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

Selective-IGEV	0.25 1	0.18 14	0.37 27	0.37 35	0.20 18	0.27 25	0.25 30	0.59 29	0.25 1	0.27 2	0.26 1	0.34 22	0.18 1	0.62 117	0.23 1	0.12 4	0.10 8	0.14 13	0.11 15	0.13 14	0.11 3

StereoIM	0.27 2	0.19 33	0.39 36	0.37 35	0.26 130	0.28 31	0.28 50	0.45 5	0.37 14	0.27 2	0.27 2	0.40 40	0.27 22	0.40 14	0.30 48	0.16 99	0.14 172	0.16 57	0.13 49	0.15 66	0.12 10

CroCo-Stereo	0.27 2	0.23 120	0.40 45	0.49 258	0.22 30	0.20 2	0.29 57	0.55 19	0.45 47	0.29 4	0.27 2	0.42 46	0.26 17	0.30 1	0.26 8	0.15 67	0.13 141	0.13 8	0.12 26	0.16 103	0.13 31
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
EGLCR-Stereo	0.27 2	0.17 8	0.36 25	0.35 12	0.21 25	0.37 86	0.20 1	0.58 27	0.37 14	0.29 4	0.28 4	0.42 46	0.18 1	0.47 34	0.27 23	0.14 18	0.10 8	0.16 57	0.14 69	0.13 14	0.12 10

CroCo-Stereo Lap2	0.29 9	0.25 167	0.44 79	0.50 269	0.30 218	0.19 1	0.31 88	0.52 13	0.41 34	0.25 1	0.28 4	0.46 65	0.31 54	0.39 8	0.30 48	0.15 67	0.15 191	0.16 57	0.13 49	0.17 127	0.16 98

IGEVStereo-DCA	0.30 12	0.24 139	0.42 58	0.36 27	0.27 159	0.38 91	0.34 117	0.66 56	0.35 6	0.39 21	0.31 6	0.35 26	0.27 22	0.62 117	0.25 3	0.16 99	0.12 86	0.16 57	0.12 26	0.14 36	0.16 98

rrr	0.31 23	0.24 139	0.56 185	0.36 27	0.27 159	0.38 91	0.31 88	0.56 24	0.44 43	0.39 21	0.31 6	0.35 26	0.27 22	0.62 117	0.25 3	0.16 99	0.12 86	0.16 57	0.13 49	0.14 36	0.14 49

ProNet	0.30 12	0.22 97	0.41 50	0.36 27	0.25 101	0.33 66	0.42 219	0.62 37	0.41 34	0.33 11	0.31 6	0.32 14	0.28 27	0.60 89	0.28 29	0.13 9	0.11 39	0.16 57	0.13 49	0.13 14	0.14 49

test_xeample3	0.31 23	0.23 120	0.56 185	0.36 27	0.26 130	0.35 74	0.32 100	0.60 31	0.38 17	0.44 39	0.32 9	0.33 19	0.28 27	0.66 147	0.27 23	0.14 18	0.12 86	0.16 57	0.12 26	0.14 36	0.14 49

ff7	0.30 12	0.22 97	0.42 58	0.37 35	0.26 130	0.31 51	0.34 117	0.66 56	0.35 6	0.39 21	0.33 10	0.31 7	0.28 27	0.61 95	0.26 8	0.14 18	0.11 39	0.17 85	0.12 26	0.15 66	0.16 98

ffff	0.30 12	0.22 97	0.42 58	0.37 35	0.26 130	0.31 51	0.34 117	0.66 56	0.35 6	0.39 21	0.33 10	0.31 7	0.28 27	0.61 95	0.26 8	0.14 18	0.11 39	0.17 85	0.12 26	0.15 66	0.16 98

11t	0.30 12	0.22 97	0.42 58	0.37 35	0.26 130	0.31 51	0.34 117	0.66 56	0.35 6	0.39 21	0.33 10	0.31 7	0.28 27	0.61 95	0.26 8	0.14 18	0.11 39	0.17 85	0.12 26	0.15 66	0.16 98

anonymousdsp	0.30 12	0.22 97	0.41 50	0.38 45	0.26 130	0.31 51	0.35 139	0.68 72	0.36 11	0.40 29	0.33 10	0.32 14	0.28 27	0.62 117	0.26 8	0.14 18	0.10 8	0.17 85	0.12 26	0.15 66	0.16 98

ccc-4	0.30 12	0.22 97	0.42 58	0.37 35	0.26 130	0.31 51	0.34 117	0.66 56	0.35 6	0.39 21	0.33 10	0.31 7	0.28 27	0.61 95	0.26 8	0.14 18	0.11 39	0.17 85	0.12 26	0.15 66	0.16 98

IGEV-Stereo	0.30 12	0.22 97	0.41 50	0.38 45	0.26 130	0.30 39	0.35 139	0.68 72	0.36 11	0.40 29	0.33 10	0.32 14	0.28 27	0.62 117	0.26 8	0.14 18	0.10 8	0.17 85	0.12 26	0.15 66	0.16 98
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
MyStereo07	0.33 30	0.23 120	0.37 27	0.43 167	0.29 199	0.40 101	0.48 249	0.78 144	0.38 17	0.38 18	0.34 16	0.32 14	0.30 51	0.63 126	0.28 29	0.14 18	0.13 141	0.19 148	0.17 158	0.18 151	0.17 135

Former-RAFT_DAM_RVC	0.34 35	0.28 220	0.48 115	0.37 35	0.25 101	0.47 133	0.30 69	0.60 31	0.92 220	0.43 37	0.37 17	0.30 6	0.29 41	0.50 49	0.30 48	0.17 125	0.14 172	0.18 116	0.15 90	0.18 151	0.16 98

Selective-RAFT	0.36 43	0.23 120	0.54 178	0.45 200	0.22 30	0.64 209	0.27 42	0.62 37	0.65 93	0.41 31	0.38 18	0.55 91	0.39 103	0.59 79	0.36 99	0.14 18	0.12 86	0.14 13	0.12 26	0.16 103	0.14 49

TRStereo	0.39 89	0.32 253	0.64 221	0.49 258	0.41 300	0.30 39	0.30 69	0.97 203	0.63 84	0.53 60	0.43 19	0.52 83	0.26 17	0.77 208	0.29 37	0.18 157	0.12 86	0.19 148	0.19 208	0.13 14	0.13 31

Anonymous	0.40 103	0.29 230	0.70 249	0.54 311	0.44 317	0.56 170	0.54 280	0.68 72	0.52 62	0.38 18	0.44 20	0.33 19	0.42 117	0.57 70	0.39 128	0.20 211	0.20 272	0.18 116	0.18 184	0.30 289	0.24 251

test-3	0.35 37	0.17 8	0.48 115	0.40 87	0.22 30	0.42 117	0.22 11	0.66 56	0.80 153	0.72 134	0.45 21	0.63 139	0.29 41	0.45 25	0.32 64	0.13 9	0.09 2	0.17 85	0.13 49	0.13 14	0.11 3

test_1	0.35 37	0.17 8	0.48 115	0.40 87	0.22 30	0.42 117	0.22 11	0.66 56	0.80 153	0.70 124	0.45 21	0.63 139	0.29 41	0.45 25	0.32 64	0.13 9	0.09 2	0.17 85	0.13 49	0.13 14	0.11 3

tt1	0.37 61	0.25 167	0.35 19	0.43 167	0.23 56	0.52 151	0.37 158	0.72 110	1.13 303	0.42 32	0.46 23	0.35 26	0.44 125	0.61 95	0.26 8	0.17 125	0.11 39	0.19 148	0.13 49	0.16 103	0.17 135

MIF-Stereo	0.27 2	0.18 14	0.40 45	0.40 87	0.28 180	0.30 39	0.28 50	0.40 1	0.33 4	0.30 6	0.46 23	0.27 2	0.25 12	0.48 41	0.35 90	0.17 125	0.13 141	0.14 13	0.12 26	0.14 36	0.13 31

AEACV	0.28 6	0.18 14	0.34 13	0.36 27	0.45 324	0.27 25	0.27 42	0.41 2	0.39 21	0.31 7	0.46 23	0.31 7	0.36 79	0.38 7	0.25 3	0.14 18	0.11 39	0.15 41	0.13 49	0.13 14	0.13 31

test_3	0.37 61	0.19 33	0.50 132	0.45 200	0.24 77	0.47 133	0.36 146	0.69 83	0.84 176	0.66 103	0.46 23	0.68 169	0.25 12	0.45 25	0.32 64	0.12 4	0.10 8	0.18 116	0.16 116	0.15 66	0.12 10

GLC_STEREO	0.30 12	0.20 54	0.28 8	0.44 188	0.19 8	0.31 51	0.25 30	0.49 9	0.43 41	0.37 17	0.47 27	0.40 40	0.23 7	0.51 51	0.37 107	0.15 67	0.18 247	0.19 148	0.16 116	0.16 103	0.14 49

CES	0.29 9	0.15 2	0.25 1	0.31 4	0.71 369	0.36 78	0.27 42	0.51 12	0.47 54	0.34 13	0.48 28	0.27 2	0.23 7	0.40 14	0.24 2	0.13 9	0.11 39	0.12 2	0.08 1	0.13 14	0.32 299

sAnonymous2	0.42 124	0.41 298	0.96 312	0.48 249	0.37 278	0.41 110	0.48 249	0.60 31	0.52 62	0.39 21	0.48 28	0.35 26	0.44 125	0.44 22	0.30 48	0.19 192	0.14 172	0.19 148	0.17 158	0.55 363	0.43 344

CroCo_RVC	0.42 124	0.41 298	0.96 312	0.48 249	0.37 278	0.41 110	0.48 249	0.60 31	0.52 62	0.39 21	0.48 28	0.35 26	0.44 125	0.44 22	0.30 48	0.19 192	0.14 172	0.19 148	0.17 158	0.55 363	0.43 344

sCroCo_RVC	0.36 43	0.29 230	0.73 262	0.52 295	0.39 292	0.42 117	0.31 88	0.52 13	0.46 52	0.31 7	0.48 28	0.38 36	0.32 60	0.46 29	0.33 74	0.22 242	0.23 294	0.19 148	0.19 208	0.21 209	0.22 224

ACVNet-DCA	0.36 43	0.25 167	0.35 19	0.42 130	0.23 56	0.53 154	0.37 158	0.91 179	0.59 74	0.42 32	0.50 32	0.34 22	0.47 142	0.61 95	0.26 8	0.17 125	0.11 39	0.19 148	0.13 49	0.18 151	0.19 166

xx1	0.40 103	0.25 167	0.35 19	0.42 130	0.23 56	0.53 154	0.37 158	0.71 100	1.17 315	0.42 32	0.50 32	0.65 150	0.56 175	0.61 95	0.26 8	0.17 125	0.11 39	0.20 177	0.19 208	0.18 151	0.19 166

1test111	0.37 61	0.25 167	0.35 19	0.42 130	0.23 56	0.53 154	0.37 158	0.91 179	0.59 74	0.42 32	0.50 32	0.34 22	0.47 142	0.59 79	0.48 186	0.17 125	0.11 39	0.19 148	0.13 49	0.18 151	0.19 166

cc1	0.38 77	0.25 167	0.35 19	0.42 130	0.23 56	0.53 154	0.37 158	0.71 100	1.17 315	0.42 32	0.50 32	0.34 22	0.47 142	0.61 95	0.26 8	0.17 125	0.11 39	0.19 148	0.13 49	0.16 103	0.17 135

AnonymousM	0.42 124	0.86 369	0.31 10	0.35 12	0.23 56	0.30 39	0.37 158	0.56 24	0.44 43	0.72 134	0.50 32	0.47 69	0.29 41	0.42 18	0.35 90	0.16 99	0.12 86	1.51 387	0.32 331	0.12 2	0.11 3

LoS_RVC	0.28 6	0.17 8	0.29 9	0.33 8	0.32 245	0.43 121	0.34 117	0.42 4	0.34 5	0.33 11	0.51 37	0.29 4	0.38 90	0.37 5	0.28 29	0.11 1	0.10 8	0.11 1	0.08 1	0.11 1	0.26 263

anonymousdsp2	0.37 61	0.21 74	0.49 123	0.38 45	0.24 77	0.48 138	0.31 88	0.91 179	0.68 103	0.57 66	0.51 37	0.51 80	0.34 71	0.59 79	0.33 74	0.14 18	0.11 39	0.14 13	0.10 10	0.16 103	0.16 98

CREStereo	0.28 6	0.16 4	0.25 1	0.28 1	0.17 2	0.38 91	0.25 30	0.52 13	0.76 137	0.43 37	0.51 37	0.32 14	0.28 27	0.39 8	0.27 23	0.16 99	0.11 39	0.12 2	0.09 4	0.12 2	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
CAS	0.37 61	0.13 1	0.27 7	1.34 388	0.31 228	0.46 131	0.38 171	0.50 11	0.48 56	0.35 15	0.52 40	0.24 1	0.19 3	0.30 1	0.28 29	1.03 389	0.08 1	0.12 2	0.08 1	0.12 2	0.28 280

LoS	0.30 12	0.16 4	0.32 12	0.30 3	0.19 8	0.32 60	0.29 57	0.54 18	0.73 127	0.35 15	0.52 40	0.42 46	0.29 41	0.48 41	0.29 37	0.15 67	0.11 39	0.13 8	0.09 4	0.12 2	0.12 10

LL-Strereo2	0.36 43	0.25 167	0.52 159	0.43 167	0.27 159	0.36 78	0.27 42	0.70 93	0.46 52	0.55 62	0.53 42	0.65 150	0.24 10	0.69 170	0.32 64	0.14 18	0.13 141	0.23 244	0.20 227	0.19 185	0.14 49

4D-IteraStereo	0.33 30	0.19 33	0.43 74	0.40 87	0.24 77	0.32 60	0.27 42	0.59 29	0.72 118	0.66 103	0.53 42	0.42 46	0.22 6	0.46 29	0.30 48	0.14 18	0.09 2	0.20 177	0.16 116	0.16 103	0.12 10

iRaft-Stereo_20w	0.42 124	0.20 54	0.63 217	0.39 61	0.27 159	0.33 66	0.25 30	1.76 377	0.37 14	0.73 141	0.53 42	0.63 139	0.42 117	0.86 239	0.29 37	0.14 18	0.11 39	0.14 13	0.13 49	0.15 66	0.15 78

MyStereo06	0.40 103	0.22 97	0.65 226	0.42 130	0.29 199	0.43 121	0.48 249	1.05 229	0.43 41	0.64 95	0.54 45	0.78 214	0.27 22	0.53 54	0.31 58	0.14 18	0.13 141	0.18 116	0.17 158	0.17 127	0.17 135

CASnet	0.30 12	0.20 54	0.34 13	0.42 130	0.17 2	0.25 16	0.24 23	0.53 16	0.56 67	0.54 61	0.54 45	0.39 39	0.24 10	0.41 17	0.26 8	0.15 67	0.10 8	0.22 230	0.18 184	0.18 151	0.12 10
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GMStereo	0.40 103	0.38 282	0.61 208	0.41 105	0.27 159	0.47 133	0.35 139	0.62 37	1.04 271	0.57 66	0.54 45	0.38 36	0.36 79	0.56 66	0.41 153	0.20 211	0.13 141	0.16 57	0.17 158	0.24 249	0.20 193
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CFNet-RSSM	0.35 37	0.18 14	0.47 102	0.39 61	0.22 30	0.35 74	0.23 20	0.78 144	0.86 186	0.67 110	0.54 45	0.56 97	0.28 27	0.49 47	0.28 29	0.14 18	0.10 8	0.14 13	0.12 26	0.13 14	0.12 10

PMTNet	0.33 30	0.17 8	0.26 4	0.29 2	0.18 5	0.44 127	0.22 11	0.57 26	0.66 96	0.46 44	0.54 45	0.38 36	0.34 71	0.50 49	0.25 3	0.75 378	0.10 8	0.12 2	0.09 4	0.13 14	0.12 10

AE-Stereo	0.36 43	0.21 74	0.47 102	0.49 258	0.31 228	0.50 139	0.34 117	0.72 110	0.73 127	0.34 13	0.55 50	0.52 83	0.28 27	0.48 41	0.31 58	0.13 9	0.13 141	0.18 116	0.16 116	0.15 66	0.14 49

11t1	0.38 77	0.23 120	0.49 123	0.36 27	0.23 56	0.61 192	0.31 88	0.74 129	0.47 54	0.62 78	0.55 50	0.55 91	0.49 149	0.58 74	0.45 170	0.18 157	0.15 191	0.16 57	0.13 49	0.17 127	0.19 166

raftrobust	0.35 37	0.20 54	0.39 36	0.43 167	0.29 199	0.31 51	0.25 30	0.73 123	0.66 96	0.59 70	0.56 52	0.44 55	0.45 132	0.55 62	0.31 58	0.16 99	0.12 86	0.14 13	0.12 26	0.12 2	0.14 49

IGEV_Zeroshot_test	0.36 43	0.19 33	0.71 252	0.41 105	0.29 199	0.30 39	0.25 30	0.86 166	0.40 29	0.64 95	0.57 53	0.56 97	0.25 12	0.56 66	0.29 37	0.15 67	0.11 39	0.16 57	0.14 69	0.14 36	0.14 49

riskmin	0.41 117	0.21 74	0.44 79	0.34 9	0.24 77	0.58 184	0.32 100	0.70 93	0.86 186	0.52 54	0.57 53	0.78 214	0.60 194	0.58 74	0.39 128	0.17 125	0.12 86	0.19 148	0.13 49	0.19 185	0.22 224

