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

EGLCR-Stereo	0.13 2	0.08 2	0.20 3	0.18 8	0.09 7	0.21 73	0.13 3	0.27 21	0.21 26	0.13 2	0.10 1	0.15 28	0.09 2	0.20 29	0.13 24	0.07 16	0.05 6	0.07 14	0.07 50	0.06 6	0.06 18

IGEVStereo-DCA	0.14 6	0.11 63	0.27 22	0.19 26	0.12 77	0.20 55	0.18 87	0.27 21	0.20 16	0.15 11	0.12 2	0.14 22	0.12 14	0.28 121	0.14 40	0.07 16	0.06 72	0.08 65	0.07 50	0.07 37	0.07 65

rrr	0.17 36	0.11 63	0.57 265	0.19 26	0.12 77	0.20 55	0.18 87	0.35 105	0.22 33	0.15 11	0.12 2	0.14 22	0.12 14	0.28 121	0.14 40	0.07 16	0.06 72	0.08 65	0.07 50	0.07 37	0.07 65

CroCo-Stereo	0.14 6	0.13 136	0.24 10	0.25 246	0.11 42	0.11 1	0.18 87	0.32 68	0.23 44	0.12 1	0.12 2	0.18 47	0.12 14	0.14 1	0.13 24	0.08 99	0.06 72	0.07 14	0.05 9	0.07 37	0.06 18
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
test_xeample3	0.16 28	0.11 63	0.56 261	0.19 26	0.12 77	0.20 55	0.18 87	0.35 105	0.20 16	0.16 24	0.12 2	0.13 11	0.12 14	0.24 58	0.15 51	0.07 16	0.06 72	0.07 14	0.08 110	0.07 37	0.07 65

MyStereo07	0.16 28	0.12 81	0.26 17	0.22 130	0.14 165	0.25 136	0.23 221	0.29 40	0.21 26	0.15 11	0.13 6	0.12 3	0.13 33	0.25 81	0.13 24	0.07 16	0.07 158	0.09 120	0.08 110	0.08 81	0.08 111

ff7	0.14 6	0.12 81	0.27 22	0.19 26	0.12 77	0.21 73	0.18 87	0.27 21	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 58	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.07 65

ffff	0.14 6	0.12 81	0.27 22	0.19 26	0.12 77	0.21 73	0.18 87	0.27 21	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 58	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.07 65

11t	0.14 6	0.12 81	0.27 22	0.19 26	0.12 77	0.21 73	0.18 87	0.27 21	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 58	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.07 65

anonymousdsp	0.14 6	0.12 81	0.27 22	0.19 26	0.12 77	0.21 73	0.18 87	0.28 33	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 58	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.08 81	0.07 65

ProNet	0.14 6	0.12 81	0.25 14	0.19 26	0.11 42	0.19 34	0.19 124	0.27 21	0.20 16	0.14 8	0.13 6	0.13 11	0.12 14	0.24 58	0.12 6	0.06 1	0.05 6	0.07 14	0.06 23	0.07 37	0.07 65

ccc-4	0.14 6	0.12 81	0.27 22	0.19 26	0.12 77	0.21 73	0.18 87	0.27 21	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 58	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.07 65

IGEV-Stereo	0.14 6	0.12 81	0.27 22	0.19 26	0.12 77	0.21 73	0.18 87	0.28 33	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 58	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.08 81	0.07 65
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
StereoIM	0.14 6	0.13 136	0.26 17	0.19 26	0.14 165	0.16 6	0.13 3	0.25 11	0.21 26	0.13 2	0.14 14	0.14 22	0.11 8	0.17 11	0.17 91	0.08 99	0.07 158	0.08 65	0.06 23	0.07 37	0.06 18

Selective-IGEV	0.12 1	0.09 9	0.22 6	0.19 26	0.10 20	0.15 4	0.14 13	0.27 21	0.15 2	0.13 2	0.14 14	0.13 11	0.08 1	0.21 40	0.12 6	0.06 1	0.05 6	0.07 14	0.06 23	0.06 6	0.05 1

CroCo-Stereo Lap2	0.15 21	0.15 190	0.28 30	0.25 246	0.18 264	0.11 1	0.19 124	0.28 33	0.21 26	0.13 2	0.16 16	0.15 28	0.12 14	0.17 11	0.14 40	0.07 16	0.07 158	0.08 65	0.06 23	0.08 81	0.07 65

test-3	0.16 28	0.09 9	0.31 55	0.21 87	0.11 42	0.18 13	0.16 38	0.30 54	0.27 74	0.26 85	0.16 16	0.22 75	0.12 14	0.26 94	0.18 105	0.06 1	0.04 1	0.08 65	0.08 110	0.06 6	0.06 18

test_1	0.16 28	0.09 9	0.31 55	0.21 87	0.11 42	0.18 13	0.16 38	0.30 54	0.27 74	0.25 76	0.16 16	0.22 75	0.12 14	0.26 94	0.18 105	0.06 1	0.04 1	0.08 65	0.08 110	0.06 6	0.06 18

Former-RAFT_DAM_RVC	0.17 36	0.13 136	0.24 10	0.19 26	0.13 131	0.24 125	0.17 59	0.30 54	0.37 175	0.43 301	0.17 19	0.13 11	0.12 14	0.19 25	0.15 51	0.08 99	0.07 158	0.09 120	0.07 50	0.09 142	0.08 111

AEACV	0.13 2	0.09 9	0.23 8	0.18 8	0.19 282	0.19 34	0.16 38	0.23 6	0.14 1	0.13 2	0.17 19	0.13 11	0.16 64	0.16 7	0.12 6	0.07 16	0.05 6	0.07 14	0.08 110	0.07 37	0.06 18

CES	0.14 6	0.08 2	0.19 1	0.17 5	0.22 319	0.18 13	0.16 38	0.23 6	0.19 7	0.14 8	0.17 19	0.14 22	0.10 4	0.18 19	0.12 6	0.07 16	0.05 6	0.06 1	0.04 1	0.08 81	0.18 321

Selective-RAFT	0.17 36	0.12 81	0.30 43	0.24 209	0.10 20	0.29 192	0.15 26	0.32 68	0.31 124	0.17 28	0.17 19	0.21 68	0.18 109	0.28 121	0.17 91	0.07 16	0.06 72	0.07 14	0.07 50	0.08 81	0.06 18

LoS	0.14 6	0.08 2	0.27 22	0.16 3	0.09 7	0.22 93	0.14 13	0.26 14	0.26 65	0.15 11	0.18 23	0.18 47	0.13 33	0.22 45	0.14 40	0.08 99	0.06 72	0.06 1	0.04 1	0.06 6	0.06 18

test_3	0.18 54	0.11 63	0.32 61	0.24 209	0.11 42	0.22 93	0.25 257	0.31 60	0.31 124	0.25 76	0.18 23	0.23 94	0.13 33	0.25 81	0.19 129	0.06 1	0.05 6	0.09 120	0.10 216	0.07 37	0.06 18

Anonymous	0.20 103	0.14 165	0.47 212	0.27 297	0.20 296	0.25 136	0.25 257	0.32 68	0.26 65	0.18 39	0.18 23	0.15 28	0.19 122	0.24 58	0.18 105	0.10 207	0.09 252	0.09 120	0.09 184	0.15 289	0.13 266

ACVNet-DCA	0.18 54	0.14 165	0.38 128	0.23 172	0.11 42	0.31 220	0.19 124	0.41 164	0.27 74	0.17 28	0.19 26	0.13 11	0.18 109	0.28 121	0.11 1	0.08 99	0.05 6	0.08 65	0.06 23	0.09 142	0.09 162

xx1	0.20 103	0.14 165	0.38 128	0.23 172	0.11 42	0.31 220	0.19 124	0.35 105	0.47 272	0.17 28	0.19 26	0.28 154	0.24 170	0.28 121	0.11 1	0.08 99	0.05 6	0.10 183	0.09 184	0.09 142	0.09 162

1test111	0.19 90	0.14 165	0.38 128	0.23 172	0.11 42	0.31 220	0.19 124	0.41 164	0.27 74	0.17 28	0.19 26	0.13 11	0.18 109	0.34 169	0.22 175	0.08 99	0.05 6	0.08 65	0.06 23	0.09 142	0.09 162

cc1	0.18 54	0.14 165	0.38 128	0.23 172	0.11 42	0.31 220	0.19 124	0.35 105	0.47 272	0.17 28	0.19 26	0.13 11	0.18 109	0.28 121	0.11 1	0.08 99	0.05 6	0.08 65	0.06 23	0.08 81	0.08 111

tt1	0.18 54	0.14 165	0.35 87	0.23 172	0.11 42	0.30 209	0.19 124	0.35 105	0.44 241	0.17 28	0.19 26	0.13 11	0.16 64	0.27 109	0.11 1	0.08 99	0.05 6	0.08 65	0.06 23	0.08 81	0.08 111

LoS_RVC	0.13 2	0.10 24	0.19 1	0.18 8	0.16 229	0.20 55	0.18 87	0.20 2	0.17 3	0.13 2	0.19 26	0.12 3	0.15 50	0.17 11	0.13 24	0.06 1	0.05 6	0.06 1	0.04 1	0.05 1	0.12 254

CAS	0.15 21	0.07 1	0.21 4	0.41 367	0.16 229	0.20 55	0.18 87	0.22 3	0.19 7	0.15 11	0.19 26	0.11 2	0.09 2	0.14 1	0.13 24	0.29 371	0.04 1	0.06 1	0.04 1	0.06 6	0.14 283

TRStereo	0.19 90	0.17 224	0.47 212	0.23 172	0.19 282	0.19 34	0.16 38	0.52 262	0.28 87	0.20 41	0.19 26	0.21 68	0.13 33	0.24 58	0.13 24	0.09 165	0.06 72	0.09 120	0.11 249	0.06 6	0.06 18

sAnonymous2	0.20 103	0.21 272	0.58 269	0.24 209	0.17 245	0.22 93	0.19 124	0.34 88	0.28 87	0.17 28	0.19 26	0.17 40	0.16 64	0.17 11	0.14 40	0.10 207	0.07 158	0.09 120	0.08 110	0.23 347	0.17 307

CroCo_RVC	0.20 103	0.21 272	0.58 269	0.24 209	0.17 245	0.22 93	0.19 124	0.34 88	0.28 87	0.17 28	0.19 26	0.17 40	0.16 64	0.17 11	0.14 40	0.10 207	0.07 158	0.09 120	0.08 110	0.23 347	0.17 307

MIF-Stereo	0.14 6	0.10 24	0.30 43	0.21 87	0.13 131	0.17 9	0.13 3	0.19 1	0.18 5	0.15 11	0.20 36	0.10 1	0.11 8	0.18 19	0.16 68	0.08 99	0.06 72	0.07 14	0.06 23	0.08 81	0.06 18

EKT-Stereo	0.38 309	0.12 81	0.38 128	0.42 368	3.88 416	0.21 73	0.17 59	0.35 105	0.28 87	0.20 41	0.20 36	0.23 94	0.15 50	0.28 121	0.16 68	0.09 165	0.07 158	0.09 120	0.07 50	0.09 142	0.09 162

CASnet	0.14 6	0.12 81	0.22 6	0.22 130	0.08 2	0.16 6	0.15 26	0.27 21	0.25 58	0.22 54	0.20 36	0.15 28	0.11 8	0.17 11	0.13 24	0.07 16	0.05 6	0.11 230	0.09 184	0.08 81	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo2	0.18 54	0.18 236	0.39 139	0.22 130	0.12 77	0.24 125	0.13 3	0.31 60	0.23 44	0.24 70	0.20 36	0.24 105	0.12 14	0.26 94	0.15 51	0.06 1	0.06 72	0.12 263	0.09 184	0.08 81	0.07 65

4D-IteraStereo	0.17 36	0.16 208	0.50 236	0.21 87	0.14 165	0.19 34	0.17 59	0.28 33	0.28 87	0.23 57	0.20 36	0.20 60	0.11 8	0.19 25	0.14 40	0.06 1	0.04 1	0.10 183	0.08 110	0.08 81	0.06 18

GLC_STEREO	0.15 21	0.10 24	0.24 10	0.21 87	0.09 7	0.17 9	0.15 26	0.23 6	0.27 74	0.17 28	0.20 36	0.17 40	0.11 8	0.23 52	0.16 68	0.07 16	0.09 252	0.09 120	0.08 110	0.07 37	0.06 18

AnonymousM	0.17 36	0.19 251	0.24 10	0.18 8	0.10 20	0.18 13	0.17 59	0.30 54	0.23 44	0.26 85	0.20 36	0.18 47	0.14 43	0.19 25	0.14 40	0.09 165	0.06 72	0.38 374	0.15 318	0.06 6	0.05 1

raftrobust	0.16 28	0.13 136	0.29 37	0.22 130	0.15 206	0.19 34	0.13 3	0.32 68	0.26 65	0.26 85	0.20 36	0.19 58	0.17 87	0.21 40	0.15 51	0.08 99	0.06 72	0.07 14	0.06 23	0.06 6	0.07 65

iRaft-Stereo_20w	0.19 90	0.10 24	0.46 205	0.19 26	0.13 131	0.25 136	0.19 124	0.52 262	0.19 7	0.29 123	0.21 44	0.22 75	0.20 130	0.28 121	0.18 105	0.07 16	0.06 72	0.07 14	0.08 110	0.08 81	0.08 111

CFNet-RSSM	0.17 36	0.10 24	0.40 144	0.20 58	0.11 42	0.20 55	0.15 26	0.36 124	0.30 114	0.23 57	0.21 44	0.26 131	0.15 50	0.20 29	0.13 24	0.07 16	0.05 6	0.07 14	0.07 50	0.06 6	0.05 1

CREStereo	0.13 2	0.08 2	0.21 4	0.14 1	0.08 2	0.22 93	0.15 26	0.25 11	0.24 54	0.16 24	0.21 44	0.14 22	0.13 33	0.18 19	0.13 24	0.09 165	0.05 6	0.06 1	0.04 1	0.07 37	0.06 18
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.15 21	0.08 2	0.23 8	0.15 2	0.09 7	0.23 110	0.16 38	0.25 11	0.23 44	0.17 28	0.21 44	0.16 35	0.14 43	0.22 45	0.13 24	0.29 371	0.05 6	0.06 1	0.04 1	0.07 37	0.06 18

IGEV_Zeroshot_test	0.18 54	0.10 24	0.65 294	0.20 58	0.12 77	0.19 34	0.15 26	0.34 88	0.19 7	0.28 98	0.22 48	0.27 139	0.13 33	0.23 52	0.18 105	0.07 16	0.06 72	0.08 65	0.08 110	0.07 37	0.06 18

sCroCo_RVC	0.18 54	0.14 165	0.49 226	0.27 297	0.18 264	0.22 93	0.17 59	0.27 21	0.23 44	0.14 8	0.22 48	0.17 40	0.14 43	0.21 40	0.15 51	0.10 207	0.11 287	0.09 120	0.09 184	0.09 142	0.09 162

MyStereo05	0.23 160	0.12 81	0.57 265	0.21 87	0.14 165	0.25 136	0.23 221	0.48 225	0.52 307	0.31 168	0.23 50	0.25 112	0.22 146	0.30 146	0.21 161	0.07 16	0.07 158	0.09 120	0.08 110	0.08 81	0.08 111

MyStereo04	0.23 160	0.12 81	0.55 257	0.22 130	0.14 165	0.25 136	0.23 221	0.49 231	0.52 307	0.28 98	0.23 50	0.27 139	0.23 155	0.30 146	0.22 175	0.07 16	0.07 158	0.09 120	0.08 110	0.08 81	0.08 111

11t1	0.18 54	0.10 24	0.30 43	0.20 58	0.11 42	0.27 160	0.17 59	0.35 105	0.23 44	0.25 76	0.23 50	0.23 94	0.23 155	0.25 81	0.18 105	0.09 165	0.07 158	0.07 14	0.06 23	0.09 142	0.09 162

DLNR_Zeroshot_test	10.44 419	12.10 427	19.93 427	106.08 439	23.66 436	0.14 3	0.13 3	3.22 414	0.17 3	0.16 24	0.23 50	0.16 35	0.10 4	0.31 151	0.15 51	2.36 414	0.06 72	0.07 14	0.07 50	39.70 437	0.06 18

anonymousdsp2	0.17 36	0.10 24	0.28 30	0.20 58	0.11 42	0.25 136	0.17 59	0.41 164	0.31 124	0.23 57	0.23 50	0.22 75	0.15 50	0.25 81	0.15 51	0.07 16	0.05 6	0.07 14	0.05 9	0.08 81	0.07 65

riskmin	0.18 54	0.09 9	0.34 79	0.18 8	0.12 77	0.24 125	0.16 38	0.34 88	0.28 87	0.21 50	0.23 50	0.33 194	0.24 170	0.23 52	0.17 91	0.09 165	0.06 72	0.09 120	0.06 23	0.10 190	0.10 207

MC-Stereo	0.14 6	0.09 9	0.25 14	0.21 87	0.09 7	0.18 13	0.16 38	0.23 6	0.19 7	0.18 39	0.23 50	0.16 35	0.13 33	0.22 45	0.13 24	0.07 16	0.05 6	0.07 14	0.07 50	0.06 6	0.05 1

MIPNet	0.21 117	0.15 190	0.52 246	0.21 87	0.12 77	0.27 160	0.20 162	0.45 198	0.37 175	0.30 151	0.23 50	0.19 58	0.24 170	0.27 109	0.19 129	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.06 18

