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	0.41 364	0.16 228	0.20 55	0.18 85	0.22 3	0.19 7	0.15 11	0.19 25	0.11 2	0.09 2	0.14 1	0.13 24	0.29 368	0.04 1	0.06 1	0.04 1	0.06 6	0.14 281

Any-RAFT	0.17 36	0.08 2	0.31 54	0.19 26	0.10 20	0.29 191	0.16 38	0.42 174	0.30 114	0.24 70	0.27 75	0.27 137	0.16 63	0.21 39	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 21	0.16 3	0.09 7	0.22 93	0.14 13	0.26 14	0.26 65	0.15 11	0.18 22	0.18 46	0.13 32	0.22 44	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	0.22 317	0.18 13	0.16 38	0.23 6	0.19 7	0.14 8	0.17 19	0.14 21	0.10 4	0.18 19	0.12 6	0.07 16	0.05 6	0.06 1	0.04 1	0.08 81	0.18 318

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 27	0.09 2	0.20 28	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 16	0.17 5	0.11 42	0.18 13	0.13 3	0.22 3	0.30 114	0.21 50	0.30 99	0.13 11	0.11 8	0.16 7	0.15 51	0.07 16	0.04 1	0.06 1	0.15 316	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 43	0.14 21	0.13 32	0.18 19	0.13 24	0.09 163	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 43	0.16 34	0.14 42	0.22 44	0.13 24	0.29 368	0.05 6	0.06 1	0.04 1	0.07 37	0.06 18

MSKI-zero shot	0.17 36	0.09 9	0.43 182	0.20 57	0.11 42	0.21 73	0.15 26	0.32 67	0.21 26	0.23 57	0.24 59	0.23 93	0.10 4	0.31 149	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	0.19 280	0.19 34	0.16 38	0.23 6	0.14 1	0.13 2	0.17 19	0.13 11	0.16 63	0.16 7	0.12 6	0.07 16	0.05 6	0.07 14	0.08 108	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 39	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 60	0.17 5	0.11 42	0.21 73	0.17 58	0.32 67	0.23 44	0.23 57	0.28 79	0.27 137	0.16 63	0.23 51	0.16 67	0.09 163	0.06 72	0.09 119	0.06 23	0.09 142	0.09 161

riskmin	0.18 53	0.09 9	0.34 78	0.18 8	0.12 77	0.24 125	0.16 38	0.34 87	0.28 87	0.21 50	0.23 49	0.33 192	0.24 168	0.23 51	0.17 90	0.09 163	0.06 72	0.09 119	0.06 23	0.10 189	0.10 206

MC-Stereo	0.14 6	0.09 9	0.25 13	0.21 86	0.09 7	0.18 13	0.16 38	0.23 6	0.19 7	0.18 39	0.23 49	0.16 34	0.13 32	0.22 44	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 13	0.20 57	0.10 20	0.19 34	0.17 58	0.36 123	0.35 155	0.20 41	0.25 64	0.17 39	0.17 86	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 54	0.21 86	0.11 42	0.18 13	0.16 38	0.30 54	0.27 74	0.26 85	0.16 16	0.22 74	0.12 14	0.26 92	0.18 104	0.06 1	0.04 1	0.08 65	0.08 108	0.06 6	0.06 18

test_1	0.16 28	0.09 9	0.31 54	0.21 86	0.11 42	0.18 13	0.16 38	0.30 54	0.27 74	0.25 76	0.16 16	0.22 74	0.12 14	0.26 92	0.18 104	0.06 1	0.04 1	0.08 65	0.08 108	0.06 6	0.06 18

DEmStereo	0.26 213	0.09 9	0.47 211	0.19 26	0.12 77	0.30 208	0.25 255	0.28 33	0.36 165	0.36 241	0.58 310	0.25 111	0.48 334	0.53 233	0.44 300	0.07 16	0.06 72	0.08 65	0.08 108	0.06 6	0.07 65

GrayStereo	0.25 203	0.09 9	0.32 60	0.26 272	0.13 131	0.23 110	0.47 359	0.34 87	0.30 114	0.39 269	0.47 267	0.30 169	0.79 369	0.29 132	0.16 67	0.07 16	0.06 72	0.08 65	0.09 182	0.07 37	0.13 264

s12784h	0.17 36	0.09 9	0.26 16	0.18 8	0.07 1	0.32 226	0.19 122	0.37 128	0.32 132	0.23 57	0.25 64	0.18 46	0.17 86	0.25 80	0.16 67	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 29	0.16 3	0.08 2	0.25 135	0.14 13	0.23 6	0.28 87	0.24 70	0.30 99	0.16 34	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 53	0.09 9	0.32 60	0.22 128	0.12 77	0.22 93	0.19 122	0.42 174	0.19 7	0.31 167	0.45 250	0.20 59	0.14 42	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 53	0.09 9	0.32 60	0.22 128	0.12 77	0.22 93	0.19 122	0.42 174	0.19 7	0.31 167	0.45 250	0.20 59	0.14 42	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 53	0.10 24	0.30 42	0.20 57	0.11 42	0.27 159	0.17 58	0.35 104	0.23 44	0.25 76	0.23 49	0.23 93	0.23 153	0.25 80	0.18 104	0.09 163	0.07 158	0.07 14	0.06 23	0.09 142	0.09 161

IGEV_Zeroshot_test	0.18 53	0.10 24	0.65 292	0.20 57	0.12 77	0.19 34	0.15 26	0.34 87	0.19 7	0.28 98	0.22 47	0.27 137	0.13 32	0.23 51	0.18 104	0.07 16	0.06 72	0.08 65	0.08 108	0.07 37	0.06 18

MIF-Stereo (partial)	0.16 28	0.10 24	0.34 78	0.21 86	0.15 205	0.15 4	0.13 3	0.28 33	0.25 58	0.17 28	0.26 70	0.15 27	0.16 63	0.25 80	0.17 90	0.09 163	0.06 72	0.10 181	0.08 108	0.09 142	0.08 111

MIF-Stereo	0.14 6	0.10 24	0.30 42	0.21 86	0.13 131	0.17 9	0.13 3	0.19 1	0.18 5	0.15 11	0.20 35	0.10 1	0.11 8	0.18 19	0.16 67	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	0.38 127	0.19 26	0.12 77	0.25 135	0.17 58	0.33 81	0.23 44	0.23 57	0.29 88	0.27 137	0.14 42	0.20 28	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	0.16 228	0.20 55	0.18 85	0.20 2	0.17 3	0.13 2	0.19 25	0.12 3	0.15 49	0.17 11	0.13 24	0.06 1	0.05 6	0.06 1	0.04 1	0.05 1	0.12 253

anonymousdsp2	0.17 36	0.10 24	0.28 29	0.20 57	0.11 42	0.25 135	0.17 58	0.41 162	0.31 124	0.23 57	0.23 49	0.22 74	0.15 49	0.25 80	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 89	0.10 24	0.52 245	0.19 26	0.09 7	0.19 34	0.18 85	0.36 123	0.39 192	0.29 122	0.30 99	0.17 39	0.22 144	0.20 28	0.18 104	0.07 16	0.05 6	0.07 14	0.05 9	0.05 1	0.07 65

tt	4.71 410	0.10 24	3.94 405	2.06 411	1.53 408	10.14 417	16.88 417	9.27 417	4.98 410	1.39 392	1.02 369	4.68 409	4.90 410	3.35 410	5.86 413	5.76 416	9.15 421	2.24 412	2.53 413	3.10 412	1.32 409

DisPM	0.19 89	0.10 24	0.35 86	0.23 170	0.13 131	0.18 13	0.20 160	0.29 40	0.29 105	0.33 194	0.34 141	0.23 93	0.16 63	0.33 161	0.16 67	0.09 163	0.06 72	0.09 119	0.08 108	0.07 37	0.11 231

iRaft-Stereo_20w	0.19 89	0.10 24	0.46 204	0.19 26	0.13 131	0.25 135	0.19 122	0.52 260	0.19 7	0.29 122	0.21 43	0.22 74	0.20 128	0.28 119	0.18 104	0.07 16	0.06 72	0.07 14	0.08 108	0.08 81	0.08 111

GLC_STEREO	0.15 21	0.10 24	0.24 10	0.21 86	0.09 7	0.17 9	0.15 26	0.23 6	0.27 74	0.17 28	0.20 35	0.17 39	0.11 8	0.23 51	0.16 67	0.07 16	0.09 250	0.09 119	0.08 108	0.07 37	0.06 18

CrosDoStereo	0.31 261	0.10 24	0.49 225	0.18 8	0.12 77	0.22 93	1.11 404	0.34 87	0.37 174	0.38 254	0.61 324	0.28 152	0.46 325	0.61 266	0.57 327	0.07 16	0.06 72	0.08 65	0.08 108	0.07 37	0.07 65

PFNet+	0.20 102	0.10 24	0.37 108	0.21 86	0.12 77	0.17 9	0.19 122	0.29 40	0.34 149	0.33 194	0.32 116	0.24 104	0.16 63	0.32 155	0.17 90	0.10 205	0.07 158	0.11 228	0.10 214	0.08 81	0.12 253

NF-Stereo	0.20 102	0.10 24	0.35 86	0.24 207	0.12 77	0.21 73	0.18 85	0.38 134	0.32 132	0.28 98	0.30 99	0.22 74	0.16 63	0.51 222	0.20 139	0.08 99	0.06 72	0.09 119	0.08 108	0.08 81	0.13 264

OCTAStereo	0.20 102	0.10 24	0.35 86	0.24 207	0.12 77	0.21 73	0.18 85	0.38 134	0.32 132	0.28 98	0.30 99	0.22 74	0.16 63	0.51 222	0.20 139	0.08 99	0.06 72	0.09 119	0.08 108	0.08 81	0.13 264

PSM-softLoss	0.21 116	0.10 24	0.39 138	0.24 207	0.12 77	0.20 55	0.18 85	0.38 134	0.26 65	0.29 122	0.32 116	0.24 104	0.16 63	0.52 228	0.20 139	0.09 163	0.06 72	0.10 181	0.09 182	0.08 81	0.12 253

KMStereo	0.21 116	0.10 24	0.39 138	0.24 207	0.12 77	0.20 55	0.18 85	0.38 134	0.26 65	0.29 122	0.32 116	0.24 104	0.16 63	0.52 228	0.20 139	0.09 163	0.06 72	0.10 181	0.09 182	0.08 81	0.12 253

PSM-AAD	0.25 203	0.10 24	0.30 42	0.24 207	0.12 77	0.26 152	0.38 334	0.34 87	0.28 87	0.35 226	0.39 188	0.28 152	0.79 369	0.30 144	0.16 67	0.07 16	0.06 72	0.12 261	0.11 247	0.08 81	0.21 342

FTStereo	0.28 237	0.10 24	0.43 182	0.23 170	0.13 131	0.21 73	0.53 369	0.34 87	0.26 65	0.38 254	0.95 366	0.30 169	0.56 346	0.32 155	0.18 104	0.08 99	0.06 72	0.09 119	0.08 108	0.07 37	0.19 325

KYRaft	0.22 142	0.10 24	0.30 42	0.23 170	0.12 77	0.23 110	0.23 219	0.35 104	0.24 54	0.35 226	0.54 298	0.34 198	0.26 192	0.29 132	0.15 51	0.07 16	0.05 6	0.09 119	0.10 214	0.08 81	0.31 366

DeepStereo_LL	0.31 261	0.10 24	0.49 225	0.18 8	0.12 77	0.22 93	1.11 404	0.34 87	0.37 174	0.38 254	0.61 324	0.28 152	0.46 325	0.61 266	0.57 327	0.07 16	0.06 72	0.08 65	0.08 108	0.07 37	0.07 65

SST-Stereo	0.21 116	0.10 24	0.37 108	0.24 207	0.13 131	0.19 34	0.17 58	0.31 59	0.24 54	0.34 210	0.33 135	0.29 159	0.25 183	0.56 246	0.17 90	0.08 99	0.05 6	0.10 181	0.08 108	0.09 142	0.07 65

RAFT_R40	0.21 116	0.10 24	0.37 108	0.24 207	0.13 131	0.18 13	0.18 85	0.31 59	0.29 105	0.33 194	0.33 135	0.30 169	0.24 168	0.55 238	0.18 104	0.08 99	0.05 6	0.10 181	0.08 108	0.08 81	0.07 65

DRaft	0.24 181	0.10 24	0.34 78	0.18 8	0.12 77	0.28 172	0.23 219	0.33 81	0.39 192	0.38 254	0.61 324	0.21 67	0.41 304	0.48 210	0.42 295	0.07 16	0.06 72	0.08 65	0.08 108	0.07 37	0.08 111

PFNet	0.23 158	0.10 24	0.57 264	0.24 207	0.14 164	0.22 93	0.19 122	0.39 145	0.33 142	0.35 226	0.32 116	0.27 137	0.19 120	0.64 281	0.22 174	0.09 163	0.05 6	0.09 119	0.07 50	0.08 81	0.07 65

RE-Stereo	0.20 102	0.10 24	0.35 86	0.24 207	0.12 77	0.21 73	0.18 85	0.38 134	0.32 132	0.28 98	0.30 99	0.22 74	0.16 63	0.51 222	0.20 139	0.08 99	0.06 72	0.09 119	0.08 108	0.08 81	0.13 264

TVStereo	0.20 102	0.10 24	0.35 86	0.24 207	0.12 77	0.21 73	0.18 85	0.38 134	0.32 132	0.28 98	0.30 99	0.22 74	0.16 63	0.51 222	0.20 139	0.08 99	0.06 72	0.09 119	0.08 108	0.08 81	0.13 264

RAFT-345	0.21 116	0.10 24	0.46 204	0.22 128	0.11 42	0.20 55	0.16 38	0.26 14	0.25 58	0.27 89	0.66 333	0.21 67	0.16 63	0.55 238	0.21 160	0.07 16	0.06 72	0.08 65	0.07 50	0.06 6	0.06 18

GMM-Stereo	0.21 116	0.10 24	0.43 182	0.23 170	0.13 131	0.24 125	0.25 255	0.37 128	0.27 74	0.30 150	0.45 250	0.27 137	0.21 133	0.31 149	0.17 90	0.07 16	0.05 6	0.10 181	0.09 182	0.08 81	0.19 325

Prome-Stereo	0.21 116	0.10 24	0.30 42	0.24 207	0.12 77	0.23 110	0.23 219	0.36 123	0.25 58	0.33 194	0.59 312	0.24 104	0.28 222	0.29 132	0.16 67	0.07 16	0.05 6	0.08 65	0.07 50	0.08 81	0.20 335

XX-Stereo	0.21 116	0.10 24	0.83 330	0.26 272	0.17 244	0.23 110	0.13 3	0.40 152	0.18 5	0.20 41	0.41 203	0.31 177	0.10 4	0.32 155	0.12 6	0.08 99	0.06 72	0.08 65	0.08 108	0.07 37	0.05 1

222	0.41 321	0.10 24	0.29 36	0.19 26	0.11 42	0.36 262	0.20 160	0.57 309	0.39 192	0.35 226	0.44 238	0.30 169	0.27 209	0.55 238	3.56 408	0.11 232	0.07 158	0.08 65	0.08 108	0.09 142	0.09 161

xxxx	0.34 283	0.10 24	0.29 36	0.19 26	0.11 42	0.37 267	0.20 160	0.58 316	0.38 186	0.29 122	0.42 217	0.38 226	0.24 168	0.46 205	2.20 401	0.11 232	0.07 158	0.09 119	0.08 108	0.09 142	0.09 161

test_xeample	0.34 283	0.10 24	0.29 36	0.19 26	0.11 42	0.33 235	0.23 219	0.55 288	0.38 186	0.32 185	0.45 250	0.29 159	0.26 192	0.57 249	2.24 403	0.10 205	0.07 158	0.09 119	0.08 108	0.09 142	0.09 161

EAI-Stereo	0.21 116	0.10 24	0.33 73	0.21 86	0.12 77	0.30 208	0.46 355	0.46 205	0.20 16	0.25 76	0.50 276	0.17 39	0.16 63	0.24 57	0.23 188	0.07 16	0.06 72	0.07 14	0.10 214	0.06 6	0.07 65

CFNet-RSSM	0.17 36	0.10 24	0.40 143	0.20 57	0.11 42	0.20 55	0.15 26	0.36 123	0.30 114	0.23 57	0.21 43	0.26 129	0.15 49	0.20 28	0.13 24	0.07 16	0.05 6	0.07 14	0.07 50	0.06 6	0.05 1

SFCPSM	0.22 142	0.10 24	0.51 241	0.21 86	0.14 164	0.34 248	0.22 199	0.55 288	0.39 192	0.29 122	0.32 116	0.23 93	0.21 133	0.27 107	0.19 128	0.09 163	0.07 158	0.09 119	0.09 182	0.09 142	0.08 111

