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

EGLCR-Stereo	1.06 29	0.51 10	1.56 20	1.02 133	0.39 26	4.27 292	0.42 8	4.08 257	1.48 39	0.90 24	0.68 1	1.09 52	0.66 11	1.81 94	0.62 2	0.27 33	0.19 38	0.29 80	0.23 57	0.37 159	0.25 26

StereoIM	0.82 5	0.66 119	1.53 16	0.65 4	1.87 358	1.24 9	0.36 4	2.13 30	1.27 13	0.67 4	0.75 2	0.88 38	0.70 12	1.15 15	1.07 102	0.29 75	0.23 126	0.26 36	0.20 22	0.31 73	0.22 9

test_xeample3	2.12 182	0.63 97	21.55 392	0.91 78	0.47 62	1.85 25	0.94 196	7.96 396	1.23 4	0.75 6	0.76 3	0.64 5	0.70 12	1.77 91	0.83 46	0.30 109	0.21 80	0.27 51	0.21 28	0.27 23	0.24 20

IGEVStereo-DCA	0.86 8	0.65 109	2.05 53	0.90 74	0.46 52	1.57 16	0.86 148	1.62 6	1.24 5	0.65 1	0.77 4	0.74 21	0.72 16	2.59 157	0.86 54	0.28 58	0.21 80	0.28 65	0.21 28	0.29 42	0.27 54

rrr	2.27 200	0.65 109	23.82 408	0.90 74	0.46 52	1.57 16	0.96 204	7.98 397	1.19 3	0.65 1	0.77 4	0.74 21	0.72 16	2.59 157	0.86 54	0.28 58	0.21 80	0.28 65	0.21 28	0.29 42	0.25 26

AEACV	0.79 3	0.54 29	1.35 10	0.97 105	0.63 120	1.13 6	0.92 192	2.02 26	0.91 1	0.76 13	0.79 6	0.80 29	1.61 189	1.28 35	0.61 1	0.22 4	0.18 24	0.26 36	0.23 57	0.27 23	0.23 14

LoS	0.94 10	0.52 15	1.88 38	0.86 59	0.36 5	4.15 255	0.51 21	2.18 33	1.45 24	0.97 28	0.88 7	0.62 4	0.79 31	1.59 67	0.86 54	0.26 26	0.19 38	0.24 16	0.16 7	0.21 2	0.20 6

4D-IteraStereo	1.97 159	0.84 216	20.43 362	0.78 26	1.56 319	2.09 39	1.05 220	2.43 45	1.56 83	1.41 52	1.00 8	1.94 153	0.61 5	1.22 27	1.06 100	0.27 33	0.18 24	0.31 117	0.26 99	0.27 23	0.23 14

CES	1.01 22	0.55 33	1.74 30	0.92 81	2.15 370	2.15 41	0.50 17	2.01 25	1.45 24	0.76 13	1.02 9	0.61 3	0.47 1	1.29 37	0.79 39	0.22 4	0.17 9	0.24 16	0.14 2	0.63 287	2.29 378

sAnonymous2	1.37 83	1.22 290	9.79 198	0.92 81	0.88 180	1.23 7	0.61 44	2.56 65	1.69 126	0.85 22	1.02 9	0.73 19	1.23 114	0.98 4	0.78 37	0.29 75	0.25 170	0.31 117	0.30 184	1.06 347	0.71 304

CroCo_RVC	1.37 83	1.22 290	9.79 198	0.92 81	0.88 180	1.23 7	0.61 44	2.56 65	1.69 126	0.85 22	1.02 9	0.73 19	1.23 114	0.98 4	0.78 37	0.29 75	0.25 170	0.31 117	0.30 184	1.06 347	0.71 304

ff7	0.98 14	0.69 134	2.05 53	0.84 49	0.52 83	4.55 334	0.86 148	1.62 6	1.24 5	0.75 6	1.03 12	0.70 10	0.77 23	1.84 97	0.68 14	0.27 33	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

ffff	0.98 14	0.69 134	2.05 53	0.84 49	0.52 83	4.55 334	0.86 148	1.62 6	1.24 5	0.75 6	1.03 12	0.70 10	0.77 23	1.84 97	0.68 14	0.27 33	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

11t	0.98 14	0.69 134	2.05 53	0.84 49	0.52 83	4.55 334	0.86 148	1.62 6	1.24 5	0.75 6	1.03 12	0.70 10	0.77 23	1.84 97	0.68 14	0.27 33	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

ccc-4	0.98 14	0.69 134	2.05 53	0.84 49	0.52 83	4.55 334	0.86 148	1.62 6	1.24 5	0.75 6	1.03 12	0.70 10	0.77 23	1.84 97	0.68 14	0.27 33	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

GLC_STEREO	0.76 1	0.52 15	1.12 3	0.83 43	0.33 2	1.86 26	0.82 133	1.46 2	1.38 19	0.95 27	1.04 16	0.68 7	0.72 16	0.97 3	0.80 40	0.23 7	0.25 170	0.32 132	0.25 86	0.32 96	0.30 95

PMTNet	0.99 20	0.48 5	1.73 27	0.62 2	0.56 97	4.20 281	0.43 11	1.88 20	1.58 91	1.00 29	1.05 17	0.78 24	0.98 58	1.50 56	0.85 50	1.21 367	0.20 55	0.23 5	0.15 4	0.22 3	0.19 3

anonymousdsp	0.95 12	0.69 134	1.27 5	0.83 43	0.52 83	4.54 331	0.84 140	1.76 16	1.24 5	0.76 13	1.06 18	0.78 24	0.77 23	1.67 85	0.69 18	0.27 33	0.17 9	0.29 80	0.21 28	0.31 73	0.26 42

IGEV-Stereo	0.95 12	0.69 134	1.27 5	0.84 49	0.52 83	4.54 331	0.84 140	1.76 16	1.24 5	0.75 6	1.06 18	0.79 28	0.77 23	1.68 86	0.69 18	0.27 33	0.17 9	0.29 80	0.21 28	0.31 73	0.26 42
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
knoymous	1.30 75	0.60 72	5.57 162	0.88 66	0.75 148	3.04 72	0.90 174	2.68 74	1.33 16	1.48 56	1.07 20	2.78 249	0.88 40	1.29 37	0.85 50	0.31 126	0.22 102	0.35 194	0.20 22	0.45 229	0.37 157

riskmin	1.25 60	0.56 40	2.05 53	1.05 142	0.93 195	2.86 60	0.55 26	3.23 113	1.34 17	1.55 62	1.07 20	3.56 310	2.03 253	1.29 37	1.00 95	0.28 58	0.27 189	0.34 179	0.21 28	0.41 195	0.43 208

CASnet	0.78 2	0.51 10	1.29 7	0.81 29	0.29 1	1.28 10	0.74 95	1.51 4	1.89 157	1.64 76	1.09 22	0.65 6	0.64 8	0.91 2	0.76 34	0.29 75	0.17 9	0.41 245	0.31 200	0.32 96	0.19 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CAS	1.26 67	0.40 1	1.46 13	2.97 382	1.61 327	4.13 251	0.73 86	1.78 18	1.49 45	0.83 21	1.10 23	0.59 2	0.53 2	1.26 31	0.80 40	2.99 386	0.13 1	0.21 2	0.13 1	0.31 73	1.72 369

FENet	2.25 196	0.50 8	20.29 355	1.35 259	0.67 133	4.01 227	0.60 41	3.95 220	1.99 168	1.96 138	1.11 24	2.43 212	1.43 147	1.60 69	1.39 160	0.32 141	0.22 102	0.33 163	0.26 99	0.29 42	0.39 175

CREStereo	0.92 9	0.53 24	1.45 12	0.61 1	0.34 3	4.42 311	0.40 7	2.21 34	1.54 73	0.94 26	1.12 25	0.87 36	0.87 39	1.12 10	0.72 28	0.28 58	0.19 38	0.22 4	0.15 4	0.22 3	0.19 3
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
ProNet	0.82 5	0.71 154	1.50 15	0.86 59	0.45 46	1.78 21	0.83 137	1.75 15	1.28 14	0.66 3	1.13 26	0.78 24	0.76 22	1.66 82	0.71 25	0.24 10	0.20 55	0.25 26	0.23 57	0.29 42	0.25 26

Anonymous	1.04 28	0.76 184	2.42 91	1.06 146	1.27 269	1.67 20	0.86 148	2.51 52	1.49 45	0.92 25	1.14 27	0.70 10	1.10 86	1.26 31	0.98 88	0.47 273	0.33 234	0.30 99	0.30 184	0.66 301	0.51 254

test-3	1.19 41	0.52 15	2.00 47	1.01 124	0.42 34	1.95 29	0.91 182	4.35 335	1.47 34	2.24 229	1.16 28	2.06 177	0.79 31	2.68 162	0.76 34	0.27 33	0.18 24	0.28 65	0.26 99	0.26 17	0.25 26

test_1	1.19 41	0.52 15	2.00 47	1.01 124	0.42 34	1.95 29	0.90 174	4.36 337	1.47 34	2.17 206	1.16 28	2.06 177	0.78 29	2.68 162	0.76 34	0.27 33	0.18 24	0.28 65	0.26 99	0.26 17	0.25 26

UDGNet	1.40 86	1.52 323	2.22 73	1.38 275	0.62 119	4.39 304	0.68 68	1.80 19	2.18 205	1.34 45	1.18 30	0.99 45	1.00 61	2.16 125	1.19 124	1.09 362	0.34 246	1.30 375	0.98 364	1.10 353	0.58 280

test_3	1.19 41	0.51 10	2.08 65	0.99 113	0.41 31	2.05 37	0.87 164	4.40 343	1.42 21	1.99 146	1.18 30	2.03 171	0.79 31	2.70 164	0.75 32	0.27 33	0.17 9	0.29 80	0.29 170	0.30 57	0.27 54

MIF-Stereo (partial)	0.98 14	0.55 33	2.83 107	0.71 8	1.03 219	1.08 5	0.49 16	2.55 63	1.66 119	0.79 17	1.20 32	0.80 29	0.90 43	1.61 74	1.56 190	0.36 185	0.24 153	0.33 163	0.25 86	0.40 174	0.28 67

CroCo-Stereo Lap2	0.99 20	0.89 225	2.55 94	0.99 113	1.80 355	0.54 2	0.46 12	3.10 101	1.24 5	1.07 35	1.21 33	1.05 51	0.78 29	1.26 31	1.08 104	0.27 33	0.23 126	0.27 51	0.21 28	0.43 218	0.34 129

MyStereo07	1.01 22	0.80 198	1.26 4	1.00 120	1.04 222	3.95 213	0.95 199	2.07 29	1.42 21	0.75 6	1.22 34	0.68 7	0.91 45	1.63 78	0.67 12	0.24 10	0.24 153	0.34 179	0.26 99	0.41 195	0.37 157

EKT-Stereo	6.79 388	0.64 102	4.24 141	1.77 335	106.39 431	4.51 329	0.61 44	3.16 105	1.53 66	1.88 115	1.22 34	1.98 164	1.36 133	3.81 186	0.84 48	0.35 180	0.24 153	0.29 80	0.26 99	0.34 127	0.48 237

FADNet-RVC	2.51 244	2.27 353	14.03 242	1.09 156	0.81 158	3.54 137	1.10 230	4.13 268	2.48 259	1.39 50	1.22 34	1.85 147	1.77 224	9.78 298	2.06 255	0.38 206	0.37 266	0.40 238	0.40 280	0.67 304	0.48 237

test croco	1.55 97	0.69 134	13.59 231	0.65 4	0.73 146	1.66 19	0.57 29	3.17 107	1.94 162	0.77 16	1.24 37	0.80 29	0.86 37	1.60 69	0.96 85	0.33 152	0.21 80	0.32 132	0.25 86	0.42 210	0.28 67

qqq	1.30 75	0.57 45	1.67 24	1.15 191	0.51 76	2.18 43	0.91 182	3.98 228	1.53 66	1.50 58	1.24 37	1.79 132	1.34 130	4.66 202	0.98 88	0.28 58	0.31 222	0.33 163	0.33 215	0.33 111	0.32 109

dd	1.26 67	1.15 274	2.47 92	0.92 81	0.49 72	4.35 300	0.75 102	1.92 22	2.11 196	1.44 54	1.24 37	1.19 66	1.05 71	1.78 92	1.70 212	0.57 312	0.34 246	0.35 194	0.33 215	0.60 279	0.46 228

GMStereo	1.01 22	1.00 247	2.86 109	0.83 43	0.45 46	1.47 13	0.57 29	1.89 21	2.11 196	1.52 59	1.24 37	0.87 36	0.74 20	1.58 64	0.94 82	0.40 223	0.21 80	0.30 99	0.30 184	0.47 238	0.36 143
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CroCo-Stereo	0.98 14	0.87 223	3.44 127	0.87 62	0.53 91	0.49 1	0.50 17	3.99 232	1.49 45	0.81 18	1.25 41	1.00 46	0.75 21	1.10 8	1.09 107	0.24 10	0.21 80	0.24 16	0.19 18	0.35 142	0.27 54
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
MyStereo05	2.37 225	0.72 157	19.94 336	1.02 133	0.99 209	4.26 287	0.86 148	4.01 235	2.62 278	2.14 192	1.26 42	2.28 191	1.63 204	2.07 114	1.68 210	0.24 10	0.23 126	0.34 179	0.26 99	0.42 210	0.36 143

11t1	1.11 33	0.53 24	1.80 35	1.55 310	0.65 127	2.20 45	0.60 41	3.66 156	1.49 45	1.60 66	1.26 42	1.03 48	1.35 132	1.72 88	0.97 86	0.28 58	0.31 222	0.29 80	0.23 57	0.30 57	0.34 129

MIF-Stereo	0.82 5	0.47 4	2.63 99	0.96 98	1.19 250	0.78 3	0.39 6	1.12 1	1.54 73	1.19 41	1.26 42	0.51 1	0.64 8	1.13 13	1.03 97	0.30 109	0.20 55	0.24 16	0.21 28	0.40 174	0.25 26

DLNR_Zeroshot_test	28.62 417	55.50 431	49.94 425	183.62 434	115.05 432	3.43 112	0.28 1	29.49 419	1.49 45	1.01 30	1.26 42	0.93 42	0.63 7	3.92 192	1.51 184	29.81 425	0.41 291	0.26 36	0.23 57	93.28 431	0.32 109

rafts_anoy	1.24 57	0.80 198	3.61 135	1.17 197	1.20 255	3.00 71	0.61 44	3.17 107	1.58 91	1.37 48	1.26 42	1.19 66	1.12 91	1.78 92	1.25 138	0.32 141	0.23 126	0.32 132	0.32 207	0.31 73	0.30 95

sCroCo_RVC	1.06 29	0.82 209	5.05 152	1.02 133	1.05 224	0.98 4	0.61 44	2.06 27	1.29 15	0.69 5	1.26 42	0.82 32	1.10 86	1.20 24	0.90 65	0.42 243	0.40 285	0.33 163	0.30 184	0.46 236	0.38 170

MyStereo04	2.29 208	0.80 198	18.77 311	1.00 120	1.04 222	3.95 213	0.95 199	3.91 209	2.54 271	1.99 146	1.27 48	2.31 198	1.65 209	2.02 113	1.77 222	0.24 10	0.24 153	0.34 179	0.26 99	0.41 195	0.37 157

x	1.15 38	0.57 45	1.53 16	1.44 285	0.67 133	1.94 28	0.97 206	3.87 196	1.57 89	1.61 71	1.28 49	1.58 104	1.22 111	1.93 105	1.04 98	0.28 58	0.30 214	0.34 179	0.29 170	0.32 96	0.31 102

TRStereo	2.31 212	1.87 341	19.74 330	1.53 303	1.16 243	4.26 287	1.08 226	4.73 375	1.45 24	1.55 62	1.28 49	1.75 122	0.85 36	1.81 94	1.20 127	0.36 185	0.26 181	0.32 132	0.36 244	0.34 127	0.33 119

FADNet	2.49 241	1.76 338	13.17 225	1.17 197	0.95 198	3.27 93	0.88 168	3.94 218	2.27 219	1.40 51	1.29 51	2.51 221	2.06 257	9.93 304	1.94 240	0.43 248	0.45 305	0.40 238	0.43 290	1.06 347	0.53 261

CBFPSM	2.05 175	0.95 238	10.12 204	1.07 148	1.05 224	2.84 58	1.20 248	3.28 117	1.73 133	1.82 106	1.30 52	4.56 355	4.06 343	2.34 138	2.34 279	0.25 19	0.38 272	0.32 132	0.27 122	0.37 159	0.79 323

AnonymousM	1.22 51	1.32 305	0.97 1	0.88 66	0.56 97	4.03 230	0.69 73	2.41 42	1.68 121	1.48 56	1.31 53	1.15 58	1.00 61	1.18 22	0.73 29	0.32 141	0.40 285	2.07 382	1.70 384	0.24 5	0.22 9

LoS_RVC	0.94 10	1.30 301	1.31 8	0.84 49	1.63 330	2.02 31	0.59 38	1.51 4	1.36 18	0.81 18	1.33 54	0.84 33	0.88 40	1.36 43	0.73 29	0.21 1	0.17 9	0.20 1	0.14 2	0.20 1	1.45 362

NRIStereo	1.28 72	0.61 86	1.67 24	1.15 191	0.38 25	4.73 367	0.90 174	2.42 43	1.50 50	1.93 131	1.33 54	1.75 122	1.22 111	2.96 172	1.33 155	0.46 265	0.22 102	0.29 80	0.26 99	0.30 57	0.28 67

TestStereo	2.00 165	1.02 249	12.25 220	0.70 7	0.61 116	1.88 27	0.55 26	2.31 38	1.52 61	1.41 52	1.33 54	1.27 73	0.90 43	11.62 356	0.81 42	0.34 163	0.19 38	0.33 163	0.24 78	0.44 222	0.24 20

