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

StereoIM	0.38 1	0.27 35	0.72 57	0.45 8	0.35 137	0.30 3	0.31 25	0.81 6	0.54 3	0.38 2	0.38 1	0.58 43	0.49 53	0.53 4	0.39 31	0.20 99	0.16 139	0.19 47	0.15 30	0.19 59	0.15 3

MIF-Stereo	0.38 1	0.24 9	0.67 47	0.49 34	0.36 139	0.40 9	0.32 29	0.55 1	0.55 4	0.55 30	0.55 17	0.36 2	0.31 6	0.59 11	0.52 108	0.21 120	0.15 112	0.17 13	0.15 30	0.19 59	0.17 23

CREStereo	0.40 3	0.24 9	0.40 2	0.37 1	0.22 4	0.52 47	0.29 21	0.81 6	1.15 171	0.59 31	0.72 33	0.51 32	0.42 19	0.57 8	0.37 25	0.19 65	0.13 17	0.15 3	0.10 1	0.14 1	0.15 3
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
AEACV	0.41 4	0.25 16	0.60 24	0.55 110	0.52 237	0.43 13	0.38 68	0.98 30	0.63 17	0.44 5	0.56 18	0.46 15	0.59 95	0.56 6	0.31 1	0.17 18	0.13 17	0.18 33	0.16 54	0.17 20	0.17 23

LoS	0.41 4	0.23 6	0.46 8	0.39 2	0.23 5	0.48 23	0.40 79	1.12 72	0.94 88	0.50 19	0.66 21	0.49 28	0.42 19	0.63 23	0.39 31	0.19 65	0.14 58	0.16 8	0.11 6	0.14 1	0.15 3

EGLCR-Stereo	0.41 4	0.24 9	0.59 22	0.45 8	0.27 19	0.54 60	0.22 2	1.23 113	0.56 6	0.44 5	0.43 2	0.68 65	0.29 3	0.89 65	0.34 4	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.18 32

GLC_STEREO	0.41 4	0.27 35	0.43 5	0.55 110	0.24 6	0.47 18	0.30 23	0.81 6	0.64 19	0.53 28	0.74 35	0.50 31	0.31 6	0.65 25	0.45 72	0.18 40	0.20 208	0.23 146	0.19 102	0.21 121	0.21 87

CASnet	0.42 8	0.26 19	0.52 15	0.52 69	0.21 2	0.49 28	0.35 49	0.85 14	0.85 61	0.84 65	0.69 27	0.48 24	0.31 6	0.57 8	0.34 4	0.19 65	0.12 5	0.27 233	0.22 186	0.23 158	0.15 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Selective-IGEV	0.42 8	0.26 19	0.56 16	0.48 29	0.27 19	0.45 16	0.33 33	1.56 167	0.61 15	0.36 1	0.47 4	0.52 35	0.30 4	1.08 99	0.33 3	0.15 4	0.13 17	0.17 13	0.13 11	0.16 11	0.15 3

CroCo-Stereo	0.42 8	0.33 135	0.83 115	0.59 162	0.28 40	0.26 1	0.33 33	1.22 109	0.85 61	0.43 4	0.49 7	0.65 59	0.46 35	0.40 1	0.36 16	0.19 65	0.15 112	0.16 8	0.14 22	0.20 86	0.17 23
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
ff7	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

ffff	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

11t	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

LoS_RVC	0.45 11	0.29 61	0.48 10	0.49 34	0.83 337	0.51 43	0.43 107	0.65 2	0.44 1	0.47 11	0.78 41	0.44 7	0.60 99	0.59 11	0.37 25	0.14 1	0.12 5	0.14 1	0.10 1	0.14 1	1.08 375

anonymousdsp	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 91	0.97 26	0.60 12	0.51 26	0.53 9	0.46 15	0.47 41	1.36 134	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

ccc-4	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

IGEV-Stereo	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 91	0.98 30	0.60 12	0.51 26	0.53 9	0.46 15	0.47 41	1.36 134	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
TANstereo	0.45 11	0.23 6	0.50 13	0.43 5	0.21 2	0.65 109	0.26 10	0.83 10	0.88 65	0.95 83	0.99 82	0.51 32	0.45 28	0.56 6	0.36 16	0.19 65	0.24 261	0.16 8	0.13 11	0.17 20	0.27 193

ProNet	0.46 19	0.30 79	0.69 53	0.46 14	0.32 97	0.57 69	0.52 173	1.15 89	0.67 22	0.44 5	0.50 8	0.44 7	0.43 22	1.31 127	0.38 28	0.16 7	0.15 112	0.19 47	0.16 54	0.18 34	0.18 32

MC-Stereo	0.46 19	0.24 9	0.58 18	0.63 200	0.30 63	0.38 7	0.32 29	0.98 30	0.74 36	0.66 39	0.85 54	0.56 40	0.60 99	1.07 97	0.32 2	0.17 18	0.12 5	0.17 13	0.15 30	0.16 11	0.16 13

CroCo-Stereo Lap2	0.46 19	0.37 204	0.87 137	0.62 190	0.79 328	0.28 2	0.35 49	0.81 6	0.73 29	0.39 3	0.54 15	0.71 78	0.54 68	0.60 13	0.48 88	0.18 40	0.18 184	0.19 47	0.16 54	0.21 121	0.21 87

XX-TBD	0.47 22	0.71 327	0.39 1	0.81 315	0.25 8	0.57 69	0.26 10	0.73 3	1.30 235	0.78 52	1.01 88	0.45 14	0.33 10	0.49 3	0.39 31	0.20 99	0.15 112	0.15 3	0.11 6	0.17 20	0.15 3

PMTNet	0.47 22	0.22 3	0.43 5	0.39 2	0.24 6	0.71 136	0.26 10	0.78 5	1.03 123	0.65 38	0.69 27	0.55 38	0.48 43	0.90 68	0.36 16	0.99 375	0.13 17	0.15 3	0.10 1	0.15 4	0.15 3

MIF-Stereo (partial)	0.48 24	0.28 43	0.83 115	0.51 57	0.53 242	0.39 8	0.27 14	1.03 43	0.64 19	0.47 11	0.71 32	0.51 32	0.51 55	1.13 110	0.47 84	0.20 99	0.16 139	0.23 146	0.20 128	0.24 187	0.20 70

IGEVStereo-DCA	0.49 25	0.33 135	0.64 37	0.46 14	0.34 122	0.50 38	0.42 91	0.93 20	0.59 7	0.48 13	0.48 5	0.48 24	0.45 28	2.28 263	0.44 61	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.21 87

test croco	0.49 25	0.29 61	1.23 238	0.51 57	0.40 170	0.35 5	0.37 61	1.04 45	0.62 16	0.44 5	0.76 36	0.42 4	0.41 16	1.17 117	0.46 76	0.23 169	0.15 112	0.24 167	0.19 102	0.25 196	0.18 32

iRaftStereo_RVC	0.49 25	0.28 43	0.72 57	0.53 89	0.29 51	0.52 47	0.33 33	1.14 78	0.84 58	0.85 67	0.99 82	0.55 38	0.36 12	0.83 53	0.40 44	0.18 40	0.13 17	0.22 120	0.20 128	0.20 86	0.18 32

CREStereo++_RVC	0.49 25	0.22 3	0.46 8	0.48 29	0.38 154	0.45 16	0.25 4	0.77 4	1.30 235	0.82 61	1.23 169	0.47 20	0.37 13	0.55 5	0.44 61	0.16 7	0.11 2	0.16 8	0.80 377	0.18 34	0.12 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
MyStereo07	0.50 29	0.30 79	0.58 18	0.58 150	0.48 215	0.59 79	0.78 264	1.19 99	0.60 12	0.49 16	0.54 15	0.43 6	0.55 70	1.32 130	0.36 16	0.18 40	0.18 184	0.24 167	0.21 164	0.23 158	0.23 122

4D-IteraStereo	0.50 29	0.26 19	0.84 124	0.51 57	0.49 221	0.64 105	0.31 25	0.91 19	1.02 120	1.05 105	0.72 33	0.76 82	0.32 9	0.69 29	0.40 44	0.18 40	0.11 2	0.23 146	0.20 128	0.19 59	0.16 13

CES	0.51 31	0.21 2	0.40 2	0.42 4	1.40 378	0.53 51	0.34 40	1.04 45	0.68 23	0.45 9	0.67 23	0.35 1	0.28 2	0.58 10	0.35 6	0.16 7	0.13 17	0.15 3	0.10 1	0.19 59	1.69 385

sCroCo_RVC	0.51 31	0.43 245	1.15 212	0.66 230	0.60 273	0.52 47	0.40 79	0.93 20	0.64 19	0.45 9	0.76 36	0.49 28	0.49 53	0.65 25	0.49 97	0.27 241	0.28 291	0.23 146	0.22 186	0.29 233	0.28 204

RCA-Stereo	0.52 33	0.26 19	0.66 44	0.49 34	0.33 110	0.54 60	0.44 124	1.20 103	1.41 279	0.69 42	1.06 106	0.63 56	0.79 154	0.62 18	0.35 6	0.17 18	0.12 5	0.17 13	0.14 22	0.16 11	0.16 13

knoymous	0.53 34	0.32 118	0.51 14	0.46 14	0.30 63	0.57 69	0.54 188	1.10 68	0.78 42	0.99 86	0.84 52	0.95 152	0.57 77	0.89 65	0.51 102	0.21 120	0.14 58	0.26 224	0.14 22	0.23 158	0.25 160

HUI-Stereo	0.54 35	0.33 135	0.81 98	0.52 69	0.27 19	0.62 89	0.29 21	1.14 78	0.74 36	1.13 126	0.96 71	0.82 103	0.60 99	0.83 53	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

Any-RAFT	0.55 36	0.27 35	0.49 11	0.50 46	0.27 19	0.98 226	0.25 4	1.71 203	1.08 137	0.90 75	0.99 82	1.13 207	0.46 35	0.74 34	0.35 6	0.19 65	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

Selective-RAFT	0.55 36	0.29 61	0.85 130	0.58 150	0.28 40	0.91 201	0.34 40	1.00 36	0.96 96	0.59 31	0.64 20	0.80 91	0.76 140	1.34 132	0.51 102	0.21 120	0.15 112	0.17 13	0.15 30	0.19 59	0.19 51

test_4	0.55 36	0.23 6	0.67 47	0.56 122	0.32 97	0.71 136	0.39 77	0.83 10	0.72 28	0.93 80	1.87 321	0.70 72	0.41 16	1.21 121	0.39 31	0.16 7	0.13 17	0.21 93	0.23 213	0.20 86	0.18 32

GMOStereo	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 271	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

error version	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 271	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

test-v	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 271	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

test-2	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 271	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

rafts_anoy	0.55 36	0.32 118	0.66 44	0.72 279	0.61 278	0.53 51	0.40 79	1.24 114	1.06 133	0.85 67	0.83 51	0.67 63	0.53 61	0.77 40	0.55 127	0.20 99	0.15 112	0.25 203	0.26 244	0.22 140	0.21 87

s12784h	0.55 36	0.22 3	0.49 11	0.43 5	0.19 1	1.00 228	0.34 40	1.40 138	1.30 235	0.84 65	0.93 66	0.63 56	0.52 59	1.48 159	0.47 84	0.15 4	0.12 5	0.17 13	0.11 6	0.19 59	0.13 2

raftrobust	0.55 36	0.27 35	0.63 32	0.68 252	0.69 302	0.50 38	0.34 40	1.08 55	0.97 100	1.32 223	0.88 60	0.62 52	0.80 160	0.82 50	0.44 61	0.20 99	0.16 139	0.16 8	0.14 22	0.15 4	0.18 32

Gwc-CoAtRS	0.55 36	0.27 35	0.73 67	0.49 34	0.30 63	0.63 97	0.25 4	1.38 136	1.12 156	1.05 105	1.02 90	1.10 198	0.55 70	0.72 32	0.44 61	0.17 18	0.14 58	0.17 13	0.15 30	0.16 11	0.17 23

MSKI-zero shot	0.56 47	0.30 79	0.61 28	0.55 110	0.28 40	0.68 123	0.28 17	1.25 116	0.68 23	0.92 77	1.33 204	0.81 97	0.33 10	1.94 227	0.36 16	0.18 40	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

EKT-Stereo	0.56 47	0.33 135	0.84 124	0.61 182	0.64 285	0.51 43	0.48 151	1.14 78	0.95 92	0.74 48	0.89 62	0.77 86	0.42 19	1.18 118	0.42 54	0.23 169	0.17 161	0.21 93	0.18 84	0.20 86	0.26 177

LL-Strereo2	0.56 47	0.36 188	0.77 82	0.56 122	0.40 170	0.68 123	0.37 61	1.21 107	0.83 56	0.96 84	0.79 43	0.91 137	0.41 16	1.08 99	0.48 88	0.18 40	0.17 161	0.29 253	0.25 233	0.22 140	0.19 51

test-3	0.56 47	0.24 9	0.82 107	0.50 46	0.29 51	0.57 69	0.34 40	1.09 62	1.03 123	1.33 228	0.69 27	0.87 120	0.45 28	1.68 191	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

test_1	0.56 47	0.24 9	0.82 107	0.50 46	0.29 51	0.57 69	0.34 40	1.09 62	1.03 123	1.28 208	0.69 27	0.87 120	0.45 28	1.67 189	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

PSM-adaLoss	0.56 47	0.33 135	0.81 98	0.52 69	0.27 19	0.63 97	0.41 87	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.09 103	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

ROB_FTStereo	0.56 47	0.33 135	0.82 107	0.52 69	0.27 19	0.62 89	0.25 4	1.14 78	0.74 36	1.13 126	0.96 71	0.82 103	0.60 99	1.18 118	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

cross-raft	0.56 47	0.26 19	0.65 42	0.55 110	0.31 77	0.66 115	0.37 61	1.68 190	0.82 53	1.06 109	1.07 108	1.25 230	0.45 28	0.74 34	0.39 31	0.15 4	0.13 17	0.19 47	0.16 54	0.19 59	0.17 23

test-1	0.56 47	0.28 43	1.13 207	0.58 150	0.34 122	0.60 83	0.38 68	1.56 167	0.98 103	0.80 55	1.02 90	0.83 111	0.52 59	0.64 24	0.46 76	0.17 18	0.16 139	0.20 70	0.17 70	0.20 86	0.26 177

raft+_RVC	0.56 47	0.29 61	0.61 28	0.65 217	0.56 257	0.53 51	0.53 179	1.40 138	1.02 120	0.78 52	1.04 101	0.70 72	0.55 70	1.00 82	0.49 97	0.18 40	0.16 139	0.19 47	0.19 102	0.18 34	0.17 23

Anonymous	0.56 47	0.41 239	1.05 188	0.67 243	0.73 309	0.65 109	0.68 241	1.12 72	0.79 48	0.48 13	0.60 19	0.42 4	0.60 99	0.81 48	0.55 127	0.26 224	0.24 261	0.21 93	0.21 164	0.41 294	0.30 229

RAFT-Stereo + iAFF	0.56 47	0.28 43	0.81 98	0.45 8	0.25 8	0.40 9	0.34 40	1.12 72	1.13 161	1.35 239	1.58 276	0.80 91	0.67 122	0.71 30	0.43 57	0.14 1	0.11 2	0.18 33	0.17 70	0.18 34	0.16 13

11t1	0.57 59	0.30 79	0.84 124	0.54 100	0.30 63	0.83 180	0.41 87	1.34 130	0.79 48	0.88 73	0.82 50	0.70 72	0.70 130	0.96 78	0.67 170	0.21 120	0.21 221	0.20 70	0.16 54	0.21 121	0.26 177

rrr	0.57 59	0.33 135	2.43 331	0.46 14	0.34 122	0.50 38	0.38 68	0.84 13	0.55 4	0.48 13	0.48 5	0.48 24	0.45 28	2.28 263	0.44 61	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

test_3	0.57 59	0.24 9	0.87 137	0.55 110	0.30 63	0.60 83	0.40 79	1.07 50	1.08 137	1.20 169	0.68 24	0.92 142	0.43 22	1.68 191	0.40 44	0.16 7	0.13 17	0.22 120	0.19 102	0.21 121	0.17 23

Patchmatch Stereo++	0.57 59	0.33 135	0.82 107	0.52 69	0.27 19	0.63 97	0.28 17	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.40 141	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70
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
ROB_FTStereo_v2	0.57 59	0.33 135	0.81 98	0.52 69	0.27 19	0.62 89	0.42 91	1.14 78	0.73 29	1.13 126	0.97 78	0.82 103	0.60 99	1.15 112	0.53 117	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