Gwc-CoAtRS	0.17 36	0.10 24	0.37 108	0.20 57	0.12 77	0.19 34	0.15 26	0.32 67	0.28 87	0.23 57	0.23 49	0.27 137	0.15 49	0.20 28	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 54	0.24 207	0.14 164	0.23 110	0.18 85	0.34 87	0.29 105	0.15 11	0.25 64	0.21 67	0.13 32	0.20 28	0.14 40	0.07 16	0.08 222	0.09 119	0.10 214	0.07 37	0.06 18

IGEVStereo-DCA	0.14 6	0.11 63	0.27 21	0.19 26	0.12 77	0.20 55	0.18 85	0.27 21	0.20 16	0.15 11	0.12 2	0.14 21	0.12 14	0.28 119	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	0.57 264	0.19 26	0.12 77	0.20 55	0.18 85	0.35 104	0.22 33	0.15 11	0.12 2	0.14 21	0.12 14	0.28 119	0.14 40	0.07 16	0.06 72	0.08 65	0.07 50	0.07 37	0.07 65

1111x	0.32 270	0.11 63	0.40 143	0.22 128	0.11 42	0.32 226	0.26 266	0.59 321	0.43 225	0.31 167	0.41 203	0.39 237	0.28 222	0.76 322	1.37 385	0.09 163	0.08 222	0.09 119	0.10 214	0.09 142	0.08 111

anonymousa	0.23 158	0.11 63	0.50 235	0.21 86	0.16 228	0.31 219	0.20 160	0.36 123	0.35 155	0.32 185	0.50 276	0.39 237	0.26 192	0.22 44	0.20 139	0.08 99	0.06 72	0.09 119	0.11 247	0.07 37	0.08 111

x	0.19 89	0.11 63	0.29 36	0.20 57	0.11 42	0.26 152	0.18 85	0.41 162	0.29 105	0.25 76	0.29 88	0.28 152	0.24 168	0.26 92	0.23 188	0.09 163	0.07 158	0.08 65	0.07 50	0.09 142	0.08 111

test_3	0.18 53	0.11 63	0.32 60	0.24 207	0.11 42	0.22 93	0.25 255	0.31 59	0.31 124	0.25 76	0.18 22	0.23 93	0.13 32	0.25 80	0.19 128	0.06 1	0.05 6	0.09 119	0.10 214	0.07 37	0.06 18

LCNet	0.21 116	0.11 63	0.29 36	0.25 244	0.12 77	0.23 110	0.19 122	0.34 87	0.26 65	0.28 98	0.35 148	0.26 129	0.30 244	0.35 176	0.17 90	0.07 16	0.05 6	0.09 119	0.10 214	0.13 263	0.22 347

AAGNet	0.33 276	0.11 63	0.37 108	0.25 244	0.16 228	0.20 55	0.19 122	0.30 54	0.27 74	0.35 226	0.35 148	0.27 137	0.30 244	0.44 201	2.66 405	0.08 99	0.05 6	0.10 181	0.07 50	0.08 81	0.06 18

NRIStereo	0.18 53	0.11 63	0.35 86	0.23 170	0.11 42	0.24 125	0.20 160	0.29 40	0.26 65	0.26 85	0.25 64	0.25 111	0.18 108	0.34 167	0.18 104	0.07 16	0.06 72	0.09 119	0.07 50	0.09 142	0.08 111

ASMatch	0.23 158	0.11 63	0.51 241	0.24 207	0.14 164	0.19 34	0.17 58	0.31 59	0.28 87	0.28 98	0.68 337	0.27 137	0.26 192	0.50 217	0.22 174	0.07 16	0.06 72	0.08 65	0.07 50	0.06 6	0.11 231

Pruner-Stereo	0.19 89	0.11 63	0.34 78	0.29 315	0.12 77	0.19 34	0.17 58	0.31 59	0.29 105	0.33 194	0.32 116	0.25 111	0.15 49	0.24 57	0.21 160	0.09 163	0.06 72	0.09 119	0.08 108	0.08 81	0.09 161

DeepStereo_RVC	0.18 53	0.11 63	0.40 143	0.21 86	0.11 42	0.19 34	0.16 38	0.28 33	0.22 33	0.27 89	0.27 75	0.23 93	0.28 222	0.24 57	0.18 104	0.08 99	0.06 72	0.09 119	0.07 50	0.09 142	0.10 206

RAFT-RH_RVC	0.25 203	0.11 63	0.45 198	0.21 86	0.12 77	0.25 135	0.14 13	0.27 21	0.27 74	0.38 254	1.15 375	0.23 93	0.17 86	0.57 249	0.24 197	0.07 16	0.05 6	0.10 181	0.07 50	0.06 6	0.07 65

test-1	0.17 36	0.11 63	0.40 143	0.23 170	0.13 131	0.22 93	0.23 219	0.34 87	0.26 65	0.20 41	0.24 59	0.22 74	0.14 42	0.16 7	0.20 139	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	0.56 260	0.19 26	0.12 77	0.20 55	0.18 85	0.35 104	0.20 16	0.16 24	0.12 2	0.13 11	0.12 14	0.24 57	0.15 51	0.07 16	0.06 72	0.07 14	0.08 108	0.07 37	0.07 65

FENet	0.21 116	0.11 63	0.45 198	0.21 86	0.12 77	0.26 152	0.17 58	0.41 162	0.35 155	0.30 150	0.31 113	0.29 159	0.23 153	0.26 92	0.23 188	0.09 163	0.06 72	0.09 119	0.09 182	0.09 142	0.09 161

HSM-Net_RVC	0.27 220	0.11 63	0.42 172	0.19 26	0.11 42	0.34 248	0.20 160	0.62 341	0.43 225	0.40 277	0.43 229	0.50 300	0.26 192	0.76 322	0.22 174	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	0.25 203	0.12 81	0.40 143	0.19 26	0.10 20	0.27 159	0.19 122	0.51 250	0.45 251	0.34 210	0.41 203	0.31 177	0.26 192	0.58 254	0.28 224	0.10 205	0.07 158	0.08 65	0.08 108	0.09 142	0.09 161

tta	0.24 181	0.12 81	0.40 143	0.19 26	0.10 20	0.27 159	0.19 122	0.51 250	0.45 251	0.34 210	0.41 203	0.31 177	0.26 192	0.58 254	0.28 224	0.10 205	0.07 158	0.08 65	0.08 108	0.08 81	0.07 65

qqq1	0.24 181	0.12 81	0.40 143	0.19 26	0.10 20	0.27 159	0.19 122	0.51 250	0.45 251	0.34 210	0.41 203	0.31 177	0.26 192	0.58 254	0.16 67	0.10 205	0.07 158	0.07 14	0.06 23	0.08 81	0.07 65

fff1	0.24 181	0.12 81	0.40 143	0.19 26	0.10 20	0.27 159	0.19 122	0.51 250	0.45 251	0.34 210	0.41 203	0.31 177	0.26 192	0.58 254	0.16 67	0.10 205	0.07 158	0.07 14	0.06 23	0.08 81	0.07 65

MyStereo07	0.16 28	0.12 81	0.26 16	0.22 128	0.14 164	0.25 135	0.23 219	0.29 40	0.21 26	0.15 11	0.13 6	0.12 3	0.13 32	0.25 80	0.13 24	0.07 16	0.07 158	0.09 119	0.08 108	0.08 81	0.08 111

MyStereo06	0.20 102	0.12 81	0.57 264	0.21 86	0.14 164	0.25 135	0.23 219	0.40 152	0.21 26	0.30 150	0.24 59	0.31 177	0.18 108	0.22 44	0.18 104	0.07 16	0.07 158	0.09 119	0.08 108	0.08 81	0.08 111

MyStereo05	0.23 158	0.12 81	0.57 264	0.21 86	0.14 164	0.25 135	0.23 219	0.48 223	0.52 305	0.31 167	0.23 49	0.25 111	0.22 144	0.30 144	0.21 160	0.07 16	0.07 158	0.09 119	0.08 108	0.08 81	0.08 111

MyStereo04	0.23 158	0.12 81	0.55 256	0.22 128	0.14 164	0.25 135	0.23 219	0.49 229	0.52 305	0.28 98	0.23 49	0.27 137	0.23 153	0.30 144	0.22 174	0.07 16	0.07 158	0.09 119	0.08 108	0.08 81	0.08 111

CoDeX	0.23 158	0.12 81	0.46 204	0.21 86	0.14 164	0.29 191	0.21 183	0.53 271	0.41 216	0.29 122	0.35 148	0.29 159	0.22 144	0.48 210	0.19 128	0.09 163	0.06 72	0.08 65	0.07 50	0.08 81	0.07 65

mmm	0.21 116	0.12 81	0.31 54	0.22 128	0.12 77	0.28 172	0.21 183	0.41 162	0.27 74	0.29 122	0.38 176	0.29 159	0.24 168	0.29 132	0.22 174	0.09 163	0.07 158	0.11 228	0.09 182	0.10 189	0.09 161

ff7	0.14 6	0.12 81	0.27 21	0.19 26	0.12 77	0.21 73	0.18 85	0.27 21	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 57	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 21	0.19 26	0.12 77	0.21 73	0.18 85	0.27 21	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 57	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.07 65

DualNet	0.26 213	0.12 81	0.42 172	0.20 57	0.13 131	0.28 172	0.20 160	0.35 104	0.44 239	0.30 150	0.42 217	0.34 198	0.23 153	0.27 107	1.08 368	0.08 99	0.05 6	0.11 228	0.10 214	0.08 81	0.08 111

ffm	0.22 142	0.12 81	0.42 172	0.20 57	0.13 131	0.28 172	0.20 160	0.35 104	0.44 239	0.30 150	0.42 217	0.34 198	0.23 153	0.27 107	0.11 1	0.08 99	0.05 6	0.11 228	0.10 214	0.08 81	0.08 111

ff1	0.29 247	0.12 81	0.42 172	0.20 57	0.13 131	0.28 172	0.20 160	0.35 104	0.44 239	0.30 150	0.42 217	0.34 198	0.23 153	0.81 338	1.08 368	0.08 99	0.05 6	0.11 228	0.10 214	0.08 81	0.08 111

mmx	0.31 261	0.12 81	0.42 172	0.20 57	0.13 131	0.28 172	0.20 160	0.55 288	0.45 251	0.30 150	0.42 217	0.34 198	0.23 153	0.81 338	1.08 368	0.10 205	0.07 158	0.11 228	0.10 214	0.11 224	0.10 206

11t	0.14 6	0.12 81	0.27 21	0.19 26	0.12 77	0.21 73	0.18 85	0.27 21	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 57	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.07 65

ttt	0.29 247	0.12 81	0.34 78	0.21 86	0.13 131	0.29 191	0.20 160	0.56 302	0.47 270	0.31 167	0.44 238	0.30 169	0.22 144	0.65 287	0.85 358	0.13 275	0.10 268	0.10 181	0.10 214	0.11 224	0.11 231

xxx	0.31 261	0.12 81	0.42 172	0.20 57	0.13 131	0.28 172	0.20 160	0.55 288	0.45 251	0.30 150	0.42 217	0.34 198	0.23 153	0.81 338	1.08 368	0.10 205	0.07 158	0.11 228	0.10 214	0.11 224	0.10 206

EKT-Stereo	0.38 307	0.12 81	0.38 127	0.42 365	3.88 412	0.21 73	0.17 58	0.35 104	0.28 87	0.20 41	0.20 35	0.23 93	0.15 49	0.28 119	0.16 67	0.09 163	0.07 158	0.09 119	0.07 50	0.09 142	0.09 161

MIM_Stereo	0.18 53	0.12 81	0.38 127	0.20 57	0.11 42	0.17 9	0.14 13	0.35 104	0.25 58	0.27 89	0.35 148	0.23 93	0.13 32	0.27 107	0.16 67	0.06 1	0.07 158	0.08 65	0.08 108	0.08 81	0.06 18

CASnet	0.14 6	0.12 81	0.22 6	0.22 128	0.08 2	0.16 6	0.15 26	0.27 21	0.25 58	0.22 54	0.20 35	0.15 27	0.11 8	0.17 11	0.13 24	0.07 16	0.05 6	0.11 228	0.09 182	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 53	0.12 81	0.55 256	0.22 128	0.12 77	0.18 13	0.18 85	0.34 87	0.19 7	0.20 41	0.24 59	0.34 198	0.18 108	0.29 132	0.12 6	0.07 16	0.05 6	0.07 14	0.07 50	0.07 37	0.06 18

HanStereo	0.18 53	0.12 81	0.55 256	0.22 128	0.12 77	0.18 13	0.18 85	0.34 87	0.19 7	0.20 41	0.24 59	0.34 198	0.18 108	0.29 132	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 21	0.19 26	0.12 77	0.21 73	0.18 85	0.28 33	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 57	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 42	0.24 207	0.10 20	0.29 191	0.15 26	0.32 67	0.31 124	0.17 28	0.17 19	0.21 67	0.18 108	0.28 119	0.17 90	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 13	0.19 26	0.11 42	0.19 34	0.19 122	0.27 21	0.20 16	0.14 8	0.13 6	0.13 11	0.12 14	0.24 57	0.12 6	0.06 1	0.05 6	0.07 14	0.06 23	0.07 37	0.07 65

qqq	0.20 102	0.12 81	0.31 54	0.20 57	0.11 42	0.23 110	0.19 122	0.41 162	0.27 74	0.24 70	0.28 79	0.28 152	0.24 168	0.34 167	0.22 174	0.08 99	0.07 158	0.10 181	0.09 182	0.09 142	0.09 161

ccc-4	0.14 6	0.12 81	0.27 21	0.19 26	0.12 77	0.21 73	0.18 85	0.27 21	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 57	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.07 65

BUS	0.23 158	0.12 81	0.28 29	0.25 244	0.14 164	0.43 304	0.17 58	0.56 302	0.34 149	0.34 210	0.35 148	0.32 185	0.20 128	0.26 92	0.21 160	0.10 205	0.07 158	0.11 228	0.10 214	0.09 142	0.09 161

IER	0.23 158	0.12 81	0.39 138	0.20 57	0.14 164	0.31 219	0.19 122	0.42 174	0.36 165	0.33 194	0.40 195	0.32 185	0.33 265	0.29 132	0.22 174	0.09 163	0.07 158	0.08 65	0.08 108	0.09 142	0.08 111

BSDual-CNN	0.23 158	0.12 81	0.28 29	0.25 244	0.14 164	0.35 257	0.21 183	0.56 302	0.34 149	0.34 210	0.35 148	0.38 226	0.24 168	0.26 92	0.21 160	0.10 205	0.07 158	0.11 228	0.10 214	0.09 142	0.09 161

test_4	0.18 53	0.12 81	0.34 78	0.23 170	0.12 77	0.18 13	0.22 199	0.26 14	0.24 54	0.24 70	0.47 267	0.22 74	0.13 32	0.24 57	0.16 67	0.06 1	0.05 6	0.09 119	0.09 182	0.07 37	0.05 1

IGEV-Stereo	0.14 6	0.12 81	0.27 21	0.19 26	0.12 77	0.21 73	0.18 85	0.28 33	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 57	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	0.23 158	0.12 81	0.28 29	0.21 86	0.14 164	0.35 257	0.23 219	0.51 250	0.34 149	0.35 226	0.38 176	0.38 226	0.24 168	0.26 92	0.21 160	0.10 205	0.08 222	0.10 181	0.10 214	0.09 142	0.08 111

DAS	0.27 220	0.12 81	0.42 172	0.24 207	0.18 262	0.29 191	0.24 241	0.45 196	0.45 251	0.41 286	0.44 238	0.34 198	0.29 235	0.75 317	0.21 160	0.09 163	0.07 158	0.09 119	0.07 50	0.09 142	0.09 161

SepStereo	0.26 213	0.12 81	0.42 172	0.24 207	0.18 262	0.29 191	0.24 241	0.45 196	0.45 251	0.41 286	0.44 238	0.34 198	0.29 235	0.64 281	0.21 160	0.09 163	0.07 158	0.09 119	0.07 50	0.09 142	0.09 161

GANet-ADL	0.21 116	0.12 81	0.45 198	0.23 170	0.14 164	0.29 191	0.19 122	0.46 205	0.35 155	0.25 76	0.32 116	0.32 185	0.19 120	0.24 57	0.20 139	0.10 205	0.07 158	0.07 14	0.06 23	0.09 142	0.10 206

HHNet	0.22 142	0.12 81	0.52 245	0.18 8	0.18 262	0.20 55	0.20 160	0.34 87	0.31 124	0.32 185	0.59 312	0.20 59	0.21 133	0.24 57	0.31 243	0.08 99	0.05 6	0.09 119	0.07 50	0.08 81	0.11 231

