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

CREStereo++_RVC	0.47 30	0.21 4	0.38 4	0.45 32	0.38 170	0.45 17	0.25 4	0.75 8	1.29 255	0.80 62	1.21 169	0.47 19	0.37 12	0.53 5	0.44 84	0.16 11	0.11 3	0.15 3	0.80 378	0.18 41	0.11 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	0.52 39	0.20 2	0.38 4	0.41 5	0.19 1	0.96 224	0.34 43	1.17 124	1.25 234	0.81 66	0.90 65	0.63 57	0.50 56	1.45 168	0.42 73	0.14 4	0.12 9	0.17 14	0.11 6	0.18 41	0.11 1

4D-IteraStereo	0.48 32	0.24 19	0.76 155	0.50 72	0.44 203	0.66 117	0.31 27	0.87 25	1.02 139	1.03 111	0.72 35	0.78 90	0.32 9	0.64 26	0.37 38	0.17 32	0.11 3	0.23 150	0.19 108	0.19 71	0.13 3

Selective-IGEV	0.39 5	0.24 19	0.50 18	0.44 23	0.25 18	0.46 18	0.33 33	1.25 151	0.40 1	0.35 1	0.45 3	0.52 37	0.30 4	1.07 109	0.30 1	0.14 4	0.12 9	0.17 14	0.13 11	0.16 13	0.13 3

MC-Stereo	0.43 13	0.23 13	0.48 15	0.51 95	0.28 52	0.39 9	0.32 30	0.88 32	0.68 44	0.60 38	0.84 55	0.56 41	0.61 106	1.03 98	0.31 5	0.17 32	0.11 3	0.17 14	0.15 30	0.16 13	0.13 3

test-3	0.54 62	0.22 9	0.68 88	0.47 41	0.27 33	0.58 74	0.35 46	0.92 41	1.00 134	1.32 245	0.69 30	0.87 127	0.45 30	1.68 211	0.37 38	0.16 11	0.11 3	0.20 73	0.16 58	0.17 24	0.13 3

test_1	0.54 62	0.22 9	0.68 88	0.47 41	0.27 33	0.58 74	0.35 46	0.92 41	1.00 134	1.28 220	0.68 27	0.87 127	0.45 30	1.67 206	0.37 38	0.16 11	0.11 3	0.20 73	0.16 58	0.17 24	0.13 3

AnonymousM	0.59 98	1.11 371	0.41 9	0.44 23	0.32 106	0.43 14	0.47 148	1.05 87	0.64 27	0.98 97	0.63 21	0.67 67	0.43 23	0.59 14	0.41 65	0.20 117	0.15 125	1.84 388	0.84 380	0.14 2	0.13 3

RAFT-Stereo + iAFF	0.54 62	0.25 35	0.68 88	0.43 8	0.24 9	0.40 10	0.34 43	1.04 81	1.09 168	1.32 245	1.60 282	0.80 95	0.68 127	0.67 30	0.39 54	0.13 1	0.10 1	0.18 36	0.17 74	0.17 24	0.13 3

PMTNet	0.46 24	0.21 4	0.38 4	0.37 2	0.23 6	0.71 142	0.27 14	0.74 7	1.04 146	0.64 40	0.70 31	0.55 39	0.47 39	0.86 69	0.35 27	1.00 376	0.13 42	0.15 3	0.10 2	0.15 5	0.13 3

StereoIM	0.36 1	0.25 35	0.58 48	0.44 23	0.34 137	0.30 3	0.30 22	0.72 5	0.50 6	0.37 2	0.36 1	0.58 47	0.49 55	0.52 4	0.36 33	0.19 92	0.16 156	0.19 49	0.15 30	0.18 41	0.14 11

MIM_Stereo	0.57 90	0.24 19	0.92 215	0.46 35	0.30 79	0.54 59	0.28 17	1.27 153	0.75 56	1.00 101	1.16 156	0.93 145	0.53 65	1.45 168	0.61 173	0.16 11	0.16 156	0.20 73	0.19 108	0.17 24	0.14 11

CASnet	0.41 10	0.25 35	0.48 15	0.50 72	0.20 2	0.50 39	0.36 56	0.81 21	0.80 68	0.83 70	0.68 27	0.48 22	0.31 6	0.54 7	0.32 7	0.18 60	0.12 9	0.27 236	0.22 197	0.23 177	0.14 11
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.37 3	0.24 19	0.52 26	0.47 41	0.51 244	0.37 8	0.38 69	0.65 3	0.53 16	0.42 4	0.56 18	0.46 16	0.60 97	0.53 5	0.30 1	0.16 11	0.13 42	0.18 36	0.15 30	0.17 24	0.14 11

LoS	0.40 8	0.21 4	0.44 11	0.37 2	0.22 4	0.50 39	0.40 83	1.00 68	0.94 106	0.48 17	0.66 23	0.48 22	0.40 17	0.60 23	0.37 38	0.18 60	0.14 75	0.16 9	0.11 6	0.14 2	0.14 11

RCA-Stereo	0.50 37	0.23 13	0.58 48	0.48 52	0.33 122	0.55 65	0.45 135	0.97 60	1.38 295	0.68 43	1.05 111	0.63 57	0.80 164	0.59 14	0.32 7	0.17 32	0.12 9	0.17 14	0.14 22	0.16 13	0.14 11

RAFT_CTSACE	0.63 116	0.26 46	0.88 200	0.55 153	0.51 244	0.71 142	0.44 124	0.80 18	0.97 117	0.97 93	1.84 318	1.18 219	0.68 127	1.47 174	0.36 33	0.16 11	0.15 125	0.21 96	0.20 136	0.20 97	0.14 11

test_3	0.55 77	0.23 13	0.71 114	0.53 119	0.28 52	0.61 87	0.40 83	0.92 41	1.05 150	1.19 184	0.68 27	0.93 145	0.44 27	1.67 206	0.39 54	0.15 6	0.12 9	0.22 122	0.19 108	0.21 131	0.14 11

OMP-Stereo	0.94 249	0.33 187	0.72 118	0.90 355	0.31 91	0.49 30	0.36 56	1.16 122	1.06 153	1.58 315	1.12 139	1.46 277	0.69 130	6.94 379	0.49 122	0.19 92	0.14 75	0.24 170	0.18 88	0.20 97	0.14 11

IIG-Stereo	0.96 253	0.31 157	0.72 118	0.88 350	0.33 122	0.61 87	0.26 9	1.19 135	1.03 142	1.69 325	1.37 224	1.46 277	0.75 140	6.96 380	0.51 131	0.19 92	0.14 75	0.23 150	0.18 88	0.20 97	0.14 11

cross-raft	0.54 62	0.25 35	0.61 59	0.52 111	0.29 63	0.68 128	0.37 65	1.46 188	0.76 59	1.01 104	1.06 113	1.28 246	0.46 33	0.71 37	0.35 27	0.15 6	0.12 9	0.18 36	0.16 58	0.19 71	0.14 11

XX-TBD	0.46 24	0.70 338	0.35 1	0.79 322	0.25 18	0.58 74	0.26 9	0.69 4	1.27 246	0.76 53	1.00 87	0.45 15	0.33 10	0.47 3	0.37 38	0.19 92	0.15 125	0.15 3	0.11 6	0.17 24	0.14 11

XX-Stereo	0.63 116	0.26 46	1.90 348	0.81 328	0.67 303	0.43 14	0.23 3	1.03 77	0.58 18	0.65 41	1.56 274	1.41 267	0.39 14	1.28 132	0.35 27	0.20 117	0.14 75	0.20 73	0.19 108	0.18 41	0.14 11

AFF-stereo	0.58 95	0.25 35	0.64 72	0.46 35	0.29 63	0.34 4	0.38 69	1.15 121	1.14 190	1.17 176	1.60 282	1.10 201	0.71 135	0.97 88	0.43 82	0.13 1	0.11 3	0.19 49	0.19 108	0.17 24	0.14 11

CFNet-RSSM	0.54 62	0.24 19	0.70 103	0.48 52	0.28 52	0.60 84	0.27 14	1.49 192	1.14 190	1.06 115	0.93 70	1.08 193	0.54 68	0.70 33	0.35 27	0.16 11	0.12 9	0.17 14	0.15 30	0.16 13	0.14 11

CREStereo	0.39 5	0.21 4	0.38 4	0.34 1	0.22 4	0.53 56	0.29 19	0.77 11	1.11 174	0.58 32	0.71 33	0.51 32	0.41 19	0.54 7	0.34 24	0.18 60	0.13 42	0.15 3	0.10 2	0.14 2	0.14 11
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
AE-Stereo	0.49 35	0.27 67	0.67 85	0.60 206	0.39 178	0.67 121	0.46 142	1.18 129	1.09 168	0.47 13	0.75 40	0.69 74	0.47 39	0.59 14	0.40 58	0.16 11	0.15 125	0.21 96	0.20 136	0.19 71	0.15 27

MIF-Stereo	0.36 1	0.23 13	0.59 52	0.48 52	0.36 145	0.40 10	0.32 30	0.53 1	0.49 5	0.54 30	0.55 17	0.36 2	0.31 6	0.58 13	0.51 131	0.20 117	0.15 125	0.17 14	0.15 30	0.19 71	0.15 27

EGLCR-Stereo	0.37 3	0.22 9	0.51 24	0.43 8	0.26 20	0.44 16	0.22 2	0.99 64	0.48 4	0.42 4	0.42 2	0.67 67	0.29 3	0.86 69	0.33 16	0.17 32	0.12 9	0.19 49	0.17 74	0.17 24	0.15 27

test_4	0.53 48	0.22 9	0.56 37	0.54 134	0.32 106	0.64 96	0.39 80	0.80 18	0.62 23	0.92 82	1.87 323	0.68 69	0.42 21	1.16 122	0.37 38	0.15 6	0.13 42	0.20 73	0.22 197	0.20 97	0.15 27

GMOStereo	0.53 48	0.26 46	0.65 76	0.50 72	0.29 63	0.52 51	0.43 112	0.89 33	0.96 110	1.41 276	1.14 147	0.85 119	0.56 78	0.59 14	0.38 48	0.16 11	0.14 75	0.24 170	0.21 172	0.20 97	0.15 27

error version	0.53 48	0.26 46	0.65 76	0.50 72	0.29 63	0.52 51	0.43 112	0.89 33	0.96 110	1.41 276	1.14 147	0.85 119	0.56 78	0.59 14	0.38 48	0.16 11	0.14 75	0.24 170	0.21 172	0.20 97	0.15 27

test-v	0.53 48	0.26 46	0.65 76	0.50 72	0.29 63	0.52 51	0.43 112	0.89 33	0.96 110	1.41 276	1.14 147	0.85 119	0.56 78	0.59 14	0.38 48	0.16 11	0.14 75	0.24 170	0.21 172	0.20 97	0.15 27

TRStereo	0.60 101	0.60 321	0.97 228	0.74 310	0.67 303	0.46 18	0.38 69	1.85 280	0.89 88	0.79 60	0.80 52	0.88 130	0.39 14	1.10 112	0.41 65	0.23 190	0.15 125	0.23 150	0.24 228	0.17 24	0.15 27

AAGNet	1.83 355	0.28 83	0.72 118	0.61 218	0.32 106	0.67 121	0.51 170	0.96 59	0.98 122	1.47 288	1.20 167	1.00 169	1.18 287	2.83 294	22.77 420	0.22 167	0.13 42	0.22 122	0.19 108	0.23 177	0.15 27

test-2	0.53 48	0.26 46	0.65 76	0.50 72	0.29 63	0.52 51	0.43 112	0.89 33	0.96 110	1.41 276	1.14 147	0.85 119	0.56 78	0.59 14	0.38 48	0.16 11	0.14 75	0.24 170	0.21 172	0.20 97	0.15 27

iRaftStereo_RVC	0.47 30	0.26 46	0.64 72	0.50 72	0.29 63	0.53 56	0.33 33	1.05 87	0.77 61	0.84 72	1.00 87	0.55 39	0.37 12	0.81 59	0.40 58	0.17 32	0.12 9	0.22 122	0.20 136	0.19 71	0.15 27

raft+_RVC	0.53 48	0.26 46	0.54 32	0.60 206	0.47 224	0.54 59	0.54 189	1.27 153	0.99 129	0.76 53	1.03 107	0.70 77	0.56 78	0.93 82	0.47 110	0.18 60	0.14 75	0.19 49	0.18 88	0.18 41	0.15 27

Gwc-CoAtRS	0.52 39	0.24 19	0.68 88	0.48 52	0.29 63	0.64 96	0.25 4	1.16 122	1.08 162	1.01 104	1.00 87	1.12 206	0.56 78	0.69 31	0.37 38	0.16 11	0.13 42	0.17 14	0.15 30	0.15 5	0.15 27

HITNet	0.65 131	0.40 249	0.77 159	0.48 52	0.24 9	1.05 240	0.49 163	1.76 259	1.02 139	1.18 180	1.18 161	0.89 134	0.80 164	0.85 66	0.79 222	0.17 32	0.12 9	0.21 96	0.17 74	0.29 240	0.15 27
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
rrr	0.46 24	0.28 83	0.73 130	0.43 8	0.33 122	0.49 30	0.38 69	0.76 10	0.50 6	0.47 13	0.48 6	0.48 22	0.46 33	2.03 251	0.30 1	0.19 92	0.14 75	0.19 49	0.15 30	0.16 13	0.16 41

test croco	0.46 24	0.27 67	1.01 240	0.50 72	0.40 183	0.35 5	0.37 65	0.87 25	0.56 17	0.43 7	0.76 42	0.42 5	0.40 17	1.13 118	0.45 92	0.21 144	0.15 125	0.24 170	0.19 108	0.24 191	0.16 41

MSKI-zero shot	0.55 77	0.26 46	0.57 45	0.51 95	0.26 20	0.69 132	0.28 17	1.18 129	0.64 27	0.91 80	1.32 208	0.82 103	0.33 10	1.92 240	0.32 7	0.17 32	0.12 9	0.17 14	0.13 11	0.16 13	0.16 41

DLNR_Zeroshot_test	23.17 421	48.52 438	43.29 428	176.68 438	78.69 434	0.35 5	0.21 1	23.41 421	0.75 56	0.66 42	0.86 57	0.59 51	0.30 4	1.56 190	0.44 84	9.57 419	0.12 9	0.18 36	0.14 22	76.92 437	0.16 41

Any-RAFT	0.53 48	0.24 19	0.47 13	0.47 41	0.27 33	1.00 234	0.25 4	1.58 219	1.05 150	0.85 76	0.99 84	1.06 186	0.47 39	0.70 33	0.32 7	0.18 60	0.13 42	0.16 9	0.13 11	0.16 13	0.16 41

RAFT-Test	0.54 62	0.25 35	0.64 72	0.47 41	0.30 79	0.97 228	0.27 14	1.24 149	0.81 69	0.96 90	1.12 139	1.28 246	0.48 47	0.71 37	0.36 33	0.17 32	0.13 42	0.17 14	0.14 22	0.16 13	0.16 41

HH	0.63 116	0.30 126	0.77 159	0.50 72	0.32 106	0.49 30	0.46 142	1.65 233	0.64 27	0.69 44	1.09 124	1.63 304	0.85 185	1.90 238	0.37 38	0.18 60	0.13 42	0.19 49	0.17 74	0.19 71	0.16 41

HanStereo	0.63 116	0.30 126	0.77 159	0.50 72	0.32 106	0.49 30	0.46 142	1.65 233	0.64 27	0.69 44	1.09 124	1.63 304	0.85 185	1.90 238	0.37 38	0.18 60	0.13 42	0.19 49	0.17 74	0.19 71	0.16 41

LL-Strereo2	0.52 39	0.33 187	0.69 97	0.52 111	0.37 153	0.70 139	0.30 22	1.13 118	0.67 41	0.94 88	0.78 45	0.91 136	0.42 21	1.05 104	0.42 73	0.17 32	0.16 156	0.29 254	0.25 239	0.21 131	0.16 41

ProNet	0.43 13	0.28 83	0.58 48	0.43 8	0.30 79	0.56 68	0.52 179	1.00 68	0.58 18	0.44 8	0.49 8	0.43 7	0.43 23	1.28 132	0.36 33	0.15 6	0.13 42	0.19 49	0.16 58	0.17 24	0.16 41

raft_robust	0.68 152	0.30 126	0.64 72	0.52 111	0.26 20	0.54 59	0.35 46	1.33 159	1.24 231	1.16 167	1.07 116	0.60 52	0.54 68	3.58 319	0.37 38	0.18 60	0.14 75	0.20 73	0.22 197	0.20 97	0.16 41

Sa-1000	0.72 161	0.29 110	0.76 155	0.59 195	0.30 79	0.73 147	0.37 65	1.62 229	1.33 273	1.28 220	2.04 338	0.86 123	0.75 140	1.84 231	0.38 48	0.19 92	0.14 75	0.25 206	0.23 217	0.20 97	0.16 41

RAFT-345	0.84 221	0.25 35	0.66 82	0.50 72	0.27 33	0.54 59	0.42 96	0.83 22	1.11 174	1.32 245	2.34 353	0.86 123	0.54 68	5.72 357	0.47 110	0.18 60	0.13 42	0.22 122	0.17 74	0.17 24	0.16 41