GMStereo	0.19 90	0.25 298	0.40 144	0.21 87	0.12 77	0.22 93	0.19 124	0.29 40	0.40 207	0.25 76	0.23 50	0.16 35	0.15 50	0.25 81	0.19 129	0.09 165	0.06 72	0.08 65	0.08 110	0.10 190	0.08 111
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
Gwc-CoAtRS	0.17 36	0.10 24	0.37 109	0.20 58	0.12 77	0.19 34	0.15 26	0.32 68	0.28 87	0.23 57	0.23 50	0.27 139	0.15 50	0.20 29	0.13 24	0.07 16	0.05 6	0.07 14	0.07 50	0.06 6	0.06 18

MyStereo06	0.20 103	0.12 81	0.57 265	0.21 87	0.14 165	0.25 136	0.23 221	0.40 154	0.21 26	0.30 151	0.24 60	0.31 179	0.18 109	0.22 45	0.18 105	0.07 16	0.07 158	0.09 120	0.08 110	0.08 81	0.08 111

MSKI-zero shot	0.17 36	0.09 9	0.43 183	0.20 58	0.11 42	0.21 73	0.15 26	0.32 68	0.21 26	0.23 57	0.24 60	0.23 94	0.10 4	0.31 151	0.13 24	0.07 16	0.06 72	0.07 14	0.06 23	0.06 6	0.06 18

HH	0.18 54	0.12 81	0.55 257	0.22 130	0.12 77	0.18 13	0.18 87	0.34 88	0.19 7	0.20 41	0.24 60	0.34 200	0.18 109	0.29 134	0.12 6	0.07 16	0.05 6	0.07 14	0.07 50	0.07 37	0.06 18

HanStereo	0.18 54	0.12 81	0.55 257	0.22 130	0.12 77	0.18 13	0.18 87	0.34 88	0.19 7	0.20 41	0.24 60	0.34 200	0.18 109	0.29 134	0.12 6	0.07 16	0.05 6	0.07 14	0.07 50	0.07 37	0.06 18

test-1	0.17 36	0.11 63	0.40 144	0.23 172	0.13 131	0.22 93	0.23 221	0.34 88	0.26 65	0.20 41	0.24 60	0.22 75	0.14 43	0.16 7	0.20 140	0.07 16	0.06 72	0.08 65	0.07 50	0.06 6	0.08 111

AE-Stereo	0.17 36	0.11 63	0.31 55	0.24 209	0.14 165	0.23 110	0.18 87	0.34 88	0.29 105	0.15 11	0.25 65	0.21 68	0.13 33	0.20 29	0.14 40	0.07 16	0.08 224	0.09 120	0.10 216	0.07 37	0.06 18

RCA-Stereo	0.16 28	0.09 9	0.25 14	0.20 58	0.10 20	0.19 34	0.17 59	0.36 124	0.35 156	0.20 41	0.25 65	0.17 40	0.17 87	0.18 19	0.14 40	0.07 16	0.05 6	0.07 14	0.06 23	0.06 6	0.05 1

NRIStereo	0.18 54	0.11 63	0.35 87	0.23 172	0.11 42	0.24 125	0.20 162	0.29 40	0.26 65	0.26 85	0.25 65	0.25 112	0.18 109	0.34 169	0.18 105	0.07 16	0.06 72	0.09 120	0.07 50	0.09 142	0.08 111

rafts_anoy	0.18 54	0.15 190	0.35 87	0.22 130	0.14 165	0.19 34	0.17 59	0.32 68	0.30 114	0.23 57	0.25 65	0.20 60	0.16 64	0.22 45	0.19 129	0.08 99	0.07 158	0.10 183	0.12 281	0.09 142	0.08 111

iRaftStereo_RVC	0.16 28	0.12 81	0.26 17	0.21 87	0.11 42	0.20 55	0.17 59	0.32 68	0.23 44	0.20 41	0.25 65	0.18 47	0.12 14	0.20 29	0.15 51	0.07 16	0.05 6	0.09 120	0.09 184	0.08 81	0.07 65

s12784h	0.17 36	0.09 9	0.26 17	0.18 8	0.07 1	0.32 228	0.19 124	0.37 130	0.32 132	0.23 57	0.25 65	0.18 47	0.17 87	0.25 81	0.16 68	0.07 16	0.05 6	0.07 14	0.05 9	0.06 6	0.05 1

test croco	0.17 36	0.13 136	0.43 183	0.21 87	0.13 131	0.16 6	0.17 59	0.27 21	0.22 33	0.16 24	0.26 71	0.13 11	0.16 64	0.27 109	0.16 68	0.08 99	0.06 72	0.10 183	0.07 50	0.10 190	0.07 65

MIF-Stereo (partial)	0.16 28	0.10 24	0.34 79	0.21 87	0.15 206	0.15 4	0.13 3	0.28 33	0.25 58	0.17 28	0.26 71	0.15 28	0.16 64	0.25 81	0.17 91	0.09 165	0.06 72	0.10 183	0.08 110	0.09 142	0.08 111

CRE-IMP	0.18 54	0.12 81	0.37 109	0.22 130	0.11 42	0.24 125	0.17 59	0.29 40	0.21 26	0.27 89	0.26 71	0.24 105	0.17 87	0.23 52	0.18 105	0.08 99	0.05 6	0.10 183	0.07 50	0.10 190	0.10 207

XX-TBD	0.15 21	0.18 236	0.28 30	0.22 130	0.10 20	0.22 93	0.15 26	0.22 3	0.27 74	0.22 54	0.26 71	0.14 22	0.12 14	0.16 7	0.13 24	0.08 99	0.05 6	0.06 1	0.04 1	0.07 37	0.06 18

RALAANet	0.19 90	0.18 236	0.37 109	0.23 172	0.14 165	0.23 110	0.13 3	0.37 130	0.29 105	0.28 98	0.26 71	0.25 112	0.15 50	0.26 94	0.18 105	0.08 99	0.06 72	0.09 120	0.08 110	0.09 142	0.06 18

Any-RAFT	0.17 36	0.08 2	0.31 55	0.19 26	0.10 20	0.29 192	0.16 38	0.42 176	0.30 114	0.24 70	0.27 76	0.27 139	0.16 64	0.21 40	0.12 6	0.08 99	0.05 6	0.06 1	0.05 9	0.07 37	0.06 18

IPLGR	0.21 117	0.13 136	0.61 278	0.21 87	0.11 42	0.25 136	0.18 87	0.41 164	0.37 175	0.28 98	0.27 76	0.21 68	0.19 122	0.37 184	0.18 105	0.07 16	0.06 72	0.08 65	0.07 50	0.07 37	0.06 18

DeepStereo_RVC	0.18 54	0.11 63	0.40 144	0.21 87	0.11 42	0.19 34	0.16 38	0.28 33	0.22 33	0.27 89	0.27 76	0.23 94	0.28 224	0.24 58	0.18 105	0.08 99	0.06 72	0.09 120	0.07 50	0.09 142	0.10 207

Anonymous3	0.23 160	0.18 236	0.63 288	0.27 297	0.18 264	0.41 291	0.23 221	0.43 186	0.35 156	0.23 57	0.27 76	0.20 60	0.18 109	0.27 109	0.18 105	0.12 261	0.11 287	0.10 183	0.10 216	0.11 226	0.12 254

knoymous	0.17 36	0.09 9	0.32 61	0.17 5	0.11 42	0.21 73	0.17 59	0.32 68	0.23 44	0.23 57	0.28 80	0.27 139	0.16 64	0.23 52	0.16 68	0.09 165	0.06 72	0.09 120	0.06 23	0.09 142	0.09 162

qqq	0.20 103	0.12 81	0.31 55	0.20 58	0.11 42	0.23 110	0.19 124	0.41 164	0.27 74	0.24 70	0.28 80	0.28 154	0.24 170	0.34 169	0.22 175	0.08 99	0.07 158	0.10 183	0.09 184	0.09 142	0.09 162

UDGNet	0.23 160	0.31 337	0.38 128	0.24 209	0.14 165	0.24 125	0.18 87	0.32 68	0.43 227	0.29 123	0.28 80	0.24 105	0.19 122	0.29 134	0.20 140	0.15 311	0.07 158	0.21 348	0.11 249	0.14 277	0.10 207

dd	0.22 143	0.26 309	0.40 144	0.22 130	0.12 77	0.25 136	0.21 185	0.32 68	0.44 241	0.29 123	0.28 80	0.25 112	0.16 64	0.30 146	0.25 207	0.12 261	0.07 158	0.10 183	0.08 110	0.11 226	0.09 162

ROB_FTStereo	0.18 54	0.12 81	0.37 109	0.22 130	0.10 20	0.18 13	0.14 13	0.29 40	0.22 33	0.28 98	0.28 80	0.25 112	0.17 87	0.24 58	0.16 68	0.08 99	0.06 72	0.10 183	0.08 110	0.10 190	0.08 111

HUI-Stereo	0.18 54	0.12 81	0.37 109	0.22 130	0.10 20	0.18 13	0.14 13	0.29 40	0.22 33	0.28 98	0.28 80	0.25 112	0.17 87	0.22 45	0.16 68	0.08 99	0.06 72	0.10 183	0.08 110	0.10 190	0.08 111

cross-raft	0.17 36	0.12 81	0.41 166	0.23 172	0.10 20	0.20 55	0.24 243	0.33 82	0.23 44	0.23 57	0.28 80	0.29 161	0.15 50	0.17 11	0.15 51	0.06 1	0.05 6	0.07 14	0.07 50	0.06 6	0.05 1

raft+_RVC	0.18 54	0.14 165	0.32 61	0.21 87	0.15 206	0.21 73	0.16 38	0.38 136	0.34 150	0.21 50	0.28 80	0.20 60	0.15 50	0.24 58	0.19 129	0.08 99	0.06 72	0.08 65	0.07 50	0.07 37	0.08 111

ARAFT	0.24 183	0.21 272	0.78 318	0.22 130	0.12 77	0.29 192	0.24 243	0.43 186	0.32 132	0.33 195	0.28 80	0.28 154	0.19 122	0.49 217	0.18 105	0.07 16	0.06 72	0.12 263	0.11 249	0.09 142	0.06 18

RAFT-Test	0.17 36	0.10 24	0.38 128	0.19 26	0.12 77	0.25 136	0.17 59	0.33 82	0.23 44	0.23 57	0.29 89	0.27 139	0.14 43	0.20 29	0.14 40	0.07 16	0.06 72	0.07 14	0.07 50	0.06 6	0.06 18

x	0.19 90	0.11 63	0.29 37	0.20 58	0.11 42	0.26 153	0.18 87	0.41 164	0.29 105	0.25 76	0.29 89	0.28 154	0.24 170	0.26 94	0.23 189	0.09 165	0.07 158	0.08 65	0.07 50	0.09 142	0.08 111

GwcNet-ADL	0.22 143	0.14 165	0.58 269	0.24 209	0.13 131	0.22 93	0.23 221	0.49 231	0.40 207	0.27 89	0.29 89	0.30 171	0.20 130	0.26 94	0.23 189	0.09 165	0.07 158	0.07 14	0.07 50	0.09 142	0.09 162

Patchmatch Stereo++	0.18 54	0.12 81	0.37 109	0.22 130	0.10 20	0.18 13	0.14 13	0.29 40	0.22 33	0.28 98	0.29 89	0.25 112	0.17 87	0.26 94	0.16 68	0.08 99	0.06 72	0.10 183	0.08 110	0.10 190	0.08 111
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.18 54	0.12 81	0.37 109	0.22 130	0.10 20	0.18 13	0.16 38	0.29 40	0.22 33	0.28 98	0.29 89	0.25 112	0.18 109	0.24 58	0.16 68	0.08 99	0.06 72	0.10 183	0.08 110	0.10 190	0.08 111

ROB_FTStereo_v2	0.18 54	0.12 81	0.37 109	0.22 130	0.10 20	0.18 13	0.16 38	0.29 40	0.22 33	0.28 98	0.29 89	0.25 112	0.17 87	0.24 58	0.16 68	0.08 99	0.06 72	0.10 183	0.08 110	0.10 190	0.08 111

iGMRVC	0.18 54	0.12 81	0.37 109	0.22 130	0.10 20	0.18 13	0.15 26	0.29 40	0.22 33	0.28 98	0.29 89	0.25 112	0.17 87	0.27 109	0.17 91	0.08 99	0.06 72	0.10 183	0.08 110	0.10 190	0.08 111

iRAFT	0.18 54	0.12 81	0.37 109	0.22 130	0.10 20	0.18 13	0.14 13	0.29 40	0.22 33	0.28 98	0.29 89	0.25 112	0.17 87	0.26 94	0.16 68	0.08 99	0.06 72	0.10 183	0.08 110	0.10 190	0.08 111

RAFT-IKP	0.18 54	0.12 81	0.37 109	0.22 130	0.10 20	0.18 13	0.15 26	0.29 40	0.22 33	0.28 98	0.29 89	0.25 112	0.18 109	0.25 81	0.16 68	0.08 99	0.06 72	0.10 183	0.08 110	0.10 190	0.08 111

RALCasStereoNet	0.18 54	0.15 190	0.33 74	0.21 87	0.14 165	0.21 73	0.18 87	0.31 60	0.25 58	0.21 50	0.29 89	0.22 75	0.15 50	0.27 109	0.17 91	0.08 99	0.10 270	0.07 14	0.06 23	0.09 142	0.09 162

111	0.20 103	0.17 224	0.40 144	0.18 8	0.09 7	0.24 125	0.17 59	0.41 164	0.45 253	0.23 57	0.29 89	0.29 161	0.21 135	0.24 58	0.18 105	0.07 16	0.05 6	0.07 14	0.06 23	0.07 37	0.08 111

Anonymous_2	0.37 303	0.21 272	0.47 212	0.20 58	0.21 304	0.42 298	0.26 268	0.38 136	0.29 105	0.33 195	0.30 100	0.44 275	0.38 294	0.36 182	0.29 235	0.26 360	0.29 378	0.44 378	1.41 412	0.34 371	0.21 345

DCANet-4	0.19 90	0.10 24	0.52 246	0.19 26	0.09 7	0.19 34	0.18 87	0.36 124	0.39 194	0.29 123	0.30 100	0.17 40	0.22 146	0.20 29	0.18 105	0.07 16	0.05 6	0.07 14	0.05 9	0.05 1	0.07 65

fff	0.19 90	0.13 136	0.40 144	0.18 8	0.09 7	0.19 34	0.18 87	0.35 105	0.43 227	0.29 123	0.30 100	0.18 47	0.28 224	0.20 29	0.18 105	0.07 16	0.05 6	0.07 14	0.05 9	0.05 1	0.07 65

OMP-Stereo	0.23 160	0.14 165	0.35 87	0.29 317	0.13 131	0.21 73	0.16 38	0.37 130	0.33 143	0.34 211	0.30 100	0.34 200	0.19 122	0.70 301	0.24 198	0.07 16	0.06 72	0.09 120	0.07 50	0.07 37	0.06 18

NF-Stereo	0.20 103	0.10 24	0.35 87	0.24 209	0.12 77	0.21 73	0.18 87	0.38 136	0.32 132	0.28 98	0.30 100	0.22 75	0.16 64	0.51 224	0.20 140	0.08 99	0.06 72	0.09 120	0.08 110	0.08 81	0.13 266

OCTAStereo	0.20 103	0.10 24	0.35 87	0.24 209	0.12 77	0.21 73	0.18 87	0.38 136	0.32 132	0.28 98	0.30 100	0.22 75	0.16 64	0.51 224	0.20 140	0.08 99	0.06 72	0.09 120	0.08 110	0.08 81	0.13 266

RE-Stereo	0.20 103	0.10 24	0.35 87	0.24 209	0.12 77	0.21 73	0.18 87	0.38 136	0.32 132	0.28 98	0.30 100	0.22 75	0.16 64	0.51 224	0.20 140	0.08 99	0.06 72	0.09 120	0.08 110	0.08 81	0.13 266

TVStereo	0.20 103	0.10 24	0.35 87	0.24 209	0.12 77	0.21 73	0.18 87	0.38 136	0.32 132	0.28 98	0.30 100	0.22 75	0.16 64	0.51 224	0.20 140	0.08 99	0.06 72	0.09 120	0.08 110	0.08 81	0.13 266

IRAFT_RVC	0.22 143	0.12 81	0.39 139	0.26 274	0.11 42	0.18 13	0.24 243	0.40 154	0.37 175	0.31 168	0.30 100	0.29 161	0.24 170	0.55 240	0.22 175	0.08 99	0.06 72	0.10 183	0.08 110	0.08 81	0.07 65

CREStereo++_RVC	0.15 21	0.08 2	0.26 17	0.17 5	0.11 42	0.18 13	0.13 3	0.22 3	0.30 114	0.21 50	0.30 100	0.13 11	0.11 8	0.16 7	0.15 51	0.07 16	0.04 1	0.06 1	0.15 318	0.06 6	0.05 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
TANstereo	0.15 21	0.09 9	0.28 30	0.16 3	0.08 2	0.25 136	0.14 13	0.23 6	0.28 87	0.24 70	0.30 100	0.16 35	0.12 14	0.17 11	0.13 24	0.08 99	0.07 158	0.06 1	0.05 9	0.06 6	0.07 65

csc	0.19 90	0.13 136	0.40 144	0.18 8	0.09 7	0.19 34	0.18 87	0.35 105	0.43 227	0.29 123	0.30 100	0.18 47	0.28 224	0.20 29	0.18 105	0.07 16	0.05 6	0.07 14	0.05 9	0.05 1	0.07 65

cscssc	0.19 90	0.13 136	0.40 144	0.18 8	0.09 7	0.19 34	0.18 87	0.35 105	0.43 227	0.29 123	0.30 100	0.18 47	0.28 224	0.20 29	0.18 105	0.07 16	0.05 6	0.07 14	0.05 9	0.05 1	0.07 65

