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	0.28 6	0.17 8	0.29 9	0.33 8	0.32 244	0.43 121	0.34 116	0.42 4	0.34 5	0.33 11	0.51 36	0.29 4	0.38 89	0.37 5	0.28 29	0.11 1	0.10 8	0.11 1	0.08 1	0.11 1	0.26 262

CAS	0.37 60	0.13 1	0.27 7	1.34 387	0.31 227	0.46 131	0.38 170	0.50 11	0.48 56	0.35 15	0.52 39	0.24 1	0.19 3	0.30 1	0.28 29	1.03 388	0.08 1	0.12 2	0.08 1	0.12 2	0.28 279

LoS	0.30 12	0.16 4	0.32 12	0.30 3	0.19 8	0.32 60	0.29 57	0.54 18	0.73 127	0.35 15	0.52 39	0.42 45	0.29 41	0.48 41	0.29 37	0.15 67	0.11 39	0.13 8	0.09 4	0.12 2	0.12 10

MC-Stereo	0.29 9	0.18 14	0.35 19	0.40 86	0.21 25	0.26 18	0.26 40	0.53 16	0.40 29	0.38 18	0.61 61	0.41 43	0.31 53	0.57 69	0.27 23	0.14 18	0.10 8	0.14 13	0.12 26	0.12 2	0.12 10

RCA-Stereo	0.36 42	0.18 14	0.37 27	0.38 44	0.23 56	0.31 51	0.33 108	0.70 92	1.25 326	0.45 39	0.65 69	0.46 64	0.43 119	0.40 14	0.29 37	0.14 18	0.10 8	0.14 13	0.12 26	0.12 2	0.12 10

DCANet-4	0.38 76	0.22 97	0.58 193	0.35 12	0.19 8	0.30 39	0.30 69	0.69 82	0.97 244	0.70 123	0.79 113	0.40 39	0.46 137	0.46 29	0.37 106	0.14 18	0.10 8	0.14 13	0.11 15	0.12 2	0.15 78

fff	0.39 88	0.18 14	0.46 91	0.35 12	0.19 8	0.30 39	0.30 69	0.73 122	1.08 288	0.70 123	0.79 113	0.44 54	0.62 199	0.47 34	0.37 106	0.14 18	0.10 8	0.14 13	0.11 15	0.12 2	0.15 78

RAFT-RH_RVC	0.57 239	0.18 14	0.44 79	0.38 44	0.23 56	0.56 169	0.24 23	0.61 34	0.73 127	1.18 328	3.90 397	0.55 90	0.40 107	0.67 155	0.38 119	0.14 18	0.11 39	0.20 176	0.15 90	0.12 2	0.14 49

AnonymousM	0.42 123	0.86 368	0.31 10	0.35 12	0.23 56	0.30 39	0.37 157	0.56 24	0.44 43	0.72 133	0.50 31	0.47 68	0.29 41	0.42 18	0.35 89	0.16 99	0.12 86	1.51 386	0.32 330	0.12 2	0.11 3

raftrobust	0.35 36	0.20 54	0.39 36	0.43 166	0.29 198	0.31 51	0.25 30	0.73 122	0.66 96	0.59 69	0.56 51	0.44 54	0.45 131	0.55 61	0.31 57	0.16 99	0.12 86	0.14 13	0.12 26	0.12 2	0.14 49

csc	0.39 88	0.18 14	0.46 91	0.35 12	0.19 8	0.30 39	0.30 69	0.73 122	1.08 288	0.70 123	0.79 113	0.44 54	0.62 199	0.47 34	0.37 106	0.14 18	0.10 8	0.14 13	0.11 15	0.12 2	0.15 78

cscssc	0.39 88	0.18 14	0.46 91	0.35 12	0.19 8	0.30 39	0.30 69	0.73 122	1.08 288	0.70 123	0.79 113	0.44 54	0.62 199	0.47 34	0.37 106	0.14 18	0.10 8	0.14 13	0.11 15	0.12 2	0.15 78

CREStereo	0.28 6	0.16 4	0.25 1	0.28 1	0.17 2	0.38 91	0.25 30	0.52 13	0.76 137	0.43 37	0.51 36	0.32 13	0.28 27	0.39 8	0.27 23	0.16 99	0.11 39	0.12 2	0.09 4	0.12 2	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
MSKI-zero shot	0.33 30	0.19 33	0.36 25	0.41 104	0.22 30	0.32 60	0.22 11	0.65 53	0.45 47	0.52 53	0.64 67	0.60 126	0.19 3	0.78 215	0.27 23	0.14 18	0.11 39	0.14 13	0.10 10	0.13 14	0.13 31

AEACV	0.28 6	0.18 14	0.34 13	0.36 27	0.45 323	0.27 25	0.27 42	0.41 2	0.39 21	0.31 7	0.46 22	0.31 6	0.36 78	0.38 7	0.25 3	0.14 18	0.11 39	0.15 41	0.13 49	0.13 14	0.13 31

Any-RAFT	0.36 42	0.17 8	0.31 10	0.35 12	0.21 25	0.51 143	0.21 5	0.93 188	0.75 134	0.56 63	0.73 85	0.66 161	0.29 41	0.48 41	0.25 3	0.15 67	0.10 8	0.13 8	0.10 10	0.13 14	0.13 31

RAFT-Test	0.35 36	0.19 33	0.42 58	0.39 60	0.24 77	0.50 138	0.23 20	0.74 128	0.44 43	0.62 77	0.85 145	0.64 145	0.28 27	0.48 41	0.30 48	0.14 18	0.11 39	0.14 13	0.11 15	0.13 14	0.13 31

CES	0.29 9	0.15 2	0.25 1	0.31 4	0.71 368	0.36 78	0.27 42	0.51 12	0.47 54	0.34 13	0.48 27	0.27 2	0.23 7	0.40 14	0.24 2	0.13 9	0.11 39	0.12 2	0.08 1	0.13 14	0.32 298

Selective-IGEV	0.25 1	0.18 14	0.37 27	0.37 35	0.20 18	0.27 25	0.25 30	0.59 29	0.25 1	0.27 2	0.26 1	0.34 21	0.18 1	0.62 116	0.23 1	0.12 4	0.10 8	0.14 13	0.11 15	0.13 14	0.11 3

EGLCR-Stereo	0.27 2	0.17 8	0.36 25	0.35 12	0.21 25	0.37 86	0.20 1	0.58 27	0.37 14	0.29 4	0.28 4	0.42 45	0.18 1	0.47 34	0.27 23	0.14 18	0.10 8	0.16 57	0.14 69	0.13 14	0.12 10

ProNet	0.30 12	0.22 97	0.41 50	0.36 27	0.25 101	0.33 66	0.42 218	0.62 36	0.41 34	0.33 11	0.31 6	0.32 13	0.28 27	0.60 88	0.28 29	0.13 9	0.11 39	0.16 57	0.13 49	0.13 14	0.14 49

ADStereo(finetuned)	0.39 88	0.18 14	0.58 193	0.35 12	0.19 8	0.30 39	0.30 69	0.72 109	0.96 239	0.72 133	0.77 101	0.45 61	0.68 236	0.46 29	0.36 98	0.14 18	0.10 8	0.14 13	0.11 15	0.13 14	0.15 78

CIPLG	0.42 123	0.23 120	0.71 251	0.45 199	0.33 255	0.51 143	0.33 108	0.68 71	0.68 103	0.84 194	0.96 188	0.47 68	0.33 64	0.56 65	0.52 200	0.17 125	0.12 86	0.16 57	0.14 69	0.13 14	0.16 98

IPLGR_C	0.42 123	0.23 120	0.71 251	0.46 222	0.33 255	0.51 143	0.34 116	0.69 82	0.69 108	0.84 194	0.92 175	0.46 64	0.33 64	0.53 53	0.53 209	0.17 125	0.12 86	0.16 57	0.14 69	0.13 14	0.16 98

test-3	0.35 36	0.17 8	0.48 115	0.40 86	0.22 30	0.42 117	0.22 11	0.66 55	0.80 153	0.72 133	0.45 20	0.63 138	0.29 41	0.45 25	0.32 63	0.13 9	0.09 2	0.17 85	0.13 49	0.13 14	0.11 3

test_1	0.35 36	0.17 8	0.48 115	0.40 86	0.22 30	0.42 117	0.22 11	0.66 55	0.80 153	0.70 123	0.45 20	0.63 138	0.29 41	0.45 25	0.32 63	0.13 9	0.09 2	0.17 85	0.13 49	0.13 14	0.11 3

ACRE	0.42 123	0.23 120	0.73 261	0.45 199	0.33 255	0.50 138	0.33 108	0.68 71	0.70 110	0.82 183	0.92 175	0.46 64	0.32 59	0.53 53	0.52 200	0.17 125	0.12 86	0.15 41	0.14 69	0.13 14	0.16 98

TRStereo	0.39 88	0.32 252	0.64 220	0.49 257	0.41 299	0.30 39	0.30 69	0.97 202	0.63 84	0.53 59	0.43 18	0.52 82	0.26 17	0.77 207	0.29 37	0.18 156	0.12 86	0.19 147	0.19 207	0.13 14	0.13 31

XX-TBD	0.32 26	0.53 324	0.26 4	0.53 301	0.21 25	0.38 91	0.24 23	0.41 2	0.77 139	0.55 61	0.70 81	0.31 6	0.26 17	0.33 3	0.28 29	0.16 99	0.10 8	0.12 2	0.09 4	0.13 14	0.11 3

DCANet	0.38 76	0.18 14	0.46 91	0.35 12	0.19 8	0.30 39	0.30 69	0.72 109	0.96 239	0.72 133	0.77 101	0.45 61	0.56 174	0.47 34	0.36 98	0.14 18	0.10 8	0.14 13	0.11 15	0.13 14	0.15 78

111	0.42 123	0.18 14	0.46 91	0.35 12	0.19 8	0.52 150	0.28 50	0.76 135	1.16 311	0.52 53	0.92 175	0.65 149	0.51 155	0.65 138	0.37 106	0.15 67	0.10 8	0.14 13	0.12 26	0.13 14	0.16 98

RAFT-Stereo + iAFF	0.37 60	0.18 14	0.45 84	0.36 27	0.19 8	0.33 66	0.28 50	0.67 66	0.77 139	0.72 133	0.99 207	0.56 96	0.39 102	0.44 22	0.31 57	0.11 1	0.09 2	0.15 41	0.14 69	0.13 14	0.11 3

CFNet-RSSM	0.35 36	0.18 14	0.47 102	0.39 60	0.22 30	0.35 74	0.23 20	0.78 143	0.86 186	0.67 109	0.54 44	0.56 96	0.28 27	0.49 47	0.28 29	0.14 18	0.10 8	0.14 13	0.12 26	0.13 14	0.12 10

Gwc-CoAtRS	0.35 36	0.18 14	0.46 91	0.39 60	0.23 56	0.34 72	0.22 11	0.74 128	0.77 139	0.62 77	0.60 58	0.58 114	0.29 41	0.47 34	0.29 37	0.14 18	0.11 39	0.14 13	0.12 26	0.13 14	0.13 31

PMTNet	0.33 30	0.17 8	0.26 4	0.29 2	0.18 5	0.44 127	0.22 11	0.57 26	0.66 96	0.46 43	0.54 44	0.38 35	0.34 70	0.50 49	0.25 3	0.75 377	0.10 8	0.12 2	0.09 4	0.13 14	0.12 10

IGEVStereo-DCA	0.30 12	0.24 139	0.42 58	0.36 27	0.27 158	0.38 91	0.34 116	0.66 55	0.35 6	0.39 21	0.31 6	0.35 25	0.27 22	0.62 116	0.25 3	0.16 99	0.12 86	0.16 57	0.12 26	0.14 36	0.16 98

rrr	0.31 23	0.24 139	0.56 184	0.36 27	0.27 158	0.38 91	0.31 87	0.56 24	0.44 43	0.39 21	0.31 6	0.35 25	0.27 22	0.62 116	0.25 3	0.16 99	0.12 86	0.16 57	0.13 49	0.14 36	0.14 49

IGEV_Zeroshot_test	0.36 42	0.19 33	0.71 251	0.41 104	0.29 198	0.30 39	0.25 30	0.86 165	0.40 29	0.64 94	0.57 52	0.56 96	0.25 12	0.56 65	0.29 37	0.15 67	0.11 39	0.16 57	0.14 69	0.14 36	0.14 49

MIF-Stereo	0.27 2	0.18 14	0.40 45	0.40 86	0.28 179	0.30 39	0.28 50	0.40 1	0.33 4	0.30 6	0.46 22	0.27 2	0.25 12	0.48 41	0.35 89	0.17 125	0.13 141	0.14 13	0.12 26	0.14 36	0.13 31

MIM_Stereo	0.39 88	0.18 14	0.59 201	0.38 44	0.25 101	0.27 25	0.24 23	0.72 109	0.56 67	0.72 133	1.00 211	0.62 134	0.29 41	0.67 155	0.39 127	0.13 9	0.14 172	0.17 85	0.16 115	0.14 36	0.12 10

HH	0.37 60	0.22 97	0.49 122	0.41 104	0.26 129	0.36 78	0.30 69	0.87 166	0.41 34	0.45 39	0.59 56	0.78 213	0.43 119	0.77 207	0.26 8	0.15 67	0.11 39	0.15 41	0.14 69	0.14 36	0.14 49

HanStereo	0.37 60	0.22 97	0.49 122	0.41 104	0.26 129	0.36 78	0.30 69	0.87 166	0.41 34	0.45 39	0.59 56	0.78 213	0.43 119	0.77 207	0.26 8	0.15 67	0.11 39	0.15 41	0.14 69	0.14 36	0.14 49

DCRE	0.38 76	0.19 33	0.47 102	0.45 199	0.33 255	0.45 130	0.40 193	0.66 55	0.53 65	0.49 48	0.95 184	0.57 99	0.39 102	0.53 53	0.32 63	0.14 18	0.13 141	0.15 41	0.14 69	0.14 36	0.15 78

IPLG	0.40 102	0.21 74	0.64 220	0.41 104	0.25 101	0.54 159	0.27 42	0.77 140	0.68 103	0.85 204	0.82 131	0.33 18	0.32 59	0.64 132	0.49 192	0.13 9	0.11 39	0.16 57	0.14 69	0.14 36	0.14 49

MIPNet	0.39 88	0.22 97	0.66 227	0.40 86	0.25 101	0.53 153	0.29 57	0.78 143	0.74 132	0.68 116	0.60 58	0.40 39	0.48 144	0.45 25	0.39 127	0.14 18	0.11 39	0.16 57	0.13 49	0.14 36	0.14 49

CrosDoStereo	0.51 200	0.19 33	0.46 91	0.39 60	0.24 77	0.39 96	1.14 368	0.69 82	0.87 190	0.94 253	1.36 309	0.62 134	0.75 264	0.68 163	0.46 173	0.15 67	0.12 86	0.17 85	0.18 183	0.14 36	0.16 98

STrans-v2	0.47 161	0.21 74	0.49 122	0.41 104	0.25 101	0.54 159	0.49 258	1.16 262	0.82 170	0.67 109	1.05 234	0.71 173	0.67 228	0.74 187	0.34 82	0.15 67	0.11 39	0.17 85	0.15 90	0.14 36	0.14 49

TransformOpticalFlow	0.46 152	0.21 74	0.49 122	0.42 129	0.24 77	0.36 78	0.46 238	1.04 222	0.84 176	0.67 109	1.14 264	0.73 192	0.56 174	0.78 215	0.33 73	0.15 67	0.10 8	0.17 85	0.15 90	0.14 36	0.15 78

ASMatch	0.48 170	0.20 54	0.47 102	0.39 60	0.28 179	0.37 86	0.26 40	0.76 135	0.72 118	0.77 163	2.29 366	0.61 128	0.51 155	0.64 132	0.39 127	0.15 67	0.12 86	0.17 85	0.15 90	0.14 36	0.22 223

DeepStereo_LL	0.51 200	0.19 33	0.46 91	0.39 60	0.24 77	0.39 96	1.14 368	0.69 82	0.87 190	0.94 253	1.36 309	0.62 134	0.75 264	0.68 163	0.46 173	0.15 67	0.12 86	0.17 85	0.18 183	0.14 36	0.16 98

DEmStereo	0.49 179	0.18 14	0.53 165	0.39 60	0.26 129	0.57 179	0.33 108	0.65 53	0.75 134	0.90 238	1.65 342	0.57 99	1.02 327	0.63 125	0.44 164	0.14 18	0.12 86	0.16 57	0.16 115	0.14 36	0.17 134

DRaft	0.49 179	0.18 14	0.50 131	0.38 44	0.25 101	0.57 179	0.39 183	0.67 66	0.86 186	1.02 288	1.75 350	0.50 76	0.79 279	0.65 138	0.42 155	0.14 18	0.11 39	0.16 57	0.16 115	0.14 36	0.17 134

RAFT-345	0.41 116	0.19 33	0.42 58	0.39 60	0.23 56	0.32 60	0.25 30	0.62 36	0.56 67	0.74 147	1.77 351	0.44 54	0.35 73	0.67 155	0.37 106	0.14 18	0.11 39	0.18 116	0.14 69	0.14 36	0.13 31

CREStereo++_RVC	0.32 26	0.16 4	0.25 1	0.32 6	0.24 77	0.27 25	0.22 11	0.48 8	0.89 204	0.47 45	0.80 123	0.29 4	0.25 12	0.37 5	0.34 82	0.14 18	0.09 2	0.13 8	0.52 374	0.14 36	0.10 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.37 60	0.15 2	0.26 4	0.34 9	0.15 1	0.80 263	0.29 57	0.83 158	0.87 190	0.58 68	0.58 54	0.43 51	0.41 111	0.59 78	0.35 89	0.12 4	0.10 8	0.14 13	0.09 4	0.14 36	0.10 1

raft+_RVC	0.38 76	0.20 54	0.38 33	0.39 60	0.27 158	0.44 127	0.35 138	0.81 152	0.90 208	0.52 53	0.78 109	0.50 76	0.29 41	0.56 65	0.41 152	0.15 67	0.12 86	0.17 85	0.15 90	0.14 36	0.13 31