CroCo-Stereo	0.40 8	0.31 157	0.73 130	0.58 182	0.27 33	0.26 1	0.33 33	0.95 52	0.81 69	0.42 4	0.47 5	0.65 63	0.47 39	0.39 1	0.34 24	0.18 60	0.15 125	0.16 9	0.14 22	0.19 71	0.16 41
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
TestStereo	0.64 126	0.39 245	0.71 114	0.51 95	0.27 33	0.56 68	0.42 96	1.03 77	0.91 97	0.80 62	1.00 87	0.68 69	0.52 60	3.25 309	0.45 92	0.22 167	0.15 125	0.24 170	0.18 88	0.27 221	0.16 41

raftrobust	0.52 39	0.25 35	0.56 37	0.65 258	0.52 252	0.49 30	0.34 43	0.98 62	0.91 97	1.30 233	0.87 60	0.63 57	0.81 167	0.78 51	0.41 65	0.19 92	0.15 125	0.16 9	0.14 22	0.15 5	0.16 41

test_xeample3	0.42 11	0.28 83	0.69 97	0.43 8	0.33 122	0.56 68	0.38 69	0.79 13	0.45 3	0.53 29	0.46 4	0.44 9	0.44 27	1.38 153	0.31 5	0.18 60	0.14 75	0.19 49	0.15 30	0.17 24	0.16 41

ARAFT	0.77 192	0.36 229	1.49 324	0.51 95	0.31 91	0.90 203	0.82 283	1.90 291	1.06 153	1.62 319	1.24 177	1.02 178	0.64 119	1.84 231	0.50 128	0.18 60	0.14 75	0.28 246	0.27 260	0.17 24	0.16 41

RASNet	1.12 293	0.30 126	0.91 211	0.66 263	0.77 331	0.97 228	0.57 218	1.37 168	1.35 284	1.02 107	1.34 215	2.11 348	1.43 320	7.09 381	1.39 308	0.19 92	0.17 180	0.17 14	0.19 108	0.18 41	0.16 41

IGEV_Zeroshot_test	0.53 48	0.30 126	0.99 231	0.56 165	0.35 140	0.41 12	0.32 30	1.37 168	0.63 25	1.00 101	1.09 124	0.95 154	0.41 19	0.83 62	0.39 54	0.18 60	0.12 9	0.19 49	0.18 88	0.19 71	0.17 60

DCRE	0.82 212	0.26 46	0.70 103	0.58 182	0.44 203	0.54 59	0.48 156	0.95 52	0.78 63	0.78 57	7.33 401	0.86 123	0.52 60	0.76 48	0.41 65	0.16 11	0.16 156	0.19 49	0.17 74	0.18 41	0.17 60

Selective-RAFT	0.52 39	0.28 83	0.79 169	0.55 153	0.27 33	0.91 205	0.33 33	0.80 18	0.88 85	0.58 32	0.63 21	0.81 98	0.77 152	1.29 135	0.48 115	0.19 92	0.14 75	0.17 14	0.15 30	0.19 71	0.17 60

TestStereo1	0.63 116	0.28 83	0.75 146	0.76 316	0.31 91	0.48 20	0.43 112	1.30 157	1.21 222	0.97 93	1.31 203	0.64 60	0.77 152	1.75 219	0.42 73	0.20 117	0.15 125	0.22 122	0.18 88	0.21 131	0.17 60

SA-5K	0.63 116	0.28 83	0.75 146	0.76 316	0.31 91	0.48 20	0.43 112	1.30 157	1.21 222	0.97 93	1.31 203	0.64 60	0.77 152	1.75 219	0.42 73	0.20 117	0.15 125	0.22 122	0.18 88	0.21 131	0.17 60

SA	0.66 139	0.30 126	0.82 177	0.61 218	0.30 79	0.58 74	0.38 69	1.44 185	1.30 261	0.96 90	1.36 222	0.66 65	0.95 228	1.85 234	0.42 73	0.19 92	0.15 125	0.25 206	0.23 217	0.21 131	0.17 60

GLC_STEREO	0.39 5	0.25 35	0.41 9	0.54 134	0.23 6	0.48 20	0.30 22	0.73 6	0.58 18	0.52 28	0.73 36	0.51 32	0.31 6	0.64 26	0.42 73	0.17 32	0.20 225	0.23 150	0.19 108	0.21 131	0.17 60

IPLG	0.69 153	0.27 67	0.97 228	0.51 95	0.43 197	0.79 175	0.33 33	1.21 136	1.06 153	1.30 233	1.10 128	0.52 37	0.55 74	3.16 307	0.63 180	0.16 11	0.14 75	0.19 49	0.16 58	0.18 41	0.17 60

MIPNet	0.56 86	0.28 83	0.94 219	0.49 65	0.33 122	0.66 117	0.38 69	1.35 165	1.08 162	1.06 115	0.92 68	0.60 52	0.79 159	0.73 43	0.52 137	0.17 32	0.14 75	0.19 49	0.16 58	0.18 41	0.17 60

NRIStereo	0.60 101	0.29 110	0.69 97	0.53 119	0.28 52	0.63 94	0.33 33	1.08 106	0.87 81	1.14 153	0.87 60	0.91 136	0.59 95	2.24 268	0.49 122	0.20 117	0.14 75	0.21 96	0.19 108	0.21 131	0.17 60

PFNet	0.91 243	0.26 46	1.10 268	0.63 237	0.32 106	0.64 96	0.56 208	1.17 124	0.99 129	1.47 288	1.08 119	0.98 163	0.69 130	6.62 371	0.54 151	0.20 117	0.12 9	0.24 170	0.19 108	0.20 97	0.17 60

RAFT-RH_RVC	1.03 274	0.24 19	0.67 85	0.49 65	0.28 52	0.81 184	0.33 33	0.83 22	1.08 162	2.05 352	4.65 388	1.04 184	0.57 86	5.98 364	0.50 128	0.18 60	0.13 42	0.26 225	0.20 136	0.16 13	0.17 60

RAFT	0.64 126	0.30 126	0.73 130	0.59 195	0.33 122	0.68 128	0.58 221	1.04 81	0.76 59	1.08 118	1.19 164	1.65 309	0.93 218	1.06 105	0.56 157	0.21 144	0.18 195	0.27 236	0.24 228	0.22 152	0.17 60

RALAANet	0.60 101	0.33 187	0.87 197	0.62 229	0.50 234	0.69 132	0.31 27	1.21 136	1.06 153	1.09 123	1.16 156	0.88 130	0.46 33	1.22 126	0.42 73	0.19 92	0.15 125	0.21 96	0.17 74	0.27 221	0.17 60

EAI-Stereo	0.65 131	0.28 83	0.69 97	0.53 119	0.27 33	0.60 84	0.40 83	2.28 361	0.64 27	0.71 48	3.18 371	0.57 43	0.43 23	1.06 105	0.41 65	0.18 60	0.13 42	0.17 14	0.17 74	0.17 24	0.17 60

R-Stereo Train	0.57 90	0.26 46	0.63 66	0.54 134	0.36 145	0.69 132	0.54 189	1.22 143	0.72 52	1.61 316	1.50 262	0.75 83	0.53 65	0.64 26	0.44 84	0.18 60	0.15 125	0.17 14	0.15 30	0.17 24	0.17 60

RAFT-Stereo	0.57 90	0.26 46	0.63 66	0.54 134	0.36 145	0.69 132	0.54 189	1.22 143	0.72 52	1.61 316	1.50 262	0.75 83	0.53 65	0.64 26	0.44 84	0.18 60	0.15 125	0.17 14	0.15 30	0.17 24	0.17 60
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MLCV	0.72 161	0.34 206	1.10 268	0.51 95	0.23 6	0.91 205	0.39 80	1.33 159	1.23 227	1.46 287	1.55 270	1.01 176	0.64 119	1.95 245	0.80 225	0.18 60	0.12 9	0.18 36	0.14 22	0.19 71	0.17 60

tta	0.75 185	0.30 126	0.86 187	0.46 35	0.26 20	0.82 185	0.43 112	2.05 323	1.39 299	1.23 199	1.47 253	0.98 163	0.95 228	1.71 214	0.82 231	0.24 205	0.20 225	0.22 122	0.21 172	0.18 41	0.18 78

qqq1	0.72 161	0.30 126	0.86 187	0.46 35	0.26 20	0.82 185	0.43 112	2.05 323	1.39 299	1.23 199	1.47 253	0.98 163	0.95 228	1.71 214	0.44 84	0.24 205	0.20 225	0.18 36	0.15 30	0.18 41	0.18 78

fff1	0.72 161	0.30 126	0.86 187	0.46 35	0.26 20	0.82 185	0.43 112	2.05 323	1.39 299	1.23 199	1.47 253	0.98 163	0.95 228	1.71 214	0.44 84	0.24 205	0.20 225	0.18 36	0.15 30	0.18 41	0.18 78

CoDeX	0.73 175	0.29 110	0.93 217	0.54 134	0.36 145	1.14 254	0.61 233	2.34 366	1.17 205	1.16 167	1.25 181	0.91 136	0.87 196	1.33 141	0.64 183	0.20 117	0.16 156	0.21 96	0.18 88	0.20 97	0.18 78

ff7	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 96	0.87 25	0.50 6	0.49 20	0.53 10	0.44 9	0.48 47	1.38 153	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

IGEVStereo-DCA	0.46 24	0.28 83	0.56 37	0.43 8	0.33 122	0.49 30	0.42 96	0.87 25	0.50 6	0.47 13	0.48 6	0.48 22	0.46 33	2.03 251	0.30 1	0.19 92	0.14 75	0.19 49	0.15 30	0.16 13	0.18 78

ffff	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 96	0.87 25	0.50 6	0.49 20	0.53 10	0.44 9	0.48 47	1.38 153	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

11t	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 96	0.87 25	0.50 6	0.49 20	0.53 10	0.44 9	0.48 47	1.38 153	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

MIF-Stereo (partial)	0.45 23	0.25 35	0.70 103	0.50 72	0.52 252	0.35 5	0.26 9	0.91 40	0.59 21	0.45 12	0.71 33	0.51 32	0.51 58	1.11 115	0.45 92	0.20 117	0.16 156	0.23 150	0.20 136	0.24 191	0.18 78

anonymousdsp2	0.53 48	0.27 67	0.74 144	0.48 52	0.29 63	0.76 160	0.47 148	1.61 226	0.82 74	0.77 56	0.77 43	0.75 83	0.47 39	1.03 98	0.40 58	0.18 60	0.13 42	0.18 36	0.13 11	0.19 71	0.18 78

anonymousdsp	0.43 13	0.27 67	0.53 28	0.44 23	0.32 106	0.50 39	0.42 96	0.89 33	0.51 13	0.49 20	0.53 10	0.47 19	0.47 39	1.33 141	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

anonymousa	0.72 161	0.27 67	0.75 146	0.47 41	0.63 294	1.43 300	0.45 135	1.24 149	0.89 88	1.28 220	1.75 308	1.62 302	1.13 281	0.69 31	0.59 164	0.19 92	0.16 156	0.23 150	0.25 239	0.20 97	0.18 78

ccc-4	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 96	0.87 25	0.50 6	0.49 20	0.53 10	0.44 9	0.48 47	1.38 153	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

RAFT+CT+SA	0.58 95	0.29 110	0.60 56	0.66 263	0.37 153	0.42 13	0.55 202	1.27 153	1.03 142	0.70 46	1.22 171	0.60 52	0.70 133	1.64 200	0.41 65	0.18 60	0.13 42	0.22 122	0.22 197	0.21 131	0.18 78

IGEV-Stereo	0.43 13	0.27 67	0.54 32	0.45 32	0.32 106	0.50 39	0.42 96	0.90 39	0.51 13	0.49 20	0.53 10	0.47 19	0.47 39	1.32 139	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.65 131	0.31 157	1.00 236	0.47 41	0.34 137	0.73 147	0.30 22	2.96 382	0.70 47	1.15 156	1.14 147	0.76 86	0.65 124	1.11 115	0.38 48	0.17 32	0.13 42	0.18 36	0.16 58	0.19 71	0.18 78

IPLGR	0.58 95	0.27 67	1.14 275	0.48 52	0.28 52	0.65 108	0.33 33	1.22 143	1.13 188	1.18 180	1.05 111	0.69 74	0.66 126	0.96 83	0.52 137	0.17 32	0.15 125	0.20 73	0.17 74	0.20 97	0.18 78

Patchmatch Stereo++	0.55 77	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.29 19	1.05 87	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	1.37 149	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78
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
STrans-v2	1.04 277	0.28 83	0.96 226	0.49 65	0.32 106	0.68 128	0.79 273	2.47 374	1.12 178	1.12 137	1.46 252	1.40 264	1.46 324	6.70 376	0.43 82	0.18 60	0.13 42	0.20 73	0.18 88	0.18 41	0.18 78

PSM-adaLoss	0.54 62	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.41 94	1.04 81	0.64 27	1.12 137	0.96 74	0.82 103	0.61 106	1.06 105	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

ROB_FTStereo_v2	0.54 62	0.30 126	0.73 130	0.50 72	0.27 33	0.64 96	0.42 96	1.05 87	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	1.12 117	0.46 105	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

ROB_FTStereo	0.54 62	0.30 126	0.73 130	0.50 72	0.27 33	0.64 96	0.25 4	1.05 87	0.64 27	1.12 137	0.95 72	0.82 103	0.61 106	1.15 120	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

HUI-Stereo	0.52 39	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.30 22	1.04 81	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	0.79 54	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

SST-Stereo	0.83 217	0.28 83	0.72 118	0.59 195	0.31 91	0.72 144	0.26 9	1.09 107	0.86 77	1.47 288	1.10 128	1.00 169	0.87 196	5.73 358	0.45 92	0.22 167	0.13 42	0.23 150	0.19 108	0.23 177	0.18 78

RAFT_R40	0.83 217	0.28 83	0.73 130	0.59 195	0.31 91	0.69 132	0.44 124	1.10 109	0.95 108	1.47 288	1.10 128	1.00 169	0.85 185	5.53 352	0.46 105	0.22 167	0.13 42	0.23 150	0.20 136	0.23 177	0.18 78

iGMRVC	0.56 86	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.38 69	1.05 87	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	1.52 179	0.46 105	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

iRAFT	0.55 77	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.29 19	1.05 87	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	1.37 149	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

RAFT-IKP	0.54 62	0.30 126	0.73 130	0.50 72	0.27 33	0.59 78	0.36 56	1.04 81	0.64 27	1.12 137	0.96 74	0.83 110	0.61 106	1.22 126	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

rafts_anoy	0.52 39	0.29 110	0.59 52	0.59 195	0.50 234	0.53 56	0.40 83	1.11 115	1.03 142	0.84 72	0.83 53	0.68 69	0.54 68	0.72 40	0.51 131	0.19 92	0.14 75	0.24 170	0.26 252	0.21 131	0.18 78

UPFNet	0.80 204	0.32 171	0.90 208	0.59 195	0.74 321	1.26 277	0.80 279	1.52 204	1.10 172	1.30 233	1.12 139	1.30 250	0.84 182	1.67 206	1.09 268	0.24 205	0.24 272	0.24 170	0.23 217	0.25 201	0.18 78

ACVNet	0.63 116	0.31 157	0.54 32	0.54 134	0.36 145	0.80 180	0.46 142	1.37 168	1.07 158	0.93 83	1.30 198	1.08 193	0.85 185	0.80 55	0.94 248	0.21 144	0.19 208	0.21 96	0.18 88	0.22 152	0.18 78

acv_ft	0.75 185	0.31 157	0.95 222	0.70 291	0.86 350	1.24 274	0.53 185	1.44 185	1.07 158	1.24 207	1.30 198	1.08 193	0.92 212	0.80 55	1.34 300	0.21 144	0.19 208	0.21 96	0.18 88	0.21 131	0.18 78

pmcnn	2.37 375	0.42 258	2.71 375	0.63 237	0.43 197	1.54 309	1.19 341	2.01 318	1.53 325	2.64 372	7.60 402	18.07 417	1.45 323	3.44 316	2.78 361	0.18 60	0.15 125	0.15 3	0.12 9	0.20 97	0.18 78

Former-RAFT_DAM_RVC	0.46 24	0.36 229	0.71 114	0.47 41	0.36 145	0.67 121	0.35 46	0.78 12	1.12 178	0.61 39	0.62 20	0.39 4	0.39 14	0.71 37	0.39 54	0.20 117	0.17 180	0.22 122	0.18 88	0.23 177	0.19 111

cc1	0.64 126	0.31 157	0.50 18	0.54 134	0.26 20	1.18 264	0.51 170	0.93 45	3.05 383	0.58 32	0.79 48	0.48 22	0.88 200	1.46 170	0.32 7	0.20 117	0.12 9	0.25 206	0.15 30	0.19 71	0.19 111

DCANet-4	0.54 62	0.26 46	1.07 261	0.42 7	0.24 9	0.48 20	0.36 56	0.99 64	1.30 261	1.10 131	1.02 99	0.56 41	0.75 140	0.73 43	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

fff	0.53 48	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 56	1.07 102	1.25 234	1.10 131	1.02 99	0.57 43	1.06 267	0.73 43	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

ADStereo(finetuned)	0.57 90	0.24 19	1.06 257	0.43 8	0.24 9	0.49 30	0.35 46	1.05 87	1.30 261	1.12 137	1.03 107	0.58 47	1.20 293	0.84 64	0.51 131	0.16 11	0.13 42	0.17 14	0.13 11	0.18 41	0.19 111

