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

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

Wz-Net-SNSev	0.03 25	0.09 50	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

Wz-Net-LNSev	0.06 31	0.24 96	0.20 125	0.23 108	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	0.23 132	0.21 129	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 31	0.54 162	0.10 56	0.12 59	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 74	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 29	0.50 154	0.10 56	0.12 59	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

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

SMFormer	0.09 38	1.01 199	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	0.95 189	0.09 52	0.10 44	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	1.01 199	0.10 56	0.10 44	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

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-LNSev-Ref	0.11 59	0.44 137	0.33 165	0.39 147	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	0.39 186	0.36 176	0.02 18	0.02 20	0.02 19	0.02 19

BSDual-CNN	0.81 241	1.91 290	0.92 264	4.48 370	0.02 20	0.42 211	0.06 75	0.41 184	0.02 20	0.48 213	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 358	4.19 377	0.33 162	0.23 148	0.34 150	0.27 152

psmg	0.43 181	1.91 290	0.92 264	1.91 335	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	1.97 358	1.44 349	0.04 48	0.03 42	0.02 19	0.03 39

CSP-Net	0.34 143	1.29 267	1.19 284	1.36 322	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	1.26 333	1.21 335	0.03 34	0.09 80	0.02 19	0.09 79

Syn2CoEx	0.25 116	1.31 269	0.74 249	0.92 236	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	0.87 261	0.75 251	0.02 18	0.02 20	0.02 19	0.02 19

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

ttt	0.10 44	1.09 206	0.12 78	0.12 59	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 85	0.03 34	0.02 20	0.03 39	0.02 19

1111x	0.10 44	1.14 210	0.13 93	0.14 73	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 74	0.03 34	0.02 20	0.03 39	0.02 19

qqq	0.16 95	2.01 298	0.12 78	0.15 82	0.04 54	0.06 63	0.05 63	0.06 65	0.04 55	0.06 67	0.03 40	0.06 68	0.03 42	0.06 58	0.03 37	0.12 73	0.14 107	0.04 48	0.04 52	0.03 39	0.03 39

x	0.11 59	1.15 212	0.15 111	0.14 73	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	0.15 110	0.03 34	0.03 42	0.03 39	0.03 39

hknet	1.10 277	1.85 288	3.49 381	4.48 370	0.02 20	0.42 211	0.06 75	0.41 184	0.02 20	0.48 213	0.03 40	0.41 192	0.03 42	0.42 206	0.03 37	4.39 381	4.19 377	0.33 162	0.23 148	0.34 150	0.27 152

222	0.10 44	0.99 193	0.12 78	0.13 69	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 85	0.03 34	0.02 20	0.04 53	0.03 39

xxxx	0.11 59	1.16 213	0.16 112	0.12 59	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	0.16 112	0.03 34	0.04 52	0.04 53	0.04 53

test_xeample	0.10 44	1.09 206	0.13 93	0.12 59	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	0.14 107	0.03 34	0.03 42	0.03 39	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

GwcNet	0.12 67	0.07 43	0.05 44	0.08 37	0.05 69	0.08 74	1.20 302	0.07 74	0.05 68	0.05 64	0.05 71	0.08 75	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

BEATNet_4x	0.11 59	0.03 27	0.03 28	1.60 328	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	1.60 328	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

mmm	0.14 79	1.83 287	0.12 78	0.11 56	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 74	0.05 58	0.04 52	0.05 63	0.04 53

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 68	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

APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 54	0.05 61	0.90 277	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

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

ADCRef	0.12 67	0.03 27	0.04 31	1.71 331	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

AnyNet_C01	0.11 59	0.02 12	0.02 13	1.62 330	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

AnyNet_C32	0.14 79	0.04 31	0.03 28	2.22 344	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

ADCP+	0.15 89	0.04 31	0.04 31	2.20 343	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

ADCPNet	0.10 44	0.03 27	0.04 31	1.27 317	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

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
qqq1	0.25 116	3.70 336	0.14 97	0.14 73	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 85	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 116	3.70 336	0.14 97	0.14 73	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 85	0.06 65	0.05 67	0.03 39	0.04 53

11t1	0.17 98	2.16 303	0.13 93	0.13 69	0.04 54	0.06 63	0.04 54	0.06 65	0.04 55	0.06 67	0.03 40	0.06 68	0.03 42	0.06 58	0.05 59	0.18 115	0.12 85	0.06 65	0.03 42	0.05 63	0.03 39

DualNet	0.25 116	3.83 341	0.12 78	0.12 59	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 116	3.83 341	0.12 78	0.12 59	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 116	3.83 341	0.12 78	0.12 59	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 116	3.83 341	0.12 78	0.12 59	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

BUS	0.83 248	1.91 290	0.92 264	4.48 370	0.02 20	0.40 181	0.04 54	0.41 184	0.02 20	0.48 213	0.03 40	0.41 192	0.05 64	0.03 33	0.05 59	1.97 358	4.19 377	0.33 162	0.23 148	0.34 150	0.27 152

NINENet	0.69 220	3.87 345	1.20 287	1.98 339	0.05 69	0.40 181	0.04 54	0.40 172	0.05 68	0.41 185	0.04 63	0.41 192	0.05 64	0.40 183	0.05 59	1.79 351	1.56 352	0.34 169	0.22 143	0.34 150	0.23 131

AASNet	0.06 31	0.08 44	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 44	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 44	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 44	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 75	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

SuperB	0.21 108	0.10 52	2.51 376	0.12 59	0.09 82	0.10 79	0.09 80	0.08 77	0.07 79	0.10 78	0.09 82	0.09 79	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

SepStereo	0.09 38	0.09 50	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 79	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

BEATNet-Init1	0.19 100	0.08 44	0.08 47	2.23 345	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 75	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 44	0.08 47	2.23 345	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 75	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

ac_64	0.22 109	0.13 66	0.19 123	0.23 108	0.10 88	0.26 142	1.02 289	0.14 94	0.10 85	0.28 142	0.14 120	0.17 108	0.19 137	0.28 151	0.09 76	0.22 123	0.16 112	0.23 132	0.17 136	0.11 90	0.12 106

ADCMid	0.08 37	0.02 12	0.02 13	1.01 249	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

PASM	0.39 163	3.06 327	1.36 346	1.58 326	0.09 82	0.11 90	0.11 97	0.11 90	0.11 99	0.09 77	0.09 82	0.11 91	0.09 83	0.09 78	0.09 76	0.11 68	0.11 74	0.11 88	0.09 80	0.11 90	0.11 95

DRN-Test	0.14 79	0.13 66	0.09 52	0.14 73	0.09 82	0.15 100	0.09 80	0.14 94	0.10 85	0.14 94	0.09 82	0.14 95	0.09 83	0.13 95	0.09 76	0.12 73	0.09 55	0.12 91	0.09 80	0.12 94	0.73 263

StereoDRNet	0.15 89	0.14 70	0.10 56	0.14 73	0.09 82	0.15 100	0.09 80	0.14 94	0.09 84	0.14 94	0.10 86	0.14 95	0.09 83	0.14 96	0.09 76	0.13 85	0.10 59	0.13 94	0.09 80	0.13 96	0.82 273

AnonymousM	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	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

UNet	0.29 129	0.90 181	0.10 56	0.14 73	0.10 88	0.14 94	0.10 85	0.91 262	0.69 264	0.14 94	0.11 98	0.14 95	0.11 98	0.14 96	0.10 81	0.12 73	0.09 55	0.12 91	0.09 80	0.88 250	0.76 268

PVD	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	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 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	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 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	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 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	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 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	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 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	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 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	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 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	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 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	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

JetRed	0.11 59	0.12 65	0.11 73	0.11 56	0.11 102	0.11 90	0.14 113	0.11 90	0.11 99	0.12 92	0.11 98	0.11 91	0.11 98	0.11 90	0.11 92	0.11 68	0.16 112	0.11 88	0.11 97	0.11 90	0.11 95

CIPLG	0.13 72	0.21 86	0.12 78	0.16 88	0.11 102	0.15 100	0.11 97	0.14 94	0.11 99	0.15 100	0.12 105	0.15 104	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

IPLG	0.13 72	0.20 81	0.14 97	0.15 82	0.11 102	0.14 94	0.11 97	0.14 94	0.11 99	0.14 94	0.11 98	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

IPLGR_C	0.14 79	0.20 81	0.12 78	0.15 82	0.11 102	0.14 94	0.15 116	0.14 94	0.11 99	0.15 100	0.12 105	0.14 95	0.11 98	0.16 105	0.11 92	0.15 97	0.12 85	0.14 95	0.12 110	0.15 104	0.12 106

MIPNet	0.14 79	0.21 86	0.17 116	0.16 88	0.11 102	0.15 100	0.12 109	0.14 94	0.11 99	0.16 104	0.11 98	0.14 95	0.11 98	0.14 96	0.11 92	0.14 90	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

IPLGR	0.14 79	0.24 96	0.14 97	0.16 88	0.12 114	0.15 100	0.12 109	0.14 94	0.11 99	0.15 100	0.12 105	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

ACRE	0.13 72	0.21 86	0.14 97	0.15 82	0.11 102	0.14 94	0.11 97	0.14 94	0.11 99	0.14 94	0.12 105	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

ICVP	0.15 89	0.53 159	0.11 73	0.16 88	0.11 102	0.16 105	0.11 97	0.16 106	0.11 99	0.16 104	0.11 98	0.16 105	0.11 98	0.16 105	0.11 92	0.16 104	0.11 74	0.16 106	0.11 97	0.16 107	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
LRCNet_RVC	0.13 72	0.13 66	0.09 52	0.13 69	0.10 88	0.14 94	0.10 85	0.14 94	0.10 85	0.23 127	0.10 86	0.20 115	0.10 87	0.24 136	0.11 92	0.11 68	0.09 55	0.12 91	0.14 120	0.12 94	0.09 79

aanetorigin	0.13 72	0.11 63	0.11 73	0.11 56	0.11 102	0.11 90	0.11 97	0.11 90	0.11 99	0.11 90	0.12 105	0.11 91	0.11 98	0.11 90	0.11 92	0.11 68	0.11 74	0.14 95	0.11 97	0.49 210	0.11 95

ELAS	0.13 72	0.16 71	0.11 73	0.15 82	0.09 82	0.18 110	0.11 97	0.18 110	0.11 99	0.17 107	0.11 98	0.18 111	0.11 98	0.18 110	0.11 92	0.14 90	0.08 46	0.14 95	0.08 78	0.14 97	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
JetBlue	0.11 59	0.11 63	0.12 78	0.13 69	0.14 118	0.11 90	0.11 97	0.11 90	0.11 99	0.11 90	0.11 98	0.11 91	0.11 98	0.12 94	0.12 103	0.11 68	0.11 74	0.11 88	0.11 97	0.11 90	0.11 95

ProNet	0.14 79	0.20 81	0.14 97	0.16 88	0.11 102	0.16 105	0.11 97	0.17 108	0.11 99	0.17 107	0.12 105	0.17 108	0.13 115	0.17 108	0.12 103	0.15 97	0.11 74	0.16 106	0.11 97	0.15 104	0.12 106

cf-r	0.66 213	2.17 304	0.12 78	0.18 95	0.12 114	0.18 110	2.70 382	2.60 368	0.12 114	0.18 110	0.12 105	0.18 111	0.12 111	0.18 110	0.12 103	0.15 97	0.11 74	0.15 105	0.11 97	1.81 341	1.74 373

HSM	0.14 79	0.16 71	0.12 78	0.17 94	0.12 114	0.17 108	0.11 97	0.17 108	0.11 99	0.17 107	0.12 105	0.17 108	0.12 111	0.17 108	0.12 103	0.16 104	0.11 74	0.16 106	0.11 97	0.16 107	0.12 106

ELAS_RVC	0.14 79	0.16 71	0.10 56	0.15 82	0.10 88	0.18 110	0.11 97	0.19 111	0.11 99	0.19 111	0.12 105	0.18 111	0.11 98	0.19 112	0.12 103	0.14 90	0.08 46	0.14 95	0.09 80	0.15 104	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 89	0.17 75	0.11 73	0.18 95	0.11 102	0.19 113	0.11 97	0.19 111	0.12 114	0.19 111	0.12 105	0.20 115	0.12 111	0.19 112	0.12 103	0.16 104	0.11 74	0.17 111	0.10 86	0.17 110	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPruner_ROB	0.16 95	0.18 76	0.13 93	0.19 98	0.13 117	0.19 113	0.13 112	0.19 111	0.13 117	0.19 111	0.13 117	0.19 114	0.13 115	0.19 112	0.13 109	0.18 115	0.13 106	0.18 118	0.13 118	0.18 113	0.13 112

