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

MIF-Stereo	1.73 26	0.60 24	20.25 261	0.98 92	1.19 233	0.78 3	0.39 5	1.19 1	1.55 23	1.21 33	1.28 40	0.52 1	0.64 8	1.17 6	1.16 71	0.35 132	0.20 17	0.25 22	0.22 42	0.42 188	0.31 14

CAS	1.34 9	0.48 1	2.20 4	3.01 378	1.66 325	4.08 237	0.73 91	1.96 19	1.51 16	0.86 12	1.10 15	0.59 2	0.53 2	1.36 26	0.94 35	3.07 383	0.14 1	0.21 2	0.14 1	0.38 150	1.78 296

CES	1.08 6	0.63 34	2.53 7	0.95 77	2.18 356	2.13 30	0.50 18	2.07 24	1.46 6	0.79 6	1.06 11	0.61 3	0.48 1	1.45 34	0.87 22	0.24 4	0.18 5	0.24 13	0.15 3	0.64 285	2.36 313

LoS	1.05 4	0.58 9	3.31 9	0.91 56	0.38 6	4.14 252	0.50 18	2.22 30	1.49 12	1.02 26	0.88 7	0.62 4	0.84 35	1.69 57	0.94 35	0.27 21	0.20 17	0.24 13	0.17 8	0.22 2	0.32 17

test_xeample3	3.67 297	3.52 316	21.53 378	0.98 92	0.51 56	1.88 19	0.91 186	8.10 395	2.76 173	0.82 8	0.76 2	0.65 5	0.70 12	5.88 217	7.74 332	0.32 81	0.29 136	0.27 42	0.22 42	0.29 31	15.33 404

CASnet	0.85 2	0.59 17	1.66 1	0.91 56	0.30 1	1.37 10	0.73 91	1.63 5	1.94 77	1.66 71	1.14 23	0.66 6	0.63 7	1.07 2	0.90 26	0.37 158	0.17 3	0.41 241	0.31 189	0.33 86	0.23 4
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
MyStereo07	2.29 83	1.18 196	20.10 244	1.04 113	1.21 240	3.96 215	0.95 200	2.13 28	3.37 277	1.09 29	1.28 40	0.68 7	0.91 44	1.74 69	0.86 21	0.26 14	3.49 371	0.34 177	0.27 102	0.43 197	0.49 113

GLC_STEREO	0.83 1	0.59 17	1.71 2	0.89 48	0.34 2	1.88 19	0.80 125	1.48 2	1.60 37	0.98 25	1.06 11	0.68 7	0.71 14	1.19 8	0.89 25	0.25 8	0.25 99	0.32 128	0.25 74	0.32 65	0.34 29

XX-TBD	1.98 33	1.08 183	20.29 267	1.31 215	0.43 25	3.97 217	0.33 3	1.76 14	1.77 61	1.59 62	2.18 240	0.69 9	0.59 3	1.44 33	0.75 4	0.33 104	0.25 99	0.23 4	0.16 5	0.31 47	0.22 1

ff7	2.60 153	0.81 113	16.25 100	0.89 48	0.56 68	4.55 329	0.83 137	1.68 6	3.44 289	0.88 16	1.10 15	0.70 10	0.78 25	1.93 89	0.93 29	0.29 32	0.37 188	0.29 76	0.21 25	0.33 86	15.08 399

ffff	2.60 153	0.81 113	16.25 100	0.89 48	0.56 68	4.55 329	0.83 137	1.68 6	3.44 289	0.88 16	1.10 15	0.70 10	0.78 25	1.93 89	0.93 29	0.29 32	0.37 188	0.29 76	0.21 25	0.33 86	15.08 399

11t	2.60 153	0.81 113	16.25 100	0.89 48	0.56 68	4.55 329	0.83 137	1.68 6	3.44 289	0.88 16	1.10 15	0.70 10	0.78 25	1.93 89	0.93 29	0.29 32	0.37 188	0.29 76	0.21 25	0.33 86	15.08 399

ccc-4	2.60 153	0.81 113	16.25 100	0.89 48	0.56 68	4.55 329	0.83 137	1.68 6	3.44 289	0.88 16	1.10 15	0.70 10	0.78 25	1.93 89	0.93 29	0.29 32	0.37 188	0.29 76	0.21 25	0.33 86	15.08 399

Anonymous	1.97 32	0.88 127	20.58 309	1.08 124	1.27 249	1.65 14	0.89 162	2.54 48	1.62 43	0.92 23	1.18 26	0.70 10	1.09 80	1.28 12	1.00 50	0.53 284	0.35 176	0.30 97	0.30 172	0.66 294	0.56 142

Selective-IGEV	1.42 13	0.58 9	8.82 38	0.92 62	0.85 147	1.32 9	0.80 125	2.85 73	3.84 318	0.87 15	1.68 111	0.71 15	0.62 6	1.30 13	0.75 4	0.24 4	0.27 126	0.24 13	0.19 9	0.27 15	1.18 262

ACVNet-DCA	3.67 297	0.94 151	19.66 196	1.87 329	0.42 21	4.47 312	0.73 91	4.07 216	4.63 354	1.21 33	1.89 182	0.73 16	1.62 194	2.20 115	0.81 12	0.31 68	18.77 413	0.32 128	0.21 25	0.35 120	8.09 368

1test111	3.86 309	0.94 151	19.66 196	1.87 329	0.42 21	4.47 312	0.73 91	4.07 216	4.63 354	1.21 33	1.89 182	0.73 16	1.62 194	5.19 203	1.68 172	0.31 68	18.77 413	0.32 128	0.21 25	0.35 120	8.09 368

cc1	3.93 314	0.94 151	19.66 196	1.87 329	0.42 21	4.47 312	0.73 91	4.24 281	4.01 326	1.21 33	1.89 182	0.73 16	1.62 194	2.20 115	0.81 12	0.31 68	18.77 413	0.32 128	0.21 25	0.32 65	13.93 389

sAnonymous2	2.00 38	1.54 240	21.24 367	0.93 64	0.89 158	1.21 6	0.62 49	2.58 58	2.28 116	0.86 12	1.04 9	0.73 16	1.22 110	1.10 4	0.85 19	0.30 54	0.25 99	0.31 115	0.31 189	1.06 343	0.72 200

CroCo_RVC	2.00 38	1.54 240	21.24 367	0.93 64	0.89 158	1.21 6	0.62 49	2.58 58	2.28 116	0.86 12	1.04 9	0.73 16	1.22 110	1.10 4	0.85 19	0.30 54	0.25 99	0.31 115	0.31 189	1.06 343	0.72 200

IGEVStereo-DCA	3.09 235	3.48 314	16.25 100	0.96 83	0.49 47	1.59 12	0.83 137	1.68 6	3.44 289	0.75 4	0.78 3	0.74 21	0.73 17	5.79 214	7.75 333	0.32 81	0.26 119	0.28 62	0.21 25	0.32 65	15.08 399

rrr	3.66 295	3.48 314	23.50 403	0.96 83	0.49 47	1.59 12	0.92 191	8.19 396	2.75 170	0.75 4	0.78 3	0.74 21	0.73 17	5.79 214	7.75 333	0.32 81	0.26 119	0.28 62	0.21 25	0.32 65	13.47 387

tt1	3.79 305	0.93 148	15.34 83	1.83 327	0.45 30	4.54 323	0.78 115	4.23 274	4.73 359	1.27 41	1.89 182	0.74 21	1.48 155	2.29 126	0.78 7	0.30 54	19.28 423	0.32 128	0.22 42	0.31 47	14.02 390

whm_eth	2.15 55	1.55 243	19.39 185	0.96 83	1.37 267	2.60 47	0.72 85	3.63 130	2.97 203	1.55 56	2.06 219	0.78 24	0.71 14	1.17 6	1.08 60	0.45 225	0.29 136	0.34 177	0.33 206	0.44 205	0.65 183

anonymousdsp	3.14 243	0.83 117	20.28 264	0.94 69	0.64 96	4.54 323	0.82 133	2.03 23	3.32 270	0.91 20	1.13 20	0.78 24	0.77 23	1.78 71	0.90 26	0.29 32	0.25 99	0.29 76	0.21 25	0.33 86	21.81 417

ProNet	1.63 19	0.91 138	5.70 21	0.96 83	0.64 96	2.40 41	0.82 133	1.92 17	3.28 257	0.69 1	1.17 25	0.78 24	0.76 22	1.72 64	0.87 22	0.27 21	0.97 313	0.25 22	0.26 87	0.31 47	7.97 367

PMTNet	1.13 7	0.55 3	3.88 14	0.71 6	0.59 79	4.21 277	0.43 10	2.00 20	1.58 29	1.02 26	1.06 11	0.78 24	0.98 54	1.58 47	0.93 29	1.21 361	0.20 17	0.23 4	0.15 3	0.23 3	0.27 6

IGEV-Stereo	3.15 245	0.83 117	20.31 271	0.94 69	0.64 96	4.54 323	0.82 133	2.01 21	3.31 267	0.91 20	1.13 20	0.79 28	0.77 23	1.79 72	0.92 28	0.29 32	0.25 99	0.29 76	0.21 25	0.33 86	21.85 418
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
test croco	2.00 38	0.89 131	21.49 377	0.67 2	0.73 119	1.66 15	0.57 27	3.27 104	2.18 97	0.80 7	1.25 35	0.80 29	0.86 37	1.72 64	1.13 64	0.34 120	0.21 33	0.32 128	0.25 74	0.44 205	0.34 29

MIF-Stereo (partial)	1.93 30	0.69 63	21.14 357	0.74 7	1.02 190	1.07 5	0.49 15	2.75 69	1.78 63	0.82 8	1.22 31	0.80 29	0.90 42	1.68 52	1.63 163	0.38 170	0.24 87	0.33 160	0.26 87	0.41 181	0.32 17

AEACV	2.12 52	0.67 52	6.33 24	1.38 238	1.50 287	3.53 125	0.90 178	2.83 72	1.60 37	0.91 20	0.81 6	0.80 29	1.61 186	1.56 46	0.73 3	0.25 8	0.60 275	0.26 33	0.27 102	0.29 31	15.65 405

sCroCo_RVC	1.81 28	0.93 148	19.44 188	1.04 113	1.05 203	0.97 4	0.61 42	2.08 25	1.36 1	0.71 3	1.28 40	0.82 32	1.10 85	1.31 15	0.97 44	0.54 288	0.41 219	0.33 160	0.30 172	0.46 219	0.48 108

LoS_RVC	1.23 8	1.51 236	6.09 22	0.88 47	1.71 330	1.96 22	0.59 35	1.61 4	1.37 2	0.84 10	1.35 50	0.84 33	1.15 101	1.49 39	0.83 18	0.21 1	0.17 3	0.20 1	0.14 1	0.20 1	1.49 279

TANstereo	1.98 33	0.87 124	20.35 274	0.80 20	0.37 5	4.05 230	0.38 4	1.50 3	1.65 50	2.03 146	2.16 234	0.84 33	0.93 48	1.09 3	0.68 1	0.30 54	0.36 183	0.24 13	0.20 19	0.26 12	0.46 93

CREStereo++_RVC	1.98 33	0.59 17	19.94 225	0.87 42	0.55 65	4.02 223	0.31 2	1.75 13	2.09 87	1.65 70	2.20 244	0.85 35	0.65 10	1.03 1	0.72 2	0.29 32	0.16 2	0.23 4	1.22 371	0.25 5	0.22 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
GMStereo	2.01 41	2.26 289	20.93 335	0.90 54	0.48 40	1.67 16	0.56 24	1.90 16	2.19 98	1.58 61	1.31 46	0.87 36	0.74 20	1.68 52	1.00 50	0.41 187	0.21 33	0.30 97	0.32 199	0.50 239	0.46 93
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
StereoIM	1.60 16	1.11 187	16.13 97	0.67 2	1.87 344	1.22 8	0.39 5	2.17 29	1.42 5	0.69 1	0.78 3	0.88 37	0.70 12	1.24 10	1.13 64	0.32 81	0.23 70	0.26 33	0.21 25	0.32 65	0.28 7

CREStereo	1.00 3	0.59 17	1.82 3	0.66 1	0.36 3	4.43 306	0.40 7	2.43 38	1.98 80	0.96 24	1.22 31	0.88 37	0.87 39	1.30 13	0.79 10	0.30 54	0.20 17	0.23 4	0.16 5	0.23 3	0.22 1
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
MC-Stereo	2.54 136	0.58 9	6.38 25	1.30 212	1.37 267	4.56 333	0.60 39	2.08 25	1.57 28	1.97 124	1.68 111	0.89 39	1.12 90	1.46 35	0.88 24	0.27 21	8.44 391	0.27 42	0.22 42	0.26 12	14.87 396

s12784h	2.08 50	0.50 2	16.85 115	0.75 8	0.36 3	4.42 305	0.49 15	4.23 274	3.08 226	2.03 146	2.67 307	0.91 40	1.05 74	2.05 98	0.78 7	0.37 158	0.18 5	0.24 13	0.16 5	0.27 15	0.26 5

DIP-Stereo	2.03 45	0.98 164	16.44 111	0.67 2	0.62 91	4.30 289	0.58 33	4.43 335	2.89 196	1.97 124	1.40 60	0.91 40	0.86 37	1.31 15	1.27 97	0.38 170	0.23 70	0.33 160	0.23 50	0.33 86	0.57 147
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
DLNR_Zeroshot_test	29.83 416	55.48 430	50.99 423	183.84 434	114.74 431	3.44 104	0.28 1	29.52 417	1.59 32	1.03 28	1.25 35	0.93 42	0.64 8	3.95 187	1.62 160	37.16 426	1.69 336	0.26 33	0.23 50	92.97 431	15.07 398

RCA-Stereo	1.38 11	0.61 29	3.95 16	0.94 69	0.48 40	4.68 356	0.78 115	4.17 254	1.95 78	1.93 108	1.84 169	0.94 43	1.48 155	1.23 9	0.75 4	0.30 54	0.43 231	0.25 22	0.20 19	0.26 12	0.37 49

HHNet	2.51 126	0.76 104	20.83 327	0.67 2	0.67 104	4.07 234	0.90 178	3.85 168	1.59 32	2.14 175	4.91 362	0.98 44	3.32 323	1.73 67	1.80 195	0.41 187	0.20 17	0.31 115	0.28 126	0.38 150	0.44 82

UDGNet	2.34 93	1.71 258	20.28 264	1.42 255	0.62 91	4.39 300	0.67 61	1.82 15	2.28 116	1.40 47	1.21 30	0.99 45	1.00 57	2.23 120	1.23 80	1.14 358	0.35 176	1.30 374	0.98 358	1.11 352	0.62 173

CroCo-Stereo	1.07 5	1.18 196	3.66 10	0.91 56	0.60 82	0.49 1	0.49 15	4.07 216	1.91 73	0.84 10	1.29 44	1.00 46	0.75 21	1.32 18	1.38 117	0.26 14	0.21 33	0.24 13	0.20 19	0.37 141	0.30 12
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
AE-Stereo	2.91 210	0.63 34	17.05 118	1.15 148	0.63 94	4.39 300	0.70 77	4.02 202	2.12 93	1.24 40	2.04 211	1.01 47	0.91 44	1.67 51	1.42 121	0.30 54	1.14 320	0.28 62	0.28 126	0.27 15	16.93 414

raft+_RVC	3.46 286	2.57 298	19.51 192	1.49 271	17.54 412	3.63 143	0.76 111	3.24 98	1.53 19	1.35 43	1.67 109	1.03 48	1.10 85	1.98 95	1.53 138	0.25 8	7.10 388	0.25 22	0.24 63	0.28 20	2.18 310

DCANet-4	2.06 49	0.58 9	15.30 82	0.86 36	0.44 29	4.16 258	0.57 27	4.31 307	3.28 257	2.31 223	1.82 156	1.04 49	1.54 171	1.69 57	1.56 144	0.35 132	0.24 87	0.24 13	0.19 9	0.25 5	0.57 147

11t1	2.82 201	0.72 76	17.81 138	1.60 291	0.93 172	2.27 37	0.62 49	3.76 151	4.47 351	1.72 81	1.33 48	1.05 50	1.34 125	1.84 83	1.45 130	0.29 32	5.57 382	0.29 76	0.26 87	0.32 65	8.80 379

CroCo-Stereo Lap2	1.65 22	1.14 193	14.70 76	1.00 100	1.80 342	0.53 2	0.46 12	3.18 93	1.62 43	1.10 31	1.24 33	1.05 50	0.78 25	1.40 30	1.18 72	0.31 68	0.23 70	0.27 42	0.22 42	0.46 219	0.38 56

EGLCR-Stereo	2.52 128	0.56 4	9.39 39	1.16 152	0.81 139	5.24 377	0.61 42	4.20 264	1.56 26	1.09 29	0.71 1	1.09 52	0.66 11	1.92 87	0.82 17	0.29 32	0.30 144	0.29 76	0.24 63	0.37 141	19.09 415

EAI-Stereo	4.89 351	0.69 63	7.74 30	0.99 97	1.63 315	4.68 356	51.52 422	5.79 389	3.37 277	3.64 351	7.24 368	1.10 53	0.95 51	2.51 139	1.71 180	0.33 104	0.31 148	0.28 62	2.04 394	0.28 20	0.92 236

Anonymous3	2.20 65	0.80 110	20.08 241	0.86 36	0.86 149	4.46 309	0.84 144	3.64 133	1.40 4	1.37 45	1.40 60	1.11 54	1.03 61	1.71 61	1.24 84	0.75 336	0.58 272	0.34 177	0.35 228	0.48 234	0.65 183

LMCR-Stereo	2.53 132	2.30 291	18.81 156	1.64 302	0.86 149	3.88 192	1.14 237	4.33 316	1.63 46	2.27 214	2.35 264	1.13 55	2.41 279	2.63 149	2.26 243	1.06 354	0.24 87	0.29 76	0.25 74	0.62 276	0.42 74