IER	0.70 155	0.31 157	1.02 246	0.48 52	0.52 252	1.34 287	0.51 170	1.17 124	0.99 129	1.23 199	1.34 215	1.12 206	1.11 276	0.99 91	0.71 196	0.20 117	0.16 156	0.21 96	0.21 172	0.20 97	0.19 111

test_5	0.65 131	0.30 126	0.75 146	0.67 273	0.50 234	0.92 211	0.52 179	1.39 174	1.12 178	0.76 53	1.11 133	1.00 169	0.90 207	1.53 183	0.45 92	0.18 60	0.13 42	0.23 150	0.22 197	0.21 131	0.19 111

CrosDoStereo	1.58 337	0.24 19	0.72 118	0.48 52	0.29 63	0.67 121	12.49 414	1.10 109	0.98 122	1.34 256	1.75 308	1.00 169	1.89 358	6.65 372	0.81 226	0.19 92	0.15 125	0.20 73	0.22 197	0.18 41	0.19 111

TransformOpticalFlow	0.96 253	0.28 83	0.89 205	0.52 111	0.31 91	0.66 117	0.54 189	1.75 253	1.12 178	1.09 123	1.44 244	1.37 263	1.01 252	6.70 376	0.42 73	0.19 92	0.12 9	0.20 73	0.19 108	0.18 41	0.19 111

DeepStereo_LL	1.58 337	0.24 19	0.72 118	0.48 52	0.29 63	0.67 121	12.49 414	1.10 109	0.98 122	1.34 256	1.75 308	1.00 169	1.89 358	6.65 372	0.81 226	0.19 92	0.15 125	0.20 73	0.22 197	0.18 41	0.19 111

IRAFT_RVC	0.88 235	0.28 83	0.76 155	0.63 237	0.31 91	0.65 108	1.02 323	1.22 143	0.94 106	1.22 196	1.04 110	1.01 176	0.98 240	5.82 359	0.53 145	0.22 167	0.12 9	0.25 206	0.20 136	0.20 97	0.19 111

RALCasStereoNet	0.54 62	0.30 126	0.66 82	0.59 195	0.51 244	0.61 87	0.52 179	0.94 49	0.93 103	0.70 46	1.01 92	0.78 90	0.44 27	1.33 141	0.47 110	0.20 117	0.16 156	0.18 36	0.16 58	0.20 97	0.19 111

DCANet	0.54 62	0.24 19	0.70 103	0.43 8	0.24 9	0.49 30	0.36 56	1.05 87	1.30 261	1.12 137	1.03 107	0.58 47	0.92 212	0.81 59	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.18 41	0.19 111

csc	0.53 48	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 56	1.07 102	1.25 234	1.10 131	1.02 99	0.57 43	1.06 267	0.73 43	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

cscssc	0.53 48	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 56	1.07 102	1.25 234	1.10 131	1.02 99	0.57 43	1.06 267	0.73 43	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

111	0.60 101	0.23 13	0.70 103	0.43 8	0.24 9	0.72 144	0.42 96	1.18 129	1.41 307	0.80 62	1.38 228	1.10 201	0.79 159	0.96 83	0.58 162	0.18 60	0.13 42	0.17 14	0.15 30	0.17 24	0.19 111

SFCPSM	0.70 155	0.28 83	1.02 246	0.51 95	0.38 170	1.37 290	0.66 245	2.00 314	1.03 142	1.17 176	1.21 169	0.82 103	0.78 157	1.03 98	0.53 145	0.21 144	0.17 180	0.22 122	0.24 228	0.21 131	0.19 111

ac_64	0.82 212	0.29 110	0.81 175	0.71 298	0.60 285	1.05 240	0.54 189	1.99 313	0.92 101	1.18 180	1.06 113	1.99 339	1.08 271	1.94 244	0.97 255	0.27 252	0.22 255	0.24 170	0.23 217	0.22 152	0.19 111

cf-r	0.73 175	0.30 126	0.77 159	0.55 153	0.63 294	0.78 171	0.48 156	1.79 268	1.15 199	1.13 151	1.26 187	1.43 269	0.87 196	1.40 163	0.85 239	0.25 229	0.18 195	0.22 122	0.23 217	0.19 71	0.19 111

GwcNet-RSSM	0.77 192	0.32 171	1.01 240	0.62 229	0.54 258	0.78 171	0.51 170	1.73 247	1.20 217	1.09 123	1.37 224	1.46 277	0.85 185	1.53 183	1.09 268	0.25 229	0.18 195	0.23 150	0.24 228	0.20 97	0.19 111

DIP-Stereo	0.62 110	0.30 126	0.83 179	0.48 52	0.36 145	0.95 220	0.33 33	2.37 368	0.67 41	1.25 211	1.00 87	0.68 69	0.51 58	0.91 76	0.61 173	0.18 60	0.15 125	0.21 96	0.17 74	0.19 71	0.19 111
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HSM-Net_RVC	0.87 234	0.29 110	0.53 28	0.53 119	0.30 79	1.15 259	0.55 202	3.57 389	1.28 251	1.53 301	1.74 305	1.68 312	0.93 218	1.49 176	0.77 214	0.22 167	0.17 180	0.19 49	0.18 88	0.20 97	0.19 111
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iResNetv2_ROB	0.80 204	0.37 235	1.71 336	0.56 165	0.37 153	0.94 216	0.64 238	1.73 247	1.34 276	1.23 199	1.42 237	1.26 239	0.92 212	1.85 234	0.56 157	0.23 190	0.15 125	0.19 49	0.14 22	0.24 191	0.19 111

MyStereo07	0.48 32	0.29 110	0.50 18	0.55 153	0.45 210	0.59 78	0.79 273	1.05 87	0.51 13	0.48 17	0.53 10	0.43 7	0.55 74	1.30 136	0.34 24	0.17 32	0.16 156	0.24 170	0.20 136	0.23 177	0.20 134

MyStereo06	0.61 107	0.28 83	0.95 222	0.56 165	0.46 220	0.61 87	0.73 260	1.78 266	0.67 41	1.03 111	1.12 139	1.13 211	0.56 78	0.78 51	0.41 65	0.17 32	0.16 156	0.23 150	0.20 136	0.22 152	0.20 134

MyStereo05	0.66 139	0.28 83	1.07 261	0.56 165	0.46 220	0.61 87	0.73 260	1.34 163	1.41 307	1.15 156	0.91 66	0.77 87	0.80 164	1.41 164	0.63 180	0.17 32	0.16 156	0.23 150	0.20 136	0.22 152	0.20 134

MyStereo04	0.67 148	0.29 110	1.07 261	0.55 153	0.45 210	0.59 78	0.79 273	1.50 196	1.40 304	0.91 80	0.91 66	0.74 81	0.86 193	1.52 179	0.62 176	0.17 32	0.16 156	0.24 170	0.20 136	0.23 177	0.20 134

DualNet	1.09 285	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	0.95 52	2.47 371	1.15 156	1.45 246	1.06 186	0.82 171	1.55 187	7.61 391	0.20 117	0.12 9	0.31 267	0.27 260	0.19 71	0.20 134

ffm	0.72 161	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	0.95 52	2.47 371	1.15 156	1.45 246	1.06 186	0.82 171	1.55 187	0.32 7	0.20 117	0.12 9	0.31 267	0.27 260	0.19 71	0.20 134

ff1	1.37 322	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	0.95 52	2.47 371	1.15 156	1.45 246	1.06 186	0.82 171	7.22 382	7.61 391	0.20 117	0.12 9	0.31 267	0.27 260	0.19 71	0.20 134

tt1	0.62 110	0.32 171	0.51 24	0.54 134	0.26 20	1.16 261	0.48 156	0.95 52	2.47 371	0.57 31	0.77 43	0.49 29	0.81 167	1.55 187	0.32 7	0.20 117	0.12 9	0.24 170	0.15 30	0.19 71	0.20 134

StereoVision	0.65 131	0.34 206	0.86 187	0.59 195	0.40 183	0.50 39	0.41 94	1.09 107	0.93 103	0.71 48	2.50 360	0.82 103	0.57 86	1.03 98	0.49 122	0.25 229	0.28 297	0.29 254	0.28 277	0.36 276	0.20 134

CroCo-Stereo Lap2	0.44 21	0.34 206	0.77 159	0.61 218	0.79 336	0.28 2	0.35 46	0.75 8	0.71 51	0.38 3	0.50 9	0.72 80	0.55 74	0.57 12	0.47 110	0.17 32	0.18 195	0.19 49	0.16 58	0.21 131	0.20 134

x	0.54 62	0.31 157	0.61 59	0.47 41	0.30 79	0.67 121	0.47 148	1.53 210	0.79 67	0.81 66	0.83 53	0.78 90	0.70 133	0.70 33	0.62 176	0.21 144	0.19 208	0.22 122	0.19 108	0.21 131	0.20 134

iRaft-Stereo_5w	0.85 225	0.29 110	0.91 211	0.53 119	0.43 197	0.49 30	0.68 250	0.99 64	0.87 81	0.79 60	1.34 215	1.46 277	0.91 209	5.11 342	1.11 273	0.17 32	0.14 75	0.22 122	0.18 88	0.20 97	0.20 134

DEmStereo	0.97 259	0.23 13	0.79 169	0.47 41	0.32 106	1.04 239	0.56 208	0.93 45	0.89 88	1.39 273	2.14 344	1.02 178	2.07 369	5.64 356	0.77 214	0.17 32	0.15 125	0.20 73	0.20 136	0.18 41	0.20 134

THIR-Stereo	1.02 273	0.27 67	0.69 97	0.49 65	0.28 52	0.95 220	1.34 351	1.03 77	0.97 117	1.34 256	1.90 326	1.17 216	1.58 334	6.44 369	0.78 216	0.19 92	0.14 75	0.21 96	0.22 197	0.19 71	0.20 134

LMCR-Stereo	0.82 212	0.46 272	0.88 200	0.75 314	0.43 197	1.33 285	0.56 208	2.43 372	0.98 122	1.53 301	1.49 259	0.74 81	1.00 250	1.63 199	0.89 243	0.28 262	0.17 180	0.22 122	0.17 74	0.29 240	0.20 134

DN-CSS_ROB	0.64 126	0.32 171	1.05 254	0.55 153	0.40 183	0.54 59	0.45 135	1.21 136	0.93 103	1.03 111	1.47 253	0.69 74	0.63 116	1.76 224	0.49 122	0.18 60	0.14 75	0.25 206	0.22 197	0.22 152	0.20 134

ACVNet-DCA	0.56 86	0.31 157	0.50 18	0.54 134	0.26 20	1.18 264	0.51 170	1.42 178	0.78 63	0.58 32	0.79 48	0.48 22	0.88 200	1.46 170	0.32 7	0.20 117	0.12 9	0.25 206	0.15 30	0.22 152	0.21 150

xx1	0.67 148	0.31 157	0.50 18	0.54 134	0.26 20	1.18 264	0.51 170	0.93 45	3.05 383	0.58 32	0.79 48	0.95 154	0.77 152	1.46 170	0.32 7	0.20 117	0.12 9	0.24 170	0.23 217	0.22 152	0.21 150

1test111	0.54 62	0.31 157	0.50 18	0.54 134	0.26 20	1.18 264	0.51 170	1.42 178	0.78 63	0.58 32	0.79 48	0.48 22	0.88 200	0.88 71	0.59 164	0.20 117	0.12 9	0.25 206	0.15 30	0.22 152	0.21 150

11t1	0.52 39	0.28 83	0.68 88	0.51 95	0.28 52	0.83 189	0.39 80	1.22 143	0.63 25	0.84 72	0.74 38	0.68 69	0.68 127	0.91 76	0.57 159	0.21 144	0.18 195	0.19 49	0.16 58	0.20 97	0.21 150

qqq	0.57 90	0.34 206	0.71 114	0.47 41	0.27 33	0.64 96	0.62 235	1.42 178	0.78 63	0.80 62	0.92 68	0.95 154	0.77 152	0.88 71	0.59 164	0.21 144	0.20 225	0.24 170	0.23 217	0.22 152	0.21 150

CIPLG	0.62 110	0.33 187	0.96 226	0.58 182	0.50 234	0.75 156	0.48 156	1.05 87	0.96 110	1.40 274	1.57 278	0.64 60	0.48 47	0.89 74	0.70 191	0.23 190	0.15 125	0.19 49	0.16 58	0.19 71	0.21 150

IPLGR_C	0.62 110	0.33 187	0.99 231	0.58 182	0.49 228	0.76 160	0.48 156	1.10 109	0.96 110	1.40 274	1.56 274	0.62 55	0.48 47	0.80 55	0.71 196	0.23 190	0.15 125	0.19 49	0.16 58	0.19 71	0.21 150

ACRE	0.61 107	0.33 187	1.01 240	0.58 182	0.49 228	0.75 156	0.47 148	1.06 100	0.95 108	1.37 263	1.55 270	0.62 55	0.46 33	0.83 62	0.70 191	0.23 190	0.15 125	0.19 49	0.16 58	0.18 41	0.21 150

DRaft	0.80 204	0.24 19	0.70 103	0.45 32	0.30 79	0.97 228	0.53 185	1.05 87	0.97 117	1.78 332	2.02 336	0.80 95	1.74 348	2.73 292	0.72 199	0.17 32	0.14 75	0.20 73	0.20 136	0.18 41	0.21 150

MMNet	0.84 221	0.32 171	1.09 265	0.60 206	0.59 282	1.85 340	0.49 163	1.51 201	1.27 246	1.37 263	1.15 153	1.26 239	1.18 287	1.67 206	1.22 284	0.19 92	0.18 195	0.23 150	0.22 197	0.25 201	0.21 150

delet	0.85 225	0.32 171	0.95 222	0.65 258	0.66 301	1.64 319	0.84 285	1.75 253	1.35 284	1.32 245	1.30 198	1.30 250	0.88 200	1.68 211	1.10 271	0.21 144	0.21 241	0.24 170	0.24 228	0.21 131	0.21 150

GANet-RSSM	0.72 161	0.28 83	0.63 66	0.64 246	0.58 275	0.80 180	0.58 221	1.89 288	1.08 162	1.04 114	1.25 181	1.15 214	1.04 260	1.49 176	0.62 176	0.25 229	0.19 208	0.22 122	0.22 197	0.22 152	0.21 150

BEATNet_4x	0.73 175	0.49 284	1.17 279	0.53 119	0.26 20	1.03 237	0.55 202	1.82 274	1.06 153	1.21 191	1.22 171	0.96 160	0.91 209	1.01 95	1.06 263	0.21 144	0.14 75	0.24 170	0.19 108	0.37 280	0.21 150

CFNet	0.96 253	0.36 229	1.01 240	0.62 229	0.42 192	0.99 232	0.47 148	1.90 291	1.32 270	0.99 99	1.39 232	1.10 201	0.86 193	5.58 355	0.79 222	0.23 190	0.17 180	0.28 246	0.27 260	0.26 209	0.21 150

HSM	1.19 305	0.32 171	0.65 76	0.57 176	0.38 170	1.23 273	0.59 228	2.25 358	1.19 212	1.30 233	1.25 181	1.94 334	1.03 259	9.32 402	0.71 196	0.22 167	0.16 156	0.20 73	0.16 58	0.21 131	0.21 150

1111x	1.70 350	0.29 110	0.86 187	0.51 95	0.27 33	1.01 235	0.68 250	2.22 355	1.28 251	1.13 151	1.40 234	1.21 222	1.10 275	5.53 352	15.20 411	0.22 167	0.21 241	0.22 122	0.22 197	0.24 191	0.22 165

GMStereo_Zeroshot	0.67 148	0.61 322	1.01 240	0.64 246	0.37 153	0.84 196	0.35 46	1.05 87	1.12 178	1.12 137	1.06 113	1.27 243	0.54 68	1.19 123	0.59 164	0.32 286	0.17 180	0.31 267	0.18 88	0.52 335	0.22 165

EKT-Stereo	0.53 48	0.30 126	0.73 130	0.58 182	0.60 285	0.51 49	0.48 156	0.94 49	0.90 92	0.71 48	0.88 62	0.77 87	0.43 23	1.07 109	0.40 58	0.22 167	0.16 156	0.21 96	0.18 88	0.20 97	0.22 165

gwcnet-sp	0.74 178	0.33 187	1.44 311	0.57 176	0.45 210	1.40 295	0.54 189	1.50 196	1.14 190	1.30 233	1.02 99	0.94 148	0.82 171	1.39 158	0.76 208	0.21 144	0.21 241	0.22 122	0.21 172	0.22 152	0.22 165

scenet	0.74 178	0.33 187	1.44 311	0.57 176	0.45 210	1.40 295	0.54 189	1.50 196	1.14 190	1.30 233	1.02 99	0.94 148	0.82 171	1.39 158	0.76 208	0.21 144	0.21 241	0.22 122	0.21 172	0.22 152	0.22 165

ssnet	0.74 178	0.33 187	1.44 311	0.57 176	0.45 210	1.40 295	0.54 189	1.50 196	1.14 190	1.30 233	1.02 99	0.94 148	0.82 171	1.39 158	0.76 208	0.21 144	0.21 241	0.22 122	0.21 172	0.22 152	0.22 165

BUS	0.74 178	0.32 171	0.68 88	0.54 134	0.44 203	2.34 364	0.42 96	2.16 343	0.98 122	1.20 188	1.11 133	1.03 181	0.62 111	0.91 76	0.70 191	0.24 205	0.17 180	0.25 206	0.22 197	0.22 152	0.22 165

