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

CAS	0.08 2	0.04 1	0.07 2	0.17 116	0.08 48	0.10 58	0.13 43	0.12 5	0.09 2	0.09 17	0.10 39	0.08 26	0.06 6	0.09 10	0.08 11	0.08 192	0.04 2	0.05 2	0.03 1	0.05 40	0.04 7

CES	0.08 2	0.04 1	0.08 11	0.14 13	0.07 18	0.09 35	0.14 70	0.11 2	0.09 2	0.08 6	0.09 24	0.11 76	0.06 6	0.12 102	0.08 11	0.06 56	0.04 2	0.05 2	0.03 1	0.05 40	0.05 52

CREStereo++_RVC	0.08 2	0.04 1	0.06 1	0.13 6	0.07 18	0.09 35	0.12 21	0.14 17	0.14 60	0.10 42	0.14 82	0.08 26	0.07 33	0.09 10	0.11 87	0.06 56	0.04 2	0.05 2	0.05 32	0.04 1	0.04 7
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
TANstereo	0.09 12	0.04 1	0.08 11	0.13 6	0.06 2	0.11 84	0.14 70	0.15 28	0.19 130	0.11 61	0.15 96	0.10 60	0.06 6	0.12 102	0.09 19	0.07 143	0.05 108	0.05 2	0.04 8	0.06 102	0.05 52

CREStereo	0.09 12	0.04 1	0.08 11	0.11 1	0.06 2	0.13 131	0.14 70	0.14 17	0.10 8	0.08 6	0.13 73	0.09 39	0.08 51	0.11 46	0.10 51	0.08 192	0.04 2	0.05 2	0.03 1	0.06 102	0.06 100
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
IGEV_Zeroshot_test	0.09 12	0.05 6	0.12 91	0.13 6	0.08 48	0.12 106	0.13 43	0.17 74	0.11 18	0.10 42	0.06 2	0.09 39	0.06 6	0.11 46	0.09 19	0.06 56	0.04 2	0.06 32	0.06 88	0.05 40	0.05 52

MSKI-zero shot	0.09 12	0.05 6	0.09 29	0.15 38	0.07 18	0.10 58	0.13 43	0.14 17	0.13 43	0.09 17	0.09 24	0.09 39	0.06 6	0.12 102	0.10 51	0.06 56	0.04 2	0.05 2	0.04 8	0.04 1	0.04 7

AEACV	0.08 2	0.05 6	0.08 11	0.14 13	0.13 303	0.14 156	0.13 43	0.14 17	0.09 2	0.07 2	0.09 24	0.07 18	0.08 51	0.10 18	0.09 19	0.06 56	0.04 2	0.06 32	0.05 32	0.05 40	0.04 7

Any-RAFT	0.10 52	0.05 6	0.09 29	0.14 13	0.07 18	0.13 131	0.14 70	0.21 142	0.15 71	0.11 61	0.12 63	0.12 91	0.09 69	0.12 102	0.09 19	0.07 143	0.04 2	0.05 2	0.04 8	0.06 102	0.05 52

LoS_RVC	0.08 2	0.05 6	0.07 2	0.15 38	0.07 18	0.08 23	0.15 116	0.11 2	0.10 8	0.08 6	0.09 24	0.06 3	0.09 69	0.10 18	0.09 19	0.05 2	0.04 2	0.05 2	0.03 1	0.04 1	0.03 1

LoS	0.09 12	0.05 6	0.11 71	0.13 6	0.07 18	0.14 156	0.11 11	0.15 28	0.15 71	0.09 17	0.09 24	0.12 91	0.09 69	0.15 168	0.10 51	0.07 143	0.05 108	0.05 2	0.03 1	0.05 40	0.05 52

EGLCR-Stereo	0.08 2	0.05 6	0.08 11	0.14 13	0.06 2	0.10 58	0.12 21	0.11 2	0.16 89	0.06 1	0.05 1	0.07 18	0.05 2	0.10 18	0.11 87	0.06 56	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

knoymous	0.11 82	0.05 6	0.12 91	0.13 6	0.07 18	0.15 178	0.14 70	0.19 118	0.13 43	0.11 61	0.17 122	0.13 114	0.09 69	0.13 134	0.11 87	0.08 192	0.05 108	0.06 32	0.05 32	0.08 201	0.07 160

iRaft-Stereo_20w	0.09 12	0.05 6	0.13 130	0.14 13	0.08 48	0.12 106	0.15 116	0.18 98	0.10 8	0.11 61	0.08 17	0.08 26	0.05 2	0.10 18	0.09 19	0.06 56	0.04 2	0.06 32	0.05 32	0.06 102	0.05 52

TRStereo	0.09 12	0.05 6	0.12 91	0.15 38	0.12 286	0.10 58	0.13 43	0.18 98	0.18 118	0.09 17	0.09 24	0.09 39	0.06 6	0.10 18	0.08 11	0.07 143	0.05 108	0.07 100	0.07 163	0.04 1	0.04 7

AnonymousM	0.09 12	0.05 6	0.10 45	0.14 13	0.06 2	0.09 35	0.13 43	0.19 118	0.14 60	0.13 106	0.11 55	0.09 39	0.08 51	0.13 134	0.10 51	0.08 192	0.05 108	0.08 165	0.05 32	0.05 40	0.05 52

XX-Stereo	0.09 12	0.05 6	0.08 11	0.17 116	0.09 133	0.15 178	0.12 21	0.20 125	0.10 8	0.10 42	0.14 82	0.07 18	0.06 6	0.12 102	0.08 11	0.06 56	0.05 108	0.06 32	0.06 88	0.04 1	0.04 7

PMTNet	0.09 12	0.05 6	0.09 29	0.12 3	0.06 2	0.12 106	0.14 70	0.15 28	0.11 18	0.09 17	0.13 73	0.10 60	0.07 33	0.13 134	0.10 51	0.15 348	0.04 2	0.05 2	0.03 1	0.07 158	0.06 100

IGEV+	0.08 2	0.06 19	0.08 11	0.18 183	0.07 18	0.09 35	0.13 43	0.10 1	0.09 2	0.08 6	0.08 17	0.06 3	0.06 6	0.13 134	0.09 19	0.05 2	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

11t1	0.12 137	0.06 19	0.13 130	0.14 13	0.08 48	0.17 221	0.15 116	0.18 98	0.15 71	0.15 150	0.15 96	0.16 164	0.16 228	0.15 168	0.13 159	0.08 192	0.05 108	0.06 32	0.05 32	0.08 201	0.07 160

IGEVStereo-DCA	0.09 12	0.06 19	0.11 71	0.15 38	0.10 218	0.11 84	0.15 116	0.16 44	0.12 26	0.10 42	0.06 2	0.08 26	0.06 6	0.10 18	0.08 11	0.06 56	0.05 108	0.06 32	0.05 32	0.05 40	0.06 100

rrr	0.09 12	0.06 19	0.12 91	0.15 38	0.10 218	0.11 84	0.16 172	0.16 44	0.15 71	0.10 42	0.06 2	0.08 26	0.06 6	0.10 18	0.08 11	0.06 56	0.05 108	0.06 32	0.05 32	0.05 40	0.06 100

MIF-Stereo (partial)	0.11 82	0.06 19	0.10 45	0.19 229	0.10 218	0.10 58	0.11 11	0.17 74	0.18 118	0.14 126	0.16 104	0.09 39	0.11 111	0.12 102	0.12 129	0.08 192	0.05 108	0.08 165	0.07 163	0.06 102	0.07 160

RAFT-Test	0.09 12	0.06 19	0.10 45	0.15 38	0.07 18	0.11 84	0.15 116	0.16 44	0.13 43	0.09 17	0.10 39	0.10 60	0.09 69	0.12 102	0.09 19	0.06 56	0.04 2	0.05 2	0.04 8	0.04 1	0.05 52

HH	0.09 12	0.06 19	0.13 130	0.17 116	0.08 48	0.10 58	0.16 172	0.14 17	0.10 8	0.08 6	0.09 24	0.08 26	0.07 33	0.10 18	0.09 19	0.06 56	0.04 2	0.06 32	0.05 32	0.05 40	0.04 7

HanStereo	0.09 12	0.06 19	0.13 130	0.17 116	0.08 48	0.10 58	0.16 172	0.14 17	0.10 8	0.08 6	0.09 24	0.08 26	0.07 33	0.10 18	0.09 19	0.06 56	0.04 2	0.06 32	0.05 32	0.05 40	0.04 7

CBFPSM	0.14 188	0.06 19	0.26 312	0.17 116	0.09 133	0.13 131	0.15 116	0.22 158	0.23 184	0.20 243	0.27 250	0.24 254	0.16 228	0.16 200	0.18 250	0.06 56	0.06 191	0.06 32	0.07 163	0.07 158	0.07 160

iinet-f	0.16 239	0.06 19	0.45 360	0.14 13	0.10 218	0.21 282	0.14 70	0.27 236	0.23 184	0.21 251	0.24 198	0.21 219	0.15 208	0.18 233	0.21 284	0.09 237	0.07 249	0.07 100	0.06 88	0.09 249	0.10 272

Selective-IGEV	0.07 1	0.06 19	0.08 11	0.17 116	0.06 2	0.08 23	0.12 21	0.13 11	0.07 1	0.08 6	0.07 14	0.06 3	0.04 1	0.10 18	0.09 19	0.05 2	0.04 2	0.05 2	0.04 8	0.04 1	0.03 1

riskmin	0.11 82	0.06 19	0.13 130	0.14 13	0.08 48	0.14 156	0.14 70	0.18 98	0.14 60	0.11 61	0.14 82	0.16 164	0.11 111	0.14 150	0.12 129	0.09 237	0.05 108	0.07 100	0.05 32	0.08 201	0.08 220

MC-Stereo	0.08 2	0.06 19	0.09 29	0.17 116	0.06 2	0.10 58	0.14 70	0.12 5	0.10 8	0.09 17	0.12 63	0.09 39	0.06 6	0.11 46	0.10 51	0.06 56	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

RCA-Stereo	0.09 12	0.06 19	0.09 29	0.16 69	0.06 2	0.09 35	0.13 43	0.18 98	0.14 60	0.09 17	0.10 39	0.08 26	0.07 33	0.12 102	0.11 87	0.06 56	0.04 2	0.06 32	0.05 32	0.05 40	0.04 7

DCANet-4	0.10 52	0.06 19	0.12 91	0.16 69	0.06 2	0.09 35	0.17 193	0.18 98	0.19 130	0.13 106	0.16 104	0.09 39	0.14 195	0.11 46	0.12 129	0.06 56	0.04 2	0.05 2	0.04 8	0.04 1	0.05 52

fff	0.10 52	0.06 19	0.12 91	0.15 38	0.07 18	0.09 35	0.17 193	0.16 44	0.20 151	0.13 106	0.16 104	0.10 60	0.11 111	0.11 46	0.12 129	0.06 56	0.04 2	0.05 2	0.04 8	0.04 1	0.05 52

tt	4.67 416	0.06 19	3.55 415	2.02 418	1.55 417	10.25 422	16.71 422	8.91 425	5.03 419	1.31 412	0.94 398	4.71 418	4.76 418	3.33 418	5.87 420	6.06 425	10.30 429	1.88 419	2.11 420	2.75 418	1.21 418

ADStereo(finetuned)	0.10 52	0.06 19	0.12 91	0.16 69	0.06 2	0.09 35	0.17 193	0.15 28	0.19 130	0.13 106	0.17 122	0.10 60	0.12 140	0.11 46	0.12 129	0.06 56	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

test-3	0.08 2	0.06 19	0.09 29	0.17 116	0.07 18	0.07 16	0.14 70	0.12 5	0.15 71	0.09 17	0.08 17	0.07 18	0.08 51	0.11 46	0.10 51	0.05 2	0.04 2	0.07 100	0.05 32	0.04 1	0.04 7

test_1	0.08 2	0.06 19	0.09 29	0.17 116	0.07 18	0.07 16	0.14 70	0.12 5	0.15 71	0.09 17	0.08 17	0.07 18	0.08 51	0.11 46	0.10 51	0.05 2	0.04 2	0.07 100	0.05 32	0.04 1	0.04 7

CrosDoStereo	0.12 137	0.06 19	0.12 91	0.14 13	0.08 48	0.12 106	0.15 116	0.17 74	0.22 175	0.19 226	0.24 198	0.15 153	0.11 111	0.11 46	0.12 129	0.06 56	0.04 2	0.07 100	0.07 163	0.05 40	0.05 52

PFNet+	0.11 82	0.06 19	0.13 130	0.16 69	0.09 133	0.05 1	0.12 21	0.17 74	0.21 164	0.16 175	0.19 150	0.14 129	0.10 90	0.11 46	0.11 87	0.08 192	0.05 108	0.09 229	0.08 214	0.06 102	0.11 295

HHNet	0.11 82	0.06 19	0.16 223	0.15 38	0.14 320	0.07 16	0.13 43	0.20 125	0.17 101	0.14 126	0.25 227	0.11 76	0.08 51	0.13 134	0.10 51	0.05 2	0.04 2	0.08 165	0.06 88	0.05 40	0.09 253

OMP-Stereo	0.11 82	0.06 19	0.14 156	0.18 183	0.08 48	0.09 35	0.12 21	0.21 142	0.21 164	0.13 106	0.14 82	0.11 76	0.12 140	0.11 46	0.13 159	0.06 56	0.04 2	0.07 100	0.06 88	0.05 40	0.04 7

IIG-Stereo	0.11 82	0.06 19	0.13 130	0.17 116	0.08 48	0.11 84	0.12 21	0.22 158	0.17 101	0.14 126	0.17 122	0.11 76	0.12 140	0.12 102	0.12 129	0.06 56	0.05 108	0.07 100	0.06 88	0.05 40	0.04 7

FTStereo	0.12 137	0.06 19	0.14 156	0.18 183	0.09 133	0.07 16	0.15 116	0.21 142	0.18 118	0.12 85	0.24 198	0.12 91	0.12 140	0.13 134	0.13 159	0.05 2	0.05 108	0.07 100	0.06 88	0.06 102	0.10 272

ASMatch	0.11 82	0.06 19	0.13 130	0.16 69	0.10 218	0.07 16	0.14 70	0.17 74	0.17 101	0.12 85	0.16 104	0.16 164	0.10 90	0.13 134	0.10 51	0.05 2	0.04 2	0.06 32	0.05 32	0.04 1	0.08 220

DeepStereo_LL	0.12 137	0.06 19	0.12 91	0.14 13	0.08 48	0.12 106	0.15 116	0.17 74	0.22 175	0.19 226	0.24 198	0.15 153	0.11 111	0.11 46	0.12 129	0.06 56	0.04 2	0.07 100	0.07 163	0.05 40	0.05 52

DEmStereo	0.12 137	0.06 19	0.14 156	0.14 13	0.10 218	0.16 202	0.15 116	0.16 44	0.24 194	0.17 187	0.24 198	0.13 114	0.14 195	0.12 102	0.13 159	0.05 2	0.04 2	0.07 100	0.06 88	0.05 40	0.05 52

DRaft	0.12 137	0.06 19	0.11 71	0.14 13	0.09 133	0.14 156	0.17 193	0.21 142	0.30 258	0.17 187	0.28 259	0.10 60	0.15 208	0.10 18	0.12 129	0.05 2	0.04 2	0.07 100	0.06 88	0.05 40	0.05 52

PFNet	0.12 137	0.06 19	0.17 248	0.17 116	0.08 48	0.09 35	0.15 116	0.26 218	0.20 151	0.16 175	0.16 104	0.14 129	0.11 111	0.12 102	0.11 87	0.06 56	0.04 2	0.07 100	0.06 88	0.05 40	0.05 52

GrayStereo	0.11 82	0.06 19	0.11 71	0.19 229	0.09 133	0.09 35	0.16 172	0.18 98	0.17 101	0.14 126	0.17 122	0.17 183	0.11 111	0.12 102	0.11 87	0.05 2	0.05 108	0.07 100	0.06 88	0.05 40	0.10 272

RAFT-RH_RVC	0.11 82	0.06 19	0.14 156	0.16 69	0.09 133	0.12 106	0.12 21	0.17 74	0.12 26	0.13 106	0.41 343	0.11 76	0.10 90	0.13 134	0.12 129	0.05 2	0.04 2	0.08 165	0.05 32	0.04 1	0.06 100

Prome-Stereo	0.11 82	0.06 19	0.10 45	0.18 183	0.08 48	0.12 106	0.15 116	0.22 158	0.13 43	0.12 85	0.17 122	0.13 114	0.08 51	0.12 102	0.10 51	0.05 2	0.04 2	0.07 100	0.06 88	0.06 102	0.09 253

rafts_anoy	0.11 82	0.06 19	0.10 45	0.17 116	0.08 48	0.10 58	0.14 70	0.17 74	0.14 60	0.13 106	0.13 73	0.12 91	0.10 90	0.11 46	0.12 129	0.07 143	0.04 2	0.09 229	0.11 308	0.07 158	0.06 100

s12784h	0.09 12	0.06 19	0.07 2	0.15 38	0.05 1	0.16 202	0.18 233	0.15 28	0.15 71	0.10 42	0.11 55	0.11 76	0.11 111	0.10 18	0.12 129	0.05 2	0.04 2	0.05 2	0.04 8	0.04 1	0.04 7

XX-TBD	0.09 12	0.06 19	0.07 2	0.14 13	0.07 18	0.12 106	0.16 172	0.14 17	0.13 43	0.11 61	0.12 63	0.09 39	0.08 51	0.10 18	0.10 51	0.06 56	0.04 2	0.05 2	0.03 1	0.06 102	0.05 52

raftrobust	0.09 12	0.06 19	0.10 45	0.17 116	0.08 48	0.09 35	0.10 6	0.18 98	0.16 89	0.10 42	0.09 24	0.12 91	0.07 33	0.12 102	0.10 51	0.08 192	0.05 108	0.06 32	0.05 32	0.05 40	0.05 52