R-Stereo Train	2.13 53	0.65 44	19.43 186	1.02 107	0.67 104	3.79 172	0.89 162	4.12 237	1.55 23	2.15 179	1.72 122	1.13 55	0.94 49	1.46 35	1.30 99	0.32 81	0.25 99	0.27 42	0.21 25	0.28 20	0.37 49

RAFT-Stereo	2.13 53	0.65 44	19.43 186	1.02 107	0.67 104	3.79 172	0.89 162	4.12 237	1.55 23	2.15 179	1.72 122	1.13 55	0.94 49	1.46 35	1.30 99	0.32 81	0.25 99	0.27 42	0.21 25	0.28 20	0.37 49
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AnonymousM	1.38 11	1.33 220	2.35 6	0.95 77	0.56 68	4.03 225	0.67 61	2.63 63	2.49 146	1.51 54	1.36 53	1.15 58	1.00 57	1.26 11	1.04 54	0.41 187	0.46 241	2.07 381	1.71 382	0.25 5	0.40 62

IPLGR_C	2.96 219	11.71 366	20.02 232	0.95 77	1.31 257	3.93 206	0.92 191	4.22 269	3.76 315	2.35 241	2.62 302	1.16 59	1.07 78	1.71 61	1.34 103	0.45 225	0.25 99	0.27 42	0.23 50	0.33 86	0.60 165

CIPLG	2.88 206	10.01 357	20.02 232	0.95 77	1.34 261	3.95 211	0.91 186	4.24 281	3.69 313	2.36 245	2.66 305	1.17 60	1.06 76	1.82 80	1.37 116	0.45 225	0.25 99	0.27 42	0.23 50	0.33 86	0.60 165

ACRE	2.75 193	7.69 344	19.93 224	0.93 64	1.30 253	3.94 209	0.90 178	4.23 274	3.66 310	2.33 237	2.61 301	1.17 60	1.04 67	1.80 77	1.35 104	0.46 238	0.25 99	0.27 42	0.23 50	0.32 65	0.60 165

raftrobust	2.05 48	1.45 230	13.44 56	1.29 208	5.81 402	3.59 134	0.67 61	2.80 71	1.50 13	2.21 198	1.41 63	1.17 60	1.22 110	1.37 28	1.46 132	0.29 32	0.33 160	0.22 3	0.20 19	0.27 15	0.36 48

ADStereo(finetuned)	2.30 86	0.97 161	17.29 124	0.86 36	0.43 25	4.17 263	0.59 35	4.31 307	3.29 262	2.35 241	1.86 175	1.18 63	3.35 326	1.69 57	1.59 152	0.34 120	0.25 99	0.23 4	0.19 9	0.31 47	0.72 200

RALCasStereoNet	3.17 249	1.87 272	20.86 330	1.17 159	1.63 315	3.10 64	0.70 77	3.21 95	2.19 98	1.39 46	1.73 128	1.18 63	0.91 44	2.46 134	1.64 166	0.31 68	8.75 395	0.25 22	0.22 42	0.31 47	9.45 380

DCANet	2.37 101	0.98 164	20.47 288	0.86 36	0.43 25	4.18 266	0.59 35	4.31 307	3.29 262	2.35 241	1.86 175	1.18 63	1.63 197	1.69 57	1.59 152	0.34 120	0.25 99	0.24 13	0.19 9	0.31 47	0.73 205

fff	2.40 106	0.96 157	20.47 288	0.84 28	0.38 6	4.15 255	0.57 27	4.30 297	2.85 186	2.31 223	1.82 156	1.19 66	2.98 305	1.68 52	1.57 147	0.35 132	0.24 87	0.23 4	0.19 9	0.25 5	0.57 147

dd	2.27 76	3.06 306	20.18 249	0.96 83	0.51 56	4.24 282	0.74 99	1.94 18	2.43 137	1.48 53	1.28 40	1.19 66	1.05 74	1.82 80	1.69 175	0.63 310	0.34 167	0.35 194	0.33 206	0.61 271	0.57 147

rafts_anoy	2.76 195	1.68 255	20.42 281	1.42 255	3.90 389	3.03 62	0.61 42	3.24 98	1.66 52	1.42 48	1.26 37	1.19 66	1.11 88	2.13 107	1.64 166	0.33 104	8.77 396	0.32 128	0.32 199	0.32 65	0.38 56

csc	2.40 106	0.96 157	20.47 288	0.84 28	0.38 6	4.15 255	0.57 27	4.30 297	2.85 186	2.31 223	1.82 156	1.19 66	2.98 305	1.68 52	1.57 147	0.35 132	0.24 87	0.23 4	0.19 9	0.25 5	0.57 147

cscssc	2.40 106	0.96 157	20.47 288	0.84 28	0.38 6	4.15 255	0.57 27	4.30 297	2.85 186	2.31 223	1.82 156	1.19 66	2.98 305	1.68 52	1.57 147	0.35 132	0.24 87	0.23 4	0.19 9	0.25 5	0.57 147

PSM-AAD	3.41 278	0.58 9	20.55 300	0.95 77	0.56 68	4.46 309	7.40 395	3.11 89	1.58 29	2.30 220	2.56 296	1.26 71	16.19 402	2.47 137	1.00 50	0.32 81	0.22 47	0.58 320	0.41 275	0.37 141	1.32 268

TestStereo	2.41 112	1.95 275	19.15 168	0.77 9	0.61 83	1.83 17	0.58 33	2.33 34	1.53 19	1.44 51	1.37 55	1.26 71	0.90 42	11.59 353	0.94 35	0.36 151	0.19 9	0.33 160	0.24 63	0.45 212	0.32 17

RALAANet	2.29 83	2.73 300	21.08 347	1.29 208	0.94 175	1.45 11	0.68 69	3.25 101	2.61 158	2.02 141	1.80 149	1.28 73	1.04 67	2.12 105	1.79 194	0.30 54	0.22 47	0.27 42	0.27 102	0.41 181	0.35 33

GES	2.26 73	0.79 109	19.68 203	1.12 138	0.59 79	4.30 289	1.01 209	3.90 175	1.59 32	1.78 91	1.78 142	1.28 73	1.75 220	1.80 77	1.61 158	0.42 196	0.29 136	0.33 160	0.31 189	0.45 212	0.50 117

IPLG	2.56 146	1.11 187	19.89 221	0.95 77	0.79 136	4.60 338	0.56 24	4.31 307	2.10 89	1.94 114	2.00 206	1.34 75	1.37 129	6.59 236	1.59 152	0.32 81	0.21 33	0.27 42	0.23 50	0.32 65	0.63 176

PFNet+	2.46 120	0.64 37	21.10 354	0.98 92	0.48 40	4.63 342	0.83 137	2.47 40	3.48 298	2.14 175	1.67 109	1.34 75	1.03 61	4.66 197	1.35 104	0.49 256	0.33 160	0.38 228	0.39 258	0.33 86	0.49 113

ICVP	2.19 62	0.72 76	19.18 171	1.03 110	0.88 157	4.22 279	0.94 197	3.44 116	1.69 56	1.68 74	1.76 132	1.35 77	1.19 107	1.80 77	1.40 119	0.58 297	0.37 188	0.34 177	0.30 172	0.41 181	0.59 161
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
iResNet	2.70 181	1.35 222	20.93 335	2.01 340	0.73 119	3.76 166	0.83 137	4.28 294	2.93 199	2.38 250	2.03 209	1.35 77	1.54 171	3.28 171	4.42 305	0.42 196	0.25 99	0.29 76	0.23 50	0.45 212	0.64 180

NF-Stereo	2.68 180	0.67 52	21.09 352	2.43 356	0.47 35	4.67 348	0.67 61	3.68 136	4.30 341	2.11 169	1.62 98	1.36 79	1.09 80	6.07 225	1.24 84	0.45 225	0.20 17	0.36 205	0.34 215	0.32 65	0.37 49

OCTAStereo	2.67 177	0.67 52	21.08 347	2.43 356	0.47 35	4.67 348	0.67 61	3.68 136	4.31 344	2.11 169	1.62 98	1.36 79	1.09 80	6.02 222	1.25 90	0.45 225	0.20 17	0.36 205	0.34 215	0.32 65	0.37 49

RE-Stereo	2.67 177	0.67 52	21.08 347	2.43 356	0.47 35	4.67 348	0.67 61	3.68 136	4.30 341	2.11 169	1.62 98	1.36 79	1.09 80	6.01 219	1.26 95	0.45 225	0.20 17	0.36 205	0.34 215	0.32 65	0.37 49

TVStereo	2.67 177	0.67 52	21.08 347	2.43 356	0.47 35	4.67 348	0.67 61	3.68 136	4.30 341	2.11 169	1.62 98	1.36 79	1.09 80	6.01 219	1.26 95	0.45 225	0.20 17	0.36 205	0.34 215	0.32 65	0.37 49

CASS	1.65 22	0.73 79	8.72 36	0.97 90	0.67 104	2.88 53	0.69 75	3.07 88	1.86 70	2.82 306	2.02 207	1.39 83	1.55 174	1.75 70	1.36 111	0.51 272	0.28 132	0.34 177	0.28 126	0.47 229	0.63 176
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
test_xeample	4.19 322	0.93 148	14.09 65	1.16 152	1.17 226	3.28 81	0.80 125	4.63 361	5.30 372	2.46 266	2.35 264	1.39 83	1.42 143	10.88 327	17.68 392	0.30 54	6.50 386	0.32 128	0.32 199	0.36 137	8.38 376

DN-CSS_ROB	2.89 208	9.72 355	19.71 204	2.07 345	0.90 162	4.01 221	0.61 42	4.06 214	3.35 275	1.66 71	1.89 182	1.39 83	1.06 76	3.24 170	1.88 203	0.44 216	0.19 9	0.44 257	0.29 156	0.40 163	0.42 74

222	3.82 306	0.88 127	6.92 26	1.15 148	0.99 182	3.27 79	0.64 56	4.57 354	5.37 376	2.43 261	2.32 262	1.41 86	1.44 147	10.64 320	18.51 398	0.32 81	4.89 379	0.32 128	0.30 172	0.34 107	9.80 383

PSM-softLoss	2.62 160	0.65 44	21.11 355	2.46 360	0.49 47	4.68 356	0.68 69	2.61 61	4.23 335	2.14 175	1.47 67	1.42 87	0.99 55	6.04 223	1.24 84	0.47 245	0.23 70	0.37 216	0.39 258	0.33 86	0.34 29

KMStereo	2.62 160	0.65 44	21.11 355	2.46 360	0.49 47	4.68 356	0.68 69	2.61 61	4.23 335	2.14 175	1.47 67	1.42 87	0.99 55	6.04 223	1.24 84	0.47 245	0.23 70	0.37 216	0.39 258	0.33 86	0.34 29

TestStereo1	2.56 146	1.41 226	20.56 302	1.63 298	0.74 122	4.13 247	1.34 262	3.93 184	3.38 279	1.61 63	2.56 296	1.43 89	2.13 260	2.55 145	1.70 177	0.32 81	0.22 47	0.34 177	0.26 87	0.40 163	0.53 133

SA-5K	2.56 146	1.41 226	20.56 302	1.63 298	0.74 122	4.13 247	1.34 262	3.93 184	3.38 279	1.61 63	2.56 296	1.43 89	2.13 260	2.55 145	1.70 177	0.32 81	0.22 47	0.34 177	0.26 87	0.40 163	0.53 133

LCNet	2.54 136	0.60 24	20.89 332	1.01 103	0.57 75	3.60 138	1.21 249	3.20 94	1.70 57	2.17 185	1.76 132	1.43 89	4.12 342	3.61 177	0.94 35	0.32 81	0.20 17	0.28 62	0.76 344	0.50 239	1.83 300

Selective-RAFT	1.34 9	0.58 9	2.21 5	1.01 103	0.49 47	4.19 274	0.51 20	3.39 112	3.62 308	1.15 32	1.40 60	1.45 92	1.40 137	2.09 101	1.31 101	0.43 210	0.40 213	0.25 22	0.26 87	0.29 31	0.38 56

DisPM	2.29 83	0.61 29	20.25 261	1.79 325	0.52 59	4.58 334	0.77 112	2.50 43	2.22 104	2.49 272	1.82 156	1.45 92	1.01 60	2.73 157	1.04 54	0.48 250	0.20 17	0.32 128	0.31 189	0.32 65	0.45 86

Pruner-Stereo	2.33 91	0.70 69	20.66 317	2.05 344	0.48 40	4.73 363	0.78 115	2.55 55	2.70 165	2.47 267	1.57 88	1.48 94	1.03 61	1.71 61	1.55 143	0.48 250	0.21 33	0.34 177	0.30 172	0.31 47	0.42 74

mmm	2.70 181	0.80 110	8.26 31	1.50 273	1.18 228	2.44 42	0.85 148	4.08 223	4.59 353	2.31 223	1.95 198	1.51 95	1.55 174	2.33 130	1.72 182	0.31 68	7.71 390	0.45 263	0.42 278	0.40 163	9.56 381

MIPNet	2.43 115	1.13 191	20.00 230	0.93 64	0.58 78	4.74 365	0.62 49	4.33 316	2.95 201	1.94 114	1.49 69	1.52 96	1.96 248	2.77 158	1.60 156	0.35 132	0.20 17	0.27 42	0.23 50	0.32 65	0.59 161

DeepStereo_RVC	2.42 114	0.70 69	18.41 147	0.79 19	0.43 25	4.50 317	0.70 77	2.51 44	3.51 301	2.02 141	1.79 145	1.54 97	6.35 365	1.93 89	1.22 79	0.47 245	0.22 47	0.29 76	0.29 156	0.35 120	0.40 62

HCRNet	2.24 69	0.74 85	14.54 73	0.82 26	1.36 264	4.11 242	0.70 77	3.61 128	3.03 218	1.83 99	1.61 95	1.58 98	1.40 137	5.79 214	1.60 156	0.35 132	0.28 132	0.36 205	0.29 156	0.34 107	0.46 93

DRaft	3.12 240	0.68 58	20.57 306	0.77 9	0.49 47	3.95 211	1.20 247	2.40 35	1.60 37	2.64 287	2.80 316	1.59 99	5.33 356	6.94 248	9.51 341	0.43 210	0.22 47	0.27 42	0.27 102	0.32 65	0.47 101

x	2.94 216	0.83 117	16.07 94	1.51 275	0.83 142	2.13 30	0.96 205	3.97 191	4.73 359	1.73 83	1.43 64	1.61 100	1.27 115	2.24 121	1.71 180	0.29 32	6.91 387	0.34 177	0.31 189	0.34 107	9.60 382

RAFT-Stereo + iAFF	2.49 124	1.68 255	20.50 295	1.11 131	1.32 260	4.13 247	0.42 9	3.23 97	3.30 266	2.05 153	2.40 273	1.61 100	1.11 88	1.49 39	1.63 163	0.22 2	0.22 47	0.26 33	0.24 63	0.31 47	2.47 318

FADNet_RVC	3.10 236	7.62 342	19.12 167	1.05 117	0.93 172	4.09 238	0.84 144	4.34 319	2.05 85	1.54 55	1.78 142	1.61 100	1.50 159	8.92 276	2.64 266	0.50 266	0.38 201	0.44 257	0.61 330	0.91 334	1.16 261

RAFT+CT+SA	2.32 88	1.30 216	19.71 204	1.01 103	1.41 276	4.04 226	0.92 191	3.96 188	1.64 48	1.64 67	1.69 114	1.63 103	1.18 105	3.06 168	1.19 75	0.28 28	0.22 47	0.32 128	0.34 215	0.34 107	0.47 101

SFCPSM	2.16 57	0.75 96	15.82 92	0.91 56	0.98 181	3.74 164	1.27 255	4.15 247	2.56 152	1.90 103	1.82 156	1.64 104	1.39 133	2.51 139	1.57 147	0.36 151	0.28 132	0.39 232	0.36 237	0.36 137	0.50 117

HITNet	2.49 124	2.91 303	19.23 176	1.54 280	0.57 75	3.47 110	0.79 121	4.16 250	2.93 199	2.18 188	1.65 108	1.68 105	1.45 149	2.17 112	2.99 278	0.28 28	0.20 17	0.41 241	0.27 102	0.45 212	0.52 128
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
SA	2.55 141	1.54 240	20.70 319	1.12 138	0.48 40	4.26 283	1.33 261	4.45 338	3.28 257	1.68 74	1.96 199	1.69 106	2.25 270	2.60 147	1.57 147	0.30 54	0.29 136	0.37 216	0.38 252	0.36 137	0.47 101

GMM-Stereo	2.52 128	0.56 4	20.57 306	0.92 62	0.83 142	4.18 266	1.88 315	2.51 44	2.40 132	2.48 269	2.30 260	1.69 106	1.84 237	2.93 165	1.25 90	0.32 81	0.19 9	0.33 160	0.49 300	0.37 141	2.40 314

GrayStereo	3.68 299	0.56 4	20.61 312	1.71 314	0.90 162	4.17 263	8.11 397	3.17 92	4.13 330	2.80 304	2.49 287	1.70 108	17.06 403	2.83 161	1.25 90	0.37 158	0.23 70	0.27 42	0.32 199	0.30 42	0.57 147

ARAFT	3.24 261	13.49 374	19.88 220	0.93 64	0.49 47	4.16 258	1.40 271	4.37 325	3.21 242	2.40 255	1.91 190	1.70 108	1.04 67	6.43 233	1.45 130	0.37 158	0.19 9	0.37 216	0.35 228	0.37 141	0.35 33

