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

LoS_RVC	0.29 4	0.33 85	1.19 9	0.25 15	0.34 257	0.43 17	0.22 43	0.42 5	0.32 2	0.22 5	0.33 34	0.23 13	0.24 30	0.31 16	0.21 22	0.07 1	0.07 11	0.07 1	0.05 1	0.10 11	0.31 301

CAS	0.35 34	0.25 32	1.30 17	0.79 362	0.34 257	0.51 56	0.23 59	0.46 12	0.39 15	0.22 5	0.31 28	0.20 2	0.17 1	0.28 3	0.23 33	0.73 376	0.06 1	0.07 1	0.05 1	0.09 7	0.37 332

LoS	0.31 12	0.30 71	1.52 46	0.23 3	0.13 5	0.54 78	0.20 22	0.48 23	0.49 68	0.25 19	0.28 17	0.37 67	0.24 30	0.38 47	0.23 33	0.10 78	0.08 58	0.08 3	0.05 1	0.15 83	0.07 3

CES	0.30 8	0.27 42	1.09 3	0.23 3	0.50 334	0.40 15	0.20 22	0.46 12	0.44 37	0.22 5	0.28 17	0.26 31	0.19 9	0.33 26	0.21 22	0.09 17	0.07 11	0.08 3	0.05 1	0.15 83	0.49 357

CREStereo	0.28 1	0.30 71	1.33 20	0.19 1	0.13 5	0.55 88	0.17 5	0.48 23	0.46 50	0.27 29	0.33 34	0.24 20	0.21 15	0.31 16	0.21 22	0.11 123	0.07 11	0.08 3	0.05 1	0.10 11	0.07 3
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.31 12	0.35 98	1.30 17	0.20 2	0.14 12	0.57 114	0.25 97	0.46 12	0.42 28	0.27 29	0.32 31	0.27 37	0.24 30	0.39 50	0.23 33	0.43 359	0.07 11	0.08 3	0.05 1	0.18 147	0.07 3

Any-RAFT	0.38 46	0.25 32	1.89 161	0.27 39	0.17 61	0.68 254	0.21 31	0.78 178	0.53 99	0.43 74	0.43 71	0.54 162	0.30 98	0.41 56	0.20 19	0.10 78	0.12 197	0.08 3	0.06 7	0.10 11	0.09 16

s12784h	0.36 38	0.28 62	1.58 52	0.23 3	0.11 1	0.62 194	0.24 82	0.79 190	0.64 187	0.44 79	0.52 135	0.28 40	0.26 53	0.50 104	0.24 47	0.11 123	0.06 1	0.09 20	0.06 7	0.16 109	0.06 1

TANstereo	0.33 19	0.49 155	1.75 91	0.23 3	0.12 3	0.54 78	0.16 3	0.40 3	0.45 47	0.45 86	0.51 128	0.26 31	0.22 19	0.29 11	0.20 19	0.10 78	0.10 140	0.08 3	0.06 7	0.08 1	0.11 37

XX-TBD	0.34 26	0.77 246	1.75 91	0.34 174	0.13 5	0.51 56	0.17 5	0.43 6	0.50 74	0.37 47	0.49 118	0.23 13	0.18 6	0.28 3	0.24 47	0.10 78	0.07 11	0.08 3	0.06 7	0.09 7	0.07 3

iResNet_ROB	0.50 162	1.15 346	1.73 81	0.31 116	0.21 113	0.58 129	0.22 43	0.95 293	0.82 310	0.58 214	0.62 209	0.57 180	0.39 152	0.84 188	0.40 159	0.11 123	0.08 58	0.09 20	0.06 7	0.21 184	0.13 94

pmcnn	1.32 366	1.05 331	2.77 331	0.74 358	1.43 394	0.72 269	0.56 309	0.96 297	0.91 332	0.99 344	2.92 396	6.01 406	0.70 298	2.38 349	3.32 384	0.13 198	0.10 140	0.08 3	0.06 7	0.34 293	0.22 224

MIF-Stereo	0.30 8	0.36 103	1.68 68	0.27 39	0.24 158	0.29 3	0.18 11	0.33 1	0.34 3	0.26 26	0.37 45	0.18 1	0.18 6	0.31 16	0.27 64	0.10 78	0.08 58	0.08 3	0.07 13	0.25 229	0.08 10

knoymous	0.34 26	0.25 32	1.75 91	0.24 7	0.18 83	0.45 19	0.24 82	0.57 65	0.38 10	0.41 65	0.39 59	0.55 165	0.25 41	0.38 47	0.23 33	0.11 123	0.08 58	0.12 135	0.07 13	0.13 51	0.12 63

RCA-Stereo	0.34 26	0.32 80	1.30 17	0.26 31	0.14 12	0.58 129	0.23 59	0.78 178	0.62 171	0.40 59	0.44 81	0.28 40	0.35 121	0.29 11	0.20 19	0.09 17	0.10 140	0.09 20	0.07 13	0.19 164	0.08 10

DCANet-4	0.40 63	0.27 42	2.21 239	0.25 15	0.14 12	0.51 56	0.22 43	0.77 164	0.72 248	0.54 169	0.47 89	0.28 40	0.37 133	0.37 43	0.34 131	0.09 17	0.07 11	0.08 3	0.07 13	0.08 1	0.22 224

fff	0.43 85	0.77 246	1.95 182	0.24 7	0.13 5	0.51 56	0.22 43	0.77 164	0.75 278	0.54 169	0.47 89	0.31 47	0.65 286	0.36 36	0.34 131	0.09 17	0.07 11	0.08 3	0.07 13	0.08 1	0.22 224

ADStereo(finetuned)	0.45 109	0.77 246	2.12 222	0.25 15	0.14 12	0.51 56	0.22 43	0.77 164	0.72 248	0.54 169	0.48 101	0.31 47	0.76 313	0.37 43	0.38 147	0.09 17	0.07 11	0.09 20	0.07 13	0.13 51	0.23 242

CroCo-Stereo	0.30 8	0.45 142	1.08 2	0.31 116	0.17 61	0.19 1	0.21 31	0.73 130	0.50 74	0.21 2	0.24 11	0.55 165	0.22 19	0.27 1	0.26 56	0.09 17	0.08 58	0.08 3	0.07 13	0.12 32	0.09 16
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
raftrobust	0.38 46	0.68 216	1.54 47	0.32 137	0.46 329	0.52 69	0.21 31	0.56 62	0.42 28	0.52 149	0.35 41	0.31 47	0.33 112	0.37 43	0.30 97	0.10 78	0.11 172	0.08 3	0.07 13	0.21 184	0.19 195

DCANet	0.42 79	0.77 246	1.95 182	0.25 15	0.14 12	0.51 56	0.22 43	0.77 164	0.72 248	0.54 169	0.48 101	0.31 47	0.41 170	0.36 36	0.39 154	0.09 17	0.07 11	0.09 20	0.07 13	0.13 51	0.23 242

csc	0.43 85	0.77 246	1.95 182	0.24 7	0.13 5	0.51 56	0.22 43	0.77 164	0.75 278	0.54 169	0.47 89	0.31 47	0.65 286	0.36 36	0.34 131	0.09 17	0.07 11	0.08 3	0.07 13	0.08 1	0.22 224

cscssc	0.43 85	0.77 246	1.95 182	0.24 7	0.13 5	0.51 56	0.22 43	0.77 164	0.75 278	0.54 169	0.47 89	0.31 47	0.65 286	0.36 36	0.34 131	0.09 17	0.07 11	0.08 3	0.07 13	0.08 1	0.22 224

111	0.48 136	1.09 336	1.95 182	0.24 7	0.13 5	0.59 145	0.26 113	0.83 208	0.78 297	0.48 113	0.52 135	0.56 174	0.38 138	0.49 99	0.38 147	0.09 17	0.07 11	0.09 20	0.07 13	0.23 203	0.35 317

R-Stereo Train	0.36 38	0.21 9	1.70 74	0.29 78	0.18 83	0.55 88	0.26 113	0.78 178	0.36 6	0.57 202	0.67 249	0.33 56	0.24 30	0.32 20	0.23 33	0.10 78	0.08 58	0.09 20	0.07 13	0.09 7	0.12 63

RAFT-Stereo	0.36 38	0.21 9	1.70 74	0.29 78	0.18 83	0.55 88	0.26 113	0.78 178	0.36 6	0.57 202	0.67 249	0.33 56	0.24 30	0.32 20	0.23 33	0.10 78	0.08 58	0.09 20	0.07 13	0.09 7	0.12 63
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
iResNetv2_ROB	0.59 227	1.43 371	2.96 347	0.40 255	0.22 134	0.58 129	0.28 146	0.91 265	0.73 262	0.57 202	0.63 219	0.60 195	0.41 170	0.74 171	0.35 138	0.11 123	0.08 58	0.10 48	0.07 13	0.43 337	0.17 170

MLCV	0.48 136	0.89 285	1.85 142	0.29 78	0.14 12	0.59 145	0.23 59	0.72 122	0.59 137	0.66 280	0.66 246	0.55 165	0.36 125	1.03 205	0.49 200	0.09 17	0.06 1	0.09 20	0.07 13	0.19 164	0.11 37

qqq1	0.48 136	0.46 144	1.60 55	0.30 91	0.15 24	0.45 19	0.24 82	0.90 255	0.72 248	0.56 192	0.64 235	0.51 150	0.41 170	1.87 308	0.23 33	0.13 198	0.10 140	0.09 20	0.08 29	0.14 69	0.11 37

fff1	0.48 136	0.46 144	1.60 55	0.30 91	0.15 24	0.45 19	0.24 82	0.90 255	0.72 248	0.56 192	0.64 235	0.51 150	0.41 170	1.87 308	0.23 33	0.13 198	0.10 140	0.09 20	0.08 29	0.14 69	0.11 37

11t1	0.33 19	0.19 2	1.41 31	0.33 151	0.16 37	0.48 39	0.21 31	0.67 106	0.48 64	0.40 59	0.34 38	0.32 53	0.33 112	0.42 59	0.27 64	0.11 123	0.12 197	0.10 48	0.08 29	0.13 51	0.14 107

StereoIM	0.29 4	0.54 172	1.44 34	0.24 7	0.29 207	0.29 3	0.16 3	0.45 11	0.37 9	0.19 1	0.21 2	0.28 40	0.22 19	0.30 14	0.29 86	0.10 78	0.09 112	0.10 48	0.08 29	0.11 22	0.11 37

EGLCR-Stereo	0.29 4	0.27 42	0.97 1	0.30 91	0.19 96	0.56 97	0.17 5	0.68 109	0.36 6	0.30 33	0.18 1	0.27 37	0.17 1	0.38 47	0.19 3	0.09 17	0.07 11	0.10 48	0.08 29	0.10 11	0.35 317

riskmin	0.37 41	0.22 17	1.74 85	0.32 137	0.20 106	0.48 39	0.20 22	0.66 97	0.46 50	0.36 43	0.34 38	0.69 243	0.45 206	0.39 50	0.27 64	0.11 123	0.08 58	0.12 135	0.08 29	0.13 51	0.16 159

ProNet	0.30 8	0.54 172	1.29 15	0.25 15	0.15 24	0.47 33	0.25 97	0.48 23	0.39 15	0.21 2	0.23 5	0.22 8	0.20 14	0.44 67	0.19 3	0.08 4	0.08 58	0.10 48	0.08 29	0.23 203	0.12 63

CroCo-Stereo Lap2	0.33 19	0.61 190	1.47 38	0.32 137	0.38 291	0.23 2	0.22 43	0.58 69	0.46 50	0.22 5	0.27 16	0.29 44	0.23 24	0.32 20	0.26 56	0.09 17	0.09 112	0.10 48	0.08 29	0.21 184	0.14 107

Wz-Net-LNSev-Ref	0.57 218	0.87 279	2.11 219	0.32 137	0.30 217	0.84 316	0.40 246	0.88 243	0.72 248	0.65 277	0.73 284	0.66 220	0.57 260	0.93 194	0.71 258	0.13 198	0.07 11	0.10 48	0.08 29	0.15 83	0.14 107

GANet-ADL	0.44 94	0.41 122	2.31 256	0.33 151	0.20 106	0.57 114	0.25 97	0.75 145	0.54 106	0.42 69	0.59 186	0.56 174	0.30 98	0.40 54	0.38 147	0.14 226	0.11 172	0.09 20	0.08 29	0.22 195	0.17 170

RALCasStereoNet	0.45 109	0.88 282	1.85 142	0.30 91	0.26 183	0.49 44	0.26 113	0.58 69	0.51 78	0.36 43	0.48 101	0.36 66	0.28 77	0.55 124	0.34 131	0.10 78	0.53 375	0.09 20	0.08 29	0.25 229	0.34 316

DIP-Stereo	0.37 41	0.34 92	1.50 43	0.27 39	0.18 83	0.63 210	0.17 5	0.92 273	0.53 99	0.49 124	0.48 101	0.30 45	0.30 98	0.39 50	0.30 97	0.10 78	0.08 58	0.10 48	0.08 29	0.15 83	0.12 63
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HITNet	0.46 119	0.92 289	2.09 215	0.33 151	0.14 12	0.55 88	0.22 43	0.83 208	0.56 118	0.51 143	0.49 118	0.48 143	0.37 133	0.48 90	0.54 218	0.09 17	0.06 1	0.10 48	0.08 29	0.23 203	0.09 16
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
HSM	0.62 243	0.76 238	1.72 80	0.30 91	0.29 207	0.64 221	0.28 146	0.94 282	0.62 171	0.58 214	0.57 177	1.40 368	0.64 284	2.59 368	0.42 167	0.11 123	0.08 58	0.10 48	0.08 29	0.14 69	0.11 37

iResNet	0.51 176	0.76 238	2.59 308	0.41 261	0.17 61	0.64 221	0.27 136	0.82 202	0.70 231	0.57 202	0.64 235	0.43 105	0.36 125	0.70 165	0.52 210	0.10 78	0.07 11	0.09 20	0.08 29	0.21 184	0.13 94

ACVNet-DCA	0.42 79	0.64 202	2.07 209	0.35 188	0.14 12	0.76 285	0.25 97	0.76 154	0.52 83	0.31 34	0.38 52	0.24 20	0.38 138	0.69 161	0.19 3	0.10 78	0.24 318	0.11 91	0.09 44	0.12 32	0.14 107

1test111	0.44 94	0.64 202	2.07 209	0.35 188	0.14 12	0.76 285	0.25 97	0.76 154	0.52 83	0.31 34	0.38 52	0.24 20	0.38 138	0.96 197	0.30 97	0.10 78	0.24 318	0.11 91	0.09 44	0.12 32	0.14 107

cc1	0.47 132	0.64 202	2.07 209	0.35 188	0.14 12	0.76 285	0.25 97	0.74 135	1.01 346	0.31 34	0.38 52	0.24 20	0.38 138	0.69 161	0.19 3	0.10 78	0.24 318	0.11 91	0.09 44	0.25 229	0.40 342

tt1	0.44 94	0.64 202	1.83 139	0.35 188	0.14 12	0.76 285	0.25 97	0.74 135	0.88 324	0.31 34	0.37 45	0.25 26	0.35 121	0.63 142	0.19 3	0.10 78	0.24 318	0.11 91	0.09 44	0.25 229	0.36 325

GMStereo_Zeroshot	0.41 66	0.36 103	1.54 47	0.41 261	0.19 96	0.52 69	0.19 13	0.59 74	0.52 83	0.57 202	0.59 186	0.63 204	0.29 90	0.58 129	0.33 127	0.15 240	0.09 112	0.16 259	0.09 44	0.24 218	0.12 63

test croco	0.37 41	0.47 152	2.15 230	0.27 39	0.19 96	0.33 7	0.20 22	0.58 69	0.46 50	0.23 10	0.37 45	0.23 13	0.25 41	0.45 74	0.28 73	0.11 123	0.08 58	0.13 189	0.09 44	0.42 336	0.12 63

HH	0.49 153	0.49 155	2.78 333	0.50 312	0.41 307	0.38 12	0.23 59	0.72 122	0.38 10	0.63 261	0.48 101	0.87 306	0.41 170	0.64 145	0.21 22	0.09 17	0.17 270	0.10 48	0.09 44	0.16 109	0.12 63

HanStereo	0.49 153	0.49 155	2.78 333	0.50 312	0.41 307	0.38 12	0.23 59	0.72 122	0.38 10	0.63 261	0.48 101	0.87 306	0.41 170	0.64 145	0.21 22	0.09 17	0.17 270	0.10 48	0.09 44	0.16 109	0.12 63

x	0.35 34	0.20 4	1.36 23	0.33 151	0.17 61	0.47 33	0.24 82	0.75 145	0.54 106	0.40 59	0.40 62	0.42 102	0.34 119	0.45 74	0.32 117	0.11 123	0.14 225	0.11 91	0.09 44	0.12 32	0.14 107

DAS	0.56 212	0.35 98	1.55 49	0.33 151	0.34 257	0.50 50	0.42 255	0.83 208	0.74 266	0.83 327	0.68 257	0.56 174	0.48 226	2.40 353	0.46 183	0.12 170	0.08 58	0.12 135	0.09 44	0.18 147	0.15 137

SepStereo	0.52 185	0.35 98	1.55 49	0.33 151	0.34 257	0.50 50	0.42 255	0.83 208	0.74 266	0.83 327	0.68 257	0.56 174	0.48 226	1.56 258	0.46 183	0.12 170	0.08 58	0.12 135	0.09 44	0.18 147	0.15 137

