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

CES	0.51 32	0.21 2	0.40 2	0.42 4	1.40 379	0.53 51	0.34 40	1.04 46	0.68 23	0.45 9	0.67 24	0.35 1	0.28 2	0.58 10	0.35 6	0.16 7	0.13 17	0.15 3	0.10 1	0.19 59	1.69 387

MIF-Stereo	0.38 1	0.24 9	0.67 47	0.49 35	0.36 139	0.40 9	0.32 29	0.55 1	0.55 4	0.55 30	0.55 17	0.36 2	0.31 6	0.59 11	0.52 109	0.21 121	0.15 112	0.17 13	0.15 30	0.19 59	0.17 23

CAS	0.66 111	0.19 1	0.41 4	2.31 390	0.86 343	0.56 67	0.53 180	0.83 11	0.63 17	0.49 16	0.70 32	0.36 2	0.26 1	0.47 2	0.37 25	2.33 391	0.10 1	0.14 1	0.10 1	0.17 20	1.31 382

Former-RAFT_DAM_RVC	0.47 22	0.38 221	0.75 77	0.48 29	0.37 144	0.67 120	0.35 49	0.82 10	1.14 167	0.61 38	0.64 20	0.39 4	0.39 15	0.74 34	0.39 31	0.20 99	0.17 161	0.22 120	0.18 84	0.24 187	0.20 70

test croco	0.49 26	0.29 61	1.23 239	0.51 58	0.40 171	0.35 5	0.37 62	1.04 46	0.62 16	0.44 5	0.76 37	0.42 5	0.41 17	1.17 118	0.46 77	0.23 170	0.15 112	0.24 168	0.19 103	0.25 197	0.18 32

Anonymous	0.56 48	0.41 240	1.05 189	0.67 244	0.73 310	0.65 109	0.68 242	1.12 73	0.79 48	0.48 13	0.60 19	0.42 5	0.60 100	0.81 49	0.55 128	0.26 225	0.24 262	0.21 93	0.21 165	0.41 295	0.30 230

MyStereo07	0.50 30	0.30 79	0.58 18	0.58 151	0.48 216	0.59 79	0.78 265	1.19 100	0.60 12	0.49 16	0.54 15	0.43 7	0.55 71	1.32 131	0.36 16	0.18 40	0.18 185	0.24 168	0.21 165	0.23 158	0.23 123

ff7	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

ffff	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

11t	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

LoS_RVC	0.45 11	0.29 61	0.48 10	0.49 35	0.83 338	0.51 43	0.43 108	0.65 2	0.44 1	0.47 11	0.78 42	0.44 8	0.60 100	0.59 11	0.37 25	0.14 1	0.12 5	0.14 1	0.10 1	0.14 1	1.08 376

ProNet	0.46 19	0.30 79	0.69 53	0.46 14	0.32 97	0.57 69	0.52 174	1.15 90	0.67 22	0.44 5	0.50 8	0.44 8	0.43 23	1.31 128	0.38 28	0.16 7	0.15 112	0.19 47	0.16 54	0.18 34	0.18 32

ccc-4	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

test_xeample3	0.57 60	0.33 135	3.11 350	0.46 14	0.34 122	0.55 64	0.38 69	0.86 18	0.49 2	0.54 29	0.46 3	0.44 8	0.44 27	1.49 166	0.45 73	0.18 40	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

XX-TBD	0.47 22	0.71 328	0.39 1	0.81 316	0.25 8	0.57 69	0.26 10	0.73 3	1.30 236	0.78 53	1.01 89	0.45 15	0.33 10	0.49 3	0.39 31	0.20 99	0.15 112	0.15 3	0.11 6	0.17 20	0.15 3

AEACV	0.41 4	0.25 16	0.60 24	0.55 111	0.52 238	0.43 13	0.38 69	0.98 31	0.63 17	0.44 5	0.56 18	0.46 16	0.59 96	0.56 6	0.31 1	0.17 18	0.13 17	0.18 33	0.16 54	0.17 20	0.17 23

anonymousdsp	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 92	0.97 27	0.60 12	0.51 26	0.53 9	0.46 16	0.47 42	1.36 135	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

IGEV-Stereo	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 92	0.98 31	0.60 12	0.51 26	0.53 9	0.46 16	0.47 42	1.36 135	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
sAnonymous2	0.59 82	0.61 302	1.82 297	0.61 183	0.52 238	0.51 43	0.54 189	0.97 27	0.70 26	0.50 19	0.68 25	0.46 16	0.63 111	0.61 14	0.41 50	0.22 150	0.17 161	0.23 147	0.21 165	0.85 367	0.56 333

CroCo_RVC	0.59 82	0.61 302	1.82 297	0.61 183	0.52 238	0.51 43	0.54 189	0.97 27	0.70 26	0.50 19	0.68 25	0.46 16	0.63 111	0.61 14	0.41 50	0.22 150	0.17 161	0.23 147	0.21 165	0.85 367	0.56 333

ACVNet-DCA	0.59 82	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.58 173	0.91 71	0.60 34	0.80 47	0.47 21	0.87 189	1.48 160	0.35 6	0.21 121	0.13 17	0.25 204	0.15 30	0.23 158	0.25 161

1test111	0.58 71	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.58 173	0.91 71	0.60 34	0.80 47	0.47 21	0.87 189	0.99 81	0.67 171	0.21 121	0.13 17	0.25 204	0.15 30	0.23 158	0.25 161

cc1	0.68 128	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.07 51	3.23 383	0.60 34	0.80 47	0.47 21	0.87 189	1.48 160	0.35 6	0.21 121	0.13 17	0.25 204	0.15 30	0.19 59	0.23 123

CREStereo++_RVC	0.49 26	0.22 3	0.46 8	0.48 29	0.38 155	0.45 16	0.25 4	0.77 4	1.30 236	0.82 62	1.23 170	0.47 21	0.37 13	0.55 5	0.44 62	0.16 7	0.11 2	0.16 8	0.80 378	0.18 34	0.12 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
IGEVStereo-DCA	0.49 26	0.33 135	0.64 37	0.46 14	0.34 122	0.50 38	0.42 92	0.93 21	0.59 7	0.48 13	0.48 5	0.48 25	0.45 29	2.28 264	0.44 62	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.21 88

rrr	0.57 60	0.33 135	2.43 333	0.46 14	0.34 122	0.50 38	0.38 69	0.84 14	0.55 4	0.48 13	0.48 5	0.48 25	0.45 29	2.28 264	0.44 62	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

whm_eth	0.69 137	0.51 275	1.32 254	0.56 123	0.64 286	0.67 120	0.45 133	1.59 178	1.33 247	1.02 98	1.92 328	0.48 25	0.48 44	0.71 30	0.53 118	0.24 188	0.20 209	0.25 204	0.24 226	0.25 197	0.35 268

CASnet	0.42 8	0.26 19	0.52 15	0.52 70	0.21 2	0.49 28	0.35 49	0.85 15	0.85 61	0.84 66	0.69 28	0.48 25	0.31 6	0.57 8	0.34 4	0.19 65	0.12 5	0.27 234	0.22 187	0.23 158	0.15 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
tt1	0.65 109	0.34 162	0.65 42	0.60 170	0.27 19	1.14 252	0.48 152	1.08 56	2.62 371	0.59 31	0.79 44	0.49 29	0.80 161	1.57 172	0.35 6	0.21 121	0.13 17	0.25 204	0.16 54	0.20 86	0.23 123

LoS	0.41 4	0.23 6	0.46 8	0.39 2	0.23 5	0.48 23	0.40 80	1.12 73	0.94 88	0.50 19	0.66 22	0.49 29	0.42 20	0.63 23	0.39 31	0.19 65	0.14 58	0.16 8	0.11 6	0.14 1	0.15 3

sCroCo_RVC	0.51 32	0.43 246	1.15 213	0.66 231	0.60 274	0.52 47	0.40 80	0.93 21	0.64 19	0.45 9	0.76 37	0.49 29	0.49 54	0.65 25	0.49 98	0.27 242	0.28 292	0.23 147	0.22 187	0.29 234	0.28 205

GLC_STEREO	0.41 4	0.27 35	0.43 5	0.55 111	0.24 6	0.47 18	0.30 23	0.81 6	0.64 19	0.53 28	0.74 36	0.50 32	0.31 6	0.65 25	0.45 73	0.18 40	0.20 209	0.23 147	0.19 103	0.21 121	0.21 88

MIF-Stereo (partial)	0.48 25	0.28 43	0.83 116	0.51 58	0.53 243	0.39 8	0.27 14	1.03 44	0.64 19	0.47 11	0.71 33	0.51 33	0.51 56	1.13 111	0.47 85	0.20 99	0.16 139	0.23 147	0.20 129	0.24 187	0.20 70

TANstereo	0.45 11	0.23 6	0.50 13	0.43 5	0.21 2	0.65 109	0.26 10	0.83 11	0.88 65	0.95 84	0.99 83	0.51 33	0.45 29	0.56 6	0.36 16	0.19 65	0.24 262	0.16 8	0.13 11	0.17 20	0.27 194

CREStereo	0.40 3	0.24 9	0.40 2	0.37 1	0.22 4	0.52 47	0.29 21	0.81 6	1.15 172	0.59 31	0.72 34	0.51 33	0.42 20	0.57 8	0.37 25	0.19 65	0.13 17	0.15 3	0.10 1	0.14 1	0.15 3
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
Selective-IGEV	0.42 8	0.26 19	0.56 16	0.48 29	0.27 19	0.45 16	0.33 33	1.56 168	0.61 15	0.36 1	0.47 4	0.52 36	0.30 4	1.08 100	0.33 3	0.15 4	0.13 17	0.17 13	0.13 11	0.16 11	0.15 3

IPLG	0.72 150	0.29 61	1.12 207	0.53 90	0.44 198	0.79 166	0.33 33	1.35 132	1.10 147	1.32 224	1.11 127	0.52 36	0.54 69	3.13 298	0.71 182	0.17 18	0.14 58	0.20 70	0.17 70	0.18 34	0.21 88

GMStereo	0.58 71	0.50 271	1.09 199	0.52 70	0.32 97	0.80 167	0.43 108	1.02 38	1.41 280	0.89 75	0.77 40	0.52 36	0.46 36	0.89 66	0.56 135	0.25 208	0.16 139	0.20 70	0.22 187	0.31 249	0.27 194
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
iRaftStereo_RVC	0.49 26	0.28 43	0.72 57	0.53 90	0.29 51	0.52 47	0.33 33	1.14 79	0.84 58	0.85 68	0.99 83	0.55 39	0.36 12	0.83 54	0.40 45	0.18 40	0.13 17	0.22 120	0.20 129	0.20 86	0.18 32

PMTNet	0.47 22	0.22 3	0.43 5	0.39 2	0.24 6	0.71 137	0.26 10	0.78 5	1.03 123	0.65 39	0.69 28	0.55 39	0.48 44	0.90 69	0.36 16	0.99 376	0.13 17	0.15 3	0.10 1	0.15 4	0.15 3

MC-Stereo	0.46 19	0.24 9	0.58 18	0.63 201	0.30 63	0.38 7	0.32 29	0.98 31	0.74 36	0.66 40	0.85 55	0.56 41	0.60 100	1.07 98	0.32 2	0.17 18	0.12 5	0.17 13	0.15 30	0.16 11	0.16 13

DCANet-4	0.59 82	0.28 43	1.65 288	0.44 7	0.25 8	0.48 23	0.36 56	1.15 90	1.36 259	1.13 127	1.03 98	0.56 41	0.74 135	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

EAI-Stereo	0.76 164	0.31 104	0.74 72	0.55 111	0.28 40	0.70 135	1.72 367	2.57 360	0.90 70	0.75 51	3.03 369	0.57 43	0.43 23	1.10 106	0.49 98	0.19 65	0.14 58	0.17 13	0.18 84	0.17 20	0.21 88

StereoIM	0.38 1	0.27 35	0.72 57	0.45 8	0.35 137	0.30 3	0.31 25	0.81 6	0.54 3	0.38 2	0.38 1	0.58 44	0.49 54	0.53 4	0.39 31	0.20 99	0.16 139	0.19 47	0.15 30	0.19 59	0.15 3

DLNR_Zeroshot_test	23.23 420	48.25 438	43.77 427	177.04 438	78.39 434	0.35 5	0.21 1	23.33 421	0.82 53	0.67 42	0.86 56	0.58 44	0.30 4	1.64 187	0.48 89	10.69 422	0.13 17	0.18 33	0.14 22	76.63 437	0.23 123

fff	0.58 71	0.26 19	1.15 213	0.46 14	0.25 8	0.48 23	0.36 56	1.20 104	1.28 226	1.13 127	1.03 98	0.59 46	1.04 256	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

csc	0.58 71	0.26 19	1.15 213	0.46 14	0.25 8	0.48 23	0.36 56	1.20 104	1.28 226	1.13 127	1.03 98	0.59 46	1.04 256	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

cscssc	0.58 71	0.26 19	1.15 213	0.46 14	0.25 8	0.48 23	0.36 56	1.20 104	1.28 226	1.13 127	1.03 98	0.59 46	1.04 256	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

ADStereo(finetuned)	0.62 93	0.26 19	1.59 285	0.45 8	0.25 8	0.49 28	0.36 56	1.18 96	1.35 252	1.16 146	1.04 102	0.60 49	1.18 288	0.85 60	0.57 138	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.24 142

dd	0.62 93	0.51 275	1.17 227	0.56 123	0.33 110	0.74 145	0.46 139	1.03 44	1.40 277	0.80 56	0.87 58	0.60 49	0.57 78	1.02 87	0.86 211	0.28 253	0.18 185	0.26 225	0.19 103	0.35 268	0.27 194

MIPNet	0.60 88	0.31 104	1.07 196	0.51 58	0.34 122	0.68 124	0.40 80	1.67 190	1.14 167	1.11 116	0.93 67	0.60 49	0.78 150	0.77 41	0.58 143	0.18 40	0.14 58	0.19 47	0.16 54	0.18 34	0.21 88

DCANet	0.58 71	0.26 19	1.15 213	0.45 8	0.25 8	0.49 28	0.36 56	1.18 96	1.35 252	1.15 142	1.04 102	0.60 49	0.91 203	0.84 57	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.25 161

RAFT+CT+SA	0.63 102	0.30 79	0.73 67	0.69 263	0.37 144	0.40 9	0.55 196	1.93 255	1.04 129	0.72 47	1.23 170	0.62 53	0.69 129	1.69 196	0.42 55	0.19 65	0.13 17	0.22 120	0.22 187	0.21 121	0.19 51

IPLGR_C	0.67 119	0.38 221	1.20 233	0.60 170	0.50 226	0.75 147	0.48 152	1.28 126	1.13 161	1.42 265	1.57 276	0.62 53	0.48 44	0.85 60	0.80 203	0.24 188	0.15 112	0.19 47	0.16 54	0.19 59	0.29 217

ACRE	0.66 111	0.37 204	1.27 247	0.60 170	0.50 226	0.74 145	0.47 148	1.26 118	1.10 147	1.40 259	1.56 272	0.62 53	0.46 36	0.88 64	0.78 194	0.24 188	0.15 112	0.19 47	0.16 54	0.19 59	0.29 217

raftrobust	0.55 37	0.27 35	0.63 32	0.68 253	0.69 303	0.50 38	0.34 40	1.08 56	0.97 100	1.32 224	0.88 61	0.62 53	0.80 161	0.82 51	0.44 62	0.20 99	0.16 139	0.16 8	0.14 22	0.15 4	0.18 32

RCA-Stereo	0.52 34	0.26 19	0.66 44	0.49 35	0.33 110	0.54 60	0.44 125	1.20 104	1.41 280	0.69 43	1.06 107	0.63 57	0.79 155	0.62 18	0.35 6	0.17 18	0.12 5	0.17 13	0.14 22	0.16 11	0.16 13

s12784h	0.55 37	0.22 3	0.49 11	0.43 5	0.19 1	1.00 229	0.34 40	1.40 139	1.30 236	0.84 66	0.93 67	0.63 57	0.52 60	1.48 160	0.47 85	0.15 4	0.12 5	0.17 13	0.11 6	0.19 59	0.13 2

CIPLG	0.67 119	0.37 204	1.17 227	0.60 170	0.51 235	0.75 147	0.48 152	1.26 118	1.11 151	1.43 269	1.58 277	0.64 59	0.48 44	0.94 72	0.78 194	0.24 188	0.15 112	0.19 47	0.16 54	0.19 59	0.29 217

TestStereo1	0.66 111	0.29 61	0.95 163	0.82 320	0.32 97	0.47 18	0.43 108	1.52 158	1.22 202	0.99 87	1.32 201	0.65 60	0.76 141	1.78 205	0.44 62	0.20 99	0.16 139	0.22 120	0.19 103	0.21 121	0.20 70

