Low-res two-view results

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

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

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

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

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

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

CAS	0.15 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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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-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

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

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

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

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
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

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

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

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

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

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

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

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

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

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)
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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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_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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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
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)
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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+_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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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_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	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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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
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
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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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
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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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
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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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.
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

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

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-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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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
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
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

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

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

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

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

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

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

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

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

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

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

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
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

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

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
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

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

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

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

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

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

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

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
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

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

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

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

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

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_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

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

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

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

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

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-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	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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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