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	0.14 1	0.11 27	0.32 8	0.18 8	0.16 186	0.20 48	0.18 91	0.21 2	0.18 1	0.14 5	0.20 29	0.12 3	0.17 76	0.17 8	0.14 24	0.06 1	0.05 3	0.06 1	0.04 1	0.05 1	0.14 205

MSKI-zero shot	0.19 36	0.10 11	0.47 72	0.30 304	0.14 107	0.21 64	0.14 12	0.33 67	0.22 12	0.24 60	0.25 58	0.22 72	0.10 3	0.32 137	0.14 24	0.07 13	0.30 370	0.07 13	0.07 44	0.06 2	0.09 57

RAFT-Test	0.19 36	0.11 27	0.41 32	0.26 229	0.21 284	0.26 142	0.17 54	0.37 97	0.26 48	0.24 60	0.29 84	0.32 184	0.14 40	0.22 35	0.15 37	0.07 13	0.08 138	0.07 13	0.07 44	0.06 2	0.07 11

CAS	0.16 11	0.07 1	0.29 3	0.42 364	0.17 211	0.20 48	0.18 91	0.23 3	0.20 5	0.15 9	0.19 24	0.11 2	0.10 3	0.15 1	0.14 24	0.31 369	0.04 1	0.06 1	0.04 1	0.06 2	0.16 226

LoS	0.15 4	0.09 3	0.34 12	0.17 4	0.09 5	0.22 86	0.14 12	0.27 13	0.27 57	0.15 9	0.18 21	0.19 52	0.14 40	0.23 39	0.14 24	0.08 87	0.06 34	0.06 1	0.04 1	0.06 2	0.06 4

Selective-IGEV	0.15 4	0.10 11	0.34 12	0.32 319	0.19 254	0.16 5	0.14 12	0.29 28	0.20 5	0.13 1	0.14 14	0.13 11	0.08 1	0.23 39	0.14 24	0.06 1	0.13 242	0.07 13	0.06 22	0.06 2	0.11 127

EGLCR-Stereo	0.19 36	0.09 3	0.34 12	0.29 298	0.17 211	0.28 162	0.16 40	0.30 37	0.23 15	0.22 47	0.11 1	0.16 31	0.09 2	0.28 97	0.15 37	0.07 13	0.25 345	0.07 13	0.07 44	0.06 2	0.37 357

MC-Stereo	0.18 21	0.10 11	0.36 18	0.28 285	0.14 107	0.18 13	0.15 25	0.24 7	0.20 5	0.21 31	0.24 54	0.16 31	0.13 30	0.25 53	0.14 24	0.07 13	0.17 299	0.07 13	0.07 44	0.06 2	0.30 335

RCA-Stereo	0.17 18	0.10 11	0.33 10	0.20 34	0.11 25	0.19 22	0.17 54	0.39 122	0.36 149	0.21 31	0.25 58	0.17 38	0.17 76	0.18 12	0.15 37	0.07 13	0.14 251	0.07 13	0.06 22	0.06 2	0.08 37

DCANet-4	0.20 56	0.11 27	0.58 203	0.19 13	0.09 5	0.19 22	0.18 91	0.39 122	0.42 205	0.29 114	0.31 105	0.17 38	0.22 137	0.21 24	0.20 114	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 57

fff	0.20 56	0.15 123	0.57 190	0.19 13	0.09 5	0.19 22	0.18 91	0.38 106	0.46 242	0.29 114	0.31 105	0.18 46	0.28 212	0.21 24	0.20 114	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 57

test-3	0.18 21	0.10 11	0.48 84	0.23 128	0.14 107	0.18 13	0.16 40	0.32 55	0.29 78	0.26 76	0.17 17	0.22 72	0.13 30	0.26 70	0.19 98	0.06 1	0.14 251	0.08 59	0.08 103	0.06 2	0.10 98

test_1	0.18 21	0.10 11	0.48 84	0.23 128	0.14 107	0.18 13	0.16 40	0.32 55	0.29 78	0.26 76	0.17 17	0.22 72	0.13 30	0.26 70	0.19 98	0.06 1	0.14 251	0.08 59	0.08 103	0.06 2	0.10 98

TRStereo	0.22 92	0.21 210	0.62 226	0.40 358	0.19 254	0.22 86	0.16 40	0.58 293	0.30 92	0.21 31	0.21 41	0.22 72	0.13 30	0.27 79	0.14 24	0.09 142	0.09 167	0.09 119	0.11 232	0.06 2	0.19 254

STrans-v2	0.25 171	0.14 107	0.56 183	0.21 53	0.12 48	0.23 102	0.20 154	0.50 219	0.31 99	0.31 150	0.42 209	0.35 211	0.35 271	0.62 268	0.24 166	0.07 13	0.05 3	0.08 59	0.07 44	0.06 2	0.08 37

TransformOpticalFlow	0.24 147	0.14 107	0.57 190	0.24 165	0.11 25	0.21 64	0.19 123	0.43 155	0.34 129	0.30 135	0.43 221	0.36 216	0.31 248	0.61 260	0.20 114	0.07 13	0.05 3	0.08 59	0.07 44	0.06 2	0.08 37

ASMatch	0.23 121	0.11 27	0.55 173	0.25 197	0.14 107	0.19 22	0.16 40	0.32 55	0.30 92	0.28 91	0.68 337	0.28 143	0.26 187	0.50 213	0.22 146	0.07 13	0.06 34	0.08 59	0.07 44	0.06 2	0.11 127

RAFT-RH_RVC	0.26 190	0.13 73	0.57 190	0.22 85	0.12 48	0.25 129	0.14 12	0.27 13	0.29 78	0.38 247	1.14 375	0.23 85	0.18 102	0.58 243	0.24 166	0.07 13	0.06 34	0.10 181	0.07 44	0.06 2	0.08 37

RAFT-345	0.22 92	0.11 27	0.55 173	0.22 85	0.12 48	0.20 48	0.16 40	0.27 13	0.28 65	0.27 85	0.65 331	0.20 59	0.17 76	0.55 234	0.22 146	0.07 13	0.06 34	0.08 59	0.07 44	0.06 2	0.07 11

AnonymousM	0.19 36	0.20 203	0.30 4	0.18 8	0.10 17	0.19 22	0.17 54	0.32 55	0.27 57	0.27 85	0.21 41	0.18 46	0.14 40	0.21 24	0.16 46	0.09 142	0.08 138	0.38 372	0.15 316	0.06 2	0.08 37

test-1	0.20 56	0.12 57	0.49 101	0.23 128	0.23 308	0.22 86	0.23 218	0.36 85	0.29 78	0.21 31	0.25 58	0.24 100	0.14 40	0.18 12	0.22 146	0.07 13	0.14 251	0.08 59	0.07 44	0.06 2	0.14 205

CREStereo++_RVC	0.16 11	0.09 3	0.42 40	0.17 4	0.11 25	0.18 13	0.13 2	0.23 3	0.31 99	0.21 31	0.31 105	0.13 11	0.11 9	0.17 8	0.16 46	0.07 13	0.04 1	0.06 1	0.15 316	0.06 2	0.05 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	0.18 21	0.09 3	0.38 24	0.18 8	0.07 1	0.33 227	0.19 123	0.39 122	0.34 129	0.24 60	0.25 58	0.18 46	0.18 102	0.25 53	0.17 58	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.05 1

csc	0.20 56	0.15 123	0.57 190	0.19 13	0.09 5	0.19 22	0.18 91	0.38 106	0.46 242	0.29 114	0.31 105	0.18 46	0.28 212	0.21 24	0.20 114	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 57

cscssc	0.20 56	0.15 123	0.57 190	0.19 13	0.09 5	0.19 22	0.18 91	0.38 106	0.46 242	0.29 114	0.31 105	0.18 46	0.28 212	0.21 24	0.20 114	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 57

CFNet-RSSM	0.18 21	0.10 11	0.45 55	0.20 34	0.12 48	0.20 48	0.16 40	0.40 131	0.31 99	0.23 54	0.21 41	0.26 127	0.15 49	0.21 24	0.14 24	0.07 13	0.05 3	0.07 13	0.07 44	0.06 2	0.06 4

Gwc-CoAtRS	0.17 18	0.10 11	0.41 32	0.20 34	0.12 48	0.20 48	0.15 25	0.34 71	0.29 78	0.23 54	0.23 49	0.27 131	0.15 49	0.21 24	0.14 24	0.07 13	0.06 34	0.07 13	0.07 44	0.06 2	0.07 11

R-Stereo Train	0.19 36	0.10 11	0.49 101	0.22 85	0.12 48	0.23 102	0.18 91	0.43 155	0.20 5	0.31 150	0.45 243	0.20 59	0.14 40	0.18 12	0.18 77	0.08 87	0.06 34	0.07 13	0.06 22	0.06 2	0.07 11

RAFT-Stereo	0.19 36	0.10 11	0.49 101	0.22 85	0.12 48	0.23 102	0.18 91	0.43 155	0.20 5	0.31 150	0.45 243	0.20 59	0.14 40	0.18 12	0.18 77	0.08 87	0.06 34	0.07 13	0.06 22	0.06 2	0.07 11
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AE-Stereo	0.21 79	0.12 57	0.50 119	0.25 197	0.15 157	0.24 120	0.18 91	0.40 131	0.34 129	0.19 23	0.26 65	0.21 69	0.13 30	0.22 35	0.16 46	0.07 13	0.26 351	0.09 119	0.10 208	0.07 30	0.31 338

StereoIM	0.15 4	0.17 166	0.39 26	0.19 13	0.15 157	0.16 5	0.13 2	0.26 10	0.22 12	0.13 1	0.15 15	0.14 21	0.11 9	0.17 8	0.17 58	0.08 87	0.07 92	0.08 59	0.06 22	0.07 30	0.06 4

AEACV	0.20 56	0.09 3	0.32 8	0.39 354	0.34 355	0.21 64	0.16 40	0.30 37	0.18 1	0.17 15	0.17 17	0.13 11	0.16 61	0.27 79	0.13 7	0.07 13	0.29 369	0.07 13	0.09 164	0.07 30	0.37 357

Any-RAFT	0.18 21	0.09 3	0.33 10	0.19 13	0.10 17	0.29 179	0.16 40	0.44 173	0.32 107	0.25 71	0.27 74	0.29 155	0.16 61	0.23 39	0.13 7	0.08 87	0.07 92	0.06 1	0.05 8	0.07 30	0.07 11

HH	0.22 92	0.12 57	0.55 173	0.32 319	0.16 186	0.27 148	0.18 91	0.36 85	0.25 42	0.20 27	0.26 65	0.34 197	0.18 102	0.33 146	0.15 37	0.07 13	0.16 281	0.07 13	0.07 44	0.07 30	0.31 338

HanStereo	0.22 92	0.12 57	0.55 173	0.32 319	0.16 186	0.27 148	0.18 91	0.36 85	0.25 42	0.20 27	0.26 65	0.34 197	0.18 102	0.33 146	0.15 37	0.07 13	0.16 281	0.07 13	0.07 44	0.07 30	0.31 338

DCRE	0.24 147	0.15 123	0.45 55	0.26 229	0.26 332	0.23 102	0.21 173	0.37 97	0.29 78	0.23 54	0.81 355	0.23 85	0.16 61	0.24 45	0.18 77	0.07 13	0.14 251	0.07 13	0.08 103	0.07 30	0.25 311

ProNet	0.16 11	0.13 73	0.36 18	0.21 53	0.15 157	0.20 48	0.19 123	0.29 28	0.23 15	0.14 5	0.13 5	0.13 11	0.12 15	0.25 53	0.13 7	0.06 1	0.09 167	0.07 13	0.06 22	0.07 30	0.22 283

ADStereo(finetuned)	0.21 79	0.15 123	0.59 210	0.19 13	0.09 5	0.19 22	0.18 91	0.37 97	0.41 193	0.30 135	0.31 105	0.19 52	0.31 248	0.21 24	0.20 114	0.07 13	0.05 3	0.07 13	0.05 8	0.07 30	0.10 98

test_4	0.19 36	0.16 143	0.39 26	0.24 165	0.13 80	0.19 22	0.21 173	0.27 13	0.24 24	0.24 60	0.47 262	0.22 72	0.13 30	0.27 79	0.18 77	0.06 1	0.06 34	0.09 119	0.09 164	0.07 30	0.06 4

GLC_STEREO	0.15 4	0.11 27	0.31 6	0.22 85	0.09 5	0.17 9	0.15 25	0.24 7	0.28 65	0.17 15	0.20 29	0.17 38	0.11 9	0.24 45	0.17 58	0.07 13	0.09 167	0.09 119	0.08 103	0.07 30	0.07 11

IPLG	0.23 121	0.19 191	0.65 238	0.21 53	0.12 48	0.28 162	0.17 54	0.45 180	0.32 107	0.33 184	0.32 114	0.16 31	0.17 76	0.50 213	0.23 161	0.07 13	0.06 34	0.08 59	0.07 44	0.07 30	0.08 37

MIPNet	0.22 92	0.19 191	0.64 235	0.22 85	0.12 48	0.28 162	0.20 154	0.48 204	0.39 180	0.31 150	0.24 54	0.19 52	0.24 164	0.28 97	0.20 114	0.07 13	0.05 3	0.08 59	0.07 44	0.07 30	0.08 37

IPLGR	0.22 92	0.14 107	0.75 268	0.21 53	0.11 25	0.25 129	0.18 91	0.44 173	0.38 169	0.29 114	0.28 78	0.21 69	0.19 119	0.37 179	0.19 98	0.07 13	0.06 34	0.08 59	0.07 44	0.07 30	0.07 11

test_3	0.20 56	0.12 57	0.49 101	0.26 229	0.14 107	0.22 86	0.25 253	0.34 71	0.33 121	0.25 71	0.18 21	0.23 85	0.13 30	0.25 53	0.20 114	0.06 1	0.14 251	0.09 119	0.10 208	0.07 30	0.10 98

DEmStereo	0.26 190	0.10 11	0.52 147	0.19 13	0.13 80	0.31 208	0.25 253	0.29 28	0.38 169	0.36 224	0.57 305	0.24 100	0.48 325	0.53 226	0.44 282	0.07 13	0.06 34	0.08 59	0.08 103	0.07 30	0.08 37

THIR-Stereo	0.30 239	0.15 123	0.46 67	0.19 13	0.11 25	0.28 162	0.70 378	0.33 67	0.36 149	0.37 239	0.64 329	0.33 190	0.49 329	0.58 243	0.44 282	0.08 87	0.06 34	0.08 59	0.09 164	0.07 30	0.08 37

DRaft	0.25 171	0.11 27	0.47 72	0.18 8	0.12 48	0.28 162	0.23 218	0.34 71	0.40 188	0.38 247	0.60 316	0.20 59	0.41 301	0.48 207	0.41 269	0.07 13	0.06 34	0.08 59	0.08 103	0.07 30	0.08 37

GrayStereo	0.26 190	0.10 11	0.45 55	0.27 261	0.14 107	0.23 102	0.46 351	0.36 85	0.33 121	0.40 267	0.47 262	0.30 165	0.78 366	0.29 114	0.17 58	0.07 13	0.06 34	0.08 59	0.09 164	0.07 30	0.15 216

CroCo-Stereo	0.15 4	0.16 143	0.34 12	0.25 197	0.12 48	0.11 1	0.18 91	0.35 80	0.24 24	0.13 1	0.13 5	0.18 46	0.12 15	0.15 1	0.13 7	0.08 87	0.06 34	0.07 13	0.05 8	0.07 30	0.06 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
cross-raft	0.18 21	0.12 57	0.40 30	0.27 261	0.16 186	0.20 48	0.24 240	0.34 71	0.24 24	0.23 54	0.28 78	0.29 155	0.15 49	0.19 21	0.16 46	0.06 1	0.05 3	0.08 59	0.07 44	0.07 30	0.07 11

raft+_RVC	0.21 79	0.21 210	0.46 67	0.22 85	0.35 358	0.21 64	0.16 40	0.39 122	0.35 136	0.22 47	0.28 78	0.20 59	0.15 49	0.25 53	0.20 114	0.08 87	0.16 281	0.08 59	0.07 44	0.07 30	0.12 162

TANstereo	0.16 11	0.11 27	0.43 45	0.16 3	0.08 2	0.25 129	0.14 12	0.23 3	0.29 78	0.25 71	0.30 95	0.16 31	0.12 15	0.18 12	0.13 7	0.08 87	0.07 92	0.06 1	0.05 8	0.07 30	0.08 37

XX-TBD	0.16 11	0.21 210	0.43 45	0.22 85	0.10 17	0.23 102	0.15 25	0.23 3	0.28 65	0.22 47	0.26 65	0.14 21	0.12 15	0.16 3	0.14 24	0.08 87	0.05 3	0.06 1	0.04 1	0.07 30	0.06 4

raftrobust	0.19 36	0.19 191	0.42 40	0.23 128	0.24 319	0.19 22	0.13 2	0.33 67	0.28 65	0.26 76	0.20 29	0.19 52	0.17 76	0.23 39	0.17 58	0.08 87	0.10 192	0.07 13	0.06 22	0.07 30	0.09 57

XX-Stereo	0.25 171	0.11 27	1.09 341	0.35 339	0.38 366	0.23 102	0.13 2	0.43 155	0.19 3	0.20 27	0.40 191	0.31 174	0.10 3	0.33 146	0.13 7	0.08 87	0.11 212	0.08 59	0.09 164	0.07 30	0.10 98

