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

CREStereo++_RVC	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 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
s12784h	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

TANstereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

XX-TBD	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

CREStereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
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	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

MEDIAN_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

AVERAGE_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

HITNet	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9
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
NVstereo2D	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWC_ROB	0.01 9	0.02 12	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCDC_ROB	0.01 9	0.01 9	0.02 13	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCK	0.01 9	0.02 12	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

coex-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

fast-acv-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

CBFPSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

iinet-f	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

Wz-Net-TNSev	0.02 14	0.05 38	0.04 31	0.07 35	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

MFN_U_SF_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MSC_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

RYNet	0.02 14	0.02 12	0.02 13	0.03 25	0.03 39	0.03 36	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.03 42	0.03 33	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM0	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

Wz-Net-SNSev	0.03 25	0.09 51	0.07 45	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

EDNetEfficientorigin	0.04 26	0.06 42	0.04 31	0.05 32	0.04 54	0.05 61	0.04 54	0.05 61	0.04 55	0.05 64	0.04 63	0.05 63	0.04 58	0.05 54	0.04 49	0.05 39	0.03 28	0.06 65	0.03 42	0.04 53	0.03 39

EDNetEfficient	0.04 26	0.05 38	0.04 31	0.04 26	0.03 39	0.04 51	0.03 39	0.04 51	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.04 46	0.03 37	0.05 39	0.03 28	0.05 58	0.03 42	0.04 53	0.03 39

NVStereoNet_ROB	0.04 26	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
GASNet	0.05 29	0.04 31	0.12 78	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 55	0.12 92	0.04 63	0.06 69	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

WZ-Net	0.05 29	0.50 155	0.10 56	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.10 59	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 31	0.24 97	0.20 125	0.23 110	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 134	0.21 131	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 31	0.54 163	0.10 56	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.11 75	0.01 9	0.01 9	0.01 9	0.01 9

AASNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

SACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

AACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

FINET	0.07 36	0.08 45	0.07 45	0.07 35	0.07 79	0.08 74	0.06 75	0.08 77	0.07 79	0.08 74	0.07 79	0.08 76	0.06 76	0.07 72	0.07 71	0.08 47	0.07 44	0.07 70	0.07 74	0.06 66	0.06 73

ADCMid	0.08 37	0.02 12	0.02 13	1.01 252	0.03 39	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 46	0.09 76	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

SMFormer	0.09 38	1.01 200	0.09 52	0.09 41	0.03 39	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

tta	0.09 38	0.95 190	0.09 52	0.10 45	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 59	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 38	1.01 200	0.10 56	0.10 45	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

SepStereo	0.09 38	0.09 51	0.10 56	0.09 41	0.09 82	0.09 78	0.09 80	0.10 79	0.08 81	0.10 78	0.09 82	0.09 80	0.09 83	0.09 78	0.08 73	0.09 53	0.08 46	0.09 77	0.08 78	0.09 79	0.08 76

APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 54	0.05 61	0.90 280	0.06 65	0.04 55	0.05 64	0.04 63	0.05 63	0.04 58	0.05 54	0.04 49	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

ADCS	0.09 38	0.02 12	0.04 31	0.90 233	0.06 78	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 96	0.36 197	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ttt	0.10 44	1.09 207	0.12 78	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.03 39	0.02 19

1111x	0.10 44	1.14 211	0.13 93	0.14 74	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.11 75	0.03 34	0.02 20	0.03 39	0.02 19

AnonymousM	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

222	0.10 44	0.99 194	0.12 78	0.13 70	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.04 53	0.03 39

test_xeample	0.10 44	1.09 207	0.13 93	0.12 60	0.03 39	0.03 36	0.03 39	0.04 51	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.14 108	0.03 34	0.03 42	0.03 39	0.03 39

PVD	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SHD	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SAMSARA	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

XQC	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSC	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTS	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSA	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet+	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet++	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

ADCPNet	0.10 44	0.03 27	0.04 31	1.27 321	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.08 75	0.04 49	0.04 32	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

JetRed	0.11 59	0.12 66	0.11 73	0.11 57	0.11 103	0.11 90	0.14 113	0.11 90	0.11 99	0.12 92	0.11 98	0.11 92	0.11 98	0.11 90	0.11 92	0.11 68	0.16 113	0.11 88	0.11 97	0.11 90	0.11 95

JetBlue	0.11 59	0.11 64	0.12 78	0.13 70	0.14 119	0.11 90	0.11 97	0.11 90	0.11 99	0.11 90	0.11 98	0.11 92	0.11 98	0.12 94	0.12 103	0.11 68	0.11 75	0.11 88	0.11 97	0.11 90	0.11 95

x	0.11 59	1.15 213	0.15 111	0.14 74	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.15 111	0.03 34	0.03 42	0.03 39	0.03 39

Wz-Net-LNSev-Ref	0.11 59	0.44 138	0.33 166	0.39 149	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 188	0.36 178	0.02 18	0.02 20	0.02 19	0.02 19

xxxx	0.11 59	1.16 214	0.16 112	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.16 113	0.03 34	0.04 52	0.04 53	0.04 53

BEATNet_4x	0.11 59	0.03 27	0.03 28	1.60 332	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 54	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCL	0.11 59	0.03 27	0.03 28	1.60 332	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 54	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

AnyNet_C01	0.11 59	0.02 12	0.02 13	1.62 334	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 58	0.04 49	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 39

GwcNet	0.12 67	0.07 44	0.05 44	0.08 37	0.05 69	0.08 74	1.20 305	0.07 74	0.05 68	0.05 64	0.05 71	0.08 76	0.05 64	0.08 75	0.03 37	0.07 45	0.05 43	0.06 65	0.05 67	0.07 74	0.05 68

FADNet-RVC-Resample	0.12 67	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	1.57 366	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

FADNet_RVC	0.12 67	0.04 31	0.04 31	0.05 32	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.65 370	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

FADNet	0.12 67	0.05 38	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.66 371	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

ADCRef	0.12 67	0.03 27	0.04 31	1.71 335	0.04 54	0.03 36	0.03 39	0.04 51	0.04 55	0.04 54	0.03 40	0.04 51	0.03 42	0.06 58	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.03 39	0.04 53

CIPLG	0.13 72	0.21 87	0.12 78	0.16 89	0.11 103	0.15 100	0.11 97	0.14 94	0.11 99	0.15 100	0.12 105	0.15 105	0.11 98	0.14 96	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLG	0.13 72	0.20 82	0.14 97	0.15 83	0.11 103	0.14 94	0.11 97	0.14 94	0.11 99	0.14 94	0.11 98	0.14 96	0.11 98	0.14 96	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

ACRE	0.13 72	0.21 87	0.14 97	0.15 83	0.11 103	0.14 94	0.11 97	0.14 94	0.11 99	0.14 94	0.12 105	0.14 96	0.11 98	0.14 96	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

LRCNet_RVC	0.13 72	0.13 67	0.09 52	0.13 70	0.10 88	0.14 94	0.10 85	0.14 94	0.10 85	0.23 128	0.10 86	0.20 116	0.10 87	0.24 137	0.11 92	0.11 68	0.09 55	0.12 91	0.14 121	0.12 95	0.09 79

aanetorigin	0.13 72	0.11 64	0.11 73	0.11 57	0.11 103	0.11 90	0.11 97	0.11 90	0.11 99	0.11 90	0.12 105	0.11 92	0.11 98	0.11 90	0.11 92	0.11 68	0.11 75	0.14 95	0.11 97	0.49 212	0.11 95

FADNet-RVC	0.13 72	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 55	0.04 54	0.05 71	0.04 51	0.05 64	0.04 46	1.71 373	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

ELAS	0.13 72	0.16 72	0.11 73	0.15 83	0.09 82	0.18 110	0.11 97	0.18 110	0.11 99	0.17 107	0.11 98	0.18 112	0.11 98	0.18 110	0.11 92	0.14 90	0.08 46	0.14 95	0.08 78	0.14 98	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
mmm	0.14 79	1.83 289	0.12 78	0.11 57	0.03 39	0.03 36	0.03 39	0.03 38	0.04 55	0.03 36	0.03 40	0.03 38	0.03 42	0.06 58	0.04 49	0.12 73	0.11 75	0.05 58	0.04 52	0.05 63	0.04 53

ProNet	0.14 79	0.20 82	0.14 97	0.16 89	0.11 103	0.16 105	0.11 97	0.17 108	0.11 99	0.17 107	0.12 105	0.17 109	0.13 115	0.17 108	0.12 103	0.15 97	0.11 75	0.16 106	0.11 97	0.15 105	0.12 106

IPLGR_C	0.14 79	0.20 82	0.12 78	0.15 83	0.11 103	0.14 94	0.15 116	0.14 94	0.11 99	0.15 100	0.12 105	0.14 96	0.11 98	0.16 105	0.11 92	0.15 97	0.12 86	0.14 95	0.12 110	0.15 105	0.12 106

MIPNet	0.14 79	0.21 87	0.17 116	0.16 89	0.11 103	0.15 100	0.12 109	0.14 94	0.11 99	0.16 104	0.11 98	0.14 96	0.11 98	0.14 96	0.11 92	0.14 90	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLGR	0.14 79	0.24 97	0.14 97	0.16 89	0.12 115	0.15 100	0.12 109	0.14 94	0.11 99	0.15 100	0.12 105	0.14 96	0.11 98	0.14 96	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

GMStereo	0.14 79	0.13 67	0.14 97	0.14 74	0.14 119	0.14 94	0.14 113	0.14 94	0.14 118	0.14 94	0.14 120	0.14 96	0.14 117	0.14 96	0.14 112	0.14 90	0.14 108	0.14 95	0.14 121	0.14 98	0.14 114
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
AnyNet_C32	0.14 79	0.04 31	0.03 28	2.22 348	0.04 54	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.04 51	0.02 21	0.07 72	0.04 49	0.02 14	0.02 14	0.03 34	0.03 42	0.02 19	0.03 39

HSM	0.14 79	0.16 72	0.12 78	0.17 95	0.12 115	0.17 108	0.11 97	0.17 108	0.11 99	0.17 107	0.12 105	0.17 109	0.12 111	0.17 108	0.12 103	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.12 106

DRN-Test	0.14 79	0.13 67	0.09 52	0.14 74	0.09 82	0.15 100	0.09 80	0.14 94	0.10 85	0.14 94	0.09 82	0.14 96	0.09 83	0.13 95	0.09 76	0.12 73	0.09 55	0.12 91	0.09 80	0.12 95	0.73 266

ELAS_RVC	0.14 79	0.16 72	0.10 56	0.15 83	0.10 88	0.18 110	0.11 97	0.19 111	0.11 99	0.19 111	0.12 105	0.18 112	0.11 98	0.19 112	0.12 103	0.14 90	0.08 46	0.14 95	0.09 80	0.15 105	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
CoDeX	0.15 89	0.70 169	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 261	0.02 14	0.69 250	0.75 266	0.01 9	0.02 19	0.02 19

ICVP	0.15 89	0.53 160	0.11 73	0.16 89	0.11 103	0.16 105	0.11 97	0.16 106	0.11 99	0.16 104	0.11 98	0.16 106	0.11 98	0.16 105	0.11 92	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ADCP+	0.15 89	0.04 31	0.04 31	2.20 347	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.05 71	0.04 51	0.04 58	0.08 75	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

StereoDRNet	0.15 89	0.14 71	0.10 56	0.14 74	0.09 82	0.15 100	0.09 80	0.14 94	0.09 84	0.14 94	0.10 86	0.14 96	0.09 83	0.14 96	0.09 76	0.13 85	0.10 59	0.13 94	0.09 80	0.13 97	0.82 276

LALA_ROB	0.15 89	0.19 78	0.12 78	0.18 96	0.11 103	0.20 115	0.12 109	0.21 120	0.12 114	0.20 114	0.12 105	0.20 116	0.12 111	0.21 125	0.13 109	0.17 109	0.10 59	0.18 119	0.11 97	0.18 114	0.11 95

SGM_RVC	0.15 89	0.17 76	0.11 73	0.18 96	0.11 103	0.19 113	0.11 97	0.19 111	0.12 114	0.19 111	0.12 105	0.20 116	0.12 111	0.19 112	0.12 103	0.16 105	0.11 75	0.17 111	0.10 86	0.17 111	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
GMStereo_Zeroshot	0.16 95	0.16 72	0.16 112	0.16 89	0.16 133	0.16 105	0.16 119	0.16 106	0.16 128	0.16 104	0.16 128	0.16 106	0.16 126	0.16 105	0.16 125	0.16 105	0.16 113	0.16 106	0.16 124	0.16 108	0.16 115

qqq	0.16 95	2.01 300	0.12 78	0.15 83	0.04 54	0.06 63	0.05 63	0.06 65	0.04 55	0.06 67	0.03 40	0.06 69	0.03 42	0.06 58	0.03 37	0.12 73	0.14 108	0.04 48	0.04 52	0.03 39	0.03 39