SA-5K	0.66 111	0.29 61	0.95 163	0.82 320	0.32 97	0.47 18	0.43 108	1.52 158	1.22 202	0.99 87	1.32 201	0.65 60	0.76 141	1.78 205	0.44 62	0.20 99	0.16 139	0.22 120	0.19 103	0.21 121	0.20 70

CroCo-Stereo	0.42 8	0.33 135	0.83 116	0.59 163	0.28 40	0.26 1	0.33 33	1.22 110	0.85 61	0.43 4	0.49 7	0.65 60	0.46 36	0.40 1	0.36 16	0.19 65	0.15 112	0.16 8	0.14 22	0.20 86	0.17 23
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
Anonymous3	0.64 105	0.47 260	1.31 252	0.59 163	0.50 226	0.93 212	0.69 246	1.11 71	0.83 56	0.74 49	0.89 63	0.65 60	0.68 126	1.08 100	0.54 127	0.40 318	0.31 309	0.26 225	0.26 245	0.31 249	0.30 230

rafts_anoy	0.55 37	0.32 118	0.66 44	0.72 280	0.61 279	0.53 51	0.40 80	1.24 115	1.06 133	0.85 68	0.83 52	0.67 64	0.53 62	0.77 41	0.55 128	0.20 99	0.15 112	0.25 204	0.26 245	0.22 140	0.21 88

GES	0.70 139	0.37 204	1.05 189	0.62 191	0.38 155	0.94 214	0.57 205	2.37 335	0.92 76	1.05 106	1.12 130	0.67 64	0.77 145	1.02 87	0.65 166	0.28 253	0.20 209	0.20 70	0.20 129	0.22 140	0.31 239

EGLCR-Stereo	0.41 4	0.24 9	0.59 22	0.45 8	0.27 19	0.54 60	0.22 2	1.23 114	0.56 6	0.44 5	0.43 2	0.68 66	0.29 3	0.89 66	0.34 4	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.18 32

AnonymousM	0.63 102	1.14 365	0.43 5	0.46 14	0.32 97	0.43 13	0.46 139	1.27 122	0.78 42	1.00 91	0.66 22	0.68 66	0.45 29	0.61 14	0.46 77	0.21 121	0.16 139	1.84 388	0.98 385	0.15 4	0.15 3

TestStereo	0.65 109	0.42 242	0.83 116	0.52 70	0.27 19	0.57 69	0.44 125	1.07 51	0.92 76	0.85 68	1.01 89	0.68 66	0.56 76	3.22 302	0.47 85	0.23 170	0.15 112	0.24 168	0.18 84	0.28 224	0.18 32

DIP-Stereo	0.64 105	0.32 118	0.91 151	0.49 35	0.36 139	0.91 202	0.33 33	2.51 356	0.77 41	1.25 189	1.00 87	0.68 66	0.51 56	0.92 71	0.65 166	0.19 65	0.15 112	0.21 93	0.17 70	0.19 59	0.22 109
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
AE-Stereo	0.58 71	0.29 61	0.81 99	0.62 191	0.41 181	0.69 132	0.46 139	2.49 353	1.25 212	0.49 16	0.77 40	0.69 70	0.46 36	0.61 14	0.42 55	0.17 18	0.16 139	0.21 93	0.20 129	0.19 59	0.18 32

SA	0.69 137	0.31 104	0.97 171	0.64 212	0.30 63	0.56 67	0.38 69	1.84 231	1.35 252	0.99 87	1.37 218	0.69 70	0.94 214	1.88 224	0.43 58	0.20 99	0.16 139	0.25 204	0.23 214	0.22 140	0.19 51

DN-CSS_ROB	0.67 119	0.36 188	1.36 259	0.59 163	0.41 181	0.54 60	0.45 133	1.30 128	0.95 92	1.05 106	1.47 244	0.69 70	0.64 113	1.80 212	0.60 151	0.19 65	0.15 112	0.25 204	0.23 214	0.22 140	0.23 123

11t1	0.57 60	0.30 79	0.84 125	0.54 101	0.30 63	0.83 181	0.41 88	1.34 131	0.79 48	0.88 74	0.82 51	0.70 73	0.70 131	0.96 79	0.67 171	0.21 121	0.21 222	0.20 70	0.16 54	0.21 121	0.26 178

test_4	0.55 37	0.23 6	0.67 47	0.56 123	0.32 97	0.71 137	0.39 78	0.83 11	0.72 28	0.93 81	1.87 322	0.70 73	0.41 17	1.21 122	0.39 31	0.16 7	0.13 17	0.21 93	0.23 214	0.20 86	0.18 32

UDGNet	0.75 159	1.23 371	0.99 175	0.82 320	0.42 188	0.76 152	0.38 69	0.98 31	1.37 264	0.83 63	0.88 61	0.70 73	0.60 100	1.25 124	0.57 138	0.57 359	0.19 199	1.03 380	0.26 245	0.79 366	0.35 268

IPLGR	0.62 93	0.28 43	1.32 254	0.50 47	0.29 51	0.65 109	0.34 40	1.47 153	1.19 186	1.21 176	1.07 109	0.70 73	0.65 117	1.05 92	0.55 128	0.18 40	0.15 112	0.20 70	0.17 70	0.21 121	0.20 70

HHNet	0.64 105	0.28 43	0.69 53	0.45 8	0.46 208	0.50 38	0.57 205	1.13 77	1.03 123	1.26 199	2.21 346	0.70 73	0.59 96	1.10 106	0.51 103	0.21 121	0.13 17	0.23 147	0.19 103	0.20 86	0.31 239

raft+_RVC	0.56 48	0.29 61	0.61 28	0.65 218	0.56 258	0.53 51	0.53 180	1.40 139	1.02 120	0.78 53	1.04 102	0.70 73	0.55 71	1.00 83	0.49 98	0.18 40	0.16 139	0.19 47	0.19 103	0.18 34	0.17 23

CroCo-Stereo Lap2	0.46 19	0.37 204	0.87 138	0.62 191	0.79 329	0.28 2	0.35 49	0.81 6	0.73 29	0.39 3	0.54 15	0.71 79	0.54 69	0.60 13	0.48 89	0.18 40	0.18 185	0.19 47	0.16 54	0.21 121	0.21 88

raft_robust	0.71 145	0.32 118	0.75 77	0.54 101	0.28 40	0.54 60	0.35 49	1.54 164	1.24 206	1.18 159	1.07 109	0.73 80	0.53 62	3.65 311	0.40 45	0.19 65	0.16 139	0.20 70	0.22 187	0.21 121	0.19 51

MyStereo04	0.71 145	0.30 79	1.28 248	0.58 151	0.48 216	0.59 79	0.78 265	1.74 209	1.49 307	0.94 82	0.91 65	0.74 81	0.86 183	1.59 178	0.69 176	0.18 40	0.18 185	0.24 168	0.21 165	0.23 158	0.23 123

LMCR-Stereo	0.87 217	0.50 271	0.99 175	0.80 313	0.43 191	1.32 280	0.55 196	2.79 374	1.03 123	1.55 300	1.49 247	0.74 81	1.01 243	1.76 202	0.99 241	0.30 270	0.17 161	0.22 120	0.18 84	0.31 249	0.22 109

4D-IteraStereo	0.50 30	0.26 19	0.84 125	0.51 58	0.49 222	0.64 105	0.31 25	0.91 20	1.02 120	1.05 106	0.72 34	0.76 83	0.32 9	0.69 29	0.40 45	0.18 40	0.11 2	0.23 147	0.20 129	0.19 59	0.16 13

anonymousdsp2	0.58 71	0.29 61	0.93 154	0.51 58	0.30 63	0.75 147	0.46 139	1.95 259	0.87 64	0.81 60	0.78 42	0.76 83	0.48 44	1.10 106	0.45 73	0.19 65	0.14 58	0.18 33	0.13 11	0.20 86	0.22 109

R-Stereo Train	0.60 88	0.30 79	0.72 57	0.57 141	0.37 144	0.68 124	0.52 174	1.45 148	0.78 42	1.61 310	1.50 254	0.76 83	0.53 62	0.67 27	0.51 103	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51

RAFT-Stereo	0.60 88	0.30 79	0.72 57	0.57 141	0.37 144	0.68 124	0.52 174	1.45 148	0.78 42	1.61 310	1.50 254	0.76 83	0.53 62	0.67 27	0.51 103	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MyStereo05	0.70 139	0.29 61	1.22 237	0.58 151	0.48 216	0.62 89	0.72 254	1.52 158	1.54 314	1.17 148	0.91 65	0.77 87	0.79 155	1.45 154	0.68 175	0.17 18	0.17 161	0.24 168	0.21 165	0.23 158	0.23 123

EKT-Stereo	0.56 48	0.33 135	0.84 125	0.61 183	0.64 286	0.51 43	0.48 152	1.14 79	0.95 92	0.74 49	0.89 63	0.77 87	0.42 20	1.18 119	0.42 55	0.23 170	0.17 161	0.21 93	0.18 84	0.20 86	0.26 178

RALCasStereoNet	0.58 71	0.34 162	0.77 83	0.65 218	0.64 286	0.64 105	0.51 166	1.06 50	0.99 110	0.71 44	1.06 107	0.77 87	0.44 27	1.38 139	0.52 109	0.20 99	0.18 185	0.18 33	0.16 54	0.20 86	0.22 109

iRaft-Stereo_20w	0.71 145	0.33 135	1.25 244	0.50 47	0.36 139	0.82 175	0.31 25	3.16 380	0.89 66	1.24 186	1.14 145	0.79 90	0.65 117	1.15 113	0.43 58	0.18 40	0.13 17	0.18 33	0.17 70	0.20 86	0.23 123

PFNet+	0.62 93	0.31 104	0.99 175	0.57 141	0.31 77	0.57 69	0.30 23	0.99 36	1.25 212	1.33 229	1.10 120	0.79 90	0.57 78	1.35 134	0.53 118	0.26 225	0.17 161	0.28 246	0.26 245	0.21 121	0.27 194

Selective-RAFT	0.55 37	0.29 61	0.85 131	0.58 151	0.28 40	0.91 202	0.34 40	1.00 37	0.96 96	0.59 31	0.64 20	0.80 92	0.76 141	1.34 133	0.51 103	0.21 121	0.15 112	0.17 13	0.15 30	0.19 59	0.19 51

DisPM	0.68 128	0.30 79	0.85 131	0.66 231	0.35 137	0.60 83	0.44 125	1.10 69	1.10 147	1.56 301	1.10 120	0.80 92	0.58 93	2.37 272	0.46 77	0.25 208	0.14 58	0.23 147	0.21 165	0.20 86	0.26 178

DRaft	0.81 192	0.26 19	0.77 83	0.47 24	0.31 77	0.95 220	0.52 174	1.13 77	0.99 110	1.78 329	2.01 334	0.80 92	1.71 343	2.64 282	0.74 185	0.19 65	0.14 58	0.20 70	0.20 129	0.18 34	0.24 142

RE-Stereo	0.82 194	0.33 135	0.84 125	0.65 218	0.31 77	0.63 97	0.44 125	1.35 132	0.93 83	1.30 216	1.02 91	0.80 92	0.57 78	5.34 343	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.31 239

TVStereo	0.82 194	0.33 135	0.84 125	0.65 218	0.31 77	0.63 97	0.44 125	1.35 132	0.93 83	1.30 216	1.02 91	0.80 92	0.57 78	5.34 343	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.31 239

RAFT-Stereo + iAFF	0.56 48	0.28 43	0.81 99	0.45 8	0.25 8	0.40 9	0.34 40	1.12 73	1.13 161	1.35 240	1.58 277	0.80 92	0.67 123	0.71 30	0.43 58	0.14 1	0.11 2	0.18 33	0.17 70	0.18 34	0.16 13

MSKI-zero shot	0.56 48	0.30 79	0.61 28	0.55 111	0.28 40	0.68 124	0.28 17	1.25 117	0.68 23	0.92 78	1.33 205	0.81 98	0.33 10	1.94 228	0.36 16	0.18 40	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

NF-Stereo	0.82 194	0.33 135	0.83 116	0.65 218	0.31 77	0.63 97	0.43 108	1.35 132	0.93 83	1.30 216	1.02 91	0.81 98	0.57 78	5.37 345	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.30 230

OCTAStereo	0.82 194	0.33 135	0.83 116	0.65 218	0.31 77	0.62 89	0.44 125	1.35 132	0.93 83	1.30 216	1.02 91	0.81 98	0.57 78	5.32 340	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.30 230

PSM-AAD	0.80 184	0.29 61	0.58 18	0.58 151	0.29 51	0.76 152	1.19 336	1.08 56	0.94 88	1.65 316	1.58 277	0.81 98	2.12 367	1.67 190	0.44 62	0.19 65	0.14 58	0.38 317	0.32 303	0.22 140	0.68 354

CRE-IMP	0.57 60	0.32 118	0.82 108	0.54 101	0.29 51	0.77 161	0.25 4	1.19 100	0.79 48	1.09 113	0.95 70	0.81 98	0.57 78	1.11 109	0.57 138	0.22 150	0.14 58	0.23 147	0.19 103	0.28 224	0.24 142

SFCPSM	0.74 156	0.30 79	1.06 192	0.52 70	0.39 162	1.36 288	0.64 234	2.42 340	1.11 151	1.18 159	1.21 164	0.81 98	0.78 150	1.08 100	0.57 138	0.22 150	0.17 161	0.22 120	0.24 226	0.23 158	0.21 88

StereoVision	0.67 119	0.37 204	1.02 183	0.60 170	0.41 181	0.50 38	0.41 88	1.32 130	0.96 96	0.73 48	2.48 360	0.82 104	0.57 78	1.06 96	0.50 101	0.26 225	0.28 292	0.29 254	0.28 268	0.37 277	0.22 109

Patchmatch Stereo++	0.57 60	0.33 135	0.82 108	0.52 70	0.27 19	0.63 97	0.28 17	1.14 79	0.73 29	1.13 127	0.96 72	0.82 104	0.60 100	1.40 142	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.56 48	0.33 135	0.81 99	0.52 70	0.27 19	0.63 97	0.41 88	1.14 79	0.73 29	1.13 127	0.96 72	0.82 104	0.60 100	1.09 104	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

ROB_FTStereo_v2	0.57 60	0.33 135	0.81 99	0.52 70	0.27 19	0.62 89	0.42 92	1.14 79	0.73 29	1.13 127	0.97 79	0.82 104	0.60 100	1.15 113	0.53 118	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

ROB_FTStereo	0.56 48	0.33 135	0.82 108	0.52 70	0.27 19	0.62 89	0.25 4	1.14 79	0.74 36	1.13 127	0.96 72	0.82 104	0.60 100	1.18 119	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

HUI-Stereo	0.54 36	0.33 135	0.81 99	0.52 70	0.27 19	0.62 89	0.29 21	1.14 79	0.74 36	1.13 127	0.96 72	0.82 104	0.60 100	0.83 54	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

iGMRVC	0.58 71	0.33 135	0.81 99	0.52 70	0.27 19	0.62 89	0.38 69	1.14 79	0.73 29	1.13 127	0.97 79	0.82 104	0.59 96	1.54 169	0.53 118	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

iRAFT	0.57 60	0.33 135	0.82 108	0.52 70	0.27 19	0.63 97	0.28 17	1.14 79	0.73 29	1.13 127	0.96 72	0.82 104	0.60 100	1.40 142	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

mmm	0.68 128	0.37 204	0.91 151	0.54 101	0.34 122	0.86 192	0.58 212	1.72 207	1.02 120	1.13 127	1.41 232	0.83 112	0.78 150	0.95 78	0.67 171	0.22 150	0.20 209	0.29 254	0.26 245	0.27 209	0.27 194

x	0.59 82	0.34 162	0.79 93	0.51 58	0.32 97	0.69 132	0.46 139	1.64 186	0.97 100	0.86 72	0.86 56	0.83 112	0.74 135	0.75 39	0.70 179	0.21 121	0.22 232	0.22 120	0.20 129	0.21 121	0.24 142

PSM-softLoss	0.80 184	0.33 135	0.89 143	0.63 201	0.32 97	0.55 64	0.40 80	1.26 118	0.78 42	1.25 189	1.07 109	0.83 112	0.51 56	5.33 341	0.61 154	0.25 208	0.15 112	0.25 204	0.22 187	0.20 86	0.26 178

KMStereo	0.80 184	0.33 135	0.89 143	0.63 201	0.32 97	0.55 64	0.40 80	1.26 118	0.78 42	1.25 189	1.07 109	0.83 112	0.51 56	5.33 341	0.61 154	0.25 208	0.15 112	0.25 204	0.22 187	0.20 86	0.26 178

DeepStereo_RVC	0.57 60	0.31 104	0.78 89	0.53 90	0.30 63	0.57 69	0.32 29	1.11 71	0.80 52	1.17 148	0.94 69	0.83 112	0.93 212	1.01 85	0.61 154	0.23 170	0.14 58	0.21 93	0.19 103	0.24 187	0.26 178

test-1	0.56 48	0.28 43	1.13 208	0.58 151	0.34 122	0.60 83	0.38 69	1.56 168	0.98 103	0.80 56	1.02 91	0.83 112	0.52 60	0.64 24	0.46 77	0.17 18	0.16 139	0.20 70	0.17 70	0.20 86	0.26 178