Patchmatch Stereo++	0.18 53	0.12 81	0.37 108	0.22 128	0.10 20	0.18 13	0.14 13	0.29 40	0.22 33	0.28 98	0.29 88	0.25 111	0.17 86	0.26 92	0.16 67	0.08 99	0.06 72	0.10 181	0.08 108	0.10 189	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 53	0.12 81	0.37 108	0.22 128	0.10 20	0.18 13	0.16 38	0.29 40	0.22 33	0.28 98	0.29 88	0.25 111	0.18 108	0.24 57	0.16 67	0.08 99	0.06 72	0.10 181	0.08 108	0.10 189	0.08 111

ROB_FTStereo_v2	0.18 53	0.12 81	0.37 108	0.22 128	0.10 20	0.18 13	0.16 38	0.29 40	0.22 33	0.28 98	0.29 88	0.25 111	0.17 86	0.24 57	0.16 67	0.08 99	0.06 72	0.10 181	0.08 108	0.10 189	0.08 111

ROB_FTStereo	0.18 53	0.12 81	0.37 108	0.22 128	0.10 20	0.18 13	0.14 13	0.29 40	0.22 33	0.28 98	0.28 79	0.25 111	0.17 86	0.24 57	0.16 67	0.08 99	0.06 72	0.10 181	0.08 108	0.10 189	0.08 111

HUI-Stereo	0.18 53	0.12 81	0.37 108	0.22 128	0.10 20	0.18 13	0.14 13	0.29 40	0.22 33	0.28 98	0.28 79	0.25 111	0.17 86	0.22 44	0.16 67	0.08 99	0.06 72	0.10 181	0.08 108	0.10 189	0.08 111

THIR-Stereo	0.29 247	0.12 81	0.41 165	0.19 26	0.11 42	0.28 172	0.72 382	0.32 67	0.35 155	0.37 246	0.65 331	0.34 198	0.50 336	0.57 249	0.45 303	0.07 16	0.06 72	0.08 65	0.09 182	0.07 37	0.07 65

iGMRVC	0.18 53	0.12 81	0.37 108	0.22 128	0.10 20	0.18 13	0.15 26	0.29 40	0.22 33	0.28 98	0.29 88	0.25 111	0.17 86	0.27 107	0.17 90	0.08 99	0.06 72	0.10 181	0.08 108	0.10 189	0.08 111

IRAFT_RVC	0.22 142	0.12 81	0.39 138	0.26 272	0.11 42	0.18 13	0.24 241	0.40 152	0.37 174	0.31 167	0.30 99	0.29 159	0.24 168	0.55 238	0.22 174	0.08 99	0.06 72	0.10 181	0.08 108	0.08 81	0.07 65

iRAFT	0.18 53	0.12 81	0.37 108	0.22 128	0.10 20	0.18 13	0.14 13	0.29 40	0.22 33	0.28 98	0.29 88	0.25 111	0.17 86	0.26 92	0.16 67	0.08 99	0.06 72	0.10 181	0.08 108	0.10 189	0.08 111

CRE-IMP	0.18 53	0.12 81	0.37 108	0.22 128	0.11 42	0.24 125	0.17 58	0.29 40	0.21 26	0.27 89	0.26 70	0.24 104	0.17 86	0.23 51	0.18 104	0.08 99	0.05 6	0.10 181	0.07 50	0.10 189	0.10 206

cross-raft	0.17 36	0.12 81	0.41 165	0.23 170	0.10 20	0.20 55	0.24 241	0.33 81	0.23 44	0.23 57	0.28 79	0.29 159	0.15 49	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 53	0.12 81	0.37 108	0.22 128	0.10 20	0.18 13	0.15 26	0.29 40	0.22 33	0.28 98	0.29 88	0.25 111	0.18 108	0.25 80	0.16 67	0.08 99	0.06 72	0.10 181	0.08 108	0.10 189	0.08 111

iRaftStereo_RVC	0.16 28	0.12 81	0.26 16	0.21 86	0.11 42	0.20 55	0.17 58	0.32 67	0.23 44	0.20 41	0.25 64	0.18 46	0.12 14	0.20 28	0.15 51	0.07 16	0.05 6	0.09 119	0.09 182	0.08 81	0.07 65

GES	0.22 142	0.12 81	0.42 172	0.20 57	0.14 164	0.27 159	0.19 122	0.49 229	0.33 142	0.30 150	0.36 158	0.25 111	0.23 153	0.29 132	0.22 174	0.10 205	0.08 222	0.08 65	0.07 50	0.10 189	0.11 231

UPFNet	0.25 203	0.12 81	0.38 127	0.24 207	0.19 280	0.37 267	0.28 284	0.48 223	0.38 186	0.34 210	0.37 166	0.37 221	0.28 222	0.39 188	0.33 255	0.10 205	0.09 250	0.10 181	0.10 214	0.10 189	0.08 111

DIP-Stereo	0.18 53	0.12 81	0.33 73	0.20 57	0.13 131	0.28 172	0.12 1	0.42 174	0.25 58	0.27 89	0.32 116	0.21 67	0.17 86	0.25 80	0.20 139	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
test croco	0.17 36	0.13 136	0.43 182	0.21 86	0.13 131	0.16 6	0.17 58	0.27 21	0.22 33	0.16 24	0.26 70	0.13 11	0.16 63	0.27 107	0.16 67	0.08 99	0.06 72	0.10 181	0.07 50	0.10 189	0.07 65

StereoIM	0.14 6	0.13 136	0.26 16	0.19 26	0.14 164	0.16 6	0.13 3	0.25 11	0.21 26	0.13 2	0.14 14	0.14 21	0.11 8	0.17 11	0.17 90	0.08 99	0.07 158	0.08 65	0.06 23	0.07 37	0.06 18

PCWNet_CMD	0.23 158	0.13 136	0.48 220	0.20 57	0.13 131	0.28 172	0.16 38	0.46 205	0.46 265	0.29 122	0.36 158	0.37 221	0.24 168	0.28 119	0.20 139	0.09 163	0.06 72	0.10 181	0.08 108	0.11 224	0.09 161

CFNet_ucs	0.24 181	0.13 136	0.50 235	0.20 57	0.15 205	0.28 172	0.17 58	0.49 229	0.45 251	0.32 185	0.42 217	0.39 237	0.22 144	0.31 149	0.21 160	0.11 232	0.08 222	0.12 261	0.09 182	0.12 250	0.11 231

gwcnet-sp	0.24 181	0.13 136	0.63 287	0.22 128	0.14 164	0.34 248	0.22 199	0.44 188	0.39 192	0.35 226	0.34 141	0.27 137	0.27 209	0.35 176	0.25 206	0.09 163	0.08 222	0.09 119	0.09 182	0.09 142	0.09 161

scenet	0.24 181	0.13 136	0.63 287	0.22 128	0.14 164	0.34 248	0.22 199	0.44 188	0.39 192	0.35 226	0.34 141	0.27 137	0.27 209	0.35 176	0.25 206	0.09 163	0.08 222	0.09 119	0.09 182	0.09 142	0.09 161

DCRE	0.20 102	0.13 136	0.40 143	0.21 86	0.15 205	0.20 55	0.19 122	0.30 54	0.27 74	0.22 54	0.80 354	0.23 93	0.16 63	0.23 51	0.15 51	0.07 16	0.07 158	0.07 14	0.08 108	0.07 37	0.06 18

ssnet	0.24 181	0.13 136	0.63 287	0.22 128	0.14 164	0.34 248	0.22 199	0.44 188	0.39 192	0.35 226	0.34 141	0.27 137	0.27 209	0.35 176	0.25 206	0.09 163	0.08 222	0.09 119	0.09 182	0.09 142	0.09 161

fff	0.19 89	0.13 136	0.40 143	0.18 8	0.09 7	0.19 34	0.18 85	0.35 104	0.43 225	0.29 122	0.30 99	0.18 46	0.28 222	0.20 28	0.18 104	0.07 16	0.05 6	0.07 14	0.05 9	0.05 1	0.07 65

ADStereo(finetuned)	0.19 89	0.13 136	0.49 225	0.19 26	0.09 7	0.19 34	0.18 85	0.34 87	0.39 192	0.29 122	0.31 113	0.18 46	0.31 255	0.21 39	0.19 128	0.07 16	0.05 6	0.07 14	0.05 9	0.06 6	0.07 65

IPLGR	0.21 116	0.13 136	0.61 277	0.21 86	0.11 42	0.25 135	0.18 85	0.41 162	0.37 174	0.28 98	0.27 75	0.21 67	0.19 120	0.37 182	0.18 104	0.07 16	0.06 72	0.08 65	0.07 50	0.07 37	0.06 18

STrans-v2	0.24 181	0.13 136	0.54 251	0.21 86	0.12 77	0.23 110	0.21 183	0.47 212	0.28 87	0.31 167	0.42 217	0.36 217	0.35 276	0.62 274	0.23 188	0.07 16	0.05 6	0.08 65	0.07 50	0.06 6	0.06 18

TransformOpticalFlow	0.24 181	0.13 136	0.56 260	0.23 170	0.11 42	0.21 73	0.19 122	0.40 152	0.32 132	0.30 150	0.43 229	0.36 217	0.31 255	0.61 266	0.20 139	0.07 16	0.05 6	0.08 65	0.07 50	0.06 6	0.07 65

IIG-Stereo	0.23 158	0.13 136	0.35 86	0.29 315	0.12 77	0.23 110	0.14 13	0.38 134	0.31 124	0.34 210	0.37 166	0.33 192	0.21 133	0.70 299	0.26 218	0.08 99	0.06 72	0.09 119	0.07 50	0.07 37	0.06 18

CroCo-Stereo	0.14 6	0.13 136	0.24 10	0.25 244	0.11 42	0.11 1	0.18 85	0.32 67	0.23 44	0.12 1	0.12 2	0.18 46	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	0.23 158	0.13 136	0.44 188	0.26 272	0.14 164	0.29 191	0.25 255	0.45 196	0.33 142	0.29 122	0.43 229	0.35 212	0.25 183	0.26 92	0.23 188	0.12 259	0.09 250	0.09 119	0.08 108	0.09 142	0.10 206
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 36	0.22 128	0.15 205	0.19 34	0.13 3	0.32 67	0.26 65	0.26 85	0.20 35	0.19 57	0.17 86	0.21 39	0.15 51	0.08 99	0.06 72	0.07 14	0.06 23	0.06 6	0.07 65

CFNet_pseudo	0.23 158	0.13 136	0.47 211	0.19 26	0.13 131	0.26 152	0.16 38	0.44 188	0.44 239	0.29 122	0.37 166	0.38 226	0.23 153	0.29 132	0.21 160	0.09 163	0.06 72	0.11 228	0.08 108	0.11 224	0.09 161

DCANet	0.18 53	0.13 136	0.40 143	0.19 26	0.09 7	0.19 34	0.18 85	0.34 87	0.39 192	0.29 122	0.31 113	0.18 46	0.23 153	0.20 28	0.19 128	0.07 16	0.05 6	0.07 14	0.05 9	0.06 6	0.07 65

csc	0.19 89	0.13 136	0.40 143	0.18 8	0.09 7	0.19 34	0.18 85	0.35 104	0.43 225	0.29 122	0.30 99	0.18 46	0.28 222	0.20 28	0.18 104	0.07 16	0.05 6	0.07 14	0.05 9	0.05 1	0.07 65

cscssc	0.19 89	0.13 136	0.40 143	0.18 8	0.09 7	0.19 34	0.18 85	0.35 104	0.43 225	0.29 122	0.30 99	0.18 46	0.28 222	0.20 28	0.18 104	0.07 16	0.05 6	0.07 14	0.05 9	0.05 1	0.07 65

ac_64	0.27 220	0.13 136	0.41 165	0.24 207	0.17 244	0.36 262	0.22 199	0.46 205	0.33 142	0.35 226	0.36 158	0.52 307	0.30 244	0.62 274	0.32 248	0.11 232	0.09 250	0.10 181	0.10 214	0.09 142	0.08 111

ACVNet	0.23 158	0.13 136	0.35 86	0.18 8	0.15 205	0.27 159	0.23 219	0.39 145	0.44 239	0.28 98	0.41 203	0.38 226	0.26 192	0.27 107	0.32 248	0.08 99	0.07 158	0.08 65	0.07 50	0.10 189	0.07 65

acv_ft	0.25 203	0.13 136	0.40 143	0.23 170	0.19 280	0.34 248	0.21 183	0.45 196	0.44 239	0.38 254	0.41 203	0.38 226	0.27 209	0.27 107	0.35 263	0.08 99	0.07 158	0.08 65	0.07 50	0.11 224	0.07 65

DSFCA	0.27 220	0.13 136	0.36 103	0.20 57	0.17 244	0.38 274	0.31 302	0.47 212	0.43 225	0.43 300	0.37 166	0.39 237	0.29 235	0.52 228	0.32 248	0.12 259	0.10 268	0.10 181	0.11 247	0.11 224	0.10 206

MSMDNet	0.23 158	0.13 136	0.48 220	0.20 57	0.13 131	0.28 172	0.16 38	0.46 205	0.46 265	0.29 122	0.36 158	0.37 221	0.24 168	0.28 119	0.20 139	0.09 163	0.06 72	0.09 119	0.08 108	0.11 224	0.09 161

ccs_rob	0.23 158	0.13 136	0.47 211	0.20 57	0.13 131	0.26 152	0.17 58	0.44 188	0.44 239	0.29 122	0.37 166	0.38 226	0.23 153	0.29 132	0.21 160	0.09 163	0.06 72	0.11 228	0.08 108	0.11 224	0.09 161

DISCO	0.32 270	0.13 136	0.51 241	0.25 244	0.16 228	0.48 323	0.25 255	0.50 237	0.57 324	0.37 246	0.45 250	0.62 335	0.36 280	0.64 281	0.49 315	0.09 163	0.07 158	0.09 119	0.08 108	0.12 250	0.11 231

ACVNet-DCA	0.18 53	0.14 164	0.38 127	0.23 170	0.11 42	0.31 219	0.19 122	0.41 162	0.27 74	0.17 28	0.19 25	0.13 11	0.18 108	0.28 119	0.11 1	0.08 99	0.05 6	0.08 65	0.06 23	0.09 142	0.09 161

xx1	0.20 102	0.14 164	0.38 127	0.23 170	0.11 42	0.31 219	0.19 122	0.35 104	0.47 270	0.17 28	0.19 25	0.28 152	0.24 168	0.28 119	0.11 1	0.08 99	0.05 6	0.10 181	0.09 182	0.09 142	0.09 161

1test111	0.19 89	0.14 164	0.38 127	0.23 170	0.11 42	0.31 219	0.19 122	0.41 162	0.27 74	0.17 28	0.19 25	0.13 11	0.18 108	0.34 167	0.22 174	0.08 99	0.05 6	0.08 65	0.06 23	0.09 142	0.09 161

cc1	0.18 53	0.14 164	0.38 127	0.23 170	0.11 42	0.31 219	0.19 122	0.35 104	0.47 270	0.17 28	0.19 25	0.13 11	0.18 108	0.28 119	0.11 1	0.08 99	0.05 6	0.08 65	0.06 23	0.08 81	0.08 111

tt1	0.18 53	0.14 164	0.35 86	0.23 170	0.11 42	0.30 208	0.19 122	0.35 104	0.44 239	0.17 28	0.19 25	0.13 11	0.16 63	0.27 107	0.11 1	0.08 99	0.05 6	0.08 65	0.06 23	0.08 81	0.08 111

CRFU-Net	0.28 237	0.14 164	0.45 198	0.25 244	0.15 205	0.45 311	0.23 219	0.50 237	0.30 114	0.43 300	0.41 203	0.48 290	0.46 325	0.43 197	0.29 233	0.11 232	0.10 268	0.09 119	0.08 108	0.10 189	0.10 206

hknet	0.25 203	0.14 164	0.40 143	0.25 244	0.15 205	0.35 257	0.21 183	0.56 302	0.37 174	0.34 210	0.35 148	0.43 263	0.27 209	0.37 182	0.21 160	0.09 163	0.07 158	0.11 228	0.10 214	0.09 142	0.09 161

GMOStereo	0.18 53	0.14 164	0.30 42	0.22 128	0.12 77	0.20 55	0.27 271	0.26 14	0.28 87	0.31 167	0.32 116	0.26 129	0.17 86	0.15 3	0.12 6	0.07 16	0.07 158	0.10 181	0.08 108	0.08 81	0.05 1

error version	0.18 53	0.14 164	0.30 42	0.22 128	0.12 77	0.20 55	0.27 271	0.26 14	0.28 87	0.31 167	0.32 116	0.26 129	0.17 86	0.15 3	0.12 6	0.07 16	0.07 158	0.10 181	0.08 108	0.08 81	0.05 1

test-v	0.18 53	0.14 164	0.30 42	0.22 128	0.12 77	0.20 55	0.27 271	0.26 14	0.28 87	0.31 167	0.32 116	0.26 129	0.17 86	0.15 3	0.12 6	0.07 16	0.07 158	0.10 181	0.08 108	0.08 81	0.05 1

