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

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

Anonymous3	1.72 121	0.76 184	11.61 217	0.83 43	0.84 170	4.46 313	0.84 140	3.57 146	1.16 2	1.34 45	1.37 63	1.11 54	1.03 65	1.58 64	1.13 113	0.70 338	0.58 336	0.33 163	0.35 236	0.47 238	0.42 200

rrr	2.27 200	0.65 109	23.82 407	0.90 74	0.46 52	1.57 16	0.96 204	7.98 396	1.19 3	0.65 1	0.77 4	0.74 21	0.72 16	2.59 157	0.86 54	0.28 58	0.21 80	0.28 65	0.21 28	0.29 42	0.25 26

test_xeample3	2.12 182	0.63 97	21.55 391	0.91 78	0.47 62	1.85 25	0.94 196	7.96 395	1.23 4	0.75 6	0.76 3	0.64 5	0.70 12	1.77 91	0.83 46	0.30 109	0.21 80	0.27 51	0.21 28	0.27 23	0.24 20

ff7	0.98 14	0.69 134	2.05 53	0.84 49	0.52 83	4.55 332	0.86 148	1.62 6	1.24 5	0.75 6	1.03 12	0.70 10	0.77 23	1.84 97	0.68 14	0.27 33	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

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

ffff	0.98 14	0.69 134	2.05 53	0.84 49	0.52 83	4.55 332	0.86 148	1.62 6	1.24 5	0.75 6	1.03 12	0.70 10	0.77 23	1.84 97	0.68 14	0.27 33	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

11t	0.98 14	0.69 134	2.05 53	0.84 49	0.52 83	4.55 332	0.86 148	1.62 6	1.24 5	0.75 6	1.03 12	0.70 10	0.77 23	1.84 97	0.68 14	0.27 33	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

anonymousdsp	0.95 12	0.69 134	1.27 5	0.83 43	0.52 83	4.54 329	0.84 140	1.76 16	1.24 5	0.76 13	1.06 18	0.78 24	0.77 23	1.67 85	0.69 18	0.27 33	0.17 9	0.29 80	0.21 28	0.31 73	0.26 42

CroCo-Stereo Lap2	0.99 20	0.89 225	2.55 94	0.99 113	1.80 354	0.54 2	0.46 12	3.10 101	1.24 5	1.07 35	1.21 33	1.05 51	0.78 29	1.26 31	1.08 104	0.27 33	0.23 126	0.27 51	0.21 28	0.43 218	0.34 129

ccc-4	0.98 14	0.69 134	2.05 53	0.84 49	0.52 83	4.55 332	0.86 148	1.62 6	1.24 5	0.75 6	1.03 12	0.70 10	0.77 23	1.84 97	0.68 14	0.27 33	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

IGEV-Stereo	0.95 12	0.69 134	1.27 5	0.84 49	0.52 83	4.54 329	0.84 140	1.76 16	1.24 5	0.75 6	1.06 18	0.79 28	0.77 23	1.68 86	0.69 18	0.27 33	0.17 9	0.29 80	0.21 28	0.31 73	0.26 42
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
StereoIM	0.82 5	0.66 119	1.53 16	0.65 4	1.87 357	1.24 9	0.36 4	2.13 30	1.27 13	0.67 4	0.75 2	0.88 38	0.70 12	1.15 15	1.07 102	0.29 75	0.23 126	0.26 36	0.20 22	0.31 73	0.22 9

ProNet	0.82 5	0.71 154	1.50 15	0.86 59	0.45 46	1.78 21	0.83 137	1.75 15	1.28 14	0.66 3	1.13 26	0.78 24	0.76 22	1.66 82	0.71 25	0.24 10	0.20 55	0.25 26	0.23 57	0.29 42	0.25 26

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

knoymous	1.30 75	0.60 72	5.57 162	0.88 66	0.75 148	3.04 72	0.90 174	2.68 74	1.33 16	1.48 56	1.07 20	2.78 248	0.88 40	1.29 37	0.85 50	0.31 126	0.22 102	0.35 194	0.20 22	0.45 229	0.37 157

riskmin	1.25 60	0.56 40	2.05 53	1.05 142	0.93 195	2.86 60	0.55 26	3.23 113	1.34 17	1.55 62	1.07 20	3.56 309	2.03 253	1.29 37	1.00 95	0.28 58	0.27 189	0.34 179	0.21 28	0.41 195	0.43 208

LoS_RVC	0.94 10	1.30 300	1.31 8	0.84 49	1.63 329	2.02 31	0.59 38	1.51 4	1.36 18	0.81 18	1.33 54	0.84 33	0.88 40	1.36 43	0.73 29	0.21 1	0.17 9	0.20 1	0.14 2	0.20 1	1.45 361

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

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

MyStereo07	1.01 22	0.80 198	1.26 4	1.00 120	1.04 222	3.95 212	0.95 199	2.07 29	1.42 21	0.75 6	1.22 34	0.68 7	0.91 45	1.63 78	0.67 12	0.24 10	0.24 153	0.34 179	0.26 99	0.41 195	0.37 157

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

test_3	1.19 41	0.51 10	2.08 65	0.99 113	0.41 31	2.05 37	0.87 164	4.40 342	1.42 21	1.99 145	1.18 30	2.03 171	0.79 31	2.70 164	0.75 32	0.27 33	0.17 9	0.29 80	0.29 170	0.30 57	0.27 54

LoS	0.94 10	0.52 15	1.88 38	0.86 59	0.36 5	4.15 254	0.51 21	2.18 33	1.45 24	0.97 28	0.88 7	0.62 4	0.79 31	1.59 67	0.86 54	0.26 26	0.19 38	0.24 16	0.16 7	0.21 2	0.20 6

CES	1.01 22	0.55 33	1.74 30	0.92 81	2.15 369	2.15 41	0.50 17	2.01 25	1.45 24	0.76 13	1.02 9	0.61 3	0.47 1	1.29 37	0.79 39	0.22 4	0.17 9	0.24 16	0.14 2	0.63 287	2.29 377

GMOStereo	1.13 34	0.70 144	2.26 76	0.75 11	0.44 42	3.05 74	0.91 182	2.78 79	1.45 24	2.37 262	1.52 82	1.53 99	1.05 71	1.17 18	0.92 74	0.25 19	0.19 38	0.35 194	0.28 147	0.34 127	0.26 42

error version	1.13 34	0.70 144	2.26 76	0.75 11	0.44 42	3.05 74	0.91 182	2.78 79	1.45 24	2.37 262	1.52 82	1.53 99	1.05 71	1.17 18	0.92 74	0.25 19	0.19 38	0.35 194	0.28 147	0.34 127	0.26 42

test-v	1.13 34	0.70 144	2.26 76	0.75 11	0.44 42	3.05 74	0.91 182	2.78 79	1.45 24	2.37 262	1.52 82	1.53 99	1.05 71	1.17 18	0.92 74	0.25 19	0.19 38	0.35 194	0.28 147	0.34 127	0.26 42

TRStereo	2.31 212	1.87 340	19.74 330	1.53 302	1.16 243	4.26 285	1.08 226	4.73 374	1.45 24	1.55 62	1.28 49	1.75 122	0.85 36	1.81 94	1.20 127	0.36 185	0.26 181	0.32 132	0.36 244	0.34 127	0.33 119

test-2	1.13 34	0.70 144	2.26 76	0.75 11	0.44 42	3.05 74	0.91 182	2.78 79	1.45 24	2.37 262	1.52 82	1.53 99	1.05 71	1.17 18	0.92 74	0.25 19	0.19 38	0.35 194	0.28 147	0.34 127	0.26 42

Anonymous_2	3.01 300	0.89 225	4.53 148	1.06 146	1.18 244	2.93 66	0.87 164	3.24 115	1.46 31	1.86 112	1.35 61	4.11 333	2.35 279	1.64 79	1.28 145	0.82 349	0.90 365	8.71 414	15.84 418	4.44 397	0.74 311

MC-Stereo	1.06 29	0.48 5	1.55 19	1.15 191	0.41 31	4.56 337	0.61 44	2.06 27	1.46 31	1.90 121	1.61 106	0.89 39	1.12 91	1.35 42	0.73 29	0.25 19	0.18 24	0.26 36	0.22 49	0.25 11	0.24 20

RAFT	1.23 52	0.84 216	2.05 53	0.96 98	0.47 62	1.80 23	0.94 196	3.18 109	1.46 31	1.60 66	1.71 128	3.04 265	1.59 184	1.64 79	1.32 151	0.38 206	0.24 153	0.40 238	0.32 207	0.40 174	0.35 140

anonymousdsp2	1.26 67	0.60 72	3.74 138	1.02 133	0.41 31	3.60 146	0.72 82	3.68 158	1.47 34	1.37 48	1.56 92	1.83 142	1.01 63	2.00 109	0.66 10	0.29 75	0.20 55	0.28 65	0.20 22	0.32 96	0.29 74

test-3	1.19 41	0.52 15	2.00 47	1.01 124	0.42 34	1.95 29	0.91 182	4.35 334	1.47 34	2.24 228	1.16 28	2.06 177	0.79 31	2.68 162	0.76 34	0.27 33	0.18 24	0.28 65	0.26 99	0.26 17	0.25 26

test_1	1.19 41	0.52 15	2.00 47	1.01 124	0.42 34	1.95 29	0.90 174	4.36 336	1.47 34	2.17 205	1.16 28	2.06 177	0.78 29	2.68 162	0.76 34	0.27 33	0.18 24	0.28 65	0.26 99	0.26 17	0.25 26

test-1	1.23 52	0.65 109	1.88 38	0.96 98	0.52 83	3.84 187	0.62 53	4.01 235	1.47 34	1.93 131	1.78 149	1.83 142	0.92 47	1.19 23	1.28 145	0.26 26	0.29 205	0.31 117	0.24 78	0.29 42	0.36 143

raftrobust	1.19 41	0.72 157	2.30 81	1.26 229	1.31 273	3.55 137	0.68 68	2.75 78	1.47 34	2.21 221	1.38 65	1.17 60	1.22 111	1.20 24	1.11 109	0.28 58	0.24 153	0.21 2	0.19 18	0.25 11	0.28 67

EGLCR-Stereo	1.06 29	0.51 10	1.56 20	1.02 133	0.39 26	4.27 290	0.42 8	4.08 256	1.48 39	0.90 24	0.68 1	1.09 52	0.66 11	1.81 94	0.62 2	0.27 33	0.19 38	0.29 80	0.23 57	0.37 159	0.25 26

NF-Stereo	1.58 104	0.61 86	2.66 101	2.26 365	0.47 62	4.68 353	0.67 64	3.31 120	1.48 39	2.11 185	1.59 98	1.36 82	1.09 82	6.08 232	1.20 127	0.40 223	0.20 55	0.36 205	0.34 222	0.31 73	0.36 143

OCTAStereo	1.58 104	0.61 86	2.72 102	2.27 368	0.46 52	4.68 353	0.67 64	3.30 119	1.48 39	2.11 185	1.59 98	1.36 82	1.09 82	6.02 229	1.21 131	0.41 233	0.20 55	0.36 205	0.34 222	0.31 73	0.37 157

RE-Stereo	1.58 104	0.61 86	2.72 102	2.26 365	0.46 52	4.68 353	0.68 68	3.31 120	1.48 39	2.11 185	1.59 98	1.36 82	1.09 82	6.01 227	1.22 134	0.41 233	0.20 55	0.36 205	0.34 222	0.31 73	0.37 157

TVStereo	1.58 104	0.61 86	2.72 102	2.26 365	0.46 52	4.68 353	0.68 68	3.31 120	1.48 39	2.11 185	1.59 98	1.36 82	1.09 82	6.01 227	1.22 134	0.41 233	0.20 55	0.36 205	0.34 222	0.31 73	0.37 157

GMM-Stereo	2.45 232	0.52 15	20.38 358	0.89 69	0.82 166	4.18 270	1.91 320	2.45 47	1.48 39	2.48 276	2.30 268	1.69 116	1.86 242	2.93 170	1.08 104	0.28 58	0.18 24	0.33 163	0.48 305	0.35 142	2.41 380

11t1	1.11 33	0.53 24	1.80 35	1.55 309	0.65 127	2.20 45	0.60 41	3.66 156	1.49 45	1.60 66	1.26 42	1.03 48	1.35 132	1.72 88	0.97 86	0.28 58	0.31 222	0.29 80	0.23 57	0.30 57	0.34 129

DLNR_Zeroshot_test	28.62 416	55.50 429	49.94 423	183.62 431	115.05 429	3.43 111	0.28 1	29.49 417	1.49 45	1.01 30	1.26 42	0.93 42	0.63 7	3.92 192	1.51 184	29.81 424	0.41 291	0.26 36	0.23 57	93.28 429	0.32 109

CAS	1.26 67	0.40 1	1.46 13	2.97 381	1.61 326	4.13 250	0.73 86	1.78 18	1.49 45	0.83 21	1.10 23	0.59 2	0.53 2	1.26 31	0.80 40	2.99 385	0.13 1	0.21 2	0.13 1	0.31 73	1.72 368

CroCo-Stereo	0.98 14	0.87 223	3.44 127	0.87 62	0.53 91	0.49 1	0.50 17	3.99 232	1.49 45	0.81 18	1.25 41	1.00 46	0.75 21	1.10 8	1.09 107	0.24 10	0.21 80	0.24 16	0.19 18	0.35 142	0.27 54
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
Anonymous	1.04 28	0.76 184	2.42 91	1.06 146	1.27 269	1.67 20	0.86 148	2.51 52	1.49 45	0.92 25	1.14 27	0.70 10	1.10 86	1.26 31	0.98 88	0.47 273	0.33 234	0.30 99	0.30 184	0.66 301	0.51 254

MSKI-zero shot	2.22 190	0.64 102	20.09 345	0.96 98	0.56 97	4.04 230	0.70 78	3.91 209	1.50 50	1.92 127	2.28 262	1.92 152	0.71 14	2.93 170	0.67 12	0.26 26	0.23 126	0.26 36	0.21 28	0.28 34	0.26 42

NRIStereo	1.28 72	0.61 86	1.67 24	1.15 191	0.38 25	4.73 365	0.90 174	2.42 43	1.50 50	1.93 131	1.33 54	1.75 122	1.22 111	2.96 172	1.33 155	0.46 265	0.22 102	0.29 80	0.26 99	0.30 57	0.28 67

FTStereo	3.71 337	0.53 24	20.37 357	0.96 98	0.65 127	4.34 297	11.29 400	2.62 71	1.50 50	2.58 289	5.04 363	1.90 150	13.84 400	3.71 185	1.25 138	0.38 206	0.24 153	0.31 117	0.32 207	0.30 57	2.10 375

UCFNet_RVC	1.57 103	0.84 216	3.25 120	1.36 265	1.40 292	4.07 238	1.01 211	2.68 74	1.50 50	2.11 185	1.88 190	2.37 205	1.50 167	3.41 177	1.42 164	0.36 185	0.28 197	0.52 304	0.40 280	0.53 257	0.43 208

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

KYRaft	1.59 109	0.52 15	1.73 27	0.95 94	0.49 72	4.38 300	1.79 311	2.43 45	1.51 54	2.49 277	2.98 326	2.00 167	3.41 329	2.14 124	0.82 43	0.30 109	0.21 80	0.33 163	0.46 298	0.35 142	2.45 382

IRAFT_RVC	1.87 138	0.60 72	4.33 142	2.40 372	0.66 130	4.59 340	1.59 296	2.96 91	1.51 54	2.23 226	1.75 139	2.09 181	2.63 295	6.70 242	1.50 179	0.33 152	0.21 80	0.33 163	0.29 170	0.32 96	0.32 109

raft+_RVC	1.21 49	0.83 212	2.61 96	1.35 259	0.97 202	3.60 146	0.76 103	3.23 113	1.51 54	1.33 44	1.67 117	1.03 48	1.10 86	1.87 101	0.92 74	0.24 10	0.22 102	0.25 26	0.24 78	0.26 17	0.25 26

GES	1.38 85	0.64 102	2.61 96	1.09 156	0.57 106	4.30 294	1.02 214	3.86 194	1.51 54	1.72 90	1.74 135	1.28 74	1.77 224	1.62 75	1.61 199	0.39 217	0.27 189	0.33 163	0.30 184	0.41 195	0.47 233

R-Stereo Train	1.20 46	0.58 57	1.81 36	0.99 113	0.67 133	3.78 174	0.90 174	4.09 258	1.51 54	2.16 201	1.71 128	1.13 55	0.94 50	1.40 44	0.91 71	0.30 109	0.24 153	0.26 36	0.21 28	0.26 17	0.25 26

RAFT-Stereo	1.20 46	0.58 57	1.81 36	0.99 113	0.67 133	3.78 174	0.90 174	4.09 258	1.51 54	2.16 201	1.71 128	1.13 55	0.94 50	1.40 44	0.91 71	0.30 109	0.24 153	0.26 36	0.21 28	0.26 17	0.25 26
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
PSM-softLoss	1.66 117	0.59 63	5.15 154	2.25 363	0.48 68	4.68 353	0.69 73	2.57 67	1.52 61	2.14 191	1.45 68	1.42 92	0.99 59	6.04 230	1.20 127	0.41 233	0.23 126	0.37 217	0.39 270	0.32 96	0.31 102