RALCasStereoNet	0.10 52	0.06 19	0.09 29	0.16 69	0.08 48	0.12 106	0.14 70	0.17 74	0.11 18	0.12 85	0.17 122	0.14 129	0.10 90	0.12 102	0.11 87	0.07 143	0.06 191	0.06 32	0.05 32	0.08 201	0.07 160

DCANet	0.10 52	0.06 19	0.12 91	0.16 69	0.06 2	0.09 35	0.17 193	0.15 28	0.19 130	0.13 106	0.17 122	0.10 60	0.11 111	0.11 46	0.12 129	0.06 56	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

csc	0.10 52	0.06 19	0.12 91	0.15 38	0.07 18	0.09 35	0.17 193	0.16 44	0.20 151	0.13 106	0.16 104	0.10 60	0.11 111	0.11 46	0.12 129	0.06 56	0.04 2	0.05 2	0.04 8	0.04 1	0.05 52

cscssc	0.10 52	0.06 19	0.12 91	0.15 38	0.07 18	0.09 35	0.17 193	0.16 44	0.20 151	0.13 106	0.16 104	0.10 60	0.11 111	0.11 46	0.12 129	0.06 56	0.04 2	0.05 2	0.04 8	0.04 1	0.05 52

111	0.10 52	0.06 19	0.12 91	0.15 38	0.07 18	0.10 58	0.14 70	0.21 142	0.23 184	0.11 61	0.12 63	0.14 129	0.11 111	0.13 134	0.10 51	0.06 56	0.04 2	0.06 32	0.04 8	0.05 40	0.05 52

test_xeample3	0.09 12	0.06 19	0.12 91	0.16 69	0.09 133	0.11 84	0.15 116	0.16 44	0.13 43	0.10 42	0.06 2	0.08 26	0.06 6	0.10 18	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 100

test_xeample	0.15 221	0.06 19	0.13 130	0.14 13	0.08 48	0.21 282	0.20 279	0.28 250	0.20 151	0.16 175	0.29 270	0.19 202	0.16 228	0.15 168	0.26 331	0.09 237	0.05 108	0.07 100	0.07 163	0.07 158	0.07 160

RAFT-Stereo + iAFF	0.09 12	0.06 19	0.10 45	0.17 116	0.06 2	0.10 58	0.16 172	0.17 74	0.14 60	0.09 17	0.10 39	0.08 26	0.09 69	0.11 46	0.09 19	0.05 2	0.04 2	0.06 32	0.06 88	0.04 1	0.03 1

AFF-stereo	0.09 12	0.06 19	0.10 45	0.17 116	0.07 18	0.10 58	0.16 172	0.17 74	0.09 2	0.10 42	0.12 63	0.09 39	0.09 69	0.12 102	0.09 19	0.05 2	0.04 2	0.07 100	0.07 163	0.04 1	0.03 1

Gwc-CoAtRS	0.09 12	0.06 19	0.10 45	0.16 69	0.07 18	0.10 58	0.14 70	0.17 74	0.17 101	0.08 6	0.10 39	0.12 91	0.09 69	0.12 102	0.09 19	0.06 56	0.04 2	0.06 32	0.04 8	0.04 1	0.04 7

R-Stereo Train	0.10 52	0.06 19	0.10 45	0.17 116	0.08 48	0.11 84	0.14 70	0.23 175	0.11 18	0.12 85	0.19 150	0.11 76	0.08 51	0.09 10	0.11 87	0.07 143	0.05 108	0.06 32	0.05 32	0.05 40	0.05 52

RAFT-Stereo	0.10 52	0.06 19	0.10 45	0.17 116	0.08 48	0.11 84	0.14 70	0.23 175	0.11 18	0.12 85	0.19 150	0.11 76	0.08 51	0.09 10	0.11 87	0.07 143	0.05 108	0.06 32	0.05 32	0.05 40	0.05 52
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 52	0.06 19	0.12 91	0.14 13	0.06 2	0.11 84	0.10 6	0.18 98	0.18 118	0.13 106	0.16 104	0.14 129	0.11 111	0.15 168	0.13 159	0.06 56	0.04 2	0.04 1	0.04 8	0.06 102	0.05 52
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
MGS-Stereo	0.09 12	0.07 70	0.12 91	0.15 38	0.08 48	0.09 35	0.15 116	0.12 5	0.12 26	0.07 2	0.10 39	0.08 26	0.06 6	0.10 18	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.06 102	0.05 52

MyStereo8	0.12 137	0.07 70	0.15 193	0.15 38	0.09 133	0.18 236	0.14 70	0.19 118	0.22 175	0.12 85	0.18 144	0.11 76	0.10 90	0.16 200	0.18 250	0.07 143	0.05 108	0.07 100	0.05 32	0.08 201	0.09 253

SMFormer	0.14 188	0.07 70	0.17 248	0.14 13	0.08 48	0.16 202	0.17 193	0.26 218	0.27 233	0.19 226	0.20 161	0.18 194	0.15 208	0.15 168	0.17 236	0.08 192	0.05 108	0.07 100	0.06 88	0.07 158	0.06 100

tta	0.14 188	0.07 70	0.17 248	0.14 13	0.08 48	0.16 202	0.17 193	0.26 218	0.27 233	0.19 226	0.20 161	0.18 194	0.15 208	0.15 168	0.17 236	0.08 192	0.05 108	0.07 100	0.06 88	0.06 102	0.06 100

qqq1	0.13 159	0.07 70	0.17 248	0.14 13	0.08 48	0.16 202	0.17 193	0.26 218	0.27 233	0.19 226	0.20 161	0.18 194	0.15 208	0.15 168	0.11 87	0.08 192	0.05 108	0.05 2	0.05 32	0.06 102	0.06 100

fff1	0.13 159	0.07 70	0.17 248	0.14 13	0.08 48	0.16 202	0.17 193	0.26 218	0.27 233	0.19 226	0.20 161	0.18 194	0.15 208	0.15 168	0.11 87	0.08 192	0.05 108	0.05 2	0.05 32	0.06 102	0.06 100

MyStereo07	0.10 52	0.07 70	0.10 45	0.17 116	0.09 133	0.14 156	0.18 233	0.15 28	0.15 71	0.09 17	0.06 2	0.06 3	0.07 33	0.12 102	0.09 19	0.06 56	0.05 108	0.08 165	0.07 163	0.06 102	0.06 100

MyStereo06	0.10 52	0.07 70	0.12 91	0.17 116	0.09 133	0.13 131	0.18 233	0.19 118	0.12 26	0.12 85	0.08 17	0.07 18	0.07 33	0.11 46	0.09 19	0.06 56	0.05 108	0.07 100	0.07 163	0.06 102	0.06 100

MyStereo05	0.13 159	0.07 70	0.10 45	0.17 116	0.09 133	0.13 131	0.18 233	0.27 236	0.35 295	0.17 187	0.14 82	0.15 153	0.11 111	0.15 168	0.13 159	0.06 56	0.05 108	0.07 100	0.07 163	0.06 102	0.06 100

MyStereo04	0.13 159	0.07 70	0.10 45	0.17 116	0.09 133	0.14 156	0.18 233	0.29 260	0.38 310	0.17 187	0.14 82	0.16 164	0.10 90	0.15 168	0.13 159	0.06 56	0.05 108	0.08 165	0.07 163	0.06 102	0.06 100

CoDeX	0.12 137	0.07 70	0.12 91	0.17 116	0.08 48	0.12 106	0.15 116	0.23 175	0.27 233	0.13 106	0.17 122	0.16 164	0.11 111	0.14 150	0.11 87	0.07 143	0.05 108	0.07 100	0.06 88	0.06 102	0.05 52

ff7	0.09 12	0.07 70	0.11 71	0.16 69	0.09 133	0.11 84	0.15 116	0.16 44	0.12 26	0.10 42	0.06 2	0.06 3	0.06 6	0.11 46	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 100

ffff	0.09 12	0.07 70	0.11 71	0.16 69	0.09 133	0.11 84	0.15 116	0.16 44	0.12 26	0.10 42	0.06 2	0.06 3	0.06 6	0.11 46	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 100

11t	0.09 12	0.07 70	0.11 71	0.16 69	0.09 133	0.11 84	0.15 116	0.16 44	0.12 26	0.10 42	0.06 2	0.06 3	0.06 6	0.11 46	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 100

MIF-Stereo	0.09 12	0.07 70	0.08 11	0.18 183	0.08 48	0.13 131	0.11 11	0.12 5	0.11 18	0.10 42	0.12 63	0.05 1	0.07 33	0.09 10	0.09 19	0.07 143	0.05 108	0.05 2	0.05 32	0.05 40	0.05 52

EKT-Stereo	0.11 82	0.07 70	0.14 156	0.15 38	0.10 218	0.13 131	0.14 70	0.18 98	0.21 164	0.11 61	0.08 17	0.12 91	0.09 69	0.11 46	0.12 129	0.08 192	0.06 191	0.07 100	0.06 88	0.08 201	0.07 160

MIM_Stereo	0.09 12	0.07 70	0.11 71	0.15 38	0.07 18	0.06 2	0.12 21	0.20 125	0.14 60	0.13 106	0.13 73	0.09 39	0.05 2	0.12 102	0.08 11	0.05 2	0.06 191	0.07 100	0.06 88	0.06 102	0.05 52

4D-IteraStereo	0.09 12	0.07 70	0.10 45	0.18 183	0.07 18	0.09 35	0.15 116	0.17 74	0.15 71	0.10 42	0.11 55	0.10 60	0.07 33	0.11 46	0.09 19	0.05 2	0.03 1	0.08 165	0.07 163	0.06 102	0.05 52

anonymousdsp2	0.11 82	0.07 70	0.10 45	0.16 69	0.09 133	0.13 131	0.14 70	0.18 98	0.22 175	0.13 106	0.14 82	0.12 91	0.09 69	0.14 150	0.11 87	0.05 2	0.04 2	0.05 2	0.04 8	0.06 102	0.05 52

anonymousdsp	0.09 12	0.07 70	0.11 71	0.16 69	0.09 133	0.11 84	0.15 116	0.16 44	0.12 26	0.09 17	0.06 2	0.06 3	0.06 6	0.11 46	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 100

gwcnet-sp	0.14 188	0.07 70	0.12 91	0.18 183	0.09 133	0.16 202	0.17 193	0.24 193	0.24 194	0.18 213	0.24 198	0.15 153	0.16 228	0.15 168	0.15 210	0.08 192	0.06 191	0.07 100	0.08 214	0.08 201	0.07 160

scenet	0.14 188	0.07 70	0.12 91	0.18 183	0.09 133	0.16 202	0.17 193	0.24 193	0.24 194	0.18 213	0.24 198	0.15 153	0.16 228	0.15 168	0.15 210	0.08 192	0.06 191	0.07 100	0.08 214	0.08 201	0.07 160

DCRE	0.11 82	0.07 70	0.13 130	0.16 69	0.11 256	0.11 84	0.17 193	0.18 98	0.17 101	0.11 61	0.18 144	0.10 60	0.10 90	0.15 168	0.11 87	0.06 56	0.05 108	0.06 32	0.06 88	0.05 40	0.04 7

anonymousa	0.13 159	0.07 70	0.13 130	0.18 183	0.09 133	0.13 131	0.17 193	0.19 118	0.29 251	0.15 150	0.24 198	0.15 153	0.14 195	0.14 150	0.14 187	0.07 143	0.05 108	0.07 100	0.09 253	0.05 40	0.06 100

ProNet	0.09 12	0.07 70	0.10 45	0.17 116	0.08 48	0.10 58	0.15 116	0.15 28	0.12 26	0.09 17	0.06 2	0.07 18	0.06 6	0.11 46	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.04 1	0.06 100

ssnet	0.14 188	0.07 70	0.12 91	0.18 183	0.09 133	0.16 202	0.17 193	0.24 193	0.24 194	0.18 213	0.24 198	0.15 153	0.16 228	0.15 168	0.15 210	0.08 192	0.06 191	0.07 100	0.08 214	0.08 201	0.07 160

ccc-4	0.09 12	0.07 70	0.11 71	0.16 69	0.09 133	0.11 84	0.15 116	0.16 44	0.12 26	0.10 42	0.06 2	0.06 3	0.06 6	0.11 46	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 100

x	0.13 159	0.07 70	0.14 156	0.14 13	0.08 48	0.18 236	0.14 70	0.22 158	0.20 151	0.15 150	0.19 150	0.19 202	0.17 247	0.18 233	0.18 250	0.07 143	0.05 108	0.06 32	0.06 88	0.07 158	0.07 160

DisPM	0.11 82	0.07 70	0.12 91	0.16 69	0.09 133	0.06 2	0.13 43	0.17 74	0.17 101	0.14 126	0.20 161	0.12 91	0.10 90	0.11 46	0.10 51	0.06 56	0.04 2	0.07 100	0.06 88	0.06 102	0.11 295

IER	0.14 188	0.07 70	0.13 130	0.17 116	0.09 133	0.14 156	0.16 172	0.25 206	0.26 226	0.18 213	0.25 227	0.17 183	0.20 280	0.16 200	0.14 187	0.08 192	0.05 108	0.07 100	0.06 88	0.08 201	0.07 160

IGEV-Stereo	0.09 12	0.07 70	0.11 71	0.16 69	0.09 133	0.11 84	0.15 116	0.16 44	0.12 26	0.09 17	0.06 2	0.06 3	0.06 6	0.11 46	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 100
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GLC_STEREO	0.11 82	0.07 70	0.11 71	0.17 116	0.07 18	0.09 35	0.13 43	0.15 28	0.24 194	0.12 85	0.13 73	0.12 91	0.08 51	0.18 233	0.11 87	0.06 56	0.08 271	0.08 165	0.06 88	0.05 40	0.05 52

IPLG	0.10 52	0.07 70	0.15 193	0.17 116	0.08 48	0.11 84	0.14 70	0.20 125	0.15 71	0.12 85	0.17 122	0.07 18	0.07 33	0.14 150	0.13 159	0.06 56	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

GANet-ADL	0.13 159	0.07 70	0.15 193	0.17 116	0.10 218	0.18 236	0.15 116	0.30 274	0.20 151	0.13 106	0.18 144	0.19 202	0.12 140	0.16 200	0.13 159	0.08 192	0.06 191	0.06 32	0.05 32	0.07 158	0.08 220

LCNet	0.11 82	0.07 70	0.09 29	0.19 229	0.09 133	0.08 23	0.15 116	0.21 142	0.15 71	0.11 61	0.15 96	0.16 164	0.11 111	0.12 102	0.11 87	0.05 2	0.04 2	0.08 165	0.07 163	0.06 102	0.15 344

AAGNet	0.11 82	0.07 70	0.16 223	0.19 229	0.09 133	0.08 23	0.13 43	0.18 98	0.13 43	0.16 175	0.21 175	0.13 114	0.14 195	0.11 46	0.14 187	0.06 56	0.04 2	0.09 229	0.06 88	0.06 102	0.05 52

STrans-v2	0.10 52	0.07 70	0.12 91	0.18 183	0.07 18	0.10 58	0.14 70	0.21 142	0.11 18	0.11 61	0.15 96	0.12 91	0.10 90	0.11 46	0.12 129	0.05 2	0.04 2	0.06 32	0.06 88	0.04 1	0.04 7

NF-Stereo	0.11 82	0.07 70	0.13 130	0.17 116	0.09 133	0.10 58	0.14 70	0.23 175	0.19 130	0.12 85	0.17 122	0.12 91	0.11 111	0.11 46	0.11 87	0.06 56	0.04 2	0.07 100	0.06 88	0.06 102	0.12 306

OCTAStereo	0.11 82	0.07 70	0.13 130	0.17 116	0.09 133	0.10 58	0.14 70	0.23 175	0.19 130	0.12 85	0.17 122	0.12 91	0.11 111	0.11 46	0.11 87	0.06 56	0.04 2	0.07 100	0.06 88	0.06 102	0.12 306

PSM-softLoss	0.12 137	0.07 70	0.15 193	0.17 116	0.09 133	0.08 23	0.13 43	0.24 193	0.17 101	0.14 126	0.19 150	0.13 114	0.11 111	0.11 46	0.11 87	0.07 143	0.05 108	0.08 165	0.07 163	0.06 102	0.12 306

KMStereo	0.12 137	0.07 70	0.15 193	0.17 116	0.09 133	0.08 23	0.13 43	0.24 193	0.17 101	0.14 126	0.19 150	0.13 114	0.11 111	0.11 46	0.11 87	0.07 143	0.05 108	0.08 165	0.07 163	0.06 102	0.12 306

PSM-AAD	0.11 82	0.07 70	0.10 45	0.19 229	0.09 133	0.10 58	0.15 116	0.20 125	0.13 43	0.12 85	0.14 82	0.18 194	0.11 111	0.11 46	0.10 51	0.05 2	0.05 108	0.09 229	0.08 214	0.06 102	0.14 336

KYRaft	0.11 82	0.07 70	0.10 45	0.19 229	0.09 133	0.08 23	0.15 116	0.22 158	0.12 26	0.13 106	0.16 104	0.20 212	0.10 90	0.12 102	0.10 51	0.05 2	0.04 2	0.08 165	0.08 214	0.06 102	0.16 355

SST-Stereo	0.10 52	0.07 70	0.15 193	0.18 183	0.09 133	0.06 2	0.12 21	0.17 74	0.11 18	0.15 150	0.17 122	0.13 114	0.12 140	0.10 18	0.11 87	0.06 56	0.04 2	0.09 229	0.06 88	0.06 102	0.05 52