RAFT-IKP	0.57 60	0.33 135	0.82 108	0.52 70	0.27 19	0.57 69	0.35 49	1.14 79	0.73 29	1.13 127	0.96 72	0.83 112	0.61 110	1.26 125	0.53 118	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

RAFT-345	0.86 214	0.26 19	0.73 67	0.53 90	0.28 40	0.53 51	0.41 88	0.85 15	1.31 243	1.33 229	2.32 351	0.85 119	0.53 62	5.69 349	0.48 89	0.19 65	0.14 58	0.22 120	0.17 70	0.17 20	0.17 23

Sa-1000	0.76 164	0.30 79	0.92 153	0.62 191	0.31 77	0.78 162	0.37 62	2.00 269	1.38 266	1.30 216	2.04 336	0.86 120	0.74 135	1.87 218	0.40 45	0.19 65	0.14 58	0.25 204	0.24 226	0.21 121	0.19 51

CASS	0.67 119	0.36 188	0.84 125	0.57 141	0.28 40	0.82 175	0.43 108	1.62 185	0.92 76	1.39 253	1.28 190	0.87 121	0.84 171	0.88 64	0.59 149	0.36 306	0.19 199	0.26 225	0.22 187	0.29 234	0.43 300
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DCRE	0.85 212	0.28 43	0.76 80	0.60 170	0.49 222	0.59 79	0.53 180	1.04 46	0.92 76	0.80 56	7.34 400	0.87 121	0.57 78	0.78 48	0.43 58	0.16 7	0.17 161	0.19 47	0.17 70	0.18 34	0.22 109

HBP-ISP	1.00 255	0.60 297	0.85 131	0.64 212	0.48 216	1.63 318	0.77 262	2.24 319	1.30 236	1.33 229	1.53 263	0.87 121	0.99 234	3.26 304	0.76 191	0.46 338	0.44 355	0.54 354	0.48 351	0.48 322	0.42 296

test-3	0.56 48	0.24 9	0.82 108	0.50 47	0.29 51	0.57 69	0.34 40	1.09 63	1.03 123	1.33 229	0.69 28	0.87 121	0.45 29	1.68 192	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

test_1	0.56 48	0.24 9	0.82 108	0.50 47	0.29 51	0.57 69	0.34 40	1.09 63	1.03 123	1.28 209	0.69 28	0.87 121	0.45 29	1.67 190	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

TRStereo	0.67 119	0.71 328	1.06 192	0.77 308	0.68 300	0.53 51	0.38 69	2.52 357	0.96 96	0.81 60	0.84 53	0.87 121	0.39 15	1.16 115	0.46 77	0.24 188	0.17 161	0.23 147	0.24 226	0.18 34	0.20 70

GMOStereo	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 272	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

error version	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 272	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

test-v	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 272	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

test-2	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 272	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

ICVP	0.66 111	0.35 184	0.71 56	0.63 201	0.41 181	0.85 191	0.56 202	1.78 215	0.96 96	0.92 78	1.24 174	0.88 127	0.75 140	0.76 40	0.93 229	0.31 274	0.22 232	0.22 120	0.21 165	0.24 187	0.28 205
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
RALAANet	0.62 93	0.37 204	0.97 171	0.66 231	0.50 226	0.67 120	0.31 25	1.27 122	1.09 144	1.11 116	1.17 153	0.88 127	0.46 36	1.27 127	0.45 73	0.20 99	0.15 112	0.21 93	0.18 84	0.27 209	0.19 51

MyStereo8	0.70 139	0.32 118	1.24 242	0.63 201	0.53 243	0.90 200	0.34 40	1.60 180	1.35 252	1.20 170	1.31 196	0.89 133	0.64 113	0.77 41	1.02 248	0.18 40	0.15 112	0.20 70	0.18 84	0.22 140	0.30 230

test_xeample	1.55 326	0.31 104	0.94 160	0.54 101	0.31 77	0.94 214	0.58 212	2.40 338	1.40 277	1.29 213	1.55 267	0.89 133	0.88 196	1.72 198	15.94 410	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

GwcNet-ADL	0.67 119	0.33 135	0.90 148	0.58 151	0.41 181	0.60 83	0.59 216	1.55 166	1.28 226	1.11 116	1.13 140	0.90 135	0.59 96	1.11 109	0.91 222	0.28 253	0.18 185	0.18 33	0.18 84	0.25 197	0.33 253

GANet-ADL	0.63 102	0.38 221	0.82 108	0.67 244	0.41 181	0.68 124	0.51 166	1.64 186	1.16 177	0.98 86	1.10 120	0.90 135	0.58 93	0.81 49	0.63 159	0.27 242	0.18 185	0.18 33	0.16 54	0.23 158	0.27 194

NRIStereo	0.62 93	0.31 104	0.78 89	0.56 123	0.28 40	0.63 97	0.33 33	1.16 93	0.92 76	1.15 142	0.87 58	0.90 135	0.58 93	2.24 260	0.56 135	0.22 150	0.14 58	0.21 93	0.19 103	0.22 140	0.18 32

CoDeX	0.78 171	0.31 104	1.04 187	0.56 123	0.37 144	1.13 249	0.60 224	2.77 371	1.29 234	1.17 148	1.26 178	0.91 138	0.87 189	1.42 149	0.74 185	0.21 121	0.16 139	0.21 93	0.18 84	0.21 121	0.21 88

LL-Strereo2	0.56 48	0.36 188	0.77 83	0.56 123	0.40 171	0.68 124	0.37 62	1.21 108	0.83 56	0.96 85	0.79 44	0.91 138	0.41 17	1.08 100	0.48 89	0.18 40	0.17 161	0.29 254	0.25 234	0.22 140	0.19 51

Prome-Stereo	0.76 164	0.29 61	0.57 17	0.58 151	0.33 110	0.58 78	0.94 305	0.98 31	0.92 76	1.46 280	2.45 358	0.91 138	1.38 313	1.60 183	0.44 62	0.19 65	0.13 17	0.19 47	0.18 84	0.20 86	0.87 369

FADNet_RVC	0.88 219	0.56 290	2.15 322	0.57 141	0.43 191	1.17 265	0.46 139	1.68 191	1.12 156	0.91 77	1.24 174	0.91 138	0.94 214	2.22 258	1.20 263	0.28 253	0.22 232	0.32 279	0.28 268	0.46 317	0.42 296

HITNet	0.71 145	0.42 242	1.07 196	0.52 70	0.25 8	1.05 237	0.48 152	2.12 291	1.08 137	1.21 176	1.23 170	0.91 138	0.84 171	0.90 69	0.91 222	0.17 18	0.12 5	0.21 93	0.17 70	0.29 234	0.18 32
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
ttt	1.26 302	0.36 188	0.79 93	0.65 218	0.42 188	0.94 214	0.57 205	2.33 333	1.38 266	1.25 189	1.65 289	0.92 143	0.78 150	2.64 282	8.73 390	0.30 270	0.28 292	0.26 225	0.25 234	0.29 234	0.32 247

test_3	0.57 60	0.24 9	0.87 138	0.55 111	0.30 63	0.60 83	0.40 80	1.07 51	1.08 137	1.20 170	0.68 25	0.92 143	0.43 23	1.68 192	0.40 45	0.16 7	0.13 17	0.22 120	0.19 103	0.21 121	0.17 23

MIM_Stereo	0.60 88	0.26 19	1.02 183	0.49 35	0.32 97	0.52 47	0.28 17	1.41 143	0.82 53	1.02 98	1.16 151	0.93 145	0.53 62	1.48 160	0.63 159	0.17 18	0.17 161	0.20 70	0.19 103	0.17 20	0.18 32

gwcnet-sp	0.80 184	0.37 204	1.94 305	0.62 191	0.45 201	1.38 289	0.53 180	1.68 191	1.20 190	1.37 246	1.08 115	0.93 145	0.82 166	1.45 154	0.79 198	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

scenet	0.80 184	0.37 204	1.94 305	0.62 191	0.45 201	1.38 289	0.53 180	1.68 191	1.20 190	1.37 246	1.08 115	0.93 145	0.82 166	1.45 154	0.79 198	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

ssnet	0.80 184	0.37 204	1.94 305	0.62 191	0.45 201	1.38 289	0.53 180	1.68 191	1.20 190	1.37 246	1.08 115	0.93 145	0.82 166	1.45 154	0.79 198	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

AASNet	0.80 184	0.39 226	1.16 226	0.84 328	0.80 331	1.14 252	0.59 216	2.12 291	1.21 196	1.26 199	1.26 178	0.93 145	0.77 145	0.84 57	1.23 271	0.28 253	0.24 262	0.24 168	0.20 129	0.28 224	0.27 194

Pruner-Stereo	0.64 105	0.31 104	0.79 93	0.66 231	0.31 77	0.61 87	0.42 92	1.22 110	1.09 144	1.53 294	1.09 118	0.94 150	0.55 71	1.37 138	0.56 135	0.25 208	0.14 58	0.24 168	0.21 165	0.21 121	0.25 161

222	1.67 335	0.31 104	0.93 154	0.59 163	0.31 77	1.05 237	0.43 108	2.39 336	1.47 302	1.37 246	1.55 267	0.94 150	0.94 214	1.98 234	17.76 413	0.24 188	0.22 232	0.21 93	0.20 129	0.22 140	0.26 178

iResNet	0.80 184	0.45 252	1.47 268	0.72 280	0.31 77	0.96 225	0.64 234	1.80 222	1.28 226	1.31 222	1.48 246	0.94 150	0.78 150	1.77 203	0.99 241	0.19 65	0.14 58	0.18 33	0.15 30	0.22 140	0.27 194

xx1	0.70 139	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.07 51	3.23 383	0.60 34	0.80 47	0.95 153	0.79 155	1.48 160	0.35 6	0.21 121	0.13 17	0.24 168	0.23 214	0.23 158	0.25 161

knoymous	0.53 35	0.32 118	0.51 14	0.46 14	0.30 63	0.57 69	0.54 189	1.10 69	0.78 42	0.99 87	0.84 53	0.95 153	0.57 78	0.89 66	0.51 103	0.21 121	0.14 58	0.26 225	0.14 22	0.23 158	0.25 161

qqq	0.62 93	0.36 188	0.88 140	0.50 47	0.28 40	0.64 105	0.62 228	1.58 173	0.91 71	0.83 63	0.96 72	0.95 153	0.79 155	0.99 81	0.67 171	0.21 121	0.23 254	0.24 168	0.23 214	0.23 158	0.25 161

ASMatch	0.89 221	0.29 61	0.72 57	0.56 123	0.36 139	0.47 18	0.37 62	1.16 93	0.95 92	1.11 116	3.26 372	0.95 153	0.96 221	4.88 334	0.53 118	0.20 99	0.16 139	0.22 120	0.19 103	0.20 86	0.30 230

DAS	0.89 221	0.37 204	1.20 233	0.66 231	0.69 303	0.82 175	0.62 228	1.79 218	1.26 218	1.93 341	1.55 267	0.96 157	1.17 281	2.72 287	0.69 176	0.22 150	0.16 139	0.25 204	0.18 84	0.29 234	0.24 142

SepStereo	0.87 217	0.37 204	1.20 233	0.66 231	0.69 303	0.82 175	0.62 228	1.79 218	1.26 218	1.93 341	1.55 267	0.96 157	1.17 281	2.34 267	0.69 176	0.22 150	0.16 139	0.25 204	0.18 84	0.29 234	0.24 142

LCNet	0.73 153	0.30 79	0.58 18	0.58 151	0.31 77	0.68 124	0.53 180	1.09 63	0.94 88	1.19 164	1.34 208	0.96 157	1.32 307	2.50 275	0.46 77	0.19 65	0.13 17	0.21 93	0.25 234	0.28 224	0.69 356

PFNet	0.92 236	0.28 43	1.20 233	0.68 253	0.32 97	0.62 89	0.55 196	1.27 122	1.01 117	1.47 281	1.09 118	0.97 160	0.68 126	6.58 369	0.59 149	0.21 121	0.13 17	0.24 168	0.19 103	0.20 86	0.20 70

SMFormer	0.79 179	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.99 241	0.24 188	0.22 232	0.22 120	0.21 165	0.23 158	0.27 194

tta	0.79 179	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.99 241	0.24 188	0.22 232	0.22 120	0.21 165	0.19 59	0.22 109

qqq1	0.76 164	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.48 89	0.24 188	0.22 232	0.18 33	0.15 30	0.19 59	0.22 109

fff1	0.76 164	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.48 89	0.24 188	0.22 232	0.18 33	0.15 30	0.19 59	0.22 109

FENet	0.62 93	0.30 79	0.68 49	0.57 141	0.33 110	0.82 175	0.40 80	1.41 143	1.12 156	1.03 102	0.87 58	0.98 161	0.84 171	1.00 83	0.70 179	0.23 170	0.16 139	0.23 147	0.20 129	0.22 140	0.24 142

CrosDoStereo	1.56 327	0.26 19	0.78 89	0.51 58	0.29 51	0.66 115	11.86 410	1.18 96	1.00 114	1.35 240	1.76 304	0.99 166	1.83 351	6.64 370	0.83 207	0.19 65	0.15 112	0.20 70	0.22 187	0.18 34	0.25 161

AAGNet	1.84 348	0.30 79	0.79 93	0.66 231	0.32 97	0.65 109	0.50 165	1.02 38	1.01 117	1.47 281	1.21 164	0.99 166	1.16 278	2.76 289	22.69 419	0.24 188	0.13 17	0.22 120	0.20 129	0.24 187	0.16 13

DeepStereo_LL	1.56 327	0.26 19	0.78 89	0.51 58	0.29 51	0.66 115	11.86 410	1.18 96	1.00 114	1.35 240	1.76 304	0.99 166	1.83 351	6.64 370	0.83 207	0.19 65	0.15 112	0.20 70	0.22 187	0.18 34	0.25 161

SST-Stereo	0.85 212	0.30 79	0.81 99	0.63 201	0.31 77	0.70 135	0.25 4	1.16 93	0.95 92	1.47 281	1.11 127	0.99 166	0.86 183	5.69 349	0.53 118	0.23 170	0.13 17	0.23 147	0.19 103	0.23 158	0.19 51

RAFT_R40	0.84 207	0.30 79	0.83 116	0.63 201	0.31 77	0.66 115	0.43 108	1.15 90	0.99 110	1.47 281	1.10 120	1.00 170	0.84 171	5.44 346	0.53 118	0.23 170	0.13 17	0.23 147	0.20 129	0.23 158	0.19 51

IRAFT_RVC	0.90 228	0.30 79	0.89 143	0.67 244	0.31 77	0.64 105	1.00 315	1.40 139	0.97 100	1.23 182	1.04 102	1.00 170	0.96 221	5.77 352	0.57 138	0.24 188	0.13 17	0.25 204	0.21 165	0.20 86	0.21 88

BEATNet_4x	0.82 194	0.54 284	2.02 312	0.56 123	0.28 40	1.04 234	0.55 196	2.14 296	1.13 161	1.24 186	1.26 178	1.00 170	0.94 214	1.13 111	1.23 271	0.21 121	0.14 58	0.24 168	0.20 129	0.37 277	0.23 123

PS-NSSS	1.02 259	0.62 307	1.17 227	0.61 183	0.58 264	0.91 202	0.79 273	2.02 271	1.19 186	1.17 148	1.68 294	1.00 170	0.85 176	4.43 325	0.86 211	0.38 309	0.31 309	0.52 349	0.32 303	0.52 329	0.45 305

DEmStereo	0.98 250	0.25 16	0.85 131	0.49 35	0.33 110	1.02 232	0.55 196	0.97 27	0.93 83	1.41 261	2.13 341	1.01 174	2.01 358	5.62 348	0.78 194	0.19 65	0.15 112	0.20 70	0.20 129	0.18 34	0.25 161

HCRNet	0.72 150	0.40 231	0.86 136	0.61 183	0.57 262	0.75 147	0.35 49	1.39 138	1.21 196	1.11 116	0.99 83	1.01 174	0.76 141	2.18 256	0.73 183	0.28 253	0.19 199	0.28 246	0.23 214	0.25 197	0.26 178

BUS	0.78 171	0.34 162	0.77 83	0.55 111	0.45 201	2.30 360	0.42 92	2.65 364	1.04 129	1.25 189	1.12 130	1.02 176	0.70 131	0.94 72	0.75 188	0.25 208	0.18 185	0.25 204	0.22 187	0.23 158	0.24 142

NINENet	0.81 192	0.40 231	0.89 143	0.65 218	0.53 243	2.30 360	0.42 92	2.12 291	1.13 161	1.20 170	1.27 185	1.02 176	0.70 131	1.26 125	0.75 188	0.29 265	0.24 262	0.31 267	0.21 165	0.27 209	0.26 178

