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

riskmin	2.49 100	0.22 1	3.34 61	2.33 246	1.78 249	2.89 126	0.46 103	7.35 147	6.95 184	2.75 47	1.67 24	6.75 218	5.08 243	3.24 51	1.93 134	0.00 1	0.99 312	0.00 1	0.27 311	0.02 9	1.73 306

EGLCR-Stereo	1.45 13	0.26 2	2.91 27	1.94 195	0.90 174	3.13 141	0.69 159	5.81 78	3.21 24	1.14 29	0.20 3	1.52 59	0.37 16	4.29 72	0.69 15	0.01 102	0.79 287	0.00 1	0.00 1	0.01 3	1.21 267

knoymous	1.50 20	0.28 3	1.99 4	0.33 31	0.48 111	1.58 22	0.11 26	5.71 72	2.81 9	4.85 86	1.75 27	4.58 154	0.46 31	3.66 58	1.30 77	0.01 102	0.02 131	0.00 1	0.00 1	0.02 9	0.09 41

PSM-AAD	3.43 184	0.31 4	2.16 7	0.80 83	0.57 131	2.53 72	5.97 321	5.53 58	3.98 66	11.00 308	11.90 250	2.93 89	9.36 324	8.03 193	1.00 50	0.01 102	0.01 102	0.00 1	0.00 1	0.06 68	2.39 349

GrayStereo	3.86 211	0.33 5	2.63 18	1.66 157	0.62 137	3.09 137	7.92 350	6.43 113	3.88 62	10.61 296	16.51 301	5.75 198	8.40 310	6.75 130	1.58 95	0.01 102	0.00 1	0.01 244	0.62 351	0.04 44	0.38 153

Selective-IGEV	1.56 29	0.34 6	2.13 6	0.77 80	0.76 160	2.36 62	0.52 119	6.80 125	3.08 22	0.53 10	3.34 49	0.26 14	0.31 8	7.24 147	0.73 21	0.01 102	0.80 288	0.00 1	0.14 253	0.08 88	1.01 246

Any-RAFT	2.33 82	0.36 7	2.35 10	1.58 146	0.84 168	4.93 228	0.55 125	9.10 186	5.93 147	4.30 79	4.90 84	5.79 200	2.22 126	2.75 46	0.51 2	0.02 185	0.32 251	0.00 1	0.00 1	0.02 9	0.18 89

CAS	2.42 95	0.37 8	2.30 9	11.49 380	3.97 335	1.65 25	0.02 5	4.08 13	2.84 10	0.51 8	1.65 23	0.25 13	0.28 6	1.73 14	0.92 38	10.05 387	0.01 102	0.00 1	0.00 1	0.01 3	6.26 376

AE-Stereo	1.89 38	0.38 9	3.86 104	1.94 195	0.38 93	2.51 71	0.58 134	7.19 141	7.28 193	1.60 38	3.51 57	1.07 47	0.77 46	2.12 28	1.24 74	0.03 215	1.02 316	0.00 1	0.28 312	0.11 132	1.84 321

AEACV	1.27 8	0.38 9	2.61 15	1.75 172	1.21 212	2.44 67	0.85 195	4.79 28	1.67 1	0.71 15	0.26 6	0.29 17	2.00 118	2.30 35	0.66 10	0.01 102	0.95 301	0.00 1	0.42 339	0.12 149	2.07 339

test-3	2.19 68	0.38 9	3.88 110	1.55 144	0.91 177	1.39 12	0.80 179	5.36 55	5.51 129	7.36 198	1.90 30	4.05 133	0.42 22	6.67 128	1.17 63	0.00 1	0.99 312	0.00 1	0.28 312	0.20 216	1.08 256

test_1	2.18 66	0.38 9	3.87 105	1.54 143	0.91 177	1.38 11	0.80 179	5.36 55	5.53 131	7.12 183	1.86 29	4.05 133	0.41 20	6.65 126	1.17 63	0.00 1	0.99 312	0.00 1	0.28 312	0.20 216	1.08 256

s12784h	2.10 58	0.38 9	3.31 59	0.17 4	0.09 11	4.89 227	0.13 37	7.34 146	8.06 216	3.87 74	4.47 80	0.60 41	1.19 76	6.78 134	0.63 8	0.01 102	0.01 102	0.00 1	0.00 1	0.02 9	0.04 17

GLC_STEREO	0.87 1	0.39 14	1.55 2	0.72 70	0.01 1	1.98 43	0.55 125	3.52 4	3.54 42	0.96 25	1.63 22	0.19 1	0.41 20	1.29 7	0.58 4	0.00 1	0.01 102	0.00 1	0.00 1	0.05 59	0.08 37

test_3	2.22 72	0.39 14	4.20 135	1.51 140	0.90 174	1.29 9	0.74 173	5.34 49	6.37 161	6.64 159	1.96 32	4.24 147	0.45 29	6.63 124	1.17 63	0.00 1	1.00 315	0.00 1	0.28 312	0.19 210	1.01 246

GMM-Stereo	3.42 182	0.39 14	3.24 52	0.87 87	0.50 114	2.26 56	4.73 310	5.64 68	3.81 57	7.08 180	16.57 302	6.13 205	3.62 181	7.74 179	1.40 87	0.05 247	0.00 1	0.00 1	0.04 218	0.12 149	4.24 369

Prome-Stereo	3.73 203	0.39 14	2.62 17	1.05 104	0.52 124	2.06 49	4.58 307	4.88 32	3.95 64	9.34 267	20.39 328	4.03 132	7.02 287	7.86 184	1.31 79	0.00 1	0.00 1	0.00 1	0.00 1	0.07 83	4.52 370

CES	1.72 35	0.40 18	1.82 3	0.65 64	7.83 373	2.62 80	0.13 37	5.35 53	2.68 7	0.36 1	1.30 18	0.33 24	0.32 11	1.92 21	0.72 20	0.01 102	0.02 131	0.00 1	0.00 1	0.56 317	7.35 379

Gwc-CoAtRS	2.16 63	0.42 19	3.13 45	1.28 121	0.31 77	3.52 165	0.39 91	6.56 116	6.31 158	5.38 103	5.11 89	5.47 183	1.70 108	2.00 24	1.08 59	0.01 102	0.19 230	0.00 1	0.25 299	0.02 9	0.16 81

LoS	1.03 4	0.43 20	2.53 12	0.64 62	0.14 22	2.42 66	0.26 70	5.64 68	2.93 12	1.08 26	0.24 4	0.49 35	0.45 29	2.31 36	0.83 28	0.02 185	0.02 131	0.00 1	0.00 1	0.06 68	0.03 9

DCANet-4	2.26 76	0.43 20	6.69 252	0.40 42	0.20 47	1.70 30	0.13 37	5.73 73	9.44 249	6.01 125	5.29 95	1.12 48	2.77 148	2.49 43	2.21 151	0.01 102	0.00 1	0.01 244	0.00 1	0.02 9	0.61 200

tt	83.10 417	0.43 20	99.97 425	79.27 420	93.14 421	100.00 426	100.00 426	100.00 427	99.89 422	60.55 408	48.44 396	99.98 426	99.96 425	99.98 427	100.00 429	91.80 420	99.82 424	73.67 421	73.25 417	86.43 422	55.39 415

BUS	2.72 126	0.43 20	3.76 96	0.70 67	0.50 114	7.31 274	0.48 114	9.93 209	5.65 135	6.50 147	6.23 120	5.21 176	1.18 72	4.27 69	1.89 131	0.01 102	0.03 156	0.03 292	0.00 1	0.06 68	0.14 65

BSDual-CNN	2.91 139	0.43 20	3.76 96	0.70 67	0.50 114	6.97 264	1.58 242	9.93 209	5.65 135	6.50 147	6.23 120	6.17 207	2.50 136	4.27 69	2.67 176	0.01 102	0.03 156	0.03 292	0.00 1	0.06 68	0.14 65

psmg	3.34 172	0.43 20	3.76 96	0.73 73	0.50 114	8.47 291	2.74 266	10.88 236	5.65 135	8.91 249	8.78 178	6.17 207	2.50 136	4.27 69	2.67 176	0.01 102	0.04 170	0.06 310	0.00 1	0.12 149	0.10 46

KYRaft	3.68 197	0.43 20	2.53 12	0.89 88	0.49 113	2.28 59	3.89 292	5.30 46	3.82 59	8.99 253	19.28 323	6.54 215	4.96 238	7.92 188	0.96 46	0.01 102	0.00 1	0.00 1	0.01 172	0.06 68	5.17 371

CFNet-RSSM	2.26 76	0.43 20	3.24 52	1.28 121	0.31 77	3.19 145	0.40 92	7.62 157	7.29 194	5.88 115	4.68 81	5.32 180	1.68 106	2.26 34	1.04 54	0.01 102	0.09 202	0.00 1	0.31 322	0.03 26	0.16 81

PMTNet	1.48 19	0.43 20	2.77 24	0.31 25	0.17 36	2.94 128	0.33 83	3.66 7	5.27 119	1.11 28	1.28 17	0.28 16	0.92 53	4.32 73	0.90 35	4.89 375	0.00 1	0.00 1	0.00 1	0.03 26	0.05 23

HSM-Net_RVC	4.40 245	0.44 29	3.22 50	0.72 70	0.68 140	7.06 268	1.82 250	12.57 271	8.48 224	9.04 254	12.20 256	14.98 320	5.14 246	7.32 152	4.19 221	0.02 185	0.02 131	0.00 1	0.00 1	0.02 9	0.14 65
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
RAFT-Test	2.49 100	0.45 30	4.35 143	1.89 189	1.28 219	4.83 225	0.68 156	7.19 141	4.51 91	5.00 92	7.09 148	6.81 219	1.12 63	2.22 30	1.16 62	0.01 102	0.63 275	0.00 1	0.33 327	0.05 59	0.20 100

SST-Stereo	2.86 134	0.45 30	3.64 94	1.46 136	0.36 89	3.94 195	0.80 179	6.07 98	4.46 88	10.96 307	6.21 119	4.94 168	4.14 207	8.85 241	0.93 39	0.01 102	0.00 1	0.00 1	0.00 1	0.04 44	0.03 9

RCA-Stereo	2.19 68	0.46 32	3.22 50	0.47 53	0.33 83	2.27 57	0.47 105	5.60 66	15.20 320	2.86 49	5.61 106	0.78 43	3.15 156	1.71 12	0.48 1	0.00 1	0.90 294	0.00 1	0.00 1	0.10 121	0.26 123

RAFT_R40	2.83 131	0.46 32	3.85 102	1.38 130	0.32 82	3.78 188	0.97 207	6.16 102	4.82 109	9.74 281	6.35 129	4.96 169	3.94 201	8.78 238	1.05 55	0.01 102	0.00 1	0.00 1	0.00 1	0.04 44	0.03 9

pcwnet_v2	4.36 242	0.46 32	9.07 305	1.43 134	1.10 201	3.41 153	0.40 92	13.44 298	14.60 317	10.29 289	14.22 278	5.82 201	2.97 153	6.75 130	2.29 164	0.01 102	0.05 177	0.04 300	0.02 189	0.17 197	0.61 200

R-Stereo Train	2.60 114	0.46 32	2.94 29	1.10 108	0.18 39	3.61 169	0.60 138	6.88 128	3.50 30	9.13 258	17.23 309	1.77 65	0.77 46	2.03 25	1.65 108	0.00 1	0.01 102	0.00 1	0.00 1	0.01 3	0.21 104

RAFT-Stereo	2.60 114	0.46 32	2.94 29	1.10 108	0.18 39	3.61 169	0.60 138	6.88 128	3.50 30	9.13 258	17.23 309	1.77 65	0.77 46	2.03 25	1.65 108	0.00 1	0.01 102	0.00 1	0.00 1	0.01 3	0.21 104
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
CASnet	1.09 5	0.47 37	2.09 5	0.79 81	0.08 9	2.10 50	0.14 45	3.83 9	4.26 78	3.84 73	1.56 20	0.32 23	0.30 7	1.13 2	0.77 22	0.01 102	0.00 1	0.00 1	0.00 1	0.04 44	0.03 9
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
DisPM	2.59 112	0.47 37	4.32 141	1.89 189	0.20 47	3.42 154	0.63 145	5.56 64	5.60 133	8.66 241	7.05 146	2.82 87	1.03 60	9.05 252	1.07 58	0.02 185	0.00 1	0.00 1	0.00 1	0.02 9	0.04 17

PFNet+	2.52 103	0.47 37	4.97 178	0.95 97	0.18 39	3.12 140	0.73 170	4.98 35	6.97 185	7.95 214	6.38 130	2.51 80	1.18 72	8.05 195	1.82 123	0.03 215	0.00 1	0.00 1	0.00 1	0.02 9	0.05 23

ICVP	2.53 104	0.47 37	3.64 94	1.20 114	0.69 142	2.71 93	0.84 190	10.63 228	4.66 97	4.31 80	8.99 183	2.75 86	1.93 116	2.91 48	4.07 220	0.06 257	0.24 242	0.01 244	0.01 172	0.13 165	0.26 123
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
NF-Stereo	2.38 86	0.48 41	3.88 110	2.17 219	0.11 12	3.43 156	0.42 95	7.08 140	3.75 52	6.91 171	5.29 95	2.65 85	1.33 84	8.40 220	1.67 113	0.01 102	0.00 1	0.00 1	0.00 1	0.03 26	0.02 4

OCTAStereo	2.38 86	0.48 41	3.90 112	2.16 215	0.11 12	3.42 154	0.42 95	7.06 135	3.74 50	6.91 171	5.26 92	2.63 84	1.32 82	8.41 222	1.70 116	0.01 102	0.00 1	0.00 1	0.00 1	0.03 26	0.01 1

PSM-softLoss	2.38 86	0.48 41	4.28 138	1.94 195	0.19 42	2.73 96	0.38 88	6.67 119	3.50 30	6.33 138	6.33 127	2.93 89	0.97 55	8.90 243	1.88 128	0.01 102	0.00 1	0.00 1	0.00 1	0.03 26	0.03 9

KMStereo	2.38 86	0.48 41	4.28 138	1.94 195	0.19 42	2.73 96	0.38 88	6.67 119	3.50 30	6.33 138	6.33 127	2.93 89	0.97 55	8.90 243	1.88 128	0.01 102	0.00 1	0.00 1	0.00 1	0.03 26	0.03 9

RE-Stereo	2.38 86	0.48 41	3.91 113	2.17 219	0.11 12	3.43 156	0.42 95	7.07 137	3.75 52	6.91 171	5.26 92	2.62 82	1.33 84	8.41 222	1.72 118	0.01 102	0.00 1	0.01 244	0.00 1	0.03 26	0.01 1

TVStereo	2.38 86	0.48 41	3.91 113	2.17 219	0.11 12	3.43 156	0.42 95	7.07 137	3.75 52	6.91 171	5.26 92	2.62 82	1.33 84	8.41 222	1.72 118	0.01 102	0.00 1	0.01 244	0.00 1	0.03 26	0.01 1

cross-raft	2.25 75	0.48 41	2.96 36	1.87 185	0.94 180	3.72 184	0.47 105	7.61 156	4.15 71	5.37 102	5.68 108	6.17 207	1.40 89	2.15 29	1.06 56	0.01 102	0.22 236	0.00 1	0.19 272	0.03 26	0.41 163

XX-Stereo	2.95 145	0.48 41	7.08 265	2.84 290	2.51 287	1.63 23	0.20 58	6.15 101	3.38 28	2.38 44	16.00 296	6.90 222	0.25 2	6.40 116	1.14 60	0.00 1	0.66 277	0.00 1	0.31 322	0.16 191	0.57 190

MSKI-zero shot	2.23 74	0.49 49	2.49 11	1.60 147	0.81 165	2.69 90	0.29 74	6.82 126	2.50 5	4.37 81	7.61 158	3.65 122	0.26 3	8.62 234	0.63 8	0.01 102	1.09 321	0.00 1	0.25 299	0.03 26	0.46 174

MC-Stereo	1.87 36	0.49 49	3.52 76	2.82 287	1.07 193	1.90 41	0.12 30	4.89 34	3.27 26	3.66 67	3.58 60	0.56 39	1.45 92	5.79 102	0.81 25	0.00 1	1.19 343	0.00 1	0.21 287	0.11 132	1.95 335

iRaft-Stereo_20w	3.11 155	0.49 49	6.09 226	1.01 100	1.25 217	3.99 199	1.00 208	14.00 308	4.73 101	6.70 168	6.27 125	2.34 77	2.28 129	7.29 151	1.58 95	0.01 102	0.75 285	0.00 1	0.73 355	0.10 121	1.63 289

AAGNet	3.50 185	0.49 49	3.38 64	1.91 191	0.41 105	3.66 175	1.02 209	5.14 42	5.16 118	9.65 279	7.75 160	4.91 165	6.23 272	7.45 163	12.73 340	0.01 102	0.00 1	0.00 1	0.00 1	0.05 59	0.06 30

CREStereo++_RVC	1.70 33	0.50 53	3.07 44	0.45 50	0.01 1	1.69 29	0.02 5	3.09 3	8.24 219	3.82 71	7.53 156	0.49 35	0.32 11	1.05 1	0.52 3	0.00 1	0.00 1	0.00 1	3.03 378	0.01 3	0.08 37
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
PCWNet_CMD	3.14 159	0.51 54	4.47 147	0.44 49	0.26 72	2.87 124	0.15 47	9.66 203	9.78 253	7.28 193	11.50 243	6.84 221	2.40 133	4.47 75	1.83 124	0.01 102	0.02 131	0.02 275	0.00 1	0.06 68	0.29 132

CRE-IMP	2.08 49	0.51 54	3.43 72	0.35 36	0.19 42	3.85 193	0.83 189	5.77 76	3.43 29	5.81 113	4.24 69	3.45 116	0.83 51	6.56 120	1.99 140	0.01 102	0.00 1	0.00 1	0.00 1	0.11 132	0.20 100

