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

AIO-Stereo	0.76 2	0.54 41	1.07 3	0.73 17	0.40 34	1.28 20	0.82 169	2.26 54	1.49 64	0.70 9	1.58 131	0.89 53	0.45 1	1.03 13	0.55 4	0.24 16	0.18 27	0.25 38	0.20 34	0.26 24	0.21 15

RAStereo	0.75 1	0.52 24	2.86 144	0.58 1	0.62 141	1.19 8	0.32 3	1.81 27	0.99 4	0.75 10	1.05 32	0.64 9	0.47 2	0.80 1	0.94 118	0.22 5	0.20 69	0.27 72	0.21 44	0.34 149	0.22 17

CES	1.01 47	0.55 46	1.74 51	0.92 103	2.15 422	2.15 67	0.50 26	2.01 36	1.45 39	0.76 19	1.02 21	0.61 6	0.47 2	1.29 60	0.79 62	0.22 5	0.17 10	0.24 24	0.14 2	0.63 334	2.29 432

CAS	1.26 100	0.40 2	1.46 29	2.97 436	1.61 377	4.13 300	0.73 110	1.78 25	1.49 64	0.83 36	1.10 39	0.59 5	0.53 4	1.26 54	0.80 63	2.99 440	0.13 1	0.21 4	0.13 1	0.31 92	1.72 421

MGS-Stereo	0.80 7	0.56 55	1.53 34	0.93 115	0.39 31	1.26 15	0.73 110	1.45 3	1.30 20	1.01 51	2.26 309	0.80 36	0.56 5	1.16 33	0.65 18	0.27 47	0.23 148	0.26 52	0.22 69	0.27 33	0.25 41

U	12.82 461	0.38 1	1.99 71	0.66 11	58.94 478	63.38 484	0.34 6	1.91 31	0.94 3	0.59 1	0.80 11	0.46 1	0.57 6	0.83 2	0.44 3	0.29 95	0.17 10	63.35 481	59.81 480	0.29 58	0.20 7

IGEV-BASED-STEREO-	1.09 57	3.30 423	2.61 128	0.82 45	0.38 29	1.27 16	0.62 68	1.51 6	1.29 18	0.91 41	0.92 16	0.65 11	0.57 6	1.08 18	0.59 7	1.55 429	0.15 2	0.32 167	0.28 178	1.10 403	1.98 428

CAS++	0.89 21	0.64 133	1.46 29	0.81 37	0.51 87	1.24 13	0.86 188	3.44 165	1.46 46	1.14 65	1.29 71	0.62 7	0.58 8	1.13 26	0.59 7	0.34 195	0.30 251	0.34 217	0.26 126	0.41 228	0.29 98
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
RSM++	0.77 4	0.51 18	1.08 4	0.95 123	0.42 42	1.52 33	0.71 102	2.11 43	1.40 29	0.80 27	1.23 56	0.90 55	0.59 9	1.14 28	0.69 31	0.24 16	0.19 44	0.25 38	0.21 44	0.28 48	0.20 7

XX-TBD	1.03 52	0.95 286	1.94 67	1.30 289	0.43 47	3.97 270	0.33 4	1.74 20	1.73 164	1.59 99	2.02 265	0.69 17	0.60 10	1.16 33	0.66 22	0.30 132	0.25 197	0.23 11	0.15 4	0.31 92	0.22 17

XX-Stereo	2.54 297	0.61 106	20.21 399	1.78 388	1.19 299	4.30 346	0.46 21	4.39 395	1.58 116	2.32 301	1.89 242	4.64 410	0.60 10	4.16 237	0.82 71	0.31 151	0.21 98	0.28 94	0.27 151	0.51 294	0.26 59

testlalala	1.14 66	0.62 115	1.34 21	1.00 155	0.78 189	4.38 352	0.93 235	2.46 68	2.20 249	2.44 325	1.52 115	1.31 106	0.61 12	1.04 16	0.65 18	0.35 213	0.19 44	0.24 24	0.19 25	0.24 7	0.23 24

4D-IteraStereo	1.97 199	0.84 259	20.43 413	0.78 34	1.56 369	2.09 65	1.05 269	2.43 65	1.56 108	1.41 84	1.00 20	1.94 199	0.61 12	1.22 49	1.06 137	0.27 47	0.18 27	0.31 149	0.26 126	0.27 33	0.23 24

RSM	0.80 7	0.50 15	1.08 4	0.83 54	0.51 87	1.31 22	0.77 143	2.28 56	1.43 37	0.82 31	1.44 99	1.22 96	0.62 14	1.17 38	0.63 13	0.22 5	0.18 27	0.24 24	0.19 25	0.27 33	0.20 7

Selective-IGEV	0.80 7	0.52 24	1.05 2	0.75 19	0.61 138	1.31 22	0.82 169	2.60 91	1.41 32	0.82 31	1.64 149	0.71 22	0.62 14	1.22 49	0.64 14	0.22 5	0.19 44	0.24 24	0.18 13	0.25 16	0.20 7

DLNR_Zeroshot_test	28.62 472	55.50 482	49.94 479	183.62 485	115.05 483	3.43 152	0.28 1	29.49 474	1.49 64	1.01 51	1.26 62	0.93 59	0.63 16	3.92 232	1.51 236	29.81 476	0.41 334	0.26 52	0.23 79	93.28 482	0.32 139

UniTT-Stereo	0.82 13	0.47 7	2.63 132	0.96 129	1.19 299	0.78 3	0.39 11	1.12 1	1.54 96	1.19 68	1.26 62	0.51 3	0.64 17	1.13 26	1.03 134	0.30 132	0.20 69	0.24 24	0.21 44	0.40 205	0.25 41

CASnet	0.78 5	0.51 18	1.29 17	0.81 37	0.29 1	1.28 20	0.74 120	1.51 6	1.89 191	1.64 111	1.09 38	0.65 11	0.64 17	0.91 4	0.76 54	0.29 95	0.17 10	0.41 293	0.31 236	0.32 115	0.19 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RAFT-Stereo-weight	1.11 59	0.48 9	1.22 12	0.99 147	0.42 42	4.17 319	0.80 159	3.60 185	1.50 69	1.97 181	1.50 113	1.30 105	0.65 19	1.24 51	0.85 79	0.25 27	0.19 44	0.26 52	0.22 69	0.27 33	0.23 24

Former-RAFT_DAM_RVC	0.92 24	0.73 202	1.42 26	0.92 103	1.08 277	2.97 105	0.53 34	1.77 24	1.39 27	1.16 66	1.54 122	0.58 4	0.65 19	1.03 13	0.84 76	0.25 27	0.23 148	0.30 128	0.24 101	0.43 256	0.29 98

CREStereo++_RVC	1.02 51	0.49 14	1.54 37	0.83 54	0.55 108	4.01 276	0.31 2	1.63 16	1.99 202	1.63 109	2.13 290	0.84 41	0.65 19	0.88 3	0.70 37	0.27 47	0.15 2	0.23 11	1.22 427	0.24 7	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
EGLCR-Stereo	1.06 53	0.51 18	1.56 39	1.02 169	0.39 31	4.27 342	0.42 15	4.08 300	1.48 56	0.90 40	0.68 2	1.09 73	0.66 22	1.81 130	0.62 11	0.27 47	0.19 44	0.29 109	0.23 79	0.37 186	0.25 41

rvit_stereo_0081_aga	0.81 12	0.75 222	1.84 59	0.72 16	0.73 177	1.21 9	0.63 70	1.92 32	1.39 27	0.87 39	0.80 11	0.79 34	0.69 23	1.27 57	0.69 31	0.35 213	0.29 238	0.26 52	0.25 110	0.40 205	0.27 71

MaDis-Stereo	0.82 13	0.66 151	1.53 34	0.65 8	1.87 409	1.24 13	0.36 8	2.13 44	1.27 16	0.67 7	0.75 6	0.88 51	0.70 24	1.15 32	1.07 140	0.29 95	0.23 148	0.26 52	0.20 34	0.31 92	0.22 17

test_xeample3	2.12 221	0.63 124	21.55 445	0.91 97	0.47 73	1.85 46	0.94 240	7.96 451	1.23 7	0.75 10	0.76 7	0.64 9	0.70 24	1.77 126	0.83 74	0.30 132	0.21 98	0.27 72	0.21 44	0.27 33	0.24 34

MSKI-zero shot	2.22 230	0.64 133	20.09 396	0.96 129	0.56 112	4.04 280	0.70 100	3.91 250	1.50 69	1.92 168	2.28 313	1.92 198	0.71 26	2.93 210	0.67 24	0.26 37	0.23 148	0.26 52	0.21 44	0.28 48	0.26 59

IGEVStereo-DCA	0.86 16	0.65 141	2.05 78	0.90 92	0.46 63	1.57 35	0.86 188	1.62 11	1.24 8	0.65 3	0.77 8	0.74 28	0.72 27	2.59 196	0.86 85	0.28 76	0.21 98	0.28 94	0.21 44	0.29 58	0.27 71

rrr	2.27 240	0.65 141	23.82 462	0.90 92	0.46 63	1.57 35	0.96 249	7.98 452	1.19 6	0.65 3	0.77 8	0.74 28	0.72 27	2.59 196	0.86 85	0.28 76	0.21 98	0.28 94	0.21 44	0.29 58	0.25 41

GLC_STEREO	0.76 2	0.52 24	1.12 7	0.83 54	0.33 5	1.86 47	0.82 169	1.46 4	1.38 26	0.95 47	1.04 28	0.68 14	0.72 27	0.97 7	0.80 63	0.23 12	0.25 197	0.32 167	0.25 110	0.32 115	0.30 124

Pointernet	0.88 20	0.44 3	2.26 103	0.84 61	0.37 20	2.29 73	0.38 9	3.06 130	1.46 46	0.66 5	1.39 90	0.91 56	0.73 30	1.01 12	0.72 45	0.23 12	0.19 44	0.20 1	0.18 13	0.19 1	0.20 7

test_for_model	2.16 225	3.87 427	1.58 40	4.16 451	3.64 447	2.51 81	0.96 249	3.63 188	2.62 329	2.45 326	1.39 90	1.02 67	0.73 30	0.92 5	0.57 5	2.97 439	2.19 442	0.26 52	0.17 10	5.32 456	2.24 431

LL-Strereo2	1.23 84	0.85 263	2.38 115	0.93 115	0.68 166	3.72 208	1.37 324	2.54 82	1.99 202	1.75 132	1.40 93	1.82 185	0.73 30	1.40 70	0.99 130	0.31 151	0.23 148	0.55 364	0.35 274	0.29 58	0.24 34

GMStereo	1.01 47	1.00 297	2.86 144	0.83 54	0.45 56	1.47 29	0.57 42	1.89 29	2.11 234	1.52 92	1.24 57	0.87 49	0.74 33	1.58 96	0.94 118	0.40 265	0.21 98	0.30 128	0.30 220	0.47 284	0.36 178
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
rvit_0105_6	1.00 45	0.93 279	2.21 97	0.92 103	0.55 108	1.52 33	0.79 151	2.41 61	2.96 374	0.76 19	0.72 3	1.02 67	0.75 34	1.42 74	0.81 68	0.40 265	0.43 341	0.34 217	0.31 236	0.43 256	0.34 162

rvit_stereo_0081	0.80 7	0.63 124	1.19 8	0.91 97	0.64 145	1.27 16	0.61 57	2.05 38	1.71 158	0.82 31	0.73 4	0.85 44	0.75 34	1.30 64	0.80 63	0.31 151	0.26 209	0.27 72	0.25 110	0.38 190	0.27 71

rvit_stereo_0082	0.80 7	0.63 124	1.19 8	0.91 97	0.64 145	1.27 16	0.61 57	2.05 38	1.71 158	0.82 31	0.73 4	0.85 44	0.75 34	1.30 64	0.80 63	0.31 151	0.26 209	0.27 72	0.25 110	0.38 190	0.27 71

CroCo-Stereo	0.98 37	0.87 266	3.44 165	0.87 78	0.53 104	0.49 1	0.50 26	3.99 273	1.49 64	0.81 29	1.25 61	1.00 65	0.75 34	1.10 20	1.09 145	0.24 16	0.21 98	0.24 24	0.19 25	0.35 166	0.27 71
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
ProNet	0.82 13	0.71 189	1.50 33	0.86 74	0.45 56	1.78 42	0.83 174	1.75 21	1.28 17	0.66 5	1.13 42	0.78 31	0.76 38	1.66 115	0.71 40	0.24 16	0.20 69	0.25 38	0.23 79	0.29 58	0.25 41

ff7	0.98 37	0.69 168	2.05 78	0.84 61	0.52 96	4.55 387	0.86 188	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

ffff	0.98 37	0.69 168	2.05 78	0.84 61	0.52 96	4.55 387	0.86 188	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

11t	0.98 37	0.69 168	2.05 78	0.84 61	0.52 96	4.55 387	0.86 188	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

anonymousdsp	0.95 33	0.69 168	1.27 15	0.83 54	0.52 96	4.54 384	0.84 177	1.76 22	1.24 8	0.76 19	1.06 34	0.78 31	0.77 39	1.67 118	0.69 31	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.26 59

ccc-4	0.98 37	0.69 168	2.05 78	0.84 61	0.52 96	4.55 387	0.86 188	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

IGEV-Stereo	0.95 33	0.69 168	1.27 15	0.84 61	0.52 96	4.54 384	0.84 177	1.76 22	1.24 8	0.75 10	1.06 34	0.79 34	0.77 39	1.68 119	0.69 31	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.26 59
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CroCo-Stereo Lap2	0.99 43	0.89 269	2.55 122	0.99 147	1.80 406	0.54 2	0.46 21	3.10 132	1.24 8	1.07 58	1.21 51	1.05 72	0.78 45	1.26 54	1.08 142	0.27 47	0.23 148	0.27 72	0.21 44	0.43 256	0.34 162

test_1	1.19 71	0.52 24	2.00 72	1.01 160	0.42 42	1.95 54	0.90 215	4.36 389	1.47 51	2.17 253	1.16 44	2.06 223	0.78 45	2.68 201	0.76 54	0.27 47	0.18 27	0.28 94	0.26 126	0.26 24	0.25 41

GCAP-BAT	1.21 79	0.74 210	3.23 156	0.95 123	0.70 171	3.86 240	0.93 235	1.89 29	1.48 56	1.85 146	1.96 252	1.68 151	0.79 47	1.78 127	0.81 68	0.29 95	0.20 69	0.24 24	0.20 34	0.26 24	0.35 174

IGEV-Stereo+	0.94 28	0.47 7	1.19 8	0.86 74	2.02 419	1.40 26	0.39 11	1.17 2	0.88 1	0.61 2	0.44 1	0.47 2	0.79 47	2.14 160	0.42 1	0.27 47	0.19 44	0.22 6	0.17 10	2.26 431	2.41 435

LoS	0.94 28	0.52 24	1.88 61	0.86 74	0.36 8	4.15 304	0.51 30	2.18 47	1.45 39	0.97 49	0.88 14	0.62 7	0.79 47	1.59 99	0.86 85	0.26 37	0.19 44	0.24 24	0.16 8	0.21 3	0.20 7
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
test_4	1.30 108	0.50 15	6.16 204	0.84 61	0.45 56	1.61 37	1.12 284	2.14 45	1.42 33	1.52 92	2.31 327	1.84 191	0.79 47	2.52 190	1.19 162	0.27 47	0.17 10	0.29 109	0.29 205	0.29 58	0.25 41

test-3	1.19 71	0.52 24	2.00 72	1.01 160	0.42 42	1.95 54	0.91 223	4.35 384	1.47 51	2.24 277	1.16 44	2.06 223	0.79 47	2.68 201	0.76 54	0.27 47	0.18 27	0.28 94	0.26 126	0.26 24	0.25 41

test_3	1.19 71	0.51 18	2.08 90	0.99 147	0.41 38	2.05 62	0.87 205	4.40 397	1.42 33	1.99 188	1.18 47	2.03 217	0.79 47	2.70 203	0.75 51	0.27 47	0.17 10	0.29 109	0.29 205	0.30 77	0.27 71

testlalala2	2.31 252	0.63 124	20.54 416	2.56 429	2.87 435	3.79 221	0.76 132	4.20 326	1.48 56	1.42 86	1.43 98	2.45 263	0.80 53	1.03 13	0.68 26	0.27 47	0.25 197	0.24 24	0.21 44	0.33 131	0.28 88

model_zeroshot	1.21 79	0.60 92	3.55 169	1.05 178	0.57 123	3.46 158	0.63 70	2.73 101	1.55 102	2.05 214	1.38 88	1.50 131	0.82 54	1.69 120	0.87 90	0.29 95	0.23 148	0.30 128	0.23 79	0.27 33	0.32 139

rvit_stereo_0080	0.94 28	0.72 192	2.56 123	0.64 5	0.59 132	1.90 49	0.75 129	2.71 98	1.40 29	0.91 41	1.04 28	0.85 44	0.82 54	1.14 28	0.78 58	0.35 213	0.29 238	0.25 38	0.27 151	0.45 271	0.29 98

whm_eth	0.94 28	0.72 192	2.56 123	0.64 5	0.59 132	1.90 49	0.75 129	2.71 98	1.40 29	0.91 41	1.04 28	0.85 44	0.82 54	1.14 28	0.78 58	0.35 213	0.29 238	0.25 38	0.27 151	0.45 271	0.29 98

iRaftStereo_RVC	1.09 57	0.70 178	1.39 24	0.95 123	0.45 56	3.83 227	0.42 15	2.37 60	1.58 116	1.69 120	1.76 187	1.80 180	0.83 57	1.50 87	0.98 127	0.28 76	0.18 27	0.29 109	0.26 126	0.30 77	0.31 132

rvit_stereo_0075_2	1.18 69	0.74 210	2.66 134	0.90 92	1.27 318	2.51 81	0.69 94	2.25 53	2.06 218	1.40 82	1.86 233	1.46 128	0.84 58	1.42 74	0.94 118	0.46 312	0.40 327	0.48 329	0.38 309	0.46 280	0.51 299

SPstereo	0.93 26	0.68 166	1.35 22	0.85 72	0.41 38	3.61 193	0.52 33	2.20 48	1.50 69	1.11 63	1.04 28	1.17 82	0.84 58	1.11 21	0.71 40	0.25 27	0.20 69	0.27 72	0.18 13	0.28 48	0.23 24

testlalala_base	1.62 147	0.74 210	1.63 42	1.19 247	1.40 341	2.63 87	0.84 177	4.09 302	1.31 21	1.22 69	1.42 96	1.21 95	0.85 60	1.16 33	0.73 47	3.92 453	2.10 440	0.27 72	0.18 13	4.49 452	1.11 398

TRStereo	2.31 252	1.87 395	19.74 381	1.53 354	1.16 292	4.26 337	1.08 276	4.73 429	1.45 39	1.55 95	1.28 69	1.75 164	0.85 60	1.81 130	1.20 165	0.36 224	0.26 209	0.32 167	0.36 284	0.34 149	0.33 151

rvit_0105_4	1.07 56	0.99 294	2.39 116	0.93 115	0.54 105	1.62 39	0.84 177	2.77 106	2.91 369	0.80 27	0.91 15	1.09 73	0.86 62	1.63 110	0.85 79	0.40 265	0.45 351	0.35 234	0.31 236	0.43 256	0.40 232

plain	1.55 132	0.69 168	13.59 279	0.65 8	0.73 177	1.66 40	0.57 42	3.17 139	1.94 196	0.77 23	1.24 57	0.80 36	0.86 62	1.60 101	0.96 123	0.33 183	0.21 98	0.32 167	0.25 110	0.42 246	0.28 88