Prome-Stereo	2.57 150	0.60 24	20.29 267	1.01 103	0.62 91	4.40 302	1.80 311	3.22 96	1.74 59	2.18 188	3.43 342	1.71 110	3.45 331	2.24 121	1.19 75	0.32 81	0.20 17	0.27 42	0.25 74	0.37 141	2.15 307

dad	2.65 169	3.40 311	19.45 189	1.05 117	0.65 101	4.21 277	0.84 144	2.10 27	2.77 174	2.32 235	1.72 122	1.72 111	1.27 115	3.86 182	2.04 226	1.06 354	0.40 213	2.04 380	0.49 300	0.78 318	0.83 221

IPLGR	2.61 157	0.73 79	20.72 321	0.87 42	0.54 62	4.58 334	0.52 21	4.32 313	2.79 177	1.91 104	1.54 81	1.72 111	1.71 217	6.94 248	1.43 123	0.31 68	0.21 33	0.27 42	0.24 63	0.34 107	0.48 108

DCRE	3.02 226	0.95 155	18.48 149	1.18 163	1.89 345	3.57 131	0.82 133	3.36 110	1.70 57	2.04 149	8.12 373	1.73 113	1.07 78	1.31 15	1.24 84	0.24 4	0.87 304	0.26 33	0.27 102	0.28 20	11.03 386

GMOStereo	2.64 165	0.92 144	19.83 213	0.81 21	0.68 111	3.22 71	0.89 162	2.94 76	1.48 8	2.36 245	1.54 81	1.75 114	1.04 67	1.33 19	1.15 67	0.26 14	11.32 408	0.35 194	0.28 126	0.35 120	0.33 21

error version	2.64 165	0.92 144	19.83 213	0.81 21	0.68 111	3.22 71	0.89 162	2.94 76	1.48 8	2.36 245	1.54 81	1.75 114	1.04 67	1.33 19	1.15 67	0.26 14	11.32 408	0.35 194	0.28 126	0.35 120	0.33 21

test-v	2.64 165	0.92 144	19.83 213	0.81 21	0.68 111	3.22 71	0.89 162	2.94 76	1.48 8	2.36 245	1.54 81	1.75 114	1.04 67	1.33 19	1.15 67	0.26 14	11.32 408	0.35 194	0.28 126	0.35 120	0.33 21

TRStereo	2.86 203	2.12 283	19.98 229	1.68 308	1.18 228	4.35 294	1.05 220	5.07 375	3.48 298	1.56 58	1.39 58	1.75 114	0.85 36	2.01 97	1.50 134	0.43 210	0.34 167	0.33 160	0.36 237	0.36 137	7.50 365

NRIStereo	2.32 88	0.69 63	20.07 236	1.35 226	0.38 6	4.73 363	0.89 162	2.43 38	3.35 275	1.95 119	1.37 55	1.75 114	1.21 109	2.97 166	1.35 104	0.49 256	0.22 47	0.29 76	0.26 87	0.31 47	0.33 21

test-2	2.64 165	0.92 144	19.83 213	0.81 21	0.68 111	3.22 71	0.89 162	2.94 76	1.48 8	2.36 245	1.54 81	1.75 114	1.04 67	1.33 19	1.15 67	0.26 14	11.32 408	0.35 194	0.28 126	0.35 120	0.33 21

PS-NSSS	3.11 237	1.60 248	19.48 190	1.00 100	1.53 292	4.12 244	1.08 224	4.59 359	2.80 178	2.19 193	2.38 268	1.76 120	1.39 133	11.79 364	1.94 215	0.69 320	0.45 237	0.95 361	0.43 283	1.03 341	1.00 245

Patchmatch Stereo++	2.28 80	0.74 85	20.54 298	0.77 9	0.38 6	4.67 348	0.75 104	2.55 55	3.21 242	2.00 132	1.53 72	1.77 121	1.14 96	2.46 134	0.98 45	0.51 272	0.23 70	0.32 128	0.28 126	0.40 163	0.35 33
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	2.26 73	0.74 85	20.53 297	0.77 9	0.38 6	4.67 348	0.71 82	2.54 48	3.22 247	2.00 132	1.53 72	1.77 121	1.13 91	2.22 119	0.96 41	0.50 266	0.23 70	0.32 128	0.28 126	0.40 163	0.35 33

ROB_FTStereo_v2	2.25 71	0.74 85	20.45 285	0.77 9	0.38 6	4.66 347	0.74 99	2.54 48	3.20 239	2.00 132	1.53 72	1.77 121	1.14 96	2.13 107	0.96 41	0.50 266	0.22 47	0.32 128	0.28 126	0.40 163	0.35 33

ROB_FTStereo	2.26 73	0.74 85	20.44 283	0.77 9	0.38 6	4.65 345	0.75 104	2.54 48	3.19 238	2.00 132	1.54 81	1.77 121	1.13 91	2.28 125	0.94 35	0.49 256	0.22 47	0.32 128	0.28 126	0.40 163	0.35 33

HUI-Stereo	2.27 76	0.74 85	20.56 302	0.77 9	0.38 6	4.67 348	0.78 115	2.54 48	3.23 250	2.00 132	1.53 72	1.77 121	1.13 91	2.21 118	0.93 29	0.49 256	0.23 70	0.32 128	0.28 126	0.40 163	0.35 33

iGMRVC	2.27 76	0.74 85	20.46 286	0.77 9	0.38 6	4.65 345	0.73 91	2.54 48	3.21 242	2.00 132	1.53 72	1.77 121	1.14 96	2.47 137	0.99 47	0.51 272	0.23 70	0.32 128	0.28 126	0.40 163	0.35 33

iRAFT	2.28 80	0.74 85	20.54 298	0.77 9	0.38 6	4.67 348	0.75 104	2.55 55	3.21 242	2.00 132	1.53 72	1.77 121	1.14 96	2.46 134	0.98 45	0.51 272	0.23 70	0.32 128	0.28 126	0.40 163	0.35 33

RAFT-IKP	2.27 76	0.74 85	20.55 300	0.77 9	0.38 6	4.64 344	0.73 91	2.54 48	3.21 242	2.00 132	1.53 72	1.77 121	1.13 91	2.25 124	1.00 50	0.51 272	0.22 47	0.32 128	0.28 126	0.40 163	0.35 33

xx1	3.69 300	0.94 151	19.66 196	1.87 329	0.42 21	4.47 312	0.73 91	4.24 281	4.01 326	1.21 33	1.89 182	1.78 129	1.36 127	2.20 115	0.81 12	0.31 68	18.77 413	0.33 160	0.36 237	0.35 120	8.09 368

qqq	2.96 219	0.88 127	15.54 89	1.27 201	0.74 122	2.29 38	0.90 178	4.07 216	4.63 354	1.63 66	1.32 47	1.78 129	1.36 127	5.19 203	1.68 172	0.29 32	6.43 385	0.33 160	0.36 237	0.35 120	8.09 368

gwcnet-sp	2.38 102	1.51 236	17.58 131	1.11 131	0.92 168	3.59 134	1.03 214	3.79 155	2.43 137	2.60 279	1.63 102	1.80 131	1.61 186	3.87 183	1.99 216	0.33 104	0.32 154	0.30 97	0.29 156	0.40 163	0.47 101

scenet	2.38 102	1.51 236	17.58 131	1.11 131	0.92 168	3.59 134	1.03 214	3.79 155	2.43 137	2.60 279	1.63 102	1.80 131	1.61 186	3.87 183	1.99 216	0.33 104	0.32 154	0.30 97	0.29 156	0.40 163	0.47 101

ssnet	2.38 102	1.51 236	17.58 131	1.11 131	0.92 168	3.59 134	1.03 214	3.79 155	2.43 137	2.60 279	1.63 102	1.80 131	1.61 186	3.87 183	1.99 216	0.33 104	0.32 154	0.30 97	0.29 156	0.40 163	0.47 101

Consistency-Raft	2.93 212	1.93 274	19.72 206	1.41 248	1.75 334	3.85 184	1.32 260	4.09 227	2.75 170	1.82 97	2.66 305	1.81 134	4.34 347	2.29 126	2.08 230	0.90 347	0.94 309	1.03 363	1.13 365	1.71 374	1.10 256

iRaftStereo_RVC	1.70 25	1.18 196	3.88 14	0.99 97	0.46 31	3.83 179	0.41 8	2.41 36	1.60 37	1.69 77	1.76 132	1.81 134	0.83 34	1.58 47	1.23 80	0.31 68	4.86 378	0.29 76	0.26 87	0.33 86	4.33 350

MIM_Stereo	2.71 183	1.26 206	20.92 334	1.34 225	5.57 401	3.10 64	0.59 35	3.25 101	2.51 147	1.64 67	1.61 95	1.82 136	1.29 120	2.07 100	1.35 104	0.25 8	0.31 148	0.28 62	0.26 87	0.29 31	4.43 352

LL-Strereo2	2.36 97	1.81 266	19.35 182	1.04 113	1.03 194	3.73 162	1.35 265	2.70 67	2.04 84	1.76 89	1.44 66	1.82 136	0.73 17	1.48 38	1.53 138	0.33 104	0.30 144	0.55 311	0.35 228	0.30 42	3.51 340

PFNet	2.75 193	0.69 63	19.96 226	2.25 349	0.80 137	4.63 342	0.90 178	2.60 60	3.85 320	2.39 252	2.71 311	1.82 136	1.41 141	7.53 258	1.41 120	0.36 151	0.21 33	0.36 205	0.27 102	0.32 65	0.46 93

Sa-1000	2.54 136	1.47 232	20.36 275	1.16 152	0.55 65	4.07 234	1.39 270	4.49 342	3.01 213	2.06 154	2.79 315	1.84 139	1.43 146	2.68 153	1.53 138	0.31 68	0.26 119	0.36 205	0.33 206	0.37 141	0.46 93

StereoVision	2.36 97	1.15 194	20.38 277	1.07 123	1.79 340	2.58 46	0.61 42	3.14 90	2.34 125	1.33 42	3.46 343	1.85 140	0.88 40	2.12 105	2.01 221	0.46 238	0.36 183	0.37 216	0.36 237	0.50 239	0.41 67

test_5	2.45 118	1.43 228	19.72 206	1.20 168	1.39 270	3.88 192	1.25 254	4.03 205	1.98 80	1.74 86	1.82 156	1.86 141	1.78 225	3.57 176	1.35 104	0.33 104	0.21 33	0.35 194	0.33 206	0.34 107	0.43 78

CRE-IMP	2.28 80	0.68 58	19.67 202	0.85 33	0.39 20	4.54 323	0.80 125	2.63 63	4.84 366	1.96 121	1.51 71	1.86 141	0.96 52	1.52 42	1.43 123	0.47 245	0.21 33	0.31 115	0.26 87	0.41 181	0.35 33

FADNet-RVC	3.23 259	12.51 369	17.02 117	1.17 159	0.81 139	3.52 123	1.09 226	4.16 250	2.74 169	1.44 51	1.29 44	1.86 141	1.76 222	9.82 293	2.46 257	0.39 177	0.38 201	0.40 237	0.41 275	0.68 302	0.59 161

test_4	1.98 33	0.68 58	15.65 90	0.91 56	0.48 40	4.11 242	1.09 226	2.41 36	1.50 13	1.55 56	2.31 261	1.87 144	0.79 31	2.86 163	1.51 135	0.34 120	0.19 9	0.29 76	0.29 156	0.30 42	0.40 62

HBP-ISP	3.78 304	9.10 350	20.83 327	1.72 315	1.14 221	4.54 323	2.82 353	4.61 360	3.03 218	4.13 363	1.98 202	1.88 145	3.31 322	11.06 336	1.52 137	0.74 334	0.57 266	0.67 340	0.62 332	0.65 290	0.64 180

anonymity	2.02 43	1.28 212	5.16 19	1.73 317	1.63 315	1.86 18	1.06 222	3.50 118	2.42 135	2.19 193	2.11 226	1.88 145	3.89 338	1.92 87	1.56 144	1.11 356	1.14 320	1.08 366	1.11 364	1.05 342	2.68 320

FTStereo	3.74 302	0.60 24	20.43 282	0.99 97	0.66 102	4.34 293	11.24 399	2.63 63	1.95 78	2.58 278	5.03 363	1.90 147	13.77 397	3.70 180	1.28 98	0.41 187	0.24 87	0.31 115	0.33 206	0.32 65	2.08 304

MSKI-zero shot	2.33 91	0.69 63	20.22 257	1.14 147	0.77 132	4.05 230	0.68 69	3.95 187	1.51 16	1.93 108	2.35 264	1.91 148	0.71 14	3.01 167	0.79 10	0.28 28	1.47 328	0.27 42	0.21 25	0.28 20	0.44 82

4D-IteraStereo	2.95 218	1.83 269	20.75 322	0.81 21	1.56 301	2.22 34	1.03 214	2.48 42	1.56 26	1.42 48	1.00 8	1.93 149	0.61 5	1.65 50	2.04 226	0.31 68	0.22 47	0.31 115	0.26 87	0.28 20	16.75 412

ASMatch	2.65 169	0.68 58	20.65 316	1.60 291	0.71 117	4.40 302	0.77 112	2.02 22	1.65 50	1.71 80	3.89 350	1.93 149	3.75 336	5.45 208	1.67 170	0.33 104	0.24 87	0.34 177	0.28 126	0.34 107	0.57 147

SMFormer	2.40 106	0.73 79	8.34 32	1.41 248	0.61 83	2.04 23	0.72 85	4.30 297	4.43 346	2.41 256	2.40 273	1.94 151	1.52 165	10.99 332	3.10 283	0.35 132	0.84 300	0.36 205	0.33 206	0.40 163	0.77 212

tta	2.44 116	0.73 79	8.34 32	1.41 248	0.61 83	2.04 23	0.72 85	4.30 297	4.43 346	2.41 256	2.40 273	1.94 151	1.52 165	10.99 332	3.10 283	0.35 132	0.84 300	0.36 205	0.33 206	0.31 47	1.75 291

qqq1	2.35 95	0.73 79	8.34 32	1.41 248	0.61 83	2.04 23	0.72 85	4.30 297	4.43 346	2.41 256	2.40 273	1.94 151	1.52 165	10.99 332	1.36 111	0.35 132	0.84 300	0.30 97	0.25 74	0.31 47	1.75 291

fff1	2.35 95	0.73 79	8.34 32	1.41 248	0.61 83	2.04 23	0.72 85	4.30 297	4.43 346	2.41 256	2.40 273	1.94 151	1.52 165	10.99 332	1.36 111	0.35 132	0.84 300	0.30 97	0.25 74	0.31 47	1.75 291

anonymousdsp2	2.72 184	0.68 58	11.15 46	1.20 168	0.64 96	3.66 151	0.71 82	3.71 144	2.14 96	1.62 65	1.61 95	1.95 155	1.00 57	2.24 121	0.81 12	0.32 81	0.50 258	0.28 62	0.20 19	0.34 107	19.58 416

AASNet	2.65 169	3.20 308	20.19 250	1.38 238	1.49 286	3.84 181	1.06 222	3.92 180	3.28 257	2.07 160	2.28 256	1.95 155	1.28 118	2.19 114	2.17 236	0.42 196	0.33 160	0.45 263	0.30 172	0.59 267	0.52 128

CrosDoStereo	5.27 358	0.75 96	20.07 236	0.85 33	0.53 60	3.40 96	18.03 405	3.90 175	3.29 262	1.99 128	8.27 375	1.95 155	6.95 374	7.34 253	25.94 411	0.33 104	0.22 47	0.30 97	0.28 126	0.35 120	0.61 169

DeepStereo_LL	5.27 358	0.75 96	20.07 236	0.85 33	0.53 60	3.40 96	18.03 405	3.90 175	3.29 262	1.99 128	8.27 375	1.95 155	6.95 374	7.34 253	25.94 411	0.33 104	0.22 47	0.30 97	0.28 126	0.35 120	0.61 169

RAFT-345	2.55 141	0.60 24	19.89 221	1.22 176	0.49 47	4.43 306	0.77 112	1.68 6	3.54 303	2.09 165	3.10 331	1.95 155	1.30 121	6.65 237	1.47 133	0.41 187	0.23 70	0.32 128	0.26 87	0.29 31	0.28 7

EKT-Stereo	7.93 389	0.75 96	21.17 362	1.84 328	109.80 430	4.51 321	0.61 42	4.13 240	1.59 32	1.89 102	1.24 33	1.96 160	1.35 126	4.02 188	1.36 111	0.42 196	0.31 148	0.29 76	0.27 102	0.35 120	0.78 214

1111x	4.75 348	1.05 178	20.89 332	1.28 203	1.02 190	3.81 178	0.88 161	4.65 362	5.52 380	2.43 261	2.27 254	1.97 161	1.81 231	12.40 374	18.19 396	0.32 81	9.06 402	0.32 128	0.34 215	0.38 150	6.34 363

iResNet_ROB	2.72 184	10.38 359	14.41 71	1.46 263	0.99 182	3.74 164	0.66 59	4.01 197	2.84 185	2.04 149	2.05 217	1.98 162	1.38 130	4.73 198	1.91 207	0.35 132	0.20 17	0.28 62	0.19 9	0.33 86	0.41 67

KYRaft	2.55 141	0.57 8	20.60 311	0.98 92	0.51 56	4.38 296	1.76 308	2.51 44	1.59 32	2.48 269	2.98 324	1.99 163	3.36 327	2.17 112	0.96 41	0.34 120	0.22 47	0.33 160	0.46 293	0.38 150	2.44 316

DMCA-RVC	2.72 184	3.31 310	20.08 241	1.27 201	1.13 220	2.49 43	0.85 148	3.43 115	1.85 69	3.04 323	1.58 92	1.99 163	1.51 161	6.42 232	2.86 271	0.39 177	0.31 148	0.44 257	0.37 245	0.47 229	0.65 183

