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	0.35 154

CAS	0.39 15	0.31 7	1.79 9	0.81 342	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	0.77 374	0.06 1	0.07 1	0.05 1	0.10 10	0.41 188

CES	0.33 4	0.32 14	1.46 2	0.25 5	0.50 274	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	0.54 246

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	1.04 235	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	1.59 344	2.04 49	0.32 90	0.21 77	0.60 141	0.22 38	0.99 275	0.85 289	0.61 204	0.63 211	0.58 178	0.42 173	1.08 190	0.98 264	0.11 110	0.08 38	0.09 13	0.06 6	0.23 186	0.33 141

pmcnn	1.44 365	1.25 288	3.57 354	0.74 331	1.42 385	0.72 262	0.56 305	1.04 307	1.06 347	1.03 336	2.89 397	6.01 408	0.75 309	2.54 358	3.60 385	0.14 214	0.11 124	0.08 3	0.06 6	0.34 280	0.81 306

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	1.01 339	0.09 13	0.07 12	0.21 158	0.53 243

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	0.43 197

fff	0.50 70	0.90 210	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	0.65 280	0.39 30	0.37 106	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 197

ADStereo(finetuned)	0.50 70	0.91 213	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	0.75 309	0.40 34	0.40 115	0.10 47	0.07 6	0.09 13	0.07 12	0.13 35	0.45 214

CroCo-Stereo	0.35 7	0.71 157	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	0.70 155	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	0.91 213	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	0.45 214

csc	0.50 70	0.90 210	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	0.65 280	0.39 30	0.37 106	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 197

cscssc	0.50 70	0.90 210	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	0.65 280	0.39 30	0.37 106	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 197

111	0.57 117	1.41 319	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	0.81 306

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	1.90 369	3.48 346	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	1.21 290	0.12 142	0.08 38	0.10 46	0.07 12	0.44 335	0.33 141

MLCV	0.59 140	1.41 319	2.41 116	0.31 73	0.15 13	0.60 141	0.23 57	0.77 118	0.63 103	0.67 256	0.66 231	0.55 163	0.37 127	1.16 203	1.09 277	0.10 47	0.07 6	0.09 13	0.07 12	0.21 158	0.29 119

StereoIM	0.35 7	0.89 205	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	0.66 142	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	0.91 213	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	1.15 260	2.40 112	0.33 110	0.30 174	0.83 306	0.40 243	0.94 241	0.82 268	0.67 256	0.76 285	0.68 230	0.58 262	1.13 199	1.25 296	0.14 214	0.08 38	0.10 46	0.08 27	0.18 109	0.28 113

raftrobust	0.52 82	1.14 254	2.15 68	0.33 110	0.99 357	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	0.46 217

RALCasStereoNet	0.65 190	1.34 304	2.56 192	0.43 232	0.96 353	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	1.18 352	0.09 13	0.08 27	0.27 233	1.27 352

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	0.33 141
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	1.28 293	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	0.61 263
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	0.92 218	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	1.39 368	0.65 280	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	1.09 242	2.54 181	0.44 237	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	1.24 295	0.11 110	0.08 38	0.09 13	0.08 27	0.21 158	0.40 181

ACVNet-DCA	0.67 210	0.73 165	2.43 125	0.67 321	0.52 278	0.76 276	0.24 79	0.81 144	0.83 274	0.77 294	0.39 50	0.25 22	0.38 134	0.70 134	0.22 4	0.10 47	2.13 395	0.11 92	0.09 37	0.16 69	1.18 341

1test111	0.72 238	0.73 165	2.43 125	0.67 321	0.52 278	0.76 276	0.24 79	0.81 144	0.83 274	0.77 294	0.39 50	0.25 22	0.38 134	1.03 185	0.75 223	0.10 47	2.13 395	0.11 92	0.09 37	0.16 69	1.18 341

cc1	0.74 243	0.73 165	2.43 125	0.67 321	0.52 278	0.76 276	0.24 79	0.85 178	1.05 345	0.77 294	0.39 50	0.25 22	0.38 134	0.70 134	0.22 4	0.10 47	2.13 395	0.11 92	0.09 37	0.25 207	2.20 395

tt1	0.74 243	0.73 165	2.34 98	0.67 321	0.63 311	0.75 272	0.24 79	0.85 178	0.96 327	0.81 306	0.38 47	0.26 28	0.35 120	0.64 117	0.22 4	0.10 47	2.16 400	0.11 92	0.09 37	0.25 207	2.19 391

GMStereo_Zeroshot	0.44 37	0.44 80	1.84 17	0.44 237	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	0.73 165	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	0.43 332	0.13 12

HH	0.79 264	0.52 101	2.72 251	1.45 376	0.80 338	0.91 325	0.23 57	0.76 112	0.76 229	0.64 236	0.55 148	0.87 302	0.41 162	0.94 178	0.45 134	0.09 11	1.20 354	0.10 46	0.09 37	0.16 69	2.16 389

HanStereo	0.79 264	0.52 101	2.72 251	1.45 376	0.80 338	0.91 325	0.23 57	0.76 112	0.76 229	0.64 236	0.55 148	0.87 302	0.41 162	0.94 178	0.45 134	0.09 11	1.20 354	0.10 46	0.09 37	0.16 69	2.16 389

EGLCR-Stereo	0.90 308	0.31 7	1.90 26	1.60 384	0.95 352	1.14 352	0.42 251	0.85 178	0.43 13	1.74 383	0.21 1	0.27 35	0.17 1	1.56 252	0.30 55	0.10 47	2.60 408	0.10 46	0.09 37	0.10 10	3.10 409

ProNet	0.46 45	0.60 126	1.85 19	0.35 142	0.67 319	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	1.33 357

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	0.85 315	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	0.37 161

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	0.85 315	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	0.37 161

IPLGR	0.58 125	0.64 139	3.12 313	0.37 166	0.18 47	0.62 181	0.54 297	1.06 327	0.69 167	0.73 282	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	0.78 184	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	0.80 237	0.13 184	0.12 139	0.09 13	0.09 37	0.14 51	0.40 181

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	0.38 169

STrans-v2	0.69 221	0.62 135	2.66 226	0.28 33	0.23 108	0.57 104	0.32 189	1.01 289	0.77 237	0.92 324	0.84 299	0.88 306	0.92 334	1.81 295	1.19 288	0.10 47	0.07 6	0.10 46	0.09 37	0.12 25	0.30 128

TransformOpticalFlow	0.65 190	0.61 131	2.67 233	0.45 244	0.26 137	0.62 181	0.28 132	0.88 205	0.76 229	0.76 292	0.74 275	0.90 310	0.84 319	1.82 298	0.80 237	0.10 47	0.07 6	0.11 92	0.09 37	0.12 25	0.19 60

OMP-Stereo	0.64 185	0.87 196	2.38 104	0.56 294	0.37 228	0.60 141	0.26 110	0.75 110	0.71 189	0.65 248	0.60 188	0.68 230	0.32 106	2.07 325	1.18 286	0.11 110	0.08 38	0.12 134	0.09 37	0.17 90	0.28 113

IIG-Stereo	0.65 190	0.87 196	2.32 95	0.55 285	0.23 108	0.62 181	0.21 29	0.78 125	0.71 189	0.64 236	0.69 241	0.69 241	0.38 134	2.07 325	1.37 307	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	0.52 274	0.16 20	0.94 331	0.73 343	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	0.55 285	0.18 47	0.60 141	0.58 310	0.52 27	0.62 92	0.49 81	0.45 75	0.39 73	0.85 322	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	0.99 330	0.43 91	0.28 71	1.56 252	0.81 241	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	0.53 278	0.17 37	0.79 295	0.68 336	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	0.60 300	0.23 108	0.63 194	0.41 245	0.66 83	0.67 135	0.59 188	1.02 334	0.43 91	0.71 297	0.61 109	0.34 94	0.10 47	0.07 6	0.10 46	0.09 37	0.13 35	0.44 209

LMCR-Stereo	0.61 153	1.00 225	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	1.27 298	0.20 295	0.09 81	0.12 134	0.09 37	0.26 222	0.16 43

TestStereo	0.49 66	0.88 200	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	1.18 268	2.43 125	0.36 156	2.08 401	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	0.91 334	0.10 46	0.09 37	0.22 172	0.70 290

RAFT-Stereo + iAFF	0.58 125	1.48 333	2.53 177	0.29 45	0.78 337	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	0.37 303	0.58 255

ACVNet	0.54 98	0.87 196	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	0.70 211	0.11 110	0.10 103	0.10 46	0.09 37	0.36 297	0.39 176

acv_ft	0.57 117	0.87 196	2.45 149	0.33 110	0.41 247	0.63 194	0.29 157	0.86 190	0.73 199	0.64 236	0.59 181	0.69 241	0.45 202	0.47 50	0.68 208	0.11 110	0.10 103	0.10 46	0.09 37	0.43 332	0.39 176

BEATNet_4x	0.57 117	1.16 262	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	0.76 226	0.12 142	0.09 81	0.12 134	0.09 37	0.23 186	0.58 255

HSM-Net_RVC	0.70 226	0.40 63	2.45 149	0.27 21	0.19 63	0.68 246	0.30 169	1.29 362	0.73 199	0.73 282	0.70 254	0.77 268	0.45 202	3.73 399	0.46 138	0.13 184	0.09 81	0.10 46	0.09 37	0.13 35	0.32 138
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
AANet_RVC	0.79 264	1.46 330	2.72 251	0.34 127	0.25 123	0.59 129	0.32 189	0.88 205	0.83 274	0.62 216	0.95 322	0.80 280	0.43 186	2.46 355	1.72 323	0.38 352	0.26 248	0.10 46	0.09 37	0.25 207	0.43 197

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	0.71 157	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	0.92 218	2.65 222	0.32 90	1.09 369	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	0.80 304

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	0.43 197

CBFPSM	0.62 166	1.34 304	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	1.03 338	0.82 316	0.63 113	1.35 303	0.11 110	0.12 139	0.10 46	0.10 70	0.19 132	0.37 161

iinet-f	0.62 166	1.18 268	2.55 188	0.33 110	0.25 123	0.82 305	0.34 207	0.87 197	0.69 167	0.56 151	0.64 218	0.73 256	0.67 288	0.80 162	0.81 241	0.14 214	0.13 152	0.11 92	0.10 70	0.44 335	0.26 102

TestStereo1	0.59 140	1.21 275	2.63 212	0.40 210	0.60 301	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	0.52 240

RAFT_CTSACE	0.58 125	1.16 262	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	0.41 328	0.32 138

CRFU-Net	0.58 125	0.42 70	1.90 26	0.49 265	0.27 148	0.83 306	0.35 216	0.94 241	0.54 54	0.65 248	0.60 188	0.78 272	1.34 355	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	1.21 275	2.63 212	0.40 210	0.60 301	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	0.52 240

CSP-Net	0.55 102	0.61 131	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	0.67 143	3.10 311	0.37 166	0.25 123	0.64 206	0.60 316	0.70 98	0.67 135	0.55 141	1.12 344	0.32 51	0.60 270	0.43 44	1.75 326	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	0.48 254	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	0.92 311	0.40 63	2.53 177	0.60 300	1.01 362	0.62 181	0.45 269	0.52 27	0.68 159	0.58 169	0.53 125	0.50 139	0.72 298	1.22 209	7.32 409	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	0.55 285	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	0.78 232	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	0.56 294	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	0.79 235	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	0.48 254	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	0.49 265	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	0.48 254	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	0.48 254	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	0.88 356	0.54 39	0.64 109	0.60 197	1.00 331	0.45 118	1.24 354	1.53 248	2.21 351	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	0.71 330	0.55 286	0.62 181	0.65 328	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	0.57 298	0.42 257	0.62 181	0.52 292	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	0.56 294	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	0.77 228	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	1.78 393	0.19 63	0.63 194	0.45 269	0.59 62	0.67 135	0.61 204	0.48 88	0.41 86	0.25 40	0.49 68	0.99 266	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	0.56 294	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	0.77 228	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	0.48 254	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	0.74 174	2.42 120	0.47 253	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	1.00 268	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	0.48 254	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	0.48 254	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	0.33 141