DeepStereo_RVC	0.57 59	0.31 104	0.78 88	0.53 89	0.30 63	0.57 69	0.32 29	1.11 70	0.80 52	1.17 147	0.94 68	0.83 111	0.93 211	1.01 84	0.61 153	0.23 169	0.14 58	0.21 93	0.19 102	0.24 187	0.26 177

iRAFT	0.57 59	0.33 135	0.82 107	0.52 69	0.27 19	0.63 97	0.28 17	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.40 141	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

CRE-IMP	0.57 59	0.32 118	0.82 107	0.54 100	0.29 51	0.77 160	0.25 4	1.19 99	0.79 48	1.09 112	0.95 69	0.81 97	0.57 77	1.11 108	0.57 137	0.22 149	0.14 58	0.23 146	0.19 102	0.28 223	0.24 141

RAFT-IKP	0.57 59	0.33 135	0.82 107	0.52 69	0.27 19	0.57 69	0.35 49	1.14 78	0.73 29	1.13 126	0.96 71	0.83 111	0.61 109	1.26 124	0.53 117	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

test_xeample3	0.57 59	0.33 135	3.11 348	0.46 14	0.34 122	0.55 64	0.38 68	0.86 17	0.49 2	0.54 29	0.46 3	0.44 7	0.44 26	1.49 165	0.45 72	0.18 40	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

CFNet-RSSM	0.57 59	0.25 16	0.76 79	0.49 34	0.28 40	0.59 79	0.27 14	1.89 245	1.17 180	1.09 112	0.95 69	1.06 183	0.53 61	0.74 34	0.41 49	0.17 18	0.13 17	0.17 13	0.15 30	0.16 11	0.16 13

AE-Stereo	0.58 70	0.29 61	0.81 98	0.62 190	0.41 180	0.69 131	0.46 138	2.49 352	1.25 211	0.49 16	0.77 39	0.69 69	0.46 35	0.61 14	0.42 54	0.17 18	0.16 139	0.21 93	0.20 128	0.19 59	0.18 32

1test111	0.58 70	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.58 172	0.91 71	0.60 34	0.80 46	0.47 20	0.87 188	0.99 80	0.67 170	0.21 120	0.13 17	0.25 203	0.15 30	0.23 158	0.25 160

RAFT-Test	0.58 70	0.27 35	0.81 98	0.50 46	0.33 110	0.95 219	0.27 14	1.40 138	0.89 66	1.00 90	1.12 129	1.39 263	0.48 43	0.74 34	0.41 49	0.17 18	0.14 58	0.17 13	0.14 22	0.16 11	0.18 32

anonymousdsp2	0.58 70	0.29 61	0.93 153	0.51 57	0.30 63	0.75 146	0.46 138	1.95 258	0.87 64	0.81 59	0.78 41	0.76 82	0.48 43	1.10 105	0.45 72	0.19 65	0.14 58	0.18 33	0.13 11	0.20 86	0.22 108

fff	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 55	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 255	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

iGMRVC	0.58 70	0.33 135	0.81 98	0.52 69	0.27 19	0.62 89	0.38 68	1.14 78	0.73 29	1.13 126	0.97 78	0.82 103	0.59 95	1.54 168	0.53 117	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

RALCasStereoNet	0.58 70	0.34 162	0.77 82	0.65 217	0.64 285	0.64 105	0.51 165	1.06 49	0.99 110	0.71 43	1.06 106	0.77 86	0.44 26	1.38 138	0.52 108	0.20 99	0.18 184	0.18 33	0.16 54	0.20 86	0.22 108

DCANet	0.58 70	0.26 19	1.15 212	0.45 8	0.25 8	0.49 28	0.36 55	1.18 95	1.35 251	1.15 141	1.04 101	0.60 48	0.91 202	0.84 56	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.25 160

csc	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 55	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 255	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

cscssc	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 55	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 255	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

GMStereo	0.58 70	0.50 270	1.09 198	0.52 69	0.32 97	0.80 166	0.43 107	1.02 37	1.41 279	0.89 74	0.77 39	0.52 35	0.46 35	0.89 65	0.56 134	0.25 207	0.16 139	0.20 70	0.22 186	0.31 248	0.27 193
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet-DCA	0.59 81	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.58 172	0.91 71	0.60 34	0.80 46	0.47 20	0.87 188	1.48 159	0.35 6	0.21 120	0.13 17	0.25 203	0.15 30	0.23 158	0.25 160

IGEV_Zeroshot_test	0.59 81	0.33 135	1.11 203	0.63 200	0.37 144	0.41 12	0.33 33	1.80 221	0.79 48	1.04 103	1.10 119	1.06 183	0.43 22	0.87 61	0.48 88	0.18 40	0.13 17	0.19 47	0.18 84	0.20 86	0.23 122

DCANet-4	0.59 81	0.28 43	1.65 287	0.44 7	0.25 8	0.48 23	0.36 55	1.15 89	1.36 258	1.13 126	1.03 97	0.56 40	0.74 134	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

x	0.59 81	0.34 162	0.79 92	0.51 57	0.32 97	0.69 131	0.46 138	1.64 185	0.97 100	0.86 71	0.86 55	0.83 111	0.74 134	0.75 38	0.70 178	0.21 120	0.22 231	0.22 120	0.20 128	0.21 121	0.24 141

sAnonymous2	0.59 81	0.61 301	1.82 296	0.61 182	0.52 237	0.51 43	0.54 188	0.97 26	0.70 26	0.50 19	0.68 24	0.46 15	0.63 110	0.61 14	0.41 49	0.22 149	0.17 161	0.23 146	0.21 164	0.85 366	0.56 332

CroCo_RVC	0.59 81	0.61 301	1.82 296	0.61 182	0.52 237	0.51 43	0.54 188	0.97 26	0.70 26	0.50 19	0.68 24	0.46 15	0.63 110	0.61 14	0.41 49	0.22 149	0.17 161	0.23 146	0.21 164	0.85 366	0.56 332

MIM_Stereo	0.60 87	0.26 19	1.02 182	0.49 34	0.32 97	0.52 47	0.28 17	1.41 142	0.82 53	1.02 97	1.16 150	0.93 144	0.53 61	1.48 159	0.63 158	0.17 18	0.17 161	0.20 70	0.19 102	0.17 20	0.18 32

MIPNet	0.60 87	0.31 104	1.07 195	0.51 57	0.34 122	0.68 123	0.40 79	1.67 189	1.14 167	1.11 115	0.93 66	0.60 48	0.78 149	0.77 40	0.58 142	0.18 40	0.14 58	0.19 47	0.16 54	0.18 34	0.21 87

AFF-stereo	0.60 87	0.28 43	0.72 57	0.48 29	0.29 51	0.34 4	0.37 61	1.22 109	1.20 189	1.21 175	1.59 280	1.10 198	0.70 130	1.01 84	0.44 61	0.14 1	0.12 5	0.19 47	0.20 128	0.18 34	0.15 3

R-Stereo Train	0.60 87	0.30 79	0.72 57	0.57 140	0.37 144	0.68 123	0.52 173	1.45 147	0.78 42	1.61 309	1.50 253	0.76 82	0.53 61	0.67 27	0.51 102	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51

RAFT-Stereo	0.60 87	0.30 79	0.72 57	0.57 140	0.37 144	0.68 123	0.52 173	1.45 147	0.78 42	1.61 309	1.50 253	0.76 82	0.53 61	0.67 27	0.51 102	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
riskmin	0.62 92	0.29 61	0.73 67	0.50 46	0.34 122	0.86 191	0.44 124	1.74 208	1.07 134	0.76 51	0.76 36	1.19 214	1.01 242	0.84 56	0.60 150	0.20 99	0.16 139	0.24 167	0.16 54	0.24 187	0.29 216

qqq	0.62 92	0.36 188	0.88 139	0.50 46	0.28 40	0.64 105	0.62 227	1.58 172	0.91 71	0.83 62	0.96 71	0.95 152	0.79 154	0.99 80	0.67 170	0.21 120	0.23 253	0.24 167	0.23 213	0.23 158	0.25 160

ADStereo(finetuned)	0.62 92	0.26 19	1.59 284	0.45 8	0.25 8	0.49 28	0.36 55	1.18 95	1.35 251	1.16 145	1.04 101	0.60 48	1.18 287	0.85 59	0.57 137	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.24 141

dd	0.62 92	0.51 274	1.17 226	0.56 122	0.33 110	0.74 144	0.46 138	1.03 43	1.40 276	0.80 55	0.87 57	0.60 48	0.57 77	1.02 86	0.86 210	0.28 252	0.18 184	0.26 224	0.19 102	0.35 267	0.27 193

IPLGR	0.62 92	0.28 43	1.32 253	0.50 46	0.29 51	0.65 109	0.34 40	1.47 152	1.19 185	1.21 175	1.07 108	0.70 72	0.65 116	1.05 91	0.55 127	0.18 40	0.15 112	0.20 70	0.17 70	0.21 121	0.20 70

PFNet+	0.62 92	0.31 104	0.99 174	0.57 140	0.31 77	0.57 69	0.30 23	0.99 35	1.25 211	1.33 228	1.10 119	0.79 89	0.57 77	1.35 133	0.53 117	0.26 224	0.17 161	0.28 245	0.26 244	0.21 121	0.27 193

NRIStereo	0.62 92	0.31 104	0.78 88	0.56 122	0.28 40	0.63 97	0.33 33	1.16 92	0.92 76	1.15 141	0.87 57	0.90 134	0.58 92	2.24 259	0.56 134	0.22 149	0.14 58	0.21 93	0.19 102	0.22 140	0.18 32

RALAANet	0.62 92	0.37 204	0.97 170	0.66 230	0.50 225	0.67 120	0.31 25	1.27 121	1.09 144	1.11 115	1.17 152	0.88 126	0.46 35	1.27 126	0.45 72	0.20 99	0.15 112	0.21 93	0.18 84	0.27 208	0.19 51

FENet	0.62 92	0.30 79	0.68 49	0.57 140	0.33 110	0.82 174	0.40 79	1.41 142	1.12 156	1.03 101	0.87 57	0.98 160	0.84 170	1.00 82	0.70 178	0.23 169	0.16 139	0.23 146	0.20 128	0.22 140	0.24 141

RAFT+CT+SA	0.63 101	0.30 79	0.73 67	0.69 262	0.37 144	0.40 9	0.55 195	1.93 254	1.04 129	0.72 46	1.23 169	0.62 52	0.69 128	1.69 195	0.42 54	0.19 65	0.13 17	0.22 120	0.22 186	0.21 121	0.19 51

GANet-ADL	0.63 101	0.38 221	0.82 107	0.67 243	0.41 180	0.68 123	0.51 165	1.64 185	1.16 176	0.98 85	1.10 119	0.90 134	0.58 92	0.81 48	0.63 158	0.27 241	0.18 184	0.18 33	0.16 54	0.23 158	0.27 193

AnonymousM	0.63 101	1.14 364	0.43 5	0.46 14	0.32 97	0.43 13	0.46 138	1.27 121	0.78 42	1.00 90	0.66 21	0.68 65	0.45 28	0.61 14	0.46 76	0.21 120	0.16 139	1.84 387	0.98 384	0.15 4	0.15 3

HHNet	0.64 104	0.28 43	0.69 53	0.45 8	0.46 207	0.50 38	0.57 204	1.13 76	1.03 123	1.26 198	2.21 344	0.70 72	0.59 95	1.10 105	0.51 102	0.21 120	0.13 17	0.23 146	0.19 102	0.20 86	0.31 238

Pruner-Stereo	0.64 104	0.31 104	0.79 92	0.66 230	0.31 77	0.61 87	0.42 91	1.22 109	1.09 144	1.53 293	1.09 117	0.94 149	0.55 70	1.37 137	0.56 134	0.25 207	0.14 58	0.24 167	0.21 164	0.21 121	0.25 160

Anonymous3	0.64 104	0.47 259	1.31 251	0.59 162	0.50 225	0.93 211	0.69 245	1.11 70	0.83 56	0.74 48	0.89 62	0.65 59	0.68 125	1.08 99	0.54 126	0.40 317	0.31 308	0.26 224	0.26 244	0.31 248	0.30 229

DIP-Stereo	0.64 104	0.32 118	0.91 150	0.49 34	0.36 139	0.91 201	0.33 33	2.51 355	0.77 41	1.25 188	1.00 86	0.68 65	0.51 55	0.92 70	0.65 165	0.19 65	0.15 112	0.21 93	0.17 70	0.19 59	0.22 108
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
tt1	0.65 108	0.34 162	0.65 42	0.60 169	0.27 19	1.14 251	0.48 151	1.08 55	2.62 370	0.59 31	0.79 43	0.49 28	0.80 160	1.57 171	0.35 6	0.21 120	0.13 17	0.25 203	0.16 54	0.20 86	0.23 122

TestStereo	0.65 108	0.42 241	0.83 115	0.52 69	0.27 19	0.57 69	0.44 124	1.07 50	0.92 76	0.85 67	1.01 88	0.68 65	0.56 75	3.22 301	0.47 84	0.23 169	0.15 112	0.24 167	0.18 84	0.28 223	0.18 32

CAS	0.66 110	0.19 1	0.41 4	2.31 389	0.86 342	0.56 67	0.53 179	0.83 10	0.63 17	0.49 16	0.70 31	0.36 2	0.26 1	0.47 2	0.37 25	2.33 390	0.10 1	0.14 1	0.10 1	0.17 20	1.31 380

TestStereo1	0.66 110	0.29 61	0.95 162	0.82 319	0.32 97	0.47 18	0.43 107	1.52 157	1.22 201	0.99 86	1.32 200	0.65 59	0.76 140	1.78 204	0.44 61	0.20 99	0.16 139	0.22 120	0.19 102	0.21 121	0.20 70

RAFT_CTSACE	0.66 110	0.29 61	1.14 210	0.57 140	0.51 234	0.68 123	0.44 124	0.88 18	0.98 103	1.03 101	1.83 314	1.23 225	0.67 122	1.48 159	0.38 28	0.16 7	0.16 139	0.21 93	0.20 128	0.20 86	0.17 23

SA-5K	0.66 110	0.29 61	0.95 162	0.82 319	0.32 97	0.47 18	0.43 107	1.52 157	1.22 201	0.99 86	1.32 200	0.65 59	0.76 140	1.78 204	0.44 61	0.20 99	0.16 139	0.22 120	0.19 102	0.21 121	0.20 70

ACRE	0.66 110	0.37 204	1.27 246	0.60 169	0.50 225	0.74 144	0.47 147	1.26 117	1.10 147	1.40 258	1.56 271	0.62 52	0.46 35	0.88 63	0.78 193	0.24 187	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

ICVP	0.66 110	0.35 184	0.71 56	0.63 200	0.41 180	0.85 190	0.56 201	1.78 214	0.96 96	0.92 77	1.24 173	0.88 126	0.75 139	0.76 39	0.93 228	0.31 273	0.22 231	0.22 120	0.21 164	0.24 187	0.28 204
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
111	0.66 110	0.27 35	1.15 212	0.46 14	0.25 8	0.72 139	0.42 91	1.57 170	1.44 290	0.83 62	1.39 223	1.10 198	0.80 160	0.97 79	0.65 165	0.20 99	0.14 58	0.18 33	0.15 30	0.18 34	0.28 204

ACVNet	0.66 110	0.33 135	0.74 72	0.55 110	0.37 144	0.80 166	0.47 147	1.46 149	1.11 151	1.01 93	1.31 195	1.07 186	0.91 202	0.82 50	1.09 252	0.22 149	0.19 198	0.21 93	0.18 84	0.23 158	0.19 51

MyStereo06	0.67 118	0.29 61	1.06 191	0.58 150	0.48 215	0.62 89	0.72 253	2.26 319	0.89 66	1.07 110	1.12 129	1.22 221	0.56 75	0.83 53	0.47 84	0.17 18	0.17 161	0.24 167	0.21 164	0.23 158	0.23 122

StereoVision	0.67 118	0.37 204	1.02 182	0.60 169	0.41 180	0.50 38	0.41 87	1.32 129	0.96 96	0.73 47	2.48 358	0.82 103	0.57 77	1.06 95	0.50 100	0.26 224	0.28 291	0.29 253	0.28 267	0.37 276	0.22 108

CASS	0.67 118	0.36 188	0.84 124	0.57 140	0.28 40	0.82 174	0.43 107	1.62 184	0.92 76	1.39 252	1.28 189	0.87 120	0.84 170	0.88 63	0.59 148	0.36 305	0.19 198	0.26 224	0.22 186	0.29 233	0.43 299
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CIPLG	0.67 118	0.37 204	1.17 226	0.60 169	0.51 234	0.75 146	0.48 151	1.26 117	1.11 151	1.43 268	1.58 276	0.64 58	0.48 43	0.94 71	0.78 193	0.24 187	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