THIR-Stereo	0.12 137	0.07 70	0.11 71	0.15 38	0.08 48	0.14 156	0.16 172	0.17 74	0.25 213	0.16 175	0.24 198	0.14 129	0.12 140	0.12 102	0.14 187	0.06 56	0.04 2	0.07 100	0.07 163	0.05 40	0.05 52

RAFT_R40	0.11 82	0.07 70	0.14 156	0.18 183	0.09 133	0.06 2	0.13 43	0.17 74	0.16 89	0.14 126	0.18 144	0.15 153	0.12 140	0.10 18	0.11 87	0.06 56	0.04 2	0.09 229	0.06 88	0.06 102	0.05 52

RE-Stereo	0.11 82	0.07 70	0.13 130	0.17 116	0.09 133	0.10 58	0.14 70	0.23 175	0.19 130	0.12 85	0.17 122	0.12 91	0.11 111	0.11 46	0.11 87	0.06 56	0.04 2	0.07 100	0.06 88	0.06 102	0.12 306

Pruner-Stereo	0.11 82	0.07 70	0.12 91	0.17 116	0.09 133	0.06 2	0.12 21	0.17 74	0.17 101	0.13 106	0.19 150	0.13 114	0.09 69	0.11 46	0.11 87	0.06 56	0.04 2	0.07 100	0.06 88	0.06 102	0.08 220

TVStereo	0.11 82	0.07 70	0.13 130	0.17 116	0.09 133	0.10 58	0.14 70	0.23 175	0.19 130	0.12 85	0.17 122	0.12 91	0.11 111	0.11 46	0.11 87	0.06 56	0.04 2	0.07 100	0.06 88	0.06 102	0.12 306

RAFT-345	0.11 82	0.07 70	0.15 193	0.16 69	0.08 48	0.08 23	0.12 21	0.15 28	0.10 8	0.11 61	0.36 309	0.09 39	0.09 69	0.11 46	0.12 129	0.05 2	0.05 108	0.07 100	0.06 88	0.04 1	0.05 52

test-1	0.10 52	0.07 70	0.16 223	0.19 229	0.08 48	0.11 84	0.24 323	0.14 17	0.18 118	0.09 17	0.07 14	0.09 39	0.08 51	0.07 1	0.09 19	0.06 56	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

GMM-Stereo	0.11 82	0.07 70	0.10 45	0.18 183	0.09 133	0.08 23	0.15 116	0.23 175	0.16 89	0.11 61	0.15 96	0.13 114	0.11 111	0.11 46	0.11 87	0.05 2	0.04 2	0.08 165	0.07 163	0.06 102	0.09 253

iRaftStereo_RVC	0.10 52	0.07 70	0.09 29	0.17 116	0.09 133	0.11 84	0.17 193	0.18 98	0.12 26	0.09 17	0.12 63	0.10 60	0.07 33	0.11 46	0.10 51	0.05 2	0.04 2	0.08 165	0.08 214	0.04 1	0.04 7

raft+_RVC	0.11 82	0.07 70	0.09 29	0.16 69	0.07 18	0.10 58	0.11 11	0.24 193	0.20 151	0.12 85	0.15 96	0.12 91	0.08 51	0.12 102	0.13 159	0.07 143	0.04 2	0.07 100	0.06 88	0.05 40	0.05 52

222	0.16 239	0.07 70	0.14 156	0.14 13	0.08 48	0.24 308	0.18 233	0.30 274	0.20 151	0.17 187	0.28 259	0.17 183	0.16 228	0.15 168	0.40 378	0.10 269	0.05 108	0.07 100	0.06 88	0.07 158	0.08 220

xxxx	0.15 221	0.07 70	0.14 156	0.14 13	0.08 48	0.23 303	0.18 233	0.31 280	0.19 130	0.14 126	0.28 259	0.22 236	0.14 195	0.15 168	0.26 331	0.09 237	0.05 108	0.07 100	0.07 163	0.08 201	0.07 160

RAFT + AFF	0.13 159	0.07 70	0.20 283	0.20 269	0.10 218	0.14 156	0.24 323	0.26 218	0.20 151	0.11 61	0.10 39	0.12 91	0.10 90	0.15 168	0.12 129	0.07 143	0.06 191	0.09 229	0.08 214	0.06 102	0.08 220

EAI-Stereo	0.09 12	0.07 70	0.11 71	0.15 38	0.06 2	0.10 58	0.15 116	0.16 44	0.09 2	0.08 6	0.09 24	0.08 26	0.07 33	0.09 10	0.11 87	0.05 2	0.04 2	0.05 2	0.05 32	0.05 40	0.04 7

CFNet-RSSM	0.09 12	0.07 70	0.09 29	0.16 69	0.07 18	0.09 35	0.15 116	0.16 44	0.17 101	0.08 6	0.12 63	0.10 60	0.09 69	0.11 46	0.09 19	0.06 56	0.04 2	0.06 32	0.04 8	0.04 1	0.04 7

SFCPSM	0.13 159	0.07 70	0.14 156	0.17 116	0.09 133	0.15 178	0.16 172	0.28 250	0.27 233	0.14 126	0.17 122	0.12 91	0.13 172	0.14 150	0.11 87	0.08 192	0.05 108	0.07 100	0.07 163	0.07 158	0.06 100

cf-r	0.13 159	0.07 70	0.12 91	0.16 69	0.08 48	0.14 156	0.19 264	0.20 125	0.25 213	0.17 187	0.25 227	0.21 219	0.16 228	0.14 150	0.14 187	0.10 269	0.05 108	0.06 32	0.08 214	0.06 102	0.06 100

GANet-RSSM	0.14 188	0.07 70	0.13 130	0.13 6	0.08 48	0.14 156	0.17 193	0.22 158	0.21 164	0.17 187	0.24 198	0.23 248	0.15 208	0.16 200	0.15 210	0.10 269	0.06 191	0.07 100	0.08 214	0.08 201	0.07 160

PSMNet-RSSM	0.14 188	0.07 70	0.13 130	0.15 38	0.08 48	0.13 131	0.16 172	0.24 193	0.24 194	0.16 175	0.28 259	0.22 236	0.14 195	0.15 168	0.13 159	0.11 290	0.06 191	0.09 229	0.12 326	0.08 201	0.07 160

GwcNet-RSSM	0.14 188	0.07 70	0.12 91	0.15 38	0.08 48	0.15 178	0.20 279	0.21 142	0.27 233	0.18 213	0.27 250	0.22 236	0.16 228	0.14 150	0.15 210	0.10 269	0.05 108	0.07 100	0.09 253	0.07 158	0.07 160

CFNet-ft	0.14 188	0.07 70	0.15 193	0.12 3	0.09 133	0.16 202	0.18 233	0.22 158	0.24 194	0.17 187	0.26 242	0.24 254	0.14 195	0.16 200	0.14 187	0.11 290	0.06 191	0.08 165	0.09 253	0.09 249	0.08 220

DIP-Stereo	0.11 82	0.07 70	0.14 156	0.17 116	0.09 133	0.13 131	0.09 3	0.16 44	0.16 89	0.11 61	0.16 104	0.14 129	0.12 140	0.15 168	0.13 159	0.06 56	0.05 108	0.06 32	0.05 32	0.05 40	0.06 100
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
RASNet	0.14 188	0.07 70	0.14 156	0.16 69	0.08 48	0.18 236	0.14 70	0.29 260	0.20 151	0.17 187	0.25 227	0.21 219	0.18 256	0.20 263	0.19 259	0.07 143	0.06 191	0.06 32	0.08 214	0.06 102	0.06 100

CFNet_RVC	0.14 188	0.07 70	0.15 193	0.12 3	0.09 133	0.16 202	0.18 233	0.22 158	0.24 194	0.17 187	0.26 242	0.24 254	0.14 195	0.16 200	0.14 187	0.11 290	0.06 191	0.08 165	0.09 253	0.09 249	0.08 220

MLCV	0.12 137	0.07 70	0.16 223	0.18 183	0.06 2	0.15 178	0.17 193	0.19 118	0.21 164	0.18 213	0.25 227	0.17 183	0.13 172	0.14 150	0.13 159	0.05 2	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

iResNet_ROB	0.14 188	0.07 70	0.13 130	0.14 13	0.07 18	0.18 236	0.14 70	0.26 218	0.31 264	0.22 264	0.25 227	0.23 248	0.15 208	0.15 168	0.13 159	0.07 143	0.05 108	0.05 2	0.04 8	0.08 201	0.08 220

LE_ROB	0.50 384	0.07 70	0.14 156	0.15 38	0.08 48	0.24 308	0.16 172	0.22 158	1.81 415	4.63 418	0.67 380	0.47 370	0.44 377	0.20 263	0.29 349	0.07 143	0.06 191	0.06 32	0.06 88	0.08 201	0.06 100

pmcnn	0.15 221	0.07 70	0.19 274	0.15 38	0.07 18	0.20 268	0.15 116	0.24 193	0.26 226	0.21 251	0.34 303	0.28 286	0.18 256	0.18 233	0.17 236	0.07 143	0.05 108	0.05 2	0.04 8	0.07 158	0.06 100

Former-RAFT_DAM_RVC	0.10 52	0.08 142	0.12 91	0.16 69	0.08 48	0.15 178	0.16 172	0.18 98	0.18 118	0.10 42	0.09 24	0.09 39	0.08 51	0.11 46	0.12 129	0.07 143	0.05 108	0.08 165	0.06 88	0.07 158	0.06 100

AE-Stereo	0.10 52	0.08 142	0.10 45	0.18 183	0.09 133	0.10 58	0.15 116	0.14 17	0.19 130	0.09 17	0.14 82	0.12 91	0.08 51	0.11 46	0.10 51	0.05 2	0.06 191	0.07 100	0.06 88	0.05 40	0.04 7

ACVNet-DCA	0.10 52	0.08 142	0.12 91	0.17 116	0.09 133	0.13 131	0.15 116	0.23 175	0.16 89	0.09 17	0.09 24	0.06 3	0.06 6	0.10 18	0.07 1	0.06 56	0.04 2	0.06 32	0.05 32	0.07 158	0.07 160

xx1	0.11 82	0.08 142	0.12 91	0.17 116	0.09 133	0.13 131	0.15 116	0.16 44	0.18 118	0.09 17	0.09 24	0.16 164	0.16 228	0.10 18	0.07 1	0.06 56	0.04 2	0.08 165	0.08 214	0.07 158	0.07 160

1test111	0.11 82	0.08 142	0.12 91	0.17 116	0.09 133	0.13 131	0.15 116	0.23 175	0.16 89	0.09 17	0.09 24	0.06 3	0.06 6	0.15 168	0.16 224	0.06 56	0.04 2	0.06 32	0.05 32	0.07 158	0.07 160

cc1	0.10 52	0.08 142	0.12 91	0.17 116	0.09 133	0.13 131	0.15 116	0.16 44	0.18 118	0.09 17	0.09 24	0.06 3	0.06 6	0.10 18	0.07 1	0.06 56	0.04 2	0.06 32	0.05 32	0.06 102	0.06 100

mmm	0.14 188	0.08 142	0.17 248	0.17 116	0.09 133	0.17 221	0.18 233	0.21 142	0.15 71	0.15 150	0.23 190	0.21 219	0.16 228	0.16 200	0.17 236	0.08 192	0.05 108	0.08 165	0.07 163	0.07 158	0.07 160

tt1	0.10 52	0.08 142	0.12 91	0.17 116	0.09 133	0.12 106	0.16 172	0.15 28	0.19 130	0.09 17	0.08 17	0.06 3	0.06 6	0.10 18	0.07 1	0.06 56	0.04 2	0.06 32	0.05 32	0.06 102	0.06 100

ttt	0.14 188	0.08 142	0.14 156	0.15 38	0.08 48	0.15 178	0.18 233	0.27 236	0.29 251	0.16 175	0.24 198	0.17 183	0.13 172	0.13 134	0.14 187	0.11 290	0.08 271	0.09 229	0.08 214	0.09 249	0.08 220

1111x	0.15 221	0.08 142	0.12 91	0.18 183	0.07 18	0.18 236	0.25 336	0.31 280	0.24 194	0.17 187	0.24 198	0.26 272	0.15 208	0.13 134	0.23 303	0.07 143	0.07 249	0.08 165	0.09 253	0.07 158	0.06 100

test croco	0.10 52	0.08 142	0.10 45	0.19 229	0.09 133	0.10 58	0.15 116	0.14 17	0.13 43	0.13 106	0.15 96	0.09 39	0.12 140	0.13 134	0.12 129	0.07 143	0.05 108	0.09 229	0.06 88	0.06 102	0.06 100

PCWNet_CMD	0.14 188	0.08 142	0.15 193	0.17 116	0.09 133	0.14 156	0.14 70	0.29 260	0.36 299	0.14 126	0.20 161	0.21 219	0.12 140	0.17 222	0.13 159	0.07 143	0.05 108	0.07 100	0.07 163	0.07 158	0.07 160

CFNet_ucs	0.15 221	0.08 142	0.16 223	0.16 69	0.11 256	0.14 156	0.14 70	0.30 274	0.34 287	0.16 175	0.24 198	0.23 248	0.14 195	0.18 233	0.15 210	0.09 237	0.06 191	0.08 165	0.07 163	0.09 249	0.09 253

SDNR	0.19 281	0.08 142	0.19 274	0.16 69	0.12 286	0.77 401	0.14 70	0.25 206	0.32 270	0.19 226	0.24 198	0.19 202	0.13 172	0.19 244	0.15 210	0.16 359	0.18 366	0.14 336	0.11 308	0.08 201	0.11 295

TestStereo1	0.13 159	0.08 142	0.08 11	0.19 229	0.08 48	0.18 236	0.29 363	0.23 175	0.16 89	0.17 187	0.20 161	0.16 164	0.10 90	0.12 102	0.13 159	0.06 56	0.06 191	0.08 165	0.06 88	0.05 40	0.05 52

CRFU-Net	0.16 239	0.08 142	0.14 156	0.17 116	0.09 133	0.19 256	0.14 70	0.26 218	0.20 151	0.28 320	0.27 250	0.29 293	0.17 247	0.19 244	0.17 236	0.09 237	0.09 294	0.07 100	0.07 163	0.08 201	0.08 220

SA-5K	0.13 159	0.08 142	0.08 11	0.19 229	0.08 48	0.18 236	0.29 363	0.23 175	0.16 89	0.17 187	0.20 161	0.16 164	0.10 90	0.12 102	0.13 159	0.06 56	0.06 191	0.08 165	0.06 88	0.05 40	0.05 52

Sa-1000	0.12 137	0.08 142	0.08 11	0.18 183	0.08 48	0.14 156	0.22 304	0.22 158	0.18 118	0.15 150	0.20 161	0.17 183	0.11 111	0.10 18	0.10 51	0.06 56	0.05 108	0.09 229	0.09 253	0.05 40	0.05 52

CIPLG	0.11 82	0.08 142	0.14 156	0.17 116	0.08 48	0.12 106	0.15 116	0.17 74	0.15 71	0.14 126	0.11 55	0.16 164	0.09 69	0.16 200	0.11 87	0.07 143	0.05 108	0.06 32	0.05 32	0.05 40	0.06 100

DAS	0.15 221	0.08 142	0.18 265	0.19 229	0.10 218	0.19 256	0.17 193	0.27 236	0.29 251	0.18 213	0.25 227	0.21 219	0.15 208	0.16 200	0.12 129	0.08 192	0.06 191	0.06 32	0.06 88	0.07 158	0.07 160

SepStereo	0.15 221	0.08 142	0.18 265	0.19 229	0.10 218	0.19 256	0.17 193	0.27 236	0.29 251	0.18 213	0.25 227	0.21 219	0.15 208	0.25 314	0.12 129	0.08 192	0.06 191	0.06 32	0.06 88	0.07 158	0.07 160

IPLGR_C	0.11 82	0.08 142	0.14 156	0.17 116	0.08 48	0.12 106	0.15 116	0.17 74	0.15 71	0.14 126	0.10 39	0.16 164	0.09 69	0.16 200	0.11 87	0.07 143	0.05 108	0.06 32	0.05 32	0.05 40	0.06 100

MIPNet	0.11 82	0.08 142	0.14 156	0.17 116	0.09 133	0.12 106	0.14 70	0.20 125	0.24 194	0.11 61	0.10 39	0.09 39	0.07 33	0.13 134	0.12 129	0.06 56	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

AASNet	0.16 239	0.08 142	0.12 91	0.19 229	0.09 133	0.18 236	0.15 116	0.37 339	0.37 305	0.19 226	0.23 190	0.20 212	0.16 228	0.17 222	0.20 265	0.10 269	0.08 271	0.08 165	0.07 163	0.09 249	0.09 253

ACRE	0.11 82	0.08 142	0.14 156	0.17 116	0.08 48	0.12 106	0.15 116	0.17 74	0.14 60	0.14 126	0.10 39	0.16 164	0.09 69	0.16 200	0.11 87	0.07 143	0.05 108	0.06 32	0.05 32	0.05 40	0.06 100

AACVNet	0.16 239	0.08 142	0.14 156	0.15 38	0.10 218	0.18 236	0.15 116	0.23 175	0.24 194	0.27 309	0.27 250	0.28 286	0.17 247	0.19 244	0.16 224	0.09 237	0.07 249	0.09 229	0.07 163	0.10 276	0.09 253

