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

rvit_stereo_0083	0.28 1	0.37 57	0.88 1	0.28 47	0.18 53	0.28 4	0.22 61	0.40 4	0.58 98	0.25 18	0.30 35	0.27 47	0.27 91	0.38 44	0.25 30	0.14 244	0.12 152	0.13 227	0.10 80	0.13 44	0.14 30

Former-RAFT_DAM_RVC	0.52 106	0.51 123	1.12 2	0.26 22	0.22 113	0.46 43	0.20 30	1.10 388	1.33 421	3.13 459	0.33 52	0.22 13	0.20 24	0.34 27	0.26 44	0.11 131	0.09 86	0.11 119	0.09 46	0.17 113	0.21 83

rvit_stereo_0081	0.29 2	0.46 101	1.13 3	0.28 47	0.17 40	0.32 10	0.22 61	0.45 14	0.58 98	0.25 18	0.26 19	0.26 39	0.22 36	0.36 39	0.25 30	0.14 244	0.10 110	0.11 119	0.10 80	0.13 44	0.11 12

rvit_stereo_0082	0.29 2	0.46 101	1.13 3	0.28 47	0.17 40	0.32 10	0.22 61	0.45 14	0.58 98	0.25 18	0.26 19	0.26 39	0.22 36	0.36 39	0.25 30	0.14 244	0.10 110	0.11 119	0.10 80	0.13 44	0.11 12

U	3.41 456	0.37 57	1.27 5	0.27 32	13.75 471	19.65 477	0.15 4	0.43 10	0.33 1	0.18 1	0.19 1	0.27 47	0.15 2	0.23 1	0.19 1	0.10 55	0.06 1	17.75 476	12.73 472	0.11 22	0.10 5

RSM++	0.48 76	0.52 127	1.27 5	1.62 437	1.27 431	0.39 29	0.20 30	0.49 25	0.56 86	0.22 5	0.25 14	0.24 26	0.17 6	0.39 48	0.23 18	0.09 13	0.11 136	0.09 22	0.35 378	0.29 294	0.80 342

IGEV-BASED-STEREO-	0.45 56	1.36 362	1.30 7	0.24 5	0.12 3	0.33 15	0.20 30	0.41 5	0.37 4	0.32 41	0.21 2	0.16 1	0.14 1	0.29 5	0.62 233	0.55 414	1.42 419	0.11 119	0.13 174	0.25 245	0.56 278

RSM	0.47 68	0.51 123	1.36 8	1.37 423	1.04 411	0.37 25	0.21 47	0.52 40	0.55 80	0.23 9	0.28 25	0.28 54	0.17 6	0.40 55	0.22 6	0.09 13	0.24 258	0.09 22	0.35 378	0.24 230	0.80 342

rvit_stereo_0080	0.33 8	0.77 217	1.43 9	0.24 5	0.18 53	0.34 17	0.27 163	0.58 73	0.51 50	0.25 18	0.27 23	0.27 47	0.22 36	0.32 18	0.27 52	0.14 244	0.10 110	0.10 68	0.10 80	0.15 74	0.17 57

IGEV-Stereo+	0.48 76	0.32 17	1.43 9	0.26 22	0.46 304	0.30 7	0.13 1	0.32 1	0.57 91	0.80 349	0.24 8	0.19 4	0.19 16	0.57 127	0.46 172	0.10 55	1.36 413	0.08 4	0.22 305	0.46 390	1.04 378

whm_eth	0.33 8	0.77 217	1.43 9	0.24 5	0.18 53	0.34 17	0.27 163	0.58 73	0.51 50	0.25 18	0.27 23	0.27 47	0.22 36	0.32 18	0.27 52	0.14 244	0.10 110	0.10 68	0.10 80	0.15 74	0.17 57

anonymity	0.86 340	0.68 181	1.44 12	0.64 355	0.83 384	0.67 284	0.52 343	0.98 309	0.73 241	0.96 377	0.70 306	0.81 328	0.86 376	1.10 230	1.34 353	0.64 417	0.72 355	0.58 420	1.44 459	0.60 409	0.91 361

CES	0.33 8	0.32 17	1.46 13	0.25 10	0.50 309	0.40 30	0.20 30	0.48 22	0.48 33	0.22 5	0.29 30	0.26 39	0.19 16	0.35 36	0.22 6	0.09 13	0.07 7	0.08 4	0.05 1	0.16 91	0.54 270

rvit_0105_6	0.36 20	0.55 141	1.48 14	0.31 95	0.18 53	0.35 22	0.26 146	0.56 66	0.66 157	0.26 25	0.29 30	0.33 80	0.26 77	0.41 62	0.27 52	0.18 317	0.16 207	0.15 286	0.13 174	0.15 74	0.25 111

BUS	0.45 56	0.32 17	1.58 15	0.31 95	0.22 113	0.91 374	0.23 89	1.05 364	0.67 170	0.64 278	0.53 164	0.65 253	0.32 143	0.48 87	0.34 123	0.13 213	0.10 110	0.14 261	0.12 156	0.13 44	0.15 38

BSDual-CNN	0.48 76	0.32 17	1.58 15	0.31 95	0.22 113	0.76 322	0.32 235	1.05 364	0.67 170	0.64 278	0.53 164	0.63 243	0.38 175	0.48 87	0.97 309	0.13 213	0.10 110	0.14 261	0.12 156	0.13 44	0.15 38

psmg	0.48 76	0.32 17	1.58 15	0.28 47	0.22 113	0.75 318	0.35 266	0.94 279	0.67 170	0.61 247	0.59 226	0.63 243	0.38 175	0.48 87	0.97 309	0.13 213	0.11 136	0.13 227	0.13 174	0.14 64	0.15 38

RAFT-Stereo-weight	0.46 63	0.37 57	1.60 18	0.29 65	0.51 311	0.57 143	0.22 61	0.84 203	0.67 170	0.48 99	0.38 75	0.36 89	0.17 6	0.39 48	0.27 52	0.09 13	1.28 405	0.09 22	0.07 14	0.09 6	0.41 209

AIO-Stereo	0.64 222	0.60 154	1.63 19	1.31 417	1.45 438	0.38 27	0.20 30	0.55 63	0.83 325	0.31 39	0.31 42	0.23 20	0.15 2	0.39 48	0.63 239	0.10 55	1.25 398	0.09 22	0.41 398	0.21 194	1.73 426

trnet	0.31 4	0.31 8	1.65 20	0.20 2	0.12 3	0.55 115	0.15 4	0.50 35	0.51 50	0.28 31	0.34 54	0.24 26	0.21 28	0.34 27	0.24 21	0.11 131	0.07 7	0.08 4	0.05 1	0.09 6	0.12 15

IGEV-Stereo++	0.58 153	0.29 2	1.66 21	0.37 206	0.53 319	0.47 53	0.13 1	0.54 54	0.37 4	1.02 385	0.25 14	0.17 2	0.22 36	1.04 224	0.27 52	0.08 1	1.98 440	0.08 4	0.06 7	0.17 113	1.92 430

CREStereo	0.31 4	0.35 42	1.66 21	0.19 1	0.13 7	0.55 115	0.17 11	0.50 35	0.50 45	0.28 31	0.34 54	0.24 26	0.21 28	0.34 27	0.23 18	0.11 131	0.07 7	0.08 4	0.05 1	0.10 14	0.12 15
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
CroCo-Stereo	0.35 16	0.71 192	1.67 23	0.32 115	0.17 40	0.19 1	0.21 47	0.79 163	0.54 73	0.22 5	0.25 14	0.55 207	0.22 36	0.28 3	0.28 64	0.10 55	0.08 40	0.08 4	0.07 14	0.12 32	0.10 5
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
WCG-NET	0.42 35	0.60 154	1.68 24	0.26 22	0.19 79	0.51 71	0.18 16	0.58 73	0.49 37	0.42 64	0.58 220	0.32 74	0.26 77	0.38 44	0.30 77	0.10 55	0.59 334	0.08 4	0.07 14	0.31 310	0.49 251

PMTNet	0.35 16	0.38 65	1.75 25	0.21 3	0.14 10	0.57 143	0.24 111	0.48 22	0.44 21	0.28 31	0.32 50	0.26 39	0.24 51	0.41 62	0.24 21	0.42 403	0.07 7	0.08 4	0.05 1	0.18 137	0.15 38

WCG-NET（raft）	0.44 52	0.97 271	1.78 26	0.24 5	0.17 40	0.43 36	0.24 111	0.42 8	0.52 60	0.38 50	0.35 61	0.46 158	0.25 67	0.41 62	0.26 44	0.08 1	1.08 383	0.08 4	0.08 32	0.27 274	0.40 201

rvit_stereo_0081_aga	0.34 12	0.67 174	1.79 27	0.27 32	0.20 91	0.34 17	0.21 47	0.43 10	0.48 33	0.26 25	0.28 25	0.27 47	0.21 28	0.33 22	0.25 30	0.14 244	0.11 136	0.11 119	0.10 80	0.14 64	0.18 66

CAS	0.39 28	0.31 8	1.79 27	0.81 385	0.34 241	0.51 71	0.23 89	0.49 25	0.42 13	0.23 9	0.31 42	0.20 5	0.17 6	0.30 6	0.25 30	0.77 426	0.06 1	0.07 1	0.05 1	0.10 14	0.41 209

CASnet	0.32 7	0.40 75	1.80 29	0.28 47	0.11 1	0.47 53	0.19 19	0.45 14	0.47 30	0.39 54	0.31 42	0.23 20	0.17 6	0.31 8	0.21 3	0.11 131	0.06 1	0.15 286	0.12 156	0.16 91	0.08 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RCA-Stereo	0.45 56	0.38 65	1.80 29	0.27 32	0.25 154	0.58 153	0.23 89	0.84 203	0.66 157	0.42 64	0.44 106	0.28 54	0.35 158	0.31 8	0.21 3	0.09 13	1.01 375	0.09 22	0.07 14	0.21 194	0.53 267

GLC_STEREO	0.31 4	0.30 6	1.80 29	0.29 65	0.12 3	0.41 31	0.20 30	0.39 3	0.42 13	0.26 25	0.31 42	0.25 31	0.19 16	0.36 39	0.26 44	0.09 13	0.11 136	0.12 169	0.10 80	0.13 44	0.15 38

CSP-Net	0.55 130	0.61 161	1.81 32	0.30 81	0.23 135	0.77 332	0.35 266	0.90 258	0.62 123	0.62 259	0.60 233	0.65 253	0.42 219	1.76 329	0.47 176	0.17 306	0.12 152	0.10 68	0.10 80	0.21 194	0.16 51

mmm	0.66 247	0.53 131	1.83 33	0.38 225	0.86 387	0.49 63	0.27 163	0.82 184	0.83 325	0.59 229	0.69 293	0.47 167	0.38 175	0.81 200	0.73 269	0.12 168	1.37 414	0.14 261	0.45 403	0.18 137	1.35 408

knoymous	0.37 22	0.34 34	1.83 33	0.25 10	0.18 53	0.45 40	0.24 111	0.60 87	0.40 8	0.42 64	0.39 80	0.54 199	0.25 67	0.41 62	0.29 73	0.12 168	0.08 40	0.12 169	0.07 14	0.13 44	0.20 79

AnonymousM	0.45 56	0.49 109	1.83 33	0.29 65	0.15 16	0.53 96	0.22 61	0.64 103	0.66 157	0.47 96	0.33 52	0.30 62	0.25 67	0.49 97	0.29 73	0.12 168	0.27 277	0.71 427	0.37 386	0.12 32	0.41 209

test_sample2	0.59 169	0.42 83	1.84 36	0.33 136	0.18 53	0.52 88	0.28 175	0.86 226	0.70 216	0.47 96	0.53 164	0.46 158	0.41 207	1.51 290	0.66 249	0.12 168	0.93 370	0.11 119	0.24 313	0.16 91	1.01 376

test_sample1	0.61 184	0.45 99	1.84 36	0.33 136	0.29 195	0.49 63	0.24 111	0.83 195	0.73 241	0.51 144	0.53 164	0.52 192	0.45 247	1.40 273	0.72 267	0.11 131	0.96 371	0.10 68	0.24 313	0.15 74	1.25 398

GMStereo_Zeroshot	0.44 52	0.44 94	1.84 36	0.44 278	0.20 91	0.52 88	0.19 19	0.60 87	0.54 73	0.58 210	0.59 226	0.63 243	0.29 122	0.59 132	0.34 123	0.16 287	0.09 86	0.16 304	0.09 46	0.26 263	0.26 119

AEACV	0.89 354	0.29 2	1.84 36	2.50 458	1.68 448	0.53 96	0.21 47	1.01 335	0.42 13	0.68 307	0.31 42	0.22 13	0.39 190	1.63 311	0.25 30	0.09 13	2.60 460	0.09 22	0.54 420	0.23 223	2.27 452

ProNet	0.46 63	0.60 154	1.85 40	0.35 178	0.67 359	0.49 63	0.25 131	0.53 44	0.57 91	0.21 2	0.24 8	0.22 13	0.20 24	0.52 107	0.22 6	0.09 13	0.47 312	0.10 68	0.09 46	0.23 223	1.33 405

DAS	0.61 184	0.42 83	1.85 40	0.34 158	0.34 241	0.52 88	0.42 302	0.89 250	0.80 306	0.85 363	0.69 293	0.57 218	0.51 281	2.38 401	0.57 215	0.13 213	0.09 86	0.12 169	0.09 46	0.18 137	0.37 181

SepStereo	0.57 145	0.42 83	1.85 40	0.34 158	0.34 241	0.52 88	0.42 302	0.89 250	0.80 306	0.85 363	0.69 293	0.57 218	0.51 281	1.55 294	0.57 215	0.13 213	0.09 86	0.12 169	0.09 46	0.18 137	0.37 181

rvit_stereo_ft	0.38 25	1.01 276	1.86 43	0.33 136	0.21 103	0.28 4	0.27 163	0.59 83	0.55 80	0.24 14	0.28 25	0.28 54	0.27 91	0.35 36	0.28 64	0.14 244	0.09 86	0.11 119	0.11 125	0.14 64	0.31 153

Selective-IGEV	0.57 145	0.42 83	1.87 44	1.67 441	1.33 432	0.36 23	0.20 30	0.61 90	0.71 230	0.22 5	0.31 42	0.22 13	0.19 16	0.52 107	0.36 132	0.09 13	0.97 372	0.09 22	0.15 215	0.20 184	0.85 353

LoS	0.34 12	0.35 42	1.88 45	0.25 10	0.13 7	0.53 96	0.20 30	0.50 35	0.53 69	0.26 25	0.28 25	0.37 94	0.24 51	0.40 55	0.25 30	0.10 55	0.08 40	0.08 4	0.06 7	0.15 74	0.10 5
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Selective-RAFT	0.46 63	0.48 106	1.88 45	0.32 115	0.16 23	0.61 203	0.19 19	0.66 109	0.62 123	0.28 31	0.30 35	0.41 116	0.33 148	0.51 103	0.32 104	0.11 131	1.09 385	0.09 22	0.35 378	0.19 166	0.37 181

Any-RAFT	0.42 35	0.33 27	1.89 47	0.28 47	0.21 103	0.69 293	0.21 47	0.83 195	0.60 111	0.45 82	0.43 95	0.62 239	0.30 132	0.48 87	0.24 21	0.11 131	0.40 301	0.08 4	0.06 7	0.10 14	0.16 51

CAS++	0.34 12	0.39 70	1.90 48	0.25 10	0.18 53	0.32 10	0.20 30	0.78 155	0.44 21	0.31 39	0.31 42	0.21 12	0.16 4	0.34 27	0.20 2	0.15 273	0.13 166	0.13 227	0.10 80	0.15 74	0.14 30
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
EGLCR-Stereo	0.90 357	0.31 8	1.90 48	1.60 436	0.95 397	1.14 401	0.42 302	0.85 215	0.43 17	1.74 434	0.21 2	0.27 47	0.17 6	1.56 296	0.30 77	0.10 55	2.60 460	0.10 68	0.09 46	0.10 14	3.10 460

CRFU-Net	0.58 153	0.42 83	1.90 48	0.49 306	0.27 179	0.83 355	0.35 266	0.94 279	0.54 73	0.65 293	0.60 233	0.78 317	1.34 408	1.00 218	0.51 196	0.17 306	0.14 180	0.17 319	0.10 80	0.19 166	0.20 79

Pointernet	0.37 22	0.31 8	1.91 51	0.25 10	0.37 262	0.47 53	0.15 4	0.67 112	0.52 60	0.23 9	0.30 35	0.28 54	0.20 24	0.32 18	0.23 18	0.10 55	0.24 258	0.07 1	0.13 174	0.10 14	0.51 258

iRaftStereo_RVC	0.47 68	0.84 232	1.91 51	0.29 65	0.15 16	0.53 96	0.20 30	0.58 73	0.50 45	0.37 47	0.43 95	0.42 121	0.23 49	0.38 44	0.28 64	0.09 13	0.70 352	0.12 169	0.11 125	0.43 380	0.77 334

SMFormer	0.64 222	0.54 133	1.92 53	0.32 115	0.16 23	0.46 43	0.24 111	0.94 279	0.85 339	0.58 210	0.70 306	0.51 185	0.41 207	1.89 359	0.86 300	0.13 213	1.01 375	0.11 119	0.26 327	0.17 113	0.84 349

tta	0.63 213	0.54 133	1.92 53	0.32 115	0.16 23	0.46 43	0.24 111	0.94 279	0.85 339	0.58 210	0.70 306	0.51 185	0.41 207	1.89 359	0.86 300	0.13 213	1.01 375	0.11 119	0.26 327	0.19 166	0.59 287

qqq1	0.62 200	0.54 133	1.92 53	0.32 115	0.16 23	0.46 43	0.24 111	0.94 279	0.85 339	0.58 210	0.70 306	0.51 185	0.41 207	1.89 359	0.64 241	0.13 213	1.01 375	0.09 22	0.24 313	0.19 166	0.59 287

fff1	0.62 200	0.54 133	1.92 53	0.32 115	0.16 23	0.46 43	0.24 111	0.94 279	0.85 339	0.58 210	0.70 306	0.51 185	0.41 207	1.89 359	0.64 241	0.13 213	1.01 375	0.09 22	0.24 313	0.19 166	0.59 287

EAI-Stereo	1.16 398	0.29 2	1.94 57	0.55 327	0.97 401	1.96 437	7.94 467	1.34 419	1.03 393	1.01 384	1.48 414	0.51 185	0.66 337	0.65 152	1.42 362	0.09 13	0.23 256	0.09 22	0.53 419	0.13 44	0.49 251

222	1.02 379	0.60 154	1.95 58	0.29 65	0.51 311	0.62 225	0.24 111	1.09 385	0.86 345	0.64 278	0.67 287	0.47 167	0.42 219	1.86 352	6.73 461	0.13 213	1.21 394	0.11 119	0.32 361	0.17 113	1.44 415

DSFCA	0.62 200	0.77 217	1.95 58	0.29 65	0.29 195	0.79 342	0.86 406	0.81 176	0.73 241	0.73 326	0.66 282	0.67 262	0.57 305	1.17 244	1.03 322	0.16 287	0.15 194	0.13 227	0.14 195	0.19 166	0.28 131

DMCA	0.50 95	0.83 231	1.95 58	0.32 115	0.24 147	0.59 171	0.26 146	0.81 176	0.68 197	0.59 229	0.49 135	0.56 214	0.36 161	0.65 152	0.65 246	0.14 244	0.10 110	0.14 261	0.10 80	0.19 166	0.29 137