IPLGR_C	0.67 118	0.38 221	1.20 232	0.60 169	0.50 225	0.75 146	0.48 151	1.28 125	1.13 161	1.42 264	1.57 275	0.62 52	0.48 43	0.85 59	0.80 202	0.24 187	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

GwcNet-ADL	0.67 118	0.33 135	0.90 147	0.58 150	0.41 180	0.60 83	0.59 215	1.55 165	1.28 225	1.11 115	1.13 139	0.90 134	0.59 95	1.11 108	0.91 221	0.28 252	0.18 184	0.18 33	0.18 84	0.25 196	0.33 252

TRStereo	0.67 118	0.71 327	1.06 191	0.77 307	0.68 299	0.53 51	0.38 68	2.52 356	0.96 96	0.81 59	0.84 52	0.87 120	0.39 15	1.16 114	0.46 76	0.24 187	0.17 161	0.23 146	0.24 225	0.18 34	0.20 70

RAFT	0.67 118	0.32 118	0.83 115	0.63 200	0.34 122	0.69 131	0.57 204	1.14 78	0.84 58	1.12 123	1.20 158	1.75 319	0.92 210	1.09 103	0.60 150	0.22 149	0.19 198	0.27 233	0.24 225	0.22 140	0.23 122

DN-CSS_ROB	0.67 118	0.36 188	1.36 258	0.59 162	0.41 180	0.54 60	0.45 132	1.30 127	0.95 92	1.05 105	1.47 243	0.69 69	0.64 112	1.80 211	0.60 150	0.19 65	0.15 112	0.25 203	0.23 213	0.22 140	0.23 122

cc1	0.68 127	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.07 50	3.23 382	0.60 34	0.80 46	0.47 20	0.87 188	1.48 159	0.35 6	0.21 120	0.13 17	0.25 203	0.15 30	0.19 59	0.23 122

mmm	0.68 127	0.37 204	0.91 150	0.54 100	0.34 122	0.86 191	0.58 211	1.72 206	1.02 120	1.13 126	1.41 231	0.83 111	0.78 149	0.95 77	0.67 170	0.22 149	0.20 208	0.29 253	0.26 244	0.27 208	0.27 193

PCWNet_CMD	0.68 127	0.34 162	0.93 153	0.51 57	0.38 154	0.80 166	0.42 91	1.51 155	1.34 248	1.17 147	1.31 195	1.23 225	0.65 116	0.94 71	0.62 156	0.21 120	0.17 161	0.27 233	0.19 102	0.43 300	0.28 204

HH	0.68 127	0.33 135	0.83 115	0.53 89	0.34 122	0.92 208	0.45 132	1.79 217	0.74 36	0.71 43	1.13 139	1.60 296	0.83 168	1.95 230	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

HanStereo	0.68 127	0.33 135	0.83 115	0.53 89	0.34 122	0.92 208	0.45 132	1.79 217	0.74 36	0.71 43	1.13 139	1.60 296	0.83 168	1.95 230	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

DisPM	0.68 127	0.30 79	0.85 130	0.66 230	0.35 137	0.60 83	0.44 124	1.10 68	1.10 147	1.56 300	1.10 119	0.80 91	0.58 92	2.37 271	0.46 76	0.25 207	0.14 58	0.23 146	0.21 164	0.20 86	0.26 177

CFNet_pseudo	0.68 127	0.34 162	0.93 153	0.50 46	0.39 161	0.72 139	0.42 91	1.44 145	1.25 211	1.17 147	1.35 212	1.22 221	0.66 120	1.04 88	0.64 161	0.21 120	0.17 161	0.33 286	0.19 102	0.39 286	0.28 204

MSMDNet	0.68 127	0.34 162	0.93 153	0.52 69	0.38 154	0.80 166	0.42 91	1.52 157	1.35 251	1.17 147	1.31 195	1.23 225	0.65 116	0.94 71	0.62 156	0.21 120	0.17 161	0.26 224	0.19 102	0.41 294	0.28 204

ccs_rob	0.68 127	0.34 162	0.93 153	0.50 46	0.39 161	0.72 139	0.42 91	1.43 144	1.25 211	1.17 147	1.34 207	1.22 221	0.66 120	1.04 88	0.64 161	0.21 120	0.17 161	0.35 300	0.20 128	0.40 290	0.29 216

whm_eth	0.69 136	0.51 274	1.32 253	0.56 122	0.64 285	0.67 120	0.45 132	1.59 177	1.33 246	1.02 97	1.92 327	0.48 24	0.48 43	0.71 30	0.53 117	0.24 187	0.20 208	0.25 203	0.24 225	0.25 196	0.35 267

SA	0.69 136	0.31 104	0.97 170	0.64 211	0.30 63	0.56 67	0.38 68	1.84 230	1.35 251	0.99 86	1.37 217	0.69 69	0.94 213	1.88 223	0.43 57	0.20 99	0.16 139	0.25 203	0.23 213	0.22 140	0.19 51

MyStereo8	0.70 138	0.32 118	1.24 241	0.63 200	0.53 242	0.90 199	0.34 40	1.60 179	1.35 251	1.20 169	1.31 195	0.89 132	0.64 112	0.77 40	1.02 247	0.18 40	0.15 112	0.20 70	0.18 84	0.22 140	0.30 229

MyStereo05	0.70 138	0.29 61	1.22 236	0.58 150	0.48 215	0.62 89	0.72 253	1.52 157	1.54 313	1.17 147	0.91 64	0.77 86	0.79 154	1.45 153	0.68 174	0.17 18	0.17 161	0.24 167	0.21 164	0.23 158	0.23 122

xx1	0.70 138	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.07 50	3.23 382	0.60 34	0.80 46	0.95 152	0.79 154	1.48 159	0.35 6	0.21 120	0.13 17	0.24 167	0.23 213	0.23 158	0.25 160

GMStereo_Zeroshot	0.70 138	0.64 310	1.11 203	0.65 217	0.38 154	0.84 187	0.37 61	1.09 62	1.16 176	1.14 139	1.07 108	1.26 236	0.55 70	1.23 122	0.65 165	0.34 290	0.17 161	0.31 266	0.18 84	0.57 340	0.23 122

test_5	0.70 138	0.32 118	0.99 174	0.69 262	0.50 225	0.89 196	0.51 165	1.88 243	1.14 167	0.78 52	1.13 139	1.04 179	0.89 197	1.59 177	0.46 76	0.19 65	0.14 58	0.23 146	0.22 186	0.22 140	0.20 70

GES	0.70 138	0.37 204	1.05 188	0.62 190	0.38 154	0.94 213	0.57 204	2.37 334	0.92 76	1.05 105	1.12 129	0.67 63	0.77 144	1.02 86	0.65 165	0.28 252	0.20 208	0.20 70	0.20 128	0.22 140	0.31 238

MyStereo04	0.71 144	0.30 79	1.28 247	0.58 150	0.48 215	0.59 79	0.78 264	1.74 208	1.49 306	0.94 81	0.91 64	0.74 80	0.86 182	1.59 177	0.69 175	0.18 40	0.18 184	0.24 167	0.21 164	0.23 158	0.23 122

raft_robust	0.71 144	0.32 118	0.75 77	0.54 100	0.28 40	0.54 60	0.35 49	1.54 163	1.24 205	1.18 158	1.07 108	0.73 79	0.53 61	3.65 310	0.40 44	0.19 65	0.16 139	0.20 70	0.22 186	0.21 121	0.19 51

iRaft-Stereo_20w	0.71 144	0.33 135	1.25 243	0.50 46	0.36 139	0.82 174	0.31 25	3.16 379	0.89 66	1.24 185	1.14 144	0.79 89	0.65 116	1.15 112	0.43 57	0.18 40	0.13 17	0.18 33	0.17 70	0.20 86	0.23 122

DMCA	0.71 144	0.36 188	1.17 226	0.53 89	0.45 200	0.84 187	0.46 138	1.52 157	1.09 144	1.20 169	1.12 129	1.21 217	0.74 134	0.87 61	1.09 252	0.25 207	0.20 208	0.27 233	0.19 102	0.24 187	0.29 216

HITNet	0.71 144	0.42 241	1.07 195	0.52 69	0.25 8	1.05 236	0.48 151	2.12 290	1.08 137	1.21 175	1.23 169	0.91 137	0.84 170	0.90 68	0.91 221	0.17 18	0.12 5	0.21 93	0.17 70	0.29 233	0.18 32
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
IPLG	0.72 149	0.29 61	1.12 206	0.53 89	0.44 197	0.79 165	0.33 33	1.35 131	1.10 147	1.32 223	1.11 126	0.52 35	0.54 68	3.13 297	0.71 181	0.17 18	0.14 58	0.20 70	0.17 70	0.18 34	0.21 87

HCRNet	0.72 149	0.40 230	0.86 135	0.61 182	0.57 261	0.75 146	0.35 49	1.39 137	1.21 195	1.11 115	0.99 82	1.01 173	0.76 140	2.18 255	0.73 182	0.28 252	0.19 198	0.28 245	0.23 213	0.25 196	0.26 177

UCFNet_RVC	0.72 149	0.37 204	0.59 22	0.66 230	0.41 180	0.89 196	0.68 241	1.78 214	1.15 171	1.01 93	1.20 158	1.22 221	0.95 218	1.07 97	0.66 169	0.28 252	0.21 221	0.34 294	0.31 297	0.33 261	0.29 216

CFNet_ucs	0.73 152	0.34 162	0.94 159	0.53 89	0.44 197	0.76 151	0.46 138	1.73 207	1.34 248	1.24 185	1.54 263	1.08 196	0.64 112	1.05 91	0.64 161	0.26 224	0.20 208	0.37 312	0.22 186	0.42 298	0.30 229

ToySt	0.73 152	0.35 184	1.64 286	0.54 100	0.37 144	0.92 208	0.81 276	1.21 107	1.03 123	0.86 71	1.12 129	1.31 248	1.01 242	1.04 88	0.88 214	0.19 65	0.20 208	0.24 167	0.24 225	0.27 208	0.28 204

LCNet	0.73 152	0.30 79	0.58 18	0.58 150	0.31 77	0.68 123	0.53 179	1.09 62	0.94 88	1.19 163	1.34 207	0.96 156	1.32 306	2.50 274	0.46 76	0.19 65	0.13 17	0.21 93	0.25 233	0.28 223	0.69 355

IER	0.74 155	0.33 135	1.25 243	0.50 46	0.53 242	1.32 279	0.55 195	1.31 128	1.08 137	1.30 215	1.34 207	1.11 203	1.10 269	1.05 91	0.81 204	0.20 99	0.17 161	0.21 93	0.21 164	0.20 86	0.21 87

SFCPSM	0.74 155	0.30 79	1.06 191	0.52 69	0.39 161	1.36 287	0.64 233	2.42 339	1.11 151	1.18 158	1.21 163	0.81 97	0.78 149	1.08 99	0.57 137	0.22 149	0.17 161	0.22 120	0.24 225	0.23 158	0.21 87

AdaStereo	0.74 155	0.48 262	0.86 135	0.75 299	0.38 154	0.94 213	0.56 201	2.05 280	1.24 205	1.15 141	1.22 165	1.07 186	0.67 122	1.05 91	0.73 182	0.33 283	0.16 139	0.32 278	0.22 186	0.29 233	0.23 122
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.
BSDual-CNN	0.75 158	0.34 162	0.77 82	0.55 110	0.45 200	1.25 274	0.66 237	2.65 363	1.04 129	1.25 188	1.12 129	1.11 203	0.77 144	0.94 71	0.76 190	0.25 207	0.18 184	0.25 203	0.22 186	0.23 158	0.24 141

psmg	0.75 158	0.34 162	0.77 82	0.52 69	0.45 200	1.46 300	0.73 256	2.15 299	1.04 129	1.25 188	1.33 204	1.11 203	0.77 144	0.94 71	0.76 190	0.25 207	0.20 208	0.25 203	0.26 244	0.23 158	0.24 141

UDGNet	0.75 158	1.23 370	0.99 174	0.82 319	0.42 187	0.76 151	0.38 68	0.98 30	1.37 263	0.83 62	0.88 60	0.70 72	0.60 99	1.25 123	0.57 137	0.57 358	0.19 198	1.03 379	0.26 244	0.79 365	0.35 267

PSMNet-ADL	0.75 158	0.36 188	0.69 53	0.71 274	0.47 213	1.13 248	0.46 138	1.47 152	1.07 134	0.85 67	1.18 154	1.31 248	0.94 213	1.56 169	1.06 250	0.34 290	0.22 231	0.22 120	0.23 213	0.27 208	0.36 270

GMM-Stereo	0.75 158	0.27 35	0.66 44	0.56 122	0.34 122	0.71 136	0.97 309	1.09 62	0.91 71	1.37 245	1.79 307	1.11 203	0.79 154	2.08 247	0.48 88	0.19 65	0.12 5	0.25 203	0.25 233	0.21 121	0.78 362

qqq1	0.76 163	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.48 88	0.24 187	0.22 231	0.18 33	0.15 30	0.19 59	0.22 108

fff1	0.76 163	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.48 88	0.24 187	0.22 231	0.18 33	0.15 30	0.19 59	0.22 108

Sa-1000	0.76 163	0.30 79	0.92 152	0.62 190	0.31 77	0.78 161	0.37 61	2.00 268	1.38 265	1.30 215	2.04 335	0.86 119	0.74 134	1.87 217	0.40 44	0.19 65	0.14 58	0.25 203	0.24 225	0.21 121	0.19 51

Prome-Stereo	0.76 163	0.29 61	0.57 17	0.58 150	0.33 110	0.58 78	0.94 304	0.98 30	0.92 76	1.46 279	2.45 356	0.91 137	1.38 312	1.60 182	0.44 61	0.19 65	0.13 17	0.19 47	0.18 84	0.20 86	0.87 368

EAI-Stereo	0.76 163	0.31 104	0.74 72	0.55 110	0.28 40	0.70 134	1.72 366	2.57 359	0.90 70	0.75 50	3.03 367	0.57 42	0.43 22	1.10 105	0.49 97	0.19 65	0.14 58	0.17 13	0.18 84	0.17 20	0.21 87

KYRaft	0.77 168	0.29 61	0.68 49	0.59 162	0.29 51	0.66 115	0.83 281	1.05 48	0.89 66	1.63 313	2.22 345	1.15 211	0.99 233	1.59 177	0.41 49	0.21 120	0.14 58	0.22 120	0.28 267	0.21 121	1.01 371

MLCV	0.77 168	0.39 225	1.31 251	0.55 110	0.25 8	0.91 201	0.39 77	1.48 154	1.28 225	1.49 287	1.54 263	1.02 175	0.68 125	2.12 251	0.93 228	0.19 65	0.13 17	0.19 47	0.14 22	0.19 59	0.22 108

CoDeX	0.78 170	0.31 104	1.04 186	0.56 122	0.37 144	1.13 248	0.60 223	2.77 370	1.29 233	1.17 147	1.26 177	0.91 137	0.87 188	1.42 148	0.74 184	0.21 120	0.16 139	0.21 93	0.18 84	0.21 121	0.21 87

anonymousa	0.78 170	0.30 79	0.85 130	0.51 57	0.96 355	1.41 295	0.47 147	1.61 181	0.94 88	1.33 228	1.77 305	1.66 304	1.11 271	0.72 32	0.63 158	0.19 65	0.18 184	0.23 146	0.25 233	0.20 86	0.22 108

BUS	0.78 170	0.34 162	0.77 82	0.55 110	0.45 200	2.30 359	0.42 91	2.65 363	1.04 129	1.25 188	1.12 129	1.02 175	0.70 130	0.94 71	0.75 187	0.25 207	0.18 184	0.25 203	0.22 186	0.23 158	0.24 141

acv_ft	0.78 170	0.33 135	1.10 201	0.73 286	0.86 342	1.23 272	0.57 204	1.65 188	1.11 151	1.31 221	1.31 195	1.07 186	0.91 202	0.82 50	1.35 284	0.22 149	0.19 198	0.21 93	0.18 84	0.22 140	0.19 51

GANet-RSSM	0.78 170	0.31 104	0.90 147	0.67 243	0.58 263	0.80 166	0.62 227	2.04 276	1.15 171	1.11 115	1.27 184	1.26 236	1.18 287	1.68 191	0.74 184	0.26 224	0.21 221	0.22 120	0.22 186	0.23 158	0.23 122

PSMNet-RSSM	0.78 170	0.32 118	0.89 142	0.65 217	0.43 190	0.73 142	0.58 211	2.14 295	1.19 185	1.18 158	1.38 221	1.31 248	1.07 263	1.43 150	0.82 205	0.28 252	0.21 221	0.27 233	0.29 282	0.25 196	0.26 177

