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

sCroCo_RVC	0.27 6	0.19 73	2.20 136	0.02 39	0.00 1	0.13 1	0.04 149	1.15 26	0.89 67	0.15 19	0.07 54	0.03 5	0.04 42	0.39 19	0.05 5	0.00 1	0.07 241	0.00 1	0.00 1	0.02 35	0.01 10

CroCo-Stereo	0.50 24	0.63 205	2.38 163	0.14 179	0.00 1	0.19 2	0.02 73	4.28 216	0.96 77	0.14 18	0.03 29	0.46 97	0.08 84	0.32 12	0.29 93	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.01 10
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
Anonymous	0.35 12	0.22 88	2.01 107	0.00 1	0.00 1	0.24 3	0.01 18	3.01 102	0.54 23	0.02 1	0.03 29	0.05 20	0.07 73	0.32 12	0.07 9	0.00 1	0.01 189	0.00 1	0.00 1	0.11 220	0.22 181

CroCo-Stereo Lap2	0.42 18	0.75 225	1.76 59	0.03 58	0.00 1	0.33 4	0.01 18	3.75 143	0.81 53	0.02 1	0.03 29	0.04 7	0.07 73	0.52 38	0.23 75	0.00 1	0.00 1	0.00 1	0.00 1	0.07 157	0.03 36

MIF-Stereo	0.23 3	0.28 109	1.91 96	0.05 96	0.16 213	0.34 5	0.02 73	0.46 2	0.42 14	0.06 12	0.18 70	0.05 20	0.07 73	0.22 3	0.33 99	0.00 1	0.00 1	0.00 1	0.00 1	0.11 220	0.01 10

sAnonymous2	0.50 24	0.60 196	4.41 291	0.01 9	0.00 1	0.34 5	0.08 185	2.33 63	1.09 91	0.03 5	0.06 51	0.04 7	0.10 100	0.29 10	0.02 1	0.00 1	0.00 1	0.00 1	0.00 1	0.14 246	0.35 220

CroCo_RVC	0.50 24	0.60 196	4.41 291	0.01 9	0.00 1	0.34 5	0.08 185	2.33 63	1.09 91	0.03 5	0.06 51	0.04 7	0.10 100	0.29 10	0.02 1	0.00 1	0.00 1	0.00 1	0.00 1	0.14 246	0.35 220

Selective-IGEV	0.51 27	0.13 23	1.41 16	0.72 309	0.62 324	0.38 8	0.04 149	2.58 73	1.21 120	0.19 28	0.02 1	0.02 2	0.06 63	0.48 29	0.46 143	0.01 292	0.80 315	0.00 1	0.09 288	0.07 157	0.91 294

StereoIM	0.30 9	0.62 203	1.63 38	0.07 124	0.19 221	0.40 9	0.02 73	1.36 29	0.76 46	0.04 9	0.05 47	0.13 61	0.05 56	0.38 18	0.33 99	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.02 23

MIF-Stereo (partial)	0.37 14	0.39 143	1.98 103	0.02 39	0.00 1	0.43 10	0.02 73	2.35 65	0.61 32	0.18 24	0.10 57	0.07 38	0.07 73	0.61 57	0.40 132	0.00 1	0.00 1	0.00 1	0.00 1	0.08 167	0.02 23

GMStereo	0.34 11	1.03 285	2.11 128	0.01 9	0.00 1	0.47 11	0.01 18	0.77 14	1.38 181	0.24 36	0.04 39	0.07 38	0.08 84	0.43 25	0.12 25	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.00 1
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
test croco	0.55 44	0.55 182	3.45 240	0.10 158	0.00 1	0.50 12	0.02 73	3.49 129	1.16 101	0.05 11	0.10 57	0.13 61	0.17 135	0.67 63	0.28 91	0.00 1	0.00 1	0.00 1	0.00 1	0.36 340	0.01 10

anonymity	0.99 155	0.18 50	1.80 65	0.39 247	0.67 327	0.74 13	0.01 18	5.09 274	2.13 263	1.34 184	1.30 227	0.80 144	1.62 291	0.82 87	0.64 171	0.03 326	0.59 301	0.00 1	0.48 380	0.02 35	1.15 313