RAFT + AFF	0.27 222	0.23 291	0.50 236	0.25 246	0.17 245	0.30 209	0.33 319	0.52 262	0.40 207	0.28 98	0.30 100	0.30 171	0.31 257	0.62 276	0.24 198	0.09 165	0.10 270	0.11 230	0.10 216	0.11 226	0.11 232

ADStereo(finetuned)	0.19 90	0.13 136	0.49 226	0.19 26	0.09 7	0.19 34	0.18 87	0.34 88	0.39 194	0.29 123	0.31 114	0.18 47	0.31 257	0.21 40	0.19 129	0.07 16	0.05 6	0.07 14	0.05 9	0.06 6	0.07 65

DCANet	0.18 54	0.13 136	0.40 144	0.19 26	0.09 7	0.19 34	0.18 87	0.34 88	0.39 194	0.29 123	0.31 114	0.18 47	0.23 155	0.20 29	0.19 129	0.07 16	0.05 6	0.07 14	0.05 9	0.06 6	0.07 65

FENet	0.21 117	0.11 63	0.45 199	0.21 87	0.12 77	0.26 153	0.17 59	0.41 164	0.35 156	0.30 151	0.31 114	0.29 161	0.23 155	0.26 94	0.23 189	0.09 165	0.06 72	0.09 120	0.09 184	0.09 142	0.09 162

LL-Strereo	0.29 249	0.25 298	0.58 269	0.25 246	0.21 304	0.23 110	0.24 243	0.55 290	0.42 222	0.34 211	0.32 117	0.41 255	0.40 302	0.94 362	0.23 189	0.08 99	0.07 158	0.11 230	0.09 184	0.09 142	0.09 162

raft_robust	0.22 143	0.17 224	0.30 43	0.22 130	0.12 77	0.23 110	0.22 201	0.49 231	0.48 281	0.32 186	0.32 117	0.26 131	0.23 155	0.53 235	0.15 51	0.07 16	0.06 72	0.08 65	0.10 216	0.08 81	0.06 18

IPLG	0.21 117	0.15 190	0.53 249	0.21 87	0.12 77	0.28 173	0.17 59	0.42 176	0.30 114	0.33 195	0.32 117	0.15 28	0.17 87	0.50 219	0.21 161	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.06 18

IPLGR_C	0.21 117	0.22 284	0.60 275	0.23 172	0.15 206	0.24 125	0.20 162	0.35 105	0.29 105	0.31 168	0.32 117	0.22 75	0.15 50	0.25 81	0.20 140	0.08 99	0.07 158	0.07 14	0.07 50	0.08 81	0.08 111

GMOStereo	0.18 54	0.14 165	0.30 43	0.22 130	0.12 77	0.20 55	0.27 273	0.26 14	0.28 87	0.31 168	0.32 117	0.26 131	0.17 87	0.15 3	0.12 6	0.07 16	0.07 158	0.10 183	0.08 110	0.08 81	0.05 1

error version	0.18 54	0.14 165	0.30 43	0.22 130	0.12 77	0.20 55	0.27 273	0.26 14	0.28 87	0.31 168	0.32 117	0.26 131	0.17 87	0.15 3	0.12 6	0.07 16	0.07 158	0.10 183	0.08 110	0.08 81	0.05 1

test-v	0.18 54	0.14 165	0.30 43	0.22 130	0.12 77	0.20 55	0.27 273	0.26 14	0.28 87	0.31 168	0.32 117	0.26 131	0.17 87	0.15 3	0.12 6	0.07 16	0.07 158	0.10 183	0.08 110	0.08 81	0.05 1

ACRE	0.21 117	0.20 259	0.62 286	0.23 172	0.15 206	0.24 125	0.20 162	0.35 105	0.28 87	0.31 168	0.32 117	0.22 75	0.15 50	0.25 81	0.20 140	0.08 99	0.07 158	0.07 14	0.07 50	0.08 81	0.08 111

GANet-ADL	0.21 117	0.12 81	0.45 199	0.23 172	0.14 165	0.29 192	0.19 124	0.46 207	0.35 156	0.25 76	0.32 117	0.32 187	0.19 122	0.24 58	0.20 140	0.10 207	0.07 158	0.07 14	0.06 23	0.09 142	0.10 207

PFNet+	0.20 103	0.10 24	0.37 109	0.21 87	0.12 77	0.17 9	0.19 124	0.29 40	0.34 150	0.33 195	0.32 117	0.24 105	0.16 64	0.32 157	0.17 91	0.10 207	0.07 158	0.11 230	0.10 216	0.08 81	0.12 254

PSM-softLoss	0.21 117	0.10 24	0.39 139	0.24 209	0.12 77	0.20 55	0.18 87	0.38 136	0.26 65	0.29 123	0.32 117	0.24 105	0.16 64	0.52 230	0.20 140	0.09 165	0.06 72	0.10 183	0.09 184	0.08 81	0.12 254

KMStereo	0.21 117	0.10 24	0.39 139	0.24 209	0.12 77	0.20 55	0.18 87	0.38 136	0.26 65	0.29 123	0.32 117	0.24 105	0.16 64	0.52 230	0.20 140	0.09 165	0.06 72	0.10 183	0.09 184	0.08 81	0.12 254

PFNet	0.23 160	0.10 24	0.57 265	0.24 209	0.14 165	0.22 93	0.19 124	0.39 147	0.33 143	0.35 227	0.32 117	0.27 139	0.19 122	0.64 283	0.22 175	0.09 165	0.05 6	0.09 120	0.07 50	0.08 81	0.07 65

Pruner-Stereo	0.19 90	0.11 63	0.34 79	0.29 317	0.12 77	0.19 34	0.17 59	0.31 60	0.29 105	0.33 195	0.32 117	0.25 112	0.15 50	0.24 58	0.21 161	0.09 165	0.06 72	0.09 120	0.08 110	0.08 81	0.09 162

test-2	0.18 54	0.14 165	0.30 43	0.22 130	0.12 77	0.20 55	0.27 273	0.26 14	0.28 87	0.31 168	0.32 117	0.26 131	0.17 87	0.15 3	0.12 6	0.07 16	0.07 158	0.10 183	0.08 110	0.08 81	0.05 1

SFCPSM	0.22 143	0.10 24	0.51 242	0.21 87	0.14 165	0.34 250	0.22 201	0.55 290	0.39 194	0.29 123	0.32 117	0.23 94	0.21 135	0.27 109	0.19 129	0.09 165	0.07 158	0.09 120	0.09 184	0.09 142	0.08 111

DMCA	0.22 143	0.14 165	0.36 104	0.22 130	0.14 165	0.27 160	0.20 162	0.43 186	0.38 188	0.31 168	0.32 117	0.33 194	0.24 170	0.24 58	0.28 225	0.11 234	0.08 224	0.10 183	0.08 110	0.10 190	0.11 232

DIP-Stereo	0.18 54	0.12 81	0.33 74	0.20 58	0.13 131	0.28 173	0.12 1	0.42 176	0.25 58	0.27 89	0.32 117	0.21 68	0.17 87	0.25 81	0.20 140	0.07 16	0.06 72	0.08 65	0.06 23	0.07 37	0.08 111
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HITNet	0.20 103	0.17 224	0.43 183	0.19 26	0.08 2	0.27 160	0.14 13	0.42 176	0.30 114	0.29 123	0.32 117	0.27 139	0.21 135	0.28 121	0.25 207	0.07 16	0.05 6	0.07 14	0.06 23	0.09 142	0.06 18
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
CIPLG	0.21 117	0.21 272	0.55 257	0.23 172	0.15 206	0.25 136	0.20 162	0.35 105	0.29 105	0.31 168	0.33 136	0.22 75	0.15 50	0.26 94	0.20 140	0.08 99	0.07 158	0.07 14	0.07 50	0.08 81	0.08 111

PSMNet-ADL	0.25 205	0.15 190	0.32 61	0.26 274	0.14 165	0.31 220	0.22 201	0.44 190	0.36 166	0.27 89	0.33 136	0.41 255	0.28 224	0.61 268	0.29 235	0.11 234	0.09 252	0.09 120	0.11 249	0.10 190	0.10 207

SST-Stereo	0.21 117	0.10 24	0.37 109	0.24 209	0.13 131	0.19 34	0.17 59	0.31 60	0.24 54	0.34 211	0.33 136	0.29 161	0.25 185	0.56 248	0.17 91	0.08 99	0.05 6	0.10 183	0.08 110	0.09 142	0.07 65

RAFT_R40	0.21 117	0.10 24	0.37 109	0.24 209	0.13 131	0.18 13	0.18 87	0.31 60	0.29 105	0.33 195	0.33 136	0.30 171	0.24 170	0.55 240	0.18 105	0.08 99	0.05 6	0.10 183	0.08 110	0.08 81	0.07 65

RAFT	0.21 117	0.17 224	0.32 61	0.24 209	0.12 77	0.25 136	0.27 273	0.35 105	0.28 87	0.33 195	0.33 136	0.38 228	0.22 146	0.29 134	0.17 91	0.08 99	0.08 224	0.11 230	0.10 216	0.10 190	0.06 18

RAFT-Stereo + iAFF	0.17 36	0.14 165	0.32 61	0.20 58	0.09 7	0.19 34	0.17 59	0.32 68	0.30 114	0.25 76	0.33 136	0.20 60	0.17 87	0.19 25	0.15 51	0.06 1	0.05 6	0.07 14	0.07 50	0.07 37	0.05 1

gwcnet-sp	0.24 183	0.13 136	0.63 288	0.22 130	0.14 165	0.34 250	0.22 201	0.44 190	0.39 194	0.35 227	0.34 142	0.27 139	0.27 211	0.35 178	0.25 207	0.09 165	0.08 224	0.09 120	0.09 184	0.09 142	0.09 162

scenet	0.24 183	0.13 136	0.63 288	0.22 130	0.14 165	0.34 250	0.22 201	0.44 190	0.39 194	0.35 227	0.34 142	0.27 139	0.27 211	0.35 178	0.25 207	0.09 165	0.08 224	0.09 120	0.09 184	0.09 142	0.09 162

CASS	0.21 117	0.15 190	0.32 61	0.26 274	0.11 42	0.28 173	0.19 124	0.39 147	0.30 114	0.32 186	0.34 142	0.25 112	0.24 170	0.25 81	0.20 140	0.13 277	0.08 224	0.11 230	0.09 184	0.11 226	0.11 232
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	0.24 183	0.13 136	0.63 288	0.22 130	0.14 165	0.34 250	0.22 201	0.44 190	0.39 194	0.35 227	0.34 142	0.27 139	0.27 211	0.35 178	0.25 207	0.09 165	0.08 224	0.09 120	0.09 184	0.09 142	0.09 162

DisPM	0.19 90	0.10 24	0.35 87	0.23 172	0.13 131	0.18 13	0.20 162	0.29 40	0.29 105	0.33 195	0.34 142	0.23 94	0.16 64	0.33 163	0.16 68	0.09 165	0.06 72	0.09 120	0.08 110	0.07 37	0.11 232

TestStereo	0.21 117	0.19 251	0.40 144	0.25 246	0.10 20	0.22 93	0.21 185	0.31 60	0.31 124	0.23 57	0.34 142	0.22 75	0.18 109	0.62 276	0.18 105	0.08 99	0.06 72	0.10 183	0.07 50	0.11 226	0.06 18

BEATNet_4x	0.22 143	0.18 236	0.47 212	0.22 130	0.10 20	0.28 173	0.14 13	0.46 207	0.32 132	0.31 168	0.34 142	0.31 179	0.25 185	0.31 151	0.29 235	0.08 99	0.06 72	0.08 65	0.06 23	0.10 190	0.08 111

CoDeX	0.23 160	0.12 81	0.46 205	0.21 87	0.14 165	0.29 192	0.21 185	0.53 273	0.41 218	0.29 123	0.35 149	0.29 161	0.22 146	0.48 212	0.19 129	0.09 165	0.06 72	0.08 65	0.07 50	0.08 81	0.07 65

MIM_Stereo	0.18 54	0.12 81	0.38 128	0.20 58	0.11 42	0.17 9	0.14 13	0.35 105	0.25 58	0.27 89	0.35 149	0.23 94	0.13 33	0.27 109	0.16 68	0.06 1	0.07 158	0.08 65	0.08 110	0.08 81	0.06 18

ToySt	0.24 183	0.16 208	0.48 221	0.21 87	0.13 131	0.29 192	0.29 290	0.39 147	0.39 194	0.27 89	0.35 149	0.39 239	0.31 257	0.31 151	0.29 235	0.08 99	0.09 252	0.10 183	0.11 249	0.11 226	0.10 207

BUS	0.23 160	0.12 81	0.28 30	0.25 246	0.14 165	0.43 306	0.17 59	0.56 304	0.34 150	0.34 211	0.35 149	0.32 187	0.20 130	0.26 94	0.21 161	0.10 207	0.07 158	0.11 230	0.10 216	0.09 142	0.09 162

BSDual-CNN	0.23 160	0.12 81	0.28 30	0.25 246	0.14 165	0.35 259	0.21 185	0.56 304	0.34 150	0.34 211	0.35 149	0.38 228	0.24 170	0.26 94	0.21 161	0.10 207	0.07 158	0.11 230	0.10 216	0.09 142	0.09 162

hknet	0.25 205	0.14 165	0.40 144	0.25 246	0.15 206	0.35 259	0.21 185	0.56 304	0.37 175	0.34 211	0.35 149	0.43 265	0.27 211	0.37 184	0.21 161	0.09 165	0.07 158	0.11 230	0.10 216	0.09 142	0.09 162

LCNet	0.21 117	0.11 63	0.29 37	0.25 246	0.12 77	0.23 110	0.19 124	0.34 88	0.26 65	0.28 98	0.35 149	0.26 131	0.30 246	0.35 178	0.17 91	0.07 16	0.05 6	0.09 120	0.10 216	0.13 265	0.22 350

AAGNet	0.33 278	0.11 63	0.37 109	0.25 246	0.16 229	0.20 55	0.19 124	0.30 54	0.27 74	0.35 227	0.35 149	0.27 139	0.30 246	0.44 203	2.66 408	0.08 99	0.05 6	0.10 183	0.07 50	0.08 81	0.06 18

HCRNet	0.24 183	0.25 298	0.33 74	0.34 345	0.16 229	0.27 160	0.18 87	0.43 186	0.35 156	0.30 151	0.35 149	0.32 187	0.22 146	0.44 203	0.20 140	0.13 277	0.08 224	0.13 282	0.11 249	0.10 190	0.09 162

UCFNet_RVC	0.24 183	0.16 208	0.34 79	0.18 8	0.15 206	0.33 237	0.16 38	0.46 207	0.35 156	0.29 123	0.35 149	0.39 239	0.25 185	0.34 169	0.22 175	0.13 277	0.08 224	0.13 282	0.14 310	0.13 265	0.12 254

MyStereo8	0.22 143	0.15 190	0.63 288	0.21 87	0.17 245	0.31 220	0.16 38	0.36 124	0.32 132	0.28 98	0.36 159	0.25 112	0.18 109	0.25 81	0.28 225	0.08 99	0.07 158	0.08 65	0.07 50	0.10 190	0.12 254

PCWNet_CMD	0.23 160	0.13 136	0.48 221	0.20 58	0.13 131	0.28 173	0.16 38	0.46 207	0.46 267	0.29 123	0.36 159	0.37 223	0.24 170	0.28 121	0.20 140	0.09 165	0.06 72	0.10 183	0.08 110	0.11 226	0.09 162

CBFPSM	0.27 222	0.16 208	0.67 298	0.20 58	0.14 165	0.38 276	0.25 257	0.40 154	0.36 166	0.33 195	0.36 159	0.56 320	0.38 294	0.32 157	0.38 274	0.08 99	0.08 224	0.07 14	0.08 110	0.09 142	0.11 232

ssnet_v2	0.28 239	0.16 208	0.44 189	0.22 130	0.15 206	0.40 288	0.30 300	0.57 311	0.46 267	0.38 255	0.36 159	0.47 287	0.29 237	0.38 188	0.39 282	0.13 277	0.11 287	0.11 230	0.11 249	0.11 226	0.11 232

GES	0.22 143	0.12 81	0.42 173	0.20 58	0.14 165	0.27 160	0.19 124	0.49 231	0.33 143	0.30 151	0.36 159	0.25 112	0.23 155	0.29 134	0.22 175	0.10 207	0.08 224	0.08 65	0.07 50	0.10 190	0.11 232

ac_64	0.27 222	0.13 136	0.41 166	0.24 209	0.17 245	0.36 264	0.22 201	0.46 207	0.33 143	0.35 227	0.36 159	0.52 310	0.30 246	0.62 276	0.32 250	0.11 234	0.09 252	0.10 183	0.10 216	0.09 142	0.08 111

FADNet	0.32 272	0.36 351	0.74 316	0.23 172	0.22 319	0.37 269	0.19 124	0.53 273	0.48 281	0.32 186	0.36 159	0.43 265	0.32 264	0.64 283	0.25 207	0.16 323	0.16 339	0.14 301	0.16 329	0.24 350	0.19 328

MSMDNet	0.23 160	0.13 136	0.48 221	0.20 58	0.13 131	0.28 173	0.16 38	0.46 207	0.46 267	0.29 123	0.36 159	0.37 223	0.24 170	0.28 121	0.20 140	0.09 165	0.06 72	0.09 120	0.08 110	0.11 226	0.09 162

NOSS_ROB	0.31 263	0.20 259	0.35 87	0.24 209	0.16 229	0.32 228	0.19 124	0.52 262	0.48 281	0.33 195	0.36 159	0.42 262	0.28 224	0.93 359	0.24 198	0.19 348	0.20 359	0.24 357	0.22 359	0.17 312	0.17 307