CC-Net-ROB	3.82 306	3.41 312	20.20 251	2.40 355	1.66 325	4.49 316	1.61 294	4.77 370	3.08 226	2.06 154	2.06 219	1.99 163	1.60 181	12.57 383	1.91 207	2.82 380	2.19 345	2.67 391	1.06 362	2.31 377	1.59 284

MLCV	2.52 128	1.77 262	18.20 144	1.17 159	0.63 94	3.60 138	0.53 22	3.88 171	2.35 128	2.82 306	2.24 249	1.99 163	1.42 143	4.59 196	3.09 282	0.39 177	0.22 47	0.33 160	0.22 42	0.35 120	0.52 128

iResNetv2_ROB	3.31 269	14.88 403	20.01 231	2.17 347	1.09 211	3.84 181	1.13 235	4.22 269	3.15 236	2.02 141	2.06 219	2.00 167	1.69 212	3.61 177	2.10 232	0.36 151	0.22 47	0.32 128	0.22 42	0.48 234	0.58 159

test_3	2.17 60	0.58 9	18.64 152	1.11 131	0.78 133	2.15 32	0.85 148	4.42 333	1.47 7	2.00 132	1.20 27	2.02 168	0.79 31	2.70 156	1.35 104	0.29 32	1.04 315	0.29 76	0.29 156	0.31 47	1.07 253

DEmStereo	3.24 261	0.65 44	18.95 161	0.83 27	0.54 62	3.85 184	1.79 310	2.53 47	2.54 151	2.25 205	2.74 313	2.02 168	6.02 363	6.78 243	11.30 347	0.40 184	0.26 119	0.27 42	0.27 102	0.28 20	0.57 147

RAFT-RH_RVC	2.72 184	0.64 37	20.10 244	1.48 269	0.49 47	4.46 309	0.56 24	1.73 12	2.86 192	3.06 324	5.50 365	2.02 168	1.28 118	6.70 240	1.56 144	0.46 238	0.22 47	0.37 216	0.34 215	0.29 31	0.33 21

CoDeX	2.47 122	0.91 138	13.65 57	1.03 110	1.17 226	3.28 81	1.30 257	4.17 254	2.99 207	1.78 91	1.85 173	2.04 171	1.46 151	9.99 303	1.66 169	0.38 170	0.28 132	0.32 128	0.28 126	0.34 107	0.57 147

test-1	1.81 28	0.72 76	9.51 40	1.02 107	1.57 303	3.85 184	0.60 39	4.07 216	1.51 16	1.94 114	1.81 154	2.04 171	0.91 44	1.39 29	1.73 185	0.27 21	0.93 307	0.31 115	0.25 74	0.29 31	1.37 271

xxxx	4.25 326	0.86 121	14.59 74	1.30 212	1.16 224	3.51 121	0.63 54	4.56 352	5.42 379	2.33 237	2.29 258	2.04 171	1.39 133	10.23 310	18.00 394	0.33 104	7.15 389	0.31 115	0.30 172	0.35 120	8.33 374

test-3	2.19 62	0.59 17	18.63 151	1.13 143	0.75 126	2.07 28	0.89 162	4.37 325	1.53 19	2.25 205	1.20 27	2.05 174	0.79 31	2.68 153	1.35 104	0.29 32	0.95 310	0.28 62	0.27 102	0.27 15	1.47 278

test_1	2.19 62	0.59 17	18.67 153	1.13 143	0.78 133	2.07 28	0.89 162	4.37 325	1.53 19	2.18 188	1.20 27	2.05 174	0.78 25	2.68 153	1.36 111	0.29 32	0.93 307	0.28 62	0.27 102	0.28 20	1.53 281

TDLM	3.20 254	1.58 245	18.80 155	1.70 313	1.10 214	4.29 287	2.17 334	3.81 162	3.27 255	2.89 310	1.98 202	2.06 176	1.70 215	12.44 380	2.15 234	0.58 297	0.31 148	0.56 314	0.40 265	0.58 265	1.59 284

IRAFT_RVC	2.74 190	0.71 73	19.80 210	2.52 362	0.67 104	4.60 338	1.57 292	3.05 86	2.99 207	2.23 202	1.72 122	2.08 177	2.59 290	6.69 239	1.61 158	0.37 158	0.21 33	0.33 160	0.29 156	0.33 86	0.35 33

GANet-ADL	2.25 71	0.80 110	20.17 248	1.28 203	0.69 116	3.83 179	0.75 104	3.63 130	1.83 67	1.68 74	2.04 211	2.09 178	1.10 85	1.63 49	1.43 123	0.42 196	0.33 160	0.26 33	0.23 50	0.43 197	0.41 67

AFF-stereo	2.54 136	3.44 313	20.84 329	1.30 212	0.48 40	3.94 209	0.48 14	3.30 105	3.40 285	1.94 114	2.21 247	2.10 179	1.51 161	2.36 131	1.62 160	0.23 3	0.21 33	0.25 22	0.25 74	0.33 86	0.53 133

MMNet	2.15 55	1.33 220	12.06 50	1.22 176	1.23 243	3.55 128	0.89 162	3.84 166	2.26 112	2.19 193	1.78 142	2.15 180	2.10 254	3.70 180	2.35 250	0.45 225	0.38 201	0.34 177	0.28 126	0.40 163	0.52 128

BEATNet_4x	2.65 169	4.43 324	18.10 141	1.41 248	0.59 79	3.44 104	1.02 212	4.08 223	2.97 203	2.28 216	1.75 131	2.18 181	1.61 186	2.80 160	3.54 291	0.39 177	0.25 99	0.47 270	0.31 189	0.61 271	0.86 229

iRaft-Stereo_5w	2.47 122	1.37 223	13.85 59	0.87 42	0.99 182	3.22 71	0.84 144	3.72 145	2.12 93	1.57 60	2.49 287	2.20 182	2.22 268	9.12 279	2.03 224	0.48 250	0.27 126	0.35 194	0.29 156	0.48 234	0.94 240

ToySt	2.53 132	0.89 131	19.20 173	1.12 138	0.95 177	3.47 110	1.13 235	3.72 145	2.25 109	1.36 44	1.71 120	2.22 183	1.59 180	2.14 110	1.81 198	0.28 28	0.64 282	0.30 97	0.33 206	0.43 197	5.14 355

MFMNet_re	3.44 281	8.89 347	19.36 183	3.25 382	1.91 347	3.13 66	1.99 321	3.60 126	4.16 331	3.17 334	2.86 319	2.25 184	2.41 279	2.61 148	2.35 250	1.13 357	1.06 316	0.94 360	0.91 356	1.29 362	1.57 283

FADNet-RVC-Resample	3.31 269	8.52 346	22.84 399	1.18 163	0.91 167	3.52 123	1.35 265	4.13 240	2.32 124	1.75 88	1.35 50	2.26 185	1.51 161	9.51 286	2.03 224	0.42 196	0.38 201	0.42 251	0.44 286	0.59 267	0.71 197

MyStereo8	2.97 223	1.76 260	18.94 160	1.55 283	1.62 312	4.16 258	0.57 27	3.79 155	2.41 134	2.22 200	2.93 322	2.27 186	1.14 96	2.16 111	2.28 245	0.27 21	8.58 392	0.32 128	0.29 156	0.37 141	1.72 290

IER	2.09 51	0.91 138	14.11 66	0.97 90	1.15 223	3.17 68	0.89 162	3.59 124	2.39 129	2.15 179	1.98 202	2.27 186	2.11 256	2.39 133	1.80 195	0.35 132	0.24 87	0.36 205	0.30 172	0.34 107	0.42 74

RAFT + AFF	3.98 316	14.10 388	20.78 323	1.16 152	1.96 349	4.14 252	2.00 324	4.56 352	3.52 302	2.23 202	2.51 291	2.27 186	4.92 352	8.94 277	2.82 269	0.33 104	0.60 275	0.48 275	0.39 258	0.81 324	1.03 250

CFNet	3.04 230	6.89 339	16.27 105	1.36 230	1.24 245	4.09 238	0.72 85	4.15 247	3.00 209	1.69 77	1.88 180	2.27 186	1.45 149	11.41 347	2.12 233	0.36 151	0.29 136	0.43 255	0.36 237	0.48 234	0.38 56

MyStereo05	2.55 141	1.07 180	19.87 219	1.06 120	1.08 209	4.26 283	0.86 151	4.10 229	3.01 213	2.19 193	1.26 37	2.30 190	1.64 199	2.13 107	1.99 216	0.25 8	2.43 355	0.34 177	0.27 102	0.46 219	0.48 108

111	2.59 151	3.10 307	20.47 288	0.84 28	0.38 6	4.26 283	0.91 186	4.45 338	2.96 202	2.48 269	2.07 223	2.31 191	1.64 199	1.49 39	1.90 205	0.35 132	0.22 47	0.25 22	0.21 25	0.32 65	1.14 259

XPNet_ROB	2.99 224	1.58 245	17.06 120	1.38 238	0.99 182	3.91 198	1.62 296	4.20 264	2.42 135	2.87 309	2.03 209	2.31 191	1.72 218	10.76 323	3.60 293	0.55 291	0.49 255	0.48 275	0.40 265	0.53 246	0.85 226

MyStereo04	2.54 136	1.18 196	18.82 158	1.04 113	1.21 240	3.96 215	0.95 200	4.02 202	3.01 213	2.06 154	1.27 39	2.33 193	1.66 207	2.06 99	2.01 221	0.26 14	3.49 371	0.34 177	0.27 102	0.43 197	0.49 113

Wz-Net-MNSev	3.26 265	7.24 341	17.26 122	1.58 288	1.37 267	3.27 79	2.45 341	4.10 229	4.50 352	2.61 283	2.17 235	2.33 193	3.02 310	7.48 257	2.88 274	0.46 238	0.39 210	0.37 216	0.38 252	0.61 271	0.63 176

GEStereo_RVC	2.66 173	1.20 203	20.38 277	1.29 208	1.05 203	4.02 223	1.42 274	4.17 254	2.24 106	2.10 167	1.86 175	2.33 193	1.84 237	4.93 199	1.78 190	0.51 272	0.38 201	0.32 128	0.29 156	0.44 205	0.56 142

ETE_ROB	2.93 212	2.12 283	17.80 137	1.13 143	0.94 175	3.71 159	1.53 285	4.29 295	2.98 206	3.32 341	2.13 229	2.34 196	1.51 161	8.68 272	2.82 269	0.44 216	0.40 213	0.51 295	0.49 300	0.56 258	0.80 217

Wz-Net-LNSev-Ref	2.72 184	2.55 297	14.91 77	1.37 235	1.36 264	3.50 119	1.63 297	4.11 232	3.38 279	2.55 276	2.04 211	2.35 197	2.50 287	5.14 202	4.64 309	0.53 284	0.22 47	0.35 194	0.21 25	0.41 181	0.60 165

DMCA	2.02 43	1.07 180	11.33 48	1.17 159	0.96 179	3.92 205	0.89 162	3.80 160	3.11 230	2.89 310	1.58 92	2.35 197	1.17 102	1.79 72	2.25 242	0.42 196	0.29 136	0.42 251	0.27 102	0.38 150	0.43 78

GMStereo_Zeroshot	1.51 15	1.27 209	4.75 17	1.54 280	0.72 118	3.33 90	0.54 23	2.67 66	1.74 59	2.34 239	1.57 88	2.40 199	0.96 52	2.51 139	1.21 77	0.48 250	0.23 70	0.41 241	0.24 63	0.82 326	0.40 62

CSP-Net	1.99 37	1.70 257	4.84 18	1.22 176	1.02 190	3.42 101	1.30 257	3.66 134	2.11 91	2.07 160	1.93 196	2.40 199	1.48 155	8.56 270	1.62 160	0.51 272	0.41 219	0.27 42	0.27 102	0.44 205	0.54 137

AAGNet	3.88 311	0.67 52	20.04 234	2.27 350	0.46 31	4.76 367	1.05 220	2.28 32	3.38 279	2.16 183	1.84 169	2.40 199	3.95 339	6.22 227	24.21 408	0.49 256	0.19 9	0.30 97	0.29 156	0.33 86	0.29 10

ADCRef	3.66 295	5.95 332	15.50 88	1.20 168	1.41 276	3.93 206	1.61 294	3.92 180	2.77 174	3.13 328	2.20 244	2.40 199	2.78 296	6.23 229	16.59 376	0.50 266	0.35 176	0.63 334	0.62 332	0.58 265	0.92 236

UPFNet	2.23 67	0.86 121	14.25 68	1.28 203	1.44 281	3.51 121	1.34 262	4.05 212	2.11 91	2.44 264	1.53 72	2.41 203	1.39 133	3.62 179	1.91 207	0.41 187	0.41 219	0.37 216	0.32 199	0.44 205	0.48 108

NCCL2	2.96 219	4.07 321	15.75 91	1.24 183	1.03 194	3.48 116	2.55 346	3.79 155	2.39 129	2.78 300	1.80 149	2.41 203	1.67 209	10.27 313	2.48 260	0.46 238	0.41 219	0.57 317	0.55 320	0.61 271	0.86 229

SST-Stereo	2.63 164	0.63 34	19.76 209	1.69 309	0.46 31	4.71 362	0.74 99	2.27 31	3.07 225	2.07 160	2.15 230	2.42 205	3.17 318	6.66 238	0.95 40	0.45 225	0.19 9	0.30 97	0.27 102	0.35 120	0.31 14

FENet	2.30 86	0.61 29	20.21 255	1.43 260	0.68 111	4.04 226	0.60 39	4.01 197	2.26 112	2.03 146	1.13 20	2.42 205	1.42 143	1.72 64	1.43 123	0.36 151	0.24 87	0.33 160	0.27 102	0.29 31	0.51 123

psm_up	3.04 230	1.30 216	18.97 163	1.31 215	1.51 289	3.86 187	1.22 250	4.26 291	2.31 123	2.72 292	1.83 168	2.43 207	1.68 210	12.86 385	1.78 190	0.43 210	0.41 219	0.41 241	0.34 215	0.46 219	0.67 190

ttt	4.23 325	0.75 96	19.96 226	1.48 269	1.31 257	3.69 155	0.87 154	4.65 362	5.33 373	2.45 265	2.39 271	2.44 208	1.54 171	11.35 345	16.49 375	0.43 210	4.35 376	0.37 216	0.35 228	0.41 181	4.01 347

GANetREF_RVC	3.45 283	5.10 327	19.89 221	1.58 288	0.80 137	4.13 247	1.82 313	4.24 281	3.33 272	1.91 104	1.76 132	2.46 209	1.83 236	13.17 389	1.87 202	0.83 344	0.57 266	0.79 354	0.77 345	1.21 358	0.91 234
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
AACVNet	2.77 197	1.64 253	19.22 175	1.57 286	0.86 149	3.28 81	0.74 99	3.31 107	1.66 52	2.06 154	1.82 156	2.47 210	1.40 137	10.95 331	1.92 211	0.41 187	0.35 176	0.38 228	0.33 206	0.46 219	0.61 169

AdaStereo	2.22 66	0.90 136	16.41 109	1.33 223	0.83 142	3.21 69	1.12 233	4.25 290	2.91 198	2.06 154	1.76 132	2.47 210	1.17 102	1.93 89	1.65 168	0.50 266	0.26 119	0.43 255	0.29 156	0.46 219	0.39 60
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.
STTStereo	2.62 160	1.28 212	19.16 169	1.52 277	1.55 297	3.84 181	0.89 162	3.75 150	2.59 157	2.23 202	1.59 94	2.48 212	1.58 177	5.11 201	1.72 182	0.38 170	0.41 219	0.47 270	0.54 316	0.53 246	0.75 211

FADNet	3.20 254	11.55 365	16.16 98	1.24 183	0.95 177	3.30 88	0.87 154	4.00 195	2.73 167	1.42 48	1.35 50	2.51 213	2.04 251	9.95 301	2.39 255	0.44 216	0.46 241	0.40 237	0.44 286	1.13 353	0.61 169

GANet-RSSM	2.96 219	1.27 209	21.17 362	1.73 317	1.23 243	4.22 279	0.91 186	3.39 112	2.02 83	1.97 124	1.74 130	2.53 214	2.06 252	10.91 330	1.88 203	0.37 158	0.35 176	0.32 128	0.29 156	0.42 188	0.46 93

HSM-Net_RVC	3.02 226	0.65 44	19.48 190	0.94 69	0.90 162	3.71 159	1.20 247	5.61 388	2.87 194	3.24 337	2.49 287	2.53 214	1.61 186	11.39 346	1.90 205	0.37 158	0.27 126	0.27 42	0.24 63	0.31 47	0.39 60
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
GwcNet-ADL	2.51 126	0.75 96	21.41 376	0.98 92	0.73 119	4.58 334	0.95 200	4.46 340	2.61 158	2.06 154	1.80 149	2.54 216	1.24 113	1.98 95	1.73 185	0.41 187	0.46 241	0.24 13	0.27 102	0.41 181	0.55 140

SACVNet	3.06 232	1.61 249	19.29 180	1.46 263	1.18 228	4.05 230	1.48 282	4.03 205	2.58 156	2.75 296	1.89 182	2.55 217	1.38 130	11.33 344	2.28 245	0.51 272	0.41 219	0.48 275	0.43 283	0.57 262	0.93 239

CFNet-RSSM	2.17 60	0.56 4	20.50 295	1.08 124	0.57 75	3.42 101	0.62 49	4.24 281	1.60 37	1.73 83	1.39 58	2.55 217	1.19 107	1.36 26	1.04 54	0.29 32	0.20 17	0.26 33	0.23 50	0.28 20	0.32 17

DAS	2.52 128	0.76 104	7.72 28	1.16 152	1.64 319	2.96 58	2.10 331	4.14 243	3.31 267	4.16 364	2.51 291	2.56 219	1.81 231	11.54 351	1.83 199	0.44 216	0.23 70	0.39 232	0.25 74	0.42 188	0.45 86