DIP-Stereo	1.24 89	0.69 168	1.77 53	0.65 8	0.61 138	4.29 344	0.58 50	4.44 403	2.53 319	1.98 183	1.33 75	0.91 56	0.86 62	1.25 53	1.25 179	0.36 224	0.23 148	0.32 167	0.23 79	0.32 115	0.29 98
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
CREStereo	0.92 24	0.53 35	1.45 28	0.61 2	0.34 6	4.42 363	0.40 13	2.21 50	1.54 96	0.94 45	1.12 41	0.87 49	0.87 65	1.12 23	0.72 45	0.28 76	0.19 44	0.22 6	0.15 4	0.22 5	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
gcap-zeroshot	1.30 108	0.61 106	4.09 180	0.94 120	0.56 112	3.50 168	0.84 177	3.12 134	1.72 161	1.84 145	1.22 52	2.72 289	0.88 66	1.46 83	0.80 63	0.29 95	0.30 251	0.27 72	0.21 44	0.29 58	0.25 41

StereoVision	1.65 152	0.75 222	7.47 214	1.01 160	1.80 406	2.61 86	0.61 57	3.06 130	1.96 197	1.25 70	3.46 399	1.85 193	0.88 66	2.07 150	1.93 291	0.43 293	0.36 295	0.37 259	0.36 284	0.48 287	0.33 151

LoS_RVC	0.94 28	1.30 354	1.31 18	0.84 61	1.63 380	2.02 56	0.59 51	1.51 6	1.36 25	0.81 29	1.33 75	0.84 41	0.88 66	1.36 69	0.73 47	0.21 1	0.17 10	0.20 1	0.14 2	0.20 2	1.45 414

knoymous	1.30 108	0.60 92	5.57 202	0.88 83	0.75 180	3.04 107	0.90 215	2.68 96	1.33 23	1.48 89	1.07 36	2.78 299	0.88 66	1.29 60	0.85 79	0.31 151	0.22 124	0.35 234	0.20 34	0.45 271	0.37 192

Occ-G	0.86 16	0.52 24	1.39 24	0.82 45	0.66 156	1.37 24	0.79 151	1.58 10	1.31 21	1.56 97	0.87 13	2.18 233	0.89 70	0.97 7	0.88 93	0.26 37	0.19 44	0.26 52	0.19 25	0.25 16	0.24 34

trnet	0.91 23	0.48 9	1.46 29	0.62 3	0.31 2	4.40 359	0.41 14	2.20 48	1.53 88	0.94 45	1.14 43	0.88 51	0.89 70	1.09 19	0.71 40	0.27 47	0.19 44	0.22 6	0.15 4	0.21 3	0.19 3

MIF-Stereo (partial)	0.98 37	0.55 46	2.83 141	0.71 14	1.03 266	1.08 6	0.49 25	2.55 83	1.66 146	0.79 25	1.20 49	0.80 36	0.90 72	1.61 106	1.56 242	0.36 224	0.24 178	0.33 200	0.25 110	0.40 205	0.28 88

TestStereo	2.00 205	1.02 299	12.25 268	0.70 12	0.61 138	1.88 48	0.55 38	2.31 57	1.52 83	1.41 84	1.33 75	1.27 100	0.90 72	11.62 411	0.81 68	0.34 195	0.19 44	0.33 200	0.24 101	0.44 263	0.24 34

MyStereo07	1.01 47	0.80 241	1.26 14	1.00 155	1.04 269	3.95 262	0.95 244	2.07 42	1.42 33	0.75 10	1.22 52	0.68 14	0.91 74	1.63 110	0.67 24	0.24 16	0.24 178	0.34 217	0.26 126	0.41 228	0.37 192

RALCasStereoNet	1.19 71	1.02 299	2.06 87	1.12 212	1.14 286	3.08 114	0.70 100	2.99 122	1.73 164	1.34 74	1.68 159	1.18 86	0.91 74	2.16 162	1.00 132	0.30 132	0.26 209	0.24 24	0.21 44	0.29 58	0.30 124

AE-Stereo	1.18 69	0.60 92	2.05 78	1.10 206	0.60 134	4.39 355	0.72 105	3.74 211	1.62 137	1.10 60	1.90 247	1.01 66	0.92 76	1.45 81	0.82 71	0.28 76	0.22 124	0.28 94	0.28 178	0.26 24	0.22 17

test-1	1.23 84	0.65 141	1.88 61	0.96 129	0.52 96	3.84 232	0.62 68	4.01 277	1.47 51	1.93 172	1.78 194	1.83 188	0.92 76	1.19 44	1.28 188	0.26 37	0.29 238	0.31 149	0.24 101	0.29 58	0.36 178

rvit_0105_5	1.13 61	0.93 279	2.60 125	0.91 97	0.56 112	1.92 52	0.91 223	3.02 125	2.63 331	0.95 47	1.20 49	1.18 86	0.93 78	1.51 89	0.93 116	0.40 265	0.43 341	0.37 259	0.35 274	0.42 246	0.44 256

TANstereo	1.01 47	0.55 46	1.73 48	0.76 32	0.36 8	4.04 280	0.38 9	1.48 5	1.62 137	2.03 210	2.10 282	0.84 41	0.93 78	0.98 9	0.62 11	0.28 76	0.36 295	0.23 11	0.20 34	0.25 16	0.46 272

EAI-Stereo	2.35 267	0.63 124	2.97 147	0.95 123	0.65 152	3.84 232	14.27 461	5.04 435	2.19 247	2.06 219	7.25 424	1.10 75	0.94 80	1.65 114	1.37 203	0.31 151	0.22 124	0.27 72	0.60 382	0.27 33	0.32 139

R-Stereo Train	1.20 76	0.58 76	1.81 57	0.99 147	0.67 161	3.78 218	0.90 215	4.09 302	1.51 75	2.16 249	1.71 168	1.13 77	0.94 80	1.40 70	0.91 106	0.30 132	0.24 178	0.26 52	0.21 44	0.26 24	0.25 41

RAFT-Stereo	1.20 76	0.58 76	1.81 57	0.99 147	0.67 161	3.78 218	0.90 215	4.09 302	1.51 75	2.16 249	1.71 168	1.13 77	0.94 80	1.40 70	0.91 106	0.30 132	0.24 178	0.26 52	0.21 44	0.26 24	0.25 41
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
GMStereo_Zeroshot	1.41 122	1.21 337	3.33 163	1.29 282	0.72 173	3.35 144	0.53 34	2.58 90	1.68 149	2.35 309	1.56 128	2.42 259	0.96 83	2.50 183	1.16 156	0.45 308	0.23 148	0.40 284	0.24 101	0.79 376	0.33 151

CRE-IMP	1.23 84	0.61 106	2.14 92	0.82 45	0.39 31	4.54 384	0.83 174	2.63 93	1.55 102	1.95 176	1.46 102	1.87 195	0.96 83	1.48 86	1.33 198	0.45 308	0.21 98	0.31 149	0.26 126	0.41 228	0.31 132

s12784h	1.31 112	0.45 5	2.41 118	0.71 14	0.35 7	4.42 363	0.50 26	4.22 334	2.73 343	2.01 202	2.48 342	0.91 56	0.96 83	2.01 148	0.70 37	0.29 95	0.18 27	0.24 24	0.16 8	0.27 33	0.18 2

BUS	1.49 131	0.59 83	1.94 67	0.87 78	0.85 213	4.50 378	0.76 132	4.48 409	1.88 187	2.93 375	1.83 219	3.63 362	0.97 86	1.60 101	1.17 159	0.34 195	0.25 197	0.31 149	0.28 178	0.35 166	0.33 151

NINENet	1.87 177	0.74 210	2.60 125	1.12 212	1.06 273	4.50 378	0.76 132	4.41 398	2.24 256	2.16 249	1.86 233	3.63 362	0.97 86	8.00 308	1.17 159	0.41 278	0.30 251	0.41 293	0.30 220	0.41 228	0.36 178

PMTNet	0.99 43	0.48 9	1.73 48	0.62 3	0.56 112	4.20 331	0.43 18	1.88 28	1.58 116	1.00 50	1.05 32	0.78 31	0.98 88	1.50 87	0.85 79	1.21 415	0.20 69	0.23 11	0.15 4	0.22 5	0.19 3

PSM-softLoss	1.66 155	0.59 83	5.15 195	2.25 417	0.48 79	4.68 408	0.69 94	2.57 88	1.52 83	2.14 236	1.45 100	1.42 123	0.99 89	6.04 271	1.20 165	0.41 278	0.23 148	0.37 259	0.39 314	0.32 115	0.31 132

KMStereo	1.66 155	0.59 83	5.15 195	2.25 417	0.48 79	4.68 408	0.69 94	2.57 88	1.52 83	2.14 236	1.45 100	1.42 123	0.99 89	6.04 271	1.20 165	0.41 278	0.23 148	0.37 259	0.39 314	0.32 115	0.31 132

UDGNet	1.40 120	1.52 376	2.22 99	1.38 324	0.62 141	4.39 355	0.68 89	1.80 26	2.18 246	1.34 74	1.18 47	0.99 64	1.00 91	2.16 162	1.19 162	1.09 410	0.34 287	1.30 425	0.98 415	1.10 403	0.58 324

AnonymousM	1.22 83	1.32 358	0.97 1	0.88 83	0.56 112	4.03 279	0.69 94	2.41 61	1.68 149	1.48 89	1.31 74	1.15 80	1.00 91	1.18 43	0.73 47	0.32 169	0.40 327	2.07 433	1.70 435	0.24 7	0.22 17

WCG-NET（raft）	0.95 33	0.55 46	1.20 11	0.84 61	0.31 2	1.44 27	1.01 258	1.55 9	2.37 289	1.64 111	1.42 96	2.38 253	1.01 93	1.29 60	0.76 54	0.22 5	0.19 44	0.22 6	0.20 34	0.25 16	0.21 15

anonymousdsp2	1.26 100	0.60 92	3.74 178	1.02 169	0.41 38	3.60 189	0.72 105	3.68 197	1.47 51	1.37 78	1.56 128	1.83 188	1.01 93	2.00 145	0.66 22	0.29 95	0.20 69	0.28 94	0.20 34	0.32 115	0.29 98

DisPM	1.36 116	0.55 46	2.39 116	1.54 356	0.51 87	4.59 395	0.79 151	2.50 71	1.88 187	2.50 332	1.83 219	1.45 126	1.01 93	2.71 204	0.93 116	0.46 312	0.20 69	0.32 167	0.31 236	0.31 92	0.44 256

RAFT-Test	1.44 124	0.59 83	6.10 203	1.01 160	0.69 169	2.90 95	0.80 159	3.68 197	1.70 157	1.85 146	1.68 159	3.15 325	1.03 96	1.20 45	0.99 130	0.27 47	0.22 124	0.25 38	0.23 79	0.27 33	0.25 41

PFNet+	1.46 127	0.57 63	2.84 142	0.92 103	0.47 73	4.64 402	0.84 177	2.46 68	1.99 202	2.14 236	1.64 149	1.34 110	1.03 96	4.68 244	1.23 175	0.45 308	0.33 276	0.37 259	0.39 314	0.32 115	0.49 285

Pruner-Stereo	1.32 114	0.59 83	2.11 91	1.79 393	0.47 73	4.73 420	0.79 151	2.53 73	1.72 161	2.47 329	1.58 131	1.48 129	1.03 96	1.66 115	1.47 223	0.44 300	0.21 98	0.34 217	0.30 220	0.30 77	0.39 212

Anonymous3	1.72 159	0.76 227	11.61 264	0.83 54	0.84 211	4.46 367	0.84 177	3.57 182	1.16 5	1.34 74	1.37 86	1.11 76	1.03 96	1.58 96	1.13 151	0.70 386	0.58 386	0.33 200	0.35 274	0.47 284	0.42 241

rvit_0105_3	1.24 89	0.93 279	2.84 142	0.97 136	0.58 130	2.38 76	1.08 276	3.26 149	2.53 319	1.18 67	1.40 93	1.24 97	1.04 100	1.73 123	0.97 124	0.44 300	0.44 346	0.40 284	0.42 335	0.42 246	0.50 292

IGEV-Stereo++	0.93 26	0.44 3	1.08 4	0.70 12	1.20 304	3.87 243	0.33 4	3.36 161	1.43 37	0.75 10	1.17 46	0.68 14	1.04 100	0.95 6	0.42 1	0.22 5	0.16 5	0.23 11	0.17 10	0.24 7	0.20 7

ACRE	2.27 240	1.11 321	19.45 372	0.91 97	1.30 320	3.94 257	0.87 205	4.21 331	1.80 176	2.28 285	2.62 356	1.17 82	1.04 100	1.52 91	1.30 191	0.37 231	0.23 148	0.27 72	0.22 69	0.31 92	0.46 272

ARAFT	2.56 302	1.13 323	19.50 375	0.89 87	0.48 79	4.15 304	1.40 329	4.36 389	2.82 363	2.36 313	1.88 236	1.70 158	1.04 100	6.45 278	1.22 172	0.29 95	0.18 27	0.37 259	0.35 274	0.35 166	0.25 41

WCG-NET	0.96 36	0.62 115	1.24 13	0.93 115	0.84 211	1.91 51	0.64 73	2.56 85	2.23 253	1.62 107	0.98 19	1.31 106	1.05 104	1.20 45	0.59 7	0.26 37	0.17 10	0.22 6	0.20 34	0.26 24	0.29 98

IGEV_Zeroshot_test	2.16 225	0.69 168	20.60 420	1.22 259	0.54 105	2.18 69	0.53 34	3.38 163	1.61 134	1.93 172	1.55 125	3.76 366	1.05 104	1.55 94	0.91 106	0.29 95	0.20 69	0.27 72	0.29 205	0.40 205	0.32 139

dd	1.26 100	1.15 327	2.47 120	0.92 103	0.49 83	4.35 350	0.75 129	1.92 32	2.11 234	1.44 87	1.24 57	1.19 90	1.05 104	1.78 127	1.70 265	0.57 359	0.34 287	0.35 234	0.33 253	0.60 326	0.46 272

GMOStereo	1.13 61	0.70 178	2.26 103	0.75 19	0.44 52	3.05 109	0.91 223	2.78 107	1.45 39	2.37 314	1.52 115	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 234	0.28 178	0.34 149	0.26 59

error version	1.13 61	0.70 178	2.26 103	0.75 19	0.44 52	3.05 109	0.91 223	2.78 107	1.45 39	2.37 314	1.52 115	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 234	0.28 178	0.34 149	0.26 59

test-v	1.13 61	0.70 178	2.26 103	0.75 19	0.44 52	3.05 109	0.91 223	2.78 107	1.45 39	2.37 314	1.52 115	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 234	0.28 178	0.34 149	0.26 59

test-2	1.13 61	0.70 178	2.26 103	0.75 19	0.44 52	3.05 109	0.91 223	2.78 107	1.45 39	2.37 314	1.52 115	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 234	0.28 178	0.34 149	0.26 59

RALAANet	1.28 105	1.08 314	3.21 155	1.25 267	0.94 242	1.44 27	0.69 94	3.15 136	2.57 325	2.01 202	1.80 200	1.29 104	1.05 104	2.00 145	1.48 226	0.27 47	0.20 69	0.27 72	0.24 101	0.40 205	0.27 71

CIPLG	2.27 240	1.18 332	19.24 366	0.92 103	1.34 331	3.95 262	0.89 211	4.23 338	1.82 178	2.31 297	2.67 360	1.17 82	1.06 112	1.53 93	1.32 194	0.37 231	0.23 148	0.27 72	0.22 69	0.31 92	0.45 262

DN-CSS_ROB	1.91 187	1.55 378	11.13 259	1.82 395	0.88 226	3.99 273	0.61 57	4.01 277	1.67 147	1.64 111	1.89 242	1.39 117	1.06 112	3.23 214	1.50 230	0.31 151	0.19 44	0.44 307	0.29 205	0.37 186	0.31 132

rvit_stereo_0083	0.86 16	0.67 159	1.42 26	0.87 78	0.65 152	1.23 10	0.64 73	1.67 18	2.28 266	0.79 25	0.93 17	0.93 59	1.07 114	1.46 83	0.75 51	0.32 169	0.36 295	0.30 128	0.26 126	0.33 131	0.28 88

DCRE	1.44 124	0.74 210	3.50 168	1.13 219	0.72 173	1.78 42	0.67 85	2.14 45	1.56 108	1.99 188	8.09 431	1.73 162	1.07 114	1.24 51	0.83 74	0.23 12	0.25 197	0.26 52	0.26 126	0.28 48	0.30 124

IPLGR_C	2.28 245	1.31 356	19.46 373	0.92 103	1.32 326	3.93 252	0.89 211	4.20 326	1.82 178	2.30 291	2.63 358	1.16 81	1.07 114	1.41 73	1.29 190	0.37 231	0.23 148	0.27 72	0.22 69	0.31 92	0.45 262

IGEV++	0.90 22	0.58 76	1.32 19	0.94 120	0.45 56	1.27 16	1.00 256	3.32 157	1.55 102	0.82 31	1.34 80	0.86 48	1.09 117	1.16 33	0.89 96	0.33 183	0.18 27	0.23 11	0.19 25	0.29 58	0.22 17

NF-Stereo	1.58 139	0.61 106	2.66 134	2.26 419	0.47 73	4.68 408	0.67 85	3.31 153	1.48 56	2.11 230	1.59 135	1.36 113	1.09 117	6.08 273	1.20 165	0.40 265	0.20 69	0.36 247	0.34 260	0.31 92	0.36 178

OCTAStereo	1.58 139	0.61 106	2.72 136	2.27 422	0.46 63	4.68 408	0.67 85	3.30 152	1.48 56	2.11 230	1.59 135	1.36 113	1.09 117	6.02 270	1.21 169	0.41 278	0.20 69	0.36 247	0.34 260	0.31 92	0.37 192

RE-Stereo	1.58 139	0.61 106	2.72 136	2.26 419	0.46 63	4.68 408	0.68 89	3.31 153	1.48 56	2.11 230	1.59 135	1.36 113	1.09 117	6.01 268	1.22 172	0.41 278	0.20 69	0.36 247	0.34 260	0.31 92	0.37 192

TVStereo	1.58 139	0.61 106	2.72 136	2.26 419	0.46 63	4.68 408	0.68 89	3.31 153	1.48 56	2.11 230	1.59 135	1.36 113	1.09 117	6.01 268	1.22 172	0.41 278	0.20 69	0.36 247	0.34 260	0.31 92	0.37 192

GANet-ADL	2.20 229	0.73 202	20.11 397	1.25 267	0.69 169	3.83 227	0.76 132	3.49 170	1.71 158	1.65 115	1.99 262	2.10 228	1.10 122	1.42 74	1.26 182	0.38 247	0.33 276	0.25 38	0.22 69	0.42 246	0.36 178

raft+_RVC	1.21 79	0.83 255	2.61 128	1.35 308	0.97 249	3.60 189	0.76 132	3.23 145	1.51 75	1.33 73	1.67 156	1.03 69	1.10 122	1.87 137	0.92 109	0.24 16	0.22 124	0.25 38	0.24 101	0.26 24	0.25 41

sCroCo_RVC	1.06 53	0.82 252	5.05 193	1.02 169	1.05 271	0.98 4	0.61 57	2.06 40	1.29 18	0.69 8	1.26 62	0.82 40	1.10 122	1.20 45	0.90 99	0.42 288	0.40 327	0.33 200	0.30 220	0.46 280	0.38 206