FADNet-RVC-Resample	2.83 276	2.02 348	21.07 378	1.12 170	0.91 189	3.53 133	1.37 269	4.08 257	2.09 186	1.68 83	1.33 54	2.03 171	1.51 170	9.54 293	1.69 211	0.38 206	0.37 266	0.42 251	0.44 292	0.56 268	0.56 272

DIP-Stereo	1.24 57	0.69 134	1.77 32	0.65 4	0.61 116	4.29 294	0.58 37	4.44 349	2.53 269	1.98 141	1.33 54	0.91 40	0.86 37	1.25 30	1.25 138	0.36 185	0.23 126	0.32 132	0.23 57	0.32 96	0.29 74
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
Any-RAFT	1.40 86	0.53 24	2.78 106	1.09 156	0.64 122	4.41 309	0.81 130	3.97 226	2.78 296	1.99 146	1.34 59	2.36 204	1.56 183	1.56 63	0.75 32	0.27 33	0.20 55	0.25 26	0.18 9	0.25 11	0.28 67

Selective-RAFT	1.15 38	0.46 3	1.64 23	0.99 113	0.45 46	4.17 270	0.51 21	3.21 110	1.69 126	1.12 40	1.34 59	1.45 95	1.40 138	2.08 116	0.94 82	0.41 233	0.20 55	0.24 16	0.23 57	0.27 23	0.25 26

Anonymous_2	3.01 300	0.89 225	4.53 148	1.06 146	1.18 244	2.93 66	0.87 164	3.24 115	1.46 31	1.86 112	1.35 61	4.11 334	2.35 280	1.64 79	1.28 145	0.82 349	0.90 365	8.71 415	15.84 419	4.44 398	0.74 312

raft_robust	1.92 150	1.15 274	3.34 126	1.02 133	0.43 37	3.84 188	0.46 12	4.42 345	2.52 268	1.67 82	1.36 62	2.17 186	6.37 376	6.78 246	1.04 98	0.28 58	0.24 153	0.30 99	0.35 236	0.31 73	0.32 109

Anonymous3	1.72 121	0.76 184	11.61 217	0.83 43	0.84 170	4.46 315	0.84 140	3.57 146	1.16 2	1.34 45	1.37 63	1.11 54	1.03 65	1.58 64	1.13 113	0.70 338	0.58 336	0.33 163	0.35 236	0.47 238	0.42 200

CFNet-RSSM	2.08 180	0.52 15	20.06 341	1.01 124	0.56 97	3.39 107	0.64 55	3.67 157	1.55 79	1.72 90	1.37 63	2.57 225	1.19 109	1.11 9	0.86 54	0.27 33	0.20 55	0.25 26	0.23 57	0.27 23	0.23 14

raftrobust	1.19 41	0.72 157	2.30 81	1.26 229	1.31 273	3.55 138	0.68 68	2.75 78	1.47 34	2.21 222	1.38 65	1.17 60	1.22 111	1.20 24	1.11 109	0.28 58	0.24 153	0.21 2	0.19 18	0.25 11	0.28 67

LL-Strereo2	1.23 52	0.85 220	2.38 87	0.93 91	0.68 138	3.72 166	1.37 269	2.54 62	1.99 168	1.75 95	1.40 66	1.82 139	0.73 19	1.40 44	0.99 93	0.31 126	0.23 126	0.55 314	0.35 236	0.29 42	0.24 20

DMCA-RVC	2.45 232	1.22 290	18.29 301	1.23 219	1.14 237	2.49 50	0.85 146	3.29 118	1.68 121	3.02 329	1.41 67	2.00 167	1.53 179	6.39 234	2.00 248	0.38 206	0.30 214	0.44 258	0.35 236	0.45 229	0.44 213

PSM-softLoss	1.66 117	0.59 63	5.15 154	2.25 364	0.48 68	4.68 355	0.69 73	2.57 67	1.52 61	2.14 192	1.45 68	1.42 92	0.99 59	6.04 230	1.20 127	0.41 233	0.23 126	0.37 217	0.39 270	0.32 96	0.31 102

KMStereo	1.66 117	0.59 63	5.15 154	2.25 364	0.48 68	4.68 355	0.69 73	2.57 67	1.52 61	2.14 192	1.45 68	1.42 92	0.99 59	6.04 230	1.20 127	0.41 233	0.23 126	0.37 217	0.39 270	0.32 96	0.31 102

ROB_FTStereo_v2	1.23 52	0.66 119	2.02 49	0.75 11	0.37 17	4.67 354	0.76 103	2.53 53	1.58 91	1.99 146	1.46 70	1.78 125	1.14 99	2.08 116	0.88 61	0.48 278	0.22 102	0.32 132	0.27 122	0.40 174	0.29 74

HUI-Stereo	1.25 60	0.66 119	2.33 84	0.75 11	0.37 17	4.68 355	0.78 115	2.53 53	1.58 91	1.99 146	1.46 70	1.79 132	1.13 93	2.17 127	0.85 50	0.48 278	0.23 126	0.32 132	0.27 122	0.40 174	0.29 74

iGMRVC	1.26 67	0.66 119	2.14 67	0.75 11	0.37 17	4.66 352	0.74 95	2.53 53	1.58 91	1.99 146	1.46 70	1.78 125	1.14 99	2.46 142	0.92 74	0.48 278	0.23 126	0.32 132	0.27 122	0.40 174	0.29 74

CRE-IMP	1.23 52	0.61 86	2.14 67	0.82 36	0.39 26	4.54 331	0.83 137	2.63 72	1.55 79	1.95 135	1.46 70	1.87 149	0.96 53	1.48 55	1.33 155	0.45 261	0.21 80	0.31 117	0.26 99	0.41 195	0.31 102

Patchmatch Stereo++	1.25 60	0.65 109	2.06 62	0.75 11	0.37 17	4.68 355	0.76 103	2.53 53	1.58 91	1.99 146	1.47 74	1.78 125	1.14 99	2.44 140	0.90 65	0.48 278	0.23 126	0.32 132	0.27 122	0.40 174	0.29 74
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	1.24 57	0.65 109	2.03 50	0.75 11	0.37 17	4.68 355	0.73 86	2.53 53	1.58 91	1.99 146	1.47 74	1.78 125	1.13 93	2.18 128	0.87 59	0.48 278	0.23 126	0.32 132	0.27 122	0.40 174	0.29 74

ROB_FTStereo	1.25 60	0.66 119	2.14 67	0.75 11	0.37 17	4.65 351	0.77 113	2.53 53	1.58 91	1.99 146	1.47 74	1.78 125	1.13 93	2.26 136	0.86 54	0.47 273	0.22 102	0.32 132	0.27 122	0.40 174	0.29 74

iRAFT	1.25 60	0.65 109	2.06 62	0.75 11	0.37 17	4.68 355	0.76 103	2.53 53	1.58 91	1.99 146	1.47 74	1.78 125	1.14 99	2.44 140	0.90 65	0.48 278	0.23 126	0.32 132	0.27 122	0.40 174	0.29 74

RAFT-IKP	1.25 60	0.66 119	2.23 75	0.75 11	0.37 17	4.64 349	0.74 95	2.53 53	1.58 91	1.99 146	1.47 74	1.78 125	1.13 93	2.22 133	0.92 74	0.48 278	0.22 102	0.32 132	0.27 122	0.40 174	0.29 74

Gwc-CoAtRS	1.58 104	0.57 45	11.69 218	1.01 124	0.60 113	2.53 51	0.64 55	2.36 40	1.56 83	1.80 103	1.47 74	2.74 240	1.18 105	1.12 10	0.90 65	0.27 33	0.21 80	0.25 26	0.22 49	0.27 23	0.23 14

MIPNet	2.33 217	0.71 154	19.82 332	0.89 69	0.56 97	4.76 372	0.61 44	4.32 329	2.37 240	1.83 107	1.48 80	1.48 97	1.98 252	2.63 159	1.44 167	0.29 75	0.20 55	0.26 36	0.23 57	0.30 57	0.39 175

cross-raft	2.01 168	0.57 45	19.01 315	1.03 140	0.56 97	2.11 40	0.72 82	3.63 151	1.57 89	1.77 97	1.51 81	3.17 276	1.13 93	1.16 16	0.85 50	0.23 7	0.21 80	0.26 36	0.23 57	0.28 34	0.25 26

GMOStereo	1.13 34	0.70 144	2.26 76	0.75 11	0.44 42	3.05 74	0.91 182	2.78 79	1.45 24	2.37 263	1.52 82	1.53 99	1.05 71	1.17 18	0.92 74	0.25 19	0.19 38	0.35 194	0.28 147	0.34 127	0.26 42

error version	1.13 34	0.70 144	2.26 76	0.75 11	0.44 42	3.05 74	0.91 182	2.78 79	1.45 24	2.37 263	1.52 82	1.53 99	1.05 71	1.17 18	0.92 74	0.25 19	0.19 38	0.35 194	0.28 147	0.34 127	0.26 42

test-v	1.13 34	0.70 144	2.26 76	0.75 11	0.44 42	3.05 74	0.91 182	2.78 79	1.45 24	2.37 263	1.52 82	1.53 99	1.05 71	1.17 18	0.92 74	0.25 19	0.19 38	0.35 194	0.28 147	0.34 127	0.26 42

test-2	1.13 34	0.70 144	2.26 76	0.75 11	0.44 42	3.05 74	0.91 182	2.78 79	1.45 24	2.37 263	1.52 82	1.53 99	1.05 71	1.17 18	0.92 74	0.25 19	0.19 38	0.35 194	0.28 147	0.34 127	0.26 42

UPFNet	1.81 134	0.63 97	6.71 167	1.25 223	1.44 300	3.50 127	1.35 263	4.02 239	1.85 150	2.40 270	1.52 82	2.41 208	1.40 138	3.62 182	1.88 234	0.34 163	0.33 234	0.37 217	0.31 200	0.41 195	0.39 175

IPLGR	2.53 248	0.58 57	20.46 363	0.82 36	0.52 83	4.56 339	0.50 17	4.30 322	2.38 242	1.87 113	1.53 87	1.68 114	1.72 220	6.95 249	1.15 115	0.28 58	0.21 80	0.27 51	0.23 57	0.33 111	0.32 109

DeepPruner_ROB	2.05 175	1.09 264	10.50 209	1.01 124	1.20 255	4.39 304	0.91 182	3.14 103	1.72 131	2.60 294	1.54 88	2.78 249	1.27 118	4.52 200	1.72 214	0.51 297	0.40 285	0.37 217	0.34 222	0.48 241	0.52 259

IGEV_Zeroshot_test	2.16 186	0.69 134	20.60 368	1.22 215	0.54 92	2.18 43	0.53 23	3.38 128	1.61 109	1.93 131	1.55 89	3.76 316	1.05 71	1.55 62	0.91 71	0.29 75	0.20 55	0.27 51	0.29 170	0.40 174	0.32 109

ToySt	1.35 81	0.72 157	3.65 137	1.01 124	0.50 75	3.31 101	1.01 211	3.46 130	1.73 133	1.30 43	1.55 89	2.07 180	1.47 158	1.88 102	1.40 161	0.27 33	0.27 189	0.30 99	0.32 207	0.42 210	0.39 175

STTStereo	2.34 219	0.95 238	14.93 256	1.43 283	1.54 312	3.86 196	0.86 148	3.65 153	2.44 254	2.15 197	1.55 89	2.49 220	1.59 184	5.14 209	1.44 167	0.38 206	0.39 280	0.47 271	0.51 314	0.52 251	0.51 254

GMStereo_Zeroshot	1.41 88	1.21 284	3.33 125	1.29 238	0.72 142	3.35 104	0.53 23	2.58 69	1.68 121	2.35 257	1.56 92	2.42 211	0.96 53	2.50 145	1.16 118	0.45 261	0.23 126	0.40 238	0.24 78	0.79 327	0.33 119

anonymousdsp2	1.26 67	0.60 72	3.74 138	1.02 133	0.41 31	3.60 147	0.72 82	3.68 158	1.47 34	1.37 48	1.56 92	1.83 142	1.01 63	2.00 109	0.66 10	0.29 75	0.20 55	0.28 65	0.20 22	0.32 96	0.29 74

UNet	2.51 244	0.74 172	20.17 347	1.14 178	1.44 300	3.48 122	0.76 103	3.77 176	1.87 152	2.05 172	1.57 94	2.75 242	2.39 282	3.51 179	2.51 289	0.32 141	0.26 181	0.41 245	0.26 99	0.38 163	0.39 175

MIM_Stereo	1.20 46	0.78 192	3.30 123	1.05 142	0.43 37	3.04 72	0.60 41	2.46 48	1.51 54	1.60 66	1.58 95	1.82 139	1.29 123	2.00 109	1.07 102	0.24 10	0.24 153	0.28 65	0.25 86	0.27 23	0.27 54

Pruner-Stereo	1.32 80	0.59 63	2.11 66	1.79 341	0.47 62	4.73 367	0.79 120	2.53 53	1.72 131	2.47 276	1.58 95	1.48 97	1.03 65	1.66 82	1.47 174	0.44 255	0.21 80	0.34 179	0.30 184	0.30 57	0.39 175

DMCA	1.72 121	0.74 172	6.63 166	1.14 178	0.96 199	3.98 223	0.90 174	3.75 172	2.76 294	2.83 318	1.58 95	2.35 202	1.18 105	1.58 64	1.98 247	0.40 223	0.27 189	0.42 251	0.26 99	0.36 153	0.38 170

NF-Stereo	1.58 104	0.61 86	2.66 101	2.26 366	0.47 62	4.68 355	0.67 64	3.31 120	1.48 39	2.11 186	1.59 98	1.36 82	1.09 82	6.08 232	1.20 127	0.40 223	0.20 55	0.36 205	0.34 222	0.31 73	0.36 143

OCTAStereo	1.58 104	0.61 86	2.72 102	2.27 369	0.46 52	4.68 355	0.67 64	3.30 119	1.48 39	2.11 186	1.59 98	1.36 82	1.09 82	6.02 229	1.21 131	0.41 233	0.20 55	0.36 205	0.34 222	0.31 73	0.37 157

RE-Stereo	1.58 104	0.61 86	2.72 102	2.26 366	0.46 52	4.68 355	0.68 68	3.31 120	1.48 39	2.11 186	1.59 98	1.36 82	1.09 82	6.01 227	1.22 134	0.41 233	0.20 55	0.36 205	0.34 222	0.31 73	0.37 157

TVStereo	1.58 104	0.61 86	2.72 102	2.26 366	0.46 52	4.68 355	0.68 68	3.31 120	1.48 39	2.11 186	1.59 98	1.36 82	1.09 82	6.01 227	1.22 134	0.41 233	0.20 55	0.36 205	0.34 222	0.31 73	0.37 157

gwcnet-sp	2.31 212	1.21 284	17.34 285	1.08 152	0.92 190	3.56 140	1.04 217	3.69 163	2.09 186	2.55 284	1.60 102	1.80 135	1.62 192	3.87 188	1.95 242	0.29 75	0.29 205	0.30 99	0.28 147	0.38 163	0.39 175

scenet	2.31 212	1.21 284	17.34 285	1.08 152	0.92 190	3.56 140	1.04 217	3.69 163	2.09 186	2.55 284	1.60 102	1.80 135	1.62 192	3.87 188	1.95 242	0.29 75	0.29 205	0.30 99	0.28 147	0.38 163	0.39 175

ssnet	2.31 212	1.21 284	17.34 285	1.08 152	0.92 190	3.56 140	1.04 217	3.69 163	2.09 186	2.55 284	1.60 102	1.80 135	1.62 192	3.87 188	1.95 242	0.29 75	0.29 205	0.30 99	0.28 147	0.38 163	0.39 175

iRaft-Stereo_20w	1.88 142	0.62 93	10.58 210	0.90 74	0.83 167	2.96 70	0.78 115	4.90 379	1.58 91	2.29 236	1.60 102	1.25 71	4.51 353	2.28 137	0.90 65	0.29 75	0.21 80	0.26 36	0.24 78	0.41 195	0.31 102

MC-Stereo	1.06 29	0.48 5	1.55 19	1.15 191	0.41 31	4.56 339	0.61 44	2.06 27	1.46 31	1.90 121	1.61 106	0.89 39	1.12 91	1.35 42	0.73 29	0.25 19	0.18 24	0.26 36	0.22 49	0.25 11	0.24 20

HCRNet	1.60 110	0.56 40	2.47 92	0.78 26	1.36 284	4.11 246	0.71 80	3.57 146	2.79 298	1.75 95	1.61 106	1.58 104	1.41 142	5.79 224	1.56 190	0.34 163	0.28 197	0.36 205	0.29 170	0.33 111	0.37 157

HITNet	2.07 178	0.82 209	14.77 250	1.34 255	0.56 97	3.47 120	0.80 125	4.07 253	2.35 232	2.16 202	1.61 106	1.64 110	1.44 149	2.09 119	2.56 295	0.26 26	0.18 24	0.41 245	0.26 99	0.45 229	0.25 26
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
PCWNet_CMD	2.23 192	0.65 109	17.36 288	0.83 43	0.76 151	3.51 129	0.64 55	3.60 149	1.97 165	1.70 86	1.63 109	3.22 278	3.05 315	2.09 119	1.11 109	0.31 126	0.36 254	0.47 271	0.26 99	0.64 293	0.47 233

RAFT+CT+SA	1.62 112	0.72 157	7.42 173	0.97 105	1.42 299	4.04 231	0.94 196	3.90 205	1.61 109	1.61 71	1.63 109	1.33 78	1.18 105	2.73 167	1.10 108	0.27 33	0.19 38	0.31 117	0.34 222	0.33 111	0.33 119