DCANet	0.20 56	0.15 123	0.57 190	0.19 13	0.09 5	0.19 22	0.18 91	0.37 97	0.41 193	0.30 135	0.31 105	0.19 52	0.23 146	0.21 24	0.20 114	0.07 13	0.05 3	0.07 13	0.05 8	0.07 30	0.10 98

111	0.22 92	0.22 224	0.57 190	0.19 13	0.09 5	0.24 120	0.17 54	0.44 173	0.46 242	0.24 60	0.30 95	0.29 155	0.22 137	0.25 53	0.19 98	0.08 87	0.05 3	0.07 13	0.06 22	0.07 30	0.15 216

RAFT-Stereo + iAFF	0.20 56	0.23 237	0.49 101	0.21 53	0.16 186	0.19 22	0.17 54	0.35 80	0.32 107	0.26 76	0.33 129	0.20 59	0.17 76	0.21 24	0.17 58	0.06 1	0.10 192	0.07 13	0.07 44	0.07 30	0.11 127

EAI-Stereo	0.29 227	0.11 27	0.38 24	0.22 85	0.18 231	0.33 227	1.66 407	0.53 244	0.27 57	0.27 85	0.50 275	0.17 38	0.16 61	0.25 53	0.25 178	0.07 13	0.07 92	0.07 13	0.11 232	0.07 30	0.10 98

CREStereo	0.14 1	0.09 3	0.27 2	0.14 1	0.08 2	0.22 86	0.15 25	0.26 10	0.26 48	0.16 11	0.21 41	0.14 21	0.13 30	0.19 21	0.14 24	0.09 142	0.05 3	0.06 1	0.04 1	0.07 30	0.06 4
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	0.16 11	0.09 3	0.31 6	0.15 2	0.09 5	0.23 102	0.15 25	0.26 10	0.24 24	0.17 15	0.21 41	0.16 31	0.14 40	0.23 39	0.14 24	0.29 365	0.05 3	0.06 1	0.04 1	0.07 30	0.07 11

DIP-Stereo	0.20 56	0.13 73	0.48 84	0.20 34	0.13 80	0.28 162	0.12 1	0.43 155	0.26 48	0.27 85	0.32 114	0.21 69	0.17 76	0.26 70	0.20 114	0.08 87	0.06 34	0.08 59	0.06 22	0.07 30	0.10 98
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MLCV	0.25 171	0.23 237	0.59 210	0.22 85	0.09 5	0.30 190	0.18 91	0.40 131	0.38 169	0.38 247	0.44 230	0.31 174	0.22 137	0.44 196	0.32 230	0.07 13	0.05 3	0.07 13	0.06 22	0.07 30	0.08 37

tta	0.27 206	0.13 73	0.47 72	0.20 34	0.10 17	0.28 162	0.19 123	0.54 251	0.48 261	0.35 213	0.42 209	0.31 174	0.27 193	0.60 254	0.34 242	0.10 197	0.16 281	0.08 59	0.09 164	0.08 64	0.13 182

qqq1	0.26 190	0.13 73	0.47 72	0.20 34	0.10 17	0.28 162	0.19 123	0.54 251	0.48 261	0.35 213	0.42 209	0.31 174	0.27 193	0.60 254	0.21 131	0.10 197	0.16 281	0.07 13	0.07 44	0.08 64	0.13 182

fff1	0.26 190	0.13 73	0.47 72	0.20 34	0.10 17	0.28 162	0.19 123	0.54 251	0.48 261	0.35 213	0.42 209	0.31 174	0.27 193	0.60 254	0.21 131	0.10 197	0.16 281	0.07 13	0.07 44	0.08 64	0.13 182

CoDeX	0.24 147	0.13 73	0.48 84	0.22 85	0.14 107	0.29 179	0.21 173	0.55 262	0.42 205	0.29 114	0.36 156	0.28 143	0.23 146	0.48 207	0.20 114	0.09 142	0.06 34	0.08 59	0.07 44	0.08 64	0.08 37

cc1	0.22 92	0.16 143	0.50 119	0.27 261	0.13 80	0.31 208	0.19 123	0.39 122	0.48 261	0.21 31	0.20 29	0.13 11	0.17 76	0.28 97	0.12 1	0.08 87	0.28 358	0.08 59	0.06 22	0.08 64	0.37 357

ff7	0.18 21	0.13 73	0.41 32	0.21 53	0.15 157	0.21 64	0.17 54	0.28 17	0.23 15	0.21 31	0.13 5	0.12 3	0.12 15	0.27 79	0.13 7	0.07 13	0.25 345	0.08 59	0.07 44	0.08 64	0.36 349

IGEVStereo-DCA	0.20 56	0.17 166	0.41 32	0.22 85	0.15 157	0.20 48	0.17 54	0.28 17	0.23 15	0.19 23	0.12 2	0.14 21	0.12 15	0.38 181	0.31 224	0.07 13	0.16 281	0.08 59	0.07 44	0.08 64	0.36 349

ffff	0.18 21	0.13 73	0.41 32	0.21 53	0.15 157	0.21 64	0.17 54	0.28 17	0.23 15	0.21 31	0.13 5	0.12 3	0.12 15	0.27 79	0.13 7	0.07 13	0.25 345	0.08 59	0.07 44	0.08 64	0.36 349

rrr	0.22 92	0.17 166	0.79 283	0.22 85	0.15 157	0.20 48	0.18 91	0.40 131	0.27 57	0.19 23	0.12 2	0.14 21	0.12 15	0.38 181	0.31 224	0.07 13	0.16 281	0.08 59	0.07 44	0.08 64	0.28 329

DualNet	0.33 261	0.17 166	0.84 295	0.21 53	0.13 80	0.29 179	0.21 173	0.38 106	0.46 242	0.31 150	0.44 230	0.34 197	0.24 164	0.28 97	1.30 374	0.08 87	0.28 358	0.12 257	0.11 232	0.08 64	0.37 357

ffm	0.27 206	0.17 166	0.84 295	0.21 53	0.13 80	0.29 179	0.21 173	0.38 106	0.46 242	0.31 150	0.44 230	0.34 197	0.24 164	0.28 97	0.12 1	0.08 87	0.28 358	0.12 257	0.11 232	0.08 64	0.37 357

ff1	0.36 277	0.17 166	0.84 295	0.21 53	0.13 80	0.29 179	0.21 173	0.38 106	0.46 242	0.31 150	0.44 230	0.34 197	0.24 164	0.91 350	1.30 374	0.08 87	0.28 358	0.12 257	0.11 232	0.08 64	0.37 357

11t	0.18 21	0.13 73	0.41 32	0.21 53	0.15 157	0.21 64	0.17 54	0.28 17	0.23 15	0.21 31	0.13 5	0.12 3	0.12 15	0.27 79	0.13 7	0.07 13	0.25 345	0.08 59	0.07 44	0.08 64	0.36 349

tt1	0.22 92	0.16 143	0.49 101	0.26 229	0.15 157	0.31 208	0.19 123	0.38 106	0.46 242	0.21 31	0.19 24	0.13 11	0.16 61	0.28 97	0.12 1	0.08 87	0.28 358	0.08 59	0.06 22	0.08 64	0.37 357

IGEV_Zeroshot_test	0.23 121	0.11 27	0.82 290	0.21 53	0.23 308	0.20 48	0.19 123	0.38 106	0.23 15	0.34 198	0.22 47	0.29 155	0.14 40	0.24 45	0.20 114	0.07 13	0.09 167	0.08 59	0.08 103	0.08 64	0.35 348

MIF-Stereo	0.15 4	0.12 57	0.45 55	0.21 53	0.14 107	0.17 9	0.13 2	0.20 1	0.19 3	0.16 11	0.20 29	0.10 1	0.11 9	0.18 12	0.17 58	0.08 87	0.06 34	0.07 13	0.06 22	0.08 64	0.07 11

MIM_Stereo	0.20 56	0.17 166	0.55 173	0.20 34	0.21 284	0.17 9	0.14 12	0.37 97	0.27 57	0.28 91	0.35 143	0.23 85	0.13 30	0.28 97	0.16 46	0.06 1	0.08 138	0.09 119	0.08 103	0.08 64	0.15 216

CASnet	0.15 4	0.13 73	0.30 4	0.22 85	0.08 2	0.15 4	0.14 12	0.28 17	0.26 48	0.23 54	0.20 29	0.15 27	0.11 9	0.18 12	0.13 7	0.07 13	0.05 3	0.11 227	0.09 164	0.08 64	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
4D-IteraStereo	0.20 56	0.21 210	0.62 226	0.21 53	0.14 107	0.19 22	0.17 54	0.29 28	0.28 65	0.24 60	0.20 29	0.20 59	0.10 3	0.22 35	0.18 77	0.07 13	0.07 92	0.10 181	0.08 103	0.08 64	0.33 343

anonymousdsp2	0.23 121	0.11 27	0.42 40	0.26 229	0.24 319	0.25 129	0.17 54	0.43 155	0.37 162	0.30 135	0.23 49	0.24 100	0.15 49	0.32 137	0.17 58	0.07 13	0.28 358	0.07 13	0.05 8	0.08 64	0.44 370

anonymousdsp	0.20 56	0.13 73	0.49 101	0.28 285	0.20 271	0.21 64	0.17 54	0.29 28	0.24 24	0.22 47	0.13 5	0.12 3	0.12 15	0.32 137	0.13 7	0.07 13	0.26 351	0.08 59	0.07 44	0.08 64	0.48 376

CES	0.14 1	0.08 2	0.24 1	0.17 4	0.23 308	0.18 13	0.15 25	0.24 7	0.20 5	0.14 5	0.18 21	0.14 21	0.10 3	0.19 21	0.12 1	0.07 13	0.05 3	0.06 1	0.04 1	0.08 64	0.20 266

anonymousa	0.26 190	0.13 73	0.56 183	0.29 298	0.30 349	0.31 208	0.20 154	0.38 106	0.36 149	0.33 184	0.51 278	0.41 246	0.27 193	0.25 53	0.24 166	0.08 87	0.18 306	0.09 119	0.18 340	0.08 64	0.17 238

Selective-RAFT	0.19 36	0.14 107	0.37 23	0.24 165	0.11 25	0.30 190	0.15 25	0.35 80	0.34 129	0.17 15	0.17 17	0.22 72	0.18 102	0.29 114	0.18 77	0.07 13	0.16 281	0.07 13	0.07 44	0.08 64	0.08 37

CroCo-Stereo Lap2	0.16 11	0.18 183	0.39 26	0.26 229	0.18 231	0.11 1	0.19 123	0.30 37	0.22 12	0.13 1	0.16 16	0.15 27	0.11 9	0.17 8	0.15 37	0.07 13	0.07 92	0.08 59	0.06 22	0.08 64	0.07 11

TestStereo1	0.23 121	0.22 224	0.50 119	0.27 261	0.14 107	0.26 142	0.27 268	0.43 155	0.38 169	0.29 114	0.39 184	0.23 85	0.21 132	0.33 146	0.18 77	0.08 87	0.08 138	0.09 119	0.08 103	0.08 64	0.10 98

ccc-4	0.18 21	0.13 73	0.41 32	0.21 53	0.15 157	0.21 64	0.17 54	0.28 17	0.23 15	0.21 31	0.13 5	0.12 3	0.12 15	0.27 79	0.13 7	0.07 13	0.25 345	0.08 59	0.07 44	0.08 64	0.36 349

DisPM	0.20 56	0.11 27	0.52 147	0.24 165	0.13 80	0.18 13	0.19 123	0.30 37	0.31 99	0.33 184	0.34 137	0.23 85	0.16 61	0.34 160	0.17 58	0.09 142	0.06 34	0.09 119	0.08 103	0.08 64	0.12 162

raft_robust	0.25 171	0.23 237	0.44 52	0.22 85	0.13 80	0.23 102	0.22 195	0.52 234	0.50 279	0.33 184	0.32 114	0.33 190	0.23 146	0.55 234	0.18 77	0.07 13	0.11 212	0.08 59	0.10 208	0.08 64	0.07 11

RAFT_CTSACE	0.23 121	0.21 210	0.57 190	0.26 229	0.15 157	0.22 86	0.23 218	0.34 71	0.30 92	0.34 198	0.51 278	0.31 174	0.17 76	0.33 146	0.15 37	0.06 1	0.09 167	0.09 119	0.08 103	0.08 64	0.07 11

SA-5K	0.23 121	0.22 224	0.50 119	0.27 261	0.14 107	0.26 142	0.27 268	0.43 155	0.38 169	0.29 114	0.39 184	0.23 85	0.21 132	0.33 146	0.18 77	0.08 87	0.08 138	0.09 119	0.08 103	0.08 64	0.10 98

Sa-1000	0.24 147	0.20 203	0.53 157	0.23 128	0.14 107	0.30 190	0.23 218	0.50 219	0.41 193	0.30 135	0.50 275	0.26 127	0.19 119	0.33 146	0.16 46	0.08 87	0.10 192	0.10 181	0.11 232	0.08 64	0.08 37

SA	0.24 147	0.22 224	0.55 173	0.23 128	0.14 107	0.25 129	0.23 218	0.48 204	0.42 205	0.28 91	0.44 230	0.23 85	0.23 146	0.34 160	0.17 58	0.07 13	0.09 167	0.11 227	0.11 232	0.08 64	0.09 57

IGEV-Stereo	0.20 56	0.13 73	0.49 101	0.28 285	0.20 271	0.21 64	0.17 54	0.29 28	0.24 24	0.22 47	0.13 5	0.12 3	0.12 15	0.32 137	0.13 7	0.07 13	0.26 351	0.08 59	0.07 44	0.08 64	0.48 376
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CIPLG	0.23 121	0.28 283	0.75 268	0.24 165	0.16 186	0.25 129	0.20 154	0.38 106	0.33 121	0.32 175	0.34 137	0.23 85	0.15 49	0.27 79	0.22 146	0.09 142	0.07 92	0.08 59	0.07 44	0.08 64	0.09 57

iRaft-Stereo_20w	0.29 227	0.11 27	0.86 302	0.33 330	0.24 319	0.32 221	0.26 263	0.60 310	0.26 48	0.41 277	0.21 41	0.28 143	0.19 119	0.32 137	0.24 166	0.07 13	0.31 374	0.07 13	0.09 164	0.08 64	0.47 374

IPLGR_C	0.23 121	0.29 286	0.81 287	0.24 165	0.16 186	0.24 120	0.20 154	0.38 106	0.33 121	0.32 175	0.33 129	0.23 85	0.15 49	0.26 70	0.22 146	0.09 142	0.07 92	0.08 59	0.07 44	0.08 64	0.09 57

GMOStereo	0.20 56	0.17 166	0.45 55	0.23 128	0.18 231	0.21 64	0.27 268	0.28 17	0.28 65	0.31 150	0.32 114	0.28 143	0.17 76	0.16 3	0.13 7	0.07 13	0.23 336	0.10 181	0.08 103	0.08 64	0.07 11

error version	0.20 56	0.17 166	0.45 55	0.23 128	0.18 231	0.21 64	0.27 268	0.28 17	0.28 65	0.31 150	0.32 114	0.28 143	0.17 76	0.16 3	0.13 7	0.07 13	0.23 336	0.10 181	0.08 103	0.08 64	0.07 11

test-v	0.20 56	0.17 166	0.45 55	0.23 128	0.18 231	0.21 64	0.27 268	0.28 17	0.28 65	0.31 150	0.32 114	0.28 143	0.17 76	0.16 3	0.13 7	0.07 13	0.23 336	0.10 181	0.08 103	0.08 64	0.07 11

ACRE	0.23 121	0.27 276	0.83 292	0.24 165	0.15 157	0.24 120	0.20 154	0.38 106	0.32 107	0.32 175	0.33 129	0.23 85	0.15 49	0.26 70	0.22 146	0.09 142	0.07 92	0.08 59	0.07 44	0.08 64	0.09 57

CrosDoStereo	0.32 254	0.11 27	0.53 157	0.19 13	0.12 48	0.22 86	1.07 397	0.36 85	0.38 169	0.38 247	0.60 316	0.28 143	0.45 312	0.61 260	0.56 316	0.08 87	0.06 34	0.08 59	0.09 164	0.08 64	0.09 57

PFNet+	0.21 79	0.11 27	0.54 167	0.22 85	0.12 48	0.17 9	0.18 91	0.31 51	0.36 149	0.33 184	0.32 114	0.24 100	0.16 61	0.33 146	0.18 77	0.10 197	0.07 92	0.11 227	0.10 208	0.08 64	0.12 162

HHNet	0.23 121	0.12 57	0.66 241	0.19 13	0.18 231	0.20 48	0.20 154	0.36 85	0.32 107	0.33 184	0.59 312	0.19 52	0.21 132	0.24 45	0.31 224	0.08 87	0.06 34	0.09 119	0.07 44	0.08 64	0.12 162

OMP-Stereo	0.24 147	0.16 143	0.48 84	0.30 304	0.13 80	0.21 64	0.16 40	0.38 106	0.35 136	0.34 198	0.30 95	0.33 190	0.20 125	0.70 296	0.24 166	0.08 87	0.06 34	0.09 119	0.07 44	0.08 64	0.07 11

IIG-Stereo	0.24 147	0.16 143	0.47 72	0.29 298	0.12 48	0.23 102	0.14 12	0.40 131	0.33 121	0.35 213	0.37 164	0.33 190	0.22 137	0.70 296	0.26 187	0.08 87	0.06 34	0.09 119	0.07 44	0.08 64	0.07 11