GASNet	0.36 294	0.46 364	0.88 343	0.34 345	0.23 330	0.35 259	0.22 201	0.60 331	0.53 311	0.40 278	0.37 168	0.45 279	0.30 246	0.79 333	0.35 265	0.15 311	0.10 270	0.14 301	0.14 310	0.22 344	0.12 254

NINENet	0.25 205	0.15 190	0.37 109	0.23 172	0.16 229	0.43 306	0.17 59	0.60 331	0.46 267	0.32 186	0.37 168	0.32 187	0.20 130	0.42 197	0.21 161	0.10 207	0.10 270	0.12 263	0.08 110	0.11 226	0.10 207

iRaft-Stereo_5w	0.23 160	0.18 236	0.44 189	0.22 130	0.13 131	0.19 34	0.19 124	0.37 130	0.32 132	0.28 98	0.37 168	0.34 200	0.23 155	0.65 289	0.27 223	0.06 1	0.06 72	0.08 65	0.07 50	0.09 142	0.08 111

IIG-Stereo	0.23 160	0.13 136	0.35 87	0.29 317	0.12 77	0.23 110	0.14 13	0.38 136	0.31 124	0.34 211	0.37 168	0.33 194	0.21 135	0.70 301	0.26 219	0.08 99	0.06 72	0.09 120	0.07 50	0.07 37	0.06 18

CFNet_pseudo	0.23 160	0.13 136	0.47 212	0.19 26	0.13 131	0.26 153	0.16 38	0.44 190	0.44 241	0.29 123	0.37 168	0.38 228	0.23 155	0.29 134	0.21 161	0.09 165	0.06 72	0.11 230	0.08 110	0.11 226	0.09 162

AFF-stereo	0.18 54	0.15 190	0.32 61	0.21 87	0.10 20	0.18 13	0.18 87	0.33 82	0.27 74	0.25 76	0.37 168	0.25 112	0.17 87	0.24 58	0.15 51	0.06 1	0.05 6	0.08 65	0.08 110	0.07 37	0.05 1

UPFNet	0.25 205	0.12 81	0.38 128	0.24 209	0.19 282	0.37 269	0.28 286	0.48 225	0.38 188	0.34 211	0.37 168	0.37 223	0.28 224	0.39 190	0.33 257	0.10 207	0.09 252	0.10 183	0.10 216	0.10 190	0.08 111

DSFCA	0.27 222	0.13 136	0.36 104	0.20 58	0.17 245	0.38 276	0.31 304	0.47 214	0.43 227	0.43 301	0.37 168	0.39 239	0.29 237	0.52 230	0.32 250	0.12 261	0.10 270	0.10 183	0.11 249	0.11 226	0.10 207

DMCA-RVC	0.27 222	0.21 272	0.61 278	0.28 314	0.17 245	0.29 192	0.21 185	0.42 176	0.35 156	0.40 278	0.37 168	0.39 239	0.36 282	0.43 199	0.30 241	0.13 277	0.10 270	0.15 313	0.11 249	0.13 265	0.10 207

ccs_rob	0.23 160	0.13 136	0.47 212	0.20 58	0.13 131	0.26 153	0.17 59	0.44 190	0.44 241	0.29 123	0.37 168	0.38 228	0.23 155	0.29 134	0.21 161	0.09 165	0.06 72	0.11 230	0.08 110	0.11 226	0.09 162

mmm	0.21 117	0.12 81	0.31 55	0.22 130	0.12 77	0.28 173	0.21 185	0.41 164	0.27 74	0.29 123	0.38 178	0.29 161	0.24 170	0.29 134	0.22 175	0.09 165	0.07 158	0.11 230	0.09 184	0.10 190	0.09 162

RAFT+CT+SA	0.21 117	0.18 236	0.33 74	0.25 246	0.18 264	0.23 110	0.29 290	0.40 154	0.36 166	0.24 70	0.38 178	0.18 47	0.16 64	0.32 157	0.16 68	0.07 16	0.05 6	0.09 120	0.12 281	0.09 142	0.09 162

psmg	0.23 160	0.12 81	0.28 30	0.21 87	0.14 165	0.35 259	0.23 221	0.51 252	0.34 150	0.35 227	0.38 178	0.38 228	0.24 170	0.26 94	0.21 161	0.10 207	0.08 224	0.10 183	0.10 216	0.09 142	0.08 111

ADLNet2	0.30 256	0.17 224	0.72 312	0.23 172	0.17 245	0.36 264	0.24 243	0.52 262	0.51 301	0.32 186	0.38 178	0.45 279	0.30 246	0.69 298	0.35 265	0.10 207	0.08 224	0.09 120	0.09 184	0.12 252	0.10 207

GEStereo_RVC	0.27 222	0.20 259	0.44 189	0.27 297	0.16 229	0.33 237	0.25 257	0.56 304	0.54 315	0.34 211	0.38 178	0.34 200	0.25 185	0.51 224	0.28 225	0.12 261	0.08 224	0.09 120	0.08 110	0.11 226	0.11 232

FADNet-RVC-Resample	0.29 249	0.25 298	0.93 352	0.26 274	0.16 229	0.32 228	0.21 185	0.47 214	0.39 194	0.35 227	0.38 178	0.33 194	0.27 211	0.53 235	0.24 198	0.10 207	0.10 270	0.14 301	0.13 299	0.13 265	0.16 299

FADNet_RVC	0.30 256	0.28 319	0.83 332	0.23 172	0.15 206	0.30 209	0.17 59	0.49 231	0.37 175	0.30 151	0.38 178	0.30 171	0.27 211	0.52 230	0.31 245	0.14 300	0.14 318	0.14 301	0.16 329	0.21 338	0.23 356

RYNet	0.37 303	0.18 236	0.59 273	0.25 246	0.28 352	0.61 354	0.32 309	0.59 323	0.59 330	0.41 287	0.38 178	0.57 324	0.39 299	0.87 349	0.53 328	0.11 234	0.08 224	0.12 263	0.11 249	0.18 323	0.18 321

AdaStereo	0.24 183	0.16 208	0.37 109	0.24 209	0.12 77	0.32 228	0.17 59	0.54 280	0.42 222	0.33 195	0.38 178	0.35 214	0.21 135	0.30 146	0.22 175	0.14 300	0.06 72	0.13 282	0.08 110	0.11 226	0.08 111
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
NVstereo2D	0.31 263	0.16 208	0.54 252	0.24 209	0.22 319	0.42 298	0.28 286	0.58 318	0.56 324	0.28 98	0.38 178	0.40 252	0.30 246	0.71 304	0.28 225	0.13 277	0.08 224	0.13 282	0.10 216	0.19 327	0.16 299

DeepPruner_ROB	0.26 215	0.19 251	0.44 189	0.21 87	0.16 229	0.30 209	0.21 185	0.52 262	0.32 132	0.35 227	0.38 178	0.39 239	0.26 194	0.42 197	0.24 198	0.15 311	0.11 287	0.11 230	0.11 249	0.14 277	0.13 266

HSM	0.28 239	0.16 208	0.35 87	0.20 58	0.15 206	0.33 237	0.19 124	0.53 273	0.37 175	0.36 242	0.38 178	0.67 354	0.31 257	0.89 353	0.23 189	0.08 99	0.06 72	0.08 65	0.07 50	0.08 81	0.08 111

TestStereo1	0.21 117	0.16 208	0.32 61	0.26 274	0.13 131	0.26 153	0.27 273	0.40 154	0.36 166	0.29 123	0.39 190	0.22 75	0.21 135	0.33 163	0.17 91	0.07 16	0.06 72	0.09 120	0.08 110	0.08 81	0.07 65

SA-5K	0.21 117	0.16 208	0.32 61	0.26 274	0.13 131	0.26 153	0.27 273	0.40 154	0.36 166	0.29 123	0.39 190	0.22 75	0.21 135	0.33 163	0.17 91	0.07 16	0.06 72	0.09 120	0.08 110	0.08 81	0.07 65

PSM-AAD	0.25 205	0.10 24	0.30 43	0.24 209	0.12 77	0.26 153	0.38 337	0.34 88	0.28 87	0.35 227	0.39 190	0.28 154	0.79 372	0.30 146	0.16 68	0.07 16	0.06 72	0.12 263	0.11 249	0.08 81	0.21 345

UNet	0.28 239	0.14 165	0.69 303	0.23 172	0.20 296	0.44 308	0.22 201	0.50 239	0.40 207	0.34 211	0.39 190	0.43 265	0.33 267	0.40 193	0.31 245	0.09 165	0.07 158	0.10 183	0.08 110	0.10 190	0.08 111

GANet-RSSM	0.24 183	0.14 165	0.36 104	0.21 87	0.14 165	0.27 160	0.21 185	0.45 198	0.33 143	0.29 123	0.39 190	0.39 239	0.28 224	0.58 256	0.23 189	0.11 234	0.07 158	0.09 120	0.09 184	0.10 190	0.09 162

FADNet-RVC	0.31 263	0.35 348	0.78 318	0.25 246	0.20 296	0.33 237	0.20 162	0.49 231	0.40 207	0.34 211	0.39 190	0.41 255	0.29 237	0.63 281	0.31 245	0.13 277	0.14 318	0.14 301	0.15 318	0.19 327	0.19 328

StereoDRNet	0.32 272	0.22 284	0.61 278	0.27 297	0.21 304	0.42 298	0.30 300	0.61 335	0.48 281	0.46 314	0.39 190	0.48 293	0.30 246	0.57 251	0.40 289	0.11 234	0.09 252	0.12 263	0.11 249	0.12 252	0.10 207

IER	0.23 160	0.12 81	0.39 139	0.20 58	0.14 165	0.31 220	0.19 124	0.42 176	0.36 166	0.33 195	0.40 197	0.32 187	0.33 267	0.29 134	0.22 175	0.09 165	0.07 158	0.08 65	0.08 110	0.09 142	0.08 111

test_5	0.23 160	0.19 251	0.38 128	0.26 274	0.18 264	0.25 136	0.29 290	0.40 154	0.37 175	0.29 123	0.40 197	0.25 112	0.22 146	0.34 169	0.18 105	0.07 16	0.05 6	0.09 120	0.09 184	0.10 190	0.10 207

AASNet	0.27 222	0.19 251	0.49 226	0.26 274	0.17 245	0.34 250	0.20 162	0.62 344	0.48 281	0.35 227	0.40 197	0.32 187	0.25 185	0.28 121	0.34 261	0.11 234	0.09 252	0.10 183	0.08 110	0.13 265	0.11 232

LMCR-Stereo	0.26 215	0.18 236	0.49 226	0.28 314	0.14 165	0.36 264	0.23 221	0.54 280	0.34 150	0.39 270	0.40 197	0.29 161	0.29 237	0.37 184	0.27 223	0.11 234	0.07 158	0.09 120	0.07 50	0.13 265	0.09 162

psm_up	0.29 249	0.16 208	0.41 166	0.26 274	0.17 245	0.32 228	0.26 268	0.55 290	0.43 227	0.36 242	0.40 197	0.45 279	0.37 290	0.58 256	0.30 241	0.11 234	0.12 304	0.13 282	0.12 281	0.10 190	0.10 207

CFNet-ft	0.24 183	0.15 190	0.35 87	0.18 8	0.15 206	0.30 209	0.21 185	0.39 147	0.36 166	0.28 98	0.40 197	0.43 265	0.25 185	0.47 210	0.24 198	0.12 261	0.07 158	0.12 263	0.11 249	0.12 252	0.09 162

CFNet	0.27 222	0.20 259	0.44 189	0.22 130	0.14 165	0.33 237	0.14 13	0.51 252	0.45 253	0.30 151	0.40 197	0.38 228	0.27 211	0.76 324	0.25 207	0.09 165	0.07 158	0.11 230	0.11 249	0.11 226	0.08 111

CFNet_RVC	0.24 183	0.15 190	0.35 87	0.18 8	0.15 206	0.30 209	0.21 185	0.39 147	0.36 166	0.28 98	0.40 197	0.43 265	0.25 185	0.47 210	0.24 198	0.12 261	0.07 158	0.12 263	0.11 249	0.12 252	0.09 162

SMFormer	0.25 205	0.12 81	0.40 144	0.19 26	0.10 20	0.27 160	0.19 124	0.51 252	0.45 253	0.34 211	0.41 205	0.31 179	0.26 194	0.58 256	0.28 225	0.10 207	0.07 158	0.08 65	0.08 110	0.09 142	0.09 162

tta	0.24 183	0.12 81	0.40 144	0.19 26	0.10 20	0.27 160	0.19 124	0.51 252	0.45 253	0.34 211	0.41 205	0.31 179	0.26 194	0.58 256	0.28 225	0.10 207	0.07 158	0.08 65	0.08 110	0.08 81	0.07 65

qqq1	0.24 183	0.12 81	0.40 144	0.19 26	0.10 20	0.27 160	0.19 124	0.51 252	0.45 253	0.34 211	0.41 205	0.31 179	0.26 194	0.58 256	0.16 68	0.10 207	0.07 158	0.07 14	0.06 23	0.08 81	0.07 65

fff1	0.24 183	0.12 81	0.40 144	0.19 26	0.10 20	0.27 160	0.19 124	0.51 252	0.45 253	0.34 211	0.41 205	0.31 179	0.26 194	0.58 256	0.16 68	0.10 207	0.07 158	0.07 14	0.06 23	0.08 81	0.07 65

1111x	0.32 272	0.11 63	0.40 144	0.22 130	0.11 42	0.32 228	0.26 268	0.59 323	0.43 227	0.31 168	0.41 205	0.39 239	0.28 224	0.76 324	1.37 388	0.09 165	0.08 224	0.09 120	0.10 216	0.09 142	0.08 111

CRFU-Net	0.28 239	0.14 165	0.45 199	0.25 246	0.15 206	0.45 313	0.23 221	0.50 239	0.30 114	0.43 301	0.41 205	0.48 293	0.46 328	0.43 199	0.29 235	0.11 234	0.10 270	0.09 120	0.08 110	0.10 190	0.10 207

XX-Stereo	0.21 117	0.10 24	0.83 332	0.26 274	0.17 245	0.23 110	0.13 3	0.40 154	0.18 5	0.20 41	0.41 205	0.31 179	0.10 4	0.32 157	0.12 6	0.08 99	0.06 72	0.08 65	0.08 110	0.07 37	0.05 1

ADLNet	0.28 239	0.15 190	0.42 173	0.23 172	0.19 282	0.34 250	0.23 221	0.53 273	0.43 227	0.42 295	0.41 205	0.44 275	0.27 211	0.55 240	0.35 265	0.11 234	0.08 224	0.11 230	0.11 249	0.11 226	0.12 254

MMNet	0.27 222	0.14 165	0.49 226	0.24 209	0.17 245	0.47 321	0.22 201	0.45 198	0.51 301	0.39 270	0.41 205	0.36 219	0.33 267	0.39 190	0.34 261	0.08 99	0.07 158	0.09 120	0.09 184	0.10 190	0.08 111

delet	0.27 222	0.14 165	0.40 144	0.23 172	0.19 282	0.41 291	0.29 290	0.49 231	0.48 281	0.33 195	0.41 205	0.37 223	0.30 246	0.48 212	0.34 261	0.09 165	0.09 252	0.11 230	0.12 281	0.08 81	0.08 111

ACVNet	0.23 160	0.13 136	0.35 87	0.18 8	0.15 206	0.27 160	0.23 221	0.39 147	0.44 241	0.28 98	0.41 205	0.38 228	0.26 194	0.27 109	0.32 250	0.08 99	0.07 158	0.08 65	0.07 50	0.10 190	0.07 65

acv_ft	0.25 205	0.13 136	0.40 144	0.23 172	0.19 282	0.34 250	0.21 185	0.45 198	0.44 241	0.38 255	0.41 205	0.38 228	0.27 211	0.27 109	0.35 265	0.08 99	0.07 158	0.08 65	0.07 50	0.11 226	0.07 65

STTStereo	0.28 239	0.20 259	0.61 278	0.25 246	0.17 245	0.29 192	0.24 243	0.47 214	0.39 194	0.39 270	0.41 205	0.44 275	0.28 224	0.40 193	0.28 225	0.13 277	0.12 304	0.13 282	0.16 329	0.12 252	0.11 232

NLCA_NET_v2_RVC	0.27 222	0.21 272	0.59 273	0.25 246	0.18 264	0.29 192	0.22 201	0.50 239	0.40 207	0.38 255	0.41 205	0.43 265	0.27 211	0.43 199	0.29 235	0.11 234	0.08 224	0.10 183	0.10 216	0.10 190	0.11 232
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
DualNet	0.26 215	0.12 81	0.42 173	0.20 58	0.13 131	0.28 173	0.20 162	0.35 105	0.44 241	0.30 151	0.42 219	0.34 200	0.23 155	0.27 109	1.08 371	0.08 99	0.05 6	0.11 230	0.10 216	0.08 81	0.08 111

ffm	0.22 143	0.12 81	0.42 173	0.20 58	0.13 131	0.28 173	0.20 162	0.35 105	0.44 241	0.30 151	0.42 219	0.34 200	0.23 155	0.27 109	0.11 1	0.08 99	0.05 6	0.11 230	0.10 216	0.08 81	0.08 111

ff1	0.29 249	0.12 81	0.42 173	0.20 58	0.13 131	0.28 173	0.20 162	0.35 105	0.44 241	0.30 151	0.42 219	0.34 200	0.23 155	0.81 340	1.08 371	0.08 99	0.05 6	0.11 230	0.10 216	0.08 81	0.08 111

mmx	0.31 263	0.12 81	0.42 173	0.20 58	0.13 131	0.28 173	0.20 162	0.55 290	0.45 253	0.30 151	0.42 219	0.34 200	0.23 155	0.81 340	1.08 371	0.10 207	0.07 158	0.11 230	0.10 216	0.11 226	0.10 207

xxx	0.31 263	0.12 81	0.42 173	0.20 58	0.13 131	0.28 173	0.20 162	0.55 290	0.45 253	0.30 151	0.42 219	0.34 200	0.23 155	0.81 340	1.08 371	0.10 207	0.07 158	0.11 230	0.10 216	0.11 226	0.10 207