LoS_RVC	0.34 12	0.38 65	1.96 61	0.27 32	0.35 249	0.43 36	0.22 61	0.43 10	0.34 2	0.24 14	0.34 54	0.23 20	0.28 105	0.34 27	0.22 6	0.08 1	0.07 7	0.07 1	0.05 1	0.10 14	0.35 174

anonymousdsp2	0.88 347	0.31 8	1.96 61	1.06 406	1.56 444	0.57 143	0.22 61	0.84 203	0.98 386	1.20 405	0.37 69	0.65 253	0.26 77	1.19 248	0.46 172	0.10 55	2.40 458	0.10 68	0.13 174	0.19 166	2.96 458

rvit_0105_4	0.40 30	0.64 169	1.98 63	0.31 95	0.18 53	0.37 25	0.29 200	0.64 103	0.67 170	0.28 31	0.32 50	0.36 89	0.28 105	0.45 73	0.27 52	0.18 317	0.16 207	0.15 286	0.14 195	0.15 74	0.25 111

DISCO	0.61 184	0.63 167	1.98 63	0.46 288	0.34 241	0.84 360	0.35 266	0.88 242	0.81 314	0.61 247	0.64 268	1.06 395	0.53 291	1.11 234	0.83 296	0.13 213	0.10 110	0.11 119	0.10 80	0.26 263	0.37 181

MGS-Stereo	0.35 16	0.48 106	1.99 65	0.26 22	0.14 10	0.41 31	0.22 61	0.41 5	0.48 33	0.24 14	0.51 150	0.25 31	0.18 14	0.33 22	0.22 6	0.10 55	0.08 40	0.09 22	0.08 32	0.47 394	0.10 5

MC-Stereo	0.58 153	0.37 57	2.00 66	0.88 388	0.64 355	0.54 105	0.19 19	0.46 19	0.39 7	0.58 210	0.39 80	0.27 47	0.27 91	0.71 172	0.32 104	0.09 13	1.20 391	0.09 22	0.16 236	0.22 209	1.92 430

DLCB_ROB	0.61 184	0.96 270	2.00 66	0.37 206	0.25 154	0.65 264	0.37 277	0.86 226	0.76 273	0.73 326	0.70 306	0.84 339	0.47 263	1.57 301	0.72 267	0.13 213	0.13 166	0.14 261	0.14 195	0.18 137	0.33 160

RAFT-Test	0.56 138	0.41 80	2.01 68	0.90 391	1.07 415	0.65 264	0.37 277	0.83 195	0.65 150	0.49 115	0.49 135	0.93 364	0.24 51	0.52 107	0.30 77	0.10 55	0.38 295	0.09 22	0.38 390	0.11 22	0.19 71

CASS	0.43 39	0.34 34	2.01 68	0.33 136	0.17 40	0.54 105	0.24 111	0.71 132	0.52 60	0.62 259	0.55 190	0.40 110	0.41 207	0.43 69	0.33 115	0.17 306	0.10 110	0.14 261	0.11 125	0.18 137	0.23 98
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ccnet	0.77 306	0.61 161	2.01 68	0.40 251	0.46 304	1.05 391	0.59 364	1.02 343	0.74 259	0.90 369	0.97 376	0.82 333	0.89 381	1.68 321	1.16 336	0.32 394	0.26 270	0.32 397	0.28 337	0.35 339	0.47 241

CroCo-Stereo Lap2	0.38 25	0.91 258	2.02 71	0.33 136	0.38 269	0.23 2	0.21 47	0.63 100	0.51 50	0.23 9	0.28 25	0.29 61	0.23 49	0.34 27	0.28 64	0.10 55	0.09 86	0.10 68	0.08 32	0.22 209	0.15 38

Anonymous_2	1.36 412	0.49 109	2.03 72	1.71 443	1.58 445	2.49 450	0.58 361	1.59 432	2.31 444	0.77 338	0.88 363	1.03 387	0.58 312	1.20 249	0.66 249	0.32 394	1.38 415	1.42 453	3.87 466	0.78 426	1.56 419

PSMNet-ADL	0.56 138	0.47 103	2.03 72	0.35 178	0.22 113	0.67 284	0.27 163	0.77 148	0.58 98	0.43 72	0.53 164	0.70 293	0.45 247	1.89 359	0.64 241	0.16 287	0.13 166	0.11 119	0.13 174	0.15 74	0.51 258

MMNet	0.55 130	0.92 263	2.03 72	0.34 158	0.27 179	0.79 342	0.28 175	0.86 226	0.79 298	0.62 259	0.58 220	0.59 225	0.56 300	0.80 197	0.61 230	0.11 131	0.11 136	0.12 169	0.11 125	0.21 194	0.22 89

hknet	0.53 118	0.39 70	2.04 75	0.31 95	0.24 147	0.76 322	0.32 235	1.05 364	0.71 230	0.64 278	0.53 164	0.79 319	0.40 197	0.84 202	0.78 282	0.12 168	0.10 110	0.14 261	0.12 156	0.13 44	0.15 38

UPFNet	0.51 105	0.67 174	2.04 75	0.34 158	0.33 231	0.65 264	0.37 277	0.88 242	0.65 150	0.60 238	0.53 164	0.61 234	0.41 207	0.77 185	0.55 210	0.13 213	0.13 166	0.13 227	0.13 174	0.20 184	0.16 51

iResNet_ROB	0.60 177	1.59 397	2.04 75	0.32 115	0.21 103	0.60 184	0.22 61	0.99 317	0.85 339	0.61 247	0.63 256	0.58 222	0.42 219	1.08 228	0.98 315	0.11 131	0.08 40	0.09 22	0.06 7	0.23 223	0.33 160

IGEV++	0.74 285	0.70 189	2.05 78	1.11 410	1.09 417	0.32 10	0.21 47	0.75 139	0.43 17	0.30 38	0.30 35	0.22 13	0.27 91	0.98 217	0.31 94	0.10 55	2.50 459	0.08 4	0.15 215	0.27 274	2.70 456

Gwc-CoAtRS	0.41 32	0.37 57	2.06 79	0.28 47	0.41 282	0.48 58	0.19 19	0.64 103	0.49 37	0.45 82	0.39 80	0.57 218	0.26 77	0.37 42	0.28 64	0.09 13	0.19 229	0.09 22	0.31 354	0.11 22	0.25 111

riskmin	0.96 369	0.32 17	2.07 80	1.72 444	1.61 447	1.62 425	0.57 359	1.45 425	0.55 80	0.73 326	0.89 365	0.92 359	0.45 247	1.16 241	0.60 224	0.11 131	1.30 409	0.12 169	1.38 458	0.14 64	1.51 418

StereoDRNet-Refined	0.55 130	0.61 161	2.07 80	0.34 158	0.21 103	0.68 290	0.26 146	0.87 234	0.73 241	0.70 314	0.69 293	0.74 303	0.45 247	1.10 230	0.62 233	0.12 168	0.09 86	0.14 261	0.14 195	0.27 274	0.24 107
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
Occ-G	0.68 255	0.54 133	2.08 82	0.99 403	0.74 369	0.38 27	0.25 131	0.46 19	0.78 288	0.40 57	0.36 63	0.46 158	0.22 36	0.90 210	0.70 257	0.09 13	1.53 423	0.09 22	0.16 236	0.31 310	2.06 436

test_sample7	0.65 229	0.41 80	2.08 82	0.36 194	0.20 91	0.52 88	0.32 235	0.99 317	0.86 345	0.64 278	0.63 256	0.67 262	0.49 274	1.18 246	0.52 198	0.18 317	1.21 394	0.16 304	0.15 215	0.19 166	1.22 395

HCRNet	0.50 95	0.75 214	2.08 82	0.39 238	0.29 195	0.58 153	0.22 61	0.79 163	0.67 170	0.49 115	0.49 135	0.48 175	0.37 167	1.13 237	0.40 146	0.15 273	0.10 110	0.15 286	0.13 174	0.21 194	0.19 71

ff7	0.65 229	0.58 147	2.09 85	0.39 238	0.60 339	0.56 121	0.23 89	0.49 25	0.62 123	1.00 380	0.24 8	0.20 5	0.24 51	0.71 172	0.24 21	0.09 13	2.09 442	0.10 68	0.18 258	0.24 230	2.22 447

IGEVStereo-DCA	0.74 285	0.74 210	2.09 85	0.76 376	0.77 376	0.45 40	0.23 89	0.49 25	0.62 123	0.71 323	0.22 4	0.30 62	0.28 105	1.29 263	1.53 369	0.10 55	1.50 421	0.10 68	0.18 258	0.24 230	2.22 447

ffff	0.65 229	0.58 147	2.09 85	0.39 238	0.60 339	0.56 121	0.23 89	0.49 25	0.62 123	1.00 380	0.24 8	0.20 5	0.24 51	0.71 172	0.24 21	0.09 13	2.09 442	0.10 68	0.18 258	0.24 230	2.22 447

11t	0.65 229	0.58 147	2.09 85	0.39 238	0.60 339	0.56 121	0.23 89	0.49 25	0.62 123	1.00 380	0.24 8	0.20 5	0.24 51	0.71 172	0.24 21	0.09 13	2.09 442	0.10 68	0.18 258	0.24 230	2.22 447

ccc-4	0.65 229	0.58 147	2.09 85	0.39 238	0.60 339	0.56 121	0.23 89	0.49 25	0.62 123	1.00 380	0.24 8	0.20 5	0.24 51	0.71 172	0.24 21	0.09 13	2.09 442	0.10 68	0.18 258	0.24 230	2.22 447

test-1	0.61 184	0.54 133	2.09 85	0.31 95	1.37 434	0.51 71	0.28 175	0.83 195	0.50 45	0.42 64	0.55 190	0.54 199	0.24 51	0.38 44	1.25 348	0.10 55	1.08 383	0.10 68	0.17 250	0.11 22	0.77 334

rvit_0105_5	0.43 39	0.73 200	2.10 91	0.31 95	0.18 53	0.41 31	0.31 224	0.69 118	0.67 170	0.32 41	0.34 54	0.38 99	0.30 132	0.42 68	0.30 77	0.18 317	0.16 207	0.15 286	0.15 215	0.15 74	0.30 145

qqq	0.65 229	0.63 167	2.10 91	0.30 81	0.64 355	0.46 43	0.27 163	0.81 176	0.83 325	0.48 99	0.56 203	0.46 158	0.37 167	1.03 222	0.75 273	0.11 131	1.41 418	0.12 169	0.41 398	0.16 91	1.18 386

CBFPSM	0.62 200	1.34 354	2.12 93	0.30 81	0.23 135	0.71 301	0.38 285	0.77 148	0.68 197	0.51 144	0.49 135	1.03 387	0.82 368	0.63 144	1.35 355	0.11 131	0.12 152	0.10 68	0.10 80	0.19 166	0.37 181

x	0.65 229	0.62 165	2.12 93	0.36 194	0.61 348	0.48 58	0.24 111	0.80 169	0.89 359	0.50 133	0.56 203	0.44 137	0.36 161	0.62 143	0.80 287	0.11 131	1.44 420	0.11 119	0.39 393	0.16 91	1.34 407

IER	0.49 91	0.73 200	2.12 93	0.27 32	0.25 154	0.65 264	0.27 163	0.76 142	0.59 107	0.56 188	0.59 226	0.60 232	0.53 291	0.64 149	0.44 164	0.12 168	0.09 86	0.11 119	0.11 125	0.18 137	0.15 38

test_xeample	0.98 374	0.65 172	2.12 93	0.29 65	0.67 359	0.60 184	0.28 175	1.08 383	0.85 339	0.62 259	0.70 306	0.44 137	0.41 207	1.95 367	5.45 457	0.12 168	1.33 412	0.11 119	0.31 354	0.18 137	1.42 414

xxxx	0.97 372	0.64 169	2.14 97	0.30 81	0.67 359	0.64 250	0.24 111	1.09 385	0.91 364	0.57 204	0.65 275	0.58 222	0.39 190	1.57 301	5.49 458	0.13 213	1.38 415	0.11 119	0.32 361	0.17 113	1.41 413

MaDis-Stereo	0.35 16	0.89 250	2.15 98	0.25 10	0.29 195	0.29 6	0.17 11	0.47 21	0.41 9	0.21 2	0.22 4	0.28 54	0.21 28	0.32 18	0.31 94	0.10 55	0.09 86	0.10 68	0.08 32	0.11 22	0.12 15

test_4	0.47 68	0.80 228	2.15 98	0.36 194	0.29 195	0.59 171	0.28 175	0.50 35	0.42 13	0.43 72	0.76 337	0.39 102	0.22 36	0.73 178	0.49 189	0.08 1	0.18 224	0.11 119	0.15 215	0.29 294	0.27 125

raftrobust	0.52 106	1.14 304	2.15 98	0.33 136	0.99 402	0.53 96	0.21 47	0.59 83	0.50 45	0.53 161	0.36 63	0.31 69	0.33 148	0.47 78	0.42 154	0.10 55	0.55 327	0.09 22	0.08 32	0.22 209	0.46 239

test_sample6	0.64 222	0.51 123	2.17 101	0.35 178	0.18 53	0.56 121	0.27 163	1.00 326	0.80 306	0.56 188	0.66 282	0.47 167	0.39 190	1.95 367	0.60 224	0.14 244	0.80 359	0.13 227	0.21 295	0.18 137	0.78 337

cross-raft	0.47 68	0.34 34	2.17 101	0.70 371	0.84 386	0.50 69	0.35 266	0.74 136	0.43 17	0.44 78	0.45 108	0.63 243	0.25 67	0.37 42	0.27 52	0.08 1	0.14 180	0.10 68	0.23 310	0.11 22	0.27 125

s12784h	0.41 32	0.34 34	2.17 101	0.24 5	0.11 1	0.64 250	0.24 111	0.85 215	0.70 216	0.45 82	0.54 180	0.28 54	0.27 91	0.51 103	0.27 52	0.11 131	0.06 1	0.09 22	0.06 7	0.16 91	0.14 30

MoCha-V2	0.74 285	0.78 222	2.18 104	1.01 404	1.55 443	0.36 23	0.19 19	0.61 90	0.49 37	0.33 43	0.34 54	0.30 62	0.27 91	1.56 296	0.47 176	0.09 13	1.94 437	0.08 4	0.37 386	0.18 137	1.62 422

AdaStereo	0.48 76	0.44 94	2.18 104	0.36 194	0.20 91	0.59 171	0.29 200	0.97 302	0.74 259	0.52 153	0.55 190	0.61 234	0.33 148	0.52 107	0.44 164	0.18 317	0.08 40	0.17 319	0.11 125	0.18 137	0.24 107
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.
test_sample5	0.63 213	0.50 116	2.19 106	0.34 158	0.19 79	0.56 121	0.26 146	0.98 309	0.77 283	0.55 176	0.63 256	0.45 149	0.38 175	1.87 356	0.58 218	0.14 244	0.82 363	0.13 227	0.22 305	0.18 137	0.76 331

11t1	0.60 177	0.49 109	2.19 106	0.35 178	0.58 333	0.48 58	0.21 47	0.72 133	0.73 241	0.49 115	0.47 116	0.35 88	0.34 156	0.61 140	0.71 263	0.12 168	1.26 402	0.10 68	0.29 341	0.16 91	1.22 395

DualNet	0.63 213	0.50 116	2.19 106	0.34 158	0.19 79	0.56 121	0.26 146	0.98 309	0.77 283	0.56 188	0.66 282	0.45 149	0.38 175	1.87 356	0.58 218	0.14 244	0.82 363	0.13 227	0.22 305	0.18 137	0.76 331

NINENet	0.54 126	0.40 75	2.19 106	0.55 327	0.26 168	0.91 374	0.23 89	1.05 364	0.77 283	0.54 165	0.57 214	0.65 253	0.32 143	1.22 250	0.34 123	0.16 287	0.13 166	0.16 304	0.11 125	0.16 91	0.14 30

DeepStereo_RVC	0.47 68	0.37 57	2.19 106	0.55 327	0.18 53	0.60 184	0.58 361	0.52 40	0.62 123	0.49 115	0.45 108	0.39 102	0.85 374	0.47 78	0.34 123	0.12 168	0.08 40	0.11 119	0.09 46	0.15 74	0.19 71

CFNet_pseudo	0.47 68	0.50 116	2.19 106	0.26 22	0.20 91	0.56 121	0.22 61	0.80 169	0.62 123	0.50 133	0.56 203	0.68 276	0.47 263	0.53 114	0.33 115	0.11 131	0.10 110	0.15 286	0.10 80	0.18 137	0.33 160

ccs_rob	0.47 68	0.50 116	2.19 106	0.26 22	0.20 91	0.56 121	0.22 61	0.80 169	0.62 123	0.50 133	0.56 203	0.68 276	0.47 263	0.53 114	0.33 115	0.11 131	0.10 110	0.16 304	0.10 80	0.18 137	0.33 160

iRaft-Stereo_5w	0.65 229	1.35 357	2.21 113	0.30 81	0.63 351	0.49 63	0.28 175	0.78 155	0.64 143	0.41 59	0.61 241	0.62 239	0.46 255	1.79 339	0.48 180	0.10 55	0.25 267	0.11 119	0.12 156	0.40 370	0.94 365

DIP-Stereo	0.43 39	0.50 116	2.21 113	0.27 32	0.18 53	0.63 239	0.17 11	0.94 279	0.58 98	0.49 115	0.48 122	0.30 62	0.30 132	0.40 55	0.31 94	0.10 55	0.08 40	0.10 68	0.08 32	0.15 74	0.33 160
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
RAStereo	0.33 8	0.81 230	2.22 115	0.27 32	0.18 53	0.25 3	0.20 30	0.45 14	0.38 6	0.21 2	0.26 19	0.20 5	0.16 4	0.26 2	0.26 44	0.10 55	0.08 40	0.10 68	0.08 32	0.13 44	0.09 2

PCWNet_CMD	0.48 76	0.50 116	2.23 116	0.27 32	0.20 91	0.56 121	0.22 61	0.78 155	0.67 170	0.49 115	0.55 190	0.68 276	0.56 300	0.48 87	0.32 104	0.11 131	0.10 110	0.14 261	0.10 80	0.19 166	0.43 219

MSMDNet	0.48 76	0.50 116	2.23 116	0.27 32	0.20 91	0.56 121	0.22 61	0.78 155	0.67 170	0.49 115	0.55 190	0.68 276	0.56 300	0.48 87	0.32 104	0.11 131	0.10 110	0.13 227	0.10 80	0.18 137	0.43 219

rvit_0105_3	0.46 63	0.86 239	2.24 118	0.33 136	0.19 79	0.44 39	0.35 266	0.74 136	0.70 216	0.38 50	0.38 75	0.41 116	0.33 148	0.46 74	0.32 104	0.19 332	0.17 217	0.17 319	0.18 258	0.15 74	0.22 89

test_sample4	0.62 200	0.49 109	2.24 118	0.34 158	0.19 79	0.57 143	0.25 131	0.98 309	0.76 273	0.56 188	0.55 190	0.45 149	0.38 175	1.78 335	0.56 212	0.13 213	0.80 359	0.13 227	0.21 295	0.17 113	0.76 331

test_sample3	0.61 184	0.48 106	2.24 118	0.34 158	0.19 79	0.58 153	0.25 131	0.97 302	0.76 273	0.54 165	0.52 159	0.46 158	0.37 167	1.78 335	0.57 215	0.13 213	0.79 357	0.12 169	0.21 295	0.17 113	0.73 327

CoDeX	0.54 126	0.52 127	2.25 121	0.30 81	0.26 168	0.61 203	0.32 235	1.03 350	0.73 241	0.49 115	0.56 203	0.52 192	0.40 197	1.59 308	0.38 142	0.12 168	0.09 86	0.11 119	0.10 80	0.15 74	0.22 89

RAFT	0.62 200	1.35 357	2.26 122	0.62 350	0.53 319	0.47 53	0.35 266	0.70 126	0.58 98	0.50 133	0.50 147	0.79 319	0.40 197	0.49 97	0.36 132	0.11 131	0.79 357	0.14 261	0.13 174	0.52 402	0.72 323

