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	0.63 118	0.18 1	0.37 2	2.27 391	0.84 350	0.57 75	0.54 191	0.79 14	0.62 24	0.48 19	0.70 32	0.36 2	0.26 1	0.45 2	0.35 27	2.24 393	0.10 1	0.14 1	0.09 1	0.15 5	1.06 383

CES	0.48 34	0.20 2	0.37 2	0.39 4	1.39 384	0.55 67	0.35 48	0.98 63	0.66 41	0.44 9	0.66 24	0.35 1	0.27 2	0.56 11	0.33 16	0.15 6	0.13 43	0.15 3	0.10 2	0.19 73	1.46 388

s12784h	0.52 41	0.20 2	0.38 4	0.41 5	0.19 1	0.96 227	0.34 44	1.17 125	1.25 236	0.81 68	0.90 66	0.63 59	0.50 58	1.45 170	0.42 75	0.14 4	0.12 9	0.17 15	0.11 6	0.18 43	0.11 1

LoS	0.40 8	0.21 4	0.44 11	0.37 2	0.22 4	0.50 40	0.40 85	1.00 69	0.94 108	0.48 19	0.66 24	0.48 23	0.40 18	0.60 24	0.37 39	0.18 60	0.14 76	0.16 9	0.11 6	0.14 2	0.14 11

CREStereo++_RVC	0.47 32	0.21 4	0.38 4	0.45 33	0.38 172	0.45 17	0.25 4	0.75 9	1.29 257	0.80 64	1.21 170	0.47 20	0.37 13	0.53 6	0.44 86	0.16 11	0.11 3	0.15 3	0.80 380	0.18 43	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
TANstereo	0.44 23	0.21 4	0.44 11	0.41 5	0.21 3	0.65 110	0.26 10	0.79 14	0.83 76	0.93 85	0.98 83	0.51 33	0.46 35	0.54 8	0.35 27	0.18 60	0.24 275	0.16 9	0.13 11	0.16 13	0.26 227

CREStereo	0.39 5	0.21 4	0.38 4	0.34 1	0.22 4	0.53 58	0.29 20	0.77 12	1.11 176	0.58 34	0.71 34	0.51 33	0.41 20	0.54 8	0.34 24	0.18 60	0.13 43	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
PMTNet	0.46 26	0.21 4	0.38 4	0.37 2	0.23 6	0.71 144	0.27 15	0.74 8	1.04 148	0.64 42	0.70 32	0.55 41	0.47 41	0.86 71	0.35 27	1.00 378	0.13 43	0.15 3	0.10 2	0.15 5	0.13 3

IGEV+	0.40 8	0.22 9	0.51 24	0.52 112	0.29 64	0.45 17	0.25 4	1.65 234	0.46 4	0.37 2	0.57 19	0.46 16	0.45 31	0.50 4	0.38 49	0.19 92	0.12 9	0.16 9	0.13 11	0.16 13	0.15 27

EGLCR-Stereo	0.37 3	0.22 9	0.51 24	0.43 8	0.26 20	0.44 16	0.22 2	0.99 65	0.48 5	0.42 5	0.42 2	0.67 69	0.29 3	0.86 71	0.33 16	0.17 32	0.12 9	0.19 51	0.17 76	0.17 25	0.15 27

test_4	0.53 50	0.22 9	0.56 38	0.54 136	0.32 108	0.64 98	0.39 82	0.80 19	0.62 24	0.92 84	1.87 326	0.68 71	0.42 22	1.16 124	0.37 39	0.15 6	0.13 43	0.20 75	0.22 200	0.20 99	0.15 27

test-3	0.54 64	0.22 9	0.68 90	0.47 42	0.27 33	0.58 76	0.35 48	0.92 42	1.00 136	1.32 247	0.69 31	0.87 129	0.45 31	1.68 213	0.37 39	0.16 11	0.11 3	0.20 75	0.16 60	0.17 25	0.13 3

test_1	0.54 64	0.22 9	0.68 90	0.47 42	0.27 33	0.58 76	0.35 48	0.92 42	1.00 136	1.28 223	0.68 28	0.87 129	0.45 31	1.67 208	0.37 39	0.16 11	0.11 3	0.20 75	0.16 60	0.17 25	0.13 3

MIF-Stereo	0.36 1	0.23 14	0.59 54	0.48 53	0.36 147	0.40 10	0.32 31	0.53 1	0.49 6	0.54 32	0.55 17	0.36 2	0.31 6	0.58 14	0.51 133	0.20 119	0.15 126	0.17 15	0.15 31	0.19 73	0.15 27

MC-Stereo	0.43 15	0.23 14	0.48 15	0.51 96	0.28 52	0.39 9	0.32 31	0.88 33	0.68 45	0.60 40	0.84 56	0.56 43	0.61 108	1.03 100	0.31 5	0.17 32	0.11 3	0.17 15	0.15 31	0.16 13	0.13 3

RCA-Stereo	0.50 39	0.23 14	0.58 49	0.48 53	0.33 124	0.55 67	0.45 137	0.97 61	1.38 297	0.68 45	1.05 112	0.63 59	0.80 166	0.59 15	0.32 7	0.17 32	0.12 9	0.17 15	0.14 23	0.16 13	0.14 11

test_3	0.55 79	0.23 14	0.71 116	0.53 121	0.28 52	0.61 89	0.40 85	0.92 42	1.05 152	1.19 187	0.68 28	0.93 147	0.44 28	1.67 208	0.39 56	0.15 6	0.12 9	0.22 124	0.19 110	0.21 133	0.14 11

DEmStereo	0.97 261	0.23 14	0.79 171	0.47 42	0.32 108	1.04 242	0.56 210	0.93 46	0.89 90	1.39 275	2.14 346	1.02 180	2.07 371	5.64 359	0.77 216	0.17 32	0.15 126	0.20 75	0.20 139	0.18 43	0.20 136

111	0.60 103	0.23 14	0.70 105	0.43 8	0.24 9	0.72 146	0.42 98	1.18 130	1.41 309	0.80 64	1.38 230	1.10 204	0.79 161	0.96 85	0.58 164	0.18 60	0.13 43	0.17 15	0.15 31	0.17 25	0.19 113

MIM_Stereo	0.57 92	0.24 20	0.92 217	0.46 36	0.30 81	0.54 61	0.28 18	1.27 154	0.75 57	1.00 103	1.16 157	0.93 147	0.53 67	1.45 170	0.61 175	0.16 11	0.16 157	0.20 75	0.19 110	0.17 25	0.14 11

AEACV	0.37 3	0.24 20	0.52 27	0.47 42	0.51 246	0.37 8	0.38 71	0.65 4	0.53 17	0.42 5	0.56 18	0.46 16	0.60 99	0.53 6	0.30 1	0.16 11	0.13 43	0.18 37	0.15 31	0.17 25	0.14 11

Any-RAFT	0.53 50	0.24 20	0.47 13	0.47 42	0.27 33	1.00 237	0.25 4	1.58 220	1.05 152	0.85 78	0.99 85	1.06 189	0.47 41	0.70 35	0.32 7	0.18 60	0.13 43	0.16 9	0.13 11	0.16 13	0.16 42

4D-IteraStereo	0.48 34	0.24 20	0.76 157	0.50 73	0.44 205	0.66 119	0.31 28	0.87 26	1.02 141	1.03 113	0.72 36	0.78 92	0.32 9	0.64 27	0.37 39	0.17 32	0.11 3	0.23 152	0.19 110	0.19 73	0.13 3

Selective-IGEV	0.39 5	0.24 20	0.50 18	0.44 23	0.25 18	0.46 19	0.33 34	1.25 152	0.40 1	0.35 1	0.45 3	0.52 38	0.30 4	1.07 111	0.30 1	0.14 4	0.12 9	0.17 15	0.13 11	0.16 13	0.13 3

fff	0.53 50	0.24 20	0.70 105	0.43 8	0.24 9	0.48 21	0.36 58	1.07 103	1.25 236	1.10 133	1.02 100	0.57 45	1.06 269	0.73 45	0.52 139	0.16 11	0.13 43	0.17 15	0.13 11	0.15 5	0.19 113

ADStereo(finetuned)	0.57 92	0.24 20	1.06 259	0.43 8	0.24 9	0.49 31	0.35 48	1.05 88	1.30 263	1.12 139	1.03 108	0.58 49	1.20 296	0.84 66	0.51 133	0.16 11	0.13 43	0.17 15	0.13 11	0.18 43	0.19 113

CrosDoStereo	1.58 340	0.24 20	0.72 120	0.48 53	0.29 64	0.67 123	12.49 415	1.10 110	0.98 124	1.34 258	1.75 311	1.00 171	1.89 360	6.65 375	0.81 228	0.19 92	0.15 126	0.20 75	0.22 200	0.18 43	0.19 113

DeepStereo_LL	1.58 340	0.24 20	0.72 120	0.48 53	0.29 64	0.67 123	12.49 415	1.10 110	0.98 124	1.34 258	1.75 311	1.00 171	1.89 360	6.65 375	0.81 228	0.19 92	0.15 126	0.20 75	0.22 200	0.18 43	0.19 113

DRaft	0.80 206	0.24 20	0.70 105	0.45 33	0.30 81	0.97 231	0.53 187	1.05 88	0.97 119	1.78 334	2.02 339	0.80 97	1.74 350	2.73 294	0.72 201	0.17 32	0.14 76	0.20 75	0.20 139	0.18 43	0.21 152

RAFT-RH_RVC	1.03 277	0.24 20	0.67 87	0.49 66	0.28 52	0.81 187	0.33 34	0.83 23	1.08 164	2.05 354	4.65 389	1.04 186	0.57 88	5.98 367	0.50 130	0.18 60	0.13 43	0.26 228	0.20 139	0.16 13	0.17 62

DCANet	0.54 64	0.24 20	0.70 105	0.43 8	0.24 9	0.49 31	0.36 58	1.05 88	1.30 263	1.12 139	1.03 108	0.58 49	0.92 214	0.81 61	0.52 139	0.16 11	0.13 43	0.17 15	0.13 11	0.18 43	0.19 113

csc	0.53 50	0.24 20	0.70 105	0.43 8	0.24 9	0.48 21	0.36 58	1.07 103	1.25 236	1.10 133	1.02 100	0.57 45	1.06 269	0.73 45	0.52 139	0.16 11	0.13 43	0.17 15	0.13 11	0.15 5	0.19 113

cscssc	0.53 50	0.24 20	0.70 105	0.43 8	0.24 9	0.48 21	0.36 58	1.07 103	1.25 236	1.10 133	1.02 100	0.57 45	1.06 269	0.73 45	0.52 139	0.16 11	0.13 43	0.17 15	0.13 11	0.15 5	0.19 113

CFNet-RSSM	0.54 64	0.24 20	0.70 105	0.48 53	0.28 52	0.60 86	0.27 15	1.49 193	1.14 192	1.06 117	0.93 71	1.08 196	0.54 70	0.70 35	0.35 27	0.16 11	0.12 9	0.17 15	0.15 31	0.16 13	0.14 11

Gwc-CoAtRS	0.52 41	0.24 20	0.68 90	0.48 53	0.29 64	0.64 98	0.25 4	1.16 123	1.08 164	1.01 106	1.00 88	1.12 209	0.56 80	0.69 33	0.37 39	0.16 11	0.13 43	0.17 15	0.15 31	0.15 5	0.15 27

StereoIM	0.36 1	0.25 36	0.58 49	0.44 23	0.34 139	0.30 3	0.30 23	0.72 6	0.50 7	0.37 2	0.36 1	0.58 49	0.49 57	0.52 5	0.36 33	0.19 92	0.16 157	0.19 51	0.15 31	0.18 43	0.14 11

MIF-Stereo (partial)	0.45 25	0.25 36	0.70 105	0.50 73	0.52 254	0.35 5	0.26 10	0.91 41	0.59 22	0.45 13	0.71 34	0.51 33	0.51 60	1.11 117	0.45 94	0.20 119	0.16 157	0.23 152	0.20 139	0.24 193	0.18 80

CASnet	0.41 11	0.25 36	0.48 15	0.50 73	0.20 2	0.50 40	0.36 58	0.81 22	0.80 69	0.83 72	0.68 28	0.48 23	0.31 6	0.54 8	0.32 7	0.18 60	0.12 9	0.27 239	0.22 200	0.23 179	0.14 11
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RAFT-Test	0.54 64	0.25 36	0.64 74	0.47 42	0.30 81	0.97 231	0.27 15	1.24 150	0.81 70	0.96 92	1.12 140	1.28 249	0.48 49	0.71 39	0.36 33	0.17 32	0.13 43	0.17 15	0.14 23	0.16 13	0.16 42

GLC_STEREO	0.39 5	0.25 36	0.41 9	0.54 136	0.23 6	0.48 21	0.30 23	0.73 7	0.58 19	0.52 30	0.73 37	0.51 33	0.31 6	0.64 27	0.42 75	0.17 32	0.20 227	0.23 152	0.19 110	0.21 133	0.17 62

RAFT-345	0.84 223	0.25 36	0.66 84	0.50 73	0.27 33	0.54 61	0.42 98	0.83 23	1.11 176	1.32 247	2.34 354	0.86 125	0.54 70	5.72 360	0.47 112	0.18 60	0.13 43	0.22 124	0.17 76	0.17 25	0.16 42

cross-raft	0.54 64	0.25 36	0.61 61	0.52 112	0.29 64	0.68 130	0.37 67	1.46 189	0.76 60	1.01 106	1.06 114	1.28 249	0.46 35	0.71 39	0.35 27	0.15 6	0.12 9	0.18 37	0.16 60	0.19 73	0.14 11

GMM-Stereo	0.74 180	0.25 36	0.59 54	0.54 136	0.34 139	0.72 146	0.99 320	1.01 74	0.87 83	1.36 263	1.78 314	1.12 209	0.81 169	2.09 258	0.46 107	0.18 60	0.12 9	0.25 208	0.25 242	0.20 99	0.85 373

raftrobust	0.52 41	0.25 36	0.56 38	0.65 261	0.52 254	0.49 31	0.34 44	0.98 63	0.91 99	1.30 235	0.87 61	0.63 59	0.81 169	0.78 53	0.41 67	0.19 92	0.15 126	0.16 9	0.14 23	0.15 5	0.16 42

RAFT-Stereo + iAFF	0.54 64	0.25 36	0.68 90	0.43 8	0.24 9	0.40 10	0.34 44	1.04 82	1.09 170	1.32 247	1.60 284	0.80 97	0.68 129	0.67 32	0.39 56	0.13 1	0.10 1	0.18 37	0.17 76	0.17 25	0.13 3

AFF-stereo	0.58 97	0.25 36	0.64 74	0.46 36	0.29 64	0.34 4	0.38 71	1.15 122	1.14 192	1.17 178	1.60 284	1.10 204	0.71 137	0.97 90	0.43 84	0.13 1	0.11 3	0.19 51	0.19 110	0.17 25	0.14 11

MGS-Stereo	0.42 12	0.26 47	0.58 49	0.44 23	0.28 52	0.50 40	0.34 44	0.57 2	0.83 76	0.46 14	1.31 204	0.52 38	0.33 10	0.65 31	0.36 33	0.19 92	0.16 157	0.18 37	0.15 31	0.17 25	0.16 42

MSKI-zero shot	0.55 79	0.26 47	0.57 46	0.51 96	0.26 20	0.69 134	0.28 18	1.18 130	0.64 28	0.91 82	1.32 210	0.82 105	0.33 10	1.92 242	0.32 7	0.17 32	0.12 9	0.17 15	0.13 11	0.16 13	0.16 42

LoS_RVC	0.42 12	0.26 47	0.40 8	0.44 23	0.82 348	0.51 51	0.44 126	0.64 3	0.41 2	0.44 9	0.78 46	0.44 9	0.47 41	0.56 11	0.36 33	0.13 1	0.12 9	0.14 1	0.10 2	0.13 1	0.84 372

DCRE	0.82 214	0.26 47	0.70 105	0.58 184	0.44 205	0.54 61	0.48 158	0.95 53	0.78 64	0.78 59	7.33 402	0.86 125	0.52 62	0.76 50	0.41 67	0.16 11	0.16 157	0.19 51	0.17 76	0.18 43	0.17 62

DCANet-4	0.54 64	0.26 47	1.07 263	0.42 7	0.24 9	0.48 21	0.36 58	0.99 65	1.30 263	1.10 133	1.02 100	0.56 43	0.75 142	0.73 45	0.52 139	0.16 11	0.13 43	0.17 15	0.13 11	0.15 5	0.19 113

tt	6.58 408	0.26 47	6.10 395	3.77 412	2.16 391	11.55 414	19.63 418	13.33 419	5.74 403	2.96 383	2.65 364	4.97 394	6.33 409	3.81 322	7.24 391	9.15 420	11.32 425	5.89 420	6.24 419	6.03 416	2.55 403

RAFT_CTSACE	0.63 118	0.26 47	0.88 202	0.55 155	0.51 246	0.71 144	0.44 126	0.80 19	0.97 119	0.97 95	1.84 321	1.18 222	0.68 129	1.47 176	0.36 33	0.16 11	0.15 126	0.21 98	0.20 139	0.20 99	0.14 11