BSDual-CNN	0.71 160	0.32 171	0.68 88	0.54 134	0.44 203	1.27 278	0.65 240	2.16 343	0.98 122	1.20 188	1.11 133	1.12 206	0.74 138	0.91 76	0.66 185	0.24 205	0.17 180	0.25 206	0.22 197	0.22 152	0.22 165

hknet	0.77 192	0.32 171	0.95 222	0.54 134	0.38 170	1.27 278	0.65 240	2.16 343	1.07 158	1.20 188	1.11 133	1.59 298	0.81 167	1.37 149	0.66 185	0.22 167	0.17 180	0.25 206	0.22 197	0.22 152	0.22 165

psmg	0.72 161	0.32 171	0.68 88	0.50 72	0.44 203	1.48 303	0.75 262	1.94 304	0.98 122	1.21 191	1.33 210	1.12 206	0.74 138	0.91 76	0.66 185	0.24 205	0.19 208	0.25 206	0.25 239	0.23 177	0.22 165

DAS	0.84 221	0.34 206	1.03 250	0.64 246	0.69 311	0.77 166	0.63 236	1.54 212	1.20 217	1.79 335	1.55 270	0.95 154	1.04 260	2.83 294	0.60 171	0.21 144	0.16 156	0.25 206	0.18 88	0.27 221	0.22 165

SepStereo	0.82 212	0.34 206	1.03 250	0.64 246	0.69 311	0.77 166	0.63 236	1.54 212	1.20 217	1.79 335	1.55 270	0.95 154	1.04 260	2.30 272	0.60 171	0.21 144	0.16 156	0.25 206	0.18 88	0.27 221	0.22 165

CRE-IMP	0.55 77	0.30 126	0.74 144	0.52 111	0.29 63	0.79 175	0.25 4	1.04 81	0.72 52	1.09 123	0.95 72	0.81 98	0.57 86	1.10 112	0.50 128	0.21 144	0.14 75	0.23 150	0.19 108	0.28 235	0.22 165

test_xeample	1.45 329	0.28 83	0.65 76	0.51 95	0.28 52	0.94 216	0.59 228	2.14 338	1.29 255	1.24 207	1.51 264	0.88 130	0.86 193	1.46 170	15.10 410	0.22 167	0.20 225	0.22 122	0.20 136	0.22 152	0.22 165

UNet	0.83 217	0.34 206	1.31 298	0.58 182	0.74 321	1.58 313	0.49 163	1.41 176	1.04 146	1.21 191	1.08 119	1.54 290	1.12 279	1.65 201	1.09 268	0.23 190	0.17 180	0.25 206	0.20 136	0.25 201	0.22 165

AdaStereo	0.70 155	0.43 261	0.75 146	0.73 308	0.37 153	0.92 211	0.53 185	1.85 280	1.18 209	1.12 137	1.23 175	1.07 192	0.65 124	0.96 83	0.63 180	0.31 281	0.15 125	0.32 280	0.21 172	0.29 240	0.22 165
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	8.05 408	0.37 235	23.53 417	0.74 310	0.33 122	2.77 376	2.87 405	3.71 391	27.24 424	25.39 424	8.87 408	8.46 406	26.71 424	6.65 372	21.99 417	0.21 144	0.19 208	0.20 73	0.21 172	0.25 201	0.22 165

mmm	0.63 116	0.35 222	0.72 118	0.51 95	0.30 79	0.86 198	0.54 189	1.59 220	0.86 77	1.07 117	1.38 228	0.79 93	0.75 140	0.91 76	0.58 162	0.22 167	0.18 195	0.29 254	0.25 239	0.25 201	0.23 182

ToySt	0.66 139	0.33 187	1.23 285	0.51 95	0.33 122	0.86 198	0.68 250	1.10 109	0.97 117	0.84 72	1.08 119	1.25 235	0.94 223	1.01 95	0.74 203	0.19 92	0.19 208	0.24 170	0.24 228	0.27 221	0.23 182

knoymous	0.51 38	0.29 110	0.47 13	0.43 8	0.30 79	0.55 65	0.55 202	1.02 74	0.77 61	0.98 97	0.85 56	0.94 148	0.56 78	0.85 66	0.45 92	0.20 117	0.14 75	0.26 225	0.14 22	0.23 177	0.23 182

Pruner-Stereo	0.62 110	0.29 110	0.70 103	0.61 218	0.31 91	0.63 94	0.43 112	1.17 124	0.99 129	1.53 301	1.08 119	0.95 154	0.55 74	1.35 145	0.51 131	0.23 190	0.14 75	0.24 170	0.21 172	0.21 131	0.23 182

test-1	0.52 39	0.26 46	1.04 253	0.56 165	0.32 106	0.61 87	0.38 69	1.10 109	0.91 97	0.78 57	1.01 92	0.77 87	0.52 60	0.60 23	0.42 73	0.17 32	0.14 75	0.20 73	0.17 74	0.20 97	0.23 182

HCRNet	0.70 155	0.39 245	0.73 130	0.60 206	0.59 282	0.76 160	0.35 46	1.22 143	1.13 188	1.02 107	0.99 84	1.02 178	0.76 148	2.19 265	0.70 191	0.28 262	0.19 208	0.28 246	0.23 217	0.25 201	0.23 182

222	1.61 342	0.29 110	0.67 85	0.56 165	0.29 63	1.06 243	0.42 96	2.17 349	1.31 265	1.31 243	1.52 265	0.92 144	0.94 223	1.76 224	17.65 414	0.24 205	0.20 225	0.21 96	0.19 108	0.22 152	0.23 182

xxxx	1.51 333	0.28 83	0.68 88	0.54 134	0.28 52	1.16 261	0.44 124	2.19 351	1.29 255	1.09 123	1.36 222	1.22 224	0.85 185	1.79 227	15.70 413	0.24 205	0.21 241	0.21 96	0.20 136	0.22 152	0.23 182

FENet	0.60 101	0.28 83	0.63 66	0.54 134	0.33 122	0.83 189	0.38 69	1.27 153	1.07 158	1.00 101	0.86 57	0.99 168	0.85 185	0.96 83	0.68 189	0.22 167	0.15 125	0.23 150	0.20 136	0.22 152	0.23 182

CFNet-ft	0.72 161	0.32 171	0.54 32	0.66 263	0.54 258	0.83 189	0.55 202	1.37 168	1.15 199	0.93 83	1.28 194	1.57 294	0.97 236	1.35 145	0.81 226	0.26 243	0.20 225	0.33 287	0.25 239	0.30 249	0.23 182

CFNet_RVC	0.72 161	0.32 171	0.54 32	0.66 263	0.54 258	0.83 189	0.55 202	1.37 168	1.15 199	0.93 83	1.28 194	1.57 294	0.97 236	1.35 145	0.81 226	0.26 243	0.20 225	0.33 287	0.25 239	0.30 249	0.23 182

iResNet	0.75 185	0.40 249	1.36 306	0.67 273	0.29 63	0.92 211	0.59 228	1.52 204	1.25 234	1.28 220	1.48 258	0.94 148	0.76 148	1.62 198	0.78 216	0.18 60	0.14 75	0.18 36	0.15 30	0.22 152	0.23 182

SMFormer	0.75 185	0.30 126	0.86 187	0.46 35	0.26 20	0.82 185	0.43 112	2.05 323	1.39 299	1.23 199	1.47 253	0.98 163	0.95 228	1.71 214	0.82 231	0.24 205	0.20 225	0.22 122	0.21 172	0.23 177	0.24 194

CRFU-Net	0.86 230	0.39 245	1.00 236	0.65 258	0.57 267	1.78 334	0.86 291	2.15 340	0.81 69	1.38 268	1.18 161	1.64 307	1.19 290	1.35 145	0.90 245	0.26 243	0.22 255	0.21 96	0.19 108	0.23 177	0.24 194

dd	0.59 98	0.48 281	0.97 228	0.55 153	0.32 106	0.64 96	0.47 148	1.02 74	1.34 276	0.78 57	0.86 57	0.58 47	0.54 68	1.01 95	0.86 241	0.28 262	0.18 195	0.26 225	0.19 108	0.32 261	0.24 194

AASNet	0.76 191	0.35 222	0.91 211	0.79 322	0.81 343	1.14 254	0.56 208	2.02 321	1.08 162	1.22 196	1.24 177	0.93 145	0.76 148	0.77 50	1.16 278	0.27 252	0.23 263	0.24 170	0.20 136	0.28 235	0.24 194

DeepStereo_RVC	0.55 77	0.29 110	0.72 118	0.51 95	0.30 79	0.59 78	0.33 33	1.03 77	0.70 47	1.16 167	0.93 70	0.83 110	0.94 223	0.96 83	0.54 151	0.21 144	0.14 75	0.21 96	0.19 108	0.24 191	0.24 194

GMStereo	0.55 77	0.45 270	0.94 219	0.50 72	0.32 106	0.64 96	0.43 112	1.00 68	1.40 304	0.82 69	0.73 36	0.51 32	0.45 30	0.85 66	0.55 155	0.24 205	0.15 125	0.20 73	0.21 172	0.31 256	0.24 194
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
PSMNet-RSSM	0.72 161	0.30 126	0.61 59	0.63 237	0.42 192	0.73 147	0.56 208	1.92 298	1.10 172	1.09 123	1.37 224	1.22 224	0.98 240	1.28 132	0.72 199	0.27 252	0.19 208	0.27 236	0.29 288	0.24 191	0.24 194

DSFCA	0.93 248	0.34 206	1.06 257	0.52 111	0.65 299	1.55 310	0.93 308	1.49 192	1.19 212	1.56 309	1.15 153	1.50 285	0.96 233	3.07 302	1.02 260	0.30 274	0.26 283	0.25 206	0.25 239	0.28 235	0.24 194

DMCA-RVC	0.74 178	0.40 249	1.27 294	0.66 263	0.49 228	0.77 166	0.47 148	1.35 165	1.01 136	1.53 301	1.01 92	1.29 249	0.82 171	1.31 137	0.78 216	0.27 252	0.21 241	0.35 304	0.27 260	0.32 261	0.24 194

MSMDNet	0.66 139	0.32 171	0.87 197	0.49 65	0.37 153	0.79 175	0.40 83	1.43 184	1.31 265	1.15 156	1.31 203	1.24 231	0.63 116	0.88 71	0.57 159	0.21 144	0.16 156	0.26 225	0.19 108	0.39 292	0.24 194

TDLM	1.06 278	0.44 264	0.79 169	0.63 237	0.50 234	0.89 201	1.44 356	1.48 191	1.26 239	1.12 137	1.40 234	1.08 193	0.98 240	6.65 372	0.78 216	0.33 291	0.21 241	0.33 287	0.26 252	0.37 280	0.24 194

DLCB_ROB	0.86 230	0.40 249	0.78 167	0.68 283	0.54 258	1.11 249	0.84 285	1.49 192	1.23 227	1.64 321	1.65 295	1.70 314	0.91 209	1.70 213	1.05 261	0.25 229	0.24 272	0.26 225	0.27 260	0.27 221	0.24 194

mmx	1.39 324	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	2.13 334	1.37 291	1.15 156	1.45 246	1.06 186	0.82 171	7.22 382	7.61 391	0.24 205	0.19 208	0.31 267	0.27 260	0.30 249	0.25 206

xxx	1.39 324	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	2.13 334	1.37 291	1.15 156	1.45 246	1.06 186	0.82 171	7.22 382	7.61 391	0.24 205	0.19 208	0.31 267	0.27 260	0.30 249	0.25 206

PCWNet_CMD	0.66 139	0.32 171	0.88 200	0.49 65	0.37 153	0.78 171	0.40 83	1.42 178	1.31 265	1.16 167	1.31 203	1.25 235	0.62 111	0.89 74	0.57 159	0.20 117	0.16 156	0.27 236	0.19 108	0.40 296	0.25 206

LL-Strereo	1.33 318	0.39 245	1.38 307	0.61 218	0.61 288	0.75 156	0.66 245	1.63 231	1.17 205	1.56 309	1.60 282	2.03 344	2.12 370	9.72 407	0.97 255	0.21 144	0.18 195	0.27 236	0.23 217	0.22 152	0.25 206

iinet-f	0.99 264	0.45 270	3.71 383	0.55 153	0.43 197	1.81 335	0.68 250	1.14 119	1.14 190	1.18 180	1.42 237	1.58 297	1.44 321	1.34 144	1.59 330	0.24 205	0.23 263	0.20 73	0.19 108	0.26 209	0.25 206

riskmin	0.56 86	0.27 67	0.60 56	0.43 8	0.31 91	0.83 189	0.42 96	1.14 119	1.04 146	0.73 52	0.75 40	1.11 205	1.01 252	0.81 59	0.51 131	0.20 117	0.14 75	0.24 170	0.15 30	0.24 191	0.25 206

DisPM	0.66 139	0.28 83	0.72 118	0.61 218	0.35 140	0.62 93	0.45 135	1.02 74	0.99 129	1.56 309	1.10 128	0.80 95	0.59 95	2.37 277	0.41 65	0.23 190	0.14 75	0.23 150	0.21 172	0.20 97	0.25 206

NINENet	0.77 192	0.37 235	0.78 167	0.62 229	0.51 244	2.34 364	0.42 96	1.83 278	1.04 146	1.14 153	1.23 175	1.03 181	0.62 111	1.24 129	0.70 191	0.28 262	0.23 263	0.31 267	0.21 172	0.26 209	0.25 206

CSP-Net	0.97 259	0.38 240	0.83 179	0.53 119	0.41 189	1.63 317	0.77 268	2.00 314	1.05 150	1.25 211	1.20 167	1.33 255	0.83 180	4.93 341	0.85 239	0.32 286	0.22 255	0.20 73	0.20 136	0.23 177	0.25 206

AACVNet	0.86 230	0.35 222	0.79 169	0.82 333	0.39 178	0.76 160	0.49 163	1.61 226	0.81 69	1.08 118	1.33 210	1.30 250	0.93 218	4.34 330	0.74 203	0.25 229	0.21 241	0.28 246	0.22 197	0.29 240	0.25 206

GANet-ADL	0.60 101	0.35 222	0.72 118	0.64 246	0.40 183	0.68 128	0.51 170	1.49 192	1.12 178	0.95 89	1.08 119	0.91 136	0.57 86	0.76 48	0.55 155	0.26 243	0.18 195	0.18 36	0.16 58	0.23 177	0.25 206

PFNet+	0.59 98	0.28 83	0.77 159	0.53 119	0.30 79	0.59 78	0.31 27	0.92 41	1.14 190	1.33 253	1.10 128	0.79 93	0.57 86	1.31 137	0.49 122	0.25 229	0.17 180	0.28 246	0.26 252	0.21 131	0.25 206

PSM-softLoss	0.78 198	0.31 157	0.77 159	0.58 182	0.32 106	0.56 68	0.40 83	1.18 129	0.70 47	1.24 207	1.07 116	0.83 110	0.52 60	5.36 346	0.53 145	0.24 205	0.15 125	0.25 206	0.22 197	0.20 97	0.25 206

KMStereo	0.78 198	0.31 157	0.77 159	0.58 182	0.32 106	0.56 68	0.40 83	1.18 129	0.70 47	1.24 207	1.07 116	0.83 110	0.52 60	5.36 346	0.53 145	0.24 205	0.15 125	0.25 206	0.22 197	0.20 97	0.25 206

CFNet_pseudo	0.66 139	0.32 171	0.86 187	0.48 52	0.39 178	0.70 139	0.40 83	1.33 159	1.22 224	1.16 167	1.34 215	1.24 231	0.64 119	0.98 89	0.59 164	0.21 144	0.16 156	0.33 287	0.19 108	0.36 276	0.25 206

sCroCo_RVC	0.49 35	0.40 249	1.02 246	0.65 258	0.60 285	0.52 51	0.40 83	0.83 22	0.61 22	0.44 8	0.74 38	0.49 29	0.50 56	0.63 25	0.48 115	0.26 243	0.27 291	0.23 150	0.22 197	0.29 240	0.25 206

psm_up	0.77 192	0.34 206	0.70 103	0.66 263	0.58 275	1.05 240	0.92 304	1.52 204	1.12 178	1.26 215	1.16 156	1.31 253	1.23 299	1.20 124	0.81 226	0.25 229	0.29 305	0.31 267	0.27 260	0.27 221	0.25 206

ccs_rob	0.66 139	0.33 187	0.86 187	0.48 52	0.39 178	0.70 139	0.40 83	1.33 159	1.22 224	1.16 167	1.34 215	1.23 229	0.64 119	0.98 89	0.59 164	0.21 144	0.16 156	0.35 304	0.20 136	0.37 280	0.25 206

MyStereo8	0.65 131	0.29 110	1.00 236	0.58 182	0.49 228	0.91 205	0.35 46	1.18 129	1.31 265	1.16 167	1.27 190	0.90 135	0.64 119	0.72 40	0.95 250	0.18 60	0.14 75	0.20 73	0.18 88	0.22 152	0.26 224

fast-acv-ft	0.94 249	0.44 264	1.40 308	0.58 182	0.51 244	1.77 332	0.69 254	1.36 167	1.42 310	1.29 225	1.86 321	1.74 319	1.25 302	1.52 179	1.38 305	0.26 243	0.28 297	0.28 246	0.28 277	0.27 221	0.26 224

ssnet_v2	0.88 235	0.36 229	1.02 246	0.62 229	0.38 170	1.32 284	0.97 314	2.07 329	1.34 276	1.37 263	1.18 161	1.54 290	0.92 212	1.10 112	1.65 331	0.30 274	0.27 291	0.30 263	0.28 277	0.27 221	0.26 224