NF-Stereo	0.22 92	0.11 27	0.52 147	0.25 197	0.12 48	0.21 64	0.18 91	0.40 131	0.35 136	0.28 91	0.30 95	0.22 72	0.17 76	0.52 224	0.21 131	0.09 142	0.06 34	0.09 119	0.08 103	0.08 64	0.13 182

OCTAStereo	0.22 92	0.11 27	0.52 147	0.25 197	0.12 48	0.21 64	0.18 91	0.40 131	0.35 136	0.28 91	0.30 95	0.22 72	0.17 76	0.51 218	0.21 131	0.09 142	0.06 34	0.09 119	0.08 103	0.08 64	0.13 182

PSM-softLoss	0.22 92	0.11 27	0.53 157	0.25 197	0.12 48	0.20 48	0.17 54	0.39 122	0.29 78	0.29 114	0.32 114	0.24 100	0.16 61	0.53 226	0.21 131	0.09 142	0.06 34	0.10 181	0.09 164	0.08 64	0.12 162

KMStereo	0.22 92	0.11 27	0.53 157	0.25 197	0.12 48	0.20 48	0.17 54	0.39 122	0.29 78	0.29 114	0.32 114	0.24 100	0.16 61	0.53 226	0.21 131	0.09 142	0.06 34	0.10 181	0.09 164	0.08 64	0.12 162

FTStereo	0.28 213	0.11 27	0.56 183	0.24 165	0.13 80	0.21 64	0.52 364	0.36 85	0.28 65	0.38 247	0.94 367	0.30 165	0.56 343	0.33 146	0.18 77	0.08 87	0.06 34	0.09 119	0.08 103	0.08 64	0.19 254

KYRaft	0.23 121	0.11 27	0.43 45	0.23 128	0.12 48	0.23 102	0.23 218	0.37 97	0.26 48	0.35 213	0.53 291	0.34 197	0.26 187	0.29 114	0.16 46	0.07 13	0.05 3	0.09 119	0.10 208	0.08 64	0.30 335

DeepStereo_LL	0.32 254	0.11 27	0.53 157	0.19 13	0.12 48	0.22 86	1.07 397	0.36 85	0.38 169	0.38 247	0.60 316	0.28 143	0.45 312	0.61 260	0.56 316	0.08 87	0.06 34	0.08 59	0.09 164	0.08 64	0.09 57

PFNet	0.24 147	0.11 27	0.63 231	0.25 197	0.14 107	0.22 86	0.19 123	0.40 131	0.35 136	0.36 224	0.32 114	0.27 131	0.20 125	0.63 271	0.23 161	0.09 142	0.05 3	0.09 119	0.08 103	0.08 64	0.08 37

RE-Stereo	0.22 92	0.11 27	0.52 147	0.25 197	0.12 48	0.21 64	0.18 91	0.40 131	0.35 136	0.28 91	0.30 95	0.22 72	0.17 76	0.51 218	0.21 131	0.09 142	0.06 34	0.09 119	0.08 103	0.08 64	0.13 182

Pruner-Stereo	0.20 56	0.12 57	0.49 101	0.29 298	0.12 48	0.19 22	0.17 54	0.32 55	0.31 99	0.33 184	0.32 114	0.25 111	0.15 49	0.25 53	0.22 146	0.09 142	0.06 34	0.09 119	0.08 103	0.08 64	0.10 98

TVStereo	0.22 92	0.11 27	0.52 147	0.25 197	0.12 48	0.21 64	0.18 91	0.40 131	0.35 136	0.28 91	0.30 95	0.22 72	0.17 76	0.51 218	0.21 131	0.09 142	0.06 34	0.09 119	0.08 103	0.08 64	0.13 182

IRAFT_RVC	0.23 121	0.15 123	0.54 167	0.26 229	0.12 48	0.19 22	0.23 218	0.41 149	0.39 180	0.31 150	0.30 95	0.29 155	0.24 164	0.55 234	0.23 161	0.08 87	0.06 34	0.10 181	0.08 103	0.08 64	0.08 37

test-2	0.20 56	0.17 166	0.45 55	0.23 128	0.18 231	0.21 64	0.27 268	0.28 17	0.28 65	0.31 150	0.32 114	0.28 143	0.17 76	0.16 3	0.13 7	0.07 13	0.23 336	0.10 181	0.08 103	0.08 64	0.07 11

GMM-Stereo	0.22 92	0.10 11	0.56 183	0.23 128	0.13 80	0.24 120	0.24 240	0.38 106	0.29 78	0.31 150	0.44 230	0.27 131	0.21 132	0.31 132	0.17 58	0.07 13	0.05 3	0.10 181	0.09 164	0.08 64	0.19 254

Prome-Stereo	0.22 92	0.10 11	0.43 45	0.24 165	0.13 80	0.23 102	0.23 218	0.37 97	0.27 57	0.33 184	0.58 308	0.24 100	0.28 212	0.30 123	0.16 46	0.07 13	0.05 3	0.08 59	0.07 44	0.08 64	0.20 266

test_xeample3	0.22 92	0.17 166	0.81 287	0.21 53	0.15 157	0.20 48	0.18 91	0.40 131	0.25 42	0.19 23	0.12 2	0.13 11	0.12 15	0.34 160	0.33 238	0.07 13	0.20 318	0.07 13	0.08 103	0.08 64	0.34 346

AFF-stereo	0.20 56	0.24 247	0.49 101	0.22 85	0.11 25	0.18 13	0.18 91	0.35 80	0.29 78	0.25 71	0.36 156	0.25 111	0.17 76	0.25 53	0.17 58	0.06 1	0.09 167	0.08 59	0.08 103	0.08 64	0.11 127

cf-r	0.26 190	0.22 224	0.66 241	0.22 85	0.14 107	0.28 162	0.22 195	0.44 173	0.42 205	0.32 175	0.42 209	0.43 262	0.27 193	0.44 196	0.27 194	0.11 228	0.07 92	0.08 59	0.10 208	0.08 64	0.09 57

RASNet	0.30 239	0.19 191	0.59 210	0.23 128	0.19 254	0.33 227	0.20 154	0.50 219	0.41 193	0.31 150	0.44 230	0.47 286	0.38 286	0.79 325	0.40 265	0.09 142	0.07 92	0.07 13	0.09 164	0.08 64	0.10 98

HSM-Net_RVC	0.28 213	0.12 57	0.48 84	0.19 13	0.11 25	0.35 254	0.21 173	0.64 334	0.44 222	0.40 267	0.43 221	0.50 299	0.27 193	0.75 312	0.25 178	0.08 87	0.07 92	0.08 59	0.07 44	0.08 64	0.09 57
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iResNet	0.25 171	0.22 224	0.62 226	0.26 229	0.11 25	0.31 208	0.23 218	0.46 186	0.45 233	0.34 198	0.43 221	0.27 131	0.23 146	0.36 171	0.37 257	0.08 87	0.05 3	0.07 13	0.06 22	0.08 64	0.10 98

MyStereo07	0.18 21	0.15 123	0.44 52	0.22 85	0.16 186	0.25 129	0.22 195	0.31 51	0.26 48	0.22 47	0.13 5	0.12 3	0.13 30	0.33 146	0.14 24	0.07 13	0.13 242	0.09 119	0.09 164	0.09 131	0.11 127

MyStereo06	0.23 121	0.15 123	0.74 265	0.22 85	0.14 107	0.25 129	0.22 195	0.43 155	0.25 42	0.36 224	0.24 54	0.34 197	0.18 102	0.24 45	0.20 114	0.07 13	0.12 228	0.09 119	0.09 164	0.09 131	0.11 127

MyStereo05	0.24 147	0.15 123	0.58 203	0.22 85	0.14 107	0.25 129	0.22 195	0.50 219	0.54 301	0.32 175	0.23 49	0.26 127	0.23 146	0.32 137	0.25 178	0.07 13	0.12 228	0.09 119	0.09 164	0.09 131	0.11 127

MyStereo04	0.24 147	0.15 123	0.58 203	0.22 85	0.16 186	0.25 129	0.22 195	0.51 229	0.54 301	0.29 114	0.23 49	0.27 131	0.23 146	0.32 137	0.25 178	0.07 13	0.13 242	0.09 119	0.09 164	0.09 131	0.11 127

ACVNet-DCA	0.21 79	0.16 143	0.50 119	0.27 261	0.13 80	0.31 208	0.19 123	0.43 155	0.32 107	0.21 31	0.20 29	0.13 11	0.17 76	0.28 97	0.12 1	0.08 87	0.28 358	0.08 59	0.06 22	0.09 131	0.23 290

xx1	0.23 121	0.16 143	0.50 119	0.27 261	0.13 80	0.31 208	0.19 123	0.39 122	0.48 261	0.21 31	0.20 29	0.28 143	0.25 175	0.28 97	0.12 1	0.08 87	0.28 358	0.10 181	0.11 232	0.09 131	0.23 290

1test111	0.22 92	0.16 143	0.50 119	0.27 261	0.13 80	0.31 208	0.19 123	0.43 155	0.32 107	0.21 31	0.20 29	0.13 11	0.17 76	0.36 171	0.28 200	0.08 87	0.28 358	0.08 59	0.06 22	0.09 131	0.23 290

11t1	0.21 79	0.12 57	0.45 55	0.20 34	0.15 157	0.27 148	0.17 54	0.37 97	0.28 65	0.27 85	0.25 58	0.24 100	0.23 146	0.28 97	0.25 178	0.09 142	0.19 310	0.07 13	0.07 44	0.09 131	0.23 290

whm_eth	0.24 147	0.21 210	0.72 263	0.24 165	0.19 254	0.21 64	0.19 123	0.40 131	0.43 215	0.31 150	0.60 316	0.15 27	0.18 102	0.26 70	0.19 98	0.09 142	0.08 138	0.10 181	0.09 164	0.09 131	0.13 182

MIF-Stereo (partial)	0.18 21	0.13 73	0.50 119	0.22 85	0.15 157	0.16 5	0.13 2	0.29 28	0.26 48	0.17 15	0.26 65	0.16 31	0.17 76	0.25 53	0.18 77	0.09 142	0.06 34	0.10 181	0.08 103	0.09 131	0.08 37

EKT-Stereo	0.39 294	0.13 73	0.53 157	0.42 364	3.94 412	0.22 86	0.17 54	0.38 106	0.30 92	0.21 31	0.20 29	0.23 85	0.15 49	0.30 123	0.18 77	0.10 197	0.08 138	0.09 119	0.08 103	0.09 131	0.12 162

LL-Strereo2	0.21 79	0.25 260	0.53 157	0.32 319	0.20 271	0.25 129	0.14 12	0.32 55	0.25 42	0.25 71	0.20 29	0.24 100	0.12 15	0.28 97	0.18 77	0.07 13	0.07 92	0.12 257	0.09 164	0.09 131	0.16 226

LL-Strereo	0.32 254	0.33 306	0.77 278	0.26 229	0.24 319	0.22 86	0.23 218	0.58 293	0.44 222	0.35 213	0.32 114	0.41 246	0.40 296	0.93 356	0.25 178	0.08 87	0.13 242	0.11 227	0.09 164	0.09 131	0.22 283

CBFPSM	0.28 213	0.23 237	0.76 272	0.21 53	0.14 107	0.38 273	0.26 263	0.42 150	0.37 162	0.34 198	0.36 156	0.55 314	0.38 286	0.33 146	0.40 265	0.08 87	0.08 138	0.07 13	0.08 103	0.09 131	0.12 162

knoymous	0.18 21	0.10 11	0.35 16	0.17 4	0.11 25	0.21 64	0.17 54	0.33 67	0.24 24	0.24 60	0.28 78	0.27 131	0.16 61	0.24 45	0.17 58	0.09 142	0.06 34	0.09 119	0.06 22	0.09 131	0.10 98

qqq	0.24 147	0.16 143	0.46 67	0.20 34	0.15 157	0.23 102	0.20 154	0.43 155	0.32 107	0.26 76	0.31 105	0.28 143	0.25 175	0.36 171	0.28 200	0.08 87	0.22 328	0.10 181	0.11 232	0.09 131	0.23 290

x	0.23 121	0.15 123	0.45 55	0.20 34	0.15 157	0.27 148	0.17 54	0.43 155	0.35 136	0.26 76	0.31 105	0.29 155	0.25 175	0.29 114	0.30 215	0.09 142	0.22 328	0.08 59	0.09 164	0.09 131	0.24 302

BUS	0.24 147	0.13 73	0.36 18	0.25 197	0.14 107	0.44 300	0.17 54	0.59 301	0.36 149	0.34 198	0.35 143	0.31 174	0.22 137	0.27 79	0.22 146	0.10 197	0.07 92	0.11 227	0.10 208	0.09 131	0.10 98

IER	0.24 147	0.15 123	0.50 119	0.21 53	0.15 157	0.31 208	0.20 154	0.44 173	0.38 169	0.34 198	0.41 202	0.32 184	0.34 264	0.31 132	0.23 161	0.09 142	0.07 92	0.08 59	0.08 103	0.09 131	0.09 57

RAFT+CT+SA	0.23 121	0.24 247	0.48 84	0.25 197	0.18 231	0.23 102	0.29 286	0.42 150	0.38 169	0.24 60	0.39 184	0.20 59	0.17 76	0.34 160	0.17 58	0.07 13	0.07 92	0.09 119	0.12 269	0.09 131	0.13 182

BSDual-CNN	0.24 147	0.13 73	0.36 18	0.25 197	0.14 107	0.35 254	0.22 195	0.59 301	0.36 149	0.34 198	0.35 143	0.38 226	0.25 175	0.27 79	0.28 200	0.10 197	0.07 92	0.11 227	0.10 208	0.09 131	0.10 98

hknet	0.26 190	0.15 123	0.49 101	0.25 197	0.16 186	0.35 254	0.22 195	0.59 301	0.40 188	0.34 198	0.35 143	0.43 262	0.28 212	0.38 181	0.26 187	0.09 142	0.07 92	0.11 227	0.10 208	0.09 131	0.10 98

iRaft-Stereo_5w	0.25 171	0.24 247	0.50 119	0.23 128	0.18 231	0.19 22	0.19 123	0.39 122	0.35 136	0.28 91	0.36 156	0.34 197	0.23 146	0.66 286	0.28 200	0.07 13	0.07 92	0.08 59	0.07 44	0.09 131	0.14 205

psmg	0.24 147	0.13 73	0.36 18	0.21 53	0.14 107	0.35 254	0.23 218	0.54 251	0.36 149	0.36 224	0.38 170	0.38 226	0.25 175	0.27 79	0.28 200	0.10 197	0.08 138	0.10 181	0.10 208	0.09 131	0.09 57

GwcNet-ADL	0.23 121	0.15 123	0.58 203	0.24 165	0.13 80	0.23 102	0.24 240	0.51 229	0.41 193	0.28 91	0.29 84	0.30 165	0.20 125	0.27 79	0.28 200	0.09 142	0.07 92	0.07 13	0.07 44	0.09 131	0.11 127

GANet-ADL	0.22 92	0.14 107	0.51 131	0.23 128	0.14 107	0.29 179	0.19 123	0.48 204	0.36 149	0.26 76	0.33 129	0.32 184	0.20 125	0.26 70	0.22 146	0.11 228	0.07 92	0.07 13	0.06 22	0.09 131	0.11 127

AAGNet	0.34 269	0.12 57	0.53 157	0.26 229	0.16 186	0.20 48	0.19 123	0.31 51	0.29 78	0.35 213	0.35 143	0.27 131	0.30 235	0.44 196	2.56 405	0.08 87	0.05 3	0.10 181	0.07 44	0.09 131	0.07 11

NRIStereo	0.20 56	0.12 57	0.50 119	0.23 128	0.11 25	0.24 120	0.19 123	0.30 37	0.28 65	0.26 76	0.26 65	0.25 111	0.18 102	0.34 160	0.19 98	0.08 87	0.06 34	0.09 119	0.07 44	0.09 131	0.09 57

PSM-AAD	0.26 190	0.11 27	0.43 45	0.24 165	0.12 48	0.27 148	0.37 324	0.36 85	0.30 92	0.36 224	0.39 184	0.28 143	0.77 365	0.30 123	0.16 46	0.07 13	0.06 34	0.12 257	0.11 232	0.09 131	0.21 275

SST-Stereo	0.22 92	0.11 27	0.52 147	0.25 197	0.14 107	0.19 22	0.17 54	0.32 55	0.26 48	0.34 198	0.33 129	0.29 155	0.25 175	0.56 239	0.18 77	0.08 87	0.05 3	0.10 181	0.08 103	0.09 131	0.07 11

RAFT_R40	0.22 92	0.11 27	0.52 147	0.25 197	0.13 80	0.18 13	0.18 91	0.32 55	0.31 99	0.33 184	0.33 129	0.30 165	0.23 146	0.55 234	0.19 98	0.08 87	0.05 3	0.10 181	0.08 103	0.09 131	0.07 11

DeepStereo_RVC	0.19 36	0.12 57	0.47 72	0.22 85	0.11 25	0.19 22	0.16 40	0.29 28	0.24 24	0.28 91	0.27 74	0.23 85	0.28 212	0.24 45	0.19 98	0.08 87	0.06 34	0.09 119	0.07 44	0.09 131	0.10 98

