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

ACVNet-DCA	0.21 79	0.16 143	0.50 119	0.27 261	0.13 80	0.31 208	0.19 123	0.43 155	0.32 107	0.21 31	0.20 29	0.13 11	0.17 76	0.28 97	0.12 1	0.08 87	0.28 359	0.08 59	0.06 22	0.09 131	0.23 291

xx1	0.23 121	0.16 143	0.50 119	0.27 261	0.13 80	0.31 208	0.19 123	0.39 122	0.48 261	0.21 31	0.20 29	0.28 143	0.25 175	0.28 97	0.12 1	0.08 87	0.28 359	0.10 181	0.11 232	0.09 131	0.23 291

cc1	0.22 92	0.16 143	0.50 119	0.27 261	0.13 80	0.31 208	0.19 123	0.39 122	0.48 261	0.21 31	0.20 29	0.13 11	0.17 76	0.28 97	0.12 1	0.08 87	0.28 359	0.08 59	0.06 22	0.08 64	0.37 358

ffm	0.27 206	0.17 166	0.84 295	0.21 53	0.13 80	0.29 179	0.21 173	0.38 106	0.46 242	0.31 150	0.44 230	0.34 197	0.24 164	0.28 97	0.12 1	0.08 87	0.28 359	0.12 257	0.11 232	0.08 64	0.37 358

tt1	0.22 92	0.16 143	0.49 101	0.26 229	0.15 157	0.31 208	0.19 123	0.38 106	0.46 242	0.21 31	0.19 24	0.13 11	0.16 61	0.28 97	0.12 1	0.08 87	0.28 359	0.08 59	0.06 22	0.08 64	0.37 358

CES	0.14 1	0.08 2	0.24 1	0.17 4	0.23 308	0.18 13	0.15 25	0.24 7	0.20 5	0.14 5	0.18 21	0.14 21	0.10 3	0.19 21	0.12 1	0.07 13	0.05 3	0.06 1	0.04 1	0.08 64	0.20 267

ff7	0.18 21	0.13 73	0.41 32	0.21 53	0.15 157	0.21 64	0.17 54	0.28 17	0.23 15	0.21 31	0.13 5	0.12 3	0.12 15	0.27 79	0.13 7	0.07 13	0.25 346	0.08 59	0.07 44	0.08 64	0.36 350

ffff	0.18 21	0.13 73	0.41 32	0.21 53	0.15 157	0.21 64	0.17 54	0.28 17	0.23 15	0.21 31	0.13 5	0.12 3	0.12 15	0.27 79	0.13 7	0.07 13	0.25 346	0.08 59	0.07 44	0.08 64	0.36 350

11t	0.18 21	0.13 73	0.41 32	0.21 53	0.15 157	0.21 64	0.17 54	0.28 17	0.23 15	0.21 31	0.13 5	0.12 3	0.12 15	0.27 79	0.13 7	0.07 13	0.25 346	0.08 59	0.07 44	0.08 64	0.36 350

CASnet	0.15 4	0.13 73	0.30 4	0.22 85	0.08 2	0.15 4	0.14 12	0.28 17	0.26 48	0.23 54	0.20 29	0.15 27	0.11 9	0.18 12	0.13 7	0.07 13	0.05 3	0.11 227	0.09 164	0.08 64	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.20 56	0.09 3	0.32 8	0.39 355	0.34 355	0.21 64	0.16 40	0.30 37	0.18 1	0.17 15	0.17 17	0.13 11	0.16 61	0.27 79	0.13 7	0.07 13	0.29 370	0.07 13	0.09 164	0.07 30	0.37 358

Any-RAFT	0.18 21	0.09 3	0.33 10	0.19 13	0.10 17	0.29 179	0.16 40	0.44 173	0.32 107	0.25 71	0.27 74	0.29 155	0.16 61	0.23 39	0.13 7	0.08 87	0.07 92	0.06 1	0.05 8	0.07 30	0.07 11

anonymousdsp	0.20 56	0.13 73	0.49 101	0.28 285	0.20 271	0.21 64	0.17 54	0.29 28	0.24 24	0.22 47	0.13 5	0.12 3	0.12 15	0.32 137	0.13 7	0.07 13	0.26 352	0.08 59	0.07 44	0.08 64	0.48 377

ProNet	0.16 11	0.13 73	0.36 18	0.21 53	0.15 157	0.20 48	0.19 123	0.29 28	0.23 15	0.14 5	0.13 5	0.13 11	0.12 15	0.25 53	0.13 7	0.06 1	0.09 167	0.07 13	0.06 22	0.07 30	0.22 284

ccc-4	0.18 21	0.13 73	0.41 32	0.21 53	0.15 157	0.21 64	0.17 54	0.28 17	0.23 15	0.21 31	0.13 5	0.12 3	0.12 15	0.27 79	0.13 7	0.07 13	0.25 346	0.08 59	0.07 44	0.08 64	0.36 350

IGEV-Stereo	0.20 56	0.13 73	0.49 101	0.28 285	0.20 271	0.21 64	0.17 54	0.29 28	0.24 24	0.22 47	0.13 5	0.12 3	0.12 15	0.32 137	0.13 7	0.07 13	0.26 352	0.08 59	0.07 44	0.08 64	0.48 377
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GMOStereo	0.20 56	0.17 166	0.45 55	0.23 128	0.18 231	0.21 64	0.27 268	0.28 17	0.28 65	0.31 150	0.32 114	0.28 143	0.17 76	0.16 3	0.13 7	0.07 13	0.23 337	0.10 181	0.08 103	0.08 64	0.07 11

error version	0.20 56	0.17 166	0.45 55	0.23 128	0.18 231	0.21 64	0.27 268	0.28 17	0.28 65	0.31 150	0.32 114	0.28 143	0.17 76	0.16 3	0.13 7	0.07 13	0.23 337	0.10 181	0.08 103	0.08 64	0.07 11

test-v	0.20 56	0.17 166	0.45 55	0.23 128	0.18 231	0.21 64	0.27 268	0.28 17	0.28 65	0.31 150	0.32 114	0.28 143	0.17 76	0.16 3	0.13 7	0.07 13	0.23 337	0.10 181	0.08 103	0.08 64	0.07 11

CroCo-Stereo	0.15 4	0.16 143	0.34 12	0.25 197	0.12 48	0.11 1	0.18 91	0.35 80	0.24 24	0.13 1	0.13 5	0.18 46	0.12 15	0.15 1	0.13 7	0.08 87	0.06 34	0.07 13	0.05 8	0.07 30	0.06 4
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
test-2	0.20 56	0.17 166	0.45 55	0.23 128	0.18 231	0.21 64	0.27 268	0.28 17	0.28 65	0.31 150	0.32 114	0.28 143	0.17 76	0.16 3	0.13 7	0.07 13	0.23 337	0.10 181	0.08 103	0.08 64	0.07 11

TANstereo	0.16 11	0.11 27	0.43 45	0.16 3	0.08 2	0.25 129	0.14 12	0.23 3	0.29 78	0.25 71	0.30 95	0.16 31	0.12 15	0.18 12	0.13 7	0.08 87	0.07 92	0.06 1	0.05 8	0.07 30	0.08 37

XX-Stereo	0.25 171	0.11 27	1.09 341	0.35 340	0.38 367	0.23 102	0.13 2	0.43 155	0.19 3	0.20 27	0.40 191	0.31 174	0.10 3	0.33 146	0.13 7	0.08 87	0.11 212	0.08 59	0.09 164	0.07 30	0.10 98

MyStereo07	0.18 21	0.15 123	0.44 52	0.22 85	0.16 186	0.25 129	0.22 195	0.31 51	0.26 48	0.22 47	0.13 5	0.12 3	0.13 30	0.33 146	0.14 24	0.07 13	0.13 242	0.09 119	0.09 164	0.09 131	0.11 127

MSKI-zero shot	0.19 36	0.10 11	0.47 72	0.30 305	0.14 107	0.21 64	0.14 12	0.33 67	0.22 12	0.24 60	0.25 58	0.22 72	0.10 3	0.32 137	0.14 24	0.07 13	0.30 371	0.07 13	0.07 44	0.06 2	0.09 57

LoS_RVC	0.14 1	0.11 27	0.32 8	0.18 8	0.16 186	0.20 48	0.18 91	0.21 2	0.18 1	0.14 5	0.20 29	0.12 3	0.17 76	0.17 8	0.14 24	0.06 1	0.05 3	0.06 1	0.04 1	0.05 1	0.14 205

CAS	0.16 11	0.07 1	0.29 3	0.42 365	0.17 211	0.20 48	0.18 91	0.23 3	0.20 5	0.15 9	0.19 24	0.11 2	0.10 3	0.15 1	0.14 24	0.31 370	0.04 1	0.06 1	0.04 1	0.06 2	0.16 226

LoS	0.15 4	0.09 3	0.34 12	0.17 4	0.09 5	0.22 86	0.14 12	0.27 13	0.27 57	0.15 9	0.18 21	0.19 52	0.14 40	0.23 39	0.14 24	0.08 87	0.06 34	0.06 1	0.04 1	0.06 2	0.06 4

Selective-IGEV	0.15 4	0.10 11	0.34 12	0.32 320	0.19 254	0.16 5	0.14 12	0.29 28	0.20 5	0.13 1	0.14 14	0.13 11	0.08 1	0.23 39	0.14 24	0.06 1	0.13 242	0.07 13	0.06 22	0.06 2	0.11 127

MC-Stereo	0.18 21	0.10 11	0.36 18	0.28 285	0.14 107	0.18 13	0.15 25	0.24 7	0.20 5	0.21 31	0.24 54	0.16 31	0.13 30	0.25 53	0.14 24	0.07 13	0.17 299	0.07 13	0.07 44	0.06 2	0.30 336

TRStereo	0.22 92	0.21 210	0.62 226	0.40 359	0.19 254	0.22 86	0.16 40	0.58 293	0.30 92	0.21 31	0.21 41	0.22 72	0.13 30	0.27 79	0.14 24	0.09 142	0.09 167	0.09 119	0.11 232	0.06 2	0.19 255

XX-TBD	0.16 11	0.21 210	0.43 45	0.22 85	0.10 17	0.23 102	0.15 25	0.23 3	0.28 65	0.22 47	0.26 65	0.14 21	0.12 15	0.16 3	0.14 24	0.08 87	0.05 3	0.06 1	0.04 1	0.07 30	0.06 4

CFNet-RSSM	0.18 21	0.10 11	0.45 55	0.20 34	0.12 48	0.20 48	0.16 40	0.40 131	0.31 99	0.23 54	0.21 41	0.26 127	0.15 49	0.21 24	0.14 24	0.07 13	0.05 3	0.07 13	0.07 44	0.06 2	0.06 4

Gwc-CoAtRS	0.17 18	0.10 11	0.41 32	0.20 34	0.12 48	0.20 48	0.15 25	0.34 71	0.29 78	0.23 54	0.23 49	0.27 131	0.15 49	0.21 24	0.14 24	0.07 13	0.06 34	0.07 13	0.07 44	0.06 2	0.07 11

CREStereo	0.14 1	0.09 3	0.27 2	0.14 1	0.08 2	0.22 86	0.15 25	0.26 10	0.26 48	0.16 11	0.21 41	0.14 21	0.13 30	0.19 21	0.14 24	0.09 142	0.05 3	0.06 1	0.04 1	0.07 30	0.06 4
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.16 11	0.09 3	0.31 6	0.15 2	0.09 5	0.23 102	0.15 25	0.26 10	0.24 24	0.17 15	0.21 41	0.16 31	0.14 40	0.23 39	0.14 24	0.29 366	0.05 3	0.06 1	0.04 1	0.07 30	0.07 11

RAFT-Test	0.19 36	0.11 27	0.41 32	0.26 229	0.21 284	0.26 142	0.17 54	0.37 97	0.26 48	0.24 60	0.29 84	0.32 184	0.14 40	0.22 35	0.15 37	0.07 13	0.08 138	0.07 13	0.07 44	0.06 2	0.07 11

HH	0.22 92	0.12 57	0.55 173	0.32 320	0.16 186	0.27 148	0.18 91	0.36 85	0.25 42	0.20 27	0.26 65	0.34 197	0.18 102	0.33 146	0.15 37	0.07 13	0.16 281	0.07 13	0.07 44	0.07 30	0.31 339

HanStereo	0.22 92	0.12 57	0.55 173	0.32 320	0.16 186	0.27 148	0.18 91	0.36 85	0.25 42	0.20 27	0.26 65	0.34 197	0.18 102	0.33 146	0.15 37	0.07 13	0.16 281	0.07 13	0.07 44	0.07 30	0.31 339

EGLCR-Stereo	0.19 36	0.09 3	0.34 12	0.29 298	0.17 211	0.28 162	0.16 40	0.30 37	0.23 15	0.22 47	0.11 1	0.16 31	0.09 2	0.28 97	0.15 37	0.07 13	0.25 346	0.07 13	0.07 44	0.06 2	0.37 358

RCA-Stereo	0.17 18	0.10 11	0.33 10	0.20 34	0.11 25	0.19 22	0.17 54	0.39 122	0.36 149	0.21 31	0.25 58	0.17 38	0.17 76	0.18 12	0.15 37	0.07 13	0.14 251	0.07 13	0.06 22	0.06 2	0.08 37

CroCo-Stereo Lap2	0.16 11	0.18 183	0.39 26	0.26 229	0.18 231	0.11 1	0.19 123	0.30 37	0.22 12	0.13 1	0.16 16	0.15 27	0.11 9	0.17 8	0.15 37	0.07 13	0.07 92	0.08 59	0.06 22	0.08 64	0.07 11

RAFT_CTSACE	0.23 121	0.21 210	0.57 190	0.26 229	0.15 157	0.22 86	0.23 218	0.34 71	0.30 92	0.34 198	0.51 278	0.31 174	0.17 76	0.33 146	0.15 37	0.06 1	0.09 167	0.09 119	0.08 103	0.08 64	0.07 11

sAnonymous2	0.21 79	0.24 247	0.79 283	0.24 165	0.17 211	0.22 86	0.20 154	0.36 85	0.29 78	0.17 15	0.19 24	0.17 38	0.16 61	0.18 12	0.15 37	0.10 197	0.07 92	0.09 119	0.08 103	0.23 344	0.18 240

CroCo_RVC	0.21 79	0.24 247	0.79 283	0.24 165	0.17 211	0.22 86	0.20 154	0.36 85	0.29 78	0.17 15	0.19 24	0.17 38	0.16 61	0.18 12	0.15 37	0.10 197	0.07 92	0.09 119	0.08 103	0.23 344	0.18 240

AE-Stereo	0.21 79	0.12 57	0.50 119	0.25 197	0.15 157	0.24 120	0.18 91	0.40 131	0.34 129	0.19 23	0.26 65	0.21 69	0.13 30	0.22 35	0.16 46	0.07 13	0.26 352	0.09 119	0.10 208	0.07 30	0.31 339

MIM_Stereo	0.20 56	0.17 166	0.55 173	0.20 34	0.21 284	0.17 9	0.14 12	0.37 97	0.27 57	0.28 91	0.35 143	0.23 85	0.13 30	0.28 97	0.16 46	0.06 1	0.08 138	0.09 119	0.08 103	0.08 64	0.15 216

DLNR_Zeroshot_test	10.53 417	12.28 426	20.32 425	105.84 438	23.88 435	0.14 3	0.13 2	3.20 412	0.20 5	0.16 11	0.23 49	0.16 31	0.10 3	0.32 137	0.16 46	2.54 413	0.32 376	0.07 13	0.07 44	40.17 436	0.28 330

Sa-1000	0.24 147	0.20 203	0.53 157	0.23 128	0.14 107	0.30 190	0.23 218	0.50 219	0.41 193	0.30 135	0.50 275	0.26 127	0.19 119	0.33 146	0.16 46	0.08 87	0.10 192	0.10 181	0.11 232	0.08 64	0.08 37

PSM-AAD	0.26 190	0.11 27	0.43 45	0.24 165	0.12 48	0.27 148	0.37 325	0.36 85	0.30 92	0.36 224	0.39 184	0.28 143	0.77 366	0.30 123	0.16 46	0.07 13	0.06 34	0.12 257	0.11 232	0.09 131	0.21 276

KYRaft	0.23 121	0.11 27	0.43 45	0.23 128	0.12 48	0.23 102	0.23 218	0.37 97	0.26 48	0.35 213	0.53 291	0.34 197	0.26 187	0.29 114	0.16 46	0.07 13	0.05 3	0.09 119	0.10 208	0.08 64	0.30 336

AnonymousM	0.19 36	0.20 203	0.30 4	0.18 8	0.10 17	0.19 22	0.17 54	0.32 55	0.27 57	0.27 85	0.21 41	0.18 46	0.14 40	0.21 24	0.16 46	0.09 142	0.08 138	0.38 373	0.15 316	0.06 2	0.08 37

cross-raft	0.18 21	0.12 57	0.40 30	0.27 261	0.16 186	0.20 48	0.24 240	0.34 71	0.24 24	0.23 54	0.28 78	0.29 155	0.15 49	0.19 21	0.16 46	0.06 1	0.05 3	0.08 59	0.07 44	0.07 30	0.07 11

