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

CAS	0.66 111	0.19 1	0.41 4	2.31 390	0.86 343	0.56 67	0.53 180	0.83 11	0.63 17	0.49 16	0.70 32	0.36 2	0.26 1	0.47 2	0.37 25	2.33 391	0.10 1	0.14 1	0.10 1	0.17 20	1.31 381

CES	0.51 32	0.21 2	0.40 2	0.42 4	1.40 379	0.53 51	0.34 40	1.04 46	0.68 23	0.45 9	0.67 24	0.35 1	0.28 2	0.58 10	0.35 6	0.16 7	0.13 17	0.15 3	0.10 1	0.19 59	1.69 386

CREStereo++_RVC	0.49 26	0.22 3	0.46 8	0.48 29	0.38 155	0.45 16	0.25 4	0.77 4	1.30 236	0.82 62	1.23 170	0.47 21	0.37 13	0.55 5	0.44 62	0.16 7	0.11 2	0.16 8	0.80 378	0.18 34	0.12 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.55 37	0.22 3	0.49 11	0.43 5	0.19 1	1.00 229	0.34 40	1.40 139	1.30 236	0.84 66	0.93 67	0.63 57	0.52 60	1.48 160	0.47 85	0.15 4	0.12 5	0.17 13	0.11 6	0.19 59	0.13 2

PMTNet	0.47 22	0.22 3	0.43 5	0.39 2	0.24 6	0.71 137	0.26 10	0.78 5	1.03 123	0.65 39	0.69 28	0.55 39	0.48 44	0.90 69	0.36 16	0.99 376	0.13 17	0.15 3	0.10 1	0.15 4	0.15 3

LoS	0.41 4	0.23 6	0.46 8	0.39 2	0.23 5	0.48 23	0.40 80	1.12 73	0.94 88	0.50 19	0.66 22	0.49 29	0.42 20	0.63 23	0.39 31	0.19 65	0.14 58	0.16 8	0.11 6	0.14 1	0.15 3

test_4	0.55 37	0.23 6	0.67 47	0.56 123	0.32 97	0.71 137	0.39 78	0.83 11	0.72 28	0.93 81	1.87 322	0.70 73	0.41 17	1.21 122	0.39 31	0.16 7	0.13 17	0.21 93	0.23 214	0.20 86	0.18 32

TANstereo	0.45 11	0.23 6	0.50 13	0.43 5	0.21 2	0.65 109	0.26 10	0.83 11	0.88 65	0.95 84	0.99 83	0.51 33	0.45 29	0.56 6	0.36 16	0.19 65	0.24 262	0.16 8	0.13 11	0.17 20	0.27 194

MIF-Stereo	0.38 1	0.24 9	0.67 47	0.49 35	0.36 139	0.40 9	0.32 29	0.55 1	0.55 4	0.55 30	0.55 17	0.36 2	0.31 6	0.59 11	0.52 109	0.21 121	0.15 112	0.17 13	0.15 30	0.19 59	0.17 23

EGLCR-Stereo	0.41 4	0.24 9	0.59 22	0.45 8	0.27 19	0.54 60	0.22 2	1.23 114	0.56 6	0.44 5	0.43 2	0.68 66	0.29 3	0.89 66	0.34 4	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.18 32

MC-Stereo	0.46 19	0.24 9	0.58 18	0.63 201	0.30 63	0.38 7	0.32 29	0.98 31	0.74 36	0.66 40	0.85 55	0.56 41	0.60 100	1.07 98	0.32 2	0.17 18	0.12 5	0.17 13	0.15 30	0.16 11	0.16 13

test-3	0.56 48	0.24 9	0.82 108	0.50 47	0.29 51	0.57 69	0.34 40	1.09 63	1.03 123	1.33 229	0.69 28	0.87 121	0.45 29	1.68 192	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

test_1	0.56 48	0.24 9	0.82 108	0.50 47	0.29 51	0.57 69	0.34 40	1.09 63	1.03 123	1.28 209	0.69 28	0.87 121	0.45 29	1.67 190	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

test_3	0.57 60	0.24 9	0.87 138	0.55 111	0.30 63	0.60 83	0.40 80	1.07 51	1.08 137	1.20 170	0.68 25	0.92 143	0.43 23	1.68 192	0.40 45	0.16 7	0.13 17	0.22 120	0.19 103	0.21 121	0.17 23

CREStereo	0.40 3	0.24 9	0.40 2	0.37 1	0.22 4	0.52 47	0.29 21	0.81 6	1.15 172	0.59 31	0.72 34	0.51 33	0.42 20	0.57 8	0.37 25	0.19 65	0.13 17	0.15 3	0.10 1	0.14 1	0.15 3
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
AEACV	0.41 4	0.25 16	0.60 24	0.55 111	0.52 238	0.43 13	0.38 69	0.98 31	0.63 17	0.44 5	0.56 18	0.46 16	0.59 96	0.56 6	0.31 1	0.17 18	0.13 17	0.18 33	0.16 54	0.17 20	0.17 23

DEmStereo	0.98 250	0.25 16	0.85 131	0.49 35	0.33 110	1.02 232	0.55 196	0.97 27	0.93 83	1.41 261	2.13 341	1.01 174	2.01 358	5.62 348	0.78 194	0.19 65	0.15 112	0.20 70	0.20 129	0.18 34	0.25 161

CFNet-RSSM	0.57 60	0.25 16	0.76 80	0.49 35	0.28 40	0.59 79	0.27 14	1.89 246	1.17 181	1.09 113	0.95 70	1.06 184	0.53 62	0.74 34	0.41 50	0.17 18	0.13 17	0.17 13	0.15 30	0.16 11	0.16 13

MIM_Stereo	0.60 88	0.26 19	1.02 183	0.49 35	0.32 97	0.52 47	0.28 17	1.41 143	0.82 53	1.02 98	1.16 151	0.93 145	0.53 62	1.48 160	0.63 159	0.17 18	0.17 161	0.20 70	0.19 103	0.17 20	0.18 32

CASnet	0.42 8	0.26 19	0.52 15	0.52 70	0.21 2	0.49 28	0.35 49	0.85 15	0.85 61	0.84 66	0.69 28	0.48 25	0.31 6	0.57 8	0.34 4	0.19 65	0.12 5	0.27 234	0.22 187	0.23 158	0.15 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
4D-IteraStereo	0.50 30	0.26 19	0.84 125	0.51 58	0.49 222	0.64 105	0.31 25	0.91 20	1.02 120	1.05 106	0.72 34	0.76 83	0.32 9	0.69 29	0.40 45	0.18 40	0.11 2	0.23 147	0.20 129	0.19 59	0.16 13

Selective-IGEV	0.42 8	0.26 19	0.56 16	0.48 29	0.27 19	0.45 16	0.33 33	1.56 168	0.61 15	0.36 1	0.47 4	0.52 36	0.30 4	1.08 100	0.33 3	0.15 4	0.13 17	0.17 13	0.13 11	0.16 11	0.15 3

RCA-Stereo	0.52 34	0.26 19	0.66 44	0.49 35	0.33 110	0.54 60	0.44 125	1.20 104	1.41 280	0.69 43	1.06 107	0.63 57	0.79 155	0.62 18	0.35 6	0.17 18	0.12 5	0.17 13	0.14 22	0.16 11	0.16 13

fff	0.58 71	0.26 19	1.15 213	0.46 14	0.25 8	0.48 23	0.36 56	1.20 104	1.28 226	1.13 127	1.03 98	0.59 46	1.04 256	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

ADStereo(finetuned)	0.62 93	0.26 19	1.59 285	0.45 8	0.25 8	0.49 28	0.36 56	1.18 96	1.35 252	1.16 146	1.04 102	0.60 49	1.18 288	0.85 60	0.57 138	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.24 142

CrosDoStereo	1.56 327	0.26 19	0.78 89	0.51 58	0.29 51	0.66 115	11.86 409	1.18 96	1.00 114	1.35 240	1.76 304	0.99 166	1.83 351	6.64 370	0.83 207	0.19 65	0.15 112	0.20 70	0.22 187	0.18 34	0.25 161

DeepStereo_LL	1.56 327	0.26 19	0.78 89	0.51 58	0.29 51	0.66 115	11.86 409	1.18 96	1.00 114	1.35 240	1.76 304	0.99 166	1.83 351	6.64 370	0.83 207	0.19 65	0.15 112	0.20 70	0.22 187	0.18 34	0.25 161

DRaft	0.81 192	0.26 19	0.77 83	0.47 24	0.31 77	0.95 220	0.52 174	1.13 77	0.99 110	1.78 329	2.01 334	0.80 92	1.71 343	2.64 282	0.74 185	0.19 65	0.14 58	0.20 70	0.20 129	0.18 34	0.24 142

RAFT-RH_RVC	1.04 262	0.26 19	0.76 80	0.53 90	0.29 51	0.80 167	0.32 29	0.85 15	1.12 156	2.04 349	4.63 386	1.03 179	0.57 78	5.93 355	0.52 109	0.20 99	0.13 17	0.26 225	0.20 129	0.16 11	0.19 51

RAFT-345	0.86 214	0.26 19	0.73 67	0.53 90	0.28 40	0.53 51	0.41 88	0.85 15	1.31 243	1.33 229	2.32 350	0.85 119	0.53 62	5.69 349	0.48 89	0.19 65	0.14 58	0.22 120	0.17 70	0.17 20	0.17 23

cross-raft	0.56 48	0.26 19	0.65 42	0.55 111	0.31 77	0.66 115	0.37 62	1.68 191	0.82 53	1.06 110	1.07 109	1.25 231	0.45 29	0.74 34	0.39 31	0.15 4	0.13 17	0.19 47	0.16 54	0.19 59	0.17 23

DCANet	0.58 71	0.26 19	1.15 213	0.45 8	0.25 8	0.49 28	0.36 56	1.18 96	1.35 252	1.15 142	1.04 102	0.60 49	0.91 203	0.84 57	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.25 161

csc	0.58 71	0.26 19	1.15 213	0.46 14	0.25 8	0.48 23	0.36 56	1.20 104	1.28 226	1.13 127	1.03 98	0.59 46	1.04 256	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

cscssc	0.58 71	0.26 19	1.15 213	0.46 14	0.25 8	0.48 23	0.36 56	1.20 104	1.28 226	1.13 127	1.03 98	0.59 46	1.04 256	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

StereoIM	0.38 1	0.27 35	0.72 57	0.45 8	0.35 137	0.30 3	0.31 25	0.81 6	0.54 3	0.38 2	0.38 1	0.58 44	0.49 54	0.53 4	0.39 31	0.20 99	0.16 139	0.19 47	0.15 30	0.19 59	0.15 3

Any-RAFT	0.55 37	0.27 35	0.49 11	0.50 47	0.27 19	0.98 227	0.25 4	1.71 204	1.08 137	0.90 76	0.99 83	1.13 208	0.46 36	0.74 34	0.35 6	0.19 65	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

RAFT-Test	0.58 71	0.27 35	0.81 99	0.50 47	0.33 110	0.95 220	0.27 14	1.40 139	0.89 66	1.00 91	1.12 130	1.39 264	0.48 44	0.74 34	0.41 50	0.17 18	0.14 58	0.17 13	0.14 22	0.16 11	0.18 32

GLC_STEREO	0.41 4	0.27 35	0.43 5	0.55 111	0.24 6	0.47 18	0.30 23	0.81 6	0.64 19	0.53 28	0.74 36	0.50 32	0.31 6	0.65 25	0.45 73	0.18 40	0.20 209	0.23 147	0.19 103	0.21 121	0.21 88

GMM-Stereo	0.75 159	0.27 35	0.66 44	0.56 123	0.34 122	0.71 137	0.97 310	1.09 63	0.91 71	1.37 246	1.79 308	1.11 204	0.79 155	2.08 248	0.48 89	0.19 65	0.12 5	0.25 204	0.25 234	0.21 121	0.78 363

raftrobust	0.55 37	0.27 35	0.63 32	0.68 253	0.69 303	0.50 38	0.34 40	1.08 56	0.97 100	1.32 224	0.88 61	0.62 53	0.80 161	0.82 51	0.44 62	0.20 99	0.16 139	0.16 8	0.14 22	0.15 4	0.18 32

111	0.66 111	0.27 35	1.15 213	0.46 14	0.25 8	0.72 140	0.42 92	1.57 171	1.44 291	0.83 63	1.39 224	1.10 199	0.80 161	0.97 80	0.65 166	0.20 99	0.14 58	0.18 33	0.15 30	0.18 34	0.28 205

Gwc-CoAtRS	0.55 37	0.27 35	0.73 67	0.49 35	0.30 63	0.63 97	0.25 4	1.38 137	1.12 156	1.05 106	1.02 91	1.10 199	0.55 71	0.72 32	0.44 62	0.17 18	0.14 58	0.17 13	0.15 30	0.16 11	0.17 23

MIF-Stereo (partial)	0.48 25	0.28 43	0.83 116	0.51 58	0.53 243	0.39 8	0.27 14	1.03 44	0.64 19	0.47 11	0.71 33	0.51 33	0.51 56	1.13 111	0.47 85	0.20 99	0.16 139	0.23 147	0.20 129	0.24 187	0.20 70

DCRE	0.85 212	0.28 43	0.76 80	0.60 170	0.49 222	0.59 79	0.53 180	1.04 46	0.92 76	0.80 56	7.34 399	0.87 121	0.57 78	0.78 48	0.43 58	0.16 7	0.17 161	0.19 47	0.17 70	0.18 34	0.22 109

DCANet-4	0.59 82	0.28 43	1.65 288	0.44 7	0.25 8	0.48 23	0.36 56	1.15 90	1.36 259	1.13 127	1.03 98	0.56 41	0.74 135	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

tt	6.61 403	0.28 43	6.10 375	3.77 410	2.17 390	11.53 411	19.61 415	13.53 417	5.81 401	3.00 380	2.82 364	4.97 392	6.33 403	3.83 317	7.23 386	9.13 418	11.32 422	5.87 417	6.22 416	6.01 415	2.63 400

IPLGR	0.62 93	0.28 43	1.32 254	0.50 47	0.29 51	0.65 109	0.34 40	1.47 153	1.19 186	1.21 176	1.07 109	0.70 73	0.65 117	1.05 92	0.55 128	0.18 40	0.15 112	0.20 70	0.17 70	0.21 121	0.20 70

GMOStereo	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 272	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

error version	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 272	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

test-v	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 272	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

HHNet	0.64 105	0.28 43	0.69 53	0.45 8	0.46 208	0.50 38	0.57 205	1.13 77	1.03 123	1.26 199	2.21 345	0.70 73	0.59 96	1.10 106	0.51 103	0.21 121	0.13 17	0.23 147	0.19 103	0.20 86	0.31 239

FTStereo	0.92 236	0.28 43	0.61 28	0.57 141	0.34 122	0.65 109	1.80 374	1.09 63	0.84 58	1.75 324	4.13 381	1.04 180	1.62 332	1.59 178	0.48 89	0.21 121	0.17 161	0.23 147	0.22 187	0.19 59	0.58 339

PFNet	0.92 236	0.28 43	1.20 233	0.68 253	0.32 97	0.62 89	0.55 196	1.27 122	1.01 117	1.47 281	1.09 118	0.97 160	0.68 126	6.58 369	0.59 149	0.21 121	0.13 17	0.24 168	0.19 103	0.20 86	0.20 70

GrayStereo	0.83 203	0.28 43	0.62 31	0.66 231	0.37 144	0.76 152	1.79 371	1.19 100	0.91 71	1.98 346	1.89 323	1.07 187	1.76 347	1.43 151	0.50 101	0.20 99	0.15 112	0.19 47	0.21 165	0.18 34	0.41 290

test-2	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 272	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

test-1	0.56 48	0.28 43	1.13 208	0.58 151	0.34 122	0.60 83	0.38 69	1.56 168	0.98 103	0.80 56	1.02 91	0.83 112	0.52 60	0.64 24	0.46 77	0.17 18	0.16 139	0.20 70	0.17 70	0.20 86	0.26 178

iRaftStereo_RVC	0.49 26	0.28 43	0.72 57	0.53 90	0.29 51	0.52 47	0.33 33	1.14 79	0.84 58	0.85 68	0.99 83	0.55 39	0.36 12	0.83 54	0.40 45	0.18 40	0.13 17	0.22 120	0.20 129	0.20 86	0.18 32

XX-Stereo	0.97 247	0.28 43	8.28 384	0.85 330	0.70 309	0.44 15	0.22 2	1.07 51	0.69 25	0.66 40	1.56 272	1.38 263	0.38 14	1.36 135	0.38 28	0.21 121	0.14 58	0.20 70	0.19 103	0.19 59	0.16 13

RAFT-Stereo + iAFF	0.56 48	0.28 43	0.81 99	0.45 8	0.25 8	0.40 9	0.34 40	1.12 73	1.13 161	1.35 240	1.58 277	0.80 92	0.67 123	0.71 30	0.43 58	0.14 1	0.11 2	0.18 33	0.17 70	0.18 34	0.16 13

