	0.93 352	0.26 274	0.16 229	0.32 228	0.21 185	0.47 214	0.39 194	0.35 227	0.38 178	0.33 194	0.27 211	0.53 235	0.24 198	0.10 207	0.10 270	0.14 301	0.13 299	0.13 265	0.16 299

UCFNet_RVC	0.24 183	0.16 208	0.34 79	0.18 8	0.15 206	0.33 237	0.16 38	0.46 207	0.35 156	0.29 123	0.35 149	0.39 239	0.25 185	0.34 169	0.22 175	0.13 277	0.08 224	0.13 282	0.14 310	0.13 265	0.12 254

PSMNet_ROB	0.33 278	0.24 294	0.54 252	0.31 332	0.21 304	0.42 298	0.43 351	0.59 323	0.47 272	0.37 247	0.44 240	0.49 297	0.31 257	0.64 283	0.43 299	0.14 300	0.10 270	0.15 313	0.14 310	0.13 265	0.11 232

CBMV	0.33 278	0.21 272	0.54 252	0.23 172	0.13 131	0.42 298	0.33 319	0.53 273	0.48 281	0.52 337	0.49 276	0.50 303	0.41 306	0.56 248	0.31 245	0.15 311	0.16 339	0.18 335	0.16 329	0.13 265	0.13 266
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
Wz-Net-LNSev	0.34 285	0.29 326	0.91 348	0.26 274	0.21 304	0.47 321	0.31 304	0.54 280	0.54 315	0.44 307	0.52 292	0.50 303	0.35 278	0.39 190	0.39 282	0.11 234	0.11 287	0.10 183	0.09 184	0.14 277	0.13 266

UDGNet	0.23 160	0.31 337	0.38 128	0.24 209	0.14 165	0.24 125	0.18 87	0.32 68	0.43 227	0.29 123	0.28 80	0.24 105	0.19 122	0.29 134	0.20 140	0.15 311	0.07 158	0.21 348	0.11 249	0.14 277	0.10 207

dad	0.28 239	0.31 337	0.44 189	0.21 87	0.14 165	0.30 209	0.20 162	0.33 82	0.49 290	0.44 307	0.44 240	0.45 279	0.21 135	0.41 195	0.26 219	0.20 351	0.11 287	0.20 345	0.11 249	0.14 277	0.10 207

pcwnet_v2	0.32 272	0.15 190	1.26 380	0.23 172	0.18 264	0.32 228	0.18 87	0.59 323	0.60 333	0.36 242	0.45 252	0.35 214	0.29 237	0.36 182	0.25 207	0.14 300	0.11 287	0.12 263	0.11 249	0.14 277	0.15 292

FAT-Stereo	0.36 294	0.18 236	0.73 315	0.26 274	0.18 264	0.33 237	0.29 290	0.60 331	0.59 330	0.46 314	0.60 320	0.60 332	0.50 339	0.61 268	0.34 261	0.13 277	0.14 318	0.13 282	0.12 281	0.14 277	0.18 321

Nwc_Net	0.37 303	0.25 298	0.68 302	0.31 332	0.24 335	0.44 308	0.30 300	0.65 352	0.50 298	0.37 247	0.69 345	0.58 327	0.45 322	0.60 263	0.40 289	0.15 311	0.12 304	0.19 342	0.21 352	0.14 277	0.13 266

ADCL	0.47 340	0.22 284	1.00 360	0.27 297	0.19 282	0.74 367	0.64 381	0.54 280	0.69 352	0.56 346	0.71 346	0.55 318	0.60 354	0.60 263	1.43 389	0.11 234	0.09 252	0.13 282	0.13 299	0.14 277	0.14 283

ADCP+	0.45 337	0.24 294	1.15 374	0.25 246	0.22 319	0.56 345	0.39 342	0.54 280	0.51 301	0.44 307	0.51 284	0.46 285	0.52 344	0.56 248	1.89 400	0.10 207	0.08 224	0.11 230	0.10 216	0.14 277	0.13 266

GANet	0.36 294	0.22 284	0.49 226	0.29 317	0.17 245	0.41 291	0.38 337	0.57 311	0.45 253	0.46 314	0.75 352	0.55 318	0.40 302	0.94 362	0.41 295	0.13 277	0.13 314	0.13 282	0.11 249	0.14 277	0.11 232

CVANet_RVC	0.30 256	0.19 251	0.41 166	0.26 274	0.16 229	0.33 237	0.26 268	0.52 262	0.47 272	0.40 278	0.46 262	0.43 265	0.31 257	0.89 353	0.26 219	0.14 300	0.09 252	0.14 301	0.13 299	0.14 277	0.10 207

DeepPruner_ROB	0.26 215	0.19 251	0.44 189	0.21 87	0.16 229	0.30 209	0.21 185	0.52 262	0.32 132	0.35 227	0.38 178	0.39 239	0.26 194	0.42 197	0.24 198	0.15 311	0.11 287	0.11 230	0.11 249	0.14 277	0.13 266

CBMV_ROB	0.33 278	0.18 236	0.53 249	0.21 87	0.14 165	0.33 237	0.20 162	0.51 252	0.45 253	0.51 331	0.55 304	0.45 279	0.42 314	0.71 304	0.32 250	0.18 343	0.19 354	0.23 355	0.21 352	0.14 277	0.15 292

Wz-Net-MNSev	0.36 294	0.26 309	0.79 324	0.26 274	0.21 304	0.59 350	0.38 337	0.55 290	0.56 324	0.48 325	0.54 300	0.53 314	0.36 282	0.60 263	0.44 303	0.11 234	0.09 252	0.11 230	0.11 249	0.15 289	0.13 266

Anonymous	0.20 103	0.14 165	0.47 212	0.27 297	0.20 296	0.25 136	0.25 257	0.32 68	0.26 65	0.18 39	0.18 23	0.15 28	0.19 122	0.24 58	0.18 105	0.10 207	0.09 252	0.09 120	0.09 184	0.15 289	0.13 266

hitnet-ft	0.29 249	0.17 224	0.40 144	0.19 26	0.14 165	0.39 283	0.23 221	0.44 190	0.41 218	0.36 242	0.46 262	0.53 314	0.34 274	0.76 324	0.32 250	0.14 300	0.10 270	0.13 282	0.10 216	0.15 289	0.13 266

AF-Net	0.37 303	0.26 309	0.56 261	0.32 338	0.23 330	0.41 291	0.29 290	0.61 335	0.64 342	0.42 295	0.68 341	0.65 349	0.49 338	0.57 251	0.44 303	0.15 311	0.11 287	0.19 342	0.14 310	0.15 289	0.13 266

SGM-ForestM	1.36 395	0.28 319	0.79 324	0.26 274	0.16 229	2.26 410	1.00 403	1.42 397	1.46 396	2.38 409	2.05 404	5.95 418	2.66 410	2.95 410	2.46 408	0.17 333	0.18 350	0.18 335	0.18 343	0.15 289	0.18 321