CFNet_ucs	0.24 183	0.13 136	0.50 236	0.20 58	0.15 206	0.28 173	0.17 59	0.49 231	0.45 253	0.32 186	0.42 219	0.39 239	0.22 146	0.31 151	0.21 161	0.11 234	0.08 224	0.12 263	0.09 184	0.12 252	0.11 232

AACVNet	0.26 215	0.16 208	0.37 109	0.22 130	0.14 165	0.29 192	0.19 124	0.41 164	0.31 124	0.38 255	0.42 219	0.43 265	0.28 224	0.73 311	0.25 207	0.11 234	0.08 224	0.11 230	0.09 184	0.13 265	0.11 232

STrans-v2	0.24 183	0.13 136	0.54 252	0.21 87	0.12 77	0.23 110	0.21 185	0.47 214	0.28 87	0.31 168	0.42 219	0.36 219	0.35 278	0.62 276	0.23 189	0.07 16	0.05 6	0.08 65	0.07 50	0.06 6	0.06 18

xxxx	0.34 285	0.10 24	0.29 37	0.19 26	0.11 42	0.37 269	0.20 162	0.58 318	0.38 188	0.29 123	0.42 219	0.38 228	0.24 170	0.46 207	2.20 404	0.11 234	0.07 158	0.09 120	0.08 110	0.09 142	0.09 162

cf-r	0.24 183	0.15 190	0.44 189	0.21 87	0.14 165	0.27 160	0.22 201	0.42 176	0.40 207	0.30 151	0.42 219	0.42 262	0.26 194	0.43 199	0.25 207	0.11 234	0.06 72	0.08 65	0.10 216	0.08 81	0.08 111

PA-Net	0.37 303	0.28 319	0.83 332	0.31 332	0.28 352	0.39 283	0.42 349	0.51 252	0.55 321	0.34 211	0.42 219	0.41 255	0.36 282	0.79 333	0.49 318	0.12 261	0.23 368	0.16 322	0.23 361	0.12 252	0.18 321
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DN-CSS_ROB	0.22 143	0.25 298	0.47 212	0.24 209	0.14 165	0.25 136	0.12 1	0.40 154	0.33 143	0.29 123	0.42 219	0.22 75	0.20 130	0.33 163	0.19 129	0.07 16	0.06 72	0.11 230	0.11 249	0.11 226	0.07 65

GMStereo_Zeroshot	0.24 183	0.21 272	0.45 199	0.26 274	0.13 131	0.28 173	0.15 26	0.39 147	0.35 156	0.37 247	0.43 231	0.40 252	0.17 87	0.34 169	0.20 140	0.12 261	0.07 158	0.13 282	0.07 50	0.16 297	0.09 162

CSP-Net	0.27 222	0.15 190	0.30 43	0.21 87	0.14 165	0.44 308	0.24 243	0.50 239	0.40 207	0.41 287	0.43 231	0.42 262	0.26 194	0.66 293	0.28 225	0.12 261	0.08 224	0.08 65	0.08 110	0.10 190	0.09 162

TransformOpticalFlow	0.24 183	0.13 136	0.56 261	0.23 172	0.11 42	0.21 73	0.19 124	0.40 154	0.32 132	0.30 151	0.43 231	0.36 219	0.31 257	0.61 268	0.20 140	0.07 16	0.05 6	0.08 65	0.07 50	0.06 6	0.07 65

ICVP	0.23 160	0.13 136	0.44 189	0.26 274	0.14 165	0.29 192	0.25 257	0.45 198	0.33 143	0.29 123	0.43 231	0.35 214	0.25 185	0.26 94	0.23 189	0.12 261	0.09 252	0.09 120	0.08 110	0.09 142	0.10 207
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
RASNet	0.28 239	0.14 165	0.44 189	0.22 130	0.18 264	0.32 228	0.19 124	0.48 225	0.38 188	0.29 123	0.43 231	0.47 287	0.37 290	0.79 333	0.36 271	0.09 165	0.07 158	0.07 14	0.09 184	0.07 37	0.07 65

HSM-Net_RVC	0.27 222	0.11 63	0.42 173	0.19 26	0.11 42	0.34 250	0.20 162	0.62 344	0.43 227	0.40 278	0.43 231	0.50 303	0.26 194	0.76 324	0.22 175	0.08 99	0.07 158	0.07 14	0.07 50	0.08 81	0.08 111
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
TDLM	0.30 256	0.21 272	0.38 128	0.28 314	0.15 206	0.33 237	0.32 309	0.52 262	0.47 272	0.38 255	0.43 231	0.39 239	0.29 237	0.91 357	0.28 225	0.14 300	0.08 224	0.13 282	0.11 249	0.12 252	0.10 207

iResNet	0.24 183	0.18 236	0.61 278	0.25 246	0.11 42	0.29 192	0.21 185	0.42 176	0.43 227	0.33 195	0.43 231	0.27 139	0.22 146	0.34 169	0.26 219	0.07 16	0.05 6	0.07 14	0.06 23	0.08 81	0.07 65

iResNet_ROB	0.25 205	0.19 251	0.40 144	0.20 58	0.12 77	0.30 209	0.16 38	0.55 290	0.53 311	0.38 255	0.43 231	0.37 223	0.26 194	0.38 188	0.22 175	0.08 99	0.06 72	0.06 1	0.04 1	0.09 142	0.09 162

ttt	0.29 249	0.12 81	0.34 79	0.21 87	0.13 131	0.29 192	0.20 162	0.56 304	0.47 272	0.31 168	0.44 240	0.30 171	0.22 146	0.65 289	0.85 361	0.13 277	0.10 270	0.10 183	0.10 216	0.11 226	0.11 232

iinet-f	0.30 256	0.18 236	1.03 366	0.20 58	0.15 206	0.44 308	0.22 201	0.45 198	0.37 175	0.35 227	0.44 240	0.41 255	0.34 274	0.34 169	0.40 289	0.10 207	0.09 252	0.08 65	0.08 110	0.13 265	0.11 232

SA	0.22 143	0.16 208	0.36 104	0.23 172	0.13 131	0.24 125	0.23 221	0.45 198	0.40 207	0.27 89	0.44 240	0.23 94	0.23 155	0.33 163	0.17 91	0.07 16	0.06 72	0.10 183	0.11 249	0.08 81	0.06 18

dad	0.28 239	0.31 337	0.44 189	0.21 87	0.14 165	0.30 209	0.20 162	0.33 82	0.49 290	0.44 307	0.44 240	0.45 279	0.21 135	0.41 195	0.26 219	0.20 351	0.11 287	0.20 345	0.11 249	0.14 277	0.10 207

DAS	0.27 222	0.12 81	0.42 173	0.24 209	0.18 264	0.29 192	0.24 243	0.45 198	0.45 253	0.41 287	0.44 240	0.34 200	0.29 237	0.75 319	0.21 161	0.09 165	0.07 158	0.09 120	0.07 50	0.09 142	0.09 162

SepStereo	0.26 215	0.12 81	0.42 173	0.24 209	0.18 264	0.29 192	0.24 243	0.45 198	0.45 253	0.41 287	0.44 240	0.34 200	0.29 237	0.64 283	0.21 161	0.09 165	0.07 158	0.09 120	0.07 50	0.09 142	0.09 162

SACVNet	0.30 256	0.20 259	0.41 166	0.25 246	0.18 264	0.34 250	0.25 257	0.52 262	0.40 207	0.41 287	0.44 240	0.46 285	0.32 264	0.71 304	0.25 207	0.13 277	0.10 270	0.12 263	0.12 281	0.16 297	0.17 307

222	0.41 323	0.10 24	0.29 37	0.19 26	0.11 42	0.36 264	0.20 162	0.57 311	0.39 194	0.35 227	0.44 240	0.30 171	0.27 211	0.55 240	3.56 411	0.11 234	0.07 158	0.08 65	0.08 110	0.09 142	0.09 162

PSMNet-RSSM	0.24 183	0.15 190	0.36 104	0.21 87	0.14 165	0.25 136	0.20 162	0.48 225	0.37 175	0.30 151	0.44 240	0.38 228	0.26 194	0.52 230	0.22 175	0.12 261	0.07 158	0.11 230	0.13 299	0.10 190	0.09 162

DeepPrunerF	0.44 336	0.29 326	1.29 383	0.33 343	0.30 360	0.35 259	0.36 327	0.62 344	1.15 390	0.40 278	0.44 240	0.39 239	0.41 306	0.80 337	0.52 326	0.18 343	0.14 318	0.23 355	0.21 352	0.17 312	0.17 307

MLCV	0.22 143	0.16 208	0.44 189	0.21 87	0.08 2	0.29 192	0.19 124	0.38 136	0.37 175	0.38 255	0.44 240	0.31 179	0.21 135	0.41 195	0.24 198	0.07 16	0.05 6	0.06 1	0.05 9	0.07 37	0.06 18

PSMNet_ROB	0.33 278	0.24 294	0.54 252	0.31 332	0.21 304	0.42 298	0.43 351	0.59 323	0.47 272	0.37 247	0.44 240	0.49 297	0.31 257	0.64 283	0.43 299	0.14 300	0.10 270	0.15 313	0.14 310	0.13 265	0.11 232

UDG	0.40 321	0.46 364	0.49 226	0.40 366	0.35 367	0.47 321	0.27 273	0.54 280	0.47 272	0.39 270	0.45 252	0.59 329	0.44 319	0.46 207	0.39 282	0.26 360	0.19 354	0.48 380	0.22 359	0.34 371	0.26 362

GMM-Stereo	0.21 117	0.10 24	0.43 183	0.23 172	0.13 131	0.24 125	0.25 257	0.37 130	0.27 74	0.30 151	0.45 252	0.27 139	0.21 135	0.31 151	0.17 91	0.07 16	0.05 6	0.10 183	0.09 184	0.08 81	0.19 328

pcwnet_v2	0.32 272	0.15 190	1.26 380	0.23 172	0.18 264	0.32 228	0.18 87	0.59 323	0.60 333	0.36 242	0.45 252	0.35 214	0.29 237	0.36 182	0.25 207	0.14 300	0.11 287	0.12 263	0.11 249	0.14 277	0.15 292

test_xeample	0.34 285	0.10 24	0.29 37	0.19 26	0.11 42	0.33 237	0.23 221	0.55 290	0.38 188	0.32 186	0.45 252	0.29 161	0.26 194	0.57 251	2.24 406	0.10 207	0.07 158	0.09 120	0.08 110	0.09 142	0.09 162

GwcNet-RSSM	0.26 215	0.17 224	0.46 205	0.21 87	0.13 131	0.28 173	0.23 221	0.44 190	0.42 222	0.31 168	0.45 252	0.40 252	0.26 194	0.55 240	0.28 225	0.11 234	0.07 158	0.09 120	0.10 216	0.09 142	0.08 111

R-Stereo Train	0.18 54	0.09 9	0.32 61	0.22 130	0.12 77	0.22 93	0.19 124	0.42 176	0.19 7	0.31 168	0.45 252	0.20 60	0.14 43	0.18 19	0.15 51	0.08 99	0.06 72	0.07 14	0.06 23	0.06 6	0.06 18

RAFT-Stereo	0.18 54	0.09 9	0.32 61	0.22 130	0.12 77	0.22 93	0.19 124	0.42 176	0.19 7	0.31 168	0.45 252	0.20 60	0.14 43	0.18 19	0.15 51	0.08 99	0.06 72	0.07 14	0.06 23	0.06 6	0.06 18
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
Anonymous Stereo	0.38 309	0.34 345	1.00 360	0.30 325	0.25 342	0.33 237	0.44 354	0.50 239	0.54 315	0.41 287	0.45 252	0.39 239	0.26 194	0.93 359	0.48 315	0.15 311	0.14 318	0.15 313	0.16 329	0.16 297	0.17 307

iResNetv2_ROB	0.27 222	0.26 309	0.72 312	0.23 172	0.13 131	0.29 192	0.18 87	0.52 262	0.49 290	0.37 247	0.45 252	0.39 239	0.25 185	0.34 169	0.20 140	0.08 99	0.06 72	0.07 14	0.05 9	0.12 252	0.09 162

DISCO	0.32 272	0.13 136	0.51 242	0.25 246	0.16 229	0.48 325	0.25 257	0.50 239	0.57 327	0.37 247	0.45 252	0.62 338	0.36 282	0.64 283	0.49 318	0.09 165	0.07 158	0.09 120	0.08 110	0.12 252	0.11 232

hitnet-ft	0.29 249	0.17 224	0.40 144	0.19 26	0.14 165	0.39 283	0.23 221	0.44 190	0.41 218	0.36 242	0.46 262	0.53 314	0.34 274	0.76 324	0.32 250	0.14 300	0.10 270	0.13 282	0.10 216	0.15 289	0.13 266

XQC	0.43 330	0.37 356	0.96 356	0.34 345	0.25 342	0.53 343	0.34 321	0.60 331	0.73 360	0.51 331	0.46 262	0.57 324	0.47 331	0.70 301	0.72 350	0.17 333	0.12 304	0.18 335	0.15 318	0.25 351	0.23 356

GANetREF_RVC	0.43 330	0.47 366	0.69 303	0.38 362	0.20 296	0.51 333	0.48 366	0.66 358	0.66 344	0.46 314	0.46 262	0.50 303	0.44 319	0.90 356	0.39 282	0.27 365	0.21 360	0.32 370	0.18 343	0.27 361	0.22 350
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
CVANet_RVC	0.30 256	0.19 251	0.41 166	0.26 274	0.16 229	0.33 237	0.26 268	0.52 262	0.47 272	0.40 278	0.46 262	0.43 265	0.31 257	0.89 353	0.26 219	0.14 300	0.09 252	0.14 301	0.13 299	0.14 277	0.10 207

DRN-Test	0.33 278	0.17 224	0.61 278	0.27 297	0.19 282	0.46 315	0.29 290	0.65 352	0.51 301	0.47 322	0.46 262	0.44 275	0.34 274	0.62 276	0.41 295	0.12 261	0.08 224	0.13 282	0.12 281	0.12 252	0.10 207

NCCL2	0.35 290	0.26 309	0.49 226	0.36 355	0.22 319	0.41 291	0.41 346	0.53 273	0.42 222	0.47 322	0.46 262	0.61 336	0.39 299	0.55 240	0.37 272	0.16 323	0.13 314	0.21 348	0.21 352	0.16 297	0.16 299

DLCB_ROB	0.28 239	0.16 208	0.34 79	0.27 297	0.16 229	0.38 276	0.25 257	0.48 225	0.43 227	0.46 314	0.46 262	0.51 307	0.33 267	0.53 235	0.33 257	0.10 207	0.10 270	0.11 230	0.11 249	0.10 190	0.09 162

SQANet	0.40 321	0.48 368	0.67 298	0.48 375	0.39 370	0.48 325	0.22 201	0.51 252	0.43 227	0.40 278	0.47 269	0.47 287	0.33 267	0.54 239	0.32 250	0.36 377	0.15 332	0.40 376	0.21 352	0.45 377	0.31 369

test_4	0.18 54	0.12 81	0.34 79	0.23 172	0.12 77	0.18 13	0.22 201	0.26 14	0.24 54	0.24 70	0.47 269	0.22 75	0.13 33	0.24 58	0.16 68	0.06 1	0.05 6	0.09 120	0.09 184	0.07 37	0.05 1

GrayStereo	0.25 205	0.09 9	0.32 61	0.26 274	0.13 131	0.23 110	0.47 362	0.34 88	0.30 114	0.39 270	0.47 269	0.30 171	0.79 372	0.29 134	0.16 68	0.07 16	0.06 72	0.08 65	0.09 184	0.07 37	0.13 266

FINET	0.34 285	0.27 316	0.80 326	0.24 209	0.24 335	0.36 264	0.34 321	0.54 280	0.72 357	0.39 270	0.47 269	0.32 187	0.30 246	0.51 224	0.32 250	0.19 348	0.17 344	0.13 282	0.12 281	0.18 323	0.16 299

MaskLacGwcNet_RVC	0.36 294	0.36 351	0.53 249	0.34 345	0.19 282	0.51 333	0.24 243	0.55 290	0.38 188	0.41 287	0.47 269	0.47 287	0.27 211	0.73 311	0.30 241	0.36 377	0.19 354	0.27 360	0.17 338	0.26 358	0.23 356

NaN_ROB	0.41 323	0.28 319	0.62 286	0.30 325	0.19 282	0.51 333	0.47 362	0.58 318	0.59 330	0.56 346	0.47 269	0.49 297	0.41 306	1.21 383	0.64 345	0.12 261	0.18 350	0.12 263	0.13 299	0.11 226	0.14 283

HGLStereo	0.27 222	0.14 165	0.46 205	0.24 209	0.21 304	0.33 237	0.23 221	0.50 239	0.42 222	0.35 227	0.48 275	0.41 255	0.33 267	0.45 205	0.33 257	0.11 234	0.10 270	0.09 120	0.09 184	0.10 190	0.12 254

HBP-ISP	0.33 278	0.30 332	0.72 312	0.22 130	0.16 229	0.32 228	0.22 201	0.54 280	0.44 241	0.41 287	0.49 276	0.33 194	0.38 294	0.73 311	0.25 207	0.18 343	0.19 354	0.24 357	0.20 349	0.16 297	0.13 266