CREStereo	1.09 5	0.51 54	2.16 7	0.11 2	0.24 65	1.67 26	0.03 7	4.24 15	6.91 182	0.80 22	1.73 25	0.44 33	0.64 39	1.58 11	0.61 7	0.00 1	0.00 1	0.00 1	0.00 1	0.01 3	0.02 4
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
MSMDNet	3.15 160	0.51 54	4.48 148	0.46 52	0.25 69	2.88 125	0.16 50	9.79 206	9.82 254	7.24 190	11.36 242	6.82 220	2.41 134	4.47 75	1.86 126	0.01 102	0.02 131	0.02 275	0.00 1	0.06 68	0.30 135

NRIStereo	2.27 78	0.52 58	3.35 63	1.26 118	0.17 36	3.04 134	0.84 190	5.96 93	3.74 50	6.27 135	3.44 50	4.13 138	1.80 115	8.31 214	2.11 146	0.00 1	0.10 206	0.00 1	0.00 1	0.12 149	0.20 100

MIF-Stereo	0.94 2	0.53 59	2.82 25	0.94 96	1.29 223	0.56 3	0.12 30	1.49 1	3.16 23	1.77 39	2.22 35	0.20 3	0.32 11	1.76 19	1.33 82	0.00 1	0.00 1	0.00 1	0.00 1	0.16 191	0.02 4

DAS	4.18 233	0.53 59	6.20 231	2.20 223	3.69 324	2.78 104	3.12 279	8.69 174	10.29 259	9.39 269	12.80 263	4.58 154	7.20 290	9.08 253	2.70 179	0.02 185	0.00 1	0.00 1	0.00 1	0.04 44	0.34 143

SepStereo	4.22 236	0.53 59	6.20 231	2.20 223	3.69 324	2.78 104	3.12 279	8.69 174	10.29 259	9.39 269	12.80 263	4.58 154	7.20 290	9.74 277	2.70 179	0.02 185	0.00 1	0.00 1	0.00 1	0.04 44	0.34 143

Selective-RAFT	1.92 40	0.54 62	3.87 105	1.15 110	0.21 56	3.83 192	0.06 11	5.00 36	4.68 98	1.59 37	2.14 34	3.05 93	2.77 148	6.63 124	1.34 84	0.00 1	0.95 301	0.00 1	0.32 324	0.05 59	0.19 95

FTStereo	4.61 258	0.54 62	2.86 26	0.98 99	0.40 101	2.57 76	8.51 353	5.70 71	3.76 55	10.85 304	29.92 364	5.53 186	7.43 296	7.73 178	1.63 103	0.17 297	0.00 1	0.05 306	0.00 1	0.04 44	3.62 365

DEmStereo	3.86 211	0.54 62	4.04 125	0.26 23	0.17 36	5.17 231	2.45 263	4.70 26	4.34 83	8.37 234	19.94 326	5.06 173	10.13 327	7.86 184	3.93 215	0.01 102	0.01 102	0.01 244	0.00 1	0.03 26	0.10 46

test-1	2.14 61	0.54 62	6.32 240	1.07 105	1.22 213	2.13 52	0.54 122	6.40 112	4.80 108	3.55 62	5.23 91	4.02 131	0.71 42	1.95 22	2.15 149	0.08 267	0.98 309	0.00 1	0.08 230	0.02 9	1.07 254

EAI-Stereo	2.75 130	0.54 62	3.17 47	0.91 93	1.28 219	4.02 200	5.30 318	12.39 265	4.76 102	2.51 46	7.10 149	1.22 50	0.94 54	6.03 108	1.96 136	0.01 102	0.56 271	0.00 1	1.38 367	0.04 44	0.95 241

LCNet	2.94 143	0.55 67	2.57 14	1.03 103	0.59 134	2.05 47	1.55 241	5.51 57	4.19 74	6.08 130	10.58 228	4.54 152	6.63 278	7.59 173	0.90 35	0.01 102	0.00 1	0.01 244	0.76 356	0.31 278	3.43 361

Patchmatch Stereo++	2.09 54	0.55 67	3.57 85	0.20 5	0.20 47	3.68 180	0.64 147	5.90 86	3.52 36	5.91 117	4.41 73	3.42 108	1.51 98	7.07 141	0.95 44	0.01 102	0.00 1	0.00 1	0.00 1	0.09 101	0.10 46
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	2.02 44	0.55 67	3.57 85	0.20 5	0.21 56	3.69 183	0.69 159	5.89 81	3.52 36	5.91 117	4.43 75	3.42 108	1.50 94	5.63 99	0.94 43	0.01 102	0.00 1	0.00 1	0.00 1	0.09 101	0.10 46

DeepStereo_RVC	2.15 62	0.55 67	3.26 54	0.21 14	0.19 42	3.47 161	0.68 156	5.76 75	3.60 46	6.36 142	4.19 68	3.42 108	4.44 215	5.04 84	1.59 98	0.02 185	0.00 1	0.00 1	0.00 1	0.09 101	0.18 89

RAFT-345	3.36 175	0.55 67	3.43 72	1.23 116	0.21 56	2.62 80	0.46 103	3.91 10	6.34 159	7.46 201	24.49 347	4.19 142	1.74 113	8.27 207	2.25 157	0.01 102	0.00 1	0.00 1	0.00 1	0.02 9	0.02 4

iRAFT	2.09 54	0.55 67	3.57 85	0.20 5	0.20 47	3.68 180	0.64 147	5.90 86	3.52 36	5.91 117	4.41 73	3.42 108	1.51 98	7.07 141	0.95 44	0.01 102	0.00 1	0.00 1	0.00 1	0.09 101	0.10 46

CFNet_pseudo	2.96 147	0.55 67	4.51 150	0.43 46	0.24 65	2.83 108	0.12 30	8.59 173	8.13 217	7.20 188	10.41 221	6.47 213	2.04 119	5.27 89	2.00 142	0.00 1	0.02 131	0.01 244	0.00 1	0.06 68	0.23 112

ccs_rob	2.95 145	0.55 67	4.53 152	0.42 43	0.25 69	2.84 110	0.12 30	8.58 172	8.13 217	7.18 187	10.36 220	6.44 212	2.05 120	5.28 90	1.97 137	0.00 1	0.02 131	0.01 244	0.00 1	0.06 68	0.23 112

CFNet_ucs	3.23 166	0.56 75	4.59 160	0.59 58	0.37 92	3.29 151	0.19 56	10.47 224	9.02 238	7.78 210	12.57 261	5.59 188	1.74 113	5.39 93	1.86 126	0.00 1	0.04 170	0.01 244	0.00 1	0.10 121	0.33 142

PSMNet-ADL	3.17 163	0.56 75	3.00 42	1.55 144	0.40 101	5.97 249	0.28 72	9.06 183	5.75 142	3.56 63	6.80 139	8.33 249	4.51 217	7.65 176	5.51 251	0.03 215	0.09 202	0.00 1	0.00 1	0.03 26	0.28 129

ROB_FTStereo_v2	2.04 46	0.56 75	3.56 84	0.20 5	0.21 56	3.66 175	0.72 168	5.89 81	3.51 34	5.91 117	4.46 78	3.42 108	1.50 94	6.08 111	0.93 39	0.01 102	0.00 1	0.00 1	0.00 1	0.09 101	0.09 41

HUI-Stereo	1.94 41	0.56 75	3.55 82	0.20 5	0.20 47	3.67 179	0.63 145	5.89 81	3.53 40	5.92 122	4.44 76	3.41 107	1.51 98	4.21 68	0.89 34	0.02 185	0.00 1	0.00 1	0.00 1	0.09 101	0.11 53

iGMRVC	2.09 54	0.56 75	3.59 90	0.20 5	0.21 56	3.68 180	0.71 165	5.89 81	3.53 40	5.92 122	4.46 78	3.44 114	1.51 98	6.93 140	0.98 47	0.02 185	0.00 1	0.00 1	0.00 1	0.09 101	0.09 41

anonymousdsp2	2.20 70	0.57 80	4.59 160	1.69 162	0.82 166	3.58 168	0.48 114	8.57 171	3.63 47	3.37 58	3.03 47	3.32 99	1.00 57	5.57 98	0.80 23	0.01 102	0.94 300	0.02 275	0.15 256	0.06 68	1.89 331

CASS	2.62 116	0.57 80	4.28 138	0.90 90	0.38 93	3.45 159	0.22 60	9.91 208	4.46 88	7.33 197	7.92 166	3.53 120	3.59 178	4.16 67	1.49 90	0.03 215	0.01 102	0.00 1	0.00 1	0.05 59	0.06 30
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ROB_FTStereo	2.03 45	0.57 80	3.57 85	0.20 5	0.21 56	3.66 175	0.73 170	5.89 81	3.51 34	5.92 122	4.35 72	3.37 104	1.50 94	6.02 107	0.90 35	0.01 102	0.00 1	0.00 1	0.00 1	0.09 101	0.09 41

RAFT-IKP	2.04 46	0.57 80	3.54 80	0.20 5	0.20 47	3.45 159	0.62 143	5.90 86	3.52 36	5.91 117	4.44 76	3.46 117	1.50 94	6.20 113	1.00 50	0.01 102	0.00 1	0.00 1	0.00 1	0.09 101	0.08 37

MIF-Stereo (partial)	1.44 12	0.59 84	3.98 120	0.08 1	1.09 199	1.24 8	0.13 37	5.12 41	4.07 69	0.47 7	2.56 40	0.31 19	0.74 44	6.31 115	2.02 143	0.00 1	0.00 1	0.00 1	0.00 1	0.12 149	0.04 17

PFNet	3.06 152	0.59 84	6.13 228	2.26 234	0.84 168	3.08 136	0.73 170	7.38 148	5.35 121	10.20 285	6.06 115	4.72 159	2.10 124	8.47 227	2.25 157	0.19 301	0.06 183	0.00 1	0.11 242	0.20 216	0.42 167

FENet	2.35 83	0.59 84	3.28 56	2.32 244	0.27 73	2.78 104	0.13 37	7.68 161	6.09 149	5.38 103	2.12 33	4.84 164	3.33 170	4.98 82	2.66 175	0.02 185	0.03 156	0.00 1	0.00 1	0.04 44	0.40 156

EKT-Stereo	2.16 63	0.61 87	3.78 100	2.31 243	4.40 342	1.47 15	0.24 66	5.54 59	4.22 76	3.16 57	3.58 60	3.53 120	2.20 125	5.66 100	1.40 87	0.04 235	0.36 258	0.00 1	0.09 236	0.06 68	0.58 192

GwcNet-ADL	2.85 133	0.61 87	4.38 144	0.92 94	0.33 83	2.05 47	0.67 154	8.85 178	9.65 251	6.36 142	6.71 135	4.11 137	1.71 109	5.97 106	4.22 223	0.08 267	0.06 183	0.00 1	0.00 1	0.07 83	0.16 81

Pruner-Stereo	2.66 118	0.61 87	3.54 80	1.93 193	0.25 69	3.47 161	0.74 173	6.60 117	5.66 139	8.98 251	6.12 117	4.39 150	1.11 62	7.27 149	2.34 167	0.03 215	0.00 1	0.02 275	0.00 1	0.03 26	0.04 17

Anonymous3	1.96 42	0.61 87	7.58 277	0.42 43	0.51 121	4.28 210	0.52 119	5.56 64	2.76 8	2.35 43	3.47 51	1.50 57	1.13 64	5.92 105	1.54 93	0.23 309	0.23 239	0.00 1	0.00 1	0.14 174	0.47 175

SFCPSM	3.39 178	0.61 87	5.42 194	0.43 46	0.93 179	8.26 284	2.08 257	15.01 321	5.89 145	7.17 186	7.60 157	3.39 106	2.55 139	5.39 93	2.53 170	0.01 102	0.03 156	0.01 244	0.07 227	0.19 210	0.31 137

ASMatch	3.41 180	0.62 92	3.59 90	1.99 204	0.48 111	1.91 42	0.66 150	7.01 130	4.43 87	6.25 133	22.02 336	4.56 153	4.72 230	7.78 181	1.85 125	0.01 102	0.01 102	0.00 1	0.03 200	0.02 9	0.21 104

IGEV_Zeroshot_test	2.57 110	0.63 93	5.70 214	1.93 193	0.87 172	2.63 82	0.85 195	8.94 182	4.55 93	5.30 100	5.48 103	5.23 179	1.38 88	3.76 59	1.32 81	0.00 1	0.69 279	0.00 1	0.18 269	0.19 210	1.72 305

GANet-ADL	2.40 93	0.65 94	3.92 115	2.22 226	0.11 12	2.23 55	0.47 105	9.29 197	7.27 192	4.77 85	5.95 114	3.96 129	1.26 80	3.08 50	2.27 160	0.04 235	0.08 196	0.02 275	0.00 1	0.15 187	0.21 104

DRaft	3.83 210	0.65 94	3.39 65	0.22 15	0.16 33	4.67 220	1.30 230	5.82 79	4.86 111	10.26 288	21.65 332	3.24 98	8.62 315	7.53 170	3.76 206	0.05 247	0.10 206	0.00 1	0.14 253	0.12 149	0.16 81

hknet	3.56 188	0.66 96	5.82 215	0.70 67	1.19 209	6.97 264	1.58 242	9.93 209	7.76 202	6.50 147	6.23 120	9.53 265	2.81 150	7.84 182	3.39 197	0.01 102	0.03 156	0.03 292	0.00 1	0.06 68	0.14 65

IRAFT_RVC	2.98 149	0.66 96	4.23 137	2.20 223	0.40 101	2.91 127	5.04 315	7.03 133	4.21 75	6.59 156	5.52 104	5.02 172	4.77 231	8.41 222	2.30 166	0.01 102	0.17 227	0.01 244	0.00 1	0.03 26	0.05 23

11t1	2.13 60	0.67 98	3.98 120	2.69 278	0.85 171	2.59 79	0.07 14	7.40 149	3.89 63	3.75 69	3.57 59	1.24 51	1.96 117	4.68 79	1.97 137	0.10 280	1.13 327	0.00 1	0.22 292	0.09 101	1.66 294

IPLGR	2.46 98	0.68 99	7.02 259	0.22 15	0.16 33	2.01 45	0.22 60	7.01 130	6.62 170	7.10 182	5.92 113	2.91 88	2.27 128	5.12 86	1.52 92	0.00 1	0.00 1	0.00 1	0.00 1	0.12 149	0.41 163

SMFormer	3.94 216	0.69 100	4.55 154	1.97 200	0.15 28	2.84 110	0.29 74	13.06 286	11.10 278	7.69 204	10.45 222	4.77 160	4.52 218	9.68 271	4.89 240	0.08 267	0.97 304	0.00 1	0.16 258	0.11 132	0.92 239

tta	3.96 220	0.69 100	4.55 154	1.97 200	0.15 28	2.84 110	0.29 74	13.06 286	11.10 278	7.69 204	10.45 222	4.77 160	4.52 218	9.68 271	4.89 240	0.08 267	0.97 304	0.00 1	0.16 258	0.13 165	1.24 269

qqq1	3.78 206	0.69 100	4.55 154	1.97 200	0.15 28	2.84 110	0.29 74	13.06 286	11.10 278	7.69 204	10.45 222	4.77 160	4.52 218	9.68 271	1.24 74	0.08 267	0.97 304	0.00 1	0.12 246	0.13 165	1.24 269

fff1	3.78 206	0.69 100	4.55 154	1.97 200	0.15 28	2.84 110	0.29 74	13.06 286	11.10 278	7.69 204	10.45 222	4.77 160	4.52 218	9.68 271	1.24 74	0.08 267	0.97 304	0.00 1	0.12 246	0.13 165	1.24 269

HHNet	2.71 123	0.69 100	3.31 59	0.25 22	0.39 96	2.80 107	0.90 202	6.33 107	5.68 140	7.51 202	13.70 271	0.94 44	3.14 155	5.42 95	2.54 173	0.14 288	0.02 131	0.06 310	0.00 1	0.24 240	0.07 34

RAFT-RH_RVC	4.04 224	0.69 100	3.59 90	1.91 191	0.43 108	3.11 138	0.13 37	3.80 8	6.60 168	11.26 314	31.68 370	5.20 175	1.66 105	8.30 212	2.27 160	0.09 277	0.00 1	0.00 1	0.03 200	0.03 26	0.02 4

ttt	4.41 247	0.70 106	3.95 119	2.53 267	2.01 264	4.34 214	0.41 94	13.09 290	11.69 291	7.20 188	12.20 256	4.15 140	3.35 171	9.54 268	10.11 311	0.07 263	1.11 323	0.00 1	0.19 272	0.10 121	1.47 279

test_4	2.58 111	0.70 106	3.30 57	0.43 46	0.30 76	3.97 198	1.11 220	3.91 10	3.83 60	4.15 77	17.20 308	3.44 114	0.52 35	6.60 123	1.58 95	0.00 1	0.13 216	0.00 1	0.11 242	0.20 216	0.20 100

CrosDoStereo	4.05 226	0.71 108	3.52 76	0.51 55	0.20 47	3.25 148	11.21 365	6.34 108	4.96 113	9.04 254	16.44 298	4.92 166	7.28 292	8.29 209	3.84 210	0.00 1	0.02 131	0.01 244	0.00 1	0.18 204	0.19 95

DeepStereo_LL	4.05 226	0.71 108	3.52 76	0.51 55	0.20 47	3.25 148	11.21 365	6.34 108	4.96 113	9.04 254	16.44 298	4.92 166	7.28 292	8.29 209	3.84 210	0.00 1	0.02 131	0.01 244	0.00 1	0.18 204	0.19 95

