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

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

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

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

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

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

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
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

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	0.84 369

CES	0.48 32	0.20 2	0.37 2	0.39 4	1.39 381	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	1.46 385

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

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

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

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

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

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

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

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

CAS	0.63 116	0.18 1	0.37 2	2.27 388	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	2.24 390	0.10 1	0.14 1	0.09 1	0.15 5	1.06 380

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

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

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

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

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

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
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	0.86 367	0.56 340

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	0.86 367	0.56 340

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

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

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

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	2.47 370	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

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	3.05 382	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

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	3.05 382	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

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

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
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

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

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	1.00 375	0.13 42	0.15 3	0.10 2	0.15 5	0.13 3

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	1.41 266	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

DLNR_Zeroshot_test	23.17 419	48.52 436	43.29 425	176.68 435	78.69 431	0.35 5	0.21 1	23.41 418	0.75 56	0.66 42	0.86 57	0.59 51	0.30 4	1.56 190	0.44 84	9.57 418	0.12 9	0.18 36	0.14 22	76.92 434	0.16 41

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

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	1.63 303	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	1.63 303	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

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

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

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	2.50 358	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

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

EAI-Stereo	0.65 131	0.28 83	0.69 97	0.53 119	0.27 33	0.60 84	0.40 83	2.28 360	0.64 27	0.71 48	3.18 369	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

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

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

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

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

XX-TBD	0.46 24	0.70 337	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

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

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	7.33 399	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

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

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

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	1.46 276	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

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

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

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	0.80 377	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
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

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

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

UDGNet	0.72 161	1.17 375	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	1.02 379	0.26 252	0.71 363	0.31 266

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

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
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)
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

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

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

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

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

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

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

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)
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

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

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

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

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

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

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	1.57 293	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

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	0.34 324	0.31 267	0.34 317	0.59 347	0.40 299

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	1.57 293	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

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

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

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

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	1.29 306	1.03 98	0.74 203	0.62 365	0.64 381	1.06 380	9.63 417	1.16 377	0.49 329

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

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

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

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

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

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

AnonymousM	0.59 98	1.11 370	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	1.84 387	0.84 379	0.14 2	0.13 3

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

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	0.63 353

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

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

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

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

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

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	10.62 410	0.65 184	0.45 340	0.43 353	0.48 344	0.45 345	0.44 316	0.41 303

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

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

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

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	2.11 347	1.43 319	7.09 381	1.39 307	0.19 92	0.17 180	0.17 14	0.19 108	0.18 41	0.16 41

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

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

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

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

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

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

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

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

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

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	1.65 308	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

APVNet	1.06 278	0.53 297	1.42 310	0.84 337	0.79 336	1.92 342	0.82 283	1.90 291	1.08 162	1.08 118	1.43 241	1.56 292	1.13 281	3.07 302	1.58 327	0.31 281	0.34 324	0.42 332	0.36 325	0.36 276	0.37 289

FADNet-RVC-Resample	0.84 221	0.47 276	2.10 354	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

CBFPSM	0.92 245	0.33 187	1.86 347	0.49 65	0.38 170	1.75 326	0.84 285	1.39 174	1.12 178	1.09 123	0.99 84	2.37 357	1.66 344	1.32 139	1.42 316	0.19 92	0.18 195	0.20 73	0.20 136	0.21 131	0.33 276

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

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

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

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	15.70 411	0.24 205	0.21 241	0.21 96	0.20 136	0.22 152	0.23 182

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

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	1.46 276	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

PSMNet_ROB	0.90 240	0.52 294	1.17 279	0.72 301	0.61 288	1.27 278	1.12 332	1.76 259	1.12 178	1.09 123	1.28 194	1.45 274	0.89 206	1.65 201	1.42 316	0.33 291	0.25 279	0.37 314	0.39 331	0.35 270	0.29 244

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

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	3.28 370	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

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

CC-Net-ROB	1.49 330	1.26 377	1.27 294	0.88 350	0.79 336	1.76 328	1.00 319	1.79 268	1.26 239	1.10 131	1.61 286	1.21 222	0.99 248	8.13 395	0.84 236	1.09 382	0.41 350	2.20 388	0.46 348	1.20 379	0.48 325

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

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

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	2.47 373	1.12 178	1.12 137	1.46 252	1.40 264	1.46 323	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

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

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

TDLM	1.06 278	0.44 264	0.79 169	0.63 237	0.50 234	0.89 201	1.44 355	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

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.
1111x	1.70 349	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	15.20 409	0.22 167	0.21 241	0.22 122	0.22 197	0.24 191	0.22 165

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	1.43 268	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

NINENet	0.77 192	0.37 235	0.78 167	0.62 229	0.51 244	2.34 363	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

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

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

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

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	2.47 370	1.15 156	1.45 246	1.06 186	0.82 171	1.55 187	7.61 390	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	2.47 370	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	2.47 370	1.15 156	1.45 246	1.06 186	0.82 171	7.22 382	7.61 390	0.20 117	0.12 9	0.31 267	0.27 260	0.19 71	0.20 134

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	7.61 390	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	7.61 390	0.24 205	0.19 208	0.31 267	0.27 260	0.30 249	0.25 206

iRaft-Stereo_20w	0.65 131	0.31 157	1.00 236	0.47 41	0.34 137	0.73 147	0.30 22	2.96 381	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

FINET	0.97 259	0.54 298	1.60 330	0.63 237	0.79 336	1.08 246	1.07 327	1.56 217	2.20 364	1.15 156	1.49 259	0.94 148	0.88 200	2.32 273	1.05 261	0.42 329	0.35 332	0.32 280	0.28 277	0.43 309	0.38 295

MaskLacGwcNet_RVC	1.10 288	1.02 363	1.00 236	0.82 333	0.67 303	1.93 343	0.93 307	1.62 229	1.11 174	1.15 156	1.25 181	1.50 284	0.79 159	1.96 246	0.76 208	1.89 386	0.34 324	0.79 371	0.36 325	1.25 380	0.83 368

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

DISCO	1.03 274	0.34 206	1.11 270	0.69 286	0.45 210	2.07 352	0.84 285	2.13 334	1.50 320	1.15 156	1.33 210	2.40 359	1.07 270	2.60 287	1.51 325	0.23 190	0.18 195	0.22 122	0.20 136	0.31 256	0.27 230

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

CoDeX	0.73 175	0.29 110	0.93 217	0.54 134	0.36 145	1.14 254	0.61 233	2.34 365	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

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

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

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

GEStereo_RVC	0.90 240	0.37 235	0.99 231	0.64 246	0.50 234	0.95 220	0.79 273	2.42 370	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

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

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	0.45 360	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.
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

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

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

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

DeepPrunerF	1.60 339	0.73 339	5.81 391	0.88 350	1.19 376	0.91 205	0.95 311	2.19 351	5.24 399	1.17 176	1.30 198	1.19 220	1.30 310	4.90 339	1.66 332	0.42 329	0.34 324	0.52 349	0.47 350	0.41 299	0.40 299

iinet-f	0.99 264	0.45 270	3.71 382	0.55 153	0.43 197	1.81 334	0.68 250	1.14 119	1.14 190	1.18 180	1.42 237	1.58 296	1.44 320	1.34 144	1.59 329	0.24 205	0.23 263	0.20 73	0.19 108	0.26 209	0.25 206

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

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	1.99 338	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

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
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

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	1.34 314	2.56 285	0.45 92	0.18 60	0.13 42	0.21 96	0.25 239	0.27 221	0.73 364

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

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	1.81 322	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

BUS	0.74 178	0.32 171	0.68 88	0.54 134	0.44 203	2.34 363	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	1.59 297	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

Ntro	1.64 343	1.15 373	1.23 285	2.48 392	1.83 386	2.09 353	1.16 337	1.96 307	1.38 295	1.21 191	1.62 289	1.62 301	1.29 306	1.87 237	1.11 273	3.04 396	0.56 376	1.82 386	0.64 371	2.80 392	2.05 392