PS-NSSS	0.32 272	0.30 332	0.46 205	0.23 172	0.17 245	0.33 237	0.24 243	0.57 311	0.41 218	0.37 247	0.52 292	0.35 214	0.30 246	0.80 337	0.30 241	0.17 333	0.14 318	0.21 348	0.15 318	0.15 289	0.13 266

XPNet_ROB	0.33 278	0.20 259	0.43 183	0.27 297	0.18 264	0.37 269	0.31 304	0.55 290	0.50 298	0.51 331	0.53 297	0.58 327	0.37 290	0.63 281	0.45 306	0.17 333	0.12 304	0.13 282	0.12 281	0.15 289	0.14 283

SGM-Forest	0.36 294	0.17 224	0.47 212	0.23 172	0.16 229	0.45 313	0.41 346	0.55 290	0.48 281	0.52 337	0.60 320	0.52 310	0.41 306	0.85 346	0.50 323	0.17 333	0.17 344	0.17 328	0.15 318	0.15 289	0.15 292
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
GMStereo_Zeroshot	0.24 183	0.21 272	0.45 199	0.26 274	0.13 131	0.28 173	0.15 26	0.39 147	0.35 156	0.37 247	0.43 231	0.40 252	0.17 87	0.34 169	0.20 140	0.12 261	0.07 158	0.13 282	0.07 50	0.16 297	0.09 162

HBP-ISP	0.33 278	0.30 332	0.72 312	0.22 130	0.16 229	0.32 228	0.22 201	0.54 280	0.44 241	0.41 287	0.49 276	0.33 194	0.38 294	0.73 311	0.25 207	0.18 343	0.19 354	0.24 357	0.20 349	0.16 297	0.13 266

Wz-Net-SNSev	0.43 330	0.41 363	1.27 381	0.30 325	0.21 304	0.44 308	0.41 346	0.61 335	0.65 343	0.46 314	0.65 334	0.62 338	0.39 299	0.74 318	0.59 336	0.12 261	0.11 287	0.12 263	0.13 299	0.16 297	0.14 283

SACVNet	0.30 256	0.20 259	0.41 166	0.25 246	0.18 264	0.34 250	0.25 257	0.52 262	0.40 207	0.41 287	0.44 240	0.46 285	0.32 264	0.71 304	0.25 207	0.13 277	0.10 270	0.12 263	0.12 281	0.16 297	0.17 307

APVNet	0.36 294	0.20 259	0.70 309	0.26 274	0.22 319	0.52 342	0.35 324	0.61 335	0.44 241	0.38 255	0.52 292	0.48 293	0.38 294	0.84 345	0.46 312	0.13 277	0.14 318	0.15 313	0.16 329	0.16 297	0.15 292

psmorigin	0.50 346	0.25 298	3.03 407	0.24 209	0.19 282	0.38 276	0.22 201	0.50 239	0.44 241	0.64 355	0.68 341	0.71 362	0.51 342	0.85 346	0.45 306	0.14 300	0.17 344	0.13 282	0.14 310	0.16 297	0.21 345

aanetorigin	0.39 315	0.29 326	1.09 369	0.24 209	0.19 282	0.28 173	0.37 331	0.33 82	0.47 272	0.94 377	0.82 360	0.52 310	0.54 345	0.49 217	0.50 323	0.11 234	0.09 252	0.10 183	0.10 216	0.16 297	0.15 292

S-Stereo	0.38 309	0.20 259	1.05 367	0.27 297	0.22 319	0.38 276	0.32 309	0.55 290	0.66 344	0.39 270	0.59 315	0.49 297	0.41 306	0.75 319	0.40 289	0.12 261	0.15 332	0.13 282	0.13 299	0.16 297	0.21 345

NCC-stereo	0.39 315	0.25 298	0.69 303	0.32 338	0.28 352	0.46 315	0.36 327	0.65 352	0.52 307	0.40 278	0.57 311	0.56 320	0.47 331	0.73 311	0.45 306	0.17 333	0.14 318	0.18 335	0.25 363	0.16 297	0.16 299

edge stereo	0.39 315	0.22 284	0.81 328	0.27 297	0.22 319	0.37 269	0.24 243	0.56 304	0.54 315	0.53 342	0.60 320	0.71 362	0.50 339	0.78 331	0.40 289	0.16 323	0.14 318	0.19 342	0.14 310	0.16 297	0.17 307

Abc-Net	0.39 315	0.25 298	0.69 303	0.32 338	0.28 352	0.46 315	0.36 327	0.65 352	0.52 307	0.40 278	0.57 311	0.56 320	0.47 331	0.73 311	0.45 306	0.17 333	0.14 318	0.18 335	0.25 363	0.16 297	0.16 299
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
Anonymous Stereo	0.38 309	0.34 345	1.00 360	0.30 325	0.25 342	0.33 237	0.44 354	0.50 239	0.54 315	0.41 287	0.45 252	0.39 239	0.26 194	0.93 359	0.48 315	0.15 311	0.14 318	0.15 313	0.16 329	0.16 297	0.17 307

NCCL2	0.35 290	0.26 309	0.49 226	0.36 355	0.22 319	0.41 291	0.41 346	0.53 273	0.42 222	0.47 322	0.46 262	0.61 336	0.39 299	0.55 240	0.37 272	0.16 323	0.13 314	0.21 348	0.21 352	0.16 297	0.16 299

ETE_ROB	0.34 285	0.26 309	0.45 199	0.29 317	0.18 264	0.40 288	0.37 331	0.57 311	0.47 272	0.50 326	0.50 278	0.62 338	0.36 282	0.55 240	0.38 274	0.13 277	0.10 270	0.14 301	0.12 281	0.16 297	0.16 299

SGM_RVC	0.50 346	0.19 251	0.50 236	0.25 246	0.15 206	0.69 361	0.39 342	0.68 366	0.82 368	0.95 379	0.84 362	1.13 378	0.76 370	1.16 379	0.60 338	0.16 323	0.16 339	0.16 322	0.16 329	0.16 297	0.17 307
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
SDNR	0.42 326	0.21 272	0.82 331	0.21 87	0.18 264	1.27 396	0.17 59	0.50 239	0.49 290	0.42 295	0.81 359	0.38 228	0.27 211	1.19 380	0.38 274	0.23 355	0.24 370	0.17 328	0.13 299	0.17 312	0.20 338

RP	0.35 290	0.22 284	0.51 242	0.31 332	0.24 335	0.37 269	0.28 286	0.50 239	0.58 329	0.40 278	0.63 332	0.61 336	0.47 331	0.61 268	0.39 282	0.16 323	0.15 332	0.17 328	0.15 318	0.17 312	0.17 307

RTSC	0.39 315	0.28 319	0.78 318	0.27 297	0.18 264	0.49 328	0.22 201	0.59 323	0.84 373	0.55 345	0.53 297	0.49 297	0.36 282	0.67 295	0.82 357	0.13 277	0.10 270	0.11 230	0.12 281	0.17 312	0.17 307