KMStereo	1.66 117	0.59 63	5.15 154	2.25 363	0.48 68	4.68 353	0.69 73	2.57 67	1.52 61	2.14 191	1.45 68	1.42 92	0.99 59	6.04 230	1.20 127	0.41 233	0.23 126	0.37 217	0.39 270	0.32 96	0.31 102

PFNet	2.47 237	0.60 72	16.95 282	2.15 362	0.81 158	4.63 346	0.91 182	2.55 63	1.52 61	2.40 269	2.79 316	1.83 142	1.42 145	7.54 258	1.34 157	0.33 152	0.21 80	0.36 205	0.27 122	0.32 96	0.39 175

GrayStereo	2.58 258	0.53 24	1.63 22	1.58 313	0.89 185	4.17 268	8.17 397	3.03 96	1.52 61	2.80 314	2.50 292	1.70 117	17.10 402	2.83 168	1.15 115	0.33 152	0.21 80	0.27 51	0.32 207	0.28 34	0.53 261

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

ACVNet-DCA	1.85 137	0.74 172	13.77 234	1.78 335	0.36 5	4.48 315	0.74 95	3.98 228	1.53 66	1.01 30	1.81 167	0.72 16	1.62 192	2.13 121	0.64 4	0.29 75	0.17 9	0.32 132	0.21 28	0.33 111	0.32 109

1test111	1.99 164	0.74 172	13.77 234	1.78 335	0.36 5	4.48 315	0.74 95	3.98 228	1.53 66	1.01 30	1.81 167	0.72 16	1.62 192	4.66 202	0.98 88	0.29 75	0.17 9	0.32 132	0.21 28	0.33 111	0.32 109

EKT-Stereo	6.79 387	0.64 102	4.24 141	1.77 334	106.39 428	4.51 327	0.61 44	3.16 105	1.53 66	1.88 115	1.22 34	1.98 164	1.36 133	3.81 186	0.84 48	0.35 180	0.24 153	0.29 80	0.26 99	0.34 127	0.48 237

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

LCNet	1.55 97	0.54 29	1.88 38	0.99 113	0.55 94	3.60 146	1.21 251	2.86 87	1.53 66	2.18 207	1.74 135	1.43 94	4.17 345	3.62 182	0.87 59	0.29 75	0.20 55	0.28 65	0.77 350	0.47 238	1.85 371

IIG-Stereo	1.95 155	0.79 195	2.14 67	2.78 378	0.66 130	4.62 344	0.76 103	4.27 309	1.53 66	2.63 299	3.14 336	3.35 288	1.61 189	7.65 262	1.41 162	0.39 217	0.20 55	0.31 117	0.25 86	0.33 111	0.22 9

Prome-Stereo	1.61 111	0.55 33	1.71 26	0.98 108	0.60 113	4.41 307	1.82 315	3.03 96	1.53 66	2.18 207	3.45 345	1.72 120	3.49 333	2.23 134	1.08 104	0.29 75	0.20 55	0.26 36	0.25 86	0.34 127	2.16 376

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

HH	2.23 192	0.86 221	21.59 392	0.98 108	0.51 76	1.49 14	0.82 133	2.74 76	1.54 73	1.10 37	1.69 122	4.62 356	1.86 242	2.55 153	0.69 18	0.26 26	0.22 102	0.29 80	0.23 57	0.34 127	0.27 54

HanStereo	2.23 192	0.86 221	21.59 392	0.98 108	0.51 76	1.49 14	0.82 133	2.74 76	1.54 73	1.10 37	1.69 122	4.62 356	1.86 242	2.55 153	0.69 18	0.26 26	0.22 102	0.29 80	0.23 57	0.34 127	0.27 54

OMP-Stereo	1.97 159	0.93 234	1.88 38	2.76 377	0.67 133	4.58 339	1.48 283	4.31 324	1.54 73	3.15 338	2.76 315	3.25 280	1.38 134	7.66 263	1.35 158	0.40 223	0.20 55	0.33 163	0.26 99	0.33 111	0.24 20

THIR-Stereo	4.14 350	0.82 209	10.85 212	0.86 59	0.43 37	2.16 42	16.77 406	3.22 112	1.54 73	2.04 170	12.05 396	2.68 234	7.53 385	7.30 252	12.62 372	0.30 109	0.21 80	0.29 80	0.28 147	0.33 111	0.41 197

CREStereo	0.92 9	0.53 24	1.45 12	0.61 1	0.34 3	4.42 309	0.40 7	2.21 34	1.54 73	0.94 26	1.12 25	0.87 36	0.87 39	1.12 10	0.72 28	0.28 58	0.19 38	0.22 4	0.15 4	0.22 3	0.19 3
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PSM-AAD	2.43 230	0.54 29	1.32 9	0.92 81	0.54 92	4.48 315	7.47 393	2.96 91	1.55 79	2.31 244	2.56 300	1.26 72	16.23 401	2.46 142	0.89 63	0.28 58	0.21 80	0.58 320	0.41 284	0.34 127	1.32 356

DRaft	2.28 205	0.56 40	2.64 100	0.74 10	0.46 52	3.94 207	1.23 252	2.32 39	1.55 79	2.64 300	2.80 318	1.60 106	5.34 362	6.96 250	10.99 367	0.34 163	0.22 102	0.27 51	0.27 122	0.29 42	0.37 157

CRE-IMP	1.23 52	0.61 86	2.14 67	0.82 36	0.39 26	4.54 329	0.83 137	2.63 72	1.55 79	1.95 135	1.46 70	1.87 149	0.96 53	1.48 55	1.33 155	0.45 261	0.21 80	0.31 117	0.26 99	0.41 195	0.31 102

CFNet-RSSM	2.08 180	0.52 15	20.06 341	1.01 124	0.56 97	3.39 106	0.64 55	3.67 157	1.55 79	1.72 90	1.37 63	2.57 225	1.19 109	1.11 9	0.86 54	0.27 33	0.20 55	0.25 26	0.23 57	0.27 23	0.23 14

4D-IteraStereo	1.97 159	0.84 216	20.43 362	0.78 26	1.56 318	2.09 39	1.05 220	2.43 45	1.56 83	1.41 52	1.00 8	1.94 153	0.61 5	1.22 27	1.06 100	0.27 33	0.18 24	0.31 117	0.26 99	0.27 23	0.23 14

DCRE	1.44 89	0.74 172	3.50 130	1.13 177	0.72 142	1.78 21	0.67 64	2.14 31	1.56 83	1.99 145	8.09 375	1.73 121	1.07 80	1.24 29	0.83 46	0.23 7	0.25 170	0.26 36	0.26 99	0.28 34	0.30 95

HHNet	2.48 239	0.71 154	20.52 364	0.64 3	0.64 122	4.07 238	0.93 193	3.76 174	1.56 83	2.15 196	4.92 362	0.98 44	3.37 327	1.66 82	1.79 225	0.32 141	0.20 55	0.31 117	0.27 122	0.36 153	0.42 200

AAGNet	2.86 278	0.60 72	1.77 32	2.05 358	0.46 52	4.76 370	1.09 228	2.27 37	1.56 83	2.17 205	1.84 179	2.41 208	4.00 341	6.23 233	24.22 409	0.46 265	0.19 38	0.30 99	0.29 170	0.32 96	0.24 20

RAFT_R40	1.70 120	0.59 63	2.99 112	1.46 290	0.46 52	4.74 368	0.98 209	2.23 36	1.56 83	2.02 163	2.35 283	2.71 237	2.56 292	6.71 244	0.90 65	0.40 223	0.19 38	0.30 99	0.27 122	0.33 111	0.26 42

Gwc-CoAtRS	1.58 104	0.57 45	11.69 218	1.01 124	0.60 113	2.53 51	0.64 55	2.36 40	1.56 83	1.80 103	1.47 74	2.74 239	1.18 105	1.12 10	0.90 65	0.27 33	0.21 80	0.25 26	0.22 49	0.27 23	0.23 14

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

cross-raft	2.01 168	0.57 45	19.01 315	1.03 140	0.56 97	2.11 40	0.72 82	3.63 151	1.57 89	1.77 97	1.51 81	3.17 275	1.13 93	1.16 16	0.85 50	0.23 7	0.21 80	0.26 36	0.23 57	0.28 34	0.25 26

iRaft-Stereo_20w	1.88 142	0.62 93	10.58 210	0.90 74	0.83 167	2.96 70	0.78 115	4.90 378	1.58 91	2.29 235	1.60 102	1.25 71	4.51 352	2.28 137	0.90 65	0.29 75	0.21 80	0.26 36	0.24 78	0.41 195	0.31 102

Patchmatch Stereo++	1.25 60	0.65 109	2.06 62	0.75 11	0.37 17	4.68 353	0.76 103	2.53 53	1.58 91	1.99 145	1.47 74	1.78 125	1.14 99	2.44 140	0.90 65	0.48 278	0.23 126	0.32 132	0.27 122	0.40 174	0.29 74
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	1.24 57	0.65 109	2.03 50	0.75 11	0.37 17	4.68 353	0.73 86	2.53 53	1.58 91	1.99 145	1.47 74	1.78 125	1.13 93	2.18 128	0.87 59	0.48 278	0.23 126	0.32 132	0.27 122	0.40 174	0.29 74

ROB_FTStereo_v2	1.23 52	0.66 119	2.02 49	0.75 11	0.37 17	4.67 352	0.76 103	2.53 53	1.58 91	1.99 145	1.46 70	1.78 125	1.14 99	2.08 116	0.88 61	0.48 278	0.22 102	0.32 132	0.27 122	0.40 174	0.29 74

ROB_FTStereo	1.25 60	0.66 119	2.14 67	0.75 11	0.37 17	4.65 349	0.77 113	2.53 53	1.58 91	1.99 145	1.47 74	1.78 125	1.13 93	2.26 136	0.86 54	0.47 273	0.22 102	0.32 132	0.27 122	0.40 174	0.29 74

HUI-Stereo	1.25 60	0.66 119	2.33 84	0.75 11	0.37 17	4.68 353	0.78 115	2.53 53	1.58 91	1.99 145	1.46 70	1.79 132	1.13 93	2.17 127	0.85 50	0.48 278	0.23 126	0.32 132	0.27 122	0.40 174	0.29 74

ASMatch	2.62 259	0.60 72	20.65 369	1.37 273	0.64 122	4.39 302	0.78 115	1.97 23	1.58 91	1.70 86	3.89 353	1.94 153	3.79 337	5.46 215	1.64 205	0.31 126	0.24 153	0.34 179	0.28 147	0.33 111	0.50 248

DeepStereo_RVC	1.55 97	0.63 97	3.32 124	0.77 25	0.42 34	4.49 320	0.72 82	2.50 50	1.58 91	2.02 163	1.81 167	1.54 103	6.38 376	1.73 89	1.19 124	0.46 265	0.22 102	0.29 80	0.28 147	0.35 142	0.38 170

iGMRVC	1.26 67	0.66 119	2.14 67	0.75 11	0.37 17	4.66 350	0.74 95	2.53 53	1.58 91	1.99 145	1.46 70	1.78 125	1.14 99	2.46 142	0.92 74	0.48 278	0.23 126	0.32 132	0.27 122	0.40 174	0.29 74

iRAFT	1.25 60	0.65 109	2.06 62	0.75 11	0.37 17	4.68 353	0.76 103	2.53 53	1.58 91	1.99 145	1.47 74	1.78 125	1.14 99	2.44 140	0.90 65	0.48 278	0.23 126	0.32 132	0.27 122	0.40 174	0.29 74

RAFT-IKP	1.25 60	0.66 119	2.23 75	0.75 11	0.37 17	4.64 347	0.74 95	2.53 53	1.58 91	1.99 145	1.47 74	1.78 125	1.13 93	2.22 133	0.92 74	0.48 278	0.22 102	0.32 132	0.27 122	0.40 174	0.29 74

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

iRaftStereo_RVC	1.09 32	0.70 144	1.39 11	0.95 94	0.45 46	3.83 182	0.42 8	2.37 41	1.58 91	1.69 84	1.76 142	1.80 135	0.83 35	1.50 56	0.98 88	0.28 58	0.18 24	0.29 80	0.26 99	0.30 57	0.31 102

XX-Stereo	2.54 250	0.61 86	20.21 348	1.78 335	1.19 250	4.30 294	0.46 12	4.39 340	1.58 91	2.32 248	1.89 195	4.64 358	0.60 3	4.16 197	0.82 43	0.31 126	0.21 80	0.28 65	0.27 122	0.51 248	0.26 42

PMTNet	0.99 20	0.48 5	1.73 27	0.62 2	0.56 97	4.20 279	0.43 11	1.88 20	1.58 91	1.00 29	1.05 17	0.78 24	0.98 58	1.50 56	0.85 50	1.21 367	0.20 55	0.23 5	0.15 4	0.22 3	0.19 3

DEmStereo	2.97 294	0.58 57	13.42 229	0.79 28	0.51 76	3.84 187	1.84 318	2.42 43	1.60 106	2.25 230	2.74 312	2.03 171	6.04 369	6.79 248	12.80 373	0.35 180	0.26 181	0.26 36	0.27 122	0.27 23	0.37 157

LMCR-Stereo	2.40 227	1.31 302	18.61 309	1.59 314	0.86 175	3.87 197	1.15 239	4.32 328	1.60 106	2.25 230	2.27 259	1.13 55	2.43 284	2.48 144	1.60 196	0.88 354	0.24 153	0.29 80	0.24 78	0.56 268	0.30 95

ICVP	2.26 198	0.66 119	21.18 383	0.99 113	0.88 180	4.28 291	0.95 199	3.32 124	1.60 106	1.66 80	1.76 142	1.34 79	1.14 99	1.62 75	1.32 151	0.53 305	0.35 250	0.33 163	0.29 170	0.40 174	0.51 254
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
IGEV_Zeroshot_test	2.16 186	0.69 134	20.60 368	1.22 215	0.54 92	2.18 43	0.53 23	3.38 128	1.61 109	1.93 131	1.55 89	3.76 315	1.05 71	1.55 62	0.91 71	0.29 75	0.20 55	0.27 51	0.29 170	0.40 174	0.32 109

RAFT+CT+SA	1.62 112	0.72 157	7.42 173	0.97 105	1.42 299	4.04 230	0.94 196	3.90 205	1.61 109	1.61 71	1.63 109	1.33 78	1.18 105	2.73 167	1.10 108	0.27 33	0.19 38	0.31 117	0.34 222	0.33 111	0.33 119

AACVNet	1.83 135	1.02 249	2.41 89	1.45 288	0.87 177	3.21 81	0.73 86	3.16 105	1.61 109	2.01 159	1.82 173	2.28 191	1.33 129	10.98 337	1.49 178	0.39 217	0.32 228	0.38 229	0.32 207	0.43 218	0.44 213

AE-Stereo	1.18 40	0.60 72	2.05 53	1.10 164	0.60 113	4.39 302	0.72 82	3.74 171	1.62 112	1.10 37	1.90 199	1.01 47	0.92 47	1.45 53	0.82 43	0.28 58	0.22 102	0.28 65	0.28 147	0.26 17	0.22 9

RAFT_CTSACE	1.80 133	1.06 257	10.00 201	1.71 328	1.39 290	3.49 123	1.06 221	3.05 98	1.62 112	1.70 86	2.04 219	2.51 221	1.80 232	1.98 108	0.94 82	0.25 19	0.22 102	0.28 65	0.30 184	0.30 57	0.26 42

TANstereo	1.01 22	0.55 33	1.73 27	0.76 24	0.36 5	4.04 230	0.38 5	1.48 3	1.62 112	2.03 167	2.10 232	0.84 33	0.93 49	0.98 4	0.62 2	0.28 58	0.36 254	0.23 5	0.20 22	0.25 11	0.46 228

mmm	1.27 71	0.58 57	2.20 71	1.41 280	0.68 138	2.39 48	0.85 146	3.90 205	1.63 115	2.20 213	1.84 179	1.28 74	1.50 167	1.91 104	0.89 63	0.31 126	0.27 189	0.45 264	0.37 255	0.38 163	0.34 129

RAFT-RH_RVC	2.63 260	0.55 33	19.97 338	1.26 229	0.47 62	4.46 313	0.57 29	1.71 13	1.64 116	3.06 332	5.51 365	2.03 171	1.28 121	6.70 242	1.52 186	0.42 243	0.22 102	0.37 217	0.34 222	0.28 34	0.29 74

CRFU-Net	2.49 241	0.78 192	10.36 206	2.30 369	1.08 230	3.91 200	1.41 277	3.85 191	1.65 117	2.15 196	1.76 142	3.34 287	7.95 388	5.56 219	1.48 175	0.47 273	0.35 250	0.30 99	0.28 147	0.37 159	0.43 208

iRaft-Stereo_5w	2.10 181	0.83 212	8.57 182	0.81 29	0.76 151	3.21 81	0.84 140	3.71 168	1.65 117	1.56 64	2.50 292	2.20 187	2.23 272	9.13 284	2.01 250	0.38 206	0.19 38	0.35 194	0.27 122	0.45 229	0.39 175