IPLGR	0.54 195	0.56 181	2.68 318	0.36 206	0.18 83	0.62 194	0.54 301	1.02 338	0.64 187	0.73 306	0.46 86	0.47 137	0.45 206	1.12 214	0.29 86	0.09 17	0.08 58	0.11 91	0.09 44	0.19 164	0.12 63

GwcNet-ADL	0.50 162	0.74 235	2.90 344	0.31 116	0.20 106	0.58 129	0.29 166	0.87 239	0.64 187	0.47 94	0.47 89	0.56 174	0.33 112	0.46 80	0.46 183	0.13 198	0.12 197	0.09 20	0.09 44	0.14 69	0.21 214

STrans-v2	0.67 264	0.56 181	2.64 313	0.27 39	0.23 145	0.57 114	0.33 211	0.96 297	0.69 222	0.92 338	0.85 307	0.89 312	0.93 335	1.83 301	1.21 318	0.09 17	0.07 11	0.10 48	0.09 44	0.11 22	0.12 63

TransformOpticalFlow	0.64 249	0.56 181	2.66 316	0.44 278	0.26 183	0.62 194	0.28 146	0.83 208	0.71 240	0.76 311	0.74 286	0.91 315	0.85 324	1.83 301	0.81 280	0.10 78	0.07 11	0.11 91	0.09 44	0.11 22	0.12 63

OMP-Stereo	0.59 227	0.65 208	1.74 85	0.56 336	0.37 286	0.60 154	0.26 113	0.70 115	0.65 199	0.66 280	0.60 197	0.69 243	0.32 109	2.09 331	1.20 316	0.10 78	0.07 11	0.12 135	0.09 44	0.17 128	0.10 27

IIG-Stereo	0.59 227	0.65 208	1.74 85	0.54 328	0.23 145	0.61 174	0.21 31	0.73 130	0.65 199	0.64 270	0.69 264	0.69 243	0.38 138	2.09 331	1.39 329	0.11 123	0.07 11	0.11 91	0.09 44	0.15 83	0.09 16

NRIStereo	0.46 119	0.25 32	1.77 103	0.47 300	0.16 37	0.95 335	0.74 345	0.51 33	0.56 118	0.48 113	0.39 59	0.59 189	0.29 90	0.77 179	0.32 117	0.11 123	0.13 211	0.11 91	0.09 44	0.21 184	0.24 249

DeepStereo_RVC	0.44 94	0.28 62	1.92 172	0.49 310	0.17 61	0.60 154	0.59 317	0.50 31	0.52 83	0.49 124	0.45 82	0.39 77	0.86 327	0.45 74	0.33 127	0.11 123	0.08 58	0.11 91	0.09 44	0.15 83	0.19 195

RAFT-345	0.53 190	0.30 71	2.34 262	0.38 238	0.34 257	0.58 129	0.42 255	0.47 20	0.61 155	0.51 143	1.00 331	0.43 105	0.28 77	1.57 260	0.82 281	0.10 78	0.07 11	0.11 91	0.09 44	0.10 11	0.08 10

CRE-IMP	0.41 66	0.22 17	1.76 95	0.48 308	0.17 61	0.79 302	0.69 337	0.52 43	0.52 83	0.47 94	0.42 69	0.45 123	0.26 53	0.41 56	0.31 107	0.11 123	0.07 11	0.12 135	0.09 44	0.17 128	0.23 242

Prome-Stereo	0.49 153	0.30 71	1.76 95	0.60 346	0.23 145	0.63 210	0.42 255	0.62 87	0.60 141	0.59 227	1.03 336	0.43 105	0.72 303	0.60 137	0.33 127	0.09 17	0.07 11	0.10 48	0.09 44	0.11 22	0.43 349

LMCR-Stereo	0.52 185	0.71 224	2.39 272	0.40 255	0.21 113	0.74 277	0.31 182	1.02 338	0.64 187	0.61 242	0.63 219	0.39 77	0.51 236	0.62 140	0.42 167	0.19 291	0.09 112	0.12 135	0.09 44	0.23 203	0.12 63

TestStereo	0.45 109	0.54 172	2.11 219	0.29 78	0.16 37	0.43 17	0.24 82	0.54 58	0.45 47	0.37 47	0.46 86	0.34 60	0.27 67	1.98 320	0.27 64	0.11 123	0.08 58	0.12 135	0.09 44	0.14 69	0.08 10

raft+_RVC	0.44 94	0.67 214	1.85 142	0.34 174	0.71 364	0.51 56	0.25 97	0.64 91	0.51 78	0.35 41	0.45 82	0.32 53	0.28 77	0.43 62	0.32 117	0.09 17	0.19 288	0.10 48	0.09 44	0.20 176	0.40 342

RAFT-Stereo + iAFF	0.42 79	0.86 276	1.78 107	0.28 57	0.17 61	0.52 69	0.20 22	0.62 87	0.61 155	0.50 131	0.61 204	0.39 77	0.32 109	0.35 32	0.30 97	0.07 1	0.10 140	0.09 20	0.09 44	0.35 301	0.10 27

ACVNet	0.45 109	0.44 137	1.79 125	0.28 57	0.21 113	0.59 145	0.36 227	0.66 97	0.68 214	0.45 86	0.59 186	0.69 243	0.40 159	0.44 67	0.55 219	0.11 123	0.09 112	0.10 48	0.09 44	0.34 293	0.10 27

acv_ft	0.48 136	0.44 137	1.76 95	0.32 137	0.41 307	0.63 210	0.28 146	0.81 196	0.68 214	0.61 242	0.59 186	0.69 243	0.45 206	0.44 67	0.63 243	0.11 123	0.09 112	0.10 48	0.09 44	0.41 332	0.10 27

BEATNet_4x	0.47 132	0.73 231	1.91 169	0.33 151	0.15 24	0.56 97	0.25 97	0.85 222	0.58 130	0.54 169	0.51 128	0.57 180	0.42 185	0.57 127	0.61 239	0.11 123	0.08 58	0.12 135	0.09 44	0.20 176	0.16 159

HSM-Net_RVC	0.67 264	0.34 92	2.23 246	0.26 31	0.19 96	0.67 243	0.29 166	1.26 370	0.69 222	0.72 302	0.70 274	0.78 281	0.42 185	3.77 397	0.41 165	0.13 198	0.09 112	0.10 48	0.09 44	0.12 32	0.11 37
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
AANet_RVC	0.68 270	1.00 321	2.09 215	0.33 151	0.25 170	0.58 129	0.32 203	0.81 196	0.80 305	0.61 242	0.94 321	0.80 287	0.41 170	2.46 360	1.02 302	0.36 356	0.14 225	0.10 48	0.09 44	0.23 203	0.22 224

SMFormer	0.50 162	0.46 144	1.60 55	0.30 91	0.15 24	0.45 19	0.24 82	0.90 255	0.72 248	0.56 192	0.64 235	0.51 150	0.41 170	1.87 308	0.49 200	0.13 198	0.10 140	0.11 91	0.10 75	0.15 83	0.16 159

tta	0.50 162	0.46 144	1.60 55	0.30 91	0.15 24	0.45 19	0.24 82	0.90 255	0.72 248	0.56 192	0.64 235	0.51 150	0.41 170	1.87 308	0.49 200	0.13 198	0.10 140	0.11 91	0.10 75	0.14 69	0.11 37

MyStereo06	0.54 195	0.41 122	2.68 318	0.30 91	0.23 145	0.60 154	0.30 172	0.81 196	0.44 37	0.84 329	0.52 135	0.78 281	0.58 264	0.48 90	1.10 308	0.09 17	0.17 270	0.12 135	0.10 75	0.16 109	0.20 208

MyStereo05	0.49 153	0.41 122	2.72 324	0.30 91	0.23 145	0.60 154	0.30 172	0.82 202	0.77 292	0.52 149	0.37 45	0.51 150	0.42 185	0.52 111	0.38 147	0.09 17	0.17 270	0.12 135	0.10 75	0.16 109	0.20 208

CoDeX	0.52 185	0.43 131	2.25 249	0.29 78	0.26 183	0.61 174	0.32 203	0.99 319	0.68 214	0.48 113	0.55 161	0.52 156	0.40 159	1.60 267	0.35 138	0.12 170	0.09 112	0.11 91	0.10 75	0.13 51	0.12 63

MIF-Stereo (partial)	0.34 26	0.41 122	1.93 175	0.26 31	0.24 158	0.32 6	0.17 5	0.53 48	0.42 28	0.25 19	0.37 45	0.25 26	0.26 53	0.44 67	0.31 107	0.11 123	0.08 58	0.12 135	0.10 75	0.19 164	0.14 107

MIM_Stereo	0.41 66	0.60 186	1.88 157	0.31 116	0.21 113	0.50 50	0.19 13	0.64 91	0.44 37	0.43 74	0.53 143	0.43 105	0.27 67	0.51 107	0.28 73	0.08 4	0.14 225	0.11 91	0.10 75	0.26 243	0.26 267

PCWNet_CMD	0.46 119	0.45 142	2.28 253	0.26 31	0.20 106	0.55 88	0.21 31	0.75 145	0.64 187	0.48 113	0.55 161	0.68 236	0.57 260	0.46 80	0.30 97	0.11 123	0.10 140	0.14 218	0.10 75	0.18 147	0.14 107

CBFPSM	0.56 212	0.91 288	1.82 137	0.28 57	0.23 145	0.71 264	0.37 234	0.72 122	0.64 187	0.50 131	0.49 118	1.03 340	0.83 320	0.62 140	1.35 326	0.10 78	0.12 197	0.10 48	0.10 75	0.18 147	0.19 195

iinet-f	0.57 218	0.93 295	2.27 252	0.31 116	0.25 170	0.83 314	0.33 211	0.81 196	0.65 199	0.54 169	0.63 219	0.73 261	0.67 292	0.73 170	0.67 251	0.13 198	0.13 211	0.11 91	0.10 75	0.43 337	0.16 159

TestStereo1	0.49 153	0.81 262	1.85 142	0.39 246	0.57 349	0.56 97	0.34 215	0.75 145	0.69 222	0.44 79	0.63 219	0.35 64	0.42 185	0.64 145	0.29 86	0.10 78	0.08 58	0.12 135	0.10 75	0.33 286	0.26 267

RAFT_CTSACE	0.46 119	0.76 238	2.07 209	0.35 188	0.30 217	0.54 78	0.30 172	0.61 83	0.48 64	0.49 124	0.76 291	0.55 165	0.36 125	0.58 129	0.22 30	0.08 4	0.13 211	0.11 91	0.10 75	0.41 332	0.08 10

CRFU-Net	0.56 212	0.38 110	1.86 150	0.46 295	0.26 183	0.82 312	0.36 227	0.90 255	0.49 68	0.62 253	0.59 186	0.78 281	1.35 364	1.00 201	0.48 195	0.15 240	0.14 225	0.17 275	0.10 75	0.19 164	0.14 107

SA-5K	0.49 153	0.81 262	1.85 142	0.39 246	0.57 349	0.56 97	0.34 215	0.75 145	0.69 222	0.44 79	0.63 219	0.35 64	0.42 185	0.64 145	0.29 86	0.10 78	0.08 58	0.12 135	0.10 75	0.33 286	0.26 267

iRaft-Stereo_5w	0.54 195	1.01 325	2.08 214	0.27 39	0.21 113	0.49 44	0.28 146	0.73 130	0.58 130	0.40 59	0.61 204	0.62 201	0.46 214	1.78 291	0.47 192	0.09 17	0.07 11	0.11 91	0.10 75	0.39 326	0.12 63

CSP-Net	0.50 162	0.39 117	1.25 12	0.29 78	0.23 145	0.77 293	0.35 221	0.86 230	0.57 121	0.59 227	0.59 186	0.65 215	0.40 159	1.77 290	0.44 179	0.16 257	0.11 172	0.10 48	0.10 75	0.20 176	0.14 107

GLC_STEREO	0.28 1	0.27 42	1.36 23	0.28 57	0.12 3	0.41 16	0.20 22	0.37 2	0.38 10	0.26 26	0.30 25	0.25 26	0.19 9	0.33 26	0.24 47	0.09 17	0.11 172	0.12 135	0.10 75	0.13 51	0.09 16

AASNet	0.56 212	1.03 329	2.34 262	0.37 224	0.33 252	0.65 233	0.29 166	0.96 297	0.73 262	0.54 169	0.60 197	0.55 165	0.38 138	0.59 132	0.58 233	0.14 226	0.12 197	0.13 189	0.10 75	0.43 337	0.24 249

HHNet	0.60 231	0.65 208	2.60 310	0.36 206	0.25 170	0.64 221	0.61 322	0.64 91	0.62 171	0.55 183	1.13 345	0.32 53	0.60 269	0.42 59	1.79 347	0.15 240	0.07 11	0.12 135	0.10 75	0.18 147	0.15 137

Patchmatch Stereo++	0.39 59	0.27 42	1.78 107	0.44 278	0.16 37	0.61 174	0.27 136	0.51 33	0.52 83	0.47 94	0.43 71	0.43 105	0.28 77	0.54 120	0.28 73	0.12 170	0.08 58	0.12 135	0.10 75	0.17 128	0.12 63
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
AAGNet	0.88 330	0.33 85	1.79 125	0.54 328	0.98 379	0.62 194	0.46 277	0.50 31	0.60 141	0.58 214	0.53 143	0.50 148	0.73 306	1.23 225	7.48 407	0.11 123	0.07 11	0.12 135	0.10 75	0.14 69	0.09 16

NF-Stereo	0.48 136	0.25 32	1.81 132	0.52 319	0.16 37	0.61 174	0.44 269	0.66 97	0.61 155	0.50 131	0.47 89	0.37 67	0.26 53	1.45 242	0.79 278	0.11 123	0.07 11	0.12 135	0.10 75	0.13 51	0.16 159

OCTAStereo	0.48 136	0.25 32	1.81 132	0.52 319	0.16 37	0.61 174	0.43 261	0.66 97	0.61 155	0.50 131	0.47 89	0.37 67	0.26 53	1.44 238	0.80 279	0.11 123	0.07 11	0.12 135	0.10 75	0.13 51	0.17 170

PSM-adaLoss	0.38 46	0.27 42	1.78 107	0.44 278	0.17 61	0.60 154	0.29 166	0.51 33	0.52 83	0.47 94	0.43 71	0.44 116	0.28 77	0.47 86	0.28 73	0.12 170	0.08 58	0.12 135	0.10 75	0.17 128	0.12 63

ROB_FTStereo_v2	0.38 46	0.27 42	1.78 107	0.44 278	0.17 61	0.61 174	0.28 146	0.51 33	0.52 83	0.47 94	0.43 71	0.44 116	0.28 77	0.47 86	0.28 73	0.12 170	0.08 58	0.12 135	0.10 75	0.17 128	0.12 63

ROB_FTStereo	0.38 46	0.27 42	1.78 107	0.44 278	0.17 61	0.61 174	0.26 113	0.51 33	0.52 83	0.47 94	0.43 71	0.43 105	0.28 77	0.49 99	0.28 73	0.12 170	0.08 58	0.12 135	0.10 75	0.17 128	0.12 63

HUI-Stereo	0.38 46	0.27 42	1.79 125	0.44 278	0.17 61	0.61 174	0.28 146	0.51 33	0.52 83	0.47 94	0.43 71	0.44 116	0.28 77	0.45 74	0.28 73	0.12 170	0.08 58	0.12 135	0.10 75	0.17 128	0.12 63

DEmStereo	0.68 270	0.31 77	2.25 249	0.42 269	0.17 61	0.66 238	0.89 359	0.51 33	0.59 137	0.60 235	1.01 332	0.45 123	1.26 357	1.54 256	2.26 366	0.10 78	0.08 58	0.10 48	0.10 75	0.10 11	0.11 37

SST-Stereo	0.52 185	0.20 4	1.76 95	0.62 348	0.53 341	0.62 194	0.66 330	0.55 61	0.61 155	0.58 214	0.53 143	0.52 156	0.60 269	1.59 266	0.29 86	0.11 123	0.07 11	0.12 135	0.10 75	0.16 109	0.10 27

RAFT_R40	0.50 162	0.21 9	1.76 95	0.50 312	0.40 300	0.61 174	0.53 298	0.56 62	0.60 141	0.56 192	0.54 153	0.55 165	0.51 236	1.57 260	0.53 214	0.11 123	0.07 11	0.12 135	0.10 75	0.16 109	0.09 16

RE-Stereo	0.48 136	0.25 32	1.81 132	0.52 319	0.16 37	0.61 174	0.43 261	0.66 97	0.60 141	0.50 131	0.47 89	0.37 67	0.26 53	1.44 238	0.78 273	0.11 123	0.07 11	0.12 135	0.10 75	0.13 51	0.17 170

Pruner-Stereo	0.51 176	0.27 42	1.78 107	1.79 397	0.19 96	0.62 194	0.45 275	0.57 65	0.60 141	0.61 242	0.48 101	0.41 89	0.24 30	0.46 80	1.00 297	0.12 170	0.07 11	0.12 135	0.10 75	0.12 32	0.13 94

TVStereo	0.48 136	0.25 32	1.81 132	0.52 319	0.16 37	0.61 174	0.43 261	0.66 97	0.60 141	0.50 131	0.47 89	0.37 67	0.26 53	1.44 238	0.78 273	0.11 123	0.07 11	0.12 135	0.10 75	0.13 51	0.17 170

iGMRVC	0.39 59	0.27 42	1.78 107	0.44 278	0.17 61	0.61 174	0.27 136	0.51 33	0.52 83	0.47 94	0.43 71	0.44 116	0.28 77	0.55 124	0.28 73	0.12 170	0.08 58	0.12 135	0.10 75	0.17 128	0.12 63