Selective-IGEV	0.80 4	0.52 15	1.05 2	0.75 11	0.61 116	1.31 11	0.82 133	2.60 70	1.41 20	0.82 20	1.64 111	0.71 15	0.62 6	1.22 27	0.64 4	0.22 4	0.19 38	0.24 16	0.18 9	0.25 11	0.20 6

Wz-Net-LNSev	2.30 211	1.67 334	14.88 253	1.18 202	1.65 335	3.49 124	1.54 293	3.63 151	2.03 175	1.88 115	1.64 111	3.29 284	2.06 257	2.71 165	2.02 251	0.40 223	0.33 234	0.32 132	0.31 200	0.53 257	0.49 241

PFNet+	1.46 92	0.57 45	2.84 108	0.92 81	0.47 62	4.64 349	0.84 140	2.46 48	1.99 168	2.14 192	1.64 111	1.34 79	1.03 65	4.68 204	1.23 137	0.45 261	0.33 234	0.37 217	0.39 270	0.32 96	0.49 241

DSFCA	1.89 143	0.69 134	3.14 118	1.10 164	1.18 244	3.99 224	1.79 312	3.50 136	2.16 201	3.10 334	1.64 111	2.91 258	2.50 289	5.38 213	2.26 273	0.43 248	0.38 272	0.37 217	0.36 244	0.50 247	0.42 200

MSMDNet	2.23 192	0.64 102	17.32 284	0.84 49	0.75 148	3.53 133	0.64 55	3.61 150	1.98 167	1.71 89	1.64 111	3.22 278	2.99 309	2.08 116	1.11 109	0.31 126	0.37 266	0.45 264	0.26 99	0.62 286	0.45 218

ADCP+	3.74 339	1.96 345	16.90 281	1.09 156	1.55 316	4.35 300	3.65 381	3.93 215	2.98 323	2.22 223	1.66 116	3.95 323	4.83 356	3.41 177	18.87 402	0.38 206	0.41 291	0.63 334	0.53 321	0.64 293	0.81 324

raft+_RVC	1.21 49	0.83 212	2.61 96	1.35 259	0.97 202	3.60 147	0.76 103	3.23 113	1.51 54	1.33 44	1.67 117	1.03 48	1.10 86	1.87 101	0.92 74	0.24 10	0.22 102	0.25 26	0.24 78	0.26 17	0.25 26

NLCA_NET_v2_RVC	2.54 250	1.04 255	16.73 278	1.53 303	2.00 364	3.96 218	0.87 164	3.87 196	2.31 227	2.54 283	1.67 117	2.85 253	1.63 204	5.55 218	1.62 201	0.46 265	0.33 234	0.38 229	0.38 266	0.53 257	0.62 288
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
RAFT-Test	1.44 89	0.59 63	6.10 163	1.01 124	0.69 140	2.90 62	0.80 125	3.68 158	1.70 129	1.85 108	1.68 119	3.15 275	1.03 65	1.20 24	0.99 93	0.27 33	0.22 102	0.25 26	0.23 57	0.27 23	0.25 26

dad	1.65 115	1.19 281	3.04 115	0.98 108	0.56 97	4.22 282	0.84 140	1.99 24	2.48 259	2.14 192	1.68 119	1.62 109	1.13 93	3.85 187	2.04 252	1.03 361	0.40 285	2.04 381	0.48 305	0.75 321	0.53 261

RALCasStereoNet	1.19 41	1.02 249	2.06 62	1.12 170	1.14 237	3.08 78	0.70 78	2.99 93	1.73 133	1.34 45	1.68 119	1.18 63	0.91 45	2.16 125	1.00 95	0.30 109	0.26 181	0.24 16	0.21 28	0.29 42	0.30 95

HH	2.23 192	0.86 221	21.59 393	0.98 108	0.51 76	1.49 14	0.82 133	2.74 76	1.54 73	1.10 37	1.69 122	4.62 357	1.86 242	2.55 153	0.69 18	0.26 26	0.22 102	0.29 80	0.23 57	0.34 127	0.27 54

HanStereo	2.23 192	0.86 221	21.59 393	0.98 108	0.51 76	1.49 14	0.82 133	2.74 76	1.54 73	1.10 37	1.69 122	4.62 357	1.86 242	2.55 153	0.69 18	0.26 26	0.22 102	0.29 80	0.23 57	0.34 127	0.27 54

CFNet-ft	1.90 145	0.95 238	3.56 131	1.07 148	1.54 312	4.09 241	0.90 174	2.85 84	1.82 145	1.78 99	1.70 124	2.75 242	1.48 160	9.33 288	1.72 214	0.33 152	0.30 214	0.61 330	0.36 244	0.52 251	0.39 175

BEATNet_4x	1.92 150	1.36 310	8.75 186	1.20 207	0.56 97	3.46 118	1.03 215	4.00 234	2.43 251	2.25 231	1.70 124	2.10 182	1.59 184	2.57 156	3.05 312	0.37 192	0.22 102	0.47 271	0.29 170	0.60 279	0.40 192

RYNet	2.97 294	0.93 234	15.09 259	1.12 170	1.38 289	3.66 159	1.42 279	4.03 241	2.29 224	2.10 182	1.70 124	3.79 317	2.16 267	13.64 397	3.02 311	0.37 192	0.41 291	0.48 279	0.34 222	0.81 329	0.75 315

CFNet_RVC	1.90 145	0.95 238	3.56 131	1.07 148	1.54 312	4.09 241	0.90 174	2.85 84	1.82 145	1.78 99	1.70 124	2.75 242	1.48 160	9.33 288	1.72 214	0.33 152	0.30 214	0.61 330	0.36 244	0.52 251	0.39 175

RAFT	1.23 52	0.84 216	2.05 53	0.96 98	0.47 62	1.80 23	0.94 196	3.18 109	1.46 31	1.60 66	1.71 128	3.04 266	1.59 184	1.64 79	1.32 151	0.38 206	0.24 153	0.40 238	0.32 207	0.40 174	0.35 140

R-Stereo Train	1.20 46	0.58 57	1.81 36	0.99 113	0.67 133	3.78 175	0.90 174	4.09 259	1.51 54	2.16 202	1.71 128	1.13 55	0.94 50	1.40 44	0.91 71	0.30 109	0.24 153	0.26 36	0.21 28	0.26 17	0.25 26

RAFT-Stereo	1.20 46	0.58 57	1.81 36	0.99 113	0.67 133	3.78 175	0.90 174	4.09 259	1.51 54	2.16 202	1.71 128	1.13 55	0.94 50	1.40 44	0.91 71	0.30 109	0.24 153	0.26 36	0.21 28	0.26 17	0.25 26
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
NVstereo2D	2.54 250	0.90 227	11.10 214	1.32 247	1.47 304	3.58 144	1.38 271	4.13 268	2.45 255	1.90 121	1.71 128	2.86 254	1.76 223	10.86 331	1.66 208	0.60 316	0.43 298	0.53 306	0.41 284	0.78 325	0.94 338

PSMNet_ROB	2.95 287	1.38 312	18.46 308	1.19 204	1.20 255	3.80 179	1.65 305	3.54 142	2.35 232	1.98 141	1.71 128	2.75 242	1.79 227	11.43 350	2.78 303	0.42 243	0.36 254	0.50 295	0.60 333	0.59 275	0.49 241

MyStereo06	2.46 234	0.72 157	19.97 338	1.02 133	0.99 209	4.26 287	0.86 148	3.51 139	1.68 121	1.92 127	1.73 133	4.01 328	4.22 347	1.62 75	0.88 61	0.24 10	0.23 126	0.34 179	0.26 99	0.42 210	0.36 143

ac_64	2.35 221	0.62 93	9.77 197	1.32 247	1.71 343	3.27 93	0.93 193	3.48 131	2.50 264	1.74 93	1.73 133	3.91 322	1.77 224	10.21 313	1.86 232	0.40 223	0.31 222	0.33 163	0.30 184	0.34 127	0.39 175

LCNet	1.55 97	0.54 29	1.88 38	0.99 113	0.55 94	3.60 147	1.21 251	2.86 87	1.53 66	2.18 208	1.74 135	1.43 94	4.17 346	3.62 182	0.87 59	0.29 75	0.20 55	0.28 65	0.77 351	0.47 238	1.85 372

GES	1.38 85	0.64 102	2.61 96	1.09 156	0.57 106	4.30 296	1.02 214	3.86 194	1.51 54	1.72 90	1.74 135	1.28 74	1.77 224	1.62 75	1.61 199	0.39 217	0.27 189	0.33 163	0.30 184	0.41 195	0.47 233

GANet-RSSM	1.98 161	0.62 93	3.49 128	1.69 327	1.23 260	4.22 282	0.91 182	3.31 120	1.86 151	1.81 104	1.74 135	2.34 200	1.82 237	10.92 335	1.73 218	0.34 163	0.29 205	0.31 117	0.28 147	0.39 171	0.40 192

GANetREF_RVC	3.20 318	1.93 343	18.84 312	1.51 299	0.80 156	4.12 248	1.82 316	4.16 278	2.91 316	1.87 113	1.74 135	2.48 218	1.84 239	13.18 389	1.74 219	0.80 346	0.57 332	0.79 355	0.74 347	1.20 363	0.86 330
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
MyStereo8	2.33 217	1.13 270	19.26 319	1.22 215	1.62 328	4.16 265	0.57 29	3.50 136	2.36 234	2.15 197	1.75 139	2.28 191	1.14 99	1.46 54	2.20 269	0.24 10	0.21 80	0.32 132	0.27 122	0.36 153	0.43 208

SQANet	3.70 336	9.34 399	18.41 305	2.75 377	2.74 380	3.40 110	1.47 282	3.50 136	1.68 121	2.60 294	1.75 139	2.69 236	1.91 248	6.72 245	1.74 219	2.96 385	1.41 379	1.85 380	1.12 370	3.17 382	2.70 388

IRAFT_RVC	1.87 138	0.60 72	4.33 142	2.40 373	0.66 130	4.59 342	1.59 297	2.96 91	1.51 54	2.23 227	1.75 139	2.09 181	2.63 296	6.70 242	1.50 179	0.33 152	0.21 80	0.33 163	0.29 170	0.32 96	0.32 109

iinet-f	2.26 198	1.18 279	13.71 232	1.14 178	1.11 234	3.77 173	1.10 230	4.14 274	2.17 203	2.06 175	1.76 142	2.99 262	2.99 309	2.50 145	2.49 287	0.35 180	0.39 280	0.27 51	0.28 147	0.45 229	0.39 175

CRFU-Net	2.49 241	0.78 192	10.36 206	2.30 370	1.08 230	3.91 201	1.41 277	3.85 191	1.65 117	2.15 197	1.76 142	3.34 288	7.95 389	5.56 219	1.48 175	0.47 273	0.35 250	0.30 99	0.28 147	0.37 159	0.43 208

ICVP	2.26 198	0.66 119	21.18 384	0.99 113	0.88 180	4.28 293	0.95 199	3.32 124	1.60 106	1.66 80	1.76 142	1.34 79	1.14 99	1.62 75	1.32 151	0.53 305	0.35 250	0.33 163	0.29 170	0.40 174	0.51 254
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
iRaftStereo_RVC	1.09 32	0.70 144	1.39 11	0.95 94	0.45 46	3.83 183	0.42 8	2.37 41	1.58 91	1.69 84	1.76 142	1.80 135	0.83 35	1.50 56	0.98 88	0.28 58	0.18 24	0.29 80	0.26 99	0.30 57	0.31 102

MMNet	2.02 169	0.81 202	10.76 211	1.12 170	1.23 260	3.53 133	0.89 170	3.79 180	2.08 183	2.15 197	1.76 142	2.15 185	2.12 262	3.69 184	2.32 277	0.31 126	0.29 205	0.34 179	0.27 122	0.38 163	0.42 200

DeepPrunerF	3.70 336	1.72 335	14.87 252	1.33 251	1.74 346	3.70 163	1.55 294	4.20 282	14.00 403	2.02 164	1.77 147	2.74 240	2.30 275	10.88 332	6.88 348	0.68 334	0.60 341	0.78 354	0.78 354	0.81 329	0.71 304

AdaStereo	1.45 91	0.83 212	2.34 85	1.28 235	0.81 158	3.21 81	1.14 238	4.20 282	2.46 258	2.05 172	1.77 147	2.48 218	1.18 105	1.71 87	1.44 167	0.43 248	0.25 170	0.43 255	0.28 147	0.44 222	0.34 129
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.
test_5	1.87 138	0.75 181	10.23 205	1.14 178	1.40 292	3.85 194	1.27 256	3.91 209	1.93 161	1.69 84	1.78 149	1.67 113	1.79 227	2.99 173	1.17 121	0.30 109	0.18 24	0.35 194	0.33 215	0.34 127	0.33 119

test-1	1.23 52	0.65 109	1.88 38	0.96 98	0.52 83	3.84 188	0.62 53	4.01 235	1.47 34	1.93 131	1.78 149	1.83 142	0.92 47	1.19 23	1.28 145	0.26 26	0.29 205	0.31 117	0.24 78	0.29 42	0.36 143

FADNet_RVC	2.65 262	2.28 355	16.51 274	0.98 108	0.92 190	4.09 241	0.83 137	4.26 309	1.73 133	1.46 55	1.78 149	1.60 106	1.50 167	8.88 277	2.39 280	0.47 273	0.38 272	0.44 258	0.58 330	0.89 335	0.97 339

CFNet_pseudo	2.12 182	0.67 127	15.14 261	0.85 58	0.74 147	3.95 213	0.64 55	3.95 220	1.78 141	1.90 121	1.79 152	3.27 283	1.62 192	2.51 148	1.16 118	0.31 126	0.36 254	0.53 306	0.27 122	0.63 287	0.44 213

GwcNet-RSSM	2.66 264	1.05 256	15.91 266	1.22 215	1.19 250	4.12 248	1.12 233	3.84 188	2.02 173	1.93 131	1.79 152	3.12 273	1.46 156	10.37 317	2.05 254	0.33 152	0.27 189	0.35 194	0.30 184	0.40 174	0.36 143

ccs_rob	2.13 184	0.67 127	15.11 260	0.84 49	0.75 148	3.96 218	0.65 61	3.95 220	1.78 141	1.88 115	1.79 152	3.26 282	1.64 207	2.51 148	1.16 118	0.31 126	0.36 254	0.54 313	0.27 122	0.65 296	0.45 218

tt1	1.79 132	0.73 165	10.41 208	1.75 333	0.36 5	4.55 334	0.79 120	4.22 289	3.37 355	1.08 36	1.80 155	0.74 21	1.48 160	2.21 130	0.65 8	0.29 75	0.16 4	0.31 117	0.22 49	0.30 57	0.29 74

RCA-Stereo	1.21 49	0.52 15	1.58 21	0.90 74	0.46 52	4.68 355	0.79 120	4.13 268	1.74 139	1.92 127	1.80 155	0.94 43	1.48 160	1.14 14	0.70 22	0.27 33	0.18 24	0.25 26	0.19 18	0.25 11	0.23 14

DCANet-4	1.96 157	0.51 10	14.31 248	0.82 36	0.40 28	4.16 265	0.57 29	4.29 315	2.98 323	2.30 240	1.80 155	1.03 48	1.54 180	1.44 49	1.44 167	0.29 75	0.23 126	0.23 5	0.18 9	0.24 5	0.42 200

fff	1.74 124	0.70 144	9.08 188	0.81 29	0.36 5	4.15 255	0.57 29	4.23 294	2.09 186	2.30 240	1.80 155	1.19 66	3.02 312	1.44 49	1.46 171	0.29 75	0.23 126	0.23 5	0.18 9	0.24 5	0.42 200

GwcNet-ADL	2.47 237	0.67 127	21.48 391	0.96 98	0.72 142	4.61 345	0.95 199	4.42 345	2.36 234	1.98 141	1.80 155	2.55 224	1.24 116	1.90 103	1.41 162	0.40 223	0.46 312	0.24 16	0.27 122	0.41 195	0.49 241

GEStereo_RVC	1.91 147	0.80 198	6.57 165	1.20 207	1.06 226	4.02 229	1.43 281	4.13 268	1.89 157	2.03 168	1.80 155	2.34 200	1.86 242	4.94 206	1.77 222	0.48 278	0.38 272	0.32 132	0.28 147	0.42 210	0.50 248

RALAANet	1.28 72	1.08 261	3.21 119	1.25 223	0.94 196	1.44 12	0.69 73	3.15 104	2.57 274	2.01 160	1.80 155	1.29 76	1.05 71	2.00 109	1.48 175	0.27 33	0.20 55	0.27 51	0.24 78	0.40 174	0.27 54

csc	1.74 124	0.70 144	9.08 188	0.81 29	0.36 5	4.15 255	0.57 29	4.23 294	2.09 186	2.30 240	1.80 155	1.19 66	3.02 312	1.44 49	1.46 171	0.29 75	0.23 126	0.23 5	0.18 9	0.24 5	0.42 200

cscssc	1.74 124	0.70 144	9.08 188	0.81 29	0.36 5	4.15 255	0.57 29	4.23 294	2.09 186	2.30 240	1.80 155	1.19 66	3.02 312	1.44 49	1.46 171	0.29 75	0.23 126	0.23 5	0.18 9	0.24 5	0.42 200

psm_up	2.28 205	0.81 202	5.45 161	1.26 229	1.50 308	3.84 188	1.23 252	4.23 294	2.03 175	2.55 284	1.80 155	2.44 214	1.65 209	12.90 388	1.58 192	0.37 192	0.38 272	0.41 245	0.34 222	0.43 218	0.39 175

PSMNet-RSSM	1.96 157	0.77 187	3.26 121	1.29 238	1.31 273	4.19 276	0.96 204	3.68 158	1.89 157	2.05 172	1.80 155	2.60 229	1.70 216	9.84 299	1.81 226	0.35 180	0.29 205	0.35 194	0.37 255	0.42 210	0.35 140