PDISCO_ROB	0.83 248	2.80 324	3.49 381	0.14 73	0.11 102	0.17 108	0.09 80	0.15 105	0.10 85	0.15 100	0.12 105	0.16 105	0.14 117	3.30 379	0.13 109	0.14 90	2.34 369	0.16 106	0.12 110	2.62 359	0.10 83

LALA_ROB	0.15 89	0.19 77	0.12 78	0.18 95	0.11 102	0.20 115	0.12 109	0.21 119	0.12 114	0.20 114	0.12 105	0.20 115	0.12 111	0.21 124	0.13 109	0.17 108	0.10 59	0.18 118	0.11 97	0.18 113	0.11 95

GMStereo	0.14 79	0.13 66	0.14 97	0.14 73	0.14 118	0.14 94	0.14 113	0.14 94	0.14 118	0.14 94	0.14 120	0.14 95	0.14 117	0.14 96	0.14 112	0.14 90	0.14 107	0.14 95	0.14 120	0.14 97	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
ACVNet	0.20 102	0.19 77	0.14 97	0.20 99	0.14 118	0.20 115	0.96 284	0.21 119	0.14 118	0.20 114	0.13 117	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	0.17 110	0.12 106

acv_ft	0.20 102	0.19 77	0.14 97	0.20 99	0.14 118	0.20 115	0.96 284	0.21 119	0.14 118	0.20 114	0.13 117	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	0.17 110	0.12 106

hitnet-ft	0.79 234	2.78 323	0.14 97	0.20 99	0.14 118	0.21 122	2.89 383	2.80 373	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.54 358	2.33 379

GANet-RSSM	0.75 228	1.91 290	0.14 97	0.47 183	0.14 118	0.21 122	3.21 387	2.30 365	0.14 118	0.46 204	0.14 120	0.23 130	0.18 133	0.21 124	0.14 112	0.18 115	0.27 146	0.37 186	0.13 118	2.13 349	2.12 375

PSMNet-RSSM	0.77 230	2.76 320	0.14 97	0.20 99	0.14 118	0.20 115	2.66 380	2.79 372	0.14 118	0.21 122	0.14 120	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.52 356	2.31 377

GwcNet-RSSM	0.77 230	2.77 322	0.14 97	0.20 99	0.14 118	0.20 115	2.67 381	2.78 371	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.21 124	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.52 356	2.31 377

CFNet-ft	0.55 205	1.57 277	0.14 97	0.20 99	0.14 118	0.20 115	2.53 379	1.61 346	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	1.56 337	1.24 352

gwcnet-sp	0.82 245	1.72 281	1.48 352	0.39 147	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 350	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 340	0.32 155	0.16 123	6.75 389	0.23 131

scenet	0.82 245	1.72 281	1.48 352	0.39 147	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 350	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 340	0.32 155	0.16 123	6.75 389	0.23 131

ssnet	0.82 245	1.72 281	1.48 352	0.39 147	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 350	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 340	0.32 155	0.16 123	6.75 389	0.23 131

dd	0.23 113	0.98 192	0.16 112	0.23 108	0.15 127	0.23 130	0.15 116	0.23 126	0.15 126	0.23 127	0.15 127	0.24 134	0.17 128	0.23 132	0.15 120	0.22 123	0.15 110	0.21 123	0.15 122	0.22 122	0.16 115

dad	0.23 113	1.03 204	0.16 112	0.23 108	0.15 127	0.24 131	0.15 116	0.24 129	0.16 128	0.23 127	0.16 128	0.24 134	0.16 126	0.23 132	0.15 120	0.22 123	0.16 112	0.22 128	0.16 123	0.22 122	0.16 115

GMStereo_Zeroshot	0.16 95	0.16 71	0.16 112	0.16 88	0.16 132	0.16 105	0.16 119	0.16 106	0.16 128	0.16 104	0.16 128	0.16 105	0.16 126	0.16 105	0.16 125	0.16 104	0.16 112	0.16 106	0.16 123	0.16 107	0.16 115

IGEV_Zeroshot_test	0.20 102	0.19 77	0.40 184	0.30 126	0.17 133	0.22 124	0.17 120	0.21 119	0.17 130	0.20 114	0.17 130	0.21 122	0.18 133	0.21 124	0.17 126	0.20 118	0.16 112	0.20 121	0.16 123	0.20 116	0.17 121

MIM_Stereo	0.25 116	0.23 90	0.66 237	0.80 223	0.17 133	0.22 124	0.17 120	0.23 126	0.18 131	0.26 140	0.17 130	0.21 122	0.17 128	0.25 138	0.17 126	0.23 132	0.16 112	0.21 123	0.17 136	0.22 122	0.17 121

MMNet	0.44 184	1.24 266	0.17 116	0.25 116	0.17 133	0.25 135	0.18 124	1.26 337	0.93 288	0.25 133	0.17 130	0.25 137	0.18 133	0.25 138	0.17 126	0.23 132	0.16 112	0.23 132	0.16 123	1.20 280	0.99 285

delet	0.43 181	1.21 264	0.17 116	0.25 116	0.17 133	0.25 135	0.18 124	1.26 337	0.95 289	0.25 133	0.17 130	0.25 137	0.17 128	0.25 138	0.17 126	0.23 132	0.16 112	0.22 128	0.16 123	1.18 277	0.98 284

psm_up	0.43 181	1.19 217	0.17 116	0.25 116	0.18 138	0.25 135	0.19 127	1.26 337	0.91 283	0.26 140	0.17 130	0.25 137	0.17 128	0.25 138	0.17 126	0.22 123	0.17 124	0.23 132	0.16 123	1.18 277	0.99 285

UPFNet	0.42 180	1.20 218	0.17 116	0.24 113	0.17 133	0.25 135	0.17 120	1.19 285	0.90 282	0.25 133	0.17 130	0.24 134	0.17 128	0.25 138	0.17 126	0.22 123	0.17 124	0.22 128	0.16 123	1.15 269	0.93 281

MSKI-zero shot	0.24 115	0.21 86	0.49 215	0.65 207	0.18 138	0.22 124	0.17 120	0.23 126	0.18 131	0.21 122	0.17 130	0.23 130	0.28 172	0.23 132	0.18 132	0.21 121	0.16 112	0.21 123	0.16 123	0.21 120	0.16 115

iResNetv2_ROB	0.20 102	0.23 90	0.18 121	0.24 113	0.20 142	0.24 131	0.18 124	0.24 129	0.18 131	0.24 132	0.18 138	0.23 130	0.19 137	0.24 136	0.18 132	0.21 121	0.16 112	0.21 123	0.16 123	0.22 122	0.16 115

iResNet	0.20 102	0.23 90	0.18 121	0.24 113	0.18 138	0.24 131	0.20 129	0.24 129	0.18 131	0.23 127	0.17 130	0.23 130	0.18 133	0.23 132	0.18 132	0.22 123	0.16 112	0.21 123	0.16 123	0.21 120	0.16 115

CFNet	1.37 333	5.27 362	0.19 123	5.49 376	0.19 141	0.28 146	0.19 127	0.28 138	0.19 136	0.28 142	0.19 139	0.28 147	4.35 387	0.28 151	0.19 135	0.23 132	0.17 124	0.23 132	4.21 396	4.81 378	0.17 121

DAS	0.20 102	0.20 81	0.20 125	0.20 99	0.20 142	0.20 115	0.20 129	0.20 115	0.20 137	0.20 114	0.20 141	0.20 115	0.20 140	0.20 115	0.20 136	0.20 118	0.20 128	0.20 121	0.20 140	0.20 116	0.20 126

AANet_RVC	1.26 329	0.31 105	4.99 387	5.93 379	0.20 142	0.25 135	0.20 129	0.25 132	0.20 137	0.23 127	0.19 139	0.25 137	0.20 140	0.25 138	0.20 136	5.66 388	4.76 380	0.26 141	0.30 188	0.24 129	0.27 152

GEStereo_RVC	0.86 255	4.45 351	0.20 125	0.27 123	0.20 142	0.27 145	0.20 129	0.26 136	0.18 131	5.03 393	0.20 141	0.27 146	0.19 137	0.27 149	0.21 138	0.20 118	0.19 127	0.19 120	4.02 394	0.20 116	0.18 124

HGLStereo	0.28 126	0.29 103	0.22 128	0.36 139	0.22 148	0.36 166	0.21 134	0.36 155	0.21 139	0.42 196	0.21 145	0.36 166	0.22 144	0.36 168	0.21 138	0.34 161	0.21 129	0.34 169	0.21 141	0.34 150	0.21 127

WAO-6	0.22 109	0.23 90	0.22 128	0.23 108	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.22 128	0.22 143	0.22 122	0.22 129

IMH-64-1	0.22 109	0.23 90	0.23 130	0.22 106	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.23 132	0.22 143	0.22 122	0.23 131

IMH-64	0.22 109	0.23 90	0.23 130	0.22 106	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.23 132	0.22 143	0.22 122	0.23 131

ssnet_v2	0.68 218	1.96 297	1.25 338	0.29 125	0.20 142	0.30 150	0.20 129	0.29 141	0.22 140	1.50 348	0.20 141	0.31 155	0.20 140	0.27 149	0.22 140	0.24 137	1.49 350	0.26 141	0.18 138	3.90 367	0.19 125

DISCO	1.11 279	0.39 120	5.28 388	0.39 147	0.20 142	0.39 180	0.27 156	0.39 168	0.22 140	0.38 165	0.20 141	0.38 173	0.20 140	6.95 401	0.22 140	0.30 154	0.21 129	0.27 145	0.21 141	5.25 382	0.21 127

DLNR_Zeroshot_test	0.31 133	0.28 101	0.47 206	0.79 221	0.24 157	0.30 150	0.26 153	0.30 143	0.24 146	0.32 151	0.23 149	0.31 155	0.24 149	0.30 155	0.23 145	0.29 153	0.26 141	0.29 151	0.24 153	0.33 146	0.23 131

FENet	0.54 203	1.52 276	1.19 284	1.41 325	0.23 152	0.35 163	0.23 141	0.35 151	0.23 145	0.34 155	0.23 149	0.35 161	0.23 148	0.35 163	0.23 145	1.40 342	1.07 270	0.32 155	0.23 148	0.33 146	0.23 131

tt1	0.31 133	0.93 188	0.24 136	0.33 134	0.23 152	0.31 153	0.24 145	0.32 145	0.24 146	0.32 151	0.23 149	0.32 157	0.25 151	0.32 157	0.24 147	0.27 145	0.26 141	0.27 145	0.26 162	0.27 134	0.27 152

xxxxx1	0.31 133	0.91 182	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

tt_ll	0.31 133	0.91 182	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

ff	0.31 133	0.91 182	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

iResNet_ROB	0.28 126	0.32 106	0.24 136	0.32 132	0.25 158	0.32 160	0.24 145	0.32 145	0.24 146	0.33 153	0.24 155	0.35 161	0.24 149	0.33 161	0.24 147	0.31 156	0.24 137	0.32 155	0.24 153	0.32 142	0.24 140

UNDER WATER-64	0.25 116	0.26 98	0.25 138	0.26 122	0.25 158	0.25 135	0.25 147	0.25 132	0.25 149	0.25 133	0.25 159	0.25 137	0.25 151	0.26 147	0.25 152	0.25 141	0.25 138	0.25 138	0.25 156	0.25 130	0.25 141

LoS_RVC	0.30 130	1.14 210	0.25 138	0.25 116	0.25 158	0.26 142	0.25 147	0.25 132	0.25 149	0.25 133	0.25 159	0.26 145	0.26 160	0.26 147	0.25 152	0.26 142	0.26 141	0.25 138	0.25 156	0.26 131	0.26 147

CAS	0.30 130	1.17 214	0.25 138	0.25 116	0.25 158	0.26 142	0.25 147	0.25 132	0.26 162	0.25 133	0.25 159	0.25 137	0.25 151	0.25 138	0.25 152	0.26 142	0.26 141	0.26 141	0.25 156	0.26 131	0.25 141