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

DN-CSS_ROB	1.91 147	1.55 324	11.13 215	1.82 342	0.88 180	3.99 223	0.61 44	4.01 235	1.67 120	1.64 76	1.89 195	1.39 86	1.06 78	3.23 174	1.50 179	0.31 126	0.19 38	0.44 258	0.29 170	0.37 159	0.31 102

MyStereo06	2.46 234	0.72 157	19.97 338	1.02 133	0.99 209	4.26 285	0.86 148	3.51 139	1.68 121	1.92 127	1.73 133	4.01 327	4.22 346	1.62 75	0.88 61	0.24 10	0.23 126	0.34 179	0.26 99	0.42 210	0.36 143

GMStereo_Zeroshot	1.41 88	1.21 283	3.33 125	1.29 238	0.72 142	3.35 103	0.53 23	2.58 69	1.68 121	2.35 256	1.56 92	2.42 211	0.96 53	2.50 145	1.16 118	0.45 261	0.23 126	0.40 238	0.24 78	0.79 327	0.33 119

SQANet	3.70 335	9.34 398	18.41 305	2.75 376	2.74 379	3.40 109	1.47 282	3.50 136	1.68 121	2.60 293	1.75 139	2.69 235	1.91 248	6.72 245	1.74 219	2.96 384	1.41 379	1.85 379	1.12 369	3.17 381	2.70 387

AnonymousM	1.22 51	1.32 304	0.97 1	0.88 66	0.56 97	4.03 229	0.69 73	2.41 42	1.68 121	1.48 56	1.31 53	1.15 58	1.00 61	1.18 22	0.73 29	0.32 141	0.40 285	2.07 381	1.70 383	0.24 5	0.22 9

DMCA-RVC	2.45 232	1.22 289	18.29 301	1.23 219	1.14 237	2.49 50	0.85 146	3.29 118	1.68 121	3.02 328	1.41 67	2.00 167	1.53 179	6.39 234	2.00 248	0.38 206	0.30 214	0.44 258	0.35 236	0.45 229	0.44 213

Selective-RAFT	1.15 38	0.46 3	1.64 23	0.99 113	0.45 46	4.17 268	0.51 21	3.21 110	1.69 126	1.12 40	1.34 59	1.45 95	1.40 138	2.08 116	0.94 82	0.41 233	0.20 55	0.24 16	0.23 57	0.27 23	0.25 26

sAnonymous2	1.37 83	1.22 289	9.79 198	0.92 81	0.88 180	1.23 7	0.61 44	2.56 65	1.69 126	0.85 22	1.02 9	0.73 19	1.23 114	0.98 4	0.78 37	0.29 75	0.25 170	0.31 117	0.30 184	1.06 347	0.71 303

CroCo_RVC	1.37 83	1.22 289	9.79 198	0.92 81	0.88 180	1.23 7	0.61 44	2.56 65	1.69 126	0.85 22	1.02 9	0.73 19	1.23 114	0.98 4	0.78 37	0.29 75	0.25 170	0.31 117	0.30 184	1.06 347	0.71 303

RAFT-Test	1.44 89	0.59 63	6.10 163	1.01 124	0.69 140	2.90 62	0.80 125	3.68 158	1.70 129	1.85 108	1.68 119	3.15 274	1.03 65	1.20 24	0.99 93	0.27 33	0.22 102	0.25 26	0.23 57	0.27 23	0.25 26

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

Pruner-Stereo	1.32 80	0.59 63	2.11 66	1.79 340	0.47 62	4.73 365	0.79 120	2.53 53	1.72 131	2.47 275	1.58 95	1.48 97	1.03 65	1.66 82	1.47 174	0.44 255	0.21 80	0.34 179	0.30 184	0.30 57	0.39 175

DeepPruner_ROB	2.05 175	1.09 263	10.50 209	1.01 124	1.20 255	4.39 302	0.91 182	3.14 103	1.72 131	2.60 293	1.54 88	2.78 248	1.27 118	4.52 200	1.72 214	0.51 297	0.40 285	0.37 217	0.34 222	0.48 241	0.52 259

CBFPSM	2.05 175	0.95 238	10.12 204	1.07 148	1.05 224	2.84 58	1.20 248	3.28 117	1.73 133	1.82 106	1.30 52	4.56 354	4.06 342	2.34 138	2.34 278	0.25 19	0.38 272	0.32 132	0.27 122	0.37 159	0.79 322

ToySt	1.35 81	0.72 157	3.65 137	1.01 124	0.50 75	3.31 100	1.01 211	3.46 130	1.73 133	1.30 43	1.55 89	2.07 180	1.47 158	1.88 102	1.40 161	0.27 33	0.27 189	0.30 99	0.32 207	0.42 210	0.39 175

hknet	1.98 161	0.64 102	8.70 185	0.87 62	1.07 228	4.16 263	1.16 240	4.48 354	1.73 133	2.93 321	1.83 174	3.48 294	1.30 125	3.91 191	1.51 184	0.31 126	0.25 170	0.31 117	0.28 147	0.35 142	0.33 119

XX-TBD	1.03 27	0.95 238	1.94 43	1.30 243	0.43 37	3.97 220	0.33 3	1.74 14	1.73 133	1.59 65	2.02 215	0.69 9	0.60 3	1.16 16	0.66 10	0.30 109	0.25 170	0.23 5	0.15 4	0.31 73	0.22 9

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

FADNet_RVC	2.65 262	2.28 354	16.51 274	0.98 108	0.92 190	4.09 240	0.83 137	4.26 308	1.73 133	1.46 55	1.78 149	1.60 106	1.50 167	8.88 277	2.39 279	0.47 273	0.38 272	0.44 258	0.58 330	0.89 335	0.97 338

RCA-Stereo	1.21 49	0.52 15	1.58 21	0.90 74	0.46 52	4.68 353	0.79 120	4.13 267	1.74 139	1.92 127	1.80 155	0.94 43	1.48 160	1.14 14	0.70 22	0.27 33	0.18 24	0.25 26	0.19 18	0.25 11	0.23 14

CSP-Net	1.78 131	1.32 304	1.92 42	1.16 196	1.03 219	3.38 105	1.31 259	3.52 140	1.75 140	1.96 137	1.93 202	2.40 206	1.48 160	8.58 273	1.58 192	0.46 265	0.34 246	0.27 51	0.26 99	0.41 195	0.50 248

CFNet_pseudo	2.12 182	0.67 127	15.14 261	0.85 58	0.74 147	3.95 212	0.64 55	3.95 220	1.78 141	1.90 121	1.79 152	3.27 282	1.62 192	2.51 148	1.16 118	0.31 126	0.36 254	0.53 306	0.27 122	0.63 287	0.44 213

ccs_rob	2.13 184	0.67 127	15.11 260	0.84 49	0.75 148	3.96 217	0.65 61	3.95 220	1.78 141	1.88 115	1.79 152	3.26 281	1.64 207	2.51 148	1.16 118	0.31 126	0.36 254	0.54 313	0.27 122	0.65 296	0.45 218

CASS	1.29 74	0.66 119	2.62 98	0.95 94	0.66 130	2.84 58	0.69 73	3.00 94	1.79 143	2.57 287	1.95 203	1.39 86	1.55 182	1.59 67	1.06 100	0.50 291	0.28 197	0.34 179	0.28 147	0.46 236	0.63 291
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ACRE	2.27 200	1.11 267	19.45 322	0.91 78	1.30 271	3.94 207	0.87 164	4.21 285	1.80 144	2.28 233	2.62 304	1.17 60	1.04 69	1.52 59	1.30 148	0.37 192	0.23 126	0.27 51	0.22 49	0.31 73	0.46 228

CIPLG	2.27 200	1.18 278	19.24 317	0.92 81	1.34 281	3.95 212	0.89 170	4.23 293	1.82 145	2.31 244	2.67 308	1.17 60	1.06 78	1.53 61	1.32 151	0.37 192	0.23 126	0.27 51	0.22 49	0.31 73	0.45 218

IPLGR_C	2.28 205	1.31 302	19.46 323	0.92 81	1.32 277	3.93 205	0.89 170	4.20 281	1.82 145	2.30 239	2.63 306	1.16 59	1.07 80	1.41 47	1.29 147	0.37 192	0.23 126	0.27 51	0.22 49	0.31 73	0.45 218

CFNet-ft	1.90 145	0.95 238	3.56 131	1.07 148	1.54 311	4.09 240	0.90 174	2.85 84	1.82 145	1.78 99	1.70 124	2.75 241	1.48 160	9.33 288	1.72 214	0.33 152	0.30 214	0.61 330	0.36 244	0.52 251	0.39 175

CFNet_RVC	1.90 145	0.95 238	3.56 131	1.07 148	1.54 311	4.09 240	0.90 174	2.85 84	1.82 145	1.78 99	1.70 124	2.75 241	1.48 160	9.33 288	1.72 214	0.33 152	0.30 214	0.61 330	0.36 244	0.52 251	0.39 175

IPLG	2.48 239	0.65 109	19.63 327	0.91 78	0.79 155	4.60 342	0.56 28	4.31 324	1.84 149	1.91 126	2.00 213	1.31 77	1.38 134	6.61 238	1.53 187	0.27 33	0.20 55	0.27 51	0.23 57	0.31 73	0.36 143

UPFNet	1.81 134	0.63 97	6.71 167	1.25 223	1.44 300	3.50 126	1.35 263	4.02 239	1.85 150	2.40 269	1.52 82	2.41 208	1.40 138	3.62 182	1.88 234	0.34 163	0.33 234	0.37 217	0.31 200	0.41 195	0.39 175

GANet-RSSM	1.98 161	0.62 93	3.49 128	1.69 326	1.23 260	4.22 280	0.91 182	3.31 120	1.86 151	1.81 104	1.74 135	2.34 200	1.82 237	10.92 335	1.73 218	0.34 163	0.29 205	0.31 117	0.28 147	0.39 171	0.40 192

UNet	2.51 244	0.74 172	20.17 347	1.14 178	1.44 300	3.48 121	0.76 103	3.77 176	1.87 152	2.05 171	1.57 94	2.75 241	2.39 281	3.51 179	2.51 288	0.32 141	0.26 181	0.41 245	0.26 99	0.38 163	0.39 175

DisPM	1.36 82	0.55 33	2.39 88	1.54 304	0.51 76	4.59 340	0.79 120	2.50 50	1.88 153	2.50 278	1.83 174	1.45 95	1.01 63	2.71 165	0.93 81	0.46 265	0.20 55	0.32 132	0.31 200	0.31 73	0.44 213

BUS	1.49 96	0.59 63	1.94 43	0.87 62	0.85 171	4.50 323	0.76 103	4.48 354	1.88 153	2.93 321	1.83 174	3.63 311	0.97 56	1.60 69	1.17 121	0.34 163	0.25 170	0.31 117	0.28 147	0.35 142	0.33 119

BSDual-CNN	1.46 92	0.59 63	1.94 43	0.87 62	0.85 171	4.16 263	1.16 240	4.48 354	1.88 153	2.93 321	1.83 174	2.60 229	1.31 126	1.60 69	1.21 131	0.34 163	0.25 170	0.31 117	0.28 147	0.35 142	0.33 119

psmg	1.47 95	0.59 63	1.94 43	0.92 81	0.85 171	4.30 294	1.42 279	4.10 265	1.88 153	2.64 300	2.09 231	2.60 229	1.31 126	1.60 69	1.21 131	0.34 163	0.27 189	0.33 163	0.34 222	0.36 153	0.34 129

CASnet	0.78 2	0.51 10	1.29 7	0.81 29	0.29 1	1.28 10	0.74 95	1.51 4	1.89 157	1.64 76	1.09 22	0.65 6	0.64 8	0.91 2	0.76 34	0.29 75	0.17 9	0.41 245	0.31 200	0.32 96	0.19 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GEStereo_RVC	1.91 147	0.80 198	6.57 165	1.20 207	1.06 226	4.02 228	1.43 281	4.13 267	1.89 157	2.03 167	1.80 155	2.34 200	1.86 242	4.94 206	1.77 222	0.48 278	0.38 272	0.32 132	0.28 147	0.42 210	0.50 248

HGLStereo	2.03 170	0.74 172	7.50 175	1.23 219	1.56 318	3.62 150	0.95 199	3.78 179	1.89 157	2.03 167	2.20 251	3.12 272	2.14 263	5.68 222	2.04 252	0.37 192	0.31 222	0.32 132	0.29 170	0.40 174	0.45 218

PSMNet-RSSM	1.96 157	0.77 187	3.26 121	1.29 238	1.31 273	4.19 274	0.96 204	3.68 158	1.89 157	2.05 171	1.80 155	2.60 229	1.70 216	9.84 299	1.81 226	0.35 180	0.29 205	0.35 194	0.37 255	0.42 210	0.35 140

test_5	1.87 138	0.75 181	10.23 205	1.14 178	1.40 292	3.85 193	1.27 256	3.91 209	1.93 161	1.69 84	1.78 149	1.67 113	1.79 227	2.99 173	1.17 121	0.30 109	0.18 24	0.35 194	0.33 215	0.34 127	0.33 119

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

StereoVision	1.65 115	0.75 181	7.47 174	1.01 124	1.80 354	2.61 55	0.61 44	3.06 100	1.96 163	1.25 42	3.46 346	1.85 147	0.88 40	2.07 114	1.93 238	0.43 248	0.36 254	0.37 217	0.36 244	0.48 241	0.33 119

anonymousa	2.16 186	0.67 127	19.19 316	1.04 141	1.67 338	2.06 38	0.79 120	2.86 87	1.96 163	1.85 108	2.14 241	3.23 279	1.81 235	1.12 10	1.15 115	0.26 26	0.26 181	0.34 179	0.32 207	0.30 57	0.28 67

PCWNet_CMD	2.23 192	0.65 109	17.36 288	0.83 43	0.76 151	3.51 128	0.64 55	3.60 149	1.97 165	1.70 86	1.63 109	3.22 277	3.05 314	2.09 119	1.11 109	0.31 126	0.36 254	0.47 271	0.26 99	0.64 293	0.47 233

IER	1.69 119	0.65 109	7.19 172	0.94 93	1.15 239	3.28 95	0.89 170	3.48 131	1.97 165	2.10 181	1.98 210	2.28 191	2.12 261	2.25 135	1.75 221	0.29 75	0.23 126	0.36 205	0.30 184	0.32 96	0.34 129

MSMDNet	2.23 192	0.64 102	17.32 284	0.84 49	0.75 148	3.53 132	0.64 55	3.61 150	1.98 167	1.71 89	1.64 111	3.22 277	2.99 308	2.08 116	1.11 109	0.31 126	0.37 266	0.45 264	0.26 99	0.62 286	0.45 218

LL-Strereo2	1.23 52	0.85 220	2.38 87	0.93 91	0.68 138	3.72 165	1.37 269	2.54 62	1.99 168	1.75 95	1.40 66	1.82 139	0.73 19	1.40 44	0.99 93	0.31 126	0.23 126	0.55 314	0.35 236	0.29 42	0.24 20

PFNet+	1.46 92	0.57 45	2.84 108	0.92 81	0.47 62	4.64 347	0.84 140	2.46 48	1.99 168	2.14 191	1.64 111	1.34 79	1.03 65	4.68 204	1.23 137	0.45 261	0.33 234	0.37 217	0.39 270	0.32 96	0.49 241

CREStereo++_RVC	1.02 26	0.49 7	1.54 18	0.83 43	0.55 94	4.01 226	0.31 2	1.63 11	1.99 168	1.63 74	2.13 240	0.84 33	0.65 10	0.88 1	0.70 22	0.27 33	0.15 2	0.23 5	1.22 375	0.24 5	0.17 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
FENet	2.25 196	0.50 8	20.29 355	1.35 259	0.67 133	4.01 226	0.60 41	3.95 220	1.99 168	1.96 137	1.11 24	2.43 212	1.43 147	1.60 69	1.39 160	0.32 141	0.22 102	0.33 163	0.26 99	0.29 42	0.39 175

LL-Strereo	3.01 300	1.81 339	17.59 295	1.12 170	2.10 368	2.90 62	1.09 228	4.33 330	2.00 172	3.12 335	2.24 256	3.29 283	3.15 317	11.31 346	1.84 230	0.30 109	0.28 197	0.46 268	0.34 222	0.49 246	0.45 218

UDG	3.55 330	2.81 364	17.45 291	2.69 375	1.98 362	3.97 220	1.19 247	4.35 334	2.02 173	2.42 271	2.53 297	4.50 350	2.46 287	6.53 236	2.41 281	2.12 379	1.77 385	2.63 390	2.57 399	2.64 379	1.95 373

