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

CroCo-Stereo	0.42 8	0.33 135	0.83 115	0.59 162	0.28 40	0.26 1	0.33 33	1.22 109	0.85 61	0.43 4	0.49 7	0.65 59	0.46 35	0.40 1	0.36 16	0.19 65	0.15 112	0.16 8	0.14 22	0.20 86	0.17 23
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
CroCo-Stereo Lap2	0.46 19	0.37 204	0.87 137	0.62 190	0.79 328	0.28 2	0.35 49	0.81 6	0.73 29	0.39 3	0.54 15	0.71 78	0.54 68	0.60 13	0.48 88	0.18 40	0.18 184	0.19 47	0.16 54	0.21 121	0.21 87

StereoIM	0.38 1	0.27 35	0.72 57	0.45 8	0.35 137	0.30 3	0.31 25	0.81 6	0.54 3	0.38 2	0.38 1	0.58 43	0.49 53	0.53 4	0.39 31	0.20 99	0.16 139	0.19 47	0.15 30	0.19 59	0.15 3

AFF-stereo	0.60 87	0.28 43	0.72 57	0.48 29	0.29 51	0.34 4	0.37 61	1.22 109	1.20 189	1.21 175	1.59 280	1.10 198	0.70 130	1.01 84	0.44 61	0.14 1	0.12 5	0.19 47	0.20 128	0.18 34	0.15 3

test croco	0.49 25	0.29 61	1.23 238	0.51 57	0.40 170	0.35 5	0.37 61	1.04 45	0.62 16	0.44 5	0.76 36	0.42 4	0.41 16	1.17 117	0.46 76	0.23 169	0.15 112	0.24 167	0.19 102	0.25 196	0.18 32

DLNR_Zeroshot_test	23.23 417	48.25 434	43.77 423	177.04 434	78.39 430	0.35 5	0.21 1	23.33 417	0.82 53	0.67 41	0.86 55	0.58 43	0.30 4	1.64 186	0.48 88	10.69 420	0.13 17	0.18 33	0.14 22	76.63 433	0.23 122

MC-Stereo	0.46 19	0.24 9	0.58 18	0.63 200	0.30 63	0.38 7	0.32 29	0.98 30	0.74 36	0.66 39	0.85 54	0.56 40	0.60 99	1.07 97	0.32 2	0.17 18	0.12 5	0.17 13	0.15 30	0.16 11	0.16 13

MIF-Stereo (partial)	0.48 24	0.28 43	0.83 115	0.51 57	0.53 242	0.39 8	0.27 14	1.03 43	0.64 19	0.47 11	0.71 32	0.51 32	0.51 55	1.13 110	0.47 84	0.20 99	0.16 139	0.23 146	0.20 128	0.24 187	0.20 70

MIF-Stereo	0.38 1	0.24 9	0.67 47	0.49 34	0.36 139	0.40 9	0.32 29	0.55 1	0.55 4	0.55 30	0.55 17	0.36 2	0.31 6	0.59 11	0.52 108	0.21 120	0.15 112	0.17 13	0.15 30	0.19 59	0.17 23

RAFT+CT+SA	0.63 101	0.30 79	0.73 67	0.69 262	0.37 144	0.40 9	0.55 195	1.93 254	1.04 129	0.72 46	1.23 169	0.62 52	0.69 128	1.69 195	0.42 54	0.19 65	0.13 17	0.22 120	0.22 186	0.21 121	0.19 51

RAFT-Stereo + iAFF	0.56 47	0.28 43	0.81 98	0.45 8	0.25 8	0.40 9	0.34 40	1.12 72	1.13 161	1.35 238	1.58 276	0.80 91	0.67 122	0.71 30	0.43 57	0.14 1	0.11 2	0.18 33	0.17 70	0.18 34	0.16 13

IGEV_Zeroshot_test	0.59 81	0.33 135	1.11 203	0.63 200	0.37 144	0.41 12	0.33 33	1.80 221	0.79 48	1.04 103	1.10 119	1.06 183	0.43 22	0.87 61	0.48 88	0.18 40	0.13 17	0.19 47	0.18 84	0.20 86	0.23 122

AEACV	0.41 4	0.25 16	0.60 24	0.55 110	0.52 237	0.43 13	0.38 68	0.98 30	0.63 17	0.44 5	0.56 18	0.46 15	0.59 95	0.56 6	0.31 1	0.17 18	0.13 17	0.18 33	0.16 54	0.17 20	0.17 23

AnonymousM	0.63 101	1.14 363	0.43 5	0.46 14	0.32 97	0.43 13	0.46 138	1.27 121	0.78 42	1.00 90	0.66 21	0.68 65	0.45 28	0.61 14	0.46 76	0.21 120	0.16 139	1.84 386	0.98 383	0.15 4	0.15 3

XX-Stereo	0.97 246	0.28 43	8.28 383	0.85 329	0.70 308	0.44 15	0.22 2	1.07 50	0.69 25	0.66 39	1.56 271	1.38 262	0.38 14	1.36 134	0.38 28	0.21 120	0.14 58	0.20 70	0.19 102	0.19 59	0.16 13

Selective-IGEV	0.42 8	0.26 19	0.56 16	0.48 29	0.27 19	0.45 16	0.33 33	1.56 167	0.61 15	0.36 1	0.47 4	0.52 35	0.30 4	1.08 99	0.33 3	0.15 4	0.13 17	0.17 13	0.13 11	0.16 11	0.15 3

CREStereo++_RVC	0.49 25	0.22 3	0.46 8	0.48 29	0.38 154	0.45 16	0.25 4	0.77 4	1.30 235	0.82 61	1.23 169	0.47 20	0.37 13	0.55 5	0.44 61	0.16 7	0.11 2	0.16 8	0.80 376	0.18 34	0.12 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
TestStereo1	0.66 110	0.29 61	0.95 162	0.82 319	0.32 97	0.47 18	0.43 107	1.52 157	1.22 201	0.99 86	1.32 200	0.65 59	0.76 140	1.78 204	0.44 61	0.20 99	0.16 139	0.22 120	0.19 102	0.21 121	0.20 70

SA-5K	0.66 110	0.29 61	0.95 162	0.82 319	0.32 97	0.47 18	0.43 107	1.52 157	1.22 201	0.99 86	1.32 200	0.65 59	0.76 140	1.78 204	0.44 61	0.20 99	0.16 139	0.22 120	0.19 102	0.21 121	0.20 70

iRaft-Stereo_5w	0.89 220	0.31 104	1.04 186	0.56 122	0.47 213	0.47 18	0.68 241	1.19 99	1.08 137	0.80 55	1.35 212	1.46 274	0.90 200	5.11 336	1.16 259	0.18 40	0.15 112	0.22 120	0.19 102	0.21 121	0.24 141

GLC_STEREO	0.41 4	0.27 35	0.43 5	0.55 110	0.24 6	0.47 18	0.30 23	0.81 6	0.64 19	0.53 28	0.74 35	0.50 31	0.31 6	0.65 25	0.45 72	0.18 40	0.20 208	0.23 146	0.19 102	0.21 121	0.21 87

ASMatch	0.89 220	0.29 61	0.72 57	0.56 122	0.36 139	0.47 18	0.37 61	1.16 92	0.95 92	1.11 115	3.26 369	0.95 152	0.96 220	4.88 333	0.53 117	0.20 99	0.16 139	0.22 120	0.19 102	0.20 86	0.30 229

LoS	0.41 4	0.23 6	0.46 8	0.39 2	0.23 5	0.48 23	0.40 79	1.12 72	0.94 88	0.50 19	0.66 21	0.49 28	0.42 19	0.63 23	0.39 31	0.19 65	0.14 58	0.16 8	0.11 6	0.14 1	0.15 3

DCANet-4	0.59 81	0.28 43	1.65 287	0.44 7	0.25 8	0.48 23	0.36 55	1.15 89	1.36 258	1.13 126	1.03 97	0.56 40	0.74 134	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

fff	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 55	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 255	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

csc	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 55	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 255	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

cscssc	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 55	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 255	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

ff7	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

ffff	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

11t	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

CASnet	0.42 8	0.26 19	0.52 15	0.52 69	0.21 2	0.49 28	0.35 49	0.85 14	0.85 61	0.84 65	0.69 27	0.48 24	0.31 6	0.57 8	0.34 4	0.19 65	0.12 5	0.27 233	0.22 186	0.23 158	0.15 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
anonymousdsp	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 91	0.97 26	0.60 12	0.51 26	0.53 9	0.46 15	0.47 41	1.36 134	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

ccc-4	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

ADStereo(finetuned)	0.62 92	0.26 19	1.59 284	0.45 8	0.25 8	0.49 28	0.36 55	1.18 95	1.35 251	1.16 145	1.04 101	0.60 48	1.18 287	0.85 59	0.57 137	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.24 141

IGEV-Stereo	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 91	0.98 30	0.60 12	0.51 26	0.53 9	0.46 15	0.47 41	1.36 134	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
OMP-Stereo	0.95 241	0.35 184	0.79 92	0.92 345	0.32 97	0.49 28	0.35 49	1.22 109	1.11 151	1.58 303	1.12 129	1.44 269	0.69 128	6.92 374	0.51 102	0.20 99	0.15 112	0.24 167	0.19 102	0.21 121	0.16 13

DCANet	0.58 70	0.26 19	1.15 212	0.45 8	0.25 8	0.49 28	0.36 55	1.18 95	1.35 251	1.15 141	1.04 101	0.60 48	0.91 202	0.84 56	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.25 160

IGEVStereo-DCA	0.49 25	0.33 135	0.64 37	0.46 14	0.34 122	0.50 38	0.42 91	0.93 20	0.59 7	0.48 13	0.48 5	0.48 24	0.45 28	2.28 263	0.44 61	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.21 87

rrr	0.57 59	0.33 135	2.43 331	0.46 14	0.34 122	0.50 38	0.38 68	0.84 13	0.55 4	0.48 13	0.48 5	0.48 24	0.45 28	2.28 263	0.44 61	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

StereoVision	0.67 118	0.37 204	1.02 182	0.60 169	0.41 180	0.50 38	0.41 87	1.32 129	0.96 96	0.73 47	2.48 357	0.82 103	0.57 77	1.06 95	0.50 100	0.26 224	0.28 291	0.29 253	0.28 267	0.37 276	0.22 108

HHNet	0.64 104	0.28 43	0.69 53	0.45 8	0.46 207	0.50 38	0.57 204	1.13 76	1.03 123	1.26 198	2.21 343	0.70 72	0.59 95	1.10 105	0.51 102	0.21 120	0.13 17	0.23 146	0.19 102	0.20 86	0.31 238

raftrobust	0.55 36	0.27 35	0.63 32	0.68 252	0.69 302	0.50 38	0.34 40	1.08 55	0.97 100	1.32 222	0.88 60	0.62 52	0.80 160	0.82 50	0.44 61	0.20 99	0.16 139	0.16 8	0.14 22	0.15 4	0.18 32

EKT-Stereo	0.56 47	0.33 135	0.84 124	0.61 182	0.64 285	0.51 43	0.48 151	1.14 78	0.95 92	0.74 48	0.89 62	0.77 86	0.42 19	1.18 118	0.42 54	0.23 169	0.17 161	0.21 93	0.18 84	0.20 86	0.26 177

LoS_RVC	0.45 11	0.29 61	0.48 10	0.49 34	0.83 337	0.51 43	0.43 107	0.65 2	0.44 1	0.47 11	0.78 41	0.44 7	0.60 99	0.59 11	0.37 25	0.14 1	0.12 5	0.14 1	0.10 1	0.14 1	1.08 374

sAnonymous2	0.59 81	0.61 301	1.82 296	0.61 182	0.52 237	0.51 43	0.54 188	0.97 26	0.70 26	0.50 19	0.68 24	0.46 15	0.63 110	0.61 14	0.41 49	0.22 149	0.17 161	0.23 146	0.21 164	0.85 365	0.56 331

CroCo_RVC	0.59 81	0.61 301	1.82 296	0.61 182	0.52 237	0.51 43	0.54 188	0.97 26	0.70 26	0.50 19	0.68 24	0.46 15	0.63 110	0.61 14	0.41 49	0.22 149	0.17 161	0.23 146	0.21 164	0.85 365	0.56 331

MIM_Stereo	0.60 87	0.26 19	1.02 182	0.49 34	0.32 97	0.52 47	0.28 17	1.41 142	0.82 53	1.02 97	1.16 150	0.93 144	0.53 61	1.48 159	0.63 158	0.17 18	0.17 161	0.20 70	0.19 102	0.17 20	0.18 32

iRaftStereo_RVC	0.49 25	0.28 43	0.72 57	0.53 89	0.29 51	0.52 47	0.33 33	1.14 78	0.84 58	0.85 67	0.99 82	0.55 38	0.36 12	0.83 53	0.40 44	0.18 40	0.13 17	0.22 120	0.20 128	0.20 86	0.18 32

sCroCo_RVC	0.51 31	0.43 245	1.15 212	0.66 230	0.60 273	0.52 47	0.40 79	0.93 20	0.64 19	0.45 9	0.76 36	0.49 28	0.49 53	0.65 25	0.49 97	0.27 241	0.28 291	0.23 146	0.22 186	0.29 233	0.28 204

CREStereo	0.40 3	0.24 9	0.40 2	0.37 1	0.22 4	0.52 47	0.29 21	0.81 6	1.15 171	0.59 31	0.72 33	0.51 32	0.42 19	0.57 8	0.37 25	0.19 65	0.13 17	0.15 3	0.10 1	0.14 1	0.15 3
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
CES	0.51 31	0.21 2	0.40 2	0.42 4	1.40 377	0.53 51	0.34 40	1.04 45	0.68 23	0.45 9	0.67 23	0.35 1	0.28 2	0.58 10	0.35 6	0.16 7	0.13 17	0.15 3	0.10 1	0.19 59	1.69 384

GMOStereo	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 270	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

error version	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 270	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

test-v	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 270	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

TRStereo	0.67 118	0.71 326	1.06 191	0.77 307	0.68 299	0.53 51	0.38 68	2.52 355	0.96 96	0.81 59	0.84 52	0.87 120	0.39 15	1.16 114	0.46 76	0.24 187	0.17 161	0.23 146	0.24 225	0.18 34	0.20 70

RAFT-345	0.86 213	0.26 19	0.73 67	0.53 89	0.28 40	0.53 51	0.41 87	0.85 14	1.31 242	1.33 227	2.32 348	0.85 118	0.53 61	5.69 348	0.48 88	0.19 65	0.14 58	0.22 120	0.17 70	0.17 20	0.17 23

test-2	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 270	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

rafts_anoy	0.55 36	0.32 118	0.66 44	0.72 279	0.61 278	0.53 51	0.40 79	1.24 114	1.06 133	0.85 67	0.83 51	0.67 63	0.53 61	0.77 40	0.55 127	0.20 99	0.15 112	0.25 203	0.26 244	0.22 140	0.21 87

raft+_RVC	0.56 47	0.29 61	0.61 28	0.65 217	0.56 257	0.53 51	0.53 179	1.40 138	1.02 120	0.78 52	1.04 101	0.70 72	0.55 70	1.00 82	0.49 97	0.18 40	0.16 139	0.19 47	0.19 102	0.18 34	0.17 23

EGLCR-Stereo	0.41 4	0.24 9	0.59 22	0.45 8	0.27 19	0.54 60	0.22 2	1.23 113	0.56 6	0.44 5	0.43 2	0.68 65	0.29 3	0.89 65	0.34 4	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.18 32

RCA-Stereo	0.52 33	0.26 19	0.66 44	0.49 34	0.33 110	0.54 60	0.44 124	1.20 103	1.41 279	0.69 42	1.06 106	0.63 56	0.79 154	0.62 18	0.35 6	0.17 18	0.12 5	0.17 13	0.14 22	0.16 11	0.16 13

raft_robust	0.71 144	0.32 118	0.75 77	0.54 100	0.28 40	0.54 60	0.35 49	1.54 163	1.24 205	1.18 158	1.07 108	0.73 79	0.53 61	3.65 310	0.40 44	0.19 65	0.16 139	0.20 70	0.22 186	0.21 121	0.19 51

DN-CSS_ROB	0.67 118	0.36 188	1.36 258	0.59 162	0.41 180	0.54 60	0.45 132	1.30 127	0.95 92	1.05 105	1.47 243	0.69 69	0.64 112	1.80 211	0.60 150	0.19 65	0.15 112	0.25 203	0.23 213	0.22 140	0.23 122

PSM-softLoss	0.80 183	0.33 135	0.89 142	0.63 200	0.32 97	0.55 64	0.40 79	1.26 117	0.78 42	1.25 188	1.07 108	0.83 111	0.51 55	5.33 340	0.61 153	0.25 207	0.15 112	0.25 203	0.22 186	0.20 86	0.26 177