DeepPruner_ROB	0.16 95	0.18 77	0.13 93	0.19 99	0.13 118	0.19 113	0.13 112	0.19 111	0.13 117	0.19 111	0.13 117	0.19 115	0.13 115	0.19 112	0.13 109	0.18 116	0.13 107	0.18 119	0.13 118	0.18 114	0.13 112

11t1	0.17 98	2.16 305	0.13 93	0.13 70	0.04 54	0.06 63	0.04 54	0.06 65	0.04 55	0.06 67	0.03 40	0.06 69	0.03 42	0.06 58	0.05 59	0.18 116	0.12 86	0.06 65	0.03 42	0.05 63	0.03 39

SFCPSM	0.17 98	0.78 172	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 276	0.02 14	0.75 255	0.76 269	0.02 20	0.02 19	0.02 19

BEATNet-Init1	0.19 100	0.08 45	0.08 47	2.23 349	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 76	0.07 80	0.11 90	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

DeepPrunerF	0.19 100	0.08 45	0.08 47	2.23 349	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 76	0.07 80	0.11 90	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

IGEV_Zeroshot_test	0.20 102	0.19 78	0.40 185	0.30 128	0.17 134	0.22 125	0.17 120	0.21 120	0.17 130	0.20 114	0.17 130	0.21 124	0.18 133	0.21 125	0.17 126	0.20 119	0.16 113	0.20 122	0.16 124	0.20 117	0.17 121

DAS	0.20 102	0.20 82	0.20 125	0.20 100	0.20 143	0.20 115	0.20 129	0.20 115	0.20 137	0.20 114	0.20 141	0.20 116	0.20 140	0.20 115	0.20 136	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 126

ASD4	0.20 102	0.20 82	0.20 125	0.20 100	0.20 143	0.20 115	0.20 129	0.20 115	0.20 137	0.20 114	0.20 141	0.20 116	0.20 140	0.20 115	0.20 136	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 126

ACVNet	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 287	0.21 120	0.14 118	0.20 114	0.13 117	0.21 124	0.14 117	0.20 115	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 106

acv_ft	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 287	0.21 120	0.14 118	0.20 114	0.13 117	0.21 124	0.14 117	0.20 115	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 106

iResNetv2_ROB	0.20 102	0.23 91	0.18 121	0.24 115	0.20 143	0.24 132	0.18 124	0.24 130	0.18 131	0.24 133	0.18 138	0.23 132	0.19 137	0.24 137	0.18 132	0.21 123	0.16 113	0.21 125	0.16 124	0.22 124	0.16 115

iResNet	0.20 102	0.23 91	0.18 121	0.24 115	0.18 139	0.24 132	0.20 129	0.24 130	0.18 131	0.23 128	0.17 130	0.23 132	0.18 133	0.23 133	0.18 132	0.22 125	0.16 113	0.21 125	0.16 124	0.21 122	0.16 115

SuperB	0.21 109	0.10 53	2.51 379	0.12 60	0.09 82	0.10 79	0.09 80	0.08 77	0.07 79	0.10 78	0.09 82	0.09 80	0.07 80	0.07 72	0.07 71	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

WAO-6	0.22 110	0.23 91	0.22 129	0.23 110	0.22 150	0.22 125	0.22 139	0.22 124	0.22 141	0.22 125	0.22 147	0.22 129	0.22 145	0.22 129	0.22 141	0.22 125	0.22 134	0.22 130	0.22 145	0.22 124	0.22 130

IMH-64-1	0.22 110	0.23 91	0.23 131	0.22 108	0.22 150	0.22 125	0.22 139	0.22 124	0.22 141	0.22 125	0.22 147	0.22 129	0.22 145	0.22 129	0.22 141	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 132

IMH-64	0.22 110	0.23 91	0.23 131	0.22 108	0.22 150	0.22 125	0.22 139	0.22 124	0.22 141	0.22 125	0.22 147	0.22 129	0.22 145	0.22 129	0.22 141	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 132

ac_64	0.22 110	0.13 67	0.19 123	0.23 110	0.10 88	0.26 143	1.02 292	0.14 94	0.10 85	0.28 143	0.14 120	0.17 109	0.19 137	0.28 152	0.09 76	0.22 125	0.16 113	0.23 134	0.17 137	0.11 90	0.12 106

dd	0.23 114	0.98 193	0.16 112	0.23 110	0.15 128	0.23 131	0.15 116	0.23 127	0.15 126	0.23 128	0.15 127	0.24 136	0.17 128	0.23 133	0.15 120	0.22 125	0.15 111	0.21 125	0.15 123	0.22 124	0.16 115

dad	0.23 114	1.03 205	0.16 112	0.23 110	0.15 128	0.24 132	0.15 116	0.24 130	0.16 128	0.23 128	0.16 128	0.24 136	0.16 126	0.23 133	0.15 120	0.22 125	0.16 113	0.22 130	0.16 124	0.22 124	0.16 115

MSKI-zero shot	0.24 116	0.21 87	0.49 216	0.65 210	0.18 139	0.22 125	0.17 120	0.23 127	0.18 131	0.21 123	0.17 130	0.23 132	0.28 173	0.23 133	0.18 132	0.21 123	0.16 113	0.21 125	0.16 124	0.21 122	0.16 115

qqq1	0.25 117	3.70 338	0.14 97	0.14 74	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 117	3.70 338	0.14 97	0.14 74	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

UNDER WATER-64	0.25 117	0.26 99	0.25 139	0.26 124	0.25 160	0.25 136	0.25 148	0.25 133	0.25 150	0.25 134	0.25 160	0.25 139	0.25 152	0.26 148	0.25 153	0.25 143	0.25 140	0.25 140	0.25 158	0.25 132	0.25 142

DualNet	0.25 117	3.83 343	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 69	0.05 64	0.06 58	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 117	3.83 343	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 69	0.05 64	0.06 58	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 117	3.83 343	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 69	0.05 64	0.06 58	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 117	3.83 343	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 69	0.05 64	0.06 58	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

MIM_Stereo	0.25 117	0.23 91	0.66 239	0.80 226	0.17 134	0.22 125	0.17 120	0.23 127	0.18 131	0.26 141	0.17 130	0.21 124	0.17 128	0.25 139	0.17 126	0.23 134	0.16 113	0.21 125	0.17 137	0.22 124	0.17 121

LoS	0.25 117	0.27 100	0.25 139	0.25 118	0.25 160	0.25 136	0.25 148	0.26 137	0.25 150	0.25 134	0.25 160	0.25 139	0.25 152	0.25 139	0.25 153	0.26 144	0.25 140	0.25 140	0.26 164	0.26 133	0.25 142

Syn2CoEx	0.25 117	1.31 270	0.74 252	0.92 239	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 264	0.75 255	0.02 18	0.02 20	0.02 19	0.02 19

SQANet	0.28 127	0.28 102	0.28 148	0.28 126	0.28 170	0.28 147	0.28 162	0.28 139	0.28 169	0.28 143	0.28 173	0.28 149	0.28 173	0.28 152	0.28 163	0.28 149	0.28 153	0.28 149	0.28 174	0.28 138	0.28 165

HGLStereo	0.28 127	0.29 104	0.22 129	0.36 141	0.22 150	0.36 167	0.21 135	0.36 156	0.21 140	0.42 197	0.21 146	0.36 168	0.22 145	0.36 169	0.21 139	0.34 163	0.21 131	0.34 171	0.21 143	0.34 152	0.21 128

iResNet_ROB	0.28 127	0.32 107	0.24 137	0.32 134	0.25 160	0.32 161	0.24 146	0.32 146	0.24 147	0.33 154	0.24 156	0.35 163	0.24 150	0.33 162	0.24 148	0.31 158	0.24 139	0.32 157	0.24 155	0.32 144	0.24 141

UNet	0.29 130	0.90 182	0.10 56	0.14 74	0.10 88	0.14 94	0.10 85	0.91 264	0.69 267	0.14 94	0.11 98	0.14 96	0.11 98	0.14 96	0.10 81	0.12 73	0.09 55	0.12 91	0.09 80	0.88 253	0.76 271

LoS_RVC	0.30 131	1.14 211	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 133	0.25 150	0.25 134	0.25 160	0.26 147	0.26 161	0.26 148	0.25 153	0.26 144	0.26 143	0.25 140	0.25 158	0.26 133	0.26 148

CAS	0.30 131	1.17 215	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 133	0.26 163	0.25 134	0.25 160	0.25 139	0.25 152	0.25 139	0.25 153	0.26 144	0.26 143	0.26 143	0.25 158	0.26 133	0.25 142

DANet	0.30 131	0.30 105	0.30 154	0.30 128	0.30 184	0.30 151	0.30 171	0.30 144	0.30 180	0.30 146	0.30 183	0.30 155	0.30 181	0.30 156	0.30 176	0.30 156	0.30 169	0.30 155	0.30 190	0.30 143	0.30 176
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
tt1	0.31 134	0.93 189	0.24 137	0.33 136	0.23 154	0.31 154	0.24 146	0.32 146	0.24 147	0.32 152	0.23 150	0.32 159	0.25 152	0.32 158	0.24 148	0.27 147	0.26 143	0.27 147	0.26 164	0.27 136	0.27 153

xxxxx1	0.31 134	0.91 183	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 148	0.25 150	0.31 148	0.24 156	0.33 160	0.25 152	0.32 158	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 153

DLNR_Zeroshot_test	0.31 134	0.28 102	0.47 207	0.79 224	0.24 159	0.30 151	0.26 154	0.30 144	0.24 147	0.32 152	0.23 150	0.31 157	0.24 150	0.30 156	0.23 146	0.29 155	0.26 143	0.29 153	0.24 155	0.33 148	0.23 132

tt_ll	0.31 134	0.91 183	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 148	0.25 150	0.31 148	0.24 156	0.33 160	0.25 152	0.32 158	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 153

ff	0.31 134	0.91 183	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 148	0.25 150	0.31 148	0.24 156	0.33 160	0.25 152	0.32 158	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 153

RAFT + AFF	0.31 134	0.45 140	0.34 173	0.39 149	0.28 170	0.38 175	0.33 183	0.29 142	0.31 182	0.30 146	0.30 183	0.29 154	0.27 168	0.29 155	0.30 176	0.28 149	0.29 162	0.29 153	0.29 183	0.27 136	0.32 185

MLCV	0.31 134	0.35 108	0.27 145	0.35 137	0.28 170	0.35 164	0.27 157	0.35 152	0.28 169	0.36 161	0.27 168	0.35 163	0.27 168	0.35 164	0.27 159	0.34 163	0.27 148	0.34 171	0.27 170	0.34 152	0.27 153

DN-CSS_ROB	0.31 134	0.35 108	0.28 148	0.35 137	0.28 170	0.34 162	0.27 157	0.34 151	0.25 150	0.35 158	0.27 168	0.36 168	0.26 161	0.34 163	0.28 163	0.35 169	0.28 153	0.34 171	0.28 174	0.34 152	0.27 153

Any-RAFT	0.32 142	0.36 111	0.27 145	0.36 141	0.27 167	0.36 167	0.27 157	0.36 156	0.27 166	0.36 161	0.27 168	0.36 168	0.27 168	0.36 169	0.28 163	0.36 172	0.28 153	0.36 186	0.28 174	0.36 169	0.28 165

StereoDRNet-Refined	0.33 143	0.39 121	0.26 144	0.39 149	0.26 166	0.40 182	0.26 154	0.40 173	0.26 163	0.39 171	0.26 165	0.39 179	0.26 161	0.39 181	0.26 158	0.37 176	0.25 140	0.37 188	0.25 158	0.37 171	0.37 197
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iRaft-Stereo_5w	0.34 144	0.42 137	0.31 159	0.39 149	0.30 184	0.38 175	0.30 171	0.40 173	0.29 171	0.40 175	0.37 203	0.41 194	0.34 193	0.38 174	0.30 176	0.34 163	0.27 148	0.34 171	0.26 164	0.34 152	0.26 148

CSP-Net	0.34 144	1.29 268	1.19 287	1.36 326	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 337	1.21 339	0.03 34	0.09 80	0.02 19	0.09 79

iRaft-Stereo_20w	0.34 144	0.41 130	0.31 159	0.39 149	0.29 176	0.40 182	0.32 176	0.41 185	0.32 186	0.38 166	0.30 183	0.39 179	0.30 181	0.38 174	0.32 180	0.35 169	0.27 148	0.34 171	0.27 170	0.34 152	0.29 169

DGSMNet	0.34 144	0.41 130	0.27 145	0.41 169	0.28 170	0.41 196	0.28 162	0.41 185	0.27 166	0.41 186	0.27 168	0.42 210	0.27 168	0.41 196	0.28 163	0.40 190	0.29 162	0.40 201	0.28 174	0.40 186	0.27 153