MyStereo04	0.45 148	0.23 120	0.52 159	0.43 167	0.29 199	0.40 101	0.48 249	1.02 217	1.12 297	0.62 78	0.58 55	0.55 91	0.56 175	0.77 208	0.45 170	0.14 18	0.13 141	0.19 148	0.17 158	0.18 151	0.17 135

s12784h	0.37 61	0.15 2	0.26 4	0.34 9	0.15 1	0.80 264	0.29 57	0.83 159	0.87 190	0.58 69	0.58 55	0.43 52	0.41 112	0.59 79	0.35 90	0.12 4	0.10 8	0.14 13	0.09 4	0.14 36	0.10 1

HH	0.37 61	0.22 97	0.49 123	0.41 105	0.26 130	0.36 78	0.30 69	0.87 167	0.41 34	0.45 40	0.59 57	0.78 214	0.43 120	0.77 208	0.26 8	0.15 67	0.11 39	0.15 41	0.14 69	0.14 36	0.14 49

HanStereo	0.37 61	0.22 97	0.49 123	0.41 105	0.26 130	0.36 78	0.30 69	0.87 167	0.41 34	0.45 40	0.59 57	0.78 214	0.43 120	0.77 208	0.26 8	0.15 67	0.11 39	0.15 41	0.14 69	0.14 36	0.14 49

UDGNet	0.50 191	0.82 364	0.56 185	0.51 281	0.32 245	0.41 110	0.34 117	0.71 100	0.93 222	0.65 99	0.60 59	0.58 115	0.44 125	0.65 139	0.43 158	0.33 326	0.15 191	0.67 375	0.20 227	0.49 351	0.23 243

MIPNet	0.39 89	0.22 97	0.66 228	0.40 87	0.25 101	0.53 154	0.29 57	0.78 144	0.74 132	0.68 117	0.60 59	0.40 40	0.48 145	0.45 25	0.39 128	0.14 18	0.11 39	0.16 57	0.13 49	0.14 36	0.14 49

Gwc-CoAtRS	0.35 37	0.18 14	0.46 91	0.39 61	0.23 56	0.34 72	0.22 11	0.74 129	0.77 139	0.62 78	0.60 59	0.58 115	0.29 41	0.47 34	0.29 37	0.14 18	0.11 39	0.14 13	0.12 26	0.13 14	0.13 31

Anonymous_2	0.84 314	0.45 307	0.66 228	0.41 105	0.45 324	0.82 272	0.53 274	0.81 153	0.81 162	0.73 141	0.61 62	0.91 255	0.76 274	0.77 208	0.61 233	0.51 366	0.55 382	0.54 369	4.92 417	0.54 361	0.42 340

MC-Stereo	0.29 9	0.18 14	0.35 19	0.40 87	0.21 25	0.26 18	0.26 40	0.53 16	0.40 29	0.38 18	0.61 62	0.41 44	0.31 54	0.57 70	0.27 23	0.14 18	0.10 8	0.14 13	0.12 26	0.12 2	0.12 10

MyStereo05	0.46 153	0.22 97	0.51 140	0.42 130	0.29 199	0.43 121	0.48 249	0.96 201	1.12 297	0.77 164	0.62 64	0.51 80	0.57 184	0.79 218	0.43 158	0.14 18	0.13 141	0.18 116	0.17 158	0.17 127	0.17 135

MIF-Stereo (partial)	0.32 26	0.19 33	0.41 50	0.41 105	0.32 245	0.29 35	0.24 23	0.49 9	0.44 43	0.31 7	0.63 65	0.37 33	0.36 79	0.60 89	0.32 64	0.17 125	0.13 141	0.19 148	0.17 158	0.18 151	0.15 78

EKT-Stereo	0.36 43	0.24 139	0.44 79	0.44 188	0.30 218	0.37 86	0.30 69	0.72 110	0.68 103	0.47 46	0.63 65	0.49 76	0.28 27	0.59 79	0.34 83	0.19 192	0.14 172	0.18 116	0.15 90	0.16 103	0.18 157

NRIStereo	0.37 61	0.21 74	0.49 123	0.42 130	0.23 56	0.33 66	0.25 30	0.68 72	0.59 74	0.65 99	0.63 65	0.55 91	0.37 83	0.67 156	0.40 148	0.16 99	0.12 86	0.18 116	0.15 90	0.17 127	0.15 78

MSKI-zero shot	0.33 30	0.19 33	0.36 25	0.41 105	0.22 30	0.32 60	0.22 11	0.65 54	0.45 47	0.52 54	0.64 68	0.60 127	0.19 3	0.78 216	0.27 23	0.14 18	0.11 39	0.14 13	0.10 10	0.13 14	0.13 31

OMP-Stereo	0.43 136	0.23 120	0.50 132	0.53 302	0.25 101	0.36 78	0.24 23	0.73 123	0.81 162	0.78 175	0.64 68	0.88 242	0.41 112	0.95 268	0.36 99	0.15 67	0.12 86	0.20 177	0.15 90	0.16 103	0.13 31

RCA-Stereo	0.36 43	0.18 14	0.37 27	0.38 45	0.23 56	0.31 51	0.33 109	0.70 93	1.25 327	0.45 40	0.65 70	0.46 65	0.43 120	0.40 14	0.29 37	0.14 18	0.10 8	0.14 13	0.12 26	0.12 2	0.12 10

Anonymous3	0.47 162	0.35 268	0.91 305	0.50 269	0.38 283	0.81 269	0.55 284	0.76 136	0.66 96	0.52 54	0.65 70	0.44 55	0.45 132	0.66 147	0.39 128	0.25 274	0.25 310	0.22 230	0.21 244	0.23 241	0.24 251

RALAANet	0.40 103	0.24 139	0.56 185	0.43 167	0.30 218	0.36 78	0.25 30	0.89 173	0.69 108	0.69 120	0.65 70	0.61 129	0.30 51	0.63 126	0.35 90	0.16 99	0.13 141	0.18 116	0.15 90	0.21 209	0.14 49

test croco	0.32 26	0.21 74	0.59 202	0.40 87	0.29 199	0.27 25	0.30 69	0.46 6	0.36 11	0.32 10	0.66 73	0.31 7	0.33 65	0.68 164	0.32 64	0.18 157	0.13 141	0.20 177	0.15 90	0.18 151	0.13 31

DLNR_Zeroshot_test	20.12 420	36.36 429	38.38 425	170.13 438	62.28 434	0.22 4	0.20 1	13.43 420	0.40 29	0.45 40	0.66 73	0.42 46	0.21 5	0.64 133	0.32 64	5.57 419	0.10 8	0.15 41	0.11 15	72.31 437	0.13 31

dd	0.44 142	0.40 294	0.62 213	0.44 188	0.26 130	0.51 144	0.38 171	0.72 110	1.07 284	0.60 72	0.66 73	0.43 52	0.40 108	0.68 164	0.53 210	0.24 262	0.15 191	0.21 218	0.16 116	0.24 249	0.19 166

rafts_anoy	0.38 77	0.22 97	0.38 33	0.43 167	0.28 180	0.32 60	0.32 100	0.70 93	0.91 214	0.59 70	0.66 73	0.45 62	0.33 65	0.49 47	0.41 153	0.16 99	0.12 86	0.21 218	0.23 271	0.18 151	0.16 98

iRaftStereo_RVC	0.33 30	0.20 54	0.40 45	0.40 87	0.23 56	0.31 51	0.29 57	0.70 93	0.55 66	0.49 49	0.66 73	0.37 33	0.23 7	0.47 34	0.33 74	0.14 18	0.11 39	0.19 148	0.17 158	0.16 103	0.13 31

DeepStereo_RVC	0.37 61	0.22 97	0.51 140	0.41 105	0.24 77	0.26 18	0.22 11	0.64 53	0.40 29	0.69 120	0.67 78	0.57 100	0.50 151	0.58 74	0.42 156	0.17 125	0.12 86	0.18 116	0.16 116	0.19 185	0.19 166

test-1	0.37 61	0.20 54	0.76 269	0.47 241	0.27 159	0.44 127	0.36 146	0.63 43	0.65 93	0.49 49	0.67 78	0.54 89	0.35 74	0.42 18	0.30 48	0.14 18	0.12 86	0.16 57	0.14 69	0.15 66	0.18 157

knoymous	0.37 61	0.22 97	0.34 13	0.32 6	0.22 30	0.38 91	0.29 57	0.63 43	0.65 93	0.69 120	0.69 80	0.60 127	0.40 108	0.61 95	0.36 99	0.17 125	0.11 39	0.20 177	0.12 26	0.18 151	0.19 166

TANstereo	0.31 23	0.16 4	0.34 13	0.31 4	0.17 2	0.55 165	0.23 20	0.46 6	0.56 67	0.60 72	0.69 80	0.37 33	0.26 17	0.36 4	0.28 29	0.16 99	0.16 212	0.13 8	0.10 10	0.14 36	0.15 78

XX-TBD	0.32 26	0.53 325	0.26 4	0.53 302	0.21 25	0.38 91	0.24 23	0.41 2	0.77 139	0.55 62	0.70 82	0.31 7	0.26 17	0.33 3	0.28 29	0.16 99	0.10 8	0.12 2	0.09 4	0.13 14	0.11 3

qqq	0.42 124	0.28 220	0.50 132	0.37 35	0.22 30	0.47 133	0.39 184	0.91 179	0.59 74	0.57 66	0.71 83	0.65 150	0.56 175	0.59 79	0.48 186	0.17 125	0.17 238	0.20 177	0.19 208	0.18 151	0.19 166

x	0.41 117	0.25 167	0.46 91	0.36 27	0.24 77	0.54 160	0.31 88	0.94 194	0.58 73	0.60 72	0.72 84	0.61 129	0.53 160	0.52 52	0.50 195	0.18 157	0.16 212	0.17 85	0.16 116	0.17 127	0.18 157

GANet-ADL	0.44 142	0.27 207	0.48 115	0.44 188	0.30 218	0.54 160	0.36 146	0.94 194	0.88 200	0.64 95	0.72 84	0.68 169	0.44 125	0.55 62	0.44 165	0.22 242	0.15 191	0.15 41	0.13 49	0.18 151	0.21 209

Any-RAFT	0.36 43	0.17 8	0.31 10	0.35 12	0.21 25	0.51 144	0.21 5	0.93 189	0.75 134	0.56 64	0.73 86	0.66 162	0.29 41	0.48 41	0.25 3	0.15 67	0.10 8	0.13 8	0.10 10	0.13 14	0.13 31

Patchmatch Stereo++	0.36 43	0.24 139	0.51 140	0.42 130	0.22 30	0.24 7	0.21 5	0.63 43	0.39 21	0.63 85	0.73 86	0.57 100	0.38 90	0.61 95	0.39 128	0.18 157	0.12 86	0.20 177	0.16 116	0.21 209	0.16 98
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.36 43	0.24 139	0.51 140	0.42 130	0.22 30	0.24 7	0.31 88	0.63 43	0.39 21	0.63 85	0.73 86	0.57 100	0.38 90	0.59 79	0.38 120	0.18 157	0.12 86	0.20 177	0.16 116	0.21 209	0.16 98

ROB_FTStereo_v2	0.36 43	0.24 139	0.51 140	0.42 130	0.22 30	0.24 7	0.31 88	0.63 43	0.39 21	0.63 85	0.73 86	0.57 100	0.38 90	0.60 89	0.39 128	0.18 157	0.12 86	0.20 177	0.16 116	0.21 209	0.16 98

ROB_FTStereo	0.36 43	0.24 139	0.51 140	0.42 130	0.22 30	0.24 7	0.20 1	0.63 43	0.39 21	0.63 85	0.73 86	0.57 100	0.38 90	0.60 89	0.38 120	0.18 157	0.12 86	0.20 177	0.16 116	0.21 209	0.16 98

HUI-Stereo	0.36 43	0.24 139	0.51 140	0.42 130	0.22 30	0.24 7	0.22 11	0.63 43	0.40 29	0.64 95	0.73 86	0.58 115	0.38 90	0.53 54	0.38 120	0.18 157	0.12 86	0.20 177	0.16 116	0.21 209	0.16 98

iGMRVC	0.36 43	0.24 139	0.51 140	0.42 130	0.22 30	0.24 7	0.29 57	0.63 43	0.39 21	0.63 85	0.73 86	0.57 100	0.38 90	0.61 95	0.39 128	0.18 157	0.12 86	0.20 177	0.16 116	0.21 209	0.16 98

iRAFT	0.36 43	0.24 139	0.51 140	0.42 130	0.22 30	0.24 7	0.21 5	0.63 43	0.39 21	0.63 85	0.73 86	0.57 100	0.38 90	0.61 95	0.39 128	0.18 157	0.12 86	0.20 177	0.16 116	0.21 209	0.16 98

CRE-IMP	0.37 61	0.23 120	0.53 166	0.42 130	0.24 77	0.40 101	0.21 5	0.61 35	0.45 47	0.65 99	0.73 86	0.53 87	0.37 83	0.63 126	0.40 148	0.18 157	0.11 39	0.19 148	0.16 116	0.21 209	0.19 166

RAFT-IKP	0.36 43	0.24 139	0.51 140	0.42 130	0.22 30	0.24 7	0.27 42	0.63 43	0.39 21	0.63 85	0.73 86	0.57 100	0.38 90	0.61 95	0.39 128	0.18 157	0.12 86	0.20 177	0.16 116	0.21 209	0.16 98

FENet	0.43 136	0.23 120	0.40 45	0.40 87	0.24 77	0.54 160	0.33 109	0.83 159	0.72 118	0.74 148	0.73 86	0.63 139	0.56 175	0.65 139	0.45 170	0.19 192	0.13 141	0.19 148	0.17 158	0.18 151	0.20 193

PFNet	0.43 136	0.19 33	0.61 208	0.44 188	0.24 77	0.42 117	0.31 88	0.76 136	0.81 162	1.01 285	0.74 97	0.67 166	0.41 112	0.75 193	0.39 128	0.16 99	0.10 8	0.20 177	0.15 90	0.16 103	0.14 49

RALCasStereoNet	0.37 61	0.23 120	0.41 50	0.44 188	0.28 180	0.36 78	0.38 171	0.66 56	0.67 102	0.51 52	0.74 97	0.51 80	0.29 41	0.64 133	0.38 120	0.17 125	0.14 172	0.15 41	0.13 49	0.17 127	0.17 135

Pruner-Stereo	0.39 89	0.21 74	0.51 140	0.41 105	0.25 101	0.22 4	0.24 23	0.71 100	0.59 74	0.90 239	0.75 99	0.67 166	0.30 51	0.64 133	0.39 128	0.19 192	0.12 86	0.20 177	0.17 158	0.17 127	0.19 166

ARAFT	0.48 171	0.25 167	0.82 282	0.42 130	0.25 101	0.56 170	0.54 280	0.82 157	0.82 170	0.92 247	0.75 99	0.75 201	0.48 145	0.89 248	0.37 107	0.15 67	0.12 86	0.23 244	0.22 262	0.14 36	0.14 49

EAI-Stereo	0.36 43	0.21 74	0.46 91	0.40 87	0.22 30	0.33 66	0.36 146	1.22 286	0.32 3	0.52 54	0.75 99	0.35 26	0.28 27	0.65 139	0.30 48	0.14 18	0.11 39	0.14 13	0.14 69	0.14 36	0.13 31

ADStereo(finetuned)	0.39 89	0.18 14	0.58 194	0.35 12	0.19 8	0.30 39	0.30 69	0.72 110	0.96 240	0.72 134	0.77 102	0.45 62	0.68 237	0.46 29	0.36 99	0.14 18	0.10 8	0.14 13	0.11 15	0.13 14	0.15 78

IPLGR	0.40 103	0.22 97	0.70 249	0.40 87	0.22 30	0.51 144	0.29 57	0.78 144	0.78 142	0.80 179	0.77 102	0.44 55	0.41 112	0.48 41	0.40 148	0.14 18	0.12 86	0.16 57	0.14 69	0.16 103	0.14 49

NF-Stereo	0.39 89	0.21 74	0.51 140	0.42 130	0.25 101	0.26 18	0.30 69	0.71 100	0.72 118	0.66 103	0.77 102	0.57 100	0.31 54	0.69 170	0.39 128	0.18 157	0.12 86	0.20 177	0.16 116	0.16 103	0.27 271

OCTAStereo	0.39 89	0.21 74	0.51 140	0.42 130	0.25 101	0.26 18	0.30 69	0.71 100	0.72 118	0.66 103	0.77 102	0.58 115	0.31 54	0.69 170	0.39 128	0.18 157	0.12 86	0.20 177	0.16 116	0.16 103	0.27 271

RE-Stereo	0.39 89	0.21 74	0.51 140	0.42 130	0.25 101	0.26 18	0.30 69	0.71 100	0.72 118	0.66 103	0.77 102	0.57 100	0.31 54	0.70 177	0.39 128	0.18 157	0.12 86	0.20 177	0.16 116	0.16 103	0.27 271

TVStereo	0.39 89	0.21 74	0.51 140	0.42 130	0.25 101	0.26 18	0.30 69	0.71 100	0.72 118	0.66 103	0.77 102	0.57 100	0.31 54	0.70 177	0.39 128	0.18 157	0.12 86	0.20 177	0.16 116	0.16 103	0.27 271

cross-raft	0.34 35	0.20 54	0.38 33	0.45 200	0.24 77	0.32 60	0.35 139	0.77 141	0.42 38	0.62 78	0.77 102	0.58 115	0.27 22	0.46 29	0.31 58	0.12 4	0.10 8	0.15 41	0.13 49	0.15 66	0.12 10

DCANet	0.38 77	0.18 14	0.46 91	0.35 12	0.19 8	0.30 39	0.30 69	0.72 110	0.96 240	0.72 134	0.77 102	0.45 62	0.56 175	0.47 34	0.36 99	0.14 18	0.10 8	0.14 13	0.11 15	0.13 14	0.15 78