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	0.30 128

AFF-stereo	0.57 117	1.51 335	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	0.40 322	0.60 262

DMCA	0.50 70	0.83 190	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	0.43 197

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	0.33 141

DISCO	0.61 153	0.63 137	1.98 39	0.46 247	0.34 208	0.84 311	0.35 216	0.88 205	0.81 263	0.61 204	0.64 218	1.06 346	0.53 241	1.11 196	0.83 246	0.13 184	0.10 103	0.11 92	0.10 70	0.26 222	0.37 161

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	0.38 169

4D-IteraStereo	0.62 166	1.29 295	3.04 306	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	2.14 388

gwcnet-sp	0.52 82	0.71 157	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	0.71 157	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	0.71 157	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	0.61 306	0.18 47	0.59 129	0.62 323	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	0.73 165	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	0.55 285	0.26 137	0.91 325	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	1.49 334	2.97 297	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	0.96 257	0.15 232	0.12 139	0.13 190	0.11 108	0.45 337	0.35 154

GMOStereo	0.58 125	0.89 205	2.46 156	0.29 45	0.99 357	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	1.64 379	0.13 190	0.11 108	0.34 280	0.42 192

error version	0.58 125	0.89 205	2.46 156	0.29 45	0.99 357	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	1.64 379	0.13 190	0.11 108	0.34 280	0.42 192

test-v	0.58 125	0.89 205	2.46 156	0.29 45	0.99 357	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	1.64 379	0.13 190	0.11 108	0.34 280	0.42 192

AACVNet	0.61 153	1.13 253	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	1.22 280	3.28 323	0.34 127	0.36 222	0.65 220	0.37 226	0.94 241	0.87 297	0.57 163	0.65 225	0.92 311	0.48 223	2.05 323	0.60 181	0.13 184	0.11 124	0.11 92	0.11 108	0.37 303	0.38 169

CrosDoStereo	0.96 319	0.49 89	2.66 226	0.27 21	0.33 199	0.54 72	3.69 404	0.77 118	0.66 123	0.70 270	1.39 358	0.53 150	1.47 365	1.77 287	3.02 375	0.10 47	0.08 38	0.11 92	0.11 108	0.22 172	0.30 128

FTStereo	0.79 264	0.32 14	2.83 277	0.70 328	0.21 77	0.73 265	1.75 395	0.61 67	0.60 80	1.07 340	1.62 366	1.28 363	2.11 387	0.75 150	0.30 55	0.19 287	0.08 38	0.12 134	0.11 108	0.12 25	0.39 176

ASMatch	0.61 153	0.47 85	2.72 251	0.91 350	0.36 222	0.56 85	0.24 79	0.54 39	0.67 135	0.48 65	1.20 347	0.47 127	0.65 280	1.33 225	0.93 255	0.10 47	0.08 38	0.11 92	0.11 108	0.10 10	0.17 49

DeepStereo_LL	0.96 319	0.49 89	2.66 226	0.27 21	0.33 199	0.54 72	3.69 404	0.77 118	0.66 123	0.70 270	1.39 358	0.53 150	1.47 365	1.77 287	3.02 375	0.10 47	0.08 38	0.11 92	0.11 108	0.22 172	0.30 128

THIR-Stereo	0.88 298	0.85 193	2.33 97	0.26 15	0.16 20	0.59 129	2.69 400	0.62 70	0.54 54	0.62 216	1.61 365	0.96 324	1.77 378	1.67 273	2.20 350	0.10 47	0.08 38	0.14 219	0.11 108	0.16 69	0.21 72

test-2	0.58 125	0.89 205	2.46 156	0.29 45	0.99 357	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	1.64 379	0.13 190	0.11 108	0.34 280	0.42 192

ICVP	0.48 55	0.33 23	2.37 102	0.34 127	0.22 86	0.60 141	0.55 301	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	0.32 138
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	0.84 191	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	0.70 323	0.12 134	0.11 108	0.43 332	0.77 297

GEStereo_RVC	0.61 153	1.19 271	2.61 207	0.48 254	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	0.43 197

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	0.92 218	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	0.31 136

RASNet	0.69 221	1.05 236	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	0.93 316	0.62 274	2.20 336	0.80 237	0.14 214	0.09 81	0.09 13	0.11 108	0.18 109	0.37 161

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	0.86 195	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	0.44 209

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	0.85 288	1.73 358	3.06 310	0.37 166	0.61 308	0.54 72	0.33 202	1.01 289	0.76 229	0.69 267	0.58 176	0.85 296	0.78 312	2.65 367	0.54 169	0.14 214	0.58 304	0.14 219	0.12 138	0.42 330	1.05 334

BUS	0.45 40	0.32 14	1.58 3	0.31 73	0.22 86	0.91 325	0.23 57	1.05 315	0.67 135	0.64 236	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	1.30 296	2.81 273	0.35 142	0.37 228	0.80 298	0.48 280	0.91 226	0.87 297	0.63 225	0.70 254	0.80 280	0.59 265	0.67 127	0.68 208	0.15 232	0.14 165	0.12 134	0.12 138	0.24 192	0.38 169

test_5	0.61 153	1.25 288	2.76 263	0.39 197	0.64 315	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	0.85 312

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	0.64 236	0.53 125	0.63 199	0.38 134	0.48 58	0.97 258	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	0.64 236	0.53 125	0.79 274	0.40 151	0.84 167	0.78 232	0.12 142	0.10 103	0.14 219	0.12 138	0.13 35	0.15 30

iRaft-Stereo_5w	0.65 190	1.35 307	2.21 79	0.30 59	0.63 311	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	0.40 322	0.94 322

dd	0.48 55	1.32 298	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	1.09 242	2.87 284	0.36 156	0.21 77	1.63 374	0.60 316	1.39 369	0.63 103	1.39 369	0.51 115	0.40 81	0.86 324	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	0.55 285	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	0.77 228	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	0.55 285	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	0.77 228	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	0.30 128

GMStereo	0.44 37	1.32 298	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	0.77 181	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	0.88 306	0.48 223	1.84 301	0.71 215	0.15 232	0.12 139	0.12 134	0.12 138	0.21 158	0.25 97

HGLStereo	0.61 153	1.20 273	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	1.27 291	2.99 302	0.34 127	0.28 158	0.60 141	0.28 132	0.82 151	0.70 177	0.55 141	0.61 196	0.77 268	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	1.14 254	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	0.36 297	0.28 113

PWCDC_ROB	0.83 277	1.57 339	2.63 212	0.48 254	0.37 228	0.78 291	0.29 157	1.04 307	1.36 370	0.63 225	2.05 375	0.64 205	0.70 296	1.10 192	1.20 289	0.33 348	0.14 165	0.15 244	0.12 138	0.63 362	0.46 217

anonymousdsp2	0.88 298	0.31 7	1.96 37	1.06 360	1.56 391	0.57 104	0.22 38	0.84 168	0.98 334	1.20 354	0.37 41	0.65 209	0.26 48	1.19 207	0.46 138	0.10 47	2.40 407	0.10 46	0.13 158	0.19 132	2.96 407

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	0.97 258	0.13 184	0.11 124	0.13 190	0.13 158	0.14 51	0.15 30

CIPLG	0.63 178	1.59 344	3.16 315	0.79 339	0.31 182	0.62 181	0.57 308	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	0.36 297	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	0.51 235

PFNet+	0.50 70	0.43 76	2.54 181	0.49 265	0.18 47	0.58 111	0.76 345	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	0.73 165	2.78 266	0.39 197	0.29 163	0.60 141	0.18 10	0.45 7	0.63 103	0.75 290	1.89 371	0.47 127	0.29 87	1.59 263	1.21 290	0.15 232	0.07 6	0.13 190	0.13 158	0.11 17	0.10 4

RAFT	0.62 166	1.35 307	2.26 84	0.62 308	0.53 283	0.47 29	0.35 216	0.70 98	0.58 72	0.50 99	0.50 113	0.79 274	0.40 151	0.49 68	0.36 103	0.11 110	0.79 328	0.14 219	0.13 158	0.52 351	0.72 293

GMM-Stereo	0.53 91	0.33 23	2.89 287	0.53 278	0.24 117	0.77 286	0.46 274	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	0.44 209

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	0.88 200	2.97 297	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	0.38 309	0.43 197

CroCo_RVC	0.45 40	0.88 200	2.97 297	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	0.38 309	0.43 197

HCRNet	0.50 70	0.75 178	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	1.69 357	3.34 328	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	0.38 309	0.50 231

UPFNet	0.51 80	0.67 143	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	1.09 242	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	1.03 338	0.94 337	2.31 341	0.70 211	0.23 316	0.14 165	0.41 361	0.13 158	0.24 192	0.28 113

GwcNet-RSSM	0.64 185	1.38 317	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	1.64 352	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	0.38 309	0.17 49

PWC_ROB	0.81 269	1.41 319	2.60 203	0.41 219	0.40 242	0.63 194	0.31 179	1.04 307	0.99 337	0.92 324	1.29 352	0.78 272	0.68 290	1.65 272	1.50 314	0.19 287	0.12 139	0.18 290	0.13 158	0.51 348	0.54 246

LL-Strereo2	0.62 166	1.36 311	2.47 161	1.37 373	0.96 353	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	0.98 332

ssnet_v2	0.64 185	0.99 224	2.67 233	0.33 110	0.22 86	0.72 262	0.45 269	1.00 281	0.80 256	0.66 254	0.54 139	0.81 283	0.48 223	0.91 175	1.08 276	0.16 246	0.14 165	0.14 219	0.14 176	0.33 274	0.31 136

Wz-Net-MNSev	0.74 243	1.42 323	2.75 260	0.38 184	0.33 199	0.90 324	0.61 321	0.98 270	0.94 320	0.77 294	0.75 282	0.75 262	0.66 286	1.39 229	0.76 226	0.17 265	0.13 152	0.14 219	0.14 176	0.28 243	0.48 223

ACRE	0.63 178	1.55 338	3.41 340	0.76 333	0.28 158	0.60 141	0.56 305	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	0.36 297	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	0.64 236	0.92 317	0.53 150	0.72 298	0.60 106	0.26 32	0.10 47	0.07 6	0.12 134	0.14 176	0.13 35	0.54 246

DRaft	0.65 190	0.47 85	2.38 104	0.25 5	0.17 37	0.64 206	0.65 328	0.56 48	0.57 66	0.67 256	0.98 327	0.38 71	0.99 340	1.42 234	2.06 340	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	4.29 385	0.33 110	0.27 148	0.60 141	0.25 98	1.02 295	0.92 313	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	0.49 229

ADLNet	0.68 215	1.02 229	2.68 238	0.35 142	0.34 208	0.67 240	0.34 207	0.95 254	0.79 249	0.70 270	0.62 203	0.80 280	0.46 209	1.77 287	0.69 210	0.15 232	0.12 139	0.14 219	0.14 176	0.31 265	0.54 246

RAFT + AFF	0.79 264	1.73 358	2.99 302	0.34 127	0.35 216	0.67 240	0.51 288	1.05 315	0.79 249	0.54 130	0.58 176	0.59 181	0.81 315	1.80 293	1.21 290	0.13 184	0.27 254	0.15 244	0.14 176	0.45 337	0.69 287

delet	0.60 146	0.84 191	2.45 149	0.33 110	0.35 216	0.73 265	0.46 274	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	1.16 262	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	0.79 274	0.44 194	1.48 243	0.62 189	0.15 232	0.10 103	0.28 336	0.14 176	0.21 158	0.29 119