GwcNet-ADL	0.22 142	0.14 164	0.58 268	0.24 207	0.13 131	0.22 93	0.23 219	0.49 229	0.40 205	0.27 89	0.29 88	0.30 169	0.20 128	0.26 92	0.23 188	0.09 163	0.07 158	0.07 14	0.07 50	0.09 142	0.09 161

OMP-Stereo	0.23 158	0.14 164	0.35 86	0.29 315	0.13 131	0.21 73	0.16 38	0.37 128	0.33 142	0.34 210	0.30 99	0.34 198	0.19 120	0.70 299	0.24 197	0.07 16	0.06 72	0.09 119	0.07 50	0.07 37	0.06 18

test-2	0.18 53	0.14 164	0.30 42	0.22 128	0.12 77	0.20 55	0.27 271	0.26 14	0.28 87	0.31 167	0.32 116	0.26 129	0.17 86	0.15 3	0.12 6	0.07 16	0.07 158	0.10 181	0.08 108	0.08 81	0.05 1

raft+_RVC	0.18 53	0.14 164	0.32 60	0.21 86	0.15 205	0.21 73	0.16 38	0.38 134	0.34 149	0.21 50	0.28 79	0.20 59	0.15 49	0.24 57	0.19 128	0.08 99	0.06 72	0.08 65	0.07 50	0.07 37	0.08 111

sCroCo_RVC	0.18 53	0.14 164	0.49 225	0.27 295	0.18 262	0.22 93	0.17 58	0.27 21	0.23 44	0.14 8	0.22 47	0.17 39	0.14 42	0.21 39	0.15 51	0.10 205	0.11 285	0.09 119	0.09 182	0.09 142	0.09 161

Anonymous	0.20 102	0.14 164	0.47 211	0.27 295	0.20 294	0.25 135	0.25 255	0.32 67	0.26 65	0.18 39	0.18 22	0.15 27	0.19 120	0.24 57	0.18 104	0.10 205	0.09 250	0.09 119	0.09 182	0.15 287	0.13 264

RAFT-Stereo + iAFF	0.17 36	0.14 164	0.32 60	0.20 57	0.09 7	0.19 34	0.17 58	0.32 67	0.30 114	0.25 76	0.33 135	0.20 59	0.17 86	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	0.27 220	0.14 164	0.49 225	0.24 207	0.17 244	0.47 319	0.22 199	0.45 196	0.51 299	0.39 269	0.41 203	0.36 217	0.33 265	0.39 188	0.34 259	0.08 99	0.07 158	0.09 119	0.09 182	0.10 189	0.08 111

delet	0.27 220	0.14 164	0.40 143	0.23 170	0.19 280	0.41 289	0.29 288	0.49 229	0.48 279	0.33 194	0.41 203	0.37 221	0.30 244	0.48 210	0.34 259	0.09 163	0.09 250	0.11 228	0.12 279	0.08 81	0.08 111

UNet	0.28 237	0.14 164	0.69 301	0.23 170	0.20 294	0.44 306	0.22 199	0.50 237	0.40 205	0.34 210	0.39 188	0.43 263	0.33 265	0.40 191	0.31 243	0.09 163	0.07 158	0.10 181	0.08 108	0.10 189	0.08 111

HGLStereo	0.27 220	0.14 164	0.46 204	0.24 207	0.21 302	0.33 235	0.23 219	0.50 237	0.42 220	0.35 226	0.48 273	0.41 253	0.33 265	0.45 203	0.33 255	0.11 232	0.10 268	0.09 119	0.09 182	0.10 189	0.12 253

GANet-RSSM	0.24 181	0.14 164	0.36 103	0.21 86	0.14 164	0.27 159	0.21 183	0.45 196	0.33 142	0.29 122	0.39 188	0.39 237	0.28 222	0.58 254	0.23 188	0.11 232	0.07 158	0.09 119	0.09 182	0.10 189	0.09 161

DMCA	0.22 142	0.14 164	0.36 103	0.22 128	0.14 164	0.27 159	0.20 160	0.43 184	0.38 186	0.31 167	0.32 116	0.33 192	0.24 168	0.24 57	0.28 224	0.11 232	0.08 222	0.10 181	0.08 108	0.10 189	0.11 231

RASNet	0.28 237	0.14 164	0.44 188	0.22 128	0.18 262	0.32 226	0.19 122	0.48 223	0.38 186	0.29 122	0.43 229	0.47 285	0.37 288	0.79 331	0.36 269	0.09 163	0.07 158	0.07 14	0.09 182	0.07 37	0.07 65

MDST_ROB	0.48 339	0.14 164	0.95 352	0.30 322	0.21 302	1.33 395	0.32 306	0.77 372	0.56 321	1.06 381	0.71 342	0.49 294	0.35 276	1.26 383	0.38 272	0.13 275	0.11 285	0.16 320	0.13 297	0.12 250	0.12 253

CASS	0.21 116	0.15 189	0.32 60	0.26 272	0.11 42	0.28 172	0.19 122	0.39 145	0.30 114	0.32 185	0.34 141	0.25 111	0.24 168	0.25 80	0.20 139	0.13 275	0.08 222	0.11 228	0.09 182	0.11 224	0.11 231
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CroCo-Stereo Lap2	0.15 21	0.15 189	0.28 29	0.25 244	0.18 262	0.11 1	0.19 122	0.28 33	0.21 26	0.13 2	0.16 16	0.15 27	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	0.25 203	0.15 189	0.37 108	0.23 170	0.16 228	0.43 304	0.17 58	0.60 329	0.46 265	0.32 185	0.37 166	0.32 185	0.20 128	0.42 195	0.21 160	0.10 205	0.10 268	0.12 261	0.08 108	0.11 224	0.10 206

Sa-1000	0.22 142	0.15 189	0.35 86	0.23 170	0.13 131	0.28 172	0.23 219	0.47 212	0.39 192	0.30 150	0.50 276	0.26 129	0.19 120	0.33 161	0.16 67	0.07 16	0.06 72	0.10 181	0.11 247	0.08 81	0.06 18

CSP-Net	0.27 220	0.15 189	0.30 42	0.21 86	0.14 164	0.44 306	0.24 241	0.50 237	0.40 205	0.41 286	0.43 229	0.42 260	0.26 192	0.66 291	0.28 224	0.12 259	0.08 222	0.08 65	0.08 108	0.10 189	0.09 161

IPLG	0.21 116	0.15 189	0.53 248	0.21 86	0.12 77	0.28 172	0.17 58	0.42 174	0.30 114	0.33 194	0.32 116	0.15 27	0.17 86	0.50 217	0.21 160	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.06 18

MIPNet	0.21 116	0.15 189	0.52 245	0.21 86	0.12 77	0.27 159	0.20 160	0.45 196	0.37 174	0.30 150	0.23 49	0.19 57	0.24 168	0.27 107	0.19 128	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.06 18

PSMNet-ADL	0.25 203	0.15 189	0.32 60	0.26 272	0.14 164	0.31 219	0.22 199	0.44 188	0.36 165	0.27 89	0.33 135	0.41 253	0.28 222	0.61 266	0.29 233	0.11 232	0.09 250	0.09 119	0.11 247	0.10 189	0.10 206

rafts_anoy	0.18 53	0.15 189	0.35 86	0.22 128	0.14 164	0.19 34	0.17 58	0.32 67	0.30 114	0.23 57	0.25 64	0.20 59	0.16 63	0.22 44	0.19 128	0.08 99	0.07 158	0.10 181	0.12 279	0.09 142	0.08 111

pcwnet_v2	0.32 270	0.15 189	1.26 377	0.23 170	0.18 262	0.32 226	0.18 85	0.59 321	0.60 330	0.36 241	0.45 250	0.35 212	0.29 235	0.36 180	0.25 206	0.14 298	0.11 285	0.12 261	0.11 247	0.14 275	0.15 290

RALCasStereoNet	0.18 53	0.15 189	0.33 73	0.21 86	0.14 164	0.21 73	0.18 85	0.31 59	0.25 58	0.21 50	0.29 88	0.22 74	0.15 49	0.27 107	0.17 90	0.08 99	0.10 268	0.07 14	0.06 23	0.09 142	0.09 161

ADLNet	0.28 237	0.15 189	0.42 172	0.23 170	0.19 280	0.34 248	0.23 219	0.53 271	0.43 225	0.42 294	0.41 203	0.44 273	0.27 209	0.55 238	0.35 263	0.11 232	0.08 222	0.11 228	0.11 247	0.11 224	0.12 253

AFF-stereo	0.18 53	0.15 189	0.32 60	0.21 86	0.10 20	0.18 13	0.18 85	0.33 81	0.27 74	0.25 76	0.37 166	0.25 111	0.17 86	0.24 57	0.15 51	0.06 1	0.05 6	0.08 65	0.08 108	0.07 37	0.05 1

cf-r	0.24 181	0.15 189	0.44 188	0.21 86	0.14 164	0.27 159	0.22 199	0.42 174	0.40 205	0.30 150	0.42 217	0.42 260	0.26 192	0.43 197	0.25 206	0.11 232	0.06 72	0.08 65	0.10 214	0.08 81	0.08 111

PSMNet-RSSM	0.24 181	0.15 189	0.36 103	0.21 86	0.14 164	0.25 135	0.20 160	0.48 223	0.37 174	0.30 150	0.44 238	0.38 226	0.26 192	0.52 228	0.22 174	0.12 259	0.07 158	0.11 228	0.13 297	0.10 189	0.09 161

CFNet-ft	0.24 181	0.15 189	0.35 86	0.18 8	0.15 205	0.30 208	0.21 183	0.39 145	0.36 165	0.28 98	0.40 195	0.43 263	0.25 183	0.47 208	0.24 197	0.12 259	0.07 158	0.12 261	0.11 247	0.12 250	0.09 161

CFNet_RVC	0.24 181	0.15 189	0.35 86	0.18 8	0.15 205	0.30 208	0.21 183	0.39 145	0.36 165	0.28 98	0.40 195	0.43 263	0.25 183	0.47 208	0.24 197	0.12 259	0.07 158	0.12 261	0.11 247	0.12 250	0.09 161

4D-IteraStereo	0.17 36	0.16 206	0.50 235	0.21 86	0.14 164	0.19 34	0.17 58	0.28 33	0.28 87	0.23 57	0.20 35	0.20 59	0.11 8	0.19 25	0.14 40	0.06 1	0.04 1	0.10 181	0.08 108	0.08 81	0.06 18

CBFPSM	0.27 220	0.16 206	0.67 296	0.20 57	0.14 164	0.38 274	0.25 255	0.40 152	0.36 165	0.33 194	0.36 158	0.56 317	0.38 292	0.32 155	0.38 272	0.08 99	0.08 222	0.07 14	0.08 108	0.09 142	0.11 231

ToySt	0.24 181	0.16 206	0.48 220	0.21 86	0.13 131	0.29 191	0.29 288	0.39 145	0.39 192	0.27 89	0.35 148	0.39 237	0.31 255	0.31 149	0.29 233	0.08 99	0.09 250	0.10 181	0.11 247	0.11 224	0.10 206

ssnet_v2	0.28 237	0.16 206	0.44 188	0.22 128	0.15 205	0.40 286	0.30 298	0.57 309	0.46 265	0.38 254	0.36 158	0.47 285	0.29 235	0.38 186	0.39 280	0.13 275	0.11 285	0.11 228	0.11 247	0.11 224	0.11 231

TestStereo1	0.21 116	0.16 206	0.32 60	0.26 272	0.13 131	0.26 152	0.27 271	0.40 152	0.36 165	0.29 122	0.39 188	0.22 74	0.21 133	0.33 161	0.17 90	0.07 16	0.06 72	0.09 119	0.08 108	0.08 81	0.07 65

RAFT_CTSACE	0.21 116	0.16 206	0.41 165	0.25 244	0.15 205	0.22 93	0.24 241	0.32 67	0.28 87	0.33 194	0.51 282	0.29 159	0.17 86	0.32 155	0.13 24	0.06 1	0.07 158	0.09 119	0.08 108	0.08 81	0.06 18

SA-5K	0.21 116	0.16 206	0.32 60	0.26 272	0.13 131	0.26 152	0.27 271	0.40 152	0.36 165	0.29 122	0.39 188	0.22 74	0.21 133	0.33 161	0.17 90	0.07 16	0.06 72	0.09 119	0.08 108	0.08 81	0.07 65

SA	0.22 142	0.16 206	0.36 103	0.23 170	0.13 131	0.24 125	0.23 219	0.45 196	0.40 205	0.27 89	0.44 238	0.23 93	0.23 153	0.33 161	0.17 90	0.07 16	0.06 72	0.10 181	0.11 247	0.08 81	0.06 18

AACVNet	0.26 213	0.16 206	0.37 108	0.22 128	0.14 164	0.29 191	0.19 122	0.41 162	0.31 124	0.38 254	0.42 217	0.43 263	0.28 222	0.73 309	0.25 206	0.11 232	0.08 222	0.11 228	0.09 182	0.13 263	0.11 231

psm_up	0.29 247	0.16 206	0.41 165	0.26 272	0.17 244	0.32 226	0.26 266	0.55 288	0.43 225	0.36 241	0.40 195	0.45 277	0.37 288	0.58 254	0.30 239	0.11 232	0.12 302	0.13 280	0.12 279	0.10 189	0.10 206

UCFNet_RVC	0.24 181	0.16 206	0.34 78	0.18 8	0.15 205	0.33 235	0.16 38	0.46 205	0.35 155	0.29 122	0.35 148	0.39 237	0.25 183	0.34 167	0.22 174	0.13 275	0.08 222	0.13 280	0.14 308	0.13 263	0.12 253

AdaStereo	0.24 181	0.16 206	0.37 108	0.24 207	0.12 77	0.32 226	0.17 58	0.54 278	0.42 220	0.33 194	0.38 176	0.35 212	0.21 133	0.30 144	0.22 174	0.14 298	0.06 72	0.13 280	0.08 108	0.11 224	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	0.31 261	0.16 206	0.54 251	0.24 207	0.22 317	0.42 296	0.28 284	0.58 316	0.56 321	0.28 98	0.38 176	0.40 250	0.30 244	0.71 302	0.28 224	0.13 275	0.08 222	0.13 280	0.10 214	0.19 325	0.16 297

MLCV	0.22 142	0.16 206	0.44 188	0.21 86	0.08 2	0.29 191	0.19 122	0.38 134	0.37 174	0.38 254	0.44 238	0.31 177	0.21 133	0.41 193	0.24 197	0.07 16	0.05 6	0.06 1	0.05 9	0.07 37	0.06 18

HSM	0.28 237	0.16 206	0.35 86	0.20 57	0.15 205	0.33 235	0.19 122	0.53 271	0.37 174	0.36 241	0.38 176	0.67 351	0.31 255	0.89 351	0.23 188	0.08 99	0.06 72	0.08 65	0.07 50	0.08 81	0.08 111

DLCB_ROB	0.28 237	0.16 206	0.34 78	0.27 295	0.16 228	0.38 274	0.25 255	0.48 223	0.43 225	0.46 312	0.46 260	0.51 304	0.33 265	0.53 233	0.33 255	0.10 205	0.10 268	0.11 228	0.11 247	0.10 189	0.09 161

raft_robust	0.22 142	0.17 222	0.30 42	0.22 128	0.12 77	0.23 110	0.22 199	0.49 229	0.48 279	0.32 185	0.32 116	0.26 129	0.23 153	0.53 233	0.15 51	0.07 16	0.06 72	0.08 65	0.10 214	0.08 81	0.06 18

ADLNet2	0.30 254	0.17 222	0.72 310	0.23 170	0.17 244	0.36 262	0.24 241	0.52 260	0.51 299	0.32 185	0.38 176	0.45 277	0.30 244	0.69 296	0.35 263	0.10 205	0.08 222	0.09 119	0.09 182	0.12 250	0.10 206

TRStereo	0.19 89	0.17 222	0.47 211	0.23 170	0.19 280	0.19 34	0.16 38	0.52 260	0.28 87	0.20 41	0.19 25	0.21 67	0.13 32	0.24 57	0.13 24	0.09 163	0.06 72	0.09 119	0.11 247	0.06 6	0.06 18

RAFT	0.21 116	0.17 222	0.32 60	0.24 207	0.12 77	0.25 135	0.27 271	0.35 104	0.28 87	0.33 194	0.33 135	0.38 226	0.22 144	0.29 132	0.17 90	0.08 99	0.08 222	0.11 228	0.10 214	0.10 189	0.06 18

111	0.20 102	0.17 222	0.40 143	0.18 8	0.09 7	0.24 125	0.17 58	0.41 162	0.45 251	0.23 57	0.29 88	0.29 159	0.21 133	0.24 57	0.18 104	0.07 16	0.05 6	0.07 14	0.06 23	0.07 37	0.08 111

hitnet-ft	0.29 247	0.17 222	0.40 143	0.19 26	0.14 164	0.39 281	0.23 219	0.44 188	0.41 216	0.36 241	0.46 260	0.53 311	0.34 272	0.76 322	0.32 248	0.14 298	0.10 268	0.13 280	0.10 214	0.15 287	0.13 264

