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	10.44 417	12.10 425	19.93 425	106.08 436	23.66 433	0.14 3	0.13 3	3.22 413	0.17 3	0.16 24	0.23 50	0.16 35	0.10 4	0.31 151	0.15 51	2.36 413	0.06 72	0.07 14	0.07 50	39.70 434	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	1.15 377	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	0.18 320

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	0.66 335	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	0.29 370	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	0.42 367	3.88 414	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	1.27 394	0.17 59	0.50 239	0.49 290	0.42 295	0.81 357	0.38 228	0.27 211	1.19 379	0.38 274	0.23 355	0.24 369	0.17 328	0.13 299	0.17 312	0.20 337

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	0.68 339	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	0.38 373	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	0.23 355

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	0.60 319	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	0.41 366	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	0.29 370	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	0.21 347	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	1.26 379	0.23 172	0.18 264	0.32 228	0.18 87	0.59 323	0.60 332	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	0.34 344	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	0.80 356	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	0.22 349

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	2.66 407	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	0.36 350	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	0.19 327

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	0.67 353	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	0.24 356	0.22 358	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	0.67 346	0.57 347	0.85 361	0.51 306	0.40 302	0.71 304	0.52 325	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	0.33 342	0.20 296	0.42 298	0.19 124	0.58 318	0.89 373	0.42 295	1.26 381	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	1.08 370	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	1.08 370	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	1.08 370	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	0.85 360	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	1.08 370	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	0.62 343	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	0.59 314	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	3.56 410	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	2.20 403	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	0.35 347	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	0.19 327

HSM-Net_RVC	0.27 222	0.11 63	0.42 173	0.19 26	0.11 42	0.34 250	0.20 162	0.62 343	0.43 227	0.40 278	0.43 231	0.50 302	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	0.51 330	0.55 304	0.45 279	0.42 314	0.71 304	0.32 250	0.18 343	0.19 354	0.23 354	0.21 351	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	0.93 351	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	0.48 367	0.67 298	0.48 374	0.39 369	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	0.36 376	0.15 332	0.40 375	0.21 351	0.45 376	0.31 368

iinet-f	0.30 256	0.18 236	1.03 365	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	0.40 288	0.10 207	0.09 252	0.08 65	0.08 110	0.13 265	0.11 232

GASNet	0.36 294	0.46 363	0.88 343	0.34 344	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	0.24 356	0.20 348	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	0.50 345	0.25 298	3.03 406	0.24 209	0.19 282	0.38 276	0.22 201	0.50 239	0.44 241	0.64 354	0.68 339	0.71 361	0.51 341	0.85 346	0.45 305	0.14 300	0.17 344	0.13 282	0.14 310	0.16 297	0.21 344

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	0.52 309	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	0.31 331	0.25 342	0.42 298	0.22 201	0.66 357	0.94 380	0.63 352	0.60 319	0.59 328	0.47 330	0.59 262	0.58 334	0.15 311	0.13 314	0.16 322	0.16 329	0.20 335	0.22 349

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	0.84 372	0.55 344	0.53 297	0.49 296	0.36 282	0.67 295	0.82 356	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	0.48 292	0.46 327	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	0.31 368

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	0.61 326	0.21 68	0.41 306	0.48 212	0.42 297	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	0.59 314	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	0.20 337

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	2.24 405	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	0.53 313	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	0.66 369	0.89 392	1.59 389	0.77 389	1.21 406	0.51 332	0.23 221	0.59 323	0.72 356	0.69 360	0.61 326	0.69 358	0.91 381	0.79 333	0.48 314	0.27 365	0.12 304	0.73 391	0.30 372	0.65 387	0.40 377

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	0.36 350	0.53 249	0.34 344	0.19 282	0.51 332	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	0.36 376	0.19 354	0.27 359	0.17 338	0.26 357	0.23 355

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	0.54 314	0.53 341	0.60 319	0.71 361	0.50 338	0.78 331	0.40 288	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	0.54 314	0.38 255	0.60 319	0.43 265	0.29 237	0.87 349	0.40 288	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	0.21 347	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	0.56 319	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	0.58 312	0.25 112	0.48 336	0.53 235	0.44 302	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	0.19 327

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	0.54 314	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	0.36 354	0.22 319	0.39 283	0.25 257	0.48 225	0.43 227	0.52 336	0.50 278	0.59 328	0.41 306	0.76 324	0.49 317	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	0.57 326	0.37 247	0.45 252	0.62 337	0.36 282	0.64 283	0.49 317	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	0.51 306	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	1.37 387	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	0.29 377	0.44 377	1.41 411	0.34 370	0.21 344

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	0.62 354	0.26 268	0.59 323	0.63 340	0.43 301	0.60 319	0.67 353	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	0.49 296	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	0.46 363	0.49 226	0.40 365	0.35 367	0.47 321	0.27 273	0.54 280	0.47 272	0.39 270	0.45 252	0.59 328	0.44 318	0.46 207	0.39 282	0.26 360	0.19 354	0.48 379	0.22 358	0.34 370	0.26 361

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	0.57 326	0.38 255	0.52 292	0.51 306	0.32 264	0.60 263	0.41 294	0.13 277	0.11 287	0.12 263	0.11 249	0.13 265	0.14 283

MFN_U_SF_RVC	0.56 356	0.51 374	1.19 374	0.38 361	0.22 319	0.69 360	0.27 273	0.80 379	0.67 346	0.73 362	0.74 349	0.87 368	0.61 362	0.81 340	0.76 350	0.29 370	0.27 373	0.32 369	0.37 379	0.32 369	0.31 368

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	0.50 325	0.58 312	0.35 214	0.47 330	0.48 212	1.29 386	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	0.34 344	0.21 304	0.41 291	0.28 286	0.61 335	0.49 290	0.42 295	0.56 309	0.45 279	0.44 318	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	0.31 331	0.24 335	0.37 269	0.28 286	0.50 239	0.58 328	0.40 278	0.63 331	0.61 335	0.47 330	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	0.56 323	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	7.51 414	0.52 375	140.47 436	0.25 246	0.17 245	0.42 298	0.29 290	0.47 214	1.03 381	1.28 390	1.02 371	0.83 367	0.84 377	0.75 319	0.99 366	0.10 207	0.09 252	0.12 263	0.10 216	0.21 338	0.22 349