AFF-stereo	0.60 88	0.28 43	0.72 57	0.48 29	0.29 51	0.34 4	0.37 62	1.22 110	1.20 190	1.21 176	1.59 281	1.10 199	0.70 131	1.01 85	0.44 62	0.14 1	0.12 5	0.19 47	0.20 129	0.18 34	0.15 3

MyStereo06	0.67 119	0.29 61	1.06 192	0.58 151	0.48 216	0.62 89	0.72 254	2.26 320	0.89 66	1.07 111	1.12 130	1.22 222	0.56 76	0.83 54	0.47 85	0.17 18	0.17 161	0.24 168	0.21 165	0.23 158	0.23 123

MyStereo05	0.70 139	0.29 61	1.22 237	0.58 151	0.48 216	0.62 89	0.72 254	1.52 158	1.54 314	1.17 148	0.91 65	0.77 87	0.79 155	1.45 154	0.68 175	0.17 18	0.17 161	0.24 168	0.21 165	0.23 158	0.23 123

AE-Stereo	0.58 71	0.29 61	0.81 99	0.62 191	0.41 181	0.69 132	0.46 139	2.49 353	1.25 212	0.49 16	0.77 40	0.69 70	0.46 36	0.61 14	0.42 55	0.17 18	0.16 139	0.21 93	0.20 129	0.19 59	0.18 32

test croco	0.49 26	0.29 61	1.23 239	0.51 58	0.40 171	0.35 5	0.37 62	1.04 46	0.62 16	0.44 5	0.76 37	0.42 5	0.41 17	1.17 118	0.46 77	0.23 170	0.15 112	0.24 168	0.19 103	0.25 197	0.18 32

LoS_RVC	0.45 11	0.29 61	0.48 10	0.49 35	0.83 338	0.51 43	0.43 108	0.65 2	0.44 1	0.47 11	0.78 42	0.44 8	0.60 100	0.59 11	0.37 25	0.14 1	0.12 5	0.14 1	0.10 1	0.14 1	1.08 376

anonymousdsp2	0.58 71	0.29 61	0.93 154	0.51 58	0.30 63	0.75 147	0.46 139	1.95 259	0.87 64	0.81 60	0.78 42	0.76 83	0.48 44	1.10 106	0.45 73	0.19 65	0.14 58	0.18 33	0.13 11	0.20 86	0.22 109

riskmin	0.62 93	0.29 61	0.73 67	0.50 47	0.34 122	0.86 192	0.44 125	1.74 209	1.07 134	0.76 52	0.76 37	1.19 215	1.01 243	0.84 57	0.60 151	0.20 99	0.16 139	0.24 168	0.16 54	0.24 187	0.29 217

Selective-RAFT	0.55 37	0.29 61	0.85 131	0.58 151	0.28 40	0.91 202	0.34 40	1.00 37	0.96 96	0.59 31	0.64 20	0.80 92	0.76 141	1.34 133	0.51 103	0.21 121	0.15 112	0.17 13	0.15 30	0.19 59	0.19 51

TestStereo1	0.66 111	0.29 61	0.95 163	0.82 320	0.32 97	0.47 18	0.43 108	1.52 158	1.22 202	0.99 87	1.32 201	0.65 60	0.76 141	1.78 205	0.44 62	0.20 99	0.16 139	0.22 120	0.19 103	0.21 121	0.20 70

RAFT_CTSACE	0.66 111	0.29 61	1.14 211	0.57 141	0.51 235	0.68 124	0.44 125	0.88 19	0.98 103	1.03 102	1.83 315	1.23 226	0.67 123	1.48 160	0.38 28	0.16 7	0.16 139	0.21 93	0.20 129	0.20 86	0.17 23

SA-5K	0.66 111	0.29 61	0.95 163	0.82 320	0.32 97	0.47 18	0.43 108	1.52 158	1.22 202	0.99 87	1.32 201	0.65 60	0.76 141	1.78 205	0.44 62	0.20 99	0.16 139	0.22 120	0.19 103	0.21 121	0.20 70

IPLG	0.72 150	0.29 61	1.12 207	0.53 90	0.44 198	0.79 166	0.33 33	1.35 132	1.10 147	1.32 224	1.11 127	0.52 36	0.54 69	3.13 298	0.71 182	0.17 18	0.14 58	0.20 70	0.17 70	0.18 34	0.21 88

PSM-AAD	0.80 184	0.29 61	0.58 18	0.58 151	0.29 51	0.76 152	1.19 336	1.08 56	0.94 88	1.65 316	1.58 277	0.81 98	2.12 367	1.67 190	0.44 62	0.19 65	0.14 58	0.38 317	0.32 303	0.22 140	0.68 354

KYRaft	0.77 169	0.29 61	0.68 49	0.59 163	0.29 51	0.66 115	0.83 282	1.05 49	0.89 66	1.63 314	2.22 346	1.15 212	0.99 234	1.59 178	0.41 50	0.21 121	0.14 58	0.22 120	0.28 268	0.21 121	1.01 372

ASMatch	0.89 221	0.29 61	0.72 57	0.56 123	0.36 139	0.47 18	0.37 62	1.16 93	0.95 92	1.11 116	3.26 371	0.95 153	0.96 221	4.88 334	0.53 118	0.20 99	0.16 139	0.22 120	0.19 103	0.20 86	0.30 230

THIR-Stereo	1.02 259	0.29 61	0.73 67	0.51 58	0.29 51	0.94 214	1.31 346	1.08 56	0.98 103	1.35 240	1.91 327	1.16 213	1.54 328	6.37 367	0.79 198	0.20 99	0.14 58	0.21 93	0.22 187	0.19 59	0.25 161

Prome-Stereo	0.76 164	0.29 61	0.57 17	0.58 151	0.33 110	0.58 78	0.94 305	0.98 31	0.92 76	1.46 280	2.45 357	0.91 138	1.38 313	1.60 183	0.44 62	0.19 65	0.13 17	0.19 47	0.18 84	0.20 86	0.87 369

raft+_RVC	0.56 48	0.29 61	0.61 28	0.65 218	0.56 258	0.53 51	0.53 180	1.40 139	1.02 120	0.78 53	1.04 102	0.70 73	0.55 71	1.00 83	0.49 98	0.18 40	0.16 139	0.19 47	0.19 103	0.18 34	0.17 23

MyStereo07	0.50 30	0.30 79	0.58 18	0.58 151	0.48 216	0.59 79	0.78 265	1.19 100	0.60 12	0.49 16	0.54 15	0.43 7	0.55 71	1.32 131	0.36 16	0.18 40	0.18 185	0.24 168	0.21 165	0.23 158	0.23 123

MyStereo04	0.71 145	0.30 79	1.28 248	0.58 151	0.48 216	0.59 79	0.78 265	1.74 209	1.49 307	0.94 82	0.91 65	0.74 81	0.86 183	1.59 178	0.69 176	0.18 40	0.18 185	0.24 168	0.21 165	0.23 158	0.23 123

11t1	0.57 60	0.30 79	0.84 125	0.54 101	0.30 63	0.83 181	0.41 88	1.34 131	0.79 48	0.88 74	0.82 51	0.70 73	0.70 131	0.96 79	0.67 171	0.21 121	0.21 222	0.20 70	0.16 54	0.21 121	0.26 178

ff7	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

ffff	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

11t	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

MSKI-zero shot	0.56 48	0.30 79	0.61 28	0.55 111	0.28 40	0.68 124	0.28 17	1.25 117	0.68 23	0.92 78	1.33 205	0.81 98	0.33 10	1.94 228	0.36 16	0.18 40	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

anonymousdsp	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 92	0.97 27	0.60 12	0.51 26	0.53 9	0.46 16	0.47 42	1.36 135	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

anonymousa	0.78 171	0.30 79	0.85 131	0.51 58	0.96 356	1.41 296	0.47 148	1.61 182	0.94 88	1.33 229	1.77 306	1.66 305	1.11 272	0.72 32	0.63 159	0.19 65	0.18 185	0.23 147	0.25 234	0.20 86	0.22 109

ProNet	0.46 19	0.30 79	0.69 53	0.46 14	0.32 97	0.57 69	0.52 174	1.15 90	0.67 22	0.44 5	0.50 8	0.44 8	0.43 23	1.31 128	0.38 28	0.16 7	0.15 112	0.19 47	0.16 54	0.18 34	0.18 32

ccc-4	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

DisPM	0.68 128	0.30 79	0.85 131	0.66 231	0.35 137	0.60 83	0.44 125	1.10 69	1.10 147	1.56 301	1.10 120	0.80 92	0.58 93	2.37 272	0.46 77	0.25 208	0.14 58	0.23 147	0.21 165	0.20 86	0.26 178

RAFT+CT+SA	0.63 102	0.30 79	0.73 67	0.69 263	0.37 144	0.40 9	0.55 196	1.93 255	1.04 129	0.72 47	1.23 170	0.62 53	0.69 129	1.69 196	0.42 55	0.19 65	0.13 17	0.22 120	0.22 187	0.21 121	0.19 51

Sa-1000	0.76 164	0.30 79	0.92 153	0.62 191	0.31 77	0.78 162	0.37 62	2.00 269	1.38 266	1.30 216	2.04 336	0.86 120	0.74 135	1.87 218	0.40 45	0.19 65	0.14 58	0.25 204	0.24 226	0.21 121	0.19 51

IGEV-Stereo	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 92	0.98 31	0.60 12	0.51 26	0.53 9	0.46 16	0.47 42	1.36 135	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
LCNet	0.73 153	0.30 79	0.58 18	0.58 151	0.31 77	0.68 124	0.53 180	1.09 63	0.94 88	1.19 164	1.34 208	0.96 157	1.32 307	2.50 275	0.46 77	0.19 65	0.13 17	0.21 93	0.25 234	0.28 224	0.69 356

AAGNet	1.84 347	0.30 79	0.79 93	0.66 231	0.32 97	0.65 109	0.50 165	1.02 38	1.01 117	1.47 281	1.21 164	0.99 166	1.16 278	2.76 289	22.69 418	0.24 188	0.13 17	0.22 120	0.20 129	0.24 187	0.16 13

TransformOpticalFlow	0.97 247	0.30 79	0.96 170	0.54 101	0.31 77	0.65 109	0.54 189	1.87 239	1.19 186	1.12 124	1.44 237	1.34 256	0.98 231	6.68 372	0.44 62	0.19 65	0.12 5	0.21 93	0.19 103	0.18 34	0.23 123

SST-Stereo	0.85 212	0.30 79	0.81 99	0.63 201	0.31 77	0.70 135	0.25 4	1.16 93	0.95 92	1.47 281	1.11 127	0.99 166	0.86 183	5.69 349	0.53 118	0.23 170	0.13 17	0.23 147	0.19 103	0.23 158	0.19 51

RAFT_R40	0.84 207	0.30 79	0.83 116	0.63 201	0.31 77	0.66 115	0.43 108	1.15 90	0.99 110	1.47 281	1.10 120	1.00 170	0.84 171	5.44 346	0.53 118	0.23 170	0.13 17	0.23 147	0.20 129	0.23 158	0.19 51

IRAFT_RVC	0.90 228	0.30 79	0.89 143	0.67 244	0.31 77	0.64 105	1.00 315	1.40 139	0.97 100	1.23 182	1.04 102	1.00 170	0.96 221	5.77 352	0.57 138	0.24 188	0.13 17	0.25 204	0.21 165	0.20 86	0.21 88

SFCPSM	0.74 156	0.30 79	1.06 192	0.52 70	0.39 162	1.36 288	0.64 234	2.42 340	1.11 151	1.18 159	1.21 164	0.81 98	0.78 150	1.08 100	0.57 138	0.22 150	0.17 161	0.22 120	0.24 226	0.23 158	0.21 88

FENet	0.62 93	0.30 79	0.68 49	0.57 141	0.33 110	0.82 175	0.40 80	1.41 143	1.12 156	1.03 102	0.87 58	0.98 161	0.84 171	1.00 83	0.70 179	0.23 170	0.16 139	0.23 147	0.20 129	0.22 140	0.24 142

R-Stereo Train	0.60 88	0.30 79	0.72 57	0.57 141	0.37 144	0.68 124	0.52 174	1.45 148	0.78 42	1.61 310	1.50 254	0.76 83	0.53 62	0.67 27	0.51 103	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51

RAFT-Stereo	0.60 88	0.30 79	0.72 57	0.57 141	0.37 144	0.68 124	0.52 174	1.45 148	0.78 42	1.61 310	1.50 254	0.76 83	0.53 62	0.67 27	0.51 103	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
CoDeX	0.78 171	0.31 104	1.04 187	0.56 123	0.37 144	1.13 249	0.60 224	2.77 371	1.29 234	1.17 148	1.26 178	0.91 138	0.87 189	1.42 149	0.74 185	0.21 121	0.16 139	0.21 93	0.18 84	0.21 121	0.21 88

SA	0.69 137	0.31 104	0.97 171	0.64 212	0.30 63	0.56 67	0.38 69	1.84 231	1.35 252	0.99 87	1.37 218	0.69 70	0.94 214	1.88 224	0.43 58	0.20 99	0.16 139	0.25 204	0.23 214	0.22 140	0.19 51

iRaft-Stereo_5w	0.89 221	0.31 104	1.04 187	0.56 123	0.47 214	0.47 18	0.68 242	1.19 100	1.08 137	0.80 56	1.35 213	1.46 276	0.90 201	5.11 337	1.16 260	0.18 40	0.15 112	0.22 120	0.19 103	0.21 121	0.24 142

MIPNet	0.60 88	0.31 104	1.07 196	0.51 58	0.34 122	0.68 124	0.40 80	1.67 190	1.14 167	1.11 116	0.93 67	0.60 49	0.78 150	0.77 41	0.58 143	0.18 40	0.14 58	0.19 47	0.16 54	0.18 34	0.21 88

PFNet+	0.62 93	0.31 104	0.99 175	0.57 141	0.31 77	0.57 69	0.30 23	0.99 36	1.25 212	1.33 229	1.10 120	0.79 90	0.57 78	1.35 134	0.53 118	0.26 225	0.17 161	0.28 246	0.26 245	0.21 121	0.27 194

STrans-v2	1.06 266	0.31 104	1.02 183	0.52 70	0.33 110	0.67 120	0.78 265	2.66 367	1.26 218	1.15 142	1.46 242	1.37 262	1.40 316	6.68 372	0.46 77	0.19 65	0.13 17	0.21 93	0.18 84	0.18 34	0.21 88

NRIStereo	0.62 93	0.31 104	0.78 89	0.56 123	0.28 40	0.63 97	0.33 33	1.16 93	0.92 76	1.15 142	0.87 58	0.90 135	0.58 93	2.24 260	0.56 135	0.22 150	0.14 58	0.21 93	0.19 103	0.22 140	0.18 32

Pruner-Stereo	0.64 105	0.31 104	0.79 93	0.66 231	0.31 77	0.61 87	0.42 92	1.22 110	1.09 144	1.53 294	1.09 118	0.94 150	0.55 71	1.37 138	0.56 135	0.25 208	0.14 58	0.24 168	0.21 165	0.21 121	0.25 161

DeepStereo_RVC	0.57 60	0.31 104	0.78 89	0.53 90	0.30 63	0.57 69	0.32 29	1.11 71	0.80 52	1.17 148	0.94 69	0.83 112	0.93 212	1.01 85	0.61 154	0.23 170	0.14 58	0.21 93	0.19 103	0.24 187	0.26 178

222	1.67 334	0.31 104	0.93 154	0.59 163	0.31 77	1.05 237	0.43 108	2.39 336	1.47 302	1.37 246	1.55 267	0.94 150	0.94 214	1.98 234	17.76 412	0.24 188	0.22 232	0.21 93	0.20 129	0.22 140	0.26 178

test_xeample	1.55 326	0.31 104	0.94 160	0.54 101	0.31 77	0.94 214	0.58 212	2.40 338	1.40 277	1.29 213	1.55 267	0.89 133	0.88 196	1.72 198	15.94 409	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

EAI-Stereo	0.76 164	0.31 104	0.74 72	0.55 111	0.28 40	0.70 135	1.72 367	2.57 360	0.90 70	0.75 51	3.03 368	0.57 43	0.43 23	1.10 106	0.49 98	0.19 65	0.14 58	0.17 13	0.18 84	0.17 20	0.21 88

GANet-RSSM	0.78 171	0.31 104	0.90 148	0.67 244	0.58 264	0.80 167	0.62 228	2.04 277	1.15 172	1.11 116	1.27 185	1.26 237	1.18 288	1.68 192	0.74 185	0.26 225	0.21 222	0.22 120	0.22 187	0.23 158	0.23 123