IGEVStereo-DCA	0.88 113	1.21 306	1.81 72	0.18 189	0.16 213	0.83 14	0.01 18	0.71 7	1.36 173	0.40 49	0.04 39	0.06 27	0.09 93	6.04 275	2.22 280	0.00 1	0.48 292	0.00 1	0.15 307	0.16 265	1.76 355

rrr	1.15 188	1.21 306	5.05 314	0.18 189	0.16 213	0.83 14	0.06 177	2.88 85	1.44 186	0.40 49	0.04 39	0.06 27	0.09 93	6.04 275	2.22 280	0.00 1	0.48 292	0.00 1	0.19 334	0.16 265	1.59 343

CASnet	0.21 2	0.22 88	0.95 4	0.01 9	0.00 1	0.87 16	0.01 18	0.55 3	0.88 64	0.16 21	0.03 29	0.04 7	0.02 16	0.39 19	0.03 3	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.01 10
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
TestStereo	0.67 70	0.99 276	2.26 146	0.00 1	0.00 1	0.92 17	0.01 18	1.77 50	0.30 10	0.20 34	0.05 47	0.08 43	0.06 63	6.62 298	0.09 12	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.08 80

RALAANet	0.68 75	1.09 294	2.29 149	0.03 58	0.01 59	0.93 18	0.03 121	2.65 74	1.97 254	1.19 164	0.39 132	0.15 67	0.30 165	1.27 114	0.75 187	0.00 1	0.25 269	0.00 1	0.09 288	0.19 285	0.03 36

GLC_STEREO	0.19 1	0.13 23	0.94 3	0.03 58	0.00 1	0.95 19	0.03 121	0.33 1	0.44 16	0.10 16	0.04 39	0.06 27	0.04 42	0.44 26	0.11 20	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.05 57

test_xeample3	0.95 141	1.30 315	5.13 317	0.19 194	0.23 237	0.95 19	0.07 179	2.30 62	1.47 192	0.40 49	0.05 47	0.08 43	0.07 73	1.45 121	2.27 282	0.00 1	0.69 305	0.00 1	0.33 370	0.17 277	1.85 368

RAFT	0.91 122	0.96 267	1.82 77	0.89 332	0.44 294	0.97 21	0.08 185	3.71 141	1.25 133	0.36 45	0.20 85	3.87 319	0.27 162	0.70 66	0.49 149	0.00 1	0.83 318	0.00 1	0.01 238	0.47 352	0.87 291

LoS_RVC	0.25 4	0.60 196	1.21 10	0.16 188	0.13 198	0.98 22	0.01 18	0.85 17	0.25 4	0.08 15	0.02 1	0.07 38	0.04 42	0.49 31	0.05 5	0.00 1	0.01 189	0.00 1	0.00 1	0.01 9	0.07 75

test-3	0.86 110	0.15 28	2.03 112	0.37 243	0.56 307	1.01 23	0.02 73	3.05 104	0.54 23	1.98 244	0.02 1	1.09 176	0.04 42	3.73 180	0.38 124	0.00 1	0.93 336	0.00 1	0.25 353	0.16 265	0.82 285

test_1	0.84 104	0.15 28	2.03 112	0.37 243	0.55 304	1.01 23	0.02 73	3.06 106	0.55 26	1.73 225	0.02 1	1.09 176	0.04 42	3.70 178	0.38 124	0.00 1	0.93 336	0.00 1	0.25 353	0.16 265	0.84 287

x	0.80 93	0.39 143	1.80 65	0.66 299	0.50 300	1.02 25	0.00 1	3.61 134	1.34 167	0.65 84	0.34 114	0.53 106	0.14 125	1.21 107	0.91 213	0.00 1	1.09 350	0.00 1	0.20 336	0.06 133	1.59 343

test_3	0.81 95	0.15 28	2.17 133	0.36 240	0.58 312	1.03 26	0.01 18	3.01 102	0.59 29	0.98 129	0.02 1	1.04 169	0.04 42	3.72 179	0.39 131	0.00 1	0.92 330	0.00 1	0.25 353	0.16 265	0.69 274

