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	0.92 191	2.02 26	0.91 1	0.76 13	0.79 6	0.80 29	1.61 188	1.28 35	0.61 1	0.22 4	0.18 24	0.26 36	0.23 57	0.27 23	0.23 14

EGLCR-Stereo	1.06 29	0.51 10	1.56 20	1.02 133	0.39 26	4.27 289	0.42 8	4.08 255	1.48 39	0.90 24	0.68 1	1.09 52	0.66 11	1.81 93	0.62 2	0.27 32	0.19 38	0.29 80	0.23 57	0.37 158	0.25 26

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	2.10 231	0.84 33	0.93 49	0.98 4	0.62 2	0.28 57	0.36 253	0.23 5	0.20 22	0.25 11	0.46 227

ACVNet-DCA	1.85 137	0.74 172	13.77 234	1.78 334	0.36 5	4.48 314	0.74 94	3.98 227	1.53 66	1.01 30	1.81 166	0.72 16	1.62 191	2.13 120	0.64 4	0.29 74	0.17 9	0.32 132	0.21 28	0.33 111	0.32 109

xx1	2.03 170	0.74 172	13.77 234	1.78 334	0.36 5	4.48 314	0.74 94	4.23 292	3.95 370	1.01 30	1.81 166	1.79 132	1.34 129	2.13 120	0.64 4	0.29 74	0.17 9	0.33 162	0.33 214	0.33 111	0.32 109

cc1	1.98 161	0.74 172	13.77 234	1.78 334	0.36 5	4.48 314	0.74 94	4.23 292	3.95 370	1.01 30	1.81 166	0.72 16	1.62 191	2.13 120	0.64 4	0.29 74	0.17 9	0.32 132	0.21 28	0.31 73	0.29 74

Selective-IGEV	0.80 4	0.52 15	1.05 2	0.75 11	0.61 116	1.31 11	0.82 132	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

ffm	1.72 121	0.60 72	5.21 156	1.14 178	0.99 209	3.62 150	0.86 147	4.22 287	3.37 353	2.20 212	2.30 267	3.48 293	1.62 191	2.21 129	0.65 8	0.29 74	0.16 4	0.48 278	0.37 254	0.30 57	0.29 74

tt1	1.79 132	0.73 165	10.41 208	1.75 331	0.36 5	4.55 331	0.79 119	4.22 287	3.37 353	1.08 36	1.80 154	0.74 21	1.48 159	2.21 129	0.65 8	0.29 74	0.16 4	0.31 117	0.22 49	0.30 57	0.29 74

anonymousdsp2	1.26 67	0.60 72	3.74 138	1.02 133	0.41 31	3.60 146	0.72 81	3.68 157	1.47 34	1.37 48	1.56 92	1.83 142	1.01 63	2.00 108	0.66 10	0.29 74	0.20 55	0.28 65	0.20 22	0.32 96	0.29 74

XX-TBD	1.03 27	0.95 238	1.94 43	1.30 242	0.43 37	3.97 220	0.33 3	1.74 14	1.73 133	1.59 65	2.02 214	0.69 9	0.60 3	1.16 16	0.66 10	0.30 108	0.25 169	0.23 5	0.15 4	0.31 73	0.22 9

MyStereo07	1.01 22	0.80 198	1.26 4	1.00 120	1.04 222	3.95 212	0.95 198	2.07 29	1.42 21	0.75 6	1.22 34	0.68 7	0.91 45	1.63 77	0.67 12	0.24 10	0.24 152	0.34 178	0.26 99	0.41 194	0.37 157

MSKI-zero shot	2.22 190	0.64 102	20.09 344	0.96 98	0.56 97	4.04 230	0.70 77	3.91 208	1.50 50	1.92 127	2.28 261	1.92 152	0.71 14	2.93 169	0.67 12	0.26 25	0.23 125	0.26 36	0.21 28	0.28 34	0.26 42

ff7	0.98 14	0.69 134	2.05 53	0.84 49	0.52 83	4.55 331	0.86 147	1.62 6	1.24 5	0.75 6	1.03 12	0.70 10	0.77 23	1.84 96	0.68 14	0.27 32	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

ffff	0.98 14	0.69 134	2.05 53	0.84 49	0.52 83	4.55 331	0.86 147	1.62 6	1.24 5	0.75 6	1.03 12	0.70 10	0.77 23	1.84 96	0.68 14	0.27 32	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	4.55 331	0.86 147	1.62 6	1.24 5	0.75 6	1.03 12	0.70 10	0.77 23	1.84 96	0.68 14	0.27 32	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

ccc-4	0.98 14	0.69 134	2.05 53	0.84 49	0.52 83	4.55 331	0.86 147	1.62 6	1.24 5	0.75 6	1.03 12	0.70 10	0.77 23	1.84 96	0.68 14	0.27 32	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

HH	2.23 192	0.86 221	21.59 391	0.98 108	0.51 76	1.49 14	0.82 132	2.74 76	1.54 73	1.10 37	1.69 122	4.62 355	1.86 241	2.55 152	0.69 18	0.26 25	0.22 101	0.29 80	0.23 57	0.34 127	0.27 54

HanStereo	2.23 192	0.86 221	21.59 391	0.98 108	0.51 76	1.49 14	0.82 132	2.74 76	1.54 73	1.10 37	1.69 122	4.62 355	1.86 241	2.55 152	0.69 18	0.26 25	0.22 101	0.29 80	0.23 57	0.34 127	0.27 54

anonymousdsp	0.95 12	0.69 134	1.27 5	0.83 43	0.52 83	4.54 328	0.84 139	1.76 16	1.24 5	0.76 13	1.06 18	0.78 24	0.77 23	1.67 84	0.69 18	0.27 32	0.17 9	0.29 80	0.21 28	0.31 73	0.26 42

IGEV-Stereo	0.95 12	0.69 134	1.27 5	0.84 49	0.52 83	4.54 328	0.84 139	1.76 16	1.24 5	0.75 6	1.06 18	0.79 28	0.77 23	1.68 85	0.69 18	0.27 32	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
RCA-Stereo	1.21 49	0.52 15	1.58 21	0.90 74	0.46 52	4.68 352	0.79 119	4.13 266	1.74 139	1.92 127	1.80 154	0.94 43	1.48 159	1.14 14	0.70 22	0.27 32	0.18 24	0.25 26	0.19 18	0.25 11	0.23 14

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	2.13 239	0.84 33	0.65 10	0.88 1	0.70 22	0.27 32	0.15 2	0.23 5	1.22 374	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
s12784h	1.31 78	0.45 2	2.41 89	0.71 8	0.35 4	4.42 308	0.50 17	4.22 287	2.73 289	2.01 159	2.48 289	0.91 40	0.96 53	2.01 111	0.70 22	0.29 74	0.18 24	0.24 16	0.16 7	0.27 23	0.18 2

qqq1	1.92 150	0.57 45	4.46 143	1.36 264	0.57 106	2.03 32	0.73 85	4.25 300	2.80 301	2.32 247	2.31 274	1.95 155	1.52 171	10.99 337	0.71 25	0.34 162	0.32 227	0.30 99	0.23 57	0.29 42	0.29 74

fff1	1.92 150	0.57 45	4.46 143	1.36 264	0.57 106	2.03 32	0.73 85	4.25 300	2.80 301	2.32 247	2.31 274	1.95 155	1.52 171	10.99 337	0.71 25	0.34 162	0.32 227	0.30 99	0.23 57	0.29 42	0.29 74

ProNet	0.82 5	0.71 154	1.50 15	0.86 59	0.45 46	1.78 21	0.83 136	1.75 15	1.28 14	0.66 3	1.13 26	0.78 24	0.76 22	1.66 81	0.71 25	0.24 10	0.20 55	0.25 26	0.23 57	0.29 42	0.25 26

CREStereo	0.92 9	0.53 24	1.45 12	0.61 1	0.34 3	4.42 308	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 57	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
LoS_RVC	0.94 10	1.30 299	1.31 8	0.84 49	1.63 328	2.02 31	0.59 37	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	1.45 360

MC-Stereo	1.06 29	0.48 5	1.55 19	1.15 191	0.41 31	4.56 336	0.61 43	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 18	0.18 24	0.26 36	0.22 49	0.25 11	0.24 20

AnonymousM	1.22 51	1.32 303	0.97 1	0.88 66	0.56 97	4.03 229	0.69 72	2.41 42	1.68 121	1.48 56	1.31 53	1.15 58	1.00 61	1.18 22	0.73 29	0.32 140	0.40 284	2.07 380	1.70 382	0.24 5	0.22 9

Any-RAFT	1.40 86	0.53 24	2.78 106	1.09 156	0.64 122	4.41 306	0.81 129	3.97 225	2.78 295	1.99 145	1.34 59	2.36 203	1.56 182	1.56 62	0.75 32	0.27 32	0.20 55	0.25 26	0.18 9	0.25 11	0.28 67

test_3	1.19 41	0.51 10	2.08 65	0.99 113	0.41 31	2.05 37	0.87 163	4.40 341	1.42 21	1.99 145	1.18 30	2.03 171	0.79 31	2.70 163	0.75 32	0.27 32	0.17 9	0.29 80	0.29 169	0.30 57	0.27 54

CASnet	0.78 2	0.51 10	1.29 7	0.81 29	0.29 1	1.28 10	0.74 94	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 74	0.17 9	0.41 244	0.31 199	0.32 96	0.19 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
test-3	1.19 41	0.52 15	2.00 47	1.01 124	0.42 34	1.95 29	0.91 181	4.35 333	1.47 34	2.24 227	1.16 28	2.06 177	0.79 31	2.68 161	0.76 34	0.27 32	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	0.90 173	4.36 335	1.47 34	2.17 204	1.16 28	2.06 177	0.78 29	2.68 161	0.76 34	0.27 32	0.18 24	0.28 65	0.26 99	0.26 17	0.25 26

sAnonymous2	1.37 83	1.22 288	9.79 198	0.92 81	0.88 180	1.23 7	0.61 43	2.56 65	1.69 126	0.85 22	1.02 9	0.73 19	1.23 113	0.98 4	0.78 37	0.29 74	0.25 169	0.31 117	0.30 183	1.06 346	0.71 302

CroCo_RVC	1.37 83	1.22 288	9.79 198	0.92 81	0.88 180	1.23 7	0.61 43	2.56 65	1.69 126	0.85 22	1.02 9	0.73 19	1.23 113	0.98 4	0.78 37	0.29 74	0.25 169	0.31 117	0.30 183	1.06 346	0.71 302

CES	1.01 22	0.55 33	1.74 30	0.92 81	2.15 368	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	0.63 286	2.29 376

CAS	1.26 67	0.40 1	1.46 13	2.97 380	1.61 326	4.13 250	0.73 85	1.78 18	1.49 45	0.83 21	1.10 23	0.59 2	0.53 2	1.26 31	0.80 40	2.99 384	0.13 1	0.21 2	0.13 1	0.31 73	1.72 367

GLC_STEREO	0.76 1	0.52 15	1.12 3	0.83 43	0.33 2	1.86 26	0.82 132	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	0.25 169	0.32 132	0.25 86	0.32 96	0.30 95

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	11.62 355	0.81 42	0.34 162	0.19 38	0.33 162	0.24 78	0.44 221	0.24 20

AE-Stereo	1.18 40	0.60 72	2.05 53	1.10 164	0.60 113	4.39 301	0.72 81	3.74 170	1.62 112	1.10 37	1.90 198	1.01 47	0.92 47	1.45 53	0.82 43	0.28 57	0.22 101	0.28 65	0.28 146	0.26 17	0.22 9

KYRaft	1.59 109	0.52 15	1.73 27	0.95 94	0.49 72	4.38 299	1.79 310	2.43 45	1.51 54	2.49 276	2.98 325	2.00 167	3.41 328	2.14 123	0.82 43	0.30 108	0.21 80	0.33 162	0.46 297	0.35 142	2.45 381

XX-Stereo	2.54 249	0.61 86	20.21 347	1.78 334	1.19 250	4.30 293	0.46 12	4.39 339	1.58 91	2.32 247	1.89 194	4.64 357	0.60 3	4.16 196	0.82 43	0.31 125	0.21 80	0.28 65	0.27 122	0.51 247	0.26 42

DCRE	1.44 89	0.74 172	3.50 130	1.13 177	0.72 142	1.78 21	0.67 63	2.14 31	1.56 83	1.99 145	8.09 374	1.73 121	1.07 80	1.24 29	0.83 46	0.23 7	0.25 169	0.26 36	0.26 99	0.28 34	0.30 95

test_xeample3	2.12 182	0.63 97	21.55 390	0.91 78	0.47 62	1.85 25	0.94 195	7.96 394	1.23 4	0.75 6	0.76 3	0.64 5	0.70 12	1.77 90	0.83 46	0.30 108	0.21 80	0.27 51	0.21 28	0.27 23	0.24 20

EKT-Stereo	6.79 386	0.64 102	4.24 141	1.77 333	106.39 427	4.51 326	0.61 43	3.16 105	1.53 66	1.88 115	1.22 34	1.98 164	1.36 132	3.81 185	0.84 48	0.35 179	0.24 152	0.29 80	0.26 99	0.34 127	0.48 236

SST-Stereo	1.76 128	0.58 57	3.10 116	1.44 284	0.46 52	4.71 363	0.76 102	2.22 35	2.79 297	2.07 177	2.18 246	2.43 211	3.22 321	6.66 240	0.84 48	0.42 242	0.19 38	0.30 99	0.27 122	0.35 142	0.26 42

knoymous	1.30 75	0.60 72	5.57 162	0.88 66	0.75 148	3.04 72	0.90 173	2.68 74	1.33 16	1.48 56	1.07 20	2.78 247	0.88 40	1.29 37	0.85 50	0.31 125	0.22 101	0.35 193	0.20 22	0.45 228	0.37 157

HUI-Stereo	1.25 60	0.66 119	2.33 84	0.75 11	0.37 17	4.68 352	0.78 114	2.53 53	1.58 91	1.99 145	1.46 70	1.79 132	1.13 93	2.17 126	0.85 50	0.48 277	0.23 125	0.32 132	0.27 122	0.40 173	0.29 74

cross-raft	2.01 168	0.57 45	19.01 315	1.03 140	0.56 97	2.11 40	0.72 81	3.63 150	1.57 89	1.77 97	1.51 81	3.17 274	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

PMTNet	0.99 20	0.48 5	1.73 27	0.62 2	0.56 97	4.20 278	0.43 11	1.88 20	1.58 91	1.00 29	1.05 17	0.78 24	0.98 58	1.50 55	0.85 50	1.21 366	0.20 55	0.23 5	0.15 4	0.22 3	0.19 3

IGEVStereo-DCA	0.86 8	0.65 109	2.05 53	0.90 74	0.46 52	1.57 16	0.86 147	1.62 6	1.24 5	0.65 1	0.77 4	0.74 21	0.72 16	2.59 156	0.86 54	0.28 57	0.21 80	0.28 65	0.21 28	0.29 42	0.27 54

rrr	2.27 200	0.65 109	23.82 406	0.90 74	0.46 52	1.57 16	0.96 203	7.98 395	1.19 3	0.65 1	0.77 4	0.74 21	0.72 16	2.59 156	0.86 54	0.28 57	0.21 80	0.28 65	0.21 28	0.29 42	0.25 26

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 66	0.86 54	0.26 25	0.19 38	0.24 16	0.16 7	0.21 2	0.20 6

ROB_FTStereo	1.25 60	0.66 119	2.14 67	0.75 11	0.37 17	4.65 348	0.77 112	2.53 53	1.58 91	1.99 145	1.47 74	1.78 125	1.13 93	2.26 135	0.86 54	0.47 272	0.22 101	0.32 132	0.27 122	0.40 173	0.29 74

CFNet-RSSM	2.08 180	0.52 15	20.06 340	1.01 124	0.56 97	3.39 106	0.64 54	3.67 156	1.55 79	1.72 90	1.37 63	2.57 224	1.19 108	1.11 9	0.86 54	0.27 32	0.20 55	0.25 26	0.23 57	0.27 23	0.23 14

LCNet	1.55 97	0.54 29	1.88 38	0.99 113	0.55 94	3.60 146	1.21 250	2.86 87	1.53 66	2.18 206	1.74 135	1.43 94	4.17 344	3.62 181	0.87 59	0.29 74	0.20 55	0.28 65	0.77 349	0.47 237	1.85 370

PSM-adaLoss	1.24 57	0.65 109	2.03 50	0.75 11	0.37 17	4.68 352	0.73 85	2.53 53	1.58 91	1.99 145	1.47 74	1.78 125	1.13 93	2.18 127	0.87 59	0.48 277	0.23 125	0.32 132	0.27 122	0.40 173	0.29 74

MyStereo06	2.46 233	0.72 157	19.97 337	1.02 133	0.99 209	4.26 284	0.86 147	3.51 138	1.68 121	1.92 127	1.73 133	4.01 326	4.22 345	1.62 74	0.88 61	0.24 10	0.23 125	0.34 178	0.26 99	0.42 209	0.36 143