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	0.59 329	0.46 314	0.60 319	0.60 331	0.50 338	0.61 268	0.34 261	0.13 277	0.14 318	0.13 282	0.12 281	0.14 277	0.18 320

AF-Net	0.37 303	0.26 309	0.56 261	0.32 337	0.23 330	0.41 291	0.29 290	0.61 335	0.64 341	0.42 295	0.68 339	0.65 348	0.49 337	0.57 251	0.44 302	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	0.34 344	0.27 349	0.40 288	0.29 290	0.57 311	0.53 311	0.45 311	0.64 332	0.62 337	0.45 321	0.72 309	0.39 282	0.15 311	0.15 332	0.21 347	0.20 348	0.18 323	0.19 327

CC-Net-ROB	0.43 329	0.47 365	0.65 294	0.37 359	0.23 330	0.51 332	0.29 290	0.66 357	0.49 290	0.46 314	0.51 284	0.48 292	0.38 294	0.96 365	0.35 265	0.34 375	0.23 367	0.55 383	0.25 362	0.31 367	0.20 337

DRN-Test	0.33 278	0.17 224	0.61 278	0.27 297	0.19 282	0.46 315	0.29 290	0.65 351	0.51 301	0.47 321	0.46 262	0.44 275	0.34 274	0.62 276	0.41 294	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	0.31 331	0.24 335	0.44 308	0.30 300	0.65 351	0.50 298	0.37 247	0.69 343	0.58 326	0.45 321	0.60 263	0.40 288	0.15 311	0.12 304	0.19 342	0.21 351	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	0.48 292	0.30 246	0.57 251	0.40 288	0.11 234	0.09 252	0.12 263	0.11 249	0.12 252	0.10 207

pmcnn	0.50 345	0.20 259	0.78 318	0.24 209	0.26 347	0.39 283	0.30 300	0.51 252	0.50 298	0.54 343	1.23 380	2.52 403	0.37 290	0.77 330	0.95 364	0.08 99	0.06 72	0.06 1	0.05 9	0.10 190	0.08 111

ACVNet-4b	0.72 374	0.81 387	1.33 384	0.72 387	0.50 378	0.80 373	0.31 304	0.71 369	0.80 366	0.50 325	0.72 348	0.95 374	0.43 317	0.96 365	1.20 383	1.13 408	0.21 360	0.76 392	0.45 382	0.65 387	0.46 383

Wz-Net-LNSev	0.34 285	0.29 326	0.91 347	0.26 274	0.21 304	0.47 321	0.31 304	0.54 280	0.54 314	0.44 307	0.52 292	0.50 302	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

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	0.51 330	0.53 297	0.58 326	0.37 290	0.63 281	0.45 305	0.17 333	0.12 304	0.13 282	0.12 281	0.15 289	0.14 283

DDUNet	0.41 323	0.50 372	0.48 221	0.44 370	0.39 369	0.46 315	0.32 308	0.50 239	0.43 227	0.45 311	0.52 292	0.57 323	0.36 282	0.48 212	0.33 257	0.33 374	0.21 360	0.55 383	0.25 362	0.37 373	0.32 371

ccnet	0.42 326	0.31 337	0.48 221	0.27 297	0.32 363	0.60 352	0.32 308	0.65 351	0.46 267	0.53 341	0.66 335	0.56 319	0.45 321	0.72 309	0.61 338	0.26 360	0.19 354	0.24 356	0.21 351	0.26 357	0.22 349

S-Stereo	0.38 309	0.20 259	1.05 366	0.27 297	0.22 319	0.38 276	0.32 308	0.55 290	0.66 343	0.39 270	0.59 314	0.49 296	0.41 306	0.75 319	0.40 288	0.12 261	0.15 332	0.13 282	0.13 299	0.16 297	0.21 344

SuperB	0.49 343	0.28 319	2.23 396	0.23 172	0.15 206	0.41 291	0.32 308	0.47 214	0.82 367	0.43 301	0.50 278	0.33 194	0.45 321	0.68 296	1.08 370	0.10 207	0.07 158	0.09 120	0.08 110	0.98 402	0.14 283

RYNet	0.37 303	0.18 236	0.59 273	0.25 246	0.28 352	0.61 353	0.32 308	0.59 323	0.59 329	0.41 287	0.38 178	0.57 323	0.39 299	0.87 349	0.53 327	0.11 234	0.08 224	0.12 263	0.11 249	0.18 323	0.18 320

TDLM	0.30 256	0.21 272	0.38 128	0.28 314	0.15 206	0.33 237	0.32 308	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	0.48 341	0.14 165	0.95 354	0.30 324	0.21 304	1.33 397	0.32 308	0.77 374	0.56 323	1.06 383	0.71 344	0.49 296	0.35 278	1.26 385	0.38 274	0.13 277	0.11 287	0.16 322	0.13 299	0.12 252	0.12 254

FBW_ROB	0.43 329	0.26 309	0.54 252	0.31 331	0.20 296	0.51 332	0.32 308	0.70 367	0.60 332	0.59 348	0.55 304	0.65 348	0.41 306	1.40 390	0.51 324	0.13 277	0.17 344	0.21 347	0.16 329	0.17 312	0.18 320

PDISCO_ROB	0.43 329	0.30 332	0.67 298	0.43 368	0.36 368	0.67 359	0.32 308	0.72 370	0.76 361	0.43 301	0.53 297	0.63 345	0.40 302	0.66 293	0.47 313	0.21 352	0.12 304	0.21 347	0.19 347	0.25 351	0.20 337

WCMA_ROB	0.51 349	0.21 272	0.65 294	0.25 246	0.21 304	0.58 348	0.32 308	0.54 280	0.55 320	0.95 377	1.40 385	1.28 383	0.81 374	0.73 311	0.62 340	0.18 343	0.15 332	0.15 313	0.15 318	0.19 327	0.19 327