SMFormer	1.31 229	0.30 114	2.08 119	0.47 262	0.02 104	1.04 27	0.01 18	5.75 316	2.69 306	1.65 215	2.43 284	0.91 150	0.02 16	4.75 223	2.20 276	0.00 1	0.88 324	0.00 1	0.14 305	0.06 133	0.76 281

tta	1.32 232	0.30 114	2.08 119	0.47 262	0.02 104	1.04 27	0.01 18	5.75 316	2.69 306	1.65 215	2.43 284	0.91 150	0.02 16	4.75 223	2.20 276	0.00 1	0.88 324	0.00 1	0.14 305	0.09 186	0.92 295

qqq1	1.25 208	0.30 114	2.08 119	0.47 262	0.02 104	1.04 27	0.01 18	5.75 316	2.69 306	1.65 215	2.43 284	0.91 150	0.02 16	4.75 223	0.88 206	0.00 1	0.88 324	0.00 1	0.11 296	0.09 186	0.92 295

fff1	1.25 208	0.30 114	2.08 119	0.47 262	0.02 104	1.04 27	0.01 18	5.75 316	2.69 306	1.65 215	2.43 284	0.91 150	0.02 16	4.75 223	0.88 206	0.00 1	0.88 324	0.00 1	0.11 296	0.09 186	0.92 295

Former-RAFT_DAM_RVC	0.29 7	0.32 124	0.88 1	0.02 39	0.00 1	1.05 31	0.01 18	0.80 16	1.00 83	0.76 103	0.34 114	0.10 53	0.06 63	0.13 1	0.09 12	0.00 1	0.00 1	0.00 1	0.00 1	0.05 123	0.09 100

11t1	0.70 78	0.28 109	1.86 84	0.56 282	0.56 307	1.06 32	0.00 1	2.89 87	1.21 120	0.60 80	0.34 114	0.08 43	0.04 42	0.76 74	0.85 200	0.02 316	1.09 350	0.00 1	0.18 328	0.06 133	1.58 342

Gwc-CoAtRS	0.52 33	0.16 38	1.68 44	0.05 96	0.13 198	1.06 32	0.03 121	2.88 85	0.54 23	0.40 49	0.02 1	2.22 251	0.03 33	0.49 31	0.26 88	0.00 1	0.09 251	0.00 1	0.22 345	0.01 9	0.11 117

4D-IteraStereo	0.59 50	0.98 273	2.62 193	0.04 82	0.09 179	1.07 34	0.08 185	1.45 33	0.39 12	0.12 17	0.05 47	0.82 146	0.10 100	0.77 76	1.05 225	0.00 1	0.40 285	0.00 1	0.00 1	0.08 167	1.79 364

GMOStereo	0.62 58	0.55 182	1.80 65	0.09 148	0.61 317	1.07 34	0.03 121	2.92 91	0.25 4	2.23 258	0.02 1	0.66 116	0.04 42	0.25 4	0.22 68	0.00 1	1.26 375	0.00 1	0.00 1	0.23 299	0.19 162

error version	0.62 58	0.55 182	1.80 65	0.09 148	0.61 317	1.07 34	0.03 121	2.92 91	0.25 4	2.23 258	0.02 1	0.66 116	0.04 42	0.25 4	0.22 68	0.00 1	1.26 375	0.00 1	0.00 1	0.23 299	0.19 162