DeepPrunerF	0.44 336	0.29 326	1.29 383	0.33 343	0.30 360	0.35 259	0.36 327	0.62 344	1.15 390	0.40 278	0.44 240	0.39 239	0.41 306	0.80 337	0.52 326	0.18 343	0.14 318	0.23 355	0.21 352	0.17 312	0.17 307

DANet	0.35 290	0.23 291	0.60 275	0.36 355	0.22 319	0.39 283	0.25 257	0.48 225	0.43 227	0.52 337	0.50 278	0.59 329	0.41 306	0.76 324	0.49 318	0.13 277	0.11 287	0.14 301	0.12 281	0.17 312	0.15 292
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
FBW_ROB	0.43 330	0.26 309	0.54 252	0.31 332	0.20 296	0.51 333	0.32 309	0.70 368	0.60 333	0.59 349	0.55 304	0.65 349	0.41 306	1.40 391	0.51 325	0.13 277	0.17 344	0.21 348	0.16 329	0.17 312	0.18 321

SANet	0.53 355	0.28 319	0.96 356	0.26 274	0.15 206	0.69 361	0.44 354	0.67 363	1.34 392	0.67 358	0.98 372	0.94 373	0.71 368	0.89 353	0.76 351	0.14 300	0.12 304	0.12 263	0.11 249	0.17 312	0.16 299

NOSS_ROB	0.31 263	0.20 259	0.35 87	0.24 209	0.16 229	0.32 228	0.19 124	0.52 262	0.48 281	0.33 195	0.36 159	0.42 262	0.28 224	0.93 359	0.24 198	0.19 348	0.20 359	0.24 357	0.22 359	0.17 312	0.17 307

LALA_ROB	0.36 294	0.25 298	0.46 205	0.30 325	0.21 304	0.47 321	0.39 342	0.61 335	0.51 301	0.52 337	0.51 284	0.69 359	0.36 282	0.50 219	0.43 299	0.17 333	0.11 287	0.16 322	0.14 310	0.17 312	0.15 292

PWC_ROB	0.38 309	0.29 326	0.69 303	0.25 246	0.20 296	0.38 276	0.19 124	0.58 318	0.67 347	0.57 348	0.85 363	0.51 307	0.40 302	0.71 304	0.52 326	0.13 277	0.09 252	0.14 301	0.10 216	0.17 312	0.14 283

MeshStereo	0.58 361	0.27 316	0.67 298	0.22 130	0.17 245	0.66 359	0.37 331	0.78 376	0.61 336	1.47 405	1.30 384	1.65 392	0.79 372	1.12 377	0.59 336	0.17 333	0.17 344	0.17 328	0.14 310	0.17 312	0.14 283
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
FINET	0.34 285	0.27 316	0.80 326	0.24 209	0.24 335	0.36 264	0.34 321	0.54 280	0.72 357	0.39 270	0.47 269	0.32 187	0.30 246	0.51 224	0.32 250	0.19 348	0.17 344	0.13 282	0.12 281	0.18 323	0.16 299

RGC	0.39 315	0.32 342	0.64 293	0.34 345	0.27 349	0.40 288	0.29 290	0.57 311	0.53 311	0.45 311	0.64 333	0.62 338	0.45 322	0.72 309	0.39 282	0.15 311	0.15 332	0.21 348	0.20 349	0.18 323	0.19 328

RYNet	0.37 303	0.18 236	0.59 273	0.25 246	0.28 352	0.61 354	0.32 309	0.59 323	0.59 330	0.41 287	0.38 178	0.57 324	0.39 299	0.87 349	0.53 328	0.11 234	0.08 224	0.12 263	0.11 249	0.18 323	0.18 321

CSAN	0.50 346	0.35 348	0.78 318	0.36 355	0.23 330	0.56 345	0.59 378	0.61 335	0.70 354	0.64 355	0.78 356	0.65 349	0.60 354	1.38 390	0.62 341	0.21 352	0.17 344	0.20 345	0.20 349	0.18 323	0.18 321

WZ-Net	0.52 354	0.38 358	1.90 395	0.30 325	0.24 335	0.57 348	0.48 366	0.62 344	0.78 365	0.50 326	0.71 346	0.68 357	0.54 345	0.98 368	0.84 358	0.13 277	0.10 270	0.11 230	0.12 281	0.19 327	0.20 338

EDNetEfficient	0.63 367	0.37 356	2.40 401	0.26 274	0.25 342	0.38 276	0.49 368	0.41 164	1.06 385	1.38 395	0.87 367	0.62 338	0.95 383	0.65 289	1.65 393	0.11 234	0.09 252	0.10 183	0.11 249	0.19 327	0.17 307

FADNet-RVC	0.31 263	0.35 348	0.78 318	0.25 246	0.20 296	0.33 237	0.20 162	0.49 231	0.40 207	0.34 211	0.39 190	0.41 255	0.29 237	0.63 281	0.31 245	0.13 277	0.14 318	0.14 301	0.15 318	0.19 327	0.19 328

stereogan	0.37 303	0.17 224	0.65 294	0.27 297	0.22 319	0.62 355	0.26 268	0.59 323	0.63 341	0.43 301	0.60 320	0.67 354	0.42 314	0.68 296	0.35 265	0.13 277	0.14 318	0.14 301	0.12 281	0.19 327	0.17 307

ADCPNet	0.48 342	0.29 326	1.60 391	0.27 297	0.23 330	0.70 364	0.38 337	0.53 273	0.51 301	0.51 331	0.59 315	0.67 354	0.56 349	0.60 263	1.14 377	0.15 311	0.18 350	0.14 301	0.23 361	0.19 327	0.19 328

NVstereo2D	0.31 263	0.16 208	0.54 252	0.24 209	0.22 319	0.42 298	0.28 286	0.58 318	0.56 324	0.28 98	0.38 178	0.40 252	0.30 246	0.71 304	0.28 225	0.13 277	0.08 224	0.13 282	0.10 216	0.19 327	0.16 299

PWCDC_ROB	0.38 309	0.30 332	0.60 275	0.33 343	0.20 296	0.42 298	0.19 124	0.58 318	0.89 374	0.42 295	1.26 383	0.36 219	0.34 274	0.50 219	0.38 274	0.18 343	0.11 287	0.11 230	0.09 184	0.19 327	0.13 266

WCMA_ROB	0.51 350	0.21 272	0.65 294	0.25 246	0.21 304	0.58 349	0.32 309	0.54 280	0.55 321	0.95 379	1.40 387	1.28 385	0.81 375	0.73 311	0.62 341	0.18 343	0.15 332	0.15 313	0.15 318	0.19 327	0.19 328

SHD	0.42 326	0.27 316	0.81 328	0.31 332	0.25 342	0.42 298	0.22 201	0.66 358	0.94 381	0.63 353	0.60 320	0.59 329	0.47 331	0.59 262	0.58 335	0.15 311	0.13 314	0.16 322	0.16 329	0.20 335	0.22 350