HSM-Net_RVC	0.91 233	0.31 104	0.60 24	0.54 101	0.31 77	1.15 255	0.60 224	3.76 387	1.30 236	1.57 304	1.75 303	1.67 307	1.01 243	1.61 185	0.90 220	0.23 170	0.17 161	0.19 47	0.18 84	0.20 86	0.22 109
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
MyStereo8	0.70 139	0.32 118	1.24 242	0.63 201	0.53 243	0.90 200	0.34 40	1.60 180	1.35 252	1.20 170	1.31 196	0.89 133	0.64 113	0.77 41	1.02 248	0.18 40	0.15 112	0.20 70	0.18 84	0.22 140	0.30 230

SMFormer	0.79 179	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.99 241	0.24 188	0.22 232	0.22 120	0.21 165	0.23 158	0.27 194

tta	0.79 179	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.99 241	0.24 188	0.22 232	0.22 120	0.21 165	0.19 59	0.22 109

qqq1	0.76 164	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.48 89	0.24 188	0.22 232	0.18 33	0.15 30	0.19 59	0.22 109

fff1	0.76 164	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.48 89	0.24 188	0.22 232	0.18 33	0.15 30	0.19 59	0.22 109

1111x	1.96 354	0.32 118	1.54 281	0.54 101	0.30 63	1.00 229	0.69 246	2.47 349	1.33 247	1.21 176	1.44 237	1.21 218	1.11 272	8.49 392	16.14 410	0.22 150	0.23 254	0.22 120	0.23 214	0.25 197	0.26 178

knoymous	0.53 35	0.32 118	0.51 14	0.46 14	0.30 63	0.57 69	0.54 189	1.10 69	0.78 42	0.99 87	0.84 53	0.95 153	0.57 78	0.89 66	0.51 103	0.21 121	0.14 58	0.26 225	0.14 22	0.23 158	0.25 161

raft_robust	0.71 145	0.32 118	0.75 77	0.54 101	0.28 40	0.54 60	0.35 49	1.54 164	1.24 206	1.18 159	1.07 109	0.73 80	0.53 62	3.65 311	0.40 45	0.19 65	0.16 139	0.20 70	0.22 187	0.21 121	0.19 51

test_5	0.70 139	0.32 118	0.99 175	0.69 263	0.50 226	0.89 197	0.51 166	1.88 244	1.14 167	0.78 53	1.13 140	1.04 180	0.89 198	1.59 178	0.46 77	0.19 65	0.14 58	0.23 147	0.22 187	0.22 140	0.20 70

CRE-IMP	0.57 60	0.32 118	0.82 108	0.54 101	0.29 51	0.77 161	0.25 4	1.19 100	0.79 48	1.09 113	0.95 70	0.81 98	0.57 78	1.11 109	0.57 138	0.22 150	0.14 58	0.23 147	0.19 103	0.28 224	0.24 142

RAFT	0.67 119	0.32 118	0.83 116	0.63 201	0.34 122	0.69 132	0.57 205	1.14 79	0.84 58	1.12 124	1.20 159	1.75 320	0.92 211	1.09 104	0.60 151	0.22 150	0.19 199	0.27 234	0.24 226	0.22 140	0.23 123

rafts_anoy	0.55 37	0.32 118	0.66 44	0.72 280	0.61 279	0.53 51	0.40 80	1.24 115	1.06 133	0.85 68	0.83 52	0.67 64	0.53 62	0.77 41	0.55 128	0.20 99	0.15 112	0.25 204	0.26 245	0.22 140	0.21 88

xxxx	1.61 330	0.32 118	0.98 173	0.58 151	0.31 77	1.15 255	0.43 108	2.43 342	1.41 280	1.17 148	1.40 229	1.21 218	0.86 183	1.94 228	16.68 411	0.24 188	0.24 262	0.21 93	0.20 129	0.23 158	0.27 194

ac_64	0.86 214	0.32 118	1.02 183	0.74 293	0.60 274	1.04 234	0.53 180	2.20 315	0.99 110	1.23 182	1.11 127	1.96 335	1.06 262	2.01 239	1.01 246	0.30 270	0.22 232	0.24 168	0.23 214	0.22 140	0.22 109

cf-r	0.79 179	0.32 118	1.06 192	0.57 141	0.64 286	0.78 162	0.51 166	2.04 277	1.22 202	1.20 170	1.27 185	1.53 288	0.91 203	1.47 158	0.94 234	0.25 208	0.19 199	0.22 120	0.23 214	0.19 59	0.21 88

PSMNet-RSSM	0.78 171	0.32 118	0.89 143	0.65 218	0.43 191	0.73 143	0.58 212	2.14 296	1.19 186	1.18 159	1.38 222	1.31 249	1.07 264	1.43 151	0.82 206	0.28 253	0.21 222	0.27 234	0.29 283	0.25 197	0.26 178

DIP-Stereo	0.64 105	0.32 118	0.91 151	0.49 35	0.36 139	0.91 202	0.33 33	2.51 356	0.77 41	1.25 189	1.00 87	0.68 66	0.51 56	0.92 71	0.65 166	0.19 65	0.15 112	0.21 93	0.17 70	0.19 59	0.22 109
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
IGEVStereo-DCA	0.49 26	0.33 135	0.64 37	0.46 14	0.34 122	0.50 38	0.42 92	0.93 21	0.59 7	0.48 13	0.48 5	0.48 25	0.45 29	2.28 264	0.44 62	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.21 88

rrr	0.57 60	0.33 135	2.43 332	0.46 14	0.34 122	0.50 38	0.38 69	0.84 14	0.55 4	0.48 13	0.48 5	0.48 25	0.45 29	2.28 264	0.44 62	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

IGEV_Zeroshot_test	0.59 82	0.33 135	1.11 204	0.63 201	0.37 144	0.41 12	0.33 33	1.80 222	0.79 48	1.04 104	1.10 120	1.06 184	0.43 23	0.87 62	0.48 89	0.18 40	0.13 17	0.19 47	0.18 84	0.20 86	0.23 123

EKT-Stereo	0.56 48	0.33 135	0.84 125	0.61 183	0.64 286	0.51 43	0.48 152	1.14 79	0.95 92	0.74 49	0.89 63	0.77 87	0.42 20	1.18 119	0.42 55	0.23 170	0.17 161	0.21 93	0.18 84	0.20 86	0.26 178

HH	0.68 128	0.33 135	0.83 116	0.53 90	0.34 122	0.92 209	0.45 133	1.79 218	0.74 36	0.71 44	1.13 140	1.60 297	0.83 169	1.95 231	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

HanStereo	0.68 128	0.33 135	0.83 116	0.53 90	0.34 122	0.92 209	0.45 133	1.79 218	0.74 36	0.71 44	1.13 140	1.60 297	0.83 169	1.95 231	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

IER	0.74 156	0.33 135	1.25 244	0.50 47	0.53 243	1.32 280	0.55 196	1.31 129	1.08 137	1.30 216	1.34 208	1.11 204	1.10 270	1.05 92	0.81 205	0.20 99	0.17 161	0.21 93	0.21 165	0.20 86	0.21 88

iRaft-Stereo_20w	0.71 145	0.33 135	1.25 244	0.50 47	0.36 139	0.82 175	0.31 25	3.16 380	0.89 66	1.24 186	1.14 145	0.79 90	0.65 117	1.15 113	0.43 58	0.18 40	0.13 17	0.18 33	0.17 70	0.20 86	0.23 123

GwcNet-ADL	0.67 119	0.33 135	0.90 148	0.58 151	0.41 181	0.60 83	0.59 216	1.55 166	1.28 226	1.11 116	1.13 140	0.90 135	0.59 96	1.11 109	0.91 222	0.28 253	0.18 185	0.18 33	0.18 84	0.25 197	0.33 253

Patchmatch Stereo++	0.57 60	0.33 135	0.82 108	0.52 70	0.27 19	0.63 97	0.28 17	1.14 79	0.73 29	1.13 127	0.96 72	0.82 104	0.60 100	1.40 142	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70
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
NF-Stereo	0.82 194	0.33 135	0.83 116	0.65 218	0.31 77	0.63 97	0.43 108	1.35 132	0.93 83	1.30 216	1.02 91	0.81 98	0.57 78	5.37 345	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.30 230

OCTAStereo	0.82 194	0.33 135	0.83 116	0.65 218	0.31 77	0.62 89	0.44 125	1.35 132	0.93 83	1.30 216	1.02 91	0.81 98	0.57 78	5.32 340	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.30 230

PSM-softLoss	0.80 184	0.33 135	0.89 143	0.63 201	0.32 97	0.55 64	0.40 80	1.26 118	0.78 42	1.25 189	1.07 109	0.83 112	0.51 56	5.33 341	0.61 154	0.25 208	0.15 112	0.25 204	0.22 187	0.20 86	0.26 178

KMStereo	0.80 184	0.33 135	0.89 143	0.63 201	0.32 97	0.55 64	0.40 80	1.26 118	0.78 42	1.25 189	1.07 109	0.83 112	0.51 56	5.33 341	0.61 154	0.25 208	0.15 112	0.25 204	0.22 187	0.20 86	0.26 178

PSM-adaLoss	0.56 48	0.33 135	0.81 99	0.52 70	0.27 19	0.63 97	0.41 88	1.14 79	0.73 29	1.13 127	0.96 72	0.82 104	0.60 100	1.09 104	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

ROB_FTStereo_v2	0.57 60	0.33 135	0.81 99	0.52 70	0.27 19	0.62 89	0.42 92	1.14 79	0.73 29	1.13 127	0.97 79	0.82 104	0.60 100	1.15 113	0.53 118	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

ROB_FTStereo	0.56 48	0.33 135	0.82 108	0.52 70	0.27 19	0.62 89	0.25 4	1.14 79	0.74 36	1.13 127	0.96 72	0.82 104	0.60 100	1.18 119	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

HUI-Stereo	0.54 36	0.33 135	0.81 99	0.52 70	0.27 19	0.62 89	0.29 21	1.14 79	0.74 36	1.13 127	0.96 72	0.82 104	0.60 100	0.83 54	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

RE-Stereo	0.82 194	0.33 135	0.84 125	0.65 218	0.31 77	0.63 97	0.44 125	1.35 132	0.93 83	1.30 216	1.02 91	0.80 92	0.57 78	5.34 343	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.31 239

TVStereo	0.82 194	0.33 135	0.84 125	0.65 218	0.31 77	0.63 97	0.44 125	1.35 132	0.93 83	1.30 216	1.02 91	0.80 92	0.57 78	5.34 343	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.31 239

iGMRVC	0.58 71	0.33 135	0.81 99	0.52 70	0.27 19	0.62 89	0.38 69	1.14 79	0.73 29	1.13 127	0.97 79	0.82 104	0.59 96	1.54 169	0.53 118	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

iRAFT	0.57 60	0.33 135	0.82 108	0.52 70	0.27 19	0.63 97	0.28 17	1.14 79	0.73 29	1.13 127	0.96 72	0.82 104	0.60 100	1.40 142	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

CroCo-Stereo	0.42 8	0.33 135	0.83 116	0.59 163	0.28 40	0.26 1	0.33 33	1.22 110	0.85 61	0.43 4	0.49 7	0.65 60	0.46 36	0.40 1	0.36 16	0.19 65	0.15 112	0.16 8	0.14 22	0.20 86	0.17 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
RAFT-IKP	0.57 60	0.33 135	0.82 108	0.52 70	0.27 19	0.57 69	0.35 49	1.14 79	0.73 29	1.13 127	0.96 72	0.83 112	0.61 110	1.26 125	0.53 118	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

test_xeample3	0.57 60	0.33 135	3.11 349	0.46 14	0.34 122	0.55 64	0.38 69	0.86 18	0.49 2	0.54 29	0.46 3	0.44 8	0.44 27	1.49 166	0.45 73	0.18 40	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

ACVNet	0.66 111	0.33 135	0.74 72	0.55 111	0.37 144	0.80 167	0.47 148	1.46 150	1.11 151	1.01 94	1.31 196	1.07 187	0.91 203	0.82 51	1.09 253	0.22 150	0.19 199	0.21 93	0.18 84	0.23 158	0.19 51

acv_ft	0.78 171	0.33 135	1.10 202	0.73 287	0.86 343	1.23 273	0.57 205	1.65 189	1.11 151	1.31 222	1.31 196	1.07 187	0.91 203	0.82 51	1.35 285	0.22 150	0.19 199	0.21 93	0.18 84	0.22 140	0.19 51

ACVNet-DCA	0.59 82	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.58 173	0.91 71	0.60 34	0.80 47	0.47 21	0.87 189	1.48 160	0.35 6	0.21 121	0.13 17	0.25 204	0.15 30	0.23 158	0.25 161

xx1	0.70 139	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.07 51	3.23 383	0.60 34	0.80 47	0.95 153	0.79 155	1.48 160	0.35 6	0.21 121	0.13 17	0.24 168	0.23 214	0.23 158	0.25 161

1test111	0.58 71	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.58 173	0.91 71	0.60 34	0.80 47	0.47 21	0.87 189	0.99 81	0.67 171	0.21 121	0.13 17	0.25 204	0.15 30	0.23 158	0.25 161

cc1	0.68 128	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.07 51	3.23 383	0.60 34	0.80 47	0.47 21	0.87 189	1.48 160	0.35 6	0.21 121	0.13 17	0.25 204	0.15 30	0.19 59	0.23 123

tt1	0.65 109	0.34 162	0.65 42	0.60 170	0.27 19	1.14 252	0.48 152	1.08 56	2.62 371	0.59 31	0.79 44	0.49 29	0.80 161	1.57 172	0.35 6	0.21 121	0.13 17	0.25 204	0.16 54	0.20 86	0.23 123

PCWNet_CMD	0.68 128	0.34 162	0.93 154	0.51 58	0.38 155	0.80 167	0.42 92	1.51 156	1.34 249	1.17 148	1.31 196	1.23 226	0.65 117	0.94 72	0.62 157	0.21 121	0.17 161	0.27 234	0.19 103	0.43 301	0.28 205

CFNet_ucs	0.73 153	0.34 162	0.94 160	0.53 90	0.44 198	0.76 152	0.46 139	1.73 208	1.34 249	1.24 186	1.54 264	1.08 197	0.64 113	1.05 92	0.64 162	0.26 225	0.20 209	0.37 313	0.22 187	0.42 299	0.30 230

x	0.59 82	0.34 162	0.79 93	0.51 58	0.32 97	0.69 132	0.46 139	1.64 186	0.97 100	0.86 72	0.86 56	0.83 112	0.74 135	0.75 39	0.70 179	0.21 121	0.22 232	0.22 120	0.20 129	0.21 121	0.24 142

BUS	0.78 171	0.34 162	0.77 83	0.55 111	0.45 201	2.30 360	0.42 92	2.65 364	1.04 129	1.25 189	1.12 130	1.02 176	0.70 131	0.94 72	0.75 188	0.25 208	0.18 185	0.25 204	0.22 187	0.23 158	0.24 142

BSDual-CNN	0.75 159	0.34 162	0.77 83	0.55 111	0.45 201	1.25 275	0.66 238	2.65 364	1.04 129	1.25 189	1.12 130	1.11 204	0.77 145	0.94 72	0.76 191	0.25 208	0.18 185	0.25 204	0.22 187	0.23 158	0.24 142

hknet	0.82 194	0.34 162	1.15 213	0.55 111	0.39 162	1.25 275	0.66 238	2.65 364	1.10 147	1.25 189	1.12 130	1.58 296	0.85 176	1.41 144	0.79 198	0.23 170	0.18 185	0.25 204	0.22 187	0.23 158	0.24 142

psmg	0.75 159	0.34 162	0.77 83	0.52 70	0.45 201	1.46 301	0.73 257	2.15 300	1.04 129	1.25 189	1.33 205	1.11 204	0.77 145	0.94 72	0.76 191	0.25 208	0.20 209	0.25 204	0.26 245	0.23 158	0.24 142

IIG-Stereo	0.97 247	0.34 162	0.80 98	0.90 345	0.33 110	0.61 87	0.26 10	1.27 122	1.08 137	1.69 320	1.37 218	1.44 271	0.74 135	6.94 376	0.53 118	0.21 121	0.14 58	0.23 147	0.18 84	0.20 86	0.15 3

CFNet_pseudo	0.68 128	0.34 162	0.93 154	0.50 47	0.39 162	0.72 140	0.42 92	1.44 146	1.25 212	1.17 148	1.35 213	1.22 222	0.66 121	1.04 89	0.64 162	0.21 121	0.17 161	0.33 287	0.19 103	0.39 287	0.28 205

RALCasStereoNet	0.58 71	0.34 162	0.77 83	0.65 218	0.64 286	0.64 105	0.51 166	1.06 50	0.99 110	0.71 44	1.06 107	0.77 87	0.44 27	1.38 139	0.52 109	0.20 99	0.18 185	0.18 33	0.16 54	0.20 86	0.22 109

delet	0.90 228	0.34 162	1.15 213	0.69 263	0.66 295	1.63 318	0.81 277	1.95 259	1.49 307	1.42 265	1.38 222	1.29 245	0.91 203	1.78 205	1.18 261	0.22 150	0.22 232	0.24 168	0.25 234	0.22 140	0.24 142