test-v	0.62 58	0.55 182	1.80 65	0.09 148	0.61 317	1.07 34	0.03 121	2.92 91	0.25 4	2.23 258	0.02 1	0.66 116	0.04 42	0.25 4	0.22 68	0.00 1	1.26 375	0.00 1	0.00 1	0.23 299	0.19 162

test-2	0.62 58	0.55 182	1.80 65	0.09 148	0.61 317	1.07 34	0.03 121	2.92 91	0.25 4	2.23 258	0.02 1	0.66 116	0.04 42	0.25 4	0.22 68	0.00 1	1.26 375	0.00 1	0.00 1	0.23 299	0.19 162

ff7	0.51 27	0.26 101	1.81 72	0.19 194	0.25 246	1.08 39	0.01 18	0.71 7	1.36 173	0.47 64	0.02 1	0.04 7	0.08 84	0.79 79	0.18 50	0.00 1	0.92 330	0.00 1	0.15 307	0.10 197	1.76 355

ffff	0.51 27	0.26 101	1.81 72	0.19 194	0.25 246	1.08 39	0.01 18	0.71 7	1.36 173	0.47 64	0.02 1	0.04 7	0.08 84	0.79 79	0.18 50	0.00 1	0.92 330	0.00 1	0.15 307	0.10 197	1.76 355

11t	0.51 27	0.26 101	1.81 72	0.19 194	0.25 246	1.08 39	0.01 18	0.71 7	1.36 173	0.47 64	0.02 1	0.04 7	0.08 84	0.79 79	0.18 50	0.00 1	0.92 330	0.00 1	0.15 307	0.10 197	1.76 355

anonymousdsp	0.54 39	0.26 101	1.62 32	0.47 262	0.60 316	1.08 39	0.01 18	1.01 23	1.37 178	0.49 72	0.02 1	0.04 7	0.09 93	0.73 71	0.15 37	0.00 1	0.82 316	0.00 1	0.16 313	0.10 197	1.83 365

ccc-4	0.51 27	0.26 101	1.81 72	0.19 194	0.25 246	1.08 39	0.01 18	0.71 7	1.36 173	0.47 64	0.02 1	0.04 7	0.08 84	0.79 79	0.18 50	0.00 1	0.92 330	0.00 1	0.15 307	0.10 197	1.76 355

IGEV-Stereo	0.54 39	0.26 101	1.62 32	0.47 262	0.61 317	1.08 39	0.01 18	1.00 21	1.37 178	0.49 72	0.02 1	0.04 7	0.09 93	0.73 71	0.16 41	0.00 1	0.82 316	0.00 1	0.16 313	0.10 197	1.83 365
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
THIR-Stereo	1.54 263	0.48 164	1.88 91	0.01 9	0.02 104	1.08 39	4.17 369	2.48 70	0.41 13	1.09 152	4.30 328	1.90 225	4.08 350	6.84 311	1.81 259	0.00 1	0.00 1	0.04 347	0.00 1	0.06 133	0.04 42

PCWNet_CMD	0.70 78	0.18 50	2.22 139	0.01 9	0.01 59	1.09 46	0.00 1	3.17 115	1.35 171	0.50 74	0.29 104	2.28 254	1.46 278	1.22 109	0.11 20	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.19 162

ProNet	0.47 21	0.35 133	1.75 53	0.19 194	0.54 303	1.09 46	0.01 18	0.97 19	1.25 133	0.02 1	0.02 1	0.06 27	0.03 33	0.58 45	0.09 12	0.00 1	0.57 299	0.00 1	0.00 1	0.14 246	1.65 345

qqq	0.90 120	0.41 152	1.88 91	0.10 158	0.59 314	1.09 46	0.00 1	3.82 152	1.29 151	0.61 81	0.38 128	0.73 130	0.15 126	3.19 162	0.90 210	0.00 1	1.08 347	0.00 1	0.23 348	0.06 133	1.57 338

cross-raft	0.67 70	0.19 73	1.85 81	0.58 284	0.71 333	1.09 46	0.10 203	3.52 130	0.69 40	0.41 54	0.02 1	2.81 276	0.04 42	0.55 39	0.23 75	0.00 1	0.13 259	0.00 1	0.16 313	0.01 9	0.22 181