KMStereo	0.80 183	0.33 135	0.89 142	0.63 200	0.32 97	0.55 64	0.40 79	1.26 117	0.78 42	1.25 188	1.07 108	0.83 111	0.51 55	5.33 340	0.61 153	0.25 207	0.15 112	0.25 203	0.22 186	0.20 86	0.26 177

test_xeample3	0.57 59	0.33 135	3.11 348	0.46 14	0.34 122	0.55 64	0.38 68	0.86 17	0.49 2	0.54 29	0.46 3	0.44 7	0.44 26	1.49 165	0.45 72	0.18 40	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

CAS	0.66 110	0.19 1	0.41 4	2.31 387	0.86 342	0.56 67	0.53 179	0.83 10	0.63 17	0.49 16	0.70 31	0.36 2	0.26 1	0.47 2	0.37 25	2.33 389	0.10 1	0.14 1	0.10 1	0.17 20	1.31 379

SA	0.69 136	0.31 104	0.97 170	0.64 211	0.30 63	0.56 67	0.38 68	1.84 230	1.35 251	0.99 86	1.37 217	0.69 69	0.94 213	1.88 223	0.43 57	0.20 99	0.16 139	0.25 203	0.23 213	0.22 140	0.19 51

knoymous	0.53 34	0.32 118	0.51 14	0.46 14	0.30 63	0.57 69	0.54 188	1.10 68	0.78 42	0.99 86	0.84 52	0.95 152	0.57 77	0.89 65	0.51 102	0.21 120	0.14 58	0.26 224	0.14 22	0.23 158	0.25 160

ProNet	0.46 19	0.30 79	0.69 53	0.46 14	0.32 97	0.57 69	0.52 173	1.15 89	0.67 22	0.44 5	0.50 8	0.44 7	0.43 22	1.31 127	0.38 28	0.16 7	0.15 112	0.19 47	0.16 54	0.18 34	0.18 32

test-3	0.56 47	0.24 9	0.82 107	0.50 46	0.29 51	0.57 69	0.34 40	1.09 62	1.03 123	1.33 227	0.69 27	0.87 120	0.45 28	1.68 191	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

test_1	0.56 47	0.24 9	0.82 107	0.50 46	0.29 51	0.57 69	0.34 40	1.09 62	1.03 123	1.28 208	0.69 27	0.87 120	0.45 28	1.67 189	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

PFNet+	0.62 92	0.31 104	0.99 174	0.57 140	0.31 77	0.57 69	0.30 23	0.99 35	1.25 211	1.33 227	1.10 119	0.79 89	0.57 77	1.35 133	0.53 117	0.26 224	0.17 161	0.28 245	0.26 244	0.21 121	0.27 193

DeepStereo_RVC	0.57 59	0.31 104	0.78 88	0.53 89	0.30 63	0.57 69	0.32 29	1.11 70	0.80 52	1.17 147	0.94 68	0.83 111	0.93 211	1.01 84	0.61 153	0.23 169	0.14 58	0.21 93	0.19 102	0.24 187	0.26 177

RAFT-IKP	0.57 59	0.33 135	0.82 107	0.52 69	0.27 19	0.57 69	0.35 49	1.14 78	0.73 29	1.13 126	0.96 71	0.83 111	0.61 109	1.26 124	0.53 117	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

TestStereo	0.65 108	0.42 241	0.83 115	0.52 69	0.27 19	0.57 69	0.44 124	1.07 50	0.92 76	0.85 67	1.01 88	0.68 65	0.56 75	3.22 301	0.47 84	0.23 169	0.15 112	0.24 167	0.18 84	0.28 223	0.18 32

XX-TBD	0.47 22	0.71 326	0.39 1	0.81 315	0.25 8	0.57 69	0.26 10	0.73 3	1.30 235	0.78 52	1.01 88	0.45 14	0.33 10	0.49 3	0.39 31	0.20 99	0.15 112	0.15 3	0.11 6	0.17 20	0.15 3

Prome-Stereo	0.76 163	0.29 61	0.57 17	0.58 150	0.33 110	0.58 78	0.94 303	0.98 30	0.92 76	1.46 278	2.45 355	0.91 137	1.38 311	1.60 182	0.44 61	0.19 65	0.13 17	0.19 47	0.18 84	0.20 86	0.87 367

MyStereo07	0.50 29	0.30 79	0.58 18	0.58 150	0.48 215	0.59 79	0.78 264	1.19 99	0.60 12	0.49 16	0.54 15	0.43 6	0.55 70	1.32 130	0.36 16	0.18 40	0.18 184	0.24 167	0.21 164	0.23 158	0.23 122

MyStereo04	0.71 144	0.30 79	1.28 247	0.58 150	0.48 215	0.59 79	0.78 264	1.74 208	1.49 306	0.94 81	0.91 64	0.74 80	0.86 182	1.59 177	0.69 175	0.18 40	0.18 184	0.24 167	0.21 164	0.23 158	0.23 122

DCRE	0.85 211	0.28 43	0.76 79	0.60 169	0.49 221	0.59 79	0.53 179	1.04 45	0.92 76	0.80 55	7.34 397	0.87 120	0.57 77	0.78 47	0.43 57	0.16 7	0.17 161	0.19 47	0.17 70	0.18 34	0.22 108

CFNet-RSSM	0.57 59	0.25 16	0.76 79	0.49 34	0.28 40	0.59 79	0.27 14	1.89 245	1.17 180	1.09 112	0.95 69	1.06 183	0.53 61	0.74 34	0.41 49	0.17 18	0.13 17	0.17 13	0.15 30	0.16 11	0.16 13

DisPM	0.68 127	0.30 79	0.85 130	0.66 230	0.35 137	0.60 83	0.44 124	1.10 68	1.10 147	1.56 299	1.10 119	0.80 91	0.58 92	2.37 271	0.46 76	0.25 207	0.14 58	0.23 146	0.21 164	0.20 86	0.26 177

test_3	0.57 59	0.24 9	0.87 137	0.55 110	0.30 63	0.60 83	0.40 79	1.07 50	1.08 137	1.20 169	0.68 24	0.92 142	0.43 22	1.68 191	0.40 44	0.16 7	0.13 17	0.22 120	0.19 102	0.21 121	0.17 23

GwcNet-ADL	0.67 118	0.33 135	0.90 147	0.58 150	0.41 180	0.60 83	0.59 215	1.55 165	1.28 225	1.11 115	1.13 139	0.90 134	0.59 95	1.11 108	0.91 221	0.28 252	0.18 184	0.18 33	0.18 84	0.25 196	0.33 252

test-1	0.56 47	0.28 43	1.13 207	0.58 150	0.34 122	0.60 83	0.38 68	1.56 167	0.98 103	0.80 55	1.02 90	0.83 111	0.52 59	0.64 24	0.46 76	0.17 18	0.16 139	0.20 70	0.17 70	0.20 86	0.26 177

IIG-Stereo	0.97 246	0.34 162	0.80 97	0.90 343	0.33 110	0.61 87	0.26 10	1.27 121	1.08 137	1.69 318	1.37 217	1.44 269	0.74 134	6.94 375	0.53 117	0.21 120	0.14 58	0.23 146	0.18 84	0.20 86	0.15 3

Pruner-Stereo	0.64 104	0.31 104	0.79 92	0.66 230	0.31 77	0.61 87	0.42 91	1.22 109	1.09 144	1.53 292	1.09 117	0.94 149	0.55 70	1.37 137	0.56 134	0.25 207	0.14 58	0.24 167	0.21 164	0.21 121	0.25 160

MyStereo06	0.67 118	0.29 61	1.06 191	0.58 150	0.48 215	0.62 89	0.72 253	2.26 319	0.89 66	1.07 110	1.12 129	1.22 221	0.56 75	0.83 53	0.47 84	0.17 18	0.17 161	0.24 167	0.21 164	0.23 158	0.23 122

MyStereo05	0.70 138	0.29 61	1.22 236	0.58 150	0.48 215	0.62 89	0.72 253	1.52 157	1.54 313	1.17 147	0.91 64	0.77 86	0.79 154	1.45 153	0.68 174	0.17 18	0.17 161	0.24 167	0.21 164	0.23 158	0.23 122

OCTAStereo	0.82 193	0.33 135	0.83 115	0.65 217	0.31 77	0.62 89	0.44 124	1.35 131	0.93 83	1.30 214	1.02 90	0.81 97	0.57 77	5.32 339	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.30 229

ROB_FTStereo_v2	0.57 59	0.33 135	0.81 98	0.52 69	0.27 19	0.62 89	0.42 91	1.14 78	0.73 29	1.13 126	0.97 78	0.82 103	0.60 99	1.15 112	0.53 117	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

ROB_FTStereo	0.56 47	0.33 135	0.82 107	0.52 69	0.27 19	0.62 89	0.25 4	1.14 78	0.74 36	1.13 126	0.96 71	0.82 103	0.60 99	1.18 118	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

HUI-Stereo	0.54 35	0.33 135	0.81 98	0.52 69	0.27 19	0.62 89	0.29 21	1.14 78	0.74 36	1.13 126	0.96 71	0.82 103	0.60 99	0.83 53	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

PFNet	0.92 235	0.28 43	1.20 232	0.68 252	0.32 97	0.62 89	0.55 195	1.27 121	1.01 117	1.47 279	1.09 117	0.97 159	0.68 125	6.58 368	0.59 148	0.21 120	0.13 17	0.24 167	0.19 102	0.20 86	0.20 70

iGMRVC	0.58 70	0.33 135	0.81 98	0.52 69	0.27 19	0.62 89	0.38 68	1.14 78	0.73 29	1.13 126	0.97 78	0.82 103	0.59 95	1.54 168	0.53 117	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

Patchmatch Stereo++	0.57 59	0.33 135	0.82 107	0.52 69	0.27 19	0.63 97	0.28 17	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.40 141	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
NF-Stereo	0.82 193	0.33 135	0.83 115	0.65 217	0.31 77	0.63 97	0.43 107	1.35 131	0.93 83	1.30 214	1.02 90	0.81 97	0.57 77	5.37 344	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.30 229

NRIStereo	0.62 92	0.31 104	0.78 88	0.56 122	0.28 40	0.63 97	0.33 33	1.16 92	0.92 76	1.15 141	0.87 57	0.90 134	0.58 92	2.24 259	0.56 134	0.22 149	0.14 58	0.21 93	0.19 102	0.22 140	0.18 32

PSM-adaLoss	0.56 47	0.33 135	0.81 98	0.52 69	0.27 19	0.63 97	0.41 87	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.09 103	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

RE-Stereo	0.82 193	0.33 135	0.84 124	0.65 217	0.31 77	0.63 97	0.44 124	1.35 131	0.93 83	1.30 214	1.02 90	0.80 91	0.57 77	5.34 342	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.31 238

TVStereo	0.82 193	0.33 135	0.84 124	0.65 217	0.31 77	0.63 97	0.44 124	1.35 131	0.93 83	1.30 214	1.02 90	0.80 91	0.57 77	5.34 342	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.31 238

iRAFT	0.57 59	0.33 135	0.82 107	0.52 69	0.27 19	0.63 97	0.28 17	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.40 141	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

Gwc-CoAtRS	0.55 36	0.27 35	0.73 67	0.49 34	0.30 63	0.63 97	0.25 4	1.38 136	1.12 156	1.05 105	1.02 90	1.10 198	0.55 70	0.72 32	0.44 61	0.17 18	0.14 58	0.17 13	0.15 30	0.16 11	0.17 23

4D-IteraStereo	0.50 29	0.26 19	0.84 124	0.51 57	0.49 221	0.64 105	0.31 25	0.91 19	1.02 120	1.05 105	0.72 33	0.76 82	0.32 9	0.69 29	0.40 44	0.18 40	0.11 2	0.23 146	0.20 128	0.19 59	0.16 13

qqq	0.62 92	0.36 188	0.88 139	0.50 46	0.28 40	0.64 105	0.62 227	1.58 172	0.91 71	0.83 62	0.96 71	0.95 152	0.79 154	0.99 80	0.67 170	0.21 120	0.23 253	0.24 167	0.23 213	0.23 158	0.25 160

IRAFT_RVC	0.90 227	0.30 79	0.89 142	0.67 243	0.31 77	0.64 105	1.00 313	1.40 138	0.97 100	1.23 181	1.04 101	1.00 169	0.96 220	5.77 351	0.57 137	0.24 187	0.13 17	0.25 203	0.21 164	0.20 86	0.21 87

RALCasStereoNet	0.58 70	0.34 162	0.77 82	0.65 217	0.64 285	0.64 105	0.51 165	1.06 49	0.99 110	0.71 43	1.06 106	0.77 86	0.44 26	1.38 138	0.52 108	0.20 99	0.18 184	0.18 33	0.16 54	0.20 86	0.22 108

IPLGR	0.62 92	0.28 43	1.32 253	0.50 46	0.29 51	0.65 109	0.34 40	1.47 152	1.19 185	1.21 175	1.07 108	0.70 72	0.65 116	1.05 91	0.55 127	0.18 40	0.15 112	0.20 70	0.17 70	0.21 121	0.20 70

AAGNet	1.84 346	0.30 79	0.79 92	0.66 230	0.32 97	0.65 109	0.50 164	1.02 37	1.01 117	1.47 279	1.21 163	0.99 165	1.16 277	2.76 288	22.69 416	0.24 187	0.13 17	0.22 120	0.20 128	0.24 187	0.16 13

TransformOpticalFlow	0.97 246	0.30 79	0.96 169	0.54 100	0.31 77	0.65 109	0.54 188	1.87 238	1.19 185	1.12 123	1.44 236	1.34 255	0.98 230	6.68 371	0.44 61	0.19 65	0.12 5	0.21 93	0.19 102	0.18 34	0.23 122

FTStereo	0.92 235	0.28 43	0.61 28	0.57 140	0.34 122	0.65 109	1.80 372	1.09 62	0.84 58	1.75 322	4.13 379	1.04 179	1.62 330	1.59 177	0.48 88	0.21 120	0.17 161	0.23 146	0.22 186	0.19 59	0.58 337

TANstereo	0.45 11	0.23 6	0.50 13	0.43 5	0.21 2	0.65 109	0.26 10	0.83 10	0.88 65	0.95 83	0.99 82	0.51 32	0.45 28	0.56 6	0.36 16	0.19 65	0.24 261	0.16 8	0.13 11	0.17 20	0.27 193

Anonymous	0.56 47	0.41 239	1.05 188	0.67 243	0.73 309	0.65 109	0.68 241	1.12 72	0.79 48	0.48 13	0.60 19	0.42 4	0.60 99	0.81 48	0.55 127	0.26 224	0.24 261	0.21 93	0.21 164	0.41 294	0.30 229

CrosDoStereo	1.56 326	0.26 19	0.78 88	0.51 57	0.29 51	0.66 115	11.86 407	1.18 95	1.00 114	1.35 238	1.76 303	0.99 165	1.83 349	6.64 369	0.83 206	0.19 65	0.15 112	0.20 70	0.22 186	0.18 34	0.25 160

KYRaft	0.77 168	0.29 61	0.68 49	0.59 162	0.29 51	0.66 115	0.83 281	1.05 48	0.89 66	1.63 312	2.22 344	1.15 211	0.99 233	1.59 177	0.41 49	0.21 120	0.14 58	0.22 120	0.28 267	0.21 121	1.01 370

DeepStereo_LL	1.56 326	0.26 19	0.78 88	0.51 57	0.29 51	0.66 115	11.86 407	1.18 95	1.00 114	1.35 238	1.76 303	0.99 165	1.83 349	6.64 369	0.83 206	0.19 65	0.15 112	0.20 70	0.22 186	0.18 34	0.25 160

RAFT_R40	0.84 206	0.30 79	0.83 115	0.63 200	0.31 77	0.66 115	0.43 107	1.15 89	0.99 110	1.47 279	1.10 119	1.00 169	0.84 170	5.44 345	0.53 117	0.23 169	0.13 17	0.23 146	0.20 128	0.23 158	0.19 51

cross-raft	0.56 47	0.26 19	0.65 42	0.55 110	0.31 77	0.66 115	0.37 61	1.68 190	0.82 53	1.06 109	1.07 108	1.25 230	0.45 28	0.74 34	0.39 31	0.15 4	0.13 17	0.19 47	0.16 54	0.19 59	0.17 23

whm_eth	0.69 136	0.51 274	1.32 253	0.56 122	0.64 285	0.67 120	0.45 132	1.59 177	1.33 246	1.02 97	1.92 327	0.48 24	0.48 43	0.71 30	0.53 117	0.24 187	0.20 208	0.25 203	0.24 225	0.25 196	0.35 267