LoS	0.25 116	0.27 99	0.25 138	0.25 116	0.25 158	0.25 135	0.25 147	0.26 136	0.25 149	0.25 133	0.25 159	0.25 137	0.25 151	0.25 138	0.25 152	0.26 142	0.25 138	0.25 138	0.26 162	0.26 131	0.25 141

CroCo-Stereo	0.73 226	1.22 265	0.25 138	1.22 314	0.25 158	1.22 344	0.25 147	1.22 334	0.25 149	1.22 341	0.25 159	1.22 346	0.25 151	1.22 345	0.25 152	1.22 332	0.26 141	1.21 349	0.25 156	1.22 327	0.25 141
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
StereoDRNet-Refined	0.33 142	0.39 120	0.26 143	0.39 147	0.26 164	0.40 181	0.26 153	0.40 172	0.26 162	0.39 170	0.26 164	0.39 177	0.26 160	0.39 180	0.26 157	0.37 174	0.25 138	0.37 186	0.25 156	0.37 169	0.37 196
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
TorneroNet-64	0.45 185	0.27 99	0.30 153	0.58 201	0.27 165	0.70 254	0.30 170	0.28 138	0.73 271	0.73 254	0.28 172	0.71 253	0.66 254	0.75 259	0.27 158	0.27 145	0.29 160	0.37 186	0.75 274	0.28 136	0.30 175

CroCo-Stereo Lap2	0.77 230	1.29 267	0.29 149	1.27 317	0.29 174	1.27 347	0.26 153	1.26 337	0.26 162	1.26 342	0.26 164	1.27 347	0.26 160	1.26 346	0.27 158	1.27 334	0.27 146	1.27 352	0.27 168	1.27 329	0.27 152

CRFU-Net	0.65 211	1.67 280	1.22 334	1.96 338	0.27 165	0.41 195	0.27 156	0.41 184	0.27 165	0.40 174	0.26 164	0.41 192	0.27 167	0.40 183	0.27 158	1.80 352	1.62 354	0.34 169	0.23 148	0.33 146	0.23 131

MLCV	0.31 133	0.35 107	0.27 144	0.35 135	0.28 168	0.35 163	0.27 156	0.35 151	0.28 168	0.36 160	0.27 167	0.35 161	0.27 167	0.35 163	0.27 158	0.34 161	0.27 146	0.34 169	0.27 168	0.34 150	0.27 152

ACVNet-DCA	0.37 152	1.00 194	0.30 153	0.40 159	0.29 174	0.40 181	0.29 166	0.40 172	0.29 170	0.40 174	0.29 174	0.40 183	0.29 176	0.39 180	0.28 162	0.33 158	0.32 170	0.33 162	0.32 197	0.33 146	0.32 184

SQANet	0.28 126	0.28 101	0.28 147	0.28 124	0.28 168	0.28 146	0.28 161	0.28 138	0.28 168	0.28 142	0.28 172	0.28 147	0.28 172	0.28 151	0.28 162	0.28 147	0.28 151	0.28 147	0.28 172	0.28 136	0.28 164

Any-RAFT	0.32 141	0.36 110	0.27 144	0.36 139	0.27 165	0.36 166	0.27 156	0.36 155	0.27 165	0.36 160	0.27 167	0.36 166	0.27 167	0.36 168	0.28 162	0.36 170	0.28 151	0.36 184	0.28 172	0.36 167	0.28 164

IER	0.88 256	7.04 366	2.23 370	2.75 357	0.28 168	0.43 215	0.25 147	0.39 168	0.25 149	0.41 185	0.27 167	0.39 177	0.25 151	0.40 183	0.28 162	0.37 174	0.28 151	0.37 186	0.25 156	0.37 169	0.25 141

DGSMNet	0.34 143	0.41 129	0.27 144	0.41 167	0.28 168	0.41 195	0.28 161	0.41 184	0.27 165	0.41 185	0.27 167	0.42 208	0.27 167	0.41 195	0.28 162	0.40 188	0.29 160	0.40 199	0.28 172	0.40 184	0.27 152

DN-CSS_ROB	0.31 133	0.35 107	0.28 147	0.35 135	0.28 168	0.34 161	0.27 156	0.34 150	0.25 149	0.35 157	0.27 167	0.36 166	0.26 160	0.34 162	0.28 162	0.35 167	0.28 151	0.34 169	0.28 172	0.34 150	0.27 152

xx1	0.38 158	1.03 204	0.31 158	0.40 159	0.31 186	0.41 195	0.28 161	0.40 172	0.29 170	0.40 174	0.29 174	0.40 183	0.29 176	0.40 183	0.29 168	0.34 161	0.33 173	0.34 169	0.32 197	0.34 150	0.32 184

1test111	0.37 152	1.02 202	0.30 153	0.39 147	0.29 174	0.40 181	0.28 161	0.39 168	0.29 170	0.39 170	0.29 174	0.39 177	0.28 172	0.40 183	0.29 168	0.33 158	0.32 170	0.33 162	0.31 193	0.32 142	0.31 180

cc1	0.37 152	1.02 202	0.30 153	0.39 147	0.29 174	0.40 181	0.28 161	0.39 168	0.29 170	0.39 170	0.29 174	0.39 177	0.28 172	0.40 183	0.29 168	0.33 158	0.32 170	0.33 162	0.31 193	0.32 142	0.31 180

EKT-Stereo	0.37 152	0.40 122	0.44 197	1.07 251	0.29 174	0.34 161	0.31 174	0.36 155	0.29 170	0.38 165	0.31 185	0.37 171	0.30 180	0.36 168	0.29 168	0.34 161	0.28 151	0.39 196	0.30 188	0.37 169	0.30 175

PML	0.46 186	1.36 272	0.29 149	0.58 201	0.30 182	0.57 245	0.29 166	0.57 232	0.29 170	0.57 238	0.29 174	0.57 244	0.29 176	0.56 239	0.29 168	0.52 227	0.30 167	0.53 245	0.31 193	0.53 218	0.30 175

GES	0.66 213	2.34 308	0.29 149	0.41 167	0.29 174	0.41 195	0.29 166	0.42 200	0.29 170	0.40 174	0.41 218	0.41 192	0.30 180	0.51 231	0.29 168	0.32 157	0.29 160	0.32 155	2.46 382	2.49 355	0.30 175

UCFNet_RVC	2.75 375	10.06 386	0.29 149	10.31 402	0.29 174	0.42 211	0.29 166	0.43 202	0.29 170	0.42 196	0.29 174	0.42 208	9.87 403	0.43 207	0.29 168	0.36 170	9.84 402	0.36 184	0.26 162	9.77 401	0.26 147

IGEV-Stereo	0.35 147	0.44 137	0.45 199	0.49 188	0.30 182	0.37 171	0.30 170	0.36 155	0.30 179	0.36 160	0.29 174	0.36 166	0.29 176	0.36 168	0.30 175	0.46 209	0.39 187	0.32 155	0.24 153	0.32 142	0.25 141
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.34 143	0.42 136	0.31 158	0.39 147	0.30 182	0.38 174	0.30 170	0.40 172	0.29 170	0.40 174	0.37 202	0.41 192	0.34 192	0.38 173	0.30 175	0.34 161	0.27 146	0.34 169	0.26 162	0.34 150	0.26 147

RAFT + AFF	0.31 133	0.45 139	0.34 172	0.39 147	0.28 168	0.38 174	0.33 182	0.29 141	0.31 181	0.30 145	0.30 182	0.29 152	0.27 167	0.29 154	0.30 175	0.28 147	0.29 160	0.29 151	0.29 181	0.27 134	0.32 184

DANet	0.30 130	0.30 104	0.30 153	0.30 126	0.30 182	0.30 150	0.30 170	0.30 143	0.30 179	0.30 145	0.30 182	0.30 153	0.30 180	0.30 155	0.30 175	0.30 154	0.30 167	0.30 153	0.30 188	0.30 141	0.30 175
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
iRaft-Stereo_20w	0.34 143	0.41 129	0.31 158	0.39 147	0.29 174	0.40 181	0.32 175	0.41 184	0.32 185	0.38 165	0.30 182	0.39 177	0.30 180	0.38 173	0.32 179	0.35 167	0.27 146	0.34 169	0.27 168	0.34 150	0.29 168

FCDSN-DC	0.41 172	0.59 165	0.64 232	0.54 197	0.33 198	0.50 234	0.37 199	0.42 200	0.40 210	0.61 242	0.43 226	0.50 235	0.49 236	0.38 173	0.32 179	0.28 147	0.23 136	0.26 141	0.22 143	0.35 161	0.28 164
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
Gwc-CoAtRS	0.41 172	1.49 275	0.32 161	0.42 175	0.32 189	0.41 195	0.32 175	0.41 184	0.33 188	0.41 185	0.32 186	0.41 192	0.32 185	0.41 195	0.32 179	0.39 186	0.28 151	0.39 196	0.28 172	0.40 184	0.28 164

MyStereo04	0.56 206	3.72 339	0.59 225	0.49 188	0.41 224	0.36 166	0.32 175	0.37 161	0.31 181	0.34 155	0.46 230	0.35 161	0.32 185	0.35 163	0.33 182	0.49 221	0.45 203	0.34 169	0.32 197	0.35 161	0.43 216

PCWNet_CMD	2.80 377	9.82 384	0.32 161	10.09 401	0.32 189	0.49 228	0.33 182	3.34 379	0.33 188	0.49 218	0.33 189	0.49 224	8.73 399	0.48 220	0.33 182	0.41 195	9.22 397	0.42 219	0.29 181	9.55 400	0.31 180

CFNet_ucs	2.73 374	9.64 383	0.33 165	9.92 399	0.32 189	0.49 228	0.33 182	0.49 214	0.33 188	0.49 218	0.33 189	0.49 224	8.98 401	0.48 220	0.33 182	0.41 195	9.96 403	0.40 199	0.29 181	10.12 403	0.54 236

RAFT-Test	0.36 150	0.37 111	0.33 165	0.41 167	0.32 189	0.41 195	0.32 175	0.41 184	0.32 185	0.41 185	0.32 186	0.41 192	0.32 185	0.41 195	0.33 182	0.37 174	0.29 160	0.37 186	0.29 181	0.38 175	0.31 180

RCA-Stereo	0.51 201	3.22 331	0.34 172	0.44 176	0.34 204	0.44 216	0.34 191	0.43 202	0.34 195	0.43 200	0.34 195	0.44 211	0.33 189	0.43 207	0.33 182	0.38 181	0.29 160	0.38 192	0.29 181	0.38 175	0.29 168

CFNet_pseudo	2.67 373	9.36 381	0.32 161	10.99 403	0.33 198	0.85 268	0.33 182	0.49 214	0.33 188	0.49 218	0.32 186	0.49 224	7.26 397	0.49 226	0.33 182	0.41 195	9.62 400	0.41 210	0.29 181	10.03 402	0.29 168

pcwnet_v2	2.66 372	9.89 385	0.33 165	9.89 398	0.32 189	0.50 234	0.32 175	0.49 214	0.33 188	0.49 218	0.34 195	0.49 224	8.76 400	0.48 220	0.33 182	0.41 195	9.58 399	0.40 199	0.29 181	9.01 398	0.63 250

HCRNet	1.22 327	7.11 367	3.00 378	3.55 366	0.33 198	0.29 149	0.14 113	0.19 111	0.15 126	0.33 153	0.29 174	0.25 137	0.14 117	0.22 128	0.33 182	3.64 377	3.00 372	0.76 266	0.32 197	0.18 113	0.13 112

ccnet	0.80 236	2.28 307	0.33 165	0.50 194	0.33 198	0.50 234	0.33 182	0.50 221	0.33 188	0.49 218	0.33 189	0.49 224	1.56 358	2.38 368	0.33 182	0.41 195	0.29 160	0.42 219	1.57 365	2.28 351	0.29 168

CFNet-RSSM	0.91 259	4.89 358	0.34 172	0.44 176	1.07 302	1.62 356	1.40 362	0.91 262	0.35 196	1.60 349	1.39 361	0.64 247	0.34 192	0.44 209	0.33 182	0.41 195	0.35 174	0.75 263	0.30 188	0.41 192	0.29 168

psmorigin	0.41 172	0.46 141	0.33 165	0.49 188	0.33 198	0.49 228	0.33 182	0.49 214	0.33 188	0.49 218	0.33 189	0.49 224	0.33 189	0.51 231	0.33 182	0.41 195	0.30 167	0.41 210	0.30 188	0.79 240	0.29 168