CASnet	0.35 148	0.51 158	0.44 198	0.32 134	0.31 188	0.24 132	0.34 192	0.36 156	0.25 150	0.31 148	0.37 203	0.30 155	0.33 190	0.25 139	0.45 225	0.37 176	0.37 180	0.33 164	0.35 207	0.34 152	0.37 197
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
IGEV-Stereo	0.35 148	0.44 138	0.45 200	0.49 190	0.30 184	0.37 172	0.30 171	0.36 156	0.30 180	0.36 161	0.29 175	0.36 168	0.29 177	0.36 169	0.30 176	0.46 211	0.39 189	0.32 157	0.24 155	0.32 144	0.25 142
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ETE_ROB	0.35 148	0.35 108	0.35 176	0.35 137	0.35 208	0.35 164	0.35 194	0.35 152	0.35 197	0.35 158	0.35 199	0.35 163	0.35 195	0.35 164	0.35 196	0.35 169	0.35 176	0.35 181	0.35 207	0.35 163	0.35 193

RAFT-Test	0.36 151	0.37 112	0.33 166	0.41 169	0.32 191	0.41 196	0.32 176	0.41 185	0.32 186	0.41 186	0.32 187	0.41 194	0.32 186	0.41 196	0.33 183	0.37 176	0.29 162	0.37 188	0.29 183	0.38 177	0.31 181

DMCA	0.36 151	0.38 114	0.37 178	0.35 137	0.35 208	0.36 167	0.36 196	0.36 156	0.35 197	0.35 158	0.37 203	0.36 168	0.36 196	0.35 164	0.36 197	0.36 172	0.36 178	0.35 181	0.36 210	0.36 169	0.36 194

ACVNet-DCA	0.37 153	1.00 195	0.30 154	0.40 161	0.29 176	0.40 182	0.29 167	0.40 173	0.29 171	0.40 175	0.29 175	0.40 185	0.29 177	0.39 181	0.28 163	0.33 160	0.32 172	0.33 164	0.32 199	0.33 148	0.32 185

1test111	0.37 153	1.02 203	0.30 154	0.39 149	0.29 176	0.40 182	0.28 162	0.39 169	0.29 171	0.39 171	0.29 175	0.39 179	0.28 173	0.40 184	0.29 169	0.33 160	0.32 172	0.33 164	0.31 195	0.32 144	0.31 181

cc1	0.37 153	1.02 203	0.30 154	0.39 149	0.29 176	0.40 182	0.28 162	0.39 169	0.29 171	0.39 171	0.29 175	0.39 179	0.28 173	0.40 184	0.29 169	0.33 160	0.32 172	0.33 164	0.31 195	0.32 144	0.31 181

EKT-Stereo	0.37 153	0.40 123	0.44 198	1.07 255	0.29 176	0.34 162	0.31 175	0.36 156	0.29 171	0.38 166	0.31 186	0.37 173	0.30 181	0.36 169	0.29 169	0.34 163	0.28 153	0.39 198	0.30 190	0.37 171	0.30 176

GMOStereo	0.37 153	0.45 140	0.23 131	0.30 128	0.37 210	0.41 196	0.36 196	0.41 185	0.35 197	0.43 201	0.36 200	0.41 194	0.40 205	0.41 196	0.36 197	0.34 163	0.22 134	0.47 230	0.37 213	0.39 183	0.33 188

XPNet_ROB	0.37 153	0.37 112	0.37 178	0.37 144	0.37 210	0.37 172	0.37 200	0.37 162	0.37 203	0.37 165	0.37 203	0.37 173	0.37 198	0.37 173	0.37 203	0.37 176	0.37 180	0.37 188	0.37 213	0.37 171	0.37 197

WAO-8	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.38 175	0.38 205	0.38 165	0.38 205	0.38 166	0.38 208	0.38 175	0.38 200	0.38 174	0.38 204	0.38 183	0.38 184	0.38 194	0.37 213	0.38 177	0.38 201

WAO-7	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.38 175	0.38 205	0.38 165	0.38 205	0.38 166	0.38 208	0.38 175	0.38 200	0.38 174	0.38 204	0.38 183	0.38 184	0.38 194	0.38 219	0.38 177	0.38 201

xx1	0.38 159	1.03 205	0.31 159	0.40 161	0.31 188	0.41 196	0.28 162	0.40 173	0.29 171	0.40 175	0.29 175	0.40 185	0.29 177	0.40 184	0.29 169	0.34 163	0.33 175	0.34 171	0.32 199	0.34 152	0.32 185

Venus	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.37 172	0.38 205	0.37 162	0.37 203	0.41 186	0.37 203	0.39 179	0.37 198	0.38 174	0.38 204	0.37 176	0.38 184	0.38 194	0.37 213	0.37 171	0.38 201

IMH	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.38 175	0.38 205	0.38 165	0.38 205	0.42 197	0.38 208	0.40 185	0.38 200	0.38 174	0.38 204	0.38 183	0.38 184	0.39 198	0.38 219	0.38 177	0.38 201

HanzoNet	0.39 164	0.38 114	0.40 185	0.39 149	0.41 226	0.38 175	0.38 205	0.38 165	0.38 205	0.39 171	0.39 212	0.38 175	0.38 200	0.39 181	0.40 210	0.38 183	0.38 184	0.40 201	0.38 219	0.38 177	0.40 205

CES	0.39 164	0.47 146	0.36 177	0.36 141	0.37 210	0.45 218	0.35 194	0.35 152	0.40 211	0.36 161	0.44 228	0.47 219	0.36 196	0.44 210	0.36 197	0.37 176	0.39 189	0.44 223	0.35 207	0.37 171	0.36 194

PASM	0.39 164	3.06 329	1.36 349	1.58 330	0.09 82	0.11 90	0.11 97	0.11 90	0.11 99	0.09 77	0.09 82	0.11 92	0.09 83	0.09 78	0.09 76	0.11 68	0.11 75	0.11 88	0.09 80	0.11 90	0.11 95

knoymous	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 211	0.40 173	0.40 211	0.40 175	0.40 213	0.40 185	0.40 205	0.40 184	0.40 210	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 205

anonymousa	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 211	0.40 173	0.40 211	0.40 175	0.40 213	0.40 185	0.40 205	0.40 184	0.40 210	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 205

riskmin	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 211	0.40 173	0.40 211	0.40 175	0.40 213	0.40 185	0.40 205	0.40 184	0.40 210	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 205

Anonymous_2	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 211	0.40 173	0.40 211	0.40 175	0.40 213	0.40 185	0.40 205	0.40 184	0.40 210	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 205

Anonymous_1	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 211	0.40 173	0.40 211	0.40 175	0.40 213	0.40 185	0.40 205	0.40 184	0.40 210	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 205

AdaStereo	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 211	0.40 173	0.40 211	0.40 175	0.40 213	0.40 185	0.40 205	0.40 184	0.40 210	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 205
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.
GwcNet-ADL	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 217	0.41 185	0.41 220	0.41 186	0.41 219	0.41 194	0.41 215	0.41 196	0.41 217	0.41 197	0.41 200	0.41 212	0.41 228	0.41 194	0.41 212

PSMNet-ADL	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 217	0.41 185	0.41 220	0.41 186	0.41 219	0.41 194	0.41 215	0.41 196	0.41 217	0.41 197	0.41 200	0.41 212	0.41 228	0.41 194	0.41 212

GANet-ADL	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 217	0.41 185	0.41 220	0.41 186	0.41 219	0.41 194	0.41 215	0.41 196	0.41 217	0.41 197	0.41 200	0.41 212	0.41 228	0.41 194	0.41 212

ADLNet2	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 217	0.41 185	0.41 220	0.41 186	0.41 219	0.41 194	0.41 215	0.41 196	0.41 217	0.41 197	0.41 200	0.41 212	0.41 228	0.41 194	0.41 212

ADLNet	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 217	0.41 185	0.41 220	0.41 186	0.41 219	0.41 194	0.41 215	0.41 196	0.41 217	0.41 197	0.41 200	0.41 212	0.41 228	0.41 194	0.41 212

FCDSN-DC	0.41 173	0.59 166	0.64 234	0.54 199	0.33 200	0.50 235	0.37 200	0.42 201	0.40 211	0.61 244	0.43 227	0.50 237	0.49 237	0.38 174	0.32 180	0.28 149	0.23 138	0.26 143	0.22 145	0.35 163	0.28 165
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
psmorigin	0.41 173	0.46 142	0.33 166	0.49 190	0.33 200	0.49 229	0.33 183	0.49 215	0.33 189	0.49 219	0.33 190	0.49 226	0.33 190	0.51 232	0.33 183	0.41 197	0.30 169	0.41 212	0.30 190	0.79 243	0.29 169

Gwc-CoAtRS	0.41 173	1.49 276	0.32 162	0.42 177	0.32 191	0.41 196	0.32 176	0.41 185	0.33 189	0.41 186	0.32 187	0.41 194	0.32 186	0.41 196	0.32 180	0.39 188	0.28 153	0.39 198	0.28 174	0.40 186	0.28 165

UPFNet	0.42 181	1.20 219	0.17 116	0.24 115	0.17 134	0.25 136	0.17 120	1.19 288	0.90 285	0.25 134	0.17 130	0.24 136	0.17 128	0.25 139	0.17 126	0.22 125	0.17 125	0.22 130	0.16 124	1.15 273	0.93 284

psmg	0.43 182	1.91 292	0.92 267	1.91 339	0.02 20	0.02 18	0.03 39	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 362	1.44 353	0.04 48	0.03 42	0.02 19	0.03 39

delet	0.43 182	1.21 265	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 340	0.95 292	0.25 134	0.17 130	0.25 139	0.17 128	0.25 139	0.17 126	0.23 134	0.16 113	0.22 130	0.16 124	1.18 281	0.98 287

psm_up	0.43 182	1.19 218	0.17 116	0.25 118	0.18 139	0.25 136	0.19 127	1.26 340	0.91 286	0.26 141	0.17 130	0.25 139	0.17 128	0.25 139	0.17 126	0.22 125	0.17 125	0.23 134	0.16 124	1.18 281	0.99 288

MMNet	0.44 185	1.24 267	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 340	0.93 291	0.25 134	0.17 130	0.25 139	0.18 133	0.25 139	0.17 126	0.23 134	0.16 113	0.23 134	0.16 124	1.20 284	0.99 288

TorneroNet-64	0.45 186	0.27 100	0.30 154	0.58 203	0.27 167	0.70 256	0.30 171	0.28 139	0.73 274	0.73 257	0.28 173	0.71 256	0.66 256	0.75 261	0.27 159	0.27 147	0.29 162	0.37 188	0.75 278	0.28 138	0.30 176

otaku	0.46 187	0.46 142	0.46 202	0.46 180	0.46 236	0.46 219	0.46 225	0.46 205	0.46 227	0.46 205	0.46 231	0.46 214	0.46 223	0.46 213	0.46 227	0.46 211	0.46 207	0.46 226	0.46 235	0.46 201	0.46 220

Dean	0.46 187	0.46 142	0.46 202	0.46 180	0.46 236	0.46 219	0.46 225	0.46 205	0.46 227	0.47 210	0.46 231	0.46 214	0.46 223	0.46 213	0.46 227	0.46 211	0.46 207	0.46 226	0.46 235	0.46 201	0.46 220

ACVNet_1	0.46 187	0.47 146	0.46 202	0.46 180	0.46 236	0.46 219	0.46 225	0.46 205	0.47 230	0.46 205	0.46 231	0.46 214	0.46 223	0.46 213	0.46 227	0.46 211	0.46 207	0.47 230	0.46 235	0.46 201	0.46 220

ACVNet-4b	0.46 187	0.46 142	0.46 202	0.46 180	0.46 236	0.46 219	0.46 225	0.46 205	0.46 227	0.46 205	0.46 231	0.46 214	0.46 223	0.47 216	0.46 227	0.46 211	0.46 207	0.46 226	0.46 235	0.46 201	0.46 220

PML	0.46 187	1.36 273	0.29 150	0.58 203	0.30 184	0.57 246	0.29 167	0.57 233	0.29 171	0.57 239	0.29 175	0.57 246	0.29 177	0.56 240	0.29 169	0.52 229	0.30 169	0.53 247	0.31 195	0.53 220	0.30 176

Ntro	0.47 192	0.47 146	0.46 202	0.46 180	0.46 236	0.47 223	0.47 231	0.46 205	0.47 230	0.46 205	0.46 231	0.47 219	0.46 223	0.47 216	0.47 231	0.47 216	0.46 207	0.46 226	0.46 235	0.46 201	0.46 220

HaxPig	0.47 192	0.47 146	0.47 207	0.49 190	0.47 241	0.47 223	0.47 231	0.47 210	0.47 230	0.47 210	0.47 238	0.47 219	0.47 232	0.47 216	0.47 231	0.47 216	0.47 213	0.47 230	0.47 241	0.47 207	0.48 228

UNDER WATER	0.47 192	0.47 146	0.47 207	0.47 185	0.47 241	0.47 223	0.47 231	0.47 210	0.47 230	0.47 210	0.47 238	0.47 219	0.46 223	0.47 216	0.47 231	0.47 216	0.47 213	0.47 230	0.46 235	0.47 207	0.47 225