MLCV	0.77 169	0.39 226	1.31 252	0.55 111	0.25 8	0.91 202	0.39 78	1.48 155	1.28 226	1.49 288	1.54 264	1.02 176	0.68 126	2.12 252	0.93 229	0.19 65	0.13 17	0.19 47	0.14 22	0.19 59	0.22 109

RAFT-RH_RVC	1.04 262	0.26 19	0.76 80	0.53 90	0.29 51	0.80 167	0.32 29	0.85 15	1.12 156	2.04 349	4.63 387	1.03 179	0.57 78	5.93 355	0.52 109	0.20 99	0.13 17	0.26 225	0.20 129	0.16 11	0.19 51

test_5	0.70 139	0.32 118	0.99 175	0.69 263	0.50 226	0.89 197	0.51 166	1.88 244	1.14 167	0.78 53	1.13 140	1.04 180	0.89 198	1.59 178	0.46 77	0.19 65	0.14 58	0.23 147	0.22 187	0.22 140	0.20 70

FTStereo	0.92 236	0.28 43	0.61 28	0.57 141	0.34 122	0.65 109	1.80 374	1.09 63	0.84 58	1.75 324	4.13 382	1.04 180	1.62 332	1.59 178	0.48 89	0.21 121	0.17 161	0.23 147	0.22 187	0.19 59	0.58 339

ARAFT	0.82 194	0.40 231	1.77 293	0.53 90	0.31 77	0.89 197	0.81 277	2.32 328	1.08 137	1.66 317	1.25 176	1.04 180	0.64 113	1.91 225	0.52 109	0.20 99	0.15 112	0.28 246	0.27 259	0.17 20	0.18 32

FINET	1.54 325	0.67 321	7.28 381	0.76 306	0.97 357	1.42 299	1.38 350	2.80 376	3.12 382	1.23 182	1.68 294	1.04 180	1.11 272	3.35 307	1.78 330	0.43 326	0.37 337	0.32 279	0.29 283	0.43 301	0.41 290

IGEV_Zeroshot_test	0.59 82	0.33 135	1.11 204	0.63 201	0.37 144	0.41 12	0.33 33	1.80 222	0.79 48	1.04 104	1.10 120	1.06 184	0.43 23	0.87 62	0.48 89	0.18 40	0.13 17	0.19 47	0.18 84	0.20 86	0.23 123

CFNet-RSSM	0.57 60	0.25 16	0.76 80	0.49 35	0.28 40	0.59 79	0.27 14	1.89 246	1.17 181	1.09 113	0.95 70	1.06 184	0.53 62	0.74 34	0.41 50	0.17 18	0.13 17	0.17 13	0.15 30	0.16 11	0.16 13

FADNet-RVC-Resample	0.91 233	0.51 275	2.92 345	0.64 212	0.46 208	1.07 242	0.60 224	1.76 212	1.24 206	1.10 115	0.98 82	1.06 184	0.98 231	2.17 255	0.95 236	0.24 188	0.22 232	0.30 263	0.32 303	0.36 272	0.40 287

DualNet	1.46 318	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	1.08 56	2.62 371	1.19 164	1.49 247	1.07 187	0.85 176	1.57 172	13.82 403	0.21 121	0.13 17	0.31 267	0.28 268	0.20 86	0.23 123

ffm	0.79 179	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	1.08 56	2.62 371	1.19 164	1.49 247	1.07 187	0.85 176	1.57 172	0.35 6	0.21 121	0.13 17	0.31 267	0.28 268	0.20 86	0.23 123

ff1	1.88 349	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	1.08 56	2.62 371	1.19 164	1.49 247	1.07 187	0.85 176	9.88 406	13.82 403	0.21 121	0.13 17	0.31 267	0.28 268	0.20 86	0.23 123

mmx	1.89 352	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	2.32 328	1.41 280	1.19 164	1.49 247	1.07 187	0.85 176	9.88 406	13.82 403	0.25 208	0.21 222	0.31 267	0.28 268	0.32 257	0.29 217

xxx	1.89 352	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	2.32 328	1.41 280	1.19 164	1.49 247	1.07 187	0.85 176	9.88 406	13.82 403	0.25 208	0.21 222	0.31 267	0.28 268	0.32 257	0.29 217

GrayStereo	0.83 203	0.28 43	0.62 31	0.66 231	0.37 144	0.76 152	1.79 371	1.19 100	0.91 71	1.98 346	1.89 323	1.07 187	1.76 347	1.43 151	0.50 101	0.20 99	0.15 112	0.19 47	0.21 165	0.18 34	0.41 290

ACVNet	0.66 111	0.33 135	0.74 72	0.55 111	0.37 144	0.80 167	0.47 148	1.46 150	1.11 151	1.01 94	1.31 196	1.07 187	0.91 203	0.82 51	1.09 253	0.22 150	0.19 199	0.21 93	0.18 84	0.23 158	0.19 51

acv_ft	0.78 171	0.33 135	1.10 202	0.73 287	0.86 343	1.23 273	0.57 205	1.65 189	1.11 151	1.31 222	1.31 196	1.07 187	0.91 203	0.82 51	1.35 285	0.22 150	0.19 199	0.21 93	0.18 84	0.22 140	0.19 51

TDLM	1.08 272	0.50 271	1.01 181	0.69 263	0.54 250	0.91 202	1.40 351	1.60 180	1.36 259	1.17 148	1.40 229	1.07 187	1.00 240	6.19 359	0.85 210	0.34 291	0.22 232	0.35 301	0.26 245	0.38 283	0.29 217

AdaStereo	0.74 156	0.48 263	0.86 136	0.75 300	0.38 155	0.94 214	0.56 202	2.05 281	1.24 206	1.15 142	1.22 166	1.07 187	0.67 123	1.05 92	0.73 183	0.33 284	0.16 139	0.32 279	0.22 187	0.29 234	0.23 123
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.
CFNet_ucs	0.73 153	0.34 162	0.94 160	0.53 90	0.44 198	0.76 152	0.46 139	1.73 208	1.34 249	1.24 186	1.54 264	1.08 197	0.64 113	1.05 92	0.64 162	0.26 225	0.20 209	0.37 313	0.22 187	0.42 299	0.30 230

pcwnet_v2	0.91 233	0.39 226	2.74 342	0.64 212	0.55 254	0.81 174	0.49 160	2.19 312	1.63 326	1.44 272	1.64 288	1.09 198	0.79 155	1.31 128	0.70 179	0.32 281	0.25 275	0.29 254	0.27 259	0.37 277	0.37 274

111	0.66 111	0.27 35	1.15 213	0.46 14	0.25 8	0.72 140	0.42 92	1.57 171	1.44 291	0.83 63	1.39 224	1.10 199	0.80 161	0.97 80	0.65 166	0.20 99	0.14 58	0.18 33	0.15 30	0.18 34	0.28 205

AFF-stereo	0.60 88	0.28 43	0.72 57	0.48 29	0.29 51	0.34 4	0.37 62	1.22 110	1.20 190	1.21 176	1.59 281	1.10 199	0.70 131	1.01 85	0.44 62	0.14 1	0.12 5	0.19 47	0.20 129	0.18 34	0.15 3

Gwc-CoAtRS	0.55 37	0.27 35	0.73 67	0.49 35	0.30 63	0.63 97	0.25 4	1.38 137	1.12 156	1.05 106	1.02 91	1.10 199	0.55 71	0.72 32	0.44 62	0.17 18	0.14 58	0.17 13	0.15 30	0.16 11	0.17 23

CFNet	0.99 252	0.40 231	1.23 239	0.65 218	0.43 191	1.03 233	0.49 160	2.01 270	1.35 252	1.02 98	1.39 224	1.10 199	0.86 183	5.47 347	0.89 217	0.24 188	0.18 185	0.28 246	0.27 259	0.27 209	0.22 109

NOSS_ROB	1.29 306	0.49 268	0.68 49	0.60 170	0.40 171	1.09 245	0.77 262	1.94 256	1.44 291	1.04 104	1.46 242	1.10 199	0.81 165	10.57 412	0.78 194	0.46 338	0.43 354	0.48 344	0.45 345	0.45 313	0.43 300

IER	0.74 156	0.33 135	1.25 244	0.50 47	0.53 243	1.32 280	0.55 196	1.31 129	1.08 137	1.30 216	1.34 208	1.11 204	1.10 270	1.05 92	0.81 205	0.20 99	0.17 161	0.21 93	0.21 165	0.20 86	0.21 88

BSDual-CNN	0.75 159	0.34 162	0.77 83	0.55 111	0.45 201	1.25 275	0.66 238	2.65 364	1.04 129	1.25 189	1.12 130	1.11 204	0.77 145	0.94 72	0.76 191	0.25 208	0.18 185	0.25 204	0.22 187	0.23 158	0.24 142

psmg	0.75 159	0.34 162	0.77 83	0.52 70	0.45 201	1.46 301	0.73 257	2.15 300	1.04 129	1.25 189	1.33 205	1.11 204	0.77 145	0.94 72	0.76 191	0.25 208	0.20 209	0.25 204	0.26 245	0.23 158	0.24 142

GMM-Stereo	0.75 159	0.27 35	0.66 44	0.56 123	0.34 122	0.71 137	0.97 310	1.09 63	0.91 71	1.37 246	1.79 308	1.11 204	0.79 155	2.08 248	0.48 89	0.19 65	0.12 5	0.25 204	0.25 234	0.21 121	0.78 363

Any-RAFT	0.55 37	0.27 35	0.49 11	0.50 47	0.27 19	0.98 227	0.25 4	1.71 204	1.08 137	0.90 76	0.99 83	1.13 208	0.46 36	0.74 34	0.35 6	0.19 65	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

SDNR	1.66 334	0.55 287	2.36 332	0.56 123	0.58 264	3.79 392	0.45 133	1.78 215	1.40 277	1.38 251	2.45 358	1.13 208	0.96 221	11.03 413	1.31 278	0.67 367	0.64 380	0.43 333	0.32 303	0.71 361	0.76 362

HGLStereo	0.89 221	0.42 242	1.15 213	0.82 320	1.03 360	1.16 258	0.57 205	1.68 191	1.28 226	1.26 199	1.62 283	1.13 208	1.31 305	1.85 214	1.11 257	0.25 208	0.24 262	0.24 168	0.22 187	0.24 187	0.29 217

SuperB	2.50 374	0.72 331	18.07 410	0.72 280	0.53 243	1.85 338	0.86 290	1.80 222	2.40 365	1.54 297	1.42 233	1.13 208	1.17 281	4.18 319	4.80 374	0.25 208	0.20 209	0.23 147	0.19 103	7.64 418	0.38 280

KYRaft	0.77 169	0.29 61	0.68 49	0.59 163	0.29 51	0.66 115	0.83 282	1.05 49	0.89 66	1.63 314	2.22 347	1.15 212	0.99 234	1.59 178	0.41 50	0.21 121	0.14 58	0.22 120	0.28 268	0.21 121	1.01 372

THIR-Stereo	1.02 259	0.29 61	0.73 67	0.51 58	0.29 51	0.94 214	1.31 346	1.08 56	0.98 103	1.35 240	1.91 327	1.16 213	1.54 328	6.37 367	0.79 198	0.20 99	0.14 58	0.21 93	0.22 187	0.19 59	0.25 161

DeepPrunerF	1.68 337	0.82 342	6.82 379	0.94 355	1.20 375	0.91 202	0.97 310	2.50 354	5.19 401	1.22 181	1.30 195	1.18 214	1.29 301	4.96 336	1.75 326	0.43 326	0.35 329	0.52 349	0.48 351	0.43 301	0.42 296

riskmin	0.62 93	0.29 61	0.73 67	0.50 47	0.34 122	0.86 192	0.44 125	1.74 209	1.07 134	0.76 52	0.76 37	1.19 215	1.01 243	0.84 57	0.60 151	0.20 99	0.16 139	0.24 168	0.16 54	0.24 187	0.29 217

RAFT + AFF	1.07 270	0.47 260	1.36 259	0.68 253	0.50 226	1.20 269	1.22 339	2.58 361	1.26 218	1.33 229	1.56 272	1.19 215	1.49 326	3.89 318	1.01 246	0.22 150	0.26 280	0.30 263	0.27 259	0.29 234	0.32 247

CC-Net-ROB	1.53 324	1.31 376	1.68 289	0.92 347	0.80 331	1.75 328	0.99 313	2.04 277	1.27 222	1.12 124	1.62 283	1.20 217	0.98 231	7.82 385	0.92 226	1.15 385	0.41 348	2.20 389	0.46 347	1.37 382	0.56 333

1111x	1.96 355	0.32 118	1.54 281	0.54 101	0.30 63	1.00 229	0.69 246	2.47 349	1.33 247	1.21 176	1.44 237	1.21 218	1.11 272	8.49 392	16.14 411	0.22 150	0.23 254	0.22 120	0.23 214	0.25 197	0.26 178

xxxx	1.61 331	0.32 118	0.98 173	0.58 151	0.31 77	1.15 255	0.43 108	2.43 342	1.41 280	1.17 148	1.40 229	1.21 218	0.86 183	1.94 228	16.68 412	0.24 188	0.24 262	0.21 93	0.20 129	0.23 158	0.27 194

DMCA	0.71 145	0.36 188	1.17 227	0.53 90	0.45 201	0.84 188	0.46 139	1.52 158	1.09 144	1.20 170	1.12 130	1.21 218	0.74 135	0.87 62	1.09 253	0.25 208	0.20 209	0.27 234	0.19 103	0.24 187	0.29 217

PWCDC_ROB	1.39 310	0.91 351	2.10 318	1.08 365	0.92 347	1.72 322	0.58 212	2.03 275	3.30 385	1.32 224	4.87 390	1.21 218	1.71 343	1.98 234	1.75 326	0.65 365	0.26 280	0.29 254	0.25 234	0.56 339	0.41 290

MyStereo06	0.67 119	0.29 61	1.06 192	0.58 151	0.48 216	0.62 89	0.72 254	2.26 320	0.89 66	1.07 111	1.12 130	1.22 222	0.56 76	0.83 54	0.47 85	0.17 18	0.17 161	0.24 168	0.21 165	0.23 158	0.23 123

CFNet_pseudo	0.68 128	0.34 162	0.93 154	0.50 47	0.39 162	0.72 140	0.42 92	1.44 146	1.25 212	1.17 148	1.35 213	1.22 222	0.66 121	1.04 89	0.64 162	0.21 121	0.17 161	0.33 287	0.19 103	0.39 287	0.28 205

ccs_rob	0.68 128	0.34 162	0.93 154	0.50 47	0.39 162	0.72 140	0.42 92	1.43 145	1.25 212	1.17 148	1.34 208	1.22 222	0.66 121	1.04 89	0.64 162	0.21 121	0.17 161	0.35 301	0.20 129	0.40 291	0.29 217

UCFNet_RVC	0.72 150	0.37 204	0.59 22	0.66 231	0.41 181	0.89 197	0.68 242	1.78 215	1.15 172	1.01 94	1.20 159	1.22 222	0.95 219	1.07 98	0.66 170	0.28 253	0.21 222	0.34 295	0.31 298	0.33 262	0.29 217

PCWNet_CMD	0.68 128	0.34 162	0.93 154	0.51 58	0.38 155	0.80 167	0.42 92	1.51 156	1.34 249	1.17 148	1.31 196	1.23 226	0.65 117	0.94 72	0.62 157	0.21 121	0.17 161	0.27 234	0.19 103	0.43 301	0.28 205

RAFT_CTSACE	0.66 111	0.29 61	1.14 211	0.57 141	0.51 235	0.68 124	0.44 125	0.88 19	0.98 103	1.03 102	1.83 315	1.23 226	0.67 123	1.48 160	0.38 28	0.16 7	0.16 139	0.21 93	0.20 129	0.20 86	0.17 23

MSMDNet	0.68 128	0.34 162	0.93 154	0.52 70	0.38 155	0.80 167	0.42 92	1.52 158	1.35 252	1.17 148	1.31 196	1.23 226	0.65 117	0.94 72	0.62 157	0.21 121	0.17 161	0.26 225	0.19 103	0.41 295	0.28 205

DeepPruner_ROB	0.79 179	0.55 287	1.14 211	0.61 183	0.46 208	0.78 162	0.54 189	1.83 230	1.00 114	1.42 265	1.27 185	1.23 226	0.77 145	1.56 170	0.89 217	0.35 299	0.28 292	0.27 234	0.26 245	0.32 257	0.34 260

CVANet_RVC	1.10 274	0.49 268	1.15 213	0.65 218	0.54 250	0.93 212	1.00 315	1.69 200	1.36 259	1.42 265	1.39 224	1.24 230	1.17 281	6.22 361	0.80 203	0.35 299	0.24 262	0.35 301	0.30 294	0.44 311	0.32 247