MSMDNet	2.65 371	10.14 387	0.33 165	9.74 396	0.32 189	0.87 269	0.33 182	2.95 375	0.68 261	0.49 218	0.34 195	0.49 224	5.70 393	0.49 226	0.33 182	0.42 208	9.57 398	0.41 210	0.31 193	8.36 396	0.65 252

ccs_rob	2.79 376	10.17 388	0.32 161	10.00 400	0.33 198	0.49 228	0.33 182	1.90 352	0.32 185	0.51 228	0.33 189	0.49 224	9.24 402	0.49 226	0.33 182	0.41 195	9.82 401	0.41 210	0.28 172	9.34 399	0.29 168

ETE_ROB	0.35 147	0.35 107	0.35 175	0.35 135	0.35 206	0.35 163	0.35 193	0.35 151	0.35 196	0.35 157	0.35 198	0.35 161	0.35 194	0.35 163	0.35 195	0.35 167	0.35 174	0.35 179	0.35 205	0.35 161	0.35 192

CES	0.39 163	0.47 145	0.36 176	0.36 139	0.37 208	0.45 217	0.35 193	0.35 151	0.40 210	0.36 160	0.44 227	0.47 217	0.36 195	0.44 209	0.36 196	0.37 174	0.39 187	0.44 221	0.35 205	0.37 169	0.36 193

GMOStereo	0.37 152	0.45 139	0.23 130	0.30 126	0.37 208	0.41 195	0.36 195	0.41 184	0.35 196	0.43 200	0.36 199	0.41 192	0.40 204	0.41 195	0.36 196	0.34 161	0.22 132	0.47 228	0.37 211	0.39 181	0.33 187

error version	0.93 264	4.47 352	2.35 373	1.99 340	0.37 208	0.41 195	0.36 195	0.41 184	0.35 196	0.43 200	0.36 199	0.41 192	0.40 204	0.41 195	0.36 196	1.87 354	2.16 365	0.47 228	0.37 211	0.39 181	0.33 187

test_1	0.93 264	4.47 352	2.35 373	1.99 340	0.37 208	0.41 195	0.36 195	0.41 184	0.35 196	0.43 200	0.36 199	0.41 192	0.40 204	0.41 195	0.36 196	1.87 354	2.16 365	0.47 228	0.37 211	0.39 181	0.33 187

DMCA	0.36 150	0.38 113	0.37 177	0.35 135	0.35 206	0.36 166	0.36 195	0.36 155	0.35 196	0.35 157	0.37 202	0.36 166	0.36 195	0.35 163	0.36 196	0.36 170	0.36 176	0.35 179	0.36 208	0.36 167	0.36 193

ADCS	0.09 38	0.02 12	0.04 31	0.90 230	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	0.36 196	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

XPNet_ROB	0.37 152	0.37 111	0.37 177	0.37 142	0.37 208	0.37 171	0.37 199	0.37 161	0.37 202	0.37 164	0.37 202	0.37 171	0.37 197	0.37 172	0.37 202	0.37 174	0.37 178	0.37 186	0.37 211	0.37 169	0.37 196

WAO-8	0.38 158	0.38 113	0.38 179	0.38 143	0.38 213	0.38 174	0.38 204	0.38 164	0.38 204	0.38 165	0.38 207	0.38 173	0.38 199	0.38 173	0.38 203	0.38 181	0.38 182	0.38 192	0.37 211	0.38 175	0.38 200

WAO-7	0.38 158	0.38 113	0.38 179	0.38 143	0.38 213	0.38 174	0.38 204	0.38 164	0.38 204	0.38 165	0.38 207	0.38 173	0.38 199	0.38 173	0.38 203	0.38 181	0.38 182	0.38 192	0.38 217	0.38 175	0.38 200

Venus	0.38 158	0.38 113	0.38 179	0.38 143	0.38 213	0.37 171	0.38 204	0.37 161	0.37 202	0.41 185	0.37 202	0.39 177	0.37 197	0.38 173	0.38 203	0.37 174	0.38 182	0.38 192	0.37 211	0.37 169	0.38 200

IMH	0.38 158	0.38 113	0.38 179	0.38 143	0.38 213	0.38 174	0.38 204	0.38 164	0.38 204	0.42 196	0.38 207	0.40 183	0.38 199	0.38 173	0.38 203	0.38 181	0.38 182	0.39 196	0.38 217	0.38 175	0.38 200

iRaftStereo_RVC	0.97 268	3.17 330	2.30 372	2.42 352	0.38 213	0.54 239	0.38 204	0.54 227	0.38 204	0.54 233	0.38 207	0.54 237	0.38 199	0.54 234	0.38 203	2.38 368	2.34 369	0.49 239	0.36 208	0.49 210	0.36 193

LL-Strereo2	0.48 196	1.73 285	0.51 219	0.59 203	0.34 204	0.42 211	0.33 182	0.40 172	0.31 181	0.42 196	0.33 189	0.42 208	0.31 184	0.44 209	0.39 208	0.60 233	0.51 222	0.44 221	0.33 202	0.44 198	0.33 187

HanzoNet	0.39 163	0.38 113	0.40 184	0.39 147	0.41 224	0.38 174	0.38 204	0.38 164	0.38 204	0.39 170	0.39 211	0.38 173	0.38 199	0.39 180	0.40 209	0.38 181	0.38 182	0.40 199	0.38 217	0.38 175	0.40 204

knoymous	0.40 166	0.40 122	0.40 184	0.40 159	0.40 218	0.40 181	0.40 210	0.40 172	0.40 210	0.40 174	0.40 212	0.40 183	0.40 204	0.40 183	0.40 209	0.40 188	0.40 189	0.40 199	0.40 220	0.40 184	0.40 204

anonymousa	0.40 166	0.40 122	0.40 184	0.40 159	0.40 218	0.40 181	0.40 210	0.40 172	0.40 210	0.40 174	0.40 212	0.40 183	0.40 204	0.40 183	0.40 209	0.40 188	0.40 189	0.40 199	0.40 220	0.40 184	0.40 204

riskmin	0.40 166	0.40 122	0.40 184	0.40 159	0.40 218	0.40 181	0.40 210	0.40 172	0.40 210	0.40 174	0.40 212	0.40 183	0.40 204	0.40 183	0.40 209	0.40 188	0.40 189	0.40 199	0.40 220	0.40 184	0.40 204

Anonymous_2	0.40 166	0.40 122	0.40 184	0.40 159	0.40 218	0.40 181	0.40 210	0.40 172	0.40 210	0.40 174	0.40 212	0.40 183	0.40 204	0.40 183	0.40 209	0.40 188	0.40 189	0.40 199	0.40 220	0.40 184	0.40 204

Anonymous_1	0.40 166	0.40 122	0.40 184	0.40 159	0.40 218	0.40 181	0.40 210	0.40 172	0.40 210	0.40 174	0.40 212	0.40 183	0.40 204	0.40 183	0.40 209	0.40 188	0.40 189	0.40 199	0.40 220	0.40 184	0.40 204

AdaStereo	0.40 166	0.40 122	0.40 184	0.40 159	0.40 218	0.40 181	0.40 210	0.40 172	0.40 210	0.40 174	0.40 212	0.40 183	0.40 204	0.40 183	0.40 209	0.40 188	0.40 189	0.40 199	0.40 220	0.40 184	0.40 204
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	0.41 172	0.41 129	0.41 192	0.41 167	0.41 224	0.41 195	0.41 216	0.41 184	0.41 219	0.41 185	0.41 218	0.41 192	0.41 214	0.41 195	0.41 216	0.41 195	0.41 198	0.41 210	0.41 226	0.41 192	0.41 211

PSMNet-ADL	0.41 172	0.41 129	0.41 192	0.41 167	0.41 224	0.41 195	0.41 216	0.41 184	0.41 219	0.41 185	0.41 218	0.41 192	0.41 214	0.41 195	0.41 216	0.41 195	0.41 198	0.41 210	0.41 226	0.41 192	0.41 211

GANet-ADL	0.41 172	0.41 129	0.41 192	0.41 167	0.41 224	0.41 195	0.41 216	0.41 184	0.41 219	0.41 185	0.41 218	0.41 192	0.41 214	0.41 195	0.41 216	0.41 195	0.41 198	0.41 210	0.41 226	0.41 192	0.41 211

ADLNet2	0.41 172	0.41 129	0.41 192	0.41 167	0.41 224	0.41 195	0.41 216	0.41 184	0.41 219	0.41 185	0.41 218	0.41 192	0.41 214	0.41 195	0.41 216	0.41 195	0.41 198	0.41 210	0.41 226	0.41 192	0.41 211

ADLNet	0.41 172	0.41 129	0.41 192	0.41 167	0.41 224	0.41 195	0.41 216	0.41 184	0.41 219	0.41 185	0.41 218	0.41 192	0.41 214	0.41 195	0.41 216	0.41 195	0.41 198	0.41 210	0.41 226	0.41 192	0.41 211

Anonymous Stereo	2.36 360	18.47 391	11.50 403	9.80 397	0.53 251	0.28 146	0.50 240	0.58 234	0.53 243	0.59 241	0.53 251	0.66 251	0.52 241	0.62 244	0.41 216	0.36 170	0.37 178	0.31 154	0.19 139	0.20 116	0.22 129

SPstereo	0.47 191	0.38 113	0.51 219	0.56 199	0.31 186	0.67 252	0.44 222	0.55 228	0.31 181	0.61 242	0.44 227	0.46 212	0.52 241	0.67 250	0.42 222	0.48 218	0.40 189	0.47 228	0.36 208	0.53 218	0.33 187

CFNet_RVC	2.38 365	8.71 377	0.38 179	9.33 393	0.42 232	0.56 241	0.42 221	0.60 236	0.38 204	0.62 244	0.42 224	0.56 242	7.29 398	0.62 244	0.42 222	0.53 228	0.37 178	0.49 239	0.34 203	8.30 395	6.87 401

MyStereo06	0.75 228	4.12 346	0.60 226	0.63 205	0.61 259	0.62 248	0.66 256	0.56 230	0.45 225	0.55 235	0.48 240	0.54 237	0.46 222	0.57 241	0.45 224	0.60 233	0.57 229	0.64 249	0.55 247	0.72 231	0.55 240

CASnet	0.35 147	0.51 157	0.44 197	0.32 132	0.31 186	0.24 131	0.34 191	0.36 155	0.25 149	0.31 147	0.37 202	0.30 153	0.33 189	0.25 138	0.45 224	0.37 174	0.37 178	0.33 162	0.35 205	0.34 150	0.37 196
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
otaku	0.46 186	0.46 141	0.46 201	0.46 178	0.46 234	0.46 218	0.46 224	0.46 204	0.46 226	0.46 204	0.46 230	0.46 212	0.46 222	0.46 212	0.46 226	0.46 209	0.46 205	0.46 224	0.46 233	0.46 199	0.46 219

Dean	0.46 186	0.46 141	0.46 201	0.46 178	0.46 234	0.46 218	0.46 224	0.46 204	0.46 226	0.47 209	0.46 230	0.46 212	0.46 222	0.46 212	0.46 226	0.46 209	0.46 205	0.46 224	0.46 233	0.46 199	0.46 219

ACVNet_1	0.46 186	0.47 145	0.46 201	0.46 178	0.46 234	0.46 218	0.46 224	0.46 204	0.47 229	0.46 204	0.46 230	0.46 212	0.46 222	0.46 212	0.46 226	0.46 209	0.46 205	0.47 228	0.46 233	0.46 199	0.46 219

ACVNet-4b	0.46 186	0.46 141	0.46 201	0.46 178	0.46 234	0.46 218	0.46 224	0.46 204	0.46 226	0.46 204	0.46 230	0.46 212	0.46 222	0.47 215	0.46 226	0.46 209	0.46 205	0.46 224	0.46 233	0.46 199	0.46 219