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

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	1.71 314	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

UNet	0.83 217	0.34 206	1.31 298	0.58 182	0.74 321	1.58 312	0.49 163	1.41 176	1.04 146	1.21 191	1.08 119	1.54 289	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

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_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

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

IRAFT_RVC	0.88 235	0.28 83	0.76 155	0.63 237	0.31 91	0.65 108	1.02 322	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

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

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

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	3.97 375	0.30 274	0.26 283	0.26 225	0.24 228	0.29 240	0.29 244

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

UDG	1.41 327	2.65 406	0.99 231	1.44 382	1.64 385	1.34 287	0.80 279	1.60 223	1.23 227	1.23 199	1.71 302	2.01 340	1.34 314	1.47 174	1.41 312	0.90 373	0.54 375	2.29 390	0.75 374	1.84 383	1.04 377

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

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

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	15.10 408	0.22 167	0.20 225	0.22 122	0.20 136	0.22 152	0.22 165

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	1.34 299	0.21 144	0.19 208	0.21 96	0.18 88	0.21 131	0.18 78

CSP-Net	0.97 259	0.38 240	0.83 179	0.53 119	0.41 189	1.63 316	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

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	2.23 346	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

Syn2CoEx	1.14 298	0.69 334	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	1.42 267	1.50 329	4.09 324	1.40 308	0.36 309	0.32 322	0.34 297	0.29 288	0.29 240	0.34 278

DIP-Stereo	0.62 110	0.30 126	0.83 179	0.48 52	0.36 145	0.95 220	0.33 33	2.37 367	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
ACVNet-4b	2.15 367	1.41 381	1.64 331	2.80 394	2.31 395	2.31 362	1.24 343	2.32 362	2.14 362	1.26 215	2.39 353	2.66 367	1.48 326	5.95 363	1.06 263	3.20 400	0.45 360	2.37 392	0.89 381	2.83 395	2.37 396

DGSMNet	1.14 298	0.76 346	2.49 369	0.81 328	0.86 350	1.39 294	1.39 352	2.13 334	1.35 284	1.26 215	1.63 292	1.48 282	0.98 240	1.75 219	1.10 271	0.45 340	0.43 353	0.55 359	0.49 355	0.75 365	0.70 361

psm_up	0.77 192	0.34 206	0.70 103	0.66 263	0.58 275	1.05 240	0.92 303	1.52 204	1.12 178	1.26 215	1.16 156	1.31 253	1.23 298	1.20 124	0.81 226	0.25 229	0.29 305	0.31 267	0.27 260	0.27 221	0.25 206

GANetREF_RVC	1.07 280	0.86 353	1.31 298	0.82 333	0.53 255	1.41 299	1.31 349	1.76 259	1.52 323	1.27 218	1.31 203	1.46 276	1.24 300	2.03 251	0.96 254	0.56 360	0.45 360	0.67 367	0.50 357	0.88 369	0.59 347
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
iResNet_ROB	0.77 192	0.30 126	0.99 231	0.57 176	0.36 145	0.83 189	0.36 56	2.33 363	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

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	1.62 301	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

Wz-Net-LNSev	1.03 274	0.67 331	2.71 374	0.64 246	0.84 347	1.75 326	1.00 319	1.80 270	1.32 270	1.28 220	1.25 181	1.65 308	1.22 297	1.39 158	1.40 308	0.28 262	0.26 283	0.24 170	0.23 217	0.33 267	0.32 272

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	2.04 337	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

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

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

fast-acv-ft	0.94 249	0.44 264	1.40 308	0.58 182	0.51 244	1.77 331	0.69 254	1.36 167	1.42 310	1.29 225	1.86 321	1.74 318	1.25 301	1.52 179	1.38 304	0.26 243	0.28 297	0.28 246	0.28 277	0.27 221	0.26 224

anonymity	1.12 293	0.97 359	1.21 282	1.07 371	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	1.02 378	1.00 399	0.97 376	0.97 386	0.98 371	0.99 374

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

PWCDC_ROB	1.29 312	0.75 344	1.33 303	1.05 368	0.88 353	1.73 325	0.52 179	1.89 288	3.28 384	1.29 225	4.88 389	1.22 224	1.46 323	1.77 226	1.45 320	0.60 363	0.26 283	0.29 254	0.25 239	0.52 335	0.37 289

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	1.30 232	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	1.30 232	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

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	1.30 232	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.
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	1.30 232	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

HBP-ISP	0.96 253	0.58 311	0.72 118	0.61 218	0.46 220	1.64 318	0.76 265	1.86 283	1.28 251	1.30 232	1.53 266	0.86 123	0.94 223	3.27 310	0.69 190	0.45 340	0.44 356	0.54 355	0.48 352	0.47 322	0.40 299

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	1.30 232	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

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	1.30 232	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

RAFT + AFF	1.00 268	0.42 258	1.09 265	0.67 273	0.50 234	1.22 272	1.24 343	2.24 357	1.19 212	1.30 232	1.56 274	1.17 216	1.49 328	3.44 316	0.83 233	0.21 144	0.25 279	0.30 263	0.26 252	0.27 221	0.27 230

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	1.30 232	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

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	1.30 232	1.25 181	1.94 333	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

GASNet	0.99 264	0.97 359	1.72 337	0.98 363	0.68 309	0.83 189	0.67 248	1.60 223	1.28 251	1.31 242	1.22 171	1.22 224	1.21 296	2.41 280	1.41 312	0.43 334	0.26 283	0.36 312	0.34 317	0.55 340	0.31 266

222	1.61 341	0.29 110	0.67 85	0.56 165	0.29 63	1.06 243	0.42 96	2.17 349	1.31 265	1.31 242	1.52 265	0.92 144	0.94 223	1.76 224	17.65 412	0.24 205	0.20 225	0.21 96	0.19 108	0.22 152	0.23 182

SQANet	1.31 315	0.88 356	1.08 264	1.83 385	1.44 382	1.44 301	0.75 262	1.74 251	1.09 168	1.32 244	1.26 187	1.28 246	1.01 252	1.50 178	0.83 233	2.50 391	0.34 324	1.47 383	0.55 363	2.32 386	1.57 386

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	1.32 244	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

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	1.32 244	2.34 351	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

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	1.32 244	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

delet	0.85 225	0.32 171	0.95 222	0.65 258	0.66 301	1.64 318	0.84 285	1.75 253	1.35 284	1.32 244	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

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	1.32 244	1.74 305	1.88 323	1.74 347	2.35 275	1.25 287	0.45 340	0.37 339	0.45 338	0.58 366	0.42 304	0.42 307

Nwc_Net	1.09 285	0.49 284	1.33 303	0.89 353	0.80 341	1.49 305	0.66 245	2.19 351	1.27 246	1.32 244	2.26 347	1.96 335	1.54 330	1.92 240	1.34 299	0.40 322	0.30 309	0.43 334	0.45 345	0.38 288	0.37 289

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	1.32 244	1.74 305	1.88 323	1.74 347	2.35 275	1.25 287	0.45 340	0.37 339	0.45 338	0.58 366	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
SDNR	1.62 342	0.51 291	2.17 358	0.53 119	0.56 265	3.80 391	0.45 135	1.54 212	1.29 255	1.33 252	2.41 355	1.08 193	0.96 233	11.18 411	1.16 278	0.66 369	0.63 380	0.43 334	0.32 306	0.64 354	0.67 358

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	1.33 252	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

CVANet_RVC	1.07 280	0.43 261	0.76 155	0.60 206	0.50 234	0.90 203	0.97 313	1.52 204	1.26 239	1.33 252	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

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	1.34 255	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

CrosDoStereo	1.58 337	0.24 19	0.72 118	0.48 52	0.29 63	0.67 121	12.49 412	1.10 109	0.98 122	1.34 255	1.75 308	1.00 169	1.89 357	6.65 372	0.81 226	0.19 92	0.15 125	0.20 73	0.22 197	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	12.49 412	1.10 109	0.98 122	1.34 255	1.75 308	1.00 169	1.89 357	6.65 372	0.81 226	0.19 92	0.15 125	0.20 73	0.22 197	0.18 41	0.19 111

