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

LoS_RVC	0.34 5	0.38 55	1.96 37	0.27 21	0.35 216	0.43 15	0.22 38	0.43 5	0.34 1	0.24 9	0.34 33	0.23 13	0.28 71	0.34 15	0.22 4	0.08 1	0.07 6	0.07 1	0.05 1	0.10 10	0.35 153

CAS	0.39 15	0.31 7	1.79 9	0.81 341	0.34 208	0.51 45	0.23 57	0.49 14	0.42 9	0.23 6	0.31 25	0.20 2	0.17 1	0.30 2	0.25 23	0.77 373	0.06 1	0.07 1	0.05 1	0.10 10	0.41 187

CES	0.33 4	0.32 14	1.46 2	0.25 5	0.50 273	0.40 12	0.20 20	0.48 11	0.48 27	0.22 3	0.29 17	0.26 28	0.19 7	0.35 21	0.22 4	0.09 11	0.07 6	0.08 3	0.05 1	0.16 69	0.54 245

CREStereo	0.31 1	0.35 37	1.66 6	0.19 1	0.13 5	0.55 81	0.17 5	0.50 23	0.50 35	0.28 18	0.34 33	0.24 19	0.21 15	0.34 15	0.23 14	0.11 110	0.07 6	0.08 3	0.05 1	0.10 10	0.12 10
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
PMTNet	0.35 7	0.38 55	1.75 8	0.21 2	0.14 8	0.57 104	0.24 79	0.48 11	0.44 16	0.28 18	0.32 31	0.26 28	0.24 26	0.41 40	0.24 15	0.42 355	0.07 6	0.08 3	0.05 1	0.18 109	0.15 30

Any-RAFT	0.42 22	0.33 23	1.89 25	0.28 33	0.21 77	0.69 249	0.21 29	0.83 161	0.60 80	0.45 51	0.43 63	0.62 195	0.30 97	0.48 58	0.24 15	0.11 110	0.40 277	0.08 3	0.06 6	0.10 10	0.16 43

LoS	0.34 5	0.35 37	1.88 23	0.25 5	0.13 5	0.53 65	0.20 20	0.50 23	0.53 51	0.26 14	0.28 15	0.37 66	0.24 26	0.40 34	0.25 23	0.10 47	0.08 38	0.08 3	0.06 6	0.15 60	0.10 4

s12784h	0.41 18	0.34 30	2.17 71	0.24 4	0.11 1	0.64 206	0.24 79	0.85 178	0.70 177	0.45 51	0.54 139	0.28 37	0.27 61	0.51 74	0.27 36	0.11 110	0.06 1	0.09 13	0.06 6	0.16 69	0.14 24

XX-TBD	0.40 17	1.04 234	2.49 169	0.35 142	0.13 5	0.51 45	0.17 5	0.44 6	0.52 45	0.38 28	0.51 115	0.23 13	0.19 7	0.31 3	0.25 23	0.10 47	0.07 6	0.08 3	0.06 6	0.09 5	0.18 56

iResNet_ROB	0.60 146	1.59 343	2.04 49	0.32 90	0.21 77	0.60 141	0.22 38	0.99 275	0.85 288	0.61 204	0.63 211	0.58 178	0.42 173	1.08 190	0.98 263	0.11 110	0.08 38	0.09 13	0.06 6	0.23 186	0.33 140

pmcnn	1.44 364	1.25 287	3.57 353	0.74 330	1.42 384	0.72 262	0.56 304	1.04 307	1.06 346	1.03 335	2.89 396	6.01 406	0.75 308	2.54 358	3.60 384	0.14 214	0.11 124	0.08 3	0.06 6	0.34 280	0.81 305

knoymous	0.37 11	0.34 30	1.83 14	0.25 5	0.18 47	0.45 17	0.24 79	0.60 65	0.40 4	0.42 37	0.39 50	0.54 155	0.25 40	0.41 40	0.29 50	0.12 142	0.08 38	0.12 134	0.07 12	0.13 35	0.20 68

RCA-Stereo	0.45 40	0.38 55	1.80 10	0.27 21	0.25 123	0.58 111	0.23 57	0.84 168	0.66 123	0.42 37	0.44 74	0.28 37	0.35 120	0.31 3	0.21 1	0.09 11	1.01 338	0.09 13	0.07 12	0.21 158	0.53 242

DCANet-4	0.43 25	0.32 14	2.31 93	0.26 15	0.14 8	0.51 45	0.22 38	0.84 168	0.78 240	0.55 141	0.48 88	0.28 37	0.37 127	0.40 34	0.37 106	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 196

fff	0.50 70	0.90 209	2.63 212	0.25 5	0.15 13	0.51 45	0.22 38	0.85 178	0.82 268	0.55 141	0.48 88	0.31 47	0.65 279	0.39 30	0.37 106	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 196

ADStereo(finetuned)	0.50 70	0.91 212	2.43 125	0.26 15	0.14 8	0.51 45	0.22 38	0.84 168	0.78 240	0.56 151	0.49 101	0.32 51	0.75 308	0.40 34	0.40 115	0.10 47	0.07 6	0.09 13	0.07 12	0.13 35	0.45 213

CroCo-Stereo	0.35 7	0.71 156	1.67 7	0.32 90	0.17 37	0.19 1	0.21 29	0.79 132	0.54 54	0.22 3	0.25 11	0.55 163	0.22 18	0.28 1	0.28 41	0.10 47	0.08 38	0.08 3	0.07 12	0.12 25	0.10 4
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
TANstereo	0.39 15	0.70 154	2.48 166	0.23 3	0.12 3	0.54 72	0.16 3	0.41 3	0.47 24	0.45 51	0.51 115	0.26 28	0.22 18	0.34 15	0.21 1	0.10 47	0.10 103	0.08 3	0.07 12	0.09 5	0.18 56

DCANet	0.49 66	0.91 212	2.63 212	0.26 15	0.14 8	0.51 45	0.22 38	0.84 168	0.78 240	0.56 151	0.49 101	0.32 51	0.41 162	0.39 30	0.41 117	0.10 47	0.07 6	0.09 13	0.07 12	0.14 51	0.45 213

csc	0.50 70	0.90 209	2.63 212	0.25 5	0.15 13	0.51 45	0.22 38	0.85 178	0.82 268	0.55 141	0.48 88	0.31 47	0.65 279	0.39 30	0.37 106	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 196

cscssc	0.50 70	0.90 209	2.63 212	0.25 5	0.15 13	0.51 45	0.22 38	0.85 178	0.82 268	0.55 141	0.48 88	0.31 47	0.65 279	0.39 30	0.37 106	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 196

111	0.57 117	1.41 318	2.63 212	0.25 5	0.15 13	0.59 129	0.26 110	0.90 219	0.83 274	0.50 99	0.54 139	0.57 174	0.38 134	0.54 90	0.41 117	0.10 47	0.07 6	0.09 13	0.07 12	0.24 192	0.81 305

R-Stereo Train	0.42 22	0.31 7	2.51 173	0.30 59	0.18 47	0.56 85	0.25 98	0.82 151	0.41 5	0.57 163	0.67 234	0.33 55	0.24 26	0.34 15	0.33 86	0.10 47	0.08 38	0.09 13	0.07 12	0.09 5	0.18 56

RAFT-Stereo	0.42 22	0.31 7	2.51 173	0.30 59	0.18 47	0.56 85	0.25 98	0.82 151	0.41 5	0.57 163	0.67 234	0.33 55	0.24 26	0.34 15	0.33 86	0.10 47	0.08 38	0.09 13	0.07 12	0.09 5	0.18 56
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
iResNetv2_ROB	0.71 230	1.90 368	3.48 345	0.43 232	0.22 86	0.60 141	0.29 157	0.96 257	0.78 240	0.60 197	0.65 225	0.60 188	0.46 209	0.80 162	1.21 289	0.12 142	0.08 38	0.10 46	0.07 12	0.44 334	0.33 140

MLCV	0.59 140	1.41 318	2.41 116	0.31 73	0.15 13	0.60 141	0.23 57	0.77 118	0.63 103	0.67 255	0.66 231	0.55 163	0.37 127	1.16 203	1.09 276	0.10 47	0.07 6	0.09 13	0.07 12	0.21 158	0.29 119

StereoIM	0.35 7	0.89 204	2.15 68	0.25 5	0.29 163	0.29 3	0.17 5	0.47 10	0.41 5	0.21 1	0.22 2	0.28 37	0.21 15	0.32 13	0.31 69	0.10 47	0.09 81	0.10 46	0.08 27	0.11 17	0.12 10

MIF-Stereo	0.36 10	0.66 141	2.43 125	0.28 33	0.24 117	0.30 4	0.18 10	0.35 1	0.36 2	0.26 14	0.37 41	0.18 1	0.18 6	0.33 14	0.30 55	0.11 110	0.08 38	0.09 13	0.08 27	0.25 207	0.09 2

CroCo-Stereo Lap2	0.38 13	0.91 212	2.02 45	0.33 110	0.38 234	0.23 2	0.21 29	0.63 76	0.51 40	0.23 6	0.28 15	0.29 41	0.23 24	0.34 15	0.28 41	0.10 47	0.09 81	0.10 46	0.08 27	0.22 172	0.15 30

Wz-Net-LNSev-Ref	0.65 190	1.15 259	2.40 112	0.33 110	0.30 174	0.83 305	0.40 243	0.94 241	0.82 268	0.67 255	0.76 285	0.68 230	0.58 262	1.13 199	1.25 295	0.14 214	0.08 38	0.10 46	0.08 27	0.18 109	0.28 113

raftrobust	0.52 82	1.14 253	2.15 68	0.33 110	0.99 356	0.53 65	0.21 29	0.59 62	0.50 35	0.53 126	0.36 37	0.31 47	0.33 111	0.47 50	0.42 121	0.10 47	0.55 298	0.09 13	0.08 27	0.22 172	0.46 216

RALCasStereoNet	0.65 190	1.34 303	2.56 192	0.43 232	0.96 352	0.50 43	0.26 110	0.62 70	0.56 63	0.43 43	0.49 101	0.36 63	0.28 71	0.72 145	0.53 164	0.10 47	1.18 351	0.09 13	0.08 27	0.27 233	1.27 351

DIP-Stereo	0.43 25	0.50 95	2.21 79	0.27 21	0.18 47	0.63 194	0.17 5	0.94 241	0.58 72	0.49 81	0.48 88	0.30 42	0.30 97	0.40 34	0.31 69	0.10 47	0.08 38	0.10 46	0.08 27	0.15 60	0.33 140
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HITNet	0.55 102	1.28 292	2.73 256	0.35 142	0.14 8	0.56 85	0.23 57	0.89 211	0.62 92	0.52 118	0.51 115	0.49 135	0.38 134	0.52 78	0.60 181	0.09 11	0.07 6	0.10 46	0.08 27	0.25 207	0.61 262
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
HSM	0.67 210	0.92 217	2.29 89	0.30 59	0.29 163	0.65 220	0.29 157	0.98 270	0.67 135	0.59 188	0.58 176	1.39 367	0.65 279	2.56 359	0.45 134	0.11 110	0.09 81	0.10 46	0.08 27	0.18 109	0.24 93

iResNet	0.59 140	1.09 241	2.54 181	0.44 236	0.18 47	0.65 220	0.29 157	0.89 211	0.75 221	0.59 188	0.64 218	0.43 91	0.39 145	0.73 146	1.24 294	0.11 110	0.08 38	0.09 13	0.08 27	0.21 158	0.40 180

ACVNet-DCA	0.67 210	0.73 164	2.43 125	0.67 320	0.52 277	0.76 276	0.24 79	0.81 144	0.83 274	0.77 293	0.39 50	0.25 22	0.38 134	0.70 134	0.22 4	0.10 47	2.13 394	0.11 92	0.09 37	0.16 69	1.18 340

1test111	0.72 238	0.73 164	2.43 125	0.67 320	0.52 277	0.76 276	0.24 79	0.81 144	0.83 274	0.77 293	0.39 50	0.25 22	0.38 134	1.03 185	0.75 222	0.10 47	2.13 394	0.11 92	0.09 37	0.16 69	1.18 340

cc1	0.74 243	0.73 164	2.43 125	0.67 320	0.52 277	0.76 276	0.24 79	0.85 178	1.05 344	0.77 293	0.39 50	0.25 22	0.38 134	0.70 134	0.22 4	0.10 47	2.13 394	0.11 92	0.09 37	0.25 207	2.20 393

tt1	0.74 243	0.73 164	2.34 98	0.67 320	0.63 310	0.75 272	0.24 79	0.85 178	0.96 326	0.81 305	0.38 47	0.26 28	0.35 120	0.64 117	0.22 4	0.10 47	2.16 399	0.11 92	0.09 37	0.25 207	2.19 389

GMStereo_Zeroshot	0.44 37	0.44 80	1.84 17	0.44 236	0.20 68	0.52 60	0.19 12	0.60 65	0.54 54	0.58 169	0.59 181	0.63 199	0.29 87	0.59 101	0.34 94	0.16 246	0.09 81	0.16 260	0.09 37	0.26 222	0.26 102

test croco	0.43 25	0.73 164	2.80 269	0.28 33	0.19 63	0.33 7	0.21 29	0.63 76	0.50 35	0.24 9	0.38 47	0.24 19	0.25 40	0.48 58	0.32 77	0.12 142	0.08 38	0.13 190	0.09 37	0.43 331	0.13 12

HH	0.79 264	0.52 101	2.72 251	1.45 375	0.80 337	0.91 324	0.23 57	0.76 112	0.76 229	0.64 235	0.55 148	0.87 301	0.41 162	0.94 178	0.45 134	0.09 11	1.20 353	0.10 46	0.09 37	0.16 69	2.16 387

HanStereo	0.79 264	0.52 101	2.72 251	1.45 375	0.80 337	0.91 324	0.23 57	0.76 112	0.76 229	0.64 235	0.55 148	0.87 301	0.41 162	0.94 178	0.45 134	0.09 11	1.20 353	0.10 46	0.09 37	0.16 69	2.16 387

EGLCR-Stereo	0.90 307	0.31 7	1.90 26	1.60 383	0.95 351	1.14 351	0.42 251	0.85 178	0.43 13	1.74 381	0.21 1	0.27 35	0.17 1	1.56 252	0.30 55	0.10 47	2.60 407	0.10 46	0.09 37	0.10 10	3.10 407

ProNet	0.46 45	0.60 125	1.85 19	0.35 142	0.67 318	0.49 37	0.25 98	0.53 30	0.57 66	0.21 1	0.24 6	0.22 8	0.20 14	0.52 78	0.22 4	0.09 11	0.47 286	0.10 46	0.09 37	0.23 186	1.33 356

DAS	0.61 153	0.42 70	1.85 19	0.34 127	0.34 208	0.52 60	0.42 251	0.89 211	0.80 256	0.85 314	0.69 241	0.57 174	0.51 231	2.38 348	0.57 175	0.13 184	0.09 81	0.12 134	0.09 37	0.18 109	0.37 160

SepStereo	0.57 117	0.42 70	1.85 19	0.34 127	0.34 208	0.52 60	0.42 251	0.89 211	0.80 256	0.85 314	0.69 241	0.57 174	0.51 231	1.55 250	0.57 175	0.13 184	0.09 81	0.12 134	0.09 37	0.18 109	0.37 160

IPLGR	0.58 125	0.64 138	3.12 312	0.37 166	0.18 47	0.62 181	0.54 296	1.06 327	0.69 167	0.73 281	0.46 77	0.50 139	0.44 194	1.12 198	0.31 69	0.10 47	0.08 38	0.11 92	0.09 37	0.21 158	0.20 68

GwcNet-ADL	0.54 98	0.78 183	2.85 281	0.31 73	0.20 68	0.58 111	0.29 157	0.93 236	0.67 135	0.48 65	0.47 82	0.56 170	0.33 111	0.48 58	0.80 236	0.13 184	0.12 139	0.09 13	0.09 37	0.14 51	0.40 180

GANet-ADL	0.48 55	0.56 115	2.51 173	0.34 127	0.20 68	0.58 111	0.25 98	0.80 137	0.57 66	0.43 43	0.61 196	0.56 170	0.31 101	0.44 47	0.44 130	0.14 214	0.11 124	0.10 46	0.09 37	0.22 172	0.38 168

STrans-v2	0.69 221	0.62 134	2.66 226	0.28 33	0.23 108	0.57 104	0.32 189	1.01 289	0.77 237	0.92 323	0.84 299	0.88 305	0.92 333	1.81 295	1.19 287	0.10 47	0.07 6	0.10 46	0.09 37	0.12 25	0.30 127

TransformOpticalFlow	0.65 190	0.61 130	2.67 233	0.45 243	0.26 137	0.62 181	0.28 132	0.88 205	0.76 229	0.76 291	0.74 275	0.90 309	0.84 318	1.82 298	0.80 236	0.10 47	0.07 6	0.11 92	0.09 37	0.12 25	0.19 60

OMP-Stereo	0.64 185	0.87 195	2.38 104	0.56 293	0.37 228	0.60 141	0.26 110	0.75 110	0.71 189	0.65 247	0.60 188	0.68 230	0.32 106	2.07 325	1.18 285	0.11 110	0.08 38	0.12 134	0.09 37	0.17 90	0.28 113

IIG-Stereo	0.65 190	0.87 195	2.32 95	0.55 284	0.23 108	0.62 181	0.21 29	0.78 125	0.71 189	0.64 235	0.69 241	0.69 241	0.38 134	2.07 325	1.37 306	0.11 110	0.08 38	0.11 92	0.09 37	0.15 60	0.27 107

