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

IGEV-Stereo+	0.12 2	0.08 3	0.17 2	0.18 12	0.13 162	0.09 1	0.11 3	0.16 1	0.15 2	0.10 1	0.08 1	0.10 2	0.10 10	0.21 64	0.11 1	0.07 22	0.05 7	0.06 1	0.05 11	0.16 344	0.24 410

CroCo-Stereo Lap2	0.15 36	0.15 232	0.28 51	0.25 292	0.18 312	0.11 2	0.19 157	0.28 54	0.21 39	0.13 7	0.16 27	0.15 41	0.12 30	0.17 17	0.14 59	0.07 22	0.07 183	0.08 88	0.06 33	0.08 101	0.07 85

CroCo-Stereo	0.14 17	0.13 164	0.24 21	0.25 292	0.11 53	0.11 2	0.18 120	0.32 98	0.23 63	0.12 4	0.12 4	0.18 63	0.12 30	0.14 2	0.13 35	0.08 119	0.06 83	0.07 21	0.05 11	0.07 51	0.06 28
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
IGEV-Stereo++	0.11 1	0.08 3	0.15 1	0.19 36	0.11 53	0.14 4	0.10 1	0.22 8	0.18 11	0.10 1	0.13 10	0.10 2	0.11 18	0.14 2	0.11 1	0.06 1	0.05 7	0.06 1	0.05 11	0.06 8	0.05 1

DLNR_Zeroshot_test	10.44 471	12.10 478	19.93 478	106.08 486	23.66 483	0.14 4	0.13 9	3.22 467	0.17 8	0.16 39	0.23 79	0.16 50	0.10 10	0.31 189	0.15 75	2.36 466	0.06 83	0.07 21	0.07 67	39.70 484	0.06 28

RAStereo	0.13 6	0.12 106	0.27 40	0.22 171	0.11 53	0.15 6	0.18 120	0.23 16	0.23 63	0.13 7	0.17 30	0.11 6	0.09 4	0.15 5	0.13 35	0.08 119	0.06 83	0.08 88	0.06 33	0.07 51	0.05 1

Occ-G	0.13 6	0.08 3	0.21 8	0.17 6	0.10 28	0.15 6	0.19 157	0.22 8	0.19 16	0.13 7	0.19 42	0.21 95	0.11 18	0.17 17	0.14 59	0.07 22	0.06 83	0.07 21	0.06 33	0.07 51	0.06 28

rvit_stereo_0080	0.15 36	0.13 164	0.25 27	0.19 36	0.13 162	0.15 6	0.20 198	0.28 54	0.24 75	0.15 22	0.17 30	0.19 77	0.13 54	0.19 41	0.15 75	0.11 266	0.08 260	0.08 88	0.08 136	0.10 218	0.07 85

IGEV-BASED-STEREO-	0.20 134	0.72 436	0.70 361	0.17 6	0.08 3	0.15 6	0.15 36	0.18 2	0.16 4	0.13 7	0.12 4	0.09 1	0.08 1	0.16 10	0.13 35	0.35 427	0.04 1	0.08 88	0.07 67	0.11 262	0.23 405

IGEV++	0.13 6	0.10 36	0.23 16	0.21 117	0.10 28	0.15 6	0.15 36	0.29 65	0.16 4	0.12 4	0.15 22	0.12 8	0.12 30	0.17 17	0.14 59	0.07 22	0.06 83	0.07 21	0.05 11	0.07 51	0.07 85

whm_eth	0.15 36	0.13 164	0.25 27	0.19 36	0.13 162	0.15 6	0.20 198	0.28 54	0.24 75	0.15 22	0.17 30	0.19 77	0.13 54	0.19 41	0.15 75	0.11 266	0.08 260	0.08 88	0.08 136	0.10 218	0.07 85

MIF-Stereo (partial)	0.16 47	0.10 36	0.34 106	0.21 117	0.15 248	0.15 6	0.13 9	0.28 54	0.25 86	0.17 48	0.26 105	0.15 41	0.16 95	0.25 114	0.17 124	0.09 191	0.06 83	0.10 219	0.08 136	0.09 163	0.08 142

Selective-IGEV	0.12 2	0.09 15	0.22 13	0.19 36	0.10 28	0.15 6	0.14 20	0.27 40	0.15 2	0.13 7	0.14 20	0.13 17	0.08 1	0.21 64	0.12 11	0.06 1	0.05 7	0.07 21	0.06 33	0.06 8	0.05 1

rvit_stereo_0081	0.16 47	0.11 82	0.24 21	0.21 117	0.12 95	0.16 14	0.17 85	0.22 8	0.33 179	0.16 39	0.18 37	0.18 63	0.14 69	0.20 48	0.16 96	0.11 266	0.08 260	0.09 151	0.08 136	0.09 163	0.07 85

rvit_stereo_0082	0.16 47	0.11 82	0.24 21	0.21 117	0.12 95	0.16 14	0.17 85	0.22 8	0.33 179	0.16 39	0.18 37	0.18 63	0.14 69	0.20 48	0.16 96	0.11 266	0.08 260	0.09 151	0.08 136	0.09 163	0.07 85

AIO-Stereo	0.13 6	0.10 36	0.22 13	0.20 79	0.09 10	0.16 14	0.15 36	0.27 40	0.16 4	0.13 7	0.15 22	0.13 17	0.08 1	0.18 30	0.11 1	0.06 1	0.05 7	0.07 21	0.07 67	0.06 8	0.06 28

RSM	0.12 2	0.09 15	0.20 6	0.20 79	0.09 10	0.16 14	0.15 36	0.23 16	0.18 11	0.13 7	0.13 10	0.15 41	0.09 4	0.21 64	0.12 11	0.06 1	0.05 7	0.07 21	0.07 67	0.06 8	0.05 1

MoCha-V2	0.13 6	0.08 3	0.26 32	0.23 214	0.09 10	0.16 14	0.15 36	0.26 30	0.16 4	0.15 22	0.15 22	0.13 17	0.14 69	0.20 48	0.11 1	0.06 1	0.07 183	0.06 1	0.06 33	0.06 8	0.05 1

plain	0.17 61	0.13 164	0.43 224	0.21 117	0.13 162	0.16 14	0.17 85	0.27 40	0.22 48	0.16 39	0.26 105	0.13 17	0.16 95	0.27 145	0.16 96	0.08 119	0.06 83	0.10 219	0.07 67	0.10 218	0.07 85

MaDis-Stereo	0.14 17	0.13 164	0.26 32	0.19 36	0.14 203	0.16 14	0.13 9	0.25 27	0.21 39	0.13 7	0.14 20	0.14 33	0.11 18	0.17 17	0.17 124	0.08 119	0.07 183	0.08 88	0.06 33	0.07 51	0.06 28

CASnet	0.14 17	0.12 106	0.22 13	0.22 171	0.08 3	0.16 14	0.15 36	0.27 40	0.25 86	0.22 83	0.20 58	0.15 41	0.11 18	0.17 17	0.13 35	0.07 22	0.05 7	0.11 271	0.09 219	0.08 101	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
rvit_stereo_0083	0.16 47	0.12 106	0.26 32	0.21 117	0.13 162	0.17 22	0.17 85	0.22 8	0.34 188	0.16 39	0.21 69	0.19 77	0.16 95	0.21 64	0.16 96	0.11 266	0.10 312	0.10 219	0.08 136	0.09 163	0.07 85

rvit_stereo_ft	0.17 61	0.14 202	0.30 67	0.25 292	0.14 203	0.17 22	0.21 227	0.28 54	0.26 95	0.16 39	0.19 42	0.20 84	0.16 95	0.22 74	0.17 124	0.11 266	0.07 183	0.09 151	0.09 219	0.09 163	0.07 85

RSM++	0.12 2	0.09 15	0.19 3	0.20 79	0.09 10	0.17 22	0.15 36	0.21 6	0.19 16	0.12 4	0.12 4	0.14 33	0.09 4	0.20 48	0.12 11	0.06 1	0.05 7	0.07 21	0.07 67	0.07 51	0.05 1

CAS++	0.16 47	0.12 106	0.27 40	0.18 12	0.12 95	0.17 22	0.15 36	0.42 214	0.24 75	0.19 66	0.18 37	0.13 17	0.10 10	0.21 64	0.12 11	0.12 300	0.10 312	0.11 271	0.08 136	0.10 218	0.09 196
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
UniTT-Stereo	0.14 17	0.10 36	0.30 67	0.21 117	0.13 162	0.17 22	0.13 9	0.19 3	0.18 11	0.15 22	0.20 58	0.10 2	0.11 18	0.18 30	0.16 96	0.08 119	0.06 83	0.07 21	0.06 33	0.08 101	0.06 28

MIM_Stereo	0.18 82	0.12 106	0.38 163	0.20 79	0.11 53	0.17 22	0.14 20	0.35 139	0.25 86	0.27 128	0.35 196	0.23 124	0.13 54	0.27 145	0.16 96	0.06 1	0.07 183	0.08 88	0.08 136	0.08 101	0.06 28

GLC_STEREO	0.15 36	0.10 36	0.24 21	0.21 117	0.09 10	0.17 22	0.15 36	0.23 16	0.27 105	0.17 48	0.20 58	0.17 55	0.11 18	0.23 83	0.16 96	0.07 22	0.09 292	0.09 151	0.08 136	0.07 51	0.06 28

PFNet+	0.20 134	0.10 36	0.37 144	0.21 117	0.12 95	0.17 22	0.19 157	0.29 65	0.34 188	0.33 242	0.32 159	0.24 136	0.16 95	0.32 195	0.17 124	0.10 235	0.07 183	0.11 271	0.10 253	0.08 101	0.12 299

rvit_0105_6	0.19 120	0.14 202	0.34 106	0.23 214	0.14 203	0.18 30	0.20 198	0.29 65	0.37 221	0.18 61	0.22 76	0.23 124	0.17 120	0.26 129	0.17 124	0.15 352	0.13 360	0.13 324	0.11 288	0.11 262	0.08 142

MGS-Stereo	0.14 17	0.11 82	0.32 86	0.19 36	0.11 53	0.18 30	0.17 85	0.20 4	0.22 48	0.14 18	0.24 90	0.15 41	0.10 10	0.18 30	0.12 11	0.07 22	0.06 83	0.07 21	0.06 33	0.10 218	0.06 28

HH	0.18 82	0.12 106	0.55 307	0.22 171	0.12 95	0.18 30	0.18 120	0.34 119	0.19 16	0.20 69	0.24 90	0.34 246	0.18 143	0.29 172	0.12 11	0.07 22	0.05 7	0.07 21	0.07 67	0.07 51	0.06 28

HanStereo	0.18 82	0.12 106	0.55 307	0.22 171	0.12 95	0.18 30	0.18 120	0.34 119	0.19 16	0.20 69	0.24 90	0.34 246	0.18 143	0.29 172	0.12 11	0.07 22	0.05 7	0.07 21	0.07 67	0.07 51	0.06 28

CES	0.14 17	0.08 3	0.19 3	0.17 6	0.22 367	0.18 30	0.16 58	0.23 16	0.19 16	0.14 18	0.17 30	0.14 33	0.10 10	0.18 30	0.12 11	0.07 22	0.05 7	0.06 1	0.04 1	0.08 101	0.18 369

MC-Stereo	0.14 17	0.09 15	0.25 27	0.21 117	0.09 10	0.18 30	0.16 58	0.23 16	0.19 16	0.18 61	0.23 79	0.16 50	0.13 54	0.22 74	0.13 35	0.07 22	0.05 7	0.07 21	0.07 67	0.06 8	0.05 1

DisPM	0.19 120	0.10 36	0.35 116	0.23 214	0.13 162	0.18 30	0.20 198	0.29 65	0.29 137	0.33 242	0.34 185	0.23 124	0.16 95	0.33 201	0.16 96	0.09 191	0.06 83	0.09 151	0.08 136	0.07 51	0.11 278

test_4	0.18 82	0.12 106	0.34 106	0.23 214	0.12 95	0.18 30	0.22 249	0.26 30	0.24 75	0.24 100	0.47 322	0.22 104	0.13 54	0.24 89	0.16 96	0.06 1	0.05 7	0.09 151	0.09 219	0.07 51	0.05 1

test-3	0.16 47	0.09 15	0.31 80	0.21 117	0.11 53	0.18 30	0.16 58	0.30 81	0.27 105	0.26 119	0.16 27	0.22 104	0.12 30	0.26 129	0.18 143	0.06 1	0.04 1	0.08 88	0.08 136	0.06 8	0.06 28

test_1	0.16 47	0.09 15	0.31 80	0.21 117	0.11 53	0.18 30	0.16 58	0.30 81	0.27 105	0.25 108	0.16 27	0.22 104	0.12 30	0.26 129	0.18 143	0.06 1	0.04 1	0.08 88	0.08 136	0.06 8	0.06 28

Patchmatch Stereo++	0.18 82	0.12 106	0.37 144	0.22 171	0.10 28	0.18 30	0.14 20	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.17 120	0.26 129	0.16 96	0.08 119	0.06 83	0.10 219	0.08 136	0.10 218	0.08 142
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.18 82	0.12 106	0.37 144	0.22 171	0.10 28	0.18 30	0.16 58	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.18 143	0.24 89	0.16 96	0.08 119	0.06 83	0.10 219	0.08 136	0.10 218	0.08 142

ROB_FTStereo_v2	0.18 82	0.12 106	0.37 144	0.22 171	0.10 28	0.18 30	0.16 58	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.17 120	0.24 89	0.16 96	0.08 119	0.06 83	0.10 219	0.08 136	0.10 218	0.08 142

ROB_FTStereo	0.18 82	0.12 106	0.37 144	0.22 171	0.10 28	0.18 30	0.14 20	0.29 65	0.22 48	0.28 138	0.28 115	0.25 143	0.17 120	0.24 89	0.16 96	0.08 119	0.06 83	0.10 219	0.08 136	0.10 218	0.08 142

HUI-Stereo	0.18 82	0.12 106	0.37 144	0.22 171	0.10 28	0.18 30	0.14 20	0.29 65	0.22 48	0.28 138	0.28 115	0.25 143	0.17 120	0.22 74	0.16 96	0.08 119	0.06 83	0.10 219	0.08 136	0.10 218	0.08 142

RAFT_R40	0.21 151	0.10 36	0.37 144	0.24 256	0.13 162	0.18 30	0.18 120	0.31 89	0.29 137	0.33 242	0.33 178	0.30 213	0.24 214	0.55 286	0.18 143	0.08 119	0.05 7	0.10 219	0.08 136	0.08 101	0.07 85

iGMRVC	0.18 82	0.12 106	0.37 144	0.22 171	0.10 28	0.18 30	0.15 36	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.17 120	0.27 145	0.17 124	0.08 119	0.06 83	0.10 219	0.08 136	0.10 218	0.08 142

IRAFT_RVC	0.22 179	0.12 106	0.39 176	0.26 324	0.11 53	0.18 30	0.24 294	0.40 189	0.37 221	0.31 210	0.30 138	0.29 197	0.24 214	0.55 286	0.22 221	0.08 119	0.06 83	0.10 219	0.08 136	0.08 101	0.07 85

iRAFT	0.18 82	0.12 106	0.37 144	0.22 171	0.10 28	0.18 30	0.14 20	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.17 120	0.26 129	0.16 96	0.08 119	0.06 83	0.10 219	0.08 136	0.10 218	0.08 142

AnonymousM	0.17 61	0.19 298	0.24 21	0.18 12	0.10 28	0.18 30	0.17 85	0.30 81	0.23 63	0.26 119	0.20 58	0.18 63	0.14 69	0.19 41	0.14 59	0.09 191	0.06 83	0.38 425	0.15 365	0.06 8	0.05 1

RAFT-IKP	0.18 82	0.12 106	0.37 144	0.22 171	0.10 28	0.18 30	0.15 36	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.18 143	0.25 114	0.16 96	0.08 119	0.06 83	0.10 219	0.08 136	0.10 218	0.08 142

CREStereo++_RVC	0.15 36	0.08 3	0.26 32	0.17 6	0.11 53	0.18 30	0.13 9	0.22 8	0.30 148	0.21 78	0.30 138	0.13 17	0.11 18	0.16 10	0.15 75	0.07 22	0.04 1	0.06 1	0.15 365	0.06 8	0.05 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
AFF-stereo	0.18 82	0.15 232	0.32 86	0.21 117	0.10 28	0.18 30	0.18 120	0.33 112	0.27 105	0.25 108	0.37 215	0.25 143	0.17 120	0.24 89	0.15 75	0.06 1	0.05 7	0.08 88	0.08 136	0.07 51	0.05 1

rvit_stereo_0081_aga	0.16 47	0.14 202	0.28 51	0.21 117	0.13 162	0.19 53	0.17 85	0.23 16	0.24 75	0.17 48	0.21 69	0.19 77	0.13 54	0.19 41	0.14 59	0.11 266	0.08 260	0.09 151	0.08 136	0.09 163	0.07 85

WCG-NET（raft）	0.14 17	0.09 15	0.23 16	0.17 6	0.08 3	0.19 53	0.16 58	0.23 16	0.26 95	0.18 61	0.19 42	0.20 84	0.12 30	0.21 64	0.12 11	0.06 1	0.06 83	0.06 1	0.05 11	0.06 8	0.05 1

RAFT-Stereo-weight	0.15 36	0.09 15	0.26 32	0.20 79	0.10 28	0.19 53	0.17 85	0.36 157	0.29 137	0.24 100	0.20 58	0.19 77	0.10 10	0.18 30	0.15 75	0.07 22	0.05 7	0.07 21	0.05 11	0.06 8	0.05 1

IGEV_Zeroshot_test	0.18 82	0.10 36	0.65 345	0.20 79	0.12 95	0.19 53	0.15 36	0.34 119	0.19 16	0.28 138	0.22 76	0.27 173	0.13 54	0.23 83	0.18 143	0.07 22	0.06 83	0.08 88	0.08 136	0.07 51	0.06 28

AEACV	0.13 6	0.09 15	0.23 16	0.18 12	0.19 330	0.19 53	0.16 58	0.23 16	0.14 1	0.13 7	0.17 30	0.13 17	0.16 95	0.16 10	0.12 11	0.07 22	0.05 7	0.07 21	0.08 136	0.07 51	0.06 28

4D-IteraStereo	0.17 61	0.16 253	0.50 280	0.21 117	0.14 203	0.19 53	0.17 85	0.28 54	0.28 119	0.23 86	0.20 58	0.20 84	0.11 18	0.19 41	0.14 59	0.06 1	0.04 1	0.10 219	0.08 136	0.08 101	0.06 28

ProNet	0.14 17	0.12 106	0.25 27	0.19 36	0.11 53	0.19 53	0.19 157	0.27 40	0.20 28	0.14 18	0.13 10	0.13 17	0.12 30	0.24 89	0.12 11	0.06 1	0.05 7	0.07 21	0.06 33	0.07 51	0.07 85

RCA-Stereo	0.16 47	0.09 15	0.25 27	0.20 79	0.10 28	0.19 53	0.17 85	0.36 157	0.35 200	0.20 69	0.25 97	0.17 55	0.17 120	0.18 30	0.14 59	0.07 22	0.05 7	0.07 21	0.06 33	0.06 8	0.05 1

DCANet-4	0.19 120	0.10 36	0.52 295	0.19 36	0.09 10	0.19 53	0.18 120	0.36 157	0.39 244	0.29 165	0.30 138	0.17 55	0.22 185	0.20 48	0.18 143	0.07 22	0.05 7	0.07 21	0.05 11	0.05 1	0.07 85

fff	0.19 120	0.13 164	0.40 182	0.18 12	0.09 10	0.19 53	0.18 120	0.35 139	0.43 281	0.29 165	0.30 138	0.18 63	0.28 272	0.20 48	0.18 143	0.07 22	0.05 7	0.07 21	0.05 11	0.05 1	0.07 85