GASNet	1.13 278	1.10 363	3.29 355	1.00 361	0.68 300	0.82 175	0.67 240	1.85 237	1.38 266	1.39 253	1.25 176	1.25 231	1.20 290	2.72 287	1.62 313	0.46 338	0.26 280	0.36 311	0.34 317	0.55 338	0.33 253

SACVNet	0.89 221	0.51 275	1.08 198	0.83 324	0.58 264	0.83 181	0.78 265	1.84 231	1.17 181	1.39 253	1.33 205	1.25 231	1.01 243	2.31 266	0.92 226	0.35 299	0.26 280	0.31 267	0.29 283	0.35 268	0.48 311

cross-raft	0.56 48	0.26 19	0.65 42	0.55 111	0.31 77	0.66 115	0.37 62	1.68 191	0.82 53	1.06 110	1.07 109	1.25 231	0.45 29	0.74 34	0.39 31	0.15 4	0.13 17	0.19 47	0.16 54	0.19 59	0.17 23

GEStereo_RVC	0.93 241	0.40 231	1.15 213	0.67 244	0.50 226	0.95 220	0.78 265	2.73 369	1.21 196	1.20 170	1.12 130	1.25 231	0.91 203	3.21 301	0.95 236	0.31 274	0.20 209	0.23 147	0.20 129	0.28 224	0.31 239

MMNet	0.89 221	0.35 184	1.44 265	0.64 212	0.59 270	1.83 337	0.48 152	1.70 203	1.38 266	1.45 278	1.19 158	1.25 231	1.16 278	1.77 203	1.27 276	0.20 99	0.19 199	0.23 147	0.22 187	0.25 197	0.24 142

iResNet_ROB	0.82 194	0.36 188	1.13 208	0.60 170	0.37 144	0.91 202	0.38 69	2.41 339	1.61 325	1.35 240	1.35 213	1.25 231	0.97 228	1.75 201	0.88 215	0.21 121	0.14 58	0.17 13	0.12 9	0.19 59	0.30 230

GMStereo_Zeroshot	0.70 139	0.64 311	1.11 204	0.65 218	0.38 155	0.84 188	0.37 62	1.09 63	1.16 177	1.14 140	1.07 109	1.26 237	0.55 71	1.23 123	0.65 166	0.34 291	0.17 161	0.31 267	0.18 84	0.57 341	0.23 123

ADLNet	0.89 221	0.39 226	1.09 199	0.88 336	0.73 310	1.24 274	0.75 259	2.02 271	1.41 280	1.58 305	1.37 218	1.26 237	1.00 240	1.31 128	1.18 261	0.28 253	0.21 222	0.26 225	0.26 245	0.29 234	0.36 271

GANet-RSSM	0.78 171	0.31 104	0.90 148	0.67 244	0.58 264	0.80 167	0.62 228	2.04 277	1.15 172	1.11 116	1.27 185	1.26 237	1.18 288	1.68 192	0.74 185	0.26 225	0.21 222	0.22 120	0.22 187	0.23 158	0.23 123

STTStereo	0.82 194	0.53 281	1.53 280	0.68 253	0.56 258	0.88 196	0.56 202	1.57 171	1.14 167	1.39 253	1.10 120	1.26 237	0.84 171	1.49 166	0.90 220	0.29 265	0.28 292	0.33 287	0.40 332	0.33 262	0.37 274

iResNetv2_ROB	0.88 219	0.43 246	2.62 341	0.60 170	0.38 155	0.94 214	0.67 240	1.88 244	1.38 266	1.27 204	1.45 240	1.26 237	1.05 261	1.92 226	0.64 162	0.24 188	0.15 112	0.19 47	0.14 22	0.24 187	0.21 88

anonymity	1.14 279	0.98 356	1.24 242	1.09 366	1.13 367	1.08 243	0.90 295	2.02 271	1.23 205	1.32 224	1.27 185	1.27 242	1.09 267	1.16 115	1.03 249	1.02 377	1.01 400	0.97 377	0.97 384	0.98 372	1.01 372

SQANet	1.38 309	0.95 354	1.37 262	1.89 386	1.47 383	1.44 300	0.81 277	1.89 246	1.13 161	1.34 236	1.26 178	1.28 243	1.02 248	1.64 187	0.91 222	2.55 392	0.35 329	1.47 384	0.56 364	2.48 388	1.74 388

Anonymous Stereo	1.42 314	0.90 347	3.93 363	0.81 316	0.83 338	1.06 240	1.90 377	1.81 225	1.52 310	1.75 324	1.44 237	1.28 243	0.87 189	5.94 356	1.94 334	0.38 309	0.39 345	0.38 317	0.41 336	0.45 313	0.50 315

delet	0.90 228	0.34 162	1.15 213	0.69 263	0.66 295	1.63 318	0.81 277	1.95 259	1.49 307	1.42 265	1.38 222	1.29 245	0.91 203	1.78 205	1.18 261	0.22 150	0.22 232	0.24 168	0.25 234	0.22 140	0.24 142

DMCA-RVC	0.83 203	0.46 255	2.19 325	0.68 253	0.49 222	0.84 188	0.48 152	1.44 146	1.07 134	1.56 301	1.04 102	1.29 245	0.86 183	1.49 166	0.92 226	0.27 242	0.22 232	0.35 301	0.28 268	0.32 257	0.28 205

psm_up	0.83 203	0.37 204	0.88 140	0.68 253	0.59 270	1.05 237	0.92 300	1.68 191	1.17 181	1.41 261	1.22 166	1.30 247	1.31 305	1.39 141	0.89 217	0.27 242	0.30 304	0.31 267	0.27 259	0.28 224	0.28 205

UPFNet	0.84 207	0.34 162	1.09 199	0.62 191	0.74 314	1.25 275	0.78 265	1.69 200	1.20 190	1.39 253	1.13 140	1.30 247	0.87 189	1.73 199	1.22 268	0.24 188	0.26 280	0.24 168	0.23 214	0.26 207	0.20 70

ToySt	0.73 153	0.35 184	1.64 287	0.54 101	0.37 144	0.92 209	0.81 277	1.21 108	1.03 123	0.86 72	1.12 130	1.31 249	1.01 243	1.04 89	0.88 215	0.19 65	0.20 209	0.24 168	0.24 226	0.27 209	0.28 205

PSMNet-ADL	0.75 159	0.36 188	0.69 53	0.71 275	0.47 214	1.13 249	0.46 139	1.47 153	1.07 134	0.85 68	1.18 155	1.31 249	0.94 214	1.56 170	1.06 251	0.34 291	0.22 232	0.22 120	0.23 214	0.27 209	0.36 271

PSMNet-RSSM	0.78 171	0.32 118	0.89 143	0.65 218	0.43 191	0.73 143	0.58 212	2.14 296	1.19 186	1.18 159	1.38 222	1.31 249	1.07 264	1.43 151	0.82 206	0.28 253	0.21 222	0.27 234	0.29 283	0.25 197	0.26 178

NVstereo2D	0.99 252	0.45 252	2.21 326	0.79 312	0.75 317	1.20 269	0.86 290	1.98 264	1.41 280	1.02 98	1.18 155	1.31 249	0.97 228	2.25 261	0.93 229	0.45 337	0.22 232	0.39 321	0.25 234	0.59 344	0.68 354

CSP-Net	1.00 255	0.41 240	0.99 175	0.56 123	0.43 191	1.62 317	0.76 261	2.16 302	1.16 177	1.33 229	1.22 166	1.32 253	0.89 198	4.67 331	0.93 229	0.35 299	0.24 262	0.20 70	0.20 129	0.23 158	0.30 230

AACVNet	0.90 228	0.40 231	0.98 173	0.86 333	0.40 171	0.80 167	0.49 160	1.81 225	0.86 63	1.11 116	1.34 208	1.32 253	0.99 234	4.23 320	0.86 211	0.26 225	0.22 232	0.28 246	0.22 187	0.30 244	0.28 205

PA-Net	1.14 279	0.63 308	2.12 320	0.67 244	0.75 317	1.19 268	0.91 298	1.91 250	1.46 301	1.18 159	1.23 170	1.33 255	1.17 281	4.31 323	1.41 291	0.29 265	0.46 361	0.33 287	0.50 356	0.33 262	0.57 336
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
TransformOpticalFlow	0.97 247	0.30 79	0.96 170	0.54 101	0.31 77	0.65 109	0.54 189	1.87 239	1.19 186	1.12 124	1.44 237	1.34 256	0.98 231	6.68 372	0.44 62	0.19 65	0.12 5	0.21 93	0.19 103	0.18 34	0.23 123

ADCRef	1.50 322	0.61 302	3.83 362	0.76 306	0.77 323	1.91 342	0.77 262	2.16 302	1.34 249	1.63 314	1.59 281	1.35 257	1.40 316	1.79 210	8.32 389	0.25 208	0.21 222	0.32 279	0.31 298	0.31 249	0.32 247

dad	0.90 228	0.73 334	1.28 248	0.59 163	0.39 162	0.83 181	0.45 133	1.24 115	1.54 314	1.52 291	1.28 190	1.36 258	0.86 183	2.54 278	0.91 222	0.43 326	0.27 288	0.82 373	0.26 245	0.44 311	0.34 260

FADNet-RVC	0.96 246	0.72 331	2.96 346	0.64 212	0.49 222	0.90 200	0.59 216	1.85 237	1.27 222	0.92 78	0.97 79	1.36 258	0.90 201	2.36 269	1.31 278	0.30 270	0.29 300	0.32 279	0.32 303	0.42 299	0.37 274

FADNet	0.98 250	0.64 311	2.57 337	0.66 231	0.55 254	0.95 220	0.57 205	1.91 250	1.38 266	0.94 82	1.02 91	1.36 258	1.00 240	2.69 285	0.97 240	0.34 291	0.34 324	0.31 267	0.34 317	0.61 350	0.42 296

CBMV_ROB	0.99 252	0.46 255	0.68 49	0.53 90	0.39 162	1.40 294	0.48 152	2.09 287	1.30 236	1.53 294	2.29 350	1.36 258	1.23 292	2.46 273	1.04 250	0.44 334	0.42 353	0.47 343	0.44 342	0.41 295	0.39 283

STrans-v2	1.06 266	0.31 104	1.02 183	0.52 70	0.33 110	0.67 120	0.78 265	2.66 367	1.26 218	1.15 142	1.46 242	1.37 262	1.40 316	6.68 372	0.46 77	0.19 65	0.13 17	0.21 93	0.18 84	0.18 34	0.21 88

XX-Stereo	0.97 247	0.28 43	8.28 385	0.85 330	0.70 309	0.44 15	0.22 2	1.07 51	0.69 25	0.66 40	1.56 272	1.38 263	0.38 14	1.36 135	0.38 28	0.21 121	0.14 58	0.20 70	0.19 103	0.19 59	0.16 13

RAFT-Test	0.58 71	0.27 35	0.81 99	0.50 47	0.33 110	0.95 220	0.27 14	1.40 139	0.89 66	1.00 91	1.12 130	1.39 264	0.48 44	0.74 34	0.41 50	0.17 18	0.14 58	0.17 13	0.14 22	0.16 11	0.18 32

STTRV1_RVC	1.60 330	0.69 324	2.04 315	0.88 336	1.12 364	1.58 312	0.90 295	2.42 340	1.78 339	1.29 213	2.02 335	1.40 265	1.22 291	9.72 402	1.35 285	0.86 372	0.34 324	0.54 354	0.49 354	0.75 363	0.54 325

NaN_ROB	1.23 297	0.63 308	1.76 292	0.67 244	0.50 226	1.59 314	2.00 378	1.87 239	1.52 310	2.14 354	1.26 178	1.40 265	1.09 267	4.60 329	1.75 326	0.28 253	0.34 324	0.28 246	0.29 283	0.30 244	0.37 274

Anonymous_2	1.37 308	0.56 290	0.94 160	0.57 141	0.62 283	1.04 234	0.65 236	1.82 228	1.01 117	1.00 91	0.79 44	1.42 267	1.27 299	1.06 96	0.83 207	0.62 362	0.67 382	1.05 381	9.88 418	1.09 377	0.55 331

Syn2CoEx	1.23 297	0.80 338	3.07 349	0.83 324	0.68 300	1.39 292	0.87 292	2.23 317	1.57 320	1.28 209	1.58 277	1.42 267	1.57 330	3.79 316	1.48 300	0.36 306	0.32 319	0.34 295	0.30 294	0.30 244	0.41 290

NLCA_NET_v2_RVC	0.84 207	0.46 255	1.40 264	0.69 263	0.61 279	0.95 220	0.52 174	1.68 191	1.21 196	1.39 253	1.15 150	1.42 267	0.88 196	1.78 205	0.93 229	0.26 225	0.23 254	0.27 234	0.27 259	0.30 244	0.39 283
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
DRN-Test	1.07 270	0.49 268	1.95 309	0.75 300	0.81 335	1.61 315	0.78 265	2.26 320	1.53 312	1.84 333	1.35 213	1.42 267	1.04 256	2.26 262	1.61 311	0.28 253	0.23 254	0.31 267	0.30 294	0.33 262	0.33 253

OMP-Stereo	0.95 242	0.35 184	0.79 93	0.92 347	0.32 97	0.49 28	0.35 49	1.22 110	1.11 151	1.58 305	1.12 130	1.44 271	0.69 129	6.92 375	0.51 103	0.20 99	0.15 112	0.24 168	0.19 103	0.21 121	0.16 13

IIG-Stereo	0.97 247	0.34 162	0.80 98	0.90 345	0.33 110	0.61 87	0.26 10	1.27 122	1.08 137	1.69 320	1.37 218	1.44 271	0.74 135	6.94 376	0.53 118	0.21 121	0.14 58	0.23 147	0.18 84	0.20 86	0.15 3

Consistency-Raft	1.27 305	1.01 358	2.17 323	1.04 363	1.20 375	0.96 225	1.00 315	1.84 231	1.95 351	1.38 251	2.11 340	1.44 271	1.03 250	1.18 119	1.40 290	0.73 370	0.83 386	0.89 375	0.99 387	1.33 381	0.95 371

MDST_ROB	1.88 349	0.40 231	1.71 290	0.93 352	0.60 274	4.27 398	1.23 341	3.99 390	1.44 291	4.61 398	2.63 362	1.44 271	1.03 250	9.78 403	1.62 313	0.33 284	0.26 280	0.37 313	0.33 312	0.31 249	0.34 260

PSMNet_ROB	0.95 242	0.57 295	1.45 266	0.75 300	0.64 286	1.28 278	1.12 325	1.84 231	1.15 172	1.16 146	1.29 194	1.44 271	0.89 198	1.74 200	1.70 323	0.33 284	0.25 275	0.37 313	0.39 330	0.36 272	0.32 247

iRaft-Stereo_5w	0.89 221	0.31 104	1.04 187	0.56 123	0.47 214	0.47 18	0.68 242	1.19 100	1.08 137	0.80 56	1.35 213	1.46 276	0.90 201	5.11 337	1.16 260	0.18 40	0.15 112	0.22 120	0.19 103	0.21 121	0.24 142

GANetREF_RVC	1.11 276	0.90 347	1.56 282	0.88 336	0.53 243	1.41 296	1.35 348	1.91 250	1.54 314	1.28 209	1.32 201	1.46 276	1.23 292	2.04 242	1.00 245	0.57 359	0.45 357	0.67 368	0.52 359	0.91 370	0.62 346
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
CBMV	1.04 262	0.48 263	0.88 140	0.56 123	0.36 139	1.52 305	1.55 358	1.87 239	1.59 322	2.11 352	1.67 292	1.46 276	1.35 310	1.92 226	1.31 278	0.35 299	0.35 329	0.39 321	0.33 312	0.34 267	0.34 260
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
DSFCA	0.95 242	0.38 221	1.23 239	0.55 111	0.66 295	1.50 303	0.93 303	1.58 173	1.24 206	1.59 308	1.16 151	1.48 279	0.95 219	2.96 294	1.20 263	0.31 274	0.28 292	0.25 204	0.26 245	0.29 234	0.26 178

StereoDRNet	1.05 265	0.53 281	2.21 326	0.80 313	0.93 350	1.50 303	0.90 295	2.06 282	1.44 291	1.68 319	1.20 159	1.48 279	0.99 234	1.86 217	1.60 310	0.29 265	0.24 262	0.29 254	0.28 268	0.35 268	0.33 253

MaskLacGwcNet_RVC	1.17 284	1.06 359	1.28 248	0.88 336	0.69 303	1.92 343	0.92 300	1.71 204	1.14 167	1.17 148	1.26 178	1.49 281	0.80 161	2.04 242	0.86 211	2.02 387	0.34 324	0.79 372	0.36 323	1.38 383	1.33 384

StereoDRNet-Refined	0.84 207	0.43 246	1.01 181	0.66 231	0.43 191	1.32 280	0.49 160	1.64 186	1.24 206	1.53 294	1.45 240	1.49 281	0.97 228	1.32 131	1.31 278	0.21 121	0.17 161	0.27 234	0.25 234	0.25 197	0.34 260
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
Wz-Net-MNSev	1.21 292	0.66 318	3.44 357	0.69 263	0.73 310	1.93 344	1.44 353	2.16 302	1.59 322	1.85 335	1.49 247	1.50 283	1.34 309	2.05 246	1.54 306	0.27 242	0.24 262	0.28 246	0.28 268	0.35 268	0.32 247

