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

DLNR_Zeroshot_test	13.74 417	20.06 421	23.92 422	121.50 435	35.20 430	0.46 20	0.15 1	7.96 414	0.47 24	0.29 21	0.37 41	0.26 28	0.17 1	0.79 158	0.36 103	7.16 417	2.95 411	0.09 13	0.38 345	50.40 433	1.95 379

CREStereo++_RVC	0.38 13	0.37 50	2.47 161	0.25 5	0.16 20	0.54 72	0.15 1	0.42 4	0.57 66	0.37 25	0.52 122	0.24 19	0.19 7	0.31 3	0.27 36	0.09 11	0.06 1	0.08 3	0.30 308	0.09 5	0.22 76
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
TANstereo	0.39 15	0.70 154	2.48 166	0.23 3	0.12 3	0.54 72	0.16 3	0.41 3	0.47 24	0.45 51	0.51 115	0.26 28	0.22 18	0.34 15	0.21 1	0.10 47	0.10 103	0.08 3	0.07 12	0.09 5	0.18 56

XX-Stereo	0.98 323	0.57 116	4.45 388	1.64 385	5.33 410	0.55 81	0.16 3	0.96 257	0.43 13	0.45 51	0.65 225	0.85 295	0.19 7	0.79 158	0.26 32	0.11 110	0.80 328	0.10 46	0.32 318	0.17 90	0.78 299

StereoIM	0.35 7	0.89 204	2.15 68	0.25 5	0.29 163	0.29 3	0.17 5	0.47 10	0.41 5	0.21 1	0.22 2	0.28 37	0.21 15	0.32 13	0.31 69	0.10 47	0.09 81	0.10 46	0.08 27	0.11 17	0.12 10

MIF-Stereo (partial)	0.41 18	0.71 156	2.67 233	0.27 21	0.24 117	0.32 6	0.17 5	0.56 48	0.46 18	0.26 14	0.37 41	0.25 22	0.26 48	0.46 48	0.35 101	0.11 110	0.08 38	0.12 134	0.10 70	0.21 158	0.15 30

XX-TBD	0.40 17	1.04 234	2.49 169	0.35 142	0.13 5	0.51 45	0.17 5	0.44 6	0.52 45	0.38 28	0.51 115	0.23 13	0.19 7	0.31 3	0.25 23	0.10 47	0.07 6	0.08 3	0.06 6	0.09 5	0.18 56

CREStereo	0.31 1	0.35 37	1.66 6	0.19 1	0.13 5	0.55 81	0.17 5	0.50 23	0.50 35	0.28 18	0.34 33	0.24 19	0.21 15	0.34 15	0.23 14	0.11 110	0.07 6	0.08 3	0.05 1	0.10 10	0.12 10
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
DIP-Stereo	0.43 25	0.50 95	2.21 79	0.27 21	0.18 47	0.63 194	0.17 5	0.94 241	0.58 72	0.49 81	0.48 88	0.30 42	0.30 97	0.40 34	0.31 69	0.10 47	0.08 38	0.10 46	0.08 27	0.15 60	0.33 140
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MIF-Stereo	0.36 10	0.66 141	2.43 125	0.28 33	0.24 117	0.30 4	0.18 10	0.35 1	0.36 2	0.26 14	0.37 41	0.18 1	0.18 6	0.33 14	0.30 55	0.11 110	0.08 38	0.09 13	0.08 27	0.25 207	0.09 2

RAFT-RH_RVC	0.65 190	0.73 164	2.78 266	0.39 197	0.29 163	0.60 141	0.18 10	0.45 7	0.63 103	0.75 289	1.89 370	0.47 127	0.29 87	1.59 263	1.21 289	0.15 232	0.07 6	0.13 190	0.13 158	0.11 17	0.10 4

GMStereo_Zeroshot	0.44 37	0.44 80	1.84 17	0.44 236	0.20 68	0.52 60	0.19 12	0.60 65	0.54 54	0.58 169	0.59 181	0.63 199	0.29 87	0.59 101	0.34 94	0.16 246	0.09 81	0.16 260	0.09 37	0.26 222	0.26 102

MIM_Stereo	0.55 102	0.92 217	2.65 222	0.32 90	1.09 368	0.51 45	0.19 12	0.67 86	0.52 45	0.48 65	0.54 139	0.43 91	0.27 61	0.57 97	0.30 55	0.08 1	0.17 198	0.11 92	0.10 70	0.28 243	0.80 303

CASnet	0.32 3	0.40 63	1.80 10	0.28 33	0.11 1	0.47 29	0.19 12	0.45 7	0.47 24	0.39 30	0.31 25	0.23 13	0.17 1	0.31 3	0.21 1	0.11 110	0.06 1	0.15 244	0.12 138	0.16 69	0.08 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Selective-RAFT	0.46 45	0.48 88	1.88 23	0.32 90	0.16 20	0.61 159	0.19 12	0.66 83	0.62 92	0.28 18	0.30 20	0.41 86	0.33 111	0.51 74	0.32 77	0.11 110	1.09 347	0.09 13	0.35 336	0.19 132	0.37 160

MC-Stereo	0.58 125	0.37 50	2.00 40	0.88 344	0.64 314	0.54 72	0.19 12	0.46 9	0.39 3	0.58 169	0.39 50	0.27 35	0.27 61	0.71 140	0.32 77	0.09 11	1.20 353	0.09 13	0.16 211	0.22 172	1.92 378

RALAANet	0.52 82	1.37 313	2.63 212	0.33 110	0.23 108	0.48 32	0.19 12	0.69 91	0.55 59	0.49 81	0.46 77	0.39 73	0.31 101	0.53 85	0.53 164	0.10 47	0.33 263	0.11 92	0.17 224	0.29 251	0.13 12

Gwc-CoAtRS	0.41 18	0.37 50	2.06 52	0.28 33	0.41 247	0.48 32	0.19 12	0.64 78	0.49 29	0.45 51	0.39 50	0.57 174	0.26 48	0.37 24	0.28 41	0.09 11	0.19 208	0.09 13	0.31 313	0.11 17	0.25 97

DN-CSS_ROB	0.56 110	1.64 351	2.75 260	0.42 222	0.22 86	0.57 104	0.19 12	0.79 132	0.66 123	0.46 61	0.62 203	0.41 86	0.32 106	0.73 146	0.49 153	0.12 142	0.08 38	0.14 219	0.13 158	0.38 308	0.17 49

MyStereo8	0.73 240	1.16 261	2.89 286	0.53 277	0.34 208	0.71 256	0.20 20	1.87 386	0.59 76	0.53 126	0.66 231	0.50 139	0.33 111	1.27 219	0.62 189	0.10 47	1.19 352	0.10 46	0.21 268	0.21 158	0.61 262

MSKI-zero shot	0.70 226	0.44 80	2.62 211	1.47 377	0.75 328	0.56 85	0.20 20	0.80 137	0.45 17	0.60 197	0.52 122	0.44 106	0.17 1	0.70 134	0.26 32	0.09 11	2.87 410	0.09 13	0.32 318	0.14 51	0.50 230

LoS	0.34 5	0.35 37	1.88 23	0.25 5	0.13 5	0.53 65	0.20 20	0.50 23	0.53 51	0.26 14	0.28 15	0.37 66	0.24 26	0.40 34	0.25 23	0.10 47	0.08 38	0.08 3	0.06 6	0.15 60	0.10 4

CES	0.33 4	0.32 14	1.46 2	0.25 5	0.50 273	0.40 12	0.20 20	0.48 11	0.48 27	0.22 3	0.29 17	0.26 28	0.19 7	0.35 21	0.22 4	0.09 11	0.07 6	0.08 3	0.05 1	0.16 69	0.54 245

Selective-IGEV	0.57 117	0.42 70	1.87 22	1.67 387	1.33 380	0.36 10	0.20 20	0.61 67	0.71 189	0.22 3	0.31 25	0.22 8	0.19 7	0.52 78	0.36 103	0.09 11	0.97 335	0.09 13	0.15 194	0.20 149	0.85 311

GLC_STEREO	0.31 1	0.30 5	1.80 10	0.29 45	0.12 3	0.41 13	0.20 20	0.39 2	0.42 9	0.26 14	0.31 25	0.25 22	0.19 7	0.36 23	0.26 32	0.09 11	0.11 124	0.12 134	0.10 70	0.13 35	0.15 30

iRaftStereo_RVC	0.47 48	0.84 190	1.91 28	0.29 45	0.15 13	0.53 65	0.20 20	0.58 55	0.50 35	0.37 25	0.43 63	0.42 90	0.23 24	0.38 26	0.28 41	0.09 11	0.70 322	0.12 134	0.11 108	0.43 331	0.77 296

RAFT-Stereo + iAFF	0.58 125	1.48 332	2.53 177	0.29 45	0.78 336	0.52 60	0.20 20	0.68 89	0.66 123	0.51 110	0.61 196	0.40 81	0.32 106	0.40 34	0.43 127	0.08 1	0.63 311	0.09 13	0.09 37	0.37 302	0.58 254

CFNet-RSSM	0.44 37	0.36 40	2.38 104	0.28 33	0.43 258	0.53 65	0.20 20	0.86 190	0.52 45	0.44 49	0.36 37	0.53 150	0.26 48	0.40 34	0.27 36	0.09 11	0.08 38	0.09 13	0.38 345	0.10 10	0.22 76

11t1	0.60 146	0.49 89	2.19 74	0.35 142	0.58 294	0.48 32	0.21 29	0.72 105	0.73 199	0.49 81	0.47 82	0.35 62	0.34 118	0.61 109	0.71 214	0.12 142	1.26 361	0.10 46	0.29 302	0.16 69	1.22 348

test croco	0.43 25	0.73 164	2.80 269	0.28 33	0.19 63	0.33 7	0.21 29	0.63 76	0.50 35	0.24 9	0.38 47	0.24 19	0.25 40	0.48 58	0.32 77	0.12 142	0.08 38	0.13 190	0.09 37	0.43 331	0.13 12

AEACV	0.89 304	0.29 2	1.84 17	2.50 403	1.68 394	0.53 65	0.21 29	1.01 289	0.42 9	0.68 261	0.31 25	0.22 8	0.39 145	1.63 266	0.25 23	0.09 11	2.60 407	0.09 13	0.54 370	0.23 186	2.27 399

Any-RAFT	0.42 22	0.33 23	1.89 25	0.28 33	0.21 77	0.69 249	0.21 29	0.83 161	0.60 80	0.45 51	0.43 63	0.62 195	0.30 97	0.48 58	0.24 15	0.11 110	0.40 277	0.08 3	0.06 6	0.10 10	0.16 43

CroCo-Stereo Lap2	0.38 13	0.91 212	2.02 45	0.33 110	0.38 234	0.23 2	0.21 29	0.63 76	0.51 40	0.23 6	0.28 15	0.29 41	0.23 24	0.34 15	0.28 41	0.10 47	0.09 81	0.10 46	0.08 27	0.22 172	0.15 30

IIG-Stereo	0.65 190	0.87 195	2.32 95	0.55 284	0.23 108	0.62 181	0.21 29	0.78 125	0.71 189	0.64 235	0.69 241	0.69 241	0.38 134	2.07 325	1.37 306	0.11 110	0.08 38	0.11 92	0.09 37	0.15 60	0.27 107

CroCo-Stereo	0.35 7	0.71 156	1.67 7	0.32 90	0.17 37	0.19 1	0.21 29	0.79 132	0.54 54	0.22 3	0.25 11	0.55 163	0.22 18	0.28 1	0.28 41	0.10 47	0.08 38	0.08 3	0.07 12	0.12 25	0.10 4
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
raftrobust	0.52 82	1.14 253	2.15 68	0.33 110	0.99 356	0.53 65	0.21 29	0.59 62	0.50 35	0.53 126	0.36 37	0.31 47	0.33 111	0.47 50	0.42 121	0.10 47	0.55 298	0.09 13	0.08 27	0.22 172	0.46 216

AFF-stereo	0.57 117	1.51 334	2.59 198	0.33 110	0.23 108	0.51 45	0.21 29	0.69 91	0.68 159	0.49 81	0.63 211	0.49 135	0.34 118	0.50 73	0.37 106	0.08 1	0.54 296	0.10 46	0.10 70	0.40 321	0.60 261

EKT-Stereo	1.56 375	0.55 113	2.60 203	2.54 404	19.66 419	0.55 81	0.22 38	0.76 112	0.51 40	0.40 32	0.36 37	0.43 91	0.27 61	0.74 149	0.42 121	0.13 184	0.17 198	0.11 92	0.16 211	0.20 149	0.50 230

PCWNet_CMD	0.48 55	0.50 95	2.23 81	0.27 21	0.20 68	0.56 85	0.22 38	0.78 125	0.67 135	0.49 81	0.55 148	0.68 230	0.56 250	0.48 58	0.32 77	0.11 110	0.10 103	0.14 219	0.10 70	0.19 132	0.43 196

LoS_RVC	0.34 5	0.38 55	1.96 37	0.27 21	0.35 216	0.43 15	0.22 38	0.43 5	0.34 1	0.24 9	0.34 33	0.23 13	0.28 71	0.34 15	0.22 4	0.08 1	0.07 6	0.07 1	0.05 1	0.10 10	0.35 153

anonymousdsp2	0.88 297	0.31 7	1.96 37	1.06 359	1.56 390	0.57 104	0.22 38	0.84 168	0.98 333	1.20 353	0.37 41	0.65 209	0.26 48	1.19 207	0.46 138	0.10 47	2.40 406	0.10 46	0.13 158	0.19 132	2.96 405

DCANet-4	0.43 25	0.32 14	2.31 93	0.26 15	0.14 8	0.51 45	0.22 38	0.84 168	0.78 240	0.55 141	0.48 88	0.28 37	0.37 127	0.40 34	0.37 106	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 196

fff	0.50 70	0.90 209	2.63 212	0.25 5	0.15 13	0.51 45	0.22 38	0.85 178	0.82 268	0.55 141	0.48 88	0.31 47	0.65 279	0.39 30	0.37 106	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 196

ADStereo(finetuned)	0.50 70	0.91 212	2.43 125	0.26 15	0.14 8	0.51 45	0.22 38	0.84 168	0.78 240	0.56 151	0.49 101	0.32 51	0.75 308	0.40 34	0.40 115	0.10 47	0.07 6	0.09 13	0.07 12	0.13 35	0.45 213

AnonymousM	0.45 40	0.49 89	1.83 14	0.29 45	0.15 13	0.53 65	0.22 38	0.64 78	0.66 123	0.47 63	0.33 32	0.30 42	0.25 40	0.49 68	0.29 50	0.12 142	0.27 254	0.71 377	0.37 342	0.12 25	0.41 187

CFNet_pseudo	0.47 48	0.50 95	2.19 74	0.26 15	0.20 68	0.56 85	0.22 38	0.80 137	0.62 92	0.50 99	0.56 160	0.68 230	0.47 217	0.53 85	0.33 86	0.11 110	0.10 103	0.15 244	0.10 70	0.18 109	0.33 140

sCroCo_RVC	0.37 11	0.39 59	2.38 104	0.35 142	0.27 148	0.31 5	0.22 38	0.49 14	0.48 27	0.23 6	0.34 33	0.25 22	0.24 26	0.35 21	0.25 23	0.15 232	0.17 198	0.12 134	0.11 108	0.15 60	0.15 30

HCRNet	0.50 70	0.75 177	2.08 55	0.39 197	0.29 163	0.58 111	0.22 38	0.79 132	0.67 135	0.49 81	0.49 101	0.48 133	0.37 127	1.13 199	0.40 115	0.15 232	0.10 103	0.15 244	0.13 158	0.21 158	0.19 60

DCANet	0.49 66	0.91 212	2.63 212	0.26 15	0.14 8	0.51 45	0.22 38	0.84 168	0.78 240	0.56 151	0.49 101	0.32 51	0.41 162	0.39 30	0.41 117	0.10 47	0.07 6	0.09 13	0.07 12	0.14 51	0.45 213

csc	0.50 70	0.90 209	2.63 212	0.25 5	0.15 13	0.51 45	0.22 38	0.85 178	0.82 268	0.55 141	0.48 88	0.31 47	0.65 279	0.39 30	0.37 106	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 196

cscssc	0.50 70	0.90 209	2.63 212	0.25 5	0.15 13	0.51 45	0.22 38	0.85 178	0.82 268	0.55 141	0.48 88	0.31 47	0.65 279	0.39 30	0.37 106	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 196

GMStereo	0.44 37	1.32 297	2.65 222	0.28 33	0.16 20	0.42 14	0.22 38	0.48 11	0.63 103	0.41 33	0.36 37	0.26 28	0.25 40	0.41 40	0.30 55	0.14 214	0.08 38	0.10 46	0.12 138	0.17 90	0.13 12
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
FENet	0.48 55	0.58 118	2.46 156	0.33 110	0.18 47	0.58 111	0.22 38	0.83 161	0.64 109	0.49 81	0.42 61	0.55 163	0.38 134	0.52 78	0.51 159	0.12 142	0.09 81	0.12 134	0.11 108	0.17 90	0.31 135