ADStereo(finetuned)	0.19 120	0.13 164	0.49 270	0.19 36	0.09 10	0.19 53	0.18 120	0.34 119	0.39 244	0.29 165	0.31 152	0.18 63	0.31 308	0.21 64	0.19 168	0.07 22	0.05 7	0.07 21	0.05 11	0.06 8	0.07 85

iRaft-Stereo_5w	0.23 196	0.18 283	0.44 232	0.22 171	0.13 162	0.19 53	0.19 157	0.37 165	0.32 167	0.28 138	0.37 215	0.34 246	0.23 196	0.65 338	0.27 275	0.06 1	0.06 83	0.08 88	0.07 67	0.09 163	0.08 142

TRStereo	0.19 120	0.17 269	0.47 257	0.23 214	0.19 330	0.19 53	0.16 58	0.52 314	0.28 119	0.20 69	0.19 42	0.21 95	0.13 54	0.24 89	0.13 35	0.09 191	0.06 83	0.09 151	0.11 288	0.06 8	0.06 28

ASMatch	0.23 196	0.11 82	0.51 291	0.24 256	0.14 203	0.19 53	0.17 85	0.31 89	0.28 119	0.28 138	0.68 392	0.27 173	0.26 240	0.50 263	0.22 221	0.07 22	0.06 83	0.08 88	0.07 67	0.06 8	0.11 278

SST-Stereo	0.21 151	0.10 36	0.37 144	0.24 256	0.13 162	0.19 53	0.17 85	0.31 89	0.24 75	0.34 260	0.33 178	0.29 197	0.25 231	0.56 296	0.17 124	0.08 119	0.05 7	0.10 219	0.08 136	0.09 163	0.07 85

Pruner-Stereo	0.19 120	0.11 82	0.34 106	0.29 368	0.12 95	0.19 53	0.17 85	0.31 89	0.29 137	0.33 242	0.32 159	0.25 143	0.15 81	0.24 89	0.21 203	0.09 191	0.06 83	0.09 151	0.08 136	0.08 101	0.09 196

DeepStereo_RVC	0.18 82	0.11 82	0.40 182	0.21 117	0.11 53	0.19 53	0.16 58	0.28 54	0.22 48	0.27 128	0.27 111	0.23 124	0.28 272	0.24 89	0.18 143	0.08 119	0.06 83	0.09 151	0.07 67	0.09 163	0.10 246

rafts_anoy	0.18 82	0.15 232	0.35 116	0.22 171	0.14 203	0.19 53	0.17 85	0.32 98	0.30 148	0.23 86	0.25 97	0.20 84	0.16 95	0.22 74	0.19 168	0.08 119	0.07 183	0.10 219	0.12 323	0.09 163	0.08 142

raftrobust	0.16 47	0.13 164	0.29 61	0.22 171	0.15 248	0.19 53	0.13 9	0.32 98	0.26 95	0.26 119	0.20 58	0.19 77	0.17 120	0.21 64	0.15 75	0.08 119	0.06 83	0.07 21	0.06 33	0.06 8	0.07 85

DCANet	0.18 82	0.13 164	0.40 182	0.19 36	0.09 10	0.19 53	0.18 120	0.34 119	0.39 244	0.29 165	0.31 152	0.18 63	0.23 196	0.20 48	0.19 168	0.07 22	0.05 7	0.07 21	0.05 11	0.06 8	0.07 85

csc	0.19 120	0.13 164	0.40 182	0.18 12	0.09 10	0.19 53	0.18 120	0.35 139	0.43 281	0.29 165	0.30 138	0.18 63	0.28 272	0.20 48	0.18 143	0.07 22	0.05 7	0.07 21	0.05 11	0.05 1	0.07 85

cscssc	0.19 120	0.13 164	0.40 182	0.18 12	0.09 10	0.19 53	0.18 120	0.35 139	0.43 281	0.29 165	0.30 138	0.18 63	0.28 272	0.20 48	0.18 143	0.07 22	0.05 7	0.07 21	0.05 11	0.05 1	0.07 85

RAFT-Stereo + iAFF	0.17 61	0.14 202	0.32 86	0.20 79	0.09 10	0.19 53	0.17 85	0.32 98	0.30 148	0.25 108	0.33 178	0.20 84	0.17 120	0.19 41	0.15 75	0.06 1	0.05 7	0.07 21	0.07 67	0.07 51	0.05 1

Gwc-CoAtRS	0.17 61	0.10 36	0.37 144	0.20 79	0.12 95	0.19 53	0.15 36	0.32 98	0.28 119	0.23 86	0.23 79	0.27 173	0.15 81	0.20 48	0.13 35	0.07 22	0.05 7	0.07 21	0.07 67	0.06 8	0.06 28

rvit_0105_4	0.20 134	0.15 232	0.38 163	0.23 214	0.14 203	0.20 77	0.22 249	0.33 112	0.39 244	0.19 66	0.24 90	0.25 143	0.19 157	0.27 145	0.17 124	0.16 367	0.13 360	0.13 324	0.11 288	0.11 262	0.08 142

Pointernet	0.13 6	0.07 1	0.27 40	0.19 36	0.11 53	0.20 77	0.12 5	0.31 89	0.24 75	0.15 22	0.15 22	0.13 17	0.11 18	0.17 17	0.13 35	0.08 119	0.05 7	0.06 1	0.05 11	0.06 8	0.05 1

AIO-Stereo-zeroshot1	0.25 248	0.14 202	0.95 408	0.21 117	0.27 398	0.20 77	0.19 157	0.48 268	0.25 86	0.26 119	0.55 357	0.34 246	0.18 143	0.25 114	0.17 124	0.07 22	0.06 83	0.08 88	0.12 323	0.12 297	0.12 299

test_for_model	0.29 298	0.89 445	0.34 106	0.69 438	0.49 429	0.20 77	0.16 58	0.30 81	0.23 63	0.28 138	0.15 22	0.13 17	0.11 18	0.17 17	0.13 35	0.29 420	0.10 312	0.06 1	0.04 1	0.86 449	0.18 369

H2IRNET	0.18 82	0.13 164	0.35 116	0.21 117	0.12 95	0.20 77	0.15 36	0.27 40	0.30 148	0.17 48	0.31 152	0.25 143	0.20 166	0.24 89	0.18 143	0.07 22	0.06 83	0.09 151	0.10 253	0.09 163	0.06 28

IGEVStereo-DCA	0.14 17	0.11 82	0.27 40	0.19 36	0.12 95	0.20 77	0.18 120	0.27 40	0.20 28	0.15 22	0.12 4	0.14 33	0.12 30	0.28 157	0.14 59	0.07 22	0.06 83	0.08 88	0.07 67	0.07 51	0.07 85

rrr	0.17 61	0.11 82	0.57 314	0.19 36	0.12 95	0.20 77	0.18 120	0.35 139	0.22 48	0.15 22	0.12 4	0.14 33	0.12 30	0.28 157	0.14 59	0.07 22	0.06 83	0.08 88	0.07 67	0.07 51	0.07 85

LoS_RVC	0.13 6	0.10 36	0.19 3	0.18 12	0.16 273	0.20 77	0.18 120	0.20 4	0.17 8	0.13 7	0.19 42	0.12 8	0.15 81	0.17 17	0.13 35	0.06 1	0.05 7	0.06 1	0.04 1	0.05 1	0.12 299

CAS	0.15 36	0.07 1	0.21 8	0.41 418	0.16 273	0.20 77	0.18 120	0.22 8	0.19 16	0.15 22	0.19 42	0.11 6	0.09 4	0.14 2	0.13 35	0.29 420	0.04 1	0.06 1	0.04 1	0.06 8	0.14 330

DCRE	0.20 134	0.13 164	0.40 182	0.21 117	0.15 248	0.20 77	0.19 157	0.30 81	0.27 105	0.22 83	0.80 409	0.23 124	0.16 95	0.23 83	0.15 75	0.07 22	0.07 183	0.07 21	0.08 136	0.07 51	0.06 28

GMOStereo	0.18 82	0.14 202	0.30 67	0.22 171	0.12 95	0.20 77	0.27 325	0.26 30	0.28 119	0.31 210	0.32 159	0.26 164	0.17 120	0.15 5	0.12 11	0.07 22	0.07 183	0.10 219	0.08 136	0.08 101	0.05 1

error version	0.18 82	0.14 202	0.30 67	0.22 171	0.12 95	0.20 77	0.27 325	0.26 30	0.28 119	0.31 210	0.32 159	0.26 164	0.17 120	0.15 5	0.12 11	0.07 22	0.07 183	0.10 219	0.08 136	0.08 101	0.05 1

test-v	0.18 82	0.14 202	0.30 67	0.22 171	0.12 95	0.20 77	0.27 325	0.26 30	0.28 119	0.31 210	0.32 159	0.26 164	0.17 120	0.15 5	0.12 11	0.07 22	0.07 183	0.10 219	0.08 136	0.08 101	0.05 1

HHNet	0.22 179	0.12 106	0.52 295	0.18 12	0.18 312	0.20 77	0.20 198	0.34 119	0.31 159	0.32 231	0.59 368	0.20 84	0.21 173	0.24 89	0.31 298	0.08 119	0.05 7	0.09 151	0.07 67	0.08 101	0.11 278

AAGNet	0.33 328	0.11 82	0.37 144	0.25 292	0.16 273	0.20 77	0.19 157	0.30 81	0.27 105	0.35 276	0.35 196	0.27 173	0.30 294	0.44 244	2.66 461	0.08 119	0.05 7	0.10 219	0.07 67	0.08 101	0.06 28

PSM-softLoss	0.21 151	0.10 36	0.39 176	0.24 256	0.12 95	0.20 77	0.18 120	0.38 170	0.26 95	0.29 165	0.32 159	0.24 136	0.16 95	0.52 274	0.20 181	0.09 191	0.06 83	0.10 219	0.09 219	0.08 101	0.12 299

KMStereo	0.21 151	0.10 36	0.39 176	0.24 256	0.12 95	0.20 77	0.18 120	0.38 170	0.26 95	0.29 165	0.32 159	0.24 136	0.16 95	0.52 274	0.20 181	0.09 191	0.06 83	0.10 219	0.09 219	0.08 101	0.12 299

RAFT-345	0.21 151	0.10 36	0.46 249	0.22 171	0.11 53	0.20 77	0.16 58	0.26 30	0.25 86	0.27 128	0.66 388	0.21 95	0.16 95	0.55 286	0.21 203	0.07 22	0.06 83	0.08 88	0.07 67	0.06 8	0.06 28

test-2	0.18 82	0.14 202	0.30 67	0.22 171	0.12 95	0.20 77	0.27 325	0.26 30	0.28 119	0.31 210	0.32 159	0.26 164	0.17 120	0.15 5	0.12 11	0.07 22	0.07 183	0.10 219	0.08 136	0.08 101	0.05 1

cross-raft	0.17 61	0.12 106	0.41 205	0.23 214	0.10 28	0.20 77	0.24 294	0.33 112	0.23 63	0.23 86	0.28 115	0.29 197	0.15 81	0.17 17	0.15 75	0.06 1	0.05 7	0.07 21	0.07 67	0.06 8	0.05 1

iRaftStereo_RVC	0.16 47	0.12 106	0.26 32	0.21 117	0.11 53	0.20 77	0.17 85	0.32 98	0.23 63	0.20 69	0.25 97	0.18 63	0.12 30	0.20 48	0.15 75	0.07 22	0.05 7	0.09 151	0.09 219	0.08 101	0.07 85

test_xeample3	0.16 47	0.11 82	0.56 311	0.19 36	0.12 95	0.20 77	0.18 120	0.35 139	0.20 28	0.16 39	0.12 4	0.13 17	0.12 30	0.24 89	0.15 75	0.07 22	0.06 83	0.07 21	0.08 136	0.07 51	0.07 85

CFNet-RSSM	0.17 61	0.10 36	0.40 182	0.20 79	0.11 53	0.20 77	0.15 36	0.36 157	0.30 148	0.23 86	0.21 69	0.26 164	0.15 81	0.20 48	0.13 35	0.07 22	0.05 7	0.07 21	0.07 67	0.06 8	0.05 1

UGAM-zero	0.23 196	0.10 36	0.54 301	0.19 36	0.13 162	0.21 100	0.14 20	0.44 230	0.22 48	0.28 138	0.28 115	0.51 357	0.33 318	0.65 338	0.14 59	0.07 22	0.06 83	0.07 21	0.08 136	0.06 8	0.07 85

WCG-NET	0.14 17	0.09 15	0.23 16	0.19 36	0.11 53	0.21 100	0.13 9	0.28 54	0.21 39	0.18 61	0.19 42	0.18 63	0.12 30	0.22 74	0.12 11	0.08 119	0.05 7	0.07 21	0.06 33	0.08 101	0.06 28

GCAP-BAT	0.16 47	0.11 82	0.36 136	0.18 12	0.13 162	0.21 100	0.16 58	0.23 16	0.18 11	0.26 119	0.28 115	0.20 84	0.11 18	0.24 89	0.17 124	0.07 22	0.06 83	0.07 21	0.06 33	0.05 1	0.06 28

trnet	0.13 6	0.08 3	0.21 8	0.15 2	0.07 1	0.21 100	0.12 5	0.24 26	0.24 75	0.16 39	0.21 69	0.15 41	0.13 54	0.18 30	0.13 35	0.08 119	0.05 7	0.06 1	0.04 1	0.06 8	0.05 1

ff7	0.14 17	0.12 106	0.27 40	0.19 36	0.12 95	0.21 100	0.18 120	0.27 40	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.07 85

ffff	0.14 17	0.12 106	0.27 40	0.19 36	0.12 95	0.21 100	0.18 120	0.27 40	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.07 85

11t	0.14 17	0.12 106	0.27 40	0.19 36	0.12 95	0.21 100	0.18 120	0.27 40	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.07 85

MSKI-zero shot	0.17 61	0.09 15	0.43 224	0.20 79	0.11 53	0.21 100	0.15 36	0.32 98	0.21 39	0.23 86	0.24 90	0.23 124	0.10 10	0.31 189	0.13 35	0.07 22	0.06 83	0.07 21	0.06 33	0.06 8	0.06 28

EKT-Stereo	0.38 359	0.12 106	0.38 163	0.42 419	3.88 467	0.21 100	0.17 85	0.35 139	0.28 119	0.20 69	0.20 58	0.23 124	0.15 81	0.28 157	0.16 96	0.09 191	0.07 183	0.09 151	0.07 67	0.09 163	0.09 196

SPstereo	0.14 17	0.14 202	0.33 100	0.20 79	0.09 10	0.21 100	0.10 1	0.26 30	0.20 28	0.18 61	0.19 42	0.15 41	0.13 54	0.17 17	0.13 35	0.07 22	0.06 83	0.07 21	0.05 11	0.06 8	0.06 28

anonymousdsp	0.14 17	0.12 106	0.27 40	0.19 36	0.12 95	0.21 100	0.18 120	0.28 54	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.08 101	0.07 85

EGLCR-Stereo	0.13 6	0.08 3	0.20 6	0.18 12	0.09 10	0.21 100	0.13 9	0.27 40	0.21 39	0.13 7	0.10 2	0.15 41	0.09 4	0.20 48	0.13 35	0.07 22	0.05 7	0.07 21	0.07 67	0.06 8	0.06 28

knoymous	0.17 61	0.09 15	0.32 86	0.17 6	0.11 53	0.21 100	0.17 85	0.32 98	0.23 63	0.23 86	0.28 115	0.27 173	0.16 95	0.23 83	0.16 96	0.09 191	0.06 83	0.09 151	0.06 33	0.09 163	0.09 196

ccc-4	0.14 17	0.12 106	0.27 40	0.19 36	0.12 95	0.21 100	0.18 120	0.27 40	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.07 85

IGEV-Stereo	0.14 17	0.12 106	0.27 40	0.19 36	0.12 95	0.21 100	0.18 120	0.28 54	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.08 101	0.07 85
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
TransformOpticalFlow	0.24 222	0.13 164	0.56 311	0.23 214	0.11 53	0.21 100	0.19 157	0.40 189	0.32 167	0.30 193	0.43 283	0.36 265	0.31 308	0.61 317	0.20 181	0.07 22	0.05 7	0.08 88	0.07 67	0.06 8	0.07 85

OMP-Stereo	0.23 196	0.14 202	0.35 116	0.29 368	0.13 162	0.21 100	0.16 58	0.37 165	0.33 179	0.34 260	0.30 138	0.34 246	0.19 157	0.70 353	0.24 249	0.07 22	0.06 83	0.09 151	0.07 67	0.07 51	0.06 28

NF-Stereo	0.20 134	0.10 36	0.35 116	0.24 256	0.12 95	0.21 100	0.18 120	0.38 170	0.32 167	0.28 138	0.30 138	0.22 104	0.16 95	0.51 268	0.20 181	0.08 119	0.06 83	0.09 151	0.08 136	0.08 101	0.13 313

OCTAStereo	0.20 134	0.10 36	0.35 116	0.24 256	0.12 95	0.21 100	0.18 120	0.38 170	0.32 167	0.28 138	0.30 138	0.22 104	0.16 95	0.51 268	0.20 181	0.08 119	0.06 83	0.09 151	0.08 136	0.08 101	0.13 313

FTStereo	0.28 287	0.10 36	0.43 224	0.23 214	0.13 162	0.21 100	0.53 425	0.34 119	0.26 95	0.38 307	0.95 421	0.30 213	0.56 400	0.32 195	0.18 143	0.08 119	0.06 83	0.09 151	0.08 136	0.07 51	0.19 377

RE-Stereo	0.20 134	0.10 36	0.35 116	0.24 256	0.12 95	0.21 100	0.18 120	0.38 170	0.32 167	0.28 138	0.30 138	0.22 104	0.16 95	0.51 268	0.20 181	0.08 119	0.06 83	0.09 151	0.08 136	0.08 101	0.13 313

TVStereo	0.20 134	0.10 36	0.35 116	0.24 256	0.12 95	0.21 100	0.18 120	0.38 170	0.32 167	0.28 138	0.30 138	0.22 104	0.16 95	0.51 268	0.20 181	0.08 119	0.06 83	0.09 151	0.08 136	0.08 101	0.13 313

raft+_RVC	0.18 82	0.14 202	0.32 86	0.21 117	0.15 248	0.21 100	0.16 58	0.38 170	0.34 188	0.21 78	0.28 115	0.20 84	0.15 81	0.24 89	0.19 168	0.08 119	0.06 83	0.08 88	0.07 67	0.07 51	0.08 142

RALCasStereoNet	0.18 82	0.15 232	0.33 100	0.21 117	0.14 203	0.21 100	0.18 120	0.31 89	0.25 86	0.21 78	0.29 126	0.22 104	0.15 81	0.27 145	0.17 124	0.08 119	0.10 312	0.07 21	0.06 33	0.09 163	0.09 196

rvit_0105_5	0.21 151	0.15 232	0.38 163	0.23 214	0.13 162	0.22 124	0.24 294	0.36 157	0.39 244	0.21 78	0.23 79	0.26 164	0.19 157	0.26 129	0.19 168	0.15 352	0.13 360	0.12 304	0.12 323	0.10 218	0.09 196

rvit_stereo_0075_2	0.24 222	0.17 269	0.50 280	0.26 324	0.22 367	0.22 124	0.15 36	0.40 189	0.35 200	0.27 128	0.37 215	0.29 197	0.20 166	0.28 157	0.19 168	0.17 378	0.12 349	0.19 389	0.12 323	0.13 311	0.13 313