STrans-v2	1.06 265	0.31 104	1.02 182	0.52 69	0.33 110	0.67 120	0.78 264	2.66 365	1.26 217	1.15 141	1.46 241	1.37 261	1.40 314	6.68 371	0.46 76	0.19 65	0.13 17	0.21 93	0.18 84	0.18 34	0.21 87

RALAANet	0.62 92	0.37 204	0.97 170	0.66 230	0.50 225	0.67 120	0.31 25	1.27 121	1.09 144	1.11 115	1.17 152	0.88 126	0.46 35	1.27 126	0.45 72	0.20 99	0.15 112	0.21 93	0.18 84	0.27 208	0.19 51

MSKI-zero shot	0.56 47	0.30 79	0.61 28	0.55 110	0.28 40	0.68 123	0.28 17	1.25 116	0.68 23	0.92 77	1.33 204	0.81 97	0.33 10	1.94 227	0.36 16	0.18 40	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

LL-Strereo2	0.56 47	0.36 188	0.77 82	0.56 122	0.40 170	0.68 123	0.37 61	1.21 107	0.83 56	0.96 84	0.79 43	0.91 137	0.41 16	1.08 99	0.48 88	0.18 40	0.17 161	0.29 253	0.25 233	0.22 140	0.19 51

RAFT_CTSACE	0.66 110	0.29 61	1.14 210	0.57 140	0.51 234	0.68 123	0.44 124	0.88 18	0.98 103	1.03 101	1.83 314	1.23 225	0.67 122	1.48 159	0.38 28	0.16 7	0.16 139	0.21 93	0.20 128	0.20 86	0.17 23

MIPNet	0.60 87	0.31 104	1.07 195	0.51 57	0.34 122	0.68 123	0.40 79	1.67 189	1.14 167	1.11 115	0.93 66	0.60 48	0.78 149	0.77 40	0.58 142	0.18 40	0.14 58	0.19 47	0.16 54	0.18 34	0.21 87

GANet-ADL	0.63 101	0.38 221	0.82 107	0.67 243	0.41 180	0.68 123	0.51 165	1.64 185	1.16 176	0.98 85	1.10 119	0.90 134	0.58 92	0.81 48	0.63 158	0.27 241	0.18 184	0.18 33	0.16 54	0.23 158	0.27 193

LCNet	0.73 152	0.30 79	0.58 18	0.58 150	0.31 77	0.68 123	0.53 179	1.09 62	0.94 88	1.19 163	1.34 207	0.96 156	1.32 305	2.50 274	0.46 76	0.19 65	0.13 17	0.21 93	0.25 233	0.28 223	0.69 354

R-Stereo Train	0.60 87	0.30 79	0.72 57	0.57 140	0.37 144	0.68 123	0.52 173	1.45 147	0.78 42	1.61 308	1.50 253	0.76 82	0.53 61	0.67 27	0.51 102	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51

RAFT-Stereo	0.60 87	0.30 79	0.72 57	0.57 140	0.37 144	0.68 123	0.52 173	1.45 147	0.78 42	1.61 308	1.50 253	0.76 82	0.53 61	0.67 27	0.51 102	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AE-Stereo	0.58 70	0.29 61	0.81 98	0.62 190	0.41 180	0.69 131	0.46 138	2.49 351	1.25 211	0.49 16	0.77 39	0.69 69	0.46 35	0.61 14	0.42 54	0.17 18	0.16 139	0.21 93	0.20 128	0.19 59	0.18 32

x	0.59 81	0.34 162	0.79 92	0.51 57	0.32 97	0.69 131	0.46 138	1.64 185	0.97 100	0.86 71	0.86 55	0.83 111	0.74 134	0.75 38	0.70 178	0.21 120	0.22 231	0.22 120	0.20 128	0.21 121	0.24 141

RAFT	0.67 118	0.32 118	0.83 115	0.63 200	0.34 122	0.69 131	0.57 204	1.14 78	0.84 58	1.12 123	1.20 158	1.75 318	0.92 210	1.09 103	0.60 150	0.22 149	0.19 198	0.27 233	0.24 225	0.22 140	0.23 122

SST-Stereo	0.85 211	0.30 79	0.81 98	0.63 200	0.31 77	0.70 134	0.25 4	1.16 92	0.95 92	1.47 279	1.11 126	0.99 165	0.86 182	5.69 348	0.53 117	0.23 169	0.13 17	0.23 146	0.19 102	0.23 158	0.19 51

EAI-Stereo	0.76 163	0.31 104	0.74 72	0.55 110	0.28 40	0.70 134	1.72 365	2.57 358	0.90 70	0.75 50	3.03 366	0.57 42	0.43 22	1.10 105	0.49 97	0.19 65	0.14 58	0.17 13	0.18 84	0.17 20	0.21 87

test_4	0.55 36	0.23 6	0.67 47	0.56 122	0.32 97	0.71 136	0.39 77	0.83 10	0.72 28	0.93 80	1.87 321	0.70 72	0.41 16	1.21 121	0.39 31	0.16 7	0.13 17	0.21 93	0.23 213	0.20 86	0.18 32

GMM-Stereo	0.75 158	0.27 35	0.66 44	0.56 122	0.34 122	0.71 136	0.97 308	1.09 62	0.91 71	1.37 244	1.79 307	1.11 203	0.79 154	2.08 247	0.48 88	0.19 65	0.12 5	0.25 203	0.25 233	0.21 121	0.78 361

PMTNet	0.47 22	0.22 3	0.43 5	0.39 2	0.24 6	0.71 136	0.26 10	0.78 5	1.03 123	0.65 38	0.69 27	0.55 38	0.48 43	0.90 68	0.36 16	0.99 374	0.13 17	0.15 3	0.10 1	0.15 4	0.15 3

CFNet_pseudo	0.68 127	0.34 162	0.93 153	0.50 46	0.39 161	0.72 139	0.42 91	1.44 145	1.25 211	1.17 147	1.35 212	1.22 221	0.66 120	1.04 88	0.64 161	0.21 120	0.17 161	0.33 286	0.19 102	0.39 286	0.28 204

111	0.66 110	0.27 35	1.15 212	0.46 14	0.25 8	0.72 139	0.42 91	1.57 170	1.44 290	0.83 62	1.39 223	1.10 198	0.80 160	0.97 79	0.65 165	0.20 99	0.14 58	0.18 33	0.15 30	0.18 34	0.28 204

ccs_rob	0.68 127	0.34 162	0.93 153	0.50 46	0.39 161	0.72 139	0.42 91	1.43 144	1.25 211	1.17 147	1.34 207	1.22 221	0.66 120	1.04 88	0.64 161	0.21 120	0.17 161	0.35 300	0.20 128	0.40 290	0.29 216

LL-Strereo	1.42 313	0.44 250	2.02 311	0.62 190	1.07 361	0.73 142	0.65 235	2.02 270	1.21 195	1.60 307	1.62 282	2.02 339	2.10 362	9.67 400	1.07 251	0.22 149	0.20 208	0.27 233	0.24 225	0.23 158	0.33 252

PSMNet-RSSM	0.78 170	0.32 118	0.89 142	0.65 217	0.43 190	0.73 142	0.58 211	2.14 295	1.19 185	1.18 158	1.38 221	1.31 248	1.07 263	1.43 150	0.82 205	0.28 252	0.21 221	0.27 233	0.29 282	0.25 196	0.26 177

dd	0.62 92	0.51 274	1.17 226	0.56 122	0.33 110	0.74 144	0.46 138	1.03 43	1.40 276	0.80 55	0.87 57	0.60 48	0.57 77	1.02 86	0.86 210	0.28 252	0.18 184	0.26 224	0.19 102	0.35 267	0.27 193

ACRE	0.66 110	0.37 204	1.27 246	0.60 169	0.50 225	0.74 144	0.47 147	1.26 117	1.10 147	1.40 257	1.56 271	0.62 52	0.46 35	0.88 63	0.78 193	0.24 187	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

anonymousdsp2	0.58 70	0.29 61	0.93 153	0.51 57	0.30 63	0.75 146	0.46 138	1.95 258	0.87 64	0.81 59	0.78 41	0.76 82	0.48 43	1.10 105	0.45 72	0.19 65	0.14 58	0.18 33	0.13 11	0.20 86	0.22 108

CIPLG	0.67 118	0.37 204	1.17 226	0.60 169	0.51 234	0.75 146	0.48 151	1.26 117	1.11 151	1.43 267	1.58 276	0.64 58	0.48 43	0.94 71	0.78 193	0.24 187	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

IPLGR_C	0.67 118	0.38 221	1.20 232	0.60 169	0.50 225	0.75 146	0.48 151	1.28 125	1.13 161	1.42 263	1.57 275	0.62 52	0.48 43	0.85 59	0.80 202	0.24 187	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

HCRNet	0.72 149	0.40 230	0.86 135	0.61 182	0.57 261	0.75 146	0.35 49	1.39 137	1.21 195	1.11 115	0.99 82	1.01 173	0.76 140	2.18 255	0.73 182	0.28 252	0.19 198	0.28 245	0.23 213	0.25 196	0.26 177

AANet_RVC	1.22 292	0.60 296	1.94 304	0.69 262	0.46 207	0.75 146	0.69 245	1.51 155	1.57 319	1.36 243	1.90 324	1.51 283	0.87 188	7.23 378	1.89 330	0.26 224	0.19 198	0.19 47	0.16 54	0.23 158	0.37 273

DualNet	1.46 317	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	1.08 55	2.62 369	1.19 163	1.49 246	1.07 186	0.85 175	1.57 171	13.82 400	0.21 120	0.13 17	0.31 266	0.28 267	0.20 86	0.23 122

ffm	0.79 178	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	1.08 55	2.62 369	1.19 163	1.49 246	1.07 186	0.85 175	1.57 171	0.35 6	0.21 120	0.13 17	0.31 266	0.28 267	0.20 86	0.23 122

ff1	1.88 347	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	1.08 55	2.62 369	1.19 163	1.49 246	1.07 186	0.85 175	9.88 404	13.82 400	0.21 120	0.13 17	0.31 266	0.28 267	0.20 86	0.23 122

mmx	1.89 350	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	2.32 327	1.41 279	1.19 163	1.49 246	1.07 186	0.85 175	9.88 404	13.82 400	0.25 207	0.21 221	0.31 266	0.28 267	0.32 256	0.29 216

xxx	1.89 350	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	2.32 327	1.41 279	1.19 163	1.49 246	1.07 186	0.85 175	9.88 404	13.82 400	0.25 207	0.21 221	0.31 266	0.28 267	0.32 256	0.29 216

CFNet_ucs	0.73 152	0.34 162	0.94 159	0.53 89	0.44 197	0.76 151	0.46 138	1.73 207	1.34 248	1.24 185	1.54 263	1.08 196	0.64 112	1.05 91	0.64 161	0.26 224	0.20 208	0.37 312	0.22 186	0.42 298	0.30 229

UDGNet	0.75 158	1.23 369	0.99 174	0.82 319	0.42 187	0.76 151	0.38 68	0.98 30	1.37 263	0.83 62	0.88 60	0.70 72	0.60 99	1.25 123	0.57 137	0.57 358	0.19 198	1.03 378	0.26 244	0.79 364	0.35 267

PSM-AAD	0.80 183	0.29 61	0.58 18	0.58 150	0.29 51	0.76 151	1.19 334	1.08 55	0.94 88	1.65 314	1.58 276	0.81 97	2.12 365	1.67 189	0.44 61	0.19 65	0.14 58	0.38 316	0.32 302	0.22 140	0.68 352

GrayStereo	0.83 202	0.28 43	0.62 31	0.66 230	0.37 144	0.76 151	1.79 369	1.19 99	0.91 71	1.98 344	1.89 322	1.07 186	1.76 345	1.43 150	0.50 100	0.20 99	0.15 112	0.19 47	0.21 164	0.18 34	0.41 289

CRE-IMP	0.57 59	0.32 118	0.82 107	0.54 100	0.29 51	0.77 160	0.25 4	1.19 99	0.79 48	1.09 112	0.95 69	0.81 97	0.57 77	1.11 108	0.57 137	0.22 149	0.14 58	0.23 146	0.19 102	0.28 223	0.24 141

Sa-1000	0.76 163	0.30 79	0.92 152	0.62 190	0.31 77	0.78 161	0.37 61	2.00 268	1.38 265	1.30 214	2.04 334	0.86 119	0.74 134	1.87 217	0.40 44	0.19 65	0.14 58	0.25 203	0.24 225	0.21 121	0.19 51

cf-r	0.79 178	0.32 118	1.06 191	0.57 140	0.64 285	0.78 161	0.51 165	2.04 276	1.22 201	1.20 169	1.27 184	1.53 286	0.91 202	1.47 157	0.94 233	0.25 207	0.19 198	0.22 120	0.23 213	0.19 59	0.21 87

GwcNet-RSSM	0.83 202	0.34 162	1.29 250	0.65 217	0.55 253	0.78 161	0.62 227	1.89 245	1.27 221	1.18 158	1.39 223	1.56 291	0.91 202	1.60 182	1.22 267	0.26 224	0.20 208	0.23 146	0.24 225	0.21 121	0.21 87

DeepPruner_ROB	0.79 178	0.55 286	1.14 210	0.61 182	0.46 207	0.78 161	0.54 188	1.83 229	1.00 114	1.42 263	1.27 184	1.23 225	0.77 144	1.56 169	0.89 216	0.35 298	0.28 291	0.27 233	0.26 244	0.32 256	0.34 259

IPLG	0.72 149	0.29 61	1.12 206	0.53 89	0.44 197	0.79 165	0.33 33	1.35 131	1.10 147	1.32 222	1.11 126	0.52 35	0.54 68	3.13 297	0.71 181	0.17 18	0.14 58	0.20 70	0.17 70	0.18 34	0.21 87

PCWNet_CMD	0.68 127	0.34 162	0.93 153	0.51 57	0.38 154	0.80 166	0.42 91	1.51 155	1.34 248	1.17 147	1.31 195	1.23 225	0.65 116	0.94 71	0.62 156	0.21 120	0.17 161	0.27 233	0.19 102	0.43 300	0.28 204

AACVNet	0.90 227	0.40 230	0.98 172	0.86 332	0.40 170	0.80 166	0.49 159	1.81 224	0.86 63	1.11 115	1.34 207	1.32 252	0.99 233	4.23 319	0.86 210	0.26 224	0.22 231	0.28 245	0.22 186	0.30 243	0.28 204

RAFT-RH_RVC	1.04 261	0.26 19	0.76 79	0.53 89	0.29 51	0.80 166	0.32 29	0.85 14	1.12 156	2.04 347	4.63 384	1.03 178	0.57 77	5.93 354	0.52 108	0.20 99	0.13 17	0.26 224	0.20 128	0.16 11	0.19 51

GMStereo	0.58 70	0.50 270	1.09 198	0.52 69	0.32 97	0.80 166	0.43 107	1.02 37	1.41 279	0.89 74	0.77 39	0.52 35	0.46 35	0.89 65	0.56 134	0.25 207	0.16 139	0.20 70	0.22 186	0.31 248	0.27 193
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet	0.66 110	0.33 135	0.74 72	0.55 110	0.37 144	0.80 166	0.47 147	1.46 149	1.11 151	1.01 93	1.31 195	1.07 186	0.91 202	0.82 50	1.09 252	0.22 149	0.19 198	0.21 93	0.18 84	0.23 158	0.19 51

GANet-RSSM	0.78 170	0.31 104	0.90 147	0.67 243	0.58 263	0.80 166	0.62 227	2.04 276	1.15 171	1.11 115	1.27 184	1.26 236	1.18 287	1.68 191	0.74 184	0.26 224	0.21 221	0.22 120	0.22 186	0.23 158	0.23 122

MSMDNet	0.68 127	0.34 162	0.93 153	0.52 69	0.38 154	0.80 166	0.42 91	1.52 157	1.35 251	1.17 147	1.31 195	1.23 225	0.65 116	0.94 71	0.62 156	0.21 120	0.17 161	0.26 224	0.19 102	0.41 294	0.28 204

pcwnet_v2	0.91 232	0.39 225	2.74 340	0.64 211	0.55 253	0.81 173	0.49 159	2.19 311	1.63 325	1.44 270	1.64 287	1.09 197	0.79 154	1.31 127	0.70 178	0.32 280	0.25 274	0.29 253	0.27 258	0.37 276	0.37 273

GASNet	1.13 277	1.10 361	3.29 353	1.00 359	0.68 299	0.82 174	0.67 239	1.85 236	1.38 265	1.39 251	1.25 175	1.25 230	1.20 289	2.72 286	1.62 311	0.46 337	0.26 279	0.36 310	0.34 316	0.55 337	0.33 252