IRAFT_RVC	0.54 195	0.53 169	1.78 107	0.46 295	0.21 113	0.58 129	0.43 261	0.65 95	0.66 209	0.54 169	0.50 124	0.49 145	0.51 236	1.58 264	1.01 301	0.11 123	0.25 332	0.13 189	0.10 75	0.15 83	0.13 94

iRAFT	0.39 59	0.27 42	1.78 107	0.44 278	0.16 37	0.61 174	0.27 136	0.51 33	0.52 83	0.47 94	0.43 71	0.43 105	0.28 77	0.54 120	0.28 73	0.12 170	0.08 58	0.12 135	0.10 75	0.17 128	0.12 63

RAFT-IKP	0.38 46	0.27 42	1.79 125	0.44 278	0.16 37	0.60 154	0.28 146	0.51 33	0.52 83	0.47 94	0.43 71	0.43 105	0.28 77	0.50 104	0.28 73	0.12 170	0.08 58	0.12 135	0.10 75	0.17 128	0.12 63

GEStereo_RVC	0.54 195	0.87 279	1.95 182	0.47 300	0.25 170	0.62 194	0.37 234	1.00 327	0.74 266	0.53 158	0.54 153	0.59 189	0.44 202	1.10 211	0.46 183	0.15 240	0.11 172	0.12 135	0.10 75	0.26 243	0.19 195

CFNet_pseudo	0.45 109	0.46 144	2.23 246	0.25 15	0.19 96	0.56 97	0.21 31	0.77 164	0.60 141	0.49 124	0.56 172	0.69 243	0.47 219	0.52 111	0.31 107	0.11 123	0.10 140	0.15 244	0.10 75	0.17 128	0.14 107

GES	0.44 94	0.28 62	1.88 157	0.30 91	0.18 83	0.61 174	0.30 172	0.88 243	0.46 50	0.47 94	0.52 135	0.39 77	0.42 185	0.58 129	0.67 251	0.15 240	0.11 172	0.12 135	0.10 75	0.15 83	0.17 170

222	0.78 312	0.23 21	1.23 11	0.28 57	0.18 83	0.62 194	0.24 82	1.02 338	0.70 231	0.58 214	0.66 246	0.46 131	0.42 185	1.80 297	6.53 406	0.13 198	0.10 140	0.11 91	0.10 75	0.12 32	0.17 170

xxxx	0.70 278	0.21 9	1.33 20	0.28 57	0.18 83	0.63 210	0.24 82	1.02 338	0.69 222	0.50 131	0.62 209	0.58 187	0.38 138	1.47 250	5.21 402	0.13 198	0.12 197	0.11 91	0.10 75	0.12 32	0.15 137

test_xeample	0.72 288	0.21 9	1.36 23	0.27 39	0.17 61	0.59 145	0.28 146	1.01 335	0.70 231	0.55 183	0.67 249	0.44 116	0.39 152	1.88 313	5.17 401	0.12 170	0.10 140	0.11 91	0.10 75	0.13 51	0.15 137

AFF-stereo	0.44 94	0.96 305	1.78 107	0.31 116	0.15 24	0.50 50	0.21 31	0.64 91	0.63 180	0.47 94	0.64 235	0.49 145	0.34 119	0.46 80	0.31 107	0.08 4	0.09 112	0.10 48	0.10 75	0.37 312	0.10 27

DMCA	0.41 66	0.52 164	1.26 13	0.31 116	0.24 158	0.59 145	0.26 113	0.77 164	0.63 180	0.58 214	0.48 101	0.57 180	0.35 121	0.40 54	0.50 205	0.14 226	0.10 140	0.14 218	0.10 75	0.15 83	0.15 137

RASNet	0.61 239	0.68 216	2.03 205	0.35 188	0.46 329	0.65 233	0.28 146	0.78 178	0.70 231	0.48 113	0.64 235	0.93 320	0.61 276	2.21 338	0.73 265	0.12 170	0.09 112	0.09 20	0.10 75	0.14 69	0.11 37

MSMDNet	0.46 119	0.44 137	2.28 253	0.26 31	0.20 106	0.55 88	0.21 31	0.75 145	0.64 187	0.48 113	0.55 161	0.68 236	0.56 255	0.46 80	0.30 97	0.11 123	0.10 140	0.13 189	0.10 75	0.18 147	0.15 137

ccs_rob	0.45 109	0.46 144	2.22 242	0.26 31	0.19 96	0.56 97	0.21 31	0.77 164	0.60 141	0.49 124	0.56 172	0.69 243	0.47 219	0.52 111	0.31 107	0.11 123	0.09 112	0.16 259	0.10 75	0.17 128	0.14 107

DISCO	0.57 218	0.34 92	1.87 155	0.45 291	0.34 257	0.84 316	0.35 221	0.84 218	0.78 297	0.59 227	0.63 219	1.06 347	0.53 243	1.10 211	0.82 281	0.12 170	0.09 112	0.11 91	0.10 75	0.22 195	0.18 187

MyStereo07	0.34 26	0.40 119	1.46 36	0.29 78	0.23 145	0.60 154	0.31 182	0.53 48	0.42 28	0.25 19	0.25 14	0.20 2	0.26 53	0.57 127	0.19 3	0.09 17	0.18 278	0.12 135	0.11 124	0.16 109	0.19 195

MyStereo04	0.48 136	0.40 119	2.65 315	0.29 78	0.23 145	0.60 154	0.31 182	0.83 208	0.75 278	0.47 94	0.36 42	0.53 158	0.42 185	0.53 117	0.39 154	0.09 17	0.18 278	0.12 135	0.11 124	0.16 109	0.19 195

CFNet_ucs	0.48 136	0.50 161	2.32 257	0.26 31	0.22 134	0.57 114	0.22 43	0.85 222	0.65 199	0.53 158	0.64 235	0.68 236	0.44 202	0.54 120	0.31 107	0.13 198	0.12 197	0.16 259	0.11 124	0.19 164	0.17 170

4D-IteraStereo	0.44 94	0.96 305	2.63 311	0.27 39	0.30 217	0.45 19	0.25 97	0.52 43	0.50 74	0.40 59	0.31 28	0.40 85	0.19 9	0.35 32	0.32 117	0.09 17	0.06 1	0.12 135	0.11 124	0.19 164	0.30 294

gwcnet-sp	0.49 153	0.43 131	2.54 303	0.31 116	0.22 134	0.67 243	0.31 182	0.78 178	0.65 199	0.58 214	0.47 89	0.46 131	0.43 195	0.76 175	0.46 183	0.11 123	0.11 172	0.11 91	0.11 124	0.15 83	0.14 107

scenet	0.49 153	0.43 131	2.54 303	0.31 116	0.22 134	0.67 243	0.31 182	0.78 178	0.65 199	0.58 214	0.47 89	0.46 131	0.43 195	0.76 175	0.46 183	0.11 123	0.11 172	0.11 91	0.11 124	0.15 83	0.14 107

CASS	0.39 59	0.30 71	1.61 59	0.32 137	0.17 61	0.53 75	0.24 82	0.70 115	0.49 68	0.59 227	0.54 153	0.40 85	0.40 159	0.41 56	0.30 97	0.17 271	0.10 140	0.14 218	0.11 124	0.18 147	0.17 170
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	0.49 153	0.43 131	2.54 303	0.31 116	0.22 134	0.67 243	0.31 182	0.78 178	0.65 199	0.58 214	0.47 89	0.46 131	0.43 195	0.76 175	0.46 183	0.11 123	0.11 172	0.11 91	0.11 124	0.15 83	0.14 107

DisPM	0.43 85	0.33 85	1.78 107	0.57 338	0.18 83	0.59 145	0.63 328	0.53 48	0.61 155	0.60 235	0.53 143	0.38 73	0.26 53	0.75 172	0.29 86	0.12 170	0.07 11	0.12 135	0.11 124	0.11 22	0.14 107

IER	0.43 85	0.38 110	1.69 70	0.26 31	0.25 170	0.66 238	0.26 113	0.71 117	0.55 110	0.54 169	0.59 186	0.60 195	0.53 243	0.52 111	0.39 154	0.11 123	0.08 58	0.11 91	0.11 124	0.14 69	0.11 37

NINENet	0.50 162	0.33 85	1.69 70	0.55 334	0.25 170	0.91 331	0.23 59	0.98 308	0.71 240	0.53 158	0.55 161	0.66 220	0.30 98	1.22 224	0.32 117	0.15 240	0.13 211	0.16 259	0.11 124	0.16 109	0.13 94

GMOStereo	0.41 66	0.62 193	1.78 107	0.28 57	0.36 274	0.51 56	0.31 182	0.53 48	0.44 37	0.57 202	0.48 101	0.41 89	0.27 67	0.28 3	0.23 33	0.08 4	0.38 357	0.13 189	0.11 124	0.34 293	0.11 37

error version	0.41 66	0.62 193	1.78 107	0.28 57	0.36 274	0.51 56	0.31 182	0.53 48	0.44 37	0.57 202	0.48 101	0.41 89	0.27 67	0.28 3	0.23 33	0.08 4	0.38 357	0.13 189	0.11 124	0.34 293	0.11 37

test-v	0.41 66	0.62 193	1.78 107	0.28 57	0.36 274	0.51 56	0.31 182	0.53 48	0.44 37	0.57 202	0.48 101	0.41 89	0.27 67	0.28 3	0.23 33	0.08 4	0.38 357	0.13 189	0.11 124	0.34 293	0.11 37

AACVNet	0.54 195	0.78 254	1.73 81	0.36 206	0.21 113	0.57 114	0.25 97	0.71 117	0.51 78	0.55 183	0.59 186	0.64 212	0.41 170	2.13 333	0.41 165	0.14 226	0.11 172	0.14 218	0.11 124	0.33 286	0.15 137

ADLNet2	0.68 270	0.84 271	3.19 369	0.33 151	0.36 274	0.64 221	0.37 234	0.89 249	0.79 302	0.54 169	0.65 244	0.93 320	0.48 226	2.07 328	0.56 225	0.13 198	0.11 172	0.11 91	0.11 124	0.33 286	0.18 187

CrosDoStereo	0.94 337	0.37 105	2.53 297	0.25 15	0.32 241	0.54 78	3.76 408	0.72 122	0.60 141	0.70 295	1.40 357	0.53 158	1.49 372	1.78 291	3.09 377	0.10 78	0.08 58	0.11 91	0.11 124	0.21 184	0.11 37

FTStereo	0.76 304	0.18 1	2.35 265	0.71 356	0.21 113	0.73 274	1.79 396	0.57 65	0.53 99	1.07 349	1.63 365	1.29 362	2.13 387	0.75 172	0.29 86	0.19 291	0.08 58	0.12 135	0.11 124	0.11 22	0.40 342

ASMatch	0.60 231	0.43 131	2.58 307	0.91 371	0.36 274	0.56 97	0.25 97	0.52 43	0.61 155	0.47 94	1.21 347	0.47 137	0.66 290	1.34 232	0.94 287	0.10 78	0.08 58	0.11 91	0.11 124	0.10 11	0.16 159

DeepStereo_LL	0.94 337	0.37 105	2.53 297	0.25 15	0.32 241	0.54 78	3.76 408	0.72 122	0.60 141	0.70 295	1.40 357	0.53 158	1.49 372	1.78 291	3.09 377	0.10 78	0.08 58	0.11 91	0.11 124	0.21 184	0.11 37

THIR-Stereo	0.86 327	0.62 193	2.13 224	0.25 15	0.16 37	0.58 129	2.74 404	0.59 74	0.51 78	0.62 253	1.62 364	0.97 330	1.80 383	1.69 279	2.25 365	0.10 78	0.08 58	0.14 218	0.11 124	0.15 83	0.11 37

test-2	0.41 66	0.62 193	1.78 107	0.28 57	0.36 274	0.51 56	0.31 182	0.53 48	0.44 37	0.57 202	0.48 101	0.41 89	0.27 67	0.28 3	0.23 33	0.08 4	0.38 357	0.13 189	0.11 124	0.34 293	0.11 37

ICVP	0.46 119	0.29 66	2.41 275	0.33 151	0.22 134	0.59 145	0.55 304	0.75 145	0.50 74	0.44 79	0.60 197	0.49 145	0.35 121	0.53 117	0.37 142	0.16 257	0.16 260	0.14 218	0.11 124	0.15 83	0.15 137
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
iRaftStereo_RVC	0.37 41	0.53 169	1.41 31	0.28 57	0.15 24	0.52 69	0.20 22	0.54 58	0.46 50	0.37 47	0.43 71	0.41 89	0.23 24	0.36 36	0.26 56	0.09 17	0.15 246	0.12 135	0.11 124	0.41 332	0.37 332

MMNet	0.50 162	0.48 153	1.93 175	0.33 151	0.27 194	0.79 302	0.28 146	0.81 196	0.74 266	0.60 235	0.56 172	0.59 189	0.55 251	0.79 184	0.59 235	0.10 78	0.09 112	0.12 135	0.11 124	0.13 51	0.14 107

UNet	0.54 195	0.44 137	2.83 336	0.31 116	0.33 252	0.74 277	0.27 136	0.82 202	0.61 155	0.53 158	0.54 153	0.72 258	0.54 246	0.78 183	0.56 225	0.11 123	0.09 112	0.13 189	0.11 124	0.14 69	0.12 63

FENet	0.44 94	0.30 71	2.42 277	0.32 137	0.17 61	0.58 129	0.22 43	0.77 164	0.59 137	0.47 94	0.42 69	0.55 165	0.38 138	0.49 99	0.47 192	0.12 170	0.09 112	0.12 135	0.11 124	0.13 51	0.16 159

HGLStereo	0.54 195	0.69 219	2.00 196	0.35 188	0.40 300	0.66 238	0.30 172	0.83 208	0.62 171	0.57 202	0.69 264	0.69 243	0.54 246	1.07 208	0.55 219	0.13 198	0.13 211	0.13 189	0.11 124	0.19 164	0.17 170

GANet-RSSM	0.55 206	0.73 231	1.90 164	0.36 206	0.26 183	0.59 145	0.27 136	0.78 178	0.52 83	0.47 94	0.57 177	0.63 204	0.45 206	1.92 318	0.43 175	0.14 226	0.10 140	0.25 330	0.11 124	0.34 293	0.14 107

AdaStereo	0.44 94	0.38 110	1.79 125	0.34 174	0.20 106	0.57 114	0.28 146	0.92 273	0.69 222	0.52 149	0.55 161	0.61 197	0.33 112	0.48 90	0.39 154	0.17 271	0.08 58	0.17 275	0.11 124	0.18 147	0.12 63
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.
xx1	0.46 119	0.64 202	2.07 209	0.35 188	0.14 12	0.76 285	0.25 97	0.74 135	1.01 346	0.31 34	0.38 52	0.46 131	0.36 125	0.69 161	0.19 3	0.10 78	0.24 318	0.12 135	0.12 154	0.12 32	0.14 107

ttt	0.66 261	0.22 17	1.68 68	0.34 174	0.24 158	0.60 154	0.26 113	1.00 327	0.77 292	0.55 183	0.67 249	0.54 162	0.36 125	2.14 334	3.03 376	0.16 257	0.13 211	0.13 189	0.12 154	0.15 83	0.17 170

1111x	0.74 299	0.21 9	1.93 175	0.31 116	0.17 61	0.63 210	0.32 203	1.03 345	0.74 266	0.52 149	0.62 209	0.57 180	0.47 219	2.38 349	4.25 396	0.12 170	0.14 225	0.11 91	0.12 154	0.12 32	0.14 107

whm_eth	0.45 109	0.73 231	2.23 246	0.30 91	0.31 233	0.49 44	0.24 82	0.73 130	0.69 222	0.47 94	0.87 310	0.26 31	0.26 53	0.36 36	0.28 73	0.12 170	0.11 172	0.13 189	0.12 154	0.14 69	0.26 267

CASnet	0.28 1	0.31 77	1.20 10	0.28 57	0.11 1	0.47 33	0.19 13	0.44 8	0.44 37	0.38 52	0.31 28	0.23 13	0.17 1	0.29 11	0.19 3	0.10 78	0.06 1	0.15 244	0.12 154	0.16 109	0.07 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo	0.72 288	1.29 361	2.49 292	0.36 206	0.45 323	0.55 88	0.32 203	0.93 278	0.71 240	0.67 284	0.58 183	0.85 300	0.79 316	2.67 373	0.46 183	0.10 78	0.18 278	0.14 218	0.12 154	0.40 330	0.42 348

qqq	0.38 46	0.21 9	1.34 22	0.28 57	0.15 24	0.45 19	0.26 113	0.76 154	0.52 83	0.39 57	0.41 66	0.46 131	0.36 125	0.96 197	0.30 97	0.11 123	0.14 225	0.12 135	0.12 154	0.12 32	0.14 107

BUS	0.41 66	0.27 42	1.13 4	0.30 91	0.21 113	0.91 331	0.23 59	1.00 327	0.61 155	0.63 261	0.53 143	0.66 220	0.30 98	0.43 62	0.32 117	0.13 198	0.10 140	0.14 218	0.12 154	0.12 32	0.11 37

Wz-Net-LNSev	0.59 227	0.96 305	2.47 288	0.34 174	0.37 286	0.79 302	0.44 269	0.86 230	0.77 292	0.61 242	0.67 249	0.79 285	0.56 255	0.64 145	0.62 241	0.15 240	0.14 225	0.12 135	0.12 154	0.18 147	0.19 195

test_5	0.51 176	0.87 279	1.99 194	0.37 224	0.65 359	0.58 129	0.35 221	0.78 178	0.62 171	0.48 113	0.55 161	0.45 123	0.40 159	0.72 169	0.30 97	0.09 17	0.07 11	0.12 135	0.12 154	0.33 286	0.38 335