GwcNet-ADL	0.13 159	0.08 142	0.14 156	0.20 269	0.09 133	0.11 84	0.20 279	0.30 274	0.24 194	0.13 106	0.14 82	0.18 194	0.14 195	0.13 134	0.14 187	0.07 143	0.05 108	0.06 32	0.05 32	0.07 158	0.06 100

TransformOpticalFlow	0.10 52	0.08 142	0.13 130	0.18 183	0.07 18	0.09 35	0.15 116	0.19 118	0.15 71	0.12 85	0.17 122	0.11 76	0.11 111	0.11 46	0.10 51	0.05 2	0.04 2	0.06 32	0.06 88	0.05 40	0.05 52

NRIStereo	0.11 82	0.08 142	0.14 156	0.18 183	0.08 48	0.10 58	0.14 70	0.16 44	0.15 71	0.12 85	0.14 82	0.13 114	0.12 140	0.13 134	0.10 51	0.06 56	0.04 2	0.07 100	0.06 88	0.06 102	0.07 160

DeepStereo_RVC	0.11 82	0.08 142	0.16 223	0.18 183	0.08 48	0.08 23	0.12 21	0.17 74	0.12 26	0.13 106	0.14 82	0.12 91	0.12 140	0.12 102	0.11 87	0.06 56	0.04 2	0.07 100	0.06 88	0.07 158	0.08 220

IRAFT_RVC	0.12 137	0.08 142	0.16 223	0.19 229	0.08 48	0.07 16	0.15 116	0.24 193	0.23 184	0.14 126	0.14 82	0.15 153	0.12 140	0.12 102	0.10 51	0.06 56	0.04 2	0.09 229	0.06 88	0.06 102	0.06 100

CroCo-Stereo	0.09 12	0.08 142	0.08 11	0.22 307	0.09 133	0.09 35	0.19 264	0.15 28	0.12 26	0.07 2	0.07 14	0.08 26	0.06 6	0.08 6	0.07 1	0.07 143	0.05 108	0.06 32	0.04 8	0.05 40	0.04 7
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
LMCR-Stereo	0.15 221	0.08 142	0.13 130	0.21 293	0.09 133	0.17 221	0.20 279	0.27 236	0.19 130	0.24 285	0.24 198	0.23 248	0.17 247	0.20 263	0.17 236	0.07 143	0.06 191	0.08 165	0.06 88	0.10 276	0.08 220

CFNet_pseudo	0.14 188	0.08 142	0.15 193	0.16 69	0.09 133	0.13 131	0.14 70	0.27 236	0.34 287	0.14 126	0.21 175	0.22 236	0.13 172	0.18 233	0.14 187	0.07 143	0.05 108	0.08 165	0.06 88	0.07 158	0.07 160

RALAANet	0.11 82	0.08 142	0.10 45	0.17 116	0.09 133	0.14 156	0.10 6	0.20 125	0.15 71	0.14 126	0.13 73	0.16 164	0.09 69	0.12 102	0.11 87	0.06 56	0.05 108	0.07 100	0.06 88	0.05 40	0.04 7

ADLNet	0.16 239	0.08 142	0.15 193	0.16 69	0.10 218	0.16 202	0.17 193	0.32 289	0.27 233	0.22 264	0.27 250	0.24 254	0.16 228	0.18 233	0.21 284	0.10 269	0.06 191	0.10 270	0.10 285	0.08 201	0.09 253

GES	0.14 188	0.08 142	0.16 223	0.15 38	0.10 218	0.13 131	0.13 43	0.28 250	0.25 213	0.16 175	0.23 190	0.18 194	0.13 172	0.16 200	0.13 159	0.08 192	0.07 249	0.07 100	0.06 88	0.08 201	0.09 253

ARAFT	0.12 137	0.08 142	0.17 248	0.19 229	0.09 133	0.14 156	0.18 233	0.20 125	0.12 26	0.12 85	0.13 73	0.14 129	0.11 111	0.15 168	0.12 129	0.06 56	0.05 108	0.10 270	0.09 253	0.05 40	0.04 7

delet	0.17 259	0.08 142	0.17 248	0.19 229	0.11 256	0.20 268	0.21 295	0.30 274	0.37 305	0.17 187	0.26 242	0.19 202	0.19 271	0.19 244	0.21 284	0.08 192	0.08 271	0.09 229	0.11 308	0.06 102	0.06 100

UPFNet	0.16 239	0.08 142	0.12 91	0.20 269	0.12 286	0.20 268	0.23 314	0.28 250	0.26 226	0.17 187	0.24 198	0.22 236	0.19 271	0.19 244	0.21 284	0.09 237	0.07 249	0.08 165	0.09 253	0.08 201	0.06 100

FENet	0.13 159	0.08 142	0.12 91	0.16 69	0.08 48	0.14 156	0.15 116	0.22 158	0.23 184	0.17 187	0.23 190	0.16 164	0.12 140	0.14 150	0.15 210	0.08 192	0.05 108	0.08 165	0.08 214	0.07 158	0.07 160

ac_64	0.16 239	0.08 142	0.15 193	0.18 183	0.10 218	0.22 290	0.18 233	0.24 193	0.21 164	0.18 213	0.24 198	0.29 293	0.18 256	0.19 244	0.22 293	0.09 237	0.07 249	0.08 165	0.09 253	0.07 158	0.06 100

HGLStereo	0.17 259	0.08 142	0.19 274	0.17 116	0.12 286	0.18 236	0.18 233	0.31 280	0.32 270	0.21 251	0.32 286	0.25 264	0.18 256	0.19 244	0.20 265	0.09 237	0.09 294	0.07 100	0.07 163	0.09 249	0.10 272

BEATNet_4x	0.12 137	0.08 142	0.14 156	0.18 183	0.07 18	0.15 178	0.07 1	0.22 158	0.18 118	0.16 175	0.19 150	0.18 194	0.14 195	0.16 200	0.15 210	0.07 143	0.05 108	0.05 2	0.05 32	0.06 102	0.06 100

MSMDNet	0.14 188	0.08 142	0.15 193	0.17 116	0.09 133	0.14 156	0.14 70	0.29 260	0.36 299	0.14 126	0.21 175	0.21 219	0.12 140	0.17 222	0.14 187	0.07 143	0.05 108	0.07 100	0.07 163	0.07 158	0.07 160

HSM-Net_RVC	0.14 188	0.08 142	0.11 71	0.15 38	0.08 48	0.15 178	0.15 116	0.27 236	0.29 251	0.19 226	0.21 175	0.29 293	0.14 195	0.17 222	0.13 159	0.06 56	0.06 191	0.06 32	0.06 88	0.07 158	0.06 100
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ccs_rob	0.14 188	0.08 142	0.15 193	0.16 69	0.09 133	0.12 106	0.14 70	0.27 236	0.34 287	0.14 126	0.21 175	0.22 236	0.13 172	0.18 233	0.14 187	0.07 143	0.05 108	0.08 165	0.07 163	0.07 158	0.07 160

UCFNet_RVC	0.14 188	0.08 142	0.13 130	0.11 1	0.10 218	0.20 268	0.10 6	0.24 193	0.22 175	0.17 187	0.20 161	0.23 248	0.15 208	0.17 222	0.15 210	0.12 314	0.07 249	0.10 270	0.13 335	0.11 291	0.10 272

iResNetv2_ROB	0.14 188	0.08 142	0.15 193	0.16 69	0.08 48	0.16 202	0.12 21	0.25 206	0.35 295	0.21 251	0.29 270	0.24 254	0.13 172	0.14 150	0.14 187	0.06 56	0.05 108	0.06 32	0.04 8	0.09 249	0.08 220

HSM	0.15 221	0.08 142	0.14 156	0.16 69	0.09 133	0.16 202	0.14 70	0.28 250	0.25 213	0.19 226	0.23 190	0.37 338	0.16 228	0.20 263	0.15 210	0.07 143	0.05 108	0.07 100	0.06 88	0.07 158	0.06 100

DispNO	0.16 239	0.09 192	0.19 274	0.21 293	0.11 256	0.13 131	0.28 354	0.23 175	0.34 287	0.22 264	0.26 242	0.20 212	0.19 271	0.15 168	0.16 224	0.09 237	0.06 191	0.07 100	0.07 163	0.06 102	0.06 100

DualNet	0.13 159	0.09 192	0.14 156	0.16 69	0.08 48	0.17 221	0.17 193	0.15 28	0.19 130	0.15 150	0.25 227	0.19 202	0.13 172	0.10 18	0.20 265	0.06 56	0.04 2	0.09 229	0.08 214	0.06 102	0.06 100

ffm	0.12 137	0.09 192	0.14 156	0.16 69	0.08 48	0.17 221	0.17 193	0.15 28	0.19 130	0.15 150	0.25 227	0.19 202	0.13 172	0.10 18	0.07 1	0.06 56	0.04 2	0.09 229	0.08 214	0.06 102	0.06 100

ff1	0.13 159	0.09 192	0.14 156	0.16 69	0.08 48	0.17 221	0.17 193	0.15 28	0.19 130	0.15 150	0.25 227	0.19 202	0.13 172	0.14 150	0.20 265	0.06 56	0.04 2	0.09 229	0.08 214	0.06 102	0.06 100

mmx	0.14 188	0.09 192	0.14 156	0.16 69	0.08 48	0.17 221	0.17 193	0.27 236	0.25 213	0.15 150	0.25 227	0.19 202	0.13 172	0.14 150	0.20 265	0.08 192	0.06 191	0.09 229	0.08 214	0.08 201	0.08 220

whm_eth	0.14 188	0.09 192	0.20 283	0.20 269	0.12 286	0.12 106	0.15 116	0.18 98	0.28 244	0.17 187	0.32 286	0.09 39	0.12 140	0.18 233	0.14 187	0.07 143	0.07 249	0.08 165	0.07 163	0.07 158	0.07 160

xxx	0.14 188	0.09 192	0.14 156	0.16 69	0.08 48	0.17 221	0.17 193	0.27 236	0.25 213	0.15 150	0.25 227	0.19 202	0.13 172	0.14 150	0.20 265	0.08 192	0.06 191	0.09 229	0.08 214	0.08 201	0.08 220

StereoIM	0.09 12	0.09 192	0.08 11	0.17 116	0.09 133	0.13 131	0.10 6	0.16 44	0.16 89	0.09 17	0.11 55	0.06 3	0.06 6	0.09 10	0.13 159	0.07 143	0.06 191	0.07 100	0.05 32	0.05 40	0.04 7

CASnet	0.09 12	0.09 192	0.09 29	0.19 229	0.06 2	0.07 16	0.11 11	0.18 98	0.14 60	0.11 61	0.10 39	0.09 39	0.07 33	0.10 18	0.10 51	0.06 56	0.04 2	0.10 270	0.08 214	0.05 40	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo	0.13 159	0.09 192	0.11 71	0.20 269	0.10 218	0.11 84	0.18 233	0.32 289	0.24 194	0.15 150	0.15 96	0.14 129	0.13 172	0.19 244	0.11 87	0.06 56	0.04 2	0.09 229	0.08 214	0.04 1	0.05 52

CroCo-Stereo Lap2	0.09 12	0.09 192	0.08 11	0.22 307	0.09 133	0.09 35	0.19 264	0.16 44	0.12 26	0.09 17	0.10 39	0.05 1	0.05 2	0.08 6	0.08 11	0.06 56	0.06 191	0.07 100	0.05 32	0.05 40	0.05 52

qqq	0.13 159	0.09 192	0.15 193	0.16 69	0.08 48	0.13 131	0.15 116	0.23 175	0.16 89	0.15 150	0.19 150	0.16 164	0.16 228	0.15 168	0.16 224	0.07 143	0.06 191	0.08 165	0.08 214	0.07 158	0.07 160

Wz-Net-LNSev-Ref	0.18 271	0.09 192	0.29 329	0.15 38	0.10 218	0.22 290	0.20 279	0.26 218	0.39 313	0.25 298	0.42 348	0.24 254	0.15 208	0.20 263	0.19 259	0.07 143	0.05 108	0.06 32	0.05 32	0.10 276	0.09 253

BUS	0.14 188	0.09 192	0.14 156	0.22 307	0.10 218	0.19 256	0.14 70	0.34 316	0.19 130	0.17 187	0.22 184	0.16 164	0.13 172	0.15 168	0.13 159	0.08 192	0.06 191	0.10 270	0.09 253	0.07 158	0.07 160

RAFT_CTSACE	0.12 137	0.09 192	0.10 45	0.22 307	0.08 48	0.12 106	0.24 323	0.18 98	0.16 89	0.20 243	0.27 250	0.13 114	0.07 33	0.13 134	0.09 19	0.05 2	0.06 191	0.08 165	0.07 163	0.04 1	0.04 7

BSDual-CNN	0.15 221	0.09 192	0.14 156	0.22 307	0.10 218	0.14 156	0.15 116	0.34 316	0.19 130	0.17 187	0.22 184	0.25 264	0.16 228	0.15 168	0.14 187	0.08 192	0.06 191	0.10 270	0.09 253	0.07 158	0.07 160

SA	0.12 137	0.09 192	0.08 11	0.18 183	0.08 48	0.12 106	0.24 323	0.23 175	0.18 118	0.17 187	0.27 250	0.14 129	0.11 111	0.11 46	0.11 87	0.05 2	0.05 108	0.09 229	0.08 214	0.05 40	0.04 7

iRaft-Stereo_5w	0.12 137	0.09 192	0.12 91	0.19 229	0.08 48	0.09 35	0.12 21	0.21 142	0.21 164	0.19 226	0.14 82	0.11 76	0.09 69	0.20 263	0.16 224	0.05 2	0.05 108	0.07 100	0.06 88	0.05 40	0.06 100

psmg	0.14 188	0.09 192	0.14 156	0.17 116	0.10 218	0.15 178	0.17 193	0.29 260	0.19 130	0.17 187	0.21 175	0.25 264	0.16 228	0.15 168	0.14 187	0.08 192	0.06 191	0.08 165	0.08 214	0.07 158	0.06 100

CSP-Net	0.16 239	0.09 192	0.14 156	0.16 69	0.09 133	0.19 256	0.17 193	0.25 206	0.32 270	0.25 298	0.30 274	0.24 254	0.15 208	0.21 279	0.18 250	0.09 237	0.06 191	0.07 100	0.07 163	0.08 201	0.07 160

IPLGR	0.11 82	0.09 192	0.16 223	0.18 183	0.08 48	0.12 106	0.17 193	0.21 142	0.24 194	0.11 61	0.12 63	0.11 76	0.08 51	0.12 102	0.12 129	0.06 56	0.05 108	0.06 32	0.06 88	0.04 1	0.04 7

GMOStereo	0.11 82	0.09 192	0.07 2	0.19 229	0.08 48	0.12 106	0.28 354	0.13 11	0.17 101	0.11 61	0.17 122	0.14 129	0.12 140	0.07 1	0.07 1	0.05 2	0.05 108	0.09 229	0.07 163	0.04 1	0.04 7

error version	0.11 82	0.09 192	0.07 2	0.19 229	0.08 48	0.12 106	0.28 354	0.13 11	0.17 101	0.11 61	0.17 122	0.14 129	0.12 140	0.07 1	0.07 1	0.05 2	0.05 108	0.09 229	0.07 163	0.04 1	0.04 7

test-v	0.11 82	0.09 192	0.07 2	0.19 229	0.08 48	0.12 106	0.28 354	0.13 11	0.17 101	0.11 61	0.17 122	0.14 129	0.12 140	0.07 1	0.07 1	0.05 2	0.05 108	0.09 229	0.07 163	0.04 1	0.04 7

test_3	0.10 52	0.09 192	0.10 45	0.20 269	0.08 48	0.13 131	0.26 342	0.14 17	0.21 164	0.10 42	0.10 39	0.09 39	0.09 69	0.08 6	0.11 87	0.05 2	0.04 2	0.08 165	0.07 163	0.04 1	0.04 7

ADLNet2	0.16 239	0.09 192	0.13 130	0.16 69	0.09 133	0.20 268	0.16 172	0.31 280	0.39 313	0.16 175	0.20 161	0.20 212	0.18 256	0.21 279	0.22 293	0.08 192	0.06 191	0.07 100	0.07 163	0.09 249	0.07 160

Patchmatch Stereo++	0.11 82	0.09 192	0.16 223	0.18 183	0.08 48	0.06 2	0.11 11	0.16 44	0.13 43	0.15 150	0.16 104	0.14 129	0.12 140	0.11 46	0.10 51	0.06 56	0.04 2	0.08 165	0.06 88	0.08 201	0.07 160
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	0.11 82	0.09 192	0.16 223	0.18 183	0.08 48	0.06 2	0.12 21	0.16 44	0.13 43	0.15 150	0.16 104	0.14 129	0.12 140	0.11 46	0.10 51	0.06 56	0.04 2	0.08 165	0.06 88	0.08 201	0.07 160

ROB_FTStereo_v2	0.11 82	0.09 192	0.16 223	0.19 229	0.08 48	0.06 2	0.12 21	0.16 44	0.13 43	0.15 150	0.16 104	0.14 129	0.12 140	0.11 46	0.10 51	0.06 56	0.04 2	0.08 165	0.06 88	0.08 201	0.07 160

ROB_FTStereo	0.11 82	0.09 192	0.16 223	0.19 229	0.08 48	0.06 2	0.11 11	0.16 44	0.13 43	0.15 150	0.16 104	0.14 129	0.12 140	0.11 46	0.10 51	0.06 56	0.04 2	0.08 165	0.06 88	0.08 201	0.07 160