TANstereo	0.31 23	0.16 4	0.34 13	0.31 4	0.17 2	0.55 164	0.23 20	0.46 6	0.56 67	0.60 71	0.69 79	0.37 32	0.26 17	0.36 4	0.28 29	0.16 99	0.16 211	0.13 8	0.10 10	0.14 36	0.15 78

XX-Stereo	0.38 76	0.18 14	0.52 158	0.58 327	0.38 282	0.39 96	0.20 1	0.62 36	0.31 2	0.47 45	1.29 299	0.72 188	0.25 12	0.59 78	0.28 29	0.16 99	0.11 39	0.17 85	0.16 115	0.14 36	0.11 3

test_xeample3	0.31 23	0.23 120	0.56 184	0.36 27	0.26 129	0.35 74	0.32 99	0.60 31	0.38 17	0.44 38	0.32 9	0.33 18	0.28 27	0.66 146	0.27 23	0.14 18	0.12 86	0.16 57	0.12 26	0.14 36	0.14 49

ARAFT	0.48 170	0.25 167	0.82 281	0.42 129	0.25 101	0.56 169	0.54 279	0.82 156	0.82 170	0.92 246	0.75 98	0.75 200	0.48 144	0.89 247	0.37 106	0.15 67	0.12 86	0.23 243	0.22 261	0.14 36	0.14 49

AFF-stereo	0.39 88	0.20 54	0.42 58	0.37 35	0.22 30	0.27 25	0.31 87	0.67 66	0.72 118	0.66 102	1.12 256	0.75 200	0.38 89	0.57 69	0.35 89	0.11 1	0.09 2	0.16 57	0.16 115	0.14 36	0.12 10

EAI-Stereo	0.36 42	0.21 74	0.46 91	0.40 86	0.22 30	0.33 66	0.36 145	1.22 285	0.32 3	0.52 53	0.75 98	0.35 25	0.28 27	0.65 138	0.30 48	0.14 18	0.11 39	0.14 13	0.14 69	0.14 36	0.13 31

R-Stereo Train	0.40 102	0.19 33	0.47 102	0.43 166	0.27 158	0.41 110	0.31 87	0.74 128	0.38 17	0.90 238	1.28 295	0.58 114	0.35 73	0.43 20	0.35 89	0.15 67	0.13 141	0.14 13	0.12 26	0.14 36	0.14 49

RAFT-Stereo	0.40 102	0.19 33	0.47 102	0.43 166	0.27 158	0.41 110	0.31 87	0.74 128	0.38 17	0.90 238	1.28 295	0.58 114	0.35 73	0.43 20	0.35 89	0.15 67	0.13 141	0.14 13	0.12 26	0.14 36	0.14 49
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MLCV	0.49 179	0.26 195	0.73 261	0.38 44	0.18 5	0.64 208	0.33 108	0.84 162	0.89 204	0.96 270	1.12 256	0.72 188	0.45 131	1.00 288	0.59 227	0.14 18	0.10 8	0.14 13	0.11 15	0.14 36	0.14 49

tta	0.53 216	0.24 139	0.67 231	0.35 12	0.20 18	0.63 200	0.34 116	1.26 297	1.06 276	0.85 204	1.02 217	0.71 173	0.66 219	0.96 270	0.60 228	0.19 191	0.16 211	0.18 116	0.17 157	0.15 66	0.16 98

qqq1	0.51 200	0.24 139	0.67 231	0.35 12	0.20 18	0.63 200	0.34 116	1.26 297	1.06 276	0.85 204	1.02 217	0.71 173	0.66 219	0.96 270	0.36 98	0.19 191	0.16 211	0.14 13	0.12 26	0.15 66	0.16 98

fff1	0.51 200	0.24 139	0.67 231	0.35 12	0.20 18	0.63 200	0.34 116	1.26 297	1.06 276	0.85 204	1.02 217	0.71 173	0.66 219	0.96 270	0.36 98	0.19 191	0.16 211	0.14 13	0.12 26	0.15 66	0.16 98

AE-Stereo	0.36 42	0.21 74	0.47 102	0.49 257	0.31 227	0.50 138	0.34 116	0.72 109	0.73 127	0.34 13	0.55 49	0.52 82	0.28 27	0.48 41	0.31 57	0.13 9	0.13 141	0.18 116	0.16 115	0.15 66	0.14 49

ff7	0.30 12	0.22 97	0.42 58	0.37 35	0.26 129	0.31 51	0.34 116	0.66 55	0.35 6	0.39 21	0.33 10	0.31 6	0.28 27	0.61 94	0.26 8	0.14 18	0.11 39	0.17 85	0.12 26	0.15 66	0.16 98

ffff	0.30 12	0.22 97	0.42 58	0.37 35	0.26 129	0.31 51	0.34 116	0.66 55	0.35 6	0.39 21	0.33 10	0.31 6	0.28 27	0.61 94	0.26 8	0.14 18	0.11 39	0.17 85	0.12 26	0.15 66	0.16 98

11t	0.30 12	0.22 97	0.42 58	0.37 35	0.26 129	0.31 51	0.34 116	0.66 55	0.35 6	0.39 21	0.33 10	0.31 6	0.28 27	0.61 94	0.26 8	0.14 18	0.11 39	0.17 85	0.12 26	0.15 66	0.16 98

StereoIM	0.27 2	0.19 33	0.39 36	0.37 35	0.26 129	0.28 31	0.28 50	0.45 5	0.37 14	0.27 2	0.27 2	0.40 39	0.27 22	0.40 14	0.30 48	0.16 99	0.14 172	0.16 57	0.13 49	0.15 66	0.12 10

anonymousdsp	0.30 12	0.22 97	0.41 50	0.38 44	0.26 129	0.31 51	0.35 138	0.68 71	0.36 11	0.40 29	0.33 10	0.32 13	0.28 27	0.62 116	0.26 8	0.14 18	0.10 8	0.17 85	0.12 26	0.15 66	0.16 98

TestStereo1	0.44 141	0.24 139	0.45 84	0.52 294	0.25 101	0.35 74	0.40 193	0.81 152	0.94 228	0.70 123	0.96 188	0.48 71	0.45 131	0.94 262	0.33 73	0.16 99	0.13 141	0.18 116	0.16 115	0.15 66	0.14 49

ccc-4	0.30 12	0.22 97	0.42 58	0.37 35	0.26 129	0.31 51	0.34 116	0.66 55	0.35 6	0.39 21	0.33 10	0.31 6	0.28 27	0.61 94	0.26 8	0.14 18	0.11 39	0.17 85	0.12 26	0.15 66	0.16 98

raft_robust	0.41 116	0.24 139	0.39 36	0.43 166	0.22 30	0.40 101	0.33 108	0.80 150	0.98 248	0.80 178	0.88 158	0.41 43	0.32 59	0.89 247	0.30 48	0.14 18	0.12 86	0.16 57	0.18 183	0.15 66	0.13 31

RAFT+CT+SA	0.40 102	0.24 139	0.40 45	0.53 301	0.27 158	0.28 31	0.45 235	0.79 148	0.81 162	0.51 51	0.90 163	0.42 45	0.39 102	0.81 223	0.33 73	0.15 67	0.11 39	0.18 116	0.18 183	0.15 66	0.15 78

SA-5K	0.44 141	0.24 139	0.45 84	0.52 294	0.25 101	0.35 74	0.40 193	0.81 152	0.94 228	0.70 123	0.96 188	0.48 71	0.45 131	0.94 262	0.33 73	0.16 99	0.13 141	0.18 116	0.16 115	0.15 66	0.14 49

Sa-1000	0.49 179	0.25 167	0.45 84	0.46 222	0.25 101	0.64 208	0.34 116	0.85 163	0.95 232	0.85 204	1.51 334	0.55 90	0.44 124	0.94 262	0.31 57	0.16 99	0.12 86	0.21 217	0.20 226	0.15 66	0.14 49

SA	0.45 147	0.26 195	0.50 131	0.47 240	0.24 77	0.46 131	0.36 145	0.79 148	1.00 255	0.61 75	1.04 231	0.50 76	0.50 150	0.98 279	0.33 73	0.16 99	0.13 141	0.21 217	0.19 207	0.15 66	0.14 49

test_4	0.37 60	0.19 33	0.34 13	0.45 199	0.26 129	0.20 2	0.34 116	0.58 27	0.42 38	0.60 71	1.45 327	0.43 51	0.26 17	0.67 155	0.29 37	0.12 4	0.10 8	0.17 85	0.19 207	0.15 66	0.12 10

IGEV-Stereo	0.30 12	0.22 97	0.41 50	0.38 44	0.26 129	0.30 39	0.35 138	0.68 71	0.36 11	0.40 29	0.33 10	0.32 13	0.28 27	0.62 116	0.26 8	0.14 18	0.10 8	0.17 85	0.12 26	0.15 66	0.16 98
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.46 152	0.22 97	0.53 165	0.43 166	0.30 217	0.30 39	0.53 273	0.66 55	0.71 116	0.62 77	0.89 161	1.01 275	0.67 228	0.76 200	0.67 245	0.13 9	0.12 86	0.17 85	0.15 90	0.15 66	0.17 134

iRaft-Stereo_20w	0.42 123	0.20 54	0.63 216	0.39 60	0.27 158	0.33 66	0.25 30	1.76 376	0.37 14	0.73 140	0.53 41	0.63 138	0.42 116	0.86 238	0.29 37	0.14 18	0.11 39	0.14 13	0.13 49	0.15 66	0.15 78

GMOStereo	0.38 76	0.19 33	0.42 58	0.43 166	0.24 77	0.40 101	0.39 183	0.55 19	0.64 88	0.89 231	0.84 138	0.65 149	0.37 82	0.39 8	0.29 37	0.14 18	0.12 86	0.20 176	0.18 183	0.15 66	0.12 10

error version	0.38 76	0.19 33	0.42 58	0.43 166	0.24 77	0.40 101	0.39 183	0.55 19	0.64 88	0.89 231	0.84 138	0.65 149	0.37 82	0.39 8	0.29 37	0.14 18	0.12 86	0.20 176	0.18 183	0.15 66	0.12 10

test-v	0.38 76	0.19 33	0.42 58	0.43 166	0.24 77	0.40 101	0.39 183	0.55 19	0.64 88	0.89 231	0.84 138	0.65 149	0.37 82	0.39 8	0.29 37	0.14 18	0.12 86	0.20 176	0.18 183	0.15 66	0.12 10

test_3	0.37 60	0.19 33	0.50 131	0.45 199	0.24 77	0.47 133	0.36 145	0.69 82	0.84 176	0.66 102	0.46 22	0.68 168	0.25 12	0.45 25	0.32 63	0.12 4	0.10 8	0.18 116	0.16 115	0.15 66	0.12 10

HHNet	0.42 123	0.19 33	0.43 74	0.35 12	0.38 282	0.33 66	0.33 108	0.71 99	0.78 142	0.87 216	1.30 301	0.52 82	0.36 78	0.53 53	0.37 106	0.16 99	0.11 39	0.19 147	0.15 90	0.15 66	0.25 257

IIG-Stereo	0.45 147	0.22 97	0.48 115	0.51 280	0.26 129	0.43 121	0.21 5	0.73 122	0.80 153	0.84 194	0.95 184	0.82 227	0.46 137	0.95 267	0.37 106	0.16 99	0.12 86	0.19 147	0.15 90	0.15 66	0.12 10

FTStereo	0.56 235	0.21 74	0.39 36	0.42 129	0.25 101	0.39 96	0.73 329	0.69 82	0.45 47	1.09 316	3.23 386	0.69 170	0.71 248	0.55 61	0.34 82	0.15 67	0.13 141	0.19 147	0.17 157	0.15 66	0.32 298

THIR-Stereo	0.51 200	0.19 33	0.47 102	0.39 60	0.23 56	0.74 245	0.64 310	0.68 71	0.88 200	1.03 291	1.40 315	0.71 173	0.75 264	0.64 132	0.43 157	0.16 99	0.11 39	0.17 85	0.18 183	0.15 66	0.17 134

GrayStereo	0.49 179	0.20 54	0.44 79	0.47 240	0.29 198	0.51 143	0.62 304	0.71 99	0.66 96	1.04 297	1.46 328	0.77 211	0.73 259	0.58 73	0.35 89	0.15 67	0.12 86	0.17 85	0.17 157	0.15 66	0.30 288

test-2	0.38 76	0.19 33	0.42 58	0.43 166	0.24 77	0.40 101	0.39 183	0.55 19	0.64 88	0.89 231	0.84 138	0.65 149	0.37 82	0.39 8	0.29 37	0.14 18	0.12 86	0.20 176	0.18 183	0.15 66	0.12 10

cross-raft	0.34 35	0.20 54	0.38 33	0.45 199	0.24 77	0.32 60	0.35 138	0.77 140	0.42 38	0.62 77	0.77 101	0.58 114	0.27 22	0.46 29	0.31 57	0.12 4	0.10 8	0.15 41	0.13 49	0.15 66	0.12 10

test-1	0.37 60	0.20 54	0.76 268	0.47 240	0.27 158	0.44 127	0.36 145	0.63 42	0.65 93	0.49 48	0.67 77	0.54 88	0.35 73	0.42 18	0.30 48	0.14 18	0.12 86	0.16 57	0.14 69	0.15 66	0.18 156

cf-r	0.49 179	0.24 139	0.49 122	0.40 86	0.23 56	0.58 183	0.38 170	0.92 186	0.87 190	0.77 163	1.06 240	0.98 266	0.67 228	0.59 78	0.61 232	0.21 225	0.14 172	0.17 85	0.19 207	0.15 66	0.16 98

DIP-Stereo	0.40 102	0.22 97	0.58 193	0.42 129	0.29 198	0.62 195	0.27 42	0.87 166	0.42 38	0.65 98	0.86 149	0.52 82	0.35 73	0.67 155	0.43 157	0.15 67	0.13 141	0.17 85	0.14 69	0.15 66	0.17 134
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
RASNet	0.57 239	0.24 139	0.61 207	0.39 60	0.23 56	0.71 237	0.40 193	1.02 216	0.93 221	0.77 163	1.05 234	1.05 286	0.98 325	0.99 283	1.03 315	0.16 99	0.14 172	0.14 13	0.17 157	0.15 66	0.14 49

iResNet_ROB	0.55 226	0.24 139	0.61 207	0.38 44	0.22 30	0.66 219	0.30 69	1.59 364	1.33 340	0.94 253	1.05 234	0.81 225	0.69 238	0.84 234	0.46 173	0.17 125	0.12 86	0.14 13	0.09 4	0.15 66	0.20 192

pmcnn	1.27 359	0.31 250	1.14 328	0.41 104	0.23 56	0.97 299	0.71 320	1.23 288	1.32 338	1.83 368	2.34 368	11.25 414	0.89 309	1.04 295	0.96 303	0.15 67	0.12 86	0.12 2	0.10 10	0.15 66	0.16 98

CoDeX	0.48 170	0.21 74	0.53 165	0.43 166	0.25 101	0.74 245	0.38 170	1.36 329	0.82 170	0.84 194	0.96 188	0.63 138	0.57 183	0.63 125	0.40 147	0.17 125	0.13 141	0.17 85	0.15 90	0.16 103	0.15 78

cc1	0.38 76	0.25 167	0.35 19	0.42 129	0.23 56	0.53 153	0.37 157	0.71 99	1.17 314	0.42 32	0.50 31	0.34 21	0.47 141	0.61 94	0.26 8	0.17 125	0.11 39	0.19 147	0.13 49	0.16 103	0.17 134

DualNet	0.53 216	0.28 220	0.68 238	0.39 60	0.26 129	0.56 169	0.40 193	0.72 109	1.13 302	0.76 155	0.98 198	0.71 173	0.55 166	0.61 94	1.46 349	0.17 125	0.11 39	0.25 267	0.21 243	0.16 103	0.17 134

ffm	0.47 161	0.28 220	0.68 238	0.39 60	0.26 129	0.56 169	0.40 193	0.72 109	1.13 302	0.76 155	0.98 198	0.71 173	0.55 166	0.61 94	0.26 8	0.17 125	0.11 39	0.25 267	0.21 243	0.16 103	0.17 134

ff1	0.56 235	0.28 220	0.68 238	0.39 60	0.26 129	0.56 169	0.40 193	0.72 109	1.13 302	0.76 155	0.98 198	0.71 173	0.55 166	1.25 320	1.46 349	0.17 125	0.11 39	0.25 267	0.21 243	0.16 103	0.17 134

tt1	0.37 60	0.25 167	0.35 19	0.43 166	0.23 56	0.52 150	0.37 157	0.72 109	1.13 302	0.42 32	0.46 22	0.35 25	0.44 124	0.61 94	0.26 8	0.17 125	0.11 39	0.19 147	0.13 49	0.16 103	0.17 134

EKT-Stereo	0.36 42	0.24 139	0.44 79	0.44 187	0.30 217	0.37 86	0.30 69	0.72 109	0.68 103	0.47 45	0.63 64	0.49 75	0.28 27	0.59 78	0.34 82	0.19 191	0.14 172	0.18 116	0.15 90	0.16 103	0.18 156