MSMDNet	0.48 55	0.50 95	2.23 81	0.27 21	0.20 68	0.56 85	0.22 38	0.78 125	0.67 135	0.49 81	0.55 148	0.68 230	0.56 250	0.48 58	0.32 77	0.11 110	0.10 103	0.13 190	0.10 70	0.18 109	0.43 196

ccs_rob	0.47 48	0.50 95	2.19 74	0.26 15	0.20 68	0.56 85	0.22 38	0.80 137	0.62 92	0.50 99	0.56 160	0.68 230	0.47 217	0.53 85	0.33 86	0.11 110	0.10 103	0.16 260	0.10 70	0.18 109	0.33 140

iResNet_ROB	0.60 146	1.59 343	2.04 49	0.32 90	0.21 77	0.60 141	0.22 38	0.99 275	0.85 288	0.61 204	0.63 211	0.58 178	0.42 173	1.08 190	0.98 263	0.11 110	0.08 38	0.09 13	0.06 6	0.23 186	0.33 140

AE-Stereo	0.71 230	0.32 14	2.44 133	0.44 236	0.50 273	0.58 111	0.23 57	1.08 333	0.67 135	0.67 255	0.51 115	0.47 127	0.24 26	0.63 113	0.32 77	0.09 11	2.15 398	0.11 92	0.45 357	0.22 172	2.01 380

ff7	0.65 190	0.58 118	2.09 56	0.39 197	0.60 300	0.56 85	0.23 57	0.49 14	0.62 92	1.00 330	0.24 6	0.20 2	0.24 26	0.71 140	0.24 15	0.09 11	2.09 389	0.10 46	0.18 232	0.24 192	2.22 394

IGEVStereo-DCA	0.74 243	0.74 173	2.09 56	0.76 332	0.77 333	0.45 17	0.23 57	0.49 14	0.62 92	0.71 278	0.22 2	0.30 42	0.28 71	1.29 221	1.53 316	0.10 47	1.50 376	0.10 46	0.18 232	0.24 192	2.22 394

ffff	0.65 190	0.58 118	2.09 56	0.39 197	0.60 300	0.56 85	0.23 57	0.49 14	0.62 92	1.00 330	0.24 6	0.20 2	0.24 26	0.71 140	0.24 15	0.09 11	2.09 389	0.10 46	0.18 232	0.24 192	2.22 394

11t	0.65 190	0.58 118	2.09 56	0.39 197	0.60 300	0.56 85	0.23 57	0.49 14	0.62 92	1.00 330	0.24 6	0.20 2	0.24 26	0.71 140	0.24 15	0.09 11	2.09 389	0.10 46	0.18 232	0.24 192	2.22 394

CFNet_ucs	0.50 70	0.55 113	2.28 87	0.27 21	0.22 86	0.58 111	0.23 57	0.90 219	0.69 167	0.54 130	0.64 218	0.68 230	0.44 194	0.55 91	0.34 94	0.14 214	0.12 139	0.16 260	0.11 108	0.19 132	0.38 168

HH	0.79 264	0.52 101	2.72 251	1.45 375	0.80 337	0.91 324	0.23 57	0.76 112	0.76 229	0.64 235	0.55 148	0.87 301	0.41 162	0.94 178	0.45 134	0.09 11	1.20 353	0.10 46	0.09 37	0.16 69	2.16 387

HanStereo	0.79 264	0.52 101	2.72 251	1.45 375	0.80 337	0.91 324	0.23 57	0.76 112	0.76 229	0.64 235	0.55 148	0.87 301	0.41 162	0.94 178	0.45 134	0.09 11	1.20 353	0.10 46	0.09 37	0.16 69	2.16 387

CAS	0.39 15	0.31 7	1.79 9	0.81 341	0.34 208	0.51 45	0.23 57	0.49 14	0.42 9	0.23 6	0.31 25	0.20 2	0.17 1	0.30 2	0.25 23	0.77 373	0.06 1	0.07 1	0.05 1	0.10 10	0.41 187

anonymousdsp	0.86 290	0.59 124	2.65 222	1.33 369	1.25 377	0.56 85	0.23 57	0.54 39	0.71 189	1.13 343	0.25 11	0.22 8	0.24 26	1.24 213	0.24 15	0.09 11	2.34 404	0.10 46	0.18 232	0.25 207	3.12 408

RCA-Stereo	0.45 40	0.38 55	1.80 10	0.27 21	0.25 123	0.58 111	0.23 57	0.84 168	0.66 123	0.42 37	0.44 74	0.28 37	0.35 120	0.31 3	0.21 1	0.09 11	1.01 338	0.09 13	0.07 12	0.21 158	0.53 242

ccc-4	0.65 190	0.58 118	2.09 56	0.39 197	0.60 300	0.56 85	0.23 57	0.49 14	0.62 92	1.00 330	0.24 6	0.20 2	0.24 26	0.71 140	0.24 15	0.09 11	2.09 389	0.10 46	0.18 232	0.24 192	2.22 394

BUS	0.45 40	0.32 14	1.58 3	0.31 73	0.22 86	0.91 324	0.23 57	1.05 315	0.67 135	0.64 235	0.53 125	0.65 209	0.32 106	0.48 58	0.34 94	0.13 184	0.10 103	0.14 219	0.12 138	0.13 35	0.15 30

NINENet	0.54 98	0.40 63	2.19 74	0.55 284	0.26 137	0.91 324	0.23 57	1.05 315	0.77 237	0.54 130	0.57 170	0.65 209	0.32 106	1.22 209	0.34 94	0.16 246	0.13 152	0.16 260	0.11 108	0.16 69	0.14 24

IGEV-Stereo	0.86 290	0.60 125	2.65 222	1.35 371	1.25 377	0.56 85	0.23 57	0.54 39	0.71 189	1.14 344	0.25 11	0.22 8	0.24 26	1.24 213	0.24 15	0.09 11	2.34 404	0.10 46	0.18 232	0.25 207	3.13 409
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
UDGNet	0.50 70	1.36 310	2.44 133	0.37 166	0.19 63	0.58 111	0.23 57	0.49 14	0.69 167	0.42 37	0.39 50	0.34 59	0.29 87	0.55 91	0.32 77	0.25 329	0.10 103	0.37 355	0.19 248	0.30 257	0.17 49

test-3	0.58 125	0.43 76	2.44 133	0.52 273	0.59 295	0.46 20	0.23 57	0.77 118	0.49 29	0.52 118	0.29 17	0.44 106	0.22 18	0.59 101	0.97 257	0.08 1	1.27 362	0.10 46	0.35 336	0.29 251	0.62 264

test_1	0.58 125	0.43 76	2.44 133	0.52 273	0.59 295	0.46 20	0.23 57	0.77 118	0.49 29	0.51 110	0.29 17	0.44 106	0.22 18	0.59 101	0.97 257	0.08 1	1.27 362	0.10 46	0.35 336	0.29 251	0.63 268

TRStereo	0.89 304	1.02 228	2.91 289	4.59 411	0.31 182	0.93 328	0.23 57	1.93 389	0.66 123	0.37 25	0.54 139	0.48 133	0.40 151	0.67 127	0.29 50	0.13 184	0.37 267	0.11 92	0.48 361	0.13 35	1.21 346

CFNet	0.65 190	1.45 327	2.27 85	0.34 127	0.25 123	0.64 206	0.23 57	0.93 236	0.79 249	0.48 65	0.59 181	0.58 178	0.40 151	2.28 339	0.63 194	0.13 184	0.09 81	0.15 244	0.14 176	0.34 280	0.26 102

HITNet	0.55 102	1.28 292	2.73 256	0.35 142	0.14 8	0.56 85	0.23 57	0.89 211	0.62 92	0.52 118	0.51 115	0.49 135	0.38 134	0.52 78	0.60 181	0.09 11	0.07 6	0.10 46	0.08 27	0.25 207	0.61 262
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
MLCV	0.59 140	1.41 318	2.41 116	0.31 73	0.15 13	0.60 141	0.23 57	0.77 118	0.63 103	0.67 255	0.66 231	0.55 163	0.37 127	1.16 203	1.09 276	0.10 47	0.07 6	0.09 13	0.07 12	0.21 158	0.29 119

SMFormer	0.64 185	0.54 106	1.92 29	0.32 90	0.16 20	0.46 20	0.24 79	0.94 241	0.85 288	0.58 169	0.70 254	0.51 142	0.41 162	1.89 310	0.86 249	0.13 184	1.01 338	0.11 92	0.26 288	0.17 90	0.84 307

tta	0.63 178	0.54 106	1.92 29	0.32 90	0.16 20	0.46 20	0.24 79	0.94 241	0.85 288	0.58 169	0.70 254	0.51 142	0.41 162	1.89 310	0.86 249	0.13 184	1.01 338	0.11 92	0.26 288	0.19 132	0.59 257

qqq1	0.62 166	0.54 106	1.92 29	0.32 90	0.16 20	0.46 20	0.24 79	0.94 241	0.85 288	0.58 169	0.70 254	0.51 142	0.41 162	1.89 310	0.64 195	0.13 184	1.01 338	0.09 13	0.24 277	0.19 132	0.59 257

fff1	0.62 166	0.54 106	1.92 29	0.32 90	0.16 20	0.46 20	0.24 79	0.94 241	0.85 288	0.58 169	0.70 254	0.51 142	0.41 162	1.89 310	0.64 195	0.13 184	1.01 338	0.09 13	0.24 277	0.19 132	0.59 257

ACVNet-DCA	0.67 210	0.73 164	2.43 125	0.67 320	0.52 277	0.76 276	0.24 79	0.81 144	0.83 274	0.77 293	0.39 50	0.25 22	0.38 134	0.70 134	0.22 4	0.10 47	2.13 394	0.11 92	0.09 37	0.16 69	1.18 340

xx1	0.71 230	0.73 164	2.43 125	0.67 320	0.52 277	0.76 276	0.24 79	0.85 178	1.05 344	0.77 293	0.39 50	0.46 122	0.37 127	0.70 134	0.22 4	0.10 47	2.13 394	0.12 134	0.41 353	0.16 69	1.18 340

1test111	0.72 238	0.73 164	2.43 125	0.67 320	0.52 277	0.76 276	0.24 79	0.81 144	0.83 274	0.77 293	0.39 50	0.25 22	0.38 134	1.03 185	0.75 222	0.10 47	2.13 394	0.11 92	0.09 37	0.16 69	1.18 340

cc1	0.74 243	0.73 164	2.43 125	0.67 320	0.52 277	0.76 276	0.24 79	0.85 178	1.05 344	0.77 293	0.39 50	0.25 22	0.38 134	0.70 134	0.22 4	0.10 47	2.13 394	0.11 92	0.09 37	0.25 207	2.20 393

tt1	0.74 243	0.73 164	2.34 98	0.67 320	0.63 310	0.75 272	0.24 79	0.85 178	0.96 326	0.81 305	0.38 47	0.26 28	0.35 120	0.64 117	0.22 4	0.10 47	2.16 399	0.11 92	0.09 37	0.25 207	2.19 389

whm_eth	0.51 80	0.86 194	2.79 267	0.31 73	0.31 182	0.49 37	0.24 79	0.78 125	0.75 221	0.48 65	0.86 307	0.26 28	0.26 48	0.38 26	0.29 50	0.13 184	0.11 124	0.13 190	0.12 138	0.14 51	0.44 208

SDNR	2.06 387	2.93 408	2.94 293	1.55 382	5.13 409	1.98 387	0.24 79	1.95 390	2.62 393	0.92 323	2.71 392	5.76 405	0.68 289	3.61 396	3.84 387	0.33 348	0.38 271	0.22 313	0.17 224	1.13 379	2.04 382

CASS	0.43 25	0.34 30	2.01 42	0.33 110	0.17 37	0.54 72	0.24 79	0.71 104	0.52 45	0.62 216	0.55 148	0.40 81	0.41 162	0.43 44	0.33 86	0.17 265	0.10 103	0.14 219	0.11 108	0.18 109	0.23 84
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
knoymous	0.37 11	0.34 30	1.83 14	0.25 5	0.18 47	0.45 17	0.24 79	0.60 65	0.40 4	0.42 37	0.39 50	0.54 155	0.25 40	0.41 40	0.29 50	0.12 142	0.08 38	0.12 134	0.07 12	0.13 35	0.20 68

x	0.65 190	0.62 134	2.12 63	0.36 156	0.61 307	0.48 32	0.24 79	0.80 137	0.89 305	0.50 99	0.56 160	0.44 106	0.36 122	0.62 112	0.80 236	0.11 110	1.44 375	0.11 92	0.39 348	0.16 69	1.34 358

ASMatch	0.61 153	0.47 85	2.72 251	0.91 349	0.36 222	0.56 85	0.24 79	0.54 39	0.67 135	0.48 65	1.20 346	0.47 127	0.65 279	1.33 225	0.93 254	0.10 47	0.08 38	0.11 92	0.11 108	0.10 10	0.17 49

s12784h	0.41 18	0.34 30	2.17 71	0.24 4	0.11 1	0.64 206	0.24 79	0.85 178	0.70 177	0.45 51	0.54 139	0.28 37	0.27 61	0.51 74	0.27 36	0.11 110	0.06 1	0.09 13	0.06 6	0.16 69	0.14 24

222	1.02 328	0.60 125	1.95 34	0.29 45	0.51 275	0.62 181	0.24 79	1.09 335	0.86 294	0.64 235	0.67 234	0.47 127	0.42 173	1.86 305	6.73 406	0.13 184	1.21 356	0.11 92	0.32 318	0.17 90	1.44 365

xxxx	0.97 321	0.64 138	2.14 67	0.30 59	0.67 318	0.64 206	0.24 79	1.09 335	0.91 310	0.57 163	0.65 225	0.58 178	0.39 145	1.57 256	5.49 403	0.13 184	1.38 371	0.11 92	0.32 318	0.17 90	1.41 363

PMTNet	0.35 7	0.38 55	1.75 8	0.21 2	0.14 8	0.57 104	0.24 79	0.48 11	0.44 16	0.28 18	0.32 31	0.26 28	0.24 26	0.41 40	0.24 15	0.42 355	0.07 6	0.08 3	0.05 1	0.18 109	0.15 30

ProNet	0.46 45	0.60 125	1.85 19	0.35 142	0.67 318	0.49 37	0.25 98	0.53 30	0.57 66	0.21 1	0.24 6	0.22 8	0.20 14	0.52 78	0.22 4	0.09 11	0.47 286	0.10 46	0.09 37	0.23 186	1.33 356

raft_robust	0.68 215	1.24 284	2.42 120	0.30 59	0.57 290	0.53 65	0.25 98	0.95 254	0.79 249	0.49 81	0.46 77	1.12 354	0.74 304	1.50 246	0.61 186	0.09 11	0.62 310	0.10 46	0.30 308	0.26 222	0.30 127

AACVNet	0.61 153	1.13 252	2.47 161	0.37 166	0.21 77	0.57 104	0.25 98	0.75 110	0.55 59	0.56 151	0.60 188	0.66 216	0.44 194	2.11 331	0.49 153	0.14 214	0.11 124	0.14 219	0.11 108	0.35 291	0.23 84

GANet-ADL	0.48 55	0.56 115	2.51 173	0.34 127	0.20 68	0.58 111	0.25 98	0.80 137	0.57 66	0.43 43	0.61 196	0.56 170	0.31 101	0.44 47	0.44 130	0.14 214	0.11 124	0.10 46	0.09 37	0.22 172	0.38 168

rafts_anoy	0.60 146	1.33 301	2.59 198	0.53 277	1.09 368	0.49 37	0.25 98	0.67 86	0.53 51	0.41 33	0.38 47	0.33 55	0.30 97	0.68 131	0.41 117	0.10 47	1.13 350	0.13 190	0.15 194	0.20 149	0.29 119

TestStereo	0.49 66	0.88 199	2.38 104	0.30 59	0.16 20	0.43 15	0.25 98	0.55 47	0.46 18	0.38 28	0.46 77	0.34 59	0.28 71	1.96 319	0.28 41	0.11 110	0.08 38	0.12 134	0.09 37	0.15 60	0.13 12

raft+_RVC	0.62 166	1.18 267	2.43 125	0.36 156	2.08 400	0.52 60	0.25 98	0.66 83	0.54 54	0.36 23	0.46 77	0.32 51	0.28 71	0.49 68	0.43 127	0.10 47	0.91 333	0.10 46	0.09 37	0.22 172	0.70 289

pcwnet_v2	0.65 190	0.54 106	4.29 384	0.33 110	0.27 148	0.60 141	0.25 98	1.02 295	0.92 312	0.61 204	0.69 241	0.62 195	0.54 243	0.67 127	0.38 112	0.18 276	0.15 179	0.15 244	0.14 176	0.21 158	0.49 228

FADNet_RVC	0.87 296	1.51 334	2.90 288	0.31 73	0.24 117	0.71 256	0.25 98	1.00 281	0.65 116	0.45 51	0.57 170	0.61 190	0.44 194	1.53 248	0.75 222	0.94 378	0.97 335	0.28 335	1.00 397	0.89 375	1.36 361

BEATNet_4x	0.57 117	1.16 261	2.56 192	0.35 142	0.16 20	0.56 85	0.25 98	0.91 226	0.64 109	0.55 141	0.53 125	0.59 181	0.43 186	0.67 127	0.76 225	0.12 142	0.09 81	0.12 134	0.09 37	0.23 186	0.58 254

R-Stereo Train	0.42 22	0.31 7	2.51 173	0.30 59	0.18 47	0.56 85	0.25 98	0.82 151	0.41 5	0.57 163	0.67 234	0.33 55	0.24 26	0.34 15	0.33 86	0.10 47	0.08 38	0.09 13	0.07 12	0.09 5	0.18 56