LVE	0.47 192	0.47 146	0.47 207	0.47 185	0.49 246	0.47 223	0.47 231	0.47 210	0.49 237	0.47 210	0.47 238	0.47 219	0.46 223	0.47 216	0.47 231	0.47 216	0.47 213	0.48 238	0.47 241	0.47 207	0.47 225

SPstereo	0.47 192	0.38 114	0.51 220	0.56 201	0.31 188	0.67 254	0.44 223	0.55 229	0.31 182	0.61 244	0.44 228	0.46 214	0.52 243	0.67 252	0.42 223	0.48 220	0.40 191	0.47 230	0.36 210	0.53 220	0.33 188

RainbowNet	0.48 197	0.48 152	0.48 212	0.48 188	0.48 243	0.48 227	0.48 236	0.48 213	0.48 235	0.48 214	0.48 241	0.48 224	0.48 233	0.48 221	0.48 236	0.48 220	0.48 217	0.48 238	0.48 244	0.48 210	0.48 228

notaker	0.48 197	0.49 153	0.48 212	0.48 188	0.48 243	0.48 227	0.48 236	0.48 213	0.49 237	0.48 214	0.48 241	0.48 224	0.48 233	0.48 221	0.48 236	0.48 220	0.48 217	0.48 238	0.48 244	0.48 210	0.49 231

LL-Strereo2	0.48 197	1.73 287	0.51 220	0.59 205	0.34 206	0.42 212	0.33 183	0.40 173	0.31 182	0.42 197	0.33 190	0.42 210	0.31 185	0.44 210	0.39 209	0.60 236	0.51 225	0.44 223	0.33 204	0.44 200	0.33 188

ACVNet_2	0.49 200	0.49 153	0.49 216	0.49 190	0.49 246	0.49 229	0.49 239	0.49 215	0.49 237	0.49 219	0.49 245	0.49 226	0.49 237	0.49 227	0.49 239	0.49 223	0.49 219	0.49 241	0.49 246	0.49 212	0.49 231

SANet	0.50 201	0.50 155	0.50 218	0.50 196	0.50 249	0.50 235	0.50 241	0.50 222	0.50 240	0.50 228	0.50 247	0.50 237	0.50 240	0.50 231	0.50 240	0.50 227	0.50 224	0.50 244	0.50 248	0.50 216	0.50 234

Selective-IGEV	0.51 202	0.55 165	0.45 200	0.69 213	0.45 235	0.61 249	0.45 224	0.50 222	0.40 211	0.56 238	0.44 228	0.55 242	0.40 205	0.72 257	0.67 261	0.59 234	0.46 207	0.45 225	0.34 205	0.46 201	0.37 197

RCA-Stereo	0.51 202	3.22 333	0.34 173	0.44 178	0.34 206	0.44 217	0.34 192	0.43 203	0.34 196	0.43 201	0.34 196	0.44 213	0.33 190	0.43 208	0.33 183	0.38 183	0.29 162	0.38 194	0.29 183	0.38 177	0.29 169

FENet	0.54 204	1.52 277	1.19 287	1.41 329	0.23 154	0.35 164	0.23 142	0.35 152	0.23 146	0.34 156	0.23 150	0.35 163	0.23 149	0.35 164	0.23 146	1.40 346	1.07 274	0.32 157	0.23 150	0.33 148	0.23 132

PSMNet_ROB	0.54 204	0.54 163	0.54 223	0.54 199	0.53 254	0.54 240	0.54 245	0.53 227	0.54 249	0.54 234	0.54 254	0.54 239	0.53 245	0.54 235	0.54 245	0.54 231	0.53 228	0.54 248	0.54 249	0.54 222	0.54 238

CFNet-ft	0.55 206	1.57 278	0.14 97	0.20 100	0.14 119	0.20 115	2.53 382	1.61 349	0.14 118	0.20 114	0.14 120	0.20 116	0.14 117	0.20 115	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	1.56 341	1.24 355

MyStereo04	0.56 207	3.72 341	0.59 227	0.49 190	0.41 226	0.36 167	0.32 176	0.37 162	0.31 182	0.34 156	0.46 231	0.35 163	0.32 186	0.35 164	0.33 183	0.49 223	0.45 205	0.34 171	0.32 199	0.35 163	0.43 217

CASS	0.57 208	0.89 180	0.56 224	0.57 202	0.56 256	0.56 242	0.56 246	0.56 231	0.53 245	0.57 239	0.57 258	0.59 248	0.48 233	0.56 240	0.57 249	0.55 233	0.56 231	0.47 230	0.56 253	0.62 224	0.56 245
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
MyStereo07	0.60 209	3.72 341	0.48 212	0.49 190	0.41 226	0.36 167	0.32 176	0.49 215	0.43 225	0.51 229	0.42 225	0.49 226	0.43 220	0.51 232	0.64 257	0.49 223	0.45 205	0.34 171	0.32 199	0.35 163	0.43 217

whm_eth	0.63 210	1.48 275	0.47 207	0.71 217	0.48 243	0.71 258	0.48 236	0.71 248	0.48 235	0.71 254	0.48 241	0.71 256	0.48 233	0.72 257	0.48 236	0.71 249	0.47 213	0.71 262	0.47 241	0.71 233	0.47 225

anonymity	0.63 210	0.69 168	0.56 224	0.71 217	0.56 256	0.71 258	0.56 246	0.71 248	0.56 250	0.72 255	0.56 256	0.71 256	0.56 247	0.71 256	0.58 252	0.68 242	0.55 229	0.68 256	0.55 250	0.68 227	0.54 238

CRFU-Net	0.65 212	1.67 282	1.22 337	1.96 342	0.27 167	0.41 196	0.27 157	0.41 185	0.27 166	0.40 175	0.26 165	0.41 194	0.27 168	0.40 184	0.27 159	1.80 356	1.62 358	0.34 171	0.23 150	0.33 148	0.23 132

LMCR-Stereo	0.65 212	0.63 167	0.65 238	0.65 210	0.65 268	0.66 253	0.63 254	0.58 235	0.65 260	0.63 247	0.64 265	0.65 252	0.65 254	0.66 250	0.66 260	0.66 240	0.64 241	0.65 254	0.67 269	0.68 227	0.73 266

KSHMR	0.66 214	0.50 155	0.48 212	1.15 264	0.52 251	0.49 229	0.51 243	0.49 215	0.71 272	0.67 250	0.50 247	1.16 301	1.11 289	0.66 250	0.52 243	0.49 223	0.49 219	0.51 245	0.66 266	0.50 216	1.14 302

TorneroNet	0.66 214	0.53 160	0.50 218	0.50 196	0.64 267	1.06 287	0.70 266	0.50 222	0.51 243	0.49 219	0.69 274	0.49 226	0.50 240	0.48 221	1.15 300	0.71 249	0.49 219	1.14 298	1.08 296	0.49 212	0.49 231

GES	0.66 214	2.34 310	0.29 150	0.41 169	0.29 176	0.41 196	0.29 167	0.42 201	0.29 171	0.40 175	0.41 219	0.41 194	0.30 181	0.51 232	0.29 169	0.32 159	0.29 162	0.32 157	2.46 386	2.49 359	0.30 176

cf-r	0.66 214	2.17 306	0.12 78	0.18 96	0.12 115	0.18 110	2.70 385	2.60 371	0.12 114	0.18 110	0.12 105	0.18 112	0.12 111	0.18 110	0.12 103	0.15 97	0.11 75	0.15 105	0.11 97	1.81 345	1.74 376

DSFCA	0.66 214	0.73 171	0.78 256	0.65 210	0.65 268	0.64 252	0.64 255	0.65 243	0.63 259	0.64 248	0.64 265	0.64 250	0.64 252	0.65 249	0.65 258	0.65 239	0.65 242	0.65 254	0.65 264	0.66 225	0.64 253

ssnet_v2	0.68 219	1.96 299	1.25 341	0.29 127	0.20 143	0.30 151	0.20 129	0.29 142	0.22 141	1.50 351	0.20 141	0.31 157	0.20 140	0.27 150	0.22 141	0.24 139	1.49 354	0.26 143	0.18 139	3.90 371	0.19 125

ARAFT	0.68 219	0.81 177	0.63 232	0.74 220	0.60 258	0.78 265	0.62 253	0.77 253	0.66 262	0.74 261	0.63 263	0.75 262	0.62 251	0.83 267	0.60 254	0.70 246	0.55 229	0.70 261	0.60 258	0.78 241	0.55 242

NINENet	0.69 221	3.87 347	1.20 290	1.98 343	0.05 69	0.40 182	0.04 54	0.40 173	0.05 68	0.41 186	0.04 63	0.41 194	0.05 64	0.40 184	0.05 59	1.79 355	1.56 356	0.34 171	0.22 145	0.34 152	0.23 132

RAFT-Stereo + iAFF	0.70 222	0.72 170	0.71 248	0.80 226	0.62 266	0.82 269	0.61 250	0.81 258	0.62 257	0.81 268	0.63 263	0.80 269	0.70 264	0.73 259	0.61 256	0.76 252	0.61 238	0.74 265	0.61 260	0.77 240	0.61 249

DMCA-RVC	0.70 222	0.80 174	0.70 245	0.70 215	0.70 277	0.70 256	0.70 266	0.71 248	0.70 269	0.70 253	0.71 277	0.71 256	0.70 264	0.70 255	0.69 269	0.69 243	0.70 251	0.69 259	0.70 274	0.69 231	0.70 261

MyStereo8	0.71 224	3.92 348	0.52 222	0.59 205	0.52 251	0.57 246	0.53 244	0.59 237	0.50 240	0.59 242	0.51 250	0.57 246	0.50 240	0.56 240	0.52 243	0.54 231	0.49 219	0.54 248	0.49 246	0.55 223	0.50 234

HH	0.71 224	2.54 313	0.74 252	1.10 257	0.32 191	0.41 196	0.37 200	0.69 246	0.78 277	0.73 257	0.90 289	0.75 262	1.00 282	0.84 268	0.69 269	0.69 243	0.40 191	0.35 181	0.26 164	0.35 163	0.26 148

HanStereo	0.71 224	2.54 313	0.74 252	1.10 257	0.32 191	0.41 196	0.37 200	0.69 246	0.78 277	0.73 257	0.90 289	0.75 262	1.00 282	0.84 268	0.69 269	0.69 243	0.40 191	0.35 181	0.26 164	0.35 163	0.26 148

ktn	0.72 227	0.53 160	1.08 278	1.14 262	0.51 250	1.22 347	1.36 359	0.51 226	0.59 252	0.51 229	0.51 250	0.69 255	1.20 300	0.67 252	0.51 242	0.51 228	0.49 219	0.58 250	0.66 266	0.52 218	0.53 237

CroCo-Stereo	0.73 228	1.22 266	0.25 139	1.22 318	0.25 160	1.22 347	0.25 148	1.22 337	0.25 150	1.22 344	0.25 160	1.22 350	0.25 152	1.22 348	0.25 153	1.22 336	0.26 143	1.21 353	0.25 158	1.22 331	0.25 142
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
AFF-stereo	0.73 228	0.88 179	0.67 241	0.75 221	0.68 276	0.75 260	0.64 255	0.80 255	0.72 273	0.83 269	0.70 275	0.82 272	0.64 252	0.84 268	0.67 261	0.77 253	0.63 239	0.81 275	0.63 263	0.78 241	0.62 251

MyStereo06	0.75 230	4.12 349	0.60 228	0.63 208	0.61 263	0.62 250	0.66 258	0.56 231	0.45 226	0.55 236	0.48 241	0.54 239	0.46 223	0.57 243	0.45 225	0.60 236	0.57 232	0.64 252	0.55 250	0.72 234	0.55 242

GANet-RSSM	0.75 230	1.91 292	0.14 97	0.47 185	0.14 119	0.21 123	3.21 390	2.30 368	0.14 118	0.46 205	0.14 120	0.23 132	0.18 133	0.21 125	0.14 112	0.18 116	0.27 148	0.37 188	0.13 118	2.13 353	2.12 378

CroCo-Stereo Lap2	0.77 232	1.29 268	0.29 150	1.27 321	0.29 176	1.27 350	0.26 154	1.26 340	0.26 163	1.26 345	0.26 165	1.27 351	0.26 161	1.26 349	0.27 159	1.27 338	0.27 148	1.27 356	0.27 170	1.27 333	0.27 153

PSMNet-RSSM	0.77 232	2.76 322	0.14 97	0.20 100	0.14 119	0.20 115	2.66 383	2.79 375	0.14 118	0.21 123	0.14 120	0.21 124	0.14 117	0.20 115	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.52 360	2.31 380

GwcNet-RSSM	0.77 232	2.77 324	0.14 97	0.20 100	0.14 119	0.20 115	2.67 384	2.78 374	0.14 118	0.20 114	0.14 120	0.20 116	0.14 117	0.21 125	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.52 360	2.31 380