4D-IteraStereo	0.33 30	0.19 33	0.43 74	0.40 86	0.24 77	0.32 60	0.27 42	0.59 29	0.72 118	0.66 102	0.53 41	0.42 45	0.22 6	0.46 29	0.30 48	0.14 18	0.09 2	0.20 176	0.16 115	0.16 103	0.12 10

anonymousdsp2	0.37 60	0.21 74	0.49 122	0.38 44	0.24 77	0.48 137	0.31 87	0.91 178	0.68 103	0.57 65	0.51 36	0.51 79	0.34 70	0.59 78	0.33 73	0.14 18	0.11 39	0.14 13	0.10 10	0.16 103	0.16 98

anonymousa	0.51 200	0.21 74	0.47 102	0.39 60	0.25 101	0.89 288	0.36 145	0.78 143	0.63 84	0.88 224	1.54 335	1.09 301	0.67 228	0.53 53	0.46 173	0.17 125	0.14 172	0.19 147	0.21 243	0.16 103	0.16 98

Selective-RAFT	0.36 42	0.23 120	0.54 177	0.45 199	0.22 30	0.64 208	0.27 42	0.62 36	0.65 93	0.41 31	0.38 17	0.55 90	0.39 102	0.59 78	0.36 98	0.14 18	0.12 86	0.14 13	0.12 26	0.16 103	0.14 49

DisPM	0.40 102	0.20 54	0.50 131	0.42 129	0.27 158	0.24 7	0.30 69	0.68 71	0.61 83	0.88 224	0.87 155	0.59 123	0.32 59	0.80 219	0.34 82	0.19 191	0.12 86	0.19 147	0.17 157	0.16 103	0.21 208

RAFT_CTSACE	0.46 152	0.20 54	0.48 115	0.46 222	0.27 158	0.34 72	0.39 183	0.62 36	0.74 132	0.78 174	1.44 324	0.86 234	0.38 89	1.09 301	0.27 23	0.13 9	0.13 141	0.18 116	0.16 115	0.16 103	0.12 10

GLC_STEREO	0.30 12	0.20 54	0.28 8	0.44 187	0.19 8	0.31 51	0.25 30	0.49 9	0.43 41	0.37 17	0.47 26	0.40 39	0.23 7	0.51 50	0.37 106	0.15 67	0.18 246	0.19 147	0.16 115	0.16 103	0.14 49

IPLGR	0.40 102	0.22 97	0.70 248	0.40 86	0.22 30	0.51 143	0.29 57	0.78 143	0.78 142	0.80 178	0.77 101	0.44 54	0.41 111	0.48 41	0.40 147	0.14 18	0.12 86	0.16 57	0.14 69	0.16 103	0.14 49

OMP-Stereo	0.43 135	0.23 120	0.50 131	0.53 301	0.25 101	0.36 78	0.24 23	0.73 122	0.81 162	0.78 174	0.64 67	0.88 241	0.41 111	0.95 267	0.36 98	0.15 67	0.12 86	0.20 176	0.15 90	0.16 103	0.13 31

NF-Stereo	0.39 88	0.21 74	0.51 139	0.42 129	0.25 101	0.26 18	0.30 69	0.71 99	0.72 118	0.66 102	0.77 101	0.57 99	0.31 53	0.69 169	0.39 127	0.18 156	0.12 86	0.20 176	0.16 115	0.16 103	0.27 270

OCTAStereo	0.39 88	0.21 74	0.51 139	0.42 129	0.25 101	0.26 18	0.30 69	0.71 99	0.72 118	0.66 102	0.77 101	0.58 114	0.31 53	0.69 169	0.39 127	0.18 156	0.12 86	0.20 176	0.16 115	0.16 103	0.27 270

PFNet	0.43 135	0.19 33	0.61 207	0.44 187	0.24 77	0.42 117	0.31 87	0.76 135	0.81 162	1.01 284	0.74 96	0.67 165	0.41 111	0.75 192	0.39 127	0.16 99	0.10 8	0.20 176	0.15 90	0.16 103	0.14 49

RE-Stereo	0.39 88	0.21 74	0.51 139	0.42 129	0.25 101	0.26 18	0.30 69	0.71 99	0.72 118	0.66 102	0.77 101	0.57 99	0.31 53	0.70 176	0.39 127	0.18 156	0.12 86	0.20 176	0.16 115	0.16 103	0.27 270

TVStereo	0.39 88	0.21 74	0.51 139	0.42 129	0.25 101	0.26 18	0.30 69	0.71 99	0.72 118	0.66 102	0.77 101	0.57 99	0.31 53	0.70 176	0.39 127	0.18 156	0.12 86	0.20 176	0.16 115	0.16 103	0.27 270

CroCo-Stereo	0.27 2	0.23 120	0.40 45	0.49 257	0.22 30	0.20 2	0.29 57	0.55 19	0.45 47	0.29 4	0.27 2	0.42 45	0.26 17	0.30 1	0.26 8	0.15 67	0.13 141	0.13 8	0.12 26	0.16 103	0.13 31
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
RAFT	0.46 152	0.23 120	0.52 158	0.48 248	0.27 158	0.55 164	0.47 243	0.68 71	0.60 81	0.83 188	0.82 131	1.00 271	0.56 174	0.76 200	0.37 106	0.18 156	0.16 211	0.22 229	0.20 226	0.16 103	0.14 49

iRaftStereo_RVC	0.33 30	0.20 54	0.40 45	0.40 86	0.23 56	0.31 51	0.29 57	0.70 92	0.55 66	0.49 48	0.66 72	0.37 32	0.23 7	0.47 34	0.33 73	0.14 18	0.11 39	0.19 147	0.17 157	0.16 103	0.13 31

MyStereo06	0.40 102	0.22 97	0.65 225	0.42 129	0.29 198	0.43 121	0.48 248	1.05 228	0.43 41	0.64 94	0.54 44	0.78 213	0.27 22	0.53 53	0.31 57	0.14 18	0.13 141	0.18 116	0.17 157	0.17 127	0.17 134

MyStereo05	0.46 152	0.22 97	0.51 139	0.42 129	0.29 198	0.43 121	0.48 248	0.96 200	1.12 296	0.77 163	0.62 63	0.51 79	0.57 183	0.79 217	0.43 157	0.14 18	0.13 141	0.18 116	0.17 157	0.17 127	0.17 134

11t1	0.38 76	0.23 120	0.49 122	0.36 27	0.23 56	0.61 191	0.31 87	0.74 128	0.47 54	0.62 77	0.55 49	0.55 90	0.49 148	0.58 73	0.45 169	0.18 156	0.15 190	0.16 57	0.13 49	0.17 127	0.19 165

LL-Strereo	0.58 250	0.29 229	0.83 285	0.48 248	0.35 270	0.39 96	0.48 248	1.04 222	0.99 251	0.87 216	0.79 113	1.08 295	1.15 344	1.35 338	0.51 196	0.18 156	0.15 190	0.22 229	0.19 207	0.17 127	0.21 208

CBFPSM	0.61 264	0.25 167	1.41 351	0.39 60	0.27 158	1.10 321	0.67 312	0.83 158	0.84 176	0.82 183	0.81 129	1.33 329	0.85 296	0.72 185	0.86 279	0.16 99	0.15 190	0.15 41	0.17 157	0.17 127	0.23 242

CroCo-Stereo Lap2	0.29 9	0.25 167	0.44 79	0.50 268	0.30 217	0.19 1	0.31 87	0.52 13	0.41 34	0.25 1	0.28 4	0.46 64	0.31 53	0.39 8	0.30 48	0.15 67	0.15 190	0.16 57	0.13 49	0.17 127	0.16 98

x	0.41 116	0.25 167	0.46 91	0.36 27	0.24 77	0.54 159	0.31 87	0.94 193	0.58 73	0.60 71	0.72 83	0.61 128	0.53 159	0.52 51	0.50 194	0.18 156	0.16 211	0.17 85	0.16 115	0.17 127	0.18 156

IER	0.48 170	0.25 167	0.60 206	0.38 44	0.28 179	0.67 228	0.38 170	0.82 156	0.68 103	0.88 224	0.95 184	0.74 196	0.79 279	0.62 116	0.46 173	0.17 125	0.14 172	0.17 85	0.17 157	0.17 127	0.16 98

PFNet+	0.41 116	0.20 54	0.53 165	0.40 86	0.25 101	0.28 31	0.22 11	0.66 55	0.76 137	0.85 204	0.79 113	0.63 138	0.34 70	0.75 192	0.37 106	0.20 210	0.14 172	0.23 243	0.20 226	0.17 127	0.21 208

PSM-softLoss	0.40 102	0.21 74	0.53 165	0.42 129	0.26 129	0.29 35	0.34 116	0.70 92	0.49 57	0.63 84	0.82 131	0.59 123	0.33 64	0.75 192	0.43 157	0.20 210	0.12 86	0.20 176	0.18 183	0.17 127	0.22 223

KMStereo	0.40 102	0.21 74	0.53 165	0.42 129	0.26 129	0.29 35	0.34 116	0.70 92	0.49 57	0.63 84	0.82 131	0.59 123	0.33 64	0.75 192	0.43 157	0.20 210	0.12 86	0.20 176	0.18 183	0.17 127	0.22 223

NRIStereo	0.37 60	0.21 74	0.49 122	0.42 129	0.23 56	0.33 66	0.25 30	0.68 71	0.59 74	0.65 98	0.63 64	0.55 90	0.37 82	0.67 155	0.40 147	0.16 99	0.12 86	0.18 116	0.15 90	0.17 127	0.15 78

KYRaft	0.48 170	0.21 74	0.41 50	0.45 199	0.23 56	0.43 121	0.36 145	0.68 71	0.45 47	0.94 253	1.72 348	0.78 213	0.40 107	0.65 138	0.32 63	0.16 99	0.11 39	0.18 116	0.22 261	0.17 127	0.76 376

Pruner-Stereo	0.39 88	0.21 74	0.51 139	0.41 104	0.25 101	0.22 4	0.24 23	0.71 99	0.59 74	0.90 238	0.75 98	0.67 165	0.30 50	0.64 132	0.39 127	0.19 191	0.12 86	0.20 176	0.17 157	0.17 127	0.19 165

IRAFT_RVC	0.43 135	0.20 54	0.52 158	0.45 199	0.24 77	0.26 18	0.51 264	0.76 135	0.78 142	0.77 163	0.80 123	0.73 192	0.50 150	0.74 187	0.39 127	0.18 156	0.10 8	0.21 217	0.17 157	0.17 127	0.15 78

GMM-Stereo	0.44 141	0.20 54	0.39 36	0.42 129	0.25 101	0.50 138	0.44 231	0.72 109	0.57 71	0.77 163	1.37 312	0.76 206	0.38 89	0.62 116	0.34 82	0.15 67	0.10 8	0.20 176	0.19 207	0.17 127	0.28 279

Prome-Stereo	0.46 152	0.20 54	0.37 27	0.45 199	0.26 129	0.40 101	0.42 218	0.69 82	0.49 57	0.96 270	1.84 354	0.58 114	0.64 211	0.63 125	0.32 63	0.15 67	0.11 39	0.16 57	0.14 69	0.17 127	0.30 288

RALCasStereoNet	0.37 60	0.23 120	0.41 50	0.44 187	0.28 179	0.36 78	0.38 170	0.66 55	0.67 102	0.51 51	0.74 96	0.51 79	0.29 41	0.64 132	0.38 119	0.17 125	0.14 172	0.15 41	0.13 49	0.17 127	0.17 134

SFCPSM	0.48 170	0.22 97	0.59 201	0.41 104	0.27 158	0.85 280	0.36 145	1.39 332	0.79 148	0.81 182	0.85 145	0.54 88	0.50 150	0.60 88	0.39 127	0.18 156	0.14 172	0.18 116	0.20 226	0.17 127	0.16 98

delet	0.57 239	0.25 167	0.63 216	0.46 222	0.34 265	1.05 318	0.51 264	1.04 222	0.94 228	0.90 238	0.99 207	0.90 248	0.68 236	0.87 240	0.78 263	0.18 156	0.18 246	0.20 176	0.21 243	0.17 127	0.17 134

GwcNet-RSSM	0.51 200	0.25 167	0.51 139	0.41 104	0.24 77	0.56 169	0.41 213	0.97 202	0.96 239	0.75 150	1.17 274	0.89 246	0.66 219	0.66 146	0.74 257	0.22 241	0.15 190	0.19 147	0.21 243	0.17 127	0.16 98

HSM-Net_RVC	0.55 226	0.23 120	0.37 27	0.38 44	0.22 30	0.86 282	0.40 193	1.31 314	0.93 221	0.92 246	1.15 266	1.26 317	0.71 248	0.75 192	0.53 209	0.17 125	0.14 172	0.16 57	0.15 90	0.17 127	0.17 134
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
HSM	0.53 216	0.25 167	0.46 91	0.40 86	0.25 101	0.74 245	0.44 231	1.29 311	0.78 142	0.82 183	0.92 175	1.21 313	0.75 264	0.90 252	0.48 185	0.18 156	0.14 172	0.17 85	0.14 69	0.17 127	0.18 156

iResNet	0.52 210	0.31 250	0.86 292	0.44 187	0.22 30	0.66 219	0.47 243	0.92 186	1.02 262	0.89 231	1.12 256	0.69 170	0.55 166	0.86 238	0.60 228	0.15 67	0.11 39	0.15 41	0.12 26	0.17 127	0.17 134

MyStereo07	0.33 30	0.23 120	0.37 27	0.43 166	0.29 198	0.40 101	0.48 248	0.78 143	0.38 17	0.38 18	0.34 16	0.32 13	0.30 50	0.63 125	0.28 29	0.14 18	0.13 141	0.19 147	0.17 157	0.18 151	0.17 134

MyStereo04	0.45 147	0.23 120	0.52 158	0.43 166	0.29 198	0.40 101	0.48 248	1.02 216	1.12 296	0.62 77	0.58 54	0.55 90	0.56 174	0.77 207	0.45 169	0.14 18	0.13 141	0.19 147	0.17 157	0.18 151	0.17 134

ACVNet-DCA	0.36 42	0.25 167	0.35 19	0.42 129	0.23 56	0.53 153	0.37 157	0.91 178	0.59 74	0.42 32	0.50 31	0.34 21	0.47 141	0.61 94	0.26 8	0.17 125	0.11 39	0.19 147	0.13 49	0.18 151	0.19 165

xx1	0.40 102	0.25 167	0.35 19	0.42 129	0.23 56	0.53 153	0.37 157	0.71 99	1.17 314	0.42 32	0.50 31	0.65 149	0.56 174	0.61 94	0.26 8	0.17 125	0.11 39	0.20 176	0.19 207	0.18 151	0.19 165

1test111	0.37 60	0.25 167	0.35 19	0.42 129	0.23 56	0.53 153	0.37 157	0.91 178	0.59 74	0.42 32	0.50 31	0.34 21	0.47 141	0.59 78	0.48 185	0.17 125	0.11 39	0.19 147	0.13 49	0.18 151	0.19 165

test croco	0.32 26	0.21 74	0.59 201	0.40 86	0.29 198	0.27 25	0.30 69	0.46 6	0.36 11	0.32 10	0.66 72	0.31 6	0.33 64	0.68 163	0.32 63	0.18 156	0.13 141	0.20 176	0.15 90	0.18 151	0.13 31

MIF-Stereo (partial)	0.32 26	0.19 33	0.41 50	0.41 104	0.32 244	0.29 35	0.24 23	0.49 9	0.44 43	0.31 7	0.63 64	0.37 32	0.36 78	0.60 88	0.32 63	0.17 125	0.13 141	0.19 147	0.17 157	0.18 151	0.15 78

CASnet	0.30 12	0.20 54	0.34 13	0.42 129	0.17 2	0.25 16	0.24 23	0.53 16	0.56 67	0.54 60	0.54 44	0.39 38	0.24 10	0.41 17	0.26 8	0.15 67	0.10 8	0.22 229	0.18 183	0.18 151	0.12 10
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
gwcnet-sp	0.50 190	0.25 167	0.84 288	0.41 104	0.27 158	0.79 257	0.40 193	0.93 188	0.85 180	0.95 258	0.79 113	0.65 149	0.63 204	0.69 169	0.52 200	0.18 156	0.17 237	0.18 116	0.18 183	0.18 151	0.19 165

scenet	0.50 190	0.25 167	0.84 288	0.41 104	0.27 158	0.79 257	0.40 193	0.93 188	0.85 180	0.95 258	0.79 113	0.65 149	0.63 204	0.69 169	0.52 200	0.18 156	0.17 237	0.18 116	0.18 183	0.18 151	0.19 165

knoymous	0.37 60	0.22 97	0.34 13	0.32 6	0.22 30	0.38 91	0.29 57	0.63 42	0.65 93	0.69 119	0.69 79	0.60 126	0.40 107	0.61 94	0.36 98	0.17 125	0.11 39	0.20 176	0.12 26	0.18 151	0.19 165

ssnet	0.50 190	0.25 167	0.84 288	0.41 104	0.27 158	0.79 257	0.40 193	0.93 188	0.85 180	0.95 258	0.79 113	0.65 149	0.63 204	0.69 169	0.52 200	0.18 156	0.17 237	0.18 116	0.18 183	0.18 151	0.19 165

qqq	0.42 123	0.28 220	0.50 131	0.37 35	0.22 30	0.47 133	0.39 183	0.91 178	0.59 74	0.57 65	0.71 82	0.65 149	0.56 174	0.59 78	0.48 185	0.17 125	0.17 237	0.20 176	0.19 207	0.18 151	0.19 165

BUS	0.47 161	0.26 195	0.47 102	0.46 222	0.29 198	0.78 251	0.34 116	0.99 207	0.80 153	0.77 163	0.80 123	0.64 145	0.54 163	0.66 146	0.56 216	0.21 225	0.15 190	0.22 229	0.19 207	0.18 151	0.19 165

test_5	0.44 141	0.25 167	0.48 115	0.53 301	0.28 179	0.28 31	0.42 218	0.77 140	0.87 190	0.63 84	0.91 169	0.73 192	0.53 159	0.82 228	0.36 98	0.14 18	0.11 39	0.18 116	0.18 183	0.18 151	0.16 98