RAFT-Stereo	0.42 22	0.31 7	2.51 173	0.30 59	0.18 47	0.56 85	0.25 98	0.82 151	0.41 5	0.57 163	0.67 234	0.33 55	0.24 26	0.34 15	0.33 86	0.10 47	0.08 38	0.09 13	0.07 12	0.09 5	0.18 56
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
StereoVision	0.52 82	1.12 250	2.70 248	0.34 127	0.32 193	0.47 29	0.26 110	0.73 106	0.61 83	0.33 22	0.89 313	0.45 118	0.26 48	0.52 78	0.39 114	0.14 214	0.15 179	0.16 260	0.15 194	0.22 172	0.14 24

4D-IteraStereo	0.62 166	1.29 294	3.04 305	0.27 21	0.30 174	0.46 20	0.26 110	0.54 39	0.51 40	0.41 33	0.31 25	0.39 73	0.19 7	0.53 85	0.65 200	0.09 11	0.47 286	0.12 134	0.11 108	0.21 158	2.14 386

DCRE	0.76 255	0.80 187	2.31 93	1.05 358	1.18 373	0.63 194	0.26 110	1.03 301	0.59 76	0.52 118	2.12 375	0.44 106	0.27 61	0.41 40	0.53 164	0.09 11	1.02 343	0.10 46	0.32 318	0.16 69	1.47 367

anonymousa	0.74 243	0.60 125	2.58 196	0.96 353	1.33 380	0.61 159	0.26 110	0.69 91	0.56 63	0.55 141	0.84 299	0.82 285	0.46 209	0.56 94	0.61 186	0.10 47	1.11 349	0.12 134	0.98 396	0.14 51	0.97 329

dd	0.48 55	1.32 297	2.41 116	0.31 73	0.17 37	0.58 111	0.26 110	0.50 23	0.71 189	0.42 37	0.41 59	0.34 59	0.28 71	0.47 50	0.41 117	0.18 276	0.10 103	0.13 190	0.12 138	0.22 172	0.16 43

dad	0.58 125	1.35 306	2.39 110	0.31 73	0.20 68	0.62 181	0.26 110	0.56 48	0.79 249	0.66 253	0.64 218	0.64 205	0.36 122	0.87 170	0.48 144	0.28 339	0.15 179	0.40 358	0.18 232	0.24 192	0.22 76

Patchmatch Stereo++	0.43 25	0.36 40	2.44 133	0.48 253	0.17 37	0.61 159	0.26 110	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.56 94	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12
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
OMP-Stereo	0.64 185	0.87 195	2.38 104	0.56 293	0.37 228	0.60 141	0.26 110	0.75 110	0.71 189	0.65 247	0.60 188	0.68 230	0.32 106	2.07 325	1.18 285	0.11 110	0.08 38	0.12 134	0.09 37	0.17 90	0.28 113

ROB_FTStereo	0.43 25	0.36 40	2.44 133	0.48 253	0.18 47	0.61 159	0.26 110	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.51 74	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

iRAFT	0.43 25	0.36 40	2.44 133	0.48 253	0.17 37	0.61 159	0.26 110	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.56 94	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

RALCasStereoNet	0.65 190	1.34 303	2.56 192	0.43 232	0.96 352	0.50 43	0.26 110	0.62 70	0.56 63	0.43 43	0.49 101	0.36 63	0.28 71	0.72 145	0.53 164	0.10 47	1.18 351	0.09 13	0.08 27	0.27 233	1.27 351

111	0.57 117	1.41 318	2.63 212	0.25 5	0.15 13	0.59 129	0.26 110	0.90 219	0.83 274	0.50 99	0.54 139	0.57 174	0.38 134	0.54 90	0.41 117	0.10 47	0.07 6	0.09 13	0.07 12	0.24 192	0.81 305

DMCA	0.50 70	0.83 189	1.95 34	0.32 90	0.24 117	0.59 129	0.26 110	0.81 144	0.68 159	0.59 188	0.49 101	0.56 170	0.36 122	0.65 121	0.65 200	0.14 214	0.10 103	0.14 219	0.10 70	0.19 132	0.29 119

StereoDRNet-Refined	0.55 102	0.61 130	2.07 53	0.34 127	0.21 77	0.68 246	0.26 110	0.87 197	0.73 199	0.70 269	0.69 241	0.74 257	0.45 202	1.10 192	0.62 189	0.12 142	0.09 81	0.14 219	0.14 176	0.27 233	0.24 93
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
mmm	0.66 207	0.53 104	1.83 14	0.38 184	0.86 342	0.49 37	0.27 124	0.82 151	0.83 274	0.59 188	0.69 241	0.47 127	0.38 134	0.81 165	0.73 219	0.12 142	1.37 370	0.14 219	0.45 357	0.18 109	1.35 359

qqq	0.65 190	0.63 136	2.10 62	0.30 59	0.64 314	0.46 20	0.27 124	0.81 144	0.83 274	0.48 65	0.56 160	0.46 122	0.37 127	1.03 185	0.75 222	0.11 110	1.41 374	0.12 134	0.41 353	0.16 69	1.18 340

IER	0.49 66	0.73 164	2.12 63	0.27 21	0.25 123	0.65 220	0.27 124	0.76 112	0.59 76	0.56 151	0.59 181	0.60 188	0.53 241	0.64 117	0.44 130	0.12 142	0.09 81	0.11 92	0.11 108	0.18 109	0.15 30

PSMNet-ADL	0.56 110	0.47 85	2.03 46	0.35 142	0.22 86	0.67 240	0.27 124	0.77 118	0.58 72	0.43 43	0.53 125	0.70 247	0.45 202	1.89 310	0.64 195	0.16 246	0.13 152	0.11 92	0.13 158	0.15 60	0.51 234

HUI-Stereo	0.43 25	0.36 40	2.45 149	0.48 253	0.18 47	0.61 159	0.27 124	0.53 30	0.61 83	0.48 65	0.43 63	0.44 106	0.28 71	0.47 50	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

PFNet	0.62 166	0.42 70	2.69 244	0.43 232	0.55 285	0.62 181	0.27 124	0.64 78	0.72 196	0.61 204	0.56 160	0.45 118	0.33 111	1.86 305	1.12 279	0.28 339	0.09 81	0.12 134	0.16 211	0.26 222	0.27 107

iGMRVC	0.43 25	0.36 40	2.44 133	0.48 253	0.18 47	0.61 159	0.27 124	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.57 97	0.31 69	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

UNet	0.56 110	0.58 118	2.81 273	0.32 90	0.33 199	0.74 270	0.27 124	0.86 190	0.67 135	0.55 141	0.55 148	0.72 250	0.55 248	0.79 158	0.58 177	0.12 142	0.09 81	0.13 190	0.11 108	0.20 149	0.19 60

rrr	0.84 279	0.74 173	3.40 338	0.76 332	0.77 333	0.45 17	0.28 132	1.23 358	0.84 286	0.71 278	0.22 2	0.30 42	0.28 71	1.29 221	1.53 316	0.10 47	1.50 376	0.10 46	0.29 302	0.24 192	1.75 375

DualNet	0.97 321	0.67 142	3.39 333	0.32 90	0.22 86	0.58 111	0.28 132	0.85 178	0.96 326	0.54 130	0.74 275	0.67 218	0.40 151	0.64 117	3.86 388	0.10 47	2.16 399	0.15 244	0.33 328	0.25 207	2.19 389

ffm	0.78 261	0.67 142	3.39 333	0.32 90	0.22 86	0.58 111	0.28 132	0.85 178	0.96 326	0.54 130	0.74 275	0.67 218	0.40 151	0.64 117	0.22 4	0.10 47	2.16 399	0.15 244	0.33 328	0.25 207	2.19 389

ff1	1.07 337	0.67 142	3.39 333	0.32 90	0.22 86	0.58 111	0.28 132	0.85 178	0.96 326	0.54 130	0.74 275	0.67 218	0.40 151	2.75 376	3.86 388	0.10 47	2.16 399	0.15 244	0.33 328	0.25 207	2.19 389

mmx	0.99 325	0.67 142	3.39 333	0.32 90	0.22 86	0.58 111	0.28 132	1.05 315	0.92 312	0.54 130	0.74 275	0.67 218	0.40 151	2.75 376	3.86 388	0.13 184	1.25 358	0.15 244	0.33 328	0.19 132	1.28 353

ttt	0.89 304	0.51 100	2.51 173	0.36 156	0.31 182	0.61 159	0.28 132	1.07 330	0.92 312	0.56 151	0.77 289	0.55 163	0.37 127	2.27 338	3.51 382	0.16 246	1.21 356	0.13 190	0.31 313	0.18 109	1.26 350

xxx	0.99 325	0.67 142	3.39 333	0.32 90	0.22 86	0.58 111	0.28 132	1.05 315	0.92 312	0.54 130	0.74 275	0.67 218	0.40 151	2.75 376	3.86 388	0.13 184	1.25 358	0.15 244	0.33 328	0.19 132	1.28 353

LL-Strereo2	0.62 166	1.36 310	2.47 161	1.37 372	0.96 352	0.54 72	0.28 132	0.61 67	0.49 29	0.42 37	0.34 33	0.44 106	0.21 15	0.57 97	0.53 164	0.11 110	0.26 248	0.16 260	0.14 176	0.18 109	0.98 331

test_4	0.47 48	0.80 187	2.15 68	0.36 156	0.29 163	0.59 129	0.28 132	0.50 23	0.42 9	0.43 43	0.76 285	0.39 73	0.22 18	0.73 146	0.49 153	0.08 1	0.18 204	0.11 92	0.15 194	0.29 251	0.27 107

iRaft-Stereo_5w	0.65 190	1.35 306	2.21 79	0.30 59	0.63 310	0.49 37	0.28 132	0.78 125	0.64 109	0.41 33	0.61 196	0.62 195	0.46 209	1.79 292	0.48 144	0.10 47	0.25 245	0.11 92	0.12 138	0.40 321	0.94 321

TransformOpticalFlow	0.65 190	0.61 130	2.67 233	0.45 243	0.26 137	0.62 181	0.28 132	0.88 205	0.76 229	0.76 291	0.74 275	0.90 309	0.84 318	1.82 298	0.80 236	0.10 47	0.07 6	0.11 92	0.09 37	0.12 25	0.19 60

PSM-adaLoss	0.43 25	0.36 40	2.44 133	0.48 253	0.18 47	0.61 159	0.28 132	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.49 68	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

ROB_FTStereo_v2	0.43 25	0.36 40	2.44 133	0.49 264	0.17 37	0.61 159	0.28 132	0.53 30	0.61 83	0.48 65	0.43 63	0.44 106	0.28 71	0.48 58	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

test-1	0.61 153	0.54 106	2.09 56	0.31 73	1.37 382	0.51 45	0.28 132	0.83 161	0.50 35	0.42 37	0.55 148	0.54 155	0.24 26	0.38 26	1.25 295	0.10 47	1.08 346	0.10 46	0.17 224	0.11 17	0.77 296

RAFT-IKP	0.43 25	0.36 40	2.44 133	0.48 253	0.16 20	0.60 141	0.28 132	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.51 74	0.31 69	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

sAnonymous2	0.45 40	0.88 199	2.97 296	0.31 73	0.25 123	0.34 8	0.28 132	0.56 48	0.49 29	0.25 11	0.30 20	0.23 13	0.29 87	0.31 3	0.22 4	0.12 142	0.09 81	0.12 134	0.13 158	0.38 308	0.43 196

CroCo_RVC	0.45 40	0.88 199	2.97 296	0.31 73	0.25 123	0.34 8	0.28 132	0.56 48	0.49 29	0.25 11	0.30 20	0.23 13	0.29 87	0.31 3	0.22 4	0.12 142	0.09 81	0.12 134	0.13 158	0.38 308	0.43 196

test_xeample	0.98 323	0.65 140	2.12 63	0.29 45	0.67 318	0.60 141	0.28 132	1.08 333	0.85 288	0.62 216	0.70 254	0.44 106	0.41 162	1.95 318	5.45 402	0.12 142	1.33 369	0.11 92	0.31 313	0.18 109	1.42 364

MMNet	0.55 102	0.92 217	2.03 46	0.34 127	0.27 148	0.79 295	0.28 132	0.86 190	0.79 249	0.62 216	0.58 176	0.59 181	0.56 250	0.80 162	0.61 186	0.11 110	0.11 124	0.12 134	0.11 108	0.21 158	0.22 76

cf-r	0.62 166	1.27 290	2.99 301	0.34 127	0.28 158	0.60 141	0.28 132	0.82 151	0.70 177	0.55 141	0.61 196	0.77 267	0.41 162	1.32 224	0.52 161	0.13 184	0.09 81	0.11 92	0.12 138	0.22 172	0.27 107

PSMNet-RSSM	0.61 153	1.19 270	2.43 125	0.33 110	0.25 123	0.59 129	0.28 132	0.88 205	0.65 116	0.54 130	0.62 203	0.69 241	0.46 209	1.67 273	0.50 156	0.15 232	0.10 103	0.14 219	0.16 211	0.20 149	0.28 113

CFNet-ft	0.60 146	1.16 261	2.45 149	0.29 45	0.30 174	0.64 206	0.28 132	0.69 91	0.57 66	0.49 81	0.57 170	0.79 273	0.44 194	1.48 243	0.62 189	0.15 232	0.10 103	0.28 335	0.14 176	0.21 158	0.29 119

CFNet_RVC	0.60 146	1.16 261	2.45 149	0.29 45	0.30 174	0.64 206	0.28 132	0.69 91	0.57 66	0.49 81	0.57 170	0.79 273	0.44 194	1.48 243	0.62 189	0.15 232	0.10 103	0.28 335	0.14 176	0.21 158	0.29 119

NLCA_NET_v2_RVC	0.62 166	1.15 259	3.11 311	0.39 197	0.37 228	0.60 141	0.28 132	0.87 197	0.64 109	0.63 225	0.56 160	0.71 249	0.45 202	1.08 190	0.52 161	0.15 232	0.12 139	0.14 219	0.15 194	0.18 109	0.25 97
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
UCFNet_RVC	0.55 102	1.16 261	2.48 166	0.31 73	0.27 148	0.65 220	0.28 132	0.76 112	0.58 72	0.51 110	0.53 125	0.67 218	0.42 173	0.91 175	0.45 134	0.16 246	0.11 124	0.17 274	0.17 224	0.20 149	0.23 84

RAFT_CTSACE	0.58 125	1.16 261	2.76 263	0.36 156	0.29 163	0.54 72	0.29 157	0.69 91	0.51 40	0.51 110	0.75 282	0.67 218	0.37 127	0.63 113	0.47 141	0.08 1	0.49 290	0.11 92	0.10 70	0.41 327	0.32 137

GwcNet-ADL	0.54 98	0.78 183	2.85 281	0.31 73	0.20 68	0.58 111	0.29 157	0.93 236	0.67 135	0.48 65	0.47 82	0.56 170	0.33 111	0.48 58	0.80 236	0.13 184	0.12 139	0.09 13	0.09 37	0.14 51	0.40 180

LCNet	0.58 125	0.43 76	2.42 120	0.91 349	0.22 86	0.95 332	0.29 157	0.62 70	0.64 109	0.52 118	0.55 148	0.41 86	0.75 308	0.84 167	0.27 36	0.10 47	0.07 6	0.12 134	0.18 232	0.97 378	0.40 180

acv_ft	0.57 117	0.87 195	2.45 149	0.33 110	0.41 247	0.63 194	0.29 157	0.86 190	0.73 199	0.64 235	0.59 181	0.69 241	0.45 202	0.47 50	0.68 207	0.11 110	0.10 103	0.10 46	0.09 37	0.43 331	0.39 175

GANet-RSSM	0.63 178	1.14 253	2.67 233	0.38 184	0.26 137	0.59 129	0.29 157	0.81 144	0.56 63	0.50 99	0.57 170	0.67 218	0.50 227	1.91 316	0.50 156	0.14 214	0.10 103	0.24 325	0.12 138	0.36 296	0.28 113

FADNet-RVC	0.69 221	1.65 352	2.74 258	0.35 142	0.26 137	0.60 141	0.29 157	0.91 226	0.67 135	0.46 61	0.51 115	0.62 195	0.46 209	1.75 282	0.81 240	0.17 265	0.20 220	0.17 274	0.18 232	0.60 357	0.39 175

FADNet	0.71 230	1.60 347	2.53 177	0.33 110	0.30 174	0.67 240	0.29 157	0.92 233	0.75 221	0.45 51	0.49 101	0.66 216	0.57 255	1.85 303	0.85 247	0.46 362	0.20 220	0.17 274	0.20 257	0.60 357	0.37 160

AdaStereo	0.48 55	0.44 80	2.18 73	0.36 156	0.20 68	0.59 129	0.29 157	0.97 264	0.74 216	0.52 118	0.55 148	0.61 190	0.33 111	0.52 78	0.44 130	0.18 276	0.08 38	0.17 274	0.11 108	0.18 109	0.24 93
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	0.71 230	1.90 368	3.48 345	0.43 232	0.22 86	0.60 141	0.29 157	0.96 257	0.78 240	0.60 197	0.65 225	0.60 188	0.46 209	0.80 162	1.21 289	0.12 142	0.08 38	0.10 46	0.07 12	0.44 334	0.33 140

HSM	0.67 210	0.92 217	2.29 89	0.30 59	0.29 163	0.65 220	0.29 157	0.98 270	0.67 135	0.59 188	0.58 176	1.39 367	0.65 279	2.56 359	0.45 134	0.11 110	0.09 81	0.10 46	0.08 27	0.18 109	0.24 93

iResNet	0.59 140	1.09 241	2.54 181	0.44 236	0.18 47	0.65 220	0.29 157	0.89 211	0.75 221	0.59 188	0.64 218	0.43 91	0.39 145	0.73 146	1.24 294	0.11 110	0.08 38	0.09 13	0.08 27	0.21 158	0.40 180