ADCMid	0.49 344	0.34 345	1.13 373	0.26 274	0.21 304	0.51 333	0.37 331	0.57 311	0.54 315	0.75 367	0.66 336	0.62 338	0.64 364	0.64 283	1.68 394	0.13 277	0.12 304	0.17 328	0.17 338	0.20 335	0.17 307

AnyNet_C32	0.51 350	0.40 360	1.10 372	0.29 317	0.28 352	0.59 350	0.58 376	0.54 280	0.60 333	0.62 352	0.66 336	0.54 316	0.54 345	0.78 331	1.74 397	0.15 311	0.14 318	0.15 313	0.17 338	0.20 335	0.20 338

coex-ft	3.44 411	0.73 385	48.55 437	0.24 209	0.19 282	0.50 332	0.43 351	0.47 214	2.40 404	7.03 418	1.20 380	0.97 376	2.23 407	0.73 311	1.92 401	0.12 261	0.15 332	0.14 301	0.12 281	0.21 338	0.43 380

Wz-Net-TNSev	0.51 350	0.58 378	1.61 393	0.25 246	0.21 304	0.65 357	0.45 356	0.63 350	0.69 352	0.51 331	0.54 300	0.71 362	0.60 354	1.00 369	0.77 354	0.15 311	0.15 332	0.13 282	0.15 318	0.21 338	0.20 338

EDNetEfficientorigin	7.51 417	0.52 376	140.47 439	0.25 246	0.17 245	0.42 298	0.29 290	0.47 214	1.03 382	1.28 392	1.02 373	0.83 368	0.84 378	0.75 319	0.99 367	0.10 207	0.09 252	0.12 263	0.10 216	0.21 338	0.22 350

FADNet_RVC	0.30 256	0.28 319	0.83 332	0.23 172	0.15 206	0.30 209	0.17 59	0.49 231	0.37 175	0.30 151	0.38 178	0.30 171	0.27 211	0.52 230	0.31 245	0.14 300	0.14 318	0.14 301	0.16 329	0.21 338	0.23 356

RTS	0.78 381	0.48 368	4.68 410	0.34 345	0.28 352	1.12 389	0.46 358	0.62 344	1.03 382	0.73 363	0.89 368	0.60 332	0.59 352	1.61 394	1.16 380	0.14 300	0.11 287	0.15 313	0.15 318	0.21 338	0.19 328

RTSA	0.78 381	0.48 368	4.68 410	0.34 345	0.28 352	1.12 389	0.46 358	0.62 344	1.03 382	0.73 363	0.89 368	0.60 332	0.59 352	1.61 394	1.16 380	0.14 300	0.11 287	0.15 313	0.15 318	0.21 338	0.19 328

GASNet	0.36 294	0.46 364	0.88 343	0.34 345	0.23 330	0.35 259	0.22 201	0.60 331	0.53 311	0.40 278	0.37 168	0.45 279	0.30 246	0.79 333	0.35 265	0.15 311	0.10 270	0.14 301	0.14 310	0.22 344	0.12 254

G-Net	0.46 339	0.25 298	0.86 340	0.34 345	0.28 352	0.90 381	0.35 324	0.47 214	0.45 253	0.68 359	1.22 381	0.64 348	0.60 354	0.61 268	0.57 330	0.16 323	0.14 318	0.17 328	0.13 299	0.22 344	0.19 328

ADCS	0.58 361	0.40 360	1.35 386	0.29 317	0.24 335	0.55 344	0.45 356	0.67 363	0.83 371	0.76 369	0.71 346	0.68 357	0.60 354	0.76 324	2.23 406	0.16 323	0.16 339	0.16 322	0.17 338	0.22 344	0.22 350

sAnonymous2	0.20 103	0.21 272	0.58 269	0.24 209	0.17 245	0.22 93	0.19 124	0.34 88	0.28 87	0.17 28	0.19 26	0.17 40	0.16 64	0.17 11	0.14 40	0.10 207	0.07 158	0.09 120	0.08 110	0.23 347	0.17 307

CroCo_RVC	0.20 103	0.21 272	0.58 269	0.24 209	0.17 245	0.22 93	0.19 124	0.34 88	0.28 87	0.17 28	0.19 26	0.17 40	0.16 64	0.17 11	0.14 40	0.10 207	0.07 158	0.09 120	0.08 110	0.23 347	0.17 307

AnyNet_C01	0.65 369	0.58 378	2.60 404	0.32 338	0.26 347	0.88 379	0.61 379	0.63 350	0.62 338	0.68 359	0.96 371	0.76 365	0.60 354	0.96 365	1.43 389	0.16 323	0.16 339	0.17 328	0.17 338	0.23 347	0.23 356

FADNet	0.32 272	0.36 351	0.74 316	0.23 172	0.22 319	0.37 269	0.19 124	0.53 273	0.48 281	0.32 186	0.36 159	0.43 265	0.32 264	0.64 283	0.25 207	0.16 323	0.16 339	0.14 301	0.16 329	0.24 350	0.19 328

MFN_U_SF_DS_RVC	0.51 350	0.50 373	0.86 340	0.39 364	0.24 335	0.84 377	0.55 374	0.56 304	0.62 338	0.60 350	0.68 341	0.62 338	0.42 314	1.13 378	0.43 299	0.23 355	0.27 374	0.27 360	0.35 376	0.25 351	0.29 366

XQC	0.43 330	0.37 356	0.96 356	0.34 345	0.25 342	0.53 343	0.34 321	0.60 331	0.73 360	0.51 331	0.46 262	0.57 324	0.47 331	0.70 301	0.72 350	0.17 333	0.12 304	0.18 335	0.15 318	0.25 351	0.23 356

STTRV1_RVC	0.42 326	0.32 342	0.89 346	0.29 317	0.36 368	0.49 328	0.31 304	0.61 335	0.53 311	0.46 314	0.56 309	0.47 287	0.43 317	1.00 369	0.39 282	0.27 365	0.21 360	0.20 345	0.18 343	0.25 351	0.17 307

LSM	1.64 403	0.40 360	2.56 403	2.02 414	17.61 426	0.51 333	0.52 371	0.61 335	0.76 362	0.82 371	1.11 377	0.63 346	0.54 345	0.75 319	0.49 318	0.16 323	0.24 370	0.18 335	0.21 352	0.25 351	2.42 417

DPSNet	0.47 340	0.24 294	0.93 352	0.27 297	0.20 296	0.75 369	0.57 375	0.84 384	0.79 366	0.47 322	0.51 284	0.60 332	0.69 366	0.87 349	0.71 349	0.16 323	0.13 314	0.12 263	0.10 216	0.25 351	0.21 345

PDISCO_ROB	0.43 330	0.30 332	0.67 298	0.43 369	0.36 368	0.67 360	0.32 309	0.72 371	0.76 362	0.43 301	0.53 297	0.63 346	0.40 302	0.66 293	0.47 314	0.21 352	0.12 304	0.21 348	0.19 348	0.25 351	0.20 338