DSFCA	0.62 166	0.77 181	1.95 34	0.29 45	0.29 163	0.79 295	0.86 353	0.81 144	0.73 199	0.73 282	0.66 231	0.67 218	0.57 255	1.17 205	1.03 271	0.16 246	0.15 179	0.13 190	0.14 176	0.19 132	0.28 113

RYNet	0.77 259	0.91 213	2.36 100	0.37 166	0.41 247	0.88 319	0.44 264	0.99 275	0.88 301	0.65 248	0.54 139	0.92 311	0.61 272	2.70 372	1.23 294	0.15 232	0.14 165	0.17 274	0.14 176	0.27 233	0.55 252

CFNet	0.65 190	1.45 328	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	1.16 262	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	0.79 274	0.44 194	1.48 243	0.62 189	0.15 232	0.10 103	0.28 336	0.14 176	0.21 158	0.29 119

DeepPruner_ROB	0.58 125	1.06 237	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	0.33 141

StereoDRNet-Refined	0.55 102	0.61 131	2.07 53	0.34 127	0.21 77	0.68 246	0.26 110	0.87 197	0.73 199	0.70 270	0.69 241	0.74 258	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	0.96 223	2.00 40	0.37 166	0.25 123	0.65 220	0.37 226	0.86 190	0.76 229	0.73 282	0.70 254	0.84 291	0.47 217	1.57 256	0.72 219	0.13 184	0.13 152	0.14 219	0.14 176	0.18 109	0.33 141

StereoVision	0.52 82	1.12 251	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	1.67 388	1.33 381	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	0.97 336	0.09 13	0.15 194	0.20 149	0.85 312

test_4	0.47 48	0.80 188	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	1.66 355	3.36 329	0.80 340	0.31 182	0.60 141	0.60 316	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	1.08 241	2.58 196	0.38 184	0.28 158	0.65 220	0.37 226	0.91 226	0.65 116	0.67 256	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	0.39 316	0.41 188

PSM-AAD	0.67 210	0.29 2	2.41 116	0.37 166	0.23 108	0.86 313	1.15 376	0.62 70	0.66 123	0.64 236	0.71 267	0.67 218	2.90 395	0.65 121	0.32 77	0.10 47	0.08 38	0.17 274	0.15 194	0.14 51	0.34 148

rafts_anoy	0.60 146	1.33 302	2.59 198	0.53 278	1.09 369	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	1.13 351	0.13 190	0.15 194	0.20 149	0.29 119

Syn2CoEx	0.78 261	1.43 326	3.54 352	0.44 237	0.31 182	0.64 206	0.43 258	1.04 307	0.83 274	0.64 236	0.77 289	0.74 258	0.74 305	1.91 316	0.64 195	0.20 295	0.17 198	0.19 295	0.15 194	0.30 257	0.59 258

psm_up	0.65 190	1.02 229	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	1.09 242	3.68 359	0.38 184	0.45 262	0.81 303	0.45 269	0.91 226	0.89 306	0.63 225	0.77 289	0.82 286	0.51 231	1.64 269	0.85 248	0.17 265	0.16 191	0.15 244	0.15 194	0.33 274	0.34 148

DMCA-RVC	0.70 226	1.30 296	3.59 356	0.37 166	0.89 346	0.57 104	0.31 179	0.73 106	0.59 76	0.69 267	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+	1.03 333	1.68 356	3.83 367	0.35 142	0.39 236	1.05 342	0.79 349	0.94 241	0.86 295	0.69 267	0.68 237	0.85 296	1.53 371	1.02 183	4.56 398	0.13 184	0.12 139	0.16 260	0.15 194	0.28 243	0.44 209

TDLM	0.83 277	1.28 293	2.38 104	0.46 247	0.26 137	0.66 233	0.55 301	0.87 197	0.80 256	2.54 400	0.62 203	0.61 190	0.51 231	2.68 371	0.67 205	0.20 295	0.11 124	0.35 353	0.15 194	0.33 274	0.48 223

NLCA_NET_v2_RVC	0.62 166	1.15 260	3.11 312	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	1.24 285	2.56 192	0.42 222	0.45 262	0.73 265	0.46 274	0.98 270	0.81 263	0.77 294	0.56 160	0.74 258	0.48 223	1.69 277	0.91 254	0.15 232	0.14 165	0.15 244	0.15 194	0.26 222	0.51 235

SANet	1.35 359	1.80 363	4.39 387	0.41 219	0.29 163	1.72 378	0.89 357	1.17 352	2.47 392	1.22 358	1.82 369	1.72 376	1.70 375	2.57 360	3.30 377	0.18 276	0.16 191	0.16 260	0.15 194	0.34 280	0.62 265

XPNet_ROB	0.68 215	1.11 249	2.28 87	0.38 184	0.27 148	0.67 240	0.47 278	0.94 241	0.75 221	0.80 305	0.71 267	0.81 283	0.54 243	1.72 278	0.84 247	0.22 308	0.16 191	0.16 260	0.15 194	0.25 207	0.45 214

EKT-Stereo	1.56 376	0.55 113	2.60 203	2.54 406	19.66 422	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	0.50 231

MC-Stereo	0.58 125	0.37 50	2.00 40	0.88 345	0.64 315	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	1.20 354	0.09 13	0.16 211	0.22 172	1.92 380

WZ-Net	1.04 334	1.83 365	4.20 379	0.42 222	0.36 222	0.88 319	0.71 340	1.05 315	1.11 353	0.84 314	0.94 319	1.06 346	1.17 352	2.37 345	2.24 353	0.20 295	0.14 165	0.15 244	0.16 211	0.36 297	0.53 243

PFNet	0.62 166	0.42 70	2.69 244	0.43 232	0.55 286	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	1.12 280	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	1.19 271	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	0.60 126	2.86 283	0.37 166	0.29 163	0.64 206	0.55 301	1.01 289	0.91 311	0.76 292	0.94 319	0.93 316	0.79 314	1.82 298	0.60 181	0.19 287	0.19 208	0.17 274	0.16 211	0.23 186	0.47 219

SuperB	1.19 348	1.62 349	5.29 399	0.37 166	0.26 137	0.81 303	0.87 354	0.94 241	1.19 361	0.68 262	0.68 237	0.63 199	1.37 359	1.73 279	3.30 377	0.16 246	0.12 139	0.17 274	0.16 211	2.74 409	0.63 269

stereogan	0.74 243	0.68 150	2.82 275	0.40 210	0.40 242	1.05 342	0.42 251	0.99 275	0.96 327	0.78 302	0.86 307	1.15 359	0.73 301	1.57 256	0.56 173	0.20 295	0.19 208	0.20 305	0.16 211	0.37 303	0.34 148

DANet	0.85 288	0.68 150	2.41 116	1.18 368	0.48 271	0.77 286	1.23 382	0.93 236	1.53 377	0.90 321	0.72 270	0.97 326	0.57 255	1.86 305	1.05 273	0.18 276	0.16 191	0.19 295	0.16 211	0.26 222	0.67 278
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	0.49 285	0.96 257	0.88 301	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	0.34 148

DRN-Test	0.71 230	0.79 186	2.83 277	0.40 210	0.44 259	0.80 298	0.41 245	1.07 330	0.83 274	0.82 310	0.64 218	0.68 230	0.57 255	1.78 290	0.79 235	0.16 246	0.13 152	0.17 274	0.16 211	0.24 192	0.51 235

ETE_ROB	0.68 215	1.09 242	2.32 95	0.38 184	0.26 137	0.69 249	0.51 288	1.49 374	0.75 221	0.81 306	0.71 267	0.85 296	0.51 231	1.39 229	0.70 211	0.17 265	0.14 165	0.19 295	0.16 211	0.24 192	0.35 154

SDNR	2.06 388	2.93 409	2.94 294	1.55 383	5.13 411	1.98 388	0.24 79	1.95 391	2.62 395	0.92 324	2.71 393	5.76 407	0.68 290	3.61 397	3.84 388	0.33 348	0.38 271	0.22 313	0.17 224	1.13 380	2.04 384

fast-acv-ft	0.67 210	1.24 285	3.26 321	0.39 197	0.30 174	0.80 298	0.48 280	0.74 108	0.76 229	0.60 197	0.78 293	0.76 266	0.60 270	0.70 134	0.78 232	0.16 246	0.15 179	0.18 290	0.17 224	0.38 309	0.24 93

GASNet	0.84 280	1.98 372	4.07 374	0.48 254	0.33 199	0.58 111	0.34 207	0.97 264	0.81 263	0.60 197	0.59 181	0.74 258	0.55 248	2.08 328	1.18 286	0.22 308	0.15 179	0.19 295	0.17 224	0.55 354	0.29 119

Wz-Net-SNSev	0.85 288	1.83 365	3.36 329	0.42 222	0.31 182	0.71 256	0.66 330	1.04 307	0.94 320	0.68 262	0.85 302	0.96 324	0.62 274	1.75 282	1.14 282	0.16 246	0.15 179	0.16 260	0.17 224	0.39 316	0.63 269

test-1	0.61 153	0.54 106	2.09 56	0.31 73	1.37 383	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	1.25 296	0.10 47	1.08 347	0.10 46	0.17 224	0.11 17	0.77 297

RALAANet	0.52 82	1.37 314	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	1.16 262	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	1.28 353	0.53 104	3.84 368	0.55 285	0.45 262	4.06 405	0.60 316	1.36 367	0.89 306	2.18 391	1.17 345	0.98 327	0.72 298	4.28 402	2.12 344	0.20 295	0.16 191	0.19 295	0.17 224	0.20 149	0.84 308

ff7	0.65 190	0.58 118	2.09 56	0.39 197	0.60 301	0.56 85	0.23 57	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 26	0.71 140	0.24 15	0.09 11	2.09 390	0.10 46	0.18 232	0.24 192	2.22 396

IGEVStereo-DCA	0.74 243	0.74 174	2.09 56	0.76 333	0.77 334	0.45 17	0.23 57	0.49 14	0.62 92	0.71 279	0.22 2	0.30 42	0.28 71	1.29 221	1.53 317	0.10 47	1.50 377	0.10 46	0.18 232	0.24 192	2.22 396

ffff	0.65 190	0.58 118	2.09 56	0.39 197	0.60 301	0.56 85	0.23 57	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 26	0.71 140	0.24 15	0.09 11	2.09 390	0.10 46	0.18 232	0.24 192	2.22 396

11t	0.65 190	0.58 118	2.09 56	0.39 197	0.60 301	0.56 85	0.23 57	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 26	0.71 140	0.24 15	0.09 11	2.09 390	0.10 46	0.18 232	0.24 192	2.22 396

anonymousdsp	0.86 291	0.59 124	2.65 222	1.33 370	1.25 378	0.56 85	0.23 57	0.54 39	0.71 189	1.13 344	0.25 11	0.22 8	0.24 26	1.24 213	0.24 15	0.09 11	2.34 405	0.10 46	0.18 232	0.25 207	3.12 410

ccc-4	0.65 190	0.58 118	2.09 56	0.39 197	0.60 301	0.56 85	0.23 57	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 26	0.71 140	0.24 15	0.09 11	2.09 390	0.10 46	0.18 232	0.24 192	2.22 396

IGEV-Stereo	0.86 291	0.60 126	2.65 222	1.35 372	1.25 378	0.56 85	0.23 57	0.54 39	0.71 189	1.14 345	0.25 11	0.22 8	0.24 26	1.24 213	0.24 15	0.09 11	2.34 405	0.10 46	0.18 232	0.25 207	3.13 411
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
dad	0.58 125	1.35 307	2.39 110	0.31 73	0.20 68	0.62 181	0.26 110	0.56 48	0.79 249	0.66 254	0.64 218	0.64 205	0.36 122	0.87 170	0.48 144	0.28 339	0.15 179	0.40 359	0.18 232	0.24 192	0.22 76