RAFT-Stereo + iAFF	1.25 93	0.72 192	1.74 51	1.05 178	0.36 8	4.13 300	0.42 15	2.95 119	2.84 365	2.02 206	2.40 337	1.61 144	1.11 125	1.26 54	0.97 124	0.21 1	0.15 2	0.26 52	0.23 79	0.29 58	0.23 24

MC-Stereo	1.06 53	0.48 9	1.55 38	1.15 233	0.41 38	4.56 392	0.61 57	2.06 40	1.46 46	1.90 161	1.61 143	0.89 53	1.12 126	1.35 68	0.73 47	0.25 27	0.18 27	0.26 52	0.22 69	0.25 16	0.24 34

rafts_anoy	1.24 89	0.80 241	3.61 175	1.17 239	1.20 304	3.00 106	0.61 57	3.17 139	1.58 116	1.37 78	1.26 62	1.19 90	1.12 126	1.78 127	1.25 179	0.32 169	0.23 148	0.32 167	0.32 246	0.31 92	0.30 124

dad	1.65 152	1.19 334	3.04 151	0.98 141	0.56 112	4.22 332	0.84 177	1.99 35	2.48 309	2.14 236	1.68 159	1.62 145	1.13 128	3.85 227	2.04 305	1.03 409	0.40 327	2.04 432	0.48 352	0.75 370	0.53 306

PSM-adaLoss	1.24 89	0.65 141	2.03 75	0.75 19	0.37 20	4.68 408	0.73 110	2.53 73	1.58 116	1.99 188	1.47 106	1.78 170	1.13 128	2.18 166	0.87 90	0.48 325	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

ROB_FTStereo	1.25 93	0.66 151	2.14 92	0.75 19	0.37 20	4.65 404	0.77 143	2.53 73	1.58 116	1.99 188	1.47 106	1.78 170	1.13 128	2.26 174	0.86 85	0.47 321	0.22 124	0.32 167	0.27 151	0.40 205	0.29 98

HUI-Stereo	1.25 93	0.66 151	2.33 112	0.75 19	0.37 20	4.68 408	0.78 146	2.53 73	1.58 116	1.99 188	1.46 102	1.79 177	1.13 128	2.17 164	0.85 79	0.48 325	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

cross-raft	2.01 208	0.57 63	19.01 364	1.03 176	0.56 112	2.11 66	0.72 105	3.63 188	1.57 114	1.77 134	1.51 114	3.17 326	1.13 128	1.16 33	0.85 79	0.23 12	0.21 98	0.26 52	0.23 79	0.28 48	0.25 41

RAFT-IKP	1.25 93	0.66 151	2.23 101	0.75 19	0.37 20	4.64 402	0.74 120	2.53 73	1.58 116	1.99 188	1.47 106	1.78 170	1.13 128	2.22 171	0.92 109	0.48 325	0.22 124	0.32 167	0.27 151	0.40 205	0.29 98

rvit_105_1	1.43 123	0.90 271	3.27 159	1.08 191	0.68 166	2.79 90	1.27 310	3.52 176	2.35 280	1.38 80	1.54 122	1.28 101	1.14 134	2.91 208	1.40 205	0.54 353	0.47 363	0.45 313	0.59 380	0.44 263	0.58 324

rvit_stereo_ft	1.00 45	0.87 266	3.55 169	0.97 136	0.66 156	1.06 5	0.80 159	2.78 107	1.67 147	0.78 24	0.96 18	0.95 62	1.14 134	1.06 17	0.90 99	0.32 169	0.24 178	0.27 72	0.28 178	0.39 200	0.27 71

MyStereo8	2.33 258	1.13 323	19.26 369	1.22 259	1.62 378	4.16 314	0.57 42	3.50 172	2.36 283	2.15 244	1.75 179	2.28 238	1.14 134	1.46 83	2.20 323	0.24 16	0.21 98	0.32 167	0.27 151	0.36 178	0.43 250

Patchmatch Stereo++	1.25 93	0.65 141	2.06 87	0.75 19	0.37 20	4.68 408	0.76 132	2.53 73	1.58 116	1.99 188	1.47 106	1.78 170	1.14 134	2.44 178	0.90 99	0.48 325	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
ROB_FTStereo_v2	1.23 84	0.66 151	2.02 74	0.75 19	0.37 20	4.67 407	0.76 132	2.53 73	1.58 116	1.99 188	1.46 102	1.78 170	1.14 134	2.08 152	0.88 93	0.48 325	0.22 124	0.32 167	0.27 151	0.40 205	0.29 98

iGMRVC	1.26 100	0.66 151	2.14 92	0.75 19	0.37 20	4.66 405	0.74 120	2.53 73	1.58 116	1.99 188	1.46 102	1.78 170	1.14 134	2.46 180	0.92 109	0.48 325	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

iRAFT	1.25 93	0.65 141	2.06 87	0.75 19	0.37 20	4.68 408	0.76 132	2.53 73	1.58 116	1.99 188	1.47 106	1.78 170	1.14 134	2.44 178	0.90 99	0.48 325	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

ICVP	2.26 238	0.66 151	21.18 437	0.99 147	0.88 226	4.28 343	0.95 244	3.32 157	1.60 131	1.66 116	1.76 187	1.34 110	1.14 134	1.62 107	1.32 194	0.53 351	0.35 291	0.33 200	0.29 205	0.40 205	0.51 299
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
MoCha-V2	0.87 19	0.48 9	1.87 60	0.88 83	0.32 4	1.37 24	0.55 38	2.71 98	1.42 33	0.92 44	1.75 179	0.65 11	1.17 142	1.45 81	0.57 5	0.21 1	0.21 98	0.20 1	0.19 25	0.24 7	0.23 24

RAFT+CT+SA	1.62 147	0.72 192	7.42 213	0.97 136	1.42 349	4.04 280	0.94 240	3.90 246	1.61 134	1.61 105	1.63 147	1.33 109	1.18 143	2.73 206	1.10 146	0.27 47	0.19 44	0.31 149	0.34 260	0.33 131	0.33 151

Gwc-CoAtRS	1.58 139	0.57 63	11.69 265	1.01 160	0.60 134	2.53 83	0.64 73	2.36 59	1.56 108	1.80 140	1.47 106	2.74 290	1.18 143	1.12 23	0.90 99	0.27 47	0.21 98	0.25 38	0.22 69	0.27 33	0.23 24

DMCA	1.72 159	0.74 210	6.63 206	1.14 220	0.96 245	3.98 272	0.90 215	3.75 212	2.76 347	2.83 371	1.58 131	2.35 249	1.18 143	1.58 96	1.98 300	0.40 265	0.27 219	0.42 299	0.26 126	0.36 178	0.38 206

AdaStereo	1.45 126	0.83 255	2.34 113	1.28 279	0.81 195	3.21 121	1.14 289	4.20 326	2.46 308	2.05 214	1.77 192	2.48 267	1.18 143	1.71 121	1.44 214	0.43 293	0.25 197	0.43 303	0.28 178	0.44 263	0.34 162
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-RSSM	2.08 219	0.52 24	20.06 392	1.01 160	0.56 112	3.39 147	0.64 73	3.67 195	1.55 102	1.72 127	1.37 86	2.57 274	1.19 147	1.11 21	0.86 85	0.27 47	0.20 69	0.25 38	0.23 79	0.27 33	0.23 24

NOSS_ROB	2.27 240	0.73 202	3.00 149	1.71 381	1.00 263	3.90 246	0.97 252	4.29 363	2.81 361	2.94 379	2.19 299	3.88 371	1.19 147	11.77 423	1.62 254	0.59 362	0.54 376	0.56 366	0.52 365	0.56 314	0.54 312

x	1.15 67	0.57 63	1.53 34	1.44 335	0.67 161	1.94 53	0.97 252	3.87 236	1.57 114	1.61 105	1.28 69	1.58 140	1.22 149	1.93 141	1.04 135	0.28 76	0.30 251	0.34 217	0.29 205	0.32 115	0.31 132

NRIStereo	1.28 105	0.61 106	1.67 45	1.15 233	0.38 29	4.73 420	0.90 215	2.42 63	1.50 69	1.93 172	1.33 75	1.75 164	1.22 149	2.96 212	1.33 198	0.46 312	0.22 124	0.29 109	0.26 126	0.30 77	0.28 88

raftrobust	1.19 71	0.72 192	2.30 109	1.26 273	1.31 322	3.55 180	0.68 89	2.75 104	1.47 51	2.21 269	1.38 88	1.17 82	1.22 149	1.20 45	1.11 147	0.28 76	0.24 178	0.21 4	0.19 25	0.25 16	0.28 88

sAnonymous2	1.37 117	1.22 343	9.79 241	0.92 103	0.88 226	1.23 10	0.61 57	2.56 85	1.69 154	0.85 37	1.02 21	0.73 26	1.23 152	0.98 9	0.78 58	0.29 95	0.25 197	0.31 149	0.30 220	1.06 397	0.71 354

CroCo_RVC	1.37 117	1.22 343	9.79 241	0.92 103	0.88 226	1.23 10	0.61 57	2.56 85	1.69 154	0.85 37	1.02 21	0.73 26	1.23 152	0.98 9	0.78 58	0.29 95	0.25 197	0.31 149	0.30 220	1.06 397	0.71 354

CFNet_ucs	2.36 272	0.68 166	18.42 355	0.89 87	0.81 195	3.85 238	0.68 89	4.29 363	2.37 289	2.09 223	2.04 269	3.31 336	1.24 154	2.63 198	1.14 152	0.36 224	0.45 351	0.56 366	0.29 205	0.66 349	0.49 285

GwcNet-ADL	2.47 285	0.67 159	21.48 444	0.96 129	0.72 173	4.61 398	0.95 244	4.42 399	2.36 283	1.98 183	1.80 200	2.55 273	1.24 154	1.90 139	1.41 209	0.40 265	0.46 359	0.24 24	0.27 151	0.41 228	0.49 285

DeepPruner_ROB	2.05 214	1.09 317	10.50 252	1.01 160	1.20 304	4.39 355	0.91 223	3.14 135	1.72 161	2.60 347	1.54 122	2.78 299	1.27 156	4.52 240	1.72 267	0.51 343	0.40 327	0.37 259	0.34 260	0.48 287	0.52 304

iResNet_ROB	1.89 182	1.02 299	8.60 227	1.39 326	0.98 253	3.72 208	0.66 84	3.84 228	2.65 334	1.88 155	2.05 275	1.98 210	1.27 156	4.52 240	1.67 262	0.30 132	0.20 69	0.28 94	0.18 13	0.31 92	0.40 232

UGAM	2.58 306	0.56 55	18.55 357	0.89 87	0.71 172	3.23 124	1.03 263	2.75 104	1.75 171	1.36 77	2.77 368	2.69 284	1.28 158	10.75 373	1.40 205	0.28 76	0.24 178	0.40 284	0.31 236	0.35 166	0.30 124

SACVNet	2.46 282	1.14 326	9.47 238	1.44 335	1.18 293	4.06 283	1.49 342	3.84 228	2.24 256	2.62 350	1.89 242	2.57 274	1.28 158	11.35 400	1.64 258	0.50 337	0.39 322	0.48 329	0.41 330	0.55 308	0.75 365

RAFT-RH_RVC	2.63 309	0.55 46	19.97 389	1.26 273	0.47 73	4.46 367	0.57 42	1.71 19	1.64 141	3.06 386	5.51 420	2.03 217	1.28 158	6.70 285	1.52 238	0.42 288	0.22 124	0.37 259	0.34 260	0.28 48	0.29 98

GCST	2.56 302	1.79 393	18.02 347	1.92 403	1.33 329	1.72 41	0.51 30	3.67 195	2.03 209	1.70 122	1.61 143	1.55 137	1.29 161	5.06 248	1.24 176	2.06 432	0.77 411	1.45 428	0.97 414	1.14 407	1.34 409

MIM_Stereo	1.20 76	0.78 235	3.30 161	1.05 178	0.43 47	3.04 107	0.60 54	2.46 68	1.51 75	1.60 100	1.58 131	1.82 185	1.29 161	2.00 145	1.07 140	0.24 16	0.24 178	0.28 94	0.25 110	0.27 33	0.27 71

AASNet	2.44 279	0.92 276	19.79 382	1.35 308	1.49 356	3.81 225	1.07 272	3.85 231	2.93 372	1.95 176	2.29 316	1.96 206	1.29 161	1.73 123	1.93 291	0.39 259	0.33 276	0.45 313	0.30 220	0.55 308	0.45 262

hknet	1.98 201	0.64 133	8.70 228	0.87 78	1.07 275	4.16 314	1.16 291	4.48 409	1.73 164	2.93 375	1.83 219	3.48 346	1.30 164	3.91 231	1.51 236	0.31 151	0.25 197	0.31 149	0.28 178	0.35 166	0.33 151

BSDual-CNN	1.46 127	0.59 83	1.94 67	0.87 78	0.85 213	4.16 314	1.16 291	4.48 409	1.88 187	2.93 375	1.83 219	2.60 277	1.31 165	1.60 101	1.21 169	0.34 195	0.25 197	0.31 149	0.28 178	0.35 166	0.33 151

psmg	1.47 130	0.59 83	1.94 67	0.92 103	0.85 213	4.30 346	1.42 334	4.10 310	1.88 187	2.64 354	2.09 281	2.60 277	1.31 165	1.60 101	1.21 169	0.34 195	0.27 219	0.33 200	0.34 260	0.36 178	0.34 162

RAFT-345	2.46 282	0.55 46	19.69 380	1.02 169	0.49 83	4.43 365	0.78 146	1.64 17	2.34 278	2.09 223	3.12 387	1.96 206	1.31 165	6.65 283	1.43 212	0.36 224	0.23 148	0.32 167	0.25 110	0.28 48	0.25 41

AACVNet	1.83 174	1.02 299	2.41 118	1.45 339	0.87 223	3.21 121	0.73 110	3.16 137	1.61 134	2.01 202	1.82 218	2.28 238	1.33 168	10.98 384	1.49 229	0.39 259	0.32 269	0.38 275	0.32 246	0.43 256	0.44 256

xx1	2.03 210	0.74 210	13.77 282	1.78 388	0.36 8	4.48 369	0.74 120	4.23 338	3.95 426	1.01 51	1.81 212	1.79 177	1.34 169	2.13 157	0.64 14	0.29 95	0.17 10	0.33 200	0.33 253	0.33 131	0.32 139

qqq	1.30 108	0.57 63	1.67 45	1.15 233	0.51 87	2.18 69	0.91 223	3.98 269	1.53 88	1.50 91	1.24 57	1.79 177	1.34 169	4.66 242	0.98 127	0.28 76	0.31 261	0.33 200	0.33 253	0.33 131	0.32 139

11t1	1.11 59	0.53 35	1.80 56	1.55 361	0.65 152	2.20 71	0.60 54	3.66 194	1.49 64	1.60 100	1.26 62	1.03 69	1.35 171	1.72 122	0.97 124	0.28 76	0.31 261	0.29 109	0.23 79	0.30 77	0.34 162

EKT-Stereo	6.79 441	0.64 133	4.24 182	1.77 387	106.39 482	4.51 382	0.61 57	3.16 137	1.53 88	1.88 155	1.22 52	1.98 210	1.36 172	3.81 226	0.84 76	0.35 213	0.24 178	0.29 109	0.26 126	0.34 149	0.48 281

IPLG	2.48 287	0.65 141	19.63 378	0.91 97	0.79 190	4.60 397	0.56 41	4.31 374	1.84 183	1.91 166	2.00 263	1.31 106	1.38 173	6.61 281	1.53 239	0.27 47	0.20 69	0.27 72	0.23 79	0.31 92	0.36 178

OMP-Stereo	1.97 199	0.93 279	1.88 61	2.76 432	0.67 161	4.58 394	1.48 338	4.31 374	1.54 96	3.15 392	2.76 367	3.25 331	1.38 173	7.66 306	1.35 202	0.40 265	0.20 69	0.33 200	0.26 126	0.33 131	0.24 34

xxxx	2.67 315	0.54 41	2.03 75	1.22 259	0.81 195	3.49 165	0.63 70	4.49 412	2.49 313	2.22 271	2.23 305	2.05 221	1.38 173	10.05 355	17.91 450	0.32 169	0.32 269	0.30 128	0.27 151	0.33 131	0.34 162

test_sample6	2.35 267	0.62 115	10.78 255	1.33 298	0.83 204	3.15 119	0.79 151	4.36 389	2.43 300	2.26 283	2.04 269	1.69 156	1.39 176	11.48 406	1.61 251	0.38 247	0.32 269	0.37 259	0.39 314	0.41 228	0.42 241

test_sample5	2.33 258	0.62 115	11.29 260	1.29 282	0.83 204	3.09 115	0.74 120	4.28 360	2.31 273	2.20 261	1.97 258	1.68 151	1.39 176	11.19 395	1.47 223	0.37 231	0.31 261	0.37 259	0.37 296	0.41 228	0.39 212

DualNet	2.33 258	0.62 115	11.29 260	1.29 282	0.83 204	3.09 115	0.74 120	4.28 360	2.31 273	2.26 283	2.04 269	1.68 151	1.39 176	11.19 395	1.47 223	0.37 231	0.31 261	0.37 259	0.37 296	0.41 228	0.39 212

SFCPSM	2.18 228	0.63 124	17.03 331	0.88 83	0.98 253	3.74 212	1.28 312	4.09 302	2.16 242	1.85 146	1.83 219	1.65 147	1.39 176	2.50 183	1.50 230	0.33 183	0.27 219	0.39 278	0.36 284	0.34 149	0.37 192

H2IRNET	1.90 184	0.53 35	14.29 296	1.14 220	0.60 134	4.48 369	0.44 19	2.65 94	1.81 177	1.05 57	2.30 320	1.67 149	1.40 180	2.17 164	1.50 230	0.36 224	0.21 98	0.33 200	0.37 296	0.34 149	0.29 98

Selective-RAFT	1.15 67	0.46 6	1.64 44	0.99 147	0.45 56	4.17 319	0.51 30	3.21 142	1.69 154	1.12 64	1.34 80	1.45 126	1.40 180	2.08 152	0.94 118	0.41 278	0.20 69	0.24 24	0.23 79	0.27 33	0.25 41

test_xeample	2.67 315	0.56 55	2.05 78	1.09 197	0.81 195	3.24 128	0.80 159	4.55 419	2.70 340	2.42 323	2.27 310	1.39 117	1.40 180	10.75 373	17.51 449	0.30 132	0.30 251	0.32 167	0.28 178	0.34 149	0.33 151

UPFNet	1.81 173	0.63 124	6.71 207	1.25 267	1.44 350	3.50 168	1.35 318	4.02 281	1.85 184	2.40 321	1.52 115	2.41 256	1.40 180	3.62 222	1.88 287	0.34 195	0.33 276	0.37 259	0.31 236	0.41 228	0.39 212

PS-NSSS	2.22 230	1.33 361	2.90 146	0.97 136	1.53 361	4.11 295	1.08 276	4.55 419	2.65 334	2.10 226	2.32 332	1.77 169	1.40 180	11.79 424	1.61 251	0.68 382	0.45 351	0.96 414	0.43 337	0.95 389	0.92 386

test_sample3	2.34 262	0.61 106	11.94 266	1.33 298	0.85 213	3.10 117	0.73 110	4.24 346	2.19 247	2.21 269	1.75 179	1.80 180	1.41 185	11.11 393	1.46 218	0.35 213	0.29 238	0.34 217	0.35 274	0.39 200	0.37 192

HCRNet	1.60 145	0.56 55	2.47 120	0.78 34	1.36 334	4.11 295	0.71 102	3.57 182	2.79 351	1.75 132	1.61 143	1.58 140	1.41 185	5.79 265	1.56 242	0.34 195	0.28 228	0.36 247	0.29 205	0.33 131	0.37 192