4D-IteraStereo	0.78 235	3.13 330	0.89 262	0.69 213	0.32 191	0.40 182	0.32 176	0.76 252	0.97 294	0.52 232	0.65 269	0.89 276	0.32 186	0.76 262	0.98 289	0.83 260	0.94 269	0.35 181	0.27 170	0.70 232	0.89 281

hitnet-ft	0.79 236	2.78 325	0.14 97	0.20 100	0.14 119	0.21 123	2.89 386	2.80 376	0.14 118	0.20 114	0.14 120	0.20 116	0.14 117	0.20 115	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.54 362	2.33 382

G-Net	0.79 236	0.79 173	0.79 258	0.79 224	0.79 286	0.79 266	0.79 273	0.79 254	0.79 280	0.79 263	0.79 284	0.79 268	0.79 272	0.79 263	0.79 276	0.79 254	0.79 257	0.79 271	0.79 281	0.79 243	0.79 272

MyStereo05	0.80 238	4.12 349	0.63 232	0.63 208	0.61 263	0.62 250	0.66 258	0.65 243	0.62 257	0.67 250	0.61 261	0.65 252	0.58 248	0.67 252	0.55 248	0.60 236	0.57 232	0.64 252	0.55 250	0.72 234	0.55 242

UDG	0.80 238	2.21 307	0.60 228	0.91 236	0.60 258	0.90 275	0.58 248	0.88 262	0.60 253	0.90 271	0.60 259	0.88 274	0.60 250	0.90 275	0.58 252	0.86 263	0.60 234	0.84 278	0.59 257	0.84 251	0.61 249

ccnet	0.80 238	2.28 309	0.33 166	0.50 196	0.33 200	0.50 235	0.33 183	0.50 222	0.33 189	0.49 219	0.33 190	0.49 226	1.56 361	2.38 371	0.33 183	0.41 197	0.29 162	0.42 221	1.57 369	2.28 355	0.29 169

NaN_ROB	0.80 238	0.80 174	0.80 259	0.80 226	0.80 288	0.80 267	0.80 275	0.80 255	0.80 281	0.80 264	0.80 285	0.80 269	0.80 273	0.80 264	0.80 278	0.80 255	0.80 260	0.80 273	0.80 282	0.80 246	0.80 273

CSAN	0.80 238	0.80 174	0.80 259	0.80 226	0.80 288	0.80 267	0.80 275	0.80 255	0.80 281	0.80 264	0.80 285	0.80 269	0.80 273	0.80 264	0.80 278	0.80 255	0.80 260	0.80 273	0.80 282	0.80 246	0.80 273

BSDual-CNN	0.81 243	1.91 292	0.92 267	4.48 374	0.02 20	0.42 212	0.06 75	0.41 185	0.02 20	0.48 214	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 362	4.19 381	0.33 164	0.23 150	0.34 152	0.27 153

DDUNet	0.81 243	2.45 311	0.57 226	0.90 233	0.60 258	0.88 272	0.59 249	0.90 263	0.60 253	0.88 270	0.60 259	0.90 277	0.58 248	0.88 272	0.60 254	0.84 262	0.60 234	0.86 280	0.57 254	0.86 252	0.60 248

R-Stereo Train	0.81 243	0.96 191	0.67 241	0.95 243	0.67 274	0.95 280	0.68 262	0.95 272	0.68 264	0.95 279	0.68 272	0.96 284	0.68 261	0.96 283	0.68 265	0.94 271	0.68 246	0.94 286	0.68 270	0.94 262	0.68 259

RAFT-Stereo	0.81 243	0.96 191	0.67 241	0.95 243	0.67 274	0.95 280	0.68 262	0.95 272	0.68 264	0.95 279	0.68 272	0.96 284	0.68 261	0.96 283	0.68 265	0.94 271	0.68 246	0.94 286	0.68 270	0.94 262	0.68 259
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
gwcnet-sp	0.82 247	1.72 283	1.48 355	0.39 149	0.15 128	0.31 154	0.21 135	0.20 115	0.25 150	1.61 353	0.23 150	0.28 149	0.26 161	0.20 115	0.15 120	0.24 139	1.33 344	0.32 157	0.16 124	6.75 393	0.23 132

scenet	0.82 247	1.72 283	1.48 355	0.39 149	0.15 128	0.31 154	0.21 135	0.20 115	0.25 150	1.61 353	0.23 150	0.28 149	0.26 161	0.20 115	0.15 120	0.24 139	1.33 344	0.32 157	0.16 124	6.75 393	0.23 132

ssnet	0.82 247	1.72 283	1.48 355	0.39 149	0.15 128	0.31 154	0.21 135	0.20 115	0.25 150	1.61 353	0.23 150	0.28 149	0.26 161	0.20 115	0.15 120	0.24 139	1.33 344	0.32 157	0.16 124	6.75 393	0.23 132

STTRV1_RVC	0.82 247	1.60 280	0.70 245	1.01 252	0.60 258	1.07 290	0.69 265	1.01 277	0.60 253	0.72 255	0.55 255	1.02 289	0.68 261	1.03 288	0.67 261	0.89 265	0.63 239	0.92 284	0.57 254	0.90 255	0.65 254

BUS	0.83 251	1.91 292	0.92 267	4.48 374	0.02 20	0.40 182	0.04 54	0.41 185	0.02 20	0.48 214	0.03 40	0.41 194	0.05 64	0.03 33	0.05 59	1.97 362	4.19 381	0.33 164	0.23 150	0.34 152	0.27 153

PDISCO_ROB	0.83 251	2.80 326	3.49 384	0.14 74	0.11 103	0.17 108	0.09 80	0.15 105	0.10 85	0.15 100	0.12 105	0.16 106	0.14 117	3.30 382	0.13 109	0.14 90	2.34 373	0.16 106	0.12 110	2.62 363	0.10 83

MyStereo03	0.84 253	4.93 362	0.68 244	0.90 233	0.74 283	0.56 242	0.46 225	0.55 229	0.52 244	0.74 261	0.56 256	0.56 244	0.46 223	0.81 266	0.54 245	0.59 234	0.52 226	0.75 266	0.68 270	0.68 227	0.65 254

DCRE	0.84 253	1.89 291	0.77 255	0.94 241	0.72 280	0.88 272	0.73 269	0.87 260	0.78 277	0.90 271	0.71 277	0.88 274	0.67 260	0.88 272	0.73 273	0.81 258	0.68 246	0.81 275	0.70 274	0.82 250	0.70 261

iGMRVC	0.84 253	2.85 327	0.72 249	0.72 219	0.73 281	0.77 263	0.79 273	0.73 251	0.74 276	0.73 257	0.72 279	0.73 260	0.76 270	0.73 259	0.73 273	0.72 251	0.73 253	0.73 264	0.72 277	0.73 239	0.72 264

MyStereo02	0.85 256	4.58 357	0.64 234	0.76 222	0.65 268	0.75 260	0.61 250	0.60 238	0.53 245	0.80 264	0.64 265	0.78 265	0.66 256	0.55 237	0.57 249	0.70 246	0.66 244	0.68 256	0.62 261	0.72 234	0.59 246

MyStereo	0.85 256	4.58 357	0.64 234	0.76 222	0.65 268	0.75 260	0.61 250	0.60 238	0.53 245	0.80 264	0.64 265	0.78 265	0.66 256	0.55 237	0.57 249	0.70 246	0.66 244	0.68 256	0.62 261	0.72 234	0.59 246

GEStereo_RVC	0.86 258	4.45 354	0.20 125	0.27 125	0.20 143	0.27 146	0.20 129	0.26 137	0.18 131	5.03 396	0.20 141	0.27 148	0.19 137	0.27 150	0.21 139	0.20 119	0.19 128	0.19 121	4.02 398	0.20 117	0.18 124

Selective-RAFT-Error	0.88 259	0.84 178	0.98 272	0.86 231	0.97 300	0.88 272	0.95 286	0.84 259	0.99 296	0.92 274	0.82 287	0.84 273	0.98 281	0.87 271	0.97 288	0.81 258	0.83 263	0.79 271	0.82 285	0.79 243	0.85 278

IER	0.88 259	7.04 369	2.23 373	2.75 361	0.28 170	0.43 216	0.25 148	0.39 169	0.25 150	0.41 186	0.27 168	0.39 179	0.25 152	0.40 184	0.28 163	0.37 176	0.28 153	0.37 188	0.25 158	0.37 171	0.25 142

Selective-RAFT	0.89 261	0.89 180	0.72 249	1.16 269	0.78 285	1.06 287	0.82 277	0.87 260	0.97 294	1.00 281	0.91 291	0.90 277	1.00 282	0.89 274	0.93 287	0.83 260	0.83 263	0.82 277	0.82 285	0.81 249	0.82 276

CFNet-RSSM	0.91 262	4.89 361	0.34 173	0.44 178	1.07 306	1.62 359	1.40 365	0.91 264	0.35 197	1.60 352	1.39 364	0.64 250	0.34 193	0.44 210	0.33 183	0.41 197	0.35 176	0.75 266	0.30 190	0.41 194	0.29 169

ToySt	0.92 263	2.11 301	0.90 264	0.95 243	0.79 286	0.99 282	0.78 272	0.94 271	0.81 284	0.94 278	0.78 283	0.95 283	0.77 271	0.94 279	0.86 281	0.91 266	0.79 257	0.85 279	0.77 279	0.89 254	0.73 266

DPSM_ROB	0.92 263	0.91 183	0.91 265	0.91 236	0.92 296	0.92 277	0.92 282	0.92 267	0.91 286	0.93 276	0.91 291	0.92 279	0.90 276	0.91 276	0.92 283	0.92 267	0.91 265	0.91 282	0.92 288	0.93 260	0.93 284

DPSM	0.92 263	0.91 183	0.91 265	0.91 236	0.92 296	0.92 277	0.92 282	0.92 267	0.91 286	0.93 276	0.91 291	0.92 279	0.90 276	0.91 276	0.92 283	0.92 267	0.91 265	0.91 282	0.92 288	0.93 260	0.93 284

pmcnn	0.92 263	0.92 188	0.92 267	0.92 239	0.92 296	0.92 277	0.92 282	0.92 267	0.92 290	0.92 274	0.92 294	0.92 279	0.92 278	0.92 278	0.92 283	0.92 267	0.92 267	0.92 284	0.92 288	0.92 259	0.92 283

error version	0.93 267	4.47 355	2.35 376	1.99 344	0.37 210	0.41 196	0.36 196	0.41 185	0.35 197	0.43 201	0.36 200	0.41 194	0.40 205	0.41 196	0.36 197	1.87 358	2.16 369	0.47 230	0.37 213	0.39 183	0.33 188

test_1	0.93 267	4.47 355	2.35 376	1.99 344	0.37 210	0.41 196	0.36 196	0.41 185	0.35 197	0.43 201	0.36 200	0.41 194	0.40 205	0.41 196	0.36 197	1.87 358	2.16 369	0.47 230	0.37 213	0.39 183	0.33 188

DGTPSM_ROB	0.93 267	1.00 195	0.92 267	0.94 241	0.96 299	0.91 276	0.92 282	0.91 264	0.96 293	0.91 273	0.96 295	0.93 282	0.92 278	0.94 279	0.92 283	0.92 267	0.92 267	0.90 281	0.92 288	0.94 262	0.91 282

HSM-Net_RVC	0.95 270	1.17 215	0.78 256	1.18 271	0.71 278	1.16 300	0.75 271	1.09 280	0.80 281	1.10 288	0.75 282	1.17 302	0.74 268	1.17 300	0.80 278	1.13 286	0.73 253	1.17 304	0.77 279	1.16 275	0.72 264
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iRaftStereo_RVC	0.97 271	3.17 332	2.30 375	2.42 356	0.38 215	0.54 240	0.38 205	0.54 228	0.38 205	0.54 234	0.38 208	0.54 239	0.38 200	0.54 235	0.38 204	2.38 372	2.34 373	0.49 241	0.36 210	0.49 212	0.36 194

DPSimNet_ROB	0.97 271	1.18 217	0.81 261	1.10 257	0.91 295	1.02 286	0.82 277	1.04 278	0.91 286	1.03 285	0.86 288	1.28 352	0.82 275	1.03 288	0.89 282	1.17 288	0.81 262	1.02 295	0.82 285	1.08 269	0.81 275

test-3	0.98 273	4.13 351	1.85 368	1.85 336	0.61 263	0.69 255	0.37 200	0.63 242	0.61 256	0.66 249	0.51 250	0.73 260	0.44 221	0.57 243	0.54 245	1.68 353	1.81 367	0.40 201	0.43 234	0.66 225	0.50 234

GANet	1.00 274	1.00 195	1.00 274	1.00 249	1.00 301	1.00 283	1.00 289	1.00 274	1.00 297	1.00 281	1.00 296	1.00 286	1.00 282	1.00 285	1.00 291	1.00 273	1.00 270	1.00 292	1.00 292	1.00 265	1.00 290

TDLM	1.00 274	1.00 195	1.00 274	1.00 249	1.00 301	1.00 283	1.00 289	1.00 274	1.00 297	1.00 281	1.00 296	1.00 286	1.00 282	1.00 285	1.00 291	1.00 273	1.00 270	1.00 292	1.00 292	1.00 265	1.00 290