UPFNet	0.84 207	0.34 162	1.09 199	0.62 191	0.74 314	1.25 275	0.78 265	1.69 200	1.20 190	1.39 253	1.13 140	1.30 247	0.87 189	1.73 199	1.22 268	0.24 188	0.26 280	0.24 168	0.23 214	0.26 207	0.20 70

GwcNet-RSSM	0.83 203	0.34 162	1.29 251	0.65 218	0.55 254	0.78 162	0.62 228	1.89 246	1.27 222	1.18 159	1.39 224	1.56 293	0.91 203	1.60 183	1.22 268	0.26 225	0.20 209	0.23 147	0.24 226	0.21 121	0.21 88

RASNet	1.16 282	0.34 162	1.11 204	0.73 287	0.86 343	1.00 229	0.60 224	1.56 168	1.43 289	1.07 111	1.37 218	2.08 348	1.44 321	7.00 377	1.56 307	0.20 99	0.17 161	0.17 13	0.19 103	0.19 59	0.19 51

MSMDNet	0.68 128	0.34 162	0.93 154	0.52 70	0.38 155	0.80 167	0.42 92	1.52 158	1.35 252	1.17 148	1.31 196	1.23 226	0.65 117	0.94 72	0.62 157	0.21 121	0.17 161	0.26 225	0.19 103	0.41 295	0.28 205

ccs_rob	0.68 128	0.34 162	0.93 154	0.50 47	0.39 162	0.72 140	0.42 92	1.43 145	1.25 212	1.17 148	1.34 208	1.22 222	0.66 121	1.04 89	0.64 162	0.21 121	0.17 161	0.35 301	0.20 129	0.40 291	0.29 217

HSM	1.22 293	0.34 162	0.81 99	0.61 183	0.39 162	1.22 271	0.63 233	2.45 344	1.25 212	1.32 224	1.26 178	1.91 325	1.08 265	9.21 397	0.75 188	0.23 170	0.17 161	0.20 70	0.16 54	0.22 140	0.24 142

ToySt	0.73 153	0.35 184	1.64 287	0.54 101	0.37 144	0.92 209	0.81 277	1.21 108	1.03 123	0.86 72	1.12 130	1.31 249	1.01 243	1.04 89	0.88 215	0.19 65	0.20 209	0.24 168	0.24 226	0.27 209	0.28 205

OMP-Stereo	0.95 242	0.35 184	0.79 93	0.92 347	0.32 97	0.49 28	0.35 49	1.22 110	1.11 151	1.58 305	1.12 130	1.44 271	0.69 129	6.92 375	0.51 103	0.20 99	0.15 112	0.24 168	0.19 103	0.21 121	0.16 13

ICVP	0.66 111	0.35 184	0.71 56	0.63 201	0.41 181	0.85 191	0.56 202	1.78 215	0.96 96	0.92 78	1.24 174	0.88 127	0.75 140	0.76 40	0.93 229	0.31 274	0.22 232	0.22 120	0.21 165	0.24 187	0.28 205
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
MMNet	0.89 221	0.35 184	1.44 265	0.64 212	0.59 270	1.83 337	0.48 152	1.70 203	1.38 266	1.45 278	1.19 158	1.25 231	1.16 278	1.77 203	1.27 276	0.20 99	0.19 199	0.23 147	0.22 187	0.25 197	0.24 142

DualNet	1.46 318	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	1.08 56	2.62 371	1.19 164	1.49 247	1.07 187	0.85 176	1.57 172	13.82 402	0.21 121	0.13 17	0.31 267	0.28 268	0.20 86	0.23 123

ffm	0.79 179	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	1.08 56	2.62 371	1.19 164	1.49 247	1.07 187	0.85 176	1.57 172	0.35 6	0.21 121	0.13 17	0.31 267	0.28 268	0.20 86	0.23 123

ff1	1.88 348	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	1.08 56	2.62 371	1.19 164	1.49 247	1.07 187	0.85 176	9.88 406	13.82 402	0.21 121	0.13 17	0.31 267	0.28 268	0.20 86	0.23 123

mmx	1.89 351	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	2.32 328	1.41 280	1.19 164	1.49 247	1.07 187	0.85 176	9.88 406	13.82 402	0.25 208	0.21 222	0.31 267	0.28 268	0.32 257	0.29 217

ttt	1.26 302	0.36 188	0.79 93	0.65 218	0.42 188	0.94 214	0.57 205	2.33 333	1.38 266	1.25 189	1.65 289	0.92 143	0.78 150	2.64 282	8.73 390	0.30 270	0.28 292	0.26 225	0.25 234	0.29 234	0.32 247

xxx	1.89 351	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	2.32 328	1.41 280	1.19 164	1.49 247	1.07 187	0.85 176	9.88 406	13.82 402	0.25 208	0.21 222	0.31 267	0.28 268	0.32 257	0.29 217

LL-Strereo2	0.56 48	0.36 188	0.77 83	0.56 123	0.40 171	0.68 124	0.37 62	1.21 108	0.83 56	0.96 85	0.79 44	0.91 138	0.41 17	1.08 100	0.48 89	0.18 40	0.17 161	0.29 254	0.25 234	0.22 140	0.19 51

CASS	0.67 119	0.36 188	0.84 125	0.57 141	0.28 40	0.82 175	0.43 108	1.62 185	0.92 76	1.39 253	1.28 190	0.87 121	0.84 171	0.88 64	0.59 149	0.36 306	0.19 199	0.26 225	0.22 187	0.29 234	0.43 300
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
qqq	0.62 93	0.36 188	0.88 140	0.50 47	0.28 40	0.64 105	0.62 228	1.58 173	0.91 71	0.83 63	0.96 72	0.95 153	0.79 155	0.99 81	0.67 171	0.21 121	0.23 254	0.24 168	0.23 214	0.23 158	0.25 161

PSMNet-ADL	0.75 159	0.36 188	0.69 53	0.71 275	0.47 214	1.13 249	0.46 139	1.47 153	1.07 134	0.85 68	1.18 155	1.31 249	0.94 214	1.56 170	1.06 251	0.34 291	0.22 232	0.22 120	0.23 214	0.27 209	0.36 271

UNet	0.86 214	0.36 188	1.52 277	0.62 191	0.74 314	1.56 310	0.49 160	1.55 166	1.12 156	1.28 209	1.10 120	1.52 287	1.10 270	1.69 196	1.14 258	0.24 188	0.18 185	0.25 204	0.21 165	0.25 197	0.25 161

CFNet-ft	0.78 171	0.36 188	0.74 72	0.67 244	0.56 258	0.86 192	0.54 189	1.46 150	1.17 181	1.01 94	1.28 190	1.68 309	1.03 250	1.57 172	0.95 236	0.27 242	0.21 222	0.33 287	0.26 245	0.31 249	0.26 178

DMCA	0.71 145	0.36 188	1.17 227	0.53 90	0.45 201	0.84 188	0.46 139	1.52 158	1.09 144	1.20 170	1.12 130	1.21 218	0.74 135	0.87 62	1.09 253	0.25 208	0.20 209	0.27 234	0.19 103	0.24 187	0.29 217

CFNet_RVC	0.78 171	0.36 188	0.74 72	0.67 244	0.56 258	0.86 192	0.54 189	1.46 150	1.17 181	1.01 94	1.28 190	1.68 309	1.03 250	1.57 172	0.95 236	0.27 242	0.21 222	0.33 287	0.26 245	0.31 249	0.26 178

iResNet_ROB	0.82 194	0.36 188	1.13 208	0.60 170	0.37 144	0.91 202	0.38 69	2.41 339	1.61 325	1.35 240	1.35 213	1.25 231	0.97 228	1.75 201	0.88 215	0.21 121	0.14 58	0.17 13	0.12 9	0.19 59	0.30 230

DN-CSS_ROB	0.67 119	0.36 188	1.36 259	0.59 163	0.41 181	0.54 60	0.45 133	1.30 128	0.95 92	1.05 106	1.47 244	0.69 70	0.64 113	1.80 212	0.60 151	0.19 65	0.15 112	0.25 204	0.23 214	0.22 140	0.23 123

mmm	0.68 128	0.37 204	0.91 151	0.54 101	0.34 122	0.86 192	0.58 212	1.72 207	1.02 120	1.13 127	1.41 232	0.83 112	0.78 150	0.95 78	0.67 171	0.22 150	0.20 209	0.29 254	0.26 245	0.27 209	0.27 194

StereoVision	0.67 119	0.37 204	1.02 183	0.60 170	0.41 181	0.50 38	0.41 88	1.32 130	0.96 96	0.73 48	2.48 359	0.82 104	0.57 78	1.06 96	0.50 101	0.26 225	0.28 292	0.29 254	0.28 268	0.37 277	0.22 109

CBFPSM	0.95 242	0.37 204	2.10 317	0.51 58	0.39 162	1.73 325	0.87 292	1.59 178	1.13 161	1.11 116	1.00 87	2.34 357	1.64 337	1.42 149	1.44 294	0.19 65	0.18 185	0.20 70	0.20 129	0.22 140	0.36 271

gwcnet-sp	0.80 184	0.37 204	1.94 305	0.62 191	0.45 201	1.38 289	0.53 180	1.68 191	1.20 190	1.37 246	1.08 115	0.93 145	0.82 166	1.45 154	0.79 198	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

scenet	0.80 184	0.37 204	1.94 305	0.62 191	0.45 201	1.38 289	0.53 180	1.68 191	1.20 190	1.37 246	1.08 115	0.93 145	0.82 166	1.45 154	0.79 198	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

ssnet	0.80 184	0.37 204	1.94 305	0.62 191	0.45 201	1.38 289	0.53 180	1.68 191	1.20 190	1.37 246	1.08 115	0.93 145	0.82 166	1.45 154	0.79 198	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

CroCo-Stereo Lap2	0.46 19	0.37 204	0.87 138	0.62 191	0.79 329	0.28 2	0.35 49	0.81 6	0.73 29	0.39 3	0.54 15	0.71 79	0.54 69	0.60 13	0.48 89	0.18 40	0.18 185	0.19 47	0.16 54	0.21 121	0.21 88

CIPLG	0.67 119	0.37 204	1.17 227	0.60 170	0.51 235	0.75 147	0.48 152	1.26 118	1.11 151	1.43 269	1.58 277	0.64 59	0.48 44	0.94 72	0.78 194	0.24 188	0.15 112	0.19 47	0.16 54	0.19 59	0.29 217

DAS	0.89 221	0.37 204	1.20 233	0.66 231	0.69 303	0.82 175	0.62 228	1.79 218	1.26 218	1.93 341	1.55 267	0.96 157	1.17 281	2.72 287	0.69 176	0.22 150	0.16 139	0.25 204	0.18 84	0.29 234	0.24 142

SepStereo	0.87 217	0.37 204	1.20 233	0.66 231	0.69 303	0.82 175	0.62 228	1.79 218	1.26 218	1.93 341	1.55 267	0.96 157	1.17 281	2.34 267	0.69 176	0.22 150	0.16 139	0.25 204	0.18 84	0.29 234	0.24 142

ACRE	0.66 111	0.37 204	1.27 247	0.60 170	0.50 226	0.74 145	0.47 148	1.26 118	1.10 147	1.40 259	1.56 272	0.62 53	0.46 36	0.88 64	0.78 194	0.24 188	0.15 112	0.19 47	0.16 54	0.19 59	0.29 217

ADLNet2	0.92 236	0.37 204	1.25 244	0.80 313	0.65 292	1.12 248	0.75 259	1.95 259	1.42 288	1.26 199	1.67 292	1.68 309	1.04 256	1.80 212	1.23 271	0.25 208	0.22 232	0.21 93	0.22 187	0.27 209	0.31 239

RALAANet	0.62 93	0.37 204	0.97 171	0.66 231	0.50 226	0.67 120	0.31 25	1.27 122	1.09 144	1.11 116	1.17 153	0.88 127	0.46 36	1.27 127	0.45 73	0.20 99	0.15 112	0.21 93	0.18 84	0.27 209	0.19 51

GES	0.70 139	0.37 204	1.05 189	0.62 191	0.38 155	0.94 214	0.57 205	2.37 335	0.92 76	1.05 106	1.12 130	0.67 64	0.77 145	1.02 87	0.65 166	0.28 253	0.20 209	0.20 70	0.20 129	0.22 140	0.31 239

psm_up	0.83 203	0.37 204	0.88 140	0.68 253	0.59 270	1.05 237	0.92 300	1.68 191	1.17 181	1.41 261	1.22 166	1.30 247	1.31 305	1.39 141	0.89 217	0.27 242	0.30 304	0.31 267	0.27 259	0.28 224	0.28 205

UCFNet_RVC	0.72 150	0.37 204	0.59 22	0.66 231	0.41 181	0.89 197	0.68 242	1.78 215	1.15 172	1.01 94	1.20 159	1.22 222	0.95 219	1.07 98	0.66 170	0.28 253	0.21 222	0.34 295	0.31 298	0.33 262	0.29 217

DISCO	1.06 266	0.37 204	1.19 232	0.73 287	0.46 208	2.04 351	0.84 284	2.26 320	1.54 314	1.25 189	1.36 217	2.38 359	1.08 265	2.60 281	1.62 313	0.24 188	0.19 199	0.22 120	0.20 129	0.32 257	0.29 217

Former-RAFT_DAM_RVC	0.47 22	0.38 221	0.75 77	0.48 29	0.37 144	0.67 120	0.35 49	0.82 10	1.14 167	0.61 38	0.64 20	0.39 4	0.39 15	0.74 34	0.39 31	0.20 99	0.17 161	0.22 120	0.18 84	0.24 187	0.20 70

IPLGR_C	0.67 119	0.38 221	1.20 233	0.60 170	0.50 226	0.75 147	0.48 152	1.28 126	1.13 161	1.42 265	1.57 276	0.62 53	0.48 44	0.85 60	0.80 203	0.24 188	0.15 112	0.19 47	0.16 54	0.19 59	0.29 217

GANet-ADL	0.63 102	0.38 221	0.82 108	0.67 244	0.41 181	0.68 124	0.51 166	1.64 186	1.16 177	0.98 86	1.10 120	0.90 135	0.58 93	0.81 49	0.63 159	0.27 242	0.18 185	0.18 33	0.16 54	0.23 158	0.27 194

hitnet-ft	0.84 207	0.38 221	0.75 77	0.59 163	0.44 198	0.99 228	0.47 148	1.61 182	1.38 266	1.21 176	1.22 166	1.82 323	0.99 234	1.87 218	1.09 253	0.33 284	0.29 300	0.34 295	0.27 259	0.36 272	0.33 253

DSFCA	0.95 242	0.38 221	1.23 239	0.55 111	0.66 295	1.50 303	0.93 303	1.58 173	1.24 206	1.59 308	1.16 151	1.48 279	0.95 219	2.96 294	1.20 263	0.31 274	0.28 292	0.25 204	0.26 245	0.29 234	0.26 178

ssnet_v2	0.92 236	0.39 226	1.22 237	0.66 231	0.39 162	1.31 279	0.96 309	2.32 328	1.45 296	1.48 286	1.17 153	1.53 288	0.91 203	1.16 115	1.71 325	0.31 274	0.27 288	0.30 263	0.29 283	0.28 224	0.29 217

AASNet	0.80 184	0.39 226	1.16 226	0.84 328	0.80 331	1.14 252	0.59 216	2.12 291	1.21 196	1.26 199	1.26 178	0.93 145	0.77 145	0.84 57	1.23 271	0.28 253	0.24 262	0.24 168	0.20 129	0.28 224	0.27 194

pcwnet_v2	0.91 233	0.39 226	2.74 341	0.64 212	0.55 254	0.81 174	0.49 160	2.19 312	1.63 326	1.44 272	1.64 288	1.09 198	0.79 155	1.31 128	0.70 179	0.32 281	0.25 275	0.29 254	0.27 259	0.37 277	0.37 274

ADLNet	0.89 221	0.39 226	1.09 199	0.88 336	0.73 310	1.24 274	0.75 259	2.02 271	1.41 280	1.58 305	1.37 218	1.26 237	1.00 240	1.31 128	1.18 261	0.28 253	0.21 222	0.26 225	0.26 245	0.29 234	0.36 271

MLCV	0.77 169	0.39 226	1.31 252	0.55 111	0.25 8	0.91 202	0.39 78	1.48 155	1.28 226	1.49 288	1.54 264	1.02 176	0.68 126	2.12 252	0.93 229	0.19 65	0.13 17	0.19 47	0.14 22	0.19 59	0.22 109

NINENet	0.81 192	0.40 231	0.89 143	0.65 218	0.53 243	2.30 360	0.42 92	2.12 291	1.13 161	1.20 170	1.27 185	1.02 176	0.70 131	1.26 125	0.75 188	0.29 265	0.24 262	0.31 267	0.21 165	0.27 209	0.26 178