Wz-Net-LNSev-Ref	0.99 264	0.40 249	1.82 344	0.66 263	0.62 293	2.05 352	0.78 270	1.91 295	1.29 255	1.54 305	1.42 237	1.51 287	1.23 299	1.99 248	1.33 298	0.23 190	0.14 75	0.20 73	0.15 30	0.27 221	0.26 224

TANstereo	0.44 21	0.21 4	0.44 11	0.41 5	0.21 3	0.65 108	0.26 9	0.79 13	0.83 75	0.93 83	0.98 82	0.51 32	0.46 33	0.54 7	0.35 27	0.18 60	0.24 272	0.16 9	0.13 11	0.16 13	0.26 224

AANet_RVC	1.16 303	0.52 294	1.49 324	0.65 258	0.45 210	0.75 156	0.69 254	1.42 178	1.55 328	1.34 256	1.87 323	1.53 289	0.78 157	7.43 387	1.38 305	0.25 229	0.17 180	0.19 49	0.16 58	0.22 152	0.26 224

ASMatch	0.88 235	0.26 46	0.69 97	0.51 95	0.35 140	0.48 20	0.37 65	1.12 117	0.92 101	1.10 131	3.28 372	0.96 160	0.98 240	4.90 339	0.49 122	0.19 92	0.16 156	0.22 122	0.19 108	0.19 71	0.27 230

ICVP	0.63 116	0.33 187	0.57 45	0.61 218	0.40 183	0.80 180	0.58 221	1.61 226	0.89 88	0.90 78	1.24 177	0.88 130	0.73 136	0.72 40	0.88 242	0.29 270	0.21 241	0.22 122	0.21 172	0.24 191	0.27 230
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Anonymous3	0.61 107	0.44 264	1.11 270	0.59 195	0.49 228	0.93 214	0.65 240	0.93 45	0.81 69	0.72 51	0.88 62	0.65 63	0.69 130	1.06 105	0.53 145	0.35 306	0.30 309	0.26 225	0.26 252	0.31 256	0.27 230

RAFT + AFF	1.00 268	0.42 258	1.09 265	0.67 273	0.50 234	1.22 272	1.24 344	2.24 357	1.19 212	1.30 233	1.56 274	1.17 216	1.49 329	3.44 316	0.83 233	0.21 144	0.25 279	0.30 263	0.26 252	0.27 221	0.27 230

HGLStereo	0.85 225	0.38 240	0.94 219	0.80 325	1.03 363	1.17 263	0.58 221	1.52 204	1.20 217	1.19 184	1.62 289	1.13 211	1.20 293	1.80 228	1.06 263	0.24 205	0.24 272	0.24 170	0.21 172	0.23 177	0.27 230

DMCA	0.67 148	0.34 206	0.90 208	0.51 95	0.44 203	0.86 198	0.47 148	1.42 178	1.02 139	1.17 176	1.12 139	1.23 229	0.75 140	0.78 51	0.95 250	0.25 229	0.19 208	0.27 236	0.19 108	0.24 191	0.27 230

CVANet_RVC	1.07 280	0.43 261	0.76 155	0.60 206	0.50 234	0.90 203	0.97 314	1.52 204	1.26 239	1.33 253	1.38 228	1.24 231	1.18 287	6.75 378	0.75 206	0.34 299	0.23 263	0.34 297	0.29 288	0.42 304	0.27 230

UCFNet_RVC	0.69 153	0.35 222	0.49 17	0.64 246	0.39 178	0.85 197	0.58 221	1.75 253	1.14 190	0.97 93	1.19 164	1.17 216	0.93 218	0.99 91	0.62 176	0.28 262	0.20 225	0.34 297	0.31 300	0.32 261	0.27 230

StereoDRNet	0.98 263	0.47 276	1.70 335	0.76 316	0.94 358	1.51 306	0.91 302	1.92 298	1.32 270	1.61 316	1.13 144	1.47 282	0.97 236	1.75 219	1.46 322	0.28 262	0.23 263	0.29 254	0.27 260	0.35 270	0.27 230

DISCO	1.03 274	0.34 206	1.11 270	0.69 286	0.45 210	2.07 353	0.84 285	2.13 334	1.50 320	1.15 156	1.33 210	2.40 360	1.07 270	2.60 287	1.51 326	0.23 190	0.18 195	0.22 122	0.20 136	0.31 256	0.27 230

iResNet_ROB	0.77 192	0.30 126	0.99 231	0.57 176	0.36 145	0.83 189	0.36 56	2.33 364	1.58 329	1.27 218	1.30 198	1.25 235	0.84 182	1.65 201	0.79 222	0.20 117	0.14 75	0.17 14	0.12 9	0.18 41	0.27 230

CFNet_ucs	0.70 155	0.33 187	0.88 200	0.50 72	0.43 197	0.74 150	0.44 124	1.60 223	1.29 255	1.22 196	1.54 268	1.09 199	0.63 116	0.99 91	0.59 164	0.25 229	0.20 225	0.37 314	0.21 172	0.40 296	0.28 241

StereoDRNet-Refined	0.80 204	0.41 255	0.88 200	0.62 229	0.42 192	1.33 285	0.48 156	1.52 204	1.17 205	1.45 285	1.44 244	1.44 273	0.90 207	1.26 131	1.24 286	0.20 117	0.16 156	0.27 236	0.24 228	0.25 201	0.28 241
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DRN-Test	1.00 268	0.44 264	1.13 274	0.70 291	0.81 343	1.62 316	0.79 273	2.14 338	1.44 313	1.78 332	1.33 210	1.43 269	1.05 264	2.18 264	1.53 327	0.27 252	0.21 241	0.31 267	0.30 296	0.32 261	0.28 241

ttt	0.94 249	0.34 206	0.59 52	0.61 218	0.37 153	0.94 216	0.50 169	2.17 349	1.34 276	1.23 199	1.61 286	0.91 136	0.76 148	1.85 234	3.97 376	0.30 274	0.26 283	0.26 225	0.24 228	0.29 240	0.29 244

dad	0.86 230	0.66 330	1.06 257	0.56 165	0.37 153	0.76 160	0.44 124	1.17 124	1.50 320	1.44 283	1.27 190	1.34 259	0.75 140	2.52 284	0.84 236	0.42 329	0.27 291	0.83 373	0.26 252	0.41 299	0.29 244

GwcNet-ADL	0.64 126	0.31 157	0.79 169	0.56 165	0.41 189	0.60 84	0.58 221	1.41 176	1.26 239	1.08 118	1.13 144	0.91 136	0.60 97	1.04 103	0.78 216	0.27 252	0.18 195	0.18 36	0.18 88	0.25 201	0.29 244

PSMNet-ADL	0.72 161	0.35 222	0.62 63	0.69 286	0.46 220	1.14 254	0.44 124	1.37 168	1.01 136	0.83 70	1.17 159	1.33 255	0.96 233	1.43 165	0.95 250	0.33 291	0.22 255	0.21 96	0.23 217	0.27 221	0.29 244

ADLNet2	0.88 235	0.34 206	1.17 279	0.77 319	0.64 296	1.12 252	0.76 265	1.74 251	1.24 231	1.21 191	1.65 295	1.71 315	1.05 264	1.67 206	1.17 280	0.24 205	0.21 241	0.21 96	0.22 197	0.26 209	0.29 244

GEStereo_RVC	0.90 240	0.37 235	0.99 231	0.64 246	0.50 234	0.95 220	0.79 273	2.42 371	1.17 205	1.16 167	1.11 133	1.26 239	0.92 212	3.24 308	0.90 245	0.29 270	0.19 208	0.23 150	0.20 136	0.27 221	0.29 244

Anonymous	0.53 48	0.38 240	0.91 211	0.66 263	0.73 319	0.65 108	0.59 228	0.95 52	0.73 55	0.47 13	0.58 19	0.42 5	0.60 97	0.80 55	0.53 145	0.24 205	0.23 263	0.21 96	0.21 172	0.41 299	0.29 244

ADCRef	1.35 320	0.55 301	2.37 366	0.72 301	0.77 331	1.94 345	0.78 270	1.91 295	1.27 246	1.57 313	1.59 281	1.36 260	1.41 318	1.54 185	7.53 390	0.23 190	0.20 225	0.32 280	0.30 296	0.29 240	0.29 244

ADCP+	1.99 365	0.48 281	7.73 396	0.66 263	0.91 354	2.30 362	1.05 326	1.82 274	1.34 276	1.54 305	1.32 208	1.74 319	1.61 338	2.17 261	13.37 406	0.24 205	0.21 241	0.32 280	0.28 277	0.37 280	0.29 244

NLCA_NET_v2_RVC	0.79 201	0.43 261	1.05 254	0.64 246	0.58 275	0.95 220	0.53 185	1.53 210	1.18 209	1.37 263	1.15 153	1.43 269	0.88 200	1.61 197	0.84 236	0.25 229	0.22 255	0.27 236	0.27 260	0.29 240	0.29 244
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PSMNet_ROB	0.90 240	0.52 294	1.17 279	0.72 301	0.61 288	1.27 278	1.12 333	1.76 259	1.12 178	1.09 123	1.28 194	1.45 275	0.89 206	1.65 201	1.42 317	0.33 291	0.25 279	0.37 314	0.39 331	0.35 270	0.29 244

SGM_RVC	1.68 348	0.36 229	0.61 59	0.59 195	0.29 63	2.25 360	1.18 340	2.38 369	1.68 336	3.60 389	2.67 364	3.69 381	2.42 378	8.13 395	1.90 342	0.31 281	0.31 315	0.30 263	0.28 277	0.30 249	0.29 244
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
HHNet	0.62 110	0.26 46	0.63 66	0.43 8	0.45 210	0.50 39	0.58 221	1.07 102	1.01 136	1.25 211	2.23 348	0.70 77	0.61 106	1.07 109	0.47 110	0.20 117	0.13 42	0.23 150	0.19 108	0.19 71	0.30 256

NF-Stereo	0.80 204	0.30 126	0.75 146	0.60 206	0.31 91	0.64 96	0.44 124	1.21 136	0.90 92	1.29 225	1.02 99	0.82 103	0.57 86	5.40 350	0.48 115	0.23 190	0.14 75	0.24 170	0.20 136	0.20 97	0.30 256

OCTAStereo	0.80 204	0.30 126	0.75 146	0.60 206	0.31 91	0.64 96	0.44 124	1.21 136	0.90 92	1.29 225	1.01 92	0.82 103	0.57 86	5.35 345	0.48 115	0.24 205	0.14 75	0.24 170	0.20 136	0.20 97	0.30 256

RE-Stereo	0.80 204	0.30 126	0.75 146	0.60 206	0.31 91	0.64 96	0.44 124	1.21 136	0.90 92	1.29 225	1.01 92	0.81 98	0.57 86	5.37 348	0.48 115	0.24 205	0.14 75	0.24 170	0.20 136	0.20 97	0.30 256

TVStereo	0.80 204	0.30 126	0.75 146	0.60 206	0.31 91	0.64 96	0.44 124	1.21 136	0.90 92	1.29 225	1.01 92	0.81 98	0.57 86	5.37 348	0.48 115	0.24 205	0.14 75	0.24 170	0.20 136	0.20 97	0.30 256

ADLNet	0.85 225	0.36 229	0.89 205	0.85 342	0.72 316	1.24 274	0.76 265	1.82 274	1.36 287	1.52 300	1.35 221	1.27 243	0.99 248	1.23 128	1.15 277	0.27 252	0.20 225	0.26 225	0.25 239	0.28 235	0.30 256

GES	0.66 139	0.34 206	0.90 208	0.59 195	0.38 170	0.94 216	0.57 218	2.11 333	0.86 77	1.02 107	1.11 133	0.66 65	0.79 159	0.99 91	0.61 173	0.27 252	0.19 208	0.20 73	0.20 136	0.21 131	0.30 256

STTStereo	0.78 198	0.50 288	1.22 284	0.64 246	0.54 258	0.89 201	0.54 189	1.44 185	1.11 174	1.38 268	1.09 124	1.27 243	0.85 185	1.43 165	0.83 233	0.29 270	0.27 291	0.33 287	0.39 331	0.32 261	0.30 256

GANet	1.36 321	0.47 276	0.86 187	0.67 273	0.45 210	1.34 287	1.73 369	1.64 232	1.24 231	1.49 296	2.38 354	1.55 292	1.20 293	9.30 401	0.93 247	0.30 274	0.31 315	0.33 287	0.28 277	0.39 292	0.30 256

MDST_ROB	1.67 346	0.34 206	1.58 329	0.92 360	0.58 275	4.26 399	1.11 331	2.83 379	1.41 307	4.49 399	2.55 361	1.45 275	0.97 236	7.79 392	1.17 280	0.31 281	0.25 279	0.37 314	0.33 312	0.31 256	0.30 256

whm_eth	0.65 131	0.47 276	1.05 254	0.55 153	0.64 296	0.69 132	0.45 135	1.34 163	1.26 239	1.02 107	1.92 328	0.49 29	0.48 47	0.70 33	0.52 137	0.23 190	0.20 225	0.25 206	0.24 228	0.24 191	0.31 266

GASNet	0.99 264	0.97 360	1.72 337	0.98 364	0.68 309	0.83 189	0.67 248	1.60 223	1.28 251	1.31 243	1.22 171	1.22 224	1.21 296	2.41 280	1.41 313	0.43 334	0.26 283	0.36 312	0.34 317	0.55 340	0.31 266

Wz-Net-MNSev	1.11 291	0.58 311	2.23 362	0.66 263	0.71 314	1.95 346	1.46 357	1.98 312	1.45 314	1.79 335	1.43 241	1.49 284	1.33 314	1.97 247	1.42 317	0.27 252	0.23 263	0.28 246	0.28 277	0.34 269	0.31 266

UDGNet	0.72 161	1.17 376	0.80 174	0.77 319	0.41 189	0.77 166	0.38 69	0.97 60	1.34 276	0.81 66	0.88 62	0.71 79	0.60 97	1.21 125	0.54 151	0.52 353	0.19 208	1.02 380	0.26 252	0.71 363	0.31 266

hitnet-ft	0.79 201	0.35 222	0.57 45	0.58 182	0.42 192	0.96 224	0.46 142	1.47 190	1.33 273	1.19 184	1.22 171	1.81 323	0.98 240	1.66 205	0.94 248	0.33 291	0.28 297	0.34 297	0.27 260	0.35 270	0.31 266

DeepPruner_ROB	0.74 178	0.48 281	0.87 197	0.57 176	0.44 203	0.79 175	0.54 189	1.73 247	0.96 110	1.38 268	1.27 190	1.24 231	0.73 136	1.43 165	0.73 202	0.34 299	0.28 297	0.27 236	0.26 252	0.31 256	0.31 266

Wz-Net-LNSev	1.03 274	0.67 331	2.71 375	0.64 246	0.84 347	1.75 327	1.00 320	1.80 270	1.32 270	1.28 220	1.25 181	1.65 309	1.22 297	1.39 158	1.40 309	0.28 262	0.26 283	0.24 170	0.23 217	0.33 267	0.32 272

AF-Net	1.13 296	0.52 294	1.33 303	0.86 344	0.91 354	1.38 293	0.71 258	2.16 343	1.62 331	1.56 309	2.40 356	1.99 339	1.65 341	1.81 230	1.48 324	0.48 348	0.28 297	0.49 346	0.33 312	0.39 292	0.32 272

SGM-Forest	1.24 307	0.38 240	0.60 56	0.52 111	0.37 153	1.56 311	1.30 349	1.65 233	1.36 287	2.11 355	1.79 312	1.63 304	0.93 218	7.48 389	0.95 250	0.36 309	0.37 340	0.39 323	0.34 317	0.37 280	0.32 272
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.95 252	0.44 264	0.66 82	0.53 119	0.35 140	1.53 308	1.63 367	1.69 241	1.42 310	2.00 351	1.60 282	1.43 269	1.17 284	1.59 195	0.99 258	0.34 299	0.34 325	0.39 323	0.33 312	0.33 267	0.32 272
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
CBFPSM	0.92 245	0.33 187	1.86 347	0.49 65	0.38 170	1.75 327	0.84 285	1.39 174	1.12 178	1.09 123	0.99 84	2.37 358	1.66 345	1.32 139	1.42 317	0.19 92	0.18 195	0.20 73	0.20 136	0.21 131	0.33 276

NaN_ROB	1.13 296	0.55 301	1.15 276	0.64 246	0.48 225	1.61 315	2.03 387	1.72 246	1.48 317	2.09 354	1.27 190	1.40 264	1.08 271	3.94 322	1.30 295	0.28 262	0.34 325	0.28 246	0.28 277	0.30 249	0.33 276

Syn2CoEx	1.14 298	0.69 335	1.66 333	0.80 325	0.67 303	1.40 295	0.88 294	2.06 328	1.54 326	1.25 211	1.58 280	1.42 268	1.50 330	4.09 324	1.40 309	0.36 309	0.32 322	0.34 297	0.29 288	0.29 240	0.34 278

FADNet-RVC-Resample	0.84 221	0.47 276	2.10 355	0.61 218	0.45 210	1.07 245	0.61 233	1.59 220	1.20 217	1.08 118	0.98 82	1.03 181	0.98 240	2.17 261	0.72 199	0.23 190	0.22 255	0.30 263	0.32 306	0.35 270	0.34 278