GMOStereo	0.53 50	0.26 47	0.65 78	0.50 73	0.29 64	0.52 53	0.43 114	0.89 34	0.96 112	1.41 278	1.14 148	0.85 121	0.56 80	0.59 15	0.38 49	0.16 11	0.14 76	0.24 172	0.21 175	0.20 99	0.15 27

error version	0.53 50	0.26 47	0.65 78	0.50 73	0.29 64	0.52 53	0.43 114	0.89 34	0.96 112	1.41 278	1.14 148	0.85 121	0.56 80	0.59 15	0.38 49	0.16 11	0.14 76	0.24 172	0.21 175	0.20 99	0.15 27

test-v	0.53 50	0.26 47	0.65 78	0.50 73	0.29 64	0.52 53	0.43 114	0.89 34	0.96 112	1.41 278	1.14 148	0.85 121	0.56 80	0.59 15	0.38 49	0.16 11	0.14 76	0.24 172	0.21 175	0.20 99	0.15 27

HHNet	0.62 112	0.26 47	0.63 68	0.43 8	0.45 212	0.50 40	0.58 223	1.07 103	1.01 138	1.25 214	2.23 349	0.70 79	0.61 108	1.07 111	0.47 112	0.20 119	0.13 43	0.23 152	0.19 110	0.19 73	0.30 259

FTStereo	0.91 245	0.26 47	0.56 38	0.54 136	0.33 124	0.66 119	1.87 380	1.00 69	0.75 57	1.75 331	4.15 383	1.04 186	1.65 343	1.57 193	0.46 107	0.19 92	0.16 157	0.23 152	0.21 175	0.18 43	0.63 356

ASMatch	0.88 237	0.26 47	0.69 99	0.51 96	0.35 142	0.48 21	0.37 67	1.12 118	0.92 103	1.10 133	3.28 373	0.96 162	0.98 242	4.90 341	0.49 124	0.19 92	0.16 157	0.22 124	0.19 110	0.19 73	0.27 233

PFNet	0.91 245	0.26 47	1.10 270	0.63 240	0.32 108	0.64 98	0.56 210	1.17 125	0.99 131	1.47 290	1.08 120	0.98 165	0.69 132	6.62 374	0.54 153	0.20 119	0.12 9	0.24 172	0.19 110	0.20 99	0.17 62

GrayStereo	0.82 214	0.26 47	0.58 49	0.63 240	0.37 155	0.76 163	1.86 379	1.11 116	0.87 83	1.99 351	1.89 328	1.08 196	1.82 358	1.39 160	0.48 117	0.19 92	0.14 76	0.19 51	0.21 175	0.18 43	0.39 301

test-2	0.53 50	0.26 47	0.65 78	0.50 73	0.29 64	0.52 53	0.43 114	0.89 34	0.96 112	1.41 278	1.14 148	0.85 121	0.56 80	0.59 15	0.38 49	0.16 11	0.14 76	0.24 172	0.21 175	0.20 99	0.15 27

test-1	0.52 41	0.26 47	1.04 255	0.56 167	0.32 108	0.61 89	0.38 71	1.10 110	0.91 99	0.78 59	1.01 93	0.77 89	0.52 62	0.60 24	0.42 75	0.17 32	0.14 76	0.20 75	0.17 76	0.20 99	0.23 185

iRaftStereo_RVC	0.47 32	0.26 47	0.64 74	0.50 73	0.29 64	0.53 58	0.33 34	1.05 88	0.77 62	0.84 74	1.00 88	0.55 41	0.37 13	0.81 61	0.40 60	0.17 32	0.12 9	0.22 124	0.20 139	0.19 73	0.15 27

raft+_RVC	0.53 50	0.26 47	0.54 33	0.60 208	0.47 226	0.54 61	0.54 191	1.27 154	0.99 131	0.76 55	1.03 108	0.70 79	0.56 80	0.93 84	0.47 112	0.18 60	0.14 76	0.19 51	0.18 90	0.18 43	0.15 27

XX-Stereo	0.63 118	0.26 47	1.90 351	0.81 331	0.67 306	0.43 14	0.23 3	1.03 78	0.58 19	0.65 43	1.56 276	1.41 269	0.39 15	1.28 134	0.35 27	0.20 119	0.14 76	0.20 75	0.19 110	0.18 43	0.14 11

R-Stereo Train	0.57 92	0.26 47	0.63 68	0.54 136	0.36 147	0.69 134	0.54 191	1.22 144	0.72 53	1.61 318	1.50 264	0.75 85	0.53 67	0.64 27	0.44 86	0.18 60	0.15 126	0.17 15	0.15 31	0.17 25	0.17 62

RAFT-Stereo	0.57 92	0.26 47	0.63 68	0.54 136	0.36 147	0.69 134	0.54 191	1.22 144	0.72 53	1.61 318	1.50 264	0.75 85	0.53 67	0.64 27	0.44 86	0.18 60	0.15 126	0.17 15	0.15 31	0.17 25	0.17 62
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AE-Stereo	0.49 37	0.27 69	0.67 87	0.60 208	0.39 180	0.67 123	0.46 144	1.18 130	1.09 170	0.47 15	0.75 41	0.69 76	0.47 41	0.59 15	0.40 60	0.16 11	0.15 126	0.21 98	0.20 139	0.19 73	0.15 27

ff7	0.43 15	0.27 69	0.56 38	0.44 23	0.33 124	0.50 40	0.42 98	0.87 26	0.50 7	0.49 22	0.53 10	0.44 9	0.48 49	1.38 155	0.33 16	0.17 32	0.12 9	0.21 98	0.15 31	0.18 43	0.18 80

ffff	0.43 15	0.27 69	0.56 38	0.44 23	0.33 124	0.50 40	0.42 98	0.87 26	0.50 7	0.49 22	0.53 10	0.44 9	0.48 49	1.38 155	0.33 16	0.17 32	0.12 9	0.21 98	0.15 31	0.18 43	0.18 80

11t	0.43 15	0.27 69	0.56 38	0.44 23	0.33 124	0.50 40	0.42 98	0.87 26	0.50 7	0.49 22	0.53 10	0.44 9	0.48 49	1.38 155	0.33 16	0.17 32	0.12 9	0.21 98	0.15 31	0.18 43	0.18 80

test croco	0.46 26	0.27 69	1.01 242	0.50 73	0.40 185	0.35 5	0.37 67	0.87 26	0.56 18	0.43 8	0.76 43	0.42 5	0.40 18	1.13 120	0.45 94	0.21 146	0.15 126	0.24 172	0.19 110	0.24 193	0.16 42

anonymousdsp2	0.53 50	0.27 69	0.74 146	0.48 53	0.29 64	0.76 163	0.47 150	1.61 227	0.82 75	0.77 58	0.77 44	0.75 85	0.47 41	1.03 100	0.40 60	0.18 60	0.13 43	0.18 37	0.13 11	0.19 73	0.18 80

anonymousdsp	0.43 15	0.27 69	0.53 29	0.44 23	0.32 108	0.50 40	0.42 98	0.89 34	0.51 14	0.49 22	0.53 10	0.47 20	0.47 41	1.33 143	0.33 16	0.17 32	0.12 9	0.21 98	0.15 31	0.18 43	0.18 80

anonymousa	0.72 163	0.27 69	0.75 148	0.47 42	0.63 297	1.43 303	0.45 137	1.24 150	0.89 90	1.28 223	1.75 311	1.62 304	1.13 284	0.69 33	0.59 166	0.19 92	0.16 157	0.23 152	0.25 242	0.20 99	0.18 80

riskmin	0.56 88	0.27 69	0.60 58	0.43 8	0.31 93	0.83 192	0.42 98	1.14 120	1.04 148	0.73 54	0.75 41	1.11 208	1.01 254	0.81 61	0.51 133	0.20 119	0.14 76	0.24 172	0.15 31	0.24 193	0.25 209

ccc-4	0.43 15	0.27 69	0.56 38	0.44 23	0.33 124	0.50 40	0.42 98	0.87 26	0.50 7	0.49 22	0.53 10	0.44 9	0.48 49	1.38 155	0.33 16	0.17 32	0.12 9	0.21 98	0.15 31	0.18 43	0.18 80

IGEV-Stereo	0.43 15	0.27 69	0.54 33	0.45 33	0.32 108	0.50 40	0.42 98	0.90 40	0.51 14	0.49 22	0.53 10	0.47 20	0.47 41	1.32 141	0.33 16	0.17 32	0.12 9	0.21 98	0.15 31	0.18 43	0.18 80
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
IPLG	0.69 155	0.27 69	0.97 230	0.51 96	0.43 199	0.79 178	0.33 34	1.21 137	1.06 155	1.30 235	1.10 129	0.52 38	0.55 76	3.16 309	0.63 182	0.16 11	0.14 76	0.19 51	0.16 60	0.18 43	0.17 62

IPLGR	0.58 97	0.27 69	1.14 277	0.48 53	0.28 52	0.65 110	0.33 34	1.22 144	1.13 190	1.18 183	1.05 112	0.69 76	0.66 128	0.96 85	0.52 139	0.17 32	0.15 126	0.20 75	0.17 76	0.20 99	0.18 80

PSM-AAD	0.79 203	0.27 69	0.53 29	0.55 155	0.28 52	0.77 169	1.24 346	0.99 65	0.91 99	1.66 324	1.57 280	0.81 100	2.19 374	1.65 203	0.44 86	0.19 92	0.14 76	0.38 320	0.32 309	0.21 133	0.70 364

THIR-Stereo	1.02 276	0.27 69	0.69 99	0.49 66	0.28 52	0.95 223	1.34 353	1.03 78	0.97 119	1.34 258	1.90 329	1.17 219	1.58 336	6.44 372	0.78 218	0.19 92	0.14 76	0.21 98	0.22 200	0.19 73	0.20 136

Prome-Stereo	0.75 187	0.27 69	0.53 29	0.55 155	0.32 108	0.59 80	0.97 316	0.89 34	0.88 87	1.45 287	2.46 360	0.91 138	1.41 320	1.58 195	0.44 86	0.18 60	0.13 43	0.19 51	0.17 76	0.20 99	0.92 374

MyStereo06	0.61 109	0.28 85	0.95 224	0.56 167	0.46 222	0.61 89	0.73 263	1.78 268	0.67 42	1.03 113	1.12 140	1.13 214	0.56 80	0.78 53	0.41 67	0.17 32	0.16 157	0.23 152	0.20 139	0.22 154	0.20 136

MyStereo05	0.66 141	0.28 85	1.07 263	0.56 167	0.46 222	0.61 89	0.73 263	1.34 164	1.41 309	1.15 158	0.91 67	0.77 89	0.80 166	1.41 166	0.63 182	0.17 32	0.16 157	0.23 152	0.20 139	0.22 154	0.20 136

11t1	0.52 41	0.28 85	0.68 90	0.51 96	0.28 52	0.83 192	0.39 82	1.22 144	0.63 26	0.84 74	0.74 39	0.68 71	0.68 129	0.91 78	0.57 161	0.21 146	0.18 197	0.19 51	0.16 60	0.20 99	0.21 152

IGEVStereo-DCA	0.46 26	0.28 85	0.56 38	0.43 8	0.33 124	0.49 31	0.42 98	0.87 26	0.50 7	0.47 15	0.48 6	0.48 23	0.46 35	2.03 253	0.30 1	0.19 92	0.14 76	0.19 51	0.15 31	0.16 13	0.18 80

rrr	0.46 26	0.28 85	0.73 132	0.43 8	0.33 124	0.49 31	0.38 71	0.76 11	0.50 7	0.47 15	0.48 6	0.48 23	0.46 35	2.03 253	0.30 1	0.19 92	0.14 76	0.19 51	0.15 31	0.16 13	0.16 42

Selective-RAFT	0.52 41	0.28 85	0.79 171	0.55 155	0.27 33	0.91 208	0.33 34	0.80 19	0.88 87	0.58 34	0.63 22	0.81 100	0.77 154	1.29 137	0.48 117	0.19 92	0.14 76	0.17 15	0.15 31	0.19 73	0.17 62

ProNet	0.43 15	0.28 85	0.58 49	0.43 8	0.30 81	0.56 70	0.52 181	1.00 69	0.58 19	0.44 9	0.49 8	0.43 7	0.43 24	1.28 134	0.36 33	0.15 6	0.13 43	0.19 51	0.16 60	0.17 25	0.16 42

TestStereo1	0.63 118	0.28 85	0.75 148	0.76 319	0.31 93	0.48 21	0.43 114	1.30 158	1.21 224	0.97 95	1.31 204	0.64 62	0.77 154	1.75 221	0.42 75	0.20 119	0.15 126	0.22 124	0.18 90	0.21 133	0.17 62

DisPM	0.66 141	0.28 85	0.72 120	0.61 220	0.35 142	0.62 95	0.45 137	1.02 75	0.99 131	1.56 311	1.10 129	0.80 97	0.59 97	2.37 279	0.41 67	0.23 192	0.14 76	0.23 152	0.21 175	0.20 99	0.25 209

SA-5K	0.63 118	0.28 85	0.75 148	0.76 319	0.31 93	0.48 21	0.43 114	1.30 158	1.21 224	0.97 95	1.31 204	0.64 62	0.77 154	1.75 221	0.42 75	0.20 119	0.15 126	0.22 124	0.18 90	0.21 133	0.17 62

MIPNet	0.56 88	0.28 85	0.94 221	0.49 66	0.33 124	0.66 119	0.38 71	1.35 166	1.08 164	1.06 117	0.92 69	0.60 54	0.79 161	0.73 45	0.52 139	0.17 32	0.14 76	0.19 51	0.16 60	0.18 43	0.17 62

PFNet+	0.59 100	0.28 85	0.77 161	0.53 121	0.30 81	0.59 80	0.31 28	0.92 42	1.14 192	1.33 255	1.10 129	0.79 95	0.57 88	1.31 139	0.49 124	0.25 232	0.17 182	0.28 249	0.26 255	0.21 133	0.25 209

LCNet	0.72 163	0.28 85	0.52 27	0.55 155	0.31 93	0.69 134	0.54 191	1.00 69	0.88 87	1.19 187	1.34 217	0.97 164	1.34 317	2.56 287	0.45 94	0.18 60	0.13 43	0.21 98	0.25 242	0.27 224	0.73 367

AAGNet	1.83 357	0.28 85	0.72 120	0.61 220	0.32 108	0.67 123	0.51 172	0.96 60	0.98 124	1.47 290	1.20 168	1.00 171	1.18 290	2.83 296	22.77 421	0.22 169	0.13 43	0.22 124	0.19 110	0.23 179	0.15 27

STrans-v2	1.04 280	0.28 85	0.96 228	0.49 66	0.32 108	0.68 130	0.79 276	2.47 376	1.12 180	1.12 139	1.46 254	1.40 267	1.46 326	6.70 379	0.43 84	0.18 60	0.13 43	0.20 75	0.18 90	0.18 43	0.18 80

TransformOpticalFlow	0.96 255	0.28 85	0.89 207	0.52 112	0.31 93	0.66 119	0.54 191	1.75 255	1.12 180	1.09 125	1.44 246	1.37 266	1.01 254	6.70 379	0.42 75	0.19 92	0.12 9	0.20 75	0.19 110	0.18 43	0.19 113

KYRaft	0.75 187	0.28 85	0.62 65	0.56 167	0.29 64	0.67 123	0.86 294	0.94 50	0.84 78	1.62 321	2.21 348	1.16 218	1.02 259	1.57 193	0.40 60	0.20 119	0.13 43	0.22 124	0.28 280	0.20 99	1.02 378

SST-Stereo	0.83 219	0.28 85	0.72 120	0.59 197	0.31 93	0.72 146	0.26 10	1.09 108	0.86 79	1.47 290	1.10 129	1.00 171	0.87 198	5.73 361	0.45 94	0.22 169	0.13 43	0.23 152	0.19 110	0.23 179	0.18 80

RAFT_R40	0.83 219	0.28 85	0.73 132	0.59 197	0.31 93	0.69 134	0.44 126	1.10 110	0.95 110	1.47 290	1.10 129	1.00 171	0.85 187	5.53 355	0.46 107	0.22 169	0.13 43	0.23 152	0.20 139	0.23 179	0.18 80

IRAFT_RVC	0.88 237	0.28 85	0.76 157	0.63 240	0.31 93	0.65 110	1.02 325	1.22 144	0.94 108	1.22 199	1.04 111	1.01 178	0.98 242	5.82 362	0.53 147	0.22 169	0.12 9	0.25 208	0.20 139	0.20 99	0.19 113

test_xeample3	0.42 12	0.28 85	0.69 99	0.43 8	0.33 124	0.56 70	0.38 71	0.79 14	0.45 3	0.53 31	0.46 4	0.44 9	0.44 28	1.38 155	0.31 5	0.18 60	0.14 76	0.19 51	0.15 31	0.17 25	0.16 42

xxxx	1.51 336	0.28 85	0.68 90	0.54 136	0.28 52	1.16 264	0.44 126	2.19 354	1.29 257	1.09 125	1.36 224	1.22 227	0.85 187	1.79 229	15.70 414	0.24 207	0.21 243	0.21 98	0.20 139	0.22 154	0.23 185

test_xeample	1.45 332	0.28 85	0.65 78	0.51 96	0.28 52	0.94 219	0.59 230	2.14 341	1.29 257	1.24 210	1.51 266	0.88 132	0.86 195	1.46 172	15.10 411	0.22 169	0.20 227	0.22 124	0.20 139	0.22 154	0.22 167

EAI-Stereo	0.65 133	0.28 85	0.69 99	0.53 121	0.27 33	0.60 86	0.40 85	2.28 363	0.64 28	0.71 50	3.18 372	0.57 45	0.43 24	1.06 107	0.41 67	0.18 60	0.13 43	0.17 15	0.17 76	0.17 25	0.17 62

SFCPSM	0.70 157	0.28 85	1.02 248	0.51 96	0.38 172	1.37 293	0.66 248	2.00 317	1.03 144	1.17 178	1.21 170	0.82 105	0.78 159	1.03 100	0.53 147	0.21 146	0.17 182	0.22 124	0.24 231	0.21 133	0.19 113