PWCDC_ROB	0.83 276	1.57 338	2.63 212	0.48 253	0.37 228	0.78 291	0.29 157	1.04 307	1.36 369	0.63 225	2.05 374	0.64 205	0.70 295	1.10 192	1.20 288	0.33 348	0.14 165	0.15 244	0.12 138	0.63 361	0.46 216

MyStereo06	0.70 226	0.72 161	3.51 347	0.31 73	0.25 123	0.60 141	0.30 169	0.90 219	0.67 135	1.48 375	0.53 125	0.84 290	0.57 255	0.60 106	1.11 278	0.09 11	0.55 298	0.12 134	0.20 257	0.16 69	0.56 252

MyStereo05	0.57 117	0.72 161	2.72 251	0.31 73	0.25 123	0.60 141	0.30 169	0.87 197	0.82 268	0.54 130	0.37 41	0.53 150	0.42 173	0.63 113	0.73 219	0.09 11	0.55 298	0.12 134	0.20 257	0.16 69	0.56 252

SA	0.61 153	1.14 253	2.79 267	0.32 90	0.63 310	0.57 104	0.30 169	0.97 264	0.78 240	0.43 43	0.63 211	0.39 73	0.46 209	0.70 134	0.31 69	0.10 47	0.44 283	0.13 190	0.32 318	0.31 265	0.51 234

AASNet	0.66 207	1.49 333	2.97 296	0.37 166	0.33 199	0.65 220	0.30 169	1.00 281	0.78 240	0.56 151	0.60 188	0.55 163	0.39 145	0.88 174	0.96 256	0.15 232	0.12 139	0.13 190	0.11 108	0.45 336	0.35 153

test_3	0.59 140	0.44 80	2.44 133	0.53 277	0.59 295	0.48 32	0.30 169	0.79 132	0.52 45	0.51 110	0.30 20	0.45 118	0.22 18	0.59 101	0.97 257	0.08 1	1.25 358	0.11 92	0.35 336	0.30 257	0.62 264

GES	0.49 66	0.54 106	2.37 102	0.31 73	0.19 63	0.61 159	0.30 169	0.93 236	0.52 45	0.49 81	0.53 125	0.40 81	0.43 186	0.59 101	0.67 205	0.16 246	0.11 124	0.12 134	0.10 70	0.20 149	0.30 127

ac_64	0.63 178	0.77 180	2.71 249	0.37 166	0.34 208	0.64 206	0.30 169	0.86 190	0.67 135	0.58 169	0.53 125	0.88 305	0.48 223	1.84 301	0.71 214	0.15 232	0.12 139	0.12 134	0.12 138	0.21 158	0.25 97

HGLStereo	0.61 153	1.20 272	2.59 198	0.36 156	0.40 242	0.65 220	0.30 169	0.87 197	0.67 135	0.60 197	0.70 254	0.69 241	0.56 250	1.07 189	0.59 179	0.14 214	0.13 152	0.13 190	0.12 138	0.23 186	0.23 84

HSM-Net_RVC	0.70 226	0.40 63	2.45 149	0.27 21	0.19 63	0.68 246	0.30 169	1.29 361	0.73 199	0.73 281	0.70 254	0.77 267	0.45 202	3.73 398	0.46 138	0.13 184	0.09 81	0.10 46	0.09 37	0.13 35	0.32 137
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NOSS_ROB	0.75 252	1.03 231	2.27 85	0.68 325	0.26 137	0.68 246	0.30 169	0.99 275	0.82 268	0.59 188	0.58 176	0.77 267	0.39 145	2.75 376	0.48 144	0.25 329	0.24 238	0.28 335	0.26 288	0.29 251	1.07 335

MyStereo07	0.56 110	0.68 149	2.42 120	0.30 59	0.41 247	0.61 159	0.31 179	0.58 55	0.72 196	1.17 347	0.26 14	0.20 2	0.27 61	1.28 220	0.28 41	0.09 11	0.59 305	0.12 134	0.21 268	0.16 69	0.48 222

MyStereo04	0.57 117	0.68 149	2.66 226	0.30 59	0.41 247	0.61 159	0.31 179	0.88 205	0.80 256	0.48 65	0.37 41	0.54 155	0.42 173	0.61 109	0.71 214	0.09 11	0.59 305	0.12 134	0.21 268	0.16 69	0.48 222

gwcnet-sp	0.52 82	0.71 156	2.66 226	0.32 90	0.22 86	0.66 233	0.31 179	0.84 168	0.69 167	0.61 204	0.49 101	0.46 122	0.43 186	0.77 153	0.48 144	0.12 142	0.11 124	0.11 92	0.11 108	0.19 132	0.19 60

scenet	0.52 82	0.71 156	2.66 226	0.32 90	0.22 86	0.66 233	0.31 179	0.84 168	0.69 167	0.61 204	0.49 101	0.46 122	0.43 186	0.77 153	0.48 144	0.12 142	0.11 124	0.11 92	0.11 108	0.19 132	0.19 60

ssnet	0.52 82	0.71 156	2.66 226	0.32 90	0.22 86	0.66 233	0.31 179	0.84 168	0.69 167	0.61 204	0.49 101	0.46 122	0.43 186	0.77 153	0.48 144	0.12 142	0.11 124	0.11 92	0.11 108	0.19 132	0.19 60

Sa-1000	0.61 153	1.07 237	2.71 249	0.32 90	0.61 307	0.61 159	0.31 179	1.00 281	0.76 229	0.53 126	0.83 297	0.43 91	0.33 111	0.69 133	0.30 55	0.10 47	0.52 295	0.13 190	0.28 298	0.29 251	0.29 119

LMCR-Stereo	0.61 153	1.00 224	2.60 203	0.42 222	0.22 86	0.74 270	0.31 179	1.06 327	0.70 177	0.62 216	0.64 218	0.40 81	0.52 238	0.84 167	1.27 297	0.20 295	0.09 81	0.12 134	0.09 37	0.26 222	0.16 43

DMCA-RVC	0.70 226	1.30 295	3.59 355	0.37 166	0.89 345	0.57 104	0.31 179	0.73 106	0.59 76	0.69 266	0.54 139	0.59 181	0.57 255	1.25 216	0.66 203	0.16 246	0.38 271	0.20 305	0.15 194	0.22 172	0.23 84

DeepPruner_ROB	0.58 125	1.06 236	2.68 238	0.30 59	0.26 137	0.63 194	0.31 179	0.83 161	0.51 40	0.62 216	0.56 160	0.65 209	0.39 145	1.06 187	0.56 173	0.19 287	0.14 165	0.14 219	0.14 176	0.24 192	0.33 140

PWC_ROB	0.81 269	1.41 318	2.60 203	0.41 219	0.40 242	0.63 194	0.31 179	1.04 307	0.99 336	0.92 323	1.29 351	0.78 271	0.68 289	1.65 272	1.50 313	0.19 287	0.12 139	0.18 290	0.13 158	0.51 347	0.54 245

CoDeX	0.54 98	0.52 101	2.25 83	0.30 59	0.26 137	0.61 159	0.32 189	1.03 301	0.73 199	0.49 81	0.56 160	0.52 149	0.40 151	1.59 263	0.38 112	0.12 142	0.09 81	0.11 92	0.10 70	0.15 60	0.22 76

BSDual-CNN	0.48 55	0.32 14	1.58 3	0.31 73	0.22 86	0.76 276	0.32 189	1.05 315	0.67 135	0.64 235	0.53 125	0.63 199	0.38 134	0.48 58	0.97 257	0.13 184	0.10 103	0.14 219	0.12 138	0.13 35	0.15 30

hknet	0.53 91	0.39 59	2.04 49	0.31 73	0.24 117	0.76 276	0.32 189	1.05 315	0.71 189	0.64 235	0.53 125	0.79 273	0.40 151	0.84 167	0.78 231	0.12 142	0.10 103	0.14 219	0.12 138	0.13 35	0.15 30

GMOStereo	0.58 125	0.89 204	2.46 156	0.29 45	0.99 356	0.51 45	0.32 189	0.58 55	0.46 18	0.58 169	0.48 88	0.54 155	0.27 61	0.31 3	0.25 23	0.09 11	1.64 378	0.13 190	0.11 108	0.34 280	0.42 191

error version	0.58 125	0.89 204	2.46 156	0.29 45	0.99 356	0.51 45	0.32 189	0.58 55	0.46 18	0.58 169	0.48 88	0.54 155	0.27 61	0.31 3	0.25 23	0.09 11	1.64 378	0.13 190	0.11 108	0.34 280	0.42 191

test-v	0.58 125	0.89 204	2.46 156	0.29 45	0.99 356	0.51 45	0.32 189	0.58 55	0.46 18	0.58 169	0.48 88	0.54 155	0.27 61	0.31 3	0.25 23	0.09 11	1.64 378	0.13 190	0.11 108	0.34 280	0.42 191

STrans-v2	0.69 221	0.62 134	2.66 226	0.28 33	0.23 108	0.57 104	0.32 189	1.01 289	0.77 237	0.92 323	0.84 299	0.88 305	0.92 333	1.81 295	1.19 287	0.10 47	0.07 6	0.10 46	0.09 37	0.12 25	0.30 127

test-2	0.58 125	0.89 204	2.46 156	0.29 45	0.99 356	0.51 45	0.32 189	0.58 55	0.46 18	0.58 169	0.48 88	0.54 155	0.27 61	0.31 3	0.25 23	0.09 11	1.64 378	0.13 190	0.11 108	0.34 280	0.42 191

Anonymous3	0.47 48	0.49 89	2.61 207	0.33 110	0.25 123	0.72 262	0.32 189	0.80 137	0.60 80	0.36 23	0.41 59	0.33 55	0.29 87	0.46 48	0.30 55	0.19 287	0.18 204	0.13 190	0.13 158	0.18 109	0.22 76

SFCPSM	0.48 55	0.39 59	2.30 91	0.28 33	0.27 148	0.70 252	0.32 189	1.00 281	0.69 167	0.50 99	0.52 122	0.43 91	0.36 122	0.53 85	0.44 130	0.12 142	0.09 81	0.12 134	0.16 211	0.18 109	0.23 84

GwcNet-RSSM	0.64 185	1.38 316	2.69 244	0.33 110	0.26 137	0.60 141	0.32 189	0.84 168	0.73 199	0.56 151	0.65 225	0.72 250	0.42 173	1.78 290	0.60 181	0.14 214	0.10 103	0.12 134	0.13 158	0.26 222	0.26 102

STTStereo	0.58 125	0.95 221	2.95 294	0.37 166	0.31 182	0.62 181	0.32 189	0.81 144	0.63 103	0.61 204	0.55 148	0.67 218	0.43 186	0.87 170	0.48 144	0.16 246	0.16 191	0.17 274	0.20 257	0.17 90	0.25 97

AANet_RVC	0.79 264	1.46 329	2.72 251	0.34 127	0.25 123	0.59 129	0.32 189	0.88 205	0.83 274	0.62 216	0.95 321	0.80 279	0.43 186	2.46 355	1.72 322	0.38 352	0.26 248	0.10 46	0.09 37	0.25 207	0.43 196

1111x	1.06 335	0.79 185	3.29 324	0.33 110	0.60 300	0.64 206	0.33 202	1.10 338	0.92 312	0.59 188	0.69 241	0.59 181	0.47 217	2.64 366	4.61 398	0.12 142	1.38 371	0.11 92	0.49 363	0.18 109	1.30 355

LL-Strereo	0.85 287	1.73 357	3.06 309	0.37 166	0.61 307	0.54 72	0.33 202	1.01 289	0.76 229	0.69 266	0.58 176	0.85 295	0.78 311	2.65 367	0.54 169	0.14 214	0.58 304	0.14 219	0.12 138	0.42 329	1.05 333

test_xeample3	0.86 290	0.75 177	3.36 328	0.65 314	0.76 331	0.49 37	0.33 202	1.21 357	0.80 256	0.61 204	0.23 5	0.30 42	0.29 87	1.17 205	1.57 318	0.10 47	1.79 382	0.10 46	0.40 349	0.25 207	2.09 383

RTSC	0.84 279	1.40 317	2.67 233	0.50 269	0.40 242	0.83 305	0.33 202	1.11 341	1.14 355	0.93 326	0.82 295	0.84 290	0.58 262	1.34 226	1.82 330	0.18 276	0.49 290	0.14 219	0.30 308	0.46 340	0.42 191

RASNet	0.69 221	1.05 235	2.59 198	0.37 166	0.47 270	0.66 233	0.33 202	0.82 151	0.76 229	0.51 110	0.65 225	0.93 315	0.62 274	2.20 336	0.80 236	0.14 214	0.09 81	0.09 13	0.11 108	0.18 109	0.37 160

iinet-f	0.62 166	1.18 267	2.55 188	0.33 110	0.25 123	0.82 304	0.34 207	0.87 197	0.69 167	0.56 151	0.64 218	0.73 255	0.67 287	0.80 162	0.81 240	0.14 214	0.13 152	0.11 92	0.10 70	0.44 334	0.26 102

GASNet	0.84 279	1.98 371	4.07 373	0.48 253	0.33 199	0.58 111	0.34 207	0.97 264	0.81 263	0.60 197	0.59 181	0.74 257	0.55 248	2.08 328	1.18 285	0.22 308	0.15 179	0.19 295	0.17 224	0.55 353	0.29 119

TestStereo1	0.59 140	1.21 274	2.63 212	0.40 210	0.60 300	0.56 85	0.34 207	0.82 151	0.73 199	0.45 51	0.63 211	0.36 63	0.42 173	0.66 124	0.42 121	0.10 47	0.32 259	0.12 134	0.10 70	0.34 280	0.52 239

RAFT+CT+SA	0.60 146	1.25 287	2.49 169	0.38 184	0.75 328	0.55 81	0.34 207	0.83 161	0.68 159	0.39 30	0.55 148	0.44 106	0.29 87	0.75 150	0.28 41	0.09 11	0.24 238	0.11 92	0.51 366	0.30 257	0.74 295

SA-5K	0.59 140	1.21 274	2.63 212	0.40 210	0.60 300	0.56 85	0.34 207	0.82 151	0.73 199	0.45 51	0.63 211	0.36 63	0.42 173	0.66 124	0.42 121	0.10 47	0.32 259	0.12 134	0.10 70	0.34 280	0.52 239

Anonymous	0.41 18	0.44 80	2.55 188	0.35 142	0.32 193	0.38 11	0.34 207	0.57 53	0.41 5	0.25 11	0.30 20	0.23 13	0.29 87	0.38 26	0.28 41	0.15 232	0.13 152	0.11 92	0.12 138	0.24 192	0.30 127

ADLNet	0.68 215	1.02 228	2.68 238	0.35 142	0.34 208	0.67 240	0.34 207	0.95 254	0.79 249	0.70 269	0.62 203	0.80 279	0.46 209	1.77 287	0.69 209	0.15 232	0.12 139	0.14 219	0.14 176	0.31 265	0.54 245

SHD	0.84 279	1.14 253	2.54 181	0.80 339	0.52 277	0.76 276	0.34 207	1.16 349	1.29 365	1.11 341	0.85 302	0.98 326	0.74 304	1.25 216	1.48 312	0.22 308	0.37 267	0.20 305	0.27 296	0.36 296	0.41 187

PS-NSSS	0.69 221	1.37 313	2.44 133	0.31 73	0.32 193	0.64 206	0.34 207	1.04 307	0.74 216	0.56 151	0.75 282	0.51 142	0.42 173	2.41 352	0.54 169	0.24 323	0.17 198	0.27 333	0.18 232	0.30 257	0.23 84

CRFU-Net	0.58 125	0.42 70	1.90 26	0.49 264	0.27 148	0.83 305	0.35 216	0.94 241	0.54 54	0.65 247	0.60 188	0.78 271	1.34 354	1.00 181	0.51 159	0.17 265	0.14 165	0.17 274	0.10 70	0.19 132	0.20 68

test_5	0.61 153	1.25 287	2.76 263	0.39 197	0.64 314	0.58 111	0.35 216	0.85 178	0.66 123	0.49 81	0.56 160	0.55 163	0.40 151	0.79 158	0.32 77	0.10 47	0.19 208	0.12 134	0.12 138	0.33 274	0.85 311

psmg	0.48 55	0.32 14	1.58 3	0.28 33	0.22 86	0.75 272	0.35 216	0.94 241	0.67 135	0.61 204	0.59 181	0.63 199	0.38 134	0.48 58	0.97 257	0.13 184	0.11 124	0.13 190	0.13 158	0.14 51	0.15 30

CSP-Net	0.55 102	0.61 130	1.81 13	0.30 59	0.23 108	0.77 286	0.35 216	0.90 219	0.62 92	0.62 216	0.60 188	0.65 209	0.42 173	1.76 284	0.47 141	0.17 265	0.12 139	0.10 46	0.10 70	0.21 158	0.16 43

cross-raft	0.47 48	0.34 30	2.17 71	0.70 327	0.84 341	0.50 43	0.35 216	0.74 108	0.43 13	0.44 49	0.45 75	0.63 199	0.25 40	0.37 24	0.27 36	0.08 1	0.14 165	0.10 46	0.23 275	0.11 17	0.27 107