GwcNet-ADL	0.45 148	0.24 139	0.51 140	0.46 223	0.30 218	0.41 110	0.40 194	0.95 197	0.98 249	0.73 141	0.78 110	0.61 129	0.41 112	0.67 156	0.55 215	0.20 211	0.14 172	0.15 41	0.14 69	0.19 185	0.22 224

RAFT_R40	0.41 117	0.20 54	0.47 102	0.44 188	0.25 101	0.23 6	0.25 30	0.69 83	0.70 110	0.98 277	0.78 110	0.72 189	0.43 120	0.80 220	0.39 128	0.17 125	0.11 39	0.20 177	0.16 116	0.18 151	0.15 78

TestStereo	0.39 89	0.32 253	0.42 58	0.45 200	0.20 18	0.41 110	0.38 171	0.69 83	0.66 96	0.56 64	0.78 110	0.48 72	0.43 120	0.59 79	0.37 107	0.18 157	0.13 141	0.20 177	0.15 90	0.23 241	0.14 49

raft+_RVC	0.38 77	0.20 54	0.38 33	0.39 61	0.27 159	0.44 127	0.35 139	0.81 153	0.90 208	0.52 54	0.78 110	0.50 77	0.29 41	0.56 66	0.41 153	0.15 67	0.12 86	0.17 85	0.15 90	0.14 36	0.13 31

LL-Strereo	0.58 251	0.29 230	0.83 286	0.48 249	0.35 271	0.39 96	0.48 249	1.04 223	0.99 252	0.87 217	0.79 114	1.08 296	1.15 345	1.35 339	0.51 197	0.18 157	0.15 191	0.22 230	0.19 208	0.17 127	0.21 209

gwcnet-sp	0.50 191	0.25 167	0.84 289	0.41 105	0.27 159	0.79 258	0.40 194	0.93 189	0.85 180	0.95 259	0.79 114	0.65 150	0.63 205	0.69 170	0.52 201	0.18 157	0.17 238	0.18 116	0.18 184	0.18 151	0.19 166

scenet	0.50 191	0.25 167	0.84 289	0.41 105	0.27 159	0.79 258	0.40 194	0.93 189	0.85 180	0.95 259	0.79 114	0.65 150	0.63 205	0.69 170	0.52 201	0.18 157	0.17 238	0.18 116	0.18 184	0.18 151	0.19 166

ssnet	0.50 191	0.25 167	0.84 289	0.41 105	0.27 159	0.79 258	0.40 194	0.93 189	0.85 180	0.95 259	0.79 114	0.65 150	0.63 205	0.69 170	0.52 201	0.18 157	0.17 238	0.18 116	0.18 184	0.18 151	0.19 166

DCANet-4	0.38 77	0.22 97	0.58 194	0.35 12	0.19 8	0.30 39	0.30 69	0.69 83	0.97 245	0.70 124	0.79 114	0.40 40	0.46 138	0.46 29	0.37 107	0.14 18	0.10 8	0.14 13	0.11 15	0.12 2	0.15 78

fff	0.39 89	0.18 14	0.46 91	0.35 12	0.19 8	0.30 39	0.30 69	0.73 123	1.08 289	0.70 124	0.79 114	0.44 55	0.62 200	0.47 34	0.37 107	0.14 18	0.10 8	0.14 13	0.11 15	0.12 2	0.15 78

PFNet+	0.41 117	0.20 54	0.53 166	0.40 87	0.25 101	0.28 31	0.22 11	0.66 56	0.76 137	0.85 205	0.79 114	0.63 139	0.34 71	0.75 193	0.37 107	0.20 211	0.14 172	0.23 244	0.20 227	0.17 127	0.21 209

SST-Stereo	0.41 117	0.20 54	0.48 115	0.43 167	0.25 101	0.25 16	0.21 5	0.68 72	0.50 60	1.08 313	0.79 114	0.71 174	0.42 117	0.81 224	0.38 120	0.17 125	0.11 39	0.20 177	0.16 116	0.19 185	0.15 78

csc	0.39 89	0.18 14	0.46 91	0.35 12	0.19 8	0.30 39	0.30 69	0.73 123	1.08 289	0.70 124	0.79 114	0.44 55	0.62 200	0.47 34	0.37 107	0.14 18	0.10 8	0.14 13	0.11 15	0.12 2	0.15 78

cscssc	0.39 89	0.18 14	0.46 91	0.35 12	0.19 8	0.30 39	0.30 69	0.73 123	1.08 289	0.70 124	0.79 114	0.44 55	0.62 200	0.47 34	0.37 107	0.14 18	0.10 8	0.14 13	0.11 15	0.12 2	0.15 78

BUS	0.47 162	0.26 195	0.47 102	0.46 223	0.29 199	0.78 252	0.34 117	0.99 208	0.80 153	0.77 164	0.80 124	0.64 146	0.54 164	0.66 147	0.56 217	0.21 226	0.15 191	0.22 230	0.19 208	0.18 151	0.19 166

BSDual-CNN	0.48 171	0.26 195	0.47 102	0.46 223	0.29 199	0.75 249	0.46 239	0.99 208	0.80 153	0.77 164	0.80 124	0.76 207	0.59 191	0.66 147	0.48 186	0.21 226	0.15 191	0.22 230	0.19 208	0.18 151	0.19 166

hknet	0.51 201	0.26 195	0.58 194	0.46 223	0.29 199	0.75 249	0.46 239	0.99 208	0.89 204	0.77 164	0.80 124	0.96 264	0.67 229	0.75 193	0.50 195	0.19 192	0.15 191	0.22 230	0.19 208	0.18 151	0.19 166

PSMNet-ADL	0.50 191	0.28 220	0.43 74	0.49 258	0.31 228	0.70 235	0.38 171	0.94 194	0.81 162	0.62 78	0.80 124	0.91 255	0.62 200	0.76 201	0.68 249	0.24 262	0.18 247	0.19 148	0.20 227	0.22 227	0.22 224

IRAFT_RVC	0.43 136	0.20 54	0.52 159	0.45 200	0.24 77	0.26 18	0.51 265	0.76 136	0.78 142	0.77 164	0.80 124	0.73 193	0.50 151	0.74 188	0.39 128	0.18 157	0.10 8	0.21 218	0.17 158	0.17 127	0.15 78

CREStereo++_RVC	0.32 26	0.16 4	0.25 1	0.32 6	0.24 77	0.27 25	0.22 11	0.48 8	0.89 204	0.47 46	0.80 124	0.29 4	0.25 12	0.37 5	0.34 83	0.14 18	0.09 2	0.13 8	0.52 375	0.14 36	0.10 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
CBFPSM	0.61 265	0.25 167	1.41 352	0.39 61	0.27 159	1.10 322	0.67 313	0.83 159	0.84 176	0.82 184	0.81 130	1.33 330	0.85 297	0.72 186	0.86 280	0.16 99	0.15 191	0.15 41	0.17 158	0.17 127	0.23 243

ssnet_v2	0.61 265	0.29 230	0.69 247	0.45 200	0.30 218	0.93 293	0.62 305	1.20 277	1.03 267	0.97 274	0.81 130	0.98 267	0.67 229	0.84 235	0.97 307	0.26 279	0.23 294	0.23 244	0.24 285	0.20 200	0.21 209

IPLG	0.40 103	0.21 74	0.64 221	0.41 105	0.25 101	0.54 160	0.27 42	0.77 141	0.68 103	0.85 205	0.82 132	0.33 19	0.32 60	0.64 133	0.49 193	0.13 9	0.11 39	0.16 57	0.14 69	0.14 36	0.14 49

PSM-softLoss	0.40 103	0.21 74	0.53 166	0.42 130	0.26 130	0.29 35	0.34 117	0.70 93	0.49 57	0.63 85	0.82 132	0.59 124	0.33 65	0.75 193	0.43 158	0.20 211	0.12 86	0.20 177	0.18 184	0.17 127	0.22 224

KMStereo	0.40 103	0.21 74	0.53 166	0.42 130	0.26 130	0.29 35	0.34 117	0.70 93	0.49 57	0.63 85	0.82 132	0.59 124	0.33 65	0.75 193	0.43 158	0.20 211	0.12 86	0.20 177	0.18 184	0.17 127	0.22 224

RAFT	0.46 153	0.23 120	0.52 159	0.48 249	0.27 159	0.55 165	0.47 244	0.68 72	0.60 81	0.83 189	0.82 132	1.00 272	0.56 175	0.76 201	0.37 107	0.18 157	0.16 212	0.22 230	0.20 227	0.16 103	0.14 49

HCRNet	0.46 153	0.35 268	0.45 84	0.54 311	0.26 130	0.52 151	0.29 57	0.87 167	0.64 88	0.75 151	0.82 132	0.76 207	0.53 160	0.70 177	0.38 120	0.24 262	0.16 212	0.24 257	0.20 227	0.21 209	0.20 193

GES	0.46 153	0.25 167	0.62 213	0.41 105	0.30 218	0.62 196	0.37 158	1.06 234	0.70 110	0.75 151	0.83 137	0.47 69	0.52 159	0.69 170	0.46 174	0.23 256	0.17 238	0.17 85	0.16 116	0.18 151	0.24 251

DMCA	0.47 162	0.27 207	0.59 202	0.39 61	0.29 199	0.53 154	0.34 117	0.98 205	0.70 110	0.78 175	0.83 137	0.79 220	0.55 167	0.54 61	0.57 221	0.21 226	0.16 212	0.21 218	0.16 116	0.19 185	0.22 224

GASNet	0.70 284	0.77 361	1.16 330	0.71 363	0.49 336	0.62 196	0.48 249	1.12 250	1.05 273	0.98 277	0.84 139	0.94 260	0.82 288	1.41 343	0.85 279	0.33 326	0.22 287	0.29 308	0.28 314	0.44 341	0.26 263

GMOStereo	0.38 77	0.19 33	0.42 58	0.43 167	0.24 77	0.40 101	0.39 184	0.55 19	0.64 88	0.89 232	0.84 139	0.65 150	0.37 83	0.39 8	0.29 37	0.14 18	0.12 86	0.20 177	0.18 184	0.15 66	0.12 10

error version	0.38 77	0.19 33	0.42 58	0.43 167	0.24 77	0.40 101	0.39 184	0.55 19	0.64 88	0.89 232	0.84 139	0.65 150	0.37 83	0.39 8	0.29 37	0.14 18	0.12 86	0.20 177	0.18 184	0.15 66	0.12 10

test-v	0.38 77	0.19 33	0.42 58	0.43 167	0.24 77	0.40 101	0.39 184	0.55 19	0.64 88	0.89 232	0.84 139	0.65 150	0.37 83	0.39 8	0.29 37	0.14 18	0.12 86	0.20 177	0.18 184	0.15 66	0.12 10

test-2	0.38 77	0.19 33	0.42 58	0.43 167	0.24 77	0.40 101	0.39 184	0.55 19	0.64 88	0.89 232	0.84 139	0.65 150	0.37 83	0.39 8	0.29 37	0.14 18	0.12 86	0.20 177	0.18 184	0.15 66	0.12 10

DSFCA	0.57 240	0.27 207	0.71 252	0.41 105	0.36 276	0.78 252	0.53 274	1.08 241	0.85 180	1.08 313	0.84 139	0.90 249	0.66 220	1.05 297	0.63 240	0.26 279	0.22 287	0.21 218	0.21 244	0.22 227	0.20 193

FADNet	0.63 274	0.53 325	1.20 332	0.46 223	0.44 317	0.66 220	0.41 214	1.24 290	1.07 284	0.70 124	0.84 139	0.98 267	0.65 218	0.87 241	0.54 213	0.29 303	0.30 332	0.27 290	0.30 319	0.48 348	0.36 316

RAFT-Test	0.35 37	0.19 33	0.42 58	0.39 61	0.24 77	0.50 139	0.23 20	0.74 129	0.44 43	0.62 78	0.85 146	0.64 146	0.28 27	0.48 41	0.30 48	0.14 18	0.11 39	0.14 13	0.11 15	0.13 14	0.13 31

ToySt	0.52 211	0.27 207	0.93 306	0.42 130	0.28 180	0.67 229	0.56 287	0.88 172	0.79 148	0.61 76	0.85 146	0.92 258	0.70 244	0.72 186	0.61 233	0.16 99	0.17 238	0.21 218	0.21 244	0.22 227	0.21 209

SFCPSM	0.48 171	0.22 97	0.59 202	0.41 105	0.27 159	0.85 281	0.36 146	1.39 333	0.79 148	0.81 183	0.85 146	0.54 89	0.50 151	0.60 89	0.39 128	0.18 157	0.14 172	0.18 116	0.20 227	0.17 127	0.16 98

ac_64	0.54 222	0.24 139	0.58 194	0.46 223	0.28 180	0.79 258	0.44 232	1.11 249	0.63 84	0.94 254	0.85 146	1.06 291	0.70 244	0.76 201	0.72 256	0.22 242	0.18 247	0.20 177	0.19 208	0.18 151	0.16 98

CASS	0.46 153	0.28 220	0.45 84	0.48 249	0.22 30	0.63 201	0.34 117	0.99 208	0.66 96	0.76 156	0.86 150	0.61 129	0.58 187	0.58 74	0.44 165	0.29 303	0.16 212	0.22 230	0.18 184	0.23 241	0.28 280
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
AAGNet	1.40 368	0.20 54	0.52 159	0.45 200	0.26 130	0.29 35	0.29 57	0.67 67	0.71 116	0.97 274	0.86 150	0.66 162	0.60 194	0.66 147	19.98 418	0.17 125	0.11 39	0.19 148	0.15 90	0.20 200	0.13 31

GEStereo_RVC	0.56 236	0.30 244	0.70 249	0.51 281	0.31 228	0.70 235	0.54 280	1.31 315	0.93 222	0.85 205	0.86 150	0.84 229	0.63 205	0.92 257	0.67 246	0.24 262	0.16 212	0.19 148	0.17 158	0.21 209	0.23 243

FADNet-RVC	0.62 271	0.56 339	1.29 341	0.47 241	0.39 292	0.63 201	0.40 194	1.16 263	0.91 214	0.71 133	0.86 150	1.04 284	0.55 167	0.99 284	0.78 264	0.27 288	0.26 319	0.28 300	0.29 318	0.32 299	0.31 296

DIP-Stereo	0.40 103	0.22 97	0.58 194	0.42 130	0.29 199	0.62 196	0.27 42	0.87 167	0.42 38	0.65 99	0.86 150	0.52 83	0.35 74	0.67 156	0.43 158	0.15 67	0.13 141	0.17 85	0.14 69	0.15 66	0.17 135
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HITNet	0.43 136	0.27 207	0.50 132	0.34 9	0.18 5	0.65 215	0.32 100	0.99 208	0.70 110	0.73 141	0.86 150	0.66 162	0.56 175	0.61 95	0.47 183	0.14 18	0.10 8	0.15 41	0.13 49	0.18 151	0.13 31
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
DisPM	0.40 103	0.20 54	0.50 132	0.42 130	0.27 159	0.24 7	0.30 69	0.68 72	0.61 83	0.88 225	0.87 156	0.59 124	0.32 60	0.80 220	0.34 83	0.19 192	0.12 86	0.19 148	0.17 158	0.16 103	0.21 209

RAFT + AFF	0.54 222	0.30 244	0.84 289	0.51 281	0.32 245	0.63 201	0.57 289	1.05 229	0.95 233	0.80 179	0.87 156	0.85 231	0.57 184	0.87 241	0.51 197	0.18 157	0.21 278	0.23 244	0.22 262	0.19 185	0.19 166

FADNet-RVC-Resample	0.58 251	0.35 268	1.34 347	0.50 269	0.34 266	0.73 242	0.43 226	1.09 244	0.96 240	0.83 189	0.87 156	0.76 207	0.66 220	0.77 208	0.52 201	0.19 192	0.18 247	0.26 282	0.27 308	0.28 280	0.29 285

raft_robust	0.41 117	0.24 139	0.39 36	0.43 167	0.22 30	0.40 101	0.33 109	0.80 151	0.98 249	0.80 179	0.88 159	0.41 44	0.32 60	0.89 248	0.30 48	0.14 18	0.12 86	0.16 57	0.18 184	0.15 66	0.13 31

DMCA-RVC	0.54 222	0.32 253	0.83 286	0.51 281	0.32 245	0.59 190	0.38 171	0.89 173	0.70 110	0.95 259	0.88 159	0.90 249	0.69 239	0.75 193	0.63 240	0.23 256	0.18 247	0.31 318	0.24 285	0.27 273	0.21 209

BEATNet_4x	0.49 180	0.35 268	0.72 258	0.38 45	0.20 18	0.65 215	0.36 146	1.08 241	0.78 142	0.78 175	0.88 159	0.73 193	0.64 212	0.71 182	0.60 229	0.16 99	0.12 86	0.16 57	0.15 90	0.24 249	0.18 157

iRaft-Stereo_5w	0.46 153	0.22 97	0.53 166	0.43 167	0.30 218	0.30 39	0.53 274	0.66 56	0.71 116	0.62 78	0.89 162	1.01 276	0.67 229	0.76 201	0.67 246	0.13 9	0.12 86	0.17 85	0.15 90	0.15 66	0.17 135

UCFNet_RVC	0.50 191	0.27 207	0.37 27	0.40 87	0.27 159	0.66 220	0.42 219	1.18 271	0.86 186	0.70 124	0.89 162	0.91 255	0.60 194	0.62 117	0.48 186	0.24 262	0.18 247	0.28 300	0.27 308	0.25 258	0.24 251

RAFT+CT+SA	0.40 103	0.24 139	0.40 45	0.53 302	0.27 159	0.28 31	0.45 236	0.79 149	0.81 162	0.51 52	0.90 164	0.42 46	0.39 103	0.81 224	0.33 74	0.15 67	0.11 39	0.18 116	0.18 184	0.15 66	0.15 78