CVANet_RVC	1.00 274	1.00 195	1.00 274	1.00 249	1.00 301	1.00 283	1.00 289	1.00 274	1.00 297	1.00 281	1.00 296	1.00 286	1.00 282	1.00 285	1.00 291	1.00 273	1.00 270	1.00 292	1.00 292	1.00 265	1.00 290

LL-Strereo	1.01 277	5.06 364	1.63 358	0.70 215	1.43 371	0.56 242	0.46 225	0.57 233	0.50 240	0.57 239	0.50 247	1.58 357	0.49 237	0.59 245	0.50 240	1.64 352	0.52 226	0.51 245	1.37 360	0.52 218	0.45 219

GLC_STEREO	1.07 278	1.01 200	1.06 277	1.07 255	1.05 305	1.06 287	1.08 294	1.08 279	1.05 301	1.07 286	1.06 299	1.08 291	1.05 288	1.06 290	1.10 295	1.07 277	1.09 280	1.05 296	1.05 295	1.06 268	1.12 298

FC-DCNN	1.07 278	1.09 207	0.98 272	0.89 232	0.52 251	1.41 356	0.91 281	1.21 336	1.24 359	1.96 360	2.05 384	1.91 361	1.30 353	1.27 350	1.08 294	0.80 255	0.60 234	0.58 250	0.41 228	0.68 227	0.54 238

hknet	1.10 280	1.85 290	3.49 384	4.48 374	0.02 20	0.42 212	0.06 75	0.41 185	0.02 20	0.48 214	0.03 40	0.41 194	0.03 42	0.42 207	0.03 37	4.39 385	4.19 381	0.33 164	0.23 150	0.34 152	0.27 153

test_xeample3	1.10 280	1.81 288	0.61 230	0.84 230	0.49 246	0.77 263	0.66 258	0.92 267	1.40 368	0.68 252	0.46 231	0.78 265	0.54 246	1.72 356	1.48 365	1.34 342	1.52 355	1.35 358	1.67 373	1.33 334	1.55 368

DISCO	1.11 282	0.39 121	5.28 391	0.39 149	0.20 143	0.39 181	0.27 157	0.39 169	0.22 141	0.38 166	0.20 141	0.38 175	0.20 140	6.95 404	0.22 141	0.30 156	0.21 131	0.27 147	0.21 143	5.25 386	0.21 128

AEACV	1.12 283	0.52 159	3.12 382	3.24 367	0.86 290	0.53 239	0.49 239	0.60 238	0.47 230	0.53 233	0.49 245	0.55 242	0.45 222	0.55 237	0.47 231	3.01 377	3.88 379	0.71 262	0.60 258	0.80 246	0.48 228

MSMD_ROB	1.19 284	1.10 210	0.70 245	1.10 257	0.60 258	1.10 293	0.70 266	1.10 281	0.70 269	1.10 288	0.70 275	1.10 295	0.70 264	7.00 405	0.70 272	1.10 280	0.70 251	1.10 297	0.70 274	1.10 270	0.70 261

DisPM	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

CrosDoStereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

PFNet+	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

LCNet	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

HHNet	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

Patchmatch Stereo++	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307
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	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

STrans-v2	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

TransformOpticalFlow	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

OMP-Stereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

IIG-Stereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

NF-Stereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

OCTAStereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

PSM-softLoss	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

KMStereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

NRIStereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

PSM-adaLoss	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

PSM-AAD	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

FTStereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

ROB_FTStereo_v2	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

ROB_FTStereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

Consistency-Raft	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

KYRaft	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

HUI-Stereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

ASMatch	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

DeepStereo_LL	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

DEmStereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

SST-Stereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

THIR-Stereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

RAFT_R40	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

DRaft	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

PFNet	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

GrayStereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

RE-Stereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

Pruner-Stereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

TVStereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

DeepStereo_RVC	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

RAFT-RH_RVC	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

IRAFT_RVC	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

RAFT-345	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

iRAFT	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

CRE-IMP	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

GMM-Stereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

RAFT-IKP	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

Prome-Stereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 291	1.20 311	1.20 298	1.20 308	1.20 304	1.20 300	1.20 302	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 307

HCRNet	1.22 330	7.11 370	3.00 381	3.55 370	0.33 200	0.29 150	0.14 113	0.19 111	0.15 126	0.33 154	0.29 175	0.25 139	0.14 117	0.22 129	0.33 183	3.64 381	3.00 376	0.76 269	0.32 199	0.18 114	0.13 112

HBP-ISP	1.24 331	1.72 283	1.65 359	1.15 264	0.76 284	1.40 355	0.88 279	1.67 353	1.02 300	1.69 357	1.38 363	1.69 359	1.21 346	1.87 357	1.21 352	1.05 276	0.79 257	0.97 290	0.80 282	1.19 283	0.75 270

AANet_RVC	1.26 332	0.31 106	4.99 390	5.93 383	0.20 143	0.25 136	0.20 129	0.25 133	0.20 137	0.23 128	0.19 139	0.25 139	0.20 140	0.25 139	0.20 136	5.66 392	4.76 384	0.26 143	0.30 190	0.24 131	0.27 153

11t	1.27 333	2.70 320	1.34 343	1.32 323	0.89 291	1.30 351	1.34 357	1.64 350	0.57 251	1.45 350	0.72 279	1.05 290	1.29 352	1.07 291	1.29 357	1.49 347	1.02 273	0.97 290	1.15 300	1.48 338	1.31 358

MaskLacGwcNet_RVC	1.35 334	1.35 272	1.35 345	1.35 325	1.35 365	1.35 352	1.35 358	1.36 345	1.35 364	1.36 348	1.35 360	1.36 353	1.36 355	1.36 351	1.35 359	1.35 343	1.35 347	1.35 358	1.35 357	1.35 335	1.35 361

CC-Net-ROB	1.36 335	1.33 271	1.33 342	1.36 326	1.38 368	1.36 353	1.33 356	1.37 346	1.34 362	1.35 347	1.36 361	1.38 354	1.34 354	1.38 352	1.38 361	1.35 343	1.38 350	1.33 357	1.35 357	1.43 337	1.34 360

CFNet	1.37 336	5.27 365	0.19 123	5.49 380	0.19 142	0.28 147	0.19 127	0.28 139	0.19 136	0.28 143	0.19 139	0.28 149	4.35 390	0.28 152	0.19 135	0.23 134	0.17 125	0.23 134	4.21 400	4.81 382	0.17 121

PS-NSSS	1.38 337	1.39 274	1.34 343	1.34 324	1.35 365	1.38 354	1.37 364	1.35 344	1.38 367	1.34 346	1.34 359	1.39 355	1.38 357	1.70 355	1.40 362	1.36 345	1.36 348	1.36 360	1.37 360	1.37 336	1.36 362

RASNet	1.49 338	1.65 281	1.45 354	1.38 328	1.43 371	1.47 357	1.36 359	1.38 347	1.36 365	1.39 349	1.60 371	1.45 356	1.45 359	1.51 353	2.21 379	1.53 350	1.36 348	1.36 360	1.36 359	1.66 343	1.36 362

GANetREF_RVC	1.55 339	1.94 298	1.22 337	1.88 337	1.21 362	1.88 363	1.22 351	1.88 354	1.22 357	1.88 358	1.22 354	1.88 360	1.22 347	1.89 358	1.22 353	1.87 358	1.22 340	1.88 367	1.22 353	1.88 347	1.22 353
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
SPS-STEREO	1.59 340	1.91 292	1.21 336	1.94 340	1.20 316	2.00 365	1.23 352	1.99 357	1.24 359	2.00 362	1.25 357	2.03 364	1.26 349	2.00 361	1.29 357	1.90 361	1.18 292	1.89 368	1.21 352	1.89 348	1.20 307
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DPSMNet_ROB	1.60 341	1.59 279	1.70 361	1.59 331	1.59 373	1.61 358	1.61 369	1.60 348	1.60 371	1.62 356	1.59 370	1.60 358	1.60 362	1.60 354	1.59 367	1.59 351	1.60 357	1.59 365	1.59 370	1.59 342	1.59 369

ff7	1.68 342	2.68 317	1.35 345	0.97 246	0.89 291	1.84 360	2.15 377	2.12 358	1.80 376	2.05 364	1.56 367	2.33 370	2.12 371	2.23 366	2.25 380	1.31 339	1.07 274	1.48 362	1.41 362	0.90 255	1.04 293

ffff	1.68 342	2.68 317	1.35 345	0.97 246	0.89 291	1.84 360	2.15 377	2.12 358	1.80 376	2.05 364	1.56 367	2.33 370	2.12 371	2.23 366	2.25 380	1.31 339	1.07 274	1.48 362	1.41 362	0.90 255	1.04 293

ccc-4	1.68 342	2.68 317	1.35 345	0.97 246	0.89 291	1.84 360	2.15 377	2.12 358	1.80 376	2.05 364	1.56 367	2.33 370	2.12 371	2.23 366	2.25 380	1.31 339	1.07 274	1.48 362	1.41 362	0.90 255	1.04 293

MC-Stereo	1.76 345	2.96 328	1.37 350	2.14 346	1.37 367	2.14 367	1.36 359	2.14 361	1.37 366	2.14 367	1.37 362	2.14 365	1.37 356	2.14 365	1.37 360	1.97 362	1.32 341	1.97 369	1.32 356	1.98 349	1.33 359

IGEVStereo-DCA	1.77 346	4.21 352	1.84 366	2.49 358	2.11 384	2.54 375	1.36 359	1.65 351	1.17 308	2.75 376	1.90 378	2.54 376	1.15 293	0.94 279	1.11 296	1.50 348	1.32 341	0.96 288	1.46 367	1.49 339	0.88 279

rrr	1.77 346	4.21 352	1.84 366	2.49 358	2.11 384	2.54 375	1.36 359	1.65 351	1.17 308	2.75 376	1.90 378	2.54 376	1.15 293	0.94 279	1.11 296	1.50 348	1.32 341	0.96 288	1.46 367	1.49 339	0.88 279

MFMNet_re	1.81 348	1.91 292	1.71 362	1.95 341	1.70 376	1.95 364	1.70 372	1.96 356	1.74 374	1.97 361	1.72 374	1.95 362	1.71 365	1.97 360	1.71 373	1.86 357	1.62 358	1.85 366	1.66 372	1.86 346	1.64 370

test croco	1.88 349	3.16 331	0.64 234	3.10 365	0.65 268	3.10 381	0.64 255	3.12 379	0.65 260	3.10 380	0.65 269	3.11 381	0.65 254	3.12 379	0.65 258	3.12 378	0.65 242	3.13 381	0.65 264	3.13 366	0.65 254

RAFT_CTSACE	1.92 350	3.71 340	1.72 363	1.88 337	1.72 377	2.04 366	1.42 367	2.18 362	1.89 382	2.02 363	1.97 380	1.95 362	2.06 370	1.93 359	1.62 368	1.76 354	1.66 361	2.02 370	1.73 379	1.73 344	1.43 367

TRStereo	2.00 351	2.13 302	1.85 368	2.27 351	1.84 379	2.28 369	1.84 374	2.29 364	1.86 379	2.30 369	1.87 375	2.30 367	1.87 367	2.08 362	1.72 375	2.08 366	1.72 363	2.08 371	1.72 376	2.08 350	1.72 373

XX-Stereo	2.00 351	2.13 302	1.85 368	2.27 351	1.84 379	2.28 369	1.84 374	2.29 364	1.86 379	2.30 369	1.87 375	2.30 367	1.87 367	2.08 362	1.72 375	2.08 366	1.72 363	2.08 371	1.72 376	2.08 350	1.72 373

EAI-Stereo	2.00 351	2.13 302	1.85 368	2.27 351	1.84 379	2.28 369	1.84 374	2.29 364	1.86 379	2.30 369	1.87 375	2.30 367	1.87 367	2.08 362	1.72 375	2.08 366	1.72 363	2.08 371	1.72 376	2.08 350	1.72 373

MIF-Stereo	2.03 354	3.43 336	0.72 249	3.42 369	0.73 281	3.27 384	0.68 262	3.38 383	0.69 267	3.29 383	0.72 279	3.28 384	0.70 264	3.35 384	0.68 265	3.39 380	0.68 246	3.31 383	0.69 273	3.37 368	0.73 266

sCroCo_RVC	2.10 355	2.76 322	1.92 372	2.78 363	1.39 369	2.73 377	1.41 366	2.73 372	1.40 368	2.77 378	1.41 366	2.74 378	1.40 358	2.74 377	1.40 362	2.72 374	1.42 352	2.72 378	1.44 366	2.79 364	1.42 366

Anonymous	2.11 356	2.74 321	1.41 353	2.77 362	1.40 370	2.74 378	1.46 368	2.75 373	1.50 370	2.87 379	1.39 364	2.74 378	1.46 360	2.72 376	1.41 364	2.72 374	1.41 351	2.81 379	1.41 362	3.16 367	1.39 365