BSDual-CNN	0.48 170	0.26 195	0.47 102	0.46 222	0.29 198	0.75 248	0.46 238	0.99 207	0.80 153	0.77 163	0.80 123	0.76 206	0.59 190	0.66 146	0.48 185	0.21 225	0.15 190	0.22 229	0.19 207	0.18 151	0.19 165

hknet	0.51 200	0.26 195	0.58 193	0.46 222	0.29 198	0.75 248	0.46 238	0.99 207	0.89 204	0.77 163	0.80 123	0.96 263	0.67 228	0.75 192	0.50 194	0.19 191	0.15 190	0.22 229	0.19 207	0.18 151	0.19 165

CSP-Net	0.57 239	0.29 229	0.55 180	0.42 129	0.29 198	1.20 339	0.49 258	1.29 311	0.75 134	0.98 276	0.97 195	0.88 241	0.69 238	0.85 236	0.66 242	0.27 287	0.18 246	0.17 85	0.17 157	0.18 151	0.19 165

GANet-ADL	0.44 141	0.27 207	0.48 115	0.44 187	0.30 217	0.54 159	0.36 145	0.94 193	0.88 200	0.64 94	0.72 83	0.68 168	0.44 124	0.55 61	0.44 164	0.22 241	0.15 190	0.15 41	0.13 49	0.18 151	0.21 208

PSM-AAD	0.48 170	0.21 74	0.39 36	0.44 187	0.23 56	0.56 169	0.47 243	0.67 66	0.73 127	1.08 312	1.12 256	0.58 114	0.87 303	0.63 125	0.33 73	0.15 67	0.11 39	0.25 267	0.26 303	0.18 151	0.42 339

RAFT_R40	0.41 116	0.20 54	0.47 102	0.44 187	0.25 101	0.23 6	0.25 30	0.69 82	0.70 110	0.98 276	0.78 109	0.72 188	0.43 119	0.80 219	0.39 127	0.17 125	0.11 39	0.20 176	0.16 115	0.18 151	0.15 78

rafts_anoy	0.38 76	0.22 97	0.38 33	0.43 166	0.28 179	0.32 60	0.32 99	0.70 92	0.91 214	0.59 69	0.66 72	0.45 61	0.33 64	0.49 47	0.41 152	0.16 99	0.12 86	0.21 217	0.23 270	0.18 151	0.16 98

GES	0.46 152	0.25 167	0.62 212	0.41 104	0.30 217	0.62 195	0.37 157	1.06 233	0.70 110	0.75 150	0.83 136	0.47 68	0.52 158	0.69 169	0.46 173	0.23 255	0.17 237	0.17 85	0.16 115	0.18 151	0.24 250

222	1.25 357	0.23 120	0.53 165	0.38 44	0.23 56	0.78 251	0.37 157	1.41 338	0.93 221	0.97 273	1.13 262	0.74 196	0.71 248	0.74 187	14.86 413	0.20 210	0.16 211	0.17 85	0.16 115	0.18 151	0.20 192

test_xeample	1.06 340	0.23 120	0.51 139	0.37 35	0.22 30	0.71 237	0.39 183	1.31 314	0.92 220	0.87 216	1.08 248	0.70 172	0.64 211	0.75 192	11.43 410	0.19 191	0.16 211	0.18 116	0.17 157	0.18 151	0.19 165

FENet	0.43 135	0.23 120	0.40 45	0.40 86	0.24 77	0.54 159	0.33 108	0.83 158	0.72 118	0.74 147	0.73 85	0.63 138	0.56 174	0.65 138	0.45 169	0.19 191	0.13 141	0.19 147	0.17 157	0.18 151	0.20 192

ac_64	0.54 221	0.24 139	0.58 193	0.46 222	0.28 179	0.79 257	0.44 231	1.11 248	0.63 84	0.94 253	0.85 145	1.06 290	0.70 243	0.76 200	0.72 255	0.22 241	0.18 246	0.20 176	0.19 207	0.18 151	0.16 98

ACVNet	0.47 161	0.24 139	0.39 36	0.40 86	0.28 179	0.58 183	0.40 193	0.91 178	0.81 162	0.67 109	0.96 188	0.79 219	0.66 219	0.65 138	0.71 252	0.18 156	0.15 190	0.16 57	0.15 90	0.18 151	0.15 78

acv_ft	0.52 210	0.24 139	0.64 220	0.45 199	0.28 179	0.85 280	0.40 193	0.95 196	0.81 162	1.00 282	0.96 188	0.79 219	0.62 199	0.65 138	0.88 281	0.18 156	0.15 190	0.16 57	0.15 90	0.18 151	0.15 78

GANet-RSSM	0.49 179	0.22 97	0.42 58	0.39 60	0.26 129	0.58 183	0.41 213	1.12 249	0.82 170	0.73 140	1.02 217	0.88 241	0.75 264	0.67 155	0.48 185	0.22 241	0.16 211	0.18 116	0.19 207	0.18 151	0.18 156

AANet_RVC	0.59 254	0.35 267	0.68 238	0.47 240	0.28 179	0.57 179	0.47 243	1.04 222	1.28 331	0.87 216	1.33 303	0.86 234	0.63 204	1.16 311	0.89 283	0.19 191	0.13 141	0.15 41	0.14 69	0.18 151	0.20 192

HITNet	0.43 135	0.27 207	0.50 131	0.34 9	0.18 5	0.65 214	0.32 99	0.99 207	0.70 110	0.73 140	0.86 149	0.66 161	0.56 174	0.61 94	0.47 182	0.14 18	0.10 8	0.15 41	0.13 49	0.18 151	0.13 31
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
DN-CSS_ROB	0.45 147	0.27 207	0.74 265	0.41 104	0.29 198	0.43 121	0.29 57	0.80 150	0.78 142	0.73 140	1.08 248	0.48 71	0.45 131	0.81 223	0.40 147	0.15 67	0.12 86	0.21 217	0.19 207	0.18 151	0.17 134

MyStereo8	0.42 123	0.21 74	0.64 220	0.43 166	0.29 198	0.55 164	0.28 50	0.72 109	0.50 60	0.73 140	1.01 215	0.57 99	0.44 124	0.52 51	0.52 200	0.15 67	0.12 86	0.16 57	0.14 69	0.19 184	0.21 208

SMFormer	0.53 216	0.24 139	0.67 231	0.35 12	0.20 18	0.63 200	0.34 116	1.26 297	1.06 276	0.85 204	1.02 217	0.71 173	0.66 219	0.96 270	0.60 228	0.19 191	0.16 211	0.18 116	0.17 157	0.19 184	0.20 192

LL-Strereo2	0.36 42	0.25 167	0.52 158	0.43 166	0.27 158	0.36 78	0.27 42	0.70 92	0.46 52	0.55 61	0.53 41	0.65 149	0.24 10	0.69 169	0.32 63	0.14 18	0.13 141	0.23 243	0.20 226	0.19 184	0.14 49

riskmin	0.41 116	0.21 74	0.44 79	0.34 9	0.24 77	0.58 183	0.32 99	0.70 92	0.86 186	0.52 53	0.57 52	0.78 213	0.60 193	0.58 73	0.39 127	0.17 125	0.12 86	0.19 147	0.13 49	0.19 184	0.22 223

CRFU-Net	0.59 254	0.29 229	0.62 212	0.47 240	0.31 227	1.20 339	0.51 264	1.19 273	0.59 74	1.05 302	1.00 211	1.06 290	0.87 303	0.83 230	0.77 262	0.22 241	0.19 263	0.18 116	0.16 115	0.19 184	0.20 192

psmg	0.50 190	0.26 195	0.47 102	0.42 129	0.29 198	0.82 271	0.42 218	1.07 235	0.80 153	0.95 258	0.94 180	0.76 206	0.59 190	0.66 146	0.48 185	0.21 225	0.16 211	0.20 176	0.20 226	0.19 184	0.19 165

GwcNet-ADL	0.45 147	0.24 139	0.51 139	0.46 222	0.30 217	0.41 110	0.40 193	0.95 196	0.98 248	0.73 140	0.78 109	0.61 128	0.41 111	0.67 155	0.55 214	0.20 210	0.14 172	0.15 41	0.14 69	0.19 184	0.22 223

SST-Stereo	0.41 116	0.20 54	0.48 115	0.43 166	0.25 101	0.25 16	0.21 5	0.68 71	0.50 60	1.08 312	0.79 113	0.71 173	0.42 116	0.81 223	0.38 119	0.17 125	0.11 39	0.20 176	0.16 115	0.19 184	0.15 78

DeepStereo_RVC	0.37 60	0.22 97	0.51 139	0.41 104	0.24 77	0.26 18	0.22 11	0.64 52	0.40 29	0.69 119	0.67 77	0.57 99	0.50 150	0.58 73	0.42 155	0.17 125	0.12 86	0.18 116	0.16 115	0.19 184	0.19 165

ICVP	0.48 170	0.26 195	0.42 58	0.49 257	0.28 179	0.63 200	0.43 225	1.05 228	0.72 118	0.68 116	0.95 184	0.75 200	0.56 174	0.55 61	0.61 232	0.24 261	0.18 246	0.19 147	0.17 157	0.19 184	0.21 208
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	1.07 342	0.23 120	0.53 165	0.38 44	0.22 30	0.83 274	0.36 145	1.41 338	0.95 232	0.75 150	0.99 207	0.97 264	0.64 211	0.70 176	11.37 409	0.20 210	0.17 237	0.18 116	0.17 157	0.19 184	0.20 192

RAFT + AFF	0.54 221	0.30 243	0.84 288	0.51 280	0.32 244	0.63 200	0.57 288	1.05 228	0.95 232	0.80 178	0.87 155	0.85 230	0.57 183	0.87 240	0.51 196	0.18 156	0.21 277	0.23 243	0.22 261	0.19 184	0.19 165

HGLStereo	0.58 250	0.30 243	0.65 225	0.51 280	0.38 282	0.78 251	0.45 235	1.07 235	0.82 170	0.89 231	1.16 269	0.88 241	0.91 312	0.80 219	0.74 257	0.21 225	0.21 277	0.20 176	0.18 183	0.19 184	0.22 223

DMCA	0.47 161	0.27 207	0.59 201	0.39 60	0.29 198	0.53 153	0.34 116	0.98 204	0.70 110	0.78 174	0.83 136	0.79 219	0.55 166	0.54 60	0.57 220	0.21 225	0.16 211	0.21 217	0.16 115	0.19 184	0.22 223

iResNetv2_ROB	0.55 226	0.29 229	0.86 292	0.39 60	0.25 101	0.67 228	0.37 157	1.21 279	1.02 262	1.02 288	1.10 250	0.89 246	0.79 279	0.74 187	0.43 157	0.19 191	0.13 141	0.15 41	0.11 15	0.19 184	0.16 98

1111x	0.64 274	0.23 120	0.61 207	0.39 60	0.21 25	0.68 232	0.46 238	1.32 319	1.03 266	0.76 155	1.02 217	0.95 260	0.72 255	1.13 305	2.15 372	0.18 156	0.18 246	0.18 116	0.19 207	0.20 199	0.19 165

whm_eth	0.49 179	0.32 252	0.79 274	0.47 240	0.38 282	0.37 86	0.37 157	0.83 158	0.83 175	0.82 183	1.73 349	0.36 31	0.39 102	0.61 94	0.38 119	0.19 191	0.17 237	0.20 176	0.20 226	0.20 199	0.25 257

ssnet_v2	0.61 264	0.29 229	0.69 246	0.45 199	0.30 217	0.93 292	0.62 304	1.20 276	1.03 266	0.97 273	0.81 129	0.98 266	0.67 228	0.84 234	0.97 306	0.26 278	0.23 293	0.23 243	0.24 284	0.20 199	0.21 208

AAGNet	1.40 367	0.20 54	0.52 158	0.45 199	0.26 129	0.29 35	0.29 57	0.67 66	0.71 116	0.97 273	0.86 149	0.66 161	0.60 193	0.66 146	19.98 417	0.17 125	0.11 39	0.19 147	0.15 90	0.20 199	0.13 31

MMNet	0.57 239	0.26 195	0.67 231	0.45 199	0.35 270	1.04 316	0.39 183	0.93 188	0.98 248	0.96 270	0.97 195	0.86 234	0.80 283	0.83 230	0.80 271	0.16 99	0.15 190	0.19 147	0.19 207	0.20 199	0.17 134

UPFNet	0.55 226	0.26 195	0.59 201	0.46 222	0.38 282	0.83 274	0.48 248	1.03 221	0.80 153	0.92 246	0.91 169	0.85 230	0.67 228	0.87 240	0.78 263	0.20 210	0.21 277	0.20 176	0.20 226	0.20 199	0.15 78

PSMNet-RSSM	0.50 190	0.24 139	0.41 50	0.43 166	0.26 129	0.51 143	0.40 193	1.16 262	0.79 148	0.75 150	1.07 242	0.87 238	0.69 238	0.66 146	0.52 200	0.24 261	0.16 211	0.23 243	0.26 303	0.20 199	0.20 192

StereoDRNet-Refined	0.61 264	0.33 258	0.63 216	0.47 240	0.31 227	0.94 294	0.41 213	1.04 222	0.97 244	1.15 326	1.13 262	1.00 271	0.74 261	0.93 259	0.93 296	0.18 156	0.13 141	0.22 229	0.21 243	0.20 199	0.21 208
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
LE_ROB	4.86 406	0.27 207	9.43 405	0.45 199	0.24 77	1.61 362	0.96 358	2.05 380	17.75 421	16.36 423	4.84 407	5.17 402	19.48 423	2.05 375	15.49 414	0.17 125	0.15 190	0.16 57	0.16 115	0.20 199	0.19 165

mmm	0.47 161	0.28 220	0.51 139	0.39 60	0.25 101	0.61 191	0.38 170	1.00 213	0.60 81	0.77 163	1.07 242	0.65 149	0.53 159	0.61 94	0.49 192	0.18 156	0.15 190	0.23 243	0.20 226	0.21 208	0.20 192

fast-acv-ft	0.66 276	0.32 252	0.80 275	0.46 222	0.34 265	1.26 342	0.50 261	0.91 178	1.00 255	1.05 302	1.36 309	1.28 318	0.84 292	0.81 223	0.90 289	0.22 241	0.24 301	0.23 243	0.23 270	0.21 208	0.22 223

iinet-f	0.69 282	0.29 229	2.34 382	0.41 104	0.31 227	1.16 333	0.58 295	0.87 166	0.85 180	0.86 214	1.17 274	1.04 283	0.83 289	0.76 200	1.26 338	0.21 225	0.18 246	0.17 85	0.16 115	0.21 208	0.21 208

Patchmatch Stereo++	0.36 42	0.24 139	0.51 139	0.42 129	0.22 30	0.24 7	0.21 5	0.63 42	0.39 21	0.63 84	0.73 85	0.57 99	0.38 89	0.61 94	0.39 127	0.18 156	0.12 86	0.20 176	0.16 115	0.21 208	0.16 98
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.36 42	0.24 139	0.51 139	0.42 129	0.22 30	0.24 7	0.31 87	0.63 42	0.39 21	0.63 84	0.73 85	0.57 99	0.38 89	0.59 78	0.38 119	0.18 156	0.12 86	0.20 176	0.16 115	0.21 208	0.16 98

ROB_FTStereo_v2	0.36 42	0.24 139	0.51 139	0.42 129	0.22 30	0.24 7	0.31 87	0.63 42	0.39 21	0.63 84	0.73 85	0.57 99	0.38 89	0.60 88	0.39 127	0.18 156	0.12 86	0.20 176	0.16 115	0.21 208	0.16 98

ROB_FTStereo	0.36 42	0.24 139	0.51 139	0.42 129	0.22 30	0.24 7	0.20 1	0.63 42	0.39 21	0.63 84	0.73 85	0.57 99	0.38 89	0.60 88	0.38 119	0.18 156	0.12 86	0.20 176	0.16 115	0.21 208	0.16 98

HUI-Stereo	0.36 42	0.24 139	0.51 139	0.42 129	0.22 30	0.24 7	0.22 11	0.63 42	0.40 29	0.64 94	0.73 85	0.58 114	0.38 89	0.53 53	0.38 119	0.18 156	0.12 86	0.20 176	0.16 115	0.21 208	0.16 98

iGMRVC	0.36 42	0.24 139	0.51 139	0.42 129	0.22 30	0.24 7	0.29 57	0.63 42	0.39 21	0.63 84	0.73 85	0.57 99	0.38 89	0.61 94	0.39 127	0.18 156	0.12 86	0.20 176	0.16 115	0.21 208	0.16 98

iRAFT	0.36 42	0.24 139	0.51 139	0.42 129	0.22 30	0.24 7	0.21 5	0.63 42	0.39 21	0.63 84	0.73 85	0.57 99	0.38 89	0.61 94	0.39 127	0.18 156	0.12 86	0.20 176	0.16 115	0.21 208	0.16 98

CRE-IMP	0.37 60	0.23 120	0.53 165	0.42 129	0.24 77	0.40 101	0.21 5	0.61 34	0.45 47	0.65 98	0.73 85	0.53 86	0.37 82	0.63 125	0.40 147	0.18 156	0.11 39	0.19 147	0.16 115	0.21 208	0.19 165

RAFT-IKP	0.36 42	0.24 139	0.51 139	0.42 129	0.22 30	0.24 7	0.27 42	0.63 42	0.39 21	0.63 84	0.73 85	0.57 99	0.38 89	0.61 94	0.39 127	0.18 156	0.12 86	0.20 176	0.16 115	0.21 208	0.16 98