AACVNet	0.90 228	0.40 231	0.98 173	0.86 333	0.40 171	0.80 167	0.49 160	1.81 225	0.86 63	1.11 116	1.34 208	1.32 253	0.99 234	4.23 320	0.86 211	0.26 225	0.22 232	0.28 246	0.22 187	0.30 244	0.28 205

GEStereo_RVC	0.93 241	0.40 231	1.15 213	0.67 244	0.50 226	0.95 220	0.78 265	2.73 369	1.21 196	1.20 170	1.12 130	1.25 231	0.91 203	3.21 301	0.95 236	0.31 274	0.20 209	0.23 147	0.20 129	0.28 224	0.31 239

HCRNet	0.72 150	0.40 231	0.86 136	0.61 183	0.57 262	0.75 147	0.35 49	1.39 138	1.21 196	1.11 116	0.99 83	1.01 174	0.76 141	2.18 256	0.73 183	0.28 253	0.19 199	0.28 246	0.23 214	0.25 197	0.26 178

ARAFT	0.82 194	0.40 231	1.77 293	0.53 90	0.31 77	0.89 197	0.81 277	2.32 328	1.08 137	1.66 317	1.25 176	1.04 180	0.64 113	1.91 225	0.52 109	0.20 99	0.15 112	0.28 246	0.27 259	0.17 20	0.18 32

CFNet	0.99 252	0.40 231	1.23 239	0.65 218	0.43 191	1.03 233	0.49 160	2.01 270	1.35 252	1.02 98	1.39 224	1.10 199	0.86 183	5.47 347	0.89 217	0.24 188	0.18 185	0.28 246	0.27 259	0.27 209	0.22 109

MDST_ROB	1.88 348	0.40 231	1.71 290	0.93 352	0.60 274	4.27 397	1.23 341	3.99 390	1.44 291	4.61 397	2.63 361	1.44 271	1.03 250	9.78 403	1.62 313	0.33 284	0.26 280	0.37 313	0.33 312	0.31 249	0.34 260

SGM_RVC	1.88 348	0.40 231	0.90 148	0.63 201	0.30 63	2.81 373	1.26 344	2.73 369	1.81 343	4.09 389	2.85 365	3.88 383	3.19 384	8.42 391	2.44 348	0.33 284	0.31 309	0.30 263	0.28 268	0.31 249	0.31 239
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
SGM-Forest	1.29 306	0.40 231	0.74 72	0.54 101	0.37 144	1.55 308	1.26 344	1.82 228	1.39 275	2.22 355	1.81 314	1.64 303	1.02 248	7.65 384	1.20 263	0.39 316	0.37 337	0.39 321	0.34 317	0.37 277	0.34 260
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CSP-Net	1.00 255	0.41 240	0.99 175	0.56 123	0.43 191	1.62 317	0.76 261	2.16 302	1.16 177	1.33 229	1.22 166	1.32 253	0.89 198	4.67 331	0.93 229	0.35 299	0.24 262	0.20 70	0.20 129	0.23 158	0.30 230

Anonymous	0.56 48	0.41 240	1.05 189	0.67 244	0.73 310	0.65 109	0.68 242	1.12 73	0.79 48	0.48 13	0.60 19	0.42 5	0.60 100	0.81 49	0.55 128	0.26 225	0.24 262	0.21 93	0.21 165	0.41 295	0.30 230

CRFU-Net	0.90 228	0.42 242	1.10 202	0.69 263	0.59 270	1.76 329	0.84 284	2.33 333	0.92 76	1.45 278	1.20 159	1.62 299	1.25 296	1.38 139	0.94 234	0.28 253	0.23 254	0.22 120	0.19 103	0.24 187	0.27 194

TestStereo	0.65 109	0.42 242	0.83 116	0.52 70	0.27 19	0.57 69	0.44 125	1.07 51	0.92 76	0.85 68	1.01 89	0.68 66	0.56 76	3.22 302	0.47 85	0.23 170	0.15 112	0.24 168	0.18 84	0.28 224	0.18 32

HGLStereo	0.89 221	0.42 242	1.15 213	0.82 320	1.03 360	1.16 258	0.57 205	1.68 191	1.28 226	1.26 199	1.62 283	1.13 208	1.31 305	1.85 214	1.11 257	0.25 208	0.24 262	0.24 168	0.22 187	0.24 187	0.29 217

HITNet	0.71 145	0.42 242	1.07 196	0.52 70	0.25 8	1.05 237	0.48 152	2.12 291	1.08 137	1.21 176	1.23 170	0.91 138	0.84 171	0.90 69	0.91 222	0.17 18	0.12 5	0.21 93	0.17 70	0.29 234	0.18 32
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
sCroCo_RVC	0.51 32	0.43 246	1.15 213	0.66 231	0.60 274	0.52 47	0.40 80	0.93 21	0.64 19	0.45 9	0.76 37	0.49 29	0.49 54	0.65 25	0.49 98	0.27 242	0.28 292	0.23 147	0.22 187	0.29 234	0.28 205

FAT-Stereo	1.10 274	0.43 246	1.46 267	0.74 293	0.60 274	1.13 249	0.92 300	2.06 282	1.71 332	1.75 324	2.00 333	2.02 341	1.47 324	2.02 241	1.26 275	0.44 334	0.36 333	0.34 295	0.29 283	0.36 272	0.57 336

iResNetv2_ROB	0.88 219	0.43 246	2.62 340	0.60 170	0.38 155	0.94 214	0.67 240	1.88 244	1.38 266	1.27 204	1.45 240	1.26 237	1.05 261	1.92 226	0.64 162	0.24 188	0.15 112	0.19 47	0.14 22	0.24 187	0.21 88

StereoDRNet-Refined	0.84 207	0.43 246	1.01 181	0.66 231	0.43 191	1.32 280	0.49 160	1.64 186	1.24 206	1.53 294	1.45 240	1.49 281	0.97 228	1.32 131	1.31 278	0.21 121	0.17 161	0.27 234	0.25 234	0.25 197	0.34 260
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.92 236	0.43 246	0.95 163	0.71 275	0.55 254	1.11 246	0.83 282	1.61 182	1.32 245	1.67 318	1.66 290	1.70 312	0.93 212	1.96 233	1.34 283	0.26 225	0.25 275	0.27 234	0.28 268	0.28 224	0.28 205

LL-Strereo	1.42 314	0.44 251	2.02 312	0.62 191	1.07 362	0.73 143	0.65 236	2.02 271	1.21 196	1.60 309	1.62 283	2.02 341	2.10 364	9.67 401	1.07 252	0.22 150	0.20 209	0.27 234	0.24 226	0.23 158	0.33 253

stereogan	1.22 293	0.45 252	2.03 314	0.87 334	0.85 342	2.52 365	0.72 254	1.98 264	1.78 339	1.92 339	1.94 329	2.31 356	1.42 318	2.10 250	1.14 258	0.38 309	0.36 333	0.39 321	0.32 303	0.52 329	0.49 312

NVstereo2D	0.99 252	0.45 252	2.21 325	0.79 312	0.75 317	1.20 269	0.86 290	1.98 264	1.41 280	1.02 98	1.18 155	1.31 249	0.97 228	2.25 261	0.93 229	0.45 337	0.22 232	0.39 321	0.25 234	0.59 344	0.68 354

iResNet	0.80 184	0.45 252	1.47 268	0.72 280	0.31 77	0.96 225	0.64 234	1.80 222	1.28 226	1.31 222	1.48 246	0.94 150	0.78 150	1.77 203	0.99 241	0.19 65	0.14 58	0.18 33	0.15 30	0.22 140	0.27 194

Wz-Net-LNSev-Ref	1.09 273	0.46 255	2.61 339	0.71 275	0.65 292	2.00 348	0.78 265	2.07 284	1.47 302	1.62 312	1.47 244	1.53 288	1.29 301	2.10 250	1.65 319	0.24 188	0.14 58	0.20 70	0.16 54	0.28 224	0.28 205

DMCA-RVC	0.83 203	0.46 255	2.19 324	0.68 253	0.49 222	0.84 188	0.48 152	1.44 146	1.07 134	1.56 301	1.04 102	1.29 245	0.86 183	1.49 166	0.92 226	0.27 242	0.22 232	0.35 301	0.28 268	0.32 257	0.28 205

NLCA_NET_v2_RVC	0.84 207	0.46 255	1.40 264	0.69 263	0.61 279	0.95 220	0.52 174	1.68 191	1.21 196	1.39 253	1.15 150	1.42 267	0.88 196	1.78 205	0.93 229	0.26 225	0.23 254	0.27 234	0.27 259	0.30 244	0.39 283
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
CBMV_ROB	0.99 252	0.46 255	0.68 49	0.53 90	0.39 162	1.40 294	0.48 152	2.09 287	1.30 236	1.53 294	2.29 349	1.36 258	1.23 292	2.46 273	1.04 250	0.44 334	0.42 353	0.47 343	0.44 342	0.41 295	0.39 283

pmcnn	2.84 381	0.46 255	5.19 373	0.68 253	0.42 188	1.55 308	1.16 333	2.32 328	1.60 324	2.72 370	7.49 400	17.96 415	1.48 325	6.04 358	6.64 383	0.18 40	0.15 112	0.15 3	0.12 9	0.20 86	0.20 70

Anonymous3	0.64 105	0.47 260	1.31 252	0.59 163	0.50 226	0.93 212	0.69 246	1.11 71	0.83 56	0.74 49	0.89 63	0.65 60	0.68 126	1.08 100	0.54 127	0.40 318	0.31 309	0.26 225	0.26 245	0.31 249	0.30 230

RAFT + AFF	1.07 270	0.47 260	1.36 259	0.68 253	0.50 226	1.20 269	1.22 339	2.58 361	1.26 218	1.33 229	1.56 272	1.19 215	1.49 326	3.89 318	1.01 246	0.22 150	0.26 280	0.30 263	0.27 259	0.29 234	0.32 247

LE_ROB	8.35 407	0.47 260	27.42 422	0.83 324	0.34 122	2.84 375	3.36 404	4.03 391	27.04 423	25.20 423	8.72 406	8.55 405	27.35 423	7.37 381	22.13 415	0.22 150	0.20 209	0.20 70	0.21 165	0.25 197	0.25 161

fast-acv-ft	1.00 255	0.48 263	1.85 301	0.61 183	0.52 238	1.77 331	0.69 246	1.52 158	1.47 302	1.34 236	1.85 319	1.73 315	1.24 295	1.62 186	1.56 307	0.27 242	0.28 292	0.28 246	0.28 268	0.28 224	0.31 239

S-Stereo	1.17 284	0.48 263	2.25 328	0.83 324	0.81 335	1.22 271	1.17 334	2.12 291	2.08 357	1.47 281	2.13 341	1.55 291	1.16 278	2.09 249	1.46 297	0.42 325	0.40 347	0.35 301	0.32 303	0.45 313	0.73 358

AdaStereo	0.74 156	0.48 263	0.86 136	0.75 300	0.38 155	0.94 214	0.56 202	2.05 281	1.24 206	1.15 142	1.22 166	1.07 187	0.67 123	1.05 92	0.73 183	0.33 284	0.16 139	0.32 279	0.22 187	0.29 234	0.23 123
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.
SGM-ForestM	7.81 406	0.48 263	11.02 395	0.74 293	0.40 171	16.83 415	12.72 413	7.91 410	8.13 404	11.53 413	10.25 408	22.44 423	14.01 412	17.02 416	20.52 414	0.38 309	0.39 345	0.37 313	0.36 323	0.37 277	0.38 280

CBMV	1.04 262	0.48 263	0.88 140	0.56 123	0.36 139	1.52 305	1.55 358	1.87 239	1.59 322	2.11 352	1.67 292	1.46 276	1.35 310	1.92 226	1.31 278	0.35 299	0.35 329	0.39 321	0.33 312	0.34 267	0.34 260
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
CVANet_RVC	1.10 274	0.49 268	1.15 213	0.65 218	0.54 250	0.93 212	1.00 315	1.69 200	1.36 259	1.42 265	1.39 224	1.24 230	1.17 281	6.22 361	0.80 203	0.35 299	0.24 262	0.35 301	0.30 294	0.44 311	0.32 247

DRN-Test	1.07 270	0.49 268	1.95 309	0.75 300	0.81 335	1.61 315	0.78 265	2.26 320	1.53 312	1.84 333	1.35 213	1.42 267	1.04 256	2.26 262	1.61 311	0.28 253	0.23 254	0.31 267	0.30 294	0.33 262	0.33 253

NOSS_ROB	1.29 306	0.49 268	0.68 49	0.60 170	0.40 171	1.09 245	0.77 262	1.94 256	1.44 291	1.04 104	1.46 242	1.10 199	0.81 165	10.57 411	0.78 194	0.46 338	0.43 354	0.48 344	0.45 345	0.45 313	0.43 300

iinet-f	1.04 262	0.50 271	4.24 366	0.58 151	0.43 191	1.78 334	0.70 252	1.29 127	1.16 177	1.25 189	1.42 233	1.57 295	1.42 318	1.47 158	1.70 323	0.26 225	0.23 254	0.20 70	0.20 129	0.26 207	0.26 178

LMCR-Stereo	0.87 217	0.50 271	0.99 175	0.80 313	0.43 191	1.32 280	0.55 196	2.79 374	1.03 123	1.55 300	1.49 247	0.74 81	1.01 243	1.76 202	0.99 241	0.30 270	0.17 161	0.22 120	0.18 84	0.31 249	0.22 109

GMStereo	0.58 71	0.50 271	1.09 199	0.52 70	0.32 97	0.80 167	0.43 108	1.02 38	1.41 280	0.89 75	0.77 40	0.52 36	0.46 36	0.89 66	0.56 135	0.25 208	0.16 139	0.20 70	0.22 187	0.31 249	0.27 194
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
TDLM	1.08 272	0.50 271	1.01 181	0.69 263	0.54 250	0.91 202	1.40 351	1.60 180	1.36 259	1.17 148	1.40 229	1.07 187	1.00 240	6.19 359	0.85 210	0.34 291	0.22 232	0.35 301	0.26 245	0.38 283	0.29 217

whm_eth	0.69 137	0.51 275	1.32 254	0.56 123	0.64 286	0.67 120	0.45 133	1.59 178	1.33 247	1.02 98	1.92 328	0.48 25	0.48 44	0.71 30	0.53 118	0.24 188	0.20 209	0.25 204	0.24 226	0.25 197	0.35 268

dd	0.62 93	0.51 275	1.17 227	0.56 123	0.33 110	0.74 145	0.46 139	1.03 44	1.40 277	0.80 56	0.87 58	0.60 49	0.57 78	1.02 87	0.86 211	0.28 253	0.18 185	0.26 225	0.19 103	0.35 268	0.27 194

SACVNet	0.89 221	0.51 275	1.08 198	0.83 324	0.58 264	0.83 181	0.78 265	1.84 231	1.17 181	1.39 253	1.33 205	1.25 231	1.01 243	2.31 266	0.92 226	0.35 299	0.26 280	0.31 267	0.29 283	0.35 268	0.48 311

FADNet-RVC-Resample	0.91 233	0.51 275	2.92 344	0.64 212	0.46 208	1.07 242	0.60 224	1.76 212	1.24 206	1.10 115	0.98 82	1.06 184	0.98 231	2.17 255	0.95 236	0.24 188	0.22 232	0.30 263	0.32 303	0.36 272	0.40 287

RYNet	1.24 300	0.52 279	1.57 284	0.73 287	0.97 357	1.74 327	0.95 308	2.09 287	1.54 314	1.44 272	1.18 155	1.94 333	1.29 301	4.57 328	1.93 333	0.27 242	0.23 254	0.35 301	0.27 259	0.57 341	0.59 341

GANet	1.41 312	0.52 279	1.18 231	0.74 293	0.48 216	1.40 294	1.69 363	1.87 239	1.28 226	1.56 301	2.39 353	1.56 293	1.25 296	9.13 395	1.20 263	0.31 274	0.32 319	0.34 295	0.29 283	0.40 291	0.33 253

STTStereo	0.82 194	0.53 281	1.53 280	0.68 253	0.56 258	0.88 196	0.56 202	1.57 171	1.14 167	1.39 253	1.10 120	1.26 237	0.84 171	1.49 166	0.90 220	0.29 265	0.28 292	0.33 287	0.40 332	0.33 262	0.37 274

Nwc_Net	1.19 288	0.53 281	2.34 330	0.92 347	0.81 335	1.49 302	0.70 252	2.28 326	1.32 245	1.41 261	2.27 347	2.03 344	1.76 347	2.05 246	1.46 297	0.43 326	0.30 304	0.43 333	0.46 347	0.39 287	0.40 287

StereoDRNet	1.05 265	0.53 281	2.21 325	0.80 313	0.93 350	1.50 303	0.90 295	2.06 282	1.44 291	1.68 319	1.20 159	1.48 279	0.99 234	1.86 217	1.60 310	0.29 265	0.24 262	0.29 254	0.28 268	0.35 268	0.33 253