MSMD_ROB	0.60 365	0.33 344	0.61 278	0.30 325	0.25 342	0.86 378	0.35 324	0.55 290	0.67 347	1.10 387	1.49 392	1.76 395	0.97 386	0.88 352	0.49 318	0.23 355	0.21 360	0.27 360	0.27 369	0.25 351	0.24 360

ccnet	0.42 326	0.31 337	0.48 221	0.27 297	0.32 363	0.60 353	0.32 309	0.65 352	0.46 267	0.53 342	0.66 336	0.56 320	0.45 322	0.72 309	0.61 339	0.26 360	0.19 354	0.24 357	0.21 352	0.26 358	0.22 350

MaskLacGwcNet_RVC	0.36 294	0.36 351	0.53 249	0.34 345	0.19 282	0.51 333	0.24 243	0.55 290	0.38 188	0.41 287	0.47 269	0.47 287	0.27 211	0.73 311	0.30 241	0.36 377	0.19 354	0.27 360	0.17 338	0.26 358	0.23 356

FC-DCNN	0.70 374	0.30 332	0.69 303	0.32 338	0.27 349	0.81 376	0.39 342	0.79 379	0.82 368	1.41 398	1.58 397	1.98 397	1.26 395	1.02 372	0.77 354	0.24 358	0.22 365	0.27 360	0.26 367	0.26 358	0.26 362

FCDSN-DC	0.63 367	0.31 337	0.61 278	0.36 355	0.30 360	0.65 357	0.37 331	0.66 358	0.68 350	1.14 389	1.54 395	1.71 394	1.26 395	0.92 358	0.64 345	0.24 358	0.22 365	0.27 360	0.26 367	0.27 361	0.27 365
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
PVD	0.58 361	0.34 345	0.84 336	0.39 364	0.31 362	0.59 350	0.47 362	0.80 380	1.25 391	0.92 376	1.09 375	0.79 366	0.82 376	0.85 346	0.76 351	0.21 352	0.18 350	0.22 354	0.18 343	0.27 361	0.35 374

SAMSARA	0.56 357	0.39 359	0.80 326	0.60 383	0.46 376	1.00 385	1.23 411	0.67 363	0.68 350	0.71 362	0.54 300	0.89 372	0.57 351	0.81 340	0.62 341	0.19 348	0.22 365	0.18 335	0.18 343	0.27 361	0.25 361

GANetREF_RVC	0.43 330	0.47 366	0.69 303	0.38 362	0.20 296	0.51 333	0.48 366	0.66 358	0.66 344	0.46 314	0.46 262	0.50 303	0.44 319	0.90 356	0.39 282	0.27 365	0.21 360	0.32 370	0.18 343	0.27 361	0.22 350
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
MANE	1.41 396	0.36 351	0.74 316	0.43 369	0.41 373	2.16 409	0.80 393	2.39 413	3.38 407	2.22 408	3.06 410	3.54 411	2.73 412	2.15 406	1.94 402	0.28 369	0.27 374	0.30 368	0.46 384	0.28 365	0.34 373

PASM	0.45 337	0.35 348	0.90 347	0.35 354	0.33 364	0.39 283	0.38 337	0.50 239	0.61 336	0.52 337	0.51 284	0.62 338	0.45 322	0.93 359	0.48 315	0.26 360	0.29 378	0.29 366	0.33 374	0.29 366	0.26 362

ELAS_RVC	0.74 379	0.36 351	1.00 360	0.37 360	0.33 364	0.88 379	0.93 400	0.83 383	1.08 386	1.35 394	1.33 386	1.24 383	1.33 398	1.06 374	0.95 365	0.27 365	0.25 372	0.29 366	0.27 369	0.30 367	0.30 367
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
CC-Net-ROB	0.43 330	0.47 366	0.65 294	0.37 360	0.23 330	0.51 333	0.29 290	0.66 358	0.49 290	0.46 314	0.51 284	0.48 293	0.38 294	0.96 365	0.35 265	0.34 376	0.23 368	0.55 384	0.25 363	0.31 368	0.20 338

ELAS	0.74 379	0.36 351	0.85 339	0.36 355	0.33 364	1.36 400	0.77 391	0.93 387	0.92 378	1.41 398	1.53 394	1.16 381	1.17 391	0.95 364	1.03 369	0.26 360	0.25 372	0.28 365	0.28 372	0.31 368	0.30 367
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MFN_U_SF_RVC	0.56 357	0.51 375	1.19 375	0.38 362	0.22 319	0.69 361	0.27 273	0.80 380	0.67 347	0.73 363	0.74 351	0.87 369	0.61 363	0.81 340	0.76 351	0.29 371	0.27 374	0.32 370	0.37 380	0.32 370	0.31 369

Anonymous_2	0.37 303	0.21 272	0.47 212	0.20 58	0.21 304	0.42 298	0.26 268	0.38 136	0.29 105	0.33 195	0.30 100	0.44 275	0.38 294	0.36 182	0.29 235	0.26 360	0.29 378	0.44 378	1.41 412	0.34 371	0.21 345

UDG	0.40 321	0.46 364	0.49 226	0.40 366	0.35 367	0.47 321	0.27 273	0.54 280	0.47 272	0.39 270	0.45 252	0.59 329	0.44 319	0.46 207	0.39 282	0.26 360	0.19 354	0.48 380	0.22 359	0.34 371	0.26 362

NVStereoNet_ROB	0.67 371	0.49 372	0.83 332	0.48 375	0.40 372	0.51 333	0.46 358	0.70 368	0.77 364	0.84 372	1.72 398	1.02 377	0.83 377	1.23 384	0.79 356	0.32 374	0.38 385	0.40 376	0.46 384	0.36 373	0.41 379
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DDUNet	0.41 323	0.50 373	0.48 221	0.44 371	0.39 370	0.46 315	0.32 309	0.50 239	0.43 227	0.45 311	0.52 292	0.57 324	0.36 282	0.48 212	0.33 257	0.33 375	0.21 360	0.55 384	0.25 363	0.37 374	0.32 372

MSC_U_SF_DS_RVC	0.68 372	0.64 382	1.06 368	0.45 372	0.27 349	1.40 402	0.58 376	0.78 376	0.92 378	0.84 372	0.86 364	0.88 371	0.68 365	1.33 389	0.68 348	0.37 379	0.29 378	0.34 372	0.36 379	0.43 375	0.37 375

MADNet+	1.01 388	1.16 405	4.72 412	0.70 387	0.47 377	1.24 395	0.96 401	0.97 388	0.89 374	0.65 357	0.77 355	0.87 369	0.85 380	2.09 404	1.68 394	0.38 380	0.39 386	0.31 369	0.27 369	0.43 375	0.39 377