GES	2.69 121	0.72 110	5.34 189	1.82 181	0.05 3	4.51 217	1.04 213	10.39 221	4.18 73	5.53 109	6.72 136	1.92 71	3.30 164	5.16 87	2.67 176	0.06 257	0.01 102	0.06 310	0.01 172	0.20 216	0.14 65

AdaStereo	3.34 172	0.74 111	4.00 123	3.10 309	0.51 121	4.22 207	1.25 225	12.84 276	8.39 223	6.33 138	9.55 199	5.77 199	1.54 103	5.53 97	2.74 185	0.02 185	0.00 1	0.00 1	0.00 1	0.03 26	0.15 75
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.
mmm	3.07 153	0.76 112	4.50 149	2.27 237	1.24 216	3.75 186	0.12 30	10.03 213	5.12 117	6.43 144	11.19 239	3.10 96	3.20 157	4.54 78	1.78 122	0.02 185	1.19 343	0.00 1	0.30 319	0.09 101	1.79 315

Anonymous	1.54 24	0.76 112	5.39 192	1.49 139	2.68 291	1.83 38	0.43 99	5.65 70	3.79 56	0.52 9	1.74 26	0.19 1	1.30 81	3.31 52	1.01 52	0.06 257	0.08 196	0.00 1	0.00 1	0.19 210	0.31 137

anonymousa	4.24 238	0.78 114	4.05 126	2.16 215	4.87 357	8.76 293	0.35 85	7.41 150	4.47 90	8.21 230	19.70 325	11.03 295	5.87 264	2.04 27	2.20 150	0.00 1	1.16 340	0.00 1	0.55 349	0.04 44	1.11 258

CRFU-Net	4.81 268	0.78 114	5.69 212	3.10 309	1.39 231	13.18 337	3.23 284	12.26 260	4.33 79	10.91 306	9.98 213	10.94 293	7.93 305	7.47 165	3.94 216	0.16 293	0.16 223	0.16 335	0.00 1	0.26 248	0.29 132

ff7	1.46 14	0.79 116	2.99 37	0.33 31	0.35 85	2.75 98	0.81 182	4.31 19	2.97 15	0.77 18	1.20 9	0.21 4	0.42 22	7.44 156	0.86 30	0.00 1	0.93 295	0.00 1	0.16 258	0.12 149	1.82 316

ffff	1.46 14	0.79 116	2.99 37	0.33 31	0.35 85	2.75 98	0.81 182	4.31 19	2.97 15	0.77 18	1.20 9	0.21 4	0.42 22	7.44 156	0.86 30	0.00 1	0.93 295	0.00 1	0.16 258	0.12 149	1.82 316

11t	1.46 14	0.79 116	2.99 37	0.33 31	0.35 85	2.75 98	0.81 182	4.31 19	2.97 15	0.77 18	1.20 9	0.21 4	0.42 22	7.44 156	0.87 33	0.00 1	0.93 295	0.00 1	0.16 258	0.12 149	1.82 316

ccc-4	1.46 14	0.79 116	2.99 37	0.33 31	0.35 85	2.75 98	0.81 182	4.31 19	2.97 15	0.77 18	1.20 9	0.21 4	0.42 22	7.44 156	0.86 30	0.00 1	0.93 295	0.00 1	0.16 258	0.12 149	1.82 316

TANstereo	1.32 9	0.79 116	2.93 28	0.37 38	0.11 12	1.81 37	0.01 1	3.56 5	4.36 84	4.53 83	4.96 85	0.41 31	0.68 40	1.22 3	0.59 5	0.01 102	0.00 1	0.00 1	0.00 1	0.00 1	0.03 9

FAT-Stereo	6.98 305	0.79 116	7.57 276	2.54 270	1.80 251	6.16 252	4.33 304	19.16 356	18.82 340	10.75 300	17.08 306	18.23 341	13.56 346	9.25 258	8.44 285	0.03 215	0.16 223	0.01 244	0.10 240	0.14 174	0.65 209

anonymousdsp	1.51 21	0.81 122	2.70 22	0.60 59	0.69 142	2.76 102	0.79 177	4.86 29	3.00 21	0.82 23	1.25 13	0.31 19	0.42 22	7.44 156	0.81 25	0.00 1	0.83 289	0.00 1	0.17 267	0.12 149	1.85 323

NINENet	3.38 177	0.81 122	4.16 131	1.88 188	1.40 232	7.31 274	0.48 114	12.95 283	6.64 171	7.29 194	9.24 189	5.21 176	1.18 72	6.72 129	1.89 131	0.17 297	0.08 196	0.07 315	0.00 1	0.09 101	0.03 9

IGEV-Stereo	1.51 21	0.81 122	2.69 21	0.60 59	0.69 142	2.77 103	0.79 177	4.88 32	2.99 20	0.82 23	1.25 13	0.31 19	0.42 22	7.43 155	0.85 29	0.00 1	0.83 289	0.00 1	0.17 267	0.12 149	1.85 323
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
HH	2.88 137	0.82 125	4.07 128	1.71 166	0.54 128	4.71 221	0.69 159	8.72 176	3.57 44	1.80 40	6.49 133	7.81 239	3.92 199	8.93 246	0.99 48	0.00 1	1.06 318	0.00 1	0.03 200	0.05 59	1.69 299

HanStereo	2.88 137	0.82 125	4.07 128	1.71 166	0.54 128	4.71 221	0.69 159	8.72 176	3.57 44	1.80 40	6.49 133	7.81 239	3.92 199	8.93 246	0.99 48	0.00 1	1.06 318	0.00 1	0.03 200	0.05 59	1.69 299

x	2.30 80	0.82 125	3.85 102	2.23 228	0.72 151	2.12 51	0.81 182	9.48 201	4.82 109	3.83 72	2.76 44	3.49 118	2.30 130	3.48 54	2.25 157	0.00 1	1.13 327	0.00 1	0.22 292	0.09 101	1.66 294

TransformOpticalFlow	3.50 185	0.83 128	4.85 171	1.09 106	0.31 77	3.52 165	0.14 45	10.32 217	8.02 214	5.78 111	13.25 268	6.63 216	4.91 235	8.36 218	1.63 103	0.00 1	0.01 102	0.01 244	0.00 1	0.06 68	0.24 120

HCRNet	2.74 129	0.83 128	4.19 133	0.45 50	3.31 311	2.18 53	0.22 60	7.59 153	5.76 143	6.08 130	4.89 83	5.21 176	2.74 145	8.04 194	3.10 192	0.00 1	0.02 131	0.00 1	0.00 1	0.10 121	0.09 41

UPFNet	4.17 232	0.83 128	5.51 199	2.49 261	3.36 314	7.13 271	2.60 264	10.52 226	7.16 188	8.76 245	7.83 161	7.85 242	3.41 172	8.60 231	7.04 270	0.01 102	0.02 131	0.00 1	0.00 1	0.12 149	0.17 87

SGM-Forest	5.40 278	0.84 131	4.19 133	1.43 134	0.68 140	10.12 310	6.41 331	12.13 258	11.86 293	11.50 317	14.43 280	11.62 298	5.20 247	9.93 286	6.16 259	0.16 293	0.04 170	0.00 1	0.00 1	0.08 88	1.24 269
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
qqq	2.44 97	0.85 132	4.33 142	1.73 170	0.71 148	1.98 43	0.38 88	9.15 188	4.33 79	3.37 58	4.34 70	4.63 157	2.83 151	4.95 80	2.06 144	0.00 1	1.13 327	0.00 1	0.25 299	0.09 101	1.65 290

GMOStereo	2.08 49	0.85 132	2.95 32	0.23 17	0.73 153	1.50 16	0.86 197	5.08 37	4.78 103	8.42 235	6.99 142	3.36 100	1.14 66	1.73 14	1.21 68	0.00 1	1.32 352	0.00 1	0.00 1	0.28 260	0.23 112

error version	2.08 49	0.85 132	2.95 32	0.23 17	0.73 153	1.50 16	0.86 197	5.08 37	4.78 103	8.42 235	6.99 142	3.36 100	1.14 66	1.73 14	1.21 68	0.00 1	1.32 352	0.00 1	0.00 1	0.28 260	0.23 112

test-v	2.08 49	0.85 132	2.95 32	0.23 17	0.73 153	1.50 16	0.86 197	5.08 37	4.78 103	8.42 235	6.99 142	3.36 100	1.14 66	1.73 14	1.21 68	0.00 1	1.32 352	0.00 1	0.00 1	0.28 260	0.23 112

test-2	2.08 49	0.85 132	2.95 32	0.23 17	0.73 153	1.50 16	0.86 197	5.08 37	4.78 103	8.42 235	6.99 142	3.36 100	1.14 66	1.73 14	1.21 68	0.00 1	1.32 352	0.00 1	0.00 1	0.28 260	0.23 112

sCroCo_RVC	1.34 10	0.85 132	6.15 230	1.21 115	1.28 219	0.90 4	0.18 54	4.50 24	2.86 11	0.37 2	3.18 48	0.52 37	1.52 102	1.83 20	0.93 39	0.13 285	0.25 245	0.00 1	0.00 1	0.08 88	0.16 81

CBMV_ROB	4.66 260	0.85 132	3.94 117	1.64 150	0.75 158	8.38 290	1.90 251	11.19 241	10.36 261	9.20 262	15.21 287	7.28 228	6.99 286	9.48 265	5.24 248	0.04 235	0.05 177	0.00 1	0.00 1	0.07 83	0.64 208

CoDeX	3.61 193	0.86 139	5.27 186	1.16 112	1.62 238	6.24 253	2.07 256	13.78 307	6.86 179	7.42 199	9.00 185	4.06 135	3.72 187	6.58 121	3.02 190	0.03 215	0.06 183	0.00 1	0.00 1	0.15 187	0.35 147

test croco	1.53 23	0.86 139	6.50 244	0.42 43	0.05 3	1.56 21	0.09 19	5.18 44	4.02 68	0.54 11	1.76 28	0.59 40	0.75 45	6.48 119	1.23 73	0.00 1	0.00 1	0.00 1	0.00 1	0.43 299	0.07 34

ProNet	1.58 30	0.86 139	3.17 47	0.75 79	0.72 151	2.84 110	0.66 150	5.91 90	3.28 27	0.37 2	1.47 19	0.40 30	0.37 16	7.19 145	0.70 16	0.02 185	0.98 309	0.00 1	0.05 221	0.20 216	1.77 313

xxxx	5.16 277	0.86 139	4.86 172	1.96 199	1.22 213	7.56 279	0.07 14	14.67 317	9.15 242	6.55 153	9.87 208	9.30 263	3.47 174	8.07 196	22.20 366	0.05 247	1.16 340	0.00 1	0.26 308	0.10 121	1.76 312

ac_64	3.98 222	0.86 139	5.10 182	3.17 311	3.43 317	5.80 245	0.70 164	10.87 233	4.96 113	8.94 250	6.46 131	10.70 285	5.52 259	7.44 156	5.10 247	0.03 215	0.00 1	0.00 1	0.00 1	0.14 174	0.31 137

NOSS_ROB	3.67 195	0.86 139	3.81 101	2.53 267	1.11 202	6.10 251	0.72 168	11.08 239	12.36 296	5.45 106	8.91 181	5.65 189	2.09 121	8.30 212	3.16 194	0.20 304	0.07 194	0.00 1	0.00 1	0.11 132	0.80 232

UNet	4.19 234	0.87 145	7.18 267	2.00 207	3.22 308	9.55 301	0.31 80	10.11 214	6.22 156	7.98 216	6.82 140	10.42 277	5.77 262	7.28 150	5.83 254	0.00 1	0.00 1	0.00 1	0.00 1	0.10 121	0.12 56

222	5.93 283	0.88 146	4.58 159	1.76 174	0.98 186	6.02 250	0.08 18	14.45 314	8.89 233	9.53 271	11.77 248	3.88 126	4.23 211	8.26 203	39.96 400	0.03 215	1.12 324	0.00 1	0.24 296	0.11 132	1.73 306

ToySt	3.39 178	0.89 147	9.29 309	1.47 137	0.94 180	4.20 206	1.98 253	7.33 145	5.42 125	3.01 54	6.75 137	8.67 258	5.10 244	5.43 96	3.72 204	0.07 263	0.89 293	0.00 1	0.23 295	0.28 260	2.13 341

tt1	2.53 104	0.91 148	3.53 79	2.92 293	0.53 125	5.60 238	0.61 141	5.55 60	10.56 265	1.54 36	3.54 58	0.34 28	3.00 154	8.20 200	0.68 11	0.00 1	1.13 327	0.00 1	0.03 200	0.11 132	1.88 327

IER	3.42 182	0.91 148	6.38 242	0.73 73	1.60 237	7.07 269	0.55 125	7.07 137	5.45 128	8.17 229	8.89 180	6.13 205	6.13 268	5.36 92	3.77 208	0.00 1	0.00 1	0.00 1	0.00 1	0.08 88	0.05 23

ACVNet-DCA	2.41 94	0.93 150	3.39 65	3.05 303	0.39 96	5.69 241	0.55 125	9.15 188	4.33 79	1.42 32	3.48 52	0.33 24	3.65 182	8.26 203	0.70 16	0.00 1	1.14 335	0.00 1	0.03 200	0.09 101	1.65 290

xx1	2.73 128	0.93 150	3.39 65	3.05 303	0.39 96	5.69 241	0.55 125	5.34 49	10.76 272	1.42 32	3.48 52	4.63 157	2.83 151	8.26 203	0.70 16	0.00 1	1.14 335	0.00 1	0.25 299	0.09 101	1.65 290

1test111	2.31 81	0.93 150	3.39 65	3.05 303	0.39 96	5.69 241	0.55 125	9.15 188	4.33 79	1.42 32	3.48 52	0.33 24	3.65 182	4.95 80	2.06 144	0.00 1	1.14 335	0.00 1	0.03 200	0.09 101	1.65 290

cc1	2.56 109	0.93 150	3.39 65	3.05 303	0.39 96	5.69 241	0.55 125	5.34 49	10.76 272	1.42 32	3.48 52	0.33 24	3.65 182	8.26 203	0.70 16	0.00 1	1.14 335	0.00 1	0.03 200	0.12 149	1.89 331

fff	2.54 106	0.93 150	5.51 199	0.32 26	0.14 22	1.70 30	0.11 26	6.19 103	12.69 302	6.03 127	5.29 95	1.43 52	5.28 250	2.37 39	2.21 151	0.01 102	0.00 1	0.01 244	0.00 1	0.02 9	0.61 200

csc	2.54 106	0.93 150	5.51 199	0.32 26	0.14 22	1.70 30	0.11 26	6.19 103	12.69 302	6.03 127	5.29 95	1.43 52	5.28 250	2.37 39	2.21 151	0.01 102	0.00 1	0.01 244	0.00 1	0.02 9	0.61 200

cscssc	2.54 106	0.93 150	5.51 199	0.32 26	0.14 22	1.70 30	0.11 26	6.19 103	12.69 302	6.03 127	5.29 95	1.43 52	5.28 250	2.37 39	2.21 151	0.01 102	0.00 1	0.01 244	0.00 1	0.02 9	0.61 200

test_xeample	4.78 267	0.93 150	4.68 167	1.48 138	1.28 219	3.94 195	0.13 37	13.35 295	8.62 226	8.21 230	11.63 245	3.43 113	3.54 175	7.59 173	23.47 371	0.02 185	1.16 340	0.00 1	0.25 299	0.11 132	1.74 309

S-Stereo	6.85 300	0.93 150	10.76 322	3.34 322	3.51 319	6.55 258	6.01 324	13.75 305	23.86 358	9.65 279	15.54 289	11.81 302	8.24 308	8.59 230	11.23 325	0.13 285	0.16 223	0.00 1	0.42 339	0.14 174	2.39 349

STrans-v2	3.55 187	0.94 159	5.06 181	0.32 26	0.60 135	2.97 131	1.15 221	11.08 239	7.97 213	6.01 125	10.93 236	6.65 217	6.86 283	8.37 219	1.66 111	0.00 1	0.01 102	0.00 1	0.00 1	0.04 44	0.39 155

DCRE	2.21 71	0.95 160	3.17 47	2.10 212	1.30 225	1.86 39	0.05 9	5.33 48	4.69 99	3.59 64	9.37 196	3.81 123	1.18 72	2.34 38	1.22 72	0.01 102	0.97 304	0.00 1	0.30 319	0.04 44	1.97 336

ADStereo(finetuned)	2.50 102	0.95 160	6.60 247	0.39 40	0.20 47	1.72 34	0.24 66	6.06 96	9.31 245	6.30 136	5.42 100	1.44 55	6.22 271	2.25 33	2.14 148	0.01 102	0.00 1	0.00 1	0.00 1	0.04 44	0.65 209

DCANet	2.35 83	0.96 162	5.51 199	0.39 40	0.19 42	1.72 34	0.25 68	6.06 96	9.33 246	6.31 137	5.42 100	1.44 55	4.14 207	2.22 30	2.28 162	0.01 102	0.00 1	0.00 1	0.00 1	0.04 44	0.66 217

ACVNet	2.86 134	0.96 162	3.87 105	0.86 86	0.61 136	2.63 82	0.54 122	8.93 180	6.12 151	5.09 93	9.32 194	5.70 196	3.84 191	2.68 44	5.56 252	0.00 1	0.00 1	0.00 1	0.00 1	0.26 248	0.23 112

acv_ft	3.90 213	0.96 162	5.85 217	2.56 272	4.70 354	7.27 273	0.84 190	9.17 191	6.12 151	10.00 283	9.32 194	5.70 196	4.07 204	2.68 44	8.24 283	0.00 1	0.00 1	0.00 1	0.00 1	0.35 287	0.23 112