HUI-Stereo	0.11 82	0.09 192	0.16 223	0.18 183	0.08 48	0.06 2	0.12 21	0.16 44	0.13 43	0.15 150	0.16 104	0.14 129	0.12 140	0.11 46	0.10 51	0.06 56	0.04 2	0.08 165	0.06 88	0.08 201	0.07 160

iGMRVC	0.11 82	0.09 192	0.16 223	0.19 229	0.08 48	0.06 2	0.12 21	0.16 44	0.13 43	0.15 150	0.16 104	0.14 129	0.12 140	0.11 46	0.10 51	0.06 56	0.04 2	0.08 165	0.06 88	0.08 201	0.07 160

iRAFT	0.11 82	0.09 192	0.16 223	0.18 183	0.08 48	0.06 2	0.11 11	0.16 44	0.13 43	0.15 150	0.16 104	0.14 129	0.12 140	0.11 46	0.10 51	0.06 56	0.04 2	0.08 165	0.06 88	0.08 201	0.07 160

CRE-IMP	0.11 82	0.09 192	0.16 223	0.19 229	0.08 48	0.10 58	0.12 21	0.18 98	0.10 8	0.14 126	0.13 73	0.13 114	0.12 140	0.12 102	0.11 87	0.07 143	0.04 2	0.08 165	0.06 88	0.08 201	0.08 220

test-2	0.11 82	0.09 192	0.07 2	0.19 229	0.08 48	0.12 106	0.28 354	0.13 11	0.17 101	0.11 61	0.17 122	0.14 129	0.12 140	0.07 1	0.07 1	0.05 2	0.05 108	0.09 229	0.07 163	0.04 1	0.04 7

cross-raft	0.10 52	0.09 192	0.09 29	0.19 229	0.07 18	0.11 84	0.25 336	0.13 11	0.15 71	0.08 6	0.11 55	0.12 91	0.10 90	0.09 10	0.11 87	0.05 2	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

RAFT	0.13 159	0.09 192	0.11 71	0.18 183	0.08 48	0.15 178	0.24 323	0.20 125	0.19 130	0.21 251	0.21 175	0.17 183	0.12 140	0.16 200	0.09 19	0.06 56	0.07 249	0.10 270	0.09 253	0.05 40	0.05 52

RAFT-IKP	0.11 82	0.09 192	0.16 223	0.19 229	0.08 48	0.06 2	0.12 21	0.16 44	0.13 43	0.15 150	0.16 104	0.14 129	0.12 140	0.11 46	0.10 51	0.06 56	0.04 2	0.08 165	0.06 88	0.08 201	0.07 160

ICVP	0.15 221	0.09 192	0.12 91	0.22 307	0.09 133	0.17 221	0.21 295	0.25 206	0.23 184	0.18 213	0.30 274	0.26 272	0.18 256	0.17 222	0.14 187	0.09 237	0.07 249	0.08 165	0.07 163	0.07 158	0.07 160
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
sCroCo_RVC	0.12 137	0.09 192	0.23 302	0.24 331	0.11 256	0.19 256	0.14 70	0.17 74	0.14 60	0.10 42	0.13 73	0.12 91	0.07 33	0.14 150	0.11 87	0.08 192	0.08 271	0.08 165	0.08 214	0.05 40	0.07 160

MMNet	0.17 259	0.09 192	0.16 223	0.20 269	0.11 256	0.27 333	0.20 279	0.25 206	0.41 322	0.22 264	0.30 274	0.21 219	0.20 280	0.17 222	0.20 265	0.06 56	0.06 191	0.07 100	0.07 163	0.08 201	0.07 160

UNet	0.17 259	0.09 192	0.18 265	0.19 229	0.12 286	0.27 333	0.19 264	0.33 306	0.29 251	0.21 251	0.24 198	0.23 248	0.19 271	0.19 244	0.18 250	0.07 143	0.06 191	0.08 165	0.07 163	0.08 201	0.06 100

ACVNet	0.15 221	0.09 192	0.15 193	0.13 6	0.12 286	0.14 156	0.20 279	0.22 158	0.33 276	0.17 187	0.26 242	0.21 219	0.16 228	0.17 222	0.21 284	0.07 143	0.06 191	0.06 32	0.06 88	0.08 201	0.06 100

acv_ft	0.15 221	0.09 192	0.15 193	0.19 229	0.10 218	0.16 202	0.17 193	0.25 206	0.33 276	0.19 226	0.26 242	0.21 219	0.17 247	0.17 222	0.18 250	0.07 143	0.06 191	0.06 32	0.06 88	0.08 201	0.06 100

hitnet-ft	0.18 271	0.09 192	0.17 248	0.14 13	0.09 133	0.26 326	0.20 279	0.25 206	0.26 226	0.24 285	0.32 286	0.31 311	0.22 293	0.24 309	0.21 284	0.12 314	0.07 249	0.10 270	0.08 214	0.12 305	0.11 295

DSFCA	0.16 239	0.09 192	0.14 156	0.16 69	0.10 218	0.20 268	0.19 264	0.28 250	0.31 264	0.23 277	0.24 198	0.22 236	0.15 208	0.19 244	0.20 265	0.10 269	0.07 249	0.09 229	0.09 253	0.08 201	0.08 220

DMCA	0.14 188	0.09 192	0.16 223	0.19 229	0.09 133	0.15 178	0.17 193	0.23 175	0.27 233	0.14 126	0.19 150	0.17 183	0.18 256	0.15 168	0.17 236	0.10 269	0.06 191	0.08 165	0.06 88	0.09 249	0.10 272

DISCO	0.19 281	0.09 192	0.22 293	0.17 116	0.10 218	0.25 318	0.18 233	0.27 236	0.44 337	0.22 264	0.31 282	0.33 322	0.26 316	0.28 330	0.28 346	0.08 192	0.06 191	0.07 100	0.07 163	0.09 249	0.09 253

LL-Strereo2	0.10 52	0.10 240	0.15 193	0.18 183	0.08 48	0.15 178	0.09 3	0.17 74	0.14 60	0.14 126	0.10 39	0.09 39	0.07 33	0.16 200	0.10 51	0.05 2	0.05 108	0.10 270	0.07 163	0.06 102	0.05 52

Selective-RAFT	0.11 82	0.10 240	0.11 71	0.21 293	0.08 48	0.16 202	0.13 43	0.20 125	0.22 175	0.10 42	0.10 39	0.11 76	0.10 90	0.15 168	0.11 87	0.05 2	0.05 108	0.06 32	0.05 32	0.06 102	0.05 52

ssnet_v2	0.17 259	0.10 240	0.17 248	0.17 116	0.11 256	0.21 282	0.21 295	0.33 306	0.25 213	0.22 264	0.22 184	0.27 279	0.18 256	0.22 290	0.20 265	0.11 290	0.09 294	0.09 229	0.09 253	0.08 201	0.08 220

raft_robust	0.13 159	0.10 240	0.07 2	0.18 183	0.08 48	0.13 131	0.24 323	0.28 250	0.33 276	0.20 243	0.19 150	0.14 129	0.10 90	0.11 46	0.12 129	0.05 2	0.05 108	0.07 100	0.07 163	0.05 40	0.04 7

NINENet	0.16 239	0.10 240	0.15 193	0.17 116	0.11 256	0.19 256	0.14 70	0.40 354	0.36 299	0.18 213	0.21 175	0.16 164	0.13 172	0.15 168	0.13 159	0.08 192	0.08 271	0.10 270	0.07 163	0.10 276	0.09 253

test_4	0.10 52	0.10 240	0.08 11	0.19 229	0.09 133	0.08 23	0.22 304	0.15 28	0.17 101	0.12 85	0.18 144	0.12 91	0.09 69	0.08 6	0.11 87	0.04 1	0.04 2	0.08 165	0.08 214	0.04 1	0.03 1

pcwnet_v2	0.19 281	0.10 240	0.26 312	0.17 116	0.14 320	0.18 236	0.15 116	0.37 339	0.46 345	0.19 226	0.24 198	0.21 219	0.19 271	0.20 263	0.19 259	0.13 334	0.10 312	0.10 270	0.10 285	0.11 291	0.13 319

Anonymous	0.14 188	0.10 240	0.24 305	0.22 307	0.13 303	0.18 236	0.22 304	0.20 125	0.19 130	0.14 126	0.12 63	0.11 76	0.13 172	0.16 200	0.13 159	0.08 192	0.07 249	0.08 165	0.08 214	0.12 305	0.10 272

psm_up	0.18 271	0.10 240	0.18 265	0.20 269	0.11 256	0.17 221	0.19 264	0.37 339	0.34 287	0.21 251	0.28 259	0.29 293	0.24 305	0.20 263	0.22 293	0.09 237	0.10 312	0.11 297	0.11 308	0.08 201	0.08 220

DMCA-RVC	0.17 259	0.10 240	0.15 193	0.24 331	0.11 256	0.18 236	0.18 233	0.25 206	0.24 194	0.21 251	0.26 242	0.25 264	0.27 324	0.18 233	0.20 265	0.12 314	0.08 271	0.13 326	0.10 285	0.10 276	0.08 220

SuperB	0.20 290	0.10 240	0.56 374	0.16 69	0.09 133	0.18 236	0.18 233	0.24 193	0.50 354	0.26 303	0.39 328	0.17 183	0.21 284	0.22 290	0.21 284	0.08 192	0.06 191	0.06 32	0.06 88	0.12 305	0.10 272

ADCP+	0.20 290	0.10 240	0.33 339	0.20 269	0.12 286	0.22 290	0.26 342	0.31 280	0.34 287	0.26 303	0.37 315	0.22 236	0.22 293	0.27 319	0.27 338	0.09 237	0.06 191	0.08 165	0.08 214	0.09 249	0.10 272

CFNet	0.15 221	0.10 240	0.17 248	0.17 116	0.08 48	0.18 236	0.09 3	0.28 250	0.25 213	0.19 226	0.24 198	0.24 254	0.17 247	0.17 222	0.14 187	0.08 192	0.06 191	0.09 229	0.10 285	0.07 158	0.06 100

CVANet_RVC	0.18 271	0.10 240	0.14 156	0.21 293	0.10 218	0.18 236	0.17 193	0.34 316	0.33 276	0.22 264	0.31 282	0.28 286	0.18 256	0.23 301	0.17 236	0.12 314	0.08 271	0.12 312	0.11 308	0.09 249	0.07 160

NLCA_NET_v2_RVC	0.17 259	0.10 240	0.22 293	0.20 269	0.10 218	0.15 178	0.18 233	0.31 280	0.25 213	0.21 251	0.30 274	0.25 264	0.17 247	0.21 279	0.20 265	0.09 237	0.06 191	0.08 165	0.08 214	0.07 158	0.08 220
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	0.16 239	0.10 240	0.10 45	0.18 183	0.09 133	0.18 236	0.19 264	0.26 218	0.31 264	0.22 264	0.35 306	0.21 219	0.21 284	0.22 290	0.16 224	0.06 56	0.05 108	0.06 32	0.06 88	0.07 158	0.06 100

NVstereo2D	0.19 281	0.10 240	0.15 193	0.17 116	0.15 331	0.28 339	0.23 314	0.44 369	0.42 328	0.15 150	0.27 250	0.25 264	0.19 271	0.22 290	0.17 236	0.09 237	0.06 191	0.10 270	0.08 214	0.15 345	0.09 253

iResNet	0.13 159	0.10 240	0.18 265	0.19 229	0.08 48	0.13 131	0.18 233	0.20 125	0.26 226	0.15 150	0.23 190	0.15 153	0.13 172	0.14 150	0.14 187	0.06 56	0.04 2	0.06 32	0.05 32	0.06 102	0.05 52

MDST_ROB	0.22 308	0.10 240	0.17 248	0.18 183	0.11 256	0.37 366	0.19 264	0.43 367	0.41 322	0.39 356	0.39 328	0.29 293	0.21 284	0.26 316	0.18 250	0.11 290	0.10 312	0.14 336	0.11 308	0.10 276	0.08 220

DLCB_ROB	0.18 271	0.10 240	0.15 193	0.23 326	0.11 256	0.24 308	0.18 233	0.29 260	0.28 244	0.27 309	0.28 259	0.28 286	0.24 305	0.19 244	0.20 265	0.08 192	0.08 271	0.09 229	0.09 253	0.07 158	0.07 160

fast-acv-ft	0.18 271	0.11 260	0.19 274	0.19 229	0.12 286	0.24 308	0.21 295	0.25 206	0.34 287	0.22 264	0.34 303	0.27 279	0.20 280	0.21 279	0.23 303	0.09 237	0.09 294	0.08 165	0.10 285	0.08 201	0.07 160

ToySt	0.17 259	0.11 260	0.18 265	0.17 116	0.11 256	0.16 202	0.25 336	0.24 193	0.33 276	0.19 226	0.24 198	0.26 272	0.24 305	0.19 244	0.20 265	0.07 143	0.08 271	0.09 229	0.10 285	0.09 249	0.08 220

RAFT+CT+SA	0.13 159	0.11 260	0.09 29	0.19 229	0.09 133	0.15 178	0.28 354	0.22 158	0.22 175	0.15 150	0.26 242	0.10 60	0.10 90	0.11 46	0.12 129	0.05 2	0.04 2	0.07 100	0.08 214	0.07 158	0.06 100

hknet	0.15 221	0.11 260	0.13 130	0.22 307	0.11 256	0.14 156	0.15 116	0.34 316	0.25 213	0.17 187	0.22 184	0.22 236	0.18 256	0.17 222	0.12 129	0.07 143	0.06 191	0.10 270	0.09 253	0.07 158	0.07 160

FADNet-RVC-Resample	0.16 239	0.11 260	0.31 334	0.22 307	0.11 256	0.19 256	0.14 70	0.25 206	0.24 194	0.24 285	0.27 250	0.20 212	0.15 208	0.16 200	0.15 210	0.07 143	0.08 271	0.12 312	0.10 285	0.09 249	0.10 272

stereogan	0.22 308	0.11 260	0.21 288	0.20 269	0.12 286	0.31 346	0.19 264	0.35 328	0.44 337	0.22 264	0.39 328	0.35 332	0.27 324	0.33 348	0.22 293	0.10 269	0.12 330	0.10 270	0.10 285	0.14 334	0.13 319

ADCL	0.24 331	0.11 260	0.47 364	0.22 307	0.12 286	0.34 356	0.29 363	0.29 260	0.56 366	0.24 285	0.46 355	0.30 301	0.30 344	0.29 336	0.29 349	0.08 192	0.07 249	0.09 229	0.09 253	0.10 276	0.10 272

AdaStereo	0.15 221	0.11 260	0.15 193	0.18 183	0.09 133	0.20 268	0.11 11	0.32 289	0.28 244	0.20 243	0.23 190	0.20 212	0.13 172	0.19 244	0.14 187	0.12 314	0.05 108	0.10 270	0.07 163	0.09 249	0.07 160
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.
DeepPruner_ROB	0.16 239	0.11 260	0.15 193	0.17 116	0.10 218	0.17 221	0.15 116	0.32 289	0.21 164	0.19 226	0.21 175	0.22 236	0.18 256	0.20 263	0.15 210	0.13 334	0.09 294	0.09 229	0.09 253	0.11 291	0.10 272

DRN-Test	0.19 281	0.11 260	0.20 283	0.22 307	0.10 218	0.22 290	0.22 304	0.39 350	0.37 305	0.24 285	0.32 286	0.26 272	0.21 284	0.22 290	0.24 313	0.11 290	0.07 249	0.11 297	0.10 285	0.09 249	0.07 160

StereoDRNet	0.18 271	0.11 260	0.17 248	0.22 307	0.11 256	0.21 282	0.22 304	0.37 339	0.33 276	0.24 285	0.28 259	0.30 301	0.19 271	0.20 263	0.20 265	0.09 237	0.08 271	0.11 297	0.09 253	0.09 249	0.07 160

XPNet_ROB	0.22 308	0.11 260	0.19 274	0.22 307	0.13 303	0.22 290	0.19 264	0.34 316	0.40 319	0.30 329	0.39 328	0.39 350	0.26 316	0.26 316	0.28 346	0.15 348	0.10 312	0.10 270	0.10 285	0.13 322	0.12 306

WCMA_ROB	0.24 331	0.11 260	0.22 293	0.17 116	0.14 320	0.32 347	0.15 116	0.32 289	0.32 270	0.38 354	0.53 365	0.40 353	0.34 356	0.34 351	0.25 322	0.11 290	0.12 330	0.12 312	0.10 285	0.14 334	0.14 336

PSMNet_ROB	0.21 299	0.11 260	0.15 193	0.27 358	0.15 331	0.24 308	0.35 380	0.43 367	0.37 305	0.27 309	0.32 286	0.32 319	0.22 293	0.21 279	0.26 331	0.12 314	0.08 271	0.13 326	0.11 308	0.09 249	0.09 253

StereoVision	0.13 159	0.12 274	0.09 29	0.24 331	0.10 218	0.15 178	0.21 295	0.21 142	0.20 151	0.12 85	0.24 198	0.10 60	0.10 90	0.16 200	0.10 51	0.09 237	0.11 321	0.12 312	0.12 326	0.06 102	0.05 52

CASS	0.13 159	0.12 274	0.11 71	0.23 326	0.09 133	0.15 178	0.17 193	0.18 98	0.19 130	0.17 187	0.18 144	0.15 153	0.15 208	0.14 150	0.14 187	0.09 237	0.06 191	0.10 270	0.08 214	0.09 249	0.07 160
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
test_5	0.14 188	0.12 274	0.08 11	0.20 269	0.10 218	0.14 156	0.29 363	0.21 142	0.24 194	0.18 213	0.28 259	0.11 76	0.15 208	0.12 102	0.13 159	0.06 56	0.05 108	0.07 100	0.08 214	0.08 201	0.07 160