GEStereo_RVC	0.56 235	0.30 243	0.70 248	0.51 280	0.31 227	0.70 234	0.54 279	1.31 314	0.93 221	0.85 204	0.86 149	0.84 228	0.63 204	0.92 256	0.67 245	0.24 261	0.16 211	0.19 147	0.17 157	0.21 208	0.23 242

RALAANet	0.40 102	0.24 139	0.56 184	0.43 166	0.30 217	0.36 78	0.25 30	0.89 172	0.69 108	0.69 119	0.65 69	0.61 128	0.30 50	0.63 125	0.35 89	0.16 99	0.13 141	0.18 116	0.15 90	0.21 208	0.14 49

sCroCo_RVC	0.36 42	0.29 229	0.73 261	0.52 294	0.39 291	0.42 117	0.31 87	0.52 13	0.46 52	0.31 7	0.48 27	0.38 35	0.32 59	0.46 29	0.33 73	0.22 241	0.23 293	0.19 147	0.19 207	0.21 208	0.22 223

HCRNet	0.46 152	0.35 267	0.45 84	0.54 310	0.26 129	0.52 150	0.29 57	0.87 166	0.64 88	0.75 150	0.82 131	0.76 206	0.53 159	0.70 176	0.38 119	0.24 261	0.16 211	0.24 256	0.20 226	0.21 208	0.20 192

UNet	0.55 226	0.27 207	0.72 257	0.45 199	0.41 299	0.97 299	0.40 193	1.01 214	0.80 153	0.87 216	0.90 163	1.03 279	0.75 264	0.76 200	0.67 245	0.19 191	0.15 190	0.20 176	0.17 157	0.21 208	0.18 156

CFNet	0.53 216	0.30 243	0.53 165	0.42 129	0.28 179	0.73 241	0.35 138	1.21 279	1.01 257	0.74 147	1.07 242	0.85 230	0.60 193	0.83 230	0.58 225	0.19 191	0.15 190	0.23 243	0.23 270	0.21 208	0.17 134

ToySt	0.52 210	0.27 207	0.93 305	0.42 129	0.28 179	0.67 228	0.56 286	0.88 171	0.79 148	0.61 75	0.85 145	0.92 257	0.70 243	0.72 185	0.61 232	0.16 99	0.17 237	0.21 217	0.21 243	0.22 226	0.21 208

Wz-Net-LNSev-Ref	0.67 277	0.30 243	1.20 331	0.42 129	0.31 227	1.00 306	0.58 295	1.16 262	1.07 283	1.01 284	1.25 287	1.08 295	0.75 264	1.18 314	1.03 315	0.20 210	0.12 86	0.16 57	0.13 49	0.22 226	0.22 223

NINENet	0.52 210	0.30 243	0.55 180	0.46 222	0.33 255	0.78 251	0.34 116	1.18 270	0.91 214	0.84 194	0.97 195	0.64 145	0.54 163	0.74 187	0.56 216	0.23 255	0.20 271	0.25 267	0.18 183	0.22 226	0.22 223

DAS	0.54 221	0.26 195	0.66 227	0.49 257	0.31 227	0.61 191	0.43 225	0.89 172	1.01 257	0.95 258	1.16 269	0.71 173	0.85 296	0.89 247	0.47 182	0.18 156	0.14 172	0.18 116	0.15 90	0.22 226	0.19 165

SepStereo	0.54 221	0.26 195	0.66 227	0.49 257	0.31 227	0.61 191	0.43 225	0.89 172	1.01 257	0.95 258	1.16 269	0.71 173	0.85 296	0.97 277	0.47 182	0.18 156	0.14 172	0.18 116	0.15 90	0.22 226	0.19 165

AASNet	0.55 226	0.27 207	0.62 212	0.51 280	0.32 244	0.73 241	0.44 231	1.55 356	0.88 200	0.88 224	0.94 180	0.64 145	0.63 204	0.62 116	0.84 276	0.23 255	0.20 271	0.20 176	0.16 115	0.22 226	0.20 192

PSMNet-ADL	0.50 190	0.28 220	0.43 74	0.49 257	0.31 227	0.70 234	0.38 170	0.94 193	0.81 162	0.62 77	0.80 123	0.91 254	0.62 199	0.76 200	0.68 248	0.24 261	0.18 246	0.19 147	0.20 226	0.22 226	0.22 223

ADLNet2	0.57 239	0.26 195	0.71 251	0.48 248	0.31 227	0.83 274	0.51 264	1.10 247	0.99 251	0.85 204	0.99 207	0.99 270	0.70 243	0.79 217	0.78 263	0.21 225	0.17 237	0.18 116	0.18 183	0.22 226	0.22 223

LCNet	0.42 123	0.21 74	0.34 13	0.44 187	0.24 77	0.47 133	0.28 50	0.69 82	0.57 71	0.72 133	1.03 228	0.66 161	0.58 186	0.60 88	0.35 89	0.15 67	0.10 8	0.19 147	0.19 207	0.22 226	0.37 321

ADLNet	0.57 239	0.29 229	0.58 193	0.46 222	0.35 270	0.80 263	0.46 238	1.14 257	0.88 200	1.03 291	0.98 198	0.92 257	0.66 219	0.71 181	0.83 275	0.22 241	0.16 211	0.22 229	0.22 261	0.22 226	0.23 242

psm_up	0.57 239	0.27 207	0.52 158	0.50 268	0.33 255	0.65 214	0.60 300	1.07 235	0.84 176	0.87 216	0.91 169	1.00 271	1.06 332	0.80 219	0.66 242	0.22 241	0.25 309	0.26 281	0.23 270	0.22 226	0.21 208

DSFCA	0.57 239	0.27 207	0.71 251	0.41 104	0.36 275	0.78 251	0.53 273	1.08 240	0.85 180	1.08 312	0.84 138	0.90 248	0.66 219	1.05 296	0.63 239	0.26 278	0.22 286	0.21 217	0.21 243	0.22 226	0.20 192

NLCA_NET_v2_RVC	0.55 226	0.33 258	0.71 251	0.46 222	0.31 227	0.66 219	0.43 225	1.07 235	0.89 204	0.93 249	0.91 169	0.98 266	0.61 197	0.76 200	0.64 241	0.22 241	0.18 246	0.22 229	0.22 261	0.22 226	0.24 250
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
DLCB_ROB	0.60 261	0.29 229	0.53 165	0.50 268	0.33 255	0.76 250	0.51 264	1.02 216	0.94 228	1.07 311	1.16 269	1.21 313	0.73 259	0.98 279	0.75 259	0.21 225	0.20 271	0.22 229	0.23 270	0.22 226	0.20 192

CASS	0.46 152	0.28 220	0.45 84	0.48 248	0.22 30	0.63 200	0.34 116	0.99 207	0.66 96	0.76 155	0.86 149	0.61 128	0.58 186	0.58 73	0.44 164	0.29 302	0.16 211	0.22 229	0.18 183	0.23 240	0.28 279
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Anonymous3	0.47 161	0.35 267	0.91 304	0.50 268	0.38 282	0.81 268	0.55 283	0.76 135	0.66 96	0.52 53	0.65 69	0.44 54	0.45 131	0.66 146	0.39 127	0.25 273	0.25 309	0.22 229	0.21 243	0.23 240	0.24 250

TestStereo	0.39 88	0.32 252	0.42 58	0.45 199	0.20 18	0.41 110	0.38 170	0.69 82	0.66 96	0.56 63	0.78 109	0.48 71	0.43 119	0.59 78	0.37 106	0.18 156	0.13 141	0.20 176	0.15 90	0.23 240	0.14 49

Syn2CoEx	0.74 292	0.55 336	1.17 330	0.66 348	0.45 323	0.89 288	0.56 286	1.54 355	1.15 309	0.95 258	1.35 308	1.03 279	1.03 328	0.96 270	0.89 283	0.31 312	0.27 320	0.29 307	0.24 284	0.23 240	0.27 270

GwcNet	0.73 287	0.39 285	1.37 348	0.53 301	0.43 311	1.10 321	0.52 270	1.27 302	1.19 319	1.05 302	1.41 317	1.06 290	0.86 300	0.98 279	1.01 310	0.26 278	0.24 301	0.24 256	0.23 270	0.23 240	0.28 279

ADCRef	0.84 313	0.46 311	1.60 364	0.52 294	0.45 323	1.08 320	0.52 270	1.13 255	1.03 266	1.22 333	1.43 323	0.87 238	0.93 316	0.91 254	3.35 387	0.19 191	0.16 211	0.23 243	0.23 270	0.23 240	0.22 223

AdaStereo	0.52 210	0.34 263	0.53 165	0.49 257	0.25 101	0.71 237	0.36 145	1.24 289	0.91 214	0.77 163	0.98 198	0.75 200	0.50 150	0.71 181	0.51 196	0.27 287	0.13 141	0.28 299	0.18 183	0.23 240	0.18 156
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.
NaN_ROB	0.73 287	0.46 311	0.89 301	0.52 294	0.34 265	0.98 303	1.11 365	1.28 307	1.20 321	1.27 341	0.96 188	1.08 295	0.79 279	1.34 337	0.78 263	0.24 261	0.30 331	0.23 243	0.24 284	0.23 240	0.26 262

mmx	0.59 254	0.28 220	0.68 238	0.39 60	0.26 129	0.56 169	0.40 193	1.24 289	1.06 276	0.76 155	0.98 198	0.71 173	0.55 166	1.25 320	1.46 349	0.21 225	0.16 211	0.25 267	0.21 243	0.24 248	0.22 223

xxx	0.59 254	0.28 220	0.68 238	0.39 60	0.26 129	0.56 169	0.40 193	1.24 289	1.06 276	0.76 155	0.98 198	0.71 173	0.55 166	1.25 320	1.46 349	0.21 225	0.16 211	0.25 267	0.21 243	0.24 248	0.22 223

dd	0.44 141	0.40 293	0.62 212	0.44 187	0.26 129	0.51 143	0.38 170	0.72 109	1.07 283	0.60 71	0.66 72	0.43 51	0.40 107	0.68 163	0.53 209	0.24 261	0.15 190	0.21 217	0.16 115	0.24 248	0.19 165

AACVNet	0.52 210	0.25 167	0.56 184	0.48 248	0.29 198	0.55 164	0.38 170	0.96 200	0.59 74	0.83 188	1.03 228	1.03 279	0.77 277	0.91 254	0.58 225	0.22 241	0.18 246	0.24 256	0.18 183	0.24 248	0.22 223

GMStereo	0.40 102	0.38 281	0.61 207	0.41 104	0.27 158	0.47 133	0.35 138	0.62 36	1.04 270	0.57 65	0.54 44	0.38 35	0.36 78	0.56 65	0.41 152	0.20 210	0.13 141	0.16 57	0.17 157	0.24 248	0.20 192
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CFNet-ft	0.50 190	0.25 167	0.39 36	0.41 104	0.26 129	0.66 219	0.37 157	0.91 178	0.87 190	0.67 109	1.00 211	1.05 286	0.70 243	0.68 163	0.57 220	0.23 255	0.16 211	0.24 256	0.21 243	0.24 248	0.19 165

BEATNet_4x	0.49 179	0.35 267	0.72 257	0.38 44	0.20 18	0.65 214	0.36 145	1.08 240	0.78 142	0.78 174	0.88 158	0.73 192	0.64 211	0.71 181	0.60 228	0.16 99	0.12 86	0.16 57	0.15 90	0.24 248	0.18 156

CFNet_RVC	0.50 190	0.25 167	0.39 36	0.41 104	0.26 129	0.66 219	0.37 157	0.91 178	0.87 190	0.67 109	1.00 211	1.05 286	0.70 243	0.68 163	0.57 220	0.23 255	0.16 211	0.24 256	0.21 243	0.24 248	0.19 165

DISCO	0.72 286	0.27 207	0.72 257	0.45 199	0.31 227	1.12 326	0.53 273	1.32 319	1.25 326	0.84 194	1.07 242	1.52 354	0.87 303	1.82 368	1.08 327	0.20 210	0.15 190	0.18 116	0.16 115	0.24 248	0.24 250

ttt	0.56 235	0.27 207	0.49 122	0.39 60	0.25 101	0.65 214	0.42 218	1.24 289	1.08 288	0.76 155	1.10 250	0.63 138	0.51 155	0.95 267	1.03 315	0.25 273	0.22 286	0.22 229	0.21 243	0.25 257	0.25 257

LMCR-Stereo	0.55 226	0.33 258	0.57 191	0.60 331	0.30 217	0.80 263	0.36 145	1.30 313	0.79 148	0.90 238	1.04 231	0.57 99	0.64 211	0.87 240	0.73 256	0.20 210	0.15 190	0.19 147	0.14 69	0.25 257	0.18 156

STTStereo	0.57 239	0.39 285	0.87 297	0.45 199	0.32 244	0.62 195	0.45 235	1.01 214	0.87 190	1.01 284	0.91 169	0.95 260	0.58 186	0.77 207	0.66 242	0.25 273	0.24 301	0.27 289	0.33 336	0.25 257	0.26 262

MSMDNet	0.49 179	0.25 167	0.56 184	0.40 86	0.27 158	0.64 208	0.32 99	0.99 207	0.99 251	0.87 216	1.07 242	0.79 219	0.46 137	0.61 94	0.44 164	0.17 125	0.13 141	0.20 176	0.16 115	0.25 257	0.20 192

UCFNet_RVC	0.50 190	0.27 207	0.37 27	0.40 86	0.27 158	0.66 219	0.42 218	1.18 270	0.86 186	0.70 123	0.89 161	0.91 254	0.60 193	0.62 116	0.48 185	0.24 261	0.18 246	0.28 299	0.27 307	0.25 257	0.24 250

SGM_RVC	1.04 339	0.30 243	0.47 102	0.41 104	0.23 56	1.73 370	0.77 335	1.63 368	1.30 336	2.39 384	1.99 360	2.64 380	1.78 375	2.22 382	1.40 346	0.28 295	0.27 320	0.27 289	0.25 295	0.25 257	0.25 257
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
StereoVision	0.43 135	0.29 229	0.54 177	0.50 268	0.28 179	0.37 86	0.38 170	0.75 133	0.63 84	0.46 43	1.11 254	0.53 86	0.38 89	0.57 69	0.34 82	0.21 225	0.24 301	0.25 267	0.24 284	0.26 263	0.17 134

PCWNet_CMD	0.49 179	0.25 167	0.56 184	0.40 86	0.27 158	0.64 208	0.32 99	0.98 204	0.99 251	0.87 216	1.07 242	0.78 213	0.46 137	0.61 94	0.44 164	0.17 125	0.13 141	0.21 217	0.16 115	0.26 263	0.20 192

Wz-Net-LNSev	0.75 296	0.54 330	1.59 361	0.51 280	0.41 299	1.16 333	0.79 339	1.27 302	1.13 302	1.04 297	1.14 264	1.11 304	0.94 319	0.93 259	1.00 309	0.24 261	0.22 286	0.21 217	0.19 207	0.26 263	0.27 270

CFNet_pseudo	0.47 161	0.25 167	0.55 180	0.38 44	0.28 179	0.58 183	0.32 99	0.89 172	0.90 208	0.83 188	1.03 228	0.75 200	0.48 144	0.61 94	0.46 173	0.17 125	0.13 141	0.24 256	0.16 115	0.26 263	0.21 208

ccs_rob	0.47 161	0.25 167	0.55 180	0.38 44	0.28 179	0.58 183	0.32 99	0.89 172	0.90 208	0.83 188	1.02 217	0.75 200	0.48 144	0.61 94	0.46 173	0.17 125	0.12 86	0.24 256	0.16 115	0.26 263	0.21 208

DeepPruner_ROB	0.55 226	0.37 277	0.67 231	0.42 129	0.31 227	0.50 138	0.43 225	1.22 285	0.73 127	0.86 214	1.05 234	0.85 230	0.58 186	0.90 252	0.56 216	0.29 302	0.23 293	0.22 229	0.22 261	0.26 263	0.26 262

DRN-Test	0.68 280	0.34 263	0.77 271	0.52 294	0.40 294	1.14 329	0.61 302	1.56 360	1.04 270	1.18 328	1.10 250	1.05 286	0.72 255	0.82 228	1.01 310	0.24 261	0.18 246	0.26 281	0.25 295	0.26 263	0.23 242

MDST_ROB	0.97 332	0.29 229	1.02 319	0.64 344	0.43 311	2.64 385	0.82 343	1.68 372	1.18 318	2.89 391	1.82 353	0.97 264	0.75 264	1.83 369	0.89 283	0.26 278	0.22 286	0.32 322	0.28 313	0.26 263	0.26 262

CBMV	0.68 280	0.37 277	0.50 131	0.43 166	0.26 129	1.00 306	0.71 320	1.17 268	1.16 311	1.24 337	1.29 299	1.06 290	0.86 300	0.98 279	0.75 259	0.29 302	0.30 331	0.34 329	0.30 318	0.26 263	0.27 270
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
CFNet_ucs	0.51 200	0.25 167	0.58 193	0.39 60	0.31 227	0.59 189	0.35 138	1.04 222	0.95 232	0.89 231	1.19 279	0.80 223	0.49 148	0.66 146	0.45 169	0.21 225	0.16 211	0.26 281	0.18 183	0.27 272	0.23 242

aanetorigin	0.85 318	0.58 342	1.98 375	0.50 268	0.40 294	0.66 219	0.70 318	0.72 109	1.01 257	2.44 386	2.00 361	1.32 324	1.25 350	0.96 270	1.16 332	0.20 210	0.19 263	0.20 176	0.20 226	0.27 272	0.33 307

DMCA-RVC	0.54 221	0.32 252	0.83 285	0.51 280	0.32 244	0.59 189	0.38 170	0.89 172	0.70 110	0.95 258	0.88 158	0.90 248	0.69 238	0.75 192	0.63 239	0.23 255	0.18 246	0.31 317	0.24 284	0.27 272	0.21 208