NRIStereo	0.50 70	0.34 30	2.44 133	0.52 273	0.16 20	0.94 330	0.73 342	0.52 27	0.65 116	0.48 65	0.40 58	0.59 181	0.29 87	0.78 157	0.33 86	0.11 110	0.13 152	0.11 92	0.09 37	0.22 172	0.25 97

DeepStereo_RVC	0.47 48	0.37 50	2.19 74	0.55 284	0.18 47	0.60 141	0.58 309	0.52 27	0.62 92	0.49 81	0.45 75	0.39 73	0.85 321	0.47 50	0.34 94	0.12 142	0.08 38	0.11 92	0.09 37	0.15 60	0.19 60

RAFT-345	0.56 110	0.37 50	2.68 238	0.40 210	0.34 208	0.58 111	0.41 245	0.49 14	0.70 177	0.51 110	0.99 329	0.43 91	0.28 71	1.56 252	0.81 240	0.10 47	0.07 6	0.11 92	0.09 37	0.11 17	0.09 2

CRE-IMP	0.46 45	0.31 7	2.40 112	0.53 277	0.17 37	0.79 295	0.68 335	0.54 39	0.66 123	0.47 63	0.43 63	0.44 106	0.26 48	0.43 44	0.33 86	0.12 142	0.07 6	0.12 134	0.09 37	0.17 90	0.23 84

Prome-Stereo	0.53 91	0.36 40	2.39 110	0.60 299	0.23 108	0.63 194	0.41 245	0.66 83	0.67 135	0.59 188	1.02 333	0.43 91	0.71 296	0.61 109	0.34 94	0.10 47	0.07 6	0.10 46	0.09 37	0.13 35	0.44 208

LMCR-Stereo	0.61 153	1.00 224	2.60 203	0.42 222	0.22 86	0.74 270	0.31 179	1.06 327	0.70 177	0.62 216	0.64 218	0.40 81	0.52 238	0.84 167	1.27 297	0.20 295	0.09 81	0.12 134	0.09 37	0.26 222	0.16 43

TestStereo	0.49 66	0.88 199	2.38 104	0.30 59	0.16 20	0.43 15	0.25 98	0.55 47	0.46 18	0.38 28	0.46 77	0.34 59	0.28 71	1.96 319	0.28 41	0.11 110	0.08 38	0.12 134	0.09 37	0.15 60	0.13 12

raft+_RVC	0.62 166	1.18 267	2.43 125	0.36 156	2.08 400	0.52 60	0.25 98	0.66 83	0.54 54	0.36 23	0.46 77	0.32 51	0.28 71	0.49 68	0.43 127	0.10 47	0.91 333	0.10 46	0.09 37	0.22 172	0.70 289

RAFT-Stereo + iAFF	0.58 125	1.48 332	2.53 177	0.29 45	0.78 336	0.52 60	0.20 20	0.68 89	0.66 123	0.51 110	0.61 196	0.40 81	0.32 106	0.40 34	0.43 127	0.08 1	0.63 311	0.09 13	0.09 37	0.37 302	0.58 254

ACVNet	0.54 98	0.87 195	2.45 149	0.28 33	0.22 86	0.59 129	0.36 223	0.69 91	0.73 199	0.49 81	0.59 181	0.69 241	0.42 173	0.47 50	0.70 210	0.11 110	0.10 103	0.10 46	0.09 37	0.36 296	0.39 175

acv_ft	0.57 117	0.87 195	2.45 149	0.33 110	0.41 247	0.63 194	0.29 157	0.86 190	0.73 199	0.64 235	0.59 181	0.69 241	0.45 202	0.47 50	0.68 207	0.11 110	0.10 103	0.10 46	0.09 37	0.43 331	0.39 175

BEATNet_4x	0.57 117	1.16 261	2.56 192	0.35 142	0.16 20	0.56 85	0.25 98	0.91 226	0.64 109	0.55 141	0.53 125	0.59 181	0.43 186	0.67 127	0.76 225	0.12 142	0.09 81	0.12 134	0.09 37	0.23 186	0.58 254

HSM-Net_RVC	0.70 226	0.40 63	2.45 149	0.27 21	0.19 63	0.68 246	0.30 169	1.29 361	0.73 199	0.73 281	0.70 254	0.77 267	0.45 202	3.73 398	0.46 138	0.13 184	0.09 81	0.10 46	0.09 37	0.13 35	0.32 137
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
AANet_RVC	0.79 264	1.46 329	2.72 251	0.34 127	0.25 123	0.59 129	0.32 189	0.88 205	0.83 274	0.62 216	0.95 321	0.80 279	0.43 186	2.46 355	1.72 322	0.38 352	0.26 248	0.10 46	0.09 37	0.25 207	0.43 196

CoDeX	0.54 98	0.52 101	2.25 83	0.30 59	0.26 137	0.61 159	0.32 189	1.03 301	0.73 199	0.49 81	0.56 160	0.52 149	0.40 151	1.59 263	0.38 112	0.12 142	0.09 81	0.11 92	0.10 70	0.15 60	0.22 76

MIF-Stereo (partial)	0.41 18	0.71 156	2.67 233	0.27 21	0.24 117	0.32 6	0.17 5	0.56 48	0.46 18	0.26 14	0.37 41	0.25 22	0.26 48	0.46 48	0.35 101	0.11 110	0.08 38	0.12 134	0.10 70	0.21 158	0.15 30

MIM_Stereo	0.55 102	0.92 217	2.65 222	0.32 90	1.09 368	0.51 45	0.19 12	0.67 86	0.52 45	0.48 65	0.54 139	0.43 91	0.27 61	0.57 97	0.30 55	0.08 1	0.17 198	0.11 92	0.10 70	0.28 243	0.80 303

PCWNet_CMD	0.48 55	0.50 95	2.23 81	0.27 21	0.20 68	0.56 85	0.22 38	0.78 125	0.67 135	0.49 81	0.55 148	0.68 230	0.56 250	0.48 58	0.32 77	0.11 110	0.10 103	0.14 219	0.10 70	0.19 132	0.43 196

CBFPSM	0.62 166	1.34 303	2.12 63	0.30 59	0.23 108	0.71 256	0.38 234	0.77 118	0.68 159	0.51 110	0.49 101	1.03 337	0.82 315	0.63 113	1.35 302	0.11 110	0.12 139	0.10 46	0.10 70	0.19 132	0.37 160

iinet-f	0.62 166	1.18 267	2.55 188	0.33 110	0.25 123	0.82 304	0.34 207	0.87 197	0.69 167	0.56 151	0.64 218	0.73 255	0.67 287	0.80 162	0.81 240	0.14 214	0.13 152	0.11 92	0.10 70	0.44 334	0.26 102

TestStereo1	0.59 140	1.21 274	2.63 212	0.40 210	0.60 300	0.56 85	0.34 207	0.82 151	0.73 199	0.45 51	0.63 211	0.36 63	0.42 173	0.66 124	0.42 121	0.10 47	0.32 259	0.12 134	0.10 70	0.34 280	0.52 239

RAFT_CTSACE	0.58 125	1.16 261	2.76 263	0.36 156	0.29 163	0.54 72	0.29 157	0.69 91	0.51 40	0.51 110	0.75 282	0.67 218	0.37 127	0.63 113	0.47 141	0.08 1	0.49 290	0.11 92	0.10 70	0.41 327	0.32 137

CRFU-Net	0.58 125	0.42 70	1.90 26	0.49 264	0.27 148	0.83 305	0.35 216	0.94 241	0.54 54	0.65 247	0.60 188	0.78 271	1.34 354	1.00 181	0.51 159	0.17 265	0.14 165	0.17 274	0.10 70	0.19 132	0.20 68

SA-5K	0.59 140	1.21 274	2.63 212	0.40 210	0.60 300	0.56 85	0.34 207	0.82 151	0.73 199	0.45 51	0.63 211	0.36 63	0.42 173	0.66 124	0.42 121	0.10 47	0.32 259	0.12 134	0.10 70	0.34 280	0.52 239

CSP-Net	0.55 102	0.61 130	1.81 13	0.30 59	0.23 108	0.77 286	0.35 216	0.90 219	0.62 92	0.62 216	0.60 188	0.65 209	0.42 173	1.76 284	0.47 141	0.17 265	0.12 139	0.10 46	0.10 70	0.21 158	0.16 43

GLC_STEREO	0.31 1	0.30 5	1.80 10	0.29 45	0.12 3	0.41 13	0.20 20	0.39 2	0.42 9	0.26 14	0.31 25	0.25 22	0.19 7	0.36 23	0.26 32	0.09 11	0.11 124	0.12 134	0.10 70	0.13 35	0.15 30

HHNet	0.63 178	0.67 142	3.10 310	0.37 166	0.25 123	0.64 206	0.60 315	0.70 98	0.67 135	0.55 141	1.12 343	0.32 51	0.60 270	0.43 44	1.75 325	0.16 246	0.08 38	0.12 134	0.10 70	0.18 109	0.22 76

Patchmatch Stereo++	0.43 25	0.36 40	2.44 133	0.48 253	0.17 37	0.61 159	0.26 110	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.56 94	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12
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
AAGNet	0.92 310	0.40 63	2.53 177	0.60 299	1.01 361	0.62 181	0.45 268	0.52 27	0.68 159	0.58 169	0.53 125	0.50 139	0.72 297	1.22 209	7.32 408	0.12 142	0.07 6	0.12 134	0.10 70	0.16 69	0.10 4

NF-Stereo	0.53 91	0.33 23	2.55 188	0.55 284	0.16 20	0.61 159	0.43 258	0.70 98	0.70 177	0.50 99	0.47 82	0.37 66	0.26 48	1.44 239	0.78 231	0.12 142	0.07 6	0.12 134	0.10 70	0.13 35	0.17 49

OCTAStereo	0.53 91	0.33 23	2.54 181	0.56 293	0.16 20	0.61 159	0.42 251	0.70 98	0.70 177	0.50 99	0.47 82	0.37 66	0.26 48	1.43 235	0.79 234	0.12 142	0.07 6	0.12 134	0.10 70	0.13 35	0.17 49

PSM-adaLoss	0.43 25	0.36 40	2.44 133	0.48 253	0.18 47	0.61 159	0.28 132	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.49 68	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

ROB_FTStereo_v2	0.43 25	0.36 40	2.44 133	0.49 264	0.17 37	0.61 159	0.28 132	0.53 30	0.61 83	0.48 65	0.43 63	0.44 106	0.28 71	0.48 58	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

ROB_FTStereo	0.43 25	0.36 40	2.44 133	0.48 253	0.18 47	0.61 159	0.26 110	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.51 74	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

HUI-Stereo	0.43 25	0.36 40	2.45 149	0.48 253	0.18 47	0.61 159	0.27 124	0.53 30	0.61 83	0.48 65	0.43 63	0.44 106	0.28 71	0.47 50	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

DEmStereo	0.69 221	0.40 63	2.42 120	0.42 222	0.18 47	0.66 233	0.88 355	0.54 39	0.64 109	0.60 197	1.00 330	0.45 118	1.24 353	1.53 248	2.21 350	0.10 47	0.08 38	0.10 46	0.10 70	0.11 17	0.14 24

SST-Stereo	0.56 110	0.30 5	2.44 133	0.71 329	0.55 285	0.62 181	0.65 327	0.57 53	0.67 135	0.59 188	0.53 125	0.51 142	0.59 265	1.57 256	0.31 69	0.12 142	0.07 6	0.12 134	0.10 70	0.17 90	0.11 9

RAFT_R40	0.55 102	0.31 7	2.44 133	0.57 297	0.42 257	0.62 181	0.52 291	0.58 55	0.66 123	0.56 151	0.54 139	0.54 155	0.50 227	1.56 252	0.53 164	0.11 110	0.07 6	0.12 134	0.10 70	0.16 69	0.10 4

RE-Stereo	0.53 91	0.33 23	2.54 181	0.56 293	0.16 20	0.61 159	0.43 258	0.70 98	0.70 177	0.50 99	0.47 82	0.37 66	0.26 48	1.43 235	0.77 227	0.12 142	0.07 6	0.12 134	0.10 70	0.13 35	0.17 49

Pruner-Stereo	0.55 102	0.38 55	2.49 169	1.78 392	0.19 63	0.63 194	0.45 268	0.59 62	0.67 135	0.61 204	0.48 88	0.41 86	0.25 40	0.49 68	0.99 265	0.13 184	0.07 6	0.12 134	0.10 70	0.13 35	0.14 24

TVStereo	0.53 91	0.33 23	2.54 181	0.56 293	0.16 20	0.61 159	0.43 258	0.70 98	0.70 177	0.50 99	0.47 82	0.37 66	0.26 48	1.43 235	0.77 227	0.12 142	0.07 6	0.12 134	0.10 70	0.13 35	0.17 49

iGMRVC	0.43 25	0.36 40	2.44 133	0.48 253	0.18 47	0.61 159	0.27 124	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.57 97	0.31 69	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

IRAFT_RVC	0.59 140	0.74 173	2.42 120	0.47 252	0.21 77	0.59 129	0.42 251	0.68 89	0.73 199	0.54 130	0.50 113	0.49 135	0.51 231	1.57 256	1.00 267	0.11 110	0.25 245	0.13 190	0.10 70	0.15 60	0.14 24

iRAFT	0.43 25	0.36 40	2.44 133	0.48 253	0.17 37	0.61 159	0.26 110	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.56 94	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

RAFT-IKP	0.43 25	0.36 40	2.44 133	0.48 253	0.16 20	0.60 141	0.28 132	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.51 74	0.31 69	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

CFNet_pseudo	0.47 48	0.50 95	2.19 74	0.26 15	0.20 68	0.56 85	0.22 38	0.80 137	0.62 92	0.50 99	0.56 160	0.68 230	0.47 217	0.53 85	0.33 86	0.11 110	0.10 103	0.15 244	0.10 70	0.18 109	0.33 140

GES	0.49 66	0.54 106	2.37 102	0.31 73	0.19 63	0.61 159	0.30 169	0.93 236	0.52 45	0.49 81	0.53 125	0.40 81	0.43 186	0.59 101	0.67 205	0.16 246	0.11 124	0.12 134	0.10 70	0.20 149	0.30 127

AFF-stereo	0.57 117	1.51 334	2.59 198	0.33 110	0.23 108	0.51 45	0.21 29	0.69 91	0.68 159	0.49 81	0.63 211	0.49 135	0.34 118	0.50 73	0.37 106	0.08 1	0.54 296	0.10 46	0.10 70	0.40 321	0.60 261

DMCA	0.50 70	0.83 189	1.95 34	0.32 90	0.24 117	0.59 129	0.26 110	0.81 144	0.68 159	0.59 188	0.49 101	0.56 170	0.36 122	0.65 121	0.65 200	0.14 214	0.10 103	0.14 219	0.10 70	0.19 132	0.29 119

MSMDNet	0.48 55	0.50 95	2.23 81	0.27 21	0.20 68	0.56 85	0.22 38	0.78 125	0.67 135	0.49 81	0.55 148	0.68 230	0.56 250	0.48 58	0.32 77	0.11 110	0.10 103	0.13 190	0.10 70	0.18 109	0.43 196

ccs_rob	0.47 48	0.50 95	2.19 74	0.26 15	0.20 68	0.56 85	0.22 38	0.80 137	0.62 92	0.50 99	0.56 160	0.68 230	0.47 217	0.53 85	0.33 86	0.11 110	0.10 103	0.16 260	0.10 70	0.18 109	0.33 140

DISCO	0.61 153	0.63 136	1.98 39	0.46 246	0.34 208	0.84 310	0.35 216	0.88 205	0.81 263	0.61 204	0.64 218	1.06 345	0.53 241	1.11 196	0.83 245	0.13 184	0.10 103	0.11 92	0.10 70	0.26 222	0.37 160

CFNet_ucs	0.50 70	0.55 113	2.28 87	0.27 21	0.22 86	0.58 111	0.23 57	0.90 219	0.69 167	0.54 130	0.64 218	0.68 230	0.44 194	0.55 91	0.34 94	0.14 214	0.12 139	0.16 260	0.11 108	0.19 132	0.38 168

4D-IteraStereo	0.62 166	1.29 294	3.04 305	0.27 21	0.30 174	0.46 20	0.26 110	0.54 39	0.51 40	0.41 33	0.31 25	0.39 73	0.19 7	0.53 85	0.65 200	0.09 11	0.47 286	0.12 134	0.11 108	0.21 158	2.14 386

gwcnet-sp	0.52 82	0.71 156	2.66 226	0.32 90	0.22 86	0.66 233	0.31 179	0.84 168	0.69 167	0.61 204	0.49 101	0.46 122	0.43 186	0.77 153	0.48 144	0.12 142	0.11 124	0.11 92	0.11 108	0.19 132	0.19 60

scenet	0.52 82	0.71 156	2.66 226	0.32 90	0.22 86	0.66 233	0.31 179	0.84 168	0.69 167	0.61 204	0.49 101	0.46 122	0.43 186	0.77 153	0.48 144	0.12 142	0.11 124	0.11 92	0.11 108	0.19 132	0.19 60