BEATNet_4x	0.82 194	0.54 284	2.02 312	0.56 123	0.28 40	1.04 234	0.55 196	2.14 296	1.13 161	1.24 186	1.26 178	1.00 170	0.94 214	1.13 111	1.23 271	0.21 121	0.14 58	0.24 168	0.20 129	0.37 277	0.23 123

RP	1.17 284	0.54 284	1.48 269	0.93 352	1.05 361	1.14 252	0.85 289	1.99 268	1.70 330	1.72 322	2.07 338	1.91 325	1.93 356	2.00 238	1.37 288	0.55 357	0.37 337	0.48 344	0.37 327	0.46 317	0.46 310

edge stereo	1.15 281	0.54 284	1.50 271	0.73 287	0.66 295	1.18 267	0.84 284	2.13 295	1.41 280	1.73 323	1.84 316	2.53 364	1.46 322	2.46 273	1.35 285	0.43 326	0.41 348	0.54 354	0.36 323	0.43 301	0.50 315

SDNR	1.66 333	0.55 287	2.36 331	0.56 123	0.58 264	3.79 391	0.45 133	1.78 215	1.40 277	1.38 251	2.45 357	1.13 208	0.96 221	11.03 412	1.31 278	0.67 367	0.64 380	0.43 333	0.32 303	0.71 361	0.76 362

DeepPruner_ROB	0.79 179	0.55 287	1.14 211	0.61 183	0.46 208	0.78 162	0.54 189	1.83 230	1.00 114	1.42 265	1.27 185	1.23 226	0.77 145	1.56 170	0.89 217	0.35 299	0.28 292	0.27 234	0.26 245	0.32 257	0.34 260

WCMA_ROB	2.05 356	0.55 287	1.77 293	0.74 293	0.61 279	2.24 357	1.56 359	2.17 309	1.79 341	4.16 393	6.36 395	5.66 394	4.66 398	3.19 300	2.77 353	0.55 357	0.45 357	0.40 327	0.43 340	0.48 322	0.50 315

Anonymous_2	1.37 308	0.56 290	0.94 160	0.57 141	0.62 283	1.04 234	0.65 236	1.82 228	1.01 117	1.00 91	0.79 44	1.42 267	1.27 299	1.06 96	0.83 207	0.62 362	0.67 382	1.05 381	9.88 418	1.09 377	0.55 331

FADNet_RVC	0.88 219	0.56 290	2.15 321	0.57 141	0.43 191	1.17 265	0.46 139	1.68 191	1.12 156	0.91 77	1.24 174	0.91 138	0.94 214	2.22 258	1.20 263	0.28 253	0.22 232	0.32 279	0.28 268	0.46 317	0.42 296

AF-Net	1.23 297	0.56 290	2.31 329	0.88 336	0.93 350	1.41 296	0.73 257	2.27 324	1.71 332	1.76 328	2.42 355	2.00 338	1.70 341	1.98 234	1.62 313	0.50 350	0.29 300	0.49 346	0.33 312	0.40 291	0.34 260

ADCP+	2.12 361	0.56 290	10.01 391	0.68 253	0.91 346	2.25 358	1.04 318	1.92 254	1.50 309	1.58 305	1.34 208	1.73 315	1.62 332	2.27 263	13.20 399	0.25 208	0.22 232	0.32 279	0.29 283	0.38 283	0.34 260

XPNet_ROB	1.02 259	0.56 290	1.33 256	0.75 300	0.58 264	1.11 246	1.13 327	1.77 213	1.29 234	1.88 336	1.43 235	1.63 302	1.13 277	2.04 242	1.69 321	0.40 318	0.31 309	0.33 287	0.29 283	0.37 277	0.37 274

PSMNet_ROB	0.95 242	0.57 295	1.45 266	0.75 300	0.64 286	1.28 278	1.12 325	1.84 231	1.15 172	1.16 146	1.29 194	1.44 271	0.89 198	1.74 200	1.70 323	0.33 284	0.25 275	0.37 313	0.39 330	0.36 272	0.32 247

APVNet	1.11 276	0.59 296	1.95 309	0.87 334	0.77 323	1.90 341	0.82 281	2.03 275	1.15 172	1.14 140	1.43 235	1.55 291	1.12 276	3.03 295	1.62 313	0.32 281	0.34 324	0.42 332	0.36 323	0.36 272	0.41 290

HBP-ISP	1.00 255	0.60 297	0.85 131	0.64 212	0.48 216	1.63 318	0.77 262	2.24 319	1.30 236	1.33 229	1.53 263	0.87 121	0.99 234	3.26 304	0.76 191	0.46 338	0.44 355	0.54 354	0.48 351	0.48 322	0.42 296

NCC-stereo	1.20 290	0.60 297	1.84 299	0.88 336	0.95 354	1.32 280	0.94 305	2.14 296	1.36 259	1.43 269	1.79 308	1.93 329	2.13 368	2.54 278	1.41 291	0.49 346	0.38 340	0.45 337	0.59 368	0.43 301	0.45 305

Abc-Net	1.20 290	0.60 297	1.84 299	0.88 336	0.95 354	1.32 280	0.94 305	2.14 296	1.36 259	1.43 269	1.79 308	1.93 329	2.13 368	2.54 278	1.41 291	0.49 346	0.38 340	0.45 337	0.59 368	0.43 301	0.45 305
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
AANet_RVC	1.22 293	0.60 297	1.94 305	0.69 263	0.46 208	0.75 147	0.69 246	1.51 156	1.57 320	1.36 245	1.90 325	1.51 285	0.87 189	7.23 379	1.89 332	0.26 225	0.19 199	0.19 47	0.16 54	0.23 158	0.37 274

MeshStereo	2.36 368	0.60 297	1.05 189	0.63 201	0.51 235	2.58 367	0.99 313	3.46 384	2.21 362	7.38 409	5.06 391	7.50 399	3.10 383	7.02 378	2.54 350	0.44 334	0.44 355	0.45 337	0.40 332	0.43 301	0.45 305
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
sAnonymous2	0.59 82	0.61 302	1.82 297	0.61 183	0.52 238	0.51 43	0.54 189	0.97 27	0.70 26	0.50 19	0.68 25	0.46 16	0.63 111	0.61 14	0.41 50	0.22 150	0.17 161	0.23 147	0.21 165	0.85 367	0.56 333

CroCo_RVC	0.59 82	0.61 302	1.82 297	0.61 183	0.52 238	0.51 43	0.54 189	0.97 27	0.70 26	0.50 19	0.68 25	0.46 16	0.63 111	0.61 14	0.41 50	0.22 150	0.17 161	0.23 147	0.21 165	0.85 367	0.56 333

ADCRef	1.50 322	0.61 302	3.83 361	0.76 306	0.77 323	1.91 342	0.77 262	2.16 302	1.34 249	1.63 314	1.59 281	1.35 257	1.40 316	1.79 210	8.32 389	0.25 208	0.21 222	0.32 279	0.31 298	0.31 249	0.32 247

FC-DCNN	2.88 384	0.61 302	1.15 213	0.75 300	0.57 262	2.85 376	1.05 319	3.44 383	2.64 375	6.93 406	7.63 401	9.86 408	7.02 406	5.76 351	4.31 369	0.54 354	0.48 364	0.51 348	0.50 356	0.53 334	0.52 322

MSMD_ROB	2.08 358	0.61 302	1.15 213	0.71 275	0.62 283	4.00 393	0.93 303	1.94 256	1.79 341	4.71 399	4.60 385	8.14 403	3.87 394	3.75 315	1.65 319	0.54 354	0.48 364	0.55 359	0.58 366	0.53 334	0.52 322

PS-NSSS	1.02 259	0.62 307	1.17 227	0.61 183	0.58 264	0.91 202	0.79 273	2.02 271	1.19 186	1.17 148	1.68 294	1.00 170	0.85 176	4.43 325	0.86 211	0.38 309	0.31 309	0.52 349	0.32 303	0.52 329	0.45 305

GwcNet	1.26 302	0.63 308	5.13 372	0.81 316	1.15 371	1.73 325	0.69 246	1.84 231	1.53 312	1.51 289	1.71 299	1.72 313	1.09 267	2.20 257	1.61 311	0.31 274	0.30 304	0.29 254	0.27 259	0.30 244	0.41 290

PA-Net	1.14 279	0.63 308	2.12 319	0.67 244	0.75 317	1.19 268	0.91 298	1.91 250	1.46 301	1.18 159	1.23 170	1.33 255	1.17 281	4.31 323	1.41 291	0.29 265	0.46 361	0.33 287	0.50 356	0.33 262	0.57 336
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NaN_ROB	1.23 297	0.63 308	1.76 292	0.67 244	0.50 226	1.59 314	2.00 378	1.87 239	1.52 310	2.14 354	1.26 178	1.40 265	1.09 267	4.60 329	1.75 326	0.28 253	0.34 324	0.28 246	0.29 283	0.30 244	0.37 274

GMStereo_Zeroshot	0.70 139	0.64 311	1.11 204	0.65 218	0.38 155	0.84 188	0.37 62	1.09 63	1.16 177	1.14 140	1.07 109	1.26 237	0.55 71	1.23 123	0.65 166	0.34 291	0.17 161	0.31 267	0.18 84	0.57 341	0.23 123

FADNet	0.98 250	0.64 311	2.57 336	0.66 231	0.55 254	0.95 220	0.57 205	1.91 250	1.38 266	0.94 82	1.02 91	1.36 258	1.00 240	2.69 285	0.97 240	0.34 291	0.34 324	0.31 267	0.34 317	0.61 350	0.42 296

MANE	7.50 405	0.64 311	7.97 382	1.40 377	2.10 389	16.86 416	12.56 412	12.91 416	17.51 419	8.50 411	11.60 409	14.66 414	13.33 410	12.02 413	13.28 400	0.62 362	0.52 370	0.52 349	1.90 404	0.56 339	0.58 339

DANet	1.16 282	0.64 311	1.52 277	0.88 336	0.74 314	1.52 305	0.52 174	1.68 191	1.21 196	1.81 330	1.55 267	2.02 341	1.11 272	3.30 306	2.28 343	0.34 291	0.31 309	0.40 327	0.30 294	0.46 317	0.54 325
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DPSNet	1.91 353	0.64 311	5.95 374	0.73 287	0.59 270	2.04 351	1.61 362	3.84 388	1.96 352	1.54 297	1.39 224	2.27 352	3.32 387	4.95 335	4.79 372	0.50 350	0.31 309	0.29 254	0.26 245	0.67 356	0.54 325

NCCL2	1.06 266	0.64 311	1.35 257	0.78 311	0.58 264	1.32 280	1.69 363	1.89 246	1.38 266	1.52 291	1.20 159	1.91 325	1.17 281	1.79 210	1.50 301	0.35 299	0.31 309	0.45 337	0.44 342	0.41 295	0.45 305

FCDSN-DC	2.47 372	0.65 317	1.00 180	0.85 330	0.75 317	2.26 359	0.97 310	2.31 327	1.83 344	5.52 405	7.65 402	7.72 402	7.70 407	4.43 325	2.64 351	0.52 352	0.48 364	0.52 349	0.52 359	0.57 341	0.59 341
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
Wz-Net-MNSev	1.21 292	0.66 318	3.44 356	0.69 263	0.73 310	1.93 344	1.44 353	2.16 302	1.59 322	1.85 335	1.49 247	1.50 283	1.34 309	2.05 246	1.54 306	0.27 242	0.24 262	0.28 246	0.28 268	0.35 268	0.32 247

FBW_ROB	1.78 341	0.66 318	1.90 304	0.72 280	0.66 295	1.79 335	1.07 321	2.79 374	1.77 336	1.84 333	1.79 308	1.98 336	1.37 312	12.42 414	2.22 341	0.36 306	0.38 340	0.57 363	0.39 330	0.46 317	0.51 320

LALA_ROB	1.06 266	0.66 318	1.37 262	0.70 272	0.53 243	1.61 315	1.25 343	1.81 225	1.48 306	1.82 332	1.40 229	1.93 329	1.03 250	1.68 192	1.69 321	0.38 309	0.28 292	0.43 333	0.37 327	0.43 301	0.38 280

FINET	1.54 325	0.67 321	7.28 380	0.76 306	0.97 357	1.42 299	1.38 350	2.80 376	3.12 382	1.23 182	1.68 294	1.04 180	1.11 272	3.35 307	1.78 330	0.43 326	0.37 337	0.32 279	0.29 283	0.43 301	0.41 290

G-Net	1.71 339	0.67 321	2.09 316	1.14 371	0.75 317	2.96 378	0.89 294	1.58 173	1.30 236	2.76 372	8.12 405	2.29 354	2.51 377	1.94 228	2.23 342	0.49 346	0.45 357	0.45 337	0.31 298	0.62 351	0.59 341

CSAN	1.61 330	0.67 321	3.24 353	0.74 293	0.52 238	1.77 331	1.74 368	1.98 264	1.94 350	2.47 366	2.33 351	1.93 329	2.04 361	6.45 368	1.95 335	0.43 326	0.36 333	0.41 331	0.42 337	0.43 301	0.44 303

STTRV1_RVC		0.69 324		0.88 336	1.12 364	1.58 312	0.90 295	2.42 340	1.78 339	1.29 213	2.02 335	1.40 265	1.22 291	9.72 402	1.35 285	0.86 372	0.34 324	0.54 354	0.49 354	0.75 363	0.54 325

ETE_ROB	1.01 258	0.69 324	1.49 270	0.72 280	0.50 226	1.15 255	1.12 325	1.91 250	1.24 206	1.94 343	1.50 254	1.73 315	1.06 262	1.78 205	1.33 282	0.33 284	0.26 280	0.38 317	0.34 317	0.40 291	0.44 303

ADCL	1.82 345	0.70 326	4.57 369	0.70 272	0.63 285	2.56 366	1.77 370	2.08 285	1.77 336	1.95 345	1.89 323	2.04 346	1.88 354	2.36 269	9.55 394	0.27 242	0.25 275	0.35 301	0.32 303	0.39 287	0.39 283

SANet	2.26 366	0.70 326	6.94 379	0.69 263	0.46 208	2.76 372	1.76 369	2.61 362	5.84 402	2.45 363	3.52 375	3.71 380	3.38 389	5.90 353	2.14 339	0.34 291	0.31 309	0.32 279	0.29 283	0.54 336	0.43 300

TRStereo	0.67 119	0.71 328	1.06 192	0.77 308	0.68 300	0.53 51	0.38 69	2.52 357	0.96 96	0.81 60	0.84 53	0.87 121	0.39 15	1.16 115	0.46 77	0.24 188	0.17 161	0.23 147	0.24 226	0.18 34	0.20 70

XX-TBD	0.47 22	0.71 328	0.39 1	0.81 316	0.25 8	0.57 69	0.26 10	0.73 3	1.30 236	0.78 53	1.01 89	0.45 15	0.33 10	0.49 3	0.39 31	0.20 99	0.15 112	0.15 3	0.11 6	0.17 20	0.15 3

ccnet	1.19 288	0.71 328	1.36 259	0.81 316	0.75 317	1.72 322	1.13 327	1.98 264	1.31 243	1.52 291	1.84 316	1.75 320	1.36 311	2.01 239	2.04 336	0.57 359	0.54 372	0.57 363	0.56 364	0.60 347	0.60 344

Wz-Net-LNSev	1.17 284	0.72 331	4.71 370	0.66 231	0.84 341	1.72 322	1.13 327	1.97 263	1.43 289	1.34 236	1.32 201	1.66 305	1.30 304	1.44 153	1.51 303	0.29 265	0.26 280	0.24 168	0.23 214	0.33 262	0.35 268

FADNet-RVC	0.96 246	0.72 331	2.96 345	0.64 212	0.49 222	0.90 200	0.59 216	1.85 237	1.27 222	0.92 78	0.97 79	1.36 258	0.90 201	2.36 269	1.31 278	0.30 270	0.29 300	0.32 279	0.32 303	0.42 299	0.37 274

SuperB	2.50 373	0.72 331	18.07 409	0.72 280	0.53 243	1.85 338	0.86 290	1.80 222	2.40 365	1.54 297	1.42 233	1.13 208	1.17 281	4.18 319	4.80 374	0.25 208	0.20 209	0.23 147	0.19 103	7.64 418	0.38 280

dad	0.90 228	0.73 334	1.28 248	0.59 163	0.39 162	0.83 181	0.45 133	1.24 115	1.54 314	1.52 291	1.28 190	1.36 258	0.86 183	2.54 278	0.91 222	0.43 326	0.27 288	0.82 373	0.26 245	0.44 311	0.34 260