MaskLacGwcNet_RVC	3.13 363	1.43 370	9.93 243	2.50 427	1.62 378	4.29 344	1.68 364	3.95 261	2.43 300	1.66 116	1.91 248	3.04 316	1.41 185	13.26 445	1.58 244	3.82 451	1.59 432	1.12 422	0.46 345	2.21 430	2.74 444

AANet_RVC	3.03 354	1.72 388	12.78 271	1.17 239	1.12 284	3.79 221	1.10 281	3.86 234	3.13 389	2.62 350	4.26 411	3.96 375	1.41 185	11.43 404	5.23 391	0.94 404	0.47 363	0.34 217	0.23 79	0.40 205	0.55 314

test_sample4	2.34 262	0.63 124	11.59 263	1.30 289	0.83 204	3.07 113	0.72 105	4.27 355	2.30 270	2.30 291	1.88 236	1.73 162	1.42 189	11.14 394	1.46 218	0.35 213	0.29 238	0.35 234	0.36 284	0.40 205	0.38 206

PFNet	2.47 285	0.60 92	16.95 330	2.15 416	0.81 195	4.63 401	0.91 223	2.55 83	1.52 83	2.40 321	2.79 369	1.83 188	1.42 189	7.54 301	1.34 201	0.33 183	0.21 98	0.36 247	0.27 151	0.32 115	0.39 212

MLCV	1.87 177	0.91 274	8.59 226	1.10 206	0.57 123	3.59 187	0.53 34	3.70 207	2.20 249	2.80 368	2.25 308	2.00 213	1.42 189	4.13 236	1.86 285	0.30 132	0.20 69	0.32 167	0.21 44	0.33 131	0.36 178

Sa-1000	1.63 151	0.79 238	3.56 171	1.11 210	0.48 79	4.06 283	1.41 332	4.49 412	2.75 346	2.00 200	2.80 371	1.84 191	1.43 192	2.64 200	1.50 230	0.27 47	0.19 44	0.36 247	0.33 253	0.36 178	0.30 124

FENet	2.25 236	0.50 15	20.29 406	1.35 308	0.67 161	4.01 276	0.60 54	3.95 261	1.99 202	1.96 179	1.11 40	2.43 260	1.43 192	1.60 101	1.39 204	0.32 169	0.22 124	0.33 200	0.26 126	0.29 58	0.39 212

222	2.68 318	0.57 63	2.03 75	1.11 210	0.81 195	3.23 124	0.65 82	4.52 417	2.45 305	2.34 308	2.29 316	1.41 122	1.44 194	10.50 365	18.47 454	0.32 169	0.30 251	0.32 167	0.27 151	0.32 115	0.34 162

HITNet	2.07 217	0.82 252	14.77 299	1.34 304	0.56 112	3.47 161	0.80 159	4.07 296	2.35 280	2.16 249	1.61 143	1.64 146	1.44 194	2.09 155	2.56 349	0.26 37	0.18 27	0.41 293	0.26 126	0.45 271	0.25 41
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
StereoDRNet-Refined	1.77 169	0.81 245	2.22 99	1.21 256	0.76 183	3.26 132	0.71 102	3.82 224	2.05 216	2.29 287	2.05 275	2.98 311	1.44 194	7.15 294	2.27 328	0.30 132	0.23 148	0.42 299	0.33 253	0.45 271	0.64 340
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet	2.52 294	0.94 285	21.17 436	1.84 397	0.72 173	3.75 213	0.81 166	4.14 318	2.55 324	2.33 307	2.03 266	1.35 112	1.44 194	3.27 215	2.16 321	0.35 213	0.23 148	0.28 94	0.22 69	0.44 263	0.45 262

SDNR	3.97 398	1.93 397	20.28 405	1.31 292	0.94 242	5.16 433	0.67 85	4.33 380	2.58 326	4.82 430	5.94 423	5.01 419	1.45 198	17.52 460	2.53 345	0.79 392	0.72 407	0.59 372	0.45 343	1.15 410	1.17 400

cf-r	2.57 305	0.79 238	16.09 317	1.48 346	1.35 332	4.19 326	0.93 235	3.68 197	2.36 283	1.97 181	1.81 212	3.42 343	1.45 198	8.24 310	1.83 282	0.32 169	0.26 209	0.33 200	0.30 220	0.34 149	0.37 192

CFNet	2.34 262	1.10 318	8.96 230	1.34 304	1.24 312	4.09 290	0.73 110	4.04 286	2.77 348	1.62 107	1.87 235	2.27 237	1.45 198	11.41 402	1.82 280	0.31 151	0.24 178	0.43 303	0.36 284	0.43 256	0.33 151

ACVNet	1.46 127	0.64 133	3.56 171	0.93 115	0.85 213	4.22 332	0.80 159	2.85 113	2.08 221	1.78 136	1.88 236	3.10 320	1.46 201	1.33 66	1.89 288	0.29 95	0.26 209	0.30 128	0.26 126	0.39 200	0.27 71

GwcNet-RSSM	2.66 313	1.05 306	15.91 315	1.22 259	1.19 299	4.12 297	1.12 284	3.84 228	2.02 207	1.93 172	1.79 197	3.12 323	1.46 201	10.37 362	2.05 307	0.33 183	0.27 219	0.35 234	0.30 220	0.40 205	0.36 178

CoDeX	2.40 275	0.78 235	13.21 274	1.00 155	1.18 293	3.24 128	1.32 315	4.14 318	2.41 297	1.74 130	1.84 224	2.05 221	1.47 203	10.03 354	1.60 248	0.34 195	0.28 228	0.32 167	0.27 151	0.32 115	0.39 212

ToySt	1.35 115	0.72 192	3.65 177	1.01 160	0.50 86	3.31 142	1.01 258	3.46 166	1.73 164	1.30 71	1.55 125	2.07 226	1.47 203	1.88 138	1.40 205	0.27 47	0.27 219	0.30 128	0.32 246	0.42 246	0.39 212

tt1	1.79 171	0.73 202	10.41 251	1.75 385	0.36 8	4.55 387	0.79 151	4.22 334	3.37 410	1.08 59	1.80 200	0.74 28	1.48 205	2.21 169	0.65 18	0.29 95	0.16 5	0.31 149	0.22 69	0.30 77	0.29 98

RCA-Stereo	1.21 79	0.52 24	1.58 40	0.90 92	0.46 63	4.68 408	0.79 151	4.13 312	1.74 170	1.92 168	1.80 200	0.94 61	1.48 205	1.14 28	0.70 37	0.27 47	0.18 27	0.25 38	0.19 25	0.25 16	0.23 24

CSP-Net	1.78 170	1.32 358	1.92 66	1.16 238	1.03 266	3.38 146	1.31 314	3.52 176	1.75 171	1.96 179	1.93 250	2.40 254	1.48 205	8.58 316	1.58 244	0.46 312	0.34 287	0.27 72	0.26 126	0.41 228	0.50 292

FINET	2.96 341	1.07 312	23.18 460	1.29 282	1.86 408	2.03 57	1.52 343	4.30 371	4.71 433	2.23 275	2.34 334	1.65 147	1.48 205	5.89 267	2.81 359	0.51 343	0.47 363	0.49 342	0.40 325	0.59 322	0.49 285

CFNet-ft	1.90 184	0.95 286	3.56 171	1.07 184	1.54 362	4.09 290	0.90 215	2.85 113	1.82 178	1.78 136	1.70 164	2.75 292	1.48 205	9.33 331	1.72 267	0.33 183	0.30 251	0.61 380	0.36 284	0.52 297	0.39 212

CFNet_RVC	1.90 184	0.95 286	3.56 171	1.07 184	1.54 362	4.09 290	0.90 215	2.85 113	1.82 178	1.78 136	1.70 164	2.75 292	1.48 205	9.33 331	1.72 267	0.33 183	0.30 251	0.61 380	0.36 284	0.52 297	0.39 212

hitnet-ft	2.37 273	0.73 202	8.34 222	0.96 129	0.89 231	3.77 216	0.80 159	3.55 180	2.58 326	2.24 277	2.04 269	3.65 364	1.49 211	11.71 421	1.89 288	0.44 300	0.53 375	0.44 307	0.35 274	0.52 297	0.48 281

mmm	1.27 104	0.58 76	2.20 96	1.41 329	0.68 166	2.39 78	0.85 186	3.90 246	1.63 140	2.20 261	1.84 224	1.28 101	1.50 212	1.91 140	0.89 96	0.31 151	0.27 219	0.45 313	0.37 296	0.38 190	0.34 162

FADNet_RVC	2.65 311	2.28 409	16.51 323	0.98 141	0.92 236	4.09 290	0.83 174	4.26 354	1.73 164	1.46 88	1.78 194	1.60 142	1.50 212	8.88 320	2.39 334	0.47 321	0.38 314	0.44 307	0.58 378	0.89 384	0.97 389

UCFNet_RVC	1.57 138	0.84 259	3.25 157	1.36 314	1.40 341	4.07 288	1.01 258	2.68 96	1.50 69	2.11 230	1.88 236	2.37 252	1.50 212	3.41 217	1.42 211	0.36 224	0.28 228	0.52 354	0.40 325	0.53 303	0.43 250

FADNet-RVC-Resample	2.83 327	2.02 402	21.07 431	1.12 212	0.91 235	3.53 175	1.37 324	4.08 300	2.09 224	1.68 119	1.33 75	2.03 217	1.51 215	9.54 336	1.69 264	0.38 247	0.37 308	0.42 299	0.44 339	0.56 314	0.56 316

iResNetv2_ROB	2.65 311	5.00 432	19.28 371	2.06 413	1.09 280	3.83 227	1.13 287	4.14 318	2.09 224	1.85 146	2.03 266	2.01 216	1.51 215	3.58 220	1.58 244	0.34 195	0.21 98	0.32 167	0.21 44	0.44 263	0.29 98

SMFormer	2.00 205	0.57 63	4.46 184	1.36 314	0.57 123	2.03 57	0.73 110	4.25 347	2.80 355	2.32 301	2.31 327	1.95 201	1.52 217	10.99 385	2.13 318	0.34 195	0.32 269	0.36 247	0.31 236	0.38 190	0.36 178

tta	2.00 205	0.57 63	4.46 184	1.36 314	0.57 123	2.03 57	0.73 110	4.25 347	2.80 355	2.32 301	2.31 327	1.95 201	1.52 217	10.99 385	2.13 318	0.34 195	0.32 269	0.36 247	0.31 236	0.29 58	0.29 98

qqq1	1.92 190	0.57 63	4.46 184	1.36 314	0.57 123	2.03 57	0.73 110	4.25 347	2.80 355	2.32 301	2.31 327	1.95 201	1.52 217	10.99 385	0.71 40	0.34 195	0.32 269	0.30 128	0.23 79	0.29 58	0.29 98

fff1	1.92 190	0.57 63	4.46 184	1.36 314	0.57 123	2.03 57	0.73 110	4.25 347	2.80 355	2.32 301	2.31 327	1.95 201	1.52 217	10.99 385	0.71 40	0.34 195	0.32 269	0.30 128	0.23 79	0.29 58	0.29 98

AFF-stereo	1.31 112	0.77 229	1.46 29	1.10 206	0.45 56	3.93 252	0.48 24	2.92 118	2.92 371	1.90 161	2.21 303	2.11 230	1.52 217	1.93 141	1.12 150	0.21 1	0.16 5	0.25 38	0.25 110	0.29 58	0.20 7

DLCB_ROB	2.05 214	0.95 286	2.37 114	1.24 265	1.02 265	2.92 99	1.30 313	3.68 197	2.30 270	2.91 373	2.17 296	3.32 337	1.52 217	10.37 362	2.50 342	0.40 265	0.33 276	0.40 284	0.36 284	0.41 228	0.47 277

ETE_ROB	2.07 217	1.40 368	3.01 150	1.09 197	0.92 236	3.94 257	1.53 345	4.25 347	2.23 253	3.31 397	2.06 279	2.35 249	1.52 217	8.74 318	2.07 311	0.44 300	0.36 295	0.51 348	0.48 352	0.54 306	0.62 335

DMCA-RVC	2.45 280	1.22 343	18.29 350	1.23 263	1.14 286	2.49 80	0.85 186	3.29 151	1.68 149	3.02 382	1.41 95	2.00 213	1.53 224	6.39 277	2.00 301	0.38 247	0.30 251	0.44 307	0.35 274	0.45 271	0.44 256

ttt	2.76 323	0.56 55	2.28 108	1.41 329	1.21 309	3.67 202	0.77 143	4.59 422	2.94 373	2.35 309	2.30 320	2.45 263	1.54 225	11.25 398	15.56 437	0.43 293	0.36 295	0.37 259	0.33 253	0.40 205	0.40 232

DCANet-4	1.96 197	0.51 18	14.31 297	0.82 45	0.40 34	4.16 314	0.57 42	4.29 363	2.98 378	2.30 291	1.80 200	1.03 69	1.54 225	1.44 77	1.44 214	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

test_sample2	1.75 166	0.56 55	2.25 102	1.41 329	0.80 192	2.91 97	0.86 188	4.05 290	2.04 213	1.91 166	1.39 90	1.57 138	1.55 227	10.65 370	1.06 137	0.32 169	0.28 228	0.32 167	0.30 220	0.36 178	0.33 151

CASS	1.29 107	0.66 151	2.62 131	0.95 123	0.66 156	2.84 91	0.69 94	3.00 123	1.79 175	2.57 341	1.95 251	1.39 117	1.55 227	1.59 99	1.06 137	0.50 337	0.28 228	0.34 217	0.28 178	0.46 280	0.63 338
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Any-RAFT	1.40 120	0.53 35	2.78 140	1.09 197	0.64 145	4.41 361	0.81 166	3.97 267	2.78 349	1.99 188	1.34 80	2.36 251	1.56 229	1.56 95	0.75 51	0.27 47	0.20 69	0.25 38	0.18 13	0.25 16	0.28 88

RAFT	1.23 84	0.84 259	2.05 78	0.96 129	0.47 73	1.80 44	0.94 240	3.18 141	1.46 46	1.60 100	1.71 168	3.04 316	1.59 230	1.64 112	1.32 194	0.38 247	0.24 178	0.40 284	0.32 246	0.40 205	0.35 174

STTStereo	2.34 262	0.95 286	14.93 305	1.43 333	1.54 362	3.86 240	0.86 188	3.65 191	2.44 304	2.15 244	1.55 125	2.49 269	1.59 230	5.14 250	1.44 214	0.38 247	0.39 322	0.47 321	0.51 362	0.52 297	0.51 299

BEATNet_4x	1.92 190	1.36 363	8.75 229	1.20 251	0.56 112	3.46 158	1.03 263	4.00 275	2.43 300	2.25 280	1.70 164	2.10 228	1.59 230	2.57 195	3.05 365	0.37 231	0.22 124	0.47 321	0.29 205	0.60 326	0.40 232

HSM-Net_RVC	2.87 332	0.57 63	17.46 340	0.92 103	0.90 234	3.70 205	1.20 302	5.64 447	2.51 317	3.22 395	2.43 338	2.54 272	1.59 230	11.41 402	1.65 260	0.34 195	0.25 197	0.26 52	0.23 79	0.30 77	0.29 98
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
TDLM	2.29 248	1.08 314	4.61 190	1.29 282	1.01 264	4.26 337	2.17 390	3.75 212	2.79 351	2.31 297	1.98 260	2.06 223	1.59 230	12.45 438	1.72 267	0.51 343	0.28 228	0.52 354	0.35 274	0.56 314	0.50 292

AEACV	0.79 6	0.54 41	1.35 22	0.97 136	0.63 143	1.13 7	0.92 234	2.02 37	0.91 2	0.76 19	0.79 10	0.80 36	1.61 235	1.28 58	0.61 10	0.22 5	0.18 27	0.26 52	0.23 79	0.27 33	0.23 24

IIG-Stereo	1.95 195	0.79 238	2.14 92	2.78 433	0.66 156	4.62 399	0.76 132	4.27 355	1.53 88	2.63 353	3.14 389	3.35 339	1.61 235	7.65 305	1.41 209	0.39 259	0.20 69	0.31 149	0.25 110	0.33 131	0.22 17

CC-Net-ROB	3.35 377	1.76 391	13.89 288	2.33 425	1.65 386	4.49 375	1.62 354	4.73 429	2.90 368	1.92 168	2.05 275	1.99 212	1.61 235	12.57 442	1.60 248	2.46 435	2.18 441	2.68 443	1.04 419	2.11 429	1.38 412

test_sample1	1.62 147	0.55 46	1.88 61	1.44 335	0.79 190	2.27 72	0.64 73	4.00 275	1.82 178	1.87 152	1.35 83	1.57 138	1.62 238	9.55 337	1.24 176	0.30 132	0.27 219	0.31 149	0.28 178	0.32 115	0.32 139

ACVNet-DCA	1.85 176	0.74 210	13.77 282	1.78 388	0.36 8	4.48 369	0.74 120	3.98 269	1.53 88	1.01 51	1.81 212	0.72 23	1.62 238	2.13 157	0.64 14	0.29 95	0.17 10	0.32 167	0.21 44	0.33 131	0.32 139

1test111	1.99 204	0.74 210	13.77 282	1.78 388	0.36 8	4.48 369	0.74 120	3.98 269	1.53 88	1.01 51	1.81 212	0.72 23	1.62 238	4.66 242	0.98 127	0.29 95	0.17 10	0.32 167	0.21 44	0.33 131	0.32 139

cc1	1.98 201	0.74 210	13.77 282	1.78 388	0.36 8	4.48 369	0.74 120	4.23 338	3.95 426	1.01 51	1.81 212	0.72 23	1.62 238	2.13 157	0.64 14	0.29 95	0.17 10	0.32 167	0.21 44	0.31 92	0.29 98

ffm	1.72 159	0.60 92	5.21 197	1.14 220	0.99 256	3.62 194	0.86 188	4.22 334	3.37 410	2.20 261	2.30 320	3.48 346	1.62 238	2.21 169	0.65 18	0.29 95	0.16 5	0.48 329	0.37 296	0.30 77	0.29 98

ff1	2.96 341	0.60 92	5.21 197	1.14 220	0.99 256	3.62 194	0.86 188	4.22 334	3.37 410	2.20 261	2.30 320	3.48 346	1.62 238	11.62 411	16.09 439	0.29 95	0.16 5	0.48 329	0.37 296	0.30 77	0.29 98

mmx	2.98 347	0.60 92	5.21 197	1.14 220	0.99 256	3.62 194	0.86 188	4.49 412	3.05 384	2.20 261	2.30 320	3.48 346	1.62 238	11.62 411	16.09 439	0.33 183	0.28 228	0.48 329	0.37 296	0.44 263	0.37 192

xxx	2.98 347	0.60 92	5.21 197	1.14 220	0.99 256	3.62 194	0.86 188	4.49 412	3.05 384	2.20 261	2.30 320	3.48 346	1.62 238	11.62 411	16.09 439	0.33 183	0.28 228	0.48 329	0.37 296	0.44 263	0.37 192

gwcnet-sp	2.31 252	1.21 337	17.34 333	1.08 191	0.92 236	3.56 182	1.04 266	3.69 202	2.09 224	2.55 337	1.60 139	1.80 180	1.62 238	3.87 228	1.95 295	0.29 95	0.29 238	0.30 128	0.28 178	0.38 190	0.39 212

scenet	2.31 252	1.21 337	17.34 333	1.08 191	0.92 236	3.56 182	1.04 266	3.69 202	2.09 224	2.55 337	1.60 139	1.80 180	1.62 238	3.87 228	1.95 295	0.29 95	0.29 238	0.30 128	0.28 178	0.38 190	0.39 212

ssnet	2.31 252	1.21 337	17.34 333	1.08 191	0.92 236	3.56 182	1.04 266	3.69 202	2.09 224	2.55 337	1.60 139	1.80 180	1.62 238	3.87 228	1.95 295	0.29 95	0.29 238	0.30 128	0.28 178	0.38 190	0.39 212