Prome-Stereo	0.22 92	0.10 11	0.43 45	0.24 165	0.13 80	0.23 102	0.23 218	0.37 97	0.27 57	0.33 184	0.58 309	0.24 100	0.28 212	0.30 123	0.16 46	0.07 13	0.05 3	0.08 59	0.07 44	0.08 64	0.20 267

iRaftStereo_RVC	0.17 18	0.16 143	0.35 16	0.21 53	0.11 25	0.20 48	0.17 54	0.34 71	0.25 42	0.20 27	0.25 58	0.19 52	0.12 15	0.21 24	0.16 46	0.07 13	0.12 228	0.10 181	0.09 164	0.09 131	0.14 205

CREStereo++_RVC	0.16 11	0.09 3	0.42 40	0.17 4	0.11 25	0.18 13	0.13 2	0.23 3	0.31 99	0.21 31	0.31 105	0.13 11	0.11 9	0.17 8	0.16 46	0.07 13	0.04 1	0.06 1	0.15 316	0.06 2	0.05 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
sCroCo_RVC	0.19 36	0.15 123	0.60 217	0.27 261	0.18 231	0.23 102	0.16 40	0.28 17	0.24 24	0.14 5	0.22 47	0.17 38	0.14 40	0.22 35	0.16 46	0.11 228	0.11 212	0.09 119	0.09 164	0.09 131	0.10 98

test croco	0.18 21	0.16 143	0.59 210	0.21 53	0.13 80	0.16 5	0.17 54	0.29 28	0.23 15	0.16 11	0.26 65	0.13 11	0.17 76	0.27 79	0.17 58	0.09 142	0.06 34	0.10 181	0.07 44	0.10 177	0.07 11

StereoIM	0.15 4	0.17 166	0.39 26	0.19 13	0.15 157	0.16 5	0.13 2	0.26 10	0.22 12	0.13 1	0.15 15	0.14 21	0.11 9	0.17 8	0.17 58	0.08 87	0.07 92	0.08 59	0.06 22	0.07 30	0.06 4

MIF-Stereo	0.15 4	0.12 57	0.45 55	0.21 53	0.14 107	0.17 9	0.13 2	0.20 1	0.19 3	0.16 11	0.20 29	0.10 1	0.11 9	0.18 12	0.17 58	0.08 87	0.06 34	0.07 13	0.06 22	0.08 64	0.07 11

anonymousdsp2	0.23 121	0.11 27	0.42 40	0.26 229	0.24 319	0.25 129	0.17 54	0.43 155	0.37 162	0.30 135	0.23 49	0.24 100	0.15 49	0.32 137	0.17 58	0.07 13	0.28 359	0.07 13	0.05 8	0.08 64	0.44 371

knoymous	0.18 21	0.10 11	0.35 16	0.17 4	0.11 25	0.21 64	0.17 54	0.33 67	0.24 24	0.24 60	0.28 78	0.27 131	0.16 61	0.24 45	0.17 58	0.09 142	0.06 34	0.09 119	0.06 22	0.09 131	0.10 98

DisPM	0.20 56	0.11 27	0.52 147	0.24 165	0.13 80	0.18 13	0.19 123	0.30 37	0.31 99	0.33 184	0.34 137	0.23 85	0.16 61	0.34 160	0.17 58	0.09 142	0.06 34	0.09 119	0.08 103	0.08 64	0.12 162

RAFT+CT+SA	0.23 121	0.24 247	0.48 84	0.25 197	0.18 231	0.23 102	0.29 286	0.42 150	0.38 169	0.24 60	0.39 184	0.20 59	0.17 76	0.34 160	0.17 58	0.07 13	0.07 92	0.09 119	0.12 269	0.09 131	0.13 182

SA	0.24 147	0.22 224	0.55 173	0.23 128	0.14 107	0.25 129	0.23 218	0.48 204	0.42 205	0.28 91	0.44 230	0.23 85	0.23 146	0.34 160	0.17 58	0.07 13	0.09 167	0.11 227	0.11 232	0.08 64	0.09 57

GLC_STEREO	0.15 4	0.11 27	0.31 6	0.22 85	0.09 5	0.17 9	0.15 25	0.24 7	0.28 65	0.17 15	0.20 29	0.17 38	0.11 9	0.24 45	0.17 58	0.07 13	0.09 167	0.09 119	0.08 103	0.07 30	0.07 11

LCNet	0.22 92	0.12 57	0.42 40	0.26 229	0.12 48	0.23 102	0.19 123	0.36 85	0.28 65	0.28 91	0.35 143	0.26 127	0.30 235	0.35 167	0.17 58	0.07 13	0.05 3	0.09 119	0.10 208	0.13 255	0.22 284

PSM-adaLoss	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.19 22	0.15 25	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.25 53	0.17 58	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

ROB_FTStereo	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.19 22	0.13 2	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.25 53	0.17 58	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

HUI-Stereo	0.19 36	0.13 73	0.52 147	0.22 85	0.11 25	0.19 22	0.14 12	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.23 39	0.17 58	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

GrayStereo	0.26 190	0.10 11	0.45 55	0.27 261	0.14 107	0.23 102	0.46 352	0.36 85	0.33 121	0.40 267	0.47 262	0.30 165	0.78 367	0.29 114	0.17 58	0.07 13	0.06 34	0.08 59	0.09 164	0.07 30	0.15 216

GMM-Stereo	0.22 92	0.10 11	0.56 183	0.23 128	0.13 80	0.24 120	0.24 240	0.38 106	0.29 78	0.31 150	0.44 230	0.27 131	0.21 132	0.31 132	0.17 58	0.07 13	0.05 3	0.10 181	0.09 164	0.08 64	0.19 255

s12784h	0.18 21	0.09 3	0.38 24	0.18 8	0.07 1	0.33 227	0.19 123	0.39 122	0.34 129	0.24 60	0.25 58	0.18 46	0.18 102	0.25 53	0.17 58	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.05 1

raftrobust	0.19 36	0.19 191	0.42 40	0.23 128	0.24 319	0.19 22	0.13 2	0.33 67	0.28 65	0.26 76	0.20 29	0.19 52	0.17 76	0.23 39	0.17 58	0.08 87	0.10 192	0.07 13	0.06 22	0.07 30	0.09 57

RAFT-Stereo + iAFF	0.20 56	0.23 237	0.49 101	0.21 53	0.16 186	0.19 22	0.17 54	0.35 80	0.32 107	0.26 76	0.33 129	0.20 59	0.17 76	0.21 24	0.17 58	0.06 1	0.10 192	0.07 13	0.07 44	0.07 30	0.11 127

AFF-stereo	0.20 56	0.24 247	0.49 101	0.22 85	0.11 25	0.18 13	0.18 91	0.35 80	0.29 78	0.25 71	0.36 156	0.25 111	0.17 76	0.25 53	0.17 58	0.06 1	0.09 167	0.08 59	0.08 103	0.08 64	0.11 127

MIF-Stereo (partial)	0.18 21	0.13 73	0.50 119	0.22 85	0.15 157	0.16 5	0.13 2	0.29 28	0.26 48	0.17 15	0.26 65	0.16 31	0.17 76	0.25 53	0.18 77	0.09 142	0.06 34	0.10 181	0.08 103	0.09 131	0.08 37

EKT-Stereo	0.39 294	0.13 73	0.53 157	0.42 365	3.94 414	0.22 86	0.17 54	0.38 106	0.30 92	0.21 31	0.20 29	0.23 85	0.15 49	0.30 123	0.18 77	0.10 197	0.08 138	0.09 119	0.08 103	0.09 131	0.12 162

LL-Strereo2	0.21 79	0.25 260	0.53 157	0.32 320	0.20 271	0.25 129	0.14 12	0.32 55	0.25 42	0.25 71	0.20 29	0.24 100	0.12 15	0.28 97	0.18 77	0.07 13	0.07 92	0.12 257	0.09 164	0.09 131	0.16 226

4D-IteraStereo	0.20 56	0.21 210	0.62 226	0.21 53	0.14 107	0.19 22	0.17 54	0.29 28	0.28 65	0.24 60	0.20 29	0.20 59	0.10 3	0.22 35	0.18 77	0.07 13	0.07 92	0.10 181	0.08 103	0.08 64	0.33 344

DCRE	0.24 147	0.15 123	0.45 55	0.26 229	0.26 332	0.23 102	0.21 173	0.37 97	0.29 78	0.23 54	0.81 356	0.23 85	0.16 61	0.24 45	0.18 77	0.07 13	0.14 251	0.07 13	0.08 103	0.07 30	0.25 312

Selective-RAFT	0.19 36	0.14 107	0.37 23	0.24 165	0.11 25	0.30 190	0.15 25	0.35 80	0.34 129	0.17 15	0.17 17	0.22 72	0.18 102	0.29 114	0.18 77	0.07 13	0.16 281	0.07 13	0.07 44	0.08 64	0.08 37

TestStereo1	0.23 121	0.22 224	0.50 119	0.27 261	0.14 107	0.26 142	0.27 268	0.43 155	0.38 169	0.29 114	0.39 184	0.23 85	0.21 132	0.33 146	0.18 77	0.08 87	0.08 138	0.09 119	0.08 103	0.08 64	0.10 98

raft_robust	0.25 171	0.23 237	0.44 52	0.22 85	0.13 80	0.23 102	0.22 195	0.52 234	0.50 279	0.33 184	0.32 114	0.33 190	0.23 146	0.55 234	0.18 77	0.07 13	0.11 212	0.08 59	0.10 208	0.08 64	0.07 11

SA-5K	0.23 121	0.22 224	0.50 119	0.27 261	0.14 107	0.26 142	0.27 268	0.43 155	0.38 169	0.29 114	0.39 184	0.23 85	0.21 132	0.33 146	0.18 77	0.08 87	0.08 138	0.09 119	0.08 103	0.08 64	0.10 98

test_4	0.19 36	0.16 143	0.39 26	0.24 165	0.13 80	0.19 22	0.21 173	0.27 13	0.24 24	0.24 60	0.47 262	0.22 72	0.13 30	0.27 79	0.18 77	0.06 1	0.06 34	0.09 119	0.09 164	0.07 30	0.06 4

PFNet+	0.21 79	0.11 27	0.54 167	0.22 85	0.12 48	0.17 9	0.18 91	0.31 51	0.36 149	0.33 184	0.32 114	0.24 100	0.16 61	0.33 146	0.18 77	0.10 197	0.07 92	0.11 227	0.10 208	0.08 64	0.12 162

Patchmatch Stereo++	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.19 22	0.14 12	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.27 79	0.18 77	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57
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
FTStereo	0.28 213	0.11 27	0.56 183	0.24 165	0.13 80	0.21 64	0.52 365	0.36 85	0.28 65	0.38 247	0.94 368	0.30 165	0.56 344	0.33 146	0.18 77	0.08 87	0.06 34	0.09 119	0.08 103	0.08 64	0.19 255

ROB_FTStereo_v2	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.19 22	0.15 25	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.25 53	0.18 77	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

SST-Stereo	0.22 92	0.11 27	0.52 147	0.25 197	0.14 107	0.19 22	0.17 54	0.32 55	0.26 48	0.34 198	0.33 129	0.29 155	0.25 175	0.56 239	0.18 77	0.08 87	0.05 3	0.10 181	0.08 103	0.09 131	0.07 11

iGMRVC	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.19 22	0.15 25	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.27 79	0.18 77	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

iRAFT	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.19 22	0.14 12	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.27 79	0.18 77	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

RAFT	0.24 147	0.24 247	0.46 67	0.27 261	0.15 157	0.26 142	0.26 263	0.37 97	0.31 99	0.34 198	0.34 137	0.41 246	0.22 137	0.30 123	0.18 77	0.08 87	0.15 272	0.11 227	0.10 208	0.11 218	0.13 182

RAFT-IKP	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.18 13	0.15 25	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.26 70	0.18 77	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

R-Stereo Train	0.19 36	0.10 11	0.49 101	0.22 85	0.12 48	0.23 102	0.18 91	0.43 155	0.20 5	0.31 150	0.45 243	0.20 59	0.14 40	0.18 12	0.18 77	0.08 87	0.06 34	0.07 13	0.06 22	0.06 2	0.07 11

RAFT-Stereo	0.19 36	0.10 11	0.49 101	0.22 85	0.12 48	0.23 102	0.18 91	0.43 155	0.20 5	0.31 150	0.45 243	0.20 59	0.14 40	0.18 12	0.18 77	0.08 87	0.06 34	0.07 13	0.06 22	0.06 2	0.07 11
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
whm_eth	0.24 147	0.21 210	0.72 263	0.24 165	0.19 254	0.21 64	0.19 123	0.40 131	0.43 215	0.31 150	0.60 317	0.15 27	0.18 102	0.26 70	0.19 98	0.09 142	0.08 138	0.10 181	0.09 164	0.09 131	0.13 182

StereoVision	0.23 121	0.23 237	0.55 173	0.27 261	0.17 211	0.23 102	0.22 195	0.40 131	0.32 107	0.21 31	0.51 278	0.22 72	0.16 61	0.29 114	0.19 98	0.11 228	0.12 228	0.13 280	0.13 293	0.10 177	0.08 37

test_5	0.25 171	0.25 260	0.57 190	0.27 261	0.18 231	0.25 129	0.29 286	0.42 150	0.39 180	0.29 114	0.40 191	0.27 131	0.23 146	0.35 167	0.19 98	0.07 13	0.07 92	0.09 119	0.09 164	0.10 177	0.14 205

IPLGR	0.22 92	0.14 107	0.75 268	0.21 53	0.11 25	0.25 129	0.18 91	0.44 173	0.38 169	0.29 114	0.28 78	0.21 69	0.19 119	0.37 179	0.19 98	0.07 13	0.06 34	0.08 59	0.07 44	0.07 30	0.07 11

test-3	0.18 21	0.10 11	0.48 84	0.23 128	0.14 107	0.18 13	0.16 40	0.32 55	0.29 78	0.26 76	0.17 17	0.22 72	0.13 30	0.26 70	0.19 98	0.06 1	0.14 251	0.08 59	0.08 103	0.06 2	0.10 98

test_1	0.18 21	0.10 11	0.48 84	0.23 128	0.14 107	0.18 13	0.16 40	0.32 55	0.29 78	0.26 76	0.17 17	0.22 72	0.13 30	0.26 70	0.19 98	0.06 1	0.14 251	0.08 59	0.08 103	0.06 2	0.10 98

NRIStereo	0.20 56	0.12 57	0.50 119	0.23 128	0.11 25	0.24 120	0.19 123	0.30 37	0.28 65	0.26 76	0.26 65	0.25 111	0.18 102	0.34 160	0.19 98	0.08 87	0.06 34	0.09 119	0.07 44	0.09 131	0.09 57

RAFT_R40	0.22 92	0.11 27	0.52 147	0.25 197	0.13 80	0.18 13	0.18 91	0.32 55	0.31 99	0.33 184	0.33 129	0.30 165	0.23 146	0.55 234	0.19 98	0.08 87	0.05 3	0.10 181	0.08 103	0.09 131	0.07 11

DeepStereo_RVC	0.19 36	0.12 57	0.47 72	0.22 85	0.11 25	0.19 22	0.16 40	0.29 28	0.24 24	0.28 91	0.27 74	0.23 85	0.28 212	0.24 45	0.19 98	0.08 87	0.06 34	0.09 119	0.07 44	0.09 131	0.10 98

CRE-IMP	0.19 36	0.13 73	0.51 131	0.23 128	0.11 25	0.24 120	0.17 54	0.31 51	0.24 24	0.27 85	0.26 65	0.24 100	0.17 76	0.24 45	0.19 98	0.09 142	0.05 3	0.10 181	0.07 44	0.10 177	0.10 98

Anonymous3	0.24 147	0.19 191	0.76 272	0.27 261	0.18 231	0.41 286	0.24 240	0.45 180	0.36 149	0.23 54	0.27 74	0.20 59	0.18 102	0.28 97	0.19 98	0.12 256	0.11 212	0.10 181	0.10 208	0.11 218	0.13 182

TestStereo	0.22 92	0.24 247	0.48 84	0.25 197	0.11 25	0.22 86	0.22 195	0.32 55	0.31 99	0.24 60	0.34 137	0.23 85	0.19 119	0.62 268	0.19 98	0.08 87	0.07 92	0.10 181	0.07 44	0.11 218	0.07 11

Anonymous	0.21 79	0.15 123	0.63 231	0.27 261	0.20 271	0.26 142	0.27 268	0.34 71	0.27 57	0.18 22	0.19 24	0.15 27	0.19 119	0.25 53	0.19 98	0.10 197	0.09 167	0.09 119	0.09 164	0.15 282	0.13 182

111	0.22 92	0.22 224	0.57 190	0.19 13	0.09 5	0.24 120	0.17 54	0.44 173	0.46 242	0.24 60	0.30 95	0.29 155	0.22 137	0.25 53	0.19 98	0.08 87	0.05 3	0.07 13	0.06 22	0.07 30	0.15 216

ARAFT	0.26 190	0.30 292	0.87 304	0.22 85	0.12 48	0.30 190	0.24 240	0.46 186	0.34 129	0.33 184	0.28 78	0.29 155	0.20 125	0.49 209	0.19 98	0.08 87	0.06 34	0.12 257	0.11 232	0.09 131	0.09 57

GMStereo	0.21 79	0.30 292	0.57 190	0.21 53	0.12 48	0.24 120	0.18 91	0.30 37	0.41 193	0.26 76	0.24 54	0.17 38	0.16 61	0.25 53	0.19 98	0.10 197	0.07 92	0.08 59	0.08 103	0.11 218	0.09 57
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
MyStereo06	0.23 121	0.15 123	0.74 265	0.22 85	0.14 107	0.25 129	0.22 195	0.43 155	0.25 42	0.36 224	0.24 54	0.34 197	0.18 102	0.24 45	0.20 114	0.07 13	0.12 228	0.09 119	0.09 164	0.09 131	0.11 127