ICVP	0.24 147	0.13 73	0.45 55	0.26 229	0.14 107	0.30 190	0.25 253	0.47 195	0.35 136	0.29 114	0.43 221	0.35 211	0.25 175	0.28 97	0.25 178	0.12 256	0.09 167	0.09 119	0.09 164	0.09 131	0.11 127
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
rafts_anoy	0.21 79	0.22 224	0.49 101	0.25 197	0.24 319	0.19 22	0.17 54	0.34 71	0.32 107	0.24 60	0.25 58	0.20 59	0.16 61	0.25 53	0.21 131	0.08 87	0.19 310	0.11 227	0.12 269	0.09 131	0.09 57

iRaftStereo_RVC	0.17 18	0.16 143	0.35 16	0.21 53	0.11 25	0.20 48	0.17 54	0.34 71	0.25 42	0.20 27	0.25 58	0.19 52	0.12 15	0.21 24	0.16 46	0.07 13	0.12 228	0.10 181	0.09 164	0.09 131	0.14 205

sCroCo_RVC	0.19 36	0.15 123	0.60 217	0.27 261	0.18 231	0.23 102	0.16 40	0.28 17	0.24 24	0.14 5	0.22 47	0.17 38	0.14 40	0.22 35	0.16 46	0.11 228	0.11 212	0.09 119	0.09 164	0.09 131	0.10 98

222	0.45 323	0.14 107	0.43 45	0.19 13	0.15 157	0.36 262	0.20 154	0.60 310	0.43 215	0.37 239	0.45 243	0.30 165	0.28 212	0.59 249	3.72 409	0.11 228	0.19 310	0.08 59	0.09 164	0.09 131	0.27 323

test_xeample	0.39 294	0.14 107	0.46 67	0.19 13	0.16 186	0.34 241	0.22 195	0.59 301	0.43 215	0.33 184	0.47 262	0.30 165	0.27 193	0.60 254	2.44 404	0.10 197	0.21 323	0.09 119	0.09 164	0.09 131	0.25 311

ARAFT	0.26 190	0.30 292	0.87 304	0.22 85	0.12 48	0.30 190	0.24 240	0.46 186	0.34 129	0.33 184	0.28 78	0.29 155	0.20 125	0.49 209	0.19 98	0.08 87	0.06 34	0.12 257	0.11 232	0.09 131	0.09 57

SFCPSM	0.23 121	0.12 57	0.51 131	0.21 53	0.14 107	0.34 241	0.22 195	0.57 281	0.41 193	0.29 114	0.32 114	0.23 85	0.22 137	0.28 97	0.20 114	0.10 197	0.07 92	0.09 119	0.10 208	0.09 131	0.09 57

delet	0.29 227	0.18 183	0.58 203	0.24 165	0.19 254	0.41 286	0.30 292	0.52 234	0.51 285	0.35 213	0.42 209	0.37 220	0.31 248	0.49 209	0.36 251	0.10 197	0.09 167	0.11 227	0.12 269	0.09 131	0.09 57

FENet	0.22 92	0.13 73	0.48 84	0.22 85	0.12 48	0.27 148	0.18 91	0.43 155	0.37 162	0.31 150	0.32 114	0.29 155	0.23 146	0.27 79	0.24 166	0.10 197	0.07 92	0.09 119	0.09 164	0.09 131	0.11 127

ac_64	0.28 213	0.16 143	0.62 226	0.25 197	0.17 211	0.36 262	0.22 195	0.48 204	0.35 136	0.36 224	0.37 164	0.51 302	0.30 235	0.62 268	0.34 242	0.11 228	0.09 167	0.10 181	0.10 208	0.09 131	0.09 57

HITNet	0.22 92	0.23 237	0.60 217	0.20 34	0.09 5	0.27 148	0.15 25	0.45 180	0.33 121	0.29 114	0.33 129	0.27 131	0.22 137	0.29 114	0.27 194	0.07 13	0.05 3	0.07 13	0.06 22	0.09 131	0.11 127
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	0.29 227	0.18 183	0.48 84	0.21 53	0.15 157	0.33 227	0.20 154	0.55 262	0.39 180	0.36 224	0.39 184	0.67 353	0.32 259	0.88 343	0.24 166	0.09 142	0.07 92	0.08 59	0.07 44	0.09 131	0.10 98

iResNet_ROB	0.27 206	0.27 276	0.48 84	0.21 53	0.12 48	0.32 221	0.17 54	0.57 281	0.55 308	0.39 258	0.44 230	0.37 220	0.28 212	0.43 193	0.28 200	0.08 87	0.06 34	0.06 1	0.05 8	0.09 131	0.11 127

MyStereo8	0.25 171	0.20 203	0.69 250	0.24 165	0.17 211	0.31 208	0.16 40	0.50 219	0.32 107	0.29 114	0.38 170	0.25 111	0.19 119	0.33 146	0.29 213	0.08 87	0.20 318	0.08 59	0.08 103	0.10 177	0.16 226

SMFormer	0.27 206	0.13 73	0.47 72	0.20 34	0.10 17	0.28 162	0.19 123	0.54 251	0.48 261	0.35 213	0.42 209	0.31 174	0.27 193	0.60 254	0.34 242	0.10 197	0.16 281	0.08 59	0.09 164	0.10 177	0.16 226

mmm	0.25 171	0.15 123	0.44 52	0.23 128	0.20 271	0.28 162	0.21 173	0.43 155	0.32 107	0.31 150	0.40 191	0.30 165	0.24 164	0.31 132	0.28 200	0.09 142	0.21 323	0.11 227	0.12 269	0.10 177	0.26 320

1111x	0.39 294	0.17 166	0.80 286	0.23 128	0.15 157	0.33 227	0.27 268	0.62 325	0.48 261	0.32 175	0.43 221	0.40 239	0.29 228	0.86 340	1.60 390	0.09 142	0.23 336	0.09 119	0.12 269	0.10 177	0.23 290

test croco	0.18 21	0.16 143	0.59 210	0.21 53	0.13 80	0.16 5	0.17 54	0.29 28	0.23 15	0.16 11	0.26 65	0.13 11	0.17 76	0.27 79	0.17 58	0.09 142	0.06 34	0.10 181	0.07 44	0.10 177	0.07 11

StereoVision	0.23 121	0.23 237	0.55 173	0.27 261	0.17 211	0.23 102	0.22 195	0.40 131	0.32 107	0.21 31	0.51 278	0.22 72	0.16 61	0.29 114	0.19 98	0.11 228	0.12 228	0.13 280	0.13 293	0.10 177	0.08 37

gwcnet-sp	0.25 171	0.16 143	0.70 253	0.23 128	0.14 107	0.34 241	0.22 195	0.46 186	0.41 193	0.37 239	0.35 143	0.27 131	0.27 193	0.36 171	0.26 187	0.09 142	0.08 138	0.09 119	0.09 164	0.10 177	0.10 98

scenet	0.25 171	0.16 143	0.70 253	0.23 128	0.14 107	0.34 241	0.22 195	0.46 186	0.41 193	0.37 239	0.35 143	0.27 131	0.27 193	0.36 171	0.26 187	0.09 142	0.08 138	0.09 119	0.09 164	0.10 177	0.10 98

riskmin	0.24 147	0.10 11	0.43 45	0.32 319	0.26 332	0.33 227	0.19 123	0.44 173	0.30 92	0.24 60	0.27 74	0.37 220	0.25 175	0.30 123	0.22 146	0.09 142	0.18 306	0.09 119	0.13 293	0.10 177	0.27 323

ssnet	0.25 171	0.16 143	0.70 253	0.23 128	0.14 107	0.34 241	0.22 195	0.46 186	0.41 193	0.37 239	0.35 143	0.27 131	0.27 193	0.36 171	0.26 187	0.09 142	0.08 138	0.09 119	0.09 164	0.10 177	0.10 98

CRFU-Net	0.29 227	0.14 107	0.48 84	0.26 229	0.15 157	0.46 310	0.22 195	0.52 234	0.32 107	0.44 296	0.42 209	0.48 289	0.47 321	0.44 196	0.31 224	0.12 256	0.10 192	0.09 119	0.08 103	0.10 177	0.11 127

test_5	0.25 171	0.25 260	0.57 190	0.27 261	0.18 231	0.25 129	0.29 286	0.42 150	0.39 180	0.29 114	0.40 191	0.27 131	0.23 146	0.35 167	0.19 98	0.07 13	0.07 92	0.09 119	0.09 164	0.10 177	0.14 205

CSP-Net	0.28 213	0.17 166	0.41 32	0.22 85	0.14 107	0.44 300	0.24 240	0.52 234	0.42 205	0.42 281	0.44 230	0.42 256	0.27 193	0.66 286	0.30 215	0.12 256	0.09 167	0.08 59	0.08 103	0.10 177	0.10 98

DAS	0.28 213	0.13 73	0.49 101	0.24 165	0.18 231	0.30 190	0.24 240	0.48 204	0.48 261	0.42 281	0.45 243	0.34 197	0.31 248	0.76 318	0.24 166	0.09 142	0.07 92	0.09 119	0.07 44	0.10 177	0.11 127

SepStereo	0.27 206	0.13 73	0.49 101	0.24 165	0.18 231	0.30 190	0.24 240	0.48 204	0.48 261	0.42 281	0.45 243	0.34 197	0.31 248	0.64 276	0.24 166	0.09 142	0.07 92	0.09 119	0.07 44	0.10 177	0.11 127

PSMNet-ADL	0.26 190	0.16 143	0.39 26	0.27 261	0.14 107	0.32 221	0.22 195	0.45 180	0.37 162	0.28 91	0.34 137	0.41 246	0.28 212	0.61 260	0.32 230	0.11 228	0.10 192	0.09 119	0.11 232	0.10 177	0.13 182

Patchmatch Stereo++	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.19 22	0.14 12	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.27 79	0.18 77	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57
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	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.19 22	0.15 25	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.25 53	0.17 58	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

ROB_FTStereo_v2	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.19 22	0.15 25	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.25 53	0.18 77	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

ROB_FTStereo	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.19 22	0.13 2	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.25 53	0.17 58	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

HUI-Stereo	0.19 36	0.13 73	0.52 147	0.22 85	0.11 25	0.19 22	0.14 12	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.23 39	0.17 58	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

iGMRVC	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.19 22	0.15 25	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.27 79	0.18 77	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

iRAFT	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.19 22	0.14 12	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.27 79	0.18 77	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

CRE-IMP	0.19 36	0.13 73	0.51 131	0.23 128	0.11 25	0.24 120	0.17 54	0.31 51	0.24 24	0.27 85	0.26 65	0.24 100	0.17 76	0.24 45	0.19 98	0.09 142	0.05 3	0.10 181	0.07 44	0.10 177	0.10 98

RAFT-IKP	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.18 13	0.15 25	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.26 70	0.18 77	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

RALCasStereoNet	0.22 92	0.22 224	0.48 84	0.23 128	0.23 308	0.22 86	0.18 91	0.32 55	0.27 57	0.22 47	0.30 95	0.22 72	0.15 49	0.29 114	0.20 114	0.08 87	0.22 328	0.07 13	0.06 22	0.10 177	0.25 311

RALAANet	0.21 79	0.24 247	0.53 157	0.23 128	0.14 107	0.22 86	0.13 2	0.38 106	0.30 92	0.29 114	0.26 65	0.25 111	0.15 49	0.28 97	0.20 114	0.08 87	0.08 138	0.09 119	0.08 103	0.10 177	0.07 11

GES	0.23 121	0.14 107	0.54 167	0.21 53	0.14 107	0.28 162	0.19 123	0.51 229	0.35 136	0.31 150	0.36 156	0.25 111	0.24 164	0.30 123	0.23 161	0.11 228	0.09 167	0.08 59	0.08 103	0.10 177	0.12 162

xxxx	0.39 294	0.14 107	0.47 72	0.20 34	0.16 186	0.38 273	0.20 154	0.61 317	0.43 215	0.30 135	0.44 230	0.38 226	0.25 175	0.50 213	2.41 403	0.11 228	0.21 323	0.09 119	0.10 208	0.10 177	0.26 320

MMNet	0.28 213	0.19 191	0.54 167	0.24 165	0.17 211	0.47 316	0.22 195	0.47 195	0.53 297	0.40 267	0.43 221	0.36 216	0.34 264	0.40 185	0.35 248	0.08 87	0.08 138	0.09 119	0.09 164	0.10 177	0.09 57

UNet	0.28 213	0.16 143	0.70 253	0.24 165	0.20 271	0.44 300	0.21 173	0.52 234	0.42 205	0.36 224	0.40 191	0.43 262	0.33 263	0.41 188	0.32 230	0.09 142	0.07 92	0.10 181	0.09 164	0.10 177	0.09 57

UPFNet	0.27 206	0.15 123	0.47 72	0.25 197	0.20 271	0.37 267	0.27 268	0.50 219	0.40 188	0.36 224	0.38 170	0.37 220	0.29 228	0.40 185	0.34 242	0.10 197	0.10 192	0.10 181	0.10 208	0.10 177	0.08 37

ACVNet	0.24 147	0.18 183	0.51 131	0.18 8	0.15 157	0.27 148	0.23 218	0.40 131	0.45 233	0.29 114	0.41 202	0.38 226	0.28 212	0.28 97	0.35 248	0.09 142	0.07 92	0.08 59	0.07 44	0.10 177	0.09 57

GANet-RSSM	0.26 190	0.19 191	0.54 167	0.21 53	0.14 107	0.27 148	0.22 195	0.47 195	0.34 129	0.30 135	0.40 191	0.41 246	0.30 235	0.59 249	0.25 178	0.11 228	0.08 138	0.09 119	0.09 164	0.10 177	0.10 98

PSMNet-RSSM	0.26 190	0.21 210	0.50 119	0.21 53	0.14 107	0.25 129	0.21 173	0.50 219	0.38 169	0.31 150	0.45 243	0.40 239	0.27 193	0.53 226	0.24 166	0.12 256	0.08 138	0.11 227	0.13 293	0.10 177	0.10 98

GwcNet-RSSM	0.28 213	0.25 260	0.61 223	0.22 85	0.14 107	0.28 162	0.24 240	0.46 186	0.44 222	0.33 184	0.46 255	0.41 246	0.28 212	0.55 234	0.31 224	0.11 228	0.07 92	0.09 119	0.10 208	0.10 177	0.09 57

NLCA_NET_v2_RVC	0.29 227	0.24 247	0.81 287	0.26 229	0.18 231	0.30 190	0.22 195	0.52 234	0.41 193	0.38 247	0.42 209	0.42 256	0.28 212	0.46 203	0.31 224	0.11 228	0.08 138	0.10 181	0.11 232	0.10 177	0.12 162
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AANet_RVC	0.33 261	0.31 295	0.69 250	0.23 128	0.14 107	0.30 190	0.23 218	0.49 211	0.55 308	0.39 258	0.60 316	0.43 262	0.30 235	0.88 343	0.54 312	0.11 228	0.08 138	0.07 13	0.07 44	0.10 177	0.12 162

StereoDRNet-Refined	0.28 213	0.19 191	0.47 72	0.25 197	0.14 107	0.36 262	0.21 173	0.49 211	0.43 215	0.46 308	0.52 284	0.42 256	0.30 235	0.46 203	0.38 259	0.10 197	0.07 92	0.11 227	0.11 232	0.10 177	0.11 127
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.30 239	0.20 203	0.45 55	0.28 285	0.17 211	0.37 267	0.25 253	0.50 219	0.45 233	0.46 308	0.47 262	0.51 302	0.34 264	0.56 239	0.38 259	0.10 197	0.10 192	0.11 227	0.11 232	0.10 177	0.11 127

pmcnn	0.54 345	0.24 247	1.06 335	0.25 197	0.26 332	0.40 282	0.31 301	0.55 262	0.55 308	0.56 342	1.22 379	2.53 402	0.39 293	0.84 337	1.08 365	0.09 142	0.06 34	0.06 1	0.05 8	0.10 177	0.14 205

mmx	0.37 284	0.17 166	0.84 295	0.21 53	0.13 80	0.29 179	0.21 173	0.57 281	0.48 261	0.31 150	0.44 230	0.34 197	0.24 164	0.91 350	1.30 374	0.10 197	0.20 318	0.12 257	0.11 232	0.11 218	0.23 290

xxx	0.37 284	0.17 166	0.84 295	0.21 53	0.13 80	0.29 179	0.21 173	0.57 281	0.48 261	0.31 150	0.44 230	0.34 197	0.24 164	0.91 350	1.30 374	0.10 197	0.20 318	0.12 257	0.11 232	0.11 218	0.23 290

PCWNet_CMD	0.23 121	0.14 107	0.48 84	0.21 53	0.13 80	0.28 162	0.17 54	0.47 195	0.47 255	0.30 135	0.36 156	0.37 220	0.24 164	0.29 114	0.21 131	0.09 142	0.06 34	0.10 181	0.08 103	0.11 218	0.11 127

CASS	0.22 92	0.16 143	0.40 30	0.26 229	0.12 48	0.29 179	0.19 123	0.40 131	0.32 107	0.34 198	0.35 143	0.25 111	0.25 175	0.26 70	0.21 131	0.13 273	0.08 138	0.11 227	0.09 164	0.11 218	0.12 162
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ToySt	0.28 213	0.19 191	0.68 249	0.22 85	0.19 254	0.31 208	0.31 301	0.43 155	0.43 215	0.28 91	0.38 170	0.42 256	0.32 259	0.33 146	0.32 230	0.08 87	0.14 251	0.10 181	0.12 269	0.11 218	0.24 302