FENet	0.60 103	0.28 85	0.63 68	0.54 136	0.33 124	0.83 192	0.38 71	1.27 154	1.07 160	1.00 103	0.86 58	0.99 170	0.85 187	0.96 85	0.68 191	0.22 169	0.15 126	0.23 152	0.20 139	0.22 154	0.23 185

GANet-RSSM	0.72 163	0.28 85	0.63 68	0.64 249	0.58 278	0.80 183	0.58 223	1.89 291	1.08 164	1.04 116	1.25 182	1.15 217	1.04 262	1.49 178	0.62 178	0.25 232	0.19 210	0.22 124	0.22 200	0.22 154	0.21 152

MyStereo8	0.65 133	0.29 112	1.00 238	0.58 184	0.49 230	0.91 208	0.35 48	1.18 130	1.31 267	1.16 169	1.27 191	0.90 137	0.64 121	0.72 42	0.95 253	0.18 60	0.14 76	0.20 75	0.18 90	0.22 154	0.26 227

MyStereo07	0.48 34	0.29 112	0.50 18	0.55 155	0.45 212	0.59 80	0.79 276	1.05 88	0.51 14	0.48 19	0.53 10	0.43 7	0.55 76	1.30 138	0.34 24	0.17 32	0.16 157	0.24 172	0.20 139	0.23 179	0.20 136

MyStereo04	0.67 150	0.29 112	1.07 263	0.55 155	0.45 212	0.59 80	0.79 276	1.50 197	1.40 306	0.91 82	0.91 67	0.74 83	0.86 195	1.52 181	0.62 178	0.17 32	0.16 157	0.24 172	0.20 139	0.23 179	0.20 136

CoDeX	0.73 177	0.29 112	0.93 219	0.54 136	0.36 147	1.14 257	0.61 235	2.34 368	1.17 207	1.16 169	1.25 182	0.91 138	0.87 198	1.33 143	0.64 185	0.20 119	0.16 157	0.21 98	0.18 90	0.20 99	0.18 80

1111x	1.70 352	0.29 112	0.86 189	0.51 96	0.27 33	1.01 238	0.68 253	2.22 358	1.28 253	1.13 153	1.40 236	1.21 225	1.10 278	5.53 355	15.20 412	0.22 169	0.21 243	0.22 124	0.22 200	0.24 193	0.22 167

knoymous	0.51 40	0.29 112	0.47 13	0.43 8	0.30 81	0.55 67	0.55 204	1.02 75	0.77 62	0.98 99	0.85 57	0.94 150	0.56 80	0.85 68	0.45 94	0.20 119	0.14 76	0.26 228	0.14 23	0.23 179	0.23 185

RAFT+CT+SA	0.58 97	0.29 112	0.60 58	0.66 266	0.37 155	0.42 13	0.55 204	1.27 154	1.03 144	0.70 48	1.22 172	0.60 54	0.70 135	1.64 202	0.41 67	0.18 60	0.13 43	0.22 124	0.22 200	0.21 133	0.18 80

Sa-1000	0.72 163	0.29 112	0.76 157	0.59 197	0.30 81	0.73 149	0.37 67	1.62 230	1.33 275	1.28 223	2.04 340	0.86 125	0.75 142	1.84 233	0.38 49	0.19 92	0.14 76	0.25 208	0.23 220	0.20 99	0.16 42

iRaft-Stereo_5w	0.85 227	0.29 112	0.91 213	0.53 121	0.43 199	0.49 31	0.68 253	0.99 65	0.87 83	0.79 62	1.34 217	1.46 279	0.91 211	5.11 345	1.11 276	0.17 32	0.14 76	0.22 124	0.18 90	0.20 99	0.20 136

NRIStereo	0.60 103	0.29 112	0.69 99	0.53 121	0.28 52	0.63 96	0.33 34	1.08 107	0.87 83	1.14 155	0.87 61	0.91 138	0.59 97	2.24 270	0.49 124	0.20 119	0.14 76	0.21 98	0.19 110	0.21 133	0.17 62

Pruner-Stereo	0.62 112	0.29 112	0.70 105	0.61 220	0.31 93	0.63 96	0.43 114	1.17 125	0.99 131	1.53 303	1.08 120	0.95 156	0.55 76	1.35 147	0.51 133	0.23 192	0.14 76	0.24 172	0.21 175	0.21 133	0.23 185

DeepStereo_RVC	0.55 79	0.29 112	0.72 120	0.51 96	0.30 81	0.59 80	0.33 34	1.03 78	0.70 48	1.16 169	0.93 71	0.83 112	0.94 225	0.96 85	0.54 153	0.21 146	0.14 76	0.21 98	0.19 110	0.24 193	0.24 197

rafts_anoy	0.52 41	0.29 112	0.59 54	0.59 197	0.50 236	0.53 58	0.40 85	1.11 116	1.03 144	0.84 74	0.83 54	0.68 71	0.54 70	0.72 42	0.51 133	0.19 92	0.14 76	0.24 172	0.26 255	0.21 133	0.18 80

222	1.61 344	0.29 112	0.67 87	0.56 167	0.29 64	1.06 246	0.42 98	2.17 352	1.31 267	1.31 245	1.52 267	0.92 146	0.94 225	1.76 226	17.65 415	0.24 207	0.20 227	0.21 98	0.19 110	0.22 154	0.23 185

ac_64	0.82 214	0.29 112	0.81 177	0.71 301	0.60 288	1.05 243	0.54 191	1.99 316	0.92 103	1.18 183	1.06 114	1.99 341	1.08 274	1.94 246	0.97 258	0.27 255	0.22 257	0.24 172	0.23 220	0.22 154	0.19 113

HSM-Net_RVC	0.87 236	0.29 112	0.53 29	0.53 121	0.30 81	1.15 262	0.55 204	3.57 391	1.28 253	1.53 303	1.74 308	1.68 314	0.93 220	1.49 178	0.77 216	0.22 169	0.17 182	0.19 51	0.18 90	0.20 99	0.19 113
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
SMFormer	0.75 187	0.30 128	0.86 189	0.46 36	0.26 20	0.82 188	0.43 114	2.05 326	1.39 301	1.23 202	1.47 255	0.98 165	0.95 230	1.71 216	0.82 233	0.24 207	0.20 227	0.22 124	0.21 175	0.23 179	0.24 197

tta	0.75 187	0.30 128	0.86 189	0.46 36	0.26 20	0.82 188	0.43 114	2.05 326	1.39 301	1.23 202	1.47 255	0.98 165	0.95 230	1.71 216	0.82 233	0.24 207	0.20 227	0.22 124	0.21 175	0.18 43	0.18 80

qqq1	0.72 163	0.30 128	0.86 189	0.46 36	0.26 20	0.82 188	0.43 114	2.05 326	1.39 301	1.23 202	1.47 255	0.98 165	0.95 230	1.71 216	0.44 86	0.24 207	0.20 227	0.18 37	0.15 31	0.18 43	0.18 80

fff1	0.72 163	0.30 128	0.86 189	0.46 36	0.26 20	0.82 188	0.43 114	2.05 326	1.39 301	1.23 202	1.47 255	0.98 165	0.95 230	1.71 216	0.44 86	0.24 207	0.20 227	0.18 37	0.15 31	0.18 43	0.18 80

IGEV_Zeroshot_test	0.53 50	0.30 128	0.99 233	0.56 167	0.35 142	0.41 12	0.32 31	1.37 169	0.63 26	1.00 103	1.09 125	0.95 156	0.41 20	0.83 64	0.39 56	0.18 60	0.12 9	0.19 51	0.18 90	0.19 73	0.17 62

EKT-Stereo	0.53 50	0.30 128	0.73 132	0.58 184	0.60 288	0.51 51	0.48 158	0.94 50	0.90 94	0.71 50	0.88 63	0.77 89	0.43 24	1.07 111	0.40 60	0.22 169	0.16 157	0.21 98	0.18 90	0.20 99	0.22 167

HH	0.63 118	0.30 128	0.77 161	0.50 73	0.32 108	0.49 31	0.46 144	1.65 234	0.64 28	0.69 46	1.09 125	1.63 306	0.85 187	1.90 240	0.37 39	0.18 60	0.13 43	0.19 51	0.17 76	0.19 73	0.16 42

HanStereo	0.63 118	0.30 128	0.77 161	0.50 73	0.32 108	0.49 31	0.46 144	1.65 234	0.64 28	0.69 46	1.09 125	1.63 306	0.85 187	1.90 240	0.37 39	0.18 60	0.13 43	0.19 51	0.17 76	0.19 73	0.16 42

raft_robust	0.68 154	0.30 128	0.64 74	0.52 112	0.26 20	0.54 61	0.35 48	1.33 160	1.24 233	1.16 169	1.07 117	0.60 54	0.54 70	3.58 321	0.37 39	0.18 60	0.14 76	0.20 75	0.22 200	0.20 99	0.16 42

test_5	0.65 133	0.30 128	0.75 148	0.67 276	0.50 236	0.92 214	0.52 181	1.39 175	1.12 180	0.76 55	1.11 134	1.00 171	0.90 209	1.53 185	0.45 94	0.18 60	0.13 43	0.23 152	0.22 200	0.21 133	0.19 113

SA	0.66 141	0.30 128	0.82 179	0.61 220	0.30 81	0.58 76	0.38 71	1.44 186	1.30 263	0.96 92	1.36 224	0.66 67	0.95 230	1.85 236	0.42 75	0.19 92	0.15 126	0.25 208	0.23 220	0.21 133	0.17 62

Patchmatch Stereo++	0.55 79	0.30 128	0.73 132	0.50 73	0.27 33	0.65 110	0.29 20	1.05 88	0.64 28	1.12 139	0.96 75	0.83 112	0.60 99	1.37 151	0.45 94	0.22 169	0.14 76	0.24 172	0.20 139	0.26 212	0.18 80
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
NF-Stereo	0.80 206	0.30 128	0.75 148	0.60 208	0.31 93	0.64 98	0.44 126	1.21 137	0.90 94	1.29 228	1.02 100	0.82 105	0.57 88	5.40 353	0.48 117	0.23 192	0.14 76	0.24 172	0.20 139	0.20 99	0.30 259

OCTAStereo	0.80 206	0.30 128	0.75 148	0.60 208	0.31 93	0.64 98	0.44 126	1.21 137	0.90 94	1.29 228	1.01 93	0.82 105	0.57 88	5.35 348	0.48 117	0.24 207	0.14 76	0.24 172	0.20 139	0.20 99	0.30 259

PSM-adaLoss	0.54 64	0.30 128	0.73 132	0.50 73	0.27 33	0.65 110	0.41 96	1.04 82	0.64 28	1.12 139	0.96 75	0.82 105	0.61 108	1.06 107	0.45 94	0.22 169	0.14 76	0.24 172	0.20 139	0.26 212	0.18 80

ROB_FTStereo_v2	0.54 64	0.30 128	0.73 132	0.50 73	0.27 33	0.64 98	0.42 98	1.05 88	0.64 28	1.12 139	0.96 75	0.83 112	0.60 99	1.12 119	0.46 107	0.22 169	0.14 76	0.24 172	0.20 139	0.26 212	0.18 80

ROB_FTStereo	0.54 64	0.30 128	0.73 132	0.50 73	0.27 33	0.64 98	0.25 4	1.05 88	0.64 28	1.12 139	0.95 73	0.82 105	0.61 108	1.15 122	0.45 94	0.22 169	0.14 76	0.24 172	0.20 139	0.26 212	0.18 80

HUI-Stereo	0.52 41	0.30 128	0.73 132	0.50 73	0.27 33	0.65 110	0.30 23	1.04 82	0.64 28	1.12 139	0.96 75	0.83 112	0.60 99	0.79 56	0.45 94	0.22 169	0.14 76	0.24 172	0.20 139	0.26 212	0.18 80

RE-Stereo	0.80 206	0.30 128	0.75 148	0.60 208	0.31 93	0.64 98	0.44 126	1.21 137	0.90 94	1.29 228	1.01 93	0.81 100	0.57 88	5.37 351	0.48 117	0.24 207	0.14 76	0.24 172	0.20 139	0.20 99	0.30 259

TVStereo	0.80 206	0.30 128	0.75 148	0.60 208	0.31 93	0.64 98	0.44 126	1.21 137	0.90 94	1.29 228	1.01 93	0.81 100	0.57 88	5.37 351	0.48 117	0.24 207	0.14 76	0.24 172	0.20 139	0.20 99	0.30 259

iGMRVC	0.56 88	0.30 128	0.73 132	0.50 73	0.27 33	0.65 110	0.38 71	1.05 88	0.64 28	1.12 139	0.96 75	0.83 112	0.60 99	1.52 181	0.46 107	0.22 169	0.14 76	0.24 172	0.20 139	0.26 212	0.18 80

iRAFT	0.55 79	0.30 128	0.73 132	0.50 73	0.27 33	0.65 110	0.29 20	1.05 88	0.64 28	1.12 139	0.96 75	0.83 112	0.60 99	1.37 151	0.45 94	0.22 169	0.14 76	0.24 172	0.20 139	0.26 212	0.18 80

CRE-IMP	0.55 79	0.30 128	0.74 146	0.52 112	0.29 64	0.79 178	0.25 4	1.04 82	0.72 53	1.09 125	0.95 73	0.81 100	0.57 88	1.10 114	0.50 130	0.21 146	0.14 76	0.23 152	0.19 110	0.28 238	0.22 167

RAFT	0.64 128	0.30 128	0.73 132	0.59 197	0.33 124	0.68 130	0.58 223	1.04 82	0.76 60	1.08 120	1.19 165	1.65 311	0.93 220	1.06 107	0.56 159	0.21 146	0.18 197	0.27 239	0.24 231	0.22 154	0.17 62

RAFT-IKP	0.54 64	0.30 128	0.73 132	0.50 73	0.27 33	0.59 80	0.36 58	1.04 82	0.64 28	1.12 139	0.96 75	0.83 112	0.61 108	1.22 128	0.45 94	0.22 169	0.14 76	0.24 172	0.20 139	0.26 212	0.18 80

RALCasStereoNet	0.54 64	0.30 128	0.66 84	0.59 197	0.51 246	0.61 89	0.52 181	0.94 50	0.93 105	0.70 48	1.01 93	0.78 92	0.44 28	1.33 143	0.47 112	0.20 119	0.16 157	0.18 37	0.16 60	0.20 99	0.19 113

cf-r	0.73 177	0.30 128	0.77 161	0.55 155	0.63 297	0.78 174	0.48 158	1.79 270	1.15 201	1.13 153	1.26 188	1.43 271	0.87 198	1.40 165	0.85 241	0.25 232	0.18 197	0.22 124	0.23 220	0.19 73	0.19 113

PSMNet-RSSM	0.72 163	0.30 128	0.61 61	0.63 240	0.42 194	0.73 149	0.56 210	1.92 301	1.10 174	1.09 125	1.37 226	1.22 227	0.98 242	1.28 134	0.72 201	0.27 255	0.19 210	0.27 239	0.29 291	0.24 193	0.24 197

DIP-Stereo	0.62 112	0.30 128	0.83 181	0.48 53	0.36 147	0.95 223	0.33 34	2.37 370	0.67 42	1.25 214	1.00 88	0.68 71	0.51 60	0.91 78	0.61 175	0.18 60	0.15 126	0.21 98	0.17 76	0.19 73	0.19 113
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	1.12 296	0.30 128	0.91 213	0.66 266	0.77 334	0.97 231	0.57 220	1.37 169	1.35 286	1.02 109	1.34 217	2.11 350	1.43 322	7.09 384	1.39 310	0.19 92	0.17 182	0.17 15	0.19 110	0.18 43	0.16 42

iResNet_ROB	0.77 194	0.30 128	0.99 233	0.57 178	0.36 147	0.83 192	0.36 58	2.33 366	1.58 332	1.27 221	1.30 199	1.25 238	0.84 184	1.65 203	0.79 224	0.20 119	0.14 76	0.17 15	0.12 9	0.18 43	0.27 233

ACVNet-DCA	0.56 88	0.31 159	0.50 18	0.54 136	0.26 20	1.18 267	0.51 172	1.42 179	0.78 64	0.58 34	0.79 49	0.48 23	0.88 202	1.46 172	0.32 7	0.20 119	0.12 9	0.25 208	0.15 31	0.22 154	0.21 152

xx1	0.67 150	0.31 159	0.50 18	0.54 136	0.26 20	1.18 267	0.51 172	0.93 46	3.05 385	0.58 34	0.79 49	0.95 156	0.77 154	1.46 172	0.32 7	0.20 119	0.12 9	0.24 172	0.23 220	0.22 154	0.21 152

1test111	0.54 64	0.31 159	0.50 18	0.54 136	0.26 20	1.18 267	0.51 172	1.42 179	0.78 64	0.58 34	0.79 49	0.48 23	0.88 202	0.88 73	0.59 166	0.20 119	0.12 9	0.25 208	0.15 31	0.22 154	0.21 152

cc1	0.64 128	0.31 159	0.50 18	0.54 136	0.26 20	1.18 267	0.51 172	0.93 46	3.05 385	0.58 34	0.79 49	0.48 23	0.88 202	1.46 172	0.32 7	0.20 119	0.12 9	0.25 208	0.15 31	0.19 73	0.19 113

x	0.54 64	0.31 159	0.61 61	0.47 42	0.30 81	0.67 123	0.47 150	1.53 211	0.79 68	0.81 68	0.83 54	0.78 92	0.70 135	0.70 35	0.62 178	0.21 146	0.19 210	0.22 124	0.19 110	0.21 133	0.20 136