NCCL2	2.53 248	1.35 309	10.90 213	1.15 191	0.97 202	3.53 133	2.56 347	3.65 153	2.23 210	2.76 311	1.80 155	2.41 208	1.66 211	10.35 316	2.07 258	0.44 255	0.40 285	0.57 318	0.53 321	0.59 275	0.65 295

ACVNet-DCA	1.85 137	0.74 172	13.77 234	1.78 336	0.36 5	4.48 317	0.74 95	3.98 228	1.53 66	1.01 30	1.81 167	0.72 16	1.62 192	2.13 121	0.64 4	0.29 75	0.17 9	0.32 132	0.21 28	0.33 111	0.32 109

xx1	2.03 170	0.74 172	13.77 234	1.78 336	0.36 5	4.48 317	0.74 95	4.23 294	3.95 372	1.01 30	1.81 167	1.79 132	1.34 130	2.13 121	0.64 4	0.29 75	0.17 9	0.33 163	0.33 215	0.33 111	0.32 109

1test111	1.99 164	0.74 172	13.77 234	1.78 336	0.36 5	4.48 317	0.74 95	3.98 228	1.53 66	1.01 30	1.81 167	0.72 16	1.62 192	4.66 202	0.98 88	0.29 75	0.17 9	0.32 132	0.21 28	0.33 111	0.32 109

cc1	1.98 161	0.74 172	13.77 234	1.78 336	0.36 5	4.48 317	0.74 95	4.23 294	3.95 372	1.01 30	1.81 167	0.72 16	1.62 192	2.13 121	0.64 4	0.29 75	0.17 9	0.32 132	0.21 28	0.31 73	0.29 74

DeepStereo_RVC	1.55 97	0.63 97	3.32 124	0.77 25	0.42 34	4.49 322	0.72 82	2.50 50	1.58 91	2.02 164	1.81 167	1.54 103	6.38 377	1.73 89	1.19 124	0.46 265	0.22 102	0.29 80	0.28 147	0.35 142	0.38 170

cf-r	2.57 257	0.79 195	16.09 268	1.48 295	1.35 282	4.19 276	0.93 193	3.68 158	2.36 234	1.97 140	1.81 167	3.42 292	1.45 153	8.24 267	1.83 229	0.32 141	0.26 181	0.33 163	0.30 184	0.34 127	0.37 157

AACVNet	1.83 135	1.02 249	2.41 89	1.45 288	0.87 177	3.21 81	0.73 86	3.16 105	1.61 109	2.01 160	1.82 173	2.28 191	1.33 129	10.98 337	1.49 178	0.39 217	0.32 228	0.38 229	0.32 207	0.43 218	0.44 213

DisPM	1.36 82	0.55 33	2.39 88	1.54 305	0.51 76	4.59 342	0.79 120	2.50 50	1.88 153	2.50 279	1.83 174	1.45 95	1.01 63	2.71 165	0.93 81	0.46 265	0.20 55	0.32 132	0.31 200	0.31 73	0.44 213

BUS	1.49 96	0.59 63	1.94 43	0.87 62	0.85 171	4.50 325	0.76 103	4.48 355	1.88 153	2.93 322	1.83 174	3.63 312	0.97 56	1.60 69	1.17 121	0.34 163	0.25 170	0.31 117	0.28 147	0.35 142	0.33 119

BSDual-CNN	1.46 92	0.59 63	1.94 43	0.87 62	0.85 171	4.16 265	1.16 240	4.48 355	1.88 153	2.93 322	1.83 174	2.60 229	1.31 126	1.60 69	1.21 131	0.34 163	0.25 170	0.31 117	0.28 147	0.35 142	0.33 119

hknet	1.98 161	0.64 102	8.70 185	0.87 62	1.07 228	4.16 265	1.16 240	4.48 355	1.73 133	2.93 322	1.83 174	3.48 295	1.30 125	3.91 191	1.51 184	0.31 126	0.25 170	0.31 117	0.28 147	0.35 142	0.33 119

SFCPSM	2.18 188	0.63 97	17.03 283	0.88 66	0.98 206	3.74 169	1.28 257	4.09 259	2.16 201	1.85 108	1.83 174	1.65 111	1.39 137	2.50 145	1.50 179	0.33 152	0.27 189	0.39 232	0.36 244	0.34 127	0.37 157

CoDeX	2.40 227	0.78 192	13.21 226	1.00 120	1.18 244	3.24 87	1.32 260	4.14 274	2.41 247	1.74 93	1.84 179	2.05 175	1.47 158	10.03 309	1.60 196	0.34 163	0.28 197	0.32 132	0.27 122	0.32 96	0.39 175

mmm	1.27 71	0.58 57	2.20 71	1.41 280	0.68 138	2.39 48	0.85 146	3.90 205	1.63 115	2.20 214	1.84 179	1.28 74	1.50 167	1.91 104	0.89 63	0.31 126	0.27 189	0.45 264	0.37 255	0.38 163	0.34 129

ADStereo(finetuned)	2.04 172	0.73 165	13.28 227	0.82 36	0.40 28	4.16 265	0.59 38	4.25 302	2.97 320	2.35 257	1.84 179	1.18 63	3.40 329	1.52 59	1.54 188	0.29 75	0.24 153	0.23 5	0.18 9	0.30 57	0.51 254

AAGNet	2.86 278	0.60 72	1.77 32	2.05 359	0.46 52	4.76 372	1.09 228	2.27 37	1.56 83	2.17 206	1.84 179	2.41 208	4.00 342	6.23 233	24.22 410	0.46 265	0.19 38	0.30 99	0.29 170	0.32 96	0.24 20

DCANet	1.74 124	0.73 165	9.08 188	0.82 36	0.40 28	4.18 272	0.59 38	4.25 302	2.97 320	2.35 257	1.84 179	1.18 63	1.63 204	1.51 58	1.55 189	0.29 75	0.24 153	0.23 5	0.18 9	0.30 57	0.53 261

PASM	2.67 266	2.05 350	9.71 196	1.73 332	1.37 285	2.53 51	1.52 288	3.10 101	2.17 203	2.79 314	1.84 179	2.90 256	1.85 241	11.89 374	2.19 268	0.81 348	0.85 363	0.87 361	1.01 365	1.14 356	1.05 343

StereoDRNet	2.84 277	1.49 322	14.48 249	1.33 251	1.57 323	3.44 113	2.06 329	3.69 163	2.36 234	3.26 343	1.84 179	2.79 251	1.80 232	10.88 332	3.16 313	0.41 233	0.33 234	0.39 232	0.36 244	0.59 275	0.58 280

PSMNet-ADL	1.91 147	0.72 157	1.78 34	1.09 156	0.86 175	4.18 272	0.78 115	3.77 176	2.10 194	1.72 90	1.85 186	2.91 258	1.82 237	10.38 319	1.91 237	0.48 278	0.46 312	0.28 65	0.29 170	0.38 163	0.51 254

LALA_ROB	1.95 155	1.48 321	3.11 117	1.05 142	0.98 206	3.99 224	1.82 316	4.44 349	2.28 222	3.31 344	1.85 186	2.76 248	1.67 213	4.04 195	3.23 315	0.46 265	0.41 291	0.55 314	0.52 317	0.60 279	0.57 276

NINENet	1.87 138	0.74 172	2.60 95	1.12 170	1.06 226	4.50 325	0.76 103	4.41 344	2.24 212	2.16 202	1.86 188	3.63 312	0.97 56	8.00 265	1.17 121	0.41 233	0.30 214	0.41 245	0.30 184	0.41 195	0.36 143

CFNet	2.34 219	1.10 265	8.96 187	1.34 255	1.24 262	4.09 241	0.73 86	4.04 245	2.77 295	1.62 73	1.87 189	2.27 190	1.45 153	11.41 348	1.82 227	0.31 126	0.24 153	0.43 255	0.36 244	0.43 218	0.33 119

Wz-Net-LNSev-Ref	2.42 229	1.47 320	14.14 244	1.30 243	1.35 282	3.51 129	1.64 302	4.04 245	2.10 194	2.46 274	1.88 190	2.28 191	2.51 290	4.73 205	3.17 314	0.38 206	0.19 38	0.35 194	0.20 22	0.40 174	0.36 143

ARAFT	2.56 255	1.13 270	19.50 325	0.89 69	0.48 68	4.15 255	1.40 274	4.36 337	2.82 310	2.36 262	1.88 190	1.70 117	1.04 69	6.45 235	1.22 134	0.29 75	0.18 24	0.37 217	0.35 236	0.35 142	0.25 26

ACVNet	1.46 92	0.64 102	3.56 131	0.93 91	0.85 171	4.22 282	0.80 125	2.85 84	2.08 183	1.78 99	1.88 190	3.10 270	1.46 156	1.33 40	1.89 235	0.29 75	0.26 181	0.30 99	0.26 99	0.39 171	0.27 54

acv_ft	1.55 97	0.64 102	3.29 122	1.14 178	2.01 365	2.93 66	0.97 206	3.81 183	2.08 183	2.22 223	1.88 190	3.10 270	1.66 211	1.33 40	2.22 271	0.29 75	0.26 181	0.30 99	0.26 99	0.39 171	0.27 54

UCFNet_RVC	1.57 103	0.84 216	3.25 120	1.36 265	1.40 292	4.07 239	1.01 211	2.68 74	1.50 50	2.11 186	1.88 190	2.37 205	1.50 167	3.41 177	1.42 164	0.36 185	0.28 197	0.52 304	0.40 280	0.53 257	0.43 208

Wz-Net-TNSev	3.67 335	8.83 391	13.47 230	1.48 295	1.18 244	3.60 147	2.49 344	4.27 310	3.13 334	2.18 208	1.89 195	4.21 342	2.80 302	12.10 378	7.58 354	0.57 312	0.55 329	0.47 271	0.54 323	0.91 338	1.05 343

SACVNet	2.46 234	1.14 273	9.47 195	1.44 285	1.18 244	4.06 234	1.49 287	3.84 188	2.24 212	2.62 297	1.89 195	2.57 225	1.28 121	11.35 347	1.64 205	0.50 291	0.39 280	0.48 279	0.41 284	0.55 262	0.75 315

XX-Stereo	2.54 250	0.61 86	20.21 348	1.78 336	1.19 250	4.30 296	0.46 12	4.39 341	1.58 91	2.32 249	1.89 195	4.64 359	0.60 3	4.16 197	0.82 43	0.31 126	0.21 80	0.28 65	0.27 122	0.51 248	0.26 42

DN-CSS_ROB	1.91 147	1.55 325	11.13 215	1.82 343	0.88 180	3.99 224	0.61 44	4.01 235	1.67 120	1.64 76	1.89 195	1.39 86	1.06 78	3.23 174	1.50 179	0.31 126	0.19 38	0.44 258	0.29 170	0.37 159	0.31 102

AE-Stereo	1.18 40	0.60 72	2.05 53	1.10 164	0.60 113	4.39 304	0.72 82	3.74 171	1.62 112	1.10 37	1.90 199	1.01 47	0.92 47	1.45 53	0.82 43	0.28 58	0.22 102	0.28 65	0.28 147	0.26 17	0.22 9

MaskLacGwcNet_RVC	3.13 312	1.43 317	9.93 200	2.50 374	1.62 328	4.29 294	1.68 309	3.95 220	2.43 251	1.66 80	1.91 200	3.04 266	1.41 142	13.26 390	1.58 192	3.82 397	1.59 381	1.12 372	0.46 298	2.21 378	2.74 389

DRN-Test	3.03 302	0.99 246	18.18 299	1.35 259	1.60 325	3.59 145	1.48 283	4.13 268	2.45 255	3.47 351	1.92 201	2.58 228	2.53 291	10.88 332	2.80 304	0.39 217	0.36 254	0.44 258	0.41 284	0.55 262	0.57 276

CSP-Net	1.78 131	1.32 305	1.92 42	1.16 196	1.03 219	3.38 106	1.31 259	3.52 140	1.75 140	1.96 138	1.93 202	2.40 206	1.48 160	8.58 273	1.58 192	0.46 265	0.34 246	0.27 51	0.26 99	0.41 195	0.50 248

CASS	1.29 74	0.66 119	2.62 98	0.95 94	0.66 130	2.84 58	0.69 73	3.00 94	1.79 143	2.57 288	1.95 203	1.39 86	1.55 182	1.59 67	1.06 100	0.50 291	0.28 197	0.34 179	0.28 147	0.46 236	0.63 291
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet_v2	2.04 172	0.88 224	7.87 176	1.20 207	0.87 177	3.86 196	1.64 302	4.01 235	2.60 277	2.61 296	1.96 204	3.79 317	1.71 218	2.20 129	2.96 308	0.41 233	0.35 250	0.42 251	0.37 255	0.55 262	0.52 259

HBP-ISP	3.25 321	1.10 265	20.86 372	1.54 305	1.15 239	4.50 325	2.89 357	4.43 348	2.38 242	4.14 365	1.96 204	1.90 150	2.04 255	11.08 343	1.32 151	0.66 329	0.57 332	0.66 340	0.61 336	0.64 293	0.61 286

111	1.83 135	0.92 231	9.08 188	0.81 29	0.36 5	4.25 286	0.91 182	4.44 349	2.70 287	2.39 268	1.96 204	2.30 197	1.64 207	1.28 35	1.82 227	0.28 58	0.22 102	0.24 16	0.20 22	0.31 73	0.54 267

DPSNet	3.43 328	1.37 311	12.19 219	1.39 277	1.24 262	4.15 255	2.06 329	4.51 362	3.34 354	2.69 306	1.96 204	3.52 305	5.56 365	10.68 325	9.68 363	0.93 355	0.73 358	0.40 238	0.37 255	1.06 347	0.86 330

DISCO	2.25 196	0.73 165	10.06 202	1.76 334	1.12 235	3.47 120	1.25 255	3.24 115	2.26 217	2.65 303	1.96 204	4.53 353	1.92 249	4.17 198	3.61 319	0.32 141	0.25 170	0.31 117	0.29 170	0.66 301	0.41 197

SA	1.62 112	0.75 181	3.78 139	1.07 148	0.43 37	4.26 287	1.36 265	4.45 352	3.12 333	1.63 74	1.97 209	1.68 114	2.26 274	2.55 153	1.27 142	0.27 33	0.22 102	0.37 217	0.37 255	0.35 142	0.30 95

IER	1.69 119	0.65 109	7.19 172	0.94 93	1.15 239	3.28 96	0.89 170	3.48 131	1.97 165	2.10 182	1.98 210	2.28 191	2.12 262	2.25 135	1.75 221	0.29 75	0.23 126	0.36 205	0.30 184	0.32 96	0.34 129

TDLM	2.29 208	1.08 261	4.61 149	1.29 238	1.01 217	4.26 287	2.17 335	3.75 172	2.79 298	2.31 245	1.98 210	2.06 177	1.59 184	12.45 384	1.72 214	0.51 297	0.28 197	0.52 304	0.35 236	0.56 268	0.50 248

GANet-ADL	2.20 189	0.73 165	20.11 346	1.25 223	0.69 140	3.83 183	0.76 103	3.49 134	1.71 130	1.65 79	1.99 212	2.10 182	1.10 86	1.42 48	1.26 141	0.38 206	0.33 234	0.25 26	0.22 49	0.42 210	0.36 143

IPLG	2.48 239	0.65 109	19.63 327	0.91 78	0.79 155	4.60 344	0.56 28	4.31 325	1.84 149	1.91 126	2.00 213	1.31 77	1.38 134	6.61 238	1.53 187	0.27 33	0.20 55	0.27 51	0.23 57	0.31 73	0.36 143

XPNet_ROB	2.27 200	1.11 268	4.10 140	1.36 265	0.97 202	3.94 208	1.63 300	4.07 253	2.14 198	2.82 317	2.00 213	2.32 199	1.73 222	10.81 330	3.39 316	0.51 297	0.47 316	0.48 279	0.40 280	0.51 248	0.56 272

XX-TBD	1.03 27	0.95 238	1.94 43	1.30 243	0.43 37	3.97 221	0.33 3	1.74 14	1.73 133	1.59 65	2.02 215	0.69 9	0.60 3	1.16 16	0.66 10	0.30 109	0.25 170	0.23 5	0.15 4	0.31 73	0.22 9

APVNet	3.13 312	1.25 297	21.14 380	1.31 245	1.52 310	3.94 208	1.13 236	3.32 124	2.14 198	2.20 214	2.03 216	3.05 269	1.96 251	11.79 369	2.53 291	0.42 243	0.45 305	0.64 337	0.46 298	0.67 304	0.57 276

iResNetv2_ROB	2.65 262	5.00 377	19.28 321	2.06 360	1.09 232	3.83 183	1.13 236	4.14 274	2.09 186	1.85 108	2.03 216	2.01 170	1.51 170	3.58 180	1.58 192	0.34 163	0.21 80	0.32 132	0.21 28	0.44 222	0.29 74

iResNet	2.52 247	0.94 237	21.17 383	1.84 345	0.72 142	3.75 170	0.81 130	4.14 274	2.55 272	2.33 255	2.03 216	1.35 81	1.44 149	3.27 175	2.16 267	0.35 180	0.23 126	0.28 65	0.22 49	0.44 222	0.45 218

CFNet_ucs	2.36 224	0.68 133	18.42 306	0.89 69	0.81 158	3.85 194	0.68 68	4.29 315	2.37 240	2.09 179	2.04 219	3.31 286	1.24 116	2.63 159	1.14 114	0.36 185	0.45 305	0.56 316	0.29 170	0.66 301	0.49 241