StereoDRNet-Refined	4.84 270	0.96 162	5.13 183	2.22 226	0.46 110	9.10 297	0.16 50	10.72 229	9.40 248	13.41 333	12.50 259	10.02 272	4.58 223	8.60 231	8.71 292	0.01 102	0.00 1	0.01 244	0.05 221	0.24 240	0.53 185
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DualNet	3.96 220	0.98 166	7.03 260	1.64 150	1.07 193	2.84 110	0.47 105	5.55 60	10.56 265	6.68 162	9.59 201	5.66 190	3.87 193	8.20 200	11.69 329	0.00 1	1.13 327	0.00 1	0.19 272	0.11 132	1.88 327

ffm	3.41 180	0.98 166	7.03 260	1.64 150	1.07 193	2.84 110	0.47 105	5.55 60	10.56 265	6.68 162	9.59 201	5.66 190	3.87 193	8.20 200	0.68 11	0.00 1	1.13 327	0.00 1	0.19 272	0.11 132	1.88 327

ff1	4.11 228	0.98 166	7.03 260	1.64 150	1.07 193	2.84 110	0.47 105	5.55 60	10.56 265	6.68 162	9.59 201	5.66 190	3.87 193	11.33 306	11.69 329	0.00 1	1.13 327	0.00 1	0.19 272	0.11 132	1.88 327

mmx	4.50 250	0.98 166	7.03 260	1.64 150	1.07 193	2.84 110	0.47 105	12.84 276	11.23 283	6.68 162	9.59 201	5.66 190	3.87 193	11.33 306	11.69 329	0.05 247	1.12 324	0.00 1	0.19 272	0.10 121	1.53 283

xxx	4.50 250	0.98 166	7.04 264	1.64 150	1.07 193	2.84 110	0.47 105	12.84 276	11.23 283	6.68 162	9.59 201	5.66 190	3.87 193	11.33 306	11.69 329	0.05 247	1.12 324	0.00 1	0.19 272	0.10 121	1.53 283

Anonymous_2	4.74 266	0.98 166	4.46 146	2.35 248	2.27 276	5.66 240	0.67 154	8.08 166	5.28 120	4.98 91	2.60 41	8.74 260	6.92 284	5.79 102	3.46 198	0.24 311	1.70 365	5.16 379	18.18 402	5.41 373	1.85 323

IIG-Stereo	3.28 168	0.98 166	3.57 85	4.14 344	0.22 62	2.56 75	0.71 165	7.04 134	6.10 150	8.49 239	9.38 197	7.82 241	2.73 144	9.69 276	1.99 140	0.02 185	0.02 131	0.00 1	0.00 1	0.03 26	0.14 65

DIP-Stereo	2.12 59	0.98 166	3.94 117	0.20 5	0.11 12	4.73 223	0.13 37	9.27 195	4.40 86	6.46 146	5.03 87	0.45 34	0.72 43	3.79 60	1.94 135	0.00 1	0.01 102	0.00 1	0.00 1	0.05 59	0.24 120
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
DISCO	6.58 297	0.98 166	6.44 243	3.75 335	1.18 208	11.19 320	3.29 288	12.92 280	16.72 328	7.27 192	11.74 247	17.34 335	6.60 277	19.59 368	11.59 328	0.00 1	0.00 1	0.00 1	0.00 1	0.45 303	0.50 178

FC-DCNN	11.29 355	1.01 175	5.50 198	2.25 232	1.65 242	18.23 358	5.36 319	18.99 353	20.65 348	28.95 376	34.83 378	33.83 381	23.18 376	17.04 359	13.37 343	0.17 297	0.01 102	0.02 275	0.02 189	0.10 121	0.70 222

DSFCA	4.48 249	1.03 176	6.84 255	1.61 148	1.68 244	7.26 272	4.46 306	11.27 244	7.51 196	11.01 309	6.89 141	8.49 256	4.54 222	10.41 295	6.18 260	0.03 215	0.06 183	0.02 275	0.03 200	0.13 165	0.14 65

1111x	4.96 272	1.04 177	7.09 266	1.75 172	1.05 192	5.03 229	0.32 81	13.52 299	10.70 271	6.68 162	10.35 219	8.81 261	6.01 266	10.65 296	12.78 341	0.07 263	1.24 347	0.00 1	0.33 327	0.11 132	1.75 310

HGLStereo	4.58 255	1.04 177	6.02 223	3.30 320	5.14 360	6.36 255	0.71 165	11.04 238	7.60 199	8.04 222	12.85 266	6.90 222	8.51 313	7.85 183	5.93 255	0.02 185	0.02 131	0.00 1	0.00 1	0.14 174	0.15 75

MyStereo06	2.71 123	1.05 179	5.43 196	1.39 131	1.20 210	2.57 76	0.10 23	10.39 221	4.79 107	5.54 110	6.16 118	6.39 210	2.33 132	3.40 53	1.35 85	0.01 102	1.24 347	0.00 1	0.21 287	0.13 165	0.50 178

MyStereo05	3.24 167	1.05 179	5.93 219	1.39 131	1.20 210	2.57 76	0.10 23	9.11 187	13.17 308	6.45 145	3.86 63	3.20 97	3.26 162	8.35 217	3.02 190	0.01 102	1.24 347	0.00 1	0.21 287	0.13 165	0.50 178

IPLG	2.63 117	1.09 181	5.67 211	0.73 73	0.31 77	3.00 133	0.25 68	6.84 127	6.02 148	7.93 213	6.31 126	1.91 68	1.72 111	7.47 165	2.53 170	0.01 102	0.01 102	0.00 1	0.00 1	0.29 268	0.58 192

DMCA	3.08 154	1.10 182	6.20 231	1.82 181	0.90 174	3.80 191	0.55 125	9.76 204	5.42 125	6.56 155	6.47 132	7.06 227	2.09 121	4.05 63	5.46 250	0.00 1	0.01 102	0.00 1	0.00 1	0.11 132	0.16 81

HSM	4.25 240	1.10 182	4.14 130	1.78 175	2.14 270	6.67 261	1.08 216	12.92 280	6.90 181	7.06 178	8.17 172	14.17 315	6.03 267	9.16 255	3.11 193	0.00 1	0.00 1	0.00 1	0.00 1	0.09 101	0.41 163

StereoIM	0.96 3	1.11 184	4.01 124	0.36 37	1.86 257	1.20 5	0.06 11	3.99 12	1.73 2	0.45 6	0.56 7	0.43 32	0.51 34	1.28 6	1.46 89	0.00 1	0.00 1	0.00 1	0.00 1	0.06 68	0.08 37

XX-TBD	1.55 28	1.11 184	2.94 29	2.45 258	0.06 6	2.31 60	0.01 1	3.58 6	7.80 206	3.11 56	5.10 88	0.27 15	0.26 3	1.42 10	0.60 6	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.04 17

SGM_RVC	10.77 351	1.11 184	4.66 164	2.66 275	0.41 105	21.03 364	6.87 339	20.02 363	15.54 325	25.86 373	24.97 351	33.59 380	20.51 366	20.89 371	14.78 351	0.31 322	0.26 247	0.22 346	0.26 308	0.43 299	1.01 246
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
THIR-Stereo	3.94 216	1.12 187	3.06 43	0.23 17	0.13 21	4.17 205	6.40 330	5.83 80	4.54 92	10.46 293	16.98 304	6.49 214	7.44 297	8.00 190	3.58 199	0.01 102	0.07 194	0.07 315	0.00 1	0.14 174	0.06 30

delet	4.59 257	1.12 187	5.93 219	1.37 129	3.73 327	10.48 314	3.90 293	10.51 225	9.17 243	8.87 248	9.74 207	8.37 251	3.74 188	8.12 198	6.36 263	0.00 1	0.00 1	0.00 1	0.00 1	0.21 226	0.12 56

MIPNet	2.27 78	1.14 189	5.55 206	0.49 54	0.22 62	2.03 46	0.19 56	7.60 155	6.17 154	5.83 114	4.16 67	2.05 73	3.44 173	3.65 57	2.23 156	0.00 1	0.01 102	0.01 244	0.01 172	0.24 240	0.48 177

MyStereo07	1.64 31	1.15 190	2.61 15	1.28 121	1.49 235	2.63 82	0.45 101	6.45 114	2.94 13	1.10 27	1.61 21	0.29 17	0.60 37	7.45 163	0.80 23	0.01 102	1.27 350	0.00 1	0.25 299	0.11 132	0.42 167

MyStereo04	3.29 169	1.15 190	6.64 249	1.28 121	1.49 235	2.63 82	0.45 101	10.57 227	13.30 309	4.41 82	3.90 64	3.06 95	3.56 176	7.87 186	3.35 196	0.01 102	1.27 350	0.00 1	0.25 299	0.11 132	0.42 167

FCDSN-DC	10.72 350	1.16 192	5.01 179	2.16 215	1.31 227	17.46 354	4.80 311	17.79 345	19.87 343	25.02 370	32.85 371	33.57 379	23.52 377	16.80 355	12.13 333	0.11 284	0.00 1	0.00 1	0.00 1	0.09 101	0.76 229
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
hitnet-ft	3.95 218	1.16 192	3.92 115	0.89 88	0.73 153	4.88 226	0.54 122	9.78 205	7.91 209	7.42 199	10.24 216	12.50 306	4.84 233	8.15 199	5.56 252	0.03 215	0.00 1	0.06 310	0.00 1	0.24 240	0.12 56

GANet-RSSM	3.67 195	1.16 192	4.56 158	3.24 316	2.03 266	2.63 82	0.50 117	11.53 250	6.83 178	6.25 133	10.58 228	7.35 229	6.65 279	6.77 133	2.94 189	0.00 1	0.00 1	0.08 321	0.00 1	0.26 248	0.12 56

StereoVision	2.42 95	1.18 195	5.14 184	1.15 110	2.64 290	1.89 40	0.28 72	6.61 118	4.72 100	2.14 42	10.52 226	3.84 124	0.52 35	5.33 91	2.29 164	0.00 1	0.00 1	0.00 1	0.00 1	0.12 149	0.04 17

test_5	3.16 162	1.18 195	4.96 177	2.33 246	3.10 305	4.51 217	1.27 226	7.47 152	7.61 200	3.00 53	7.38 154	5.37 182	4.06 202	8.28 208	1.54 93	0.00 1	0.34 254	0.00 1	0.02 189	0.21 226	0.62 205

STTRV1_RVC		1.18 195		3.33 321	6.91 368	11.99 328	4.01 296	15.74 329	12.11 294	9.56 275	14.59 284	11.64 299	8.75 316	12.86 326	8.54 287	3.70 373	2.86 383	0.41 356	0.13 251	1.38 350	0.12 56

CroCo-Stereo Lap2	1.37 11	1.19 198	4.17 132	1.01 100	4.58 351	0.46 2	0.09 19	4.27 18	2.94 13	1.25 31	2.40 38	1.55 60	0.20 1	1.72 13	1.30 77	0.00 1	0.00 1	0.00 1	0.00 1	0.15 187	0.13 62

RAFT+CT+SA	2.59 112	1.19 198	3.55 82	1.09 106	2.21 272	3.14 143	0.90 202	7.59 153	5.65 135	2.76 48	8.21 173	2.04 72	1.57 104	8.84 240	1.31 79	0.02 185	0.34 254	0.00 1	0.38 334	0.22 231	0.73 225

OMP-Stereo	3.15 160	1.19 198	3.49 75	4.34 352	0.51 121	2.20 54	1.21 222	6.67 119	6.52 167	7.99 218	6.24 124	8.38 253	2.44 135	9.65 270	1.92 133	0.01 102	0.02 131	0.00 1	0.00 1	0.08 88	0.15 75

ADLNet	4.56 254	1.19 198	5.52 205	3.81 338	3.59 321	6.98 266	2.40 262	12.01 256	7.96 212	10.52 294	9.67 206	8.26 247	4.98 239	6.59 122	6.93 266	0.01 102	0.01 102	0.00 1	0.01 172	0.22 231	0.55 187

edge stereo	7.12 308	1.19 198	7.83 280	2.32 244	2.46 283	6.90 263	3.26 287	15.58 326	12.52 298	15.68 347	18.34 321	21.83 360	13.05 342	11.53 311	8.68 290	0.04 235	0.06 183	0.11 323	0.03 200	0.30 271	0.63 206

RASNet	5.00 273	1.19 198	5.69 212	3.68 333	4.80 355	5.04 230	1.29 229	10.26 216	8.99 237	5.89 116	11.65 246	10.55 282	9.76 325	9.96 287	10.32 316	0.20 304	0.00 1	0.00 1	0.00 1	0.09 101	0.73 225

MIM_Stereo	2.83 131	1.20 204	5.27 186	1.41 133	1.16 207	3.07 135	0.33 83	6.67 119	3.95 64	5.17 98	10.11 214	4.25 148	1.73 112	8.32 215	1.64 106	0.00 1	0.36 258	0.00 1	0.01 172	0.22 231	1.69 299

GEStereo_RVC	3.95 218	1.21 205	6.13 228	2.30 241	1.22 213	4.29 211	2.96 273	12.39 265	8.24 219	7.25 191	6.79 138	7.58 235	4.22 210	9.16 255	4.56 233	0.04 235	0.01 102	0.02 275	0.02 189	0.19 210	0.42 167

CroCo-Stereo	1.14 7	1.22 206	3.99 122	0.61 61	0.53 125	0.38 1	0.06 11	5.35 53	4.15 71	0.59 14	1.92 31	1.00 46	0.27 5	1.37 9	1.33 82	0.01 102	0.00 1	0.00 1	0.00 1	0.05 59	0.05 23
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
iRaftStereo_RVC	1.88 37	1.22 206	2.63 18	0.95 97	0.06 6	2.96 129	0.05 9	6.08 99	3.99 67	3.92 75	4.88 82	2.53 81	0.62 38	3.62 56	1.19 67	0.00 1	1.19 343	0.00 1	0.00 1	0.37 290	1.29 274

RAFT-Stereo + iAFF	2.48 99	1.23 208	3.48 74	1.61 148	1.09 199	1.63 23	0.15 47	5.80 77	6.43 164	7.32 196	9.91 210	3.05 93	1.71 109	2.33 37	1.75 120	0.01 102	0.71 284	0.00 1	0.00 1	0.28 260	1.19 265

UCFNet_RVC	3.37 176	1.25 209	3.30 57	2.55 271	1.80 251	3.92 194	1.28 228	12.49 269	7.16 188	5.12 96	7.88 163	8.14 244	4.59 224	5.67 101	2.11 146	0.00 1	0.00 1	0.00 1	0.00 1	0.14 174	0.07 34

Sa-1000	3.81 208	1.26 210	4.64 163	2.29 240	0.55 130	3.51 163	1.58 242	8.37 168	9.13 241	7.97 215	17.42 312	3.98 130	2.76 147	9.61 269	1.68 114	0.00 1	0.69 279	0.00 1	0.18 269	0.23 236	0.27 125

iRaft-Stereo_5w	3.20 165	1.27 211	5.27 186	0.27 24	0.99 187	2.71 93	0.58 134	5.75 74	5.85 144	3.03 55	7.88 163	10.08 273	4.08 205	8.40 220	6.09 257	0.00 1	0.25 245	0.00 1	0.12 246	0.31 278	0.95 241

SA	3.34 172	1.29 212	4.84 170	1.99 204	0.57 131	3.15 144	1.39 232	7.66 160	9.94 255	4.86 87	10.87 235	2.97 92	4.61 226	9.88 283	1.38 86	0.00 1	0.60 274	0.00 1	0.19 272	0.25 247	0.37 150

RAFT	2.94 143	1.29 212	4.06 127	1.36 126	0.50 114	2.39 64	0.91 205	6.11 100	3.25 25	6.64 159	7.30 153	9.96 271	4.20 209	6.03 108	2.21 151	0.00 1	1.02 316	0.00 1	0.02 189	0.54 316	1.01 246

NVstereo2D	4.82 269	1.29 212	7.98 283	3.68 333	3.48 318	8.02 283	3.10 278	11.25 242	15.50 324	5.14 97	7.71 159	8.21 246	4.68 227	10.19 292	4.30 225	0.02 185	0.19 230	0.13 329	0.36 332	0.07 83	1.12 261

raftrobust	2.16 63	1.31 215	2.76 23	2.38 252	3.33 312	2.72 95	0.51 118	5.34 49	4.64 95	6.13 132	3.98 65	1.63 61	2.51 138	3.02 49	1.64 106	0.00 1	0.76 286	0.00 1	0.02 189	0.14 174	0.27 125

AFF-stereo	2.87 136	1.31 215	3.26 54	1.87 185	0.38 93	1.68 28	0.09 19	6.38 111	7.07 186	6.52 151	11.90 250	6.08 204	2.32 131	5.05 85	1.65 108	0.02 185	0.66 277	0.00 1	0.00 1	0.29 268	0.94 240

MDST_ROB	9.13 337	1.31 215	10.16 320	4.36 353	2.48 285	28.66 379	7.64 347	19.96 361	14.97 319	27.53 374	24.02 344	9.47 264	5.27 249	16.31 352	8.61 289	0.63 340	0.19 230	0.00 1	0.00 1	0.08 88	0.90 236

4D-IteraStereo	1.99 43	1.32 218	3.77 99	0.13 3	2.84 296	3.51 163	1.03 210	4.26 17	5.38 123	5.50 107	1.03 8	3.86 125	0.38 19	2.44 42	1.88 128	0.00 1	0.43 263	0.00 1	0.01 172	0.11 132	1.84 321

stereogan	8.18 325	1.32 218	9.05 304	3.59 329	4.00 338	20.16 363	3.13 281	17.25 342	20.16 346	10.68 298	19.19 322	20.56 358	10.70 331	14.74 342	7.00 268	0.34 323	0.04 170	0.21 345	0.08 230	0.70 329	0.65 209