GwcNet-RSSM	0.26 213	0.17 222	0.46 204	0.21 86	0.13 131	0.28 172	0.23 219	0.44 188	0.42 220	0.31 167	0.45 250	0.40 250	0.26 192	0.55 238	0.28 224	0.11 232	0.07 158	0.09 119	0.10 214	0.09 142	0.08 111

stereogan	0.37 301	0.17 222	0.65 292	0.27 295	0.22 317	0.62 352	0.26 266	0.59 321	0.63 338	0.43 300	0.60 317	0.67 351	0.42 312	0.68 294	0.35 263	0.13 275	0.14 316	0.14 299	0.12 279	0.19 325	0.17 305

HITNet	0.20 102	0.17 222	0.43 182	0.19 26	0.08 2	0.27 159	0.14 13	0.42 174	0.30 114	0.29 122	0.32 116	0.27 137	0.21 133	0.28 119	0.25 206	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	0.27 220	0.17 222	0.35 86	0.25 244	0.14 164	0.37 267	0.21 183	0.47 212	0.41 216	0.44 305	0.51 282	0.41 253	0.28 222	0.45 203	0.37 270	0.09 163	0.06 72	0.11 228	0.11 247	0.10 189	0.10 206
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DRN-Test	0.33 276	0.17 222	0.61 277	0.27 295	0.19 280	0.46 313	0.29 288	0.65 349	0.51 299	0.47 319	0.46 260	0.44 273	0.34 272	0.62 274	0.41 292	0.12 259	0.08 222	0.13 280	0.12 279	0.12 250	0.10 206

SGM-Forest	0.36 292	0.17 222	0.47 211	0.23 170	0.16 228	0.45 311	0.41 343	0.55 288	0.48 279	0.52 334	0.60 317	0.52 307	0.41 304	0.85 344	0.50 320	0.17 331	0.17 342	0.17 326	0.15 316	0.15 287	0.15 290
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
whm_eth	0.23 158	0.18 234	0.56 260	0.24 207	0.19 280	0.21 73	0.18 85	0.37 128	0.40 205	0.31 167	0.60 317	0.15 27	0.17 86	0.26 92	0.19 128	0.09 163	0.08 222	0.10 181	0.09 182	0.09 142	0.11 231

StereoVision	0.22 142	0.18 234	0.37 108	0.27 295	0.17 244	0.23 110	0.22 199	0.38 134	0.31 124	0.20 41	0.51 282	0.22 74	0.16 63	0.28 119	0.18 104	0.11 232	0.12 302	0.13 280	0.13 297	0.10 189	0.07 65

LL-Strereo2	0.18 53	0.18 234	0.39 138	0.22 128	0.12 77	0.24 125	0.13 3	0.31 59	0.23 44	0.24 70	0.20 35	0.24 104	0.12 14	0.26 92	0.15 51	0.06 1	0.06 72	0.12 261	0.09 182	0.08 81	0.07 65

iinet-f	0.30 254	0.18 234	1.03 363	0.20 57	0.15 205	0.44 306	0.22 199	0.45 196	0.37 174	0.35 226	0.44 238	0.41 253	0.34 272	0.34 167	0.40 286	0.10 205	0.09 250	0.08 65	0.08 108	0.13 263	0.11 231

RAFT+CT+SA	0.21 116	0.18 234	0.33 73	0.25 244	0.18 262	0.23 110	0.29 288	0.40 152	0.36 165	0.24 70	0.38 176	0.18 46	0.16 63	0.32 155	0.16 67	0.07 16	0.05 6	0.09 119	0.12 279	0.09 142	0.09 161

iRaft-Stereo_5w	0.23 158	0.18 234	0.44 188	0.22 128	0.13 131	0.19 34	0.19 122	0.37 128	0.32 132	0.28 98	0.37 166	0.34 198	0.23 153	0.65 287	0.27 222	0.06 1	0.06 72	0.08 65	0.07 50	0.09 142	0.08 111

LMCR-Stereo	0.26 213	0.18 234	0.49 225	0.28 312	0.14 164	0.36 262	0.23 219	0.54 278	0.34 149	0.39 269	0.40 195	0.29 159	0.29 235	0.37 182	0.27 222	0.11 232	0.07 158	0.09 119	0.07 50	0.13 263	0.09 161

Anonymous3	0.23 158	0.18 234	0.63 287	0.27 295	0.18 262	0.41 289	0.23 219	0.43 184	0.35 155	0.23 57	0.27 75	0.20 59	0.18 108	0.27 107	0.18 104	0.12 259	0.11 285	0.10 181	0.10 214	0.11 224	0.12 253

XX-TBD	0.15 21	0.18 234	0.28 29	0.22 128	0.10 20	0.22 93	0.15 26	0.22 3	0.27 74	0.22 54	0.26 70	0.14 21	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 89	0.18 234	0.37 108	0.23 170	0.14 164	0.23 110	0.13 3	0.37 128	0.29 105	0.28 98	0.26 70	0.25 111	0.15 49	0.26 92	0.18 104	0.08 99	0.06 72	0.09 119	0.08 108	0.09 142	0.06 18

FAT-Stereo	0.36 292	0.18 234	0.73 313	0.26 272	0.18 262	0.33 235	0.29 288	0.60 329	0.59 327	0.46 312	0.60 317	0.60 329	0.50 336	0.61 266	0.34 259	0.13 275	0.14 316	0.13 280	0.12 279	0.14 275	0.18 318

BEATNet_4x	0.22 142	0.18 234	0.47 211	0.22 128	0.10 20	0.28 172	0.14 13	0.46 205	0.32 132	0.31 167	0.34 141	0.31 177	0.25 183	0.31 149	0.29 233	0.08 99	0.06 72	0.08 65	0.06 23	0.10 189	0.08 111

RYNet	0.37 301	0.18 234	0.59 272	0.25 244	0.28 350	0.61 351	0.32 306	0.59 321	0.59 327	0.41 286	0.38 176	0.57 321	0.39 297	0.87 347	0.53 325	0.11 232	0.08 222	0.12 261	0.11 247	0.18 321	0.18 318

iResNet	0.24 181	0.18 234	0.61 277	0.25 244	0.11 42	0.29 191	0.21 183	0.42 174	0.43 225	0.33 194	0.43 229	0.27 137	0.22 144	0.34 167	0.26 218	0.07 16	0.05 6	0.07 14	0.06 23	0.08 81	0.07 65

CBMV_ROB	0.33 276	0.18 234	0.53 248	0.21 86	0.14 164	0.33 235	0.20 160	0.51 250	0.45 251	0.51 328	0.55 302	0.45 277	0.42 312	0.71 302	0.32 248	0.18 341	0.19 352	0.23 352	0.21 349	0.14 275	0.15 290

test_5	0.23 158	0.19 249	0.38 127	0.26 272	0.18 262	0.25 135	0.29 288	0.40 152	0.37 174	0.29 122	0.40 195	0.25 111	0.22 144	0.34 167	0.18 104	0.07 16	0.05 6	0.09 119	0.09 182	0.10 189	0.10 206

AASNet	0.27 220	0.19 249	0.49 225	0.26 272	0.17 244	0.34 248	0.20 160	0.62 341	0.48 279	0.35 226	0.40 195	0.32 185	0.25 183	0.28 119	0.34 259	0.11 232	0.09 250	0.10 181	0.08 108	0.13 263	0.11 231

AnonymousM	0.17 36	0.19 249	0.24 10	0.18 8	0.10 20	0.18 13	0.17 58	0.30 54	0.23 44	0.26 85	0.20 35	0.18 46	0.14 42	0.19 25	0.14 40	0.09 163	0.06 72	0.38 371	0.15 316	0.06 6	0.05 1

TestStereo	0.21 116	0.19 249	0.40 143	0.25 244	0.10 20	0.22 93	0.21 183	0.31 59	0.31 124	0.23 57	0.34 141	0.22 74	0.18 108	0.62 274	0.18 104	0.08 99	0.06 72	0.10 181	0.07 50	0.11 224	0.06 18

CVANet_RVC	0.30 254	0.19 249	0.41 165	0.26 272	0.16 228	0.33 235	0.26 266	0.52 260	0.47 270	0.40 277	0.46 260	0.43 263	0.31 255	0.89 351	0.26 218	0.14 298	0.09 250	0.14 299	0.13 297	0.14 275	0.10 206

DeepPruner_ROB	0.26 213	0.19 249	0.44 188	0.21 86	0.16 228	0.30 208	0.21 183	0.52 260	0.32 132	0.35 226	0.38 176	0.39 237	0.26 192	0.42 195	0.24 197	0.15 309	0.11 285	0.11 228	0.11 247	0.14 275	0.13 264

iResNet_ROB	0.25 203	0.19 249	0.40 143	0.20 57	0.12 77	0.30 208	0.16 38	0.55 288	0.53 309	0.38 254	0.43 229	0.37 221	0.26 192	0.38 186	0.22 174	0.08 99	0.06 72	0.06 1	0.04 1	0.09 142	0.09 161

SGM_RVC	0.50 343	0.19 249	0.50 235	0.25 244	0.15 205	0.69 358	0.39 339	0.68 363	0.82 365	0.95 375	0.84 358	1.13 375	0.76 367	1.16 376	0.60 335	0.16 321	0.16 337	0.16 320	0.16 327	0.16 295	0.17 305
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
fast-acv-ft	0.31 261	0.20 257	0.81 326	0.24 207	0.18 262	0.46 313	0.27 271	0.41 162	0.49 288	0.39 269	0.55 302	0.49 294	0.35 276	0.37 182	0.38 272	0.11 232	0.11 285	0.11 228	0.12 279	0.12 250	0.09 161

Wz-Net-LNSev-Ref	0.30 254	0.20 257	0.70 307	0.21 86	0.17 244	0.46 313	0.27 271	0.50 237	0.49 288	0.42 294	0.55 302	0.43 263	0.30 244	0.46 205	0.38 272	0.09 163	0.06 72	0.07 14	0.06 23	0.11 224	0.10 206

ACRE	0.21 116	0.20 257	0.62 285	0.23 170	0.15 205	0.24 125	0.20 160	0.35 104	0.28 87	0.31 167	0.32 116	0.22 74	0.15 49	0.25 80	0.20 139	0.08 99	0.07 158	0.07 14	0.07 50	0.08 81	0.08 111

SACVNet	0.30 254	0.20 257	0.41 165	0.25 244	0.18 262	0.34 248	0.25 255	0.52 260	0.40 205	0.41 286	0.44 238	0.46 283	0.32 262	0.71 302	0.25 206	0.13 275	0.10 268	0.12 261	0.12 279	0.16 295	0.17 305

GEStereo_RVC	0.27 220	0.20 257	0.44 188	0.27 295	0.16 228	0.33 235	0.25 255	0.56 302	0.54 312	0.34 210	0.38 176	0.34 198	0.25 183	0.51 222	0.28 224	0.12 259	0.08 222	0.09 119	0.08 108	0.11 224	0.11 231

APVNet	0.36 292	0.20 257	0.70 307	0.26 272	0.22 317	0.52 339	0.35 321	0.61 333	0.44 239	0.38 254	0.52 290	0.48 290	0.38 292	0.84 343	0.46 309	0.13 275	0.14 316	0.15 311	0.16 327	0.16 295	0.15 290

S-Stereo	0.38 307	0.20 257	1.05 364	0.27 295	0.22 317	0.38 274	0.32 306	0.55 288	0.66 341	0.39 269	0.59 312	0.49 294	0.41 304	0.75 317	0.40 286	0.12 259	0.15 330	0.13 280	0.13 297	0.16 295	0.21 342

STTStereo	0.28 237	0.20 257	0.61 277	0.25 244	0.17 244	0.29 191	0.24 241	0.47 212	0.39 192	0.39 269	0.41 203	0.44 273	0.28 222	0.40 191	0.28 224	0.13 275	0.12 302	0.13 280	0.16 327	0.12 250	0.11 231

CFNet	0.27 220	0.20 257	0.44 188	0.22 128	0.14 164	0.33 235	0.14 13	0.51 250	0.45 251	0.30 150	0.40 195	0.38 226	0.27 209	0.76 322	0.25 206	0.09 163	0.07 158	0.11 228	0.11 247	0.11 224	0.08 111

LE_ROB	1.76 401	0.20 257	2.68 402	0.48 372	0.52 378	0.78 369	0.96 397	0.84 381	6.61 413	7.40 414	2.08 401	2.08 394	4.83 409	1.27 384	3.79 409	0.10 205	0.08 222	0.12 261	0.11 247	0.11 224	0.10 206

NOSS_ROB	0.31 261	0.20 257	0.35 86	0.24 207	0.16 228	0.32 226	0.19 122	0.52 260	0.48 279	0.33 194	0.36 158	0.42 260	0.28 222	0.93 357	0.24 197	0.19 346	0.20 357	0.24 354	0.22 356	0.17 310	0.17 305

XPNet_ROB	0.33 276	0.20 257	0.43 182	0.27 295	0.18 262	0.37 267	0.31 302	0.55 288	0.50 296	0.51 328	0.53 295	0.58 324	0.37 288	0.63 279	0.45 303	0.17 331	0.12 302	0.13 280	0.12 279	0.15 287	0.14 281

pmcnn	0.50 343	0.20 257	0.78 316	0.24 207	0.26 345	0.39 281	0.30 298	0.51 250	0.50 296	0.54 341	1.23 378	2.52 401	0.37 288	0.77 328	0.95 362	0.08 99	0.06 72	0.06 1	0.05 9	0.10 189	0.08 111

GMStereo_Zeroshot	0.24 181	0.21 270	0.45 198	0.26 272	0.13 131	0.28 172	0.15 26	0.39 145	0.35 155	0.37 246	0.43 229	0.40 250	0.17 86	0.34 167	0.20 139	0.12 259	0.07 158	0.13 280	0.07 50	0.16 295	0.09 161

SDNR	0.42 324	0.21 270	0.82 329	0.21 86	0.18 262	1.27 392	0.17 58	0.50 237	0.49 288	0.42 294	0.81 355	0.38 226	0.27 209	1.19 377	0.38 272	0.23 353	0.24 367	0.17 326	0.13 297	0.17 310	0.20 335

Anonymous_2	0.37 301	0.21 270	0.47 211	0.20 57	0.21 302	0.42 296	0.26 266	0.38 134	0.29 105	0.33 194	0.30 99	0.44 273	0.38 292	0.36 180	0.29 233	0.26 358	0.29 375	0.44 375	1.41 409	0.34 368	0.21 342

CIPLG	0.21 116	0.21 270	0.55 256	0.23 170	0.15 205	0.25 135	0.20 160	0.35 104	0.29 105	0.31 167	0.33 135	0.22 74	0.15 49	0.26 92	0.20 139	0.08 99	0.07 158	0.07 14	0.07 50	0.08 81	0.08 111

sAnonymous2	0.20 102	0.21 270	0.58 268	0.24 207	0.17 244	0.22 93	0.19 122	0.34 87	0.28 87	0.17 28	0.19 25	0.17 39	0.16 63	0.17 11	0.14 40	0.10 205	0.07 158	0.09 119	0.08 108	0.23 345	0.17 305

CroCo_RVC	0.20 102	0.21 270	0.58 268	0.24 207	0.17 244	0.22 93	0.19 122	0.34 87	0.28 87	0.17 28	0.19 25	0.17 39	0.16 63	0.17 11	0.14 40	0.10 205	0.07 158	0.09 119	0.08 108	0.23 345	0.17 305

ARAFT	0.24 181	0.21 270	0.78 316	0.22 128	0.12 77	0.29 191	0.24 241	0.43 184	0.32 132	0.33 194	0.28 79	0.28 152	0.19 120	0.49 215	0.18 104	0.07 16	0.06 72	0.12 261	0.11 247	0.09 142	0.06 18

DMCA-RVC	0.27 220	0.21 270	0.61 277	0.28 312	0.17 244	0.29 191	0.21 183	0.42 174	0.35 155	0.40 277	0.37 166	0.39 237	0.36 280	0.43 197	0.30 239	0.13 275	0.10 268	0.15 311	0.11 247	0.13 263	0.10 206

TDLM	0.30 254	0.21 270	0.38 127	0.28 312	0.15 205	0.33 235	0.32 306	0.52 260	0.47 270	0.38 254	0.43 229	0.39 237	0.29 235	0.91 355	0.28 224	0.14 298	0.08 222	0.13 280	0.11 247	0.12 250	0.10 206