GwcNet-RSSM	2.66 264	1.05 255	15.91 266	1.22 215	1.19 250	4.12 247	1.12 233	3.84 188	2.02 173	1.93 131	1.79 152	3.12 272	1.46 156	10.37 317	2.05 254	0.33 152	0.27 189	0.35 194	0.30 184	0.40 174	0.36 143

Wz-Net-LNSev	2.30 211	1.67 333	14.88 253	1.18 202	1.65 334	3.49 123	1.54 293	3.63 151	2.03 175	1.88 115	1.64 111	3.29 283	2.06 257	2.71 165	2.02 251	0.40 223	0.33 234	0.32 132	0.31 200	0.53 257	0.49 241

psm_up	2.28 205	0.81 202	5.45 161	1.26 229	1.50 307	3.84 187	1.23 252	4.23 293	2.03 175	2.55 283	1.80 155	2.44 214	1.65 209	12.90 387	1.58 192	0.37 192	0.38 272	0.41 245	0.34 222	0.43 218	0.39 175

aanetorigin	3.30 322	1.66 331	17.52 294	1.18 202	1.58 323	2.57 53	3.80 382	2.65 73	2.03 175	6.12 384	4.30 357	2.82 251	5.70 365	5.47 216	4.67 328	0.50 291	0.44 301	0.43 255	0.47 301	1.17 359	0.92 335

DDUNet	2.91 284	2.78 363	6.94 171	3.53 388	2.26 374	3.28 95	1.36 265	3.77 176	2.04 178	2.62 296	2.49 291	4.18 337	1.69 215	5.38 213	1.85 231	2.21 380	1.77 385	2.61 389	2.43 397	2.60 378	2.34 379

psmorigin	6.59 384	1.15 273	88.11 430	1.52 299	0.97 202	2.88 61	1.20 248	3.21 110	2.04 178	3.73 354	2.46 287	5.15 370	2.55 291	10.60 323	2.47 285	0.55 308	0.68 354	0.48 279	0.51 314	0.70 310	0.88 333

StereoDRNet-Refined	1.77 130	0.81 202	2.22 73	1.21 212	0.76 151	3.26 90	0.71 80	3.82 184	2.05 180	2.29 235	2.05 224	2.98 260	1.44 149	7.15 251	2.27 273	0.30 109	0.23 126	0.42 251	0.33 215	0.45 229	0.64 293
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
Nwc_Net	2.88 283	1.16 276	18.30 302	1.35 259	1.68 339	3.52 131	1.18 244	3.90 205	2.06 181	2.52 281	2.82 321	3.82 318	2.34 278	6.78 246	2.55 293	0.86 353	0.40 285	0.59 322	0.67 339	0.57 272	0.55 270

DGSMNet	7.55 392	1.62 325	17.42 290	1.92 350	12.73 410	7.45 395	42.99 421	4.13 267	2.07 182	2.10 181	3.16 337	3.42 291	1.70 216	9.24 287	2.30 274	3.70 395	10.89 418	11.80 418	5.54 409	4.24 393	2.66 383

MMNet	2.02 169	0.81 202	10.76 211	1.12 170	1.23 260	3.53 132	0.89 170	3.79 180	2.08 183	2.15 196	1.76 142	2.15 185	2.12 261	3.69 184	2.32 276	0.31 126	0.29 205	0.34 179	0.27 122	0.38 163	0.42 200

ACVNet	1.46 92	0.64 102	3.56 131	0.93 91	0.85 171	4.22 280	0.80 125	2.85 84	2.08 183	1.78 99	1.88 190	3.10 269	1.46 156	1.33 40	1.89 235	0.29 75	0.26 181	0.30 99	0.26 99	0.39 171	0.27 54

acv_ft	1.55 97	0.64 102	3.29 122	1.14 178	2.01 364	2.93 66	0.97 206	3.81 183	2.08 183	2.22 222	1.88 190	3.10 269	1.66 211	1.33 40	2.22 270	0.29 75	0.26 181	0.30 99	0.26 99	0.39 171	0.27 54

gwcnet-sp	2.31 212	1.21 283	17.34 285	1.08 152	0.92 190	3.56 139	1.04 217	3.69 163	2.09 186	2.55 283	1.60 102	1.80 135	1.62 192	3.87 188	1.95 242	0.29 75	0.29 205	0.30 99	0.28 147	0.38 163	0.39 175

scenet	2.31 212	1.21 283	17.34 285	1.08 152	0.92 190	3.56 139	1.04 217	3.69 163	2.09 186	2.55 283	1.60 102	1.80 135	1.62 192	3.87 188	1.95 242	0.29 75	0.29 205	0.30 99	0.28 147	0.38 163	0.39 175

ssnet	2.31 212	1.21 283	17.34 285	1.08 152	0.92 190	3.56 139	1.04 217	3.69 163	2.09 186	2.55 283	1.60 102	1.80 135	1.62 192	3.87 188	1.95 242	0.29 75	0.29 205	0.30 99	0.28 147	0.38 163	0.39 175

fff	1.74 124	0.70 144	9.08 188	0.81 29	0.36 5	4.15 254	0.57 29	4.23 293	2.09 186	2.30 239	1.80 155	1.19 66	3.02 311	1.44 49	1.46 171	0.29 75	0.23 126	0.23 5	0.18 9	0.24 5	0.42 200

csc	1.74 124	0.70 144	9.08 188	0.81 29	0.36 5	4.15 254	0.57 29	4.23 293	2.09 186	2.30 239	1.80 155	1.19 66	3.02 311	1.44 49	1.46 171	0.29 75	0.23 126	0.23 5	0.18 9	0.24 5	0.42 200

cscssc	1.74 124	0.70 144	9.08 188	0.81 29	0.36 5	4.15 254	0.57 29	4.23 293	2.09 186	2.30 239	1.80 155	1.19 66	3.02 311	1.44 49	1.46 171	0.29 75	0.23 126	0.23 5	0.18 9	0.24 5	0.42 200

FADNet-RVC-Resample	2.83 276	2.02 347	21.07 377	1.12 170	0.91 189	3.53 132	1.37 269	4.08 256	2.09 186	1.68 83	1.33 54	2.03 171	1.51 170	9.54 293	1.69 211	0.38 206	0.37 266	0.42 251	0.44 292	0.56 268	0.56 272

iResNetv2_ROB	2.65 262	5.00 376	19.28 321	2.06 359	1.09 232	3.83 182	1.13 236	4.14 273	2.09 186	1.85 108	2.03 216	2.01 170	1.51 170	3.58 180	1.58 192	0.34 163	0.21 80	0.32 132	0.21 28	0.44 222	0.29 74

Wz-Net-LNSev-Ref	2.42 229	1.47 319	14.14 244	1.30 243	1.35 282	3.51 128	1.64 301	4.04 245	2.10 194	2.46 273	1.88 190	2.28 191	2.51 289	4.73 205	3.17 313	0.38 206	0.19 38	0.35 194	0.20 22	0.40 174	0.36 143

PSMNet-ADL	1.91 147	0.72 157	1.78 34	1.09 156	0.86 175	4.18 270	0.78 115	3.77 176	2.10 194	1.72 90	1.85 186	2.91 257	1.82 237	10.38 319	1.91 237	0.48 278	0.46 312	0.28 65	0.29 170	0.38 163	0.51 254

dd	1.26 67	1.15 273	2.47 92	0.92 81	0.49 72	4.35 298	0.75 102	1.92 22	2.11 196	1.44 54	1.24 37	1.19 66	1.05 71	1.78 92	1.70 212	0.57 312	0.34 246	0.35 194	0.33 215	0.60 279	0.46 228

GMStereo	1.01 22	1.00 247	2.86 109	0.83 43	0.45 46	1.47 13	0.57 29	1.89 21	2.11 196	1.52 59	1.24 37	0.87 36	0.74 20	1.58 64	0.94 82	0.40 223	0.21 80	0.30 99	0.30 184	0.47 238	0.36 143
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
APVNet	3.13 312	1.25 296	21.14 379	1.31 245	1.52 309	3.94 207	1.13 236	3.32 124	2.14 198	2.20 213	2.03 216	3.05 268	1.96 251	11.79 369	2.53 290	0.42 243	0.45 305	0.64 337	0.46 298	0.67 304	0.57 276

G-Net	4.11 349	1.21 283	19.47 324	2.31 370	2.94 382	4.74 368	2.95 357	3.33 126	2.14 198	4.44 371	9.43 385	6.93 380	3.84 338	9.01 282	4.92 335	0.79 344	0.80 362	0.70 345	0.50 312	0.95 339	0.87 332

XPNet_ROB	2.27 200	1.11 267	4.10 140	1.36 265	0.97 202	3.94 207	1.63 299	4.07 252	2.14 198	2.82 316	2.00 213	2.32 199	1.73 222	10.81 330	3.39 315	0.51 297	0.47 316	0.48 279	0.40 280	0.51 248	0.56 272

SFCPSM	2.18 188	0.63 97	17.03 283	0.88 66	0.98 206	3.74 168	1.28 257	4.09 258	2.16 201	1.85 108	1.83 174	1.65 111	1.39 137	2.50 145	1.50 179	0.33 152	0.27 189	0.39 232	0.36 244	0.34 127	0.37 157

DSFCA	1.89 143	0.69 134	3.14 118	1.10 164	1.18 244	3.99 223	1.79 311	3.50 136	2.16 201	3.10 333	1.64 111	2.91 257	2.50 288	5.38 213	2.26 272	0.43 248	0.38 272	0.37 217	0.36 244	0.50 247	0.42 200

iinet-f	2.26 198	1.18 278	13.71 232	1.14 178	1.11 234	3.77 172	1.10 230	4.14 273	2.17 203	2.06 174	1.76 142	2.99 261	2.99 308	2.50 145	2.49 286	0.35 180	0.39 280	0.27 51	0.28 147	0.45 229	0.39 175

PASM	2.67 266	2.05 349	9.71 196	1.73 331	1.37 285	2.53 51	1.52 288	3.10 101	2.17 203	2.79 313	1.84 179	2.90 255	1.85 241	11.89 374	2.19 268	0.81 348	0.85 363	0.87 360	1.01 364	1.14 355	1.05 342

UDGNet	1.40 86	1.52 322	2.22 73	1.38 275	0.62 119	4.39 302	0.68 68	1.80 19	2.18 205	1.34 45	1.18 30	0.99 45	1.00 61	2.16 125	1.19 124	1.09 362	0.34 246	1.30 374	0.98 363	1.10 352	0.58 280

EAI-Stereo	2.35 221	0.63 97	2.97 111	0.95 94	0.65 127	3.84 187	14.27 404	5.04 380	2.19 206	2.06 174	7.25 368	1.10 53	0.94 50	1.65 81	1.37 159	0.31 126	0.22 102	0.27 51	0.60 333	0.27 23	0.32 109

MLCV	1.87 138	0.91 229	8.59 183	1.10 164	0.57 106	3.59 144	0.53 23	3.70 167	2.20 207	2.80 314	2.25 258	2.00 167	1.42 145	4.13 196	1.86 232	0.30 109	0.20 55	0.32 132	0.21 28	0.33 111	0.36 143

NCC-stereo	3.16 316	1.28 298	18.31 303	1.25 223	1.75 346	4.06 233	1.40 274	3.89 200	2.22 208	2.72 307	2.55 298	3.49 301	2.65 296	9.91 302	2.99 308	1.29 372	0.65 348	0.64 337	0.86 357	0.65 296	0.71 303

Abc-Net	3.16 316	1.28 298	18.31 303	1.25 223	1.75 346	4.06 233	1.40 274	3.89 200	2.22 208	2.72 307	2.55 298	3.49 301	2.65 296	9.91 302	2.99 308	1.29 372	0.65 348	0.64 337	0.86 357	0.65 296	0.71 303
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
NCCL2	2.53 248	1.35 308	10.90 213	1.15 191	0.97 202	3.53 132	2.56 346	3.65 153	2.23 210	2.76 310	1.80 155	2.41 208	1.66 211	10.35 316	2.07 258	0.44 255	0.40 285	0.57 318	0.53 321	0.59 275	0.65 295

ETE_ROB	2.07 178	1.40 314	3.01 114	1.09 156	0.92 190	3.94 207	1.53 290	4.25 301	2.23 210	3.31 343	2.06 228	2.35 202	1.52 172	8.74 275	2.07 258	0.44 255	0.36 254	0.51 298	0.48 305	0.54 260	0.62 288

NINENet	1.87 138	0.74 172	2.60 95	1.12 170	1.06 226	4.50 323	0.76 103	4.41 343	2.24 212	2.16 201	1.86 188	3.63 311	0.97 56	8.00 265	1.17 121	0.41 233	0.30 214	0.41 245	0.30 184	0.41 195	0.36 143

SACVNet	2.46 234	1.14 272	9.47 195	1.44 285	1.18 244	4.06 233	1.49 287	3.84 188	2.24 212	2.62 296	1.89 195	2.57 225	1.28 121	11.35 347	1.64 205	0.50 291	0.39 280	0.48 279	0.41 284	0.55 262	0.75 314

otaku	4.58 359	8.93 393	19.95 337	3.11 383	2.67 377	3.91 200	2.57 347	3.82 184	2.25 214	2.22 222	9.72 387	4.08 331	2.35 279	8.57 272	2.13 264	3.51 391	1.65 383	2.15 383	1.17 372	3.69 387	3.15 391

Consistency-Raft	2.86 278	1.66 331	19.61 326	1.40 279	1.75 346	3.84 187	1.32 260	4.07 252	2.25 214	1.78 99	2.67 308	1.82 139	4.41 349	1.94 107	2.06 255	0.83 351	0.94 366	1.03 365	1.12 369	1.70 373	1.09 345

HSM	2.35 221	0.81 202	2.21 72	1.14 178	1.55 315	3.44 112	1.03 215	3.99 232	2.25 214	2.29 235	2.11 236	8.04 384	3.05 314	11.60 354	1.71 213	0.33 152	0.22 102	0.28 65	0.23 57	0.32 96	0.35 140

RGC	3.10 310	1.45 318	14.90 254	1.46 290	1.79 351	3.33 101	1.39 272	4.04 245	2.26 217	2.77 311	3.26 340	4.00 326	2.71 298	11.63 361	2.62 297	0.82 349	0.46 312	0.79 355	0.79 354	0.71 315	0.78 320

DISCO	2.25 196	0.73 165	10.06 202	1.76 333	1.12 235	3.47 119	1.25 255	3.24 115	2.26 217	2.65 302	1.96 204	4.53 352	1.92 249	4.17 198	3.61 318	0.32 141	0.25 170	0.31 117	0.29 170	0.66 301	0.41 197

CrosDoStereo	5.24 368	0.60 72	20.23 349	0.82 36	0.51 76	3.39 106	18.11 408	3.82 184	2.27 219	1.98 140	8.74 380	1.96 160	6.96 380	7.35 254	26.35 411	0.30 109	0.22 102	0.30 99	0.28 147	0.33 111	0.38 170

DeepStereo_LL	5.24 368	0.60 72	20.23 349	0.82 36	0.51 76	3.39 106	18.11 408	3.82 184	2.27 219	1.98 140	8.74 380	1.96 160	6.96 380	7.35 254	26.35 411	0.30 109	0.22 102	0.30 99	0.28 147	0.33 111	0.38 170

FADNet	2.49 241	1.76 337	13.17 225	1.17 197	0.95 198	3.27 92	0.88 168	3.94 218	2.27 219	1.40 51	1.29 51	2.51 221	2.06 257	9.93 304	1.94 240	0.43 248	0.45 305	0.40 238	0.43 290	1.06 347	0.53 261

fast-acv-ft	2.54 250	1.19 280	20.08 344	1.41 280	1.40 292	3.18 80	1.17 243	3.37 127	2.28 222	1.90 121	2.15 243	2.69 235	2.17 268	2.91 169	2.31 275	0.37 192	0.39 280	0.45 264	0.39 270	0.57 272	0.45 218

LALA_ROB	1.95 155	1.48 320	3.11 117	1.05 142	0.98 206	3.99 223	1.82 315	4.44 348	2.28 222	3.31 343	1.85 186	2.76 247	1.67 213	4.04 195	3.23 314	0.46 265	0.41 291	0.55 314	0.52 317	0.60 279	0.57 276

RYNet	2.97 294	0.93 234	15.09 259	1.12 170	1.38 289	3.66 158	1.42 279	4.03 241	2.29 224	2.10 181	1.70 124	3.79 316	2.16 266	13.64 396	3.02 310	0.37 192	0.41 291	0.48 279	0.34 222	0.81 329	0.75 314

anonymity	1.76 128	1.26 297	2.73 105	1.66 323	1.32 277	1.84 24	1.07 223	3.49 134	2.30 225	2.11 185	2.11 236	1.71 119	3.90 340	1.82 96	1.48 175	1.10 363	1.09 369	1.08 369	1.08 368	1.05 346	1.09 345

DLCB_ROB	2.05 175	0.95 238	2.37 86	1.24 221	1.02 218	2.92 65	1.30 258	3.68 158	2.30 225	2.91 319	2.17 246	3.32 286	1.52 172	10.37 317	2.50 287	0.40 223	0.33 234	0.40 238	0.36 244	0.41 195	0.47 233