SepStereo	2.36 97	0.76 104	7.72 28	1.16 152	1.64 319	2.96 58	2.10 331	4.14 243	3.31 267	4.16 364	2.51 291	2.56 219	1.81 231	8.34 268	1.83 199	0.44 216	0.23 70	0.39 232	0.25 74	0.42 188	0.45 86

Anonymous Stereo	3.53 291	5.56 330	19.23 176	1.75 321	1.40 274	3.35 92	3.23 364	4.15 247	3.13 233	2.42 260	2.38 268	2.56 219	1.53 169	11.88 366	3.54 291	0.68 318	0.92 306	0.57 317	0.57 323	0.74 313	1.08 255

BSDual-CNN	1.61 17	0.64 37	3.82 11	0.94 69	0.86 149	4.18 266	1.14 237	4.49 342	2.29 120	2.96 319	1.82 156	2.58 222	1.30 121	1.79 72	1.44 127	0.39 177	0.25 99	0.31 115	0.28 126	0.38 150	0.41 67

psmg	1.63 19	0.64 37	3.82 11	0.96 83	0.86 149	4.35 294	1.41 273	4.11 232	2.29 120	2.68 289	2.09 224	2.58 222	1.30 121	1.79 72	1.44 127	0.39 177	0.29 136	0.33 160	0.34 215	0.38 150	0.44 82

CVANet_RVC	3.32 271	1.63 252	21.06 346	1.66 304	1.29 252	3.99 219	1.55 289	3.98 192	3.00 209	3.51 347	2.06 219	2.58 222	1.72 218	12.46 381	1.70 177	0.62 307	0.34 167	0.53 302	0.47 295	0.64 285	1.66 289

DRN-Test	3.17 249	1.30 216	19.66 196	1.41 248	1.60 309	3.61 140	1.47 280	4.18 259	2.83 184	3.48 346	1.92 195	2.58 222	2.50 287	10.81 324	2.90 275	0.49 256	0.49 255	0.44 257	0.42 278	0.57 262	0.78 214

delet	2.66 173	1.11 187	18.42 148	1.05 117	1.65 322	3.47 110	2.00 324	3.81 162	2.82 183	2.15 179	2.11 226	2.62 226	1.88 244	5.38 206	2.21 240	0.34 120	0.38 201	0.40 237	0.32 199	0.45 212	0.54 137

STTRV1_RVC		1.06 179		1.47 267	1.46 283	3.29 84	1.56 291	4.14 243	3.33 272	1.96 121	3.50 344	2.63 227	2.08 253	11.95 369	2.32 247	2.09 373	4.04 375	0.81 357	0.73 342	1.06 343	0.71 197

PSMNet-RSSM	2.91 210	1.55 243	20.10 244	1.32 221	1.30 253	4.19 274	0.95 200	3.78 154	2.28 116	2.28 216	1.80 149	2.64 228	1.87 242	9.83 294	1.93 212	0.37 158	0.33 160	0.35 194	0.38 252	0.46 219	0.40 62

THIR-Stereo	4.50 338	1.11 187	18.71 154	0.89 48	0.47 35	2.25 35	16.71 404	3.53 120	1.58 29	2.04 149	12.04 396	2.66 229	7.52 377	7.29 251	11.25 346	0.32 81	0.21 33	0.29 76	0.28 126	0.35 120	0.52 128

SQANet	4.22 323	14.03 387	20.30 269	2.78 370	2.75 370	3.41 99	1.48 282	3.66 134	2.25 109	2.62 285	1.77 139	2.68 230	1.90 245	7.41 256	3.78 296	2.97 382	1.42 327	1.85 379	1.13 365	3.28 382	2.86 324

fast-acv-ft	2.62 160	1.62 250	20.48 294	1.45 262	1.39 270	3.16 67	1.16 242	3.41 114	2.45 143	1.97 124	2.15 230	2.68 230	2.15 262	2.92 164	2.47 259	0.43 210	0.40 213	0.45 263	0.40 265	0.62 276	0.64 180

RAFT_R40	2.61 157	0.64 37	19.86 217	1.69 309	0.46 31	4.74 365	0.95 200	2.28 32	2.52 149	2.02 141	2.32 262	2.69 232	2.52 289	6.70 240	1.05 57	0.42 196	0.19 9	0.30 97	0.27 102	0.33 86	0.29 10

Gwc-CoAtRS	1.80 27	0.61 29	14.92 78	1.08 124	0.61 83	2.88 53	0.63 54	2.47 40	1.62 43	1.80 95	1.50 70	2.73 233	1.17 102	1.35 24	1.08 60	0.30 54	0.22 47	0.25 22	0.23 50	0.28 20	0.30 12

DeepPrunerF	4.00 317	5.64 331	16.81 114	1.36 230	1.75 334	3.69 155	1.54 287	4.24 281	13.98 401	2.21 198	1.77 139	2.73 233	2.29 271	10.90 329	6.64 323	0.71 324	0.61 277	0.77 353	0.79 347	0.87 332	0.79 216

PWCDC_ROB	3.62 292	9.86 356	17.35 125	1.62 295	1.57 303	4.19 274	1.01 209	4.35 320	4.20 332	2.26 211	7.36 369	2.73 233	2.75 294	4.10 190	4.51 306	1.47 368	0.37 188	0.39 232	0.34 215	1.22 359	0.73 205

UNet	2.53 132	0.91 138	20.07 236	1.19 166	1.44 281	3.45 107	0.75 104	3.80 160	1.98 80	2.09 165	1.57 88	2.74 236	2.37 277	3.51 175	2.52 261	0.35 132	0.30 144	0.41 241	0.28 126	0.40 163	0.50 117

SuperB	5.03 354	8.93 348	20.96 337	1.51 275	1.11 216	3.88 192	3.00 358	4.24 281	3.13 233	2.53 274	2.10 225	2.74 236	3.37 328	8.76 273	19.44 404	0.45 225	0.34 167	0.53 302	0.40 265	11.97 416	1.15 260

knoymous	1.50 14	0.65 44	8.73 37	0.91 56	0.75 126	2.97 60	0.90 178	2.93 74	1.38 3	1.56 58	1.07 14	2.75 238	0.88 40	1.43 32	1.13 64	0.32 81	0.22 47	0.35 194	0.20 19	0.45 212	0.41 67

LALA_ROB	2.88 206	2.13 285	19.08 166	1.10 127	0.99 182	3.91 198	1.81 312	4.50 346	3.04 221	3.32 341	1.87 178	2.75 238	1.66 207	4.06 189	4.02 298	0.47 245	0.44 235	0.55 311	0.53 313	0.61 271	0.73 205

PSMNet_ROB	3.38 276	5.24 329	20.61 312	1.24 183	1.22 242	3.76 166	1.64 300	3.59 124	2.80 178	2.07 160	1.72 122	2.75 238	1.79 228	11.42 348	4.58 307	0.42 196	0.38 201	0.50 290	0.62 332	0.62 276	0.69 193

DeepPruner_ROB	2.61 157	1.97 276	19.32 181	1.03 110	1.20 235	4.38 296	0.90 178	3.44 116	1.77 61	2.61 283	1.54 81	2.77 241	1.27 115	5.05 200	2.08 230	0.52 282	0.40 213	0.37 216	0.35 228	0.52 245	0.62 173

StereoDRNet	3.07 233	2.92 305	16.33 107	1.36 230	1.57 303	3.45 107	2.04 328	3.77 153	2.85 186	3.31 340	1.85 173	2.78 242	1.79 228	10.85 326	3.41 289	0.45 225	0.36 183	0.39 232	0.37 245	0.62 276	0.85 226

PWC_ROB	3.32 271	4.61 325	14.41 71	1.46 263	1.90 346	3.21 69	1.15 240	4.39 331	3.46 296	3.13 328	3.40 341	2.79 243	2.34 275	9.17 280	6.94 324	0.61 302	0.34 167	0.61 327	0.37 245	0.73 309	1.40 272

Any-RAFT	1.62 18	0.59 17	5.29 20	1.12 138	0.76 130	4.41 304	0.79 121	4.12 237	3.26 253	2.02 141	1.36 53	2.82 244	1.56 176	1.90 86	0.81 12	0.29 32	0.25 99	0.26 33	0.19 9	0.25 5	0.35 33

RAFT_CTSACE	2.41 112	1.83 269	20.33 273	1.77 324	1.39 270	3.50 119	1.03 214	3.25 101	1.64 48	1.80 95	2.04 211	2.82 244	1.78 225	2.11 104	1.10 62	0.27 21	0.24 87	0.28 62	0.30 172	0.31 47	0.33 21

NLCA_NET_v2_RVC	2.76 195	1.48 233	19.72 206	1.62 295	2.00 351	3.95 211	0.86 151	3.92 180	2.51 147	2.56 277	1.69 114	2.83 246	1.61 186	5.65 212	1.78 190	0.48 250	0.36 183	0.38 228	0.42 278	0.56 258	0.77 212
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
ccnet	3.03 228	1.48 233	12.88 54	1.54 280	1.26 248	3.71 159	2.32 340	4.11 232	3.05 223	2.92 313	3.21 335	2.86 247	2.40 278	9.87 295	4.19 299	0.80 339	0.76 296	0.71 346	0.70 339	0.78 318	1.07 253

aanetorigin	3.34 274	2.00 277	17.58 131	1.20 168	1.57 303	2.57 45	3.75 380	2.73 68	2.10 89	6.11 384	4.27 355	2.88 248	5.64 359	5.46 209	4.60 308	0.53 284	0.46 241	0.45 263	0.48 297	1.15 354	1.22 263

Syn2CoEx	3.42 280	7.66 343	20.57 306	1.42 255	1.18 228	2.49 43	1.64 300	4.07 216	2.68 162	2.51 273	2.27 254	2.89 249	3.15 317	9.56 287	2.58 262	0.52 282	0.45 237	0.53 302	0.42 278	0.79 322	1.00 245

PSMNet-ADL	2.01 41	0.78 107	2.89 8	1.11 131	0.86 149	4.13 247	0.80 125	3.84 166	2.26 112	1.74 86	1.87 178	2.90 250	1.81 231	10.37 316	2.34 249	0.49 256	0.47 249	0.29 76	0.30 172	0.39 160	0.56 142

DSFCA	2.38 102	1.03 176	11.06 45	1.15 148	1.18 228	3.97 217	1.75 307	3.63 130	2.44 141	3.14 331	1.68 111	2.90 250	2.48 284	5.38 206	3.17 286	0.49 256	0.45 237	0.37 216	0.37 245	0.54 249	0.46 93

UCFNet_RVC	2.53 132	1.29 214	20.56 302	1.42 255	1.40 274	4.01 221	1.04 219	2.79 70	1.67 54	2.27 214	1.88 180	2.94 252	1.50 159	3.48 173	1.68 172	0.37 158	0.29 136	0.52 298	0.41 275	0.55 252	0.51 123

StereoDRNet-Refined	2.23 67	0.98 164	10.62 43	1.25 197	0.78 133	3.29 84	0.71 82	3.96 188	2.20 101	2.43 261	2.05 217	2.97 253	1.46 151	6.87 246	2.33 248	0.37 158	0.25 99	0.42 251	0.34 215	0.47 229	0.80 217
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NaN_ROB	4.73 347	6.66 337	21.89 383	1.26 200	1.28 250	3.49 117	3.02 360	4.38 329	3.93 323	3.65 352	2.55 295	2.97 253	5.01 353	13.23 390	17.43 390	0.38 170	0.42 230	0.38 228	0.40 265	0.50 239	1.82 298

iinet-f	2.44 116	1.82 268	14.97 79	1.21 173	1.11 216	3.78 171	1.10 230	4.19 262	2.90 197	2.10 167	1.76 132	2.99 255	2.97 303	2.84 162	2.79 267	0.38 170	0.38 201	0.28 62	0.28 126	0.50 239	0.47 101

GASNet	3.86 309	15.35 408	21.16 360	1.63 298	1.25 247	2.35 39	1.11 231	4.11 232	2.86 192	1.99 128	2.11 226	2.99 255	2.16 264	10.62 319	3.75 295	0.71 324	0.37 188	0.61 327	0.46 293	0.91 334	0.70 195

pcwnet_v2	2.73 189	0.70 69	22.43 398	1.11 131	1.02 190	3.58 133	0.80 125	4.31 307	3.42 288	2.39 252	2.28 256	2.99 255	1.68 210	3.31 172	1.54 141	0.44 216	0.51 260	0.41 241	0.34 215	0.62 276	0.74 209

PA-Net	3.45 283	2.50 294	20.39 280	1.42 255	1.20 235	3.39 95	1.73 306	3.93 184	3.57 305	1.94 114	2.17 235	3.02 258	1.87 242	11.67 356	6.48 322	0.40 184	0.55 264	0.44 257	0.63 336	0.55 252	1.13 258
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MaskLacGwcNet_RVC	3.77 303	1.65 254	20.61 312	2.55 364	1.63 315	4.29 287	1.67 303	3.99 194	2.56 152	1.76 89	1.93 196	3.03 259	1.41 141	13.24 391	2.02 223	4.47 400	1.63 334	1.12 369	0.48 297	2.42 378	2.85 323

APVNet	3.24 261	1.59 247	21.72 382	1.36 230	1.52 291	3.93 206	1.12 233	3.58 122	2.80 178	2.32 235	2.02 207	3.05 260	1.96 248	11.77 363	2.61 264	0.44 216	0.46 241	0.65 338	0.47 295	0.73 309	0.73 205

NVstereo2D	2.79 199	1.13 191	13.75 58	1.37 235	1.47 285	3.57 131	1.38 269	4.17 254	3.77 316	2.04 149	1.72 122	3.05 260	1.75 220	10.84 325	1.72 182	0.62 307	0.48 252	0.56 314	0.54 316	0.79 322	1.02 248

iRaft-Stereo_20w	3.11 237	0.69 63	18.89 159	1.00 100	1.09 211	5.03 374	1.00 208	5.86 390	2.46 144	2.83 308	1.64 106	3.06 262	4.30 345	3.08 169	1.74 187	0.31 68	0.30 144	0.27 42	0.35 228	0.42 188	7.93 366

ACVNet	2.40 106	0.97 161	20.20 251	0.94 69	0.86 149	4.22 279	0.79 121	2.97 83	2.85 186	1.93 108	1.91 190	3.07 263	1.46 151	1.52 42	2.37 253	0.33 104	0.27 126	0.30 97	0.27 102	0.42 188	0.35 33

acv_ft	2.45 118	0.97 161	19.57 193	1.15 148	2.01 352	2.97 60	0.96 205	3.88 171	2.85 186	2.34 239	1.91 190	3.07 263	1.65 206	1.52 42	2.26 243	0.33 104	0.27 126	0.30 97	0.27 102	0.42 188	0.35 33

AnyNet_C32	4.49 337	9.53 353	13.85 59	1.67 305	1.56 301	5.40 379	4.06 386	4.03 205	3.69 313	4.21 366	3.09 330	3.09 265	3.38 329	8.24 266	18.76 401	0.56 294	0.64 282	0.53 302	0.81 349	1.36 365	1.42 275

PASM	3.22 257	2.89 302	15.38 85	2.00 338	1.57 303	2.77 49	1.96 319	3.62 129	2.75 170	2.95 318	2.26 252	3.10 266	2.24 269	11.87 365	2.46 257	0.97 351	1.06 316	0.87 358	1.02 359	1.20 357	1.41 274

HGLStereo	2.74 190	1.03 176	20.80 325	1.24 183	1.55 297	3.62 142	0.94 197	3.83 165	2.09 87	2.18 188	2.20 244	3.11 267	2.12 258	5.65 212	2.07 229	0.50 266	0.34 167	0.32 128	0.30 172	0.42 188	0.50 117

GwcNet-RSSM	3.13 242	5.08 326	19.86 217	1.28 203	1.20 235	4.12 244	1.11 231	3.89 173	2.80 178	2.13 173	1.81 154	3.11 267	1.46 151	10.33 315	2.19 239	0.36 151	0.34 167	0.35 194	0.31 189	0.45 212	0.43 78

cross-raft	1.95 31	0.66 51	16.17 99	1.23 182	0.92 168	2.25 35	0.70 77	3.69 140	1.68 55	1.78 91	1.53 72	3.15 269	1.13 91	1.35 24	1.06 58	0.24 4	0.23 70	0.26 33	0.24 63	0.29 31	0.45 86

GANet	3.64 293	1.76 260	19.65 195	1.92 334	1.04 201	3.91 198	2.51 345	3.86 169	2.81 182	3.13 328	3.03 326	3.19 270	2.19 267	12.43 379	8.23 336	0.60 301	0.43 231	0.52 298	0.43 283	0.63 282	0.63 176

PCWNet_CMD	2.16 57	0.71 73	15.44 86	0.84 28	0.76 130	3.38 93	0.68 69	3.69 140	2.24 106	1.72 81	1.63 102	3.20 271	3.00 309	2.09 101	1.23 80	0.32 81	0.37 188	0.47 270	0.27 102	0.65 290	0.51 123

MSMDNet	2.16 57	0.71 73	15.36 84	0.86 36	0.75 126	3.41 99	0.69 75	3.70 142	2.25 109	1.73 83	1.64 106	3.21 272	2.95 301	2.09 101	1.24 84	0.32 81	0.37 188	0.45 263	0.27 102	0.63 282	0.50 117

OMP-Stereo	2.94 216	1.26 206	20.07 236	2.73 368	0.67 104	4.58 334	1.46 279	4.33 316	2.21 103	3.14 331	2.68 308	3.22 273	1.38 130	7.65 260	1.42 121	0.46 238	0.21 33	0.33 160	0.26 87	0.34 107	0.31 14

ccs_rob	2.03 45	0.74 85	12.67 52	0.87 42	0.75 126	3.91 198	0.66 59	4.04 209	1.93 75	1.92 107	1.79 145	3.24 274	1.63 197	2.52 143	1.25 90	0.32 81	0.37 188	0.54 310	0.28 126	0.66 294	0.51 123