CASS	0.67 118	0.36 188	0.84 124	0.57 140	0.28 40	0.82 174	0.43 107	1.62 184	0.92 76	1.39 251	1.28 189	0.87 120	0.84 170	0.88 63	0.59 148	0.36 305	0.19 198	0.26 224	0.22 186	0.29 233	0.43 299
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
iRaft-Stereo_20w	0.71 144	0.33 135	1.25 243	0.50 46	0.36 139	0.82 174	0.31 25	3.16 378	0.89 66	1.24 185	1.14 144	0.79 89	0.65 116	1.15 112	0.43 57	0.18 40	0.13 17	0.18 33	0.17 70	0.20 86	0.23 122

DAS	0.89 220	0.37 204	1.20 232	0.66 230	0.69 302	0.82 174	0.62 227	1.79 217	1.26 217	1.93 339	1.55 266	0.96 156	1.17 280	2.72 286	0.69 175	0.22 149	0.16 139	0.25 203	0.18 84	0.29 233	0.24 141

SepStereo	0.87 216	0.37 204	1.20 232	0.66 230	0.69 302	0.82 174	0.62 227	1.79 217	1.26 217	1.93 339	1.55 266	0.96 156	1.17 280	2.34 266	0.69 175	0.22 149	0.16 139	0.25 203	0.18 84	0.29 233	0.24 141

FENet	0.62 92	0.30 79	0.68 49	0.57 140	0.33 110	0.82 174	0.40 79	1.41 142	1.12 156	1.03 101	0.87 57	0.98 160	0.84 170	1.00 82	0.70 178	0.23 169	0.16 139	0.23 146	0.20 128	0.22 140	0.24 141

SMFormer	0.79 178	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.99 240	0.24 187	0.22 231	0.22 120	0.21 164	0.23 158	0.27 193

tta	0.79 178	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.99 240	0.24 187	0.22 231	0.22 120	0.21 164	0.19 59	0.22 108

qqq1	0.76 163	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.48 88	0.24 187	0.22 231	0.18 33	0.15 30	0.19 59	0.22 108

fff1	0.76 163	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.48 88	0.24 187	0.22 231	0.18 33	0.15 30	0.19 59	0.22 108

11t1	0.57 59	0.30 79	0.84 124	0.54 100	0.30 63	0.83 180	0.41 87	1.34 130	0.79 48	0.88 73	0.82 50	0.70 72	0.70 130	0.96 78	0.67 170	0.21 120	0.21 221	0.20 70	0.16 54	0.21 121	0.26 177

dad	0.90 227	0.73 332	1.28 247	0.59 162	0.39 161	0.83 180	0.45 132	1.24 114	1.54 313	1.52 289	1.28 189	1.36 257	0.86 182	2.54 277	0.91 221	0.43 325	0.27 287	0.82 371	0.26 244	0.44 310	0.34 259

SACVNet	0.89 220	0.51 274	1.08 197	0.83 323	0.58 263	0.83 180	0.78 264	1.84 230	1.17 180	1.39 251	1.33 204	1.25 230	1.01 242	2.31 265	0.92 225	0.35 298	0.26 279	0.31 266	0.29 282	0.35 267	0.48 310

GMStereo_Zeroshot	0.70 138	0.64 310	1.11 203	0.65 217	0.38 154	0.84 187	0.37 61	1.09 62	1.16 176	1.14 139	1.07 108	1.26 236	0.55 70	1.23 122	0.65 165	0.34 290	0.17 161	0.31 266	0.18 84	0.57 340	0.23 122

DMCA-RVC	0.83 202	0.46 254	2.19 323	0.68 252	0.49 221	0.84 187	0.48 151	1.44 145	1.07 134	1.56 299	1.04 101	1.29 244	0.86 182	1.49 165	0.92 225	0.27 241	0.22 231	0.35 300	0.28 267	0.32 256	0.28 204

DMCA	0.71 144	0.36 188	1.17 226	0.53 89	0.45 200	0.84 187	0.46 138	1.52 157	1.09 144	1.20 169	1.12 129	1.21 217	0.74 134	0.87 61	1.09 252	0.25 207	0.20 208	0.27 233	0.19 102	0.24 187	0.29 216

ICVP	0.66 110	0.35 184	0.71 56	0.63 200	0.41 180	0.85 190	0.56 201	1.78 214	0.96 96	0.92 77	1.24 173	0.88 126	0.75 139	0.76 39	0.93 228	0.31 273	0.22 231	0.22 120	0.21 164	0.24 187	0.28 204
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
mmm	0.68 127	0.37 204	0.91 150	0.54 100	0.34 122	0.86 191	0.58 211	1.72 206	1.02 120	1.13 126	1.41 231	0.83 111	0.78 149	0.95 77	0.67 170	0.22 149	0.20 208	0.29 253	0.26 244	0.27 208	0.27 193

riskmin	0.62 92	0.29 61	0.73 67	0.50 46	0.34 122	0.86 191	0.44 124	1.74 208	1.07 134	0.76 51	0.76 36	1.19 214	1.01 242	0.84 56	0.60 150	0.20 99	0.16 139	0.24 167	0.16 54	0.24 187	0.29 216

CFNet-ft	0.78 170	0.36 188	0.74 72	0.67 243	0.56 257	0.86 191	0.54 188	1.46 149	1.17 180	1.01 93	1.28 189	1.68 307	1.03 249	1.57 171	0.95 235	0.27 241	0.21 221	0.33 286	0.26 244	0.31 248	0.26 177

CFNet_RVC	0.78 170	0.36 188	0.74 72	0.67 243	0.56 257	0.86 191	0.54 188	1.46 149	1.17 180	1.01 93	1.28 189	1.68 307	1.03 249	1.57 171	0.95 235	0.27 241	0.21 221	0.33 286	0.26 244	0.31 248	0.26 177

STTStereo	0.82 193	0.53 280	1.53 279	0.68 252	0.56 257	0.88 195	0.56 201	1.57 170	1.14 167	1.39 251	1.10 119	1.26 236	0.84 170	1.49 165	0.90 219	0.29 264	0.28 291	0.33 286	0.40 331	0.33 261	0.37 273

test_5	0.70 138	0.32 118	0.99 174	0.69 262	0.50 225	0.89 196	0.51 165	1.88 243	1.14 167	0.78 52	1.13 139	1.04 179	0.89 197	1.59 177	0.46 76	0.19 65	0.14 58	0.23 146	0.22 186	0.22 140	0.20 70

ARAFT	0.82 193	0.40 230	1.77 292	0.53 89	0.31 77	0.89 196	0.81 276	2.32 327	1.08 137	1.66 315	1.25 175	1.04 179	0.64 112	1.91 224	0.52 108	0.20 99	0.15 112	0.28 245	0.27 258	0.17 20	0.18 32

UCFNet_RVC	0.72 149	0.37 204	0.59 22	0.66 230	0.41 180	0.89 196	0.68 241	1.78 214	1.15 171	1.01 93	1.20 158	1.22 221	0.95 218	1.07 97	0.66 169	0.28 252	0.21 221	0.34 294	0.31 297	0.33 261	0.29 216

MyStereo8	0.70 138	0.32 118	1.24 241	0.63 200	0.53 242	0.90 199	0.34 40	1.60 179	1.35 251	1.20 169	1.31 195	0.89 132	0.64 112	0.77 40	1.02 247	0.18 40	0.15 112	0.20 70	0.18 84	0.22 140	0.30 229

FADNet-RVC	0.96 245	0.72 329	2.96 344	0.64 211	0.49 221	0.90 199	0.59 215	1.85 236	1.27 221	0.92 77	0.97 78	1.36 257	0.90 200	2.36 268	1.31 277	0.30 269	0.29 299	0.32 278	0.32 302	0.42 298	0.37 273

Selective-RAFT	0.55 36	0.29 61	0.85 130	0.58 150	0.28 40	0.91 201	0.34 40	1.00 36	0.96 96	0.59 31	0.64 20	0.80 91	0.76 140	1.34 132	0.51 102	0.21 120	0.15 112	0.17 13	0.15 30	0.19 59	0.19 51

DIP-Stereo	0.64 104	0.32 118	0.91 150	0.49 34	0.36 139	0.91 201	0.33 33	2.51 354	0.77 41	1.25 188	1.00 86	0.68 65	0.51 55	0.92 70	0.65 165	0.19 65	0.15 112	0.21 93	0.17 70	0.19 59	0.22 108
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
DeepPrunerF	1.68 335	0.82 340	6.82 377	0.94 353	1.20 373	0.91 201	0.97 308	2.50 352	5.19 398	1.22 180	1.30 194	1.18 213	1.29 299	4.96 335	1.75 324	0.43 325	0.35 327	0.52 348	0.48 350	0.43 300	0.42 295

TDLM	1.08 271	0.50 270	1.01 180	0.69 262	0.54 249	0.91 201	1.40 349	1.60 179	1.36 258	1.17 147	1.40 228	1.07 186	1.00 239	6.19 358	0.85 209	0.34 290	0.22 231	0.35 300	0.26 244	0.38 282	0.29 216

PS-NSSS	1.02 258	0.62 306	1.17 226	0.61 182	0.58 263	0.91 201	0.79 272	2.02 270	1.19 185	1.17 147	1.68 293	1.00 169	0.85 175	4.43 324	0.86 210	0.38 308	0.31 308	0.52 348	0.32 302	0.52 328	0.45 304

MLCV	0.77 168	0.39 225	1.31 251	0.55 110	0.25 8	0.91 201	0.39 77	1.48 154	1.28 225	1.49 286	1.54 263	1.02 175	0.68 125	2.12 251	0.93 228	0.19 65	0.13 17	0.19 47	0.14 22	0.19 59	0.22 108

iResNet_ROB	0.82 193	0.36 188	1.13 207	0.60 169	0.37 144	0.91 201	0.38 68	2.41 338	1.61 324	1.35 238	1.35 212	1.25 230	0.97 227	1.75 200	0.88 214	0.21 120	0.14 58	0.17 13	0.12 9	0.19 59	0.30 229

HH	0.68 127	0.33 135	0.83 115	0.53 89	0.34 122	0.92 208	0.45 132	1.79 217	0.74 36	0.71 43	1.13 139	1.60 295	0.83 168	1.95 230	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

HanStereo	0.68 127	0.33 135	0.83 115	0.53 89	0.34 122	0.92 208	0.45 132	1.79 217	0.74 36	0.71 43	1.13 139	1.60 295	0.83 168	1.95 230	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

ToySt	0.73 152	0.35 184	1.64 286	0.54 100	0.37 144	0.92 208	0.81 276	1.21 107	1.03 123	0.86 71	1.12 129	1.31 248	1.01 242	1.04 88	0.88 214	0.19 65	0.20 208	0.24 167	0.24 225	0.27 208	0.28 204

Anonymous3	0.64 104	0.47 259	1.31 251	0.59 162	0.50 225	0.93 211	0.69 245	1.11 70	0.83 56	0.74 48	0.89 62	0.65 59	0.68 125	1.08 99	0.54 126	0.40 317	0.31 308	0.26 224	0.26 244	0.31 248	0.30 229

CVANet_RVC	1.10 273	0.49 267	1.15 212	0.65 217	0.54 249	0.93 211	1.00 313	1.69 199	1.36 258	1.42 263	1.39 223	1.24 229	1.17 280	6.22 360	0.80 202	0.35 298	0.24 261	0.35 300	0.30 293	0.44 310	0.32 246

ttt	1.26 301	0.36 188	0.79 92	0.65 217	0.42 187	0.94 213	0.57 204	2.33 332	1.38 265	1.25 188	1.65 288	0.92 142	0.78 149	2.64 281	8.73 388	0.30 269	0.28 291	0.26 224	0.25 233	0.29 233	0.32 246

THIR-Stereo	1.02 258	0.29 61	0.73 67	0.51 57	0.29 51	0.94 213	1.31 344	1.08 55	0.98 103	1.35 238	1.91 326	1.16 212	1.54 326	6.37 366	0.79 197	0.20 99	0.14 58	0.21 93	0.22 186	0.19 59	0.25 160

GES	0.70 138	0.37 204	1.05 188	0.62 190	0.38 154	0.94 213	0.57 204	2.37 334	0.92 76	1.05 105	1.12 129	0.67 63	0.77 144	1.02 86	0.65 165	0.28 252	0.20 208	0.20 70	0.20 128	0.22 140	0.31 238

test_xeample	1.55 325	0.31 104	0.94 159	0.54 100	0.31 77	0.94 213	0.58 211	2.40 337	1.40 276	1.29 212	1.55 266	0.89 132	0.88 195	1.72 197	15.94 407	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

AdaStereo	0.74 155	0.48 262	0.86 135	0.75 299	0.38 154	0.94 213	0.56 201	2.05 280	1.24 205	1.15 141	1.22 165	1.07 186	0.67 122	1.05 91	0.73 182	0.33 283	0.16 139	0.32 278	0.22 186	0.29 233	0.23 122
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.
iResNetv2_ROB	0.88 218	0.43 245	2.62 339	0.60 169	0.38 154	0.94 213	0.67 239	1.88 243	1.38 265	1.27 203	1.45 239	1.26 236	1.05 260	1.92 225	0.64 161	0.24 187	0.15 112	0.19 47	0.14 22	0.24 187	0.21 87

RAFT-Test	0.58 70	0.27 35	0.81 98	0.50 46	0.33 110	0.95 219	0.27 14	1.40 138	0.89 66	1.00 90	1.12 129	1.39 263	0.48 43	0.74 34	0.41 49	0.17 18	0.14 58	0.17 13	0.14 22	0.16 11	0.18 32

DRaft	0.81 191	0.26 19	0.77 82	0.47 24	0.31 77	0.95 219	0.52 173	1.13 76	0.99 110	1.78 327	2.01 333	0.80 91	1.71 341	2.64 281	0.74 184	0.19 65	0.14 58	0.20 70	0.20 128	0.18 34	0.24 141

GEStereo_RVC	0.93 240	0.40 230	1.15 212	0.67 243	0.50 225	0.95 219	0.78 264	2.73 367	1.21 195	1.20 169	1.12 129	1.25 230	0.91 202	3.21 300	0.95 235	0.31 273	0.20 208	0.23 146	0.20 128	0.28 223	0.31 238

FADNet	0.98 249	0.64 310	2.57 335	0.66 230	0.55 253	0.95 219	0.57 204	1.91 249	1.38 265	0.94 81	1.02 90	1.36 257	1.00 239	2.69 284	0.97 239	0.34 290	0.34 323	0.31 266	0.34 316	0.61 349	0.42 295

NLCA_NET_v2_RVC	0.84 206	0.46 254	1.40 263	0.69 262	0.61 278	0.95 219	0.52 173	1.68 190	1.21 195	1.39 251	1.15 149	1.42 265	0.88 195	1.78 204	0.93 228	0.26 224	0.23 253	0.27 233	0.27 258	0.30 243	0.39 282
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
Consistency-Raft	1.27 304	1.01 356	2.17 321	1.04 361	1.20 373	0.96 224	1.00 313	1.84 230	1.95 349	1.38 249	2.11 338	1.44 269	1.03 249	1.18 118	1.40 288	0.73 369	0.83 384	0.89 373	0.99 385	1.33 378	0.95 369

iResNet	0.80 183	0.45 251	1.47 267	0.72 279	0.31 77	0.96 224	0.64 233	1.80 221	1.28 225	1.31 220	1.48 245	0.94 149	0.78 149	1.77 202	0.99 240	0.19 65	0.14 58	0.18 33	0.15 30	0.22 140	0.27 193

Any-RAFT	0.55 36	0.27 35	0.49 11	0.50 46	0.27 19	0.98 226	0.25 4	1.71 203	1.08 137	0.90 75	0.99 82	1.13 207	0.46 35	0.74 34	0.35 6	0.19 65	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

hitnet-ft	0.84 206	0.38 221	0.75 77	0.59 162	0.44 197	0.99 227	0.47 147	1.61 181	1.38 265	1.21 175	1.22 165	1.82 321	0.99 233	1.87 217	1.09 252	0.33 283	0.29 299	0.34 294	0.27 258	0.36 271	0.33 252

1111x	1.96 353	0.32 118	1.54 280	0.54 100	0.30 63	1.00 228	0.69 245	2.47 347	1.33 246	1.21 175	1.44 236	1.21 217	1.11 271	8.49 391	16.14 408	0.22 149	0.23 253	0.22 120	0.23 213	0.25 196	0.26 177

s12784h	0.55 36	0.22 3	0.49 11	0.43 5	0.19 1	1.00 228	0.34 40	1.40 138	1.30 235	0.84 65	0.93 66	0.63 56	0.52 59	1.48 159	0.47 84	0.15 4	0.12 5	0.17 13	0.11 6	0.19 59	0.13 2