CoDeX	0.24 147	0.13 73	0.48 84	0.22 85	0.14 107	0.29 179	0.21 173	0.55 262	0.42 205	0.29 114	0.36 156	0.28 143	0.23 146	0.48 207	0.20 114	0.09 142	0.06 34	0.08 59	0.07 44	0.08 64	0.08 37

IGEV_Zeroshot_test	0.23 121	0.11 27	0.82 290	0.21 53	0.23 308	0.20 48	0.19 123	0.38 106	0.23 15	0.34 198	0.22 47	0.29 155	0.14 40	0.24 45	0.20 114	0.07 13	0.09 167	0.08 59	0.08 103	0.08 64	0.35 349

DCANet-4	0.20 56	0.11 27	0.58 203	0.19 13	0.09 5	0.19 22	0.18 91	0.39 122	0.42 205	0.29 114	0.31 105	0.17 38	0.22 137	0.21 24	0.20 114	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 57

fff	0.20 56	0.15 123	0.57 190	0.19 13	0.09 5	0.19 22	0.18 91	0.38 106	0.46 242	0.29 114	0.31 105	0.18 46	0.28 212	0.21 24	0.20 114	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 57

ADStereo(finetuned)	0.21 79	0.15 123	0.59 210	0.19 13	0.09 5	0.19 22	0.18 91	0.37 97	0.41 193	0.30 135	0.31 105	0.19 52	0.31 248	0.21 24	0.20 114	0.07 13	0.05 3	0.07 13	0.05 8	0.07 30	0.10 98

MIPNet	0.22 92	0.19 191	0.64 235	0.22 85	0.12 48	0.28 162	0.20 154	0.48 204	0.39 180	0.31 150	0.24 54	0.19 52	0.24 164	0.28 97	0.20 114	0.07 13	0.05 3	0.08 59	0.07 44	0.07 30	0.08 37

test_3	0.20 56	0.12 57	0.49 101	0.26 229	0.14 107	0.22 86	0.25 253	0.34 71	0.33 121	0.25 71	0.18 21	0.23 85	0.13 30	0.25 53	0.20 114	0.06 1	0.14 251	0.09 119	0.10 208	0.07 30	0.10 98

TransformOpticalFlow	0.24 147	0.14 107	0.57 190	0.24 165	0.11 25	0.21 64	0.19 123	0.43 155	0.34 129	0.30 135	0.43 221	0.36 216	0.31 248	0.61 260	0.20 114	0.07 13	0.05 3	0.08 59	0.07 44	0.06 2	0.08 37

raft+_RVC	0.21 79	0.21 210	0.46 67	0.22 85	0.35 358	0.21 64	0.16 40	0.39 122	0.35 136	0.22 47	0.28 78	0.20 59	0.15 49	0.25 53	0.20 114	0.08 87	0.16 281	0.08 59	0.07 44	0.07 30	0.12 162

RALCasStereoNet	0.22 92	0.22 224	0.48 84	0.23 128	0.23 308	0.22 86	0.18 91	0.32 55	0.27 57	0.22 47	0.30 95	0.22 72	0.15 49	0.29 114	0.20 114	0.08 87	0.22 329	0.07 13	0.06 22	0.10 177	0.25 312

RALAANet	0.21 79	0.24 247	0.53 157	0.23 128	0.14 107	0.22 86	0.13 2	0.38 106	0.30 92	0.29 114	0.26 65	0.25 111	0.15 49	0.28 97	0.20 114	0.08 87	0.08 138	0.09 119	0.08 103	0.10 177	0.07 11

DCANet	0.20 56	0.15 123	0.57 190	0.19 13	0.09 5	0.19 22	0.18 91	0.37 97	0.41 193	0.30 135	0.31 105	0.19 52	0.23 146	0.21 24	0.20 114	0.07 13	0.05 3	0.07 13	0.05 8	0.07 30	0.10 98

csc	0.20 56	0.15 123	0.57 190	0.19 13	0.09 5	0.19 22	0.18 91	0.38 106	0.46 242	0.29 114	0.31 105	0.18 46	0.28 212	0.21 24	0.20 114	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 57

cscssc	0.20 56	0.15 123	0.57 190	0.19 13	0.09 5	0.19 22	0.18 91	0.38 106	0.46 242	0.29 114	0.31 105	0.18 46	0.28 212	0.21 24	0.20 114	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 57

SFCPSM	0.23 121	0.12 57	0.51 131	0.21 53	0.14 107	0.34 241	0.22 195	0.57 281	0.41 193	0.29 114	0.32 114	0.23 85	0.22 137	0.28 97	0.20 114	0.10 197	0.07 92	0.09 119	0.10 208	0.09 131	0.09 57

DIP-Stereo	0.20 56	0.13 73	0.48 84	0.20 34	0.13 80	0.28 162	0.12 1	0.43 155	0.26 48	0.27 85	0.32 114	0.21 69	0.17 76	0.26 70	0.20 114	0.08 87	0.06 34	0.08 59	0.06 22	0.07 30	0.10 98
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
qqq1	0.26 190	0.13 73	0.47 72	0.20 34	0.10 17	0.28 162	0.19 123	0.54 251	0.48 261	0.35 213	0.42 209	0.31 174	0.27 193	0.60 254	0.21 131	0.10 197	0.16 281	0.07 13	0.07 44	0.08 64	0.13 182

fff1	0.26 190	0.13 73	0.47 72	0.20 34	0.10 17	0.28 162	0.19 123	0.54 251	0.48 261	0.35 213	0.42 209	0.31 174	0.27 193	0.60 254	0.21 131	0.10 197	0.16 281	0.07 13	0.07 44	0.08 64	0.13 182

GMStereo_Zeroshot	0.25 171	0.22 224	0.51 131	0.27 261	0.14 107	0.28 162	0.15 25	0.40 131	0.36 149	0.37 239	0.43 221	0.40 239	0.17 76	0.35 167	0.21 131	0.12 256	0.07 92	0.13 280	0.07 44	0.17 303	0.10 98

PCWNet_CMD	0.23 121	0.14 107	0.48 84	0.21 53	0.13 80	0.28 162	0.17 54	0.47 195	0.47 255	0.30 135	0.36 156	0.37 220	0.24 164	0.29 114	0.21 131	0.09 142	0.06 34	0.10 181	0.08 103	0.11 218	0.11 127

CASS	0.22 92	0.16 143	0.40 30	0.26 229	0.12 48	0.29 179	0.19 123	0.40 131	0.32 107	0.34 198	0.35 143	0.25 111	0.25 175	0.26 70	0.21 131	0.13 273	0.08 138	0.11 227	0.09 164	0.11 218	0.12 162
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
UDGNet	0.24 147	0.37 327	0.53 157	0.25 197	0.14 107	0.24 120	0.18 91	0.32 55	0.44 222	0.29 114	0.28 78	0.24 100	0.20 125	0.30 123	0.21 131	0.16 314	0.07 92	0.21 347	0.11 232	0.16 291	0.11 127

NF-Stereo	0.22 92	0.11 27	0.52 147	0.25 197	0.12 48	0.21 64	0.18 91	0.40 131	0.35 136	0.28 91	0.30 95	0.22 72	0.17 76	0.52 224	0.21 131	0.09 142	0.06 34	0.09 119	0.08 103	0.08 64	0.13 182

OCTAStereo	0.22 92	0.11 27	0.52 147	0.25 197	0.12 48	0.21 64	0.18 91	0.40 131	0.35 136	0.28 91	0.30 95	0.22 72	0.17 76	0.51 218	0.21 131	0.09 142	0.06 34	0.09 119	0.08 103	0.08 64	0.13 182

PSM-softLoss	0.22 92	0.11 27	0.53 157	0.25 197	0.12 48	0.20 48	0.17 54	0.39 122	0.29 78	0.29 114	0.32 114	0.24 100	0.16 61	0.53 226	0.21 131	0.09 142	0.06 34	0.10 181	0.09 164	0.08 64	0.12 162

KMStereo	0.22 92	0.11 27	0.53 157	0.25 197	0.12 48	0.20 48	0.17 54	0.39 122	0.29 78	0.29 114	0.32 114	0.24 100	0.16 61	0.53 226	0.21 131	0.09 142	0.06 34	0.10 181	0.09 164	0.08 64	0.12 162

RE-Stereo	0.22 92	0.11 27	0.52 147	0.25 197	0.12 48	0.21 64	0.18 91	0.40 131	0.35 136	0.28 91	0.30 95	0.22 72	0.17 76	0.51 218	0.21 131	0.09 142	0.06 34	0.09 119	0.08 103	0.08 64	0.13 182

TVStereo	0.22 92	0.11 27	0.52 147	0.25 197	0.12 48	0.21 64	0.18 91	0.40 131	0.35 136	0.28 91	0.30 95	0.22 72	0.17 76	0.51 218	0.21 131	0.09 142	0.06 34	0.09 119	0.08 103	0.08 64	0.13 182

rafts_anoy	0.21 79	0.22 224	0.49 101	0.25 197	0.24 319	0.19 22	0.17 54	0.34 71	0.32 107	0.24 60	0.25 58	0.20 59	0.16 61	0.25 53	0.21 131	0.08 87	0.19 310	0.11 227	0.12 269	0.09 131	0.09 57

HCRNet	0.25 171	0.27 276	0.42 40	0.34 335	0.17 211	0.27 148	0.18 91	0.45 180	0.37 162	0.31 150	0.35 143	0.32 184	0.23 146	0.44 196	0.21 131	0.13 273	0.08 138	0.13 280	0.11 232	0.11 218	0.09 57

MSMDNet	0.23 121	0.14 107	0.49 101	0.20 34	0.13 80	0.28 162	0.17 54	0.47 195	0.47 255	0.30 135	0.36 156	0.37 220	0.24 164	0.29 114	0.21 131	0.09 142	0.07 92	0.09 119	0.08 103	0.11 218	0.11 127

CFNet_ucs	0.25 171	0.14 107	0.51 131	0.20 34	0.15 157	0.29 179	0.18 91	0.51 229	0.46 242	0.32 175	0.42 209	0.38 226	0.23 146	0.31 132	0.22 146	0.11 228	0.08 138	0.12 257	0.09 164	0.13 255	0.13 182

riskmin	0.24 147	0.10 11	0.43 45	0.32 320	0.26 332	0.33 227	0.19 123	0.44 173	0.30 92	0.24 60	0.27 74	0.37 220	0.25 175	0.30 123	0.22 146	0.09 142	0.18 306	0.09 119	0.13 293	0.10 177	0.27 324

BUS	0.24 147	0.13 73	0.36 18	0.25 197	0.14 107	0.44 300	0.17 54	0.59 301	0.36 149	0.34 198	0.35 143	0.31 174	0.22 137	0.27 79	0.22 146	0.10 197	0.07 92	0.11 227	0.10 208	0.09 131	0.10 98

NINENet	0.27 206	0.16 143	0.49 101	0.23 128	0.16 186	0.44 300	0.17 54	0.63 329	0.49 274	0.33 184	0.38 170	0.31 174	0.22 137	0.43 193	0.22 146	0.11 228	0.10 192	0.12 257	0.08 103	0.12 243	0.11 127

CIPLG	0.23 121	0.28 283	0.75 268	0.24 165	0.16 186	0.25 129	0.20 154	0.38 106	0.33 121	0.32 175	0.34 137	0.23 85	0.15 49	0.27 79	0.22 146	0.09 142	0.07 92	0.08 59	0.07 44	0.08 64	0.09 57

IPLGR_C	0.23 121	0.29 286	0.81 287	0.24 165	0.16 186	0.24 120	0.20 154	0.38 106	0.33 121	0.32 175	0.33 129	0.23 85	0.15 49	0.26 70	0.22 146	0.09 142	0.07 92	0.08 59	0.07 44	0.08 64	0.09 57

ACRE	0.23 121	0.27 276	0.83 292	0.24 165	0.15 157	0.24 120	0.20 154	0.38 106	0.32 107	0.32 175	0.33 129	0.23 85	0.15 49	0.26 70	0.22 146	0.09 142	0.07 92	0.08 59	0.07 44	0.08 64	0.09 57

GANet-ADL	0.22 92	0.14 107	0.51 131	0.23 128	0.14 107	0.29 179	0.19 123	0.48 204	0.36 149	0.26 76	0.33 129	0.32 184	0.20 125	0.26 70	0.22 146	0.11 228	0.07 92	0.07 13	0.06 22	0.09 131	0.11 127

ASMatch	0.23 121	0.11 27	0.55 173	0.25 197	0.14 107	0.19 22	0.16 40	0.32 55	0.30 92	0.28 91	0.68 338	0.28 143	0.26 187	0.50 213	0.22 146	0.07 13	0.06 34	0.08 59	0.07 44	0.06 2	0.11 127

Pruner-Stereo	0.20 56	0.12 57	0.49 101	0.29 298	0.12 48	0.19 22	0.17 54	0.32 55	0.31 99	0.33 184	0.32 114	0.25 111	0.15 49	0.25 53	0.22 146	0.09 142	0.06 34	0.09 119	0.08 103	0.08 64	0.10 98

RAFT-345	0.22 92	0.11 27	0.55 173	0.22 85	0.12 48	0.20 48	0.16 40	0.27 13	0.28 65	0.27 85	0.65 332	0.20 59	0.17 76	0.55 234	0.22 146	0.07 13	0.06 34	0.08 59	0.07 44	0.06 2	0.07 11

test-1	0.20 56	0.12 57	0.49 101	0.23 128	0.23 308	0.22 86	0.23 218	0.36 85	0.29 78	0.21 31	0.25 58	0.24 100	0.14 40	0.18 12	0.22 146	0.07 13	0.14 251	0.08 59	0.07 44	0.06 2	0.14 205

CFNet_pseudo	0.23 121	0.14 107	0.48 84	0.20 34	0.13 80	0.27 148	0.17 54	0.46 186	0.45 233	0.30 135	0.37 164	0.38 226	0.23 146	0.30 123	0.22 146	0.09 142	0.06 34	0.11 227	0.08 103	0.11 218	0.11 127

ccs_rob	0.23 121	0.14 107	0.48 84	0.20 34	0.13 80	0.27 148	0.17 54	0.46 186	0.45 233	0.30 135	0.37 164	0.38 226	0.23 146	0.30 123	0.22 146	0.09 142	0.06 34	0.11 227	0.08 103	0.12 243	0.11 127

DN-CSS_ROB	0.24 147	0.33 306	0.69 250	0.25 197	0.14 107	0.26 142	0.13 2	0.42 150	0.35 136	0.30 135	0.42 209	0.22 72	0.20 125	0.34 160	0.22 146	0.07 13	0.06 34	0.11 227	0.11 232	0.11 218	0.09 57

IER	0.24 147	0.15 123	0.50 119	0.21 53	0.15 157	0.31 208	0.20 154	0.44 173	0.38 169	0.34 198	0.41 202	0.32 184	0.34 264	0.31 132	0.23 161	0.09 142	0.07 92	0.08 59	0.08 103	0.09 131	0.09 57

IPLG	0.23 121	0.19 191	0.65 238	0.21 53	0.12 48	0.28 162	0.17 54	0.45 180	0.32 107	0.33 184	0.32 114	0.16 31	0.17 76	0.50 213	0.23 161	0.07 13	0.06 34	0.08 59	0.07 44	0.07 30	0.08 37

PFNet	0.24 147	0.11 27	0.63 231	0.25 197	0.14 107	0.22 86	0.19 123	0.40 131	0.35 136	0.36 224	0.32 114	0.27 131	0.20 125	0.63 271	0.23 161	0.09 142	0.05 3	0.09 119	0.08 103	0.08 64	0.08 37

IRAFT_RVC	0.23 121	0.15 123	0.54 167	0.26 229	0.12 48	0.19 22	0.23 218	0.41 149	0.39 180	0.31 150	0.30 95	0.29 155	0.24 164	0.55 234	0.23 161	0.08 87	0.06 34	0.10 181	0.08 103	0.08 64	0.08 37

GES	0.23 121	0.14 107	0.54 167	0.21 53	0.14 107	0.28 162	0.19 123	0.51 229	0.35 136	0.31 150	0.36 156	0.25 111	0.24 164	0.30 123	0.23 161	0.11 228	0.09 167	0.08 59	0.08 103	0.10 177	0.12 162

anonymousa	0.26 190	0.13 73	0.56 183	0.29 298	0.30 349	0.31 208	0.20 154	0.38 106	0.36 149	0.33 184	0.51 278	0.41 246	0.27 193	0.25 53	0.24 166	0.08 87	0.18 306	0.09 119	0.18 340	0.08 64	0.17 238

iRaft-Stereo_20w	0.29 227	0.11 27	0.86 302	0.33 331	0.24 319	0.32 221	0.26 263	0.60 310	0.26 48	0.41 277	0.21 41	0.28 143	0.19 119	0.32 137	0.24 166	0.07 13	0.31 375	0.07 13	0.09 164	0.08 64	0.47 375

DAS	0.28 213	0.13 73	0.49 101	0.24 165	0.18 231	0.30 190	0.24 240	0.48 204	0.48 261	0.42 281	0.45 243	0.34 197	0.31 248	0.76 318	0.24 166	0.09 142	0.07 92	0.09 119	0.07 44	0.10 177	0.11 127