PDISCO_ROB	1.41 312	0.73 334	2.04 315	1.40 377	1.46 382	2.83 374	1.07 321	2.64 363	2.11 359	1.41 261	1.50 254	1.73 315	0.99 234	2.83 292	1.46 297	1.03 378	0.27 288	0.54 354	0.47 349	0.77 364	0.84 368

psmorigin	1.69 338	0.74 336	13.13 399	0.70 272	0.60 274	1.16 258	0.79 273	1.69 200	1.25 212	2.07 351	1.77 306	2.23 349	1.51 327	2.14 253	1.45 295	0.39 316	0.41 348	0.34 295	0.33 312	0.45 313	0.63 348

ADCPNet	1.97 355	0.78 337	9.38 390	0.74 293	0.61 279	2.73 371	1.36 349	2.11 290	1.66 328	1.92 339	1.70 297	2.45 362	2.07 362	2.50 275	6.84 384	0.38 309	0.38 340	0.38 317	0.43 340	0.47 321	0.50 315

Syn2CoEx	1.23 297	0.80 338	3.07 348	0.83 324	0.68 300	1.39 292	0.87 292	2.23 317	1.57 320	1.28 209	1.58 277	1.42 267	1.57 330	3.79 316	1.48 300	0.36 306	0.32 319	0.34 295	0.30 294	0.30 244	0.41 290

ELAS_RVC	2.87 383	0.80 338	3.22 352	1.16 373	1.12 364	2.92 377	5.33 406	2.98 378	4.18 394	5.04 401	4.82 388	4.71 388	8.23 408	4.25 322	4.79 372	0.67 367	0.57 376	0.57 363	0.53 361	0.66 355	0.74 359
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	2.67 374	0.80 338	2.13 320	1.13 368	1.15 371	6.25 404	2.56 398	3.50 385	3.68 390	5.36 403	4.92 390	3.79 381	5.56 400	3.65 311	5.22 376	0.66 366	0.57 376	0.56 361	0.54 362	0.65 354	0.75 361
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SHD	1.42 314	0.81 341	2.79 343	0.98 359	0.92 347	1.97 345	0.68 242	2.43 342	2.55 368	2.54 367	1.72 300	2.01 340	1.62 332	2.14 253	2.70 352	0.40 318	0.33 322	0.39 321	0.40 332	0.48 322	0.54 325

RGC	1.22 293	0.82 342	1.71 290	0.95 357	0.98 359	1.53 307	0.80 276	2.18 310	1.35 252	1.69 320	1.94 329	2.03 344	1.66 338	2.36 269	1.50 301	0.46 338	0.36 333	0.59 366	0.48 351	0.49 325	0.49 312

DeepPrunerF	1.68 336	0.82 342	6.82 378	0.94 355	1.20 375	0.91 202	0.97 310	2.50 354	5.19 400	1.22 181	1.30 195	1.18 214	1.29 301	4.96 336	1.75 326	0.43 326	0.35 329	0.52 349	0.48 351	0.43 301	0.42 296

DGSMNet	1.24 300	0.84 344	3.20 350	0.91 346	0.92 347	1.39 292	1.34 347	2.46 348	1.44 291	1.34 236	1.66 290	1.50 283	1.03 250	1.85 214	1.30 277	0.48 344	0.48 364	0.55 359	0.51 358	0.78 365	0.79 364

aanetorigin	1.26 302	0.85 345	3.00 346	0.72 280	0.80 331	1.08 243	1.05 319	1.12 73	1.39 275	3.53 387	2.60 360	1.72 313	1.73 345	1.98 234	1.77 329	0.26 225	0.24 262	0.26 225	0.25 234	0.38 283	0.51 320

RTSC	1.43 317	0.89 346	3.62 359	0.94 355	0.64 286	1.85 338	0.69 246	2.20 315	2.04 356	2.22 355	1.70 297	1.67 307	1.27 299	2.53 277	4.48 371	0.33 284	0.25 275	0.27 234	0.29 283	0.38 283	0.40 287

SAMSARA	1.80 343	0.90 347	3.37 355	1.28 376	1.13 367	3.71 387	2.33 392	2.53 358	1.93 349	3.17 385	1.73 301	2.99 373	1.68 340	3.53 310	2.46 349	0.47 342	0.54 372	0.43 333	0.47 349	0.59 344	0.64 349

ADCMid	2.11 360	0.90 347	8.39 386	0.75 300	0.69 303	1.98 346	1.14 330	2.18 310	1.67 329	2.85 374	1.85 319	2.35 358	2.02 360	2.35 268	10.58 397	0.34 291	0.32 319	0.39 321	0.44 342	0.51 328	0.53 324

GANetREF_RVC	1.11 276	0.90 347	1.56 282	0.88 336	0.53 243	1.41 296	1.35 348	1.91 250	1.54 314	1.28 209	1.32 201	1.46 276	1.23 292	2.04 242	1.00 245	0.57 359	0.45 357	0.67 368	0.52 359	0.91 370	0.62 346
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
Anonymous Stereo	1.42 314	0.90 347	3.93 362	0.81 316	0.83 338	1.06 240	1.90 377	1.81 225	1.52 310	1.75 324	1.44 237	1.28 243	0.87 189	5.94 356	1.94 334	0.38 309	0.39 345	0.38 317	0.41 336	0.45 313	0.50 315

PVD	1.82 345	0.91 351	3.02 347	1.03 362	0.94 353	2.61 368	1.14 330	2.78 373	3.40 387	3.08 383	2.75 362	2.39 361	2.49 376	2.81 290	3.66 364	0.48 344	0.49 368	0.59 366	0.49 354	0.60 347	0.81 366

PWCDC_ROB	1.39 310	0.91 351	2.10 317	1.08 365	0.92 347	1.72 322	0.58 212	2.03 275	3.30 385	1.32 224	4.87 389	1.21 218	1.71 343	1.98 234	1.75 326	0.65 365	0.26 280	0.29 254	0.25 234	0.56 339	0.41 290

PWC_ROB	1.39 310	0.93 353	4.07 364	0.77 308	0.83 338	1.16 258	0.53 180	1.87 239	2.01 354	2.36 359	3.06 369	1.65 304	1.60 331	2.65 284	2.29 345	0.34 291	0.23 254	0.36 311	0.25 234	0.39 287	0.49 312

SQANet	1.38 309	0.95 354	1.37 262	1.89 386	1.47 383	1.44 300	0.81 277	1.89 246	1.13 161	1.34 236	1.26 178	1.28 243	1.02 248	1.64 187	0.91 222	2.55 392	0.35 329	1.47 384	0.56 364	2.48 388	1.74 387

MFN_U_SF_RVC	1.62 332	0.96 355	4.36 368	0.92 347	0.69 303	2.62 369	1.10 323	2.50 354	1.74 335	1.99 347	1.86 321	2.45 362	1.78 349	3.08 297	2.84 354	0.54 354	0.50 369	0.56 361	0.60 370	0.60 347	0.67 351

anonymity	1.14 279	0.98 356	1.24 242	1.09 366	1.13 367	1.08 243	0.90 295	2.02 271	1.23 205	1.32 224	1.27 185	1.27 242	1.09 267	1.16 115	1.03 249	1.02 377	1.01 400	0.97 377	0.97 384	0.98 372	1.01 372

XQC	1.51 323	0.98 356	3.20 350	0.92 347	0.76 322	2.01 349	1.17 334	2.53 358	1.99 353	2.01 348	1.54 264	2.00 338	1.54 328	3.16 299	3.46 362	0.49 346	0.31 309	0.45 337	0.40 332	0.71 361	0.62 346

Consistency-Raft	1.27 305	1.01 358	2.17 322	1.04 363	1.20 375	0.96 225	1.00 315	1.84 231	1.95 351	1.38 251	2.11 340	1.44 271	1.03 250	1.18 119	1.40 290	0.73 370	0.83 386	0.89 375	0.99 387	1.33 381	0.95 371

MaskLacGwcNet_RVC	1.17 284	1.06 359	1.28 248	0.88 336	0.69 303	1.92 343	0.92 300	1.71 204	1.14 167	1.17 148	1.26 178	1.49 281	0.80 161	2.04 242	0.86 211	2.02 387	0.34 324	0.79 372	0.36 323	1.38 383	1.33 383

WZ-Net	2.14 362	1.08 360	11.68 398	0.89 344	0.78 327	1.76 329	1.59 361	2.39 336	2.03 355	2.11 352	1.95 331	2.30 355	2.28 371	5.94 356	3.86 367	0.35 299	0.27 288	0.29 254	0.32 303	0.52 329	0.50 315

PASM	1.48 321	1.08 360	3.96 363	0.93 352	0.93 350	1.17 265	1.19 336	1.77 213	1.65 327	1.90 337	1.52 262	1.75 320	1.42 318	4.54 327	1.52 305	0.64 364	0.68 384	0.69 370	0.79 377	0.70 359	0.74 359

SPS-STEREO	1.78 341	1.09 362	1.52 277	1.22 374	1.14 369	1.87 340	1.11 324	2.27 324	1.70 330	3.17 385	2.39 353	2.84 372	1.93 356	4.41 324	2.93 355	1.04 380	0.99 399	0.97 377	0.94 382	1.03 375	1.05 374
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GASNet	1.13 278	1.10 363	3.29 354	1.00 361	0.68 300	0.82 175	0.67 240	1.85 237	1.38 266	1.39 253	1.25 176	1.25 231	1.20 290	2.72 287	1.62 313	0.46 338	0.26 280	0.36 311	0.34 317	0.55 338	0.33 253

MFN_U_SF_DS_RVC	1.80 343	1.11 364	4.33 367	0.84 328	0.77 323	3.70 386	2.41 397	2.04 277	1.85 345	1.75 324	1.90 325	1.92 328	1.25 296	7.33 380	1.45 295	0.47 342	0.47 362	0.53 353	0.77 376	0.50 326	0.55 331

AnonymousM	0.63 102	1.14 365	0.43 5	0.46 14	0.32 97	0.43 13	0.46 139	1.27 122	0.78 42	1.00 91	0.66 22	0.68 66	0.45 29	0.61 14	0.46 77	0.21 121	0.16 139	1.84 388	0.98 385	0.15 4	0.15 3

EDNetEfficient	2.40 371	1.14 365	8.59 387	0.77 308	0.73 310	1.06 240	1.53 357	1.54 164	4.06 393	4.87 400	2.81 363	2.23 349	3.53 390	3.04 296	9.65 395	0.27 242	0.24 262	0.27 234	0.31 298	0.70 359	0.67 351

otaku	1.67 334	1.18 367	1.56 282	2.27 389	1.59 384	1.98 346	1.23 341	2.23 317	1.37 264	1.48 286	1.63 287	1.73 315	1.23 292	1.85 214	1.09 253	2.96 395	0.58 378	1.74 385	0.61 371	2.94 394	2.15 391

NVStereoNet_ROB	2.17 364	1.18 367	3.51 357	1.14 371	1.26 378	1.57 311	1.51 354	2.19 312	2.11 359	2.04 349	4.80 387	3.17 378	2.11 366	7.97 387	2.10 337	1.12 383	0.94 396	1.10 382	1.34 394	0.95 371	1.31 381
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MFMNet_re	1.47 319	1.20 369	2.50 334	1.46 382	1.08 363	1.58 312	1.51 354	1.96 262	1.87 346	2.31 358	2.20 344	1.51 285	1.88 354	1.57 172	1.34 283	0.94 375	0.83 386	0.84 374	0.80 378	1.00 373	1.06 375

Ntro	1.72 340	1.21 370	1.62 286	2.54 394	1.86 386	2.09 354	1.14 330	2.08 285	1.38 266	1.23 182	1.62 283	1.62 299	1.33 308	2.04 242	1.21 267	3.09 396	0.56 375	1.82 387	0.65 372	2.97 397	2.25 393

UDGNet	0.75 159	1.23 371	0.99 175	0.82 320	0.42 188	0.76 152	0.38 69	0.98 31	1.37 264	0.83 63	0.88 61	0.70 73	0.60 100	1.25 124	0.57 138	0.57 359	0.19 199	1.03 380	0.26 245	0.79 366	0.35 268

ADCS	2.35 367	1.26 372	6.54 377	0.85 330	0.77 323	2.18 355	1.79 371	2.47 349	2.20 361	2.80 373	2.14 343	2.38 359	2.09 363	2.81 290	13.83 406	0.43 326	0.41 348	0.40 327	0.45 345	0.59 344	0.67 351

LSM	6.55 402	1.26 372	15.64 404	1.79 384	68.74 433	1.67 321	2.08 384	2.26 320	2.59 369	3.13 384	3.08 370	1.90 324	1.81 350	2.89 293	2.16 340	0.43 326	0.59 379	0.50 347	0.58 366	0.64 352	17.24 423

SGM+DAISY	5.38 397	1.28 374	8.24 383	1.27 375	1.16 373	10.62 409	16.01 414	2.93 377	2.53 367	8.64 412	13.03 411	8.26 404	13.38 411	6.34 366	7.59 387	1.07 381	1.05 402	1.00 379	0.98 385	1.02 374	1.12 378

MSC_U_SF_DS_RVC	2.22 365	1.29 375	4.14 365	1.10 367	0.78 327	5.00 400	2.38 396	2.47 349	2.67 376	1.94 343	2.28 348	2.66 369	1.70 341	9.10 394	2.29 345	0.68 369	0.52 370	0.68 369	0.71 374	1.17 379	0.81 366

CC-Net-ROB	1.53 324	1.31 376	1.68 289	0.92 347	0.80 331	1.75 328	0.99 313	2.04 277	1.27 222	1.12 124	1.62 283	1.20 217	0.98 231	7.82 385	0.92 226	1.15 385	0.41 348	2.20 389	0.46 347	1.37 382	0.56 333

ACVNet-4b	3.05 386	1.42 377	18.09 410	2.85 396	2.33 397	2.32 363	1.22 339	2.47 349	2.21 362	1.26 199	2.36 352	2.64 368	1.46 322	6.32 365	1.23 271	3.29 399	0.45 357	2.37 393	1.02 390	3.03 398	2.61 398

Wz-Net-SNSev	1.68 336	1.45 378	8.71 388	0.71 275	0.67 299	1.35 287	1.51 354	2.15 300	1.47 302	1.51 289	1.68 294	2.27 352	1.38 313	4.23 320	2.36 347	0.32 281	0.29 300	0.31 267	0.33 312	0.43 301	0.39 283

AnyNet_C32	2.14 362	1.45 378	7.38 381	0.95 357	1.12 364	2.23 356	2.34 393	2.10 289	1.54 314	2.44 362	1.79 308	2.04 346	1.66 338	2.69 285	10.48 396	0.38 309	0.35 329	0.35 301	0.42 337	0.50 326	0.60 344

ACVNet_2	2.86 382	1.47 380	8.28 384	2.68 395	2.26 394	2.70 370	1.84 376	3.41 382	3.04 381	2.27 357	3.42 374	4.58 386	2.10 364	5.91 354	1.62 313	2.58 393	0.67 382	2.22 390	0.85 380	2.79 391	2.47 396

ACVNet_1	3.08 387	1.48 381	17.70 406	2.90 399	2.35 398	2.30 360	1.43 352	3.16 380	2.26 364	1.91 338	2.05 337	3.51 379	2.32 372	3.71 314	1.58 309	3.25 398	0.66 381	2.40 397	1.06 391	3.07 399	2.59 397

EDNetEfficientorigin	10.59 410	1.52 382	177.33 436	0.68 253	0.54 250	1.66 320	1.20 338	1.94 256	3.39 386	4.69 398	3.37 372	3.08 376	2.79 381	3.25 303	3.63 363	0.26 225	0.24 262	0.33 287	0.28 268	0.85 367	0.87 369

WAO-7	2.78 377	1.54 383	2.18 323	1.41 380	1.19 374	3.92 392	2.01 381	4.19 392	3.89 392	2.98 379	5.47 392	4.18 384	3.28 386	8.24 390	4.27 368	1.13 384	1.01 400	1.18 383	1.13 393	1.19 380	1.13 379

RTS	2.76 375	1.55 384	15.40 401	1.13 368	1.42 380	3.75 389	2.21 387	2.45 344	2.72 377	2.91 377	2.85 365	2.58 366	1.62 332	6.28 363	5.80 379	0.41 321	0.30 304	0.35 301	0.35 321	0.52 329	0.54 325

RTSA	2.76 375	1.55 384	15.40 401	1.13 368	1.42 380	3.75 389	2.21 387	2.45 344	2.72 377	2.91 377	2.85 365	2.58 366	1.62 332	6.28 363	5.80 379	0.41 321	0.30 304	0.35 301	0.35 321	0.52 329	0.54 325

Dean	3.77 391	1.65 386	17.87 407	3.01 401	2.54 400	3.15 380	2.10 385	4.80 398	4.42 395	2.89 376	6.03 393	5.45 393	2.55 379	3.40 308	2.13 338	3.22 397	0.89 393	2.51 400	1.07 392	3.07 399	2.65 401