RASNet	1.16 281	0.34 162	1.11 203	0.73 286	0.86 342	1.00 228	0.60 223	1.56 167	1.43 288	1.07 110	1.37 217	2.08 346	1.44 319	7.00 376	1.56 305	0.20 99	0.17 161	0.17 13	0.19 102	0.19 59	0.19 51

DEmStereo	0.98 249	0.25 16	0.85 130	0.49 34	0.33 110	1.02 231	0.55 195	0.97 26	0.93 83	1.41 259	2.13 339	1.01 173	2.01 356	5.62 347	0.78 193	0.19 65	0.15 112	0.20 70	0.20 128	0.18 34	0.25 160

CFNet	0.99 251	0.40 230	1.23 238	0.65 217	0.43 190	1.03 232	0.49 159	2.01 269	1.35 251	1.02 97	1.39 223	1.10 198	0.86 182	5.47 346	0.89 216	0.24 187	0.18 184	0.28 245	0.27 258	0.27 208	0.22 108

Anonymous_2	1.37 307	0.56 289	0.94 159	0.57 140	0.62 282	1.04 233	0.65 235	1.82 227	1.01 117	1.00 90	0.79 43	1.42 265	1.27 297	1.06 95	0.83 206	0.62 361	0.67 380	1.05 379	9.88 416	1.09 375	0.55 329

ac_64	0.86 213	0.32 118	1.02 182	0.74 292	0.60 273	1.04 233	0.53 179	2.20 314	0.99 110	1.23 181	1.11 126	1.96 333	1.06 261	2.01 238	1.01 245	0.30 269	0.22 231	0.24 167	0.23 213	0.22 140	0.22 108

BEATNet_4x	0.82 193	0.54 283	2.02 311	0.56 122	0.28 40	1.04 233	0.55 195	2.14 295	1.13 161	1.24 185	1.26 177	1.00 169	0.94 213	1.13 110	1.23 270	0.21 120	0.14 58	0.24 167	0.20 128	0.37 276	0.23 122

222	1.67 333	0.31 104	0.93 153	0.59 162	0.31 77	1.05 236	0.43 107	2.39 335	1.47 301	1.37 244	1.55 266	0.94 149	0.94 213	1.98 233	17.76 410	0.24 187	0.22 231	0.21 93	0.20 128	0.22 140	0.26 177

psm_up	0.83 202	0.37 204	0.88 139	0.68 252	0.59 269	1.05 236	0.92 298	1.68 190	1.17 180	1.41 259	1.22 165	1.30 246	1.31 303	1.39 140	0.89 216	0.27 241	0.30 303	0.31 266	0.27 258	0.28 223	0.28 204

HITNet	0.71 144	0.42 241	1.07 195	0.52 69	0.25 8	1.05 236	0.48 151	2.12 290	1.08 137	1.21 175	1.23 169	0.91 137	0.84 170	0.90 68	0.91 221	0.17 18	0.12 5	0.21 93	0.17 70	0.29 233	0.18 32
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
EDNetEfficient	2.40 370	1.14 363	8.59 386	0.77 307	0.73 309	1.06 239	1.53 355	1.54 163	4.06 391	4.87 398	2.81 361	2.23 347	3.53 388	3.04 295	9.65 393	0.27 241	0.24 261	0.27 233	0.31 297	0.70 358	0.67 349

Anonymous Stereo	1.42 313	0.90 345	3.93 361	0.81 315	0.83 337	1.06 239	1.90 375	1.81 224	1.52 309	1.75 322	1.44 236	1.28 242	0.87 188	5.94 355	1.94 332	0.38 308	0.39 343	0.38 316	0.41 335	0.45 312	0.50 314

FADNet-RVC-Resample	0.91 232	0.51 274	2.92 343	0.64 211	0.46 207	1.07 241	0.60 223	1.76 211	1.24 205	1.10 114	0.98 81	1.06 183	0.98 230	2.17 254	0.95 235	0.24 187	0.22 231	0.30 262	0.32 302	0.36 271	0.40 286

anonymity	1.14 278	0.98 354	1.24 241	1.09 364	1.13 365	1.08 242	0.90 294	2.02 270	1.23 204	1.32 222	1.27 184	1.27 241	1.09 266	1.16 114	1.03 248	1.02 375	1.01 398	0.97 375	0.97 382	0.98 370	1.01 370

aanetorigin	1.26 301	0.85 343	3.00 345	0.72 279	0.80 330	1.08 242	1.05 317	1.12 72	1.39 274	3.53 385	2.60 358	1.72 311	1.73 343	1.98 233	1.77 327	0.26 224	0.24 261	0.26 224	0.25 233	0.38 282	0.51 319

NOSS_ROB	1.29 305	0.49 267	0.68 49	0.60 169	0.40 170	1.09 244	0.77 261	1.94 255	1.44 290	1.04 103	1.46 241	1.10 198	0.81 164	10.57 409	0.78 193	0.46 337	0.43 352	0.48 343	0.45 344	0.45 312	0.43 299

DLCB_ROB	0.92 235	0.43 245	0.95 162	0.71 274	0.55 253	1.11 245	0.83 281	1.61 181	1.32 244	1.67 316	1.66 289	1.70 310	0.93 211	1.96 232	1.34 282	0.26 224	0.25 274	0.27 233	0.28 267	0.28 223	0.28 204

XPNet_ROB	1.02 258	0.56 289	1.33 255	0.75 299	0.58 263	1.11 245	1.13 325	1.77 212	1.29 233	1.88 334	1.43 234	1.63 300	1.13 276	2.04 241	1.69 319	0.40 317	0.31 308	0.33 286	0.29 282	0.37 276	0.37 273

ADLNet2	0.92 235	0.37 204	1.25 243	0.80 312	0.65 291	1.12 247	0.75 258	1.95 258	1.42 287	1.26 198	1.67 291	1.68 307	1.04 255	1.80 211	1.23 270	0.25 207	0.22 231	0.21 93	0.22 186	0.27 208	0.31 238

CoDeX	0.78 170	0.31 104	1.04 186	0.56 122	0.37 144	1.13 248	0.60 223	2.77 369	1.29 233	1.17 147	1.26 177	0.91 137	0.87 188	1.42 148	0.74 184	0.21 120	0.16 139	0.21 93	0.18 84	0.21 121	0.21 87

PSMNet-ADL	0.75 158	0.36 188	0.69 53	0.71 274	0.47 213	1.13 248	0.46 138	1.47 152	1.07 134	0.85 67	1.18 154	1.31 248	0.94 213	1.56 169	1.06 250	0.34 290	0.22 231	0.22 120	0.23 213	0.27 208	0.36 270

FAT-Stereo	1.10 273	0.43 245	1.46 266	0.74 292	0.60 273	1.13 248	0.92 298	2.06 281	1.71 331	1.75 322	2.00 332	2.02 339	1.47 322	2.02 240	1.26 274	0.44 333	0.36 331	0.34 294	0.29 282	0.36 271	0.57 334

tt1	0.65 108	0.34 162	0.65 42	0.60 169	0.27 19	1.14 251	0.48 151	1.08 55	2.62 369	0.59 31	0.79 43	0.49 28	0.80 160	1.57 171	0.35 6	0.21 120	0.13 17	0.25 203	0.16 54	0.20 86	0.23 122

AASNet	0.80 183	0.39 225	1.16 225	0.84 327	0.80 330	1.14 251	0.59 215	2.12 290	1.21 195	1.26 198	1.26 177	0.93 144	0.77 144	0.84 56	1.23 270	0.28 252	0.24 261	0.24 167	0.20 128	0.28 223	0.27 193

RP	1.17 283	0.54 283	1.48 268	0.93 350	1.05 360	1.14 251	0.85 288	1.99 267	1.70 329	1.72 320	2.07 336	1.91 323	1.93 354	2.00 237	1.37 286	0.55 356	0.37 335	0.48 343	0.37 326	0.46 316	0.46 309

xxxx	1.61 329	0.32 118	0.98 172	0.58 150	0.31 77	1.15 254	0.43 107	2.43 340	1.41 279	1.17 147	1.40 228	1.21 217	0.86 182	1.94 227	16.68 409	0.24 187	0.24 261	0.21 93	0.20 128	0.23 158	0.27 193

HSM-Net_RVC	0.91 232	0.31 104	0.60 24	0.54 100	0.31 77	1.15 254	0.60 223	3.76 385	1.30 235	1.57 302	1.75 302	1.67 305	1.01 242	1.61 184	0.90 219	0.23 169	0.17 161	0.19 47	0.18 84	0.20 86	0.22 108
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ETE_ROB	1.01 257	0.69 323	1.49 269	0.72 279	0.50 225	1.15 254	1.12 323	1.91 249	1.24 205	1.94 341	1.50 253	1.73 313	1.06 261	1.78 204	1.33 281	0.33 283	0.26 279	0.38 316	0.34 316	0.40 290	0.44 302

ACVNet-DCA	0.59 81	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.58 172	0.91 71	0.60 34	0.80 46	0.47 20	0.87 188	1.48 159	0.35 6	0.21 120	0.13 17	0.25 203	0.15 30	0.23 158	0.25 160

xx1	0.70 138	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.07 50	3.23 381	0.60 34	0.80 46	0.95 152	0.79 154	1.48 159	0.35 6	0.21 120	0.13 17	0.24 167	0.23 213	0.23 158	0.25 160

1test111	0.58 70	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.58 172	0.91 71	0.60 34	0.80 46	0.47 20	0.87 188	0.99 80	0.67 170	0.21 120	0.13 17	0.25 203	0.15 30	0.23 158	0.25 160

cc1	0.68 127	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.07 50	3.23 381	0.60 34	0.80 46	0.47 20	0.87 188	1.48 159	0.35 6	0.21 120	0.13 17	0.25 203	0.15 30	0.19 59	0.23 122

psmorigin	1.69 337	0.74 334	13.13 398	0.70 271	0.60 273	1.16 257	0.79 272	1.69 199	1.25 211	2.07 349	1.77 305	2.23 347	1.51 325	2.14 252	1.45 293	0.39 315	0.41 346	0.34 294	0.33 311	0.45 312	0.63 346

HGLStereo	0.89 220	0.42 241	1.15 212	0.82 319	1.03 359	1.16 257	0.57 204	1.68 190	1.28 225	1.26 198	1.62 282	1.13 207	1.31 303	1.85 213	1.11 256	0.25 207	0.24 261	0.24 167	0.22 186	0.24 187	0.29 216

PWC_ROB	1.39 309	0.93 351	4.07 363	0.77 307	0.83 337	1.16 257	0.53 179	1.87 238	2.01 352	2.36 357	3.06 367	1.65 302	1.60 329	2.65 283	2.29 343	0.34 290	0.23 253	0.36 310	0.25 233	0.39 286	0.49 311

FADNet_RVC	0.88 218	0.56 289	2.15 320	0.57 140	0.43 190	1.17 264	0.46 138	1.68 190	1.12 156	0.91 76	1.24 173	0.91 137	0.94 213	2.22 257	1.20 262	0.28 252	0.22 231	0.32 278	0.28 267	0.46 316	0.42 295

PASM	1.48 320	1.08 358	3.96 362	0.93 350	0.93 349	1.17 264	1.19 334	1.77 212	1.65 326	1.90 335	1.52 261	1.75 318	1.42 316	4.54 326	1.52 303	0.64 363	0.68 382	0.69 368	0.79 375	0.70 358	0.74 357

edge stereo	1.15 280	0.54 283	1.50 270	0.73 286	0.66 294	1.18 266	0.84 283	2.13 294	1.41 279	1.73 321	1.84 315	2.53 362	1.46 320	2.46 272	1.35 284	0.43 325	0.41 346	0.54 353	0.36 322	0.43 300	0.50 314

PA-Net	1.14 278	0.63 307	2.12 318	0.67 243	0.75 316	1.19 267	0.91 296	1.91 249	1.46 300	1.18 158	1.23 169	1.33 254	1.17 280	4.31 322	1.41 289	0.29 264	0.46 359	0.33 286	0.50 354	0.33 261	0.57 334
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
RAFT + AFF	1.07 269	0.47 259	1.36 258	0.68 252	0.50 225	1.20 268	1.22 337	2.58 359	1.26 217	1.33 227	1.56 271	1.19 214	1.49 324	3.89 317	1.01 245	0.22 149	0.26 279	0.30 262	0.27 258	0.29 233	0.32 246

NVstereo2D	0.99 251	0.45 251	2.21 324	0.79 311	0.75 316	1.20 268	0.86 289	1.98 263	1.41 279	1.02 97	1.18 154	1.31 248	0.97 227	2.25 260	0.93 228	0.45 336	0.22 231	0.39 320	0.25 233	0.59 343	0.68 352

S-Stereo	1.17 283	0.48 262	2.25 327	0.83 323	0.81 334	1.22 270	1.17 332	2.12 290	2.08 355	1.47 279	2.13 339	1.55 289	1.16 277	2.09 248	1.46 295	0.42 324	0.40 345	0.35 300	0.32 302	0.45 312	0.73 356

HSM	1.22 292	0.34 162	0.81 98	0.61 182	0.39 161	1.22 270	0.63 232	2.45 342	1.25 211	1.32 222	1.26 177	1.91 323	1.08 264	9.21 396	0.75 187	0.23 169	0.17 161	0.20 70	0.16 54	0.22 140	0.24 141

acv_ft	0.78 170	0.33 135	1.10 201	0.73 286	0.86 342	1.23 272	0.57 204	1.65 188	1.11 151	1.31 220	1.31 195	1.07 186	0.91 202	0.82 50	1.35 284	0.22 149	0.19 198	0.21 93	0.18 84	0.22 140	0.19 51

ADLNet	0.89 220	0.39 225	1.09 198	0.88 335	0.73 309	1.24 273	0.75 258	2.02 270	1.41 279	1.58 303	1.37 217	1.26 236	1.00 239	1.31 127	1.18 260	0.28 252	0.21 221	0.26 224	0.26 244	0.29 233	0.36 270

BSDual-CNN	0.75 158	0.34 162	0.77 82	0.55 110	0.45 200	1.25 274	0.66 237	2.65 362	1.04 129	1.25 188	1.12 129	1.11 203	0.77 144	0.94 71	0.76 190	0.25 207	0.18 184	0.25 203	0.22 186	0.23 158	0.24 141

hknet	0.82 193	0.34 162	1.15 212	0.55 110	0.39 161	1.25 274	0.66 237	2.65 362	1.10 147	1.25 188	1.12 129	1.58 294	0.85 175	1.41 143	0.79 197	0.23 169	0.18 184	0.25 203	0.22 186	0.23 158	0.24 141

UPFNet	0.84 206	0.34 162	1.09 198	0.62 190	0.74 313	1.25 274	0.78 264	1.69 199	1.20 189	1.39 251	1.13 139	1.30 246	0.87 188	1.73 198	1.22 267	0.24 187	0.26 279	0.24 167	0.23 213	0.26 206	0.20 70

PSMNet_ROB	0.95 241	0.57 294	1.45 265	0.75 299	0.64 285	1.28 277	1.12 323	1.84 230	1.15 171	1.16 145	1.29 193	1.44 269	0.89 197	1.74 199	1.70 321	0.33 283	0.25 274	0.37 312	0.39 329	0.36 271	0.32 246

ssnet_v2	0.92 235	0.39 225	1.22 236	0.66 230	0.39 161	1.31 278	0.96 307	2.32 327	1.45 295	1.48 284	1.17 152	1.53 286	0.91 202	1.16 114	1.71 323	0.31 273	0.27 287	0.30 262	0.29 282	0.28 223	0.29 216

IER	0.74 155	0.33 135	1.25 243	0.50 46	0.53 242	1.32 279	0.55 195	1.31 128	1.08 137	1.30 214	1.34 207	1.11 203	1.10 269	1.05 91	0.81 204	0.20 99	0.17 161	0.21 93	0.21 164	0.20 86	0.21 87

LMCR-Stereo	0.87 216	0.50 270	0.99 174	0.80 312	0.43 190	1.32 279	0.55 195	2.79 372	1.03 123	1.55 298	1.49 246	0.74 80	1.01 242	1.76 201	0.99 240	0.30 269	0.17 161	0.22 120	0.18 84	0.31 248	0.22 108

NCC-stereo	1.20 289	0.60 296	1.84 298	0.88 335	0.95 353	1.32 279	0.94 303	2.14 295	1.36 258	1.43 267	1.79 307	1.93 327	2.13 366	2.54 277	1.41 289	0.49 345	0.38 338	0.45 336	0.59 366	0.43 300	0.45 304