SACVNet	0.18 271	0.12 274	0.14 156	0.17 116	0.13 303	0.22 290	0.18 233	0.31 280	0.30 258	0.23 277	0.31 282	0.30 301	0.22 293	0.22 290	0.17 236	0.11 290	0.08 271	0.10 270	0.10 285	0.12 305	0.14 336

PSMNet-ADL	0.15 221	0.12 274	0.13 130	0.22 307	0.09 133	0.13 131	0.20 279	0.26 218	0.23 184	0.18 213	0.20 161	0.24 254	0.16 228	0.18 233	0.17 236	0.08 192	0.08 271	0.08 165	0.11 308	0.08 201	0.07 160

GEStereo_RVC	0.17 259	0.12 274	0.15 193	0.22 307	0.11 256	0.19 256	0.17 193	0.32 289	0.48 347	0.20 243	0.25 227	0.17 183	0.13 172	0.21 279	0.16 224	0.10 269	0.06 191	0.08 165	0.07 163	0.09 249	0.08 220

sAnonymous2	0.13 159	0.12 274	0.24 305	0.20 269	0.12 286	0.17 221	0.13 43	0.26 218	0.21 164	0.11 61	0.11 55	0.13 114	0.08 51	0.10 18	0.10 51	0.09 237	0.05 108	0.08 165	0.06 88	0.15 345	0.10 272

CroCo_RVC	0.13 159	0.12 274	0.24 305	0.20 269	0.12 286	0.17 221	0.13 43	0.26 218	0.21 164	0.11 61	0.11 55	0.13 114	0.08 51	0.10 18	0.10 51	0.09 237	0.05 108	0.08 165	0.06 88	0.15 345	0.10 272

APVNet	0.22 308	0.12 274	0.19 274	0.18 183	0.14 320	0.32 347	0.31 376	0.39 350	0.32 270	0.27 309	0.40 333	0.30 301	0.29 340	0.26 316	0.25 322	0.11 290	0.12 330	0.11 297	0.14 339	0.12 305	0.12 306

FAT-Stereo	0.20 290	0.12 274	0.22 293	0.21 293	0.12 286	0.17 221	0.18 233	0.34 316	0.39 313	0.27 309	0.37 315	0.34 328	0.32 351	0.21 279	0.20 265	0.09 237	0.11 321	0.10 270	0.09 253	0.11 291	0.14 336

S-Stereo	0.20 290	0.12 274	0.25 311	0.21 293	0.13 303	0.20 268	0.18 233	0.32 289	0.43 333	0.23 277	0.36 309	0.28 286	0.30 344	0.19 244	0.22 293	0.09 237	0.12 330	0.10 270	0.10 285	0.13 322	0.13 319

STTStereo	0.18 271	0.12 274	0.27 318	0.20 269	0.11 256	0.16 202	0.21 295	0.29 260	0.23 184	0.21 251	0.30 274	0.29 293	0.18 256	0.20 263	0.19 259	0.12 314	0.11 321	0.11 297	0.14 339	0.09 249	0.08 220

RTSC	0.23 323	0.12 274	0.28 323	0.21 293	0.13 303	0.28 339	0.16 172	0.35 328	0.66 382	0.27 309	0.33 299	0.30 301	0.21 284	0.31 340	0.29 349	0.10 269	0.08 271	0.09 229	0.10 285	0.13 322	0.13 319

ADCRef	0.19 281	0.12 274	0.41 357	0.20 269	0.12 286	0.22 290	0.18 233	0.32 289	0.36 299	0.26 303	0.32 286	0.17 183	0.23 299	0.24 309	0.24 313	0.07 143	0.06 191	0.09 229	0.09 253	0.08 201	0.08 220

RYNet	0.22 308	0.12 274	0.22 293	0.19 229	0.17 354	0.46 372	0.26 342	0.38 346	0.48 347	0.24 285	0.28 259	0.34 328	0.23 299	0.20 263	0.30 353	0.10 269	0.06 191	0.09 229	0.09 253	0.13 322	0.15 344

GANet	0.21 299	0.12 274	0.21 288	0.24 331	0.13 303	0.22 290	0.22 304	0.41 359	0.26 226	0.31 335	0.42 348	0.37 338	0.28 332	0.23 301	0.22 293	0.10 269	0.12 330	0.10 270	0.09 253	0.10 276	0.08 220

TDLM	0.17 259	0.12 274	0.13 130	0.24 331	0.10 218	0.18 236	0.18 233	0.36 334	0.30 258	0.21 251	0.28 259	0.28 286	0.18 256	0.23 301	0.18 250	0.11 290	0.07 249	0.10 270	0.10 285	0.08 201	0.08 220

SGM-ForestM	0.32 363	0.12 274	0.16 223	0.16 69	0.11 256	0.39 369	0.19 264	0.41 359	0.50 354	0.52 376	0.54 367	1.32 406	0.42 375	0.40 374	0.27 338	0.14 345	0.16 359	0.16 350	0.16 351	0.12 305	0.12 306

StereoDRNet-Refined	0.17 259	0.12 274	0.15 193	0.20 269	0.09 133	0.18 236	0.18 233	0.26 218	0.23 184	0.26 303	0.40 333	0.22 236	0.17 247	0.21 279	0.20 265	0.08 192	0.05 108	0.09 229	0.10 285	0.07 158	0.07 160
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NOSS_ROB	0.19 281	0.12 274	0.18 265	0.16 69	0.12 286	0.15 178	0.12 21	0.30 274	0.32 270	0.20 243	0.22 184	0.27 279	0.23 299	0.21 279	0.16 224	0.16 359	0.18 366	0.23 370	0.21 366	0.12 305	0.13 319

SGM_RVC	0.23 323	0.12 274	0.15 193	0.15 38	0.09 133	0.33 353	0.18 233	0.34 316	0.31 264	0.44 370	0.37 315	0.53 376	0.35 358	0.35 357	0.24 313	0.13 334	0.13 343	0.13 326	0.13 335	0.10 276	0.11 295
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
GMStereo_Zeroshot	0.16 239	0.13 295	0.24 305	0.20 269	0.10 218	0.17 221	0.13 43	0.29 260	0.25 213	0.23 277	0.32 286	0.25 264	0.11 111	0.19 244	0.14 187	0.09 237	0.06 191	0.11 297	0.06 88	0.12 305	0.08 220

HBP-ISP	0.18 271	0.13 295	0.16 223	0.15 38	0.11 256	0.08 23	0.13 43	0.28 250	0.29 251	0.22 264	0.33 299	0.21 219	0.25 313	0.23 301	0.17 236	0.14 345	0.16 359	0.21 365	0.17 358	0.10 276	0.08 220

Wz-Net-MNSev	0.22 308	0.13 295	0.31 334	0.20 269	0.14 320	0.36 365	0.24 323	0.33 306	0.44 337	0.28 320	0.40 333	0.38 342	0.19 271	0.24 309	0.25 322	0.09 237	0.07 249	0.09 229	0.09 253	0.12 305	0.10 272

UDGNet	0.14 188	0.13 295	0.16 223	0.17 116	0.10 218	0.12 106	0.16 172	0.21 142	0.27 233	0.20 243	0.20 161	0.16 164	0.13 172	0.16 200	0.13 159	0.10 269	0.06 191	0.09 229	0.07 163	0.06 102	0.07 160

Anonymous3	0.16 239	0.13 295	0.33 339	0.26 347	0.14 320	0.27 333	0.17 193	0.28 250	0.28 244	0.15 150	0.17 122	0.14 129	0.10 90	0.15 168	0.12 129	0.08 192	0.08 271	0.08 165	0.08 214	0.08 201	0.11 295

GwcNet	0.20 290	0.13 295	0.19 274	0.18 183	0.12 286	0.24 308	0.19 264	0.35 328	0.43 333	0.20 243	0.32 286	0.33 322	0.20 280	0.22 290	0.24 313	0.11 290	0.09 294	0.09 229	0.09 253	0.09 249	0.10 272

RP	0.21 299	0.13 295	0.21 288	0.23 326	0.11 256	0.21 282	0.20 279	0.25 206	0.44 337	0.21 251	0.38 320	0.36 334	0.24 305	0.27 319	0.25 322	0.11 290	0.12 330	0.13 326	0.12 326	0.12 305	0.14 336

edge stereo	0.22 308	0.13 295	0.20 283	0.21 293	0.13 303	0.23 303	0.16 172	0.32 289	0.42 328	0.32 341	0.40 333	0.38 342	0.35 358	0.25 314	0.24 313	0.13 334	0.11 321	0.14 336	0.11 308	0.12 305	0.13 319

CBMV_ROB	0.19 281	0.13 295	0.17 248	0.16 69	0.11 256	0.15 178	0.13 43	0.26 218	0.28 244	0.27 309	0.30 274	0.27 279	0.24 305	0.23 301	0.16 224	0.15 348	0.17 364	0.22 369	0.20 364	0.10 276	0.11 295

DN-CSS_ROB	0.13 159	0.13 295	0.16 223	0.18 183	0.10 218	0.16 202	0.08 2	0.22 158	0.18 118	0.17 187	0.22 184	0.13 114	0.13 172	0.12 102	0.13 159	0.05 2	0.05 108	0.10 270	0.10 285	0.08 201	0.06 100

PWCDC_ROB	0.20 290	0.13 295	0.22 293	0.24 331	0.11 256	0.19 256	0.15 116	0.33 306	0.54 363	0.29 326	0.50 363	0.21 219	0.15 208	0.27 319	0.20 265	0.11 290	0.09 294	0.10 270	0.08 214	0.11 291	0.09 253

MeshStereo	0.27 348	0.13 295	0.18 265	0.15 38	0.11 256	0.32 347	0.24 323	0.40 354	0.36 299	0.52 376	0.57 374	0.67 387	0.40 368	0.35 357	0.26 331	0.14 345	0.13 343	0.13 326	0.11 308	0.11 291	0.10 272
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
TestStereo	0.13 159	0.14 307	0.11 71	0.23 326	0.08 48	0.15 178	0.21 295	0.20 125	0.23 184	0.14 126	0.24 198	0.16 164	0.12 140	0.16 200	0.14 187	0.05 2	0.06 191	0.08 165	0.06 88	0.09 249	0.05 52

GMStereo	0.13 159	0.14 307	0.14 156	0.18 183	0.09 133	0.15 178	0.16 172	0.20 125	0.24 194	0.16 175	0.17 122	0.10 60	0.10 90	0.16 200	0.13 159	0.07 143	0.06 191	0.06 32	0.06 88	0.07 158	0.06 100
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
FADNet_RVC	0.16 239	0.14 307	0.40 355	0.20 269	0.11 256	0.13 131	0.13 43	0.26 218	0.22 175	0.21 251	0.23 190	0.20 212	0.17 247	0.14 150	0.16 224	0.08 192	0.08 271	0.12 312	0.09 253	0.11 291	0.10 272

SANet	0.24 331	0.14 307	0.28 323	0.21 293	0.11 256	0.27 333	0.24 323	0.38 346	0.64 379	0.36 349	0.40 333	0.43 359	0.26 316	0.27 319	0.24 313	0.12 314	0.09 294	0.10 270	0.09 253	0.13 322	0.11 295

SGM-Forest	0.20 290	0.14 307	0.18 265	0.19 229	0.13 303	0.20 268	0.22 304	0.33 306	0.30 258	0.24 285	0.29 270	0.28 286	0.19 271	0.23 301	0.17 236	0.15 348	0.16 359	0.15 344	0.14 339	0.12 305	0.12 306
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.19 281	0.14 307	0.17 248	0.18 183	0.10 218	0.20 268	0.11 11	0.29 260	0.30 258	0.29 326	0.30 274	0.30 301	0.23 299	0.27 319	0.19 259	0.13 334	0.15 356	0.17 352	0.16 351	0.10 276	0.10 272
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
psmorigin	0.25 340	0.15 313	0.34 347	0.17 116	0.13 303	0.23 303	0.14 70	0.34 316	0.33 276	0.41 363	0.55 368	0.41 355	0.37 362	0.34 351	0.27 338	0.11 290	0.15 356	0.11 297	0.11 308	0.12 305	0.16 355

NCC-stereo	0.24 331	0.15 313	0.31 334	0.26 347	0.16 341	0.20 268	0.30 370	0.40 354	0.40 319	0.24 285	0.38 320	0.33 322	0.28 332	0.36 362	0.27 338	0.12 314	0.11 321	0.15 344	0.22 369	0.13 322	0.13 319

Abc-Net	0.24 331	0.15 313	0.31 334	0.26 347	0.16 341	0.20 268	0.30 370	0.40 354	0.40 319	0.24 285	0.38 320	0.33 322	0.28 332	0.36 362	0.27 338	0.12 314	0.11 321	0.15 344	0.22 369	0.13 322	0.13 319
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SHD	0.26 346	0.15 313	0.30 332	0.24 331	0.18 361	0.22 290	0.15 116	0.38 346	0.71 386	0.32 341	0.41 343	0.36 334	0.28 332	0.32 346	0.29 349	0.12 314	0.11 321	0.14 336	0.13 335	0.16 352	0.20 370

ADCMid	0.25 340	0.15 313	0.40 355	0.20 269	0.14 320	0.25 318	0.26 342	0.34 316	0.38 310	0.36 349	0.44 353	0.34 328	0.40 368	0.35 357	0.33 364	0.10 269	0.09 294	0.11 297	0.11 308	0.13 322	0.12 306

DANet	0.21 299	0.15 313	0.28 323	0.25 342	0.13 303	0.22 290	0.19 264	0.27 236	0.27 233	0.28 320	0.32 286	0.35 332	0.31 348	0.31 340	0.23 303	0.11 290	0.09 294	0.11 297	0.10 285	0.13 322	0.11 295
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NCCL2	0.23 323	0.15 313	0.17 248	0.34 375	0.18 361	0.24 308	0.23 314	0.34 316	0.28 244	0.31 335	0.38 320	0.38 342	0.28 332	0.23 301	0.24 313	0.15 348	0.12 330	0.18 360	0.21 366	0.13 322	0.13 319

Wz-Net-LNSev	0.22 308	0.16 320	0.38 352	0.21 293	0.13 303	0.25 318	0.23 314	0.32 289	0.43 333	0.30 329	0.41 343	0.31 311	0.18 256	0.22 290	0.25 322	0.10 269	0.09 294	0.08 165	0.08 214	0.12 305	0.11 295

dd	0.15 221	0.16 320	0.16 223	0.19 229	0.09 133	0.15 178	0.18 233	0.21 142	0.25 213	0.23 277	0.20 161	0.21 219	0.09 69	0.21 279	0.16 224	0.10 269	0.06 191	0.08 165	0.06 88	0.08 201	0.06 100

Syn2CoEx	0.21 299	0.16 320	0.27 318	0.29 368	0.14 320	0.26 326	0.20 279	0.33 306	0.31 264	0.28 320	0.36 309	0.27 279	0.25 313	0.19 244	0.24 313	0.16 359	0.12 330	0.14 336	0.11 308	0.09 249	0.08 220

G-Net	0.24 331	0.16 320	0.36 348	0.22 307	0.16 341	0.51 378	0.23 314	0.29 260	0.34 287	0.36 349	0.38 320	0.31 311	0.29 340	0.27 319	0.26 331	0.11 290	0.09 294	0.12 312	0.09 253	0.16 352	0.13 319

Nwc_Net	0.23 323	0.16 320	0.21 288	0.25 342	0.14 320	0.24 308	0.26 342	0.37 339	0.38 310	0.22 264	0.41 343	0.30 301	0.28 332	0.28 330	0.25 322	0.11 290	0.10 312	0.17 352	0.20 364	0.10 276	0.10 272

AnyNet_C32	0.26 346	0.16 320	0.36 348	0.20 269	0.16 341	0.25 318	0.30 370	0.32 289	0.44 337	0.31 335	0.49 359	0.30 301	0.33 352	0.40 374	0.33 364	0.12 314	0.12 330	0.12 312	0.14 339	0.14 334	0.15 344

ADCPNet	0.25 340	0.16 320	0.61 378	0.21 293	0.15 331	0.35 364	0.25 336	0.32 289	0.35 295	0.30 329	0.40 333	0.36 334	0.28 332	0.28 330	0.32 361	0.12 314	0.10 312	0.11 297	0.12 326	0.14 334	0.13 319

DPSNet	0.28 351	0.16 320	0.31 334	0.18 183	0.13 303	0.54 380	0.42 389	0.51 381	0.67 383	0.29 326	0.38 320	0.38 342	0.29 340	0.31 340	0.23 303	0.11 290	0.10 312	0.11 297	0.08 214	0.20 366	0.16 355

PDISCO_ROB	0.27 348	0.16 320	0.26 312	0.28 361	0.20 366	0.32 347	0.26 342	0.44 369	0.57 368	0.28 320	0.40 333	0.45 363	0.29 340	0.33 348	0.34 366	0.12 314	0.09 294	0.17 352	0.16 351	0.17 359	0.13 319

LALA_ROB	0.25 340	0.16 320	0.22 293	0.26 347	0.17 354	0.27 333	0.27 349	0.42 364	0.37 305	0.33 345	0.38 320	0.51 373	0.26 316	0.28 330	0.27 338	0.16 359	0.09 294	0.12 312	0.11 308	0.13 322	0.12 306

PWC_ROB	0.21 299	0.16 320	0.26 312	0.18 183	0.11 256	0.22 290	0.13 43	0.32 289	0.49 352	0.30 329	0.40 333	0.32 319	0.24 305	0.31 340	0.22 293	0.10 269	0.07 249	0.11 297	0.08 214	0.11 291	0.10 272

Anonymous_2	0.22 308	0.17 331	0.28 323	0.15 38	0.16 341	0.32 347	0.22 304	0.22 158	0.17 101	0.23 277	0.24 198	0.26 272	0.27 324	0.27 319	0.23 303	0.22 376	0.25 383	0.17 352	0.17 358	0.17 359	0.17 362