LCNet	0.58 125	0.43 76	2.42 120	0.91 350	0.22 86	0.95 333	0.29 157	0.62 70	0.64 109	0.52 118	0.55 148	0.41 86	0.75 309	0.84 167	0.27 36	0.10 47	0.07 6	0.12 134	0.18 232	0.97 379	0.40 181

EDNetEfficientorigin	8.19 412	1.27 291	145.54 437	0.51 273	0.96 353	0.75 272	0.49 285	0.86 190	1.57 379	2.12 389	1.49 362	1.28 363	1.35 356	1.84 301	2.15 347	0.14 214	0.13 152	0.17 274	0.18 232	0.39 316	0.64 274

FADNet-RVC	0.69 221	1.65 353	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	0.81 241	0.17 265	0.20 220	0.17 274	0.18 232	0.60 358	0.39 176

S-Stereo	0.82 273	0.73 165	3.79 364	0.40 210	0.37 228	0.70 252	0.69 338	1.00 281	1.03 341	0.63 225	0.92 317	0.82 286	0.59 265	2.35 344	0.71 215	0.18 276	0.22 230	0.17 274	0.18 232	0.30 257	0.67 278

AF-Net	0.76 255	1.14 254	2.74 258	0.42 222	0.41 247	0.70 252	0.41 245	1.07 330	0.94 320	0.73 282	1.05 340	1.04 342	0.86 324	1.23 211	1.00 268	0.23 316	0.15 179	0.25 330	0.18 232	0.32 270	0.35 154

edge stereo	0.84 280	0.74 174	3.42 343	0.38 184	1.21 376	0.63 194	0.41 245	0.98 270	0.83 274	0.81 306	0.88 311	1.14 357	0.73 301	2.16 334	0.89 252	0.22 308	0.20 220	0.26 332	0.18 232	0.38 309	0.43 197

PS-NSSS	0.69 221	1.37 314	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	1.14 254	2.50 172	0.37 166	0.29 163	0.78 291	0.55 301	0.99 275	0.84 286	0.82 310	0.68 237	0.93 316	0.50 227	1.01 182	0.89 252	0.21 303	0.15 179	0.21 309	0.18 232	0.26 222	0.30 128

coex-ft	6.14 410	1.98 372	60.80 435	0.34 127	0.30 174	0.80 298	1.17 379	0.76 112	4.34 403	19.82 423	2.15 378	1.61 374	8.77 412	1.82 298	10.36 414	0.44 359	2.05 389	0.18 290	0.19 248	0.39 316	4.61 415

UDGNet	0.50 70	1.36 311	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	0.37 356	0.19 248	0.30 257	0.17 49

APVNet	0.76 255	1.11 249	3.23 317	0.39 197	0.36 222	0.85 312	0.44 264	0.96 257	0.73 199	0.58 169	0.69 241	0.76 266	0.56 250	2.29 340	0.82 244	0.17 265	0.18 204	0.24 325	0.19 248	0.35 291	0.27 107

psmorigin	1.41 363	0.91 213	13.83 417	0.37 166	0.30 174	0.63 194	0.37 226	0.80 137	0.64 109	0.98 329	0.87 309	1.16 361	0.78 312	3.95 400	1.09 277	0.19 287	0.22 230	0.17 274	0.19 248	0.25 207	0.47 219

FADNet-RVC-Resample	0.74 243	1.54 337	3.81 366	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	0.71 292

ADCRef	0.88 298	1.45 328	2.68 238	0.38 184	0.35 216	0.95 333	0.51 288	0.92 233	0.81 263	0.89 319	0.84 299	0.61 190	1.35 356	1.26 218	3.38 380	0.14 214	0.12 139	0.17 274	0.19 248	0.28 243	0.34 148

SGM-Forest	1.84 383	7.91 416	10.36 411	0.42 222	0.33 199	1.04 340	1.29 384	1.01 289	0.88 301	1.19 349	2.30 383	1.03 338	1.79 379	2.60 363	2.81 370	0.22 308	0.21 228	0.21 309	0.19 248	0.25 207	0.79 302
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.86 291	1.00 225	2.82 275	0.35 142	0.21 77	0.78 291	0.78 347	1.05 315	0.87 297	0.90 321	0.74 275	0.87 302	1.89 382	1.67 273	1.38 309	0.19 287	0.20 220	0.21 309	0.19 248	0.28 243	0.84 308
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	1.29 354	1.34 304	3.04 306	0.35 142	0.28 158	1.10 349	0.69 338	1.42 371	1.07 348	2.71 403	2.43 385	2.95 388	1.50 368	2.92 383	2.03 337	0.23 316	0.22 230	0.22 313	0.19 248	0.50 346	0.69 287
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	0.72 162	3.51 348	0.31 73	0.25 123	0.60 141	0.30 169	0.90 219	0.67 135	1.48 377	0.53 125	0.84 291	0.57 255	0.60 106	1.11 279	0.09 11	0.55 298	0.12 134	0.20 257	0.16 69	0.56 253

MyStereo05	0.57 117	0.72 162	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	0.73 220	0.09 11	0.55 298	0.12 134	0.20 257	0.16 69	0.56 253

Wz-Net-TNSev	1.02 329	2.26 393	3.69 360	0.38 184	0.31 182	1.00 337	0.71 340	1.12 343	1.02 340	0.74 288	0.73 272	1.09 352	0.91 331	2.46 355	2.15 347	0.21 303	0.20 220	0.16 260	0.20 257	0.48 344	0.62 265

FADNet	0.71 230	1.60 348	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	0.85 248	0.46 362	0.20 220	0.17 274	0.20 257	0.60 358	0.37 161

STTStereo	0.58 125	0.95 222	2.95 295	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	1.01 228	2.48 166	0.44 237	0.45 262	0.66 233	0.45 269	0.95 254	0.87 297	0.70 270	0.95 322	0.99 330	0.82 316	1.55 250	0.82 244	0.26 333	0.19 208	0.23 320	0.20 257	0.34 280	0.38 169

RTS	1.29 354	1.59 344	6.48 406	0.63 310	0.57 291	1.59 371	0.90 358	1.15 346	1.44 372	1.20 354	1.31 353	1.10 353	0.87 327	2.67 368	2.27 355	0.21 303	0.38 271	0.19 295	0.20 257	0.46 341	0.68 283

RTSA	1.29 354	1.59 344	6.48 406	0.63 310	0.57 291	1.59 371	0.90 358	1.15 346	1.44 372	1.20 354	1.31 353	1.10 353	0.87 327	2.67 368	2.27 355	0.21 303	0.38 271	0.19 295	0.20 257	0.46 341	0.68 283

GANet	0.92 311	1.20 273	2.68 238	0.45 244	0.27 148	0.76 276	0.66 330	0.94 241	0.77 237	0.79 303	1.17 345	0.84 291	0.91 331	2.72 373	1.76 327	0.18 276	0.42 279	0.44 366	0.20 257	0.33 274	0.94 322

Anonymous Stereo	0.83 277	1.57 339	3.56 353	0.46 247	0.39 236	0.63 194	0.84 352	0.92 233	0.83 274	0.68 262	0.68 237	0.64 205	0.42 173	2.42 353	1.02 270	0.23 316	0.23 235	0.19 295	0.20 257	0.31 265	0.40 181

PSMNet_ROB	0.75 252	1.42 323	2.93 292	0.39 197	0.32 193	0.73 265	0.56 305	0.90 219	0.74 216	0.56 151	0.60 188	0.75 262	0.47 217	2.00 321	1.31 299	0.18 276	0.13 152	0.19 295	0.20 257	0.26 222	0.40 181

MyStereo8	0.73 240	1.16 262	2.89 287	0.53 278	0.34 208	0.71 256	0.20 20	1.87 387	0.59 76	0.53 126	0.66 231	0.50 139	0.33 111	1.27 219	0.62 189	0.10 47	1.19 353	0.10 46	0.21 268	0.21 158	0.61 263

MyStereo07	0.56 110	0.68 150	2.42 120	0.30 59	0.41 247	0.61 159	0.31 179	0.58 55	0.72 196	1.17 348	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	0.48 223

MyStereo04	0.57 117	0.68 150	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	0.71 215	0.09 11	0.59 305	0.12 134	0.21 268	0.16 69	0.48 223

GrayStereo	0.71 230	0.27 1	2.40 112	0.89 346	0.23 108	0.62 181	1.40 390	0.67 86	0.70 177	0.72 281	0.77 289	0.55 163	3.03 396	0.60 106	0.28 41	0.10 47	0.08 38	0.10 46	0.21 268	0.12 25	0.37 161

aanetorigin	0.81 269	1.03 232	2.64 221	0.44 237	0.44 259	0.59 129	1.00 366	0.59 62	0.70 177	1.54 379	1.22 349	0.82 286	1.08 347	1.06 187	1.07 275	0.18 276	0.15 179	0.17 274	0.21 268	0.53 352	0.65 275

MaskLacGwcNet_RVC	0.84 280	1.41 319	2.80 269	0.94 352	0.35 216	0.89 321	0.41 245	0.89 211	0.66 123	0.57 163	0.63 211	0.75 262	0.38 134	2.37 345	0.55 171	1.16 389	0.31 258	0.36 354	0.21 268	0.59 357	0.63 269

ADCL	1.07 338	1.22 280	2.80 269	0.40 210	0.33 199	1.50 366	1.87 397	0.97 264	1.04 344	1.26 362	1.28 351	0.99 330	1.41 362	1.36 228	3.51 383	0.17 265	0.14 165	0.22 313	0.21 268	0.32 270	0.43 197

cross-raft	0.47 48	0.34 30	2.17 71	0.70 328	0.84 342	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	1.14 345	2.02 377	3.36 329	0.43 232	0.37 228	0.96 335	0.81 350	1.12 343	1.17 360	1.25 361	0.98 327	1.08 349	0.92 334	1.41 233	4.97 401	0.23 316	0.21 228	0.22 313	0.23 275	0.40 322	0.67 278

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	0.85 289	0.58 169	0.70 254	0.51 142	0.41 162	1.89 310	0.64 195	0.13 184	1.01 339	0.09 13	0.24 277	0.19 132	0.59 258

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	0.85 289	0.58 169	0.70 254	0.51 142	0.41 162	1.89 310	0.64 195	0.13 184	1.01 339	0.09 13	0.24 277	0.19 132	0.59 258

AnyNet_C01	1.20 349	1.89 368	4.25 381	0.55 285	0.54 284	1.57 369	1.39 389	1.10 338	1.13 355	1.19 349	1.34 357	1.15 359	1.11 349	1.73 279	2.89 372	0.26 333	0.24 238	0.28 336	0.24 277	0.50 346	0.68 283

STTRV1_RVC	0.81 269	0.59 124	2.88 286	0.43 232	0.49 273	0.80 298	0.44 264	1.18 354	0.84 286	0.63 225	0.89 313	0.72 250	0.63 278	2.67 368	0.67 205	0.51 364	0.65 313	0.27 333	0.24 277	0.35 291	0.29 119

NaN_ROB	1.25 351	1.46 330	3.84 368	0.54 284	0.56 288	1.12 350	0.99 362	1.05 315	1.03 341	1.10 341	0.87 309	0.77 268	1.07 346	5.85 407	2.98 373	0.16 246	0.23 235	0.16 260	0.24 277	0.28 243	0.66 276

PDISCO_ROB	0.84 280	1.46 330	2.84 279	0.65 315	0.59 296	1.17 355	0.48 280	1.19 355	1.08 350	0.67 256	0.72 270	1.00 333	0.61 272	1.24 213	1.05 273	0.38 352	0.18 204	0.28 336	0.24 277	0.58 356	0.44 209