BSDual-CNN	0.41 66	0.27 42	1.13 4	0.30 91	0.21 113	0.76 285	0.31 182	1.00 327	0.61 155	0.63 261	0.53 143	0.63 204	0.37 133	0.43 62	0.38 147	0.13 198	0.10 140	0.14 218	0.12 154	0.12 32	0.11 37

hknet	0.47 132	0.29 66	1.70 74	0.30 91	0.24 158	0.76 285	0.31 182	1.00 327	0.64 187	0.63 261	0.53 143	0.80 287	0.38 138	0.77 179	0.37 142	0.11 123	0.10 140	0.14 218	0.12 154	0.12 32	0.11 37

psmg	0.41 66	0.27 42	1.13 4	0.27 39	0.21 113	0.75 283	0.36 227	0.90 255	0.61 155	0.59 227	0.59 186	0.63 204	0.37 133	0.43 62	0.38 147	0.13 198	0.10 140	0.13 189	0.12 154	0.13 51	0.11 37

dd	0.42 79	0.96 305	1.77 103	0.31 116	0.17 61	0.57 114	0.26 113	0.49 27	0.68 214	0.41 65	0.40 62	0.34 60	0.27 67	0.45 74	0.40 159	0.17 271	0.10 140	0.13 189	0.12 154	0.21 184	0.12 63

IPLG	0.69 274	0.84 271	2.43 281	0.35 188	0.21 113	1.65 377	0.61 322	1.36 374	0.58 130	1.39 375	0.51 128	0.37 67	0.87 328	1.41 236	0.36 140	0.09 17	0.07 11	0.14 218	0.12 154	0.32 280	0.11 37

PSM-softLoss	0.48 136	0.27 42	1.85 142	0.51 315	0.17 61	0.61 174	0.40 246	0.61 83	0.57 121	0.52 149	0.48 101	0.39 77	0.25 41	1.46 243	0.77 271	0.12 170	0.08 58	0.13 189	0.12 154	0.12 32	0.14 107

KMStereo	0.48 136	0.27 42	1.85 142	0.51 315	0.17 61	0.61 174	0.40 246	0.61 83	0.57 121	0.52 149	0.48 101	0.39 77	0.25 41	1.46 243	0.77 271	0.12 170	0.08 58	0.13 189	0.12 154	0.12 32	0.14 107

sCroCo_RVC	0.33 19	0.32 80	1.89 161	0.34 174	0.27 194	0.30 5	0.22 43	0.48 23	0.44 37	0.22 5	0.33 34	0.25 26	0.25 41	0.32 20	0.24 47	0.14 226	0.16 260	0.12 135	0.12 154	0.15 83	0.13 94

Anonymous	0.35 34	0.32 80	1.87 155	0.34 174	0.31 233	0.37 11	0.31 182	0.54 58	0.40 19	0.25 19	0.28 17	0.23 13	0.29 90	0.36 36	0.27 64	0.14 226	0.13 211	0.11 91	0.12 154	0.24 218	0.20 208

GMStereo	0.38 46	0.99 319	1.91 169	0.27 39	0.16 37	0.39 14	0.23 59	0.47 20	0.62 171	0.38 52	0.34 38	0.25 26	0.25 41	0.39 50	0.29 86	0.14 226	0.08 58	0.10 48	0.12 154	0.15 83	0.11 37
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UPFNet	0.46 119	0.28 62	1.73 81	0.33 151	0.32 241	0.65 233	0.38 240	0.83 208	0.59 137	0.57 202	0.52 135	0.61 197	0.40 159	0.75 172	0.52 210	0.13 198	0.12 197	0.13 189	0.12 154	0.15 83	0.11 37

ac_64	0.55 206	0.46 144	1.92 172	0.36 206	0.34 257	0.63 210	0.31 182	0.82 202	0.61 155	0.55 183	0.51 128	0.89 312	0.48 226	1.83 301	0.55 219	0.14 226	0.11 172	0.12 135	0.12 154	0.18 147	0.12 63

cf-r	0.53 190	0.81 262	2.15 230	0.33 151	0.28 202	0.60 154	0.28 146	0.78 178	0.64 187	0.51 143	0.60 197	0.75 272	0.40 159	1.32 230	0.43 175	0.13 198	0.09 112	0.11 91	0.12 154	0.15 83	0.14 107

GwcNet-RSSM	0.57 218	0.94 297	2.13 224	0.32 137	0.25 170	0.60 154	0.30 172	0.80 192	0.66 209	0.52 149	0.64 235	0.71 256	0.40 159	1.79 295	0.50 205	0.13 198	0.09 112	0.12 135	0.12 154	0.21 184	0.15 137

PWCDC_ROB	0.72 288	1.06 332	2.09 215	0.47 300	0.36 274	0.78 298	0.26 113	0.98 308	1.34 371	0.61 242	2.07 373	0.64 212	0.61 276	0.83 186	0.71 258	0.31 349	0.14 225	0.15 244	0.12 154	0.60 363	0.21 214

mmm	0.38 46	0.21 9	1.18 8	0.35 188	0.17 61	0.49 44	0.26 113	0.78 178	0.52 83	0.50 131	0.57 177	0.41 89	0.37 133	0.71 167	0.31 107	0.11 123	0.13 211	0.14 218	0.13 179	0.15 83	0.14 107

DualNet	0.64 249	0.23 21	2.01 197	0.30 91	0.21 113	0.57 114	0.26 113	0.74 135	0.88 324	0.53 158	0.63 219	0.66 220	0.39 152	0.63 142	3.43 387	0.10 78	0.24 318	0.15 244	0.13 179	0.25 229	0.36 325

ffm	0.47 132	0.23 21	2.01 197	0.30 91	0.21 113	0.57 114	0.26 113	0.74 135	0.88 324	0.53 158	0.63 219	0.66 220	0.39 152	0.63 142	0.19 3	0.10 78	0.24 318	0.15 244	0.13 179	0.25 229	0.36 325

ff1	0.73 296	0.23 21	2.01 197	0.30 91	0.21 113	0.57 114	0.26 113	0.74 135	0.88 324	0.53 158	0.63 219	0.66 220	0.39 152	2.52 364	3.43 387	0.10 78	0.24 318	0.15 244	0.13 179	0.25 229	0.36 325

mmx	0.72 288	0.23 21	2.01 197	0.30 91	0.21 113	0.57 114	0.26 113	0.99 319	0.76 288	0.53 158	0.63 219	0.66 220	0.39 152	2.52 364	3.43 387	0.13 198	0.10 140	0.15 244	0.13 179	0.15 83	0.15 137

xxx	0.72 288	0.23 21	2.01 197	0.30 91	0.21 113	0.57 114	0.26 113	0.99 319	0.76 288	0.53 158	0.63 219	0.66 220	0.39 152	2.52 364	3.43 387	0.13 198	0.10 140	0.15 244	0.13 179	0.15 83	0.15 137

anonymousdsp2	0.34 26	0.24 29	1.16 7	0.28 57	0.15 24	0.57 114	0.23 59	0.79 190	0.47 63	0.38 52	0.37 45	0.40 85	0.25 41	0.47 86	0.21 22	0.09 17	0.07 11	0.10 48	0.13 179	0.19 164	0.27 275

CIPLG	0.56 212	1.19 351	2.46 286	0.80 363	0.31 233	0.61 174	0.57 313	0.76 154	0.57 121	0.56 192	0.63 219	0.41 89	0.30 98	0.45 74	0.40 159	0.11 123	0.20 297	0.13 189	0.13 179	0.35 301	0.19 195

PSMNet-ADL	0.51 176	0.38 110	1.65 62	0.35 188	0.21 113	0.67 243	0.26 113	0.74 135	0.55 110	0.42 69	0.52 135	0.70 253	0.45 206	1.91 316	0.57 228	0.15 240	0.13 211	0.11 91	0.13 179	0.15 83	0.20 208

PFNet+	0.45 109	0.37 105	1.86 150	0.46 295	0.18 83	0.58 129	0.77 349	0.52 43	0.64 187	0.56 192	0.48 101	0.39 77	0.26 53	0.93 194	0.32 117	0.13 198	0.09 112	0.14 218	0.13 179	0.12 32	0.15 137

RAFT-RH_RVC	0.61 239	0.50 161	2.33 260	0.36 206	0.29 207	0.60 154	0.18 11	0.44 8	0.58 130	0.76 311	1.91 371	0.47 137	0.29 90	1.60 267	1.23 320	0.14 226	0.07 11	0.13 189	0.13 179	0.10 11	0.09 16

RAFT	0.45 109	0.92 289	1.59 53	0.34 174	0.19 96	0.46 31	0.35 221	0.65 95	0.49 68	0.49 124	0.49 118	0.70 253	0.40 159	0.47 86	0.32 117	0.11 123	0.16 260	0.14 218	0.13 179	0.51 352	0.13 94

GMM-Stereo	0.50 162	0.23 21	2.41 275	0.54 328	0.24 158	0.77 293	0.46 277	0.59 74	0.57 121	0.58 214	0.73 284	0.47 137	0.43 195	0.68 156	0.27 64	0.10 78	0.06 1	0.13 189	0.13 179	0.14 69	0.44 351

Anonymous3	0.42 79	0.35 98	2.09 215	0.33 151	0.24 158	0.72 269	0.31 182	0.74 135	0.55 110	0.35 41	0.40 62	0.33 56	0.29 90	0.44 67	0.28 73	0.18 281	0.18 278	0.13 189	0.13 179	0.17 128	0.17 170

sAnonymous2	0.38 46	0.62 193	2.15 230	0.31 116	0.24 158	0.34 8	0.27 136	0.53 48	0.46 50	0.24 11	0.29 20	0.23 13	0.28 77	0.28 3	0.22 30	0.12 170	0.09 112	0.11 91	0.13 179	0.38 318	0.35 317

CroCo_RVC	0.38 46	0.62 193	2.15 230	0.31 116	0.24 158	0.34 8	0.27 136	0.53 48	0.46 50	0.24 11	0.29 20	0.23 13	0.28 77	0.28 3	0.22 30	0.12 170	0.09 112	0.11 91	0.13 179	0.38 318	0.35 317

HCRNet	0.46 119	0.49 155	1.65 62	0.38 238	0.29 207	0.58 129	0.22 43	0.75 145	0.62 171	0.47 94	0.49 118	0.48 143	0.36 125	1.12 214	0.37 142	0.15 240	0.10 140	0.15 244	0.13 179	0.17 128	0.17 170

ARAFT	0.60 231	1.23 355	3.10 359	0.28 57	0.16 37	0.64 221	0.36 227	0.90 255	0.67 212	0.61 242	0.49 118	0.55 165	0.31 106	1.24 228	0.32 117	0.10 78	0.08 58	0.14 218	0.13 179	0.37 312	0.21 214

hitnet-ft	0.67 264	0.80 258	1.90 164	0.28 57	0.22 134	0.69 257	0.36 227	0.85 222	0.65 199	0.56 192	0.84 303	1.03 340	0.95 340	2.32 344	0.55 219	0.23 320	0.14 225	0.41 361	0.13 179	0.24 218	0.17 170

CFNet-ft	0.51 176	0.76 238	1.79 125	0.28 57	0.30 217	0.63 210	0.28 146	0.66 97	0.55 110	0.45 86	0.57 177	0.74 267	0.41 170	1.46 243	0.42 167	0.14 226	0.10 140	0.28 337	0.13 179	0.18 147	0.14 107

CFNet_RVC	0.51 176	0.76 238	1.79 125	0.28 57	0.30 217	0.63 210	0.28 146	0.66 97	0.55 110	0.45 86	0.57 177	0.74 267	0.41 170	1.46 243	0.42 167	0.14 226	0.10 140	0.28 337	0.13 179	0.18 147	0.14 107

NVstereo2D	0.58 223	0.40 119	2.03 205	0.35 188	0.35 267	0.69 257	0.39 244	0.91 265	0.80 305	0.47 94	0.53 143	0.67 230	0.46 214	1.99 323	0.48 195	0.19 291	0.11 172	0.17 275	0.13 179	0.25 229	0.25 258

DN-CSS_ROB	0.48 136	1.23 355	1.99 194	0.39 246	0.22 134	0.56 97	0.19 13	0.75 145	0.61 155	0.45 86	0.62 209	0.41 89	0.31 106	0.70 165	0.32 117	0.11 123	0.08 58	0.14 218	0.13 179	0.36 305	0.12 63

PWC_ROB	0.70 278	0.94 297	1.88 157	0.39 246	0.39 293	0.62 194	0.30 172	0.98 308	0.94 336	0.91 337	1.29 352	0.77 278	0.62 281	1.62 271	1.03 304	0.18 281	0.11 172	0.18 292	0.13 179	0.51 352	0.22 224

LL-Strereo2	0.41 66	0.90 287	1.83 139	0.44 278	0.24 158	0.54 78	0.27 136	0.58 69	0.45 47	0.41 65	0.33 34	0.44 116	0.21 15	0.44 67	0.34 131	0.09 17	0.08 58	0.16 259	0.14 203	0.17 128	0.17 170

ssnet_v2	0.55 206	0.60 186	1.86 150	0.32 137	0.22 134	0.72 269	0.44 269	0.94 282	0.74 266	0.63 261	0.54 153	0.81 290	0.47 219	0.77 179	0.70 256	0.16 257	0.14 225	0.14 218	0.14 203	0.30 268	0.30 294

Wz-Net-MNSev	0.65 257	0.97 313	2.19 237	0.36 206	0.33 252	0.90 329	0.60 319	0.92 273	0.81 309	0.75 308	0.72 282	0.73 261	0.65 286	1.39 235	0.71 258	0.16 257	0.13 211	0.14 218	0.14 203	0.24 218	0.18 187

ACRE	0.56 212	1.14 342	2.77 331	0.76 359	0.28 202	0.60 154	0.56 309	0.76 154	0.58 130	0.55 183	0.62 209	0.41 89	0.29 90	0.44 67	0.39 154	0.11 123	0.19 288	0.13 189	0.14 203	0.36 305	0.18 187

KYRaft	0.48 136	0.29 66	1.75 91	0.33 151	0.21 113	0.75 283	0.44 269	0.58 69	0.57 121	0.64 270	0.93 320	0.53 158	0.72 303	0.60 137	0.24 47	0.10 78	0.07 11	0.12 135	0.14 203	0.12 32	0.54 359

DRaft	0.62 243	0.38 110	1.76 95	0.24 7	0.16 37	0.64 221	0.66 330	0.53 48	0.53 99	0.67 284	0.99 329	0.38 73	1.00 342	1.44 238	2.10 360	0.10 78	0.14 225	0.10 48	0.14 203	0.18 147	0.21 214

pcwnet_v2	0.64 249	0.49 155	4.41 395	0.32 137	0.27 194	0.60 154	0.25 97	0.97 304	0.88 324	0.59 227	0.70 274	0.63 204	0.55 251	0.66 154	0.37 142	0.17 271	0.15 246	0.15 244	0.14 203	0.21 184	0.23 242

RALAANet	0.43 85	0.98 316	1.90 164	0.32 137	0.23 145	0.48 39	0.19 13	0.67 106	0.53 99	0.48 113	0.45 82	0.39 77	0.30 98	0.48 90	0.37 142	0.10 78	0.08 58	0.11 91	0.14 203	0.27 250	0.10 27

ADLNet	0.60 231	0.71 224	1.95 182	0.35 188	0.34 257	0.67 243	0.34 215	0.90 255	0.74 266	0.68 290	0.62 209	0.80 287	0.45 206	1.78 291	0.64 246	0.14 226	0.11 172	0.14 218	0.14 203	0.29 259	0.21 214

RAFT + AFF	0.64 249	1.20 352	1.95 182	0.34 174	0.33 252	0.67 243	0.52 295	0.99 319	0.74 266	0.53 158	0.58 183	0.57 180	0.80 317	1.76 288	0.51 208	0.12 170	0.27 339	0.15 244	0.14 203	0.43 337	0.29 286

delet	0.52 185	0.54 172	1.62 60	0.31 116	0.35 267	0.74 277	0.46 277	0.85 222	0.74 266	0.55 183	0.60 197	0.67 230	0.50 234	1.12 214	0.57 228	0.11 123	0.11 172	0.13 189	0.14 203	0.16 109	0.12 63

DSFCA	0.54 195	0.35 98	1.41 31	0.28 57	0.28 202	0.79 302	0.88 358	0.76 154	0.70 231	0.72 302	0.66 246	0.67 230	0.57 260	1.17 220	0.63 243	0.16 257	0.14 225	0.13 189	0.14 203	0.16 109	0.13 94

RYNet	0.70 278	0.56 181	2.25 249	0.35 188	0.41 307	0.86 322	0.43 261	0.94 282	0.82 310	0.62 253	0.53 143	0.91 315	0.60 269	2.70 374	1.00 297	0.14 226	0.11 172	0.16 259	0.14 203	0.25 229	0.27 275

TDLM	0.67 264	0.92 289	1.76 95	0.37 224	0.24 158	0.66 238	0.56 309	0.82 202	0.74 266	1.16 356	0.62 209	0.61 197	0.48 226	2.70 374	0.50 205	0.20 300	0.11 172	0.35 351	0.14 203	0.32 280	0.16 159

CFNet	0.58 223	0.96 305	1.78 107	0.33 151	0.25 170	0.63 210	0.22 43	0.88 243	0.75 278	0.46 93	0.59 186	0.58 187	0.40 159	2.29 342	0.48 195	0.12 170	0.09 112	0.15 244	0.14 203	0.30 268	0.15 137