CBMV	0.33 278	0.21 272	0.54 252	0.23 172	0.13 131	0.42 298	0.33 319	0.53 273	0.48 281	0.52 337	0.49 276	0.50 303	0.41 306	0.56 248	0.31 245	0.15 311	0.16 339	0.18 335	0.16 329	0.13 265	0.13 266
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
anonymousa	0.23 160	0.11 63	0.50 236	0.21 87	0.16 229	0.31 220	0.20 162	0.36 124	0.35 156	0.32 186	0.50 278	0.39 239	0.26 194	0.22 45	0.20 140	0.08 99	0.06 72	0.09 120	0.11 249	0.07 37	0.08 111

Sa-1000	0.22 143	0.15 190	0.35 87	0.23 172	0.13 131	0.28 173	0.23 221	0.47 214	0.39 194	0.30 151	0.50 278	0.26 131	0.19 122	0.33 163	0.16 68	0.07 16	0.06 72	0.10 183	0.11 249	0.08 81	0.06 18

EAI-Stereo	0.21 117	0.10 24	0.33 74	0.21 87	0.12 77	0.30 209	0.46 358	0.46 207	0.20 16	0.25 76	0.50 278	0.17 40	0.16 64	0.24 58	0.23 189	0.07 16	0.06 72	0.07 14	0.10 216	0.06 6	0.07 65

SuperB	0.49 344	0.28 319	2.23 397	0.23 172	0.15 206	0.41 291	0.32 309	0.47 214	0.82 368	0.43 301	0.50 278	0.33 194	0.45 322	0.68 296	1.08 371	0.10 207	0.07 158	0.09 120	0.08 110	0.98 404	0.14 283

DANet	0.35 290	0.23 291	0.60 275	0.36 355	0.22 319	0.39 283	0.25 257	0.48 225	0.43 227	0.52 337	0.50 278	0.59 329	0.41 306	0.76 324	0.49 318	0.13 277	0.11 287	0.14 301	0.12 281	0.17 312	0.15 292
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
ETE_ROB	0.34 285	0.26 309	0.45 199	0.29 317	0.18 264	0.40 288	0.37 331	0.57 311	0.47 272	0.50 326	0.50 278	0.62 338	0.36 282	0.55 240	0.38 274	0.13 277	0.10 270	0.14 301	0.12 281	0.16 297	0.16 299

StereoVision	0.22 143	0.18 236	0.37 109	0.27 297	0.17 245	0.23 110	0.22 201	0.38 136	0.31 124	0.20 41	0.51 284	0.22 75	0.16 64	0.28 121	0.18 105	0.11 234	0.12 304	0.13 282	0.13 299	0.10 190	0.07 65

RAFT_CTSACE	0.21 117	0.16 208	0.41 166	0.25 246	0.15 206	0.22 93	0.24 243	0.32 68	0.28 87	0.33 195	0.51 284	0.29 161	0.17 87	0.32 157	0.13 24	0.06 1	0.07 158	0.09 120	0.08 110	0.08 81	0.06 18

ADCP+	0.45 337	0.24 294	1.15 374	0.25 246	0.22 319	0.56 345	0.39 342	0.54 280	0.51 301	0.44 307	0.51 284	0.46 285	0.52 344	0.56 248	1.89 400	0.10 207	0.08 224	0.11 230	0.10 216	0.14 277	0.13 266

CC-Net-ROB	0.43 330	0.47 366	0.65 294	0.37 360	0.23 330	0.51 333	0.29 290	0.66 358	0.49 290	0.46 314	0.51 284	0.48 293	0.38 294	0.96 365	0.35 265	0.34 376	0.23 368	0.55 384	0.25 363	0.31 368	0.20 338

PASM	0.45 337	0.35 348	0.90 347	0.35 354	0.33 364	0.39 283	0.38 337	0.50 239	0.61 336	0.52 337	0.51 284	0.62 338	0.45 322	0.93 359	0.48 315	0.26 360	0.29 378	0.29 366	0.33 374	0.29 366	0.26 362

DPSNet	0.47 340	0.24 294	0.93 352	0.27 297	0.20 296	0.75 368	0.57 374	0.84 384	0.79 366	0.47 322	0.51 284	0.60 332	0.69 366	0.87 349	0.71 349	0.16 323	0.13 314	0.12 263	0.10 216	0.25 351	0.21 345

StereoDRNet-Refined	0.27 222	0.17 224	0.35 87	0.25 246	0.14 165	0.37 269	0.21 185	0.47 214	0.41 218	0.44 307	0.51 284	0.41 255	0.28 224	0.45 205	0.37 272	0.09 165	0.06 72	0.11 230	0.11 249	0.10 190	0.10 207
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
LALA_ROB	0.36 294	0.25 298	0.46 205	0.30 325	0.21 304	0.47 321	0.39 342	0.61 335	0.51 301	0.52 337	0.51 284	0.69 359	0.36 282	0.50 219	0.43 299	0.17 333	0.11 287	0.16 322	0.14 310	0.17 312	0.15 292

Wz-Net-LNSev	0.34 285	0.29 326	0.91 348	0.26 274	0.21 304	0.47 321	0.31 304	0.54 280	0.54 315	0.44 307	0.52 292	0.50 303	0.35 278	0.39 190	0.39 282	0.11 234	0.11 287	0.10 183	0.09 184	0.14 277	0.13 266

DDUNet	0.41 323	0.50 373	0.48 221	0.44 371	0.39 370	0.46 315	0.32 309	0.50 239	0.43 227	0.45 311	0.52 292	0.57 324	0.36 282	0.48 212	0.33 257	0.33 375	0.21 360	0.55 384	0.25 363	0.37 374	0.32 372

APVNet	0.36 294	0.20 259	0.70 309	0.26 274	0.22 319	0.52 342	0.35 324	0.61 335	0.44 241	0.38 255	0.52 292	0.48 293	0.38 294	0.84 345	0.46 312	0.13 277	0.14 318	0.15 313	0.16 329	0.16 297	0.15 292

GwcNet	0.35 290	0.23 291	0.88 343	0.25 246	0.24 335	0.48 325	0.27 273	0.55 290	0.57 327	0.38 255	0.52 292	0.51 307	0.32 264	0.60 263	0.41 295	0.13 277	0.11 287	0.12 263	0.11 249	0.13 265	0.14 283

PS-NSSS	0.32 272	0.30 332	0.46 205	0.23 172	0.17 245	0.33 237	0.24 243	0.57 311	0.41 218	0.37 247	0.52 292	0.35 214	0.30 246	0.80 337	0.30 241	0.17 333	0.14 318	0.21 348	0.15 318	0.15 289	0.13 266

RTSC	0.39 315	0.28 319	0.78 318	0.27 297	0.18 264	0.49 328	0.22 201	0.59 323	0.84 373	0.55 345	0.53 297	0.49 297	0.36 282	0.67 295	0.82 357	0.13 277	0.10 270	0.11 230	0.12 281	0.17 312	0.17 307

XPNet_ROB	0.33 278	0.20 259	0.43 183	0.27 297	0.18 264	0.37 269	0.31 304	0.55 290	0.50 298	0.51 331	0.53 297	0.58 327	0.37 290	0.63 281	0.45 306	0.17 333	0.12 304	0.13 282	0.12 281	0.15 289	0.14 283

PDISCO_ROB	0.43 330	0.30 332	0.67 298	0.43 369	0.36 368	0.67 360	0.32 309	0.72 371	0.76 362	0.43 301	0.53 297	0.63 346	0.40 302	0.66 293	0.47 314	0.21 352	0.12 304	0.21 348	0.19 348	0.25 351	0.20 338

Wz-Net-TNSev	0.51 350	0.58 378	1.61 393	0.25 246	0.21 304	0.65 357	0.45 356	0.63 350	0.69 352	0.51 331	0.54 300	0.71 362	0.60 354	1.00 369	0.77 354	0.15 311	0.15 332	0.13 282	0.15 318	0.21 338	0.20 338

Wz-Net-MNSev	0.36 294	0.26 309	0.79 324	0.26 274	0.21 304	0.59 350	0.38 337	0.55 290	0.56 324	0.48 325	0.54 300	0.53 314	0.36 282	0.60 263	0.44 303	0.11 234	0.09 252	0.11 230	0.11 249	0.15 289	0.13 266

KYRaft	0.22 143	0.10 24	0.30 43	0.23 172	0.12 77	0.23 110	0.23 221	0.35 105	0.24 54	0.35 227	0.54 300	0.34 200	0.26 194	0.29 134	0.15 51	0.07 16	0.05 6	0.09 120	0.10 216	0.08 81	0.31 369

SAMSARA	0.56 357	0.39 359	0.80 326	0.60 383	0.46 376	1.00 384	1.23 410	0.67 363	0.68 350	0.71 362	0.54 300	0.89 372	0.57 351	0.81 340	0.62 341	0.19 348	0.22 365	0.18 335	0.18 343	0.27 361	0.25 361

fast-acv-ft	0.31 263	0.20 259	0.81 328	0.24 209	0.18 264	0.46 315	0.27 273	0.41 164	0.49 290	0.39 270	0.55 304	0.49 297	0.35 278	0.37 184	0.38 274	0.11 234	0.11 287	0.11 230	0.12 281	0.12 252	0.09 162

anonymity	0.56 357	0.54 377	0.70 309	0.47 374	0.61 386	0.56 345	0.43 351	0.69 367	0.49 290	0.63 353	0.55 304	0.54 316	0.60 354	0.61 268	0.57 330	0.55 386	0.53 394	0.50 381	0.54 392	0.51 379	0.56 388

Wz-Net-LNSev-Ref	0.30 256	0.20 259	0.70 309	0.21 87	0.17 245	0.46 315	0.27 273	0.50 239	0.49 290	0.42 295	0.55 304	0.43 265	0.30 246	0.46 207	0.38 274	0.09 165	0.06 72	0.07 14	0.06 23	0.11 226	0.10 207

CBMV_ROB	0.33 278	0.18 236	0.53 249	0.21 87	0.14 165	0.33 237	0.20 162	0.51 252	0.45 253	0.51 331	0.55 304	0.45 279	0.42 314	0.71 304	0.32 250	0.18 343	0.19 354	0.23 355	0.21 352	0.14 277	0.15 292

FBW_ROB	0.43 330	0.26 309	0.54 252	0.31 332	0.20 296	0.51 333	0.32 309	0.70 368	0.60 333	0.59 349	0.55 304	0.65 349	0.41 306	1.40 391	0.51 325	0.13 277	0.17 344	0.21 348	0.16 329	0.17 312	0.18 321

Syn2CoEx	0.36 294	0.31 337	0.78 318	0.34 345	0.21 304	0.41 291	0.28 286	0.61 335	0.49 290	0.42 295	0.56 309	0.45 279	0.44 319	0.69 298	0.38 274	0.17 333	0.14 318	0.15 313	0.12 281	0.13 265	0.12 254

STTRV1_RVC	0.42 326	0.32 342	0.89 346	0.29 317	0.36 368	0.49 328	0.31 304	0.61 335	0.53 311	0.46 314	0.56 309	0.47 287	0.43 317	1.00 369	0.39 282	0.27 365	0.21 360	0.20 345	0.18 343	0.25 351	0.17 307

NCC-stereo	0.39 315	0.25 298	0.69 303	0.32 338	0.28 352	0.46 315	0.36 327	0.65 352	0.52 307	0.40 278	0.57 311	0.56 320	0.47 331	0.73 311	0.45 306	0.17 333	0.14 318	0.18 335	0.25 363	0.16 297	0.16 299

Abc-Net	0.39 315	0.25 298	0.69 303	0.32 338	0.28 352	0.46 315	0.36 327	0.65 352	0.52 307	0.40 278	0.57 311	0.56 320	0.47 331	0.73 311	0.45 306	0.17 333	0.14 318	0.18 335	0.25 363	0.16 297	0.16 299
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DEmStereo	0.26 215	0.09 9	0.47 212	0.19 26	0.12 77	0.30 209	0.25 257	0.28 33	0.36 166	0.36 242	0.58 313	0.25 112	0.48 337	0.53 235	0.44 303	0.07 16	0.06 72	0.08 65	0.08 110	0.06 6	0.07 65

ADCRef	0.38 309	0.24 294	0.88 343	0.26 274	0.21 304	0.49 328	0.27 273	0.52 262	0.48 281	0.50 326	0.58 313	0.35 214	0.47 331	0.48 212	1.29 387	0.09 165	0.08 224	0.12 263	0.12 281	0.11 226	0.11 232

Ntro	0.58 361	0.64 382	0.92 350	0.66 386	0.50 379	0.77 369	0.36 327	0.66 358	0.70 354	0.50 326	0.59 315	0.65 349	0.51 342	0.75 319	0.45 306	0.56 387	0.32 382	0.56 387	0.34 375	0.63 386	0.46 384

HHNet	0.22 143	0.12 81	0.52 246	0.18 8	0.18 264	0.20 55	0.20 162	0.34 88	0.31 124	0.32 186	0.59 315	0.20 60	0.21 135	0.24 58	0.31 245	0.08 99	0.05 6	0.09 120	0.07 50	0.08 81	0.11 232

Prome-Stereo	0.21 117	0.10 24	0.30 43	0.24 209	0.12 77	0.23 110	0.23 221	0.36 124	0.25 58	0.33 195	0.59 315	0.24 105	0.28 224	0.29 134	0.16 68	0.07 16	0.05 6	0.08 65	0.07 50	0.08 81	0.20 338

S-Stereo	0.38 309	0.20 259	1.05 367	0.27 297	0.22 319	0.38 276	0.32 309	0.55 290	0.66 344	0.39 270	0.59 315	0.49 297	0.41 306	0.75 319	0.40 289	0.12 261	0.15 332	0.13 282	0.13 299	0.16 297	0.21 345

ADCPNet	0.48 342	0.29 326	1.60 391	0.27 297	0.23 330	0.70 364	0.38 337	0.53 273	0.51 301	0.51 331	0.59 315	0.67 354	0.56 349	0.60 263	1.14 377	0.15 311	0.18 350	0.14 301	0.23 361	0.19 327	0.19 328

whm_eth	0.23 160	0.18 236	0.56 261	0.24 209	0.19 282	0.21 73	0.18 87	0.37 130	0.40 207	0.31 168	0.60 320	0.15 28	0.17 87	0.26 94	0.19 129	0.09 165	0.08 224	0.10 183	0.09 184	0.09 142	0.11 232

FAT-Stereo	0.36 294	0.18 236	0.73 315	0.26 274	0.18 264	0.33 237	0.29 290	0.60 331	0.59 330	0.46 314	0.60 320	0.60 332	0.50 339	0.61 268	0.34 261	0.13 277	0.14 318	0.13 282	0.12 281	0.14 277	0.18 321

stereogan	0.37 303	0.17 224	0.65 294	0.27 297	0.22 319	0.62 355	0.26 268	0.59 323	0.63 341	0.43 301	0.60 320	0.67 354	0.42 314	0.68 296	0.35 265	0.13 277	0.14 318	0.14 301	0.12 281	0.19 327	0.17 307

edge stereo	0.39 315	0.22 284	0.81 328	0.27 297	0.22 319	0.37 269	0.24 243	0.56 304	0.54 315	0.53 342	0.60 320	0.71 362	0.50 339	0.78 331	0.40 289	0.16 323	0.14 318	0.19 342	0.14 310	0.16 297	0.17 307

SHD	0.42 326	0.27 316	0.81 328	0.31 332	0.25 342	0.42 298	0.22 201	0.66 358	0.94 381	0.63 353	0.60 320	0.59 329	0.47 331	0.59 262	0.58 335	0.15 311	0.13 314	0.16 322	0.16 329	0.20 335	0.22 350

AANet_RVC	0.31 263	0.22 284	0.50 236	0.23 172	0.14 165	0.30 209	0.24 243	0.47 214	0.54 315	0.38 255	0.60 320	0.43 265	0.29 237	0.87 349	0.40 289	0.11 234	0.07 158	0.07 14	0.07 50	0.09 142	0.09 162

SGM-Forest	0.36 294	0.17 224	0.47 212	0.23 172	0.16 229	0.45 313	0.41 346	0.55 290	0.48 281	0.52 337	0.60 320	0.52 310	0.41 306	0.85 346	0.50 323	0.17 333	0.17 344	0.17 328	0.15 318	0.15 289	0.15 292
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CrosDoStereo	0.31 263	0.10 24	0.49 226	0.18 8	0.12 77	0.22 93	1.11 407	0.34 88	0.37 175	0.38 255	0.61 327	0.28 154	0.46 328	0.61 268	0.57 330	0.07 16	0.06 72	0.08 65	0.08 110	0.07 37	0.07 65

DeepStereo_LL	0.31 263	0.10 24	0.49 226	0.18 8	0.12 77	0.22 93	1.11 407	0.34 88	0.37 175	0.38 255	0.61 327	0.28 154	0.46 328	0.61 268	0.57 330	0.07 16	0.06 72	0.08 65	0.08 110	0.07 37	0.07 65

DRaft	0.24 183	0.10 24	0.34 79	0.18 8	0.12 77	0.28 173	0.23 221	0.33 82	0.39 194	0.38 255	0.61 327	0.21 68	0.41 306	0.48 212	0.42 298	0.07 16	0.06 72	0.08 65	0.08 110	0.07 37	0.08 111

DGSMNet	0.61 366	0.29 326	0.91 348	0.51 378	0.70 390	0.62 355	1.38 411	0.59 323	0.55 321	0.37 247	0.61 327	0.52 310	0.33 267	0.65 289	0.43 299	0.53 383	0.60 401	0.67 389	0.61 397	0.63 386	0.61 395