HBP-ISP	0.82 273	1.57 339	3.28 323	0.50 270	0.27 148	0.86 313	0.54 297	1.09 335	0.78 240	0.81 306	0.70 254	0.68 230	1.00 341	2.02 322	0.47 141	0.24 323	0.24 238	0.29 344	0.25 283	0.28 243	0.52 240

AnyNet_C32	1.08 341	1.76 362	3.01 304	0.50 270	0.54 284	1.17 355	1.16 378	0.97 264	0.95 325	1.11 342	0.98 327	0.87 302	0.93 336	1.57 256	4.11 395	0.22 308	0.20 220	0.25 330	0.25 283	0.40 322	0.68 283

GANetREF_RVC	0.81 269	1.44 327	3.04 306	0.49 265	0.27 148	0.83 306	0.63 324	1.03 301	0.92 313	0.63 225	0.61 196	0.72 250	0.59 265	2.40 350	0.58 177	0.33 348	0.25 245	0.37 356	0.25 283	0.41 328	0.36 160
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	1.32 298	2.30 91	0.44 237	0.31 182	0.71 256	0.67 334	0.89 211	0.69 167	0.70 270	0.61 196	0.85 296	0.54 243	1.58 262	0.70 211	0.20 295	0.17 198	0.66 375	0.25 283	0.26 222	0.38 169

CBMV_ROB	0.88 298	0.75 178	2.73 256	0.36 156	0.22 86	0.76 276	0.47 278	1.05 315	0.81 263	1.06 339	1.04 338	0.88 306	1.36 358	2.17 335	2.03 337	0.23 316	0.24 238	0.27 333	0.25 283	0.27 233	0.73 294

CSAN	1.38 361	1.74 361	4.12 375	0.53 278	0.38 234	1.06 345	1.15 376	1.29 362	1.12 354	1.19 349	1.90 372	1.04 342	1.44 363	5.92 408	2.82 371	0.26 333	0.22 230	0.24 325	0.25 283	0.35 291	0.54 246

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	0.85 289	0.58 169	0.70 254	0.51 142	0.41 162	1.89 310	0.86 250	0.13 184	1.01 339	0.11 92	0.26 289	0.17 90	0.84 308

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	0.85 289	0.58 169	0.70 254	0.51 142	0.41 162	1.89 310	0.86 250	0.13 184	1.01 339	0.11 92	0.26 289	0.19 132	0.59 258

RGC	0.78 261	1.10 247	2.55 188	0.45 244	0.45 262	0.73 265	0.40 243	1.00 281	0.75 221	0.75 290	1.04 338	1.02 337	0.73 301	1.74 281	1.15 283	0.24 323	0.19 208	0.28 336	0.26 289	0.31 265	0.38 169

G-Net	1.02 329	0.70 155	3.23 317	0.60 300	0.66 318	2.00 389	0.71 340	0.78 125	0.70 177	1.14 345	2.53 387	1.29 365	1.01 342	1.47 242	1.74 325	0.25 329	0.24 238	0.24 325	0.26 289	0.37 303	0.40 181

Nwc_Net	0.75 252	1.10 247	2.96 296	0.42 222	0.39 236	0.77 286	0.39 240	1.06 327	0.73 199	0.65 248	1.00 331	0.99 330	0.74 305	1.43 235	0.99 266	0.24 323	0.15 179	0.23 320	0.26 289	0.27 233	0.30 128

XQC	0.84 280	1.32 298	2.61 207	0.78 338	0.44 259	0.89 321	0.53 294	1.16 349	1.07 348	0.85 315	0.69 241	0.92 311	0.73 301	1.40 231	1.44 311	0.24 323	0.35 265	0.23 320	0.26 289	0.45 337	0.39 176

FBW_ROB	0.94 317	1.23 284	2.35 99	0.46 247	0.32 193	0.87 317	0.46 274	1.15 346	0.97 333	0.83 313	0.78 293	1.01 334	0.64 279	3.65 398	1.65 320	0.27 336	0.24 238	0.40 359	0.26 289	0.32 270	0.88 316

NOSS_ROB	0.75 252	1.03 232	2.27 85	0.68 326	0.26 137	0.68 246	0.30 169	0.99 275	0.82 268	0.59 188	0.58 176	0.77 268	0.39 145	2.75 377	0.48 144	0.25 329	0.24 238	0.28 336	0.26 289	0.29 251	1.07 336

EDNetEfficient	1.29 354	0.78 184	4.27 382	0.65 315	1.03 364	0.94 331	1.38 388	0.87 197	1.75 384	2.33 397	1.32 355	1.04 342	2.21 389	1.59 263	4.07 394	0.16 246	0.19 208	0.15 244	0.27 297	0.38 309	0.40 181

SHD	0.84 280	1.14 254	2.54 181	0.80 340	0.52 278	0.76 276	0.34 207	1.16 349	1.29 366	1.11 342	0.85 302	0.98 327	0.74 305	1.25 216	1.48 313	0.22 308	0.37 267	0.20 305	0.27 297	0.36 297	0.41 188

Sa-1000	0.61 153	1.07 238	2.71 249	0.32 90	0.61 308	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	0.28 299	0.29 251	0.29 119

ccnet	0.77 259	0.61 131	2.01 42	0.40 210	0.46 269	1.05 342	0.59 313	1.02 295	0.74 216	0.90 321	0.97 324	0.82 286	0.89 329	1.68 276	1.16 285	0.32 346	0.26 248	0.32 348	0.28 299	0.35 291	0.47 219

DeepPrunerF	0.92 311	1.33 302	3.41 340	0.46 247	0.51 276	0.64 206	0.49 285	1.16 349	2.62 395	0.65 248	0.61 196	0.65 209	0.62 274	2.23 337	1.31 299	0.23 316	0.19 208	0.30 345	0.28 299	0.39 316	0.34 148

PA-Net	0.93 316	1.36 311	4.14 376	0.64 313	0.41 247	0.70 252	0.53 294	0.91 226	0.88 301	0.53 126	0.60 188	0.70 247	0.54 243	2.40 350	2.57 365	0.17 265	0.28 256	0.19 295	0.28 299	0.25 207	0.48 223
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	0.58 295	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	0.71 215	0.12 142	1.26 362	0.10 46	0.29 303	0.16 69	1.22 349

rrr	0.84 280	0.74 174	3.40 339	0.76 333	0.77 334	0.45 17	0.28 132	1.23 359	0.84 286	0.71 279	0.22 2	0.30 42	0.28 71	1.29 221	1.53 317	0.10 47	1.50 377	0.10 46	0.29 303	0.24 192	1.75 377

SQANet	0.92 311	1.96 370	3.23 317	0.77 336	0.83 340	0.76 276	0.38 234	0.87 197	0.68 159	0.64 236	0.69 241	0.73 256	0.52 238	1.35 227	1.36 305	0.80 375	0.30 257	0.60 373	0.29 303	0.93 377	0.70 290

FINET	1.92 385	1.96 370	4.49 390	1.62 385	1.39 384	3.51 403	4.39 407	2.89 400	2.58 394	1.39 369	1.98 373	1.35 367	2.12 388	1.64 269	2.12 344	0.84 377	1.03 345	0.18 290	0.29 303	0.54 353	2.12 387

CC-Net-ROB	0.95 318	1.57 339	2.93 292	0.90 348	0.39 236	0.87 317	0.44 264	1.12 343	0.83 274	0.59 188	0.69 241	0.64 205	0.50 227	2.73 375	0.93 255	0.97 382	0.40 277	0.87 381	0.29 303	0.61 361	0.66 276

LSM	3.40 402	1.42 323	5.81 403	9.98 418	30.74 432	0.86 313	1.14 374	0.99 275	1.26 363	1.40 371	2.18 379	0.93 316	0.85 322	1.76 284	1.03 271	0.22 308	0.35 265	0.24 325	0.29 303	0.40 322	6.21 416

raft_robust	0.68 215	1.24 285	2.42 120	0.30 59	0.57 291	0.53 65	0.25 98	0.95 254	0.79 249	0.49 81	0.46 77	1.12 355	0.74 305	1.50 246	0.61 186	0.09 11	0.62 310	0.10 46	0.30 309	0.26 222	0.30 128

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	0.30 309	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	1.45 367	1.12 251	3.30 326	0.48 254	0.41 247	1.13 351	0.60 316	1.17 352	1.28 365	2.25 394	2.85 395	3.65 396	3.34 400	2.58 361	2.44 359	0.31 345	0.26 248	0.31 346	0.30 309	0.37 303	0.78 300
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
RTSC	0.84 280	1.40 318	2.67 233	0.50 270	0.40 242	0.83 306	0.33 202	1.11 341	1.14 356	0.93 327	0.82 295	0.84 291	0.58 262	1.34 226	1.82 331	0.18 276	0.49 290	0.14 219	0.30 309	0.46 341	0.42 192

FC-DCNN	1.60 379	0.85 193	3.44 344	0.46 247	0.39 236	1.96 385	0.66 330	1.72 383	1.70 382	2.75 404	2.91 398	4.20 399	3.15 398	2.72 373	2.66 366	0.30 343	0.26 248	0.31 346	0.30 309	0.33 274	0.91 319

ttt	0.89 305	0.51 100	2.51 173	0.36 156	0.31 182	0.61 159	0.28 132	1.07 330	0.92 313	0.56 151	0.77 289	0.55 163	0.37 127	2.27 338	3.51 383	0.16 246	1.21 357	0.13 190	0.31 314	0.18 109	1.26 351

test_xeample	0.98 324	0.65 141	2.12 63	0.29 45	0.67 319	0.60 141	0.28 132	1.08 333	0.85 289	0.62 216	0.70 254	0.44 106	0.41 162	1.95 318	5.45 403	0.12 142	1.33 370	0.11 92	0.31 314	0.18 109	1.42 366

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	0.31 314	0.11 17	0.25 97

NCC-stereo	0.88 298	1.22 280	2.97 297	0.60 300	0.45 262	1.88 383	0.48 280	1.04 307	0.75 221	0.70 270	0.85 302	0.93 316	0.84 319	1.81 295	1.51 315	0.28 339	0.19 208	0.23 320	0.31 314	0.27 233	0.35 154

Abc-Net	0.88 298	1.22 280	2.97 297	0.60 300	0.45 262	1.88 383	0.48 280	1.04 307	0.75 221	0.70 270	0.85 302	0.93 316	0.84 319	1.81 295	1.51 315	0.28 339	0.19 208	0.23 320	0.31 314	0.27 233	0.35 154
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	1.47 378	0.75 329	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	2.87 411	0.09 13	0.32 319	0.14 51	0.50 231

DCRE	0.76 255	0.80 188	2.31 93	1.05 359	1.18 374	0.63 194	0.26 110	1.03 301	0.59 76	0.52 118	2.12 376	0.44 106	0.27 61	0.41 40	0.53 164	0.09 11	1.02 344	0.10 46	0.32 319	0.16 69	1.47 369

SA	0.61 153	1.14 254	2.79 267	0.32 90	0.63 311	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	0.32 319	0.31 265	0.51 235

MIPNet	0.88 298	1.07 238	2.85 281	0.61 306	0.18 47	1.46 364	1.37 386	1.65 380	0.78 240	1.93 385	0.85 302	0.75 262	1.66 372	0.87 170	0.34 94	0.10 47	0.08 38	0.11 92	0.32 319	0.27 233	0.26 102

XX-Stereo	0.98 324	0.57 116	4.45 389	1.64 386	5.33 412	0.55 81	0.16 3	0.96 257	0.43 13	0.45 51	0.65 225	0.85 296	0.19 7	0.79 158	0.26 32	0.11 110	0.80 329	0.10 46	0.32 319	0.17 90	0.78 300