CFNet-ft	0.78 170	0.36 188	0.74 72	0.67 243	0.56 257	0.86 191	0.54 188	1.46 149	1.17 180	1.01 93	1.28 189	1.68 308	1.03 249	1.57 171	0.95 235	0.27 241	0.21 221	0.33 286	0.26 244	0.31 248	0.26 177

CFNet_RVC	0.78 170	0.36 188	0.74 72	0.67 243	0.56 257	0.86 191	0.54 188	1.46 149	1.17 180	1.01 93	1.28 189	1.68 308	1.03 249	1.57 171	0.95 235	0.27 241	0.21 221	0.33 286	0.26 244	0.31 248	0.26 177

SMFormer	0.79 178	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.99 240	0.24 187	0.22 231	0.22 120	0.21 164	0.23 158	0.27 193

tta	0.79 178	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.99 240	0.24 187	0.22 231	0.22 120	0.21 164	0.19 59	0.22 108

ffm	0.79 178	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	1.08 55	2.62 370	1.19 163	1.49 246	1.07 186	0.85 175	1.57 171	0.35 6	0.21 120	0.13 17	0.31 266	0.28 267	0.20 86	0.23 122

cf-r	0.79 178	0.32 118	1.06 191	0.57 140	0.64 285	0.78 161	0.51 165	2.04 276	1.22 201	1.20 169	1.27 184	1.53 287	0.91 202	1.47 157	0.94 233	0.25 207	0.19 198	0.22 120	0.23 213	0.19 59	0.21 87

DeepPruner_ROB	0.79 178	0.55 286	1.14 210	0.61 182	0.46 207	0.78 161	0.54 188	1.83 229	1.00 114	1.42 264	1.27 184	1.23 225	0.77 144	1.56 169	0.89 216	0.35 298	0.28 291	0.27 233	0.26 244	0.32 256	0.34 259

gwcnet-sp	0.80 183	0.37 204	1.94 304	0.62 190	0.45 200	1.38 288	0.53 179	1.68 190	1.20 189	1.37 245	1.08 114	0.93 144	0.82 165	1.45 153	0.79 197	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

scenet	0.80 183	0.37 204	1.94 304	0.62 190	0.45 200	1.38 288	0.53 179	1.68 190	1.20 189	1.37 245	1.08 114	0.93 144	0.82 165	1.45 153	0.79 197	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

ssnet	0.80 183	0.37 204	1.94 304	0.62 190	0.45 200	1.38 288	0.53 179	1.68 190	1.20 189	1.37 245	1.08 114	0.93 144	0.82 165	1.45 153	0.79 197	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

AASNet	0.80 183	0.39 225	1.16 225	0.84 327	0.80 330	1.14 251	0.59 215	2.12 290	1.21 195	1.26 198	1.26 177	0.93 144	0.77 144	0.84 56	1.23 270	0.28 252	0.24 261	0.24 167	0.20 128	0.28 223	0.27 193

PSM-softLoss	0.80 183	0.33 135	0.89 142	0.63 200	0.32 97	0.55 64	0.40 79	1.26 117	0.78 42	1.25 188	1.07 108	0.83 111	0.51 55	5.33 340	0.61 153	0.25 207	0.15 112	0.25 203	0.22 186	0.20 86	0.26 177

KMStereo	0.80 183	0.33 135	0.89 142	0.63 200	0.32 97	0.55 64	0.40 79	1.26 117	0.78 42	1.25 188	1.07 108	0.83 111	0.51 55	5.33 340	0.61 153	0.25 207	0.15 112	0.25 203	0.22 186	0.20 86	0.26 177

PSM-AAD	0.80 183	0.29 61	0.58 18	0.58 150	0.29 51	0.76 151	1.19 335	1.08 55	0.94 88	1.65 315	1.58 276	0.81 97	2.12 366	1.67 189	0.44 61	0.19 65	0.14 58	0.38 316	0.32 302	0.22 140	0.68 353

iResNet	0.80 183	0.45 251	1.47 267	0.72 279	0.31 77	0.96 224	0.64 233	1.80 221	1.28 225	1.31 221	1.48 245	0.94 149	0.78 149	1.77 202	0.99 240	0.19 65	0.14 58	0.18 33	0.15 30	0.22 140	0.27 193

NINENet	0.81 191	0.40 230	0.89 142	0.65 217	0.53 242	2.30 359	0.42 91	2.12 290	1.13 161	1.20 169	1.27 184	1.02 175	0.70 130	1.26 124	0.75 187	0.29 264	0.24 261	0.31 266	0.21 164	0.27 208	0.26 177

DRaft	0.81 191	0.26 19	0.77 82	0.47 24	0.31 77	0.95 219	0.52 173	1.13 76	0.99 110	1.78 328	2.01 333	0.80 91	1.71 342	2.64 281	0.74 184	0.19 65	0.14 58	0.20 70	0.20 128	0.18 34	0.24 141

hknet	0.82 193	0.34 162	1.15 212	0.55 110	0.39 161	1.25 274	0.66 237	2.65 363	1.10 147	1.25 188	1.12 129	1.58 295	0.85 175	1.41 143	0.79 197	0.23 169	0.18 184	0.25 203	0.22 186	0.23 158	0.24 141

NF-Stereo	0.82 193	0.33 135	0.83 115	0.65 217	0.31 77	0.63 97	0.43 107	1.35 131	0.93 83	1.30 215	1.02 90	0.81 97	0.57 77	5.37 344	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.30 229

OCTAStereo	0.82 193	0.33 135	0.83 115	0.65 217	0.31 77	0.62 89	0.44 124	1.35 131	0.93 83	1.30 215	1.02 90	0.81 97	0.57 77	5.32 339	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.30 229

RE-Stereo	0.82 193	0.33 135	0.84 124	0.65 217	0.31 77	0.63 97	0.44 124	1.35 131	0.93 83	1.30 215	1.02 90	0.80 91	0.57 77	5.34 342	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.31 238

TVStereo	0.82 193	0.33 135	0.84 124	0.65 217	0.31 77	0.63 97	0.44 124	1.35 131	0.93 83	1.30 215	1.02 90	0.80 91	0.57 77	5.34 342	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.31 238

ARAFT	0.82 193	0.40 230	1.77 292	0.53 89	0.31 77	0.89 196	0.81 276	2.32 327	1.08 137	1.66 316	1.25 175	1.04 179	0.64 112	1.91 224	0.52 108	0.20 99	0.15 112	0.28 245	0.27 258	0.17 20	0.18 32

STTStereo	0.82 193	0.53 280	1.53 279	0.68 252	0.56 257	0.88 195	0.56 201	1.57 170	1.14 167	1.39 252	1.10 119	1.26 236	0.84 170	1.49 165	0.90 219	0.29 264	0.28 291	0.33 286	0.40 331	0.33 261	0.37 273

BEATNet_4x	0.82 193	0.54 283	2.02 311	0.56 122	0.28 40	1.04 233	0.55 195	2.14 295	1.13 161	1.24 185	1.26 177	1.00 169	0.94 213	1.13 110	1.23 270	0.21 120	0.14 58	0.24 167	0.20 128	0.37 276	0.23 122

iResNet_ROB	0.82 193	0.36 188	1.13 207	0.60 169	0.37 144	0.91 201	0.38 68	2.41 338	1.61 324	1.35 239	1.35 212	1.25 230	0.97 227	1.75 200	0.88 214	0.21 120	0.14 58	0.17 13	0.12 9	0.19 59	0.30 229

GrayStereo	0.83 202	0.28 43	0.62 31	0.66 230	0.37 144	0.76 151	1.79 370	1.19 99	0.91 71	1.98 345	1.89 322	1.07 186	1.76 346	1.43 150	0.50 100	0.20 99	0.15 112	0.19 47	0.21 164	0.18 34	0.41 289

psm_up	0.83 202	0.37 204	0.88 139	0.68 252	0.59 269	1.05 236	0.92 299	1.68 190	1.17 180	1.41 260	1.22 165	1.30 246	1.31 304	1.39 140	0.89 216	0.27 241	0.30 303	0.31 266	0.27 258	0.28 223	0.28 204

GwcNet-RSSM	0.83 202	0.34 162	1.29 250	0.65 217	0.55 253	0.78 161	0.62 227	1.89 245	1.27 221	1.18 158	1.39 223	1.56 292	0.91 202	1.60 182	1.22 267	0.26 224	0.20 208	0.23 146	0.24 225	0.21 121	0.21 87

DMCA-RVC	0.83 202	0.46 254	2.19 323	0.68 252	0.49 221	0.84 187	0.48 151	1.44 145	1.07 134	1.56 300	1.04 101	1.29 244	0.86 182	1.49 165	0.92 225	0.27 241	0.22 231	0.35 300	0.28 267	0.32 256	0.28 204

RAFT_R40	0.84 206	0.30 79	0.83 115	0.63 200	0.31 77	0.66 115	0.43 107	1.15 89	0.99 110	1.47 280	1.10 119	1.00 169	0.84 170	5.44 345	0.53 117	0.23 169	0.13 17	0.23 146	0.20 128	0.23 158	0.19 51

UPFNet	0.84 206	0.34 162	1.09 198	0.62 190	0.74 313	1.25 274	0.78 264	1.69 199	1.20 189	1.39 252	1.13 139	1.30 246	0.87 188	1.73 198	1.22 267	0.24 187	0.26 279	0.24 167	0.23 213	0.26 206	0.20 70

hitnet-ft	0.84 206	0.38 221	0.75 77	0.59 162	0.44 197	0.99 227	0.47 147	1.61 181	1.38 265	1.21 175	1.22 165	1.82 322	0.99 233	1.87 217	1.09 252	0.33 283	0.29 299	0.34 294	0.27 258	0.36 271	0.33 252

NLCA_NET_v2_RVC	0.84 206	0.46 254	1.40 263	0.69 262	0.61 278	0.95 219	0.52 173	1.68 190	1.21 195	1.39 252	1.15 149	1.42 266	0.88 195	1.78 204	0.93 228	0.26 224	0.23 253	0.27 233	0.27 258	0.30 243	0.39 282
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.84 206	0.43 245	1.01 180	0.66 230	0.43 190	1.32 279	0.49 159	1.64 185	1.24 205	1.53 293	1.45 239	1.49 280	0.97 227	1.32 130	1.31 277	0.21 120	0.17 161	0.27 233	0.25 233	0.25 196	0.34 259
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DCRE	0.85 211	0.28 43	0.76 79	0.60 169	0.49 221	0.59 79	0.53 179	1.04 45	0.92 76	0.80 55	7.34 398	0.87 120	0.57 77	0.78 47	0.43 57	0.16 7	0.17 161	0.19 47	0.17 70	0.18 34	0.22 108

SST-Stereo	0.85 211	0.30 79	0.81 98	0.63 200	0.31 77	0.70 134	0.25 4	1.16 92	0.95 92	1.47 280	1.11 126	0.99 165	0.86 182	5.69 348	0.53 117	0.23 169	0.13 17	0.23 146	0.19 102	0.23 158	0.19 51

RAFT-345	0.86 213	0.26 19	0.73 67	0.53 89	0.28 40	0.53 51	0.41 87	0.85 14	1.31 242	1.33 228	2.32 349	0.85 118	0.53 61	5.69 348	0.48 88	0.19 65	0.14 58	0.22 120	0.17 70	0.17 20	0.17 23

UNet	0.86 213	0.36 188	1.52 276	0.62 190	0.74 313	1.56 309	0.49 159	1.55 165	1.12 156	1.28 208	1.10 119	1.52 286	1.10 269	1.69 195	1.14 257	0.24 187	0.18 184	0.25 203	0.21 164	0.25 196	0.25 160

ac_64	0.86 213	0.32 118	1.02 182	0.74 292	0.60 273	1.04 233	0.53 179	2.20 314	0.99 110	1.23 181	1.11 126	1.96 334	1.06 261	2.01 238	1.01 245	0.30 269	0.22 231	0.24 167	0.23 213	0.22 140	0.22 108

SepStereo	0.87 216	0.37 204	1.20 232	0.66 230	0.69 302	0.82 174	0.62 227	1.79 217	1.26 217	1.93 340	1.55 266	0.96 156	1.17 280	2.34 266	0.69 175	0.22 149	0.16 139	0.25 203	0.18 84	0.29 233	0.24 141

LMCR-Stereo	0.87 216	0.50 270	0.99 174	0.80 312	0.43 190	1.32 279	0.55 195	2.79 373	1.03 123	1.55 299	1.49 246	0.74 80	1.01 242	1.76 201	0.99 240	0.30 269	0.17 161	0.22 120	0.18 84	0.31 248	0.22 108

FADNet_RVC	0.88 218	0.56 289	2.15 320	0.57 140	0.43 190	1.17 264	0.46 138	1.68 190	1.12 156	0.91 76	1.24 173	0.91 137	0.94 213	2.22 257	1.20 262	0.28 252	0.22 231	0.32 278	0.28 267	0.46 316	0.42 295

iResNetv2_ROB	0.88 218	0.43 245	2.62 339	0.60 169	0.38 154	0.94 213	0.67 239	1.88 243	1.38 265	1.27 203	1.45 239	1.26 236	1.05 260	1.92 225	0.64 161	0.24 187	0.15 112	0.19 47	0.14 22	0.24 187	0.21 87

iRaft-Stereo_5w	0.89 220	0.31 104	1.04 186	0.56 122	0.47 213	0.47 18	0.68 241	1.19 99	1.08 137	0.80 55	1.35 212	1.46 275	0.90 200	5.11 336	1.16 259	0.18 40	0.15 112	0.22 120	0.19 102	0.21 121	0.24 141

DAS	0.89 220	0.37 204	1.20 232	0.66 230	0.69 302	0.82 174	0.62 227	1.79 217	1.26 217	1.93 340	1.55 266	0.96 156	1.17 280	2.72 286	0.69 175	0.22 149	0.16 139	0.25 203	0.18 84	0.29 233	0.24 141

SACVNet	0.89 220	0.51 274	1.08 197	0.83 323	0.58 263	0.83 180	0.78 264	1.84 230	1.17 180	1.39 252	1.33 204	1.25 230	1.01 242	2.31 265	0.92 225	0.35 298	0.26 279	0.31 266	0.29 282	0.35 267	0.48 310

ASMatch	0.89 220	0.29 61	0.72 57	0.56 122	0.36 139	0.47 18	0.37 61	1.16 92	0.95 92	1.11 115	3.26 370	0.95 152	0.96 220	4.88 333	0.53 117	0.20 99	0.16 139	0.22 120	0.19 102	0.20 86	0.30 229

ADLNet	0.89 220	0.39 225	1.09 198	0.88 335	0.73 309	1.24 273	0.75 258	2.02 270	1.41 279	1.58 304	1.37 217	1.26 236	1.00 239	1.31 127	1.18 260	0.28 252	0.21 221	0.26 224	0.26 244	0.29 233	0.36 270

MMNet	0.89 220	0.35 184	1.44 264	0.64 211	0.59 269	1.83 336	0.48 151	1.70 202	1.38 265	1.45 277	1.19 157	1.25 230	1.16 277	1.77 202	1.27 275	0.20 99	0.19 198	0.23 146	0.22 186	0.25 196	0.24 141

HGLStereo	0.89 220	0.42 241	1.15 212	0.82 319	1.03 359	1.16 257	0.57 204	1.68 190	1.28 225	1.26 198	1.62 282	1.13 207	1.31 304	1.85 213	1.11 256	0.25 207	0.24 261	0.24 167	0.22 186	0.24 187	0.29 216

CRFU-Net	0.90 227	0.42 241	1.10 201	0.69 262	0.59 269	1.76 328	0.84 283	2.33 332	0.92 76	1.45 277	1.20 158	1.62 298	1.25 295	1.38 138	0.94 233	0.28 252	0.23 253	0.22 120	0.19 102	0.24 187	0.27 193

dad	0.90 227	0.73 333	1.28 247	0.59 162	0.39 161	0.83 180	0.45 132	1.24 114	1.54 313	1.52 290	1.28 189	1.36 257	0.86 182	2.54 277	0.91 221	0.43 325	0.27 287	0.82 372	0.26 244	0.44 310	0.34 259

AACVNet	0.90 227	0.40 230	0.98 172	0.86 332	0.40 170	0.80 166	0.49 159	1.81 224	0.86 63	1.11 115	1.34 207	1.32 252	0.99 233	4.23 319	0.86 210	0.26 224	0.22 231	0.28 245	0.22 186	0.30 243	0.28 204