DispFullNet	0.66 370	0.89 393	1.59 390	0.77 391	1.21 408	0.51 333	0.23 221	0.59 323	0.72 357	0.69 361	0.61 327	0.69 359	0.91 382	0.79 333	0.48 315	0.27 365	0.12 304	0.73 392	0.30 373	0.65 389	0.40 378

RP	0.35 290	0.22 284	0.51 242	0.31 332	0.24 335	0.37 269	0.28 286	0.50 239	0.58 329	0.40 278	0.63 332	0.61 336	0.47 331	0.61 268	0.39 282	0.16 323	0.15 332	0.17 328	0.15 318	0.17 312	0.17 307

RGC	0.39 315	0.32 342	0.64 293	0.34 345	0.27 349	0.40 288	0.29 290	0.57 311	0.53 311	0.45 311	0.64 333	0.62 338	0.45 322	0.72 309	0.39 282	0.15 311	0.15 332	0.21 348	0.20 349	0.18 323	0.19 328

Wz-Net-SNSev	0.43 330	0.41 363	1.27 381	0.30 325	0.21 304	0.44 308	0.41 346	0.61 335	0.65 343	0.46 314	0.65 334	0.62 338	0.39 299	0.74 318	0.59 336	0.12 261	0.11 287	0.12 263	0.13 299	0.16 297	0.14 283

THIR-Stereo	0.29 249	0.12 81	0.41 166	0.19 26	0.11 42	0.28 173	0.72 385	0.32 68	0.35 156	0.37 247	0.65 334	0.34 200	0.50 339	0.57 251	0.45 306	0.07 16	0.06 72	0.08 65	0.09 184	0.07 37	0.07 65

RAFT-345	0.21 117	0.10 24	0.46 205	0.22 130	0.11 42	0.20 55	0.16 38	0.26 14	0.25 58	0.27 89	0.66 336	0.21 68	0.16 64	0.55 240	0.21 161	0.07 16	0.06 72	0.08 65	0.07 50	0.06 6	0.06 18

ccnet	0.42 326	0.31 337	0.48 221	0.27 297	0.32 363	0.60 353	0.32 309	0.65 352	0.46 267	0.53 342	0.66 336	0.56 320	0.45 322	0.72 309	0.61 339	0.26 360	0.19 354	0.24 357	0.21 352	0.26 358	0.22 350

ADCMid	0.49 344	0.34 345	1.13 373	0.26 274	0.21 304	0.51 333	0.37 331	0.57 311	0.54 315	0.75 367	0.66 336	0.62 338	0.64 364	0.64 283	1.68 394	0.13 277	0.12 304	0.17 328	0.17 338	0.20 335	0.17 307

AnyNet_C32	0.51 350	0.40 360	1.10 372	0.29 317	0.28 352	0.59 350	0.58 375	0.54 280	0.60 333	0.62 352	0.66 336	0.54 316	0.54 345	0.78 331	1.74 397	0.15 311	0.14 318	0.15 313	0.17 338	0.20 335	0.20 338

ASMatch	0.23 160	0.11 63	0.51 242	0.24 209	0.14 165	0.19 34	0.17 59	0.31 60	0.28 87	0.28 98	0.68 340	0.27 139	0.26 194	0.50 219	0.22 175	0.07 16	0.06 72	0.08 65	0.07 50	0.06 6	0.11 232

psmorigin	0.50 346	0.25 298	3.03 407	0.24 209	0.19 282	0.38 276	0.22 201	0.50 239	0.44 241	0.64 355	0.68 340	0.71 362	0.51 342	0.85 346	0.45 306	0.14 300	0.17 344	0.13 282	0.14 310	0.16 297	0.21 345

MFN_U_SF_DS_RVC	0.51 350	0.50 373	0.86 340	0.39 364	0.24 335	0.84 376	0.55 373	0.56 304	0.62 338	0.60 350	0.68 340	0.62 338	0.42 314	1.13 378	0.43 299	0.23 355	0.27 374	0.27 360	0.35 376	0.25 351	0.29 366

AF-Net	0.37 303	0.26 309	0.56 261	0.32 338	0.23 330	0.41 291	0.29 290	0.61 335	0.64 342	0.42 295	0.68 340	0.65 349	0.49 338	0.57 251	0.44 303	0.15 311	0.11 287	0.19 342	0.14 310	0.15 289	0.13 266

Nwc_Net	0.37 303	0.25 298	0.68 302	0.31 332	0.24 335	0.44 308	0.30 300	0.65 352	0.50 298	0.37 247	0.69 344	0.58 327	0.45 322	0.60 263	0.40 289	0.15 311	0.12 304	0.19 342	0.21 352	0.14 277	0.13 266

WZ-Net	0.52 354	0.38 358	1.90 395	0.30 325	0.24 335	0.57 348	0.48 366	0.62 344	0.78 365	0.50 326	0.71 345	0.68 357	0.54 345	0.98 368	0.84 358	0.13 277	0.10 270	0.11 230	0.12 281	0.19 327	0.20 338

ADCL	0.47 340	0.22 284	1.00 360	0.27 297	0.19 282	0.74 366	0.64 380	0.54 280	0.69 352	0.56 346	0.71 345	0.55 318	0.60 354	0.60 263	1.43 389	0.11 234	0.09 252	0.13 282	0.13 299	0.14 277	0.14 283

ADCS	0.58 361	0.40 360	1.35 386	0.29 317	0.24 335	0.55 344	0.45 356	0.67 363	0.83 371	0.76 368	0.71 345	0.68 357	0.60 354	0.76 324	2.23 405	0.16 323	0.16 339	0.16 322	0.17 338	0.22 344	0.22 350

MDST_ROB	0.48 342	0.14 165	0.95 355	0.30 325	0.21 304	1.33 398	0.32 309	0.77 375	0.56 324	1.06 384	0.71 345	0.49 297	0.35 278	1.26 386	0.38 274	0.13 277	0.11 287	0.16 322	0.13 299	0.12 252	0.12 254

ACVNet-4b	0.72 375	0.81 388	1.33 385	0.72 389	0.50 379	0.80 374	0.31 304	0.71 370	0.80 367	0.50 326	0.72 349	0.95 375	0.43 317	0.96 365	1.20 384	1.13 409	0.21 360	0.76 393	0.45 383	0.65 389	0.46 384

MFN_U_SF_RVC	0.56 357	0.51 375	1.19 375	0.38 362	0.22 319	0.69 361	0.27 273	0.80 380	0.67 347	0.73 363	0.74 350	0.87 369	0.61 363	0.81 340	0.76 351	0.29 371	0.27 374	0.32 370	0.37 380	0.32 370	0.31 369

otaku	0.57 360	0.62 381	0.87 342	0.63 385	0.44 375	0.73 365	0.37 331	0.65 352	0.66 344	0.51 331	0.75 351	0.66 353	0.45 322	0.69 298	0.46 312	0.53 383	0.34 383	0.55 384	0.35 376	0.60 385	0.45 381

ACVNet_1	0.72 375	0.81 388	1.37 387	0.72 389	0.53 382	0.77 369	0.42 349	0.85 386	0.90 376	0.74 366	0.75 351	1.32 387	0.72 369	1.02 372	0.55 329	0.54 385	0.31 381	0.71 391	0.35 376	0.64 388	0.45 381

GANet	0.36 294	0.22 284	0.49 226	0.29 317	0.17 245	0.41 291	0.38 337	0.57 311	0.45 253	0.46 314	0.75 351	0.55 318	0.40 302	0.94 362	0.41 295	0.13 277	0.13 314	0.13 282	0.11 249	0.14 277	0.11 232

MADNet+	1.01 388	1.16 405	4.72 411	0.70 387	0.47 377	1.24 394	0.96 400	0.97 388	0.89 374	0.65 357	0.77 354	0.87 369	0.85 380	2.09 404	1.68 394	0.38 380	0.39 386	0.31 369	0.27 369	0.43 375	0.39 377

CSAN	0.50 346	0.35 348	0.78 318	0.36 355	0.23 330	0.56 345	0.59 377	0.61 335	0.70 354	0.64 355	0.78 355	0.65 349	0.60 354	1.38 390	0.62 341	0.21 352	0.17 344	0.20 345	0.20 349	0.18 323	0.18 321

RainbowNet	0.72 375	0.89 393	1.02 364	0.82 392	0.63 388	0.78 372	0.52 370	0.81 382	0.93 380	0.60 350	0.79 356	0.80 367	0.60 354	0.80 337	0.57 330	0.78 396	0.55 397	0.78 394	0.49 386	0.76 394	0.58 390

DCRE	0.20 103	0.13 136	0.40 144	0.21 87	0.15 206	0.20 55	0.19 124	0.30 54	0.27 74	0.22 54	0.80 357	0.23 94	0.16 64	0.23 52	0.15 51	0.07 16	0.07 158	0.07 14	0.08 110	0.07 37	0.06 18

SDNR	0.42 326	0.21 272	0.82 331	0.21 87	0.18 264	1.27 395	0.17 59	0.50 239	0.49 290	0.42 295	0.81 358	0.38 228	0.27 211	1.19 380	0.38 274	0.23 355	0.24 370	0.17 328	0.13 299	0.17 312	0.20 338

Consistency-Raft	0.55 356	0.48 368	1.02 364	0.45 372	0.49 378	0.49 328	0.47 362	0.72 371	0.72 357	0.45 311	0.82 359	0.47 287	0.60 354	0.50 219	0.63 344	0.39 381	0.39 386	0.44 378	0.51 389	0.52 380	0.37 375

aanetorigin	0.39 315	0.29 326	1.09 369	0.24 209	0.19 282	0.28 173	0.37 331	0.33 82	0.47 272	0.94 376	0.82 359	0.52 310	0.54 345	0.49 217	0.50 323	0.11 234	0.09 252	0.10 183	0.10 216	0.16 297	0.15 292

SGM_RVC	0.50 346	0.19 251	0.50 236	0.25 246	0.15 206	0.69 361	0.39 342	0.68 366	0.82 368	0.95 378	0.84 361	1.13 378	0.76 370	1.16 379	0.60 338	0.16 323	0.16 339	0.16 322	0.16 329	0.16 297	0.17 307
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
PWC_ROB	0.38 309	0.29 326	0.69 303	0.25 246	0.20 296	0.38 276	0.19 124	0.58 318	0.67 347	0.57 348	0.85 362	0.51 307	0.40 302	0.71 304	0.52 326	0.13 277	0.09 252	0.14 301	0.10 216	0.17 312	0.14 283

MSC_U_SF_DS_RVC	0.68 372	0.64 382	1.06 368	0.45 372	0.27 349	1.40 401	0.58 375	0.78 376	0.92 378	0.84 371	0.86 363	0.88 371	0.68 365	1.33 389	0.68 348	0.37 379	0.29 378	0.34 372	0.36 379	0.43 375	0.37 375

MFMNet_re	0.72 375	0.76 386	0.99 359	0.62 384	0.70 390	0.77 369	0.67 381	0.75 373	0.83 371	0.78 369	0.86 363	0.69 359	0.78 371	0.71 304	0.61 339	0.66 392	0.59 400	0.61 388	0.58 396	0.68 392	0.71 399

SPS-STEREO	0.69 373	0.61 380	0.98 358	0.52 380	0.57 384	0.74 366	0.50 369	0.78 376	0.62 338	0.95 378	0.86 363	0.94 373	0.70 367	1.01 371	0.87 362	0.58 389	0.51 391	0.50 381	0.50 388	0.55 382	0.58 390
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
EDNetEfficient	0.63 367	0.37 356	2.40 401	0.26 274	0.25 342	0.38 276	0.49 368	0.41 164	1.06 385	1.38 394	0.87 366	0.62 338	0.95 383	0.65 289	1.65 393	0.11 234	0.09 252	0.10 183	0.11 249	0.19 327	0.17 307

RTS	0.78 381	0.48 368	4.68 409	0.34 345	0.28 352	1.12 388	0.46 358	0.62 344	1.03 382	0.73 363	0.89 367	0.60 332	0.59 352	1.61 394	1.16 380	0.14 300	0.11 287	0.15 313	0.15 318	0.21 338	0.19 328

RTSA	0.78 381	0.48 368	4.68 409	0.34 345	0.28 352	1.12 388	0.46 358	0.62 344	1.03 382	0.73 363	0.89 367	0.60 332	0.59 352	1.61 394	1.16 380	0.14 300	0.11 287	0.15 313	0.15 318	0.21 338	0.19 328

FTStereo	0.28 239	0.10 24	0.43 183	0.23 172	0.13 131	0.21 73	0.53 372	0.34 88	0.26 65	0.38 255	0.95 369	0.30 171	0.56 349	0.32 157	0.18 105	0.08 99	0.06 72	0.09 120	0.08 110	0.07 37	0.19 328

AnyNet_C01	0.65 369	0.58 378	2.60 404	0.32 338	0.26 347	0.88 378	0.61 378	0.63 350	0.62 338	0.68 359	0.96 370	0.76 365	0.60 354	0.96 365	1.43 389	0.16 323	0.16 339	0.17 328	0.17 338	0.23 347	0.23 356

SANet	0.53 355	0.28 319	0.96 356	0.26 274	0.15 206	0.69 361	0.44 354	0.67 363	1.34 392	0.67 358	0.98 371	0.94 373	0.71 368	0.89 353	0.76 351	0.14 300	0.12 304	0.12 263	0.11 249	0.17 312	0.16 299

tt	4.71 413	0.10 24	3.94 408	2.06 415	1.53 412	10.14 420	16.88 420	9.27 421	4.98 413	1.39 395	1.02 372	4.68 413	4.90 413	3.35 413	5.86 416	5.76 420	9.15 426	2.24 415	2.53 416	3.10 416	1.32 412

EDNetEfficientorigin	7.51 416	0.52 376	140.47 438	0.25 246	0.17 245	0.42 298	0.29 290	0.47 214	1.03 382	1.28 391	1.02 372	0.83 368	0.84 378	0.75 319	0.99 367	0.10 207	0.09 252	0.12 263	0.10 216	0.21 338	0.22 350

PVD	0.58 361	0.34 345	0.84 336	0.39 364	0.31 362	0.59 350	0.47 362	0.80 380	1.25 391	0.92 375	1.09 374	0.79 366	0.82 376	0.85 346	0.76 351	0.21 352	0.18 350	0.22 354	0.18 343	0.27 361	0.35 374

JetBlue	1.14 393	0.76 386	2.36 399	0.59 382	0.75 392	3.04 412	1.78 412	1.11 390	0.90 376	0.94 376	1.10 375	1.66 393	1.28 397	2.09 404	1.72 396	0.43 382	0.36 384	0.38 374	0.38 382	0.58 384	0.56 388

LSM	1.64 403	0.40 360	2.56 403	2.02 414	17.61 426	0.51 333	0.52 370	0.61 335	0.76 362	0.82 370	1.11 376	0.63 346	0.54 345	0.75 319	0.49 318	0.16 323	0.24 370	0.18 335	0.21 352	0.25 351	2.42 416

PWCK	1.00 387	1.17 406	1.70 394	0.91 395	0.41 373	1.19 392	0.92 398	1.10 389	1.14 389	1.16 389	1.14 377	1.25 384	0.88 381	1.75 400	1.04 370	0.87 400	0.50 389	0.87 396	0.53 391	0.96 403	0.52 386

RAFT-RH_RVC	0.25 205	0.11 63	0.45 199	0.21 87	0.12 77	0.25 136	0.14 13	0.27 21	0.27 74	0.38 255	1.15 378	0.23 94	0.17 87	0.57 251	0.24 198	0.07 16	0.05 6	0.10 183	0.07 50	0.06 6	0.07 65

coex-ft	3.44 411	0.73 385	48.55 436	0.24 209	0.19 282	0.50 332	0.43 351	0.47 214	2.40 403	7.03 417	1.20 379	0.97 376	2.23 407	0.73 311	1.92 401	0.12 261	0.15 332	0.14 301	0.12 281	0.21 338	0.43 380

G-Net	0.46 339	0.25 298	0.86 340	0.34 345	0.28 352	0.90 380	0.35 324	0.47 214	0.45 253	0.68 359	1.22 380	0.64 348	0.60 354	0.61 268	0.57 330	0.16 323	0.14 318	0.17 328	0.13 299	0.22 344	0.19 328

pmcnn	0.50 346	0.20 259	0.78 318	0.24 209	0.26 347	0.39 283	0.30 300	0.51 252	0.50 298	0.54 344	1.23 381	2.52 405	0.37 290	0.77 330	0.95 365	0.08 99	0.06 72	0.06 1	0.05 9	0.10 190	0.08 111

PWCDC_ROB	0.38 309	0.30 332	0.60 275	0.33 343	0.20 296	0.42 298	0.19 124	0.58 318	0.89 374	0.42 295	1.26 382	0.36 219	0.34 274	0.50 219	0.38 274	0.18 343	0.11 287	0.11 230	0.09 184	0.19 327	0.13 266

MeshStereo	0.58 361	0.27 316	0.67 298	0.22 130	0.17 245	0.66 359	0.37 331	0.78 376	0.61 336	1.47 404	1.30 383	1.65 392	0.79 372	1.12 377	0.59 336	0.17 333	0.17 344	0.17 328	0.14 310	0.17 312	0.14 283
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
UNDER WATER-64	1.55 401	1.19 407	2.52 402	1.31 407	0.95 404	2.12 407	1.21 409	1.45 398	3.19 405	1.43 400	1.32 384	2.64 406	2.04 406	1.63 396	1.83 398	1.11 407	0.67 408	1.28 408	0.92 407	1.19 405	1.02 408