SQANet	0.40 321	0.48 368	0.67 298	0.48 375	0.39 370	0.48 325	0.22 201	0.51 252	0.43 227	0.40 278	0.47 269	0.47 287	0.33 267	0.54 239	0.32 250	0.36 377	0.15 332	0.40 376	0.21 352	0.45 377	0.31 369

FADE	4.32 412	1.06 401	4.35 409	0.71 388	0.76 395	0.73 365	0.50 369	1.85 408	1.52 397	0.75 367	0.66 336	1.17 382	2.69 411	2.83 409	1.96 404	24.23 436	4.70 419	17.35 431	17.61 430	0.49 378	0.44 381

anonymity	0.56 357	0.54 377	0.70 309	0.47 374	0.61 386	0.56 345	0.43 351	0.69 367	0.49 290	0.63 353	0.55 304	0.54 316	0.60 354	0.61 268	0.57 330	0.55 386	0.53 394	0.50 381	0.54 392	0.51 379	0.56 389

Consistency-Raft	0.55 356	0.48 368	1.02 364	0.45 372	0.49 378	0.49 328	0.47 362	0.72 371	0.72 357	0.45 311	0.82 360	0.47 287	0.60 354	0.50 219	0.63 344	0.39 381	0.39 386	0.44 378	0.51 389	0.52 380	0.37 375

SGM+DAISY	0.87 383	0.66 384	1.30 384	0.51 378	0.60 385	1.03 386	0.84 397	0.76 374	0.73 360	1.39 396	1.51 393	1.31 386	1.22 393	1.11 375	1.08 371	0.57 388	0.53 394	0.51 383	0.51 389	0.54 381	0.61 396

SPS-STEREO	0.69 373	0.61 380	0.98 358	0.52 380	0.57 384	0.74 367	0.50 369	0.78 376	0.62 338	0.95 379	0.86 364	0.94 373	0.70 367	1.01 371	0.87 362	0.58 389	0.51 391	0.50 381	0.50 388	0.55 382	0.58 391
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
BEATNet-Init1	4.73 415	2.61 415	13.29 426	0.58 381	0.53 382	10.12 420	3.33 416	4.83 416	5.01 415	8.75 420	8.51 418	14.08 427	7.60 419	7.70 420	5.34 416	0.28 369	0.28 377	0.34 372	0.37 380	0.57 383	0.45 382

JetBlue	1.14 393	0.76 386	2.36 399	0.59 382	0.75 392	3.04 413	1.78 413	1.11 390	0.90 376	0.94 377	1.10 376	1.66 393	1.28 397	2.09 404	1.72 396	0.43 382	0.36 384	0.38 374	0.38 382	0.58 384	0.56 389

otaku	0.57 360	0.62 381	0.87 342	0.63 385	0.44 375	0.73 365	0.37 331	0.65 352	0.66 344	0.51 331	0.75 352	0.66 353	0.45 322	0.69 298	0.46 312	0.53 383	0.34 383	0.55 384	0.35 376	0.60 385	0.45 382

Ntro	0.58 361	0.64 382	0.92 350	0.66 386	0.50 379	0.77 370	0.36 327	0.66 358	0.70 354	0.50 326	0.59 315	0.65 349	0.51 342	0.75 319	0.45 306	0.56 387	0.32 382	0.56 387	0.34 375	0.63 386	0.46 385

DGSMNet	0.61 366	0.29 326	0.91 348	0.51 378	0.70 390	0.62 355	1.38 412	0.59 323	0.55 321	0.37 247	0.61 327	0.52 310	0.33 267	0.65 289	0.43 299	0.53 383	0.60 401	0.67 389	0.61 397	0.63 386	0.61 396

ACVNet_1	0.72 375	0.81 388	1.37 387	0.72 389	0.53 382	0.77 370	0.42 349	0.85 386	0.90 376	0.74 366	0.75 352	1.32 387	0.72 369	1.02 372	0.55 329	0.54 385	0.31 381	0.71 391	0.35 376	0.64 388	0.45 382

ACVNet-4b	0.72 375	0.81 388	1.33 385	0.72 389	0.50 379	0.80 375	0.31 304	0.71 370	0.80 367	0.50 326	0.72 350	0.95 375	0.43 317	0.96 365	1.20 384	1.13 409	0.21 360	0.76 393	0.45 383	0.65 389	0.46 385

DispFullNet	0.66 370	0.89 393	1.59 390	0.77 391	1.21 408	0.51 333	0.23 221	0.59 323	0.72 357	0.69 361	0.61 327	0.69 359	0.91 382	0.79 333	0.48 315	0.27 365	0.12 304	0.73 392	0.30 373	0.65 389	0.40 378

WAO-7	1.01 388	0.89 393	0.93 352	0.83 394	0.66 389	1.18 391	0.81 395	1.40 396	1.57 398	1.11 388	1.76 400	1.45 389	1.19 392	1.50 393	1.14 377	0.61 390	0.62 404	0.70 390	0.68 399	0.66 391	0.60 393

MFMNet_re	0.72 375	0.76 386	0.99 359	0.62 384	0.70 390	0.77 370	0.67 382	0.75 373	0.83 371	0.78 370	0.86 364	0.69 359	0.78 371	0.71 304	0.61 339	0.66 392	0.59 400	0.61 388	0.58 396	0.68 392	0.71 400

ACVNet_2	0.89 384	0.87 392	1.25 379	0.82 392	0.62 387	0.97 384	0.62 380	1.14 391	1.42 394	1.00 382	1.40 387	1.47 390	0.84 378	1.11 375	0.66 347	0.61 390	0.43 388	0.78 394	0.49 386	0.75 393	0.52 387

RainbowNet	0.72 375	0.89 393	1.02 364	0.82 392	0.63 388	0.78 373	0.52 371	0.81 382	0.93 380	0.60 350	0.79 357	0.80 367	0.60 354	0.80 337	0.57 330	0.78 396	0.55 397	0.78 394	0.49 386	0.76 394	0.58 391

WAO-6	1.07 391	0.93 396	0.92 350	0.96 396	0.78 396	1.28 397	0.75 388	1.34 394	2.00 402	1.02 384	1.54 395	1.59 391	1.22 393	1.31 388	1.14 377	0.78 396	0.55 397	1.02 402	0.75 403	0.83 395	0.69 399

IMH-64-1	0.91 385	0.86 390	0.84 336	0.97 397	0.75 392	0.92 382	0.71 384	1.27 392	1.10 387	0.89 374	1.45 389	1.14 379	0.96 384	1.19 380	0.84 358	0.74 393	0.51 391	0.97 398	0.55 393	0.84 396	0.60 393

IMH-64	0.91 385	0.86 390	0.84 336	0.97 397	0.75 392	0.92 382	0.71 384	1.27 392	1.10 387	0.89 374	1.45 389	1.14 379	0.96 384	1.19 380	0.84 358	0.74 393	0.51 391	0.97 398	0.55 393	0.84 396	0.60 393