NLCA_NET_v2_RVC	0.55 206	0.92 289	2.36 268	0.38 238	0.37 286	0.60 154	0.28 146	0.82 202	0.62 171	0.62 253	0.55 161	0.72 258	0.45 206	1.00 201	0.43 175	0.15 240	0.11 172	0.14 218	0.14 203	0.15 83	0.16 159
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
DeepPruner_ROB	0.50 162	0.70 222	1.94 179	0.29 78	0.26 183	0.63 210	0.31 182	0.80 192	0.48 64	0.61 242	0.55 161	0.66 220	0.38 138	0.98 199	0.40 159	0.19 291	0.14 225	0.14 218	0.14 203	0.23 203	0.17 170

StereoDRNet-Refined	0.50 162	0.41 122	1.50 43	0.33 151	0.21 113	0.68 254	0.26 113	0.81 196	0.68 214	0.67 284	0.68 257	0.73 261	0.42 185	1.10 211	0.59 235	0.11 123	0.08 58	0.14 218	0.14 203	0.25 229	0.21 214
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
StereoDRNet	0.64 249	0.88 282	2.35 265	0.41 261	0.45 323	0.73 274	0.47 285	0.94 282	0.74 266	0.75 308	0.54 153	0.74 267	0.47 219	1.70 280	0.72 262	0.15 240	0.14 225	0.15 244	0.14 203	0.20 176	0.19 195

DLCB_ROB	0.54 195	0.55 180	1.49 42	0.36 206	0.25 170	0.65 233	0.36 227	0.80 192	0.70 231	0.72 302	0.69 264	0.83 295	0.46 214	1.53 255	0.60 237	0.13 198	0.12 197	0.14 218	0.14 203	0.14 69	0.13 94

StereoVision	0.45 109	0.72 228	1.94 179	0.33 151	0.32 241	0.47 33	0.26 113	0.68 109	0.57 121	0.32 40	0.89 315	0.45 123	0.27 67	0.49 99	0.36 140	0.13 198	0.15 246	0.16 259	0.15 223	0.19 164	0.13 94

Selective-IGEV	0.29 4	0.23 21	1.28 14	0.27 39	0.30 217	0.35 10	0.20 22	0.56 62	0.38 10	0.21 2	0.30 25	0.22 8	0.18 6	0.37 43	0.18 1	0.07 1	0.06 1	0.08 3	0.15 223	0.16 109	0.29 286

test_4	0.40 63	0.37 105	2.01 197	0.29 78	0.21 113	0.50 50	0.28 146	0.47 20	0.39 15	0.42 69	0.76 291	0.38 73	0.22 19	0.52 111	0.33 127	0.08 4	0.07 11	0.11 91	0.15 223	0.28 256	0.07 3

IPLGR_C	0.58 223	1.25 358	2.72 324	0.80 363	0.31 233	0.60 154	0.61 322	0.76 154	0.58 130	0.56 192	0.62 209	0.41 89	0.31 106	0.43 62	0.40 159	0.11 123	0.22 310	0.13 189	0.15 223	0.35 301	0.19 195

SACVNet	0.60 231	0.74 235	1.90 164	0.37 224	0.28 202	0.64 221	0.37 234	0.86 230	0.61 155	0.65 277	0.62 209	0.69 243	0.44 202	2.08 329	0.42 167	0.18 281	0.14 225	0.16 259	0.15 223	0.38 318	0.24 249

PSM-AAD	0.63 246	0.22 17	1.77 103	0.37 224	0.23 145	0.86 322	1.17 379	0.59 74	0.60 141	0.64 270	0.71 278	0.68 236	2.93 395	0.65 152	0.31 107	0.09 17	0.07 11	0.17 275	0.15 223	0.13 51	0.33 312

rafts_anoy	0.43 85	0.89 285	1.96 191	0.32 137	0.30 217	0.48 39	0.24 82	0.62 87	0.49 68	0.37 47	0.38 52	0.33 56	0.30 98	0.51 107	0.34 131	0.10 78	0.39 363	0.13 189	0.15 223	0.17 128	0.15 137

FINET	0.65 257	0.95 303	3.06 356	0.35 188	0.40 300	0.58 129	0.48 288	0.92 273	1.10 357	0.57 202	0.68 257	0.47 137	0.44 202	1.15 219	0.60 237	0.23 320	0.21 305	0.17 275	0.15 223	0.26 243	0.25 258

Syn2CoEx	0.70 278	1.07 334	2.74 328	0.43 273	0.30 217	0.64 221	0.42 255	0.99 319	0.78 297	0.62 253	0.78 295	0.74 267	0.72 303	1.92 318	0.61 239	0.20 300	0.17 270	0.19 297	0.15 223	0.29 259	0.22 224

psm_up	0.57 218	0.61 190	1.83 139	0.35 188	0.30 217	0.64 221	0.37 234	0.90 255	0.68 214	0.59 227	0.55 161	0.68 236	0.54 246	1.91 316	0.46 183	0.16 257	0.15 246	0.16 259	0.15 223	0.23 203	0.13 94

GwcNet	0.69 274	0.71 224	3.12 362	0.36 206	0.45 323	0.81 309	0.44 269	0.86 230	0.84 315	0.60 235	0.74 286	0.82 293	0.49 231	1.65 273	0.66 248	0.16 257	0.15 246	0.15 244	0.15 223	0.31 276	0.24 249

DMCA-RVC	0.62 243	0.96 305	2.63 311	0.36 206	0.90 375	0.56 97	0.31 182	0.69 111	0.57 121	0.68 290	0.52 135	0.59 189	0.56 255	1.23 225	0.53 214	0.16 257	0.38 357	0.20 305	0.15 223	0.20 176	0.15 137

ADCP+	0.94 337	1.12 338	3.14 363	0.34 174	0.39 293	1.06 346	0.79 351	0.89 249	0.80 305	0.66 280	0.67 249	0.85 300	1.55 375	0.93 194	4.55 398	0.13 198	0.11 172	0.16 259	0.15 223	0.26 243	0.25 258

SANet	1.20 358	1.21 353	3.33 378	0.38 238	0.27 194	1.73 381	0.85 356	1.10 357	2.49 394	1.16 356	1.83 369	1.72 375	1.50 374	2.37 346	2.84 374	0.18 281	0.16 260	0.16 259	0.15 223	0.32 280	0.32 305

XPNet_ROB	0.61 239	0.72 228	1.66 66	0.37 224	0.27 194	0.67 243	0.47 285	0.89 249	0.71 240	0.78 315	0.70 274	0.81 290	0.53 243	1.70 280	0.76 269	0.21 304	0.16 260	0.16 259	0.15 223	0.20 176	0.21 214

EKT-Stereo	1.47 377	0.49 155	1.93 175	2.57 405	19.31 419	0.55 88	0.22 43	0.69 111	0.42 28	0.38 52	0.36 42	0.43 105	0.27 67	0.69 161	0.26 56	0.12 170	0.14 225	0.11 91	0.16 238	0.20 176	0.15 137

SDNR	1.22 362	0.80 258	2.71 322	0.33 151	1.48 399	1.98 390	0.23 59	1.93 391	2.44 392	0.89 335	2.52 385	1.36 366	0.51 236	3.65 395	1.93 350	0.30 347	0.31 345	0.22 313	0.16 238	0.33 286	0.36 325

ToySt	0.44 94	0.61 190	1.89 161	0.29 78	0.18 83	0.55 88	0.35 221	0.67 106	0.53 99	0.39 57	0.50 124	0.59 189	0.43 195	0.51 107	0.49 200	0.10 78	0.12 197	0.13 189	0.16 238	0.24 218	0.19 195

MC-Stereo	0.32 14	0.31 77	1.46 36	0.31 116	0.15 24	0.53 75	0.19 13	0.44 8	0.35 4	0.36 43	0.38 52	0.27 37	0.27 67	0.42 59	0.19 3	0.09 17	0.13 211	0.09 20	0.16 238	0.20 176	0.13 94

WZ-Net	0.92 335	1.31 363	3.76 383	0.41 261	0.36 274	0.86 322	0.71 341	1.00 327	1.06 353	0.82 326	0.92 317	1.06 347	1.05 347	2.16 335	1.61 340	0.19 291	0.13 211	0.15 244	0.16 238	0.32 280	0.28 280

PFNet	0.60 231	0.33 85	2.47 288	0.41 261	0.55 346	0.62 194	0.27 136	0.61 83	0.63 180	0.61 242	0.56 172	0.45 123	0.32 109	1.88 313	1.14 311	0.28 344	0.09 112	0.12 135	0.16 238	0.26 243	0.20 208

SFCPSM	0.46 119	0.24 29	2.35 265	0.27 39	0.27 194	0.70 262	0.32 203	0.96 297	0.63 180	0.49 124	0.52 135	0.43 105	0.36 125	0.52 111	0.43 175	0.12 170	0.09 112	0.12 135	0.16 238	0.16 109	0.12 63

PSMNet-RSSM	0.53 190	0.82 266	1.78 107	0.31 116	0.25 170	0.58 129	0.28 146	0.84 218	0.60 141	0.50 131	0.61 204	0.67 230	0.43 195	1.68 277	0.42 167	0.15 240	0.10 140	0.14 218	0.16 238	0.15 83	0.13 94

FAT-Stereo	0.70 278	0.54 172	2.88 338	0.36 206	0.29 207	0.62 194	0.54 301	0.97 304	0.87 321	0.76 311	0.92 317	0.94 324	0.80 317	1.84 306	0.57 228	0.18 281	0.19 288	0.17 275	0.16 238	0.22 195	0.25 258

SuperB	1.15 354	1.14 342	5.43 403	0.36 206	0.26 183	0.81 309	0.89 359	0.88 243	1.17 362	0.67 284	0.68 257	0.63 204	1.39 368	1.74 286	3.37 385	0.15 240	0.12 197	0.17 275	0.16 238	2.80 406	0.25 258

stereogan	0.69 274	0.51 163	2.44 283	0.39 246	0.39 293	1.01 343	0.41 252	0.94 282	0.92 335	0.73 306	0.85 307	1.15 358	0.69 296	1.57 260	0.53 214	0.19 291	0.18 278	0.20 305	0.16 238	0.36 305	0.24 249

DANet	0.80 316	0.65 208	2.21 239	1.19 386	0.48 333	0.74 277	1.25 382	0.89 249	1.53 378	0.89 335	0.71 278	0.96 327	0.56 255	1.83 301	0.96 289	0.18 281	0.16 260	0.19 297	0.16 238	0.26 243	0.29 286
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.75 301	0.84 271	2.01 197	0.40 255	0.25 170	0.74 277	0.66 330	0.87 239	0.73 262	0.71 299	1.07 341	0.84 297	0.59 267	2.71 376	1.15 313	0.17 271	0.16 260	0.44 364	0.16 238	0.31 276	0.20 208

DRN-Test	0.64 249	0.43 131	2.44 283	0.39 246	0.44 315	0.80 308	0.41 252	1.02 338	0.78 297	0.80 317	0.63 219	0.69 243	0.56 255	1.79 295	0.69 255	0.15 240	0.12 197	0.17 275	0.16 238	0.18 147	0.17 170

ETE_ROB	0.60 231	0.71 224	1.55 49	0.37 224	0.25 170	0.69 257	0.51 292	1.47 377	0.70 231	0.80 317	0.69 264	0.85 300	0.49 231	1.36 234	0.58 233	0.16 257	0.13 211	0.19 297	0.16 238	0.21 184	0.23 242

fast-acv-ft	0.63 246	0.88 282	3.10 359	0.38 238	0.30 217	0.79 302	0.48 288	0.69 111	0.72 248	0.58 214	0.78 295	0.76 276	0.60 269	0.67 155	0.73 265	0.15 240	0.15 246	0.18 292	0.17 253	0.37 312	0.16 159

GASNet	0.73 296	1.47 373	3.04 354	0.47 300	0.33 252	0.57 114	0.34 215	0.91 265	0.75 278	0.58 214	0.58 183	0.74 267	0.55 251	2.03 325	0.65 247	0.21 304	0.15 246	0.19 297	0.17 253	0.51 352	0.28 280

Wz-Net-SNSev	0.76 304	1.32 366	3.11 361	0.40 255	0.31 233	0.71 264	0.60 319	0.98 308	0.87 321	0.67 284	0.83 300	0.96 327	0.60 269	1.67 276	0.97 290	0.16 257	0.15 246	0.16 259	0.17 253	0.36 305	0.24 249

test-1	0.44 94	0.48 153	1.69 70	0.30 91	0.27 194	0.50 50	0.28 146	0.80 192	0.43 35	0.40 59	0.54 153	0.41 89	0.24 30	0.31 16	1.16 314	0.09 17	0.20 297	0.10 48	0.17 253	0.11 22	0.26 267

AF-Net	0.69 274	0.92 289	2.21 239	0.41 261	0.40 300	0.68 254	0.40 246	1.02 338	0.86 318	0.69 292	1.03 336	1.04 343	0.84 323	1.19 221	0.78 273	0.22 317	0.14 225	0.25 330	0.17 253	0.30 268	0.18 187

RTSC	0.72 288	1.00 321	2.22 242	0.40 255	0.29 207	0.82 312	0.31 182	0.96 297	1.10 357	0.92 338	0.81 298	0.78 281	0.58 264	1.23 225	1.55 338	0.18 281	0.17 270	0.14 218	0.17 253	0.43 337	0.30 294

CVANet_RVC	0.65 257	0.80 258	2.13 224	0.36 206	0.26 183	0.62 194	0.42 255	0.84 218	0.72 248	0.69 292	0.68 257	0.68 236	0.52 241	2.64 370	0.42 167	0.19 291	0.12 197	0.22 313	0.17 253	0.37 312	0.15 137

UCFNet_RVC	0.48 136	0.82 266	1.85 142	0.30 91	0.27 194	0.64 221	0.26 113	0.74 135	0.55 110	0.48 113	0.53 143	0.63 204	0.41 170	0.88 193	0.38 147	0.15 240	0.10 140	0.17 275	0.17 253	0.18 147	0.15 137

DPSNet	0.86 327	0.60 186	2.34 262	0.58 340	0.36 274	1.07 351	0.75 346	1.30 371	1.05 350	0.70 295	0.68 257	0.94 324	1.29 358	2.08 329	1.82 348	0.26 335	0.23 315	0.16 259	0.17 253	0.48 346	0.40 342

MDST_ROB	1.17 357	0.42 128	3.87 385	0.54 328	0.44 315	4.11 406	0.58 315	1.31 372	0.84 315	2.12 387	1.12 344	0.98 331	0.71 300	4.24 401	0.99 296	0.16 257	0.14 225	0.19 297	0.17 253	0.18 147	0.35 317

ff7	0.32 14	0.52 164	1.38 26	0.25 15	0.16 37	0.56 97	0.23 59	0.46 12	0.41 23	0.24 11	0.23 5	0.20 2	0.23 24	0.48 90	0.19 3	0.09 17	0.08 58	0.10 48	0.18 263	0.23 203	0.22 224

IGEVStereo-DCA	0.33 19	0.34 92	1.38 26	0.27 39	0.16 37	0.45 19	0.23 59	0.46 12	0.41 23	0.24 11	0.21 2	0.26 31	0.25 41	0.64 145	0.52 210	0.09 17	0.07 11	0.10 48	0.18 263	0.16 109	0.22 224

ffff	0.32 14	0.52 164	1.38 26	0.25 15	0.16 37	0.56 97	0.23 59	0.46 12	0.41 23	0.24 11	0.23 5	0.20 2	0.23 24	0.48 90	0.19 3	0.09 17	0.08 58	0.10 48	0.18 263	0.23 203	0.22 224

11t	0.32 14	0.52 164	1.38 26	0.25 15	0.16 37	0.56 97	0.23 59	0.46 12	0.41 23	0.24 11	0.23 5	0.20 2	0.23 24	0.48 90	0.19 3	0.09 17	0.08 58	0.10 48	0.18 263	0.23 203	0.22 224

anonymousdsp	0.34 26	0.53 169	1.47 38	0.25 15	0.16 37	0.56 97	0.23 59	0.49 27	0.40 19	0.25 19	0.24 11	0.22 8	0.24 30	0.55 124	0.19 3	0.09 17	0.11 172	0.10 48	0.18 263	0.24 218	0.29 286

ccc-4	0.32 14	0.52 164	1.38 26	0.25 15	0.16 37	0.56 97	0.23 59	0.46 12	0.41 23	0.24 11	0.23 5	0.20 2	0.23 24	0.48 90	0.19 3	0.09 17	0.08 58	0.10 48	0.18 263	0.23 203	0.22 224

IGEV-Stereo	0.34 26	0.54 172	1.47 38	0.25 15	0.16 37	0.56 97	0.23 59	0.49 27	0.40 19	0.25 19	0.24 11	0.22 8	0.24 30	0.54 120	0.19 3	0.09 17	0.10 140	0.10 48	0.18 263	0.24 218	0.29 286
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
dad	0.51 176	1.01 325	1.74 85	0.29 78	0.19 96	0.60 154	0.26 113	0.52 43	0.75 278	0.63 261	0.63 219	0.63 204	0.33 112	0.85 190	0.47 192	0.27 340	0.15 246	0.40 360	0.18 263	0.22 195	0.14 107

LCNet	0.54 195	0.37 105	1.78 107	0.92 372	0.22 134	0.96 336	0.30 172	0.59 74	0.58 130	0.51 143	0.55 161	0.41 89	0.76 313	0.84 188	0.26 56	0.09 17	0.06 1	0.12 135	0.18 263	0.98 378	0.39 338

psmorigin	1.36 370	0.60 186	13.80 416	0.37 224	0.29 207	0.62 194	0.33 211	0.77 164	0.61 155	0.96 343	0.88 313	1.17 360	0.73 306	4.00 398	0.86 284	0.19 291	0.22 310	0.17 275	0.18 263	0.24 218	0.29 286