CFNet	0.65 229	1.45 381	2.27 123	0.34 158	0.25 154	0.64 250	0.23 89	0.93 274	0.79 298	0.48 99	0.59 226	0.58 222	0.40 197	2.28 392	0.63 239	0.13 213	0.09 86	0.15 286	0.14 195	0.34 328	0.26 119

NOSS_ROB	0.75 296	1.03 281	2.27 123	0.68 369	0.26 168	0.68 290	0.30 214	0.99 317	0.82 319	0.59 229	0.58 220	0.77 313	0.39 190	2.75 430	0.48 180	0.25 376	0.24 258	0.28 384	0.26 327	0.29 294	1.07 381

CFNet_ucs	0.50 95	0.55 141	2.28 125	0.27 32	0.22 113	0.58 153	0.23 89	0.90 258	0.69 206	0.54 165	0.64 268	0.68 276	0.44 239	0.55 121	0.34 123	0.14 244	0.12 152	0.16 304	0.11 125	0.19 166	0.38 189

XPNet_ROB	0.68 255	1.11 299	2.28 125	0.38 225	0.27 179	0.67 284	0.47 329	0.94 279	0.75 265	0.80 349	0.71 319	0.81 328	0.54 293	1.72 323	0.84 297	0.22 356	0.16 207	0.16 304	0.15 215	0.25 245	0.45 236

NVstereo2D	0.63 213	0.57 145	2.29 127	0.37 206	0.35 249	0.69 293	0.49 336	0.96 295	0.88 354	0.49 115	0.54 180	0.72 296	0.46 255	1.98 370	0.50 193	0.19 332	0.20 241	0.18 337	0.16 236	0.28 286	0.34 168

HSM	0.67 250	0.92 263	2.29 127	0.30 81	0.29 195	0.65 264	0.29 200	0.98 309	0.67 170	0.59 229	0.58 220	1.39 420	0.65 331	2.56 412	0.45 168	0.11 131	0.09 86	0.10 68	0.08 32	0.18 137	0.24 107

rvit_105_1	0.52 106	0.93 267	2.30 129	0.36 194	0.24 147	0.51 71	0.45 319	0.81 176	0.79 298	0.46 93	0.44 106	0.45 149	0.38 175	0.63 144	0.39 144	0.20 341	0.18 224	0.18 337	0.22 305	0.18 137	0.21 83

SFCPSM	0.48 76	0.39 70	2.30 129	0.28 47	0.27 179	0.70 296	0.32 235	1.00 326	0.69 206	0.50 133	0.52 159	0.43 122	0.36 161	0.53 114	0.44 164	0.12 168	0.09 86	0.12 169	0.16 236	0.18 137	0.23 98

NCCL2	0.71 272	1.32 348	2.30 129	0.44 278	0.31 215	0.71 301	0.67 386	0.89 250	0.69 206	0.70 314	0.61 241	0.85 344	0.54 293	1.58 307	0.70 257	0.20 341	0.17 217	0.66 424	0.25 321	0.26 263	0.38 189

DCRE	0.76 300	0.80 228	2.31 132	1.05 405	1.18 424	0.63 239	0.26 146	1.03 350	0.59 107	0.52 153	2.12 429	0.44 137	0.27 91	0.41 62	0.53 203	0.09 13	1.02 380	0.10 68	0.32 361	0.16 91	1.47 417

DCANet-4	0.43 39	0.32 17	2.31 132	0.26 22	0.14 10	0.51 71	0.22 61	0.84 203	0.78 288	0.55 176	0.48 122	0.28 54	0.37 167	0.40 55	0.37 136	0.10 55	0.07 7	0.09 22	0.07 14	0.08 1	0.43 219

IIG-Stereo	0.65 229	0.87 241	2.32 134	0.55 327	0.23 135	0.62 225	0.21 47	0.78 155	0.71 230	0.64 278	0.69 293	0.69 287	0.38 175	2.07 377	1.37 359	0.11 131	0.08 40	0.11 119	0.09 46	0.15 74	0.27 125

ETE_ROB	0.68 255	1.09 292	2.32 134	0.38 225	0.26 168	0.69 293	0.51 339	1.49 427	0.75 265	0.81 353	0.71 319	0.85 344	0.51 281	1.39 271	0.70 257	0.17 306	0.14 180	0.19 344	0.16 236	0.24 230	0.35 174

THIR-Stereo	0.88 347	0.85 236	2.33 136	0.26 22	0.16 23	0.59 171	2.69 454	0.62 94	0.54 73	0.62 259	1.61 418	0.96 373	1.77 431	1.67 318	2.20 402	0.10 55	0.08 40	0.14 261	0.11 125	0.16 91	0.21 83

tt1	0.74 285	0.73 200	2.34 137	0.67 364	0.63 351	0.75 318	0.24 111	0.85 215	0.96 380	0.81 353	0.38 75	0.26 39	0.35 158	0.64 149	0.22 6	0.10 55	2.16 452	0.11 119	0.09 46	0.25 245	2.19 443

FBW_ROB	0.94 366	1.23 334	2.35 138	0.46 288	0.32 225	0.87 366	0.46 325	1.15 400	0.97 385	0.83 360	0.78 345	1.01 383	0.64 329	3.65 452	1.65 372	0.27 383	0.24 258	0.40 408	0.26 327	0.32 317	0.88 358

PVD	1.05 385	1.21 325	2.36 139	0.84 386	0.91 393	1.04 389	0.64 376	1.32 418	1.68 434	1.43 424	1.41 413	1.14 407	1.15 403	1.49 288	1.77 380	0.27 383	0.65 343	0.28 384	0.35 378	0.40 370	0.73 327

RYNet	0.77 306	0.91 258	2.36 139	0.37 206	0.41 282	0.88 368	0.44 315	0.99 317	0.88 354	0.65 293	0.54 180	0.92 359	0.61 323	2.70 425	1.23 345	0.15 273	0.14 180	0.17 319	0.14 195	0.27 274	0.55 277

GCAP-BAT	0.78 308	0.38 65	2.37 141	0.98 399	0.60 339	0.77 332	0.22 61	1.13 398	0.51 50	0.80 349	0.90 368	0.81 328	0.25 67	0.77 185	0.88 302	0.10 55	1.94 437	0.09 22	0.50 414	0.17 113	1.35 408

ICVP	0.48 76	0.33 27	2.37 141	0.34 158	0.22 113	0.60 184	0.55 352	0.79 163	0.53 69	0.45 82	0.60 233	0.49 177	0.36 161	0.55 121	0.46 172	0.16 287	0.16 207	0.14 261	0.11 125	0.16 91	0.32 157
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GES	0.49 91	0.54 133	2.37 141	0.31 95	0.19 79	0.61 203	0.30 214	0.93 274	0.52 60	0.49 115	0.53 164	0.40 110	0.43 231	0.59 132	0.67 252	0.16 287	0.11 136	0.12 169	0.10 80	0.20 184	0.30 145

gcap-zeroshot	0.52 106	0.86 239	2.38 144	0.32 115	0.60 339	0.70 296	0.20 30	0.78 155	0.58 98	0.44 78	0.36 63	0.81 328	0.24 51	0.53 114	0.30 77	0.10 55	0.35 288	0.09 22	0.31 354	0.09 6	0.40 201

OMP-Stereo	0.64 222	0.87 241	2.38 144	0.56 336	0.37 262	0.60 184	0.26 146	0.75 139	0.71 230	0.65 293	0.60 233	0.68 276	0.32 143	2.07 377	1.18 337	0.11 131	0.08 40	0.12 169	0.09 46	0.17 113	0.28 131

DRaft	0.65 229	0.47 103	2.38 144	0.25 10	0.17 40	0.64 250	0.65 379	0.56 66	0.57 91	0.67 301	0.98 379	0.38 99	0.99 392	1.42 277	2.06 392	0.11 131	0.14 180	0.10 68	0.14 195	0.18 137	0.21 83

TestStereo	0.49 91	0.88 245	2.38 144	0.30 81	0.16 23	0.43 36	0.25 131	0.55 63	0.46 24	0.38 50	0.46 111	0.34 85	0.28 105	1.96 369	0.28 64	0.11 131	0.08 40	0.12 169	0.09 46	0.15 74	0.13 18

sCroCo_RVC	0.37 22	0.39 70	2.38 144	0.35 178	0.27 179	0.31 9	0.22 61	0.49 25	0.48 33	0.23 9	0.34 54	0.25 31	0.24 51	0.35 36	0.25 30	0.15 273	0.17 217	0.12 169	0.11 125	0.15 74	0.15 38

CFNet-RSSM	0.44 52	0.36 46	2.38 144	0.28 47	0.43 293	0.53 96	0.20 30	0.86 226	0.52 60	0.44 78	0.36 63	0.53 194	0.26 77	0.40 55	0.27 52	0.09 13	0.08 40	0.09 22	0.38 390	0.10 14	0.22 89

TDLM	0.83 326	1.28 343	2.38 144	0.46 288	0.26 168	0.66 277	0.55 352	0.87 234	0.80 306	2.54 451	0.62 248	0.61 234	0.51 281	2.68 424	0.67 252	0.20 341	0.11 136	0.35 402	0.15 215	0.33 321	0.48 245

dad	0.58 153	1.35 357	2.39 151	0.31 95	0.20 91	0.62 225	0.26 146	0.56 66	0.79 298	0.66 299	0.64 268	0.64 250	0.36 161	0.87 205	0.48 180	0.28 386	0.15 194	0.40 408	0.18 258	0.24 230	0.22 89

Prome-Stereo	0.53 118	0.36 46	2.39 151	0.60 342	0.23 135	0.63 239	0.41 296	0.66 109	0.67 170	0.59 229	1.02 386	0.43 122	0.71 348	0.61 140	0.34 123	0.10 55	0.07 7	0.10 68	0.09 46	0.13 44	0.44 232

testlalala	0.53 118	0.36 46	2.40 153	0.29 65	0.35 249	0.60 184	0.22 61	1.02 343	0.63 134	0.56 188	0.40 89	0.32 74	0.21 28	0.33 22	0.27 52	0.10 55	1.73 429	0.09 22	0.24 313	0.08 1	0.43 219

Wz-Net-LNSev-Ref	0.65 229	1.15 310	2.40 153	0.33 136	0.30 207	0.83 355	0.40 294	0.94 279	0.82 319	0.67 301	0.76 337	0.68 276	0.58 312	1.13 237	1.25 348	0.14 244	0.08 40	0.10 68	0.08 32	0.18 137	0.28 131

KYRaft	0.52 106	0.35 42	2.40 153	0.34 158	0.21 103	0.75 318	0.43 309	0.62 94	0.63 134	0.64 278	0.92 369	0.53 194	0.72 349	0.60 137	0.26 44	0.10 55	0.07 7	0.12 169	0.14 195	0.13 44	0.54 270

GrayStereo	0.71 272	0.27 1	2.40 153	0.89 389	0.23 135	0.62 225	1.40 444	0.67 112	0.70 216	0.72 325	0.77 341	0.55 207	3.03 449	0.60 137	0.28 64	0.10 55	0.08 40	0.10 68	0.21 295	0.12 32	0.37 181

CRE-IMP	0.46 63	0.31 8	2.40 153	0.53 320	0.17 40	0.79 342	0.68 388	0.54 54	0.66 157	0.47 96	0.43 95	0.44 137	0.26 77	0.43 69	0.33 115	0.12 168	0.07 7	0.12 169	0.09 46	0.17 113	0.23 98

dd	0.48 76	1.32 348	2.41 158	0.31 95	0.17 40	0.58 153	0.26 146	0.50 35	0.71 230	0.42 64	0.41 91	0.34 85	0.28 105	0.47 78	0.41 149	0.18 317	0.10 110	0.13 227	0.12 156	0.22 209	0.16 51

PSM-AAD	0.67 250	0.29 2	2.41 158	0.37 206	0.23 135	0.86 362	1.15 430	0.62 94	0.66 157	0.64 278	0.71 319	0.67 262	2.90 448	0.65 152	0.32 104	0.10 55	0.08 40	0.17 319	0.15 215	0.14 64	0.34 168

DANet	0.85 337	0.68 181	2.41 158	1.18 416	0.48 307	0.77 332	1.23 436	0.93 274	1.53 430	0.90 369	0.72 322	0.97 375	0.57 305	1.86 352	1.05 324	0.18 317	0.16 207	0.19 344	0.16 236	0.26 263	0.67 307
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
MLCV	0.59 169	1.41 372	2.41 158	0.31 95	0.15 16	0.60 184	0.23 89	0.77 148	0.63 134	0.67 301	0.66 282	0.55 207	0.37 167	1.16 241	1.09 328	0.10 55	0.07 7	0.09 22	0.07 14	0.21 194	0.29 137

MyStereo07	0.56 138	0.68 181	2.42 162	0.30 81	0.41 282	0.61 203	0.31 224	0.58 73	0.72 237	1.17 399	0.26 19	0.20 5	0.27 91	1.28 262	0.28 64	0.09 13	0.59 334	0.12 169	0.21 295	0.16 91	0.48 245

raft_robust	0.68 255	1.24 335	2.42 162	0.30 81	0.57 329	0.53 96	0.25 131	0.95 292	0.79 298	0.49 115	0.46 111	1.12 405	0.74 356	1.50 289	0.61 230	0.09 13	0.62 340	0.10 68	0.30 348	0.26 263	0.30 145

LCNet	0.58 153	0.43 90	2.42 162	0.91 393	0.22 113	0.95 382	0.29 200	0.62 94	0.64 143	0.52 153	0.55 190	0.41 116	0.75 360	0.84 202	0.27 52	0.10 55	0.07 7	0.12 169	0.18 258	0.97 431	0.40 201

DEmStereo	0.69 262	0.40 75	2.42 162	0.42 264	0.18 53	0.66 277	0.88 409	0.54 54	0.64 143	0.60 238	1.00 383	0.45 149	1.24 406	1.53 292	2.21 403	0.10 55	0.08 40	0.10 68	0.10 80	0.11 22	0.14 30

IRAFT_RVC	0.59 169	0.74 210	2.42 162	0.47 294	0.21 103	0.59 171	0.42 302	0.68 116	0.73 241	0.54 165	0.50 147	0.49 177	0.51 281	1.57 301	1.00 319	0.11 131	0.25 267	0.13 227	0.10 80	0.15 74	0.14 30

ACVNet-DCA	0.67 250	0.73 200	2.43 167	0.67 364	0.52 314	0.76 322	0.24 111	0.81 176	0.83 325	0.77 338	0.39 80	0.25 31	0.38 175	0.70 166	0.22 6	0.10 55	2.13 447	0.11 119	0.09 46	0.16 91	1.18 386

xx1	0.71 272	0.73 200	2.43 167	0.67 364	0.52 314	0.76 322	0.24 111	0.85 215	1.05 397	0.77 338	0.39 80	0.46 158	0.37 167	0.70 166	0.22 6	0.10 55	2.13 447	0.12 169	0.41 398	0.16 91	1.18 386

1test111	0.72 280	0.73 200	2.43 167	0.67 364	0.52 314	0.76 322	0.24 111	0.81 176	0.83 325	0.77 338	0.39 80	0.25 31	0.38 175	1.03 222	0.75 273	0.10 55	2.13 447	0.11 119	0.09 46	0.16 91	1.18 386

cc1	0.74 285	0.73 200	2.43 167	0.67 364	0.52 314	0.76 322	0.24 111	0.85 215	1.05 397	0.77 338	0.39 80	0.25 31	0.38 175	0.70 166	0.22 6	0.10 55	2.13 447	0.11 119	0.09 46	0.25 245	2.20 446

UniTT-Stereo	0.36 20	0.66 173	2.43 167	0.28 47	0.24 147	0.30 7	0.18 16	0.35 2	0.36 3	0.26 25	0.37 69	0.18 3	0.18 14	0.33 22	0.30 77	0.11 131	0.08 40	0.09 22	0.08 32	0.25 245	0.09 2

ADStereo(finetuned)	0.50 95	0.91 258	2.43 167	0.26 22	0.14 10	0.51 71	0.22 61	0.84 203	0.78 288	0.56 188	0.49 135	0.32 74	0.75 360	0.40 55	0.40 146	0.10 55	0.07 7	0.09 22	0.07 14	0.13 44	0.45 236

raft+_RVC	0.62 200	1.18 318	2.43 167	0.36 194	2.08 454	0.52 88	0.25 131	0.66 109	0.54 73	0.36 45	0.46 111	0.32 74	0.28 105	0.49 97	0.43 161	0.10 55	0.91 368	0.10 68	0.09 46	0.22 209	0.70 320

PSMNet-RSSM	0.61 184	1.19 321	2.43 167	0.33 136	0.25 154	0.59 171	0.28 175	0.88 242	0.65 150	0.54 165	0.62 248	0.69 287	0.46 255	1.67 318	0.50 193	0.15 273	0.10 110	0.14 261	0.16 236	0.20 184	0.28 131

AE-Stereo	0.71 272	0.32 17	2.44 175	0.44 278	0.50 309	0.58 153	0.23 89	1.08 383	0.67 170	0.67 301	0.51 150	0.47 167	0.24 51	0.63 144	0.32 104	0.09 13	2.15 451	0.11 119	0.45 403	0.22 209	2.01 433

testlalala_base	0.61 184	0.35 42	2.44 175	0.35 178	0.33 231	0.55 115	0.21 47	0.88 242	0.41 9	0.41 59	0.39 80	0.31 69	0.24 51	0.33 22	0.36 132	0.98 436	1.61 424	0.09 22	0.22 305	1.11 432	0.68 312

SPstereo	0.59 169	1.35 357	2.44 175	0.49 306	1.02 409	0.52 88	0.14 3	0.53 44	0.54 73	0.44 78	0.50 147	0.30 62	0.22 36	0.68 162	0.41 149	0.09 13	1.30 409	0.09 22	0.07 14	0.23 223	0.54 270

UDGNet	0.50 95	1.36 362	2.44 175	0.37 206	0.19 79	0.58 153	0.23 89	0.49 25	0.69 206	0.42 64	0.39 80	0.34 85	0.29 122	0.55 121	0.32 104	0.25 376	0.10 110	0.37 405	0.19 275	0.30 302	0.17 57

test-3	0.58 153	0.43 90	2.44 175	0.52 316	0.59 334	0.46 43	0.23 89	0.77 148	0.49 37	0.52 153	0.29 30	0.44 137	0.22 36	0.59 132	0.97 309	0.08 1	1.27 403	0.10 68	0.35 378	0.29 294	0.62 294

test_1	0.58 153	0.43 90	2.44 175	0.52 316	0.59 334	0.46 43	0.23 89	0.77 148	0.49 37	0.51 144	0.29 30	0.44 137	0.22 36	0.59 132	0.97 309	0.08 1	1.27 403	0.10 68	0.35 378	0.29 294	0.63 298

test_3	0.59 169	0.44 94	2.44 175	0.53 320	0.59 334	0.48 58	0.30 214	0.79 163	0.52 60	0.51 144	0.30 35	0.45 149	0.22 36	0.59 132	0.97 309	0.08 1	1.25 398	0.11 119	0.35 378	0.30 302	0.62 294

Patchmatch Stereo++	0.43 39	0.36 46	2.44 175	0.48 295	0.17 40	0.61 203	0.26 146	0.53 44	0.61 114	0.48 99	0.43 95	0.43 122	0.28 105	0.56 124	0.30 77	0.12 168	0.08 40	0.12 169	0.10 80	0.17 113	0.13 18
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
NRIStereo	0.50 95	0.34 34	2.44 175	0.52 316	0.16 23	0.94 380	0.73 396	0.52 40	0.65 150	0.48 99	0.40 89	0.59 225	0.29 122	0.78 191	0.33 115	0.11 131	0.13 166	0.11 119	0.09 46	0.22 209	0.25 111