TestStereo1	3.12 157	1.34 220	4.67 165	3.47 326	0.71 148	2.50 69	1.45 234	7.27 143	8.71 228	4.91 88	9.28 192	2.34 77	3.61 179	9.44 263	1.62 101	0.00 1	0.33 252	0.00 1	0.00 1	0.30 271	0.40 156

SA-5K	3.12 157	1.34 220	4.67 165	3.47 326	0.71 148	2.50 69	1.45 234	7.27 143	8.71 228	4.91 88	9.28 192	2.34 77	3.61 179	9.44 263	1.62 101	0.00 1	0.33 252	0.00 1	0.00 1	0.30 271	0.40 156

psm_up	4.33 241	1.34 220	4.43 145	2.27 237	2.62 289	5.29 232	3.30 289	11.49 247	6.89 180	8.05 223	8.06 169	10.09 275	11.10 332	7.12 144	3.76 206	0.24 311	0.01 102	0.00 1	0.00 1	0.20 216	0.37 150

PSMNet-RSSM	3.69 198	1.36 223	4.54 153	2.44 257	1.90 259	2.35 61	0.69 159	11.77 253	6.38 162	6.60 157	11.85 249	7.70 237	5.61 261	6.66 127	3.67 200	0.00 1	0.00 1	0.02 275	0.01 172	0.17 197	0.10 46

MMNet	4.44 248	1.37 224	6.26 236	1.73 170	1.64 239	10.51 316	0.61 141	9.27 195	9.66 252	9.55 273	9.22 187	7.40 231	6.52 276	7.90 187	6.98 267	0.01 102	0.00 1	0.00 1	0.00 1	0.14 174	0.10 46

HITNet	3.11 155	1.38 225	5.35 191	2.23 228	0.12 19	5.59 237	0.58 134	9.95 212	5.72 141	6.62 158	7.91 165	3.90 127	3.24 160	4.39 74	4.58 235	0.01 102	0.00 1	0.00 1	0.00 1	0.08 88	0.57 190
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
LL-Strereo2	2.22 72	1.39 226	3.39 65	1.26 118	1.01 189	3.73 185	1.47 236	6.47 115	4.61 94	4.66 84	2.64 43	4.17 141	0.37 16	6.03 108	1.61 99	0.09 277	0.24 242	0.00 1	0.08 230	0.08 88	1.16 262

111	3.05 151	1.41 227	5.51 199	0.32 26	0.14 22	2.83 108	0.68 156	6.76 124	14.21 315	3.59 64	9.11 186	5.50 184	3.30 164	4.05 63	2.43 168	0.01 102	0.00 1	0.00 1	0.00 1	0.13 165	1.02 250

rafts_anoy	2.09 54	1.42 228	3.34 61	2.87 292	2.72 293	2.46 68	0.17 52	6.20 106	6.48 166	3.40 60	2.25 36	1.91 68	1.32 82	3.59 55	1.75 120	0.01 102	1.52 364	0.00 1	0.01 172	0.06 68	0.28 129

ssnet_v2	4.73 265	1.43 229	6.74 253	1.80 177	0.75 158	8.89 295	4.60 308	12.66 273	10.65 270	9.53 271	6.23 120	9.78 270	4.26 212	6.89 136	9.65 307	0.01 102	0.01 102	0.00 1	0.00 1	0.36 289	0.31 137

cf-r	3.76 204	1.43 229	5.34 189	2.66 275	2.79 295	2.85 122	0.62 143	9.08 185	6.91 182	7.06 178	11.90 250	9.64 266	3.83 190	6.23 114	4.53 232	0.00 1	0.00 1	0.00 1	0.00 1	0.19 210	0.17 87

STTStereo	3.90 213	1.43 229	8.20 286	3.03 300	2.28 277	3.64 174	0.64 147	10.11 214	7.09 187	10.20 285	7.08 147	8.73 259	3.57 177	7.44 156	4.00 218	0.00 1	0.02 131	0.01 244	0.01 172	0.04 44	0.40 156

MSMD_ROB	9.73 341	1.43 229	5.42 194	1.81 178	0.42 107	16.83 350	4.30 303	14.29 313	15.34 321	23.06 362	40.17 384	25.63 368	22.62 373	13.37 330	8.85 294	0.48 338	0.03 156	0.00 1	0.00 1	0.13 165	0.47 175

ADLNet2	4.72 263	1.44 233	6.68 251	3.03 300	3.90 332	6.80 262	2.91 271	11.67 252	9.63 250	7.99 218	9.89 209	9.75 269	5.32 254	7.70 177	7.13 271	0.01 102	0.03 156	0.00 1	0.00 1	0.26 248	0.22 109

DLCB_ROB	4.87 271	1.45 234	4.75 169	2.52 266	1.13 205	6.25 254	3.01 275	10.44 223	8.34 221	11.05 310	13.43 269	14.04 313	3.90 198	9.74 277	6.80 265	0.00 1	0.00 1	0.00 1	0.00 1	0.08 88	0.37 150

iResNet	4.04 224	1.46 235	8.72 294	3.25 317	0.36 89	4.54 219	0.47 105	9.06 183	10.40 263	7.98 216	12.82 265	4.06 135	3.22 159	8.82 239	4.95 243	0.03 215	0.01 102	0.00 1	0.00 1	0.14 174	0.55 187

CBFPSM	5.12 275	1.48 236	16.22 349	1.81 178	1.14 206	11.16 319	2.90 270	7.99 165	6.75 176	6.55 153	5.00 86	15.05 322	8.78 317	7.52 169	8.90 295	0.04 235	0.02 131	0.00 1	0.00 1	0.42 295	0.67 219

raft+_RVC	2.18 66	1.49 237	3.14 46	2.77 282	2.01 264	1.40 13	0.10 23	7.02 132	5.35 121	2.99 52	5.54 105	1.19 49	1.34 87	4.98 82	1.49 90	0.00 1	1.45 359	0.00 1	0.00 1	0.14 174	1.11 258

RYNet	6.82 299	1.51 238	7.35 271	1.79 176	4.52 348	16.68 349	4.41 305	14.19 311	17.43 333	11.64 319	7.86 162	15.03 321	8.81 318	10.10 289	14.16 348	0.04 235	0.13 216	0.15 332	0.05 221	0.08 88	0.53 185

DRN-Test	6.23 288	1.51 238	7.53 275	3.07 308	3.69 324	12.17 331	3.23 284	20.80 370	11.11 282	12.64 325	13.02 267	10.91 292	5.26 248	8.49 228	10.12 312	0.05 247	0.05 177	0.04 300	0.04 218	0.28 260	0.65 209

MLCV	3.76 204	1.52 240	6.93 257	1.66 157	0.31 77	4.31 212	0.32 81	7.92 162	7.68 201	9.55 273	12.12 253	5.17 174	2.74 145	10.00 288	4.49 231	0.01 102	0.00 1	0.00 1	0.00 1	0.16 191	0.27 125

CBMV	5.97 284	1.52 240	4.51 150	1.99 204	0.53 125	10.02 307	6.94 340	13.27 293	13.80 314	13.08 331	15.93 294	11.36 296	8.11 307	9.82 280	7.27 272	0.08 267	0.15 221	0.00 1	0.00 1	0.30 271	0.74 228
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NLCA_NET_v2_RVC	4.11 228	1.53 242	6.87 256	3.04 302	3.33 312	4.34 214	0.59 137	11.36 245	7.92 210	8.98 251	7.98 167	9.72 268	3.82 189	7.92 188	4.43 229	0.15 290	0.02 131	0.03 292	0.03 200	0.07 83	0.14 65
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
HBP-ISP	4.37 244	1.56 243	4.59 160	2.23 228	1.29 223	7.87 280	3.96 295	11.80 254	10.91 277	8.06 225	14.45 281	3.38 105	4.87 234	9.27 259	2.53 170	0.14 288	0.06 183	0.00 1	0.01 172	0.08 88	0.30 135

GMStereo	2.07 48	1.56 243	5.64 209	0.74 78	0.05 3	3.63 173	0.01 1	5.17 43	11.27 286	4.22 78	2.44 39	0.53 38	0.49 33	4.06 65	1.01 52	0.22 308	0.00 1	0.00 1	0.14 253	0.18 204	0.05 23
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
DANet	6.46 293	1.58 245	9.58 316	4.10 343	3.99 337	9.13 298	1.34 231	10.37 220	7.76 202	13.76 337	15.66 290	16.14 327	7.03 288	13.07 328	13.62 346	0.19 301	0.12 213	0.02 275	0.02 189	0.15 187	1.61 288
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
TestStereo	1.89 38	1.59 246	4.22 136	0.37 38	0.28 74	1.33 10	0.01 1	5.63 67	4.13 70	3.59 64	5.11 89	2.06 74	0.70 41	7.62 175	0.93 39	0.02 185	0.00 1	0.00 1	0.00 1	0.02 9	0.19 95

CFNet-ft	3.70 200	1.59 246	3.87 105	1.68 160	2.42 281	3.20 146	0.66 150	8.93 180	7.76 202	5.09 93	9.95 211	10.77 288	5.43 257	7.41 153	4.71 237	0.00 1	0.00 1	0.03 292	0.01 172	0.30 271	0.11 53

CFNet_RVC	3.70 200	1.59 246	3.87 105	1.68 160	2.42 281	3.20 146	0.66 150	8.92 179	7.76 202	5.09 93	9.95 211	10.77 288	5.43 257	7.41 153	4.71 237	0.00 1	0.00 1	0.03 292	0.01 172	0.30 271	0.11 53

AASNet	4.20 235	1.63 249	5.82 215	3.79 336	3.93 333	6.55 258	1.22 223	19.12 355	6.82 177	7.86 212	8.35 175	4.36 149	2.55 139	3.87 62	7.47 274	0.00 1	0.00 1	0.00 1	0.00 1	0.49 311	0.22 109

AACVNet	3.71 202	1.63 249	4.89 173	3.80 337	0.62 137	3.25 148	0.30 79	9.47 200	3.81 57	6.34 141	10.74 232	10.52 279	4.92 236	9.31 260	3.88 212	0.03 215	0.01 102	0.00 1	0.00 1	0.34 285	0.28 129

RAFT_CTSACE	3.62 194	1.65 251	5.41 193	1.36 126	3.08 302	3.95 197	1.03 210	4.62 25	4.65 96	5.33 101	17.73 316	7.63 236	2.71 143	10.98 299	1.15 61	0.00 1	0.48 268	0.00 1	0.00 1	0.31 278	0.25 122

ACRE	2.67 119	1.66 252	6.50 244	0.72 70	2.03 266	2.65 88	0.84 190	5.97 94	5.52 130	7.85 211	9.23 188	1.72 63	1.09 61	4.09 66	2.73 183	0.02 185	0.19 230	0.02 275	0.08 230	0.26 248	0.21 104

MyStereo8	3.30 170	1.69 253	6.28 237	2.51 263	3.79 329	4.22 207	0.07 14	7.43 151	6.39 163	6.51 150	10.13 215	4.23 146	1.45 92	2.79 47	5.08 246	0.06 257	1.49 362	0.00 1	0.40 336	0.26 248	1.33 277

CIPLG	2.72 126	1.69 253	6.02 223	0.80 83	2.14 270	2.66 89	0.84 190	5.90 86	5.59 132	8.12 226	9.58 200	1.74 64	1.14 66	4.53 77	2.82 188	0.02 185	0.19 230	0.02 275	0.09 236	0.26 248	0.22 109

CSP-Net	4.40 245	1.70 255	4.90 174	1.82 181	1.04 191	12.96 335	2.25 259	13.75 305	6.34 159	9.64 276	8.99 183	8.31 248	3.24 160	8.45 226	4.32 226	0.01 102	0.00 1	0.00 1	0.00 1	0.23 236	0.06 30

pmcnn	8.17 324	1.70 255	11.49 324	3.18 312	3.07 301	9.66 303	6.06 326	13.60 301	17.71 336	15.23 344	24.02 344	27.61 371	8.81 318	10.36 294	9.51 305	0.08 267	0.08 196	0.00 1	0.00 1	0.31 278	0.87 235

IGEVStereo-DCA	1.54 24	1.71 257	2.99 37	0.73 73	0.24 65	2.69 90	0.81 182	4.31 19	2.97 15	0.73 16	0.16 1	0.23 8	0.32 11	7.57 171	2.72 181	0.00 1	0.49 269	0.00 1	0.16 258	0.17 197	1.82 316

rrr	1.64 31	1.71 257	6.31 239	0.73 73	0.24 65	2.69 90	0.92 206	4.25 16	1.75 3	0.73 16	0.16 1	0.23 8	0.32 11	7.57 171	2.72 181	0.00 1	0.49 269	0.00 1	0.20 282	0.17 197	1.68 297

raft_robust	2.91 139	1.71 257	3.42 71	1.36 126	0.57 131	1.53 20	0.12 30	7.06 135	9.09 239	6.96 177	7.21 152	4.43 151	2.09 121	9.40 262	1.61 99	0.03 215	0.93 295	0.00 1	0.21 287	0.17 197	0.38 153

RALAANet	2.68 120	1.71 257	4.73 168	2.79 284	0.80 163	3.30 152	0.15 47	7.92 162	5.92 146	5.79 112	6.06 115	3.51 119	1.13 64	6.76 132	2.28 162	0.00 1	0.28 248	0.00 1	0.10 240	0.27 258	0.13 62

GwcNet-RSSM	4.13 231	1.71 257	6.25 235	2.50 262	1.93 262	2.39 64	1.49 238	9.59 202	8.71 228	6.66 161	15.04 286	8.47 255	3.84 191	6.87 135	6.74 264	0.00 1	0.00 1	0.04 300	0.00 1	0.29 268	0.15 75

RALCasStereoNet	2.39 92	1.73 262	3.59 90	2.38 252	2.69 292	2.84 110	0.18 54	5.29 45	4.94 112	2.45 45	5.62 107	2.22 75	0.79 50	7.48 167	1.63 103	0.00 1	1.75 366	0.00 1	0.00 1	0.14 174	2.03 338

ARAFT	3.32 171	1.74 263	7.92 282	0.64 62	0.15 28	4.45 216	2.89 269	8.20 167	6.30 157	9.23 263	7.12 151	5.58 187	1.24 79	8.60 231	1.69 115	0.01 102	0.03 156	0.00 1	0.00 1	0.35 287	0.35 147

LoS_RVC	1.47 18	1.75 264	2.66 20	0.52 57	3.89 331	1.67 26	0.04 8	2.66 2	2.61 6	0.55 12	2.63 42	0.31 19	1.68 106	1.99 23	0.81 25	0.01 102	0.02 131	0.00 1	0.00 1	0.03 26	5.54 372

IPLGR_C	2.69 121	1.75 264	6.20 231	0.79 81	2.06 268	2.64 87	0.86 197	6.36 110	5.64 134	8.13 227	9.26 190	1.69 62	1.15 71	3.79 60	2.80 187	0.02 185	0.20 235	0.02 275	0.08 230	0.26 248	0.18 89

test_xeample3	1.71 34	1.75 264	6.64 249	0.90 90	0.29 75	2.55 74	0.90 202	4.08 13	2.36 4	0.56 13	0.24 4	0.23 8	0.31 8	7.51 168	2.73 183	0.00 1	0.70 281	0.00 1	0.36 332	0.18 204	1.92 333

iResNet_ROB	4.67 261	1.77 267	5.93 219	2.47 260	0.95 183	3.78 188	0.36 86	15.65 327	17.36 332	8.75 244	11.23 240	7.05 226	4.60 225	8.94 248	4.23 224	0.01 102	0.00 1	0.00 1	0.00 1	0.16 191	0.15 75

whm_eth	3.18 164	1.78 268	6.61 248	0.90 90	2.72 293	2.54 73	0.27 71	7.64 158	7.94 211	5.43 105	23.98 343	0.37 29	0.47 32	1.31 8	1.17 63	0.02 185	0.03 156	0.00 1	0.00 1	0.08 88	0.32 141

GANet	6.86 301	1.78 268	5.98 222	3.05 303	1.12 204	10.12 310	9.38 357	13.41 297	8.67 227	11.46 316	29.87 363	13.94 312	8.25 309	12.06 318	6.33 262	0.40 327	0.06 183	0.16 335	0.33 327	0.18 204	0.59 195

TDLM	4.58 255	1.79 270	5.03 180	2.45 258	1.32 228	4.04 202	7.15 343	11.60 251	11.46 287	6.91 171	12.69 262	5.94 202	5.03 240	9.74 277	3.80 209	0.67 343	0.00 1	0.01 244	0.05 221	0.23 236	1.78 314

DeepPruner_ROB	3.82 209	1.87 271	5.65 210	1.31 125	1.64 239	3.62 172	0.81 182	14.47 315	5.03 116	8.03 221	10.78 233	6.95 224	2.26 127	8.92 245	4.32 226	0.07 263	0.03 156	0.00 1	0.01 172	0.37 290	0.29 132

SACVNet	4.55 252	1.88 272	5.55 206	3.38 323	1.68 244	3.11 138	2.76 268	12.44 267	6.43 164	11.07 311	11.31 241	10.53 281	5.13 245	9.88 283	4.56 233	0.08 267	0.02 131	0.00 1	0.01 172	0.38 292	0.80 232

XPNet_ROB	6.46 293	1.88 272	7.41 273	2.81 285	0.95 183	6.45 257	6.82 338	13.58 300	8.80 231	15.50 345	15.86 292	19.59 350	7.12 289	11.41 310	9.86 308	0.02 185	0.04 170	0.00 1	0.03 200	0.20 216	0.79 231