Abc-Net	1.20 289	0.60 296	1.84 298	0.88 335	0.95 353	1.32 279	0.94 303	2.14 295	1.36 258	1.43 267	1.79 307	1.93 327	2.13 366	2.54 277	1.41 289	0.49 345	0.38 338	0.45 336	0.59 366	0.43 300	0.45 304
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
StereoDRNet-Refined	0.84 206	0.43 245	1.01 180	0.66 230	0.43 190	1.32 279	0.49 159	1.64 185	1.24 205	1.53 292	1.45 239	1.49 279	0.97 227	1.32 130	1.31 277	0.21 120	0.17 161	0.27 233	0.25 233	0.25 196	0.34 259
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NCCL2	1.06 265	0.64 310	1.35 256	0.78 310	0.58 263	1.32 279	1.69 361	1.89 245	1.38 265	1.52 289	1.20 158	1.91 323	1.17 280	1.79 209	1.50 299	0.35 298	0.31 308	0.45 336	0.44 341	0.41 294	0.45 304

UDG	1.47 318	2.69 404	1.13 207	1.45 379	1.65 383	1.34 285	0.79 272	1.75 210	1.27 221	1.29 212	1.74 301	1.99 335	1.39 313	1.66 188	1.51 301	0.91 372	0.55 372	2.30 389	0.76 373	1.99 381	1.20 378

Wz-Net-SNSev	1.68 335	1.45 376	8.71 387	0.71 274	0.67 298	1.35 286	1.51 352	2.15 299	1.47 301	1.51 287	1.68 293	2.27 350	1.38 311	4.23 319	2.36 345	0.32 280	0.29 299	0.31 266	0.33 311	0.43 300	0.39 282

SFCPSM	0.74 155	0.30 79	1.06 191	0.52 69	0.39 161	1.36 287	0.64 233	2.42 339	1.11 151	1.18 158	1.21 163	0.81 97	0.78 149	1.08 99	0.57 137	0.22 149	0.17 161	0.22 120	0.24 225	0.23 158	0.21 87

gwcnet-sp	0.80 183	0.37 204	1.94 304	0.62 190	0.45 200	1.38 288	0.53 179	1.68 190	1.20 189	1.37 244	1.08 114	0.93 144	0.82 165	1.45 153	0.79 197	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

scenet	0.80 183	0.37 204	1.94 304	0.62 190	0.45 200	1.38 288	0.53 179	1.68 190	1.20 189	1.37 244	1.08 114	0.93 144	0.82 165	1.45 153	0.79 197	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

ssnet	0.80 183	0.37 204	1.94 304	0.62 190	0.45 200	1.38 288	0.53 179	1.68 190	1.20 189	1.37 244	1.08 114	0.93 144	0.82 165	1.45 153	0.79 197	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

DGSMNet	1.24 299	0.84 342	3.20 349	0.91 344	0.92 346	1.39 291	1.34 345	2.46 346	1.44 290	1.34 234	1.66 289	1.50 281	1.03 249	1.85 213	1.30 276	0.48 343	0.48 362	0.55 357	0.51 356	0.78 363	0.79 362

Syn2CoEx	1.23 296	0.80 336	3.07 347	0.83 323	0.68 299	1.39 291	0.87 291	2.23 316	1.57 319	1.28 208	1.58 276	1.42 265	1.57 328	3.79 315	1.48 298	0.36 305	0.32 318	0.34 294	0.30 293	0.30 243	0.41 289

GANet	1.41 311	0.52 278	1.18 230	0.74 292	0.48 215	1.40 293	1.69 361	1.87 238	1.28 225	1.56 299	2.39 351	1.56 291	1.25 294	9.13 394	1.20 262	0.31 273	0.32 318	0.34 294	0.29 282	0.40 290	0.33 252

CBMV_ROB	0.99 251	0.46 254	0.68 49	0.53 89	0.39 161	1.40 293	0.48 151	2.09 286	1.30 235	1.53 292	2.29 347	1.36 257	1.23 290	2.46 272	1.04 249	0.44 333	0.42 351	0.47 342	0.44 341	0.41 294	0.39 282

anonymousa	0.78 170	0.30 79	0.85 130	0.51 57	0.96 355	1.41 295	0.47 147	1.61 181	0.94 88	1.33 227	1.77 305	1.66 303	1.11 271	0.72 32	0.63 158	0.19 65	0.18 184	0.23 146	0.25 233	0.20 86	0.22 108

AF-Net	1.23 296	0.56 289	2.31 328	0.88 335	0.93 349	1.41 295	0.73 256	2.27 323	1.71 331	1.76 326	2.42 353	2.00 336	1.70 339	1.98 233	1.62 311	0.50 349	0.29 299	0.49 345	0.33 311	0.40 290	0.34 259

GANetREF_RVC	1.11 275	0.90 345	1.56 281	0.88 335	0.53 242	1.41 295	1.35 346	1.91 249	1.54 313	1.28 208	1.32 200	1.46 274	1.23 290	2.04 241	1.00 244	0.57 358	0.45 355	0.67 366	0.52 357	0.91 368	0.62 344
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
FINET	1.54 324	0.67 320	7.28 379	0.76 305	0.97 356	1.42 298	1.38 348	2.80 374	3.12 380	1.23 181	1.68 293	1.04 179	1.11 271	3.35 306	1.78 328	0.43 325	0.37 335	0.32 278	0.29 282	0.43 300	0.41 289

SQANet	1.38 308	0.95 352	1.37 261	1.89 384	1.47 381	1.44 299	0.81 276	1.89 245	1.13 161	1.34 234	1.26 177	1.28 242	1.02 247	1.64 186	0.91 221	2.55 390	0.35 327	1.47 382	0.56 362	2.48 385	1.74 385

psmg	0.75 158	0.34 162	0.77 82	0.52 69	0.45 200	1.46 300	0.73 256	2.15 299	1.04 129	1.25 188	1.33 204	1.11 203	0.77 144	0.94 71	0.76 190	0.25 207	0.20 208	0.25 203	0.26 244	0.23 158	0.24 141

Nwc_Net	1.19 287	0.53 280	2.34 329	0.92 345	0.81 334	1.49 301	0.70 251	2.28 325	1.32 244	1.41 259	2.27 345	2.03 342	1.76 345	2.05 245	1.46 295	0.43 325	0.30 303	0.43 332	0.46 346	0.39 286	0.40 286

DSFCA	0.95 241	0.38 221	1.23 238	0.55 110	0.66 294	1.50 302	0.93 301	1.58 172	1.24 205	1.59 306	1.16 150	1.48 277	0.95 218	2.96 293	1.20 262	0.31 273	0.28 291	0.25 203	0.26 244	0.29 233	0.26 177

StereoDRNet	1.05 264	0.53 280	2.21 324	0.80 312	0.93 349	1.50 302	0.90 294	2.06 281	1.44 290	1.68 317	1.20 158	1.48 277	0.99 233	1.86 216	1.60 308	0.29 264	0.24 261	0.29 253	0.28 267	0.35 267	0.33 252

DANet	1.16 281	0.64 310	1.52 276	0.88 335	0.74 313	1.52 304	0.52 173	1.68 190	1.21 195	1.81 328	1.55 266	2.02 339	1.11 271	3.30 305	2.28 341	0.34 290	0.31 308	0.40 326	0.30 293	0.46 316	0.54 324
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
CBMV	1.04 261	0.48 262	0.88 139	0.56 122	0.36 139	1.52 304	1.55 356	1.87 238	1.59 321	2.11 350	1.67 291	1.46 274	1.35 308	1.92 225	1.31 277	0.35 298	0.35 327	0.39 320	0.33 311	0.34 266	0.34 259
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
RGC	1.22 292	0.82 340	1.71 289	0.95 355	0.98 358	1.53 306	0.80 275	2.18 309	1.35 251	1.69 318	1.94 328	2.03 342	1.66 336	2.36 268	1.50 299	0.46 337	0.36 331	0.59 364	0.48 350	0.49 324	0.49 311

SGM-Forest	1.29 305	0.40 230	0.74 72	0.54 100	0.37 144	1.55 307	1.26 342	1.82 227	1.39 274	2.22 353	1.81 313	1.64 301	1.02 247	7.65 383	1.20 262	0.39 315	0.37 335	0.39 320	0.34 316	0.37 276	0.34 259
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
pmcnn	2.84 380	0.46 254	5.19 372	0.68 252	0.42 187	1.55 307	1.16 331	2.32 327	1.60 323	2.72 368	7.49 398	17.96 412	1.48 323	6.04 357	6.64 381	0.18 40	0.15 112	0.15 3	0.12 9	0.20 86	0.20 70

UNet	0.86 213	0.36 188	1.52 276	0.62 190	0.74 313	1.56 309	0.49 159	1.55 165	1.12 156	1.28 208	1.10 119	1.52 285	1.10 269	1.69 195	1.14 257	0.24 187	0.18 184	0.25 203	0.21 164	0.25 196	0.25 160

NVStereoNet_ROB	2.17 363	1.18 365	3.51 356	1.14 369	1.26 376	1.57 310	1.51 352	2.19 311	2.11 357	2.04 347	4.80 385	3.17 376	2.11 364	7.97 386	2.10 335	1.12 381	0.94 394	1.10 380	1.34 392	0.95 369	1.31 379
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MFMNet_re	1.47 318	1.20 367	2.50 333	1.46 380	1.08 362	1.58 311	1.51 352	1.96 261	1.87 344	2.31 356	2.20 342	1.51 283	1.88 352	1.57 171	1.34 282	0.94 373	0.83 384	0.84 372	0.80 376	1.00 371	1.06 373

NaN_ROB	1.23 296	0.63 307	1.76 291	0.67 243	0.50 225	1.59 312	2.00 376	1.87 238	1.52 309	2.14 352	1.26 177	1.40 264	1.09 266	4.60 328	1.75 324	0.28 252	0.34 323	0.28 245	0.29 282	0.30 243	0.37 273

DRN-Test	1.07 269	0.49 267	1.95 308	0.75 299	0.81 334	1.61 313	0.78 264	2.26 319	1.53 311	1.84 331	1.35 212	1.42 265	1.04 255	2.26 261	1.61 309	0.28 252	0.23 253	0.31 266	0.30 293	0.33 261	0.33 252

LALA_ROB	1.06 265	0.66 317	1.37 261	0.70 271	0.53 242	1.61 313	1.25 341	1.81 224	1.48 305	1.82 330	1.40 228	1.93 327	1.03 249	1.68 191	1.69 319	0.38 308	0.28 291	0.43 332	0.37 326	0.43 300	0.38 279

CSP-Net	1.00 254	0.41 239	0.99 174	0.56 122	0.43 190	1.62 315	0.76 260	2.16 301	1.16 176	1.33 227	1.22 165	1.32 252	0.89 197	4.67 330	0.93 228	0.35 298	0.24 261	0.20 70	0.20 128	0.23 158	0.30 229

HBP-ISP	1.00 254	0.60 296	0.85 130	0.64 211	0.48 215	1.63 316	0.77 261	2.24 318	1.30 235	1.33 227	1.53 262	0.87 120	0.99 233	3.26 303	0.76 190	0.46 337	0.44 353	0.54 353	0.48 350	0.48 321	0.42 295

delet	0.90 227	0.34 162	1.15 212	0.69 262	0.66 294	1.63 316	0.81 276	1.95 258	1.49 306	1.42 263	1.38 221	1.29 244	0.91 202	1.78 204	1.18 260	0.22 149	0.22 231	0.24 167	0.25 233	0.22 140	0.24 141

EDNetEfficientorigin	10.59 409	1.52 380	177.33 434	0.68 252	0.54 249	1.66 318	1.20 336	1.94 255	3.39 384	4.69 396	3.37 370	3.08 374	2.79 379	3.25 302	3.63 361	0.26 224	0.24 261	0.33 286	0.28 267	0.85 365	0.87 367

LSM	6.55 401	1.26 370	15.64 403	1.79 382	68.74 429	1.67 319	2.08 382	2.26 319	2.59 367	3.13 382	3.08 368	1.90 322	1.81 348	2.89 292	2.16 338	0.43 325	0.59 377	0.50 346	0.58 364	0.64 351	17.24 420

Wz-Net-LNSev	1.17 283	0.72 329	4.71 369	0.66 230	0.84 340	1.72 320	1.13 325	1.97 262	1.43 288	1.34 234	1.32 200	1.66 303	1.30 302	1.44 152	1.51 301	0.29 264	0.26 279	0.24 167	0.23 213	0.33 261	0.35 267

ccnet	1.19 287	0.71 326	1.36 258	0.81 315	0.75 316	1.72 320	1.13 325	1.98 263	1.31 242	1.52 289	1.84 315	1.75 318	1.36 309	2.01 238	2.04 334	0.57 358	0.54 370	0.57 361	0.56 362	0.60 346	0.60 342

PWCDC_ROB	1.39 309	0.91 349	2.10 316	1.08 363	0.92 346	1.72 320	0.58 211	2.03 274	3.30 383	1.32 222	4.87 387	1.21 217	1.71 341	1.98 233	1.75 324	0.65 364	0.26 279	0.29 253	0.25 233	0.56 338	0.41 289

CBFPSM	0.95 241	0.37 204	2.10 316	0.51 57	0.39 161	1.73 323	0.87 291	1.59 177	1.13 161	1.11 115	1.00 86	2.34 355	1.64 335	1.42 148	1.44 292	0.19 65	0.18 184	0.20 70	0.20 128	0.22 140	0.36 270

GwcNet	1.26 301	0.63 307	5.13 371	0.81 315	1.15 369	1.73 323	0.69 245	1.84 230	1.53 311	1.51 287	1.71 298	1.72 311	1.09 266	2.20 256	1.61 309	0.31 273	0.30 303	0.29 253	0.27 258	0.30 243	0.41 289

RYNet	1.24 299	0.52 278	1.57 283	0.73 286	0.97 356	1.74 325	0.95 306	2.09 286	1.54 313	1.44 270	1.18 154	1.94 331	1.29 299	4.57 327	1.93 331	0.27 241	0.23 253	0.35 300	0.27 258	0.57 340	0.59 339

CC-Net-ROB	1.53 323	1.31 374	1.68 288	0.92 345	0.80 330	1.75 326	0.99 311	2.04 276	1.27 221	1.12 123	1.62 282	1.20 216	0.98 230	7.82 384	0.92 225	1.15 383	0.41 346	2.20 387	0.46 346	1.37 379	0.56 331

CRFU-Net	0.90 227	0.42 241	1.10 201	0.69 262	0.59 269	1.76 327	0.84 283	2.33 332	0.92 76	1.45 276	1.20 158	1.62 297	1.25 294	1.38 138	0.94 233	0.28 252	0.23 253	0.22 120	0.19 102	0.24 187	0.27 193

WZ-Net	2.14 361	1.08 358	11.68 397	0.89 342	0.78 326	1.76 327	1.59 359	2.39 335	2.03 353	2.11 350	1.95 330	2.30 353	2.28 369	5.94 355	3.86 365	0.35 298	0.27 287	0.29 253	0.32 302	0.52 328	0.50 314

coex-ft	8.35 406	2.39 398	100.24 433	0.68 252	0.54 249	1.77 329	1.57 358	1.71 203	11.00 404	18.91 418	3.76 375	3.85 380	8.23 406	3.29 304	6.58 380	0.31 273	0.31 308	0.32 278	0.31 297	0.69 357	0.57 334

fast-acv-ft	1.00 254	0.48 262	1.85 300	0.61 182	0.52 237	1.77 329	0.69 245	1.52 157	1.47 301	1.34 234	1.85 318	1.73 313	1.24 293	1.62 185	1.56 305	0.27 241	0.28 291	0.28 245	0.28 267	0.28 223	0.31 238

CSAN	1.61 329	0.67 320	3.24 352	0.74 292	0.52 237	1.77 329	1.74 366	1.98 263	1.94 348	2.47 364	2.33 349	1.93 327	2.04 359	6.45 367	1.95 333	0.43 325	0.36 331	0.41 330	0.42 336	0.43 300	0.44 302

iinet-f	1.04 261	0.50 270	4.24 365	0.58 150	0.43 190	1.78 332	0.70 251	1.29 126	1.16 176	1.25 188	1.42 232	1.57 293	1.42 316	1.47 157	1.70 321	0.26 224	0.23 253	0.20 70	0.20 128	0.26 206	0.26 177

FBW_ROB	1.78 340	0.66 317	1.90 303	0.72 279	0.66 294	1.79 333	1.07 319	2.79 372	1.77 335	1.84 331	1.79 307	1.98 334	1.37 310	12.42 412	2.22 339	0.36 305	0.38 338	0.57 361	0.39 329	0.46 316	0.51 319