ELAS_RVC	0.74 379	0.36 351	1.00 360	0.37 360	0.33 364	0.88 378	0.93 399	0.83 383	1.08 386	1.35 393	1.33 385	1.24 383	1.33 398	1.06 374	0.95 365	0.27 365	0.25 372	0.29 366	0.27 369	0.30 367	0.30 367
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ACVNet_2	0.89 384	0.87 392	1.25 379	0.82 392	0.62 387	0.97 383	0.62 379	1.14 391	1.42 394	1.00 381	1.40 386	1.47 390	0.84 378	1.11 375	0.66 347	0.61 390	0.43 388	0.78 394	0.49 386	0.75 393	0.52 386

WCMA_ROB	0.51 350	0.21 272	0.65 294	0.25 246	0.21 304	0.58 349	0.32 309	0.54 280	0.55 321	0.95 378	1.40 386	1.28 385	0.81 375	0.73 311	0.62 341	0.18 343	0.15 332	0.15 313	0.15 318	0.19 327	0.19 328

IMH-64-1	0.91 385	0.86 390	0.84 336	0.97 397	0.75 392	0.92 381	0.71 383	1.27 392	1.10 387	0.89 373	1.45 388	1.14 379	0.96 384	1.19 380	0.84 358	0.74 393	0.51 391	0.97 398	0.55 393	0.84 396	0.60 392

IMH-64	0.91 385	0.86 390	0.84 336	0.97 397	0.75 392	0.92 381	0.71 383	1.27 392	1.10 387	0.89 373	1.45 388	1.14 379	0.96 384	1.19 380	0.84 358	0.74 393	0.51 391	0.97 398	0.55 393	0.84 396	0.60 392

UNDER WATER	1.59 402	1.22 408	2.36 399	1.38 408	1.03 405	1.67 404	1.10 406	1.54 403	3.63 407	1.44 401	1.47 390	2.85 408	2.25 408	1.67 397	1.94 402	1.06 405	0.62 404	1.31 409	0.93 408	1.21 406	1.02 408

MSMD_ROB	0.60 365	0.33 344	0.61 278	0.30 325	0.25 342	0.86 377	0.35 324	0.55 290	0.67 347	1.10 386	1.49 391	1.76 395	0.97 386	0.88 352	0.49 318	0.23 355	0.21 360	0.27 360	0.27 369	0.25 351	0.24 360

SGM+DAISY	0.87 383	0.66 384	1.30 384	0.51 378	0.60 385	1.03 385	0.84 396	0.76 374	0.73 360	1.39 395	1.51 392	1.31 386	1.22 393	1.11 375	1.08 371	0.57 388	0.53 394	0.51 383	0.51 389	0.54 381	0.61 395

ELAS	0.74 379	0.36 351	0.85 339	0.36 355	0.33 364	1.36 399	0.77 390	0.93 387	0.92 378	1.41 397	1.53 393	1.16 381	1.17 391	0.95 364	1.03 369	0.26 360	0.25 372	0.28 365	0.28 372	0.31 368	0.30 367
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
WAO-6	1.07 391	0.93 396	0.92 350	0.96 396	0.78 396	1.28 396	0.75 387	1.34 394	2.00 401	1.02 383	1.54 394	1.59 391	1.22 393	1.31 388	1.14 377	0.78 396	0.55 397	1.02 402	0.75 403	0.83 395	0.69 398

FCDSN-DC	0.63 367	0.31 337	0.61 278	0.36 355	0.30 360	0.65 357	0.37 331	0.66 358	0.68 350	1.14 388	1.54 394	1.71 394	1.26 395	0.92 358	0.64 345	0.24 358	0.22 365	0.27 360	0.26 367	0.27 361	0.27 365
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.70 374	0.30 332	0.69 303	0.32 338	0.27 349	0.81 375	0.39 342	0.79 379	0.82 368	1.41 397	1.58 396	1.98 397	1.26 395	1.02 372	0.77 354	0.24 358	0.22 365	0.27 360	0.26 367	0.26 358	0.26 362

IMH	1.05 390	0.95 397	1.00 360	1.01 399	0.78 396	1.11 387	0.68 382	1.38 395	1.43 395	1.00 381	1.72 397	1.43 388	1.14 388	1.73 399	0.89 363	1.09 406	0.55 397	0.99 400	0.57 395	0.87 398	0.62 397

NVStereoNet_ROB	0.67 371	0.49 372	0.83 332	0.48 375	0.40 372	0.51 333	0.46 358	0.70 368	0.77 364	0.84 371	1.72 397	1.02 377	0.83 377	1.23 384	0.79 356	0.32 374	0.38 385	0.40 376	0.46 384	0.36 373	0.41 379
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
WAO-7	1.01 388	0.89 393	0.93 352	0.83 394	0.66 389	1.18 390	0.81 394	1.40 396	1.57 397	1.11 387	1.76 399	1.45 389	1.19 392	1.50 393	1.14 377	0.61 390	0.62 404	0.70 390	0.68 399	0.66 391	0.60 392

LVE	1.13 392	1.02 398	1.28 382	1.01 399	0.80 399	1.29 397	0.81 394	1.47 399	1.96 399	1.07 385	1.90 400	1.90 396	1.01 387	1.48 392	0.91 364	0.93 403	0.61 403	0.94 397	0.69 400	0.87 398	0.75 403

JetRed	2.30 409	2.64 416	6.12 412	1.12 405	1.38 411	5.85 415	3.29 414	1.99 408	1.67 398	1.98 406	1.95 401	2.16 402	1.60 403	2.48 408	4.10 413	1.05 404	1.60 413	1.09 403	1.01 410	1.67 413	1.28 411

Dean	1.17 394	1.04 400	1.49 389	1.03 401	0.78 396	1.20 393	0.77 390	1.48 400	1.96 399	1.28 391	1.99 402	2.15 399	1.14 388	1.25 385	1.00 368	0.81 398	0.60 401	1.01 401	0.69 400	0.92 402	0.74 402

SGM-ForestM	1.36 395	0.28 319	0.79 324	0.26 274	0.16 229	2.26 409	1.00 402	1.42 397	1.46 396	2.38 408	2.05 403	5.95 418	2.66 410	2.95 409	2.46 407	0.17 333	0.18 350	0.18 335	0.18 343	0.15 289	0.18 321

LE_ROB	1.76 404	0.20 259	2.68 405	0.48 375	0.52 381	0.78 372	0.96 400	0.84 384	6.61 416	7.40 418	2.08 404	2.08 398	4.83 412	1.27 387	3.79 412	0.10 207	0.08 224	0.12 263	0.11 249	0.11 226	0.10 207

WAO-8	1.46 399	1.10 403	1.09 369	1.10 402	0.84 400	2.06 405	0.75 387	1.84 405	3.83 409	1.44 401	2.21 405	2.15 399	1.43 400	3.17 410	1.19 382	0.91 401	0.65 406	1.09 403	0.79 404	0.90 400	0.71 399

Venus	1.46 399	1.10 403	1.09 369	1.10 402	0.84 400	2.06 405	0.75 387	1.84 405	3.83 409	1.44 401	2.21 405	2.15 399	1.43 400	3.17 410	1.19 382	0.91 401	0.65 406	1.09 403	0.79 404	0.90 400	0.71 399

TorneroNet-64	1.43 397	1.03 399	1.20 376	1.10 402	0.86 402	2.26 409	0.73 386	1.84 405	3.84 411	1.25 390	2.25 407	2.69 407	1.42 399	1.76 401	1.43 389	0.76 395	0.50 389	1.09 403	0.66 398	1.23 407	0.76 404

MADNet++	2.26 408	1.80 414	2.06 396	2.13 416	1.97 414	2.61 411	1.79 413	2.38 411	2.16 402	2.75 410	2.65 408	2.38 403	2.43 409	3.17 410	3.21 409	2.17 413	1.95 414	1.94 414	1.63 413	2.06 414	2.01 415

MANE	1.41 396	0.36 351	0.74 316	0.43 369	0.41 373	2.16 408	0.80 392	2.39 412	3.38 406	2.22 407	3.06 409	3.54 411	2.73 411	2.15 406	1.94 402	0.28 369	0.27 374	0.30 368	0.46 384	0.28 365	0.34 373

notaker	1.45 398	1.34 409	1.48 388	1.40 409	1.07 406	1.18 390	0.85 397	1.48 400	1.40 393	1.51 405	3.46 410	2.40 404	1.81 404	1.76 401	1.45 392	1.11 407	0.69 409	1.38 410	0.87 406	1.31 409	0.97 407

DPSimNet_ROB	4.34 412	4.23 417	6.89 414	3.67 417	3.68 415	4.75 413	5.21 416	2.67 413	3.68 408	5.82 415	3.95 411	5.57 414	6.72 416	3.46 414	4.48 414	4.05 418	2.88 417	4.68 419	3.12 418	3.69 417	3.62 418

ktn	1.77 405	1.36 410	1.22 377	1.43 410	1.14 407	1.52 402	1.08 405	1.51 402	3.96 412	2.77 411	4.69 412	3.35 410	1.46 402	1.69 398	1.25 386	1.43 411	0.77 410	1.45 411	0.99 409	1.32 411	0.96 406

HanzoNet	2.97 410	1.69 412	2.29 398	1.74 412	1.33 410	1.53 403	1.03 403	1.99 408	2.64 404	5.51 414	5.16 413	5.90 417	6.82 417	4.32 415	3.29 410	3.16 415	2.02 416	1.92 413	2.87 417	2.24 415	1.89 414

TorneroNet	2.22 407	1.08 402	1.24 378	1.14 406	0.90 403	5.58 414	0.80 392	2.12 410	8.69 418	2.58 409	5.42 414	3.88 412	1.97 405	1.78 403	1.87 399	0.86 399	0.54 396	1.15 407	0.74 402	1.23 407	0.85 405

ASD4	7.23 415	6.65 420	7.69 415	5.24 419	5.62 417	11.85 421	20.36 421	7.57 419	7.14 417	6.55 416	5.47 415	5.99 419	5.78 414	7.22 418	9.24 419	4.85 419	4.44 418	6.40 423	5.19 419	6.53 420	4.89 419

KSHMR	1.89 406	1.36 410	1.60 391	1.47 411	1.22 409	1.38 400	1.06 404	1.79 404	5.97 415	1.42 399	5.65 416	2.98 409	1.14 388	2.23 407	1.20 384	1.27 410	1.12 411	1.46 412	1.10 411	1.32 411	1.15 410

BEATNet-Init1	4.73 414	2.61 415	13.29 425	0.58 381	0.53 382	10.12 419	3.33 415	4.83 415	5.01 414	8.75 419	8.51 417	14.08 427	7.60 418	7.70 419	5.34 415	0.28 369	0.28 377	0.34 372	0.37 380	0.57 383	0.45 381

xxxxx1	15.27 424	9.54 422	10.31 418	20.13 428	18.88 427	17.08 423	23.03 422	10.36 422	10.99 420	9.21 420	9.62 418	10.74 422	10.61 422	10.72 422	13.89 425	7.97 424	9.20 427	31.85 436	44.72 436	12.84 424	13.69 425

tt_ll	15.27 424	9.54 422	10.31 418	20.13 428	18.88 427	17.08 423	23.03 422	10.36 422	10.99 420	9.21 420	9.62 418	10.74 422	10.61 422	10.72 422	13.89 425	7.97 424	9.20 427	31.85 436	44.72 436	12.84 424	13.69 425

ff	15.27 424	9.54 422	10.31 418	20.13 428	18.88 427	17.08 423	23.03 422	10.36 422	10.99 420	9.21 420	9.62 418	10.74 422	10.61 422	10.72 422	13.89 425	7.97 424	9.20 427	31.85 436	44.72 436	12.84 424	13.69 425

Anonymous_1	16.62 428	9.35 421	9.84 417	10.66 422	14.64 424	18.66 427	27.12 427	12.64 425	13.51 426	10.76 425	10.30 421	10.13 421	10.60 421	11.06 425	12.74 422	15.87 433	7.74 423	16.92 430	43.48 435	58.66 438	7.68 422

DGTPSM_ROB	8.34 417	5.10 418	10.37 423	5.31 420	10.18 420	8.33 416	23.60 425	6.06 417	13.41 424	4.90 412	10.87 422	5.65 415	10.44 419	6.17 416	12.59 420	3.74 416	7.55 421	3.69 417	7.26 422	4.14 418	7.46 420

DPSMNet_ROB	8.40 418	5.11 419	10.49 424	5.58 421	10.25 421	8.34 417	23.62 426	6.07 418	13.45 425	4.93 413	10.88 423	5.66 416	10.44 419	6.24 417	12.64 421	3.98 417	7.61 422	3.76 418	7.30 423	4.20 419	7.51 421

DPSM_ROB	11.49 421	9.87 425	10.35 421	11.13 423	11.31 422	19.11 428	27.51 428	13.37 426	14.21 427	10.31 423	11.06 424	10.96 425	11.27 425	11.96 426	13.59 423	6.78 422	8.19 424	6.03 420	7.09 420	7.93 421	7.73 423

DPSM	11.49 421	9.87 425	10.35 421	11.13 423	11.31 422	19.11 428	27.51 428	13.37 426	14.21 427	10.31 423	11.06 424	10.96 425	11.27 425	11.96 426	13.59 423	6.78 422	8.19 424	6.03 420	7.09 420	7.93 421	7.73 423

LRCNet_RVC	10.90 420	14.34 429	9.35 416	15.35 425	8.04 419	1.08 386	0.34 321	8.78 420	0.70 354	12.63 426	16.05 426	9.85 420	6.54 415	8.57 420	6.34 417	20.27 434	5.40 420	23.70 433	21.88 432	14.87 427	13.83 428

HaxPig	17.72 429	20.22 436	19.73 426	16.53 426	16.51 425	9.27 418	9.33 417	14.34 428	13.27 423	18.65 427	18.70 427	17.35 428	16.77 428	17.04 428	16.45 428	22.05 435	20.89 436	22.27 432	21.53 431	21.29 434	22.13 435

SPstereo	14.25 423	1.73 413	2.83 406	1.84 413	1.57 413	23.16 430	43.27 430	35.72 437	29.56 437	20.86 434	20.62 428	26.34 438	21.82 430	25.23 437	19.62 429	1.56 412	1.42 412	2.96 416	2.17 414	1.31 409	1.33 413

LSM0	24.24 436	19.98 435	22.32 433	24.22 436	40.14 438	38.48 436	55.20 431	26.95 435	28.57 431	20.49 428	21.83 429	22.26 436	22.75 434	24.22 435	27.30 432	13.66 432	16.32 430	12.19 429	14.15 424	16.10 433	17.66 434

MEDIAN_ROB	21.21 430	24.62 437	23.47 434	19.58 427	19.65 430	13.22 422	10.96 418	17.88 429	17.00 429	22.14 435	22.02 430	20.86 430	20.36 429	21.06 429	19.71 430	25.63 437	24.13 437	26.21 434	25.20 433	25.17 435	25.38 436

CasAABBNet	23.10 431	19.86 430	20.64 428	22.47 431	22.73 434	38.41 432	55.50 433	26.89 434	28.70 432	20.61 429	22.15 431	22.08 434	22.75 434	23.99 433	27.36 433	13.59 427	16.48 431	12.14 424	14.27 425	15.95 428	15.53 429

MyStereo03	23.12 432	19.90 431	20.85 429	22.49 432	22.71 431	38.42 433	55.53 434	26.80 431	28.72 433	20.77 431	22.25 432	22.03 431	22.69 431	23.90 430	27.38 435	13.62 429	16.50 433	12.15 425	14.28 426	15.95 428	15.53 429

MyStereo02	23.12 432	19.90 431	20.85 429	22.49 432	22.71 431	38.42 433	55.53 434	26.80 431	28.72 433	20.77 431	22.25 432	22.03 431	22.69 431	23.90 430	27.38 435	13.62 429	16.50 433	12.15 425	14.28 426	15.95 428	15.53 429

MyStereo	23.12 432	19.90 431	20.85 429	22.49 432	22.71 431	38.42 433	55.53 434	26.80 431	28.72 433	20.77 431	22.25 432	22.03 431	22.69 431	23.90 430	27.38 435	13.62 429	16.50 433	12.15 425	14.28 426	15.95 428	15.53 429

Selective-RAFT-Error	23.16 435	19.93 434	20.87 432	22.54 435	22.81 435	38.52 437	55.47 432	27.01 436	28.83 436	20.66 430	22.25 432	22.09 435	22.80 436	24.09 434	27.36 433	13.61 428	16.48 431	12.15 425	14.28 426	15.99 432	15.57 433

AVERAGE_ROB	25.43 437	29.06 438	27.24 435	24.63 437	24.20 437	17.73 426	12.61 419	22.29 430	21.39 430	26.79 437	26.16 436	25.20 437	24.64 437	25.07 436	23.53 431	29.96 438	28.40 438	30.60 435	29.58 434	29.72 436	29.84 437

PML	16.10 427	12.82 428	6.78 413	5.23 418	7.76 418	33.92 431	66.56 437	5.30 416	10.28 419	26.12 436	68.59 437	20.51 429	13.49 427	10.06 421	6.78 418	5.96 421	2.00 415	6.04 422	2.18 415	8.96 423	2.60 417

test_example2	101.33 438	108.28 439	68.15 437	98.43 438	106.93 439	89.75 438	102.43 438	36.80 438	97.65 438	129.04 438	130.15 438	65.26 439	66.62 438	92.11 438	80.24 438	144.10 439	199.48 439	81.81 439	103.01 439	125.01 439	101.27 438

FADE		1.06 401		0.71 388	0.76 395							1.17 382				24.23 436	4.70 419	17.35 431	17.61 430	0.49 378

Low-res two-view benchmark