SepStereo	0.27 206	0.13 73	0.49 101	0.24 165	0.18 231	0.30 190	0.24 240	0.48 204	0.48 261	0.42 281	0.45 243	0.34 197	0.31 248	0.64 276	0.24 166	0.09 142	0.07 92	0.09 119	0.07 44	0.10 177	0.11 127

STrans-v2	0.25 171	0.14 107	0.56 183	0.21 53	0.12 48	0.23 102	0.20 154	0.50 219	0.31 99	0.31 150	0.42 209	0.35 211	0.35 271	0.62 268	0.24 166	0.07 13	0.05 3	0.08 59	0.07 44	0.06 2	0.08 37

OMP-Stereo	0.24 147	0.16 143	0.48 84	0.30 305	0.13 80	0.21 64	0.16 40	0.38 106	0.35 136	0.34 198	0.30 95	0.33 190	0.20 125	0.70 296	0.24 166	0.08 87	0.06 34	0.09 119	0.07 44	0.08 64	0.07 11

RAFT-RH_RVC	0.26 190	0.13 73	0.57 190	0.22 85	0.12 48	0.25 129	0.14 12	0.27 13	0.29 78	0.38 247	1.14 376	0.23 85	0.18 102	0.58 243	0.24 166	0.07 13	0.06 34	0.10 181	0.07 44	0.06 2	0.08 37

FENet	0.22 92	0.13 73	0.48 84	0.22 85	0.12 48	0.27 148	0.18 91	0.43 155	0.37 162	0.31 150	0.32 114	0.29 155	0.23 146	0.27 79	0.24 166	0.10 197	0.07 92	0.09 119	0.09 164	0.09 131	0.11 127

PSMNet-RSSM	0.26 190	0.21 210	0.50 119	0.21 53	0.14 107	0.25 129	0.21 173	0.50 219	0.38 169	0.31 150	0.45 243	0.40 239	0.27 193	0.53 226	0.24 166	0.12 256	0.08 138	0.11 227	0.13 293	0.10 177	0.10 98

UCFNet_RVC	0.25 171	0.21 210	0.49 101	0.19 13	0.15 157	0.34 241	0.18 91	0.47 195	0.36 149	0.30 135	0.35 143	0.40 239	0.26 187	0.35 167	0.24 166	0.13 273	0.08 138	0.13 280	0.14 307	0.13 255	0.13 182

AdaStereo	0.25 171	0.17 166	0.47 72	0.25 197	0.13 80	0.33 227	0.17 54	0.57 281	0.43 215	0.34 198	0.38 170	0.35 211	0.21 132	0.32 137	0.24 166	0.14 294	0.06 34	0.13 280	0.09 164	0.11 218	0.09 57
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.
HSM	0.29 227	0.18 183	0.48 84	0.21 53	0.15 157	0.33 227	0.20 154	0.55 262	0.39 180	0.36 224	0.39 184	0.67 354	0.32 259	0.88 343	0.24 166	0.09 142	0.07 92	0.08 59	0.07 44	0.09 131	0.10 98

MyStereo05	0.24 147	0.15 123	0.58 203	0.22 85	0.14 107	0.25 129	0.22 195	0.50 219	0.54 301	0.32 175	0.23 49	0.26 127	0.23 146	0.32 137	0.25 178	0.07 13	0.12 228	0.09 119	0.09 164	0.09 131	0.11 127

MyStereo04	0.24 147	0.15 123	0.58 203	0.22 85	0.16 186	0.25 129	0.22 195	0.51 229	0.54 301	0.29 114	0.23 49	0.27 131	0.23 146	0.32 137	0.25 178	0.07 13	0.13 242	0.09 119	0.09 164	0.09 131	0.11 127

11t1	0.21 79	0.12 57	0.45 55	0.20 34	0.15 157	0.27 148	0.17 54	0.37 97	0.28 65	0.27 85	0.25 58	0.24 100	0.23 146	0.28 97	0.25 178	0.09 142	0.19 310	0.07 13	0.07 44	0.09 131	0.23 291

LL-Strereo	0.32 254	0.33 306	0.77 278	0.26 229	0.24 319	0.22 86	0.23 218	0.58 293	0.44 222	0.35 213	0.32 114	0.41 246	0.40 296	0.93 356	0.25 178	0.08 87	0.13 242	0.11 227	0.09 164	0.09 131	0.22 284

ICVP	0.24 147	0.13 73	0.45 55	0.26 229	0.14 107	0.30 190	0.25 253	0.47 195	0.35 136	0.29 114	0.43 221	0.35 211	0.25 175	0.28 97	0.25 178	0.12 256	0.09 167	0.09 119	0.09 164	0.09 131	0.11 127
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
EAI-Stereo	0.29 227	0.11 27	0.38 24	0.22 85	0.18 231	0.33 227	1.66 408	0.53 244	0.27 57	0.27 85	0.50 275	0.17 38	0.16 61	0.25 53	0.25 178	0.07 13	0.07 92	0.07 13	0.11 232	0.07 30	0.10 98

GANet-RSSM	0.26 190	0.19 191	0.54 167	0.21 53	0.14 107	0.27 148	0.22 195	0.47 195	0.34 129	0.30 135	0.40 191	0.41 246	0.30 235	0.59 249	0.25 178	0.11 228	0.08 138	0.09 119	0.09 164	0.10 177	0.10 98

HSM-Net_RVC	0.28 213	0.12 57	0.48 84	0.19 13	0.11 25	0.35 254	0.21 173	0.64 335	0.44 222	0.40 267	0.43 221	0.50 300	0.27 193	0.75 312	0.25 178	0.08 87	0.07 92	0.08 59	0.07 44	0.08 64	0.09 57
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NOSS_ROB	0.33 261	0.24 247	0.49 101	0.27 261	0.16 186	0.34 241	0.19 123	0.55 262	0.50 279	0.34 198	0.37 164	0.42 256	0.30 235	0.93 356	0.25 178	0.19 345	0.20 318	0.24 356	0.22 356	0.17 303	0.25 312

gwcnet-sp	0.25 171	0.16 143	0.70 253	0.23 128	0.14 107	0.34 241	0.22 195	0.46 186	0.41 193	0.37 239	0.35 143	0.27 131	0.27 193	0.36 171	0.26 187	0.09 142	0.08 138	0.09 119	0.09 164	0.10 177	0.10 98

scenet	0.25 171	0.16 143	0.70 253	0.23 128	0.14 107	0.34 241	0.22 195	0.46 186	0.41 193	0.37 239	0.35 143	0.27 131	0.27 193	0.36 171	0.26 187	0.09 142	0.08 138	0.09 119	0.09 164	0.10 177	0.10 98

ssnet	0.25 171	0.16 143	0.70 253	0.23 128	0.14 107	0.34 241	0.22 195	0.46 186	0.41 193	0.37 239	0.35 143	0.27 131	0.27 193	0.36 171	0.26 187	0.09 142	0.08 138	0.09 119	0.09 164	0.10 177	0.10 98

hknet	0.26 190	0.15 123	0.49 101	0.25 197	0.16 186	0.35 254	0.22 195	0.59 301	0.40 188	0.34 198	0.35 143	0.43 262	0.28 212	0.38 181	0.26 187	0.09 142	0.07 92	0.11 227	0.10 208	0.09 131	0.10 98

dd	0.23 121	0.32 302	0.55 173	0.23 128	0.12 48	0.27 148	0.21 173	0.32 55	0.45 233	0.30 135	0.29 84	0.25 111	0.17 76	0.31 132	0.26 187	0.13 273	0.07 92	0.10 181	0.08 103	0.12 243	0.09 57

IIG-Stereo	0.24 147	0.16 143	0.47 72	0.29 298	0.12 48	0.23 102	0.14 12	0.40 131	0.33 121	0.35 213	0.37 164	0.33 190	0.22 137	0.70 296	0.26 187	0.08 87	0.06 34	0.09 119	0.07 44	0.08 64	0.07 11

pcwnet_v2	0.32 254	0.16 143	1.22 360	0.23 128	0.19 254	0.32 221	0.19 123	0.61 317	0.61 328	0.37 239	0.45 243	0.35 211	0.29 228	0.37 179	0.26 187	0.14 294	0.11 212	0.12 257	0.11 232	0.14 275	0.18 240

HBP-ISP	0.34 269	0.35 318	0.76 272	0.23 128	0.17 211	0.33 227	0.22 195	0.56 272	0.47 255	0.42 281	0.49 273	0.33 190	0.41 301	0.73 303	0.27 194	0.18 336	0.19 310	0.24 356	0.20 347	0.16 291	0.16 226

dad	0.30 239	0.38 333	0.60 217	0.22 85	0.14 107	0.32 221	0.21 173	0.35 80	0.51 285	0.45 303	0.45 243	0.46 279	0.23 146	0.41 188	0.27 194	0.21 348	0.11 212	0.20 344	0.11 232	0.15 282	0.11 127

cf-r	0.26 190	0.22 224	0.66 241	0.22 85	0.14 107	0.28 162	0.22 195	0.44 173	0.42 205	0.32 175	0.42 209	0.43 262	0.27 193	0.44 196	0.27 194	0.11 228	0.07 92	0.08 59	0.10 208	0.08 64	0.09 57

FADNet-RVC-Resample	0.31 249	0.32 302	1.16 349	0.27 261	0.17 211	0.33 227	0.21 173	0.49 211	0.40 188	0.36 224	0.38 170	0.34 197	0.27 193	0.54 231	0.27 194	0.10 197	0.10 192	0.14 298	0.13 293	0.13 255	0.18 240

CVANet_RVC	0.34 269	0.25 260	0.77 278	0.27 261	0.17 211	0.34 241	0.28 282	0.55 262	0.50 279	0.43 290	0.46 255	0.44 268	0.31 248	0.90 348	0.27 194	0.15 306	0.10 192	0.14 298	0.14 307	0.15 282	0.15 216

HITNet	0.22 92	0.23 237	0.60 217	0.20 34	0.09 5	0.27 148	0.15 25	0.45 180	0.33 121	0.29 114	0.33 129	0.27 131	0.22 137	0.29 114	0.27 194	0.07 13	0.05 3	0.07 13	0.06 22	0.09 131	0.11 127
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
1test111	0.22 92	0.16 143	0.50 119	0.27 261	0.13 80	0.31 208	0.19 123	0.43 155	0.32 107	0.21 31	0.20 29	0.13 11	0.17 76	0.36 171	0.28 200	0.08 87	0.28 359	0.08 59	0.06 22	0.09 131	0.23 291

mmm	0.25 171	0.15 123	0.44 52	0.23 128	0.20 271	0.28 162	0.21 173	0.43 155	0.32 107	0.31 150	0.40 191	0.30 165	0.24 164	0.31 132	0.28 200	0.09 142	0.21 323	0.11 227	0.12 269	0.10 177	0.26 321

qqq	0.24 147	0.16 143	0.46 67	0.20 34	0.15 157	0.23 102	0.20 154	0.43 155	0.32 107	0.26 76	0.31 105	0.28 143	0.25 175	0.36 171	0.28 200	0.08 87	0.22 329	0.10 181	0.11 232	0.09 131	0.23 291

BSDual-CNN	0.24 147	0.13 73	0.36 18	0.25 197	0.14 107	0.35 254	0.22 195	0.59 301	0.36 149	0.34 198	0.35 143	0.38 226	0.25 175	0.27 79	0.28 200	0.10 197	0.07 92	0.11 227	0.10 208	0.09 131	0.10 98

iRaft-Stereo_5w	0.25 171	0.24 247	0.50 119	0.23 128	0.18 231	0.19 22	0.19 123	0.39 122	0.35 136	0.28 91	0.36 156	0.34 197	0.23 146	0.66 286	0.28 200	0.07 13	0.07 92	0.08 59	0.07 44	0.09 131	0.14 205

psmg	0.24 147	0.13 73	0.36 18	0.21 53	0.14 107	0.35 254	0.23 218	0.54 251	0.36 149	0.36 224	0.38 170	0.38 226	0.25 175	0.27 79	0.28 200	0.10 197	0.08 138	0.10 181	0.10 208	0.09 131	0.09 57

AACVNet	0.28 213	0.22 224	0.55 173	0.23 128	0.14 107	0.30 190	0.19 123	0.43 155	0.33 121	0.39 258	0.42 209	0.44 268	0.29 228	0.73 303	0.28 200	0.11 228	0.09 167	0.11 227	0.09 164	0.13 255	0.12 162

GwcNet-ADL	0.23 121	0.15 123	0.58 203	0.24 165	0.13 80	0.23 102	0.24 240	0.51 229	0.41 193	0.28 91	0.29 84	0.30 165	0.20 125	0.27 79	0.28 200	0.09 142	0.07 92	0.07 13	0.07 44	0.09 131	0.11 127

CFNet-ft	0.26 190	0.21 210	0.51 131	0.19 13	0.16 186	0.31 208	0.21 173	0.40 131	0.37 162	0.29 114	0.40 191	0.46 279	0.27 193	0.49 209	0.28 200	0.12 256	0.07 92	0.12 257	0.11 232	0.12 243	0.11 127

CFNet	0.29 227	0.29 286	0.57 190	0.23 128	0.14 107	0.34 241	0.15 25	0.53 244	0.46 242	0.31 150	0.40 191	0.38 226	0.27 193	0.76 318	0.28 200	0.10 197	0.07 92	0.11 227	0.11 232	0.11 218	0.09 57

CFNet_RVC	0.26 190	0.21 210	0.51 131	0.19 13	0.16 186	0.31 208	0.21 173	0.40 131	0.37 162	0.29 114	0.40 191	0.46 279	0.27 193	0.49 209	0.28 200	0.12 256	0.07 92	0.12 257	0.11 232	0.12 243	0.11 127

DeepPruner_ROB	0.28 213	0.25 260	0.64 235	0.22 85	0.16 186	0.30 190	0.21 173	0.54 251	0.33 121	0.36 224	0.38 170	0.38 226	0.26 187	0.45 202	0.28 200	0.15 306	0.11 212	0.11 227	0.11 232	0.14 275	0.14 205

iResNet_ROB	0.27 206	0.27 276	0.48 84	0.21 53	0.12 48	0.32 221	0.17 54	0.57 281	0.55 309	0.39 258	0.44 230	0.37 220	0.28 212	0.43 193	0.28 200	0.08 87	0.06 34	0.06 1	0.05 8	0.09 131	0.11 127

MyStereo8	0.25 171	0.20 203	0.69 250	0.24 165	0.17 211	0.31 208	0.16 40	0.50 219	0.32 107	0.29 114	0.38 170	0.25 111	0.19 119	0.33 146	0.29 213	0.08 87	0.20 318	0.08 59	0.08 103	0.10 177	0.16 226

GEStereo_RVC	0.29 227	0.24 247	0.60 217	0.27 261	0.16 186	0.33 227	0.25 253	0.58 293	0.56 313	0.35 213	0.38 170	0.34 197	0.25 175	0.51 218	0.29 213	0.12 256	0.08 138	0.09 119	0.08 103	0.11 218	0.13 182

x	0.23 121	0.15 123	0.45 55	0.20 34	0.15 157	0.27 148	0.17 54	0.43 155	0.35 136	0.26 76	0.31 105	0.29 155	0.25 175	0.29 114	0.30 215	0.09 142	0.22 329	0.08 59	0.09 164	0.09 131	0.24 303

CSP-Net	0.28 213	0.17 166	0.41 32	0.22 85	0.14 107	0.44 300	0.24 240	0.52 234	0.42 205	0.42 281	0.44 230	0.42 256	0.27 193	0.66 286	0.30 215	0.12 256	0.09 167	0.08 59	0.08 103	0.10 177	0.10 98

SACVNet	0.32 254	0.25 260	0.59 210	0.26 229	0.19 254	0.35 254	0.25 253	0.54 251	0.41 193	0.43 290	0.45 243	0.46 279	0.34 264	0.71 299	0.30 215	0.14 294	0.10 192	0.12 257	0.12 269	0.16 291	0.20 267

DMCA	0.24 147	0.18 183	0.51 131	0.23 128	0.14 107	0.27 148	0.20 154	0.45 180	0.40 188	0.32 175	0.33 129	0.33 190	0.25 175	0.27 79	0.30 215	0.11 228	0.08 138	0.10 181	0.08 103	0.11 218	0.12 162

FADNet	0.34 269	0.43 346	0.88 310	0.24 165	0.22 299	0.37 267	0.19 123	0.56 272	0.49 274	0.32 175	0.36 156	0.43 262	0.32 259	0.65 280	0.30 215	0.17 326	0.16 281	0.14 298	0.16 325	0.25 349	0.21 276

STTStereo	0.30 239	0.24 247	0.83 292	0.25 197	0.17 211	0.30 190	0.24 240	0.49 211	0.39 180	0.39 258	0.41 202	0.44 268	0.28 212	0.41 188	0.30 215	0.13 273	0.13 242	0.13 280	0.16 325	0.12 243	0.12 162

TDLM	0.32 254	0.27 276	0.52 147	0.30 305	0.15 157	0.33 227	0.32 307	0.54 251	0.50 279	0.44 296	0.43 221	0.39 236	0.30 235	0.92 355	0.30 215	0.14 294	0.09 167	0.13 280	0.12 269	0.13 255	0.14 205

NVstereo2D	0.32 254	0.18 183	0.63 231	0.24 165	0.23 308	0.43 295	0.28 282	0.60 310	0.58 317	0.28 91	0.39 184	0.42 256	0.30 235	0.71 299	0.30 215	0.13 273	0.09 167	0.13 280	0.10 208	0.20 329	0.18 240

iResNetv2_ROB	0.29 227	0.37 327	0.92 316	0.24 165	0.13 80	0.30 190	0.19 123	0.55 262	0.51 285	0.39 258	0.46 255	0.39 236	0.27 193	0.36 171	0.30 215	0.09 142	0.06 34	0.07 13	0.05 8	0.13 255	0.11 127