FBW_ROB	2.12 357	2.46 312	1.77 365	2.49 358	1.79 378	2.38 373	1.83 373	2.46 369	1.78 375	2.48 373	1.97 380	2.40 374	1.78 366	2.42 372	1.83 378	2.31 370	1.85 368	2.38 376	1.82 380	2.35 357	1.84 377

UDGNet	2.23 358	5.40 366	1.72 363	2.48 357	1.69 375	2.51 374	1.69 371	2.51 370	1.72 373	2.50 374	1.69 373	2.52 375	1.69 364	2.50 373	1.68 372	2.41 373	1.70 362	2.42 377	1.69 375	2.42 358	1.64 370

NCCL2	2.28 359	2.27 308	2.28 374	2.28 354	2.28 386	2.27 368	2.29 380	2.28 363	2.28 383	2.27 368	2.28 385	2.28 366	2.27 374	2.27 369	2.28 384	2.28 369	2.28 372	2.27 374	2.29 384	2.27 354	2.29 379

Abc-Net	2.32 360	24.75 403	1.14 281	1.17 270	1.17 313	1.11 296	1.15 299	1.17 285	1.21 356	1.08 287	1.16 303	1.12 299	1.14 292	1.09 292	1.17 304	1.09 278	1.16 289	1.17 304	1.17 303	1.16 275	1.11 296
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 361	25.00 404	1.13 280	1.15 264	1.15 308	1.10 293	1.15 299	1.15 282	1.15 303	1.12 293	1.15 300	1.09 293	1.13 290	1.10 294	1.15 300	1.11 285	1.09 280	1.16 300	1.12 298	1.16 275	1.17 304

stereogan	2.33 361	24.38 402	1.18 286	1.18 271	1.18 315	1.14 298	1.18 303	1.19 288	1.19 310	1.14 295	1.18 307	1.14 300	1.18 298	1.14 298	1.18 305	1.14 287	1.14 287	1.19 307	1.19 304	1.15 273	1.19 306

RGC	2.36 363	25.48 405	1.19 287	1.15 264	1.15 308	1.10 293	1.16 301	1.17 285	1.16 304	1.12 293	1.16 303	1.11 298	1.13 290	1.09 292	1.18 305	1.10 280	1.15 288	1.16 300	1.12 298	1.14 272	1.12 298

NCC-stereo	2.36 363	25.52 406	1.17 284	1.15 264	1.17 313	1.11 296	1.11 295	1.15 282	1.16 304	1.10 288	1.16 303	1.10 295	1.15 293	1.14 298	1.13 298	1.09 278	1.11 284	1.15 299	1.16 302	1.17 280	1.17 304

Anonymous Stereo	2.36 363	18.47 394	11.50 406	9.80 401	0.53 254	0.28 147	0.50 241	0.58 235	0.53 245	0.59 242	0.53 253	0.66 254	0.52 243	0.62 246	0.41 217	0.36 172	0.37 180	0.31 156	0.19 140	0.20 117	0.22 130

AF-Net	2.37 366	25.71 407	1.17 284	1.13 261	1.15 308	1.15 299	1.18 303	1.19 288	1.16 304	1.10 288	1.15 300	1.10 295	1.18 298	1.12 297	1.15 300	1.10 280	1.10 283	1.17 304	1.15 300	1.16 275	1.12 298

Nwc_Net	2.37 366	25.95 408	1.15 283	1.14 262	1.15 308	1.08 291	1.14 298	1.17 285	1.16 304	1.14 295	1.15 300	1.08 291	1.15 293	1.11 296	1.14 299	1.10 280	1.11 284	1.16 300	1.09 297	1.16 275	1.15 303

CFNet_RVC	2.38 368	8.71 380	0.38 180	9.33 397	0.42 234	0.56 242	0.42 222	0.60 238	0.38 205	0.62 246	0.42 225	0.56 244	7.29 401	0.62 246	0.42 223	0.53 230	0.37 180	0.49 241	0.34 205	8.30 399	6.87 404

edge stereo	2.43 369	27.07 411	1.14 281	1.06 254	1.14 307	1.08 291	1.17 302	1.16 284	1.14 302	1.10 288	1.16 303	1.09 293	1.16 297	1.10 294	1.16 303	1.10 280	1.11 284	1.16 300	1.19 304	1.13 271	1.11 296

FAT-Stereo	2.46 370	26.05 409	1.23 339	1.23 320	1.22 363	1.20 301	1.24 353	1.23 339	1.23 358	1.19 297	1.22 354	1.21 349	1.24 348	1.20 302	1.24 354	1.21 335	1.17 291	1.22 354	1.25 354	1.20 284	1.24 355

S-Stereo	2.51 371	26.86 410	1.23 339	1.22 318	1.22 363	1.24 349	1.25 354	1.22 337	1.24 359	1.21 343	1.24 356	1.19 303	1.27 350	1.19 301	1.24 354	1.19 289	1.20 293	1.25 355	1.19 304	1.24 332	1.23 354

Anonymous3	2.55 372	3.26 334	1.65 359	3.28 368	1.63 374	3.24 383	1.68 370	3.27 381	1.66 372	3.28 382	1.67 372	3.25 383	1.66 363	3.27 381	1.64 369	3.26 379	1.65 360	3.30 382	1.65 371	4.95 384	1.65 372

MIF-Stereo (partial)	2.58 373	3.31 335	0.66 239	3.18 366	0.66 273	3.18 382	0.66 258	3.21 380	0.67 263	3.19 381	0.66 271	3.19 382	0.66 256	3.31 383	0.68 265	5.09 388	1.79 366	8.23 406	1.67 373	6.18 391	1.38 364

MSMDNet	2.65 374	10.14 390	0.33 166	9.74 400	0.32 191	0.87 271	0.33 183	2.95 378	0.68 264	0.49 219	0.34 196	0.49 226	5.70 396	0.49 227	0.33 183	0.42 210	9.57 402	0.41 212	0.31 195	8.36 400	0.65 254

pcwnet_v2	2.66 375	9.89 388	0.33 166	9.89 402	0.32 191	0.50 235	0.32 176	0.49 215	0.33 189	0.49 219	0.34 196	0.49 226	8.76 403	0.48 221	0.33 183	0.41 197	9.58 403	0.40 201	0.29 183	9.01 402	0.63 252

CFNet_pseudo	2.67 376	9.36 384	0.32 162	10.99 407	0.33 200	0.85 270	0.33 183	0.49 215	0.33 189	0.49 219	0.32 187	0.49 226	7.26 400	0.49 227	0.33 183	0.41 197	9.62 404	0.41 212	0.29 183	10.03 406	0.29 169

CFNet_ucs	2.73 377	9.64 386	0.33 166	9.92 403	0.32 191	0.49 229	0.33 183	0.49 215	0.33 189	0.49 219	0.33 190	0.49 226	8.98 404	0.48 221	0.33 183	0.41 197	9.96 407	0.40 201	0.29 183	10.12 407	0.54 238

UCFNet_RVC	2.75 378	10.06 389	0.29 150	10.31 406	0.29 176	0.42 212	0.29 167	0.43 203	0.29 171	0.42 197	0.29 175	0.42 210	9.87 406	0.43 208	0.29 169	0.36 172	9.84 406	0.36 186	0.26 164	9.77 405	0.26 148

ccs_rob	2.79 379	10.17 391	0.32 162	10.00 404	0.33 200	0.49 229	0.33 183	1.90 355	0.32 186	0.51 229	0.33 190	0.49 226	9.24 405	0.49 227	0.33 183	0.41 197	9.82 405	0.41 212	0.28 174	9.34 403	0.29 169

PCWNet_CMD	2.80 380	9.82 387	0.32 162	10.09 405	0.32 191	0.49 229	0.33 183	3.34 382	0.33 189	0.49 219	0.33 190	0.49 226	8.73 402	0.48 221	0.33 183	0.41 197	9.22 401	0.42 221	0.29 183	9.55 404	0.31 181

StereoVision	3.15 381	5.00 363	0.89 262	4.83 377	1.00 301	3.93 388	1.27 355	6.37 399	1.34 362	5.67 400	1.26 358	5.84 402	1.27 350	5.03 397	1.24 354	5.10 389	1.09 280	4.61 394	0.57 254	5.62 389	1.12 298

StereoIM	3.19 382	6.02 368	1.12 279	5.61 382	1.16 312	5.43 400	1.02 292	5.15 398	0.70 269	5.43 397	1.21 353	5.03 400	0.97 280	4.85 395	0.99 290	4.53 386	1.16 289	5.53 399	1.25 354	5.37 387	1.30 357

sAnonymous2	3.31 383	2.63 315	1.38 351	3.71 372	1.86 382	4.70 395	1.11 295	4.82 396	2.72 386	5.45 398	1.98 382	4.59 395	2.64 376	2.65 374	6.21 401	4.37 383	1.08 278	5.16 397	2.24 382	4.52 380	2.39 384

CroCo_RVC	3.31 383	2.63 315	1.38 351	3.71 372	1.86 382	4.70 395	1.11 295	4.82 396	2.72 386	5.45 398	1.98 382	4.59 395	2.64 376	2.65 374	6.21 401	4.37 383	1.08 278	5.16 397	2.24 382	4.52 380	2.39 384

DPSNet	3.66 385	3.60 337	3.62 386	3.63 371	3.64 394	3.65 387	3.65 393	3.66 386	3.67 391	3.67 384	3.65 392	3.67 386	3.66 382	3.66 385	3.68 389	3.68 382	3.66 377	3.67 387	3.68 393	3.67 369	3.67 391

STTStereo	3.73 386	30.40 415	2.37 378	2.39 355	2.31 388	2.35 372	2.33 381	2.29 364	2.42 384	2.32 372	2.34 386	2.33 370	2.36 375	2.30 370	2.27 383	2.35 371	2.22 371	2.31 375	2.22 381	2.29 356	2.34 383

RAFT+CT+SA	4.28 387	7.62 374	4.91 389	5.55 381	2.28 386	3.09 380	3.64 392	4.49 393	3.07 389	4.80 393	3.35 389	4.77 397	3.70 383	4.29 392	3.05 386	5.58 391	5.98 390	3.58 386	3.78 395	4.26 376	3.72 392

SA	4.33 388	7.35 371	6.85 399	5.96 384	4.09 398	3.59 386	3.15 389	3.82 387	2.64 385	3.91 385	3.85 393	3.57 385	2.72 378	3.13 380	4.03 394	7.09 402	6.86 395	3.57 385	3.12 388	3.85 370	3.51 390

Sa-1000	4.34 389	8.37 377	6.84 398	6.98 391	4.45 401	3.58 385	3.00 387	3.42 384	3.39 390	2.61 375	4.00 396	3.83 388	4.01 389	3.90 387	3.90 392	5.98 395	5.62 388	3.76 388	2.34 385	4.35 378	2.47 386

TestStereo1	4.60 390	8.41 378	6.44 396	6.86 389	3.79 395	3.97 389	3.78 394	3.99 389	3.74 392	3.97 386	3.52 390	3.94 389	3.58 380	3.98 388	3.72 390	6.82 399	6.50 393	3.76 388	3.66 391	3.90 371	3.74 394

SA-5K	4.60 390	8.41 378	6.44 396	6.86 389	3.79 395	3.97 389	3.78 394	3.99 389	3.74 392	3.97 386	3.52 390	3.94 389	3.58 380	3.98 388	3.72 390	6.82 399	6.50 393	3.76 388	3.66 391	3.90 371	3.74 394

DispFullNet	4.61 392	4.84 360	3.12 382	5.00 379	3.57 393	4.75 397	3.03 388	7.75 405	4.17 398	4.91 395	3.09 388	6.20 403	3.95 387	6.71 401	3.51 388	5.30 390	3.67 378	5.86 403	3.63 390	5.61 388	3.46 389

test_5	4.62 393	7.55 373	6.23 394	6.32 386	3.40 392	5.29 399	3.50 391	3.53 385	4.11 397	4.28 389	4.47 400	4.26 393	4.38 391	3.68 386	3.24 387	5.89 393	5.60 387	4.84 395	3.50 389	4.33 377	3.93 397

raft_robust	4.71 394	7.75 375	5.40 393	6.81 388	3.31 391	4.28 393	4.20 399	4.32 392	4.37 400	4.35 391	4.35 399	4.14 391	3.75 384	4.30 393	4.20 397	6.67 398	6.37 391	3.36 384	4.24 401	4.86 383	3.25 388

cross-raft	4.83 395	7.52 372	6.43 395	6.63 387	3.96 397	4.51 394	3.99 397	4.49 393	3.96 396	4.52 392	3.96 395	4.50 394	3.97 388	4.50 394	3.97 393	6.65 397	6.44 392	4.33 391	3.92 397	4.35 378	3.91 396

test_4	4.88 396	8.13 376	6.98 400	7.46 392	4.44 400	4.25 392	3.85 396	4.04 391	3.92 395	4.13 388	3.91 394	4.18 392	3.84 385	4.14 390	4.06 395	7.01 401	7.13 396	4.53 392	3.72 394	4.09 374	3.72 392