CFNet_pseudo	2.12 221	0.67 159	15.14 310	0.85 72	0.74 179	3.95 262	0.64 73	3.95 261	1.78 173	1.90 161	1.79 197	3.27 333	1.62 238	2.51 186	1.16 156	0.31 151	0.36 295	0.53 356	0.27 151	0.63 334	0.44 256

MyStereo05	2.37 273	0.72 192	19.94 387	1.02 169	0.99 256	4.26 337	0.86 188	4.01 277	2.62 329	2.14 236	1.26 62	2.28 238	1.63 250	2.07 150	1.68 263	0.24 16	0.23 148	0.34 217	0.26 126	0.42 246	0.36 178

DCANet	1.74 162	0.73 202	9.08 231	0.82 45	0.40 34	4.18 322	0.59 51	4.25 347	2.97 375	2.35 309	1.84 224	1.18 86	1.63 250	1.51 89	1.55 241	0.29 95	0.24 178	0.23 11	0.18 13	0.30 77	0.53 306

NLCA_NET_v2_RVC	2.54 297	1.04 305	16.73 326	1.53 354	2.00 415	3.96 267	0.87 205	3.87 236	2.31 273	2.54 336	1.67 156	2.85 303	1.63 250	5.55 259	1.62 254	0.46 312	0.33 276	0.38 275	0.38 309	0.53 303	0.62 335
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
111	1.83 174	0.92 276	9.08 231	0.81 37	0.36 8	4.25 336	0.91 223	4.44 403	2.70 340	2.39 319	1.96 252	2.30 244	1.64 253	1.28 58	1.82 280	0.28 76	0.22 124	0.24 24	0.20 34	0.31 92	0.54 312

ccs_rob	2.13 223	0.67 159	15.11 309	0.84 61	0.75 180	3.96 267	0.65 82	3.95 261	1.78 173	1.88 155	1.79 197	3.26 332	1.64 253	2.51 186	1.16 156	0.31 151	0.36 295	0.54 363	0.27 151	0.65 344	0.45 262

MyStereo04	2.29 248	0.80 241	18.77 359	1.00 155	1.04 269	3.95 262	0.95 244	3.91 250	2.54 322	1.99 188	1.27 68	2.31 245	1.65 255	2.02 149	1.77 275	0.24 16	0.24 178	0.34 217	0.26 126	0.41 228	0.37 192

psm_up	2.28 245	0.81 245	5.45 201	1.26 273	1.50 358	3.84 232	1.23 306	4.23 338	2.03 209	2.55 337	1.80 200	2.44 262	1.65 255	12.90 443	1.58 244	0.37 231	0.38 314	0.41 293	0.34 260	0.43 256	0.39 212

acv_ft	1.55 132	0.64 133	3.29 160	1.14 220	2.01 416	2.93 100	0.97 252	3.81 223	2.08 221	2.22 271	1.88 236	3.10 320	1.66 257	1.33 66	2.22 325	0.29 95	0.26 209	0.30 128	0.26 126	0.39 200	0.27 71

NCCL2	2.53 295	1.35 362	10.90 257	1.15 233	0.97 249	3.53 175	2.56 403	3.65 191	2.23 253	2.76 364	1.80 200	2.41 256	1.66 257	10.35 361	2.07 311	0.44 300	0.40 327	0.57 368	0.53 369	0.59 322	0.65 342

DualNet (step1)	2.34 262	1.05 306	7.87 216	1.07 184	0.86 218	3.93 252	1.19 298	4.35 384	2.11 234	2.14 236	1.75 179	1.75 164	1.67 259	6.26 275	1.26 182	1.23 417	0.48 369	4.27 460	2.09 446	0.70 357	0.69 349

test_sample9	3.79 391	1.05 306	7.87 216	1.07 184	0.86 218	3.93 252	1.19 298	4.35 384	2.11 234	2.14 236	1.75 179	1.75 164	1.67 259	11.06 389	11.61 425	1.23 417	14.45 473	4.27 460	2.09 446	0.70 357	0.69 349

test_sample7	1.65 152	0.70 178	2.60 125	1.48 346	0.76 183	2.38 76	1.07 272	4.35 384	2.11 234	2.14 236	1.75 179	1.75 164	1.67 259	6.26 275	1.26 182	0.44 300	0.48 369	0.43 303	0.40 325	0.46 280	0.43 250

LALA_ROB	1.95 195	1.48 374	3.11 153	1.05 178	0.98 253	3.99 273	1.82 371	4.44 403	2.28 266	3.31 397	1.85 231	2.76 298	1.67 259	4.04 235	3.23 368	0.46 312	0.41 334	0.55 364	0.52 365	0.60 326	0.57 320

GwcNet	3.00 350	1.63 381	19.83 384	1.32 294	2.04 420	3.27 134	1.55 349	3.65 191	2.33 277	2.00 200	2.12 289	3.56 360	1.68 263	9.47 334	2.45 338	0.44 300	0.45 351	0.46 318	0.38 309	0.60 326	0.76 367

DDUNet	2.91 335	2.78 418	6.94 211	3.53 443	2.26 427	3.28 137	1.36 320	3.77 216	2.04 213	2.62 350	2.49 343	4.18 388	1.69 264	5.38 254	1.85 284	2.21 434	1.77 436	2.61 441	2.43 452	2.60 432	2.34 434

DGSMNet	7.55 447	1.62 379	17.42 338	1.92 403	12.73 464	7.45 450	42.99 478	4.13 312	2.07 220	2.10 226	3.16 390	3.42 343	1.70 265	9.24 330	2.30 329	3.70 450	10.89 471	11.80 473	5.54 464	4.24 447	2.66 439

PSMNet-RSSM	1.96 197	0.77 229	3.26 158	1.29 282	1.31 322	4.19 326	0.96 249	3.68 197	1.89 191	2.05 214	1.80 200	2.60 277	1.70 265	9.84 344	1.81 279	0.35 213	0.29 238	0.35 234	0.37 296	0.42 246	0.35 174

ssnet_v2	2.04 212	0.88 268	7.87 216	1.20 251	0.87 223	3.86 240	1.64 357	4.01 277	2.60 328	2.61 349	1.96 252	3.79 367	1.71 267	2.20 167	2.96 361	0.41 278	0.35 291	0.42 299	0.37 296	0.55 308	0.52 304

pcwnet_v2	2.70 321	0.65 141	22.48 455	1.08 191	1.03 266	3.56 182	0.81 166	4.29 363	3.14 391	2.29 287	2.29 316	3.01 314	1.71 267	3.32 216	1.43 212	0.43 293	0.50 374	0.41 293	0.34 260	0.61 331	0.56 316

IPLGR	2.53 295	0.58 76	20.46 414	0.82 45	0.52 96	4.56 392	0.50 26	4.30 371	2.38 292	1.87 152	1.53 121	1.68 151	1.72 269	6.95 292	1.15 153	0.28 76	0.21 98	0.27 72	0.23 79	0.33 131	0.32 139

CVANet_RVC	2.55 301	1.10 318	9.13 236	1.46 341	1.15 288	3.96 267	1.53 345	3.91 250	2.50 314	3.04 383	2.04 269	2.60 277	1.72 269	12.46 439	1.50 230	0.49 335	0.30 251	0.51 348	0.41 330	0.63 334	0.50 292

XPNet_ROB	2.27 240	1.11 321	4.10 181	1.36 314	0.97 249	3.94 257	1.63 355	4.07 296	2.14 239	2.82 370	2.00 263	2.32 246	1.73 271	10.81 377	3.39 369	0.51 343	0.47 363	0.48 329	0.40 325	0.51 294	0.56 316

NVstereo2D	2.54 297	0.90 271	11.10 258	1.32 294	1.47 354	3.58 186	1.38 326	4.13 312	2.45 305	1.90 161	1.71 168	2.86 304	1.76 272	10.86 378	1.66 261	0.60 363	0.43 341	0.53 356	0.41 330	0.78 374	0.94 388

GES	1.38 119	0.64 133	2.61 128	1.09 197	0.57 123	4.30 346	1.02 262	3.86 234	1.51 75	1.72 127	1.74 175	1.28 101	1.77 273	1.62 107	1.61 251	0.39 259	0.27 219	0.33 200	0.30 220	0.41 228	0.47 277

ac_64	2.35 267	0.62 115	9.77 240	1.32 294	1.71 394	3.27 134	0.93 235	3.48 167	2.50 314	1.74 130	1.73 173	3.91 372	1.77 273	10.21 358	1.86 285	0.40 265	0.31 261	0.33 200	0.30 220	0.34 149	0.39 212

FADNet-RVC	2.51 291	2.27 407	14.03 290	1.09 197	0.81 195	3.54 179	1.10 281	4.13 312	2.48 309	1.39 81	1.22 52	1.85 193	1.77 273	9.78 342	2.06 308	0.38 247	0.37 308	0.40 284	0.40 325	0.67 351	0.48 281

test_5	1.87 177	0.75 222	10.23 248	1.14 220	1.40 341	3.85 238	1.27 310	3.91 250	1.93 195	1.69 120	1.78 194	1.67 149	1.79 276	2.99 213	1.17 159	0.30 132	0.18 27	0.35 234	0.33 253	0.34 149	0.33 151

DAS	2.31 252	0.67 159	4.79 191	1.14 220	1.64 382	2.93 100	2.13 388	4.09 302	2.74 344	4.17 419	2.52 347	2.46 265	1.79 276	11.55 408	1.63 256	0.37 231	0.22 124	0.39 278	0.25 110	0.41 228	0.34 162

SepStereo	2.15 224	0.67 159	4.79 191	1.14 220	1.64 382	2.93 100	2.13 388	4.09 302	2.74 344	4.17 419	2.52 347	2.46 265	1.79 276	8.36 311	1.63 256	0.37 231	0.22 124	0.39 278	0.25 110	0.41 228	0.34 162

ADLNet	2.29 248	0.83 255	3.62 176	1.35 308	1.60 375	3.67 202	1.24 308	3.95 261	2.98 378	2.58 343	2.29 316	4.01 378	1.79 276	11.23 397	2.09 313	0.37 231	0.38 314	0.36 247	0.34 260	0.45 271	0.71 354

PSMNet_ROB	2.95 338	1.38 365	18.46 356	1.19 247	1.20 304	3.80 223	1.65 360	3.54 179	2.35 280	1.98 183	1.71 168	2.75 292	1.79 276	11.43 404	2.78 357	0.42 288	0.36 295	0.50 345	0.60 382	0.59 322	0.49 285

RAFT_CTSACE	1.80 172	1.06 311	10.00 244	1.71 381	1.39 339	3.49 165	1.06 270	3.05 128	1.62 137	1.70 122	2.04 269	2.51 270	1.80 281	1.98 144	0.94 118	0.25 27	0.22 124	0.28 94	0.30 220	0.30 77	0.26 59

DANet	2.63 309	1.07 312	8.10 221	1.83 396	1.70 393	3.25 131	1.16 291	4.31 374	2.38 292	3.40 402	2.18 297	4.08 382	1.80 281	9.77 340	3.89 376	0.52 349	0.55 378	0.59 372	0.44 339	0.63 334	0.86 380
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
StereoDRNet	2.84 328	1.49 375	14.48 298	1.33 298	1.57 373	3.44 153	2.06 384	3.69 202	2.36 283	3.26 396	1.84 224	2.79 301	1.80 281	10.88 379	3.16 366	0.41 278	0.33 276	0.39 278	0.36 284	0.59 322	0.58 324

1111x	3.13 363	0.57 63	8.38 224	1.20 251	0.76 183	3.80 223	0.88 209	4.61 424	2.63 331	2.31 297	2.16 294	1.95 201	1.81 284	11.54 407	18.13 452	0.32 169	0.31 261	0.32 167	0.30 220	0.35 166	0.34 162

anonymousa	2.16 225	0.67 159	19.19 365	1.04 177	1.67 390	2.06 63	0.79 151	2.86 116	1.96 197	1.85 146	2.14 291	3.23 330	1.81 284	1.12 23	1.15 153	0.26 37	0.26 209	0.34 217	0.32 246	0.30 77	0.28 88

PSMNet-ADL	1.91 187	0.72 192	1.78 55	1.09 197	0.86 218	4.18 322	0.78 146	3.77 216	2.10 232	1.72 127	1.85 231	2.91 308	1.82 286	10.38 364	1.91 290	0.48 325	0.46 359	0.28 94	0.29 205	0.38 190	0.51 299

GANet-RSSM	1.98 201	0.62 115	3.49 166	1.69 378	1.23 310	4.22 332	0.91 223	3.31 153	1.86 185	1.81 141	1.74 175	2.34 247	1.82 286	10.92 382	1.73 271	0.34 195	0.29 238	0.31 149	0.28 178	0.39 200	0.40 232

S-Stereo	3.48 380	0.91 274	22.06 454	1.36 314	1.50 358	3.55 180	2.53 402	4.21 331	2.81 361	2.37 314	3.81 405	3.75 365	1.84 288	11.90 429	2.51 343	0.63 368	0.71 406	0.48 329	0.76 399	0.67 351	1.19 402

GANetREF_RVC	3.20 369	1.93 397	18.84 360	1.51 351	0.80 192	4.12 297	1.82 371	4.16 322	2.91 369	1.87 152	1.74 175	2.48 267	1.84 288	13.18 444	1.74 272	0.80 394	0.57 381	0.79 405	0.74 397	1.20 415	0.86 380
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
PASM	2.67 315	2.05 404	9.71 239	1.73 384	1.37 335	2.53 83	1.52 343	3.10 132	2.17 244	2.79 367	1.84 224	2.90 306	1.85 290	11.89 428	2.19 322	0.81 396	0.85 414	0.87 411	1.01 416	1.14 407	1.05 393

HH	2.23 232	0.86 264	21.59 446	0.98 141	0.51 87	1.49 30	0.82 169	2.74 102	1.54 96	1.10 60	1.69 162	4.62 408	1.86 291	2.55 192	0.69 31	0.26 37	0.22 124	0.29 109	0.23 79	0.34 149	0.27 71

HanStereo	2.23 232	0.86 264	21.59 446	0.98 141	0.51 87	1.49 30	0.82 169	2.74 102	1.54 96	1.10 60	1.69 162	4.62 408	1.86 291	2.55 192	0.69 31	0.26 37	0.22 124	0.29 109	0.23 79	0.34 149	0.27 71

GMM-Stereo	2.45 280	0.52 24	20.38 409	0.89 87	0.82 203	4.18 322	1.91 376	2.45 67	1.48 56	2.48 330	2.30 320	1.69 156	1.86 291	2.93 210	1.08 142	0.28 76	0.18 27	0.33 200	0.48 352	0.35 166	2.41 435

GEStereo_RVC	1.91 187	0.80 241	6.57 205	1.20 251	1.06 273	4.02 278	1.43 336	4.13 312	1.89 191	2.03 210	1.80 200	2.34 247	1.86 291	4.94 246	1.77 275	0.48 325	0.38 314	0.32 167	0.28 178	0.42 246	0.50 292

PA-Net	3.09 359	1.24 348	18.84 360	1.38 324	1.19 299	3.42 151	1.75 365	3.89 241	3.27 407	1.88 155	2.10 282	3.03 315	1.88 295	11.60 409	2.88 360	0.40 265	0.54 376	0.44 307	0.62 386	0.52 297	1.02 391
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
delet	1.92 190	0.76 227	5.14 194	1.01 160	1.65 386	3.44 153	2.03 383	3.76 214	2.48 309	2.01 202	2.05 275	2.63 281	1.90 296	5.34 253	2.12 315	0.28 76	0.29 238	0.40 284	0.31 236	0.41 228	0.45 262

SQANet	3.70 387	9.34 454	18.41 354	2.75 431	2.74 432	3.40 150	1.47 337	3.50 172	1.68 149	2.60 347	1.75 179	2.69 284	1.91 297	6.72 288	1.74 272	2.96 438	1.41 430	1.85 431	1.12 421	3.17 435	2.70 443

DISCO	2.25 236	0.73 202	10.06 245	1.76 386	1.12 284	3.47 161	1.25 309	3.24 147	2.26 261	2.65 356	1.96 252	4.53 404	1.92 298	4.17 238	3.61 372	0.32 169	0.25 197	0.31 149	0.29 205	0.66 349	0.41 238

ADLNet2	3.15 366	0.92 276	20.06 392	1.20 251	1.79 403	3.83 227	1.48 338	3.94 259	3.59 416	2.19 259	2.47 341	4.65 411	1.93 299	10.69 372	1.96 298	0.39 259	0.37 308	0.28 94	0.30 220	0.48 287	0.43 250

APVNet	3.13 363	1.25 349	21.14 433	1.31 292	1.52 360	3.94 257	1.13 287	3.32 157	2.14 239	2.20 261	2.03 266	3.05 319	1.96 300	11.79 424	2.53 345	0.42 288	0.45 351	0.64 387	0.46 345	0.67 351	0.57 320

MIPNet	2.33 258	0.71 189	19.82 383	0.89 87	0.56 112	4.76 425	0.61 57	4.32 378	2.37 289	1.83 144	1.48 112	1.48 129	1.98 301	2.63 198	1.44 214	0.29 95	0.20 69	0.26 52	0.23 79	0.30 77	0.39 212

riskmin	1.25 93	0.56 55	2.05 78	1.05 178	0.93 241	2.86 93	0.55 38	3.23 145	1.34 24	1.55 95	1.07 36	3.56 360	2.03 302	1.29 60	1.00 132	0.28 76	0.27 219	0.34 217	0.21 44	0.41 228	0.43 250

GANet	2.93 337	1.05 306	11.29 260	1.64 373	0.96 245	3.91 247	2.52 401	3.72 209	2.41 297	2.95 380	3.00 380	3.21 327	2.03 302	12.42 437	4.72 384	0.51 343	0.41 334	0.46 318	0.39 314	0.60 326	0.50 292

HBP-ISP	3.25 372	1.10 318	20.86 424	1.54 356	1.15 288	4.50 378	2.89 413	4.43 402	2.38 292	4.14 418	1.96 252	1.90 196	2.04 304	11.08 392	1.32 194	0.66 376	0.57 381	0.66 390	0.61 385	0.64 341	0.61 332

Wz-Net-SNSev	2.98 347	4.36 429	15.98 316	1.57 364	1.19 299	3.28 137	1.80 369	3.96 266	2.40 295	2.32 301	2.28 313	3.48 346	2.05 305	7.84 307	3.82 375	0.47 321	0.39 322	0.53 356	0.49 355	0.71 364	0.60 329

Wz-Net-LNSev	2.30 251	1.67 387	14.88 302	1.18 245	1.65 386	3.49 165	1.54 348	3.63 188	2.03 209	1.88 155	1.64 149	3.29 334	2.06 306	2.71 204	2.02 304	0.40 265	0.33 276	0.32 167	0.31 236	0.53 303	0.49 285

FADNet	2.49 289	1.76 391	13.17 273	1.17 239	0.95 244	3.27 134	0.88 209	3.94 259	2.27 263	1.40 82	1.29 71	2.51 270	2.06 306	9.93 349	1.94 293	0.43 293	0.45 351	0.40 284	0.43 337	1.06 397	0.53 306