NLCA_NET_v2_RVC	2.54 250	1.04 254	16.73 278	1.53 302	2.00 363	3.96 217	0.87 164	3.87 196	2.31 227	2.54 282	1.67 117	2.85 252	1.63 204	5.55 218	1.62 201	0.46 265	0.33 234	0.38 229	0.38 266	0.53 257	0.62 288
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
Wz-Net-MNSev	2.71 272	2.54 360	13.91 241	1.52 299	1.37 285	3.28 95	2.47 341	4.03 241	2.32 228	2.57 287	2.07 230	2.29 196	3.01 310	7.55 259	2.74 300	0.38 206	0.36 254	0.36 205	0.37 255	0.57 272	0.47 233

GwcNet	3.00 299	1.63 327	19.83 333	1.32 247	2.04 367	3.27 92	1.55 294	3.65 153	2.33 229	2.00 157	2.12 239	3.56 309	1.68 214	9.47 291	2.45 283	0.44 255	0.45 305	0.46 268	0.38 266	0.60 279	0.76 316

RAFT-345	2.46 234	0.55 33	19.69 329	1.02 133	0.49 72	4.43 311	0.78 115	1.64 12	2.34 230	2.09 178	3.12 334	1.96 160	1.31 126	6.65 240	1.43 165	0.36 185	0.23 126	0.32 132	0.25 86	0.28 34	0.25 26

RP	2.79 274	1.20 282	10.36 206	1.54 304	1.93 360	3.44 112	1.97 323	4.05 249	2.34 230	2.66 303	2.79 316	3.98 325	2.58 293	10.21 313	2.61 295	0.95 357	0.47 316	0.71 346	0.57 329	0.71 315	0.68 300

HITNet	2.07 178	0.82 209	14.77 250	1.34 255	0.56 97	3.47 119	0.80 125	4.07 252	2.35 232	2.16 201	1.61 106	1.64 110	1.44 149	2.09 119	2.56 294	0.26 26	0.18 24	0.41 245	0.26 99	0.45 229	0.25 26
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
PSMNet_ROB	2.95 287	1.38 311	18.46 308	1.19 204	1.20 255	3.80 178	1.65 304	3.54 142	2.35 232	1.98 140	1.71 128	2.75 241	1.79 227	11.43 350	2.78 302	0.42 243	0.36 254	0.50 295	0.60 333	0.59 275	0.49 241

MyStereo8	2.33 217	1.13 269	19.26 319	1.22 215	1.62 327	4.16 263	0.57 29	3.50 136	2.36 234	2.15 196	1.75 139	2.28 191	1.14 99	1.46 54	2.20 269	0.24 10	0.21 80	0.32 132	0.27 122	0.36 153	0.43 208

Ntro	4.21 352	8.94 394	19.89 335	3.22 384	2.96 383	4.15 254	1.89 319	3.92 214	2.36 234	1.77 97	2.14 241	3.35 288	2.17 268	9.48 292	2.24 271	3.52 392	1.76 384	2.13 382	1.31 376	3.83 390	3.09 389

GwcNet-ADL	2.47 237	0.67 127	21.48 390	0.96 98	0.72 142	4.61 343	0.95 199	4.42 344	2.36 234	1.98 140	1.80 155	2.55 224	1.24 116	1.90 103	1.41 162	0.40 223	0.46 312	0.24 16	0.27 122	0.41 195	0.49 241

cf-r	2.57 257	0.79 195	16.09 268	1.48 294	1.35 282	4.19 274	0.93 193	3.68 158	2.36 234	1.97 139	1.81 167	3.42 291	1.45 153	8.24 267	1.83 229	0.32 141	0.26 181	0.33 163	0.30 184	0.34 127	0.37 157

ADCRef	3.30 322	1.23 293	14.90 254	1.17 197	1.41 298	3.95 212	1.64 301	3.88 199	2.36 234	3.05 331	2.21 253	2.40 206	2.81 302	5.04 207	16.63 388	0.46 265	0.34 246	0.63 334	0.62 337	0.54 260	0.67 298

StereoDRNet	2.84 277	1.49 321	14.48 249	1.33 251	1.57 322	3.44 112	2.06 328	3.69 163	2.36 234	3.26 342	1.84 179	2.79 250	1.80 232	10.88 332	3.16 312	0.41 233	0.33 234	0.39 232	0.36 244	0.59 275	0.58 280

CFNet_ucs	2.36 224	0.68 133	18.42 306	0.89 69	0.81 158	3.85 193	0.68 68	4.29 314	2.37 240	2.09 178	2.04 219	3.31 285	1.24 116	2.63 159	1.14 114	0.36 185	0.45 305	0.56 316	0.29 170	0.66 301	0.49 241

MIPNet	2.33 217	0.71 154	19.82 332	0.89 69	0.56 97	4.76 370	0.61 44	4.32 328	2.37 240	1.83 107	1.48 80	1.48 97	1.98 252	2.63 159	1.44 167	0.29 75	0.20 55	0.26 36	0.23 57	0.30 57	0.39 175

HBP-ISP	3.25 321	1.10 264	20.86 372	1.54 304	1.15 239	4.50 323	2.89 356	4.43 347	2.38 242	4.14 364	1.96 204	1.90 150	2.04 255	11.08 343	1.32 151	0.66 329	0.57 332	0.66 340	0.61 336	0.64 293	0.61 286

IPLGR	2.53 248	0.58 57	20.46 363	0.82 36	0.52 83	4.56 337	0.50 17	4.30 321	2.38 242	1.87 113	1.53 87	1.68 114	1.72 220	6.95 249	1.15 115	0.28 58	0.21 80	0.27 51	0.23 57	0.33 111	0.32 109

DANet	2.63 260	1.07 258	8.10 178	1.83 343	1.70 341	3.25 89	1.16 240	4.31 324	2.38 242	3.40 348	2.18 247	4.08 331	1.80 232	9.77 296	3.89 322	0.52 303	0.55 329	0.59 322	0.44 292	0.63 287	0.86 329
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
Wz-Net-SNSev	2.98 296	4.36 373	15.98 267	1.57 312	1.19 250	3.28 95	1.80 313	3.96 225	2.40 245	2.32 248	2.28 262	3.48 294	2.05 256	7.84 264	3.82 321	0.47 273	0.39 280	0.53 306	0.49 308	0.71 315	0.60 284

Syn2CoEx	3.08 306	2.55 361	19.88 334	1.34 255	1.18 244	2.43 49	1.65 304	3.91 209	2.40 245	2.39 267	2.27 259	2.90 255	3.17 320	9.57 294	2.54 292	0.50 291	0.45 305	0.53 306	0.39 270	0.74 319	0.72 309

CoDeX	2.40 227	0.78 192	13.21 226	1.00 120	1.18 244	3.24 86	1.32 260	4.14 273	2.41 247	1.74 93	1.84 179	2.05 175	1.47 158	10.03 309	1.60 196	0.34 163	0.28 197	0.32 132	0.27 122	0.32 96	0.39 175

ccnet	2.66 264	0.97 245	8.01 177	1.54 304	1.24 262	3.75 169	2.18 335	4.07 252	2.41 247	2.66 303	3.25 339	2.87 254	2.31 277	9.89 301	3.50 316	0.78 343	0.75 360	0.71 346	0.67 339	0.76 322	0.81 323

GANet	2.93 286	1.05 255	11.29 216	1.64 321	0.96 199	3.91 200	2.52 344	3.72 169	2.41 247	2.95 326	3.00 327	3.21 276	2.03 253	12.42 382	4.72 330	0.51 297	0.41 291	0.46 268	0.39 270	0.60 279	0.50 248

Anonymous Stereo	3.09 307	3.14 365	16.69 277	1.52 299	1.25 265	3.33 101	2.95 357	4.02 239	2.42 250	2.35 256	2.04 219	2.57 225	1.27 118	11.88 373	2.92 306	0.49 288	0.49 323	0.57 318	0.56 326	0.70 310	0.65 295

MaskLacGwcNet_RVC	3.13 312	1.43 316	9.93 200	2.50 373	1.62 327	4.29 292	1.68 308	3.95 220	2.43 251	1.66 80	1.91 200	3.04 265	1.41 142	13.26 389	1.58 192	3.82 396	1.59 381	1.12 371	0.46 298	2.21 377	2.74 388

BEATNet_4x	1.92 150	1.36 309	8.75 186	1.20 207	0.56 97	3.46 117	1.03 215	4.00 234	2.43 251	2.25 230	1.70 124	2.10 182	1.59 184	2.57 156	3.05 311	0.37 192	0.22 102	0.47 271	0.29 170	0.60 279	0.40 192

AF-Net	2.87 281	1.30 300	16.24 269	1.33 251	1.75 346	3.26 90	1.59 296	4.09 258	2.43 251	2.69 305	2.94 324	4.51 351	3.20 321	5.84 225	2.75 301	0.76 342	0.36 254	0.72 350	0.49 308	0.70 310	0.56 272

STTStereo	2.34 219	0.95 238	14.93 256	1.43 283	1.54 311	3.86 195	0.86 148	3.65 153	2.44 254	2.15 196	1.55 89	2.49 220	1.59 184	5.14 209	1.44 167	0.38 206	0.39 280	0.47 271	0.51 314	0.52 251	0.51 254

222	2.68 269	0.57 45	2.03 50	1.11 168	0.81 158	3.23 84	0.65 61	4.52 362	2.45 255	2.34 255	2.29 264	1.41 91	1.44 149	10.50 320	18.47 398	0.32 141	0.30 214	0.32 132	0.27 122	0.32 96	0.34 129

NVstereo2D	2.54 250	0.90 227	11.10 214	1.32 247	1.47 304	3.58 143	1.38 271	4.13 267	2.45 255	1.90 121	1.71 128	2.86 253	1.76 223	10.86 331	1.66 208	0.60 316	0.43 298	0.53 306	0.41 284	0.78 325	0.94 337

DRN-Test	3.03 302	0.99 246	18.18 299	1.35 259	1.60 324	3.59 144	1.48 283	4.13 267	2.45 255	3.47 350	1.92 201	2.58 228	2.53 290	10.88 332	2.80 303	0.39 217	0.36 254	0.44 258	0.41 284	0.55 262	0.57 276

AdaStereo	1.45 91	0.83 212	2.34 85	1.28 235	0.81 158	3.21 81	1.14 238	4.20 281	2.46 258	2.05 171	1.77 147	2.48 218	1.18 105	1.71 87	1.44 167	0.43 248	0.25 170	0.43 255	0.28 147	0.44 222	0.34 129
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
dad	1.65 115	1.19 280	3.04 115	0.98 108	0.56 97	4.22 280	0.84 140	1.99 24	2.48 259	2.14 191	1.68 119	1.62 109	1.13 93	3.85 187	2.04 252	1.03 361	0.40 285	2.04 380	0.48 305	0.75 321	0.53 261

delet	1.92 150	0.76 184	5.14 153	1.01 124	1.65 334	3.44 112	2.03 327	3.76 174	2.48 259	2.01 159	2.05 224	2.63 233	1.90 247	5.34 212	2.12 261	0.28 58	0.29 205	0.40 238	0.31 200	0.41 195	0.45 218

FADNet-RVC	2.51 244	2.27 352	14.03 242	1.09 156	0.81 158	3.54 136	1.10 230	4.13 267	2.48 259	1.39 50	1.22 34	1.85 147	1.77 224	9.78 298	2.06 255	0.38 206	0.37 266	0.40 238	0.40 280	0.67 304	0.48 237

RTSC	2.95 287	2.51 356	15.49 265	1.54 304	1.30 271	3.51 128	0.86 148	3.89 200	2.48 259	3.64 351	3.12 334	3.04 265	2.30 274	5.70 223	6.67 341	0.55 308	0.35 250	0.37 217	0.39 270	0.70 310	0.60 284

xxxx	2.67 266	0.54 29	2.03 50	1.22 215	0.81 158	3.49 123	0.63 54	4.49 357	2.49 263	2.22 222	2.23 255	2.05 175	1.38 134	10.05 310	17.91 394	0.32 141	0.32 228	0.30 99	0.27 122	0.33 111	0.34 129

WZ-Net	3.62 332	4.87 375	16.77 280	1.43 283	1.40 292	3.75 169	2.29 338	4.12 266	2.50 264	2.74 309	2.19 249	4.06 330	5.29 361	10.19 312	7.36 351	0.54 307	0.37 266	0.47 271	0.49 308	0.77 323	0.73 310

ac_64	2.35 221	0.62 93	9.77 197	1.32 247	1.71 342	3.27 92	0.93 193	3.48 131	2.50 264	1.74 93	1.73 133	3.91 321	1.77 224	10.21 313	1.86 232	0.40 223	0.31 222	0.33 163	0.30 184	0.34 127	0.39 175

CVANet_RVC	2.55 254	1.10 264	9.13 193	1.46 290	1.15 239	3.96 217	1.53 290	3.91 209	2.50 264	3.04 329	2.04 219	2.60 229	1.72 220	12.46 384	1.50 179	0.49 288	0.30 214	0.51 298	0.41 284	0.63 287	0.50 248

HSM-Net_RVC	2.87 281	0.57 45	17.46 292	0.92 81	0.90 188	3.70 162	1.20 248	5.64 392	2.51 267	3.22 341	2.43 286	2.54 223	1.59 184	11.41 348	1.65 207	0.34 163	0.25 170	0.26 36	0.23 57	0.30 57	0.29 74
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
raft_robust	1.92 150	1.15 273	3.34 126	1.02 133	0.43 37	3.84 187	0.46 12	4.42 344	2.52 268	1.67 82	1.36 62	2.17 186	6.37 375	6.78 246	1.04 98	0.28 58	0.24 153	0.30 99	0.35 236	0.31 73	0.32 109

DIP-Stereo	1.24 57	0.69 134	1.77 32	0.65 4	0.61 116	4.29 292	0.58 37	4.44 348	2.53 269	1.98 140	1.33 54	0.91 40	0.86 37	1.25 30	1.25 138	0.36 185	0.23 126	0.32 132	0.23 57	0.32 96	0.29 74
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
CBMV	3.32 324	0.96 244	21.16 381	1.32 247	0.83 167	3.81 180	3.91 385	4.47 353	2.53 269	3.34 345	2.24 256	4.45 348	2.58 293	10.07 311	1.96 245	0.45 261	0.43 298	0.48 279	0.38 266	0.52 251	0.53 261
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MyStereo04	2.29 208	0.80 198	18.77 311	1.00 120	1.04 222	3.95 212	0.95 199	3.91 209	2.54 271	1.99 145	1.27 48	2.31 198	1.65 209	2.02 113	1.77 222	0.24 10	0.24 153	0.34 179	0.26 99	0.41 195	0.37 157

iResNet	2.52 247	0.94 237	21.17 382	1.84 344	0.72 142	3.75 169	0.81 130	4.14 273	2.55 272	2.33 254	2.03 216	1.35 81	1.44 149	3.27 175	2.16 267	0.35 180	0.23 126	0.28 65	0.22 49	0.44 222	0.45 218

whm_eth	2.04 172	1.24 294	18.44 307	0.89 69	1.37 285	2.59 54	0.73 86	3.56 145	2.56 273	1.53 61	2.06 228	0.78 24	0.71 14	1.02 7	0.98 88	0.36 185	0.29 205	0.34 179	0.32 207	0.41 195	0.54 267

RALAANet	1.28 72	1.08 260	3.21 119	1.25 223	0.94 196	1.44 12	0.69 73	3.15 104	2.57 274	2.01 159	1.80 155	1.29 76	1.05 71	2.00 109	1.48 175	0.27 33	0.20 55	0.27 51	0.24 78	0.40 174	0.27 54

SDNR	3.97 345	1.93 342	20.28 354	1.31 245	0.94 196	5.16 378	0.67 64	4.33 330	2.58 275	4.82 376	5.94 367	5.01 366	1.45 153	17.52 404	2.53 290	0.79 344	0.72 357	0.59 322	0.45 296	1.15 357	1.17 348

hitnet-ft	2.37 225	0.73 165	8.34 179	0.96 98	0.89 185	3.77 172	0.80 125	3.55 143	2.58 275	2.24 228	2.04 219	3.65 313	1.49 166	11.71 366	1.89 235	0.44 255	0.53 326	0.44 258	0.35 236	0.52 251	0.48 237

ssnet_v2	2.04 172	0.88 224	7.87 176	1.20 207	0.87 177	3.86 195	1.64 301	4.01 235	2.60 277	2.61 295	1.96 204	3.79 316	1.71 218	2.20 129	2.96 307	0.41 233	0.35 250	0.42 251	0.37 255	0.55 262	0.52 259

MyStereo05	2.37 225	0.72 157	19.94 336	1.02 133	0.99 209	4.26 285	0.86 148	4.01 235	2.62 278	2.14 191	1.26 42	2.28 191	1.63 204	2.07 114	1.68 210	0.24 10	0.23 126	0.34 179	0.26 99	0.42 210	0.36 143