Wz-Net-SNSev	0.25 340	0.17 331	0.44 359	0.25 342	0.14 320	0.26 326	0.23 314	0.38 346	0.56 366	0.30 329	0.55 368	0.39 350	0.26 316	0.23 301	0.30 353	0.10 269	0.09 294	0.09 229	0.10 285	0.11 291	0.11 295

WZ-Net	0.28 351	0.17 331	0.78 395	0.22 307	0.16 341	0.34 356	0.29 363	0.39 350	0.57 368	0.24 285	0.55 368	0.37 338	0.24 305	0.33 348	0.35 367	0.09 237	0.08 271	0.09 229	0.10 285	0.14 334	0.16 355

DDUNet	0.22 308	0.17 331	0.21 288	0.22 307	0.15 331	0.25 318	0.24 323	0.29 260	0.30 258	0.31 335	0.36 309	0.33 322	0.25 313	0.24 309	0.20 265	0.18 364	0.13 343	0.17 352	0.11 308	0.16 352	0.16 355

UDG	0.21 299	0.17 331	0.19 274	0.23 326	0.15 331	0.30 345	0.20 279	0.33 306	0.35 295	0.23 277	0.28 259	0.31 311	0.27 324	0.20 263	0.22 293	0.15 348	0.12 330	0.13 326	0.09 253	0.14 334	0.14 336

aanetorigin	0.22 308	0.17 331	0.56 374	0.17 116	0.10 218	0.15 178	0.19 264	0.20 125	0.33 276	0.49 374	0.48 358	0.29 293	0.27 324	0.20 263	0.23 303	0.08 192	0.07 249	0.08 165	0.07 163	0.10 276	0.09 253

AF-Net	0.22 308	0.17 331	0.17 248	0.26 347	0.13 303	0.25 318	0.24 323	0.32 289	0.50 354	0.25 298	0.33 299	0.38 342	0.26 316	0.28 330	0.25 322	0.11 290	0.10 312	0.16 350	0.11 308	0.11 291	0.10 272

DeepPrunerF	0.24 331	0.17 331	0.42 358	0.26 347	0.16 341	0.22 290	0.28 354	0.37 339	0.50 354	0.26 303	0.29 270	0.24 254	0.28 332	0.21 279	0.22 293	0.15 348	0.11 321	0.20 364	0.18 362	0.12 305	0.13 319

FBW_ROB	0.24 331	0.17 331	0.22 293	0.26 347	0.14 320	0.25 318	0.22 304	0.41 359	0.41 322	0.41 363	0.41 343	0.42 356	0.27 324	0.31 340	0.23 303	0.09 237	0.14 350	0.14 336	0.12 326	0.11 291	0.09 253

ETE_ROB	0.23 323	0.17 331	0.22 293	0.25 342	0.13 303	0.26 326	0.29 363	0.31 280	0.36 299	0.28 320	0.36 309	0.45 363	0.26 316	0.27 319	0.26 331	0.11 290	0.08 271	0.12 312	0.09 253	0.14 334	0.13 319

FINET	0.21 299	0.18 341	0.26 312	0.18 183	0.16 341	0.23 303	0.23 314	0.32 289	0.48 347	0.25 298	0.32 286	0.22 236	0.22 293	0.22 290	0.17 236	0.18 364	0.16 359	0.11 297	0.10 285	0.15 345	0.13 319

ADCS	0.29 355	0.18 341	0.45 360	0.21 293	0.17 354	0.28 339	0.23 314	0.41 359	0.63 378	0.40 359	0.49 359	0.40 353	0.36 360	0.39 370	0.40 378	0.13 334	0.12 330	0.13 326	0.14 339	0.16 352	0.16 355

PA-Net	0.23 323	0.18 341	0.33 339	0.28 361	0.22 370	0.21 282	0.38 385	0.29 260	0.39 313	0.22 264	0.32 286	0.25 264	0.26 316	0.20 263	0.25 322	0.09 237	0.23 381	0.15 344	0.22 369	0.09 249	0.13 319
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DGSMNet	0.24 331	0.19 344	0.33 339	0.21 293	0.24 373	0.24 308	0.20 279	0.35 328	0.41 322	0.24 285	0.32 286	0.38 342	0.21 284	0.29 336	0.23 303	0.12 314	0.11 321	0.14 336	0.16 351	0.23 370	0.23 375

RTS	0.45 380	0.19 344	3.26 413	0.24 331	0.15 331	0.74 395	0.20 279	0.36 334	0.76 392	0.42 366	0.43 351	0.31 311	0.41 372	0.53 386	0.35 367	0.10 269	0.08 271	0.13 326	0.12 326	0.15 345	0.15 344

RTSA	0.45 380	0.19 344	3.26 413	0.24 331	0.15 331	0.74 395	0.20 279	0.36 334	0.76 392	0.42 366	0.43 351	0.31 311	0.41 372	0.53 386	0.35 367	0.10 269	0.08 271	0.13 326	0.12 326	0.15 345	0.15 344

Anonymous Stereo	0.23 323	0.19 344	0.50 366	0.24 331	0.17 354	0.21 282	0.21 295	0.33 306	0.44 337	0.25 298	0.34 303	0.26 272	0.18 256	0.31 340	0.27 338	0.13 334	0.12 330	0.12 312	0.13 335	0.11 291	0.14 336

NaN_ROB	0.22 308	0.19 344	0.24 305	0.25 342	0.13 303	0.29 342	0.26 342	0.33 306	0.41 322	0.31 335	0.31 282	0.32 319	0.23 299	0.30 339	0.21 284	0.11 290	0.17 364	0.10 270	0.10 285	0.08 201	0.09 253

Wz-Net-TNSev	0.29 355	0.20 349	0.65 381	0.19 229	0.15 331	0.38 368	0.27 349	0.35 328	0.55 364	0.34 346	0.42 348	0.45 363	0.38 363	0.32 346	0.30 353	0.12 314	0.13 343	0.10 270	0.12 326	0.15 345	0.14 336

dad	0.17 259	0.20 349	0.20 283	0.16 69	0.11 256	0.20 268	0.18 233	0.21 142	0.28 244	0.30 329	0.24 198	0.29 293	0.13 172	0.19 244	0.16 224	0.18 364	0.09 294	0.11 297	0.09 253	0.11 291	0.07 160

FADNet-RVC	0.20 290	0.20 349	0.38 352	0.21 293	0.16 341	0.20 268	0.15 116	0.26 218	0.26 226	0.26 303	0.32 286	0.26 272	0.21 284	0.22 290	0.19 259	0.12 314	0.13 343	0.12 312	0.14 339	0.13 322	0.18 364

RGC	0.25 340	0.20 349	0.29 329	0.28 361	0.16 341	0.22 290	0.23 314	0.32 289	0.44 337	0.27 309	0.40 333	0.38 342	0.27 324	0.36 362	0.22 293	0.11 290	0.13 343	0.17 352	0.17 358	0.14 334	0.16 355

PVD	0.39 370	0.20 349	0.39 354	0.31 374	0.22 370	0.29 342	0.43 391	0.52 382	0.96 399	0.55 379	0.79 392	0.53 376	0.59 389	0.52 384	0.38 374	0.19 368	0.14 350	0.17 352	0.14 339	0.24 376	0.31 387

LSM	0.33 366	0.20 349	0.58 376	0.26 347	0.60 401	0.34 356	0.25 336	0.42 364	0.48 347	0.45 371	0.58 376	0.42 356	0.36 360	0.35 357	0.25 322	0.12 314	0.20 372	0.14 336	0.16 351	0.19 365	0.33 389

MFN_U_SF_RVC	0.32 363	0.21 355	0.55 372	0.30 370	0.15 331	0.34 356	0.17 193	0.52 382	0.46 345	0.46 373	0.55 368	0.59 379	0.39 365	0.35 357	0.37 372	0.15 348	0.14 350	0.18 360	0.21 366	0.16 352	0.15 344

MaskLacGwcNet_RVC	0.22 308	0.21 355	0.24 305	0.26 347	0.11 256	0.23 303	0.14 70	0.39 350	0.24 194	0.32 341	0.36 309	0.30 301	0.21 284	0.19 244	0.21 284	0.17 363	0.14 350	0.21 365	0.16 351	0.12 305	0.12 306

PS-NSSS	0.20 290	0.21 355	0.23 302	0.20 269	0.10 218	0.19 256	0.17 193	0.36 334	0.25 213	0.27 309	0.33 299	0.27 279	0.24 305	0.20 263	0.20 265	0.15 348	0.12 330	0.17 352	0.14 339	0.10 276	0.08 220

DispFullNet	0.27 348	0.21 355	0.65 381	0.28 361	0.16 341	0.26 326	0.17 193	0.33 306	0.58 371	0.27 309	0.38 320	0.43 359	0.23 299	0.38 367	0.23 303	0.12 314	0.06 191	0.19 362	0.11 308	0.21 367	0.15 344

FADNet	0.21 299	0.22 359	0.36 348	0.18 183	0.17 354	0.24 308	0.13 43	0.31 280	0.31 264	0.23 277	0.25 227	0.27 279	0.21 284	0.19 244	0.15 210	0.13 334	0.15 356	0.12 312	0.15 349	0.16 352	0.18 364

SQANet	0.23 323	0.23 360	0.30 332	0.30 370	0.19 363	0.27 333	0.13 43	0.29 260	0.33 276	0.24 285	0.37 315	0.31 311	0.22 293	0.27 319	0.23 303	0.15 348	0.10 312	0.21 365	0.16 351	0.21 367	0.15 344

GASNet	0.22 308	0.23 360	0.33 339	0.26 347	0.17 354	0.26 326	0.16 172	0.44 369	0.42 328	0.27 309	0.24 198	0.30 301	0.15 208	0.27 319	0.18 250	0.12 314	0.08 271	0.12 312	0.11 308	0.16 352	0.07 160

XQC	0.28 351	0.23 360	0.51 367	0.28 361	0.19 363	0.34 356	0.27 349	0.36 334	0.57 368	0.31 335	0.30 274	0.37 338	0.30 344	0.38 367	0.38 374	0.13 334	0.09 294	0.15 344	0.12 326	0.17 359	0.18 364

HCRNet	0.16 239	0.24 363	0.12 91	0.35 377	0.11 256	0.15 178	0.17 193	0.26 218	0.22 175	0.19 226	0.24 198	0.21 219	0.14 195	0.15 168	0.13 159	0.11 290	0.07 249	0.11 297	0.10 285	0.09 249	0.07 160

EDNetEfficient	0.29 355	0.24 363	1.13 404	0.18 183	0.10 218	0.19 256	0.20 279	0.20 125	0.60 375	0.74 393	0.56 373	0.31 311	0.39 365	0.22 290	0.30 353	0.09 237	0.07 249	0.08 165	0.07 163	0.11 291	0.09 253

MFN_U_SF_DS_RVC	0.30 360	0.24 363	0.29 329	0.36 379	0.16 341	0.34 356	0.30 370	0.32 289	0.42 328	0.40 359	0.46 355	0.38 342	0.31 348	0.34 351	0.28 346	0.19 368	0.20 372	0.26 372	0.29 381	0.18 362	0.19 369

PASM	0.32 363	0.24 363	0.48 365	0.28 361	0.27 379	0.29 342	0.30 370	0.34 316	0.49 352	0.35 347	0.39 328	0.46 367	0.34 356	0.34 351	0.35 367	0.23 380	0.25 383	0.26 372	0.28 380	0.23 370	0.21 372

CSAN	0.29 355	0.24 363	0.27 318	0.34 375	0.19 363	0.33 353	0.42 389	0.37 339	0.50 354	0.38 354	0.40 333	0.44 361	0.33 352	0.28 330	0.30 353	0.20 370	0.16 359	0.19 362	0.19 363	0.14 334	0.15 344

AnyNet_C01	0.36 369	0.25 368	1.37 407	0.22 307	0.17 354	0.48 376	0.27 349	0.35 328	0.39 313	0.39 356	0.74 388	0.46 367	0.38 363	0.45 378	0.47 387	0.13 334	0.13 343	0.13 326	0.14 339	0.14 334	0.15 344

MSMD_ROB	0.31 361	0.26 369	0.26 312	0.24 331	0.21 368	0.34 356	0.25 336	0.34 316	0.39 313	0.40 359	0.69 382	0.45 363	0.40 368	0.34 351	0.27 338	0.20 370	0.19 369	0.26 372	0.25 375	0.23 370	0.22 374

BEATNet-Init1	0.52 385	0.27 370	0.62 379	0.30 370	0.21 368	0.76 399	0.29 363	0.54 385	0.65 381	0.86 398	0.95 399	2.07 415	0.62 392	0.56 390	0.42 382	0.18 364	0.18 366	0.23 370	0.22 369	0.22 369	0.21 372

MANE	0.45 380	0.27 370	0.27 318	0.27 358	0.24 373	0.47 374	0.31 376	0.55 386	0.59 372	0.72 389	1.13 408	1.15 400	0.61 390	0.52 384	0.37 372	0.21 373	0.20 372	0.27 375	0.31 385	0.25 377	0.24 376

FC-DCNN	0.33 366	0.27 370	0.28 323	0.26 347	0.23 372	0.37 366	0.28 354	0.40 354	0.43 333	0.45 371	0.55 368	0.51 373	0.40 368	0.37 366	0.30 353	0.21 373	0.20 372	0.27 375	0.26 376	0.25 377	0.24 376

ccnet	0.29 355	0.28 373	0.23 302	0.20 269	0.28 380	0.41 371	0.21 295	0.45 372	0.33 276	0.36 349	0.46 355	0.36 334	0.30 344	0.39 370	0.42 382	0.23 380	0.14 350	0.21 365	0.17 358	0.23 370	0.18 364

FCDSN-DC	0.33 366	0.28 373	0.28 323	0.30 370	0.24 373	0.39 369	0.28 354	0.42 364	0.42 328	0.43 369	0.53 365	0.51 373	0.41 372	0.36 362	0.30 353	0.21 373	0.20 372	0.27 375	0.26 376	0.25 377	0.24 376
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SAMSARA	0.40 373	0.28 373	0.33 339	0.55 392	0.39 386	0.82 402	1.23 416	0.47 375	0.51 361	0.36 349	0.35 306	0.55 378	0.39 365	0.38 367	0.39 376	0.15 348	0.20 372	0.15 344	0.14 339	0.23 370	0.20 370

ELAS_RVC	0.41 375	0.29 376	0.33 339	0.28 361	0.24 373	0.54 380	0.36 381	0.49 378	0.59 372	0.72 389	0.74 388	0.65 385	0.54 383	0.54 388	0.40 378	0.22 376	0.20 372	0.27 375	0.26 376	0.26 380	0.25 380
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 375	0.29 376	0.33 339	0.27 358	0.24 373	0.60 385	0.36 381	0.50 380	0.50 354	0.71 387	0.79 392	0.67 387	0.54 383	0.51 382	0.42 382	0.22 376	0.20 372	0.27 375	0.26 376	0.26 380	0.25 380
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficientorigin	7.91 420	0.31 378	153.02 439	0.19 229	0.09 133	0.21 282	0.16 172	0.22 158	0.59 372	0.72 389	0.67 380	0.42 356	0.50 382	0.24 309	0.39 376	0.08 192	0.07 249	0.08 165	0.07 163	0.12 305	0.10 272

CC-Net-ROB	0.28 351	0.31 378	0.36 348	0.29 368	0.15 331	0.25 318	0.19 264	0.45 372	0.33 276	0.39 356	0.37 315	0.39 350	0.31 348	0.27 319	0.26 331	0.24 382	0.19 369	0.30 383	0.23 373	0.18 362	0.15 344

coex-ft	3.30 415	0.34 380	59.09 438	0.18 183	0.13 303	0.26 326	0.22 304	0.27 236	0.72 387	1.90 416	0.70 384	0.44 361	0.45 378	0.29 336	0.41 381	0.09 237	0.09 294	0.12 312	0.09 253	0.14 334	0.13 319

GANetREF_RVC	0.31 361	0.34 380	0.27 318	0.35 377	0.16 341	0.32 347	0.41 386	0.48 376	0.51 361	0.35 347	0.35 306	0.34 328	0.33 352	0.39 370	0.32 361	0.27 384	0.20 372	0.29 381	0.15 349	0.18 362	0.17 362
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
NVStereoNet_ROB	0.46 383	0.36 382	0.46 363	0.41 383	0.28 380	0.34 356	0.34 379	0.48 376	0.60 375	0.72 389	0.93 397	0.70 390	0.66 393	0.47 379	0.60 396	0.22 376	0.33 388	0.34 385	0.34 388	0.30 383	0.30 386
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
otaku	0.39 370	0.37 383	0.52 368	0.44 385	0.28 380	0.58 382	0.24 323	0.41 359	0.62 377	0.40 359	0.49 359	0.46 367	0.33 352	0.40 374	0.32 361	0.30 385	0.30 387	0.39 387	0.33 386	0.29 382	0.28 383

MSC_U_SF_DS_RVC	0.43 377	0.39 384	0.54 370	0.40 381	0.20 366	0.64 387	0.32 378	0.53 384	0.72 387	0.71 387	0.72 385	0.61 381	0.54 383	0.51 382	0.46 386	0.20 370	0.19 369	0.29 381	0.30 383	0.23 370	0.18 364

Ntro	0.40 373	0.40 385	0.53 369	0.46 389	0.30 384	0.65 388	0.24 323	0.46 374	0.68 384	0.41 363	0.49 359	0.48 371	0.42 375	0.39 370	0.31 360	0.32 386	0.28 385	0.37 386	0.30 383	0.32 387	0.29 384