STTRV1_RVC	3.52 381	1.03 304	20.87 425	1.47 344	1.47 354	3.23 124	1.55 349	4.06 294	3.22 401	1.95 176	3.50 400	2.63 281	2.07 308	11.96 431	2.21 324	1.86 430	4.03 463	0.81 408	0.73 396	1.06 397	0.70 353

FBW_ROB	3.24 370	1.02 299	9.21 237	1.49 349	1.07 275	3.78 218	1.48 338	4.31 374	3.08 386	2.46 327	2.32 332	4.20 391	2.08 309	15.19 458	7.16 404	0.84 400	0.62 394	1.33 426	0.92 411	0.99 394	1.31 406

MFN_U_SF_DS_RVC	3.94 396	10.88 460	12.30 269	1.26 273	1.55 366	5.19 434	3.33 426	4.42 399	2.82 363	2.58 343	2.62 356	5.00 418	2.11 310	14.03 456	2.73 354	1.28 422	2.34 448	0.67 392	1.83 440	0.81 378	1.03 392

DispNO	3.00 350	0.75 222	18.92 362	1.17 239	1.10 282	3.72 208	0.94 240	4.29 363	2.54 322	2.24 277	2.28 313	4.51 402	2.12 311	11.40 401	2.09 313	0.31 151	0.28 228	0.31 149	0.28 178	0.36 178	0.39 212

IER	1.69 157	0.65 141	7.19 212	0.94 120	1.15 288	3.28 137	0.89 211	3.48 167	1.97 199	2.10 226	1.98 260	2.28 238	2.12 311	2.25 173	1.75 274	0.29 95	0.23 148	0.36 247	0.30 220	0.32 115	0.34 162

MMNet	2.02 209	0.81 245	10.76 254	1.12 212	1.23 310	3.53 175	0.89 211	3.79 220	2.08 221	2.15 244	1.76 187	2.15 231	2.12 311	3.69 224	2.32 331	0.31 151	0.29 238	0.34 217	0.27 151	0.38 190	0.42 241

HGLStereo	2.03 210	0.74 210	7.50 215	1.23 263	1.56 369	3.62 194	0.95 244	3.78 219	1.89 191	2.03 210	2.20 301	3.12 323	2.14 314	5.68 263	2.04 305	0.37 231	0.31 261	0.32 167	0.29 205	0.40 205	0.45 262

TestStereo1	1.56 136	0.81 245	2.32 110	1.61 371	0.64 145	4.13 300	1.36 320	3.79 220	3.20 399	1.60 100	2.57 354	1.39 117	2.15 315	2.51 186	1.30 191	0.29 95	0.20 69	0.34 217	0.25 110	0.40 205	0.36 178

SA-5K	1.56 136	0.81 245	2.32 110	1.61 371	0.64 145	4.13 300	1.36 320	3.79 220	3.20 399	1.60 100	2.57 354	1.39 117	2.15 315	2.51 186	1.30 191	0.29 95	0.20 69	0.34 217	0.25 110	0.40 205	0.36 178

GASNet	3.24 370	5.55 436	20.58 419	1.56 363	1.25 315	2.32 74	1.12 284	4.04 286	2.67 337	1.88 155	2.10 282	3.00 313	2.16 317	10.59 367	2.43 337	0.65 374	0.37 308	0.61 380	0.45 343	0.87 383	0.58 324

RYNet	2.97 345	0.93 279	15.09 308	1.12 212	1.38 338	3.66 201	1.42 334	4.03 282	2.29 269	2.10 226	1.70 164	3.79 367	2.16 317	13.64 452	3.02 364	0.37 231	0.41 334	0.48 329	0.34 260	0.81 378	0.75 365

Ntro	4.21 405	8.94 450	19.89 386	3.22 439	2.96 437	4.15 304	1.89 375	3.92 255	2.36 283	1.77 134	2.14 291	3.35 339	2.17 319	9.48 335	2.24 326	3.52 447	1.76 435	2.13 434	1.31 428	3.83 444	3.09 445

fast-acv-ft	2.54 297	1.19 334	20.08 395	1.41 329	1.40 341	3.18 120	1.17 294	3.37 162	2.28 266	1.90 161	2.15 293	2.69 284	2.17 319	2.91 208	2.31 330	0.37 231	0.39 322	0.45 313	0.39 314	0.57 318	0.45 262

PWC_ROB	2.69 320	2.01 401	8.36 223	1.33 298	1.90 411	3.23 124	1.18 295	4.33 380	3.25 403	3.11 388	3.41 397	2.71 287	2.18 321	9.15 328	4.48 380	0.56 357	0.31 261	0.61 380	0.36 284	0.69 356	0.74 362

MSC_U_SF_DS_RVC	4.48 409	10.62 458	15.18 311	1.55 361	1.45 353	6.16 440	3.54 433	5.41 445	3.68 420	2.59 346	2.74 364	4.81 413	2.20 322	13.79 453	4.40 379	2.04 431	3.36 461	1.05 418	1.20 426	2.09 428	1.72 421

iRaft-Stereo_5w	2.10 220	0.83 255	8.57 225	0.81 37	0.76 183	3.21 121	0.84 177	3.71 208	1.65 144	1.56 97	2.50 344	2.20 234	2.23 323	9.13 327	2.01 303	0.38 247	0.19 44	0.35 234	0.27 151	0.45 271	0.39 212

SA	1.62 147	0.75 222	3.78 179	1.07 184	0.43 47	4.26 337	1.36 320	4.45 406	3.12 388	1.63 109	1.97 258	1.68 151	2.26 324	2.55 192	1.27 185	0.27 47	0.22 124	0.37 259	0.37 296	0.35 166	0.30 124

RTSC	2.95 338	2.51 411	15.49 314	1.54 356	1.30 320	3.51 171	0.86 188	3.89 241	2.48 309	3.64 405	3.12 387	3.04 316	2.30 325	5.70 264	6.67 395	0.55 355	0.35 291	0.37 259	0.39 314	0.70 357	0.60 329

DeepPrunerF	3.70 387	1.72 388	14.87 301	1.33 298	1.74 397	3.70 205	1.55 349	4.20 326	14.00 458	2.02 206	1.77 192	2.74 290	2.30 325	10.88 379	6.88 401	0.68 382	0.60 391	0.78 404	0.78 404	0.81 378	0.71 354

RASNet	2.56 302	0.70 178	10.06 245	1.60 368	2.25 426	3.67 202	1.00 256	3.38 163	3.14 391	1.81 141	2.11 286	4.60 407	2.30 325	10.25 360	2.61 350	0.37 231	0.24 178	0.25 38	0.24 101	0.28 48	0.26 59

ccnet	2.66 313	0.97 293	8.01 220	1.54 356	1.24 312	3.75 213	2.18 391	4.07 296	2.41 297	2.66 357	3.25 392	2.87 305	2.31 328	9.89 346	3.50 370	0.78 391	0.75 410	0.71 396	0.67 389	0.76 371	0.81 374

Nwc_Net	2.88 334	1.16 330	18.30 351	1.35 308	1.68 391	3.52 174	1.18 295	3.90 246	2.06 218	2.52 335	2.82 374	3.82 369	2.34 329	6.78 289	2.55 348	0.86 401	0.40 327	0.59 372	0.67 389	0.57 318	0.55 314

otaku	4.58 412	8.93 449	19.95 388	3.11 438	2.67 430	3.91 247	2.57 404	3.82 224	2.25 258	2.22 271	9.72 443	4.08 382	2.35 330	8.57 315	2.13 318	3.51 446	1.65 434	2.15 435	1.17 424	3.69 441	3.15 447

Anonymous_2	3.01 352	0.89 269	4.53 189	1.06 183	1.18 293	2.93 100	0.87 205	3.24 147	1.46 46	1.86 151	1.35 83	4.11 384	2.35 330	1.64 112	1.28 188	0.82 397	0.90 416	8.71 469	15.84 472	4.44 451	0.74 362

UNet	2.51 291	0.74 210	20.17 398	1.14 220	1.44 350	3.48 163	0.76 132	3.77 216	1.87 186	2.05 214	1.57 130	2.75 292	2.39 332	3.51 219	2.51 343	0.32 169	0.26 209	0.41 293	0.26 126	0.38 190	0.39 212

MFMNet_re	2.91 335	1.91 396	18.25 349	3.06 437	1.89 410	3.13 118	1.67 362	3.52 176	2.97 375	3.14 390	2.87 376	2.26 236	2.41 333	2.42 177	2.00 301	1.10 411	1.05 419	0.94 413	0.90 410	1.28 417	1.46 416

PWCDC_ROB	2.95 338	3.26 421	14.06 291	1.59 366	1.56 369	4.19 326	0.86 188	4.30 371	4.08 428	2.06 219	7.37 425	2.75 292	2.42 334	3.59 221	2.67 353	1.34 427	0.36 295	0.39 278	0.34 260	1.13 406	0.62 335

LMCR-Stereo	2.40 275	1.31 356	18.61 358	1.59 366	0.86 218	3.87 243	1.15 290	4.32 378	1.60 131	2.25 280	2.27 310	1.13 77	2.43 335	2.48 182	1.60 248	0.88 402	0.24 178	0.29 109	0.24 101	0.56 314	0.30 124

edge stereo	3.37 378	1.01 298	21.99 452	1.28 279	1.37 335	2.67 88	1.39 327	3.98 269	2.87 366	2.93 375	3.27 394	4.35 396	2.43 335	11.62 411	2.39 334	0.60 363	0.63 396	0.79 405	0.55 372	0.68 354	0.67 344

AIO-Stereo-zeroshot	2.35 267	0.99 294	19.62 377	1.09 197	0.96 245	1.51 32	0.44 19	4.05 290	1.64 141	1.31 72	1.67 156	4.93 415	2.45 337	2.52 190	1.40 205	0.30 132	0.20 69	0.31 149	0.50 359	0.57 318	0.60 329

PDISCO_ROB	2.86 329	1.53 377	14.27 295	1.98 409	2.19 423	4.52 383	1.35 318	4.65 425	3.19 396	2.09 223	2.16 294	3.53 356	2.45 337	5.32 252	2.12 315	1.30 425	0.78 412	0.72 400	0.59 380	1.24 416	1.28 404

UDG	3.55 382	2.81 419	17.45 339	2.69 430	1.98 414	3.97 270	1.19 298	4.35 384	2.02 207	2.42 323	2.53 349	4.50 401	2.46 339	6.53 279	2.41 336	2.12 433	1.77 436	2.63 442	2.57 454	2.64 433	1.95 426

DSFCA	1.89 182	0.69 168	3.14 154	1.10 206	1.18 293	3.99 273	1.79 367	3.50 172	2.16 242	3.10 387	1.64 149	2.91 308	2.50 340	5.38 254	2.26 327	0.43 293	0.38 314	0.37 259	0.36 284	0.50 293	0.42 241

Wz-Net-LNSev-Ref	2.42 277	1.47 373	14.14 292	1.30 289	1.35 332	3.51 171	1.64 357	4.04 286	2.10 232	2.46 327	1.88 236	2.28 238	2.51 341	4.73 245	3.17 367	0.38 247	0.19 44	0.35 234	0.20 34	0.40 205	0.36 178

DRN-Test	3.03 354	0.99 294	18.18 348	1.35 308	1.60 375	3.59 187	1.48 338	4.13 312	2.45 305	3.47 404	1.92 249	2.58 276	2.53 342	10.88 379	2.80 358	0.39 259	0.36 295	0.44 307	0.41 330	0.55 308	0.57 320

psmorigin	6.59 438	1.15 327	88.11 483	1.52 352	0.97 249	2.88 94	1.20 302	3.21 142	2.04 213	3.73 408	2.46 339	5.15 424	2.55 343	10.60 368	2.47 340	0.55 355	0.68 404	0.48 329	0.51 362	0.70 357	0.88 384

RAFT_R40	1.70 158	0.59 83	2.99 148	1.46 341	0.46 63	4.74 423	0.98 255	2.23 52	1.56 108	2.02 206	2.35 335	2.71 287	2.56 344	6.71 287	0.90 99	0.40 265	0.19 44	0.30 128	0.27 151	0.33 131	0.26 59

RP	2.79 324	1.20 336	10.36 249	1.54 356	1.93 412	3.44 153	1.97 379	4.05 290	2.34 278	2.66 357	2.79 369	3.98 376	2.58 345	10.21 358	2.61 350	0.95 405	0.47 363	0.71 396	0.57 377	0.71 364	0.68 347

CBMV	3.32 375	0.96 292	21.16 435	1.32 294	0.83 204	3.81 225	3.91 441	4.47 408	2.53 319	3.34 399	2.24 306	4.45 399	2.58 345	10.07 356	1.96 298	0.45 308	0.43 341	0.48 329	0.38 309	0.52 297	0.53 306
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
IRAFT_RVC	1.87 177	0.60 92	4.33 183	2.40 426	0.66 156	4.59 395	1.59 352	2.96 120	1.51 75	2.23 275	1.75 179	2.09 227	2.63 347	6.70 285	1.50 230	0.33 183	0.21 98	0.33 200	0.29 205	0.32 115	0.32 139

NCC-stereo	3.16 367	1.28 352	18.31 352	1.25 267	1.75 398	4.06 283	1.40 329	3.89 241	2.22 251	2.72 361	2.55 350	3.49 352	2.65 348	9.91 347	2.99 362	1.29 423	0.65 398	0.64 387	0.86 408	0.65 344	0.71 354

Abc-Net	3.16 367	1.28 352	18.31 352	1.25 267	1.75 398	4.06 283	1.40 329	3.89 241	2.22 251	2.72 361	2.55 350	3.49 352	2.65 348	9.91 347	2.99 362	1.29 423	0.65 398	0.64 387	0.86 408	0.65 344	0.71 354
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RGC	3.10 361	1.45 372	14.90 303	1.46 341	1.79 403	3.33 143	1.39 327	4.04 286	2.26 261	2.77 365	3.26 393	4.00 377	2.71 350	11.63 416	2.62 352	0.82 397	0.46 359	0.79 405	0.79 405	0.71 364	0.78 371

SHD	2.82 326	2.04 403	13.80 286	1.69 378	1.79 403	2.73 89	1.07 272	3.85 231	3.18 395	4.63 427	2.74 364	3.38 342	2.77 351	5.48 258	3.66 373	0.62 367	0.47 363	0.51 348	0.55 372	0.65 344	0.74 362

stereogan	3.09 359	0.93 279	16.43 321	1.37 322	1.66 389	3.70 205	1.67 362	3.87 236	3.15 393	3.04 383	2.70 363	5.04 420	2.79 352	9.96 350	1.78 277	0.63 368	0.49 373	0.69 393	0.47 348	0.83 381	0.68 347

Wz-Net-TNSev	3.67 386	8.83 446	13.47 278	1.48 346	1.18 293	3.60 189	2.49 400	4.27 355	3.13 389	2.18 255	1.89 242	4.21 392	2.80 353	12.10 432	7.58 407	0.57 359	0.55 378	0.47 321	0.54 371	0.91 387	1.05 393

ADCRef	3.30 373	1.23 347	14.90 303	1.17 239	1.41 348	3.95 262	1.64 357	3.88 239	2.36 283	3.05 385	2.21 303	2.40 254	2.81 354	5.04 247	16.63 444	0.46 312	0.34 287	0.63 384	0.62 386	0.54 306	0.67 344

ACVNet_2	5.41 425	12.60 462	20.42 412	3.27 440	3.15 443	4.50 378	3.02 418	4.66 426	3.73 421	3.35 401	5.36 419	7.86 437	2.88 355	12.33 436	4.76 385	3.12 442	2.22 443	2.70 444	1.69 434	3.49 437	3.10 446

ACVNet-4b	6.73 440	13.67 466	21.87 451	3.54 444	3.07 439	4.19 326	2.25 392	4.03 282	3.65 418	1.64 111	3.98 409	5.88 428	2.89 356	10.01 353	16.98 446	23.29 475	2.24 444	2.53 438	1.78 438	3.87 445	3.21 450

RainbowNet	4.56 410	8.28 443	20.07 394	3.64 447	3.23 445	4.15 304	2.99 417	4.18 323	3.03 383	2.20 261	2.65 359	4.26 393	2.90 357	9.77 340	2.12 315	3.88 452	2.27 445	2.71 445	1.72 437	3.78 443	3.31 452

XQC	2.96 341	2.42 410	14.85 300	1.36 314	1.32 326	3.29 141	1.53 345	4.28 360	2.78 349	3.21 394	2.46 339	3.53 356	2.92 358	6.58 280	4.67 382	0.70 386	0.41 334	0.59 372	0.56 374	0.96 393	0.83 379

SPS-STEREO	3.97 398	1.44 371	20.85 423	1.72 383	1.71 394	3.24 128	2.30 395	3.55 180	2.68 339	4.79 429	3.66 402	5.44 427	2.97 359	9.11 326	9.35 415	1.15 414	1.10 421	1.06 419	1.02 418	1.16 411	1.18 401
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
iinet-f	2.26 238	1.18 332	13.71 280	1.14 220	1.11 283	3.77 216	1.10 281	4.14 318	2.17 244	2.06 219	1.76 187	2.99 312	2.99 360	2.50 183	2.49 341	0.35 213	0.39 322	0.27 72	0.28 178	0.45 271	0.39 212

MSMDNet	2.23 232	0.64 133	17.32 332	0.84 61	0.75 180	3.53 175	0.64 73	3.61 187	1.98 201	1.71 126	1.64 149	3.22 328	2.99 360	2.08 152	1.11 147	0.31 151	0.37 308	0.45 313	0.26 126	0.62 333	0.45 262

Wz-Net-MNSev	2.71 322	2.54 415	13.91 289	1.52 352	1.37 335	3.28 137	2.47 398	4.03 282	2.32 276	2.57 341	2.07 280	2.29 243	3.01 362	7.55 302	2.74 355	0.38 247	0.36 295	0.36 247	0.37 296	0.57 318	0.47 277

fff	1.74 162	0.70 178	9.08 231	0.81 37	0.36 8	4.15 304	0.57 42	4.23 338	2.09 224	2.30 291	1.80 200	1.19 90	3.02 363	1.44 77	1.46 218	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

csc	1.74 162	0.70 178	9.08 231	0.81 37	0.36 8	4.15 304	0.57 42	4.23 338	2.09 224	2.30 291	1.80 200	1.19 90	3.02 363	1.44 77	1.46 218	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

cscssc	1.74 162	0.70 178	9.08 231	0.81 37	0.36 8	4.15 304	0.57 42	4.23 338	2.09 224	2.30 291	1.80 200	1.19 90	3.02 363	1.44 77	1.46 218	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

PCWNet_CMD	2.23 232	0.65 141	17.36 336	0.83 54	0.76 183	3.51 171	0.64 73	3.60 185	1.97 199	1.70 122	1.63 147	3.22 328	3.05 366	2.09 155	1.11 147	0.31 151	0.36 295	0.47 321	0.26 126	0.64 341	0.47 277

HSM	2.35 267	0.81 245	2.21 97	1.14 220	1.55 366	3.44 153	1.03 263	3.99 273	2.25 258	2.29 287	2.11 286	8.04 438	3.05 366	11.60 409	1.71 266	0.33 183	0.22 124	0.28 94	0.23 79	0.32 115	0.35 174

ADCS	4.22 406	5.33 433	16.32 319	1.64 373	1.31 322	3.91 247	3.64 435	4.21 331	2.89 367	5.11 431	2.81 373	4.46 400	3.06 368	5.21 251	19.50 458	0.63 368	0.64 397	0.69 393	0.69 394	1.12 405	1.26 403