CASS	0.43 25	0.34 30	2.01 42	0.33 110	0.17 37	0.54 72	0.24 79	0.71 104	0.52 45	0.62 216	0.55 148	0.40 81	0.41 162	0.43 44	0.33 86	0.17 265	0.10 103	0.14 219	0.11 108	0.18 109	0.23 84
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	0.52 82	0.71 156	2.66 226	0.32 90	0.22 86	0.66 233	0.31 179	0.84 168	0.69 167	0.61 204	0.49 101	0.46 122	0.43 186	0.77 153	0.48 144	0.12 142	0.11 124	0.11 92	0.11 108	0.19 132	0.19 60

DisPM	0.48 55	0.41 68	2.54 181	0.61 305	0.18 47	0.59 129	0.62 322	0.54 39	0.67 135	0.61 204	0.53 125	0.38 71	0.26 48	0.76 152	0.31 69	0.13 184	0.07 6	0.12 134	0.11 108	0.12 25	0.15 30

IER	0.49 66	0.73 164	2.12 63	0.27 21	0.25 123	0.65 220	0.27 124	0.76 112	0.59 76	0.56 151	0.59 181	0.60 188	0.53 241	0.64 117	0.44 130	0.12 142	0.09 81	0.11 92	0.11 108	0.18 109	0.15 30

NINENet	0.54 98	0.40 63	2.19 74	0.55 284	0.26 137	0.91 324	0.23 57	1.05 315	0.77 237	0.54 130	0.57 170	0.65 209	0.32 106	1.22 209	0.34 94	0.16 246	0.13 152	0.16 260	0.11 108	0.16 69	0.14 24

AASNet	0.66 207	1.49 333	2.97 296	0.37 166	0.33 199	0.65 220	0.30 169	1.00 281	0.78 240	0.56 151	0.60 188	0.55 163	0.39 145	0.88 174	0.96 256	0.15 232	0.12 139	0.13 190	0.11 108	0.45 336	0.35 153

GMOStereo	0.58 125	0.89 204	2.46 156	0.29 45	0.99 356	0.51 45	0.32 189	0.58 55	0.46 18	0.58 169	0.48 88	0.54 155	0.27 61	0.31 3	0.25 23	0.09 11	1.64 378	0.13 190	0.11 108	0.34 280	0.42 191

error version	0.58 125	0.89 204	2.46 156	0.29 45	0.99 356	0.51 45	0.32 189	0.58 55	0.46 18	0.58 169	0.48 88	0.54 155	0.27 61	0.31 3	0.25 23	0.09 11	1.64 378	0.13 190	0.11 108	0.34 280	0.42 191

test-v	0.58 125	0.89 204	2.46 156	0.29 45	0.99 356	0.51 45	0.32 189	0.58 55	0.46 18	0.58 169	0.48 88	0.54 155	0.27 61	0.31 3	0.25 23	0.09 11	1.64 378	0.13 190	0.11 108	0.34 280	0.42 191

AACVNet	0.61 153	1.13 252	2.47 161	0.37 166	0.21 77	0.57 104	0.25 98	0.75 110	0.55 59	0.56 151	0.60 188	0.66 216	0.44 194	2.11 331	0.49 153	0.14 214	0.11 124	0.14 219	0.11 108	0.35 291	0.23 84

ADLNet2	0.73 240	1.22 279	3.28 322	0.34 127	0.36 222	0.65 220	0.37 226	0.94 241	0.87 296	0.57 163	0.65 225	0.92 310	0.48 223	2.05 323	0.60 181	0.13 184	0.11 124	0.11 92	0.11 108	0.37 302	0.38 168

CrosDoStereo	0.96 318	0.49 89	2.66 226	0.27 21	0.33 199	0.54 72	3.69 403	0.77 118	0.66 123	0.70 269	1.39 357	0.53 150	1.47 364	1.77 287	3.02 374	0.10 47	0.08 38	0.11 92	0.11 108	0.22 172	0.30 127

FTStereo	0.79 264	0.32 14	2.83 277	0.70 327	0.21 77	0.73 265	1.75 394	0.61 67	0.60 80	1.07 339	1.62 365	1.28 362	2.11 386	0.75 150	0.30 55	0.19 287	0.08 38	0.12 134	0.11 108	0.12 25	0.39 175

ASMatch	0.61 153	0.47 85	2.72 251	0.91 349	0.36 222	0.56 85	0.24 79	0.54 39	0.67 135	0.48 65	1.20 346	0.47 127	0.65 279	1.33 225	0.93 254	0.10 47	0.08 38	0.11 92	0.11 108	0.10 10	0.17 49

DeepStereo_LL	0.96 318	0.49 89	2.66 226	0.27 21	0.33 199	0.54 72	3.69 403	0.77 118	0.66 123	0.70 269	1.39 357	0.53 150	1.47 364	1.77 287	3.02 374	0.10 47	0.08 38	0.11 92	0.11 108	0.22 172	0.30 127

THIR-Stereo	0.88 297	0.85 192	2.33 97	0.26 15	0.16 20	0.59 129	2.69 399	0.62 70	0.54 54	0.62 216	1.61 364	0.96 323	1.77 377	1.67 273	2.20 349	0.10 47	0.08 38	0.14 219	0.11 108	0.16 69	0.21 72

test-2	0.58 125	0.89 204	2.46 156	0.29 45	0.99 356	0.51 45	0.32 189	0.58 55	0.46 18	0.58 169	0.48 88	0.54 155	0.27 61	0.31 3	0.25 23	0.09 11	1.64 378	0.13 190	0.11 108	0.34 280	0.42 191

ICVP	0.48 55	0.33 23	2.37 102	0.34 127	0.22 86	0.60 141	0.55 300	0.79 132	0.53 51	0.45 51	0.60 188	0.49 135	0.36 122	0.55 91	0.46 138	0.16 246	0.16 191	0.14 219	0.11 108	0.16 69	0.32 137
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
iRaftStereo_RVC	0.47 48	0.84 190	1.91 28	0.29 45	0.15 13	0.53 65	0.20 20	0.58 55	0.50 35	0.37 25	0.43 63	0.42 90	0.23 24	0.38 26	0.28 41	0.09 11	0.70 322	0.12 134	0.11 108	0.43 331	0.77 296

GEStereo_RVC	0.61 153	1.19 270	2.61 207	0.48 253	0.25 123	0.63 194	0.37 226	1.05 315	0.79 249	0.55 141	0.55 148	0.59 181	0.44 194	1.10 192	0.48 144	0.16 246	0.11 124	0.12 134	0.11 108	0.27 233	0.43 196

sCroCo_RVC	0.37 11	0.39 59	2.38 104	0.35 142	0.27 148	0.31 5	0.22 38	0.49 14	0.48 27	0.23 6	0.34 33	0.25 22	0.24 26	0.35 21	0.25 23	0.15 232	0.17 198	0.12 134	0.11 108	0.15 60	0.15 30

MMNet	0.55 102	0.92 217	2.03 46	0.34 127	0.27 148	0.79 295	0.28 132	0.86 190	0.79 249	0.62 216	0.58 176	0.59 181	0.56 250	0.80 162	0.61 186	0.11 110	0.11 124	0.12 134	0.11 108	0.21 158	0.22 76

UNet	0.56 110	0.58 118	2.81 273	0.32 90	0.33 199	0.74 270	0.27 124	0.86 190	0.67 135	0.55 141	0.55 148	0.72 250	0.55 248	0.79 158	0.58 177	0.12 142	0.09 81	0.13 190	0.11 108	0.20 149	0.19 60

FENet	0.48 55	0.58 118	2.46 156	0.33 110	0.18 47	0.58 111	0.22 38	0.83 161	0.64 109	0.49 81	0.42 61	0.55 163	0.38 134	0.52 78	0.51 159	0.12 142	0.09 81	0.12 134	0.11 108	0.17 90	0.31 135

RASNet	0.69 221	1.05 235	2.59 198	0.37 166	0.47 270	0.66 233	0.33 202	0.82 151	0.76 229	0.51 110	0.65 225	0.93 315	0.62 274	2.20 336	0.80 236	0.14 214	0.09 81	0.09 13	0.11 108	0.18 109	0.37 160

AdaStereo	0.48 55	0.44 80	2.18 73	0.36 156	0.20 68	0.59 129	0.29 157	0.97 264	0.74 216	0.52 118	0.55 148	0.61 190	0.33 111	0.52 78	0.44 130	0.18 276	0.08 38	0.17 274	0.11 108	0.18 109	0.24 93
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.
whm_eth	0.51 80	0.86 194	2.79 267	0.31 73	0.31 182	0.49 37	0.24 79	0.78 125	0.75 221	0.48 65	0.86 307	0.26 28	0.26 48	0.38 26	0.29 50	0.13 184	0.11 124	0.13 190	0.12 138	0.14 51	0.44 208

CASnet	0.32 3	0.40 63	1.80 10	0.28 33	0.11 1	0.47 29	0.19 12	0.45 7	0.47 24	0.39 30	0.31 25	0.23 13	0.17 1	0.31 3	0.21 1	0.11 110	0.06 1	0.15 244	0.12 138	0.16 69	0.08 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo	0.85 287	1.73 357	3.06 309	0.37 166	0.61 307	0.54 72	0.33 202	1.01 289	0.76 229	0.69 266	0.58 176	0.85 295	0.78 311	2.65 367	0.54 169	0.14 214	0.58 304	0.14 219	0.12 138	0.42 329	1.05 333

BUS	0.45 40	0.32 14	1.58 3	0.31 73	0.22 86	0.91 324	0.23 57	1.05 315	0.67 135	0.64 235	0.53 125	0.65 209	0.32 106	0.48 58	0.34 94	0.13 184	0.10 103	0.14 219	0.12 138	0.13 35	0.15 30

Wz-Net-LNSev	0.66 207	1.30 295	2.81 273	0.35 142	0.37 228	0.80 298	0.48 279	0.91 226	0.87 296	0.63 225	0.70 254	0.80 279	0.59 265	0.67 127	0.68 207	0.15 232	0.14 165	0.12 134	0.12 138	0.24 192	0.38 168

test_5	0.61 153	1.25 287	2.76 263	0.39 197	0.64 314	0.58 111	0.35 216	0.85 178	0.66 123	0.49 81	0.56 160	0.55 163	0.40 151	0.79 158	0.32 77	0.10 47	0.19 208	0.12 134	0.12 138	0.33 274	0.85 311

BSDual-CNN	0.48 55	0.32 14	1.58 3	0.31 73	0.22 86	0.76 276	0.32 189	1.05 315	0.67 135	0.64 235	0.53 125	0.63 199	0.38 134	0.48 58	0.97 257	0.13 184	0.10 103	0.14 219	0.12 138	0.13 35	0.15 30

hknet	0.53 91	0.39 59	2.04 49	0.31 73	0.24 117	0.76 276	0.32 189	1.05 315	0.71 189	0.64 235	0.53 125	0.79 273	0.40 151	0.84 167	0.78 231	0.12 142	0.10 103	0.14 219	0.12 138	0.13 35	0.15 30

iRaft-Stereo_5w	0.65 190	1.35 306	2.21 79	0.30 59	0.63 310	0.49 37	0.28 132	0.78 125	0.64 109	0.41 33	0.61 196	0.62 195	0.46 209	1.79 292	0.48 144	0.10 47	0.25 245	0.11 92	0.12 138	0.40 321	0.94 321

dd	0.48 55	1.32 297	2.41 116	0.31 73	0.17 37	0.58 111	0.26 110	0.50 23	0.71 189	0.42 37	0.41 59	0.34 59	0.28 71	0.47 50	0.41 117	0.18 276	0.10 103	0.13 190	0.12 138	0.22 172	0.16 43

IPLG	0.74 243	1.09 241	2.87 284	0.36 156	0.21 77	1.63 373	0.60 315	1.39 368	0.63 103	1.39 367	0.51 115	0.40 81	0.86 323	1.40 231	0.37 106	0.09 11	0.07 6	0.14 219	0.12 138	0.34 280	0.23 84

PSM-softLoss	0.52 82	0.34 30	2.47 161	0.55 284	0.17 37	0.61 159	0.39 240	0.64 78	0.67 135	0.52 118	0.48 88	0.39 73	0.25 40	1.46 240	0.77 227	0.13 184	0.08 38	0.13 190	0.12 138	0.12 25	0.15 30

KMStereo	0.52 82	0.34 30	2.47 161	0.55 284	0.17 37	0.61 159	0.39 240	0.64 78	0.67 135	0.52 118	0.48 88	0.39 73	0.25 40	1.46 240	0.77 227	0.13 184	0.08 38	0.13 190	0.12 138	0.12 25	0.15 30

Anonymous	0.41 18	0.44 80	2.55 188	0.35 142	0.32 193	0.38 11	0.34 207	0.57 53	0.41 5	0.25 11	0.30 20	0.23 13	0.29 87	0.38 26	0.28 41	0.15 232	0.13 152	0.11 92	0.12 138	0.24 192	0.30 127

GMStereo	0.44 37	1.32 297	2.65 222	0.28 33	0.16 20	0.42 14	0.22 38	0.48 11	0.63 103	0.41 33	0.36 37	0.26 28	0.25 40	0.41 40	0.30 55	0.14 214	0.08 38	0.10 46	0.12 138	0.17 90	0.13 12
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.63 178	0.77 180	2.71 249	0.37 166	0.34 208	0.64 206	0.30 169	0.86 190	0.67 135	0.58 169	0.53 125	0.88 305	0.48 223	1.84 301	0.71 214	0.15 232	0.12 139	0.12 134	0.12 138	0.21 158	0.25 97

HGLStereo	0.61 153	1.20 272	2.59 198	0.36 156	0.40 242	0.65 220	0.30 169	0.87 197	0.67 135	0.60 197	0.70 254	0.69 241	0.56 250	1.07 189	0.59 179	0.14 214	0.13 152	0.13 190	0.12 138	0.23 186	0.23 84

cf-r	0.62 166	1.27 290	2.99 301	0.34 127	0.28 158	0.60 141	0.28 132	0.82 151	0.70 177	0.55 141	0.61 196	0.77 267	0.41 162	1.32 224	0.52 161	0.13 184	0.09 81	0.11 92	0.12 138	0.22 172	0.27 107

GANet-RSSM	0.63 178	1.14 253	2.67 233	0.38 184	0.26 137	0.59 129	0.29 157	0.81 144	0.56 63	0.50 99	0.57 170	0.67 218	0.50 227	1.91 316	0.50 156	0.14 214	0.10 103	0.24 325	0.12 138	0.36 296	0.28 113

PWCDC_ROB	0.83 276	1.57 338	2.63 212	0.48 253	0.37 228	0.78 291	0.29 157	1.04 307	1.36 369	0.63 225	2.05 374	0.64 205	0.70 295	1.10 192	1.20 288	0.33 348	0.14 165	0.15 244	0.12 138	0.63 361	0.46 216

anonymousdsp2	0.88 297	0.31 7	1.96 37	1.06 359	1.56 390	0.57 104	0.22 38	0.84 168	0.98 333	1.20 353	0.37 41	0.65 209	0.26 48	1.19 207	0.46 138	0.10 47	2.40 406	0.10 46	0.13 158	0.19 132	2.96 405

psmg	0.48 55	0.32 14	1.58 3	0.28 33	0.22 86	0.75 272	0.35 216	0.94 241	0.67 135	0.61 204	0.59 181	0.63 199	0.38 134	0.48 58	0.97 257	0.13 184	0.11 124	0.13 190	0.13 158	0.14 51	0.15 30

CIPLG	0.63 178	1.59 343	3.16 314	0.79 338	0.31 182	0.62 181	0.57 307	0.82 151	0.68 159	0.58 169	0.63 211	0.43 91	0.31 101	0.48 58	0.42 121	0.12 142	0.20 220	0.13 190	0.13 158	0.36 296	0.21 72

PSMNet-ADL	0.56 110	0.47 85	2.03 46	0.35 142	0.22 86	0.67 240	0.27 124	0.77 118	0.58 72	0.43 43	0.53 125	0.70 247	0.45 202	1.89 310	0.64 195	0.16 246	0.13 152	0.11 92	0.13 158	0.15 60	0.51 234

PFNet+	0.50 70	0.43 76	2.54 181	0.49 264	0.18 47	0.58 111	0.76 344	0.54 39	0.72 196	0.56 151	0.48 88	0.39 73	0.26 48	0.94 178	0.33 86	0.14 214	0.09 81	0.14 219	0.13 158	0.12 25	0.16 43

RAFT-RH_RVC	0.65 190	0.73 164	2.78 266	0.39 197	0.29 163	0.60 141	0.18 10	0.45 7	0.63 103	0.75 289	1.89 370	0.47 127	0.29 87	1.59 263	1.21 289	0.15 232	0.07 6	0.13 190	0.13 158	0.11 17	0.10 4

RAFT	0.62 166	1.35 306	2.26 84	0.62 307	0.53 282	0.47 29	0.35 216	0.70 98	0.58 72	0.50 99	0.50 113	0.79 273	0.40 151	0.49 68	0.36 103	0.11 110	0.79 327	0.14 219	0.13 158	0.52 350	0.72 292

GMM-Stereo	0.53 91	0.33 23	2.89 286	0.53 277	0.24 117	0.77 286	0.46 273	0.62 70	0.65 116	0.58 169	0.73 272	0.47 127	0.43 186	0.68 131	0.29 50	0.10 47	0.06 1	0.13 190	0.13 158	0.14 51	0.44 208

Anonymous3	0.47 48	0.49 89	2.61 207	0.33 110	0.25 123	0.72 262	0.32 189	0.80 137	0.60 80	0.36 23	0.41 59	0.33 55	0.29 87	0.46 48	0.30 55	0.19 287	0.18 204	0.13 190	0.13 158	0.18 109	0.22 76

sAnonymous2	0.45 40	0.88 199	2.97 296	0.31 73	0.25 123	0.34 8	0.28 132	0.56 48	0.49 29	0.25 11	0.30 20	0.23 13	0.29 87	0.31 3	0.22 4	0.12 142	0.09 81	0.12 134	0.13 158	0.38 308	0.43 196