UNet	0.55 227	0.27 207	0.72 258	0.45 200	0.41 300	0.97 300	0.40 194	1.01 215	0.80 153	0.87 217	0.90 164	1.03 280	0.75 265	0.76 201	0.67 246	0.19 192	0.15 191	0.20 177	0.17 158	0.21 209	0.18 157

FADNet_RVC	0.58 251	0.39 286	1.26 336	0.45 200	0.32 245	0.55 165	0.34 117	1.12 250	0.90 208	0.68 117	0.90 164	0.61 129	0.71 249	1.03 295	0.80 272	0.21 226	0.18 247	0.27 290	0.23 271	0.33 303	0.30 289

RYNet	0.76 300	0.37 278	0.74 266	0.54 311	0.67 366	1.35 347	0.68 316	1.28 308	1.21 324	1.10 320	0.90 164	1.31 323	0.94 320	1.01 290	1.30 341	0.22 242	0.16 212	0.27 290	0.23 271	0.43 338	0.45 350

PA-Net	0.70 284	0.46 312	0.96 312	0.51 281	0.53 345	0.94 295	0.73 330	1.14 258	1.15 310	0.83 189	0.90 164	0.88 242	0.76 274	1.19 316	0.96 304	0.25 274	0.41 369	0.29 308	0.44 361	0.27 273	0.39 325
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NVstereo2D	0.62 271	0.32 253	0.82 282	0.50 269	0.44 317	0.88 286	0.48 249	1.12 250	1.17 315	0.67 110	0.90 164	0.90 249	0.69 239	1.02 293	0.69 250	0.33 326	0.16 212	0.29 308	0.20 227	0.43 338	0.46 354

test_5	0.44 142	0.25 167	0.48 115	0.53 302	0.28 180	0.28 31	0.42 219	0.77 141	0.87 190	0.63 85	0.91 170	0.73 193	0.53 160	0.82 229	0.36 99	0.14 18	0.11 39	0.18 116	0.18 184	0.18 151	0.16 98

psm_up	0.57 240	0.27 207	0.52 159	0.50 269	0.33 256	0.65 215	0.60 301	1.07 236	0.84 176	0.87 217	0.91 170	1.00 272	1.06 333	0.80 220	0.66 243	0.22 242	0.25 310	0.26 282	0.23 271	0.22 227	0.21 209

UPFNet	0.55 227	0.26 195	0.59 202	0.46 223	0.38 283	0.83 275	0.48 249	1.03 222	0.80 153	0.92 247	0.91 170	0.85 231	0.67 229	0.87 241	0.78 264	0.20 211	0.21 278	0.20 177	0.20 227	0.20 200	0.15 78

STTStereo	0.57 240	0.39 286	0.87 298	0.45 200	0.32 245	0.62 196	0.45 236	1.01 215	0.87 190	1.01 285	0.91 170	0.95 261	0.58 187	0.77 208	0.66 243	0.25 274	0.24 302	0.27 290	0.33 337	0.25 258	0.26 263

NLCA_NET_v2_RVC	0.55 227	0.33 259	0.71 252	0.46 223	0.31 228	0.66 220	0.43 226	1.07 236	0.89 204	0.93 250	0.91 170	0.98 267	0.61 198	0.76 201	0.64 242	0.22 242	0.18 247	0.22 230	0.22 262	0.22 227	0.24 251
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet	0.67 278	0.35 268	0.82 282	0.53 302	0.44 317	1.03 315	0.53 274	1.51 354	1.06 277	1.13 325	0.91 170	1.07 295	0.74 262	0.87 241	0.95 302	0.24 262	0.19 264	0.25 268	0.23 271	0.27 273	0.22 224

IPLGR_C	0.42 124	0.23 120	0.71 252	0.46 223	0.33 256	0.51 144	0.34 117	0.69 83	0.69 108	0.84 195	0.92 176	0.46 65	0.33 65	0.53 54	0.53 210	0.17 125	0.12 86	0.16 57	0.14 69	0.13 14	0.16 98

ACRE	0.42 124	0.23 120	0.73 262	0.45 200	0.33 256	0.50 139	0.33 109	0.68 72	0.70 110	0.82 184	0.92 176	0.46 65	0.32 60	0.53 54	0.52 201	0.17 125	0.12 86	0.15 41	0.14 69	0.13 14	0.16 98

111	0.42 124	0.18 14	0.46 91	0.35 12	0.19 8	0.52 151	0.28 50	0.76 136	1.16 312	0.52 54	0.92 176	0.65 150	0.51 156	0.65 139	0.37 107	0.15 67	0.10 8	0.14 13	0.12 26	0.13 14	0.16 98

HSM	0.53 217	0.25 167	0.46 91	0.40 87	0.25 101	0.74 246	0.44 232	1.29 312	0.78 142	0.82 184	0.92 176	1.21 314	0.75 265	0.90 253	0.48 186	0.18 157	0.14 172	0.17 85	0.14 69	0.17 127	0.18 157

NOSS_ROB	0.59 255	0.40 294	0.42 58	0.45 200	0.31 228	0.79 258	0.53 274	1.09 244	1.12 297	0.69 120	0.92 176	0.77 212	0.63 205	0.81 224	0.52 201	0.39 350	0.38 360	0.44 352	0.42 360	0.38 324	0.36 316

GMStereo_Zeroshot	0.51 201	0.46 312	0.80 276	0.50 269	0.28 180	0.57 180	0.30 69	0.75 134	0.79 148	0.88 225	0.94 181	0.90 249	0.37 83	0.77 208	0.46 174	0.27 288	0.14 172	0.26 282	0.15 90	0.39 328	0.19 166

psmg	0.50 191	0.26 195	0.47 102	0.42 130	0.29 199	0.82 272	0.42 219	1.07 236	0.80 153	0.95 259	0.94 181	0.76 207	0.59 191	0.66 147	0.48 186	0.21 226	0.16 212	0.20 177	0.20 227	0.19 185	0.19 166

AASNet	0.55 227	0.27 207	0.62 213	0.51 281	0.32 245	0.73 242	0.44 232	1.55 357	0.88 200	0.88 225	0.94 181	0.64 146	0.63 205	0.62 117	0.84 277	0.23 256	0.20 272	0.20 177	0.16 116	0.22 227	0.20 193

MaskLacGwcNet_RVC	0.71 286	0.84 368	0.80 276	0.55 317	0.38 283	1.38 349	0.57 289	1.07 236	0.81 162	0.90 239	0.94 181	0.95 261	0.54 164	1.01 290	0.61 233	0.41 355	0.30 332	0.57 371	0.31 328	0.86 377	0.39 325

DCRE	0.38 77	0.19 33	0.47 102	0.45 200	0.33 256	0.45 130	0.40 194	0.66 56	0.53 65	0.49 49	0.95 185	0.57 100	0.39 103	0.53 54	0.32 64	0.14 18	0.13 141	0.15 41	0.14 69	0.14 36	0.15 78

IER	0.48 171	0.25 167	0.60 207	0.38 45	0.28 180	0.67 229	0.38 171	0.82 157	0.68 103	0.88 225	0.95 185	0.74 197	0.79 280	0.62 117	0.46 174	0.17 125	0.14 172	0.17 85	0.17 158	0.17 127	0.16 98

IIG-Stereo	0.45 148	0.22 97	0.48 115	0.51 281	0.26 130	0.43 121	0.21 5	0.73 123	0.80 153	0.84 195	0.95 185	0.82 228	0.46 138	0.95 268	0.37 107	0.16 99	0.12 86	0.19 148	0.15 90	0.15 66	0.12 10

ICVP	0.48 171	0.26 195	0.42 58	0.49 258	0.28 180	0.63 201	0.43 226	1.05 229	0.72 118	0.68 117	0.95 185	0.75 201	0.56 175	0.55 62	0.61 233	0.24 262	0.18 247	0.19 148	0.17 158	0.19 185	0.21 209
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
CoDeX	0.48 171	0.21 74	0.53 166	0.43 167	0.25 101	0.74 246	0.38 171	1.36 330	0.82 170	0.84 195	0.96 189	0.63 139	0.57 184	0.63 126	0.40 148	0.17 125	0.13 141	0.17 85	0.15 90	0.16 103	0.15 78

TestStereo1	0.44 142	0.24 139	0.45 84	0.52 295	0.25 101	0.35 74	0.40 194	0.81 153	0.94 229	0.70 124	0.96 189	0.48 72	0.45 132	0.94 263	0.33 74	0.16 99	0.13 141	0.18 116	0.16 116	0.15 66	0.14 49

SA-5K	0.44 142	0.24 139	0.45 84	0.52 295	0.25 101	0.35 74	0.40 194	0.81 153	0.94 229	0.70 124	0.96 189	0.48 72	0.45 132	0.94 263	0.33 74	0.16 99	0.13 141	0.18 116	0.16 116	0.15 66	0.14 49

CIPLG	0.42 124	0.23 120	0.71 252	0.45 200	0.33 256	0.51 144	0.33 109	0.68 72	0.68 103	0.84 195	0.96 189	0.47 69	0.33 65	0.56 66	0.52 201	0.17 125	0.12 86	0.16 57	0.14 69	0.13 14	0.16 98

ACVNet	0.47 162	0.24 139	0.39 36	0.40 87	0.28 180	0.58 184	0.40 194	0.91 179	0.81 162	0.67 110	0.96 189	0.79 220	0.66 220	0.65 139	0.71 253	0.18 157	0.15 191	0.16 57	0.15 90	0.18 151	0.15 78

acv_ft	0.52 211	0.24 139	0.64 221	0.45 200	0.28 180	0.85 281	0.40 194	0.95 197	0.81 162	1.00 283	0.96 189	0.79 220	0.62 200	0.65 139	0.88 282	0.18 157	0.15 191	0.16 57	0.15 90	0.18 151	0.15 78

NaN_ROB	0.73 288	0.46 312	0.89 302	0.52 295	0.34 266	0.98 304	1.11 366	1.28 308	1.20 322	1.27 342	0.96 189	1.08 296	0.79 280	1.34 338	0.78 264	0.24 262	0.30 332	0.23 244	0.24 285	0.23 241	0.26 263

NINENet	0.52 211	0.30 244	0.55 181	0.46 223	0.33 256	0.78 252	0.34 117	1.18 271	0.91 214	0.84 195	0.97 196	0.64 146	0.54 164	0.74 188	0.56 217	0.23 256	0.20 272	0.25 268	0.18 184	0.22 227	0.22 224

CSP-Net	0.57 240	0.29 230	0.55 181	0.42 130	0.29 199	1.20 340	0.49 259	1.29 312	0.75 134	0.98 277	0.97 196	0.88 242	0.69 239	0.85 237	0.66 243	0.27 288	0.18 247	0.17 85	0.17 158	0.18 151	0.19 166

MMNet	0.57 240	0.26 195	0.67 232	0.45 200	0.35 271	1.04 317	0.39 184	0.93 189	0.98 249	0.96 271	0.97 196	0.86 235	0.80 284	0.83 231	0.80 272	0.16 99	0.15 191	0.19 148	0.19 208	0.20 200	0.17 135

DualNet	0.53 217	0.28 220	0.68 239	0.39 61	0.26 130	0.56 170	0.40 194	0.72 110	1.13 303	0.76 156	0.98 199	0.71 174	0.55 167	0.61 95	1.46 350	0.17 125	0.11 39	0.25 268	0.21 244	0.16 103	0.17 135

ffm	0.47 162	0.28 220	0.68 239	0.39 61	0.26 130	0.56 170	0.40 194	0.72 110	1.13 303	0.76 156	0.98 199	0.71 174	0.55 167	0.61 95	0.26 8	0.17 125	0.11 39	0.25 268	0.21 244	0.16 103	0.17 135

ff1	0.56 236	0.28 220	0.68 239	0.39 61	0.26 130	0.56 170	0.40 194	0.72 110	1.13 303	0.76 156	0.98 199	0.71 174	0.55 167	1.25 321	1.46 350	0.17 125	0.11 39	0.25 268	0.21 244	0.16 103	0.17 135

mmx	0.59 255	0.28 220	0.68 239	0.39 61	0.26 130	0.56 170	0.40 194	1.24 290	1.06 277	0.76 156	0.98 199	0.71 174	0.55 167	1.25 321	1.46 350	0.21 226	0.16 212	0.25 268	0.21 244	0.24 249	0.22 224

xxx	0.59 255	0.28 220	0.68 239	0.39 61	0.26 130	0.56 170	0.40 194	1.24 290	1.06 277	0.76 156	0.98 199	0.71 174	0.55 167	1.25 321	1.46 350	0.21 226	0.16 212	0.25 268	0.21 244	0.24 249	0.22 224

anonymity	0.98 335	0.89 370	1.06 323	0.93 375	1.04 385	0.97 300	0.82 344	1.33 323	0.93 222	1.08 313	0.98 199	1.02 278	0.95 322	1.02 293	0.93 297	0.96 385	0.96 405	0.90 380	0.91 390	0.92 379	0.95 383

ADLNet	0.57 240	0.29 230	0.58 194	0.46 223	0.35 271	0.80 264	0.46 239	1.14 258	0.88 200	1.03 292	0.98 199	0.92 258	0.66 220	0.71 182	0.83 276	0.22 242	0.16 212	0.22 230	0.22 262	0.22 227	0.23 243

AdaStereo	0.52 211	0.34 264	0.53 166	0.49 258	0.25 101	0.71 238	0.36 146	1.24 290	0.91 214	0.77 164	0.98 199	0.75 201	0.50 151	0.71 182	0.51 197	0.27 288	0.13 141	0.28 300	0.18 184	0.23 241	0.18 157
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.
NCCL2	0.74 293	0.45 307	0.77 272	0.65 347	0.45 324	0.97 300	1.16 371	1.16 263	1.02 263	1.00 283	0.98 199	1.48 349	0.88 308	0.99 284	0.89 284	0.31 313	0.27 321	0.39 344	0.39 349	0.33 303	0.34 310

ADLNet2	0.57 240	0.26 195	0.71 252	0.48 249	0.31 228	0.83 275	0.51 265	1.10 248	0.99 252	0.85 205	0.99 208	0.99 271	0.70 244	0.79 218	0.78 264	0.21 226	0.17 238	0.18 116	0.18 184	0.22 227	0.22 224

xxxx	1.07 343	0.23 120	0.53 166	0.38 45	0.22 30	0.83 275	0.36 146	1.41 339	0.95 233	0.75 151	0.99 208	0.97 265	0.64 212	0.70 177	11.37 410	0.20 211	0.17 238	0.18 116	0.17 158	0.19 185	0.20 193

RAFT-Stereo + iAFF	0.37 61	0.18 14	0.45 84	0.36 27	0.19 8	0.33 66	0.28 50	0.67 67	0.77 139	0.72 134	0.99 208	0.56 97	0.39 103	0.44 22	0.31 58	0.11 1	0.09 2	0.15 41	0.14 69	0.13 14	0.11 3

delet	0.57 240	0.25 167	0.63 217	0.46 223	0.34 266	1.05 319	0.51 265	1.04 223	0.94 229	0.90 239	0.99 208	0.90 249	0.68 237	0.87 241	0.78 264	0.18 157	0.18 247	0.20 177	0.21 244	0.17 127	0.17 135

MIM_Stereo	0.39 89	0.18 14	0.59 202	0.38 45	0.25 101	0.27 25	0.24 23	0.72 110	0.56 67	0.72 134	1.00 212	0.62 135	0.29 41	0.67 156	0.39 128	0.13 9	0.14 172	0.17 85	0.16 116	0.14 36	0.12 10

CRFU-Net	0.59 255	0.29 230	0.62 213	0.47 241	0.31 228	1.20 340	0.51 265	1.19 274	0.59 74	1.05 303	1.00 212	1.06 291	0.87 304	0.83 231	0.77 263	0.22 242	0.19 264	0.18 116	0.16 116	0.19 185	0.20 193

CFNet-ft	0.50 191	0.25 167	0.39 36	0.41 105	0.26 130	0.66 220	0.37 158	0.91 179	0.87 190	0.67 110	1.00 212	1.05 287	0.70 244	0.68 164	0.57 221	0.23 256	0.16 212	0.24 257	0.21 244	0.24 249	0.19 166

CFNet_RVC	0.50 191	0.25 167	0.39 36	0.41 105	0.26 130	0.66 220	0.37 158	0.91 179	0.87 190	0.67 110	1.00 212	1.05 287	0.70 244	0.68 164	0.57 221	0.23 256	0.16 212	0.24 257	0.21 244	0.24 249	0.19 166

MyStereo8	0.42 124	0.21 74	0.64 221	0.43 167	0.29 199	0.55 165	0.28 50	0.72 110	0.50 60	0.73 141	1.01 216	0.57 100	0.44 125	0.52 52	0.52 201	0.15 67	0.12 86	0.16 57	0.14 69	0.19 185	0.21 209

hitnet-ft	0.57 240	0.29 230	0.43 74	0.42 130	0.29 199	0.81 269	0.40 194	0.98 205	0.91 214	0.84 195	1.01 216	1.13 308	0.72 256	0.83 231	0.71 253	0.28 296	0.21 278	0.28 300	0.22 262	0.29 282	0.27 271

SMFormer	0.53 217	0.24 139	0.67 232	0.35 12	0.20 18	0.63 201	0.34 117	1.26 298	1.06 277	0.85 205	1.02 218	0.71 174	0.66 220	0.96 271	0.60 229	0.19 192	0.16 212	0.18 116	0.17 158	0.19 185	0.20 193

tta	0.53 217	0.24 139	0.67 232	0.35 12	0.20 18	0.63 201	0.34 117	1.26 298	1.06 277	0.85 205	1.02 218	0.71 174	0.66 220	0.96 271	0.60 229	0.19 192	0.16 212	0.18 116	0.17 158	0.15 66	0.16 98

qqq1	0.51 201	0.24 139	0.67 232	0.35 12	0.20 18	0.63 201	0.34 117	1.26 298	1.06 277	0.85 205	1.02 218	0.71 174	0.66 220	0.96 271	0.36 99	0.19 192	0.16 212	0.14 13	0.12 26	0.15 66	0.16 98

fff1	0.51 201	0.24 139	0.67 232	0.35 12	0.20 18	0.63 201	0.34 117	1.26 298	1.06 277	0.85 205	1.02 218	0.71 174	0.66 220	0.96 271	0.36 99	0.19 192	0.16 212	0.14 13	0.12 26	0.15 66	0.16 98