Wz-Net-LNSev-Ref	0.33 261	0.25 260	0.82 290	0.22 85	0.17 211	0.46 310	0.28 282	0.53 244	0.53 297	0.43 290	0.57 305	0.44 268	0.31 248	0.50 213	0.48 293	0.10 197	0.06 34	0.08 59	0.06 22	0.11 218	0.12 162

RAFT	0.24 147	0.24 247	0.46 67	0.27 261	0.15 157	0.26 142	0.26 263	0.37 97	0.31 99	0.34 198	0.34 137	0.41 246	0.22 137	0.30 123	0.18 77	0.08 87	0.15 272	0.11 227	0.10 208	0.11 218	0.13 182

GEStereo_RVC	0.29 227	0.24 247	0.60 217	0.27 261	0.16 186	0.33 227	0.25 253	0.58 293	0.56 312	0.35 213	0.38 170	0.34 197	0.25 175	0.51 218	0.29 213	0.12 256	0.08 138	0.09 119	0.08 103	0.11 218	0.13 182

Anonymous3	0.24 147	0.19 191	0.76 272	0.27 261	0.18 231	0.41 286	0.24 240	0.45 180	0.36 149	0.23 54	0.27 74	0.20 59	0.18 102	0.28 97	0.19 98	0.12 256	0.11 212	0.10 181	0.10 208	0.11 218	0.13 182

TestStereo	0.22 92	0.24 247	0.48 84	0.25 197	0.11 25	0.22 86	0.22 195	0.32 55	0.31 99	0.24 60	0.34 137	0.23 85	0.19 119	0.62 268	0.19 98	0.08 87	0.07 92	0.10 181	0.07 44	0.11 218	0.07 11

CFNet_pseudo	0.23 121	0.14 107	0.48 84	0.20 34	0.13 80	0.27 148	0.17 54	0.46 186	0.45 233	0.30 135	0.37 164	0.38 226	0.23 146	0.30 123	0.22 146	0.09 142	0.06 34	0.11 227	0.08 103	0.11 218	0.11 127

ADLNet	0.30 239	0.19 191	0.59 210	0.23 128	0.19 254	0.34 241	0.23 218	0.56 272	0.44 222	0.43 290	0.41 202	0.43 262	0.28 212	0.56 239	0.36 251	0.11 228	0.08 138	0.11 227	0.11 232	0.11 218	0.15 216

HCRNet	0.25 171	0.27 276	0.42 40	0.34 334	0.17 211	0.27 148	0.18 91	0.45 180	0.37 162	0.31 150	0.35 143	0.32 184	0.23 146	0.44 196	0.21 131	0.13 273	0.08 138	0.13 280	0.11 232	0.11 218	0.09 57

GMStereo	0.21 79	0.30 292	0.57 190	0.21 53	0.12 48	0.24 120	0.18 91	0.30 37	0.41 193	0.26 76	0.24 54	0.17 38	0.16 61	0.25 53	0.19 98	0.10 197	0.07 92	0.08 59	0.08 103	0.11 218	0.09 57
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
psm_up	0.30 239	0.21 210	0.58 203	0.26 229	0.18 231	0.32 221	0.27 268	0.57 281	0.45 233	0.38 247	0.41 202	0.45 273	0.40 296	0.59 249	0.32 230	0.11 228	0.12 228	0.13 280	0.12 269	0.11 218	0.11 127

acv_ft	0.26 190	0.18 183	0.56 183	0.24 165	0.19 254	0.34 241	0.21 173	0.47 195	0.45 233	0.39 258	0.41 202	0.38 226	0.28 212	0.28 97	0.36 251	0.09 142	0.07 92	0.08 59	0.07 44	0.11 218	0.09 57

HGLStereo	0.29 227	0.19 191	0.60 217	0.24 165	0.21 284	0.33 227	0.23 218	0.52 234	0.44 222	0.36 224	0.49 273	0.41 246	0.35 271	0.46 203	0.34 242	0.11 228	0.11 212	0.09 119	0.09 164	0.11 218	0.12 162

DSFCA	0.29 227	0.18 183	0.48 84	0.21 53	0.17 211	0.39 276	0.32 306	0.49 211	0.44 222	0.44 296	0.38 170	0.40 239	0.30 235	0.53 226	0.38 259	0.12 256	0.10 192	0.10 181	0.11 232	0.11 218	0.11 127

DMCA	0.24 147	0.18 183	0.51 131	0.23 128	0.14 107	0.27 148	0.20 154	0.45 180	0.40 188	0.32 175	0.33 129	0.33 190	0.25 175	0.27 79	0.30 215	0.11 228	0.08 138	0.10 181	0.08 103	0.11 218	0.12 162

BEATNet_4x	0.25 171	0.25 260	0.66 241	0.23 128	0.10 17	0.29 179	0.14 12	0.49 211	0.34 129	0.31 150	0.35 143	0.32 184	0.26 187	0.34 160	0.33 238	0.08 87	0.06 34	0.08 59	0.07 44	0.11 218	0.13 182

MSMDNet	0.23 121	0.14 107	0.49 101	0.20 34	0.13 80	0.28 162	0.17 54	0.47 195	0.47 255	0.30 135	0.36 156	0.37 220	0.24 164	0.29 114	0.21 131	0.09 142	0.07 92	0.09 119	0.08 103	0.11 218	0.11 127

CFNet	0.29 227	0.29 286	0.57 190	0.23 128	0.14 107	0.34 241	0.15 25	0.53 244	0.46 242	0.31 150	0.40 191	0.38 226	0.27 193	0.76 318	0.28 200	0.10 197	0.07 92	0.11 227	0.11 232	0.11 218	0.09 57

AdaStereo	0.25 171	0.17 166	0.47 72	0.25 197	0.13 80	0.33 227	0.17 54	0.57 281	0.43 215	0.34 198	0.38 170	0.35 211	0.21 132	0.32 137	0.24 166	0.14 294	0.06 34	0.13 280	0.09 164	0.11 218	0.09 57
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.
LE_ROB	1.82 403	0.39 336	3.15 405	0.50 373	0.55 379	0.79 367	1.00 393	0.89 382	6.48 413	7.40 415	2.07 401	2.07 395	5.08 411	1.33 386	3.96 410	0.11 228	0.09 167	0.12 257	0.11 232	0.11 218	0.13 182

DN-CSS_ROB	0.24 147	0.33 306	0.69 250	0.25 197	0.14 107	0.26 142	0.13 2	0.42 150	0.35 136	0.30 135	0.42 209	0.22 72	0.20 125	0.34 160	0.22 146	0.07 13	0.06 34	0.11 227	0.11 232	0.11 218	0.09 57

ttt	0.33 261	0.14 107	0.54 167	0.22 85	0.14 107	0.30 190	0.22 195	0.59 301	0.51 285	0.31 150	0.46 255	0.30 165	0.23 146	0.71 299	1.07 363	0.13 273	0.22 328	0.10 181	0.11 232	0.12 243	0.24 302

ssnet_v2	0.30 239	0.21 210	0.63 231	0.23 128	0.15 157	0.40 282	0.30 292	0.59 301	0.48 261	0.40 267	0.37 164	0.46 279	0.30 235	0.41 188	0.44 282	0.13 273	0.11 212	0.11 227	0.11 232	0.12 243	0.11 127

NINENet	0.27 206	0.16 143	0.49 101	0.23 128	0.16 186	0.44 300	0.17 54	0.63 329	0.49 274	0.33 184	0.38 170	0.31 174	0.22 137	0.43 193	0.22 146	0.11 228	0.10 192	0.12 257	0.08 103	0.12 243	0.11 127

dd	0.23 121	0.32 302	0.55 173	0.23 128	0.12 48	0.27 148	0.21 173	0.32 55	0.45 233	0.30 135	0.29 84	0.25 111	0.17 76	0.31 132	0.26 187	0.13 273	0.07 92	0.10 181	0.08 103	0.12 243	0.09 57

ADLNet2	0.31 249	0.23 237	0.77 278	0.23 128	0.18 231	0.36 262	0.24 240	0.55 262	0.54 301	0.33 184	0.38 170	0.45 273	0.31 248	0.70 296	0.36 251	0.10 197	0.08 138	0.09 119	0.09 164	0.12 243	0.11 127

RAFT + AFF	0.30 239	0.33 306	0.76 272	0.25 197	0.17 211	0.30 190	0.33 311	0.55 262	0.42 205	0.28 91	0.30 95	0.31 174	0.31 248	0.64 276	0.32 230	0.09 142	0.11 212	0.11 227	0.10 208	0.12 243	0.16 226

CFNet-ft	0.26 190	0.21 210	0.51 131	0.19 13	0.16 186	0.31 208	0.21 173	0.40 131	0.37 162	0.29 114	0.40 191	0.46 279	0.27 193	0.49 209	0.28 200	0.12 256	0.07 92	0.12 257	0.11 232	0.12 243	0.11 127

STTStereo	0.30 239	0.24 247	0.83 292	0.25 197	0.17 211	0.30 190	0.24 240	0.49 211	0.39 180	0.39 258	0.41 202	0.44 268	0.28 212	0.41 188	0.30 215	0.13 273	0.13 242	0.13 280	0.16 325	0.12 243	0.12 162

ADCRef	0.41 309	0.33 306	1.05 333	0.26 229	0.21 284	0.49 325	0.27 268	0.54 251	0.51 285	0.51 326	0.59 312	0.35 211	0.47 321	0.54 231	1.35 381	0.09 142	0.08 138	0.12 257	0.12 269	0.12 243	0.13 182

CFNet_RVC	0.26 190	0.21 210	0.51 131	0.19 13	0.16 186	0.31 208	0.21 173	0.40 131	0.37 162	0.29 114	0.40 191	0.46 279	0.27 193	0.49 209	0.28 200	0.12 256	0.07 92	0.12 257	0.11 232	0.12 243	0.11 127

ccs_rob	0.23 121	0.14 107	0.48 84	0.20 34	0.13 80	0.27 148	0.17 54	0.46 186	0.45 233	0.30 135	0.37 164	0.38 226	0.23 146	0.30 123	0.22 146	0.09 142	0.06 34	0.11 227	0.08 103	0.12 243	0.11 127

NaN_ROB	0.44 320	0.38 332	0.94 323	0.30 304	0.20 271	0.52 333	0.49 359	0.61 317	0.60 325	0.56 342	0.47 262	0.49 295	0.42 305	1.24 378	0.76 341	0.12 256	0.18 306	0.12 257	0.13 293	0.12 243	0.18 240

CFNet_ucs	0.25 171	0.14 107	0.51 131	0.20 34	0.15 157	0.29 179	0.18 91	0.51 229	0.46 242	0.32 175	0.42 209	0.38 226	0.23 146	0.31 132	0.22 146	0.11 228	0.08 138	0.12 257	0.09 164	0.13 255	0.13 182

fast-acv-ft	0.33 261	0.26 270	0.88 310	0.25 197	0.18 231	0.49 325	0.27 268	0.44 173	0.50 279	0.40 267	0.55 299	0.49 295	0.36 276	0.39 184	0.41 269	0.11 228	0.11 212	0.11 227	0.12 269	0.13 255	0.11 127

iinet-f	0.31 249	0.23 237	1.16 349	0.20 34	0.16 186	0.44 300	0.23 218	0.47 195	0.38 169	0.36 224	0.44 230	0.41 246	0.35 271	0.36 171	0.43 275	0.10 197	0.09 167	0.08 59	0.08 103	0.13 255	0.12 162

AACVNet	0.28 213	0.22 224	0.55 173	0.23 128	0.14 107	0.30 190	0.19 123	0.43 155	0.33 121	0.39 258	0.42 209	0.44 268	0.29 228	0.73 303	0.28 200	0.11 228	0.09 167	0.11 227	0.09 164	0.13 255	0.12 162

LCNet	0.22 92	0.12 57	0.42 40	0.26 229	0.12 48	0.23 102	0.19 123	0.36 85	0.28 65	0.28 91	0.35 143	0.26 127	0.30 235	0.35 167	0.17 58	0.07 13	0.05 3	0.09 119	0.10 208	0.13 255	0.22 283

LMCR-Stereo	0.28 213	0.22 224	0.56 183	0.29 298	0.14 107	0.37 267	0.23 218	0.57 281	0.36 149	0.40 267	0.40 191	0.29 155	0.30 235	0.41 188	0.38 259	0.11 228	0.07 92	0.09 119	0.07 44	0.13 255	0.10 98

Syn2CoEx	0.39 294	0.39 336	1.08 340	0.35 339	0.21 284	0.41 286	0.29 286	0.63 329	0.51 285	0.43 290	0.56 303	0.45 273	0.45 312	0.69 293	0.39 263	0.17 326	0.14 251	0.16 318	0.12 269	0.13 255	0.16 226

GwcNet	0.37 284	0.29 286	1.12 343	0.25 197	0.24 319	0.48 322	0.27 268	0.58 293	0.60 325	0.39 258	0.54 294	0.51 302	0.34 264	0.60 254	0.46 288	0.13 273	0.12 228	0.12 257	0.11 232	0.13 255	0.15 216

DMCA-RVC	0.30 239	0.27 276	0.93 320	0.28 285	0.17 211	0.30 190	0.21 173	0.43 155	0.36 149	0.40 267	0.38 170	0.39 236	0.36 276	0.44 196	0.34 242	0.13 273	0.10 192	0.16 318	0.12 269	0.13 255	0.11 127

FADNet-RVC-Resample	0.31 249	0.32 302	1.16 349	0.27 261	0.17 211	0.33 227	0.21 173	0.49 211	0.40 188	0.36 224	0.38 170	0.34 197	0.27 193	0.54 231	0.27 194	0.10 197	0.10 192	0.14 298	0.13 293	0.13 255	0.18 240

PA-Net	0.40 304	0.35 317	1.05 333	0.32 319	0.28 338	0.39 276	0.43 345	0.53 244	0.56 312	0.35 213	0.43 221	0.41 246	0.36 276	0.83 336	0.61 326	0.12 256	0.23 336	0.16 318	0.23 359	0.13 255	0.20 266
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
TDLM	0.32 254	0.27 276	0.52 147	0.30 304	0.15 157	0.33 227	0.32 306	0.54 251	0.50 279	0.44 296	0.43 221	0.39 236	0.30 235	0.92 355	0.30 215	0.14 294	0.09 167	0.13 280	0.12 269	0.13 255	0.14 205

UCFNet_RVC	0.25 171	0.21 210	0.49 101	0.19 13	0.15 157	0.34 241	0.18 91	0.47 195	0.36 149	0.30 135	0.35 143	0.40 239	0.26 187	0.35 167	0.24 166	0.13 273	0.08 138	0.13 280	0.14 307	0.13 255	0.13 182

iResNetv2_ROB	0.29 227	0.37 326	0.92 316	0.24 165	0.13 80	0.30 190	0.19 123	0.55 262	0.51 285	0.39 258	0.46 255	0.39 236	0.27 193	0.36 171	0.30 215	0.09 142	0.06 34	0.07 13	0.05 8	0.13 255	0.11 127

DRN-Test	0.35 275	0.20 203	0.75 268	0.28 285	0.19 254	0.46 310	0.29 286	0.68 351	0.54 301	0.49 320	0.47 262	0.44 268	0.35 271	0.63 271	0.44 282	0.13 273	0.09 167	0.13 280	0.12 269	0.13 255	0.13 182

StereoDRNet	0.34 269	0.28 283	0.70 253	0.28 285	0.21 284	0.43 295	0.30 292	0.63 329	0.51 285	0.47 314	0.40 191	0.48 289	0.31 248	0.58 243	0.44 282	0.12 256	0.10 192	0.12 257	0.11 232	0.13 255	0.13 182

DISCO	0.33 261	0.16 143	0.55 173	0.26 229	0.16 186	0.48 322	0.25 253	0.52 234	0.58 316	0.38 247	0.45 243	0.63 339	0.37 281	0.65 280	0.50 300	0.10 197	0.07 92	0.09 119	0.08 103	0.13 255	0.13 182

MDST_ROB	0.51 339	0.16 143	0.97 325	0.31 314	0.21 284	1.35 395	0.34 315	0.80 371	0.59 324	1.09 383	0.74 347	0.49 295	0.37 281	1.31 384	0.60 323	0.14 294	0.12 228	0.16 318	0.13 293	0.13 255	0.18 240

PSMNet_ROB	0.36 277	0.31 295	0.71 259	0.31 314	0.21 284	0.44 300	0.44 347	0.61 317	0.49 274	0.39 258	0.45 243	0.49 295	0.32 259	0.66 286	0.53 308	0.14 294	0.10 192	0.15 312	0.14 307	0.13 255	0.13 182

CBMV	0.36 277	0.25 260	0.61 223	0.24 165	0.14 107	0.42 291	0.33 311	0.56 272	0.52 296	0.54 338	0.52 284	0.51 302	0.58 346	0.63 271	0.43 275	0.15 306	0.16 281	0.18 334	0.16 325	0.13 255	0.19 254
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
Wz-Net-LNSev	0.36 277	0.35 317	1.06 335	0.26 229	0.21 284	0.47 316	0.33 311	0.56 272	0.58 316	0.45 303	0.54 294	0.50 299	0.37 281	0.40 185	0.42 272	0.12 256	0.11 212	0.10 181	0.09 164	0.14 275	0.15 216