MeshStereo	11.94 358	1.88 272	5.24 185	2.11 213	1.44 233	20.09 362	4.95 314	21.74 376	16.75 329	33.10 381	35.07 379	39.28 388	22.72 374	19.45 366	13.59 345	0.19 301	0.06 183	0.02 275	0.00 1	0.46 304	0.65 209
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
ccnet	7.45 316	1.89 275	7.71 278	3.18 312	2.35 278	12.19 332	6.14 327	18.95 352	9.36 247	13.33 332	20.38 327	16.00 326	9.10 323	10.10 289	15.40 355	0.44 329	0.34 254	0.25 349	0.25 299	0.48 309	1.18 264

RP	7.41 313	1.90 276	7.33 269	4.26 348	5.25 361	6.64 260	3.46 290	12.44 267	16.23 327	10.36 291	23.00 340	18.72 343	16.59 357	11.10 301	8.47 286	1.10 353	0.02 131	0.12 327	0.16 258	0.43 299	0.65 209

Nwc_Net	7.54 317	1.91 277	8.71 293	4.16 345	3.42 316	10.77 318	2.00 254	20.33 367	12.19 295	9.10 257	24.04 346	17.67 337	13.58 347	12.14 320	9.12 300	0.94 351	0.00 1	0.00 1	0.02 189	0.22 231	0.41 163

dd	2.36 85	1.93 278	6.03 225	0.83 85	0.12 19	1.80 36	0.17 52	5.30 46	11.82 292	2.98 51	3.64 62	1.50 57	1.21 77	5.25 88	3.92 213	0.13 285	0.01 102	0.04 300	0.22 292	0.10 121	0.14 65

G-Net	8.60 331	1.93 278	12.59 329	6.04 367	3.66 323	25.93 372	4.26 300	10.35 219	8.05 215	19.71 357	24.73 349	14.15 314	15.49 355	11.30 305	10.69 322	0.50 339	0.46 266	0.19 343	0.25 299	0.80 335	0.91 237

CVANet_RVC	4.68 262	1.93 278	5.57 208	2.61 273	1.86 257	4.12 204	4.94 313	12.11 257	9.29 244	8.05 223	11.08 237	10.28 276	6.48 275	9.52 267	3.19 195	0.45 331	0.01 102	0.00 1	0.12 246	0.23 236	1.75 310

fast-acv-ft	6.00 285	1.95 281	7.88 281	2.35 248	1.85 255	13.61 340	1.76 249	8.44 170	10.12 256	11.22 313	20.57 329	14.41 318	7.55 299	8.11 197	8.83 293	0.10 280	0.09 202	0.16 335	0.07 227	0.68 325	0.35 147

LMCR-Stereo	3.92 215	1.96 282	4.92 175	2.85 291	0.23 64	7.88 281	1.47 236	12.52 270	5.39 124	8.71 242	10.65 230	1.90 67	5.04 242	8.53 229	4.89 240	1.05 352	0.00 1	0.00 1	0.00 1	0.42 295	0.05 23

CFNet	4.03 223	1.97 283	6.30 238	2.70 279	1.64 239	5.41 235	0.22 60	12.14 259	10.28 258	5.24 99	11.15 238	6.43 211	3.70 186	8.97 251	4.01 219	0.00 1	0.00 1	0.00 1	0.00 1	0.30 271	0.13 62

DMCA-RVC	3.59 192	1.98 284	8.68 292	2.30 241	1.48 234	3.54 167	0.55 125	8.40 169	5.43 127	9.37 268	5.90 109	8.34 250	3.21 158	7.19 145	4.46 230	0.06 257	0.11 210	0.08 321	0.02 189	0.21 226	0.40 156

WCMA_ROB	10.20 346	1.99 285	9.33 310	3.01 298	2.46 283	15.78 346	7.67 349	12.75 275	15.41 322	25.08 372	33.42 375	27.06 370	19.86 363	13.87 335	12.47 337	1.28 357	0.38 260	0.18 341	0.20 282	0.28 260	1.54 285

gwcnet-sp	3.58 189	2.01 286	8.82 297	2.01 208	0.69 142	7.38 276	1.10 217	9.23 192	6.66 172	9.32 264	5.91 110	4.21 143	3.31 166	6.91 137	3.69 201	0.00 1	0.00 1	0.00 1	0.00 1	0.24 240	0.18 89

scenet	3.58 189	2.01 286	8.82 297	2.01 208	0.69 142	7.38 276	1.10 217	9.23 192	6.66 172	9.32 264	5.91 110	4.21 143	3.31 166	6.91 137	3.69 201	0.00 1	0.00 1	0.00 1	0.00 1	0.24 240	0.18 89

ssnet	3.58 189	2.01 286	8.82 297	2.01 208	0.69 142	7.38 276	1.10 217	9.23 192	6.66 172	9.32 264	5.91 110	4.21 143	3.31 166	6.91 137	3.69 201	0.00 1	0.00 1	0.00 1	0.00 1	0.24 240	0.18 89

FBW_ROB	9.17 338	2.08 289	10.31 321	2.51 263	1.66 243	13.22 338	6.04 325	23.09 377	20.11 345	19.55 355	15.80 291	18.97 347	11.96 340	19.34 365	11.38 326	0.66 342	0.30 250	2.15 373	0.90 357	1.15 344	2.16 343

iinet-f	6.21 287	2.11 290	28.74 384	2.13 214	1.38 230	11.62 323	1.49 238	7.64 158	7.19 190	7.77 209	14.38 279	10.49 278	7.79 302	7.76 180	12.90 342	0.03 215	0.03 156	0.05 306	0.00 1	0.67 323	0.12 56

BEATNet_4x	3.69 198	2.12 291	8.11 284	1.82 181	0.16 33	5.30 233	1.04 213	10.87 233	6.14 153	7.09 181	8.42 176	4.99 171	4.42 214	5.89 104	6.23 261	0.04 235	0.05 177	0.00 1	0.00 1	0.32 282	0.84 234

DN-CSS_ROB	3.00 150	2.14 292	7.33 269	2.67 277	0.78 161	3.13 141	0.07 14	6.68 123	4.22 76	5.51 108	12.12 253	2.33 76	1.21 77	8.69 236	2.51 169	0.03 215	0.00 1	0.00 1	0.00 1	0.42 295	0.15 75

AF-Net	8.37 328	2.16 293	9.01 302	3.65 331	4.58 351	9.40 299	2.63 265	17.71 344	21.32 351	10.38 292	24.51 348	20.43 355	16.67 358	12.54 323	10.76 323	0.70 345	0.00 1	0.12 327	0.00 1	0.47 306	0.42 167

psmorigin	7.74 318	2.19 294	18.99 359	2.51 263	0.89 173	7.08 270	2.74 266	11.25 242	7.90 208	20.49 360	22.36 338	20.16 352	11.95 339	13.84 334	10.61 319	0.04 235	0.18 228	0.06 310	0.24 296	0.27 258	1.07 254

Wz-Net-LNSev-Ref	6.52 296	2.21 295	12.10 327	2.75 280	3.28 309	10.03 308	3.05 276	12.31 262	11.52 288	10.10 284	21.36 331	11.51 297	7.30 294	11.56 312	10.61 319	0.09 277	0.00 1	0.00 1	0.00 1	0.08 88	0.51 182

FADNet-RVC-Resample	4.11 228	2.25 296	13.88 336	1.64 150	0.66 139	5.91 248	2.34 261	10.87 233	9.09 239	6.53 152	4.34 70	5.69 195	4.71 229	8.01 192	4.64 236	0.18 300	0.22 236	0.17 340	0.12 246	0.46 304	0.59 195

NaN_ROB	6.51 295	2.25 296	8.77 295	1.69 162	1.79 250	9.71 304	10.94 362	16.20 333	16.13 326	13.04 330	8.86 179	11.77 301	5.94 265	12.88 327	8.01 280	0.05 247	0.13 216	0.07 315	0.20 282	0.32 282	1.50 282

sAnonymous2	1.54 24	2.26 298	9.53 312	0.65 64	0.50 114	1.20 5	0.23 64	4.86 29	3.65 48	0.42 4	1.27 15	0.23 8	1.40 89	1.23 4	0.68 11	0.02 185	0.00 1	0.00 1	0.20 282	2.00 360	0.42 167

CroCo_RVC	1.54 24	2.26 298	9.53 312	0.65 64	0.50 114	1.20 5	0.23 64	4.86 29	3.65 48	0.42 4	1.27 15	0.23 8	1.40 89	1.23 4	0.68 11	0.02 185	0.00 1	0.00 1	0.20 282	2.00 360	0.42 167

iResNetv2_ROB	4.72 263	2.26 298	8.87 300	3.20 314	1.25 217	4.32 213	1.73 247	14.22 312	10.62 269	10.53 295	12.13 255	7.77 238	5.54 260	8.29 209	2.76 186	0.00 1	0.00 1	0.00 1	0.00 1	0.42 295	0.55 187

RAFT + AFF	4.63 259	2.28 301	7.43 274	1.51 140	2.38 279	5.81 246	6.49 332	10.74 230	8.53 225	7.75 208	8.95 182	7.47 233	6.68 282	9.17 257	5.06 245	0.08 267	0.47 267	0.00 1	0.01 172	0.66 322	1.03 253

NCC-stereo	7.43 314	2.28 301	8.58 290	3.28 318	4.48 345	8.34 285	4.27 301	20.45 368	13.66 312	9.17 260	17.52 313	16.49 329	14.31 352	13.71 332	8.95 296	1.73 363	0.12 213	0.01 244	0.50 346	0.21 226	0.60 197

Abc-Net	7.43 314	2.28 301	8.58 290	3.28 318	4.48 345	8.34 285	4.27 301	20.45 368	13.66 312	9.17 260	17.52 313	16.49 329	14.31 352	13.71 332	8.95 296	1.73 363	0.12 213	0.01 244	0.50 346	0.21 226	0.60 197
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
LL-Strereo	5.14 276	2.29 304	8.95 301	1.26 118	5.05 359	3.66 175	1.40 233	10.33 218	8.98 236	8.71 242	8.24 174	10.70 285	11.10 332	12.66 325	5.36 249	0.05 247	1.35 357	0.00 1	0.00 1	0.38 292	2.23 347

ADCRef	7.76 319	2.31 305	19.09 360	2.82 287	3.29 310	11.88 326	3.06 277	11.52 249	10.89 276	13.69 336	25.85 354	8.20 245	8.89 320	8.95 249	22.66 367	0.16 293	0.08 196	0.16 335	0.34 330	0.47 306	0.91 237

FADNet_RVC	4.24 238	2.32 306	14.23 339	1.18 113	0.79 162	5.64 239	0.60 138	11.50 248	7.19 190	3.68 68	8.08 171	4.14 139	4.06 202	10.29 293	7.47 274	0.36 325	0.44 265	0.18 341	0.47 343	0.93 338	1.23 268

GMStereo_Zeroshot	2.92 141	2.33 307	6.12 227	1.66 157	0.36 89	3.61 169	0.09 19	5.95 92	6.20 155	7.15 185	7.11 150	8.37 251	0.91 52	6.17 112	1.97 137	0.00 1	0.00 1	0.00 1	0.00 1	0.22 231	0.14 65

FADNet	4.55 252	2.35 308	13.60 334	1.87 185	0.80 163	4.74 224	0.75 175	14.47 315	12.41 297	4.07 76	5.45 102	9.64 266	5.03 240	8.86 242	4.82 239	0.20 304	0.04 170	0.07 315	0.05 221	1.27 347	0.40 156

PA-Net	5.40 278	2.35 308	9.55 314	2.75 280	2.21 272	8.74 292	3.92 294	13.05 285	13.35 310	7.30 195	7.98 167	8.08 243	6.39 274	11.17 304	9.30 302	0.02 185	0.03 156	0.00 1	0.03 200	0.16 191	1.55 287
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
StereoDRNet	6.02 286	2.40 310	8.22 287	3.43 324	4.43 344	10.57 317	4.21 299	19.44 357	11.24 285	12.86 326	8.06 169	11.64 299	4.79 232	8.65 235	9.32 303	0.01 102	0.10 206	0.00 1	0.03 200	0.34 285	0.69 220

PSMNet_ROB	5.41 280	2.45 311	7.39 272	2.36 250	1.90 259	10.11 309	6.54 333	16.32 335	7.59 198	6.84 170	10.83 234	12.06 304	4.13 206	8.73 237	10.24 314	0.02 185	0.01 102	0.01 244	0.11 242	0.26 248	0.40 156

APVNet	6.28 290	2.46 312	10.09 318	3.51 328	3.97 335	12.15 330	1.75 248	20.08 366	6.73 175	6.92 176	13.45 270	10.75 287	6.29 273	11.86 316	14.34 349	0.05 247	0.02 131	0.11 323	0.03 200	0.63 319	0.34 143

NCCL2	6.27 289	2.46 312	7.00 258	2.36 250	1.11 202	9.48 300	11.14 364	13.01 284	10.40 263	9.94 282	9.49 198	22.11 361	7.42 295	9.90 285	8.56 288	0.01 102	0.00 1	0.02 275	0.03 200	0.20 216	0.73 225

PS-NSSS	4.22 236	2.53 314	5.89 218	1.01 100	2.93 297	4.05 203	1.93 252	11.44 246	8.94 235	7.14 184	14.70 285	4.96 169	2.60 141	9.09 254	3.92 213	0.40 327	0.04 170	0.83 361	0.00 1	1.09 340	1.02 250

LALA_ROB	7.02 306	2.54 315	8.51 289	1.53 142	0.96 185	9.96 306	8.71 354	16.70 337	12.68 301	12.99 328	13.90 276	24.47 364	5.40 256	11.61 314	9.50 304	0.04 235	0.05 177	0.00 1	0.02 189	0.17 197	0.65 209

DPSNet	10.88 353	2.57 316	20.40 364	2.24 231	1.90 259	24.92 370	17.00 391	21.35 373	28.61 369	12.87 327	13.74 273	17.01 334	20.14 365	15.36 345	14.01 347	0.81 347	0.98 309	0.20 344	0.65 353	1.30 348	1.54 285

ETE_ROB	6.28 290	2.60 317	9.22 308	1.71 166	0.84 168	6.44 256	6.78 337	13.16 291	8.80 231	13.01 329	15.93 294	21.01 359	6.18 270	10.97 298	8.11 282	0.04 235	0.01 102	0.00 1	0.02 189	0.16 191	0.70 222

dad	5.10 274	2.61 318	6.76 254	1.23 116	0.14 22	2.85 122	0.36 86	7.98 164	14.88 318	10.84 303	17.06 305	15.59 323	3.29 163	7.24 147	4.39 228	1.20 355	0.10 206	4.02 377	0.49 345	0.20 216	0.69 220

AANet_RVC	5.41 280	2.61 318	8.17 285	2.25 232	1.30 225	2.27 57	1.64 245	10.82 231	18.54 339	8.01 220	18.09 318	8.39 254	3.31 166	11.37 309	8.98 298	1.15 354	0.38 260	0.02 275	0.00 1	0.17 197	0.70 222

FADNet-RVC	4.36 242	2.62 320	14.51 342	2.01 208	0.44 109	4.27 209	1.27 226	12.61 272	7.89 207	3.76 70	4.05 66	10.63 283	4.34 213	9.87 282	7.66 277	0.03 215	0.09 202	0.00 1	0.03 200	0.65 321	0.50 178

LE_ROB	17.31 376	2.62 320	14.26 340	4.20 346	1.80 251	17.40 353	9.70 359	15.38 325	55.92 401	63.97 411	40.81 386	35.50 384	39.26 395	15.64 349	28.51 386	0.06 257	0.11 210	0.13 329	0.21 287	0.14 174	0.51 182

SDNR	7.97 320	2.75 322	16.90 353	2.28 239	0.94 180	45.23 398	0.43 99	9.30 198	10.84 274	10.71 299	25.30 352	5.51 185	4.47 216	11.98 317	7.58 276	0.15 290	0.14 220	0.00 1	0.04 218	2.27 362	2.65 354

Wz-Net-LNSev	7.12 308	2.75 322	18.64 357	1.70 165	4.16 339	12.79 334	6.72 335	13.74 304	13.57 311	11.14 312	17.31 311	11.90 303	8.50 312	8.96 250	9.94 309	0.00 1	0.01 102	0.00 1	0.00 1	0.18 204	0.34 143

RGC	7.40 312	2.77 324	7.71 278	4.43 355	4.87 357	8.88 294	2.96 273	16.05 332	12.76 305	11.96 323	19.57 324	18.32 342	11.57 338	13.89 336	9.58 306	0.83 348	0.02 131	0.24 348	0.41 338	0.40 294	0.77 230

ADCP+	8.60 331	2.78 325	17.44 354	1.69 162	4.27 341	16.95 352	5.29 317	13.38 296	12.52 298	13.57 335	17.57 315	10.86 291	11.28 334	18.43 363	23.91 376	0.03 215	0.05 177	0.01 244	0.18 269	0.47 306	1.31 275

PDISCO_ROB	10.27 347	2.79 326	13.30 332	10.58 379	9.96 380	22.78 366	5.99 322	20.01 362	28.57 368	11.88 321	14.49 282	20.54 356	4.92 236	17.01 358	10.29 315	5.79 377	0.42 262	0.14 331	0.13 251	2.53 365	3.25 358

CSAN	8.41 329	2.86 327	9.35 311	2.43 256	0.82 166	13.59 339	11.68 370	15.80 330	21.98 355	14.71 341	16.46 300	18.00 339	14.42 354	13.68 331	10.10 310	0.10 280	0.13 216	0.15 332	0.19 272	0.43 299	1.28 273

GwcNet	6.95 302	2.89 328	13.32 333	2.82 287	5.53 362	11.76 324	2.14 258	14.95 320	17.69 335	10.83 302	18.14 319	10.83 290	6.66 280	9.83 281	10.19 313	0.03 215	0.06 183	0.03 292	0.08 230	0.64 320	0.66 217