ROB_FTStereo_v2	1.23 52	0.66 119	2.02 49	0.75 11	0.37 17	4.67 351	0.76 102	2.53 53	1.58 91	1.99 145	1.46 70	1.78 125	1.14 99	2.08 115	0.88 61	0.48 277	0.22 101	0.32 132	0.27 122	0.40 173	0.29 74

mmm	1.27 71	0.58 57	2.20 71	1.41 279	0.68 138	2.39 48	0.85 145	3.90 204	1.63 115	2.20 212	1.84 178	1.28 74	1.50 166	1.91 103	0.89 63	0.31 125	0.27 188	0.45 263	0.37 254	0.38 162	0.34 129

PSM-AAD	2.43 229	0.54 29	1.32 9	0.92 81	0.54 92	4.48 314	7.47 392	2.96 91	1.55 79	2.31 243	2.56 299	1.26 72	16.23 400	2.46 141	0.89 63	0.28 57	0.21 80	0.58 319	0.41 283	0.34 127	1.32 355

iRaft-Stereo_20w	1.88 142	0.62 93	10.58 210	0.90 74	0.83 167	2.96 70	0.78 114	4.90 377	1.58 91	2.29 234	1.60 102	1.25 71	4.51 351	2.28 136	0.90 65	0.29 74	0.21 80	0.26 36	0.24 78	0.41 194	0.31 102

Patchmatch Stereo++	1.25 60	0.65 109	2.06 62	0.75 11	0.37 17	4.68 352	0.76 102	2.53 53	1.58 91	1.99 145	1.47 74	1.78 125	1.14 99	2.44 139	0.90 65	0.48 277	0.23 125	0.32 132	0.27 122	0.40 173	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
RAFT_R40	1.70 120	0.59 63	2.99 112	1.46 289	0.46 52	4.74 367	0.98 208	2.23 36	1.56 83	2.02 163	2.35 282	2.71 236	2.56 291	6.71 243	0.90 65	0.40 222	0.19 38	0.30 99	0.27 122	0.33 111	0.26 42

iRAFT	1.25 60	0.65 109	2.06 62	0.75 11	0.37 17	4.68 352	0.76 102	2.53 53	1.58 91	1.99 145	1.47 74	1.78 125	1.14 99	2.44 139	0.90 65	0.48 277	0.23 125	0.32 132	0.27 122	0.40 173	0.29 74

sCroCo_RVC	1.06 29	0.82 209	5.05 152	1.02 133	1.05 224	0.98 4	0.61 43	2.06 27	1.29 15	0.69 5	1.26 42	0.82 32	1.10 86	1.20 24	0.90 65	0.42 242	0.40 284	0.33 162	0.30 183	0.46 235	0.38 170

Gwc-CoAtRS	1.58 104	0.57 45	11.69 218	1.01 124	0.60 113	2.53 51	0.64 54	2.36 40	1.56 83	1.80 103	1.47 74	2.74 238	1.18 104	1.12 10	0.90 65	0.27 32	0.21 80	0.25 26	0.22 49	0.27 23	0.23 14

IGEV_Zeroshot_test	2.16 186	0.69 134	20.60 367	1.22 215	0.54 92	2.18 43	0.53 23	3.38 128	1.61 109	1.93 131	1.55 89	3.76 314	1.05 71	1.55 61	0.91 71	0.29 74	0.20 55	0.27 51	0.29 169	0.40 173	0.32 109

R-Stereo Train	1.20 46	0.58 57	1.81 36	0.99 113	0.67 133	3.78 174	0.90 173	4.09 257	1.51 54	2.16 200	1.71 128	1.13 55	0.94 50	1.40 44	0.91 71	0.30 108	0.24 152	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	0.90 173	4.09 257	1.51 54	2.16 200	1.71 128	1.13 55	0.94 50	1.40 44	0.91 71	0.30 108	0.24 152	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
GMOStereo	1.13 34	0.70 144	2.26 76	0.75 11	0.44 42	3.05 74	0.91 181	2.78 79	1.45 24	2.37 261	1.52 82	1.53 99	1.05 71	1.17 18	0.92 74	0.25 18	0.19 38	0.35 193	0.28 146	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	0.91 181	2.78 79	1.45 24	2.37 261	1.52 82	1.53 99	1.05 71	1.17 18	0.92 74	0.25 18	0.19 38	0.35 193	0.28 146	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	0.91 181	2.78 79	1.45 24	2.37 261	1.52 82	1.53 99	1.05 71	1.17 18	0.92 74	0.25 18	0.19 38	0.35 193	0.28 146	0.34 127	0.26 42

iGMRVC	1.26 67	0.66 119	2.14 67	0.75 11	0.37 17	4.66 349	0.74 94	2.53 53	1.58 91	1.99 145	1.46 70	1.78 125	1.14 99	2.46 141	0.92 74	0.48 277	0.23 125	0.32 132	0.27 122	0.40 173	0.29 74

test-2	1.13 34	0.70 144	2.26 76	0.75 11	0.44 42	3.05 74	0.91 181	2.78 79	1.45 24	2.37 261	1.52 82	1.53 99	1.05 71	1.17 18	0.92 74	0.25 18	0.19 38	0.35 193	0.28 146	0.34 127	0.26 42

RAFT-IKP	1.25 60	0.66 119	2.23 75	0.75 11	0.37 17	4.64 346	0.74 94	2.53 53	1.58 91	1.99 145	1.47 74	1.78 125	1.13 93	2.22 132	0.92 74	0.48 277	0.22 101	0.32 132	0.27 122	0.40 173	0.29 74

raft+_RVC	1.21 49	0.83 212	2.61 96	1.35 258	0.97 202	3.60 146	0.76 102	3.23 113	1.51 54	1.33 44	1.67 117	1.03 48	1.10 86	1.87 100	0.92 74	0.24 10	0.22 101	0.25 26	0.24 78	0.26 17	0.25 26

DisPM	1.36 82	0.55 33	2.39 88	1.54 303	0.51 76	4.59 339	0.79 119	2.50 50	1.88 153	2.50 277	1.83 173	1.45 95	1.01 63	2.71 164	0.93 81	0.46 264	0.20 55	0.32 132	0.31 199	0.31 73	0.44 212

Selective-RAFT	1.15 38	0.46 3	1.64 23	0.99 113	0.45 46	4.17 267	0.51 21	3.21 110	1.69 126	1.12 40	1.34 59	1.45 95	1.40 137	2.08 115	0.94 82	0.41 232	0.20 55	0.24 16	0.23 57	0.27 23	0.25 26

RAFT_CTSACE	1.80 133	1.06 257	10.00 201	1.71 327	1.39 290	3.49 123	1.06 220	3.05 98	1.62 112	1.70 86	2.04 218	2.51 220	1.80 231	1.98 107	0.94 82	0.25 18	0.22 101	0.28 65	0.30 183	0.30 57	0.26 42

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 63	0.94 82	0.40 222	0.21 80	0.30 99	0.30 183	0.47 237	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
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 68	0.96 85	0.33 151	0.21 80	0.32 132	0.25 86	0.42 209	0.28 67

11t1	1.11 33	0.53 24	1.80 35	1.55 308	0.65 127	2.20 45	0.60 40	3.66 155	1.49 45	1.60 66	1.26 42	1.03 48	1.35 131	1.72 87	0.97 86	0.28 57	0.31 221	0.29 80	0.23 57	0.30 57	0.34 129

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	2.84 311	2.02 163	2.40 284	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

1test111	1.99 164	0.74 172	13.77 234	1.78 334	0.36 5	4.48 314	0.74 94	3.98 227	1.53 66	1.01 30	1.81 166	0.72 16	1.62 191	4.66 201	0.98 88	0.29 74	0.17 9	0.32 132	0.21 28	0.33 111	0.32 109

whm_eth	2.04 172	1.24 293	18.44 307	0.89 69	1.37 285	2.59 54	0.73 85	3.56 144	2.56 272	1.53 61	2.06 227	0.78 24	0.71 14	1.02 7	0.98 88	0.36 184	0.29 204	0.34 178	0.32 206	0.41 194	0.54 266

qqq	1.30 75	0.57 45	1.67 24	1.15 191	0.51 76	2.18 43	0.91 181	3.98 227	1.53 66	1.50 58	1.24 37	1.79 132	1.34 129	4.66 201	0.98 88	0.28 57	0.31 221	0.33 162	0.33 214	0.33 111	0.32 109

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	1.76 141	1.80 135	0.83 35	1.50 55	0.98 88	0.28 57	0.18 24	0.29 80	0.26 99	0.30 57	0.31 102

Anonymous	1.04 28	0.76 184	2.42 91	1.06 146	1.27 269	1.67 20	0.86 147	2.51 52	1.49 45	0.92 25	1.14 27	0.70 10	1.10 86	1.26 31	0.98 88	0.47 272	0.33 233	0.30 99	0.30 183	0.66 300	0.51 253

RAFT-Test	1.44 89	0.59 63	6.10 163	1.01 124	0.69 140	2.90 62	0.80 124	3.68 157	1.70 129	1.85 108	1.68 119	3.15 273	1.03 65	1.20 24	0.99 93	0.27 32	0.22 101	0.25 26	0.23 57	0.27 23	0.25 26

LL-Strereo2	1.23 52	0.85 220	2.38 87	0.93 91	0.68 138	3.72 165	1.37 268	2.54 62	1.99 168	1.75 95	1.40 66	1.82 139	0.73 19	1.40 44	0.99 93	0.31 125	0.23 125	0.55 313	0.35 235	0.29 42	0.24 20

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	3.56 308	2.03 252	1.29 37	1.00 95	0.28 57	0.27 188	0.34 178	0.21 28	0.41 194	0.43 208

RALCasStereoNet	1.19 41	1.02 249	2.06 62	1.12 170	1.14 237	3.08 78	0.70 77	2.99 93	1.73 133	1.34 45	1.68 119	1.18 63	0.91 45	2.16 124	1.00 95	0.30 108	0.26 180	0.24 16	0.21 28	0.29 42	0.30 95

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	0.30 108	0.20 55	0.24 16	0.21 28	0.40 173	0.25 26

x	1.15 38	0.57 45	1.53 16	1.44 284	0.67 133	1.94 28	0.97 205	3.87 195	1.57 89	1.61 71	1.28 49	1.58 104	1.22 110	1.93 104	1.04 98	0.28 57	0.30 213	0.34 178	0.29 169	0.32 96	0.31 102

raft_robust	1.92 150	1.15 272	3.34 126	1.02 133	0.43 37	3.84 187	0.46 12	4.42 343	2.52 267	1.67 82	1.36 62	2.17 186	6.37 374	6.78 245	1.04 98	0.28 57	0.24 152	0.30 99	0.35 235	0.31 73	0.32 109

4D-IteraStereo	1.97 159	0.84 216	20.43 361	0.78 26	1.56 318	2.09 39	1.05 219	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 32	0.18 24	0.31 117	0.26 99	0.27 23	0.23 14

CASS	1.29 74	0.66 119	2.62 98	0.95 94	0.66 130	2.84 58	0.69 72	3.00 94	1.79 143	2.57 286	1.95 202	1.39 86	1.55 181	1.59 66	1.06 100	0.50 290	0.28 196	0.34 178	0.28 146	0.46 235	0.63 290
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
StereoIM	0.82 5	0.66 119	1.53 16	0.65 4	1.87 356	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 74	0.23 125	0.26 36	0.20 22	0.31 73	0.22 9

MIM_Stereo	1.20 46	0.78 192	3.30 123	1.05 142	0.43 37	3.04 72	0.60 40	2.46 48	1.51 54	1.60 66	1.58 95	1.82 139	1.29 122	2.00 108	1.07 102	0.24 10	0.24 152	0.28 65	0.25 86	0.27 23	0.27 54

CroCo-Stereo Lap2	0.99 20	0.89 225	2.55 94	0.99 113	1.80 353	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 32	0.23 125	0.27 51	0.21 28	0.43 217	0.34 129

GMM-Stereo	2.45 231	0.52 15	20.38 357	0.89 69	0.82 166	4.18 269	1.91 319	2.45 47	1.48 39	2.48 275	2.30 267	1.69 116	1.86 241	2.93 169	1.08 104	0.28 57	0.18 24	0.33 162	0.48 304	0.35 142	2.41 379

Prome-Stereo	1.61 111	0.55 33	1.71 26	0.98 108	0.60 113	4.41 306	1.82 314	3.03 96	1.53 66	2.18 206	3.45 344	1.72 120	3.49 332	2.23 133	1.08 104	0.29 74	0.20 55	0.26 36	0.25 86	0.34 127	2.16 375

CroCo-Stereo	0.98 14	0.87 223	3.44 127	0.87 62	0.53 91	0.49 1	0.50 17	3.99 231	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
RAFT+CT+SA	1.62 112	0.72 157	7.42 173	0.97 105	1.42 299	4.04 230	0.94 195	3.90 204	1.61 109	1.61 71	1.63 109	1.33 78	1.18 104	2.73 166	1.10 108	0.27 32	0.19 38	0.31 117	0.34 221	0.33 111	0.33 119

PCWNet_CMD	2.23 192	0.65 109	17.36 288	0.83 43	0.76 151	3.51 128	0.64 54	3.60 148	1.97 165	1.70 86	1.63 109	3.22 276	3.05 313	2.09 118	1.11 109	0.31 125	0.36 253	0.47 270	0.26 99	0.64 292	0.47 232

raftrobust	1.19 41	0.72 157	2.30 81	1.26 228	1.31 273	3.55 137	0.68 67	2.75 78	1.47 34	2.21 220	1.38 65	1.17 60	1.22 110	1.20 24	1.11 109	0.28 57	0.24 152	0.21 2	0.19 18	0.25 11	0.28 67

MSMDNet	2.23 192	0.64 102	17.32 284	0.84 49	0.75 148	3.53 132	0.64 54	3.61 149	1.98 167	1.71 89	1.64 111	3.22 276	2.99 307	2.08 115	1.11 109	0.31 125	0.37 265	0.45 263	0.26 99	0.62 285	0.45 217

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	2.92 316	1.90 121	2.21 252	2.11 184	1.52 171	1.93 104	1.12 112	0.21 1	0.16 4	0.25 26	0.25 86	0.29 42	0.20 6

Anonymous3	1.72 121	0.76 184	11.61 217	0.83 43	0.84 170	4.46 312	0.84 139	3.57 145	1.16 2	1.34 45	1.37 63	1.11 54	1.03 65	1.58 63	1.13 113	0.70 337	0.58 335	0.33 162	0.35 235	0.47 237	0.42 200

CFNet_ucs	2.36 223	0.68 133	18.42 306	0.89 69	0.81 158	3.85 193	0.68 67	4.29 313	2.37 239	2.09 178	2.04 218	3.31 284	1.24 115	2.63 158	1.14 114	0.36 184	0.45 304	0.56 315	0.29 169	0.66 300	0.49 240

anonymousa	2.16 186	0.67 127	19.19 316	1.04 141	1.67 337	2.06 38	0.79 119	2.86 87	1.96 163	1.85 108	2.14 240	3.23 278	1.81 234	1.12 10	1.15 115	0.26 25	0.26 180	0.34 178	0.32 206	0.30 57	0.28 67

IPLGR	2.53 247	0.58 57	20.46 362	0.82 36	0.52 83	4.56 336	0.50 17	4.30 320	2.38 241	1.87 113	1.53 87	1.68 114	1.72 219	6.95 248	1.15 115	0.28 57	0.21 80	0.27 51	0.23 57	0.33 111	0.32 109

GrayStereo	2.58 257	0.53 24	1.63 22	1.58 312	0.89 185	4.17 267	8.17 396	3.03 96	1.52 61	2.80 313	2.50 291	1.70 117	17.10 401	2.83 167	1.15 115	0.33 151	0.21 80	0.27 51	0.32 206	0.28 34	0.53 260

GMStereo_Zeroshot	1.41 88	1.21 282	3.33 125	1.29 237	0.72 142	3.35 103	0.53 23	2.58 69	1.68 121	2.35 255	1.56 92	2.42 210	0.96 53	2.50 144	1.16 118	0.45 260	0.23 125	0.40 237	0.24 78	0.79 326	0.33 119

CFNet_pseudo	2.12 182	0.67 127	15.14 261	0.85 58	0.74 147	3.95 212	0.64 54	3.95 219	1.78 141	1.90 121	1.79 151	3.27 281	1.62 191	2.51 147	1.16 118	0.31 125	0.36 253	0.53 305	0.27 122	0.63 286	0.44 212

ccs_rob	2.13 184	0.67 127	15.11 260	0.84 49	0.75 148	3.96 217	0.65 60	3.95 219	1.78 141	1.88 115	1.79 151	3.26 280	1.64 206	2.51 147	1.16 118	0.31 125	0.36 253	0.54 312	0.27 122	0.65 295	0.45 217