222	1.02 329	0.60 126	1.95 34	0.29 45	0.51 276	0.62 181	0.24 79	1.09 335	0.86 295	0.64 236	0.67 234	0.47 127	0.42 173	1.86 305	6.73 407	0.13 184	1.21 357	0.11 92	0.32 319	0.17 90	1.44 367

xxxx	0.97 322	0.64 139	2.14 67	0.30 59	0.67 319	0.64 206	0.24 79	1.09 335	0.91 311	0.57 163	0.65 225	0.58 178	0.39 145	1.57 256	5.49 404	0.13 184	1.38 372	0.11 92	0.32 319	0.17 90	1.41 365

ADCMid	1.06 336	1.82 364	3.53 351	0.39 197	0.36 222	0.99 336	0.58 310	1.01 289	0.94 320	1.23 360	1.02 334	1.01 334	1.01 342	1.11 196	4.04 393	0.22 308	0.19 208	0.42 363	0.32 319	0.42 330	0.53 243

MSMD_ROB	1.41 363	1.03 232	2.75 260	0.41 219	0.32 193	2.00 389	0.61 321	0.96 257	1.43 371	2.97 405	2.63 391	4.76 404	2.04 386	2.44 354	1.78 329	0.30 343	0.26 248	0.32 348	0.32 319	0.32 270	0.63 269

WCMA_ROB	1.29 354	1.21 275	3.13 314	0.65 315	0.36 222	1.20 358	0.78 347	1.00 281	0.98 334	1.78 384	2.62 390	3.08 393	2.01 385	1.86 305	2.35 357	0.38 352	0.38 271	0.32 348	0.32 319	0.31 265	1.06 335

DualNet	0.97 322	0.67 143	3.39 334	0.32 90	0.22 86	0.58 111	0.28 132	0.85 178	0.96 327	0.54 130	0.74 275	0.67 218	0.40 151	0.64 117	3.86 389	0.10 47	2.16 400	0.15 244	0.33 329	0.25 207	2.19 391

ffm	0.78 261	0.67 143	3.39 334	0.32 90	0.22 86	0.58 111	0.28 132	0.85 178	0.96 327	0.54 130	0.74 275	0.67 218	0.40 151	0.64 117	0.22 4	0.10 47	2.16 400	0.15 244	0.33 329	0.25 207	2.19 391

ff1	1.07 338	0.67 143	3.39 334	0.32 90	0.22 86	0.58 111	0.28 132	0.85 178	0.96 327	0.54 130	0.74 275	0.67 218	0.40 151	2.75 377	3.86 389	0.10 47	2.16 400	0.15 244	0.33 329	0.25 207	2.19 391

mmx	0.99 326	0.67 143	3.39 334	0.32 90	0.22 86	0.58 111	0.28 132	1.05 315	0.92 313	0.54 130	0.74 275	0.67 218	0.40 151	2.75 377	3.86 389	0.13 184	1.25 359	0.15 244	0.33 329	0.19 132	1.28 354

xxx	0.99 326	0.67 143	3.39 334	0.32 90	0.22 86	0.58 111	0.28 132	1.05 315	0.92 313	0.54 130	0.74 275	0.67 218	0.40 151	2.75 377	3.86 389	0.13 184	1.25 359	0.15 244	0.33 329	0.19 132	1.28 354

ToySt	0.67 210	0.88 200	2.61 207	0.39 197	0.73 327	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	0.33 329	0.24 192	1.18 341

IGEV_Zeroshot_test	0.91 310	0.39 59	3.80 365	0.42 222	1.95 399	0.56 85	0.64 325	0.84 168	0.55 59	1.45 374	0.53 125	0.79 274	0.42 173	0.57 97	1.13 281	0.10 47	0.49 290	0.10 46	0.34 335	0.19 132	2.97 408

SAMSARA	1.11 343	1.35 307	2.60 203	1.34 371	0.77 334	1.67 376	1.41 392	1.47 373	0.99 337	1.54 379	0.89 313	1.44 370	0.90 330	1.88 309	1.71 321	0.25 329	0.55 298	0.22 313	0.34 335	0.39 316	0.50 231

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	1.09 348	0.09 13	0.35 337	0.19 132	0.37 161

test-3	0.58 125	0.43 76	2.44 133	0.52 274	0.59 296	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	0.97 258	0.08 1	1.27 363	0.10 46	0.35 337	0.29 251	0.62 265

test_1	0.58 125	0.43 76	2.44 133	0.52 274	0.59 296	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	0.97 258	0.08 1	1.27 363	0.10 46	0.35 337	0.29 251	0.63 269

test_3	0.59 140	0.44 80	2.44 133	0.53 278	0.59 296	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	0.97 258	0.08 1	1.25 359	0.11 92	0.35 337	0.30 257	0.62 265

PVD	1.05 335	1.21 275	2.36 100	0.84 343	0.91 348	1.04 340	0.64 325	1.32 365	1.68 381	1.43 373	1.41 360	1.14 357	1.15 351	1.49 245	1.77 328	0.27 336	0.65 313	0.28 336	0.35 337	0.40 322	0.73 294

MADNet+	1.44 365	2.19 386	6.00 404	0.89 346	0.70 325	1.58 370	1.11 371	1.56 378	1.30 368	0.89 319	1.03 336	1.25 362	1.12 350	3.29 390	2.80 369	0.48 363	0.57 302	0.39 358	0.36 342	0.63 362	0.69 287

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	0.71 378	0.37 343	0.12 25	0.41 188

CVANet_RVC	0.82 273	1.18 268	3.98 371	0.40 210	0.28 158	0.63 194	0.43 258	0.90 219	0.78 240	1.14 345	0.69 241	0.68 230	0.52 238	2.62 364	0.48 144	0.20 295	0.13 152	0.22 313	0.37 343	0.37 303	0.48 223

ELAS_RVC	1.51 373	0.88 200	3.36 329	0.63 310	0.56 288	1.53 367	2.73 401	1.53 375	1.76 385	2.26 395	2.21 382	2.10 381	3.07 397	2.08 328	2.52 361	0.42 355	0.42 279	0.42 363	0.37 343	0.51 348	0.84 308
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DLNR_Zeroshot_test	13.74 418	20.06 423	23.92 424	121.50 438	35.20 433	0.46 20	0.15 1	7.96 416	0.47 24	0.29 21	0.37 41	0.26 28	0.17 1	0.79 158	0.36 103	7.16 418	2.95 412	0.09 13	0.38 346	50.40 436	1.95 381

RAFT-Test	0.56 110	0.41 68	2.01 42	0.90 348	1.07 367	0.65 220	0.37 226	0.83 161	0.65 116	0.49 81	0.49 101	0.93 316	0.24 26	0.52 78	0.30 55	0.10 47	0.38 271	0.09 13	0.38 346	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	0.38 346	0.10 10	0.22 76

x	0.65 190	0.62 135	2.12 63	0.36 156	0.61 308	0.48 32	0.24 79	0.80 137	0.89 306	0.50 99	0.56 160	0.44 106	0.36 122	0.62 112	0.80 237	0.11 110	1.44 376	0.11 92	0.39 349	0.16 69	1.34 359

otaku	1.15 346	2.10 382	3.51 348	0.98 356	0.74 328	1.02 339	0.59 313	1.03 301	0.89 306	0.70 270	1.60 364	0.98 327	0.65 280	1.63 266	1.80 330	0.99 383	0.46 284	0.73 379	0.40 350	1.30 389	0.88 316

iRaft-Stereo_20w	1.50 370	0.42 70	4.81 392	2.24 403	2.09 402	1.36 359	1.27 383	1.38 368	0.94 320	2.07 386	0.42 61	0.85 296	0.69 294	0.87 170	1.37 307	0.10 47	4.04 413	0.09 13	0.40 350	0.17 90	4.53 414

test_xeample3	0.86 291	0.75 178	3.36 329	0.65 315	0.76 332	0.49 37	0.33 202	1.21 358	0.80 256	0.61 204	0.23 5	0.30 42	0.29 87	1.17 205	1.57 319	0.10 47	1.79 383	0.10 46	0.40 350	0.25 207	2.09 385

ELAS	1.52 374	0.92 218	2.91 290	0.62 308	0.57 291	3.13 400	2.21 399	1.67 381	1.58 380	2.42 398	2.43 385	1.87 378	2.49 392	1.85 303	2.70 368	0.42 355	0.43 282	0.41 361	0.40 350	0.51 348	0.85 312
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
xx1	0.71 230	0.73 165	2.43 125	0.67 321	0.52 278	0.76 276	0.24 79	0.85 178	1.05 345	0.77 294	0.39 50	0.46 122	0.37 127	0.70 134	0.22 4	0.10 47	2.13 395	0.12 134	0.41 354	0.16 69	1.18 341

Ntro	1.11 343	2.10 382	3.52 350	0.97 355	0.87 345	1.06 345	0.54 297	1.02 295	0.93 319	0.63 225	0.76 285	0.93 316	0.67 288	1.76 284	1.71 321	1.03 384	0.46 284	0.76 380	0.41 354	1.29 387	0.86 315

qqq	0.65 190	0.63 137	2.10 62	0.30 59	0.64 315	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	0.75 223	0.11 110	1.41 375	0.12 134	0.41 354	0.16 69	1.18 341

PASM	0.82 273	1.00 225	2.68 238	0.52 274	0.48 271	0.65 220	0.59 313	0.83 161	0.89 306	0.82 310	0.73 272	0.89 309	0.68 290	2.39 349	0.73 220	0.35 351	0.37 267	0.36 354	0.41 354	0.45 337	0.51 235

AE-Stereo	0.71 230	0.32 14	2.44 133	0.44 237	0.50 274	0.58 111	0.23 57	1.08 333	0.67 135	0.67 256	0.51 115	0.47 127	0.24 26	0.63 113	0.32 77	0.09 11	2.15 399	0.11 92	0.45 358	0.22 172	2.01 382

mmm	0.66 207	0.53 104	1.83 14	0.38 184	0.86 343	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	0.73 220	0.12 142	1.37 371	0.14 219	0.45 358	0.18 109	1.35 361

SGM-ForestM	3.67 404	2.70 408	5.34 400	1.65 387	1.72 396	6.02 411	5.08 409	4.10 409	3.47 401	4.59 409	4.21 405	9.81 413	5.79 409	6.44 409	6.97 408	0.88 378	1.09 348	0.33 352	0.45 358	0.68 366	2.10 386

SGM_RVC	2.11 390	1.07 238	2.87 284	0.98 356	0.92 349	2.72 399	1.88 398	1.91 389	12.27 412	2.09 387	1.99 374	2.47 386	2.24 390	2.87 382	2.03 337	0.54 365	0.47 286	0.42 363	0.47 361	0.74 368	1.22 349
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ACVNet_1	1.47 369	2.27 394	4.92 394	1.11 364	0.89 346	1.19 357	0.66 330	1.28 361	1.19 361	0.98 329	0.97 324	3.06 392	1.48 367	2.37 345	1.82 331	1.08 386	0.49 290	1.03 388	0.48 362	1.20 383	0.95 325

TRStereo	0.89 305	1.02 229	2.91 290	4.59 413	0.31 182	0.93 329	0.23 57	1.93 390	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	0.48 362	0.13 35	1.21 347

JetBlue	1.89 384	2.09 381	4.16 377	0.74 331	1.23 377	4.52 409	3.86 406	1.68 382	1.26 363	1.28 364	1.54 363	2.36 385	1.86 381	3.35 392	3.37 379	0.54 365	0.49 290	0.48 367	0.49 364	1.39 393	1.21 347

1111x	1.06 336	0.79 186	3.29 325	0.33 110	0.60 301	0.64 206	0.33 202	1.10 338	0.92 313	0.59 188	0.69 241	0.59 181	0.47 217	2.64 366	4.61 399	0.12 142	1.38 372	0.11 92	0.49 364	0.18 109	1.30 356