Ntro	0.47 191	0.47 145	0.46 201	0.46 178	0.46 234	0.47 222	0.47 230	0.46 204	0.47 229	0.46 204	0.46 230	0.47 217	0.46 222	0.47 215	0.47 230	0.47 214	0.46 205	0.46 224	0.46 233	0.46 199	0.46 219

HaxPig	0.47 191	0.47 145	0.47 206	0.49 188	0.47 239	0.47 222	0.47 230	0.47 209	0.47 229	0.47 209	0.47 237	0.47 217	0.47 231	0.47 215	0.47 230	0.47 214	0.47 211	0.47 228	0.47 239	0.47 205	0.48 227

UNDER WATER	0.47 191	0.47 145	0.47 206	0.47 183	0.47 239	0.47 222	0.47 230	0.47 209	0.47 229	0.47 209	0.47 237	0.47 217	0.46 222	0.47 215	0.47 230	0.47 214	0.47 211	0.47 228	0.46 233	0.47 205	0.47 224

LVE	0.47 191	0.47 145	0.47 206	0.47 183	0.49 244	0.47 222	0.47 230	0.47 209	0.49 236	0.47 209	0.47 237	0.47 217	0.46 222	0.47 215	0.47 230	0.47 214	0.47 211	0.48 236	0.47 239	0.47 205	0.47 224

AEACV	1.12 280	0.52 158	3.12 379	3.24 363	0.86 286	0.53 238	0.49 238	0.60 236	0.47 229	0.53 232	0.49 244	0.55 240	0.45 221	0.55 236	0.47 230	3.01 373	3.88 375	0.71 259	0.60 254	0.80 243	0.48 227

whm_eth	0.63 209	1.48 274	0.47 206	0.71 214	0.48 241	0.71 256	0.48 235	0.71 246	0.48 234	0.71 252	0.48 240	0.71 253	0.48 232	0.72 255	0.48 235	0.71 246	0.47 211	0.71 259	0.47 239	0.71 230	0.47 224

RainbowNet	0.48 196	0.48 151	0.48 211	0.48 186	0.48 241	0.48 226	0.48 235	0.48 212	0.48 234	0.48 213	0.48 240	0.48 222	0.48 232	0.48 220	0.48 235	0.48 218	0.48 215	0.48 236	0.48 242	0.48 208	0.48 227

notaker	0.48 196	0.49 152	0.48 211	0.48 186	0.48 241	0.48 226	0.48 235	0.48 212	0.49 236	0.48 213	0.48 240	0.48 222	0.48 232	0.48 220	0.48 235	0.48 218	0.48 215	0.48 236	0.48 242	0.48 208	0.49 230

ACVNet_2	0.49 199	0.49 152	0.49 215	0.49 188	0.49 244	0.49 228	0.49 238	0.49 214	0.49 236	0.49 218	0.49 244	0.49 224	0.49 236	0.49 226	0.49 238	0.49 221	0.49 217	0.49 239	0.49 244	0.49 210	0.49 230

LL-Strereo	1.01 274	5.06 361	1.63 355	0.70 212	1.43 367	0.56 241	0.46 224	0.57 232	0.50 239	0.57 238	0.50 246	1.58 353	0.49 236	0.59 243	0.50 239	1.64 348	0.52 223	0.51 243	1.37 356	0.52 216	0.45 218

SANet	0.50 200	0.50 154	0.50 217	0.50 194	0.50 247	0.50 234	0.50 240	0.50 221	0.50 239	0.50 227	0.50 246	0.50 235	0.50 239	0.50 230	0.50 239	0.50 225	0.50 221	0.50 242	0.50 245	0.50 214	0.50 233

ktn	0.72 225	0.53 159	1.08 275	1.14 258	0.51 248	1.22 344	1.36 356	0.51 225	0.59 250	0.51 228	0.51 249	0.69 252	1.20 297	0.67 250	0.51 241	0.51 226	0.49 217	0.58 247	0.66 262	0.52 216	0.53 235

KSHMR	0.66 213	0.50 154	0.48 211	1.15 260	0.52 249	0.49 228	0.51 242	0.49 214	0.71 269	0.67 248	0.50 246	1.16 297	1.11 286	0.66 248	0.52 242	0.49 221	0.49 217	0.51 243	0.66 262	0.50 214	1.14 299

MyStereo03	0.84 250	4.93 359	0.68 242	0.90 230	0.74 279	0.56 241	0.46 224	0.55 228	0.52 242	0.74 258	0.56 253	0.56 242	0.46 222	0.81 264	0.54 243	0.59 231	0.52 223	0.75 263	0.68 266	0.68 224	0.65 252

test-3	0.98 270	4.13 348	1.85 365	1.85 332	0.61 259	0.69 253	0.37 199	0.63 240	0.61 253	0.66 247	0.51 249	0.73 257	0.44 220	0.57 241	0.54 243	1.68 349	1.81 363	0.40 199	0.43 232	0.66 222	0.50 233

PSMNet_ROB	0.54 203	0.54 162	0.54 221	0.54 197	0.53 251	0.54 239	0.54 243	0.53 226	0.54 247	0.54 233	0.54 252	0.54 237	0.53 243	0.54 234	0.54 243	0.54 229	0.53 225	0.54 246	0.54 246	0.54 220	0.54 236

MyStereo05	0.80 236	4.12 346	0.63 230	0.63 205	0.61 259	0.62 248	0.66 256	0.65 241	0.62 254	0.67 248	0.61 258	0.65 249	0.58 246	0.67 250	0.55 246	0.60 233	0.57 229	0.64 249	0.55 247	0.72 231	0.55 240

MyStereo02	0.85 253	4.58 354	0.64 232	0.76 219	0.65 264	0.75 258	0.61 248	0.60 236	0.53 243	0.80 261	0.64 262	0.78 262	0.66 254	0.55 236	0.57 247	0.70 243	0.66 240	0.68 253	0.62 257	0.72 231	0.59 244

MyStereo	0.85 253	4.58 354	0.64 232	0.76 219	0.65 264	0.75 258	0.61 248	0.60 236	0.53 243	0.80 261	0.64 262	0.78 262	0.66 254	0.55 236	0.57 247	0.70 243	0.66 240	0.68 253	0.62 257	0.72 231	0.59 244

CASS	0.57 207	0.89 179	0.56 222	0.57 200	0.56 253	0.56 241	0.56 244	0.56 230	0.53 243	0.57 238	0.57 255	0.59 245	0.48 232	0.56 239	0.57 247	0.55 230	0.56 228	0.47 228	0.56 250	0.62 221	0.56 243
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymity	0.63 209	0.69 167	0.56 222	0.71 214	0.56 253	0.71 256	0.56 244	0.71 246	0.56 248	0.72 253	0.56 253	0.71 253	0.56 245	0.71 254	0.58 250	0.68 239	0.55 226	0.68 253	0.55 247	0.68 224	0.54 236

UDG	0.80 236	2.21 305	0.60 226	0.91 233	0.60 255	0.90 273	0.58 246	0.88 260	0.60 251	0.90 268	0.60 256	0.88 271	0.60 248	0.90 273	0.58 250	0.86 260	0.60 231	0.84 275	0.59 253	0.84 248	0.61 247

DDUNet	0.81 241	2.45 309	0.57 224	0.90 230	0.60 255	0.88 270	0.59 247	0.90 261	0.60 251	0.88 267	0.60 256	0.90 274	0.58 246	0.88 270	0.60 252	0.84 259	0.60 231	0.86 277	0.57 251	0.86 249	0.60 246

ARAFT	0.68 218	0.81 176	0.63 230	0.74 217	0.60 255	0.78 263	0.62 251	0.77 251	0.66 259	0.74 258	0.63 260	0.75 259	0.62 249	0.83 265	0.60 252	0.70 243	0.55 226	0.70 258	0.60 254	0.78 238	0.55 240

RAFT-Stereo + iAFF	0.70 221	0.72 169	0.71 245	0.80 223	0.62 262	0.82 267	0.61 248	0.81 256	0.62 254	0.81 265	0.63 260	0.80 266	0.70 261	0.73 257	0.61 254	0.76 249	0.61 235	0.74 262	0.61 256	0.77 237	0.61 247

MyStereo07	0.60 208	3.72 339	0.48 211	0.49 188	0.41 224	0.36 166	0.32 175	0.49 214	0.43 224	0.51 228	0.42 224	0.49 224	0.43 219	0.51 231	0.64 255	0.49 221	0.45 203	0.34 169	0.32 197	0.35 161	0.43 216

test croco	1.88 346	3.16 329	0.64 232	3.10 361	0.65 264	3.10 378	0.64 253	3.12 376	0.65 257	3.10 377	0.65 266	3.11 377	0.65 252	3.12 376	0.65 256	3.12 374	0.65 238	3.13 377	0.65 260	3.13 362	0.65 252

DSFCA	0.66 213	0.73 170	0.78 253	0.65 207	0.65 264	0.64 250	0.64 253	0.65 241	0.63 256	0.64 246	0.64 262	0.64 247	0.64 250	0.65 247	0.65 256	0.65 236	0.65 238	0.65 251	0.65 260	0.66 222	0.64 251

LMCR-Stereo	0.65 211	0.63 166	0.65 236	0.65 207	0.65 264	0.66 251	0.63 252	0.58 234	0.65 257	0.63 245	0.64 262	0.65 249	0.65 252	0.66 248	0.66 258	0.66 237	0.64 237	0.65 251	0.67 265	0.68 224	0.73 263

CoDeX	0.15 89	0.70 168	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	0.67 259	0.02 14	0.69 246	0.75 263	0.01 9	0.02 19	0.02 19

Selective-IGEV	0.51 201	0.55 164	0.45 199	0.69 210	0.45 233	0.61 247	0.45 223	0.50 221	0.40 210	0.56 237	0.44 227	0.55 240	0.40 204	0.72 255	0.67 259	0.59 231	0.46 205	0.45 223	0.34 203	0.46 199	0.37 196

AFF-stereo	0.73 226	0.88 178	0.67 239	0.75 218	0.68 272	0.75 258	0.64 253	0.80 253	0.72 270	0.83 266	0.70 272	0.82 269	0.64 250	0.84 266	0.67 259	0.77 250	0.63 236	0.81 272	0.63 259	0.78 238	0.62 249

MIF-Stereo (partial)	2.58 370	3.31 333	0.66 237	3.18 362	0.66 269	3.18 379	0.66 256	3.21 377	0.67 260	3.19 378	0.66 268	3.19 378	0.66 254	3.31 380	0.68 262	5.09 384	1.79 362	8.23 402	1.67 369	6.18 387	1.38 361

MIF-Stereo	2.03 351	3.43 334	0.72 246	3.42 365	0.73 277	3.27 381	0.68 260	3.38 380	0.69 264	3.29 380	0.72 276	3.28 380	0.70 261	3.35 381	0.68 262	3.39 376	0.68 242	3.31 379	0.69 269	3.37 364	0.73 263

R-Stereo Train	0.81 241	0.96 190	0.67 239	0.95 240	0.67 270	0.95 278	0.68 260	0.95 270	0.68 261	0.95 276	0.68 269	0.96 281	0.68 259	0.96 281	0.68 262	0.94 267	0.68 242	0.94 282	0.68 266	0.94 258	0.68 256

RAFT-Stereo	0.81 241	0.96 190	0.67 239	0.95 240	0.67 270	0.95 278	0.68 260	0.95 270	0.68 261	0.95 276	0.68 269	0.96 281	0.68 259	0.96 281	0.68 262	0.94 267	0.68 242	0.94 282	0.68 266	0.94 258	0.68 256
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HH	0.71 223	2.54 311	0.74 249	1.10 253	0.32 189	0.41 195	0.37 199	0.69 244	0.78 274	0.73 254	0.90 286	0.75 259	1.00 279	0.84 266	0.69 266	0.69 240	0.40 189	0.35 179	0.26 162	0.35 161	0.26 147

HanStereo	0.71 223	2.54 311	0.74 249	1.10 253	0.32 189	0.41 195	0.37 199	0.69 244	0.78 274	0.73 254	0.90 286	0.75 259	1.00 279	0.84 266	0.69 266	0.69 240	0.40 189	0.35 179	0.26 162	0.35 161	0.26 147

DMCA-RVC	0.70 221	0.80 173	0.70 243	0.70 212	0.70 273	0.70 254	0.70 263	0.71 246	0.70 266	0.70 251	0.71 274	0.71 253	0.70 261	0.70 253	0.69 266	0.69 240	0.70 247	0.69 256	0.70 270	0.69 228	0.70 258