RAFT	0.62 166	1.35 306	2.26 84	0.62 307	0.53 282	0.47 29	0.35 216	0.70 98	0.58 72	0.50 99	0.50 113	0.79 273	0.40 151	0.49 68	0.36 103	0.11 110	0.79 327	0.14 219	0.13 158	0.52 350	0.72 292

DISCO	0.61 153	0.63 136	1.98 39	0.46 246	0.34 208	0.84 310	0.35 216	0.88 205	0.81 263	0.61 204	0.64 218	1.06 345	0.53 241	1.11 196	0.83 245	0.13 184	0.10 103	0.11 92	0.10 70	0.26 222	0.37 160

ARAFT	0.65 190	1.69 356	3.34 327	0.29 45	0.16 20	0.65 220	0.36 223	0.96 257	0.73 199	0.63 225	0.49 101	0.56 170	0.31 101	1.23 211	0.35 101	0.11 110	0.08 38	0.14 219	0.13 158	0.38 308	0.50 230

ACVNet	0.54 98	0.87 195	2.45 149	0.28 33	0.22 86	0.59 129	0.36 223	0.69 91	0.73 199	0.49 81	0.59 181	0.69 241	0.42 173	0.47 50	0.70 210	0.11 110	0.10 103	0.10 46	0.09 37	0.36 296	0.39 175

hitnet-ft	0.73 240	1.09 241	2.59 198	0.28 33	0.22 86	0.71 256	0.36 223	0.89 211	0.67 135	0.58 169	0.83 297	1.03 337	0.94 336	2.31 341	0.70 210	0.23 316	0.14 165	0.41 360	0.13 158	0.24 192	0.28 113

RAFT-Test	0.56 110	0.41 68	2.01 42	0.90 347	1.07 366	0.65 220	0.37 226	0.83 161	0.65 116	0.49 81	0.49 101	0.93 315	0.24 26	0.52 78	0.30 55	0.10 47	0.38 271	0.09 13	0.38 345	0.11 17	0.19 60

SACVNet	0.68 215	1.08 240	2.58 196	0.38 184	0.28 158	0.65 220	0.37 226	0.91 226	0.65 116	0.67 255	0.62 203	0.69 241	0.47 217	2.07 325	0.65 200	0.18 276	0.14 165	0.16 260	0.15 194	0.39 315	0.41 187

ADLNet2	0.73 240	1.22 279	3.28 322	0.34 127	0.36 222	0.65 220	0.37 226	0.94 241	0.87 296	0.57 163	0.65 225	0.92 310	0.48 223	2.05 323	0.60 181	0.13 184	0.11 124	0.11 92	0.11 108	0.37 302	0.38 168

GEStereo_RVC	0.61 153	1.19 270	2.61 207	0.48 253	0.25 123	0.63 194	0.37 226	1.05 315	0.79 249	0.55 141	0.55 148	0.59 181	0.44 194	1.10 192	0.48 144	0.16 246	0.11 124	0.12 134	0.11 108	0.27 233	0.43 196

UPFNet	0.51 80	0.67 142	2.04 49	0.34 127	0.33 199	0.65 220	0.37 226	0.88 205	0.65 116	0.60 197	0.53 125	0.61 190	0.41 162	0.77 153	0.55 171	0.13 184	0.13 152	0.13 190	0.13 158	0.20 149	0.16 43

psmorigin	1.41 362	0.91 212	13.83 416	0.37 166	0.30 174	0.63 194	0.37 226	0.80 137	0.64 109	0.98 328	0.87 309	1.16 360	0.78 311	3.95 399	1.09 276	0.19 287	0.22 230	0.17 274	0.19 248	0.25 207	0.47 218

DLCB_ROB	0.61 153	0.96 222	2.00 40	0.37 166	0.25 123	0.65 220	0.37 226	0.86 190	0.76 229	0.73 281	0.70 254	0.84 290	0.47 217	1.57 256	0.72 218	0.13 184	0.13 152	0.14 219	0.14 176	0.18 109	0.33 140

DispFullNet	1.69 380	2.25 390	5.23 396	1.53 381	8.78 411	0.89 320	0.37 226	1.03 301	0.98 333	1.37 365	1.00 330	1.13 355	1.97 383	1.51 247	0.98 263	0.55 366	0.32 259	1.19 390	0.64 379	1.16 381	0.88 315

SQANet	0.92 310	1.96 369	3.23 316	0.77 335	0.83 339	0.76 276	0.38 234	0.87 197	0.68 159	0.64 235	0.69 241	0.73 255	0.52 238	1.35 227	1.36 304	0.80 374	0.30 257	0.60 372	0.29 302	0.93 376	0.70 289

CBFPSM	0.62 166	1.34 303	2.12 63	0.30 59	0.23 108	0.71 256	0.38 234	0.77 118	0.68 159	0.51 110	0.49 101	1.03 337	0.82 315	0.63 113	1.35 302	0.11 110	0.12 139	0.10 46	0.10 70	0.19 132	0.37 160

ToySt	0.67 210	0.88 199	2.61 207	0.39 197	0.73 326	0.61 159	0.38 234	0.78 125	0.73 199	0.43 43	0.70 254	0.72 250	0.45 202	0.66 124	0.62 189	0.14 214	0.63 311	0.13 190	0.33 328	0.24 192	1.18 340

UDG	0.86 290	1.57 338	2.80 269	0.68 325	0.59 295	0.78 291	0.38 234	0.97 264	0.74 216	0.63 225	0.70 254	1.01 333	0.68 289	1.02 183	1.22 292	0.45 360	0.34 264	0.89 381	0.51 366	0.73 366	0.58 254

psm_up	0.65 190	1.02 228	2.53 177	0.36 156	0.31 182	0.64 206	0.38 234	0.96 257	0.73 199	0.63 225	0.57 170	0.68 230	0.57 255	1.90 315	0.52 161	0.17 265	0.15 179	0.16 260	0.15 194	0.27 233	0.22 76

FADNet-RVC-Resample	0.74 243	1.54 336	3.81 365	0.38 184	0.29 163	0.62 181	0.38 234	0.91 226	0.67 135	0.52 118	0.51 115	0.63 199	0.44 194	1.56 252	0.59 179	0.24 323	0.32 259	0.22 313	0.19 248	0.30 257	0.71 291

PSM-softLoss	0.52 82	0.34 30	2.47 161	0.55 284	0.17 37	0.61 159	0.39 240	0.64 78	0.67 135	0.52 118	0.48 88	0.39 73	0.25 40	1.46 240	0.77 227	0.13 184	0.08 38	0.13 190	0.12 138	0.12 25	0.15 30

KMStereo	0.52 82	0.34 30	2.47 161	0.55 284	0.17 37	0.61 159	0.39 240	0.64 78	0.67 135	0.52 118	0.48 88	0.39 73	0.25 40	1.46 240	0.77 227	0.13 184	0.08 38	0.13 190	0.12 138	0.12 25	0.15 30

Nwc_Net	0.75 252	1.10 246	2.96 295	0.42 222	0.39 236	0.77 286	0.39 240	1.06 327	0.73 199	0.65 247	1.00 330	0.99 329	0.74 304	1.43 235	0.99 265	0.24 323	0.15 179	0.23 320	0.26 288	0.27 233	0.30 127

Wz-Net-LNSev-Ref	0.65 190	1.15 259	2.40 112	0.33 110	0.30 174	0.83 305	0.40 243	0.94 241	0.82 268	0.67 255	0.76 285	0.68 230	0.58 262	1.13 199	1.25 295	0.14 214	0.08 38	0.10 46	0.08 27	0.18 109	0.28 113

RGC	0.78 261	1.10 246	2.55 188	0.45 243	0.45 262	0.73 265	0.40 243	1.00 281	0.75 221	0.75 289	1.04 337	1.02 336	0.73 300	1.74 281	1.15 282	0.24 323	0.19 208	0.28 335	0.26 288	0.31 265	0.38 168

RAFT-345	0.56 110	0.37 50	2.68 238	0.40 210	0.34 208	0.58 111	0.41 245	0.49 14	0.70 177	0.51 110	0.99 329	0.43 91	0.28 71	1.56 252	0.81 240	0.10 47	0.07 6	0.11 92	0.09 37	0.11 17	0.09 2

Prome-Stereo	0.53 91	0.36 40	2.39 110	0.60 299	0.23 108	0.63 194	0.41 245	0.66 83	0.67 135	0.59 188	1.02 333	0.43 91	0.71 296	0.61 109	0.34 94	0.10 47	0.07 6	0.10 46	0.09 37	0.13 35	0.44 208

MaskLacGwcNet_RVC	0.84 279	1.41 318	2.80 269	0.94 351	0.35 216	0.89 320	0.41 245	0.89 211	0.66 123	0.57 163	0.63 211	0.75 261	0.38 134	2.37 345	0.55 171	1.16 388	0.31 258	0.36 353	0.21 268	0.59 356	0.63 268

AF-Net	0.76 255	1.14 253	2.74 258	0.42 222	0.41 247	0.70 252	0.41 245	1.07 330	0.94 319	0.73 281	1.05 339	1.04 341	0.86 323	1.23 211	1.00 267	0.23 316	0.15 179	0.25 330	0.18 232	0.32 270	0.35 153

edge stereo	0.84 279	0.74 173	3.42 342	0.38 184	1.21 375	0.63 194	0.41 245	0.98 270	0.83 274	0.81 305	0.88 311	1.14 356	0.73 300	2.16 334	0.89 251	0.22 308	0.20 220	0.26 332	0.18 232	0.38 308	0.43 196

DRN-Test	0.71 230	0.79 185	2.83 277	0.40 210	0.44 259	0.80 298	0.41 245	1.07 330	0.83 274	0.82 309	0.64 218	0.68 230	0.57 255	1.78 290	0.79 234	0.16 246	0.13 152	0.17 274	0.16 211	0.24 192	0.51 234

EGLCR-Stereo	0.90 307	0.31 7	1.90 26	1.60 383	0.95 351	1.14 351	0.42 251	0.85 178	0.43 13	1.74 381	0.21 1	0.27 35	0.17 1	1.56 252	0.30 55	0.10 47	2.60 407	0.10 46	0.09 37	0.10 10	3.10 407

DAS	0.61 153	0.42 70	1.85 19	0.34 127	0.34 208	0.52 60	0.42 251	0.89 211	0.80 256	0.85 314	0.69 241	0.57 174	0.51 231	2.38 348	0.57 175	0.13 184	0.09 81	0.12 134	0.09 37	0.18 109	0.37 160

SepStereo	0.57 117	0.42 70	1.85 19	0.34 127	0.34 208	0.52 60	0.42 251	0.89 211	0.80 256	0.85 314	0.69 241	0.57 174	0.51 231	1.55 250	0.57 175	0.13 184	0.09 81	0.12 134	0.09 37	0.18 109	0.37 160

OCTAStereo	0.53 91	0.33 23	2.54 181	0.56 293	0.16 20	0.61 159	0.42 251	0.70 98	0.70 177	0.50 99	0.47 82	0.37 66	0.26 48	1.43 235	0.79 234	0.12 142	0.07 6	0.12 134	0.10 70	0.13 35	0.17 49

IRAFT_RVC	0.59 140	0.74 173	2.42 120	0.47 252	0.21 77	0.59 129	0.42 251	0.68 89	0.73 199	0.54 130	0.50 113	0.49 135	0.51 231	1.57 256	1.00 267	0.11 110	0.25 245	0.13 190	0.10 70	0.15 60	0.14 24

LRCNet_RVC	13.78 418	19.34 420	13.01 414	19.47 421	12.67 415	1.85 381	0.42 251	12.28 416	1.10 350	15.76 417	18.69 421	12.52 418	8.65 410	12.22 416	9.64 410	22.29 426	8.38 419	25.92 428	24.06 428	19.72 426	17.59 423

stereogan	0.74 243	0.68 149	2.82 275	0.40 210	0.40 242	1.05 341	0.42 251	0.99 275	0.96 326	0.78 301	0.86 307	1.15 358	0.73 300	1.57 256	0.56 173	0.20 295	0.19 208	0.20 305	0.16 211	0.37 302	0.34 147

NF-Stereo	0.53 91	0.33 23	2.55 188	0.55 284	0.16 20	0.61 159	0.43 258	0.70 98	0.70 177	0.50 99	0.47 82	0.37 66	0.26 48	1.44 239	0.78 231	0.12 142	0.07 6	0.12 134	0.10 70	0.13 35	0.17 49

KYRaft	0.52 82	0.35 37	2.40 112	0.34 127	0.21 77	0.75 272	0.43 258	0.62 70	0.63 103	0.64 235	0.92 316	0.53 150	0.72 297	0.60 106	0.26 32	0.10 47	0.07 6	0.12 134	0.14 176	0.13 35	0.54 245

RE-Stereo	0.53 91	0.33 23	2.54 181	0.56 293	0.16 20	0.61 159	0.43 258	0.70 98	0.70 177	0.50 99	0.47 82	0.37 66	0.26 48	1.43 235	0.77 227	0.12 142	0.07 6	0.12 134	0.10 70	0.13 35	0.17 49

TVStereo	0.53 91	0.33 23	2.54 181	0.56 293	0.16 20	0.61 159	0.43 258	0.70 98	0.70 177	0.50 99	0.47 82	0.37 66	0.26 48	1.43 235	0.77 227	0.12 142	0.07 6	0.12 134	0.10 70	0.13 35	0.17 49

Syn2CoEx	0.78 261	1.43 325	3.54 351	0.44 236	0.31 182	0.64 206	0.43 258	1.04 307	0.83 274	0.64 235	0.77 289	0.74 257	0.74 304	1.91 316	0.64 195	0.20 295	0.17 198	0.19 295	0.15 194	0.30 257	0.59 257

CVANet_RVC	0.82 272	1.18 267	3.98 370	0.40 210	0.28 158	0.63 194	0.43 258	0.90 219	0.78 240	1.14 344	0.69 241	0.68 230	0.52 238	2.62 364	0.48 144	0.20 295	0.13 152	0.22 313	0.37 342	0.37 302	0.48 222

DDUNet	0.90 307	1.63 350	2.77 265	0.77 335	0.69 322	0.83 305	0.44 264	0.90 219	0.70 177	0.68 261	0.76 285	0.92 310	0.54 243	1.14 201	1.35 302	0.61 367	0.37 267	0.96 383	0.52 368	0.77 371	0.67 277

APVNet	0.76 255	1.11 248	3.23 316	0.39 197	0.36 222	0.85 311	0.44 264	0.96 257	0.73 199	0.58 169	0.69 241	0.76 265	0.56 250	2.29 340	0.82 243	0.17 265	0.18 204	0.24 325	0.19 248	0.35 291	0.27 107

RYNet	0.77 259	0.91 212	2.36 100	0.37 166	0.41 247	0.88 318	0.44 264	0.99 275	0.88 300	0.65 247	0.54 139	0.92 310	0.61 272	2.70 371	1.23 293	0.15 232	0.14 165	0.17 274	0.14 176	0.27 233	0.55 251

CC-Net-ROB	0.95 317	1.57 338	2.93 291	0.90 347	0.39 236	0.87 316	0.44 264	1.12 343	0.83 274	0.59 188	0.69 241	0.64 205	0.50 227	2.73 374	0.93 254	0.97 381	0.40 277	0.87 380	0.29 302	0.61 360	0.66 275

ssnet_v2	0.64 185	0.99 223	2.67 233	0.33 110	0.22 86	0.72 262	0.45 268	1.00 281	0.80 256	0.66 253	0.54 139	0.81 282	0.48 223	0.91 175	1.08 275	0.16 246	0.14 165	0.14 219	0.14 176	0.33 274	0.31 135

AAGNet	0.92 310	0.40 63	2.53 177	0.60 299	1.01 361	0.62 181	0.45 268	0.52 27	0.68 159	0.58 169	0.53 125	0.50 139	0.72 297	1.22 209	7.32 408	0.12 142	0.07 6	0.12 134	0.10 70	0.16 69	0.10 4

Pruner-Stereo	0.55 102	0.38 55	2.49 169	1.78 392	0.19 63	0.63 194	0.45 268	0.59 62	0.67 135	0.61 204	0.48 88	0.41 86	0.25 40	0.49 68	0.99 265	0.13 184	0.07 6	0.12 134	0.10 70	0.13 35	0.14 24

GwcNet	0.76 255	1.09 241	3.68 358	0.38 184	0.45 262	0.81 302	0.45 268	0.91 226	0.89 305	0.63 225	0.77 289	0.82 285	0.51 231	1.64 269	0.85 247	0.17 265	0.16 191	0.15 244	0.15 194	0.33 274	0.34 147

RP	0.74 243	1.01 227	2.48 166	0.44 236	0.45 262	0.66 233	0.45 268	0.95 254	0.87 296	0.70 269	0.95 321	0.99 329	0.82 315	1.55 250	0.82 243	0.26 333	0.19 208	0.23 320	0.20 257	0.34 280	0.38 168

GMM-Stereo	0.53 91	0.33 23	2.89 286	0.53 277	0.24 117	0.77 286	0.46 273	0.62 70	0.65 116	0.58 169	0.73 272	0.47 127	0.43 186	0.68 131	0.29 50	0.10 47	0.06 1	0.13 190	0.13 158	0.14 51	0.44 208

delet	0.60 146	0.84 190	2.45 149	0.33 110	0.35 216	0.73 265	0.46 273	0.89 211	0.80 256	0.58 169	0.62 203	0.67 218	0.51 231	1.14 201	0.64 195	0.12 142	0.12 139	0.13 190	0.14 176	0.22 172	0.29 119