LL-Strereo	3.01 352	1.81 394	17.59 343	1.12 212	2.10 421	2.90 95	1.09 279	4.33 380	2.00 206	3.12 389	2.24 306	3.29 334	3.15 369	11.31 399	1.84 283	0.30 132	0.28 228	0.46 318	0.34 260	0.49 292	0.45 262

RTS	3.90 394	7.04 440	17.94 345	1.92 403	2.19 423	5.00 431	2.96 415	4.29 363	3.19 396	4.05 415	3.08 384	4.94 416	3.16 370	7.64 303	6.72 396	0.66 376	0.44 346	0.51 348	0.47 348	0.95 389	0.76 367

RTSA	3.90 394	7.04 440	17.94 345	1.92 403	2.19 423	5.00 431	2.96 415	4.29 363	3.19 396	4.05 415	3.08 384	4.94 416	3.16 370	7.64 303	6.72 396	0.66 376	0.44 346	0.51 348	0.47 348	0.95 389	0.76 367

Syn2CoEx	3.08 358	2.55 416	19.88 385	1.34 304	1.18 293	2.43 79	1.65 360	3.91 250	2.40 295	2.39 319	2.27 310	2.90 306	3.17 372	9.57 338	2.54 347	0.50 337	0.45 351	0.53 356	0.39 314	0.74 368	0.72 360

AF-Net	2.87 332	1.30 354	16.24 318	1.33 298	1.75 398	3.26 132	1.59 352	4.09 302	2.43 300	2.69 359	2.94 377	4.51 402	3.20 373	5.84 266	2.75 356	0.76 390	0.36 295	0.72 400	0.49 355	0.70 357	0.56 316

SST-Stereo	1.76 167	0.58 76	3.10 152	1.44 335	0.46 63	4.71 419	0.76 132	2.22 51	2.79 351	2.07 222	2.18 297	2.43 260	3.22 374	6.66 284	0.84 76	0.42 288	0.19 44	0.30 128	0.27 151	0.35 166	0.26 59

LSM	12.71 460	3.52 425	20.79 422	55.63 481	84.76 480	3.63 199	6.30 448	3.73 210	4.93 437	5.55 434	13.92 458	3.53 356	3.25 375	9.72 339	4.12 377	0.64 371	0.85 414	0.71 396	0.81 406	1.03 395	26.84 474

PVD	3.12 362	1.97 400	12.80 272	1.79 393	1.63 380	3.83 227	1.34 317	3.48 167	3.88 423	5.77 435	3.56 401	3.45 345	3.29 376	5.58 262	5.30 392	0.71 388	0.69 405	0.74 403	0.77 401	0.79 376	1.13 399

AnyNet_C01	4.37 408	7.80 442	16.40 320	1.98 409	1.40 341	6.37 442	6.47 449	4.09 302	5.03 438	4.06 417	3.78 404	4.16 387	3.31 377	6.62 282	10.00 417	0.61 365	0.67 401	0.63 384	0.67 389	2.01 427	1.31 406

FAT-Stereo	3.34 376	0.81 245	20.05 391	1.25 267	1.20 304	3.44 153	1.99 381	4.23 338	2.67 337	3.14 390	3.82 406	3.51 354	3.32 378	11.68 419	1.94 293	0.64 371	0.67 401	0.48 329	0.52 365	0.61 331	0.81 374

HHNet	2.48 287	0.71 189	20.52 415	0.64 5	0.64 145	4.07 288	0.93 235	3.76 214	1.56 108	2.15 244	4.92 417	0.98 63	3.37 379	1.66 115	1.79 278	0.32 169	0.20 69	0.31 149	0.27 151	0.36 178	0.42 241

ADStereo(finetuned)	2.04 212	0.73 202	13.28 275	0.82 45	0.40 34	4.16 314	0.59 51	4.25 347	2.97 375	2.35 309	1.84 224	1.18 86	3.40 380	1.52 91	1.54 240	0.29 95	0.24 178	0.23 11	0.18 13	0.30 77	0.51 299

KYRaft	1.59 144	0.52 24	1.73 48	0.95 123	0.49 83	4.38 352	1.79 367	2.43 65	1.51 75	2.49 331	2.98 379	2.00 213	3.41 381	2.14 160	0.82 71	0.30 132	0.21 98	0.33 200	0.46 345	0.35 166	2.45 438

AnyNet_C32	4.17 404	5.75 437	12.62 270	1.60 368	1.54 362	5.51 437	4.09 442	3.90 246	3.23 402	4.22 423	3.03 382	3.10 320	3.41 381	8.01 309	18.85 456	0.53 351	0.58 386	0.53 356	0.74 397	1.19 414	0.97 389

MADNet+	3.97 398	9.54 455	13.83 287	1.87 401	1.69 392	4.19 326	2.87 412	4.80 432	4.10 429	2.51 334	2.67 360	4.55 405	3.41 381	8.72 317	6.92 402	1.25 420	1.27 427	1.04 417	0.93 412	1.39 421	1.85 424

UGAM-zero	2.79 324	0.57 63	20.87 425	0.98 141	0.77 188	2.08 64	0.35 7	3.88 239	1.51 75	2.05 214	1.64 149	5.07 421	3.42 384	9.83 343	1.24 176	0.28 76	0.21 98	0.27 72	0.29 205	0.29 58	0.28 88

AIO-Stereo-zeroshot1	2.68 318	1.26 350	22.01 453	1.08 191	0.99 256	1.61 37	0.86 188	3.69 202	1.64 141	1.52 92	5.62 422	3.35 339	3.44 385	2.20 167	1.33 198	0.26 37	0.21 98	0.30 128	0.62 386	0.93 388	0.67 344

pmcnn	5.45 426	1.22 343	17.40 337	1.60 368	2.41 429	3.48 163	2.12 387	4.52 417	3.26 404	3.67 407	13.15 456	22.10 461	3.46 386	11.92 430	17.16 447	0.34 195	0.21 98	0.23 11	0.19 25	0.36 178	0.28 88

Prome-Stereo	1.61 146	0.55 46	1.71 47	0.98 141	0.60 134	4.41 361	1.82 371	3.03 126	1.53 88	2.18 255	3.45 398	1.72 161	3.49 387	2.23 172	1.08 142	0.29 95	0.20 69	0.26 52	0.25 110	0.34 149	2.16 430

SuperB	4.79 416	4.41 430	21.08 432	1.45 339	1.08 277	3.91 247	3.08 421	4.18 323	3.01 381	2.50 332	2.10 282	2.75 292	3.49 387	8.80 319	19.60 459	0.44 300	0.33 276	0.53 356	0.39 314	12.01 470	0.64 340

MFN_U_SF_RVC	3.81 392	10.78 459	15.01 306	1.84 397	1.39 339	3.73 211	1.63 355	4.05 290	3.26 404	2.91 373	2.38 336	4.36 398	3.65 389	8.43 313	4.91 388	1.11 413	1.04 418	0.99 415	1.31 428	1.58 423	1.75 423

ADCMid	3.96 397	3.27 422	15.48 313	1.26 273	1.40 341	4.66 405	2.28 393	4.06 294	3.54 415	3.94 412	3.02 381	3.85 370	3.67 390	4.03 234	18.65 455	0.68 382	0.61 393	1.09 421	1.18 425	1.38 420	1.08 395

ASMatch	2.62 308	0.60 92	20.65 421	1.37 322	0.64 145	4.39 355	0.78 146	1.97 34	1.58 116	1.70 122	3.89 408	1.94 199	3.79 391	5.46 256	1.64 258	0.31 151	0.24 178	0.34 217	0.28 178	0.33 131	0.50 292

G-Net	4.11 402	1.21 337	19.47 374	2.31 424	2.94 436	4.74 423	2.95 414	3.33 160	2.14 239	4.44 425	9.43 441	6.93 434	3.84 392	9.01 325	4.92 389	0.79 392	0.80 413	0.70 395	0.50 359	0.95 389	0.87 383

SGM-Forest	2.96 341	0.62 115	3.49 166	1.09 197	0.80 192	4.06 283	3.30 424	4.37 392	3.09 387	4.18 422	3.27 394	4.67 412	3.86 393	11.69 420	7.91 408	0.51 343	0.46 359	0.49 342	0.39 314	0.48 287	0.49 285
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
anonymity	1.76 167	1.26 350	2.73 139	1.66 375	1.32 326	1.84 45	1.07 272	3.49 170	2.30 270	2.11 230	2.11 286	1.71 160	3.90 394	1.82 132	1.48 226	1.10 411	1.09 420	1.08 420	1.08 420	1.05 396	1.09 396

AAGNet	2.86 329	0.60 92	1.77 53	2.05 412	0.46 63	4.76 425	1.09 279	2.27 55	1.56 108	2.17 253	1.84 224	2.41 256	4.00 395	6.23 274	24.22 465	0.46 312	0.19 44	0.30 128	0.29 205	0.32 115	0.24 34

CBFPSM	2.05 214	0.95 286	10.12 247	1.07 184	1.05 271	2.84 91	1.20 302	3.28 150	1.73 164	1.82 143	1.30 73	4.56 406	4.06 396	2.34 176	2.34 333	0.25 27	0.38 314	0.32 167	0.27 151	0.37 186	0.79 373

SAMSARA	3.55 382	2.16 406	14.18 293	1.86 400	1.49 356	4.62 399	2.65 406	3.58 184	2.80 355	7.05 444	3.05 383	5.16 425	4.07 397	9.18 329	4.80 386	0.64 371	0.67 401	0.59 372	0.68 392	0.89 384	0.91 385

Dean	7.52 446	9.08 451	21.41 442	3.74 448	3.53 446	4.81 427	3.53 431	5.33 443	5.25 439	4.17 419	26.53 469	25.62 469	4.09 398	10.97 383	4.32 378	3.69 449	2.30 446	2.91 446	1.87 442	4.03 446	3.24 451

LCNet	1.55 132	0.54 41	1.88 61	0.99 147	0.55 108	3.60 189	1.21 305	2.86 116	1.53 88	2.18 255	1.74 175	1.43 125	4.17 399	3.62 222	0.87 90	0.29 95	0.20 69	0.28 94	0.77 401	0.47 284	1.85 424

MyStereo06	2.46 282	0.72 192	19.97 389	1.02 169	0.99 256	4.26 337	0.86 188	3.51 175	1.68 149	1.92 168	1.73 173	4.01 378	4.22 400	1.62 107	0.88 93	0.24 16	0.23 148	0.34 217	0.26 126	0.42 246	0.36 178

LVE	6.88 443	9.31 453	21.14 433	3.61 446	3.18 444	4.49 375	2.79 408	10.21 455	11.69 455	3.16 393	11.53 450	18.33 456	4.31 401	11.66 417	3.52 371	4.45 459	2.93 453	2.56 439	1.91 443	3.62 438	3.16 448

ACVNet_1	6.04 435	13.97 468	21.36 441	3.58 445	3.14 442	4.73 420	2.48 399	4.20 326	3.17 394	2.98 381	2.83 375	23.31 463	4.34 402	11.06 389	2.45 338	3.68 448	2.33 447	2.60 440	1.79 439	3.69 441	3.19 449

Consistency-Raft	2.86 329	1.66 385	19.61 376	1.40 328	1.75 398	3.84 232	1.32 315	4.07 296	2.25 258	1.78 136	2.67 360	1.82 185	4.41 403	1.94 143	2.06 308	0.83 399	0.94 417	1.03 416	1.12 421	1.70 426	1.09 396

MDST_ROB	5.53 427	0.59 83	23.11 458	2.55 428	2.69 431	21.20 468	1.98 380	4.77 431	2.65 334	9.36 454	4.25 410	4.14 386	4.45 404	22.57 463	3.68 374	0.48 325	0.33 276	0.47 321	0.44 339	0.44 263	0.44 256

NVStereoNet_ROB	4.91 419	1.40 368	16.46 322	1.47 344	1.72 396	3.46 158	1.96 378	3.89 241	3.61 417	2.90 372	24.61 468	4.81 413	4.49 405	13.57 450	4.87 387	1.33 426	1.29 428	1.70 430	1.68 433	1.41 422	1.66 418
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
iRaft-Stereo_20w	1.88 181	0.62 115	10.58 253	0.90 92	0.83 204	2.96 104	0.78 146	4.90 433	1.58 116	2.29 287	1.60 139	1.25 98	4.51 406	2.28 175	0.90 99	0.29 95	0.21 98	0.26 52	0.24 101	0.41 228	0.31 132

EDNetEfficientorigin	12.35 459	2.51 411	179.47 488	1.19 247	0.96 245	2.91 97	1.81 370	3.00 123	5.35 440	8.91 452	4.79 415	4.18 388	4.64 407	9.98 351	11.30 422	0.37 231	0.38 314	0.60 377	0.85 407	1.32 419	2.43 437

NaN_ROB	4.06 401	1.13 323	16.64 324	1.12 212	1.25 315	3.50 168	3.05 419	4.29 363	3.26 404	3.64 405	2.56 352	2.97 310	4.79 408	13.33 446	16.91 445	0.37 231	0.41 334	0.38 275	0.39 314	0.48 287	0.81 374

ADCP+	3.74 390	1.96 399	16.90 329	1.09 197	1.55 366	4.35 350	3.65 436	3.93 256	2.98 378	2.22 271	1.66 155	3.95 373	4.83 409	3.41 217	18.87 457	0.38 247	0.41 334	0.63 384	0.53 369	0.64 341	0.81 374

RAFT + AFF	2.51 291	2.66 417	4.48 188	1.15 233	1.95 413	4.15 304	2.01 382	4.46 407	3.30 408	2.19 259	2.51 346	2.22 235	4.87 410	8.91 322	2.06 308	0.30 132	0.60 391	0.48 329	0.38 309	0.77 372	0.69 349

TransformOpticalFlow	3.03 354	0.77 229	20.99 430	1.00 155	0.55 108	4.18 322	0.64 73	4.33 380	3.02 382	2.18 255	3.09 386	4.35 396	5.07 411	7.36 299	1.27 185	0.32 169	0.18 27	0.32 167	0.26 126	0.28 48	0.46 272

CBMV_ROB	3.62 384	0.70 178	21.42 443	1.21 256	0.89 231	4.43 365	1.76 366	4.39 395	2.79 351	5.88 437	3.38 396	4.18 388	5.12 412	10.75 373	2.32 331	0.56 357	0.55 378	0.53 356	0.51 362	0.55 308	0.46 272

STrans-v2	3.03 354	0.77 229	20.91 427	0.81 37	0.63 143	3.89 245	1.01 258	4.27 355	2.64 333	2.28 285	3.70 403	4.13 385	5.20 413	7.33 296	1.27 185	0.31 151	0.18 27	0.29 109	0.25 110	0.29 58	0.41 238

PWCK	5.85 432	9.95 456	15.22 312	2.90 434	1.56 369	5.66 439	7.69 452	5.27 439	4.74 435	3.88 410	7.51 426	8.04 438	5.28 414	15.18 457	8.40 411	3.08 441	1.51 431	2.24 436	1.37 432	5.55 457	1.96 427

WZ-Net	3.62 384	4.87 431	16.77 328	1.43 333	1.40 341	3.75 213	2.29 394	4.12 311	2.50 314	2.74 363	2.19 299	4.06 381	5.29 415	10.19 357	7.36 405	0.54 353	0.37 308	0.47 321	0.49 355	0.77 372	0.73 361

DRaft	2.28 245	0.56 55	2.64 133	0.74 18	0.46 63	3.94 257	1.23 306	2.32 58	1.55 102	2.64 354	2.80 371	1.60 142	5.34 416	6.96 293	10.99 421	0.34 195	0.22 124	0.27 72	0.27 151	0.29 58	0.37 192

KSHMR	16.96 464	5.37 434	21.64 450	4.46 458	4.50 458	8.30 453	3.32 425	15.58 468	76.24 481	6.62 443	61.47 479	56.53 479	5.43 417	35.17 475	11.37 423	4.39 457	2.97 457	3.63 458	2.74 459	5.10 455	4.34 463

DPSNet	3.43 379	1.37 364	12.19 267	1.39 326	1.24 312	4.15 304	2.06 384	4.51 416	3.34 409	2.69 359	1.96 252	3.52 355	5.56 418	10.68 371	9.68 416	0.93 403	0.73 408	0.40 284	0.37 296	1.06 397	0.86 380

aanetorigin	3.30 373	1.66 385	17.52 342	1.18 245	1.58 374	2.57 85	3.80 438	2.65 94	2.03 209	6.12 440	4.30 412	2.82 302	5.70 419	5.47 257	4.67 382	0.50 337	0.44 346	0.43 303	0.47 348	1.17 412	0.92 386

ADCL	4.35 407	1.63 381	14.21 294	1.29 282	1.26 317	5.56 438	11.16 456	3.97 267	3.37 410	6.07 438	4.67 414	4.30 395	5.72 420	5.08 249	14.51 434	0.50 337	0.48 369	0.89 412	0.77 401	0.78 374	0.76 367

WAO-6	5.87 433	2.27 407	15.05 307	2.96 435	2.77 433	12.01 458	3.58 434	5.37 444	11.91 457	3.34 399	9.69 442	6.78 433	5.84 421	11.82 426	8.89 414	2.87 437	2.35 449	2.50 437	1.84 441	2.85 434	2.67 440

MeshStereo	5.35 424	1.32 358	21.34 440	1.34 304	1.15 288	4.40 359	3.90 440	5.18 437	4.55 431	10.14 459	11.82 452	11.47 444	5.84 421	13.84 454	7.03 403	0.61 365	0.58 386	0.60 377	0.58 378	0.72 367	0.59 328
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
DEmStereo	2.97 345	0.58 76	13.42 277	0.79 36	0.51 87	3.84 232	1.84 374	2.42 63	1.60 131	2.25 280	2.74 364	2.03 217	6.04 423	6.79 291	12.80 430	0.35 213	0.26 209	0.26 52	0.27 151	0.27 33	0.37 192

WAO-7	5.16 421	3.21 420	18.98 363	1.88 402	1.44 350	5.34 435	3.09 422	4.91 434	5.81 445	4.35 424	8.92 440	6.55 431	6.06 424	13.40 448	10.81 420	1.34 427	1.20 426	1.48 429	1.35 431	1.60 424	1.45 414

IMH-64-1	4.84 417	2.53 413	6.83 208	4.30 455	3.74 449	4.81 427	6.05 446	5.30 440	3.92 424	3.95 413	8.33 432	5.08 422	6.06 424	8.96 323	6.30 393	4.57 461	2.96 455	3.04 447	2.12 449	4.28 448	3.62 455

IMH-64	4.84 417	2.53 413	6.83 208	4.30 455	3.74 449	4.81 427	6.05 446	5.30 440	3.92 424	3.95 413	8.33 432	5.08 422	6.06 424	8.96 323	6.30 393	4.57 461	2.96 455	3.04 447	2.12 449	4.28 448	3.62 455

ADCPNet	3.89 393	1.63 381	20.25 404	1.28 279	1.27 318	6.43 443	2.65 406	3.93 256	2.70 340	2.78 366	2.20 301	4.28 394	6.16 427	5.56 260	10.27 419	0.65 374	1.18 423	0.71 396	1.70 435	0.84 382	1.37 410

CSAN	4.71 414	1.39 367	20.23 400	1.19 247	0.87 223	3.65 200	3.50 430	4.57 421	3.87 422	3.89 411	7.82 428	3.54 359	6.16 427	23.47 468	6.82 399	0.52 349	0.45 351	0.49 342	0.52 365	0.63 334	0.66 343

test_sample8	4.76 415	1.05 306	7.87 216	1.07 184	0.86 218	3.93 252	1.19 298	4.38 393	2.05 216	5.49 433	1.89 242	12.98 450	6.37 429	11.06 389	11.61 425	1.23 417	14.45 473	4.27 460	2.09 446	0.70 357	0.69 349

raft_robust	1.92 190	1.15 327	3.34 164	1.02 169	0.43 47	3.84 232	0.46 21	4.42 399	2.52 318	1.67 118	1.36 85	2.17 232	6.37 429	6.78 289	1.04 135	0.28 76	0.24 178	0.30 128	0.35 274	0.31 92	0.32 139