SuperB	2.53 381	0.59 314	18.45 411	0.69 286	0.50 234	1.87 342	0.88 294	1.67 238	2.39 368	1.50 297	1.42 237	1.14 213	1.15 283	4.28 329	5.07 380	0.24 205	0.19 208	0.22 122	0.19 108	7.86 419	0.34 278

SGM-ForestM	6.52 405	0.38 240	1.26 291	0.63 237	0.35 140	13.59 417	5.32 411	6.32 410	6.70 405	11.14 414	9.18 409	22.51 425	13.93 413	16.89 418	20.07 416	0.36 309	0.37 340	0.36 312	0.35 321	0.36 276	0.34 278

XPNet_ROB	0.96 253	0.49 284	1.09 265	0.72 301	0.57 267	1.11 249	1.14 335	1.66 237	1.23 227	1.85 341	1.39 232	1.64 307	1.11 276	1.80 228	1.42 317	0.38 317	0.30 309	0.33 287	0.29 288	0.37 280	0.34 278

pcwnet_v2	0.97 259	0.37 235	4.33 384	0.62 229	0.54 258	0.79 175	0.45 135	2.02 321	1.58 329	1.42 282	1.64 293	1.09 199	0.79 159	1.24 129	0.67 188	0.32 286	0.25 279	0.29 254	0.27 260	0.37 280	0.35 283

GwcNet	1.08 283	0.51 291	2.33 364	0.79 322	1.18 376	1.76 329	0.70 256	1.68 239	1.47 316	1.41 276	1.64 293	1.74 319	1.04 260	2.20 266	1.41 313	0.30 274	0.29 305	0.29 254	0.27 260	0.30 249	0.35 283

FADNet-RVC	0.88 235	0.67 331	1.93 350	0.60 206	0.48 225	0.91 205	0.60 232	1.71 245	1.18 209	0.90 78	0.96 74	1.36 260	0.92 212	2.25 270	1.17 280	0.30 274	0.29 305	0.32 280	0.32 306	0.41 299	0.35 283

ADCL	1.72 353	0.57 308	3.66 381	0.67 273	0.61 288	2.61 373	1.85 376	1.96 307	1.67 335	1.90 345	1.83 316	2.06 347	1.90 360	2.13 259	9.15 399	0.26 243	0.24 272	0.34 297	0.32 306	0.38 288	0.35 283

Wz-Net-SNSev	1.49 330	1.23 377	6.27 394	0.68 283	0.67 303	1.37 290	1.41 354	2.00 314	1.39 299	1.48 294	1.61 286	2.29 353	1.32 313	3.93 321	2.14 352	0.31 281	0.28 297	0.31 267	0.33 312	0.42 304	0.36 287

CBMV_ROB	0.90 240	0.44 264	0.63 66	0.51 95	0.37 153	1.25 276	0.49 163	1.77 262	1.27 246	1.41 276	2.00 333	1.33 255	1.08 271	2.17 261	0.76 208	0.43 334	0.42 353	0.47 343	0.44 343	0.41 299	0.36 287

APVNet	1.06 278	0.53 297	1.42 310	0.84 337	0.79 336	1.92 343	0.82 283	1.90 291	1.08 162	1.08 118	1.43 241	1.56 293	1.13 281	3.07 302	1.58 328	0.31 281	0.34 325	0.42 332	0.36 325	0.36 276	0.37 289

Nwc_Net	1.09 285	0.49 284	1.33 303	0.89 354	0.80 341	1.49 305	0.66 245	2.19 351	1.27 246	1.32 245	2.26 349	1.96 336	1.54 331	1.92 240	1.34 300	0.40 322	0.30 309	0.43 334	0.45 345	0.38 288	0.37 289

RTSC	1.29 312	0.73 340	2.44 367	0.83 336	0.57 267	1.85 340	0.65 240	1.88 286	2.00 358	2.20 357	1.66 297	1.60 300	1.26 304	2.33 274	3.92 374	0.32 286	0.23 263	0.27 236	0.29 288	0.37 280	0.37 289

SANet	1.88 358	0.57 308	2.18 361	0.63 237	0.40 183	2.80 378	1.57 364	2.39 370	5.88 403	2.36 364	3.57 376	3.72 382	2.97 386	4.74 335	1.76 335	0.34 299	0.30 309	0.32 280	0.29 288	0.48 325	0.37 289

LALA_ROB	1.01 271	0.59 314	1.16 277	0.67 273	0.51 244	1.63 317	1.26 348	1.69 241	1.38 295	1.81 338	1.37 224	1.94 334	1.02 257	1.58 193	1.38 305	0.37 313	0.27 291	0.43 334	0.37 328	0.43 309	0.37 289

PWCDC_ROB	1.29 312	0.75 345	1.33 303	1.05 369	0.88 353	1.73 326	0.52 179	1.89 288	3.28 385	1.29 225	4.88 391	1.22 224	1.46 324	1.77 226	1.45 321	0.60 363	0.26 283	0.29 254	0.25 239	0.52 335	0.37 289

FINET	0.97 259	0.54 298	1.60 330	0.63 237	0.79 336	1.08 246	1.07 328	1.56 217	2.20 365	1.15 156	1.49 259	0.94 148	0.88 200	2.32 273	1.05 261	0.42 329	0.35 333	0.32 280	0.28 277	0.43 309	0.38 295

FADNet_RVC	0.83 217	0.51 291	1.83 346	0.54 134	0.42 192	1.19 268	0.46 142	1.51 201	1.09 168	0.89 77	1.24 177	0.91 136	0.87 196	2.11 258	1.11 273	0.27 252	0.22 255	0.31 267	0.28 277	0.43 309	0.38 295

PS-NSSS	0.99 264	0.58 311	0.93 217	0.58 182	0.57 267	0.91 205	0.80 279	1.81 273	1.14 190	1.14 153	1.67 299	1.00 169	0.83 180	4.62 334	0.78 216	0.37 313	0.31 315	0.52 349	0.32 306	0.45 319	0.38 295

GrayStereo	0.82 212	0.26 46	0.58 48	0.63 237	0.37 153	0.76 160	1.86 377	1.11 115	0.87 81	1.99 349	1.89 325	1.08 193	1.82 356	1.39 158	0.48 115	0.19 92	0.14 75	0.19 49	0.21 172	0.18 41	0.39 298

HBP-ISP	0.96 253	0.58 311	0.72 118	0.61 218	0.46 220	1.64 319	0.76 265	1.86 283	1.28 251	1.30 233	1.53 266	0.86 123	0.94 223	3.27 310	0.69 190	0.45 340	0.44 357	0.54 355	0.48 352	0.47 322	0.40 299

FADNet	0.92 245	0.61 322	1.81 343	0.62 229	0.55 264	0.96 224	0.57 218	1.78 266	1.33 273	0.93 83	1.01 92	1.36 260	1.01 252	2.71 291	0.75 206	0.33 291	0.34 325	0.31 267	0.34 317	0.59 347	0.40 299

DeepPrunerF	1.60 340	0.73 340	5.81 392	0.88 350	1.19 377	0.91 205	0.95 312	2.19 351	5.24 401	1.17 176	1.30 198	1.19 220	1.30 311	4.90 339	1.66 333	0.42 329	0.34 325	0.52 349	0.47 350	0.41 299	0.40 299

NCCL2	1.00 268	0.56 304	1.06 257	0.75 314	0.57 267	1.31 283	1.72 368	1.77 262	1.36 287	1.50 297	1.17 159	1.91 329	1.17 284	1.54 185	1.29 294	0.35 306	0.31 315	0.45 338	0.44 343	0.40 296	0.40 299

CSAN	1.41 327	0.59 314	1.26 291	0.70 291	0.50 234	1.76 329	1.78 371	1.77 262	1.90 353	2.35 362	2.32 351	1.92 332	1.94 362	5.56 354	1.49 325	0.43 334	0.35 333	0.40 328	0.41 337	0.43 309	0.41 303

NOSS_ROB	1.26 310	0.46 272	0.62 63	0.56 165	0.38 170	1.06 243	0.78 270	1.73 247	1.40 304	1.01 104	1.43 241	1.10 201	0.75 140	10.62 412	0.65 184	0.45 340	0.43 354	0.48 344	0.45 345	0.44 316	0.41 303

ETE_ROB	0.96 253	0.64 328	1.16 277	0.69 286	0.48 225	1.14 254	1.13 334	1.77 262	1.19 212	1.91 346	1.45 246	1.73 317	1.05 264	1.60 196	1.14 276	0.32 286	0.26 283	0.38 317	0.34 317	0.39 292	0.41 303

PWC_ROB	1.24 307	0.76 347	2.46 369	0.72 301	0.78 334	1.15 259	0.49 163	1.75 253	1.92 354	2.31 359	3.07 369	1.59 298	1.40 317	2.46 282	2.10 351	0.33 291	0.22 255	0.35 304	0.24 228	0.38 288	0.41 303

CASS	0.65 131	0.34 206	0.72 118	0.56 165	0.27 33	0.78 171	0.42 96	1.59 220	0.86 77	1.30 233	1.25 181	0.87 127	0.84 182	0.84 64	0.54 151	0.35 306	0.19 208	0.26 225	0.21 172	0.28 235	0.42 307
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
NCC-stereo	1.10 288	0.54 298	1.24 288	0.84 337	0.94 358	1.29 281	0.89 296	2.01 318	1.34 276	1.32 245	1.74 305	1.88 324	1.74 348	2.35 275	1.25 287	0.45 340	0.37 340	0.45 338	0.58 367	0.42 304	0.42 307

Abc-Net	1.10 288	0.54 298	1.24 288	0.84 337	0.94 358	1.29 281	0.89 296	2.01 318	1.34 276	1.32 245	1.74 305	1.88 324	1.74 348	2.35 275	1.25 287	0.45 340	0.37 340	0.45 338	0.58 367	0.42 304	0.42 307
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
MeshStereo	2.26 371	0.56 304	0.92 215	0.61 218	0.49 228	2.60 372	1.02 323	3.18 385	2.05 361	7.40 412	4.98 392	7.58 402	2.98 387	6.37 368	1.96 345	0.43 334	0.43 354	0.45 338	0.39 331	0.43 309	0.42 307
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
RP	1.09 285	0.50 288	1.12 272	0.90 355	1.04 364	1.11 249	0.84 285	1.80 270	1.62 331	1.55 308	2.00 333	1.90 328	1.78 351	1.84 231	1.25 287	0.52 353	0.36 338	0.48 344	0.36 325	0.45 319	0.43 311

FBW_ROB	1.71 352	0.62 325	1.45 315	0.67 273	0.61 288	1.81 335	1.08 329	2.52 375	1.70 337	1.77 331	1.73 304	1.98 338	1.25 302	12.57 415	1.84 338	0.34 299	0.37 340	0.56 363	0.38 330	0.45 319	0.43 311

SACVNet	0.85 225	0.46 272	0.85 181	0.81 328	0.56 265	0.80 180	0.79 273	1.68 239	1.12 178	1.34 256	1.33 210	1.25 235	0.94 223	2.39 279	0.76 208	0.34 299	0.26 283	0.31 267	0.29 288	0.35 270	0.44 313

ADCMid	1.89 361	0.73 340	5.06 387	0.72 301	0.67 303	2.00 350	1.14 335	1.97 311	1.48 317	2.86 379	1.81 315	2.37 358	2.05 368	2.24 268	10.39 403	0.33 291	0.31 315	0.39 323	0.43 341	0.50 329	0.44 313

aanetorigin	1.23 306	0.79 349	2.78 377	0.70 291	0.79 336	0.99 232	1.06 327	1.06 100	1.37 291	3.52 388	2.61 362	1.72 316	1.63 339	1.99 248	1.78 336	0.25 229	0.24 272	0.26 225	0.25 239	0.38 288	0.45 315

ADCPNet	1.85 357	0.69 335	8.07 397	0.71 298	0.58 275	2.79 377	1.22 343	1.94 304	1.54 326	1.88 342	1.69 300	2.46 363	2.04 366	2.37 277	6.48 385	0.38 317	0.37 340	0.38 317	0.43 341	0.47 322	0.45 315

DANet	1.08 283	0.61 322	1.32 301	0.85 342	0.72 316	1.37 290	0.51 170	1.54 212	1.15 199	1.78 332	1.54 268	2.01 341	1.11 276	2.90 297	2.00 347	0.33 291	0.30 309	0.40 328	0.30 296	0.44 316	0.45 315
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
Anonymous Stereo	1.28 311	0.75 345	2.45 368	0.74 310	0.77 331	0.93 214	1.77 370	1.51 201	1.31 265	1.67 323	1.29 197	1.20 221	0.75 140	6.29 367	1.68 334	0.37 313	0.36 338	0.38 317	0.40 335	0.43 309	0.45 315

RGC	1.14 298	0.79 349	1.26 291	0.91 358	0.96 361	1.52 307	0.77 268	1.92 298	1.26 239	1.54 305	1.93 329	2.02 343	1.54 331	2.25 270	1.31 296	0.44 339	0.35 333	0.58 366	0.48 352	0.47 322	0.46 319

stereogan	1.15 301	0.42 258	1.40 308	0.86 344	0.84 347	2.38 366	0.71 258	1.88 286	1.73 340	1.72 327	1.94 331	2.31 355	1.29 307	2.07 255	1.08 266	0.36 309	0.35 333	0.39 323	0.31 300	0.51 333	0.46 319

edge stereo	1.11 291	0.50 288	1.30 297	0.71 298	0.65 299	1.14 254	0.75 262	1.93 302	1.37 291	1.71 326	1.83 316	2.54 364	1.44 321	2.43 281	1.23 285	0.42 329	0.41 351	0.54 355	0.35 321	0.42 304	0.46 319

WZ-Net	1.95 362	0.95 359	10.10 401	0.86 344	0.78 334	1.69 322	1.60 365	2.20 354	1.98 357	2.08 353	1.93 329	2.30 354	1.97 363	5.30 344	3.17 368	0.34 299	0.26 283	0.29 254	0.31 300	0.51 333	0.47 322

PA-Net	1.01 271	0.57 308	1.29 296	0.64 246	0.74 321	1.19 268	0.84 285	1.69 241	1.43 312	1.16 167	1.19 164	1.32 254	1.19 290	3.42 314	1.25 287	0.29 270	0.45 361	0.33 287	0.49 355	0.32 261	0.47 322
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
WCMA_ROB	1.84 356	0.47 276	1.31 298	0.69 286	0.57 267	2.11 355	1.14 335	1.87 284	1.73 340	4.04 393	6.43 396	5.62 396	3.61 392	2.59 286	1.94 344	0.52 353	0.44 357	0.39 323	0.42 339	0.48 325	0.47 322

RTS	2.67 383	1.38 379	15.28 409	0.99 365	1.26 380	3.78 391	1.96 383	2.15 340	2.62 377	2.61 370	2.85 367	2.60 366	1.59 335	6.27 365	5.71 383	0.40 322	0.28 297	0.35 304	0.35 321	0.50 329	0.48 325

RTSA	2.67 383	1.38 379	15.28 409	0.99 365	1.26 380	3.78 391	1.96 383	2.15 340	2.62 377	2.61 370	2.85 367	2.60 366	1.59 335	6.27 365	5.71 383	0.40 322	0.28 297	0.35 304	0.35 321	0.50 329	0.48 325

CC-Net-ROB	1.49 330	1.26 378	1.27 294	0.88 350	0.79 336	1.76 329	1.00 320	1.79 268	1.26 239	1.10 131	1.61 286	1.21 222	0.99 248	8.13 395	0.84 236	1.09 383	0.41 351	2.20 389	0.46 348	1.20 381	0.48 325

DPSNet	1.69 349	0.59 314	4.33 384	0.70 291	0.57 267	2.02 351	1.62 366	3.35 388	1.78 344	1.48 294	1.38 228	2.17 349	2.84 384	4.77 336	3.66 372	0.48 348	0.31 315	0.29 254	0.25 239	0.64 354	0.48 325

Anonymous_2	1.30 314	0.55 301	0.82 177	0.52 111	0.58 275	1.01 235	0.64 238	1.25 151	0.97 117	0.96 90	0.78 45	1.33 255	1.29 307	1.03 98	0.74 203	0.62 365	0.64 382	1.06 381	9.63 418	1.16 379	0.49 329

coex-ft	8.13 409	2.13 402	98.04 437	0.67 273	0.53 255	1.71 323	1.56 362	1.65 233	11.11 409	18.17 423	3.75 378	3.88 383	7.61 410	2.98 301	6.49 386	0.30 274	0.30 309	0.32 280	0.31 300	0.66 358	0.50 330

MFN_U_SF_DS_RVC	1.74 354	0.87 355	3.56 380	0.80 325	0.75 327	3.72 390	2.44 400	1.82 274	1.82 348	1.74 328	1.91 327	1.92 332	1.26 304	7.69 391	1.28 293	0.45 340	0.47 365	0.52 349	0.77 376	0.50 329	0.50 330

SHD	1.31 315	0.71 339	2.34 365	0.86 344	0.75 327	1.77 332	0.65 240	2.22 355	2.50 375	2.40 366	1.71 302	1.91 329	1.60 337	1.93 243	2.37 355	0.38 317	0.31 315	0.38 317	0.40 335	0.48 325	0.50 330