IGEVStereo-DCA	0.20 56	0.17 166	0.41 32	0.22 85	0.15 157	0.20 48	0.17 54	0.28 17	0.23 15	0.19 23	0.12 2	0.14 21	0.12 15	0.38 181	0.31 224	0.07 13	0.16 281	0.08 59	0.07 44	0.08 64	0.36 350

rrr	0.22 92	0.17 166	0.79 283	0.22 85	0.15 157	0.20 48	0.18 91	0.40 131	0.27 57	0.19 23	0.12 2	0.14 21	0.12 15	0.38 181	0.31 224	0.07 13	0.16 281	0.08 59	0.07 44	0.08 64	0.28 330

CRFU-Net	0.29 227	0.14 107	0.48 84	0.26 229	0.15 157	0.46 310	0.22 195	0.52 234	0.32 107	0.44 296	0.42 209	0.48 290	0.47 322	0.44 196	0.31 224	0.12 256	0.10 192	0.09 119	0.08 103	0.10 177	0.11 127

HHNet	0.23 121	0.12 57	0.66 241	0.19 13	0.18 231	0.20 48	0.20 154	0.36 85	0.32 107	0.33 184	0.59 313	0.19 52	0.21 132	0.24 45	0.31 224	0.08 87	0.06 34	0.09 119	0.07 44	0.08 64	0.12 162

GwcNet-RSSM	0.28 213	0.25 260	0.61 223	0.22 85	0.14 107	0.28 162	0.24 240	0.46 186	0.44 222	0.33 184	0.46 255	0.41 246	0.28 212	0.55 234	0.31 224	0.11 228	0.07 92	0.09 119	0.10 208	0.10 177	0.09 57

NLCA_NET_v2_RVC	0.29 227	0.24 247	0.81 287	0.26 229	0.18 231	0.30 190	0.22 195	0.52 234	0.41 193	0.38 247	0.42 209	0.42 256	0.28 212	0.46 203	0.31 224	0.11 228	0.08 138	0.10 181	0.11 232	0.10 177	0.12 162
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
ToySt	0.28 213	0.19 191	0.68 249	0.22 85	0.19 254	0.31 208	0.31 301	0.43 155	0.43 215	0.28 91	0.38 170	0.42 256	0.32 259	0.33 146	0.32 230	0.08 87	0.14 251	0.10 181	0.12 269	0.11 218	0.24 303

PSMNet-ADL	0.26 190	0.16 143	0.39 26	0.27 261	0.14 107	0.32 221	0.22 195	0.45 180	0.37 162	0.28 91	0.34 137	0.41 246	0.28 212	0.61 260	0.32 230	0.11 228	0.10 192	0.09 119	0.11 232	0.10 177	0.13 182

RAFT + AFF	0.30 239	0.33 306	0.76 272	0.25 197	0.17 211	0.30 190	0.33 312	0.55 262	0.42 205	0.28 91	0.30 95	0.31 174	0.31 248	0.64 276	0.32 230	0.09 142	0.11 212	0.11 227	0.10 208	0.12 243	0.16 226

psm_up	0.30 239	0.21 210	0.58 203	0.26 229	0.18 231	0.32 221	0.27 268	0.57 281	0.45 233	0.38 247	0.41 202	0.45 273	0.40 296	0.59 249	0.32 230	0.11 228	0.12 228	0.13 280	0.12 269	0.11 218	0.11 127

UNet	0.28 213	0.16 143	0.70 253	0.24 165	0.20 271	0.44 300	0.21 173	0.52 234	0.42 205	0.36 224	0.40 191	0.43 262	0.33 263	0.41 188	0.32 230	0.09 142	0.07 92	0.10 181	0.09 164	0.10 177	0.09 57

MaskLacGwcNet_RVC	0.38 289	0.43 346	0.72 263	0.35 340	0.19 254	0.51 329	0.25 253	0.56 272	0.39 180	0.42 281	0.47 262	0.47 286	0.27 193	0.74 307	0.32 230	0.38 377	0.19 310	0.27 359	0.17 336	0.29 363	0.27 324

PS-NSSS	0.33 261	0.36 324	0.61 223	0.24 165	0.18 231	0.33 227	0.24 240	0.59 301	0.42 205	0.38 247	0.52 284	0.36 216	0.31 248	0.80 328	0.32 230	0.18 336	0.14 251	0.21 347	0.15 316	0.17 303	0.14 205

MLCV	0.25 171	0.23 237	0.59 210	0.22 85	0.09 5	0.30 190	0.18 91	0.40 131	0.38 169	0.38 247	0.44 230	0.31 174	0.22 137	0.44 196	0.32 230	0.07 13	0.05 3	0.07 13	0.06 22	0.07 30	0.08 37

Anonymous_2	0.44 320	0.23 237	0.57 190	0.34 335	0.34 355	0.53 337	0.28 282	0.49 211	0.39 180	0.36 224	0.34 137	0.48 290	0.38 286	0.43 193	0.33 238	0.26 358	0.41 384	0.44 377	1.45 411	0.33 369	0.37 358

test_xeample3	0.22 92	0.17 166	0.81 287	0.21 53	0.15 157	0.20 48	0.18 91	0.40 131	0.25 42	0.19 23	0.12 2	0.13 11	0.12 15	0.34 160	0.33 238	0.07 13	0.20 318	0.07 13	0.08 103	0.08 64	0.34 347

FADNet_RVC	0.31 249	0.35 318	0.98 327	0.24 165	0.16 186	0.30 190	0.17 54	0.52 234	0.39 180	0.30 135	0.38 170	0.30 165	0.29 228	0.54 231	0.33 238	0.14 294	0.14 251	0.14 298	0.16 325	0.21 335	0.24 303

BEATNet_4x	0.25 171	0.25 260	0.66 241	0.23 128	0.10 17	0.29 179	0.14 12	0.49 211	0.34 129	0.31 150	0.35 143	0.32 184	0.26 187	0.34 160	0.33 238	0.08 87	0.06 34	0.08 59	0.07 44	0.11 218	0.13 182

SMFormer	0.27 206	0.13 73	0.47 72	0.20 34	0.10 17	0.28 162	0.19 123	0.54 251	0.48 261	0.35 213	0.42 209	0.31 174	0.27 193	0.60 254	0.34 242	0.10 197	0.16 281	0.08 59	0.09 164	0.10 177	0.16 226

tta	0.27 206	0.13 73	0.47 72	0.20 34	0.10 17	0.28 162	0.19 123	0.54 251	0.48 261	0.35 213	0.42 209	0.31 174	0.27 193	0.60 254	0.34 242	0.10 197	0.16 281	0.08 59	0.09 164	0.08 64	0.13 182

UPFNet	0.27 206	0.15 123	0.47 72	0.25 197	0.20 271	0.37 267	0.27 268	0.50 219	0.40 188	0.36 224	0.38 170	0.37 220	0.29 228	0.40 185	0.34 242	0.10 197	0.10 192	0.10 181	0.10 208	0.10 177	0.08 37

ac_64	0.28 213	0.16 143	0.62 226	0.25 197	0.17 211	0.36 262	0.22 195	0.48 204	0.35 136	0.36 224	0.37 164	0.51 303	0.30 235	0.62 268	0.34 242	0.11 228	0.09 167	0.10 181	0.10 208	0.09 131	0.09 57

HGLStereo	0.29 227	0.19 191	0.60 217	0.24 165	0.21 284	0.33 227	0.23 218	0.52 234	0.44 222	0.36 224	0.49 273	0.41 246	0.35 271	0.46 203	0.34 242	0.11 228	0.11 212	0.09 119	0.09 164	0.11 218	0.12 162

DMCA-RVC	0.30 239	0.27 276	0.93 320	0.28 285	0.17 211	0.30 190	0.21 173	0.43 155	0.36 149	0.40 267	0.38 170	0.39 236	0.36 276	0.44 196	0.34 242	0.13 273	0.10 192	0.16 318	0.12 269	0.13 255	0.11 127

MMNet	0.28 213	0.19 191	0.54 167	0.24 165	0.17 211	0.47 316	0.22 195	0.47 195	0.53 297	0.40 267	0.43 221	0.36 216	0.34 264	0.40 185	0.35 248	0.08 87	0.08 138	0.09 119	0.09 164	0.10 177	0.09 57

ACVNet	0.24 147	0.18 183	0.51 131	0.18 8	0.15 157	0.27 148	0.23 218	0.40 131	0.45 233	0.29 114	0.41 202	0.38 226	0.28 212	0.28 97	0.35 248	0.09 142	0.07 92	0.08 59	0.07 44	0.10 177	0.09 57

hitnet-ft	0.31 249	0.21 210	0.56 183	0.19 13	0.14 107	0.40 282	0.23 218	0.46 186	0.42 205	0.37 239	0.46 255	0.53 312	0.35 271	0.76 318	0.35 248	0.14 294	0.10 192	0.14 298	0.10 208	0.15 282	0.14 205

ADLNet2	0.31 249	0.23 237	0.77 278	0.23 128	0.18 231	0.36 262	0.24 240	0.55 262	0.54 301	0.33 184	0.38 170	0.45 273	0.31 248	0.70 296	0.36 251	0.10 197	0.08 138	0.09 119	0.09 164	0.12 243	0.11 127

ADLNet	0.30 239	0.19 191	0.59 210	0.23 128	0.19 254	0.34 241	0.23 218	0.56 272	0.44 222	0.43 290	0.41 202	0.43 262	0.28 212	0.56 239	0.36 251	0.11 228	0.08 138	0.11 227	0.11 232	0.11 218	0.15 216

delet	0.29 227	0.18 183	0.58 203	0.24 165	0.19 254	0.41 286	0.30 292	0.52 234	0.51 285	0.35 213	0.42 209	0.37 220	0.31 248	0.49 209	0.36 251	0.10 197	0.09 167	0.11 227	0.12 269	0.09 131	0.09 57

acv_ft	0.26 190	0.18 183	0.56 183	0.24 165	0.19 254	0.34 241	0.21 173	0.47 195	0.45 233	0.39 258	0.41 202	0.38 226	0.28 212	0.28 97	0.36 251	0.09 142	0.07 92	0.08 59	0.07 44	0.11 218	0.09 57

FAT-Stereo	0.36 277	0.19 191	0.75 268	0.26 229	0.18 231	0.34 241	0.30 292	0.62 325	0.61 328	0.47 314	0.61 326	0.59 326	0.50 331	0.61 260	0.36 251	0.13 273	0.14 251	0.13 280	0.12 269	0.14 275	0.20 267

FADNet-RVC	0.34 269	0.43 346	0.97 325	0.25 197	0.20 271	0.33 227	0.20 154	0.51 229	0.42 205	0.34 198	0.40 191	0.41 246	0.29 228	0.65 280	0.36 251	0.14 294	0.14 251	0.14 298	0.15 316	0.19 322	0.20 267

stereogan	0.39 294	0.20 203	0.78 282	0.28 285	0.22 299	0.65 355	0.26 263	0.62 325	0.65 337	0.45 303	0.60 317	0.67 354	0.45 313	0.69 293	0.37 257	0.14 294	0.14 251	0.14 298	0.12 269	0.20 329	0.19 255

iResNet	0.25 171	0.22 224	0.62 226	0.26 229	0.11 25	0.31 208	0.23 218	0.46 186	0.45 233	0.34 198	0.43 221	0.27 131	0.23 146	0.36 171	0.37 257	0.08 87	0.05 3	0.07 13	0.06 22	0.08 64	0.10 98

LMCR-Stereo	0.28 213	0.22 224	0.56 183	0.29 298	0.14 107	0.37 267	0.23 218	0.57 281	0.36 149	0.40 267	0.40 191	0.29 155	0.30 235	0.41 188	0.38 259	0.11 228	0.07 92	0.09 119	0.07 44	0.13 255	0.10 98

DSFCA	0.29 227	0.18 183	0.48 84	0.21 53	0.17 211	0.39 276	0.32 307	0.49 211	0.44 222	0.44 296	0.38 170	0.40 239	0.30 235	0.53 226	0.38 259	0.12 256	0.10 192	0.10 181	0.11 232	0.11 218	0.11 127

StereoDRNet-Refined	0.28 213	0.19 191	0.47 72	0.25 197	0.14 107	0.36 262	0.21 173	0.49 211	0.43 215	0.46 308	0.52 284	0.42 256	0.30 235	0.46 203	0.38 259	0.10 197	0.07 92	0.11 227	0.11 232	0.10 177	0.11 127
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.30 239	0.20 203	0.45 55	0.28 285	0.17 211	0.37 267	0.25 253	0.50 219	0.45 233	0.46 308	0.47 262	0.51 303	0.34 264	0.56 239	0.38 259	0.10 197	0.10 192	0.11 227	0.11 232	0.10 177	0.11 127

AASNet	0.29 227	0.27 276	0.67 244	0.26 229	0.18 231	0.34 241	0.21 173	0.64 335	0.49 274	0.36 224	0.41 202	0.32 184	0.26 187	0.33 146	0.39 263	0.12 256	0.09 167	0.10 181	0.08 103	0.14 275	0.12 162

Syn2CoEx	0.39 294	0.39 337	1.08 340	0.35 340	0.21 284	0.41 286	0.29 286	0.63 329	0.51 285	0.43 290	0.56 303	0.45 273	0.45 313	0.69 293	0.39 263	0.17 326	0.14 251	0.16 318	0.12 269	0.13 255	0.16 226

CBFPSM	0.28 213	0.23 237	0.76 272	0.21 53	0.14 107	0.38 273	0.26 263	0.42 150	0.37 162	0.34 198	0.36 156	0.55 315	0.38 286	0.33 146	0.40 265	0.08 87	0.08 138	0.07 13	0.08 103	0.09 131	0.12 162

RASNet	0.30 239	0.19 191	0.59 210	0.23 128	0.19 254	0.33 227	0.20 154	0.50 219	0.41 193	0.31 150	0.44 230	0.47 286	0.38 286	0.79 325	0.40 265	0.09 142	0.07 92	0.07 13	0.09 164	0.08 64	0.10 98

STTRV1_RVC		0.33 306		0.29 298	0.36 363	0.49 325	0.31 301	0.63 329	0.54 301	0.47 314	0.56 303	0.47 286	0.43 308	1.00 363	0.40 265	0.28 364	0.21 323	0.20 344	0.18 340	0.25 349	0.18 240

CC-Net-ROB	0.46 329	0.55 363	0.86 302	0.38 353	0.23 308	0.51 329	0.30 292	0.69 358	0.51 285	0.46 308	0.51 278	0.48 290	0.38 286	0.96 360	0.40 265	0.36 374	0.23 337	0.56 383	0.25 362	0.34 370	0.22 284

GANetREF_RVC	0.45 323	0.52 359	0.87 304	0.39 355	0.20 271	0.51 329	0.50 362	0.68 352	0.67 341	0.47 314	0.46 255	0.50 300	0.43 308	0.91 350	0.40 265	0.28 364	0.21 323	0.32 368	0.19 343	0.28 361	0.23 291
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
fast-acv-ft	0.33 261	0.26 270	0.88 310	0.25 197	0.18 231	0.49 325	0.27 268	0.44 173	0.50 279	0.40 267	0.55 299	0.49 296	0.36 276	0.39 184	0.41 270	0.11 228	0.11 212	0.11 227	0.12 269	0.13 255	0.11 127

DRaft	0.25 171	0.11 27	0.47 72	0.18 8	0.12 48	0.28 162	0.23 218	0.34 71	0.40 188	0.38 247	0.60 317	0.20 59	0.41 301	0.48 207	0.41 270	0.07 13	0.06 34	0.08 59	0.08 103	0.07 30	0.08 37

NCCL2	0.37 284	0.33 306	0.59 210	0.37 345	0.23 308	0.42 291	0.41 343	0.56 272	0.44 222	0.47 314	0.47 262	0.61 333	0.39 293	0.58 243	0.41 270	0.16 314	0.13 242	0.21 347	0.22 356	0.16 291	0.18 240

GASNet	0.39 294	0.58 371	1.27 362	0.35 340	0.23 308	0.35 254	0.23 218	0.63 329	0.56 313	0.41 277	0.38 170	0.45 273	0.30 235	0.81 331	0.42 273	0.16 314	0.11 212	0.14 298	0.14 307	0.23 344	0.12 162

Wz-Net-LNSev	0.36 277	0.35 318	1.06 335	0.26 229	0.21 284	0.47 316	0.33 312	0.56 272	0.58 317	0.45 303	0.54 294	0.50 300	0.37 281	0.40 185	0.42 273	0.12 256	0.11 212	0.10 181	0.09 164	0.14 275	0.15 216

S-Stereo	0.39 294	0.20 203	1.04 332	0.28 285	0.22 299	0.39 276	0.31 301	0.58 293	0.69 347	0.40 267	0.59 313	0.48 290	0.41 301	0.75 312	0.42 273	0.12 256	0.15 272	0.13 280	0.13 293	0.16 291	0.25 312