DGSMNet	1.24 300	0.84 344	3.20 351	0.91 346	0.92 347	1.39 292	1.34 347	2.46 348	1.44 291	1.34 236	1.66 290	1.50 283	1.03 250	1.85 214	1.30 277	0.48 344	0.48 364	0.55 359	0.51 358	0.78 365	0.79 364

AANet_RVC	1.22 293	0.60 297	1.94 305	0.69 263	0.46 208	0.75 147	0.69 246	1.51 156	1.57 320	1.36 245	1.90 325	1.51 285	0.87 189	7.23 379	1.89 332	0.26 225	0.19 199	0.19 47	0.16 54	0.23 158	0.37 274

MFMNet_re	1.47 319	1.20 369	2.50 335	1.46 382	1.08 363	1.58 312	1.51 354	1.96 262	1.87 346	2.31 358	2.20 345	1.51 285	1.88 354	1.57 172	1.34 283	0.94 375	0.83 386	0.84 374	0.80 378	1.00 373	1.06 375

UNet	0.86 214	0.36 188	1.52 277	0.62 191	0.74 314	1.56 310	0.49 160	1.55 166	1.12 156	1.28 209	1.10 120	1.52 287	1.10 270	1.69 196	1.14 258	0.24 188	0.18 185	0.25 204	0.21 165	0.25 197	0.25 161

ssnet_v2	0.92 236	0.39 226	1.22 237	0.66 231	0.39 162	1.31 279	0.96 309	2.32 328	1.45 296	1.48 286	1.17 153	1.53 288	0.91 203	1.16 115	1.71 325	0.31 274	0.27 288	0.30 263	0.29 283	0.28 224	0.29 217

Wz-Net-LNSev-Ref	1.09 273	0.46 255	2.61 340	0.71 275	0.65 292	2.00 348	0.78 265	2.07 284	1.47 302	1.62 312	1.47 244	1.53 288	1.29 301	2.10 250	1.65 319	0.24 188	0.14 58	0.20 70	0.16 54	0.28 224	0.28 205

cf-r	0.79 179	0.32 118	1.06 192	0.57 141	0.64 286	0.78 162	0.51 166	2.04 277	1.22 202	1.20 170	1.27 185	1.53 288	0.91 203	1.47 158	0.94 234	0.25 208	0.19 199	0.22 120	0.23 214	0.19 59	0.21 88

APVNet	1.11 276	0.59 296	1.95 309	0.87 334	0.77 323	1.90 341	0.82 281	2.03 275	1.15 172	1.14 140	1.43 235	1.55 291	1.12 276	3.03 295	1.62 313	0.32 281	0.34 324	0.42 332	0.36 323	0.36 272	0.41 290

S-Stereo	1.17 284	0.48 263	2.25 329	0.83 324	0.81 335	1.22 271	1.17 334	2.12 291	2.08 357	1.47 281	2.13 341	1.55 291	1.16 278	2.09 249	1.46 297	0.42 325	0.40 347	0.35 301	0.32 303	0.45 313	0.73 358

GwcNet-RSSM	0.83 203	0.34 162	1.29 251	0.65 218	0.55 254	0.78 162	0.62 228	1.89 246	1.27 222	1.18 159	1.39 224	1.56 293	0.91 203	1.60 183	1.22 268	0.26 225	0.20 209	0.23 147	0.24 226	0.21 121	0.21 88

GANet	1.41 312	0.52 279	1.18 231	0.74 293	0.48 216	1.40 294	1.69 363	1.87 239	1.28 226	1.56 301	2.39 354	1.56 293	1.25 296	9.13 395	1.20 263	0.31 274	0.32 319	0.34 295	0.29 283	0.40 291	0.33 253

iinet-f	1.04 262	0.50 271	4.24 367	0.58 151	0.43 191	1.78 334	0.70 252	1.29 127	1.16 177	1.25 189	1.42 233	1.57 295	1.42 318	1.47 158	1.70 323	0.26 225	0.23 254	0.20 70	0.20 129	0.26 207	0.26 178

hknet	0.82 194	0.34 162	1.15 213	0.55 111	0.39 162	1.25 275	0.66 238	2.65 364	1.10 147	1.25 189	1.12 130	1.58 296	0.85 176	1.41 144	0.79 198	0.23 170	0.18 185	0.25 204	0.22 187	0.23 158	0.24 142

HH	0.68 128	0.33 135	0.83 116	0.53 90	0.34 122	0.92 209	0.45 133	1.79 218	0.74 36	0.71 44	1.13 140	1.60 297	0.83 169	1.95 231	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

HanStereo	0.68 128	0.33 135	0.83 116	0.53 90	0.34 122	0.92 209	0.45 133	1.79 218	0.74 36	0.71 44	1.13 140	1.60 297	0.83 169	1.95 231	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

Ntro	1.72 341	1.21 370	1.62 286	2.54 394	1.86 386	2.09 354	1.14 330	2.08 285	1.38 266	1.23 182	1.62 283	1.62 299	1.33 308	2.04 242	1.21 267	3.09 396	0.56 375	1.82 387	0.65 372	2.97 397	2.25 394

CRFU-Net	0.90 228	0.42 242	1.10 202	0.69 263	0.59 270	1.76 329	0.84 284	2.33 333	0.92 76	1.45 278	1.20 159	1.62 299	1.25 296	1.38 139	0.94 234	0.28 253	0.23 254	0.22 120	0.19 103	0.24 187	0.27 194

DDUNet	1.56 327	2.70 407	1.35 257	1.79 384	1.88 387	1.82 336	0.91 298	1.84 231	1.20 190	1.40 259	1.79 308	1.62 299	1.17 281	1.59 178	1.22 268	1.11 382	0.76 385	2.38 394	0.94 382	2.12 385	1.53 386

XPNet_ROB	1.02 259	0.56 290	1.33 256	0.75 300	0.58 264	1.11 246	1.13 327	1.77 213	1.29 234	1.88 336	1.43 235	1.63 302	1.13 277	2.04 242	1.69 321	0.40 318	0.31 309	0.33 287	0.29 283	0.37 277	0.37 274

SGM-Forest	1.29 306	0.40 231	0.74 72	0.54 101	0.37 144	1.55 308	1.26 344	1.82 228	1.39 275	2.22 355	1.81 314	1.64 303	1.02 248	7.65 384	1.20 263	0.39 316	0.37 337	0.39 321	0.34 317	0.37 277	0.34 260
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
PWC_ROB	1.39 310	0.93 353	4.07 365	0.77 308	0.83 338	1.16 258	0.53 180	1.87 239	2.01 354	2.36 359	3.06 370	1.65 304	1.60 331	2.65 284	2.29 345	0.34 291	0.23 254	0.36 311	0.25 234	0.39 287	0.49 312

anonymousa	0.78 171	0.30 79	0.85 131	0.51 58	0.96 356	1.41 296	0.47 148	1.61 182	0.94 88	1.33 229	1.77 306	1.66 305	1.11 272	0.72 32	0.63 159	0.19 65	0.18 185	0.23 147	0.25 234	0.20 86	0.22 109

Wz-Net-LNSev	1.17 284	0.72 331	4.71 371	0.66 231	0.84 341	1.72 322	1.13 327	1.97 263	1.43 289	1.34 236	1.32 201	1.66 305	1.30 304	1.44 153	1.51 303	0.29 265	0.26 280	0.24 168	0.23 214	0.33 262	0.35 268

RTSC	1.43 317	0.89 346	3.62 360	0.94 355	0.64 286	1.85 338	0.69 246	2.20 315	2.04 356	2.22 355	1.70 297	1.67 307	1.27 299	2.53 277	4.48 371	0.33 284	0.25 275	0.27 234	0.29 283	0.38 283	0.40 287

HSM-Net_RVC	0.91 233	0.31 104	0.60 24	0.54 101	0.31 77	1.15 255	0.60 224	3.76 387	1.30 236	1.57 304	1.75 303	1.67 307	1.01 243	1.61 185	0.90 220	0.23 170	0.17 161	0.19 47	0.18 84	0.20 86	0.22 109
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ADLNet2	0.92 236	0.37 204	1.25 244	0.80 313	0.65 292	1.12 248	0.75 259	1.95 259	1.42 288	1.26 199	1.67 292	1.68 309	1.04 256	1.80 212	1.23 271	0.25 208	0.22 232	0.21 93	0.22 187	0.27 209	0.31 239

CFNet-ft	0.78 171	0.36 188	0.74 72	0.67 244	0.56 258	0.86 192	0.54 189	1.46 150	1.17 181	1.01 94	1.28 190	1.68 309	1.03 250	1.57 172	0.95 236	0.27 242	0.21 222	0.33 287	0.26 245	0.31 249	0.26 178

CFNet_RVC	0.78 171	0.36 188	0.74 72	0.67 244	0.56 258	0.86 192	0.54 189	1.46 150	1.17 181	1.01 94	1.28 190	1.68 309	1.03 250	1.57 172	0.95 236	0.27 242	0.21 222	0.33 287	0.26 245	0.31 249	0.26 178

DLCB_ROB	0.92 236	0.43 246	0.95 163	0.71 275	0.55 254	1.11 246	0.83 282	1.61 182	1.32 245	1.67 318	1.66 290	1.70 312	0.93 212	1.96 233	1.34 283	0.26 225	0.25 275	0.27 234	0.28 268	0.28 224	0.28 205

aanetorigin	1.26 302	0.85 345	3.00 347	0.72 280	0.80 331	1.08 243	1.05 319	1.12 73	1.39 275	3.53 388	2.60 361	1.72 313	1.73 345	1.98 234	1.77 329	0.26 225	0.24 262	0.26 225	0.25 234	0.38 283	0.51 320

GwcNet	1.26 302	0.63 308	5.13 373	0.81 316	1.15 371	1.73 325	0.69 246	1.84 231	1.53 312	1.51 289	1.71 299	1.72 313	1.09 267	2.20 257	1.61 311	0.31 274	0.30 304	0.29 254	0.27 259	0.30 244	0.41 290

otaku	1.67 335	1.18 367	1.56 282	2.27 389	1.59 384	1.98 346	1.23 341	2.23 317	1.37 264	1.48 286	1.63 287	1.73 315	1.23 292	1.85 214	1.09 253	2.96 395	0.58 378	1.74 385	0.61 371	2.94 394	2.15 392

fast-acv-ft	1.00 255	0.48 263	1.85 301	0.61 183	0.52 238	1.77 331	0.69 246	1.52 158	1.47 302	1.34 236	1.85 319	1.73 315	1.24 295	1.62 186	1.56 307	0.27 242	0.28 292	0.28 246	0.28 268	0.28 224	0.31 239

ADCP+	2.12 362	0.56 290	10.01 392	0.68 253	0.91 346	2.25 358	1.04 318	1.92 254	1.50 309	1.58 305	1.34 208	1.73 315	1.62 332	2.27 263	13.20 400	0.25 208	0.22 232	0.32 279	0.29 283	0.38 283	0.34 260

ETE_ROB	1.01 258	0.69 324	1.49 270	0.72 280	0.50 226	1.15 255	1.12 325	1.91 250	1.24 206	1.94 343	1.50 254	1.73 315	1.06 262	1.78 205	1.33 282	0.33 284	0.26 280	0.38 317	0.34 317	0.40 291	0.44 303

PDISCO_ROB	1.41 312	0.73 334	2.04 315	1.40 377	1.46 382	2.83 374	1.07 321	2.64 363	2.11 359	1.41 261	1.50 254	1.73 315	0.99 234	2.83 292	1.46 297	1.03 378	0.27 288	0.54 354	0.47 349	0.77 364	0.84 368

RAFT	0.67 119	0.32 118	0.83 116	0.63 201	0.34 122	0.69 132	0.57 205	1.14 79	0.84 58	1.12 124	1.20 159	1.75 320	0.92 211	1.09 104	0.60 151	0.22 150	0.19 199	0.27 234	0.24 226	0.22 140	0.23 123

ccnet	1.19 288	0.71 328	1.36 259	0.81 316	0.75 317	1.72 322	1.13 327	1.98 264	1.31 243	1.52 291	1.84 316	1.75 320	1.36 311	2.01 239	2.04 336	0.57 359	0.54 372	0.57 363	0.56 364	0.60 347	0.60 344

PASM	1.48 321	1.08 360	3.96 364	0.93 352	0.93 350	1.17 265	1.19 336	1.77 213	1.65 327	1.90 337	1.52 262	1.75 320	1.42 318	4.54 327	1.52 305	0.64 364	0.68 384	0.69 370	0.79 377	0.70 359	0.74 359

hitnet-ft	0.84 207	0.38 221	0.75 77	0.59 163	0.44 198	0.99 228	0.47 148	1.61 182	1.38 266	1.21 176	1.22 166	1.82 323	0.99 234	1.87 218	1.09 253	0.33 284	0.29 300	0.34 295	0.27 259	0.36 272	0.33 253

LSM	6.55 403	1.26 372	15.64 405	1.79 384	68.74 433	1.67 321	2.08 385	2.26 320	2.59 369	3.13 385	3.08 371	1.90 324	1.81 350	2.89 293	2.16 340	0.43 326	0.59 379	0.50 347	0.58 366	0.64 352	17.24 424

RP	1.17 284	0.54 284	1.48 269	0.93 352	1.05 361	1.14 252	0.85 289	1.99 268	1.70 330	1.72 322	2.07 338	1.91 325	1.93 356	2.00 238	1.37 288	0.55 357	0.37 337	0.48 344	0.37 327	0.46 317	0.46 310

HSM	1.22 293	0.34 162	0.81 99	0.61 183	0.39 162	1.22 271	0.63 233	2.45 344	1.25 212	1.32 224	1.26 178	1.91 325	1.08 265	9.21 397	0.75 188	0.23 170	0.17 161	0.20 70	0.16 54	0.22 140	0.24 142

NCCL2	1.06 266	0.64 311	1.35 257	0.78 311	0.58 264	1.32 280	1.69 363	1.89 246	1.38 266	1.52 291	1.20 159	1.91 325	1.17 281	1.79 210	1.50 301	0.35 299	0.31 309	0.45 337	0.44 342	0.41 295	0.45 305

MFN_U_SF_DS_RVC	1.80 344	1.11 364	4.33 368	0.84 328	0.77 323	3.70 387	2.41 398	2.04 277	1.85 345	1.75 324	1.90 325	1.92 328	1.25 296	7.33 380	1.45 295	0.47 342	0.47 362	0.53 353	0.77 376	0.50 326	0.55 331

NCC-stereo	1.20 290	0.60 297	1.84 299	0.88 336	0.95 354	1.32 280	0.94 305	2.14 296	1.36 259	1.43 269	1.79 308	1.93 329	2.13 368	2.54 278	1.41 291	0.49 346	0.38 340	0.45 337	0.59 368	0.43 301	0.45 305

Abc-Net	1.20 290	0.60 297	1.84 299	0.88 336	0.95 354	1.32 280	0.94 305	2.14 296	1.36 259	1.43 269	1.79 308	1.93 329	2.13 368	2.54 278	1.41 291	0.49 346	0.38 340	0.45 337	0.59 368	0.43 301	0.45 305
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
CSAN	1.61 331	0.67 321	3.24 354	0.74 293	0.52 238	1.77 331	1.74 368	1.98 264	1.94 350	2.47 366	2.33 352	1.93 329	2.04 361	6.45 368	1.95 335	0.43 326	0.36 333	0.41 331	0.42 337	0.43 301	0.44 303

LALA_ROB	1.06 266	0.66 318	1.37 262	0.70 272	0.53 243	1.61 315	1.25 343	1.81 225	1.48 306	1.82 332	1.40 229	1.93 329	1.03 250	1.68 192	1.69 321	0.38 309	0.28 292	0.43 333	0.37 327	0.43 301	0.38 280

RYNet	1.24 300	0.52 279	1.57 284	0.73 287	0.97 357	1.74 327	0.95 308	2.09 287	1.54 314	1.44 272	1.18 155	1.94 333	1.29 301	4.57 328	1.93 333	0.27 242	0.23 254	0.35 301	0.27 259	0.57 341	0.59 341

RainbowNet	2.06 358	1.86 389	1.97 311	2.86 397	2.25 393	2.03 350	1.79 371	2.77 371	1.92 348	1.54 297	1.84 316	1.95 334	1.73 345	2.23 259	1.38 289	3.40 402	0.86 391	2.39 396	1.00 388	2.94 394	2.42 396

ac_64	0.86 214	0.32 118	1.02 183	0.74 293	0.60 274	1.04 234	0.53 180	2.20 315	0.99 110	1.23 182	1.11 127	1.96 335	1.06 262	2.01 239	1.01 246	0.30 270	0.22 232	0.24 168	0.23 214	0.22 140	0.22 109