EDNetEfficientorigin	8.18 410	0.98 316	145.96 434	0.51 315	0.89 374	0.72 269	0.48 288	0.85 222	1.56 380	2.12 387	1.49 360	1.29 362	1.31 361	1.83 301	2.13 361	0.13 198	0.12 197	0.17 275	0.18 263	0.39 326	0.45 352

FADNet-RVC	0.61 239	1.26 359	2.12 222	0.33 151	0.26 183	0.59 145	0.29 166	0.86 230	0.62 171	0.45 86	0.50 124	0.62 201	0.46 214	1.73 284	0.55 219	0.17 271	0.20 297	0.17 275	0.18 263	0.59 360	0.28 280

S-Stereo	0.80 316	0.69 219	3.89 386	0.39 246	0.37 286	0.69 257	0.70 340	0.94 282	0.98 343	0.62 253	0.91 316	0.83 295	0.60 269	2.37 346	0.66 248	0.18 281	0.21 305	0.17 275	0.18 263	0.30 268	0.35 317

edge stereo	0.81 321	0.73 231	3.30 375	0.37 224	1.21 391	0.62 194	0.39 244	0.93 278	0.79 302	0.80 317	0.88 313	1.14 357	0.71 300	2.18 336	0.71 258	0.21 304	0.20 297	0.26 333	0.18 263	0.38 318	0.26 267

RTS	1.21 359	1.31 363	6.39 405	0.52 319	0.51 339	1.61 373	0.79 351	1.03 345	1.37 372	1.13 353	1.30 353	1.10 353	0.85 324	2.65 371	2.08 357	0.21 304	0.24 318	0.18 292	0.18 263	0.43 337	0.32 305

RTSA	1.21 359	1.31 363	6.39 405	0.52 319	0.51 339	1.61 373	0.79 351	1.03 345	1.37 372	1.13 353	1.30 353	1.10 353	0.85 324	2.65 371	2.08 357	0.21 304	0.24 318	0.18 292	0.18 263	0.43 337	0.32 305

PS-NSSS	0.63 246	1.00 321	1.81 132	0.30 91	0.31 233	0.63 210	0.34 215	0.98 308	0.69 222	0.54 169	0.74 286	0.51 150	0.41 170	2.43 357	0.48 195	0.24 327	0.17 270	0.27 334	0.18 263	0.27 250	0.21 214

LALA_ROB	0.60 231	0.76 238	1.69 70	0.36 206	0.29 207	0.79 302	0.55 304	0.94 282	0.77 292	0.81 322	0.67 249	0.94 324	0.49 231	0.99 200	0.73 265	0.21 304	0.15 246	0.20 305	0.18 263	0.23 203	0.21 214

coex-ft	5.95 408	1.67 381	60.57 432	0.34 174	0.30 217	0.77 293	0.69 337	0.74 135	4.41 400	19.22 420	2.15 377	1.62 374	7.97 409	1.81 300	8.96 409	0.44 360	2.08 408	0.18 292	0.19 281	0.38 318	4.62 412

UDGNet	0.44 94	1.02 328	1.74 85	0.35 188	0.19 96	0.58 129	0.23 59	0.49 27	0.66 209	0.41 65	0.38 52	0.34 60	0.29 90	0.53 117	0.30 97	0.24 327	0.10 140	0.37 357	0.19 281	0.27 250	0.15 137

APVNet	0.70 278	0.67 214	2.71 322	0.38 238	0.36 274	0.85 320	0.43 261	0.91 265	0.68 214	0.55 183	0.69 264	0.75 272	0.55 251	2.31 343	0.78 273	0.17 271	0.17 270	0.24 325	0.19 281	0.33 286	0.23 242

FADNet-RVC-Resample	0.67 264	1.16 350	3.16 365	0.37 224	0.29 207	0.62 194	0.38 240	0.86 230	0.63 180	0.51 143	0.50 124	0.57 180	0.45 206	1.57 260	0.49 200	0.24 327	0.32 349	0.23 319	0.19 281	0.27 250	0.62 366

FADNet	0.64 249	1.22 354	2.06 207	0.32 137	0.30 217	0.66 238	0.29 166	0.88 243	0.72 248	0.44 79	0.48 101	0.66 220	0.57 260	1.84 306	0.45 182	0.46 364	0.20 297	0.17 275	0.19 281	0.59 360	0.24 249

ADCRef	0.80 316	0.96 305	2.29 255	0.37 224	0.35 267	0.96 336	0.51 292	0.87 239	0.75 278	0.88 333	0.83 300	0.61 197	1.36 365	1.02 203	3.27 382	0.13 198	0.11 172	0.17 275	0.19 281	0.25 229	0.21 214

PSMNet_ROB	0.66 261	1.01 325	2.33 260	0.38 238	0.31 233	0.72 269	0.55 304	0.86 230	0.69 222	0.54 169	0.60 197	0.75 272	0.47 219	2.00 324	0.82 281	0.17 271	0.13 211	0.19 297	0.19 281	0.24 218	0.27 275

SGM-Forest	1.04 348	0.42 128	3.59 382	0.41 261	0.32 241	1.05 345	1.32 385	0.94 282	0.83 313	1.16 356	2.23 381	1.03 340	1.39 368	2.49 362	2.35 367	0.21 304	0.21 305	0.20 305	0.19 281	0.23 203	0.32 305
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.71 285	0.76 238	2.64 313	0.33 151	0.20 106	0.78 298	0.79 351	0.98 308	0.78 297	0.85 332	0.71 278	0.86 304	1.10 352	1.46 243	0.62 241	0.18 281	0.20 297	0.21 311	0.19 281	0.25 229	0.33 312
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	1.21 359	1.15 346	3.01 353	0.34 174	0.28 202	1.10 352	0.69 337	1.35 373	1.01 346	2.71 400	2.41 384	2.96 388	1.45 371	2.80 380	1.40 331	0.22 317	0.22 310	0.22 313	0.19 281	0.50 350	0.26 267
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
Wz-Net-TNSev	0.91 333	1.73 387	3.08 357	0.36 206	0.31 233	1.00 342	0.71 341	1.06 351	0.97 340	0.71 299	0.72 282	1.09 351	0.87 328	2.42 355	1.59 339	0.20 300	0.20 297	0.16 259	0.20 291	0.44 344	0.35 317

STTStereo	0.51 176	0.69 219	2.14 229	0.36 206	0.30 217	0.61 174	0.32 203	0.77 164	0.60 141	0.60 235	0.54 153	0.67 230	0.43 195	0.86 191	0.42 167	0.16 257	0.15 246	0.17 275	0.20 291	0.16 109	0.15 137

RP	0.67 264	0.82 266	1.94 179	0.43 273	0.44 315	0.65 233	0.45 275	0.89 249	0.82 310	0.66 280	0.92 317	0.99 334	0.76 313	1.55 257	0.66 248	0.25 332	0.18 278	0.23 319	0.20 291	0.31 276	0.22 224

XQC	0.73 296	0.98 316	2.39 272	0.46 295	0.35 267	0.81 309	0.46 277	1.00 327	1.00 344	0.80 317	0.69 264	0.88 310	0.74 311	1.32 230	1.20 316	0.24 327	0.16 260	0.23 319	0.20 291	0.41 332	0.33 312

Anonymous Stereo	0.70 278	1.08 335	2.47 288	0.42 269	0.36 274	0.60 154	0.78 350	0.83 208	0.75 278	0.65 277	0.63 219	0.62 201	0.38 138	2.43 357	0.78 273	0.19 291	0.18 278	0.19 297	0.20 291	0.30 268	0.23 242

GrayStereo	0.66 261	0.19 2	1.76 95	0.90 370	0.23 145	0.62 194	1.42 393	0.62 87	0.60 141	0.72 302	0.78 295	0.56 174	3.07 398	0.60 137	0.26 56	0.09 17	0.08 58	0.10 48	0.21 296	0.11 22	0.18 187

aanetorigin	0.77 308	0.80 258	2.59 308	0.43 273	0.44 315	0.58 129	1.01 369	0.57 65	0.68 214	1.53 380	1.23 348	0.81 290	1.08 350	1.07 208	1.07 306	0.18 281	0.15 246	0.17 275	0.21 296	0.54 357	0.30 294

MaskLacGwcNet_RVC	0.77 308	1.04 330	2.06 207	0.94 374	0.35 267	0.89 328	0.40 246	0.85 222	0.63 180	0.55 183	0.63 219	0.75 272	0.38 138	2.38 349	0.48 195	1.10 387	0.31 345	0.36 353	0.21 296	0.53 356	0.55 361

SHD	0.72 288	0.77 246	2.36 268	0.45 291	0.40 300	0.71 264	0.32 203	1.02 338	1.25 367	1.07 349	0.84 303	0.90 314	0.73 306	1.09 210	0.98 291	0.21 304	0.18 278	0.20 305	0.21 296	0.32 280	0.31 301

ADCL	0.99 341	0.79 256	2.43 281	0.39 246	0.32 241	1.50 369	1.90 397	0.92 273	0.97 340	1.26 368	1.27 350	1.00 335	1.42 370	1.14 217	3.31 383	0.17 271	0.14 225	0.22 313	0.21 296	0.30 268	0.22 224

WCMA_ROB	1.12 351	0.83 269	2.66 316	0.58 340	0.34 257	1.17 359	0.71 341	0.93 278	0.94 336	1.74 383	2.63 390	3.09 390	1.71 381	1.70 280	1.84 349	0.26 335	0.21 305	0.20 305	0.21 296	0.28 256	0.43 349

cross-raft	0.40 63	0.27 42	2.22 242	0.30 91	0.17 61	0.49 44	0.35 221	0.71 117	0.39 15	0.43 74	0.45 82	0.64 212	0.25 41	0.32 20	0.25 53	0.08 4	0.08 58	0.09 20	0.23 302	0.11 22	0.14 107

ADCS	1.05 349	1.36 370	2.98 351	0.42 269	0.36 274	0.96 336	0.81 355	1.06 351	1.12 359	1.25 365	0.97 326	1.08 349	0.90 333	1.25 229	4.86 400	0.21 304	0.21 305	0.22 313	0.23 302	0.36 305	0.38 335

AnyNet_C01	1.14 352	1.49 374	4.23 394	0.54 328	0.53 341	1.51 370	1.37 387	1.04 349	1.07 354	1.17 361	1.33 355	1.15 358	1.08 350	1.61 270	2.74 372	0.25 332	0.22 310	0.28 337	0.24 304	0.48 346	0.40 342

AnyNet_C32	1.00 344	1.33 368	2.53 297	0.49 310	0.54 343	1.15 357	1.14 377	0.91 265	0.89 329	1.11 352	0.95 323	0.87 306	0.93 335	1.50 252	4.07 393	0.21 304	0.20 297	0.25 330	0.24 304	0.38 318	0.33 312

GANetREF_RVC	0.75 301	1.15 346	2.46 286	0.47 300	0.26 183	0.83 314	0.61 322	0.97 304	0.89 329	0.62 253	0.61 204	0.72 258	0.59 267	2.42 355	0.55 219	0.32 350	0.25 332	0.36 353	0.24 304	0.39 326	0.31 301
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
NaN_ROB	1.14 352	0.94 297	2.96 347	0.53 325	0.56 348	1.13 355	0.99 365	0.98 308	1.00 344	1.09 351	0.87 310	0.77 278	1.06 349	5.90 405	2.72 371	0.16 257	0.23 315	0.16 259	0.24 304	0.22 195	0.36 325

CSAN	1.25 363	1.12 338	3.04 354	0.51 315	0.37 286	1.06 346	1.15 378	1.22 366	1.08 355	1.17 361	1.91 371	1.04 343	1.31 361	5.96 406	2.43 369	0.26 335	0.22 310	0.24 325	0.24 304	0.31 276	0.30 294

PDISCO_ROB	0.75 301	1.06 332	2.11 219	0.64 350	0.59 352	1.13 355	0.43 261	1.14 361	1.05 350	0.64 270	0.71 278	0.96 327	0.61 276	1.21 222	0.76 269	0.37 357	0.18 278	0.27 334	0.24 304	0.56 359	0.32 305

HBP-ISP	0.76 304	1.30 362	3.19 369	0.35 188	0.26 183	0.85 320	0.54 301	1.03 345	0.72 248	0.80 317	0.69 264	0.68 236	0.83 320	2.04 326	0.44 179	0.23 320	0.24 318	0.29 344	0.25 310	0.28 256	0.24 249

Nwc_Net	0.68 270	0.83 269	2.53 297	0.41 261	0.39 293	0.77 293	0.38 240	1.01 335	0.70 231	0.60 235	0.99 329	0.98 331	0.68 295	1.41 236	0.63 243	0.23 320	0.15 246	0.23 319	0.25 310	0.23 203	0.18 187

SAMSARA	0.91 333	0.97 313	2.22 242	0.80 363	0.58 351	1.32 361	1.31 384	1.01 335	0.94 336	1.36 371	0.87 310	1.38 367	0.90 333	1.72 283	1.02 302	0.24 327	0.30 344	0.22 313	0.25 310	0.36 305	0.35 317

NCCL2	0.65 257	0.94 297	1.96 191	0.43 273	0.30 217	0.71 264	0.68 335	0.84 218	0.65 199	0.70 295	0.60 197	0.86 304	0.54 246	1.56 258	0.57 228	0.20 300	0.16 260	0.67 374	0.25 310	0.22 195	0.24 249

CBMV_ROB	0.76 304	0.42 128	2.68 318	0.33 151	0.22 134	0.74 277	0.47 285	0.96 297	0.76 288	1.04 348	0.96 324	0.88 310	0.93 335	2.06 327	1.19 315	0.22 317	0.24 318	0.27 334	0.25 310	0.25 229	0.28 280

FBW_ROB	0.83 323	0.77 246	1.77 103	0.44 278	0.30 217	0.87 326	0.46 277	1.10 357	0.91 332	0.81 322	0.75 289	1.01 336	0.61 276	3.66 396	1.23 320	0.26 335	0.23 315	0.36 353	0.25 310	0.27 250	0.62 366

RGC	0.71 285	0.97 313	2.18 236	0.44 278	0.44 315	0.73 274	0.40 246	0.94 282	0.71 240	0.71 299	1.04 339	1.01 336	0.71 300	1.74 286	0.70 256	0.23 320	0.18 278	0.28 337	0.26 316	0.29 259	0.27 275

G-Net	0.99 341	0.64 202	2.76 330	0.57 338	0.67 360	2.03 391	0.72 344	0.76 154	0.67 212	1.14 355	2.56 387	1.30 365	1.02 344	1.48 251	1.74 345	0.25 332	0.24 318	0.24 325	0.26 316	0.37 312	0.31 301

PVD	0.90 332	0.85 275	2.15 230	0.53 325	0.50 334	0.99 339	0.56 309	1.15 364	1.64 381	1.41 376	1.41 359	1.11 355	1.13 354	1.35 233	1.31 323	0.26 335	0.28 341	0.28 337	0.26 316	0.37 312	0.49 357

NOSS_ROB	0.64 249	0.65 208	1.62 60	0.46 295	0.25 170	0.67 243	0.30 172	0.93 278	0.77 292	0.59 227	0.57 177	0.77 278	0.38 138	2.78 378	0.44 179	0.23 320	0.24 318	0.28 337	0.26 316	0.27 250	0.39 338

ccnet	0.71 285	0.41 122	1.59 53	0.40 255	0.45 323	1.06 346	0.55 304	0.98 308	0.71 240	0.88 333	0.97 326	0.82 293	0.88 331	1.68 277	0.94 287	0.32 350	0.26 334	0.32 348	0.27 320	0.34 293	0.30 294

EDNetEfficient	1.27 364	0.70 222	4.05 391	0.64 350	0.98 379	0.94 334	1.40 390	0.85 222	1.75 385	2.34 396	1.33 355	1.05 345	2.21 389	1.58 264	4.15 394	0.15 240	0.19 288	0.14 218	0.27 320	0.38 318	0.32 305

SGM-ForestM	2.98 400	1.70 385	3.52 381	0.67 354	0.47 331	5.18 409	3.36 406	3.30 405	2.86 398	4.44 406	3.79 401	9.80 410	5.50 407	6.29 407	6.52 405	0.27 340	0.36 353	0.24 325	0.27 320	0.38 318	0.58 364

DeepPrunerF	0.86 327	0.86 276	2.91 345	0.45 291	0.50 334	0.64 221	0.48 288	1.14 361	2.64 395	0.63 261	0.61 204	0.65 215	0.62 281	2.21 338	1.31 323	0.23 320	0.19 288	0.30 345	0.28 323	0.36 305	0.25 258

PA-Net	0.84 325	1.00 321	3.49 379	0.63 349	0.40 300	0.70 262	0.52 295	0.86 230	0.84 315	0.52 149	0.59 186	0.70 253	0.54 246	2.35 345	2.23 364	0.17 271	0.27 339	0.19 297	0.28 323	0.22 195	0.36 325
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
LSM	3.31 402	1.11 337	5.29 402	9.40 415	30.65 428	0.84 316	1.12 376	0.91 265	1.22 365	1.36 371	2.19 378	0.93 320	0.83 320	1.66 274	0.90 285	0.21 304	0.31 345	0.24 325	0.28 323	0.39 326	6.33 413

rrr	0.46 119	0.34 92	3.08 357	0.27 39	0.16 37	0.45 19	0.28 146	1.09 356	0.51 78	0.24 11	0.21 2	0.26 31	0.25 41	0.64 145	0.52 210	0.09 17	0.07 11	0.10 48	0.29 326	0.16 109	0.25 258