CroCo_RVC	0.45 40	0.88 199	2.97 296	0.31 73	0.25 123	0.34 8	0.28 132	0.56 48	0.49 29	0.25 11	0.30 20	0.23 13	0.29 87	0.31 3	0.22 4	0.12 142	0.09 81	0.12 134	0.13 158	0.38 308	0.43 196

HCRNet	0.50 70	0.75 177	2.08 55	0.39 197	0.29 163	0.58 111	0.22 38	0.79 132	0.67 135	0.49 81	0.49 101	0.48 133	0.37 127	1.13 199	0.40 115	0.15 232	0.10 103	0.15 244	0.13 158	0.21 158	0.19 60

ARAFT	0.65 190	1.69 356	3.34 327	0.29 45	0.16 20	0.65 220	0.36 223	0.96 257	0.73 199	0.63 225	0.49 101	0.56 170	0.31 101	1.23 211	0.35 101	0.11 110	0.08 38	0.14 219	0.13 158	0.38 308	0.50 230

UPFNet	0.51 80	0.67 142	2.04 49	0.34 127	0.33 199	0.65 220	0.37 226	0.88 205	0.65 116	0.60 197	0.53 125	0.61 190	0.41 162	0.77 153	0.55 171	0.13 184	0.13 152	0.13 190	0.13 158	0.20 149	0.16 43

hitnet-ft	0.73 240	1.09 241	2.59 198	0.28 33	0.22 86	0.71 256	0.36 223	0.89 211	0.67 135	0.58 169	0.83 297	1.03 337	0.94 336	2.31 341	0.70 210	0.23 316	0.14 165	0.41 360	0.13 158	0.24 192	0.28 113

GwcNet-RSSM	0.64 185	1.38 316	2.69 244	0.33 110	0.26 137	0.60 141	0.32 189	0.84 168	0.73 199	0.56 151	0.65 225	0.72 250	0.42 173	1.78 290	0.60 181	0.14 214	0.10 103	0.12 134	0.13 158	0.26 222	0.26 102

DN-CSS_ROB	0.56 110	1.64 351	2.75 260	0.42 222	0.22 86	0.57 104	0.19 12	0.79 132	0.66 123	0.46 61	0.62 203	0.41 86	0.32 106	0.73 146	0.49 153	0.12 142	0.08 38	0.14 219	0.13 158	0.38 308	0.17 49

PWC_ROB	0.81 269	1.41 318	2.60 203	0.41 219	0.40 242	0.63 194	0.31 179	1.04 307	0.99 336	0.92 323	1.29 351	0.78 271	0.68 289	1.65 272	1.50 313	0.19 287	0.12 139	0.18 290	0.13 158	0.51 347	0.54 245

LL-Strereo2	0.62 166	1.36 310	2.47 161	1.37 372	0.96 352	0.54 72	0.28 132	0.61 67	0.49 29	0.42 37	0.34 33	0.44 106	0.21 15	0.57 97	0.53 164	0.11 110	0.26 248	0.16 260	0.14 176	0.18 109	0.98 331

ssnet_v2	0.64 185	0.99 223	2.67 233	0.33 110	0.22 86	0.72 262	0.45 268	1.00 281	0.80 256	0.66 253	0.54 139	0.81 282	0.48 223	0.91 175	1.08 275	0.16 246	0.14 165	0.14 219	0.14 176	0.33 274	0.31 135

Wz-Net-MNSev	0.74 243	1.42 322	2.75 260	0.38 184	0.33 199	0.90 323	0.61 320	0.98 270	0.94 319	0.77 293	0.75 282	0.75 261	0.66 285	1.39 229	0.76 225	0.17 265	0.13 152	0.14 219	0.14 176	0.28 243	0.48 222

ACRE	0.63 178	1.55 337	3.41 339	0.76 332	0.28 158	0.60 141	0.56 304	0.82 151	0.68 159	0.57 163	0.62 203	0.43 91	0.30 97	0.47 50	0.42 121	0.12 142	0.19 208	0.13 190	0.14 176	0.36 296	0.20 68

KYRaft	0.52 82	0.35 37	2.40 112	0.34 127	0.21 77	0.75 272	0.43 258	0.62 70	0.63 103	0.64 235	0.92 316	0.53 150	0.72 297	0.60 106	0.26 32	0.10 47	0.07 6	0.12 134	0.14 176	0.13 35	0.54 245

DRaft	0.65 190	0.47 85	2.38 104	0.25 5	0.17 37	0.64 206	0.65 327	0.56 48	0.57 66	0.67 255	0.98 326	0.38 71	0.99 339	1.42 234	2.06 339	0.11 110	0.14 165	0.10 46	0.14 176	0.18 109	0.21 72

pcwnet_v2	0.65 190	0.54 106	4.29 384	0.33 110	0.27 148	0.60 141	0.25 98	1.02 295	0.92 312	0.61 204	0.69 241	0.62 195	0.54 243	0.67 127	0.38 112	0.18 276	0.15 179	0.15 244	0.14 176	0.21 158	0.49 228

ADLNet	0.68 215	1.02 228	2.68 238	0.35 142	0.34 208	0.67 240	0.34 207	0.95 254	0.79 249	0.70 269	0.62 203	0.80 279	0.46 209	1.77 287	0.69 209	0.15 232	0.12 139	0.14 219	0.14 176	0.31 265	0.54 245

RAFT + AFF	0.79 264	1.73 357	2.99 301	0.34 127	0.35 216	0.67 240	0.51 287	1.05 315	0.79 249	0.54 130	0.58 176	0.59 181	0.81 314	1.80 293	1.21 289	0.13 184	0.27 254	0.15 244	0.14 176	0.45 336	0.69 286

delet	0.60 146	0.84 190	2.45 149	0.33 110	0.35 216	0.73 265	0.46 273	0.89 211	0.80 256	0.58 169	0.62 203	0.67 218	0.51 231	1.14 201	0.64 195	0.12 142	0.12 139	0.13 190	0.14 176	0.22 172	0.29 119

CFNet-ft	0.60 146	1.16 261	2.45 149	0.29 45	0.30 174	0.64 206	0.28 132	0.69 91	0.57 66	0.49 81	0.57 170	0.79 273	0.44 194	1.48 243	0.62 189	0.15 232	0.10 103	0.28 335	0.14 176	0.21 158	0.29 119

DSFCA	0.62 166	0.77 180	1.95 34	0.29 45	0.29 163	0.79 295	0.86 352	0.81 144	0.73 199	0.73 281	0.66 231	0.67 218	0.57 255	1.17 205	1.03 270	0.16 246	0.15 179	0.13 190	0.14 176	0.19 132	0.28 113

RYNet	0.77 259	0.91 212	2.36 100	0.37 166	0.41 247	0.88 318	0.44 264	0.99 275	0.88 300	0.65 247	0.54 139	0.92 310	0.61 272	2.70 371	1.23 293	0.15 232	0.14 165	0.17 274	0.14 176	0.27 233	0.55 251

CFNet	0.65 190	1.45 327	2.27 85	0.34 127	0.25 123	0.64 206	0.23 57	0.93 236	0.79 249	0.48 65	0.59 181	0.58 178	0.40 151	2.28 339	0.63 194	0.13 184	0.09 81	0.15 244	0.14 176	0.34 280	0.26 102

CFNet_RVC	0.60 146	1.16 261	2.45 149	0.29 45	0.30 174	0.64 206	0.28 132	0.69 91	0.57 66	0.49 81	0.57 170	0.79 273	0.44 194	1.48 243	0.62 189	0.15 232	0.10 103	0.28 335	0.14 176	0.21 158	0.29 119

DeepPruner_ROB	0.58 125	1.06 236	2.68 238	0.30 59	0.26 137	0.63 194	0.31 179	0.83 161	0.51 40	0.62 216	0.56 160	0.65 209	0.39 145	1.06 187	0.56 173	0.19 287	0.14 165	0.14 219	0.14 176	0.24 192	0.33 140

StereoDRNet-Refined	0.55 102	0.61 130	2.07 53	0.34 127	0.21 77	0.68 246	0.26 110	0.87 197	0.73 199	0.70 269	0.69 241	0.74 257	0.45 202	1.10 192	0.62 189	0.12 142	0.09 81	0.14 219	0.14 176	0.27 233	0.24 93
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.61 153	0.96 222	2.00 40	0.37 166	0.25 123	0.65 220	0.37 226	0.86 190	0.76 229	0.73 281	0.70 254	0.84 290	0.47 217	1.57 256	0.72 218	0.13 184	0.13 152	0.14 219	0.14 176	0.18 109	0.33 140

StereoVision	0.52 82	1.12 250	2.70 248	0.34 127	0.32 193	0.47 29	0.26 110	0.73 106	0.61 83	0.33 22	0.89 313	0.45 118	0.26 48	0.52 78	0.39 114	0.14 214	0.15 179	0.16 260	0.15 194	0.22 172	0.14 24

Selective-IGEV	0.57 117	0.42 70	1.87 22	1.67 387	1.33 380	0.36 10	0.20 20	0.61 67	0.71 189	0.22 3	0.31 25	0.22 8	0.19 7	0.52 78	0.36 103	0.09 11	0.97 335	0.09 13	0.15 194	0.20 149	0.85 311

test_4	0.47 48	0.80 187	2.15 68	0.36 156	0.29 163	0.59 129	0.28 132	0.50 23	0.42 9	0.43 43	0.76 285	0.39 73	0.22 18	0.73 146	0.49 153	0.08 1	0.18 204	0.11 92	0.15 194	0.29 251	0.27 107

IPLGR_C	0.64 185	1.66 354	3.36 328	0.80 339	0.31 182	0.60 141	0.60 315	0.82 151	0.69 167	0.58 169	0.62 203	0.44 106	0.31 101	0.47 50	0.43 127	0.12 142	0.22 230	0.13 190	0.15 194	0.35 291	0.21 72

SACVNet	0.68 215	1.08 240	2.58 196	0.38 184	0.28 158	0.65 220	0.37 226	0.91 226	0.65 116	0.67 255	0.62 203	0.69 241	0.47 217	2.07 325	0.65 200	0.18 276	0.14 165	0.16 260	0.15 194	0.39 315	0.41 187

PSM-AAD	0.67 210	0.29 2	2.41 116	0.37 166	0.23 108	0.86 312	1.15 375	0.62 70	0.66 123	0.64 235	0.71 267	0.67 218	2.90 394	0.65 121	0.32 77	0.10 47	0.08 38	0.17 274	0.15 194	0.14 51	0.34 147

rafts_anoy	0.60 146	1.33 301	2.59 198	0.53 277	1.09 368	0.49 37	0.25 98	0.67 86	0.53 51	0.41 33	0.38 47	0.33 55	0.30 97	0.68 131	0.41 117	0.10 47	1.13 350	0.13 190	0.15 194	0.20 149	0.29 119

Syn2CoEx	0.78 261	1.43 325	3.54 351	0.44 236	0.31 182	0.64 206	0.43 258	1.04 307	0.83 274	0.64 235	0.77 289	0.74 257	0.74 304	1.91 316	0.64 195	0.20 295	0.17 198	0.19 295	0.15 194	0.30 257	0.59 257

psm_up	0.65 190	1.02 228	2.53 177	0.36 156	0.31 182	0.64 206	0.38 234	0.96 257	0.73 199	0.63 225	0.57 170	0.68 230	0.57 255	1.90 315	0.52 161	0.17 265	0.15 179	0.16 260	0.15 194	0.27 233	0.22 76

GwcNet	0.76 255	1.09 241	3.68 358	0.38 184	0.45 262	0.81 302	0.45 268	0.91 226	0.89 305	0.63 225	0.77 289	0.82 285	0.51 231	1.64 269	0.85 247	0.17 265	0.16 191	0.15 244	0.15 194	0.33 274	0.34 147

DMCA-RVC	0.70 226	1.30 295	3.59 355	0.37 166	0.89 345	0.57 104	0.31 179	0.73 106	0.59 76	0.69 266	0.54 139	0.59 181	0.57 255	1.25 216	0.66 203	0.16 246	0.38 271	0.20 305	0.15 194	0.22 172	0.23 84

ADCP+	1.03 332	1.68 355	3.83 366	0.35 142	0.39 236	1.05 341	0.79 348	0.94 241	0.86 294	0.69 266	0.68 237	0.85 295	1.53 370	1.02 183	4.56 397	0.13 184	0.12 139	0.16 260	0.15 194	0.28 243	0.44 208

TDLM	0.83 276	1.28 292	2.38 104	0.46 246	0.26 137	0.66 233	0.55 300	0.87 197	0.80 256	2.54 398	0.62 203	0.61 190	0.51 231	2.68 370	0.67 205	0.20 295	0.11 124	0.35 352	0.15 194	0.33 274	0.48 222

NLCA_NET_v2_RVC	0.62 166	1.15 259	3.11 311	0.39 197	0.37 228	0.60 141	0.28 132	0.87 197	0.64 109	0.63 225	0.56 160	0.71 249	0.45 202	1.08 190	0.52 161	0.15 232	0.12 139	0.14 219	0.15 194	0.18 109	0.25 97
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet	0.71 230	1.24 284	2.56 192	0.42 222	0.45 262	0.73 265	0.46 273	0.98 270	0.81 263	0.77 293	0.56 160	0.74 257	0.48 223	1.69 277	0.91 253	0.15 232	0.14 165	0.15 244	0.15 194	0.26 222	0.51 234

SANet	1.35 358	1.80 362	4.39 386	0.41 219	0.29 163	1.72 377	0.89 356	1.17 352	2.47 391	1.22 357	1.82 368	1.72 375	1.70 374	2.57 360	3.30 376	0.18 276	0.16 191	0.16 260	0.15 194	0.34 280	0.62 264

XPNet_ROB	0.68 215	1.11 248	2.28 87	0.38 184	0.27 148	0.67 240	0.47 277	0.94 241	0.75 221	0.80 304	0.71 267	0.81 282	0.54 243	1.72 278	0.84 246	0.22 308	0.16 191	0.16 260	0.15 194	0.25 207	0.45 213

EKT-Stereo	1.56 375	0.55 113	2.60 203	2.54 404	19.66 419	0.55 81	0.22 38	0.76 112	0.51 40	0.40 32	0.36 37	0.43 91	0.27 61	0.74 149	0.42 121	0.13 184	0.17 198	0.11 92	0.16 211	0.20 149	0.50 230

MC-Stereo	0.58 125	0.37 50	2.00 40	0.88 344	0.64 314	0.54 72	0.19 12	0.46 9	0.39 3	0.58 169	0.39 50	0.27 35	0.27 61	0.71 140	0.32 77	0.09 11	1.20 353	0.09 13	0.16 211	0.22 172	1.92 378

WZ-Net	1.04 333	1.83 364	4.20 378	0.42 222	0.36 222	0.88 318	0.71 339	1.05 315	1.11 352	0.84 313	0.94 318	1.06 345	1.17 351	2.37 345	2.24 352	0.20 295	0.14 165	0.15 244	0.16 211	0.36 296	0.53 242

PFNet	0.62 166	0.42 70	2.69 244	0.43 232	0.55 285	0.62 181	0.27 124	0.64 78	0.72 196	0.61 204	0.56 160	0.45 118	0.33 111	1.86 305	1.12 279	0.28 339	0.09 81	0.12 134	0.16 211	0.26 222	0.27 107

SFCPSM	0.48 55	0.39 59	2.30 91	0.28 33	0.27 148	0.70 252	0.32 189	1.00 281	0.69 167	0.50 99	0.52 122	0.43 91	0.36 122	0.53 85	0.44 130	0.12 142	0.09 81	0.12 134	0.16 211	0.18 109	0.23 84

PSMNet-RSSM	0.61 153	1.19 270	2.43 125	0.33 110	0.25 123	0.59 129	0.28 132	0.88 205	0.65 116	0.54 130	0.62 203	0.69 241	0.46 209	1.67 273	0.50 156	0.15 232	0.10 103	0.14 219	0.16 211	0.20 149	0.28 113

FAT-Stereo	0.72 238	0.60 125	2.86 283	0.37 166	0.29 163	0.64 206	0.55 300	1.01 289	0.91 310	0.76 291	0.94 318	0.93 315	0.79 313	1.82 298	0.60 181	0.19 287	0.19 208	0.17 274	0.16 211	0.23 186	0.47 218

SuperB	1.19 347	1.62 348	5.29 398	0.37 166	0.26 137	0.81 302	0.87 353	0.94 241	1.19 360	0.68 261	0.68 237	0.63 199	1.37 358	1.73 279	3.30 376	0.16 246	0.12 139	0.17 274	0.16 211	2.74 407	0.63 268

stereogan	0.74 243	0.68 149	2.82 275	0.40 210	0.40 242	1.05 341	0.42 251	0.99 275	0.96 326	0.78 301	0.86 307	1.15 358	0.73 300	1.57 256	0.56 173	0.20 295	0.19 208	0.20 305	0.16 211	0.37 302	0.34 147