BUS	1.49 96	0.59 63	1.94 43	0.87 62	0.85 171	4.50 322	0.76 102	4.48 353	1.88 153	2.93 320	1.83 173	3.63 310	0.97 56	1.60 68	1.17 121	0.34 162	0.25 169	0.31 117	0.28 146	0.35 142	0.33 119

test_5	1.87 138	0.75 181	10.23 205	1.14 178	1.40 292	3.85 193	1.27 255	3.91 208	1.93 161	1.69 84	1.78 148	1.67 113	1.79 226	2.99 172	1.17 121	0.30 108	0.18 24	0.35 193	0.33 214	0.34 127	0.33 119

NINENet	1.87 138	0.74 172	2.60 95	1.12 170	1.06 226	4.50 322	0.76 102	4.41 342	2.24 212	2.16 200	1.86 187	3.63 310	0.97 56	8.00 264	1.17 121	0.41 232	0.30 213	0.41 244	0.30 183	0.41 194	0.36 143

test_4	1.30 75	0.50 8	6.16 164	0.84 49	0.45 46	1.61 18	1.12 232	2.14 31	1.42 21	1.52 59	2.31 274	1.84 145	0.79 31	2.52 151	1.19 124	0.27 32	0.17 9	0.29 80	0.29 169	0.29 42	0.25 26

UDGNet	1.40 86	1.52 321	2.22 73	1.38 274	0.62 119	4.39 301	0.68 67	1.80 19	2.18 205	1.34 45	1.18 30	0.99 45	1.00 61	2.16 124	1.19 124	1.09 361	0.34 245	1.30 373	0.98 362	1.10 351	0.58 279

DeepStereo_RVC	1.55 97	0.63 97	3.32 124	0.77 25	0.42 34	4.49 319	0.72 81	2.50 50	1.58 91	2.02 163	1.81 166	1.54 103	6.38 375	1.73 88	1.19 124	0.46 264	0.22 101	0.29 80	0.28 146	0.35 142	0.38 170

TRStereo	2.31 212	1.87 339	19.74 329	1.53 301	1.16 243	4.26 284	1.08 225	4.73 373	1.45 24	1.55 62	1.28 49	1.75 122	0.85 36	1.81 93	1.20 127	0.36 184	0.26 180	0.32 132	0.36 243	0.34 127	0.33 119

NF-Stereo	1.58 104	0.61 86	2.66 101	2.26 364	0.47 62	4.68 352	0.67 63	3.31 120	1.48 39	2.11 185	1.59 98	1.36 82	1.09 82	6.08 231	1.20 127	0.40 222	0.20 55	0.36 204	0.34 221	0.31 73	0.36 143

PSM-softLoss	1.66 117	0.59 63	5.15 154	2.25 362	0.48 68	4.68 352	0.69 72	2.57 67	1.52 61	2.14 191	1.45 68	1.42 92	0.99 59	6.04 229	1.20 127	0.41 232	0.23 125	0.37 216	0.39 269	0.32 96	0.31 102

KMStereo	1.66 117	0.59 63	5.15 154	2.25 362	0.48 68	4.68 352	0.69 72	2.57 67	1.52 61	2.14 191	1.45 68	1.42 92	0.99 59	6.04 229	1.20 127	0.41 232	0.23 125	0.37 216	0.39 269	0.32 96	0.31 102

BSDual-CNN	1.46 92	0.59 63	1.94 43	0.87 62	0.85 171	4.16 263	1.16 239	4.48 353	1.88 153	2.93 320	1.83 173	2.60 228	1.31 125	1.60 68	1.21 131	0.34 162	0.25 169	0.31 117	0.28 146	0.35 142	0.33 119

psmg	1.47 95	0.59 63	1.94 43	0.92 81	0.85 171	4.30 293	1.42 278	4.10 264	1.88 153	2.64 299	2.09 230	2.60 228	1.31 125	1.60 68	1.21 131	0.34 162	0.27 188	0.33 162	0.34 221	0.36 153	0.34 129

OCTAStereo	1.58 104	0.61 86	2.72 102	2.27 367	0.46 52	4.68 352	0.67 63	3.30 119	1.48 39	2.11 185	1.59 98	1.36 82	1.09 82	6.02 228	1.21 131	0.41 232	0.20 55	0.36 204	0.34 221	0.31 73	0.37 157

RE-Stereo	1.58 104	0.61 86	2.72 102	2.26 364	0.46 52	4.68 352	0.68 67	3.31 120	1.48 39	2.11 185	1.59 98	1.36 82	1.09 82	6.01 226	1.22 134	0.41 232	0.20 55	0.36 204	0.34 221	0.31 73	0.37 157

TVStereo	1.58 104	0.61 86	2.72 102	2.26 364	0.46 52	4.68 352	0.68 67	3.31 120	1.48 39	2.11 185	1.59 98	1.36 82	1.09 82	6.01 226	1.22 134	0.41 232	0.20 55	0.36 204	0.34 221	0.31 73	0.37 157

ARAFT	2.56 254	1.13 269	19.50 324	0.89 69	0.48 68	4.15 254	1.40 273	4.36 335	2.82 309	2.36 260	1.88 189	1.70 117	1.04 69	6.45 234	1.22 134	0.29 74	0.18 24	0.37 216	0.35 235	0.35 142	0.25 26

PFNet+	1.46 92	0.57 45	2.84 108	0.92 81	0.47 62	4.64 346	0.84 139	2.46 48	1.99 168	2.14 191	1.64 111	1.34 79	1.03 65	4.68 203	1.23 137	0.45 260	0.33 233	0.37 216	0.39 269	0.32 96	0.49 240

FTStereo	3.71 336	0.53 24	20.37 356	0.96 98	0.65 127	4.34 296	11.29 399	2.62 71	1.50 50	2.58 288	5.04 362	1.90 150	13.84 399	3.71 184	1.25 138	0.38 205	0.24 152	0.31 117	0.32 206	0.30 57	2.10 374

rafts_anoy	1.24 57	0.80 198	3.61 135	1.17 197	1.20 255	3.00 71	0.61 43	3.17 107	1.58 91	1.37 48	1.26 42	1.19 66	1.12 91	1.78 91	1.25 138	0.32 140	0.23 125	0.32 132	0.32 206	0.31 73	0.30 95

DIP-Stereo	1.24 57	0.69 134	1.77 32	0.65 4	0.61 116	4.29 291	0.58 36	4.44 347	2.53 268	1.98 140	1.33 54	0.91 40	0.86 37	1.25 30	1.25 138	0.36 184	0.23 125	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
GANet-ADL	2.20 189	0.73 165	20.11 345	1.25 222	0.69 140	3.83 182	0.76 102	3.49 134	1.71 130	1.65 79	1.99 211	2.10 182	1.10 86	1.42 48	1.26 141	0.38 205	0.33 233	0.25 26	0.22 49	0.42 209	0.36 143

SA	1.62 112	0.75 181	3.78 139	1.07 148	0.43 37	4.26 284	1.36 264	4.45 350	3.12 332	1.63 74	1.97 208	1.68 114	2.26 272	2.55 152	1.27 142	0.27 32	0.22 101	0.37 216	0.37 254	0.35 142	0.30 95

STrans-v2	3.03 301	0.77 187	20.91 372	0.81 29	0.63 120	3.89 198	1.01 210	4.27 308	2.64 279	2.28 232	3.70 348	4.13 333	5.20 358	7.33 252	1.27 142	0.31 125	0.18 24	0.29 80	0.25 86	0.29 42	0.41 197

TransformOpticalFlow	3.03 301	0.77 187	20.99 375	1.00 120	0.55 94	4.18 269	0.64 54	4.33 329	3.02 326	2.18 206	3.09 332	4.35 344	5.07 356	7.36 255	1.27 142	0.32 140	0.18 24	0.32 132	0.26 99	0.28 34	0.46 227

Anonymous_2	3.01 299	0.89 225	4.53 148	1.06 146	1.18 244	2.93 66	0.87 163	3.24 115	1.46 31	1.86 112	1.35 61	4.11 332	2.35 278	1.64 78	1.28 145	0.82 348	0.90 364	8.71 413	15.84 417	4.44 396	0.74 310

test-1	1.23 52	0.65 109	1.88 38	0.96 98	0.52 83	3.84 187	0.62 52	4.01 234	1.47 34	1.93 131	1.78 148	1.83 142	0.92 47	1.19 23	1.28 145	0.26 25	0.29 204	0.31 117	0.24 78	0.29 42	0.36 143

IPLGR_C	2.28 205	1.31 301	19.46 322	0.92 81	1.32 277	3.93 205	0.89 169	4.20 280	1.82 145	2.30 238	2.63 305	1.16 59	1.07 80	1.41 47	1.29 147	0.37 191	0.23 125	0.27 51	0.22 49	0.31 73	0.45 217

TestStereo1	1.56 101	0.81 202	2.32 82	1.61 318	0.64 122	4.13 250	1.36 264	3.79 179	3.20 343	1.60 66	2.57 301	1.39 86	2.15 263	2.51 147	1.30 148	0.29 74	0.20 55	0.34 178	0.25 86	0.40 173	0.36 143

SA-5K	1.56 101	0.81 202	2.32 82	1.61 318	0.64 122	4.13 250	1.36 264	3.79 179	3.20 343	1.60 66	2.57 301	1.39 86	2.15 263	2.51 147	1.30 148	0.29 74	0.20 55	0.34 178	0.25 86	0.40 173	0.36 143

ACRE	2.27 200	1.11 267	19.45 321	0.91 78	1.30 271	3.94 207	0.87 163	4.21 284	1.80 144	2.28 232	2.62 303	1.17 60	1.04 69	1.52 58	1.30 148	0.37 191	0.23 125	0.27 51	0.22 49	0.31 73	0.46 227

HBP-ISP	3.25 320	1.10 264	20.86 371	1.54 303	1.15 239	4.50 322	2.89 355	4.43 346	2.38 241	4.14 363	1.96 203	1.90 150	2.04 254	11.08 342	1.32 151	0.66 328	0.57 331	0.66 339	0.61 335	0.64 292	0.61 285

CIPLG	2.27 200	1.18 277	19.24 317	0.92 81	1.34 281	3.95 212	0.89 169	4.23 292	1.82 145	2.31 243	2.67 307	1.17 60	1.06 78	1.53 60	1.32 151	0.37 191	0.23 125	0.27 51	0.22 49	0.31 73	0.45 217

RAFT	1.23 52	0.84 216	2.05 53	0.96 98	0.47 62	1.80 23	0.94 195	3.18 109	1.46 31	1.60 66	1.71 128	3.04 264	1.59 183	1.64 78	1.32 151	0.38 205	0.24 152	0.40 237	0.32 206	0.40 173	0.35 140

ICVP	2.26 198	0.66 119	21.18 382	0.99 113	0.88 180	4.28 290	0.95 198	3.32 124	1.60 106	1.66 80	1.76 141	1.34 79	1.14 99	1.62 74	1.32 151	0.53 304	0.35 249	0.33 162	0.29 169	0.40 173	0.51 253
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
NRIStereo	1.28 72	0.61 86	1.67 24	1.15 191	0.38 25	4.73 364	0.90 173	2.42 43	1.50 50	1.93 131	1.33 54	1.75 122	1.22 110	2.96 171	1.33 155	0.46 264	0.22 101	0.29 80	0.26 99	0.30 57	0.28 67

CRE-IMP	1.23 52	0.61 86	2.14 67	0.82 36	0.39 26	4.54 328	0.83 136	2.63 72	1.55 79	1.95 135	1.46 70	1.87 149	0.96 53	1.48 54	1.33 155	0.45 260	0.21 80	0.31 117	0.26 99	0.41 194	0.31 102

PFNet	2.47 236	0.60 72	16.95 282	2.15 361	0.81 158	4.63 345	0.91 181	2.55 63	1.52 61	2.40 268	2.79 315	1.83 142	1.42 144	7.54 257	1.34 157	0.33 151	0.21 80	0.36 204	0.27 122	0.32 96	0.39 175

OMP-Stereo	1.97 159	0.93 234	1.88 38	2.76 376	0.67 133	4.58 338	1.48 282	4.31 323	1.54 73	3.15 337	2.76 314	3.25 279	1.38 133	7.66 262	1.35 158	0.40 222	0.20 55	0.33 162	0.26 99	0.33 111	0.24 20

EAI-Stereo	2.35 220	0.63 97	2.97 111	0.95 94	0.65 127	3.84 187	14.27 403	5.04 379	2.19 206	2.06 174	7.25 367	1.10 53	0.94 50	1.65 80	1.37 159	0.31 125	0.22 101	0.27 51	0.60 332	0.27 23	0.32 109

FENet	2.25 196	0.50 8	20.29 354	1.35 258	0.67 133	4.01 226	0.60 40	3.95 219	1.99 168	1.96 137	1.11 24	2.43 211	1.43 146	1.60 68	1.39 160	0.32 140	0.22 101	0.33 162	0.26 99	0.29 42	0.39 175

ToySt	1.35 81	0.72 157	3.65 137	1.01 124	0.50 75	3.31 100	1.01 210	3.46 130	1.73 133	1.30 43	1.55 89	2.07 180	1.47 157	1.88 101	1.40 161	0.27 32	0.27 188	0.30 99	0.32 206	0.42 209	0.39 175

GwcNet-ADL	2.47 236	0.67 127	21.48 389	0.96 98	0.72 142	4.61 342	0.95 198	4.42 343	2.36 234	1.98 140	1.80 154	2.55 223	1.24 115	1.90 102	1.41 162	0.40 222	0.46 311	0.24 16	0.27 122	0.41 194	0.49 240

IIG-Stereo	1.95 155	0.79 195	2.14 67	2.78 377	0.66 130	4.62 343	0.76 102	4.27 308	1.53 66	2.63 298	3.14 335	3.35 287	1.61 188	7.65 261	1.41 162	0.39 216	0.20 55	0.31 117	0.25 86	0.33 111	0.22 9

UCFNet_RVC	1.57 103	0.84 216	3.25 120	1.36 264	1.40 292	4.07 238	1.01 210	2.68 74	1.50 50	2.11 185	1.88 189	2.37 204	1.50 166	3.41 176	1.42 164	0.36 184	0.28 196	0.52 303	0.40 279	0.53 256	0.43 208

RAFT-345	2.46 233	0.55 33	19.69 328	1.02 133	0.49 72	4.43 310	0.78 114	1.64 12	2.34 230	2.09 178	3.12 333	1.96 160	1.31 125	6.65 239	1.43 165	0.36 184	0.23 125	0.32 132	0.25 86	0.28 34	0.25 26

pcwnet_v2	2.70 270	0.65 109	22.48 399	1.08 152	1.03 219	3.56 139	0.81 129	4.29 313	3.14 335	2.29 234	2.29 263	3.01 262	1.71 217	3.32 175	1.43 165	0.43 247	0.50 324	0.41 244	0.34 221	0.61 283	0.56 271

DCANet-4	1.96 157	0.51 10	14.31 248	0.82 36	0.40 28	4.16 263	0.57 29	4.29 313	2.98 322	2.30 238	1.80 154	1.03 48	1.54 179	1.44 49	1.44 167	0.29 74	0.23 125	0.23 5	0.18 9	0.24 5	0.42 200

MIPNet	2.33 217	0.71 154	19.82 331	0.89 69	0.56 97	4.76 369	0.61 43	4.32 327	2.37 239	1.83 107	1.48 80	1.48 97	1.98 251	2.63 158	1.44 167	0.29 74	0.20 55	0.26 36	0.23 57	0.30 57	0.39 175

STTStereo	2.34 218	0.95 238	14.93 256	1.43 282	1.54 311	3.86 195	0.86 147	3.65 152	2.44 253	2.15 196	1.55 89	2.49 219	1.59 183	5.14 208	1.44 167	0.38 205	0.39 279	0.47 270	0.51 313	0.52 250	0.51 253

AdaStereo	1.45 91	0.83 212	2.34 85	1.28 234	0.81 158	3.21 81	1.14 237	4.20 280	2.46 257	2.05 171	1.77 146	2.48 217	1.18 104	1.71 86	1.44 167	0.43 247	0.25 169	0.43 254	0.28 146	0.44 221	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.
fff	1.74 124	0.70 144	9.08 188	0.81 29	0.36 5	4.15 254	0.57 29	4.23 292	2.09 186	2.30 238	1.80 154	1.19 66	3.02 310	1.44 49	1.46 171	0.29 74	0.23 125	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	4.23 292	2.09 186	2.30 238	1.80 154	1.19 66	3.02 310	1.44 49	1.46 171	0.29 74	0.23 125	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	4.23 292	2.09 186	2.30 238	1.80 154	1.19 66	3.02 310	1.44 49	1.46 171	0.29 74	0.23 125	0.23 5	0.18 9	0.24 5	0.42 200