SQANet	0.80 316	1.58 376	2.53 297	0.76 359	0.83 370	0.76 285	0.36 227	0.83 208	0.64 187	0.63 261	0.69 264	0.73 261	0.51 236	1.21 222	0.53 214	0.77 377	0.29 342	0.59 371	0.29 326	0.86 376	0.61 365

anonymousa	0.48 136	0.46 144	2.44 283	0.29 78	0.34 257	0.61 174	0.25 97	0.66 97	0.54 106	0.53 158	0.77 294	0.73 261	0.46 214	0.33 26	0.31 107	0.10 78	0.09 112	0.12 135	0.29 326	0.10 11	0.19 195

Sa-1000	0.51 176	0.72 228	1.90 164	0.31 116	0.60 356	0.60 154	0.31 182	0.94 282	0.71 240	0.52 149	0.83 300	0.42 102	0.33 112	0.68 156	0.28 73	0.10 78	0.09 112	0.13 189	0.29 326	0.29 259	0.10 27

CC-Net-ROB	0.85 326	1.15 346	2.13 224	0.88 369	0.38 291	0.88 327	0.44 269	1.06 351	0.79 302	0.58 214	0.69 264	0.65 215	0.50 234	2.74 377	0.51 208	0.93 380	0.39 363	0.87 379	0.29 326	0.54 357	0.54 359

raft_robust	0.55 206	0.84 271	1.73 81	0.28 57	0.54 343	0.53 75	0.25 97	0.88 243	0.75 278	0.48 113	0.46 86	0.76 276	0.75 312	1.46 243	0.27 64	0.09 17	0.10 140	0.10 48	0.30 331	0.26 243	0.16 159

CREStereo++_RVC	0.33 19	0.29 66	1.74 85	0.24 7	0.16 37	0.54 78	0.15 1	0.40 3	0.55 110	0.37 47	0.51 128	0.24 20	0.19 9	0.27 1	0.26 56	0.09 17	0.06 1	0.08 3	0.30 331	0.08 1	0.06 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
FCDSN-DC	1.29 365	0.54 172	2.50 294	0.47 300	0.41 307	1.12 353	0.60 319	1.10 357	1.27 369	2.23 393	2.87 393	3.67 394	3.12 399	2.39 352	1.69 342	0.30 347	0.26 334	0.31 346	0.30 331	0.35 301	0.38 335
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	1.49 379	0.59 185	2.88 338	0.44 278	0.39 293	1.97 389	0.66 330	1.67 385	1.70 383	2.72 401	2.89 394	4.22 397	2.97 397	2.55 367	2.19 362	0.29 345	0.26 334	0.31 346	0.30 331	0.32 280	0.39 338

Gwc-CoAtRS	0.38 46	0.33 85	1.92 172	0.27 39	0.41 307	0.48 39	0.19 13	0.59 74	0.46 50	0.43 74	0.39 59	0.57 180	0.26 53	0.32 20	0.26 56	0.09 17	0.09 112	0.09 20	0.31 335	0.11 22	0.09 16

NCC-stereo	0.79 314	0.94 297	2.42 277	0.59 343	0.45 323	1.90 384	0.46 277	0.99 319	0.72 248	0.64 270	0.84 303	0.91 315	0.73 306	1.80 297	1.00 297	0.27 340	0.19 288	0.23 319	0.31 335	0.24 218	0.22 224

Abc-Net	0.79 314	0.94 297	2.42 277	0.59 343	0.45 323	1.90 384	0.46 277	0.99 319	0.72 248	0.64 270	0.84 303	0.91 315	0.73 306	1.80 297	1.00 297	0.27 340	0.19 288	0.23 319	0.31 335	0.24 218	0.22 224
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
MSKI-zero shot	0.46 119	0.38 110	2.47 288	0.27 39	0.43 314	0.56 97	0.20 22	0.77 164	0.43 35	0.60 235	0.51 128	0.44 116	0.17 1	0.68 156	0.21 22	0.09 17	0.29 342	0.09 20	0.32 338	0.14 69	0.10 27

DCRE	0.50 162	0.63 200	2.13 224	0.30 91	0.23 145	0.45 19	0.24 82	0.59 74	0.53 99	0.50 131	2.10 375	0.42 102	0.26 53	0.35 32	0.23 33	0.09 17	0.14 225	0.10 48	0.32 338	0.16 109	0.15 137

SA	0.50 162	0.75 237	1.95 182	0.31 116	0.61 357	0.57 114	0.31 182	0.91 265	0.73 262	0.42 69	0.62 209	0.38 73	0.47 219	0.68 156	0.29 86	0.09 17	0.09 112	0.13 189	0.32 338	0.30 268	0.10 27

MIPNet	0.83 323	0.81 262	2.40 274	0.61 347	0.18 83	1.48 367	1.39 389	1.60 383	0.74 266	1.94 385	0.85 307	0.73 261	1.68 379	0.87 192	0.31 107	0.09 17	0.08 58	0.11 91	0.32 338	0.25 229	0.12 63

XX-Stereo	0.55 206	0.54 172	3.50 380	0.48 308	0.39 293	0.54 78	0.17 5	0.89 249	0.40 19	0.44 79	0.65 244	0.85 300	0.19 9	0.77 179	0.21 22	0.10 78	0.14 225	0.10 48	0.32 338	0.17 128	0.14 107

ADCMid	0.96 340	1.32 366	2.74 328	0.38 238	0.35 267	0.99 339	0.58 315	0.94 282	0.86 318	1.23 364	1.01 332	1.01 336	1.00 342	1.05 207	3.97 391	0.21 304	0.19 288	0.42 362	0.32 338	0.40 330	0.29 286

MSMD_ROB	1.34 368	0.96 305	2.38 270	0.39 246	0.32 241	1.96 387	0.62 326	0.91 265	1.43 374	2.94 403	2.60 388	4.77 402	1.95 385	2.43 357	1.33 325	0.29 345	0.26 334	0.32 348	0.32 338	0.30 268	0.30 294

MADNet+	1.36 370	1.93 398	5.95 404	0.81 366	0.59 352	1.57 372	1.09 373	1.39 376	1.22 365	0.84 329	1.01 332	1.25 361	1.12 353	3.19 388	2.36 368	0.45 362	0.47 370	0.38 359	0.34 345	0.59 360	0.57 362

ELAS_RVC	1.37 372	0.78 254	3.21 371	0.55 334	0.50 334	1.49 368	2.48 402	1.48 378	1.71 384	2.13 390	2.09 374	2.07 380	2.56 393	1.90 315	2.02 354	0.35 354	0.36 353	0.37 357	0.34 345	0.49 348	0.47 354
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
IGEV_Zeroshot_test	0.53 190	0.33 85	2.91 345	0.32 137	0.18 83	0.54 78	0.21 31	0.72 122	0.42 28	0.81 322	0.51 128	0.71 256	0.41 170	0.48 90	1.13 310	0.09 17	0.15 246	0.10 48	0.35 347	0.19 164	0.09 16

Selective-RAFT	0.35 34	0.26 41	1.48 41	0.31 116	0.15 24	0.61 174	0.19 13	0.60 81	0.54 106	0.28 31	0.29 20	0.40 85	0.33 112	0.50 104	0.27 64	0.10 78	0.07 11	0.09 20	0.35 347	0.19 164	0.08 10

test-3	0.43 85	0.20 4	1.70 74	0.34 174	0.32 241	0.45 19	0.23 59	0.71 117	0.46 50	0.51 143	0.29 20	0.45 123	0.21 15	0.59 132	0.98 291	0.08 4	0.07 11	0.10 48	0.35 347	0.29 259	0.28 280

test_1	0.43 85	0.20 4	1.70 74	0.34 174	0.32 241	0.45 19	0.23 59	0.71 117	0.46 50	0.50 131	0.29 20	0.45 123	0.21 15	0.59 132	0.98 291	0.08 4	0.07 11	0.10 48	0.35 347	0.29 259	0.29 286

test_3	0.44 94	0.20 4	1.70 74	0.36 206	0.32 241	0.47 33	0.30 172	0.73 130	0.49 68	0.50 131	0.30 25	0.45 123	0.22 19	0.59 132	0.98 291	0.08 4	0.10 140	0.11 91	0.35 347	0.29 259	0.28 280

ELAS	1.39 373	0.79 256	2.86 337	0.53 325	0.50 334	2.81 400	2.20 399	1.61 384	1.50 377	2.28 395	2.35 382	1.82 376	2.13 387	1.73 284	2.22 363	0.35 354	0.37 355	0.35 351	0.35 347	0.49 348	0.47 354
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
AEACV	0.33 19	0.24 29	1.44 34	0.28 57	0.35 267	0.47 33	0.21 31	0.43 6	0.28 1	0.26 26	0.25 14	0.22 8	0.38 138	0.30 14	0.18 1	0.09 17	0.35 351	0.09 20	0.36 353	0.23 203	0.25 258

iRaft-Stereo_20w	0.58 223	0.39 117	1.96 191	0.45 291	0.32 241	0.92 333	0.57 313	1.14 361	0.56 118	0.81 322	0.40 62	0.55 165	0.69 296	0.65 152	1.04 305	0.09 17	0.16 260	0.09 20	0.36 353	0.17 128	0.25 258

AnonymousM	0.37 41	0.44 137	1.50 43	0.25 15	0.15 24	0.52 69	0.23 59	0.60 81	0.42 28	0.42 69	0.32 31	0.30 45	0.25 41	0.34 30	0.23 33	0.11 123	0.09 112	0.71 376	0.36 353	0.12 32	0.07 3

DLNR_Zeroshot_test	13.43 416	19.94 421	23.55 421	121.61 434	35.03 429	0.46 31	0.15 1	8.02 413	0.35 4	0.28 31	0.37 45	0.26 31	0.17 1	0.76 175	0.29 86	6.42 414	0.26 334	0.09 20	0.38 356	50.13 432	0.18 187

RAFT-Test	0.44 94	0.38 110	2.01 197	0.27 39	0.44 315	0.64 221	0.37 234	0.72 122	0.57 121	0.45 86	0.48 101	0.65 215	0.24 30	0.35 32	0.29 86	0.09 17	0.11 172	0.09 20	0.38 356	0.10 11	0.11 37

CFNet-RSSM	0.41 66	0.32 80	2.20 238	0.27 39	0.44 315	0.52 69	0.19 13	0.76 154	0.48 64	0.43 74	0.36 42	0.54 162	0.26 53	0.33 26	0.25 53	0.09 17	0.08 58	0.09 20	0.38 356	0.10 11	0.09 16

otaku	1.03 347	1.68 383	2.72 324	0.95 375	0.73 365	1.03 344	0.59 317	0.99 319	0.86 318	0.69 292	1.61 363	0.98 331	0.64 284	1.46 243	1.14 311	0.95 382	0.46 367	0.72 377	0.40 359	1.24 387	0.78 377

Ntro	1.00 344	1.68 383	2.80 335	0.95 375	0.85 371	1.06 346	0.53 298	0.98 308	0.90 331	0.62 253	0.76 291	0.93 320	0.66 290	1.66 274	0.98 291	0.99 384	0.45 366	0.75 378	0.40 359	1.19 383	0.75 374

test_xeample3	0.46 119	0.34 92	2.99 352	0.37 224	0.16 37	0.49 44	0.33 211	1.06 351	0.44 37	0.25 19	0.23 5	0.24 20	0.25 41	0.49 99	0.56 225	0.09 17	0.07 11	0.10 48	0.40 359	0.17 128	0.26 267

TRStereo	0.53 190	0.76 238	2.38 270	0.42 269	0.29 207	0.69 257	0.23 59	1.81 388	0.55 110	0.36 43	0.32 31	0.47 137	0.40 159	0.46 80	0.25 53	0.12 170	0.11 172	0.11 91	0.41 362	0.13 51	0.32 305

PASM	0.72 288	0.68 216	1.91 169	0.47 300	0.44 315	0.60 154	0.51 292	0.76 154	0.80 305	0.77 314	0.67 249	0.87 306	0.61 276	2.40 353	0.67 251	0.32 350	0.35 351	0.36 353	0.41 362	0.45 345	0.39 338

AE-Stereo	0.42 79	0.29 66	1.65 62	0.43 273	0.47 331	0.56 97	0.23 59	0.86 230	0.46 50	0.31 34	0.41 66	0.43 105	0.24 30	0.34 30	0.24 47	0.09 17	0.48 373	0.11 91	0.45 364	0.22 195	0.19 195

SGM_RVC	1.89 387	0.92 289	2.50 294	0.96 377	0.93 378	1.63 375	1.37 387	1.52 381	12.43 409	1.85 384	1.69 366	2.40 385	1.74 382	2.81 381	1.71 343	0.53 366	0.47 370	0.42 362	0.47 365	0.74 369	0.74 372
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ACVNet_1	1.33 367	1.91 396	4.03 390	1.09 382	0.88 373	1.19 360	0.66 330	1.24 368	1.17 362	0.94 340	0.96 324	3.09 390	1.04 346	2.37 346	1.11 309	1.04 385	0.48 373	1.03 386	0.48 366	1.12 380	0.83 379

JetBlue	1.78 384	1.63 377	3.92 387	0.73 357	1.21 391	4.38 407	3.35 405	1.59 382	1.20 364	1.26 368	1.52 362	2.37 384	1.88 384	3.23 389	3.00 375	0.53 366	0.47 370	0.48 366	0.49 367	1.29 389	0.97 386

EAI-Stereo	0.78 312	0.25 32	1.67 67	0.54 328	0.59 352	1.95 386	2.05 398	1.11 360	0.64 187	0.95 342	1.49 360	0.50 148	0.67 292	0.59 132	1.44 333	0.09 17	0.19 288	0.09 20	0.49 367	0.13 51	0.22 224

RAFT+CT+SA	0.50 162	0.86 276	1.82 137	0.37 224	0.75 366	0.54 78	0.34 215	0.77 164	0.63 180	0.38 52	0.55 161	0.34 60	0.29 90	0.68 156	0.27 64	0.09 17	0.07 11	0.11 91	0.51 369	0.29 259	0.41 347

UDG	0.77 308	1.23 355	2.15 230	0.67 354	0.59 352	0.78 298	0.38 240	0.90 255	0.70 231	0.61 242	0.69 264	1.01 336	0.67 292	1.02 203	0.73 265	0.45 362	0.34 350	0.87 379	0.51 369	0.67 367	0.46 353

DDUNet	0.77 308	1.12 338	1.88 157	0.76 359	0.69 362	0.84 316	0.43 261	0.85 222	0.65 199	0.67 284	0.75 289	0.91 315	0.52 241	1.03 205	0.57 228	0.54 368	0.37 355	0.95 382	0.52 371	0.71 368	0.57 362

ACVNet_2	1.42 376	1.81 389	3.23 373	1.08 381	0.92 377	1.32 361	0.85 356	1.49 379	1.69 382	1.19 363	1.73 367	2.13 381	1.03 345	2.50 363	1.40 331	0.91 379	0.53 375	1.00 384	0.55 372	2.11 401	0.85 380

ACVNet-4b	1.93 388	1.85 392	4.10 392	1.07 380	0.86 372	1.15 357	0.53 298	1.06 351	1.12 359	0.64 270	1.09 342	1.99 379	0.70 298	2.20 337	9.86 412	5.62 411	0.41 365	1.03 386	0.55 372	1.86 399	0.85 380

MFN_U_SF_DS_RVC	1.01 346	1.67 381	2.32 257	0.47 300	0.39 293	1.47 366	0.95 362	0.95 293	0.91 332	0.84 329	0.94 321	1.05 345	0.60 269	2.95 383	0.72 262	0.41 358	0.72 392	0.32 348	0.55 372	0.74 369	1.22 396

RainbowNet	1.15 354	1.78 388	2.72 324	1.12 384	0.91 376	1.06 346	0.76 348	1.16 365	1.13 361	0.75 308	0.97 326	1.09 351	0.80 317	1.60 267	1.21 318	1.17 389	1.26 401	1.01 385	0.57 375	1.13 381	0.88 384

SPS-STEREO	1.07 350	1.13 341	2.88 338	0.65 352	0.69 362	0.99 339	0.68 335	1.05 350	0.87 321	1.36 371	1.23 348	1.46 370	0.94 338	1.87 308	1.72 344	0.66 372	0.61 379	0.58 369	0.57 375	0.65 365	0.77 376
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
Consistency-Raft	0.88 330	0.93 295	3.23 373	0.99 378	0.64 358	0.77 293	0.55 304	0.98 308	0.97 340	0.61 242	1.03 336	0.65 215	1.05 347	0.79 184	1.38 328	0.44 360	0.46 367	0.51 367	0.58 377	0.65 365	0.47 354

PWCK	1.49 379	1.90 395	3.22 372	1.09 382	0.54 343	1.71 379	1.73 395	1.49 379	1.53 378	1.44 378	1.80 368	1.82 376	1.30 360	3.34 391	1.76 346	1.07 386	0.56 377	0.97 383	0.58 377	1.38 393	0.65 369

MFMNet_re	0.92 335	1.28 360	2.53 297	0.82 367	0.76 369	0.90 329	0.75 346	0.98 308	1.04 349	1.03 346	1.05 340	0.84 297	0.94 338	0.83 186	0.72 262	0.68 373	0.60 378	0.63 372	0.60 379	0.77 372	0.74 372