LoS	0.14 17	0.08 3	0.27 40	0.16 4	0.09 10	0.22 124	0.14 20	0.26 30	0.26 95	0.15 22	0.18 37	0.18 63	0.13 54	0.22 74	0.14 59	0.08 119	0.06 83	0.06 1	0.04 1	0.06 8	0.06 28
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
RAFT_CTSACE	0.21 151	0.16 253	0.41 205	0.25 292	0.15 248	0.22 124	0.24 294	0.32 98	0.28 119	0.33 242	0.51 337	0.29 197	0.17 120	0.32 195	0.13 35	0.06 1	0.07 183	0.09 151	0.08 136	0.08 101	0.06 28

test_3	0.18 82	0.11 82	0.32 86	0.24 256	0.11 53	0.22 124	0.25 309	0.31 89	0.31 159	0.25 108	0.18 37	0.23 124	0.13 54	0.25 114	0.19 168	0.06 1	0.05 7	0.09 151	0.10 253	0.07 51	0.06 28

GwcNet-ADL	0.22 179	0.14 202	0.58 319	0.24 256	0.13 162	0.22 124	0.23 272	0.49 276	0.40 259	0.27 128	0.29 126	0.30 213	0.20 166	0.26 129	0.23 238	0.09 191	0.07 183	0.07 21	0.07 67	0.09 163	0.09 196

CrosDoStereo	0.31 313	0.10 36	0.49 270	0.18 12	0.12 95	0.22 124	1.11 460	0.34 119	0.37 221	0.38 307	0.61 379	0.28 188	0.46 379	0.61 317	0.57 381	0.07 22	0.06 83	0.08 88	0.08 136	0.07 51	0.07 85

DeepStereo_LL	0.31 313	0.10 36	0.49 270	0.18 12	0.12 95	0.22 124	1.11 460	0.34 119	0.37 221	0.38 307	0.61 379	0.28 188	0.46 379	0.61 317	0.57 381	0.07 22	0.06 83	0.08 88	0.08 136	0.07 51	0.07 85

PFNet	0.23 196	0.10 36	0.57 314	0.24 256	0.14 203	0.22 124	0.19 157	0.39 182	0.33 179	0.35 276	0.32 159	0.27 173	0.19 157	0.64 332	0.22 221	0.09 191	0.05 7	0.09 151	0.07 67	0.08 101	0.07 85

test-1	0.17 61	0.11 82	0.40 182	0.23 214	0.13 162	0.22 124	0.23 272	0.34 119	0.26 95	0.20 69	0.24 90	0.22 104	0.14 69	0.16 10	0.20 181	0.07 22	0.06 83	0.08 88	0.07 67	0.06 8	0.08 142

TestStereo	0.21 151	0.19 298	0.40 182	0.25 292	0.10 28	0.22 124	0.21 227	0.31 89	0.31 159	0.23 86	0.34 185	0.22 104	0.18 143	0.62 325	0.18 143	0.08 119	0.06 83	0.10 219	0.07 67	0.11 262	0.06 28

XX-TBD	0.15 36	0.18 283	0.28 51	0.22 171	0.10 28	0.22 124	0.15 36	0.22 8	0.27 105	0.22 83	0.26 105	0.14 33	0.12 30	0.16 10	0.13 35	0.08 119	0.05 7	0.06 1	0.04 1	0.07 51	0.06 28

sAnonymous2	0.20 134	0.21 323	0.58 319	0.24 256	0.17 292	0.22 124	0.19 157	0.34 119	0.28 119	0.17 48	0.19 42	0.17 55	0.16 95	0.17 17	0.14 59	0.10 235	0.07 183	0.09 151	0.08 136	0.23 397	0.17 357

CroCo_RVC	0.20 134	0.21 323	0.58 319	0.24 256	0.17 292	0.22 124	0.19 157	0.34 119	0.28 119	0.17 48	0.19 42	0.17 55	0.16 95	0.17 17	0.14 59	0.10 235	0.07 183	0.09 151	0.08 136	0.23 397	0.17 357

sCroCo_RVC	0.18 82	0.14 202	0.49 270	0.27 348	0.18 312	0.22 124	0.17 85	0.27 40	0.23 63	0.14 18	0.22 76	0.17 55	0.14 69	0.21 64	0.15 75	0.10 235	0.11 332	0.09 151	0.09 219	0.09 163	0.09 196

GMStereo	0.19 120	0.25 349	0.40 182	0.21 117	0.12 95	0.22 124	0.19 157	0.29 65	0.40 259	0.25 108	0.23 79	0.16 50	0.15 81	0.25 114	0.19 168	0.09 191	0.06 83	0.08 88	0.08 136	0.10 218	0.08 142
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CREStereo	0.13 6	0.08 3	0.21 8	0.14 1	0.08 3	0.22 124	0.15 36	0.25 27	0.24 75	0.16 39	0.21 69	0.14 33	0.13 54	0.18 30	0.13 35	0.09 191	0.05 7	0.06 1	0.04 1	0.07 51	0.06 28
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
R-Stereo Train	0.18 82	0.09 15	0.32 86	0.22 171	0.12 95	0.22 124	0.19 157	0.42 214	0.19 16	0.31 210	0.45 306	0.20 84	0.14 69	0.18 30	0.15 75	0.08 119	0.06 83	0.07 21	0.06 33	0.06 8	0.06 28

RAFT-Stereo	0.18 82	0.09 15	0.32 86	0.22 171	0.12 95	0.22 124	0.19 157	0.42 214	0.19 16	0.31 210	0.45 306	0.20 84	0.14 69	0.18 30	0.15 75	0.08 119	0.06 83	0.07 21	0.06 33	0.06 8	0.06 28
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
UGAM	0.26 261	0.14 202	0.45 242	0.25 292	0.12 95	0.23 143	0.25 309	0.32 98	0.41 269	0.31 210	0.42 271	0.41 305	0.22 185	0.92 411	0.22 221	0.08 119	0.06 83	0.14 346	0.12 323	0.10 218	0.07 85

AIO-Stereo-zeroshot	0.23 196	0.13 164	0.83 385	0.20 79	0.21 351	0.23 143	0.17 85	0.48 268	0.27 105	0.23 86	0.29 126	0.39 289	0.23 196	0.25 114	0.15 75	0.08 119	0.06 83	0.08 88	0.11 288	0.11 262	0.10 246

testlalala2	0.18 82	0.10 36	0.50 280	0.36 405	0.25 391	0.23 143	0.14 20	0.34 119	0.24 75	0.25 108	0.25 97	0.21 95	0.12 30	0.16 10	0.16 96	0.07 22	0.06 83	0.07 21	0.07 67	0.06 8	0.06 28

AE-Stereo	0.17 61	0.11 82	0.31 80	0.24 256	0.14 203	0.23 143	0.18 120	0.34 119	0.29 137	0.15 22	0.25 97	0.21 95	0.13 54	0.20 48	0.14 59	0.07 22	0.08 260	0.09 151	0.10 253	0.07 51	0.06 28

StereoVision	0.22 179	0.18 283	0.37 144	0.27 348	0.17 292	0.23 143	0.22 249	0.38 170	0.31 159	0.20 69	0.51 337	0.22 104	0.16 95	0.28 157	0.18 143	0.11 266	0.12 349	0.13 324	0.13 346	0.10 218	0.07 85

testlalala	0.15 36	0.10 36	0.36 136	0.19 36	0.12 95	0.23 143	0.16 58	0.26 30	0.19 16	0.24 100	0.19 42	0.14 33	0.11 18	0.16 10	0.13 35	0.07 22	0.05 7	0.07 21	0.06 33	0.05 1	0.05 1

LL-Strereo	0.29 298	0.25 349	0.58 319	0.25 292	0.21 351	0.23 143	0.24 294	0.55 342	0.42 276	0.34 260	0.32 159	0.41 305	0.40 354	0.94 415	0.23 238	0.08 119	0.07 183	0.11 271	0.09 219	0.09 163	0.09 196

qqq	0.20 134	0.12 106	0.31 80	0.20 79	0.11 53	0.23 143	0.19 157	0.41 201	0.27 105	0.24 100	0.28 115	0.28 188	0.24 214	0.34 207	0.22 221	0.08 119	0.07 183	0.10 219	0.09 219	0.09 163	0.09 196

raft_robust	0.22 179	0.17 269	0.30 67	0.22 171	0.12 95	0.23 143	0.22 249	0.49 276	0.48 334	0.32 231	0.32 159	0.26 164	0.23 196	0.53 279	0.15 75	0.07 22	0.06 83	0.08 88	0.10 253	0.08 101	0.06 28

RAFT+CT+SA	0.21 151	0.18 283	0.33 100	0.25 292	0.18 312	0.23 143	0.29 343	0.40 189	0.36 212	0.24 100	0.38 227	0.18 63	0.16 95	0.32 195	0.16 96	0.07 22	0.05 7	0.09 151	0.12 323	0.09 163	0.09 196

LCNet	0.21 151	0.11 82	0.29 61	0.25 292	0.12 95	0.23 143	0.19 157	0.34 119	0.26 95	0.28 138	0.35 196	0.26 164	0.30 294	0.35 216	0.17 124	0.07 22	0.05 7	0.09 151	0.10 253	0.13 311	0.22 399

STrans-v2	0.24 222	0.13 164	0.54 301	0.21 117	0.12 95	0.23 143	0.21 227	0.47 257	0.28 119	0.31 210	0.42 271	0.36 265	0.35 330	0.62 325	0.23 238	0.07 22	0.05 7	0.08 88	0.07 67	0.06 8	0.06 28

IIG-Stereo	0.23 196	0.13 164	0.35 116	0.29 368	0.12 95	0.23 143	0.14 20	0.38 170	0.31 159	0.34 260	0.37 215	0.33 240	0.21 173	0.70 353	0.26 271	0.08 119	0.06 83	0.09 151	0.07 67	0.07 51	0.06 28

KYRaft	0.22 179	0.10 36	0.30 67	0.23 214	0.12 95	0.23 143	0.23 272	0.35 139	0.24 75	0.35 276	0.54 353	0.34 246	0.26 240	0.29 172	0.15 75	0.07 22	0.05 7	0.09 151	0.10 253	0.08 101	0.31 421

GrayStereo	0.25 248	0.09 15	0.32 86	0.26 324	0.13 162	0.23 143	0.47 415	0.34 119	0.30 148	0.39 322	0.47 322	0.30 213	0.79 424	0.29 172	0.16 96	0.07 22	0.06 83	0.08 88	0.09 219	0.07 51	0.13 313

Prome-Stereo	0.21 151	0.10 36	0.30 67	0.24 256	0.12 95	0.23 143	0.23 272	0.36 157	0.25 86	0.33 242	0.59 368	0.24 136	0.28 272	0.29 172	0.16 96	0.07 22	0.05 7	0.08 88	0.07 67	0.08 101	0.20 387

RALAANet	0.19 120	0.18 283	0.37 144	0.23 214	0.14 203	0.23 143	0.13 9	0.37 165	0.29 137	0.28 138	0.26 105	0.25 143	0.15 81	0.26 129	0.18 143	0.08 119	0.06 83	0.09 151	0.08 136	0.09 163	0.06 28

XX-Stereo	0.21 151	0.10 36	0.83 385	0.26 324	0.17 292	0.23 143	0.13 9	0.40 189	0.18 11	0.20 69	0.41 256	0.31 224	0.10 10	0.32 195	0.12 11	0.08 119	0.06 83	0.08 88	0.08 136	0.07 51	0.05 1

PMTNet	0.15 36	0.08 3	0.23 16	0.15 2	0.09 10	0.23 143	0.16 58	0.25 27	0.23 63	0.17 48	0.21 69	0.16 50	0.14 69	0.22 74	0.13 35	0.29 420	0.05 7	0.06 1	0.04 1	0.07 51	0.06 28

rvit_0105_3	0.23 196	0.17 269	0.40 182	0.25 292	0.15 248	0.24 162	0.28 338	0.38 170	0.41 269	0.25 108	0.25 97	0.28 188	0.21 173	0.28 157	0.20 181	0.15 352	0.13 360	0.14 346	0.15 365	0.10 218	0.09 196

model_zeroshot	0.17 61	0.11 82	0.39 176	0.20 79	0.12 95	0.24 162	0.15 36	0.34 119	0.22 48	0.30 193	0.20 58	0.22 104	0.12 30	0.24 89	0.14 59	0.08 119	0.07 183	0.07 21	0.07 67	0.07 51	0.07 85

Former-RAFT_DAM_RVC	0.17 61	0.13 164	0.24 21	0.19 36	0.13 162	0.24 162	0.17 85	0.30 81	0.37 221	0.43 353	0.17 30	0.13 17	0.12 30	0.19 41	0.15 75	0.08 119	0.07 183	0.09 151	0.07 67	0.09 163	0.08 142

LL-Strereo2	0.18 82	0.18 283	0.39 176	0.22 171	0.12 95	0.24 162	0.13 9	0.31 89	0.23 63	0.24 100	0.20 58	0.24 136	0.12 30	0.26 129	0.15 75	0.06 1	0.06 83	0.12 304	0.09 219	0.08 101	0.07 85

riskmin	0.18 82	0.09 15	0.34 106	0.18 12	0.12 95	0.24 162	0.16 58	0.34 119	0.28 119	0.21 78	0.23 79	0.33 240	0.24 214	0.23 83	0.17 124	0.09 191	0.06 83	0.09 151	0.06 33	0.10 218	0.10 246

SA	0.22 179	0.16 253	0.36 136	0.23 214	0.13 162	0.24 162	0.23 272	0.45 240	0.40 259	0.27 128	0.44 294	0.23 124	0.23 196	0.33 201	0.17 124	0.07 22	0.06 83	0.10 219	0.11 288	0.08 101	0.06 28

UDGNet	0.23 196	0.31 389	0.38 163	0.24 256	0.14 203	0.24 162	0.18 120	0.32 98	0.43 281	0.29 165	0.28 115	0.24 136	0.19 157	0.29 172	0.20 181	0.15 352	0.07 183	0.21 395	0.11 288	0.14 325	0.10 246

IPLGR_C	0.21 151	0.22 335	0.60 325	0.23 214	0.15 248	0.24 162	0.20 198	0.35 139	0.29 137	0.31 210	0.32 159	0.22 104	0.15 81	0.25 114	0.20 181	0.08 119	0.07 183	0.07 21	0.07 67	0.08 101	0.08 142

ACRE	0.21 151	0.20 310	0.62 336	0.23 214	0.15 248	0.24 162	0.20 198	0.35 139	0.28 119	0.31 210	0.32 159	0.22 104	0.15 81	0.25 114	0.20 181	0.08 119	0.07 183	0.07 21	0.07 67	0.08 101	0.08 142

NRIStereo	0.18 82	0.11 82	0.35 116	0.23 214	0.11 53	0.24 162	0.20 198	0.29 65	0.26 95	0.26 119	0.25 97	0.25 143	0.18 143	0.34 207	0.18 143	0.07 22	0.06 83	0.09 151	0.07 67	0.09 163	0.08 142

CRE-IMP	0.18 82	0.12 106	0.37 144	0.22 171	0.11 53	0.24 162	0.17 85	0.29 65	0.21 39	0.27 128	0.26 105	0.24 136	0.17 120	0.23 83	0.18 143	0.08 119	0.05 7	0.10 219	0.07 67	0.10 218	0.10 246

GMM-Stereo	0.21 151	0.10 36	0.43 224	0.23 214	0.13 162	0.24 162	0.25 309	0.37 165	0.27 105	0.30 193	0.45 306	0.27 173	0.21 173	0.31 189	0.17 124	0.07 22	0.05 7	0.10 219	0.09 219	0.08 101	0.19 377

111	0.20 134	0.17 269	0.40 182	0.18 12	0.09 10	0.24 162	0.17 85	0.41 201	0.45 306	0.23 86	0.29 126	0.29 197	0.21 173	0.24 89	0.18 143	0.07 22	0.05 7	0.07 21	0.06 33	0.07 51	0.08 142

DispNO	0.27 268	0.18 283	0.62 336	0.23 214	0.17 292	0.25 175	0.22 249	0.45 240	0.41 269	0.32 231	0.39 240	0.38 277	0.27 258	0.77 382	0.27 275	0.09 191	0.07 183	0.10 219	0.10 253	0.08 101	0.08 142

MyStereo07	0.16 47	0.12 106	0.26 32	0.22 171	0.14 203	0.25 175	0.23 272	0.29 65	0.21 39	0.15 22	0.13 10	0.12 8	0.13 54	0.25 114	0.13 35	0.07 22	0.07 183	0.09 151	0.08 136	0.08 101	0.08 142

MyStereo06	0.20 134	0.12 106	0.57 314	0.21 117	0.14 203	0.25 175	0.23 272	0.40 189	0.21 39	0.30 193	0.24 90	0.31 224	0.18 143	0.22 74	0.18 143	0.07 22	0.07 183	0.09 151	0.08 136	0.08 101	0.08 142

MyStereo05	0.23 196	0.12 106	0.57 314	0.21 117	0.14 203	0.25 175	0.23 272	0.48 268	0.52 361	0.31 210	0.23 79	0.25 143	0.22 185	0.30 184	0.21 203	0.07 22	0.07 183	0.09 151	0.08 136	0.08 101	0.08 142

MyStereo04	0.23 196	0.12 106	0.55 307	0.22 171	0.14 203	0.25 175	0.23 272	0.49 276	0.52 361	0.28 138	0.23 79	0.27 173	0.23 196	0.30 184	0.22 221	0.07 22	0.07 183	0.09 151	0.08 136	0.08 101	0.08 142

testlalala_base	0.20 134	0.13 164	0.35 116	0.25 292	0.15 248	0.25 175	0.16 58	0.34 119	0.17 8	0.19 66	0.26 105	0.17 55	0.14 69	0.18 30	0.16 96	0.39 432	0.09 292	0.07 21	0.05 11	0.45 427	0.08 142

RAFT-Test	0.17 61	0.10 36	0.38 163	0.19 36	0.12 95	0.25 175	0.17 85	0.33 112	0.23 63	0.23 86	0.29 126	0.27 173	0.14 69	0.20 48	0.14 59	0.07 22	0.06 83	0.07 21	0.07 67	0.06 8	0.06 28

anonymousdsp2	0.17 61	0.10 36	0.28 51	0.20 79	0.11 53	0.25 175	0.17 85	0.41 201	0.31 159	0.23 86	0.23 79	0.22 104	0.15 81	0.25 114	0.15 75	0.07 22	0.05 7	0.07 21	0.05 11	0.08 101	0.07 85

test_5	0.23 196	0.19 298	0.38 163	0.26 324	0.18 312	0.25 175	0.29 343	0.40 189	0.37 221	0.29 165	0.40 248	0.25 143	0.22 185	0.34 207	0.18 143	0.07 22	0.05 7	0.09 151	0.09 219	0.10 218	0.10 246