1111x	3.13 312	0.57 45	8.38 181	1.20 207	0.76 151	3.80 178	0.88 168	4.61 369	2.63 279	2.31 244	2.16 244	1.95 155	1.81 235	11.54 352	18.13 396	0.32 141	0.31 222	0.32 132	0.30 184	0.35 142	0.34 129

STrans-v2	3.03 302	0.77 187	20.91 373	0.81 29	0.63 120	3.89 198	1.01 211	4.27 309	2.64 280	2.28 233	3.70 349	4.13 334	5.20 359	7.33 253	1.27 142	0.31 126	0.18 24	0.29 80	0.25 86	0.29 42	0.41 197

PS-NSSS	2.22 190	1.33 307	2.90 110	0.97 105	1.53 310	4.11 245	1.08 226	4.55 364	2.65 281	2.10 181	2.32 280	1.77 124	1.40 138	11.79 369	1.61 199	0.68 334	0.45 305	0.96 363	0.43 290	0.95 339	0.92 335

MDST_ROB	5.53 373	0.59 63	23.11 403	2.55 374	2.69 378	21.20 412	1.98 324	4.77 376	2.65 281	9.36 398	4.25 355	4.14 335	4.45 350	22.57 407	3.68 320	0.48 278	0.33 234	0.47 271	0.44 292	0.44 222	0.44 213

iResNet_ROB	1.89 143	1.02 249	8.60 184	1.39 277	0.98 206	3.72 165	0.66 63	3.84 188	2.65 281	1.88 115	2.05 224	1.98 164	1.27 118	4.52 200	1.67 209	0.30 109	0.20 55	0.28 65	0.18 9	0.31 73	0.40 192

GASNet	3.24 319	5.55 380	20.58 367	1.56 311	1.25 265	2.32 46	1.12 233	4.04 245	2.67 284	1.88 115	2.10 232	3.00 262	2.16 266	10.59 322	2.43 282	0.65 327	0.37 266	0.61 330	0.45 296	0.87 334	0.58 280

FAT-Stereo	3.34 325	0.81 202	20.05 340	1.25 223	1.20 255	3.44 112	1.99 325	4.23 293	2.67 284	3.14 336	3.82 352	3.51 303	3.32 326	11.68 364	1.94 240	0.64 324	0.67 351	0.48 279	0.52 317	0.61 284	0.81 323

SPS-STEREO	3.97 345	1.44 317	20.85 371	1.72 330	1.71 342	3.24 86	2.30 339	3.55 143	2.68 286	4.79 375	3.66 348	5.44 373	2.97 307	9.11 283	9.35 361	1.15 366	1.10 370	1.06 368	1.02 366	1.16 358	1.18 349
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
111	1.83 135	0.92 231	9.08 188	0.81 29	0.36 5	4.25 284	0.91 182	4.44 348	2.70 287	2.39 267	1.96 204	2.30 197	1.64 207	1.28 35	1.82 227	0.28 58	0.22 102	0.24 16	0.20 22	0.31 73	0.54 267

test_xeample	2.67 266	0.56 40	2.05 53	1.09 156	0.81 158	3.24 86	0.80 125	4.55 364	2.70 287	2.42 271	2.27 259	1.39 86	1.40 138	10.75 327	17.51 393	0.30 109	0.30 214	0.32 132	0.28 147	0.34 127	0.33 119

ADCPNet	3.89 340	1.63 327	20.25 353	1.28 235	1.27 269	6.43 388	2.65 349	3.93 215	2.70 287	2.78 312	2.20 251	4.28 343	6.16 373	5.56 219	10.27 365	0.65 327	1.18 372	0.71 346	1.70 383	0.84 333	1.37 357

s12784h	1.31 78	0.45 2	2.41 89	0.71 8	0.35 4	4.42 309	0.50 17	4.22 288	2.73 290	2.01 159	2.48 290	0.91 40	0.96 53	2.01 112	0.70 22	0.29 75	0.18 24	0.24 16	0.16 7	0.27 23	0.18 2

DAS	2.31 212	0.67 127	4.79 150	1.14 178	1.64 331	2.93 66	2.13 332	4.09 258	2.74 291	4.17 365	2.52 295	2.46 216	1.79 227	11.55 353	1.63 203	0.37 192	0.22 102	0.39 232	0.25 86	0.41 195	0.34 129

SepStereo	2.15 185	0.67 127	4.79 150	1.14 178	1.64 331	2.93 66	2.13 332	4.09 258	2.74 291	4.17 365	2.52 295	2.46 216	1.79 227	8.36 268	1.63 203	0.37 192	0.22 102	0.39 232	0.25 86	0.41 195	0.34 129

Sa-1000	1.63 114	0.79 195	3.56 131	1.11 168	0.48 68	4.06 233	1.41 277	4.49 357	2.75 293	2.00 157	2.80 318	1.84 145	1.43 147	2.64 161	1.50 179	0.27 33	0.19 38	0.36 205	0.33 215	0.36 153	0.30 95

DMCA	1.72 121	0.74 172	6.63 166	1.14 178	0.96 199	3.98 222	0.90 174	3.75 172	2.76 294	2.83 317	1.58 95	2.35 202	1.18 105	1.58 64	1.98 247	0.40 223	0.27 189	0.42 251	0.26 99	0.36 153	0.38 170

CFNet	2.34 219	1.10 264	8.96 187	1.34 255	1.24 262	4.09 240	0.73 86	4.04 245	2.77 295	1.62 73	1.87 189	2.27 190	1.45 153	11.41 348	1.82 227	0.31 126	0.24 153	0.43 255	0.36 244	0.43 218	0.33 119

Any-RAFT	1.40 86	0.53 24	2.78 106	1.09 156	0.64 122	4.41 307	0.81 130	3.97 226	2.78 296	1.99 145	1.34 59	2.36 204	1.56 183	1.56 63	0.75 32	0.27 33	0.20 55	0.25 26	0.18 9	0.25 11	0.28 67

XQC	2.96 290	2.42 355	14.85 251	1.36 265	1.32 277	3.29 99	1.53 290	4.28 313	2.78 296	3.21 340	2.46 287	3.53 305	2.92 306	6.58 237	4.67 328	0.70 338	0.41 291	0.59 322	0.56 326	0.96 343	0.83 328

SST-Stereo	1.76 128	0.58 57	3.10 116	1.44 285	0.46 52	4.71 364	0.76 103	2.22 35	2.79 298	2.07 177	2.18 247	2.43 212	3.22 322	6.66 241	0.84 48	0.42 243	0.19 38	0.30 99	0.27 122	0.35 142	0.26 42

HCRNet	1.60 110	0.56 40	2.47 92	0.78 26	1.36 284	4.11 245	0.71 80	3.57 146	2.79 298	1.75 95	1.61 106	1.58 104	1.41 142	5.79 224	1.56 190	0.34 163	0.28 197	0.36 205	0.29 170	0.33 111	0.37 157

TDLM	2.29 208	1.08 260	4.61 149	1.29 238	1.01 217	4.26 285	2.17 334	3.75 172	2.79 298	2.31 244	1.98 210	2.06 177	1.59 184	12.45 383	1.72 214	0.51 297	0.28 197	0.52 304	0.35 236	0.56 268	0.50 248

CBMV_ROB	3.62 332	0.70 144	21.42 389	1.21 212	0.89 185	4.43 311	1.76 310	4.39 340	2.79 298	5.88 381	3.38 343	4.18 337	5.12 358	10.75 327	2.32 276	0.56 310	0.55 329	0.53 306	0.51 314	0.55 262	0.46 228

SMFormer	2.00 165	0.57 45	4.46 143	1.36 265	0.57 106	2.03 32	0.73 86	4.25 301	2.80 302	2.32 248	2.31 275	1.95 155	1.52 172	10.99 338	2.13 264	0.34 163	0.32 228	0.36 205	0.31 200	0.38 163	0.36 143

tta	2.00 165	0.57 45	4.46 143	1.36 265	0.57 106	2.03 32	0.73 86	4.25 301	2.80 302	2.32 248	2.31 275	1.95 155	1.52 172	10.99 338	2.13 264	0.34 163	0.32 228	0.36 205	0.31 200	0.29 42	0.29 74

qqq1	1.92 150	0.57 45	4.46 143	1.36 265	0.57 106	2.03 32	0.73 86	4.25 301	2.80 302	2.32 248	2.31 275	1.95 155	1.52 172	10.99 338	0.71 25	0.34 163	0.32 228	0.30 99	0.23 57	0.29 42	0.29 74

fff1	1.92 150	0.57 45	4.46 143	1.36 265	0.57 106	2.03 32	0.73 86	4.25 301	2.80 302	2.32 248	2.31 275	1.95 155	1.52 172	10.99 338	0.71 25	0.34 163	0.32 228	0.30 99	0.23 57	0.29 42	0.29 74

SAMSARA	3.55 330	2.16 351	14.18 245	1.86 347	1.49 305	4.62 344	2.65 349	3.58 148	2.80 302	7.05 388	3.05 330	5.16 371	4.07 343	9.18 286	4.80 332	0.64 324	0.67 351	0.59 322	0.68 342	0.89 335	0.91 334

DispFullNet	4.64 360	3.48 369	23.95 408	3.99 394	3.03 384	3.35 103	1.06 221	4.18 278	2.80 302	6.33 385	2.94 324	4.04 329	7.81 387	3.92 192	5.16 336	2.75 382	1.61 382	3.10 398	2.68 402	3.32 382	3.31 396

S-Stereo	3.48 329	0.91 229	22.06 399	1.36 265	1.50 307	3.55 137	2.53 345	4.21 285	2.81 308	2.37 262	3.81 351	3.75 314	1.84 239	11.90 375	2.51 288	0.63 321	0.71 356	0.48 279	0.76 348	0.67 304	1.19 350

NOSS_ROB	2.27 200	0.73 165	3.00 113	1.71 328	1.00 216	3.90 199	0.97 206	4.29 314	2.81 308	2.94 325	2.19 249	3.88 320	1.19 109	11.77 368	1.62 201	0.59 315	0.54 327	0.56 316	0.52 317	0.56 268	0.54 267

ARAFT	2.56 255	1.13 269	19.50 325	0.89 69	0.48 68	4.15 254	1.40 274	4.36 336	2.82 310	2.36 261	1.88 190	1.70 117	1.04 69	6.45 235	1.22 134	0.29 75	0.18 24	0.37 217	0.35 236	0.35 142	0.25 26

MFN_U_SF_DS_RVC	3.94 343	10.88 404	12.30 221	1.26 229	1.55 315	5.19 379	3.33 370	4.42 344	2.82 310	2.58 289	2.62 304	5.00 365	2.11 260	14.03 400	2.73 299	1.28 371	2.34 395	0.67 342	1.83 388	0.81 329	1.03 341

RAFT-Stereo + iAFF	1.25 60	0.72 157	1.74 30	1.05 142	0.36 5	4.13 250	0.42 8	2.95 90	2.84 312	2.02 163	2.40 285	1.61 108	1.11 90	1.26 31	0.97 86	0.21 1	0.15 2	0.26 36	0.23 57	0.29 42	0.23 14

edge stereo	3.37 327	1.01 248	21.99 398	1.28 235	1.37 285	2.67 56	1.39 272	3.98 228	2.87 313	2.93 321	3.27 341	4.35 345	2.43 284	11.62 356	2.39 279	0.60 316	0.63 346	0.79 355	0.55 324	0.68 307	0.67 298

ADCS	4.22 353	5.33 377	16.32 270	1.64 321	1.31 273	3.91 200	3.64 379	4.21 285	2.89 314	5.11 377	2.81 320	4.46 349	3.06 316	5.21 210	19.50 402	0.63 321	0.64 347	0.69 343	0.69 344	1.12 353	1.26 351

CC-Net-ROB	3.35 326	1.76 337	13.89 240	2.33 371	1.65 334	4.49 320	1.62 298	4.73 374	2.90 315	1.92 127	2.05 224	1.99 166	1.61 189	12.57 386	1.60 196	2.46 381	2.18 389	2.68 391	1.04 367	2.11 376	1.38 359

GANetREF_RVC	3.20 318	1.93 342	18.84 312	1.51 298	0.80 156	4.12 247	1.82 315	4.16 277	2.91 316	1.87 113	1.74 135	2.48 218	1.84 239	13.18 388	1.74 219	0.80 346	0.57 332	0.79 355	0.74 346	1.20 362	0.86 329
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
AFF-stereo	1.31 78	0.77 187	1.46 13	1.10 164	0.45 46	3.93 205	0.48 15	2.92 89	2.92 317	1.90 121	2.21 253	2.11 184	1.52 172	1.93 105	1.12 112	0.21 1	0.16 4	0.25 26	0.25 86	0.29 42	0.20 6

AASNet	2.44 231	0.92 231	19.79 331	1.35 259	1.49 305	3.81 180	1.07 223	3.85 191	2.93 318	1.95 135	2.29 264	1.96 160	1.29 123	1.73 89	1.93 238	0.39 217	0.33 234	0.45 264	0.30 184	0.55 262	0.45 218

ttt	2.76 273	0.56 40	2.28 80	1.41 280	1.21 259	3.67 159	0.77 113	4.59 367	2.94 319	2.35 256	2.30 268	2.45 215	1.54 180	11.25 345	15.56 380	0.43 248	0.36 254	0.37 217	0.33 215	0.40 174	0.40 192

ADStereo(finetuned)	2.04 172	0.73 165	13.28 227	0.82 36	0.40 28	4.16 263	0.59 38	4.25 301	2.97 320	2.35 256	1.84 179	1.18 63	3.40 328	1.52 59	1.54 188	0.29 75	0.24 153	0.23 5	0.18 9	0.30 57	0.51 254

DCANet	1.74 124	0.73 165	9.08 188	0.82 36	0.40 28	4.18 270	0.59 38	4.25 301	2.97 320	2.35 256	1.84 179	1.18 63	1.63 204	1.51 58	1.55 189	0.29 75	0.24 153	0.23 5	0.18 9	0.30 57	0.53 261

MFMNet_re	2.91 284	1.91 341	18.25 300	3.06 382	1.89 358	3.13 79	1.67 306	3.52 140	2.97 320	3.14 336	2.87 323	2.26 189	2.41 282	2.42 139	2.00 248	1.10 363	1.05 368	0.94 362	0.90 359	1.28 364	1.46 363

DCANet-4	1.96 157	0.51 10	14.31 248	0.82 36	0.40 28	4.16 263	0.57 29	4.29 314	2.98 323	2.30 239	1.80 155	1.03 48	1.54 180	1.44 49	1.44 167	0.29 75	0.23 126	0.23 5	0.18 9	0.24 5	0.42 200

ADLNet	2.29 208	0.83 212	3.62 136	1.35 259	1.60 324	3.67 159	1.24 254	3.95 220	2.98 323	2.58 289	2.29 264	4.01 327	1.79 227	11.23 344	2.09 260	0.37 192	0.38 272	0.36 205	0.34 222	0.45 229	0.71 303

ADCP+	3.74 338	1.96 344	16.90 281	1.09 156	1.55 315	4.35 298	3.65 380	3.93 215	2.98 323	2.22 222	1.66 116	3.95 322	4.83 355	3.41 177	18.87 401	0.38 206	0.41 291	0.63 334	0.53 321	0.64 293	0.81 323

SuperB	4.79 362	4.41 374	21.08 378	1.45 288	1.08 230	3.91 200	3.08 365	4.18 278	3.01 326	2.50 278	2.10 232	2.75 241	3.49 333	8.80 276	19.60 403	0.44 255	0.33 234	0.53 306	0.39 270	12.01 414	0.64 293

TransformOpticalFlow	3.03 302	0.77 187	20.99 376	1.00 120	0.55 94	4.18 270	0.64 55	4.33 330	3.02 327	2.18 207	3.09 333	4.35 345	5.07 357	7.36 256	1.27 142	0.32 141	0.18 24	0.32 132	0.26 99	0.28 34	0.46 228

RainbowNet	4.56 357	8.28 387	20.07 343	3.64 392	3.23 391	4.15 254	2.99 361	4.18 278	3.03 328	2.20 213	2.65 307	4.26 342	2.90 305	9.77 296	2.12 261	3.88 397	2.27 392	2.71 393	1.72 385	3.78 389	3.31 396

mmx	2.98 296	0.60 72	5.21 156	1.14 178	0.99 209	3.62 150	0.86 148	4.49 357	3.05 329	2.20 213	2.30 268	3.48 294	1.62 192	11.62 356	16.09 382	0.33 152	0.28 197	0.48 279	0.37 255	0.44 222	0.37 157

xxx	2.98 296	0.60 72	5.21 156	1.14 178	0.99 209	3.62 150	0.86 148	4.49 357	3.05 329	2.20 213	2.30 268	3.48 294	1.62 192	11.62 356	16.09 382	0.33 152	0.28 197	0.48 279	0.37 255	0.44 222	0.37 157