IRAFT_RVC	0.90 227	0.30 79	0.89 142	0.67 243	0.31 77	0.64 105	1.00 314	1.40 138	0.97 100	1.23 181	1.04 101	1.00 169	0.96 220	5.77 351	0.57 137	0.24 187	0.13 17	0.25 203	0.21 164	0.20 86	0.21 87

delet	0.90 227	0.34 162	1.15 212	0.69 262	0.66 294	1.63 317	0.81 276	1.95 258	1.49 306	1.42 264	1.38 221	1.29 244	0.91 202	1.78 204	1.18 260	0.22 149	0.22 231	0.24 167	0.25 233	0.22 140	0.24 141

pcwnet_v2	0.91 232	0.39 225	2.74 340	0.64 211	0.55 253	0.81 173	0.49 159	2.19 311	1.63 325	1.44 271	1.64 287	1.09 197	0.79 154	1.31 127	0.70 178	0.32 280	0.25 274	0.29 253	0.27 258	0.37 276	0.37 273

FADNet-RVC-Resample	0.91 232	0.51 274	2.92 343	0.64 211	0.46 207	1.07 241	0.60 223	1.76 211	1.24 205	1.10 114	0.98 81	1.06 183	0.98 230	2.17 254	0.95 235	0.24 187	0.22 231	0.30 262	0.32 302	0.36 271	0.40 286

HSM-Net_RVC	0.91 232	0.31 104	0.60 24	0.54 100	0.31 77	1.15 254	0.60 223	3.76 386	1.30 235	1.57 303	1.75 302	1.67 306	1.01 242	1.61 184	0.90 219	0.23 169	0.17 161	0.19 47	0.18 84	0.20 86	0.22 108
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ssnet_v2	0.92 235	0.39 225	1.22 236	0.66 230	0.39 161	1.31 278	0.96 308	2.32 327	1.45 295	1.48 285	1.17 152	1.53 287	0.91 202	1.16 114	1.71 324	0.31 273	0.27 287	0.30 262	0.29 282	0.28 223	0.29 216

ADLNet2	0.92 235	0.37 204	1.25 243	0.80 312	0.65 291	1.12 247	0.75 258	1.95 258	1.42 287	1.26 198	1.67 291	1.68 308	1.04 255	1.80 211	1.23 270	0.25 207	0.22 231	0.21 93	0.22 186	0.27 208	0.31 238

FTStereo	0.92 235	0.28 43	0.61 28	0.57 140	0.34 122	0.65 109	1.80 373	1.09 62	0.84 58	1.75 323	4.13 380	1.04 179	1.62 331	1.59 177	0.48 88	0.21 120	0.17 161	0.23 146	0.22 186	0.19 59	0.58 338

PFNet	0.92 235	0.28 43	1.20 232	0.68 252	0.32 97	0.62 89	0.55 195	1.27 121	1.01 117	1.47 280	1.09 117	0.97 159	0.68 125	6.58 368	0.59 148	0.21 120	0.13 17	0.24 167	0.19 102	0.20 86	0.20 70

DLCB_ROB	0.92 235	0.43 245	0.95 162	0.71 274	0.55 253	1.11 245	0.83 281	1.61 181	1.32 244	1.67 317	1.66 289	1.70 311	0.93 211	1.96 232	1.34 282	0.26 224	0.25 274	0.27 233	0.28 267	0.28 223	0.28 204

GEStereo_RVC	0.93 240	0.40 230	1.15 212	0.67 243	0.50 225	0.95 219	0.78 264	2.73 368	1.21 195	1.20 169	1.12 129	1.25 230	0.91 202	3.21 300	0.95 235	0.31 273	0.20 208	0.23 146	0.20 128	0.28 223	0.31 238

CBFPSM	0.95 241	0.37 204	2.10 316	0.51 57	0.39 161	1.73 324	0.87 291	1.59 177	1.13 161	1.11 115	1.00 86	2.34 356	1.64 336	1.42 148	1.44 293	0.19 65	0.18 184	0.20 70	0.20 128	0.22 140	0.36 270

OMP-Stereo	0.95 241	0.35 184	0.79 92	0.92 346	0.32 97	0.49 28	0.35 49	1.22 109	1.11 151	1.58 304	1.12 129	1.44 270	0.69 128	6.92 374	0.51 102	0.20 99	0.15 112	0.24 167	0.19 102	0.21 121	0.16 13

DSFCA	0.95 241	0.38 221	1.23 238	0.55 110	0.66 294	1.50 302	0.93 302	1.58 172	1.24 205	1.59 307	1.16 150	1.48 278	0.95 218	2.96 293	1.20 262	0.31 273	0.28 291	0.25 203	0.26 244	0.29 233	0.26 177

PSMNet_ROB	0.95 241	0.57 294	1.45 265	0.75 299	0.64 285	1.28 277	1.12 324	1.84 230	1.15 171	1.16 145	1.29 193	1.44 270	0.89 197	1.74 199	1.70 322	0.33 283	0.25 274	0.37 312	0.39 329	0.36 271	0.32 246

FADNet-RVC	0.96 245	0.72 330	2.96 344	0.64 211	0.49 221	0.90 199	0.59 215	1.85 236	1.27 221	0.92 77	0.97 78	1.36 257	0.90 200	2.36 268	1.31 277	0.30 269	0.29 299	0.32 278	0.32 302	0.42 298	0.37 273

TransformOpticalFlow	0.97 246	0.30 79	0.96 169	0.54 100	0.31 77	0.65 109	0.54 188	1.87 238	1.19 185	1.12 123	1.44 236	1.34 255	0.98 230	6.68 371	0.44 61	0.19 65	0.12 5	0.21 93	0.19 102	0.18 34	0.23 122

IIG-Stereo	0.97 246	0.34 162	0.80 97	0.90 344	0.33 110	0.61 87	0.26 10	1.27 121	1.08 137	1.69 319	1.37 217	1.44 270	0.74 134	6.94 375	0.53 117	0.21 120	0.14 58	0.23 146	0.18 84	0.20 86	0.15 3

XX-Stereo	0.97 246	0.28 43	8.28 383	0.85 329	0.70 308	0.44 15	0.22 2	1.07 50	0.69 25	0.66 39	1.56 271	1.38 262	0.38 14	1.36 134	0.38 28	0.21 120	0.14 58	0.20 70	0.19 102	0.19 59	0.16 13

DEmStereo	0.98 249	0.25 16	0.85 130	0.49 34	0.33 110	1.02 231	0.55 195	0.97 26	0.93 83	1.41 260	2.13 340	1.01 173	2.01 357	5.62 347	0.78 193	0.19 65	0.15 112	0.20 70	0.20 128	0.18 34	0.25 160

FADNet	0.98 249	0.64 310	2.57 335	0.66 230	0.55 253	0.95 219	0.57 204	1.91 249	1.38 265	0.94 81	1.02 90	1.36 257	1.00 239	2.69 284	0.97 239	0.34 290	0.34 323	0.31 266	0.34 316	0.61 349	0.42 295

CFNet	0.99 251	0.40 230	1.23 238	0.65 217	0.43 190	1.03 232	0.49 159	2.01 269	1.35 251	1.02 97	1.39 223	1.10 198	0.86 182	5.47 346	0.89 216	0.24 187	0.18 184	0.28 245	0.27 258	0.27 208	0.22 108

NVstereo2D	0.99 251	0.45 251	2.21 324	0.79 311	0.75 316	1.20 268	0.86 289	1.98 263	1.41 279	1.02 97	1.18 154	1.31 248	0.97 227	2.25 260	0.93 228	0.45 336	0.22 231	0.39 320	0.25 233	0.59 343	0.68 353

CBMV_ROB	0.99 251	0.46 254	0.68 49	0.53 89	0.39 161	1.40 293	0.48 151	2.09 286	1.30 235	1.53 293	2.29 348	1.36 257	1.23 291	2.46 272	1.04 249	0.44 333	0.42 352	0.47 342	0.44 341	0.41 294	0.39 282

fast-acv-ft	1.00 254	0.48 262	1.85 300	0.61 182	0.52 237	1.77 330	0.69 245	1.52 157	1.47 301	1.34 235	1.85 318	1.73 314	1.24 294	1.62 185	1.56 306	0.27 241	0.28 291	0.28 245	0.28 267	0.28 223	0.31 238

HBP-ISP	1.00 254	0.60 296	0.85 130	0.64 211	0.48 215	1.63 317	0.77 261	2.24 318	1.30 235	1.33 228	1.53 262	0.87 120	0.99 233	3.26 303	0.76 190	0.46 337	0.44 354	0.54 353	0.48 350	0.48 321	0.42 295

CSP-Net	1.00 254	0.41 239	0.99 174	0.56 122	0.43 190	1.62 316	0.76 260	2.16 301	1.16 176	1.33 228	1.22 165	1.32 252	0.89 197	4.67 330	0.93 228	0.35 298	0.24 261	0.20 70	0.20 128	0.23 158	0.30 229

ETE_ROB	1.01 257	0.69 323	1.49 269	0.72 279	0.50 225	1.15 254	1.12 324	1.91 249	1.24 205	1.94 342	1.50 253	1.73 314	1.06 261	1.78 204	1.33 281	0.33 283	0.26 279	0.38 316	0.34 316	0.40 290	0.44 302

THIR-Stereo	1.02 258	0.29 61	0.73 67	0.51 57	0.29 51	0.94 213	1.31 345	1.08 55	0.98 103	1.35 239	1.91 326	1.16 212	1.54 327	6.37 366	0.79 197	0.20 99	0.14 58	0.21 93	0.22 186	0.19 59	0.25 160

PS-NSSS	1.02 258	0.62 306	1.17 226	0.61 182	0.58 263	0.91 201	0.79 272	2.02 270	1.19 185	1.17 147	1.68 293	1.00 169	0.85 175	4.43 324	0.86 210	0.38 308	0.31 308	0.52 348	0.32 302	0.52 328	0.45 304

XPNet_ROB	1.02 258	0.56 289	1.33 255	0.75 299	0.58 263	1.11 245	1.13 326	1.77 212	1.29 233	1.88 335	1.43 234	1.63 301	1.13 276	2.04 241	1.69 320	0.40 317	0.31 308	0.33 286	0.29 282	0.37 276	0.37 273

iinet-f	1.04 261	0.50 270	4.24 365	0.58 150	0.43 190	1.78 333	0.70 251	1.29 126	1.16 176	1.25 188	1.42 232	1.57 294	1.42 317	1.47 157	1.70 322	0.26 224	0.23 253	0.20 70	0.20 128	0.26 206	0.26 177

RAFT-RH_RVC	1.04 261	0.26 19	0.76 79	0.53 89	0.29 51	0.80 166	0.32 29	0.85 14	1.12 156	2.04 348	4.63 385	1.03 178	0.57 77	5.93 354	0.52 108	0.20 99	0.13 17	0.26 224	0.20 128	0.16 11	0.19 51

CBMV	1.04 261	0.48 262	0.88 139	0.56 122	0.36 139	1.52 304	1.55 357	1.87 238	1.59 321	2.11 351	1.67 291	1.46 275	1.35 309	1.92 225	1.31 277	0.35 298	0.35 328	0.39 320	0.33 311	0.34 266	0.34 259
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
StereoDRNet	1.05 264	0.53 280	2.21 324	0.80 312	0.93 349	1.50 302	0.90 294	2.06 281	1.44 290	1.68 318	1.20 158	1.48 278	0.99 233	1.86 216	1.60 309	0.29 264	0.24 261	0.29 253	0.28 267	0.35 267	0.33 252

STrans-v2	1.06 265	0.31 104	1.02 182	0.52 69	0.33 110	0.67 120	0.78 264	2.66 366	1.26 217	1.15 141	1.46 241	1.37 261	1.40 315	6.68 371	0.46 76	0.19 65	0.13 17	0.21 93	0.18 84	0.18 34	0.21 87

DISCO	1.06 265	0.37 204	1.19 231	0.73 286	0.46 207	2.04 350	0.84 283	2.26 319	1.54 313	1.25 188	1.36 216	2.38 358	1.08 264	2.60 280	1.62 312	0.24 187	0.19 198	0.22 120	0.20 128	0.32 256	0.29 216

NCCL2	1.06 265	0.64 310	1.35 256	0.78 310	0.58 263	1.32 279	1.69 362	1.89 245	1.38 265	1.52 290	1.20 158	1.91 324	1.17 280	1.79 209	1.50 300	0.35 298	0.31 308	0.45 336	0.44 341	0.41 294	0.45 304

LALA_ROB	1.06 265	0.66 317	1.37 261	0.70 271	0.53 242	1.61 314	1.25 342	1.81 224	1.48 305	1.82 331	1.40 228	1.93 328	1.03 249	1.68 191	1.69 320	0.38 308	0.28 291	0.43 332	0.37 326	0.43 300	0.38 279

RAFT + AFF	1.07 269	0.47 259	1.36 258	0.68 252	0.50 225	1.20 268	1.22 338	2.58 360	1.26 217	1.33 228	1.56 271	1.19 214	1.49 325	3.89 317	1.01 245	0.22 149	0.26 279	0.30 262	0.27 258	0.29 233	0.32 246

DRN-Test	1.07 269	0.49 267	1.95 308	0.75 299	0.81 334	1.61 314	0.78 264	2.26 319	1.53 311	1.84 332	1.35 212	1.42 266	1.04 255	2.26 261	1.61 310	0.28 252	0.23 253	0.31 266	0.30 293	0.33 261	0.33 252

TDLM	1.08 271	0.50 270	1.01 180	0.69 262	0.54 249	0.91 201	1.40 350	1.60 179	1.36 258	1.17 147	1.40 228	1.07 186	1.00 239	6.19 358	0.85 209	0.34 290	0.22 231	0.35 300	0.26 244	0.38 282	0.29 216

Wz-Net-LNSev-Ref	1.09 272	0.46 254	2.61 338	0.71 274	0.65 291	2.00 347	0.78 264	2.07 283	1.47 301	1.62 311	1.47 243	1.53 287	1.29 300	2.10 249	1.65 318	0.24 187	0.14 58	0.20 70	0.16 54	0.28 223	0.28 204

FAT-Stereo	1.10 273	0.43 245	1.46 266	0.74 292	0.60 273	1.13 248	0.92 299	2.06 281	1.71 331	1.75 323	2.00 332	2.02 340	1.47 323	2.02 240	1.26 274	0.44 333	0.36 332	0.34 294	0.29 282	0.36 271	0.57 335

CVANet_RVC	1.10 273	0.49 267	1.15 212	0.65 217	0.54 249	0.93 211	1.00 314	1.69 199	1.36 258	1.42 264	1.39 223	1.24 229	1.17 280	6.22 360	0.80 202	0.35 298	0.24 261	0.35 300	0.30 293	0.44 310	0.32 246

APVNet	1.11 275	0.59 295	1.95 308	0.87 333	0.77 322	1.90 340	0.82 280	2.03 274	1.15 171	1.14 139	1.43 234	1.55 290	1.12 275	3.03 294	1.62 312	0.32 280	0.34 323	0.42 331	0.36 322	0.36 271	0.41 289

GANetREF_RVC	1.11 275	0.90 346	1.56 281	0.88 335	0.53 242	1.41 295	1.35 347	1.91 249	1.54 313	1.28 208	1.32 200	1.46 275	1.23 291	2.04 241	1.00 244	0.57 358	0.45 356	0.67 367	0.52 358	0.91 369	0.62 345
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
GASNet	1.13 277	1.10 362	3.29 353	1.00 360	0.68 299	0.82 174	0.67 239	1.85 236	1.38 265	1.39 252	1.25 175	1.25 230	1.20 289	2.72 286	1.62 312	0.46 337	0.26 279	0.36 310	0.34 316	0.55 337	0.33 252

anonymity	1.14 278	0.98 355	1.24 241	1.09 365	1.13 366	1.08 242	0.90 294	2.02 270	1.23 204	1.32 223	1.27 184	1.27 241	1.09 266	1.16 114	1.03 248	1.02 376	1.01 399	0.97 376	0.97 383	0.98 371	1.01 371

PA-Net	1.14 278	0.63 307	2.12 318	0.67 243	0.75 316	1.19 267	0.91 297	1.91 249	1.46 300	1.18 158	1.23 169	1.33 254	1.17 280	4.31 322	1.41 290	0.29 264	0.46 360	0.33 286	0.50 355	0.33 261	0.57 335
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
edge stereo	1.15 280	0.54 283	1.50 270	0.73 286	0.66 294	1.18 266	0.84 283	2.13 294	1.41 279	1.73 322	1.84 315	2.53 363	1.46 321	2.46 272	1.35 284	0.43 325	0.41 347	0.54 353	0.36 322	0.43 300	0.50 314

RASNet	1.16 281	0.34 162	1.11 203	0.73 286	0.86 342	1.00 228	0.60 223	1.56 167	1.43 288	1.07 110	1.37 217	2.08 347	1.44 320	7.00 376	1.56 306	0.20 99	0.17 161	0.17 13	0.19 102	0.19 59	0.19 51