CIPLG	0.21 151	0.21 323	0.55 307	0.23 214	0.15 248	0.25 175	0.20 198	0.35 139	0.29 137	0.31 210	0.33 178	0.22 104	0.15 81	0.26 129	0.20 181	0.08 119	0.07 183	0.07 21	0.07 67	0.08 101	0.08 142

iRaft-Stereo_20w	0.19 120	0.10 36	0.46 249	0.19 36	0.13 162	0.25 175	0.19 157	0.52 314	0.19 16	0.29 165	0.21 69	0.22 104	0.20 166	0.28 157	0.18 143	0.07 22	0.06 83	0.07 21	0.08 136	0.08 101	0.08 142

dd	0.22 179	0.26 360	0.40 182	0.22 171	0.12 95	0.25 175	0.21 227	0.32 98	0.44 295	0.29 165	0.28 115	0.25 143	0.16 95	0.30 184	0.25 258	0.12 300	0.07 183	0.10 219	0.08 136	0.11 262	0.09 196

IPLGR	0.21 151	0.13 164	0.61 328	0.21 117	0.11 53	0.25 175	0.18 120	0.41 201	0.37 221	0.28 138	0.27 111	0.21 95	0.19 157	0.37 223	0.18 143	0.07 22	0.06 83	0.08 88	0.07 67	0.07 51	0.06 28

RAFT-RH_RVC	0.25 248	0.11 82	0.45 242	0.21 117	0.12 95	0.25 175	0.14 20	0.27 40	0.27 105	0.38 307	1.15 430	0.23 124	0.17 120	0.57 299	0.24 249	0.07 22	0.05 7	0.10 219	0.07 67	0.06 8	0.07 85

RAFT	0.21 151	0.17 269	0.32 86	0.24 256	0.12 95	0.25 175	0.27 325	0.35 139	0.28 119	0.33 242	0.33 178	0.38 277	0.22 185	0.29 172	0.17 124	0.08 119	0.08 260	0.11 271	0.10 253	0.10 218	0.06 28

TANstereo	0.15 36	0.09 15	0.28 51	0.16 4	0.08 3	0.25 175	0.14 20	0.23 16	0.28 119	0.24 100	0.30 138	0.16 50	0.12 30	0.17 17	0.13 35	0.08 119	0.07 183	0.06 1	0.05 11	0.06 8	0.07 85

PSMNet-RSSM	0.24 222	0.15 232	0.36 136	0.21 117	0.14 203	0.25 175	0.20 198	0.48 268	0.37 221	0.30 193	0.44 294	0.38 277	0.26 240	0.52 274	0.22 221	0.12 300	0.07 183	0.11 271	0.13 346	0.10 218	0.09 196

DN-CSS_ROB	0.22 179	0.25 349	0.47 257	0.24 256	0.14 203	0.25 175	0.12 5	0.40 189	0.33 179	0.29 165	0.42 271	0.22 104	0.20 166	0.33 201	0.19 168	0.07 22	0.06 83	0.11 271	0.11 288	0.11 262	0.07 85

gcap-zeroshot	0.17 61	0.11 82	0.36 136	0.20 79	0.12 95	0.26 193	0.16 58	0.30 81	0.22 48	0.26 119	0.20 58	0.30 213	0.14 69	0.20 48	0.13 35	0.07 22	0.06 83	0.07 21	0.07 67	0.06 8	0.06 28

TestStereo1	0.21 151	0.16 253	0.32 86	0.26 324	0.13 162	0.26 193	0.27 325	0.40 189	0.36 212	0.29 165	0.39 240	0.22 104	0.21 173	0.33 201	0.17 124	0.07 22	0.06 83	0.09 151	0.08 136	0.08 101	0.07 85

x	0.19 120	0.11 82	0.29 61	0.20 79	0.11 53	0.26 193	0.18 120	0.41 201	0.29 137	0.25 108	0.29 126	0.28 188	0.24 214	0.26 129	0.23 238	0.09 191	0.07 183	0.08 88	0.07 67	0.09 163	0.08 142

SA-5K	0.21 151	0.16 253	0.32 86	0.26 324	0.13 162	0.26 193	0.27 325	0.40 189	0.36 212	0.29 165	0.39 240	0.22 104	0.21 173	0.33 201	0.17 124	0.07 22	0.06 83	0.09 151	0.08 136	0.08 101	0.07 85

PSM-AAD	0.25 248	0.10 36	0.30 67	0.24 256	0.12 95	0.26 193	0.38 390	0.34 119	0.28 119	0.35 276	0.39 240	0.28 188	0.79 424	0.30 184	0.16 96	0.07 22	0.06 83	0.12 304	0.11 288	0.08 101	0.21 394

CFNet_pseudo	0.23 196	0.13 164	0.47 257	0.19 36	0.13 162	0.26 193	0.16 58	0.44 230	0.44 295	0.29 165	0.37 215	0.38 277	0.23 196	0.29 172	0.21 203	0.09 191	0.06 83	0.11 271	0.08 136	0.11 262	0.09 196

FENet	0.21 151	0.11 82	0.45 242	0.21 117	0.12 95	0.26 193	0.17 85	0.41 201	0.35 200	0.30 193	0.31 152	0.29 197	0.23 196	0.26 129	0.23 238	0.09 191	0.06 83	0.09 151	0.09 219	0.09 163	0.09 196

ccs_rob	0.23 196	0.13 164	0.47 257	0.20 79	0.13 162	0.26 193	0.17 85	0.44 230	0.44 295	0.29 165	0.37 215	0.38 277	0.23 196	0.29 172	0.21 203	0.09 191	0.06 83	0.11 271	0.08 136	0.11 262	0.09 196

test_sample2	0.21 151	0.10 36	0.28 51	0.19 36	0.11 53	0.27 201	0.21 227	0.43 225	0.29 137	0.26 119	0.31 152	0.30 213	0.24 214	0.45 247	0.18 143	0.09 191	0.07 183	0.08 88	0.07 67	0.09 163	0.09 196

SMFormer	0.25 248	0.12 106	0.40 182	0.19 36	0.10 28	0.27 201	0.19 157	0.51 299	0.45 306	0.34 260	0.41 256	0.31 224	0.26 240	0.58 305	0.28 278	0.10 235	0.07 183	0.08 88	0.08 136	0.09 163	0.09 196

tta	0.24 222	0.12 106	0.40 182	0.19 36	0.10 28	0.27 201	0.19 157	0.51 299	0.45 306	0.34 260	0.41 256	0.31 224	0.26 240	0.58 305	0.28 278	0.10 235	0.07 183	0.08 88	0.08 136	0.08 101	0.07 85

qqq1	0.24 222	0.12 106	0.40 182	0.19 36	0.10 28	0.27 201	0.19 157	0.51 299	0.45 306	0.34 260	0.41 256	0.31 224	0.26 240	0.58 305	0.16 96	0.10 235	0.07 183	0.07 21	0.06 33	0.08 101	0.07 85

fff1	0.24 222	0.12 106	0.40 182	0.19 36	0.10 28	0.27 201	0.19 157	0.51 299	0.45 306	0.34 260	0.41 256	0.31 224	0.26 240	0.58 305	0.16 96	0.10 235	0.07 183	0.07 21	0.06 33	0.08 101	0.07 85

11t1	0.18 82	0.10 36	0.30 67	0.20 79	0.11 53	0.27 201	0.17 85	0.35 139	0.23 63	0.25 108	0.23 79	0.23 124	0.23 196	0.25 114	0.18 143	0.09 191	0.07 183	0.07 21	0.06 33	0.09 163	0.09 196

MIPNet	0.21 151	0.15 232	0.52 295	0.21 117	0.12 95	0.27 201	0.20 198	0.45 240	0.37 221	0.30 193	0.23 79	0.19 77	0.24 214	0.27 145	0.19 168	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.06 28

GES	0.22 179	0.12 106	0.42 213	0.20 79	0.14 203	0.27 201	0.19 157	0.49 276	0.33 179	0.30 193	0.36 206	0.25 143	0.23 196	0.29 172	0.22 221	0.10 235	0.08 260	0.08 88	0.07 67	0.10 218	0.11 278

HCRNet	0.24 222	0.25 349	0.33 100	0.34 395	0.16 273	0.27 201	0.18 120	0.43 225	0.35 200	0.30 193	0.35 196	0.32 233	0.22 185	0.44 244	0.20 181	0.13 317	0.08 260	0.13 324	0.11 288	0.10 218	0.09 196

ACVNet	0.23 196	0.13 164	0.35 116	0.18 12	0.15 248	0.27 201	0.23 272	0.39 182	0.44 295	0.28 138	0.41 256	0.38 277	0.26 240	0.27 145	0.32 303	0.08 119	0.07 183	0.08 88	0.07 67	0.10 218	0.07 85

cf-r	0.24 222	0.15 232	0.44 232	0.21 117	0.14 203	0.27 201	0.22 249	0.42 214	0.40 259	0.30 193	0.42 271	0.42 313	0.26 240	0.43 240	0.25 258	0.11 266	0.06 83	0.08 88	0.10 253	0.08 101	0.08 142

GANet-RSSM	0.24 222	0.14 202	0.36 136	0.21 117	0.14 203	0.27 201	0.21 227	0.45 240	0.33 179	0.29 165	0.39 240	0.39 289	0.28 272	0.58 305	0.23 238	0.11 266	0.07 183	0.09 151	0.09 219	0.10 218	0.09 196

DMCA	0.22 179	0.14 202	0.36 136	0.22 171	0.14 203	0.27 201	0.20 198	0.43 225	0.38 235	0.31 210	0.32 159	0.33 240	0.24 214	0.24 89	0.28 278	0.11 266	0.08 260	0.10 219	0.08 136	0.10 218	0.11 278

HITNet	0.20 134	0.17 269	0.43 224	0.19 36	0.08 3	0.27 201	0.14 20	0.42 214	0.30 148	0.29 165	0.32 159	0.27 173	0.21 173	0.28 157	0.25 258	0.07 22	0.05 7	0.07 21	0.06 33	0.09 163	0.06 28
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
test_sample7	0.25 248	0.15 232	0.35 116	0.20 79	0.14 203	0.28 215	0.21 227	0.51 299	0.38 235	0.37 296	0.34 185	0.37 269	0.30 294	0.39 229	0.23 238	0.14 340	0.09 292	0.13 324	0.12 323	0.13 311	0.12 299

test_sample1	0.20 134	0.10 36	0.28 51	0.19 36	0.12 95	0.28 215	0.19 157	0.41 201	0.25 86	0.26 119	0.31 152	0.29 197	0.26 240	0.44 244	0.21 203	0.09 191	0.07 183	0.08 88	0.07 67	0.09 163	0.09 196

mmm	0.21 151	0.12 106	0.31 80	0.22 171	0.12 95	0.28 215	0.21 227	0.41 201	0.27 105	0.29 165	0.38 227	0.29 197	0.24 214	0.29 172	0.22 221	0.09 191	0.07 183	0.11 271	0.09 219	0.10 218	0.09 196

ffm	0.22 179	0.12 106	0.42 213	0.20 79	0.13 162	0.28 215	0.20 198	0.35 139	0.44 295	0.30 193	0.42 271	0.34 246	0.23 196	0.27 145	0.11 1	0.08 119	0.05 7	0.11 271	0.10 253	0.08 101	0.08 142

ff1	0.29 298	0.12 106	0.42 213	0.20 79	0.13 162	0.28 215	0.20 198	0.35 139	0.44 295	0.30 193	0.42 271	0.34 246	0.23 196	0.81 393	1.08 425	0.08 119	0.05 7	0.11 271	0.10 253	0.08 101	0.08 142

mmx	0.31 313	0.12 106	0.42 213	0.20 79	0.13 162	0.28 215	0.20 198	0.55 342	0.45 306	0.30 193	0.42 271	0.34 246	0.23 196	0.81 393	1.08 425	0.10 235	0.07 183	0.11 271	0.10 253	0.11 262	0.10 246

xxx	0.31 313	0.12 106	0.42 213	0.20 79	0.13 162	0.28 215	0.20 198	0.55 342	0.45 306	0.30 193	0.42 271	0.34 246	0.23 196	0.81 393	1.08 425	0.10 235	0.07 183	0.11 271	0.10 253	0.11 262	0.10 246

GMStereo_Zeroshot	0.24 222	0.21 323	0.45 242	0.26 324	0.13 162	0.28 215	0.15 36	0.39 182	0.35 200	0.37 296	0.43 283	0.40 302	0.17 120	0.34 207	0.20 181	0.12 300	0.07 183	0.13 324	0.07 67	0.16 344	0.09 196

PCWNet_CMD	0.23 196	0.13 164	0.48 265	0.20 79	0.13 162	0.28 215	0.16 58	0.46 250	0.46 320	0.29 165	0.36 206	0.37 269	0.24 214	0.28 157	0.20 181	0.09 191	0.06 83	0.10 219	0.08 136	0.11 262	0.09 196

CFNet_ucs	0.24 222	0.13 164	0.50 280	0.20 79	0.15 248	0.28 215	0.17 85	0.49 276	0.45 306	0.32 231	0.42 271	0.39 289	0.22 185	0.31 189	0.21 203	0.11 266	0.08 260	0.12 304	0.09 219	0.12 297	0.11 278

CASS	0.21 151	0.15 232	0.32 86	0.26 324	0.11 53	0.28 215	0.19 157	0.39 182	0.30 148	0.32 231	0.34 185	0.25 143	0.24 214	0.25 114	0.20 181	0.13 317	0.08 260	0.11 271	0.09 219	0.11 262	0.11 278
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Sa-1000	0.22 179	0.15 232	0.35 116	0.23 214	0.13 162	0.28 215	0.23 272	0.47 257	0.39 244	0.30 193	0.50 331	0.26 164	0.19 157	0.33 201	0.16 96	0.07 22	0.06 83	0.10 219	0.11 288	0.08 101	0.06 28

IPLG	0.21 151	0.15 232	0.53 298	0.21 117	0.12 95	0.28 215	0.17 85	0.42 214	0.30 148	0.33 242	0.32 159	0.15 41	0.17 120	0.50 263	0.21 203	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.06 28

THIR-Stereo	0.29 298	0.12 106	0.41 205	0.19 36	0.11 53	0.28 215	0.72 438	0.32 98	0.35 200	0.37 296	0.65 386	0.34 246	0.50 390	0.57 299	0.45 358	0.07 22	0.06 83	0.08 88	0.09 219	0.07 51	0.07 85

DRaft	0.24 222	0.10 36	0.34 106	0.18 12	0.12 95	0.28 215	0.23 272	0.33 112	0.39 244	0.38 307	0.61 379	0.21 95	0.41 358	0.48 256	0.42 350	0.07 22	0.06 83	0.08 88	0.08 136	0.07 51	0.08 142

aanetorigin	0.39 364	0.29 377	1.09 422	0.24 256	0.19 330	0.28 215	0.37 384	0.33 112	0.47 325	0.94 428	0.82 411	0.52 361	0.54 396	0.49 261	0.50 374	0.11 266	0.09 292	0.10 219	0.10 253	0.16 344	0.15 339

GwcNet-RSSM	0.26 261	0.17 269	0.46 249	0.21 117	0.13 162	0.28 215	0.23 272	0.44 230	0.42 276	0.31 210	0.45 306	0.40 302	0.26 240	0.55 286	0.28 278	0.11 266	0.07 183	0.09 151	0.10 253	0.09 163	0.08 142

DIP-Stereo	0.18 82	0.12 106	0.33 100	0.20 79	0.13 162	0.28 215	0.12 5	0.42 214	0.25 86	0.27 128	0.32 159	0.21 95	0.17 120	0.25 114	0.20 181	0.07 22	0.06 83	0.08 88	0.06 33	0.07 51	0.08 142
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
BEATNet_4x	0.22 179	0.18 283	0.47 257	0.22 171	0.10 28	0.28 215	0.14 20	0.46 250	0.32 167	0.31 210	0.34 185	0.31 224	0.25 231	0.31 189	0.29 288	0.08 119	0.06 83	0.08 88	0.06 33	0.10 218	0.08 142

MSMDNet	0.23 196	0.13 164	0.48 265	0.20 79	0.13 162	0.28 215	0.16 58	0.46 250	0.46 320	0.29 165	0.36 206	0.37 269	0.24 214	0.28 157	0.20 181	0.09 191	0.06 83	0.09 151	0.08 136	0.11 262	0.09 196

CoDeX	0.23 196	0.12 106	0.46 249	0.21 117	0.14 203	0.29 235	0.21 227	0.53 325	0.41 269	0.29 165	0.35 196	0.29 197	0.22 185	0.48 256	0.19 168	0.09 191	0.06 83	0.08 88	0.07 67	0.08 101	0.07 85

ttt	0.29 298	0.12 106	0.34 106	0.21 117	0.13 162	0.29 235	0.20 198	0.56 357	0.47 325	0.31 210	0.44 294	0.30 213	0.22 185	0.65 338	0.85 413	0.13 317	0.10 312	0.10 219	0.10 253	0.11 262	0.11 278

Any-RAFT	0.17 61	0.08 3	0.31 80	0.19 36	0.10 28	0.29 235	0.16 58	0.42 214	0.30 148	0.24 100	0.27 111	0.27 173	0.16 95	0.21 64	0.12 11	0.08 119	0.05 7	0.06 1	0.05 11	0.07 51	0.06 28

ToySt	0.24 222	0.16 253	0.48 265	0.21 117	0.13 162	0.29 235	0.29 343	0.39 182	0.39 244	0.27 128	0.35 196	0.39 289	0.31 308	0.31 189	0.29 288	0.08 119	0.09 292	0.10 219	0.11 288	0.11 262	0.10 246

Selective-RAFT	0.17 61	0.12 106	0.30 67	0.24 256	0.10 28	0.29 235	0.15 36	0.32 98	0.31 159	0.17 48	0.17 30	0.21 95	0.18 143	0.28 157	0.17 124	0.07 22	0.06 83	0.07 21	0.07 67	0.08 101	0.06 28

DAS	0.27 268	0.12 106	0.42 213	0.24 256	0.18 312	0.29 235	0.24 294	0.45 240	0.45 306	0.41 339	0.44 294	0.34 246	0.29 285	0.75 371	0.21 203	0.09 191	0.07 183	0.09 151	0.07 67	0.09 163	0.09 196

SepStereo	0.26 261	0.12 106	0.42 213	0.24 256	0.18 312	0.29 235	0.24 294	0.45 240	0.45 306	0.41 339	0.44 294	0.34 246	0.29 285	0.64 332	0.21 203	0.09 191	0.07 183	0.09 151	0.07 67	0.09 163	0.09 196

AACVNet	0.26 261	0.16 253	0.37 144	0.22 171	0.14 203	0.29 235	0.19 157	0.41 201	0.31 159	0.38 307	0.42 271	0.43 316	0.28 272	0.73 363	0.25 258	0.11 266	0.08 260	0.11 271	0.09 219	0.13 311	0.11 278

GANet-ADL	0.21 151	0.12 106	0.45 242	0.23 214	0.14 203	0.29 235	0.19 157	0.46 250	0.35 200	0.25 108	0.32 159	0.32 233	0.19 157	0.24 89	0.20 181	0.10 235	0.07 183	0.07 21	0.06 33	0.09 163	0.10 246

ICVP	0.23 196	0.13 164	0.44 232	0.26 324	0.14 203	0.29 235	0.25 309	0.45 240	0.33 179	0.29 165	0.43 283	0.35 260	0.25 231	0.26 129	0.23 238	0.12 300	0.09 292	0.09 151	0.08 136	0.09 163	0.10 246
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ARAFT	0.24 222	0.21 323	0.78 371	0.22 171	0.12 95	0.29 235	0.24 294	0.43 225	0.32 167	0.33 242	0.28 115	0.28 188	0.19 157	0.49 261	0.18 143	0.07 22	0.06 83	0.12 304	0.11 288	0.09 163	0.06 28