RAFT_CTSACE	1.80 133	1.06 258	10.00 201	1.71 329	1.39 290	3.49 124	1.06 221	3.05 98	1.62 112	1.70 86	2.04 219	2.51 221	1.80 232	1.98 108	0.94 82	0.25 19	0.22 102	0.28 65	0.30 184	0.30 57	0.26 42

hitnet-ft	2.37 225	0.73 165	8.34 179	0.96 98	0.89 185	3.77 173	0.80 125	3.55 143	2.58 275	2.24 229	2.04 219	3.65 314	1.49 166	11.71 366	1.89 235	0.44 255	0.53 326	0.44 258	0.35 236	0.52 251	0.48 237

CVANet_RVC	2.55 254	1.10 265	9.13 193	1.46 290	1.15 239	3.96 218	1.53 290	3.91 209	2.50 264	3.04 330	2.04 219	2.60 229	1.72 220	12.46 385	1.50 179	0.49 288	0.30 214	0.51 298	0.41 284	0.63 287	0.50 248

Anonymous Stereo	3.09 307	3.14 366	16.69 277	1.52 300	1.25 265	3.33 102	2.95 358	4.02 239	2.42 250	2.35 257	2.04 219	2.57 225	1.27 118	11.88 373	2.92 307	0.49 288	0.49 323	0.57 318	0.56 326	0.70 310	0.65 295

delet	1.92 150	0.76 184	5.14 153	1.01 124	1.65 335	3.44 113	2.03 328	3.76 174	2.48 259	2.01 160	2.05 224	2.63 233	1.90 247	5.34 212	2.12 261	0.28 58	0.29 205	0.40 238	0.31 200	0.41 195	0.45 218

CC-Net-ROB	3.35 326	1.76 338	13.89 240	2.33 372	1.65 335	4.49 322	1.62 299	4.73 375	2.90 315	1.92 127	2.05 224	1.99 166	1.61 189	12.57 387	1.60 196	2.46 382	2.18 389	2.68 392	1.04 368	2.11 377	1.38 360

StereoDRNet-Refined	1.77 130	0.81 202	2.22 73	1.21 212	0.76 151	3.26 91	0.71 80	3.82 184	2.05 180	2.29 236	2.05 224	2.98 261	1.44 149	7.15 251	2.27 274	0.30 109	0.23 126	0.42 251	0.33 215	0.45 229	0.64 293
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet_ROB	1.89 143	1.02 249	8.60 184	1.39 277	0.98 206	3.72 166	0.66 63	3.84 188	2.65 281	1.88 115	2.05 224	1.98 164	1.27 118	4.52 200	1.67 209	0.30 109	0.20 55	0.28 65	0.18 9	0.31 73	0.40 192

whm_eth	2.04 172	1.24 295	18.44 307	0.89 69	1.37 285	2.59 54	0.73 86	3.56 145	2.56 273	1.53 61	2.06 228	0.78 24	0.71 14	1.02 7	0.98 88	0.36 185	0.29 205	0.34 179	0.32 207	0.41 195	0.54 267

ETE_ROB	2.07 178	1.40 315	3.01 114	1.09 156	0.92 190	3.94 208	1.53 290	4.25 302	2.23 210	3.31 344	2.06 228	2.35 202	1.52 172	8.74 275	2.07 258	0.44 255	0.36 254	0.51 298	0.48 305	0.54 260	0.62 288

Wz-Net-MNSev	2.71 272	2.54 361	13.91 241	1.52 300	1.37 285	3.28 96	2.47 342	4.03 241	2.32 228	2.57 288	2.07 230	2.29 196	3.01 311	7.55 259	2.74 301	0.38 206	0.36 254	0.36 205	0.37 255	0.57 272	0.47 233

psmg	1.47 95	0.59 63	1.94 43	0.92 81	0.85 171	4.30 296	1.42 279	4.10 266	1.88 153	2.64 301	2.09 231	2.60 229	1.31 126	1.60 69	1.21 131	0.34 163	0.27 189	0.33 163	0.34 222	0.36 153	0.34 129

GASNet	3.24 319	5.55 381	20.58 367	1.56 312	1.25 265	2.32 46	1.12 233	4.04 245	2.67 284	1.88 115	2.10 232	3.00 263	2.16 267	10.59 322	2.43 283	0.65 327	0.37 266	0.61 330	0.45 296	0.87 334	0.58 280

TANstereo	1.01 22	0.55 33	1.73 27	0.76 24	0.36 5	4.04 231	0.38 5	1.48 3	1.62 112	2.03 168	2.10 232	0.84 33	0.93 49	0.98 4	0.62 2	0.28 58	0.36 254	0.23 5	0.20 22	0.25 11	0.46 228

SuperB	4.79 363	4.41 375	21.08 379	1.45 288	1.08 230	3.91 201	3.08 366	4.18 279	3.01 326	2.50 279	2.10 232	2.75 242	3.49 334	8.80 276	19.60 404	0.44 255	0.33 234	0.53 306	0.39 270	12.01 416	0.64 293

PA-Net	3.09 307	1.24 295	18.84 312	1.38 275	1.19 250	3.42 111	1.75 310	3.89 200	3.27 352	1.88 115	2.10 232	3.03 265	1.88 246	11.60 354	2.88 306	0.40 223	0.54 327	0.44 258	0.62 337	0.52 251	1.02 341
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
anonymity	1.76 128	1.26 298	2.73 105	1.66 324	1.32 277	1.84 24	1.07 223	3.49 134	2.30 225	2.11 186	2.11 236	1.71 119	3.90 341	1.82 96	1.48 175	1.10 363	1.09 369	1.08 370	1.08 369	1.05 346	1.09 346

RASNet	2.56 255	0.70 144	10.06 202	1.60 317	2.25 374	3.67 160	1.00 210	3.38 128	3.14 336	1.81 104	2.11 236	4.60 356	2.30 275	10.25 315	2.61 296	0.37 192	0.24 153	0.25 26	0.24 78	0.28 34	0.26 42

HSM	2.35 221	0.81 202	2.21 72	1.14 178	1.55 316	3.44 113	1.03 215	3.99 232	2.25 214	2.29 236	2.11 236	8.04 385	3.05 315	11.60 354	1.71 213	0.33 152	0.22 102	0.28 65	0.23 57	0.32 96	0.35 140

GwcNet	3.00 299	1.63 328	19.83 333	1.32 247	2.04 368	3.27 93	1.55 294	3.65 153	2.33 229	2.00 158	2.12 239	3.56 310	1.68 214	9.47 291	2.45 284	0.44 255	0.45 305	0.46 268	0.38 266	0.60 279	0.76 317

CREStereo++_RVC	1.02 26	0.49 7	1.54 18	0.83 43	0.55 94	4.01 227	0.31 2	1.63 11	1.99 168	1.63 74	2.13 240	0.84 33	0.65 10	0.88 1	0.70 22	0.27 33	0.15 2	0.23 5	1.22 376	0.24 5	0.17 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
Ntro	4.21 353	8.94 395	19.89 335	3.22 385	2.96 384	4.15 255	1.89 320	3.92 214	2.36 234	1.77 97	2.14 241	3.35 289	2.17 269	9.48 292	2.24 272	3.52 393	1.76 384	2.13 383	1.31 377	3.83 391	3.09 390

anonymousa	2.16 186	0.67 127	19.19 316	1.04 141	1.67 339	2.06 38	0.79 120	2.86 87	1.96 163	1.85 108	2.14 241	3.23 280	1.81 235	1.12 10	1.15 115	0.26 26	0.26 181	0.34 179	0.32 207	0.30 57	0.28 67

fast-acv-ft	2.54 250	1.19 281	20.08 344	1.41 280	1.40 292	3.18 80	1.17 243	3.37 127	2.28 222	1.90 121	2.15 243	2.69 236	2.17 269	2.91 169	2.31 276	0.37 192	0.39 280	0.45 264	0.39 270	0.57 272	0.45 218

1111x	3.13 312	0.57 45	8.38 181	1.20 207	0.76 151	3.80 179	0.88 168	4.61 370	2.63 279	2.31 245	2.16 244	1.95 155	1.81 235	11.54 352	18.13 397	0.32 141	0.31 222	0.32 132	0.30 184	0.35 142	0.34 129

PDISCO_ROB	2.86 278	1.53 324	14.27 247	1.98 356	2.19 371	4.52 330	1.35 263	4.65 371	3.19 341	2.09 179	2.16 244	3.53 306	2.45 287	5.32 211	2.12 261	1.30 374	0.78 361	0.72 350	0.59 332	1.24 364	1.28 353

DLCB_ROB	2.05 175	0.95 238	2.37 86	1.24 221	1.02 218	2.92 65	1.30 258	3.68 158	2.30 225	2.91 320	2.17 246	3.32 287	1.52 172	10.37 317	2.50 288	0.40 223	0.33 234	0.40 238	0.36 244	0.41 195	0.47 233

SST-Stereo	1.76 128	0.58 57	3.10 116	1.44 285	0.46 52	4.71 366	0.76 103	2.22 35	2.79 298	2.07 178	2.18 247	2.43 212	3.22 323	6.66 241	0.84 48	0.42 243	0.19 38	0.30 99	0.27 122	0.35 142	0.26 42

DANet	2.63 260	1.07 259	8.10 178	1.83 344	1.70 342	3.25 90	1.16 240	4.31 325	2.38 242	3.40 349	2.18 247	4.08 332	1.80 232	9.77 296	3.89 323	0.52 303	0.55 329	0.59 322	0.44 292	0.63 287	0.86 330
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
WZ-Net	3.62 333	4.87 376	16.77 280	1.43 283	1.40 292	3.75 170	2.29 339	4.12 267	2.50 264	2.74 310	2.19 249	4.06 331	5.29 362	10.19 312	7.36 352	0.54 307	0.37 266	0.47 271	0.49 308	0.77 323	0.73 311

NOSS_ROB	2.27 200	0.73 165	3.00 113	1.71 329	1.00 216	3.90 200	0.97 206	4.29 315	2.81 308	2.94 326	2.19 249	3.88 321	1.19 109	11.77 368	1.62 201	0.59 315	0.54 327	0.56 316	0.52 317	0.56 268	0.54 267

HGLStereo	2.03 170	0.74 172	7.50 175	1.23 219	1.56 319	3.62 151	0.95 199	3.78 179	1.89 157	2.03 168	2.20 251	3.12 273	2.14 264	5.68 222	2.04 252	0.37 192	0.31 222	0.32 132	0.29 170	0.40 174	0.45 218

ADCPNet	3.89 341	1.63 328	20.25 353	1.28 235	1.27 269	6.43 390	2.65 350	3.93 215	2.70 287	2.78 313	2.20 251	4.28 344	6.16 374	5.56 219	10.27 366	0.65 327	1.18 372	0.71 346	1.70 384	0.84 333	1.37 358

AFF-stereo	1.31 78	0.77 187	1.46 13	1.10 164	0.45 46	3.93 206	0.48 15	2.92 89	2.92 317	1.90 121	2.21 253	2.11 184	1.52 172	1.93 105	1.12 112	0.21 1	0.16 4	0.25 26	0.25 86	0.29 42	0.20 6

ADCRef	3.30 322	1.23 294	14.90 254	1.17 197	1.41 298	3.95 213	1.64 302	3.88 199	2.36 234	3.05 332	2.21 253	2.40 206	2.81 303	5.04 207	16.63 389	0.46 265	0.34 246	0.63 334	0.62 337	0.54 260	0.67 298

xxxx	2.67 266	0.54 29	2.03 50	1.22 215	0.81 158	3.49 124	0.63 54	4.49 358	2.49 263	2.22 223	2.23 255	2.05 175	1.38 134	10.05 310	17.91 395	0.32 141	0.32 228	0.30 99	0.27 122	0.33 111	0.34 129

LL-Strereo	3.01 300	1.81 340	17.59 295	1.12 170	2.10 369	2.90 62	1.09 228	4.33 331	2.00 172	3.12 336	2.24 256	3.29 284	3.15 318	11.31 346	1.84 230	0.30 109	0.28 197	0.46 268	0.34 222	0.49 246	0.45 218

CBMV	3.32 324	0.96 244	21.16 382	1.32 247	0.83 167	3.81 181	3.91 386	4.47 354	2.53 269	3.34 346	2.24 256	4.45 349	2.58 294	10.07 311	1.96 245	0.45 261	0.43 298	0.48 279	0.38 266	0.52 251	0.53 261
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MLCV	1.87 138	0.91 229	8.59 183	1.10 164	0.57 106	3.59 145	0.53 23	3.70 167	2.20 207	2.80 315	2.25 258	2.00 167	1.42 145	4.13 196	1.86 232	0.30 109	0.20 55	0.32 132	0.21 28	0.33 111	0.36 143

LMCR-Stereo	2.40 227	1.31 303	18.61 309	1.59 315	0.86 175	3.87 198	1.15 239	4.32 329	1.60 106	2.25 231	2.27 259	1.13 55	2.43 285	2.48 144	1.60 196	0.88 354	0.24 153	0.29 80	0.24 78	0.56 268	0.30 95

test_xeample	2.67 266	0.56 40	2.05 53	1.09 156	0.81 158	3.24 87	0.80 125	4.55 365	2.70 287	2.42 272	2.27 259	1.39 86	1.40 138	10.75 327	17.51 394	0.30 109	0.30 214	0.32 132	0.28 147	0.34 127	0.33 119

Syn2CoEx	3.08 306	2.55 362	19.88 334	1.34 255	1.18 244	2.43 49	1.65 305	3.91 209	2.40 245	2.39 268	2.27 259	2.90 256	3.17 321	9.57 294	2.54 293	0.50 291	0.45 305	0.53 306	0.39 270	0.74 319	0.72 310

MSKI-zero shot	2.22 190	0.64 102	20.09 345	0.96 98	0.56 97	4.04 231	0.70 78	3.91 209	1.50 50	1.92 127	2.28 262	1.92 152	0.71 14	2.93 170	0.67 12	0.26 26	0.23 126	0.26 36	0.21 28	0.28 34	0.26 42

Wz-Net-SNSev	2.98 296	4.36 374	15.98 267	1.57 313	1.19 250	3.28 96	1.80 314	3.96 225	2.40 245	2.32 249	2.28 262	3.48 295	2.05 256	7.84 264	3.82 322	0.47 273	0.39 280	0.53 306	0.49 308	0.71 315	0.60 284

AASNet	2.44 231	0.92 231	19.79 331	1.35 259	1.49 306	3.81 181	1.07 223	3.85 191	2.93 318	1.95 135	2.29 264	1.96 160	1.29 123	1.73 89	1.93 238	0.39 217	0.33 234	0.45 264	0.30 184	0.55 262	0.45 218

pcwnet_v2	2.70 271	0.65 109	22.48 401	1.08 152	1.03 219	3.56 140	0.81 130	4.29 315	3.14 336	2.29 236	2.29 264	3.01 264	1.71 218	3.32 176	1.43 165	0.43 248	0.50 325	0.41 245	0.34 222	0.61 284	0.56 272

ADLNet	2.29 208	0.83 212	3.62 136	1.35 259	1.60 325	3.67 160	1.24 254	3.95 220	2.98 323	2.58 290	2.29 264	4.01 328	1.79 227	11.23 344	2.09 260	0.37 192	0.38 272	0.36 205	0.34 222	0.45 229	0.71 304

222	2.68 269	0.57 45	2.03 50	1.11 168	0.81 158	3.23 84	0.65 61	4.52 363	2.45 255	2.34 256	2.29 264	1.41 91	1.44 149	10.50 320	18.47 399	0.32 141	0.30 214	0.32 132	0.27 122	0.32 96	0.34 129

DualNet	2.49 241	0.60 72	5.21 156	1.14 178	0.99 209	3.62 151	0.86 148	4.22 289	3.37 355	2.20 214	2.30 268	3.48 295	1.62 192	2.21 130	16.09 383	0.29 75	0.16 4	0.48 279	0.37 255	0.30 57	0.29 74

ffm	1.72 121	0.60 72	5.21 156	1.14 178	0.99 209	3.62 151	0.86 148	4.22 289	3.37 355	2.20 214	2.30 268	3.48 295	1.62 192	2.21 130	0.65 8	0.29 75	0.16 4	0.48 279	0.37 255	0.30 57	0.29 74

ff1	2.96 290	0.60 72	5.21 156	1.14 178	0.99 209	3.62 151	0.86 148	4.22 289	3.37 355	2.20 214	2.30 268	3.48 295	1.62 192	11.62 356	16.09 383	0.29 75	0.16 4	0.48 279	0.37 255	0.30 57	0.29 74

mmx	2.98 296	0.60 72	5.21 156	1.14 178	0.99 209	3.62 151	0.86 148	4.49 358	3.05 329	2.20 214	2.30 268	3.48 295	1.62 192	11.62 356	16.09 383	0.33 152	0.28 197	0.48 279	0.37 255	0.44 222	0.37 157

ttt	2.76 273	0.56 40	2.28 80	1.41 280	1.21 259	3.67 160	0.77 113	4.59 368	2.94 319	2.35 257	2.30 268	2.45 215	1.54 180	11.25 345	15.56 381	0.43 248	0.36 254	0.37 217	0.33 215	0.40 174	0.40 192

xxx	2.98 296	0.60 72	5.21 156	1.14 178	0.99 209	3.62 151	0.86 148	4.49 358	3.05 329	2.20 214	2.30 268	3.48 295	1.62 192	11.62 356	16.09 383	0.33 152	0.28 197	0.48 279	0.37 255	0.44 222	0.37 157

GMM-Stereo	2.45 232	0.52 15	20.38 358	0.89 69	0.82 166	4.18 272	1.91 321	2.45 47	1.48 39	2.48 277	2.30 268	1.69 116	1.86 242	2.93 170	1.08 104	0.28 58	0.18 24	0.33 163	0.48 305	0.35 142	2.41 381