IMH	1.05 390	0.95 397	1.00 360	1.01 399	0.78 396	1.11 388	0.68 383	1.38 395	1.43 395	1.00 382	1.72 398	1.43 388	1.14 388	1.73 399	0.89 363	1.09 406	0.55 397	0.99 400	0.57 395	0.87 398	0.62 398

LVE	1.13 392	1.02 398	1.28 382	1.01 399	0.80 399	1.29 398	0.81 395	1.47 399	1.96 400	1.07 386	1.90 401	1.90 396	1.01 387	1.48 392	0.91 364	0.93 403	0.61 403	0.94 397	0.69 400	0.87 398	0.75 404

WAO-8	1.46 399	1.10 403	1.09 369	1.10 402	0.84 400	2.06 406	0.75 388	1.84 405	3.83 410	1.44 402	2.21 406	2.15 399	1.43 400	3.17 411	1.19 382	0.91 401	0.65 406	1.09 403	0.79 404	0.90 400	0.71 400

Venus	1.46 399	1.10 403	1.09 369	1.10 402	0.84 400	2.06 406	0.75 388	1.84 405	3.83 410	1.44 402	2.21 406	2.15 399	1.43 400	3.17 411	1.19 382	0.91 401	0.65 406	1.09 403	0.79 404	0.90 400	0.71 400

Dean	1.17 394	1.04 400	1.49 389	1.03 401	0.78 396	1.20 394	0.77 391	1.48 400	1.96 400	1.28 392	1.99 403	2.15 399	1.14 388	1.25 385	1.00 368	0.81 398	0.60 401	1.01 401	0.69 400	0.92 402	0.74 403

PWCK	1.00 387	1.17 406	1.70 394	0.91 395	0.41 373	1.19 393	0.92 399	1.10 389	1.14 389	1.16 390	1.14 378	1.25 384	0.88 381	1.75 400	1.04 370	0.87 400	0.50 389	0.87 396	0.53 391	0.96 403	0.52 387

SuperB	0.49 344	0.28 319	2.23 397	0.23 172	0.15 206	0.41 291	0.32 309	0.47 214	0.82 368	0.43 301	0.50 278	0.33 194	0.45 322	0.68 296	1.08 371	0.10 207	0.07 158	0.09 120	0.08 110	0.98 404	0.14 283

UNDER WATER-64	1.55 401	1.19 407	2.52 402	1.31 407	0.95 404	2.12 408	1.21 410	1.45 398	3.19 406	1.43 401	1.32 385	2.64 406	2.04 406	1.63 396	1.83 398	1.11 407	0.67 408	1.28 408	0.92 407	1.19 405	1.02 409

UNDER WATER	1.59 402	1.22 408	2.36 399	1.38 408	1.03 405	1.67 405	1.10 407	1.54 403	3.63 408	1.44 402	1.47 391	2.85 408	2.25 408	1.67 397	1.94 402	1.06 405	0.62 404	1.31 409	0.93 408	1.21 406	1.02 409

TorneroNet-64	1.43 397	1.03 399	1.20 376	1.10 402	0.86 402	2.26 410	0.73 387	1.84 405	3.84 412	1.25 391	2.25 408	2.69 407	1.42 399	1.76 401	1.43 389	0.76 395	0.50 389	1.09 403	0.66 398	1.23 407	0.76 405

TorneroNet	2.22 407	1.08 402	1.24 378	1.14 406	0.90 403	5.58 415	0.80 393	2.12 411	8.69 419	2.58 410	5.42 415	3.88 412	1.97 405	1.78 403	1.87 399	0.86 399	0.54 396	1.15 407	0.74 402	1.23 407	0.85 406

notaker	1.45 398	1.34 409	1.48 388	1.40 409	1.07 406	1.18 391	0.85 398	1.48 400	1.40 393	1.51 406	3.46 411	2.40 404	1.81 404	1.76 401	1.45 392	1.11 407	0.69 409	1.38 410	0.87 406	1.31 409	0.97 408

SPstereo	14.25 424	1.73 413	2.83 406	1.84 413	1.57 413	23.16 431	43.27 431	35.72 438	29.56 438	20.86 435	20.62 429	26.34 438	21.82 431	25.23 438	19.62 430	1.56 412	1.42 412	2.96 416	2.17 414	1.31 409	1.33 414

ktn	1.77 405	1.36 410	1.22 377	1.43 410	1.14 407	1.52 403	1.08 406	1.51 402	3.96 413	2.77 412	4.69 413	3.35 410	1.46 402	1.69 398	1.25 386	1.43 411	0.77 410	1.45 411	0.99 409	1.32 411	0.96 407

KSHMR	1.89 406	1.36 410	1.60 391	1.47 411	1.22 409	1.38 401	1.06 405	1.79 404	5.97 416	1.42 400	5.65 417	2.98 409	1.14 388	2.23 407	1.20 384	1.27 410	1.12 411	1.46 412	1.10 411	1.32 411	1.15 411

JetRed	2.30 409	2.64 416	6.12 413	1.12 405	1.38 411	5.85 416	3.29 415	1.99 409	1.67 399	1.98 407	1.95 402	2.16 402	1.60 403	2.48 408	4.10 414	1.05 404	1.60 413	1.09 403	1.01 410	1.67 413	1.28 412

MADNet++	2.26 408	1.80 414	2.06 396	2.13 416	1.97 414	2.61 412	1.79 414	2.38 412	2.16 403	2.75 411	2.65 409	2.38 403	2.43 409	3.17 411	3.21 410	2.17 413	1.95 414	1.94 414	1.63 413	2.06 414	2.01 416

HanzoNet	2.97 410	1.69 412	2.29 398	1.74 412	1.33 410	1.53 404	1.03 404	1.99 409	2.64 405	5.51 415	5.16 414	5.90 417	6.82 418	4.32 416	3.29 411	3.16 415	2.02 416	1.92 413	2.87 417	2.24 415	1.89 415

tt	4.71 414	0.10 24	3.94 408	2.06 415	1.53 412	10.14 421	16.88 421	9.27 422	4.98 414	1.39 396	1.02 373	4.68 413	4.90 414	3.35 414	5.86 417	5.76 420	9.15 426	2.24 415	2.53 416	3.10 416	1.32 413

DPSimNet_ROB	4.34 413	4.23 417	6.89 415	3.67 417	3.68 415	4.75 414	5.21 417	2.67 414	3.68 409	5.82 416	3.95 412	5.57 414	6.72 417	3.46 415	4.48 415	4.05 418	2.88 417	4.68 419	3.12 418	3.69 417	3.62 419

DGTPSM_ROB	8.34 418	5.10 418	10.37 424	5.31 420	10.18 420	8.33 417	23.60 426	6.06 418	13.41 425	4.90 413	10.87 423	5.65 415	10.44 420	6.17 417	12.59 421	3.74 416	7.55 421	3.69 417	7.26 422	4.14 418	7.46 421