RAFT + AFF	0.27 222	0.23 291	0.50 236	0.25 246	0.17 245	0.30 209	0.33 318	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	0.33 318	0.53 273	0.48 281	0.52 336	0.49 276	0.50 302	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	10.90 418	14.34 427	9.35 414	15.35 422	8.04 416	1.08 385	0.34 320	8.78 418	0.70 353	12.63 424	16.05 424	9.85 417	6.54 413	8.57 418	6.34 416	20.27 432	5.40 417	23.70 430	21.88 429	14.87 424	13.83 426

FINET	0.34 285	0.27 316	0.80 326	0.24 209	0.24 335	0.36 264	0.34 320	0.54 280	0.72 356	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	0.43 329	0.37 355	0.96 355	0.34 344	0.25 342	0.53 342	0.34 320	0.60 331	0.73 359	0.51 330	0.46 262	0.57 323	0.47 330	0.70 301	0.72 349	0.17 333	0.12 304	0.18 335	0.15 318	0.25 351	0.23 355

APVNet	0.36 294	0.20 259	0.70 309	0.26 274	0.22 319	0.52 341	0.35 323	0.61 335	0.44 241	0.38 255	0.52 292	0.48 292	0.38 294	0.84 345	0.46 311	0.13 277	0.14 318	0.15 313	0.16 329	0.16 297	0.15 292

G-Net	0.46 338	0.25 298	0.86 340	0.34 344	0.28 352	0.90 379	0.35 323	0.47 214	0.45 253	0.68 358	1.22 379	0.64 347	0.60 353	0.61 268	0.57 329	0.16 323	0.14 318	0.17 328	0.13 299	0.22 344	0.19 327

MSMD_ROB	0.60 364	0.33 343	0.61 278	0.30 324	0.25 342	0.86 376	0.35 323	0.55 290	0.67 346	1.10 385	1.49 390	1.76 393	0.97 385	0.88 352	0.49 317	0.23 355	0.21 360	0.27 359	0.27 368	0.25 351	0.24 359

Ntro	0.58 360	0.64 381	0.92 349	0.66 385	0.50 378	0.77 368	0.36 326	0.66 357	0.70 353	0.50 325	0.59 314	0.65 348	0.51 341	0.75 319	0.45 305	0.56 386	0.32 381	0.56 386	0.34 374	0.63 384	0.46 383

NCC-stereo	0.39 315	0.25 298	0.69 303	0.32 337	0.28 352	0.46 315	0.36 326	0.65 351	0.52 307	0.40 278	0.57 310	0.56 319	0.47 330	0.73 311	0.45 305	0.17 333	0.14 318	0.18 335	0.25 362	0.16 297	0.16 299

Abc-Net	0.39 315	0.25 298	0.69 303	0.32 337	0.28 352	0.46 315	0.36 326	0.65 351	0.52 307	0.40 278	0.57 310	0.56 319	0.47 330	0.73 311	0.45 305	0.17 333	0.14 318	0.18 335	0.25 362	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	0.44 335	0.29 326	1.29 382	0.33 342	0.30 360	0.35 259	0.36 326	0.62 343	1.15 389	0.40 278	0.44 240	0.39 239	0.41 306	0.80 337	0.52 325	0.18 343	0.14 318	0.23 354	0.21 351	0.17 312	0.17 307

otaku	0.57 359	0.62 380	0.87 342	0.63 384	0.44 374	0.73 364	0.37 330	0.65 351	0.66 343	0.51 330	0.75 350	0.66 352	0.45 321	0.69 298	0.46 311	0.53 382	0.34 382	0.55 383	0.35 375	0.60 383	0.45 380

FCDSN-DC	0.63 366	0.31 337	0.61 278	0.36 354	0.30 360	0.65 356	0.37 330	0.66 357	0.68 349	1.14 387	1.54 393	1.71 392	1.26 394	0.92 358	0.64 344	0.24 358	0.22 364	0.27 359	0.26 366	0.27 360	0.27 364
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	1.09 368	0.24 209	0.19 282	0.28 173	0.37 330	0.33 82	0.47 272	0.94 375	0.82 358	0.52 309	0.54 344	0.49 217	0.50 322	0.11 234	0.09 252	0.10 183	0.10 216	0.16 297	0.15 292

ADCMid	0.49 343	0.34 344	1.13 372	0.26 274	0.21 304	0.51 332	0.37 330	0.57 311	0.54 314	0.75 366	0.66 335	0.62 337	0.64 363	0.64 283	1.68 393	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	0.37 330	0.57 311	0.47 272	0.50 325	0.50 278	0.62 337	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	0.58 360	0.27 316	0.67 298	0.22 130	0.17 245	0.66 358	0.37 330	0.78 375	0.61 335	1.47 403	1.30 382	1.65 390	0.79 371	1.12 376	0.59 335	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	0.59 349	0.38 336	0.55 290	0.56 323	0.48 324	0.54 300	0.53 313	0.36 282	0.60 263	0.44 302	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	0.38 336	0.34 88	0.28 87	0.35 227	0.39 190	0.28 154	0.79 371	0.30 146	0.16 68	0.07 16	0.06 72	0.12 263	0.11 249	0.08 81	0.21 344

ADCPNet	0.48 341	0.29 326	1.60 390	0.27 297	0.23 330	0.70 363	0.38 336	0.53 273	0.51 301	0.51 330	0.59 314	0.67 353	0.56 348	0.60 263	1.14 376	0.15 311	0.18 350	0.14 301	0.23 360	0.19 327	0.19 327

GANet	0.36 294	0.22 284	0.49 226	0.29 317	0.17 245	0.41 291	0.38 336	0.57 311	0.45 253	0.46 314	0.75 350	0.55 317	0.40 302	0.94 362	0.41 294	0.13 277	0.13 314	0.13 282	0.11 249	0.14 277	0.11 232

PASM	0.45 336	0.35 347	0.90 346	0.35 353	0.33 364	0.39 283	0.38 336	0.50 239	0.61 335	0.52 336	0.51 284	0.62 337	0.45 321	0.93 359	0.48 314	0.26 360	0.29 377	0.29 365	0.33 373	0.29 365	0.26 361