CFNet_pseudo	2.03 45	0.74 85	12.75 53	0.87 42	0.74 122	3.91 198	0.65 58	4.04 209	1.93 75	1.93 108	1.79 145	3.25 275	1.61 186	2.51 139	1.25 90	0.32 81	0.37 188	0.53 302	0.28 126	0.64 285	0.50 117

LL-Strereo	4.26 328	13.69 380	20.37 276	1.24 183	2.18 356	2.90 56	1.08 224	4.35 320	2.22 104	3.20 335	2.26 252	3.29 276	3.13 314	11.30 343	1.91 207	0.33 104	3.89 374	0.46 268	0.34 215	0.54 249	6.47 364

CFNet_ucs	2.32 88	0.75 96	17.05 118	0.90 54	0.81 139	3.86 187	0.68 69	4.31 307	2.68 162	2.13 173	2.04 211	3.30 277	1.24 113	2.63 149	1.23 80	0.37 158	0.46 241	0.56 314	0.30 172	0.67 297	0.53 133

Wz-Net-LNSev	2.78 198	6.16 333	17.27 123	1.24 183	1.65 322	3.49 117	1.55 289	3.70 142	3.61 306	1.96 121	1.76 132	3.30 277	2.17 266	2.78 159	2.24 241	0.49 256	0.35 176	0.32 128	0.31 189	0.56 258	0.65 183

RTSC	3.44 281	6.78 338	16.53 112	1.76 323	1.54 293	3.53 125	0.94 197	4.22 269	2.97 203	3.65 352	3.23 337	3.31 279	2.29 271	6.22 227	7.41 330	0.61 302	1.32 326	0.37 216	0.42 278	0.78 318	0.98 243

CRFU-Net	2.56 146	0.89 131	10.77 44	2.53 363	1.09 211	3.91 198	1.40 271	3.87 170	1.92 74	2.25 205	1.80 149	3.32 280	7.85 380	5.53 211	1.54 141	0.58 297	0.36 183	0.31 115	0.28 126	0.39 160	0.56 142

IIG-Stereo	2.89 208	0.98 164	19.80 210	2.78 370	0.67 104	4.62 340	0.74 99	4.29 295	2.26 112	2.62 285	3.10 331	3.33 281	1.60 181	7.64 259	1.51 135	0.42 196	0.21 33	0.32 128	0.25 74	0.33 86	0.28 7

Ntro	4.83 350	14.73 398	20.47 288	3.24 381	2.97 373	4.12 244	1.88 315	4.00 195	2.57 154	1.79 94	2.15 230	3.34 282	2.16 264	10.01 304	7.34 327	3.53 390	1.77 337	2.13 382	1.32 374	3.89 391	3.23 330

DLCB_ROB	2.55 141	1.32 219	10.26 42	1.31 215	1.04 201	2.94 57	1.29 256	3.81 162	2.73 167	2.93 314	2.17 235	3.37 283	1.53 169	10.40 317	3.26 288	0.42 196	0.35 176	0.41 241	0.37 245	0.43 197	0.68 191

cf-r	2.93 212	2.19 287	20.59 310	1.49 271	1.35 263	4.18 266	0.92 191	3.73 149	3.12 232	2.16 183	1.82 156	3.40 284	1.44 147	8.22 265	1.93 212	0.34 120	0.31 148	0.33 160	0.30 172	0.38 150	0.45 86

anonymousa	3.14 243	0.83 117	19.20 173	1.62 295	9.63 404	2.06 27	0.78 115	2.93 74	2.20 101	1.95 119	2.17 235	3.41 285	1.81 231	1.33 19	1.67 170	0.29 32	8.64 394	0.34 177	0.37 245	0.32 65	1.33 269

DGSMNet	8.13 390	2.31 292	18.62 150	2.77 369	13.96 411	6.91 391	42.17 421	4.16 250	2.53 150	2.25 205	3.21 335	3.41 285	1.69 212	9.19 281	3.03 279	3.79 393	10.31 407	11.70 419	5.68 410	4.38 396	10.58 385

RAFT	2.36 97	1.62 250	18.03 140	1.75 321	0.54 62	1.91 21	0.91 186	3.24 98	3.65 309	1.64 67	1.73 128	3.45 287	1.58 177	1.82 80	1.74 187	0.42 196	1.06 316	0.40 237	0.32 199	0.44 205	1.03 250

hknet	2.34 93	0.78 107	13.86 61	0.94 69	1.07 206	4.18 266	1.14 237	4.49 342	3.00 209	2.96 319	1.82 156	3.47 288	1.30 121	4.11 191	1.77 189	0.35 132	0.25 99	0.31 115	0.28 126	0.38 150	0.41 67

Wz-Net-SNSev	3.47 287	10.51 360	16.90 116	1.65 303	1.20 235	3.29 84	2.03 327	4.16 250	3.03 218	2.35 241	2.39 271	3.48 289	2.12 258	7.95 264	4.28 301	0.51 272	0.40 213	0.53 302	0.49 300	0.74 313	1.46 277

DualNet	5.08 355	0.98 164	21.04 341	1.24 183	1.03 194	3.64 144	0.87 154	4.23 274	4.73 359	2.31 223	2.40 273	3.49 290	1.64 199	2.29 126	16.90 379	0.30 54	19.28 423	0.48 275	0.40 265	0.31 47	14.02 390

ffm	4.27 329	0.98 164	21.04 341	1.24 183	1.03 194	3.64 144	0.87 154	4.23 274	4.73 359	2.31 223	2.40 273	3.49 290	1.64 199	2.29 126	0.78 7	0.30 54	19.28 423	0.48 275	0.40 265	0.31 47	14.02 390

ff1	5.58 360	0.98 164	21.04 341	1.24 183	1.03 194	3.64 144	0.87 154	4.23 274	4.73 359	2.31 223	2.40 273	3.49 290	1.64 199	12.40 374	16.90 379	0.30 54	19.28 423	0.48 275	0.40 265	0.31 47	14.02 390

mmx	4.56 340	0.98 164	21.04 341	1.24 183	1.03 194	3.64 144	0.87 154	4.53 348	5.34 374	2.31 223	2.40 273	3.49 290	1.64 199	12.40 374	16.90 379	0.34 120	5.98 383	0.48 275	0.40 265	0.46 219	5.71 358

xxx	4.56 340	0.98 164	21.04 341	1.24 183	1.03 194	3.64 144	0.87 154	4.53 348	5.34 374	2.31 223	2.40 273	3.49 290	1.64 199	12.40 374	16.90 379	0.34 120	5.98 383	0.48 275	0.40 265	0.46 219	5.71 358

CFNet-ft	2.87 204	1.80 263	20.20 251	1.10 127	1.54 293	4.09 238	0.89 162	2.97 83	1.88 71	1.93 108	1.70 116	3.50 295	1.60 181	9.35 283	2.17 236	0.35 132	0.32 154	0.61 327	0.38 252	0.55 252	0.45 86

FAT-Stereo	3.38 276	0.88 127	19.96 226	1.28 203	1.20 235	3.44 104	1.97 320	4.26 291	3.15 236	3.14 331	3.92 351	3.50 295	3.28 321	11.68 359	2.04 226	0.65 313	0.68 288	0.48 275	0.54 316	0.63 282	0.91 234

CFNet_RVC	2.87 204	1.80 263	20.20 251	1.10 127	1.54 293	4.09 238	0.89 162	2.97 83	1.88 71	1.93 108	1.70 116	3.50 295	1.60 181	9.35 283	2.17 236	0.35 132	0.32 154	0.61 327	0.38 252	0.55 252	0.45 86

NCC-stereo	3.49 288	2.07 280	20.23 258	1.31 215	1.76 336	4.04 226	1.42 274	4.01 197	2.34 125	3.06 324	2.59 299	3.51 298	3.02 310	10.02 305	5.44 316	1.38 366	0.66 286	0.64 336	0.88 353	0.67 297	0.84 224

Abc-Net	3.49 288	2.07 280	20.23 258	1.31 215	1.76 336	4.04 226	1.42 274	4.01 197	2.34 125	3.06 324	2.59 299	3.51 298	3.02 310	10.02 305	5.44 316	1.38 366	0.66 286	0.64 336	0.88 353	0.67 297	0.84 224
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
LSM	13.03 402	7.72 345	21.01 338	55.44 430	85.65 428	3.65 149	6.27 391	3.91 179	5.06 369	5.63 379	13.91 400	3.53 300	3.46 332	9.93 299	4.36 304	0.72 329	0.95 310	0.72 349	0.85 352	1.09 349	26.67 419

CSAN	5.95 366	13.70 381	21.94 385	1.35 226	0.93 172	3.65 149	3.46 370	4.73 368	4.26 338	3.98 359	7.70 371	3.54 301	6.94 373	22.83 409	16.00 373	0.53 284	0.47 249	0.50 290	0.55 320	0.65 290	1.22 263

GwcNet	3.26 265	3.93 317	20.24 260	1.38 238	2.04 353	3.24 76	1.53 285	3.72 145	3.66 310	2.17 185	2.25 251	3.55 302	1.69 212	9.38 285	3.03 279	0.48 250	0.49 255	0.46 268	0.39 258	0.66 294	0.86 229

PVD	3.91 312	4.36 323	13.89 63	2.81 374	4.79 398	3.80 175	1.94 317	3.89 173	4.11 328	5.75 380	3.56 345	3.59 303	3.34 325	6.44 234	6.44 321	0.73 331	2.84 359	0.74 352	0.84 351	0.82 326	3.45 339

BUS	1.64 21	0.64 37	3.82 11	0.94 69	0.86 149	4.50 317	0.75 104	4.49 342	2.29 120	2.96 319	1.82 156	3.61 304	1.03 61	1.79 72	1.18 72	0.39 177	0.25 99	0.31 115	0.28 126	0.38 150	0.41 67

NINENet	2.59 151	0.89 131	16.09 95	1.16 152	1.07 206	4.50 317	0.75 104	4.43 335	2.61 158	2.18 188	1.91 190	3.61 304	1.03 61	7.92 263	1.18 72	0.49 256	0.34 167	0.41 241	0.30 172	0.42 188	0.44 82

SHD	3.22 257	4.21 322	14.19 67	2.37 354	2.12 355	2.77 49	1.19 244	4.24 281	3.25 252	4.64 373	2.73 312	3.62 306	2.76 295	6.30 230	4.75 311	0.66 314	1.25 325	0.52 298	0.59 326	0.69 304	1.64 288

hitnet-ft	2.99 224	1.23 205	19.37 184	0.96 83	0.90 162	3.76 166	0.79 121	3.60 126	2.68 162	2.31 223	2.04 211	3.63 307	1.49 158	11.70 360	2.37 253	0.45 225	0.54 262	0.44 257	0.36 237	0.54 249	0.56 142

PDISCO_ROB	3.32 271	5.22 328	18.16 143	2.03 342	2.19 358	4.52 322	1.63 297	4.74 369	3.32 270	2.22 200	2.18 240	3.71 308	2.41 279	5.36 205	2.43 256	1.35 364	0.79 297	0.72 349	0.62 332	1.31 363	1.53 281

S-Stereo	3.51 290	0.96 157	22.00 390	1.38 238	1.50 287	3.55 128	2.49 344	4.27 293	3.00 209	2.38 250	3.94 352	3.73 309	1.84 237	11.89 367	2.59 263	0.64 311	0.71 293	0.49 288	0.81 349	0.68 302	1.31 267

XQC	3.41 278	6.58 336	15.18 81	1.97 335	1.62 312	3.40 96	1.76 308	4.53 348	3.67 312	3.40 343	2.45 283	3.73 309	2.91 300	6.78 243	5.36 315	0.73 331	0.90 305	0.60 324	0.61 330	1.02 340	0.99 244

RAFT-Test	1.67 24	0.64 37	6.13 23	1.25 197	1.82 343	3.06 63	0.78 115	4.02 202	3.09 229	1.88 101	1.70 116	3.76 311	1.03 61	1.40 30	1.07 59	0.29 32	0.33 160	0.25 22	0.23 50	0.29 31	0.33 21

ssnet_v2	2.81 200	1.39 224	21.16 360	1.25 197	0.90 162	3.86 187	1.63 297	4.10 229	3.22 247	2.79 302	1.96 199	3.78 312	1.70 215	2.53 144	3.12 285	0.44 216	0.37 188	0.42 251	0.38 252	0.59 267	0.58 159

DPSNet	3.94 315	2.01 278	14.69 75	1.58 288	1.30 253	4.17 263	2.08 330	4.57 354	4.63 354	2.78 300	1.99 205	3.79 313	7.88 381	10.66 321	11.35 349	0.94 349	0.99 314	0.41 241	0.57 323	1.09 349	1.40 272

Nwc_Net	3.03 228	1.90 273	19.16 169	1.38 238	1.69 328	3.53 125	1.19 244	4.03 205	2.19 98	2.79 302	2.84 318	3.80 314	2.46 283	6.93 247	2.87 273	0.96 350	0.41 219	0.59 321	0.68 337	0.60 270	0.65 183

RYNet	3.15 245	1.48 233	16.27 105	1.24 183	1.39 270	3.67 152	1.44 278	4.09 227	3.20 239	2.26 211	1.70 116	3.83 315	2.15 262	13.64 396	3.23 287	0.45 225	0.45 237	0.50 290	0.35 228	0.81 324	0.83 221

ADCMid	4.55 339	10.78 361	17.67 135	1.32 221	1.43 279	4.62 340	2.24 336	4.22 269	4.97 368	3.93 358	3.01 325	3.84 316	3.66 334	4.22 194	18.57 400	0.69 320	0.62 280	1.09 367	1.20 369	1.48 367	1.49 279

NOSS_ROB	3.12 240	0.89 131	19.03 164	2.01 340	1.07 206	3.90 195	0.97 207	4.32 313	3.08 226	2.94 316	2.19 243	3.85 317	1.18 105	11.75 362	1.69 175	0.69 320	0.54 262	0.57 317	0.52 311	0.57 262	0.72 200

ac_64	2.93 212	0.87 124	19.66 196	1.35 226	1.70 329	3.29 84	0.92 191	3.56 121	3.46 296	1.91 104	1.79 145	3.90 318	1.76 222	10.23 310	1.93 212	0.44 216	0.32 154	0.33 160	0.31 189	0.35 120	0.51 123

ADCP+	4.42 335	12.67 371	18.95 161	1.12 138	1.55 297	4.30 289	3.60 377	4.01 197	3.80 317	2.30 220	1.71 120	3.93 319	4.29 344	3.49 174	18.77 402	0.40 184	0.41 219	0.63 334	0.53 313	0.67 297	1.35 270

EDNetEfficient	5.62 362	2.26 289	17.51 128	1.67 305	3.59 384	3.99 219	7.25 393	3.14 90	5.63 384	11.52 407	4.82 361	3.94 320	12.48 393	8.39 269	20.56 406	0.46 238	0.46 241	0.48 275	1.06 362	1.65 373	1.62 287

AANet_RVC	3.70 301	7.03 340	17.25 121	1.21 173	1.12 218	3.79 172	1.09 226	3.98 192	3.38 279	2.65 288	4.29 356	3.95 321	1.40 137	11.43 349	7.88 335	1.25 362	0.57 266	0.34 177	0.25 74	0.43 197	0.71 197

RP	3.26 265	1.73 259	17.70 136	1.56 285	1.93 348	3.43 103	1.94 317	4.18 259	2.72 166	2.77 298	3.05 327	3.96 322	2.69 292	10.17 307	2.86 271	1.04 352	0.50 258	0.71 346	0.59 326	0.75 315	0.83 221

RGC	3.35 275	1.84 271	18.13 142	1.52 277	1.79 340	3.33 90	1.37 268	4.18 259	2.39 129	2.96 319	3.23 337	3.98 323	2.71 293	11.53 350	3.42 290	0.90 347	0.48 252	0.79 354	0.79 347	0.75 315	0.89 232

ADLNet	3.23 259	1.19 202	21.03 340	1.36 230	1.61 310	3.69 155	1.23 251	4.05 212	3.41 286	2.72 292	2.29 258	4.00 324	1.77 224	11.21 340	2.15 234	0.42 196	0.43 231	0.36 205	0.35 228	0.47 229	0.82 219

DispFullNet	4.71 346	3.93 317	23.92 405	4.00 392	3.01 374	3.38 93	1.31 259	4.23 274	3.26 253	6.31 385	2.92 321	4.03 325	7.80 378	3.93 186	5.15 313	2.80 379	1.61 333	3.11 399	2.70 403	3.32 383	3.38 337

WZ-Net	4.39 334	12.37 368	17.44 127	1.47 267	1.42 278	3.76 166	2.27 338	4.17 254	3.11 230	2.89 310	2.24 249	4.05 326	5.69 361	10.89 328	12.07 353	0.66 314	0.41 219	0.47 270	0.49 300	0.78 318	1.12 257

otaku	5.59 361	14.82 402	20.70 319	3.13 379	2.70 369	3.91 198	2.56 347	3.90 175	2.48 145	2.25 205	9.38 384	4.06 327	2.32 274	9.59 289	14.37 366	3.52 389	1.66 335	2.15 383	1.19 368	3.73 389	3.35 336

IGEV_Zeroshot_test	2.66 173	0.75 96	21.55 379	1.50 273	0.89 158	2.21 33	0.90 178	3.52 119	1.83 67	2.17 185	1.57 88	4.09 328	1.60 181	1.73 67	1.21 77	0.32 81	0.33 160	0.28 62	0.30 172	0.44 205	6.09 361