DMCA-RVC	0.27 268	0.21 323	0.61 328	0.28 365	0.17 292	0.29 235	0.21 227	0.42 214	0.35 200	0.40 330	0.37 215	0.39 289	0.36 334	0.43 240	0.30 294	0.13 317	0.10 312	0.15 360	0.11 288	0.13 311	0.10 246

STTStereo	0.28 287	0.20 310	0.61 328	0.25 292	0.17 292	0.29 235	0.24 294	0.47 257	0.39 244	0.39 322	0.41 256	0.44 326	0.28 272	0.40 234	0.28 278	0.13 317	0.12 349	0.13 324	0.16 377	0.12 297	0.11 278

NLCA_NET_v2_RVC	0.27 268	0.21 323	0.59 323	0.25 292	0.18 312	0.29 235	0.22 249	0.50 284	0.40 259	0.38 307	0.41 256	0.43 316	0.27 258	0.43 240	0.29 288	0.11 266	0.08 260	0.10 219	0.10 253	0.10 218	0.11 278
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
iResNetv2_ROB	0.27 268	0.26 360	0.72 365	0.23 214	0.13 162	0.29 235	0.18 120	0.52 314	0.49 343	0.37 296	0.45 306	0.39 289	0.25 231	0.34 207	0.20 181	0.08 119	0.06 83	0.07 21	0.05 11	0.12 297	0.09 196

MLCV	0.22 179	0.16 253	0.44 232	0.21 117	0.08 3	0.29 235	0.19 157	0.38 170	0.37 221	0.38 307	0.44 294	0.31 224	0.21 173	0.41 236	0.24 249	0.07 22	0.05 7	0.06 1	0.05 11	0.07 51	0.06 28

iResNet	0.24 222	0.18 283	0.61 328	0.25 292	0.11 53	0.29 235	0.21 227	0.42 214	0.43 281	0.33 242	0.43 283	0.27 173	0.22 185	0.34 207	0.26 271	0.07 22	0.05 7	0.07 21	0.06 33	0.08 101	0.07 85

rvit_105_1	0.27 268	0.19 298	0.46 249	0.27 348	0.19 330	0.30 252	0.35 376	0.44 230	0.51 354	0.31 210	0.31 152	0.31 224	0.26 240	0.35 216	0.25 258	0.15 352	0.14 368	0.15 360	0.17 385	0.11 262	0.10 246

test_sample6	0.25 248	0.13 164	0.41 205	0.21 117	0.11 53	0.30 252	0.22 249	0.51 299	0.35 200	0.33 242	0.43 283	0.30 213	0.24 214	0.57 299	0.22 221	0.10 235	0.07 183	0.10 219	0.10 253	0.11 262	0.10 246

test_sample5	0.24 222	0.13 164	0.42 213	0.21 117	0.12 95	0.30 252	0.21 227	0.50 284	0.34 188	0.32 231	0.41 256	0.29 197	0.23 196	0.55 286	0.21 203	0.10 235	0.07 183	0.10 219	0.09 219	0.11 262	0.10 246

DualNet	0.24 222	0.13 164	0.42 213	0.21 117	0.12 95	0.30 252	0.21 227	0.50 284	0.34 188	0.33 242	0.43 283	0.29 197	0.23 196	0.55 286	0.21 203	0.10 235	0.07 183	0.10 219	0.09 219	0.11 262	0.10 246

tt1	0.18 82	0.14 202	0.35 116	0.23 214	0.11 53	0.30 252	0.19 157	0.35 139	0.44 295	0.17 48	0.19 42	0.13 17	0.16 95	0.27 145	0.11 1	0.08 119	0.05 7	0.08 88	0.06 33	0.08 101	0.08 142

dad	0.28 287	0.31 389	0.44 232	0.21 117	0.14 203	0.30 252	0.20 198	0.33 112	0.49 343	0.44 359	0.44 294	0.45 330	0.21 173	0.41 236	0.26 271	0.20 397	0.11 332	0.20 393	0.11 288	0.14 325	0.10 246

DEmStereo	0.26 261	0.09 15	0.47 257	0.19 36	0.12 95	0.30 252	0.25 309	0.28 54	0.36 212	0.36 291	0.58 366	0.25 143	0.48 388	0.53 279	0.44 355	0.07 22	0.06 83	0.08 88	0.08 136	0.06 8	0.07 85

RAFT + AFF	0.27 268	0.23 342	0.50 280	0.25 292	0.17 292	0.30 252	0.33 371	0.52 314	0.40 259	0.28 138	0.30 138	0.30 213	0.31 308	0.62 325	0.24 249	0.09 191	0.10 312	0.11 271	0.10 253	0.11 262	0.11 278

EAI-Stereo	0.21 151	0.10 36	0.33 100	0.21 117	0.12 95	0.30 252	0.46 411	0.46 250	0.20 28	0.25 108	0.50 331	0.17 55	0.16 95	0.24 89	0.23 238	0.07 22	0.06 83	0.07 21	0.10 253	0.06 8	0.07 85

CFNet-ft	0.24 222	0.15 232	0.35 116	0.18 12	0.15 248	0.30 252	0.21 227	0.39 182	0.36 212	0.28 138	0.40 248	0.43 316	0.25 231	0.47 254	0.24 249	0.12 300	0.07 183	0.12 304	0.11 288	0.12 297	0.09 196

FADNet_RVC	0.30 306	0.28 370	0.83 385	0.23 214	0.15 248	0.30 252	0.17 85	0.49 276	0.37 221	0.30 193	0.38 227	0.30 213	0.27 258	0.52 274	0.31 298	0.14 340	0.14 368	0.14 346	0.16 377	0.21 388	0.23 405

CFNet_RVC	0.24 222	0.15 232	0.35 116	0.18 12	0.15 248	0.30 252	0.21 227	0.39 182	0.36 212	0.28 138	0.40 248	0.43 316	0.25 231	0.47 254	0.24 249	0.12 300	0.07 183	0.12 304	0.11 288	0.12 297	0.09 196

AANet_RVC	0.31 313	0.22 335	0.50 280	0.23 214	0.14 203	0.30 252	0.24 294	0.47 257	0.54 368	0.38 307	0.60 373	0.43 316	0.29 285	0.87 402	0.40 341	0.11 266	0.07 183	0.07 21	0.07 67	0.09 163	0.09 196

DeepPruner_ROB	0.26 261	0.19 298	0.44 232	0.21 117	0.16 273	0.30 252	0.21 227	0.52 314	0.32 167	0.35 276	0.38 227	0.39 289	0.26 240	0.42 238	0.24 249	0.15 352	0.11 332	0.11 271	0.11 288	0.14 325	0.13 313

iResNet_ROB	0.25 248	0.19 298	0.40 182	0.20 79	0.12 95	0.30 252	0.16 58	0.55 342	0.53 365	0.38 307	0.43 283	0.37 269	0.26 240	0.38 227	0.22 221	0.08 119	0.06 83	0.06 1	0.04 1	0.09 163	0.09 196

MyStereo8	0.22 179	0.15 232	0.63 339	0.21 117	0.17 292	0.31 267	0.16 58	0.36 157	0.32 167	0.28 138	0.36 206	0.25 143	0.18 143	0.25 114	0.28 278	0.08 119	0.07 183	0.08 88	0.07 67	0.10 218	0.12 299

ACVNet-DCA	0.18 82	0.14 202	0.38 163	0.23 214	0.11 53	0.31 267	0.19 157	0.41 201	0.27 105	0.17 48	0.19 42	0.13 17	0.18 143	0.28 157	0.11 1	0.08 119	0.05 7	0.08 88	0.06 33	0.09 163	0.09 196

xx1	0.20 134	0.14 202	0.38 163	0.23 214	0.11 53	0.31 267	0.19 157	0.35 139	0.47 325	0.17 48	0.19 42	0.28 188	0.24 214	0.28 157	0.11 1	0.08 119	0.05 7	0.10 219	0.09 219	0.09 163	0.09 196

1test111	0.19 120	0.14 202	0.38 163	0.23 214	0.11 53	0.31 267	0.19 157	0.41 201	0.27 105	0.17 48	0.19 42	0.13 17	0.18 143	0.34 207	0.22 221	0.08 119	0.05 7	0.08 88	0.06 33	0.09 163	0.09 196

cc1	0.18 82	0.14 202	0.38 163	0.23 214	0.11 53	0.31 267	0.19 157	0.35 139	0.47 325	0.17 48	0.19 42	0.13 17	0.18 143	0.28 157	0.11 1	0.08 119	0.05 7	0.08 88	0.06 33	0.08 101	0.08 142

anonymousa	0.23 196	0.11 82	0.50 280	0.21 117	0.16 273	0.31 267	0.20 198	0.36 157	0.35 200	0.32 231	0.50 331	0.39 289	0.26 240	0.22 74	0.20 181	0.08 119	0.06 83	0.09 151	0.11 288	0.07 51	0.08 142

IER	0.23 196	0.12 106	0.39 176	0.20 79	0.14 203	0.31 267	0.19 157	0.42 214	0.36 212	0.33 242	0.40 248	0.32 233	0.33 318	0.29 172	0.22 221	0.09 191	0.07 183	0.08 88	0.08 136	0.09 163	0.08 142

PSMNet-ADL	0.25 248	0.15 232	0.32 86	0.26 324	0.14 203	0.31 267	0.22 249	0.44 230	0.36 212	0.27 128	0.33 178	0.41 305	0.28 272	0.61 317	0.29 288	0.11 266	0.09 292	0.09 151	0.11 288	0.10 218	0.10 246

test_sample4	0.24 222	0.13 164	0.43 224	0.20 79	0.12 95	0.32 275	0.21 227	0.51 299	0.34 188	0.31 210	0.37 215	0.28 188	0.23 196	0.53 279	0.21 203	0.10 235	0.07 183	0.10 219	0.09 219	0.11 262	0.10 246

test_sample3	0.23 196	0.12 106	0.43 224	0.19 36	0.12 95	0.32 275	0.20 198	0.50 284	0.34 188	0.31 210	0.33 178	0.29 197	0.22 185	0.53 279	0.22 221	0.10 235	0.07 183	0.09 151	0.08 136	0.10 218	0.10 246

1111x	0.32 322	0.11 82	0.40 182	0.22 171	0.11 53	0.32 275	0.26 320	0.59 376	0.43 281	0.31 210	0.41 256	0.39 289	0.28 272	0.76 376	1.37 441	0.09 191	0.08 260	0.09 151	0.10 253	0.09 163	0.08 142

HBP-ISP	0.33 328	0.30 383	0.72 365	0.22 171	0.16 273	0.32 275	0.22 249	0.54 332	0.44 295	0.41 339	0.49 329	0.33 240	0.38 346	0.73 363	0.25 258	0.18 389	0.19 404	0.24 404	0.20 396	0.16 344	0.13 313

s12784h	0.17 61	0.09 15	0.26 32	0.18 12	0.07 1	0.32 275	0.19 157	0.37 165	0.32 167	0.23 86	0.25 97	0.18 63	0.17 120	0.25 114	0.16 96	0.07 22	0.05 7	0.07 21	0.05 11	0.06 8	0.05 1

pcwnet_v2	0.32 322	0.15 232	1.26 433	0.23 214	0.18 312	0.32 275	0.18 120	0.59 376	0.60 385	0.36 291	0.45 306	0.35 260	0.29 285	0.36 221	0.25 258	0.14 340	0.11 332	0.12 304	0.11 288	0.14 325	0.15 339

psm_up	0.29 298	0.16 253	0.41 205	0.26 324	0.17 292	0.32 275	0.26 320	0.55 342	0.43 281	0.36 291	0.40 248	0.45 330	0.37 342	0.58 305	0.30 294	0.11 266	0.12 349	0.13 324	0.12 323	0.10 218	0.10 246

FADNet-RVC-Resample	0.29 298	0.25 349	0.93 405	0.26 324	0.16 273	0.32 275	0.21 227	0.47 257	0.39 244	0.35 276	0.38 227	0.33 240	0.27 258	0.53 279	0.24 249	0.10 235	0.10 312	0.14 346	0.13 346	0.13 311	0.16 346

RASNet	0.28 287	0.14 202	0.44 232	0.22 171	0.18 312	0.32 275	0.19 157	0.48 268	0.38 235	0.29 165	0.43 283	0.47 338	0.37 342	0.79 386	0.36 324	0.09 191	0.07 183	0.07 21	0.09 219	0.07 51	0.07 85

AdaStereo	0.24 222	0.16 253	0.37 144	0.24 256	0.12 95	0.32 275	0.17 85	0.54 332	0.42 276	0.33 242	0.38 227	0.35 260	0.21 173	0.30 184	0.22 221	0.14 340	0.06 83	0.13 324	0.08 136	0.11 262	0.08 142
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.
NOSS_ROB	0.31 313	0.20 310	0.35 116	0.24 256	0.16 273	0.32 275	0.19 157	0.52 314	0.48 334	0.33 242	0.36 206	0.42 313	0.28 272	0.93 413	0.24 249	0.19 394	0.20 409	0.24 404	0.22 406	0.17 359	0.17 357

GEStereo_RVC	0.27 268	0.20 310	0.44 232	0.27 348	0.16 273	0.33 286	0.25 309	0.56 357	0.54 368	0.34 260	0.38 227	0.34 246	0.25 231	0.51 268	0.28 278	0.12 300	0.08 260	0.09 151	0.08 136	0.11 262	0.11 278

test_xeample	0.34 335	0.10 36	0.29 61	0.19 36	0.11 53	0.33 286	0.23 272	0.55 342	0.38 235	0.32 231	0.45 306	0.29 197	0.26 240	0.57 299	2.24 459	0.10 235	0.07 183	0.09 151	0.08 136	0.09 163	0.09 196

HGLStereo	0.27 268	0.14 202	0.46 249	0.24 256	0.21 351	0.33 286	0.23 272	0.50 284	0.42 276	0.35 276	0.48 328	0.41 305	0.33 318	0.45 247	0.33 310	0.11 266	0.10 312	0.09 151	0.09 219	0.10 218	0.12 299

FAT-Stereo	0.36 344	0.18 283	0.73 368	0.26 324	0.18 312	0.33 286	0.29 343	0.60 384	0.59 382	0.46 366	0.60 373	0.60 383	0.50 390	0.61 317	0.34 314	0.13 317	0.14 368	0.13 324	0.12 323	0.14 325	0.18 369

FADNet-RVC	0.31 313	0.35 398	0.78 371	0.25 292	0.20 344	0.33 286	0.20 198	0.49 276	0.40 259	0.34 260	0.39 240	0.41 305	0.29 285	0.63 330	0.31 298	0.13 317	0.14 368	0.14 346	0.15 365	0.19 377	0.19 377

TDLM	0.30 306	0.21 323	0.38 163	0.28 365	0.15 248	0.33 286	0.32 361	0.52 314	0.47 325	0.38 307	0.43 283	0.39 289	0.29 285	0.91 410	0.28 278	0.14 340	0.08 260	0.13 324	0.11 288	0.12 297	0.10 246

CFNet	0.27 268	0.20 310	0.44 232	0.22 171	0.14 203	0.33 286	0.14 20	0.51 299	0.45 306	0.30 193	0.40 248	0.38 277	0.27 258	0.76 376	0.25 258	0.09 191	0.07 183	0.11 271	0.11 288	0.11 262	0.08 142

CVANet_RVC	0.30 306	0.19 298	0.41 205	0.26 324	0.16 273	0.33 286	0.26 320	0.52 314	0.47 325	0.40 330	0.46 315	0.43 316	0.31 308	0.89 406	0.26 271	0.14 340	0.09 292	0.14 346	0.13 346	0.14 325	0.10 246

UCFNet_RVC	0.24 222	0.16 253	0.34 106	0.18 12	0.15 248	0.33 286	0.16 58	0.46 250	0.35 200	0.29 165	0.35 196	0.39 289	0.25 231	0.34 207	0.22 221	0.13 317	0.08 260	0.13 324	0.14 357	0.13 311	0.12 299

PS-NSSS	0.32 322	0.30 383	0.46 249	0.23 214	0.17 292	0.33 286	0.24 294	0.57 364	0.41 269	0.37 296	0.52 345	0.35 260	0.30 294	0.80 390	0.30 294	0.17 378	0.14 368	0.21 395	0.15 365	0.15 337	0.13 313

HSM	0.28 287	0.16 253	0.35 116	0.20 79	0.15 248	0.33 286	0.19 157	0.53 325	0.37 221	0.36 291	0.38 227	0.67 405	0.31 308	0.89 406	0.23 238	0.08 119	0.06 83	0.08 88	0.07 67	0.08 101	0.08 142

CBMV_ROB	0.33 328	0.18 283	0.53 298	0.21 117	0.14 203	0.33 286	0.20 198	0.51 299	0.45 306	0.51 382	0.55 357	0.45 330	0.42 366	0.71 356	0.32 303	0.18 389	0.19 404	0.23 402	0.21 399	0.14 325	0.15 339

DualNet (step1)	0.28 287	0.19 298	0.50 280	0.18 12	0.16 273	0.34 298	0.20 198	0.51 299	0.38 235	0.37 296	0.34 185	0.37 269	0.30 294	0.39 229	0.23 238	0.23 401	0.09 292	0.28 413	0.24 410	0.18 370	0.16 346

test_sample9	0.42 375	0.19 298	0.50 280	0.18 12	0.16 273	0.34 298	0.20 198	0.51 299	0.38 235	0.37 296	0.34 185	0.37 269	0.30 294	0.66 343	0.91 416	0.23 401	1.82 464	0.28 413	0.24 410	0.18 370	0.16 346

test_sample8	0.49 394	0.19 298	0.50 280	0.18 12	0.16 273	0.34 298	0.20 198	0.55 342	0.34 188	0.62 403	0.38 227	1.15 432	0.67 416	0.66 343	0.91 416	0.23 401	1.82 464	0.28 413	0.24 410	0.18 370	0.16 346

gwcnet-sp	0.24 222	0.13 164	0.63 339	0.22 171	0.14 203	0.34 298	0.22 249	0.44 230	0.39 244	0.35 276	0.34 185	0.27 173	0.27 258	0.35 216	0.25 258	0.09 191	0.08 260	0.09 151	0.09 219	0.09 163	0.09 196

scenet	0.24 222	0.13 164	0.63 339	0.22 171	0.14 203	0.34 298	0.22 249	0.44 230	0.39 244	0.35 276	0.34 185	0.27 173	0.27 258	0.35 216	0.25 258	0.09 191	0.08 260	0.09 151	0.09 219	0.09 163	0.09 196

ssnet	0.24 222	0.13 164	0.63 339	0.22 171	0.14 203	0.34 298	0.22 249	0.44 230	0.39 244	0.35 276	0.34 185	0.27 173	0.27 258	0.35 216	0.25 258	0.09 191	0.08 260	0.09 151	0.09 219	0.09 163	0.09 196

AASNet	0.27 268	0.19 298	0.49 270	0.26 324	0.17 292	0.34 298	0.20 198	0.62 396	0.48 334	0.35 276	0.40 248	0.32 233	0.25 231	0.28 157	0.34 314	0.11 266	0.09 292	0.10 219	0.08 136	0.13 311	0.11 278

SACVNet	0.30 306	0.20 310	0.41 205	0.25 292	0.18 312	0.34 298	0.25 309	0.52 314	0.40 259	0.41 339	0.44 294	0.46 336	0.32 315	0.71 356	0.25 258	0.13 317	0.10 312	0.12 304	0.12 323	0.16 344	0.17 357