IER	0.70 157	0.31 159	1.02 248	0.48 53	0.52 254	1.34 290	0.51 172	1.17 125	0.99 131	1.23 202	1.34 217	1.12 209	1.11 279	0.99 93	0.71 198	0.20 119	0.16 157	0.21 98	0.21 175	0.20 99	0.19 113

iRaft-Stereo_20w	0.65 133	0.31 159	1.00 238	0.47 42	0.34 139	0.73 149	0.30 23	2.96 384	0.70 48	1.15 158	1.14 148	0.76 88	0.65 126	1.11 117	0.38 49	0.17 32	0.13 43	0.18 37	0.16 60	0.19 73	0.18 80

GwcNet-ADL	0.64 128	0.31 159	0.79 171	0.56 167	0.41 191	0.60 86	0.58 223	1.41 177	1.26 241	1.08 120	1.13 145	0.91 138	0.60 99	1.04 105	0.78 218	0.27 255	0.18 197	0.18 37	0.18 90	0.25 204	0.29 247

IIG-Stereo	0.96 255	0.31 159	0.72 120	0.88 353	0.33 124	0.61 89	0.26 10	1.19 136	1.03 144	1.69 327	1.37 226	1.46 279	0.75 142	6.96 383	0.51 133	0.19 92	0.14 76	0.23 152	0.18 90	0.20 99	0.14 11

PSM-softLoss	0.78 200	0.31 159	0.77 161	0.58 184	0.32 108	0.56 70	0.40 85	1.18 130	0.70 48	1.24 210	1.07 117	0.83 112	0.52 62	5.36 349	0.53 147	0.24 207	0.15 126	0.25 208	0.22 200	0.20 99	0.25 209

KMStereo	0.78 200	0.31 159	0.77 161	0.58 184	0.32 108	0.56 70	0.40 85	1.18 130	0.70 48	1.24 210	1.07 117	0.83 112	0.52 62	5.36 349	0.53 147	0.24 207	0.15 126	0.25 208	0.22 200	0.20 99	0.25 209

CroCo-Stereo	0.40 8	0.31 159	0.73 132	0.58 184	0.27 33	0.26 1	0.33 34	0.95 53	0.81 70	0.42 5	0.47 5	0.65 65	0.47 41	0.39 1	0.34 24	0.18 60	0.15 126	0.16 9	0.14 23	0.19 73	0.16 42
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
ACVNet	0.63 118	0.31 159	0.54 33	0.54 136	0.36 147	0.80 183	0.46 144	1.37 169	1.07 160	0.93 85	1.30 199	1.08 196	0.85 187	0.80 57	0.94 251	0.21 146	0.19 210	0.21 98	0.18 90	0.22 154	0.18 80

acv_ft	0.75 187	0.31 159	0.95 224	0.70 294	0.86 353	1.24 277	0.53 187	1.44 186	1.07 160	1.24 210	1.30 199	1.08 196	0.92 214	0.80 57	1.34 302	0.21 146	0.19 210	0.21 98	0.18 90	0.21 133	0.18 80

tt1	0.62 112	0.32 173	0.51 24	0.54 136	0.26 20	1.16 264	0.48 158	0.95 53	2.47 373	0.57 33	0.77 44	0.49 30	0.81 169	1.55 189	0.32 7	0.20 119	0.12 9	0.24 172	0.15 31	0.19 73	0.20 136

PCWNet_CMD	0.66 141	0.32 173	0.88 202	0.49 66	0.37 155	0.78 174	0.40 85	1.42 179	1.31 267	1.16 169	1.31 204	1.25 238	0.62 113	0.89 76	0.57 161	0.20 119	0.16 157	0.27 239	0.19 110	0.40 299	0.25 209

BUS	0.74 180	0.32 173	0.68 90	0.54 136	0.44 205	2.34 366	0.42 98	2.16 346	0.98 124	1.20 191	1.11 134	1.03 183	0.62 113	0.91 78	0.70 193	0.24 207	0.17 182	0.25 208	0.22 200	0.22 154	0.22 167

BSDual-CNN	0.71 162	0.32 173	0.68 90	0.54 136	0.44 205	1.27 281	0.65 243	2.16 346	0.98 124	1.20 191	1.11 134	1.12 209	0.74 140	0.91 78	0.66 187	0.24 207	0.17 182	0.25 208	0.22 200	0.22 154	0.22 167

hknet	0.77 194	0.32 173	0.95 224	0.54 136	0.38 172	1.27 281	0.65 243	2.16 346	1.07 160	1.20 191	1.11 134	1.59 300	0.81 169	1.37 151	0.66 187	0.22 169	0.17 182	0.25 208	0.22 200	0.22 154	0.22 167

psmg	0.72 163	0.32 173	0.68 90	0.50 73	0.44 205	1.48 306	0.75 265	1.94 307	0.98 124	1.21 194	1.33 212	1.12 209	0.74 140	0.91 78	0.66 187	0.24 207	0.19 210	0.25 208	0.25 242	0.23 179	0.22 167

CFNet_pseudo	0.66 141	0.32 173	0.86 189	0.48 53	0.39 180	0.70 141	0.40 85	1.33 160	1.22 226	1.16 169	1.34 217	1.24 234	0.64 121	0.98 91	0.59 166	0.21 146	0.16 157	0.33 290	0.19 110	0.36 279	0.25 209

MMNet	0.84 223	0.32 173	1.09 267	0.60 208	0.59 285	1.85 342	0.49 165	1.51 202	1.27 248	1.37 265	1.15 154	1.26 242	1.18 290	1.67 208	1.22 287	0.19 92	0.18 197	0.23 152	0.22 200	0.25 204	0.21 152

delet	0.85 227	0.32 173	0.95 224	0.65 261	0.66 304	1.64 321	0.84 288	1.75 255	1.35 286	1.32 247	1.30 199	1.30 253	0.88 202	1.68 213	1.10 274	0.21 146	0.21 243	0.24 172	0.24 231	0.21 133	0.21 152

UPFNet	0.80 206	0.32 173	0.90 210	0.59 197	0.74 324	1.26 280	0.80 282	1.52 205	1.10 174	1.30 235	1.12 140	1.30 253	0.84 184	1.67 208	1.09 271	0.24 207	0.24 275	0.24 172	0.23 220	0.25 204	0.18 80

GwcNet-RSSM	0.77 194	0.32 173	1.01 242	0.62 232	0.54 260	0.78 174	0.51 172	1.73 249	1.20 219	1.09 125	1.37 226	1.46 279	0.85 187	1.53 185	1.09 271	0.25 232	0.18 197	0.23 152	0.24 231	0.20 99	0.19 113

CFNet-ft	0.72 163	0.32 173	0.54 33	0.66 266	0.54 260	0.83 192	0.55 204	1.37 169	1.15 201	0.93 85	1.28 195	1.57 296	0.97 238	1.35 147	0.81 228	0.26 246	0.20 227	0.33 290	0.25 242	0.30 252	0.23 185

MSMDNet	0.66 141	0.32 173	0.87 199	0.49 66	0.37 155	0.79 178	0.40 85	1.43 185	1.31 267	1.15 158	1.31 204	1.24 234	0.63 118	0.88 73	0.57 161	0.21 146	0.16 157	0.26 228	0.19 110	0.39 295	0.24 197

CFNet_RVC	0.72 163	0.32 173	0.54 33	0.66 266	0.54 260	0.83 192	0.55 204	1.37 169	1.15 201	0.93 85	1.28 195	1.57 296	0.97 238	1.35 147	0.81 228	0.26 246	0.20 227	0.33 290	0.25 242	0.30 252	0.23 185

HSM	1.19 308	0.32 173	0.65 78	0.57 178	0.38 172	1.23 276	0.59 230	2.25 361	1.19 214	1.30 235	1.25 182	1.94 336	1.03 261	9.32 405	0.71 198	0.22 169	0.16 157	0.20 75	0.16 60	0.21 133	0.21 152

DN-CSS_ROB	0.64 128	0.32 173	1.05 256	0.55 155	0.40 185	0.54 61	0.45 137	1.21 137	0.93 105	1.03 113	1.47 255	0.69 76	0.63 118	1.76 226	0.49 124	0.18 60	0.14 76	0.25 208	0.22 200	0.22 154	0.20 136

DualNet	1.09 288	0.33 189	0.85 183	0.53 121	0.37 155	0.74 152	0.56 210	0.95 53	2.47 373	1.15 158	1.45 248	1.06 189	0.82 173	1.55 189	7.61 393	0.20 119	0.12 9	0.31 270	0.27 263	0.19 73	0.20 136

ffm	0.72 163	0.33 189	0.85 183	0.53 121	0.37 155	0.74 152	0.56 210	0.95 53	2.47 373	1.15 158	1.45 248	1.06 189	0.82 173	1.55 189	0.32 7	0.20 119	0.12 9	0.31 270	0.27 263	0.19 73	0.20 136

ff1	1.37 325	0.33 189	0.85 183	0.53 121	0.37 155	0.74 152	0.56 210	0.95 53	2.47 373	1.15 158	1.45 248	1.06 189	0.82 173	7.22 385	7.61 393	0.20 119	0.12 9	0.31 270	0.27 263	0.19 73	0.20 136

mmx	1.39 327	0.33 189	0.85 183	0.53 121	0.37 155	0.74 152	0.56 210	2.13 337	1.37 293	1.15 158	1.45 248	1.06 189	0.82 173	7.22 385	7.61 393	0.24 207	0.19 210	0.31 270	0.27 263	0.30 252	0.25 209

xxx	1.39 327	0.33 189	0.85 183	0.53 121	0.37 155	0.74 152	0.56 210	2.13 337	1.37 293	1.15 158	1.45 248	1.06 189	0.82 173	7.22 385	7.61 393	0.24 207	0.19 210	0.31 270	0.27 263	0.30 252	0.25 209

CFNet_ucs	0.70 157	0.33 189	0.88 202	0.50 73	0.43 199	0.74 152	0.44 126	1.60 224	1.29 257	1.22 199	1.54 270	1.09 202	0.63 118	0.99 93	0.59 166	0.25 232	0.20 227	0.37 317	0.21 175	0.40 299	0.28 244

LL-Strereo2	0.52 41	0.33 189	0.69 99	0.52 112	0.37 155	0.70 141	0.30 23	1.13 119	0.67 42	0.94 90	0.78 46	0.91 138	0.42 22	1.05 106	0.42 75	0.17 32	0.16 157	0.29 257	0.25 242	0.21 133	0.16 42

CBFPSM	0.92 247	0.33 189	1.86 350	0.49 66	0.38 172	1.75 329	0.84 288	1.39 175	1.12 180	1.09 125	0.99 85	2.37 360	1.66 347	1.32 141	1.42 319	0.19 92	0.18 197	0.20 75	0.20 139	0.21 133	0.33 279

gwcnet-sp	0.74 180	0.33 189	1.44 313	0.57 178	0.45 212	1.40 298	0.54 191	1.50 197	1.14 192	1.30 235	1.02 100	0.94 150	0.82 173	1.39 160	0.76 210	0.21 146	0.21 243	0.22 124	0.21 175	0.22 154	0.22 167

scenet	0.74 180	0.33 189	1.44 313	0.57 178	0.45 212	1.40 298	0.54 191	1.50 197	1.14 192	1.30 235	1.02 100	0.94 150	0.82 173	1.39 160	0.76 210	0.21 146	0.21 243	0.22 124	0.21 175	0.22 154	0.22 167

ToySt	0.66 141	0.33 189	1.23 287	0.51 96	0.33 124	0.86 201	0.68 253	1.10 110	0.97 119	0.84 74	1.08 120	1.25 238	0.94 225	1.01 97	0.74 205	0.19 92	0.19 210	0.24 172	0.24 231	0.27 224	0.23 185

ssnet	0.74 180	0.33 189	1.44 313	0.57 178	0.45 212	1.40 298	0.54 191	1.50 197	1.14 192	1.30 235	1.02 100	0.94 150	0.82 173	1.39 160	0.76 210	0.21 146	0.21 243	0.22 124	0.21 175	0.22 154	0.22 167

CIPLG	0.62 112	0.33 189	0.96 228	0.58 184	0.50 236	0.75 158	0.48 158	1.05 88	0.96 112	1.40 276	1.57 280	0.64 62	0.48 49	0.89 76	0.70 193	0.23 192	0.15 126	0.19 51	0.16 60	0.19 73	0.21 152

IPLGR_C	0.62 112	0.33 189	0.99 233	0.58 184	0.49 230	0.76 163	0.48 158	1.10 110	0.96 112	1.40 276	1.56 276	0.62 57	0.48 49	0.80 57	0.71 198	0.23 192	0.15 126	0.19 51	0.16 60	0.19 73	0.21 152

ACRE	0.61 109	0.33 189	1.01 242	0.58 184	0.49 230	0.75 158	0.47 150	1.06 101	0.95 110	1.37 265	1.55 272	0.62 57	0.46 35	0.83 64	0.70 193	0.23 192	0.15 126	0.19 51	0.16 60	0.18 43	0.21 152

OMP-Stereo	0.94 251	0.33 189	0.72 120	0.90 357	0.31 93	0.49 31	0.36 58	1.16 123	1.06 155	1.58 317	1.12 140	1.46 279	0.69 132	6.94 382	0.49 124	0.19 92	0.14 76	0.24 172	0.18 90	0.20 99	0.14 11

ICVP	0.63 118	0.33 189	0.57 46	0.61 220	0.40 185	0.80 183	0.58 223	1.61 227	0.89 90	0.90 80	1.24 178	0.88 132	0.73 138	0.72 42	0.88 245	0.29 273	0.21 243	0.22 124	0.21 175	0.24 193	0.27 233
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
RALAANet	0.60 103	0.33 189	0.87 199	0.62 232	0.50 236	0.69 134	0.31 28	1.21 137	1.06 155	1.09 125	1.16 157	0.88 132	0.46 35	1.22 128	0.42 75	0.19 92	0.15 126	0.21 98	0.17 76	0.27 224	0.17 62

ccs_rob	0.66 141	0.33 189	0.86 189	0.48 53	0.39 180	0.70 141	0.40 85	1.33 160	1.22 226	1.16 169	1.34 217	1.23 232	0.64 121	0.98 91	0.59 166	0.21 146	0.16 157	0.35 307	0.20 139	0.37 283	0.25 209

ttt	0.94 251	0.34 208	0.59 54	0.61 220	0.37 155	0.94 219	0.50 171	2.17 352	1.34 278	1.23 202	1.61 288	0.91 138	0.76 150	1.85 236	3.97 378	0.30 277	0.26 286	0.26 228	0.24 231	0.29 243	0.29 247

StereoVision	0.65 133	0.34 208	0.86 189	0.59 197	0.40 185	0.50 40	0.41 96	1.09 108	0.93 105	0.71 50	2.50 361	0.82 105	0.57 88	1.03 100	0.49 124	0.25 232	0.28 300	0.29 257	0.28 280	0.36 279	0.20 136

CASS	0.65 133	0.34 208	0.72 120	0.56 167	0.27 33	0.78 174	0.42 98	1.59 221	0.86 79	1.30 235	1.25 182	0.87 129	0.84 184	0.84 66	0.54 153	0.35 309	0.19 210	0.26 228	0.21 175	0.28 238	0.42 310
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CroCo-Stereo Lap2	0.44 23	0.34 208	0.77 161	0.61 220	0.79 339	0.28 2	0.35 48	0.75 9	0.71 52	0.38 4	0.50 9	0.72 82	0.55 76	0.57 13	0.47 112	0.17 32	0.18 197	0.19 51	0.16 60	0.21 133	0.20 136

qqq	0.57 92	0.34 208	0.71 116	0.47 42	0.27 33	0.64 98	0.62 237	1.42 179	0.78 64	0.80 64	0.92 69	0.95 156	0.77 154	0.88 73	0.59 166	0.21 146	0.20 227	0.24 172	0.23 220	0.22 154	0.21 152

DAS	0.84 223	0.34 208	1.03 252	0.64 249	0.69 314	0.77 169	0.63 238	1.54 213	1.20 219	1.79 337	1.55 272	0.95 156	1.04 262	2.83 296	0.60 173	0.21 146	0.16 157	0.25 208	0.18 90	0.27 224	0.22 167

SepStereo	0.82 214	0.34 208	1.03 252	0.64 249	0.69 314	0.77 169	0.63 238	1.54 213	1.20 219	1.79 337	1.55 272	0.95 156	1.04 262	2.30 274	0.60 173	0.21 146	0.16 157	0.25 208	0.18 90	0.27 224	0.22 167

ADLNet2	0.88 237	0.34 208	1.17 281	0.77 322	0.64 299	1.12 255	0.76 268	1.74 253	1.24 233	1.21 194	1.65 297	1.71 317	1.05 266	1.67 208	1.17 283	0.24 207	0.21 243	0.21 98	0.22 200	0.26 212	0.29 247

GES	0.66 141	0.34 208	0.90 210	0.59 197	0.38 172	0.94 219	0.57 220	2.11 336	0.86 79	1.02 109	1.11 134	0.66 67	0.79 161	0.99 93	0.61 175	0.27 255	0.19 210	0.20 75	0.20 139	0.21 133	0.30 259

psm_up	0.77 194	0.34 208	0.70 105	0.66 266	0.58 278	1.05 243	0.92 306	1.52 205	1.12 180	1.26 218	1.16 157	1.31 256	1.23 301	1.20 126	0.81 228	0.25 232	0.29 308	0.31 270	0.27 263	0.27 224	0.25 209