DANet	2.82 201	1.17 195	10.20 41	1.87 329	1.72 332	3.25 78	1.15 240	4.36 322	3.02 216	3.42 344	2.18 240	4.09 328	1.79 228	9.78 292	4.32 302	0.55 291	0.57 266	0.60 324	0.44 286	0.65 290	1.25 266
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
MDST_ROB	6.31 373	1.18 196	22.96 402	2.56 365	2.69 368	21.07 411	2.01 326	4.79 371	2.87 194	9.49 397	4.45 357	4.10 330	4.48 348	22.33 408	17.61 391	0.79 338	0.44 235	0.47 270	0.44 286	0.47 229	0.95 241

STrans-v2	3.11 237	0.95 155	20.80 325	0.86 36	0.64 96	3.90 195	1.01 209	4.30 297	3.61 306	2.28 216	3.65 346	4.11 331	5.17 355	7.32 252	1.63 163	0.34 120	0.18 5	0.29 76	0.26 87	0.30 42	0.65 183

AnyNet_C01	4.68 344	10.90 362	16.41 109	2.03 342	1.62 312	6.25 384	6.40 392	4.19 262	5.13 371	4.03 360	3.77 349	4.14 332	3.26 320	7.23 250	11.19 345	0.64 311	0.80 298	0.65 338	0.72 341	2.18 375	2.08 304

CBMV_ROB	4.57 342	0.90 136	21.30 371	1.46 263	0.89 158	4.43 306	1.69 305	4.51 347	3.14 235	5.97 382	4.23 354	4.16 333	7.83 379	11.06 336	16.47 374	0.61 302	0.55 264	0.53 302	0.51 310	0.56 258	0.59 161

DDUNet	3.65 294	2.81 301	19.59 194	3.57 387	2.26 359	3.47 110	1.35 265	4.21 268	2.40 132	2.68 289	2.48 286	4.17 334	1.78 225	5.48 210	2.61 264	2.25 375	1.77 337	2.61 389	2.43 398	2.63 379	2.40 314

EDNetEfficientorigin	12.42 399	3.26 309	179.44 435	1.21 173	1.00 188	2.89 55	1.82 313	3.05 86	5.37 376	8.87 394	4.78 360	4.17 334	4.80 351	9.91 297	11.32 348	0.41 187	0.41 219	0.62 333	0.88 353	1.33 364	2.81 322

FBW_ROB	3.91 312	2.07 280	15.46 87	1.60 291	1.16 224	3.80 175	1.48 282	4.37 325	3.41 286	2.53 274	2.45 283	4.19 336	2.10 254	15.17 403	9.45 340	0.86 345	0.65 285	1.54 377	0.96 357	1.08 348	3.80 341

Wz-Net-TNSev	4.22 323	13.55 375	15.87 93	1.57 286	1.19 233	3.61 140	2.48 343	4.38 329	3.45 295	2.29 219	1.91 190	4.20 337	2.86 298	12.11 371	10.56 343	0.61 302	0.59 273	0.48 275	0.54 316	0.93 336	1.24 265

RainbowNet	5.20 357	15.03 405	21.14 357	3.66 389	3.25 382	4.18 266	2.98 357	4.22 269	3.20 239	2.30 220	2.65 304	4.24 338	2.97 303	9.92 298	6.29 319	3.92 395	2.27 349	2.71 393	1.73 384	3.82 390	3.43 338

ADCPNet	4.25 326	4.04 319	21.95 386	1.33 223	1.31 257	6.34 386	2.63 349	4.07 216	3.23 250	2.81 305	2.21 247	4.27 339	6.08 364	6.01 219	11.73 352	0.67 317	1.17 322	0.71 346	1.71 382	0.87 332	1.82 298

MyStereo06	2.74 190	1.07 180	21.19 365	1.06 120	1.08 209	4.26 283	0.86 151	3.72 145	1.80 64	2.25 205	1.77 139	4.28 340	4.12 342	1.85 84	1.38 117	0.25 8	2.43 355	0.34 177	0.27 102	0.46 219	0.48 108

ADCL	4.70 345	4.04 319	16.12 96	1.35 226	1.28 250	5.46 380	10.88 398	4.08 223	4.25 337	5.97 382	4.51 358	4.29 341	5.60 357	6.37 231	15.21 371	0.54 288	0.48 252	0.88 359	0.78 346	0.86 330	1.01 247

riskmin	2.46 120	0.61 29	12.91 55	1.22 176	1.65 322	3.56 130	0.61 42	4.30 297	1.50 13	1.86 100	1.16 24	4.30 342	2.02 250	1.53 45	1.32 102	0.29 32	0.95 310	0.34 177	0.23 50	0.43 197	8.34 375

TransformOpticalFlow	3.07 233	0.87 124	20.87 331	1.10 127	0.56 68	4.18 266	0.64 56	4.36 322	3.28 257	2.19 193	3.08 329	4.32 343	5.01 353	7.36 255	1.59 152	0.34 120	0.18 5	0.32 128	0.26 87	0.29 31	0.57 147

edge stereo	3.45 283	1.08 183	22.14 392	1.31 215	1.36 264	2.68 48	1.54 287	4.13 240	3.27 255	2.94 316	3.27 339	4.34 344	2.48 284	11.60 355	2.79 267	0.62 307	0.64 282	0.79 354	0.56 322	0.70 305	0.82 219

MFN_U_SF_RVC	4.08 319	13.72 383	15.13 80	2.00 338	1.43 279	3.73 162	1.68 304	4.11 232	3.39 284	2.93 314	2.38 268	4.39 345	3.63 333	8.63 271	6.14 318	1.14 358	1.07 319	1.01 362	1.35 376	1.63 371	2.09 306

ADCS	4.77 349	12.63 370	17.40 126	1.72 315	1.34 261	3.90 195	3.60 377	4.30 297	3.54 303	5.11 378	2.81 317	4.44 346	3.05 313	6.15 226	19.32 403	0.74 334	0.68 288	0.70 344	0.70 339	1.25 361	1.98 301

CBMV	4.12 320	1.27 209	21.14 357	1.52 277	0.85 147	3.80 175	3.89 384	4.58 356	3.02 216	3.56 350	2.37 267	4.44 346	13.88 399	11.23 342	3.78 296	0.56 294	0.43 231	0.48 275	0.39 258	0.55 252	0.74 209
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
UDG	3.84 308	2.91 303	20.05 235	2.98 376	1.98 350	3.95 211	1.18 243	4.43 335	2.24 106	2.47 267	2.53 294	4.49 348	2.44 282	6.52 235	4.74 310	2.14 374	1.77 337	2.64 390	2.58 400	2.66 380	2.19 311

AF-Net	3.15 245	2.65 299	18.81 156	1.37 235	1.76 336	3.30 88	1.57 292	4.20 264	3.05 223	2.76 297	2.94 323	4.50 349	3.21 319	5.88 217	3.07 281	0.88 346	0.39 210	0.72 349	0.50 306	0.75 315	0.66 189

DISCO	2.40 106	0.99 173	11.99 49	1.81 326	1.12 218	3.47 110	1.24 253	3.34 108	2.57 154	2.73 294	1.96 199	4.52 350	1.90 245	4.18 193	3.62 294	0.37 158	0.27 126	0.31 115	0.30 172	0.70 305	0.62 173

CBFPSM	2.24 69	2.06 279	12.12 51	1.13 143	1.05 203	2.85 51	1.23 251	3.37 111	2.05 85	1.82 97	1.33 48	4.55 351	4.00 340	2.38 132	2.35 250	0.27 21	0.38 201	0.32 128	0.28 126	0.39 160	0.89 232

MADNet+	4.46 336	11.36 363	14.35 70	2.23 348	2.50 367	4.18 266	2.86 355	5.46 383	4.43 346	2.74 295	2.69 309	4.55 351	3.43 330	8.97 278	9.42 339	1.47 368	2.06 343	1.09 367	1.02 359	1.54 369	2.96 329

RASNet	3.15 245	1.20 203	19.81 212	1.63 298	2.26 359	3.67 152	1.09 226	3.58 122	3.44 289	1.99 128	2.15 230	4.59 353	2.30 273	10.24 312	2.98 277	0.57 296	0.26 119	0.25 22	0.25 74	0.30 42	0.54 137

XX-Stereo	2.66 173	0.70 69	21.17 362	2.33 353	1.24 245	4.31 292	0.45 11	4.48 341	1.60 37	2.39 252	1.89 182	4.60 354	0.60 4	4.17 192	1.11 63	0.34 120	0.26 119	0.29 76	0.29 156	0.53 246	0.43 78

HH	3.19 252	0.91 138	21.34 372	1.24 183	0.61 83	4.16 258	0.80 125	2.94 76	1.82 65	1.23 38	1.84 169	4.61 355	1.84 237	2.63 149	0.99 47	0.29 32	1.53 330	0.30 97	0.24 63	0.34 107	14.22 394

HanStereo	3.19 252	0.91 138	21.34 372	1.24 183	0.61 83	4.16 258	0.80 125	2.94 76	1.82 65	1.23 38	1.84 169	4.61 355	1.84 237	2.63 149	0.99 47	0.29 32	1.53 330	0.30 97	0.24 63	0.34 107	14.22 394

ADLNet2	3.20 254	1.43 228	20.11 247	1.22 176	1.78 339	3.86 187	1.47 280	3.96 188	3.89 322	2.26 211	2.49 287	4.63 357	1.92 247	10.68 322	2.00 220	0.42 196	0.37 188	0.29 76	0.30 172	0.51 244	0.46 93

SGM-Forest	4.96 353	0.86 121	21.02 339	1.22 176	0.83 142	4.05 230	3.26 365	4.40 332	3.49 300	4.40 369	3.69 348	4.66 358	13.91 400	11.94 368	17.16 387	0.66 314	0.46 241	0.49 288	0.39 258	0.49 238	1.77 295
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Anonymous_2	4.03 318	0.99 173	11.19 47	1.20 168	1.71 330	3.68 154	0.93 196	3.76 151	1.63 46	2.07 160	1.43 64	4.76 359	2.34 275	1.86 85	1.78 190	0.82 343	2.42 354	8.69 414	16.64 419	4.38 396	8.29 373

MSC_U_SF_DS_RVC	4.90 352	13.94 386	16.59 113	1.69 309	1.46 283	6.15 383	3.52 373	5.47 384	3.95 324	2.77 298	2.74 313	4.81 360	2.49 286	13.78 397	5.33 314	2.34 376	3.46 370	1.05 364	1.21 370	2.28 376	2.94 328

RTS	4.29 330	9.35 351	18.25 145	2.79 372	2.29 361	4.98 372	3.41 368	4.72 366	4.27 339	4.35 367	3.10 331	4.93 361	3.14 315	7.71 261	6.99 325	0.71 324	0.68 288	0.51 295	0.50 306	1.07 346	1.98 301

RTSA	4.29 330	9.35 351	18.25 145	2.79 372	2.29 361	4.98 372	3.41 368	4.72 366	4.27 339	4.35 367	3.10 331	4.93 361	3.14 315	7.71 261	6.99 325	0.71 324	0.68 288	0.51 295	0.50 306	1.07 346	1.98 301

MFN_U_SF_DS_RVC	4.38 333	13.66 378	13.95 64	1.39 245	1.58 308	5.18 376	3.31 366	4.53 348	3.22 247	2.60 279	2.62 302	4.99 363	2.11 256	13.99 400	4.21 300	1.53 370	2.56 357	0.67 340	1.82 388	0.83 329	2.92 327

stereogan	3.26 265	1.26 206	18.01 139	1.38 238	1.66 325	3.76 166	1.64 300	4.06 214	3.86 321	3.23 336	2.70 310	5.02 364	2.85 297	9.88 296	1.85 201	0.71 324	0.51 260	0.69 343	0.48 297	0.86 330	0.85 226

IMH-64-1	6.10 370	13.83 384	17.55 129	4.34 396	3.78 386	4.79 368	5.94 389	5.34 377	4.20 332	4.10 361	8.31 377	5.07 365	6.92 371	9.63 290	7.36 328	4.60 403	2.96 364	3.04 395	2.14 395	4.30 394	3.88 344

IMH-64	6.10 370	13.83 384	17.55 129	4.34 396	3.78 386	4.79 368	5.94 389	5.34 377	4.20 332	4.10 361	8.31 377	5.07 365	6.92 371	9.63 290	7.36 328	4.60 403	2.96 364	3.04 395	2.14 395	4.30 394	3.88 344

psmorigin	6.62 378	1.45 230	87.38 430	1.55 283	0.97 180	2.86 52	1.42 274	3.30 105	2.12 93	3.74 354	2.45 283	5.15 367	2.59 290	10.55 318	2.91 276	0.55 291	0.68 288	0.48 275	0.53 313	0.73 309	1.02 248

SAMSARA	4.67 343	6.50 335	16.40 108	4.62 403	3.13 378	6.62 388	3.49 371	5.24 376	3.04 221	7.78 390	3.07 328	5.32 368	4.05 341	9.98 302	6.42 320	0.69 320	2.39 353	0.60 324	0.74 343	0.99 339	2.26 312

tt	7.29 387	0.58 9	7.34 27	4.04 393	2.30 363	12.04 402	20.18 408	15.60 413	7.41 393	3.46 345	3.36 340	5.36 369	6.39 367	4.27 195	7.46 331	9.80 414	11.53 412	7.04 412	7.45 413	6.31 403	3.81 342

SPS-STEREO	5.18 356	10.36 358	21.09 352	1.74 319	1.72 332	3.24 76	2.26 337	3.92 180	4.12 329	5.06 377	3.66 347	5.43 370	3.33 324	9.56 287	12.34 355	1.17 360	1.17 322	1.07 365	1.03 361	1.17 355	10.25 384
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
NVStereoNet_ROB	6.63 379	9.57 354	19.28 179	3.19 380	2.11 354	3.69 155	1.99 321	4.32 313	6.27 391	3.26 339	24.57 412	5.45 371	11.39 392	13.56 394	12.37 356	2.79 378	2.05 342	1.76 378	1.75 385	1.49 368	1.75 291
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SDNR	4.37 332	2.22 288	20.63 315	1.60 291	0.99 182	5.15 375	0.67 61	4.36 322	5.55 382	4.89 375	7.17 367	5.50 372	1.58 177	17.48 405	4.33 303	0.80 339	0.72 294	0.59 321	0.45 291	1.18 356	1.43 276

ACVNet-4b	6.98 384	14.78 400	22.17 393	3.56 386	3.11 377	4.14 252	2.23 335	4.08 223	3.84 318	1.67 73	3.96 353	5.86 373	2.87 299	10.30 314	17.16 387	26.09 424	2.24 348	2.53 386	1.79 386	3.91 392	3.28 333

coex-ft	20.00 410	11.54 364	120.82 432	1.18 163	1.30 253	2.36 40	1.99 321	2.96 82	13.96 400	129.83 434	8.40 379	5.88 374	52.82 428	9.93 299	31.13 419	0.61 302	0.62 280	0.50 290	0.49 300	1.10 351	2.63 319

MADNet++	8.64 392	6.17 334	13.88 62	6.61 406	5.25 400	10.15 397	14.20 403	5.89 391	8.25 394	7.14 387	8.18 374	6.41 375	9.84 390	11.71 361	16.73 378	9.65 413	5.03 380	8.63 413	5.68 410	4.83 400	8.57 377

WAO-7	6.00 368	14.29 391	20.46 286	1.97 335	1.51 289	5.31 378	3.06 362	5.00 373	5.92 387	4.55 372	8.87 382	6.52 376	6.47 368	13.38 393	13.85 362	1.35 364	1.24 324	1.48 375	1.36 377	1.63 371	1.79 297

WAO-6	6.68 381	9.03 349	20.68 318	2.98 376	2.79 371	11.93 400	3.56 376	5.39 381	11.65 398	3.55 349	9.59 386	6.77 377	6.72 370	12.28 372	11.56 350	2.88 381	2.36 352	2.50 385	1.84 389	2.89 381	2.72 321

G-Net	4.16 321	1.39 224	20.31 271	2.30 351	2.91 372	4.68 356	2.86 355	3.35 109	2.44 141	4.43 370	9.43 385	6.89 378	3.83 337	8.91 275	4.83 312	0.80 339	0.80 298	0.70 344	0.50 306	0.95 338	0.97 242

ELAS	6.58 377	2.54 296	20.08 241	2.66 366	2.48 365	15.49 408	7.29 394	5.50 385	5.72 385	10.05 402	8.94 383	6.91 379	10.83 391	8.33 267	14.27 365	1.92 371	2.19 345	1.23 372	1.31 372	1.62 370	2.17 309
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SANet	6.43 375	13.71 382	22.08 391	1.43 260	1.00 188	6.86 390	3.78 382	4.71 365	11.10 396	4.71 374	8.72 381	7.47 380	7.91 382	12.46 381	18.12 395	0.51 272	0.47 249	0.50 290	0.45 291	0.94 337	1.60 286

raft_robust	3.17 249	2.15 286	20.28 264	1.06 120	0.55 65	3.86 187	0.46 12	4.42 333	2.77 174	1.70 79	1.37 55	7.48 381	6.35 365	6.81 245	1.44 127	0.31 68	0.74 295	0.30 97	0.37 245	0.32 65	0.57 147

ACVNet_2	6.09 369	15.28 407	21.36 374	3.30 383	3.17 379	4.50 317	3.00 358	4.70 364	3.96 325	3.52 348	5.34 364	7.79 382	2.95 301	12.40 374	13.76 361	3.28 385	2.23 347	2.70 392	1.70 381	3.52 384	3.24 331

PWCK	6.49 376	13.40 373	20.27 263	2.95 375	1.61 310	5.68 382	7.63 396	5.37 380	4.77 365	3.90 357	7.48 370	7.96 383	5.63 358	15.15 402	10.93 344	3.21 384	1.55 332	2.34 384	1.43 379	6.05 402	2.45 317