NLCA_NET_v2_RVC	0.27 220	0.21 270	0.59 272	0.25 244	0.18 262	0.29 191	0.22 199	0.50 237	0.40 205	0.38 254	0.41 203	0.43 263	0.27 209	0.43 197	0.29 233	0.11 232	0.08 222	0.10 181	0.10 214	0.10 189	0.11 231
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	0.51 347	0.21 270	0.65 292	0.25 244	0.21 302	0.58 346	0.32 306	0.54 278	0.55 318	0.95 375	1.40 383	1.28 381	0.81 372	0.73 309	0.62 338	0.18 341	0.15 330	0.15 311	0.15 316	0.19 325	0.19 325

CBMV	0.33 276	0.21 270	0.54 251	0.23 170	0.13 131	0.42 296	0.33 316	0.53 271	0.48 279	0.52 334	0.49 274	0.50 300	0.41 304	0.56 246	0.31 243	0.15 309	0.16 337	0.18 333	0.16 327	0.13 263	0.13 264
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
IPLGR_C	0.21 116	0.22 282	0.60 274	0.23 170	0.15 205	0.24 125	0.20 160	0.35 104	0.29 105	0.31 167	0.32 116	0.22 74	0.15 49	0.25 80	0.20 139	0.08 99	0.07 158	0.07 14	0.07 50	0.08 81	0.08 111

RP	0.35 288	0.22 282	0.51 241	0.31 329	0.24 333	0.37 267	0.28 284	0.50 237	0.58 326	0.40 277	0.63 329	0.61 333	0.47 328	0.61 266	0.39 280	0.16 321	0.15 330	0.17 326	0.15 316	0.17 310	0.17 305

edge stereo	0.39 313	0.22 282	0.81 326	0.27 295	0.22 317	0.37 267	0.24 241	0.56 302	0.54 312	0.53 339	0.60 317	0.71 359	0.50 336	0.78 329	0.40 286	0.16 321	0.14 316	0.19 340	0.14 308	0.16 295	0.17 305

ADCL	0.47 337	0.22 282	1.00 357	0.27 295	0.19 280	0.74 363	0.64 377	0.54 278	0.69 349	0.56 343	0.71 342	0.55 315	0.60 351	0.60 261	1.43 386	0.11 232	0.09 250	0.13 280	0.13 297	0.14 275	0.14 281

GANet	0.36 292	0.22 282	0.49 225	0.29 315	0.17 244	0.41 289	0.38 334	0.57 309	0.45 251	0.46 312	0.75 348	0.55 315	0.40 300	0.94 360	0.41 292	0.13 275	0.13 312	0.13 280	0.11 247	0.14 275	0.11 231

AANet_RVC	0.31 261	0.22 282	0.50 235	0.23 170	0.14 164	0.30 208	0.24 241	0.47 212	0.54 312	0.38 254	0.60 317	0.43 263	0.29 235	0.87 347	0.40 286	0.11 232	0.07 158	0.07 14	0.07 50	0.09 142	0.09 161

StereoDRNet	0.32 270	0.22 282	0.61 277	0.27 295	0.21 302	0.42 296	0.30 298	0.61 333	0.48 279	0.46 312	0.39 188	0.48 290	0.30 244	0.57 249	0.40 286	0.11 232	0.09 250	0.12 261	0.11 247	0.12 250	0.10 206

RAFT + AFF	0.27 220	0.23 289	0.50 235	0.25 244	0.17 244	0.30 208	0.33 316	0.52 260	0.40 205	0.28 98	0.30 99	0.30 169	0.31 255	0.62 274	0.24 197	0.09 163	0.10 268	0.11 228	0.10 214	0.11 224	0.11 231

GwcNet	0.35 288	0.23 289	0.88 341	0.25 244	0.24 333	0.48 323	0.27 271	0.55 288	0.57 324	0.38 254	0.52 290	0.51 304	0.32 262	0.60 261	0.41 292	0.13 275	0.11 285	0.12 261	0.11 247	0.13 263	0.14 281

DANet	0.35 288	0.23 289	0.60 274	0.36 352	0.22 317	0.39 281	0.25 255	0.48 223	0.43 225	0.52 334	0.50 276	0.59 326	0.41 304	0.76 322	0.49 315	0.13 275	0.11 285	0.14 299	0.12 279	0.17 310	0.15 290
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
ADCRef	0.38 307	0.24 292	0.88 341	0.26 272	0.21 302	0.49 326	0.27 271	0.52 260	0.48 279	0.50 323	0.58 310	0.35 212	0.47 328	0.48 210	1.29 384	0.09 163	0.08 222	0.12 261	0.12 279	0.11 224	0.11 231

ADCP+	0.45 334	0.24 292	1.15 371	0.25 244	0.22 317	0.56 342	0.39 339	0.54 278	0.51 299	0.44 305	0.51 282	0.46 283	0.52 341	0.56 246	1.89 397	0.10 205	0.08 222	0.11 228	0.10 214	0.14 275	0.13 264

DPSNet	0.47 337	0.24 292	0.93 349	0.27 295	0.20 294	0.75 365	0.57 371	0.84 381	0.79 363	0.47 319	0.51 282	0.60 329	0.69 363	0.87 347	0.71 346	0.16 321	0.13 312	0.12 261	0.10 214	0.25 349	0.21 342

PSMNet_ROB	0.33 276	0.24 292	0.54 251	0.31 329	0.21 302	0.42 296	0.43 348	0.59 321	0.47 270	0.37 246	0.44 238	0.49 294	0.31 255	0.64 281	0.43 296	0.14 298	0.10 268	0.15 311	0.14 308	0.13 263	0.11 231

LL-Strereo	0.29 247	0.25 296	0.58 268	0.25 244	0.21 302	0.23 110	0.24 241	0.55 288	0.42 220	0.34 210	0.32 116	0.41 253	0.40 300	0.94 360	0.23 188	0.08 99	0.07 158	0.11 228	0.09 182	0.09 142	0.09 161

HCRNet	0.24 181	0.25 296	0.33 73	0.34 342	0.16 228	0.27 159	0.18 85	0.43 184	0.35 155	0.30 150	0.35 148	0.32 185	0.22 144	0.44 201	0.20 139	0.13 275	0.08 222	0.13 280	0.11 247	0.10 189	0.09 161

GMStereo	0.19 89	0.25 296	0.40 143	0.21 86	0.12 77	0.22 93	0.19 122	0.29 40	0.40 205	0.25 76	0.23 49	0.16 34	0.15 49	0.25 80	0.19 128	0.09 163	0.06 72	0.08 65	0.08 108	0.10 189	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	0.50 343	0.25 296	3.03 404	0.24 207	0.19 280	0.38 274	0.22 199	0.50 237	0.44 239	0.64 352	0.68 337	0.71 359	0.51 339	0.85 344	0.45 303	0.14 298	0.17 342	0.13 280	0.14 308	0.16 295	0.21 342

FADNet-RVC-Resample	0.29 247	0.25 296	0.93 349	0.26 272	0.16 228	0.32 226	0.21 183	0.47 212	0.39 192	0.35 226	0.38 176	0.33 192	0.27 209	0.53 233	0.24 197	0.10 205	0.10 268	0.14 299	0.13 297	0.13 263	0.16 297

G-Net	0.46 336	0.25 296	0.86 338	0.34 342	0.28 350	0.90 377	0.35 321	0.47 212	0.45 251	0.68 356	1.22 377	0.64 345	0.60 351	0.61 266	0.57 327	0.16 321	0.14 316	0.17 326	0.13 297	0.22 342	0.19 325

NCC-stereo	0.39 313	0.25 296	0.69 301	0.32 335	0.28 350	0.46 313	0.36 324	0.65 349	0.52 305	0.40 277	0.57 308	0.56 317	0.47 328	0.73 309	0.45 303	0.17 331	0.14 316	0.18 333	0.25 360	0.16 295	0.16 297

Nwc_Net	0.37 301	0.25 296	0.68 300	0.31 329	0.24 333	0.44 306	0.30 298	0.65 349	0.50 296	0.37 246	0.69 341	0.58 324	0.45 319	0.60 261	0.40 286	0.15 309	0.12 302	0.19 340	0.21 349	0.14 275	0.13 264

Abc-Net	0.39 313	0.25 296	0.69 301	0.32 335	0.28 350	0.46 313	0.36 324	0.65 349	0.52 305	0.40 277	0.57 308	0.56 317	0.47 328	0.73 309	0.45 303	0.17 331	0.14 316	0.18 333	0.25 360	0.16 295	0.16 297
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	0.22 142	0.25 296	0.47 211	0.24 207	0.14 164	0.25 135	0.12 1	0.40 152	0.33 142	0.29 122	0.42 217	0.22 74	0.20 128	0.33 161	0.19 128	0.07 16	0.06 72	0.11 228	0.11 247	0.11 224	0.07 65

LALA_ROB	0.36 292	0.25 296	0.46 204	0.30 322	0.21 302	0.47 319	0.39 339	0.61 333	0.51 299	0.52 334	0.51 282	0.69 356	0.36 280	0.50 217	0.43 296	0.17 331	0.11 285	0.16 320	0.14 308	0.17 310	0.15 290

Wz-Net-MNSev	0.36 292	0.26 307	0.79 322	0.26 272	0.21 302	0.59 347	0.38 334	0.55 288	0.56 321	0.48 322	0.54 298	0.53 311	0.36 280	0.60 261	0.44 300	0.11 232	0.09 250	0.11 228	0.11 247	0.15 287	0.13 264

dd	0.22 142	0.26 307	0.40 143	0.22 128	0.12 77	0.25 135	0.21 183	0.32 67	0.44 239	0.29 122	0.28 79	0.25 111	0.16 63	0.30 144	0.25 206	0.12 259	0.07 158	0.10 181	0.08 108	0.11 224	0.09 161

AF-Net	0.37 301	0.26 307	0.56 260	0.32 335	0.23 328	0.41 289	0.29 288	0.61 333	0.64 339	0.42 294	0.68 337	0.65 346	0.49 335	0.57 249	0.44 300	0.15 309	0.11 285	0.19 340	0.14 308	0.15 287	0.13 264

iResNetv2_ROB	0.27 220	0.26 307	0.72 310	0.23 170	0.13 131	0.29 191	0.18 85	0.52 260	0.49 288	0.37 246	0.45 250	0.39 237	0.25 183	0.34 167	0.20 139	0.08 99	0.06 72	0.07 14	0.05 9	0.12 250	0.09 161

NCCL2	0.35 288	0.26 307	0.49 225	0.36 352	0.22 317	0.41 289	0.41 343	0.53 271	0.42 220	0.47 319	0.46 260	0.61 333	0.39 297	0.55 238	0.37 270	0.16 321	0.13 312	0.21 345	0.21 349	0.16 295	0.16 297

FBW_ROB	0.43 327	0.26 307	0.54 251	0.31 329	0.20 294	0.51 330	0.32 306	0.70 365	0.60 330	0.59 346	0.55 302	0.65 346	0.41 304	1.40 388	0.51 322	0.13 275	0.17 342	0.21 345	0.16 327	0.17 310	0.18 318

ETE_ROB	0.34 283	0.26 307	0.45 198	0.29 315	0.18 262	0.40 286	0.37 328	0.57 309	0.47 270	0.50 323	0.50 276	0.62 335	0.36 280	0.55 238	0.38 272	0.13 275	0.10 268	0.14 299	0.12 279	0.16 295	0.16 297

FINET	0.34 283	0.27 314	0.80 324	0.24 207	0.24 333	0.36 262	0.34 318	0.54 278	0.72 354	0.39 269	0.47 267	0.32 185	0.30 244	0.51 222	0.32 248	0.19 346	0.17 342	0.13 280	0.12 279	0.18 321	0.16 297

SHD	0.42 324	0.27 314	0.81 326	0.31 329	0.25 340	0.42 296	0.22 199	0.66 355	0.94 378	0.63 350	0.60 317	0.59 326	0.47 328	0.59 260	0.58 332	0.15 309	0.13 312	0.16 320	0.16 327	0.20 333	0.22 347

MeshStereo	0.58 358	0.27 314	0.67 296	0.22 128	0.17 244	0.66 356	0.37 328	0.78 373	0.61 333	1.47 401	1.30 380	1.65 388	0.79 369	1.12 374	0.59 333	0.17 331	0.17 342	0.17 326	0.14 308	0.17 310	0.14 281
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	0.30 254	0.28 317	0.83 330	0.23 170	0.15 205	0.30 208	0.17 58	0.49 229	0.37 174	0.30 150	0.38 176	0.30 169	0.27 209	0.52 228	0.31 243	0.14 298	0.14 316	0.14 299	0.16 327	0.21 336	0.23 353

SuperB	0.49 341	0.28 317	2.23 394	0.23 170	0.15 205	0.41 289	0.32 306	0.47 212	0.82 365	0.43 300	0.50 276	0.33 192	0.45 319	0.68 294	1.08 368	0.10 205	0.07 158	0.09 119	0.08 108	0.98 400	0.14 281

RTSC	0.39 313	0.28 317	0.78 316	0.27 295	0.18 262	0.49 326	0.22 199	0.59 321	0.84 370	0.55 342	0.53 295	0.49 294	0.36 280	0.67 293	0.82 354	0.13 275	0.10 268	0.11 228	0.12 279	0.17 310	0.17 305

PA-Net	0.37 301	0.28 317	0.83 330	0.31 329	0.28 350	0.39 281	0.42 346	0.51 250	0.55 318	0.34 210	0.42 217	0.41 253	0.36 280	0.79 331	0.49 315	0.12 259	0.23 365	0.16 320	0.23 358	0.12 250	0.18 318
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
SGM-ForestM	1.36 392	0.28 317	0.79 322	0.26 272	0.16 228	2.26 406	1.00 399	1.42 394	1.46 393	2.38 405	2.05 400	5.95 414	2.66 407	2.95 406	2.46 404	0.17 331	0.18 348	0.18 333	0.18 341	0.15 287	0.18 318

NaN_ROB	0.41 321	0.28 317	0.62 285	0.30 322	0.19 280	0.51 330	0.47 359	0.58 316	0.59 327	0.56 343	0.47 267	0.49 294	0.41 304	1.21 380	0.64 342	0.12 259	0.18 348	0.12 261	0.13 297	0.11 224	0.14 281

SANet	0.53 352	0.28 317	0.96 353	0.26 272	0.15 205	0.69 358	0.44 351	0.67 360	1.34 389	0.67 355	0.98 368	0.94 370	0.71 365	0.89 351	0.76 348	0.14 298	0.12 302	0.12 261	0.11 247	0.17 310	0.16 297

Wz-Net-LNSev	0.34 283	0.29 324	0.91 345	0.26 272	0.21 302	0.47 319	0.31 302	0.54 278	0.54 312	0.44 305	0.52 290	0.50 300	0.35 276	0.39 188	0.39 280	0.11 232	0.11 285	0.10 181	0.09 182	0.14 275	0.13 264

DGSMNet	0.61 363	0.29 324	0.91 345	0.51 375	0.70 387	0.62 352	1.38 408	0.59 321	0.55 318	0.37 246	0.61 324	0.52 307	0.33 265	0.65 287	0.43 296	0.53 380	0.60 398	0.67 386	0.61 394	0.63 382	0.61 392

aanetorigin	0.39 313	0.29 324	1.09 366	0.24 207	0.19 280	0.28 172	0.37 328	0.33 81	0.47 270	0.94 373	0.82 356	0.52 307	0.54 342	0.49 215	0.50 320	0.11 232	0.09 250	0.10 181	0.10 214	0.16 295	0.15 290

DeepPrunerF	0.44 333	0.29 324	1.29 380	0.33 340	0.30 358	0.35 257	0.36 324	0.62 341	1.15 387	0.40 277	0.44 238	0.39 237	0.41 304	0.80 335	0.52 323	0.18 341	0.14 316	0.23 352	0.21 349	0.17 310	0.17 305

ADCPNet	0.48 339	0.29 324	1.60 388	0.27 295	0.23 328	0.70 361	0.38 334	0.53 271	0.51 299	0.51 328	0.59 312	0.67 351	0.56 346	0.60 261	1.14 374	0.15 309	0.18 348	0.14 299	0.23 358	0.19 325	0.19 325

PWC_ROB	0.38 307	0.29 324	0.69 301	0.25 244	0.20 294	0.38 274	0.19 122	0.58 316	0.67 344	0.57 345	0.85 359	0.51 304	0.40 300	0.71 302	0.52 323	0.13 275	0.09 250	0.14 299	0.10 214	0.17 310	0.14 281

HBP-ISP	0.33 276	0.30 330	0.72 310	0.22 128	0.16 228	0.32 226	0.22 199	0.54 278	0.44 239	0.41 286	0.49 274	0.33 192	0.38 292	0.73 309	0.25 206	0.18 341	0.19 352	0.24 354	0.20 346	0.16 295	0.13 264

FC-DCNN	0.70 371	0.30 330	0.69 301	0.32 335	0.27 347	0.81 372	0.39 339	0.79 376	0.82 365	1.41 394	1.58 393	1.98 393	1.26 392	1.02 369	0.77 351	0.24 356	0.22 362	0.27 357	0.26 364	0.26 355	0.26 359