ADCP+	0.45 336	0.24 294	1.15 373	0.25 246	0.22 319	0.56 344	0.39 341	0.54 280	0.51 301	0.44 307	0.51 284	0.46 285	0.52 343	0.56 248	1.89 399	0.10 207	0.08 224	0.11 230	0.10 216	0.14 277	0.13 266

FC-DCNN	0.70 373	0.30 332	0.69 303	0.32 337	0.27 349	0.81 374	0.39 341	0.79 378	0.82 367	1.41 396	1.58 395	1.98 395	1.26 394	1.02 371	0.77 353	0.24 358	0.22 364	0.27 359	0.26 366	0.26 357	0.26 361

LALA_ROB	0.36 294	0.25 298	0.46 205	0.30 324	0.21 304	0.47 321	0.39 341	0.61 335	0.51 301	0.52 336	0.51 284	0.69 358	0.36 282	0.50 219	0.43 298	0.17 333	0.11 287	0.16 322	0.14 310	0.17 312	0.15 292

SGM_RVC	0.50 345	0.19 251	0.50 236	0.25 246	0.15 206	0.69 360	0.39 341	0.68 365	0.82 367	0.95 377	0.84 360	1.13 377	0.76 369	1.16 378	0.60 337	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	0.43 329	0.41 362	1.27 380	0.30 324	0.21 304	0.44 308	0.41 345	0.61 335	0.65 342	0.46 314	0.65 333	0.62 337	0.39 299	0.74 318	0.59 335	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	0.36 354	0.22 319	0.41 291	0.41 345	0.53 273	0.42 222	0.47 321	0.46 262	0.61 335	0.39 299	0.55 240	0.37 272	0.16 323	0.13 314	0.21 347	0.21 351	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	0.41 345	0.55 290	0.48 281	0.52 336	0.60 319	0.52 309	0.41 306	0.85 346	0.50 322	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	0.72 374	0.81 387	1.37 386	0.72 387	0.53 381	0.77 368	0.42 348	0.85 385	0.90 375	0.74 365	0.75 350	1.32 385	0.72 368	1.02 371	0.55 328	0.54 384	0.31 380	0.71 390	0.35 375	0.64 386	0.45 380

PA-Net	0.37 303	0.28 319	0.83 332	0.31 331	0.28 352	0.39 283	0.42 348	0.51 252	0.55 320	0.34 211	0.42 219	0.41 255	0.36 282	0.79 333	0.49 317	0.12 261	0.23 367	0.16 322	0.23 360	0.12 252	0.18 320
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
coex-ft	3.44 410	0.73 384	48.55 434	0.24 209	0.19 282	0.50 331	0.43 350	0.47 214	2.40 402	7.03 415	1.20 378	0.97 375	2.23 406	0.73 311	1.92 400	0.12 261	0.15 332	0.14 301	0.12 281	0.21 338	0.43 379

anonymity	0.56 356	0.54 376	0.70 309	0.47 373	0.61 385	0.56 344	0.43 350	0.69 366	0.49 290	0.63 352	0.55 304	0.54 315	0.60 353	0.61 268	0.57 329	0.55 385	0.53 393	0.50 380	0.54 391	0.51 377	0.56 387

PSMNet_ROB	0.33 278	0.24 294	0.54 252	0.31 331	0.21 304	0.42 298	0.43 350	0.59 323	0.47 272	0.37 247	0.44 240	0.49 296	0.31 257	0.64 283	0.43 298	0.14 300	0.10 270	0.15 313	0.14 310	0.13 265	0.11 232

Anonymous Stereo	0.38 309	0.34 344	1.00 359	0.30 324	0.25 342	0.33 237	0.44 353	0.50 239	0.54 314	0.41 287	0.45 252	0.39 239	0.26 194	0.93 359	0.48 314	0.15 311	0.14 318	0.15 313	0.16 329	0.16 297	0.17 307

SANet	0.53 354	0.28 319	0.96 355	0.26 274	0.15 206	0.69 360	0.44 353	0.67 362	1.34 391	0.67 357	0.98 370	0.94 372	0.71 367	0.89 353	0.76 350	0.14 300	0.12 304	0.12 263	0.11 249	0.17 312	0.16 299

Wz-Net-TNSev	0.51 349	0.58 377	1.61 392	0.25 246	0.21 304	0.65 356	0.45 355	0.63 349	0.69 351	0.51 330	0.54 300	0.71 361	0.60 353	1.00 369	0.77 353	0.15 311	0.15 332	0.13 282	0.15 318	0.21 338	0.20 337

ADCS	0.58 360	0.40 359	1.35 385	0.29 317	0.24 335	0.55 343	0.45 355	0.67 362	0.83 370	0.76 367	0.71 344	0.68 356	0.60 353	0.76 324	2.23 404	0.16 323	0.16 339	0.16 322	0.17 338	0.22 344	0.22 349

EAI-Stereo	0.21 117	0.10 24	0.33 74	0.21 87	0.12 77	0.30 209	0.46 357	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	0.78 380	0.48 367	4.68 408	0.34 344	0.28 352	1.12 387	0.46 357	0.62 343	1.03 381	0.73 362	0.89 366	0.60 331	0.59 351	1.61 393	1.16 379	0.14 300	0.11 287	0.15 313	0.15 318	0.21 338	0.19 327

RTSA	0.78 380	0.48 367	4.68 408	0.34 344	0.28 352	1.12 387	0.46 357	0.62 343	1.03 381	0.73 362	0.89 366	0.60 331	0.59 351	1.61 393	1.16 379	0.14 300	0.11 287	0.15 313	0.15 318	0.21 338	0.19 327

NVStereoNet_ROB	0.67 370	0.49 371	0.83 332	0.48 374	0.40 371	0.51 332	0.46 357	0.70 367	0.77 363	0.84 370	1.72 396	1.02 376	0.83 376	1.23 383	0.79 355	0.32 373	0.38 384	0.40 375	0.46 383	0.36 372	0.41 378
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	0.55 355	0.48 367	1.02 363	0.45 371	0.49 377	0.49 328	0.47 361	0.72 370	0.72 356	0.45 311	0.82 358	0.47 287	0.60 353	0.50 219	0.63 343	0.39 380	0.39 385	0.44 377	0.51 388	0.52 378	0.37 374