THIR-Stereo	1.02 273	0.27 67	0.69 97	0.49 65	0.28 52	0.95 220	1.34 350	1.03 77	0.97 117	1.34 255	1.90 326	1.17 216	1.58 333	6.44 369	0.78 216	0.19 92	0.14 75	0.21 96	0.22 197	0.19 71	0.20 134

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	1.34 255	1.87 323	1.53 288	0.78 157	7.43 387	1.38 304	0.25 229	0.17 180	0.19 49	0.16 58	0.22 152	0.26 224

Consistency-Raft	1.25 309	0.99 361	1.93 350	1.02 367	1.21 377	0.96 224	1.01 321	1.75 253	1.92 353	1.36 260	2.12 341	1.44 272	1.01 252	1.14 119	1.40 308	0.72 370	0.82 386	0.89 374	0.98 388	1.31 381	0.95 372

GMM-Stereo	0.74 178	0.25 35	0.59 52	0.54 134	0.34 137	0.72 144	0.99 317	1.01 73	0.87 81	1.36 260	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	0.85 370

ssnet_v2	0.88 235	0.36 229	1.02 246	0.62 229	0.38 170	1.32 284	0.97 313	2.07 329	1.34 276	1.37 262	1.18 161	1.54 289	0.92 212	1.10 112	1.65 330	0.30 274	0.27 291	0.30 263	0.28 277	0.27 221	0.26 224

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	1.37 262	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

MMNet	0.84 221	0.32 171	1.09 265	0.60 206	0.59 282	1.85 339	0.49 163	1.51 201	1.27 246	1.37 262	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

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	1.37 262	1.15 153	1.43 268	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.
PDISCO_ROB	1.32 317	0.65 329	1.44 311	1.36 377	1.46 383	2.55 369	0.92 303	2.45 372	2.07 361	1.37 262	1.49 259	1.65 308	1.00 250	2.82 293	1.35 302	1.01 376	0.27 291	0.54 355	0.47 350	0.71 363	0.73 364

CRFU-Net	0.86 230	0.39 245	1.00 236	0.65 258	0.57 267	1.78 333	0.86 291	2.15 340	0.81 69	1.38 267	1.18 161	1.64 306	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

DDUNet	1.50 332	2.69 407	1.12 272	1.77 384	1.88 387	1.84 338	0.92 303	1.70 244	1.16 203	1.38 267	1.79 312	1.60 299	1.12 279	1.37 149	1.08 266	1.10 383	0.76 384	2.37 392	0.94 384	2.00 384	1.37 384

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	1.38 267	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

RYNet	1.17 304	0.49 284	1.24 288	0.70 291	0.97 362	1.71 322	0.92 303	1.91 295	1.46 315	1.38 267	1.14 147	1.88 323	1.30 310	4.24 326	1.87 338	0.26 243	0.21 241	0.35 304	0.27 260	0.55 340	0.54 336

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	1.38 267	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

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	1.39 272	2.14 343	1.02 178	2.07 368	5.64 356	0.77 214	0.17 32	0.15 125	0.20 73	0.20 136	0.18 41	0.20 134

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	1.40 273	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	1.40 273	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

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	1.41 275	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	1.41 275	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	1.41 275	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-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	1.41 275	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

GwcNet	1.08 283	0.51 291	2.33 363	0.79 322	1.18 375	1.76 328	0.70 256	1.68 239	1.47 316	1.41 275	1.64 293	1.74 318	1.04 260	2.20 266	1.41 312	0.30 274	0.29 305	0.29 254	0.27 260	0.30 249	0.35 283

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	1.41 275	2.00 333	1.33 255	1.08 271	2.17 261	0.76 208	0.43 334	0.42 352	0.47 343	0.44 343	0.41 299	0.36 287

pcwnet_v2	0.97 259	0.37 235	4.33 383	0.62 229	0.54 258	0.79 175	0.45 135	2.02 321	1.58 329	1.42 281	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

otaku	1.60 339	1.11 370	1.21 282	2.20 387	1.56 384	1.97 346	1.24 343	2.07 329	1.36 287	1.44 282	1.62 289	1.73 316	1.19 290	1.73 218	0.98 257	2.89 395	0.57 377	1.74 384	0.60 370	2.78 391	1.94 391

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	1.44 282	1.27 190	1.34 259	0.75 140	2.52 284	0.84 236	0.42 329	0.27 291	0.83 372	0.26 252	0.41 299	0.29 244

Prome-Stereo	0.75 185	0.27 67	0.53 28	0.55 153	0.32 106	0.59 78	0.97 313	0.89 33	0.88 85	1.45 284	2.46 357	0.91 136	1.41 317	1.58 193	0.44 84	0.18 60	0.13 42	0.19 49	0.17 74	0.20 97	0.92 371

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	1.45 284	1.44 244	1.44 272	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
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	1.46 286	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

AAGNet	1.83 354	0.28 83	0.72 118	0.61 218	0.32 106	0.67 121	0.51 170	0.96 59	0.98 122	1.47 287	1.20 167	1.00 169	1.18 287	2.83 294	22.77 418	0.22 167	0.13 42	0.22 122	0.19 108	0.23 177	0.15 27

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	1.47 287	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	1.47 287	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

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	1.47 287	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

ccnet	1.12 293	0.67 331	1.01 240	0.78 321	0.73 319	1.72 324	0.99 317	1.84 279	1.26 239	1.47 287	1.85 320	1.75 321	1.29 306	1.75 219	1.88 340	0.57 361	0.53 372	0.57 364	0.55 363	0.59 347	0.54 336

S-Stereo	1.15 301	0.46 272	2.17 358	0.81 328	0.80 341	1.21 271	1.19 340	1.93 302	2.02 358	1.47 287	2.11 340	1.57 293	1.17 284	2.05 254	1.41 312	0.40 322	0.40 348	0.35 304	0.31 300	0.44 316	0.70 361

Wz-Net-SNSev	1.49 330	1.23 376	6.27 393	0.68 283	0.67 303	1.37 290	1.41 353	2.00 314	1.39 299	1.48 293	1.61 286	2.29 352	1.32 312	3.93 321	2.14 351	0.31 281	0.28 297	0.31 267	0.33 312	0.42 304	0.36 287

DPSNet	1.69 348	0.59 314	4.33 383	0.70 291	0.57 267	2.02 350	1.62 365	3.35 387	1.78 343	1.48 293	1.38 228	2.17 348	2.84 383	4.77 336	3.66 371	0.48 348	0.31 315	0.29 254	0.25 239	0.64 354	0.48 325

GANet	1.36 321	0.47 276	0.86 187	0.67 273	0.45 210	1.34 287	1.73 368	1.64 232	1.24 231	1.49 295	2.38 352	1.55 291	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

RainbowNet	1.97 363	1.76 388	1.57 328	2.81 395	2.21 391	1.98 348	1.81 372	2.54 375	1.89 350	1.50 296	1.84 318	1.96 335	1.65 340	2.14 260	1.25 287	3.33 402	0.85 391	2.39 395	0.98 388	2.82 394	2.22 393

SuperB	2.53 380	0.59 314	18.45 410	0.69 286	0.50 234	1.87 341	0.88 294	1.67 238	2.39 367	1.50 296	1.42 237	1.14 213	1.15 283	4.28 329	5.07 379	0.24 205	0.19 208	0.22 122	0.19 108	7.86 417	0.34 278

NCCL2	1.00 268	0.56 304	1.06 257	0.75 314	0.57 267	1.31 283	1.72 367	1.77 262	1.36 287	1.50 296	1.17 159	1.91 328	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

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	1.52 299	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

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	1.53 300	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