SQANet	0.44 320	0.57 369	0.89 312	0.49 373	0.39 368	0.47 316	0.23 218	0.53 244	0.44 222	0.41 277	0.48 271	0.47 286	0.34 264	0.58 243	0.43 276	0.38 377	0.15 272	0.40 375	0.21 349	0.50 376	0.34 347

iinet-f	0.31 249	0.23 237	1.16 349	0.20 34	0.16 186	0.44 300	0.23 218	0.47 195	0.38 169	0.36 224	0.44 230	0.41 246	0.35 271	0.36 171	0.43 276	0.10 197	0.09 167	0.08 59	0.08 103	0.13 255	0.12 162

DDUNet	0.45 323	0.60 374	0.71 259	0.45 369	0.39 368	0.46 310	0.32 307	0.53 244	0.44 222	0.46 308	0.53 291	0.57 320	0.38 286	0.51 218	0.43 276	0.34 372	0.21 323	0.56 383	0.25 362	0.41 373	0.36 350

RP	0.38 289	0.26 270	0.67 244	0.31 315	0.24 319	0.37 267	0.29 286	0.53 244	0.61 328	0.42 281	0.65 332	0.62 336	0.51 333	0.63 271	0.43 276	0.17 326	0.15 272	0.17 327	0.15 316	0.17 303	0.19 255

edge stereo	0.40 304	0.22 224	0.87 304	0.27 261	0.22 299	0.38 273	0.26 263	0.59 301	0.56 313	0.53 336	0.60 317	0.71 362	0.50 331	0.78 322	0.43 276	0.16 314	0.15 272	0.19 340	0.14 307	0.17 303	0.19 255

ETE_ROB	0.36 277	0.32 302	0.64 235	0.30 305	0.18 231	0.40 282	0.38 333	0.59 301	0.49 274	0.50 324	0.52 284	0.62 336	0.37 281	0.58 243	0.43 276	0.13 273	0.10 192	0.14 298	0.12 269	0.17 303	0.18 240

CBMV	0.36 277	0.25 260	0.61 223	0.24 165	0.14 107	0.42 291	0.33 312	0.56 272	0.52 296	0.54 339	0.52 284	0.51 303	0.58 347	0.63 271	0.43 276	0.15 306	0.16 281	0.18 334	0.16 325	0.13 255	0.19 255
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ssnet_v2	0.30 239	0.21 210	0.63 231	0.23 128	0.15 157	0.40 282	0.30 292	0.59 301	0.48 261	0.40 267	0.37 164	0.46 279	0.30 235	0.41 188	0.44 283	0.13 273	0.11 212	0.11 227	0.11 232	0.12 243	0.11 127

DEmStereo	0.26 190	0.10 11	0.52 147	0.19 13	0.13 80	0.31 208	0.25 253	0.29 28	0.38 169	0.36 224	0.57 306	0.24 100	0.48 326	0.53 226	0.44 283	0.07 13	0.06 34	0.08 59	0.08 103	0.07 30	0.08 37

THIR-Stereo	0.30 239	0.15 123	0.46 67	0.19 13	0.11 25	0.28 162	0.70 379	0.33 67	0.36 149	0.37 239	0.64 330	0.33 190	0.49 330	0.58 243	0.44 283	0.08 87	0.06 34	0.08 59	0.09 164	0.07 30	0.08 37

DRN-Test	0.35 275	0.20 203	0.75 268	0.28 285	0.19 254	0.46 310	0.29 286	0.68 352	0.54 301	0.49 321	0.47 262	0.44 268	0.35 271	0.63 271	0.44 283	0.13 273	0.09 167	0.13 280	0.12 269	0.13 255	0.13 182

StereoDRNet	0.34 269	0.28 283	0.70 253	0.28 285	0.21 284	0.43 295	0.30 292	0.63 329	0.51 285	0.47 314	0.40 191	0.48 290	0.31 248	0.58 243	0.44 283	0.12 256	0.10 192	0.12 257	0.11 232	0.13 255	0.13 182

Nwc_Net	0.39 294	0.29 286	0.84 295	0.32 320	0.24 319	0.45 308	0.30 292	0.67 347	0.51 285	0.39 258	0.70 342	0.59 326	0.48 326	0.61 260	0.45 288	0.16 314	0.12 228	0.19 340	0.21 349	0.14 275	0.15 216

UDG	0.42 313	0.54 362	0.67 244	0.41 363	0.35 358	0.47 316	0.27 268	0.57 281	0.48 261	0.40 267	0.46 255	0.59 326	0.45 313	0.47 206	0.46 289	0.26 358	0.19 310	0.49 379	0.22 356	0.37 371	0.30 336

GwcNet	0.37 284	0.29 286	1.12 343	0.25 197	0.24 319	0.48 322	0.27 268	0.58 293	0.60 326	0.39 258	0.54 294	0.51 303	0.34 264	0.60 254	0.46 289	0.13 273	0.12 228	0.12 257	0.11 232	0.13 255	0.15 216

RGC	0.41 309	0.35 318	0.76 272	0.35 340	0.28 338	0.41 286	0.29 286	0.60 310	0.55 309	0.47 314	0.64 330	0.63 340	0.47 322	0.74 307	0.46 289	0.16 314	0.15 272	0.21 347	0.21 349	0.19 322	0.21 276

Wz-Net-MNSev	0.39 294	0.35 318	0.99 329	0.26 229	0.21 284	0.59 347	0.39 336	0.58 293	0.61 328	0.49 321	0.56 303	0.53 312	0.37 281	0.61 260	0.47 292	0.11 228	0.09 167	0.11 227	0.11 232	0.15 282	0.15 216

DGSMNet	0.63 363	0.32 302	1.01 330	0.54 376	0.73 389	0.62 350	1.36 406	0.62 325	0.58 317	0.38 247	0.62 328	0.52 308	0.34 264	0.65 280	0.47 292	0.54 382	0.61 399	0.67 388	0.61 396	0.65 384	0.69 394

Wz-Net-LNSev-Ref	0.33 261	0.25 260	0.82 290	0.22 85	0.17 211	0.46 310	0.28 282	0.53 244	0.53 297	0.43 290	0.57 306	0.44 268	0.31 248	0.50 213	0.48 294	0.10 197	0.06 34	0.08 59	0.06 22	0.11 218	0.12 162

APVNet	0.38 289	0.26 270	0.87 304	0.26 229	0.22 299	0.52 334	0.35 318	0.64 335	0.46 242	0.40 267	0.52 284	0.48 290	0.39 293	0.84 337	0.48 294	0.13 273	0.14 251	0.15 312	0.16 325	0.16 291	0.16 226

AF-Net	0.40 304	0.31 295	0.74 265	0.33 331	0.24 319	0.43 295	0.30 292	0.64 335	0.67 341	0.44 296	0.69 341	0.65 347	0.52 335	0.59 249	0.48 294	0.16 314	0.12 228	0.19 340	0.14 307	0.16 291	0.14 205

XPNet_ROB	0.35 275	0.26 270	0.58 203	0.28 285	0.19 254	0.37 267	0.31 301	0.57 281	0.51 285	0.52 330	0.54 294	0.57 320	0.38 286	0.65 280	0.48 294	0.17 326	0.12 228	0.13 280	0.12 269	0.16 291	0.17 238

LALA_ROB	0.38 289	0.31 295	0.65 238	0.30 305	0.21 284	0.46 310	0.39 336	0.63 329	0.54 301	0.53 336	0.52 284	0.69 358	0.36 276	0.52 224	0.48 294	0.18 336	0.11 212	0.16 318	0.14 307	0.17 303	0.16 226

PWCDC_ROB	0.41 309	0.41 342	0.77 278	0.34 335	0.21 284	0.43 295	0.20 154	0.60 310	0.90 370	0.44 296	1.24 381	0.36 216	0.38 286	0.56 239	0.48 294	0.18 336	0.11 212	0.11 227	0.10 208	0.20 329	0.16 226

psmorigin	0.52 342	0.29 286	3.10 404	0.24 165	0.19 254	0.39 276	0.24 240	0.52 234	0.45 233	0.66 355	0.68 338	0.70 361	0.52 335	0.86 340	0.49 300	0.15 306	0.17 299	0.13 280	0.14 307	0.16 291	0.23 291

MFN_U_SF_DS_RVC	0.53 343	0.60 374	0.98 327	0.40 359	0.25 329	0.87 373	0.57 371	0.60 310	0.64 336	0.60 348	0.67 336	0.63 340	0.42 305	1.13 373	0.50 301	0.23 352	0.28 359	0.27 359	0.35 375	0.25 349	0.33 344

DISCO	0.33 261	0.16 143	0.55 173	0.26 229	0.16 186	0.48 322	0.25 253	0.52 234	0.58 317	0.38 247	0.45 243	0.63 340	0.37 281	0.65 280	0.50 301	0.10 197	0.07 92	0.09 119	0.08 103	0.13 255	0.13 182

CBMV_ROB	0.36 277	0.21 210	0.57 190	0.22 85	0.14 107	0.35 254	0.20 154	0.55 262	0.47 255	0.52 330	0.58 309	0.45 273	0.53 340	0.75 312	0.50 301	0.18 336	0.19 310	0.23 354	0.21 349	0.15 282	0.20 267

PASM	0.49 336	0.41 342	1.15 347	0.37 345	0.35 358	0.42 291	0.42 344	0.54 251	0.65 337	0.54 339	0.54 294	0.63 340	0.48 326	0.94 359	0.51 304	0.27 362	0.30 371	0.30 364	0.33 373	0.29 363	0.29 334

SDNR	0.47 332	0.29 286	0.92 316	0.24 165	0.37 364	1.27 392	0.17 54	0.54 251	0.58 317	0.44 296	0.85 360	0.55 315	0.28 212	1.19 377	0.52 305	0.23 352	0.24 345	0.17 327	0.13 293	0.19 322	0.26 321

aanetorigin	0.40 304	0.33 306	1.14 346	0.25 197	0.19 254	0.30 190	0.37 325	0.34 71	0.47 255	0.95 375	0.82 357	0.52 308	0.56 344	0.50 213	0.52 305	0.11 228	0.09 167	0.10 181	0.10 208	0.16 291	0.19 255

PDISCO_ROB	0.45 323	0.37 327	0.89 312	0.44 367	0.37 364	0.70 358	0.35 318	0.75 367	0.78 359	0.45 303	0.53 291	0.65 347	0.40 296	0.68 292	0.52 305	0.22 351	0.12 228	0.21 347	0.19 343	0.26 354	0.22 284

DispFullNet	0.67 366	0.94 389	1.63 381	0.77 390	1.19 407	0.53 337	0.25 253	0.61 317	0.72 353	0.70 359	0.60 317	0.69 358	0.90 377	0.80 328	0.52 305	0.27 362	0.13 242	0.74 391	0.31 372	0.68 387	0.44 371

DeepPrunerF	0.46 329	0.37 327	1.50 376	0.34 335	0.30 349	0.36 262	0.37 325	0.64 335	1.15 389	0.41 277	0.45 243	0.40 239	0.41 301	0.82 332	0.53 309	0.18 336	0.14 251	0.23 354	0.21 349	0.17 303	0.18 240

DANet	0.37 284	0.25 260	0.67 244	0.37 345	0.22 299	0.42 291	0.25 253	0.50 219	0.44 222	0.52 330	0.50 275	0.59 326	0.42 305	0.78 322	0.53 309	0.13 273	0.12 228	0.14 298	0.12 269	0.17 303	0.21 276
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
LSM	1.68 401	0.48 355	2.91 401	2.28 415	17.60 425	0.52 334	0.55 369	0.65 341	0.78 359	0.84 369	1.11 374	0.63 340	0.55 342	0.79 325	0.53 309	0.16 314	0.25 346	0.18 334	0.21 349	0.25 349	2.37 415

PSMNet_ROB	0.36 277	0.31 295	0.71 259	0.31 315	0.21 284	0.44 300	0.44 348	0.61 317	0.49 274	0.39 258	0.45 243	0.49 296	0.32 259	0.66 286	0.53 309	0.14 294	0.10 192	0.15 312	0.14 307	0.13 255	0.13 182

NCC-stereo	0.42 313	0.31 295	0.87 304	0.32 320	0.29 347	0.47 316	0.37 325	0.68 352	0.53 297	0.42 281	0.58 309	0.57 320	0.52 335	0.75 312	0.54 313	0.18 336	0.14 251	0.18 334	0.25 362	0.17 303	0.18 240

Abc-Net	0.42 313	0.31 295	0.87 304	0.32 320	0.29 347	0.47 316	0.37 325	0.68 352	0.53 297	0.42 281	0.58 309	0.57 320	0.52 335	0.75 312	0.54 313	0.18 336	0.14 251	0.18 334	0.25 362	0.17 303	0.18 240
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
AANet_RVC	0.33 261	0.31 295	0.69 250	0.23 128	0.14 107	0.30 190	0.23 218	0.49 211	0.55 309	0.39 258	0.60 317	0.43 262	0.30 235	0.88 343	0.54 313	0.11 228	0.08 138	0.07 13	0.07 44	0.10 177	0.12 162

GANet	0.40 304	0.28 283	0.67 244	0.31 315	0.18 231	0.43 295	0.39 336	0.60 310	0.46 242	0.48 320	0.78 352	0.55 315	0.45 313	0.96 360	0.55 316	0.13 273	0.14 251	0.13 280	0.12 269	0.15 282	0.16 226

CrosDoStereo	0.32 254	0.11 27	0.53 157	0.19 13	0.12 48	0.22 86	1.07 398	0.36 85	0.38 169	0.38 247	0.60 317	0.28 143	0.45 313	0.61 260	0.56 317	0.08 87	0.06 34	0.08 59	0.09 164	0.08 64	0.09 57

DeepStereo_LL	0.32 254	0.11 27	0.53 157	0.19 13	0.12 48	0.22 86	1.07 398	0.36 85	0.38 169	0.38 247	0.60 317	0.28 143	0.45 313	0.61 260	0.56 317	0.08 87	0.06 34	0.08 59	0.09 164	0.08 64	0.09 57

Anonymous Stereo	0.42 313	0.43 346	1.38 368	0.32 320	0.26 332	0.35 254	0.48 356	0.55 262	0.58 317	0.43 290	0.48 271	0.40 239	0.29 228	0.93 356	0.56 317	0.16 314	0.16 281	0.15 312	0.16 325	0.16 291	0.20 267

anonymity	0.57 352	0.55 363	0.74 265	0.48 372	0.63 383	0.56 341	0.43 346	0.71 360	0.51 285	0.64 352	0.55 299	0.57 320	0.61 354	0.65 280	0.57 320	0.55 383	0.55 394	0.50 380	0.54 389	0.51 377	0.61 385

RYNet	0.38 289	0.23 237	0.65 238	0.26 229	0.28 338	0.62 350	0.33 312	0.61 317	0.62 332	0.42 281	0.39 184	0.58 325	0.40 296	0.89 345	0.57 320	0.11 228	0.09 167	0.12 257	0.11 232	0.19 322	0.22 284

Ntro	0.61 359	0.75 382	1.16 349	0.67 382	0.50 375	0.76 363	0.37 325	0.68 352	0.71 351	0.50 324	0.59 313	0.65 347	0.52 335	0.79 325	0.58 322	0.58 386	0.32 376	0.57 386	0.34 374	0.69 389	0.50 380

otaku	0.60 357	0.73 380	1.13 345	0.64 380	0.45 373	0.73 362	0.37 325	0.67 347	0.67 341	0.52 330	0.75 350	0.66 351	0.46 320	0.74 307	0.59 323	0.55 383	0.34 379	0.56 383	0.36 377	0.65 384	0.49 379

G-Net	0.47 332	0.26 270	1.02 331	0.34 335	0.28 338	0.89 375	0.35 318	0.47 195	0.46 242	0.68 357	1.20 378	0.64 345	0.59 349	0.61 260	0.60 324	0.16 314	0.14 251	0.17 327	0.13 293	0.22 339	0.21 276

MDST_ROB	0.51 339	0.16 143	0.97 325	0.31 315	0.21 284	1.35 396	0.34 316	0.80 372	0.59 325	1.09 384	0.74 348	0.49 296	0.37 281	1.31 385	0.60 324	0.14 294	0.12 228	0.16 318	0.13 293	0.13 255	0.18 240

MSMD_ROB	0.63 363	0.34 314	0.70 253	0.30 305	0.25 329	0.88 374	0.35 318	0.58 293	0.67 341	1.13 385	1.52 390	1.75 393	1.05 385	0.90 348	0.60 324	0.24 354	0.22 329	0.27 359	0.27 368	0.25 349	0.27 324

PA-Net	0.40 304	0.35 318	1.05 333	0.32 320	0.28 338	0.39 276	0.43 346	0.53 244	0.56 313	0.35 213	0.43 221	0.41 246	0.36 276	0.83 336	0.61 327	0.12 256	0.23 337	0.16 318	0.23 360	0.13 255	0.20 267
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
FINET	0.58 354	0.48 355	1.35 367	0.38 353	0.37 364	0.96 380	1.13 402	0.84 379	1.05 380	0.50 324	0.70 342	0.45 273	0.61 354	0.63 271	0.62 328	0.26 358	0.28 359	0.14 298	0.13 293	0.20 329	0.44 371

FBW_ROB	0.46 329	0.34 314	0.71 259	0.32 320	0.20 271	0.51 329	0.32 307	0.73 364	0.63 334	0.60 348	0.57 306	0.65 347	0.44 311	1.42 390	0.62 328	0.14 294	0.17 299	0.22 352	0.16 325	0.17 303	0.23 291

PWC_ROB	0.41 309	0.38 333	0.92 316	0.26 229	0.20 271	0.39 276	0.19 123	0.61 317	0.69 347	0.58 347	0.84 359	0.52 308	0.44 311	0.74 307	0.62 328	0.13 273	0.09 167	0.14 298	0.10 208	0.17 303	0.18 240