DDUNet	1.56 326	2.70 405	1.35 256	1.79 382	1.88 385	1.82 334	0.91 296	1.84 230	1.20 189	1.40 257	1.79 307	1.62 297	1.17 280	1.59 177	1.22 267	1.11 380	0.76 383	2.38 392	0.94 380	2.12 382	1.53 383

MMNet	0.89 220	0.35 184	1.44 264	0.64 211	0.59 269	1.83 335	0.48 151	1.70 202	1.38 265	1.45 276	1.19 157	1.25 230	1.16 277	1.77 202	1.27 275	0.20 99	0.19 198	0.23 146	0.22 186	0.25 196	0.24 141

SuperB	2.50 372	0.72 329	18.07 408	0.72 279	0.53 242	1.85 336	0.86 289	1.80 221	2.40 363	1.54 295	1.42 232	1.13 207	1.17 280	4.18 318	4.80 372	0.25 207	0.20 208	0.23 146	0.19 102	7.64 415	0.38 279

RTSC	1.43 316	0.89 344	3.62 358	0.94 353	0.64 285	1.85 336	0.69 245	2.20 314	2.04 354	2.22 353	1.70 296	1.67 305	1.27 297	2.53 276	4.48 369	0.33 283	0.25 274	0.27 233	0.29 282	0.38 282	0.40 286

SPS-STEREO	1.78 340	1.09 360	1.52 276	1.22 372	1.14 367	1.87 338	1.11 322	2.27 323	1.70 329	3.17 383	2.39 351	2.84 370	1.93 354	4.41 323	2.93 353	1.04 378	0.99 397	0.97 375	0.94 380	1.03 373	1.05 372
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
APVNet	1.11 275	0.59 295	1.95 308	0.87 333	0.77 322	1.90 339	0.82 280	2.03 274	1.15 171	1.14 139	1.43 234	1.55 289	1.12 275	3.03 294	1.62 311	0.32 280	0.34 323	0.42 331	0.36 322	0.36 271	0.41 289

ADCRef	1.50 321	0.61 301	3.83 360	0.76 305	0.77 322	1.91 340	0.77 261	2.16 301	1.34 248	1.63 312	1.59 280	1.35 256	1.40 314	1.79 209	8.32 387	0.25 207	0.21 221	0.32 278	0.31 297	0.31 248	0.32 246

MaskLacGwcNet_RVC	1.17 283	1.06 357	1.28 247	0.88 335	0.69 302	1.92 341	0.92 298	1.71 203	1.14 167	1.17 147	1.26 177	1.49 279	0.80 160	2.04 241	0.86 210	2.02 385	0.34 323	0.79 370	0.36 322	1.38 380	1.33 381

Wz-Net-MNSev	1.21 291	0.66 317	3.44 355	0.69 262	0.73 309	1.93 342	1.44 351	2.16 301	1.59 321	1.85 333	1.49 246	1.50 281	1.34 307	2.05 245	1.54 304	0.27 241	0.24 261	0.28 245	0.28 267	0.35 267	0.32 246

SHD	1.42 313	0.81 339	2.79 342	0.98 357	0.92 346	1.97 343	0.68 241	2.43 340	2.55 366	2.54 365	1.72 299	2.01 338	1.62 330	2.14 252	2.70 350	0.40 317	0.33 321	0.39 320	0.40 331	0.48 321	0.54 324

otaku	1.67 333	1.18 365	1.56 281	2.27 386	1.59 382	1.98 344	1.23 339	2.23 316	1.37 263	1.48 284	1.63 286	1.73 313	1.23 290	1.85 213	1.09 252	2.96 393	0.58 376	1.74 383	0.61 369	2.94 391	2.15 389

ADCMid	2.11 359	0.90 345	8.39 385	0.75 299	0.69 302	1.98 344	1.14 328	2.18 309	1.67 328	2.85 372	1.85 318	2.35 356	2.02 358	2.35 267	10.58 395	0.34 290	0.32 318	0.39 320	0.44 341	0.51 327	0.53 323

Wz-Net-LNSev-Ref	1.09 272	0.46 254	2.61 338	0.71 274	0.65 291	2.00 346	0.78 264	2.07 283	1.47 301	1.62 310	1.47 243	1.53 286	1.29 299	2.10 249	1.65 317	0.24 187	0.14 58	0.20 70	0.16 54	0.28 223	0.28 204

XQC	1.51 322	0.98 354	3.20 349	0.92 345	0.76 321	2.01 347	1.17 332	2.53 356	1.99 351	2.01 346	1.54 263	2.00 336	1.54 326	3.16 298	3.46 360	0.49 345	0.31 308	0.45 336	0.40 331	0.71 360	0.62 344

RainbowNet	2.06 356	1.86 387	1.97 310	2.86 394	2.25 390	2.03 348	1.79 369	2.77 369	1.92 346	1.54 295	1.84 315	1.95 332	1.73 343	2.23 258	1.38 287	3.40 400	0.86 389	2.39 394	1.00 386	2.94 391	2.42 393

DPSNet	1.91 352	0.64 310	5.95 373	0.73 286	0.59 269	2.04 349	1.61 360	3.84 386	1.96 350	1.54 295	1.39 223	2.27 350	3.32 385	4.95 334	4.79 370	0.50 349	0.31 308	0.29 253	0.26 244	0.67 355	0.54 324

DISCO	1.06 265	0.37 204	1.19 231	0.73 286	0.46 207	2.04 349	0.84 283	2.26 319	1.54 313	1.25 188	1.36 216	2.38 357	1.08 264	2.60 280	1.62 311	0.24 187	0.19 198	0.22 120	0.20 128	0.32 256	0.29 216

DispFullNet	2.39 369	2.89 407	3.74 359	3.09 399	2.27 392	2.04 349	0.84 283	2.19 311	1.73 333	2.54 365	1.98 331	2.23 347	5.83 399	3.44 308	1.84 329	1.03 376	0.33 321	2.65 400	1.97 404	2.87 390	2.34 392

Ntro	1.72 339	1.21 368	1.62 285	2.54 391	1.86 384	2.09 352	1.14 328	2.08 284	1.38 265	1.23 181	1.62 282	1.62 297	1.33 306	2.04 241	1.21 266	3.09 394	0.56 373	1.82 385	0.65 370	2.97 394	2.25 391

ADCS	2.35 366	1.26 370	6.54 376	0.85 329	0.77 322	2.18 353	1.79 369	2.47 347	2.20 359	2.80 371	2.14 341	2.38 357	2.09 361	2.81 289	13.83 404	0.43 325	0.41 346	0.40 326	0.45 344	0.59 343	0.67 349

AnyNet_C32	2.14 361	1.45 376	7.38 380	0.95 355	1.12 363	2.23 354	2.34 391	2.10 288	1.54 313	2.44 360	1.79 307	2.04 344	1.66 336	2.69 284	10.48 394	0.38 308	0.35 327	0.35 300	0.42 336	0.50 325	0.60 342

WCMA_ROB	2.05 355	0.55 286	1.77 292	0.74 292	0.61 278	2.24 355	1.56 357	2.17 308	1.79 339	4.16 391	6.36 393	5.66 392	4.66 396	3.19 299	2.77 351	0.55 356	0.45 355	0.40 326	0.43 339	0.48 321	0.50 314

ADCP+	2.12 360	0.56 289	10.01 390	0.68 252	0.91 345	2.25 356	1.04 316	1.92 253	1.50 308	1.58 303	1.34 207	1.73 313	1.62 330	2.27 262	13.20 397	0.25 207	0.22 231	0.32 278	0.29 282	0.38 282	0.34 259

FCDSN-DC	2.47 371	0.65 316	1.00 179	0.85 329	0.75 316	2.26 357	0.97 308	2.31 326	1.83 342	5.52 403	7.65 400	7.72 400	7.70 405	4.43 324	2.64 349	0.52 351	0.48 362	0.52 348	0.52 357	0.57 340	0.59 339
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ACVNet_1	3.08 386	1.48 379	17.70 405	2.90 396	2.35 395	2.30 358	1.43 350	3.16 378	2.26 362	1.91 336	2.05 335	3.51 377	2.32 370	3.71 313	1.58 307	3.25 396	0.66 379	2.40 395	1.06 389	3.07 396	2.59 395

BUS	0.78 170	0.34 162	0.77 82	0.55 110	0.45 200	2.30 358	0.42 91	2.65 362	1.04 129	1.25 188	1.12 129	1.02 175	0.70 130	0.94 71	0.75 187	0.25 207	0.18 184	0.25 203	0.22 186	0.23 158	0.24 141

NINENet	0.81 191	0.40 230	0.89 142	0.65 217	0.53 242	2.30 358	0.42 91	2.12 290	1.13 161	1.20 169	1.27 184	1.02 175	0.70 130	1.26 124	0.75 187	0.29 264	0.24 261	0.31 266	0.21 164	0.27 208	0.26 177

ACVNet-4b	3.05 385	1.42 375	18.09 409	2.85 393	2.33 394	2.32 361	1.22 337	2.47 347	2.21 360	1.26 198	2.36 350	2.64 366	1.46 320	6.32 364	1.23 270	3.29 397	0.45 355	2.37 391	1.02 388	3.03 395	2.61 396

Wz-Net-TNSev	2.10 358	2.71 406	9.30 388	0.72 279	0.65 291	2.41 362	1.81 373	2.45 342	1.77 335	1.62 310	1.56 271	2.56 363	2.01 356	5.30 338	4.46 368	0.41 320	0.38 338	0.33 286	0.37 326	0.54 335	0.64 347

stereogan	1.22 292	0.45 251	2.03 313	0.87 333	0.85 341	2.52 363	0.72 253	1.98 263	1.78 338	1.92 337	1.94 328	2.31 354	1.42 316	2.10 249	1.14 257	0.38 308	0.36 331	0.39 320	0.32 302	0.52 328	0.49 311

ADCL	1.82 344	0.70 324	4.57 368	0.70 271	0.63 284	2.56 364	1.77 368	2.08 284	1.77 335	1.95 343	1.89 322	2.04 344	1.88 352	2.36 268	9.55 392	0.27 241	0.25 274	0.35 300	0.32 302	0.39 286	0.39 282

MeshStereo	2.36 367	0.60 296	1.05 188	0.63 200	0.51 234	2.58 365	0.99 311	3.46 382	2.21 360	7.38 407	5.06 389	7.50 397	3.10 381	7.02 377	2.54 348	0.44 333	0.44 353	0.45 336	0.40 331	0.43 300	0.45 304
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
PVD	1.82 344	0.91 349	3.02 346	1.03 360	0.94 352	2.61 366	1.14 328	2.78 371	3.40 385	3.08 381	2.75 360	2.39 359	2.49 374	2.81 289	3.66 362	0.48 343	0.49 366	0.59 364	0.49 353	0.60 346	0.81 364

MFN_U_SF_RVC	1.62 331	0.96 353	4.36 367	0.92 345	0.69 302	2.62 367	1.10 321	2.50 352	1.74 334	1.99 345	1.86 320	2.45 360	1.78 347	3.08 296	2.84 352	0.54 353	0.50 367	0.56 359	0.60 368	0.60 346	0.67 349

ACVNet_2	2.86 381	1.47 378	8.28 383	2.68 392	2.26 391	2.70 368	1.84 374	3.41 380	3.04 379	2.27 355	3.42 372	4.58 384	2.10 362	5.91 353	1.62 311	2.58 391	0.67 380	2.22 388	0.85 378	2.79 388	2.47 394

ADCPNet	1.97 354	0.78 335	9.38 389	0.74 292	0.61 278	2.73 369	1.36 347	2.11 289	1.66 327	1.92 337	1.70 296	2.45 360	2.07 360	2.50 274	6.84 382	0.38 308	0.38 338	0.38 316	0.43 339	0.47 320	0.50 314

SANet	2.26 365	0.70 324	6.94 378	0.69 262	0.46 207	2.76 370	1.76 367	2.61 360	5.84 400	2.45 361	3.52 373	3.71 378	3.38 387	5.90 352	2.14 337	0.34 290	0.31 308	0.32 278	0.29 282	0.54 335	0.43 299

SGM_RVC	1.88 347	0.40 230	0.90 147	0.63 200	0.30 63	2.81 371	1.26 342	2.73 367	1.81 341	4.09 387	2.85 363	3.88 381	3.19 382	8.42 390	2.44 346	0.33 283	0.31 308	0.30 262	0.28 267	0.31 248	0.31 238
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
PDISCO_ROB	1.41 311	0.73 332	2.04 314	1.40 375	1.46 380	2.83 372	1.07 319	2.64 361	2.11 357	1.41 259	1.50 253	1.73 313	0.99 233	2.83 291	1.46 295	1.03 376	0.27 287	0.54 353	0.47 348	0.77 362	0.84 366

LE_ROB	8.35 406	0.47 259	27.42 420	0.83 323	0.34 122	2.84 373	3.36 402	4.03 389	27.04 420	25.20 420	8.72 404	8.55 403	27.35 420	7.37 380	22.13 413	0.22 149	0.20 208	0.20 70	0.21 164	0.25 196	0.25 160

FC-DCNN	2.88 383	0.61 301	1.15 212	0.75 299	0.57 261	2.85 374	1.05 317	3.44 381	2.64 373	6.93 404	7.63 399	9.86 406	7.02 404	5.76 350	4.31 367	0.54 353	0.48 362	0.51 347	0.50 354	0.53 333	0.52 321

ELAS_RVC	2.87 382	0.80 336	3.22 351	1.16 371	1.12 363	2.92 375	5.33 404	2.98 376	4.18 392	5.04 399	4.82 386	4.71 386	8.23 406	4.25 321	4.79 370	0.67 366	0.57 374	0.57 361	0.53 359	0.66 354	0.74 357
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
G-Net	1.71 338	0.67 320	2.09 315	1.14 369	0.75 316	2.96 376	0.89 293	1.58 172	1.30 235	2.76 370	8.12 403	2.29 352	2.51 375	1.94 227	2.23 340	0.49 345	0.45 355	0.45 336	0.31 297	0.62 350	0.59 339

AnyNet_C01	2.38 368	2.21 396	10.17 391	0.99 358	0.79 328	3.12 377	2.37 392	2.69 366	1.89 345	2.58 367	2.44 354	2.70 368	1.86 351	3.65 310	7.12 383	0.41 320	0.41 346	0.40 326	0.42 336	0.68 356	0.79 362

Dean	3.77 390	1.65 384	17.87 406	3.01 398	2.54 397	3.15 378	2.10 383	4.80 396	4.42 393	2.89 374	6.03 391	5.45 391	2.55 377	3.40 307	2.13 336	3.22 395	0.89 391	2.51 398	1.07 390	3.07 396	2.65 399

MADNet+	2.80 377	3.38 409	11.57 396	1.50 381	1.21 375	3.18 379	2.00 376	3.52 384	2.61 368	1.81 328	2.09 337	2.83 369	2.18 368	7.55 382	5.44 376	0.84 370	0.83 384	0.71 369	0.66 371	1.05 374	1.08 374

IMH-64-1	2.82 378	1.87 388	1.77 292	3.31 401	2.69 398	3.22 380	2.07 380	4.25 391	2.77 377	2.46 362	3.78 376	3.05 372	2.34 371	4.67 330	3.00 355	3.84 404	0.84 387	2.75 401	1.39 393	3.34 399	2.93 401

IMH-64	2.82 378	1.87 388	1.77 292	3.31 401	2.69 398	3.22 380	2.07 380	4.25 391	2.77 377	2.46 362	3.78 376	3.05 372	2.34 371	4.67 330	3.00 355	3.84 404	0.84 387	2.75 401	1.39 393	3.34 399	2.93 401

LVE	3.40 389	1.80 386	2.21 324	2.90 396	2.44 396	3.27 382	2.25 387	4.80 396	5.06 397	2.43 359	6.79 394	5.99 393	2.64 378	9.20 395	2.28 341	3.30 398	1.11 403	2.38 392	1.48 399	2.95 393	2.62 397

WAO-6	2.98 384	1.67 385	1.88 302	2.38 390	2.30 393	3.53 383	2.37 392	4.38 393	4.64 396	2.42 358	4.50 380	4.85 387	2.99 380	5.22 337	5.37 375	1.77 384	1.16 404	2.31 390	1.47 398	2.42 384	1.99 388

MFN_U_SF_DS_RVC	1.80 342	1.11 362	4.33 366	0.84 327	0.77 322	3.70 384	2.41 395	2.04 276	1.85 343	1.75 322	1.90 324	1.92 326	1.25 294	7.33 379	1.45 293	0.47 341	0.47 360	0.53 352	0.77 374	0.50 325	0.55 329