LMCR-Stereo	0.82 212	0.46 272	0.88 200	0.75 314	0.43 197	1.33 285	0.56 208	2.43 371	0.98 122	1.53 300	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

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	1.53 300	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

HSM-Net_RVC	0.87 234	0.29 110	0.53 28	0.53 119	0.30 79	1.15 259	0.55 202	3.57 388	1.28 251	1.53 300	1.74 305	1.68 311	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
Wz-Net-LNSev-Ref	0.99 264	0.40 249	1.82 344	0.66 263	0.62 293	2.05 351	0.78 270	1.91 295	1.29 255	1.54 304	1.42 237	1.51 286	1.23 298	1.99 248	1.33 297	0.23 190	0.14 75	0.20 73	0.15 30	0.27 221	0.26 224

RGC	1.14 298	0.79 348	1.26 291	0.91 357	0.96 361	1.52 307	0.77 268	1.92 298	1.26 239	1.54 304	1.93 329	2.02 342	1.54 330	2.25 270	1.31 296	0.44 339	0.35 332	0.58 365	0.48 352	0.47 322	0.46 319

ADCP+	1.99 364	0.48 281	7.73 395	0.66 263	0.91 354	2.30 361	1.05 325	1.82 274	1.34 276	1.54 304	1.32 208	1.74 318	1.61 337	2.17 261	13.37 404	0.24 205	0.21 241	0.32 280	0.28 277	0.37 280	0.29 244

RP	1.09 285	0.50 288	1.12 272	0.90 354	1.04 364	1.11 249	0.84 285	1.80 270	1.62 331	1.55 307	2.00 333	1.90 327	1.78 350	1.84 231	1.25 287	0.52 353	0.36 337	0.48 344	0.36 325	0.45 319	0.43 311

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	1.56 308	1.60 282	2.03 343	2.12 369	9.72 407	0.97 255	0.21 144	0.18 195	0.27 236	0.23 217	0.22 152	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	1.56 308	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

DSFCA	0.93 248	0.34 206	1.06 257	0.52 111	0.65 299	1.55 310	0.93 307	1.49 192	1.19 212	1.56 308	1.15 153	1.50 284	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

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	1.56 308	2.40 354	1.99 338	1.65 340	1.81 230	1.48 323	0.48 348	0.28 297	0.49 346	0.33 312	0.39 292	0.32 272

Wz-Net-TNSev	1.88 357	2.08 400	7.66 394	0.67 273	0.64 296	2.42 366	1.83 374	2.33 363	1.74 342	1.57 312	1.56 274	2.58 364	1.90 359	4.86 337	3.12 364	0.39 320	0.37 339	0.33 287	0.37 328	0.53 337	0.58 345

ADCRef	1.35 320	0.55 301	2.37 365	0.72 301	0.77 331	1.94 344	0.78 270	1.91 295	1.27 246	1.57 312	1.59 281	1.36 260	1.41 317	1.54 185	7.53 389	0.23 190	0.20 225	0.32 280	0.30 296	0.29 240	0.29 244

OMP-Stereo	0.94 249	0.33 187	0.72 118	0.90 354	0.31 91	0.49 30	0.36 56	1.16 122	1.06 153	1.58 314	1.12 139	1.46 276	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

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	1.61 315	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	1.61 315	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
StereoDRNet	0.98 263	0.47 276	1.70 335	0.76 316	0.94 358	1.51 306	0.91 301	1.92 298	1.32 270	1.61 315	1.13 144	1.47 281	0.97 236	1.75 219	1.46 321	0.28 262	0.23 263	0.29 254	0.27 260	0.35 270	0.27 230

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	1.62 318	2.21 345	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	1.02 375

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	1.62 318	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

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	1.64 320	1.65 295	1.70 313	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

PSM-AAD	0.79 201	0.27 67	0.53 28	0.55 153	0.28 52	0.77 166	1.24 343	0.99 64	0.91 97	1.66 321	1.57 278	0.81 98	2.19 371	1.65 201	0.44 84	0.19 92	0.14 75	0.38 317	0.32 306	0.21 131	0.70 361

Anonymous Stereo	1.28 311	0.75 344	2.45 367	0.74 310	0.77 331	0.93 214	1.77 369	1.51 201	1.31 265	1.67 322	1.29 197	1.20 221	0.75 140	6.29 367	1.68 333	0.37 313	0.36 337	0.38 317	0.40 335	0.43 309	0.45 315

MADNet+	2.69 384	3.22 410	11.53 405	1.44 382	1.12 370	3.19 382	1.81 372	2.85 379	2.37 366	1.68 323	2.07 339	2.85 372	2.18 370	7.41 386	5.23 380	0.79 371	0.76 384	0.69 370	0.65 372	0.98 371	0.95 372

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	1.69 324	1.37 224	1.46 276	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

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	1.71 325	1.83 316	2.54 363	1.44 320	2.43 281	1.23 285	0.42 329	0.41 350	0.54 355	0.35 321	0.42 304	0.46 319

stereogan	1.15 301	0.42 258	1.40 308	0.86 344	0.84 347	2.38 365	0.71 258	1.88 286	1.73 340	1.72 326	1.94 331	2.31 354	1.29 306	2.07 255	1.08 266	0.36 309	0.35 332	0.39 323	0.31 300	0.51 333	0.46 319

MFN_U_SF_DS_RVC	1.74 353	0.87 354	3.56 379	0.80 325	0.75 327	3.72 388	2.44 398	1.82 274	1.82 347	1.74 327	1.91 327	1.92 331	1.26 303	7.69 391	1.28 293	0.45 340	0.47 364	0.52 349	0.77 375	0.50 329	0.50 330

FTStereo	0.91 243	0.26 46	0.56 37	0.54 134	0.33 122	0.66 117	1.87 377	1.00 68	0.75 56	1.75 328	4.15 380	1.04 184	1.65 340	1.57 191	0.46 105	0.19 92	0.16 156	0.23 150	0.21 172	0.18 41	0.63 353

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	1.75 328	1.98 332	2.03 343	1.48 326	2.02 250	1.18 283	0.42 329	0.35 332	0.34 297	0.29 288	0.35 270	0.53 335

FBW_ROB	1.71 351	0.62 325	1.45 315	0.67 273	0.61 288	1.81 334	1.08 328	2.52 374	1.70 337	1.77 330	1.73 304	1.98 337	1.25 301	12.57 413	1.84 337	0.34 299	0.37 339	0.56 362	0.38 330	0.45 319	0.43 311

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	1.78 331	2.02 336	0.80 95	1.74 347	2.73 292	0.72 199	0.17 32	0.14 75	0.20 73	0.20 136	0.18 41	0.21 150

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	1.78 331	1.54 268	2.01 340	1.11 276	2.90 297	2.00 346	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
DRN-Test	1.00 268	0.44 264	1.13 274	0.70 291	0.81 343	1.62 315	0.79 273	2.14 338	1.44 313	1.78 331	1.33 210	1.43 268	1.05 264	2.18 264	1.53 326	0.27 252	0.21 241	0.31 267	0.30 296	0.32 261	0.28 241

Wz-Net-MNSev	1.11 291	0.58 311	2.23 361	0.66 263	0.71 314	1.95 345	1.46 356	1.98 312	1.45 314	1.79 334	1.43 241	1.49 283	1.33 313	1.97 247	1.42 316	0.27 252	0.23 263	0.28 246	0.28 277	0.34 269	0.31 266

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	1.79 334	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	1.79 334	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

LALA_ROB	1.01 271	0.59 314	1.16 277	0.67 273	0.51 244	1.63 316	1.26 347	1.69 241	1.38 295	1.81 337	1.37 224	1.94 333	1.02 257	1.58 193	1.38 304	0.37 313	0.27 291	0.43 334	0.37 328	0.43 309	0.37 289

ACVNet_1	2.18 368	1.45 383	1.72 337	2.85 396	2.33 396	2.28 360	1.46 356	3.08 383	2.22 365	1.82 338	2.05 338	3.56 378	1.98 363	3.09 305	1.40 308	3.17 397	0.60 379	2.40 396	0.92 383	2.91 398	2.37 396