Pruner-Stereo	1.32 80	0.59 63	2.11 66	1.79 339	0.47 62	4.73 364	0.79 119	2.53 53	1.72 131	2.47 274	1.58 95	1.48 97	1.03 65	1.66 81	1.47 174	0.44 254	0.21 80	0.34 178	0.30 183	0.30 57	0.39 175

anonymity	1.76 128	1.26 296	2.73 105	1.66 322	1.32 277	1.84 24	1.07 222	3.49 134	2.30 225	2.11 185	2.11 235	1.71 119	3.90 339	1.82 95	1.48 175	1.10 362	1.09 368	1.08 368	1.08 367	1.05 345	1.09 344

CRFU-Net	2.49 240	0.78 192	10.36 206	2.30 368	1.08 230	3.91 200	1.41 276	3.85 190	1.65 117	2.15 196	1.76 141	3.34 286	7.95 387	5.56 218	1.48 175	0.47 272	0.35 249	0.30 99	0.28 146	0.37 158	0.43 208

RALAANet	1.28 72	1.08 260	3.21 119	1.25 222	0.94 196	1.44 12	0.69 72	3.15 104	2.57 273	2.01 159	1.80 154	1.29 76	1.05 71	2.00 108	1.48 175	0.27 32	0.20 55	0.27 51	0.24 78	0.40 173	0.27 54

AACVNet	1.83 135	1.02 249	2.41 89	1.45 287	0.87 177	3.21 81	0.73 85	3.16 105	1.61 109	2.01 159	1.82 172	2.28 191	1.33 128	10.98 336	1.49 178	0.39 216	0.32 227	0.38 228	0.32 206	0.43 217	0.44 212

Sa-1000	1.63 114	0.79 195	3.56 131	1.11 168	0.48 68	4.06 233	1.41 276	4.49 356	2.75 292	2.00 157	2.80 317	1.84 145	1.43 146	2.64 160	1.50 179	0.27 32	0.19 38	0.36 204	0.33 214	0.36 153	0.30 95

IRAFT_RVC	1.87 138	0.60 72	4.33 142	2.40 371	0.66 130	4.59 339	1.59 295	2.96 91	1.51 54	2.23 225	1.75 139	2.09 181	2.63 294	6.70 241	1.50 179	0.33 151	0.21 80	0.33 162	0.29 169	0.32 96	0.32 109

SFCPSM	2.18 188	0.63 97	17.03 283	0.88 66	0.98 206	3.74 168	1.28 256	4.09 257	2.16 201	1.85 108	1.83 173	1.65 111	1.39 136	2.50 144	1.50 179	0.33 151	0.27 188	0.39 231	0.36 243	0.34 127	0.37 157

CVANet_RVC	2.55 253	1.10 264	9.13 193	1.46 289	1.15 239	3.96 217	1.53 289	3.91 208	2.50 263	3.04 328	2.04 218	2.60 228	1.72 219	12.46 383	1.50 179	0.49 287	0.30 213	0.51 297	0.41 283	0.63 286	0.50 247

DN-CSS_ROB	1.91 147	1.55 323	11.13 215	1.82 341	0.88 180	3.99 223	0.61 43	4.01 234	1.67 120	1.64 76	1.89 194	1.39 86	1.06 78	3.23 173	1.50 179	0.31 125	0.19 38	0.44 257	0.29 169	0.37 158	0.31 102

DLNR_Zeroshot_test	28.62 415	55.50 428	49.94 422	183.62 430	115.05 428	3.43 111	0.28 1	29.49 416	1.49 45	1.01 30	1.26 42	0.93 42	0.63 7	3.92 191	1.51 184	29.81 423	0.41 290	0.26 36	0.23 57	93.28 428	0.32 109

hknet	1.98 161	0.64 102	8.70 185	0.87 62	1.07 228	4.16 263	1.16 239	4.48 353	1.73 133	2.93 320	1.83 173	3.48 293	1.30 124	3.91 190	1.51 184	0.31 125	0.25 169	0.31 117	0.28 146	0.35 142	0.33 119

RAFT-RH_RVC	2.63 259	0.55 33	19.97 337	1.26 228	0.47 62	4.46 312	0.57 29	1.71 13	1.64 116	3.06 331	5.51 364	2.03 171	1.28 120	6.70 241	1.52 186	0.42 242	0.22 101	0.37 216	0.34 221	0.28 34	0.29 74

IPLG	2.48 238	0.65 109	19.63 326	0.91 78	0.79 155	4.60 341	0.56 28	4.31 323	1.84 149	1.91 126	2.00 212	1.31 77	1.38 133	6.61 237	1.53 187	0.27 32	0.20 55	0.27 51	0.23 57	0.31 73	0.36 143

ADStereo(finetuned)	2.04 172	0.73 165	13.28 227	0.82 36	0.40 28	4.16 263	0.59 37	4.25 300	2.97 319	2.35 255	1.84 178	1.18 63	3.40 327	1.52 58	1.54 188	0.29 74	0.24 152	0.23 5	0.18 9	0.30 57	0.51 253

DCANet	1.74 124	0.73 165	9.08 188	0.82 36	0.40 28	4.18 269	0.59 37	4.25 300	2.97 319	2.35 255	1.84 178	1.18 63	1.63 203	1.51 57	1.55 189	0.29 74	0.24 152	0.23 5	0.18 9	0.30 57	0.53 260

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 73	1.56 190	0.36 184	0.24 152	0.33 162	0.25 86	0.40 173	0.28 67

HCRNet	1.60 110	0.56 40	2.47 92	0.78 26	1.36 284	4.11 245	0.71 79	3.57 145	2.79 297	1.75 95	1.61 106	1.58 104	1.41 141	5.79 223	1.56 190	0.34 162	0.28 196	0.36 204	0.29 169	0.33 111	0.37 157

CSP-Net	1.78 131	1.32 303	1.92 42	1.16 196	1.03 219	3.38 105	1.31 258	3.52 139	1.75 140	1.96 137	1.93 201	2.40 205	1.48 159	8.58 272	1.58 192	0.46 264	0.34 245	0.27 51	0.26 99	0.41 194	0.50 247

psm_up	2.28 205	0.81 202	5.45 161	1.26 228	1.50 307	3.84 187	1.23 251	4.23 292	2.03 175	2.55 282	1.80 154	2.44 213	1.65 208	12.90 386	1.58 192	0.37 191	0.38 271	0.41 244	0.34 221	0.43 217	0.39 175

MaskLacGwcNet_RVC	3.13 311	1.43 315	9.93 200	2.50 372	1.62 327	4.29 291	1.68 307	3.95 219	2.43 250	1.66 80	1.91 199	3.04 264	1.41 141	13.26 388	1.58 192	3.82 395	1.59 380	1.12 370	0.46 297	2.21 376	2.74 387

iResNetv2_ROB	2.65 261	5.00 375	19.28 320	2.06 358	1.09 232	3.83 182	1.13 235	4.14 272	2.09 186	1.85 108	2.03 215	2.01 170	1.51 169	3.58 179	1.58 192	0.34 162	0.21 80	0.32 132	0.21 28	0.44 221	0.29 74

CoDeX	2.40 226	0.78 192	13.21 226	1.00 120	1.18 244	3.24 86	1.32 259	4.14 272	2.41 246	1.74 93	1.84 178	2.05 175	1.47 157	10.03 308	1.60 196	0.34 162	0.28 196	0.32 132	0.27 122	0.32 96	0.39 175

LMCR-Stereo	2.40 226	1.31 301	18.61 309	1.59 313	0.86 175	3.87 197	1.15 238	4.32 327	1.60 106	2.25 229	2.27 258	1.13 55	2.43 283	2.48 143	1.60 196	0.88 353	0.24 152	0.29 80	0.24 78	0.56 267	0.30 95

CC-Net-ROB	3.35 325	1.76 336	13.89 240	2.33 370	1.65 333	4.49 319	1.62 297	4.73 373	2.90 314	1.92 127	2.05 223	1.99 166	1.61 188	12.57 385	1.60 196	2.46 380	2.18 388	2.68 390	1.04 366	2.11 375	1.38 358

GES	1.38 85	0.64 102	2.61 96	1.09 156	0.57 106	4.30 293	1.02 213	3.86 193	1.51 54	1.72 90	1.74 135	1.28 74	1.77 223	1.62 74	1.61 199	0.39 216	0.27 188	0.33 162	0.30 183	0.41 194	0.47 232

PS-NSSS	2.22 190	1.33 306	2.90 110	0.97 105	1.53 310	4.11 245	1.08 225	4.55 363	2.65 280	2.10 181	2.32 279	1.77 124	1.40 137	11.79 368	1.61 199	0.68 333	0.45 304	0.96 362	0.43 289	0.95 338	0.92 334

NLCA_NET_v2_RVC	2.54 249	1.04 254	16.73 278	1.53 301	2.00 362	3.96 217	0.87 163	3.87 195	2.31 227	2.54 281	1.67 117	2.85 251	1.63 203	5.55 217	1.62 201	0.46 264	0.33 233	0.38 228	0.38 265	0.53 256	0.62 287
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NOSS_ROB	2.27 200	0.73 165	3.00 113	1.71 327	1.00 216	3.90 199	0.97 205	4.29 313	2.81 307	2.94 324	2.19 248	3.88 319	1.19 108	11.77 367	1.62 201	0.59 314	0.54 326	0.56 315	0.52 316	0.56 267	0.54 266

DAS	2.31 212	0.67 127	4.79 150	1.14 178	1.64 330	2.93 66	2.13 331	4.09 257	2.74 290	4.17 364	2.52 294	2.46 215	1.79 226	11.55 352	1.63 203	0.37 191	0.22 101	0.39 231	0.25 86	0.41 194	0.34 129

SepStereo	2.15 185	0.67 127	4.79 150	1.14 178	1.64 330	2.93 66	2.13 331	4.09 257	2.74 290	4.17 364	2.52 294	2.46 215	1.79 226	8.36 267	1.63 203	0.37 191	0.22 101	0.39 231	0.25 86	0.41 194	0.34 129

SACVNet	2.46 233	1.14 271	9.47 195	1.44 284	1.18 244	4.06 233	1.49 286	3.84 187	2.24 212	2.62 295	1.89 194	2.57 224	1.28 120	11.35 346	1.64 205	0.50 290	0.39 279	0.48 278	0.41 283	0.55 261	0.75 313

ASMatch	2.62 258	0.60 72	20.65 368	1.37 272	0.64 122	4.39 301	0.78 114	1.97 23	1.58 91	1.70 86	3.89 352	1.94 153	3.79 336	5.46 214	1.64 205	0.31 125	0.24 152	0.34 178	0.28 146	0.33 111	0.50 247

HSM-Net_RVC	2.87 280	0.57 45	17.46 292	0.92 81	0.90 188	3.70 162	1.20 247	5.64 391	2.51 266	3.22 340	2.43 285	2.54 222	1.59 183	11.41 347	1.65 207	0.34 162	0.25 169	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
NVstereo2D	2.54 249	0.90 227	11.10 214	1.32 246	1.47 304	3.58 143	1.38 270	4.13 266	2.45 254	1.90 121	1.71 128	2.86 252	1.76 222	10.86 330	1.66 208	0.60 315	0.43 297	0.53 305	0.41 283	0.78 324	0.94 336

iResNet_ROB	1.89 143	1.02 249	8.60 184	1.39 276	0.98 206	3.72 165	0.66 62	3.84 187	2.65 280	1.88 115	2.05 223	1.98 164	1.27 117	4.52 199	1.67 209	0.30 108	0.20 55	0.28 65	0.18 9	0.31 73	0.40 192

MyStereo05	2.37 224	0.72 157	19.94 335	1.02 133	0.99 209	4.26 284	0.86 147	4.01 234	2.62 277	2.14 191	1.26 42	2.28 191	1.63 203	2.07 113	1.68 210	0.24 10	0.23 125	0.34 178	0.26 99	0.42 209	0.36 143

FADNet-RVC-Resample	2.83 275	2.02 346	21.07 376	1.12 170	0.91 189	3.53 132	1.37 268	4.08 255	2.09 186	1.68 83	1.33 54	2.03 171	1.51 169	9.54 292	1.69 211	0.38 205	0.37 265	0.42 250	0.44 291	0.56 267	0.56 271

dd	1.26 67	1.15 272	2.47 92	0.92 81	0.49 72	4.35 297	0.75 101	1.92 22	2.11 196	1.44 54	1.24 37	1.19 66	1.05 71	1.78 91	1.70 212	0.57 311	0.34 245	0.35 193	0.33 214	0.60 278	0.46 227

HSM	2.35 220	0.81 202	2.21 72	1.14 178	1.55 315	3.44 112	1.03 214	3.99 231	2.25 214	2.29 234	2.11 235	8.04 383	3.05 313	11.60 353	1.71 213	0.33 151	0.22 101	0.28 65	0.23 57	0.32 96	0.35 140

CFNet-ft	1.90 145	0.95 238	3.56 131	1.07 148	1.54 311	4.09 240	0.90 173	2.85 84	1.82 145	1.78 99	1.70 124	2.75 240	1.48 159	9.33 287	1.72 214	0.33 151	0.30 213	0.61 329	0.36 243	0.52 250	0.39 175

TDLM	2.29 208	1.08 260	4.61 149	1.29 237	1.01 217	4.26 284	2.17 333	3.75 171	2.79 297	2.31 243	1.98 209	2.06 177	1.59 183	12.45 382	1.72 214	0.51 296	0.28 196	0.52 303	0.35 235	0.56 267	0.50 247

CFNet_RVC	1.90 145	0.95 238	3.56 131	1.07 148	1.54 311	4.09 240	0.90 173	2.85 84	1.82 145	1.78 99	1.70 124	2.75 240	1.48 159	9.33 287	1.72 214	0.33 151	0.30 213	0.61 329	0.36 243	0.52 250	0.39 175

DeepPruner_ROB	2.05 175	1.09 263	10.50 209	1.01 124	1.20 255	4.39 301	0.91 181	3.14 103	1.72 131	2.60 292	1.54 88	2.78 247	1.27 117	4.52 199	1.72 214	0.51 296	0.40 284	0.37 216	0.34 221	0.48 240	0.52 258

GANet-RSSM	1.98 161	0.62 93	3.49 128	1.69 325	1.23 260	4.22 279	0.91 181	3.31 120	1.86 151	1.81 104	1.74 135	2.34 199	1.82 236	10.92 334	1.73 218	0.34 162	0.29 204	0.31 117	0.28 146	0.39 170	0.40 192

SQANet	3.70 334	9.34 397	18.41 305	2.75 375	2.74 378	3.40 109	1.47 281	3.50 136	1.68 121	2.60 292	1.75 139	2.69 234	1.91 247	6.72 244	1.74 219	2.96 383	1.41 378	1.85 378	1.12 368	3.17 380	2.70 386

GANetREF_RVC	3.20 317	1.93 341	18.84 312	1.51 297	0.80 156	4.12 247	1.82 314	4.16 276	2.91 315	1.87 113	1.74 135	2.48 217	1.84 238	13.18 387	1.74 219	0.80 345	0.57 331	0.79 354	0.74 345	1.20 361	0.86 328
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
IER	1.69 119	0.65 109	7.19 172	0.94 93	1.15 239	3.28 95	0.89 169	3.48 131	1.97 165	2.10 181	1.98 209	2.28 191	2.12 260	2.25 134	1.75 221	0.29 74	0.23 125	0.36 204	0.30 183	0.32 96	0.34 129

MyStereo04	2.29 208	0.80 198	18.77 311	1.00 120	1.04 222	3.95 212	0.95 198	3.91 208	2.54 270	1.99 145	1.27 48	2.31 197	1.65 208	2.02 112	1.77 222	0.24 10	0.24 152	0.34 178	0.26 99	0.41 194	0.37 157

GEStereo_RVC	1.91 147	0.80 198	6.57 165	1.20 207	1.06 226	4.02 228	1.43 280	4.13 266	1.89 157	2.03 167	1.80 154	2.34 199	1.86 241	4.94 205	1.77 222	0.48 277	0.38 271	0.32 132	0.28 146	0.42 209	0.50 247

stereogan	3.09 306	0.93 234	16.43 272	1.37 272	1.66 336	3.70 162	1.67 305	3.87 195	3.15 337	3.04 328	2.70 310	5.04 366	2.79 299	9.96 304	1.78 224	0.63 320	0.49 322	0.69 342	0.47 300	0.83 331	0.68 299

HHNet	2.48 238	0.71 154	20.52 363	0.64 3	0.64 122	4.07 238	0.93 192	3.76 173	1.56 83	2.15 196	4.92 361	0.98 44	3.37 326	1.66 81	1.79 225	0.32 140	0.20 55	0.31 117	0.27 122	0.36 153	0.42 200

PSMNet-RSSM	1.96 157	0.77 187	3.26 121	1.29 237	1.31 273	4.19 273	0.96 203	3.68 157	1.89 157	2.05 171	1.80 154	2.60 228	1.70 215	9.84 298	1.81 226	0.35 179	0.29 204	0.35 193	0.37 254	0.42 209	0.35 140