DPSNet	1.02 329	0.72 162	2.84 279	0.60 300	0.39 236	1.08 347	0.75 344	1.41 370	1.14 356	0.74 288	0.69 241	1.05 345	1.67 373	2.09 330	2.22 352	0.27 336	0.61 307	0.20 305	0.50 366	0.48 344	1.03 333

RAFT+CT+SA	0.60 146	1.25 288	2.49 169	0.38 184	0.75 329	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	0.51 367	0.30 257	0.74 296

UDG	0.86 291	1.57 339	2.80 269	0.68 326	0.59 296	0.78 291	0.38 234	0.97 264	0.74 216	0.63 225	0.70 254	1.01 334	0.68 290	1.02 183	1.22 293	0.45 360	0.34 264	0.89 382	0.51 367	0.73 367	0.58 255

DDUNet	0.90 308	1.63 351	2.77 265	0.77 336	0.69 323	0.83 306	0.44 264	0.90 219	0.70 177	0.68 262	0.76 285	0.92 311	0.54 243	1.14 201	1.35 303	0.61 368	0.37 267	0.96 384	0.52 369	0.77 372	0.67 278

EAI-Stereo	1.16 347	0.29 2	1.94 33	0.55 285	0.97 356	1.96 385	7.94 413	1.34 366	1.03 341	1.01 335	1.48 361	0.51 142	0.66 286	0.65 121	1.42 310	0.09 11	0.23 235	0.09 13	0.53 370	0.13 35	0.49 229

AEACV	0.89 305	0.29 2	1.84 17	2.50 405	1.68 395	0.53 65	0.21 29	1.01 289	0.42 9	0.68 262	0.31 25	0.22 8	0.39 145	1.63 266	0.25 23	0.09 11	2.60 408	0.09 13	0.54 371	0.23 186	2.27 401

ACVNet-4b	2.00 387	2.19 386	4.85 393	1.09 361	0.86 343	1.15 353	0.53 294	1.11 341	1.15 358	0.65 248	1.09 342	1.97 379	0.69 294	2.31 341	9.78 413	5.73 413	0.42 279	1.03 388	0.55 372	1.89 400	0.92 321

MFN_U_SF_DS_RVC	1.08 341	2.01 376	2.56 192	0.49 265	0.40 242	1.49 365	0.96 361	1.02 295	0.95 325	0.85 315	0.94 319	1.06 346	0.59 265	2.92 383	1.15 283	0.43 358	0.74 327	0.32 348	0.55 372	0.74 368	1.35 361

ACVNet_2	1.54 375	2.20 388	4.42 388	1.10 363	0.93 351	1.37 361	0.87 354	1.53 375	1.71 383	1.22 358	1.72 367	2.12 382	1.06 345	2.58 361	1.93 333	0.94 379	0.54 296	1.00 386	0.56 374	2.11 404	0.96 327

SPS-STEREO	1.22 350	1.65 353	3.41 340	0.66 319	0.69 323	1.01 338	0.68 336	1.10 338	0.96 327	1.40 371	1.25 350	1.46 371	1.08 347	2.05 323	2.24 353	0.66 370	0.61 307	0.58 371	0.57 375	0.66 365	1.65 375
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RainbowNet	1.27 352	2.22 389	3.58 355	1.14 366	0.92 349	1.08 347	0.76 345	1.19 355	1.15 358	0.77 294	0.97 324	1.08 349	0.83 318	1.64 269	1.72 323	1.20 391	1.30 368	1.01 387	0.58 376	1.23 384	0.97 330

Consistency-Raft	0.92 311	1.21 275	3.50 347	0.98 356	0.63 311	0.77 286	0.54 297	1.02 295	1.01 339	0.62 216	1.03 336	0.65 209	1.04 344	0.81 165	1.36 305	0.45 360	0.47 286	0.51 369	0.59 377	0.65 364	0.47 219

PWCK	1.62 380	2.32 398	4.27 382	1.11 364	0.56 288	1.81 381	1.84 396	1.55 377	1.54 378	1.45 374	1.81 368	1.82 377	1.38 360	3.34 391	2.14 346	1.09 387	0.57 302	0.98 385	0.59 377	1.50 395	0.79 302

MFMNet_re	1.01 328	1.73 358	3.04 306	0.85 344	0.76 332	0.93 329	0.81 350	1.02 295	1.10 351	1.05 337	1.06 341	0.84 291	0.96 338	0.93 177	0.97 258	0.68 372	0.61 307	0.63 374	0.60 379	0.77 372	0.80 304

DispFullNet	1.69 381	2.25 391	5.23 397	1.53 382	8.78 413	0.89 321	0.37 226	1.03 301	0.98 334	1.37 367	1.00 331	1.13 356	1.97 384	1.51 247	0.98 264	0.55 367	0.32 259	1.19 391	0.64 380	1.16 382	0.88 316

IMH-64-1	1.50 370	1.98 372	2.69 244	1.39 374	1.12 371	1.39 362	1.19 380	1.80 384	1.47 374	1.19 349	2.20 380	1.53 372	1.51 369	2.12 332	1.98 334	1.34 394	0.68 317	1.28 394	0.70 381	1.37 391	1.12 338

IMH-64	1.50 370	1.98 372	2.69 244	1.39 374	1.12 371	1.39 362	1.19 380	1.80 384	1.47 374	1.19 349	2.20 380	1.53 372	1.51 369	2.12 332	1.98 334	1.34 394	0.68 317	1.28 394	0.70 381	1.37 391	1.12 338

NVStereoNet_ROB	1.45 367	1.62 349	3.59 356	1.09 361	0.70 325	0.86 313	0.67 334	1.19 355	1.51 376	1.20 354	4.05 403	1.61 374	1.94 383	2.97 385	2.07 341	0.67 371	0.69 320	0.55 370	0.70 381	0.57 355	0.67 278
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	2.67 393	2.14 384	4.28 384	1.92 399	2.11 403	4.36 408	5.22 410	3.17 401	3.00 400	3.24 407	3.81 402	3.03 390	3.61 401	2.53 357	3.79 387	1.15 388	1.29 366	0.66 375	0.71 384	0.95 378	2.44 404

IMH	2.14 391	2.46 402	3.60 358	1.70 389	1.13 373	1.65 375	0.93 360	2.13 393	1.93 387	1.37 367	2.64 392	2.19 383	1.82 380	5.77 406	2.18 349	5.70 412	1.05 346	1.31 396	0.72 385	1.39 393	1.13 340

WAO-7	1.58 378	2.04 379	3.25 320	0.94 352	0.75 329	1.75 379	1.13 373	1.87 387	1.97 388	1.46 376	2.53 387	1.98 380	1.75 376	3.13 387	2.48 360	0.69 373	0.67 316	0.94 383	0.74 386	0.80 375	0.77 297

Dean	1.92 385	2.31 397	5.03 396	1.31 369	1.08 368	1.55 368	0.99 362	1.98 392	2.33 391	1.51 378	4.15 404	4.23 402	1.39 361	2.31 341	2.10 342	1.18 390	0.69 320	1.18 390	0.75 387	1.30 389	1.07 336

TorneroNet-64	2.74 394	2.23 390	4.18 378	1.48 379	1.20 375	3.88 404	1.01 368	3.48 408	6.61 409	2.62 402	4.55 406	4.20 399	3.84 403	3.39 394	3.40 381	1.23 392	0.66 315	1.39 399	0.80 388	3.42 411	1.27 352

WAO-6	1.69 381	1.87 367	3.21 316	1.15 367	1.01 362	2.29 393	1.06 370	1.85 386	2.84 399	1.30 366	2.59 389	2.19 383	1.67 373	2.62 364	2.52 361	0.96 381	0.68 317	1.19 391	0.84 389	1.13 380	0.95 325

MANE	3.51 403	2.03 378	3.88 370	1.89 398	2.01 400	5.98 410	4.72 408	5.87 413	7.13 410	3.80 408	5.10 408	6.11 409	5.34 407	4.39 403	5.05 402	1.07 385	1.28 365	0.50 368	0.85 390	0.76 371	2.36 403

TorneroNet	5.60 409	2.30 396	3.98 371	1.49 381	1.26 380	14.47 417	1.11 371	4.85 410	20.66 427	10.12 412	16.30 418	11.78 417	7.35 410	3.41 395	4.38 397	1.36 396	0.70 323	1.46 401	0.87 391	2.73 408	1.33 357

MSC_U_SF_DS_RVC	1.40 362	2.04 379	3.02 305	0.58 299	0.41 247	2.15 392	1.00 366	1.31 364	1.29 366	1.05 337	1.10 343	1.29 365	0.91 331	3.07 386	1.34 301	1.65 401	0.84 331	0.68 377	0.88 392	1.55 396	1.91 379

WAO-8	2.91 397	2.55 404	3.77 362	1.93 400	1.04 365	4.08 406	0.99 362	3.25 404	6.09 406	2.20 392	3.34 400	3.33 394	2.64 393	11.73 415	2.52 361	2.12 405	1.92 386	1.55 402	0.93 393	1.27 385	0.96 327

Venus	2.91 397	2.55 404	3.77 362	1.93 400	1.04 365	4.08 406	0.99 362	3.25 404	6.09 406	2.20 392	3.34 400	3.33 394	2.64 393	11.73 415	2.52 361	2.12 405	1.92 386	1.55 402	0.93 393	1.27 385	0.96 327

ADCPNet	1.07 338	1.37 314	4.54 391	0.38 184	0.68 322	1.36 359	0.64 325	0.93 236	0.83 274	0.79 303	0.82 295	1.08 349	1.18 353	1.30 223	2.68 367	0.21 303	0.69 320	0.21 309	0.95 395	0.30 257	0.54 246

LE_ROB	4.55 407	2.43 401	9.94 409	2.79 410	4.03 409	2.40 396	3.54 403	2.72 397	11.04 411	11.64 416	4.69 407	5.25 405	10.74 413	4.52 405	9.73 412	0.82 376	0.70 323	1.34 397	0.97 396	0.74 368	0.94 322

anonymousa	0.74 243	0.60 126	2.58 196	0.96 354	1.33 381	0.61 159	0.26 110	0.69 91	0.56 63	0.55 141	0.84 299	0.82 286	0.46 209	0.56 94	0.61 186	0.10 47	1.11 350	0.12 134	0.98 397	0.14 51	0.97 330

FADNet_RVC	0.87 297	1.51 335	2.90 289	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	0.75 223	0.94 379	0.97 336	0.28 336	1.00 398	0.89 376	1.36 363

UNDER WATER	2.84 396	2.25 391	5.25 398	1.84 396	1.45 387	2.36 395	1.44 393	3.23 403	6.51 408	2.61 401	2.73 394	5.69 406	5.64 408	3.14 388	4.18 396	1.48 397	0.81 330	1.60 405	1.07 399	1.91 401	1.67 376

notaker	2.77 395	2.35 399	4.02 373	2.61 408	1.44 386	1.77 380	1.14 374	2.77 399	1.81 386	2.30 396	11.41 413	3.95 397	4.70 405	3.24 389	3.01 374	1.58 400	0.88 333	1.71 407	1.08 400	2.10 403	1.44 367

UNDER WATER-64	2.59 392	2.28 395	5.63 401	1.85 397	1.45 387	3.28 401	1.60 394	2.62 396	5.57 405	2.09 387	2.12 376	4.10 398	4.21 404	2.74 376	3.64 386	1.49 398	0.86 332	1.58 404	1.09 401	1.91 401	1.62 374

ktn	4.44 406	2.47 403	3.70 361	1.82 395	1.49 390	2.11 391	1.40 390	2.30 394	12.56 413	11.36 415	16.25 417	11.30 416	3.77 402	4.41 404	3.47 382	1.86 403	0.99 338	1.74 408	1.21 402	3.28 410	1.39 364