SMFormer	2.00 165	0.57 45	4.46 143	1.36 265	0.57 106	2.03 32	0.73 86	4.25 302	2.80 302	2.32 249	2.31 275	1.95 155	1.52 172	10.99 338	2.13 264	0.34 163	0.32 228	0.36 205	0.31 200	0.38 163	0.36 143

tta	2.00 165	0.57 45	4.46 143	1.36 265	0.57 106	2.03 32	0.73 86	4.25 302	2.80 302	2.32 249	2.31 275	1.95 155	1.52 172	10.99 338	2.13 264	0.34 163	0.32 228	0.36 205	0.31 200	0.29 42	0.29 74

qqq1	1.92 150	0.57 45	4.46 143	1.36 265	0.57 106	2.03 32	0.73 86	4.25 302	2.80 302	2.32 249	2.31 275	1.95 155	1.52 172	10.99 338	0.71 25	0.34 163	0.32 228	0.30 99	0.23 57	0.29 42	0.29 74

fff1	1.92 150	0.57 45	4.46 143	1.36 265	0.57 106	2.03 32	0.73 86	4.25 302	2.80 302	2.32 249	2.31 275	1.95 155	1.52 172	10.99 338	0.71 25	0.34 163	0.32 228	0.30 99	0.23 57	0.29 42	0.29 74

test_4	1.30 75	0.50 8	6.16 164	0.84 49	0.45 46	1.61 18	1.12 233	2.14 31	1.42 21	1.52 59	2.31 275	1.84 145	0.79 31	2.52 152	1.19 124	0.27 33	0.17 9	0.29 80	0.29 170	0.29 42	0.25 26

PS-NSSS	2.22 190	1.33 308	2.90 110	0.97 105	1.53 311	4.11 246	1.08 226	4.55 365	2.65 281	2.10 182	2.32 280	1.77 124	1.40 138	11.79 369	1.61 199	0.68 334	0.45 305	0.96 364	0.43 290	0.95 339	0.92 336

FBW_ROB	3.24 319	1.02 249	9.21 194	1.49 297	1.07 228	3.78 175	1.48 283	4.31 325	3.08 331	2.46 274	2.32 280	4.20 341	2.08 260	15.19 403	7.16 351	0.84 352	0.62 344	1.33 376	0.92 361	0.99 344	1.31 355

FINET	2.96 290	1.07 259	23.18 406	1.29 238	1.86 357	2.03 32	1.52 288	4.30 322	4.71 379	2.23 227	2.34 282	1.65 111	1.48 160	5.89 226	2.81 305	0.51 297	0.47 316	0.49 292	0.40 280	0.59 275	0.49 241

RAFT_R40	1.70 120	0.59 63	2.99 112	1.46 290	0.46 52	4.74 370	0.98 209	2.23 36	1.56 83	2.02 164	2.35 283	2.71 238	2.56 293	6.71 244	0.90 65	0.40 223	0.19 38	0.30 99	0.27 122	0.33 111	0.26 42

MFN_U_SF_RVC	3.81 340	10.78 404	15.01 257	1.84 345	1.39 290	3.73 168	1.63 300	4.05 249	3.26 349	2.91 320	2.38 284	4.36 348	3.65 336	8.43 270	4.91 335	1.11 365	1.04 367	0.99 365	1.31 377	1.58 371	1.75 371

RAFT-Stereo + iAFF	1.25 60	0.72 157	1.74 30	1.05 142	0.36 5	4.13 251	0.42 8	2.95 90	2.84 312	2.02 164	2.40 285	1.61 108	1.11 90	1.26 31	0.97 86	0.21 1	0.15 2	0.26 36	0.23 57	0.29 42	0.23 14

HSM-Net_RVC	2.87 281	0.57 45	17.46 292	0.92 81	0.90 188	3.70 163	1.20 248	5.64 393	2.51 267	3.22 342	2.43 286	2.54 223	1.59 184	11.41 348	1.65 207	0.34 163	0.25 170	0.26 36	0.23 57	0.30 57	0.29 74
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
psmorigin	6.59 385	1.15 274	88.11 432	1.52 300	0.97 202	2.88 61	1.20 248	3.21 110	2.04 178	3.73 355	2.46 287	5.15 371	2.55 292	10.60 323	2.47 286	0.55 308	0.68 354	0.48 279	0.51 314	0.70 310	0.88 334

XQC	2.96 290	2.42 356	14.85 251	1.36 265	1.32 277	3.29 100	1.53 290	4.28 314	2.78 296	3.21 341	2.46 287	3.53 306	2.92 307	6.58 237	4.67 329	0.70 338	0.41 291	0.59 322	0.56 326	0.96 343	0.83 329

ADLNet2	3.15 315	0.92 231	20.06 341	1.20 207	1.79 352	3.83 183	1.48 283	3.94 218	3.59 362	2.19 212	2.47 289	4.65 360	1.93 250	10.69 326	1.96 245	0.39 217	0.37 266	0.28 65	0.30 184	0.48 241	0.43 208

s12784h	1.31 78	0.45 2	2.41 89	0.71 8	0.35 4	4.42 311	0.50 17	4.22 289	2.73 290	2.01 160	2.48 290	0.91 40	0.96 53	2.01 112	0.70 22	0.29 75	0.18 24	0.24 16	0.16 7	0.27 23	0.18 2

DDUNet	2.91 284	2.78 364	6.94 171	3.53 389	2.26 375	3.28 96	1.36 265	3.77 176	2.04 178	2.62 297	2.49 291	4.18 338	1.69 215	5.38 213	1.85 231	2.21 381	1.77 385	2.61 390	2.43 398	2.60 379	2.34 380

iRaft-Stereo_5w	2.10 181	0.83 212	8.57 182	0.81 29	0.76 151	3.21 81	0.84 140	3.71 168	1.65 117	1.56 64	2.50 292	2.20 187	2.23 273	9.13 284	2.01 250	0.38 206	0.19 38	0.35 194	0.27 122	0.45 229	0.39 175

GrayStereo	2.58 258	0.53 24	1.63 22	1.58 314	0.89 185	4.17 270	8.17 399	3.03 96	1.52 61	2.80 315	2.50 292	1.70 117	17.10 403	2.83 168	1.15 115	0.33 152	0.21 80	0.27 51	0.32 207	0.28 34	0.53 261

RAFT + AFF	2.51 244	2.66 363	4.48 147	1.15 191	1.95 362	4.15 255	2.01 327	4.46 353	3.30 353	2.19 212	2.51 294	2.22 188	4.87 357	8.91 279	2.06 255	0.30 109	0.60 341	0.48 279	0.38 266	0.77 323	0.69 302

DAS	2.31 212	0.67 127	4.79 150	1.14 178	1.64 332	2.93 66	2.13 333	4.09 259	2.74 291	4.17 366	2.52 295	2.46 216	1.79 227	11.55 353	1.63 203	0.37 192	0.22 102	0.39 232	0.25 86	0.41 195	0.34 129

SepStereo	2.15 185	0.67 127	4.79 150	1.14 178	1.64 332	2.93 66	2.13 333	4.09 259	2.74 291	4.17 366	2.52 295	2.46 216	1.79 227	8.36 268	1.63 203	0.37 192	0.22 102	0.39 232	0.25 86	0.41 195	0.34 129

UDG	3.55 331	2.81 365	17.45 291	2.69 376	1.98 363	3.97 221	1.19 247	4.35 335	2.02 173	2.42 272	2.53 297	4.50 351	2.46 288	6.53 236	2.41 282	2.12 380	1.77 385	2.63 391	2.57 400	2.64 380	1.95 374

NCC-stereo	3.16 316	1.28 299	18.31 303	1.25 223	1.75 347	4.06 234	1.40 274	3.89 200	2.22 208	2.72 308	2.55 298	3.49 302	2.65 297	9.91 302	2.99 309	1.29 372	0.65 348	0.64 337	0.86 358	0.65 296	0.71 304

Abc-Net	3.16 316	1.28 299	18.31 303	1.25 223	1.75 347	4.06 234	1.40 274	3.89 200	2.22 208	2.72 308	2.55 298	3.49 302	2.65 297	9.91 302	2.99 309	1.29 372	0.65 348	0.64 337	0.86 358	0.65 296	0.71 304
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
PSM-AAD	2.43 230	0.54 29	1.32 9	0.92 81	0.54 92	4.48 317	7.47 395	2.96 91	1.55 79	2.31 245	2.56 300	1.26 72	16.23 402	2.46 142	0.89 63	0.28 58	0.21 80	0.58 320	0.41 284	0.34 127	1.32 357

NaN_ROB	4.06 349	1.13 270	16.64 275	1.12 170	1.25 265	3.50 127	3.05 364	4.29 315	3.26 349	3.64 352	2.56 300	2.97 260	4.79 355	13.33 391	16.91 390	0.37 192	0.41 291	0.38 229	0.39 270	0.48 241	0.81 324

TestStereo1	1.56 101	0.81 202	2.32 82	1.61 320	0.64 122	4.13 251	1.36 265	3.79 180	3.20 344	1.60 66	2.57 302	1.39 86	2.15 265	2.51 148	1.30 148	0.29 75	0.20 55	0.34 179	0.25 86	0.40 174	0.36 143

SA-5K	1.56 101	0.81 202	2.32 82	1.61 320	0.64 122	4.13 251	1.36 265	3.79 180	3.20 344	1.60 66	2.57 302	1.39 86	2.15 265	2.51 148	1.30 148	0.29 75	0.20 55	0.34 179	0.25 86	0.40 174	0.36 143

ACRE	2.27 200	1.11 268	19.45 322	0.91 78	1.30 271	3.94 208	0.87 164	4.21 286	1.80 144	2.28 234	2.62 304	1.17 60	1.04 69	1.52 59	1.30 148	0.37 192	0.23 126	0.27 51	0.22 49	0.31 73	0.46 228

MFN_U_SF_DS_RVC	3.94 344	10.88 405	12.30 221	1.26 229	1.55 316	5.19 381	3.33 371	4.42 345	2.82 310	2.58 290	2.62 304	5.00 366	2.11 261	14.03 401	2.73 300	1.28 371	2.34 395	0.67 342	1.83 389	0.81 329	1.03 342

IPLGR_C	2.28 205	1.31 303	19.46 323	0.92 81	1.32 277	3.93 206	0.89 170	4.20 282	1.82 145	2.30 240	2.63 306	1.16 59	1.07 80	1.41 47	1.29 147	0.37 192	0.23 126	0.27 51	0.22 49	0.31 73	0.45 218

RainbowNet	4.56 358	8.28 388	20.07 343	3.64 393	3.23 392	4.15 255	2.99 362	4.18 279	3.03 328	2.20 214	2.65 307	4.26 343	2.90 306	9.77 296	2.12 261	3.88 398	2.27 392	2.71 394	1.72 386	3.78 390	3.31 397

CIPLG	2.27 200	1.18 279	19.24 317	0.92 81	1.34 281	3.95 213	0.89 170	4.23 294	1.82 145	2.31 245	2.67 308	1.17 60	1.06 78	1.53 61	1.32 151	0.37 192	0.23 126	0.27 51	0.22 49	0.31 73	0.45 218

Consistency-Raft	2.86 278	1.66 332	19.61 326	1.40 279	1.75 347	3.84 188	1.32 260	4.07 253	2.25 214	1.78 99	2.67 308	1.82 139	4.41 350	1.94 107	2.06 255	0.83 351	0.94 366	1.03 366	1.12 370	1.70 374	1.09 346

MADNet+	3.97 346	9.54 400	13.83 239	1.87 349	1.69 341	4.19 276	2.87 356	4.80 378	4.10 375	2.51 281	2.67 308	4.55 354	3.41 330	8.72 274	6.92 349	1.25 369	1.27 376	1.04 367	0.93 362	1.39 369	1.85 372

stereogan	3.09 307	0.93 234	16.43 272	1.37 273	1.66 338	3.70 163	1.67 307	3.87 196	3.15 338	3.04 330	2.70 311	5.04 368	2.79 301	9.96 305	1.78 224	0.63 321	0.49 323	0.69 343	0.47 301	0.83 332	0.68 300

DEmStereo	2.97 294	0.58 57	13.42 229	0.79 28	0.51 76	3.84 188	1.84 319	2.42 43	1.60 106	2.25 231	2.74 312	2.03 171	6.04 370	6.79 248	12.80 374	0.35 180	0.26 181	0.26 36	0.27 122	0.27 23	0.37 157

MSC_U_SF_DS_RVC	4.48 357	10.62 403	15.18 262	1.55 310	1.45 303	6.16 387	3.54 378	5.41 391	3.68 366	2.59 293	2.74 312	4.81 362	2.20 272	13.79 398	4.40 326	2.04 379	3.36 408	1.05 368	1.20 375	2.09 376	1.72 369

SHD	2.82 275	2.04 349	13.80 238	1.69 327	1.79 352	2.73 57	1.07 223	3.85 191	3.18 340	4.63 374	2.74 312	3.38 291	2.77 300	5.48 217	3.66 320	0.62 320	0.47 316	0.51 298	0.55 324	0.65 296	0.74 312

OMP-Stereo	1.97 159	0.93 234	1.88 38	2.76 378	0.67 133	4.58 341	1.48 283	4.31 325	1.54 73	3.15 339	2.76 315	3.25 281	1.38 134	7.66 263	1.35 158	0.40 223	0.20 55	0.33 163	0.26 99	0.33 111	0.24 20

PFNet	2.47 237	0.60 72	16.95 282	2.15 363	0.81 158	4.63 348	0.91 182	2.55 63	1.52 61	2.40 270	2.79 316	1.83 142	1.42 145	7.54 258	1.34 157	0.33 152	0.21 80	0.36 205	0.27 122	0.32 96	0.39 175

RP	2.79 274	1.20 283	10.36 206	1.54 305	1.93 361	3.44 113	1.97 324	4.05 249	2.34 230	2.66 304	2.79 316	3.98 326	2.58 294	10.21 313	2.61 296	0.95 357	0.47 316	0.71 346	0.57 329	0.71 315	0.68 300

Sa-1000	1.63 114	0.79 195	3.56 131	1.11 168	0.48 68	4.06 234	1.41 277	4.49 358	2.75 293	2.00 158	2.80 318	1.84 145	1.43 147	2.64 161	1.50 179	0.27 33	0.19 38	0.36 205	0.33 215	0.36 153	0.30 95

DRaft	2.28 205	0.56 40	2.64 100	0.74 10	0.46 52	3.94 208	1.23 252	2.32 39	1.55 79	2.64 301	2.80 318	1.60 106	5.34 363	6.96 250	10.99 368	0.34 163	0.22 102	0.27 51	0.27 122	0.29 42	0.37 157

ADCS	4.22 354	5.33 378	16.32 270	1.64 322	1.31 273	3.91 201	3.64 380	4.21 286	2.89 314	5.11 378	2.81 320	4.46 350	3.06 317	5.21 210	19.50 403	0.63 321	0.64 347	0.69 343	0.69 344	1.12 354	1.26 352

Nwc_Net	2.88 283	1.16 277	18.30 302	1.35 259	1.68 340	3.52 132	1.18 244	3.90 205	2.06 181	2.52 282	2.82 321	3.82 319	2.34 279	6.78 246	2.55 294	0.86 353	0.40 285	0.59 322	0.67 339	0.57 272	0.55 270

ACVNet_1	6.04 382	13.97 414	21.36 388	3.58 391	3.14 389	4.73 367	2.48 343	4.20 282	3.17 339	2.98 328	2.83 322	23.31 408	4.34 349	11.06 342	2.45 284	3.68 394	2.33 394	2.60 389	1.79 388	3.69 388	3.19 394

MFMNet_re	2.91 284	1.91 342	18.25 300	3.06 383	1.89 359	3.13 79	1.67 307	3.52 140	2.97 320	3.14 337	2.87 323	2.26 189	2.41 283	2.42 139	2.00 248	1.10 363	1.05 368	0.94 363	0.90 360	1.28 365	1.46 364

AF-Net	2.87 281	1.30 301	16.24 269	1.33 251	1.75 347	3.26 91	1.59 297	4.09 259	2.43 251	2.69 306	2.94 324	4.51 352	3.20 322	5.84 225	2.75 302	0.76 342	0.36 254	0.72 350	0.49 308	0.70 310	0.56 272

DispFullNet	4.64 361	3.48 370	23.95 409	3.99 395	3.03 385	3.35 104	1.06 221	4.18 279	2.80 302	6.33 387	2.94 324	4.04 330	7.81 388	3.92 192	5.16 337	2.75 383	1.61 382	3.10 399	2.68 403	3.32 383	3.31 397

KYRaft	1.59 109	0.52 15	1.73 27	0.95 94	0.49 72	4.38 302	1.79 312	2.43 45	1.51 54	2.49 278	2.98 326	2.00 167	3.41 330	2.14 124	0.82 43	0.30 109	0.21 80	0.33 163	0.46 298	0.35 142	2.45 383

GANet	2.93 286	1.05 256	11.29 216	1.64 322	0.96 199	3.91 201	2.52 345	3.72 169	2.41 247	2.95 327	3.00 327	3.21 277	2.03 253	12.42 383	4.72 331	0.51 297	0.41 291	0.46 268	0.39 270	0.60 279	0.50 248

ADCMid	3.96 345	3.27 369	15.48 264	1.26 229	1.40 292	4.66 352	2.28 338	4.06 251	3.54 361	3.94 359	3.02 328	3.85 320	3.67 337	4.03 194	18.65 400	0.68 334	0.61 343	1.09 371	1.18 374	1.38 368	1.08 345

AnyNet_C32	4.17 352	5.75 382	12.62 222	1.60 317	1.54 312	5.51 384	4.09 387	3.90 205	3.23 347	4.22 370	3.03 329	3.10 270	3.41 330	8.01 266	18.85 401	0.53 305	0.58 336	0.53 306	0.74 347	1.19 362	0.97 339