DANet	1.16 281	0.64 310	1.52 276	0.88 335	0.74 313	1.52 304	0.52 173	1.68 190	1.21 195	1.81 329	1.55 266	2.02 340	1.11 271	3.30 305	2.28 342	0.34 290	0.31 308	0.40 326	0.30 293	0.46 316	0.54 324
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
Wz-Net-LNSev	1.17 283	0.72 330	4.71 369	0.66 230	0.84 340	1.72 321	1.13 326	1.97 262	1.43 288	1.34 235	1.32 200	1.66 304	1.30 303	1.44 152	1.51 302	0.29 264	0.26 279	0.24 167	0.23 213	0.33 261	0.35 267

S-Stereo	1.17 283	0.48 262	2.25 327	0.83 323	0.81 334	1.22 270	1.17 333	2.12 290	2.08 356	1.47 280	2.13 340	1.55 290	1.16 277	2.09 248	1.46 296	0.42 324	0.40 346	0.35 300	0.32 302	0.45 312	0.73 357

MaskLacGwcNet_RVC	1.17 283	1.06 358	1.28 247	0.88 335	0.69 302	1.92 342	0.92 299	1.71 203	1.14 167	1.17 147	1.26 177	1.49 280	0.80 160	2.04 241	0.86 210	2.02 386	0.34 323	0.79 371	0.36 322	1.38 382	1.33 382

RP	1.17 283	0.54 283	1.48 268	0.93 351	1.05 360	1.14 251	0.85 288	1.99 267	1.70 329	1.72 321	2.07 337	1.91 324	1.93 355	2.00 237	1.37 287	0.55 356	0.37 336	0.48 343	0.37 326	0.46 316	0.46 309

ccnet	1.19 287	0.71 327	1.36 258	0.81 315	0.75 316	1.72 321	1.13 326	1.98 263	1.31 242	1.52 290	1.84 315	1.75 319	1.36 310	2.01 238	2.04 335	0.57 358	0.54 371	0.57 362	0.56 363	0.60 346	0.60 343

Nwc_Net	1.19 287	0.53 280	2.34 329	0.92 346	0.81 334	1.49 301	0.70 251	2.28 325	1.32 244	1.41 260	2.27 346	2.03 343	1.76 346	2.05 245	1.46 296	0.43 325	0.30 303	0.43 332	0.46 346	0.39 286	0.40 286

NCC-stereo	1.20 289	0.60 296	1.84 298	0.88 335	0.95 353	1.32 279	0.94 304	2.14 295	1.36 258	1.43 268	1.79 307	1.93 328	2.13 367	2.54 277	1.41 290	0.49 345	0.38 339	0.45 336	0.59 367	0.43 300	0.45 304

Abc-Net	1.20 289	0.60 296	1.84 298	0.88 335	0.95 353	1.32 279	0.94 304	2.14 295	1.36 258	1.43 268	1.79 307	1.93 328	2.13 367	2.54 277	1.41 290	0.49 345	0.38 339	0.45 336	0.59 367	0.43 300	0.45 304
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
Wz-Net-MNSev	1.21 291	0.66 317	3.44 355	0.69 262	0.73 309	1.93 343	1.44 352	2.16 301	1.59 321	1.85 334	1.49 246	1.50 282	1.34 308	2.05 245	1.54 305	0.27 241	0.24 261	0.28 245	0.28 267	0.35 267	0.32 246

RGC	1.22 292	0.82 341	1.71 289	0.95 356	0.98 358	1.53 306	0.80 275	2.18 309	1.35 251	1.69 319	1.94 328	2.03 343	1.66 337	2.36 268	1.50 300	0.46 337	0.36 332	0.59 365	0.48 350	0.49 324	0.49 311

stereogan	1.22 292	0.45 251	2.03 313	0.87 333	0.85 341	2.52 364	0.72 253	1.98 263	1.78 338	1.92 338	1.94 328	2.31 355	1.42 317	2.10 249	1.14 257	0.38 308	0.36 332	0.39 320	0.32 302	0.52 328	0.49 311

AANet_RVC	1.22 292	0.60 296	1.94 304	0.69 262	0.46 207	0.75 146	0.69 245	1.51 155	1.57 319	1.36 244	1.90 324	1.51 284	0.87 188	7.23 378	1.89 331	0.26 224	0.19 198	0.19 47	0.16 54	0.23 158	0.37 273

HSM	1.22 292	0.34 162	0.81 98	0.61 182	0.39 161	1.22 270	0.63 232	2.45 343	1.25 211	1.32 223	1.26 177	1.91 324	1.08 264	9.21 396	0.75 187	0.23 169	0.17 161	0.20 70	0.16 54	0.22 140	0.24 141

Syn2CoEx	1.23 296	0.80 337	3.07 347	0.83 323	0.68 299	1.39 291	0.87 291	2.23 316	1.57 319	1.28 208	1.58 276	1.42 266	1.57 329	3.79 315	1.48 299	0.36 305	0.32 318	0.34 294	0.30 293	0.30 243	0.41 289

AF-Net	1.23 296	0.56 289	2.31 328	0.88 335	0.93 349	1.41 295	0.73 256	2.27 323	1.71 331	1.76 327	2.42 354	2.00 337	1.70 340	1.98 233	1.62 312	0.50 349	0.29 299	0.49 345	0.33 311	0.40 290	0.34 259

NaN_ROB	1.23 296	0.63 307	1.76 291	0.67 243	0.50 225	1.59 313	2.00 377	1.87 238	1.52 309	2.14 353	1.26 177	1.40 264	1.09 266	4.60 328	1.75 325	0.28 252	0.34 323	0.28 245	0.29 282	0.30 243	0.37 273

DGSMNet	1.24 299	0.84 343	3.20 349	0.91 345	0.92 346	1.39 291	1.34 346	2.46 347	1.44 290	1.34 235	1.66 289	1.50 282	1.03 249	1.85 213	1.30 276	0.48 343	0.48 363	0.55 358	0.51 357	0.78 364	0.79 363

RYNet	1.24 299	0.52 278	1.57 283	0.73 286	0.97 356	1.74 326	0.95 307	2.09 286	1.54 313	1.44 271	1.18 154	1.94 332	1.29 300	4.57 327	1.93 332	0.27 241	0.23 253	0.35 300	0.27 258	0.57 340	0.59 340

ttt	1.26 301	0.36 188	0.79 92	0.65 217	0.42 187	0.94 213	0.57 204	2.33 332	1.38 265	1.25 188	1.65 288	0.92 142	0.78 149	2.64 281	8.73 389	0.30 269	0.28 291	0.26 224	0.25 233	0.29 233	0.32 246

aanetorigin	1.26 301	0.85 344	3.00 345	0.72 279	0.80 330	1.08 242	1.05 318	1.12 72	1.39 274	3.53 386	2.60 359	1.72 312	1.73 344	1.98 233	1.77 328	0.26 224	0.24 261	0.26 224	0.25 233	0.38 282	0.51 319

GwcNet	1.26 301	0.63 307	5.13 371	0.81 315	1.15 370	1.73 324	0.69 245	1.84 230	1.53 311	1.51 288	1.71 298	1.72 312	1.09 266	2.20 256	1.61 310	0.31 273	0.30 303	0.29 253	0.27 258	0.30 243	0.41 289

Consistency-Raft	1.27 304	1.01 357	2.17 321	1.04 362	1.20 374	0.96 224	1.00 314	1.84 230	1.95 350	1.38 250	2.11 339	1.44 270	1.03 249	1.18 118	1.40 289	0.73 369	0.83 385	0.89 374	0.99 386	1.33 380	0.95 370

NOSS_ROB	1.29 305	0.49 267	0.68 49	0.60 169	0.40 170	1.09 244	0.77 261	1.94 255	1.44 290	1.04 103	1.46 241	1.10 198	0.81 164	10.57 410	0.78 193	0.46 337	0.43 353	0.48 343	0.45 344	0.45 312	0.43 299

SGM-Forest	1.29 305	0.40 230	0.74 72	0.54 100	0.37 144	1.55 307	1.26 343	1.82 227	1.39 274	2.22 354	1.81 313	1.64 302	1.02 247	7.65 383	1.20 262	0.39 315	0.37 336	0.39 320	0.34 316	0.37 276	0.34 259
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Anonymous_2	1.37 307	0.56 289	0.94 159	0.57 140	0.62 282	1.04 233	0.65 235	1.82 227	1.01 117	1.00 90	0.79 43	1.42 266	1.27 298	1.06 95	0.83 206	0.62 361	0.67 381	1.05 380	9.88 417	1.09 376	0.55 330

SQANet	1.38 308	0.95 353	1.37 261	1.89 385	1.47 382	1.44 299	0.81 276	1.89 245	1.13 161	1.34 235	1.26 177	1.28 242	1.02 247	1.64 186	0.91 221	2.55 391	0.35 328	1.47 383	0.56 363	2.48 387	1.74 386

PWC_ROB	1.39 309	0.93 352	4.07 363	0.77 307	0.83 337	1.16 257	0.53 179	1.87 238	2.01 353	2.36 358	3.06 368	1.65 303	1.60 330	2.65 283	2.29 344	0.34 290	0.23 253	0.36 310	0.25 233	0.39 286	0.49 311

PWCDC_ROB	1.39 309	0.91 350	2.10 316	1.08 364	0.92 346	1.72 321	0.58 211	2.03 274	3.30 384	1.32 223	4.87 388	1.21 217	1.71 342	1.98 233	1.75 325	0.65 364	0.26 279	0.29 253	0.25 233	0.56 338	0.41 289

GANet	1.41 311	0.52 278	1.18 230	0.74 292	0.48 215	1.40 293	1.69 362	1.87 238	1.28 225	1.56 300	2.39 352	1.56 292	1.25 295	9.13 394	1.20 262	0.31 273	0.32 318	0.34 294	0.29 282	0.40 290	0.33 252

PDISCO_ROB	1.41 311	0.73 333	2.04 314	1.40 376	1.46 381	2.83 373	1.07 320	2.64 362	2.11 358	1.41 260	1.50 253	1.73 314	0.99 233	2.83 291	1.46 296	1.03 377	0.27 287	0.54 353	0.47 348	0.77 363	0.84 367

LL-Strereo	1.42 313	0.44 250	2.02 311	0.62 190	1.07 361	0.73 142	0.65 235	2.02 270	1.21 195	1.60 308	1.62 282	2.02 340	2.10 363	9.67 400	1.07 251	0.22 149	0.20 208	0.27 233	0.24 225	0.23 158	0.33 252

SHD	1.42 313	0.81 340	2.79 342	0.98 358	0.92 346	1.97 344	0.68 241	2.43 341	2.55 367	2.54 366	1.72 299	2.01 339	1.62 331	2.14 252	2.70 351	0.40 317	0.33 321	0.39 320	0.40 331	0.48 321	0.54 324

Anonymous Stereo	1.42 313	0.90 346	3.93 361	0.81 315	0.83 337	1.06 239	1.90 376	1.81 224	1.52 309	1.75 323	1.44 236	1.28 242	0.87 188	5.94 355	1.94 333	0.38 308	0.39 344	0.38 316	0.41 335	0.45 312	0.50 314

RTSC	1.43 316	0.89 345	3.62 358	0.94 354	0.64 285	1.85 337	0.69 245	2.20 314	2.04 355	2.22 354	1.70 296	1.67 306	1.27 298	2.53 276	4.48 370	0.33 283	0.25 274	0.27 233	0.29 282	0.38 282	0.40 286

DualNet	1.46 317	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	1.08 55	2.62 370	1.19 163	1.49 246	1.07 186	0.85 175	1.57 171	13.82 401	0.21 120	0.13 17	0.31 266	0.28 267	0.20 86	0.23 122

UDG	1.47 318	2.69 405	1.13 207	1.45 380	1.65 384	1.34 285	0.79 272	1.75 210	1.27 221	1.29 212	1.74 301	1.99 336	1.39 314	1.66 188	1.51 302	0.91 373	0.55 373	2.30 390	0.76 374	1.99 383	1.20 379

MFMNet_re	1.47 318	1.20 368	2.50 333	1.46 381	1.08 362	1.58 311	1.51 353	1.96 261	1.87 345	2.31 357	2.20 343	1.51 284	1.88 353	1.57 171	1.34 282	0.94 374	0.83 385	0.84 373	0.80 377	1.00 372	1.06 374

PASM	1.48 320	1.08 359	3.96 362	0.93 351	0.93 349	1.17 264	1.19 335	1.77 212	1.65 326	1.90 336	1.52 261	1.75 319	1.42 317	4.54 326	1.52 304	0.64 363	0.68 383	0.69 369	0.79 376	0.70 358	0.74 358

ADCRef	1.50 321	0.61 301	3.83 360	0.76 305	0.77 322	1.91 341	0.77 261	2.16 301	1.34 248	1.63 313	1.59 280	1.35 256	1.40 315	1.79 209	8.32 388	0.25 207	0.21 221	0.32 278	0.31 297	0.31 248	0.32 246

XQC	1.51 322	0.98 355	3.20 349	0.92 346	0.76 321	2.01 348	1.17 333	2.53 357	1.99 352	2.01 347	1.54 263	2.00 337	1.54 327	3.16 298	3.46 361	0.49 345	0.31 308	0.45 336	0.40 331	0.71 360	0.62 345

CC-Net-ROB	1.53 323	1.31 375	1.68 288	0.92 346	0.80 330	1.75 327	0.99 312	2.04 276	1.27 221	1.12 123	1.62 282	1.20 216	0.98 230	7.82 384	0.92 225	1.15 384	0.41 347	2.20 388	0.46 346	1.37 381	0.56 332

FINET	1.54 324	0.67 320	7.28 379	0.76 305	0.97 356	1.42 298	1.38 349	2.80 375	3.12 381	1.23 181	1.68 293	1.04 179	1.11 271	3.35 306	1.78 329	0.43 325	0.37 336	0.32 278	0.29 282	0.43 300	0.41 289

test_xeample	1.55 325	0.31 104	0.94 159	0.54 100	0.31 77	0.94 213	0.58 211	2.40 337	1.40 276	1.29 212	1.55 266	0.89 132	0.88 195	1.72 197	15.94 408	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

DDUNet	1.56 326	2.70 406	1.35 256	1.79 383	1.88 386	1.82 335	0.91 297	1.84 230	1.20 189	1.40 258	1.79 307	1.62 298	1.17 280	1.59 177	1.22 267	1.11 381	0.76 384	2.38 393	0.94 381	2.12 384	1.53 384

CrosDoStereo	1.56 326	0.26 19	0.78 88	0.51 57	0.29 51	0.66 115	11.86 408	1.18 95	1.00 114	1.35 239	1.76 303	0.99 165	1.83 350	6.64 369	0.83 206	0.19 65	0.15 112	0.20 70	0.22 186	0.18 34	0.25 160

DeepStereo_LL	1.56 326	0.26 19	0.78 88	0.51 57	0.29 51	0.66 115	11.86 408	1.18 95	1.00 114	1.35 239	1.76 303	0.99 165	1.83 350	6.64 369	0.83 206	0.19 65	0.15 112	0.20 70	0.22 186	0.18 34	0.25 160

xxxx	1.61 329	0.32 118	0.98 172	0.58 150	0.31 77	1.15 254	0.43 107	2.43 341	1.41 279	1.17 147	1.40 228	1.21 217	0.86 182	1.94 227	16.68 410	0.24 187	0.24 261	0.21 93	0.20 128	0.23 158	0.27 193

CSAN	1.61 329	0.67 320	3.24 352	0.74 292	0.52 237	1.77 330	1.74 367	1.98 263	1.94 349	2.47 365	2.33 350	1.93 328	2.04 360	6.45 367	1.95 334	0.43 325	0.36 332	0.41 330	0.42 336	0.43 300	0.44 302

MFN_U_SF_RVC	1.62 331	0.96 354	4.36 367	0.92 346	0.69 302	2.62 368	1.10 322	2.50 353	1.74 334	1.99 346	1.86 320	2.45 361	1.78 348	3.08 296	2.84 353	0.54 353	0.50 368	0.56 360	0.60 369	0.60 346	0.67 350

SDNR	1.66 332	0.55 286	2.36 330	0.56 122	0.58 263	3.79 390	0.45 132	1.78 214	1.40 276	1.38 250	2.45 356	1.13 207	0.96 220	11.03 411	1.31 277	0.67 366	0.64 379	0.43 332	0.32 302	0.71 360	0.76 361

otaku	1.67 333	1.18 366	1.56 281	2.27 388	1.59 383	1.98 345	1.23 340	2.23 316	1.37 263	1.48 285	1.63 286	1.73 314	1.23 291	1.85 213	1.09 252	2.96 394	0.58 377	1.74 384	0.61 370	2.94 393	2.15 390

222	1.67 333	0.31 104	0.93 153	0.59 162	0.31 77	1.05 236	0.43 107	2.39 335	1.47 301	1.37 245	1.55 266	0.94 149	0.94 213	1.98 233	17.76 411	0.24 187	0.22 231	0.21 93	0.20 128	0.22 140	0.26 177