MSMD_ROB	1.19 281	1.10 209	0.70 243	1.10 253	0.60 255	1.10 290	0.70 263	1.10 278	0.70 266	1.10 285	0.70 272	1.10 291	0.70 261	7.00 402	0.70 269	1.10 276	0.70 247	1.10 293	0.70 270	1.10 266	0.70 258

DCRE	0.84 250	1.89 289	0.77 252	0.94 238	0.72 276	0.88 270	0.73 266	0.87 258	0.78 274	0.90 268	0.71 274	0.88 271	0.67 258	0.88 270	0.73 270	0.81 255	0.68 242	0.81 272	0.70 270	0.82 247	0.70 258

iGMRVC	0.84 250	2.85 325	0.72 246	0.72 216	0.73 277	0.77 261	0.79 270	0.73 249	0.74 273	0.73 254	0.72 276	0.73 257	0.76 267	0.73 257	0.73 270	0.72 248	0.73 249	0.73 261	0.72 273	0.73 236	0.72 261

PA-Net	11.80 403	223.51 425	0.62 229	0.59 203	0.71 274	0.59 246	0.73 266	0.67 243	0.73 271	0.55 235	0.61 258	0.60 246	0.74 265	0.63 246	0.73 270	0.66 237	0.60 231	0.69 256	0.66 262	0.72 231	0.65 252
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
SFCPSM	0.17 98	0.78 171	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	0.79 273	0.02 14	0.75 251	0.76 266	0.02 20	0.02 19	0.02 19

G-Net	0.79 234	0.79 172	0.79 255	0.79 221	0.79 282	0.79 264	0.79 270	0.79 252	0.79 277	0.79 260	0.79 281	0.79 265	0.79 269	0.79 261	0.79 273	0.79 251	0.79 253	0.79 268	0.79 277	0.79 240	0.79 269

HSM-Net_RVC	0.95 267	1.17 214	0.78 253	1.18 267	0.71 274	1.16 297	0.75 268	1.09 277	0.80 278	1.10 285	0.75 279	1.17 298	0.74 265	1.17 297	0.80 275	1.13 282	0.73 249	1.17 300	0.77 275	1.16 271	0.72 261
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NaN_ROB	0.80 236	0.80 173	0.80 256	0.80 223	0.80 284	0.80 265	0.80 272	0.80 253	0.80 278	0.80 261	0.80 282	0.80 266	0.80 270	0.80 262	0.80 275	0.80 252	0.80 256	0.80 270	0.80 278	0.80 243	0.80 270

CSAN	0.80 236	0.80 173	0.80 256	0.80 223	0.80 284	0.80 265	0.80 272	0.80 253	0.80 278	0.80 261	0.80 282	0.80 266	0.80 270	0.80 262	0.80 275	0.80 252	0.80 256	0.80 270	0.80 278	0.80 243	0.80 270

ToySt	0.92 260	2.11 299	0.90 261	0.95 240	0.79 282	0.99 280	0.78 269	0.94 269	0.81 281	0.94 275	0.78 280	0.95 280	0.77 268	0.94 277	0.86 278	0.91 262	0.79 253	0.85 276	0.77 275	0.89 251	0.73 263

DPSimNet_ROB	0.97 268	1.18 216	0.81 258	1.10 253	0.91 291	1.02 284	0.82 274	1.04 275	0.91 283	1.03 282	0.86 285	1.28 348	0.82 272	1.03 286	0.89 279	1.17 284	0.81 258	1.02 291	0.82 281	1.08 265	0.81 272

DGTPSM_ROB	0.93 264	1.00 194	0.92 264	0.94 238	0.96 295	0.91 274	0.92 279	0.91 262	0.96 290	0.91 270	0.96 292	0.93 279	0.92 275	0.94 277	0.92 280	0.92 263	0.92 263	0.90 278	0.92 284	0.94 258	0.91 279

DPSM_ROB	0.92 260	0.91 182	0.91 262	0.91 233	0.92 292	0.92 275	0.92 279	0.92 265	0.91 283	0.93 273	0.91 288	0.92 276	0.90 273	0.91 274	0.92 280	0.92 263	0.91 261	0.91 279	0.92 284	0.93 256	0.93 281

DPSM	0.92 260	0.91 182	0.91 262	0.91 233	0.92 292	0.92 275	0.92 279	0.92 265	0.91 283	0.93 273	0.91 288	0.92 276	0.90 273	0.91 274	0.92 280	0.92 263	0.91 261	0.91 279	0.92 284	0.93 256	0.93 281

pmcnn	0.92 260	0.92 187	0.92 264	0.92 236	0.92 292	0.92 275	0.92 279	0.92 265	0.92 287	0.92 271	0.92 291	0.92 276	0.92 275	0.92 276	0.92 280	0.92 263	0.92 263	0.92 281	0.92 284	0.92 255	0.92 280

Selective-RAFT	0.89 258	0.89 179	0.72 246	1.16 265	0.78 281	1.06 285	0.82 274	0.87 258	0.97 291	1.00 278	0.91 288	0.90 274	1.00 279	0.89 272	0.93 284	0.83 257	0.83 259	0.82 274	0.82 281	0.81 246	0.82 273

Selective-RAFT-Error	0.88 256	0.84 177	0.98 269	0.86 228	0.97 296	0.88 270	0.95 283	0.84 257	0.99 293	0.92 271	0.82 284	0.84 270	0.98 278	0.87 269	0.97 285	0.81 255	0.83 259	0.79 268	0.82 281	0.79 240	0.85 275

4D-IteraStereo	0.78 233	3.13 328	0.89 259	0.69 210	0.32 189	0.40 181	0.32 175	0.76 250	0.97 291	0.52 231	0.65 266	0.89 273	0.32 185	0.76 260	0.98 286	0.83 257	0.94 265	0.35 179	0.27 168	0.70 229	0.89 278

StereoIM	3.19 379	6.02 365	1.12 276	5.61 378	1.16 308	5.43 397	1.02 289	5.15 395	0.70 266	5.43 394	1.21 350	5.03 396	0.97 277	4.85 392	0.99 287	4.53 382	1.16 285	5.53 395	1.25 350	5.37 383	1.30 354

GANet	1.00 271	1.00 194	1.00 271	1.00 246	1.00 297	1.00 281	1.00 286	1.00 272	1.00 294	1.00 278	1.00 293	1.00 283	1.00 279	1.00 283	1.00 288	1.00 269	1.00 266	1.00 288	1.00 288	1.00 261	1.00 287

TDLM	1.00 271	1.00 194	1.00 271	1.00 246	1.00 297	1.00 281	1.00 286	1.00 272	1.00 294	1.00 278	1.00 293	1.00 283	1.00 279	1.00 283	1.00 288	1.00 269	1.00 266	1.00 288	1.00 288	1.00 261	1.00 287

CVANet_RVC	1.00 271	1.00 194	1.00 271	1.00 246	1.00 297	1.00 281	1.00 286	1.00 272	1.00 294	1.00 278	1.00 293	1.00 283	1.00 279	1.00 283	1.00 288	1.00 269	1.00 266	1.00 288	1.00 288	1.00 261	1.00 287

FC-DCNN	1.07 275	1.09 206	0.98 269	0.89 229	0.52 249	1.41 353	0.91 278	1.21 333	1.24 356	1.96 357	2.05 381	1.91 357	1.30 350	1.27 347	1.08 291	0.80 252	0.60 231	0.58 247	0.41 226	0.68 224	0.54 236

GLC_STEREO	1.07 275	1.01 199	1.06 274	1.07 251	1.05 301	1.06 285	1.08 291	1.08 276	1.05 298	1.07 283	1.06 296	1.08 287	1.05 285	1.06 287	1.10 292	1.07 273	1.09 276	1.05 292	1.05 291	1.06 264	1.12 295

IGEVStereo-DCA	1.77 343	4.21 349	1.84 363	2.49 354	2.11 380	2.54 372	1.36 356	1.65 348	1.17 305	2.75 373	1.90 375	2.54 372	1.15 290	0.94 277	1.11 293	1.50 344	1.32 337	0.96 284	1.46 363	1.49 335	0.88 276

rrr	1.77 343	4.21 349	1.84 363	2.49 354	2.11 380	2.54 372	1.36 356	1.65 348	1.17 305	2.75 373	1.90 375	2.54 372	1.15 290	0.94 277	1.11 293	1.50 344	1.32 337	0.96 284	1.46 363	1.49 335	0.88 276

NCC-stereo	2.36 360	25.52 403	1.17 281	1.15 260	1.17 309	1.11 293	1.11 292	1.15 279	1.16 301	1.10 285	1.16 300	1.10 291	1.15 290	1.14 295	1.13 295	1.09 274	1.11 280	1.15 295	1.16 298	1.17 276	1.17 301

Nwc_Net	2.37 363	25.95 405	1.15 280	1.14 258	1.15 304	1.08 288	1.14 295	1.17 282	1.16 301	1.14 292	1.15 297	1.08 287	1.15 290	1.11 293	1.14 296	1.10 276	1.11 280	1.16 296	1.09 293	1.16 271	1.15 300

TorneroNet	0.66 213	0.53 159	0.50 217	0.50 194	0.64 263	1.06 285	0.70 263	0.50 221	0.51 241	0.49 218	0.69 271	0.49 224	0.50 239	0.48 220	1.15 297	0.71 246	0.49 217	1.14 294	1.08 292	0.49 210	0.49 230

AF-Net	2.37 363	25.71 404	1.17 281	1.13 257	1.15 304	1.15 296	1.18 300	1.19 285	1.16 301	1.10 285	1.15 297	1.10 291	1.18 295	1.12 294	1.15 297	1.10 276	1.10 279	1.17 300	1.15 296	1.16 271	1.12 295

RP	2.33 358	25.00 401	1.13 277	1.15 260	1.15 304	1.10 290	1.15 296	1.15 279	1.15 300	1.12 290	1.15 297	1.09 289	1.13 287	1.10 291	1.15 297	1.11 281	1.09 276	1.16 296	1.12 294	1.16 271	1.17 301

edge stereo	2.43 366	27.07 408	1.14 278	1.06 250	1.14 303	1.08 288	1.17 299	1.16 281	1.14 299	1.10 285	1.16 300	1.09 289	1.16 294	1.10 291	1.16 300	1.10 276	1.11 280	1.16 296	1.19 300	1.13 267	1.11 293

Abc-Net	2.32 357	24.75 400	1.14 278	1.17 266	1.17 309	1.11 293	1.15 296	1.17 282	1.21 353	1.08 284	1.16 300	1.12 295	1.14 289	1.09 289	1.17 301	1.09 274	1.16 285	1.17 300	1.17 299	1.16 271	1.11 293
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RGC	2.36 360	25.48 402	1.19 284	1.15 260	1.15 304	1.10 290	1.16 298	1.17 282	1.16 301	1.12 290	1.16 300	1.11 294	1.13 287	1.09 289	1.18 302	1.10 276	1.15 284	1.16 296	1.12 294	1.14 268	1.12 295

stereogan	2.33 358	24.38 399	1.18 283	1.18 267	1.18 311	1.14 295	1.18 300	1.19 285	1.19 307	1.14 292	1.18 304	1.14 296	1.18 295	1.14 295	1.18 302	1.14 283	1.14 283	1.19 303	1.19 300	1.15 269	1.19 303

DisPM	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

CrosDoStereo	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

PFNet+	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

LCNet	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

HHNet	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

Patchmatch Stereo++	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304
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	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

STrans-v2	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

TransformOpticalFlow	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

OMP-Stereo	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

IIG-Stereo	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

NF-Stereo	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

OCTAStereo	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

PSM-softLoss	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

KMStereo	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

NRIStereo	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

PSM-adaLoss	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

PSM-AAD	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

FTStereo	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

ROB_FTStereo_v2	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

ROB_FTStereo	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

Consistency-Raft	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

KYRaft	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

HUI-Stereo	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

ASMatch	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

DeepStereo_LL	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

DEmStereo	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

SST-Stereo	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

THIR-Stereo	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

RAFT_R40	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

DRaft	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

PFNet	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

GrayStereo	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

RE-Stereo	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

Pruner-Stereo	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

TVStereo	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

DeepStereo_RVC	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

RAFT-RH_RVC	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

IRAFT_RVC	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

RAFT-345	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

iRAFT	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

CRE-IMP	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

GMM-Stereo	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

RAFT-IKP	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

Prome-Stereo	1.20 282	1.20 218	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