PA-Net	0.70 283	0.46 311	0.96 311	0.51 280	0.53 344	0.94 294	0.73 329	1.14 257	1.15 309	0.83 188	0.90 163	0.88 241	0.76 273	1.19 315	0.96 303	0.25 273	0.41 368	0.29 307	0.44 360	0.27 272	0.39 324
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
TDLM	0.59 254	0.35 267	0.57 191	0.53 301	0.32 244	0.67 228	0.72 324	1.09 243	1.03 266	0.84 194	1.11 254	0.84 228	0.71 248	0.96 270	0.61 232	0.28 295	0.18 246	0.26 281	0.22 261	0.27 272	0.21 208

StereoDRNet	0.67 277	0.35 267	0.82 281	0.53 301	0.44 316	1.03 314	0.53 273	1.51 353	1.06 276	1.13 324	0.91 169	1.07 294	0.74 261	0.87 240	0.95 301	0.24 261	0.19 263	0.25 267	0.23 270	0.27 272	0.22 223

PSMNet_ROB	0.67 277	0.39 285	0.76 268	0.57 322	0.43 311	1.00 306	0.85 349	1.25 295	0.93 221	0.82 183	1.04 231	1.08 295	0.64 211	0.89 247	1.02 314	0.29 302	0.21 277	0.31 317	0.31 327	0.27 272	0.25 257

FAT-Stereo	0.75 296	0.34 263	0.81 280	0.51 280	0.38 282	0.78 251	0.63 307	1.39 332	1.32 338	1.05 302	1.40 315	1.58 359	1.14 342	0.92 256	0.91 292	0.29 302	0.28 325	0.28 299	0.23 270	0.28 279	0.41 335

FADNet-RVC-Resample	0.58 250	0.35 267	1.34 346	0.50 268	0.34 265	0.73 241	0.43 225	1.09 243	0.96 239	0.83 188	0.87 155	0.76 206	0.66 219	0.77 207	0.52 200	0.19 191	0.18 246	0.26 281	0.27 307	0.28 279	0.29 284

Wz-Net-MNSev	0.81 305	0.42 301	1.64 367	0.51 280	0.41 299	1.46 352	0.95 356	1.24 289	1.26 329	1.31 343	1.25 287	1.17 310	0.83 289	1.21 319	1.06 323	0.22 241	0.19 263	0.24 256	0.23 270	0.29 281	0.26 262

pcwnet_v2	0.60 261	0.29 229	0.89 301	0.46 222	0.36 275	0.62 195	0.38 170	1.33 322	1.24 324	1.02 288	1.27 294	0.71 173	0.59 190	0.71 181	0.51 196	0.28 295	0.21 277	0.24 256	0.23 270	0.29 281	0.30 288

APVNet	0.73 287	0.39 285	1.01 318	0.58 327	0.45 323	1.16 333	0.68 315	1.47 349	0.87 190	0.84 194	1.15 266	1.04 283	0.84 292	1.14 307	1.18 333	0.27 287	0.28 325	0.32 322	0.31 327	0.29 281	0.32 298

hitnet-ft	0.57 239	0.29 229	0.43 74	0.42 129	0.29 198	0.81 268	0.40 193	0.98 204	0.91 214	0.84 194	1.01 215	1.13 307	0.72 255	0.83 230	0.71 252	0.28 295	0.21 277	0.28 299	0.22 261	0.29 281	0.27 270

ADCL	1.10 344	0.42 301	1.57 360	0.51 280	0.41 299	1.71 369	0.92 353	1.36 329	1.45 351	1.33 344	1.56 337	1.22 316	1.26 351	1.45 347	5.27 399	0.22 241	0.19 263	0.25 267	0.25 295	0.29 281	0.29 284

ADCP+	1.18 353	0.37 277	3.09 385	0.50 268	0.52 342	1.48 354	0.61 302	1.32 319	1.07 283	1.21 331	1.16 269	1.08 295	1.11 337	1.63 357	7.17 404	0.20 210	0.16 211	0.24 256	0.22 261	0.29 281	0.22 223

SGM-ForestM	4.73 403	0.34 263	1.05 321	0.46 222	0.28 179	10.26 411	3.48 410	4.52 405	5.16 402	8.68 414	7.48 412	18.87 421	10.80 413	11.26 415	10.01 408	0.32 317	0.34 353	0.32 322	0.32 330	0.29 281	0.30 288

SACVNet	0.61 264	0.36 275	0.67 231	0.57 322	0.37 277	0.65 214	0.47 243	1.16 262	0.80 153	1.04 297	1.06 240	1.02 277	0.81 286	0.99 283	0.57 220	0.28 295	0.21 277	0.25 267	0.24 284	0.30 288	0.39 324

Anonymous	0.40 102	0.29 229	0.70 248	0.54 310	0.44 316	0.56 169	0.54 279	0.68 71	0.52 62	0.38 18	0.44 19	0.33 18	0.42 116	0.57 69	0.39 127	0.20 210	0.20 271	0.18 116	0.18 183	0.30 288	0.24 250

PWC_ROB	0.92 323	0.57 339	1.64 367	0.53 301	0.33 255	0.93 292	0.39 183	1.42 343	1.51 357	1.66 360	2.57 375	1.18 311	1.11 337	1.50 351	1.54 356	0.26 278	0.18 246	0.28 299	0.20 226	0.30 288	0.32 298

SGM-Forest	0.65 275	0.33 258	0.43 74	0.44 187	0.30 217	1.01 310	0.54 279	1.13 255	1.09 294	1.11 322	1.21 281	1.10 302	0.76 273	0.99 283	0.71 252	0.32 317	0.33 350	0.33 327	0.30 318	0.30 288	0.28 279
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
dad	0.61 264	0.53 324	0.72 257	0.44 187	0.31 227	0.64 208	0.37 157	0.85 163	1.28 331	1.05 302	1.17 274	1.18 311	0.61 197	0.70 176	0.54 212	0.36 339	0.23 293	0.37 337	0.21 243	0.31 292	0.23 242

AF-Net	0.85 318	0.41 297	0.87 297	0.66 348	0.54 346	0.96 298	0.52 270	1.66 370	1.37 342	1.03 291	2.04 363	1.46 344	1.36 355	1.19 315	1.05 322	0.34 332	0.24 301	0.39 343	0.28 313	0.31 292	0.26 262

Nwc_Net	0.82 306	0.40 293	0.86 292	0.62 339	0.56 348	1.04 316	0.57 288	1.72 374	1.08 288	0.93 249	1.88 356	1.44 342	1.24 349	1.19 315	0.94 298	0.31 312	0.25 309	0.36 333	0.39 348	0.31 292	0.31 295

RTSC	0.93 324	0.54 330	1.59 361	0.56 319	0.40 294	1.17 337	0.55 283	1.44 345	1.82 372	1.53 353	1.26 290	1.15 309	0.82 287	1.70 362	2.44 376	0.26 278	0.20 271	0.23 243	0.24 284	0.31 292	0.32 298

DeepPrunerF	0.93 324	0.55 336	3.88 390	0.70 360	0.81 370	0.72 240	0.74 331	1.28 307	1.97 375	0.95 258	1.02 217	0.87 238	0.85 296	1.16 311	1.07 325	0.35 337	0.29 327	0.43 349	0.40 352	0.31 292	0.33 307

XPNet_ROB	0.73 287	0.38 281	0.80 275	0.53 301	0.40 294	0.80 263	0.83 345	1.21 279	0.96 239	1.37 346	1.17 274	1.37 336	0.87 303	1.14 307	0.99 308	0.33 325	0.25 309	0.27 289	0.24 284	0.31 292	0.29 284

FADNet-RVC	0.62 270	0.56 338	1.29 340	0.47 240	0.39 291	0.63 200	0.40 193	1.16 262	0.91 214	0.71 132	0.86 149	1.04 283	0.55 166	0.99 283	0.78 263	0.27 287	0.26 318	0.28 299	0.29 317	0.32 298	0.31 295

GANet	0.74 292	0.38 281	0.63 216	0.54 310	0.35 270	1.01 310	0.95 356	1.15 260	0.95 232	1.09 316	2.00 361	1.14 308	0.92 314	1.29 328	0.75 259	0.25 273	0.27 320	0.27 289	0.23 270	0.32 298	0.24 250

CVANet_RVC	0.59 254	0.35 267	0.54 177	0.49 257	0.33 255	0.70 234	0.67 312	1.12 249	0.97 244	0.88 224	1.05 234	1.01 275	0.72 255	0.94 262	0.55 214	0.30 309	0.20 271	0.28 299	0.26 303	0.32 298	0.23 242

MeshStereo	1.38 365	0.45 306	0.58 193	0.45 199	0.35 270	1.63 364	0.60 300	2.07 381	1.43 349	4.49 406	3.32 390	4.67 397	2.08 384	2.08 378	1.32 342	0.36 339	0.36 357	0.37 337	0.32 330	0.32 298	0.34 309
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
Wz-Net-SNSev	0.99 336	0.80 362	3.00 384	0.57 322	0.46 331	0.94 294	1.22 375	1.40 336	1.28 331	1.04 297	1.33 303	1.46 344	0.90 311	2.06 376	1.65 359	0.26 278	0.24 301	0.25 267	0.26 303	0.33 302	0.30 288

FADNet_RVC	0.58 250	0.39 285	1.26 335	0.45 199	0.32 244	0.55 164	0.34 116	1.12 249	0.90 208	0.68 116	0.90 163	0.61 128	0.71 248	1.03 294	0.80 271	0.21 225	0.18 246	0.27 289	0.23 270	0.33 302	0.30 288

S-Stereo	0.76 299	0.36 275	1.10 323	0.57 322	0.46 331	0.83 274	0.59 298	1.31 314	1.62 364	0.98 276	1.41 317	1.11 304	0.93 316	0.85 236	1.07 325	0.27 287	0.31 339	0.28 299	0.25 295	0.33 302	0.50 360

edge stereo	0.79 302	0.40 293	0.82 281	0.52 294	0.44 316	0.83 274	0.58 295	1.34 324	1.08 288	1.30 342	1.38 313	1.79 364	1.13 341	1.15 310	0.92 294	0.34 332	0.32 345	0.42 348	0.28 313	0.33 302	0.39 324

NCCL2	0.74 292	0.45 306	0.77 271	0.65 346	0.45 323	0.97 299	1.16 370	1.16 262	1.02 262	1.00 282	0.98 198	1.48 348	0.88 307	0.99 283	0.89 283	0.31 312	0.27 320	0.39 343	0.39 348	0.33 302	0.34 309

CBMV_ROB	0.62 270	0.39 285	0.41 50	0.41 104	0.28 179	0.86 282	0.28 50	1.06 233	1.02 262	0.95 258	1.33 303	0.81 225	0.84 292	0.94 262	0.56 216	0.37 343	0.37 358	0.43 349	0.40 352	0.33 302	0.32 298

psmorigin	0.84 313	0.53 324	2.21 380	0.50 268	0.41 299	0.86 282	0.57 288	1.08 240	0.90 208	1.50 351	1.42 321	1.50 350	1.09 335	1.29 328	1.03 315	0.32 317	0.33 350	0.27 289	0.27 307	0.34 308	0.45 349

NCC-stereo	0.82 306	0.43 303	0.87 297	0.63 341	0.68 366	0.88 285	0.72 324	1.60 366	1.12 296	0.95 258	1.41 317	1.37 336	1.37 357	1.26 323	0.94 298	0.32 317	0.30 331	0.37 337	0.49 369	0.34 308	0.35 312

Abc-Net	0.82 306	0.43 303	0.87 297	0.63 341	0.68 366	0.88 285	0.72 324	1.60 366	1.12 296	0.95 258	1.41 317	1.37 336	1.37 357	1.26 323	0.94 298	0.32 317	0.30 331	0.37 337	0.49 369	0.34 308	0.35 312
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
Anonymous Stereo	0.82 306	0.59 344	2.10 378	0.59 329	0.58 353	0.68 232	1.42 386	1.05 228	1.07 283	1.03 291	1.02 217	0.86 234	0.65 217	1.33 336	1.36 344	0.32 317	0.31 339	0.31 317	0.33 336	0.34 308	0.39 324

FBW_ROB	0.94 328	0.54 330	1.03 320	0.56 319	0.42 308	1.16 333	0.76 334	1.56 360	1.41 346	1.38 348	1.33 303	1.47 346	1.07 333	2.94 393	1.14 331	0.26 278	0.32 345	0.45 353	0.30 318	0.34 308	0.30 288

ETE_ROB	0.73 287	0.52 322	0.93 305	0.57 322	0.37 277	0.80 263	0.86 350	1.19 273	0.95 232	1.20 330	1.22 283	1.39 341	0.86 300	1.07 297	0.88 281	0.27 287	0.21 277	0.31 317	0.27 307	0.34 308	0.35 312

FINET	0.75 296	0.45 306	1.38 349	0.48 248	0.46 331	0.98 303	1.00 360	1.22 285	1.69 368	0.91 245	1.25 287	0.74 196	0.74 261	1.09 301	0.82 274	0.37 343	0.31 339	0.27 289	0.24 284	0.35 314	0.34 309

PS-NSSS	0.60 261	0.46 311	0.68 238	0.43 166	0.34 265	0.66 219	0.57 288	1.05 228	0.91 214	0.80 178	1.28 295	0.72 188	0.67 228	0.89 247	0.61 232	0.32 317	0.26 318	0.40 346	0.27 307	0.35 314	0.29 284

CSAN	0.88 321	0.52 322	0.93 305	0.61 335	0.42 308	1.19 338	1.11 365	1.27 302	1.48 355	1.37 346	1.44 324	1.37 336	1.30 352	1.46 349	1.01 310	0.39 349	0.31 339	0.36 333	0.37 343	0.35 314	0.36 315

LALA_ROB	0.76 299	0.46 311	0.86 292	0.55 316	0.41 299	1.00 306	0.93 355	1.25 295	1.13 302	1.23 335	1.15 266	1.55 356	0.80 283	1.11 304	0.96 303	0.33 325	0.23 293	0.35 330	0.30 318	0.35 314	0.32 298

RP	0.80 303	0.38 281	0.73 261	0.67 350	0.59 355	0.82 271	0.57 288	1.21 279	1.28 331	1.03 291	1.68 344	1.45 343	1.49 365	1.08 300	0.90 289	0.36 339	0.31 339	0.37 337	0.30 318	0.36 318	0.36 315

SANet	1.15 349	0.45 306	1.40 350	0.50 268	0.32 244	1.54 360	1.21 373	1.49 350	3.35 395	1.61 355	2.41 371	2.32 377	1.80 376	1.57 354	1.27 339	0.28 295	0.25 309	0.26 281	0.24 284	0.36 318	0.32 298

PWCDC_ROB	0.93 324	0.54 330	0.97 315	0.78 369	0.41 299	1.03 314	0.42 218	1.39 332	2.34 384	1.04 297	3.73 394	0.80 223	1.12 339	1.29 328	1.04 320	0.37 343	0.22 286	0.24 256	0.20 226	0.36 318	0.31 295

ADCPNet	1.11 347	0.53 324	3.26 388	0.55 316	0.44 316	1.47 353	0.83 345	1.21 279	1.17 314	1.26 340	1.42 321	1.67 362	1.12 339	1.48 350	3.86 393	0.30 309	0.29 327	0.30 316	0.32 330	0.37 321	0.37 321

DANet	0.74 292	0.47 317	0.98 316	0.60 331	0.41 299	0.92 291	0.41 213	1.02 216	0.87 190	1.22 333	1.22 283	1.33 329	0.88 307	1.26 323	1.37 345	0.27 287	0.24 301	0.31 317	0.25 295	0.37 321	0.36 315
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
RGC	0.82 306	0.62 348	0.80 275	0.67 350	0.66 364	0.91 290	0.59 298	1.35 325	1.09 294	1.12 323	1.46 328	1.50 350	1.09 335	1.28 326	0.97 306	0.34 332	0.30 331	0.48 360	0.40 352	0.38 323	0.38 323

ADCMid	1.22 354	0.57 339	3.17 387	0.54 310	0.44 316	1.07 319	0.77 335	1.31 314	1.13 302	2.14 379	1.48 331	1.49 349	1.47 364	1.65 359	5.30 400	0.26 278	0.24 301	0.29 307	0.32 330	0.38 323	0.36 315

AnyNet_C32	1.27 359	0.72 358	3.33 389	0.59 329	0.56 348	1.51 358	1.53 388	1.27 302	1.28 331	1.52 352	1.48 331	1.38 340	1.23 348	1.64 358	5.26 398	0.30 309	0.29 327	0.29 307	0.34 338	0.38 323	0.44 347

NOSS_ROB	0.59 254	0.40 293	0.42 58	0.45 199	0.31 227	0.79 257	0.53 273	1.09 243	1.12 296	0.69 119	0.92 175	0.77 211	0.63 204	0.81 223	0.52 200	0.39 349	0.38 359	0.44 351	0.42 359	0.38 323	0.36 315

GMStereo_Zeroshot	0.51 200	0.46 311	0.80 275	0.50 268	0.28 179	0.57 179	0.30 69	0.75 133	0.79 148	0.88 224	0.94 180	0.90 248	0.37 82	0.77 207	0.46 173	0.27 287	0.14 172	0.26 281	0.15 90	0.39 327	0.19 165

HBP-ISP	0.61 264	0.47 317	0.45 84	0.46 222	0.33 255	0.79 257	0.29 57	1.15 260	1.05 272	0.85 204	1.18 278	0.67 165	0.71 248	0.92 256	0.57 220	0.37 343	0.38 359	0.47 357	0.41 357	0.39 327	0.32 298