GrayStereo	0.25 205	0.09 9	0.32 61	0.26 274	0.13 131	0.23 110	0.47 361	0.34 88	0.30 114	0.39 270	0.47 269	0.30 171	0.79 371	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	0.58 360	0.34 344	0.84 336	0.39 363	0.31 362	0.59 349	0.47 361	0.80 379	1.25 390	0.92 374	1.09 373	0.79 365	0.82 375	0.85 346	0.76 350	0.21 352	0.18 350	0.22 353	0.18 343	0.27 360	0.35 373

NaN_ROB	0.41 323	0.28 319	0.62 286	0.30 324	0.19 282	0.51 332	0.47 361	0.58 318	0.59 329	0.56 345	0.47 269	0.49 296	0.41 306	1.21 382	0.64 344	0.12 261	0.18 350	0.12 263	0.13 299	0.11 226	0.14 283

WZ-Net	0.52 353	0.38 357	1.90 394	0.30 324	0.24 335	0.57 347	0.48 365	0.62 343	0.78 364	0.50 325	0.71 344	0.68 356	0.54 344	0.98 368	0.84 357	0.13 277	0.10 270	0.11 230	0.12 281	0.19 327	0.20 337

GANetREF_RVC	0.43 329	0.47 365	0.69 303	0.38 361	0.20 296	0.51 332	0.48 365	0.66 357	0.66 343	0.46 314	0.46 262	0.50 302	0.44 318	0.90 356	0.39 282	0.27 365	0.21 360	0.32 369	0.18 343	0.27 360	0.22 349
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	0.63 366	0.37 355	2.40 400	0.26 274	0.25 342	0.38 276	0.49 367	0.41 164	1.06 384	1.38 393	0.87 365	0.62 337	0.95 382	0.65 289	1.65 392	0.11 234	0.09 252	0.10 183	0.11 249	0.19 327	0.17 307

SPS-STEREO	0.69 372	0.61 379	0.98 357	0.52 379	0.57 383	0.74 365	0.50 368	0.78 375	0.62 337	0.95 377	0.86 362	0.94 372	0.70 366	1.01 370	0.87 361	0.58 388	0.51 390	0.50 380	0.50 387	0.55 380	0.58 389
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RainbowNet	0.72 374	0.89 392	1.02 363	0.82 390	0.63 387	0.78 371	0.52 369	0.81 381	0.93 379	0.60 349	0.79 355	0.80 366	0.60 353	0.80 337	0.57 329	0.78 395	0.55 396	0.78 393	0.49 385	0.76 392	0.58 389

LSM	1.64 402	0.40 359	2.56 402	2.02 412	17.61 423	0.51 332	0.52 369	0.61 335	0.76 361	0.82 369	1.11 375	0.63 345	0.54 344	0.75 319	0.49 317	0.16 323	0.24 369	0.18 335	0.21 351	0.25 351	2.42 415

FTStereo	0.28 239	0.10 24	0.43 183	0.23 172	0.13 131	0.21 73	0.53 371	0.34 88	0.26 65	0.38 255	0.95 368	0.30 171	0.56 348	0.32 157	0.18 105	0.08 99	0.06 72	0.09 120	0.08 110	0.07 37	0.19 327

MFN_U_SF_DS_RVC	0.51 349	0.50 372	0.86 340	0.39 363	0.24 335	0.84 375	0.55 372	0.56 304	0.62 337	0.60 349	0.68 339	0.62 337	0.42 314	1.13 377	0.43 298	0.23 355	0.27 373	0.27 359	0.35 375	0.25 351	0.29 365

DPSNet	0.47 339	0.24 294	0.93 351	0.27 297	0.20 296	0.75 367	0.57 373	0.84 383	0.79 365	0.47 321	0.51 284	0.60 331	0.69 365	0.87 349	0.71 348	0.16 323	0.13 314	0.12 263	0.10 216	0.25 351	0.21 344

MSC_U_SF_DS_RVC	0.68 371	0.64 381	1.06 367	0.45 371	0.27 349	1.40 400	0.58 374	0.78 375	0.92 377	0.84 370	0.86 362	0.88 370	0.68 364	1.33 388	0.68 347	0.37 378	0.29 377	0.34 371	0.36 378	0.43 374	0.37 374

AnyNet_C32	0.51 349	0.40 359	1.10 371	0.29 317	0.28 352	0.59 349	0.58 374	0.54 280	0.60 332	0.62 351	0.66 335	0.54 315	0.54 344	0.78 331	1.74 396	0.15 311	0.14 318	0.15 313	0.17 338	0.20 335	0.20 337

CSAN	0.50 345	0.35 347	0.78 318	0.36 354	0.23 330	0.56 344	0.59 376	0.61 335	0.70 353	0.64 354	0.78 354	0.65 348	0.60 353	1.38 389	0.62 340	0.21 352	0.17 344	0.20 345	0.20 348	0.18 323	0.18 320

AnyNet_C01	0.65 368	0.58 377	2.60 403	0.32 337	0.26 347	0.88 377	0.61 377	0.63 349	0.62 337	0.68 358	0.96 369	0.76 364	0.60 353	0.96 365	1.43 388	0.16 323	0.16 339	0.17 328	0.17 338	0.23 347	0.23 355

ACVNet_2	0.89 383	0.87 391	1.25 378	0.82 390	0.62 386	0.97 382	0.62 378	1.14 390	1.42 393	1.00 380	1.40 385	1.47 388	0.84 377	1.11 374	0.66 346	0.61 389	0.43 387	0.78 393	0.49 385	0.75 391	0.52 385

ADCL	0.47 339	0.22 284	1.00 359	0.27 297	0.19 282	0.74 365	0.64 379	0.54 280	0.69 351	0.56 345	0.71 344	0.55 317	0.60 353	0.60 263	1.43 388	0.11 234	0.09 252	0.13 282	0.13 299	0.14 277	0.14 283

MFMNet_re	0.72 374	0.76 385	0.99 358	0.62 383	0.70 389	0.77 368	0.67 380	0.75 372	0.83 370	0.78 368	0.86 362	0.69 358	0.78 370	0.71 304	0.61 338	0.66 391	0.59 399	0.61 387	0.58 395	0.68 390	0.71 398