Wz-Net-SNSev	1.68 335	1.45 377	8.71 387	0.71 274	0.67 298	1.35 286	1.51 353	2.15 299	1.47 301	1.51 288	1.68 293	2.27 351	1.38 312	4.23 319	2.36 346	0.32 280	0.29 299	0.31 266	0.33 311	0.43 300	0.39 282

DeepPrunerF	1.68 335	0.82 341	6.82 377	0.94 354	1.20 374	0.91 201	0.97 309	2.50 353	5.19 399	1.22 180	1.30 194	1.18 213	1.29 300	4.96 335	1.75 325	0.43 325	0.35 328	0.52 348	0.48 350	0.43 300	0.42 295

psmorigin	1.69 337	0.74 335	13.13 398	0.70 271	0.60 273	1.16 257	0.79 272	1.69 199	1.25 211	2.07 350	1.77 305	2.23 348	1.51 326	2.14 252	1.45 294	0.39 315	0.41 347	0.34 294	0.33 311	0.45 312	0.63 347

G-Net	1.71 338	0.67 320	2.09 315	1.14 370	0.75 316	2.96 377	0.89 293	1.58 172	1.30 235	2.76 371	8.12 404	2.29 353	2.51 376	1.94 227	2.23 341	0.49 345	0.45 356	0.45 336	0.31 297	0.62 350	0.59 340

Ntro	1.72 339	1.21 369	1.62 285	2.54 393	1.86 385	2.09 353	1.14 329	2.08 284	1.38 265	1.23 181	1.62 282	1.62 298	1.33 307	2.04 241	1.21 266	3.09 395	0.56 374	1.82 386	0.65 371	2.97 396	2.25 392

FBW_ROB	1.78 340	0.66 317	1.90 303	0.72 279	0.66 294	1.79 334	1.07 320	2.79 373	1.77 335	1.84 332	1.79 307	1.98 335	1.37 311	12.42 413	2.22 340	0.36 305	0.38 339	0.57 362	0.39 329	0.46 316	0.51 319

SPS-STEREO	1.78 340	1.09 361	1.52 276	1.22 373	1.14 368	1.87 339	1.11 323	2.27 323	1.70 329	3.17 384	2.39 352	2.84 371	1.93 355	4.41 323	2.93 354	1.04 379	0.99 398	0.97 376	0.94 381	1.03 374	1.05 373
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFN_U_SF_DS_RVC	1.80 342	1.11 363	4.33 366	0.84 327	0.77 322	3.70 385	2.41 396	2.04 276	1.85 344	1.75 323	1.90 324	1.92 327	1.25 295	7.33 379	1.45 294	0.47 341	0.47 361	0.53 352	0.77 375	0.50 325	0.55 330

SAMSARA	1.80 342	0.90 346	3.37 354	1.28 375	1.13 366	3.71 386	2.33 391	2.53 357	1.93 348	3.17 384	1.73 300	2.99 372	1.68 339	3.53 309	2.46 348	0.47 341	0.54 371	0.43 332	0.47 348	0.59 343	0.64 348

PVD	1.82 344	0.91 350	3.02 346	1.03 361	0.94 352	2.61 367	1.14 329	2.78 372	3.40 386	3.08 382	2.75 361	2.39 360	2.49 375	2.81 289	3.66 363	0.48 343	0.49 367	0.59 365	0.49 353	0.60 346	0.81 365

ADCL	1.82 344	0.70 325	4.57 368	0.70 271	0.63 284	2.56 365	1.77 369	2.08 284	1.77 335	1.95 344	1.89 322	2.04 345	1.88 353	2.36 268	9.55 393	0.27 241	0.25 274	0.35 300	0.32 302	0.39 286	0.39 282

AAGNet	1.84 346	0.30 79	0.79 92	0.66 230	0.32 97	0.65 109	0.50 164	1.02 37	1.01 117	1.47 280	1.21 163	0.99 165	1.16 277	2.76 288	22.69 417	0.24 187	0.13 17	0.22 120	0.20 128	0.24 187	0.16 13

ff1	1.88 347	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	1.08 55	2.62 370	1.19 163	1.49 246	1.07 186	0.85 175	9.88 405	13.82 401	0.21 120	0.13 17	0.31 266	0.28 267	0.20 86	0.23 122

MDST_ROB	1.88 347	0.40 230	1.71 289	0.93 351	0.60 273	4.27 396	1.23 340	3.99 389	1.44 290	4.61 396	2.63 360	1.44 270	1.03 249	9.78 402	1.62 312	0.33 283	0.26 279	0.37 312	0.33 311	0.31 248	0.34 259

SGM_RVC	1.88 347	0.40 230	0.90 147	0.63 200	0.30 63	2.81 372	1.26 343	2.73 368	1.81 342	4.09 388	2.85 364	3.88 382	3.19 383	8.42 390	2.44 347	0.33 283	0.31 308	0.30 262	0.28 267	0.31 248	0.31 238
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
mmx	1.89 350	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	2.32 327	1.41 279	1.19 163	1.49 246	1.07 186	0.85 175	9.88 405	13.82 401	0.25 207	0.21 221	0.31 266	0.28 267	0.32 256	0.29 216

xxx	1.89 350	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	2.32 327	1.41 279	1.19 163	1.49 246	1.07 186	0.85 175	9.88 405	13.82 401	0.25 207	0.21 221	0.31 266	0.28 267	0.32 256	0.29 216

DPSNet	1.91 352	0.64 310	5.95 373	0.73 286	0.59 269	2.04 350	1.61 361	3.84 387	1.96 351	1.54 296	1.39 223	2.27 351	3.32 386	4.95 334	4.79 371	0.50 349	0.31 308	0.29 253	0.26 244	0.67 355	0.54 324

1111x	1.96 353	0.32 118	1.54 280	0.54 100	0.30 63	1.00 228	0.69 245	2.47 348	1.33 246	1.21 175	1.44 236	1.21 217	1.11 271	8.49 391	16.14 409	0.22 149	0.23 253	0.22 120	0.23 213	0.25 196	0.26 177

ADCPNet	1.97 354	0.78 336	9.38 389	0.74 292	0.61 278	2.73 370	1.36 348	2.11 289	1.66 327	1.92 338	1.70 296	2.45 361	2.07 361	2.50 274	6.84 383	0.38 308	0.38 339	0.38 316	0.43 339	0.47 320	0.50 314

WCMA_ROB	2.05 355	0.55 286	1.77 292	0.74 292	0.61 278	2.24 356	1.56 358	2.17 308	1.79 340	4.16 392	6.36 394	5.66 393	4.66 397	3.19 299	2.77 352	0.55 356	0.45 356	0.40 326	0.43 339	0.48 321	0.50 314

RainbowNet	2.06 356	1.86 388	1.97 310	2.86 396	2.25 392	2.03 349	1.79 370	2.77 370	1.92 347	1.54 296	1.84 315	1.95 333	1.73 344	2.23 258	1.38 288	3.40 401	0.86 390	2.39 395	1.00 387	2.94 393	2.42 394

MSMD_ROB	2.08 357	0.61 301	1.15 212	0.71 274	0.62 282	4.00 392	0.93 302	1.94 255	1.79 340	4.71 398	4.60 384	8.14 402	3.87 393	3.75 314	1.65 318	0.54 353	0.48 363	0.55 358	0.58 365	0.53 333	0.52 321

Wz-Net-TNSev	2.10 358	2.71 407	9.30 388	0.72 279	0.65 291	2.41 363	1.81 374	2.45 343	1.77 335	1.62 311	1.56 271	2.56 364	2.01 357	5.30 338	4.46 369	0.41 320	0.38 339	0.33 286	0.37 326	0.54 335	0.64 348

ADCMid	2.11 359	0.90 346	8.39 385	0.75 299	0.69 302	1.98 345	1.14 329	2.18 309	1.67 328	2.85 373	1.85 318	2.35 357	2.02 359	2.35 267	10.58 396	0.34 290	0.32 318	0.39 320	0.44 341	0.51 327	0.53 323

ADCP+	2.12 360	0.56 289	10.01 390	0.68 252	0.91 345	2.25 357	1.04 317	1.92 253	1.50 308	1.58 304	1.34 207	1.73 314	1.62 331	2.27 262	13.20 398	0.25 207	0.22 231	0.32 278	0.29 282	0.38 282	0.34 259

WZ-Net	2.14 361	1.08 359	11.68 397	0.89 343	0.78 326	1.76 328	1.59 360	2.39 335	2.03 354	2.11 351	1.95 330	2.30 354	2.28 370	5.94 355	3.86 366	0.35 298	0.27 287	0.29 253	0.32 302	0.52 328	0.50 314

AnyNet_C32	2.14 361	1.45 377	7.38 380	0.95 356	1.12 363	2.23 355	2.34 392	2.10 288	1.54 313	2.44 361	1.79 307	2.04 345	1.66 337	2.69 284	10.48 395	0.38 308	0.35 328	0.35 300	0.42 336	0.50 325	0.60 343

NVStereoNet_ROB	2.17 363	1.18 366	3.51 356	1.14 370	1.26 377	1.57 310	1.51 353	2.19 311	2.11 358	2.04 348	4.80 386	3.17 377	2.11 365	7.97 386	2.10 336	1.12 382	0.94 395	1.10 381	1.34 393	0.95 370	1.31 380
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MSC_U_SF_DS_RVC	2.22 364	1.29 374	4.14 364	1.10 366	0.78 326	5.00 399	2.38 395	2.47 348	2.67 375	1.94 342	2.28 347	2.66 368	1.70 340	9.10 393	2.29 344	0.68 368	0.52 369	0.68 368	0.71 373	1.17 378	0.81 365

SANet	2.26 365	0.70 325	6.94 378	0.69 262	0.46 207	2.76 371	1.76 368	2.61 361	5.84 401	2.45 362	3.52 374	3.71 379	3.38 388	5.90 352	2.14 338	0.34 290	0.31 308	0.32 278	0.29 282	0.54 335	0.43 299

ADCS	2.35 366	1.26 371	6.54 376	0.85 329	0.77 322	2.18 354	1.79 370	2.47 348	2.20 360	2.80 372	2.14 342	2.38 358	2.09 362	2.81 289	13.83 405	0.43 325	0.41 347	0.40 326	0.45 344	0.59 343	0.67 350

MeshStereo	2.36 367	0.60 296	1.05 188	0.63 200	0.51 234	2.58 366	0.99 312	3.46 383	2.21 361	7.38 408	5.06 390	7.50 398	3.10 382	7.02 377	2.54 349	0.44 333	0.44 354	0.45 336	0.40 331	0.43 300	0.45 304
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
AnyNet_C01	2.38 368	2.21 397	10.17 391	0.99 359	0.79 328	3.12 378	2.37 393	2.69 367	1.89 346	2.58 368	2.44 355	2.70 369	1.86 352	3.65 310	7.12 384	0.41 320	0.41 347	0.40 326	0.42 336	0.68 356	0.79 363

DispFullNet	2.39 369	2.89 408	3.74 359	3.09 401	2.27 394	2.04 350	0.84 283	2.19 311	1.73 333	2.54 366	1.98 331	2.23 348	5.83 400	3.44 308	1.84 330	1.03 377	0.33 321	2.65 401	1.97 405	2.87 392	2.34 393

EDNetEfficient	2.40 370	1.14 364	8.59 386	0.77 307	0.73 309	1.06 239	1.53 356	1.54 163	4.06 392	4.87 399	2.81 362	2.23 348	3.53 389	3.04 295	9.65 394	0.27 241	0.24 261	0.27 233	0.31 297	0.70 358	0.67 350

FCDSN-DC	2.47 371	0.65 316	1.00 179	0.85 329	0.75 316	2.26 358	0.97 309	2.31 326	1.83 343	5.52 404	7.65 401	7.72 401	7.70 406	4.43 324	2.64 350	0.52 351	0.48 363	0.52 348	0.52 358	0.57 340	0.59 340
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SuperB	2.50 372	0.72 330	18.07 408	0.72 279	0.53 242	1.85 337	0.86 289	1.80 221	2.40 364	1.54 296	1.42 232	1.13 207	1.17 280	4.18 318	4.80 373	0.25 207	0.20 208	0.23 146	0.19 102	7.64 417	0.38 279

ELAS	2.67 373	0.80 337	2.13 319	1.13 367	1.15 370	6.25 403	2.56 397	3.50 384	3.68 389	5.36 402	4.92 389	3.79 380	5.56 399	3.65 310	5.22 375	0.66 365	0.57 375	0.56 360	0.54 361	0.65 353	0.75 360
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RTS	2.76 374	1.55 383	15.40 400	1.13 367	1.42 379	3.75 388	2.21 386	2.45 343	2.72 376	2.91 376	2.85 364	2.58 365	1.62 331	6.28 362	5.80 378	0.41 320	0.30 303	0.35 300	0.35 320	0.52 328	0.54 324

RTSA	2.76 374	1.55 383	15.40 400	1.13 367	1.42 379	3.75 388	2.21 386	2.45 343	2.72 376	2.91 376	2.85 364	2.58 365	1.62 331	6.28 362	5.80 378	0.41 320	0.30 303	0.35 300	0.35 320	0.52 328	0.54 324

WAO-7	2.78 376	1.54 382	2.18 322	1.41 379	1.19 373	3.92 391	2.01 380	4.19 391	3.89 391	2.98 378	5.47 391	4.18 383	3.28 385	8.24 389	4.27 367	1.13 383	1.01 399	1.18 382	1.13 392	1.19 379	1.13 378

MADNet+	2.80 377	3.38 410	11.57 396	1.50 382	1.21 376	3.18 380	2.00 377	3.52 385	2.61 369	1.81 329	2.09 338	2.83 370	2.18 369	7.55 382	5.44 377	0.84 370	0.83 385	0.71 370	0.66 372	1.05 375	1.08 375

IMH-64-1	2.82 378	1.87 389	1.77 292	3.31 403	2.69 400	3.22 381	2.07 381	4.25 392	2.77 378	2.46 363	3.78 377	3.05 373	2.34 372	4.67 330	3.00 356	3.84 405	0.84 388	2.75 402	1.39 394	3.34 401	2.93 402

IMH-64	2.82 378	1.87 389	1.77 292	3.31 403	2.69 400	3.22 381	2.07 381	4.25 392	2.77 378	2.46 363	3.78 377	3.05 373	2.34 372	4.67 330	3.00 356	3.84 405	0.84 388	2.75 402	1.39 394	3.34 401	2.93 402

pmcnn	2.84 380	0.46 254	5.19 372	0.68 252	0.42 187	1.55 307	1.16 332	2.32 327	1.60 323	2.72 369	7.49 399	17.96 414	1.48 324	6.04 357	6.64 382	0.18 40	0.15 112	0.15 3	0.12 9	0.20 86	0.20 70

ACVNet_2	2.86 381	1.47 379	8.28 383	2.68 394	2.26 393	2.70 369	1.84 375	3.41 381	3.04 380	2.27 356	3.42 373	4.58 385	2.10 363	5.91 353	1.62 312	2.58 392	0.67 381	2.22 389	0.85 379	2.79 390	2.47 395

ELAS_RVC	2.87 382	0.80 337	3.22 351	1.16 372	1.12 363	2.92 376	5.33 405	2.98 377	4.18 393	5.04 400	4.82 387	4.71 387	8.23 407	4.25 321	4.79 371	0.67 366	0.57 375	0.57 362	0.53 360	0.66 354	0.74 358
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
FC-DCNN	2.88 383	0.61 301	1.15 212	0.75 299	0.57 261	2.85 375	1.05 318	3.44 382	2.64 374	6.93 405	7.63 400	9.86 407	7.02 405	5.76 350	4.31 368	0.54 353	0.48 363	0.51 347	0.50 355	0.53 333	0.52 321

WAO-6	2.98 384	1.67 386	1.88 302	2.38 392	2.30 395	3.53 384	2.37 393	4.38 394	4.64 397	2.42 359	4.50 381	4.85 388	2.99 381	5.22 337	5.37 376	1.77 385	1.16 405	2.31 391	1.47 399	2.42 386	1.99 389

ACVNet-4b	3.05 385	1.42 376	18.09 409	2.85 395	2.33 396	2.32 362	1.22 338	2.47 348	2.21 361	1.26 198	2.36 351	2.64 367	1.46 321	6.32 364	1.23 270	3.29 398	0.45 356	2.37 392	1.02 389	3.03 397	2.61 397

ACVNet_1	3.08 386	1.48 380	17.70 405	2.90 398	2.35 397	2.30 359	1.43 351	3.16 379	2.26 363	1.91 337	2.05 336	3.51 378	2.32 371	3.71 313	1.58 308	3.25 397	0.66 380	2.40 396	1.06 390	3.07 398	2.59 396