NVStereoNet_ROB	1.16 356	0.95 303	2.54 303	0.58 340	0.55 346	0.78 298	0.63 328	1.00 327	1.08 355	1.03 346	4.07 402	1.48 371	1.22 356	2.88 382	1.27 322	0.50 365	0.46 367	0.54 368	0.62 380	0.50 350	0.63 368
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SGM+DAISY	1.83 386	1.43 371	3.81 384	0.87 368	1.01 382	2.38 397	2.53 403	1.36 374	1.75 385	2.92 402	3.22 398	2.65 386	2.93 395	2.22 341	3.10 379	0.72 375	0.69 388	0.63 372	0.62 380	0.77 372	0.98 387

DispFullNet	1.67 383	2.10 401	5.22 400	1.53 393	8.90 410	0.86 322	0.31 182	0.96 297	0.96 339	1.37 374	1.01 332	1.13 356	1.98 386	1.51 253	0.91 286	0.54 368	0.31 345	1.18 388	0.63 382	1.13 381	0.80 378

IMH-64-1	1.39 373	1.64 379	1.86 150	1.36 388	1.11 387	1.39 364	1.19 380	1.76 386	1.45 375	1.16 356	2.21 379	1.53 372	1.38 366	1.98 320	1.52 336	1.29 391	0.67 383	1.27 392	0.69 383	1.29 389	0.98 387

IMH-64	1.39 373	1.64 379	1.86 150	1.36 388	1.11 387	1.39 364	1.19 380	1.76 386	1.45 375	1.16 356	2.21 379	1.53 372	1.38 366	1.98 320	1.52 336	1.29 391	0.67 383	1.27 392	0.69 383	1.29 389	0.98 387

IMH	2.02 390	2.15 406	2.69 321	1.68 394	1.12 389	1.66 378	0.92 361	2.10 393	1.92 388	1.32 370	2.66 391	2.21 383	1.69 380	5.78 404	1.68 341	5.54 410	0.96 398	1.31 394	0.71 385	1.32 392	0.99 391

WAO-7	1.48 378	1.63 377	2.49 292	0.93 373	0.75 366	1.72 380	1.10 374	1.84 390	1.96 389	1.43 377	2.54 386	1.97 378	1.61 378	3.06 385	2.08 357	0.69 374	0.66 382	0.94 381	0.74 386	0.80 374	0.69 371

Dean	1.79 385	1.83 390	3.92 387	1.29 387	1.07 386	1.55 371	1.00 368	1.95 392	2.33 391	1.47 379	4.19 403	4.26 400	1.33 363	2.21 338	1.48 335	1.14 388	0.68 387	1.18 388	0.74 386	1.24 387	0.98 387

MANE	2.90 399	1.14 342	2.96 347	1.03 379	1.01 382	5.01 408	2.45 401	5.36 409	6.88 407	3.58 405	4.76 406	5.99 405	4.99 404	4.23 400	4.61 399	0.56 370	0.67 383	0.44 364	0.78 388	0.51 352	1.03 392

TorneroNet-64	2.65 392	1.83 390	3.30 375	1.46 391	1.20 390	3.89 403	0.99 365	3.51 407	6.71 406	2.56 398	4.60 404	4.22 397	3.85 402	3.33 390	3.14 380	1.19 390	0.65 381	1.39 397	0.79 389	3.31 408	1.15 394

WAO-6	1.58 382	1.54 375	2.32 257	1.14 385	1.00 381	2.30 395	1.03 370	1.82 389	2.85 397	1.25 365	2.61 389	2.20 382	1.56 376	2.47 361	1.99 353	0.95 382	0.67 383	1.19 391	0.83 390	1.08 379	0.88 384

TorneroNet	5.50 407	1.92 397	3.16 365	1.47 392	1.25 393	14.07 415	1.06 372	4.90 408	20.99 425	10.17 409	16.48 417	11.88 414	6.93 408	3.34 391	4.20 395	1.30 393	0.69 388	1.45 399	0.86 391	2.61 405	1.20 395

MSC_U_SF_DS_RVC	1.34 368	1.70 385	2.50 294	0.56 336	0.40 300	2.15 393	0.99 365	1.24 368	1.26 368	1.02 345	1.10 343	1.29 362	0.88 331	3.10 387	1.08 307	1.66 399	0.83 394	0.68 375	0.88 392	1.57 394	1.80 406

WAO-8	2.80 396	2.14 404	2.89 341	1.91 401	1.04 384	3.98 404	0.96 363	3.26 403	6.17 403	2.15 391	3.37 399	3.31 392	2.41 391	11.84 412	2.03 355	2.05 403	1.86 405	1.54 400	0.92 393	1.22 384	0.87 382

Venus	2.80 396	2.14 404	2.89 341	1.91 401	1.04 384	3.98 404	0.96 363	3.26 403	6.17 403	2.15 391	3.37 399	3.31 392	2.41 391	11.84 412	2.03 355	2.05 403	1.86 405	1.54 400	0.92 393	1.22 384	0.87 382

ADCPNet	0.99 341	0.99 319	3.93 389	0.37 224	0.68 361	1.36 363	0.62 326	0.87 239	0.76 288	0.78 315	0.81 298	1.08 349	1.18 355	1.14 217	2.49 370	0.21 304	0.69 388	0.21 311	0.95 395	0.29 259	0.37 332

LE_ROB	4.43 405	1.35 369	9.38 408	2.79 408	3.93 407	2.43 398	3.46 407	2.68 398	11.19 408	11.66 413	4.73 405	5.26 403	10.46 411	4.50 403	9.49 410	0.82 378	0.69 388	1.34 395	0.98 396	0.75 371	0.76 375

FADNet_RVC	0.81 321	1.14 342	2.42 277	0.30 91	0.24 158	0.71 264	0.24 82	0.95 293	0.61 155	0.44 79	0.56 172	0.59 189	0.42 185	1.52 254	0.68 254	0.94 381	0.96 398	0.28 337	1.00 397	0.90 377	1.36 399

UNDER WATER	2.74 394	1.85 392	4.54 396	1.81 399	1.44 396	2.34 396	1.40 390	3.24 402	6.60 405	2.60 399	2.76 392	5.75 404	5.24 406	3.02 384	4.01 392	1.45 395	0.81 393	1.59 403	1.06 398	1.80 397	1.51 402

UNDER WATER-64	2.47 391	1.89 394	4.86 398	1.82 400	1.44 396	3.18 402	1.57 394	2.62 396	5.64 402	2.05 386	2.13 376	4.13 396	3.76 401	2.62 369	3.42 386	1.47 396	0.85 395	1.57 402	1.07 399	1.82 398	1.49 401

notaker	2.66 393	2.07 400	3.31 377	2.61 406	1.43 394	1.76 382	1.11 375	2.76 399	1.79 387	2.26 394	11.53 413	3.96 395	4.29 403	3.09 386	2.76 373	1.55 398	0.88 396	1.70 405	1.07 399	2.00 400	1.35 398

KSHMR	4.10 403	1.97 399	5.27 401	1.71 396	1.47 398	1.96 387	1.28 383	3.19 401	17.33 420	2.12 387	15.91 415	9.18 409	1.57 377	8.42 410	1.98 352	1.52 397	1.26 401	1.67 404	1.19 401	1.67 396	1.40 400

ktn	4.35 404	2.10 401	2.89 341	1.80 398	1.49 400	2.13 392	1.41 392	2.26 394	12.72 410	11.41 412	16.43 416	11.15 412	3.75 400	4.36 402	3.18 381	1.82 401	0.98 400	1.73 406	1.21 402	2.97 407	1.27 397

JetRed	3.29 401	4.93 411	10.17 409	1.45 390	1.72 402	7.44 410	5.05 410	3.06 400	2.12 390	2.41 397	2.39 383	2.99 389	2.37 390	3.51 394	6.44 404	1.32 394	1.90 407	1.37 396	1.23 403	2.21 403	1.76 404

anonymity	0.80 316	0.66 213	1.29 15	0.59 343	0.75 366	0.67 243	0.52 295	0.95 293	0.71 240	0.94 340	0.70 274	0.67 230	0.87 328	0.71 167	1.35 326	0.64 371	0.62 380	0.58 369	1.44 404	0.60 363	0.65 369

LVE	1.96 389	2.17 407	3.14 363	1.68 394	1.80 403	1.63 375	1.03 370	2.34 395	2.81 396	1.25 365	2.89 394	4.24 399	1.29 358	2.79 379	1.44 333	2.85 407	0.91 397	1.18 388	1.46 405	1.23 386	1.10 393

MFN_U_SF_RVC	1.55 381	2.39 408	3.16 365	0.65 352	0.41 307	1.12 353	0.46 277	1.23 367	1.33 370	1.61 381	1.20 346	1.43 369	0.98 341	1.76 288	1.97 351	1.90 402	1.80 403	1.98 407	2.15 406	1.63 395	1.77 405

PML	23.15 422	16.83 418	7.78 407	5.49 411	9.93 411	51.13 433	104.50 433	5.76 410	13.62 413	37.30 433	105.93 433	30.86 433	23.50 424	12.07 414	7.87 408	6.30 413	2.12 409	6.32 416	2.43 407	10.44 417	2.90 409

MADNet++	2.79 395	2.11 403	2.97 350	2.49 404	2.28 404	2.95 401	2.31 400	2.67 397	2.47 393	3.03 404	3.13 397	2.70 387	2.92 394	4.10 399	4.48 397	2.68 406	2.24 410	3.04 410	2.44 408	2.37 404	2.34 408

BEATNet-Init1	12.10 413	11.19 414	27.29 430	2.99 409	3.51 406	21.84 425	11.10 412	14.34 418	13.83 415	20.34 421	20.33 422	26.35 431	20.03 419	19.06 423	14.80 418	1.74 400	1.81 404	2.05 408	2.49 409	3.69 410	3.12 410

SPstereo	16.50 418	2.87 410	4.74 397	2.64 407	2.53 405	29.48 426	52.22 426	39.30 433	29.70 433	21.90 429	21.75 424	27.53 432	23.84 428	28.05 433	26.36 427	2.38 405	2.58 411	4.92 412	3.03 410	2.19 402	2.05 407

tt	4.93 406	0.27 42	4.20 393	2.29 403	1.58 401	10.20 413	16.97 416	9.42 414	5.02 401	1.67 382	1.28 351	4.68 401	5.03 405	3.37 393	5.92 403	6.16 412	9.47 419	2.82 409	3.18 411	3.60 409	1.53 403

Anonymous_2	0.74 299	0.32 80	1.65 62	0.33 151	0.30 217	0.67 243	0.32 203	0.69 111	0.46 50	0.48 113	0.41 66	0.84 297	0.58 264	0.51 107	0.40 159	0.32 350	0.38 357	1.43 398	3.69 412	0.80 374	0.27 275

DGSMNet	2.89 398	0.63 200	3.18 368	3.43 410	4.17 409	2.57 399	6.98 411	0.97 304	0.83 313	0.56 192	1.86 370	0.79 285	0.62 281	1.64 272	1.39 329	4.61 409	5.01 412	5.17 414	4.71 413	4.44 412	4.19 411

DPSM_ROB	12.34 414	11.21 416	12.51 412	12.91 417	12.80 415	19.84 422	28.28 424	14.38 419	14.28 416	10.58 410	11.26 409	12.03 415	11.85 415	13.15 418	15.34 419	7.11 415	8.31 416	6.50 417	7.35 414	8.84 415	8.31 417

DPSM	12.34 414	11.21 416	12.51 412	12.91 417	12.80 415	19.84 422	28.28 424	14.38 419	14.28 416	10.58 410	11.26 409	12.03 415	11.85 415	13.15 418	15.34 419	7.11 415	8.31 416	6.50 417	7.35 414	8.84 415	8.31 417

DGTPSM_ROB	8.89 411	5.62 412	12.25 411	5.92 412	11.32 412	8.54 411	24.18 418	6.40 411	13.49 411	5.15 407	11.46 411	6.19 407	10.92 412	7.00 408	13.72 414	4.47 408	7.65 413	3.92 411	7.45 416	4.38 411	7.87 415

DPSMNet_ROB	9.48 412	5.64 413	13.01 415	8.82 414	11.82 413	8.54 411	24.20 419	6.41 412	13.65 414	5.32 408	11.47 412	6.33 408	10.92 412	7.69 409	13.89 415	7.25 417	8.19 415	5.06 413	7.78 417	5.31 413	8.26 416

DPSimNet_ROB	17.97 419	20.20 425	24.98 423	17.62 419	15.92 417	21.53 424	21.00 417	13.70 416	15.61 418	23.89 430	14.69 414	22.87 422	24.58 432	12.70 417	14.56 416	18.48 425	12.91 421	20.21 425	12.05 418	17.76 418	14.17 420

HanzoNet	7.64 409	2.86 409	5.05 399	7.01 413	3.97 408	2.18 394	1.34 386	3.37 406	4.05 399	13.17 414	10.58 407	10.73 411	16.52 417	8.45 411	10.51 413	10.48 418	9.72 420	5.59 415	13.46 419	6.84 414	6.83 414

LSM0	26.58 429	22.63 432	25.88 428	30.13 429	52.21 433	39.94 432	56.74 427	28.97 431	28.72 427	21.14 423	22.26 425	24.43 429	23.88 429	26.54 431	30.87 429	14.32 424	16.55 422	13.12 424	14.71 420	17.92 424	20.60 427

CasAABBNet	24.81 424	22.53 427	24.83 422	26.08 424	25.74 425	39.86 427	57.06 429	28.87 430	28.83 428	21.16 424	22.54 426	24.22 427	23.89 430	26.38 429	30.87 429	14.25 419	16.71 423	13.09 419	14.81 421	17.78 422	16.71 421

MyStereo03	24.83 425	22.55 428	25.13 424	26.08 424	25.72 422	39.87 428	57.07 430	28.77 427	28.85 429	21.33 426	22.66 428	24.16 424	23.82 425	26.32 426	30.89 431	14.27 420	16.73 425	13.09 419	14.82 422	17.77 419	16.71 421

MyStereo02	24.83 425	22.55 428	25.13 424	26.08 424	25.72 422	39.87 428	57.07 430	28.77 427	28.85 429	21.33 426	22.66 428	24.16 424	23.82 425	26.32 426	30.89 431	14.27 420	16.73 425	13.09 419	14.82 422	17.77 419	16.71 421

MyStereo	24.83 425	22.55 428	25.13 424	26.08 424	25.72 422	39.87 428	57.07 430	28.77 427	28.85 429	21.33 426	22.66 428	24.16 424	23.82 425	26.32 426	30.89 431	14.27 420	16.73 425	13.09 419	14.82 422	17.77 419	16.71 421

Selective-RAFT-Error	24.87 428	22.59 431	25.14 427	26.13 428	25.82 426	39.93 431	57.03 428	28.97 431	28.95 432	21.21 425	22.65 427	24.25 428	23.98 431	26.43 430	30.83 428	14.27 420	16.71 423	13.10 423	14.82 422	17.82 423	16.76 425

HaxPig	19.86 420	22.40 426	22.34 420	17.95 420	17.95 418	11.77 414	11.89 413	16.02 421	15.89 419	21.10 422	21.41 423	18.74 421	18.39 418	20.08 424	19.69 421	23.63 430	23.22 428	24.06 426	23.69 426	23.00 426	23.95 428

LRCNet_RVC	13.74 417	19.30 419	12.75 414	19.46 421	12.69 414	1.86 383	0.41 252	12.33 415	1.05 350	15.77 416	18.83 421	12.62 417	8.70 410	12.21 415	9.62 411	22.22 426	8.37 418	25.85 427	24.01 427	19.32 425	17.44 426

MEDIAN_ROB	23.96 423	27.05 433	26.39 429	22.16 422	22.13 420	16.12 416	13.97 414	20.24 422	20.05 421	25.50 431	25.31 431	22.96 423	22.63 423	24.39 425	23.24 425	28.20 431	27.23 432	28.62 428	27.75 428	27.50 427	27.76 429

AVERAGE_ROB	26.93 430	30.34 434	29.27 431	25.82 423	25.34 421	19.48 421	15.17 415	23.55 426	23.00 426	28.45 432	27.87 432	26.25 430	25.86 433	26.96 432	25.55 426	31.30 432	30.07 433	31.76 429	30.81 429	30.79 431	30.93 430

Anonymous_1	22.91 421	11.20 415	12.13 410	12.75 416	26.28 427	19.43 420	27.92 423	14.08 417	13.61 412	14.96 415	10.58 407	11.26 413	11.19 414	12.55 416	14.57 417	38.28 433	7.88 414	34.96 430	63.99 430	89.57 433	10.94 419

xxxxx1	28.96 431	20.11 422	14.07 417	49.74 430	39.15 430	18.98 417	26.64 420	21.94 423	20.21 422	16.45 417	17.48 418	18.36 418	21.56 420	16.21 420	20.88 422	23.07 427	26.55 429	66.40 431	78.70 431	30.27 428	32.51 431

tt_ll	28.96 431	20.11 422	14.07 417	49.74 430	39.15 430	18.98 417	26.64 420	21.94 423	20.21 422	16.45 417	17.48 418	18.36 418	21.56 420	16.21 420	20.88 422	23.07 427	26.55 429	66.40 431	78.70 431	30.27 428	32.51 431

ff	28.96 431	20.11 422	14.07 417	49.74 430	39.15 430	18.98 417	26.64 420	21.94 423	20.21 422	16.45 417	17.48 418	18.36 418	21.56 420	16.21 420	20.88 422	23.07 427	26.55 429	66.40 431	78.70 431	30.27 428	32.51 431

test_example2	115.39 434	123.23 435	94.57 433	115.52 433	123.55 434	101.63 434	114.33 434	53.41 434	99.48 434	134.90 434	135.05 434	85.83 434	85.11 434	111.32 434	106.15 434	152.55 434	205.26 434	99.78 434	114.96 434	140.96 434	110.20 434

ASD4		19.65 420

Low-res two-view benchmark