TestStereo	4.88 396	4.75 359	4.79 388	4.87 378	4.92 402	4.81 398	4.90 401	4.78 395	4.77 401	4.87 394	4.89 401	4.90 398	4.91 393	4.99 396	4.79 399	4.98 387	4.87 385	4.87 396	4.92 402	5.00 385	5.00 400

test_3	5.01 398	8.86 381	7.77 402	8.09 393	2.76 390	4.13 391	4.05 398	3.88 388	3.76 394	4.33 390	4.13 397	3.71 387	3.91 386	4.21 391	4.06 395	7.93 403	7.69 398	4.53 392	3.91 396	4.17 375	4.29 399

NLCA_NET_v2_RVC	5.04 399	50.87 422	2.78 380	2.87 364	2.71 389	2.78 379	0.47 231	2.88 377	2.86 388	1.89 359	2.67 387	2.79 380	2.79 379	2.78 378	2.83 385	2.82 376	2.82 375	2.83 380	2.77 387	2.83 365	2.76 387
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
SGM-Forest	5.21 400	5.92 367	4.08 387	6.18 385	4.16 399	6.31 402	4.34 400	6.50 400	4.33 399	6.14 402	4.21 398	6.61 406	4.55 392	6.67 400	4.48 398	5.94 394	3.94 380	5.85 402	4.03 399	5.79 390	4.17 398
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test-1	6.46 401	9.16 383	8.03 405	8.09 393	5.62 404	6.11 401	6.35 403	6.85 402	4.94 402	6.08 401	6.29 405	4.98 399	6.43 397	6.22 398	6.36 403	6.16 396	7.47 397	5.82 401	5.44 404	7.11 396	5.68 402

RAFT	6.73 402	9.36 384	7.40 401	8.51 395	6.55 405	6.88 403	6.60 404	6.79 401	6.60 404	6.80 403	6.72 406	5.31 401	5.50 395	6.61 399	6.61 404	8.42 404	5.89 389	5.73 400	5.45 405	6.61 392	6.24 403

SGM+DAISY	7.06 403	9.15 382	5.38 392	8.84 396	5.18 403	8.80 406	5.31 402	8.79 406	5.28 403	8.89 406	5.20 402	8.93 407	5.33 394	8.95 406	5.36 400	8.70 405	5.21 386	8.74 407	5.20 403	8.89 401	5.15 401

test-v	7.53 404	11.89 392	7.98 403	9.36 398	7.14 406	7.06 404	7.09 405	7.37 403	6.91 405	7.29 404	5.71 403	6.45 404	6.93 398	6.73 402	7.27 405	8.93 406	7.85 399	6.98 404	6.80 406	7.56 397	7.34 405

test-2	7.53 404	11.89 392	7.98 403	9.36 398	7.14 406	7.06 404	7.09 405	7.37 403	6.91 405	7.29 404	5.71 403	6.45 404	6.93 398	6.73 402	7.27 405	8.93 406	7.85 399	6.98 404	6.80 406	7.56 397	7.34 405

PA-Net	11.80 406	223.51 428	0.62 231	0.59 205	0.71 278	0.59 248	0.73 269	0.67 245	0.73 274	0.55 236	0.61 261	0.60 249	0.74 268	0.63 248	0.73 273	0.66 240	0.60 234	0.69 259	0.66 266	0.72 234	0.65 254
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MANE	19.05 407	23.00 401	15.00 407	23.00 414	15.00 408	24.00 413	16.00 407	24.00 413	16.00 407	22.00 413	15.00 407	23.00 414	16.00 407	23.00 413	15.00 407	22.00 414	15.00 408	22.00 414	15.00 408	22.00 414	15.00 407

rafts_anoy	20.00 408	20.00 395	20.00 408	20.00 408	20.00 409	20.00 407	20.00 408	20.00 407	20.00 408	20.00 407	20.00 408	20.00 408	20.00 408	20.00 407	20.00 408	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 408

raft+_RVC	20.00 408	20.00 395	20.00 408	20.00 408	20.00 409	20.00 407	20.00 408	20.00 407	20.00 408	20.00 407	20.00 408	20.00 408	20.00 408	20.00 407	20.00 408	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 408

raftrobust	20.00 408	20.00 395	20.00 408	20.00 408	20.00 409	20.00 407	20.00 408	20.00 407	20.00 408	20.00 407	20.00 408	20.00 408	20.00 408	20.00 407	20.00 408	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 408

CasAABBNet	20.00 408	20.00 395	20.00 408	20.00 408	20.00 409	20.00 407	20.00 408	20.00 407	20.00 408	20.00 407	20.00 408	20.00 408	20.00 408	20.00 407	20.00 408	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 408

RALCasStereoNet	20.00 408	20.00 395	20.00 408	20.00 408	20.00 409	20.00 407	20.00 408	20.00 407	20.00 408	20.00 407	20.00 408	20.00 408	20.00 408	20.00 407	20.00 408	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 408

RALAANet	20.00 408	20.00 395	20.00 408	20.00 408	20.00 409	20.00 407	20.00 408	20.00 407	20.00 408	20.00 407	20.00 408	20.00 408	20.00 408	20.00 407	20.00 408	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 408

111	30.40 414	30.94 416	29.72 415	32.61 415	30.02 416	33.57 414	30.47 415	31.50 414	29.39 415	30.98 414	29.11 415	29.78 415	30.39 418	29.45 414	30.76 418	30.08 415	29.02 416	29.92 415	30.32 419	29.86 415	30.17 415

WCMA_ROB	31.10 415	35.43 420	27.12 414	39.51 423	23.10 415	38.78 422	25.30 414	37.49 422	25.39 414	37.29 421	27.02 414	38.52 423	26.48 414	37.80 421	26.44 414	36.28 422	22.65 415	33.90 419	22.30 415	37.10 420	24.18 414

DCANet-4	35.22 416	34.54 417	35.08 421	33.58 419	35.47 423	34.55 415	35.53 422	36.08 420	35.85 419	35.92 420	35.77 421	35.18 421	35.48 420	35.39 420	37.15 421	34.55 421	33.92 420	35.02 422	34.90 421	35.79 419	34.74 422

ADStereo(finetuned)	36.13 417	36.63 421	38.07 422	36.97 420	33.25 420	35.91 419	34.45 419	36.36 421	32.99 416	38.14 422	36.71 422	36.69 422	34.13 419	38.57 422	40.79 422	37.60 423	36.58 423	35.90 423	33.36 420	35.42 418	34.04 419

MDST_ROB	69.83 418	87.70 423	41.95 423	113.75 426	65.62 426	75.05 423	55.25 424	75.64 424	45.04 420	71.61 423	41.75 423	72.81 424	44.06 421	68.38 423	44.63 423	101.89 426	59.57 426	107.10 426	61.05 426	104.38 423	59.38 425

NOSS_ROB	102.95 419	153.00 426	121.00 426	51.00 424	44.00 424	165.00 426	127.00 425	153.00 425	119.00 422	164.00 426	125.00 425	168.00 427	120.00 423	153.00 425	117.00 425	49.00 424	44.00 424	49.00 424	44.00 424	49.00 421	44.00 423

CBMV	128.50 420	1422.70 433	53.10 424	79.50 425	51.30 425	77.30 424	49.70 423	74.00 423	48.20 421	77.20 424	48.80 424	73.90 425	48.00 422	73.80 424	48.80 424	70.40 425	45.10 425	68.90 425	46.10 425	68.20 422	45.00 424
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 421	171.00 427	160.68 428	162.58 427	160.59 427	164.01 425	160.35 426	158.51 426	158.56 423	158.34 425	160.12 426	158.56 426	159.92 424	157.26 426	158.94 426	154.38 427	158.36 427	155.75 427	159.13 427	153.67 424	154.07 426
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
AE-Stereo	201.80 422	123.00 424	115.00 425	219.00 428	218.00 429	223.00 427	244.00 428	217.00 427	236.00 425	202.00 427	203.00 427	205.00 428	208.00 425	225.00 427	204.00 427	210.00 428	198.00 428	197.00 428	184.00 428	204.00 425	201.00 427

EGLCR-Stereo	246.90 423	129.00 425	139.00 427	266.00 429	286.00 430	277.00 428	305.00 429	271.00 428	242.00 426	274.00 428	279.00 429	255.00 429	270.00 427	268.00 428	297.00 429	230.00 429	247.00 430	216.00 429	223.00 430	237.00 426	227.00 429

DLCB_ROB	284.23 424	354.61 429	207.27 429	363.24 430	206.46 428	364.72 429	210.41 427	364.72 429	210.41 424	364.81 429	208.64 428	364.81 430	208.64 426	364.72 429	210.41 428	354.70 430	205.53 429	354.70 430	205.53 429	354.70 427	205.53 428

LE_ROB	396.57 425	471.28 430	329.84 430	471.48 431	308.15 431	526.83 430	322.10 430	488.15 430	323.76 427	495.46 430	317.97 430	497.17 431	320.10 428	481.62 430	326.76 430	462.71 431	298.97 431	466.16 431	285.98 431	447.62 428	289.21 430

SGM-ForestM	596.69 426	677.77 431	444.52 431	699.85 432	517.25 432	732.94 431	488.29 431	770.79 431	460.11 428	750.81 431	487.98 431	792.79 432	499.41 429	730.90 431	475.81 431	720.03 432	491.16 432	663.96 432	418.60 432	674.76 429	436.05 431

CBMV_ROB	818.48 427	913.88 432	709.52 432	862.84 433	597.78 433	1073.99 432	700.52 432	1015.66 432	702.59 429	1115.65 432	760.02 432	1130.24 433	721.57 430	1037.41 432	692.65 432	814.05 433	564.29 433	843.28 433	595.31 433	915.51 430	602.92 432

tt	500032.53 428	34.60 418	29.72 415	37.47 421	34.41 421	36.85 420	35.22 420	34.71 418	33.55 417	34.50 415	35.43 419	33.81 419	10000000.00 431	33.57 418	33.13 419	33.68 419	35.00 421	34.03 420	35.26 422	30.96 416	34.63 420

DCANet	500032.53 428	34.60 418	29.72 415	37.47 421	34.41 421	36.85 420	35.22 420	34.71 418	33.55 417	34.50 415	35.43 419	33.81 419	10000000.00 431	33.57 418	33.13 419	33.68 419	35.00 421	34.03 420	35.26 422	30.96 416	34.63 420

fff	1000028.16 430	29.62 412	29.72 415	32.61 415	30.02 416	35.13 416	31.83 416	32.07 415	10000000.00 430	35.27 417	29.82 416	32.45 416	30.15 415	32.35 415	30.09 415	31.04 416	29.55 417	30.64 416	30.14 416	10000000.00 431	30.77 416

csc	1000028.16 430	29.62 412	29.72 415	32.61 415	30.02 416	35.13 416	31.83 416	32.07 415	10000000.00 430	35.27 417	29.82 416	32.45 416	30.15 415	32.35 415	30.09 415	31.04 416	29.55 417	30.64 416	30.14 416	10000000.00 431	30.77 416

cscssc	1000028.16 430	29.62 412	29.72 415	32.61 415	30.02 416	35.13 416	31.83 416	32.07 415	10000000.00 430	35.27 417	29.82 416	32.45 416	30.15 415	32.35 415	30.09 415	31.04 416	29.55 417	30.64 416	30.14 416	10000000.00 431	30.77 416

SDNR	10000000.00 433	10000000.00 434	10000000.00 433	10000000.00 434	10000000.00 434	10000000.00 433	10000000.00 433	10000000.00 433	10000000.00 430	10000000.00 433	10000000.00 433	10000000.00 434	10000000.00 431	10000000.00 433	10000000.00 433	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 433

anonymousdsp2	10000000.00 433	10000000.00 434	10000000.00 433	10000000.00 434	10000000.00 434	10000000.00 433	10000000.00 433	10000000.00 433	10000000.00 430	10000000.00 433	10000000.00 433	10000000.00 434	10000000.00 431	10000000.00 433	10000000.00 433	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 433

anonymousdsp	10000000.00 433	10000000.00 434	10000000.00 433	10000000.00 434	10000000.00 434	10000000.00 433	10000000.00 433	10000000.00 433	10000000.00 430	10000000.00 433	10000000.00 433	10000000.00 434	10000000.00 431	10000000.00 433	10000000.00 433	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 433

test_example2	10000000.00 433	10000000.00 434	10000000.00 433	10000000.00 434	10000000.00 434	10000000.00 433	10000000.00 433	10000000.00 433	10000000.00 430	10000000.00 433	10000000.00 433	10000000.00 434	10000000.00 431	10000000.00 433	10000000.00 433	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 433

DIP-Stereo	10000000.00 433	10000000.00 434	10000000.00 433	10000000.00 434	10000000.00 434	10000000.00 433	10000000.00 433	10000000.00 433	10000000.00 430	10000000.00 433	10000000.00 433	10000000.00 434	10000000.00 431	10000000.00 433	10000000.00 433	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 433
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
FADE		0.06 42		0.09 41	0.10 88							0.05 63				0.15 97	0.10 59	0.17 111	0.13 118	0.11 90

Low-res two-view benchmark