PSM-adaLoss	0.43 39	0.36 46	2.44 175	0.48 295	0.18 53	0.61 203	0.28 175	0.53 44	0.61 114	0.48 99	0.43 95	0.43 122	0.28 105	0.49 97	0.30 77	0.12 168	0.08 40	0.12 169	0.10 80	0.17 113	0.13 18

ROB_FTStereo_v2	0.43 39	0.36 46	2.44 175	0.49 306	0.17 40	0.61 203	0.28 175	0.53 44	0.61 114	0.48 99	0.43 95	0.44 137	0.28 105	0.48 87	0.30 77	0.12 168	0.08 40	0.12 169	0.10 80	0.17 113	0.13 18

ROB_FTStereo	0.43 39	0.36 46	2.44 175	0.48 295	0.18 53	0.61 203	0.26 146	0.53 44	0.61 114	0.48 99	0.43 95	0.43 122	0.28 105	0.51 103	0.30 77	0.12 168	0.08 40	0.12 169	0.10 80	0.17 113	0.13 18

SST-Stereo	0.56 138	0.30 6	2.44 175	0.71 373	0.55 323	0.62 225	0.65 379	0.57 72	0.67 170	0.59 229	0.53 164	0.51 185	0.59 315	1.57 301	0.31 94	0.12 168	0.07 7	0.12 169	0.10 80	0.17 113	0.11 12

RAFT_R40	0.55 130	0.31 8	2.44 175	0.57 340	0.42 292	0.62 225	0.52 343	0.58 73	0.66 157	0.56 188	0.54 180	0.54 199	0.50 277	1.56 296	0.53 203	0.11 131	0.07 7	0.12 169	0.10 80	0.16 91	0.10 5

iGMRVC	0.43 39	0.36 46	2.44 175	0.48 295	0.18 53	0.61 203	0.27 163	0.53 44	0.61 114	0.48 99	0.43 95	0.43 122	0.28 105	0.57 127	0.31 94	0.12 168	0.08 40	0.12 169	0.10 80	0.17 113	0.13 18

iRAFT	0.43 39	0.36 46	2.44 175	0.48 295	0.17 40	0.61 203	0.26 146	0.53 44	0.61 114	0.48 99	0.43 95	0.43 122	0.28 105	0.56 124	0.30 77	0.12 168	0.08 40	0.12 169	0.10 80	0.17 113	0.13 18

RAFT-IKP	0.43 39	0.36 46	2.44 175	0.48 295	0.16 23	0.60 184	0.28 175	0.53 44	0.61 114	0.48 99	0.43 95	0.43 122	0.28 105	0.51 103	0.31 94	0.12 168	0.08 40	0.12 169	0.10 80	0.17 113	0.13 18

PS-NSSS	0.69 262	1.37 367	2.44 175	0.31 95	0.32 225	0.64 250	0.34 257	1.04 356	0.74 259	0.56 188	0.75 334	0.51 185	0.42 219	2.41 405	0.54 208	0.24 370	0.17 217	0.27 382	0.18 258	0.30 302	0.23 98

HUI-Stereo	0.43 39	0.36 46	2.45 193	0.48 295	0.18 53	0.61 203	0.27 163	0.53 44	0.61 114	0.48 99	0.43 95	0.44 137	0.28 105	0.47 78	0.30 77	0.12 168	0.08 40	0.12 169	0.10 80	0.17 113	0.13 18

delet	0.60 177	0.84 232	2.45 193	0.33 136	0.35 249	0.73 311	0.46 325	0.89 250	0.80 306	0.58 210	0.62 248	0.67 262	0.51 281	1.14 239	0.64 241	0.12 168	0.12 152	0.13 227	0.14 195	0.22 209	0.29 137

ACVNet	0.54 126	0.87 241	2.45 193	0.28 47	0.22 113	0.59 171	0.36 274	0.69 118	0.73 241	0.49 115	0.59 226	0.69 287	0.42 219	0.47 78	0.70 257	0.11 131	0.10 110	0.10 68	0.09 46	0.36 344	0.39 196

acv_ft	0.57 145	0.87 241	2.45 193	0.33 136	0.41 282	0.63 239	0.29 200	0.86 226	0.73 241	0.64 278	0.59 226	0.69 287	0.45 247	0.47 78	0.68 254	0.11 131	0.10 110	0.10 68	0.09 46	0.43 380	0.39 196

CFNet-ft	0.60 177	1.16 312	2.45 193	0.29 65	0.30 207	0.64 250	0.28 175	0.69 118	0.57 91	0.49 115	0.57 214	0.79 319	0.44 239	1.48 286	0.62 233	0.15 273	0.10 110	0.28 384	0.14 195	0.21 194	0.29 137

HSM-Net_RVC	0.70 268	0.40 75	2.45 193	0.27 32	0.19 79	0.68 290	0.30 214	1.29 415	0.73 241	0.73 326	0.70 306	0.77 313	0.45 247	3.73 453	0.46 172	0.13 213	0.09 86	0.10 68	0.09 46	0.13 44	0.32 157
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.60 177	1.16 312	2.45 193	0.29 65	0.30 207	0.64 250	0.28 175	0.69 118	0.57 91	0.49 115	0.57 214	0.79 319	0.44 239	1.48 286	0.62 233	0.15 273	0.10 110	0.28 384	0.14 195	0.21 194	0.29 137

GMOStereo	0.58 153	0.89 250	2.46 200	0.29 65	0.99 402	0.51 71	0.32 235	0.58 73	0.46 24	0.58 210	0.48 122	0.54 199	0.27 91	0.31 8	0.25 30	0.09 13	1.64 425	0.13 227	0.11 125	0.34 328	0.42 214

error version	0.58 153	0.89 250	2.46 200	0.29 65	0.99 402	0.51 71	0.32 235	0.58 73	0.46 24	0.58 210	0.48 122	0.54 199	0.27 91	0.31 8	0.25 30	0.09 13	1.64 425	0.13 227	0.11 125	0.34 328	0.42 214

test-v	0.58 153	0.89 250	2.46 200	0.29 65	0.99 402	0.51 71	0.32 235	0.58 73	0.46 24	0.58 210	0.48 122	0.54 199	0.27 91	0.31 8	0.25 30	0.09 13	1.64 425	0.13 227	0.11 125	0.34 328	0.42 214

test-2	0.58 153	0.89 250	2.46 200	0.29 65	0.99 402	0.51 71	0.32 235	0.58 73	0.46 24	0.58 210	0.48 122	0.54 199	0.27 91	0.31 8	0.25 30	0.09 13	1.64 425	0.13 227	0.11 125	0.34 328	0.42 214

FENet	0.48 76	0.58 147	2.46 200	0.33 136	0.18 53	0.58 153	0.22 61	0.83 195	0.64 143	0.49 115	0.42 93	0.55 207	0.38 175	0.52 107	0.51 196	0.12 168	0.09 86	0.12 169	0.11 125	0.17 113	0.31 153

test_for_model	0.82 320	1.62 402	2.47 205	1.36 422	1.04 411	0.53 96	0.22 61	0.82 184	0.63 134	0.60 238	0.29 30	0.25 31	0.21 28	0.28 3	0.25 30	0.80 427	1.87 432	0.08 4	0.08 32	1.81 452	1.18 386

LL-Strereo2	0.62 200	1.36 362	2.47 205	1.37 423	0.96 398	0.54 105	0.28 175	0.61 90	0.49 37	0.42 64	0.34 54	0.44 137	0.21 28	0.57 127	0.53 203	0.11 131	0.26 270	0.16 304	0.14 195	0.18 137	0.98 375

AACVNet	0.61 184	1.13 303	2.47 205	0.37 206	0.21 103	0.57 143	0.25 131	0.75 139	0.55 80	0.56 188	0.60 233	0.66 260	0.44 239	2.11 384	0.49 189	0.14 244	0.11 136	0.14 261	0.11 125	0.35 339	0.23 98

PSM-softLoss	0.52 106	0.34 34	2.47 205	0.55 327	0.17 40	0.61 203	0.39 291	0.64 103	0.67 170	0.52 153	0.48 122	0.39 102	0.25 67	1.46 283	0.77 278	0.13 213	0.08 40	0.13 227	0.12 156	0.12 32	0.15 38

KMStereo	0.52 106	0.34 34	2.47 205	0.55 327	0.17 40	0.61 203	0.39 291	0.64 103	0.67 170	0.52 153	0.48 122	0.39 102	0.25 67	1.46 283	0.77 278	0.13 213	0.08 40	0.13 227	0.12 156	0.12 32	0.15 38

CREStereo++_RVC	0.38 25	0.37 57	2.47 205	0.25 10	0.16 23	0.54 105	0.15 4	0.42 8	0.57 91	0.37 47	0.52 159	0.24 26	0.19 16	0.31 8	0.27 52	0.09 13	0.06 1	0.08 4	0.30 348	0.09 6	0.22 89
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
UGAM-zero	0.97 372	0.44 94	2.48 211	0.33 136	0.86 387	1.26 409	0.76 398	1.05 364	0.52 60	0.93 375	0.45 108	1.32 418	0.81 366	2.08 380	0.49 189	0.10 55	0.52 321	0.09 22	0.47 408	0.11 22	4.43 465

model_zeroshot	0.75 296	0.94 268	2.48 211	1.88 451	0.68 362	0.72 307	0.22 61	1.01 335	0.51 50	1.10 391	0.35 61	0.63 243	0.20 24	0.78 191	0.32 104	0.12 168	1.97 439	0.10 68	0.23 310	0.12 32	0.56 278

TANstereo	0.39 28	0.70 189	2.48 211	0.23 4	0.12 3	0.54 105	0.16 9	0.41 5	0.47 30	0.45 82	0.51 150	0.26 39	0.22 36	0.34 27	0.21 3	0.10 55	0.10 110	0.08 4	0.07 14	0.09 6	0.18 66

RP	0.74 285	1.01 276	2.48 211	0.44 278	0.45 297	0.66 277	0.45 319	0.95 292	0.87 350	0.70 314	0.95 374	0.99 379	0.82 368	1.55 294	0.82 294	0.26 380	0.19 229	0.23 369	0.20 285	0.34 328	0.38 189

UCFNet_RVC	0.55 130	1.16 312	2.48 211	0.31 95	0.27 179	0.65 264	0.28 175	0.76 142	0.58 98	0.51 144	0.53 164	0.67 262	0.42 219	0.91 211	0.45 168	0.16 287	0.11 136	0.17 319	0.17 250	0.20 184	0.23 98

RAFT+CT+SA	0.60 177	1.25 338	2.49 216	0.38 225	0.75 371	0.55 115	0.34 257	0.83 195	0.68 197	0.39 54	0.55 190	0.44 137	0.29 122	0.75 182	0.28 64	0.09 13	0.24 258	0.11 119	0.51 416	0.30 302	0.74 330

Pruner-Stereo	0.55 130	0.38 65	2.49 216	1.78 446	0.19 79	0.63 239	0.45 319	0.59 83	0.67 170	0.61 247	0.48 122	0.41 116	0.25 67	0.49 97	0.99 317	0.13 213	0.07 7	0.12 169	0.10 80	0.13 44	0.14 30

XX-TBD	0.40 30	1.04 284	2.49 216	0.35 178	0.13 7	0.51 71	0.17 11	0.44 13	0.52 60	0.38 50	0.51 150	0.23 20	0.19 16	0.31 8	0.25 30	0.10 55	0.07 7	0.08 4	0.06 7	0.09 6	0.18 66

LALA_ROB	0.68 255	1.14 304	2.50 219	0.37 206	0.29 195	0.78 338	0.55 352	0.99 317	0.84 337	0.82 357	0.68 290	0.93 364	0.50 277	1.01 219	0.89 303	0.21 350	0.15 194	0.21 357	0.18 258	0.26 263	0.30 145

ttt	0.89 354	0.51 123	2.51 220	0.36 194	0.31 215	0.61 203	0.28 175	1.07 380	0.92 366	0.56 188	0.77 341	0.55 207	0.37 167	2.27 391	3.51 438	0.16 287	1.21 394	0.13 227	0.31 354	0.18 137	1.26 399

GANet-ADL	0.48 76	0.56 144	2.51 220	0.34 158	0.20 91	0.58 153	0.25 131	0.80 169	0.57 91	0.43 72	0.61 241	0.56 214	0.31 137	0.44 72	0.44 164	0.14 244	0.11 136	0.10 68	0.09 46	0.22 209	0.38 189

R-Stereo Train	0.42 35	0.31 8	2.51 220	0.30 81	0.18 53	0.56 121	0.25 131	0.82 184	0.41 9	0.57 204	0.67 287	0.33 80	0.24 51	0.34 27	0.33 115	0.10 55	0.08 40	0.09 22	0.07 14	0.09 6	0.18 66

RAFT-Stereo	0.42 35	0.31 8	2.51 220	0.30 81	0.18 53	0.56 121	0.25 131	0.82 184	0.41 9	0.57 204	0.67 287	0.33 80	0.24 51	0.34 27	0.33 115	0.10 55	0.08 40	0.09 22	0.07 14	0.09 6	0.18 66
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
testlalala2	0.48 76	0.34 34	2.53 224	0.65 357	0.56 325	0.57 143	0.20 30	0.84 203	0.63 134	0.42 64	0.54 180	0.45 149	0.21 28	0.30 6	0.26 44	0.10 55	0.13 166	0.09 22	0.29 341	0.12 32	0.31 153

AAGNet	0.92 360	0.40 75	2.53 224	0.60 342	1.01 407	0.62 225	0.45 319	0.52 40	0.68 197	0.58 210	0.53 164	0.50 181	0.72 349	1.22 250	7.32 463	0.12 168	0.07 7	0.12 169	0.10 80	0.16 91	0.10 5

RAFT-Stereo + iAFF	0.58 153	1.48 386	2.53 224	0.29 65	0.78 379	0.52 88	0.20 30	0.68 116	0.66 157	0.51 144	0.61 241	0.40 110	0.32 143	0.40 55	0.43 161	0.08 1	0.63 341	0.09 22	0.09 46	0.37 350	0.58 284

psm_up	0.65 229	1.02 278	2.53 224	0.36 194	0.31 215	0.64 250	0.38 285	0.96 295	0.73 241	0.63 268	0.57 214	0.68 276	0.57 305	1.90 364	0.52 198	0.17 306	0.15 194	0.16 304	0.15 215	0.27 274	0.22 89

FADNet	0.71 272	1.60 401	2.53 224	0.33 136	0.30 207	0.67 284	0.29 200	0.92 272	0.75 265	0.45 82	0.49 135	0.66 260	0.57 305	1.85 350	0.85 298	0.46 410	0.20 241	0.17 319	0.20 285	0.60 409	0.37 181

DisPM	0.48 76	0.41 80	2.54 229	0.61 348	0.18 53	0.59 171	0.62 374	0.54 54	0.67 170	0.61 247	0.53 164	0.38 99	0.26 77	0.76 184	0.31 94	0.13 213	0.07 7	0.12 169	0.11 125	0.12 32	0.15 38

PFNet+	0.50 95	0.43 90	2.54 229	0.49 306	0.18 53	0.58 153	0.76 398	0.54 54	0.72 237	0.56 188	0.48 122	0.39 102	0.26 77	0.94 214	0.33 115	0.14 244	0.09 86	0.14 261	0.13 174	0.12 32	0.16 51

OCTAStereo	0.53 118	0.33 27	2.54 229	0.56 336	0.16 23	0.61 203	0.42 302	0.70 126	0.70 216	0.50 133	0.47 116	0.37 94	0.26 77	1.43 278	0.79 285	0.12 168	0.07 7	0.12 169	0.10 80	0.13 44	0.17 57

RE-Stereo	0.53 118	0.33 27	2.54 229	0.56 336	0.16 23	0.61 203	0.43 309	0.70 126	0.70 216	0.50 133	0.47 116	0.37 94	0.26 77	1.43 278	0.77 278	0.12 168	0.07 7	0.12 169	0.10 80	0.13 44	0.17 57

TVStereo	0.53 118	0.33 27	2.54 229	0.56 336	0.16 23	0.61 203	0.43 309	0.70 126	0.70 216	0.50 133	0.47 116	0.37 94	0.26 77	1.43 278	0.77 278	0.12 168	0.07 7	0.12 169	0.10 80	0.13 44	0.17 57

SHD	0.84 328	1.14 304	2.54 229	0.80 383	0.52 314	0.76 322	0.34 257	1.16 403	1.29 418	1.11 393	0.85 355	0.98 376	0.74 356	1.25 258	1.48 365	0.22 356	0.37 291	0.20 353	0.27 335	0.36 344	0.41 209

iResNet	0.59 169	1.09 292	2.54 229	0.44 278	0.18 53	0.65 264	0.29 200	0.89 250	0.75 265	0.59 229	0.64 268	0.43 122	0.39 190	0.73 178	1.24 347	0.11 131	0.08 40	0.09 22	0.08 32	0.21 194	0.40 201

iinet-f	0.62 200	1.18 318	2.55 236	0.33 136	0.25 154	0.82 354	0.34 257	0.87 234	0.69 206	0.56 188	0.64 268	0.73 301	0.67 339	0.80 197	0.81 291	0.14 244	0.13 166	0.11 119	0.10 80	0.44 384	0.26 119

NF-Stereo	0.53 118	0.33 27	2.55 236	0.55 327	0.16 23	0.61 203	0.43 309	0.70 126	0.70 216	0.50 133	0.47 116	0.37 94	0.26 77	1.44 282	0.78 282	0.12 168	0.07 7	0.12 169	0.10 80	0.13 44	0.17 57

RGC	0.78 308	1.10 297	2.55 236	0.45 285	0.45 297	0.73 311	0.40 294	1.00 326	0.75 265	0.75 334	1.04 390	1.02 386	0.73 352	1.74 326	1.15 334	0.24 370	0.19 229	0.28 384	0.26 327	0.31 310	0.38 189

RALCasStereoNet	0.65 229	1.34 354	2.56 239	0.43 274	0.96 398	0.50 69	0.26 146	0.62 94	0.56 86	0.43 72	0.49 135	0.36 89	0.28 105	0.72 177	0.53 203	0.10 55	1.18 389	0.09 22	0.08 32	0.27 274	1.27 400

MFN_U_SF_DS_RVC	1.08 392	2.01 430	2.56 239	0.49 306	0.40 277	1.49 417	0.96 415	1.02 343	0.95 378	0.85 363	0.94 371	1.06 395	0.59 315	2.92 437	1.15 334	0.43 406	0.74 356	0.32 397	0.55 421	0.74 420	1.35 408

BEATNet_4x	0.57 145	1.16 312	2.56 239	0.35 178	0.16 23	0.56 121	0.25 131	0.91 265	0.64 143	0.55 176	0.53 164	0.59 225	0.43 231	0.67 158	0.76 276	0.12 168	0.09 86	0.12 169	0.09 46	0.23 223	0.58 284

StereoDRNet	0.71 272	1.24 335	2.56 239	0.42 264	0.45 297	0.73 311	0.46 325	0.98 309	0.81 314	0.77 338	0.56 203	0.74 303	0.48 270	1.69 322	0.91 305	0.15 273	0.14 180	0.15 286	0.15 215	0.26 263	0.51 258

H2IRNET	0.48 76	1.04 284	2.57 243	0.31 95	0.19 79	0.54 105	0.19 19	0.55 63	0.53 69	0.28 31	0.56 203	0.47 167	0.35 158	0.47 78	0.40 146	0.11 131	0.08 40	0.12 169	0.14 195	0.37 350	0.26 119

anonymousa	0.74 285	0.60 154	2.58 244	0.96 397	1.33 432	0.61 203	0.26 146	0.69 118	0.56 86	0.55 176	0.84 352	0.82 333	0.46 255	0.56 124	0.61 230	0.10 55	1.11 387	0.12 169	0.98 450	0.14 64	0.97 373