IMH	1.05 389	0.95 396	1.00 359	1.01 397	0.78 394	1.11 386	0.68 381	1.38 394	1.43 394	1.00 380	1.72 396	1.43 386	1.14 387	1.73 398	0.89 362	1.09 405	0.55 396	0.99 399	0.57 394	0.87 396	0.62 396

IMH-64-1	0.91 384	0.86 389	0.84 336	0.97 395	0.75 391	0.92 380	0.71 382	1.27 391	1.10 386	0.89 372	1.45 387	1.14 378	0.96 383	1.19 379	0.84 357	0.74 392	0.51 390	0.97 397	0.55 392	0.84 394	0.60 391

IMH-64	0.91 384	0.86 389	0.84 336	0.97 395	0.75 391	0.92 380	0.71 382	1.27 391	1.10 386	0.89 372	1.45 387	1.14 378	0.96 383	1.19 379	0.84 357	0.74 392	0.51 390	0.97 397	0.55 392	0.84 394	0.60 391

THIR-Stereo	0.29 249	0.12 81	0.41 166	0.19 26	0.11 42	0.28 173	0.72 384	0.32 68	0.35 156	0.37 247	0.65 333	0.34 200	0.50 338	0.57 251	0.45 305	0.07 16	0.06 72	0.08 65	0.09 184	0.07 37	0.07 65

TorneroNet-64	1.43 396	1.03 398	1.20 375	1.10 400	0.86 400	2.26 408	0.73 385	1.84 404	3.84 410	1.25 389	2.25 406	2.69 405	1.42 398	1.76 400	1.43 388	0.76 394	0.50 388	1.09 402	0.66 397	1.23 405	0.76 403

WAO-8	1.46 398	1.10 401	1.09 368	1.10 400	0.84 398	2.06 404	0.75 386	1.84 404	3.83 408	1.44 400	2.21 404	2.15 397	1.43 399	3.17 409	1.19 381	0.91 400	0.65 405	1.09 402	0.79 403	0.90 398	0.71 398

WAO-6	1.07 390	0.93 395	0.92 349	0.96 394	0.78 394	1.28 395	0.75 386	1.34 393	2.00 400	1.02 382	1.54 393	1.59 389	1.22 392	1.31 387	1.14 376	0.78 395	0.55 396	1.02 401	0.75 402	0.83 393	0.69 397

Venus	1.46 398	1.10 401	1.09 368	1.10 400	0.84 398	2.06 404	0.75 386	1.84 404	3.83 408	1.44 400	2.21 404	2.15 397	1.43 399	3.17 409	1.19 381	0.91 400	0.65 405	1.09 402	0.79 403	0.90 398	0.71 398

Dean	1.17 393	1.04 399	1.49 388	1.03 399	0.78 394	1.20 392	0.77 389	1.48 399	1.96 398	1.28 390	1.99 401	2.15 397	1.14 387	1.25 384	1.00 367	0.81 397	0.60 400	1.01 400	0.69 399	0.92 400	0.74 401

ELAS	0.74 378	0.36 350	0.85 339	0.36 354	0.33 364	1.36 398	0.77 389	0.93 386	0.92 377	1.41 396	1.53 392	1.16 380	1.17 390	0.95 364	1.03 368	0.26 360	0.25 371	0.28 364	0.28 371	0.31 367	0.30 366
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
TorneroNet	2.22 406	1.08 400	1.24 377	1.14 404	0.90 401	5.58 413	0.80 391	2.12 409	8.69 416	2.58 408	5.42 413	3.88 410	1.97 404	1.78 402	1.87 398	0.86 398	0.54 395	1.15 406	0.74 401	1.23 405	0.85 404

MANE	1.41 395	0.36 350	0.74 316	0.43 368	0.41 372	2.16 407	0.80 391	2.39 411	3.38 405	2.22 406	3.06 408	3.54 409	2.73 410	2.15 405	1.94 401	0.28 368	0.27 373	0.30 367	0.46 383	0.28 364	0.34 372

WAO-7	1.01 387	0.89 392	0.93 351	0.83 392	0.66 388	1.18 389	0.81 393	1.40 395	1.57 396	1.11 386	1.76 398	1.45 387	1.19 391	1.50 392	1.14 376	0.61 389	0.62 403	0.70 389	0.68 398	0.66 389	0.60 391

LVE	1.13 391	1.02 397	1.28 381	1.01 397	0.80 397	1.29 396	0.81 393	1.47 398	1.96 398	1.07 384	1.90 399	1.90 394	1.01 386	1.48 391	0.91 363	0.93 402	0.61 402	0.94 396	0.69 399	0.87 396	0.75 402

SGM+DAISY	0.87 382	0.66 383	1.30 383	0.51 377	0.60 384	1.03 384	0.84 395	0.76 373	0.73 359	1.39 394	1.51 391	1.31 384	1.22 392	1.11 374	1.08 370	0.57 387	0.53 393	0.51 382	0.51 388	0.54 379	0.61 394

notaker	1.45 397	1.34 407	1.48 387	1.40 407	1.07 404	1.18 389	0.85 396	1.48 399	1.40 392	1.51 404	3.46 409	2.40 402	1.81 403	1.76 400	1.45 391	1.11 406	0.69 408	1.38 409	0.87 405	1.31 407	0.97 406

PWCK	1.00 386	1.17 404	1.70 393	0.91 393	0.41 372	1.19 391	0.92 397	1.10 388	1.14 388	1.16 388	1.14 376	1.25 382	0.88 380	1.75 399	1.04 369	0.87 399	0.50 388	0.87 395	0.53 390	0.96 401	0.52 385

ELAS_RVC	0.74 378	0.36 350	1.00 359	0.37 359	0.33 364	0.88 377	0.93 398	0.83 382	1.08 385	1.35 392	1.33 384	1.24 381	1.33 397	1.06 373	0.95 364	0.27 365	0.25 371	0.29 365	0.27 368	0.30 366	0.30 366
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MADNet+	1.01 387	1.16 403	4.72 410	0.70 386	0.47 376	1.24 393	0.96 399	0.97 387	0.89 373	0.65 356	0.77 353	0.87 368	0.85 379	2.09 403	1.68 393	0.38 379	0.39 385	0.31 368	0.27 368	0.43 374	0.39 376