FBW_ROB	3.24 319	1.02 249	9.21 194	1.49 296	1.07 228	3.78 174	1.48 283	4.31 324	3.08 331	2.46 273	2.32 280	4.20 340	2.08 259	15.19 402	7.16 350	0.84 352	0.62 344	1.33 375	0.92 360	0.99 344	1.31 354

SGM-Forest	2.96 290	0.62 93	3.49 128	1.09 156	0.80 156	4.06 233	3.30 368	4.37 338	3.09 332	4.18 368	3.27 341	4.67 360	3.86 339	11.69 365	7.91 354	0.51 297	0.46 312	0.49 292	0.39 270	0.48 241	0.49 241
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
SA	1.62 112	0.75 181	3.78 139	1.07 148	0.43 37	4.26 285	1.36 265	4.45 351	3.12 333	1.63 74	1.97 209	1.68 114	2.26 273	2.55 153	1.27 142	0.27 33	0.22 102	0.37 217	0.37 255	0.35 142	0.30 95

Wz-Net-TNSev	3.67 334	8.83 390	13.47 230	1.48 294	1.18 244	3.60 146	2.49 343	4.27 309	3.13 334	2.18 207	1.89 195	4.21 341	2.80 301	12.10 377	7.58 353	0.57 312	0.55 329	0.47 271	0.54 323	0.91 338	1.05 342

AANet_RVC	3.03 302	1.72 334	12.78 223	1.17 197	1.12 235	3.79 177	1.10 230	3.86 194	3.13 334	2.62 296	4.26 356	3.96 324	1.41 142	11.43 350	5.23 337	0.94 356	0.47 316	0.34 179	0.23 57	0.40 174	0.55 270

pcwnet_v2	2.70 271	0.65 109	22.48 400	1.08 152	1.03 219	3.56 139	0.81 130	4.29 314	3.14 336	2.29 235	2.29 264	3.01 263	1.71 218	3.32 176	1.43 165	0.43 248	0.50 325	0.41 245	0.34 222	0.61 284	0.56 272

RASNet	2.56 255	0.70 144	10.06 202	1.60 316	2.25 373	3.67 159	1.00 210	3.38 128	3.14 336	1.81 104	2.11 236	4.60 355	2.30 274	10.25 315	2.61 295	0.37 192	0.24 153	0.25 26	0.24 78	0.28 34	0.26 42

stereogan	3.09 307	0.93 234	16.43 272	1.37 273	1.66 337	3.70 162	1.67 306	3.87 196	3.15 338	3.04 329	2.70 311	5.04 367	2.79 300	9.96 305	1.78 224	0.63 321	0.49 323	0.69 343	0.47 301	0.83 332	0.68 300

ACVNet_1	6.04 381	13.97 412	21.36 387	3.58 390	3.14 388	4.73 365	2.48 342	4.20 281	3.17 339	2.98 327	2.83 322	23.31 406	4.34 348	11.06 342	2.45 283	3.68 393	2.33 394	2.60 388	1.79 387	3.69 387	3.19 393

SHD	2.82 275	2.04 348	13.80 238	1.69 326	1.79 351	2.73 57	1.07 223	3.85 191	3.18 340	4.63 373	2.74 312	3.38 290	2.77 299	5.48 217	3.66 319	0.62 320	0.47 316	0.51 298	0.55 324	0.65 296	0.74 311

RTS	3.90 341	7.04 384	17.94 297	1.92 350	2.19 370	5.00 376	2.96 359	4.29 314	3.19 341	4.05 361	3.08 331	4.94 363	3.16 318	7.64 260	6.72 342	0.66 329	0.44 301	0.51 298	0.47 301	0.95 339	0.76 316

RTSA	3.90 341	7.04 384	17.94 297	1.92 350	2.19 370	5.00 376	2.96 359	4.29 314	3.19 341	4.05 361	3.08 331	4.94 363	3.16 318	7.64 260	6.72 342	0.66 329	0.44 301	0.51 298	0.47 301	0.95 339	0.76 316

PDISCO_ROB	2.86 278	1.53 323	14.27 247	1.98 355	2.19 370	4.52 328	1.35 263	4.65 370	3.19 341	2.09 178	2.16 244	3.53 305	2.45 286	5.32 211	2.12 261	1.30 374	0.78 361	0.72 350	0.59 332	1.24 363	1.28 352

TestStereo1	1.56 101	0.81 202	2.32 82	1.61 319	0.64 122	4.13 250	1.36 265	3.79 180	3.20 344	1.60 66	2.57 302	1.39 86	2.15 264	2.51 148	1.30 148	0.29 75	0.20 55	0.34 179	0.25 86	0.40 174	0.36 143

SA-5K	1.56 101	0.81 202	2.32 82	1.61 319	0.64 122	4.13 250	1.36 265	3.79 180	3.20 344	1.60 66	2.57 302	1.39 86	2.15 264	2.51 148	1.30 148	0.29 75	0.20 55	0.34 179	0.25 86	0.40 174	0.36 143

AnyNet_C32	4.17 351	5.75 381	12.62 222	1.60 316	1.54 311	5.51 382	4.09 386	3.90 205	3.23 346	4.22 369	3.03 329	3.10 269	3.41 329	8.01 266	18.85 400	0.53 305	0.58 336	0.53 306	0.74 346	1.19 361	0.97 338

PWC_ROB	2.69 270	2.01 346	8.36 180	1.33 251	1.90 359	3.23 84	1.18 244	4.33 330	3.25 347	3.11 334	3.41 344	2.71 237	2.18 270	9.15 285	4.48 326	0.56 310	0.31 222	0.61 330	0.36 244	0.69 309	0.74 311

MFN_U_SF_RVC	3.81 339	10.78 403	15.01 257	1.84 344	1.39 290	3.73 167	1.63 299	4.05 249	3.26 348	2.91 319	2.38 284	4.36 347	3.65 335	8.43 270	4.91 334	1.11 365	1.04 367	0.99 364	1.31 376	1.58 370	1.75 370

NaN_ROB	4.06 348	1.13 269	16.64 275	1.12 170	1.25 265	3.50 126	3.05 363	4.29 314	3.26 348	3.64 351	2.56 300	2.97 259	4.79 354	13.33 390	16.91 389	0.37 192	0.41 291	0.38 229	0.39 270	0.48 241	0.81 323

pmcnn	5.45 372	1.22 289	17.40 289	1.60 316	2.41 376	3.48 121	2.12 331	4.52 362	3.26 348	3.67 353	13.15 399	22.10 404	3.46 332	11.92 376	17.16 391	0.34 163	0.21 80	0.23 5	0.19 18	0.36 153	0.28 67

PA-Net	3.09 307	1.24 294	18.84 312	1.38 275	1.19 250	3.42 110	1.75 309	3.89 200	3.27 351	1.88 115	2.10 232	3.03 264	1.88 246	11.60 354	2.88 305	0.40 223	0.54 327	0.44 258	0.62 337	0.52 251	1.02 340
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
RAFT + AFF	2.51 244	2.66 362	4.48 147	1.15 191	1.95 361	4.15 254	2.01 326	4.46 352	3.30 352	2.19 211	2.51 294	2.22 188	4.87 356	8.91 279	2.06 255	0.30 109	0.60 341	0.48 279	0.38 266	0.77 323	0.69 302

DPSNet	3.43 328	1.37 310	12.19 219	1.39 277	1.24 262	4.15 254	2.06 328	4.51 361	3.34 353	2.69 305	1.96 204	3.52 304	5.56 364	10.68 325	9.68 362	0.93 355	0.73 358	0.40 238	0.37 255	1.06 347	0.86 329

DualNet	2.49 241	0.60 72	5.21 156	1.14 178	0.99 209	3.62 150	0.86 148	4.22 288	3.37 354	2.20 213	2.30 268	3.48 294	1.62 192	2.21 130	16.09 382	0.29 75	0.16 4	0.48 279	0.37 255	0.30 57	0.29 74

ffm	1.72 121	0.60 72	5.21 156	1.14 178	0.99 209	3.62 150	0.86 148	4.22 288	3.37 354	2.20 213	2.30 268	3.48 294	1.62 192	2.21 130	0.65 8	0.29 75	0.16 4	0.48 279	0.37 255	0.30 57	0.29 74

ff1	2.96 290	0.60 72	5.21 156	1.14 178	0.99 209	3.62 150	0.86 148	4.22 288	3.37 354	2.20 213	2.30 268	3.48 294	1.62 192	11.62 356	16.09 382	0.29 75	0.16 4	0.48 279	0.37 255	0.30 57	0.29 74

tt1	1.79 132	0.73 165	10.41 208	1.75 332	0.36 5	4.55 332	0.79 120	4.22 288	3.37 354	1.08 36	1.80 155	0.74 21	1.48 160	2.21 130	0.65 8	0.29 75	0.16 4	0.31 117	0.22 49	0.30 57	0.29 74

ADCL	4.35 354	1.63 327	14.21 246	1.29 238	1.26 268	5.56 383	11.16 399	3.97 226	3.37 354	6.07 382	4.67 359	4.30 344	5.72 366	5.08 208	14.51 377	0.50 291	0.48 321	0.89 361	0.77 350	0.78 325	0.76 316

JetBlue	6.27 383	9.15 396	13.76 233	1.94 353	4.60 405	11.91 401	12.00 402	5.12 381	3.45 359	3.79 355	4.52 358	9.54 388	6.56 378	9.40 290	13.48 375	1.26 370	1.37 378	1.17 373	1.34 378	7.06 408	3.95 403

ADCMid	3.96 344	3.27 368	15.48 264	1.26 229	1.40 292	4.66 350	2.28 337	4.06 251	3.54 360	3.94 358	3.02 328	3.85 319	3.67 336	4.03 194	18.65 399	0.68 334	0.61 343	1.09 370	1.18 373	1.38 367	1.08 344

ADLNet2	3.15 315	0.92 231	20.06 341	1.20 207	1.79 351	3.83 182	1.48 283	3.94 218	3.59 361	2.19 211	2.47 289	4.65 359	1.93 250	10.69 326	1.96 245	0.39 217	0.37 266	0.28 65	0.30 184	0.48 241	0.43 208

NVStereoNet_ROB	4.91 365	1.40 314	16.46 273	1.47 293	1.72 344	3.46 117	1.96 322	3.89 200	3.61 362	2.90 318	24.61 411	4.81 361	4.49 351	13.57 394	4.87 333	1.33 375	1.29 377	1.70 378	1.68 381	1.41 369	1.66 365
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ACVNet-4b	6.73 386	13.67 411	21.87 397	3.54 389	3.07 385	4.19 274	2.25 336	4.03 241	3.65 363	1.64 76	3.98 354	5.88 374	2.89 304	10.01 308	16.98 390	23.29 423	2.24 391	2.53 386	1.78 386	3.87 391	3.21 394

SGM_RVC	4.57 358	0.72 157	17.46 292	1.84 344	0.58 112	4.23 283	3.45 372	4.66 371	3.66 364	7.99 393	8.82 383	7.56 382	8.74 393	12.30 379	6.84 346	0.43 248	0.38 272	0.39 232	0.35 236	0.51 248	0.48 237
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MSC_U_SF_DS_RVC	4.48 356	10.62 402	15.18 262	1.55 309	1.45 303	6.16 385	3.54 377	5.41 390	3.68 365	2.59 292	2.74 312	4.81 361	2.20 271	13.79 397	4.40 325	2.04 378	3.36 408	1.05 367	1.20 374	2.09 375	1.72 368

ACVNet_2	5.41 371	12.60 407	20.42 361	3.27 385	3.15 389	4.50 323	3.02 362	4.66 371	3.73 366	3.35 347	5.36 364	7.86 383	2.88 303	12.33 381	4.76 331	3.12 387	2.22 390	2.70 392	1.69 382	3.49 383	3.10 390

CSAN	4.71 361	1.39 313	20.23 349	1.19 204	0.87 177	3.65 157	3.50 374	4.57 366	3.87 367	3.89 357	7.82 372	3.54 308	6.16 373	23.47 412	6.82 345	0.52 303	0.45 305	0.49 292	0.52 317	0.63 287	0.66 297

PVD	3.12 311	1.97 345	12.80 224	1.79 340	1.63 329	3.83 182	1.34 262	3.48 131	3.88 368	5.77 379	3.56 347	3.45 293	3.29 324	5.58 221	5.30 338	0.71 340	0.69 355	0.74 353	0.77 350	0.79 327	1.13 347

IMH-64-1	4.84 363	2.53 358	6.83 168	4.30 399	3.74 394	4.81 372	6.05 389	5.30 385	3.92 369	3.95 359	8.33 376	5.08 368	6.06 370	8.96 280	6.30 339	4.57 405	2.96 402	3.04 395	2.12 394	4.28 394	3.62 399

IMH-64	4.84 363	2.53 358	6.83 168	4.30 399	3.74 394	4.81 372	6.05 389	5.30 385	3.92 369	3.95 359	8.33 376	5.08 368	6.06 370	8.96 280	6.30 339	4.57 405	2.96 402	3.04 395	2.12 394	4.28 394	3.62 399

xx1	2.03 170	0.74 172	13.77 234	1.78 335	0.36 5	4.48 315	0.74 95	4.23 293	3.95 371	1.01 30	1.81 167	1.79 132	1.34 130	2.13 121	0.64 4	0.29 75	0.17 9	0.33 163	0.33 215	0.33 111	0.32 109

cc1	1.98 161	0.74 172	13.77 234	1.78 335	0.36 5	4.48 315	0.74 95	4.23 293	3.95 371	1.01 30	1.81 167	0.72 16	1.62 192	2.13 121	0.64 4	0.29 75	0.17 9	0.32 132	0.21 28	0.31 73	0.29 74

PWCDC_ROB	2.95 287	3.26 367	14.06 243	1.59 314	1.56 318	4.19 274	0.86 148	4.30 321	4.08 373	2.06 174	7.37 369	2.75 241	2.42 283	3.59 181	2.67 298	1.34 376	0.36 254	0.39 232	0.34 222	1.13 354	0.62 288

MADNet+	3.97 345	9.54 399	13.83 239	1.87 348	1.69 340	4.19 274	2.87 355	4.80 377	4.10 374	2.51 280	2.67 308	4.55 353	3.41 329	8.72 274	6.92 348	1.25 369	1.27 376	1.04 366	0.93 361	1.39 368	1.85 371

LRCNet_RVC	25.52 414	33.45 418	23.21 406	31.79 419	32.78 416	6.74 390	1.18 244	25.88 415	4.46 375	28.94 412	30.89 414	24.91 411	17.57 404	27.66 414	24.34 410	35.26 425	25.60 426	35.91 426	33.81 425	31.90 425	34.10 426

MeshStereo	5.35 370	1.32 304	21.34 386	1.34 255	1.15 239	4.40 306	3.90 384	5.18 382	4.55 376	10.14 403	11.82 395	11.47 390	5.84 367	13.84 398	7.03 349	0.61 318	0.58 336	0.60 327	0.58 330	0.72 318	0.59 283
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
WCMA_ROB	5.12 366	0.90 227	21.33 385	1.50 297	1.33 280	4.09 240	3.49 373	4.03 241	4.59 377	6.57 386	10.95 391	12.92 394	8.41 392	9.86 300	8.78 359	0.75 341	0.58 336	0.51 298	0.50 312	0.68 307	0.57 276

FINET	2.96 290	1.07 258	23.18 405	1.29 238	1.86 356	2.03 32	1.52 288	4.30 321	4.71 378	2.23 226	2.34 282	1.65 111	1.48 160	5.89 226	2.81 304	0.51 297	0.47 316	0.49 292	0.40 280	0.59 275	0.49 241

FCDSN-DC	6.04 381	0.84 216	19.25 318	1.24 221	1.09 232	4.38 300	2.62 348	4.38 339	4.71 378	9.59 401	11.22 392	19.19 401	17.40 403	12.30 379	8.55 358	0.69 337	0.57 332	0.60 327	0.60 333	0.70 310	0.78 320
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
PWCK	5.85 378	9.95 400	15.22 263	2.90 379	1.56 318	5.66 384	7.69 395	5.27 384	4.74 380	3.88 356	7.51 370	8.04 384	5.28 360	15.18 401	8.40 357	3.08 386	1.51 380	2.24 384	1.37 380	5.55 401	1.96 374

notaker	10.50 399	8.60 388	20.23 349	4.54 404	3.95 398	6.27 386	3.44 371	8.07 397	4.75 381	8.73 395	46.45 421	13.86 398	27.86 413	13.49 393	13.61 376	4.56 404	3.18 406	3.52 403	2.68 402	8.13 412	4.05 404

LSM	12.71 405	3.52 370	20.79 370	55.63 428	84.76 426	3.63 156	6.30 391	3.73 170	4.93 382	5.55 378	13.92 401	3.53 305	3.25 323	9.72 295	4.12 323	0.64 324	0.85 363	0.71 346	0.81 355	1.03 345	26.84 418

AnyNet_C01	4.37 355	7.80 386	16.40 271	1.98 355	1.40 292	6.37 387	6.47 392	4.09 258	5.03 383	4.06 363	3.78 350	4.16 336	3.31 325	6.62 239	10.00 363	0.61 318	0.67 351	0.63 334	0.67 339	2.01 374	1.31 354