StereoDRNet	0.71 230	1.24 284	2.56 192	0.42 222	0.45 262	0.73 265	0.46 273	0.98 270	0.81 263	0.77 293	0.56 160	0.74 257	0.48 223	1.69 277	0.91 253	0.15 232	0.14 165	0.15 244	0.15 194	0.26 222	0.51 234

FBW_ROB	0.94 316	1.23 283	2.35 99	0.46 246	0.32 193	0.87 316	0.46 273	1.15 346	0.97 332	0.83 312	0.78 293	1.01 333	0.64 278	3.65 397	1.65 319	0.27 336	0.24 238	0.40 358	0.26 288	0.32 270	0.88 315

CBMV_ROB	0.88 297	0.75 177	2.73 256	0.36 156	0.22 86	0.76 276	0.47 277	1.05 315	0.81 263	1.06 338	1.04 337	0.88 305	1.36 357	2.17 335	2.03 336	0.23 316	0.24 238	0.27 333	0.25 282	0.27 233	0.73 293

XPNet_ROB	0.68 215	1.11 248	2.28 87	0.38 184	0.27 148	0.67 240	0.47 277	0.94 241	0.75 221	0.80 304	0.71 267	0.81 282	0.54 243	1.72 278	0.84 246	0.22 308	0.16 191	0.16 260	0.15 194	0.25 207	0.45 213

fast-acv-ft	0.67 210	1.24 284	3.26 320	0.39 197	0.30 174	0.80 298	0.48 279	0.74 108	0.76 229	0.60 197	0.78 293	0.76 265	0.60 270	0.70 134	0.78 231	0.16 246	0.15 179	0.18 290	0.17 224	0.38 308	0.24 93

Wz-Net-LNSev	0.66 207	1.30 295	2.81 273	0.35 142	0.37 228	0.80 298	0.48 279	0.91 226	0.87 296	0.63 225	0.70 254	0.80 279	0.59 265	0.67 127	0.68 207	0.15 232	0.14 165	0.12 134	0.12 138	0.24 192	0.38 168

NCC-stereo	0.88 297	1.22 279	2.97 296	0.60 299	0.45 262	1.88 382	0.48 279	1.04 307	0.75 221	0.70 269	0.85 302	0.93 315	0.84 318	1.81 295	1.51 314	0.28 339	0.19 208	0.23 320	0.31 313	0.27 233	0.35 153

Abc-Net	0.88 297	1.22 279	2.97 296	0.60 299	0.45 262	1.88 382	0.48 279	1.04 307	0.75 221	0.70 269	0.85 302	0.93 315	0.84 318	1.81 295	1.51 314	0.28 339	0.19 208	0.23 320	0.31 313	0.27 233	0.35 153
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
PDISCO_ROB	0.84 279	1.46 329	2.84 279	0.65 314	0.59 295	1.17 354	0.48 279	1.19 354	1.08 349	0.67 255	0.72 270	1.00 332	0.61 272	1.24 213	1.05 272	0.38 352	0.18 204	0.28 335	0.24 277	0.58 355	0.44 208

EDNetEfficientorigin	8.19 411	1.27 290	145.54 435	0.51 272	0.96 352	0.75 272	0.49 284	0.86 190	1.57 378	2.12 387	1.49 361	1.28 362	1.35 355	1.84 301	2.15 346	0.14 214	0.13 152	0.17 274	0.18 232	0.39 315	0.64 273

DeepPrunerF	0.92 310	1.33 301	3.41 339	0.46 246	0.51 275	0.64 206	0.49 284	1.16 349	2.62 393	0.65 247	0.61 196	0.65 209	0.62 274	2.23 337	1.31 298	0.23 316	0.19 208	0.30 344	0.28 298	0.39 315	0.34 147

NVstereo2D	0.63 178	0.57 116	2.29 89	0.37 166	0.35 216	0.69 249	0.49 284	0.96 257	0.88 300	0.49 81	0.54 139	0.72 250	0.46 209	1.98 320	0.50 156	0.19 287	0.20 220	0.18 290	0.16 211	0.28 243	0.34 147

RAFT + AFF	0.79 264	1.73 357	2.99 301	0.34 127	0.35 216	0.67 240	0.51 287	1.05 315	0.79 249	0.54 130	0.58 176	0.59 181	0.81 314	1.80 293	1.21 289	0.13 184	0.27 254	0.15 244	0.14 176	0.45 336	0.69 286

MFN_U_SF_RVC	1.57 376	2.56 405	3.30 325	0.66 318	0.41 247	1.15 352	0.51 287	1.27 359	1.35 368	1.61 379	1.20 346	1.43 368	0.97 338	1.80 293	2.10 341	1.88 403	1.79 382	1.97 408	2.14 407	1.61 396	1.76 376

ADCRef	0.88 297	1.45 327	2.68 238	0.38 184	0.35 216	0.95 332	0.51 287	0.92 233	0.81 263	0.89 318	0.84 299	0.61 190	1.35 355	1.26 218	3.38 379	0.14 214	0.12 139	0.17 274	0.19 248	0.28 243	0.34 147

ETE_ROB	0.68 215	1.09 241	2.32 95	0.38 184	0.26 137	0.69 249	0.51 287	1.49 373	0.75 221	0.81 305	0.71 267	0.85 295	0.51 231	1.39 229	0.70 210	0.17 265	0.14 165	0.19 295	0.16 211	0.24 192	0.35 153

anonymity	0.86 290	0.68 149	1.44 1	0.64 312	0.83 339	0.67 240	0.52 291	0.98 270	0.73 199	0.96 327	0.70 254	0.81 282	0.86 323	1.10 192	1.34 300	0.64 368	0.72 325	0.58 370	1.44 405	0.60 357	0.91 318

RAFT_R40	0.55 102	0.31 7	2.44 133	0.57 297	0.42 257	0.62 181	0.52 291	0.58 55	0.66 123	0.56 151	0.54 139	0.54 155	0.50 227	1.56 252	0.53 164	0.11 110	0.07 6	0.12 134	0.10 70	0.16 69	0.10 4

ACVNet-4b	2.00 386	2.19 385	4.85 392	1.09 360	0.86 342	1.15 352	0.53 293	1.11 341	1.15 357	0.65 247	1.09 341	1.97 378	0.69 293	2.31 341	9.78 412	5.73 412	0.42 279	1.03 387	0.55 371	1.89 398	0.92 320

XQC	0.84 279	1.32 297	2.61 207	0.78 337	0.44 259	0.89 320	0.53 293	1.16 349	1.07 347	0.85 314	0.69 241	0.92 310	0.73 300	1.40 231	1.44 310	0.24 323	0.35 265	0.23 320	0.26 288	0.45 336	0.39 175

PA-Net	0.93 315	1.36 310	4.14 375	0.64 312	0.41 247	0.70 252	0.53 293	0.91 226	0.88 300	0.53 126	0.60 188	0.70 247	0.54 243	2.40 350	2.57 364	0.17 265	0.28 256	0.19 295	0.28 298	0.25 207	0.48 222
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
Ntro	1.11 342	2.10 381	3.52 349	0.97 354	0.87 344	1.06 344	0.54 296	1.02 295	0.93 318	0.63 225	0.76 285	0.93 315	0.67 287	1.76 284	1.71 320	1.03 383	0.46 284	0.76 379	0.41 353	1.29 386	0.86 314

HBP-ISP	0.82 272	1.57 338	3.28 322	0.50 269	0.27 148	0.86 312	0.54 296	1.09 335	0.78 240	0.81 305	0.70 254	0.68 230	1.00 340	2.02 322	0.47 141	0.24 323	0.24 238	0.29 343	0.25 282	0.28 243	0.52 239

IPLGR	0.58 125	0.64 138	3.12 312	0.37 166	0.18 47	0.62 181	0.54 296	1.06 327	0.69 167	0.73 281	0.46 77	0.50 139	0.44 194	1.12 198	0.31 69	0.10 47	0.08 38	0.11 92	0.09 37	0.21 158	0.20 68

Consistency-Raft	0.92 310	1.21 274	3.50 346	0.98 355	0.63 310	0.77 286	0.54 296	1.02 295	1.01 338	0.62 216	1.03 335	0.65 209	1.04 343	0.81 165	1.36 304	0.45 360	0.47 286	0.51 368	0.59 376	0.65 363	0.47 218

ICVP	0.48 55	0.33 23	2.37 102	0.34 127	0.22 86	0.60 141	0.55 300	0.79 132	0.53 51	0.45 51	0.60 188	0.49 135	0.36 122	0.55 91	0.46 138	0.16 246	0.16 191	0.14 219	0.11 108	0.16 69	0.32 137
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
FAT-Stereo	0.72 238	0.60 125	2.86 283	0.37 166	0.29 163	0.64 206	0.55 300	1.01 289	0.91 310	0.76 291	0.94 318	0.93 315	0.79 313	1.82 298	0.60 181	0.19 287	0.19 208	0.17 274	0.16 211	0.23 186	0.47 218

TDLM	0.83 276	1.28 292	2.38 104	0.46 246	0.26 137	0.66 233	0.55 300	0.87 197	0.80 256	2.54 398	0.62 203	0.61 190	0.51 231	2.68 370	0.67 205	0.20 295	0.11 124	0.35 352	0.15 194	0.33 274	0.48 222

LALA_ROB	0.68 215	1.14 253	2.50 172	0.37 166	0.29 163	0.78 291	0.55 300	0.99 275	0.84 286	0.82 309	0.68 237	0.93 315	0.50 227	1.01 182	0.89 251	0.21 303	0.15 179	0.21 309	0.18 232	0.26 222	0.30 127

ACRE	0.63 178	1.55 337	3.41 339	0.76 332	0.28 158	0.60 141	0.56 304	0.82 151	0.68 159	0.57 163	0.62 203	0.43 91	0.30 97	0.47 50	0.42 121	0.12 142	0.19 208	0.13 190	0.14 176	0.36 296	0.20 68

PSMNet_ROB	0.75 252	1.42 322	2.93 291	0.39 197	0.32 193	0.73 265	0.56 304	0.90 219	0.74 216	0.56 151	0.60 188	0.75 261	0.47 217	2.00 321	1.31 298	0.18 276	0.13 152	0.19 295	0.20 257	0.26 222	0.40 180

pmcnn	1.44 364	1.25 287	3.57 353	0.74 330	1.42 384	0.72 262	0.56 304	1.04 307	1.06 346	1.03 335	2.89 396	6.01 406	0.75 308	2.54 358	3.60 384	0.14 214	0.11 124	0.08 3	0.06 6	0.34 280	0.81 305

riskmin	0.96 318	0.32 14	2.07 53	1.72 390	1.61 393	1.62 372	0.57 307	1.45 371	0.55 59	0.73 281	0.89 313	0.92 310	0.45 202	1.16 203	0.60 181	0.11 110	1.30 367	0.12 134	1.38 404	0.14 51	1.51 368

CIPLG	0.63 178	1.59 343	3.16 314	0.79 338	0.31 182	0.62 181	0.57 307	0.82 151	0.68 159	0.58 169	0.63 211	0.43 91	0.31 101	0.48 58	0.42 121	0.12 142	0.20 220	0.13 190	0.13 158	0.36 296	0.21 72

Anonymous_2	1.36 359	0.49 89	2.03 46	1.71 389	1.58 391	2.49 396	0.58 309	1.59 378	2.31 389	0.77 293	0.88 311	1.03 337	0.58 262	1.20 208	0.66 203	0.32 346	1.38 371	1.42 399	3.87 413	0.78 373	1.56 369

DeepStereo_RVC	0.47 48	0.37 50	2.19 74	0.55 284	0.18 47	0.60 141	0.58 309	0.52 27	0.62 92	0.49 81	0.45 75	0.39 73	0.85 321	0.47 50	0.34 94	0.12 142	0.08 38	0.11 92	0.09 37	0.15 60	0.19 60

ADCMid	1.06 335	1.82 363	3.53 350	0.39 197	0.36 222	0.99 335	0.58 309	1.01 289	0.94 319	1.23 359	1.02 333	1.01 333	1.01 341	1.11 196	4.04 392	0.22 308	0.19 208	0.42 362	0.32 318	0.42 329	0.53 242

otaku	1.15 345	2.10 381	3.51 347	0.98 355	0.74 327	1.02 338	0.59 312	1.03 301	0.89 305	0.70 269	1.60 363	0.98 326	0.65 279	1.63 266	1.80 329	0.99 382	0.46 284	0.73 378	0.40 349	1.30 388	0.88 315

ccnet	0.77 259	0.61 130	2.01 42	0.40 210	0.46 269	1.05 341	0.59 312	1.02 295	0.74 216	0.90 320	0.97 323	0.82 285	0.89 328	1.68 276	1.16 284	0.32 346	0.26 248	0.32 347	0.28 298	0.35 291	0.47 218

PASM	0.82 272	1.00 224	2.68 238	0.52 273	0.48 271	0.65 220	0.59 312	0.83 161	0.89 305	0.82 309	0.73 272	0.89 308	0.68 289	2.39 349	0.73 219	0.35 351	0.37 267	0.36 353	0.41 353	0.45 336	0.51 234

IPLG	0.74 243	1.09 241	2.87 284	0.36 156	0.21 77	1.63 373	0.60 315	1.39 368	0.63 103	1.39 367	0.51 115	0.40 81	0.86 323	1.40 231	0.37 106	0.09 11	0.07 6	0.14 219	0.12 138	0.34 280	0.23 84

IPLGR_C	0.64 185	1.66 354	3.36 328	0.80 339	0.31 182	0.60 141	0.60 315	0.82 151	0.69 167	0.58 169	0.62 203	0.44 106	0.31 101	0.47 50	0.43 127	0.12 142	0.22 230	0.13 190	0.15 194	0.35 291	0.21 72

HHNet	0.63 178	0.67 142	3.10 310	0.37 166	0.25 123	0.64 206	0.60 315	0.70 98	0.67 135	0.55 141	1.12 343	0.32 51	0.60 270	0.43 44	1.75 325	0.16 246	0.08 38	0.12 134	0.10 70	0.18 109	0.22 76

FCDSN-DC	1.45 366	1.12 250	3.30 325	0.48 253	0.41 247	1.13 350	0.60 315	1.17 352	1.28 364	2.25 392	2.85 394	3.65 394	3.34 399	2.58 361	2.44 358	0.31 345	0.26 248	0.31 345	0.30 308	0.37 302	0.78 299
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MDST_ROB	1.28 352	0.53 104	3.84 367	0.55 284	0.45 262	4.06 404	0.60 315	1.36 366	0.89 305	2.18 389	1.17 344	0.98 326	0.72 297	4.28 401	2.12 343	0.20 295	0.16 191	0.19 295	0.17 224	0.20 149	0.84 307

Wz-Net-MNSev	0.74 243	1.42 322	2.75 260	0.38 184	0.33 199	0.90 323	0.61 320	0.98 270	0.94 319	0.77 293	0.75 282	0.75 261	0.66 285	1.39 229	0.76 225	0.17 265	0.13 152	0.14 219	0.14 176	0.28 243	0.48 222

MSMD_ROB	1.41 362	1.03 231	2.75 260	0.41 219	0.32 193	2.00 388	0.61 320	0.96 257	1.43 370	2.97 403	2.63 390	4.76 402	2.04 385	2.44 354	1.78 328	0.30 343	0.26 248	0.32 347	0.32 318	0.32 270	0.63 268

DisPM	0.48 55	0.41 68	2.54 181	0.61 305	0.18 47	0.59 129	0.62 322	0.54 39	0.67 135	0.61 204	0.53 125	0.38 71	0.26 48	0.76 152	0.31 69	0.13 184	0.07 6	0.12 134	0.11 108	0.12 25	0.15 30

GANetREF_RVC	0.81 269	1.44 326	3.04 305	0.49 264	0.27 148	0.83 305	0.63 323	1.03 301	0.92 312	0.63 225	0.61 196	0.72 250	0.59 265	2.40 350	0.58 177	0.33 348	0.25 245	0.37 355	0.25 282	0.41 327	0.36 159
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
IGEV_Zeroshot_test	0.91 309	0.39 59	3.80 364	0.42 222	1.95 398	0.56 85	0.64 324	0.84 168	0.55 59	1.45 372	0.53 125	0.79 273	0.42 173	0.57 97	1.13 280	0.10 47	0.49 290	0.10 46	0.34 334	0.19 132	2.97 406

PVD	1.05 334	1.21 274	2.36 100	0.84 342	0.91 347	1.04 339	0.64 324	1.32 364	1.68 380	1.43 371	1.41 359	1.14 356	1.15 350	1.49 245	1.77 327	0.27 336	0.65 313	0.28 335	0.35 336	0.40 321	0.73 293

ADCPNet	1.07 337	1.37 313	4.54 390	0.38 184	0.68 321	1.36 358	0.64 324	0.93 236	0.83 274	0.79 302	0.82 295	1.08 348	1.18 352	1.30 223	2.68 366	0.21 303	0.69 319	0.21 309	0.95 394	0.30 257	0.54 245

SST-Stereo	0.56 110	0.30 5	2.44 133	0.71 329	0.55 285	0.62 181	0.65 327	0.57 53	0.67 135	0.59 188	0.53 125	0.51 142	0.59 265	1.57 256	0.31 69	0.12 142	0.07 6	0.12 134	0.10 70	0.17 90	0.11 9

DRaft	0.65 190	0.47 85	2.38 104	0.25 5	0.17 37	0.64 206	0.65 327	0.56 48	0.57 66	0.67 255	0.98 326	0.38 71	0.99 339	1.42 234	2.06 339	0.11 110	0.14 165	0.10 46	0.14 176	0.18 109	0.21 72