SACVNet	0.68 255	1.08 291	2.58 244	0.38 225	0.28 190	0.65 264	0.37 277	0.91 265	0.65 150	0.67 301	0.62 248	0.69 287	0.47 263	2.07 377	0.65 246	0.18 317	0.14 180	0.16 304	0.15 215	0.39 364	0.41 209

rafts_anoy	0.60 177	1.33 352	2.59 246	0.53 320	1.09 417	0.49 63	0.25 131	0.67 112	0.53 69	0.41 59	0.38 75	0.33 80	0.30 132	0.68 162	0.41 149	0.10 55	1.13 388	0.13 227	0.15 215	0.20 184	0.29 137

AFF-stereo	0.57 145	1.51 389	2.59 246	0.33 136	0.23 135	0.51 71	0.21 47	0.69 118	0.68 197	0.49 115	0.63 256	0.49 177	0.34 156	0.50 102	0.37 136	0.08 1	0.54 325	0.10 68	0.10 80	0.40 370	0.60 291

HGLStereo	0.61 184	1.20 323	2.59 246	0.36 194	0.40 277	0.65 264	0.30 214	0.87 234	0.67 170	0.60 238	0.70 306	0.69 287	0.56 300	1.07 227	0.59 222	0.14 244	0.13 166	0.13 227	0.12 156	0.23 223	0.23 98

hitnet-ft	0.73 282	1.09 292	2.59 246	0.28 47	0.22 113	0.71 301	0.36 274	0.89 250	0.67 170	0.58 210	0.83 350	1.03 387	0.94 389	2.31 394	0.70 257	0.23 364	0.14 180	0.41 410	0.13 174	0.24 230	0.28 131

RASNet	0.69 262	1.05 286	2.59 246	0.37 206	0.47 306	0.66 277	0.33 249	0.82 184	0.76 273	0.51 144	0.65 275	0.93 364	0.62 325	2.20 389	0.80 287	0.14 244	0.09 86	0.09 22	0.11 125	0.18 137	0.37 181

rvit_stereo_0075_2	0.45 56	0.45 99	2.60 251	0.34 158	0.32 225	0.41 31	0.21 47	0.60 87	0.54 73	0.39 54	0.51 150	0.40 110	0.29 122	0.46 74	0.31 94	0.21 350	0.15 194	0.22 361	0.15 215	0.18 137	0.33 160

EKT-Stereo	1.56 428	0.55 141	2.60 251	2.54 459	19.66 473	0.55 115	0.22 61	0.76 142	0.51 50	0.40 57	0.36 63	0.43 122	0.27 91	0.74 181	0.42 154	0.13 213	0.17 217	0.11 119	0.16 236	0.20 184	0.50 254

LMCR-Stereo	0.61 184	1.00 273	2.60 251	0.42 264	0.22 113	0.74 316	0.31 224	1.06 377	0.70 216	0.62 259	0.64 268	0.40 110	0.52 288	0.84 202	1.27 350	0.20 341	0.09 86	0.12 169	0.09 46	0.26 263	0.16 51

SAMSARA	1.11 394	1.35 357	2.60 251	1.34 420	0.77 376	1.67 428	1.41 446	1.47 426	0.99 389	1.54 430	0.89 365	1.44 422	0.90 382	1.88 358	1.71 373	0.25 376	0.55 327	0.22 361	0.34 376	0.39 364	0.50 254

PWC_ROB	0.81 317	1.41 372	2.60 251	0.41 261	0.40 277	0.63 239	0.31 224	1.04 356	0.99 389	0.92 372	1.29 404	0.78 317	0.68 341	1.65 317	1.50 366	0.19 332	0.12 152	0.18 337	0.13 174	0.51 399	0.54 270

ToySt	0.67 250	0.88 245	2.61 256	0.39 238	0.73 368	0.61 203	0.38 285	0.78 155	0.73 241	0.43 72	0.70 306	0.72 296	0.45 247	0.66 155	0.62 233	0.14 244	0.63 341	0.13 227	0.33 371	0.24 230	1.18 386

GEStereo_RVC	0.61 184	1.19 321	2.61 256	0.48 295	0.25 154	0.63 239	0.37 277	1.05 364	0.79 298	0.55 176	0.55 190	0.59 225	0.44 239	1.10 230	0.48 180	0.16 287	0.11 136	0.12 169	0.11 125	0.27 274	0.43 219

Anonymous3	0.47 68	0.49 109	2.61 256	0.33 136	0.25 154	0.72 307	0.32 235	0.80 169	0.60 111	0.36 45	0.41 91	0.33 80	0.29 122	0.46 74	0.30 77	0.19 332	0.18 224	0.13 227	0.13 174	0.18 137	0.22 89

XQC	0.84 328	1.32 348	2.61 256	0.78 381	0.44 294	0.89 370	0.53 345	1.16 403	1.07 400	0.85 363	0.69 293	0.92 359	0.73 352	1.40 273	1.44 363	0.24 370	0.35 288	0.23 369	0.26 327	0.45 386	0.39 196

MSKI-zero shot	0.70 268	0.44 94	2.62 260	1.47 430	0.75 371	0.56 121	0.20 30	0.80 169	0.45 23	0.60 238	0.52 159	0.44 137	0.17 6	0.70 166	0.26 44	0.09 13	2.87 462	0.09 22	0.32 361	0.14 64	0.50 254

TestStereo1	0.59 169	1.21 325	2.63 261	0.40 251	0.60 339	0.56 121	0.34 257	0.82 184	0.73 241	0.45 82	0.63 256	0.36 89	0.42 219	0.66 155	0.42 154	0.10 55	0.32 282	0.12 169	0.10 80	0.34 328	0.52 264

fff	0.50 95	0.90 255	2.63 261	0.25 10	0.15 16	0.51 71	0.22 61	0.85 215	0.82 319	0.55 176	0.48 122	0.31 69	0.65 331	0.39 48	0.37 136	0.10 55	0.07 7	0.09 22	0.07 14	0.08 1	0.43 219

SA-5K	0.59 169	1.21 325	2.63 261	0.40 251	0.60 339	0.56 121	0.34 257	0.82 184	0.73 241	0.45 82	0.63 256	0.36 89	0.42 219	0.66 155	0.42 154	0.10 55	0.32 282	0.12 169	0.10 80	0.34 328	0.52 264

RALAANet	0.52 106	1.37 367	2.63 261	0.33 136	0.23 135	0.48 58	0.19 19	0.69 118	0.55 80	0.49 115	0.46 111	0.39 102	0.31 137	0.53 114	0.53 203	0.10 55	0.33 286	0.11 119	0.17 250	0.29 294	0.13 18

DCANet	0.49 91	0.91 258	2.63 261	0.26 22	0.14 10	0.51 71	0.22 61	0.84 203	0.78 288	0.56 188	0.49 135	0.32 74	0.41 207	0.39 48	0.41 149	0.10 55	0.07 7	0.09 22	0.07 14	0.14 64	0.45 236

csc	0.50 95	0.90 255	2.63 261	0.25 10	0.15 16	0.51 71	0.22 61	0.85 215	0.82 319	0.55 176	0.48 122	0.31 69	0.65 331	0.39 48	0.37 136	0.10 55	0.07 7	0.09 22	0.07 14	0.08 1	0.43 219

cscssc	0.50 95	0.90 255	2.63 261	0.25 10	0.15 16	0.51 71	0.22 61	0.85 215	0.82 319	0.55 176	0.48 122	0.31 69	0.65 331	0.39 48	0.37 136	0.10 55	0.07 7	0.09 22	0.07 14	0.08 1	0.43 219

111	0.57 145	1.41 372	2.63 261	0.25 10	0.15 16	0.59 171	0.26 146	0.90 258	0.83 325	0.50 133	0.54 180	0.57 218	0.38 175	0.54 120	0.41 149	0.10 55	0.07 7	0.09 22	0.07 14	0.24 230	0.81 346

PWCDC_ROB	0.83 326	1.57 393	2.63 261	0.48 295	0.37 262	0.78 338	0.29 200	1.04 356	1.36 423	0.63 268	2.05 428	0.64 250	0.70 347	1.10 230	1.20 340	0.33 396	0.14 180	0.15 286	0.12 156	0.63 413	0.46 239

aanetorigin	0.81 317	1.03 281	2.64 270	0.44 278	0.44 294	0.59 171	1.00 420	0.59 83	0.70 216	1.54 430	1.22 401	0.82 333	1.08 399	1.06 225	1.07 326	0.18 317	0.15 194	0.17 319	0.21 295	0.53 403	0.65 304

MIM_Stereo	0.55 130	0.92 263	2.65 271	0.32 115	1.09 417	0.51 71	0.19 19	0.67 112	0.52 60	0.48 99	0.54 180	0.43 122	0.27 91	0.57 127	0.30 77	0.08 1	0.17 217	0.11 119	0.10 80	0.28 286	0.80 342

anonymousdsp	0.86 340	0.59 153	2.65 271	1.33 419	1.25 428	0.56 121	0.23 89	0.54 54	0.71 230	1.13 395	0.25 14	0.22 13	0.24 51	1.24 254	0.24 21	0.09 13	2.34 456	0.10 68	0.18 258	0.25 245	3.12 461

IGEV-Stereo	0.86 340	0.60 154	2.65 271	1.35 421	1.25 428	0.56 121	0.23 89	0.54 54	0.71 230	1.14 396	0.25 14	0.22 13	0.24 51	1.24 254	0.24 21	0.09 13	2.34 456	0.10 68	0.18 258	0.25 245	3.13 462
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GMStereo	0.44 52	1.32 348	2.65 271	0.28 47	0.16 23	0.42 35	0.22 61	0.48 22	0.63 134	0.41 59	0.36 63	0.26 39	0.25 67	0.41 62	0.30 77	0.14 244	0.08 40	0.10 68	0.12 156	0.17 113	0.13 18
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UGAM	0.69 262	0.84 232	2.66 275	0.40 251	0.20 91	0.53 96	0.34 257	0.63 100	0.74 259	0.45 82	0.74 327	0.95 372	0.36 161	2.57 413	0.42 154	0.11 131	0.45 308	0.17 319	0.19 275	0.43 380	0.57 282

MyStereo04	0.57 145	0.68 181	2.66 275	0.30 81	0.41 282	0.61 203	0.31 224	0.88 242	0.80 306	0.48 99	0.37 69	0.54 199	0.42 219	0.61 140	0.71 263	0.09 13	0.59 334	0.12 169	0.21 295	0.16 91	0.48 245

gwcnet-sp	0.52 106	0.71 192	2.66 275	0.32 115	0.22 113	0.66 277	0.31 224	0.84 203	0.69 206	0.61 247	0.49 135	0.46 158	0.43 231	0.77 185	0.48 180	0.12 168	0.11 136	0.11 119	0.11 125	0.19 166	0.19 71

scenet	0.52 106	0.71 192	2.66 275	0.32 115	0.22 113	0.66 277	0.31 224	0.84 203	0.69 206	0.61 247	0.49 135	0.46 158	0.43 231	0.77 185	0.48 180	0.12 168	0.11 136	0.11 119	0.11 125	0.19 166	0.19 71

ssnet	0.52 106	0.71 192	2.66 275	0.32 115	0.22 113	0.66 277	0.31 224	0.84 203	0.69 206	0.61 247	0.49 135	0.46 158	0.43 231	0.77 185	0.48 180	0.12 168	0.11 136	0.11 119	0.11 125	0.19 166	0.19 71

CrosDoStereo	0.96 369	0.49 109	2.66 275	0.27 32	0.33 231	0.54 105	3.69 458	0.77 148	0.66 157	0.70 314	1.39 411	0.53 194	1.47 418	1.77 332	3.02 430	0.10 55	0.08 40	0.11 119	0.11 125	0.22 209	0.30 145

STrans-v2	0.69 262	0.62 165	2.66 275	0.28 47	0.23 135	0.57 143	0.32 235	1.01 335	0.77 283	0.92 372	0.84 352	0.88 354	0.92 386	1.81 342	1.19 339	0.10 55	0.07 7	0.10 68	0.09 46	0.12 32	0.30 145

DeepStereo_LL	0.96 369	0.49 109	2.66 275	0.27 32	0.33 231	0.54 105	3.69 458	0.77 148	0.66 157	0.70 314	1.39 411	0.53 194	1.47 418	1.77 332	3.02 430	0.10 55	0.08 40	0.11 119	0.11 125	0.22 209	0.30 145

MIF-Stereo (partial)	0.41 32	0.71 192	2.67 283	0.27 32	0.24 147	0.32 10	0.17 11	0.56 66	0.46 24	0.26 25	0.37 69	0.25 31	0.26 77	0.46 74	0.35 130	0.11 131	0.08 40	0.12 169	0.10 80	0.21 194	0.15 38

ssnet_v2	0.64 222	0.99 272	2.67 283	0.33 136	0.22 113	0.72 307	0.45 319	1.00 326	0.80 306	0.66 299	0.54 180	0.81 328	0.48 270	0.91 211	1.08 327	0.16 287	0.14 180	0.14 261	0.14 195	0.33 321	0.31 153

TransformOpticalFlow	0.65 229	0.61 161	2.67 283	0.45 285	0.26 168	0.62 225	0.28 175	0.88 242	0.76 273	0.76 336	0.74 327	0.90 358	0.84 371	1.82 345	0.80 287	0.10 55	0.07 7	0.11 119	0.09 46	0.12 32	0.19 71

GANet-RSSM	0.63 213	1.14 304	2.67 283	0.38 225	0.26 168	0.59 171	0.29 200	0.81 176	0.56 86	0.50 133	0.57 214	0.67 262	0.50 277	1.91 365	0.50 193	0.14 244	0.10 110	0.24 374	0.12 156	0.36 344	0.28 131

RTSC	0.84 328	1.40 371	2.67 283	0.50 312	0.40 277	0.83 355	0.33 249	1.11 392	1.14 408	0.93 375	0.82 348	0.84 339	0.58 312	1.34 268	1.82 383	0.18 317	0.49 316	0.14 261	0.30 348	0.46 390	0.42 214

RAFT-345	0.56 138	0.37 57	2.68 288	0.40 251	0.34 241	0.58 153	0.41 296	0.49 25	0.70 216	0.51 144	0.99 382	0.43 122	0.28 105	1.56 296	0.81 291	0.10 55	0.07 7	0.11 119	0.09 46	0.11 22	0.09 2

ADLNet	0.68 255	1.02 278	2.68 288	0.35 178	0.34 241	0.67 284	0.34 257	0.95 292	0.79 298	0.70 314	0.62 248	0.80 325	0.46 255	1.77 332	0.69 256	0.15 273	0.12 152	0.14 261	0.14 195	0.31 310	0.54 270

ADCRef	0.88 347	1.45 381	2.68 288	0.38 225	0.35 249	0.95 382	0.51 339	0.92 272	0.81 314	0.89 367	0.84 352	0.61 234	1.35 409	1.26 260	3.38 435	0.14 244	0.12 152	0.17 319	0.19 275	0.28 286	0.34 168

GANet	0.92 360	1.20 323	2.68 288	0.45 285	0.27 179	0.76 322	0.66 381	0.94 279	0.77 283	0.79 347	1.17 397	0.84 339	0.91 383	2.72 426	1.76 379	0.18 317	0.42 303	0.44 415	0.20 285	0.33 321	0.94 365

PASM	0.82 320	1.00 273	2.68 288	0.52 316	0.48 307	0.65 264	0.59 364	0.83 195	0.89 359	0.82 357	0.73 324	0.89 357	0.68 341	2.39 402	0.73 269	0.35 399	0.37 291	0.36 403	0.41 398	0.45 386	0.51 258

DeepPruner_ROB	0.58 153	1.06 287	2.68 288	0.30 81	0.26 168	0.63 239	0.31 224	0.83 195	0.51 50	0.62 259	0.56 203	0.65 253	0.39 190	1.06 225	0.56 212	0.19 332	0.14 180	0.14 261	0.14 195	0.24 230	0.33 160

DualNet (step1)	0.76 300	0.69 186	2.69 294	0.28 47	0.23 135	0.81 349	0.33 249	0.99 317	0.86 345	0.64 278	0.63 256	0.67 262	0.49 274	1.18 246	0.52 198	0.65 418	1.21 394	0.86 431	0.56 423	0.25 245	0.72 323

test_sample9	1.07 388	0.69 186	2.69 294	0.28 47	0.23 135	0.81 349	0.33 249	0.99 317	0.86 345	0.64 278	0.63 256	0.67 262	0.49 274	2.02 372	2.70 420	0.65 418	4.33 465	0.86 431	0.56 423	0.25 245	0.72 323

test_sample8	1.23 402	0.69 186	2.69 294	0.28 47	0.23 135	0.81 349	0.33 249	1.01 335	0.75 265	1.23 411	0.63 256	2.53 439	1.31 407	2.02 372	2.70 420	0.65 418	4.33 465	0.86 431	0.56 423	0.25 245	0.72 323

IMH-64-1	1.50 422	1.98 426	2.69 294	1.39 425	1.12 421	1.39 414	1.19 434	1.80 437	1.47 427	1.19 400	2.20 433	1.53 424	1.51 422	2.12 385	1.98 386	1.34 448	0.68 346	1.28 447	0.70 434	1.37 444	1.12 383

IMH-64	1.50 422	1.98 426	2.69 294	1.39 425	1.12 421	1.39 414	1.19 434	1.80 437	1.47 427	1.19 400	2.20 433	1.53 424	1.51 422	2.12 385	1.98 386	1.34 448	0.68 346	1.28 447	0.70 434	1.37 444	1.12 383

PFNet	0.62 200	0.42 83	2.69 294	0.43 274	0.55 323	0.62 225	0.27 163	0.64 103	0.72 237	0.61 247	0.56 203	0.45 149	0.33 148	1.86 352	1.12 331	0.28 386	0.09 86	0.12 169	0.16 236	0.26 263	0.27 125

GwcNet-RSSM	0.64 222	1.38 370	2.69 294	0.33 136	0.26 168	0.60 184	0.32 235	0.84 203	0.73 241	0.56 188	0.65 275	0.72 296	0.42 219	1.78 335	0.60 224	0.14 244	0.10 110	0.12 169	0.13 174	0.26 263	0.26 119

StereoVision	0.52 106	1.12 301	2.70 301	0.34 158	0.32 225	0.47 53	0.26 146	0.73 134	0.61 114	0.33 43	0.89 365	0.45 149	0.26 77	0.52 107	0.39 144	0.14 244	0.15 194	0.16 304	0.15 215	0.22 209	0.14 30

Sa-1000	0.61 184	1.07 288	2.71 302	0.32 115	0.61 348	0.61 203	0.31 224	1.00 326	0.76 273	0.53 161	0.83 350	0.43 122	0.33 148	0.69 165	0.30 77	0.10 55	0.52 321	0.13 227	0.28 337	0.29 294	0.29 137

ac_64	0.63 213	0.77 217	2.71 302	0.37 206	0.34 241	0.64 250	0.30 214	0.86 226	0.67 170	0.58 210	0.53 164	0.88 354	0.48 270	1.84 348	0.71 263	0.15 273	0.12 152	0.12 169	0.12 156	0.21 194	0.25 111

MyStereo05	0.57 145	0.72 197	2.72 304	0.31 95	0.25 154	0.60 184	0.30 214	0.87 234	0.82 319	0.54 165	0.37 69	0.53 194	0.42 219	0.63 144	0.73 269	0.09 13	0.55 327	0.12 169	0.20 285	0.16 91	0.56 278