PS-NSSS	0.32 270	0.30 330	0.46 204	0.23 170	0.17 244	0.33 235	0.24 241	0.57 309	0.41 216	0.37 246	0.52 290	0.35 212	0.30 244	0.80 335	0.30 239	0.17 331	0.14 316	0.21 345	0.15 316	0.15 287	0.13 264

PDISCO_ROB	0.43 327	0.30 330	0.67 296	0.43 366	0.36 366	0.67 357	0.32 306	0.72 368	0.76 359	0.43 300	0.53 295	0.63 343	0.40 300	0.66 291	0.47 311	0.21 350	0.12 302	0.21 345	0.19 345	0.25 349	0.20 335

PWCDC_ROB	0.38 307	0.30 330	0.60 274	0.33 340	0.20 294	0.42 296	0.19 122	0.58 316	0.89 371	0.42 294	1.26 379	0.36 217	0.34 272	0.50 217	0.38 272	0.18 341	0.11 285	0.11 228	0.09 182	0.19 325	0.13 264

UDGNet	0.23 158	0.31 335	0.38 127	0.24 207	0.14 164	0.24 125	0.18 85	0.32 67	0.43 225	0.29 122	0.28 79	0.24 104	0.19 120	0.29 132	0.20 139	0.15 309	0.07 158	0.21 345	0.11 247	0.14 275	0.10 206

dad	0.28 237	0.31 335	0.44 188	0.21 86	0.14 164	0.30 208	0.20 160	0.33 81	0.49 288	0.44 305	0.44 238	0.45 277	0.21 133	0.41 193	0.26 218	0.20 349	0.11 285	0.20 343	0.11 247	0.14 275	0.10 206

ccnet	0.42 324	0.31 335	0.48 220	0.27 295	0.32 361	0.60 350	0.32 306	0.65 349	0.46 265	0.53 339	0.66 333	0.56 317	0.45 319	0.72 307	0.61 336	0.26 358	0.19 352	0.24 354	0.21 349	0.26 355	0.22 347

Syn2CoEx	0.36 292	0.31 335	0.78 316	0.34 342	0.21 302	0.41 289	0.28 284	0.61 333	0.49 288	0.42 294	0.56 307	0.45 277	0.44 316	0.69 296	0.38 272	0.17 331	0.14 316	0.15 311	0.12 279	0.13 263	0.12 253

FCDSN-DC	0.63 364	0.31 335	0.61 277	0.36 352	0.30 358	0.65 354	0.37 328	0.66 355	0.68 347	1.14 385	1.54 391	1.71 390	1.26 392	0.92 356	0.64 342	0.24 356	0.22 362	0.27 357	0.26 364	0.27 358	0.27 362
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
RGC	0.39 313	0.32 340	0.64 291	0.34 342	0.27 347	0.40 286	0.29 288	0.57 309	0.53 309	0.45 309	0.64 330	0.62 335	0.45 319	0.72 307	0.39 280	0.15 309	0.15 330	0.21 345	0.20 346	0.18 321	0.19 325

MSMD_ROB	0.60 362	0.33 341	0.61 277	0.30 322	0.25 340	0.86 374	0.35 321	0.55 288	0.67 344	1.10 383	1.49 388	1.76 391	0.97 383	0.88 350	0.49 315	0.23 353	0.21 358	0.27 357	0.27 366	0.25 349	0.24 357

PVD	0.58 358	0.34 342	0.84 334	0.39 361	0.31 360	0.59 347	0.47 359	0.80 377	1.25 388	0.92 372	1.09 371	0.79 363	0.82 373	0.85 344	0.76 348	0.21 350	0.18 348	0.22 351	0.18 341	0.27 358	0.35 371

ADCMid	0.49 341	0.34 342	1.13 370	0.26 272	0.21 302	0.51 330	0.37 328	0.57 309	0.54 312	0.75 364	0.66 333	0.62 335	0.64 361	0.64 281	1.68 391	0.13 275	0.12 302	0.17 326	0.17 336	0.20 333	0.17 305

Anonymous Stereo	0.38 307	0.34 342	1.00 357	0.30 322	0.25 340	0.33 235	0.44 351	0.50 237	0.54 312	0.41 286	0.45 250	0.39 237	0.26 192	0.93 357	0.48 312	0.15 309	0.14 316	0.15 311	0.16 327	0.16 295	0.17 305

FADNet-RVC	0.31 261	0.35 345	0.78 316	0.25 244	0.20 294	0.33 235	0.20 160	0.49 229	0.40 205	0.34 210	0.39 188	0.41 253	0.29 235	0.63 279	0.31 243	0.13 275	0.14 316	0.14 299	0.15 316	0.19 325	0.19 325

PASM	0.45 334	0.35 345	0.90 344	0.35 351	0.33 362	0.39 281	0.38 334	0.50 237	0.61 333	0.52 334	0.51 282	0.62 335	0.45 319	0.93 357	0.48 312	0.26 358	0.29 375	0.29 363	0.33 371	0.29 363	0.26 359

CSAN	0.50 343	0.35 345	0.78 316	0.36 352	0.23 328	0.56 342	0.59 374	0.61 333	0.70 351	0.64 352	0.78 352	0.65 346	0.60 351	1.38 387	0.62 338	0.21 350	0.17 342	0.20 343	0.20 346	0.18 321	0.18 318

FADNet	0.32 270	0.36 348	0.74 314	0.23 170	0.22 317	0.37 267	0.19 122	0.53 271	0.48 279	0.32 185	0.36 158	0.43 263	0.32 262	0.64 281	0.25 206	0.16 321	0.16 337	0.14 299	0.16 327	0.24 348	0.19 325

MaskLacGwcNet_RVC	0.36 292	0.36 348	0.53 248	0.34 342	0.19 280	0.51 330	0.24 241	0.55 288	0.38 186	0.41 286	0.47 267	0.47 285	0.27 209	0.73 309	0.30 239	0.36 374	0.19 352	0.27 357	0.17 336	0.26 355	0.23 353

MANE	1.41 393	0.36 348	0.74 314	0.43 366	0.41 370	2.16 405	0.80 389	2.39 409	3.38 403	2.22 404	3.06 406	3.54 407	2.73 408	2.15 403	1.94 399	0.28 366	0.27 371	0.30 365	0.46 381	0.28 362	0.34 370

ELAS_RVC	0.74 376	0.36 348	1.00 357	0.37 357	0.33 362	0.88 375	0.93 396	0.83 380	1.08 383	1.35 390	1.33 382	1.24 379	1.33 395	1.06 371	0.95 362	0.27 363	0.25 369	0.29 363	0.27 366	0.30 364	0.30 364
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.74 376	0.36 348	0.85 337	0.36 352	0.33 362	1.36 396	0.77 387	0.93 384	0.92 375	1.41 394	1.53 390	1.16 378	1.17 388	0.95 362	1.03 366	0.26 358	0.25 369	0.28 362	0.28 369	0.31 365	0.30 364
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficient	0.63 364	0.37 353	2.40 398	0.26 272	0.25 340	0.38 274	0.49 365	0.41 162	1.06 382	1.38 391	0.87 363	0.62 335	0.95 380	0.65 287	1.65 390	0.11 232	0.09 250	0.10 181	0.11 247	0.19 325	0.17 305

XQC	0.43 327	0.37 353	0.96 353	0.34 342	0.25 340	0.53 340	0.34 318	0.60 329	0.73 357	0.51 328	0.46 260	0.57 321	0.47 328	0.70 299	0.72 347	0.17 331	0.12 302	0.18 333	0.15 316	0.25 349	0.23 353

WZ-Net	0.52 351	0.38 355	1.90 392	0.30 322	0.24 333	0.57 345	0.48 363	0.62 341	0.78 362	0.50 323	0.71 342	0.68 354	0.54 342	0.98 366	0.84 355	0.13 275	0.10 268	0.11 228	0.12 279	0.19 325	0.20 335

SAMSARA	0.56 354	0.39 356	0.80 324	0.60 380	0.46 373	1.00 381	1.23 407	0.67 360	0.68 347	0.71 359	0.54 298	0.89 369	0.57 348	0.81 338	0.62 338	0.19 346	0.22 362	0.18 333	0.18 341	0.27 358	0.25 358

ADCS	0.58 358	0.40 357	1.35 383	0.29 315	0.24 333	0.55 341	0.45 353	0.67 360	0.83 368	0.76 365	0.71 342	0.68 354	0.60 351	0.76 322	2.23 402	0.16 321	0.16 337	0.16 320	0.17 336	0.22 342	0.22 347

AnyNet_C32	0.51 347	0.40 357	1.10 369	0.29 315	0.28 350	0.59 347	0.58 372	0.54 278	0.60 330	0.62 349	0.66 333	0.54 313	0.54 342	0.78 329	1.74 394	0.15 309	0.14 316	0.15 311	0.17 336	0.20 333	0.20 335

LSM	1.64 400	0.40 357	2.56 400	2.02 410	17.61 421	0.51 330	0.52 367	0.61 333	0.76 359	0.82 367	1.11 373	0.63 343	0.54 342	0.75 317	0.49 315	0.16 321	0.24 367	0.18 333	0.21 349	0.25 349	2.42 413

Wz-Net-SNSev	0.43 327	0.41 360	1.27 378	0.30 322	0.21 302	0.44 306	0.41 343	0.61 333	0.65 340	0.46 312	0.65 331	0.62 335	0.39 297	0.74 316	0.59 333	0.12 259	0.11 285	0.12 261	0.13 297	0.16 295	0.14 281

GASNet	0.36 292	0.46 361	0.88 341	0.34 342	0.23 328	0.35 257	0.22 199	0.60 329	0.53 309	0.40 277	0.37 166	0.45 277	0.30 244	0.79 331	0.35 263	0.15 309	0.10 268	0.14 299	0.14 308	0.22 342	0.12 253

UDG	0.40 319	0.46 361	0.49 225	0.40 363	0.35 365	0.47 319	0.27 271	0.54 278	0.47 270	0.39 269	0.45 250	0.59 326	0.44 316	0.46 205	0.39 280	0.26 358	0.19 352	0.48 377	0.22 356	0.34 368	0.26 359

CC-Net-ROB	0.43 327	0.47 363	0.65 292	0.37 357	0.23 328	0.51 330	0.29 288	0.66 355	0.49 288	0.46 312	0.51 282	0.48 290	0.38 292	0.96 363	0.35 263	0.34 373	0.23 365	0.55 381	0.25 360	0.31 365	0.20 335

GANetREF_RVC	0.43 327	0.47 363	0.69 301	0.38 359	0.20 294	0.51 330	0.48 363	0.66 355	0.66 341	0.46 312	0.46 260	0.50 300	0.44 316	0.90 354	0.39 280	0.27 363	0.21 358	0.32 367	0.18 341	0.27 358	0.22 347
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	0.40 319	0.48 365	0.67 296	0.48 372	0.39 367	0.48 323	0.22 199	0.51 250	0.43 225	0.40 277	0.47 267	0.47 285	0.33 265	0.54 237	0.32 248	0.36 374	0.15 330	0.40 373	0.21 349	0.45 374	0.31 366

Consistency-Raft	0.55 353	0.48 365	1.02 361	0.45 369	0.49 375	0.49 326	0.47 359	0.72 368	0.72 354	0.45 309	0.82 356	0.47 285	0.60 351	0.50 217	0.63 341	0.39 378	0.39 383	0.44 375	0.51 386	0.52 376	0.37 372

RTS	0.78 378	0.48 365	4.68 406	0.34 342	0.28 350	1.12 385	0.46 355	0.62 341	1.03 379	0.73 360	0.89 364	0.60 329	0.59 349	1.61 391	1.16 377	0.14 298	0.11 285	0.15 311	0.15 316	0.21 336	0.19 325

RTSA	0.78 378	0.48 365	4.68 406	0.34 342	0.28 350	1.12 385	0.46 355	0.62 341	1.03 379	0.73 360	0.89 364	0.60 329	0.59 349	1.61 391	1.16 377	0.14 298	0.11 285	0.15 311	0.15 316	0.21 336	0.19 325

NVStereoNet_ROB	0.67 368	0.49 369	0.83 330	0.48 372	0.40 369	0.51 330	0.46 355	0.70 365	0.77 361	0.84 368	1.72 394	1.02 374	0.83 374	1.23 381	0.79 353	0.32 371	0.38 382	0.40 373	0.46 381	0.36 370	0.41 376
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	0.41 321	0.50 370	0.48 220	0.44 368	0.39 367	0.46 313	0.32 306	0.50 237	0.43 225	0.45 309	0.52 290	0.57 321	0.36 280	0.48 210	0.33 255	0.33 372	0.21 358	0.55 381	0.25 360	0.37 371	0.32 369

MFN_U_SF_DS_RVC	0.51 347	0.50 370	0.86 338	0.39 361	0.24 333	0.84 373	0.55 370	0.56 302	0.62 335	0.60 347	0.68 337	0.62 335	0.42 312	1.13 375	0.43 296	0.23 353	0.27 371	0.27 357	0.35 373	0.25 349	0.29 363

MFN_U_SF_RVC	0.56 354	0.51 372	1.19 372	0.38 359	0.22 317	0.69 358	0.27 271	0.80 377	0.67 344	0.73 360	0.74 347	0.87 366	0.61 360	0.81 338	0.76 348	0.29 368	0.27 371	0.32 367	0.37 377	0.32 367	0.31 366

EDNetEfficientorigin	7.51 412	0.52 373	140.47 434	0.25 244	0.17 244	0.42 296	0.29 288	0.47 212	1.03 379	1.28 388	1.02 369	0.83 365	0.84 375	0.75 317	0.99 364	0.10 205	0.09 250	0.12 261	0.10 214	0.21 336	0.22 347

anonymity	0.56 354	0.54 374	0.70 307	0.47 371	0.61 383	0.56 342	0.43 348	0.69 364	0.49 288	0.63 350	0.55 302	0.54 313	0.60 351	0.61 266	0.57 327	0.55 383	0.53 391	0.50 378	0.54 389	0.51 375	0.56 385

Wz-Net-TNSev	0.51 347	0.58 375	1.61 390	0.25 244	0.21 302	0.65 354	0.45 353	0.63 347	0.69 349	0.51 328	0.54 298	0.71 359	0.60 351	1.00 367	0.77 351	0.15 309	0.15 330	0.13 280	0.15 316	0.21 336	0.20 335

AnyNet_C01	0.65 366	0.58 375	2.60 401	0.32 335	0.26 345	0.88 375	0.61 375	0.63 347	0.62 335	0.68 356	0.96 367	0.76 362	0.60 351	0.96 363	1.43 386	0.16 321	0.16 337	0.17 326	0.17 336	0.23 345	0.23 353

SPS-STEREO	0.69 370	0.61 377	0.98 355	0.52 377	0.57 381	0.74 363	0.50 366	0.78 373	0.62 335	0.95 375	0.86 360	0.94 370	0.70 364	1.01 368	0.87 359	0.58 386	0.51 388	0.50 378	0.50 385	0.55 378	0.58 387
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
otaku	0.57 357	0.62 378	0.87 340	0.63 382	0.44 372	0.73 362	0.37 328	0.65 349	0.66 341	0.51 328	0.75 348	0.66 350	0.45 319	0.69 296	0.46 309	0.53 380	0.34 380	0.55 381	0.35 373	0.60 381	0.45 378

Ntro	0.58 358	0.64 379	0.92 347	0.66 383	0.50 376	0.77 366	0.36 324	0.66 355	0.70 351	0.50 323	0.59 312	0.65 346	0.51 339	0.75 317	0.45 303	0.56 384	0.32 379	0.56 384	0.34 372	0.63 382	0.46 381

MSC_U_SF_DS_RVC	0.68 369	0.64 379	1.06 365	0.45 369	0.27 347	1.40 398	0.58 372	0.78 373	0.92 375	0.84 368	0.86 360	0.88 368	0.68 362	1.33 386	0.68 345	0.37 376	0.29 375	0.34 369	0.36 376	0.43 372	0.37 372

SGM+DAISY	0.87 380	0.66 381	1.30 381	0.51 375	0.60 382	1.03 382	0.84 393	0.76 371	0.73 357	1.39 392	1.51 389	1.31 382	1.22 390	1.11 372	1.08 368	0.57 385	0.53 391	0.51 380	0.51 386	0.54 377	0.61 392

coex-ft	3.44 408	0.73 382	48.55 432	0.24 207	0.19 280	0.50 329	0.43 348	0.47 212	2.40 400	7.03 413	1.20 376	0.97 373	2.23 404	0.73 309	1.92 398	0.12 259	0.15 330	0.14 299	0.12 279	0.21 336	0.43 377