DeepStereo_RVC	1.55 132	0.63 124	3.32 162	0.77 33	0.42 42	4.49 375	0.72 105	2.50 71	1.58 116	2.02 206	1.81 212	1.54 136	6.38 431	1.73 123	1.19 162	0.46 312	0.22 124	0.29 109	0.28 178	0.35 166	0.38 206

tt	7.19 445	0.51 18	6.83 208	4.03 450	2.30 428	12.05 459	20.19 469	15.46 467	6.58 449	3.42 403	3.22 391	5.37 426	6.39 432	4.20 239	7.46 406	9.81 468	11.53 472	7.05 466	7.46 467	6.31 459	3.71 457

JetBlue	6.27 437	9.15 452	13.76 281	1.94 407	4.60 460	11.91 457	12.00 459	5.12 436	3.45 414	3.79 409	4.52 413	9.54 442	6.56 433	9.40 333	13.48 432	1.26 421	1.37 429	1.17 424	1.34 430	7.06 464	3.95 459

SANet	5.65 430	1.72 388	20.94 428	1.26 273	0.88 226	7.20 447	3.81 439	4.60 423	11.23 453	4.56 426	8.78 438	7.49 435	6.95 434	11.85 427	18.11 451	0.49 335	0.44 346	0.50 345	0.42 335	0.90 386	0.82 378

CrosDoStereo	5.24 422	0.60 92	20.23 400	0.82 45	0.51 87	3.39 147	18.11 465	3.82 224	2.27 263	1.98 183	8.74 436	1.96 206	6.96 435	7.35 297	26.35 467	0.30 132	0.22 124	0.30 128	0.28 178	0.33 131	0.38 206

DeepStereo_LL	5.24 422	0.60 92	20.23 400	0.82 45	0.51 87	3.39 147	18.11 465	3.82 224	2.27 263	1.98 183	8.74 436	1.96 206	6.96 435	7.35 297	26.35 467	0.30 132	0.22 124	0.30 128	0.28 178	0.33 131	0.38 206

WAO-8	11.95 457	13.02 463	20.56 417	3.50 441	3.08 440	15.11 465	2.80 409	12.91 460	19.11 467	7.69 446	13.12 454	11.62 445	7.01 437	84.40 485	7.91 408	3.42 444	1.92 438	3.54 456	1.93 444	3.68 439	2.69 441

Venus	11.95 457	13.02 463	20.56 417	3.50 441	3.08 440	15.11 465	2.80 409	12.91 460	19.11 467	7.69 446	13.12 454	11.62 445	7.01 437	84.40 485	7.91 408	3.42 444	1.92 438	3.54 456	1.93 444	3.68 439	2.69 441

JetRed	10.48 453	27.10 473	35.70 470	4.27 453	4.09 456	15.55 467	12.83 460	12.16 457	5.50 441	5.83 436	5.56 421	10.14 443	7.43 439	8.88 320	26.39 469	3.32 443	3.81 462	3.51 454	2.96 462	7.85 466	6.69 469

THIR-Stereo	4.14 403	0.82 252	10.85 256	0.86 74	0.43 47	2.16 68	16.77 463	3.22 144	1.54 96	2.04 213	12.05 453	2.68 283	7.53 440	7.30 295	12.62 429	0.30 132	0.21 98	0.29 109	0.28 178	0.33 131	0.41 238

ktn	21.74 469	10.34 457	19.68 379	4.53 459	4.00 454	6.53 444	4.51 444	6.79 449	78.82 483	84.69 483	100.86 487	58.49 480	7.57 441	12.11 433	13.35 431	4.58 463	3.24 460	3.49 453	2.62 455	4.65 453	3.84 458

DispFullNet	4.64 413	3.48 424	23.95 463	3.99 449	3.03 438	3.35 144	1.06 270	4.18 323	2.80 355	6.33 441	2.94 377	4.04 380	7.81 442	3.92 232	5.16 390	2.75 436	1.61 433	3.10 450	2.68 457	3.32 436	3.31 452

CRFU-Net	2.49 289	0.78 235	10.36 249	2.30 423	1.08 277	3.91 247	1.41 332	3.85 231	1.65 144	2.15 244	1.76 187	3.34 338	7.95 443	5.56 260	1.48 226	0.47 321	0.35 291	0.30 128	0.28 178	0.37 186	0.43 250

MADNet++	7.57 448	5.80 438	13.28 275	6.38 465	5.26 462	7.18 446	7.77 453	5.32 442	5.62 443	6.11 439	7.78 427	6.02 430	8.01 444	11.74 422	16.36 443	9.36 467	4.95 465	8.57 468	5.66 465	4.83 454	5.34 465

IMH	6.81 442	13.66 465	20.41 411	4.33 457	3.74 449	5.50 436	3.06 420	5.49 446	6.22 446	4.64 428	10.35 445	9.30 441	8.03 445	13.61 451	6.81 398	4.80 464	2.99 458	3.09 449	2.12 449	4.36 450	3.61 454

TorneroNet-64	10.12 451	8.74 445	20.95 429	4.27 453	3.76 452	13.86 462	2.85 411	15.05 465	23.15 470	10.07 458	23.84 467	13.47 451	8.24 446	13.96 455	17.21 448	3.96 454	2.72 450	3.23 451	2.48 453	6.29 458	4.27 462

WCMA_ROB	5.12 420	0.90 271	21.33 439	1.50 350	1.33 329	4.09 290	3.49 429	4.03 282	4.59 432	6.57 442	10.95 447	12.92 449	8.41 447	9.86 345	8.78 413	0.75 389	0.58 386	0.51 348	0.50 359	0.68 354	0.57 320

SGM_RVC	4.57 411	0.72 192	17.46 340	1.84 397	0.58 130	4.23 335	3.45 428	4.66 426	3.66 419	7.99 449	8.82 439	7.56 436	8.74 448	12.30 434	6.84 400	0.43 293	0.38 314	0.39 278	0.35 274	0.51 294	0.48 281
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MSMD_ROB	5.61 428	1.08 314	16.68 325	1.21 256	0.83 204	10.14 455	2.07 386	3.93 256	6.22 446	10.37 460	8.03 430	22.22 462	9.45 449	11.66 417	4.52 381	0.66 376	0.58 386	0.66 390	0.68 392	0.65 344	0.63 338

ELAS	5.99 434	1.62 379	20.29 406	1.96 408	2.01 416	15.09 464	8.38 455	5.23 438	5.54 442	9.02 453	8.61 435	6.74 432	9.75 450	7.48 300	11.40 424	0.96 406	1.18 423	0.72 400	0.93 412	1.30 418	1.67 419
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS_RVC	5.72 431	1.64 384	20.40 410	2.09 414	2.01 416	4.95 430	11.47 458	4.66 426	6.31 448	8.09 450	8.01 429	8.06 440	11.65 451	8.36 311	10.22 418	0.99 408	1.17 422	0.81 408	0.76 399	1.14 407	1.58 417
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficient	5.61 428	2.14 405	16.75 327	1.67 376	3.64 447	4.12 297	7.51 451	3.05 128	5.63 444	11.57 464	4.83 416	3.95 373	12.72 452	8.44 314	20.78 461	0.41 278	0.43 341	0.47 321	1.01 416	1.66 425	1.39 413

FC-DCNN	6.64 439	0.77 229	19.26 369	1.68 377	1.64 382	8.27 452	2.35 396	6.35 448	9.23 451	10.85 461	11.27 449	19.89 458	13.33 453	12.51 440	11.79 427	0.66 376	0.57 381	0.58 369	0.56 374	0.63 334	0.61 332

SGM+DAISY	8.36 449	3.82 426	24.83 464	2.02 411	1.75 398	14.80 463	17.22 464	4.27 355	11.79 456	13.88 465	14.38 459	11.74 447	13.83 454	10.56 366	15.12 435	1.21 415	1.19 425	1.14 423	1.13 423	1.17 412	1.37 410

FTStereo	3.71 389	0.53 35	20.37 408	0.96 129	0.65 152	4.34 349	11.29 457	2.62 92	1.50 69	2.58 343	5.04 418	1.90 196	13.84 455	3.71 225	1.25 179	0.38 247	0.24 178	0.31 149	0.32 246	0.30 77	2.10 429

FC-DCNN v2	6.91 444	0.77 229	19.25 367	1.69 378	1.64 382	9.13 454	2.40 397	7.20 450	9.47 452	11.07 463	11.62 451	20.05 460	15.79 456	12.55 441	11.99 428	0.66 376	0.57 381	0.58 369	0.56 374	0.63 334	0.61 332

PSM-AAD	2.43 278	0.54 41	1.32 19	0.92 103	0.54 105	4.48 369	7.47 450	2.96 120	1.55 102	2.31 297	2.56 352	1.26 99	16.23 457	2.46 180	0.89 96	0.28 76	0.21 98	0.58 369	0.41 330	0.34 149	1.32 408

GrayStereo	2.58 306	0.53 35	1.63 42	1.58 365	0.89 231	4.17 319	8.17 454	3.03 126	1.52 83	2.80 368	2.50 344	1.70 158	17.10 458	2.83 207	1.15 153	0.33 183	0.21 98	0.27 72	0.32 246	0.28 48	0.53 306

FCDSN-DC	6.04 435	0.84 259	19.25 367	1.24 265	1.09 280	4.38 352	2.62 405	4.38 393	4.71 433	9.59 457	11.22 448	19.19 457	17.40 459	12.30 434	8.55 412	0.69 385	0.57 381	0.60 377	0.60 382	0.70 357	0.78 371
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
LRCNet_RVC	25.52 470	33.45 474	23.21 461	31.79 475	32.78 471	6.74 445	1.18 295	25.88 471	4.46 430	28.94 469	30.89 470	24.91 468	17.57 460	27.66 470	24.34 466	35.26 477	25.60 478	35.91 477	33.81 476	31.90 478	34.10 479

UNDER WATER-64	9.33 450	5.37 434	22.60 456	5.22 464	4.86 461	10.75 456	4.61 445	11.45 456	17.30 462	7.59 445	9.80 444	15.99 455	17.90 461	10.63 369	15.72 438	4.36 456	2.87 452	4.39 463	2.86 460	7.01 463	5.36 466

MANE	11.39 455	1.38 365	23.16 459	4.82 462	2.79 434	22.02 469	14.51 462	25.81 470	26.28 471	10.93 462	13.17 457	19.90 459	18.03 462	15.69 459	20.41 460	0.96 406	0.74 409	1.42 427	3.24 463	0.74 368	1.71 420

DPSMNet_ROB	15.52 463	8.89 448	31.44 469	10.07 470	18.91 467	12.44 460	33.22 473	13.51 463	17.94 466	9.58 456	22.91 466	13.79 453	19.67 463	21.43 462	23.73 464	5.17 466	8.84 466	5.63 465	11.52 471	6.79 462	14.90 471

DGTPSM_ROB	15.31 462	8.85 447	28.14 468	9.90 469	18.89 466	12.44 460	33.21 472	13.48 462	17.86 465	9.50 455	22.89 465	13.78 452	19.67 463	21.26 461	23.68 463	5.08 465	8.84 466	5.62 464	11.50 468	6.72 461	14.87 470

Anonymous_1	57.11 481	19.68 470	26.15 465	23.10 472	142.31 485	30.84 471	39.75 475	33.86 477	16.98 461	70.53 482	15.42 461	23.46 464	19.75 465	23.04 464	27.23 470	164.73 487	9.02 468	130.38 483	137.40 484	161.27 488	27.24 475

DPSM_ROB	20.78 467	20.03 471	26.57 466	23.62 473	22.46 468	31.10 472	39.97 476	33.52 475	17.41 463	15.25 466	15.80 462	24.06 466	20.71 466	23.30 466	27.62 471	10.78 469	9.41 469	11.69 471	11.50 468	14.49 471	16.36 472

DPSM	20.78 467	20.03 471	26.57 466	23.62 473	22.46 468	31.10 472	39.97 476	33.52 475	17.41 463	15.25 466	15.80 462	24.06 466	20.71 466	23.30 466	27.62 471	10.78 469	9.41 469	11.69 471	11.50 468	14.49 471	16.36 472

SGM-ForestM	11.55 456	1.16 330	21.62 448	2.14 415	0.81 195	22.25 470	19.08 467	16.50 469	11.34 454	15.94 468	14.44 460	27.12 470	22.61 468	24.76 469	28.39 474	0.50 337	0.48 369	0.47 321	0.44 339	0.55 308	0.53 306

notaker	10.50 454	8.60 444	20.23 400	4.54 460	3.95 453	6.27 441	3.44 427	8.07 453	4.75 436	8.73 451	46.45 474	13.86 454	27.86 469	13.49 449	13.61 433	4.56 460	3.18 459	3.52 455	2.68 457	8.13 468	4.05 460

UNDER WATER	10.47 452	3.95 428	22.62 457	5.07 463	4.51 459	7.78 451	3.77 437	12.56 459	21.72 469	7.84 448	10.78 446	23.96 465	31.66 470	10.78 376	16.19 442	4.44 458	2.93 453	4.24 459	2.86 460	6.33 460	5.47 467

FADE	78.44 483	13.79 467	36.09 471	10.71 471	13.34 465	4.15 304	4.14 443	28.60 473	8.36 450	5.15 432	3.88 407	11.85 448	36.55 471	44.37 477	28.26 473	474.90 489	161.58 488	347.36 489	322.13 489	7.29 465	6.23 468

AVERAGE_ROB	44.46 477	45.91 479	46.59 476	40.59 478	38.66 474	32.99 475	30.52 470	46.19 479	43.26 477	49.59 475	48.97 477	44.62 474	39.89 472	45.04 479	43.94 477	48.74 479	50.69 480	50.80 478	49.79 477	45.54 480	46.97 481

HaxPig	43.25 476	43.65 478	45.00 475	33.85 476	35.61 473	32.69 474	30.52 470	45.09 478	42.97 476	48.77 474	48.17 476	43.00 472	40.26 473	44.58 478	43.61 476	47.18 478	49.30 479	51.54 479	50.25 478	43.73 479	45.29 480

LE_ROB	18.58 465	1.21 337	48.38 477	8.60 468	23.00 470	7.32 449	19.74 468	9.94 454	38.69 475	43.53 473	21.91 464	28.40 471	40.92 474	23.18 465	54.71 479	0.34 195	0.33 276	0.32 167	0.36 284	0.42 246	0.40 232

TorneroNet	25.88 471	11.28 461	21.62 448	4.20 452	4.07 455	55.25 480	3.15 423	15.16 466	76.94 482	58.09 478	82.72 484	86.88 484	41.15 475	13.35 447	18.13 452	4.32 455	2.85 451	3.45 452	2.62 455	8.33 469	4.14 461

LSM0	49.58 479	40.04 475	53.62 482	97.15 482	128.68 484	62.75 483	79.89 483	67.63 483	35.11 474	33.02 472	32.61 473	48.43 478	41.60 476	46.60 481	55.43 481	21.63 474	18.99 477	23.62 476	23.13 473	29.47 477	52.26 483

CasAABBNet	41.80 475	40.20 477	53.41 481	47.73 479	45.18 476	62.51 481	80.71 485	67.26 482	34.80 472	30.49 470	31.88 472	48.24 477	41.81 477	46.63 482	55.64 482	21.60 472	18.88 476	23.48 474	23.22 475	29.19 476	33.05 477

Selective-RAFT-Error	41.77 474	40.16 476	53.34 480	47.73 479	45.25 477	62.51 481	80.64 484	67.22 481	34.93 473	30.64 471	31.81 471	48.11 476	42.11 478	46.57 480	54.95 480	21.61 473	18.87 475	23.48 474	23.15 474	29.16 475	33.08 478

MEDIAN_ROB	47.37 478	49.08 480	49.92 478	40.32 477	39.97 475	34.95 476	33.43 474	49.17 480	46.39 479	53.06 477	52.65 478	47.65 475	42.23 479	48.35 483	47.29 478	52.10 480	54.04 481	54.28 480	53.48 479	48.76 481	50.33 482

coex-ft	18.59 466	6.62 439	113.53 485	1.17 239	1.31 322	2.33 75	1.93 377	2.81 112	14.00 458	124.82 487	8.45 434	5.90 429	51.74 480	9.99 352	22.69 462	0.57 359	0.62 394	0.50 345	0.49 355	1.08 402	1.28 404

HanzoNet	31.60 473	17.23 469	21.22 438	7.32 466	5.84 463	7.25 448	3.53 431	13.82 464	14.20 460	50.38 476	47.01 475	44.45 473	56.61 481	36.61 476	32.00 475	63.89 481	56.57 482	7.97 467	89.20 482	28.69 473	28.25 476

ASD4	103.30 485	113.98 487	120.24 486	106.67 483	79.75 479	115.36 486	120.35 486	119.13 488	79.65 487	120.04 486	74.64 480	101.45 486	65.48 482	109.11 488	84.31 488	104.31 482	90.04 484	133.15 484	103.58 483	130.15 484	94.66 485

xxxxx1	112.33 486	88.53 484	37.76 472	227.84 487	157.23 486	39.05 477	61.41 480	93.76 485	79.29 484	62.45 479	74.79 481	78.32 481	70.96 483	33.47 472	70.69 483	114.00 484	130.36 485	259.31 486	274.34 486	145.54 485	147.50 486

tt_ll	112.33 486	88.53 484	37.76 472	227.84 487	157.23 486	39.05 477	61.41 480	93.76 485	79.29 484	62.45 479	74.79 481	78.32 481	70.96 483	33.47 472	70.69 483	114.00 484	130.36 485	259.31 486	274.34 486	145.54 485	147.50 486

ff	112.33 486	88.53 484	37.76 472	227.84 487	157.23 486	39.05 477	61.41 480	93.76 485	79.29 484	62.45 479	74.79 481	78.32 481	70.96 483	33.47 472	70.69 483	114.00 484	130.36 485	259.31 486	274.34 486	145.54 485	147.50 486

BEATNet-Init1	49.72 480	64.32 483	97.77 484	4.68 461	4.28 457	84.75 485	60.42 479	73.38 484	68.59 480	88.29 484	88.51 486	91.94 485	97.99 486	85.26 487	70.96 486	0.80 394	0.65 398	0.85 410	0.70 395	7.96 467	2.33 433

PML	64.32 482	53.22 481	17.88 344	8.10 467	32.94 472	148.46 488	247.79 489	12.18 458	45.42 478	111.41 485	288.92 489	101.47 487	101.31 487	31.67 471	15.55 436	14.03 471	4.83 464	10.98 470	6.18 466	28.82 474	5.17 464

DPSimNet_ROB	102.30 484	119.72 488	143.59 487	109.42 484	94.10 481	127.22 487	127.15 487	26.62 472	102.36 488	149.58 488	83.99 485	139.34 488	137.54 488	64.62 484	82.36 487	105.18 483	66.15 483	120.15 482	69.61 481	99.58 483	77.72 484

test_example2	212.63 489	219.92 489	221.87 489	213.67 486	221.17 489	199.47 489	200.74 488	185.30 489	141.66 489	209.52 489	213.45 488	210.82 489	205.48 489	221.27 489	216.64 489	236.83 488	242.07 489	213.93 485	217.01 485	235.69 489	226.10 489

Low-res two-view benchmark