DANet	0.85 287	0.68 149	2.41 116	1.18 367	0.48 271	0.77 286	1.23 381	0.93 236	1.53 376	0.90 320	0.72 270	0.97 325	0.57 255	1.86 305	1.05 272	0.18 276	0.16 191	0.19 295	0.16 211	0.26 222	0.67 277
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NVstereo2D	0.63 178	0.57 116	2.29 89	0.37 166	0.35 216	0.69 249	0.49 284	0.96 257	0.88 300	0.49 81	0.54 139	0.72 250	0.46 209	1.98 320	0.50 156	0.19 287	0.20 220	0.18 290	0.16 211	0.28 243	0.34 147

DRN-Test	0.71 230	0.79 185	2.83 277	0.40 210	0.44 259	0.80 298	0.41 245	1.07 330	0.83 274	0.82 309	0.64 218	0.68 230	0.57 255	1.78 290	0.79 234	0.16 246	0.13 152	0.17 274	0.16 211	0.24 192	0.51 234

ETE_ROB	0.68 215	1.09 241	2.32 95	0.38 184	0.26 137	0.69 249	0.51 287	1.49 373	0.75 221	0.81 305	0.71 267	0.85 295	0.51 231	1.39 229	0.70 210	0.17 265	0.14 165	0.19 295	0.16 211	0.24 192	0.35 153

SDNR	2.06 387	2.93 408	2.94 293	1.55 382	5.13 409	1.98 387	0.24 79	1.95 390	2.62 393	0.92 323	2.71 392	5.76 405	0.68 289	3.61 396	3.84 387	0.33 348	0.38 271	0.22 313	0.17 224	1.13 379	2.04 382

fast-acv-ft	0.67 210	1.24 284	3.26 320	0.39 197	0.30 174	0.80 298	0.48 279	0.74 108	0.76 229	0.60 197	0.78 293	0.76 265	0.60 270	0.70 134	0.78 231	0.16 246	0.15 179	0.18 290	0.17 224	0.38 308	0.24 93

GASNet	0.84 279	1.98 371	4.07 373	0.48 253	0.33 199	0.58 111	0.34 207	0.97 264	0.81 263	0.60 197	0.59 181	0.74 257	0.55 248	2.08 328	1.18 285	0.22 308	0.15 179	0.19 295	0.17 224	0.55 353	0.29 119

Wz-Net-SNSev	0.85 287	1.83 364	3.36 328	0.42 222	0.31 182	0.71 256	0.66 329	1.04 307	0.94 319	0.68 261	0.85 302	0.96 323	0.62 274	1.75 282	1.14 281	0.16 246	0.15 179	0.16 260	0.17 224	0.39 315	0.63 268

test-1	0.61 153	0.54 106	2.09 56	0.31 73	1.37 382	0.51 45	0.28 132	0.83 161	0.50 35	0.42 37	0.55 148	0.54 155	0.24 26	0.38 26	1.25 295	0.10 47	1.08 346	0.10 46	0.17 224	0.11 17	0.77 296

RALAANet	0.52 82	1.37 313	2.63 212	0.33 110	0.23 108	0.48 32	0.19 12	0.69 91	0.55 59	0.49 81	0.46 77	0.39 73	0.31 101	0.53 85	0.53 164	0.10 47	0.33 263	0.11 92	0.17 224	0.29 251	0.13 12

UCFNet_RVC	0.55 102	1.16 261	2.48 166	0.31 73	0.27 148	0.65 220	0.28 132	0.76 112	0.58 72	0.51 110	0.53 125	0.67 218	0.42 173	0.91 175	0.45 134	0.16 246	0.11 124	0.17 274	0.17 224	0.20 149	0.23 84

MDST_ROB	1.28 352	0.53 104	3.84 367	0.55 284	0.45 262	4.06 404	0.60 315	1.36 366	0.89 305	2.18 389	1.17 344	0.98 326	0.72 297	4.28 401	2.12 343	0.20 295	0.16 191	0.19 295	0.17 224	0.20 149	0.84 307

ff7	0.65 190	0.58 118	2.09 56	0.39 197	0.60 300	0.56 85	0.23 57	0.49 14	0.62 92	1.00 330	0.24 6	0.20 2	0.24 26	0.71 140	0.24 15	0.09 11	2.09 389	0.10 46	0.18 232	0.24 192	2.22 394

IGEVStereo-DCA	0.74 243	0.74 173	2.09 56	0.76 332	0.77 333	0.45 17	0.23 57	0.49 14	0.62 92	0.71 278	0.22 2	0.30 42	0.28 71	1.29 221	1.53 316	0.10 47	1.50 376	0.10 46	0.18 232	0.24 192	2.22 394

ffff	0.65 190	0.58 118	2.09 56	0.39 197	0.60 300	0.56 85	0.23 57	0.49 14	0.62 92	1.00 330	0.24 6	0.20 2	0.24 26	0.71 140	0.24 15	0.09 11	2.09 389	0.10 46	0.18 232	0.24 192	2.22 394

11t	0.65 190	0.58 118	2.09 56	0.39 197	0.60 300	0.56 85	0.23 57	0.49 14	0.62 92	1.00 330	0.24 6	0.20 2	0.24 26	0.71 140	0.24 15	0.09 11	2.09 389	0.10 46	0.18 232	0.24 192	2.22 394

anonymousdsp	0.86 290	0.59 124	2.65 222	1.33 369	1.25 377	0.56 85	0.23 57	0.54 39	0.71 189	1.13 343	0.25 11	0.22 8	0.24 26	1.24 213	0.24 15	0.09 11	2.34 404	0.10 46	0.18 232	0.25 207	3.12 408

ccc-4	0.65 190	0.58 118	2.09 56	0.39 197	0.60 300	0.56 85	0.23 57	0.49 14	0.62 92	1.00 330	0.24 6	0.20 2	0.24 26	0.71 140	0.24 15	0.09 11	2.09 389	0.10 46	0.18 232	0.24 192	2.22 394

IGEV-Stereo	0.86 290	0.60 125	2.65 222	1.35 371	1.25 377	0.56 85	0.23 57	0.54 39	0.71 189	1.14 344	0.25 11	0.22 8	0.24 26	1.24 213	0.24 15	0.09 11	2.34 404	0.10 46	0.18 232	0.25 207	3.13 409
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
dad	0.58 125	1.35 306	2.39 110	0.31 73	0.20 68	0.62 181	0.26 110	0.56 48	0.79 249	0.66 253	0.64 218	0.64 205	0.36 122	0.87 170	0.48 144	0.28 339	0.15 179	0.40 358	0.18 232	0.24 192	0.22 76

LCNet	0.58 125	0.43 76	2.42 120	0.91 349	0.22 86	0.95 332	0.29 157	0.62 70	0.64 109	0.52 118	0.55 148	0.41 86	0.75 308	0.84 167	0.27 36	0.10 47	0.07 6	0.12 134	0.18 232	0.97 378	0.40 180

EDNetEfficientorigin	8.19 411	1.27 290	145.54 435	0.51 272	0.96 352	0.75 272	0.49 284	0.86 190	1.57 378	2.12 387	1.49 361	1.28 362	1.35 355	1.84 301	2.15 346	0.14 214	0.13 152	0.17 274	0.18 232	0.39 315	0.64 273

FADNet-RVC	0.69 221	1.65 352	2.74 258	0.35 142	0.26 137	0.60 141	0.29 157	0.91 226	0.67 135	0.46 61	0.51 115	0.62 195	0.46 209	1.75 282	0.81 240	0.17 265	0.20 220	0.17 274	0.18 232	0.60 357	0.39 175

S-Stereo	0.82 272	0.73 164	3.79 363	0.40 210	0.37 228	0.70 252	0.69 337	1.00 281	1.03 340	0.63 225	0.92 316	0.82 285	0.59 265	2.35 344	0.71 214	0.18 276	0.22 230	0.17 274	0.18 232	0.30 257	0.67 277

AF-Net	0.76 255	1.14 253	2.74 258	0.42 222	0.41 247	0.70 252	0.41 245	1.07 330	0.94 319	0.73 281	1.05 339	1.04 341	0.86 323	1.23 211	1.00 267	0.23 316	0.15 179	0.25 330	0.18 232	0.32 270	0.35 153

edge stereo	0.84 279	0.74 173	3.42 342	0.38 184	1.21 375	0.63 194	0.41 245	0.98 270	0.83 274	0.81 305	0.88 311	1.14 356	0.73 300	2.16 334	0.89 251	0.22 308	0.20 220	0.26 332	0.18 232	0.38 308	0.43 196

PS-NSSS	0.69 221	1.37 313	2.44 133	0.31 73	0.32 193	0.64 206	0.34 207	1.04 307	0.74 216	0.56 151	0.75 282	0.51 142	0.42 173	2.41 352	0.54 169	0.24 323	0.17 198	0.27 333	0.18 232	0.30 257	0.23 84

LALA_ROB	0.68 215	1.14 253	2.50 172	0.37 166	0.29 163	0.78 291	0.55 300	0.99 275	0.84 286	0.82 309	0.68 237	0.93 315	0.50 227	1.01 182	0.89 251	0.21 303	0.15 179	0.21 309	0.18 232	0.26 222	0.30 127

coex-ft	6.14 409	1.98 371	60.80 433	0.34 127	0.30 174	0.80 298	1.17 378	0.76 112	4.34 401	19.82 421	2.15 377	1.61 373	8.77 411	1.82 298	10.36 413	0.44 359	2.05 388	0.18 290	0.19 248	0.39 315	4.61 413

UDGNet	0.50 70	1.36 310	2.44 133	0.37 166	0.19 63	0.58 111	0.23 57	0.49 14	0.69 167	0.42 37	0.39 50	0.34 59	0.29 87	0.55 91	0.32 77	0.25 329	0.10 103	0.37 355	0.19 248	0.30 257	0.17 49

APVNet	0.76 255	1.11 248	3.23 316	0.39 197	0.36 222	0.85 311	0.44 264	0.96 257	0.73 199	0.58 169	0.69 241	0.76 265	0.56 250	2.29 340	0.82 243	0.17 265	0.18 204	0.24 325	0.19 248	0.35 291	0.27 107

psmorigin	1.41 362	0.91 212	13.83 416	0.37 166	0.30 174	0.63 194	0.37 226	0.80 137	0.64 109	0.98 328	0.87 309	1.16 360	0.78 311	3.95 399	1.09 276	0.19 287	0.22 230	0.17 274	0.19 248	0.25 207	0.47 218

FADNet-RVC-Resample	0.74 243	1.54 336	3.81 365	0.38 184	0.29 163	0.62 181	0.38 234	0.91 226	0.67 135	0.52 118	0.51 115	0.63 199	0.44 194	1.56 252	0.59 179	0.24 323	0.32 259	0.22 313	0.19 248	0.30 257	0.71 291

ADCRef	0.88 297	1.45 327	2.68 238	0.38 184	0.35 216	0.95 332	0.51 287	0.92 233	0.81 263	0.89 318	0.84 299	0.61 190	1.35 355	1.26 218	3.38 379	0.14 214	0.12 139	0.17 274	0.19 248	0.28 243	0.34 147

SGM-Forest	1.84 382	7.91 414	10.36 410	0.42 222	0.33 199	1.04 339	1.29 383	1.01 289	0.88 300	1.19 348	2.30 382	1.03 337	1.79 378	2.60 363	2.81 369	0.22 308	0.21 228	0.21 309	0.19 248	0.25 207	0.79 301
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.86 290	1.00 224	2.82 275	0.35 142	0.21 77	0.78 291	0.78 346	1.05 315	0.87 296	0.90 320	0.74 275	0.87 301	1.89 381	1.67 273	1.38 308	0.19 287	0.20 220	0.21 309	0.19 248	0.28 243	0.84 307
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	1.29 353	1.34 303	3.04 305	0.35 142	0.28 158	1.10 348	0.69 337	1.42 370	1.07 347	2.71 401	2.43 384	2.95 387	1.50 367	2.92 382	2.03 336	0.23 316	0.22 230	0.22 313	0.19 248	0.50 345	0.69 286
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
MyStereo06	0.70 226	0.72 161	3.51 347	0.31 73	0.25 123	0.60 141	0.30 169	0.90 219	0.67 135	1.48 375	0.53 125	0.84 290	0.57 255	0.60 106	1.11 278	0.09 11	0.55 298	0.12 134	0.20 257	0.16 69	0.56 252

MyStereo05	0.57 117	0.72 161	2.72 251	0.31 73	0.25 123	0.60 141	0.30 169	0.87 197	0.82 268	0.54 130	0.37 41	0.53 150	0.42 173	0.63 113	0.73 219	0.09 11	0.55 298	0.12 134	0.20 257	0.16 69	0.56 252

Wz-Net-TNSev	1.02 328	2.26 392	3.69 359	0.38 184	0.31 182	1.00 336	0.71 339	1.12 343	1.02 339	0.74 287	0.73 272	1.09 351	0.91 330	2.46 355	2.15 346	0.21 303	0.20 220	0.16 260	0.20 257	0.48 343	0.62 264

FADNet	0.71 230	1.60 347	2.53 177	0.33 110	0.30 174	0.67 240	0.29 157	0.92 233	0.75 221	0.45 51	0.49 101	0.66 216	0.57 255	1.85 303	0.85 247	0.46 362	0.20 220	0.17 274	0.20 257	0.60 357	0.37 160

STTStereo	0.58 125	0.95 221	2.95 294	0.37 166	0.31 182	0.62 181	0.32 189	0.81 144	0.63 103	0.61 204	0.55 148	0.67 218	0.43 186	0.87 170	0.48 144	0.16 246	0.16 191	0.17 274	0.20 257	0.17 90	0.25 97

RP	0.74 243	1.01 227	2.48 166	0.44 236	0.45 262	0.66 233	0.45 268	0.95 254	0.87 296	0.70 269	0.95 321	0.99 329	0.82 315	1.55 250	0.82 243	0.26 333	0.19 208	0.23 320	0.20 257	0.34 280	0.38 168

RTS	1.29 353	1.59 343	6.48 405	0.63 309	0.57 290	1.59 370	0.90 357	1.15 346	1.44 371	1.20 353	1.31 352	1.10 352	0.87 326	2.67 368	2.27 354	0.21 303	0.38 271	0.19 295	0.20 257	0.46 340	0.68 282

RTSA	1.29 353	1.59 343	6.48 405	0.63 309	0.57 290	1.59 370	0.90 357	1.15 346	1.44 371	1.20 353	1.31 352	1.10 352	0.87 326	2.67 368	2.27 354	0.21 303	0.38 271	0.19 295	0.20 257	0.46 340	0.68 282

GANet	0.92 310	1.20 272	2.68 238	0.45 243	0.27 148	0.76 276	0.66 329	0.94 241	0.77 237	0.79 302	1.17 344	0.84 290	0.91 330	2.72 372	1.76 326	0.18 276	0.42 279	0.44 365	0.20 257	0.33 274	0.94 321

Anonymous Stereo	0.83 276	1.57 338	3.56 352	0.46 246	0.39 236	0.63 194	0.84 351	0.92 233	0.83 274	0.68 261	0.68 237	0.64 205	0.42 173	2.42 353	1.02 269	0.23 316	0.23 235	0.19 295	0.20 257	0.31 265	0.40 180

PSMNet_ROB	0.75 252	1.42 322	2.93 291	0.39 197	0.32 193	0.73 265	0.56 304	0.90 219	0.74 216	0.56 151	0.60 188	0.75 261	0.47 217	2.00 321	1.31 298	0.18 276	0.13 152	0.19 295	0.20 257	0.26 222	0.40 180

MyStereo8	0.73 240	1.16 261	2.89 286	0.53 277	0.34 208	0.71 256	0.20 20	1.87 386	0.59 76	0.53 126	0.66 231	0.50 139	0.33 111	1.27 219	0.62 189	0.10 47	1.19 352	0.10 46	0.21 268	0.21 158	0.61 262

MyStereo07	0.56 110	0.68 149	2.42 120	0.30 59	0.41 247	0.61 159	0.31 179	0.58 55	0.72 196	1.17 347	0.26 14	0.20 2	0.27 61	1.28 220	0.28 41	0.09 11	0.59 305	0.12 134	0.21 268	0.16 69	0.48 222

MyStereo04	0.57 117	0.68 149	2.66 226	0.30 59	0.41 247	0.61 159	0.31 179	0.88 205	0.80 256	0.48 65	0.37 41	0.54 155	0.42 173	0.61 109	0.71 214	0.09 11	0.59 305	0.12 134	0.21 268	0.16 69	0.48 222

GrayStereo	0.71 230	0.27 1	2.40 112	0.89 345	0.23 108	0.62 181	1.40 389	0.67 86	0.70 177	0.72 280	0.77 289	0.55 163	3.03 395	0.60 106	0.28 41	0.10 47	0.08 38	0.10 46	0.21 268	0.12 25	0.37 160

aanetorigin	0.81 269	1.03 231	2.64 221	0.44 236	0.44 259	0.59 129	1.00 365	0.59 62	0.70 177	1.54 377	1.22 348	0.82 285	1.08 346	1.06 187	1.07 274	0.18 276	0.15 179	0.17 274	0.21 268	0.53 351	0.65 274

MaskLacGwcNet_RVC	0.84 279	1.41 318	2.80 269	0.94 351	0.35 216	0.89 320	0.41 245	0.89 211	0.66 123	0.57 163	0.63 211	0.75 261	0.38 134	2.37 345	0.55 171	1.16 388	0.31 258	0.36 353	0.21 268	0.59 356	0.63 268