ADLNet	0.28 287	0.15 232	0.42 213	0.23 214	0.19 330	0.34 298	0.23 272	0.53 325	0.43 281	0.42 347	0.41 256	0.44 326	0.27 258	0.55 286	0.35 318	0.11 266	0.08 260	0.11 271	0.11 288	0.11 262	0.12 299

SFCPSM	0.22 179	0.10 36	0.51 291	0.21 117	0.14 203	0.34 298	0.22 249	0.55 342	0.39 244	0.29 165	0.32 159	0.23 124	0.21 173	0.27 145	0.19 168	0.09 191	0.07 183	0.09 151	0.09 219	0.09 163	0.08 142

acv_ft	0.25 248	0.13 164	0.40 182	0.23 214	0.19 330	0.34 298	0.21 227	0.45 240	0.44 295	0.38 307	0.41 256	0.38 277	0.27 258	0.27 145	0.35 318	0.08 119	0.07 183	0.08 88	0.07 67	0.11 262	0.07 85

HSM-Net_RVC	0.27 268	0.11 82	0.42 213	0.19 36	0.11 53	0.34 298	0.20 198	0.62 396	0.43 281	0.40 330	0.43 283	0.50 353	0.26 240	0.76 376	0.22 221	0.08 119	0.07 183	0.07 21	0.07 67	0.08 101	0.08 142
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
GASNet	0.36 344	0.46 414	0.88 397	0.34 395	0.23 379	0.35 310	0.22 249	0.60 384	0.53 365	0.40 330	0.37 215	0.45 330	0.30 294	0.79 386	0.35 318	0.15 352	0.10 312	0.14 346	0.14 357	0.22 394	0.12 299

BSDual-CNN	0.23 196	0.12 106	0.28 51	0.25 292	0.14 203	0.35 310	0.21 227	0.56 357	0.34 188	0.34 260	0.35 196	0.38 277	0.24 214	0.26 129	0.21 203	0.10 235	0.07 183	0.11 271	0.10 253	0.09 163	0.09 196

hknet	0.25 248	0.14 202	0.40 182	0.25 292	0.15 248	0.35 310	0.21 227	0.56 357	0.37 221	0.34 260	0.35 196	0.43 316	0.27 258	0.37 223	0.21 203	0.09 191	0.07 183	0.11 271	0.10 253	0.09 163	0.09 196

psmg	0.23 196	0.12 106	0.28 51	0.21 117	0.14 203	0.35 310	0.23 272	0.51 299	0.34 188	0.35 276	0.38 227	0.38 277	0.24 214	0.26 129	0.21 203	0.10 235	0.08 260	0.10 219	0.10 253	0.09 163	0.08 142

DeepPrunerF	0.44 385	0.29 377	1.29 436	0.33 393	0.30 411	0.35 310	0.36 380	0.62 396	1.15 443	0.40 330	0.44 294	0.39 289	0.41 358	0.80 390	0.52 377	0.18 389	0.14 368	0.23 402	0.21 399	0.17 359	0.17 357

ADLNet2	0.30 306	0.17 269	0.72 365	0.23 214	0.17 292	0.36 315	0.24 294	0.52 314	0.51 354	0.32 231	0.38 227	0.45 330	0.30 294	0.69 350	0.35 318	0.10 235	0.08 260	0.09 151	0.09 219	0.12 297	0.10 246

LMCR-Stereo	0.26 261	0.18 283	0.49 270	0.28 365	0.14 203	0.36 315	0.23 272	0.54 332	0.34 188	0.39 322	0.40 248	0.29 197	0.29 285	0.37 223	0.27 275	0.11 266	0.07 183	0.09 151	0.07 67	0.13 311	0.09 196

222	0.41 372	0.10 36	0.29 61	0.19 36	0.11 53	0.36 315	0.20 198	0.57 364	0.39 244	0.35 276	0.44 294	0.30 213	0.27 258	0.55 286	3.56 464	0.11 266	0.07 183	0.08 88	0.08 136	0.09 163	0.09 196

FINET	0.34 335	0.27 367	0.80 379	0.24 256	0.24 384	0.36 315	0.34 373	0.54 332	0.72 409	0.39 322	0.47 322	0.32 233	0.30 294	0.51 268	0.32 303	0.19 394	0.17 394	0.13 324	0.12 323	0.18 370	0.16 346

ac_64	0.27 268	0.13 164	0.41 205	0.24 256	0.17 292	0.36 315	0.22 249	0.46 250	0.33 179	0.35 276	0.36 206	0.52 361	0.30 294	0.62 325	0.32 303	0.11 266	0.09 292	0.10 219	0.10 253	0.09 163	0.08 142

xxxx	0.34 335	0.10 36	0.29 61	0.19 36	0.11 53	0.37 320	0.20 198	0.58 371	0.38 235	0.29 165	0.42 271	0.38 277	0.24 214	0.46 250	2.20 457	0.11 266	0.07 183	0.09 151	0.08 136	0.09 163	0.09 196

UPFNet	0.25 248	0.12 106	0.38 163	0.24 256	0.19 330	0.37 320	0.28 338	0.48 268	0.38 235	0.34 260	0.37 215	0.37 269	0.28 272	0.39 229	0.33 310	0.10 235	0.09 292	0.10 219	0.10 253	0.10 218	0.08 142

FADNet	0.32 322	0.36 401	0.74 369	0.23 214	0.22 367	0.37 320	0.19 157	0.53 325	0.48 334	0.32 231	0.36 206	0.43 316	0.32 315	0.64 332	0.25 258	0.16 367	0.16 389	0.14 346	0.16 377	0.24 400	0.19 377

RP	0.35 340	0.22 335	0.51 291	0.31 381	0.24 384	0.37 320	0.28 338	0.50 284	0.58 381	0.40 330	0.63 384	0.61 387	0.47 382	0.61 317	0.39 335	0.16 367	0.15 382	0.17 375	0.15 365	0.17 359	0.17 357

edge stereo	0.39 364	0.22 335	0.81 381	0.27 348	0.22 367	0.37 320	0.24 294	0.56 357	0.54 368	0.53 393	0.60 373	0.71 413	0.50 390	0.78 384	0.40 341	0.16 367	0.14 368	0.19 389	0.14 357	0.16 344	0.17 357

StereoDRNet-Refined	0.27 268	0.17 269	0.35 116	0.25 292	0.14 203	0.37 320	0.21 227	0.47 257	0.41 269	0.44 359	0.51 337	0.41 305	0.28 272	0.45 247	0.37 325	0.09 191	0.06 83	0.11 271	0.11 288	0.10 218	0.10 246
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.33 328	0.20 310	0.43 224	0.27 348	0.18 312	0.37 320	0.31 357	0.55 342	0.50 351	0.51 382	0.53 350	0.58 378	0.37 342	0.63 330	0.45 358	0.17 378	0.12 349	0.13 324	0.12 323	0.15 337	0.14 330

GCST	0.47 389	0.60 430	0.57 314	1.04 453	0.48 428	0.38 327	0.11 3	0.40 189	0.32 167	0.41 339	0.34 185	0.29 197	0.17 120	0.46 250	0.19 168	0.69 445	0.42 438	0.79 447	0.62 449	0.62 436	0.46 436

CBFPSM	0.27 268	0.16 253	0.67 349	0.20 79	0.14 203	0.38 327	0.25 309	0.40 189	0.36 212	0.33 242	0.36 206	0.56 371	0.38 346	0.32 195	0.38 327	0.08 119	0.08 260	0.07 21	0.08 136	0.09 163	0.11 278

psmorigin	0.50 397	0.25 349	3.03 459	0.24 256	0.19 330	0.38 327	0.22 249	0.50 284	0.44 295	0.64 407	0.68 392	0.71 413	0.51 393	0.85 399	0.45 358	0.14 340	0.17 394	0.13 324	0.14 357	0.16 344	0.21 394

EDNetEfficient	0.63 418	0.37 406	2.40 454	0.26 324	0.25 391	0.38 327	0.49 421	0.41 201	1.06 438	1.38 446	0.87 418	0.62 389	0.95 435	0.65 338	1.65 446	0.11 266	0.09 292	0.10 219	0.11 288	0.19 377	0.17 357

DSFCA	0.27 268	0.13 164	0.36 136	0.20 79	0.17 292	0.38 327	0.31 357	0.47 257	0.43 281	0.43 353	0.37 215	0.39 289	0.29 285	0.52 274	0.32 303	0.12 300	0.10 312	0.10 219	0.11 288	0.11 262	0.10 246

S-Stereo	0.38 359	0.20 310	1.05 420	0.27 348	0.22 367	0.38 327	0.32 361	0.55 342	0.66 396	0.39 322	0.59 368	0.49 347	0.41 358	0.75 371	0.40 341	0.12 300	0.15 382	0.13 324	0.13 346	0.16 344	0.21 394

DLCB_ROB	0.28 287	0.16 253	0.34 106	0.27 348	0.16 273	0.38 327	0.25 309	0.48 268	0.43 281	0.46 366	0.46 315	0.51 357	0.33 318	0.53 279	0.33 310	0.10 235	0.10 312	0.11 271	0.11 288	0.10 218	0.09 196

PWC_ROB	0.38 359	0.29 377	0.69 355	0.25 292	0.20 344	0.38 327	0.19 157	0.58 371	0.67 399	0.57 399	0.85 414	0.51 357	0.40 354	0.71 356	0.52 377	0.13 317	0.09 292	0.14 346	0.10 253	0.17 359	0.14 330

hitnet-ft	0.29 298	0.17 269	0.40 182	0.19 36	0.14 203	0.39 335	0.23 272	0.44 230	0.41 269	0.36 291	0.46 315	0.53 365	0.34 326	0.76 376	0.32 303	0.14 340	0.10 312	0.13 324	0.10 253	0.15 337	0.13 313

PA-Net	0.37 353	0.28 370	0.83 385	0.31 381	0.28 403	0.39 335	0.42 403	0.51 299	0.55 373	0.34 260	0.42 271	0.41 305	0.36 334	0.79 386	0.49 369	0.12 300	0.23 418	0.16 369	0.23 408	0.12 297	0.18 369
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DANet	0.35 340	0.23 342	0.60 325	0.36 405	0.22 367	0.39 335	0.25 309	0.48 268	0.43 281	0.52 388	0.50 331	0.59 380	0.41 358	0.76 376	0.49 369	0.13 317	0.11 332	0.14 346	0.12 323	0.17 359	0.15 339
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
PASM	0.45 386	0.35 398	0.90 400	0.35 404	0.33 415	0.39 335	0.38 390	0.50 284	0.61 388	0.52 388	0.51 337	0.62 389	0.45 373	0.93 413	0.48 367	0.26 410	0.29 428	0.29 417	0.33 425	0.29 416	0.26 414

pmcnn	0.50 397	0.20 310	0.78 371	0.24 256	0.26 396	0.39 335	0.30 353	0.51 299	0.50 351	0.54 395	1.23 433	2.52 457	0.37 342	0.77 382	0.95 419	0.08 119	0.06 83	0.06 1	0.05 11	0.10 218	0.08 142

ssnet_v2	0.28 287	0.16 253	0.44 232	0.22 171	0.15 248	0.40 340	0.30 353	0.57 364	0.46 320	0.38 307	0.36 206	0.47 338	0.29 285	0.38 227	0.39 335	0.13 317	0.11 332	0.11 271	0.11 288	0.11 262	0.11 278

RGC	0.39 364	0.32 394	0.64 344	0.34 395	0.27 398	0.40 340	0.29 343	0.57 364	0.53 365	0.45 363	0.64 385	0.62 389	0.45 373	0.72 361	0.39 335	0.15 352	0.15 382	0.21 395	0.20 396	0.18 370	0.19 377

ETE_ROB	0.34 335	0.26 360	0.45 242	0.29 368	0.18 312	0.40 340	0.37 384	0.57 364	0.47 325	0.50 377	0.50 331	0.62 389	0.36 334	0.55 286	0.38 327	0.13 317	0.10 312	0.14 346	0.12 323	0.16 344	0.16 346

Anonymous3	0.23 196	0.18 283	0.63 339	0.27 348	0.18 312	0.41 343	0.23 272	0.43 225	0.35 200	0.23 86	0.27 111	0.20 84	0.18 143	0.27 145	0.18 143	0.12 300	0.11 332	0.10 219	0.10 253	0.11 262	0.12 299

Syn2CoEx	0.36 344	0.31 389	0.78 371	0.34 395	0.21 351	0.41 343	0.28 338	0.61 388	0.49 343	0.42 347	0.56 363	0.45 330	0.44 370	0.69 350	0.38 327	0.17 378	0.14 368	0.15 360	0.12 323	0.13 311	0.12 299

delet	0.27 268	0.14 202	0.40 182	0.23 214	0.19 330	0.41 343	0.29 343	0.49 276	0.48 334	0.33 242	0.41 256	0.37 269	0.30 294	0.48 256	0.34 314	0.09 191	0.09 292	0.11 271	0.12 323	0.08 101	0.08 142

SuperB	0.49 394	0.28 370	2.23 450	0.23 214	0.15 248	0.41 343	0.32 361	0.47 257	0.82 420	0.43 353	0.50 331	0.33 240	0.45 373	0.68 348	1.08 425	0.10 235	0.07 183	0.09 151	0.08 136	0.98 456	0.14 330

AF-Net	0.37 353	0.26 360	0.56 311	0.32 387	0.23 379	0.41 343	0.29 343	0.61 388	0.64 394	0.42 347	0.68 392	0.65 400	0.49 389	0.57 299	0.44 355	0.15 352	0.11 332	0.19 389	0.14 357	0.15 337	0.13 313

GANet	0.36 344	0.22 335	0.49 270	0.29 368	0.17 292	0.41 343	0.38 390	0.57 364	0.45 306	0.46 366	0.75 403	0.55 369	0.40 354	0.94 415	0.41 347	0.13 317	0.13 360	0.13 324	0.11 288	0.14 325	0.11 278

NCCL2	0.35 340	0.26 360	0.49 270	0.36 405	0.22 367	0.41 343	0.41 400	0.53 325	0.42 276	0.47 373	0.46 315	0.61 387	0.39 351	0.55 286	0.37 325	0.16 367	0.13 360	0.21 395	0.21 399	0.16 344	0.16 346

Anonymous_2	0.37 353	0.21 323	0.47 257	0.20 79	0.21 351	0.42 350	0.26 320	0.38 170	0.29 137	0.33 242	0.30 138	0.44 326	0.38 346	0.36 221	0.29 288	0.26 410	0.29 428	0.44 429	1.41 464	0.34 421	0.21 394

EDNetEfficientorigin	7.51 468	0.52 426	140.47 486	0.25 292	0.17 292	0.42 350	0.29 343	0.47 257	1.03 435	1.28 443	1.02 424	0.83 419	0.84 430	0.75 371	0.99 421	0.10 235	0.09 292	0.12 304	0.10 253	0.21 388	0.22 399

SHD	0.42 375	0.27 367	0.81 381	0.31 381	0.25 391	0.42 350	0.22 249	0.66 410	0.94 434	0.63 405	0.60 373	0.59 380	0.47 382	0.59 311	0.58 386	0.15 352	0.13 360	0.16 369	0.16 377	0.20 385	0.22 399

NVstereo2D	0.31 313	0.16 253	0.54 301	0.24 256	0.22 367	0.42 350	0.28 338	0.58 371	0.56 376	0.28 138	0.38 227	0.40 302	0.30 294	0.71 356	0.28 278	0.13 317	0.08 260	0.13 324	0.10 253	0.19 377	0.16 346

StereoDRNet	0.32 322	0.22 335	0.61 328	0.27 348	0.21 351	0.42 350	0.30 353	0.61 388	0.48 334	0.46 366	0.39 240	0.48 343	0.30 294	0.57 299	0.40 341	0.11 266	0.09 292	0.12 304	0.11 288	0.12 297	0.10 246

PWCDC_ROB	0.38 359	0.30 383	0.60 325	0.33 393	0.20 344	0.42 350	0.19 157	0.58 371	0.89 427	0.42 347	1.26 434	0.36 265	0.34 326	0.50 263	0.38 327	0.18 389	0.11 332	0.11 271	0.09 219	0.19 377	0.13 313

PSMNet_ROB	0.33 328	0.24 345	0.54 301	0.31 381	0.21 351	0.42 350	0.43 405	0.59 376	0.47 325	0.37 296	0.44 294	0.49 347	0.31 308	0.64 332	0.43 351	0.14 340	0.10 312	0.15 360	0.14 357	0.13 311	0.11 278

CBMV	0.33 328	0.21 323	0.54 301	0.23 214	0.13 162	0.42 350	0.33 371	0.53 325	0.48 334	0.52 388	0.49 329	0.50 353	0.41 358	0.56 296	0.31 298	0.15 352	0.16 389	0.18 382	0.16 377	0.13 311	0.13 313
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
BUS	0.23 196	0.12 106	0.28 51	0.25 292	0.14 203	0.43 358	0.17 85	0.56 357	0.34 188	0.34 260	0.35 196	0.32 233	0.20 166	0.26 129	0.21 203	0.10 235	0.07 183	0.11 271	0.10 253	0.09 163	0.09 196

NINENet	0.25 248	0.15 232	0.37 144	0.23 214	0.16 273	0.43 358	0.17 85	0.60 384	0.46 320	0.32 231	0.37 215	0.32 233	0.20 166	0.42 238	0.21 203	0.10 235	0.10 312	0.12 304	0.08 136	0.11 262	0.10 246

iinet-f	0.30 306	0.18 283	1.03 419	0.20 79	0.15 248	0.44 360	0.22 249	0.45 240	0.37 221	0.35 276	0.44 294	0.41 305	0.34 326	0.34 207	0.40 341	0.10 235	0.09 292	0.08 88	0.08 136	0.13 311	0.11 278

Wz-Net-SNSev	0.43 379	0.41 413	1.27 434	0.30 375	0.21 351	0.44 360	0.41 400	0.61 388	0.65 395	0.46 366	0.65 386	0.62 389	0.39 351	0.74 370	0.59 387	0.12 300	0.11 332	0.12 304	0.13 346	0.16 344	0.14 330

CSP-Net	0.27 268	0.15 232	0.30 67	0.21 117	0.14 203	0.44 360	0.24 294	0.50 284	0.40 259	0.41 339	0.43 283	0.42 313	0.26 240	0.66 343	0.28 278	0.12 300	0.08 260	0.08 88	0.08 136	0.10 218	0.09 196

UNet	0.28 287	0.14 202	0.69 355	0.23 214	0.20 344	0.44 360	0.22 249	0.50 284	0.40 259	0.34 260	0.39 240	0.43 316	0.33 318	0.40 234	0.31 298	0.09 191	0.07 183	0.10 219	0.08 136	0.10 218	0.08 142

Nwc_Net	0.37 353	0.25 349	0.68 354	0.31 381	0.24 384	0.44 360	0.30 353	0.65 404	0.50 351	0.37 296	0.69 396	0.58 378	0.45 373	0.60 312	0.40 341	0.15 352	0.12 349	0.19 389	0.21 399	0.14 325	0.13 313

CRFU-Net	0.28 287	0.14 202	0.45 242	0.25 292	0.15 248	0.45 365	0.23 272	0.50 284	0.30 148	0.43 353	0.41 256	0.48 343	0.46 379	0.43 240	0.29 288	0.11 266	0.10 312	0.09 151	0.08 136	0.10 218	0.10 246