FBW_ROB	1.78 342	0.66 318	1.90 304	0.72 280	0.66 295	1.79 335	1.07 321	2.79 374	1.77 336	1.84 333	1.79 308	1.98 336	1.37 312	12.42 415	2.22 341	0.36 306	0.38 340	0.57 363	0.39 330	0.46 317	0.51 320

UDG	1.47 319	2.69 406	1.13 208	1.45 381	1.65 385	1.34 286	0.79 273	1.75 211	1.27 222	1.29 213	1.74 302	1.99 337	1.39 315	1.66 189	1.51 303	0.91 374	0.55 374	2.30 391	0.76 375	1.99 384	1.20 381

AF-Net	1.23 297	0.56 290	2.31 330	0.88 336	0.93 350	1.41 296	0.73 257	2.27 324	1.71 332	1.76 328	2.42 356	2.00 338	1.70 341	1.98 234	1.62 313	0.50 350	0.29 300	0.49 346	0.33 312	0.40 291	0.34 260

XQC	1.51 323	0.98 356	3.20 351	0.92 347	0.76 322	2.01 349	1.17 334	2.53 358	1.99 353	2.01 348	1.54 264	2.00 338	1.54 328	3.16 299	3.46 362	0.49 346	0.31 309	0.45 337	0.40 332	0.71 361	0.62 346

SHD	1.42 314	0.81 341	2.79 344	0.98 359	0.92 347	1.97 345	0.68 242	2.43 342	2.55 368	2.54 367	1.72 300	2.01 340	1.62 332	2.14 253	2.70 352	0.40 318	0.33 322	0.39 321	0.40 332	0.48 322	0.54 325

LL-Strereo	1.42 314	0.44 251	2.02 312	0.62 191	1.07 362	0.73 143	0.65 236	2.02 271	1.21 196	1.60 309	1.62 283	2.02 341	2.10 364	9.67 401	1.07 252	0.22 150	0.20 209	0.27 234	0.24 226	0.23 158	0.33 253

FAT-Stereo	1.10 274	0.43 246	1.46 267	0.74 293	0.60 274	1.13 249	0.92 300	2.06 282	1.71 332	1.75 324	2.00 333	2.02 341	1.47 324	2.02 241	1.26 275	0.44 334	0.36 333	0.34 295	0.29 283	0.36 272	0.57 336

DANet	1.16 282	0.64 311	1.52 277	0.88 336	0.74 314	1.52 305	0.52 174	1.68 191	1.21 196	1.81 330	1.55 267	2.02 341	1.11 272	3.30 306	2.28 343	0.34 291	0.31 309	0.40 327	0.30 294	0.46 317	0.54 325
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
RGC	1.22 293	0.82 342	1.71 290	0.95 357	0.98 359	1.53 307	0.80 276	2.18 310	1.35 252	1.69 320	1.94 329	2.03 344	1.66 338	2.36 269	1.50 301	0.46 338	0.36 333	0.59 366	0.48 351	0.49 325	0.49 312

Nwc_Net	1.19 288	0.53 281	2.34 331	0.92 347	0.81 335	1.49 302	0.70 252	2.28 326	1.32 245	1.41 261	2.27 348	2.03 344	1.76 347	2.05 246	1.46 297	0.43 326	0.30 304	0.43 333	0.46 347	0.39 287	0.40 287

ADCL	1.82 346	0.70 326	4.57 370	0.70 272	0.63 285	2.56 366	1.77 370	2.08 285	1.77 336	1.95 345	1.89 323	2.04 346	1.88 354	2.36 269	9.55 394	0.27 242	0.25 275	0.35 301	0.32 303	0.39 287	0.39 283

AnyNet_C32	2.14 363	1.45 378	7.38 382	0.95 357	1.12 364	2.23 356	2.34 394	2.10 289	1.54 314	2.44 362	1.79 308	2.04 346	1.66 338	2.69 285	10.48 397	0.38 309	0.35 329	0.35 301	0.42 337	0.50 326	0.60 344

RASNet	1.16 282	0.34 162	1.11 204	0.73 287	0.86 343	1.00 229	0.60 224	1.56 168	1.43 289	1.07 111	1.37 218	2.08 348	1.44 321	7.00 377	1.56 307	0.20 99	0.17 161	0.17 13	0.19 103	0.19 59	0.19 51

psmorigin	1.69 339	0.74 336	13.13 400	0.70 272	0.60 274	1.16 258	0.79 273	1.69 200	1.25 212	2.07 351	1.77 306	2.23 349	1.51 327	2.14 253	1.45 295	0.39 316	0.41 348	0.34 295	0.33 312	0.45 313	0.63 348

EDNetEfficient	2.40 372	1.14 365	8.59 388	0.77 308	0.73 310	1.06 240	1.53 357	1.54 164	4.06 393	4.87 401	2.81 364	2.23 349	3.53 390	3.04 296	9.65 395	0.27 242	0.24 262	0.27 234	0.31 298	0.70 359	0.67 351

DispFullNet	2.39 371	2.89 409	3.74 361	3.09 402	2.27 395	2.04 351	0.84 284	2.19 312	1.73 334	2.54 367	1.98 332	2.23 349	5.83 401	3.44 309	1.84 331	1.03 378	0.33 322	2.65 402	1.97 406	2.87 393	2.34 395

Wz-Net-SNSev	1.68 337	1.45 378	8.71 389	0.71 275	0.67 299	1.35 287	1.51 354	2.15 300	1.47 302	1.51 289	1.68 294	2.27 352	1.38 313	4.23 320	2.36 347	0.32 281	0.29 300	0.31 267	0.33 312	0.43 301	0.39 283

DPSNet	1.91 354	0.64 311	5.95 375	0.73 287	0.59 270	2.04 351	1.61 362	3.84 388	1.96 352	1.54 297	1.39 224	2.27 352	3.32 387	4.95 335	4.79 372	0.50 350	0.31 309	0.29 254	0.26 245	0.67 356	0.54 325

G-Net	1.71 340	0.67 321	2.09 317	1.14 371	0.75 317	2.96 379	0.89 294	1.58 173	1.30 236	2.76 372	8.12 406	2.29 354	2.51 377	1.94 228	2.23 342	0.49 346	0.45 357	0.45 337	0.31 298	0.62 351	0.59 341

WZ-Net	2.14 363	1.08 360	11.68 399	0.89 344	0.78 327	1.76 329	1.59 361	2.39 336	2.03 355	2.11 352	1.95 331	2.30 355	2.28 371	5.94 356	3.86 367	0.35 299	0.27 288	0.29 254	0.32 303	0.52 329	0.50 315

stereogan	1.22 293	0.45 252	2.03 314	0.87 334	0.85 342	2.52 365	0.72 254	1.98 264	1.78 339	1.92 339	1.94 329	2.31 356	1.42 318	2.10 250	1.14 258	0.38 309	0.36 333	0.39 321	0.32 303	0.52 329	0.49 312

CBFPSM	0.95 242	0.37 204	2.10 318	0.51 58	0.39 162	1.73 325	0.87 292	1.59 178	1.13 161	1.11 116	1.00 87	2.34 357	1.64 337	1.42 149	1.44 294	0.19 65	0.18 185	0.20 70	0.20 129	0.22 140	0.36 271

ADCMid	2.11 361	0.90 347	8.39 387	0.75 300	0.69 303	1.98 346	1.14 330	2.18 310	1.67 329	2.85 374	1.85 319	2.35 358	2.02 360	2.35 268	10.58 398	0.34 291	0.32 319	0.39 321	0.44 342	0.51 328	0.53 324

ADCS	2.35 368	1.26 372	6.54 378	0.85 330	0.77 323	2.18 355	1.79 371	2.47 349	2.20 361	2.80 373	2.14 343	2.38 359	2.09 363	2.81 290	13.83 407	0.43 326	0.41 348	0.40 327	0.45 345	0.59 344	0.67 351

DISCO	1.06 266	0.37 204	1.19 232	0.73 287	0.46 208	2.04 351	0.84 284	2.26 320	1.54 314	1.25 189	1.36 217	2.38 359	1.08 265	2.60 281	1.62 313	0.24 188	0.19 199	0.22 120	0.20 129	0.32 257	0.29 217

PVD	1.82 346	0.91 351	3.02 348	1.03 362	0.94 353	2.61 368	1.14 330	2.78 373	3.40 387	3.08 384	2.75 363	2.39 361	2.49 376	2.81 290	3.66 364	0.48 344	0.49 368	0.59 366	0.49 354	0.60 347	0.81 366

MFN_U_SF_RVC	1.62 333	0.96 355	4.36 369	0.92 347	0.69 303	2.62 369	1.10 323	2.50 354	1.74 335	1.99 347	1.86 321	2.45 362	1.78 349	3.08 297	2.84 354	0.54 354	0.50 369	0.56 361	0.60 370	0.60 347	0.67 351

ADCPNet	1.97 356	0.78 337	9.38 391	0.74 293	0.61 279	2.73 371	1.36 349	2.11 290	1.66 328	1.92 339	1.70 297	2.45 362	2.07 362	2.50 275	6.84 384	0.38 309	0.38 340	0.38 317	0.43 340	0.47 321	0.50 315

edge stereo	1.15 281	0.54 284	1.50 271	0.73 287	0.66 295	1.18 267	0.84 284	2.13 295	1.41 280	1.73 323	1.84 316	2.53 364	1.46 322	2.46 273	1.35 285	0.43 326	0.41 348	0.54 354	0.36 323	0.43 301	0.50 315

Wz-Net-TNSev	2.10 360	2.71 408	9.30 390	0.72 280	0.65 292	2.41 364	1.81 375	2.45 344	1.77 336	1.62 312	1.56 272	2.56 365	2.01 358	5.30 339	4.46 370	0.41 321	0.38 340	0.33 287	0.37 327	0.54 336	0.64 349

RTS	2.76 376	1.55 384	15.40 402	1.13 368	1.42 380	3.75 390	2.21 388	2.45 344	2.72 377	2.91 377	2.85 366	2.58 366	1.62 332	6.28 363	5.80 379	0.41 321	0.30 304	0.35 301	0.35 321	0.52 329	0.54 325

RTSA	2.76 376	1.55 384	15.40 402	1.13 368	1.42 380	3.75 390	2.21 388	2.45 344	2.72 377	2.91 377	2.85 366	2.58 366	1.62 332	6.28 363	5.80 379	0.41 321	0.30 304	0.35 301	0.35 321	0.52 329	0.54 325

ACVNet-4b	3.05 387	1.42 377	18.09 411	2.85 396	2.33 397	2.32 363	1.22 339	2.47 349	2.21 362	1.26 199	2.36 353	2.64 368	1.46 322	6.32 365	1.23 271	3.29 399	0.45 357	2.37 393	1.02 390	3.03 398	2.61 399

MSC_U_SF_DS_RVC	2.22 366	1.29 375	4.14 366	1.10 367	0.78 327	5.00 401	2.38 397	2.47 349	2.67 376	1.94 343	2.28 349	2.66 369	1.70 341	9.10 394	2.29 345	0.68 369	0.52 370	0.68 369	0.71 374	1.17 379	0.81 366

AnyNet_C01	2.38 370	2.21 398	10.17 393	0.99 360	0.79 329	3.12 380	2.37 395	2.69 368	1.89 347	2.58 369	2.44 357	2.70 370	1.86 353	3.65 311	7.12 385	0.41 321	0.41 348	0.40 327	0.42 337	0.68 357	0.79 364

MADNet+	2.80 379	3.38 411	11.57 398	1.50 383	1.21 377	3.18 382	2.00 378	3.52 386	2.61 370	1.81 330	2.09 339	2.83 371	2.18 370	7.55 383	5.44 378	0.84 371	0.83 386	0.71 371	0.66 373	1.05 376	1.08 376

SPS-STEREO	1.78 342	1.09 362	1.52 277	1.22 374	1.14 369	1.87 340	1.11 324	2.27 324	1.70 330	3.17 386	2.39 354	2.84 372	1.93 356	4.41 324	2.93 355	1.04 380	0.99 399	0.97 377	0.94 382	1.03 375	1.05 374
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SAMSARA	1.80 344	0.90 347	3.37 356	1.28 376	1.13 367	3.71 388	2.33 393	2.53 358	1.93 349	3.17 386	1.73 301	2.99 373	1.68 340	3.53 310	2.46 349	0.47 342	0.54 372	0.43 333	0.47 349	0.59 344	0.64 349

IMH-64-1	2.82 380	1.87 390	1.77 293	3.31 404	2.69 401	3.22 383	2.07 383	4.25 393	2.77 379	2.46 364	3.78 379	3.05 374	2.34 373	4.67 331	3.00 357	3.84 406	0.84 389	2.75 403	1.39 395	3.34 402	2.93 404

IMH-64	2.82 380	1.87 390	1.77 293	3.31 404	2.69 401	3.22 383	2.07 383	4.25 393	2.77 379	2.46 364	3.78 379	3.05 374	2.34 373	4.67 331	3.00 357	3.84 406	0.84 389	2.75 403	1.39 395	3.34 402	2.93 404

EDNetEfficientorigin	10.59 411	1.52 382	177.33 438	0.68 253	0.54 250	1.66 320	1.20 338	1.94 256	3.39 386	4.69 399	3.37 373	3.08 376	2.79 381	3.25 303	3.63 363	0.26 225	0.24 262	0.33 287	0.28 268	0.85 367	0.87 369

PWCK	3.24 389	2.37 399	10.86 395	2.14 388	1.14 369	3.71 388	4.19 406	3.02 379	3.55 389	3.05 383	3.63 377	3.09 377	2.35 375	8.16 389	3.41 361	2.17 390	0.96 397	1.77 386	1.01 389	2.84 392	1.40 385

NVStereoNet_ROB	2.17 365	1.18 367	3.51 358	1.14 371	1.26 378	1.57 311	1.51 354	2.19 312	2.11 359	2.04 349	4.80 388	3.17 378	2.11 366	7.97 387	2.10 337	1.12 383	0.94 396	1.10 382	1.34 394	0.95 371	1.31 382
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_1	3.08 388	1.48 381	17.70 407	2.90 399	2.35 398	2.30 360	1.43 352	3.16 380	2.26 364	1.91 338	2.05 337	3.51 379	2.32 372	3.71 314	1.58 309	3.25 398	0.66 381	2.40 397	1.06 391	3.07 399	2.59 398

SANet	2.26 367	0.70 326	6.94 380	0.69 263	0.46 208	2.76 372	1.76 369	2.61 362	5.84 403	2.45 363	3.52 376	3.71 380	3.38 389	5.90 353	2.14 339	0.34 291	0.31 309	0.32 279	0.29 283	0.54 336	0.43 300

ELAS	2.67 375	0.80 338	2.13 321	1.13 368	1.15 371	6.25 405	2.56 399	3.50 385	3.68 390	5.36 404	4.92 391	3.79 381	5.56 400	3.65 311	5.22 376	0.66 366	0.57 376	0.56 361	0.54 362	0.65 354	0.75 361
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
coex-ft	8.35 408	2.39 400	100.24 437	0.68 253	0.54 250	1.77 331	1.57 360	1.71 204	11.00 407	18.91 422	3.76 378	3.85 382	8.23 408	3.29 305	6.58 382	0.31 274	0.31 309	0.32 279	0.31 298	0.69 358	0.57 336

SGM_RVC	1.88 349	0.40 231	0.90 148	0.63 201	0.30 63	2.81 373	1.26 344	2.73 369	1.81 343	4.09 390	2.85 366	3.88 383	3.19 384	8.42 391	2.44 348	0.33 284	0.31 309	0.30 263	0.28 268	0.31 249	0.31 239
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
FADE	26.94 423	6.16 413	20.86 413	1.90 387	1.95 388	2.92 377	2.01 381	5.55 403	5.12 400	2.92 379	2.17 344	4.13 384	14.15 413	10.56 411	10.39 396	193.84 438	2.80 412	122.45 435	126.70 435	1.14 378	1.11 378

WAO-7	2.78 378	1.54 383	2.18 324	1.41 380	1.19 374	3.92 393	2.01 381	4.19 392	3.89 392	2.98 380	5.47 393	4.18 385	3.28 386	8.24 390	4.27 368	1.13 384	1.01 400	1.18 383	1.13 393	1.19 380	1.13 380

JetBlue	4.18 393	2.45 403	10.42 394	1.40 377	2.89 405	10.68 411	10.68 409	3.91 389	2.52 366	2.74 371	3.39 374	4.50 386	4.27 396	7.97 387	7.67 388	0.89 373	0.97 398	0.89 375	0.92 381	2.26 386	2.21 393

ACVNet_2	2.86 383	1.47 380	8.28 385	2.68 395	2.26 394	2.70 370	1.84 376	3.41 382	3.04 381	2.27 357	3.42 375	4.58 387	2.10 364	5.91 354	1.62 313	2.58 393	0.67 382	2.22 390	0.85 380	2.79 391	2.47 397