HBP-ISP	1.24 328	1.72 281	1.65 356	1.15 260	0.76 280	1.40 352	0.88 276	1.67 350	1.02 297	1.69 354	1.38 360	1.69 355	1.21 343	1.87 354	1.21 349	1.05 272	0.79 253	0.97 286	0.80 278	1.19 279	0.75 267

GANetREF_RVC	1.55 336	1.94 296	1.22 334	1.88 333	1.21 358	1.88 360	1.22 348	1.88 351	1.22 354	1.88 355	1.22 351	1.88 356	1.22 344	1.89 355	1.22 350	1.87 354	1.22 336	1.88 363	1.22 349	1.88 343	1.22 350
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
StereoVision	3.15 378	5.00 360	0.89 259	4.83 373	1.00 297	3.93 385	1.27 352	6.37 396	1.34 359	5.67 397	1.26 355	5.84 398	1.27 347	5.03 394	1.24 351	5.10 385	1.09 276	4.61 390	0.57 251	5.62 385	1.12 295

FAT-Stereo	2.46 367	26.05 406	1.23 336	1.23 316	1.22 359	1.20 298	1.24 350	1.23 336	1.23 355	1.19 294	1.22 351	1.21 345	1.24 345	1.20 299	1.24 351	1.21 331	1.17 287	1.22 350	1.25 350	1.20 280	1.24 352

S-Stereo	2.51 368	26.86 407	1.23 336	1.22 314	1.22 359	1.24 346	1.25 351	1.22 334	1.24 356	1.21 340	1.24 353	1.19 299	1.27 347	1.19 298	1.24 351	1.19 285	1.20 289	1.25 351	1.19 300	1.24 328	1.23 351

11t	1.27 330	2.70 318	1.34 340	1.32 319	0.89 287	1.30 348	1.34 354	1.64 347	0.57 249	1.45 347	0.72 276	1.05 286	1.29 349	1.07 288	1.29 354	1.49 343	1.02 269	0.97 286	1.15 296	1.48 334	1.31 355

SPS-STEREO	1.59 337	1.91 290	1.21 333	1.94 336	1.20 312	2.00 362	1.23 349	1.99 354	1.24 356	2.00 359	1.25 354	2.03 360	1.26 346	2.00 358	1.29 354	1.90 357	1.18 288	1.89 364	1.21 348	1.89 344	1.20 304
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MaskLacGwcNet_RVC	1.35 331	1.35 271	1.35 342	1.35 321	1.35 361	1.35 349	1.35 355	1.36 342	1.35 361	1.36 345	1.35 357	1.36 349	1.36 352	1.36 348	1.35 356	1.35 339	1.35 343	1.35 354	1.35 353	1.35 331	1.35 358

MC-Stereo	1.76 342	2.96 326	1.37 347	2.14 342	1.37 363	2.14 364	1.36 356	2.14 358	1.37 363	2.14 364	1.37 359	2.14 361	1.37 353	2.14 362	1.37 357	1.97 358	1.32 337	1.97 365	1.32 352	1.98 345	1.33 356

CC-Net-ROB	1.36 332	1.33 270	1.33 339	1.36 322	1.38 364	1.36 350	1.33 353	1.37 343	1.34 359	1.35 344	1.36 358	1.38 350	1.34 351	1.38 349	1.38 358	1.35 339	1.38 346	1.33 353	1.35 353	1.43 333	1.34 357

sCroCo_RVC	2.10 352	2.76 320	1.92 369	2.78 359	1.39 365	2.73 374	1.41 363	2.73 369	1.40 365	2.77 375	1.41 363	2.74 374	1.40 355	2.74 374	1.40 359	2.72 370	1.42 348	2.72 374	1.44 362	2.79 360	1.42 363

PS-NSSS	1.38 334	1.39 273	1.34 340	1.34 320	1.35 361	1.38 351	1.37 361	1.35 341	1.38 364	1.34 343	1.34 356	1.39 351	1.38 354	1.70 352	1.40 359	1.36 341	1.36 344	1.36 356	1.37 356	1.37 332	1.36 359

Anonymous	2.11 353	2.74 319	1.41 350	2.77 358	1.40 366	2.74 375	1.46 365	2.75 370	1.50 367	2.87 376	1.39 361	2.74 374	1.46 357	2.72 373	1.41 361	2.72 370	1.41 347	2.81 375	1.41 358	3.16 363	1.39 362

test_xeample3	1.10 277	1.81 286	0.61 228	0.84 227	0.49 244	0.77 261	0.66 256	0.92 265	1.40 365	0.68 250	0.46 230	0.78 262	0.54 244	1.72 353	1.48 362	1.34 338	1.52 351	1.35 354	1.67 369	1.33 330	1.55 365

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	1.57 363	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

DPSMNet_ROB	1.60 338	1.59 278	1.70 358	1.59 327	1.59 369	1.61 355	1.61 366	1.60 345	1.60 368	1.62 353	1.59 367	1.60 354	1.60 359	1.60 351	1.59 364	1.59 347	1.60 353	1.59 361	1.59 366	1.59 338	1.59 366

RAFT_CTSACE	1.92 347	3.71 338	1.72 360	1.88 333	1.72 373	2.04 363	1.42 364	2.18 359	1.89 379	2.02 360	1.97 377	1.95 358	2.06 367	1.93 356	1.62 365	1.76 350	1.66 357	2.02 366	1.73 375	1.73 340	1.43 364

Anonymous3	2.55 369	3.26 332	1.65 356	3.28 364	1.63 370	3.24 380	1.68 367	3.27 378	1.66 369	3.28 379	1.67 369	3.25 379	1.66 360	3.27 378	1.64 366	3.26 375	1.65 356	3.30 378	1.65 367	4.95 380	1.65 369

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	1.65 367	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	1.66 368	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

UDGNet	2.23 355	5.40 363	1.72 360	2.48 353	1.69 371	2.51 371	1.69 368	2.51 367	1.72 370	2.50 371	1.69 370	2.52 371	1.69 361	2.50 370	1.68 369	2.41 369	1.70 358	2.42 373	1.69 371	2.42 354	1.64 367

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	1.71 370	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

MFMNet_re	1.81 345	1.91 290	1.71 359	1.95 337	1.70 372	1.95 361	1.70 369	1.96 353	1.74 371	1.97 358	1.72 371	1.95 358	1.71 362	1.97 357	1.71 370	1.86 353	1.62 354	1.85 362	1.66 368	1.86 342	1.64 367

TRStereo	2.00 348	2.13 300	1.85 365	2.27 347	1.84 375	2.28 366	1.84 371	2.29 361	1.86 376	2.30 366	1.87 372	2.30 363	1.87 364	2.08 359	1.72 372	2.08 362	1.72 359	2.08 367	1.72 372	2.08 346	1.72 370

XX-Stereo	2.00 348	2.13 300	1.85 365	2.27 347	1.84 375	2.28 366	1.84 371	2.29 361	1.86 376	2.30 366	1.87 372	2.30 363	1.87 364	2.08 359	1.72 372	2.08 362	1.72 359	2.08 367	1.72 372	2.08 346	1.72 370

EAI-Stereo	2.00 348	2.13 300	1.85 365	2.27 347	1.84 375	2.28 366	1.84 371	2.29 361	1.86 376	2.30 366	1.87 372	2.30 363	1.87 364	2.08 359	1.72 372	2.08 362	1.72 359	2.08 367	1.72 372	2.08 346	1.72 370

FBW_ROB	2.12 354	2.46 310	1.77 362	2.49 354	1.79 374	2.38 370	1.83 370	2.46 366	1.78 372	2.48 370	1.97 377	2.40 370	1.78 363	2.42 369	1.83 375	2.31 366	1.85 364	2.38 372	1.82 376	2.35 353	1.84 374

RASNet	1.49 335	1.65 279	1.45 351	1.38 324	1.43 367	1.47 354	1.36 356	1.38 344	1.36 362	1.39 346	1.60 368	1.45 352	1.45 356	1.51 350	2.21 376	1.53 346	1.36 344	1.36 356	1.36 355	1.66 339	1.36 359

ff7	1.68 339	2.68 315	1.35 342	0.97 243	0.89 287	1.84 357	2.15 374	2.12 355	1.80 373	2.05 361	1.56 364	2.33 366	2.12 368	2.23 363	2.25 377	1.31 335	1.07 270	1.48 358	1.41 358	0.90 252	1.04 290

ffff	1.68 339	2.68 315	1.35 342	0.97 243	0.89 287	1.84 357	2.15 374	2.12 355	1.80 373	2.05 361	1.56 364	2.33 366	2.12 368	2.23 363	2.25 377	1.31 335	1.07 270	1.48 358	1.41 358	0.90 252	1.04 290

ccc-4	1.68 339	2.68 315	1.35 342	0.97 243	0.89 287	1.84 357	2.15 374	2.12 355	1.80 373	2.05 361	1.56 364	2.33 366	2.12 368	2.23 363	2.25 377	1.31 335	1.07 270	1.48 358	1.41 358	0.90 252	1.04 290

STTStereo	3.73 383	30.40 412	2.37 375	2.39 351	2.31 384	2.35 369	2.33 378	2.29 361	2.42 381	2.32 369	2.34 383	2.33 366	2.36 372	2.30 367	2.27 380	2.35 367	2.22 367	2.31 371	2.22 377	2.29 352	2.34 380

NCCL2	2.28 356	2.27 306	2.28 371	2.28 350	2.28 382	2.27 365	2.29 377	2.28 360	2.28 380	2.27 365	2.28 382	2.28 362	2.27 371	2.27 366	2.28 381	2.28 365	2.28 368	2.27 370	2.29 380	2.27 350	2.29 376

NLCA_NET_v2_RVC	5.04 396	50.87 419	2.78 377	2.87 360	2.71 385	2.78 376	0.47 230	2.88 374	2.86 385	1.89 356	2.67 384	2.79 376	2.79 376	2.78 375	2.83 382	2.82 372	2.82 371	2.83 376	2.77 383	2.83 361	2.76 384
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
RAFT+CT+SA	4.28 384	7.62 371	4.91 386	5.55 377	2.28 382	3.09 377	3.64 389	4.49 390	3.07 386	4.80 390	3.35 386	4.77 393	3.70 380	4.29 389	3.05 383	5.58 387	5.98 386	3.58 382	3.78 391	4.26 372	3.72 389

test_5	4.62 390	7.55 370	6.23 391	6.32 382	3.40 388	5.29 396	3.50 388	3.53 382	4.11 394	4.28 386	4.47 397	4.26 389	4.38 388	3.68 383	3.24 384	5.89 389	5.60 383	4.84 391	3.50 385	4.33 373	3.93 394

DispFullNet	4.61 389	4.84 357	3.12 379	5.00 375	3.57 389	4.75 394	3.03 385	7.75 402	4.17 395	4.91 392	3.09 385	6.20 399	3.95 384	6.71 398	3.51 385	5.30 386	3.67 374	5.86 399	3.63 386	5.61 384	3.46 386

DPSNet	3.66 382	3.60 335	3.62 383	3.63 367	3.64 390	3.65 384	3.65 390	3.66 383	3.67 388	3.67 381	3.65 389	3.67 382	3.66 379	3.66 382	3.68 386	3.68 378	3.66 373	3.67 383	3.68 389	3.67 365	3.67 388

TestStereo1	4.60 387	8.41 375	6.44 393	6.86 385	3.79 391	3.97 386	3.78 391	3.99 386	3.74 389	3.97 383	3.52 387	3.94 385	3.58 377	3.98 385	3.72 387	6.82 395	6.50 389	3.76 384	3.66 387	3.90 367	3.74 391

SA-5K	4.60 387	8.41 375	6.44 393	6.86 385	3.79 391	3.97 386	3.78 391	3.99 386	3.74 389	3.97 383	3.52 387	3.94 385	3.58 377	3.98 385	3.72 387	6.82 395	6.50 389	3.76 384	3.66 387	3.90 367	3.74 391