ACVNet_1	1.47 368	2.27 393	4.92 393	1.11 363	0.89 345	1.19 356	0.66 329	1.28 360	1.19 360	0.98 328	0.97 323	3.06 390	1.48 366	2.37 345	1.82 330	1.08 385	0.49 290	1.03 387	0.48 361	1.20 382	0.95 324

Wz-Net-SNSev	0.85 287	1.83 364	3.36 328	0.42 222	0.31 182	0.71 256	0.66 329	1.04 307	0.94 319	0.68 261	0.85 302	0.96 323	0.62 274	1.75 282	1.14 281	0.16 246	0.15 179	0.16 260	0.17 224	0.39 315	0.63 268

GANet	0.92 310	1.20 272	2.68 238	0.45 243	0.27 148	0.76 276	0.66 329	0.94 241	0.77 237	0.79 302	1.17 344	0.84 290	0.91 330	2.72 372	1.76 326	0.18 276	0.42 279	0.44 365	0.20 257	0.33 274	0.94 321

FC-DCNN	1.60 378	0.85 192	3.44 343	0.46 246	0.39 236	1.96 384	0.66 329	1.72 382	1.70 381	2.75 402	2.91 397	4.20 397	3.15 397	2.72 372	2.66 365	0.30 343	0.26 248	0.31 345	0.30 308	0.33 274	0.91 318

NCCL2	0.71 230	1.32 297	2.30 91	0.44 236	0.31 182	0.71 256	0.67 333	0.89 211	0.69 167	0.70 269	0.61 196	0.85 295	0.54 243	1.58 262	0.70 210	0.20 295	0.17 198	0.66 374	0.25 282	0.26 222	0.38 168

NVStereoNet_ROB	1.45 366	1.62 348	3.59 355	1.09 360	0.70 324	0.86 312	0.67 333	1.19 354	1.51 375	1.20 353	4.05 402	1.61 373	1.94 382	2.97 384	2.07 340	0.67 370	0.69 319	0.55 369	0.70 380	0.57 354	0.67 277
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
CRE-IMP	0.46 45	0.31 7	2.40 112	0.53 277	0.17 37	0.79 295	0.68 335	0.54 39	0.66 123	0.47 63	0.43 63	0.44 106	0.26 48	0.43 44	0.33 86	0.12 142	0.07 6	0.12 134	0.09 37	0.17 90	0.23 84

SPS-STEREO	1.22 349	1.65 352	3.41 339	0.66 318	0.69 322	1.01 337	0.68 335	1.10 338	0.96 326	1.40 369	1.25 349	1.46 370	1.08 346	2.05 323	2.24 352	0.66 369	0.61 307	0.58 370	0.57 374	0.66 364	1.65 373
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
S-Stereo	0.82 272	0.73 164	3.79 363	0.40 210	0.37 228	0.70 252	0.69 337	1.00 281	1.03 340	0.63 225	0.92 316	0.82 285	0.59 265	2.35 344	0.71 214	0.18 276	0.22 230	0.17 274	0.18 232	0.30 257	0.67 277

MeshStereo	1.29 353	1.34 303	3.04 305	0.35 142	0.28 158	1.10 348	0.69 337	1.42 370	1.07 347	2.71 401	2.43 384	2.95 387	1.50 367	2.92 382	2.03 336	0.23 316	0.22 230	0.22 313	0.19 248	0.50 345	0.69 286
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
Wz-Net-TNSev	1.02 328	2.26 392	3.69 359	0.38 184	0.31 182	1.00 336	0.71 339	1.12 343	1.02 339	0.74 287	0.73 272	1.09 351	0.91 330	2.46 355	2.15 346	0.21 303	0.20 220	0.16 260	0.20 257	0.48 343	0.62 264

WZ-Net	1.04 333	1.83 364	4.20 378	0.42 222	0.36 222	0.88 318	0.71 339	1.05 315	1.11 352	0.84 313	0.94 318	1.06 345	1.17 351	2.37 345	2.24 352	0.20 295	0.14 165	0.15 244	0.16 211	0.36 296	0.53 242

G-Net	1.02 328	0.70 154	3.23 316	0.60 299	0.66 317	2.00 388	0.71 339	0.78 125	0.70 177	1.14 344	2.53 386	1.29 364	1.01 341	1.47 242	1.74 324	0.25 329	0.24 238	0.24 325	0.26 288	0.37 302	0.40 180

NRIStereo	0.50 70	0.34 30	2.44 133	0.52 273	0.16 20	0.94 330	0.73 342	0.52 27	0.65 116	0.48 65	0.40 58	0.59 181	0.29 87	0.78 157	0.33 86	0.11 110	0.13 152	0.11 92	0.09 37	0.22 172	0.25 97

DPSNet	1.02 328	0.72 161	2.84 279	0.60 299	0.39 236	1.08 346	0.75 343	1.41 369	1.14 355	0.74 287	0.69 241	1.05 344	1.67 372	2.09 330	2.22 351	0.27 336	0.61 307	0.20 305	0.50 365	0.48 343	1.03 332

RainbowNet	1.27 351	2.22 388	3.58 354	1.14 365	0.92 348	1.08 346	0.76 344	1.19 354	1.15 357	0.77 293	0.97 323	1.08 348	0.83 317	1.64 269	1.72 322	1.20 390	1.30 367	1.01 386	0.58 375	1.23 383	0.97 329

PFNet+	0.50 70	0.43 76	2.54 181	0.49 264	0.18 47	0.58 111	0.76 344	0.54 39	0.72 196	0.56 151	0.48 88	0.39 73	0.26 48	0.94 178	0.33 86	0.14 214	0.09 81	0.14 219	0.13 158	0.12 25	0.16 43

WCMA_ROB	1.29 353	1.21 274	3.13 313	0.65 314	0.36 222	1.20 357	0.78 346	1.00 281	0.98 333	1.78 382	2.62 389	3.08 391	2.01 384	1.86 305	2.35 356	0.38 352	0.38 271	0.32 347	0.32 318	0.31 265	1.06 334

CBMV	0.86 290	1.00 224	2.82 275	0.35 142	0.21 77	0.78 291	0.78 346	1.05 315	0.87 296	0.90 320	0.74 275	0.87 301	1.89 381	1.67 273	1.38 308	0.19 287	0.20 220	0.21 309	0.19 248	0.28 243	0.84 307
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ADCP+	1.03 332	1.68 355	3.83 366	0.35 142	0.39 236	1.05 341	0.79 348	0.94 241	0.86 294	0.69 266	0.68 237	0.85 295	1.53 370	1.02 183	4.56 397	0.13 184	0.12 139	0.16 260	0.15 194	0.28 243	0.44 208

ADCS	1.14 344	2.02 376	3.36 328	0.43 232	0.37 228	0.96 334	0.81 349	1.12 343	1.17 359	1.25 360	0.98 326	1.08 348	0.92 333	1.41 233	4.97 400	0.23 316	0.21 228	0.22 313	0.23 275	0.40 321	0.67 277

MFMNet_re	1.01 327	1.73 357	3.04 305	0.85 343	0.76 331	0.93 328	0.81 349	1.02 295	1.10 350	1.05 336	1.06 340	0.84 290	0.96 337	0.93 177	0.97 257	0.68 371	0.61 307	0.63 373	0.60 378	0.77 371	0.80 303

Anonymous Stereo	0.83 276	1.57 338	3.56 352	0.46 246	0.39 236	0.63 194	0.84 351	0.92 233	0.83 274	0.68 261	0.68 237	0.64 205	0.42 173	2.42 353	1.02 269	0.23 316	0.23 235	0.19 295	0.20 257	0.31 265	0.40 180

DSFCA	0.62 166	0.77 180	1.95 34	0.29 45	0.29 163	0.79 295	0.86 352	0.81 144	0.73 199	0.73 281	0.66 231	0.67 218	0.57 255	1.17 205	1.03 270	0.16 246	0.15 179	0.13 190	0.14 176	0.19 132	0.28 113

ACVNet_2	1.54 374	2.20 387	4.42 387	1.10 362	0.93 350	1.37 360	0.87 353	1.53 374	1.71 382	1.22 357	1.72 366	2.12 381	1.06 344	2.58 361	1.93 332	0.94 378	0.54 296	1.00 385	0.56 373	2.11 402	0.96 326

SuperB	1.19 347	1.62 348	5.29 398	0.37 166	0.26 137	0.81 302	0.87 353	0.94 241	1.19 360	0.68 261	0.68 237	0.63 199	1.37 358	1.73 279	3.30 376	0.16 246	0.12 139	0.17 274	0.16 211	2.74 407	0.63 268

DEmStereo	0.69 221	0.40 63	2.42 120	0.42 222	0.18 47	0.66 233	0.88 355	0.54 39	0.64 109	0.60 197	1.00 330	0.45 118	1.24 353	1.53 248	2.21 350	0.10 47	0.08 38	0.10 46	0.10 70	0.11 17	0.14 24

SANet	1.35 358	1.80 362	4.39 386	0.41 219	0.29 163	1.72 377	0.89 356	1.17 352	2.47 391	1.22 357	1.82 368	1.72 375	1.70 374	2.57 360	3.30 376	0.18 276	0.16 191	0.16 260	0.15 194	0.34 280	0.62 264

RTS	1.29 353	1.59 343	6.48 405	0.63 309	0.57 290	1.59 370	0.90 357	1.15 346	1.44 371	1.20 353	1.31 352	1.10 352	0.87 326	2.67 368	2.27 354	0.21 303	0.38 271	0.19 295	0.20 257	0.46 340	0.68 282

RTSA	1.29 353	1.59 343	6.48 405	0.63 309	0.57 290	1.59 370	0.90 357	1.15 346	1.44 371	1.20 353	1.31 352	1.10 352	0.87 326	2.67 368	2.27 354	0.21 303	0.38 271	0.19 295	0.20 257	0.46 340	0.68 282

IMH	2.14 390	2.46 401	3.60 357	1.70 388	1.13 372	1.65 374	0.93 359	2.13 392	1.93 386	1.37 365	2.64 391	2.19 382	1.82 379	5.77 405	2.18 348	5.70 411	1.05 345	1.31 395	0.72 384	1.39 392	1.13 339

MFN_U_SF_DS_RVC	1.08 340	2.01 375	2.56 192	0.49 264	0.40 242	1.49 364	0.96 360	1.02 295	0.95 324	0.85 314	0.94 318	1.06 345	0.59 265	2.92 382	1.15 282	0.43 358	0.74 326	0.32 347	0.55 371	0.74 367	1.35 359

WAO-8	2.91 396	2.55 403	3.77 361	1.93 399	1.04 364	4.08 405	0.99 361	3.25 403	6.09 404	2.20 390	3.34 399	3.33 392	2.64 392	11.73 413	2.52 360	2.12 404	1.92 385	1.55 401	0.93 392	1.27 384	0.96 326

Venus	2.91 396	2.55 403	3.77 361	1.93 399	1.04 364	4.08 405	0.99 361	3.25 403	6.09 404	2.20 390	3.34 399	3.33 392	2.64 392	11.73 413	2.52 360	2.12 404	1.92 385	1.55 401	0.93 392	1.27 384	0.96 326

Dean	1.92 384	2.31 396	5.03 395	1.31 368	1.08 367	1.55 367	0.99 361	1.98 391	2.33 390	1.51 376	4.15 403	4.23 400	1.39 360	2.31 341	2.10 341	1.18 389	0.69 319	1.18 389	0.75 386	1.30 388	1.07 335

NaN_ROB	1.25 350	1.46 329	3.84 367	0.54 283	0.56 287	1.12 349	0.99 361	1.05 315	1.03 340	1.10 340	0.87 309	0.77 267	1.07 345	5.85 406	2.98 372	0.16 246	0.23 235	0.16 260	0.24 277	0.28 243	0.66 275

aanetorigin	0.81 269	1.03 231	2.64 221	0.44 236	0.44 259	0.59 129	1.00 365	0.59 62	0.70 177	1.54 377	1.22 348	0.82 285	1.08 346	1.06 187	1.07 274	0.18 276	0.15 179	0.17 274	0.21 268	0.53 351	0.65 274

MSC_U_SF_DS_RVC	1.40 361	2.04 378	3.02 304	0.58 298	0.41 247	2.15 391	1.00 365	1.31 363	1.29 365	1.05 336	1.10 342	1.29 364	0.91 330	3.07 385	1.34 300	1.65 400	0.84 330	0.68 376	0.88 391	1.55 395	1.91 377

TorneroNet-64	2.74 393	2.23 389	4.18 377	1.48 378	1.20 374	3.88 403	1.01 367	3.48 407	6.61 407	2.62 400	4.55 405	4.20 397	3.84 402	3.39 393	3.40 380	1.23 391	0.66 314	1.39 398	0.80 387	3.42 409	1.27 351

LVE	2.10 388	2.61 406	4.30 385	1.79 393	1.81 397	1.68 376	1.04 368	2.35 394	2.78 396	1.27 362	2.87 395	4.21 399	1.46 363	2.83 380	2.02 335	2.87 408	0.92 334	1.19 390	1.47 406	1.29 386	1.18 340

WAO-6	1.69 380	1.87 366	3.21 315	1.15 366	1.01 361	2.29 392	1.06 369	1.85 385	2.84 397	1.30 364	2.59 388	2.19 382	1.67 372	2.62 364	2.52 360	0.96 380	0.68 316	1.19 390	0.84 388	1.13 379	0.95 324

TorneroNet	5.60 408	2.30 395	3.98 370	1.49 380	1.26 379	14.47 416	1.11 370	4.85 409	20.66 425	10.12 410	16.30 417	11.78 415	7.35 409	3.41 394	4.38 396	1.36 395	0.70 322	1.46 400	0.87 390	2.73 406	1.33 356

MADNet+	1.44 364	2.19 385	6.00 403	0.89 345	0.70 324	1.58 369	1.11 370	1.56 377	1.30 367	0.89 318	1.03 335	1.25 361	1.12 349	3.29 389	2.80 368	0.48 363	0.57 302	0.39 357	0.36 341	0.63 361	0.69 286

WAO-7	1.58 377	2.04 378	3.25 319	0.94 351	0.75 328	1.75 378	1.13 372	1.87 386	1.97 387	1.46 374	2.53 386	1.98 379	1.75 375	3.13 386	2.48 359	0.69 372	0.67 315	0.94 382	0.74 385	0.80 374	0.77 296

notaker	2.77 394	2.35 398	4.02 372	2.61 406	1.44 385	1.77 379	1.14 373	2.77 398	1.81 385	2.30 394	11.41 412	3.95 395	4.70 404	3.24 388	3.01 373	1.58 399	0.88 332	1.71 406	1.08 399	2.10 401	1.44 365

LSM	3.40 401	1.42 322	5.81 402	9.98 416	30.74 429	0.86 312	1.14 373	0.99 275	1.26 362	1.40 369	2.18 378	0.93 315	0.85 321	1.76 284	1.03 270	0.22 308	0.35 265	0.24 325	0.29 302	0.40 321	6.21 414

PSM-AAD	0.67 210	0.29 2	2.41 116	0.37 166	0.23 108	0.86 312	1.15 375	0.62 70	0.66 123	0.64 235	0.71 267	0.67 218	2.90 394	0.65 121	0.32 77	0.10 47	0.08 38	0.17 274	0.15 194	0.14 51	0.34 147

CSAN	1.38 360	1.74 360	4.12 374	0.53 277	0.38 234	1.06 344	1.15 375	1.29 361	1.12 353	1.19 348	1.90 371	1.04 341	1.44 362	5.92 407	2.82 370	0.26 333	0.22 230	0.24 325	0.25 282	0.35 291	0.54 245

AnyNet_C32	1.08 340	1.76 361	3.01 303	0.50 269	0.54 283	1.17 354	1.16 377	0.97 264	0.95 324	1.11 341	0.98 326	0.87 301	0.93 335	1.57 256	4.11 394	0.22 308	0.20 220	0.25 330	0.25 282	0.40 321	0.68 282

coex-ft	6.14 409	1.98 371	60.80 433	0.34 127	0.30 174	0.80 298	1.17 378	0.76 112	4.34 401	19.82 421	2.15 377	1.61 373	8.77 411	1.82 298	10.36 413	0.44 359	2.05 388	0.18 290	0.19 248	0.39 315	4.61 413

IMH-64-1	1.50 369	1.98 371	2.69 244	1.39 373	1.12 370	1.39 361	1.19 379	1.80 383	1.47 373	1.19 348	2.20 379	1.53 371	1.51 368	2.12 332	1.98 333	1.34 393	0.68 316	1.28 393	0.70 380	1.37 390	1.12 337

IMH-64	1.50 369	1.98 371	2.69 244	1.39 373	1.12 370	1.39 361	1.19 379	1.80 383	1.47 373	1.19 348	2.20 379	1.53 371	1.51 368	2.12 332	1.98 333	1.34 393	0.68 316	1.28 393	0.70 380	1.37 390	1.12 337

DANet	0.85 287	0.68 149	2.41 116	1.18 367	0.48 271	0.77 286	1.23 381	0.93 236	1.53 376	0.90 320	0.72 270	0.97 325	0.57 255	1.86 305	1.05 272	0.18 276	0.16 191	0.19 295	0.16 211	0.26 222	0.67 277
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
iRaft-Stereo_20w	1.50 369	0.42 70	4.81 391	2.24 401	2.09 401	1.36 358	1.27 382	1.38 367	0.94 319	2.07 384	0.42 61	0.85 295	0.69 293	0.87 170	1.37 306	0.10 47	4.04 412	0.09 13	0.40 349	0.17 90	4.53 412