UNet	0.83 219	0.34 208	1.31 300	0.58 184	0.74 324	1.58 315	0.49 165	1.41 177	1.04 148	1.21 194	1.08 120	1.54 292	1.12 282	1.65 203	1.09 271	0.23 192	0.17 182	0.25 208	0.20 139	0.25 204	0.22 167

DSFCA	0.93 250	0.34 208	1.06 259	0.52 112	0.65 302	1.55 313	0.93 310	1.49 193	1.19 214	1.56 311	1.15 154	1.50 287	0.96 235	3.07 304	1.02 263	0.30 277	0.26 286	0.25 208	0.25 242	0.28 238	0.24 197

DMCA	0.67 150	0.34 208	0.90 210	0.51 96	0.44 205	0.86 201	0.47 150	1.42 179	1.02 141	1.17 178	1.12 140	1.23 232	0.75 142	0.78 53	0.95 253	0.25 232	0.19 210	0.27 239	0.19 110	0.24 193	0.27 233

MLCV	0.72 163	0.34 208	1.10 270	0.51 96	0.23 6	0.91 208	0.39 82	1.33 160	1.23 229	1.46 289	1.55 272	1.01 178	0.64 121	1.95 247	0.80 227	0.18 60	0.12 9	0.18 37	0.14 23	0.19 73	0.17 62

DISCO	1.03 277	0.34 208	1.11 272	0.69 289	0.45 212	2.07 355	0.84 288	2.13 337	1.50 323	1.15 158	1.33 212	2.40 362	1.07 273	2.60 289	1.51 328	0.23 192	0.18 197	0.22 124	0.20 139	0.31 259	0.27 233

MDST_ROB	1.67 348	0.34 208	1.58 331	0.92 362	0.58 278	4.26 400	1.11 333	2.83 381	1.41 309	4.49 400	2.55 362	1.45 277	0.97 238	7.79 395	1.17 283	0.31 284	0.25 282	0.37 317	0.33 315	0.31 259	0.30 259

mmm	0.63 118	0.35 224	0.72 120	0.51 96	0.30 81	0.86 201	0.54 191	1.59 221	0.86 79	1.07 119	1.38 230	0.79 95	0.75 142	0.91 78	0.58 164	0.22 169	0.18 197	0.29 257	0.25 242	0.25 204	0.23 185

AASNet	0.76 193	0.35 224	0.91 213	0.79 325	0.81 346	1.14 257	0.56 210	2.02 324	1.08 164	1.22 199	1.24 178	0.93 147	0.76 150	0.77 52	1.16 281	0.27 255	0.23 266	0.24 172	0.20 139	0.28 238	0.24 197

AACVNet	0.86 232	0.35 224	0.79 171	0.82 336	0.39 180	0.76 163	0.49 165	1.61 227	0.81 70	1.08 120	1.33 212	1.30 253	0.93 220	4.34 332	0.74 205	0.25 232	0.21 243	0.28 249	0.22 200	0.29 243	0.25 209

PSMNet-ADL	0.72 163	0.35 224	0.62 65	0.69 289	0.46 222	1.14 257	0.44 126	1.37 169	1.01 138	0.83 72	1.17 160	1.33 258	0.96 235	1.43 167	0.95 253	0.33 294	0.22 257	0.21 98	0.23 220	0.27 224	0.29 247

GANet-ADL	0.60 103	0.35 224	0.72 120	0.64 249	0.40 185	0.68 130	0.51 172	1.49 193	1.12 180	0.95 91	1.08 120	0.91 138	0.57 88	0.76 50	0.55 157	0.26 246	0.18 197	0.18 37	0.16 60	0.23 179	0.25 209

hitnet-ft	0.79 203	0.35 224	0.57 46	0.58 184	0.42 194	0.96 227	0.46 144	1.47 191	1.33 275	1.19 187	1.22 172	1.81 325	0.98 242	1.66 207	0.94 251	0.33 294	0.28 300	0.34 300	0.27 263	0.35 273	0.31 269

UCFNet_RVC	0.69 155	0.35 224	0.49 17	0.64 249	0.39 180	0.85 200	0.58 223	1.75 255	1.14 192	0.97 95	1.19 165	1.17 219	0.93 220	0.99 93	0.62 178	0.28 265	0.20 227	0.34 300	0.31 303	0.32 264	0.27 233

Former-RAFT_DAM_RVC	0.46 26	0.36 231	0.71 116	0.47 42	0.36 147	0.67 123	0.35 48	0.78 13	1.12 180	0.61 41	0.62 21	0.39 4	0.39 15	0.71 39	0.39 56	0.20 119	0.17 182	0.22 124	0.18 90	0.23 179	0.19 113

ssnet_v2	0.88 237	0.36 231	1.02 248	0.62 232	0.38 172	1.32 287	0.97 316	2.07 332	1.34 278	1.37 265	1.18 162	1.54 292	0.92 214	1.10 114	1.65 333	0.30 277	0.27 294	0.30 266	0.28 280	0.27 224	0.26 227

ADLNet	0.85 227	0.36 231	0.89 207	0.85 345	0.72 319	1.24 277	0.76 268	1.82 277	1.36 289	1.52 302	1.35 223	1.27 246	0.99 250	1.23 130	1.15 280	0.27 255	0.20 227	0.26 228	0.25 242	0.28 238	0.30 259

ARAFT	0.77 194	0.36 231	1.49 326	0.51 96	0.31 93	0.90 206	0.82 286	1.90 294	1.06 155	1.62 321	1.24 178	1.02 180	0.64 121	1.84 233	0.50 130	0.18 60	0.14 76	0.28 249	0.27 263	0.17 25	0.16 42

CFNet	0.96 255	0.36 231	1.01 242	0.62 232	0.42 194	0.99 235	0.47 150	1.90 294	1.32 272	0.99 101	1.39 234	1.10 204	0.86 195	5.58 358	0.79 224	0.23 192	0.17 182	0.28 249	0.27 263	0.26 212	0.21 152

SGM_RVC	1.68 350	0.36 231	0.61 61	0.59 197	0.29 64	2.25 362	1.18 342	2.38 371	1.68 339	3.60 390	2.67 365	3.69 383	2.42 380	8.13 398	1.90 344	0.31 284	0.31 318	0.30 266	0.28 280	0.30 252	0.29 247
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DispNO	1.00 270	0.37 237	1.69 337	0.61 220	0.56 267	0.75 158	0.63 238	1.80 272	1.44 315	1.17 178	1.66 299	1.05 188	1.06 269	5.00 344	0.86 243	0.24 207	0.22 257	0.25 208	0.19 110	0.24 193	0.22 167

NINENet	0.77 194	0.37 237	0.78 169	0.62 232	0.51 246	2.34 366	0.42 98	1.83 281	1.04 148	1.14 155	1.23 176	1.03 183	0.62 113	1.24 131	0.70 193	0.28 265	0.23 266	0.31 270	0.21 175	0.26 212	0.25 209

GEStereo_RVC	0.90 242	0.37 237	0.99 233	0.64 249	0.50 236	0.95 223	0.79 276	2.42 373	1.17 207	1.16 169	1.11 134	1.26 242	0.92 214	3.24 310	0.90 248	0.29 273	0.19 210	0.23 152	0.20 139	0.27 224	0.29 247

pcwnet_v2	0.97 261	0.37 237	4.33 386	0.62 232	0.54 260	0.79 178	0.45 137	2.02 324	1.58 332	1.42 284	1.64 295	1.09 202	0.79 161	1.24 131	0.67 190	0.32 289	0.25 282	0.29 257	0.27 263	0.37 283	0.35 286

iResNetv2_ROB	0.80 206	0.37 237	1.71 339	0.56 167	0.37 155	0.94 219	0.64 241	1.73 249	1.34 278	1.23 202	1.42 239	1.26 242	0.92 214	1.85 236	0.56 159	0.23 192	0.15 126	0.19 51	0.14 23	0.24 193	0.19 113

LE_ROB	8.05 410	0.37 237	23.53 417	0.74 313	0.33 124	2.77 378	2.87 406	3.71 393	27.24 424	25.39 424	8.87 409	8.46 407	26.71 424	6.65 375	21.99 418	0.21 146	0.19 210	0.20 75	0.21 175	0.25 204	0.22 167

CSP-Net	0.97 261	0.38 243	0.83 181	0.53 121	0.41 191	1.63 319	0.77 271	2.00 317	1.05 152	1.25 214	1.20 168	1.33 258	0.83 182	4.93 343	0.85 241	0.32 289	0.22 257	0.20 75	0.20 139	0.23 179	0.25 209

Anonymous	0.53 50	0.38 243	0.91 213	0.66 266	0.73 322	0.65 110	0.59 230	0.95 53	0.73 56	0.47 15	0.58 20	0.42 5	0.60 99	0.80 57	0.53 147	0.24 207	0.23 266	0.21 98	0.21 175	0.41 302	0.29 247

HGLStereo	0.85 227	0.38 243	0.94 221	0.80 328	1.03 366	1.17 266	0.58 223	1.52 205	1.20 219	1.19 187	1.62 291	1.13 214	1.20 296	1.80 230	1.06 266	0.24 207	0.24 275	0.24 172	0.21 175	0.23 179	0.27 233

SGM-ForestM	6.52 407	0.38 243	1.26 293	0.63 240	0.35 142	13.59 418	5.32 412	6.32 411	6.70 406	11.14 415	9.18 410	22.51 425	13.93 414	16.89 418	20.07 417	0.36 312	0.37 342	0.36 315	0.35 324	0.36 279	0.34 281

SGM-Forest	1.24 310	0.38 243	0.60 58	0.52 112	0.37 155	1.56 314	1.30 351	1.65 234	1.36 289	2.11 357	1.79 315	1.63 306	0.93 220	7.48 392	0.95 253	0.36 312	0.37 342	0.39 326	0.34 320	0.37 283	0.32 275
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
LL-Strereo	1.33 321	0.39 248	1.38 309	0.61 220	0.61 291	0.75 158	0.66 248	1.63 232	1.17 207	1.56 311	1.60 284	2.03 346	2.12 372	9.72 410	0.97 258	0.21 146	0.18 197	0.27 239	0.23 220	0.22 154	0.25 209

CRFU-Net	0.86 232	0.39 248	1.00 238	0.65 261	0.57 270	1.78 336	0.86 294	2.15 343	0.81 70	1.38 270	1.18 162	1.64 309	1.19 293	1.35 147	0.90 248	0.26 246	0.22 257	0.21 98	0.19 110	0.23 179	0.24 197

TestStereo	0.64 128	0.39 248	0.71 116	0.51 96	0.27 33	0.56 70	0.42 98	1.03 78	0.91 99	0.80 64	1.00 88	0.68 71	0.52 62	3.25 311	0.45 94	0.22 169	0.15 126	0.24 172	0.18 90	0.27 224	0.16 42

HCRNet	0.70 157	0.39 248	0.73 132	0.60 208	0.59 285	0.76 163	0.35 48	1.22 144	1.13 190	1.02 109	0.99 85	1.02 180	0.76 150	2.19 267	0.70 193	0.28 265	0.19 210	0.28 249	0.23 220	0.25 204	0.23 185

Wz-Net-LNSev-Ref	0.99 266	0.40 252	1.82 347	0.66 266	0.62 296	2.05 354	0.78 273	1.91 298	1.29 257	1.54 307	1.42 239	1.51 289	1.23 301	1.99 250	1.33 300	0.23 192	0.14 76	0.20 75	0.15 31	0.27 224	0.26 227

sCroCo_RVC	0.49 37	0.40 252	1.02 248	0.65 261	0.60 288	0.52 53	0.40 85	0.83 23	0.61 23	0.44 9	0.74 39	0.49 30	0.50 58	0.63 26	0.48 117	0.26 246	0.27 294	0.23 152	0.22 200	0.29 243	0.25 209

DMCA-RVC	0.74 180	0.40 252	1.27 296	0.66 266	0.49 230	0.77 169	0.47 150	1.35 166	1.01 138	1.53 303	1.01 93	1.29 252	0.82 173	1.31 139	0.78 218	0.27 255	0.21 243	0.35 307	0.27 263	0.32 264	0.24 197

HITNet	0.65 133	0.40 252	0.77 161	0.48 53	0.24 9	1.05 243	0.49 165	1.76 261	1.02 141	1.18 183	1.18 162	0.89 136	0.80 166	0.85 68	0.79 224	0.17 32	0.12 9	0.21 98	0.17 76	0.29 243	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
iResNet	0.75 187	0.40 252	1.36 308	0.67 276	0.29 64	0.92 214	0.59 230	1.52 205	1.25 236	1.28 223	1.48 260	0.94 150	0.76 150	1.62 200	0.78 218	0.18 60	0.14 76	0.18 37	0.15 31	0.22 154	0.23 185

DLCB_ROB	0.86 232	0.40 252	0.78 169	0.68 286	0.54 260	1.11 252	0.84 288	1.49 193	1.23 229	1.64 323	1.65 297	1.70 316	0.91 211	1.70 215	1.05 264	0.25 232	0.24 275	0.26 228	0.27 263	0.27 224	0.24 197

FAT-Stereo	1.07 283	0.41 258	1.32 303	0.72 304	0.58 278	1.08 249	0.89 299	1.96 310	1.65 336	1.75 331	1.98 335	2.03 346	1.48 329	2.02 252	1.18 286	0.42 332	0.35 335	0.34 300	0.29 291	0.35 273	0.53 338

NVstereo2D	0.92 247	0.41 258	1.48 324	0.72 304	0.72 319	1.20 273	0.87 296	1.75 255	1.38 297	0.99 101	1.13 145	1.26 242	0.98 242	2.21 269	0.89 246	0.43 337	0.20 227	0.38 320	0.24 231	0.57 346	0.63 356

StereoDRNet-Refined	0.80 206	0.41 258	0.88 202	0.62 232	0.42 194	1.33 288	0.48 158	1.52 205	1.17 207	1.45 287	1.44 246	1.44 275	0.90 209	1.26 133	1.24 289	0.20 119	0.16 157	0.27 239	0.24 231	0.25 204	0.28 244
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
RAFT + AFF	1.00 270	0.42 261	1.09 267	0.67 276	0.50 236	1.22 275	1.24 346	2.24 360	1.19 214	1.30 235	1.56 276	1.17 219	1.49 331	3.44 318	0.83 235	0.21 146	0.25 282	0.30 266	0.26 255	0.27 224	0.27 233

stereogan	1.15 304	0.42 261	1.40 310	0.86 347	0.84 350	2.38 368	0.71 261	1.88 289	1.73 343	1.72 329	1.94 334	2.31 357	1.29 309	2.07 257	1.08 269	0.36 312	0.35 335	0.39 326	0.31 303	0.51 336	0.46 322

pmcnn	2.37 377	0.42 261	2.71 377	0.63 240	0.43 199	1.54 312	1.19 343	2.01 321	1.53 328	2.64 374	7.60 403	18.07 417	1.45 325	3.44 318	2.78 363	0.18 60	0.15 126	0.15 3	0.12 9	0.20 99	0.18 80

CVANet_RVC	1.07 283	0.43 264	0.76 157	0.60 208	0.50 236	0.90 206	0.97 316	1.52 205	1.26 241	1.33 255	1.38 230	1.24 234	1.18 290	6.75 381	0.75 208	0.34 302	0.23 266	0.34 300	0.29 291	0.42 307	0.27 233

NLCA_NET_v2_RVC	0.79 203	0.43 264	1.05 256	0.64 249	0.58 278	0.95 223	0.53 187	1.53 211	1.18 211	1.37 265	1.15 154	1.43 271	0.88 202	1.61 199	0.84 238	0.25 232	0.22 257	0.27 239	0.27 263	0.29 243	0.29 247
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AdaStereo	0.70 157	0.43 264	0.75 148	0.73 311	0.37 155	0.92 214	0.53 187	1.85 283	1.18 211	1.12 139	1.23 176	1.07 195	0.65 126	0.96 85	0.63 182	0.31 284	0.15 126	0.32 283	0.21 175	0.29 243	0.22 167
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.
fast-acv-ft	0.94 251	0.44 267	1.40 310	0.58 184	0.51 246	1.77 334	0.69 257	1.36 168	1.42 312	1.29 228	1.86 324	1.74 321	1.25 304	1.52 181	1.38 307	0.26 246	0.28 300	0.28 249	0.28 280	0.27 224	0.26 227

Anonymous3	0.61 109	0.44 267	1.11 272	0.59 197	0.49 230	0.93 217	0.65 243	0.93 46	0.81 70	0.72 53	0.88 63	0.65 65	0.69 132	1.06 107	0.53 147	0.35 309	0.30 312	0.26 228	0.26 255	0.31 259	0.27 233

TDLM	1.06 281	0.44 267	0.79 171	0.63 240	0.50 236	0.89 204	1.44 358	1.48 192	1.26 241	1.12 139	1.40 236	1.08 196	0.98 242	6.65 375	0.78 218	0.33 294	0.21 243	0.33 290	0.26 255	0.37 283	0.24 197

DRN-Test	1.00 270	0.44 267	1.13 276	0.70 294	0.81 346	1.62 318	0.79 276	2.14 341	1.44 315	1.78 334	1.33 212	1.43 271	1.05 266	2.18 266	1.53 329	0.27 255	0.21 243	0.31 270	0.30 299	0.32 264	0.28 244

CBMV_ROB	0.90 242	0.44 267	0.63 68	0.51 96	0.37 155	1.25 279	0.49 165	1.77 264	1.27 248	1.41 278	2.00 336	1.33 258	1.08 274	2.17 263	0.76 210	0.43 337	0.42 355	0.47 346	0.44 346	0.41 302	0.36 290