MSMD_ROB	1.99 365	0.59 314	0.89 205	0.70 291	0.61 288	3.95 395	0.94 310	1.80 270	1.79 345	4.41 397	4.43 383	8.17 405	3.66 393	3.40 312	1.33 298	0.52 353	0.48 366	0.54 355	0.58 367	0.53 337	0.50 330

FC-DCNN	2.72 388	0.59 314	0.86 187	0.73 308	0.57 267	2.91 379	1.04 325	3.01 383	2.60 376	6.83 408	7.64 403	9.92 409	6.33 407	5.21 343	3.14 366	0.53 359	0.48 366	0.51 348	0.50 358	0.53 337	0.51 334

STTRV1_RVC	1.58 337	0.68 334	1.96 352	0.88 350	1.12 370	1.57 312	0.90 301	2.25 358	1.75 343	1.29 225	2.02 336	1.40 264	1.22 297	9.77 408	1.31 296	0.81 372	0.33 324	0.54 355	0.49 355	0.73 365	0.52 335

FAT-Stereo	1.07 280	0.41 255	1.32 301	0.72 301	0.58 275	1.08 246	0.89 296	1.96 307	1.65 333	1.75 329	1.98 332	2.03 344	1.48 327	2.02 250	1.18 283	0.42 329	0.35 333	0.34 297	0.29 288	0.35 270	0.53 336

ccnet	1.12 293	0.67 331	1.01 240	0.78 321	0.73 319	1.72 325	0.99 318	1.84 279	1.26 239	1.47 288	1.85 320	1.75 322	1.29 307	1.75 219	1.88 341	0.57 361	0.53 373	0.57 365	0.55 364	0.59 347	0.54 337

AnyNet_C32	1.96 363	1.10 368	5.17 388	0.90 355	1.11 368	2.12 356	2.37 398	1.85 280	1.48 317	2.45 367	1.70 301	2.05 346	1.64 340	2.50 283	10.28 402	0.37 313	0.34 325	0.35 304	0.41 337	0.49 328	0.54 337

MANE	6.19 403	0.59 314	1.03 250	0.93 361	1.22 379	13.38 416	2.69 401	12.81 417	17.94 420	8.21 413	10.82 412	14.72 415	11.68 411	11.39 414	11.90 405	0.59 362	0.50 370	0.52 349	1.76 404	0.55 340	0.54 337

RYNet	1.17 304	0.49 284	1.24 288	0.70 291	0.97 362	1.71 323	0.92 304	1.91 295	1.46 315	1.38 268	1.14 147	1.88 324	1.30 311	4.24 326	1.87 339	0.26 243	0.21 241	0.35 304	0.27 260	0.55 340	0.54 337

sAnonymous2	0.55 77	0.56 304	1.46 317	0.60 206	0.51 244	0.48 20	0.52 179	0.79 13	0.68 44	0.50 26	0.67 25	0.46 16	0.62 111	0.59 14	0.40 58	0.22 167	0.17 180	0.22 122	0.21 172	0.86 368	0.56 341

CroCo_RVC	0.55 77	0.56 304	1.46 317	0.60 206	0.51 244	0.48 20	0.52 179	0.79 13	0.68 44	0.50 26	0.67 25	0.46 16	0.62 111	0.59 14	0.40 58	0.22 167	0.17 180	0.22 122	0.21 172	0.86 368	0.56 341

psmorigin	1.52 334	0.69 335	10.52 404	0.68 283	0.59 282	1.13 253	0.70 256	1.57 218	1.19 212	1.99 349	1.79 312	2.26 352	1.47 326	2.09 256	1.36 304	0.39 320	0.40 349	0.34 297	0.33 312	0.43 309	0.56 341

ADCS	2.25 370	0.99 362	5.55 389	0.81 328	0.74 321	2.19 358	1.80 372	2.27 360	2.14 363	2.80 378	2.13 343	2.40 360	2.03 365	2.64 289	13.69 407	0.41 326	0.39 347	0.40 328	0.45 345	0.58 345	0.56 341

G-Net	1.66 345	0.63 326	1.56 327	1.11 374	0.74 321	2.98 382	0.91 302	1.55 216	1.22 224	2.76 376	8.18 407	2.32 356	2.53 381	1.92 240	1.87 339	0.48 348	0.44 357	0.45 338	0.31 300	0.60 351	0.57 345

Wz-Net-TNSev	1.88 358	2.08 401	7.66 395	0.67 273	0.64 296	2.42 367	1.83 375	2.33 364	1.74 342	1.57 313	1.56 274	2.58 365	1.90 360	4.86 337	3.12 365	0.39 320	0.37 340	0.33 287	0.37 328	0.53 337	0.58 346

FCDSN-DC	2.32 373	0.63 326	0.81 175	0.84 337	0.75 327	2.23 359	0.94 310	2.09 332	1.80 346	5.45 406	7.72 404	7.77 404	6.93 409	3.39 311	1.80 337	0.52 353	0.48 366	0.52 349	0.51 360	0.57 343	0.58 346
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
BEATNet-Init1	26.87 424	13.43 420	70.68 436	0.91 358	0.68 309	57.02 437	21.06 418	32.82 429	32.67 426	52.12 437	53.61 436	66.05 437	49.56 437	48.79 438	34.71 428	0.49 352	0.44 357	0.53 354	0.53 362	0.63 352	0.59 348

SAMSARA	1.55 336	0.84 351	2.61 372	1.22 377	1.07 365	2.50 369	1.93 381	2.05 323	1.89 351	2.75 375	1.66 297	2.81 371	1.69 346	3.08 304	1.97 346	0.46 346	0.51 371	0.42 332	0.46 348	0.58 345	0.59 348

GANetREF_RVC	1.07 280	0.86 354	1.31 298	0.82 333	0.53 255	1.41 299	1.31 350	1.76 259	1.52 323	1.27 218	1.31 203	1.46 277	1.24 301	2.03 251	0.96 254	0.56 360	0.45 361	0.67 368	0.50 358	0.88 370	0.59 348
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
XQC	1.37 322	0.87 355	2.56 371	0.84 337	0.69 311	1.83 338	0.89 296	2.07 329	1.88 350	1.88 342	1.53 266	1.91 329	1.55 333	2.85 296	3.05 363	0.48 348	0.29 305	0.44 337	0.39 331	0.69 361	0.60 351

EDNetEfficient	2.37 375	1.10 368	8.08 398	0.74 310	0.71 314	0.98 231	1.56 362	1.46 188	4.06 393	4.90 402	2.82 366	2.25 351	3.48 391	2.95 298	9.97 400	0.26 243	0.24 272	0.26 225	0.30 296	0.68 360	0.61 352

MFN_U_SF_RVC	1.52 334	0.84 351	3.42 379	0.87 349	0.66 301	2.56 371	0.95 312	2.36 367	1.70 337	1.98 348	1.86 321	2.45 362	1.79 352	2.95 298	2.58 357	0.52 353	0.48 366	0.55 360	0.59 370	0.59 347	0.61 352

FTStereo	0.91 243	0.26 46	0.56 37	0.54 134	0.33 122	0.66 117	1.87 378	1.00 68	0.75 56	1.75 329	4.15 382	1.04 184	1.65 341	1.57 191	0.46 105	0.19 92	0.16 156	0.23 150	0.21 172	0.18 41	0.63 354

AnyNet_C01	2.26 371	1.78 390	10.22 403	0.93 361	0.74 321	2.92 381	2.20 393	2.29 362	1.80 346	2.53 369	2.41 357	2.71 370	1.73 347	3.41 313	6.72 387	0.41 326	0.39 347	0.40 328	0.42 339	0.67 359	0.63 354

NVstereo2D	0.92 245	0.41 255	1.48 322	0.72 301	0.72 316	1.20 270	0.87 293	1.75 253	1.38 295	0.99 99	1.13 144	1.26 239	0.98 240	2.21 267	0.89 243	0.43 334	0.20 225	0.38 317	0.24 228	0.57 343	0.63 354

ELAS_RVC	2.48 380	0.74 343	1.90 348	1.05 369	0.92 356	2.76 375	4.01 409	2.76 378	4.11 394	4.69 400	4.63 387	4.62 387	5.96 405	3.97 323	3.96 375	0.63 367	0.53 373	0.56 363	0.52 361	0.64 354	0.63 354
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	2.37 375	0.74 343	1.54 326	0.99 365	0.92 356	4.78 401	2.33 397	3.33 387	3.37 387	5.05 405	4.77 390	3.67 380	4.53 400	3.42 314	4.50 378	0.62 365	0.53 373	0.55 360	0.53 362	0.63 352	0.64 358
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SDNR	1.62 343	0.51 291	2.17 359	0.53 119	0.56 265	3.80 393	0.45 135	1.54 212	1.29 255	1.33 253	2.41 357	1.08 193	0.96 233	11.18 413	1.16 278	0.66 369	0.63 381	0.43 334	0.32 306	0.64 354	0.67 359

MSC_U_SF_DS_RVC	2.12 367	1.15 374	3.10 378	1.05 369	0.76 330	5.03 404	2.40 399	2.16 343	2.62 377	1.89 344	2.28 350	2.69 369	1.65 341	9.35 403	2.04 348	0.64 368	0.51 371	0.68 369	0.71 374	1.09 378	0.67 359

PASM	1.34 319	0.92 358	2.62 373	0.86 344	0.87 352	1.03 237	1.08 329	1.50 196	1.51 322	1.82 339	1.41 236	1.68 312	1.26 304	4.87 338	1.34 300	0.61 364	0.65 384	0.68 369	0.78 377	0.69 361	0.68 361

PSM-AAD	0.79 201	0.27 67	0.53 28	0.55 153	0.28 52	0.77 166	1.24 344	0.99 64	0.91 97	1.66 322	1.57 278	0.81 98	2.19 372	1.65 201	0.44 84	0.19 92	0.14 75	0.38 317	0.32 306	0.21 131	0.70 362

DGSMNet	1.14 298	0.76 347	2.49 370	0.81 328	0.86 350	1.39 294	1.39 353	2.13 334	1.35 284	1.26 215	1.63 292	1.48 283	0.98 240	1.75 219	1.10 271	0.45 340	0.43 354	0.55 360	0.49 355	0.75 366	0.70 362

S-Stereo	1.15 301	0.46 272	2.17 359	0.81 328	0.80 341	1.21 271	1.19 341	1.93 302	2.02 359	1.47 288	2.11 341	1.57 294	1.17 284	2.05 254	1.41 313	0.40 322	0.40 349	0.35 304	0.31 300	0.44 316	0.70 362

LCNet	0.72 161	0.28 83	0.52 26	0.55 153	0.31 91	0.69 132	0.54 189	1.00 68	0.88 85	1.19 184	1.34 215	0.97 162	1.34 315	2.56 285	0.45 92	0.18 60	0.13 42	0.21 96	0.25 239	0.27 221	0.73 365

PDISCO_ROB	1.32 317	0.65 329	1.44 311	1.36 378	1.46 384	2.55 370	0.92 304	2.45 373	2.07 362	1.37 263	1.49 259	1.65 309	1.00 250	2.82 293	1.35 303	1.01 377	0.27 291	0.54 355	0.47 350	0.71 363	0.73 365

PVD	1.70 350	0.84 351	2.26 363	0.94 363	0.83 346	2.48 368	0.97 314	2.59 377	3.35 386	3.01 385	2.77 365	2.34 357	2.47 380	2.67 290	3.14 366	0.47 347	0.45 361	0.59 367	0.48 352	0.59 347	0.75 367

EDNetEfficientorigin	10.57 411	1.47 385	177.42 438	0.67 273	0.53 255	1.58 313	1.16 338	1.90 291	3.37 387	4.71 401	3.38 373	3.10 377	2.69 383	3.13 306	3.58 371	0.25 229	0.23 263	0.33 287	0.27 260	0.83 367	0.81 368

MaskLacGwcNet_RVC	1.10 288	1.02 364	1.00 236	0.82 333	0.67 303	1.93 344	0.93 308	1.62 229	1.11 174	1.15 156	1.25 181	1.50 285	0.79 159	1.96 246	0.76 208	1.89 387	0.34 325	0.79 372	0.36 325	1.25 382	0.83 369

LoS_RVC	0.42 11	0.26 46	0.40 8	0.44 23	0.82 345	0.51 49	0.44 124	0.64 2	0.41 2	0.44 8	0.78 45	0.44 9	0.47 39	0.56 10	0.36 33	0.13 1	0.12 9	0.14 1	0.10 2	0.13 1	0.84 370

GMM-Stereo	0.74 178	0.25 35	0.59 52	0.54 134	0.34 137	0.72 144	0.99 318	1.01 73	0.87 81	1.36 261	1.78 311	1.12 206	0.81 167	2.09 256	0.46 105	0.18 60	0.12 9	0.25 206	0.25 239	0.20 97	0.85 371

Prome-Stereo	0.75 185	0.27 67	0.53 28	0.55 153	0.32 106	0.59 78	0.97 314	0.89 33	0.88 85	1.45 285	2.46 359	0.91 136	1.41 318	1.58 193	0.44 84	0.18 60	0.13 42	0.19 49	0.17 74	0.20 97	0.92 372

Consistency-Raft	1.25 309	0.99 362	1.93 350	1.02 368	1.21 378	0.96 224	1.01 322	1.75 253	1.92 354	1.36 261	2.12 342	1.44 273	1.01 252	1.14 119	1.40 309	0.72 370	0.82 387	0.89 375	0.98 389	1.31 383	0.95 373

MADNet+	2.69 385	3.22 411	11.53 406	1.44 383	1.12 370	3.19 384	1.81 373	2.85 380	2.37 367	1.68 324	2.07 340	2.85 373	2.18 371	7.41 386	5.23 381	0.79 371	0.76 385	0.69 371	0.65 373	0.98 372	0.95 373

anonymity	1.12 293	0.97 360	1.21 282	1.07 372	1.12 370	1.08 246	0.89 296	1.95 306	1.16 203	1.29 225	1.26 187	1.22 224	1.09 274	1.15 120	1.01 259	1.02 379	1.00 400	0.97 377	0.97 387	0.98 372	0.99 375

KYRaft	0.75 185	0.28 83	0.62 63	0.56 165	0.29 63	0.67 121	0.86 291	0.94 49	0.84 76	1.62 319	2.21 347	1.16 215	1.02 257	1.57 191	0.40 58	0.20 117	0.13 42	0.22 122	0.28 277	0.20 97	1.02 376

SPS-STEREO	1.67 346	1.04 365	1.23 285	1.21 376	1.13 373	1.82 337	1.11 331	2.16 343	1.52 323	3.07 387	2.32 351	2.82 372	1.80 353	4.11 325	2.04 348	1.03 380	0.99 399	0.97 377	0.94 385	1.03 376	1.02 376
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
UDG	1.41 327	2.65 407	0.99 231	1.44 383	1.64 386	1.34 287	0.80 279	1.60 223	1.23 227	1.23 199	1.71 302	2.01 341	1.34 315	1.47 174	1.41 313	0.90 374	0.54 376	2.29 391	0.75 375	1.84 385	1.04 378

SGM+DAISY	2.41 378	1.07 366	2.14 358	1.18 375	1.10 367	2.14 357	1.36 352	1.96 307	1.66 334	5.46 407	7.07 399	4.95 392	4.32 399	5.50 351	2.26 354	1.04 381	1.02 402	0.99 379	0.97 387	1.02 375	1.04 378

MFMNet_re	1.40 326	1.14 373	1.68 334	1.39 380	1.07 365	1.48 303	1.43 355	1.87 284	1.82 348	2.26 358	2.19 346	1.51 287	1.86 357	1.52 179	1.25 287	0.93 375	0.83 388	0.84 374	0.80 378	0.99 374	1.05 380

CAS	0.63 116	0.18 1	0.37 2	2.27 390	0.84 347	0.57 73	0.54 189	0.79 13	0.62 23	0.48 17	0.70 31	0.36 2	0.26 1	0.45 2	0.35 27	2.24 391	0.10 1	0.14 1	0.09 1	0.15 5	1.06 381

WAO-7	2.66 382	1.40 381	1.73 339	1.39 380	1.17 374	3.93 394	1.94 382	4.11 394	3.88 392	2.92 380	5.50 393	4.18 385	3.00 388	7.63 390	3.71 373	1.13 385	1.00 400	1.17 383	1.13 393	1.18 380	1.09 382

FADE	26.59 423	4.78 413	20.96 413	1.89 387	1.92 389	2.91 379	2.00 385	5.58 403	5.04 399	2.92 380	2.16 345	4.13 384	14.18 414	10.23 411	8.46 396	188.09 438	2.77 412	123.78 435	127.92 435	1.06 377	1.10 383

PWCK	2.88 390	2.05 399	5.72 391	2.08 388	1.11 368	3.55 388	3.90 408	2.86 381	3.54 390	3.03 386	3.63 377	3.10 377	2.31 375	8.15 397	3.09 364	2.12 390	0.91 397	1.75 386	0.98 389	2.57 391	1.18 384

NVStereoNet_ROB	1.88 358	1.07 366	1.45 315	1.07 372	1.17 374	1.47 302	1.48 359	1.89 288	1.93 356	1.94 347	4.67 389	3.08 376	1.80 353	6.51 370	1.65 331	1.06 382	0.86 394	1.08 382	1.32 394	0.93 371	1.26 385
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	1.50 332	2.69 408	1.12 272	1.77 385	1.88 388	1.84 339	0.92 304	1.70 244	1.16 203	1.38 268	1.79 312	1.60 300	1.12 279	1.37 149	1.08 266	1.10 384	0.76 385	2.37 393	0.94 385	2.00 386	1.37 386