SGM-Forest	0.36 344	0.17 269	0.47 257	0.23 214	0.16 273	0.45 365	0.41 400	0.55 342	0.48 334	0.52 388	0.60 373	0.52 361	0.41 358	0.85 399	0.50 374	0.17 378	0.17 394	0.17 375	0.15 365	0.15 337	0.15 339
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
fast-acv-ft	0.31 313	0.20 310	0.81 381	0.24 256	0.18 312	0.46 367	0.27 325	0.41 201	0.49 343	0.39 322	0.55 357	0.49 347	0.35 330	0.37 223	0.38 327	0.11 266	0.11 332	0.11 271	0.12 323	0.12 297	0.09 196

Wz-Net-LNSev-Ref	0.30 306	0.20 310	0.70 361	0.21 117	0.17 292	0.46 367	0.27 325	0.50 284	0.49 343	0.42 347	0.55 357	0.43 316	0.30 294	0.46 250	0.38 327	0.09 191	0.06 83	0.07 21	0.06 33	0.11 262	0.10 246

DDUNet	0.41 372	0.50 423	0.48 265	0.44 422	0.39 420	0.46 367	0.32 361	0.50 284	0.43 281	0.45 363	0.52 345	0.57 375	0.36 334	0.48 256	0.33 310	0.33 425	0.21 410	0.55 435	0.25 413	0.37 424	0.32 424

NCC-stereo	0.39 364	0.25 349	0.69 355	0.32 387	0.28 403	0.46 367	0.36 380	0.65 404	0.52 361	0.40 330	0.57 364	0.56 371	0.47 382	0.73 363	0.45 358	0.17 378	0.14 368	0.18 382	0.25 413	0.16 344	0.16 346

Abc-Net	0.39 364	0.25 349	0.69 355	0.32 387	0.28 403	0.46 367	0.36 380	0.65 404	0.52 361	0.40 330	0.57 364	0.56 371	0.47 382	0.73 363	0.45 358	0.17 378	0.14 368	0.18 382	0.25 413	0.16 344	0.16 346
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DRN-Test	0.33 328	0.17 269	0.61 328	0.27 348	0.19 330	0.46 367	0.29 343	0.65 404	0.51 354	0.47 373	0.46 315	0.44 326	0.34 326	0.62 325	0.41 347	0.12 300	0.08 260	0.13 324	0.12 323	0.12 297	0.10 246

Wz-Net-LNSev	0.34 335	0.29 377	0.91 401	0.26 324	0.21 351	0.47 373	0.31 357	0.54 332	0.54 368	0.44 359	0.52 345	0.50 353	0.35 330	0.39 229	0.39 335	0.11 266	0.11 332	0.10 219	0.09 219	0.14 325	0.13 313

UDG	0.40 370	0.46 414	0.49 270	0.40 417	0.35 418	0.47 373	0.27 325	0.54 332	0.47 325	0.39 322	0.45 306	0.59 380	0.44 370	0.46 250	0.39 335	0.26 410	0.19 404	0.48 431	0.22 406	0.34 421	0.26 414

MMNet	0.27 268	0.14 202	0.49 270	0.24 256	0.17 292	0.47 373	0.22 249	0.45 240	0.51 354	0.39 322	0.41 256	0.36 265	0.33 318	0.39 229	0.34 314	0.08 119	0.07 183	0.09 151	0.09 219	0.10 218	0.08 142

LALA_ROB	0.36 344	0.25 349	0.46 249	0.30 375	0.21 351	0.47 373	0.39 395	0.61 388	0.51 354	0.52 388	0.51 337	0.69 410	0.36 334	0.50 263	0.43 351	0.17 378	0.11 332	0.16 369	0.14 357	0.17 359	0.15 339

SQANet	0.40 370	0.48 418	0.67 349	0.48 426	0.39 420	0.48 377	0.22 249	0.51 299	0.43 281	0.40 330	0.47 322	0.47 338	0.33 318	0.54 285	0.32 303	0.36 428	0.15 382	0.40 427	0.21 399	0.45 427	0.31 421

GwcNet	0.35 340	0.23 342	0.88 397	0.25 292	0.24 384	0.48 377	0.27 325	0.55 342	0.57 379	0.38 307	0.52 345	0.51 357	0.32 315	0.60 312	0.41 347	0.13 317	0.11 332	0.12 304	0.11 288	0.13 311	0.14 330

DISCO	0.32 322	0.13 164	0.51 291	0.25 292	0.16 273	0.48 377	0.25 309	0.50 284	0.57 379	0.37 296	0.45 306	0.62 389	0.36 334	0.64 332	0.49 369	0.09 191	0.07 183	0.09 151	0.08 136	0.12 297	0.11 278

Consistency-Raft	0.55 407	0.48 418	1.02 417	0.45 423	0.49 429	0.49 380	0.47 415	0.72 423	0.72 409	0.45 363	0.82 411	0.47 338	0.60 405	0.50 263	0.63 395	0.39 432	0.39 436	0.44 429	0.51 440	0.52 430	0.37 427

RTSC	0.39 364	0.28 370	0.78 371	0.27 348	0.18 312	0.49 380	0.22 249	0.59 376	0.84 425	0.55 396	0.53 350	0.49 347	0.36 334	0.67 347	0.82 409	0.13 317	0.10 312	0.11 271	0.12 323	0.17 359	0.17 357

ADCRef	0.38 359	0.24 345	0.88 397	0.26 324	0.21 351	0.49 380	0.27 325	0.52 314	0.48 334	0.50 377	0.58 366	0.35 260	0.47 382	0.48 256	1.29 440	0.09 191	0.08 260	0.12 304	0.12 323	0.11 262	0.11 278

coex-ft	3.44 464	0.73 437	48.55 484	0.24 256	0.19 330	0.50 383	0.43 405	0.47 257	2.40 456	7.03 469	1.20 431	0.97 427	2.23 460	0.73 363	1.92 454	0.12 300	0.15 382	0.14 346	0.12 323	0.21 388	0.43 432

MaskLacGwcNet_RVC	0.36 344	0.36 401	0.53 298	0.34 395	0.19 330	0.51 384	0.24 294	0.55 342	0.38 235	0.41 339	0.47 322	0.47 338	0.27 258	0.73 363	0.30 294	0.36 428	0.19 404	0.27 407	0.17 385	0.26 407	0.23 405

ADCMid	0.49 394	0.34 396	1.13 426	0.26 324	0.21 351	0.51 384	0.37 384	0.57 364	0.54 368	0.75 419	0.66 388	0.62 389	0.64 415	0.64 332	1.68 447	0.13 317	0.12 349	0.17 375	0.17 385	0.20 385	0.17 357

CC-Net-ROB	0.43 379	0.47 416	0.65 345	0.37 411	0.23 379	0.51 384	0.29 343	0.66 410	0.49 343	0.46 366	0.51 337	0.48 343	0.38 346	0.96 418	0.35 318	0.34 426	0.23 418	0.55 435	0.25 413	0.31 418	0.20 387

GANetREF_RVC	0.43 379	0.47 416	0.69 355	0.38 413	0.20 344	0.51 384	0.48 419	0.66 410	0.66 396	0.46 366	0.46 315	0.50 353	0.44 370	0.90 409	0.39 335	0.27 415	0.21 410	0.32 421	0.18 391	0.27 411	0.22 399
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
LSM	1.64 456	0.40 410	2.56 456	2.02 465	17.61 476	0.51 384	0.52 423	0.61 388	0.76 414	0.82 422	1.11 428	0.63 397	0.54 396	0.75 371	0.49 369	0.16 367	0.24 420	0.18 382	0.21 399	0.25 401	2.42 468

NaN_ROB	0.41 372	0.28 370	0.62 336	0.30 375	0.19 330	0.51 384	0.47 415	0.58 371	0.59 382	0.56 397	0.47 322	0.49 347	0.41 358	1.21 436	0.64 396	0.12 300	0.18 400	0.12 304	0.13 346	0.11 262	0.14 330

NVStereoNet_ROB	0.67 422	0.49 422	0.83 385	0.48 426	0.40 422	0.51 384	0.46 411	0.70 420	0.77 416	0.84 423	1.72 450	1.02 428	0.83 429	1.23 437	0.79 407	0.32 424	0.38 435	0.40 427	0.46 435	0.36 423	0.41 431
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
FBW_ROB	0.43 379	0.26 360	0.54 301	0.31 381	0.20 344	0.51 384	0.32 361	0.70 420	0.60 385	0.59 400	0.55 357	0.65 400	0.41 358	1.40 444	0.51 376	0.13 317	0.17 394	0.21 395	0.16 377	0.17 359	0.18 369

DispFullNet	0.66 421	0.89 445	1.59 443	0.77 442	1.21 459	0.51 384	0.23 272	0.59 376	0.72 409	0.69 413	0.61 379	0.69 410	0.91 434	0.79 386	0.48 367	0.27 415	0.12 349	0.73 443	0.30 424	0.65 440	0.40 430

APVNet	0.36 344	0.20 310	0.70 361	0.26 324	0.22 367	0.52 393	0.35 376	0.61 388	0.44 295	0.38 307	0.52 345	0.48 343	0.38 346	0.84 398	0.46 364	0.13 317	0.14 368	0.15 360	0.16 377	0.16 344	0.15 339

XQC	0.43 379	0.37 406	0.96 410	0.34 395	0.25 391	0.53 394	0.34 373	0.60 384	0.73 412	0.51 382	0.46 315	0.57 375	0.47 382	0.70 353	0.72 401	0.17 378	0.12 349	0.18 382	0.15 365	0.25 401	0.23 405

ADCS	0.58 412	0.40 410	1.35 439	0.29 368	0.24 384	0.55 395	0.45 409	0.67 415	0.83 423	0.76 420	0.71 397	0.68 408	0.60 405	0.76 376	2.23 458	0.16 367	0.16 389	0.16 369	0.17 385	0.22 394	0.22 399

anonymity	0.56 408	0.54 427	0.70 361	0.47 425	0.61 438	0.56 396	0.43 405	0.69 419	0.49 343	0.63 405	0.55 357	0.54 367	0.60 405	0.61 317	0.57 381	0.55 438	0.53 445	0.50 432	0.54 443	0.51 429	0.56 441

ADCP+	0.45 386	0.24 345	1.15 427	0.25 292	0.22 367	0.56 396	0.39 395	0.54 332	0.51 354	0.44 359	0.51 337	0.46 336	0.52 395	0.56 296	1.89 453	0.10 235	0.08 260	0.11 271	0.10 253	0.14 325	0.13 313

CSAN	0.50 397	0.35 398	0.78 371	0.36 405	0.23 379	0.56 396	0.59 430	0.61 388	0.70 406	0.64 407	0.78 407	0.65 400	0.60 405	1.38 443	0.62 392	0.21 398	0.17 394	0.20 393	0.20 396	0.18 370	0.18 369

WZ-Net	0.52 405	0.38 408	1.90 448	0.30 375	0.24 384	0.57 399	0.48 419	0.62 396	0.78 417	0.50 377	0.71 397	0.68 408	0.54 396	0.98 421	0.84 410	0.13 317	0.10 312	0.11 271	0.12 323	0.19 377	0.20 387

WCMA_ROB	0.51 401	0.21 323	0.65 345	0.25 292	0.21 351	0.58 400	0.32 361	0.54 332	0.55 373	0.95 430	1.40 438	1.28 436	0.81 427	0.73 363	0.62 392	0.18 389	0.15 382	0.15 360	0.15 365	0.19 377	0.19 377

Wz-Net-MNSev	0.36 344	0.26 360	0.79 377	0.26 324	0.21 351	0.59 401	0.38 390	0.55 342	0.56 376	0.48 376	0.54 353	0.53 365	0.36 334	0.60 312	0.44 355	0.11 266	0.09 292	0.11 271	0.11 288	0.15 337	0.13 313

PVD	0.58 412	0.34 396	0.84 390	0.39 415	0.31 413	0.59 401	0.47 415	0.80 432	1.25 444	0.92 427	1.09 426	0.79 417	0.82 428	0.85 399	0.76 402	0.21 398	0.18 400	0.22 401	0.18 391	0.27 411	0.35 426

AnyNet_C32	0.51 401	0.40 410	1.10 425	0.29 368	0.28 403	0.59 401	0.58 428	0.54 332	0.60 385	0.62 403	0.66 388	0.54 367	0.54 396	0.78 384	1.74 450	0.15 352	0.14 368	0.15 360	0.17 385	0.20 385	0.20 387

ccnet	0.42 375	0.31 389	0.48 265	0.27 348	0.32 414	0.60 404	0.32 361	0.65 404	0.46 320	0.53 393	0.66 388	0.56 371	0.45 373	0.72 361	0.61 390	0.26 410	0.19 404	0.24 404	0.21 399	0.26 407	0.22 399

RYNet	0.37 353	0.18 283	0.59 323	0.25 292	0.28 403	0.61 405	0.32 361	0.59 376	0.59 382	0.41 339	0.38 227	0.57 375	0.39 351	0.87 402	0.53 379	0.11 266	0.08 260	0.12 304	0.11 288	0.18 370	0.18 369

DGSMNet	0.61 417	0.29 377	0.91 401	0.51 429	0.70 442	0.62 406	1.38 464	0.59 376	0.55 373	0.37 296	0.61 379	0.52 361	0.33 318	0.65 338	0.43 351	0.53 435	0.60 452	0.67 440	0.61 448	0.63 437	0.61 448

stereogan	0.37 353	0.17 269	0.65 345	0.27 348	0.22 367	0.62 406	0.26 320	0.59 376	0.63 393	0.43 353	0.60 373	0.67 405	0.42 366	0.68 348	0.35 318	0.13 317	0.14 368	0.14 346	0.12 323	0.19 377	0.17 357

Wz-Net-TNSev	0.51 401	0.58 428	1.61 446	0.25 292	0.21 351	0.65 408	0.45 409	0.63 402	0.69 404	0.51 382	0.54 353	0.71 413	0.60 405	1.00 422	0.77 405	0.15 352	0.15 382	0.13 324	0.15 365	0.21 388	0.20 387

FCDSN-DC	0.63 418	0.31 389	0.61 328	0.36 405	0.30 411	0.65 408	0.37 384	0.66 410	0.68 402	1.14 440	1.54 446	1.71 445	1.26 447	0.92 411	0.64 396	0.24 407	0.22 414	0.27 407	0.26 417	0.27 411	0.27 417
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MeshStereo	0.58 412	0.27 367	0.67 349	0.22 171	0.17 292	0.66 410	0.37 384	0.78 428	0.61 388	1.47 457	1.30 435	1.65 443	0.79 424	1.12 430	0.59 387	0.17 378	0.17 394	0.17 375	0.14 357	0.17 359	0.14 330
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
PDISCO_ROB	0.43 379	0.30 383	0.67 349	0.43 420	0.36 419	0.67 411	0.32 361	0.72 423	0.76 414	0.43 353	0.53 350	0.63 397	0.40 354	0.66 343	0.47 366	0.21 398	0.12 349	0.21 395	0.19 395	0.25 401	0.20 387

MFN_U_SF_RVC	0.56 408	0.51 425	1.19 428	0.38 413	0.22 367	0.69 412	0.27 325	0.80 432	0.67 399	0.73 415	0.74 402	0.87 420	0.61 414	0.81 393	0.76 402	0.29 420	0.27 424	0.32 421	0.37 431	0.32 420	0.31 421

SANet	0.53 406	0.28 370	0.96 410	0.26 324	0.15 248	0.69 412	0.44 408	0.67 415	1.34 445	0.67 410	0.98 423	0.94 424	0.71 420	0.89 406	0.76 402	0.14 340	0.12 349	0.12 304	0.11 288	0.17 359	0.16 346

SGM_RVC	0.50 397	0.19 298	0.50 280	0.25 292	0.15 248	0.69 412	0.39 395	0.68 418	0.82 420	0.95 430	0.84 413	1.13 429	0.76 422	1.16 432	0.60 389	0.16 367	0.16 389	0.16 369	0.16 377	0.16 344	0.17 357
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ADCPNet	0.48 392	0.29 377	1.60 444	0.27 348	0.23 379	0.70 415	0.38 390	0.53 325	0.51 354	0.51 382	0.59 368	0.67 405	0.56 400	0.60 312	1.14 430	0.15 352	0.18 400	0.14 346	0.23 408	0.19 377	0.19 377

otaku	0.57 411	0.62 432	0.87 396	0.63 436	0.44 425	0.73 416	0.37 384	0.65 404	0.66 396	0.51 382	0.75 403	0.66 404	0.45 373	0.69 350	0.46 364	0.53 435	0.34 433	0.55 435	0.35 427	0.60 435	0.45 433

ADCL	0.47 389	0.22 335	1.00 414	0.27 348	0.19 330	0.74 417	0.64 433	0.54 332	0.69 404	0.56 397	0.71 397	0.55 369	0.60 405	0.60 312	1.43 442	0.11 266	0.09 292	0.13 324	0.13 346	0.14 325	0.14 330

SPS-STEREO	0.69 424	0.61 431	0.98 412	0.52 431	0.57 436	0.74 417	0.50 422	0.78 428	0.62 390	0.95 430	0.86 415	0.94 424	0.70 419	1.01 423	0.87 414	0.58 441	0.51 442	0.50 432	0.50 439	0.55 432	0.58 443
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DPSNet	0.47 389	0.24 345	0.93 405	0.27 348	0.20 344	0.75 419	0.57 427	0.84 436	0.79 418	0.47 373	0.51 337	0.60 383	0.69 418	0.87 402	0.71 400	0.16 367	0.13 360	0.12 304	0.10 253	0.25 401	0.21 394

Ntro	0.58 412	0.64 433	0.92 403	0.66 437	0.50 431	0.77 420	0.36 380	0.66 410	0.70 406	0.50 377	0.59 368	0.65 400	0.51 393	0.75 371	0.45 358	0.56 439	0.32 432	0.56 438	0.34 426	0.63 437	0.46 436

ACVNet_1	0.72 427	0.81 440	1.37 440	0.72 440	0.53 434	0.77 420	0.42 403	0.85 439	0.90 429	0.74 418	0.75 403	1.32 438	0.72 421	1.02 424	0.55 380	0.54 437	0.31 431	0.71 442	0.35 427	0.64 439	0.45 433

MFMNet_re	0.72 427	0.76 438	0.99 413	0.62 435	0.70 442	0.77 420	0.67 434	0.75 425	0.83 423	0.78 421	0.86 415	0.69 410	0.78 423	0.71 356	0.61 390	0.66 444	0.59 451	0.61 439	0.58 447	0.68 443	0.71 452

RainbowNet	0.72 427	0.89 445	1.02 417	0.82 443	0.63 440	0.78 423	0.52 423	0.81 434	0.93 433	0.60 401	0.79 408	0.80 418	0.60 405	0.80 390	0.57 381	0.78 449	0.55 448	0.78 445	0.49 437	0.76 445	0.58 443

LE_ROB	1.76 457	0.20 310	2.68 458	0.48 426	0.52 433	0.78 423	0.96 453	0.84 436	6.61 469	7.40 470	2.08 457	2.08 449	4.83 465	1.27 440	3.79 465	0.10 235	0.08 260	0.12 304	0.11 288	0.11 262	0.10 246

ACVNet-4b	0.72 427	0.81 440	1.33 438	0.72 440	0.50 431	0.80 425	0.31 357	0.71 422	0.80 419	0.50 377	0.72 401	0.95 426	0.43 369	0.96 418	1.20 437	1.13 462	0.21 410	0.76 444	0.45 434	0.65 440	0.46 436

FC-DCNN	0.70 425	0.30 383	0.69 355	0.32 387	0.27 398	0.81 426	0.39 395	0.79 431	0.82 420	1.41 449	1.58 448	1.98 448	1.26 447	1.02 424	0.77 405	0.24 407	0.22 414	0.27 407	0.26 417	0.26 407	0.26 414