111	1.83 135	0.92 231	9.08 188	0.81 29	0.36 5	4.25 283	0.91 181	4.44 347	2.70 286	2.39 266	1.96 203	2.30 196	1.64 206	1.28 35	1.82 227	0.28 57	0.22 101	0.24 16	0.20 22	0.31 73	0.54 266

CFNet	2.34 218	1.10 264	8.96 187	1.34 254	1.24 262	4.09 240	0.73 85	4.04 244	2.77 294	1.62 73	1.87 188	2.27 190	1.45 152	11.41 347	1.82 227	0.31 125	0.24 152	0.43 254	0.36 243	0.43 217	0.33 119

cf-r	2.57 256	0.79 195	16.09 268	1.48 293	1.35 282	4.19 273	0.93 192	3.68 157	2.36 234	1.97 139	1.81 166	3.42 290	1.45 152	8.24 266	1.83 229	0.32 140	0.26 180	0.33 162	0.30 183	0.34 127	0.37 157

LL-Strereo	3.01 299	1.81 338	17.59 295	1.12 170	2.10 367	2.90 62	1.09 227	4.33 329	2.00 172	3.12 334	2.24 255	3.29 282	3.15 316	11.31 345	1.84 230	0.30 108	0.28 196	0.46 267	0.34 221	0.49 245	0.45 217

DDUNet	2.91 283	2.78 362	6.94 171	3.53 387	2.26 373	3.28 95	1.36 264	3.77 175	2.04 178	2.62 295	2.49 290	4.18 336	1.69 214	5.38 212	1.85 231	2.21 379	1.77 384	2.61 388	2.43 396	2.60 377	2.34 378

ac_64	2.35 220	0.62 93	9.77 197	1.32 246	1.71 341	3.27 92	0.93 192	3.48 131	2.50 263	1.74 93	1.73 133	3.91 320	1.77 223	10.21 312	1.86 232	0.40 222	0.31 221	0.33 162	0.30 183	0.34 127	0.39 175

MLCV	1.87 138	0.91 229	8.59 183	1.10 164	0.57 106	3.59 144	0.53 23	3.70 166	2.20 207	2.80 313	2.25 257	2.00 167	1.42 144	4.13 195	1.86 232	0.30 108	0.20 55	0.32 132	0.21 28	0.33 111	0.36 143

UPFNet	1.81 134	0.63 97	6.71 167	1.25 222	1.44 300	3.50 126	1.35 262	4.02 238	1.85 150	2.40 268	1.52 82	2.41 207	1.40 137	3.62 181	1.88 234	0.34 162	0.33 233	0.37 216	0.31 199	0.41 194	0.39 175

ACVNet	1.46 92	0.64 102	3.56 131	0.93 91	0.85 171	4.22 279	0.80 124	2.85 84	2.08 183	1.78 99	1.88 189	3.10 268	1.46 155	1.33 40	1.89 235	0.29 74	0.26 180	0.30 99	0.26 99	0.39 170	0.27 54

hitnet-ft	2.37 224	0.73 165	8.34 179	0.96 98	0.89 185	3.77 172	0.80 124	3.55 142	2.58 274	2.24 227	2.04 218	3.65 312	1.49 165	11.71 365	1.89 235	0.44 254	0.53 325	0.44 257	0.35 235	0.52 250	0.48 236

PSMNet-ADL	1.91 147	0.72 157	1.78 34	1.09 156	0.86 175	4.18 269	0.78 114	3.77 175	2.10 194	1.72 90	1.85 185	2.91 256	1.82 236	10.38 318	1.91 237	0.48 277	0.46 311	0.28 65	0.29 169	0.38 162	0.51 253

StereoVision	1.65 115	0.75 181	7.47 174	1.01 124	1.80 353	2.61 55	0.61 43	3.06 100	1.96 163	1.25 42	3.46 345	1.85 147	0.88 40	2.07 113	1.93 238	0.43 247	0.36 253	0.37 216	0.36 243	0.48 240	0.33 119

AASNet	2.44 230	0.92 231	19.79 330	1.35 258	1.49 305	3.81 180	1.07 222	3.85 190	2.93 317	1.95 135	2.29 263	1.96 160	1.29 122	1.73 88	1.93 238	0.39 216	0.33 233	0.45 263	0.30 183	0.55 261	0.45 217

FAT-Stereo	3.34 324	0.81 202	20.05 339	1.25 222	1.20 255	3.44 112	1.99 324	4.23 292	2.67 283	3.14 335	3.82 351	3.51 302	3.32 325	11.68 363	1.94 240	0.64 323	0.67 350	0.48 278	0.52 316	0.61 283	0.81 322

FADNet	2.49 240	1.76 336	13.17 225	1.17 197	0.95 198	3.27 92	0.88 167	3.94 217	2.27 219	1.40 51	1.29 51	2.51 220	2.06 256	9.93 303	1.94 240	0.43 247	0.45 304	0.40 237	0.43 289	1.06 346	0.53 260

gwcnet-sp	2.31 212	1.21 282	17.34 285	1.08 152	0.92 190	3.56 139	1.04 216	3.69 162	2.09 186	2.55 282	1.60 102	1.80 135	1.62 191	3.87 187	1.95 242	0.29 74	0.29 204	0.30 99	0.28 146	0.38 162	0.39 175

scenet	2.31 212	1.21 282	17.34 285	1.08 152	0.92 190	3.56 139	1.04 216	3.69 162	2.09 186	2.55 282	1.60 102	1.80 135	1.62 191	3.87 187	1.95 242	0.29 74	0.29 204	0.30 99	0.28 146	0.38 162	0.39 175

ssnet	2.31 212	1.21 282	17.34 285	1.08 152	0.92 190	3.56 139	1.04 216	3.69 162	2.09 186	2.55 282	1.60 102	1.80 135	1.62 191	3.87 187	1.95 242	0.29 74	0.29 204	0.30 99	0.28 146	0.38 162	0.39 175

ADLNet2	3.15 314	0.92 231	20.06 340	1.20 207	1.79 350	3.83 182	1.48 282	3.94 217	3.59 360	2.19 210	2.47 288	4.65 358	1.93 249	10.69 325	1.96 245	0.39 216	0.37 265	0.28 65	0.30 183	0.48 240	0.43 208

CBMV	3.32 323	0.96 244	21.16 380	1.32 246	0.83 167	3.81 180	3.91 384	4.47 352	2.53 268	3.34 344	2.24 255	4.45 347	2.58 292	10.07 310	1.96 245	0.45 260	0.43 297	0.48 278	0.38 265	0.52 250	0.53 260
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
DMCA	1.72 121	0.74 172	6.63 166	1.14 178	0.96 199	3.98 222	0.90 173	3.75 171	2.76 293	2.83 316	1.58 95	2.35 201	1.18 104	1.58 63	1.98 247	0.40 222	0.27 188	0.42 250	0.26 99	0.36 153	0.38 170

DMCA-RVC	2.45 231	1.22 288	18.29 301	1.23 218	1.14 237	2.49 50	0.85 145	3.29 118	1.68 121	3.02 327	1.41 67	2.00 167	1.53 178	6.39 233	2.00 248	0.38 205	0.30 213	0.44 257	0.35 235	0.45 228	0.44 212

MFMNet_re	2.91 283	1.91 340	18.25 300	3.06 381	1.89 357	3.13 79	1.67 305	3.52 139	2.97 319	3.14 335	2.87 322	2.26 189	2.41 281	2.42 138	2.00 248	1.10 362	1.05 367	0.94 361	0.90 358	1.28 363	1.46 362

iRaft-Stereo_5w	2.10 181	0.83 212	8.57 182	0.81 29	0.76 151	3.21 81	0.84 139	3.71 167	1.65 117	1.56 64	2.50 291	2.20 187	2.23 271	9.13 283	2.01 250	0.38 205	0.19 38	0.35 193	0.27 122	0.45 228	0.39 175

Wz-Net-LNSev	2.30 211	1.67 332	14.88 253	1.18 202	1.65 333	3.49 123	1.54 292	3.63 150	2.03 175	1.88 115	1.64 111	3.29 282	2.06 256	2.71 164	2.02 251	0.40 222	0.33 233	0.32 132	0.31 199	0.53 256	0.49 240

dad	1.65 115	1.19 279	3.04 115	0.98 108	0.56 97	4.22 279	0.84 139	1.99 24	2.48 258	2.14 191	1.68 119	1.62 109	1.13 93	3.85 186	2.04 252	1.03 360	0.40 284	2.04 379	0.48 304	0.75 320	0.53 260

HGLStereo	2.03 170	0.74 172	7.50 175	1.23 218	1.56 318	3.62 150	0.95 198	3.78 178	1.89 157	2.03 167	2.20 250	3.12 271	2.14 262	5.68 221	2.04 252	0.37 191	0.31 221	0.32 132	0.29 169	0.40 173	0.45 217

GwcNet-RSSM	2.66 263	1.05 255	15.91 266	1.22 215	1.19 250	4.12 247	1.12 232	3.84 187	2.02 173	1.93 131	1.79 151	3.12 271	1.46 155	10.37 316	2.05 254	0.33 151	0.27 188	0.35 193	0.30 183	0.40 173	0.36 143

Consistency-Raft	2.86 277	1.66 330	19.61 325	1.40 278	1.75 345	3.84 187	1.32 259	4.07 251	2.25 214	1.78 99	2.67 307	1.82 139	4.41 348	1.94 106	2.06 255	0.83 350	0.94 365	1.03 364	1.12 368	1.70 372	1.09 344

RAFT + AFF	2.51 243	2.66 361	4.48 147	1.15 191	1.95 360	4.15 254	2.01 325	4.46 351	3.30 351	2.19 210	2.51 293	2.22 188	4.87 355	8.91 278	2.06 255	0.30 108	0.60 340	0.48 278	0.38 265	0.77 322	0.69 301

FADNet-RVC	2.51 243	2.27 351	14.03 242	1.09 156	0.81 158	3.54 136	1.10 229	4.13 266	2.48 258	1.39 50	1.22 34	1.85 147	1.77 223	9.78 297	2.06 255	0.38 205	0.37 265	0.40 237	0.40 279	0.67 303	0.48 236

NCCL2	2.53 247	1.35 307	10.90 213	1.15 191	0.97 202	3.53 132	2.56 345	3.65 152	2.23 210	2.76 309	1.80 154	2.41 207	1.66 210	10.35 315	2.07 258	0.44 254	0.40 284	0.57 317	0.53 320	0.59 274	0.65 294

ETE_ROB	2.07 178	1.40 313	3.01 114	1.09 156	0.92 190	3.94 207	1.53 289	4.25 300	2.23 210	3.31 342	2.06 227	2.35 201	1.52 171	8.74 274	2.07 258	0.44 254	0.36 253	0.51 297	0.48 304	0.54 259	0.62 287

ADLNet	2.29 208	0.83 212	3.62 136	1.35 258	1.60 324	3.67 159	1.24 253	3.95 219	2.98 322	2.58 288	2.29 263	4.01 326	1.79 226	11.23 343	2.09 260	0.37 191	0.38 271	0.36 204	0.34 221	0.45 228	0.71 302

RainbowNet	4.56 356	8.28 386	20.07 342	3.64 391	3.23 390	4.15 254	2.99 360	4.18 277	3.03 327	2.20 212	2.65 306	4.26 341	2.90 304	9.77 295	2.12 261	3.88 396	2.27 391	2.71 392	1.72 384	3.78 388	3.31 395

delet	1.92 150	0.76 184	5.14 153	1.01 124	1.65 333	3.44 112	2.03 326	3.76 173	2.48 258	2.01 159	2.05 223	2.63 232	1.90 246	5.34 211	2.12 261	0.28 57	0.29 204	0.40 237	0.31 199	0.41 194	0.45 217

PDISCO_ROB	2.86 277	1.53 322	14.27 247	1.98 354	2.19 369	4.52 327	1.35 262	4.65 369	3.19 340	2.09 178	2.16 243	3.53 304	2.45 285	5.32 210	2.12 261	1.30 373	0.78 360	0.72 349	0.59 331	1.24 362	1.28 351

SMFormer	2.00 165	0.57 45	4.46 143	1.36 264	0.57 106	2.03 32	0.73 85	4.25 300	2.80 301	2.32 247	2.31 274	1.95 155	1.52 171	10.99 337	2.13 264	0.34 162	0.32 227	0.36 204	0.31 199	0.38 162	0.36 143

tta	2.00 165	0.57 45	4.46 143	1.36 264	0.57 106	2.03 32	0.73 85	4.25 300	2.80 301	2.32 247	2.31 274	1.95 155	1.52 171	10.99 337	2.13 264	0.34 162	0.32 227	0.36 204	0.31 199	0.29 42	0.29 74

otaku	4.58 358	8.93 392	19.95 336	3.11 382	2.67 376	3.91 200	2.57 346	3.82 183	2.25 214	2.22 221	9.72 386	4.08 330	2.35 278	8.57 271	2.13 264	3.51 390	1.65 382	2.15 382	1.17 371	3.69 386	3.15 390

iResNet	2.52 246	0.94 237	21.17 381	1.84 343	0.72 142	3.75 169	0.81 129	4.14 272	2.55 271	2.33 253	2.03 215	1.35 81	1.44 148	3.27 174	2.16 267	0.35 179	0.23 125	0.28 65	0.22 49	0.44 221	0.45 217

PASM	2.67 265	2.05 348	9.71 196	1.73 330	1.37 285	2.53 51	1.52 287	3.10 101	2.17 203	2.79 312	1.84 178	2.90 254	1.85 240	11.89 373	2.19 268	0.81 347	0.85 362	0.87 359	1.01 363	1.14 354	1.05 341

acv_ft	1.55 97	0.64 102	3.29 122	1.14 178	2.01 363	2.93 66	0.97 205	3.81 182	2.08 183	2.22 221	1.88 189	3.10 268	1.66 210	1.33 40	2.22 269	0.29 74	0.26 180	0.30 99	0.26 99	0.39 170	0.27 54

Ntro	4.21 351	8.94 393	19.89 334	3.22 383	2.96 382	4.15 254	1.89 318	3.92 213	2.36 234	1.77 97	2.14 240	3.35 287	2.17 267	9.48 291	2.24 270	3.52 391	1.76 383	2.13 381	1.31 375	3.83 389	3.09 388

DSFCA	1.89 143	0.69 134	3.14 118	1.10 164	1.18 244	3.99 223	1.79 310	3.50 136	2.16 201	3.10 332	1.64 111	2.91 256	2.50 287	5.38 212	2.26 271	0.43 247	0.38 271	0.37 216	0.36 243	0.50 246	0.42 200

StereoDRNet-Refined	1.77 130	0.81 202	2.22 73	1.21 212	0.76 151	3.26 90	0.71 79	3.82 183	2.05 180	2.29 234	2.05 223	2.98 259	1.44 148	7.15 250	2.27 272	0.30 108	0.23 125	0.42 250	0.33 214	0.45 228	0.64 292
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DGSMNet	7.55 391	1.62 324	17.42 290	1.92 349	12.73 409	7.45 394	42.99 420	4.13 266	2.07 182	2.10 181	3.16 336	3.42 290	1.70 215	9.24 286	2.30 273	3.70 394	10.89 417	11.80 417	5.54 408	4.24 392	2.66 382

fast-acv-ft	2.54 249	1.19 279	20.08 343	1.41 279	1.40 292	3.18 80	1.17 242	3.37 127	2.28 222	1.90 121	2.15 242	2.69 234	2.17 267	2.91 168	2.31 274	0.37 191	0.39 279	0.45 263	0.39 269	0.57 271	0.45 217

MMNet	2.02 169	0.81 202	10.76 211	1.12 170	1.23 260	3.53 132	0.89 169	3.79 179	2.08 183	2.15 196	1.76 141	2.15 185	2.12 260	3.69 183	2.32 275	0.31 125	0.29 204	0.34 178	0.27 122	0.38 162	0.42 200

CBMV_ROB	3.62 331	0.70 144	21.42 388	1.21 212	0.89 185	4.43 310	1.76 309	4.39 339	2.79 297	5.88 380	3.38 342	4.18 336	5.12 357	10.75 326	2.32 275	0.56 309	0.55 328	0.53 305	0.51 313	0.55 261	0.46 227

CBFPSM	2.05 175	0.95 238	10.12 204	1.07 148	1.05 224	2.84 58	1.20 247	3.28 117	1.73 133	1.82 106	1.30 52	4.56 353	4.06 341	2.34 137	2.34 277	0.25 18	0.38 271	0.32 132	0.27 122	0.37 158	0.79 321

FADNet_RVC	2.65 261	2.28 353	16.51 274	0.98 108	0.92 190	4.09 240	0.83 136	4.26 307	1.73 133	1.46 55	1.78 148	1.60 106	1.50 166	8.88 276	2.39 278	0.47 272	0.38 271	0.44 257	0.58 329	0.89 334	0.97 337

edge stereo	3.37 326	1.01 248	21.99 397	1.28 234	1.37 285	2.67 56	1.39 271	3.98 227	2.87 312	2.93 320	3.27 340	4.35 344	2.43 283	11.62 355	2.39 278	0.60 315	0.63 345	0.79 354	0.55 323	0.68 306	0.67 297