PASM	1.34 319	0.92 357	2.62 372	0.86 344	0.87 352	1.03 237	1.08 328	1.50 196	1.51 322	1.82 338	1.41 236	1.68 311	1.26 303	4.87 338	1.34 299	0.61 364	0.65 383	0.68 368	0.78 376	0.69 361	0.68 360

XPNet_ROB	0.96 253	0.49 284	1.09 265	0.72 301	0.57 267	1.11 249	1.14 334	1.66 237	1.23 227	1.85 340	1.39 232	1.64 306	1.11 276	1.80 228	1.42 316	0.38 317	0.30 309	0.33 287	0.29 288	0.37 280	0.34 278

XQC	1.37 322	0.87 354	2.56 370	0.84 337	0.69 311	1.83 337	0.89 296	2.07 329	1.88 349	1.88 341	1.53 266	1.91 328	1.55 332	2.85 296	3.05 362	0.48 348	0.29 305	0.44 337	0.39 331	0.69 361	0.60 350

ADCPNet	1.85 356	0.69 334	8.07 396	0.71 298	0.58 275	2.79 376	1.22 342	1.94 304	1.54 326	1.88 341	1.69 300	2.46 362	2.04 365	2.37 277	6.48 384	0.38 317	0.37 339	0.38 317	0.43 341	0.47 322	0.45 315

MSC_U_SF_DS_RVC	2.12 366	1.15 373	3.10 377	1.05 368	0.76 330	5.03 402	2.40 397	2.16 343	2.62 376	1.89 343	2.28 348	2.69 368	1.65 340	9.35 403	2.04 347	0.64 368	0.51 370	0.68 368	0.71 373	1.09 376	0.67 358

ADCL	1.72 352	0.57 308	3.66 380	0.67 273	0.61 288	2.61 372	1.85 375	1.96 307	1.67 335	1.90 344	1.83 316	2.06 346	1.90 359	2.13 259	9.15 397	0.26 243	0.24 272	0.34 297	0.32 306	0.38 288	0.35 283

ETE_ROB	0.96 253	0.64 328	1.16 277	0.69 286	0.48 225	1.14 254	1.13 333	1.77 262	1.19 212	1.91 345	1.45 246	1.73 316	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

NVStereoNet_ROB	1.88 357	1.07 365	1.45 315	1.07 371	1.17 373	1.47 302	1.48 358	1.89 288	1.93 355	1.94 346	4.67 387	3.08 375	1.80 352	6.51 370	1.65 330	1.06 381	0.86 393	1.08 381	1.32 393	0.93 370	1.26 383
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MFN_U_SF_RVC	1.52 334	0.84 350	3.42 378	0.87 349	0.66 301	2.56 370	0.95 311	2.36 366	1.70 337	1.98 347	1.86 321	2.45 361	1.79 351	2.95 298	2.58 356	0.52 353	0.48 365	0.55 359	0.59 369	0.59 347	0.61 351

GrayStereo	0.82 212	0.26 46	0.58 48	0.63 237	0.37 153	0.76 160	1.86 376	1.11 115	0.87 81	1.99 348	1.89 325	1.08 193	1.82 355	1.39 158	0.48 115	0.19 92	0.14 75	0.19 49	0.21 172	0.18 41	0.39 298

psmorigin	1.52 334	0.69 334	10.52 403	0.68 283	0.59 282	1.13 253	0.70 256	1.57 218	1.19 212	1.99 348	1.79 312	2.26 351	1.47 325	2.09 256	1.36 303	0.39 320	0.40 348	0.34 297	0.33 312	0.43 309	0.56 340

CBMV	0.95 252	0.44 264	0.66 82	0.53 119	0.35 140	1.53 308	1.63 366	1.69 241	1.42 310	2.00 350	1.60 282	1.43 268	1.17 284	1.59 195	0.99 258	0.34 299	0.34 324	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
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	2.05 351	4.65 386	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

WZ-Net	1.95 361	0.95 358	10.10 400	0.86 344	0.78 334	1.69 321	1.60 364	2.20 354	1.98 356	2.08 352	1.93 329	2.30 353	1.97 362	5.30 344	3.17 367	0.34 299	0.26 283	0.29 254	0.31 300	0.51 333	0.47 322

NaN_ROB	1.13 296	0.55 301	1.15 276	0.64 246	0.48 225	1.61 314	2.03 385	1.72 246	1.48 317	2.09 353	1.27 190	1.40 264	1.08 271	3.94 322	1.30 295	0.28 262	0.34 324	0.28 246	0.28 277	0.30 249	0.33 276

SGM-Forest	1.24 307	0.38 240	0.60 56	0.52 111	0.37 153	1.56 311	1.30 348	1.65 233	1.36 287	2.11 354	1.79 312	1.63 303	0.93 218	7.48 389	0.95 250	0.36 309	0.37 339	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
ACVNet_2	2.43 378	1.41 381	2.04 352	2.62 393	2.24 392	2.63 373	1.88 378	3.31 385	3.01 381	2.19 355	3.45 373	4.62 385	2.04 365	4.50 332	1.47 322	2.55 392	0.64 381	2.22 389	0.84 379	2.69 390	2.29 395

RTSC	1.29 312	0.73 339	2.44 366	0.83 336	0.57 267	1.85 339	0.65 240	1.88 286	2.00 357	2.20 356	1.66 297	1.60 299	1.26 303	2.33 274	3.92 373	0.32 286	0.23 263	0.27 236	0.29 288	0.37 280	0.37 289

MFMNet_re	1.40 326	1.14 372	1.68 334	1.39 379	1.07 365	1.48 303	1.43 354	1.87 284	1.82 347	2.26 357	2.19 344	1.51 286	1.86 356	1.52 179	1.25 287	0.93 374	0.83 387	0.84 373	0.80 377	0.99 373	1.05 379

PWC_ROB	1.24 307	0.76 346	2.46 368	0.72 301	0.78 334	1.15 259	0.49 163	1.75 253	1.92 353	2.31 358	3.07 367	1.59 297	1.40 316	2.46 282	2.10 350	0.33 291	0.22 255	0.35 304	0.24 228	0.38 288	0.41 303

IMH-64-1	2.70 385	1.79 390	1.46 317	3.26 403	2.66 399	3.23 384	2.10 386	4.08 391	2.75 379	2.34 359	3.81 377	3.06 373	2.22 372	4.25 327	2.59 357	3.75 406	0.84 388	2.75 402	1.35 394	3.15 400	2.60 402

IMH-64	2.70 385	1.79 390	1.46 317	3.26 403	2.66 399	3.23 384	2.10 386	4.08 391	2.75 379	2.34 359	3.81 377	3.06 373	2.22 372	4.25 327	2.59 357	3.75 406	0.84 388	2.75 402	1.35 394	3.15 400	2.60 402

LVE	3.31 392	1.67 387	1.64 331	2.85 396	2.42 397	3.20 383	2.26 393	4.78 399	5.05 398	2.35 361	6.91 395	6.02 395	2.37 375	9.15 399	2.17 352	3.19 399	1.08 404	2.38 394	1.47 400	2.81 393	2.40 398

CSAN	1.41 327	0.59 314	1.26 291	0.70 291	0.50 234	1.76 328	1.78 370	1.77 262	1.90 352	2.35 361	2.32 349	1.92 331	1.94 361	5.56 354	1.49 324	0.43 334	0.35 332	0.40 328	0.41 337	0.43 309	0.41 303

WAO-6	2.81 388	1.60 386	1.46 317	2.36 391	2.28 394	3.55 386	2.29 394	4.21 394	4.56 397	2.36 363	4.51 382	4.88 389	2.66 381	4.60 333	4.07 376	1.72 385	1.15 405	2.31 391	1.46 399	2.31 385	1.85 389