Consistency-Raft	0.56 350	0.52 359	1.12 343	0.45 369	0.49 374	0.48 322	0.45 349	0.73 364	0.74 357	0.45 303	0.82 357	0.46 279	0.60 350	0.51 218	0.63 331	0.39 379	0.40 382	0.44 377	0.51 388	0.53 379	0.38 366

Wz-Net-SNSev	0.45 323	0.53 361	1.42 372	0.31 315	0.21 284	0.44 300	0.45 349	0.64 335	0.68 345	0.46 308	0.66 334	0.62 336	0.40 296	0.78 322	0.65 332	0.12 256	0.11 212	0.12 257	0.13 293	0.17 303	0.19 255

MFMNet_re	0.74 371	0.84 384	1.16 349	0.64 380	0.70 388	0.79 368	0.71 380	0.77 370	0.85 366	0.79 368	0.86 361	0.69 358	0.80 369	0.73 303	0.65 332	0.66 390	0.59 398	0.61 387	0.58 394	0.68 387	0.71 395

ccnet	0.43 318	0.34 314	0.62 226	0.28 285	0.33 354	0.60 348	0.34 316	0.68 352	0.47 255	0.54 339	0.66 334	0.56 319	0.46 320	0.73 303	0.66 334	0.26 358	0.19 310	0.24 356	0.22 356	0.27 358	0.25 312

SGM-Forest	0.42 313	0.44 350	0.92 316	0.24 165	0.16 186	0.45 308	0.40 340	0.58 293	0.50 279	0.54 339	0.63 329	0.52 308	0.51 333	0.91 350	0.66 334	0.17 326	0.17 299	0.17 327	0.15 316	0.15 282	0.21 276
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
RainbowNet	0.76 374	1.00 393	1.29 363	0.82 391	0.63 383	0.79 368	0.52 365	0.83 377	0.93 373	0.61 350	0.79 355	0.79 365	0.62 358	0.82 332	0.67 336	0.80 396	0.55 394	0.79 394	0.49 384	0.81 393	0.62 386

SHD	0.45 323	0.34 314	0.89 312	0.37 345	0.28 338	0.46 310	0.23 218	0.72 363	0.96 377	0.65 353	0.61 326	0.61 333	0.48 326	0.64 276	0.69 337	0.16 314	0.16 281	0.16 318	0.16 325	0.21 335	0.25 312

ACVNet_1	0.77 376	0.92 388	1.79 387	0.73 387	0.53 379	0.78 367	0.42 344	0.88 382	0.90 370	0.75 362	0.76 351	1.32 384	0.80 369	1.04 368	0.70 338	0.57 385	0.32 376	0.72 390	0.35 375	0.70 390	0.50 380

SGM_RVC	0.57 352	0.22 224	0.60 217	0.26 229	0.16 186	0.97 381	0.46 352	0.76 369	0.90 370	1.03 381	0.92 367	1.16 379	0.93 379	1.21 378	0.72 339	0.17 326	0.16 281	0.16 318	0.16 325	0.16 291	0.24 303
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MeshStereo	0.60 357	0.31 295	0.71 259	0.22 85	0.17 211	0.66 356	0.36 323	0.81 374	0.63 334	1.48 402	1.32 383	1.65 390	0.83 372	1.18 376	0.74 340	0.17 326	0.17 299	0.17 327	0.14 307	0.17 303	0.19 255
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
MSC_U_SF_DS_RVC	0.70 369	0.73 380	1.26 361	0.47 371	0.28 338	1.42 398	0.60 372	0.82 375	0.94 376	0.85 370	0.86 361	0.88 370	0.70 364	1.32 386	0.75 341	0.37 375	0.30 371	0.34 371	0.36 377	0.44 374	0.42 368

NaN_ROB	0.44 320	0.38 333	0.94 323	0.30 305	0.20 271	0.52 334	0.49 360	0.61 317	0.60 326	0.56 343	0.47 262	0.49 296	0.42 305	1.24 379	0.76 342	0.12 256	0.18 306	0.12 257	0.13 293	0.12 243	0.18 240

SAMSARA	0.62 360	0.47 353	0.93 320	0.70 385	0.50 375	1.15 387	1.29 405	0.79 371	0.70 349	0.77 366	0.55 299	0.92 371	0.58 347	0.87 342	0.77 343	0.19 345	0.27 355	0.18 334	0.19 343	0.27 358	0.28 330

CSAN	0.55 346	0.47 353	1.19 357	0.37 345	0.23 308	0.57 343	0.61 373	0.65 341	0.72 353	0.65 353	0.78 352	0.66 351	0.65 362	1.41 389	0.77 343	0.21 348	0.17 299	0.20 344	0.21 349	0.18 318	0.21 276

ACVNet_2	0.94 381	0.98 392	1.71 385	0.83 392	0.63 383	1.02 382	0.64 375	1.16 389	1.43 394	1.02 379	1.39 384	1.47 387	0.86 375	1.16 375	0.79 345	0.63 389	0.43 387	0.78 393	0.49 384	0.80 392	0.57 383

XQC	0.47 332	0.45 351	1.07 337	0.40 359	0.28 338	0.58 345	0.38 333	0.67 347	0.76 358	0.53 336	0.47 262	0.59 326	0.47 322	0.74 307	0.80 346	0.18 336	0.14 251	0.18 334	0.16 325	0.26 354	0.24 303

WCMA_ROB	0.55 346	0.27 276	0.76 272	0.26 229	0.22 299	0.62 350	0.36 323	0.57 281	0.58 317	0.97 377	1.40 386	1.28 383	0.94 380	0.80 328	0.80 346	0.20 347	0.17 299	0.16 318	0.16 325	0.19 322	0.29 334

FCDSN-DC	0.67 366	0.38 333	0.83 292	0.37 345	0.30 349	0.66 356	0.37 325	0.69 358	0.70 349	1.15 387	1.53 391	1.70 392	1.38 394	1.00 363	0.83 348	0.24 354	0.22 329	0.27 359	0.26 366	0.27 358	0.32 342
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_RVC	0.58 354	0.58 371	1.31 365	0.39 355	0.23 308	0.72 360	0.30 292	0.83 377	0.68 345	0.74 361	0.74 348	0.86 368	0.60 350	0.84 337	0.83 348	0.29 366	0.27 355	0.32 368	0.37 379	0.31 365	0.33 344

DPSNet	0.51 339	0.26 270	1.16 349	0.28 285	0.21 284	0.76 363	0.56 370	0.89 383	0.82 363	0.49 321	0.51 278	0.64 345	0.81 371	0.89 345	0.85 350	0.17 326	0.16 281	0.13 280	0.13 293	0.26 354	0.27 324

PVD	0.62 360	0.41 342	0.93 320	0.44 367	0.39 368	0.63 353	0.51 364	0.86 380	1.27 390	0.93 374	1.09 373	0.81 366	0.85 373	0.89 345	0.89 351	0.21 348	0.23 337	0.22 352	0.19 343	0.28 361	0.41 367

RTSC	0.43 318	0.37 327	0.95 324	0.30 305	0.20 271	0.50 328	0.23 218	0.65 341	0.86 367	0.56 343	0.54 294	0.51 303	0.36 276	0.71 299	0.92 352	0.13 273	0.14 251	0.11 227	0.13 293	0.18 318	0.19 255

FC-DCNN	0.73 370	0.33 306	0.84 295	0.33 331	0.28 338	0.82 372	0.40 340	0.82 375	0.83 364	1.43 395	1.60 394	1.97 395	1.38 394	1.10 372	0.93 353	0.24 354	0.22 329	0.27 359	0.26 366	0.26 354	0.32 342

SANet	0.58 354	0.41 342	1.38 368	0.27 261	0.16 186	0.72 360	0.48 356	0.71 360	1.34 391	0.69 358	0.97 369	0.94 372	0.78 367	0.97 362	0.93 353	0.14 294	0.12 228	0.12 257	0.12 269	0.18 318	0.20 267

Wz-Net-TNSev	0.55 346	0.72 378	1.90 389	0.26 229	0.21 284	0.64 354	0.45 349	0.66 345	0.71 351	0.52 330	0.55 299	0.71 362	0.63 360	1.04 368	0.94 355	0.16 314	0.15 272	0.13 280	0.15 316	0.21 335	0.24 303

IMH-64-1	0.94 381	0.95 390	1.07 337	0.98 396	0.76 390	0.93 376	0.72 381	1.30 391	1.11 385	0.91 372	1.45 387	1.14 377	1.00 382	1.25 381	0.97 356	0.77 392	0.51 388	0.97 397	0.55 392	0.90 395	0.66 391

IMH-64	0.94 381	0.95 390	1.07 337	0.98 396	0.76 390	0.93 376	0.72 381	1.30 391	1.11 385	0.91 372	1.45 387	1.14 377	1.00 382	1.25 381	0.97 356	0.77 392	0.51 388	0.97 397	0.55 392	0.90 395	0.66 391

NVStereoNet_ROB	0.74 371	0.64 376	1.20 359	0.55 377	0.43 372	0.54 340	0.48 356	0.75 367	0.87 369	0.88 371	1.72 396	1.06 376	1.03 384	1.29 383	0.98 358	0.35 373	0.42 385	0.41 376	0.48 383	0.38 372	0.43 369
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
WZ-Net	0.56 350	0.49 357	2.14 393	0.30 305	0.24 319	0.58 345	0.48 356	0.65 341	0.80 361	0.51 327	0.72 344	0.68 356	0.60 350	1.06 370	1.01 359	0.13 273	0.10 192	0.11 227	0.12 269	0.19 322	0.23 291

EDNetEfficientorigin	7.48 413	0.57 369	139.59 436	0.25 197	0.17 211	0.44 300	0.30 292	0.48 204	1.04 379	1.29 389	1.02 371	0.82 367	0.87 376	0.76 318	1.02 360	0.10 197	0.09 167	0.12 257	0.11 232	0.22 339	0.25 312

IMH	1.09 387	1.04 396	1.29 363	1.03 398	0.79 394	1.11 384	0.69 378	1.40 394	1.42 393	1.02 379	1.71 395	1.42 385	1.19 389	1.78 399	1.03 361	1.14 406	0.56 397	1.00 399	0.58 394	0.93 398	0.68 393

LVE	1.18 390	1.16 398	1.67 383	1.04 399	0.81 398	1.32 395	0.82 389	1.49 397	1.94 398	1.08 383	1.90 399	1.89 394	1.07 386	1.51 391	1.04 362	0.96 402	0.61 399	0.94 396	0.69 399	0.92 397	0.79 401

SPS-STEREO	0.74 371	0.72 378	1.18 356	0.52 375	0.57 381	0.76 363	0.50 362	0.80 372	0.66 340	0.97 377	0.88 364	0.94 372	0.74 365	1.08 371	1.04 362	0.58 386	0.51 388	0.50 380	0.50 387	0.56 380	0.72 396
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
ttt	0.33 261	0.14 107	0.54 167	0.22 85	0.14 107	0.30 190	0.22 195	0.59 301	0.51 285	0.31 150	0.46 255	0.30 165	0.23 146	0.71 299	1.07 364	0.13 273	0.22 329	0.10 181	0.11 232	0.12 243	0.24 303

SuperB	0.50 337	0.37 327	2.16 394	0.23 128	0.15 157	0.41 286	0.32 307	0.50 219	0.83 364	0.44 296	0.51 278	0.33 190	0.45 313	0.69 293	1.07 364	0.10 197	0.08 138	0.09 119	0.08 103	0.95 401	0.18 240

pmcnn	0.54 345	0.24 247	1.06 335	0.25 197	0.26 332	0.40 282	0.31 301	0.55 262	0.55 309	0.56 343	1.22 380	2.53 403	0.39 293	0.84 337	1.08 366	0.09 142	0.06 34	0.06 1	0.05 8	0.10 177	0.14 205

ELAS_RVC	0.80 377	0.40 340	1.10 342	0.40 359	0.35 358	0.93 376	1.10 401	0.87 381	1.12 387	1.40 393	1.39 384	1.27 382	1.55 401	1.13 373	1.13 367	0.29 366	0.27 355	0.30 364	0.28 369	0.31 365	0.36 350
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Dean	1.22 392	1.17 399	1.97 390	1.04 399	0.79 394	1.21 389	0.76 383	1.51 398	1.96 399	1.30 391	1.98 401	2.14 397	1.18 388	1.30 384	1.15 368	0.83 397	0.61 399	1.01 400	0.69 399	0.97 402	0.77 400

PWCK	1.05 384	1.29 405	2.12 392	0.92 394	0.42 371	1.27 392	1.01 395	1.14 388	1.14 388	1.16 388	1.14 376	1.25 381	0.90 377	1.77 398	1.15 368	0.89 399	0.51 388	0.87 395	0.54 389	1.02 403	0.57 383

ELAS	0.80 377	0.40 340	0.91 315	0.39 355	0.35 358	1.52 400	0.81 388	0.97 385	0.98 378	1.47 401	1.58 393	1.19 380	1.33 393	1.01 365	1.21 370	0.29 366	0.27 355	0.30 364	0.29 371	0.32 368	0.36 350
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ADCPNet	0.51 339	0.36 324	1.82 388	0.27 261	0.23 308	0.71 359	0.39 336	0.56 272	0.54 301	0.52 330	0.60 317	0.66 351	0.57 346	0.64 276	1.23 371	0.15 306	0.18 306	0.14 298	0.23 360	0.19 322	0.22 284

RTS	0.81 379	0.56 365	4.76 407	0.37 345	0.30 349	1.11 384	0.52 365	0.67 347	1.07 382	0.76 364	0.91 365	0.60 331	0.61 354	1.64 393	1.24 372	0.15 306	0.13 242	0.15 312	0.15 316	0.22 339	0.24 303

RTSA	0.81 379	0.56 365	4.76 407	0.37 345	0.30 349	1.11 384	0.52 365	0.67 347	1.07 382	0.76 364	0.91 365	0.60 331	0.61 354	1.64 393	1.24 372	0.15 306	0.13 242	0.15 312	0.15 316	0.22 339	0.24 303

WAO-7	1.05 384	1.00 393	1.19 357	0.83 392	0.67 387	1.22 390	0.84 390	1.43 395	1.56 395	1.13 385	1.75 397	1.46 386	1.25 390	1.56 392	1.28 374	0.61 388	0.62 402	0.70 389	0.68 398	0.66 386	0.62 386

WAO-6	1.11 388	1.01 395	1.17 355	0.96 395	0.79 394	1.30 394	0.78 385	1.36 393	1.99 400	1.04 382	1.54 392	1.59 389	1.27 391	1.37 388	1.30 375	0.78 394	0.55 394	1.03 401	0.75 402	0.87 394	0.72 396

DualNet	0.33 261	0.17 166	0.84 295	0.21 53	0.13 80	0.29 179	0.21 173	0.38 106	0.46 242	0.31 150	0.44 230	0.34 197	0.24 164	0.28 97	1.30 375	0.08 87	0.28 359	0.12 257	0.11 232	0.08 64	0.37 358

ff1	0.36 277	0.17 166	0.84 295	0.21 53	0.13 80	0.29 179	0.21 173	0.38 106	0.46 242	0.31 150	0.44 230	0.34 197	0.24 164	0.91 350	1.30 375	0.08 87	0.28 359	0.12 257	0.11 232	0.08 64	0.37 358

mmx	0.37 284	0.17 166	0.84 295	0.21 53	0.13 80	0.29 179	0.21 173	0.57 281	0.48 261	0.31 150	0.44 230	0.34 197	0.24 164	0.91 350	1.30 375	0.10 197	0.20 318	0.12 257	0.11 232	0.11 218	0.23 291

xxx	0.37 284	0.17 166	0.84 295	0.21 53	0.13 80	0.29 179	0.21 173	0.57 281	0.48 261	0.31 150	0.44 230	0.34 197	0.24 164	0.91 350	1.30 375	0.10 197	0.20 318	0.12 257	0.11 232	0.11 218	0.23 291

ACVNet-4b	0.76 374	0.90 387	1.67 383	0.73 387	0.51 378	0.80 371	0.31 301	0.74 366	0.81 362	0.51 327	0.72 344	0.94 372	0.43 308	1.01 365	1.32 380	1.18 408	0.22 329	0.77 392	0.45 382	0.70 390	0.50 380

KSHMR	1.92 404	1.47 410	1.97 390	1.48 410	1.22 408	1.39 397	1.06 397	1.81 403	5.83 413	1.43 395	5.56 413	2.95 407	1.17 387	2.24 405	1.33 381	1.29 409	1.13 410	1.47 411	1.11 410	1.37 409	1.21 409

WAO-8	1.50 395	1.22 402	1.39 370	1.10 401	0.85 399	2.15 404	0.78 385	1.84 404	3.76 407	1.46 397	2.18 403	2.15 398	1.50 398	3.20 410	1.35 382	0.92 400	0.66 405	1.10 402	0.79 403	0.94 399	0.74 398

Venus	1.50 395	1.22 402	1.39 370	1.10 401	0.85 399	2.15 404	0.78 385	1.84 404	3.76 407	1.46 397	2.18 403	2.15 398	1.50 398	3.20 410	1.35 382	0.92 400	0.66 405	1.10 402	0.79 403	0.94 399	0.74 398