Sa-1000	4.34 386	8.37 374	6.84 395	6.98 387	4.45 397	3.58 382	3.00 384	3.42 381	3.39 387	2.61 372	4.00 393	3.83 384	4.01 386	3.90 384	3.90 389	5.98 391	5.62 384	3.76 384	2.34 381	4.35 374	2.47 383

cross-raft	4.83 392	7.52 369	6.43 392	6.63 383	3.96 393	4.51 391	3.99 394	4.49 390	3.96 393	4.52 389	3.96 392	4.50 390	3.97 385	4.50 391	3.97 390	6.65 393	6.44 388	4.33 387	3.92 393	4.35 374	3.91 393

SA	4.33 385	7.35 368	6.85 396	5.96 380	4.09 394	3.59 383	3.15 386	3.82 384	2.64 382	3.91 382	3.85 390	3.57 381	2.72 375	3.13 377	4.03 391	7.09 398	6.86 391	3.57 381	3.12 384	3.85 366	3.51 387

test_4	4.88 393	8.13 373	6.98 397	7.46 388	4.44 396	4.25 389	3.85 393	4.04 388	3.92 392	4.13 385	3.91 391	4.18 388	3.84 382	4.14 387	4.06 392	7.01 397	7.13 392	4.53 388	3.72 390	4.09 370	3.72 389

test_3	5.01 395	8.86 378	7.77 399	8.09 389	2.76 386	4.13 388	4.05 395	3.88 385	3.76 391	4.33 387	4.13 394	3.71 383	3.91 383	4.21 388	4.06 392	7.93 399	7.69 394	4.53 388	3.91 392	4.17 371	4.29 396

raft_robust	4.71 391	7.75 372	5.40 390	6.81 384	3.31 387	4.28 390	4.20 396	4.32 389	4.37 397	4.35 388	4.35 396	4.14 387	3.75 381	4.30 390	4.20 394	6.67 394	6.37 387	3.36 380	4.24 397	4.86 379	3.25 385

SGM-Forest	5.21 397	5.92 364	4.08 384	6.18 381	4.16 395	6.31 399	4.34 397	6.50 397	4.33 396	6.14 399	4.21 395	6.61 402	4.55 389	6.67 397	4.48 395	5.94 390	3.94 376	5.85 398	4.03 395	5.79 386	4.17 395
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
TestStereo	4.88 393	4.75 356	4.79 385	4.87 374	4.92 398	4.81 395	4.90 398	4.78 392	4.77 398	4.87 391	4.89 398	4.90 394	4.91 390	4.99 393	4.79 396	4.98 383	4.87 381	4.87 392	4.92 398	5.00 381	5.00 397

SGM+DAISY	7.06 400	9.15 379	5.38 389	8.84 392	5.18 399	8.80 403	5.31 399	8.79 403	5.28 400	8.89 403	5.20 399	8.93 403	5.33 391	8.95 403	5.36 397	8.70 401	5.21 382	8.74 403	5.20 399	8.89 397	5.15 398

sAnonymous2	3.31 380	2.63 313	1.38 348	3.71 368	1.86 378	4.70 392	1.11 292	4.82 393	2.72 383	5.45 395	1.98 379	4.59 391	2.64 373	2.65 371	6.21 398	4.37 379	1.08 274	5.16 393	2.24 378	4.52 376	2.39 381

CroCo_RVC	3.31 380	2.63 313	1.38 348	3.71 368	1.86 378	4.70 392	1.11 292	4.82 393	2.72 383	5.45 395	1.98 379	4.59 391	2.64 373	2.65 371	6.21 398	4.37 379	1.08 274	5.16 393	2.24 378	4.52 376	2.39 381

test-1	6.46 398	9.16 380	8.03 402	8.09 389	5.62 400	6.11 398	6.35 400	6.85 399	4.94 399	6.08 398	6.29 402	4.98 395	6.43 394	6.22 395	6.36 400	6.16 392	7.47 393	5.82 397	5.44 400	7.11 392	5.68 399

RAFT	6.73 399	9.36 381	7.40 398	8.51 391	6.55 401	6.88 400	6.60 401	6.79 398	6.60 401	6.80 400	6.72 403	5.31 397	5.50 392	6.61 396	6.61 401	8.42 400	5.89 385	5.73 396	5.45 401	6.61 388	6.24 400

test-v	7.53 401	11.89 389	7.98 400	9.36 394	7.14 402	7.06 401	7.09 402	7.37 400	6.91 402	7.29 401	5.71 400	6.45 400	6.93 395	6.73 399	7.27 402	8.93 402	7.85 395	6.98 400	6.80 402	7.56 393	7.34 402

test-2	7.53 401	11.89 389	7.98 400	9.36 394	7.14 402	7.06 401	7.09 402	7.37 400	6.91 402	7.29 401	5.71 400	6.45 400	6.93 395	6.73 399	7.27 402	8.93 402	7.85 395	6.98 400	6.80 402	7.56 393	7.34 402

MANE	19.05 404	23.00 398	15.00 404	23.00 410	15.00 404	24.00 410	16.00 404	24.00 410	16.00 404	22.00 410	15.00 404	23.00 410	16.00 404	23.00 410	15.00 404	22.00 410	15.00 404	22.00 410	15.00 404	22.00 410	15.00 404

rafts_anoy	20.00 405	20.00 392	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405

raft+_RVC	20.00 405	20.00 392	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405

raftrobust	20.00 405	20.00 392	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405

CasAABBNet	20.00 405	20.00 392	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405

RALCasStereoNet	20.00 405	20.00 392	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405

RALAANet	20.00 405	20.00 392	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405

WCMA_ROB	31.10 412	35.43 417	27.12 411	39.51 419	23.10 411	38.78 419	25.30 411	37.49 419	25.39 411	37.29 418	27.02 411	38.52 419	26.48 411	37.80 418	26.44 411	36.28 418	22.65 411	33.90 415	22.30 411	37.10 416	24.18 411

fff	1000028.16 427	29.62 409	29.72 412	32.61 411	30.02 412	35.13 413	31.83 413	32.07 412	10000000.00 427	35.27 414	29.82 413	32.45 412	30.15 412	32.35 412	30.09 412	31.04 412	29.55 413	30.64 412	30.14 412	10000000.00 427	30.77 413

csc	1000028.16 427	29.62 409	29.72 412	32.61 411	30.02 412	35.13 413	31.83 413	32.07 412	10000000.00 427	35.27 414	29.82 413	32.45 412	30.15 412	32.35 412	30.09 412	31.04 412	29.55 413	30.64 412	30.14 412	10000000.00 427	30.77 413

cscssc	1000028.16 427	29.62 409	29.72 412	32.61 411	30.02 412	35.13 413	31.83 413	32.07 412	10000000.00 427	35.27 414	29.82 413	32.45 412	30.15 412	32.35 412	30.09 412	31.04 412	29.55 413	30.64 412	30.14 412	10000000.00 427	30.77 413

111	30.40 411	30.94 413	29.72 412	32.61 411	30.02 412	33.57 411	30.47 412	31.50 411	29.39 412	30.98 411	29.11 412	29.78 411	30.39 415	29.45 411	30.76 415	30.08 411	29.02 412	29.92 411	30.32 415	29.86 411	30.17 412

tt	500032.53 425	34.60 415	29.72 412	37.47 417	34.41 417	36.85 417	35.22 417	34.71 415	33.55 414	34.50 412	35.43 416	33.81 415	10000000.00 428	33.57 415	33.13 416	33.68 415	35.00 417	34.03 416	35.26 418	30.96 412	34.63 417

DCANet	500032.53 425	34.60 415	29.72 412	37.47 417	34.41 417	36.85 417	35.22 417	34.71 415	33.55 414	34.50 412	35.43 416	33.81 415	10000000.00 428	33.57 415	33.13 416	33.68 415	35.00 417	34.03 416	35.26 418	30.96 412	34.63 417

DCANet-4	35.22 413	34.54 414	35.08 418	33.58 415	35.47 419	34.55 412	35.53 419	36.08 417	35.85 416	35.92 417	35.77 418	35.18 417	35.48 417	35.39 417	37.15 418	34.55 417	33.92 416	35.02 418	34.90 417	35.79 415	34.74 419

ADStereo(finetuned)	36.13 414	36.63 418	38.07 419	36.97 416	33.25 416	35.91 416	34.45 416	36.36 418	32.99 413	38.14 419	36.71 419	36.69 418	34.13 416	38.57 419	40.79 419	37.60 419	36.58 419	35.90 419	33.36 416	35.42 414	34.04 416

MDST_ROB	69.83 415	87.70 420	41.95 420	113.75 422	65.62 422	75.05 420	55.25 421	75.64 421	45.04 417	71.61 420	41.75 420	72.81 420	44.06 418	68.38 420	44.63 420	101.89 422	59.57 422	107.10 422	61.05 422	104.38 419	59.38 422

CBMV	128.50 417	1422.70 430	53.10 421	79.50 421	51.30 421	77.30 421	49.70 420	74.00 420	48.20 418	77.20 421	48.80 421	73.90 421	48.00 419	73.80 421	48.80 421	70.40 421	45.10 421	68.90 421	46.10 421	68.20 418	45.00 421
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NOSS_ROB	102.95 416	153.00 423	121.00 423	51.00 420	44.00 420	165.00 423	127.00 422	153.00 422	119.00 419	164.00 423	125.00 422	168.00 423	120.00 420	153.00 422	117.00 422	49.00 420	44.00 420	49.00 420	44.00 420	49.00 417	44.00 420

MeshStereo	159.24 418	171.00 424	160.68 425	162.58 423	160.59 423	164.01 422	160.35 423	158.51 423	158.56 420	158.34 422	160.12 423	158.56 422	159.92 421	157.26 423	158.94 423	154.38 423	158.36 423	155.75 423	159.13 423	153.67 420	154.07 423
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	201.80 419	123.00 421	115.00 422	219.00 424	218.00 425	223.00 424	244.00 425	217.00 424	236.00 422	202.00 424	203.00 424	205.00 424	208.00 422	225.00 424	204.00 424	210.00 424	198.00 424	197.00 424	184.00 424	204.00 421	201.00 424

DLCB_ROB	284.23 421	354.61 426	207.27 426	363.24 426	206.46 424	364.72 426	210.41 424	364.72 426	210.41 421	364.81 426	208.64 425	364.81 426	208.64 423	364.72 426	210.41 425	354.70 426	205.53 425	354.70 426	205.53 425	354.70 423	205.53 425

EGLCR-Stereo	246.90 420	129.00 422	139.00 424	266.00 425	286.00 426	277.00 425	305.00 426	271.00 425	242.00 423	274.00 425	279.00 426	255.00 425	270.00 424	268.00 425	297.00 426	230.00 425	247.00 426	216.00 425	223.00 426	237.00 422	227.00 426

LE_ROB	396.57 422	471.28 427	329.84 427	471.48 427	308.15 427	526.83 427	322.10 427	488.15 427	323.76 424	495.46 427	317.97 427	497.17 427	320.10 425	481.62 427	326.76 427	462.71 427	298.97 427	466.16 427	285.98 427	447.62 424	289.21 427

SGM-ForestM	596.69 423	677.77 428	444.52 428	699.85 428	517.25 428	732.94 428	488.29 428	770.79 428	460.11 425	750.81 428	487.98 428	792.79 428	499.41 426	730.90 428	475.81 428	720.03 428	491.16 428	663.96 428	418.60 428	674.76 425	436.05 428

CBMV_ROB	818.48 424	913.88 429	709.52 429	862.84 429	597.78 429	1073.99 429	700.52 429	1015.66 429	702.59 426	1115.65 429	760.02 429	1130.24 429	721.57 427	1037.41 429	692.65 429	814.05 429	564.29 429	843.28 429	595.31 429	915.51 426	602.92 429

SDNR	10000000.00 430	10000000.00 431	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 427	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 428	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 427	10000000.00 430

anonymousdsp2	10000000.00 430	10000000.00 431	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 427	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 428	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 427	10000000.00 430

anonymousdsp	10000000.00 430	10000000.00 431	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 427	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 428	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 427	10000000.00 430

test_example2	10000000.00 430	10000000.00 431	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 427	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 428	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 427	10000000.00 430

DIP-Stereo	10000000.00 430	10000000.00 431	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 427	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 428	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 427	10000000.00 430
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ASD4		0.20 81

Low-res two-view benchmark