SANet	1.88 357	0.57 308	2.18 360	0.63 237	0.40 183	2.80 377	1.57 363	2.39 369	5.88 401	2.36 363	3.57 374	3.72 381	2.97 385	4.74 335	1.76 334	0.34 299	0.30 309	0.32 280	0.29 288	0.48 325	0.37 289

SHD	1.31 315	0.71 338	2.34 364	0.86 344	0.75 327	1.77 331	0.65 240	2.22 355	2.50 374	2.40 365	1.71 302	1.91 328	1.60 336	1.93 243	2.37 354	0.38 317	0.31 315	0.38 317	0.40 335	0.48 325	0.50 330

AnyNet_C32	1.96 362	1.10 367	5.17 387	0.90 354	1.11 368	2.12 355	2.37 396	1.85 280	1.48 317	2.45 366	1.70 301	2.05 345	1.64 339	2.50 283	10.28 400	0.37 313	0.34 324	0.35 304	0.41 337	0.49 328	0.54 336

DispFullNet	2.34 373	2.85 408	3.66 380	3.08 401	2.27 393	1.97 346	0.67 248	2.00 314	1.70 337	2.52 367	2.00 333	2.23 349	5.86 402	3.44 316	1.58 327	1.01 376	0.32 322	2.64 401	1.94 406	2.85 396	2.24 394

AnyNet_C01	2.26 370	1.78 389	10.22 402	0.93 360	0.74 321	2.92 379	2.20 391	2.29 361	1.80 345	2.53 368	2.41 355	2.71 369	1.73 346	3.41 313	6.72 386	0.41 326	0.39 346	0.40 328	0.42 339	0.67 359	0.63 353

RTS	2.67 382	1.38 378	15.28 408	0.99 364	1.26 379	3.78 389	1.96 382	2.15 340	2.62 376	2.61 369	2.85 365	2.60 365	1.59 334	6.27 365	5.71 382	0.40 322	0.28 297	0.35 304	0.35 321	0.50 329	0.48 325

RTSA	2.67 382	1.38 378	15.28 408	0.99 364	1.26 379	3.78 389	1.96 382	2.15 340	2.62 376	2.61 369	2.85 365	2.60 365	1.59 334	6.27 365	5.71 382	0.40 322	0.28 297	0.35 304	0.35 321	0.50 329	0.48 325

pmcnn	2.37 374	0.42 258	2.71 374	0.63 237	0.43 197	1.54 309	1.19 340	2.01 318	1.53 325	2.64 371	7.60 400	18.07 414	1.45 322	3.44 316	2.78 360	0.18 60	0.15 125	0.15 3	0.12 9	0.20 97	0.18 78

IMH	3.21 391	1.85 394	1.48 322	3.25 402	2.69 401	4.07 395	2.02 384	4.41 396	3.80 390	2.72 372	7.11 398	4.75 388	2.92 384	5.92 361	2.55 355	3.85 409	0.88 394	2.78 404	1.36 396	3.19 402	2.59 401

JetBlue	3.97 393	2.01 395	10.19 401	1.38 378	2.84 403	10.53 410	9.54 410	3.60 389	2.41 368	2.73 373	3.39 372	4.54 384	4.31 397	7.85 394	6.84 387	0.88 372	0.93 397	0.89 374	0.91 382	1.74 382	1.91 390

SAMSARA	1.55 336	0.84 350	2.61 371	1.22 376	1.07 365	2.50 368	1.93 380	2.05 323	1.89 350	2.75 374	1.66 297	2.81 370	1.69 345	3.08 304	1.97 345	0.46 346	0.51 370	0.42 332	0.46 348	0.58 345	0.59 347

Dean	2.91 390	1.53 385	2.07 353	2.96 400	2.51 398	3.15 381	2.14 389	4.75 398	4.41 396	2.76 375	6.10 393	5.53 393	2.37 375	2.97 300	1.92 342	3.18 398	0.85 391	2.51 399	1.04 391	2.88 397	2.47 399

G-Net	1.66 344	0.63 326	1.56 327	1.11 373	0.74 321	2.98 380	0.91 301	1.55 216	1.22 224	2.76 375	8.18 405	2.32 355	2.53 380	1.92 240	1.87 338	0.48 348	0.44 356	0.45 338	0.31 300	0.60 351	0.57 344

ADCS	2.25 369	0.99 361	5.55 388	0.81 328	0.74 321	2.19 357	1.80 371	2.27 359	2.14 362	2.80 377	2.13 342	2.40 359	2.03 364	2.64 289	13.69 405	0.41 326	0.39 346	0.40 328	0.45 345	0.58 345	0.56 340

ADCMid	1.89 360	0.73 339	5.06 386	0.72 301	0.67 303	2.00 349	1.14 334	1.97 311	1.48 317	2.86 378	1.81 315	2.37 357	2.05 367	2.24 268	10.39 401	0.33 291	0.31 315	0.39 323	0.43 341	0.50 329	0.44 313

WAO-7	2.66 381	1.40 380	1.73 339	1.39 379	1.17 373	3.93 392	1.94 381	4.11 393	3.88 391	2.92 379	5.50 391	4.18 383	3.00 387	7.63 390	3.71 372	1.13 384	1.00 399	1.17 382	1.13 392	1.18 378	1.09 381

tt	6.58 405	0.26 46	6.10 392	3.77 409	2.16 388	11.55 411	19.63 415	13.33 416	5.74 400	2.96 380	2.65 361	4.97 391	6.33 406	3.81 320	7.24 388	9.15 417	11.32 422	5.89 417	6.24 416	6.03 413	2.55 400

LSM	6.33 403	1.10 367	13.19 406	1.41 381	68.17 430	1.64 318	1.90 379	1.92 298	2.46 369	2.99 381	3.11 368	1.88 323	1.80 352	2.61 288	2.06 349	0.41 326	0.58 378	0.50 347	0.57 365	0.64 354	17.66 422

KSHMR	8.75 409	2.06 399	2.11 355	3.53 407	3.11 405	4.13 396	2.69 399	5.60 402	61.37 434	3.00 382	55.83 434	4.98 392	2.45 378	4.49 331	2.61 359	3.46 403	1.55 409	3.14 408	1.94 406	3.72 405	3.18 407

PVD	1.70 349	0.84 350	2.26 362	0.94 362	0.83 346	2.48 367	0.97 313	2.59 376	3.35 385	3.01 383	2.77 363	2.34 356	2.47 379	2.67 290	3.14 365	0.47 347	0.45 360	0.59 366	0.48 352	0.59 347	0.75 366

PWCK	2.88 389	2.05 398	5.72 390	2.08 386	1.11 368	3.55 386	3.90 406	2.86 380	3.54 389	3.03 384	3.63 375	3.10 376	2.31 374	8.15 397	3.09 363	2.12 389	0.91 396	1.75 385	0.98 388	2.57 389	1.18 382

SPS-STEREO	1.67 345	1.04 364	1.23 285	1.21 375	1.13 372	1.82 336	1.11 330	2.16 343	1.52 323	3.07 385	2.32 349	2.82 371	1.80 352	4.11 325	2.04 347	1.03 379	0.99 398	0.97 376	0.94 384	1.03 375	1.02 375
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
aanetorigin	1.23 306	0.79 348	2.78 376	0.70 291	0.79 336	0.99 232	1.06 326	1.06 100	1.37 291	3.52 386	2.61 360	1.72 315	1.63 338	1.99 248	1.78 335	0.25 229	0.24 272	0.26 225	0.25 239	0.38 288	0.45 315

SGM_RVC	1.68 347	0.36 229	0.61 59	0.59 195	0.29 63	2.25 359	1.18 339	2.38 368	1.68 336	3.60 387	2.67 362	3.69 380	2.42 377	8.13 395	1.90 341	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
UNDER WATER	5.08 399	2.33 403	5.55 388	3.94 412	3.51 409	5.20 403	2.72 401	5.61 403	16.52 413	3.84 388	4.60 384	9.21 405	5.89 403	5.90 360	8.66 396	3.75 406	1.34 406	3.18 409	1.88 404	4.33 411	3.61 410