IMH	3.35 390	1.95 392	1.86 302	3.30 403	2.72 403	4.03 396	2.00 378	4.58 397	3.83 391	2.87 375	6.99 399	4.69 388	3.21 385	6.77 374	2.97 356	3.91 409	0.89 393	2.78 405	1.40 399	3.36 404	2.93 404

ELAS_RVC	2.87 384	0.80 338	3.22 353	1.16 373	1.12 364	2.92 377	5.33 407	2.98 378	4.18 394	5.04 402	4.82 389	4.71 389	8.23 408	4.25 322	4.79 372	0.67 367	0.57 376	0.57 363	0.53 361	0.66 355	0.74 359
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
WAO-6	2.98 386	1.67 387	1.88 303	2.38 393	2.30 396	3.53 386	2.37 395	4.38 395	4.64 398	2.42 360	4.50 383	4.85 390	2.99 382	5.22 338	5.37 377	1.77 386	1.16 406	2.31 392	1.47 400	2.42 387	1.99 391

KSHMR	8.76 410	2.14 397	3.59 359	3.60 409	3.13 407	4.15 397	2.67 400	5.61 405	58.90 437	3.04 382	55.71 437	4.94 391	2.54 378	4.61 330	3.05 359	3.49 403	1.57 410	3.14 408	1.98 407	3.84 406	3.49 408

MADNet++	5.41 399	3.18 410	6.43 377	4.66 416	3.95 414	6.15 404	6.75 408	4.51 396	4.51 397	5.06 403	6.27 395	4.96 392	6.14 402	9.39 399	11.70 399	4.71 412	4.19 416	3.97 414	3.33 412	4.08 408	4.25 414

tt	6.61 404	0.28 43	6.10 376	3.77 410	2.17 390	11.53 412	19.61 416	13.53 418	5.81 402	3.00 381	2.82 365	4.97 393	6.33 403	3.83 317	7.23 386	9.13 418	11.32 423	5.87 417	6.22 416	6.01 415	2.63 401

Dean	3.77 392	1.65 386	17.87 408	3.01 401	2.54 400	3.15 381	2.10 386	4.80 398	4.42 395	2.89 376	6.03 394	5.45 394	2.55 379	3.40 308	2.13 338	3.22 397	0.89 393	2.51 400	1.07 392	3.07 399	2.65 402

WCMA_ROB	2.05 357	0.55 287	1.77 293	0.74 293	0.61 279	2.24 357	1.56 359	2.17 309	1.79 341	4.16 394	6.36 396	5.66 395	4.66 398	3.19 300	2.77 353	0.55 357	0.45 357	0.40 327	0.43 340	0.48 322	0.50 315

LVE	3.40 391	1.80 388	2.21 326	2.90 399	2.44 399	3.27 385	2.25 390	4.80 398	5.06 399	2.43 361	6.79 397	5.99 396	2.64 380	9.20 396	2.28 343	3.30 400	1.11 405	2.38 394	1.48 401	2.95 396	2.62 400

JetRed	7.02 405	8.94 417	25.72 420	2.89 398	3.27 409	14.25 415	12.27 412	6.69 409	4.45 396	4.46 397	4.56 384	6.65 397	5.43 399	7.46 382	14.41 409	2.60 394	3.31 413	2.61 401	2.30 411	4.34 410	3.79 411

WAO-8	4.57 396	2.01 393	2.58 338	2.37 391	2.21 391	9.75 407	1.71 365	6.04 407	16.34 412	4.11 391	7.69 404	7.41 398	3.85 392	10.02 409	3.85 365	2.05 388	1.09 403	2.44 398	1.39 395	2.56 389	1.86 389

Venus	4.57 396	2.01 393	2.58 338	2.37 391	2.21 391	9.75 407	1.71 365	6.04 407	16.34 412	4.11 391	7.69 404	7.41 398	3.85 392	10.02 409	3.85 365	2.05 388	1.09 403	2.44 398	1.39 395	2.56 389	1.86 389

MeshStereo	2.36 369	0.60 297	1.05 189	0.63 201	0.51 235	2.58 367	0.99 313	3.46 384	2.21 362	7.38 410	5.06 392	7.50 400	3.10 383	7.02 378	2.54 350	0.44 334	0.44 355	0.45 337	0.40 332	0.43 301	0.45 305
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
ktn	4.56 395	2.41 401	2.54 336	3.79 411	3.25 408	4.81 400	2.91 403	5.52 402	7.36 404	4.12 393	14.55 414	7.54 401	3.70 391	7.84 386	3.35 360	4.06 410	1.86 411	3.26 411	2.22 410	3.27 401	2.86 403

notaker	4.29 394	2.42 402	5.06 372	3.89 412	3.29 410	4.00 394	2.25 390	4.93 400	3.47 388	4.21 396	6.79 397	7.67 402	3.37 388	9.25 398	6.47 381	4.09 411	1.42 408	3.35 412	2.13 409	4.11 409	3.54 409

FCDSN-DC	2.47 373	0.65 317	1.00 180	0.85 330	0.75 317	2.26 359	0.97 310	2.31 327	1.83 344	5.52 406	7.65 403	7.72 403	7.70 407	4.43 325	2.64 351	0.52 352	0.48 364	0.52 349	0.52 359	0.57 341	0.59 341
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MSMD_ROB	2.08 359	0.61 302	1.15 213	0.71 275	0.62 283	4.00 394	0.93 303	1.94 256	1.79 341	4.71 400	4.60 386	8.14 404	3.87 394	3.75 315	1.65 319	0.54 354	0.48 364	0.55 359	0.58 366	0.53 334	0.52 322

SGM+DAISY	5.38 398	1.28 374	8.24 384	1.27 375	1.16 373	10.62 410	16.01 415	2.93 377	2.53 367	8.64 413	13.03 412	8.26 405	13.38 411	6.34 366	7.59 387	1.07 381	1.05 402	1.00 379	0.98 385	1.02 374	1.12 379

LE_ROB	8.35 408	0.47 260	27.42 424	0.83 324	0.34 122	2.84 375	3.36 405	4.03 391	27.04 424	25.20 424	8.72 407	8.55 406	27.35 424	7.37 381	22.13 416	0.22 150	0.20 209	0.20 70	0.21 165	0.25 197	0.25 161

UNDER WATER	5.68 401	2.46 404	15.52 404	3.98 414	3.53 411	5.15 402	2.74 401	5.58 404	16.41 415	4.00 389	4.56 384	9.12 407	6.43 404	6.22 361	9.11 392	3.85 408	1.35 407	3.18 410	1.98 407	4.51 412	3.84 413

UNDER WATER-64	5.84 402	2.48 405	17.93 409	3.97 413	3.58 412	7.70 406	3.03 404	5.72 406	14.13 409	4.18 395	4.00 381	9.27 408	6.80 405	6.20 360	9.22 393	3.67 404	1.52 409	3.14 408	1.95 405	4.43 411	3.83 412

FC-DCNN	2.88 385	0.61 302	1.15 213	0.75 300	0.57 262	2.85 376	1.05 319	3.44 383	2.64 375	6.93 407	7.63 402	9.86 409	7.02 406	5.76 351	4.31 369	0.54 354	0.48 364	0.51 348	0.50 356	0.53 334	0.52 322

DPSMNet_ROB	13.08 415	8.28 416	22.32 416	9.54 420	18.15 418	11.53 412	31.98 423	10.83 416	16.27 411	7.17 409	19.40 421	10.12 410	16.69 416	9.87 405	22.50 418	4.78 414	8.72 418	5.38 416	10.25 420	6.16 417	11.59 419

DGTPSM_ROB	13.06 414	8.27 415	22.29 415	9.53 419	18.14 417	11.53 412	31.97 422	10.82 415	16.25 410	7.14 408	19.39 420	10.12 410	16.69 416	9.85 404	22.49 417	4.77 413	8.72 418	5.37 415	10.24 419	6.15 416	11.56 418

TorneroNet	10.72 412	2.09 395	2.76 343	3.48 406	3.03 406	44.72 429	2.31 392	8.62 412	67.06 438	7.45 411	23.21 422	10.59 412	4.28 397	9.03 393	9.00 391	3.67 404	0.91 395	3.04 407	1.63 403	3.92 407	3.55 410

TorneroNet-64	5.41 399	2.10 396	2.43 333	3.49 407	2.83 404	9.90 409	2.13 387	8.87 413	16.79 417	5.39 405	9.18 408	10.68 413	3.92 395	9.55 400	5.11 375	3.36 401	0.86 391	2.88 406	1.62 402	3.76 405	3.37 407

ASD4	17.95 416	11.38 419	20.07 412	11.32 421	12.21 416	21.39 418	31.23 421	22.73 420	12.78 408	12.19 415	12.67 411	13.79 414	14.32 414	20.13 419	25.17 421	18.93 423	15.37 424	28.00 429	22.52 429	17.63 422	15.21 423

MANE	7.50 406	0.64 311	7.97 383	1.40 377	2.10 389	16.86 417	12.56 413	12.91 417	17.51 420	8.50 412	11.60 410	14.66 415	13.33 410	12.02 414	13.28 401	0.62 362	0.52 370	0.52 349	1.90 404	0.56 339	0.58 339

pmcnn	2.84 382	0.46 255	5.19 374	0.68 253	0.42 188	1.55 308	1.16 333	2.32 328	1.60 324	2.72 370	7.49 401	17.96 416	1.48 325	6.04 358	6.64 383	0.18 40	0.15 112	0.15 3	0.12 9	0.20 86	0.20 70

Anonymous_1	42.79 433	18.71 420	24.75 417	21.81 422	45.16 432	27.68 420	37.52 424	28.64 424	16.34 412	14.72 418	14.53 413	20.60 417	17.82 418	21.52 420	25.88 422	113.45 437	8.91 420	100.63 434	126.37 434	158.50 438	12.31 420

DPSM_ROB	19.12 417	19.13 421	25.13 418	22.15 423	20.86 421	28.06 421	37.75 425	27.18 422	16.95 418	14.25 416	15.07 415	21.66 418	18.69 419	21.83 421	26.51 423	10.15 420	9.30 421	10.45 420	10.41 421	14.00 420	12.85 421

DPSM	19.12 417	19.13 421	25.13 418	22.15 423	20.86 421	28.06 421	37.75 425	27.18 422	16.95 418	14.25 416	15.07 415	21.66 418	18.69 419	21.83 421	26.51 423	10.15 420	9.30 421	10.45 420	10.41 421	14.00 420	12.85 421

xxxxx1	54.34 436	26.72 424	27.03 421	114.14 435	99.00 435	30.68 425	47.19 427	32.52 426	26.09 421	17.85 419	17.48 417	21.86 420	20.92 421	24.38 424	33.78 425	34.73 431	41.33 433	157.67 436	175.68 436	65.82 434	71.99 436

tt_ll	54.34 436	26.72 424	27.03 421	114.14 435	99.00 435	30.68 425	47.19 427	32.52 426	26.09 421	17.85 419	17.48 417	21.86 420	20.92 421	24.38 424	33.78 425	34.73 431	41.33 433	157.67 436	175.68 436	65.82 434	71.99 436

ff	54.34 436	26.72 424	27.03 421	114.14 435	99.00 435	30.68 425	47.19 427	32.52 426	26.09 421	17.85 419	17.48 417	21.86 420	20.92 421	24.38 424	33.78 425	34.73 431	41.33 433	157.67 436	175.68 436	65.82 434	71.99 436

HanzoNet	11.92 413	5.12 412	17.18 406	4.19 415	3.59 413	5.16 403	2.82 402	7.41 410	9.96 406	33.31 433	27.60 424	22.25 423	37.31 428	18.18 418	13.57 402	8.13 417	3.44 415	3.50 413	3.44 413	7.77 419	4.52 415

SGM-ForestM	7.81 407	0.48 263	11.02 396	0.74 293	0.40 171	16.83 416	12.72 414	7.91 411	8.13 405	11.53 414	10.25 409	22.44 424	14.01 412	17.02 417	20.52 415	0.38 309	0.39 345	0.37 313	0.36 323	0.37 277	0.38 280

LRCNet_RVC	22.79 419	32.09 427	22.06 414	29.83 425	26.15 423	4.40 399	0.84 284	22.64 419	2.10 358	26.93 425	29.25 425	23.03 425	15.56 415	23.91 423	18.92 414	32.00 430	20.04 432	34.68 430	32.13 430	30.66 430	28.52 430

DPSimNet_ROB	24.77 421	9.69 418	61.46 435	3.56 408	19.46 419	25.95 419	77.56 436	5.09 401	16.60 416	21.50 423	29.82 426	25.12 426	85.69 438	13.37 416	23.07 420	7.23 416	17.79 425	8.55 418	7.57 417	4.57 414	31.84 431

HaxPig	39.02 430	41.39 435	41.59 425	30.10 426	32.36 424	29.49 423	27.65 419	30.56 425	37.94 434	43.75 434	43.81 433	33.42 427	35.69 425	41.51 428	40.33 430	43.91 434	47.48 437	45.87 431	47.14 432	42.29 431	44.06 434

MEDIAN_ROB	42.01 432	44.30 437	44.14 428	35.08 427	34.90 425	31.33 428	29.90 420	36.77 430	40.11 436	47.14 436	46.55 435	37.49 428	38.50 435	44.30 436	42.32 431	47.93 436	49.31 438	49.68 433	49.00 433	44.98 433	46.46 435

AVERAGE_ROB	40.42 431	42.30 436	42.61 426	36.91 428	35.54 426	30.42 424	27.59 418	37.45 431	38.45 435	44.87 435	44.27 434	37.55 429	36.69 426	41.82 429	40.25 429	45.36 435	46.73 436	47.09 432	46.32 431	42.47 432	43.74 433

MyStereo03	38.45 426	38.46 431	50.33 430	44.93 431	42.03 429	56.44 432	76.24 432	54.16 432	34.06 430	28.68 428	30.42 429	43.46 430	37.33 429	43.76 431	53.43 434	20.29 425	18.73 429	21.02 423	21.05 425	28.19 424	25.91 427

MyStereo02	38.45 426	38.46 431	50.33 430	44.93 431	42.03 429	56.44 432	76.24 432	54.16 432	34.06 430	28.68 428	30.42 429	43.46 430	37.33 429	43.76 431	53.43 434	20.29 425	18.73 429	21.02 423	21.05 425	28.19 424	25.91 427

MyStereo	38.45 426	38.46 431	50.33 430	44.93 431	42.03 429	56.44 432	76.24 432	54.16 432	34.06 430	28.68 428	30.42 429	43.46 430	37.33 429	43.76 431	53.43 434	20.29 425	18.73 429	21.02 423	21.05 425	28.19 424	25.91 427

Selective-RAFT-Error	38.47 429	38.44 430	50.38 433	44.74 429	42.01 428	56.47 435	76.24 432	54.44 435	34.02 429	28.59 427	30.30 427	43.51 433	38.10 434	43.69 430	53.24 432	20.36 428	18.72 428	21.05 427	21.02 423	28.25 428	25.87 426

CasAABBNet	38.42 425	38.42 429	50.26 429	44.76 430	41.87 427	56.47 435	76.22 431	54.44 435	33.92 428	28.53 426	30.36 428	43.53 434	37.59 433	43.77 434	53.32 433	20.27 424	18.70 427	21.03 426	21.04 424	28.19 424	25.79 425

SPstereo	26.71 422	6.90 414	11.42 397	5.86 417	6.44 415	48.17 430	80.34 437	67.41 438	34.42 433	28.80 431	27.49 423	43.68 435	37.53 432	44.96 437	54.23 438	5.06 415	4.92 417	10.92 422	6.03 415	4.54 413	5.00 417

LSM0	42.92 434	38.72 434	50.66 434	47.49 434	110.18 438	56.77 437	75.87 430	54.87 437	33.74 427	29.48 432	31.12 432	43.77 436	37.12 427	43.85 435	53.44 437	20.50 429	18.67 426	21.05 427	21.07 428	28.37 429	41.73 432

BEATNet-Init1	27.39 424	21.01 423	73.65 436	1.07 364	0.80 331	56.07 431	22.82 417	33.14 429	31.71 426	51.78 437	52.93 436	65.63 437	48.54 436	48.75 438	36.36 428	0.52 352	0.47 362	0.54 354	0.54 362	0.64 352	0.72 357

PML	51.64 435	37.49 428	14.31 401	7.45 418	20.27 420	107.80 438	231.34 439	8.94 414	27.70 425	86.74 438	268.93 439	69.03 438	61.09 437	24.71 427	14.36 408	9.71 419	3.40 414	9.60 419	4.67 414	20.46 423	4.76 416

test_example2	192.91 439	210.59 439	206.44 439	199.86 439	204.90 439	172.02 439	182.95 438	138.34 439	134.89 439	193.14 439	200.54 438	186.77 439	177.82 439	204.95 439	207.57 439	221.83 439	238.70 439	186.02 439	190.07 439	226.94 439	173.78 439

Low-res two-view benchmark