ADCL	1.07 337	1.22 279	2.80 269	0.40 210	0.33 199	1.50 365	1.87 396	0.97 264	1.04 343	1.26 361	1.28 350	0.99 329	1.41 361	1.36 228	3.51 382	0.17 265	0.14 165	0.22 313	0.21 268	0.32 270	0.43 196

cross-raft	0.47 48	0.34 30	2.17 71	0.70 327	0.84 341	0.50 43	0.35 216	0.74 108	0.43 13	0.44 49	0.45 75	0.63 199	0.25 40	0.37 24	0.27 36	0.08 1	0.14 165	0.10 46	0.23 275	0.11 17	0.27 107

ADCS	1.14 344	2.02 376	3.36 328	0.43 232	0.37 228	0.96 334	0.81 349	1.12 343	1.17 359	1.25 360	0.98 326	1.08 348	0.92 333	1.41 233	4.97 400	0.23 316	0.21 228	0.22 313	0.23 275	0.40 321	0.67 277

qqq1	0.62 166	0.54 106	1.92 29	0.32 90	0.16 20	0.46 20	0.24 79	0.94 241	0.85 288	0.58 169	0.70 254	0.51 142	0.41 162	1.89 310	0.64 195	0.13 184	1.01 338	0.09 13	0.24 277	0.19 132	0.59 257

fff1	0.62 166	0.54 106	1.92 29	0.32 90	0.16 20	0.46 20	0.24 79	0.94 241	0.85 288	0.58 169	0.70 254	0.51 142	0.41 162	1.89 310	0.64 195	0.13 184	1.01 338	0.09 13	0.24 277	0.19 132	0.59 257

AnyNet_C01	1.20 348	1.89 367	4.25 380	0.55 284	0.54 283	1.57 368	1.39 388	1.10 338	1.13 354	1.19 348	1.34 356	1.15 358	1.11 348	1.73 279	2.89 371	0.26 333	0.24 238	0.28 335	0.24 277	0.50 345	0.68 282

NaN_ROB	1.25 350	1.46 329	3.84 367	0.54 283	0.56 287	1.12 349	0.99 361	1.05 315	1.03 340	1.10 340	0.87 309	0.77 267	1.07 345	5.85 406	2.98 372	0.16 246	0.23 235	0.16 260	0.24 277	0.28 243	0.66 275

PDISCO_ROB	0.84 279	1.46 329	2.84 279	0.65 314	0.59 295	1.17 354	0.48 279	1.19 354	1.08 349	0.67 255	0.72 270	1.00 332	0.61 272	1.24 213	1.05 272	0.38 352	0.18 204	0.28 335	0.24 277	0.58 355	0.44 208

HBP-ISP	0.82 272	1.57 338	3.28 322	0.50 269	0.27 148	0.86 312	0.54 296	1.09 335	0.78 240	0.81 305	0.70 254	0.68 230	1.00 340	2.02 322	0.47 141	0.24 323	0.24 238	0.29 343	0.25 282	0.28 243	0.52 239

AnyNet_C32	1.08 340	1.76 361	3.01 303	0.50 269	0.54 283	1.17 354	1.16 377	0.97 264	0.95 324	1.11 341	0.98 326	0.87 301	0.93 335	1.57 256	4.11 394	0.22 308	0.20 220	0.25 330	0.25 282	0.40 321	0.68 282

GANetREF_RVC	0.81 269	1.44 326	3.04 305	0.49 264	0.27 148	0.83 305	0.63 323	1.03 301	0.92 312	0.63 225	0.61 196	0.72 250	0.59 265	2.40 350	0.58 177	0.33 348	0.25 245	0.37 355	0.25 282	0.41 327	0.36 159
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
NCCL2	0.71 230	1.32 297	2.30 91	0.44 236	0.31 182	0.71 256	0.67 333	0.89 211	0.69 167	0.70 269	0.61 196	0.85 295	0.54 243	1.58 262	0.70 210	0.20 295	0.17 198	0.66 374	0.25 282	0.26 222	0.38 168

CBMV_ROB	0.88 297	0.75 177	2.73 256	0.36 156	0.22 86	0.76 276	0.47 277	1.05 315	0.81 263	1.06 338	1.04 337	0.88 305	1.36 357	2.17 335	2.03 336	0.23 316	0.24 238	0.27 333	0.25 282	0.27 233	0.73 293

CSAN	1.38 360	1.74 360	4.12 374	0.53 277	0.38 234	1.06 344	1.15 375	1.29 361	1.12 353	1.19 348	1.90 371	1.04 341	1.44 362	5.92 407	2.82 370	0.26 333	0.22 230	0.24 325	0.25 282	0.35 291	0.54 245

SMFormer	0.64 185	0.54 106	1.92 29	0.32 90	0.16 20	0.46 20	0.24 79	0.94 241	0.85 288	0.58 169	0.70 254	0.51 142	0.41 162	1.89 310	0.86 249	0.13 184	1.01 338	0.11 92	0.26 288	0.17 90	0.84 307

tta	0.63 178	0.54 106	1.92 29	0.32 90	0.16 20	0.46 20	0.24 79	0.94 241	0.85 288	0.58 169	0.70 254	0.51 142	0.41 162	1.89 310	0.86 249	0.13 184	1.01 338	0.11 92	0.26 288	0.19 132	0.59 257

RGC	0.78 261	1.10 246	2.55 188	0.45 243	0.45 262	0.73 265	0.40 243	1.00 281	0.75 221	0.75 289	1.04 337	1.02 336	0.73 300	1.74 281	1.15 282	0.24 323	0.19 208	0.28 335	0.26 288	0.31 265	0.38 168

G-Net	1.02 328	0.70 154	3.23 316	0.60 299	0.66 317	2.00 388	0.71 339	0.78 125	0.70 177	1.14 344	2.53 386	1.29 364	1.01 341	1.47 242	1.74 324	0.25 329	0.24 238	0.24 325	0.26 288	0.37 302	0.40 180

Nwc_Net	0.75 252	1.10 246	2.96 295	0.42 222	0.39 236	0.77 286	0.39 240	1.06 327	0.73 199	0.65 247	1.00 330	0.99 329	0.74 304	1.43 235	0.99 265	0.24 323	0.15 179	0.23 320	0.26 288	0.27 233	0.30 127

XQC	0.84 279	1.32 297	2.61 207	0.78 337	0.44 259	0.89 320	0.53 293	1.16 349	1.07 347	0.85 314	0.69 241	0.92 310	0.73 300	1.40 231	1.44 310	0.24 323	0.35 265	0.23 320	0.26 288	0.45 336	0.39 175

FBW_ROB	0.94 316	1.23 283	2.35 99	0.46 246	0.32 193	0.87 316	0.46 273	1.15 346	0.97 332	0.83 312	0.78 293	1.01 333	0.64 278	3.65 397	1.65 319	0.27 336	0.24 238	0.40 358	0.26 288	0.32 270	0.88 315

NOSS_ROB	0.75 252	1.03 231	2.27 85	0.68 325	0.26 137	0.68 246	0.30 169	0.99 275	0.82 268	0.59 188	0.58 176	0.77 267	0.39 145	2.75 376	0.48 144	0.25 329	0.24 238	0.28 335	0.26 288	0.29 251	1.07 335

EDNetEfficient	1.29 353	0.78 183	4.27 381	0.65 314	1.03 363	0.94 330	1.38 387	0.87 197	1.75 383	2.33 395	1.32 354	1.04 341	2.21 388	1.59 263	4.07 393	0.16 246	0.19 208	0.15 244	0.27 296	0.38 308	0.40 180

SHD	0.84 279	1.14 253	2.54 181	0.80 339	0.52 277	0.76 276	0.34 207	1.16 349	1.29 365	1.11 341	0.85 302	0.98 326	0.74 304	1.25 216	1.48 312	0.22 308	0.37 267	0.20 305	0.27 296	0.36 296	0.41 187

Sa-1000	0.61 153	1.07 237	2.71 249	0.32 90	0.61 307	0.61 159	0.31 179	1.00 281	0.76 229	0.53 126	0.83 297	0.43 91	0.33 111	0.69 133	0.30 55	0.10 47	0.52 295	0.13 190	0.28 298	0.29 251	0.29 119

ccnet	0.77 259	0.61 130	2.01 42	0.40 210	0.46 269	1.05 341	0.59 312	1.02 295	0.74 216	0.90 320	0.97 323	0.82 285	0.89 328	1.68 276	1.16 284	0.32 346	0.26 248	0.32 347	0.28 298	0.35 291	0.47 218

DeepPrunerF	0.92 310	1.33 301	3.41 339	0.46 246	0.51 275	0.64 206	0.49 284	1.16 349	2.62 393	0.65 247	0.61 196	0.65 209	0.62 274	2.23 337	1.31 298	0.23 316	0.19 208	0.30 344	0.28 298	0.39 315	0.34 147

PA-Net	0.93 315	1.36 310	4.14 375	0.64 312	0.41 247	0.70 252	0.53 293	0.91 226	0.88 300	0.53 126	0.60 188	0.70 247	0.54 243	2.40 350	2.57 364	0.17 265	0.28 256	0.19 295	0.28 298	0.25 207	0.48 222
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
11t1	0.60 146	0.49 89	2.19 74	0.35 142	0.58 294	0.48 32	0.21 29	0.72 105	0.73 199	0.49 81	0.47 82	0.35 62	0.34 118	0.61 109	0.71 214	0.12 142	1.26 361	0.10 46	0.29 302	0.16 69	1.22 348

rrr	0.84 279	0.74 173	3.40 338	0.76 332	0.77 333	0.45 17	0.28 132	1.23 358	0.84 286	0.71 278	0.22 2	0.30 42	0.28 71	1.29 221	1.53 316	0.10 47	1.50 376	0.10 46	0.29 302	0.24 192	1.75 375

SQANet	0.92 310	1.96 369	3.23 316	0.77 335	0.83 339	0.76 276	0.38 234	0.87 197	0.68 159	0.64 235	0.69 241	0.73 255	0.52 238	1.35 227	1.36 304	0.80 374	0.30 257	0.60 372	0.29 302	0.93 376	0.70 289

FINET	1.92 384	1.96 369	4.49 389	1.62 384	1.39 383	3.51 402	4.39 406	2.89 399	2.58 392	1.39 367	1.98 372	1.35 366	2.12 387	1.64 269	2.12 343	0.84 376	1.03 344	0.18 290	0.29 302	0.54 352	2.12 385

CC-Net-ROB	0.95 317	1.57 338	2.93 291	0.90 347	0.39 236	0.87 316	0.44 264	1.12 343	0.83 274	0.59 188	0.69 241	0.64 205	0.50 227	2.73 374	0.93 254	0.97 381	0.40 277	0.87 380	0.29 302	0.61 360	0.66 275

LSM	3.40 401	1.42 322	5.81 402	9.98 416	30.74 429	0.86 312	1.14 373	0.99 275	1.26 362	1.40 369	2.18 378	0.93 315	0.85 321	1.76 284	1.03 270	0.22 308	0.35 265	0.24 325	0.29 302	0.40 321	6.21 414

raft_robust	0.68 215	1.24 284	2.42 120	0.30 59	0.57 290	0.53 65	0.25 98	0.95 254	0.79 249	0.49 81	0.46 77	1.12 354	0.74 304	1.50 246	0.61 186	0.09 11	0.62 310	0.10 46	0.30 308	0.26 222	0.30 127

CREStereo++_RVC	0.38 13	0.37 50	2.47 161	0.25 5	0.16 20	0.54 72	0.15 1	0.42 4	0.57 66	0.37 25	0.52 122	0.24 19	0.19 7	0.31 3	0.27 36	0.09 11	0.06 1	0.08 3	0.30 308	0.09 5	0.22 76
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
FCDSN-DC	1.45 366	1.12 250	3.30 325	0.48 253	0.41 247	1.13 350	0.60 315	1.17 352	1.28 364	2.25 392	2.85 394	3.65 394	3.34 399	2.58 361	2.44 358	0.31 345	0.26 248	0.31 345	0.30 308	0.37 302	0.78 299
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
RTSC	0.84 279	1.40 317	2.67 233	0.50 269	0.40 242	0.83 305	0.33 202	1.11 341	1.14 355	0.93 326	0.82 295	0.84 290	0.58 262	1.34 226	1.82 330	0.18 276	0.49 290	0.14 219	0.30 308	0.46 340	0.42 191

FC-DCNN	1.60 378	0.85 192	3.44 343	0.46 246	0.39 236	1.96 384	0.66 329	1.72 382	1.70 381	2.75 402	2.91 397	4.20 397	3.15 397	2.72 372	2.66 365	0.30 343	0.26 248	0.31 345	0.30 308	0.33 274	0.91 318

ttt	0.89 304	0.51 100	2.51 173	0.36 156	0.31 182	0.61 159	0.28 132	1.07 330	0.92 312	0.56 151	0.77 289	0.55 163	0.37 127	2.27 338	3.51 382	0.16 246	1.21 356	0.13 190	0.31 313	0.18 109	1.26 350

test_xeample	0.98 323	0.65 140	2.12 63	0.29 45	0.67 318	0.60 141	0.28 132	1.08 333	0.85 288	0.62 216	0.70 254	0.44 106	0.41 162	1.95 318	5.45 402	0.12 142	1.33 369	0.11 92	0.31 313	0.18 109	1.42 364

Gwc-CoAtRS	0.41 18	0.37 50	2.06 52	0.28 33	0.41 247	0.48 32	0.19 12	0.64 78	0.49 29	0.45 51	0.39 50	0.57 174	0.26 48	0.37 24	0.28 41	0.09 11	0.19 208	0.09 13	0.31 313	0.11 17	0.25 97

NCC-stereo	0.88 297	1.22 279	2.97 296	0.60 299	0.45 262	1.88 382	0.48 279	1.04 307	0.75 221	0.70 269	0.85 302	0.93 315	0.84 318	1.81 295	1.51 314	0.28 339	0.19 208	0.23 320	0.31 313	0.27 233	0.35 153

Abc-Net	0.88 297	1.22 279	2.97 296	0.60 299	0.45 262	1.88 382	0.48 279	1.04 307	0.75 221	0.70 269	0.85 302	0.93 315	0.84 318	1.81 295	1.51 314	0.28 339	0.19 208	0.23 320	0.31 313	0.27 233	0.35 153
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
MSKI-zero shot	0.70 226	0.44 80	2.62 211	1.47 377	0.75 328	0.56 85	0.20 20	0.80 137	0.45 17	0.60 197	0.52 122	0.44 106	0.17 1	0.70 134	0.26 32	0.09 11	2.87 410	0.09 13	0.32 318	0.14 51	0.50 230

DCRE	0.76 255	0.80 187	2.31 93	1.05 358	1.18 373	0.63 194	0.26 110	1.03 301	0.59 76	0.52 118	2.12 375	0.44 106	0.27 61	0.41 40	0.53 164	0.09 11	1.02 343	0.10 46	0.32 318	0.16 69	1.47 367

SA	0.61 153	1.14 253	2.79 267	0.32 90	0.63 310	0.57 104	0.30 169	0.97 264	0.78 240	0.43 43	0.63 211	0.39 73	0.46 209	0.70 134	0.31 69	0.10 47	0.44 283	0.13 190	0.32 318	0.31 265	0.51 234

MIPNet	0.88 297	1.07 237	2.85 281	0.61 305	0.18 47	1.46 363	1.37 385	1.65 379	0.78 240	1.93 383	0.85 302	0.75 261	1.66 371	0.87 170	0.34 94	0.10 47	0.08 38	0.11 92	0.32 318	0.27 233	0.26 102

XX-Stereo	0.98 323	0.57 116	4.45 388	1.64 385	5.33 410	0.55 81	0.16 3	0.96 257	0.43 13	0.45 51	0.65 225	0.85 295	0.19 7	0.79 158	0.26 32	0.11 110	0.80 328	0.10 46	0.32 318	0.17 90	0.78 299

222	1.02 328	0.60 125	1.95 34	0.29 45	0.51 275	0.62 181	0.24 79	1.09 335	0.86 294	0.64 235	0.67 234	0.47 127	0.42 173	1.86 305	6.73 406	0.13 184	1.21 356	0.11 92	0.32 318	0.17 90	1.44 365

xxxx	0.97 321	0.64 138	2.14 67	0.30 59	0.67 318	0.64 206	0.24 79	1.09 335	0.91 310	0.57 163	0.65 225	0.58 178	0.39 145	1.57 256	5.49 403	0.13 184	1.38 371	0.11 92	0.32 318	0.17 90	1.41 363

ADCMid	1.06 335	1.82 363	3.53 350	0.39 197	0.36 222	0.99 335	0.58 309	1.01 289	0.94 319	1.23 359	1.02 333	1.01 333	1.01 341	1.11 196	4.04 392	0.22 308	0.19 208	0.42 362	0.32 318	0.42 329	0.53 242

MSMD_ROB	1.41 362	1.03 231	2.75 260	0.41 219	0.32 193	2.00 388	0.61 320	0.96 257	1.43 370	2.97 403	2.63 390	4.76 402	2.04 385	2.44 354	1.78 328	0.30 343	0.26 248	0.32 347	0.32 318	0.32 270	0.63 268

WCMA_ROB	1.29 353	1.21 274	3.13 313	0.65 314	0.36 222	1.20 357	0.78 346	1.00 281	0.98 333	1.78 382	2.62 389	3.08 391	2.01 384	1.86 305	2.35 356	0.38 352	0.38 271	0.32 347	0.32 318	0.31 265	1.06 334