1111x	0.64 275	0.23 120	0.61 208	0.39 61	0.21 25	0.68 233	0.46 239	1.32 320	1.03 267	0.76 156	1.02 218	0.95 261	0.72 256	1.13 306	2.15 373	0.18 157	0.18 247	0.18 116	0.19 208	0.20 200	0.19 166

UDG	0.93 325	1.03 379	0.75 268	1.00 376	0.97 378	1.02 313	0.57 289	1.18 271	1.01 258	0.93 250	1.02 218	1.32 325	1.03 329	0.88 247	0.92 295	0.55 372	0.33 351	1.82 391	0.41 358	1.20 385	0.74 376

GANet-RSSM	0.49 180	0.22 97	0.42 58	0.39 61	0.26 130	0.58 184	0.41 214	1.12 250	0.82 170	0.73 141	1.02 218	0.88 242	0.75 265	0.67 156	0.48 186	0.22 242	0.16 212	0.18 116	0.19 208	0.18 151	0.18 157

DeepPrunerF	0.93 325	0.55 337	3.88 391	0.70 361	0.81 371	0.72 241	0.74 332	1.28 308	1.97 376	0.95 259	1.02 218	0.87 239	0.85 297	1.16 312	1.07 326	0.35 338	0.29 328	0.43 350	0.40 353	0.31 293	0.33 308

GANetREF_RVC	0.82 307	0.77 361	0.95 311	0.68 355	0.43 312	1.15 332	1.06 364	1.19 274	1.20 322	1.03 292	1.02 218	1.10 303	0.89 310	1.20 319	0.78 264	0.49 363	0.39 364	0.58 372	0.39 349	0.69 372	0.49 359
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
ccs_rob	0.47 162	0.25 167	0.55 181	0.38 45	0.28 180	0.58 184	0.32 100	0.89 173	0.90 208	0.83 189	1.02 218	0.75 201	0.48 145	0.61 95	0.46 174	0.17 125	0.12 86	0.24 257	0.16 116	0.26 264	0.21 209

Anonymous Stereo	0.82 307	0.59 345	2.10 379	0.59 330	0.58 354	0.68 233	1.42 387	1.05 229	1.07 284	1.03 292	1.02 218	0.86 235	0.65 218	1.33 337	1.36 345	0.32 318	0.31 340	0.31 318	0.33 337	0.34 309	0.39 325

AACVNet	0.52 211	0.25 167	0.56 185	0.48 249	0.29 199	0.55 165	0.38 171	0.96 201	0.59 74	0.83 189	1.03 229	1.03 280	0.77 278	0.91 255	0.58 226	0.22 242	0.18 247	0.24 257	0.18 184	0.24 249	0.22 224

LCNet	0.42 124	0.21 74	0.34 13	0.44 188	0.24 77	0.47 133	0.28 50	0.69 83	0.57 71	0.72 134	1.03 229	0.66 162	0.58 187	0.60 89	0.35 90	0.15 67	0.10 8	0.19 148	0.19 208	0.22 227	0.37 322

CFNet_pseudo	0.47 162	0.25 167	0.55 181	0.38 45	0.28 180	0.58 184	0.32 100	0.89 173	0.90 208	0.83 189	1.03 229	0.75 201	0.48 145	0.61 95	0.46 174	0.17 125	0.13 141	0.24 257	0.16 116	0.26 264	0.21 209

SA	0.45 148	0.26 195	0.50 132	0.47 241	0.24 77	0.46 131	0.36 146	0.79 149	1.00 256	0.61 76	1.04 232	0.50 77	0.50 151	0.98 280	0.33 74	0.16 99	0.13 141	0.21 218	0.19 208	0.15 66	0.14 49

LMCR-Stereo	0.55 227	0.33 259	0.57 192	0.60 332	0.30 218	0.80 264	0.36 146	1.30 314	0.79 148	0.90 239	1.04 232	0.57 100	0.64 212	0.87 241	0.73 257	0.20 211	0.15 191	0.19 148	0.14 69	0.25 258	0.18 157

PSMNet_ROB	0.67 278	0.39 286	0.76 269	0.57 323	0.43 312	1.00 307	0.85 350	1.25 296	0.93 222	0.82 184	1.04 232	1.08 296	0.64 212	0.89 248	1.02 315	0.29 303	0.21 278	0.31 318	0.31 328	0.27 273	0.25 258

SQANet	0.87 321	0.76 360	0.76 269	1.16 383	0.99 380	1.10 322	0.51 265	1.12 250	0.85 180	0.93 250	1.05 235	1.03 280	0.76 274	1.07 298	0.70 251	0.79 379	0.25 310	1.04 383	0.36 342	1.56 387	0.70 375

STrans-v2	0.47 162	0.21 74	0.49 123	0.41 105	0.25 101	0.54 160	0.49 259	1.16 263	0.82 170	0.67 110	1.05 235	0.71 174	0.67 229	0.74 188	0.34 83	0.15 67	0.11 39	0.17 85	0.15 90	0.14 36	0.14 49

RASNet	0.57 240	0.24 139	0.61 208	0.39 61	0.23 56	0.71 238	0.40 194	1.02 217	0.93 222	0.77 164	1.05 235	1.05 287	0.98 326	0.99 284	1.03 316	0.16 99	0.14 172	0.14 13	0.17 158	0.15 66	0.14 49

CVANet_RVC	0.59 255	0.35 268	0.54 178	0.49 258	0.33 256	0.70 235	0.67 313	1.12 250	0.97 245	0.88 225	1.05 235	1.01 276	0.72 256	0.94 263	0.55 215	0.30 310	0.20 272	0.28 300	0.26 304	0.32 299	0.23 243

DeepPruner_ROB	0.55 227	0.37 278	0.67 232	0.42 130	0.31 228	0.50 139	0.43 226	1.22 286	0.73 127	0.86 215	1.05 235	0.85 231	0.58 187	0.90 253	0.56 217	0.29 303	0.23 294	0.22 230	0.22 262	0.26 264	0.26 263

iResNet_ROB	0.55 227	0.24 139	0.61 208	0.38 45	0.22 30	0.66 220	0.30 69	1.59 365	1.33 341	0.94 254	1.05 235	0.81 226	0.69 239	0.84 235	0.46 174	0.17 125	0.12 86	0.14 13	0.09 4	0.15 66	0.20 193

SACVNet	0.61 265	0.36 276	0.67 232	0.57 323	0.37 278	0.65 215	0.47 244	1.16 263	0.80 153	1.04 298	1.06 241	1.02 278	0.81 287	0.99 284	0.57 221	0.28 296	0.21 278	0.25 268	0.24 285	0.30 289	0.39 325

cf-r	0.49 180	0.24 139	0.49 123	0.40 87	0.23 56	0.58 184	0.38 171	0.92 187	0.87 190	0.77 164	1.06 241	0.98 267	0.67 229	0.59 79	0.61 233	0.21 226	0.14 172	0.17 85	0.19 208	0.15 66	0.16 98

mmm	0.47 162	0.28 220	0.51 140	0.39 61	0.25 101	0.61 192	0.38 171	1.00 214	0.60 81	0.77 164	1.07 243	0.65 150	0.53 160	0.61 95	0.49 193	0.18 157	0.15 191	0.23 244	0.20 227	0.21 209	0.20 193

PCWNet_CMD	0.49 180	0.25 167	0.56 185	0.40 87	0.27 159	0.64 209	0.32 100	0.98 205	0.99 252	0.87 217	1.07 243	0.78 214	0.46 138	0.61 95	0.44 165	0.17 125	0.13 141	0.21 218	0.16 116	0.26 264	0.20 193

PSMNet-RSSM	0.50 191	0.24 139	0.41 50	0.43 167	0.26 130	0.51 144	0.40 194	1.16 263	0.79 148	0.75 151	1.07 243	0.87 239	0.69 239	0.66 147	0.52 201	0.24 262	0.16 212	0.23 244	0.26 304	0.20 200	0.20 193

MSMDNet	0.49 180	0.25 167	0.56 185	0.40 87	0.27 159	0.64 209	0.32 100	0.99 208	0.99 252	0.87 217	1.07 243	0.79 220	0.46 138	0.61 95	0.44 165	0.17 125	0.13 141	0.20 177	0.16 116	0.25 258	0.20 193

CFNet	0.53 217	0.30 244	0.53 166	0.42 130	0.28 180	0.73 242	0.35 139	1.21 280	1.01 258	0.74 148	1.07 243	0.85 231	0.60 194	0.83 231	0.58 226	0.19 192	0.15 191	0.23 244	0.23 271	0.21 209	0.17 135

DISCO	0.72 287	0.27 207	0.72 258	0.45 200	0.31 228	1.12 327	0.53 274	1.32 320	1.25 327	0.84 195	1.07 243	1.52 355	0.87 304	1.82 369	1.08 328	0.20 211	0.15 191	0.18 116	0.16 116	0.24 249	0.24 251

test_xeample	1.06 341	0.23 120	0.51 140	0.37 35	0.22 30	0.71 238	0.39 184	1.31 315	0.92 220	0.87 217	1.08 249	0.70 173	0.64 212	0.75 193	11.43 411	0.19 192	0.16 212	0.18 116	0.17 158	0.18 151	0.19 166

DN-CSS_ROB	0.45 148	0.27 207	0.74 266	0.41 105	0.29 199	0.43 121	0.29 57	0.80 151	0.78 142	0.73 141	1.08 249	0.48 72	0.45 132	0.81 224	0.40 148	0.15 67	0.12 86	0.21 218	0.19 208	0.18 151	0.17 135

ttt	0.56 236	0.27 207	0.49 123	0.39 61	0.25 101	0.65 215	0.42 219	1.24 290	1.08 289	0.76 156	1.10 251	0.63 139	0.51 156	0.95 268	1.03 316	0.25 274	0.22 287	0.22 230	0.21 244	0.25 258	0.25 258

SuperB	1.00 338	0.41 298	4.03 394	0.45 200	0.32 245	0.99 306	0.49 259	1.09 244	2.09 379	1.10 320	1.10 251	0.74 197	0.83 290	1.13 306	1.75 362	0.20 211	0.15 191	0.17 85	0.15 90	2.50 404	0.27 271

iResNetv2_ROB	0.55 227	0.29 230	0.86 293	0.39 61	0.25 101	0.67 229	0.37 158	1.21 280	1.02 263	1.02 289	1.10 251	0.89 247	0.79 280	0.74 188	0.43 158	0.19 192	0.13 141	0.15 41	0.11 15	0.19 185	0.16 98

DRN-Test	0.68 281	0.34 264	0.77 272	0.52 295	0.40 295	1.14 330	0.61 303	1.56 361	1.04 271	1.18 329	1.10 251	1.05 287	0.72 256	0.82 229	1.01 311	0.24 262	0.18 247	0.26 282	0.25 296	0.26 264	0.23 243

StereoVision	0.43 136	0.29 230	0.54 178	0.50 269	0.28 180	0.37 86	0.38 171	0.75 134	0.63 84	0.46 44	1.11 255	0.53 87	0.38 90	0.57 70	0.34 83	0.21 226	0.24 302	0.25 268	0.24 285	0.26 264	0.17 135

TDLM	0.59 255	0.35 268	0.57 192	0.53 302	0.32 245	0.67 229	0.72 325	1.09 244	1.03 267	0.84 195	1.11 255	0.84 229	0.71 249	0.96 271	0.61 233	0.28 296	0.18 247	0.26 282	0.22 262	0.27 273	0.21 209

PSM-AAD	0.48 171	0.21 74	0.39 36	0.44 188	0.23 56	0.56 170	0.47 244	0.67 67	0.73 127	1.08 313	1.12 257	0.58 115	0.87 304	0.63 126	0.33 74	0.15 67	0.11 39	0.25 268	0.26 304	0.18 151	0.42 340

AFF-stereo	0.39 89	0.20 54	0.42 58	0.37 35	0.22 30	0.27 25	0.31 88	0.67 67	0.72 118	0.66 103	1.12 257	0.75 201	0.38 90	0.57 70	0.35 90	0.11 1	0.09 2	0.16 57	0.16 116	0.14 36	0.12 10

XQC	0.97 333	0.70 355	1.54 360	0.70 361	0.55 348	1.48 355	0.81 342	1.41 339	1.57 361	1.21 332	1.12 257	1.33 330	1.04 331	1.55 354	2.00 370	0.39 350	0.25 310	0.37 338	0.32 331	0.55 363	0.49 359

MLCV	0.49 180	0.26 195	0.73 262	0.38 45	0.18 5	0.64 209	0.33 109	0.84 163	0.89 204	0.96 271	1.12 257	0.72 189	0.45 132	1.00 289	0.59 228	0.14 18	0.10 8	0.14 13	0.11 15	0.14 36	0.14 49

DPSNet	1.08 344	0.44 306	2.64 384	0.54 311	0.42 309	1.59 362	1.25 377	2.39 389	1.50 357	1.13 325	1.12 257	1.51 353	2.19 389	1.44 347	1.51 356	0.35 338	0.25 310	0.25 268	0.21 244	0.49 351	0.39 325

iResNet	0.52 211	0.31 251	0.86 293	0.44 188	0.22 30	0.66 220	0.47 244	0.92 187	1.02 263	0.89 232	1.12 257	0.69 171	0.55 167	0.86 239	0.60 229	0.15 67	0.11 39	0.15 41	0.12 26	0.17 127	0.17 135

222	1.25 358	0.23 120	0.53 166	0.38 45	0.23 56	0.78 252	0.37 158	1.41 339	0.93 222	0.97 274	1.13 263	0.74 197	0.71 249	0.74 188	14.86 414	0.20 211	0.16 212	0.17 85	0.16 116	0.18 151	0.20 193

StereoDRNet-Refined	0.61 265	0.33 259	0.63 217	0.47 241	0.31 228	0.94 295	0.41 214	1.04 223	0.97 245	1.15 327	1.13 263	1.00 272	0.74 262	0.93 260	0.93 297	0.18 157	0.13 141	0.22 230	0.21 244	0.20 200	0.21 209
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
Wz-Net-LNSev	0.75 297	0.54 331	1.59 362	0.51 281	0.41 300	1.16 334	0.79 340	1.27 303	1.13 303	1.04 298	1.14 265	1.11 305	0.94 320	0.93 260	1.00 310	0.24 262	0.22 287	0.21 218	0.19 208	0.26 264	0.27 271

TransformOpticalFlow	0.46 153	0.21 74	0.49 123	0.42 130	0.24 77	0.36 78	0.46 239	1.04 223	0.84 176	0.67 110	1.14 265	0.73 193	0.56 175	0.78 216	0.33 74	0.15 67	0.10 8	0.17 85	0.15 90	0.14 36	0.15 78

APVNet	0.73 288	0.39 286	1.01 319	0.58 328	0.45 324	1.16 334	0.68 316	1.47 350	0.87 190	0.84 195	1.15 267	1.04 284	0.84 293	1.14 308	1.18 334	0.27 288	0.28 326	0.32 323	0.31 328	0.29 282	0.32 299

HSM-Net_RVC	0.55 227	0.23 120	0.37 27	0.38 45	0.22 30	0.86 283	0.40 194	1.31 315	0.93 222	0.92 247	1.15 267	1.26 318	0.71 249	0.75 193	0.53 210	0.17 125	0.14 172	0.16 57	0.15 90	0.17 127	0.17 135
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
LALA_ROB	0.76 300	0.46 312	0.86 293	0.55 317	0.41 300	1.00 307	0.93 356	1.25 296	1.13 303	1.23 336	1.15 267	1.55 357	0.80 284	1.11 305	0.96 304	0.33 326	0.23 294	0.35 331	0.30 319	0.35 315	0.32 299

DAS	0.54 222	0.26 195	0.66 228	0.49 258	0.31 228	0.61 192	0.43 226	0.89 173	1.01 258	0.95 259	1.16 270	0.71 174	0.85 297	0.89 248	0.47 183	0.18 157	0.14 172	0.18 116	0.15 90	0.22 227	0.19 166

SepStereo	0.54 222	0.26 195	0.66 228	0.49 258	0.31 228	0.61 192	0.43 226	0.89 173	1.01 258	0.95 259	1.16 270	0.71 174	0.85 297	0.97 278	0.47 183	0.18 157	0.14 172	0.18 116	0.15 90	0.22 227	0.19 166

HGLStereo	0.58 251	0.30 244	0.65 226	0.51 281	0.38 283	0.78 252	0.45 236	1.07 236	0.82 170	0.89 232	1.16 270	0.88 242	0.91 313	0.80 220	0.74 258	0.21 226	0.21 278	0.20 177	0.18 184	0.19 185	0.22 224

ADCP+	1.18 354	0.37 278	3.09 386	0.50 269	0.52 343	1.48 355	0.61 303	1.32 320	1.07 284	1.21 332	1.16 270	1.08 296	1.11 338	1.63 358	7.17 405	0.20 211	0.16 212	0.24 257	0.22 262	0.29 282	0.22 224