SAMSARA	3.55 331	2.16 352	14.18 245	1.86 348	1.49 306	4.62 346	2.65 350	3.58 148	2.80 302	7.05 390	3.05 330	5.16 372	4.07 344	9.18 286	4.80 333	0.64 324	0.67 351	0.59 322	0.68 342	0.89 335	0.91 335

RTS	3.90 342	7.04 385	17.94 297	1.92 351	2.19 371	5.00 378	2.96 360	4.29 315	3.19 341	4.05 362	3.08 331	4.94 364	3.16 319	7.64 260	6.72 343	0.66 329	0.44 301	0.51 298	0.47 301	0.95 339	0.76 317

RTSA	3.90 342	7.04 385	17.94 297	1.92 351	2.19 371	5.00 378	2.96 360	4.29 315	3.19 341	4.05 362	3.08 331	4.94 364	3.16 319	7.64 260	6.72 343	0.66 329	0.44 301	0.51 298	0.47 301	0.95 339	0.76 317

TransformOpticalFlow	3.03 302	0.77 187	20.99 377	1.00 120	0.55 94	4.18 272	0.64 55	4.33 331	3.02 327	2.18 208	3.09 333	4.35 346	5.07 358	7.36 256	1.27 142	0.32 141	0.18 24	0.32 132	0.26 99	0.28 34	0.46 228

RAFT-345	2.46 234	0.55 33	19.69 329	1.02 133	0.49 72	4.43 313	0.78 115	1.64 12	2.34 230	2.09 179	3.12 334	1.96 160	1.31 126	6.65 240	1.43 165	0.36 185	0.23 126	0.32 132	0.25 86	0.28 34	0.25 26

RTSC	2.95 287	2.51 357	15.49 265	1.54 305	1.30 271	3.51 129	0.86 148	3.89 200	2.48 259	3.64 352	3.12 334	3.04 266	2.30 275	5.70 223	6.67 342	0.55 308	0.35 250	0.37 217	0.39 270	0.70 310	0.60 284

IIG-Stereo	1.95 155	0.79 195	2.14 67	2.78 379	0.66 130	4.62 346	0.76 103	4.27 310	1.53 66	2.63 300	3.14 336	3.35 289	1.61 189	7.65 262	1.41 162	0.39 217	0.20 55	0.31 117	0.25 86	0.33 111	0.22 9

DGSMNet	7.55 393	1.62 326	17.42 290	1.92 351	12.73 411	7.45 397	42.99 423	4.13 268	2.07 182	2.10 182	3.16 337	3.42 292	1.70 216	9.24 287	2.30 275	3.70 396	10.89 419	11.80 419	5.54 410	4.24 394	2.66 384

tt	7.19 391	0.51 10	6.83 168	4.03 396	2.30 376	12.05 405	20.19 414	15.46 412	6.58 395	3.42 350	3.22 338	5.37 373	6.39 378	4.20 199	7.46 353	9.81 414	11.53 420	7.05 412	7.46 413	6.31 404	3.71 402

ccnet	2.66 264	0.97 245	8.01 177	1.54 305	1.24 262	3.75 170	2.18 336	4.07 253	2.41 247	2.66 304	3.25 339	2.87 255	2.31 278	9.89 301	3.50 317	0.78 343	0.75 360	0.71 346	0.67 339	0.76 322	0.81 324

RGC	3.10 310	1.45 319	14.90 254	1.46 290	1.79 352	3.33 102	1.39 272	4.04 245	2.26 217	2.77 312	3.26 340	4.00 327	2.71 299	11.63 361	2.62 298	0.82 349	0.46 312	0.79 355	0.79 355	0.71 315	0.78 321

edge stereo	3.37 327	1.01 248	21.99 399	1.28 235	1.37 285	2.67 56	1.39 272	3.98 228	2.87 313	2.93 322	3.27 341	4.35 346	2.43 285	11.62 356	2.39 280	0.60 316	0.63 346	0.79 355	0.55 324	0.68 307	0.67 298

SGM-Forest	2.96 290	0.62 93	3.49 128	1.09 156	0.80 156	4.06 234	3.30 369	4.37 339	3.09 332	4.18 369	3.27 341	4.67 361	3.86 340	11.69 365	7.91 355	0.51 297	0.46 312	0.49 292	0.39 270	0.48 241	0.49 241
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV_ROB	3.62 333	0.70 144	21.42 390	1.21 212	0.89 185	4.43 313	1.76 311	4.39 341	2.79 298	5.88 383	3.38 343	4.18 338	5.12 359	10.75 327	2.32 277	0.56 310	0.55 329	0.53 306	0.51 314	0.55 262	0.46 228

PWC_ROB	2.69 270	2.01 347	8.36 180	1.33 251	1.90 360	3.23 84	1.18 244	4.33 331	3.25 348	3.11 335	3.41 344	2.71 238	2.18 271	9.15 285	4.48 327	0.56 310	0.31 222	0.61 330	0.36 244	0.69 309	0.74 312

Prome-Stereo	1.61 111	0.55 33	1.71 26	0.98 108	0.60 113	4.41 309	1.82 316	3.03 96	1.53 66	2.18 208	3.45 345	1.72 120	3.49 334	2.23 134	1.08 104	0.29 75	0.20 55	0.26 36	0.25 86	0.34 127	2.16 377

StereoVision	1.65 115	0.75 181	7.47 174	1.01 124	1.80 355	2.61 55	0.61 44	3.06 100	1.96 163	1.25 42	3.46 346	1.85 147	0.88 40	2.07 114	1.93 238	0.43 248	0.36 254	0.37 217	0.36 244	0.48 241	0.33 119

STTRV1_RVC	3.52 330	1.03 254	20.87 373	1.47 293	1.47 304	3.23 84	1.55 294	4.06 251	3.22 346	1.95 135	3.50 347	2.63 233	2.07 259	11.96 377	2.21 270	1.86 378	4.03 410	0.81 358	0.73 346	1.06 347	0.70 303

PVD	3.12 311	1.97 346	12.80 224	1.79 341	1.63 330	3.83 183	1.34 262	3.48 131	3.88 369	5.77 381	3.56 348	3.45 294	3.29 325	5.58 221	5.30 339	0.71 340	0.69 355	0.74 353	0.77 351	0.79 327	1.13 348

SPS-STEREO	3.97 346	1.44 318	20.85 371	1.72 331	1.71 343	3.24 87	2.30 340	3.55 143	2.68 286	4.79 376	3.66 349	5.44 374	2.97 308	9.11 283	9.35 362	1.15 366	1.10 370	1.06 369	1.02 367	1.16 359	1.18 350
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
STrans-v2	3.03 302	0.77 187	20.91 374	0.81 29	0.63 120	3.89 199	1.01 211	4.27 310	2.64 280	2.28 234	3.70 350	4.13 335	5.20 360	7.33 253	1.27 142	0.31 126	0.18 24	0.29 80	0.25 86	0.29 42	0.41 197

AnyNet_C01	4.37 356	7.80 387	16.40 271	1.98 356	1.40 292	6.37 389	6.47 394	4.09 259	5.03 384	4.06 364	3.78 351	4.16 337	3.31 326	6.62 239	10.00 364	0.61 318	0.67 351	0.63 334	0.67 339	2.01 375	1.31 355

S-Stereo	3.48 329	0.91 229	22.06 400	1.36 265	1.50 308	3.55 138	2.53 346	4.21 286	2.81 308	2.37 263	3.81 352	3.75 315	1.84 239	11.90 375	2.51 289	0.63 321	0.71 356	0.48 279	0.76 349	0.67 304	1.19 351

FAT-Stereo	3.34 325	0.81 202	20.05 340	1.25 223	1.20 255	3.44 113	1.99 326	4.23 294	2.67 284	3.14 337	3.82 353	3.51 304	3.32 327	11.68 364	1.94 240	0.64 324	0.67 351	0.48 279	0.52 317	0.61 284	0.81 324

FADE	78.44 432	13.79 413	36.09 417	10.71 417	13.34 412	4.15 255	4.14 388	28.60 418	8.36 396	5.15 379	3.88 354	11.85 395	36.55 416	44.37 422	28.26 418	474.90 438	161.58 437	347.36 438	322.13 438	7.29 410	6.23 413

ASMatch	2.62 259	0.60 72	20.65 369	1.37 273	0.64 122	4.39 304	0.78 115	1.97 23	1.58 91	1.70 86	3.89 355	1.94 153	3.79 338	5.46 215	1.64 205	0.31 126	0.24 153	0.34 179	0.28 147	0.33 111	0.50 248

ACVNet-4b	6.73 387	13.67 412	21.87 398	3.54 390	3.07 386	4.19 276	2.25 337	4.03 241	3.65 364	1.64 76	3.98 356	5.88 375	2.89 305	10.01 308	16.98 391	23.29 424	2.24 391	2.53 387	1.78 387	3.87 392	3.21 395

MDST_ROB	5.53 374	0.59 63	23.11 404	2.55 375	2.69 379	21.20 414	1.98 325	4.77 377	2.65 281	9.36 400	4.25 357	4.14 336	4.45 351	22.57 408	3.68 321	0.48 278	0.33 234	0.47 271	0.44 292	0.44 222	0.44 213

AANet_RVC	3.03 302	1.72 335	12.78 223	1.17 197	1.12 235	3.79 178	1.10 230	3.86 194	3.13 334	2.62 297	4.26 358	3.96 325	1.41 142	11.43 350	5.23 338	0.94 356	0.47 316	0.34 179	0.23 57	0.40 174	0.55 270

aanetorigin	3.30 322	1.66 332	17.52 294	1.18 202	1.58 324	2.57 53	3.80 383	2.65 73	2.03 175	6.12 386	4.30 359	2.82 252	5.70 366	5.47 216	4.67 329	0.50 291	0.44 301	0.43 255	0.47 301	1.17 360	0.92 336

JetBlue	6.27 384	9.15 397	13.76 233	1.94 354	4.60 406	11.91 403	12.00 404	5.12 382	3.45 360	3.79 356	4.52 360	9.54 389	6.56 379	9.40 290	13.48 376	1.26 370	1.37 378	1.17 374	1.34 379	7.06 409	3.95 404

ADCL	4.35 355	1.63 328	14.21 246	1.29 238	1.26 268	5.56 385	11.16 401	3.97 226	3.37 355	6.07 384	4.67 361	4.30 345	5.72 367	5.08 208	14.51 378	0.50 291	0.48 321	0.89 362	0.77 351	0.78 325	0.76 317

EDNetEfficientorigin	12.35 405	2.51 357	179.47 437	1.19 204	0.96 199	2.91 64	1.81 315	3.00 94	5.35 386	8.91 398	4.79 362	4.18 338	4.64 354	9.98 306	11.30 369	0.37 192	0.38 272	0.60 327	0.85 357	1.32 367	2.43 382

EDNetEfficient	5.61 375	2.14 351	16.75 279	1.67 325	3.64 394	4.12 248	7.51 396	3.05 98	5.63 390	11.57 409	4.83 363	3.95 323	12.72 398	8.44 271	20.78 406	0.41 233	0.43 298	0.47 271	1.01 365	1.66 373	1.39 361

HHNet	2.48 239	0.71 154	20.52 364	0.64 3	0.64 122	4.07 239	0.93 193	3.76 174	1.56 83	2.15 197	4.92 364	0.98 44	3.37 328	1.66 82	1.79 225	0.32 141	0.20 55	0.31 117	0.27 122	0.36 153	0.42 200

FTStereo	3.71 338	0.53 24	20.37 357	0.96 98	0.65 127	4.34 299	11.29 402	2.62 71	1.50 50	2.58 290	5.04 365	1.90 150	13.84 401	3.71 185	1.25 138	0.38 206	0.24 153	0.31 117	0.32 207	0.30 57	2.10 376

ACVNet_2	5.41 372	12.60 408	20.42 361	3.27 386	3.15 390	4.50 325	3.02 363	4.66 372	3.73 367	3.35 348	5.36 366	7.86 384	2.88 304	12.33 382	4.76 332	3.12 388	2.22 390	2.70 393	1.69 383	3.49 384	3.10 391

RAFT-RH_RVC	2.63 260	0.55 33	19.97 338	1.26 229	0.47 62	4.46 315	0.57 29	1.71 13	1.64 116	3.06 333	5.51 367	2.03 171	1.28 121	6.70 242	1.52 186	0.42 243	0.22 102	0.37 217	0.34 222	0.28 34	0.29 74

JetRed	10.48 399	27.10 419	35.70 416	4.27 398	4.09 402	15.55 413	12.83 405	12.16 402	5.50 387	5.83 382	5.56 368	10.14 390	7.43 385	8.88 277	26.39 414	3.32 389	3.81 409	3.51 403	2.96 408	7.85 411	6.69 414

SDNR	3.97 346	1.93 343	20.28 354	1.31 245	0.94 196	5.16 380	0.67 64	4.33 331	2.58 275	4.82 377	5.94 369	5.01 367	1.45 153	17.52 405	2.53 291	0.79 344	0.72 357	0.59 322	0.45 296	1.15 358	1.17 349

EAI-Stereo	2.35 221	0.63 97	2.97 111	0.95 94	0.65 127	3.84 188	14.27 406	5.04 381	2.19 206	2.06 175	7.25 370	1.10 53	0.94 50	1.65 81	1.37 159	0.31 126	0.22 102	0.27 51	0.60 333	0.27 23	0.32 109

PWCDC_ROB	2.95 287	3.26 368	14.06 243	1.59 315	1.56 319	4.19 276	0.86 148	4.30 322	4.08 374	2.06 175	7.37 371	2.75 242	2.42 284	3.59 181	2.67 299	1.34 376	0.36 254	0.39 232	0.34 222	1.13 355	0.62 288

PWCK	5.85 379	9.95 401	15.22 263	2.90 380	1.56 319	5.66 386	7.69 397	5.27 385	4.74 381	3.88 357	7.51 372	8.04 385	5.28 361	15.18 402	8.40 358	3.08 387	1.51 380	2.24 385	1.37 381	5.55 402	1.96 375

MADNet++	7.57 394	5.80 383	13.28 227	6.38 410	5.26 408	7.18 393	7.77 398	5.32 388	5.62 389	6.11 385	7.78 373	6.02 377	8.01 390	11.74 367	16.36 388	9.36 413	4.95 412	8.57 414	5.66 411	4.83 400	5.34 410

CSAN	4.71 362	1.39 314	20.23 349	1.19 204	0.87 177	3.65 158	3.50 375	4.57 367	3.87 368	3.89 358	7.82 374	3.54 309	6.16 374	23.47 413	6.82 346	0.52 303	0.45 305	0.49 292	0.52 317	0.63 287	0.66 297

ELAS_RVC	5.72 378	1.64 331	20.40 359	2.09 361	2.01 365	4.95 377	11.47 403	4.66 372	6.31 394	8.09 396	8.01 375	8.06 387	11.65 397	8.36 268	10.22 365	0.99 360	1.17 371	0.81 358	0.76 349	1.14 356	1.58 365
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSMD_ROB	5.61 375	1.08 261	16.68 276	1.21 212	0.83 167	10.14 401	2.07 331	3.93 215	6.22 392	10.37 406	8.03 376	22.22 407	9.45 395	11.66 362	4.52 328	0.66 329	0.58 336	0.66 340	0.68 342	0.65 296	0.63 291

DCRE	1.44 89	0.74 172	3.50 130	1.13 177	0.72 142	1.78 21	0.67 64	2.14 31	1.56 83	1.99 146	8.09 377	1.73 121	1.07 80	1.24 29	0.83 46	0.23 7	0.25 170	0.26 36	0.26 99	0.28 34	0.30 95

IMH-64-1	4.84 364	2.53 359	6.83 168	4.30 400	3.74 395	4.81 374	6.05 391	5.30 386	3.92 370	3.95 360	8.33 378	5.08 369	6.06 371	8.96 280	6.30 340	4.57 406	2.96 402	3.04 396	2.12 395	4.28 395	3.62 400

IMH-64	4.84 364	2.53 359	6.83 168	4.30 400	3.74 395	4.81 374	6.05 391	5.30 386	3.92 370	3.95 360	8.33 378	5.08 369	6.06 371	8.96 280	6.30 340	4.57 406	2.96 402	3.04 396	2.12 395	4.28 395	3.62 400

coex-ft	18.59 411	6.62 384	113.53 434	1.17 197	1.31 273	2.33 47	1.93 322	2.81 83	14.00 403	124.82 436	8.45 380	5.90 376	51.74 429	9.99 307	22.69 407	0.57 312	0.62 344	0.50 295	0.49 308	1.08 352	1.28 353

ELAS	5.99 381	1.62 326	20.29 355	1.96 355	2.01 365	15.09 410	8.38 400	5.23 384	5.54 388	9.02 399	8.61 381	6.74 379	9.75 396	7.48 257	11.40 371	0.96 358	1.18 372	0.72 350	0.93 362	1.30 366	1.67 367
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
CrosDoStereo	5.24 369	0.60 72	20.23 349	0.82 36	0.51 76	3.39 107	18.11 410	3.82 184	2.27 219	1.98 141	8.74 382	1.96 160	6.96 381	7.35 254	26.35 412	0.30 109	0.22 102	0.30 99	0.28 147	0.33 111	0.38 170

DeepStereo_LL	5.24 369	0.60 72	20.23 349	0.82 36	0.51 76	3.39 107	18.11 410	3.82 184	2.27 219	1.98 141	8.74 382	1.96 160	6.96 381	7.35 254	26.35 412	0.30 109	0.22 102	0.30 99	0.28 147	0.33 111	0.38 170

