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

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
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

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

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

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

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

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

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

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
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

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

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

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

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

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
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

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

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

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

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

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

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

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
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

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

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

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)
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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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)
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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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
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

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

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.
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

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

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

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
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

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

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

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

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

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

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

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

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
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

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

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
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

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.
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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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
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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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