HSM	3.25 264	1.08 183	19.18 171	1.19 166	1.54 293	3.45 107	1.02 212	4.04 209	2.61 158	2.31 223	2.17 235	8.01 384	2.99 308	11.59 353	1.80 195	0.35 132	0.24 87	0.28 62	0.24 63	0.33 86	0.55 140

ELAS_RVC	6.36 374	2.53 295	20.21 255	2.67 367	2.48 365	4.90 371	11.89 400	4.84 372	6.31 392	9.03 395	8.54 380	8.09 385	12.73 395	9.32 282	13.25 360	1.92 371	2.18 344	1.51 376	1.31 372	1.40 366	2.15 307
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	6.11 372	1.10 186	20.44 283	2.15 346	0.66 102	15.87 410	3.98 385	5.00 373	6.19 389	9.79 401	11.46 393	8.23 386	12.63 394	12.32 373	9.15 338	0.54 288	0.39 210	0.41 241	0.35 228	0.55 252	1.05 252
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
IMH	7.25 386	16.24 412	21.08 347	4.40 398	3.79 388	5.46 380	3.03 361	5.58 387	6.26 390	4.92 376	10.32 388	9.24 387	8.30 384	13.62 395	11.56 350	4.84 407	3.00 367	3.09 398	2.14 395	4.38 396	3.83 343

JetBlue	6.69 382	12.01 367	14.30 69	1.98 337	4.64 397	11.97 401	12.29 401	5.39 381	4.32 345	3.81 356	4.51 358	9.50 388	6.53 369	10.22 309	14.50 367	1.32 363	1.47 328	1.18 370	1.36 377	7.48 409	5.05 354

JetRed	10.68 396	26.07 419	35.62 413	4.40 398	4.16 394	15.72 409	13.07 402	14.57 409	5.83 386	5.85 381	5.55 366	10.12 389	7.37 376	8.86 274	25.99 413	3.33 386	3.82 373	3.59 406	2.98 408	8.51 412	8.22 372

MeshStereo	5.67 363	1.80 263	21.28 369	1.40 246	1.14 221	4.38 296	3.83 383	5.51 386	4.85 367	10.12 403	11.72 395	11.44 390	5.87 362	13.86 398	12.31 354	0.68 318	0.61 277	0.61 327	0.60 328	0.73 309	0.68 191
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
FINET	10.59 395	14.44 396	25.84 408	2.30 351	3.90 389	21.74 412	25.19 411	8.85 397	16.99 404	2.68 289	15.19 402	11.45 391	13.83 398	6.71 242	15.11 370	0.80 339	8.59 393	0.53 302	0.44 286	0.62 276	16.67 408

WAO-8	12.61 400	16.02 410	21.99 388	3.55 384	3.10 375	15.07 406	2.80 351	12.81 404	19.10 411	7.93 392	13.05 397	11.75 392	8.46 386	83.86 433	15.10 368	3.51 387	1.94 340	3.54 404	1.96 392	3.72 387	2.89 325

Venus	12.61 400	16.02 410	21.99 388	3.55 384	3.10 375	15.07 406	2.80 351	12.81 404	19.10 411	7.93 392	13.05 397	11.75 392	8.46 386	83.86 433	15.10 368	3.51 387	1.94 340	3.54 404	1.96 392	3.72 387	2.89 325

SGM+DAISY	13.18 403	14.36 393	24.65 407	8.10 409	13.49 410	22.47 413	25.54 412	12.13 401	17.08 405	14.77 409	15.82 404	12.17 394	13.97 401	12.65 384	18.22 397	8.40 411	9.18 403	1.23 372	1.33 375	1.23 360	16.81 413

WCMA_ROB	5.78 364	2.42 293	21.71 381	1.67 305	1.55 297	4.07 234	3.53 374	4.14 243	4.73 359	6.59 386	10.89 390	12.82 395	9.59 389	10.17 307	12.65 358	1.05 353	0.61 277	0.52 298	0.52 311	0.71 307	5.64 357

TorneroNet-64	10.52 394	14.33 392	21.95 386	4.29 395	3.76 385	13.77 405	2.83 354	14.96 410	23.11 414	10.24 404	23.77 411	13.44 396	8.15 383	13.98 399	17.70 393	4.03 396	2.73 358	3.23 400	2.53 399	7.27 408	4.35 351

DGTPSM_ROB	16.67 406	21.79 417	40.19 417	10.00 413	19.05 413	12.43 403	33.20 415	13.71 406	18.09 409	9.71 399	22.85 409	13.77 397	19.64 407	21.23 406	24.07 407	5.09 408	8.95 399	5.62 410	11.49 415	6.73 405	15.75 406

DPSMNet_ROB	16.76 407	21.81 418	40.95 418	10.20 415	19.08 414	12.43 403	33.21 416	13.73 407	18.21 410	9.76 400	22.88 410	13.78 398	19.64 407	21.39 407	24.21 408	5.20 409	8.97 400	5.63 411	11.51 418	6.80 406	15.82 407

notaker	10.92 397	14.17 389	20.38 277	4.56 402	3.98 391	6.29 385	3.53 374	7.68 394	5.10 370	9.04 396	46.37 423	13.84 399	28.85 414	14.18 401	14.16 364	4.57 402	3.19 368	3.52 403	2.70 403	8.16 411	4.13 348

UNDER WATER-64	10.08 393	14.27 390	22.85 400	5.26 405	4.88 399	11.00 399	4.57 388	11.41 400	17.25 406	7.68 389	9.72 387	15.96 400	21.47 412	11.12 339	16.63 377	4.38 397	2.88 361	4.41 409	2.95 407	7.12 407	5.81 360

LVE	7.57 388	15.80 409	21.28 369	3.69 390	3.19 381	4.54 323	2.78 350	10.13 399	11.63 397	3.24 337	11.52 394	18.10 401	4.55 349	11.67 356	10.30 342	4.62 406	2.95 362	2.56 387	1.91 391	3.63 385	3.26 332

FCDSN-DC	6.71 383	1.18 196	21.61 380	1.29 208	1.10 214	4.38 296	2.59 348	4.58 356	5.52 380	9.58 398	11.19 391	19.17 402	17.69 405	13.03 387	17.11 385	0.73 331	0.57 266	0.61 327	0.60 328	0.71 307	0.92 236
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MANE	15.29 404	13.67 379	23.58 404	10.15 414	13.37 409	23.58 415	23.86 409	27.83 416	26.26 415	12.02 408	15.10 401	19.83 403	18.01 406	15.68 404	20.35 405	8.58 412	9.20 404	3.05 397	4.19 409	0.82 326	16.69 409

FC-DCNN	7.08 385	1.01 175	21.89 383	1.74 319	1.64 319	8.18 396	2.31 339	6.50 392	9.16 395	10.85 406	11.33 392	19.85 404	13.33 396	12.94 386	17.10 384	0.72 329	0.57 266	0.59 321	0.57 323	0.64 285	0.69 193

pmcnn	5.90 365	1.81 266	22.30 394	1.69 309	2.37 364	3.47 110	2.10 331	4.58 356	5.56 383	3.75 355	13.12 399	22.07 405	3.70 335	11.99 370	17.13 386	0.58 297	0.23 70	0.23 4	0.19 9	0.37 141	0.70 195

MSMD_ROB	5.99 367	1.29 214	19.23 176	1.40 246	0.84 146	10.25 398	2.05 329	4.20 264	6.02 388	10.42 405	8.00 372	22.21 406	9.45 388	11.67 356	8.73 337	0.76 337	0.59 273	0.67 340	0.68 337	0.67 297	0.72 200

ACVNet_1	6.63 379	14.79 401	21.40 375	3.59 388	3.17 379	4.69 361	2.46 342	4.24 281	3.34 274	3.11 327	2.86 319	23.21 407	4.59 350	11.06 336	12.59 357	3.75 391	2.34 351	2.60 388	1.80 387	3.70 386	3.31 334

Anonymous_1	57.77 429	19.65 414	26.12 409	23.12 418	141.97 434	30.79 416	39.72 418	34.10 420	16.98 403	70.09 430	15.64 403	23.44 408	19.73 409	23.03 411	27.21 414	164.70 436	9.02 401	130.41 431	137.42 433	161.21 437	41.01 424

UNDER WATER	11.28 398	13.60 376	22.90 401	5.11 404	4.53 396	7.75 394	3.75 380	12.50 402	21.62 413	7.80 391	10.68 389	23.75 409	35.20 415	11.54 351	17.40 389	4.46 399	2.95 362	4.23 408	2.90 406	6.57 404	6.27 362

DPSM_ROB	20.83 411	20.01 415	26.54 410	23.64 419	22.42 415	31.06 417	39.94 419	34.02 418	17.42 407	15.35 410	16.05 406	24.04 410	20.69 410	23.28 412	27.60 415	10.77 415	9.41 405	11.68 417	11.50 416	14.48 417	16.71 410

DPSM	20.83 411	20.01 415	26.54 410	23.64 419	22.42 415	31.06 417	39.94 419	34.02 418	17.42 407	15.35 410	16.05 406	24.04 410	20.69 410	23.28 412	27.60 415	10.77 415	9.41 405	11.68 417	11.50 416	14.48 417	16.71 410

LRCNet_RVC	25.63 414	33.47 420	24.35 406	31.77 421	32.74 418	6.73 389	1.19 244	25.87 415	4.67 358	28.95 413	30.91 415	24.89 412	17.54 404	27.82 415	24.57 410	35.48 425	25.62 427	35.91 427	33.80 426	31.95 427	34.38 423

Dean	8.35 391	15.23 406	22.34 395	3.76 391	3.55 383	4.81 370	3.51 372	5.34 377	5.37 376	4.49 371	26.13 413	25.59 413	4.33 346	11.21 340	13.12 359	3.78 392	2.31 350	2.90 394	1.89 390	4.04 393	3.34 335

SGM-ForestM	15.60 405	14.94 404	28.17 412	7.84 408	10.49 405	23.43 414	24.58 410	20.87 414	16.87 402	15.92 412	15.89 405	27.08 414	22.45 413	24.86 414	28.42 418	3.85 394	8.90 397	0.55 311	1.15 367	0.64 285	15.05 397

LE_ROB	19.18 409	12.99 372	48.22 421	8.42 411	23.91 417	7.26 392	19.71 407	9.92 398	38.58 423	43.44 421	21.85 408	28.15 415	41.18 418	23.00 410	54.71 423	0.38 170	0.34 167	0.32 128	0.36 237	0.43 197	0.49 113

HaxPig	43.31 424	43.63 427	45.01 419	33.88 422	35.67 420	32.79 419	30.52 414	45.50 421	42.95 424	48.75 422	48.14 424	43.24 416	40.44 417	44.58 422	43.63 420	47.17 427	49.30 428	51.65 429	50.37 428	43.72 428	45.27 425

HanzoNet	31.86 418	17.33 413	21.23 366	7.52 407	5.85 403	7.49 393	3.61 379	14.35 408	13.37 399	50.38 424	46.35 422	44.46 417	56.50 429	36.53 421	28.25 417	64.05 430	58.31 431	9.45 415	89.24 431	31.17 426	31.77 420

AVERAGE_ROB	44.46 425	45.87 428	46.48 420	40.54 424	38.62 421	32.95 420	30.49 413	46.80 422	43.31 425	49.57 423	48.93 425	44.57 418	39.87 416	45.01 423	43.89 421	48.70 428	50.65 429	50.80 428	49.79 427	45.54 429	46.89 426

MEDIAN_ROB	47.37 426	49.00 429	49.74 422	40.28 423	39.94 422	34.93 421	33.41 417	49.78 423	46.38 427	53.04 425	52.61 426	47.67 419	42.28 426	48.33 431	47.25 422	52.06 429	53.99 430	54.28 430	53.48 429	48.70 430	50.27 427

Selective-RAFT-Error	41.88 419	40.10 425	53.23 424	47.74 426	45.20 424	62.42 430	80.58 428	68.27 428	34.95 417	30.85 415	32.30 419	48.08 420	42.07 424	46.54 424	54.92 424	21.60 422	19.12 421	23.46 424	23.15 421	29.14 423	33.95 422

CasAABBNet	41.89 420	40.14 426	53.33 428	47.71 425	45.10 423	62.42 430	80.65 429	68.29 429	34.85 416	30.67 414	32.34 420	48.22 421	41.76 423	46.61 426	55.60 426	21.59 421	18.89 417	23.46 424	23.21 422	29.17 424	33.75 421

MyStereo03	43.09 421	40.09 422	53.32 425	48.07 427	45.83 425	62.40 427	80.65 429	67.87 424	35.18 419	31.09 417	32.21 416	48.24 422	41.62 420	46.66 427	55.80 427	21.53 418	18.98 418	23.44 421	23.21 422	29.12 420	56.57 429

MyStereo02	43.09 421	40.09 422	53.32 425	48.07 427	45.83 425	62.40 427	80.65 429	67.87 424	35.18 419	31.09 417	32.21 416	48.24 422	41.62 420	46.66 427	55.80 427	21.53 418	18.98 418	23.44 421	23.21 422	29.12 420	56.57 429

MyStereo	43.09 421	40.09 422	53.32 425	48.07 427	45.83 425	62.40 427	80.65 429	67.87 424	35.18 419	31.09 417	32.21 416	48.24 422	41.62 420	46.66 427	55.80 427	21.53 418	18.98 418	23.44 421	23.21 422	29.12 420	56.57 429

LSM0	49.69 427	40.02 421	53.50 429	97.07 431	129.56 432	62.65 432	79.82 427	68.02 427	35.12 418	33.72 420	33.34 421	48.41 425	41.54 419	46.57 425	55.40 425	21.63 423	19.16 422	23.60 426	23.13 420	29.46 425	52.08 428

SPstereo	30.75 417	13.65 377	19.03 164	8.80 412	10.65 406	50.20 425	82.83 433	71.83 430	35.94 422	30.86 416	29.63 414	48.58 426	42.25 425	47.75 430	58.04 430	7.66 410	8.94 398	20.43 420	10.51 414	8.69 413	8.79 378

KSHMR	17.50 408	14.38 395	22.35 396	4.50 400	4.51 395	8.17 395	3.33 367	15.44 412	76.15 429	7.32 388	61.40 427	56.33 427	5.66 360	32.91 417	13.97 363	4.42 398	2.99 366	3.64 407	2.79 405	5.13 401	4.55 353

ktn	22.24 413	14.37 394	20.30 269	4.54 401	4.02 392	6.52 387	4.50 387	6.78 393	78.80 431	84.67 431	100.54 434	58.48 428	8.39 385	13.13 388	17.09 383	4.61 405	3.24 369	3.49 402	2.62 401	4.70 399	3.96 346

xxxxx1	112.85 431	94.19 433	38.10 414	228.21 436	161.02 435	39.23 422	61.26 424	92.54 432	79.08 432	63.44 427	74.84 428	77.80 429	69.88 430	33.55 418	70.96 431	117.25 432	130.44 434	258.49 435	273.88 435	145.63 434	147.24 434

tt_ll	112.85 431	94.19 433	38.10 414	228.21 436	161.02 435	39.23 422	61.26 424	92.54 432	79.08 432	63.44 427	74.84 428	77.80 429	69.88 430	33.55 418	70.96 431	117.25 432	130.44 434	258.49 435	273.88 435	145.63 434	147.24 434

ff	112.85 431	94.19 433	38.10 414	228.21 436	161.02 435	39.23 422	61.26 424	92.54 432	79.08 432	63.44 427	74.84 428	77.80 429	69.88 430	33.55 418	70.96 431	117.25 432	130.44 434	258.49 435	273.88 435	145.63 434	147.24 434

TorneroNet	26.32 415	14.70 397	22.40 397	4.24 394	4.08 393	54.72 426	3.19 363	15.11 411	76.73 430	57.99 426	82.55 431	86.65 432	45.79 427	13.34 392	18.51 398	4.52 401	2.86 360	3.45 401	2.63 402	8.75 414	4.28 349

BEATNet-Init1	51.93 428	71.67 432	99.39 431	10.91 417	13.10 407	84.39 433	59.36 423	73.78 431	67.97 428	88.09 432	88.15 432	91.73 433	97.51 434	85.13 435	72.56 434	2.59 377	5.18 381	1.20 371	1.49 380	10.61 415	13.83 388

PML	64.55 430	56.00 431	20.79 324	8.10 409	32.82 419	147.60 435	247.57 437	12.71 403	45.39 426	111.32 433	288.85 437	101.42 434	100.62 435	31.63 416	15.84 372	13.96 417	4.84 377	10.95 416	6.18 412	28.99 419	5.33 356

ASD4	117.27 434	129.52 436	123.56 433	122.58 432	90.02 429	142.70 434	121.49 434	155.40 436	106.26 435	137.15 435	93.99 433	116.23 435	77.54 433	123.37 436	97.34 435	115.20 431	101.37 432	138.98 433	118.15 432	131.38 433	103.11 432

DPSimNet_ROB	143.68 435	156.64 437	170.66 434	162.59 433	135.40 433	195.13 436	174.01 435	141.76 435	167.78 437	174.58 436	138.78 435	186.01 436	183.75 436	82.32 432	97.85 436	151.24 435	102.48 433	131.25 432	82.78 430	115.21 432	123.37 433

test_example2	213.42 436	219.67 438	222.97 436	213.78 435	220.82 438	199.03 437	200.49 436	189.27 437	143.61 436	211.05 437	218.08 436	210.69 437	205.21 437	221.14 437	216.49 437	236.74 437	242.08 437	213.66 434	216.96 434	235.55 438	231.06 437

FADE		14.73 398		10.62 416	13.30 408													346.21 438		7.64 410

Low-res two-view benchmark