DLCB_ROB	0.60 262	0.29 230	0.53 166	0.50 269	0.33 256	0.76 251	0.51 265	1.02 217	0.94 229	1.07 312	1.16 270	1.21 314	0.73 260	0.98 280	0.75 260	0.21 226	0.20 272	0.22 230	0.23 271	0.22 227	0.20 193

iinet-f	0.69 283	0.29 230	2.34 383	0.41 105	0.31 228	1.16 334	0.58 296	0.87 167	0.85 180	0.86 215	1.17 275	1.04 284	0.83 290	0.76 201	1.26 339	0.21 226	0.18 247	0.17 85	0.16 116	0.21 209	0.21 209

dad	0.61 265	0.53 325	0.72 258	0.44 188	0.31 228	0.64 209	0.37 158	0.85 164	1.28 332	1.05 303	1.17 275	1.18 312	0.61 198	0.70 177	0.54 213	0.36 340	0.23 294	0.37 338	0.21 244	0.31 293	0.23 243

GwcNet-RSSM	0.51 201	0.25 167	0.51 140	0.41 105	0.24 77	0.56 170	0.41 214	0.97 203	0.96 240	0.75 151	1.17 275	0.89 247	0.66 220	0.66 147	0.74 258	0.22 242	0.15 191	0.19 148	0.21 244	0.17 127	0.16 98

XPNet_ROB	0.73 288	0.38 282	0.80 276	0.53 302	0.40 295	0.80 264	0.83 346	1.21 280	0.96 240	1.37 347	1.17 275	1.37 337	0.87 304	1.14 308	0.99 309	0.33 326	0.25 310	0.27 290	0.24 285	0.31 293	0.29 285

HBP-ISP	0.61 265	0.47 318	0.45 84	0.46 223	0.33 256	0.79 258	0.29 57	1.15 261	1.05 273	0.85 205	1.18 279	0.67 166	0.71 249	0.92 257	0.57 221	0.37 344	0.38 360	0.47 358	0.41 358	0.39 328	0.32 299

CFNet_ucs	0.51 201	0.25 167	0.58 194	0.39 61	0.31 228	0.59 190	0.35 139	1.04 223	0.95 233	0.89 232	1.19 280	0.80 224	0.49 149	0.66 147	0.45 170	0.21 226	0.16 212	0.26 282	0.18 184	0.27 273	0.23 243

PDISCO_ROB	0.96 331	0.51 321	1.13 327	1.03 379	1.00 381	1.81 373	0.77 336	1.72 375	1.60 363	1.09 317	1.19 280	1.34 333	0.80 284	1.62 357	1.01 311	0.58 374	0.22 287	0.45 354	0.40 353	0.50 353	0.41 336

SAMSARA	1.15 350	0.69 354	1.44 355	1.09 382	0.93 374	2.10 379	1.87 403	1.64 370	1.47 355	1.64 359	1.21 282	2.06 372	1.14 343	1.61 356	1.50 355	0.39 350	0.45 375	0.36 334	0.38 347	0.50 353	0.51 365

SGM-Forest	0.65 276	0.33 259	0.43 74	0.44 188	0.30 218	1.01 311	0.54 280	1.13 256	1.09 295	1.11 323	1.21 282	1.10 303	0.76 274	0.99 284	0.71 253	0.32 318	0.33 351	0.33 328	0.30 319	0.30 289	0.28 280
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
DANet	0.74 293	0.47 318	0.98 317	0.60 332	0.41 300	0.92 292	0.41 214	1.02 217	0.87 190	1.22 334	1.22 284	1.33 330	0.88 308	1.26 324	1.37 346	0.27 288	0.24 302	0.31 318	0.25 296	0.37 322	0.36 316
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
PASM	0.96 331	0.71 358	2.05 378	0.72 364	0.72 370	0.84 280	0.92 354	1.14 258	1.34 342	1.25 339	1.22 284	1.34 333	1.07 334	1.31 334	1.11 329	0.53 368	0.57 384	0.59 373	0.67 381	0.56 368	0.57 372

ETE_ROB	0.73 288	0.52 323	0.93 306	0.57 323	0.37 278	0.80 264	0.86 351	1.19 274	0.95 233	1.20 331	1.22 284	1.39 342	0.86 301	1.07 298	0.88 282	0.27 288	0.21 278	0.31 318	0.27 308	0.34 309	0.35 313

CC-Net-ROB	0.84 314	1.01 378	0.93 306	0.60 332	0.45 324	1.25 342	0.71 321	1.20 277	1.05 273	0.84 195	1.24 287	0.90 249	0.78 279	1.14 308	0.70 251	0.48 362	0.34 354	1.71 389	0.38 347	0.78 375	0.40 331

Wz-Net-LNSev-Ref	0.67 278	0.30 244	1.20 332	0.42 130	0.31 228	1.00 307	0.58 296	1.16 263	1.07 284	1.01 285	1.25 288	1.08 296	0.75 265	1.18 315	1.03 316	0.20 211	0.12 86	0.16 57	0.13 49	0.22 227	0.22 224

Wz-Net-MNSev	0.81 306	0.42 302	1.64 368	0.51 281	0.41 300	1.46 353	0.95 357	1.24 290	1.26 330	1.31 344	1.25 288	1.17 311	0.83 290	1.21 320	1.06 324	0.22 242	0.19 264	0.24 257	0.23 271	0.29 282	0.26 263

FINET	0.75 297	0.45 307	1.38 350	0.48 249	0.46 332	0.98 304	1.00 361	1.22 286	1.69 369	0.91 246	1.25 288	0.74 197	0.74 262	1.09 302	0.82 275	0.37 344	0.31 340	0.27 290	0.24 285	0.35 315	0.34 310

Wz-Net-TNSev	1.23 357	1.24 384	5.25 399	0.51 281	0.43 312	1.49 358	1.09 365	1.58 364	1.42 349	1.25 339	1.26 291	1.58 360	1.52 367	1.97 374	1.95 366	0.33 326	0.32 346	0.26 282	0.30 319	0.41 332	0.43 344

DDUNet	1.10 345	2.58 412	0.83 286	1.21 385	1.27 389	1.02 313	0.69 318	1.17 269	0.95 233	0.98 277	1.26 291	1.28 319	0.84 293	0.97 278	0.79 271	0.85 382	0.40 367	2.00 394	0.60 379	1.34 386	0.94 381

DGSMNet	0.80 304	0.58 343	1.42 353	0.61 336	0.65 363	0.94 295	0.75 334	1.35 326	1.16 312	0.88 225	1.26 291	1.00 272	0.75 265	1.07 298	0.89 284	0.36 340	0.31 340	0.41 348	0.40 353	0.60 369	0.59 373

RTSC	0.93 325	0.54 331	1.59 362	0.56 320	0.40 295	1.17 338	0.55 284	1.44 346	1.82 373	1.53 354	1.26 291	1.15 310	0.82 288	1.70 363	2.44 377	0.26 279	0.20 272	0.23 244	0.24 285	0.31 293	0.32 299

pcwnet_v2	0.60 262	0.29 230	0.89 302	0.46 223	0.36 276	0.62 196	0.38 171	1.33 323	1.24 325	1.02 289	1.27 295	0.71 174	0.59 191	0.71 182	0.51 197	0.28 296	0.21 278	0.24 257	0.23 271	0.29 282	0.30 289

Ntro	1.15 350	1.00 377	1.00 318	1.49 390	1.20 388	1.69 369	0.81 342	1.39 333	1.25 327	1.01 285	1.28 296	1.31 323	1.00 327	1.31 334	0.89 284	1.10 390	0.43 373	1.36 386	0.51 373	1.95 391	0.99 386

R-Stereo Train	0.40 103	0.19 33	0.47 102	0.43 167	0.27 159	0.41 110	0.31 88	0.74 129	0.38 17	0.90 239	1.28 296	0.58 115	0.35 74	0.43 20	0.35 90	0.15 67	0.13 141	0.14 13	0.12 26	0.14 36	0.14 49

RAFT-Stereo	0.40 103	0.19 33	0.47 102	0.43 167	0.27 159	0.41 110	0.31 88	0.74 129	0.38 17	0.90 239	1.28 296	0.58 115	0.35 74	0.43 20	0.35 90	0.15 67	0.13 141	0.14 13	0.12 26	0.14 36	0.14 49
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
PS-NSSS	0.60 262	0.46 312	0.68 239	0.43 167	0.34 266	0.66 220	0.57 289	1.05 229	0.91 214	0.80 179	1.28 296	0.72 189	0.67 229	0.89 248	0.61 233	0.32 318	0.26 319	0.40 347	0.27 308	0.35 315	0.29 285

XX-Stereo	0.38 77	0.18 14	0.52 159	0.58 328	0.38 283	0.39 96	0.20 1	0.62 37	0.31 2	0.47 46	1.29 300	0.72 189	0.25 12	0.59 79	0.28 29	0.16 99	0.11 39	0.17 85	0.16 116	0.14 36	0.11 3

CBMV	0.68 281	0.37 278	0.50 132	0.43 167	0.26 130	1.00 307	0.71 321	1.17 269	1.16 312	1.24 338	1.29 300	1.06 291	0.86 301	0.98 280	0.75 260	0.29 303	0.30 332	0.34 330	0.30 319	0.26 264	0.27 271
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
HHNet	0.42 124	0.19 33	0.43 74	0.35 12	0.38 283	0.33 66	0.33 109	0.71 100	0.78 142	0.87 217	1.30 302	0.52 83	0.36 79	0.53 54	0.37 107	0.16 99	0.11 39	0.19 148	0.15 90	0.15 66	0.25 258

otaku	1.10 345	0.96 373	0.96 312	1.37 389	1.06 386	1.65 366	0.72 325	1.46 349	1.19 320	1.10 320	1.32 303	1.32 325	0.95 322	1.29 329	0.81 274	0.89 384	0.46 377	1.24 385	0.50 372	1.86 389	0.89 380

Wz-Net-SNSev	0.99 337	0.80 363	3.00 385	0.57 323	0.46 332	0.94 295	1.22 376	1.40 337	1.28 332	1.04 298	1.33 304	1.46 345	0.90 312	2.06 377	1.65 360	0.26 279	0.24 302	0.25 268	0.26 304	0.33 303	0.30 289

AANet_RVC	0.59 255	0.35 268	0.68 239	0.47 241	0.28 180	0.57 180	0.47 244	1.04 223	1.28 332	0.87 217	1.33 304	0.86 235	0.63 205	1.16 312	0.89 284	0.19 192	0.13 141	0.15 41	0.14 69	0.18 151	0.20 193

CBMV_ROB	0.62 271	0.39 286	0.41 50	0.41 105	0.28 180	0.86 283	0.28 50	1.06 234	1.02 263	0.95 259	1.33 304	0.81 226	0.84 293	0.94 263	0.56 217	0.37 344	0.37 359	0.43 350	0.40 353	0.33 303	0.32 299

FBW_ROB	0.94 329	0.54 331	1.03 321	0.56 320	0.42 309	1.16 334	0.76 335	1.56 361	1.41 347	1.38 349	1.33 304	1.47 347	1.07 334	2.94 394	1.14 332	0.26 279	0.32 346	0.45 354	0.30 319	0.34 309	0.30 289

STTRV1_RVC		0.60 347		0.67 351	0.81 371	1.12 327	0.63 308	1.37 332	1.12 297	0.98 277	1.34 308	1.08 296	0.95 322	1.28 327	0.90 290	0.57 373	0.25 310	0.44 352	0.39 349	0.60 369	0.41 336

Syn2CoEx	0.74 293	0.55 337	1.17 331	0.66 349	0.45 324	0.89 289	0.56 287	1.54 356	1.15 310	0.95 259	1.35 309	1.03 280	1.03 329	0.96 271	0.89 284	0.31 313	0.27 321	0.29 308	0.24 285	0.23 241	0.27 271

fast-acv-ft	0.66 277	0.32 253	0.80 276	0.46 223	0.34 266	1.26 343	0.50 262	0.91 179	1.00 256	1.05 303	1.36 310	1.28 319	0.84 293	0.81 224	0.90 290	0.22 242	0.24 302	0.23 244	0.23 271	0.21 209	0.22 224

CrosDoStereo	0.51 201	0.19 33	0.46 91	0.39 61	0.24 77	0.39 96	1.14 369	0.69 83	0.87 190	0.94 254	1.36 310	0.62 135	0.75 265	0.68 164	0.46 174	0.15 67	0.12 86	0.17 85	0.18 184	0.14 36	0.16 98

DeepStereo_LL	0.51 201	0.19 33	0.46 91	0.39 61	0.24 77	0.39 96	1.14 369	0.69 83	0.87 190	0.94 254	1.36 310	0.62 135	0.75 265	0.68 164	0.46 174	0.15 67	0.12 86	0.17 85	0.18 184	0.14 36	0.16 98

GMM-Stereo	0.44 142	0.20 54	0.39 36	0.42 130	0.25 101	0.50 139	0.44 232	0.72 110	0.57 71	0.77 164	1.37 313	0.76 207	0.38 90	0.62 117	0.34 83	0.15 67	0.10 8	0.20 177	0.19 208	0.17 127	0.28 280

edge stereo	0.79 303	0.40 294	0.82 282	0.52 295	0.44 317	0.83 275	0.58 296	1.34 325	1.08 289	1.30 343	1.38 314	1.79 365	1.13 342	1.15 311	0.92 295	0.34 333	0.32 346	0.42 349	0.28 314	0.33 303	0.39 325

SHD	0.98 335	0.54 331	1.30 343	0.63 342	0.50 339	1.14 330	0.50 262	1.80 379	2.20 380	1.66 361	1.39 315	1.47 347	1.21 347	1.40 340	1.80 363	0.32 318	0.27 321	0.32 323	0.34 339	0.41 332	0.44 348

THIR-Stereo	0.51 201	0.19 33	0.47 102	0.39 61	0.23 56	0.74 246	0.64 311	0.68 72	0.88 200	1.03 292	1.40 316	0.71 174	0.75 265	0.64 133	0.43 158	0.16 99	0.11 39	0.17 85	0.18 184	0.15 66	0.17 135

FAT-Stereo	0.75 297	0.34 264	0.81 281	0.51 281	0.38 283	0.78 252	0.63 308	1.39 333	1.32 339	1.05 303	1.40 316	1.58 360	1.14 343	0.92 257	0.91 293	0.29 303	0.28 326	0.28 300	0.23 271	0.28 280	0.41 336

GwcNet	0.73 288	0.39 286	1.37 349	0.53 302	0.43 312	1.10 322	0.52 271	1.27 303	1.19 320	1.05 303	1.41 318	1.06 291	0.86 301	0.98 280	1.01 311	0.26 279	0.24 302	0.24 257	0.23 271	0.23 241	0.28 280

S-Stereo	0.76 300	0.36 276	1.10 324	0.57 323	0.46 332	0.83 275	0.59 299	1.31 315	1.62 365	0.98 277	1.41 318	1.11 305	0.93 317	0.85 237	1.07 326	0.27 288	0.31 340	0.28 300	0.25 296	0.33 303	0.50 361

NCC-stereo	0.82 307	0.43 304	0.87 298	0.63 342	0.68 367	0.88 286	0.72 325	1.60 367	1.12 297	0.95 259	1.41 318	1.37 337	1.37 358	1.26 324	0.94 299	0.32 318	0.30 332	0.37 338	0.49 370	0.34 309	0.35 313

Abc-Net	0.82 307	0.43 304	0.87 298	0.63 342	0.68 367	0.88 286	0.72 325	1.60 367	1.12 297	0.95 259	1.41 318	1.37 337	1.37 358	1.26 324	0.94 299	0.32 318	0.30 332	0.37 338	0.49 370	0.34 309	0.35 313
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
psmorigin	0.84 314	0.53 325	2.21 381	0.50 269	0.41 300	0.86 283	0.57 289	1.08 241	0.90 208	1.50 352	1.42 322	1.50 351	1.09 336	1.29 329	1.03 316	0.32 318	0.33 351	0.27 290	0.27 308	0.34 309	0.45 350

ADCPNet	1.11 348	0.53 325	3.26 389	0.55 317	0.44 317	1.47 354	0.83 346	1.21 280	1.17 315	1.26 341	1.42 322	1.67 363	1.12 340	1.48 351	3.86 394	0.30 310	0.29 328	0.30 317	0.32 331	0.37 322	0.37 322

ADCRef	0.84 314	0.46 312	1.60 365	0.52 295	0.45 324	1.08 321	0.52 271	1.13 256	1.03 267	1.22 334	1.43 324	0.87 239	0.93 317	0.91 255	3.35 388	0.19 192	0.16 212	0.23 244	0.23 271	0.23 241	0.22 224

RAFT_CTSACE	0.46 153	0.20 54	0.48 115	0.46 223	0.27 159	0.34 72	0.39 184	0.62 37	0.74 132	0.78 175	1.44 325	0.86 235	0.38 90	1.09 302	0.27 23	0.13 9	0.13 141	0.18 116	0.16 116	0.16 103	0.12 10

ccnet	0.84 314	0.59 345	0.86 293	0.56 320	0.60 359	1.11 326	0.72 325	1.44 346	0.97 245	1.15 327	1.44 325	1.28 319	0.95 322	1.01 290	1.33 344	0.49 363	0.43 373	0.50 366	0.47 363	0.52 359	0.48 358

CSAN	0.88 322	0.52 323	0.93 306	0.61 336	0.42 309	1.19 339	1.11 366	1.27 303	1.48 356	1.37 347	1.44 325	1.37 337	1.30 353	1.46 350	1.01 311	0.39 350	0.31 340	0.36 334	0.37 344	0.35 315	0.36 316

test_4	0.37 61	0.19 33	0.34 13	0.45 200	0.26 130	0.20 2	0.34 117	0.58 27	0.42 38	0.60 72	1.45 328	0.43 52	0.26 17	0.67 156	0.29 37	0.12 4	0.10 8	0.17 85	0.19 208	0.15 66	0.12 10

GrayStereo	0.49 180	0.20 54	0.44 79	0.47 241	0.29 199	0.51 144	0.62 305	0.71 100	0.66 96	1.04 298	1.46 329	0.77 212	0.73 260	0.58 74	0.35 90	0.15 67	0.12 86	0.17 85	0.17 158	0.15 66	0.30 289