WAO-8	4.40 395	1.82 392	1.79 341	2.34 389	2.20 389	9.19 407	1.53 359	6.09 405	16.46 411	3.94 389	7.84 403	7.32 397	3.72 394	9.41 405	3.31 368	2.00 387	1.07 402	2.44 397	1.37 397	2.50 387	1.68 387

Venus	4.40 395	1.82 392	1.79 341	2.34 389	2.20 389	9.19 407	1.53 359	6.09 405	16.46 411	3.94 389	7.84 403	7.32 397	3.72 394	9.41 405	3.31 368	2.00 387	1.07 402	2.44 397	1.37 397	2.50 387	1.68 387

UNDER WATER-64	5.27 400	2.32 402	8.78 399	3.93 411	3.54 410	7.61 405	3.03 405	5.84 404	14.19 407	4.04 391	4.04 379	9.39 406	6.26 405	5.93 362	8.48 395	3.60 405	1.51 408	3.13 407	1.88 404	4.29 410	3.61 410

WCMA_ROB	1.84 355	0.47 276	1.31 298	0.69 286	0.57 267	2.11 354	1.14 334	1.87 284	1.73 340	4.04 391	6.43 394	5.62 394	3.61 391	2.59 286	1.94 343	0.52 353	0.44 356	0.39 323	0.42 339	0.48 325	0.47 322

ktn	4.70 397	2.38 404	2.12 356	3.76 408	3.24 406	4.85 400	2.95 404	5.52 401	7.37 404	4.07 393	19.32 417	7.46 399	3.47 389	7.39 385	2.95 361	4.04 410	1.85 410	3.26 410	2.22 409	3.08 399	2.65 404

notaker	3.98 394	2.40 405	2.68 373	3.82 410	3.27 408	3.97 394	2.14 389	4.78 399	3.45 388	4.12 394	6.94 396	7.65 401	3.26 388	7.82 393	5.30 381	4.04 410	1.41 407	3.36 411	2.10 408	3.88 406	3.31 408

MSMD_ROB	1.99 364	0.59 314	0.89 205	0.70 291	0.61 288	3.95 393	0.94 309	1.80 270	1.79 344	4.41 395	4.43 381	8.17 403	3.66 392	3.40 312	1.33 297	0.52 353	0.48 365	0.54 355	0.58 366	0.53 337	0.50 330

JetRed	6.91 406	8.80 416	25.96 418	2.85 396	3.25 407	13.98 416	11.87 411	6.25 407	4.28 395	4.45 396	4.56 383	6.69 396	5.46 401	7.46 388	14.05 406	2.59 393	3.31 411	2.59 400	2.29 410	4.20 409	3.36 409

MDST_ROB	1.67 345	0.34 206	1.58 329	0.92 359	0.58 275	4.26 397	1.11 330	2.83 378	1.41 307	4.49 397	2.55 359	1.45 274	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

ELAS_RVC	2.48 379	0.74 342	1.90 348	1.05 368	0.92 356	2.76 374	4.01 407	2.76 377	4.11 393	4.69 398	4.63 385	4.62 385	5.96 404	3.97 323	3.96 374	0.63 367	0.53 372	0.56 362	0.52 360	0.64 354	0.63 353
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficientorigin	10.57 410	1.47 384	177.42 435	0.67 273	0.53 255	1.58 312	1.16 337	1.90 291	3.37 386	4.71 399	3.38 371	3.10 376	2.69 382	3.13 306	3.58 370	0.25 229	0.23 263	0.33 287	0.27 260	0.83 366	0.81 367

EDNetEfficient	2.37 374	1.10 367	8.08 397	0.74 310	0.71 314	0.98 231	1.56 361	1.46 188	4.06 392	4.90 400	2.82 364	2.25 350	3.48 390	2.95 298	9.97 398	0.26 243	0.24 272	0.26 225	0.30 296	0.68 360	0.61 351

MADNet++	5.01 398	3.14 409	4.91 385	4.55 414	3.94 412	5.20 403	4.41 408	4.40 395	4.13 394	4.95 401	6.08 392	4.74 387	5.37 400	9.40 404	10.67 402	4.65 412	4.15 414	3.97 413	3.34 412	4.09 408	4.08 413

TorneroNet-64	5.30 401	2.03 396	1.74 340	3.43 405	2.81 402	10.09 409	2.12 388	9.10 412	17.12 416	4.96 402	9.27 408	10.72 411	3.70 393	9.20 400	4.55 378	3.31 401	0.84 388	2.88 405	1.55 401	3.49 403	3.04 405

ELAS	2.37 374	0.74 342	1.54 326	0.99 364	0.92 356	4.78 399	2.33 395	3.33 386	3.37 386	5.05 403	4.77 388	3.67 379	4.53 399	3.42 314	4.50 377	0.62 365	0.53 372	0.55 359	0.53 361	0.63 352	0.64 357
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
FCDSN-DC	2.32 372	0.63 326	0.81 175	0.84 337	0.75 327	2.23 358	0.94 309	2.09 332	1.80 345	5.45 404	7.72 402	7.77 402	6.93 408	3.39 311	1.80 336	0.52 353	0.48 365	0.52 349	0.51 359	0.57 343	0.58 345
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SGM+DAISY	2.41 377	1.07 365	2.14 357	1.18 374	1.10 367	2.14 356	1.36 351	1.96 307	1.66 334	5.46 405	7.07 397	4.95 390	4.32 398	5.50 351	2.26 353	1.04 380	1.02 401	0.99 378	0.97 386	1.02 374	1.04 377

FC-DCNN	2.72 387	0.59 314	0.86 187	0.73 308	0.57 267	2.91 378	1.04 324	3.01 382	2.60 375	6.83 406	7.64 401	9.92 407	6.33 406	5.21 343	3.14 365	0.53 359	0.48 365	0.51 348	0.50 357	0.53 337	0.51 334

DGTPSM_ROB	13.01 414	8.23 414	21.87 411	9.51 417	18.10 415	11.56 412	32.01 420	10.63 413	16.20 409	7.03 407	19.48 418	10.15 408	16.66 413	9.83 408	22.42 416	4.75 413	8.68 417	5.37 414	10.25 418	6.16 414	11.36 417

DPSMNet_ROB	13.02 415	8.23 414	21.91 412	9.53 418	18.11 416	11.56 412	32.02 421	10.64 414	16.23 410	7.05 408	19.49 419	10.16 409	16.66 413	9.85 409	22.43 417	4.77 414	8.68 417	5.38 415	10.26 419	6.17 415	11.36 417

TorneroNet	10.70 411	2.03 396	1.82 344	3.43 405	3.01 404	43.83 426	2.22 392	8.87 411	67.47 435	7.17 409	27.36 420	10.68 410	3.85 396	8.67 398	7.65 394	3.59 404	0.88 394	3.04 406	1.57 402	3.71 404	3.17 406

MeshStereo	2.26 370	0.56 304	0.92 215	0.61 218	0.49 228	2.60 371	1.02 322	3.18 384	2.05 360	7.40 410	4.98 390	7.58 400	2.98 386	6.37 368	1.96 344	0.43 334	0.43 353	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
MANE	6.19 402	0.59 314	1.03 250	0.93 360	1.22 378	13.38 414	2.69 399	12.81 415	17.94 417	8.21 411	10.82 409	14.72 412	11.68 410	11.39 412	11.90 403	0.59 362	0.50 369	0.52 349	1.76 403	0.55 340	0.54 336

SGM-ForestM	6.52 404	0.38 240	1.26 291	0.63 237	0.35 140	13.59 415	5.32 409	6.32 408	6.70 403	11.14 412	9.18 407	22.51 422	13.93 411	16.89 415	20.07 414	0.36 309	0.37 339	0.36 312	0.35 321	0.36 276	0.34 278