CBMV	0.95 254	0.44 267	0.66 84	0.53 121	0.35 142	1.53 311	1.63 369	1.69 243	1.42 312	2.00 353	1.60 284	1.43 271	1.17 287	1.59 197	0.99 261	0.34 302	0.34 327	0.39 326	0.33 315	0.33 270	0.32 275
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
iinet-f	0.99 266	0.45 273	3.71 385	0.55 155	0.43 199	1.81 337	0.68 253	1.14 120	1.14 192	1.18 183	1.42 239	1.58 299	1.44 323	1.34 146	1.59 332	0.24 207	0.23 266	0.20 75	0.19 110	0.26 212	0.25 209

GMStereo	0.55 79	0.45 273	0.94 221	0.50 73	0.32 108	0.64 98	0.43 114	1.00 69	1.40 306	0.82 71	0.73 37	0.51 33	0.45 31	0.85 68	0.55 157	0.24 207	0.15 126	0.20 75	0.21 175	0.31 259	0.24 197
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SACVNet	0.85 227	0.46 275	0.85 183	0.81 331	0.56 267	0.80 183	0.79 276	1.68 241	1.12 180	1.34 258	1.33 212	1.25 238	0.94 225	2.39 281	0.76 210	0.34 302	0.26 286	0.31 270	0.29 291	0.35 273	0.44 316

LMCR-Stereo	0.82 214	0.46 275	0.88 202	0.75 317	0.43 199	1.33 288	0.56 210	2.43 374	0.98 124	1.53 303	1.49 261	0.74 83	1.00 252	1.63 201	0.89 246	0.28 265	0.17 182	0.22 124	0.17 76	0.29 243	0.20 136

S-Stereo	1.15 304	0.46 275	2.17 361	0.81 331	0.80 344	1.21 274	1.19 343	1.93 305	2.02 361	1.47 290	2.11 343	1.57 296	1.17 287	2.05 256	1.41 315	0.40 325	0.40 351	0.35 307	0.31 303	0.44 319	0.70 364

NOSS_ROB	1.26 313	0.46 275	0.62 65	0.56 167	0.38 172	1.06 246	0.78 273	1.73 249	1.40 306	1.01 106	1.43 243	1.10 204	0.75 142	10.62 413	0.65 186	0.45 343	0.43 356	0.48 347	0.45 348	0.44 319	0.41 306

whm_eth	0.65 133	0.47 279	1.05 256	0.55 155	0.64 299	0.69 134	0.45 137	1.34 164	1.26 241	1.02 109	1.92 331	0.49 30	0.48 49	0.70 35	0.52 139	0.23 192	0.20 227	0.25 208	0.24 231	0.24 193	0.31 269

FADNet-RVC-Resample	0.84 223	0.47 279	2.10 357	0.61 220	0.45 212	1.07 248	0.61 235	1.59 221	1.20 219	1.08 120	0.98 83	1.03 183	0.98 242	2.17 263	0.72 201	0.23 192	0.22 257	0.30 266	0.32 309	0.35 273	0.34 281

GANet	1.36 324	0.47 279	0.86 189	0.67 276	0.45 212	1.34 290	1.73 371	1.64 233	1.24 233	1.49 298	2.38 355	1.55 294	1.20 296	9.30 404	0.93 250	0.30 277	0.31 318	0.33 290	0.28 280	0.39 295	0.30 259

StereoDRNet	0.98 265	0.47 279	1.70 338	0.76 319	0.94 361	1.51 309	0.91 304	1.92 301	1.32 272	1.61 318	1.13 145	1.47 284	0.97 238	1.75 221	1.46 324	0.28 265	0.23 266	0.29 257	0.27 263	0.35 273	0.27 233

WCMA_ROB	1.84 358	0.47 279	1.31 300	0.69 289	0.57 270	2.11 357	1.14 337	1.87 287	1.73 343	4.04 394	6.43 397	5.62 397	3.61 394	2.59 288	1.94 346	0.52 356	0.44 359	0.39 326	0.42 342	0.48 328	0.47 325

dd	0.59 100	0.48 284	0.97 230	0.55 155	0.32 108	0.64 98	0.47 150	1.02 75	1.34 278	0.78 59	0.86 58	0.58 49	0.54 70	1.01 97	0.86 243	0.28 265	0.18 197	0.26 228	0.19 110	0.32 264	0.24 197

ADCP+	1.99 367	0.48 284	7.73 398	0.66 266	0.91 357	2.30 364	1.05 328	1.82 277	1.34 278	1.54 307	1.32 210	1.74 321	1.61 340	2.17 263	13.37 407	0.24 207	0.21 243	0.32 283	0.28 280	0.37 283	0.29 247

DeepPruner_ROB	0.74 180	0.48 284	0.87 199	0.57 178	0.44 205	0.79 178	0.54 191	1.73 249	0.96 112	1.38 270	1.27 191	1.24 234	0.73 138	1.43 167	0.73 204	0.34 302	0.28 300	0.27 239	0.26 255	0.31 259	0.31 269

BEATNet_4x	0.73 177	0.49 287	1.17 281	0.53 121	0.26 20	1.03 240	0.55 204	1.82 277	1.06 155	1.21 194	1.22 172	0.96 162	0.91 211	1.01 97	1.06 266	0.21 146	0.14 76	0.24 172	0.19 110	0.37 283	0.21 152

Nwc_Net	1.09 288	0.49 287	1.33 305	0.89 356	0.80 344	1.49 308	0.66 248	2.19 354	1.27 248	1.32 247	2.26 350	1.96 338	1.54 333	1.92 242	1.34 302	0.40 325	0.30 312	0.43 337	0.45 348	0.38 291	0.37 292

RYNet	1.17 307	0.49 287	1.24 290	0.70 294	0.97 365	1.71 325	0.92 306	1.91 298	1.46 318	1.38 270	1.14 148	1.88 326	1.30 313	4.24 328	1.87 341	0.26 246	0.21 243	0.35 307	0.27 263	0.55 343	0.54 339

XPNet_ROB	0.96 255	0.49 287	1.09 267	0.72 304	0.57 270	1.11 252	1.14 337	1.66 239	1.23 229	1.85 343	1.39 234	1.64 309	1.11 279	1.80 230	1.42 319	0.38 320	0.30 312	0.33 290	0.29 291	0.37 283	0.34 281

STTStereo	0.78 200	0.50 291	1.22 286	0.64 249	0.54 260	0.89 204	0.54 191	1.44 186	1.11 176	1.38 270	1.09 125	1.27 246	0.85 187	1.43 167	0.83 235	0.29 273	0.27 294	0.33 290	0.39 334	0.32 264	0.30 259

RP	1.09 288	0.50 291	1.12 274	0.90 357	1.04 367	1.11 252	0.84 288	1.80 272	1.62 334	1.55 310	2.00 336	1.90 330	1.78 353	1.84 233	1.25 290	0.52 356	0.36 340	0.48 347	0.36 328	0.45 322	0.43 314

edge stereo	1.11 294	0.50 291	1.30 299	0.71 301	0.65 302	1.14 257	0.75 265	1.93 305	1.37 293	1.71 328	1.83 319	2.54 366	1.44 323	2.43 283	1.23 288	0.42 332	0.41 353	0.54 358	0.35 324	0.42 307	0.46 322

SDNR	1.62 345	0.51 294	2.17 361	0.53 121	0.56 267	3.80 394	0.45 137	1.54 213	1.29 257	1.33 255	2.41 358	1.08 196	0.96 235	11.18 414	1.16 281	0.66 372	0.63 383	0.43 337	0.32 309	0.64 357	0.67 361

GwcNet	1.08 286	0.51 294	2.33 366	0.79 325	1.18 378	1.76 331	0.70 259	1.68 241	1.47 319	1.41 278	1.64 295	1.74 321	1.04 262	2.20 268	1.41 315	0.30 277	0.29 308	0.29 257	0.27 263	0.30 252	0.35 286

FADNet_RVC	0.83 219	0.51 294	1.83 349	0.54 136	0.42 194	1.19 271	0.46 144	1.51 202	1.09 170	0.89 79	1.24 178	0.91 138	0.87 198	2.11 260	1.11 276	0.27 255	0.22 257	0.31 270	0.28 280	0.43 312	0.38 298

AF-Net	1.13 299	0.52 297	1.33 305	0.86 347	0.91 357	1.38 296	0.71 261	2.16 346	1.62 334	1.56 311	2.40 357	1.99 341	1.65 343	1.81 232	1.48 326	0.48 351	0.28 300	0.49 349	0.33 315	0.39 295	0.32 275

AANet_RVC	1.16 306	0.52 297	1.49 326	0.65 261	0.45 212	0.75 158	0.69 257	1.42 179	1.55 331	1.34 258	1.87 326	1.53 291	0.78 159	7.43 390	1.38 307	0.25 232	0.17 182	0.19 51	0.16 60	0.22 154	0.26 227

PSMNet_ROB	0.90 242	0.52 297	1.17 281	0.72 304	0.61 291	1.27 281	1.12 335	1.76 261	1.12 180	1.09 125	1.28 195	1.45 277	0.89 208	1.65 203	1.42 319	0.33 294	0.25 282	0.37 317	0.39 334	0.35 273	0.29 247

APVNet	1.06 281	0.53 300	1.42 312	0.84 340	0.79 339	1.92 345	0.82 286	1.90 294	1.08 164	1.08 120	1.43 243	1.56 295	1.13 284	3.07 304	1.58 330	0.31 284	0.34 327	0.42 335	0.36 328	0.36 279	0.37 292

FINET	0.97 261	0.54 301	1.60 332	0.63 240	0.79 339	1.08 249	1.07 330	1.56 218	2.20 367	1.15 158	1.49 261	0.94 150	0.88 202	2.32 275	1.05 264	0.42 332	0.35 335	0.32 283	0.28 280	0.43 312	0.38 298

NCC-stereo	1.10 291	0.54 301	1.24 290	0.84 340	0.94 361	1.29 284	0.89 299	2.01 321	1.34 278	1.32 247	1.74 308	1.88 326	1.74 350	2.35 277	1.25 290	0.45 343	0.37 342	0.45 341	0.58 369	0.42 307	0.42 310

Abc-Net	1.10 291	0.54 301	1.24 290	0.84 340	0.94 361	1.29 284	0.89 299	2.01 321	1.34 278	1.32 247	1.74 308	1.88 326	1.74 350	2.35 277	1.25 290	0.45 343	0.37 342	0.45 341	0.58 369	0.42 307	0.42 310
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
Anonymous_2	1.30 317	0.55 304	0.82 179	0.52 112	0.58 278	1.01 238	0.64 241	1.25 152	0.97 119	0.96 92	0.78 46	1.33 258	1.29 309	1.03 100	0.74 205	0.62 368	0.64 384	1.06 383	9.63 420	1.16 380	0.49 332

ADCRef	1.35 323	0.55 304	2.37 368	0.72 304	0.77 334	1.94 347	0.78 273	1.91 298	1.27 248	1.57 315	1.59 283	1.36 263	1.41 320	1.54 187	7.53 392	0.23 192	0.20 227	0.32 283	0.30 299	0.29 243	0.29 247

NaN_ROB	1.13 299	0.55 304	1.15 278	0.64 249	0.48 227	1.61 317	2.03 388	1.72 248	1.48 320	2.09 356	1.27 191	1.40 267	1.08 274	3.94 324	1.30 298	0.28 265	0.34 327	0.28 249	0.28 280	0.30 252	0.33 279

sAnonymous2	0.55 79	0.56 307	1.46 319	0.60 208	0.51 246	0.48 21	0.52 181	0.79 14	0.68 45	0.50 28	0.67 26	0.46 16	0.62 113	0.59 15	0.40 60	0.22 169	0.17 182	0.22 124	0.21 175	0.86 370	0.56 343

CroCo_RVC	0.55 79	0.56 307	1.46 319	0.60 208	0.51 246	0.48 21	0.52 181	0.79 14	0.68 45	0.50 28	0.67 26	0.46 16	0.62 113	0.59 15	0.40 60	0.22 169	0.17 182	0.22 124	0.21 175	0.86 370	0.56 343

NCCL2	1.00 270	0.56 307	1.06 259	0.75 317	0.57 270	1.31 286	1.72 370	1.77 264	1.36 289	1.50 299	1.17 160	1.91 331	1.17 287	1.54 187	1.29 297	0.35 309	0.31 318	0.45 341	0.44 346	0.40 299	0.40 302

MeshStereo	2.26 373	0.56 307	0.92 217	0.61 220	0.49 230	2.60 374	1.02 325	3.18 387	2.05 363	7.40 413	4.98 393	7.58 403	2.98 389	6.37 371	1.96 347	0.43 337	0.43 356	0.45 341	0.39 334	0.43 312	0.42 310
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
ADCL	1.72 355	0.57 311	3.66 383	0.67 276	0.61 291	2.61 375	1.85 378	1.96 310	1.67 338	1.90 347	1.83 319	2.06 349	1.90 362	2.13 261	9.15 400	0.26 246	0.24 275	0.34 300	0.32 309	0.38 291	0.35 286

PA-Net	1.01 274	0.57 311	1.29 298	0.64 249	0.74 324	1.19 271	0.84 288	1.69 243	1.43 314	1.16 169	1.19 165	1.32 257	1.19 293	3.42 316	1.25 290	0.29 273	0.45 363	0.33 290	0.49 358	0.32 264	0.47 325
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
SANet	1.88 360	0.57 311	2.18 363	0.63 240	0.40 185	2.80 380	1.57 366	2.39 372	5.88 404	2.36 366	3.57 377	3.72 384	2.97 388	4.74 337	1.76 337	0.34 302	0.30 312	0.32 283	0.29 291	0.48 328	0.37 292

HBP-ISP	0.96 255	0.58 314	0.72 120	0.61 220	0.46 222	1.64 321	0.76 268	1.86 286	1.28 253	1.30 235	1.53 268	0.86 125	0.94 225	3.27 312	0.69 192	0.45 343	0.44 359	0.54 358	0.48 355	0.47 325	0.40 302

Wz-Net-MNSev	1.11 294	0.58 314	2.23 364	0.66 266	0.71 317	1.95 348	1.46 359	1.98 315	1.45 317	1.79 337	1.43 243	1.49 286	1.33 316	1.97 249	1.42 319	0.27 255	0.23 266	0.28 249	0.28 280	0.34 272	0.31 269

PS-NSSS	0.99 266	0.58 314	0.93 219	0.58 184	0.57 270	0.91 208	0.80 282	1.81 276	1.14 192	1.14 155	1.67 302	1.00 171	0.83 182	4.62 336	0.78 218	0.37 316	0.31 318	0.52 352	0.32 309	0.45 322	0.38 298

SuperB	2.53 383	0.59 317	18.45 413	0.69 289	0.50 236	1.87 344	0.88 297	1.67 240	2.39 370	1.50 299	1.42 239	1.14 216	1.15 286	4.28 331	5.07 382	0.24 207	0.19 210	0.22 124	0.19 110	7.86 420	0.34 281

MANE	6.19 405	0.59 317	1.03 252	0.93 363	1.22 381	13.38 417	2.69 402	12.81 418	17.94 420	8.21 414	10.82 412	14.72 415	11.68 413	11.39 415	11.90 406	0.59 365	0.50 372	0.52 352	1.76 406	0.55 343	0.54 339

FC-DCNN	2.72 390	0.59 317	0.86 189	0.73 311	0.57 270	2.91 381	1.04 327	3.01 385	2.60 378	6.83 409	7.64 404	9.92 410	6.33 409	5.21 346	3.14 368	0.53 362	0.48 368	0.51 351	0.50 360	0.53 340	0.51 337

DPSNet	1.69 351	0.59 317	4.33 386	0.70 294	0.57 270	2.02 353	1.62 368	3.35 390	1.78 346	1.48 296	1.38 230	2.17 351	2.84 386	4.77 338	3.66 374	0.48 351	0.31 318	0.29 257	0.25 242	0.64 357	0.48 328

CSAN	1.41 330	0.59 317	1.26 293	0.70 294	0.50 236	1.76 331	1.78 373	1.77 264	1.90 355	2.35 364	2.32 352	1.92 334	1.94 364	5.56 357	1.49 327	0.43 337	0.35 335	0.40 331	0.41 340	0.43 312	0.41 306

LALA_ROB	1.01 274	0.59 317	1.16 279	0.67 276	0.51 246	1.63 319	1.26 350	1.69 243	1.38 297	1.81 340	1.37 226	1.94 336	1.02 259	1.58 195	1.38 307	0.37 316	0.27 294	0.43 337	0.37 331	0.43 312	0.37 292

MSMD_ROB	1.99 367	0.59 317	0.89 207	0.70 294	0.61 291	3.95 396	0.94 312	1.80 272	1.79 347	4.41 398	4.43 384	8.17 406	3.66 395	3.40 314	1.33 300	0.52 356	0.48 368	0.54 358	0.58 369	0.53 340	0.50 333

TRStereo	0.60 103	0.60 324	0.97 230	0.74 313	0.67 306	0.46 19	0.38 71	1.85 283	0.89 90	0.79 62	0.80 53	0.88 132	0.39 15	1.10 114	0.41 67	0.23 192	0.15 126	0.23 152	0.24 231	0.17 25	0.15 27

GMStereo_Zeroshot	0.67 150	0.61 325	1.01 242	0.64 249	0.37 155	0.84 199	0.35 48	1.05 88	1.12 180	1.12 139	1.06 114	1.27 246	0.54 70	1.19 125	0.59 166	0.32 289	0.17 182	0.31 270	0.18 90	0.52 338	0.22 167