RGC	0.82 307	0.62 349	0.80 276	0.67 351	0.66 365	0.91 291	0.59 299	1.35 326	1.09 295	1.12 324	1.46 329	1.50 351	1.09 336	1.28 327	0.97 307	0.34 333	0.30 332	0.48 361	0.40 353	0.38 324	0.38 324

stereogan	0.83 313	0.33 259	0.89 302	0.61 336	0.51 341	1.80 372	0.50 262	1.41 339	1.39 346	1.05 303	1.47 331	1.56 359	1.04 331	1.32 336	0.87 281	0.29 303	0.29 328	0.29 308	0.25 296	0.39 328	0.40 331

ADCMid	1.22 355	0.57 340	3.17 388	0.54 311	0.44 317	1.07 320	0.77 336	1.31 315	1.13 303	2.14 380	1.48 332	1.49 350	1.47 365	1.65 360	5.30 401	0.26 279	0.24 302	0.29 308	0.32 331	0.38 324	0.36 316

AnyNet_C32	1.27 360	0.72 359	3.33 390	0.59 330	0.56 349	1.51 359	1.53 389	1.27 303	1.28 332	1.52 353	1.48 332	1.38 341	1.23 349	1.64 359	5.26 399	0.30 310	0.29 328	0.29 308	0.34 339	0.38 324	0.44 348

DispFullNet	1.64 377	2.64 413	3.14 387	2.57 405	1.78 398	1.32 345	0.55 284	1.42 344	1.45 352	1.89 371	1.48 332	1.55 357	2.35 391	2.08 379	1.12 331	0.60 375	0.19 264	2.33 402	0.73 384	2.35 400	1.30 395

Sa-1000	0.49 180	0.25 167	0.45 84	0.46 223	0.25 101	0.64 209	0.34 117	0.85 164	0.95 233	0.85 205	1.51 335	0.55 91	0.44 125	0.94 263	0.31 58	0.16 99	0.12 86	0.21 218	0.20 227	0.15 66	0.14 49

ACVNet_1	1.55 374	1.36 388	1.35 348	1.96 398	1.63 393	1.83 374	0.96 359	2.09 383	1.85 374	1.43 351	1.54 336	2.31 376	1.68 373	1.42 344	1.18 334	1.76 398	0.51 381	2.05 399	0.59 378	2.24 399	1.30 395

anonymousa	0.51 201	0.21 74	0.47 102	0.39 61	0.25 101	0.89 289	0.36 146	0.78 144	0.63 84	0.88 225	1.54 336	1.09 302	0.67 229	0.53 54	0.46 174	0.17 125	0.14 172	0.19 148	0.21 244	0.16 103	0.16 98

MFN_U_SF_RVC	1.14 349	0.63 350	2.33 382	0.69 358	0.46 332	2.04 377	0.70 319	1.90 380	1.37 343	1.62 357	1.56 338	1.94 370	1.36 356	1.73 365	1.90 365	0.41 355	0.38 360	0.45 354	0.48 367	0.45 342	0.47 356

MFN_U_SF_DS_RVC	1.06 341	0.61 348	1.82 373	0.69 358	0.51 341	2.62 385	1.69 396	1.28 308	1.44 351	1.39 350	1.56 338	1.34 333	0.91 313	1.68 362	0.95 302	0.38 349	0.39 364	0.46 357	0.61 380	0.41 332	0.43 344

ADCL	1.10 345	0.42 302	1.57 361	0.51 281	0.41 300	1.71 370	0.92 354	1.36 330	1.45 352	1.33 345	1.56 338	1.22 317	1.26 352	1.45 348	5.27 400	0.22 242	0.19 264	0.25 268	0.25 296	0.29 282	0.29 285

RainbowNet	1.42 369	1.53 393	1.31 344	1.93 396	1.46 390	1.52 360	1.03 362	1.67 372	1.55 359	1.23 336	1.59 341	1.54 356	1.21 347	1.40 340	1.03 316	1.70 396	0.70 387	1.82 391	0.80 387	2.11 395	1.22 391

ACVNet-4b	1.43 370	1.34 387	1.28 340	1.95 397	1.60 392	1.93 376	0.77 336	1.59 365	1.64 367	1.05 303	1.60 342	2.10 373	0.92 315	1.79 368	0.84 277	1.76 398	0.35 356	2.03 397	0.67 381	2.16 396	1.18 390

DEmStereo	0.49 180	0.18 14	0.53 166	0.39 61	0.26 130	0.57 180	0.33 109	0.65 54	0.75 134	0.90 239	1.65 343	0.57 100	1.02 328	0.63 126	0.44 165	0.14 18	0.12 86	0.16 57	0.16 116	0.14 36	0.17 135

Consistency-Raft	1.01 339	0.82 364	1.27 339	0.85 372	0.97 378	0.81 269	0.83 346	1.35 326	1.61 364	1.06 311	1.66 344	1.11 305	0.93 317	0.93 260	1.11 329	0.65 376	0.75 392	0.79 377	0.91 390	1.09 384	0.79 378

RP	0.80 304	0.38 282	0.73 262	0.67 351	0.59 356	0.82 272	0.57 289	1.21 280	1.28 332	1.03 292	1.68 345	1.45 344	1.49 366	1.08 301	0.90 290	0.36 340	0.31 340	0.37 338	0.30 319	0.36 319	0.36 316

ADCS	1.60 375	0.70 355	4.02 393	0.61 336	0.53 345	1.31 344	1.11 366	1.71 374	1.86 375	1.97 375	1.68 345	1.51 353	1.46 363	2.07 378	9.20 408	0.34 333	0.32 346	0.33 328	0.36 342	0.45 342	0.46 354

WZ-Net	1.29 362	0.64 351	5.42 400	0.64 345	0.52 343	1.37 348	1.29 379	1.41 339	1.77 372	1.56 355	1.69 347	1.74 364	1.41 360	2.50 389	2.16 374	0.28 296	0.21 278	0.23 244	0.25 296	0.39 328	0.41 336

MFMNet_re	1.17 353	0.99 375	1.31 344	1.02 378	0.95 376	1.32 345	1.32 380	1.44 346	1.58 362	1.72 366	1.70 348	1.21 314	1.57 368	1.16 312	1.04 321	0.88 383	0.76 394	0.79 377	0.75 385	0.90 378	0.94 381

KYRaft	0.48 171	0.21 74	0.41 50	0.45 200	0.23 56	0.43 121	0.36 146	0.68 72	0.45 47	0.94 254	1.72 349	0.78 214	0.40 108	0.65 139	0.32 64	0.16 99	0.11 39	0.18 116	0.22 262	0.17 127	0.76 377

whm_eth	0.49 180	0.32 253	0.79 275	0.47 241	0.38 283	0.37 86	0.37 158	0.83 159	0.83 175	0.82 184	1.73 350	0.36 32	0.39 103	0.61 95	0.38 120	0.19 192	0.17 238	0.20 177	0.20 227	0.20 200	0.25 258

DRaft	0.49 180	0.18 14	0.50 132	0.38 45	0.25 101	0.57 180	0.39 184	0.67 67	0.86 186	1.02 289	1.75 351	0.50 77	0.79 280	0.65 139	0.42 156	0.14 18	0.11 39	0.16 57	0.16 116	0.14 36	0.17 135

RAFT-345	0.41 117	0.19 33	0.42 58	0.39 61	0.23 56	0.32 60	0.25 30	0.62 37	0.56 67	0.74 148	1.77 352	0.44 55	0.35 74	0.67 156	0.37 107	0.14 18	0.11 39	0.18 116	0.14 69	0.14 36	0.13 31

MADNet+	2.28 392	2.56 410	10.82 407	1.25 386	0.96 377	2.77 391	1.44 388	2.34 387	1.76 371	1.36 346	1.78 353	1.84 368	1.74 375	6.33 409	4.57 398	0.67 377	0.66 386	0.59 373	0.54 376	0.84 376	0.81 379

MDST_ROB	0.97 333	0.29 230	1.02 320	0.64 345	0.43 312	2.64 386	0.82 344	1.68 373	1.18 319	2.89 392	1.82 354	0.97 265	0.75 265	1.83 370	0.89 284	0.26 279	0.22 287	0.32 323	0.28 314	0.26 264	0.26 263

Prome-Stereo	0.46 153	0.20 54	0.37 27	0.45 200	0.26 130	0.40 101	0.42 219	0.69 83	0.49 57	0.96 271	1.84 355	0.58 115	0.64 212	0.63 126	0.32 64	0.15 67	0.11 39	0.16 57	0.14 69	0.17 127	0.30 289

MSC_U_SF_DS_RVC	1.38 366	0.91 371	2.11 380	0.89 373	0.57 353	4.27 405	1.79 400	1.55 357	2.00 378	1.64 359	1.85 356	1.83 366	1.44 362	1.89 373	1.49 354	0.49 363	0.40 367	0.56 370	0.58 377	0.75 374	0.52 367

Nwc_Net	0.82 307	0.40 294	0.86 293	0.62 340	0.56 349	1.04 317	0.57 289	1.72 375	1.08 289	0.93 250	1.88 357	1.44 343	1.24 350	1.19 316	0.94 299	0.31 313	0.25 310	0.36 334	0.39 349	0.31 293	0.31 296

SPS-STEREO	1.29 362	0.94 372	1.10 324	1.05 381	1.03 384	1.48 355	0.91 352	1.57 363	1.24 325	2.13 377	1.90 358	1.94 370	1.46 363	1.77 366	1.64 359	0.97 386	0.94 404	0.90 380	0.89 389	0.96 381	0.97 384
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
EDNetEfficient	1.47 372	0.82 364	6.28 402	0.48 249	0.40 295	0.73 242	0.83 346	0.95 197	2.77 390	3.48 404	1.95 359	1.64 362	2.12 386	1.42 344	3.84 393	0.21 226	0.19 264	0.21 218	0.21 244	0.43 338	0.42 340

AnyNet_C01	1.63 376	1.16 382	7.38 404	0.65 347	0.56 349	2.25 381	1.53 389	1.53 355	1.46 354	1.71 365	1.95 359	1.83 366	1.41 360	2.48 387	4.42 397	0.33 326	0.32 346	0.32 323	0.34 339	0.45 342	0.50 361

SGM_RVC	1.04 340	0.30 244	0.47 102	0.41 105	0.23 56	1.73 371	0.77 336	1.63 369	1.30 337	2.39 385	1.99 361	2.64 381	1.78 376	2.22 383	1.40 347	0.28 296	0.27 321	0.27 290	0.25 296	0.25 258	0.25 258
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
aanetorigin	0.85 319	0.58 343	1.98 376	0.50 269	0.40 295	0.66 220	0.70 319	0.72 110	1.01 258	2.44 387	2.00 362	1.32 325	1.25 351	0.96 271	1.16 333	0.20 211	0.19 264	0.20 177	0.20 227	0.27 273	0.33 308

GANet	0.74 293	0.38 282	0.63 217	0.54 311	0.35 271	1.01 311	0.95 357	1.15 261	0.95 233	1.09 317	2.00 362	1.14 309	0.92 315	1.29 329	0.75 260	0.25 274	0.27 321	0.27 290	0.23 271	0.32 299	0.24 251

AF-Net	0.85 319	0.41 298	0.87 298	0.66 349	0.54 347	0.96 299	0.52 271	1.66 371	1.37 343	1.03 292	2.04 364	1.46 345	1.36 356	1.19 316	1.05 323	0.34 333	0.24 302	0.39 344	0.28 314	0.31 293	0.26 263

SDNR	0.89 323	0.39 286	1.66 371	0.42 130	0.39 292	3.35 399	0.32 100	0.95 197	1.05 273	1.05 303	2.12 365	0.62 135	0.71 249	1.40 340	0.78 264	0.53 368	0.56 383	0.36 334	0.27 308	0.46 345	0.50 361

tt	6.21 410	0.22 97	5.88 401	3.55 415	2.07 404	11.25 416	19.19 417	11.84 418	5.47 405	2.71 390	2.18 366	4.87 400	6.25 410	3.71 399	7.09 404	8.31 420	11.17 424	4.91 416	5.39 419	5.72 417	2.42 409

ASMatch	0.48 171	0.20 54	0.47 102	0.39 61	0.28 180	0.37 86	0.26 40	0.76 136	0.72 118	0.77 164	2.29 367	0.61 129	0.51 156	0.64 133	0.39 128	0.15 67	0.12 86	0.17 85	0.15 90	0.14 36	0.22 224

PWCK	2.06 387	1.75 401	4.11 395	1.69 391	0.93 374	3.13 398	2.86 410	2.18 386	2.41 386	2.38 384	2.33 368	2.22 374	1.85 378	3.52 398	2.20 375	1.65 395	0.73 388	1.52 388	0.83 388	1.81 388	1.02 389

LSM	4.83 406	0.83 367	11.23 408	0.76 369	56.73 433	1.10 322	1.18 372	1.35 326	1.70 370	2.13 377	2.34 369	1.34 333	1.19 346	1.52 353	1.23 338	0.34 333	0.50 380	0.39 344	0.47 363	0.51 356	9.82 419

pmcnn	1.27 360	0.31 251	1.14 329	0.41 105	0.23 56	0.97 300	0.71 321	1.23 289	1.32 339	1.83 369	2.34 369	11.25 415	0.89 310	1.04 296	0.96 304	0.15 67	0.12 86	0.12 2	0.10 10	0.15 66	0.16 98

PVD	1.34 365	0.70 355	1.42 353	0.78 370	0.65 363	1.68 368	0.91 352	2.12 385	3.01 392	2.25 382	2.35 371	1.90 369	1.99 383	1.98 375	2.14 372	0.40 354	0.38 360	0.49 364	0.37 344	0.51 356	0.67 374

SANet	1.15 350	0.45 307	1.40 351	0.50 269	0.32 245	1.54 361	1.21 374	1.49 351	3.35 396	1.61 356	2.41 372	2.32 378	1.80 377	1.57 355	1.27 340	0.28 296	0.25 310	0.26 282	0.24 285	0.36 319	0.32 299

EDNetEfficientorigin	9.96 413	1.17 383	175.17 436	0.49 258	0.37 278	1.13 329	0.74 332	1.27 303	2.70 389	3.16 401	2.49 373	2.28 375	2.15 387	1.88 371	2.27 376	0.21 226	0.19 264	0.25 268	0.20 227	0.54 361	0.53 369

NVStereoNet_ROB	1.31 364	0.96 373	1.33 346	0.90 374	0.92 373	1.15 332	1.05 363	1.49 351	1.62 365	1.63 358	2.51 374	2.31 376	1.62 370	2.16 382	1.42 348	0.81 381	0.73 388	0.79 377	1.02 394	0.73 373	0.97 384
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ACVNet_2	1.74 379	1.30 386	1.62 367	1.81 393	1.63 393	2.28 382	1.34 382	2.35 388	2.64 388	1.82 368	2.55 375	2.99 385	1.71 374	1.67 361	1.20 337	1.48 394	0.59 385	1.81 390	0.71 383	2.09 394	1.29 394

RTS	2.03 385	1.03 379	11.50 409	0.68 355	0.63 361	2.71 387	1.56 391	1.55 357	2.32 383	1.93 372	2.57 376	1.32 325	1.32 354	5.20 406	4.30 395	0.31 313	0.23 294	0.29 308	0.30 319	0.41 332	0.40 331

RTSA	2.03 385	1.03 379	11.50 409	0.68 355	0.63 361	2.71 387	1.56 391	1.55 357	2.32 383	1.93 372	2.57 376	1.32 325	1.32 354	5.20 406	4.30 395	0.31 313	0.23 294	0.29 308	0.30 319	0.41 332	0.40 331

PWC_ROB	0.92 324	0.57 340	1.64 368	0.53 302	0.33 256	0.93 293	0.39 184	1.42 344	1.51 358	1.66 361	2.57 376	1.18 312	1.11 338	1.50 352	1.54 357	0.26 279	0.18 247	0.28 300	0.20 227	0.30 289	0.32 299

G-Net	0.95 330	0.48 320	1.13 327	0.67 351	0.49 336	2.07 378	0.63 308	1.02 217	0.90 208	1.77 367	2.62 379	1.28 319	1.60 369	1.09 302	1.06 324	0.37 344	0.30 332	0.35 331	0.25 296	0.46 345	0.45 350

UNDER WATER-64	3.72 401	2.07 405	4.57 397	3.30 414	2.52 410	5.61 409	2.63 409	3.67 403	12.27 411	3.09 399	2.66 380	5.99 408	4.74 408	3.93 403	3.57 389	2.54 409	1.24 409	2.65 408	1.48 407	3.21 412	2.62 411

JetBlue	3.02 397	1.39 389	7.91 405	1.17 384	1.49 391	8.53 411	7.94 413	2.82 391	1.98 377	2.15 381	2.69 381	3.32 392	3.01 399	6.66 410	3.81 392	0.79 379	0.78 395	0.75 376	0.76 386	1.04 382	1.33 397

coex-ft	6.50 411	1.57 394	87.99 435	0.49 258	0.38 283	1.41 350	1.21 374	1.21 280	7.96 408	12.14 416	2.78 382	2.74 382	3.83 403	1.30 333	3.19 387	0.24 262	0.23 294	0.27 290	0.24 285	0.48 348	0.40 331

IMH-64-1	1.96 382	1.64 398	1.26 336	2.26 402	1.91 401	2.30 383	1.35 383	2.99 393	2.29 381	1.70 363	2.79 383	2.47 379	1.66 371	2.33 384	1.95 366	2.07 401	0.74 390	2.44 403	1.04 396	2.40 401	1.59 401

IMH-64	1.96 382	1.64 398	1.26 336	2.26 402	1.91 401	2.30 383	1.35 383	2.99 393	2.29 381	1.70 363	2.79 383	2.47 379	1.66 371	2.33 384	1.95 366	2.07 401	0.74 390	2.44 403	1.04 396	2.40 401	1.59 401