FC-DCNN v2	0.71 426	0.30 383	0.67 349	0.32 387	0.27 398	0.84 427	0.39 395	0.84 436	0.85 426	1.44 453	1.64 449	2.09 450	1.28 449	1.06 426	0.80 408	0.24 407	0.22 414	0.27 407	0.26 417	0.26 407	0.25 412

MFN_U_SF_DS_RVC	0.51 401	0.50 423	0.86 394	0.39 415	0.24 384	0.84 427	0.55 426	0.56 357	0.62 390	0.60 401	0.68 392	0.62 389	0.42 366	1.13 431	0.43 351	0.23 401	0.27 424	0.27 407	0.35 427	0.25 401	0.29 418

MSMD_ROB	0.60 416	0.33 395	0.61 328	0.30 375	0.25 391	0.86 429	0.35 376	0.55 342	0.67 399	1.10 438	1.49 443	1.76 446	0.97 438	0.88 405	0.49 369	0.23 401	0.21 410	0.27 407	0.27 420	0.25 401	0.24 410

AnyNet_C01	0.65 420	0.58 428	2.60 457	0.32 387	0.26 396	0.88 430	0.61 431	0.63 402	0.62 390	0.68 411	0.96 422	0.76 416	0.60 405	0.96 418	1.43 442	0.16 367	0.16 389	0.17 375	0.17 385	0.23 397	0.23 405

ELAS_RVC	0.74 431	0.36 401	1.00 414	0.37 411	0.33 415	0.88 430	0.93 452	0.83 435	1.08 439	1.35 445	1.33 437	1.24 434	1.33 451	1.06 426	0.95 419	0.27 415	0.25 422	0.29 417	0.27 420	0.30 417	0.30 419
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
G-Net	0.46 388	0.25 349	0.86 394	0.34 395	0.28 403	0.90 432	0.35 376	0.47 257	0.45 306	0.68 411	1.22 432	0.64 399	0.60 405	0.61 317	0.57 381	0.16 367	0.14 368	0.17 375	0.13 346	0.22 394	0.19 377

IMH-64-1	0.91 437	0.86 442	0.84 390	0.97 448	0.75 444	0.92 433	0.71 436	1.27 445	1.10 440	0.89 425	1.45 440	1.14 430	0.96 436	1.19 433	0.84 410	0.74 446	0.51 442	0.97 450	0.55 444	0.84 447	0.60 445

IMH-64	0.91 437	0.86 442	0.84 390	0.97 448	0.75 444	0.92 433	0.71 436	1.27 445	1.10 440	0.89 425	1.45 440	1.14 430	0.96 436	1.19 433	0.84 410	0.74 446	0.51 442	0.97 450	0.55 444	0.84 447	0.60 445

ACVNet_2	0.89 436	0.87 444	1.25 432	0.82 443	0.62 439	0.97 435	0.62 432	1.14 444	1.42 447	1.00 433	1.40 438	1.47 441	0.84 430	1.11 428	0.66 398	0.61 442	0.43 439	0.78 445	0.49 437	0.75 444	0.52 439

SAMSARA	0.56 408	0.39 409	0.80 379	0.60 434	0.46 426	1.00 436	1.23 463	0.67 415	0.68 402	0.71 414	0.54 353	0.89 423	0.57 402	0.81 393	0.62 392	0.19 394	0.22 414	0.18 382	0.18 391	0.27 411	0.25 412

SGM+DAISY	0.87 435	0.66 435	1.30 437	0.51 429	0.60 437	1.03 437	0.84 449	0.76 426	0.73 412	1.39 447	1.51 444	1.31 437	1.22 445	1.11 428	1.08 425	0.57 440	0.53 445	0.51 434	0.51 440	0.54 431	0.61 448

LRCNet_RVC	10.90 472	14.34 480	9.35 467	15.35 475	8.04 469	1.08 438	0.34 373	8.78 472	0.70 406	12.63 478	16.05 478	9.85 471	6.54 467	8.57 472	6.34 470	20.27 482	5.40 470	23.70 480	21.88 479	14.87 477	13.83 479

IMH	1.05 443	0.95 450	1.00 414	1.01 450	0.78 447	1.11 439	0.68 435	1.38 448	1.43 448	1.00 433	1.72 450	1.43 439	1.14 440	1.73 452	0.89 415	1.09 459	0.55 448	0.99 452	0.57 446	0.87 450	0.62 450

RTS	0.78 433	0.48 418	4.68 461	0.34 395	0.28 403	1.12 440	0.46 411	0.62 396	1.03 435	0.73 415	0.89 419	0.60 383	0.59 403	1.61 447	1.16 433	0.14 340	0.11 332	0.15 360	0.15 365	0.21 388	0.19 377

RTSA	0.78 433	0.48 418	4.68 461	0.34 395	0.28 403	1.12 440	0.46 411	0.62 396	1.03 435	0.73 415	0.89 419	0.60 383	0.59 403	1.61 447	1.16 433	0.14 340	0.11 332	0.15 360	0.15 365	0.21 388	0.19 377

WAO-7	1.01 441	0.89 445	0.93 405	0.83 445	0.66 441	1.18 442	0.81 447	1.40 449	1.57 450	1.11 439	1.76 452	1.45 440	1.19 444	1.50 446	1.14 430	0.61 442	0.62 455	0.70 441	0.68 451	0.66 442	0.60 445

notaker	1.45 451	1.34 461	1.48 441	1.40 461	1.07 457	1.18 442	0.85 450	1.48 453	1.40 446	1.51 458	3.46 463	2.40 456	1.81 457	1.76 454	1.45 445	1.11 460	0.69 460	1.38 462	0.87 458	1.31 461	0.97 460

PWCK	1.00 439	1.17 458	1.70 447	0.91 446	0.41 423	1.19 444	0.92 451	1.10 442	1.14 442	1.16 441	1.14 429	1.25 435	0.88 433	1.75 453	1.04 424	0.87 453	0.50 440	0.87 448	0.53 442	0.96 455	0.52 439

Dean	1.17 447	1.04 453	1.49 442	1.03 452	0.78 447	1.20 445	0.77 443	1.48 453	1.96 452	1.28 443	1.99 455	2.15 451	1.14 440	1.25 438	1.00 422	0.81 451	0.60 452	1.01 453	0.69 452	0.92 454	0.74 455

MADNet+	1.01 441	1.16 457	4.72 463	0.70 439	0.47 427	1.24 446	0.96 453	0.97 441	0.89 427	0.65 409	0.77 406	0.87 420	0.85 432	2.09 457	1.68 447	0.38 431	0.39 436	0.31 420	0.27 420	0.43 425	0.39 429

SDNR	0.42 375	0.21 323	0.82 384	0.21 117	0.18 312	1.27 447	0.17 85	0.50 284	0.49 343	0.42 347	0.81 410	0.38 277	0.27 258	1.19 433	0.38 327	0.23 401	0.24 420	0.17 375	0.13 346	0.17 359	0.20 387

WAO-6	1.07 444	0.93 449	0.92 403	0.96 447	0.78 447	1.28 448	0.75 440	1.34 447	2.00 454	1.02 435	1.54 446	1.59 442	1.22 445	1.31 441	1.14 430	0.78 449	0.55 448	1.02 454	0.75 455	0.83 446	0.69 451

LVE	1.13 445	1.02 451	1.28 435	1.01 450	0.80 450	1.29 449	0.81 447	1.47 452	1.96 452	1.07 437	1.90 453	1.90 447	1.01 439	1.48 445	0.91 416	0.93 456	0.61 454	0.94 449	0.69 452	0.87 450	0.75 456

MDST_ROB	0.48 392	0.14 202	0.95 408	0.30 375	0.21 351	1.33 450	0.32 361	0.77 427	0.56 376	1.06 436	0.71 397	0.49 347	0.35 330	1.26 439	0.38 327	0.13 317	0.11 332	0.16 369	0.13 346	0.12 297	0.12 299

ELAS	0.74 431	0.36 401	0.85 393	0.36 405	0.33 415	1.36 451	0.77 443	0.93 440	0.92 431	1.41 449	1.53 445	1.16 433	1.17 443	0.95 417	1.03 423	0.26 410	0.25 422	0.28 413	0.28 423	0.31 418	0.30 419
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
KSHMR	1.89 459	1.36 462	1.60 444	1.47 463	1.22 460	1.38 452	1.06 457	1.79 457	5.97 468	1.42 451	5.65 468	2.98 461	1.14 440	2.23 460	1.20 437	1.27 463	1.12 462	1.46 464	1.10 463	1.32 462	1.15 463

MSC_U_SF_DS_RVC	0.68 423	0.64 433	1.06 421	0.45 423	0.27 398	1.40 453	0.58 428	0.78 428	0.92 431	0.84 423	0.86 415	0.88 422	0.68 417	1.33 442	0.68 399	0.37 430	0.29 428	0.34 423	0.36 430	0.43 425	0.37 427

ktn	1.77 458	1.36 462	1.22 430	1.43 462	1.14 458	1.52 454	1.08 458	1.51 455	3.96 465	2.77 464	4.69 465	3.35 462	1.46 455	1.69 451	1.25 439	1.43 464	0.77 461	1.45 463	0.99 461	1.32 462	0.96 459

HanzoNet	2.97 463	1.69 464	2.29 451	1.74 464	1.33 461	1.53 455	1.03 456	1.99 461	2.64 457	5.51 467	5.16 466	5.90 469	6.82 469	4.32 468	3.29 463	3.16 467	2.02 468	1.92 465	2.87 468	2.24 466	1.89 466

UNDER WATER	1.59 455	1.22 460	2.36 452	1.38 460	1.03 456	1.67 456	1.10 459	1.54 456	3.63 460	1.44 453	1.47 442	2.85 460	2.25 461	1.67 450	1.94 455	1.06 458	0.62 455	1.31 461	0.93 460	1.21 458	1.02 461

WAO-8	1.46 452	1.10 455	1.09 422	1.10 454	0.84 451	2.06 457	0.75 440	1.84 458	3.83 462	1.44 453	2.21 458	2.15 451	1.43 453	3.17 463	1.19 435	0.91 454	0.65 457	1.09 455	0.79 456	0.90 452	0.71 452

Venus	1.46 452	1.10 455	1.09 422	1.10 454	0.84 451	2.06 457	0.75 440	1.84 458	3.83 462	1.44 453	2.21 458	2.15 451	1.43 453	3.17 463	1.19 435	0.91 454	0.65 457	1.09 455	0.79 456	0.90 452	0.71 452

UNDER WATER-64	1.55 454	1.19 459	2.52 455	1.31 459	0.95 455	2.12 459	1.21 462	1.45 451	3.19 458	1.43 452	1.32 436	2.64 458	2.04 459	1.63 449	1.83 451	1.11 460	0.67 459	1.28 460	0.92 459	1.19 457	1.02 461

MANE	1.41 449	0.36 401	0.74 369	0.43 420	0.41 423	2.16 460	0.80 445	2.39 465	3.38 459	2.22 460	3.06 462	3.54 463	2.73 464	2.15 459	1.94 455	0.28 418	0.27 424	0.30 419	0.46 435	0.28 415	0.34 425

TorneroNet-64	1.43 450	1.03 452	1.20 429	1.10 454	0.86 453	2.26 461	0.73 439	1.84 458	3.84 464	1.25 442	2.25 460	2.69 459	1.42 452	1.76 454	1.43 442	0.76 448	0.50 440	1.09 455	0.66 450	1.23 459	0.76 457

SGM-ForestM	1.36 448	0.28 370	0.79 377	0.26 324	0.16 273	2.26 461	1.00 455	1.42 450	1.46 449	2.38 461	2.05 456	5.95 470	2.66 463	2.95 462	2.46 460	0.17 378	0.18 400	0.18 382	0.18 391	0.15 337	0.18 369

MADNet++	2.26 461	1.80 465	2.06 449	2.13 467	1.97 464	2.61 463	1.79 466	2.38 464	2.16 455	2.75 463	2.65 461	2.38 455	2.43 462	3.17 463	3.21 462	2.17 465	1.95 466	1.94 466	1.63 465	2.06 465	2.01 467

JetBlue	1.14 446	0.76 438	2.36 452	0.59 433	0.75 444	3.04 464	1.78 465	1.11 443	0.90 429	0.94 428	1.10 427	1.66 444	1.28 449	2.09 457	1.72 449	0.43 434	0.36 434	0.38 425	0.38 433	0.58 434	0.56 441

DPSimNet_ROB	4.34 465	4.23 468	6.89 466	3.67 468	3.68 465	4.75 465	5.21 469	2.67 466	3.68 461	5.82 468	3.95 464	5.57 466	6.72 468	3.46 467	4.48 467	4.05 470	2.88 469	4.68 470	3.12 470	3.69 468	3.62 470

TorneroNet	2.22 460	1.08 454	1.24 431	1.14 458	0.90 454	5.58 466	0.80 445	2.12 463	8.69 470	2.58 462	5.42 467	3.88 464	1.97 458	1.78 456	1.87 452	0.86 452	0.54 447	1.15 459	0.74 454	1.23 459	0.85 458

JetRed	2.30 462	2.64 467	6.12 464	1.12 457	1.38 462	5.85 467	3.29 467	1.99 461	1.67 451	1.98 459	1.95 454	2.16 454	1.60 456	2.48 461	4.10 466	1.05 457	1.60 463	1.09 455	1.01 462	1.67 464	1.28 464

U	1.00 439	0.09 15	0.21 8	0.21 117	3.68 465	6.12 468	0.14 20	0.21 6	0.21 39	0.11 3	0.11 3	0.10 2	0.09 4	0.12 1	0.11 1	0.07 22	0.05 7	5.42 471	2.90 469	0.07 51	0.06 28

DGTPSM_ROB	8.34 469	5.10 469	10.37 474	5.31 470	10.18 470	8.33 469	23.60 477	6.06 470	13.41 476	4.90 465	10.87 474	5.65 467	10.44 471	6.17 469	12.59 472	3.74 468	7.55 471	3.69 468	7.26 473	4.14 469	7.46 471

DPSMNet_ROB	8.40 470	5.11 470	10.49 475	5.58 471	10.25 471	8.34 470	23.62 478	6.07 471	13.45 477	4.93 466	10.88 475	5.66 468	10.44 471	6.24 470	12.64 473	3.98 469	7.61 472	3.76 469	7.30 474	4.20 470	7.51 472

HaxPig	17.72 480	20.22 484	19.73 477	16.53 476	16.51 475	9.27 471	9.33 470	14.34 480	13.27 475	18.65 479	18.70 479	17.35 479	16.77 480	17.04 480	16.45 480	22.05 483	20.89 483	22.27 479	21.53 478	21.29 481	22.13 483

BEATNet-Init1	4.73 467	2.61 466	13.29 476	0.58 432	0.53 434	10.12 472	3.33 468	4.83 468	5.01 467	8.75 471	8.51 469	14.08 478	7.60 470	7.70 471	5.34 468	0.28 418	0.28 427	0.34 423	0.37 431	0.57 433	0.45 433

tt	4.71 466	0.10 36	3.94 460	2.06 466	1.53 463	10.14 473	16.88 473	9.27 473	4.98 466	1.39 447	1.02 424	4.68 465	4.90 466	3.35 466	5.86 469	5.76 471	9.15 476	2.24 467	2.53 467	3.10 467	1.32 465

MEDIAN_ROB	21.21 481	24.62 485	23.47 482	19.58 477	19.65 480	13.22 474	10.96 471	17.88 481	17.00 481	22.14 483	22.02 481	20.86 481	20.36 481	21.06 481	19.71 481	25.63 484	24.13 484	26.21 481	25.20 480	25.17 482	25.38 484

xxxxx1	15.27 475	9.54 473	10.31 469	20.13 478	18.88 477	17.08 475	23.03 474	10.36 474	10.99 472	9.21 472	9.62 470	10.74 473	10.61 474	10.72 474	13.89 477	7.97 475	9.20 477	31.85 483	44.72 483	12.84 474	13.69 476

tt_ll	15.27 475	9.54 473	10.31 469	20.13 478	18.88 477	17.08 475	23.03 474	10.36 474	10.99 472	9.21 472	9.62 470	10.74 473	10.61 474	10.72 474	13.89 477	7.97 475	9.20 477	31.85 483	44.72 483	12.84 474	13.69 476

ff	15.27 475	9.54 473	10.31 469	20.13 478	18.88 477	17.08 475	23.03 474	10.36 474	10.99 472	9.21 472	9.62 470	10.74 473	10.61 474	10.72 474	13.89 477	7.97 475	9.20 477	31.85 483	44.72 483	12.84 474	13.69 476

AVERAGE_ROB	25.43 485	29.06 486	27.24 483	24.63 484	24.20 484	17.73 478	12.61 472	22.29 482	21.39 482	26.79 485	26.16 484	25.20 485	24.64 485	25.07 485	23.53 482	29.96 485	28.40 485	30.60 482	29.58 481	29.72 483	29.84 485

Anonymous_1	16.62 479	9.35 472	9.84 468	10.66 472	14.64 474	18.66 479	27.12 479	12.64 477	13.51 478	10.76 477	10.30 473	10.13 472	10.60 473	11.06 477	12.74 474	15.87 481	7.74 473	16.92 478	43.48 482	58.66 485	7.68 473

DPSM_ROB	11.49 473	9.87 476	10.35 472	11.13 473	11.31 472	19.11 480	27.51 480	13.37 478	14.21 479	10.31 475	11.06 476	10.96 476	11.27 477	11.96 478	13.59 475	6.78 473	8.19 474	6.03 472	7.09 471	7.93 471	7.73 474

DPSM	11.49 473	9.87 476	10.35 472	11.13 473	11.31 472	19.11 480	27.51 480	13.37 478	14.21 479	10.31 475	11.06 476	10.96 476	11.27 477	11.96 478	13.59 475	6.78 473	8.19 474	6.03 472	7.09 471	7.93 471	7.73 474

PML	16.10 478	12.82 479	6.78 465	5.23 469	7.76 468	33.92 482	66.56 485	5.30 469	10.28 471	26.12 484	68.59 485	20.51 480	13.49 479	10.06 473	6.78 471	5.96 472	2.00 467	6.04 474	2.18 466	8.96 473	2.60 469

CasAABBNet	23.10 482	19.86 481	20.64 479	22.47 481	22.73 481	38.41 483	55.50 484	26.89 483	28.70 484	20.61 481	22.15 482	22.08 482	22.75 482	23.99 482	27.36 484	13.59 478	16.48 481	12.14 475	14.27 476	15.95 478	15.53 480

LSM0	24.24 484	19.98 483	22.32 481	24.22 483	40.14 485	38.48 484	55.20 482	26.95 484	28.57 483	20.49 480	21.83 480	22.26 484	22.75 482	24.22 484	27.30 483	13.66 480	16.32 480	12.19 477	14.15 475	16.10 480	17.66 482

Selective-RAFT-Error	23.16 483	19.93 482	20.87 480	22.54 482	22.81 482	38.52 485	55.47 483	27.01 485	28.83 485	20.66 482	22.25 483	22.09 483	22.80 484	24.09 483	27.36 484	13.61 479	16.48 481	12.15 476	14.28 477	15.99 479	15.57 481

test_example2	101.33 486	108.28 487	68.15 485	98.43 485	106.93 486	89.75 486	102.43 486	36.80 486	97.65 486	129.04 486	130.15 486	65.26 486	66.62 486	92.11 486	80.24 486	144.10 486	199.48 486	81.81 486	103.01 486	125.01 486	101.27 486

ASD4		6.65 471

Low-res two-view benchmark