DualNet	0.97 321	0.67 142	3.39 333	0.32 90	0.22 86	0.58 111	0.28 132	0.85 178	0.96 326	0.54 130	0.74 275	0.67 218	0.40 151	0.64 117	3.86 388	0.10 47	2.16 399	0.15 244	0.33 328	0.25 207	2.19 389

ffm	0.78 261	0.67 142	3.39 333	0.32 90	0.22 86	0.58 111	0.28 132	0.85 178	0.96 326	0.54 130	0.74 275	0.67 218	0.40 151	0.64 117	0.22 4	0.10 47	2.16 399	0.15 244	0.33 328	0.25 207	2.19 389

ff1	1.07 337	0.67 142	3.39 333	0.32 90	0.22 86	0.58 111	0.28 132	0.85 178	0.96 326	0.54 130	0.74 275	0.67 218	0.40 151	2.75 376	3.86 388	0.10 47	2.16 399	0.15 244	0.33 328	0.25 207	2.19 389

mmx	0.99 325	0.67 142	3.39 333	0.32 90	0.22 86	0.58 111	0.28 132	1.05 315	0.92 312	0.54 130	0.74 275	0.67 218	0.40 151	2.75 376	3.86 388	0.13 184	1.25 358	0.15 244	0.33 328	0.19 132	1.28 353

xxx	0.99 325	0.67 142	3.39 333	0.32 90	0.22 86	0.58 111	0.28 132	1.05 315	0.92 312	0.54 130	0.74 275	0.67 218	0.40 151	2.75 376	3.86 388	0.13 184	1.25 358	0.15 244	0.33 328	0.19 132	1.28 353

ToySt	0.67 210	0.88 199	2.61 207	0.39 197	0.73 326	0.61 159	0.38 234	0.78 125	0.73 199	0.43 43	0.70 254	0.72 250	0.45 202	0.66 124	0.62 189	0.14 214	0.63 311	0.13 190	0.33 328	0.24 192	1.18 340

IGEV_Zeroshot_test	0.91 309	0.39 59	3.80 364	0.42 222	1.95 398	0.56 85	0.64 324	0.84 168	0.55 59	1.45 372	0.53 125	0.79 273	0.42 173	0.57 97	1.13 280	0.10 47	0.49 290	0.10 46	0.34 334	0.19 132	2.97 406

SAMSARA	1.11 342	1.35 306	2.60 203	1.34 370	0.77 333	1.67 375	1.41 391	1.47 372	0.99 336	1.54 377	0.89 313	1.44 369	0.90 329	1.88 309	1.71 320	0.25 329	0.55 298	0.22 313	0.34 334	0.39 315	0.50 230

Selective-RAFT	0.46 45	0.48 88	1.88 23	0.32 90	0.16 20	0.61 159	0.19 12	0.66 83	0.62 92	0.28 18	0.30 20	0.41 86	0.33 111	0.51 74	0.32 77	0.11 110	1.09 347	0.09 13	0.35 336	0.19 132	0.37 160

test-3	0.58 125	0.43 76	2.44 133	0.52 273	0.59 295	0.46 20	0.23 57	0.77 118	0.49 29	0.52 118	0.29 17	0.44 106	0.22 18	0.59 101	0.97 257	0.08 1	1.27 362	0.10 46	0.35 336	0.29 251	0.62 264

test_1	0.58 125	0.43 76	2.44 133	0.52 273	0.59 295	0.46 20	0.23 57	0.77 118	0.49 29	0.51 110	0.29 17	0.44 106	0.22 18	0.59 101	0.97 257	0.08 1	1.27 362	0.10 46	0.35 336	0.29 251	0.63 268

test_3	0.59 140	0.44 80	2.44 133	0.53 277	0.59 295	0.48 32	0.30 169	0.79 132	0.52 45	0.51 110	0.30 20	0.45 118	0.22 18	0.59 101	0.97 257	0.08 1	1.25 358	0.11 92	0.35 336	0.30 257	0.62 264

PVD	1.05 334	1.21 274	2.36 100	0.84 342	0.91 347	1.04 339	0.64 324	1.32 364	1.68 380	1.43 371	1.41 359	1.14 356	1.15 350	1.49 245	1.77 327	0.27 336	0.65 313	0.28 335	0.35 336	0.40 321	0.73 293

MADNet+	1.44 364	2.19 385	6.00 403	0.89 345	0.70 324	1.58 369	1.11 370	1.56 377	1.30 367	0.89 318	1.03 335	1.25 361	1.12 349	3.29 389	2.80 368	0.48 363	0.57 302	0.39 357	0.36 341	0.63 361	0.69 286

AnonymousM	0.45 40	0.49 89	1.83 14	0.29 45	0.15 13	0.53 65	0.22 38	0.64 78	0.66 123	0.47 63	0.33 32	0.30 42	0.25 40	0.49 68	0.29 50	0.12 142	0.27 254	0.71 377	0.37 342	0.12 25	0.41 187

CVANet_RVC	0.82 272	1.18 267	3.98 370	0.40 210	0.28 158	0.63 194	0.43 258	0.90 219	0.78 240	1.14 344	0.69 241	0.68 230	0.52 238	2.62 364	0.48 144	0.20 295	0.13 152	0.22 313	0.37 342	0.37 302	0.48 222

ELAS_RVC	1.51 372	0.88 199	3.36 328	0.63 309	0.56 287	1.53 366	2.73 400	1.53 374	1.76 384	2.26 393	2.21 381	2.10 380	3.07 396	2.08 328	2.52 360	0.42 355	0.42 279	0.42 362	0.37 342	0.51 347	0.84 307
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DLNR_Zeroshot_test	13.74 417	20.06 421	23.92 422	121.50 435	35.20 430	0.46 20	0.15 1	7.96 414	0.47 24	0.29 21	0.37 41	0.26 28	0.17 1	0.79 158	0.36 103	7.16 417	2.95 411	0.09 13	0.38 345	50.40 433	1.95 379

RAFT-Test	0.56 110	0.41 68	2.01 42	0.90 347	1.07 366	0.65 220	0.37 226	0.83 161	0.65 116	0.49 81	0.49 101	0.93 315	0.24 26	0.52 78	0.30 55	0.10 47	0.38 271	0.09 13	0.38 345	0.11 17	0.19 60

CFNet-RSSM	0.44 37	0.36 40	2.38 104	0.28 33	0.43 258	0.53 65	0.20 20	0.86 190	0.52 45	0.44 49	0.36 37	0.53 150	0.26 48	0.40 34	0.27 36	0.09 11	0.08 38	0.09 13	0.38 345	0.10 10	0.22 76

x	0.65 190	0.62 134	2.12 63	0.36 156	0.61 307	0.48 32	0.24 79	0.80 137	0.89 305	0.50 99	0.56 160	0.44 106	0.36 122	0.62 112	0.80 236	0.11 110	1.44 375	0.11 92	0.39 348	0.16 69	1.34 358

otaku	1.15 345	2.10 381	3.51 347	0.98 355	0.74 327	1.02 338	0.59 312	1.03 301	0.89 305	0.70 269	1.60 363	0.98 326	0.65 279	1.63 266	1.80 329	0.99 382	0.46 284	0.73 378	0.40 349	1.30 388	0.88 315

iRaft-Stereo_20w	1.50 369	0.42 70	4.81 391	2.24 401	2.09 401	1.36 358	1.27 382	1.38 367	0.94 319	2.07 384	0.42 61	0.85 295	0.69 293	0.87 170	1.37 306	0.10 47	4.04 412	0.09 13	0.40 349	0.17 90	4.53 412

test_xeample3	0.86 290	0.75 177	3.36 328	0.65 314	0.76 331	0.49 37	0.33 202	1.21 357	0.80 256	0.61 204	0.23 5	0.30 42	0.29 87	1.17 205	1.57 318	0.10 47	1.79 382	0.10 46	0.40 349	0.25 207	2.09 383

ELAS	1.52 373	0.92 217	2.91 289	0.62 307	0.57 290	3.13 399	2.21 398	1.67 380	1.58 379	2.42 396	2.43 384	1.87 377	2.49 391	1.85 303	2.70 367	0.42 355	0.43 282	0.41 360	0.40 349	0.51 347	0.85 311
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
xx1	0.71 230	0.73 164	2.43 125	0.67 320	0.52 277	0.76 276	0.24 79	0.85 178	1.05 344	0.77 293	0.39 50	0.46 122	0.37 127	0.70 134	0.22 4	0.10 47	2.13 394	0.12 134	0.41 353	0.16 69	1.18 340

Ntro	1.11 342	2.10 381	3.52 349	0.97 354	0.87 344	1.06 344	0.54 296	1.02 295	0.93 318	0.63 225	0.76 285	0.93 315	0.67 287	1.76 284	1.71 320	1.03 383	0.46 284	0.76 379	0.41 353	1.29 386	0.86 314

qqq	0.65 190	0.63 136	2.10 62	0.30 59	0.64 314	0.46 20	0.27 124	0.81 144	0.83 274	0.48 65	0.56 160	0.46 122	0.37 127	1.03 185	0.75 222	0.11 110	1.41 374	0.12 134	0.41 353	0.16 69	1.18 340

PASM	0.82 272	1.00 224	2.68 238	0.52 273	0.48 271	0.65 220	0.59 312	0.83 161	0.89 305	0.82 309	0.73 272	0.89 308	0.68 289	2.39 349	0.73 219	0.35 351	0.37 267	0.36 353	0.41 353	0.45 336	0.51 234

AE-Stereo	0.71 230	0.32 14	2.44 133	0.44 236	0.50 273	0.58 111	0.23 57	1.08 333	0.67 135	0.67 255	0.51 115	0.47 127	0.24 26	0.63 113	0.32 77	0.09 11	2.15 398	0.11 92	0.45 357	0.22 172	2.01 380

mmm	0.66 207	0.53 104	1.83 14	0.38 184	0.86 342	0.49 37	0.27 124	0.82 151	0.83 274	0.59 188	0.69 241	0.47 127	0.38 134	0.81 165	0.73 219	0.12 142	1.37 370	0.14 219	0.45 357	0.18 109	1.35 359

SGM-ForestM	3.67 403	2.70 407	5.34 399	1.65 386	1.72 395	6.02 410	5.08 408	4.10 408	3.47 399	4.59 407	4.21 404	9.81 411	5.79 408	6.44 408	6.97 407	0.88 377	1.09 347	0.33 351	0.45 357	0.68 365	2.10 384

SGM_RVC	2.11 389	1.07 237	2.87 284	0.98 355	0.92 348	2.72 398	1.88 397	1.91 388	12.27 410	2.09 385	1.99 373	2.47 385	2.24 389	2.87 381	2.03 336	0.54 364	0.47 286	0.42 362	0.47 360	0.74 367	1.22 348
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ACVNet_1	1.47 368	2.27 393	4.92 393	1.11 363	0.89 345	1.19 356	0.66 329	1.28 360	1.19 360	0.98 328	0.97 323	3.06 390	1.48 366	2.37 345	1.82 330	1.08 385	0.49 290	1.03 387	0.48 361	1.20 382	0.95 324

TRStereo	0.89 304	1.02 228	2.91 289	4.59 411	0.31 182	0.93 328	0.23 57	1.93 389	0.66 123	0.37 25	0.54 139	0.48 133	0.40 151	0.67 127	0.29 50	0.13 184	0.37 267	0.11 92	0.48 361	0.13 35	1.21 346

JetBlue	1.89 383	2.09 380	4.16 376	0.74 330	1.23 376	4.52 408	3.86 405	1.68 381	1.26 362	1.28 363	1.54 362	2.36 384	1.86 380	3.35 391	3.37 378	0.54 364	0.49 290	0.48 366	0.49 363	1.39 392	1.21 346

1111x	1.06 335	0.79 185	3.29 324	0.33 110	0.60 300	0.64 206	0.33 202	1.10 338	0.92 312	0.59 188	0.69 241	0.59 181	0.47 217	2.64 366	4.61 398	0.12 142	1.38 371	0.11 92	0.49 363	0.18 109	1.30 355

DPSNet	1.02 328	0.72 161	2.84 279	0.60 299	0.39 236	1.08 346	0.75 343	1.41 369	1.14 355	0.74 287	0.69 241	1.05 344	1.67 372	2.09 330	2.22 351	0.27 336	0.61 307	0.20 305	0.50 365	0.48 343	1.03 332

RAFT+CT+SA	0.60 146	1.25 287	2.49 169	0.38 184	0.75 328	0.55 81	0.34 207	0.83 161	0.68 159	0.39 30	0.55 148	0.44 106	0.29 87	0.75 150	0.28 41	0.09 11	0.24 238	0.11 92	0.51 366	0.30 257	0.74 295

UDG	0.86 290	1.57 338	2.80 269	0.68 325	0.59 295	0.78 291	0.38 234	0.97 264	0.74 216	0.63 225	0.70 254	1.01 333	0.68 289	1.02 183	1.22 292	0.45 360	0.34 264	0.89 381	0.51 366	0.73 366	0.58 254

DDUNet	0.90 307	1.63 350	2.77 265	0.77 335	0.69 322	0.83 305	0.44 264	0.90 219	0.70 177	0.68 261	0.76 285	0.92 310	0.54 243	1.14 201	1.35 302	0.61 367	0.37 267	0.96 383	0.52 368	0.77 371	0.67 277

EAI-Stereo	1.16 346	0.29 2	1.94 33	0.55 284	0.97 355	1.96 384	7.94 412	1.34 365	1.03 340	1.01 334	1.48 360	0.51 142	0.66 285	0.65 121	1.42 309	0.09 11	0.23 235	0.09 13	0.53 369	0.13 35	0.49 228

AEACV	0.89 304	0.29 2	1.84 17	2.50 403	1.68 394	0.53 65	0.21 29	1.01 289	0.42 9	0.68 261	0.31 25	0.22 8	0.39 145	1.63 266	0.25 23	0.09 11	2.60 407	0.09 13	0.54 370	0.23 186	2.27 399

ACVNet-4b	2.00 386	2.19 385	4.85 392	1.09 360	0.86 342	1.15 352	0.53 293	1.11 341	1.15 357	0.65 247	1.09 341	1.97 378	0.69 293	2.31 341	9.78 412	5.73 412	0.42 279	1.03 387	0.55 371	1.89 398	0.92 320

MFN_U_SF_DS_RVC	1.08 340	2.01 375	2.56 192	0.49 264	0.40 242	1.49 364	0.96 360	1.02 295	0.95 324	0.85 314	0.94 318	1.06 345	0.59 265	2.92 382	1.15 282	0.43 358	0.74 326	0.32 347	0.55 371	0.74 367	1.35 359

ACVNet_2	1.54 374	2.20 387	4.42 387	1.10 362	0.93 350	1.37 360	0.87 353	1.53 374	1.71 382	1.22 357	1.72 366	2.12 381	1.06 344	2.58 361	1.93 332	0.94 378	0.54 296	1.00 385	0.56 373	2.11 402	0.96 326

SPS-STEREO	1.22 349	1.65 352	3.41 339	0.66 318	0.69 322	1.01 337	0.68 335	1.10 338	0.96 326	1.40 369	1.25 349	1.46 370	1.08 346	2.05 323	2.24 352	0.66 369	0.61 307	0.58 370	0.57 374	0.66 364	1.65 373
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RainbowNet	1.27 351	2.22 388	3.58 354	1.14 365	0.92 348	1.08 346	0.76 344	1.19 354	1.15 357	0.77 293	0.97 323	1.08 348	0.83 317	1.64 269	1.72 322	1.20 390	1.30 367	1.01 386	0.58 375	1.23 383	0.97 329

Consistency-Raft	0.92 310	1.21 274	3.50 346	0.98 355	0.63 310	0.77 286	0.54 296	1.02 295	1.01 338	0.62 216	1.03 335	0.65 209	1.04 343	0.81 165	1.36 304	0.45 360	0.47 286	0.51 368	0.59 376	0.65 363	0.47 218

PWCK	1.62 379	2.32 397	4.27 381	1.11 363	0.56 287	1.81 380	1.84 395	1.55 376	1.54 377	1.45 372	1.81 367	1.82 376	1.38 359	3.34 390	2.14 345	1.09 386	0.57 302	0.98 384	0.59 376	1.50 394	0.79 301

MFMNet_re	1.01 327	1.73 357	3.04 305	0.85 343	0.76 331	0.93 328	0.81 349	1.02 295	1.10 350	1.05 336	1.06 340	0.84 290	0.96 337	0.93 177	0.97 257	0.68 371	0.61 307	0.63 373	0.60 378	0.77 371	0.80 303

DispFullNet	1.69 380	2.25 390	5.23 396	1.53 381	8.78 411	0.89 320	0.37 226	1.03 301	0.98 333	1.37 365	1.00 330	1.13 355	1.97 383	1.51 247	0.98 263	0.55 366	0.32 259	1.19 390	0.64 379	1.16 381	0.88 315

IMH-64-1	1.50 369	1.98 371	2.69 244	1.39 373	1.12 370	1.39 361	1.19 379	1.80 383	1.47 373	1.19 348	2.20 379	1.53 371	1.51 368	2.12 332	1.98 333	1.34 393	0.68 316	1.28 393	0.70 380	1.37 390	1.12 337

IMH-64	1.50 369	1.98 371	2.69 244	1.39 373	1.12 370	1.39 361	1.19 379	1.80 383	1.47 373	1.19 348	2.20 379	1.53 371	1.51 368	2.12 332	1.98 333	1.34 393	0.68 316	1.28 393	0.70 380	1.37 390	1.12 337