JetRed	3.37 401	4.96 413	10.08 410	1.48 379	1.73 397	7.63 412	5.47 411	3.47 406	2.20 389	2.42 398	2.40 384	2.98 389	2.35 391	3.52 396	6.60 406	1.33 393	1.90 385	1.38 398	1.23 403	2.30 406	2.02 383

KSHMR	4.19 405	2.37 400	6.24 405	1.73 392	1.48 389	1.97 387	1.29 384	3.18 402	17.06 422	2.15 390	15.74 416	9.09 412	1.75 376	8.33 413	2.37 358	1.55 399	1.29 366	1.70 406	1.23 403	1.75 398	1.60 373

riskmin	0.96 319	0.32 14	2.07 53	1.72 391	1.61 394	1.62 373	0.57 308	1.45 372	0.55 59	0.73 282	0.89 313	0.92 311	0.45 202	1.16 203	0.60 181	0.11 110	1.30 368	0.12 134	1.38 405	0.14 51	1.51 370

anonymity	0.86 291	0.68 150	1.44 1	0.64 313	0.83 340	0.67 240	0.52 292	0.98 270	0.73 199	0.96 328	0.70 254	0.81 283	0.86 324	1.10 192	1.34 301	0.64 369	0.72 326	0.58 371	1.44 406	0.60 358	0.91 319

LVE	2.10 389	2.61 407	4.30 386	1.79 394	1.81 398	1.68 377	1.04 369	2.35 395	2.78 398	1.27 363	2.87 396	4.21 401	1.46 364	2.83 381	2.02 336	2.87 409	0.92 335	1.19 391	1.47 407	1.29 387	1.18 341

MFN_U_SF_RVC	1.57 377	2.56 406	3.30 326	0.66 319	0.41 247	1.15 353	0.51 288	1.27 360	1.35 369	1.61 381	1.20 347	1.43 369	0.97 339	1.80 293	2.10 342	1.88 404	1.79 383	1.97 409	2.14 408	1.61 397	1.76 378

PML	22.99 423	17.34 421	8.24 408	5.48 414	9.84 414	50.35 436	102.65 436	5.84 412	13.52 414	37.08 437	104.84 436	30.61 436	23.20 427	12.09 417	7.96 410	6.27 415	2.12 394	6.31 418	2.42 409	10.67 420	2.95 406

MADNet++	2.94 400	2.17 385	3.27 322	2.55 407	2.28 404	3.29 402	3.37 402	2.76 398	2.67 397	3.10 406	3.20 399	2.78 387	3.25 399	4.11 401	4.68 400	2.72 408	2.27 404	3.03 412	2.43 410	2.34 407	2.59 405

BEATNet-Init1	12.32 415	12.82 420	28.66 432	3.22 411	3.71 407	21.59 426	11.42 414	14.54 422	13.73 418	20.24 424	20.16 423	26.14 432	19.85 422	19.08 426	15.33 421	1.81 402	1.93 388	2.05 410	2.48 411	4.25 413	3.41 412

SPstereo	16.55 420	3.18 410	4.92 394	2.73 409	2.77 405	29.67 427	52.00 429	39.41 436	29.70 437	21.94 432	21.64 426	27.45 434	23.83 428	27.92 437	26.10 430	2.44 407	2.60 408	4.96 414	3.11 412	2.27 405	2.32 402

tt	4.94 408	0.32 14	4.22 380	2.29 404	1.58 392	10.19 415	16.94 418	9.44 417	5.03 404	1.69 382	1.33 356	4.68 403	5.02 406	3.38 393	5.91 405	6.15 414	9.47 421	2.80 411	3.16 413	3.54 412	1.58 372

Anonymous_2	1.36 360	0.49 89	2.03 46	1.71 390	1.58 392	2.49 397	0.58 310	1.59 379	2.31 390	0.77 294	0.88 311	1.03 338	0.58 262	1.20 208	0.66 203	0.32 346	1.38 372	1.42 400	3.87 414	0.78 374	1.56 371

DGSMNet	2.93 399	0.77 181	3.44 344	3.58 412	4.25 410	2.53 398	6.86 412	1.03 301	0.88 301	0.58 169	1.85 370	0.79 274	0.62 274	1.63 266	1.46 312	4.62 411	4.98 414	5.15 416	4.71 415	4.52 415	4.37 413

DPSM_ROB	12.32 415	11.13 418	12.31 413	12.90 420	12.80 418	19.81 424	28.13 425	14.50 420	14.31 419	10.62 413	11.34 411	12.03 418	11.89 417	13.08 420	15.22 419	7.09 416	8.31 418	6.47 419	7.32 416	8.69 418	8.43 420

DPSM	12.32 415	11.13 418	12.31 413	12.90 420	12.80 418	19.81 424	28.13 425	14.50 420	14.31 419	10.62 413	11.34 411	12.03 418	11.89 417	13.08 420	15.22 419	7.09 416	8.31 418	6.47 419	7.32 416	8.69 418	8.43 420

DGTPSM_ROB	8.97 413	5.94 414	13.01 415	5.95 415	11.34 415	8.54 413	24.06 419	6.47 414	13.52 414	5.19 410	11.52 414	6.18 410	11.04 414	7.02 410	13.92 416	4.47 410	7.66 415	3.90 413	7.43 418	4.34 414	7.98 418

DPSMNet_ROB	9.58 414	5.96 415	13.98 418	8.88 417	11.87 416	8.54 413	24.08 420	6.48 415	13.67 417	5.35 411	11.53 415	6.31 411	11.04 414	7.69 411	14.09 417	7.61 419	8.23 417	5.03 415	7.75 419	5.24 416	8.36 419

HanzoNet	7.85 411	3.30 412	5.75 402	7.47 416	3.97 408	2.34 394	1.37 386	3.47 406	4.02 402	13.30 417	10.49 409	10.86 414	16.67 419	8.50 414	10.51 415	10.80 420	9.84 422	5.83 417	13.69 420	7.24 417	7.51 417

DPSimNet_ROB	24.35 425	23.81 434	31.38 434	25.93 426	22.83 424	31.30 428	34.38 428	20.78 425	28.92 432	27.39 434	22.99 433	28.29 435	35.76 436	15.47 422	17.82 422	24.28 432	17.90 429	22.23 427	14.12 421	19.38 427	22.12 431

LSM0	26.57 431	22.53 433	25.76 430	30.62 433	52.30 437	39.86 434	56.49 430	29.18 434	28.76 430	21.26 427	22.46 427	24.42 431	23.97 432	26.42 434	30.66 436	14.29 426	16.56 423	13.06 426	14.65 422	17.62 426	20.52 429

Selective-RAFT-Error	24.83 427	22.44 432	24.80 426	26.10 428	25.82 427	39.85 433	56.72 431	29.21 435	29.03 436	21.29 428	22.80 429	24.25 430	24.07 434	26.28 433	30.60 431	14.24 422	16.85 425	13.04 425	14.75 423	17.53 425	17.02 424

CasAABBNet	24.76 426	22.38 427	24.44 425	26.05 427	25.75 426	39.79 429	56.76 432	29.10 433	28.88 431	21.22 426	22.69 428	24.21 429	23.99 433	26.23 429	30.62 432	14.22 421	16.71 424	13.03 421	14.75 423	17.49 424	16.97 423

MyStereo03	24.90 428	22.40 429	24.90 427	26.19 429	25.93 428	39.80 430	56.77 433	29.00 430	28.95 433	21.51 429	22.81 430	24.16 426	23.92 429	26.26 430	30.65 433	14.24 422	17.13 426	13.03 421	14.76 425	17.48 421	18.00 426

MyStereo02	24.90 428	22.40 429	24.90 427	26.19 429	25.93 428	39.80 430	56.77 433	29.00 430	28.95 433	21.51 429	22.81 430	24.16 426	23.92 429	26.26 430	30.65 433	14.24 422	17.13 426	13.03 421	14.76 425	17.48 421	18.00 426

MyStereo	24.90 428	22.40 429	24.90 427	26.19 429	25.93 428	39.80 430	56.77 433	29.00 430	28.95 433	21.51 429	22.81 430	24.16 426	23.92 429	26.26 430	30.65 433	14.24 422	17.13 426	13.03 421	14.76 425	17.48 421	18.00 426

ASD4	27.03 433	24.46 435	23.91 423	27.24 432	17.87 420	47.08 435	31.36 427	41.80 437	21.82 428	31.12 436	20.82 424	33.80 437	18.50 421	27.25 436	21.57 427	29.52 434	20.55 430	27.54 430	23.38 428	30.03 431	20.96 430

HaxPig	19.88 421	22.39 428	22.30 422	17.98 422	17.98 421	12.06 416	12.06 415	16.25 423	15.97 421	21.05 425	21.41 425	18.85 424	18.35 420	20.07 427	19.64 423	23.57 431	23.19 431	24.07 428	23.71 429	22.95 429	23.72 432

LRCNet_RVC	13.78 419	19.34 422	13.01 415	19.47 423	12.67 417	1.85 382	0.42 251	12.28 418	1.10 351	15.76 419	18.69 422	12.52 420	8.65 411	12.22 418	9.64 411	22.29 427	8.38 420	25.92 429	24.06 430	19.72 428	17.59 425

MEDIAN_ROB	23.95 424	26.96 436	26.29 431	22.14 424	22.09 423	16.18 418	14.23 416	20.47 424	20.09 423	25.43 433	25.22 434	22.96 425	22.54 426	24.33 428	23.18 428	28.15 433	27.16 435	28.60 431	27.73 431	27.59 430	27.58 433

AVERAGE_ROB	26.91 432	30.28 437	29.18 433	25.78 425	25.30 425	19.49 423	15.38 417	23.70 429	23.02 429	28.38 435	27.78 435	26.23 433	25.76 435	26.95 435	25.55 429	31.27 435	30.02 436	31.76 432	30.80 432	30.88 435	30.77 434

Anonymous_1	22.76 422	11.11 417	11.93 412	12.73 419	26.05 431	19.39 422	27.77 424	14.18 419	13.64 416	14.92 418	10.66 410	11.26 415	11.24 416	12.48 419	14.45 418	37.82 436	7.87 416	34.92 433	63.61 433	87.51 437	11.75 422

FADE		3.24 411		2.10 402	2.93 406			4.99 411	2.50 393	1.28 364		3.05 391		8.01 412		96.22 437	36.26 437	65.47 434	65.78 434	1.78 399	1.34 359

xxxxx1	29.05 434	20.74 424	14.05 419	50.10 434	40.25 434	19.01 419	26.60 421	21.83 426	20.22 424	16.52 420	17.56 419	18.33 421	21.41 423	16.11 423	20.77 424	23.48 428	26.77 432	66.36 435	78.56 435	30.19 432	32.23 435

tt_ll	29.05 434	20.74 424	14.05 419	50.10 434	40.25 434	19.01 419	26.60 421	21.83 426	20.22 424	16.52 420	17.56 419	18.33 421	21.41 423	16.11 423	20.77 424	23.48 428	26.77 432	66.36 435	78.56 435	30.19 432	32.23 435

ff	29.05 434	20.74 424	14.05 419	50.10 434	40.25 434	19.01 419	26.60 421	21.83 426	20.22 424	16.52 420	17.56 419	18.33 421	21.41 423	16.11 423	20.77 424	23.48 428	26.77 432	66.36 435	78.56 435	30.19 432	32.23 435

test_example2	115.17 437	122.38 438	93.45 436	115.38 437	123.53 438	101.24 437	113.11 437	54.67 438	99.94 438	135.50 438	136.43 437	85.67 438	85.40 437	110.44 438	104.91 437	152.17 438	205.21 438	99.17 438	114.27 438	138.55 438	112.04 438

Low-res two-view benchmark