DPSM_ROB	19.08 416	19.14 420	25.17 416	22.15 420	20.85 418	28.17 418	37.82 423	26.56 419	16.85 414	14.14 413	14.84 412	21.70 416	18.75 416	21.87 418	26.55 420	10.16 420	9.30 420	10.47 419	10.42 420	14.03 418	12.61 420

DPSM	19.08 416	19.14 420	25.17 416	22.15 420	20.85 418	28.17 418	37.82 423	26.56 419	16.85 414	14.14 413	14.84 412	21.70 416	18.75 416	21.87 418	26.55 420	10.16 420	9.30 420	10.47 419	10.42 420	14.03 418	12.61 420

Anonymous_1	43.04 431	18.73 419	24.79 415	21.81 419	46.26 429	27.80 417	37.60 422	28.08 421	16.14 408	14.66 415	14.30 411	20.65 415	17.88 415	21.56 417	25.94 419	117.93 435	8.92 419	100.65 432	126.50 432	158.64 435	12.08 419

DPSimNet_ROB	11.20 413	4.98 412	35.43 422	2.90 399	4.52 413	7.89 406	17.09 414	4.66 397	6.06 402	14.89 416	10.93 410	17.29 413	36.81 425	13.18 414	15.68 410	2.86 394	6.29 416	5.75 416	5.09 414	3.91 407	7.70 416

xxxxx1	54.10 433	25.67 422	27.13 419	113.43 432	96.96 432	30.69 422	47.44 425	32.38 423	25.60 418	17.75 417	17.27 414	21.81 418	21.02 418	24.43 421	33.82 422	33.37 429	40.54 430	157.71 433	175.86 433	66.16 431	72.93 433

tt_ll	54.10 433	25.67 422	27.13 419	113.43 432	96.96 432	30.69 422	47.44 425	32.38 423	25.60 418	17.75 417	17.27 414	21.81 418	21.02 418	24.43 421	33.82 422	33.37 429	40.54 430	157.71 433	175.86 433	66.16 431	72.93 433

ff	54.10 433	25.67 422	27.13 419	113.43 432	96.96 432	30.69 422	47.44 425	32.38 423	25.60 418	17.75 417	17.27 414	21.81 418	21.02 418	24.43 421	33.82 422	33.37 429	40.54 430	157.71 433	175.86 433	66.16 431	72.93 433

coex-ft	8.13 408	2.13 401	98.04 434	0.67 273	0.53 255	1.71 322	1.56 361	1.65 233	11.11 406	18.17 420	3.75 376	3.88 382	7.61 409	2.98 301	6.49 385	0.30 274	0.30 309	0.32 280	0.31 300	0.66 358	0.50 330

LE_ROB	8.05 407	0.37 235	23.53 414	0.74 310	0.33 122	2.77 375	2.87 403	3.71 390	27.24 421	25.39 421	8.87 406	8.46 404	26.71 421	6.65 372	21.99 415	0.21 144	0.19 208	0.20 73	0.21 172	0.25 201	0.22 165

LRCNet_RVC	22.74 418	32.10 425	21.97 413	29.84 422	26.23 420	4.42 398	0.81 282	22.66 417	2.02 358	26.93 422	29.26 423	23.06 423	15.59 412	23.84 420	18.88 413	31.75 428	19.90 429	34.65 428	32.13 428	30.54 427	28.32 428

CasAABBNet	38.33 422	38.46 427	50.35 427	44.75 430	41.84 424	56.68 431	76.37 429	53.22 432	33.83 425	28.31 423	29.54 424	43.62 431	37.71 431	43.84 431	53.41 430	20.30 422	18.70 424	21.07 425	21.07 423	28.24 424	25.34 423

Selective-RAFT-Error	38.39 426	38.47 428	50.44 431	44.73 426	41.97 428	56.68 431	76.38 430	53.24 433	33.92 426	28.34 424	29.85 425	43.60 430	38.20 432	43.75 427	53.34 429	20.38 426	18.70 424	21.09 426	21.05 422	28.30 425	25.43 427

MyStereo03	38.34 423	38.50 429	50.41 428	44.74 427	41.86 425	56.65 428	76.38 430	52.99 429	33.93 427	28.39 425	29.99 426	43.54 427	37.42 427	43.82 428	53.53 431	20.31 423	18.71 426	21.06 422	21.08 424	28.23 421	25.35 424

MyStereo02	38.34 423	38.50 429	50.41 428	44.74 427	41.86 425	56.65 428	76.38 430	52.99 429	33.93 427	28.39 425	29.99 426	43.54 427	37.42 427	43.82 428	53.53 431	20.31 423	18.71 426	21.06 422	21.08 424	28.23 421	25.35 424

MyStereo	38.34 423	38.50 429	50.41 428	44.74 427	41.86 425	56.65 428	76.38 430	52.99 429	33.93 427	28.39 425	29.99 426	43.54 427	37.42 427	43.82 428	53.53 431	20.31 423	18.71 426	21.06 422	21.08 424	28.23 421	25.35 424

SPstereo	26.54 420	6.08 413	10.71 404	5.55 415	5.68 414	48.14 427	80.43 434	67.31 435	34.39 430	28.70 428	27.52 421	43.76 432	37.60 430	45.04 434	54.41 435	4.92 415	4.89 415	10.74 421	5.88 415	4.46 412	4.57 414

LSM0	42.82 430	38.75 432	50.81 432	47.07 431	109.38 435	57.00 433	76.02 428	53.74 434	33.71 424	29.02 429	30.41 429	43.87 433	37.22 426	43.91 432	53.54 434	20.52 427	18.62 423	21.10 427	21.11 427	28.41 426	42.22 429

HanzoNet	11.04 412	3.62 411	8.10 398	4.08 413	3.55 411	4.90 401	2.73 402	7.19 409	10.10 405	31.86 430	28.92 422	21.96 421	36.36 423	18.08 416	10.17 399	7.94 416	3.32 412	3.47 412	3.31 411	7.06 416	4.04 412

HaxPig	38.92 427	41.40 433	41.64 423	29.95 423	32.27 421	28.90 420	27.60 417	29.73 422	37.71 431	43.82 431	43.87 430	33.17 424	35.56 422	41.53 425	40.37 427	43.94 432	47.51 434	45.82 429	47.08 430	42.38 428	44.15 431

AVERAGE_ROB	40.43 428	42.37 434	42.73 424	36.96 425	35.58 423	30.50 421	27.61 418	36.71 428	38.39 432	44.91 432	44.36 431	37.45 426	36.70 424	41.88 426	40.35 426	45.43 433	46.81 433	47.11 430	46.35 429	42.51 429	43.87 430

MEDIAN_ROB	42.00 429	44.40 435	44.29 426	35.15 424	34.95 422	31.28 425	29.60 419	35.88 427	40.02 433	47.20 433	46.64 432	37.37 425	38.48 433	44.35 433	42.45 428	48.03 434	49.39 435	49.71 431	49.03 431	45.14 430	46.65 432

BEATNet-Init1	26.87 421	13.43 418	70.68 433	0.91 357	0.68 309	57.02 434	21.06 416	32.82 426	32.67 423	52.12 434	53.61 433	66.05 434	49.56 434	48.79 435	34.71 425	0.49 352	0.44 356	0.53 354	0.53 361	0.63 352	0.59 347

PML	51.67 432	36.25 426	13.28 407	7.46 416	20.81 417	108.69 435	232.22 436	8.72 410	27.82 422	87.01 435	269.67 436	69.67 435	61.95 435	24.76 424	14.20 407	9.74 419	3.40 413	9.62 418	4.70 413	18.74 420	4.72 415

test_example2	192.40 436	210.76 437	206.48 436	199.83 436	204.73 436	172.94 436	183.52 435	133.93 436	133.41 436	191.38 436	196.19 435	187.13 436	178.77 436	205.33 436	208.00 436	222.09 436	238.72 436	186.54 436	190.54 436	227.34 436	170.31 436

ASD4		10.99 417

Low-res two-view benchmark