PWCK	3.24 387	2.37 398	10.86 393	2.14 387	1.14 368	3.71 386	4.19 404	3.02 378	3.55 388	3.05 381	3.63 375	3.09 376	2.35 374	8.16 388	3.41 360	2.17 389	0.96 396	1.77 385	1.01 388	2.84 391	1.40 383

IMH	3.35 388	1.95 391	1.86 301	3.30 402	2.72 402	4.03 394	2.00 377	4.58 396	3.83 390	2.87 374	6.99 397	4.69 386	3.21 384	6.77 373	2.97 355	3.91 408	0.89 392	2.78 404	1.40 398	3.36 403	2.93 402

LVE	3.40 389	1.80 387	2.21 324	2.90 398	2.44 398	3.27 383	2.25 388	4.80 397	5.06 398	2.43 360	6.79 395	5.99 394	2.64 379	9.20 395	2.28 342	3.30 399	1.11 404	2.38 393	1.48 400	2.95 395	2.62 398

Dean	3.77 390	1.65 385	17.87 406	3.01 400	2.54 399	3.15 379	2.10 384	4.80 397	4.42 394	2.89 375	6.03 392	5.45 392	2.55 378	3.40 307	2.13 337	3.22 396	0.89 392	2.51 399	1.07 391	3.07 398	2.65 400

JetBlue	4.18 391	2.45 402	10.42 392	1.40 376	2.89 404	10.68 409	10.68 407	3.91 388	2.52 365	2.74 370	3.39 372	4.50 384	4.27 395	7.97 386	7.67 387	0.89 372	0.97 397	0.89 374	0.92 380	2.26 385	2.21 391

notaker	4.29 392	2.42 401	5.06 370	3.89 411	3.29 409	4.00 392	2.25 388	4.93 399	3.47 387	4.21 394	6.79 395	7.67 400	3.37 387	9.25 397	6.47 380	4.09 410	1.42 407	3.35 411	2.13 408	4.11 408	3.54 407

ktn	4.56 393	2.41 400	2.54 334	3.79 410	3.25 407	4.81 398	2.91 401	5.52 401	7.36 402	4.12 391	14.55 412	7.54 399	3.70 390	7.84 385	3.35 359	4.06 409	1.86 410	3.26 410	2.22 409	3.27 400	2.86 401

WAO-8	4.57 394	2.01 392	2.58 336	2.37 390	2.21 390	9.75 405	1.71 364	6.04 405	16.34 410	4.11 389	7.69 402	7.41 396	3.85 391	10.02 408	3.85 364	2.05 387	1.09 402	2.44 397	1.39 394	2.56 388	1.86 387

Venus	4.57 394	2.01 392	2.58 336	2.37 390	2.21 390	9.75 405	1.71 364	6.04 405	16.34 410	4.11 389	7.69 402	7.41 396	3.85 391	10.02 408	3.85 364	2.05 387	1.09 402	2.44 397	1.39 394	2.56 388	1.86 387

SGM+DAISY	5.38 396	1.28 373	8.24 382	1.27 374	1.16 372	10.62 408	16.01 413	2.93 376	2.53 366	8.64 411	13.03 410	8.26 403	13.38 410	6.34 365	7.59 386	1.07 380	1.05 401	1.00 378	0.98 384	1.02 373	1.12 377

TorneroNet-64	5.41 397	2.10 395	2.43 331	3.49 406	2.83 403	9.90 407	2.13 385	8.87 411	16.79 415	5.39 403	9.18 406	10.68 411	3.92 394	9.55 399	5.11 374	3.36 400	0.86 390	2.88 405	1.62 401	3.76 404	3.37 405

MADNet++	5.41 397	3.18 409	6.43 375	4.66 415	3.95 413	6.15 402	6.75 406	4.51 395	4.51 396	5.06 401	6.27 393	4.96 390	6.14 401	9.39 398	11.70 397	4.71 411	4.19 414	3.97 413	3.33 411	4.08 407	4.25 412

UNDER WATER	5.68 399	2.46 403	15.52 402	3.98 413	3.53 410	5.15 400	2.74 399	5.58 402	16.41 413	4.00 387	4.56 382	9.12 405	6.43 403	6.22 360	9.11 391	3.85 407	1.35 406	3.18 409	1.98 406	4.51 411	3.84 411

UNDER WATER-64	5.84 400	2.48 404	17.93 407	3.97 412	3.58 411	7.70 404	3.03 402	5.72 404	14.13 407	4.18 393	4.00 379	9.27 406	6.80 404	6.20 359	9.22 392	3.67 403	1.52 408	3.14 407	1.95 404	4.43 410	3.83 410

LSM	6.55 401	1.26 371	15.64 403	1.79 383	68.74 432	1.67 320	2.08 383	2.26 319	2.59 368	3.13 383	3.08 369	1.90 323	1.81 349	2.89 292	2.16 339	0.43 325	0.59 378	0.50 346	0.58 365	0.64 351	17.24 422

tt	6.61 402	0.28 43	6.10 374	3.77 409	2.17 389	11.53 410	19.61 414	13.53 416	5.81 400	3.00 379	2.82 363	4.97 391	6.33 402	3.83 316	7.23 385	9.13 417	11.32 421	5.87 416	6.22 415	6.01 414	2.63 399

JetRed	7.02 403	8.94 416	25.72 417	2.89 397	3.27 408	14.25 413	12.27 410	6.69 407	4.45 395	4.46 395	4.56 382	6.65 395	5.43 398	7.46 381	14.41 407	2.60 393	3.31 411	2.61 400	2.30 410	4.34 409	3.79 409

MANE	7.50 404	0.64 310	7.97 381	1.40 376	2.10 388	16.86 415	12.56 411	12.91 415	17.51 418	8.50 410	11.60 408	14.66 413	13.33 409	12.02 412	13.28 399	0.62 361	0.52 369	0.52 348	1.90 403	0.56 338	0.58 338

SGM-ForestM	7.81 405	0.48 262	11.02 394	0.74 292	0.40 170	16.83 414	12.72 412	7.91 409	8.13 403	11.53 412	10.25 407	22.44 422	14.01 411	17.02 415	20.52 413	0.38 308	0.39 344	0.37 312	0.36 322	0.37 276	0.38 279

coex-ft	8.35 406	2.39 399	100.24 434	0.68 252	0.54 249	1.77 330	1.57 359	1.71 203	11.00 405	18.91 420	3.76 376	3.85 381	8.23 407	3.29 304	6.58 381	0.31 273	0.31 308	0.32 278	0.31 297	0.69 357	0.57 335

LE_ROB	8.35 406	0.47 259	27.42 421	0.83 323	0.34 122	2.84 374	3.36 403	4.03 390	27.04 422	25.20 422	8.72 405	8.55 404	27.35 422	7.37 380	22.13 414	0.22 149	0.20 208	0.20 70	0.21 164	0.25 196	0.25 160

KSHMR	8.76 408	2.14 396	3.59 357	3.60 408	3.13 406	4.15 395	2.67 398	5.61 403	58.90 435	3.04 380	55.71 435	4.94 389	2.54 377	4.61 329	3.05 358	3.49 402	1.57 409	3.14 407	1.98 406	3.84 405	3.49 406

EDNetEfficientorigin	10.59 409	1.52 381	177.33 435	0.68 252	0.54 249	1.66 319	1.20 337	1.94 255	3.39 385	4.69 397	3.37 371	3.08 375	2.79 380	3.25 302	3.63 362	0.26 224	0.24 261	0.33 286	0.28 267	0.85 366	0.87 368

TorneroNet	10.72 410	2.09 394	2.76 341	3.48 405	3.03 405	44.72 427	2.31 390	8.62 410	67.06 436	7.45 409	23.21 420	10.59 410	4.28 396	9.03 392	9.00 390	3.67 403	0.91 394	3.04 406	1.63 402	3.92 406	3.55 408

HanzoNet	11.92 411	5.12 411	17.18 404	4.19 414	3.59 412	5.16 401	2.82 400	7.41 408	9.96 404	33.31 431	27.60 422	22.25 421	37.31 426	18.18 416	13.57 400	8.13 416	3.44 413	3.50 412	3.44 412	7.77 418	4.52 413

DGTPSM_ROB	13.06 412	8.27 414	22.29 412	9.53 418	18.14 416	11.53 410	31.97 420	10.82 413	16.25 408	7.14 406	19.39 418	10.12 408	16.69 414	9.85 403	22.49 415	4.77 412	8.72 416	5.37 414	10.24 418	6.15 415	11.56 416

DPSMNet_ROB	13.08 413	8.28 415	22.32 413	9.54 419	18.15 417	11.53 410	31.98 421	10.83 414	16.27 409	7.17 407	19.40 419	10.12 408	16.69 414	9.87 404	22.50 416	4.78 413	8.72 416	5.38 415	10.25 419	6.16 416	11.59 417

ASD4	17.95 414	11.38 418	20.07 410	11.32 420	12.21 415	21.39 416	31.23 419	22.73 418	12.78 406	12.19 413	12.67 409	13.79 412	14.32 412	20.13 417	25.17 419	18.93 422	15.37 422	28.00 428	22.52 428	17.63 421	15.21 421

DPSM_ROB	19.12 415	19.13 420	25.13 415	22.15 422	20.86 420	28.06 419	37.75 423	27.18 420	16.95 416	14.25 414	15.07 413	21.66 416	18.69 417	21.83 419	26.51 421	10.15 419	9.30 419	10.45 419	10.41 420	14.00 419	12.85 419

DPSM	19.12 415	19.13 420	25.13 415	22.15 422	20.86 420	28.06 419	37.75 423	27.18 420	16.95 416	14.25 414	15.07 413	21.66 416	18.69 417	21.83 419	26.51 421	10.15 419	9.30 419	10.45 419	10.41 420	14.00 419	12.85 419

LRCNet_RVC	22.79 417	32.09 426	22.06 411	29.83 424	26.15 422	4.40 397	0.84 283	22.64 417	2.10 357	26.93 423	29.25 423	23.03 423	15.56 413	23.91 421	18.92 412	32.00 429	20.04 430	34.68 429	32.13 429	30.66 429	28.52 428

DLNR_Zeroshot_test	23.23 418	48.25 437	43.77 424	177.04 437	78.39 433	0.35 5	0.21 1	23.33 419	0.82 53	0.67 41	0.86 55	0.58 43	0.30 4	1.64 186	0.48 88	10.69 421	0.13 17	0.18 33	0.14 22	76.63 436	0.23 122

DPSimNet_ROB	24.77 419	9.69 417	61.46 432	3.56 407	19.46 418	25.95 417	77.56 434	5.09 400	16.60 414	21.50 421	29.82 424	25.12 424	85.69 436	13.37 414	23.07 418	7.23 415	17.79 423	8.55 417	7.57 416	4.57 413	31.84 429

SPstereo	26.71 420	6.90 413	11.42 395	5.86 416	6.44 414	48.17 428	80.34 435	67.41 436	34.42 431	28.80 429	27.49 421	43.68 433	37.53 430	44.96 435	54.23 436	5.06 414	4.92 415	10.92 421	6.03 414	4.54 412	5.00 415

BEATNet-Init1	27.39 421	21.01 422	73.65 433	1.07 363	0.80 330	56.07 429	22.82 415	33.14 427	31.71 424	51.78 435	52.93 434	65.63 435	48.54 434	48.75 436	36.36 426	0.52 351	0.47 361	0.54 353	0.54 361	0.64 351	0.72 356

CasAABBNet	38.42 422	38.42 428	50.26 426	44.76 429	41.87 426	56.47 433	76.22 429	54.44 433	33.92 426	28.53 424	30.36 426	43.53 432	37.59 431	43.77 432	53.32 431	20.27 423	18.70 425	21.03 425	21.04 423	28.19 423	25.79 423

MyStereo03	38.45 423	38.46 430	50.33 427	44.93 430	42.03 428	56.44 430	76.24 430	54.16 430	34.06 428	28.68 426	30.42 427	43.46 428	37.33 427	43.76 429	53.43 432	20.29 424	18.73 427	21.02 422	21.05 424	28.19 423	25.91 425

MyStereo02	38.45 423	38.46 430	50.33 427	44.93 430	42.03 428	56.44 430	76.24 430	54.16 430	34.06 428	28.68 426	30.42 427	43.46 428	37.33 427	43.76 429	53.43 432	20.29 424	18.73 427	21.02 422	21.05 424	28.19 423	25.91 425

MyStereo	38.45 423	38.46 430	50.33 427	44.93 430	42.03 428	56.44 430	76.24 430	54.16 430	34.06 428	28.68 426	30.42 427	43.46 428	37.33 427	43.76 429	53.43 432	20.29 424	18.73 427	21.02 422	21.05 424	28.19 423	25.91 425

Selective-RAFT-Error	38.47 426	38.44 429	50.38 430	44.74 428	42.01 427	56.47 433	76.24 430	54.44 433	34.02 427	28.59 425	30.30 425	43.51 431	38.10 432	43.69 428	53.24 430	20.36 427	18.72 426	21.05 426	21.02 422	28.25 427	25.87 424

HaxPig	39.02 427	41.39 434	41.59 422	30.10 425	32.36 423	29.49 421	27.65 417	30.56 423	37.94 432	43.75 432	43.81 431	33.42 425	35.69 423	41.51 426	40.33 428	43.91 433	47.48 435	45.87 430	47.14 431	42.29 430	44.06 432

AVERAGE_ROB	40.42 428	42.30 435	42.61 423	36.91 427	35.54 425	30.42 422	27.59 416	37.45 429	38.45 433	44.87 433	44.27 432	37.55 427	36.69 424	41.82 427	40.25 427	45.36 434	46.73 434	47.09 431	46.32 430	42.47 431	43.74 431

MEDIAN_ROB	42.01 429	44.30 436	44.14 425	35.08 426	34.90 424	31.33 426	29.90 418	36.77 428	40.11 434	47.14 434	46.55 433	37.49 426	38.50 433	44.30 434	42.32 429	47.93 435	49.31 436	49.68 432	49.00 432	44.98 432	46.46 433

Anonymous_1	42.79 430	18.71 419	24.75 414	21.81 421	45.16 431	27.68 418	37.52 422	28.64 422	16.34 410	14.72 416	14.53 411	20.60 415	17.82 416	21.52 418	25.88 420	113.45 436	8.91 418	100.63 433	126.37 433	158.50 437	12.31 418

LSM0	42.92 431	38.72 433	50.66 431	47.49 433	110.18 437	56.77 435	75.87 428	54.87 435	33.74 425	29.48 430	31.12 430	43.77 434	37.12 425	43.85 433	53.44 435	20.50 428	18.67 424	21.05 426	21.07 427	28.37 428	41.73 430

PML	51.64 432	37.49 427	14.31 399	7.45 417	20.27 419	107.80 436	231.34 437	8.94 412	27.70 423	86.74 436	268.93 437	69.03 436	61.09 435	24.71 425	14.36 406	9.71 418	3.40 412	9.60 418	4.67 413	20.46 422	4.76 414

xxxxx1	54.34 433	26.72 423	27.03 418	114.14 434	99.00 434	30.68 423	47.19 425	32.52 424	26.09 419	17.85 417	17.48 415	21.86 418	20.92 419	24.38 422	33.78 423	34.73 430	41.33 431	157.67 435	175.68 434	65.82 433	71.99 434

tt_ll	54.34 433	26.72 423	27.03 418	114.14 434	99.00 434	30.68 423	47.19 425	32.52 424	26.09 419	17.85 417	17.48 415	21.86 418	20.92 419	24.38 422	33.78 423	34.73 430	41.33 431	157.67 435	175.68 434	65.82 433	71.99 434

ff	54.34 433	26.72 423	27.03 418	114.14 434	99.00 434	30.68 423	47.19 425	32.52 424	26.09 419	17.85 417	17.48 415	21.86 418	20.92 419	24.38 422	33.78 423	34.73 430	41.33 431	157.67 435	175.68 434	65.82 433	71.99 434

test_example2	192.91 436	210.59 438	206.44 436	199.86 438	204.90 438	172.02 437	182.95 436	138.34 437	134.89 437	193.14 437	200.54 436	186.77 437	177.82 437	204.95 437	207.57 437	221.83 437	238.70 437	186.02 438	190.07 437	226.94 438	173.78 437

STTRV1_RVC		0.69 323		0.88 335	1.12 363	1.58 311	0.90 294	2.42 339	1.78 338	1.29 212	2.02 334	1.40 264	1.22 290	9.72 401	1.35 284	0.86 371	0.34 323	0.54 353	0.49 353	0.75 362	0.54 324

FADE		6.16 412		1.90 386	1.95 387													122.45 434		1.14 377

Low-res two-view benchmark