LE_ROB	1.76 403	0.20 259	2.68 404	0.48 374	0.52 380	0.78 371	0.96 399	0.84 383	6.61 415	7.40 416	2.08 403	2.08 396	4.83 411	1.27 386	3.79 411	0.10 207	0.08 224	0.12 263	0.11 249	0.11 226	0.10 207

SGM-ForestM	1.36 394	0.28 319	0.79 324	0.26 274	0.16 229	2.26 408	1.00 401	1.42 396	1.46 395	2.38 407	2.05 402	5.95 416	2.66 409	2.95 408	2.46 406	0.17 333	0.18 350	0.18 335	0.18 343	0.15 289	0.18 320

HanzoNet	2.97 409	1.69 410	2.29 397	1.74 410	1.33 408	1.53 402	1.03 402	1.99 407	2.64 403	5.51 413	5.16 412	5.90 415	6.82 415	4.32 414	3.29 409	3.16 414	2.02 415	1.92 412	2.87 416	2.24 413	1.89 413

KSHMR	1.89 405	1.36 408	1.60 390	1.47 409	1.22 407	1.38 399	1.06 403	1.79 403	5.97 414	1.42 398	5.65 414	2.98 407	1.14 387	2.23 406	1.20 383	1.27 409	1.12 410	1.46 411	1.10 410	1.32 409	1.15 409

ktn	1.77 404	1.36 408	1.22 376	1.43 408	1.14 405	1.52 401	1.08 404	1.51 401	3.96 411	2.77 410	4.69 411	3.35 408	1.46 401	1.69 397	1.25 385	1.43 410	0.77 409	1.45 410	0.99 408	1.32 409	0.96 405

UNDER WATER	1.59 401	1.22 406	2.36 398	1.38 406	1.03 403	1.67 403	1.10 405	1.54 402	3.63 406	1.44 400	1.47 389	2.85 406	2.25 407	1.67 396	1.94 401	1.06 404	0.62 403	1.31 408	0.93 407	1.21 404	1.02 407

CrosDoStereo	0.31 263	0.10 24	0.49 226	0.18 8	0.12 77	0.22 93	1.11 406	0.34 88	0.37 175	0.38 255	0.61 326	0.28 154	0.46 327	0.61 268	0.57 329	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	1.11 406	0.34 88	0.37 175	0.38 255	0.61 326	0.28 154	0.46 327	0.61 268	0.57 329	0.07 16	0.06 72	0.08 65	0.08 110	0.07 37	0.07 65

UNDER WATER-64	1.55 400	1.19 405	2.52 401	1.31 405	0.95 402	2.12 406	1.21 408	1.45 397	3.19 404	1.43 399	1.32 383	2.64 404	2.04 405	1.63 395	1.83 397	1.11 406	0.67 407	1.28 407	0.92 406	1.19 403	1.02 407

SAMSARA	0.56 356	0.39 358	0.80 326	0.60 382	0.46 375	1.00 383	1.23 409	0.67 362	0.68 349	0.71 361	0.54 300	0.89 371	0.57 350	0.81 340	0.62 340	0.19 348	0.22 364	0.18 335	0.18 343	0.27 360	0.25 360

DGSMNet	0.61 365	0.29 326	0.91 347	0.51 377	0.70 389	0.62 354	1.38 410	0.59 323	0.55 320	0.37 247	0.61 326	0.52 309	0.33 267	0.65 289	0.43 298	0.53 382	0.60 400	0.67 388	0.61 396	0.63 384	0.61 394

JetBlue	1.14 392	0.76 385	2.36 398	0.59 381	0.75 391	3.04 411	1.78 411	1.11 389	0.90 375	0.94 375	1.10 374	1.66 391	1.28 396	2.09 403	1.72 395	0.43 381	0.36 383	0.38 373	0.38 381	0.58 382	0.56 387

MADNet++	2.26 407	1.80 412	2.06 395	2.13 414	1.97 412	2.61 410	1.79 412	2.38 410	2.16 401	2.75 409	2.65 407	2.38 401	2.43 408	3.17 409	3.21 408	2.17 412	1.95 413	1.94 413	1.63 412	2.06 412	2.01 414

JetRed	2.30 408	2.64 414	6.12 411	1.12 403	1.38 409	5.85 414	3.29 413	1.99 407	1.67 397	1.98 405	1.95 400	2.16 400	1.60 402	2.48 407	4.10 412	1.05 403	1.60 412	1.09 402	1.01 409	1.67 411	1.28 410

BEATNet-Init1	4.73 413	2.61 413	13.29 423	0.58 380	0.53 381	10.12 418	3.33 414	4.83 414	5.01 413	8.75 417	8.51 415	14.08 424	7.60 416	7.70 417	5.34 414	0.28 368	0.28 376	0.34 371	0.37 379	0.57 381	0.45 380

DPSimNet_ROB	4.34 411	4.23 415	6.89 413	3.67 415	3.68 413	4.75 412	5.21 415	2.67 412	3.68 407	5.82 414	3.95 410	5.57 412	6.72 414	3.46 413	4.48 413	4.05 417	2.88 416	4.68 418	3.12 417	3.69 415	3.62 417

HaxPig	17.72 427	20.22 434	19.73 424	16.53 423	16.51 422	9.27 417	9.33 416	14.34 426	13.27 421	18.65 425	18.70 425	17.35 425	16.77 426	17.04 426	16.45 426	22.05 433	20.89 433	22.27 429	21.53 428	21.29 431	22.13 433

MEDIAN_ROB	21.21 428	24.62 435	23.47 432	19.58 424	19.65 427	13.22 420	10.96 417	17.88 427	17.00 427	22.14 433	22.02 428	20.86 427	20.36 427	21.06 427	19.71 428	25.63 434	24.13 434	26.21 431	25.20 430	25.17 432	25.38 434