FADNet	0.92 247	0.61 325	1.81 346	0.62 232	0.55 266	0.96 227	0.57 220	1.78 268	1.33 275	0.93 85	1.01 93	1.36 263	1.01 254	2.71 293	0.75 208	0.33 294	0.34 327	0.31 270	0.34 320	0.59 350	0.40 302

DANet	1.08 286	0.61 325	1.32 303	0.85 345	0.72 319	1.37 293	0.51 172	1.54 213	1.15 201	1.78 334	1.54 270	2.01 343	1.11 279	2.90 299	2.00 349	0.33 294	0.30 312	0.40 331	0.30 299	0.44 319	0.45 318
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
FBW_ROB	1.71 354	0.62 328	1.45 317	0.67 276	0.61 291	1.81 337	1.08 331	2.52 377	1.70 340	1.77 333	1.73 307	1.98 340	1.25 304	12.57 416	1.84 340	0.34 302	0.37 342	0.56 365	0.38 333	0.45 322	0.43 314

FCDSN-DC	2.32 375	0.63 329	0.81 177	0.84 340	0.75 330	2.23 361	0.94 312	2.09 335	1.80 348	5.45 407	7.72 405	7.77 405	6.93 411	3.39 313	1.80 339	0.52 356	0.48 368	0.52 352	0.51 362	0.57 346	0.58 348
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
G-Net	1.66 347	0.63 329	1.56 329	1.11 376	0.74 324	2.98 383	0.91 304	1.55 217	1.22 226	2.76 378	8.18 408	2.32 358	2.53 383	1.92 242	1.87 341	0.48 351	0.44 359	0.45 341	0.31 303	0.60 354	0.57 347

ETE_ROB	0.96 255	0.64 331	1.16 279	0.69 289	0.48 227	1.14 257	1.13 336	1.77 264	1.19 214	1.91 348	1.45 248	1.73 319	1.05 266	1.60 198	1.14 279	0.32 289	0.26 286	0.38 320	0.34 320	0.39 295	0.41 306

PDISCO_ROB	1.32 320	0.65 332	1.44 313	1.36 380	1.46 386	2.55 372	0.92 306	2.45 375	2.07 364	1.37 265	1.49 261	1.65 311	1.00 252	2.82 295	1.35 305	1.01 379	0.27 294	0.54 358	0.47 353	0.71 366	0.73 367

dad	0.86 232	0.66 333	1.06 259	0.56 167	0.37 155	0.76 163	0.44 126	1.17 125	1.50 323	1.44 285	1.27 191	1.34 262	0.75 142	2.52 286	0.84 238	0.42 332	0.27 294	0.83 375	0.26 255	0.41 302	0.29 247

Wz-Net-LNSev	1.03 277	0.67 334	2.71 377	0.64 249	0.84 350	1.75 329	1.00 322	1.80 272	1.32 272	1.28 223	1.25 182	1.65 311	1.22 300	1.39 160	1.40 311	0.28 265	0.26 286	0.24 172	0.23 220	0.33 270	0.32 275

ccnet	1.12 296	0.67 334	1.01 242	0.78 324	0.73 322	1.72 327	0.99 320	1.84 282	1.26 241	1.47 290	1.85 323	1.75 324	1.29 309	1.75 221	1.88 343	0.57 364	0.53 375	0.57 367	0.55 366	0.59 350	0.54 339

FADNet-RVC	0.88 237	0.67 334	1.93 353	0.60 208	0.48 227	0.91 208	0.60 234	1.71 247	1.18 211	0.90 80	0.96 75	1.36 263	0.92 214	2.25 272	1.17 283	0.30 277	0.29 308	0.32 283	0.32 309	0.41 302	0.35 286

Syn2CoEx	1.14 301	0.69 337	1.66 335	0.80 328	0.67 306	1.40 298	0.88 297	2.06 331	1.54 329	1.25 214	1.58 282	1.42 270	1.50 332	4.09 326	1.40 311	0.36 312	0.32 325	0.34 300	0.29 291	0.29 243	0.34 281

psmorigin	1.52 337	0.69 337	10.52 406	0.68 286	0.59 285	1.13 256	0.70 259	1.57 219	1.19 214	1.99 351	1.79 315	2.26 354	1.47 328	2.09 258	1.36 306	0.39 323	0.40 351	0.34 300	0.33 315	0.43 312	0.56 343

ADCPNet	1.85 359	0.69 337	8.07 399	0.71 301	0.58 278	2.79 379	1.22 345	1.94 307	1.54 329	1.88 344	1.69 303	2.46 365	2.04 368	2.37 279	6.48 387	0.38 320	0.37 342	0.38 320	0.43 344	0.47 325	0.45 318

XX-TBD	0.46 26	0.70 340	0.35 1	0.79 325	0.25 18	0.58 76	0.26 10	0.69 5	1.27 248	0.76 55	1.00 88	0.45 15	0.33 10	0.47 3	0.37 39	0.19 92	0.15 126	0.15 3	0.11 6	0.17 25	0.14 11

SHD	1.31 318	0.71 341	2.34 367	0.86 347	0.75 330	1.77 334	0.65 243	2.22 358	2.50 377	2.40 368	1.71 305	1.91 331	1.60 339	1.93 245	2.37 357	0.38 320	0.31 318	0.38 320	0.40 338	0.48 328	0.50 333

RTSC	1.29 315	0.73 342	2.44 369	0.83 339	0.57 270	1.85 342	0.65 243	1.88 289	2.00 360	2.20 359	1.66 299	1.60 302	1.26 306	2.33 276	3.92 376	0.32 289	0.23 266	0.27 239	0.29 291	0.37 283	0.37 292

ADCMid	1.89 363	0.73 342	5.06 389	0.72 304	0.67 306	2.00 352	1.14 337	1.97 314	1.48 320	2.86 381	1.81 318	2.37 360	2.05 370	2.24 270	10.39 404	0.33 294	0.31 318	0.39 326	0.43 344	0.50 332	0.44 316

DeepPrunerF	1.60 342	0.73 342	5.81 394	0.88 353	1.19 379	0.91 208	0.95 314	2.19 354	5.24 402	1.17 178	1.30 199	1.19 223	1.30 313	4.90 341	1.66 335	0.42 332	0.34 327	0.52 352	0.47 353	0.41 302	0.40 302

ELAS_RVC	2.48 382	0.74 345	1.90 351	1.05 371	0.92 359	2.76 377	4.01 410	2.76 380	4.11 396	4.69 401	4.63 388	4.62 388	5.96 407	3.97 325	3.96 377	0.63 370	0.53 375	0.56 365	0.52 363	0.64 357	0.63 356
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	2.37 377	0.74 345	1.54 328	0.99 367	0.92 359	4.78 402	2.33 398	3.33 389	3.37 389	5.05 406	4.77 391	3.67 382	4.53 402	3.42 316	4.50 380	0.62 368	0.53 375	0.55 362	0.53 364	0.63 355	0.64 360
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Anonymous Stereo	1.28 314	0.75 347	2.45 370	0.74 313	0.77 334	0.93 217	1.77 372	1.51 202	1.31 267	1.67 325	1.29 198	1.20 224	0.75 142	6.29 370	1.68 336	0.37 316	0.36 340	0.38 320	0.40 338	0.43 312	0.45 318

PWCDC_ROB	1.29 315	0.75 347	1.33 305	1.05 371	0.88 356	1.73 328	0.52 181	1.89 291	3.28 387	1.29 228	4.88 392	1.22 227	1.46 326	1.77 228	1.45 323	0.60 366	0.26 286	0.29 257	0.25 242	0.52 338	0.37 292

DGSMNet	1.14 301	0.76 349	2.49 372	0.81 331	0.86 353	1.39 297	1.39 355	2.13 337	1.35 286	1.26 218	1.63 294	1.48 285	0.98 242	1.75 221	1.10 274	0.45 343	0.43 356	0.55 362	0.49 358	0.75 368	0.70 364

PWC_ROB	1.24 310	0.76 349	2.46 371	0.72 304	0.78 337	1.15 262	0.49 165	1.75 255	1.92 356	2.31 361	3.07 370	1.59 300	1.40 319	2.46 284	2.10 353	0.33 294	0.22 257	0.35 307	0.24 231	0.38 291	0.41 306

aanetorigin	1.23 309	0.79 351	2.78 379	0.70 294	0.79 339	0.99 235	1.06 329	1.06 101	1.37 293	3.52 389	2.61 363	1.72 318	1.63 341	1.99 250	1.78 338	0.25 232	0.24 275	0.26 228	0.25 242	0.38 291	0.45 318

RGC	1.14 301	0.79 351	1.26 293	0.91 360	0.96 364	1.52 310	0.77 271	1.92 301	1.26 241	1.54 307	1.93 332	2.02 345	1.54 333	2.25 272	1.31 299	0.44 342	0.35 335	0.58 368	0.48 355	0.47 325	0.46 322

MFN_U_SF_RVC	1.52 337	0.84 353	3.42 381	0.87 352	0.66 304	2.56 373	0.95 314	2.36 369	1.70 340	1.98 350	1.86 324	2.45 364	1.79 354	2.95 300	2.58 359	0.52 356	0.48 368	0.55 362	0.59 372	0.59 350	0.61 354

PVD	1.70 352	0.84 353	2.26 365	0.94 365	0.83 349	2.48 370	0.97 316	2.59 379	3.35 388	3.01 386	2.77 366	2.34 359	2.47 382	2.67 292	3.14 368	0.47 350	0.45 363	0.59 369	0.48 355	0.59 350	0.75 369

SAMSARA	1.55 339	0.84 353	2.61 374	1.22 379	1.07 368	2.50 371	1.93 383	2.05 326	1.89 353	2.75 377	1.66 299	2.81 373	1.69 348	3.08 306	1.97 348	0.46 349	0.51 373	0.42 335	0.46 351	0.58 348	0.59 350

GANetREF_RVC	1.07 283	0.86 356	1.31 300	0.82 336	0.53 257	1.41 302	1.31 352	1.76 261	1.52 326	1.27 221	1.31 204	1.46 279	1.24 303	2.03 253	0.96 257	0.56 363	0.45 363	0.67 370	0.50 360	0.88 372	0.59 350
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
MFN_U_SF_DS_RVC	1.74 356	0.87 357	3.56 382	0.80 328	0.75 330	3.72 391	2.44 401	1.82 277	1.82 350	1.74 330	1.91 330	1.92 334	1.26 306	7.69 394	1.28 296	0.45 343	0.47 367	0.52 352	0.77 378	0.50 332	0.50 333

XQC	1.37 325	0.87 357	2.56 373	0.84 340	0.69 314	1.83 340	0.89 299	2.07 332	1.88 352	1.88 344	1.53 268	1.91 331	1.55 335	2.85 298	3.05 365	0.48 351	0.29 308	0.44 340	0.39 334	0.69 364	0.60 353

SQANet	1.31 318	0.88 359	1.08 266	1.83 388	1.44 385	1.44 304	0.75 265	1.74 253	1.09 170	1.32 247	1.26 188	1.28 249	1.01 254	1.50 180	0.83 235	2.50 394	0.34 327	1.47 386	0.55 366	2.32 389	1.57 389

PASM	1.34 322	0.92 360	2.62 375	0.86 347	0.87 355	1.03 240	1.08 331	1.50 197	1.51 325	1.82 341	1.41 238	1.68 314	1.26 306	4.87 340	1.34 302	0.61 367	0.65 386	0.68 371	0.78 379	0.69 364	0.68 363

WZ-Net	1.95 364	0.95 361	10.10 403	0.86 347	0.78 337	1.69 324	1.60 367	2.20 357	1.98 359	2.08 355	1.93 332	2.30 356	1.97 365	5.30 347	3.17 370	0.34 302	0.26 286	0.29 257	0.31 303	0.51 336	0.47 325

GASNet	0.99 266	0.97 362	1.72 340	0.98 366	0.68 312	0.83 192	0.67 251	1.60 224	1.28 253	1.31 245	1.22 172	1.22 227	1.21 299	2.41 282	1.41 315	0.43 337	0.26 286	0.36 315	0.34 320	0.55 343	0.31 269

anonymity	1.12 296	0.97 362	1.21 284	1.07 374	1.12 373	1.08 249	0.89 299	1.95 309	1.16 205	1.29 228	1.26 188	1.22 227	1.09 277	1.15 122	1.01 262	1.02 381	1.00 402	0.97 379	0.97 389	0.98 374	0.99 377

Consistency-Raft	1.25 312	0.99 364	1.93 353	1.02 370	1.21 380	0.96 227	1.01 324	1.75 255	1.92 356	1.36 263	2.12 344	1.44 275	1.01 254	1.14 121	1.40 311	0.72 373	0.82 389	0.89 377	0.98 391	1.31 384	0.95 375

ADCS	2.25 372	0.99 364	5.55 391	0.81 331	0.74 324	2.19 360	1.80 374	2.27 362	2.14 365	2.80 380	2.13 345	2.40 362	2.03 367	2.64 291	13.69 408	0.41 329	0.39 349	0.40 331	0.45 348	0.58 348	0.56 343

MaskLacGwcNet_RVC	1.10 291	1.02 366	1.00 238	0.82 336	0.67 306	1.93 346	0.93 310	1.62 230	1.11 176	1.15 158	1.25 182	1.50 287	0.79 161	1.96 248	0.76 210	1.89 389	0.34 327	0.79 374	0.36 328	1.25 383	0.83 371

SPS-STEREO	1.67 348	1.04 367	1.23 287	1.21 378	1.13 375	1.82 339	1.11 333	2.16 346	1.52 326	3.07 388	2.32 352	2.82 374	1.80 355	4.11 327	2.04 350	1.03 382	0.99 401	0.97 379	0.94 387	1.03 378	1.02 378
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
NVStereoNet_ROB	1.88 360	1.07 368	1.45 317	1.07 374	1.17 376	1.47 305	1.48 361	1.89 291	1.93 358	1.94 349	4.67 390	3.08 378	1.80 355	6.51 373	1.65 333	1.06 384	0.86 396	1.08 384	1.32 396	0.93 373	1.26 386
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SGM+DAISY	2.41 380	1.07 368	2.14 360	1.18 377	1.10 370	2.14 359	1.36 354	1.96 310	1.66 337	5.46 408	7.07 400	4.95 393	4.32 401	5.50 354	2.26 356	1.04 383	1.02 404	0.99 381	0.97 389	1.02 377	1.04 380

EDNetEfficient	2.37 377	1.10 370	8.08 400	0.74 313	0.71 317	0.98 234	1.56 364	1.46 189	4.06 395	4.90 403	2.82 367	2.25 353	3.48 393	2.95 300	9.97 401	0.26 246	0.24 275	0.26 228	0.30 299	0.68 363	0.61 354

AnyNet_C32	1.96 365	1.10 370	5.17 390	0.90 357	1.11 371	2.12 358	2.37 399	1.85 283	1.48 320	2.45 369	1.70 304	2.05 348	1.64 342	2.50 285	10.28 403	0.37 316	0.34 327	0.35 307	0.41 340	0.49 331	0.54 339

LSM	6.33 406	1.10 370	13.19 409	1.41 384	68.17 433	1.64 321	1.90 382	1.92 301	2.46 372	2.99 384	3.11 371	1.88 326	1.80 355	2.61 290	2.06 352	0.41 329	0.58 381	0.50 350	0.57 368	0.64 357	17.66 425

otaku	1.60 342	1.11 373	1.21 284	2.20 390	1.56 387	1.97 349	1.24 346	2.07 332	1.36 289	1.44 285	1.62 291	1.73 319	1.19 293	1.73 220	0.98 260	2.89 398	0.57 380	1.74 387	0.60 373	2.78 394	1.94 394

AnonymousM	0.59 100	1.11 373	0.41 9	0.44 23	0.32 108	0.43 14	0.47 150	1.05 88	0.64 28	0.98 99	0.63 22	0.67 69	0.43 24	0.59 15	0.41 67	0.20 119	0.15 126	1.84 390	0.84 382	0.14 2	0.13 3

MFMNet_re	1.40 329	1.14 375	1.68 336	1.39 382	1.07 368	1.48 306	1.43 357	1.87 287	1.82 350	2.26 360	2.19 347	1.51 289	1.86 359	1.52 181	1.25 290	0.93 377	0.83 390	0.84 376	0.80 380	0.99 376	1.05 382

Ntro	1.64 346	1.15 376	1.23 287	2.48 395	1.83 389	2.09 356	1.16 340	1.96 310	1.38 297	1.21 194	1.62 291	1.62 304	1.29 309	1.87 239	1.11 276	3.04 399	0.56 379	1.82 389	0.64 374	2.80 395	2.05 395

MSC_U_SF_DS_RVC	2.12 369	1.15 376	3.10 380	1.05 371	0.76 333	5.03 405	2.40 400	2.16 346	2.62 379	1.89 346	2.28 351	2.69 371	1.65 343	9.35 406	2.04 350	0.64 371	0.51 373	0.68 371	0.71 376	1.09 379	0.67 361

UDGNet	0.72 163	1.17 378	0.80 176	0.77 322	0.41 191	0.77 169	0.38 71	0.97 61	1.34 278	0.81 68	0.88 63	0.71 81	0.60 99	1.21 127	0.54 153	0.52 356	0.19 210	1.02 382	0.26 255	0.71 366	0.31 269

Wz-Net-SNSev	1.49 333	1.23 379	6.27 396	0.68 286	0.67 306	1.37 293	1.41 356	2.00 317	1.39 301	1.48 296	1.61 288	2.29 355	1.32 315	3.93 323	2.14 354	0.31 284	0.28 300	0.31 270	0.33 315	0.42 307	0.36 290