HH	0.79 312	0.52 127	2.72 304	1.45 427	0.80 381	0.91 374	0.23 89	0.76 142	0.76 273	0.64 278	0.55 190	0.87 350	0.41 207	0.94 214	0.45 168	0.09 13	1.20 391	0.10 68	0.09 46	0.16 91	2.16 441

HanStereo	0.79 312	0.52 127	2.72 304	1.45 427	0.80 381	0.91 374	0.23 89	0.76 142	0.76 273	0.64 278	0.55 190	0.87 350	0.41 207	0.94 214	0.45 168	0.09 13	1.20 391	0.10 68	0.09 46	0.16 91	2.16 441

ASMatch	0.61 184	0.47 103	2.72 304	0.91 393	0.36 256	0.56 121	0.24 111	0.54 54	0.67 170	0.48 99	1.20 399	0.47 167	0.65 331	1.33 267	0.93 306	0.10 55	0.08 40	0.11 119	0.11 125	0.10 14	0.17 57

AANet_RVC	0.79 312	1.46 383	2.72 304	0.34 158	0.25 154	0.59 171	0.32 235	0.88 242	0.83 325	0.62 259	0.95 374	0.80 325	0.43 231	2.46 407	1.72 375	0.38 400	0.26 270	0.10 68	0.09 46	0.25 245	0.43 219

HITNet	0.55 130	1.28 343	2.73 309	0.35 178	0.14 10	0.56 121	0.23 89	0.89 250	0.62 123	0.52 153	0.51 150	0.49 177	0.38 175	0.52 107	0.60 224	0.09 13	0.07 7	0.10 68	0.08 32	0.25 245	0.61 292
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
CBMV_ROB	0.88 347	0.75 214	2.73 309	0.36 194	0.22 113	0.76 322	0.47 329	1.05 364	0.81 314	1.06 389	1.04 390	0.88 354	1.36 411	2.17 388	2.03 389	0.23 364	0.24 258	0.27 382	0.25 321	0.27 274	0.73 327

FADNet-RVC	0.69 262	1.65 407	2.74 311	0.35 178	0.26 168	0.60 184	0.29 200	0.91 265	0.67 170	0.46 93	0.51 150	0.62 239	0.46 255	1.75 327	0.81 291	0.17 306	0.20 241	0.17 319	0.18 258	0.60 409	0.39 196

AF-Net	0.76 300	1.14 304	2.74 311	0.42 264	0.41 282	0.70 296	0.41 296	1.07 380	0.94 373	0.73 326	1.05 392	1.04 391	0.86 376	1.23 252	1.00 319	0.23 364	0.15 194	0.25 379	0.18 258	0.32 317	0.35 174

Wz-Net-MNSev	0.74 285	1.42 376	2.75 313	0.38 225	0.33 231	0.90 373	0.61 372	0.98 309	0.94 373	0.77 338	0.75 334	0.75 307	0.66 337	1.39 271	0.76 276	0.17 306	0.13 166	0.14 261	0.14 195	0.28 286	0.48 245

DN-CSS_ROB	0.56 138	1.64 406	2.75 313	0.42 264	0.22 113	0.57 143	0.19 19	0.79 163	0.66 157	0.46 93	0.62 248	0.41 116	0.32 143	0.73 178	0.49 189	0.12 168	0.08 40	0.14 261	0.13 174	0.38 357	0.17 57

MSMD_ROB	1.41 415	1.03 281	2.75 313	0.41 261	0.32 225	2.00 441	0.61 372	0.96 295	1.43 424	2.97 457	2.63 444	4.76 457	2.04 439	2.44 406	1.78 381	0.30 391	0.26 270	0.32 397	0.32 361	0.32 317	0.63 298

RAFT_CTSACE	0.58 153	1.16 312	2.76 316	0.36 194	0.29 195	0.54 105	0.29 200	0.69 118	0.51 50	0.51 144	0.75 334	0.67 262	0.37 167	0.63 144	0.47 176	0.08 1	0.49 316	0.11 119	0.10 80	0.41 376	0.32 157

test_5	0.61 184	1.25 338	2.76 316	0.39 238	0.64 355	0.58 153	0.35 266	0.85 215	0.66 157	0.49 115	0.56 203	0.55 207	0.40 197	0.79 193	0.32 104	0.10 55	0.19 229	0.12 169	0.12 156	0.33 321	0.85 353

DDUNet	0.90 357	1.63 405	2.77 318	0.77 379	0.69 364	0.83 355	0.44 315	0.90 258	0.70 216	0.68 307	0.76 337	0.92 359	0.54 293	1.14 239	1.35 355	0.61 416	0.37 291	0.96 437	0.52 418	0.77 424	0.67 307

RAFT-RH_RVC	0.65 229	0.73 200	2.78 319	0.39 238	0.29 195	0.60 184	0.18 16	0.45 14	0.63 134	0.75 334	1.89 424	0.47 167	0.29 122	1.59 308	1.21 341	0.15 273	0.07 7	0.13 227	0.13 174	0.11 22	0.10 5

SA	0.61 184	1.14 304	2.79 320	0.32 115	0.63 351	0.57 143	0.30 214	0.97 302	0.78 288	0.43 72	0.63 256	0.39 102	0.46 255	0.70 166	0.31 94	0.10 55	0.44 307	0.13 227	0.32 361	0.31 310	0.51 258

plain	0.43 39	0.73 200	2.80 321	0.28 47	0.19 79	0.33 15	0.21 47	0.63 100	0.50 45	0.24 14	0.38 75	0.24 26	0.25 67	0.48 87	0.32 104	0.12 168	0.08 40	0.13 227	0.09 46	0.43 380	0.13 18

UDG	0.86 340	1.57 393	2.80 321	0.68 369	0.59 334	0.78 338	0.38 285	0.97 302	0.74 259	0.63 268	0.70 306	1.01 383	0.68 341	1.02 220	1.22 344	0.45 408	0.34 287	0.89 435	0.51 416	0.73 419	0.58 284

MaskLacGwcNet_RVC	0.84 328	1.41 372	2.80 321	0.94 395	0.35 249	0.89 370	0.41 296	0.89 250	0.66 157	0.57 204	0.63 256	0.75 307	0.38 175	2.37 398	0.55 210	1.16 443	0.31 281	0.36 403	0.21 295	0.59 408	0.63 298

ADCL	1.07 388	1.22 330	2.80 321	0.40 251	0.33 231	1.50 418	1.87 451	0.97 302	1.04 396	1.26 414	1.28 403	0.99 379	1.41 415	1.36 270	3.51 438	0.17 306	0.14 180	0.22 361	0.21 295	0.32 317	0.43 219

Wz-Net-LNSev	0.66 247	1.30 346	2.81 325	0.35 178	0.37 262	0.80 345	0.48 331	0.91 265	0.87 350	0.63 268	0.70 306	0.80 325	0.59 315	0.67 158	0.68 254	0.15 273	0.14 180	0.12 169	0.12 156	0.24 230	0.38 189

UNet	0.56 138	0.58 147	2.81 325	0.32 115	0.33 231	0.74 316	0.27 163	0.86 226	0.67 170	0.55 176	0.55 190	0.72 296	0.55 298	0.79 193	0.58 218	0.12 168	0.09 86	0.13 227	0.11 125	0.20 184	0.19 71

stereogan	0.74 285	0.68 181	2.82 327	0.40 251	0.40 277	1.05 391	0.42 302	0.99 317	0.96 380	0.78 346	0.86 360	1.15 409	0.73 352	1.57 301	0.56 212	0.20 341	0.19 229	0.20 353	0.16 236	0.37 350	0.34 168

CBMV	0.86 340	1.00 273	2.82 327	0.35 178	0.21 103	0.78 338	0.78 401	1.05 364	0.87 350	0.90 369	0.74 327	0.87 350	1.89 435	1.67 318	1.38 361	0.19 332	0.20 241	0.21 357	0.19 275	0.28 286	0.84 349
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
FTStereo	0.79 312	0.32 17	2.83 329	0.70 371	0.21 103	0.73 311	1.75 449	0.61 90	0.60 111	1.07 390	1.62 419	1.28 414	2.11 440	0.75 182	0.30 77	0.19 332	0.08 40	0.12 169	0.11 125	0.12 32	0.39 196

DRN-Test	0.71 272	0.79 226	2.83 329	0.40 251	0.44 294	0.80 345	0.41 296	1.07 380	0.83 325	0.82 357	0.64 268	0.68 276	0.57 305	1.78 335	0.79 285	0.16 287	0.13 166	0.17 319	0.16 236	0.24 230	0.51 258

DPSNet	1.02 379	0.72 197	2.84 331	0.60 342	0.39 271	1.08 396	0.75 397	1.41 423	1.14 408	0.74 332	0.69 293	1.05 394	1.67 426	2.09 383	2.22 404	0.27 383	0.61 337	0.20 353	0.50 414	0.48 395	1.03 377

PDISCO_ROB	0.84 328	1.46 383	2.84 331	0.65 357	0.59 334	1.17 404	0.48 331	1.19 408	1.08 402	0.67 301	0.72 322	1.00 382	0.61 323	1.24 254	1.05 324	0.38 400	0.18 224	0.28 384	0.24 313	0.58 407	0.44 232

MIPNet	0.88 347	1.07 288	2.85 333	0.61 348	0.18 53	1.46 416	1.37 440	1.65 433	0.78 288	1.93 436	0.85 355	0.75 307	1.66 425	0.87 205	0.34 123	0.10 55	0.08 40	0.11 119	0.32 361	0.27 274	0.26 119

GwcNet-ADL	0.54 126	0.78 222	2.85 333	0.31 95	0.20 91	0.58 153	0.29 200	0.93 274	0.67 170	0.48 99	0.47 116	0.56 214	0.33 148	0.48 87	0.80 287	0.13 213	0.12 152	0.09 22	0.09 46	0.14 64	0.40 201

FAT-Stereo	0.72 280	0.60 154	2.86 335	0.37 206	0.29 195	0.64 250	0.55 352	1.01 335	0.91 364	0.76 336	0.94 371	0.93 364	0.79 365	1.82 345	0.60 224	0.19 332	0.19 229	0.17 319	0.16 236	0.23 223	0.47 241

IPLG	0.74 285	1.09 292	2.87 336	0.36 194	0.21 103	1.63 426	0.60 367	1.39 422	0.63 134	1.39 420	0.51 150	0.40 110	0.86 376	1.40 273	0.37 136	0.09 13	0.07 7	0.14 261	0.12 156	0.34 328	0.23 98

SGM_RVC	2.11 443	1.07 288	2.87 336	0.98 399	0.92 394	2.72 452	1.88 452	1.91 442	12.27 465	2.09 438	1.99 427	2.47 438	2.24 443	2.87 436	2.03 389	0.54 412	0.47 312	0.42 412	0.47 408	0.74 420	1.22 395
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MyStereo8	0.73 282	1.16 312	2.89 338	0.53 320	0.34 241	0.71 301	0.20 30	1.87 440	0.59 107	0.53 161	0.66 282	0.50 181	0.33 148	1.27 261	0.62 233	0.10 55	1.19 390	0.10 68	0.21 295	0.21 194	0.61 292

GMM-Stereo	0.53 118	0.33 27	2.89 338	0.53 320	0.24 147	0.77 332	0.46 325	0.62 94	0.65 150	0.58 210	0.73 324	0.47 167	0.43 231	0.68 162	0.29 73	0.10 55	0.06 1	0.13 227	0.13 174	0.14 64	0.44 232

FADNet_RVC	0.87 346	1.51 389	2.90 340	0.31 95	0.24 147	0.71 301	0.25 131	1.00 326	0.65 150	0.45 82	0.57 214	0.61 234	0.44 239	1.53 292	0.75 273	0.94 432	0.97 372	0.28 384	1.00 451	0.89 428	1.36 411

TRStereo	0.89 354	1.02 278	2.91 341	4.59 465	0.31 215	0.93 378	0.23 89	1.93 443	0.66 157	0.37 47	0.54 180	0.48 175	0.40 197	0.67 158	0.29 73	0.13 213	0.37 291	0.11 119	0.48 410	0.13 44	1.21 393

ELAS	1.52 426	0.92 263	2.91 341	0.62 350	0.57 329	3.13 453	2.21 453	1.67 434	1.58 433	2.42 449	2.43 438	1.87 430	2.49 445	1.85 350	2.70 420	0.42 403	0.43 306	0.41 410	0.40 394	0.51 399	0.85 353
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
CC-Net-ROB	0.95 368	1.57 393	2.93 343	0.90 391	0.39 271	0.87 366	0.44 315	1.12 395	0.83 325	0.59 229	0.69 293	0.64 250	0.50 277	2.73 428	0.93 306	0.97 435	0.40 301	0.87 434	0.29 341	0.61 412	0.66 305

PSMNet_ROB	0.75 296	1.42 376	2.93 343	0.39 238	0.32 225	0.73 311	0.56 356	0.90 258	0.74 259	0.56 188	0.60 233	0.75 307	0.47 263	2.00 371	1.31 351	0.18 317	0.13 166	0.19 344	0.20 285	0.26 263	0.40 201

SDNR	2.06 441	2.93 463	2.94 345	1.55 435	5.13 462	1.98 440	0.24 111	1.95 445	2.62 448	0.92 372	2.71 446	5.76 460	0.68 341	3.61 451	3.84 443	0.33 396	0.38 295	0.22 361	0.17 250	1.13 433	2.04 435

STTStereo	0.58 153	0.95 269	2.95 346	0.37 206	0.31 215	0.62 225	0.32 235	0.81 176	0.63 134	0.61 247	0.55 190	0.67 262	0.43 231	0.87 205	0.48 180	0.16 287	0.16 207	0.17 319	0.20 285	0.17 113	0.25 111

Nwc_Net	0.75 296	1.10 297	2.96 347	0.42 264	0.39 271	0.77 332	0.39 291	1.06 377	0.73 241	0.65 293	1.00 383	0.99 379	0.74 356	1.43 278	0.99 317	0.24 370	0.15 194	0.23 369	0.26 327	0.27 274	0.30 145

AASNet	0.66 247	1.49 388	2.97 348	0.37 206	0.33 231	0.65 264	0.30 214	1.00 326	0.78 288	0.56 188	0.60 233	0.55 207	0.39 190	0.88 209	0.96 308	0.15 273	0.12 152	0.13 227	0.11 125	0.45 386	0.35 174

sAnonymous2	0.45 56	0.88 245	2.97 348	0.31 95	0.25 154	0.34 17	0.28 175	0.56 66	0.49 37	0.25 18	0.30 35	0.23 20	0.29 122	0.31 8	0.22 6	0.12 168	0.09 86	0.12 169	0.13 174	0.38 357	0.43 219

CroCo_RVC	0.45 56	0.88 245	2.97 348	0.31 95	0.25 154	0.34 17	0.28 175	0.56 66	0.49 37	0.25 18	0.30 35	0.23 20	0.29 122	0.31 8	0.22 6	0.12 168	0.09 86	0.12 169	0.13 174	0.38 357	0.43 219

NCC-stereo	0.88 347	1.22 330	2.97 348	0.60 342	0.45 297	1.88 435	0.48 331	1.04 356	0.75 265	0.70 314	0.85 355	0.93 364	0.84 371	1.81 342	1.51 367	0.28 386	0.19 229	0.23 369	0.31 354	0.27 274	0.35 174

Abc-Net	0.88 347	1.22 330	2.97 348	0.60 342	0.45 297	1.88 435	0.48 331	1.04 356	0.75 265	0.70 314	0.85 355	0.93 364	0.84 371	1.81 342	1.51 367	0.28 386	0.19 229	0.23 369	0.31 354	0.27 274	0.35 174
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RAFT + AFF	0.79 312	1.73 412	2.99 353	0.34 158	0.35 249	0.67 284	0.51 339	1.05 364	0.79 298	0.54 165	0.58 220	0.59 225	0.81 366	1.80 340	1.21 341	0.13 213	0.27 277	0.15 286	0.14 195	0.45 386	0.69 317

cf-r	0.62 200	1.27 341	2.99 353	0.34 158	0.28 190	0.60 184	0.28 175	0.82 184	0.70 216	0.55 176	0.61 241	0.77 313	0.41 207	1.32 266	0.52 198	0.13 213	0.09 86	0.11 119	0.12 156	0.22 209	0.27 125

AnyNet_C32	1.08 392	1.76 416	3.01 355	0.50 312	0.54 321	1.17 404	1.16 432	0.97 302	0.95 378	1.11 393	0.98 379	0.87 350	0.93 388	1.57 301	4.11 449	0.22 356	0.20 241	0.25 379	0.25 321	0.40 370	0.68 312

GCST	0.84 328	1.48 386	3.02 356	1.12 413	1.09 417	0.62 225	0.19 19	0.79 163	0.56 86	0.60 238	0.65 275	0.50 181	0.31 137	1.24 254	0.74 272	0.76 425	0.46 309	0.84 430	0.64 432	0.71 418	0.57 282

MSC_U_SF_DS_RVC	1.40 414	2.04 433	3.02 356	0.58 341	0.41 282	2.15 445	1.00 420	1.31 417	1.29 418	1.05 387	1.10 395	1.29 416	0.91 383	3.07 440	1.34 353	1.65 455	0.84 365	0.68 426	0.88 445	1.55 449	1.91 429

4D-IteraStereo	0.62 200	1.29 345	3.04 358	0.27 32	0.30 207	0.46 43	0.26 146	0.54 54	0.51 50	0.41 59	0.31 42	0.39 102	0.19 16	0.53 114	0.65 246	0.09 13	0.47 312	0.12 169	0.11 125	0.21 194	2.14 440

GANetREF_RVC	0.81 317	1.44 380	3.04 358	0.49 306	0.27 179	0.83 355	0.63 375	1.03 350	0.92 366	0.63 268	0.61 241	0.72 296	0.59 315	2.40 403	0.58 218	0.33 396	0.25 267	0.37 405	0.25 321	0.41 376	0.36 180
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
MFMNet_re	1.01 378	1.73 412	3.04 358	0.85 387	0.76 374	0.93 378	0.81 404	1.02 343	1.10 403	1.05 387	1.06 393	0.84 339	0.96 390	0.93 213	0.97 309	0.68 423	0.61 337	0.63 423	0.60 431	0.77 424	0.80 342

MeshStereo	1.29 406	1.34 354	3.04 358	0.35 178	0.28 190	1.10 398	0.69 390	1.42 424	1.07 400	2.71 454	2.43 438	2.95 441	1.50 421	2.92 437	2.03 389	0.23 364	0.22 251	0.22 361	0.19 275	0.50 397	0.69 317
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
LL-Strereo	0.85 337	1.73 412	3.06 362	0.37 206	0.61 348	0.54 105	0.33 249	1.01 335	0.76 273	0.69 311	0.58 220	0.85 344	0.78 363	2.65 421	0.54 208	0.14 244	0.58 333	0.14 261	0.12 156	0.42 378	1.05 379

HHNet	0.63 213	0.67 174	3.10 363	0.37 206	0.25 154	0.64 250	0.60 367	0.70 126	0.67 170	0.55 176	1.12 396	0.32 74	0.60 321	0.43 69	1.75 378	0.16 287	0.08 40	0.12 169	0.10 80	0.18 137	0.22 89

NLCA_NET_v2_RVC	0.62 200	1.15 310	3.11 364	0.39 238	0.37 262	0.60 184	0.28 175	0.87 234	0.64 143	0.63 268	0.56 203	0.71 295	0.45 247	1.08 228	0.52 198	0.15 273	0.12 152	0.14 261	0.15 215	0.18 137	0.25 111
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
IPLGR	0.58 153	0.64 169	3.12 365	0.37 206	0.18 53	0.62 225	0.54 348	1.06 377	0.69 206	0.73 326	0.46 111	0.50 181	0.44 239	1.12 236	0.31 94	0.10 55	0.08 40	0.11 119	0.09 46	0.21 194	0.20 79