UNDER WATER	3.63 400	2.12 406	4.11 395	3.17 412	2.51 409	3.77 403	2.45 407	3.53 402	13.66 415	2.98 397	2.92 385	5.75 405	4.13 406	3.85 402	3.75 391	2.84 412	1.11 407	2.71 410	1.41 406	3.26 413	2.50 410

SGM+DAISY	1.52 373	0.99 375	1.61 366	1.01 377	1.02 383	1.86 375	1.19 373	1.49 351	1.38 345	2.96 396	3.00 386	2.79 383	1.94 379	1.88 371	1.62 358	0.98 387	0.97 406	0.91 382	0.91 390	0.94 380	0.99 386

FTStereo	0.56 236	0.21 74	0.39 36	0.42 130	0.25 101	0.39 96	0.73 330	0.69 83	0.45 47	1.09 317	3.23 387	0.69 171	0.71 249	0.55 62	0.34 83	0.15 67	0.13 141	0.19 148	0.17 158	0.15 66	0.32 299

KSHMR	2.64 393	1.96 404	1.86 375	2.69 409	2.44 407	2.88 394	2.04 404	3.46 400	6.31 406	2.51 388	3.27 388	3.39 393	1.97 380	2.59 390	2.08 371	2.48 408	1.41 410	2.80 412	1.51 408	2.98 409	2.09 406

WAO-6	2.11 389	1.52 392	1.25 335	1.73 392	1.69 397	2.72 389	1.62 393	3.15 395	3.64 397	2.01 376	3.28 389	3.52 395	2.20 390	2.59 390	2.48 380	1.31 393	0.92 400	2.04 398	1.22 405	1.89 390	1.35 399

Dean	2.07 388	1.39 389	1.69 372	2.17 400	1.83 400	2.75 390	1.28 378	3.49 401	3.80 400	2.13 377	3.30 390	3.18 389	1.98 382	1.78 367	1.72 361	1.73 397	0.79 398	1.99 393	0.91 390	2.17 397	1.34 398

WAO-7	1.96 382	1.24 384	1.52 357	1.28 387	1.06 386	2.92 395	1.64 394	3.32 397	3.05 394	2.28 383	3.32 391	3.19 390	2.38 392	3.39 396	2.49 381	1.02 388	0.92 400	1.06 384	1.04 396	1.05 383	0.99 386

MeshStereo	1.38 366	0.45 307	0.58 194	0.45 200	0.35 271	1.63 365	0.60 301	2.07 382	1.43 350	4.49 407	3.32 391	4.67 398	2.08 385	2.08 379	1.32 343	0.36 340	0.36 358	0.37 338	0.32 331	0.32 299	0.34 310
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
IMH	2.15 390	1.66 400	1.29 341	2.25 401	1.92 403	2.87 393	1.33 381	3.25 396	3.04 393	1.87 370	3.33 393	3.00 386	2.03 384	2.80 393	1.95 366	2.09 403	0.78 395	2.45 405	1.05 399	2.44 403	1.62 403

ELAS_RVC	1.76 380	0.64 351	1.20 332	0.74 366	0.59 356	2.18 380	2.53 408	2.10 384	2.85 391	3.46 403	3.41 394	3.12 388	4.11 405	2.69 392	2.53 382	0.54 371	0.47 378	0.51 368	0.48 367	0.55 363	0.55 370
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PWCDC_ROB	0.93 325	0.54 331	0.97 316	0.78 370	0.41 300	1.03 315	0.42 219	1.39 333	2.34 385	1.04 298	3.73 395	0.80 224	1.12 340	1.29 329	1.04 321	0.37 344	0.22 287	0.24 257	0.20 227	0.36 319	0.31 296

MSMD_ROB	1.25 358	0.51 321	0.64 221	0.60 332	0.50 339	1.66 367	0.67 313	1.26 298	1.26 330	2.64 389	3.82 396	3.06 387	3.20 401	1.45 348	0.91 293	0.46 358	0.41 369	0.49 364	0.51 373	0.47 347	0.45 350

JetRed	5.38 409	6.17 417	12.68 412	2.38 404	2.85 413	12.60 417	11.17 415	4.60 407	3.74 398	3.87 406	3.85 397	4.83 399	4.13 406	6.81 411	12.18 412	2.18 404	2.95 415	2.19 401	1.98 410	3.49 414	3.01 413

RAFT-RH_RVC	0.57 240	0.18 14	0.44 79	0.38 45	0.23 56	0.56 170	0.24 23	0.61 35	0.73 127	1.18 329	3.90 398	0.55 91	0.40 108	0.67 156	0.38 120	0.14 18	0.11 39	0.20 177	0.15 90	0.12 2	0.14 49

WCMA_ROB	1.22 355	0.39 286	0.93 306	0.51 281	0.45 324	1.44 352	0.79 340	1.20 277	1.30 337	2.99 398	3.94 399	3.30 391	2.17 388	1.42 344	1.31 342	0.46 358	0.35 356	0.35 331	0.37 344	0.41 332	0.42 340

ELAS	1.77 381	0.64 351	1.10 324	0.72 364	0.58 354	3.37 400	1.76 398	2.54 390	2.57 387	3.77 405	3.96 400	2.83 384	3.44 402	2.34 386	2.73 384	0.53 368	0.47 378	0.50 366	0.48 367	0.55 363	0.55 370
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
WAO-8	3.00 395	1.60 395	1.52 357	1.82 394	1.65 395	5.57 407	1.35 383	4.65 408	12.37 412	2.89 392	4.04 401	4.89 401	2.78 395	3.73 400	2.44 377	1.29 391	0.93 402	2.00 394	1.16 403	2.02 392	1.23 392

Venus	3.00 395	1.60 395	1.52 357	1.82 394	1.65 395	5.57 407	1.35 383	4.65 408	12.37 412	2.89 392	4.04 401	4.89 401	2.78 395	3.73 400	2.44 377	1.29 391	0.93 402	2.00 394	1.16 403	2.02 392	1.23 392

notaker	2.87 394	2.31 408	2.01 377	3.03 411	2.60 412	2.94 396	1.82 401	3.43 399	3.06 395	2.89 392	4.21 403	6.15 409	2.71 394	3.42 397	2.90 385	2.67 411	1.18 408	3.00 413	1.67 409	3.13 410	2.26 408

LVE	2.20 391	1.47 391	1.44 355	2.06 399	1.80 399	2.79 392	1.77 399	2.96 392	3.94 402	1.95 374	4.29 404	3.47 394	1.97 380	2.48 387	1.85 364	2.06 400	0.88 399	2.06 400	1.13 401	2.17 397	1.53 400

FCDSN-DC	1.43 370	0.57 340	0.69 247	0.74 366	0.59 356	1.42 351	0.65 312	1.40 337	1.41 347	3.31 402	4.42 405	4.57 397	3.01 399	1.70 363	1.19 336	0.46 358	0.42 371	0.48 361	0.47 363	0.51 356	0.51 365
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
DPSimNet_ROB	5.19 408	2.71 414	18.56 414	2.59 406	2.49 408	4.25 404	10.93 414	3.33 398	3.93 401	5.02 410	4.52 406	5.74 404	10.18 411	5.44 408	8.79 407	2.40 407	2.47 413	2.48 406	2.54 412	2.56 405	2.87 412

FC-DCNN	1.67 378	0.53 325	0.68 239	0.62 340	0.49 336	1.62 364	0.71 321	1.77 378	1.55 359	4.73 409	4.66 407	5.82 406	3.94 404	2.13 381	1.42 348	0.47 361	0.42 371	0.47 358	0.46 362	0.48 348	0.47 356

LE_ROB	4.86 407	0.27 207	9.43 406	0.45 200	0.24 77	1.61 363	0.96 359	2.05 381	17.75 422	16.36 424	4.84 408	5.17 403	19.48 424	2.05 376	15.49 415	0.17 125	0.15 191	0.16 57	0.16 116	0.20 200	0.19 166

ktn	3.02 397	2.27 407	1.85 374	2.89 410	2.54 411	3.72 401	2.14 405	3.79 404	5.33 404	2.82 391	5.09 409	5.95 407	2.54 393	3.34 395	2.58 383	2.65 410	1.44 411	2.78 411	2.03 411	2.61 406	2.10 407

MADNet++	4.18 402	2.72 415	4.00 392	3.80 416	3.44 415	4.72 406	4.05 412	4.01 405	3.74 398	4.52 408	5.14 410	4.20 396	4.89 409	7.04 412	6.39 402	3.79 413	3.70 416	3.27 415	2.70 414	3.68 415	3.74 416

TorneroNet-64	3.54 399	1.89 402	1.59 362	2.62 408	2.29 405	6.88 410	1.72 397	4.72 410	11.88 410	2.43 386	5.46 411	8.16 411	2.80 397	4.13 404	3.03 386	2.25 406	0.75 392	2.57 407	1.09 400	2.65 407	1.84 405

ASD4	10.37 414	9.12 420	17.90 413	7.49 419	10.02 417	16.90 419	28.93 421	11.05 417	8.53 409	7.42 414	7.41 412	8.91 412	10.32 412	11.44 417	20.38 419	4.52 416	4.58 418	5.68 419	5.04 418	5.72 417	6.02 418

SGM-ForestM	4.73 404	0.34 264	1.05 322	0.46 223	0.28 180	10.26 412	3.48 411	4.52 406	5.16 403	8.68 415	7.48 413	18.87 422	10.80 414	11.26 416	10.01 409	0.32 318	0.34 354	0.32 323	0.32 331	0.29 282	0.30 289

TorneroNet	4.49 403	1.92 403	1.65 370	2.60 407	2.29 405	14.95 418	1.86 402	4.86 411	19.56 426	3.10 400	7.52 414	7.00 410	2.90 398	4.48 405	3.66 390	2.24 405	0.78 395	2.68 409	1.14 402	2.79 408	1.80 404

MANE	4.73 404	0.54 331	0.77 272	0.69 358	0.60 359	10.35 413	1.67 395	8.68 414	12.66 414	6.90 413	9.43 415	11.59 416	10.59 413	8.26 413	8.41 406	0.51 366	0.45 375	0.48 361	1.02 394	0.50 353	0.50 361

HanzoNet	6.97 412	2.57 411	4.66 398	3.29 413	2.96 414	3.75 402	2.35 406	5.08 412	7.11 407	14.46 423	13.06 416	17.69 420	22.95 426	13.72 418	6.61 403	4.36 415	1.96 412	3.14 414	2.59 413	3.88 416	3.19 414

xxxxx1	36.77 430	19.69 424	24.00 419	62.46 435	66.77 435	27.30 425	39.89 427	20.40 421	18.80 423	14.18 420	13.11 417	17.29 417	17.30 421	21.62 423	27.81 425	13.61 424	18.98 432	111.36 436	133.25 435	28.84 430	38.64 432

tt_ll	36.77 430	19.69 424	24.00 419	62.46 435	66.77 435	27.30 425	39.89 427	20.40 421	18.80 423	14.18 420	13.11 417	17.29 417	17.30 421	21.62 423	27.81 425	13.61 424	18.98 432	111.36 436	133.25 435	28.84 430	38.64 432

ff	36.77 430	19.69 424	24.00 419	62.46 435	66.77 435	27.30 425	39.89 427	20.40 421	18.80 423	14.18 420	13.11 417	17.29 417	17.30 421	21.62 423	27.81 425	13.61 424	18.98 432	111.36 436	133.25 435	28.84 430	38.64 432

Anonymous_1	33.12 424	18.23 421	23.86 418	20.53 422	21.18 423	25.45 421	35.84 424	22.44 428	15.68 419	13.41 417	13.70 420	18.00 421	15.15 418	20.31 419	24.47 422	14.56 427	8.84 421	66.24 435	117.79 434	155.41 438	11.40 422

DPSM_ROB	17.80 418	18.60 422	24.24 422	20.89 423	19.49 421	25.83 422	36.10 425	21.62 426	16.41 420	13.46 418	14.26 421	19.11 423	16.15 419	20.74 420	25.59 423	9.37 422	9.23 422	9.47 422	9.81 422	13.47 421	12.09 423

DPSM	17.80 418	18.60 422	24.24 422	20.89 423	19.49 421	25.83 422	36.10 425	21.62 426	16.41 420	13.46 418	14.26 421	19.11 423	16.15 419	20.74 420	25.59 423	9.37 422	9.23 422	9.47 422	9.81 422	13.47 421	12.09 423

DGTPSM_ROB	12.12 415	8.03 418	21.12 415	8.97 420	16.81 419	10.68 414	30.77 422	9.14 415	15.23 417	6.55 411	15.49 423	9.02 413	15.13 416	9.26 414	21.71 420	4.58 417	8.60 419	5.07 417	9.26 420	5.88 419	11.06 420

DPSMNet_ROB	12.13 416	8.03 418	21.13 416	9.02 421	16.82 420	10.68 414	30.78 423	9.15 416	15.24 418	6.56 412	15.50 424	9.02 413	15.13 416	9.28 415	21.71 420	4.59 418	8.60 419	5.08 418	9.26 420	5.89 420	11.06 420

SPstereo	24.33 422	4.45 416	7.15 403	4.44 417	4.17 416	45.69 430	77.93 436	63.66 437	33.40 435	27.58 432	26.62 425	39.42 435	33.37 435	42.68 437	50.66 431	4.01 414	3.77 417	6.06 420	4.73 416	3.17 411	3.55 415

LRCNet_RVC	21.27 421	31.14 428	21.46 417	28.97 426	23.77 424	3.11 397	0.62 305	20.94 424	1.64 367	25.57 425	28.13 426	21.96 425	14.74 415	21.99 426	16.44 416	29.16 434	14.92 425	33.57 431	31.28 430	29.67 433	26.33 430

CasAABBNet	35.77 425	37.38 431	48.59 429	42.20 429	39.23 428	51.95 431	72.92 435	43.36 434	33.03 431	26.93 426	28.31 427	38.43 432	32.32 429	41.58 431	51.50 436	18.71 428	18.58 427	19.11 428	19.75 425	27.11 427	24.33 425

Selective-RAFT-Error	35.87 429	37.42 432	48.73 433	42.24 430	39.28 429	52.00 435	72.87 431	43.41 435	32.95 430	26.97 427	28.72 428	38.71 434	33.15 434	41.59 435	51.42 432	18.77 432	18.60 428	19.14 429	19.78 429	27.19 428	24.42 429

LSM0	38.96 435	37.52 436	48.37 428	43.79 434	91.31 438	52.31 436	72.38 430	43.71 436	32.75 429	27.16 428	28.73 429	38.51 433	32.63 433	41.75 436	51.59 437	18.85 433	18.43 426	19.09 427	19.60 424	27.21 429	33.44 431

MyStereo03	35.83 426	37.48 433	48.64 430	42.37 431	39.41 430	51.98 432	72.91 432	43.07 431	33.07 432	27.20 429	28.81 430	38.36 429	32.60 430	41.58 431	51.47 433	18.74 429	18.61 429	19.07 424	19.77 426	27.10 424	24.35 426

MyStereo02	35.83 426	37.48 433	48.64 430	42.37 431	39.41 430	51.98 432	72.91 432	43.07 431	33.07 432	27.20 429	28.81 430	38.36 429	32.60 430	41.58 431	51.47 433	18.74 429	18.61 429	19.07 424	19.77 426	27.10 424	24.35 426

MyStereo	35.83 426	37.48 433	48.64 430	42.37 431	39.41 430	51.98 432	72.91 432	43.07 431	33.07 432	27.20 429	28.81 430	38.36 429	32.60 430	41.58 431	51.47 433	18.74 429	18.61 429	19.07 424	19.77 426	27.10 424	24.35 426

BEATNet-Init1	15.65 417	1.62 397	54.26 434	0.75 368	0.56 349	37.03 429	13.39 416	13.20 419	14.59 416	29.41 433	29.29 433	47.69 436	21.87 425	26.91 427	19.58 417	0.43 357	0.39 364	0.47 358	0.47 363	0.52 359	0.52 367

HaxPig	31.93 423	37.19 430	34.22 424	24.41 425	24.94 425	18.53 420	20.18 418	21.15 425	28.84 428	35.74 434	38.86 434	26.18 426	28.75 428	33.85 428	34.15 428	35.89 435	38.80 435	37.79 432	40.52 431	39.33 434	39.33 435

AVERAGE_ROB	37.53 434	40.05 437	40.01 426	34.74 428	33.76 427	28.46 428	25.14 420	32.31 430	34.08 437	41.20 435	40.52 435	34.51 428	34.78 437	39.11 429	37.48 430	42.68 436	43.32 436	43.80 433	42.99 432	40.42 435	41.31 436

MEDIAN_ROB	37.35 433	40.72 438	40.37 427	32.26 427	31.80 426	27.29 424	25.02 419	29.47 429	33.43 436	41.99 436	41.60 436	33.48 427	34.37 436	39.66 430	36.94 429	43.49 437	43.96 437	44.07 434	43.35 433	41.32 436	42.43 437

test_example2	176.82 437	204.75 439	198.54 437	188.58 439	191.23 439	151.28 438	169.77 437	97.63 438	125.81 438	179.94 438	183.74 437	158.20 438	139.14 438	192.16 438	198.12 438	203.48 438	236.37 438	163.71 439	173.22 438	217.79 439	162.95 438

PML	40.49 436	30.31 427	12.46 411	7.19 418	14.30 418	91.44 437	212.44 438	7.73 413	23.24 427	74.44 437	185.05 438	49.81 437	25.78 427	21.34 422	12.84 413	8.71 421	2.93 414	8.43 421	3.24 415	13.77 423	4.45 417

FADE		2.54 409		1.04 380	1.00 381													21.24 430		0.63 371

Low-res two-view benchmark