CES	0.48 32	0.20 2	0.37 2	0.39 4	1.39 382	0.55 65	0.35 46	0.98 62	0.66 40	0.44 8	0.66 23	0.35 1	0.27 2	0.56 10	0.33 16	0.15 6	0.13 42	0.15 3	0.10 2	0.19 71	1.46 387

SQANet	1.31 315	0.88 357	1.08 264	1.83 386	1.44 383	1.44 301	0.75 262	1.74 251	1.09 168	1.32 245	1.26 187	1.28 246	1.01 252	1.50 178	0.83 233	2.50 392	0.34 325	1.47 384	0.55 364	2.32 388	1.57 388

WAO-8	4.40 396	1.82 393	1.79 341	2.34 391	2.20 391	9.19 409	1.53 360	6.09 407	16.46 414	3.94 391	7.84 405	7.32 399	3.72 395	9.41 405	3.31 369	2.00 388	1.07 403	2.44 398	1.37 398	2.50 389	1.68 389

Venus	4.40 396	1.82 393	1.79 341	2.34 391	2.20 391	9.19 409	1.53 360	6.09 407	16.46 414	3.94 391	7.84 405	7.32 399	3.72 395	9.41 405	3.31 369	2.00 388	1.07 403	2.44 398	1.37 398	2.50 389	1.68 389

WAO-6	2.81 389	1.60 387	1.46 317	2.36 393	2.28 396	3.55 388	2.29 396	4.21 395	4.56 398	2.36 364	4.51 384	4.88 391	2.66 382	4.60 333	4.07 377	1.72 386	1.15 406	2.31 392	1.46 400	2.31 387	1.85 391

JetBlue	3.97 394	2.01 396	10.19 402	1.38 379	2.84 405	10.53 412	9.54 412	3.60 390	2.41 369	2.73 374	3.39 374	4.54 386	4.31 398	7.85 394	6.84 388	0.88 373	0.93 398	0.89 375	0.91 383	1.74 384	1.91 392

otaku	1.60 340	1.11 371	1.21 282	2.20 389	1.56 385	1.97 347	1.24 344	2.07 329	1.36 287	1.44 283	1.62 289	1.73 317	1.19 290	1.73 218	0.98 257	2.89 396	0.57 378	1.74 385	0.60 371	2.78 393	1.94 393

Ntro	1.64 344	1.15 374	1.23 285	2.48 394	1.83 387	2.09 354	1.16 338	1.96 307	1.38 295	1.21 191	1.62 289	1.62 302	1.29 307	1.87 237	1.11 273	3.04 397	0.56 377	1.82 387	0.64 372	2.80 394	2.05 394

RainbowNet	1.97 364	1.76 389	1.57 328	2.81 397	2.21 393	1.98 349	1.81 373	2.54 376	1.89 351	1.50 297	1.84 318	1.96 336	1.65 341	2.14 260	1.25 287	3.33 403	0.85 392	2.39 396	0.98 389	2.82 396	2.22 395

DispFullNet	2.34 374	2.85 409	3.66 381	3.08 403	2.27 395	1.97 347	0.67 248	2.00 314	1.70 337	2.52 368	2.00 333	2.23 350	5.86 403	3.44 316	1.58 328	1.01 377	0.32 322	2.64 402	1.94 407	2.85 398	2.24 396

ACVNet_2	2.43 379	1.41 382	2.04 353	2.62 395	2.24 394	2.63 374	1.88 379	3.31 386	3.01 382	2.19 356	3.45 375	4.62 387	2.04 366	4.50 332	1.47 323	2.55 393	0.64 382	2.22 390	0.84 380	2.69 392	2.29 397

ACVNet_1	2.18 369	1.45 384	1.72 337	2.85 398	2.33 398	2.28 361	1.46 357	3.08 384	2.22 366	1.82 339	2.05 339	3.56 379	1.98 364	3.09 305	1.40 309	3.17 398	0.60 380	2.40 397	0.92 384	2.91 400	2.37 398

ACVNet-4b	2.15 368	1.41 382	1.64 331	2.80 396	2.31 397	2.31 363	1.24 344	2.32 363	2.14 363	1.26 215	2.39 355	2.66 368	1.48 327	5.95 363	1.06 263	3.20 401	0.45 361	2.37 393	0.89 382	2.83 397	2.37 398

LVE	3.31 393	1.67 388	1.64 331	2.85 398	2.42 399	3.20 385	2.26 395	4.78 400	5.05 400	2.35 362	6.91 397	6.02 397	2.37 376	9.15 399	2.17 353	3.19 400	1.08 405	2.38 395	1.47 401	2.81 395	2.40 400

Dean	2.91 391	1.53 386	2.07 354	2.96 402	2.51 400	3.15 383	2.14 391	4.75 399	4.41 397	2.76 376	6.10 395	5.53 395	2.37 376	2.97 300	1.92 343	3.18 399	0.85 392	2.51 400	1.04 392	2.88 399	2.47 401

tt	6.58 406	0.26 46	6.10 393	3.77 411	2.16 390	11.55 413	19.63 417	13.33 418	5.74 402	2.96 382	2.65 363	4.97 393	6.33 407	3.81 320	7.24 389	9.15 418	11.32 425	5.89 418	6.24 417	6.03 415	2.55 402

IMH	3.21 392	1.85 395	1.48 322	3.25 404	2.69 403	4.07 397	2.02 386	4.41 397	3.80 391	2.72 373	7.11 400	4.75 390	2.92 385	5.92 361	2.55 356	3.85 410	0.88 395	2.78 405	1.36 397	3.19 404	2.59 403

IMH-64-1	2.70 386	1.79 391	1.46 317	3.26 405	2.66 401	3.23 386	2.10 388	4.08 392	2.75 380	2.34 360	3.81 379	3.06 374	2.22 373	4.25 327	2.59 358	3.75 407	0.84 389	2.75 403	1.35 395	3.15 402	2.60 404

IMH-64	2.70 386	1.79 391	1.46 317	3.26 405	2.66 401	3.23 386	2.10 388	4.08 392	2.75 380	2.34 360	3.81 379	3.06 374	2.22 373	4.25 327	2.59 358	3.75 407	0.84 389	2.75 403	1.35 395	3.15 402	2.60 404

ktn	4.70 398	2.38 405	2.12 357	3.76 410	3.24 408	4.85 402	2.95 406	5.52 402	7.37 406	4.07 395	19.32 420	7.46 401	3.47 390	7.39 385	2.95 362	4.04 411	1.85 411	3.26 411	2.22 410	3.08 401	2.65 406

TorneroNet-64	5.30 402	2.03 397	1.74 340	3.43 407	2.81 404	10.09 411	2.12 390	9.10 414	17.12 419	4.96 404	9.27 410	10.72 413	3.70 394	9.20 400	4.55 379	3.31 402	0.84 389	2.88 406	1.55 402	3.49 405	3.04 407

TorneroNet	10.70 412	2.03 397	1.82 344	3.43 407	3.01 406	43.83 429	2.22 394	8.87 413	67.47 438	7.17 411	27.36 423	10.68 412	3.85 397	8.67 398	7.65 395	3.59 405	0.88 395	3.04 407	1.57 403	3.71 406	3.17 408

KSHMR	8.75 410	2.06 400	2.11 356	3.53 409	3.11 407	4.13 398	2.69 401	5.60 404	61.37 437	3.00 384	55.83 437	4.98 394	2.45 379	4.49 331	2.61 360	3.46 404	1.55 410	3.14 409	1.94 407	3.72 407	3.18 409

notaker	3.98 395	2.40 406	2.68 374	3.82 412	3.27 410	3.97 396	2.14 391	4.78 400	3.45 389	4.12 396	6.94 398	7.65 403	3.26 389	7.82 393	5.30 382	4.04 411	1.41 408	3.36 412	2.10 409	3.88 408	3.31 410

JetRed	6.91 407	8.80 418	25.96 421	2.85 398	3.25 409	13.98 418	11.87 413	6.25 409	4.28 396	4.45 398	4.56 385	6.69 398	5.46 402	7.46 388	14.05 408	2.59 394	3.31 413	2.59 401	2.29 411	4.20 411	3.36 411

UNDER WATER-64	5.27 401	2.32 403	8.78 400	3.93 413	3.54 412	7.61 407	3.03 407	5.84 406	14.19 410	4.04 393	4.04 381	9.39 408	6.26 406	5.93 362	8.48 397	3.60 406	1.51 409	3.13 408	1.88 405	4.29 412	3.61 412

UNDER WATER	5.08 400	2.33 404	5.55 389	3.94 414	3.51 411	5.20 405	2.72 403	5.61 405	16.52 416	3.84 390	4.60 386	9.21 407	5.89 404	5.90 360	8.66 398	3.75 407	1.34 407	3.18 410	1.88 405	4.33 413	3.61 412

HanzoNet	11.04 413	3.62 412	8.10 399	4.08 415	3.55 413	4.90 403	2.73 404	7.19 411	10.10 407	31.86 433	28.92 425	21.96 424	36.36 426	18.08 419	10.17 401	7.94 417	3.32 414	3.47 413	3.31 412	7.06 418	4.04 414

MADNet++	5.01 399	3.14 410	4.91 386	4.55 416	3.94 414	5.20 405	4.41 410	4.40 396	4.13 395	4.95 403	6.08 394	4.74 389	5.37 401	9.40 404	10.67 404	4.65 413	4.15 416	3.97 414	3.34 413	4.09 410	4.08 415

SPstereo	26.54 422	6.08 415	10.71 405	5.55 417	5.68 416	48.14 430	80.43 437	67.31 438	34.39 433	28.70 431	27.52 424	43.76 435	37.60 433	45.04 437	54.41 438	4.92 416	4.89 417	10.74 422	5.88 416	4.46 414	4.57 416

PML	51.67 435	36.25 428	13.28 408	7.46 418	20.81 420	108.69 438	232.22 439	8.72 412	27.82 425	87.01 438	269.67 439	69.67 438	61.95 438	24.76 427	14.20 409	9.74 420	3.40 415	9.62 419	4.70 414	18.74 423	4.72 417

DPSimNet_ROB	11.20 414	4.98 414	35.43 425	2.90 401	4.52 415	7.89 408	17.09 416	4.66 398	6.06 404	14.89 419	10.93 413	17.29 416	36.81 428	13.18 416	15.68 412	2.86 395	6.29 418	5.75 417	5.09 415	3.91 409	7.70 418

DPSMNet_ROB	13.02 416	8.23 416	21.91 415	9.53 420	18.11 419	11.56 414	32.02 424	10.64 416	16.23 413	7.05 410	19.49 422	10.16 411	16.66 416	9.85 410	22.43 419	4.77 415	8.68 419	5.38 416	10.26 420	6.17 417	11.36 419

DGTPSM_ROB	13.01 415	8.23 416	21.87 414	9.51 419	18.10 418	11.56 414	32.01 423	10.63 415	16.20 412	7.03 409	19.48 421	10.15 410	16.66 416	9.83 409	22.42 418	4.75 414	8.68 419	5.37 415	10.25 419	6.16 416	11.36 419

Anonymous_1	43.04 434	18.73 421	24.79 418	21.81 422	46.26 432	27.80 420	37.60 425	28.08 424	16.14 411	14.66 418	14.30 414	20.65 418	17.88 418	21.56 420	25.94 422	117.93 437	8.92 421	100.65 434	126.50 434	158.64 438	12.08 421

DPSM_ROB	19.08 418	19.14 422	25.17 419	22.15 423	20.85 421	28.17 421	37.82 426	26.56 422	16.85 417	14.14 416	14.84 415	21.70 419	18.75 419	21.87 421	26.55 423	10.16 421	9.30 422	10.47 420	10.42 421	14.03 420	12.61 422

DPSM	19.08 418	19.14 422	25.17 419	22.15 423	20.85 421	28.17 421	37.82 426	26.56 422	16.85 417	14.14 416	14.84 415	21.70 419	18.75 419	21.87 421	26.55 423	10.16 421	9.30 422	10.47 420	10.42 421	14.03 420	12.61 422

ASD4	15.85 417	10.99 419	19.63 412	10.21 421	11.70 417	19.24 419	31.10 422	19.35 419	10.68 408	11.14 414	10.18 411	12.59 414	12.64 412	14.74 417	24.83 421	12.93 423	9.94 424	26.83 429	19.40 423	16.23 422	12.70 424

LSM	6.33 404	1.10 368	13.19 407	1.41 382	68.17 433	1.64 319	1.90 380	1.92 298	2.46 370	2.99 383	3.11 370	1.88 324	1.80 353	2.61 288	2.06 350	0.41 326	0.58 379	0.50 347	0.57 366	0.64 354	17.66 425

CasAABBNet	38.33 425	38.46 429	50.35 430	44.75 433	41.84 427	56.68 434	76.37 432	53.22 435	33.83 428	28.31 426	29.54 427	43.62 434	37.71 434	43.84 434	53.41 433	20.30 424	18.70 427	21.07 426	21.07 425	28.24 427	25.34 426

MyStereo03	38.34 426	38.50 431	50.41 431	44.74 430	41.86 428	56.65 431	76.38 433	52.99 432	33.93 430	28.39 428	29.99 429	43.54 430	37.42 430	43.82 431	53.53 434	20.31 425	18.71 429	21.06 423	21.08 426	28.23 424	25.35 427

MyStereo02	38.34 426	38.50 431	50.41 431	44.74 430	41.86 428	56.65 431	76.38 433	52.99 432	33.93 430	28.39 428	29.99 429	43.54 430	37.42 430	43.82 431	53.53 434	20.31 425	18.71 429	21.06 423	21.08 426	28.23 424	25.35 427

MyStereo	38.34 426	38.50 431	50.41 431	44.74 430	41.86 428	56.65 431	76.38 433	52.99 432	33.93 430	28.39 428	29.99 429	43.54 430	37.42 430	43.82 431	53.53 434	20.31 425	18.71 429	21.06 423	21.08 426	28.23 424	25.35 427

Selective-RAFT-Error	38.39 429	38.47 430	50.44 434	44.73 429	41.97 431	56.68 434	76.38 433	53.24 436	33.92 429	28.34 427	29.85 428	43.60 433	38.20 435	43.75 430	53.34 432	20.38 428	18.70 427	21.09 427	21.05 424	28.30 428	25.43 430

LRCNet_RVC	22.74 420	32.10 427	21.97 416	29.84 425	26.23 423	4.42 400	0.81 282	22.66 420	2.02 359	26.93 425	29.26 426	23.06 426	15.59 415	23.84 423	18.88 415	31.75 430	19.90 432	34.65 430	32.13 430	30.54 430	28.32 431

LSM0	42.82 433	38.75 434	50.81 435	47.07 434	109.38 438	57.00 436	76.02 431	53.74 437	33.71 427	29.02 432	30.41 432	43.87 436	37.22 429	43.91 435	53.54 437	20.52 429	18.62 426	21.10 428	21.11 429	28.41 429	42.22 432

AVERAGE_ROB	40.43 431	42.37 436	42.73 427	36.96 428	35.58 426	30.50 424	27.61 420	36.71 431	38.39 435	44.91 435	44.36 434	37.45 429	36.70 427	41.88 429	40.35 429	45.43 435	46.81 436	47.11 432	46.35 431	42.51 432	43.87 433

HaxPig	38.92 430	41.40 435	41.64 426	29.95 426	32.27 424	28.90 423	27.60 419	29.73 425	37.71 434	43.82 434	43.87 433	33.17 427	35.56 425	41.53 428	40.37 430	43.94 434	47.51 437	45.82 431	47.08 432	42.38 431	44.15 434

MEDIAN_ROB	42.00 432	44.40 437	44.29 429	35.15 427	34.95 425	31.28 428	29.60 421	35.88 430	40.02 436	47.20 436	46.64 435	37.37 428	38.48 436	44.35 436	42.45 431	48.03 436	49.39 438	49.71 433	49.03 433	45.14 433	46.65 435

xxxxx1	54.10 436	25.67 424	27.13 422	113.43 435	96.96 435	30.69 425	47.44 428	32.38 426	25.60 421	17.75 420	17.27 417	21.81 421	21.02 421	24.43 424	33.82 425	33.37 431	40.54 433	157.71 436	175.86 436	66.16 434	72.93 436

tt_ll	54.10 436	25.67 424	27.13 422	113.43 435	96.96 435	30.69 425	47.44 428	32.38 426	25.60 421	17.75 420	17.27 417	21.81 421	21.02 421	24.43 424	33.82 425	33.37 431	40.54 433	157.71 436	175.86 436	66.16 434	72.93 436

ff	54.10 436	25.67 424	27.13 422	113.43 435	96.96 435	30.69 425	47.44 428	32.38 426	25.60 421	17.75 420	17.27 417	21.81 421	21.02 421	24.43 424	33.82 425	33.37 431	40.54 433	157.71 436	175.86 436	66.16 434	72.93 436

test_example2	192.40 439	210.76 439	206.48 439	199.83 439	204.73 439	172.94 439	183.52 438	133.93 439	133.41 439	191.38 439	196.19 438	187.13 439	178.77 439	205.33 439	208.00 439	222.09 439	238.72 439	186.54 439	190.54 439	227.34 439	170.31 439

Low-res two-view benchmark