UDG	3.55 329	2.81 363	17.45 291	2.69 374	1.98 361	3.97 220	1.19 246	4.35 333	2.02 173	2.42 270	2.53 296	4.50 349	2.46 286	6.53 235	2.41 280	2.12 378	1.77 384	2.63 389	2.57 398	2.64 378	1.95 372

GASNet	3.24 318	5.55 379	20.58 366	1.56 310	1.25 265	2.32 46	1.12 232	4.04 244	2.67 283	1.88 115	2.10 231	3.00 261	2.16 265	10.59 321	2.43 281	0.65 326	0.37 265	0.61 329	0.45 295	0.87 333	0.58 279

ACVNet_1	6.04 380	13.97 411	21.36 386	3.58 389	3.14 387	4.73 364	2.48 341	4.20 280	3.17 338	2.98 326	2.83 321	23.31 405	4.34 347	11.06 341	2.45 282	3.68 392	2.33 393	2.60 387	1.79 386	3.69 386	3.19 392

GwcNet	3.00 298	1.63 326	19.83 332	1.32 246	2.04 366	3.27 92	1.55 293	3.65 152	2.33 229	2.00 157	2.12 238	3.56 308	1.68 213	9.47 290	2.45 282	0.44 254	0.45 304	0.46 267	0.38 265	0.60 278	0.76 315

psmorigin	6.59 383	1.15 272	88.11 429	1.52 298	0.97 202	2.88 61	1.20 247	3.21 110	2.04 178	3.73 353	2.46 286	5.15 369	2.55 290	10.60 322	2.47 284	0.55 307	0.68 353	0.48 278	0.51 313	0.70 309	0.88 332

iinet-f	2.26 198	1.18 277	13.71 232	1.14 178	1.11 234	3.77 172	1.10 229	4.14 272	2.17 203	2.06 174	1.76 141	2.99 260	2.99 307	2.50 144	2.49 285	0.35 179	0.39 279	0.27 51	0.28 146	0.45 228	0.39 175

DLCB_ROB	2.05 175	0.95 238	2.37 86	1.24 220	1.02 218	2.92 65	1.30 257	3.68 157	2.30 225	2.91 318	2.17 245	3.32 285	1.52 171	10.37 316	2.50 286	0.40 222	0.33 233	0.40 237	0.36 243	0.41 194	0.47 232

UNet	2.51 243	0.74 172	20.17 346	1.14 178	1.44 300	3.48 121	0.76 102	3.77 175	1.87 152	2.05 171	1.57 94	2.75 240	2.39 280	3.51 178	2.51 287	0.32 140	0.26 180	0.41 244	0.26 99	0.38 162	0.39 175

S-Stereo	3.48 328	0.91 229	22.06 398	1.36 264	1.50 307	3.55 137	2.53 344	4.21 284	2.81 307	2.37 261	3.81 350	3.75 313	1.84 238	11.90 374	2.51 287	0.63 320	0.71 355	0.48 278	0.76 347	0.67 303	1.19 349

SDNR	3.97 344	1.93 341	20.28 353	1.31 244	0.94 196	5.16 377	0.67 63	4.33 329	2.58 274	4.82 375	5.94 366	5.01 365	1.45 152	17.52 403	2.53 289	0.79 343	0.72 356	0.59 321	0.45 295	1.15 356	1.17 347

APVNet	3.13 311	1.25 295	21.14 378	1.31 244	1.52 309	3.94 207	1.13 235	3.32 124	2.14 198	2.20 212	2.03 215	3.05 267	1.96 250	11.79 368	2.53 289	0.42 242	0.45 304	0.64 336	0.46 297	0.67 303	0.57 275

Syn2CoEx	3.08 305	2.55 360	19.88 333	1.34 254	1.18 244	2.43 49	1.65 303	3.91 208	2.40 244	2.39 266	2.27 258	2.90 254	3.17 319	9.57 293	2.54 291	0.50 290	0.45 304	0.53 305	0.39 269	0.74 318	0.72 308

Nwc_Net	2.88 282	1.16 275	18.30 302	1.35 258	1.68 338	3.52 131	1.18 243	3.90 204	2.06 181	2.52 280	2.82 320	3.82 317	2.34 277	6.78 245	2.55 292	0.86 352	0.40 284	0.59 321	0.67 338	0.57 271	0.55 269

HITNet	2.07 178	0.82 209	14.77 250	1.34 254	0.56 97	3.47 119	0.80 124	4.07 251	2.35 232	2.16 200	1.61 106	1.64 110	1.44 148	2.09 118	2.56 293	0.26 25	0.18 24	0.41 244	0.26 99	0.45 228	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
RP	2.79 273	1.20 281	10.36 206	1.54 303	1.93 359	3.44 112	1.97 322	4.05 248	2.34 230	2.66 302	2.79 315	3.98 324	2.58 292	10.21 312	2.61 294	0.95 356	0.47 315	0.71 345	0.57 328	0.71 314	0.68 299

RASNet	2.56 254	0.70 144	10.06 202	1.60 315	2.25 372	3.67 159	1.00 209	3.38 128	3.14 335	1.81 104	2.11 235	4.60 354	2.30 273	10.25 314	2.61 294	0.37 191	0.24 152	0.25 26	0.24 78	0.28 34	0.26 42

RGC	3.10 309	1.45 317	14.90 254	1.46 289	1.79 350	3.33 101	1.39 271	4.04 244	2.26 217	2.77 310	3.26 339	4.00 325	2.71 297	11.63 360	2.62 296	0.82 348	0.46 311	0.79 354	0.79 353	0.71 314	0.78 319

PWCDC_ROB	2.95 286	3.26 366	14.06 243	1.59 313	1.56 318	4.19 273	0.86 147	4.30 320	4.08 372	2.06 174	7.37 368	2.75 240	2.42 282	3.59 180	2.67 297	1.34 375	0.36 253	0.39 231	0.34 221	1.13 353	0.62 287

MFN_U_SF_DS_RVC	3.94 342	10.88 403	12.30 221	1.26 228	1.55 315	5.19 378	3.33 369	4.42 343	2.82 309	2.58 288	2.62 303	5.00 364	2.11 259	14.03 399	2.73 298	1.28 370	2.34 394	0.67 341	1.83 387	0.81 328	1.03 340

Wz-Net-MNSev	2.71 271	2.54 359	13.91 241	1.52 298	1.37 285	3.28 95	2.47 340	4.03 240	2.32 228	2.57 286	2.07 229	2.29 195	3.01 309	7.55 258	2.74 299	0.38 205	0.36 253	0.36 204	0.37 254	0.57 271	0.47 232

AF-Net	2.87 280	1.30 299	16.24 269	1.33 250	1.75 345	3.26 90	1.59 295	4.09 257	2.43 250	2.69 304	2.94 323	4.51 350	3.20 320	5.84 224	2.75 300	0.76 341	0.36 253	0.72 349	0.49 307	0.70 309	0.56 271

PSMNet_ROB	2.95 286	1.38 310	18.46 308	1.19 204	1.20 255	3.80 178	1.65 303	3.54 141	2.35 232	1.98 140	1.71 128	2.75 240	1.79 226	11.43 349	2.78 301	0.42 242	0.36 253	0.50 294	0.60 332	0.59 274	0.49 240

DRN-Test	3.03 301	0.99 246	18.18 299	1.35 258	1.60 324	3.59 144	1.48 282	4.13 266	2.45 254	3.47 349	1.92 200	2.58 227	2.53 289	10.88 331	2.80 302	0.39 216	0.36 253	0.44 257	0.41 283	0.55 261	0.57 275

FINET	2.96 289	1.07 258	23.18 404	1.29 237	1.86 355	2.03 32	1.52 287	4.30 320	4.71 377	2.23 225	2.34 281	1.65 111	1.48 159	5.89 225	2.81 303	0.51 296	0.47 315	0.49 291	0.40 279	0.59 274	0.49 240

PA-Net	3.09 306	1.24 293	18.84 312	1.38 274	1.19 250	3.42 110	1.75 308	3.89 199	3.27 350	1.88 115	2.10 231	3.03 263	1.88 245	11.60 353	2.88 304	0.40 222	0.54 326	0.44 257	0.62 336	0.52 250	1.02 339
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
Anonymous Stereo	3.09 306	3.14 364	16.69 277	1.52 298	1.25 265	3.33 101	2.95 356	4.02 238	2.42 249	2.35 255	2.04 218	2.57 224	1.27 117	11.88 372	2.92 305	0.49 287	0.49 322	0.57 317	0.56 325	0.70 309	0.65 294

ssnet_v2	2.04 172	0.88 224	7.87 176	1.20 207	0.87 177	3.86 195	1.64 300	4.01 234	2.60 276	2.61 294	1.96 203	3.79 315	1.71 217	2.20 128	2.96 306	0.41 232	0.35 249	0.42 250	0.37 254	0.55 261	0.52 258

NCC-stereo	3.16 315	1.28 297	18.31 303	1.25 222	1.75 345	4.06 233	1.40 273	3.89 199	2.22 208	2.72 306	2.55 297	3.49 300	2.65 295	9.91 301	2.99 307	1.29 371	0.65 347	0.64 336	0.86 356	0.65 295	0.71 302

Abc-Net	3.16 315	1.28 297	18.31 303	1.25 222	1.75 345	4.06 233	1.40 273	3.89 199	2.22 208	2.72 306	2.55 297	3.49 300	2.65 295	9.91 301	2.99 307	1.29 371	0.65 347	0.64 336	0.86 356	0.65 295	0.71 302
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RYNet	2.97 293	0.93 234	15.09 259	1.12 170	1.38 289	3.66 158	1.42 278	4.03 240	2.29 224	2.10 181	1.70 124	3.79 315	2.16 265	13.64 395	3.02 309	0.37 191	0.41 290	0.48 278	0.34 221	0.81 328	0.75 313

BEATNet_4x	1.92 150	1.36 308	8.75 186	1.20 207	0.56 97	3.46 117	1.03 214	4.00 233	2.43 250	2.25 229	1.70 124	2.10 182	1.59 183	2.57 155	3.05 310	0.37 191	0.22 101	0.47 270	0.29 169	0.60 278	0.40 192

StereoDRNet	2.84 276	1.49 320	14.48 249	1.33 250	1.57 322	3.44 112	2.06 327	3.69 162	2.36 234	3.26 341	1.84 178	2.79 249	1.80 231	10.88 331	3.16 311	0.41 232	0.33 233	0.39 231	0.36 243	0.59 274	0.58 279

Wz-Net-LNSev-Ref	2.42 228	1.47 318	14.14 244	1.30 242	1.35 282	3.51 128	1.64 300	4.04 244	2.10 194	2.46 272	1.88 189	2.28 191	2.51 288	4.73 204	3.17 312	0.38 205	0.19 38	0.35 193	0.20 22	0.40 173	0.36 143

LALA_ROB	1.95 155	1.48 319	3.11 117	1.05 142	0.98 206	3.99 223	1.82 314	4.44 347	2.28 222	3.31 342	1.85 185	2.76 246	1.67 212	4.04 194	3.23 313	0.46 264	0.41 290	0.55 313	0.52 316	0.60 278	0.57 275

XPNet_ROB	2.27 200	1.11 267	4.10 140	1.36 264	0.97 202	3.94 207	1.63 298	4.07 251	2.14 198	2.82 315	2.00 212	2.32 198	1.73 221	10.81 329	3.39 314	0.51 296	0.47 315	0.48 278	0.40 279	0.51 247	0.56 271

ccnet	2.66 263	0.97 245	8.01 177	1.54 303	1.24 262	3.75 169	2.18 334	4.07 251	2.41 246	2.66 302	3.25 338	2.87 253	2.31 276	9.89 300	3.50 315	0.78 342	0.75 359	0.71 345	0.67 338	0.76 321	0.81 322

LVE	6.88 388	9.31 396	21.14 378	3.61 390	3.18 389	4.49 319	2.79 350	10.21 398	11.69 397	3.16 338	11.53 393	18.33 399	4.31 346	11.66 361	3.52 316	4.45 402	2.93 399	2.56 386	1.91 390	3.62 383	3.16 391

DISCO	2.25 196	0.73 165	10.06 202	1.76 332	1.12 235	3.47 119	1.25 254	3.24 115	2.26 217	2.65 301	1.96 203	4.53 351	1.92 248	4.17 197	3.61 317	0.32 140	0.25 169	0.31 117	0.29 169	0.66 300	0.41 197

SHD	2.82 274	2.04 347	13.80 238	1.69 325	1.79 350	2.73 57	1.07 222	3.85 190	3.18 339	4.63 372	2.74 311	3.38 289	2.77 298	5.48 216	3.66 318	0.62 319	0.47 315	0.51 297	0.55 323	0.65 295	0.74 310

MDST_ROB	5.53 372	0.59 63	23.11 402	2.55 373	2.69 377	21.20 411	1.98 323	4.77 375	2.65 280	9.36 397	4.25 354	4.14 334	4.45 349	22.57 406	3.68 319	0.48 277	0.33 233	0.47 270	0.44 291	0.44 221	0.44 212

Wz-Net-SNSev	2.98 295	4.36 372	15.98 267	1.57 311	1.19 250	3.28 95	1.80 312	3.96 224	2.40 244	2.32 247	2.28 261	3.48 293	2.05 255	7.84 263	3.82 320	0.47 272	0.39 279	0.53 305	0.49 307	0.71 314	0.60 283

DANet	2.63 259	1.07 258	8.10 178	1.83 342	1.70 340	3.25 89	1.16 239	4.31 323	2.38 241	3.40 347	2.18 246	4.08 330	1.80 231	9.77 295	3.89 321	0.52 302	0.55 328	0.59 321	0.44 291	0.63 286	0.86 328
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
LSM	12.71 404	3.52 369	20.79 369	55.63 427	84.76 425	3.63 156	6.30 390	3.73 169	4.93 381	5.55 377	13.92 400	3.53 304	3.25 322	9.72 294	4.12 322	0.64 323	0.85 362	0.71 345	0.81 354	1.03 344	26.84 417

Dean	7.52 390	9.08 394	21.41 387	3.74 392	3.53 391	4.81 371	3.53 374	5.33 387	5.25 383	4.17 364	26.53 411	25.62 411	4.09 343	10.97 335	4.32 323	3.69 393	2.30 392	2.91 393	1.87 389	4.03 391	3.24 394

MSC_U_SF_DS_RVC	4.48 355	10.62 401	15.18 262	1.55 308	1.45 303	6.16 384	3.54 376	5.41 389	3.68 364	2.59 291	2.74 311	4.81 360	2.20 270	13.79 396	4.40 324	2.04 377	3.36 407	1.05 366	1.20 373	2.09 374	1.72 367

PWC_ROB	2.69 269	2.01 345	8.36 180	1.33 250	1.90 358	3.23 84	1.18 243	4.33 329	3.25 346	3.11 333	3.41 343	2.71 236	2.18 269	9.15 284	4.48 325	0.56 309	0.31 221	0.61 329	0.36 243	0.69 308	0.74 310

MSMD_ROB	5.61 373	1.08 260	16.68 276	1.21 212	0.83 167	10.14 398	2.07 329	3.93 214	6.22 390	10.37 403	8.03 373	22.22 404	9.45 393	11.66 361	4.52 326	0.66 328	0.58 335	0.66 339	0.68 341	0.65 295	0.63 290

aanetorigin	3.30 321	1.66 330	17.52 294	1.18 202	1.58 323	2.57 53	3.80 381	2.65 73	2.03 175	6.12 383	4.30 356	2.82 250	5.70 364	5.47 215	4.67 327	0.50 290	0.44 300	0.43 254	0.47 300	1.17 358	0.92 334

XQC	2.96 289	2.42 354	14.85 251	1.36 264	1.32 277	3.29 99	1.53 289	4.28 312	2.78 295	3.21 339	2.46 286	3.53 304	2.92 305	6.58 236	4.67 327	0.70 337	0.41 290	0.59 321	0.56 325	0.96 342	0.83 327

GANet	2.93 285	1.05 255	11.29 216	1.64 320	0.96 199	3.91 200	2.52 343	3.72 168	2.41 246	2.95 325	3.00 326	3.21 275	2.03 252	12.42 381	4.72 329	0.51 296	0.41 290	0.46 267	0.39 269	0.60 278	0.50 247

ACVNet_2	5.41 370	12.60 406	20.42 360	3.27 384	3.15 388	4.50 322	3.02 361	4.66 370	3.73 365	3.35 346	5.36 363	7.86 382	2.88 302	12.33 380	4.76 330	3.12 386	2.22 389	2.70 391	1.69 381	3.49 382	3.10 389