Dean	7.52 391	9.08 395	21.41 388	3.74 393	3.53 392	4.81 372	3.53 375	5.33 388	5.25 384	4.17 365	26.53 412	25.62 412	4.09 344	10.97 336	4.32 324	3.69 394	2.30 393	2.91 394	1.87 390	4.03 392	3.24 395

EDNetEfficientorigin	12.35 404	2.51 356	179.47 434	1.19 204	0.96 199	2.91 64	1.81 314	3.00 94	5.35 385	8.91 396	4.79 360	4.18 337	4.64 353	9.98 306	11.30 368	0.37 192	0.38 272	0.60 327	0.85 356	1.32 366	2.43 381

JetRed	10.48 398	27.10 417	35.70 415	4.27 397	4.09 401	15.55 411	12.83 403	12.16 401	5.50 386	5.83 380	5.56 366	10.14 389	7.43 384	8.88 277	26.39 413	3.32 388	3.81 409	3.51 402	2.96 407	7.85 409	6.69 412

ELAS	5.99 380	1.62 325	20.29 355	1.96 354	2.01 364	15.09 408	8.38 398	5.23 383	5.54 387	9.02 397	8.61 379	6.74 378	9.75 395	7.48 257	11.40 370	0.96 358	1.18 372	0.72 350	0.93 361	1.30 365	1.67 366
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MADNet++	7.57 393	5.80 382	13.28 227	6.38 409	5.26 407	7.18 391	7.77 396	5.32 387	5.62 388	6.11 383	7.78 371	6.02 376	8.01 389	11.74 367	16.36 387	9.36 412	4.95 411	8.57 413	5.66 410	4.83 399	5.34 409

EDNetEfficient	5.61 374	2.14 350	16.75 279	1.67 324	3.64 393	4.12 247	7.51 394	3.05 98	5.63 389	11.57 407	4.83 361	3.95 322	12.72 397	8.44 271	20.78 405	0.41 233	0.43 298	0.47 271	1.01 364	1.66 372	1.39 360

WAO-7	5.16 367	3.21 366	18.98 314	1.88 349	1.44 300	5.34 380	3.09 366	4.91 379	5.81 390	4.35 370	8.92 384	6.55 377	6.06 370	13.40 392	10.81 366	1.34 376	1.20 375	1.48 377	1.35 379	1.60 371	1.45 361

IMH	6.81 388	13.66 410	20.41 360	4.33 401	3.74 394	5.50 381	3.06 364	5.49 391	6.22 391	4.64 374	10.35 389	9.30 387	8.03 390	13.61 395	6.81 344	4.80 408	2.99 405	3.09 397	2.12 394	4.36 396	3.61 398

MSMD_ROB	5.61 374	1.08 260	16.68 276	1.21 212	0.83 167	10.14 399	2.07 330	3.93 215	6.22 391	10.37 404	8.03 374	22.22 405	9.45 394	11.66 362	4.52 327	0.66 329	0.58 336	0.66 340	0.68 342	0.65 296	0.63 291

ELAS_RVC	5.72 377	1.64 330	20.40 359	2.09 360	2.01 364	4.95 375	11.47 401	4.66 371	6.31 393	8.09 394	8.01 373	8.06 386	11.65 396	8.36 268	10.22 364	0.99 360	1.17 371	0.81 358	0.76 348	1.14 355	1.58 364
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
tt	7.19 390	0.51 10	6.83 168	4.03 395	2.30 375	12.05 403	20.19 412	15.46 411	6.58 394	3.42 349	3.22 338	5.37 372	6.39 377	4.20 199	7.46 352	9.81 413	11.53 419	7.05 411	7.46 412	6.31 403	3.71 401

FC-DCNN	6.64 385	0.77 187	19.26 319	1.68 325	1.64 331	8.27 397	2.35 340	6.35 393	9.23 395	10.85 405	11.27 393	19.89 402	13.33 398	12.51 385	11.79 371	0.66 329	0.57 332	0.58 320	0.56 326	0.63 287	0.61 286

SANet	5.65 376	1.72 334	20.94 374	1.26 229	0.88 180	7.20 392	3.81 383	4.60 368	11.23 396	4.56 372	8.78 382	7.49 381	6.95 379	11.85 372	18.11 395	0.49 288	0.44 301	0.50 295	0.42 289	0.90 337	0.82 327

SGM-ForestM	11.55 401	1.16 276	21.62 394	2.14 361	0.81 158	22.25 414	19.08 410	16.50 413	11.34 397	15.94 411	14.44 403	27.12 413	22.61 412	24.76 413	28.39 417	0.50 291	0.48 321	0.47 271	0.44 292	0.55 262	0.53 261

LVE	6.88 389	9.31 397	21.14 379	3.61 391	3.18 390	4.49 320	2.79 351	10.21 399	11.69 398	3.16 339	11.53 394	18.33 400	4.31 347	11.66 362	3.52 317	4.45 403	2.93 400	2.56 387	1.91 391	3.62 384	3.16 392

SGM+DAISY	8.36 394	3.82 371	24.83 409	2.02 357	1.75 346	14.80 407	17.22 407	4.27 309	11.79 399	13.88 408	14.38 402	11.74 393	13.83 399	10.56 321	15.12 378	1.21 367	1.19 374	1.14 372	1.13 371	1.17 359	1.37 357

WAO-6	5.87 379	2.27 352	15.05 258	2.96 380	2.77 380	12.01 402	3.58 378	5.37 389	11.91 400	3.34 345	9.69 386	6.78 379	5.84 367	11.82 371	8.89 360	2.87 383	2.35 396	2.50 385	1.84 389	2.85 380	2.67 384

coex-ft	18.59 410	6.62 383	113.53 432	1.17 197	1.31 273	2.33 47	1.93 321	2.81 83	14.00 401	124.82 433	8.45 378	5.90 375	51.74 427	9.99 307	22.69 406	0.57 312	0.62 344	0.50 295	0.49 308	1.08 351	1.28 352

DeepPrunerF	3.70 335	1.72 334	14.87 252	1.33 251	1.74 345	3.70 162	1.55 294	4.20 281	14.00 401	2.02 163	1.77 147	2.74 239	2.30 274	10.88 332	6.88 347	0.68 334	0.60 341	0.78 354	0.78 353	0.81 329	0.71 303

HanzoNet	31.60 418	17.23 413	21.22 384	7.32 410	5.84 408	7.25 393	3.53 375	13.82 408	14.20 403	50.38 423	47.01 422	44.45 416	56.61 428	36.61 420	32.00 418	63.89 429	56.57 430	7.97 412	89.20 430	28.69 417	28.25 420

Anonymous_1	57.11 429	19.68 414	26.15 410	23.10 416	142.31 431	30.84 415	39.75 418	33.86 420	16.98 404	70.53 429	15.42 404	23.46 407	19.75 409	23.04 408	27.23 414	164.73 434	9.02 415	130.38 431	137.40 431	161.27 434	27.24 419

UNDER WATER-64	9.33 395	5.37 378	22.60 401	5.22 408	4.86 406	10.75 400	4.61 388	11.45 400	17.30 405	7.59 389	9.80 388	15.99 399	17.90 405	10.63 324	15.72 381	4.36 400	2.87 399	4.39 408	2.86 405	7.01 407	5.36 410

DPSM_ROB	20.78 411	20.03 415	26.57 411	23.62 417	22.46 413	31.10 416	39.97 419	33.52 418	17.41 406	15.25 409	15.80 405	24.06 409	20.71 410	23.30 410	27.62 415	10.78 414	9.41 416	11.69 416	11.50 414	14.49 415	16.36 416

DPSM	20.78 411	20.03 415	26.57 411	23.62 417	22.46 413	31.10 416	39.97 419	33.52 418	17.41 406	15.25 409	15.80 405	24.06 409	20.71 410	23.30 410	27.62 415	10.78 414	9.41 416	11.69 416	11.50 414	14.49 415	16.36 416

DGTPSM_ROB	15.31 406	8.85 391	28.14 413	9.90 414	18.89 411	12.44 404	33.21 415	13.48 406	17.86 408	9.50 399	22.89 408	13.78 396	19.67 407	21.26 405	23.68 407	5.08 409	8.84 412	5.62 409	11.50 414	6.72 405	14.87 414

DPSMNet_ROB	15.52 407	8.89 392	31.44 414	10.07 415	18.91 412	12.44 404	33.22 416	13.51 407	17.94 409	9.58 400	22.91 409	13.79 397	19.67 407	21.43 406	23.73 408	5.17 410	8.84 412	5.63 410	11.52 417	6.79 406	14.90 415

WAO-8	11.95 402	13.02 408	20.56 365	3.50 386	3.08 386	15.11 409	2.80 352	12.91 404	19.11 410	7.69 390	13.12 397	11.62 391	7.01 382	84.40 432	7.91 354	3.42 389	1.92 387	3.54 404	1.93 392	3.68 385	2.69 385

Venus	11.95 402	13.02 408	20.56 365	3.50 386	3.08 386	15.11 409	2.80 352	12.91 404	19.11 410	7.69 390	13.12 397	11.62 391	7.01 382	84.40 432	7.91 354	3.42 389	1.92 387	3.54 404	1.93 392	3.68 385	2.69 385

UNDER WATER	10.47 397	3.95 372	22.62 402	5.07 407	4.51 404	7.78 396	3.77 381	12.56 403	21.72 412	7.84 392	10.78 390	23.96 408	31.66 414	10.78 329	16.19 386	4.44 402	2.93 400	4.24 407	2.86 405	6.33 404	5.47 411

TorneroNet-64	10.12 396	8.74 389	20.95 375	4.27 397	3.76 397	13.86 406	2.85 354	15.05 409	23.15 413	10.07 402	23.84 410	13.47 395	8.24 391	13.96 399	17.21 392	3.96 398	2.72 397	3.23 399	2.48 398	6.29 402	4.27 406

MANE	11.39 400	1.38 311	23.16 404	4.82 406	2.79 381	22.02 413	14.51 405	25.81 414	26.28 414	10.93 406	13.17 400	19.90 403	18.03 406	15.69 403	20.41 404	0.96 358	0.74 359	1.42 376	3.24 408	0.74 319	1.71 367

CasAABBNet	41.80 423	40.20 424	53.41 425	47.73 423	45.18 424	62.51 429	80.71 428	67.26 428	34.80 415	30.49 413	31.88 419	48.24 420	41.81 423	46.63 425	55.64 425	21.60 420	18.88 421	23.48 423	23.22 424	29.19 423	33.05 421

MyStereo03	41.77 419	40.13 420	53.46 426	47.73 423	45.04 421	62.50 426	80.72 429	66.91 424	34.93 416	30.53 414	31.77 415	48.26 421	41.67 420	46.68 426	55.85 426	21.53 417	18.88 421	23.46 420	23.21 421	29.14 419	33.09 423

MyStereo02	41.77 419	40.13 420	53.46 426	47.73 423	45.04 421	62.50 426	80.72 429	66.91 424	34.93 416	30.53 414	31.77 415	48.26 421	41.67 420	46.68 426	55.85 426	21.53 417	18.88 421	23.46 420	23.21 421	29.14 419	33.09 423

MyStereo	41.77 419	40.13 420	53.46 426	47.73 423	45.04 421	62.50 426	80.72 429	66.91 424	34.93 416	30.53 414	31.77 415	48.26 421	41.67 420	46.68 426	55.85 426	21.53 417	18.88 421	23.46 420	23.21 421	29.14 419	33.09 423

Selective-RAFT-Error	41.77 419	40.16 423	53.34 424	47.73 423	45.25 425	62.51 429	80.64 427	67.22 427	34.93 416	30.64 417	31.81 418	48.11 419	42.11 424	46.57 423	54.95 423	21.61 421	18.87 420	23.48 423	23.15 420	29.16 422	33.08 422

LSM0	49.58 427	40.04 419	53.62 429	97.15 429	128.68 430	62.75 431	79.89 426	67.63 429	35.11 420	33.02 419	32.61 420	48.43 424	41.60 419	46.60 424	55.43 424	21.63 422	18.99 425	23.62 425	23.13 419	29.47 424	52.26 430

SPstereo	30.42 417	11.55 406	18.72 310	8.51 412	9.93 409	50.05 424	82.85 432	71.73 430	35.92 421	30.73 418	29.66 413	48.61 425	42.30 426	47.77 429	58.10 429	7.32 411	8.89 414	20.37 419	10.07 413	7.98 411	7.43 413

LE_ROB	18.58 409	1.21 283	48.38 421	8.60 413	23.00 415	7.32 394	19.74 411	9.94 398	38.69 422	43.53 420	21.91 407	28.40 414	40.92 417	23.18 409	54.71 422	0.34 163	0.33 234	0.32 132	0.36 244	0.42 210	0.40 192

HaxPig	43.25 424	43.65 425	45.00 419	33.85 420	35.61 418	32.69 418	30.52 413	45.09 421	42.97 423	48.77 421	48.17 423	43.00 415	40.26 416	44.58 421	43.61 419	47.18 426	49.30 427	51.54 428	50.25 427	43.73 426	45.29 427

AVERAGE_ROB	44.46 425	45.91 426	46.59 420	40.59 422	38.66 419	32.99 419	30.52 413	46.19 422	43.26 424	49.59 422	48.97 424	44.62 417	39.89 415	45.04 422	43.94 420	48.74 427	50.69 428	50.80 427	49.79 426	45.54 427	46.97 428

PML	64.32 430	53.22 428	17.88 296	8.10 411	32.94 417	148.46 434	247.79 435	12.18 402	45.42 425	111.41 432	288.92 435	101.47 433	101.31 433	31.67 415	15.55 379	14.03 416	4.83 410	10.98 415	6.18 411	28.82 418	5.17 408

MEDIAN_ROB	47.37 426	49.08 427	49.92 422	40.32 421	39.97 420	34.95 420	33.43 417	49.17 423	46.39 426	53.06 424	52.65 425	47.65 418	42.23 425	48.35 430	47.29 421	52.10 428	54.04 429	54.28 429	53.48 428	48.76 428	50.33 429

BEATNet-Init1	49.72 428	64.32 430	97.77 431	4.68 405	4.28 402	84.75 432	60.42 422	73.38 431	68.59 427	88.29 431	88.51 432	91.94 432	97.99 432	85.26 434	70.96 433	0.80 346	0.65 348	0.85 359	0.70 345	7.96 410	2.33 378

KSHMR	16.96 408	5.37 378	21.64 396	4.46 402	4.50 403	8.30 398	3.32 369	15.58 412	76.24 428	6.62 387	61.47 426	56.53 426	5.43 363	35.17 419	11.37 369	4.39 401	2.97 404	3.63 406	2.74 404	5.10 400	4.34 407

TorneroNet	25.88 415	11.28 405	21.62 394	4.20 396	4.07 400	55.25 425	3.15 367	15.16 410	76.94 429	58.09 425	82.72 430	86.88 431	41.15 418	13.35 391	18.13 396	4.32 399	2.85 398	3.45 400	2.62 400	8.33 413	4.14 405

ktn	21.74 413	10.34 401	19.68 328	4.53 403	4.00 399	6.53 389	4.51 387	6.79 394	78.82 430	84.69 430	100.86 433	58.49 427	7.57 386	12.11 378	13.35 374	4.58 407	3.24 407	3.49 401	2.62 400	4.65 398	3.84 402

xxxxx1	112.33 432	88.53 431	37.76 416	227.84 433	157.23 432	39.05 421	61.41 423	93.76 432	79.29 431	62.45 426	74.79 427	78.32 428	70.96 429	33.47 416	70.69 430	114.00 431	130.36 432	259.31 433	274.34 433	145.54 431	147.50 432

tt_ll	112.33 432	88.53 431	37.76 416	227.84 433	157.23 432	39.05 421	61.41 423	93.76 432	79.29 431	62.45 426	74.79 427	78.32 428	70.96 429	33.47 416	70.69 430	114.00 431	130.36 432	259.31 433	274.34 433	145.54 431	147.50 432

ff	112.33 432	88.53 431	37.76 416	227.84 433	157.23 432	39.05 421	61.41 423	93.76 432	79.29 431	62.45 426	74.79 427	78.32 428	70.96 429	33.47 416	70.69 430	114.00 431	130.36 432	259.31 433	274.34 433	145.54 431	147.50 432

DPSimNet_ROB	102.30 431	119.72 435	143.59 433	109.42 430	94.10 427	127.22 433	127.15 433	26.62 416	102.36 434	149.58 434	83.99 431	139.34 434	137.54 434	64.62 431	82.36 434	105.18 430	66.15 431	120.15 430	69.61 429	99.58 430	77.72 431

test_example2	212.63 435	219.92 436	221.87 435	213.67 432	221.17 435	199.47 435	200.74 434	185.30 435	141.66 435	209.52 435	213.45 434	210.82 435	205.48 435	221.27 435	216.64 435	236.83 435	242.07 435	213.93 432	217.01 432	235.69 435	226.10 435

ASD4		113.98 434

Low-res two-view benchmark