FINET	6.96 303	2.98 329	13.77 335	3.20 314	4.81 356	9.65 302	9.90 360	13.68 303	23.91 359	8.28 232	13.70 271	5.36 181	5.83 263	10.79 297	8.05 281	0.90 349	1.43 358	0.11 323	0.38 334	0.48 309	1.98 337

Wz-Net-MNSev	8.12 323	3.18 330	18.07 356	2.63 274	3.36 314	17.82 356	9.40 358	12.89 279	15.44 323	13.95 339	18.21 320	14.38 317	7.75 301	12.50 322	11.45 327	0.46 333	0.03 156	0.00 1	0.01 172	0.26 248	0.58 192

ADCL	10.77 351	3.23 331	21.50 366	2.26 234	1.96 263	23.65 367	9.07 355	14.69 319	24.88 361	15.21 343	27.20 355	12.68 307	14.02 351	16.94 357	24.43 378	0.26 317	0.18 228	0.74 359	0.67 354	0.80 335	1.02 250

MANE	20.98 387	3.23 331	8.81 296	5.96 366	6.96 369	33.07 385	13.20 374	35.43 390	38.86 387	44.72 397	52.41 401	53.20 396	41.84 397	34.74 389	27.45 384	1.87 365	2.27 371	1.54 369	10.18 393	0.69 327	3.11 357

SANet	11.48 356	3.34 333	13.93 337	2.40 255	1.01 189	16.49 348	12.16 373	20.05 365	37.28 383	19.62 356	28.04 357	25.61 367	20.10 364	14.43 339	12.39 336	0.10 280	0.06 183	0.03 292	0.06 226	0.76 333	1.73 306

SGM-ForestM	18.61 381	3.38 334	10.14 319	3.44 325	2.24 275	34.17 387	15.39 380	29.44 388	33.93 375	38.55 389	41.08 387	53.64 397	36.76 392	34.82 390	27.16 383	1.25 356	1.81 369	0.74 359	1.01 359	0.61 318	2.61 353

ADCPNet	10.18 345	3.40 335	33.24 387	2.38 252	1.74 247	17.75 355	7.65 348	13.20 292	13.03 307	14.09 340	21.72 334	19.36 348	11.40 336	15.43 347	23.00 369	0.28 320	1.15 339	0.39 355	1.48 369	0.68 325	2.21 345

DGSMNet	7.10 307	3.49 336	15.11 345	4.36 353	4.41 343	8.94 296	6.25 328	15.10 322	14.28 316	8.15 228	14.51 283	10.08 273	5.38 255	11.04 300	7.95 279	1.49 361	2.00 370	1.79 370	1.68 374	2.43 363	3.48 362

ELAS	17.99 378	3.49 336	11.19 323	6.14 368	5.79 364	34.89 388	17.28 392	28.75 385	30.47 371	40.80 393	45.79 392	39.04 387	32.05 389	27.63 384	24.30 377	1.88 366	2.41 375	1.09 363	1.48 369	1.83 357	3.48 362
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DeepPrunerF	7.18 310	3.58 338	25.29 376	4.27 349	7.20 370	3.78 188	4.64 309	14.03 309	20.86 349	8.85 246	10.57 227	7.35 229	7.88 304	12.16 321	10.66 321	0.25 314	0.16 223	0.29 350	0.43 341	0.77 334	0.65 209

GANetREF_RVC	6.97 304	3.59 339	9.14 307	4.00 340	0.40 101	13.17 336	11.27 368	15.95 331	17.51 334	10.62 297	10.66 231	12.15 305	7.97 306	13.18 329	5.04 244	0.45 331	0.00 1	0.01 244	0.15 256	3.47 370	0.60 197
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
ELAS_RVC	17.82 377	3.60 340	11.92 325	6.63 370	5.73 363	30.34 381	19.64 394	26.92 382	35.06 380	40.79 392	41.32 388	37.31 386	31.61 386	30.54 385	22.93 368	1.97 367	2.40 373	1.28 367	1.27 365	1.71 355	3.51 364
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SHD	10.45 349	3.67 341	14.03 338	4.81 358	4.52 348	11.93 327	1.66 246	21.36 374	38.40 386	18.84 354	21.72 334	17.63 336	13.07 343	15.65 350	17.71 358	0.36 325	1.09 321	0.01 244	0.32 324	0.50 312	1.67 296

Syn2CoEx	6.70 298	3.69 342	12.14 328	2.78 283	1.68 244	8.36 288	3.21 283	18.59 350	12.66 300	8.86 247	20.79 330	10.52 279	10.54 329	9.68 271	8.70 291	0.01 102	0.00 1	0.00 1	0.00 1	0.69 327	1.00 245

aanetorigin	9.02 334	3.75 343	28.68 383	2.16 215	3.86 330	5.84 247	5.40 320	5.93 91	10.39 262	28.12 375	31.02 369	15.98 325	13.74 348	9.38 261	12.55 338	0.25 314	0.22 236	0.22 346	0.24 296	1.24 345	1.47 279

TRStereo	2.71 123	3.79 344	5.46 197	2.19 222	2.22 274	2.98 132	1.07 215	9.83 207	4.39 85	3.46 61	3.48 52	3.92 128	0.77 46	6.43 117	1.70 116	0.03 215	0.63 275	0.00 1	0.29 317	0.11 132	1.49 281

SAMSARA	15.67 368	3.89 345	14.48 341	13.77 385	7.92 374	38.69 392	73.90 415	21.22 372	24.66 360	17.04 352	13.86 274	30.01 374	13.07 343	18.07 362	17.48 357	0.23 309	1.46 360	0.07 315	0.40 336	0.99 339	2.15 342

SuperB	8.29 327	3.96 346	24.92 374	2.96 296	1.33 229	9.83 305	4.15 298	10.92 237	29.79 370	11.86 320	12.51 260	6.07 203	6.97 285	11.13 303	14.73 350	0.15 290	0.11 210	0.35 352	0.26 308	12.64 385	1.11 258

PVD	16.41 370	3.98 347	16.04 348	5.38 361	4.59 353	19.44 360	7.28 345	28.88 386	49.27 396	31.53 379	43.72 390	30.36 376	32.17 390	26.70 383	23.19 370	0.25 314	1.48 361	0.04 300	0.59 350	0.52 314	2.87 356

anonymity	8.04 321	4.13 348	12.86 330	7.43 372	13.11 387	8.34 285	2.02 255	18.21 348	7.55 197	13.88 338	9.27 191	10.63 283	7.79 302	11.57 313	6.06 256	6.25 378	5.59 400	3.71 376	3.28 379	3.27 368	5.78 373

RTSC	9.87 342	4.34 349	16.44 350	4.60 357	2.38 279	12.54 333	0.75 175	18.19 347	37.31 384	16.16 349	15.86 292	13.32 308	7.56 300	20.93 372	23.50 372	0.34 323	1.07 320	0.02 275	0.35 331	0.71 330	0.99 243

PWCDC_ROB	8.50 330	4.40 350	9.57 315	6.16 369	4.54 350	10.46 313	1.03 210	15.30 323	28.16 367	10.88 305	30.88 368	6.96 225	11.31 335	14.57 340	10.40 317	3.10 372	0.02 131	0.00 1	0.00 1	1.55 353	0.63 206

Anonymous Stereo	7.27 311	4.41 351	26.56 379	3.67 332	3.09 303	5.56 236	15.31 379	10.85 232	11.63 290	10.31 290	10.32 218	7.46 232	3.67 185	14.42 338	15.13 353	0.64 341	0.88 292	0.00 1	0.07 227	0.33 284	1.16 262

SQANet	8.22 326	4.42 352	7.19 268	12.11 382	9.77 379	11.80 325	3.23 284	12.00 255	6.60 168	8.59 240	11.52 244	10.97 294	5.31 253	11.10 301	4.20 222	9.56 385	2.29 372	10.51 382	1.61 373	13.06 387	8.49 381

ADCMid	10.97 354	4.49 353	23.66 370	2.53 267	2.52 288	11.46 322	6.31 329	15.31 324	12.85 306	23.57 366	22.99 339	17.92 338	21.04 368	19.57 367	28.05 385	0.47 336	0.43 263	1.10 364	1.32 366	1.73 356	2.10 340

PWC_ROB	8.89 333	4.49 353	15.62 347	2.92 293	4.49 347	7.89 282	1.23 224	17.29 343	20.00 344	16.54 350	28.06 358	14.37 316	11.98 341	14.93 344	15.43 356	0.47 336	0.00 1	0.05 306	0.00 1	0.67 323	1.31 275

MFN_U_SF_RVC	13.54 362	4.69 355	28.43 382	4.24 347	2.50 286	24.26 368	5.99 322	28.23 384	20.18 347	24.06 369	29.38 361	30.35 375	16.92 359	20.98 373	21.39 363	1.35 358	1.13 327	1.02 362	1.41 368	1.88 358	2.50 352

XQC	9.46 339	4.84 356	18.88 358	4.07 341	3.09 303	15.97 347	6.65 334	16.26 334	26.63 364	12.63 324	12.35 258	15.75 324	10.62 330	16.48 353	21.19 362	0.44 329	0.96 303	0.05 306	0.32 324	1.10 341	0.99 243

Consistency-Raft	9.58 340	5.11 357	13.00 331	5.61 363	8.92 377	4.03 201	5.07 316	19.73 360	24.90 362	11.32 315	29.86 362	13.36 309	6.16 269	8.00 190	13.47 344	0.67 343	0.34 254	1.81 371	4.36 385	12.23 383	3.62 365

MFN_U_SF_DS_RVC	10.36 348	5.37 358	16.61 352	2.95 295	3.02 300	24.75 369	15.44 381	14.68 318	19.73 342	19.77 358	23.97 342	16.98 333	8.40 310	17.58 360	9.23 301	1.59 362	1.75 366	0.16 335	2.63 376	0.75 332	1.85 323

WZ-Net	13.61 363	5.57 359	42.84 395	3.89 339	3.19 307	19.90 361	15.44 381	15.67 328	32.04 373	16.13 348	28.69 359	22.17 362	15.84 356	21.40 374	26.87 381	0.75 346	0.01 102	0.01 244	0.03 200	0.51 313	1.20 266

PASM	9.11 335	5.68 360	25.06 375	4.33 351	4.18 340	7.01 267	8.48 351	12.37 264	20.95 350	13.49 334	15.37 288	18.80 344	11.52 337	14.70 341	12.70 339	0.93 350	1.19 343	0.32 351	1.21 364	1.66 354	2.22 346

GASNet	5.62 282	5.76 361	12.05 326	5.03 360	2.08 269	3.77 187	1.53 240	12.92 280	11.62 289	9.64 276	7.40 155	8.58 257	7.54 298	14.76 343	8.25 284	0.02 185	0.15 221	0.00 1	0.00 1	0.81 337	0.52 184

MaskLacGwcNet_RVC	6.42 292	6.12 362	6.53 246	4.29 350	3.61 322	15.41 345	4.13 297	12.36 263	7.32 195	7.60 203	8.51 177	8.97 262	2.64 142	10.17 291	3.72 204	8.16 383	2.40 373	2.00 372	0.11 242	8.55 380	5.84 374

ADCS	13.76 364	6.46 363	30.74 385	3.62 330	2.93 297	14.28 342	11.22 367	20.02 363	34.42 378	23.20 363	25.42 353	19.51 349	19.62 362	24.54 380	33.88 394	0.27 319	0.23 239	0.37 354	0.19 272	1.47 351	2.84 355

EDNetEfficient	14.14 366	6.71 364	56.12 401	2.99 297	3.58 320	5.38 234	8.49 352	9.35 199	33.24 374	40.73 391	30.21 365	18.04 340	22.92 375	12.13 319	26.26 380	0.16 293	0.24 242	0.07 315	1.15 361	2.58 366	2.39 349

AnyNet_C32	11.82 357	7.08 365	25.83 377	4.55 356	5.88 365	16.92 351	16.97 390	14.14 310	18.11 338	16.87 351	21.66 333	14.78 319	13.87 350	23.54 379	31.83 391	0.24 311	0.28 248	0.35 352	0.53 348	1.35 349	1.71 304

AnonymousM	2.96 147	7.19 366	1.41 1	0.92 94	0.06 6	2.37 63	0.52 119	6.05 95	3.83 60	4.97 90	2.37 37	1.91 68	1.00 57	2.23 32	1.06 56	0.01 102	0.57 273	17.64 387	4.90 386	0.02 9	0.27 125

SPS-STEREO	15.83 369	7.38 367	14.92 344	11.63 381	11.77 385	25.30 371	7.12 342	25.20 380	17.06 331	32.24 380	30.34 366	31.63 377	22.59 372	25.67 381	21.97 365	7.71 382	4.50 396	3.35 375	1.56 372	6.97 378	7.72 380
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
LSM	14.85 367	7.41 368	36.29 390	7.76 374	43.77 410	11.24 321	12.14 372	16.73 338	23.72 357	23.73 368	32.92 372	18.89 346	13.31 345	16.60 354	12.37 335	0.26 317	0.86 291	0.11 323	0.43 341	1.24 345	17.26 402

UDGNet	2.92 141	7.79 369	4.92 175	3.01 298	0.08 9	2.96 129	0.20 58	4.77 27	8.93 234	2.91 50	2.85 45	0.95 45	1.00 57	6.46 118	1.66 111	1.46 360	0.00 1	5.33 380	0.92 358	1.95 359	0.19 95

MSC_U_SF_DS_RVC	17.08 373	7.98 370	24.37 373	6.82 371	2.93 297	39.68 394	16.11 383	25.46 381	34.93 379	34.13 383	34.20 376	29.20 373	24.94 379	23.01 377	19.39 360	2.79 369	2.87 384	1.18 366	1.53 371	6.78 377	3.31 359

Wz-Net-SNSev	9.92 343	8.01 371	26.42 378	2.26 234	1.85 255	8.36 288	14.30 378	18.01 346	21.68 352	10.78 301	23.95 341	16.84 332	8.60 314	15.59 348	19.76 361	0.01 102	0.03 156	0.01 244	0.00 1	0.52 314	1.34 278

otaku	12.35 360	8.64 372	9.11 306	13.56 384	10.98 382	26.23 373	7.22 344	19.45 358	19.26 341	11.92 322	17.90 317	20.21 353	8.91 321	16.06 351	6.09 257	9.77 386	2.50 376	13.23 383	1.90 375	14.61 388	9.41 385

NVStereoNet_ROB	17.22 374	8.76 373	16.47 351	7.52 373	8.42 375	13.75 341	11.07 363	24.24 379	26.67 365	31.00 377	46.49 393	34.88 383	27.06 382	22.72 376	23.61 373	6.83 381	4.32 395	6.32 381	10.37 394	4.39 371	9.57 386
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SGM+DAISY	17.25 375	9.46 374	22.74 368	10.11 376	11.40 383	28.98 380	13.74 376	21.15 371	16.85 330	31.39 378	34.79 377	34.05 382	24.24 378	26.23 382	19.31 359	8.79 384	7.56 404	4.88 378	3.93 383	6.07 376	9.33 383

MFMNet_re	14.09 365	9.67 375	20.31 363	10.40 377	7.62 371	21.38 365	17.49 393	21.36 374	31.95 372	23.70 367	29.22 360	18.87 345	27.41 383	14.27 337	11.16 324	2.85 370	1.51 363	0.41 356	0.28 312	4.88 372	7.10 378

Ntro	12.91 361	9.95 376	10.01 317	14.12 386	12.55 386	26.31 374	6.76 336	19.04 354	22.03 356	10.23 287	16.26 297	20.22 354	10.06 326	16.81 356	7.93 278	10.16 388	2.55 378	15.19 385	2.86 377	15.27 389	9.93 387

UDG	9.12 336	10.06 377	6.35 241	10.06 375	9.64 378	10.48 314	2.33 260	12.73 274	10.19 257	8.33 233	10.27 217	16.70 331	10.47 328	8.33 216	9.07 299	4.28 374	2.59 379	18.90 388	3.83 382	11.35 382	6.50 377

CC-Net-ROB	8.09 322	10.11 378	9.03 303	4.07 341	3.74 328	15.24 344	4.84 312	18.44 349	10.87 275	6.73 169	14.03 277	7.54 234	4.68 227	11.61 314	3.98 217	6.59 379	2.54 377	16.51 386	1.19 363	7.88 379	2.20 344

RTS	19.64 384	10.42 379	87.01 411	5.88 364	6.82 366	41.73 395	16.69 386	16.80 339	41.90 390	23.44 364	32.96 373	13.79 310	21.49 369	38.85 395	30.84 388	0.46 333	0.70 281	0.00 1	0.09 236	1.13 342	1.70 302

RTSA	19.64 384	10.42 379	87.01 411	5.88 364	6.82 366	41.73 395	16.69 386	16.80 339	41.90 390	23.44 364	32.96 373	13.79 310	21.49 369	38.85 395	30.84 388	0.46 333	0.70 281	0.00 1	0.09 236	1.13 342	1.70 302

BEATNet-Init1	24.70 388	11.33 381	44.28 396	5.48 362	3.94 334	47.60 402	22.33 397	34.94 389	40.01 388	48.11 400	49.98 397	59.86 401	43.17 398	39.48 397	31.77 390	1.37 359	1.76 368	1.17 365	1.17 362	2.44 364	3.85 367

Wz-Net-TNSev	12.01 359	11.86 382	38.26 392	2.81 285	1.82 254	18.12 357	11.31 369	16.67 336	21.73 353	15.06 342	17.17 307	19.72 351	20.69 367	20.68 370	21.41 364	0.04 235	0.06 183	0.00 1	0.16 258	0.74 331	1.93 334

DDUNet	10.03 344	12.17 383	8.24 288	13.02 383	11.73 384	10.32 312	3.76 291	12.27 261	8.35 222	9.64 276	13.89 275	16.48 328	6.67 281	9.50 266	7.00 268	6.80 380	3.45 390	21.10 389	4.33 384	12.78 386	9.12 382