KSHMR	4.19 404	2.37 399	6.24 404	1.73 391	1.48 388	1.97 386	1.29 383	3.18 401	17.06 420	2.15 388	15.74 415	9.09 410	1.75 375	8.33 411	2.37 357	1.55 398	1.29 365	1.70 405	1.23 402	1.75 397	1.60 371

SGM-Forest	1.84 382	7.91 414	10.36 410	0.42 222	0.33 199	1.04 339	1.29 383	1.01 289	0.88 300	1.19 348	2.30 382	1.03 337	1.79 378	2.60 363	2.81 369	0.22 308	0.21 228	0.21 309	0.19 248	0.25 207	0.79 301
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
HanzoNet	7.85 410	3.30 410	5.75 401	7.47 414	3.97 406	2.34 393	1.37 385	3.47 405	4.02 400	13.30 415	10.49 408	10.86 412	16.67 418	8.50 412	10.51 414	10.80 419	9.84 421	5.83 416	13.69 419	7.24 415	7.51 415

MIPNet	0.88 297	1.07 237	2.85 281	0.61 305	0.18 47	1.46 363	1.37 385	1.65 379	0.78 240	1.93 383	0.85 302	0.75 261	1.66 371	0.87 170	0.34 94	0.10 47	0.08 38	0.11 92	0.32 318	0.27 233	0.26 102

EDNetEfficient	1.29 353	0.78 183	4.27 381	0.65 314	1.03 363	0.94 330	1.38 387	0.87 197	1.75 383	2.33 395	1.32 354	1.04 341	2.21 388	1.59 263	4.07 393	0.16 246	0.19 208	0.15 244	0.27 296	0.38 308	0.40 180

AnyNet_C01	1.20 348	1.89 367	4.25 380	0.55 284	0.54 283	1.57 368	1.39 388	1.10 338	1.13 354	1.19 348	1.34 356	1.15 358	1.11 348	1.73 279	2.89 371	0.26 333	0.24 238	0.28 335	0.24 277	0.50 345	0.68 282

ktn	4.44 405	2.47 402	3.70 360	1.82 394	1.49 389	2.11 390	1.40 389	2.30 393	12.56 411	11.36 413	16.25 416	11.30 414	3.77 401	4.41 403	3.47 381	1.86 402	0.99 337	1.74 407	1.21 401	3.28 408	1.39 362

GrayStereo	0.71 230	0.27 1	2.40 112	0.89 345	0.23 108	0.62 181	1.40 389	0.67 86	0.70 177	0.72 280	0.77 289	0.55 163	3.03 395	0.60 106	0.28 41	0.10 47	0.08 38	0.10 46	0.21 268	0.12 25	0.37 160

SAMSARA	1.11 342	1.35 306	2.60 203	1.34 370	0.77 333	1.67 375	1.41 391	1.47 372	0.99 336	1.54 377	0.89 313	1.44 369	0.90 329	1.88 309	1.71 320	0.25 329	0.55 298	0.22 313	0.34 334	0.39 315	0.50 230

UNDER WATER	2.84 395	2.25 390	5.25 397	1.84 395	1.45 386	2.36 394	1.44 392	3.23 402	6.51 406	2.61 399	2.73 393	5.69 404	5.64 407	3.14 387	4.18 395	1.48 396	0.81 329	1.60 404	1.07 398	1.91 399	1.67 374

UNDER WATER-64	2.59 391	2.28 394	5.63 400	1.85 396	1.45 386	3.28 400	1.60 393	2.62 395	5.57 403	2.09 385	2.12 375	4.10 396	4.21 403	2.74 375	3.64 385	1.49 397	0.86 331	1.58 403	1.09 400	1.91 399	1.62 372

FTStereo	0.79 264	0.32 14	2.83 277	0.70 327	0.21 77	0.73 265	1.75 394	0.61 67	0.60 80	1.07 339	1.62 365	1.28 362	2.11 386	0.75 150	0.30 55	0.19 287	0.08 38	0.12 134	0.11 108	0.12 25	0.39 175

PWCK	1.62 379	2.32 397	4.27 381	1.11 363	0.56 287	1.81 380	1.84 395	1.55 376	1.54 377	1.45 372	1.81 367	1.82 376	1.38 359	3.34 390	2.14 345	1.09 386	0.57 302	0.98 384	0.59 376	1.50 394	0.79 301

ADCL	1.07 337	1.22 279	2.80 269	0.40 210	0.33 199	1.50 365	1.87 396	0.97 264	1.04 343	1.26 361	1.28 350	0.99 329	1.41 361	1.36 228	3.51 382	0.17 265	0.14 165	0.22 313	0.21 268	0.32 270	0.43 196

SGM_RVC	2.11 389	1.07 237	2.87 284	0.98 355	0.92 348	2.72 398	1.88 397	1.91 388	12.27 410	2.09 385	1.99 373	2.47 385	2.24 389	2.87 381	2.03 336	0.54 364	0.47 286	0.42 362	0.47 360	0.74 367	1.22 348
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ELAS	1.52 373	0.92 217	2.91 289	0.62 307	0.57 290	3.13 399	2.21 398	1.67 380	1.58 379	2.42 396	2.43 384	1.87 377	2.49 391	1.85 303	2.70 367	0.42 355	0.43 282	0.41 360	0.40 349	0.51 347	0.85 311
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
THIR-Stereo	0.88 297	0.85 192	2.33 97	0.26 15	0.16 20	0.59 129	2.69 399	0.62 70	0.54 54	0.62 216	1.61 364	0.96 323	1.77 377	1.67 273	2.20 349	0.10 47	0.08 38	0.14 219	0.11 108	0.16 69	0.21 72

ELAS_RVC	1.51 372	0.88 199	3.36 328	0.63 309	0.56 287	1.53 366	2.73 400	1.53 374	1.76 384	2.26 393	2.21 381	2.10 380	3.07 396	2.08 328	2.52 360	0.42 355	0.42 279	0.42 362	0.37 342	0.51 347	0.84 307
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MADNet++	2.94 399	2.17 384	3.27 321	2.55 405	2.28 403	3.29 401	3.37 401	2.76 397	2.67 395	3.10 404	3.20 398	2.78 386	3.25 398	4.11 400	4.68 399	2.72 407	2.27 403	3.03 411	2.43 409	2.34 405	2.59 403

LE_ROB	4.55 406	2.43 400	9.94 408	2.79 408	4.03 407	2.40 395	3.54 402	2.72 396	11.04 409	11.64 414	4.69 406	5.25 403	10.74 412	4.52 404	9.73 411	0.82 375	0.70 322	1.34 396	0.97 395	0.74 367	0.94 321

CrosDoStereo	0.96 318	0.49 89	2.66 226	0.27 21	0.33 199	0.54 72	3.69 403	0.77 118	0.66 123	0.70 269	1.39 357	0.53 150	1.47 364	1.77 287	3.02 374	0.10 47	0.08 38	0.11 92	0.11 108	0.22 172	0.30 127

DeepStereo_LL	0.96 318	0.49 89	2.66 226	0.27 21	0.33 199	0.54 72	3.69 403	0.77 118	0.66 123	0.70 269	1.39 357	0.53 150	1.47 364	1.77 287	3.02 374	0.10 47	0.08 38	0.11 92	0.11 108	0.22 172	0.30 127

JetBlue	1.89 383	2.09 380	4.16 376	0.74 330	1.23 376	4.52 408	3.86 405	1.68 381	1.26 362	1.28 363	1.54 362	2.36 384	1.86 380	3.35 391	3.37 378	0.54 364	0.49 290	0.48 366	0.49 363	1.39 392	1.21 346

FINET	1.92 384	1.96 369	4.49 389	1.62 384	1.39 383	3.51 402	4.39 406	2.89 399	2.58 392	1.39 367	1.98 372	1.35 366	2.12 387	1.64 269	2.12 343	0.84 376	1.03 344	0.18 290	0.29 302	0.54 352	2.12 385

MANE	3.51 402	2.03 377	3.88 369	1.89 397	2.01 399	5.98 409	4.72 407	5.87 411	7.13 408	3.80 406	5.10 407	6.11 407	5.34 406	4.39 402	5.05 401	1.07 384	1.28 364	0.50 367	0.85 389	0.76 370	2.36 401

SGM-ForestM	3.67 403	2.70 407	5.34 399	1.65 386	1.72 395	6.02 410	5.08 408	4.10 408	3.47 399	4.59 407	4.21 404	9.81 411	5.79 408	6.44 408	6.97 407	0.88 377	1.09 347	0.33 351	0.45 357	0.68 365	2.10 384

SGM+DAISY	2.67 392	2.14 383	4.28 383	1.92 398	2.11 402	4.36 407	5.22 409	3.17 400	3.00 398	3.24 405	3.81 401	3.03 389	3.61 400	2.53 357	3.79 386	1.15 387	1.29 365	0.66 374	0.71 383	0.95 377	2.44 402

JetRed	3.37 400	4.96 411	10.08 409	1.48 378	1.73 396	7.63 411	5.47 410	3.47 405	2.20 388	2.42 396	2.40 383	2.98 388	2.35 390	3.52 395	6.60 405	1.33 392	1.90 384	1.38 397	1.23 402	2.30 404	2.02 381

DGSMNet	2.93 398	0.77 180	3.44 343	3.58 410	4.25 408	2.53 397	6.86 411	1.03 301	0.88 300	0.58 169	1.85 369	0.79 273	0.62 274	1.63 266	1.46 311	4.62 410	4.98 413	5.15 415	4.71 414	4.52 413	4.37 411

EAI-Stereo	1.16 346	0.29 2	1.94 33	0.55 284	0.97 355	1.96 384	7.94 412	1.34 365	1.03 340	1.01 334	1.48 360	0.51 142	0.66 285	0.65 121	1.42 309	0.09 11	0.23 235	0.09 13	0.53 369	0.13 35	0.49 228

BEATNet-Init1	12.32 414	12.82 418	28.66 430	3.22 409	3.71 405	21.59 425	11.42 413	14.54 420	13.73 416	20.24 422	20.16 422	26.14 430	19.85 420	19.08 424	15.33 420	1.81 401	1.93 387	2.05 409	2.48 410	4.25 411	3.41 410

HaxPig	19.88 420	22.39 426	22.30 421	17.98 420	17.98 418	12.06 415	12.06 414	16.25 421	15.97 419	21.05 423	21.41 423	18.85 422	18.35 419	20.07 425	19.64 422	23.57 430	23.19 429	24.07 427	23.71 427	22.95 427	23.72 429

MEDIAN_ROB	23.95 423	26.96 433	26.29 429	22.14 422	22.09 420	16.18 417	14.23 415	20.47 422	20.09 421	25.43 431	25.22 432	22.96 423	22.54 424	24.33 426	23.18 426	28.15 432	27.16 433	28.60 429	27.73 429	27.59 428	27.58 430

AVERAGE_ROB	26.91 431	30.28 434	29.18 431	25.78 423	25.30 422	19.49 422	15.38 416	23.70 427	23.02 426	28.38 433	27.78 433	26.23 431	25.76 433	26.95 433	25.55 427	31.27 433	30.02 434	31.76 430	30.80 430	30.88 432	30.77 431

tt	4.94 407	0.32 14	4.22 379	2.29 402	1.58 391	10.19 414	16.94 417	9.44 415	5.03 402	1.69 380	1.33 355	4.68 401	5.02 405	3.38 392	5.91 404	6.15 413	9.47 420	2.80 410	3.16 412	3.54 410	1.58 370

DGTPSM_ROB	8.97 412	5.94 412	13.01 414	5.95 413	11.34 413	8.54 412	24.06 418	6.47 412	13.52 412	5.19 408	11.52 413	6.18 408	11.04 413	7.02 409	13.92 415	4.47 409	7.66 414	3.90 412	7.43 417	4.34 412	7.98 416

DPSMNet_ROB	9.58 413	5.96 413	13.98 417	8.88 415	11.87 414	8.54 412	24.08 419	6.48 413	13.67 415	5.35 409	11.53 414	6.31 409	11.04 413	7.69 410	14.09 416	7.61 418	8.23 416	5.03 414	7.75 418	5.24 414	8.36 417

xxxxx1	29.05 432	20.74 422	14.05 418	50.10 431	40.25 431	19.01 418	26.60 420	21.83 424	20.22 422	16.52 418	17.56 418	18.33 419	21.41 421	16.11 421	20.77 423	23.48 427	26.77 430	66.36 432	78.56 432	30.19 429	32.23 432

tt_ll	29.05 432	20.74 422	14.05 418	50.10 431	40.25 431	19.01 418	26.60 420	21.83 424	20.22 422	16.52 418	17.56 418	18.33 419	21.41 421	16.11 421	20.77 423	23.48 427	26.77 430	66.36 432	78.56 432	30.19 429	32.23 432

ff	29.05 432	20.74 422	14.05 418	50.10 431	40.25 431	19.01 418	26.60 420	21.83 424	20.22 422	16.52 418	17.56 418	18.33 419	21.41 421	16.11 421	20.77 423	23.48 427	26.77 430	66.36 432	78.56 432	30.19 429	32.23 432

Anonymous_1	22.76 421	11.11 415	11.93 411	12.73 417	26.05 428	19.39 421	27.77 423	14.18 417	13.64 414	14.92 416	10.66 409	11.26 413	11.24 415	12.48 417	14.45 417	37.82 434	7.87 415	34.92 431	63.61 431	87.51 434	11.75 420

DPSM_ROB	12.32 414	11.13 416	12.31 412	12.90 418	12.80 416	19.81 423	28.13 424	14.50 418	14.31 417	10.62 411	11.34 410	12.03 416	11.89 416	13.08 418	15.22 418	7.09 415	8.31 417	6.47 418	7.32 415	8.69 416	8.43 418

DPSM	12.32 414	11.13 416	12.31 412	12.90 418	12.80 416	19.81 423	28.13 424	14.50 418	14.31 417	10.62 411	11.34 410	12.03 416	11.89 416	13.08 418	15.22 418	7.09 415	8.31 417	6.47 418	7.32 415	8.69 416	8.43 418

DPSimNet_ROB	24.35 424	23.81 432	31.38 432	25.93 424	22.83 421	31.30 427	34.38 426	20.78 423	28.92 429	27.39 432	22.99 431	28.29 433	35.76 434	15.47 420	17.82 421	24.28 431	17.90 428	22.23 426	14.12 420	19.38 425	22.12 428

SPstereo	16.55 419	3.18 409	4.92 393	2.73 407	2.77 404	29.67 426	52.00 427	39.41 434	29.70 434	21.94 430	21.64 424	27.45 432	23.83 426	27.92 434	26.10 428	2.44 406	2.60 407	4.96 413	3.11 411	2.27 403	2.32 400

LSM0	26.57 430	22.53 431	25.76 428	30.62 430	52.30 434	39.86 433	56.49 428	29.18 432	28.76 427	21.26 425	22.46 425	24.42 429	23.97 430	26.42 432	30.66 434	14.29 425	16.56 422	13.06 425	14.65 421	17.62 424	20.52 427

Selective-RAFT-Error	24.83 426	22.44 430	24.80 424	26.10 426	25.82 424	39.85 432	56.72 429	29.21 433	29.03 433	21.29 426	22.80 427	24.25 428	24.07 432	26.28 431	30.60 429	14.24 421	16.85 424	13.04 424	14.75 422	17.53 423	17.02 422

CasAABBNet	24.76 425	22.38 425	24.44 423	26.05 425	25.75 423	39.79 428	56.76 430	29.10 431	28.88 428	21.22 424	22.69 426	24.21 427	23.99 431	26.23 427	30.62 430	14.22 420	16.71 423	13.03 420	14.75 422	17.49 422	16.97 421

MyStereo03	24.90 427	22.40 427	24.90 425	26.19 427	25.93 425	39.80 429	56.77 431	29.00 428	28.95 430	21.51 427	22.81 428	24.16 424	23.92 427	26.26 428	30.65 431	14.24 421	17.13 425	13.03 420	14.76 424	17.48 419	18.00 424

MyStereo02	24.90 427	22.40 427	24.90 425	26.19 427	25.93 425	39.80 429	56.77 431	29.00 428	28.95 430	21.51 427	22.81 428	24.16 424	23.92 427	26.26 428	30.65 431	14.24 421	17.13 425	13.03 420	14.76 424	17.48 419	18.00 424

MyStereo	24.90 427	22.40 427	24.90 425	26.19 427	25.93 425	39.80 429	56.77 431	29.00 428	28.95 430	21.51 427	22.81 428	24.16 424	23.92 427	26.26 428	30.65 431	14.24 421	17.13 425	13.03 420	14.76 424	17.48 419	18.00 424

PML	22.99 422	17.34 419	8.24 407	5.48 412	9.84 412	50.35 434	102.65 434	5.84 410	13.52 412	37.08 434	104.84 434	30.61 434	23.20 425	12.09 415	7.96 409	6.27 414	2.12 393	6.31 417	2.42 408	10.67 418	2.95 404

test_example2	115.17 435	122.38 435	93.45 434	115.38 434	123.53 435	101.24 435	113.11 435	54.67 435	99.94 435	135.50 435	136.43 435	85.67 435	85.40 435	110.44 435	104.91 435	152.17 435	205.21 435	99.17 435	114.27 435	138.55 435	112.04 435

Low-res two-view benchmark