SANet	5.65 377	1.72 335	20.94 375	1.26 229	0.88 180	7.20 394	3.81 384	4.60 369	11.23 398	4.56 373	8.78 384	7.49 382	6.95 380	11.85 372	18.11 396	0.49 288	0.44 301	0.50 295	0.42 289	0.90 337	0.82 328

SGM_RVC	4.57 359	0.72 157	17.46 292	1.84 345	0.58 112	4.23 285	3.45 373	4.66 372	3.66 365	7.99 395	8.82 385	7.56 383	8.74 394	12.30 380	6.84 347	0.43 248	0.38 272	0.39 232	0.35 236	0.51 248	0.48 237
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
WAO-7	5.16 368	3.21 367	18.98 314	1.88 350	1.44 300	5.34 382	3.09 367	4.91 380	5.81 391	4.35 371	8.92 386	6.55 378	6.06 371	13.40 393	10.81 367	1.34 376	1.20 375	1.48 378	1.35 380	1.60 372	1.45 362

G-Net	4.11 350	1.21 284	19.47 324	2.31 371	2.94 383	4.74 370	2.95 358	3.33 126	2.14 198	4.44 372	9.43 387	6.93 381	3.84 339	9.01 282	4.92 336	0.79 344	0.80 362	0.70 345	0.50 312	0.95 339	0.87 333

WAO-6	5.87 380	2.27 353	15.05 258	2.96 381	2.77 381	12.01 404	3.58 379	5.37 390	11.91 402	3.34 346	9.69 388	6.78 380	5.84 368	11.82 371	8.89 361	2.87 384	2.35 396	2.50 386	1.84 390	2.85 381	2.67 385

otaku	4.58 360	8.93 394	19.95 337	3.11 384	2.67 378	3.91 201	2.57 348	3.82 184	2.25 214	2.22 223	9.72 389	4.08 332	2.35 280	8.57 272	2.13 264	3.51 392	1.65 383	2.15 384	1.17 373	3.69 388	3.15 392

UNDER WATER-64	9.33 396	5.37 379	22.60 402	5.22 409	4.86 407	10.75 402	4.61 390	11.45 401	17.30 407	7.59 391	9.80 390	15.99 401	17.90 406	10.63 324	15.72 382	4.36 401	2.87 399	4.39 409	2.86 406	7.01 408	5.36 411

IMH	6.81 389	13.66 411	20.41 360	4.33 402	3.74 395	5.50 383	3.06 365	5.49 392	6.22 392	4.64 375	10.35 391	9.30 388	8.03 391	13.61 396	6.81 345	4.80 409	2.99 405	3.09 398	2.12 395	4.36 397	3.61 399

UNDER WATER	10.47 398	3.95 373	22.62 403	5.07 408	4.51 405	7.78 398	3.77 382	12.56 404	21.72 414	7.84 394	10.78 392	23.96 410	31.66 415	10.78 329	16.19 387	4.44 403	2.93 400	4.24 408	2.86 406	6.33 405	5.47 412

WCMA_ROB	5.12 367	0.90 227	21.33 386	1.50 298	1.33 280	4.09 241	3.49 374	4.03 241	4.59 378	6.57 388	10.95 393	12.92 396	8.41 393	9.86 300	8.78 360	0.75 341	0.58 336	0.51 298	0.50 312	0.68 307	0.57 276

FCDSN-DC	6.04 382	0.84 216	19.25 318	1.24 221	1.09 232	4.38 302	2.62 349	4.38 340	4.71 379	9.59 403	11.22 394	19.19 403	17.40 404	12.30 380	8.55 359	0.69 337	0.57 332	0.60 327	0.60 333	0.70 310	0.78 321
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	6.64 386	0.77 187	19.26 319	1.68 326	1.64 332	8.27 399	2.35 341	6.35 394	9.23 397	10.85 407	11.27 395	19.89 404	13.33 399	12.51 386	11.79 372	0.66 329	0.57 332	0.58 320	0.56 326	0.63 287	0.61 286

LVE	6.88 390	9.31 398	21.14 380	3.61 392	3.18 391	4.49 322	2.79 352	10.21 400	11.69 400	3.16 340	11.53 396	18.33 402	4.31 348	11.66 362	3.52 318	4.45 404	2.93 400	2.56 388	1.91 392	3.62 385	3.16 393

MeshStereo	5.35 371	1.32 305	21.34 387	1.34 255	1.15 239	4.40 308	3.90 385	5.18 383	4.55 377	10.14 405	11.82 397	11.47 391	5.84 368	13.84 399	7.03 350	0.61 318	0.58 336	0.60 327	0.58 330	0.72 318	0.59 283
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
THIR-Stereo	4.14 351	0.82 209	10.85 212	0.86 59	0.43 37	2.16 42	16.77 408	3.22 112	1.54 73	2.04 171	12.05 398	2.68 235	7.53 386	7.30 252	12.62 373	0.30 109	0.21 80	0.29 80	0.28 147	0.33 111	0.41 197

WAO-8	11.95 403	13.02 409	20.56 365	3.50 387	3.08 387	15.11 411	2.80 353	12.91 405	19.11 412	7.69 392	13.12 399	11.62 392	7.01 383	84.40 434	7.91 355	3.42 390	1.92 387	3.54 405	1.93 393	3.68 386	2.69 386

Venus	11.95 403	13.02 409	20.56 365	3.50 387	3.08 387	15.11 411	2.80 353	12.91 405	19.11 412	7.69 392	13.12 399	11.62 392	7.01 383	84.40 434	7.91 355	3.42 390	1.92 387	3.54 405	1.93 393	3.68 386	2.69 386

pmcnn	5.45 373	1.22 290	17.40 289	1.60 317	2.41 377	3.48 122	2.12 332	4.52 363	3.26 349	3.67 354	13.15 401	22.10 406	3.46 333	11.92 376	17.16 392	0.34 163	0.21 80	0.23 5	0.19 18	0.36 153	0.28 67

MANE	11.39 401	1.38 312	23.16 405	4.82 407	2.79 382	22.02 415	14.51 407	25.81 415	26.28 416	10.93 408	13.17 402	19.90 405	18.03 407	15.69 404	20.41 405	0.96 358	0.74 359	1.42 377	3.24 409	0.74 319	1.71 368

LSM	12.71 406	3.52 371	20.79 370	55.63 430	84.76 429	3.63 157	6.30 393	3.73 170	4.93 383	5.55 380	13.92 403	3.53 306	3.25 324	9.72 295	4.12 324	0.64 324	0.85 363	0.71 346	0.81 356	1.03 345	26.84 420

SGM+DAISY	8.36 395	3.82 372	24.83 410	2.02 358	1.75 347	14.80 409	17.22 409	4.27 310	11.79 401	13.88 410	14.38 404	11.74 394	13.83 400	10.56 321	15.12 379	1.21 367	1.19 374	1.14 373	1.13 372	1.17 360	1.37 358

SGM-ForestM	11.55 402	1.16 277	21.62 395	2.14 362	0.81 158	22.25 416	19.08 412	16.50 414	11.34 399	15.94 413	14.44 405	27.12 415	22.61 413	24.76 414	28.39 419	0.50 291	0.48 321	0.47 271	0.44 292	0.55 262	0.53 261

Anonymous_1	57.11 430	19.68 416	26.15 411	23.10 418	142.31 434	30.84 417	39.75 420	33.86 422	16.98 406	70.53 431	15.42 406	23.46 409	19.75 410	23.04 409	27.23 415	164.73 436	9.02 416	130.38 432	137.40 433	161.27 437	27.24 421

DPSM_ROB	20.78 412	20.03 417	26.57 412	23.62 419	22.46 415	31.10 418	39.97 421	33.52 420	17.41 408	15.25 411	15.80 407	24.06 411	20.71 411	23.30 411	27.62 416	10.78 415	9.41 417	11.69 417	11.50 415	14.49 417	16.36 418

DPSM	20.78 412	20.03 417	26.57 412	23.62 419	22.46 415	31.10 418	39.97 421	33.52 420	17.41 408	15.25 411	15.80 407	24.06 411	20.71 411	23.30 411	27.62 416	10.78 415	9.41 417	11.69 417	11.50 415	14.49 417	16.36 418

LE_ROB	18.58 410	1.21 284	48.38 423	8.60 414	23.00 417	7.32 396	19.74 413	9.94 399	38.69 424	43.53 422	21.91 409	28.40 416	40.92 419	23.18 410	54.71 424	0.34 163	0.33 234	0.32 132	0.36 244	0.42 210	0.40 192

DGTPSM_ROB	15.31 407	8.85 392	28.14 414	9.90 415	18.89 413	12.44 406	33.21 417	13.48 407	17.86 410	9.50 401	22.89 410	13.78 398	19.67 408	21.26 406	23.68 408	5.08 410	8.84 413	5.62 410	11.50 415	6.72 406	14.87 416

DPSMNet_ROB	15.52 408	8.89 393	31.44 415	10.07 416	18.91 414	12.44 406	33.22 418	13.51 408	17.94 411	9.58 402	22.91 411	13.79 399	19.67 408	21.43 407	23.73 409	5.17 411	8.84 413	5.63 411	11.52 418	6.79 407	14.90 417

TorneroNet-64	10.12 397	8.74 390	20.95 376	4.27 398	3.76 398	13.86 408	2.85 355	15.05 410	23.15 415	10.07 404	23.84 412	13.47 397	8.24 392	13.96 400	17.21 393	3.96 399	2.72 397	3.23 400	2.48 399	6.29 403	4.27 407

NVStereoNet_ROB	4.91 366	1.40 315	16.46 273	1.47 293	1.72 345	3.46 118	1.96 323	3.89 200	3.61 363	2.90 319	24.61 413	4.81 362	4.49 352	13.57 395	4.87 334	1.33 375	1.29 377	1.70 379	1.68 382	1.41 370	1.66 366
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Dean	7.52 392	9.08 396	21.41 389	3.74 394	3.53 393	4.81 374	3.53 376	5.33 389	5.25 385	4.17 366	26.53 414	25.62 414	4.09 345	10.97 336	4.32 325	3.69 395	2.30 393	2.91 395	1.87 391	4.03 393	3.24 396

SPstereo	30.42 418	11.55 407	18.72 310	8.51 413	9.93 410	50.05 426	82.85 434	71.73 432	35.92 423	30.73 420	29.66 415	48.61 427	42.30 428	47.77 431	58.10 431	7.32 412	8.89 415	20.37 420	10.07 414	7.98 413	7.43 415

LRCNet_RVC	25.52 415	33.45 420	23.21 407	31.79 421	32.78 418	6.74 392	1.18 244	25.88 416	4.46 376	28.94 414	30.89 416	24.91 413	17.57 405	27.66 415	24.34 411	35.26 426	25.60 427	35.91 427	33.81 426	31.90 427	34.10 428

MyStereo03	41.77 420	40.13 422	53.46 428	47.73 425	45.04 423	62.50 428	80.72 431	66.91 426	34.93 418	30.53 416	31.77 417	48.26 423	41.67 422	46.68 428	55.85 428	21.53 418	18.88 422	23.46 421	23.21 422	29.14 421	33.09 425

MyStereo02	41.77 420	40.13 422	53.46 428	47.73 425	45.04 423	62.50 428	80.72 431	66.91 426	34.93 418	30.53 416	31.77 417	48.26 423	41.67 422	46.68 428	55.85 428	21.53 418	18.88 422	23.46 421	23.21 422	29.14 421	33.09 425

MyStereo	41.77 420	40.13 422	53.46 428	47.73 425	45.04 423	62.50 428	80.72 431	66.91 426	34.93 418	30.53 416	31.77 417	48.26 423	41.67 422	46.68 428	55.85 428	21.53 418	18.88 422	23.46 421	23.21 422	29.14 421	33.09 425

Selective-RAFT-Error	41.77 420	40.16 425	53.34 426	47.73 425	45.25 427	62.51 431	80.64 429	67.22 429	34.93 418	30.64 419	31.81 420	48.11 421	42.11 426	46.57 425	54.95 425	21.61 422	18.87 421	23.48 424	23.15 421	29.16 424	33.08 424

CasAABBNet	41.80 424	40.20 426	53.41 427	47.73 425	45.18 426	62.51 431	80.71 430	67.26 430	34.80 417	30.49 415	31.88 421	48.24 422	41.81 425	46.63 427	55.64 427	21.60 421	18.88 422	23.48 424	23.22 425	29.19 425	33.05 423

LSM0	49.58 428	40.04 421	53.62 431	97.15 431	128.68 433	62.75 433	79.89 428	67.63 431	35.11 422	33.02 421	32.61 422	48.43 426	41.60 421	46.60 426	55.43 426	21.63 423	18.99 426	23.62 426	23.13 420	29.47 426	52.26 432

notaker	10.50 400	8.60 389	20.23 349	4.54 405	3.95 399	6.27 388	3.44 372	8.07 398	4.75 382	8.73 397	46.45 423	13.86 400	27.86 414	13.49 394	13.61 377	4.56 405	3.18 406	3.52 404	2.68 403	8.13 414	4.05 405

HanzoNet	31.60 419	17.23 415	21.22 385	7.32 411	5.84 409	7.25 395	3.53 376	13.82 409	14.20 405	50.38 425	47.01 424	44.45 418	56.61 430	36.61 421	32.00 420	63.89 430	56.57 431	7.97 413	89.20 431	28.69 419	28.25 422

HaxPig	43.25 425	43.65 427	45.00 421	33.85 422	35.61 420	32.69 420	30.52 415	45.09 423	42.97 425	48.77 423	48.17 425	43.00 417	40.26 418	44.58 423	43.61 421	47.18 427	49.30 428	51.54 429	50.25 428	43.73 428	45.29 429

AVERAGE_ROB	44.46 426	45.91 428	46.59 422	40.59 424	38.66 421	32.99 421	30.52 415	46.19 424	43.26 426	49.59 424	48.97 426	44.62 419	39.89 417	45.04 424	43.94 422	48.74 428	50.69 429	50.80 428	49.79 427	45.54 429	46.97 430

MEDIAN_ROB	47.37 427	49.08 429	49.92 424	40.32 423	39.97 422	34.95 422	33.43 419	49.17 425	46.39 428	53.06 426	52.65 427	47.65 420	42.23 427	48.35 432	47.29 423	52.10 429	54.04 430	54.28 430	53.48 429	48.76 430	50.33 431

KSHMR	16.96 409	5.37 379	21.64 397	4.46 403	4.50 404	8.30 400	3.32 370	15.58 413	76.24 430	6.62 389	61.47 428	56.53 428	5.43 364	35.17 420	11.37 370	4.39 402	2.97 404	3.63 407	2.74 405	5.10 401	4.34 408

ASD4	103.30 434	113.98 436	120.24 435	106.67 432	79.75 428	115.36 435	120.35 435	119.13 437	79.65 436	120.04 435	74.64 429	101.45 435	65.48 431	109.11 437	84.31 437	104.31 431	90.04 433	133.15 433	103.58 432	130.15 433	94.66 434

xxxxx1	112.33 435	88.53 433	37.76 418	227.84 436	157.23 435	39.05 423	61.41 425	93.76 434	79.29 433	62.45 428	74.79 430	78.32 430	70.96 432	33.47 417	70.69 432	114.00 433	130.36 434	259.31 435	274.34 435	145.54 434	147.50 435

tt_ll	112.33 435	88.53 433	37.76 418	227.84 436	157.23 435	39.05 423	61.41 425	93.76 434	79.29 433	62.45 428	74.79 430	78.32 430	70.96 432	33.47 417	70.69 432	114.00 433	130.36 434	259.31 435	274.34 435	145.54 434	147.50 435

ff	112.33 435	88.53 433	37.76 418	227.84 436	157.23 435	39.05 423	61.41 425	93.76 434	79.29 433	62.45 428	74.79 430	78.32 430	70.96 432	33.47 417	70.69 432	114.00 433	130.36 434	259.31 435	274.34 435	145.54 434	147.50 435

TorneroNet	25.88 416	11.28 406	21.62 395	4.20 397	4.07 401	55.25 427	3.15 368	15.16 411	76.94 431	58.09 427	82.72 433	86.88 433	41.15 420	13.35 392	18.13 397	4.32 400	2.85 398	3.45 401	2.62 401	8.33 415	4.14 406

DPSimNet_ROB	102.30 433	119.72 437	143.59 436	109.42 433	94.10 430	127.22 436	127.15 436	26.62 417	102.36 437	149.58 437	83.99 434	139.34 437	137.54 437	64.62 433	82.36 436	105.18 432	66.15 432	120.15 431	69.61 430	99.58 432	77.72 433

BEATNet-Init1	49.72 429	64.32 432	97.77 433	4.68 406	4.28 403	84.75 434	60.42 424	73.38 433	68.59 429	88.29 433	88.51 435	91.94 434	97.99 435	85.26 436	70.96 435	0.80 346	0.65 348	0.85 360	0.70 345	7.96 412	2.33 379

ktn	21.74 414	10.34 402	19.68 328	4.53 404	4.00 400	6.53 391	4.51 389	6.79 395	78.82 432	84.69 432	100.86 436	58.49 429	7.57 387	12.11 379	13.35 375	4.58 408	3.24 407	3.49 402	2.62 401	4.65 399	3.84 403

test_example2	212.63 438	219.92 438	221.87 438	213.67 435	221.17 438	199.47 438	200.74 437	185.30 438	141.66 438	209.52 438	213.45 437	210.82 438	205.48 438	221.27 438	216.64 438	236.83 437	242.07 438	213.93 434	217.01 434	235.69 438	226.10 438

PML	64.32 431	53.22 430	17.88 296	8.10 412	32.94 419	148.46 437	247.79 438	12.18 403	45.42 427	111.41 434	288.92 438	101.47 436	101.31 436	31.67 416	15.55 380	14.03 417	4.83 411	10.98 416	6.18 412	28.82 420	5.17 409

Low-res two-view benchmark