WCMA_ROB	1.29 406	1.21 325	3.13 366	0.65 357	0.36 256	1.20 407	0.78 401	1.00 326	0.98 386	1.78 435	2.62 443	3.08 445	2.01 438	1.86 352	2.35 409	0.38 400	0.38 295	0.32 397	0.32 361	0.31 310	1.06 380

DispNO	0.76 300	1.36 362	3.15 367	0.32 115	0.27 179	0.59 171	0.29 200	0.88 242	0.72 237	0.55 176	0.79 347	0.83 338	0.47 263	2.46 407	1.23 345	0.12 168	0.10 110	0.18 337	0.31 354	0.20 184	0.25 111

CIPLG	0.63 213	1.59 397	3.16 368	0.79 382	0.31 215	0.62 225	0.57 359	0.82 184	0.68 197	0.58 210	0.63 256	0.43 122	0.31 137	0.48 87	0.42 154	0.12 168	0.20 241	0.13 227	0.13 174	0.36 344	0.21 83

WAO-6	1.69 434	1.87 421	3.21 369	1.15 415	1.01 407	2.29 446	1.06 424	1.85 439	2.84 452	1.30 417	2.59 442	2.19 435	1.67 426	2.62 418	2.52 413	0.96 434	0.68 346	1.19 444	0.84 442	1.13 433	0.95 368

SQANet	0.92 360	1.96 424	3.23 370	0.77 379	0.83 384	0.76 322	0.38 285	0.87 234	0.68 197	0.64 278	0.69 293	0.73 301	0.52 288	1.35 269	1.36 357	0.80 427	0.30 280	0.60 422	0.29 341	0.93 429	0.70 320

APVNet	0.76 300	1.11 299	3.23 370	0.39 238	0.36 256	0.85 361	0.44 315	0.96 295	0.73 241	0.58 210	0.69 293	0.76 311	0.56 300	2.29 393	0.82 294	0.17 306	0.18 224	0.24 374	0.19 275	0.35 339	0.27 125

G-Net	1.02 379	0.70 189	3.23 370	0.60 342	0.66 358	2.00 441	0.71 393	0.78 155	0.70 216	1.14 396	2.53 440	1.29 416	1.01 394	1.47 285	1.74 377	0.25 376	0.24 258	0.24 374	0.26 327	0.37 350	0.40 201

WAO-7	1.58 430	2.04 433	3.25 373	0.94 395	0.75 371	1.75 431	1.13 427	1.87 440	1.97 442	1.46 427	2.53 440	1.98 432	1.75 429	3.13 441	2.48 412	0.69 424	0.67 345	0.94 436	0.74 439	0.80 427	0.77 334

fast-acv-ft	0.67 250	1.24 335	3.26 374	0.39 238	0.30 207	0.80 345	0.48 331	0.74 136	0.76 273	0.60 238	0.78 345	0.76 311	0.60 321	0.70 166	0.78 282	0.16 287	0.15 194	0.18 337	0.17 250	0.38 357	0.24 107

MADNet++	2.94 453	2.17 439	3.27 375	2.55 460	2.28 457	3.29 455	3.37 456	2.76 452	2.67 450	3.10 458	3.20 453	2.78 440	3.25 452	4.11 455	4.68 454	2.72 461	2.27 455	3.03 465	2.43 463	2.34 459	2.59 455

HBP-ISP	0.82 320	1.57 393	3.28 376	0.50 312	0.27 179	0.86 362	0.54 348	1.09 385	0.78 288	0.81 353	0.70 306	0.68 276	1.00 393	2.02 372	0.47 176	0.24 370	0.24 258	0.29 392	0.25 321	0.28 286	0.52 264

ADLNet2	0.73 282	1.22 330	3.28 376	0.34 158	0.36 256	0.65 264	0.37 277	0.94 279	0.87 350	0.57 204	0.65 275	0.92 359	0.48 270	2.05 375	0.60 224	0.13 213	0.11 136	0.11 119	0.11 125	0.37 350	0.38 189

1111x	1.06 386	0.79 226	3.29 378	0.33 136	0.60 339	0.64 250	0.33 249	1.10 388	0.92 366	0.59 229	0.69 293	0.59 225	0.47 263	2.64 420	4.61 453	0.12 168	1.38 415	0.11 119	0.49 412	0.18 137	1.30 404

FCDSN-DC	1.45 419	1.12 301	3.30 379	0.48 295	0.41 282	1.13 400	0.60 367	1.17 406	1.28 417	2.25 445	2.85 448	3.65 448	3.34 454	2.58 415	2.44 411	0.31 393	0.26 270	0.31 394	0.30 348	0.37 350	0.78 337
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_RVC	1.57 429	2.56 460	3.30 379	0.66 362	0.41 282	1.15 402	0.51 339	1.27 413	1.35 422	1.61 432	1.20 399	1.43 421	0.97 391	1.80 340	2.10 394	1.88 458	1.79 430	1.97 462	2.14 461	1.61 450	1.76 428

ARAFT	0.65 229	1.69 411	3.34 381	0.29 65	0.16 23	0.65 264	0.36 274	0.96 295	0.73 241	0.63 268	0.49 135	0.56 214	0.31 137	1.23 252	0.35 130	0.11 131	0.08 40	0.14 261	0.13 174	0.38 357	0.50 254

Wz-Net-SNSev	0.85 337	1.83 419	3.36 382	0.42 264	0.31 215	0.71 301	0.66 381	1.04 356	0.94 373	0.68 307	0.85 355	0.96 373	0.62 325	1.75 327	1.14 333	0.16 287	0.15 194	0.16 304	0.17 250	0.39 364	0.63 298

IPLGR_C	0.64 222	1.66 409	3.36 382	0.80 383	0.31 215	0.60 184	0.60 367	0.82 184	0.69 206	0.58 210	0.62 248	0.44 137	0.31 137	0.47 78	0.43 161	0.12 168	0.22 251	0.13 227	0.15 215	0.35 339	0.21 83

test_xeample3	0.86 340	0.75 214	3.36 382	0.65 357	0.76 374	0.49 63	0.33 249	1.21 411	0.80 306	0.61 247	0.23 7	0.30 62	0.29 122	1.17 244	1.57 371	0.10 55	1.79 430	0.10 68	0.40 394	0.25 245	2.09 437

ADCS	1.14 396	2.02 431	3.36 382	0.43 274	0.37 262	0.96 384	0.81 404	1.12 395	1.17 412	1.25 413	0.98 379	1.08 398	0.92 386	1.41 276	4.97 455	0.23 364	0.21 249	0.22 361	0.23 310	0.40 370	0.67 307

ELAS_RVC	1.51 425	0.88 245	3.36 382	0.63 352	0.56 325	1.53 419	2.73 455	1.53 428	1.76 438	2.26 446	2.21 435	2.10 433	3.07 450	2.08 380	2.52 413	0.42 403	0.42 303	0.42 412	0.37 386	0.51 399	0.84 349
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
FC-DCNN v2	1.65 433	0.85 236	3.39 387	0.46 288	0.39 271	2.02 443	0.66 381	1.94 444	1.84 440	2.81 456	2.99 452	4.39 455	3.25 452	2.81 434	2.75 423	0.29 390	0.26 270	0.31 394	0.30 348	0.33 321	0.91 361

ffm	0.78 308	0.67 174	3.39 387	0.32 115	0.22 113	0.58 153	0.28 175	0.85 215	0.96 380	0.54 165	0.74 327	0.67 262	0.40 197	0.64 149	0.22 6	0.10 55	2.16 452	0.15 286	0.33 371	0.25 245	2.19 443

ff1	1.07 388	0.67 174	3.39 387	0.32 115	0.22 113	0.58 153	0.28 175	0.85 215	0.96 380	0.54 165	0.74 327	0.67 262	0.40 197	2.75 430	3.86 444	0.10 55	2.16 452	0.15 286	0.33 371	0.25 245	2.19 443

mmx	0.99 376	0.67 174	3.39 387	0.32 115	0.22 113	0.58 153	0.28 175	1.05 364	0.92 366	0.54 165	0.74 327	0.67 262	0.40 197	2.75 430	3.86 444	0.13 213	1.25 398	0.15 286	0.33 371	0.19 166	1.28 402

xxx	0.99 376	0.67 174	3.39 387	0.32 115	0.22 113	0.58 153	0.28 175	1.05 364	0.92 366	0.54 165	0.74 327	0.67 262	0.40 197	2.75 430	3.86 444	0.13 213	1.25 398	0.15 286	0.33 371	0.19 166	1.28 402

AIO-Stereo-zeroshot1	0.94 366	0.84 232	3.40 392	1.46 429	0.78 379	1.37 412	0.70 392	1.11 392	0.68 197	0.80 349	1.29 404	1.09 401	0.59 315	1.16 241	1.01 321	0.14 244	0.53 323	0.11 119	0.46 407	0.31 310	0.86 356

rrr	0.84 328	0.74 210	3.40 392	0.76 376	0.77 376	0.45 40	0.28 175	1.23 412	0.84 337	0.71 323	0.22 4	0.30 62	0.28 105	1.29 263	1.53 369	0.10 55	1.50 421	0.10 68	0.29 341	0.24 230	1.75 427

ACRE	0.63 213	1.55 392	3.41 394	0.76 376	0.28 190	0.60 184	0.56 356	0.82 184	0.68 197	0.57 204	0.62 248	0.43 122	0.30 132	0.47 78	0.42 154	0.12 168	0.19 229	0.13 227	0.14 195	0.36 344	0.20 79

DeepPrunerF	0.92 360	1.33 352	3.41 394	0.46 288	0.51 311	0.64 250	0.49 336	1.16 403	2.62 448	0.65 293	0.61 241	0.65 253	0.62 325	2.23 390	1.31 351	0.23 364	0.19 229	0.30 393	0.28 337	0.39 364	0.34 168

SPS-STEREO	1.22 401	1.65 407	3.41 394	0.66 362	0.69 364	1.01 387	0.68 388	1.10 388	0.96 380	1.40 422	1.25 402	1.46 423	1.08 399	2.05 375	2.24 405	0.66 421	0.61 337	0.58 420	0.57 427	0.66 416	1.65 424
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
edge stereo	0.84 328	0.74 210	3.42 397	0.38 225	1.21 426	0.63 239	0.41 296	0.98 309	0.83 325	0.81 353	0.88 363	1.14 407	0.73 352	2.16 387	0.89 303	0.22 356	0.20 241	0.26 381	0.18 258	0.38 357	0.43 219

DGSMNet	2.93 452	0.77 217	3.44 398	3.58 464	4.25 461	2.53 451	6.86 466	1.03 350	0.88 354	0.58 210	1.85 423	0.79 319	0.62 325	1.63 311	1.46 364	4.62 464	4.98 467	5.15 468	4.71 467	4.52 467	4.37 464

FC-DCNN	1.60 431	0.85 236	3.44 398	0.46 288	0.39 271	1.96 437	0.66 381	1.72 436	1.70 435	2.75 455	2.91 451	4.20 451	3.15 451	2.72 426	2.66 418	0.30 391	0.26 270	0.31 394	0.30 348	0.33 321	0.91 361

iResNetv2_ROB	0.71 272	1.90 423	3.48 400	0.43 274	0.22 113	0.60 184	0.29 200	0.96 295	0.78 288	0.60 238	0.65 275	0.60 232	0.46 255	0.80 197	1.21 341	0.12 168	0.08 40	0.10 68	0.07 14	0.44 384	0.33 160

Consistency-Raft	0.92 360	1.21 325	3.50 401	0.98 399	0.63 351	0.77 332	0.54 348	1.02 343	1.01 391	0.62 259	1.03 388	0.65 253	1.04 396	0.81 200	1.36 357	0.45 408	0.47 312	0.51 418	0.59 429	0.65 415	0.47 241

MyStereo06	0.70 268	0.72 197	3.51 402	0.31 95	0.25 154	0.60 184	0.30 214	0.90 258	0.67 170	1.48 428	0.53 164	0.84 339	0.57 305	0.60 137	1.11 330	0.09 13	0.55 327	0.12 169	0.20 285	0.16 91	0.56 278

otaku	1.15 397	2.10 436	3.51 402	0.98 399	0.74 369	1.02 388	0.59 364	1.03 350	0.89 359	0.70 314	1.60 417	0.98 376	0.65 331	1.63 311	1.80 382	0.99 437	0.46 309	0.73 428	0.40 394	1.30 442	0.88 358

Ntro	1.11 394	2.10 436	3.52 404	0.97 398	0.87 390	1.06 394	0.54 348	1.02 343	0.93 372	0.63 268	0.76 337	0.93 364	0.67 339	1.76 329	1.71 373	1.03 438	0.46 309	0.76 429	0.41 398	1.29 440	0.86 356

ADCMid	1.06 386	1.82 418	3.53 405	0.39 238	0.36 256	0.99 385	0.58 361	1.01 335	0.94 373	1.23 411	1.02 386	1.01 383	1.01 394	1.11 234	4.04 447	0.22 356	0.19 229	0.42 412	0.32 361	0.42 378	0.53 267

Syn2CoEx	0.78 308	1.43 379	3.54 406	0.44 278	0.31 215	0.64 250	0.43 309	1.04 356	0.83 325	0.64 278	0.77 341	0.74 303	0.74 356	1.91 365	0.64 241	0.20 341	0.17 217	0.19 344	0.15 215	0.30 302	0.59 287

pmcnn	1.44 417	1.25 338	3.57 407	0.74 374	1.42 436	0.72 307	0.56 356	1.04 356	1.06 399	1.03 386	2.89 450	6.01 461	0.75 360	2.54 411	3.60 440	0.14 244	0.11 136	0.08 4	0.06 7	0.34 328	0.81 346

RainbowNet	1.27 404	2.22 443	3.58 408	1.14 414	0.92 394	1.08 396	0.76 398	1.19 408	1.15 410	0.77 338	0.97 376	1.08 398	0.83 370	1.64 314	1.72 375	1.20 445	1.30 409	1.01 440	0.58 428	1.23 437	0.97 373

DMCA-RVC	0.70 268	1.30 346	3.59 409	0.37 206	0.89 391	0.57 143	0.31 224	0.73 134	0.59 107	0.69 311	0.54 180	0.59 225	0.57 305	1.25 258	0.66 249	0.16 287	0.38 295	0.20 353	0.15 215	0.22 209	0.23 98

NVStereoNet_ROB	1.45 419	1.62 402	3.59 409	1.09 407	0.70 366	0.86 362	0.67 386	1.19 408	1.51 429	1.20 405	4.05 457	1.61 426	1.94 436	2.97 439	2.07 393	0.67 422	0.69 349	0.55 419	0.70 434	0.57 406	0.67 307
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
IMH	2.14 444	2.46 456	3.60 411	1.70 442	1.13 423	1.65 427	0.93 414	2.13 447	1.93 441	1.37 418	2.64 445	2.19 435	1.82 433	5.77 460	2.18 401	5.70 465	1.05 382	1.31 449	0.72 438	1.39 446	1.13 385

AIO-Stereo-zeroshot	0.82 320	0.78 222	3.67 412	0.35 178	0.81 383	1.25 408	0.88 409	1.13 398	0.58 98	0.84 361	0.52 159	1.24 412	0.64 329	0.77 185	0.70 257	0.10 55	0.53 323	0.11 119	0.45 403	0.29 294	0.81 346

GwcNet	0.76 300	1.09 292	3.68 413	0.38 225	0.45 297	0.81 349	0.45 319	0.91 265	0.89 359	0.63 268	0.77 341	0.82 333	0.51 281	1.64 314	0.85 298	0.17 306	0.16 207	0.15 286	0.15 215	0.33 321	0.34 168

Wz-Net-TNSev	1.02 379	2.26 447	3.69 414	0.38 225	0.31 215	1.00 386	0.71 393	1.12 395	1.02 392	0.74 332	0.73 324	1.09 401	0.91 383	2.46 407	2.15 399	0.21 350	0.20 241	0.16 304	0.20 285	0.48 395	0.62 294

ktn	4.44 460	2.47 457	3.70 415	1.82 448	1.49 442	2.11 444	1.40 444	2.30 448	12.56 466	11.36 468	16.25 471	11.30 469	3.77 456	4.41 458	3.47 437	1.86 457	0.99 374	1.74 461	1.21 455	3.28 462	1.39 412

WAO-8	2.91 450	2.55 458	3.77 416	1.93 454	1.04 411	4.08 459	0.99 416	3.25 458	6.09 459	2.20 443	3.34 454	3.33 446	2.64 446	11.73 468	2.52 413	2.12 459	1.92 434	1.55 455	0.93 446	1.27 438	0.96 370

Venus	2.91 450	2.55 458	3.77 416	1.93 454	1.04 411	4.08 459	0.99 416	3.25 458	6.09 459	2.20 443	3.34 454	3.33 446	2.64 446	11.73 468	2.52 413	2.12 459	1.92 434	1.55 455	0.93 446	1.27 438	0.96 370

S-Stereo	0.82 320	0.73 200	3.79 418	0.40 251	0.37 262	0.70 296	0.69 390	1.00 326	1.03 393	0.63 268	0.92 369	0.82 333	0.59 315	2.35 397	0.71 263	0.18 317	0.22 251	0.17 319	0.18 258	0.30 302	0.67 307

IGEV_Zeroshot_test	0.91 359	0.39 70	3.80 419	0.42 264	1.95 452	0.56 121	0.64 376	0.84 203	0.55 80	1.45 425	0.53 164	0.79 319	0.42 219	0.57 127	1.13 332	0.10 55	0.49 316	0.10 68	0.34 376	0.19 166	2.97 459

FADNet-RVC-Resample	0.74 285	1.54 391	3.81 420	0.38 225	0.29 195	0.62 225	0.38 285	0.91 265	0.67 170	0.52 153	0.51 150	0.63 243	0.44 239	1.56 296	0.59 222	0.24 370	0.32 282	0.22 361	0.19 275	0.30 302	0.71 322

ADCP+	1.03 383	1.68 410	3.83 421	0.35 178	0.39 271	1.05 391	0.79 403	0.94 279	0.86 345	0.69 311	0.68 290	0.85 344	1.53 424	1.02 220	4.56 452	0.13 213	0.12 152	0.16 304	0.15 215	0.28 286	0.44 232

NaN_ROB	1.25 403	1.46 383	3.84 422	0.54 326	0.56 325	1.12 399	0.99 416	1.05 364	1.03 393	1.10 391	0.87 361	0.77 313	1.07 398	5.85 461	2.98 428	0.16 287	0.23 256	0.16 304	0.24 313	0.28 286	0.66 305

MDST_ROB	1.28 405	0.53 131	3.84 422	0.55 327	0.45 297	4.06 458	0.60 367	1.36 420	0.89 359	2.18 442	1.17 397	0.98 376	0.72 349	4.28 456	2.12 396	0.20 341	0.16 207	0.19 344	0.17 250	0.20 184	0.84 349

MANE	3.51 457	2.03 432	3.88 424	1.89 452	2.01 453	5.98 463	4.72 462	5.87 466	7.13 463	3.80 461	5.10 462	6.11 462	5.34 461	4.39 457	5.05 456	1.07 439	1.28 405	0.50 417	0.85 443	0.76 423	2.36 453

TorneroNet	5.60 463	2.30 450	3.98 425	1.49 433	1.26 430	14.47 470	1.11 425	4.85 464	20.66 480	10.12 465	16.30 472	11.78 470	7.35 464	3.41 449	4.38 451	1.36 450	0.70 352	1.46 454	0.87 444	2.73 460	1.33 405