SAMSARA	3.55 329	2.16 350	14.18 245	1.86 346	1.49 305	4.62 343	2.65 348	3.58 147	2.80 301	7.05 387	3.05 329	5.16 370	4.07 342	9.18 285	4.80 331	0.64 323	0.67 350	0.59 321	0.68 341	0.89 334	0.91 333

NVStereoNet_ROB	4.91 364	1.40 313	16.46 273	1.47 292	1.72 343	3.46 117	1.96 321	3.89 199	3.61 361	2.90 317	24.61 410	4.81 360	4.49 350	13.57 393	4.87 332	1.33 374	1.29 376	1.70 377	1.68 380	1.41 368	1.66 364
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MFN_U_SF_RVC	3.81 338	10.78 402	15.01 257	1.84 343	1.39 290	3.73 167	1.63 298	4.05 248	3.26 347	2.91 318	2.38 283	4.36 346	3.65 334	8.43 269	4.91 333	1.11 364	1.04 366	0.99 363	1.31 375	1.58 369	1.75 369

G-Net	4.11 348	1.21 282	19.47 323	2.31 369	2.94 381	4.74 367	2.95 356	3.33 126	2.14 198	4.44 370	9.43 384	6.93 379	3.84 337	9.01 281	4.92 334	0.79 343	0.80 361	0.70 344	0.50 311	0.95 338	0.87 331

DispFullNet	4.64 359	3.48 368	23.95 407	3.99 393	3.03 383	3.35 103	1.06 220	4.18 277	2.80 301	6.33 384	2.94 323	4.04 328	7.81 386	3.92 191	5.16 335	2.75 381	1.61 381	3.10 397	2.68 401	3.32 381	3.31 395

AANet_RVC	3.03 301	1.72 333	12.78 223	1.17 197	1.12 235	3.79 177	1.10 229	3.86 193	3.13 333	2.62 295	4.26 355	3.96 323	1.41 141	11.43 349	5.23 336	0.94 355	0.47 315	0.34 178	0.23 57	0.40 173	0.55 269

PVD	3.12 310	1.97 344	12.80 224	1.79 339	1.63 328	3.83 182	1.34 261	3.48 131	3.88 367	5.77 378	3.56 346	3.45 292	3.29 323	5.58 220	5.30 337	0.71 339	0.69 354	0.74 352	0.77 349	0.79 326	1.13 346

IMH-64-1	4.84 362	2.53 357	6.83 168	4.30 398	3.74 393	4.81 371	6.05 388	5.30 384	3.92 368	3.95 358	8.33 375	5.08 367	6.06 369	8.96 279	6.30 338	4.57 404	2.96 401	3.04 394	2.12 393	4.28 393	3.62 398

IMH-64	4.84 362	2.53 357	6.83 168	4.30 398	3.74 393	4.81 371	6.05 388	5.30 384	3.92 368	3.95 358	8.33 375	5.08 367	6.06 369	8.96 279	6.30 338	4.57 404	2.96 401	3.04 394	2.12 393	4.28 393	3.62 398

RTSC	2.95 286	2.51 355	15.49 265	1.54 303	1.30 271	3.51 128	0.86 147	3.89 199	2.48 258	3.64 350	3.12 333	3.04 264	2.30 273	5.70 222	6.67 340	0.55 307	0.35 249	0.37 216	0.39 269	0.70 309	0.60 283

RTS	3.90 340	7.04 383	17.94 297	1.92 349	2.19 369	5.00 375	2.96 358	4.29 313	3.19 340	4.05 360	3.08 330	4.94 362	3.16 317	7.64 259	6.72 341	0.66 328	0.44 300	0.51 297	0.47 300	0.95 338	0.76 315

RTSA	3.90 340	7.04 383	17.94 297	1.92 349	2.19 369	5.00 375	2.96 358	4.29 313	3.19 340	4.05 360	3.08 330	4.94 362	3.16 317	7.64 259	6.72 341	0.66 328	0.44 300	0.51 297	0.47 300	0.95 338	0.76 315

IMH	6.81 387	13.66 409	20.41 359	4.33 400	3.74 393	5.50 380	3.06 363	5.49 390	6.22 390	4.64 373	10.35 388	9.30 386	8.03 389	13.61 394	6.81 343	4.80 407	2.99 404	3.09 396	2.12 393	4.36 395	3.61 397

CSAN	4.71 360	1.39 312	20.23 348	1.19 204	0.87 177	3.65 157	3.50 373	4.57 365	3.87 366	3.89 356	7.82 371	3.54 307	6.16 372	23.47 411	6.82 344	0.52 302	0.45 304	0.49 291	0.52 316	0.63 286	0.66 296

SGM_RVC	4.57 357	0.72 157	17.46 292	1.84 343	0.58 112	4.23 282	3.45 371	4.66 370	3.66 363	7.99 392	8.82 382	7.56 381	8.74 392	12.30 378	6.84 345	0.43 247	0.38 271	0.39 231	0.35 235	0.51 247	0.48 236
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPrunerF	3.70 334	1.72 333	14.87 252	1.33 250	1.74 344	3.70 162	1.55 293	4.20 280	14.00 400	2.02 163	1.77 146	2.74 238	2.30 273	10.88 331	6.88 346	0.68 333	0.60 340	0.78 353	0.78 352	0.81 328	0.71 302

MADNet+	3.97 344	9.54 398	13.83 239	1.87 347	1.69 339	4.19 273	2.87 354	4.80 376	4.10 373	2.51 279	2.67 307	4.55 352	3.41 328	8.72 273	6.92 347	1.25 368	1.27 375	1.04 365	0.93 360	1.39 367	1.85 370

MeshStereo	5.35 369	1.32 303	21.34 385	1.34 254	1.15 239	4.40 305	3.90 383	5.18 381	4.55 375	10.14 402	11.82 394	11.47 389	5.84 366	13.84 397	7.03 348	0.61 317	0.58 335	0.60 326	0.58 329	0.72 317	0.59 282
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
FBW_ROB	3.24 318	1.02 249	9.21 194	1.49 295	1.07 228	3.78 174	1.48 282	4.31 323	3.08 330	2.46 272	2.32 279	4.20 339	2.08 258	15.19 401	7.16 349	0.84 351	0.62 343	1.33 374	0.92 359	0.99 343	1.31 353

WZ-Net	3.62 331	4.87 374	16.77 280	1.43 282	1.40 292	3.75 169	2.29 337	4.12 265	2.50 263	2.74 308	2.19 248	4.06 329	5.29 360	10.19 311	7.36 350	0.54 306	0.37 265	0.47 270	0.49 307	0.77 322	0.73 309

tt	7.19 389	0.51 10	6.83 168	4.03 394	2.30 374	12.05 402	20.19 411	15.46 410	6.58 393	3.42 348	3.22 337	5.37 371	6.39 376	4.20 198	7.46 351	9.81 412	11.53 418	7.05 410	7.46 411	6.31 402	3.71 400

Wz-Net-TNSev	3.67 333	8.83 389	13.47 230	1.48 293	1.18 244	3.60 146	2.49 342	4.27 308	3.13 333	2.18 206	1.89 194	4.21 340	2.80 300	12.10 376	7.58 352	0.57 311	0.55 328	0.47 270	0.54 322	0.91 337	1.05 341

WAO-8	11.95 401	13.02 407	20.56 364	3.50 385	3.08 385	15.11 408	2.80 351	12.91 403	19.11 409	7.69 389	13.12 396	11.62 390	7.01 381	84.40 431	7.91 353	3.42 388	1.92 386	3.54 403	1.93 391	3.68 384	2.69 384

Venus	11.95 401	13.02 407	20.56 364	3.50 385	3.08 385	15.11 408	2.80 351	12.91 403	19.11 409	7.69 389	13.12 396	11.62 390	7.01 381	84.40 431	7.91 353	3.42 388	1.92 386	3.54 403	1.93 391	3.68 384	2.69 384

SGM-Forest	2.96 289	0.62 93	3.49 128	1.09 156	0.80 156	4.06 233	3.30 367	4.37 337	3.09 331	4.18 367	3.27 340	4.67 359	3.86 338	11.69 364	7.91 353	0.51 296	0.46 311	0.49 291	0.39 269	0.48 240	0.49 240
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
PWCK	5.85 377	9.95 399	15.22 263	2.90 378	1.56 318	5.66 383	7.69 394	5.27 383	4.74 379	3.88 355	7.51 369	8.04 383	5.28 359	15.18 400	8.40 356	3.08 385	1.51 379	2.24 383	1.37 379	5.55 400	1.96 373

FCDSN-DC	6.04 380	0.84 216	19.25 318	1.24 220	1.09 232	4.38 299	2.62 347	4.38 338	4.71 377	9.59 400	11.22 391	19.19 400	17.40 402	12.30 378	8.55 357	0.69 336	0.57 331	0.60 326	0.60 332	0.70 309	0.78 319
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
WCMA_ROB	5.12 365	0.90 227	21.33 384	1.50 296	1.33 280	4.09 240	3.49 372	4.03 240	4.59 376	6.57 385	10.95 390	12.92 393	8.41 391	9.86 299	8.78 358	0.75 340	0.58 335	0.51 297	0.50 311	0.68 306	0.57 275

WAO-6	5.87 378	2.27 351	15.05 258	2.96 379	2.77 379	12.01 401	3.58 377	5.37 388	11.91 399	3.34 344	9.69 385	6.78 378	5.84 366	11.82 370	8.89 359	2.87 382	2.35 395	2.50 384	1.84 388	2.85 379	2.67 383

SPS-STEREO	3.97 344	1.44 316	20.85 370	1.72 329	1.71 341	3.24 86	2.30 338	3.55 142	2.68 285	4.79 374	3.66 347	5.44 372	2.97 306	9.11 282	9.35 360	1.15 365	1.10 369	1.06 367	1.02 365	1.16 357	1.18 348
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DPSNet	3.43 327	1.37 309	12.19 219	1.39 276	1.24 262	4.15 254	2.06 327	4.51 360	3.34 352	2.69 304	1.96 203	3.52 303	5.56 363	10.68 324	9.68 361	0.93 354	0.73 357	0.40 237	0.37 254	1.06 346	0.86 328

AnyNet_C01	4.37 354	7.80 385	16.40 271	1.98 354	1.40 292	6.37 386	6.47 391	4.09 257	5.03 382	4.06 362	3.78 349	4.16 335	3.31 324	6.62 238	10.00 362	0.61 317	0.67 350	0.63 333	0.67 338	2.01 373	1.31 353

ELAS_RVC	5.72 376	1.64 329	20.40 358	2.09 359	2.01 363	4.95 374	11.47 400	4.66 370	6.31 392	8.09 393	8.01 372	8.06 385	11.65 395	8.36 267	10.22 363	0.99 359	1.17 370	0.81 357	0.76 347	1.14 354	1.58 363
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ADCPNet	3.89 339	1.63 326	20.25 352	1.28 234	1.27 269	6.43 387	2.65 348	3.93 214	2.70 286	2.78 311	2.20 250	4.28 342	6.16 372	5.56 218	10.27 364	0.65 326	1.18 371	0.71 345	1.70 382	0.84 332	1.37 356

WAO-7	5.16 366	3.21 365	18.98 314	1.88 348	1.44 300	5.34 379	3.09 365	4.91 378	5.81 389	4.35 369	8.92 383	6.55 376	6.06 369	13.40 391	10.81 365	1.34 375	1.20 374	1.48 376	1.35 378	1.60 370	1.45 360

DRaft	2.28 205	0.56 40	2.64 100	0.74 10	0.46 52	3.94 207	1.23 251	2.32 39	1.55 79	2.64 299	2.80 317	1.60 106	5.34 361	6.96 249	10.99 366	0.34 162	0.22 101	0.27 51	0.27 122	0.29 42	0.37 157

EDNetEfficientorigin	12.35 403	2.51 355	179.47 433	1.19 204	0.96 199	2.91 64	1.81 313	3.00 94	5.35 384	8.91 395	4.79 359	4.18 336	4.64 352	9.98 305	11.30 367	0.37 191	0.38 271	0.60 326	0.85 355	1.32 365	2.43 380

KSHMR	16.96 407	5.37 377	21.64 395	4.46 401	4.50 402	8.30 397	3.32 368	15.58 411	76.24 427	6.62 386	61.47 425	56.53 425	5.43 362	35.17 418	11.37 368	4.39 400	2.97 403	3.63 405	2.74 403	5.10 399	4.34 406

ELAS	5.99 379	1.62 324	20.29 354	1.96 353	2.01 363	15.09 407	8.38 397	5.23 382	5.54 386	9.02 396	8.61 378	6.74 377	9.75 394	7.48 256	11.40 369	0.96 357	1.18 371	0.72 349	0.93 360	1.30 364	1.67 365
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
FC-DCNN	6.64 384	0.77 187	19.26 319	1.68 324	1.64 330	8.27 396	2.35 339	6.35 392	9.23 394	10.85 404	11.27 392	19.89 401	13.33 397	12.51 384	11.79 370	0.66 328	0.57 331	0.58 319	0.56 325	0.63 286	0.61 285

THIR-Stereo	4.14 349	0.82 209	10.85 212	0.86 59	0.43 37	2.16 42	16.77 405	3.22 112	1.54 73	2.04 170	12.05 395	2.68 233	7.53 384	7.30 251	12.62 371	0.30 108	0.21 80	0.29 80	0.28 146	0.33 111	0.41 197

DEmStereo	2.97 293	0.58 57	13.42 229	0.79 28	0.51 76	3.84 187	1.84 317	2.42 43	1.60 106	2.25 229	2.74 311	2.03 171	6.04 368	6.79 247	12.80 372	0.35 179	0.26 180	0.26 36	0.27 122	0.27 23	0.37 157

ktn	21.74 412	10.34 400	19.68 327	4.53 402	4.00 398	6.53 388	4.51 386	6.79 393	78.82 429	84.69 429	100.86 432	58.49 426	7.57 385	12.11 377	13.35 373	4.58 406	3.24 406	3.49 400	2.62 399	4.65 397	3.84 401

JetBlue	6.27 382	9.15 395	13.76 233	1.94 352	4.60 404	11.91 400	12.00 401	5.12 380	3.45 358	3.79 354	4.52 357	9.54 387	6.56 377	9.40 289	13.48 374	1.26 369	1.37 377	1.17 372	1.34 377	7.06 407	3.95 402

notaker	10.50 398	8.60 387	20.23 348	4.54 403	3.95 397	6.27 385	3.44 370	8.07 396	4.75 380	8.73 394	46.45 420	13.86 397	27.86 412	13.49 392	13.61 375	4.56 403	3.18 405	3.52 402	2.68 401	8.13 411	4.05 403

ADCL	4.35 353	1.63 326	14.21 246	1.29 237	1.26 268	5.56 382	11.16 398	3.97 225	3.37 353	6.07 381	4.67 358	4.30 343	5.72 365	5.08 207	14.51 376	0.50 290	0.48 320	0.89 360	0.77 349	0.78 324	0.76 315

SGM+DAISY	8.36 393	3.82 370	24.83 408	2.02 356	1.75 345	14.80 406	17.22 406	4.27 308	11.79 398	13.88 407	14.38 401	11.74 392	13.83 398	10.56 320	15.12 377	1.21 366	1.19 373	1.14 371	1.13 370	1.17 358	1.37 356

PML	64.32 429	53.22 427	17.88 296	8.10 410	32.94 416	148.46 433	247.79 434	12.18 401	45.42 424	111.41 431	288.92 434	101.47 432	101.31 432	31.67 414	15.55 378	14.03 415	4.83 409	10.98 414	6.18 410	28.82 417	5.17 407

ttt	2.76 272	0.56 40	2.28 80	1.41 279	1.21 259	3.67 159	0.77 112	4.59 366	2.94 318	2.35 255	2.30 267	2.45 214	1.54 179	11.25 344	15.56 379	0.43 247	0.36 253	0.37 216	0.33 214	0.40 173	0.40 192

UNDER WATER-64	9.33 394	5.37 377	22.60 400	5.22 407	4.86 405	10.75 399	4.61 387	11.45 399	17.30 404	7.59 388	9.80 387	15.99 398	17.90 404	10.63 323	15.72 380	4.36 399	2.87 398	4.39 407	2.86 404	7.01 406	5.36 409

DualNet	2.49 240	0.60 72	5.21 156	1.14 178	0.99 209	3.62 150	0.86 147	4.22 287	3.37 353	2.20 212	2.30 267	3.48 293	1.62 191	2.21 129	16.09 381	0.29 74	0.16 4	0.48 278	0.37 254	0.30 57	0.29 74

ff1	2.96 289	0.60 72	5.21 156	1.14 178	0.99 209	3.62 150	0.86 147	4.22 287	3.37 353	2.20 212	2.30 267	3.48 293	1.62 191	11.62 355	16.09 381	0.29 74	0.16 4	0.48 278	0.37 254	0.30 57	0.29 74

mmx	2.98 295	0.60 72	5.21 156	1.14 178	0.99 209	3.62 150	0.86 147	4.49 356	3.05 328	2.20 212	2.30 267	3.48 293	1.62 191	11.62 355	16.09 381	0.33 151	0.28 196	0.48 278	0.37 254	0.44 221	0.37 157

xxx	2.98 295	0.60 72	5.21 156	1.14 178	0.99 209	3.62 150	0.86 147	4.49 356	3.05 328	2.20 212	2.30 267	3.48 293	1.62 191	11.62 355	16.09 381	0.33 151	0.28 196	0.48 278	0.37 254	0.44 221	0.37 157