JetBlue	1.14 390	0.76 383	2.36 396	0.59 379	0.75 389	3.04 409	1.78 409	1.11 387	0.90 373	0.94 373	1.10 372	1.66 389	1.28 394	2.09 401	1.72 393	0.43 379	0.36 381	0.38 371	0.38 379	0.58 380	0.56 385

MFMNet_re	0.72 372	0.76 383	0.99 356	0.62 381	0.70 387	0.77 366	0.67 378	0.75 370	0.83 368	0.78 366	0.86 360	0.69 356	0.78 368	0.71 302	0.61 336	0.66 389	0.59 397	0.61 385	0.58 393	0.68 388	0.71 396

ACVNet_1	0.72 372	0.81 385	1.37 384	0.72 385	0.53 379	0.77 366	0.42 346	0.85 383	0.90 373	0.74 363	0.75 348	1.32 383	0.72 366	1.02 369	0.55 326	0.54 382	0.31 378	0.71 388	0.35 373	0.64 384	0.45 378

ACVNet-4b	0.72 372	0.81 385	1.33 382	0.72 385	0.50 376	0.80 371	0.31 302	0.71 367	0.80 364	0.50 323	0.72 346	0.95 372	0.43 315	0.96 363	1.20 381	1.13 406	0.21 358	0.76 390	0.45 380	0.65 385	0.46 381

IMH-64-1	0.91 382	0.86 387	0.84 334	0.97 393	0.75 389	0.92 378	0.71 380	1.27 389	1.10 384	0.89 370	1.45 385	1.14 376	0.96 381	1.19 377	0.84 355	0.74 390	0.51 388	0.97 395	0.55 390	0.84 392	0.60 389

IMH-64	0.91 382	0.86 387	0.84 334	0.97 393	0.75 389	0.92 378	0.71 380	1.27 389	1.10 384	0.89 370	1.45 385	1.14 376	0.96 381	1.19 377	0.84 355	0.74 390	0.51 388	0.97 395	0.55 390	0.84 392	0.60 389

ACVNet_2	0.89 381	0.87 389	1.25 376	0.82 388	0.62 384	0.97 380	0.62 376	1.14 388	1.42 391	1.00 378	1.40 383	1.47 386	0.84 375	1.11 372	0.66 344	0.61 387	0.43 385	0.78 391	0.49 383	0.75 389	0.52 383

WAO-7	1.01 385	0.89 390	0.93 349	0.83 390	0.66 386	1.18 387	0.81 391	1.40 393	1.57 394	1.11 384	1.76 396	1.45 385	1.19 389	1.50 390	1.14 374	0.61 387	0.62 401	0.70 387	0.68 396	0.66 387	0.60 389

RainbowNet	0.72 372	0.89 390	1.02 361	0.82 388	0.63 385	0.78 369	0.52 367	0.81 379	0.93 377	0.60 347	0.79 353	0.80 364	0.60 351	0.80 335	0.57 327	0.78 393	0.55 394	0.78 391	0.49 383	0.76 390	0.58 387

DispFullNet	0.66 367	0.89 390	1.59 387	0.77 387	1.21 404	0.51 330	0.23 219	0.59 321	0.72 354	0.69 358	0.61 324	0.69 356	0.91 379	0.79 331	0.48 312	0.27 363	0.12 302	0.73 389	0.30 370	0.65 385	0.40 375

WAO-6	1.07 388	0.93 393	0.92 347	0.96 392	0.78 392	1.28 393	0.75 384	1.34 391	2.00 398	1.02 380	1.54 391	1.59 387	1.22 390	1.31 385	1.14 374	0.78 393	0.55 394	1.02 399	0.75 400	0.83 391	0.69 395

IMH	1.05 387	0.95 394	1.00 357	1.01 395	0.78 392	1.11 384	0.68 379	1.38 392	1.43 392	1.00 378	1.72 394	1.43 384	1.14 385	1.73 396	0.89 360	1.09 403	0.55 394	0.99 397	0.57 392	0.87 394	0.62 394

LVE	1.13 389	1.02 395	1.28 379	1.01 395	0.80 395	1.29 394	0.81 391	1.47 396	1.96 396	1.07 382	1.90 397	1.90 392	1.01 384	1.48 389	0.91 361	0.93 400	0.61 400	0.94 394	0.69 397	0.87 394	0.75 400

TorneroNet-64	1.43 394	1.03 396	1.20 373	1.10 398	0.86 398	2.26 406	0.73 383	1.84 402	3.84 408	1.25 387	2.25 404	2.69 403	1.42 396	1.76 398	1.43 386	0.76 392	0.50 386	1.09 400	0.66 395	1.23 403	0.76 401

Dean	1.17 391	1.04 397	1.49 386	1.03 397	0.78 392	1.20 390	0.77 387	1.48 397	1.96 396	1.28 388	1.99 399	2.15 395	1.14 385	1.25 382	1.00 365	0.81 395	0.60 398	1.01 398	0.69 397	0.92 398	0.74 399

TorneroNet	2.22 404	1.08 398	1.24 375	1.14 402	0.90 399	5.58 411	0.80 389	2.12 407	8.69 414	2.58 406	5.42 411	3.88 408	1.97 402	1.78 400	1.87 396	0.86 396	0.54 393	1.15 404	0.74 399	1.23 403	0.85 402

WAO-8	1.46 396	1.10 399	1.09 366	1.10 398	0.84 396	2.06 402	0.75 384	1.84 402	3.83 406	1.44 398	2.21 402	2.15 395	1.43 397	3.17 407	1.19 379	0.91 398	0.65 403	1.09 400	0.79 401	0.90 396	0.71 396

Venus	1.46 396	1.10 399	1.09 366	1.10 398	0.84 396	2.06 402	0.75 384	1.84 402	3.83 406	1.44 398	2.21 402	2.15 395	1.43 397	3.17 407	1.19 379	0.91 398	0.65 403	1.09 400	0.79 401	0.90 396	0.71 396

MADNet+	1.01 385	1.16 401	4.72 408	0.70 384	0.47 374	1.24 391	0.96 397	0.97 385	0.89 371	0.65 354	0.77 351	0.87 366	0.85 377	2.09 401	1.68 391	0.38 377	0.39 383	0.31 366	0.27 366	0.43 372	0.39 374

PWCK	1.00 384	1.17 402	1.70 391	0.91 391	0.41 370	1.19 389	0.92 395	1.10 386	1.14 386	1.16 386	1.14 374	1.25 380	0.88 378	1.75 397	1.04 367	0.87 397	0.50 386	0.87 393	0.53 388	0.96 399	0.52 383

UNDER WATER-64	1.55 398	1.19 403	2.52 399	1.31 403	0.95 400	2.12 404	1.21 406	1.45 395	3.19 402	1.43 397	1.32 381	2.64 402	2.04 403	1.63 393	1.83 395	1.11 404	0.67 405	1.28 405	0.92 404	1.19 401	1.02 405

UNDER WATER	1.59 399	1.22 404	2.36 396	1.38 404	1.03 401	1.67 401	1.10 403	1.54 400	3.63 404	1.44 398	1.47 387	2.85 404	2.25 405	1.67 394	1.94 399	1.06 402	0.62 401	1.31 406	0.93 405	1.21 402	1.02 405

notaker	1.45 395	1.34 405	1.48 385	1.40 405	1.07 402	1.18 387	0.85 394	1.48 397	1.40 390	1.51 402	3.46 407	2.40 400	1.81 401	1.76 398	1.45 389	1.11 404	0.69 406	1.38 407	0.87 403	1.31 405	0.97 404

ktn	1.77 402	1.36 406	1.22 374	1.43 406	1.14 403	1.52 399	1.08 402	1.51 399	3.96 409	2.77 408	4.69 409	3.35 406	1.46 399	1.69 395	1.25 383	1.43 408	0.77 407	1.45 408	0.99 406	1.32 407	0.96 403

KSHMR	1.89 403	1.36 406	1.60 388	1.47 407	1.22 405	1.38 397	1.06 401	1.79 401	5.97 412	1.42 396	5.65 412	2.98 405	1.14 385	2.23 404	1.20 381	1.27 407	1.12 408	1.46 409	1.10 408	1.32 407	1.15 407

HanzoNet	2.97 407	1.69 408	2.29 395	1.74 408	1.33 406	1.53 400	1.03 400	1.99 405	2.64 401	5.51 411	5.16 410	5.90 413	6.82 413	4.32 412	3.29 407	3.16 412	2.02 413	1.92 410	2.87 414	2.24 411	1.89 411

SPstereo	14.25 419	1.73 409	2.83 403	1.84 409	1.57 409	23.16 426	43.27 426	35.72 433	29.56 433	20.86 430	20.62 424	26.34 433	21.82 426	25.23 433	19.62 425	1.56 409	1.42 409	2.96 413	2.17 411	1.31 405	1.33 410

MADNet++	2.26 405	1.80 410	2.06 393	2.13 412	1.97 410	2.61 408	1.79 410	2.38 408	2.16 399	2.75 407	2.65 405	2.38 399	2.43 406	3.17 407	3.21 406	2.17 410	1.95 411	1.94 411	1.63 410	2.06 410	2.01 412

BEATNet-Init1	4.73 411	2.61 411	13.29 421	0.58 378	0.53 379	10.12 416	3.33 412	4.83 412	5.01 411	8.75 415	8.51 413	14.08 422	7.60 414	7.70 415	5.34 412	0.28 366	0.28 374	0.34 369	0.37 377	0.57 379	0.45 378

JetRed	2.30 406	2.64 412	6.12 409	1.12 401	1.38 407	5.85 412	3.29 411	1.99 405	1.67 395	1.98 403	1.95 398	2.16 398	1.60 400	2.48 405	4.10 410	1.05 401	1.60 410	1.09 400	1.01 407	1.67 409	1.28 408

DPSimNet_ROB	4.34 409	4.23 413	6.89 411	3.67 413	3.68 411	4.75 410	5.21 413	2.67 410	3.68 405	5.82 412	3.95 408	5.57 410	6.72 412	3.46 411	4.48 411	4.05 415	2.88 414	4.68 416	3.12 415	3.69 413	3.62 415

DGTPSM_ROB	8.34 413	5.10 414	10.37 419	5.31 415	10.18 415	8.33 413	23.60 421	6.06 414	13.41 420	4.90 409	10.87 418	5.65 411	10.44 415	6.17 413	12.59 416	3.74 413	7.55 416	3.69 414	7.26 418	4.14 414	7.46 416

DPSMNet_ROB	8.40 414	5.11 415	10.49 420	5.58 416	10.25 416	8.34 414	23.62 422	6.07 415	13.45 421	4.93 410	10.88 419	5.66 412	10.44 415	6.24 414	12.64 417	3.98 414	7.61 417	3.76 415	7.30 419	4.20 415	7.51 417

ASD4		6.65 416

Anonymous_1	16.62 424	9.35 417	9.84 413	10.66 417	14.64 419	18.66 423	27.12 423	12.64 421	13.51 422	10.76 421	10.30 417	10.13 416	10.60 417	11.06 421	12.74 418	15.87 429	7.74 418	16.92 426	43.48 430	58.66 433	7.68 418

xxxxx1	15.27 420	9.54 418	10.31 414	20.13 423	18.88 422	17.08 419	23.03 418	10.36 418	10.99 416	9.21 416	9.62 414	10.74 417	10.61 418	10.72 418	13.89 421	7.97 420	9.20 422	31.85 431	44.72 431	12.84 419	13.69 421

tt_ll	15.27 420	9.54 418	10.31 414	20.13 423	18.88 422	17.08 419	23.03 418	10.36 418	10.99 416	9.21 416	9.62 414	10.74 417	10.61 418	10.72 418	13.89 421	7.97 420	9.20 422	31.85 431	44.72 431	12.84 419	13.69 421

ff	15.27 420	9.54 418	10.31 414	20.13 423	18.88 422	17.08 419	23.03 418	10.36 418	10.99 416	9.21 416	9.62 414	10.74 417	10.61 418	10.72 418	13.89 421	7.97 420	9.20 422	31.85 431	44.72 431	12.84 419	13.69 421

DPSM_ROB	11.49 417	9.87 421	10.35 417	11.13 418	11.31 417	19.11 424	27.51 424	13.37 422	14.21 423	10.31 419	11.06 420	10.96 420	11.27 421	11.96 422	13.59 419	6.78 418	8.19 419	6.03 417	7.09 416	7.93 416	7.73 419

DPSM	11.49 417	9.87 421	10.35 417	11.13 418	11.31 417	19.11 424	27.51 424	13.37 422	14.21 423	10.31 419	11.06 420	10.96 420	11.27 421	11.96 422	13.59 419	6.78 418	8.19 419	6.03 417	7.09 416	7.93 416	7.73 419

DLNR_Zeroshot_test	10.44 415	12.10 423	19.93 423	106.08 434	23.66 431	0.14 3	0.13 3	3.22 411	0.17 3	0.16 24	0.23 49	0.16 34	0.10 4	0.31 149	0.15 51	2.36 411	0.06 72	0.07 14	0.07 50	39.70 432	0.06 18

PML	16.10 423	12.82 424	6.78 410	5.23 414	7.76 413	33.92 427	66.56 433	5.30 413	10.28 415	26.12 432	68.59 433	20.51 424	13.49 423	10.06 417	6.78 415	5.96 417	2.00 412	6.04 419	2.18 412	8.96 418	2.60 414

LRCNet_RVC	10.90 416	14.34 425	9.35 412	15.35 420	8.04 414	1.08 383	0.34 318	8.78 416	0.70 351	12.63 422	16.05 422	9.85 415	6.54 411	8.57 416	6.34 414	20.27 430	5.40 415	23.70 428	21.88 427	14.87 422	13.83 424

CasAABBNet	23.10 427	19.86 426	20.64 424	22.47 426	22.73 429	38.41 428	55.50 429	26.89 430	28.70 428	20.61 425	22.15 427	22.08 429	22.75 430	23.99 429	27.36 429	13.59 423	16.48 426	12.14 420	14.27 421	15.95 423	15.53 425

MyStereo03	23.12 428	19.90 427	20.85 425	22.49 427	22.71 426	38.42 429	55.53 430	26.80 427	28.72 429	20.77 427	22.25 428	22.03 426	22.69 427	23.90 426	27.38 431	13.62 425	16.50 428	12.15 421	14.28 422	15.95 423	15.53 425

MyStereo02	23.12 428	19.90 427	20.85 425	22.49 427	22.71 426	38.42 429	55.53 430	26.80 427	28.72 429	20.77 427	22.25 428	22.03 426	22.69 427	23.90 426	27.38 431	13.62 425	16.50 428	12.15 421	14.28 422	15.95 423	15.53 425

MyStereo	23.12 428	19.90 427	20.85 425	22.49 427	22.71 426	38.42 429	55.53 430	26.80 427	28.72 429	20.77 427	22.25 428	22.03 426	22.69 427	23.90 426	27.38 431	13.62 425	16.50 428	12.15 421	14.28 422	15.95 423	15.53 425

Selective-RAFT-Error	23.16 431	19.93 430	20.87 428	22.54 430	22.81 430	38.52 433	55.47 428	27.01 432	28.83 432	20.66 426	22.25 428	22.09 430	22.80 432	24.09 430	27.36 429	13.61 424	16.48 426	12.15 421	14.28 422	15.99 427	15.57 429

LSM0	24.24 432	19.98 431	22.32 429	24.22 431	40.14 433	38.48 432	55.20 427	26.95 431	28.57 427	20.49 424	21.83 425	22.26 431	22.75 430	24.22 431	27.30 428	13.66 428	16.32 425	12.19 425	14.15 420	16.10 428	17.66 430

HaxPig	17.72 425	20.22 432	19.73 422	16.53 421	16.51 420	9.27 415	9.33 414	14.34 424	13.27 419	18.65 423	18.70 423	17.35 423	16.77 424	17.04 424	16.45 424	22.05 431	20.89 431	22.27 427	21.53 426	21.29 429	22.13 431

MEDIAN_ROB	21.21 426	24.62 433	23.47 430	19.58 422	19.65 425	13.22 418	10.96 415	17.88 425	17.00 425	22.14 431	22.02 426	20.86 425	20.36 425	21.06 425	19.71 426	25.63 432	24.13 432	26.21 429	25.20 428	25.17 430	25.38 432

AVERAGE_ROB	25.43 433	29.06 434	27.24 431	24.63 432	24.20 432	17.73 422	12.61 416	22.29 426	21.39 426	26.79 433	26.16 432	25.20 432	24.64 433	25.07 432	23.53 427	29.96 433	28.40 433	30.60 430	29.58 429	29.72 431	29.84 433

test_example2	101.33 434	108.28 435	68.15 433	98.43 433	106.93 434	89.75 434	102.43 434	36.80 434	97.65 434	129.04 434	130.15 434	65.26 434	66.62 434	92.11 434	80.24 434	144.10 434	199.48 434	81.81 434	103.01 434	125.01 434	101.27 434

Low-res two-view benchmark