CC-Net-ROB	1.49 333	1.26 380	1.27 296	0.88 353	0.79 339	1.76 331	1.00 322	1.79 270	1.26 241	1.10 133	1.61 288	1.21 225	0.99 250	8.13 398	0.84 238	1.09 385	0.41 353	2.20 391	0.46 351	1.20 382	0.48 328

RTS	2.67 385	1.38 381	15.28 411	0.99 367	1.26 382	3.78 392	1.96 385	2.15 343	2.62 379	2.61 372	2.85 368	2.60 368	1.59 337	6.27 368	5.71 385	0.40 325	0.28 300	0.35 307	0.35 324	0.50 332	0.48 328

RTSA	2.67 385	1.38 381	15.28 411	0.99 367	1.26 382	3.78 392	1.96 385	2.15 343	2.62 379	2.61 372	2.85 368	2.60 368	1.59 337	6.27 368	5.71 385	0.40 325	0.28 300	0.35 307	0.35 324	0.50 332	0.48 328

WAO-7	2.66 384	1.40 383	1.73 342	1.39 382	1.17 376	3.93 395	1.94 384	4.11 396	3.88 394	2.92 382	5.50 394	4.18 386	3.00 390	7.63 393	3.71 375	1.13 387	1.00 402	1.17 385	1.13 395	1.18 381	1.09 384

ACVNet_2	2.43 381	1.41 384	2.04 355	2.62 396	2.24 395	2.63 376	1.88 381	3.31 388	3.01 384	2.19 358	3.45 376	4.62 388	2.04 368	4.50 334	1.47 325	2.55 395	0.64 384	2.22 392	0.84 382	2.69 393	2.29 398

ACVNet-4b	2.15 370	1.41 384	1.64 333	2.80 397	2.31 398	2.31 365	1.24 346	2.32 365	2.14 365	1.26 218	2.39 356	2.66 370	1.48 329	5.95 366	1.06 266	3.20 403	0.45 363	2.37 395	0.89 384	2.83 398	2.37 399

ACVNet_1	2.18 371	1.45 386	1.72 340	2.85 399	2.33 399	2.28 363	1.46 359	3.08 386	2.22 368	1.82 341	2.05 341	3.56 381	1.98 366	3.09 307	1.40 311	3.17 400	0.60 382	2.40 399	0.92 386	2.91 401	2.37 399

EDNetEfficientorigin	10.57 413	1.47 387	177.42 438	0.67 276	0.53 257	1.58 315	1.16 340	1.90 294	3.37 389	4.71 402	3.38 374	3.10 379	2.69 385	3.13 308	3.58 373	0.25 232	0.23 266	0.33 290	0.27 263	0.83 369	0.81 370

Dean	2.91 393	1.53 388	2.07 356	2.96 403	2.51 401	3.15 384	2.14 392	4.75 401	4.41 399	2.76 378	6.10 396	5.53 396	2.37 378	2.97 302	1.92 345	3.18 401	0.85 394	2.51 402	1.04 394	2.88 400	2.47 402

WAO-6	2.81 391	1.60 389	1.46 319	2.36 394	2.28 397	3.55 389	2.29 397	4.21 397	4.56 400	2.36 366	4.51 385	4.88 392	2.66 384	4.60 335	4.07 379	1.72 388	1.15 408	2.31 394	1.46 402	2.31 388	1.85 392

LVE	3.31 395	1.67 390	1.64 333	2.85 399	2.42 400	3.20 386	2.26 396	4.78 402	5.05 401	2.35 364	6.91 398	6.02 398	2.37 378	9.15 402	2.17 355	3.19 402	1.08 407	2.38 397	1.47 403	2.81 396	2.40 401

RainbowNet	1.97 366	1.76 391	1.57 330	2.81 398	2.21 394	1.98 351	1.81 375	2.54 378	1.89 353	1.50 299	1.84 321	1.96 338	1.65 343	2.14 262	1.25 290	3.33 405	0.85 394	2.39 398	0.98 391	2.82 397	2.22 396

AnyNet_C01	2.26 373	1.78 392	10.22 405	0.93 363	0.74 324	2.92 382	2.20 394	2.29 364	1.80 348	2.53 371	2.41 358	2.71 372	1.73 349	3.41 315	6.72 389	0.41 329	0.39 349	0.40 331	0.42 342	0.67 362	0.63 356

IMH-64-1	2.70 388	1.79 393	1.46 319	3.26 406	2.66 402	3.23 387	2.10 389	4.08 394	2.75 382	2.34 362	3.81 380	3.06 376	2.22 375	4.25 329	2.59 360	3.75 409	0.84 391	2.75 405	1.35 397	3.15 403	2.60 405

IMH-64	2.70 388	1.79 393	1.46 319	3.26 406	2.66 402	3.23 387	2.10 389	4.08 394	2.75 382	2.34 362	3.81 380	3.06 376	2.22 375	4.25 329	2.59 360	3.75 409	0.84 391	2.75 405	1.35 397	3.15 403	2.60 405

WAO-8	4.40 398	1.82 395	1.79 344	2.34 392	2.20 392	9.19 410	1.53 362	6.09 408	16.46 414	3.94 392	7.84 406	7.32 400	3.72 397	9.41 408	3.31 371	2.00 390	1.07 405	2.44 400	1.37 400	2.50 390	1.68 390

Venus	4.40 398	1.82 395	1.79 344	2.34 392	2.20 392	9.19 410	1.53 362	6.09 408	16.46 414	3.94 392	7.84 406	7.32 400	3.72 397	9.41 408	3.31 371	2.00 390	1.07 405	2.44 400	1.37 400	2.50 390	1.68 390

IMH	3.21 394	1.85 397	1.48 324	3.25 405	2.69 404	4.07 398	2.02 387	4.41 399	3.80 393	2.72 375	7.11 401	4.75 391	2.92 387	5.92 364	2.55 358	3.85 412	0.88 397	2.78 407	1.36 399	3.19 405	2.59 404

JetBlue	3.97 396	2.01 398	10.19 404	1.38 381	2.84 406	10.53 413	9.54 413	3.60 392	2.41 371	2.73 376	3.39 375	4.54 387	4.31 400	7.85 397	6.84 390	0.88 375	0.93 400	0.89 377	0.91 385	1.74 385	1.91 393

TorneroNet-64	5.30 404	2.03 399	1.74 343	3.43 408	2.81 405	10.09 412	2.12 391	9.10 415	17.12 419	4.96 405	9.27 411	10.72 414	3.70 396	9.20 403	4.55 381	3.31 404	0.84 391	2.88 408	1.55 404	3.49 406	3.04 408

TorneroNet	10.70 414	2.03 399	1.82 347	3.43 408	3.01 407	43.83 429	2.22 395	8.87 414	67.47 438	7.17 412	27.36 423	10.68 413	3.85 399	8.67 401	7.65 397	3.59 407	0.88 397	3.04 409	1.57 405	3.71 407	3.17 409

PWCK	2.88 392	2.05 401	5.72 393	2.08 389	1.11 371	3.55 389	3.90 409	2.86 383	3.54 392	3.03 387	3.63 378	3.10 379	2.31 377	8.15 400	3.09 366	2.12 392	0.91 399	1.75 388	0.98 391	2.57 392	1.18 385

KSHMR	8.75 412	2.06 402	2.11 358	3.53 410	3.11 408	4.13 399	2.69 402	5.60 405	61.37 437	3.00 385	55.83 437	4.98 395	2.45 381	4.49 333	2.61 362	3.46 406	1.55 412	3.14 411	1.94 409	3.72 408	3.18 410

Wz-Net-TNSev	1.88 360	2.08 403	7.66 397	0.67 276	0.64 299	2.42 369	1.83 377	2.33 366	1.74 345	1.57 315	1.56 276	2.58 367	1.90 362	4.86 339	3.12 367	0.39 323	0.37 342	0.33 290	0.37 331	0.53 340	0.58 348

coex-ft	8.13 411	2.13 404	98.04 437	0.67 276	0.53 257	1.71 325	1.56 364	1.65 234	11.11 409	18.17 423	3.75 379	3.88 385	7.61 412	2.98 303	6.49 388	0.30 277	0.30 312	0.32 283	0.31 303	0.66 361	0.50 333

UNDER WATER-64	5.27 403	2.32 405	8.78 402	3.93 414	3.54 413	7.61 408	3.03 408	5.84 407	14.19 410	4.04 394	4.04 382	9.39 409	6.26 408	5.93 365	8.48 398	3.60 408	1.51 411	3.13 410	1.88 407	4.29 413	3.61 413

UNDER WATER	5.08 402	2.33 406	5.55 391	3.94 415	3.51 412	5.20 406	2.72 404	5.61 406	16.52 416	3.84 391	4.60 387	9.21 408	5.89 406	5.90 363	8.66 399	3.75 409	1.34 409	3.18 412	1.88 407	4.33 414	3.61 413

ktn	4.70 400	2.38 407	2.12 359	3.76 411	3.24 409	4.85 403	2.95 407	5.52 404	7.37 407	4.07 396	19.32 420	7.46 402	3.47 392	7.39 388	2.95 364	4.04 413	1.85 413	3.26 413	2.22 412	3.08 402	2.65 407

notaker	3.98 397	2.40 408	2.68 376	3.82 413	3.27 411	3.97 397	2.14 392	4.78 402	3.45 391	4.12 397	6.94 399	7.65 404	3.26 391	7.82 396	5.30 384	4.04 413	1.41 410	3.36 414	2.10 411	3.88 409	3.31 411

UDG	1.41 330	2.65 409	0.99 233	1.44 385	1.64 388	1.34 290	0.80 282	1.60 224	1.23 229	1.23 202	1.71 305	2.01 343	1.34 317	1.47 176	1.41 315	0.90 376	0.54 378	2.29 393	0.75 377	1.84 386	1.04 380

DDUNet	1.50 335	2.69 410	1.12 274	1.77 387	1.88 390	1.84 341	0.92 306	1.70 246	1.16 205	1.38 270	1.79 315	1.60 302	1.12 282	1.37 151	1.08 269	1.10 386	0.76 387	2.37 395	0.94 387	2.00 387	1.37 387

DispFullNet	2.34 376	2.85 411	3.66 383	3.08 404	2.27 396	1.97 349	0.67 251	2.00 317	1.70 340	2.52 370	2.00 336	2.23 352	5.86 405	3.44 318	1.58 330	1.01 379	0.32 325	2.64 404	1.94 409	2.85 399	2.24 397

MADNet++	5.01 401	3.14 412	4.91 388	4.55 417	3.94 415	5.20 406	4.41 411	4.40 398	4.13 397	4.95 404	6.08 395	4.74 390	5.37 403	9.40 407	10.67 405	4.65 415	4.15 417	3.97 416	3.34 415	4.09 411	4.08 416

MADNet+	2.69 387	3.22 413	11.53 408	1.44 385	1.12 373	3.19 385	1.81 375	2.85 382	2.37 369	1.68 326	2.07 342	2.85 375	2.18 373	7.41 389	5.23 383	0.79 374	0.76 387	0.69 373	0.65 375	0.98 374	0.95 375

HanzoNet	11.04 415	3.62 414	8.10 401	4.08 416	3.55 414	4.90 404	2.73 405	7.19 412	10.10 408	31.86 433	28.92 425	21.96 424	36.36 426	18.08 419	10.17 402	7.94 419	3.32 415	3.47 415	3.31 414	7.06 419	4.04 415

DPSimNet_ROB	11.20 416	4.98 415	35.43 425	2.90 402	4.52 416	7.89 409	17.09 417	4.66 400	6.06 405	14.89 419	10.93 413	17.29 416	36.81 428	13.18 417	15.68 413	2.86 397	6.29 419	5.75 419	5.09 417	3.91 410	7.70 419

SPstereo	26.54 423	6.08 416	10.71 407	5.55 418	5.68 417	48.14 430	80.43 437	67.31 438	34.39 433	28.70 431	27.52 424	43.76 435	37.60 433	45.04 437	54.41 438	4.92 418	4.89 418	10.74 424	5.88 418	4.46 415	4.57 417

DPSMNet_ROB	13.02 418	8.23 417	21.91 415	9.53 421	18.11 419	11.56 415	32.02 424	10.64 417	16.23 413	7.05 411	19.49 422	10.16 412	16.66 416	9.85 412	22.43 420	4.77 417	8.68 420	5.38 418	10.26 422	6.17 418	11.36 420

DGTPSM_ROB	13.01 417	8.23 417	21.87 414	9.51 420	18.10 418	11.56 415	32.01 423	10.63 416	16.20 412	7.03 410	19.48 421	10.15 411	16.66 416	9.83 411	22.42 419	4.75 416	8.68 420	5.37 417	10.25 421	6.16 417	11.36 420

JetRed	6.91 409	8.80 419	25.96 421	2.85 399	3.25 410	13.98 419	11.87 414	6.25 410	4.28 398	4.45 399	4.56 386	6.69 399	5.46 404	7.46 391	14.05 409	2.59 396	3.31 414	2.59 403	2.29 413	4.20 412	3.36 412

ASD4		10.99 420

BEATNet-Init1	26.87 424	13.43 421	70.68 436	0.91 360	0.68 312	57.02 437	21.06 419	32.82 429	32.67 426	52.12 437	53.61 436	66.05 437	49.56 437	48.79 438	34.71 428	0.49 355	0.44 359	0.53 357	0.53 364	0.63 355	0.59 350

Anonymous_1	43.04 434	18.73 422	24.79 418	21.81 422	46.26 432	27.80 420	37.60 425	28.08 424	16.14 411	14.66 418	14.30 414	20.65 418	17.88 418	21.56 420	25.94 422	117.93 438	8.92 422	100.65 435	126.50 435	158.64 438	12.08 422

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

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

xxxxx1	54.10 436	25.67 425	27.13 422	113.43 435	96.96 435	30.69 425	47.44 428	32.38 426	25.60 421	17.75 420	17.27 417	21.81 421	21.02 421	24.43 424	33.82 425	33.37 432	40.54 433	157.71 436	175.86 436	66.16 434	72.93 436

tt_ll	54.10 436	25.67 425	27.13 422	113.43 435	96.96 435	30.69 425	47.44 428	32.38 426	25.60 421	17.75 420	17.27 417	21.81 421	21.02 421	24.43 424	33.82 425	33.37 432	40.54 433	157.71 436	175.86 436	66.16 434	72.93 436

ff	54.10 436	25.67 425	27.13 422	113.43 435	96.96 435	30.69 425	47.44 428	32.38 426	25.60 421	17.75 420	17.27 417	21.81 421	21.02 421	24.43 424	33.82 425	33.37 432	40.54 433	157.71 436	175.86 436	66.16 434	72.93 436

LRCNet_RVC	22.74 421	32.10 428	21.97 416	29.84 425	26.23 423	4.42 401	0.81 285	22.66 420	2.02 361	26.93 425	29.26 426	23.06 426	15.59 415	23.84 423	18.88 416	31.75 431	19.90 432	34.65 431	32.13 431	30.54 430	28.32 431

PML	51.67 435	36.25 429	13.28 410	7.46 419	20.81 420	108.69 438	232.22 439	8.72 413	27.82 425	87.01 438	269.67 439	69.67 438	61.95 438	24.76 427	14.20 410	9.74 422	3.40 416	9.62 421	4.70 416	18.74 423	4.72 418

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

Selective-RAFT-Error	38.39 429	38.47 431	50.44 434	44.73 429	41.97 431	56.68 434	76.38 433	53.24 436	33.92 429	28.34 427	29.85 428	43.60 433	38.20 435	43.75 430	53.34 432	20.38 429	18.70 427	21.09 429	21.05 425	28.30 428	25.43 430

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

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

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

LSM0	42.82 433	38.75 435	50.81 435	47.07 434	109.38 438	57.00 436	76.02 431	53.74 437	33.71 427	29.02 432	30.41 432	43.87 436	37.22 429	43.91 435	53.54 437	20.52 430	18.62 426	21.10 430	21.11 430	28.41 429	42.22 432

HaxPig	38.92 430	41.40 436	41.64 426	29.95 426	32.27 424	28.90 423	27.60 420	29.73 425	37.71 434	43.82 434	43.87 433	33.17 427	35.56 425	41.53 428	40.37 430	43.94 435	47.51 437	45.82 432	47.08 433	42.38 431	44.15 434

AVERAGE_ROB	40.43 431	42.37 437	42.73 427	36.96 428	35.58 426	30.50 424	27.61 421	36.71 431	38.39 435	44.91 435	44.36 434	37.45 429	36.70 427	41.88 429	40.35 429	45.43 436	46.81 436	47.11 433	46.35 432	42.51 432	43.87 433

MEDIAN_ROB	42.00 432	44.40 438	44.29 429	35.15 427	34.95 425	31.28 428	29.60 422	35.88 430	40.02 436	47.20 436	46.64 435	37.37 428	38.48 436	44.35 436	42.45 431	48.03 437	49.39 438	49.71 434	49.03 434	45.14 433	46.65 435

DLNR_Zeroshot_test	23.17 422	48.52 439	43.29 428	176.68 438	78.69 434	0.35 5	0.21 1	23.41 421	0.75 57	0.66 44	0.86 58	0.59 53	0.30 4	1.56 192	0.44 86	9.57 421	0.12 9	0.18 37	0.14 23	76.92 437	0.16 42

test_example2	192.40 439	210.76 440	206.48 439	199.83 439	204.73 439	172.94 439	183.52 438	133.93 439	133.41 439	191.38 439	196.19 438	187.13 439	178.77 439	205.33 439	208.00 439	222.09 439	238.72 439	186.54 439	190.54 439	227.34 439	170.31 439

Low-res two-view benchmark