UNDER WATER	10.47 396	3.95 371	22.62 401	5.07 406	4.51 403	7.78 395	3.77 380	12.56 402	21.72 411	7.84 391	10.78 389	23.96 407	31.66 413	10.78 328	16.19 385	4.44 401	2.93 399	4.24 406	2.86 404	6.33 403	5.47 410

MADNet++	7.57 392	5.80 381	13.28 227	6.38 408	5.26 406	7.18 390	7.77 395	5.32 386	5.62 387	6.11 382	7.78 370	6.02 375	8.01 388	11.74 366	16.36 386	9.36 411	4.95 410	8.57 412	5.66 409	4.83 398	5.34 408

ADCRef	3.30 321	1.23 292	14.90 254	1.17 197	1.41 298	3.95 212	1.64 300	3.88 198	2.36 234	3.05 330	2.21 252	2.40 205	2.81 301	5.04 206	16.63 387	0.46 264	0.34 245	0.63 333	0.62 336	0.54 259	0.67 297

NaN_ROB	4.06 347	1.13 269	16.64 275	1.12 170	1.25 265	3.50 126	3.05 362	4.29 313	3.26 347	3.64 350	2.56 299	2.97 258	4.79 353	13.33 389	16.91 388	0.37 191	0.41 290	0.38 228	0.39 269	0.48 240	0.81 322

ACVNet-4b	6.73 385	13.67 410	21.87 396	3.54 388	3.07 384	4.19 273	2.25 335	4.03 240	3.65 362	1.64 76	3.98 353	5.88 373	2.89 303	10.01 307	16.98 389	23.29 422	2.24 390	2.53 385	1.78 385	3.87 390	3.21 393

pmcnn	5.45 371	1.22 288	17.40 289	1.60 315	2.41 375	3.48 121	2.12 330	4.52 361	3.26 347	3.67 352	13.15 398	22.10 403	3.46 331	11.92 375	17.16 390	0.34 162	0.21 80	0.23 5	0.19 18	0.36 153	0.28 67

TorneroNet-64	10.12 395	8.74 388	20.95 374	4.27 396	3.76 396	13.86 405	2.85 353	15.05 408	23.15 412	10.07 401	23.84 409	13.47 394	8.24 390	13.96 398	17.21 391	3.96 397	2.72 396	3.23 398	2.48 397	6.29 401	4.27 405

test_xeample	2.67 265	0.56 40	2.05 53	1.09 156	0.81 158	3.24 86	0.80 124	4.55 363	2.70 286	2.42 270	2.27 258	1.39 86	1.40 137	10.75 326	17.51 392	0.30 108	0.30 213	0.32 132	0.28 146	0.34 127	0.33 119

xxxx	2.67 265	0.54 29	2.03 50	1.22 215	0.81 158	3.49 123	0.63 53	4.49 356	2.49 262	2.22 221	2.23 254	2.05 175	1.38 133	10.05 309	17.91 393	0.32 140	0.32 227	0.30 99	0.27 122	0.33 111	0.34 129

SANet	5.65 375	1.72 333	20.94 373	1.26 228	0.88 180	7.20 391	3.81 382	4.60 367	11.23 395	4.56 371	8.78 381	7.49 380	6.95 378	11.85 371	18.11 394	0.49 287	0.44 300	0.50 294	0.42 288	0.90 336	0.82 326

TorneroNet	25.88 414	11.28 404	21.62 393	4.20 395	4.07 399	55.25 424	3.15 366	15.16 409	76.94 428	58.09 424	82.72 429	86.88 430	41.15 417	13.35 390	18.13 395	4.32 398	2.85 397	3.45 399	2.62 399	8.33 412	4.14 404

1111x	3.13 311	0.57 45	8.38 181	1.20 207	0.76 151	3.80 178	0.88 167	4.61 368	2.63 278	2.31 243	2.16 243	1.95 155	1.81 234	11.54 351	18.13 395	0.32 140	0.31 221	0.32 132	0.30 183	0.35 142	0.34 129

222	2.68 268	0.57 45	2.03 50	1.11 168	0.81 158	3.23 84	0.65 60	4.52 361	2.45 254	2.34 254	2.29 263	1.41 91	1.44 148	10.50 319	18.47 397	0.32 140	0.30 213	0.32 132	0.27 122	0.32 96	0.34 129

ADCMid	3.96 343	3.27 367	15.48 264	1.26 228	1.40 292	4.66 349	2.28 336	4.06 250	3.54 359	3.94 357	3.02 327	3.85 318	3.67 335	4.03 193	18.65 398	0.68 333	0.61 342	1.09 369	1.18 372	1.38 366	1.08 343

AnyNet_C32	4.17 350	5.75 380	12.62 222	1.60 315	1.54 311	5.51 381	4.09 385	3.90 204	3.23 345	4.22 368	3.03 328	3.10 268	3.41 328	8.01 265	18.85 399	0.53 304	0.58 335	0.53 305	0.74 345	1.19 360	0.97 337

ADCP+	3.74 337	1.96 343	16.90 281	1.09 156	1.55 315	4.35 297	3.65 379	3.93 214	2.98 322	2.22 221	1.66 116	3.95 321	4.83 354	3.41 176	18.87 400	0.38 205	0.41 290	0.63 333	0.53 320	0.64 292	0.81 322

ADCS	4.22 352	5.33 376	16.32 270	1.64 320	1.31 273	3.91 200	3.64 378	4.21 284	2.89 313	5.11 376	2.81 319	4.46 348	3.06 315	5.21 209	19.50 401	0.63 320	0.64 346	0.69 342	0.69 343	1.12 352	1.26 350

SuperB	4.79 361	4.41 373	21.08 377	1.45 287	1.08 230	3.91 200	3.08 364	4.18 277	3.01 325	2.50 277	2.10 231	2.75 240	3.49 332	8.80 275	19.60 402	0.44 254	0.33 233	0.53 305	0.39 269	12.01 413	0.64 292

MANE	11.39 399	1.38 310	23.16 403	4.82 405	2.79 380	22.02 412	14.51 404	25.81 413	26.28 413	10.93 405	13.17 399	19.90 402	18.03 405	15.69 402	20.41 403	0.96 357	0.74 358	1.42 375	3.24 407	0.74 318	1.71 366

EDNetEfficient	5.61 373	2.14 349	16.75 279	1.67 323	3.64 392	4.12 247	7.51 393	3.05 98	5.63 388	11.57 406	4.83 360	3.95 321	12.72 396	8.44 270	20.78 404	0.41 232	0.43 297	0.47 270	1.01 363	1.66 371	1.39 359

coex-ft	18.59 409	6.62 382	113.53 431	1.17 197	1.31 273	2.33 47	1.93 320	2.81 83	14.00 400	124.82 432	8.45 377	5.90 374	51.74 426	9.99 306	22.69 405	0.57 311	0.62 343	0.50 294	0.49 307	1.08 350	1.28 351

DGTPSM_ROB	15.31 405	8.85 390	28.14 412	9.90 413	18.89 410	12.44 403	33.21 414	13.48 405	17.86 407	9.50 398	22.89 407	13.78 395	19.67 406	21.26 404	23.68 406	5.08 408	8.84 411	5.62 408	11.50 413	6.72 404	14.87 413

DPSMNet_ROB	15.52 406	8.89 391	31.44 413	10.07 414	18.91 411	12.44 403	33.22 415	13.51 406	17.94 408	9.58 399	22.91 408	13.79 396	19.67 406	21.43 405	23.73 407	5.17 409	8.84 411	5.63 409	11.52 416	6.79 405	14.90 414

AAGNet	2.86 277	0.60 72	1.77 32	2.05 357	0.46 52	4.76 369	1.09 227	2.27 37	1.56 83	2.17 204	1.84 178	2.41 207	4.00 340	6.23 232	24.22 408	0.46 264	0.19 38	0.30 99	0.29 169	0.32 96	0.24 20

LRCNet_RVC	25.52 413	33.45 417	23.21 405	31.79 418	32.78 415	6.74 389	1.18 243	25.88 414	4.46 374	28.94 411	30.89 413	24.91 410	17.57 403	27.66 413	24.34 409	35.26 424	25.60 425	35.91 425	33.81 424	31.90 424	34.10 425

CrosDoStereo	5.24 367	0.60 72	20.23 348	0.82 36	0.51 76	3.39 106	18.11 407	3.82 183	2.27 219	1.98 140	8.74 379	1.96 160	6.96 379	7.35 253	26.35 410	0.30 108	0.22 101	0.30 99	0.28 146	0.33 111	0.38 170

DeepStereo_LL	5.24 367	0.60 72	20.23 348	0.82 36	0.51 76	3.39 106	18.11 407	3.82 183	2.27 219	1.98 140	8.74 379	1.96 160	6.96 379	7.35 253	26.35 410	0.30 108	0.22 101	0.30 99	0.28 146	0.33 111	0.38 170

JetRed	10.48 397	27.10 416	35.70 414	4.27 396	4.09 400	15.55 410	12.83 402	12.16 400	5.50 385	5.83 379	5.56 365	10.14 388	7.43 383	8.88 276	26.39 412	3.32 387	3.81 408	3.51 401	2.96 406	7.85 408	6.69 411

Anonymous_1	57.11 428	19.68 413	26.15 409	23.10 415	142.31 430	30.84 414	39.75 417	33.86 419	16.98 403	70.53 428	15.42 403	23.46 406	19.75 408	23.04 407	27.23 413	164.73 433	9.02 414	130.38 430	137.40 430	161.27 433	27.24 418

DPSM_ROB	20.78 410	20.03 414	26.57 410	23.62 416	22.46 412	31.10 415	39.97 418	33.52 417	17.41 405	15.25 408	15.80 404	24.06 408	20.71 409	23.30 409	27.62 414	10.78 413	9.41 415	11.69 415	11.50 413	14.49 414	16.36 415

DPSM	20.78 410	20.03 414	26.57 410	23.62 416	22.46 412	31.10 415	39.97 418	33.52 417	17.41 405	15.25 408	15.80 404	24.06 408	20.71 409	23.30 409	27.62 414	10.78 413	9.41 415	11.69 415	11.50 413	14.49 414	16.36 415

SGM-ForestM	11.55 400	1.16 275	21.62 393	2.14 360	0.81 158	22.25 413	19.08 409	16.50 412	11.34 396	15.94 410	14.44 402	27.12 412	22.61 411	24.76 412	28.39 416	0.50 290	0.48 320	0.47 270	0.44 291	0.55 261	0.53 260

HanzoNet	31.60 417	17.23 412	21.22 383	7.32 409	5.84 407	7.25 392	3.53 374	13.82 407	14.20 402	50.38 422	47.01 421	44.45 415	56.61 427	36.61 419	32.00 417	63.89 428	56.57 429	7.97 411	89.20 429	28.69 416	28.25 419

HaxPig	43.25 423	43.65 424	45.00 418	33.85 419	35.61 417	32.69 417	30.52 412	45.09 420	42.97 422	48.77 420	48.17 422	43.00 414	40.26 415	44.58 420	43.61 418	47.18 425	49.30 426	51.54 427	50.25 426	43.73 425	45.29 426

AVERAGE_ROB	44.46 424	45.91 425	46.59 419	40.59 421	38.66 418	32.99 418	30.52 412	46.19 421	43.26 423	49.59 421	48.97 423	44.62 416	39.89 414	45.04 421	43.94 419	48.74 426	50.69 427	50.80 426	49.79 425	45.54 426	46.97 427

MEDIAN_ROB	47.37 425	49.08 426	49.92 421	40.32 420	39.97 419	34.95 419	33.43 416	49.17 422	46.39 425	53.06 423	52.65 424	47.65 417	42.23 424	48.35 429	47.29 420	52.10 427	54.04 428	54.28 428	53.48 427	48.76 427	50.33 428

LE_ROB	18.58 408	1.21 282	48.38 420	8.60 412	23.00 414	7.32 393	19.74 410	9.94 397	38.69 421	43.53 419	21.91 406	28.40 413	40.92 416	23.18 408	54.71 421	0.34 162	0.33 233	0.32 132	0.36 243	0.42 209	0.40 192

Selective-RAFT-Error	41.77 418	40.16 422	53.34 423	47.73 422	45.25 424	62.51 428	80.64 426	67.22 426	34.93 415	30.64 416	31.81 417	48.11 418	42.11 423	46.57 422	54.95 422	21.61 420	18.87 419	23.48 422	23.15 419	29.16 421	33.08 421

LSM0	49.58 426	40.04 418	53.62 428	97.15 428	128.68 429	62.75 430	79.89 425	67.63 428	35.11 419	33.02 418	32.61 419	48.43 423	41.60 418	46.60 423	55.43 423	21.63 421	18.99 424	23.62 424	23.13 418	29.47 423	52.26 429

CasAABBNet	41.80 422	40.20 423	53.41 424	47.73 422	45.18 423	62.51 428	80.71 427	67.26 427	34.80 414	30.49 412	31.88 418	48.24 419	41.81 422	46.63 424	55.64 424	21.60 419	18.88 420	23.48 422	23.22 423	29.19 422	33.05 420

MyStereo03	41.77 418	40.13 419	53.46 425	47.73 422	45.04 420	62.50 425	80.72 428	66.91 423	34.93 415	30.53 413	31.77 414	48.26 420	41.67 419	46.68 425	55.85 425	21.53 416	18.88 420	23.46 419	23.21 420	29.14 418	33.09 422

MyStereo02	41.77 418	40.13 419	53.46 425	47.73 422	45.04 420	62.50 425	80.72 428	66.91 423	34.93 415	30.53 413	31.77 414	48.26 420	41.67 419	46.68 425	55.85 425	21.53 416	18.88 420	23.46 419	23.21 420	29.14 418	33.09 422

MyStereo	41.77 418	40.13 419	53.46 425	47.73 422	45.04 420	62.50 425	80.72 428	66.91 423	34.93 415	30.53 413	31.77 414	48.26 420	41.67 419	46.68 425	55.85 425	21.53 416	18.88 420	23.46 419	23.21 420	29.14 418	33.09 422

SPstereo	30.42 416	11.55 405	18.72 310	8.51 411	9.93 408	50.05 423	82.85 431	71.73 429	35.92 420	30.73 417	29.66 412	48.61 424	42.30 425	47.77 428	58.10 428	7.32 410	8.89 413	20.37 418	10.07 412	7.98 410	7.43 412

xxxxx1	112.33 431	88.53 430	37.76 415	227.84 432	157.23 431	39.05 420	61.41 422	93.76 431	79.29 430	62.45 425	74.79 426	78.32 427	70.96 428	33.47 415	70.69 429	114.00 430	130.36 431	259.31 432	274.34 432	145.54 430	147.50 431

tt_ll	112.33 431	88.53 430	37.76 415	227.84 432	157.23 431	39.05 420	61.41 422	93.76 431	79.29 430	62.45 425	74.79 426	78.32 427	70.96 428	33.47 415	70.69 429	114.00 430	130.36 431	259.31 432	274.34 432	145.54 430	147.50 431

ff	112.33 431	88.53 430	37.76 415	227.84 432	157.23 431	39.05 420	61.41 422	93.76 431	79.29 430	62.45 425	74.79 426	78.32 427	70.96 428	33.47 415	70.69 429	114.00 430	130.36 431	259.31 432	274.34 432	145.54 430	147.50 431

BEATNet-Init1	49.72 427	64.32 429	97.77 430	4.68 404	4.28 401	84.75 431	60.42 421	73.38 430	68.59 426	88.29 430	88.51 431	91.94 431	97.99 431	85.26 433	70.96 432	0.80 345	0.65 347	0.85 358	0.70 344	7.96 409	2.33 377

DPSimNet_ROB	102.30 430	119.72 434	143.59 432	109.42 429	94.10 426	127.22 432	127.15 432	26.62 415	102.36 433	149.58 433	83.99 430	139.34 433	137.54 433	64.62 430	82.36 433	105.18 429	66.15 430	120.15 429	69.61 428	99.58 429	77.72 430

test_example2	212.63 434	219.92 435	221.87 434	213.67 431	221.17 434	199.47 434	200.74 433	185.30 434	141.66 434	209.52 434	213.45 433	210.82 434	205.48 434	221.27 434	216.64 434	236.83 434	242.07 434	213.93 431	217.01 431	235.69 434	226.10 434

ASD4		113.98 433

Low-res two-view benchmark