DPSMNet_ROB	8.40 419	5.11 419	10.49 425	5.58 421	10.25 421	8.34 418	23.62 427	6.07 419	13.45 426	4.93 414	10.88 424	5.66 416	10.44 420	6.24 418	12.64 422	3.98 417	7.61 422	3.76 418	7.30 423	4.20 419	7.51 422

ASD4	7.23 416	6.65 420	7.69 416	5.24 419	5.62 417	11.85 422	20.36 422	7.57 420	7.14 418	6.55 417	5.47 416	5.99 419	5.78 415	7.22 419	9.24 420	4.85 419	4.44 418	6.40 423	5.19 419	6.53 420	4.89 420

DPSM_ROB	11.49 422	9.87 425	10.35 422	11.13 423	11.31 422	19.11 429	27.51 429	13.37 427	14.21 428	10.31 424	11.06 425	10.96 425	11.27 426	11.96 427	13.59 424	6.78 422	8.19 424	6.03 420	7.09 420	7.93 421	7.73 424

DPSM	11.49 422	9.87 425	10.35 422	11.13 423	11.31 422	19.11 429	27.51 429	13.37 427	14.21 428	10.31 424	11.06 425	10.96 425	11.27 426	11.96 427	13.59 424	6.78 422	8.19 424	6.03 420	7.09 420	7.93 421	7.73 424

PML	16.10 428	12.82 428	6.78 414	5.23 418	7.76 418	33.92 432	66.56 438	5.30 417	10.28 420	26.12 437	68.59 438	20.51 429	13.49 428	10.06 422	6.78 419	5.96 421	2.00 415	6.04 422	2.18 415	8.96 423	2.60 418

xxxxx1	15.27 425	9.54 422	10.31 419	20.13 428	18.88 427	17.08 424	23.03 423	10.36 423	10.99 421	9.21 421	9.62 419	10.74 422	10.61 423	10.72 423	13.89 426	7.97 424	9.20 427	31.85 436	44.72 436	12.84 424	13.69 426

tt_ll	15.27 425	9.54 422	10.31 419	20.13 428	18.88 427	17.08 424	23.03 423	10.36 423	10.99 421	9.21 421	9.62 419	10.74 422	10.61 423	10.72 423	13.89 426	7.97 424	9.20 427	31.85 436	44.72 436	12.84 424	13.69 426

ff	15.27 425	9.54 422	10.31 419	20.13 428	18.88 427	17.08 424	23.03 423	10.36 423	10.99 421	9.21 421	9.62 419	10.74 422	10.61 423	10.72 423	13.89 426	7.97 424	9.20 427	31.85 436	44.72 436	12.84 424	13.69 426

LRCNet_RVC	10.90 421	14.34 429	9.35 417	15.35 425	8.04 419	1.08 387	0.34 321	8.78 421	0.70 354	12.63 427	16.05 427	9.85 420	6.54 416	8.57 421	6.34 418	20.27 434	5.40 420	23.70 433	21.88 432	14.87 427	13.83 429

MyStereo03	23.12 433	19.90 431	20.85 430	22.49 432	22.71 431	38.42 434	55.53 435	26.80 432	28.72 434	20.77 432	22.25 433	22.03 431	22.69 432	23.90 431	27.38 436	13.62 429	16.50 433	12.15 425	14.28 426	15.95 428	15.53 430

MyStereo02	23.12 433	19.90 431	20.85 430	22.49 432	22.71 431	38.42 434	55.53 435	26.80 432	28.72 434	20.77 432	22.25 433	22.03 431	22.69 432	23.90 431	27.38 436	13.62 429	16.50 433	12.15 425	14.28 426	15.95 428	15.53 430

MyStereo	23.12 433	19.90 431	20.85 430	22.49 432	22.71 431	38.42 434	55.53 435	26.80 432	28.72 434	20.77 432	22.25 433	22.03 431	22.69 432	23.90 431	27.38 436	13.62 429	16.50 433	12.15 425	14.28 426	15.95 428	15.53 430

CasAABBNet	23.10 432	19.86 430	20.64 429	22.47 431	22.73 434	38.41 433	55.50 434	26.89 435	28.70 433	20.61 430	22.15 432	22.08 434	22.75 435	23.99 434	27.36 434	13.59 427	16.48 431	12.14 424	14.27 425	15.95 428	15.53 430

Selective-RAFT-Error	23.16 436	19.93 434	20.87 433	22.54 435	22.81 435	38.52 438	55.47 433	27.01 437	28.83 437	20.66 431	22.25 433	22.09 435	22.80 437	24.09 435	27.36 434	13.61 428	16.48 431	12.15 425	14.28 426	15.99 432	15.57 434

LSM0	24.24 437	19.98 435	22.32 434	24.22 436	40.14 438	38.48 437	55.20 432	26.95 436	28.57 432	20.49 429	21.83 430	22.26 436	22.75 435	24.22 436	27.30 433	13.66 432	16.32 430	12.19 429	14.15 424	16.10 433	17.66 435

HaxPig	17.72 430	20.22 436	19.73 427	16.53 426	16.51 425	9.27 419	9.33 418	14.34 429	13.27 424	18.65 428	18.70 428	17.35 428	16.77 429	17.04 429	16.45 429	22.05 435	20.89 436	22.27 432	21.53 431	21.29 434	22.13 436

MEDIAN_ROB	21.21 431	24.62 437	23.47 435	19.58 427	19.65 430	13.22 423	10.96 419	17.88 430	17.00 430	22.14 436	22.02 431	20.86 430	20.36 430	21.06 430	19.71 431	25.63 437	24.13 437	26.21 434	25.20 433	25.17 435	25.38 437

AVERAGE_ROB	25.43 438	29.06 438	27.24 436	24.63 437	24.20 437	17.73 427	12.61 420	22.29 431	21.39 431	26.79 438	26.16 437	25.20 437	24.64 438	25.07 437	23.53 432	29.96 438	28.40 438	30.60 435	29.58 434	29.72 436	29.84 438

DLNR_Zeroshot_test	10.44 420	12.10 427	19.93 428	106.08 439	23.66 436	0.14 3	0.13 3	3.22 415	0.17 3	0.16 24	0.23 50	0.16 35	0.10 4	0.31 151	0.15 51	2.36 414	0.06 72	0.07 14	0.07 50	39.70 437	0.06 18

Anonymous_1	16.62 429	9.35 421	9.84 418	10.66 422	14.64 424	18.66 428	27.12 428	12.64 426	13.51 427	10.76 426	10.30 422	10.13 421	10.60 422	11.06 426	12.74 423	15.87 433	7.74 423	16.92 430	43.48 435	58.66 438	7.68 423

test_example2	101.33 439	108.28 439	68.15 438	98.43 438	106.93 439	89.75 439	102.43 439	36.80 439	97.65 439	129.04 439	130.15 439	65.26 439	66.62 439	92.11 439	80.24 439	144.10 439	199.48 439	81.81 439	103.01 439	125.01 439	101.27 439

Low-res two-view benchmark