CVANet_RVC	0.82 320	1.18 318	3.98 425	0.40 251	0.28 190	0.63 239	0.43 309	0.90 258	0.78 288	1.14 396	0.69 293	0.68 276	0.52 288	2.62 418	0.48 180	0.20 341	0.13 166	0.22 361	0.37 386	0.37 350	0.48 245

notaker	2.77 448	2.35 453	4.02 427	2.61 461	1.44 437	1.77 432	1.14 428	2.77 453	1.81 439	2.30 447	11.41 467	3.95 449	4.70 459	3.24 443	3.01 429	1.58 454	0.88 367	1.71 460	1.08 453	2.10 456	1.44 415

GASNet	0.84 328	1.98 426	4.07 428	0.48 295	0.33 231	0.58 153	0.34 257	0.97 302	0.81 314	0.60 238	0.59 226	0.74 303	0.55 298	2.08 380	1.18 337	0.22 356	0.15 194	0.19 344	0.17 250	0.55 405	0.29 137

CSAN	1.38 413	1.74 415	4.12 429	0.53 320	0.38 269	1.06 394	1.15 430	1.29 415	1.12 406	1.19 400	1.90 425	1.04 391	1.44 416	5.92 462	2.82 426	0.26 380	0.22 251	0.24 374	0.25 321	0.35 339	0.54 270

PA-Net	0.93 365	1.36 362	4.14 430	0.64 355	0.41 282	0.70 296	0.53 345	0.91 265	0.88 354	0.53 161	0.60 233	0.70 293	0.54 293	2.40 403	2.57 417	0.17 306	0.28 279	0.19 344	0.28 337	0.25 245	0.48 245
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
JetBlue	1.89 437	2.09 435	4.16 431	0.74 374	1.23 427	4.52 462	3.86 460	1.68 435	1.26 415	1.28 416	1.54 416	2.36 437	1.86 434	3.35 446	3.37 434	0.54 412	0.49 316	0.48 416	0.49 412	1.39 446	1.21 393

TorneroNet-64	2.74 447	2.23 444	4.18 432	1.48 431	1.20 425	3.88 457	1.01 422	3.48 462	6.61 462	2.62 453	4.55 460	4.20 451	3.84 457	3.39 448	3.40 436	1.23 446	0.66 344	1.39 452	0.80 441	3.42 463	1.27 400

WZ-Net	1.04 384	1.83 419	4.20 433	0.42 264	0.36 256	0.88 368	0.71 393	1.05 364	1.11 405	0.84 361	0.94 371	1.06 395	1.17 404	2.37 398	2.24 405	0.20 341	0.14 180	0.15 286	0.16 236	0.36 344	0.53 267

tt	4.94 462	0.32 17	4.22 434	2.29 457	1.58 445	10.19 468	16.94 472	9.44 470	5.03 457	1.69 433	1.33 409	4.68 456	5.02 460	3.38 447	5.91 459	6.15 467	9.47 474	2.80 464	3.16 465	3.54 464	1.58 420

AnyNet_C01	1.20 400	1.89 422	4.25 435	0.55 327	0.54 321	1.57 421	1.39 443	1.10 388	1.13 407	1.19 400	1.34 410	1.15 409	1.11 401	1.73 324	2.89 427	0.26 380	0.24 258	0.28 384	0.24 313	0.50 397	0.68 312

EDNetEfficient	1.29 406	0.78 222	4.27 436	0.65 357	1.03 410	0.94 380	1.38 442	0.87 234	1.75 437	2.33 448	1.32 408	1.04 391	2.21 442	1.59 308	4.07 448	0.16 287	0.19 229	0.15 286	0.27 335	0.38 357	0.40 201

PWCK	1.62 432	2.32 452	4.27 436	1.11 410	0.56 325	1.81 433	1.84 450	1.55 430	1.54 431	1.45 425	1.81 421	1.82 429	1.38 413	3.34 445	2.14 398	1.09 441	0.57 331	0.98 438	0.59 429	1.50 448	0.79 340

SGM+DAISY	2.67 446	2.14 438	4.28 438	1.92 453	2.11 456	4.36 461	5.22 464	3.17 455	3.00 453	3.24 460	3.81 456	3.03 443	3.61 455	2.53 410	3.79 442	1.15 442	1.29 407	0.66 424	0.71 437	0.95 430	2.44 454

pcwnet_v2	0.65 229	0.54 133	4.29 439	0.33 136	0.27 179	0.60 184	0.25 131	1.02 343	0.92 366	0.61 247	0.69 293	0.62 239	0.54 293	0.67 158	0.38 142	0.18 317	0.15 194	0.15 286	0.14 195	0.21 194	0.49 251

LVE	2.10 442	2.61 461	4.30 440	1.79 447	1.81 451	1.68 429	1.04 423	2.35 449	2.78 451	1.27 415	2.87 449	4.21 453	1.46 417	2.83 435	2.02 388	2.87 462	0.92 369	1.19 444	1.47 460	1.29 440	1.18 386

SANet	1.35 411	1.80 417	4.39 441	0.41 261	0.29 195	1.72 430	0.89 411	1.17 406	2.47 446	1.22 409	1.82 422	1.72 428	1.70 428	2.57 413	3.30 432	0.18 317	0.16 207	0.16 304	0.15 215	0.34 328	0.62 294

ACVNet_2	1.54 427	2.20 442	4.42 442	1.10 409	0.93 396	1.37 412	0.87 407	1.53 428	1.71 436	1.22 409	1.72 420	2.12 434	1.06 397	2.58 415	1.93 385	0.94 432	0.54 325	1.00 439	0.56 423	2.11 457	0.96 370

XX-Stereo	0.98 374	0.57 145	4.45 443	1.64 439	5.33 463	0.55 115	0.16 9	0.96 295	0.43 17	0.45 82	0.65 275	0.85 344	0.19 16	0.79 193	0.26 44	0.11 131	0.80 359	0.10 68	0.32 361	0.17 113	0.78 337

FINET	1.92 438	1.96 424	4.49 444	1.62 437	1.39 435	3.51 456	4.39 461	2.89 454	2.58 447	1.39 420	1.98 426	1.35 419	2.12 441	1.64 314	2.12 396	0.84 430	1.03 381	0.18 337	0.29 341	0.54 404	2.12 439

ADCPNet	1.07 388	1.37 367	4.54 445	0.38 225	0.68 362	1.36 410	0.64 376	0.93 274	0.83 325	0.79 347	0.82 348	1.08 398	1.18 405	1.30 265	2.68 419	0.21 350	0.69 349	0.21 357	0.95 448	0.30 302	0.54 270

iRaft-Stereo_20w	1.50 422	0.42 83	4.81 446	2.24 456	2.09 455	1.36 410	1.27 437	1.38 421	0.94 373	2.07 437	0.42 93	0.85 344	0.69 345	0.87 205	1.37 359	0.10 55	4.04 464	0.09 22	0.40 394	0.17 113	4.53 466

ACVNet-4b	2.00 440	2.19 440	4.85 447	1.09 407	0.86 387	1.15 402	0.53 345	1.11 392	1.15 410	0.65 293	1.09 394	1.97 431	0.69 345	2.31 394	9.78 467	5.73 466	0.42 303	1.03 441	0.55 421	1.89 453	0.92 364

ACVNet_1	1.47 421	2.27 448	4.92 448	1.11 410	0.89 391	1.19 406	0.66 381	1.28 414	1.19 413	0.98 378	0.97 376	3.06 444	1.48 420	2.37 398	1.82 383	1.08 440	0.49 316	1.03 441	0.48 410	1.20 436	0.95 368

Dean	1.92 438	2.31 451	5.03 449	1.31 417	1.08 416	1.55 420	0.99 416	1.98 446	2.33 445	1.51 429	4.15 458	4.23 454	1.39 414	2.31 394	2.10 394	1.18 444	0.69 349	1.18 443	0.75 440	1.30 442	1.07 381

DispFullNet	1.69 434	2.25 445	5.23 450	1.53 434	8.78 464	0.89 370	0.37 277	1.03 350	0.98 386	1.37 418	1.00 383	1.13 406	1.97 437	1.51 290	0.98 315	0.55 414	0.32 282	1.19 444	0.64 432	1.16 435	0.88 358

UNDER WATER	2.84 449	2.25 445	5.25 451	1.84 449	1.45 438	2.36 448	1.44 447	3.23 457	6.51 461	2.61 452	2.73 447	5.69 459	5.64 462	3.14 442	4.18 450	1.48 451	0.81 362	1.60 458	1.07 452	1.91 454	1.67 425

SuperB	1.19 399	1.62 402	5.29 452	0.37 206	0.26 168	0.81 349	0.87 407	0.94 279	1.19 413	0.68 307	0.68 290	0.63 243	1.37 412	1.73 324	3.30 432	0.16 287	0.12 152	0.17 319	0.16 236	2.74 461	0.63 298

SGM-ForestM	3.67 458	2.70 462	5.34 453	1.65 440	1.72 449	6.02 464	5.08 463	4.10 463	3.47 454	4.59 462	4.21 459	9.81 466	5.79 463	6.44 463	6.97 462	0.88 431	1.09 385	0.33 401	0.45 403	0.68 417	2.10 438

UNDER WATER-64	2.59 445	2.28 449	5.63 454	1.85 450	1.45 438	3.28 454	1.60 448	2.62 450	5.57 458	2.09 438	2.12 429	4.10 450	4.21 458	2.74 429	3.64 441	1.49 452	0.86 366	1.58 457	1.09 454	1.91 454	1.62 422

HanzoNet	7.85 465	3.30 464	5.75 455	7.47 468	3.97 459	2.34 447	1.37 440	3.47 460	4.02 455	13.30 470	10.49 463	10.86 467	16.67 473	8.50 467	10.51 469	10.80 473	9.84 475	5.83 469	13.69 473	7.24 469	7.51 469

LSM	3.40 455	1.42 376	5.81 456	9.98 470	30.74 480	0.86 362	1.14 428	0.99 317	1.26 415	1.40 422	2.18 432	0.93 364	0.85 374	1.76 329	1.03 322	0.22 356	0.35 288	0.24 374	0.29 341	0.40 370	6.21 468

MADNet+	1.44 417	2.19 440	6.00 457	0.89 389	0.70 366	1.58 422	1.11 425	1.56 431	1.30 420	0.89 367	1.03 388	1.25 413	1.12 402	3.29 444	2.80 424	0.48 411	0.57 331	0.39 407	0.36 385	0.63 413	0.69 317

KSHMR	4.19 459	2.37 454	6.24 458	1.73 445	1.48 441	1.97 439	1.29 438	3.18 456	17.06 475	2.15 441	15.74 470	9.09 465	1.75 429	8.33 466	2.37 410	1.55 453	1.29 407	1.70 459	1.23 456	1.75 451	1.60 421

RTS	1.29 406	1.59 397	6.48 459	0.63 352	0.57 329	1.59 423	0.90 412	1.15 400	1.44 425	1.20 405	1.31 406	1.10 403	0.87 379	2.67 422	2.27 407	0.21 350	0.38 295	0.19 344	0.20 285	0.46 390	0.68 312

RTSA	1.29 406	1.59 397	6.48 459	0.63 352	0.57 329	1.59 423	0.90 412	1.15 400	1.44 425	1.20 405	1.31 406	1.10 403	0.87 379	2.67 422	2.27 407	0.21 350	0.38 295	0.19 344	0.20 285	0.46 390	0.68 312

PML	22.99 476	17.34 473	8.24 461	5.48 466	9.84 465	50.35 485	102.65 485	5.84 465	13.52 467	37.08 485	104.84 485	30.61 485	23.20 480	12.09 470	7.96 464	6.27 468	2.12 446	6.31 470	2.42 462	10.67 472	2.95 457

LE_ROB	4.55 461	2.43 455	9.94 462	2.79 462	4.03 460	2.40 449	3.54 457	2.72 451	11.04 464	11.64 469	4.69 461	5.25 458	10.74 467	4.52 459	9.73 466	0.82 429	0.70 352	1.34 450	0.97 449	0.74 420	0.94 365

JetRed	3.37 454	4.96 465	10.08 463	1.48 431	1.73 450	7.63 465	5.47 465	3.47 460	2.20 443	2.42 449	2.40 437	2.98 442	2.35 444	3.52 450	6.60 460	1.33 447	1.90 433	1.38 451	1.23 456	2.30 458	2.02 434

SGM-Forest	1.84 436	7.91 468	10.36 464	0.42 264	0.33 231	1.04 389	1.29 438	1.01 335	0.88 354	1.19 400	2.30 436	1.03 387	1.79 432	2.60 417	2.81 425	0.22 356	0.21 249	0.21 357	0.19 275	0.25 245	0.79 340
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Anonymous_1	22.76 475	11.11 469	11.93 465	12.73 471	26.05 479	19.39 475	27.77 478	14.18 472	13.64 469	14.92 471	10.66 464	11.26 468	11.24 470	12.48 472	14.45 472	37.82 485	7.87 469	34.92 482	63.61 482	87.51 485	11.75 474

DPSM_ROB	12.32 469	11.13 470	12.31 466	12.90 472	12.80 469	19.81 478	28.13 479	14.50 473	14.31 472	10.62 466	11.34 465	12.03 471	11.89 471	13.08 473	15.22 473	7.09 469	8.31 471	6.47 471	7.32 468	8.69 470	8.43 472

DPSM	12.32 469	11.13 470	12.31 466	12.90 472	12.80 469	19.81 478	28.13 479	14.50 473	14.31 472	10.62 466	11.34 465	12.03 471	11.89 471	13.08 473	15.22 473	7.09 469	8.31 471	6.47 471	7.32 468	8.69 470	8.43 472

LRCNet_RVC	13.78 473	19.34 474	13.01 468	19.47 475	12.67 468	1.85 434	0.42 302	12.28 471	1.10 403	15.76 472	18.69 476	12.52 473	8.65 465	12.22 471	9.64 465	22.29 477	8.38 473	25.92 479	24.06 479	19.72 477	17.59 477

DGTPSM_ROB	8.97 467	5.94 466	13.01 468	5.95 467	11.34 466	8.54 466	24.06 473	6.47 467	13.52 467	5.19 463	11.52 468	6.18 463	11.04 468	7.02 464	13.92 470	4.47 463	7.66 468	3.90 466	7.43 470	4.34 466	7.98 470

psmorigin	1.41 415	0.91 258	13.83 470	0.37 206	0.30 207	0.63 239	0.37 277	0.80 169	0.64 143	0.98 378	0.87 361	1.16 411	0.78 363	3.95 454	1.09 328	0.19 332	0.22 251	0.17 319	0.19 275	0.25 245	0.47 241

DPSMNet_ROB	9.58 468	5.96 467	13.98 471	8.88 469	11.87 467	8.54 466	24.08 474	6.48 468	13.67 470	5.35 464	11.53 469	6.31 464	11.04 468	7.69 465	14.09 471	7.61 472	8.23 470	5.03 467	7.75 471	5.24 468	8.36 471

xxxxx1	29.05 483	20.74 476	14.05 472	50.10 482	40.25 482	19.01 472	26.60 475	21.83 479	20.22 477	16.52 473	17.56 473	18.33 474	21.41 476	16.11 476	20.77 478	23.48 478	26.77 481	66.36 483	78.56 483	30.19 480	32.23 483

tt_ll	29.05 483	20.74 476	14.05 472	50.10 482	40.25 482	19.01 472	26.60 475	21.83 479	20.22 477	16.52 473	17.56 473	18.33 474	21.41 476	16.11 476	20.77 478	23.48 478	26.77 481	66.36 483	78.56 483	30.19 480	32.23 483

ff	29.05 483	20.74 476	14.05 472	50.10 482	40.25 482	19.01 472	26.60 475	21.83 479	20.22 477	16.52 473	17.56 473	18.33 474	21.41 476	16.11 476	20.77 478	23.48 478	26.77 481	66.36 483	78.56 483	30.19 480	32.23 483

HaxPig	19.88 474	22.39 480	22.30 475	17.98 474	17.98 472	12.06 469	12.06 469	16.25 476	15.97 474	21.05 478	21.41 478	18.85 477	18.35 474	20.07 480	19.64 477	23.57 481	23.19 480	24.07 478	23.71 478	22.95 478	23.72 480

DLNR_Zeroshot_test	13.74 472	20.06 475	23.92 476	121.50 486	35.20 481	0.46 43	0.15 4	7.96 469	0.47 30	0.29 37	0.37 69	0.26 39	0.17 6	0.79 193	0.36 132	7.16 471	2.95 463	0.09 22	0.38 390	50.40 484	1.95 432

CasAABBNet	24.76 479	22.38 479	24.44 477	26.05 479	25.75 477	39.79 482	56.76 484	29.10 483	28.88 483	21.22 479	22.69 480	24.21 479	23.99 482	26.23 482	30.62 484	14.22 474	16.71 477	13.03 473	14.75 476	17.49 473	16.97 475

Selective-RAFT-Error	24.83 480	22.44 481	24.80 478	26.10 480	25.82 478	39.85 483	56.72 483	29.21 485	29.03 485	21.29 481	22.80 481	24.25 480	24.07 483	26.28 483	30.60 483	14.24 475	16.85 478	13.04 474	14.75 476	17.53 474	17.02 476

LSM0	26.57 481	22.53 482	25.76 479	30.62 481	52.30 485	39.86 484	56.49 482	29.18 484	28.76 482	21.26 480	22.46 479	24.42 481	23.97 481	26.42 484	30.66 485	14.29 476	16.56 476	13.06 475	14.65 475	17.62 475	20.52 478

MEDIAN_ROB	23.95 477	26.96 484	26.29 480	22.14 476	22.09 474	16.18 471	14.23 470	20.47 477	20.09 476	25.43 482	25.22 483	22.96 478	22.54 479	24.33 481	23.18 481	28.15 483	27.16 484	28.60 480	27.73 480	27.59 479	27.58 481

BEATNet-Init1	12.32 469	12.82 472	28.66 481	3.22 463	3.71 458	21.59 480	11.42 468	14.54 475	13.73 471	20.24 477	20.16 477	26.14 482	19.85 475	19.08 479	15.33 475	1.81 456	1.93 436	2.05 463	2.48 464	4.25 465	3.41 463

AVERAGE_ROB	26.91 482	30.28 485	29.18 482	25.78 477	25.30 476	19.49 476	15.38 471	23.70 482	23.02 481	28.38 484	27.78 484	26.23 483	25.76 484	26.95 485	25.55 482	31.27 484	30.02 485	31.76 481	30.80 481	30.88 483	30.77 482

DPSimNet_ROB	24.35 478	23.81 483	31.38 483	25.93 478	22.83 475	31.30 481	34.38 481	20.78 478	28.92 484	27.39 483	22.99 482	28.29 484	35.76 485	15.47 475	17.82 476	24.28 482	17.90 479	22.23 477	14.12 474	19.38 476	22.12 479

coex-ft	6.14 464	1.98 426	60.80 484	0.34 158	0.30 207	0.80 345	1.17 433	0.76 142	4.34 456	19.82 476	2.15 431	1.61 426	8.77 466	1.82 345	10.36 468	0.44 407	2.05 441	0.18 337	0.19 275	0.39 364	4.61 467

test_example2	115.17 486	122.38 486	93.45 485	115.38 485	123.53 486	101.24 486	113.11 486	54.67 486	99.94 486	135.50 486	136.43 486	85.67 486	85.40 486	110.44 486	104.91 486	152.17 486	205.21 486	99.17 486	114.27 486	138.55 486	112.04 486

EDNetEfficientorigin	8.19 466	1.27 341	145.54 486	0.51 315	0.96 398	0.75 318	0.49 336	0.86 226	1.57 432	2.12 440	1.49 415	1.28 414	1.35 409	1.84 348	2.15 399	0.14 244	0.13 166	0.17 319	0.18 258	0.39 364	0.64 303

Low-res two-view benchmark