AASNet	0.29 227	0.27 276	0.67 244	0.26 229	0.18 231	0.34 241	0.21 173	0.64 334	0.49 274	0.36 224	0.41 202	0.32 184	0.26 187	0.33 146	0.39 263	0.12 256	0.09 167	0.10 181	0.08 103	0.14 275	0.12 162

pcwnet_v2	0.32 254	0.16 143	1.22 360	0.23 128	0.19 254	0.32 221	0.19 123	0.61 317	0.61 327	0.37 239	0.45 243	0.35 211	0.29 228	0.37 179	0.26 187	0.14 294	0.11 212	0.12 257	0.11 232	0.14 275	0.18 240

FAT-Stereo	0.36 277	0.19 191	0.75 268	0.26 229	0.18 231	0.34 241	0.30 292	0.62 325	0.61 327	0.47 314	0.61 325	0.59 325	0.50 330	0.61 260	0.36 251	0.13 273	0.14 251	0.13 280	0.12 269	0.14 275	0.20 266

Nwc_Net	0.39 294	0.29 286	0.84 295	0.32 319	0.24 319	0.45 308	0.30 292	0.67 346	0.51 285	0.39 258	0.70 341	0.59 325	0.48 325	0.61 260	0.45 287	0.16 314	0.12 228	0.19 340	0.21 348	0.14 275	0.15 216

ADCP+	0.48 335	0.36 323	1.47 374	0.26 229	0.22 299	0.57 342	0.40 339	0.56 272	0.54 301	0.46 308	0.52 284	0.46 279	0.53 339	0.59 249	1.93 396	0.10 197	0.08 138	0.11 227	0.11 232	0.14 275	0.15 216

DeepPruner_ROB	0.28 213	0.25 260	0.64 235	0.22 85	0.16 186	0.30 190	0.21 173	0.54 251	0.33 121	0.36 224	0.38 170	0.38 226	0.26 187	0.45 202	0.28 200	0.15 306	0.11 212	0.11 227	0.11 232	0.14 275	0.14 205

Wz-Net-MNSev	0.39 294	0.35 317	0.99 329	0.26 229	0.21 284	0.59 346	0.39 335	0.58 293	0.61 327	0.49 320	0.56 303	0.53 311	0.37 281	0.61 260	0.47 291	0.11 228	0.09 167	0.11 227	0.11 232	0.15 282	0.15 216

dad	0.30 239	0.38 332	0.60 217	0.22 85	0.14 107	0.32 221	0.21 173	0.35 80	0.51 285	0.45 303	0.45 243	0.46 279	0.23 146	0.41 188	0.27 194	0.21 348	0.11 212	0.20 344	0.11 232	0.15 282	0.11 127

Anonymous	0.21 79	0.15 123	0.63 231	0.27 261	0.20 271	0.26 142	0.27 268	0.34 71	0.27 57	0.18 22	0.19 24	0.15 27	0.19 119	0.25 53	0.19 98	0.10 197	0.09 167	0.09 119	0.09 164	0.15 282	0.13 182

hitnet-ft	0.31 249	0.21 210	0.56 183	0.19 13	0.14 107	0.40 282	0.23 218	0.46 186	0.42 205	0.37 239	0.46 255	0.53 311	0.35 271	0.76 318	0.35 248	0.14 294	0.10 192	0.14 298	0.10 208	0.15 282	0.14 205

ADCL	0.50 337	0.30 292	1.15 347	0.28 285	0.19 254	0.77 365	0.64 374	0.57 281	0.73 355	0.57 345	0.73 346	0.55 314	0.60 349	0.66 286	1.53 387	0.11 228	0.10 192	0.13 280	0.13 293	0.15 282	0.16 226

GANet	0.40 304	0.28 283	0.67 244	0.31 314	0.18 231	0.43 295	0.39 335	0.60 310	0.46 242	0.48 319	0.78 351	0.55 314	0.45 312	0.96 360	0.55 315	0.13 273	0.14 251	0.13 280	0.12 269	0.15 282	0.16 226

CVANet_RVC	0.34 269	0.25 260	0.77 278	0.27 261	0.17 211	0.34 241	0.28 282	0.55 262	0.50 279	0.43 290	0.46 255	0.44 268	0.31 248	0.90 348	0.27 194	0.15 306	0.10 192	0.14 298	0.14 307	0.15 282	0.15 216

CBMV_ROB	0.36 277	0.21 210	0.57 190	0.22 85	0.14 107	0.35 254	0.20 154	0.55 262	0.47 255	0.52 329	0.58 308	0.45 273	0.53 339	0.75 312	0.50 300	0.18 336	0.19 310	0.23 353	0.21 348	0.15 282	0.20 266

SGM-Forest	0.42 313	0.44 349	0.92 316	0.24 165	0.16 186	0.45 308	0.40 339	0.58 293	0.50 279	0.54 338	0.63 328	0.52 307	0.51 332	0.91 350	0.66 333	0.17 326	0.17 299	0.17 327	0.15 316	0.15 282	0.21 275
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
HBP-ISP	0.34 269	0.35 317	0.76 272	0.23 128	0.17 211	0.33 227	0.22 195	0.56 272	0.47 255	0.42 281	0.49 273	0.33 190	0.41 301	0.73 303	0.27 194	0.18 336	0.19 310	0.24 355	0.20 346	0.16 291	0.16 226

UDGNet	0.24 147	0.37 326	0.53 157	0.25 197	0.14 107	0.24 120	0.18 91	0.32 55	0.44 222	0.29 114	0.28 78	0.24 100	0.20 125	0.30 123	0.21 131	0.16 314	0.07 92	0.21 346	0.11 232	0.16 291	0.11 127

SACVNet	0.32 254	0.25 260	0.59 210	0.26 229	0.19 254	0.35 254	0.25 253	0.54 251	0.41 193	0.43 290	0.45 243	0.46 279	0.34 264	0.71 299	0.30 215	0.14 294	0.10 192	0.12 257	0.12 269	0.16 291	0.20 266

APVNet	0.38 289	0.26 270	0.87 304	0.26 229	0.22 299	0.52 333	0.35 317	0.64 334	0.46 242	0.40 267	0.52 284	0.48 289	0.39 293	0.84 337	0.48 293	0.13 273	0.14 251	0.15 312	0.16 325	0.16 291	0.16 226

psmorigin	0.52 342	0.29 286	3.10 404	0.24 165	0.19 254	0.39 276	0.24 240	0.52 234	0.45 233	0.66 354	0.68 337	0.70 360	0.52 334	0.86 340	0.49 299	0.15 306	0.17 299	0.13 280	0.14 307	0.16 291	0.23 290

aanetorigin	0.40 304	0.33 306	1.14 346	0.25 197	0.19 254	0.30 190	0.37 324	0.34 71	0.47 255	0.95 374	0.82 356	0.52 307	0.56 343	0.50 213	0.52 304	0.11 228	0.09 167	0.10 181	0.10 208	0.16 291	0.19 254

S-Stereo	0.39 294	0.20 203	1.04 332	0.28 285	0.22 299	0.39 276	0.31 301	0.58 293	0.69 346	0.40 267	0.59 312	0.48 289	0.41 301	0.75 312	0.42 272	0.12 256	0.15 272	0.13 280	0.13 293	0.16 291	0.25 311

AF-Net	0.40 304	0.31 295	0.74 265	0.33 330	0.24 319	0.43 295	0.30 292	0.64 334	0.67 340	0.44 296	0.69 340	0.65 346	0.52 334	0.59 249	0.48 293	0.16 314	0.12 228	0.19 340	0.14 307	0.16 291	0.14 205

Anonymous Stereo	0.42 313	0.43 345	1.38 368	0.32 319	0.26 332	0.35 254	0.48 355	0.55 262	0.58 316	0.43 290	0.48 271	0.40 239	0.29 228	0.93 356	0.56 316	0.16 314	0.16 281	0.15 312	0.16 325	0.16 291	0.20 266

NCCL2	0.37 284	0.33 306	0.59 210	0.37 344	0.23 308	0.42 291	0.41 342	0.56 272	0.44 222	0.47 314	0.47 262	0.61 332	0.39 293	0.58 243	0.41 269	0.16 314	0.13 242	0.21 346	0.22 355	0.16 291	0.18 240

XPNet_ROB	0.35 275	0.26 270	0.58 203	0.28 285	0.19 254	0.37 267	0.31 301	0.57 281	0.51 285	0.52 329	0.54 294	0.57 319	0.38 286	0.65 280	0.48 293	0.17 326	0.12 228	0.13 280	0.12 269	0.16 291	0.17 238

SGM_RVC	0.57 352	0.22 224	0.60 217	0.26 229	0.16 186	0.97 380	0.46 351	0.76 368	0.90 369	1.03 380	0.92 366	1.16 378	0.93 378	1.21 377	0.72 338	0.17 326	0.16 281	0.16 318	0.16 325	0.16 291	0.24 302
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
GMStereo_Zeroshot	0.25 171	0.22 224	0.51 131	0.27 261	0.14 107	0.28 162	0.15 25	0.40 131	0.36 149	0.37 239	0.43 221	0.40 239	0.17 76	0.35 167	0.21 131	0.12 256	0.07 92	0.13 280	0.07 44	0.17 303	0.10 98

Wz-Net-SNSev	0.45 323	0.53 360	1.42 372	0.31 314	0.21 284	0.44 300	0.45 348	0.64 334	0.68 344	0.46 308	0.66 333	0.62 335	0.40 296	0.78 322	0.65 331	0.12 256	0.11 212	0.12 257	0.13 293	0.17 303	0.19 254

RP	0.38 289	0.26 270	0.67 244	0.31 314	0.24 319	0.37 267	0.29 286	0.53 244	0.61 327	0.42 281	0.65 331	0.62 335	0.51 332	0.63 271	0.43 275	0.17 326	0.15 272	0.17 327	0.15 316	0.17 303	0.19 254

NCC-stereo	0.42 313	0.31 295	0.87 304	0.32 319	0.29 347	0.47 316	0.37 324	0.68 351	0.53 297	0.42 281	0.58 308	0.57 319	0.52 334	0.75 312	0.54 312	0.18 336	0.14 251	0.18 334	0.25 361	0.17 303	0.18 240

edge stereo	0.40 304	0.22 224	0.87 304	0.27 261	0.22 299	0.38 273	0.26 263	0.59 301	0.56 312	0.53 335	0.60 316	0.71 361	0.50 330	0.78 322	0.43 275	0.16 314	0.15 272	0.19 340	0.14 307	0.17 303	0.19 254

Abc-Net	0.42 313	0.31 295	0.87 304	0.32 319	0.29 347	0.47 316	0.37 324	0.68 351	0.53 297	0.42 281	0.58 308	0.57 319	0.52 334	0.75 312	0.54 312	0.18 336	0.14 251	0.18 334	0.25 361	0.17 303	0.18 240
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DeepPrunerF	0.46 329	0.37 326	1.50 376	0.34 334	0.30 349	0.36 262	0.37 324	0.64 334	1.15 388	0.41 277	0.45 243	0.40 239	0.41 301	0.82 332	0.53 308	0.18 336	0.14 251	0.23 353	0.21 348	0.17 303	0.18 240

DANet	0.37 284	0.25 260	0.67 244	0.37 344	0.22 299	0.42 291	0.25 253	0.50 219	0.44 222	0.52 329	0.50 275	0.59 325	0.42 305	0.78 322	0.53 308	0.13 273	0.12 228	0.14 298	0.12 269	0.17 303	0.21 275
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
PS-NSSS	0.33 261	0.36 323	0.61 223	0.24 165	0.18 231	0.33 227	0.24 240	0.59 301	0.42 205	0.38 247	0.52 284	0.36 216	0.31 248	0.80 328	0.32 230	0.18 336	0.14 251	0.21 346	0.15 316	0.17 303	0.14 205

FBW_ROB	0.46 329	0.34 313	0.71 259	0.32 319	0.20 271	0.51 328	0.32 306	0.73 363	0.63 333	0.60 347	0.57 305	0.65 346	0.44 310	1.42 389	0.62 327	0.14 294	0.17 299	0.22 351	0.16 325	0.17 303	0.23 290

NOSS_ROB	0.33 261	0.24 247	0.49 101	0.27 261	0.16 186	0.34 241	0.19 123	0.55 262	0.50 279	0.34 198	0.37 164	0.42 256	0.30 235	0.93 356	0.25 178	0.19 345	0.20 318	0.24 355	0.22 355	0.17 303	0.25 311

ETE_ROB	0.36 277	0.32 302	0.64 235	0.30 304	0.18 231	0.40 282	0.38 332	0.59 301	0.49 274	0.50 323	0.52 284	0.62 335	0.37 281	0.58 243	0.43 275	0.13 273	0.10 192	0.14 298	0.12 269	0.17 303	0.18 240

LALA_ROB	0.38 289	0.31 295	0.65 238	0.30 304	0.21 284	0.46 310	0.39 335	0.63 329	0.54 301	0.53 335	0.52 284	0.69 357	0.36 276	0.52 224	0.48 293	0.18 336	0.11 212	0.16 318	0.14 307	0.17 303	0.16 226

PWC_ROB	0.41 309	0.38 332	0.92 316	0.26 229	0.20 271	0.39 276	0.19 123	0.61 317	0.69 346	0.58 346	0.84 358	0.52 307	0.44 310	0.74 307	0.62 327	0.13 273	0.09 167	0.14 298	0.10 208	0.17 303	0.18 240

MeshStereo	0.60 357	0.31 295	0.71 259	0.22 85	0.17 211	0.66 355	0.36 322	0.81 373	0.63 333	1.48 401	1.32 382	1.65 389	0.83 371	1.18 375	0.74 339	0.17 326	0.17 299	0.17 327	0.14 307	0.17 303	0.19 254
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
RTSC	0.43 318	0.37 326	0.95 324	0.30 304	0.20 271	0.50 327	0.23 218	0.65 340	0.86 366	0.56 342	0.54 294	0.51 302	0.36 276	0.71 299	0.92 351	0.13 273	0.14 251	0.11 227	0.13 293	0.18 318	0.19 254

SGM-ForestM	1.59 397	0.56 364	1.52 378	0.41 362	0.34 355	2.77 408	1.67 408	1.69 401	1.73 396	2.48 406	2.27 405	6.02 414	2.90 408	3.08 407	2.83 406	0.25 357	0.30 370	0.19 340	0.20 346	0.18 318	0.45 373

CSAN	0.55 346	0.47 352	1.19 357	0.37 344	0.23 308	0.57 342	0.61 372	0.65 340	0.72 352	0.65 352	0.78 351	0.66 350	0.65 361	1.41 388	0.77 342	0.21 348	0.17 299	0.20 344	0.21 348	0.18 318	0.21 275

SANet	0.58 354	0.41 341	1.38 368	0.27 261	0.16 186	0.72 359	0.48 355	0.71 359	1.34 390	0.69 357	0.97 368	0.94 371	0.78 366	0.97 362	0.93 352	0.14 294	0.12 228	0.12 257	0.12 269	0.18 318	0.20 266

SDNR	0.47 332	0.29 286	0.92 316	0.24 165	0.37 363	1.27 391	0.17 54	0.54 251	0.58 316	0.44 296	0.85 359	0.55 314	0.28 212	1.19 376	0.52 304	0.23 352	0.24 344	0.17 327	0.13 293	0.19 322	0.26 320

WZ-Net	0.56 350	0.49 356	2.14 393	0.30 304	0.24 319	0.58 344	0.48 355	0.65 340	0.80 360	0.51 326	0.72 343	0.68 355	0.60 349	1.06 369	1.01 358	0.13 273	0.10 192	0.11 227	0.12 269	0.19 322	0.23 290

FADNet-RVC	0.34 269	0.43 345	0.97 325	0.25 197	0.20 271	0.33 227	0.20 154	0.51 229	0.42 205	0.34 198	0.40 191	0.41 246	0.29 228	0.65 280	0.36 251	0.14 294	0.14 251	0.14 298	0.15 316	0.19 322	0.20 266

RGC	0.41 309	0.35 317	0.76 272	0.35 339	0.28 338	0.41 286	0.29 286	0.60 310	0.55 308	0.47 314	0.64 329	0.63 339	0.47 321	0.74 307	0.46 288	0.16 314	0.15 272	0.21 346	0.21 348	0.19 322	0.21 275

ADCPNet	0.51 339	0.36 323	1.82 388	0.27 261	0.23 308	0.71 358	0.39 335	0.56 272	0.54 301	0.52 329	0.60 316	0.66 350	0.57 345	0.64 276	1.23 370	0.15 306	0.18 306	0.14 298	0.23 359	0.19 322	0.22 283

RYNet	0.38 289	0.23 237	0.65 238	0.26 229	0.28 338	0.62 349	0.33 311	0.61 317	0.62 331	0.42 281	0.39 184	0.58 324	0.40 296	0.89 345	0.57 319	0.11 228	0.09 167	0.12 257	0.11 232	0.19 322	0.22 283

WCMA_ROB	0.55 346	0.27 276	0.76 272	0.26 229	0.22 299	0.62 349	0.36 322	0.57 281	0.58 316	0.97 376	1.40 385	1.28 382	0.94 379	0.80 328	0.80 345	0.20 347	0.17 299	0.16 318	0.16 325	0.19 322	0.29 333