AVERAGE_ROB	25.43 435	29.06 436	27.24 433	24.63 434	24.20 434	17.73 424	12.61 418	22.29 428	21.39 428	26.79 435	26.16 434	25.20 434	24.64 435	25.07 434	23.53 429	29.96 435	28.40 435	30.60 432	29.58 431	29.72 433	29.84 435

tt	4.71 412	0.10 24	3.94 407	2.06 413	1.53 410	10.14 419	16.88 419	9.27 419	4.98 412	1.39 394	1.02 371	4.68 411	4.90 412	3.35 412	5.86 415	5.76 418	9.15 423	2.24 414	2.53 415	3.10 414	1.32 411

xxxxx1	15.27 422	9.54 420	10.31 416	20.13 425	18.88 424	17.08 421	23.03 420	10.36 420	10.99 418	9.21 418	9.62 416	10.74 419	10.61 420	10.72 420	13.89 423	7.97 422	9.20 424	31.85 433	44.72 433	12.84 421	13.69 423

tt_ll	15.27 422	9.54 420	10.31 416	20.13 425	18.88 424	17.08 421	23.03 420	10.36 420	10.99 418	9.21 418	9.62 416	10.74 419	10.61 420	10.72 420	13.89 423	7.97 422	9.20 424	31.85 433	44.72 433	12.84 421	13.69 423

ff	15.27 422	9.54 420	10.31 416	20.13 425	18.88 424	17.08 421	23.03 420	10.36 420	10.99 418	9.21 418	9.62 416	10.74 419	10.61 420	10.72 420	13.89 423	7.97 422	9.20 424	31.85 433	44.72 433	12.84 421	13.69 423

DGTPSM_ROB	8.34 415	5.10 416	10.37 421	5.31 417	10.18 417	8.33 415	23.60 423	6.06 416	13.41 422	4.90 411	10.87 420	5.65 413	10.44 417	6.17 415	12.59 418	3.74 415	7.55 418	3.69 416	7.26 420	4.14 416	7.46 418

DPSMNet_ROB	8.40 416	5.11 417	10.49 422	5.58 418	10.25 418	8.34 416	23.62 424	6.07 417	13.45 423	4.93 412	10.88 421	5.66 414	10.44 417	6.24 416	12.64 419	3.98 416	7.61 419	3.76 417	7.30 421	4.20 417	7.51 419

Anonymous_1	16.62 426	9.35 419	9.84 415	10.66 419	14.64 421	18.66 425	27.12 425	12.64 423	13.51 424	10.76 423	10.30 419	10.13 418	10.60 419	11.06 423	12.74 420	15.87 431	7.74 420	16.92 428	43.48 432	58.66 435	7.68 420

DPSM_ROB	11.49 419	9.87 423	10.35 419	11.13 420	11.31 419	19.11 426	27.51 426	13.37 424	14.21 425	10.31 421	11.06 422	10.96 422	11.27 423	11.96 424	13.59 421	6.78 420	8.19 421	6.03 419	7.09 418	7.93 418	7.73 421

DPSM	11.49 419	9.87 423	10.35 419	11.13 420	11.31 419	19.11 426	27.51 426	13.37 424	14.21 425	10.31 421	11.06 422	10.96 422	11.27 423	11.96 424	13.59 421	6.78 420	8.19 421	6.03 419	7.09 418	7.93 418	7.73 421

SPstereo	14.25 421	1.73 411	2.83 405	1.84 411	1.57 411	23.16 428	43.27 428	35.72 435	29.56 435	20.86 432	20.62 426	26.34 435	21.82 428	25.23 435	19.62 427	1.56 411	1.42 411	2.96 415	2.17 413	1.31 407	1.33 412

LSM0	24.24 434	19.98 433	22.32 431	24.22 433	40.14 435	38.48 434	55.20 429	26.95 433	28.57 429	20.49 426	21.83 427	22.26 433	22.75 432	24.22 433	27.30 430	13.66 430	16.32 427	12.19 427	14.15 422	16.10 430	17.66 432

Selective-RAFT-Error	23.16 433	19.93 432	20.87 430	22.54 432	22.81 432	38.52 435	55.47 430	27.01 434	28.83 434	20.66 428	22.25 430	22.09 432	22.80 434	24.09 432	27.36 431	13.61 426	16.48 428	12.15 423	14.28 424	15.99 429	15.57 431

CasAABBNet	23.10 429	19.86 428	20.64 426	22.47 428	22.73 431	38.41 430	55.50 431	26.89 432	28.70 430	20.61 427	22.15 429	22.08 431	22.75 432	23.99 431	27.36 431	13.59 425	16.48 428	12.14 422	14.27 423	15.95 425	15.53 427

MyStereo03	23.12 430	19.90 429	20.85 427	22.49 429	22.71 428	38.42 431	55.53 432	26.80 429	28.72 431	20.77 429	22.25 430	22.03 428	22.69 429	23.90 428	27.38 433	13.62 427	16.50 430	12.15 423	14.28 424	15.95 425	15.53 427

MyStereo02	23.12 430	19.90 429	20.85 427	22.49 429	22.71 428	38.42 431	55.53 432	26.80 429	28.72 431	20.77 429	22.25 430	22.03 428	22.69 429	23.90 428	27.38 433	13.62 427	16.50 430	12.15 423	14.28 424	15.95 425	15.53 427

MyStereo	23.12 430	19.90 429	20.85 427	22.49 429	22.71 428	38.42 431	55.53 432	26.80 429	28.72 431	20.77 429	22.25 430	22.03 428	22.69 429	23.90 428	27.38 433	13.62 427	16.50 430	12.15 423	14.28 424	15.95 425	15.53 427

PML	16.10 425	12.82 426	6.78 412	5.23 416	7.76 415	33.92 429	66.56 435	5.30 415	10.28 417	26.12 434	68.59 435	20.51 426	13.49 425	10.06 419	6.78 417	5.96 419	2.00 414	6.04 421	2.18 414	8.96 420	2.60 416

test_example2	101.33 436	108.28 437	68.15 435	98.43 435	106.93 436	89.75 436	102.43 436	36.80 436	97.65 436	129.04 436	130.15 436	65.26 436	66.62 436	92.11 436	80.24 436	144.10 436	199.48 436	81.81 436	103.01 436	125.01 436	101.27 436

ASD4		6.65 418

Low-res two-view benchmark