WAO-6	2.98 385	1.67 387	1.88 303	2.38 393	2.30 396	3.53 385	2.37 394	4.38 395	4.64 398	2.42 360	4.50 382	4.85 389	2.99 382	5.22 338	5.37 377	1.77 386	1.16 406	2.31 392	1.47 400	2.42 387	1.99 390

LVE	3.40 390	1.80 388	2.21 325	2.90 399	2.44 399	3.27 384	2.25 389	4.80 398	5.06 399	2.43 361	6.79 396	5.99 395	2.64 380	9.20 396	2.28 343	3.30 400	1.11 405	2.38 394	1.48 401	2.95 396	2.62 399

RainbowNet	2.06 357	1.86 389	1.97 311	2.86 397	2.25 393	2.03 350	1.79 371	2.77 371	1.92 348	1.54 297	1.84 316	1.95 334	1.73 345	2.23 259	1.38 289	3.40 402	0.86 391	2.39 396	1.00 388	2.94 394	2.42 395

IMH-64-1	2.82 379	1.87 390	1.77 293	3.31 404	2.69 401	3.22 382	2.07 382	4.25 393	2.77 379	2.46 364	3.78 378	3.05 374	2.34 373	4.67 331	3.00 357	3.84 406	0.84 389	2.75 403	1.39 395	3.34 402	2.93 403

IMH-64	2.82 379	1.87 390	1.77 293	3.31 404	2.69 401	3.22 382	2.07 382	4.25 393	2.77 379	2.46 364	3.78 378	3.05 374	2.34 373	4.67 331	3.00 357	3.84 406	0.84 389	2.75 403	1.39 395	3.34 402	2.93 403

IMH	3.35 389	1.95 392	1.86 302	3.30 403	2.72 403	4.03 395	2.00 378	4.58 397	3.83 391	2.87 375	6.99 398	4.69 387	3.21 385	6.77 374	2.97 356	3.91 409	0.89 393	2.78 405	1.40 399	3.36 404	2.93 403

WAO-8	4.57 395	2.01 393	2.58 337	2.37 391	2.21 391	9.75 406	1.71 365	6.04 406	16.34 411	4.11 390	7.69 403	7.41 397	3.85 392	10.02 409	3.85 365	2.05 388	1.09 403	2.44 398	1.39 395	2.56 389	1.86 388

Venus	4.57 395	2.01 393	2.58 337	2.37 391	2.21 391	9.75 406	1.71 365	6.04 406	16.34 411	4.11 390	7.69 403	7.41 397	3.85 392	10.02 409	3.85 365	2.05 388	1.09 403	2.44 398	1.39 395	2.56 389	1.86 388

TorneroNet	10.72 411	2.09 395	2.76 342	3.48 406	3.03 406	44.72 428	2.31 391	8.62 411	67.06 437	7.45 410	23.21 421	10.59 411	4.28 397	9.03 393	9.00 391	3.67 404	0.91 395	3.04 407	1.63 403	3.92 407	3.55 409

TorneroNet-64	5.41 398	2.10 396	2.43 332	3.49 407	2.83 404	9.90 408	2.13 386	8.87 412	16.79 416	5.39 404	9.18 407	10.68 412	3.92 395	9.55 400	5.11 375	3.36 401	0.86 391	2.88 406	1.62 402	3.76 405	3.37 406

KSHMR	8.76 409	2.14 397	3.59 358	3.60 409	3.13 407	4.15 396	2.67 399	5.61 404	58.90 436	3.04 381	55.71 436	4.94 390	2.54 378	4.61 330	3.05 359	3.49 403	1.57 410	3.14 408	1.98 407	3.84 406	3.49 407

AnyNet_C01	2.38 369	2.21 398	10.17 392	0.99 360	0.79 329	3.12 379	2.37 394	2.69 368	1.89 347	2.58 369	2.44 356	2.70 370	1.86 353	3.65 311	7.12 385	0.41 321	0.41 348	0.40 327	0.42 337	0.68 357	0.79 364

PWCK	3.24 388	2.37 399	10.86 394	2.14 388	1.14 369	3.71 387	4.19 405	3.02 379	3.55 389	3.05 382	3.63 376	3.09 377	2.35 375	8.16 389	3.41 361	2.17 390	0.96 397	1.77 386	1.01 389	2.84 392	1.40 384

coex-ft	8.35 407	2.39 400	100.24 435	0.68 253	0.54 250	1.77 331	1.57 360	1.71 204	11.00 406	18.91 421	3.76 377	3.85 382	8.23 408	3.29 305	6.58 382	0.31 274	0.31 309	0.32 279	0.31 298	0.69 358	0.57 336

ktn	4.56 394	2.41 401	2.54 335	3.79 411	3.25 408	4.81 399	2.91 402	5.52 402	7.36 403	4.12 392	14.55 413	7.54 400	3.70 391	7.84 386	3.35 360	4.06 410	1.86 411	3.26 411	2.22 410	3.27 401	2.86 402

notaker	4.29 393	2.42 402	5.06 371	3.89 412	3.29 410	4.00 393	2.25 389	4.93 400	3.47 388	4.21 395	6.79 396	7.67 401	3.37 388	9.25 398	6.47 381	4.09 411	1.42 408	3.35 412	2.13 409	4.11 409	3.54 408

JetBlue	4.18 392	2.45 403	10.42 393	1.40 377	2.89 405	10.68 410	10.68 408	3.91 389	2.52 366	2.74 371	3.39 373	4.50 385	4.27 396	7.97 387	7.67 388	0.89 373	0.97 398	0.89 375	0.92 381	2.26 386	2.21 392

UNDER WATER	5.68 400	2.46 404	15.52 403	3.98 414	3.53 411	5.15 401	2.74 400	5.58 403	16.41 414	4.00 388	4.56 383	9.12 406	6.43 404	6.22 361	9.11 392	3.85 408	1.35 407	3.18 410	1.98 407	4.51 412	3.84 412

UNDER WATER-64	5.84 401	2.48 405	17.93 408	3.97 413	3.58 412	7.70 405	3.03 403	5.72 405	14.13 408	4.18 394	4.00 380	9.27 407	6.80 405	6.20 360	9.22 393	3.67 404	1.52 409	3.14 408	1.95 405	4.43 411	3.83 411

UDG	1.47 319	2.69 406	1.13 208	1.45 381	1.65 385	1.34 286	0.79 273	1.75 211	1.27 222	1.29 213	1.74 302	1.99 337	1.39 315	1.66 189	1.51 303	0.91 374	0.55 374	2.30 391	0.76 375	1.99 384	1.20 380

DDUNet	1.56 327	2.70 407	1.35 257	1.79 384	1.88 387	1.82 336	0.91 298	1.84 231	1.20 190	1.40 259	1.79 308	1.62 299	1.17 281	1.59 178	1.22 268	1.11 382	0.76 385	2.38 394	0.94 382	2.12 385	1.53 385

Wz-Net-TNSev	2.10 359	2.71 408	9.30 389	0.72 280	0.65 292	2.41 364	1.81 375	2.45 344	1.77 336	1.62 312	1.56 272	2.56 365	2.01 358	5.30 339	4.46 370	0.41 321	0.38 340	0.33 287	0.37 327	0.54 336	0.64 349

DispFullNet	2.39 370	2.89 409	3.74 360	3.09 402	2.27 395	2.04 351	0.84 284	2.19 312	1.73 334	2.54 367	1.98 332	2.23 349	5.83 401	3.44 309	1.84 331	1.03 378	0.33 322	2.65 402	1.97 406	2.87 393	2.34 394

MADNet++	5.41 398	3.18 410	6.43 376	4.66 416	3.95 414	6.15 403	6.75 407	4.51 396	4.51 397	5.06 402	6.27 394	4.96 391	6.14 402	9.39 399	11.70 398	4.71 412	4.19 415	3.97 414	3.33 412	4.08 408	4.25 413

MADNet+	2.80 378	3.38 411	11.57 397	1.50 383	1.21 377	3.18 381	2.00 378	3.52 386	2.61 370	1.81 330	2.09 339	2.83 371	2.18 370	7.55 383	5.44 378	0.84 371	0.83 386	0.71 371	0.66 373	1.05 376	1.08 376

HanzoNet	11.92 412	5.12 412	17.18 405	4.19 415	3.59 413	5.16 402	2.82 401	7.41 409	9.96 405	33.31 432	27.60 423	22.25 422	37.31 427	18.18 417	13.57 401	8.13 417	3.44 414	3.50 413	3.44 413	7.77 419	4.52 414

FADE		6.16 413		1.90 387	1.95 388													122.45 435		1.14 378

SPstereo	26.71 421	6.90 414	11.42 396	5.86 417	6.44 415	48.17 429	80.34 436	67.41 437	34.42 432	28.80 430	27.49 422	43.68 434	37.53 431	44.96 436	54.23 437	5.06 415	4.92 416	10.92 422	6.03 415	4.54 413	5.00 416

DGTPSM_ROB	13.06 413	8.27 415	22.29 413	9.53 419	18.14 417	11.53 411	31.97 421	10.82 414	16.25 409	7.14 407	19.39 419	10.12 409	16.69 415	9.85 404	22.49 416	4.77 413	8.72 417	5.37 415	10.24 419	6.15 416	11.56 417

DPSMNet_ROB	13.08 414	8.28 416	22.32 414	9.54 420	18.15 418	11.53 411	31.98 422	10.83 415	16.27 410	7.17 408	19.40 420	10.12 409	16.69 415	9.87 405	22.50 417	4.78 414	8.72 417	5.38 416	10.25 420	6.16 417	11.59 418

JetRed	7.02 404	8.94 417	25.72 418	2.89 398	3.27 409	14.25 414	12.27 411	6.69 408	4.45 396	4.46 396	4.56 383	6.65 396	5.43 399	7.46 382	14.41 408	2.60 394	3.31 412	2.61 401	2.30 411	4.34 410	3.79 410

DPSimNet_ROB	24.77 420	9.69 418	61.46 433	3.56 408	19.46 419	25.95 418	77.56 435	5.09 401	16.60 415	21.50 422	29.82 425	25.12 425	85.69 437	13.37 415	23.07 419	7.23 416	17.79 424	8.55 418	7.57 417	4.57 414	31.84 430

ASD4	17.95 415	11.38 419	20.07 411	11.32 421	12.21 416	21.39 417	31.23 420	22.73 419	12.78 407	12.19 414	12.67 410	13.79 413	14.32 413	20.13 418	25.17 420	18.93 423	15.37 423	28.00 429	22.52 429	17.63 422	15.21 422

Anonymous_1	42.79 431	18.71 420	24.75 415	21.81 422	45.16 432	27.68 419	37.52 423	28.64 423	16.34 411	14.72 417	14.53 412	20.60 416	17.82 417	21.52 419	25.88 421	113.45 437	8.91 419	100.63 434	126.37 434	158.50 438	12.31 419

DPSM_ROB	19.12 416	19.13 421	25.13 416	22.15 423	20.86 421	28.06 420	37.75 424	27.18 421	16.95 417	14.25 415	15.07 414	21.66 417	18.69 418	21.83 420	26.51 422	10.15 420	9.30 420	10.45 420	10.41 421	14.00 420	12.85 420

DPSM	19.12 416	19.13 421	25.13 416	22.15 423	20.86 421	28.06 420	37.75 424	27.18 421	16.95 417	14.25 415	15.07 414	21.66 417	18.69 418	21.83 420	26.51 422	10.15 420	9.30 420	10.45 420	10.41 421	14.00 420	12.85 420

BEATNet-Init1	27.39 422	21.01 423	73.65 434	1.07 364	0.80 331	56.07 430	22.82 416	33.14 428	31.71 425	51.78 436	52.93 435	65.63 436	48.54 435	48.75 437	36.36 427	0.52 352	0.47 362	0.54 354	0.54 362	0.64 352	0.72 357

xxxxx1	54.34 434	26.72 424	27.03 419	114.14 435	99.00 435	30.68 424	47.19 426	32.52 425	26.09 420	17.85 418	17.48 416	21.86 419	20.92 420	24.38 423	33.78 424	34.73 431	41.33 432	157.67 436	175.68 435	65.82 434	71.99 435

tt_ll	54.34 434	26.72 424	27.03 419	114.14 435	99.00 435	30.68 424	47.19 426	32.52 425	26.09 420	17.85 418	17.48 416	21.86 419	20.92 420	24.38 423	33.78 424	34.73 431	41.33 432	157.67 436	175.68 435	65.82 434	71.99 435

ff	54.34 434	26.72 424	27.03 419	114.14 435	99.00 435	30.68 424	47.19 426	32.52 425	26.09 420	17.85 418	17.48 416	21.86 419	20.92 420	24.38 423	33.78 424	34.73 431	41.33 432	157.67 436	175.68 435	65.82 434	71.99 435

LRCNet_RVC	22.79 418	32.09 427	22.06 412	29.83 425	26.15 423	4.40 398	0.84 284	22.64 418	2.10 358	26.93 424	29.25 424	23.03 424	15.56 414	23.91 422	18.92 413	32.00 430	20.04 431	34.68 430	32.13 430	30.66 430	28.52 429

PML	51.64 433	37.49 428	14.31 400	7.45 418	20.27 420	107.80 437	231.34 438	8.94 413	27.70 424	86.74 437	268.93 438	69.03 437	61.09 436	24.71 426	14.36 407	9.71 419	3.40 413	9.60 419	4.67 414	20.46 423	4.76 415

CasAABBNet	38.42 423	38.42 429	50.26 427	44.76 430	41.87 427	56.47 434	76.22 430	54.44 434	33.92 427	28.53 425	30.36 427	43.53 433	37.59 432	43.77 433	53.32 432	20.27 424	18.70 426	21.03 426	21.04 424	28.19 424	25.79 424

Selective-RAFT-Error	38.47 427	38.44 430	50.38 431	44.74 429	42.01 428	56.47 434	76.24 431	54.44 434	34.02 428	28.59 426	30.30 426	43.51 432	38.10 433	43.69 429	53.24 431	20.36 428	18.72 427	21.05 427	21.02 423	28.25 428	25.87 425

MyStereo03	38.45 424	38.46 431	50.33 428	44.93 431	42.03 429	56.44 431	76.24 431	54.16 431	34.06 429	28.68 427	30.42 428	43.46 429	37.33 428	43.76 430	53.43 433	20.29 425	18.73 428	21.02 423	21.05 425	28.19 424	25.91 426

MyStereo02	38.45 424	38.46 431	50.33 428	44.93 431	42.03 429	56.44 431	76.24 431	54.16 431	34.06 429	28.68 427	30.42 428	43.46 429	37.33 428	43.76 430	53.43 433	20.29 425	18.73 428	21.02 423	21.05 425	28.19 424	25.91 426

MyStereo	38.45 424	38.46 431	50.33 428	44.93 431	42.03 429	56.44 431	76.24 431	54.16 431	34.06 429	28.68 427	30.42 428	43.46 429	37.33 428	43.76 430	53.43 433	20.29 425	18.73 428	21.02 423	21.05 425	28.19 424	25.91 426

LSM0	42.92 432	38.72 434	50.66 432	47.49 434	110.18 438	56.77 436	75.87 429	54.87 436	33.74 426	29.48 431	31.12 431	43.77 435	37.12 426	43.85 434	53.44 436	20.50 429	18.67 425	21.05 427	21.07 428	28.37 429	41.73 431

HaxPig	39.02 428	41.39 435	41.59 423	30.10 426	32.36 424	29.49 422	27.65 418	30.56 424	37.94 433	43.75 433	43.81 432	33.42 426	35.69 424	41.51 427	40.33 429	43.91 434	47.48 436	45.87 431	47.14 432	42.29 431	44.06 433

AVERAGE_ROB	40.42 429	42.30 436	42.61 424	36.91 428	35.54 426	30.42 423	27.59 417	37.45 430	38.45 434	44.87 434	44.27 433	37.55 428	36.69 425	41.82 428	40.25 428	45.36 435	46.73 435	47.09 432	46.32 431	42.47 432	43.74 432

MEDIAN_ROB	42.01 430	44.30 437	44.14 426	35.08 427	34.90 425	31.33 427	29.90 419	36.77 429	40.11 435	47.14 435	46.55 434	37.49 427	38.50 434	44.30 435	42.32 430	47.93 436	49.31 437	49.68 433	49.00 433	44.98 433	46.46 434

DLNR_Zeroshot_test	23.23 419	48.25 438	43.77 425	177.04 438	78.39 434	0.35 5	0.21 1	23.33 420	0.82 53	0.67 42	0.86 56	0.58 44	0.30 4	1.64 187	0.48 89	10.69 422	0.13 17	0.18 33	0.14 22	76.63 437	0.23 123

test_example2	192.91 437	210.59 439	206.44 437	199.86 439	204.90 439	172.02 438	182.95 437	138.34 438	134.89 438	193.14 438	200.54 437	186.77 438	177.82 438	204.95 438	207.57 438	221.83 438	238.70 438	186.02 439	190.07 438	226.94 439	173.78 438

Low-res two-view benchmark