FINET	0.58 354	0.48 354	1.35 367	0.38 352	0.37 363	0.96 379	1.13 401	0.84 378	1.05 379	0.50 323	0.70 341	0.45 273	0.61 353	0.63 271	0.62 327	0.26 358	0.28 358	0.14 298	0.13 293	0.20 329	0.44 370

EDNetEfficient	0.64 365	0.39 336	2.52 396	0.26 229	0.26 332	0.39 276	0.49 359	0.42 150	1.06 380	1.38 391	0.86 360	0.61 332	0.97 380	0.66 286	1.62 391	0.11 228	0.10 192	0.10 181	0.12 269	0.20 329	0.19 254

stereogan	0.39 294	0.20 203	0.78 282	0.28 285	0.22 299	0.65 354	0.26 263	0.62 325	0.65 336	0.45 303	0.60 316	0.67 353	0.45 312	0.69 293	0.37 257	0.14 294	0.14 251	0.14 298	0.12 269	0.20 329	0.19 254

ADCMid	0.53 343	0.45 350	1.46 373	0.27 261	0.22 299	0.51 328	0.38 332	0.61 317	0.58 316	0.75 361	0.67 335	0.62 335	0.66 362	0.66 286	1.75 392	0.13 273	0.12 228	0.17 327	0.17 336	0.20 329	0.21 275

NVstereo2D	0.32 254	0.18 183	0.63 231	0.24 165	0.23 308	0.43 295	0.28 282	0.60 310	0.58 316	0.28 91	0.39 184	0.42 256	0.30 235	0.71 299	0.30 215	0.13 273	0.09 167	0.13 280	0.10 208	0.20 329	0.18 240

PWCDC_ROB	0.41 309	0.41 341	0.77 278	0.34 334	0.21 284	0.43 295	0.20 154	0.60 310	0.90 369	0.44 296	1.24 380	0.36 216	0.38 286	0.56 239	0.48 293	0.18 336	0.11 212	0.11 227	0.10 208	0.20 329	0.16 226

Wz-Net-TNSev	0.55 346	0.72 377	1.90 389	0.26 229	0.21 284	0.64 353	0.45 348	0.66 344	0.71 350	0.52 329	0.55 299	0.71 361	0.63 359	1.04 367	0.94 354	0.16 314	0.15 272	0.13 280	0.15 316	0.21 335	0.24 302

FADNet_RVC	0.31 249	0.35 317	0.98 327	0.24 165	0.16 186	0.30 190	0.17 54	0.52 234	0.39 180	0.30 135	0.38 170	0.30 165	0.29 228	0.54 231	0.33 238	0.14 294	0.14 251	0.14 298	0.16 325	0.21 335	0.24 302

SHD	0.45 323	0.34 313	0.89 312	0.37 344	0.28 338	0.46 310	0.23 218	0.72 362	0.96 376	0.65 352	0.61 325	0.61 332	0.48 325	0.64 276	0.69 336	0.16 314	0.16 281	0.16 318	0.16 325	0.21 335	0.25 311

AnyNet_C32	0.55 346	0.51 357	1.34 366	0.29 298	0.28 338	0.61 348	0.62 373	0.57 281	0.62 331	0.63 350	0.68 337	0.54 313	0.55 341	0.82 332	1.81 393	0.15 306	0.15 272	0.15 312	0.18 340	0.21 335	0.25 311

coex-ft	3.48 409	0.81 382	48.53 433	0.24 165	0.19 254	0.53 336	0.47 354	0.49 211	2.36 401	7.18 414	1.20 377	0.96 374	2.53 406	0.75 312	2.14 400	0.13 273	0.15 272	0.14 298	0.12 269	0.22 339	0.47 374

EDNetEfficientorigin	7.48 413	0.57 368	139.59 435	0.25 197	0.17 211	0.44 300	0.30 292	0.48 204	1.04 378	1.29 388	1.02 370	0.82 366	0.87 375	0.76 318	1.02 359	0.10 197	0.09 167	0.12 257	0.11 232	0.22 339	0.25 311

G-Net	0.47 332	0.26 270	1.02 331	0.34 334	0.28 338	0.89 374	0.35 317	0.47 195	0.46 242	0.68 356	1.20 377	0.64 344	0.59 348	0.61 260	0.60 323	0.16 314	0.14 251	0.17 327	0.13 293	0.22 339	0.21 275

RTS	0.81 379	0.56 364	4.76 407	0.37 344	0.30 349	1.11 383	0.52 364	0.67 346	1.07 381	0.76 363	0.91 364	0.60 330	0.61 353	1.64 392	1.24 371	0.15 306	0.13 242	0.15 312	0.15 316	0.22 339	0.24 302

RTSA	0.81 379	0.56 364	4.76 407	0.37 344	0.30 349	1.11 383	0.52 364	0.67 346	1.07 381	0.76 363	0.91 364	0.60 330	0.61 353	1.64 392	1.24 371	0.15 306	0.13 242	0.15 312	0.15 316	0.22 339	0.24 302

GASNet	0.39 294	0.58 370	1.27 362	0.35 339	0.23 308	0.35 254	0.23 218	0.63 329	0.56 312	0.41 277	0.38 170	0.45 273	0.30 235	0.81 331	0.42 272	0.16 314	0.11 212	0.14 298	0.14 307	0.23 344	0.12 162

sAnonymous2	0.21 79	0.24 247	0.79 283	0.24 165	0.17 211	0.22 86	0.20 154	0.36 85	0.29 78	0.17 15	0.19 24	0.17 38	0.16 61	0.18 12	0.15 37	0.10 197	0.07 92	0.09 119	0.08 103	0.23 344	0.18 240

CroCo_RVC	0.21 79	0.24 247	0.79 283	0.24 165	0.17 211	0.22 86	0.20 154	0.36 85	0.29 78	0.17 15	0.19 24	0.17 38	0.16 61	0.18 12	0.15 37	0.10 197	0.07 92	0.09 119	0.08 103	0.23 344	0.18 240

ADCS	0.62 360	0.56 364	1.54 379	0.30 304	0.25 329	0.56 340	0.46 351	0.71 359	0.86 366	0.77 365	0.72 343	0.68 355	0.62 357	0.82 332	2.33 402	0.17 326	0.16 281	0.16 318	0.17 336	0.23 344	0.27 323

AnyNet_C01	0.68 368	0.69 376	2.64 398	0.33 330	0.27 337	0.93 375	0.64 374	0.66 344	0.65 336	0.70 358	0.97 368	0.75 363	0.63 359	1.01 364	1.52 386	0.17 326	0.16 281	0.17 327	0.17 336	0.24 348	0.28 329

MFN_U_SF_DS_RVC	0.53 343	0.60 373	0.98 327	0.40 358	0.25 329	0.87 372	0.57 370	0.60 310	0.64 335	0.60 347	0.67 335	0.63 339	0.42 305	1.13 372	0.50 300	0.23 352	0.28 358	0.27 358	0.35 374	0.25 349	0.33 343

FADNet	0.34 269	0.43 345	0.88 310	0.24 165	0.22 299	0.37 267	0.19 123	0.56 272	0.49 274	0.32 175	0.36 156	0.43 262	0.32 259	0.65 280	0.30 215	0.17 326	0.16 281	0.14 298	0.16 325	0.25 349	0.21 275

LSM	1.68 401	0.48 354	2.91 401	2.28 413	17.60 422	0.52 333	0.55 368	0.65 340	0.78 358	0.84 368	1.11 373	0.63 339	0.55 341	0.79 325	0.53 308	0.16 314	0.25 345	0.18 334	0.21 348	0.25 349	2.37 414

MSMD_ROB	0.63 363	0.34 313	0.70 253	0.30 304	0.25 329	0.88 373	0.35 317	0.58 293	0.67 340	1.13 384	1.52 389	1.75 392	1.05 384	0.90 348	0.60 323	0.24 354	0.22 328	0.27 358	0.27 367	0.25 349	0.27 323

XQC	0.47 332	0.45 350	1.07 337	0.40 358	0.28 338	0.58 344	0.38 332	0.67 346	0.76 357	0.53 335	0.47 262	0.59 325	0.47 321	0.74 307	0.80 345	0.18 336	0.14 251	0.18 334	0.16 325	0.26 353	0.24 302

FC-DCNN	0.73 370	0.33 306	0.84 295	0.33 330	0.28 338	0.82 371	0.40 339	0.82 374	0.83 363	1.43 394	1.60 393	1.97 394	1.38 393	1.10 371	0.93 352	0.24 354	0.22 328	0.27 358	0.26 365	0.26 353	0.32 341

DPSNet	0.51 339	0.26 270	1.16 349	0.28 285	0.21 284	0.76 362	0.56 369	0.89 382	0.82 362	0.49 320	0.51 278	0.64 344	0.81 370	0.89 345	0.85 349	0.17 326	0.16 281	0.13 280	0.13 293	0.26 353	0.27 323

PDISCO_ROB	0.45 323	0.37 326	0.89 312	0.44 366	0.37 363	0.70 357	0.35 317	0.75 366	0.78 358	0.45 303	0.53 291	0.65 346	0.40 296	0.68 292	0.52 304	0.22 351	0.12 228	0.21 346	0.19 342	0.26 353	0.22 283

ccnet	0.43 318	0.34 313	0.62 226	0.28 285	0.33 354	0.60 347	0.34 315	0.68 351	0.47 255	0.54 338	0.66 333	0.56 318	0.46 319	0.73 303	0.66 333	0.26 358	0.19 310	0.24 355	0.22 355	0.27 357	0.25 311

FCDSN-DC	0.67 366	0.38 332	0.83 292	0.37 344	0.30 349	0.66 355	0.37 324	0.69 357	0.70 348	1.15 386	1.53 390	1.70 391	1.38 393	1.00 363	0.83 347	0.24 354	0.22 328	0.27 358	0.26 365	0.27 357	0.32 341
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SAMSARA	0.62 360	0.47 352	0.93 320	0.70 384	0.50 374	1.15 386	1.29 404	0.79 370	0.70 348	0.77 365	0.55 299	0.92 370	0.58 346	0.87 342	0.77 342	0.19 345	0.27 354	0.18 334	0.19 342	0.27 357	0.28 329

PVD	0.62 360	0.41 341	0.93 320	0.44 366	0.39 367	0.63 352	0.51 363	0.86 379	1.27 389	0.93 373	1.09 372	0.81 365	0.85 372	0.89 345	0.89 350	0.21 348	0.23 336	0.22 351	0.19 342	0.28 360	0.41 366

GANetREF_RVC	0.45 323	0.52 358	0.87 304	0.39 354	0.20 271	0.51 328	0.50 361	0.68 351	0.67 340	0.47 314	0.46 255	0.50 299	0.43 308	0.91 350	0.40 265	0.28 364	0.21 323	0.32 367	0.19 342	0.28 360	0.23 290
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
MaskLacGwcNet_RVC	0.38 289	0.43 345	0.72 263	0.35 339	0.19 254	0.51 328	0.25 253	0.56 272	0.39 180	0.42 281	0.47 262	0.47 286	0.27 193	0.74 307	0.32 230	0.38 376	0.19 310	0.27 358	0.17 336	0.29 362	0.27 323

PASM	0.49 336	0.41 341	1.15 347	0.37 344	0.35 358	0.42 291	0.42 343	0.54 251	0.65 336	0.54 338	0.54 294	0.63 339	0.48 325	0.94 359	0.51 303	0.27 362	0.30 370	0.30 363	0.33 372	0.29 362	0.29 333

MFN_U_SF_RVC	0.58 354	0.58 370	1.31 365	0.39 354	0.23 308	0.72 359	0.30 292	0.83 376	0.68 344	0.74 360	0.74 347	0.86 367	0.60 349	0.84 337	0.83 347	0.29 365	0.27 354	0.32 367	0.37 378	0.31 364	0.33 343

MANE	1.63 399	0.58 370	1.16 349	0.59 377	0.60 381	2.71 407	1.53 406	2.63 410	3.62 405	2.33 405	3.26 407	3.66 408	2.98 409	2.26 405	2.26 401	0.37 374	0.40 381	0.31 366	0.49 383	0.31 364	0.63 387

ELAS_RVC	0.80 377	0.40 339	1.10 342	0.40 358	0.35 358	0.93 375	1.10 400	0.87 380	1.12 386	1.40 392	1.39 383	1.27 381	1.55 400	1.13 372	1.13 366	0.29 365	0.27 354	0.30 363	0.28 368	0.31 364	0.36 349
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.80 377	0.40 339	0.91 315	0.39 354	0.35 358	1.52 399	0.81 387	0.97 384	0.98 377	1.47 400	1.58 392	1.19 379	1.33 392	1.01 364	1.21 369	0.29 365	0.27 354	0.30 363	0.29 370	0.32 367	0.36 349
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Anonymous_2	0.44 320	0.23 237	0.57 190	0.34 334	0.34 355	0.53 336	0.28 282	0.49 211	0.39 180	0.36 224	0.34 137	0.48 289	0.38 286	0.43 193	0.33 238	0.26 358	0.41 383	0.44 376	1.45 410	0.33 368	0.37 357

CC-Net-ROB	0.46 329	0.55 362	0.86 302	0.38 352	0.23 308	0.51 328	0.30 292	0.69 357	0.51 285	0.46 308	0.51 278	0.48 289	0.38 286	0.96 360	0.40 265	0.36 373	0.23 336	0.56 382	0.25 361	0.34 369	0.22 283

UDG	0.42 313	0.54 361	0.67 244	0.41 362	0.35 358	0.47 316	0.27 268	0.57 281	0.48 261	0.40 267	0.46 255	0.59 325	0.45 312	0.47 206	0.46 288	0.26 358	0.19 310	0.49 378	0.22 355	0.37 370	0.30 335

NVStereoNet_ROB	0.74 371	0.64 375	1.20 359	0.55 376	0.43 371	0.54 339	0.48 355	0.75 366	0.87 368	0.88 370	1.72 395	1.06 375	1.03 383	1.29 382	0.98 357	0.35 372	0.42 384	0.41 375	0.48 382	0.38 371	0.43 368
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DDUNet	0.45 323	0.60 373	0.71 259	0.45 368	0.39 367	0.46 310	0.32 306	0.53 244	0.44 222	0.46 308	0.53 291	0.57 319	0.38 286	0.51 218	0.43 275	0.34 371	0.21 323	0.56 382	0.25 361	0.41 372	0.36 349

MSC_U_SF_DS_RVC	0.70 369	0.73 379	1.26 361	0.47 370	0.28 338	1.42 397	0.60 371	0.82 374	0.94 375	0.85 369	0.86 360	0.88 369	0.70 363	1.32 385	0.75 340	0.37 374	0.30 370	0.34 370	0.36 376	0.44 373	0.42 367

MADNet+	1.05 384	1.26 402	4.77 409	0.73 385	0.50 374	1.25 390	0.97 392	1.05 385	0.93 372	0.67 355	0.78 351	0.87 368	0.85 372	2.14 402	1.83 394	0.40 379	0.42 384	0.32 367	0.28 368	0.45 374	0.43 368

SQANet	0.44 320	0.57 368	0.89 312	0.49 372	0.39 367	0.47 316	0.23 218	0.53 244	0.44 222	0.41 277	0.48 271	0.47 286	0.34 264	0.58 243	0.43 275	0.38 376	0.15 272	0.40 374	0.21 348	0.50 375	0.34 346

anonymity	0.57 352	0.55 362	0.74 265	0.48 371	0.63 382	0.56 340	0.43 345	0.71 359	0.51 285	0.64 351	0.55 299	0.57 319	0.61 353	0.65 280	0.57 319	0.55 382	0.55 393	0.50 379	0.54 388	0.51 376	0.61 384

Consistency-Raft	0.56 350	0.52 358	1.12 343	0.45 368	0.49 373	0.48 322	0.45 348	0.73 363	0.74 356	0.45 303	0.82 356	0.46 279	0.60 349	0.51 218	0.63 330	0.39 378	0.40 381	0.44 376	0.51 387	0.53 377	0.38 365

SPS-STEREO	0.74 371	0.72 377	1.18 356	0.52 374	0.57 380	0.76 362	0.50 361	0.80 371	0.66 339	0.97 376	0.88 363	0.94 371	0.74 364	1.08 370	1.04 361	0.58 385	0.51 387	0.50 379	0.50 386	0.56 378	0.72 395
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	1.12 389	0.86 384	1.64 382	0.68 382	0.80 395	1.68 401	1.68 409	1.08 386	1.10 383	1.53 402	1.76 397	1.47 386	1.53 399	1.24 378	1.42 385	0.66 389	0.65 403	0.52 381	0.54 388	0.57 379	0.91 402

JetBlue	1.20 391	0.89 385	2.53 397	0.59 377	0.76 389	3.16 410	2.09 410	1.16 388	0.93 372	0.95 374	1.12 374	1.65 389	1.27 390	2.15 403	1.87 395	0.43 380	0.37 380	0.38 372	0.39 380	0.62 380	0.63 387

BEATNet-Init1	4.91 411	3.27 413	14.39 422	0.69 383	0.65 385	10.19 418	3.83 413	5.04 413	5.11 411	8.73 416	8.52 414	13.95 423	7.66 414	7.79 416	5.79 413	0.32 370	0.34 378	0.34 370	0.38 379	0.64 381	0.64 389

otaku	0.60 357	0.73 379	1.13 345	0.64 379	0.45 372	0.73 361	0.37 324	0.67 346	0.67 340	0.52 329	0.75 349	0.66 350	0.46 319	0.74 307	0.59 322	0.55 382	0.34 378	0.56 382	0.36 376	0.65 382	0.49 378