Consistency-Raft	0.44 378	0.40 385	0.45 360	0.37 380	0.43 389	0.46 372	0.41 386	0.57 389	0.55 364	0.32 341	0.73 386	0.33 322	0.48 380	0.42 377	0.49 389	0.39 389	0.35 389	0.45 389	0.51 397	0.42 389	0.29 384

JetBlue	0.71 394	0.45 387	1.14 405	0.51 390	0.47 391	2.02 416	0.64 403	0.75 395	0.70 385	0.69 386	0.77 391	1.22 402	0.83 400	1.03 412	1.01 412	0.40 390	0.28 385	0.33 384	0.33 386	0.30 383	0.34 390

ACVNet_1	0.44 378	0.49 388	0.60 377	0.45 386	0.28 380	0.49 377	0.27 349	0.57 389	0.72 387	0.62 382	0.58 376	0.74 391	0.49 381	0.50 381	0.35 367	0.26 383	0.24 382	0.39 387	0.29 381	0.31 386	0.24 376

ACVNet-4b	0.39 370	0.53 389	0.55 372	0.45 386	0.24 373	0.47 374	0.18 233	0.49 378	0.64 379	0.42 366	0.45 354	0.60 380	0.27 324	0.34 351	0.24 313	0.33 387	0.14 350	0.48 390	0.42 390	0.30 383	0.26 382

SGM+DAISY	0.56 388	0.57 390	0.65 381	0.40 381	0.54 394	0.66 390	0.49 393	0.56 387	0.45 344	0.66 383	0.69 382	0.67 387	0.56 387	0.63 393	0.56 394	0.59 401	0.48 397	0.50 391	0.50 396	0.52 392	0.58 399

anonymity	0.53 386	0.58 391	0.65 381	0.41 383	0.61 402	0.53 379	0.41 386	0.56 387	0.41 322	0.55 379	0.50 363	0.49 372	0.55 386	0.58 391	0.50 392	0.58 400	0.50 401	0.51 392	0.51 397	0.51 391	0.57 398

SPS-STEREO	0.57 389	0.58 391	0.65 381	0.45 386	0.55 396	0.62 386	0.44 392	0.62 392	0.50 354	0.68 385	0.64 378	0.66 386	0.57 388	0.61 392	0.60 396	0.62 403	0.47 396	0.51 392	0.49 394	0.55 396	0.58 399
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
IMH-64-1	0.65 391	0.61 393	0.68 389	0.71 396	0.51 392	0.59 383	0.49 393	0.91 400	0.85 394	0.74 393	1.02 401	0.81 392	0.78 398	0.79 397	0.49 389	0.42 391	0.46 392	0.71 398	0.47 392	0.52 392	0.39 392

IMH-64	0.65 391	0.61 393	0.68 389	0.71 396	0.51 392	0.59 383	0.49 393	0.91 400	0.85 394	0.74 393	1.02 401	0.81 392	0.78 398	0.79 397	0.49 389	0.42 391	0.46 392	0.71 398	0.47 392	0.52 392	0.39 392

RainbowNet	0.54 387	0.61 393	0.70 393	0.57 393	0.43 389	0.65 388	0.37 384	0.60 391	0.87 396	0.50 375	0.66 379	0.64 383	0.47 379	0.49 380	0.43 385	0.47 395	0.48 397	0.52 394	0.41 389	0.52 392	0.40 394

IMH	0.71 394	0.64 396	0.68 389	0.76 398	0.54 394	0.69 391	0.54 397	0.98 406	1.10 401	0.82 397	1.09 404	0.89 394	0.88 403	0.87 405	0.52 393	0.44 394	0.50 401	0.75 401	0.51 397	0.56 397	0.41 395

ACVNet_2	0.66 393	0.66 397	0.68 389	0.63 394	0.41 387	0.71 393	0.49 393	0.96 404	1.39 408	0.89 399	1.09 404	1.04 396	0.73 396	0.54 388	0.47 387	0.43 393	0.40 391	0.53 395	0.44 391	0.47 390	0.35 391

MFMNet_re	0.64 390	0.66 397	0.65 381	0.51 390	0.69 406	0.69 391	0.57 399	0.64 393	0.73 390	0.60 381	0.73 386	0.62 382	0.67 394	0.65 394	0.60 396	0.66 404	0.58 410	0.63 396	0.59 400	0.68 402	0.69 408

MADNet+	0.75 397	0.71 399	3.70 416	0.66 395	0.41 387	0.98 407	0.97 414	0.69 394	0.73 390	0.52 376	0.57 374	0.64 383	0.68 395	0.86 404	1.01 412	0.34 388	0.36 390	0.28 380	0.23 373	0.36 388	0.31 387

TorneroNet-64	0.76 398	0.72 400	0.74 394	0.78 400	0.58 400	0.91 406	0.56 398	0.84 398	1.29 405	0.66 383	0.90 395	1.40 408	0.75 397	0.85 403	0.67 402	0.49 396	0.46 392	0.72 400	0.59 400	0.67 401	0.53 397

TorneroNet	0.82 401	0.74 401	0.81 399	0.84 403	0.63 403	0.99 408	0.63 401	0.96 404	1.16 402	0.80 396	1.11 406	1.36 407	0.86 402	0.93 408	0.80 407	0.56 398	0.49 399	0.78 405	0.66 404	0.73 407	0.63 407

WAO-7	0.79 399	0.78 402	0.54 370	0.85 404	0.67 405	0.74 395	0.68 407	1.05 409	1.32 406	0.90 400	1.20 411	1.04 396	0.92 404	0.69 395	0.66 399	0.60 402	0.62 411	0.67 397	0.68 405	0.64 398	0.58 399

WAO-6	0.81 400	0.80 403	0.62 379	0.86 405	0.63 403	0.76 399	0.58 400	0.98 406	1.54 413	0.90 400	0.96 400	1.07 398	1.03 408	0.70 396	0.66 399	0.72 405	0.49 399	0.90 408	0.71 406	0.68 402	0.58 399

WAO-8	0.91 404	0.81 404	0.65 381	0.94 408	0.69 406	0.90 403	0.67 405	1.07 411	1.83 416	1.06 407	1.45 414	1.30 403	1.07 409	0.84 401	0.78 405	0.74 407	0.53 404	0.86 406	0.75 407	0.69 404	0.62 405

Venus	0.91 404	0.81 404	0.65 381	0.94 408	0.69 406	0.90 403	0.67 405	1.07 411	1.83 416	1.06 407	1.45 414	1.30 403	1.07 409	0.84 401	0.78 405	0.74 407	0.53 404	0.86 406	0.75 407	0.69 404	0.62 405

LVE	0.83 402	0.85 406	0.85 400	0.80 401	0.56 397	1.04 412	0.65 404	1.05 409	1.47 411	0.96 402	1.22 412	1.10 399	0.85 401	0.83 400	0.71 404	0.49 396	0.55 407	0.76 403	0.60 402	0.65 399	0.59 404

Dean	0.87 403	0.86 407	0.79 397	0.81 402	0.56 397	0.90 403	0.63 401	1.15 414	1.73 414	1.15 409	1.15 409	1.31 405	0.99 407	0.81 399	0.81 408	0.57 399	0.56 408	0.77 404	0.64 403	0.66 400	0.58 399

SPstereo	13.84 429	0.93 408	1.50 410	1.22 414	0.88 413	28.82 432	48.26 432	26.77 439	29.54 438	22.37 437	22.60 436	23.23 437	24.68 437	24.53 437	15.06 429	0.88 412	0.69 413	1.83 418	1.60 418	0.74 408	0.77 412

UNDER WATER-64	0.95 406	0.94 409	1.43 409	0.87 406	0.56 397	1.18 415	0.87 411	0.77 396	0.94 398	1.04 405	0.85 394	1.58 413	1.21 414	0.94 409	0.96 410	0.87 411	0.57 409	1.03 411	0.88 412	0.78 409	0.73 409

PWCK	0.71 394	0.94 409	0.95 402	0.76 398	0.31 385	0.74 395	0.36 381	0.90 399	0.90 397	0.96 402	0.75 390	0.95 395	0.61 390	0.87 405	0.66 399	0.72 405	0.46 392	0.75 401	0.49 394	0.69 404	0.44 396

UNDER WATER	0.97 407	0.97 411	1.42 408	0.99 410	0.70 409	1.12 414	0.84 410	0.80 397	1.08 400	1.01 404	0.90 395	1.55 412	1.22 415	1.03 412	1.00 411	0.78 409	0.53 404	1.02 410	0.87 411	0.80 410	0.74 410

notaker	0.97 407	1.11 412	0.98 403	1.13 412	0.81 410	0.73 394	0.68 407	0.93 402	1.16 402	1.18 411	1.18 410	1.41 409	1.16 413	1.08 414	0.69 403	0.81 410	0.64 412	1.17 412	0.79 409	0.98 412	0.80 413

KSHMR	1.09 410	1.17 413	0.88 401	1.25 416	1.00 415	0.99 408	0.96 413	1.13 413	1.37 407	1.16 410	1.29 413	1.41 409	0.96 406	1.01 411	0.92 409	1.03 414	1.08 416	1.20 413	1.03 415	1.01 413	0.97 415

ktn	1.01 409	1.21 414	0.80 398	1.23 415	0.86 412	1.01 410	0.87 411	0.94 403	1.39 408	1.04 405	1.12 407	1.15 400	1.07 409	0.94 409	0.59 395	1.28 416	0.71 414	1.38 416	0.83 410	1.02 414	0.75 411

DPSimNet_ROB	1.11 411	1.23 415	0.78 395	1.13 412	0.88 413	1.10 413	1.13 415	1.16 415	1.23 404	1.43 413	1.02 401	1.41 409	1.10 412	0.90 407	1.60 414	1.46 417	0.51 403	1.21 414	1.03 415	0.90 411	1.01 417

HanzoNet	1.29 412	1.26 416	1.19 406	1.12 411	0.85 411	1.02 411	0.83 409	1.03 408	1.48 412	1.64 414	1.61 416	2.50 417	1.72 416	1.61 416	1.61 415	1.26 415	0.80 415	1.31 415	1.01 414	1.02 414	0.86 414

JetRed	1.62 413	1.46 417	2.98 412	0.92 407	1.21 416	4.99 418	1.53 418	1.27 416	1.39 408	1.83 415	1.74 417	1.60 414	0.95 405	1.41 415	2.45 418	0.90 413	1.60 417	0.93 409	0.90 413	1.35 416	0.99 416

MADNet++	1.95 414	1.75 418	1.59 411	1.82 417	1.69 418	2.33 417	1.40 417	2.35 417	2.09 418	2.57 417	2.36 418	2.24 416	2.17 417	2.28 417	2.34 417	1.87 418	1.66 418	1.54 417	1.34 417	1.92 417	1.77 419

DLNR_Zeroshot_test	10.40 424	1.82 419	19.49 434	120.77 439	13.11 429	0.06 2	0.13 43	0.23 175	0.10 8	0.07 2	0.10 39	0.09 39	0.06 6	0.10 18	0.09 19	0.13 334	0.04 2	0.06 32	0.04 8	51.54 438	0.04 7

ASD4		3.38 420

DPSMNet_ROB	8.06 421	4.48 421	8.63 425	5.37 424	10.74 426	8.32 420	22.98 427	5.46 419	13.36 426	5.12 419	9.92 422	5.08 419	10.40 424	5.53 421	12.58 424	3.80 423	8.00 424	3.50 420	7.02 423	3.83 422	7.14 425

DGTPSM_ROB	8.06 421	4.48 421	8.63 425	5.35 422	10.72 425	8.32 420	22.97 426	5.46 419	13.35 425	5.12 419	9.92 422	5.08 419	10.40 424	5.52 420	12.58 424	3.79 422	8.00 424	3.50 420	7.02 423	3.83 422	7.14 425

xxxxx1	7.79 417	5.02 423	7.31 419	3.12 419	3.85 420	16.35 425	22.88 423	5.86 422	8.69 421	7.97 421	8.54 419	9.12 423	8.27 421	10.18 423	10.92 421	2.42 419	2.45 420	3.56 422	12.37 426	3.77 419	3.06 421

tt_ll	7.79 417	5.02 423	7.31 419	3.12 419	3.85 420	16.35 425	22.88 423	5.86 422	8.69 421	7.97 421	8.54 419	9.12 423	8.27 421	10.18 423	10.92 421	2.42 419	2.45 420	3.56 422	12.37 426	3.77 419	3.06 421

ff	7.79 417	5.02 423	7.31 419	3.12 419	3.85 420	16.35 425	22.88 423	5.86 422	8.69 421	7.97 421	8.54 419	9.12 423	8.27 421	10.18 423	10.92 421	2.42 419	2.45 420	3.56 422	12.37 426	3.77 419	3.06 421

Anonymous_1	10.96 426	7.92 426	7.46 422	10.33 425	10.06 424	18.65 429	26.34 429	11.06 426	13.44 427	9.40 424	10.05 424	9.67 426	11.23 426	10.73 426	12.72 426	6.42 426	8.38 426	5.77 425	10.61 425	12.12 427	6.77 424

DPSM_ROB	11.15 427	8.58 427	8.00 423	10.88 426	11.58 427	19.10 430	26.71 430	12.05 427	14.07 428	10.36 425	10.84 425	10.33 427	11.86 427	11.70 427	13.54 427	6.99 427	8.79 427	5.89 426	6.95 421	7.29 424	7.42 427

DPSM	11.15 427	8.58 427	8.00 423	10.88 426	11.58 427	19.10 430	26.71 430	12.05 427	14.07 428	10.36 425	10.84 425	10.33 427	11.86 427	11.70 427	13.54 427	6.99 427	8.79 427	5.89 426	6.95 421	7.29 424	7.42 427

PML	8.91 423	9.34 429	6.13 417	5.35 422	6.41 423	14.99 424	23.38 428	5.27 418	6.83 420	18.04 429	28.19 438	7.67 421	6.83 420	7.85 422	5.75 419	5.35 424	1.83 419	5.95 428	1.93 419	8.64 426	2.52 420

LRCNet_RVC	10.62 425	13.42 430	7.30 418	18.92 429	2.07 419	0.33 353	0.30 370	5.59 421	0.48 347	13.03 427	17.94 428	8.87 422	5.65 419	4.79 419	1.89 416	23.51 436	2.73 423	27.55 437	25.71 437	16.07 434	16.33 435

LSM0	22.87 437	17.28 431	18.96 432	22.19 436	29.04 438	38.42 438	53.71 433	24.28 436	28.31 432	20.78 433	21.00 430	21.43 436	24.16 436	23.50 435	27.39 434	14.09 434	17.38 431	11.84 434	14.04 434	14.73 433	14.89 429

MyStereo03	22.45 433	17.33 432	16.21 429	21.95 431	23.27 432	38.32 433	53.79 434	24.21 433	28.46 434	20.87 434	21.85 433	20.80 431	23.87 431	23.46 432	27.40 435	14.08 430	17.71 434	11.82 429	14.03 431	14.65 428	14.89 429

MyStereo02	22.45 433	17.33 432	16.21 429	21.95 431	23.27 432	38.32 433	53.79 434	24.21 433	28.46 434	20.87 434	21.85 433	20.80 431	23.87 431	23.46 432	27.40 435	14.08 430	17.71 434	11.82 429	14.03 431	14.65 428	14.89 429

MyStereo	22.45 433	17.33 432	16.21 429	21.95 431	23.27 432	38.32 433	53.79 434	24.21 433	28.46 434	20.87 434	21.85 433	20.80 431	23.87 431	23.46 432	27.40 435	14.08 430	17.71 434	11.82 429	14.03 431	14.65 428	14.89 429

CasAABBNet	22.42 432	17.33 432	16.01 427	22.01 434	23.28 435	38.32 433	53.80 437	24.14 432	28.41 433	20.60 431	21.77 431	20.89 435	23.91 435	23.43 431	27.36 433	14.07 429	17.69 432	11.83 433	14.01 430	14.67 431	14.95 433

Selective-RAFT-Error	22.47 436	17.37 436	16.09 428	22.06 435	23.34 436	38.39 437	53.83 438	24.29 437	28.47 437	20.74 432	21.83 432	20.81 434	23.90 434	23.54 436	27.53 438	14.08 430	17.69 432	11.82 429	14.00 429	14.69 432	15.00 434

HaxPig	15.71 430	18.52 437	19.18 433	16.89 428	15.89 430	7.73 419	7.60 419	13.31 429	10.82 424	15.42 428	14.91 427	15.98 429	14.92 429	15.58 429	15.98 430	18.95 435	16.73 430	19.46 435	18.08 435	19.26 435	19.05 436

MEDIAN_ROB	20.38 431	24.04 438	23.31 435	21.23 430	21.71 431	10.40 423	7.92 420	17.64 430	15.50 430	20.12 430	19.70 429	20.34 430	20.32 430	21.19 430	21.13 431	23.81 437	21.81 437	24.98 436	23.76 436	24.71 436	23.93 437

AVERAGE_ROB	24.90 438	29.20 439	28.14 436	24.89 437	24.64 437	17.75 428	11.12 421	21.45 431	19.93 431	25.12 438	24.46 437	25.12 438	25.46 438	24.69 438	22.83 432	29.76 438	27.13 438	28.97 438	27.95 438	29.91 437	29.47 438

test_example2	98.32 439	94.13 440	45.89 437	96.35 438	109.85 439	88.61 439	95.45 439	25.75 438	94.37 439	130.00 439	126.06 439	58.17 439	74.63 439	88.51 439	79.96 439	150.23 439	221.02 439	77.62 439	99.10 439	113.75 439	96.94 439

Low-res two-view benchmark