SAMSARA	1.80 342	0.90 345	3.37 354	1.28 374	1.13 365	3.71 385	2.33 390	2.53 356	1.93 347	3.17 383	1.73 300	2.99 371	1.68 338	3.53 309	2.46 347	0.47 341	0.54 370	0.43 332	0.47 348	0.59 343	0.64 347

PWCK	3.24 387	2.37 397	10.86 393	2.14 385	1.14 367	3.71 385	4.19 403	3.02 377	3.55 387	3.05 380	3.63 374	3.09 375	2.35 373	8.16 388	3.41 359	2.17 388	0.96 395	1.77 384	1.01 387	2.84 389	1.40 382

RTS	2.76 374	1.55 382	15.40 400	1.13 366	1.42 378	3.75 387	2.21 385	2.45 342	2.72 375	2.91 375	2.85 363	2.58 364	1.62 330	6.28 362	5.80 377	0.41 320	0.30 303	0.35 300	0.35 320	0.52 328	0.54 324

RTSA	2.76 374	1.55 382	15.40 400	1.13 366	1.42 378	3.75 387	2.21 385	2.45 342	2.72 375	2.91 375	2.85 363	2.58 364	1.62 330	6.28 362	5.80 377	0.41 320	0.30 303	0.35 300	0.35 320	0.52 328	0.54 324

SDNR	1.66 332	0.55 286	2.36 330	0.56 122	0.58 263	3.79 389	0.45 132	1.78 214	1.40 276	1.38 249	2.45 355	1.13 207	0.96 220	11.03 410	1.31 277	0.67 366	0.64 378	0.43 332	0.32 302	0.71 360	0.76 360

WAO-7	2.78 376	1.54 381	2.18 322	1.41 378	1.19 372	3.92 390	2.01 379	4.19 390	3.89 390	2.98 377	5.47 390	4.18 382	3.28 384	8.24 389	4.27 366	1.13 382	1.01 398	1.18 381	1.13 391	1.19 377	1.13 377

notaker	4.29 392	2.42 400	5.06 370	3.89 409	3.29 407	4.00 391	2.25 387	4.93 398	3.47 386	4.21 393	6.79 394	7.67 399	3.37 386	9.25 397	6.47 379	4.09 409	1.42 406	3.35 410	2.13 407	4.11 406	3.54 406

MSMD_ROB	2.08 357	0.61 301	1.15 212	0.71 274	0.62 282	4.00 391	0.93 301	1.94 255	1.79 339	4.71 397	4.60 383	8.14 401	3.87 392	3.75 314	1.65 317	0.54 353	0.48 362	0.55 357	0.58 364	0.53 333	0.52 321

IMH	3.35 388	1.95 390	1.86 301	3.30 400	2.72 400	4.03 393	2.00 376	4.58 395	3.83 389	2.87 373	6.99 396	4.69 385	3.21 383	6.77 373	2.97 354	3.91 407	0.89 391	2.78 403	1.40 397	3.36 401	2.93 401

KSHMR	8.76 408	2.14 395	3.59 357	3.60 406	3.13 404	4.15 394	2.67 397	5.61 402	58.90 433	3.04 379	55.71 433	4.94 388	2.54 376	4.61 329	3.05 357	3.49 401	1.57 408	3.14 406	1.98 405	3.84 403	3.49 405

MDST_ROB	1.88 347	0.40 230	1.71 289	0.93 350	0.60 273	4.27 395	1.23 339	3.99 388	1.44 290	4.61 395	2.63 359	1.44 269	1.03 249	9.78 401	1.62 311	0.33 283	0.26 279	0.37 312	0.33 311	0.31 248	0.34 259

LRCNet_RVC	22.79 416	32.09 423	22.06 410	29.83 421	26.15 419	4.40 396	0.84 283	22.64 416	2.10 356	26.93 421	29.25 421	23.03 421	15.56 411	23.91 419	18.92 411	32.00 427	20.04 428	34.68 427	32.13 427	30.66 426	28.52 426

ktn	4.56 393	2.41 399	2.54 334	3.79 408	3.25 405	4.81 397	2.91 400	5.52 400	7.36 401	4.12 390	14.55 410	7.54 398	3.70 389	7.84 385	3.35 358	4.06 408	1.86 409	3.26 409	2.22 408	3.27 398	2.86 400

MSC_U_SF_DS_RVC	2.22 364	1.29 373	4.14 364	1.10 365	0.78 326	5.00 398	2.38 394	2.47 347	2.67 374	1.94 341	2.28 346	2.66 367	1.70 339	9.10 393	2.29 343	0.68 368	0.52 368	0.68 367	0.71 372	1.17 376	0.81 364

UNDER WATER	5.68 399	2.46 402	15.52 402	3.98 411	3.53 408	5.15 399	2.74 398	5.58 401	16.41 411	4.00 386	4.56 381	9.12 404	6.43 402	6.22 360	9.11 390	3.85 406	1.35 405	3.18 408	1.98 405	4.51 409	3.84 410

HanzoNet	11.92 411	5.12 410	17.18 404	4.19 412	3.59 410	5.16 400	2.82 399	7.41 407	9.96 403	33.31 429	27.60 420	22.25 419	37.31 424	18.18 415	13.57 399	8.13 415	3.44 412	3.50 411	3.44 411	7.77 416	4.52 412

MADNet++	5.41 397	3.18 408	6.43 375	4.66 413	3.95 411	6.15 401	6.75 405	4.51 394	4.51 395	5.06 400	6.27 392	4.96 389	6.14 400	9.39 398	11.70 396	4.71 410	4.19 413	3.97 412	3.33 410	4.08 405	4.25 411

ELAS	2.67 373	0.80 336	2.13 319	1.13 366	1.15 369	6.25 402	2.56 396	3.50 383	3.68 388	5.36 401	4.92 388	3.79 379	5.56 398	3.65 310	5.22 374	0.66 365	0.57 374	0.56 359	0.54 360	0.65 353	0.75 359
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
UNDER WATER-64	5.84 400	2.48 403	17.93 407	3.97 410	3.58 409	7.70 403	3.03 401	5.72 403	14.13 405	4.18 392	4.00 378	9.27 405	6.80 403	6.20 359	9.22 391	3.67 402	1.52 407	3.14 406	1.95 403	4.43 408	3.83 409

WAO-8	4.57 394	2.01 391	2.58 336	2.37 388	2.21 388	9.75 404	1.71 363	6.04 404	16.34 408	4.11 388	7.69 401	7.41 395	3.85 390	10.02 407	3.85 363	2.05 386	1.09 401	2.44 396	1.39 393	2.56 386	1.86 386

Venus	4.57 394	2.01 391	2.58 336	2.37 388	2.21 388	9.75 404	1.71 363	6.04 404	16.34 408	4.11 388	7.69 401	7.41 395	3.85 390	10.02 407	3.85 363	2.05 386	1.09 401	2.44 396	1.39 393	2.56 386	1.86 386

TorneroNet-64	5.41 397	2.10 394	2.43 331	3.49 404	2.83 401	9.90 406	2.13 384	8.87 410	16.79 413	5.39 402	9.18 405	10.68 410	3.92 393	9.55 399	5.11 373	3.36 399	0.86 389	2.88 404	1.62 400	3.76 402	3.37 404

SGM+DAISY	5.38 396	1.28 372	8.24 382	1.27 373	1.16 371	10.62 407	16.01 412	2.93 375	2.53 365	8.64 410	13.03 408	8.26 402	13.38 409	6.34 365	7.59 385	1.07 379	1.05 400	1.00 377	0.98 383	1.02 372	1.12 376

JetBlue	4.18 391	2.45 401	10.42 392	1.40 375	2.89 402	10.68 408	10.68 406	3.91 387	2.52 364	2.74 369	3.39 371	4.50 383	4.27 394	7.97 386	7.67 386	0.89 371	0.97 396	0.89 373	0.92 379	2.26 383	2.21 390

tt	6.61 402	0.28 43	6.10 374	3.77 407	2.17 387	11.53 409	19.61 413	13.53 415	5.81 399	3.00 378	2.82 362	4.97 390	6.33 401	3.83 316	7.23 384	9.13 416	11.32 420	5.87 415	6.22 414	6.01 412	2.63 398

DPSMNet_ROB	13.08 413	8.28 413	22.32 412	9.54 417	18.15 414	11.53 409	31.98 419	10.83 413	16.27 407	7.17 406	19.40 417	10.12 407	16.69 412	9.87 403	22.50 415	4.78 412	8.72 415	5.38 414	10.25 418	6.16 414	11.59 416

DGTPSM_ROB	13.06 412	8.27 412	22.29 411	9.53 416	18.14 413	11.53 409	31.97 418	10.82 412	16.25 406	7.14 405	19.39 416	10.12 407	16.69 412	9.85 402	22.49 414	4.77 411	8.72 415	5.37 413	10.24 417	6.15 413	11.56 415

JetRed	7.02 403	8.94 414	25.72 416	2.89 395	3.27 406	14.25 412	12.27 409	6.69 406	4.45 394	4.46 394	4.56 381	6.65 394	5.43 397	7.46 381	14.41 406	2.60 392	3.31 410	2.61 399	2.30 409	4.34 407	3.79 408

SGM-ForestM	7.81 405	0.48 262	11.02 394	0.74 292	0.40 170	16.83 413	12.72 411	7.91 408	8.13 402	11.53 411	10.25 406	22.44 420	14.01 410	17.02 414	20.52 412	0.38 308	0.39 343	0.37 312	0.36 322	0.37 276	0.38 279

MANE	7.50 404	0.64 310	7.97 381	1.40 375	2.10 386	16.86 414	12.56 410	12.91 414	17.51 416	8.50 409	11.60 407	14.66 411	13.33 408	12.02 411	13.28 398	0.62 361	0.52 368	0.52 348	1.90 402	0.56 338	0.58 337

DPSimNet_ROB	24.77 418	9.69 415	61.46 431	3.56 405	19.46 415	25.95 415	77.56 432	5.09 399	16.60 412	21.50 419	29.82 422	25.12 422	85.69 434	13.37 413	23.07 417	7.23 414	17.79 421	8.55 416	7.57 415	4.57 411	31.84 427

Anonymous_1	42.79 429	18.71 416	24.75 413	21.81 418	45.16 428	27.68 416	37.52 420	28.64 420	16.34 408	14.72 414	14.53 409	20.60 413	17.82 414	21.52 416	25.88 418	113.45 434	8.91 417	100.63 431	126.37 431	158.50 434	12.31 417

DPSM_ROB	19.12 414	19.13 417	25.13 414	22.15 419	20.86 417	28.06 417	37.75 421	27.18 418	16.95 414	14.25 412	15.07 411	21.66 414	18.69 415	21.83 417	26.51 419	10.15 418	9.30 418	10.45 418	10.41 419	14.00 417	12.85 418

DPSM	19.12 414	19.13 417	25.13 414	22.15 419	20.86 417	28.06 417	37.75 421	27.18 418	16.95 414	14.25 412	15.07 411	21.66 414	18.69 415	21.83 417	26.51 419	10.15 418	9.30 418	10.45 418	10.41 419	14.00 417	12.85 418

HaxPig	39.02 426	41.39 431	41.59 421	30.10 422	32.36 420	29.49 419	27.65 416	30.56 421	37.94 430	43.75 430	43.81 429	33.42 423	35.69 421	41.51 424	40.33 426	43.91 431	47.48 433	45.87 428	47.14 429	42.29 427	44.06 430

AVERAGE_ROB	40.42 427	42.30 432	42.61 422	36.91 424	35.54 422	30.42 420	27.59 415	37.45 427	38.45 431	44.87 431	44.27 430	37.55 425	36.69 422	41.82 425	40.25 425	45.36 432	46.73 432	47.09 429	46.32 428	42.47 428	43.74 429

xxxxx1	54.34 432	26.72 420	27.03 417	114.14 431	99.00 431	30.68 421	47.19 423	32.52 422	26.09 417	17.85 415	17.48 413	21.86 416	20.92 417	24.38 420	33.78 421	34.73 428	41.33 429	157.67 432	175.68 432	65.82 430	71.99 432

tt_ll	54.34 432	26.72 420	27.03 417	114.14 431	99.00 431	30.68 421	47.19 423	32.52 422	26.09 417	17.85 415	17.48 413	21.86 416	20.92 417	24.38 420	33.78 421	34.73 428	41.33 429	157.67 432	175.68 432	65.82 430	71.99 432

ff	54.34 432	26.72 420	27.03 417	114.14 431	99.00 431	30.68 421	47.19 423	32.52 422	26.09 417	17.85 415	17.48 413	21.86 416	20.92 417	24.38 420	33.78 421	34.73 428	41.33 429	157.67 432	175.68 432	65.82 430	71.99 432

MEDIAN_ROB	42.01 428	44.30 433	44.14 424	35.08 423	34.90 421	31.33 424	29.90 417	36.77 426	40.11 432	47.14 432	46.55 431	37.49 424	38.50 431	44.30 432	42.32 427	47.93 433	49.31 434	49.68 430	49.00 430	44.98 429	46.46 431

TorneroNet	10.72 410	2.09 393	2.76 341	3.48 403	3.03 403	44.72 425	2.31 389	8.62 409	67.06 434	7.45 408	23.21 418	10.59 409	4.28 395	9.03 392	9.00 389	3.67 402	0.91 393	3.04 405	1.63 401	3.92 404	3.55 407

SPstereo	26.71 419	6.90 411	11.42 395	5.86 414	6.44 412	48.17 426	80.34 433	67.41 434	34.42 429	28.80 427	27.49 419	43.68 431	37.53 428	44.96 433	54.23 434	5.06 413	4.92 414	10.92 420	6.03 413	4.54 410	5.00 414

BEATNet-Init1	27.39 420	21.01 419	73.65 432	1.07 362	0.80 330	56.07 427	22.82 414	33.14 425	31.71 422	51.78 433	52.93 432	65.63 433	48.54 432	48.75 434	36.36 424	0.52 351	0.47 360	0.54 353	0.54 360	0.64 351	0.72 355

MyStereo03	38.45 422	38.46 427	50.33 426	44.93 427	42.03 425	56.44 428	76.24 428	54.16 428	34.06 426	28.68 424	30.42 425	43.46 426	37.33 425	43.76 427	53.43 430	20.29 422	18.73 425	21.02 421	21.05 423	28.19 420	25.91 423

MyStereo02	38.45 422	38.46 427	50.33 426	44.93 427	42.03 425	56.44 428	76.24 428	54.16 428	34.06 426	28.68 424	30.42 425	43.46 426	37.33 425	43.76 427	53.43 430	20.29 422	18.73 425	21.02 421	21.05 423	28.19 420	25.91 423

MyStereo	38.45 422	38.46 427	50.33 426	44.93 427	42.03 425	56.44 428	76.24 428	54.16 428	34.06 426	28.68 424	30.42 425	43.46 426	37.33 425	43.76 427	53.43 430	20.29 422	18.73 425	21.02 421	21.05 423	28.19 420	25.91 423

Selective-RAFT-Error	38.47 425	38.44 426	50.38 429	44.74 425	42.01 424	56.47 431	76.24 428	54.44 431	34.02 425	28.59 423	30.30 423	43.51 429	38.10 430	43.69 426	53.24 428	20.36 425	18.72 424	21.05 425	21.02 421	28.25 424	25.87 422

CasAABBNet	38.42 421	38.42 425	50.26 425	44.76 426	41.87 423	56.47 431	76.22 427	54.44 431	33.92 424	28.53 422	30.36 424	43.53 430	37.59 429	43.77 430	53.32 429	20.27 421	18.70 423	21.03 424	21.04 422	28.19 420	25.79 421

LSM0	42.92 430	38.72 430	50.66 430	47.49 430	110.18 434	56.77 433	75.87 426	54.87 433	33.74 423	29.48 428	31.12 428	43.77 432	37.12 423	43.85 431	53.44 433	20.50 426	18.67 422	21.05 425	21.07 426	28.37 425	41.73 428

PML	51.64 431	37.49 424	14.31 399	7.45 415	20.27 416	107.80 434	231.34 435	8.94 411	27.70 421	86.74 434	268.93 435	69.03 434	61.09 433	24.71 423	14.36 405	9.71 417	3.40 411	9.60 417	4.67 412	20.46 419	4.76 413

test_example2	192.91 435	210.59 435	206.44 435	199.86 435	204.90 435	172.02 435	182.95 434	138.34 435	134.89 435	193.14 435	200.54 434	186.77 435	177.82 435	204.95 435	207.57 435	221.83 435	238.70 435	186.02 435	190.07 435	226.94 435	173.78 435

Low-res two-view benchmark