NVStereoNet_ROB	1.45 366	1.62 348	3.59 355	1.09 360	0.70 324	0.86 312	0.67 333	1.19 354	1.51 375	1.20 353	4.05 402	1.61 373	1.94 382	2.97 384	2.07 340	0.67 370	0.69 319	0.55 369	0.70 380	0.57 354	0.67 277
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SGM+DAISY	2.67 392	2.14 383	4.28 383	1.92 398	2.11 402	4.36 407	5.22 409	3.17 400	3.00 398	3.24 405	3.81 401	3.03 389	3.61 400	2.53 357	3.79 386	1.15 387	1.29 365	0.66 374	0.71 383	0.95 377	2.44 402

IMH	2.14 390	2.46 401	3.60 357	1.70 388	1.13 372	1.65 374	0.93 359	2.13 392	1.93 386	1.37 365	2.64 391	2.19 382	1.82 379	5.77 405	2.18 348	5.70 411	1.05 345	1.31 395	0.72 384	1.39 392	1.13 339

WAO-7	1.58 377	2.04 378	3.25 319	0.94 351	0.75 328	1.75 378	1.13 372	1.87 386	1.97 387	1.46 374	2.53 386	1.98 379	1.75 375	3.13 386	2.48 359	0.69 372	0.67 315	0.94 382	0.74 385	0.80 374	0.77 296

Dean	1.92 384	2.31 396	5.03 395	1.31 368	1.08 367	1.55 367	0.99 361	1.98 391	2.33 390	1.51 376	4.15 403	4.23 400	1.39 360	2.31 341	2.10 341	1.18 389	0.69 319	1.18 389	0.75 386	1.30 388	1.07 335

TorneroNet-64	2.74 393	2.23 389	4.18 377	1.48 378	1.20 374	3.88 403	1.01 367	3.48 407	6.61 407	2.62 400	4.55 405	4.20 397	3.84 402	3.39 393	3.40 380	1.23 391	0.66 314	1.39 398	0.80 387	3.42 409	1.27 351

WAO-6	1.69 380	1.87 366	3.21 315	1.15 366	1.01 361	2.29 392	1.06 369	1.85 385	2.84 397	1.30 364	2.59 388	2.19 382	1.67 372	2.62 364	2.52 360	0.96 380	0.68 316	1.19 390	0.84 388	1.13 379	0.95 324

MANE	3.51 402	2.03 377	3.88 369	1.89 397	2.01 399	5.98 409	4.72 407	5.87 411	7.13 408	3.80 406	5.10 407	6.11 407	5.34 406	4.39 402	5.05 401	1.07 384	1.28 364	0.50 367	0.85 389	0.76 370	2.36 401

TorneroNet	5.60 408	2.30 395	3.98 370	1.49 380	1.26 379	14.47 416	1.11 370	4.85 409	20.66 425	10.12 410	16.30 417	11.78 415	7.35 409	3.41 394	4.38 396	1.36 395	0.70 322	1.46 400	0.87 390	2.73 406	1.33 356

MSC_U_SF_DS_RVC	1.40 361	2.04 378	3.02 304	0.58 298	0.41 247	2.15 391	1.00 365	1.31 363	1.29 365	1.05 336	1.10 342	1.29 364	0.91 330	3.07 385	1.34 300	1.65 400	0.84 330	0.68 376	0.88 391	1.55 395	1.91 377

WAO-8	2.91 396	2.55 403	3.77 361	1.93 399	1.04 364	4.08 405	0.99 361	3.25 403	6.09 404	2.20 390	3.34 399	3.33 392	2.64 392	11.73 413	2.52 360	2.12 404	1.92 385	1.55 401	0.93 392	1.27 384	0.96 326

Venus	2.91 396	2.55 403	3.77 361	1.93 399	1.04 364	4.08 405	0.99 361	3.25 403	6.09 404	2.20 390	3.34 399	3.33 392	2.64 392	11.73 413	2.52 360	2.12 404	1.92 385	1.55 401	0.93 392	1.27 384	0.96 326

ADCPNet	1.07 337	1.37 313	4.54 390	0.38 184	0.68 321	1.36 358	0.64 324	0.93 236	0.83 274	0.79 302	0.82 295	1.08 348	1.18 352	1.30 223	2.68 366	0.21 303	0.69 319	0.21 309	0.95 394	0.30 257	0.54 245

LE_ROB	4.55 406	2.43 400	9.94 408	2.79 408	4.03 407	2.40 395	3.54 402	2.72 396	11.04 409	11.64 414	4.69 406	5.25 403	10.74 412	4.52 404	9.73 411	0.82 375	0.70 322	1.34 396	0.97 395	0.74 367	0.94 321

anonymousa	0.74 243	0.60 125	2.58 196	0.96 353	1.33 380	0.61 159	0.26 110	0.69 91	0.56 63	0.55 141	0.84 299	0.82 285	0.46 209	0.56 94	0.61 186	0.10 47	1.11 349	0.12 134	0.98 396	0.14 51	0.97 329

FADNet_RVC	0.87 296	1.51 334	2.90 288	0.31 73	0.24 117	0.71 256	0.25 98	1.00 281	0.65 116	0.45 51	0.57 170	0.61 190	0.44 194	1.53 248	0.75 222	0.94 378	0.97 335	0.28 335	1.00 397	0.89 375	1.36 361

UNDER WATER	2.84 395	2.25 390	5.25 397	1.84 395	1.45 386	2.36 394	1.44 392	3.23 402	6.51 406	2.61 399	2.73 393	5.69 404	5.64 407	3.14 387	4.18 395	1.48 396	0.81 329	1.60 404	1.07 398	1.91 399	1.67 374

notaker	2.77 394	2.35 398	4.02 372	2.61 406	1.44 385	1.77 379	1.14 373	2.77 398	1.81 385	2.30 394	11.41 412	3.95 395	4.70 404	3.24 388	3.01 373	1.58 399	0.88 332	1.71 406	1.08 399	2.10 401	1.44 365

UNDER WATER-64	2.59 391	2.28 394	5.63 400	1.85 396	1.45 386	3.28 400	1.60 393	2.62 395	5.57 403	2.09 385	2.12 375	4.10 396	4.21 403	2.74 375	3.64 385	1.49 397	0.86 331	1.58 403	1.09 400	1.91 399	1.62 372

ktn	4.44 405	2.47 402	3.70 360	1.82 394	1.49 389	2.11 390	1.40 389	2.30 393	12.56 411	11.36 413	16.25 416	11.30 414	3.77 401	4.41 403	3.47 381	1.86 402	0.99 337	1.74 407	1.21 401	3.28 408	1.39 362

JetRed	3.37 400	4.96 411	10.08 409	1.48 378	1.73 396	7.63 411	5.47 410	3.47 405	2.20 388	2.42 396	2.40 383	2.98 388	2.35 390	3.52 395	6.60 405	1.33 392	1.90 384	1.38 397	1.23 402	2.30 404	2.02 381

KSHMR	4.19 404	2.37 399	6.24 404	1.73 391	1.48 388	1.97 386	1.29 383	3.18 401	17.06 420	2.15 388	15.74 415	9.09 410	1.75 375	8.33 411	2.37 357	1.55 398	1.29 365	1.70 405	1.23 402	1.75 397	1.60 371

riskmin	0.96 318	0.32 14	2.07 53	1.72 390	1.61 393	1.62 372	0.57 307	1.45 371	0.55 59	0.73 281	0.89 313	0.92 310	0.45 202	1.16 203	0.60 181	0.11 110	1.30 367	0.12 134	1.38 404	0.14 51	1.51 368

anonymity	0.86 290	0.68 149	1.44 1	0.64 312	0.83 339	0.67 240	0.52 291	0.98 270	0.73 199	0.96 327	0.70 254	0.81 282	0.86 323	1.10 192	1.34 300	0.64 368	0.72 325	0.58 370	1.44 405	0.60 357	0.91 318

LVE	2.10 388	2.61 406	4.30 385	1.79 393	1.81 397	1.68 376	1.04 368	2.35 394	2.78 396	1.27 362	2.87 395	4.21 399	1.46 363	2.83 380	2.02 335	2.87 408	0.92 334	1.19 390	1.47 406	1.29 386	1.18 340

MFN_U_SF_RVC	1.57 376	2.56 405	3.30 325	0.66 318	0.41 247	1.15 352	0.51 287	1.27 359	1.35 368	1.61 379	1.20 346	1.43 368	0.97 338	1.80 293	2.10 341	1.88 403	1.79 382	1.97 408	2.14 407	1.61 396	1.76 376

PML	22.99 422	17.34 419	8.24 407	5.48 412	9.84 412	50.35 434	102.65 434	5.84 410	13.52 412	37.08 434	104.84 434	30.61 434	23.20 425	12.09 415	7.96 409	6.27 414	2.12 393	6.31 417	2.42 408	10.67 418	2.95 404

MADNet++	2.94 399	2.17 384	3.27 321	2.55 405	2.28 403	3.29 401	3.37 401	2.76 397	2.67 395	3.10 404	3.20 398	2.78 386	3.25 398	4.11 400	4.68 399	2.72 407	2.27 403	3.03 411	2.43 409	2.34 405	2.59 403

BEATNet-Init1	12.32 414	12.82 418	28.66 430	3.22 409	3.71 405	21.59 425	11.42 413	14.54 420	13.73 416	20.24 422	20.16 422	26.14 430	19.85 420	19.08 424	15.33 420	1.81 401	1.93 387	2.05 409	2.48 410	4.25 411	3.41 410

SPstereo	16.55 419	3.18 409	4.92 393	2.73 407	2.77 404	29.67 426	52.00 427	39.41 434	29.70 434	21.94 430	21.64 424	27.45 432	23.83 426	27.92 434	26.10 428	2.44 406	2.60 407	4.96 413	3.11 411	2.27 403	2.32 400

tt	4.94 407	0.32 14	4.22 379	2.29 402	1.58 391	10.19 414	16.94 417	9.44 415	5.03 402	1.69 380	1.33 355	4.68 401	5.02 405	3.38 392	5.91 404	6.15 413	9.47 420	2.80 410	3.16 412	3.54 410	1.58 370

Anonymous_2	1.36 359	0.49 89	2.03 46	1.71 389	1.58 391	2.49 396	0.58 309	1.59 378	2.31 389	0.77 293	0.88 311	1.03 337	0.58 262	1.20 208	0.66 203	0.32 346	1.38 371	1.42 399	3.87 413	0.78 373	1.56 369

DGSMNet	2.93 398	0.77 180	3.44 343	3.58 410	4.25 408	2.53 397	6.86 411	1.03 301	0.88 300	0.58 169	1.85 369	0.79 273	0.62 274	1.63 266	1.46 311	4.62 410	4.98 413	5.15 415	4.71 414	4.52 413	4.37 411

DPSM_ROB	12.32 414	11.13 416	12.31 412	12.90 418	12.80 416	19.81 423	28.13 424	14.50 418	14.31 417	10.62 411	11.34 410	12.03 416	11.89 416	13.08 418	15.22 418	7.09 415	8.31 417	6.47 418	7.32 415	8.69 416	8.43 418

DPSM	12.32 414	11.13 416	12.31 412	12.90 418	12.80 416	19.81 423	28.13 424	14.50 418	14.31 417	10.62 411	11.34 410	12.03 416	11.89 416	13.08 418	15.22 418	7.09 415	8.31 417	6.47 418	7.32 415	8.69 416	8.43 418

DGTPSM_ROB	8.97 412	5.94 412	13.01 414	5.95 413	11.34 413	8.54 412	24.06 418	6.47 412	13.52 412	5.19 408	11.52 413	6.18 408	11.04 413	7.02 409	13.92 415	4.47 409	7.66 414	3.90 412	7.43 417	4.34 412	7.98 416

DPSMNet_ROB	9.58 413	5.96 413	13.98 417	8.88 415	11.87 414	8.54 412	24.08 419	6.48 413	13.67 415	5.35 409	11.53 414	6.31 409	11.04 413	7.69 410	14.09 416	7.61 418	8.23 416	5.03 414	7.75 418	5.24 414	8.36 417

HanzoNet	7.85 410	3.30 410	5.75 401	7.47 414	3.97 406	2.34 393	1.37 385	3.47 405	4.02 400	13.30 415	10.49 408	10.86 412	16.67 418	8.50 412	10.51 414	10.80 419	9.84 421	5.83 416	13.69 419	7.24 415	7.51 415

DPSimNet_ROB	24.35 424	23.81 432	31.38 432	25.93 424	22.83 421	31.30 427	34.38 426	20.78 423	28.92 429	27.39 432	22.99 431	28.29 433	35.76 434	15.47 420	17.82 421	24.28 431	17.90 428	22.23 426	14.12 420	19.38 425	22.12 428

LSM0	26.57 430	22.53 431	25.76 428	30.62 430	52.30 434	39.86 433	56.49 428	29.18 432	28.76 427	21.26 425	22.46 425	24.42 429	23.97 430	26.42 432	30.66 434	14.29 425	16.56 422	13.06 425	14.65 421	17.62 424	20.52 427

Selective-RAFT-Error	24.83 426	22.44 430	24.80 424	26.10 426	25.82 424	39.85 432	56.72 429	29.21 433	29.03 433	21.29 426	22.80 427	24.25 428	24.07 432	26.28 431	30.60 429	14.24 421	16.85 424	13.04 424	14.75 422	17.53 423	17.02 422

CasAABBNet	24.76 425	22.38 425	24.44 423	26.05 425	25.75 423	39.79 428	56.76 430	29.10 431	28.88 428	21.22 424	22.69 426	24.21 427	23.99 431	26.23 427	30.62 430	14.22 420	16.71 423	13.03 420	14.75 422	17.49 422	16.97 421

MyStereo03	24.90 427	22.40 427	24.90 425	26.19 427	25.93 425	39.80 429	56.77 431	29.00 428	28.95 430	21.51 427	22.81 428	24.16 424	23.92 427	26.26 428	30.65 431	14.24 421	17.13 425	13.03 420	14.76 424	17.48 419	18.00 424

MyStereo02	24.90 427	22.40 427	24.90 425	26.19 427	25.93 425	39.80 429	56.77 431	29.00 428	28.95 430	21.51 427	22.81 428	24.16 424	23.92 427	26.26 428	30.65 431	14.24 421	17.13 425	13.03 420	14.76 424	17.48 419	18.00 424

MyStereo	24.90 427	22.40 427	24.90 425	26.19 427	25.93 425	39.80 429	56.77 431	29.00 428	28.95 430	21.51 427	22.81 428	24.16 424	23.92 427	26.26 428	30.65 431	14.24 421	17.13 425	13.03 420	14.76 424	17.48 419	18.00 424

HaxPig	19.88 420	22.39 426	22.30 421	17.98 420	17.98 418	12.06 415	12.06 414	16.25 421	15.97 419	21.05 423	21.41 423	18.85 422	18.35 419	20.07 425	19.64 422	23.57 430	23.19 429	24.07 427	23.71 427	22.95 427	23.72 429

LRCNet_RVC	13.78 418	19.34 420	13.01 414	19.47 421	12.67 415	1.85 381	0.42 251	12.28 416	1.10 350	15.76 417	18.69 421	12.52 418	8.65 410	12.22 416	9.64 410	22.29 426	8.38 419	25.92 428	24.06 428	19.72 426	17.59 423

MEDIAN_ROB	23.95 423	26.96 433	26.29 429	22.14 422	22.09 420	16.18 417	14.23 415	20.47 422	20.09 421	25.43 431	25.22 432	22.96 423	22.54 424	24.33 426	23.18 426	28.15 432	27.16 433	28.60 429	27.73 429	27.59 428	27.58 430

AVERAGE_ROB	26.91 431	30.28 434	29.18 431	25.78 423	25.30 422	19.49 422	15.38 416	23.70 427	23.02 426	28.38 433	27.78 433	26.23 431	25.76 433	26.95 433	25.55 427	31.27 433	30.02 434	31.76 430	30.80 430	30.88 432	30.77 431

Anonymous_1	22.76 421	11.11 415	11.93 411	12.73 417	26.05 428	19.39 421	27.77 423	14.18 417	13.64 414	14.92 416	10.66 409	11.26 413	11.24 415	12.48 417	14.45 417	37.82 434	7.87 415	34.92 431	63.61 431	87.51 434	11.75 420

xxxxx1	29.05 432	20.74 422	14.05 418	50.10 431	40.25 431	19.01 418	26.60 420	21.83 424	20.22 422	16.52 418	17.56 418	18.33 419	21.41 421	16.11 421	20.77 423	23.48 427	26.77 430	66.36 432	78.56 432	30.19 429	32.23 432

tt_ll	29.05 432	20.74 422	14.05 418	50.10 431	40.25 431	19.01 418	26.60 420	21.83 424	20.22 422	16.52 418	17.56 418	18.33 419	21.41 421	16.11 421	20.77 423	23.48 427	26.77 430	66.36 432	78.56 432	30.19 429	32.23 432

ff	29.05 432	20.74 422	14.05 418	50.10 431	40.25 431	19.01 418	26.60 420	21.83 424	20.22 422	16.52 418	17.56 418	18.33 419	21.41 421	16.11 421	20.77 423	23.48 427	26.77 430	66.36 432	78.56 432	30.19 429	32.23 432

test_example2	115.17 435	122.38 435	93.45 434	115.38 434	123.53 435	101.24 435	113.11 435	54.67 435	99.94 435	135.50 435	136.43 435	85.67 435	85.40 435	110.44 435	104.91 435	152.17 435	205.21 435	99.17 435	114.27 435	138.55 435	112.04 435

Low-res two-view benchmark