AnyNet_C01	16.99 372	12.34 384	60.47 403	4.88 359	3.11 306	31.77 382	16.79 388	18.60 351	17.96 337	18.62 353	38.50 382	24.03 363	19.00 361	30.59 386	35.18 396	0.29 321	0.56 271	0.45 358	0.48 344	2.70 367	3.40 360

EDNetEfficientorigin	18.25 380	14.44 385	99.41 423	1.72 169	1.00 188	12.07 329	6.97 341	13.67 302	35.06 380	38.59 390	37.10 381	27.03 369	27.46 384	15.38 346	26.92 382	0.05 247	0.08 196	0.15 332	0.62 351	3.33 369	3.92 368

JetBlue	29.99 394	17.24 386	55.64 400	16.24 387	21.08 398	62.07 413	33.14 404	40.60 393	35.73 382	34.59 386	40.67 385	57.18 400	43.54 399	51.46 408	52.18 410	2.72 368	4.58 398	2.86 374	3.53 380	10.57 381	14.11 397

FADE		18.79 387		10.51 378	10.00 381													38.03 405		5.44 374

coex-ft	20.15 386	20.03 388	87.93 413	1.81 178	1.77 248	18.77 359	13.73 375	13.28 294	41.87 389	60.24 407	39.04 383	28.27 372	30.39 385	12.57 324	28.66 387	0.20 304	0.23 239	0.04 300	0.30 319	1.52 352	2.34 348

ACVNet-4b	16.48 371	23.07 389	14.73 343	16.69 388	15.18 390	31.83 383	7.30 346	19.71 359	27.82 366	11.54 318	22.10 337	31.68 378	8.96 322	18.88 364	7.28 273	11.04 390	2.65 380	24.93 392	5.02 387	18.57 391	10.67 389

WAO-7	30.22 395	25.83 390	23.33 369	33.10 398	14.36 388	36.98 389	22.41 398	52.85 406	64.46 408	43.76 395	59.24 407	52.31 394	45.69 401	32.82 387	32.60 392	11.16 392	5.49 399	13.76 384	12.60 399	12.36 384	9.38 384

ACVNet_1	19.51 383	26.19 391	15.50 346	17.71 389	15.28 391	26.46 375	9.36 356	29.16 387	34.18 376	25.06 371	24.89 350	37.18 385	21.93 371	17.80 361	15.03 352	11.08 391	2.83 381	25.29 393	5.06 389	19.11 392	11.14 390

DispFullNet	18.06 379	27.03 392	34.90 388	22.68 393	20.79 395	15.03 343	3.18 282	16.95 341	26.06 363	20.48 359	16.91 303	20.55 357	18.37 360	23.48 378	12.16 334	5.31 376	2.91 385	31.24 396	8.09 392	22.63 395	12.44 394

RainbowNet	18.69 382	27.15 393	22.03 367	18.76 390	15.00 389	27.97 378	10.17 361	27.99 383	34.19 377	15.53 346	27.53 356	25.33 365	13.80 349	19.86 369	10.59 318	14.50 396	3.57 391	23.85 391	5.03 388	18.49 390	12.41 393

IMH-64-1	28.06 392	29.98 394	19.46 361	32.15 396	20.98 396	27.68 376	16.66 384	47.31 397	44.85 393	34.14 384	50.94 398	41.49 389	31.67 387	37.53 391	23.88 374	14.17 394	2.96 386	34.45 398	11.15 395	26.12 397	13.75 395

IMH-64	28.06 392	29.98 394	19.46 361	32.15 396	20.98 396	27.68 376	16.66 384	47.31 397	44.85 393	34.14 384	50.94 398	41.49 389	31.67 387	37.53 391	23.88 374	14.17 394	2.96 386	34.45 398	11.15 395	26.12 397	13.75 395

IMH	30.65 396	30.30 396	21.09 365	34.89 400	21.75 400	33.16 386	16.91 389	49.53 404	52.50 397	38.41 388	55.10 404	45.13 391	40.36 396	41.57 398	25.66 379	14.74 397	3.36 389	35.43 400	11.69 397	27.31 401	14.16 398

ACVNet_2	27.45 390	30.56 397	27.90 380	20.72 391	15.55 392	37.22 390	14.00 377	49.32 403	65.88 410	43.17 394	56.99 405	51.90 393	26.98 381	21.46 375	15.38 354	10.77 389	2.85 382	23.12 390	3.62 381	20.08 393	11.47 391

TorneroNet-64	33.32 398	33.28 398	33.07 386	35.14 401	21.25 399	48.02 403	21.13 395	43.47 395	58.77 402	33.36 382	46.64 394	62.00 403	38.19 393	44.82 402	35.07 395	15.02 398	3.59 392	35.81 401	12.20 398	29.45 403	16.17 399

TorneroNet	36.02 402	35.25 399	36.33 391	38.44 403	22.19 401	50.72 407	24.42 401	48.39 400	54.53 399	38.03 387	53.44 402	62.83 406	44.79 400	47.68 405	42.11 404	15.69 399	3.97 394	37.25 402	15.05 401	30.83 405	18.40 404

MADNet+	27.96 391	35.32 400	91.41 415	21.04 392	8.86 376	49.25 404	47.41 411	36.98 391	37.84 385	21.00 361	30.83 367	25.41 366	34.95 391	46.51 403	51.54 409	3.04 371	3.33 388	1.48 368	1.05 360	5.85 375	6.05 375

WAO-8	38.93 403	36.84 401	23.97 371	43.96 404	24.48 403	45.73 399	22.62 399	53.10 407	75.66 412	53.86 404	66.14 412	62.39 404	55.11 408	43.01 400	40.67 402	22.98 402	7.22 402	37.53 403	19.49 403	27.04 400	16.83 400

Venus	38.93 403	36.84 401	23.97 371	43.96 404	24.48 403	45.73 399	22.62 399	53.10 407	75.66 412	53.86 404	66.17 413	62.39 404	55.11 408	43.01 400	40.67 402	22.98 402	7.22 402	37.53 403	19.49 403	27.02 399	16.83 400

WAO-6	35.59 400	37.89 403	17.67 355	37.86 402	24.46 402	37.85 391	21.49 396	49.01 402	67.96 411	44.22 396	48.08 395	53.02 395	53.39 406	33.67 388	36.83 398	26.05 404	7.83 405	43.19 406	21.76 405	30.18 404	19.37 405

Dean	35.52 399	40.12 404	27.99 381	30.63 395	17.33 393	45.80 401	11.68 370	57.61 411	76.54 414	63.70 410	60.65 408	66.93 409	49.40 404	38.12 393	40.28 401	12.18 393	3.73 393	28.86 394	5.94 391	20.69 394	12.16 392

LVE	35.84 401	41.54 405	36.25 389	33.36 399	18.92 394	53.05 409	27.99 402	53.17 409	64.93 409	47.63 399	61.58 409	54.25 398	38.72 394	38.72 394	35.50 397	16.36 400	6.23 401	31.51 397	14.04 400	25.01 396	18.07 403

PWCK	31.62 397	45.59 406	49.67 398	30.49 394	7.80 372	42.91 397	29.73 403	45.45 396	44.44 392	47.41 398	36.92 380	47.86 392	26.79 380	41.90 399	33.36 393	22.77 401	4.56 397	29.89 395	5.13 390	29.43 402	10.36 388

UNDER WATER-64	46.01 406	48.25 407	68.05 405	44.59 406	28.11 405	57.02 412	43.78 409	40.20 392	48.80 395	52.08 403	42.95 389	67.22 410	57.71 410	48.98 407	49.57 407	40.01 407	17.98 407	52.15 409	39.41 408	38.99 406	34.41 407

SPstereo	72.80 414	48.41 408	62.94 404	57.25 412	46.60 412	79.63 414	85.16 416	100.00 427	100.00 425	98.52 423	98.22 422	100.00 428	96.67 420	97.01 421	82.62 415	47.37 410	39.60 412	68.10 416	65.09 415	40.01 407	42.71 410

UNDER WATER	45.99 405	49.80 409	68.56 406	49.99 408	32.13 406	55.35 411	39.50 406	41.12 394	52.90 398	50.69 401	45.18 391	67.79 411	58.75 411	51.93 410	50.97 408	30.59 405	14.03 406	51.66 408	37.15 406	40.27 408	31.35 406

DLNR_Zeroshot_test	24.96 389	51.28 410	90.69 414	97.84 424	97.22 423	1.40 13	0.12 30	23.19 378	3.55 43	1.21 30	2.95 46	0.72 42	0.31 8	7.09 143	2.61 174	38.70 406	1.32 352	0.00 1	0.29 317	77.04 420	1.68 297

notaker	48.05 407	55.94 411	50.90 399	56.89 411	40.29 407	38.96 393	33.86 405	47.82 399	55.70 400	57.55 406	57.48 406	60.22 402	59.71 412	54.64 411	43.27 405	41.13 408	19.86 408	57.61 411	37.79 407	50.95 410	40.33 408

ktn	49.32 408	58.11 412	40.16 393	59.92 413	43.22 409	49.79 406	42.99 408	48.56 401	60.67 404	51.59 402	54.51 403	55.34 399	52.65 405	47.92 406	37.91 399	57.88 412	24.79 409	63.00 414	43.57 409	52.51 411	41.31 409

HanzoNet	57.16 411	60.12 413	60.00 402	55.77 410	42.11 408	51.98 408	41.93 407	52.07 405	61.47 405	65.98 413	65.90 411	72.11 413	70.14 413	71.11 414	61.13 412	64.31 415	34.72 411	62.27 413	50.86 411	52.83 412	46.33 411

JetRed	61.44 412	61.87 414	83.02 410	46.49 407	56.73 415	83.63 415	65.09 413	59.75 413	64.22 407	69.50 414	69.26 414	66.24 408	47.62 402	61.80 412	74.60 414	45.99 409	66.40 416	46.67 407	45.27 410	63.49 414	51.22 413

KSHMR	56.07 410	64.25 415	40.47 394	74.89 416	49.63 413	49.42 405	45.46 410	57.71 412	63.52 406	61.65 409	61.67 410	71.88 412	47.67 403	51.47 409	44.57 406	54.67 411	62.25 413	66.31 415	54.18 413	53.03 413	46.75 412

DPSimNet_ROB	54.45 409	65.73 416	47.00 397	54.49 409	46.37 411	55.34 410	56.47 412	56.18 410	59.04 403	64.57 412	51.76 400	64.01 407	54.49 407	47.54 404	67.21 413	63.21 414	27.86 410	58.04 412	51.28 412	46.61 409	51.87 414

LRCNet_RVC	66.47 413	66.44 417	69.02 407	71.60 415	54.27 414	32.21 384	2.93 272	63.19 414	21.83 354	82.02 416	90.16 417	83.59 415	72.13 414	69.45 413	53.25 411	95.47 421	64.21 415	95.15 422	95.27 421	72.59 416	74.60 417

MADNet++	82.81 416	81.73 418	74.64 409	87.71 421	82.67 420	93.35 416	70.27 414	86.39 419	82.88 415	93.51 420	86.62 416	86.40 416	81.37 416	88.21 416	88.63 417	86.59 419	84.23 420	72.14 417	68.69 416	78.88 421	81.36 421

ASD4	76.04 415	81.96 419	69.18 408	68.53 414	80.95 419	96.29 418	99.16 423	77.84 415	93.51 419	77.76 415	85.79 415	78.58 414	76.90 415	78.02 415	82.88 416	58.77 413	62.96 414	55.01 410	62.53 414	68.78 415	65.30 416

xxxxx1	85.58 418	90.37 420	96.61 418	76.69 417	80.77 416	97.50 420	96.92 420	85.57 416	88.66 416	88.63 417	91.64 418	94.27 417	93.09 417	90.03 417	91.91 418	70.77 416	70.62 417	73.61 418	81.26 418	72.90 417	79.86 418

tt_ll	85.58 418	90.37 420	96.61 418	76.69 417	80.77 416	97.50 420	96.92 420	85.57 416	88.66 416	88.63 417	91.64 418	94.27 417	93.09 417	90.03 417	91.91 418	70.77 416	70.62 417	73.61 418	81.26 418	72.90 417	79.86 418

ff	85.58 418	90.37 420	96.61 418	76.69 417	80.77 416	97.50 420	96.92 420	85.57 416	88.66 416	88.63 417	91.64 418	94.27 417	93.09 417	90.03 417	91.91 418	70.77 416	70.62 417	73.61 418	81.26 418	72.90 417	79.86 418

MEDIAN_ROB	98.44 422	99.70 423	99.34 422	97.13 422	97.06 422	96.94 419	95.91 419	97.71 422	97.33 421	98.78 424	98.91 423	99.19 422	98.13 422	96.94 420	96.99 423	99.97 425	99.18 422	100.00 425	99.99 425	99.70 425	99.83 424

Anonymous_1	99.01 424	99.91 424	99.85 424	97.31 423	99.09 425	100.00 426	100.00 426	99.59 424	99.96 423	99.29 425	99.86 424	99.55 423	99.99 426	99.30 423	99.76 424	95.67 422	99.58 423	97.24 423	98.56 423	97.36 423	98.34 423

HaxPig	98.85 423	99.94 425	95.36 416	99.99 428	99.98 426	94.12 417	94.52 417	99.12 423	99.96 423	99.96 426	99.99 425	99.98 426	99.89 424	98.16 422	96.14 422	99.98 426	99.99 426	100.00 425	99.99 425	99.99 428	99.95 427

AVERAGE_ROB	99.63 426	99.96 426	98.88 421	100.00 431	100.00 428	98.16 423	95.64 418	100.00 427	100.00 425	100.00 427	100.00 426	100.00 428	100.00 427	100.00 428	99.99 426	100.00 429	100.00 427	100.00 425	100.00 427	100.00 429	100.00 431

test_example2	99.38 425	99.98 427	99.99 426	100.00 431	99.98 426	99.73 424	99.99 425	96.99 421	100.00 425	100.00 427	100.00 426	96.49 420	96.74 421	99.97 424	99.96 425	100.00 429	99.97 425	98.68 424	99.11 424	100.00 429	100.00 431

MyStereo03	100.00 431	100.00 428	100.00 429	100.00 431	100.00 428	100.00 426	100.00 426	100.00 427	100.00 425	100.00 427	100.00 426	100.00 428	100.00 427	100.00 428	100.00 429	100.00 429	100.00 427	100.00 425	100.00 427	100.00 429	100.00 431

MyStereo02	100.00 431	100.00 428	100.00 429	100.00 431	100.00 428	100.00 426	100.00 426	100.00 427	100.00 425	100.00 427	100.00 426	100.00 428	100.00 427	100.00 428	100.00 429	100.00 429	100.00 427	100.00 425	100.00 427	100.00 429	100.00 431

MyStereo	100.00 431	100.00 428	100.00 429	100.00 431	100.00 428	100.00 426	100.00 426	100.00 427	100.00 425	100.00 427	100.00 426	100.00 428	100.00 427	100.00 428	100.00 429	100.00 429	100.00 427	100.00 425	100.00 427	100.00 429	100.00 431

Selective-RAFT-Error	100.00 431	100.00 428	100.00 429	100.00 431	100.00 428	100.00 426	100.00 426	100.00 427	100.00 425	100.00 427	100.00 426	100.00 428	100.00 427	100.00 428	100.00 429	100.00 429	100.00 427	100.00 425	100.00 427	100.00 429	100.00 431

PML	97.69 421	100.00 428	96.50 417	97.85 425	97.35 424	99.77 425	99.36 424	96.92 420	96.34 420	100.00 427	96.52 421	97.41 421	99.61 423	100.00 428	95.46 421	99.99 427	97.44 421	100.00 425	96.08 422	99.13 424	88.02 422

CasAABBNet	100.00 431	100.00 428	100.00 429	100.00 431	100.00 428	100.00 426	100.00 426	100.00 427	100.00 425	100.00 427	100.00 426	100.00 428	100.00 427	100.00 428	100.00 429	100.00 429	100.00 427	100.00 425	100.00 427	100.00 429	100.00 431

LSM0	100.00 431	100.00 428	100.00 429	100.00 431	100.00 428	100.00 426	100.00 426	100.00 427	100.00 425	100.00 427	100.00 426	100.00 428	100.00 427	100.00 428	100.00 429	100.00 429	100.00 427	100.00 425	100.00 427	100.00 429	99.99 428

DPSMNet_ROB	99.90 427	100.00 428	99.99 426	99.99 428	100.00 428	100.00 426	100.00 426	99.98 425	100.00 425	98.37 421	100.00 426	99.81 424	100.00 427	99.97 424	99.99 426	100.00 429	100.00 427	100.00 425	100.00 427	100.00 429	99.99 428

DGTPSM_ROB	99.90 427	100.00 428	99.99 426	99.99 428	100.00 428	100.00 426	100.00 426	99.98 425	100.00 425	98.37 421	100.00 426	99.81 424	100.00 427	99.97 424	99.99 426	99.99 427	100.00 427	100.00 425	100.00 427	100.00 429	99.99 428

DPSM_ROB	99.94 429	100.00 428	100.00 429	99.74 426	100.00 428	100.00 426	100.00 426	100.00 427	100.00 425	100.00 427	100.00 426	100.00 428	100.00 427	100.00 428	100.00 429	99.08 423	100.00 427	100.00 425	100.00 427	99.98 426	99.94 425

DPSM	99.94 429	100.00 428	100.00 429	99.74 426	100.00 428	100.00 426	100.00 426	100.00 427	100.00 425	100.00 427	100.00 426	100.00 428	100.00 427	100.00 428	100.00 429	99.08 423	100.00 427	100.00 425	100.00 427	99.98 426	99.94 425

Low-res two-view benchmark