WZ-Net	1.29 361	0.64 350	5.42 399	0.64 344	0.52 342	1.37 347	1.29 378	1.41 338	1.77 371	1.56 354	1.69 346	1.74 363	1.41 359	2.50 388	2.16 373	0.28 295	0.21 277	0.23 243	0.25 295	0.39 327	0.41 335

stereogan	0.83 312	0.33 258	0.89 301	0.61 335	0.51 340	1.80 371	0.50 261	1.41 338	1.39 345	1.05 302	1.47 330	1.56 358	1.04 330	1.32 335	0.87 280	0.29 302	0.29 327	0.29 307	0.25 295	0.39 327	0.40 330

Wz-Net-TNSev	1.23 356	1.24 383	5.25 398	0.51 280	0.43 311	1.49 357	1.09 364	1.58 363	1.42 348	1.25 338	1.26 290	1.58 359	1.52 366	1.97 373	1.95 365	0.33 325	0.32 345	0.26 281	0.30 318	0.41 331	0.43 343

MFN_U_SF_DS_RVC	1.06 340	0.61 347	1.82 372	0.69 357	0.51 340	2.62 384	1.69 395	1.28 307	1.44 350	1.39 349	1.56 337	1.34 332	0.91 312	1.68 361	0.95 301	0.38 348	0.39 363	0.46 356	0.61 379	0.41 331	0.43 343

SHD	0.98 334	0.54 330	1.30 342	0.63 341	0.50 338	1.14 329	0.50 261	1.80 378	2.20 379	1.66 360	1.39 314	1.47 346	1.21 346	1.40 339	1.80 362	0.32 317	0.27 320	0.32 322	0.34 338	0.41 331	0.44 347

RTS	2.03 384	1.03 378	11.50 408	0.68 354	0.63 360	2.71 386	1.56 390	1.55 356	2.32 382	1.93 371	2.57 375	1.32 324	1.32 353	5.20 405	4.30 394	0.31 312	0.23 293	0.29 307	0.30 318	0.41 331	0.40 330

RTSA	2.03 384	1.03 378	11.50 408	0.68 354	0.63 360	2.71 386	1.56 390	1.55 356	2.32 382	1.93 371	2.57 375	1.32 324	1.32 353	5.20 405	4.30 394	0.31 312	0.23 293	0.29 307	0.30 318	0.41 331	0.40 330

WCMA_ROB	1.22 354	0.39 285	0.93 305	0.51 280	0.45 323	1.44 351	0.79 339	1.20 276	1.30 336	2.99 397	3.94 398	3.30 390	2.17 387	1.42 343	1.31 341	0.46 357	0.35 355	0.35 330	0.37 343	0.41 331	0.42 339

EDNetEfficient	1.47 371	0.82 363	6.28 401	0.48 248	0.40 294	0.73 241	0.83 345	0.95 196	2.77 389	3.48 403	1.95 358	1.64 361	2.12 385	1.42 343	3.84 392	0.21 225	0.19 263	0.21 217	0.21 243	0.43 337	0.42 339

RYNet	0.76 299	0.37 277	0.74 265	0.54 310	0.67 365	1.35 346	0.68 315	1.28 307	1.21 323	1.10 319	0.90 163	1.31 322	0.94 319	1.01 289	1.30 340	0.22 241	0.16 211	0.27 289	0.23 270	0.43 337	0.45 349

NVstereo2D	0.62 270	0.32 252	0.82 281	0.50 268	0.44 316	0.88 285	0.48 248	1.12 249	1.17 314	0.67 109	0.90 163	0.90 248	0.69 238	1.02 292	0.69 249	0.33 325	0.16 211	0.29 307	0.20 226	0.43 337	0.46 353

GASNet	0.70 283	0.77 360	1.16 329	0.71 362	0.49 335	0.62 195	0.48 248	1.12 249	1.05 272	0.98 276	0.84 138	0.94 259	0.82 287	1.41 342	0.85 278	0.33 325	0.22 286	0.29 307	0.28 313	0.44 340	0.26 262

MFN_U_SF_RVC	1.14 348	0.63 349	2.33 381	0.69 357	0.46 331	2.04 376	0.70 318	1.90 379	1.37 342	1.62 356	1.56 337	1.94 369	1.36 355	1.73 364	1.90 364	0.41 354	0.38 359	0.45 353	0.48 366	0.45 341	0.47 355

ADCS	1.60 374	0.70 354	4.02 392	0.61 335	0.53 344	1.31 343	1.11 365	1.71 373	1.86 374	1.97 374	1.68 344	1.51 352	1.46 362	2.07 377	9.20 407	0.34 332	0.32 345	0.33 327	0.36 341	0.45 341	0.46 353

AnyNet_C01	1.63 375	1.16 381	7.38 403	0.65 346	0.56 348	2.25 380	1.53 388	1.53 354	1.46 353	1.71 364	1.95 358	1.83 365	1.41 359	2.48 386	4.42 396	0.33 325	0.32 345	0.32 322	0.34 338	0.45 341	0.50 360

SDNR	0.89 322	0.39 285	1.66 370	0.42 129	0.39 291	3.35 398	0.32 99	0.95 196	1.05 272	1.05 302	2.12 364	0.62 134	0.71 248	1.40 339	0.78 263	0.53 367	0.56 382	0.36 333	0.27 307	0.46 344	0.50 360

G-Net	0.95 329	0.48 319	1.13 326	0.67 350	0.49 335	2.07 377	0.63 307	1.02 216	0.90 208	1.77 366	2.62 378	1.28 318	1.60 368	1.09 301	1.06 323	0.37 343	0.30 331	0.35 330	0.25 295	0.46 344	0.45 349

MSMD_ROB	1.25 357	0.51 320	0.64 220	0.60 331	0.50 338	1.66 366	0.67 312	1.26 297	1.26 329	2.64 388	3.82 395	3.06 386	3.20 400	1.45 347	0.91 292	0.46 357	0.41 368	0.49 363	0.51 372	0.47 346	0.45 349

coex-ft	6.50 410	1.57 393	87.99 434	0.49 257	0.38 282	1.41 349	1.21 373	1.21 279	7.96 407	12.14 415	2.78 381	2.74 381	3.83 402	1.30 332	3.19 386	0.24 261	0.23 293	0.27 289	0.24 284	0.48 347	0.40 330

FADNet	0.63 273	0.53 324	1.20 331	0.46 222	0.44 316	0.66 219	0.41 213	1.24 289	1.07 283	0.70 123	0.84 138	0.98 266	0.65 217	0.87 240	0.54 212	0.29 302	0.30 331	0.27 289	0.30 318	0.48 347	0.36 315

FC-DCNN	1.67 377	0.53 324	0.68 238	0.62 339	0.49 335	1.62 363	0.71 320	1.77 377	1.55 358	4.73 408	4.66 406	5.82 405	3.94 403	2.13 380	1.42 347	0.47 360	0.42 370	0.47 357	0.46 361	0.48 347	0.47 355

UDGNet	0.50 190	0.82 363	0.56 184	0.51 280	0.32 244	0.41 110	0.34 116	0.71 99	0.93 221	0.65 98	0.60 58	0.58 114	0.44 124	0.65 138	0.43 157	0.33 325	0.15 190	0.67 374	0.20 226	0.49 350	0.23 242

DPSNet	1.08 343	0.44 305	2.64 383	0.54 310	0.42 308	1.59 361	1.25 376	2.39 388	1.50 356	1.13 324	1.12 256	1.51 352	2.19 388	1.44 346	1.51 355	0.35 337	0.25 309	0.25 267	0.21 243	0.49 350	0.39 324

SAMSARA	1.15 349	0.69 353	1.44 354	1.09 381	0.93 373	2.10 378	1.87 402	1.64 369	1.47 354	1.64 358	1.21 281	2.06 371	1.14 342	1.61 355	1.50 354	0.39 349	0.45 374	0.36 333	0.38 346	0.50 352	0.51 364

MANE	4.73 403	0.54 330	0.77 271	0.69 357	0.60 358	10.35 412	1.67 394	8.68 413	12.66 413	6.90 412	9.43 414	11.59 415	10.59 412	8.26 412	8.41 405	0.51 365	0.45 374	0.48 360	1.02 393	0.50 352	0.50 360

PDISCO_ROB	0.96 330	0.51 320	1.13 326	1.03 378	1.00 380	1.81 372	0.77 335	1.72 374	1.60 362	1.09 316	1.19 279	1.34 332	0.80 283	1.62 356	1.01 310	0.58 373	0.22 286	0.45 353	0.40 352	0.50 352	0.41 335

FCDSN-DC	1.43 369	0.57 339	0.69 246	0.74 365	0.59 355	1.42 350	0.65 311	1.40 336	1.41 346	3.31 401	4.42 404	4.57 396	3.01 398	1.70 362	1.19 335	0.46 357	0.42 370	0.48 360	0.47 362	0.51 355	0.51 364
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
PVD	1.34 364	0.70 354	1.42 352	0.78 369	0.65 362	1.68 367	0.91 351	2.12 384	3.01 391	2.25 381	2.35 370	1.90 368	1.99 382	1.98 374	2.14 371	0.40 353	0.38 359	0.49 363	0.37 343	0.51 355	0.67 373

LSM	4.83 405	0.83 366	11.23 407	0.76 368	56.73 432	1.10 321	1.18 371	1.35 325	1.70 369	2.13 376	2.34 368	1.34 332	1.19 345	1.52 352	1.23 337	0.34 332	0.50 379	0.39 343	0.47 362	0.51 355	9.82 418

ccnet	0.84 313	0.59 344	0.86 292	0.56 319	0.60 358	1.11 325	0.72 324	1.44 345	0.97 244	1.15 326	1.44 324	1.28 318	0.95 321	1.01 289	1.33 343	0.49 362	0.43 372	0.50 365	0.47 362	0.52 358	0.48 357

BEATNet-Init1	15.65 416	1.62 396	54.26 433	0.75 367	0.56 348	37.03 428	13.39 415	13.20 418	14.59 415	29.41 432	29.29 432	47.69 435	21.87 424	26.91 426	19.58 416	0.43 356	0.39 363	0.47 357	0.47 362	0.52 358	0.52 366

Anonymous_2	0.84 313	0.45 306	0.66 227	0.41 104	0.45 323	0.82 271	0.53 273	0.81 152	0.81 162	0.73 140	0.61 61	0.91 254	0.76 273	0.77 207	0.61 232	0.51 365	0.55 381	0.54 368	4.92 416	0.54 360	0.42 339

EDNetEfficientorigin	9.96 412	1.17 382	175.17 435	0.49 257	0.37 277	1.13 328	0.74 331	1.27 302	2.70 388	3.16 400	2.49 372	2.28 374	2.15 386	1.88 370	2.27 375	0.21 225	0.19 263	0.25 267	0.20 226	0.54 360	0.53 368

sAnonymous2	0.42 123	0.41 297	0.96 311	0.48 248	0.37 277	0.41 110	0.48 248	0.60 31	0.52 62	0.39 21	0.48 27	0.35 25	0.44 124	0.44 22	0.30 48	0.19 191	0.14 172	0.19 147	0.17 157	0.55 362	0.43 343

CroCo_RVC	0.42 123	0.41 297	0.96 311	0.48 248	0.37 277	0.41 110	0.48 248	0.60 31	0.52 62	0.39 21	0.48 27	0.35 25	0.44 124	0.44 22	0.30 48	0.19 191	0.14 172	0.19 147	0.17 157	0.55 362	0.43 343

XQC	0.97 332	0.70 354	1.54 359	0.70 360	0.55 347	1.48 354	0.81 341	1.41 338	1.57 360	1.21 331	1.12 256	1.33 329	1.04 330	1.55 353	2.00 369	0.39 349	0.25 309	0.37 337	0.32 330	0.55 362	0.49 358

ELAS_RVC	1.76 379	0.64 350	1.20 331	0.74 365	0.59 355	2.18 379	2.53 407	2.10 383	2.85 390	3.46 402	3.41 393	3.12 387	4.11 404	2.69 391	2.53 381	0.54 370	0.47 377	0.51 367	0.48 366	0.55 362	0.55 369
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	1.77 380	0.64 350	1.10 323	0.72 363	0.58 353	3.37 399	1.76 397	2.54 389	2.57 386	3.77 404	3.96 399	2.83 383	3.44 401	2.34 385	2.73 383	0.53 367	0.47 377	0.50 365	0.48 366	0.55 362	0.55 369
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PASM	0.96 330	0.71 357	2.05 377	0.72 363	0.72 369	0.84 279	0.92 353	1.14 257	1.34 341	1.25 338	1.22 283	1.34 332	1.07 333	1.31 333	1.11 328	0.53 367	0.57 383	0.59 372	0.67 380	0.56 367	0.57 371

DGSMNet	0.80 303	0.58 342	1.42 352	0.61 335	0.65 362	0.94 294	0.75 333	1.35 325	1.16 311	0.88 224	1.26 290	1.00 271	0.75 264	1.07 297	0.89 283	0.36 339	0.31 339	0.41 347	0.40 352	0.60 368	0.59 372

STTRV1_RVC		0.60 346		0.67 350	0.81 370	1.12 326	0.63 307	1.37 331	1.12 296	0.98 276	1.34 307	1.08 295	0.95 321	1.28 326	0.90 289	0.57 372	0.25 309	0.44 351	0.39 348	0.60 368	0.41 335

FADE		2.54 408		1.04 379	1.00 380													21.24 429		0.63 370

GANetREF_RVC	0.82 306	0.77 360	0.95 310	0.68 354	0.43 311	1.15 331	1.06 363	1.19 273	1.20 321	1.03 291	1.02 217	1.10 302	0.89 309	1.20 318	0.78 263	0.49 362	0.39 363	0.58 371	0.39 348	0.69 371	0.49 358
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
NVStereoNet_ROB	1.31 363	0.96 372	1.33 345	0.90 373	0.92 372	1.15 331	1.05 362	1.49 350	1.62 364	1.63 357	2.51 373	2.31 375	1.62 369	2.16 381	1.42 347	0.81 380	0.73 387	0.79 376	1.02 393	0.73 372	0.97 383
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MSC_U_SF_DS_RVC	1.38 365	0.91 370	2.11 379	0.89 372	0.57 352	4.27 404	1.79 399	1.55 356	2.00 377	1.64 358	1.85 355	1.83 365	1.44 361	1.89 372	1.49 353	0.49 362	0.40 366	0.56 369	0.58 376	0.75 373	0.52 366

CC-Net-ROB	0.84 313	1.01 377	0.93 305	0.60 331	0.45 323	1.25 341	0.71 320	1.20 276	1.05 272	0.84 194	1.24 286	0.90 248	0.78 278	1.14 307	0.70 250	0.48 361	0.34 353	1.71 388	0.38 346	0.78 374	0.40 330

MADNet+	2.28 391	2.56 409	10.82 406	1.25 385	0.96 376	2.77 390	1.44 387	2.34 386	1.76 370	1.36 345	1.78 352	1.84 367	1.74 374	6.33 408	4.57 397	0.67 376	0.66 385	0.59 372	0.54 375	0.84 375	0.81 378

MaskLacGwcNet_RVC	0.71 285	0.84 367	0.80 275	0.55 316	0.38 282	1.38 348	0.57 288	1.07 235	0.81 162	0.90 238	0.94 180	0.95 260	0.54 163	1.01 289	0.61 232	0.41 354	0.30 331	0.57 370	0.31 327	0.86 376	0.39 324

MFMNet_re	1.17 352	0.99 374	1.31 343	1.02 377	0.95 375	1.32 344	1.32 379	1.44 345	1.58 361	1.72 365	1.70 347	1.21 313	1.57 367	1.16 311	1.04 320	0.88 382	0.76 393	0.79 376	0.75 384	0.90 377	0.94 380

anonymity	0.98 334	0.89 369	1.06 322	0.93 374	1.04 384	0.97 299	0.82 343	1.33 322	0.93 221	1.08 312	0.98 198	1.02 277	0.95 321	1.02 292	0.93 296	0.96 384	0.96 404	0.90 379	0.91 389	0.92 378	0.95 382

SGM+DAISY	1.52 372	0.99 374	1.61 365	1.01 376	1.02 382	1.86 374	1.19 372	1.49 350	1.38 344	2.96 395	3.00 385	2.79 382	1.94 378	1.88 370	1.62 357	0.98 386	0.97 405	0.91 381	0.91 389	0.94 379	0.99 385

SPS-STEREO	1.29 361	0.94 371	1.10 323	1.05 380	1.03 383	1.48 354	0.91 351	1.57 362	1.24 324	2.13 376	1.90 357	1.94 369	1.46 362	1.77 365	1.64 358	0.97 385	0.94 403	0.90 379	0.89 388	0.96 380	0.97 383
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
JetBlue	3.02 396	1.39 388	7.91 404	1.17 383	1.49 390	8.53 410	7.94 412	2.82 390	1.98 376	2.15 380	2.69 380	3.32 391	3.01 398	6.66 409	3.81 391	0.79 378	0.78 394	0.75 375	0.76 385	1.04 381	1.33 396

WAO-7	1.96 381	1.24 383	1.52 356	1.28 386	1.06 385	2.92 394	1.64 393	3.32 396	3.05 393	2.28 382	3.32 390	3.19 389	2.38 391	3.39 395	2.49 380	1.02 387	0.92 399	1.06 383	1.04 395	1.05 382	0.99 385

Consistency-Raft	1.01 338	0.82 363	1.27 338	0.85 371	0.97 377	0.81 268	0.83 345	1.35 325	1.61 363	1.06 310	1.66 343	1.11 304	0.93 316	0.93 259	1.11 328	0.65 375	0.75 391	0.79 376	0.91 389	1.09 383	0.79 377