ADCRef	0.41 309	0.33 306	1.05 333	0.26 229	0.21 284	0.49 325	0.27 268	0.54 251	0.51 285	0.51 327	0.59 313	0.35 211	0.47 322	0.54 231	1.35 382	0.09 142	0.08 138	0.12 257	0.12 269	0.12 243	0.13 182

ktn	1.80 402	1.46 409	1.49 375	1.44 409	1.14 406	1.50 399	1.07 398	1.53 400	3.90 410	2.77 409	4.62 410	3.42 408	1.49 397	1.74 396	1.40 385	1.45 410	0.77 409	1.46 410	0.99 408	1.41 411	1.00 405

SGM+DAISY	1.12 389	0.86 385	1.64 382	0.68 383	0.80 397	1.68 402	1.68 410	1.08 387	1.10 384	1.53 403	1.76 398	1.47 387	1.53 400	1.24 379	1.42 386	0.66 390	0.65 404	0.52 382	0.54 389	0.57 381	0.91 403

AnyNet_C01	0.68 368	0.69 377	2.64 398	0.33 331	0.27 337	0.93 376	0.64 375	0.66 345	0.65 337	0.70 359	0.97 369	0.75 364	0.63 360	1.01 365	1.52 387	0.17 326	0.16 281	0.17 327	0.17 336	0.24 348	0.28 330

ADCL	0.50 337	0.30 292	1.15 347	0.28 285	0.19 254	0.77 366	0.64 375	0.57 281	0.73 356	0.57 346	0.73 347	0.55 315	0.60 350	0.66 286	1.53 388	0.11 228	0.10 192	0.13 280	0.13 293	0.15 282	0.16 226

TorneroNet-64	1.47 393	1.15 397	1.51 377	1.11 403	0.86 401	2.27 407	0.76 383	1.84 404	3.76 407	1.29 389	2.22 405	2.68 405	1.46 396	1.81 400	1.55 389	0.79 395	0.51 388	1.10 402	0.67 397	1.31 406	0.81 402

notaker	1.49 394	1.44 408	1.77 386	1.42 408	1.08 405	1.19 388	0.87 392	1.51 398	1.40 392	1.53 403	3.41 409	2.40 401	1.94 403	1.83 401	1.57 390	1.14 406	0.69 408	1.38 409	0.88 405	1.39 410	1.03 406

1111x	0.39 294	0.17 166	0.80 286	0.23 128	0.15 157	0.33 227	0.27 268	0.62 325	0.48 261	0.32 175	0.43 221	0.40 239	0.29 228	0.86 340	1.60 391	0.09 142	0.23 337	0.09 119	0.12 269	0.10 177	0.23 291

EDNetEfficient	0.64 365	0.39 337	2.52 396	0.26 229	0.26 332	0.39 276	0.49 360	0.42 150	1.06 381	1.38 392	0.86 361	0.61 333	0.97 381	0.66 286	1.62 392	0.11 228	0.10 192	0.10 181	0.12 269	0.20 329	0.19 255

ADCMid	0.53 343	0.45 351	1.46 373	0.27 261	0.22 299	0.51 329	0.38 333	0.61 317	0.58 317	0.75 362	0.67 336	0.62 336	0.66 363	0.66 286	1.75 393	0.13 273	0.12 228	0.17 327	0.17 336	0.20 329	0.21 276

AnyNet_C32	0.55 346	0.51 358	1.34 366	0.29 298	0.28 338	0.61 349	0.62 374	0.57 281	0.62 332	0.63 351	0.68 338	0.54 314	0.55 342	0.82 332	1.81 394	0.15 306	0.15 272	0.15 312	0.18 340	0.21 335	0.25 312

MADNet+	1.05 384	1.26 404	4.77 409	0.73 387	0.50 375	1.25 391	0.97 393	1.05 386	0.93 373	0.67 356	0.78 352	0.87 369	0.85 373	2.14 403	1.83 395	0.40 380	0.42 385	0.32 368	0.28 369	0.45 375	0.43 369

JetBlue	1.20 391	0.89 386	2.53 397	0.59 378	0.76 390	3.16 411	2.09 411	1.16 389	0.93 373	0.95 375	1.12 375	1.65 390	1.27 391	2.15 404	1.87 396	0.43 381	0.37 381	0.38 373	0.39 381	0.62 382	0.63 388

UNDER WATER-64	1.61 398	1.30 406	2.93 402	1.33 406	0.96 403	2.20 406	1.25 404	1.47 396	3.15 404	1.46 397	1.31 382	2.61 404	2.22 405	1.69 395	1.93 397	1.13 405	0.67 407	1.29 407	0.94 406	1.26 404	1.09 407

ADCP+	0.48 335	0.36 324	1.47 374	0.26 229	0.22 299	0.57 343	0.40 340	0.56 272	0.54 301	0.46 308	0.52 284	0.46 279	0.53 340	0.59 249	1.93 397	0.10 197	0.08 138	0.11 227	0.11 232	0.14 275	0.15 216

TorneroNet	2.26 405	1.20 401	1.55 380	1.15 405	0.91 402	5.84 412	0.84 390	2.12 408	8.45 417	2.59 408	5.32 412	3.84 410	2.15 404	1.84 402	1.98 399	0.88 398	0.54 393	1.16 406	0.74 401	1.31 406	0.91 403

UNDER WATER	1.64 400	1.34 407	2.72 400	1.40 407	1.04 404	1.70 403	1.14 403	1.57 401	3.58 405	1.46 397	1.46 389	2.82 406	2.43 406	1.74 396	2.04 400	1.08 404	0.63 403	1.31 408	0.94 406	1.29 405	1.10 408

coex-ft	3.48 409	0.81 383	48.53 434	0.24 165	0.19 254	0.53 337	0.47 355	0.49 211	2.36 402	7.18 415	1.20 378	0.96 375	2.53 407	0.75 312	2.14 401	0.13 273	0.15 272	0.14 298	0.12 269	0.22 339	0.47 375

MANE	1.63 399	0.58 371	1.16 349	0.59 378	0.60 382	2.71 408	1.53 407	2.63 411	3.62 406	2.33 406	3.26 408	3.66 409	2.98 410	2.26 406	2.26 402	0.37 375	0.40 382	0.31 367	0.49 384	0.31 365	0.63 388

ADCS	0.62 360	0.56 365	1.54 379	0.30 305	0.25 329	0.56 341	0.46 352	0.71 360	0.86 367	0.77 366	0.72 344	0.68 356	0.62 358	0.82 332	2.33 403	0.17 326	0.16 281	0.16 318	0.17 336	0.23 344	0.27 324

xxxx	0.39 294	0.14 107	0.47 72	0.20 34	0.16 186	0.38 273	0.20 154	0.61 317	0.43 215	0.30 135	0.44 230	0.38 226	0.25 175	0.50 213	2.41 404	0.11 228	0.21 323	0.09 119	0.10 208	0.10 177	0.26 321

test_xeample	0.39 294	0.14 107	0.46 67	0.19 13	0.16 186	0.34 241	0.22 195	0.59 301	0.43 215	0.33 184	0.47 262	0.30 165	0.27 193	0.60 254	2.44 405	0.10 197	0.21 323	0.09 119	0.09 164	0.09 131	0.25 312

AAGNet	0.34 269	0.12 57	0.53 157	0.26 229	0.16 186	0.20 48	0.19 123	0.31 51	0.29 78	0.35 213	0.35 143	0.27 131	0.30 235	0.44 196	2.56 406	0.08 87	0.05 3	0.10 181	0.07 44	0.09 131	0.07 11

SGM-ForestM	1.59 397	0.56 365	1.52 378	0.41 363	0.34 355	2.77 409	1.67 409	1.69 402	1.73 397	2.48 407	2.27 406	6.02 415	2.90 409	3.08 408	2.83 407	0.25 357	0.30 371	0.19 340	0.20 347	0.18 318	0.45 374

MADNet++	2.34 406	1.81 411	2.24 395	2.15 414	1.97 413	2.79 410	2.19 412	2.42 410	2.26 401	2.79 410	2.70 407	2.43 402	2.60 408	3.18 409	3.32 408	2.19 412	1.97 413	1.93 412	1.62 412	2.02 413	2.10 413

HanzoNet	3.08 408	1.87 413	2.70 399	1.81 411	1.34 409	1.60 401	1.05 396	2.06 407	2.62 403	5.63 413	5.12 411	5.96 414	7.09 415	4.39 414	3.43 409	3.29 414	2.06 415	1.98 413	2.94 416	2.47 414	2.15 414

222	0.45 323	0.14 107	0.43 45	0.19 13	0.15 157	0.36 262	0.20 154	0.60 310	0.43 215	0.37 239	0.45 243	0.30 165	0.28 212	0.59 249	3.72 410	0.11 228	0.19 310	0.08 59	0.09 164	0.09 131	0.27 324

LE_ROB	1.82 403	0.39 337	3.15 405	0.50 374	0.55 380	0.79 368	1.00 394	0.89 383	6.48 414	7.40 416	2.07 402	2.07 396	5.08 412	1.33 387	3.96 411	0.11 228	0.09 167	0.12 257	0.11 232	0.11 218	0.13 182

JetRed	2.35 407	2.70 414	6.11 410	1.14 404	1.38 410	6.03 413	3.61 413	2.12 408	1.72 396	1.99 405	1.97 400	2.15 398	1.59 402	2.49 407	4.19 412	1.05 403	1.60 412	1.10 402	1.02 409	1.72 412	1.41 411

DPSimNet_ROB	6.21 412	5.16 416	9.50 413	5.59 418	5.56 415	7.64 414	10.02 416	4.07 413	7.33 415	6.84 414	6.26 414	7.17 416	10.55 417	4.07 413	5.68 413	5.50 417	4.29 416	5.24 418	3.66 417	4.05 416	5.96 418

BEATNet-Init1	4.91 411	3.27 415	14.39 423	0.69 384	0.65 386	10.19 419	3.83 414	5.04 414	5.11 412	8.73 418	8.52 416	13.95 425	7.66 416	7.79 417	5.79 414	0.32 371	0.34 379	0.34 371	0.38 380	0.64 383	0.64 390

tt	4.71 410	0.11 27	3.94 406	2.06 413	1.54 411	10.14 418	16.85 419	9.28 420	4.99 411	1.41 394	1.05 372	4.68 411	4.89 411	3.36 412	5.86 415	5.73 418	9.15 424	2.23 414	2.51 415	3.02 415	1.34 410

LRCNet_RVC	10.94 418	14.45 428	9.66 414	15.38 424	8.02 418	1.08 383	0.35 318	8.72 418	0.72 353	12.63 425	15.84 425	9.73 418	6.52 414	8.58 419	6.38 416	20.33 433	5.39 418	23.79 432	21.95 430	15.35 426	13.96 427

PML	15.86 425	13.12 427	7.07 411	5.22 416	7.66 417	32.93 430	64.30 436	5.37 415	10.12 418	25.87 435	67.29 436	20.25 427	13.20 426	10.09 420	6.81 417	5.94 420	2.00 414	6.03 421	2.18 413	9.13 422	2.62 416

ASD4	8.08 414	7.42 419	8.23 412	6.03 420	6.01 416	14.62 421	20.55 420	9.03 419	8.06 416	7.51 417	6.52 415	7.36 417	6.42 413	8.13 418	9.88 418	5.93 419	5.10 417	6.60 422	5.79 418	6.82 419	5.52 417

Anonymous_1	16.44 426	9.26 420	9.67 415	10.63 421	14.54 423	18.62 426	26.98 426	12.68 424	13.53 425	10.78 424	10.37 420	10.15 419	10.66 420	10.99 424	12.64 419	15.61 432	7.73 421	16.87 429	43.01 433	56.14 437	7.86 423

DGTPSM_ROB	8.38 415	5.24 417	10.71 421	5.32 417	10.19 419	8.34 415	23.49 424	6.11 416	13.43 423	4.93 411	10.93 421	5.64 412	10.55 417	6.17 415	12.73 420	3.74 415	7.56 419	3.68 416	7.24 421	4.09 417	7.49 419

DPSMNet_ROB	8.44 416	5.25 418	10.87 422	5.59 418	10.27 420	8.34 415	23.51 425	6.12 417	13.47 424	4.96 412	10.94 422	5.65 413	10.55 417	6.25 416	12.77 421	4.01 416	7.62 420	3.75 417	7.27 422	4.16 418	7.54 420

DPSM_ROB	11.46 419	9.79 424	10.18 416	11.11 422	11.31 421	19.08 427	27.38 427	13.42 425	14.23 426	10.34 422	11.13 423	10.97 423	11.33 424	11.89 425	13.49 422	6.74 421	8.19 422	6.00 419	7.05 419	7.74 420	7.76 421

DPSM	11.46 419	9.79 424	10.18 416	11.11 422	11.31 421	19.08 427	27.38 427	13.42 425	14.23 426	10.34 422	11.13 423	10.97 423	11.33 424	11.89 425	13.49 422	6.74 421	8.19 422	6.00 419	7.05 419	7.74 420	7.76 421

xxxxx1	15.30 422	9.78 421	10.23 418	20.34 427	19.47 426	17.10 422	23.00 421	10.36 421	11.04 419	9.25 419	9.66 417	10.74 420	10.66 420	10.60 421	13.72 424	8.14 423	9.35 425	31.88 435	44.61 434	12.63 423	13.46 424

tt_ll	15.30 422	9.78 421	10.23 418	20.34 427	19.47 426	17.10 422	23.00 421	10.36 421	11.04 419	9.25 419	9.66 417	10.74 420	10.66 420	10.60 421	13.72 424	8.14 423	9.35 425	31.88 435	44.61 434	12.63 423	13.46 424

ff	15.30 422	9.78 421	10.23 418	20.34 427	19.47 426	17.10 422	23.00 421	10.36 421	11.04 419	9.25 419	9.66 417	10.74 420	10.66 420	10.60 421	13.72 424	8.14 423	9.35 425	31.88 435	44.61 434	12.63 423	13.46 424

HaxPig	17.72 427	20.23 435	19.76 424	16.55 425	16.52 424	9.46 417	9.42 415	14.48 427	13.31 422	18.59 426	18.67 426	17.39 426	16.68 427	17.07 427	16.43 427	21.99 434	20.86 434	22.28 431	21.55 429	21.30 433	21.88 434

SPstereo	14.29 421	1.85 412	2.95 403	1.89 412	1.68 412	23.50 429	43.36 429	35.81 436	29.54 436	20.90 430	20.49 427	26.26 436	21.86 429	25.13 436	19.49 428	1.60 411	1.44 411	2.99 415	2.21 414	1.34 408	1.43 412

MEDIAN_ROB	21.20 428	24.56 436	23.42 432	19.57 426	19.62 429	13.29 420	11.21 417	18.04 428	17.02 428	22.07 434	21.92 428	20.84 428	20.24 428	21.02 428	19.68 429	25.59 435	24.08 435	26.20 433	25.19 431	25.31 434	25.19 435

AVERAGE_ROB	25.43 435	29.01 437	27.22 433	24.60 436	24.16 436	17.78 425	12.87 418	22.39 429	21.40 429	26.72 436	26.08 435	25.18 435	24.52 436	25.07 435	23.57 430	29.94 436	28.36 436	30.60 434	29.57 432	29.83 435	29.66 436

LSM0	24.21 434	19.88 434	22.33 431	24.42 435	40.13 437	38.41 435	54.99 430	27.05 434	28.61 430	20.59 427	22.00 429	22.29 434	22.86 433	24.12 434	27.16 431	13.59 431	16.33 428	12.13 428	14.08 423	15.72 432	17.53 433

CasAABBNet	23.04 429	19.69 429	20.32 425	22.42 430	22.73 430	38.35 431	55.23 432	26.99 433	28.74 431	20.67 428	22.28 430	22.11 432	22.86 433	23.84 432	27.17 432	13.52 426	16.47 429	12.08 423	14.21 424	15.57 427	15.60 428

Selective-RAFT-Error	23.11 430	19.77 433	20.60 427	22.49 431	22.80 431	38.46 436	55.19 431	27.13 435	28.90 435	20.73 429	22.38 431	22.11 432	22.91 435	23.94 433	27.18 433	13.54 427	16.57 430	12.09 424	14.21 424	15.61 431	15.65 429

MyStereo03	23.12 431	19.74 430	20.70 428	22.51 432	22.82 432	38.36 432	55.25 433	26.92 430	28.81 432	20.90 430	22.38 431	22.06 429	22.80 430	23.83 429	27.20 434	13.55 428	16.70 431	12.09 424	14.22 426	15.58 428	16.03 430

MyStereo02	23.12 431	19.74 430	20.70 428	22.51 432	22.82 432	38.36 432	55.25 433	26.92 430	28.81 432	20.90 430	22.38 431	22.06 429	22.80 430	23.83 429	27.20 434	13.55 428	16.70 431	12.09 424	14.22 426	15.58 428	16.03 430

MyStereo	23.12 431	19.74 430	20.70 428	22.51 432	22.82 432	38.36 432	55.25 433	26.92 430	28.81 432	20.90 430	22.38 431	22.06 429	22.80 430	23.83 429	27.20 434	13.55 428	16.70 431	12.09 424	14.22 426	15.58 428	16.03 430

test_example2	100.95 436	107.33 438	67.16 435	98.17 437	106.88 438	89.44 437	101.34 437	37.23 437	97.88 437	129.56 437	131.26 437	65.41 437	67.34 437	91.22 437	79.29 437	143.32 437	199.32 437	81.12 438	102.17 437	121.89 438	101.70 437

FADE		1.19 400		0.71 386	0.76 390													17.17 430		0.51 377

Low-res two-view benchmark