DGSMNet	0.63 363	0.32 302	1.01 330	0.54 375	0.73 388	0.62 349	1.36 405	0.62 325	0.58 316	0.38 247	0.62 327	0.52 307	0.34 264	0.65 280	0.47 291	0.54 381	0.61 398	0.67 387	0.61 395	0.65 382	0.69 393

WAO-7	1.05 384	1.00 392	1.19 357	0.83 390	0.67 386	1.22 389	0.84 389	1.43 394	1.56 394	1.13 384	1.75 396	1.46 385	1.25 389	1.56 391	1.28 373	0.61 387	0.62 401	0.70 388	0.68 397	0.66 384	0.62 385

MFMNet_re	0.74 371	0.84 383	1.16 349	0.64 379	0.70 387	0.79 367	0.71 379	0.77 369	0.85 365	0.79 367	0.86 360	0.69 357	0.80 368	0.73 303	0.65 331	0.66 389	0.59 397	0.61 386	0.58 393	0.68 385	0.71 394

DispFullNet	0.67 366	0.94 388	1.63 381	0.77 388	1.19 405	0.53 336	0.25 253	0.61 317	0.72 352	0.70 358	0.60 316	0.69 357	0.90 376	0.80 328	0.52 304	0.27 362	0.13 242	0.74 390	0.31 371	0.68 385	0.44 370

Ntro	0.61 359	0.75 381	1.16 349	0.67 381	0.50 374	0.76 362	0.37 324	0.68 351	0.71 350	0.50 323	0.59 312	0.65 346	0.52 334	0.79 325	0.58 321	0.58 385	0.32 375	0.57 385	0.34 373	0.69 387	0.50 379

ACVNet_1	0.77 376	0.92 387	1.79 387	0.73 385	0.53 378	0.78 366	0.42 343	0.88 381	0.90 369	0.75 361	0.76 350	1.32 383	0.80 368	1.04 367	0.70 337	0.57 384	0.32 375	0.72 389	0.35 374	0.70 388	0.50 379

ACVNet-4b	0.76 374	0.90 386	1.67 383	0.73 385	0.51 377	0.80 370	0.31 301	0.74 365	0.81 361	0.51 326	0.72 343	0.94 371	0.43 308	1.01 364	1.32 379	1.18 407	0.22 328	0.77 391	0.45 381	0.70 388	0.50 379

ACVNet_2	0.94 381	0.98 391	1.71 385	0.83 390	0.63 382	1.02 381	0.64 374	1.16 388	1.43 393	1.02 378	1.39 383	1.47 386	0.86 374	1.16 374	0.79 344	0.63 388	0.43 386	0.78 392	0.49 383	0.80 390	0.57 382

RainbowNet	0.76 374	1.00 392	1.29 363	0.82 389	0.63 382	0.79 367	0.52 364	0.83 376	0.93 372	0.61 349	0.79 354	0.79 364	0.62 357	0.82 332	0.67 335	0.80 395	0.55 393	0.79 393	0.49 383	0.81 391	0.62 385

WAO-6	1.11 388	1.01 394	1.17 355	0.96 393	0.79 392	1.30 393	0.78 384	1.36 392	1.99 399	1.04 381	1.54 391	1.59 388	1.27 390	1.37 387	1.30 374	0.78 393	0.55 393	1.03 400	0.75 401	0.87 392	0.72 395

IMH-64-1	0.94 381	0.95 389	1.07 337	0.98 394	0.76 389	0.93 375	0.72 380	1.30 390	1.11 384	0.91 371	1.45 386	1.14 376	1.00 381	1.25 380	0.97 355	0.77 391	0.51 387	0.97 396	0.55 391	0.90 393	0.66 390

IMH-64	0.94 381	0.95 389	1.07 337	0.98 394	0.76 389	0.93 375	0.72 380	1.30 390	1.11 384	0.91 371	1.45 386	1.14 376	1.00 381	1.25 380	0.97 355	0.77 391	0.51 387	0.97 396	0.55 391	0.90 393	0.66 390

LVE	1.18 390	1.16 397	1.67 383	1.04 397	0.81 396	1.32 394	0.82 388	1.49 396	1.94 397	1.08 382	1.90 398	1.89 393	1.07 385	1.51 390	1.04 361	0.96 401	0.61 398	0.94 395	0.69 398	0.92 395	0.79 400

IMH	1.09 387	1.04 395	1.29 363	1.03 396	0.79 392	1.11 383	0.69 377	1.40 393	1.42 392	1.02 378	1.71 394	1.42 384	1.19 388	1.78 398	1.03 360	1.14 405	0.56 396	1.00 398	0.58 393	0.93 396	0.68 392

WAO-8	1.50 395	1.22 400	1.39 370	1.10 399	0.85 397	2.15 403	0.78 384	1.84 403	3.76 406	1.46 396	2.18 402	2.15 397	1.50 397	3.20 409	1.35 381	0.92 399	0.66 404	1.10 401	0.79 402	0.94 397	0.74 397

Venus	1.50 395	1.22 400	1.39 370	1.10 399	0.85 397	2.15 403	0.78 384	1.84 403	3.76 406	1.46 396	2.18 402	2.15 397	1.50 397	3.20 409	1.35 381	0.92 399	0.66 404	1.10 401	0.79 402	0.94 397	0.74 397

SuperB	0.50 337	0.37 326	2.16 394	0.23 128	0.15 157	0.41 286	0.32 306	0.50 219	0.83 363	0.44 296	0.51 278	0.33 190	0.45 312	0.69 293	1.07 363	0.10 197	0.08 138	0.09 119	0.08 103	0.95 399	0.18 240

Dean	1.22 392	1.17 398	1.97 390	1.04 397	0.79 392	1.21 388	0.76 382	1.51 397	1.96 398	1.30 390	1.98 400	2.14 396	1.18 387	1.30 383	1.15 367	0.83 396	0.61 398	1.01 399	0.69 398	0.97 400	0.77 399

PWCK	1.05 384	1.29 403	2.12 392	0.92 392	0.42 370	1.27 391	1.01 394	1.14 387	1.14 387	1.16 387	1.14 375	1.25 380	0.90 376	1.77 397	1.15 367	0.89 398	0.51 387	0.87 394	0.54 388	1.02 401	0.57 382

UNDER WATER-64	1.61 398	1.30 404	2.93 402	1.33 404	0.96 401	2.20 405	1.25 403	1.47 395	3.15 403	1.46 396	1.31 381	2.61 403	2.22 404	1.69 394	1.93 396	1.13 404	0.67 406	1.29 406	0.94 405	1.26 402	1.09 406

UNDER WATER	1.64 400	1.34 405	2.72 400	1.40 405	1.04 402	1.70 402	1.14 402	1.57 400	3.58 404	1.46 396	1.46 388	2.82 405	2.43 405	1.74 395	2.04 399	1.08 403	0.63 402	1.31 407	0.94 405	1.29 403	1.10 407

TorneroNet-64	1.47 393	1.15 396	1.51 377	1.11 401	0.86 399	2.27 406	0.76 382	1.84 403	3.76 406	1.29 388	2.22 404	2.68 404	1.46 395	1.81 399	1.55 388	0.79 394	0.51 387	1.10 401	0.67 396	1.31 404	0.81 401

TorneroNet	2.26 405	1.20 399	1.55 380	1.15 403	0.91 400	5.84 411	0.84 389	2.12 407	8.45 415	2.59 407	5.32 411	3.84 409	2.15 403	1.84 401	1.98 398	0.88 397	0.54 392	1.16 405	0.74 400	1.31 404	0.91 402

SPstereo	14.29 420	1.85 410	2.95 403	1.89 410	1.68 410	23.50 427	43.36 427	35.81 434	29.54 434	20.90 428	20.49 425	26.26 434	21.86 427	25.13 434	19.49 426	1.60 410	1.44 410	2.99 414	2.21 413	1.34 406	1.43 411

KSHMR	1.92 404	1.47 408	1.97 390	1.48 408	1.22 406	1.39 396	1.06 396	1.81 402	5.83 412	1.43 394	5.56 412	2.95 406	1.17 386	2.24 404	1.33 380	1.29 408	1.13 409	1.47 410	1.11 409	1.37 407	1.21 408

notaker	1.49 394	1.44 406	1.77 386	1.42 406	1.08 403	1.19 387	0.87 391	1.51 397	1.40 391	1.53 402	3.41 408	2.40 400	1.94 402	1.83 400	1.57 389	1.14 405	0.69 407	1.38 408	0.88 404	1.39 408	1.03 405

ktn	1.80 402	1.46 407	1.49 375	1.44 407	1.14 404	1.50 398	1.07 397	1.53 399	3.90 409	2.77 408	4.62 409	3.42 407	1.49 396	1.74 395	1.40 384	1.45 409	0.77 408	1.46 409	0.99 407	1.41 409	1.00 404

JetRed	2.35 407	2.70 412	6.11 410	1.14 402	1.38 408	6.03 412	3.61 412	2.12 407	1.72 395	1.99 404	1.97 399	2.15 397	1.59 401	2.49 406	4.19 411	1.05 402	1.60 411	1.10 401	1.02 408	1.72 410	1.41 410

MADNet++	2.34 406	1.81 409	2.24 395	2.15 412	1.97 411	2.79 409	2.19 411	2.42 409	2.26 400	2.79 409	2.70 406	2.43 401	2.60 407	3.18 408	3.32 407	2.19 411	1.97 412	1.93 411	1.62 411	2.02 411	2.10 412

HanzoNet	3.08 408	1.87 411	2.70 399	1.81 409	1.34 407	1.60 400	1.05 395	2.06 406	2.62 402	5.63 412	5.12 410	5.96 413	7.09 413	4.39 413	3.43 408	3.29 413	2.06 414	1.98 412	2.94 415	2.47 412	2.15 413

tt	4.71 410	0.11 27	3.94 406	2.06 411	1.54 409	10.14 417	16.85 418	9.28 418	4.99 410	1.41 393	1.05 371	4.68 410	4.89 410	3.36 411	5.86 414	5.73 417	9.15 422	2.23 413	2.51 414	3.02 413	1.34 409

DPSimNet_ROB	6.21 412	5.16 414	9.50 412	5.59 416	5.56 413	7.64 413	10.02 415	4.07 412	7.33 414	6.84 413	6.26 413	7.17 415	10.55 415	4.07 412	5.68 412	5.50 416	4.29 415	5.24 417	3.66 416	4.05 414	5.96 416

DGTPSM_ROB	8.38 414	5.24 415	10.71 420	5.32 415	10.19 416	8.34 414	23.49 422	6.11 415	13.43 421	4.93 410	10.93 419	5.64 411	10.55 415	6.17 414	12.73 418	3.74 414	7.56 417	3.68 415	7.24 419	4.09 415	7.49 417

DPSMNet_ROB	8.44 415	5.25 416	10.87 421	5.59 416	10.27 417	8.34 414	23.51 423	6.12 416	13.47 422	4.96 411	10.94 420	5.65 412	10.55 415	6.25 415	12.77 419	4.01 415	7.62 418	3.75 416	7.27 420	4.16 416	7.54 418

DPSM_ROB	11.46 418	9.79 421	10.18 415	11.11 419	11.31 418	19.08 425	27.38 425	13.42 423	14.23 424	10.34 420	11.13 421	10.97 421	11.33 422	11.89 423	13.49 420	6.74 419	8.19 420	6.00 418	7.05 417	7.74 417	7.76 419

DPSM	11.46 418	9.79 421	10.18 415	11.11 419	11.31 418	19.08 425	27.38 425	13.42 423	14.23 424	10.34 420	11.13 421	10.97 421	11.33 422	11.89 423	13.49 420	6.74 419	8.19 420	6.00 418	7.05 417	7.74 417	7.76 419

PML	15.86 424	13.12 424	7.07 411	5.22 414	7.66 414	32.93 428	64.30 434	5.37 414	10.12 416	25.87 433	67.29 434	20.25 425	13.20 424	10.09 418	6.81 416	5.94 418	2.00 413	6.03 420	2.18 412	9.13 419	2.62 415

xxxxx1	15.30 421	9.78 418	10.23 417	20.34 424	19.47 423	17.10 420	23.00 419	10.36 419	11.04 417	9.25 417	9.66 415	10.74 418	10.66 418	10.60 419	13.72 422	8.14 421	9.35 423	31.88 432	44.61 432	12.63 420	13.46 422

tt_ll	15.30 421	9.78 418	10.23 417	20.34 424	19.47 423	17.10 420	23.00 419	10.36 419	11.04 417	9.25 417	9.66 415	10.74 418	10.66 418	10.60 419	13.72 422	8.14 421	9.35 423	31.88 432	44.61 432	12.63 420	13.46 422

ff	15.30 421	9.78 418	10.23 417	20.34 424	19.47 423	17.10 420	23.00 419	10.36 419	11.04 417	9.25 417	9.66 415	10.74 418	10.66 418	10.60 419	13.72 422	8.14 421	9.35 423	31.88 432	44.61 432	12.63 420	13.46 422

LRCNet_RVC	10.94 417	14.45 425	9.66 413	15.38 421	8.02 415	1.08 382	0.35 317	8.72 417	0.72 352	12.63 423	15.84 423	9.73 416	6.52 412	8.58 417	6.38 415	20.33 431	5.39 416	23.79 429	21.95 428	15.35 423	13.96 425

CasAABBNet	23.04 428	19.69 426	20.32 424	22.42 427	22.73 427	38.35 429	55.23 430	26.99 431	28.74 429	20.67 426	22.28 428	22.11 430	22.86 431	23.84 430	27.17 430	13.52 424	16.47 427	12.08 421	14.21 422	15.57 424	15.60 426

MyStereo03	23.12 430	19.74 427	20.70 427	22.51 429	22.82 429	38.36 430	55.25 431	26.92 428	28.81 430	20.90 428	22.38 429	22.06 427	22.80 428	23.83 427	27.20 432	13.55 426	16.70 429	12.09 422	14.22 424	15.58 425	16.03 428

MyStereo02	23.12 430	19.74 427	20.70 427	22.51 429	22.82 429	38.36 430	55.25 431	26.92 428	28.81 430	20.90 428	22.38 429	22.06 427	22.80 428	23.83 427	27.20 432	13.55 426	16.70 429	12.09 422	14.22 424	15.58 425	16.03 428

MyStereo	23.12 430	19.74 427	20.70 427	22.51 429	22.82 429	38.36 430	55.25 431	26.92 428	28.81 430	20.90 428	22.38 429	22.06 427	22.80 428	23.83 427	27.20 432	13.55 426	16.70 429	12.09 422	14.22 424	15.58 425	16.03 428

Selective-RAFT-Error	23.11 429	19.77 430	20.60 426	22.49 428	22.80 428	38.46 434	55.19 429	27.13 433	28.90 433	20.73 427	22.38 429	22.11 430	22.91 433	23.94 431	27.18 431	13.54 425	16.57 428	12.09 422	14.21 422	15.61 428	15.65 427

LSM0	24.21 433	19.88 431	22.33 430	24.42 432	40.13 434	38.41 433	54.99 428	27.05 432	28.61 428	20.59 425	22.00 427	22.29 432	22.86 431	24.12 432	27.16 429	13.59 429	16.33 426	12.13 426	14.08 421	15.72 429	17.53 431

HaxPig	17.72 426	20.23 432	19.76 423	16.55 422	16.52 421	9.46 416	9.42 414	14.48 425	13.31 420	18.59 424	18.67 424	17.39 424	16.68 425	17.07 425	16.43 425	21.99 432	20.86 432	22.28 428	21.55 427	21.30 430	21.88 432

MEDIAN_ROB	21.20 427	24.56 433	23.42 431	19.57 423	19.62 426	13.29 419	11.21 416	18.04 426	17.02 426	22.07 432	21.92 426	20.84 426	20.24 426	21.02 426	19.68 427	25.59 433	24.08 433	26.20 430	25.19 429	25.31 431	25.19 433

AVERAGE_ROB	25.43 434	29.01 434	27.22 432	24.60 433	24.16 433	17.78 423	12.87 417	22.39 427	21.40 427	26.72 434	26.08 433	25.18 433	24.52 434	25.07 433	23.57 428	29.94 434	28.36 434	30.60 431	29.57 430	29.83 432	29.66 434

DLNR_Zeroshot_test	10.53 416	12.28 423	20.32 424	105.84 435	23.88 432	0.14 3	0.13 2	3.20 411	0.20 5	0.16 11	0.23 49	0.16 31	0.10 3	0.32 137	0.16 46	2.54 412	0.32 375	0.07 13	0.07 44	40.17 433	0.28 329

Anonymous_1	16.44 425	9.26 417	9.67 414	10.63 418	14.54 420	18.62 424	26.98 424	12.68 422	13.53 423	10.78 422	10.37 418	10.15 417	10.66 418	10.99 422	12.64 417	15.61 430	7.73 419	16.87 427	43.01 431	56.14 434	7.86 421

test_example2	100.95 435	107.33 435	67.16 434	98.17 434	106.88 435	89.44 435	101.34 435	37.23 435	97.88 435	129.56 435	131.26 435	65.41 435	67.34 435	91.22 435	79.29 435	143.32 435	199.32 435	81.12 435	102.17 435	121.89 435	101.70 435

Low-res two-view benchmark