UDG	0.93 324	1.03 378	0.75 267	1.00 375	0.97 377	1.02 312	0.57 288	1.18 270	1.01 257	0.93 249	1.02 217	1.32 324	1.03 328	0.88 246	0.92 294	0.55 371	0.33 350	1.82 390	0.41 357	1.20 384	0.74 375

DDUNet	1.10 344	2.58 411	0.83 285	1.21 384	1.27 388	1.02 312	0.69 317	1.17 268	0.95 232	0.98 276	1.26 290	1.28 318	0.84 292	0.97 277	0.79 270	0.85 381	0.40 366	2.00 393	0.60 378	1.34 385	0.94 380

SQANet	0.87 320	0.76 359	0.76 268	1.16 382	0.99 379	1.10 321	0.51 264	1.12 249	0.85 180	0.93 249	1.05 234	1.03 279	0.76 273	1.07 297	0.70 250	0.79 378	0.25 309	1.04 382	0.36 341	1.56 386	0.70 374

PWCK	2.06 386	1.75 400	4.11 394	1.69 390	0.93 373	3.13 397	2.86 409	2.18 385	2.41 385	2.38 383	2.33 367	2.22 373	1.85 377	3.52 397	2.20 374	1.65 394	0.73 387	1.52 387	0.83 387	1.81 387	1.02 388

otaku	1.10 344	0.96 372	0.96 311	1.37 388	1.06 385	1.65 365	0.72 324	1.46 348	1.19 319	1.10 319	1.32 302	1.32 324	0.95 321	1.29 328	0.81 273	0.89 383	0.46 376	1.24 384	0.50 371	1.86 388	0.89 379

WAO-6	2.11 388	1.52 391	1.25 334	1.73 391	1.69 396	2.72 388	1.62 392	3.15 394	3.64 396	2.01 375	3.28 388	3.52 394	2.20 389	2.59 389	2.48 379	1.31 392	0.92 399	2.04 397	1.22 404	1.89 389	1.35 398

Ntro	1.15 349	1.00 376	1.00 317	1.49 389	1.20 387	1.69 368	0.81 341	1.39 332	1.25 326	1.01 284	1.28 295	1.31 322	1.00 326	1.31 333	0.89 283	1.10 389	0.43 372	1.36 385	0.51 372	1.95 390	0.99 385

WAO-8	3.00 394	1.60 394	1.52 356	1.82 393	1.65 394	5.57 406	1.35 382	4.65 407	12.37 411	2.89 391	4.04 400	4.89 400	2.78 394	3.73 399	2.44 376	1.29 390	0.93 401	2.00 393	1.16 402	2.02 391	1.23 391

Venus	3.00 394	1.60 394	1.52 356	1.82 393	1.65 394	5.57 406	1.35 382	4.65 407	12.37 411	2.89 391	4.04 400	4.89 400	2.78 394	3.73 399	2.44 376	1.29 390	0.93 401	2.00 393	1.16 402	2.02 391	1.23 391

ACVNet_2	1.74 378	1.30 385	1.62 366	1.81 392	1.63 392	2.28 381	1.34 381	2.35 387	2.64 387	1.82 367	2.55 374	2.99 384	1.71 373	1.67 360	1.20 336	1.48 393	0.59 384	1.81 389	0.71 382	2.09 393	1.29 393

RainbowNet	1.42 368	1.53 392	1.31 343	1.93 395	1.46 389	1.52 359	1.03 361	1.67 371	1.55 358	1.23 335	1.59 340	1.54 355	1.21 346	1.40 339	1.03 315	1.70 395	0.70 386	1.82 390	0.80 386	2.11 394	1.22 390

ACVNet-4b	1.43 369	1.34 386	1.28 339	1.95 396	1.60 391	1.93 375	0.77 335	1.59 364	1.64 366	1.05 302	1.60 341	2.10 372	0.92 314	1.79 367	0.84 276	1.76 397	0.35 355	2.03 396	0.67 380	2.16 395	1.18 389

LVE	2.20 390	1.47 390	1.44 354	2.06 398	1.80 398	2.79 391	1.77 398	2.96 391	3.94 401	1.95 373	4.29 403	3.47 393	1.97 379	2.48 386	1.85 363	2.06 399	0.88 398	2.06 399	1.13 400	2.17 396	1.53 399

Dean	2.07 387	1.39 388	1.69 371	2.17 399	1.83 399	2.75 389	1.28 377	3.49 400	3.80 399	2.13 376	3.30 389	3.18 388	1.98 381	1.78 366	1.72 360	1.73 396	0.79 397	1.99 392	0.91 389	2.17 396	1.34 397

ACVNet_1	1.55 373	1.36 387	1.35 347	1.96 397	1.63 392	1.83 373	0.96 358	2.09 382	1.85 373	1.43 350	1.54 335	2.31 375	1.68 372	1.42 343	1.18 333	1.76 397	0.51 380	2.05 398	0.59 377	2.24 398	1.30 394

DispFullNet	1.64 376	2.64 412	3.14 386	2.57 404	1.78 397	1.32 344	0.55 283	1.42 343	1.45 351	1.89 370	1.48 331	1.55 356	2.35 390	2.08 378	1.12 330	0.60 374	0.19 263	2.33 401	0.73 383	2.35 399	1.30 394

IMH-64-1	1.96 381	1.64 397	1.26 335	2.26 401	1.91 400	2.30 382	1.35 382	2.99 392	2.29 380	1.70 362	2.79 382	2.47 378	1.66 370	2.33 383	1.95 365	2.07 400	0.74 389	2.44 402	1.04 395	2.40 400	1.59 400

IMH-64	1.96 381	1.64 397	1.26 335	2.26 401	1.91 400	2.30 382	1.35 382	2.99 392	2.29 380	1.70 362	2.79 382	2.47 378	1.66 370	2.33 383	1.95 365	2.07 400	0.74 389	2.44 402	1.04 395	2.40 400	1.59 400

IMH	2.15 389	1.66 399	1.29 340	2.25 400	1.92 402	2.87 392	1.33 380	3.25 395	3.04 392	1.87 369	3.33 392	3.00 385	2.03 383	2.80 392	1.95 365	2.09 402	0.78 394	2.45 404	1.05 398	2.44 402	1.62 402

SuperB	1.00 337	0.41 297	4.03 393	0.45 199	0.32 244	0.99 305	0.49 258	1.09 243	2.09 378	1.10 319	1.10 250	0.74 196	0.83 289	1.13 305	1.75 361	0.20 210	0.15 190	0.17 85	0.15 90	2.50 403	0.27 270

DPSimNet_ROB	5.19 407	2.71 413	18.56 413	2.59 405	2.49 407	4.25 403	10.93 413	3.33 397	3.93 400	5.02 409	4.52 405	5.74 403	10.18 410	5.44 407	8.79 406	2.40 406	2.47 412	2.48 405	2.54 411	2.56 404	2.87 411

ktn	3.02 396	2.27 406	1.85 373	2.89 409	2.54 410	3.72 400	2.14 404	3.79 403	5.33 403	2.82 390	5.09 408	5.95 406	2.54 392	3.34 394	2.58 382	2.65 409	1.44 410	2.78 410	2.03 410	2.61 405	2.10 406

TorneroNet-64	3.54 398	1.89 401	1.59 361	2.62 407	2.29 404	6.88 409	1.72 396	4.72 409	11.88 409	2.43 385	5.46 410	8.16 410	2.80 396	4.13 403	3.03 385	2.25 405	0.75 391	2.57 406	1.09 399	2.65 406	1.84 404

TorneroNet	4.49 402	1.92 402	1.65 369	2.60 406	2.29 404	14.95 417	1.86 401	4.86 410	19.56 425	3.10 399	7.52 413	7.00 409	2.90 397	4.48 404	3.66 389	2.24 404	0.78 394	2.68 408	1.14 401	2.79 407	1.80 403

KSHMR	2.64 392	1.96 403	1.86 374	2.69 408	2.44 406	2.88 393	2.04 403	3.46 399	6.31 405	2.51 387	3.27 387	3.39 392	1.97 379	2.59 389	2.08 370	2.48 407	1.41 409	2.80 411	1.51 407	2.98 408	2.09 405

notaker	2.87 393	2.31 407	2.01 376	3.03 410	2.60 411	2.94 395	1.82 400	3.43 398	3.06 394	2.89 391	4.21 402	6.15 408	2.71 393	3.42 396	2.90 384	2.67 410	1.18 407	3.00 412	1.67 408	3.13 409	2.26 407

SPstereo	24.33 421	4.45 415	7.15 402	4.44 416	4.17 415	45.69 429	77.93 435	63.66 436	33.40 434	27.58 431	26.62 424	39.42 434	33.37 434	42.68 436	50.66 430	4.01 413	3.77 416	6.06 419	4.73 415	3.17 410	3.55 414

UNDER WATER-64	3.72 400	2.07 404	4.57 396	3.30 413	2.52 409	5.61 408	2.63 408	3.67 402	12.27 410	3.09 398	2.66 379	5.99 407	4.74 407	3.93 402	3.57 388	2.54 408	1.24 408	2.65 407	1.48 406	3.21 411	2.62 410

UNDER WATER	3.63 399	2.12 405	4.11 394	3.17 411	2.51 408	3.77 402	2.45 406	3.53 401	13.66 414	2.98 396	2.92 384	5.75 404	4.13 405	3.85 401	3.75 390	2.84 411	1.11 406	2.71 409	1.41 405	3.26 412	2.50 409

JetRed	5.38 408	6.17 416	12.68 411	2.38 403	2.85 412	12.60 416	11.17 414	4.60 406	3.74 397	3.87 405	3.85 396	4.83 398	4.13 405	6.81 410	12.18 411	2.18 403	2.95 414	2.19 400	1.98 409	3.49 413	3.01 412

MADNet++	4.18 401	2.72 414	4.00 391	3.80 415	3.44 414	4.72 405	4.05 411	4.01 404	3.74 397	4.52 407	5.14 409	4.20 395	4.89 408	7.04 411	6.39 401	3.79 412	3.70 415	3.27 414	2.70 413	3.68 414	3.74 415

HanzoNet	6.97 411	2.57 410	4.66 397	3.29 412	2.96 413	3.75 401	2.35 405	5.08 411	7.11 406	14.46 422	13.06 415	17.69 419	22.95 425	13.72 417	6.61 402	4.36 414	1.96 411	3.14 413	2.59 412	3.88 415	3.19 413

tt	6.21 409	0.22 97	5.88 400	3.55 414	2.07 403	11.25 415	19.19 416	11.84 417	5.47 404	2.71 389	2.18 365	4.87 399	6.25 409	3.71 398	7.09 403	8.31 419	11.17 423	4.91 415	5.39 418	5.72 416	2.42 408

ASD4	10.37 413	9.12 419	17.90 412	7.49 418	10.02 416	16.90 418	28.93 420	11.05 416	8.53 408	7.42 413	7.41 411	8.91 411	10.32 411	11.44 416	20.38 418	4.52 415	4.58 417	5.68 418	5.04 417	5.72 416	6.02 417

DGTPSM_ROB	12.12 414	8.03 417	21.12 414	8.97 419	16.81 418	10.68 413	30.77 421	9.14 414	15.23 416	6.55 410	15.49 422	9.02 412	15.13 415	9.26 413	21.71 419	4.58 416	8.60 418	5.07 416	9.26 419	5.88 418	11.06 419

DPSMNet_ROB	12.13 415	8.03 417	21.13 415	9.02 420	16.82 419	10.68 413	30.78 422	9.15 415	15.24 417	6.56 411	15.50 423	9.02 412	15.13 415	9.28 414	21.71 419	4.59 417	8.60 418	5.08 417	9.26 419	5.89 419	11.06 419

DPSM_ROB	17.80 417	18.60 421	24.24 421	20.89 422	19.49 420	25.83 421	36.10 424	21.62 425	16.41 419	13.46 417	14.26 420	19.11 422	16.15 418	20.74 419	25.59 422	9.37 421	9.23 421	9.47 421	9.81 421	13.47 420	12.09 422

DPSM	17.80 417	18.60 421	24.24 421	20.89 422	19.49 420	25.83 421	36.10 424	21.62 425	16.41 419	13.46 417	14.26 420	19.11 422	16.15 418	20.74 419	25.59 422	9.37 421	9.23 421	9.47 421	9.81 421	13.47 420	12.09 422

PML	40.49 435	30.31 426	12.46 410	7.19 417	14.30 417	91.44 436	212.44 437	7.73 412	23.24 426	74.44 436	185.05 437	49.81 436	25.78 426	21.34 421	12.84 412	8.71 420	2.93 413	8.43 420	3.24 414	13.77 422	4.45 416

MyStereo03	35.83 425	37.48 432	48.64 429	42.37 430	39.41 429	51.98 431	72.91 431	43.07 430	33.07 431	27.20 428	28.81 429	38.36 428	32.60 429	41.58 430	51.47 432	18.74 428	18.61 428	19.07 423	19.77 425	27.10 423	24.35 425

MyStereo02	35.83 425	37.48 432	48.64 429	42.37 430	39.41 429	51.98 431	72.91 431	43.07 430	33.07 431	27.20 428	28.81 429	38.36 428	32.60 429	41.58 430	51.47 432	18.74 428	18.61 428	19.07 423	19.77 425	27.10 423	24.35 425

MyStereo	35.83 425	37.48 432	48.64 429	42.37 430	39.41 429	51.98 431	72.91 431	43.07 430	33.07 431	27.20 428	28.81 429	38.36 428	32.60 429	41.58 430	51.47 432	18.74 428	18.61 428	19.07 423	19.77 425	27.10 423	24.35 425

CasAABBNet	35.77 424	37.38 430	48.59 428	42.20 428	39.23 427	51.95 430	72.92 434	43.36 433	33.03 430	26.93 425	28.31 426	38.43 431	32.32 428	41.58 430	51.50 435	18.71 427	18.58 426	19.11 427	19.75 424	27.11 426	24.33 424

Selective-RAFT-Error	35.87 428	37.42 431	48.73 432	42.24 429	39.28 428	52.00 434	72.87 430	43.41 434	32.95 429	26.97 426	28.72 427	38.71 433	33.15 433	41.59 434	51.42 431	18.77 431	18.60 427	19.14 428	19.78 428	27.19 427	24.42 428

LSM0	38.96 434	37.52 435	48.37 427	43.79 433	91.31 437	52.31 435	72.38 429	43.71 435	32.75 428	27.16 427	28.73 428	38.51 432	32.63 432	41.75 435	51.59 436	18.85 432	18.43 425	19.09 426	19.60 423	27.21 428	33.44 430

xxxxx1	36.77 429	19.69 423	24.00 418	62.46 434	66.77 434	27.30 424	39.89 426	20.40 420	18.80 422	14.18 419	13.11 416	17.29 416	17.30 420	21.62 422	27.81 424	13.61 423	18.98 431	111.36 435	133.25 434	28.84 429	38.64 431

tt_ll	36.77 429	19.69 423	24.00 418	62.46 434	66.77 434	27.30 424	39.89 426	20.40 420	18.80 422	14.18 419	13.11 416	17.29 416	17.30 420	21.62 422	27.81 424	13.61 423	18.98 431	111.36 435	133.25 434	28.84 429	38.64 431

ff	36.77 429	19.69 423	24.00 418	62.46 434	66.77 434	27.30 424	39.89 426	20.40 420	18.80 422	14.18 419	13.11 416	17.29 416	17.30 420	21.62 422	27.81 424	13.61 423	18.98 431	111.36 435	133.25 434	28.84 429	38.64 431

LRCNet_RVC	21.27 420	31.14 427	21.46 416	28.97 425	23.77 423	3.11 396	0.62 304	20.94 423	1.64 366	25.57 424	28.13 425	21.96 424	14.74 414	21.99 425	16.44 415	29.16 433	14.92 424	33.57 430	31.28 429	29.67 432	26.33 429

HaxPig	31.93 422	37.19 429	34.22 423	24.41 424	24.94 424	18.53 419	20.18 417	21.15 424	28.84 427	35.74 433	38.86 433	26.18 425	28.75 427	33.85 427	34.15 427	35.89 434	38.80 434	37.79 431	40.52 430	39.33 433	39.33 434

AVERAGE_ROB	37.53 433	40.05 436	40.01 425	34.74 427	33.76 426	28.46 427	25.14 419	32.31 429	34.08 436	41.20 434	40.52 434	34.51 427	34.78 436	39.11 428	37.48 429	42.68 435	43.32 435	43.80 432	42.99 431	40.42 434	41.31 435

MEDIAN_ROB	37.35 432	40.72 437	40.37 426	32.26 426	31.80 425	27.29 423	25.02 418	29.47 428	33.43 435	41.99 435	41.60 435	33.48 426	34.37 435	39.66 429	36.94 428	43.49 436	43.96 436	44.07 433	43.35 432	41.32 435	42.43 436

DLNR_Zeroshot_test	20.12 419	36.36 428	38.38 424	170.13 437	62.28 433	0.22 4	0.20 1	13.43 419	0.40 29	0.45 39	0.66 72	0.42 45	0.21 5	0.64 132	0.32 63	5.57 418	0.10 8	0.15 41	0.11 15	72.31 436	0.13 31

Anonymous_1	33.12 423	18.23 420	23.86 417	20.53 421	21.18 422	25.45 420	35.84 423	22.44 427	15.68 418	13.41 416	13.70 419	18.00 420	15.15 417	20.31 418	24.47 421	14.56 426	8.84 420	66.24 434	117.79 433	155.41 437	11.40 421

test_example2	176.82 436	204.75 438	198.54 436	188.58 438	191.23 438	151.28 437	169.77 436	97.63 437	125.81 437	179.94 437	183.74 436	158.20 437	139.14 437	192.16 437	198.12 437	203.48 437	236.37 437	163.71 438	173.22 437	217.79 438	162.95 437

Low-res two-view benchmark