MSMDNet	0.71 80	0.18 50	2.22 139	0.01 9	0.01 59	1.09 46	0.00 1	3.25 120	1.35 171	0.52 77	0.29 104	2.29 258	1.45 275	1.22 109	0.11 20	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.19 162

CAS	0.95 141	0.12 18	1.08 6	6.79 390	0.08 173	1.10 51	0.01 18	0.97 19	0.87 61	0.03 5	0.04 39	0.07 38	0.06 63	0.37 17	0.15 37	6.94 391	0.00 1	0.00 1	0.00 1	0.00 1	0.30 208

MC-Stereo	0.57 49	0.16 38	1.63 38	0.70 305	0.93 346	1.10 51	0.01 18	1.43 31	0.26 9	0.91 119	0.02 1	0.08 43	0.11 108	0.61 57	0.23 75	0.00 1	1.15 369	0.00 1	0.17 321	0.10 197	1.84 367

AnonymousM	0.48 22	0.11 13	1.03 5	0.06 114	0.01 59	1.10 51	0.03 121	1.91 55	1.37 178	0.25 37	0.04 39	0.02 2	0.24 155	0.56 42	0.33 99	0.00 1	0.43 288	1.91 385	0.00 1	0.01 9	0.22 181

XX-TBD	0.36 13	0.59 193	1.75 53	0.07 124	0.00 1	1.11 54	0.00 1	0.73 12	0.63 34	0.44 57	1.24 224	0.06 27	0.06 63	0.39 19	0.08 11	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.03 36

ICVP	0.53 35	0.09 6	1.86 84	0.01 9	0.01 59	1.12 55	0.21 238	4.35 220	0.68 39	0.45 61	0.28 102	0.33 84	0.07 73	0.72 70	0.25 81	0.00 1	0.07 241	0.00 1	0.00 1	0.04 111	0.11 117
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
IGEV_Zeroshot_test	1.07 173	0.28 109	3.68 257	0.51 276	0.58 312	1.13 56	0.54 297	4.64 244	0.73 43	1.14 159	0.75 180	3.21 295	0.70 233	0.77 76	0.57 162	0.00 1	0.52 295	0.00 1	0.16 313	0.04 111	1.56 337

RALCasStereoNet	0.80 93	0.96 267	1.77 62	0.28 232	0.97 348	1.13 56	0.03 121	2.91 90	1.11 95	0.17 22	0.34 114	0.12 56	0.20 148	1.65 130	0.65 173	0.00 1	1.72 392	0.00 1	0.00 1	0.11 220	1.90 376

StereoVision	1.00 158	0.77 232	2.81 203	0.05 96	0.02 104	1.14 58	0.03 121	4.13 199	1.18 107	0.19 28	6.80 350	0.49 100	0.12 121	1.20 105	1.01 222	0.00 1	0.00 1	0.00 1	0.00 1	0.06 133	0.02 23

LL-Strereo2	0.63 63	0.97 270	2.03 112	0.76 320	0.86 340	1.15 59	0.08 185	1.85 52	1.20 115	0.45 61	0.02 1	0.50 103	0.07 73	0.63 60	0.65 173	0.00 1	0.17 263	0.00 1	0.03 258	0.05 123	1.05 306

knoymous	0.41 17	0.09 6	1.34 14	0.05 96	0.01 59	1.15 59	0.01 18	2.36 66	0.23 3	0.51 76	0.02 1	1.64 208	0.00 1	0.49 31	0.33 99	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.04 42

UDGNet	0.44 19	0.91 253	1.89 94	0.04 82	0.00 1	1.15 59	0.02 73	0.75 13	1.77 238	0.45 61	0.07 54	0.06 27	0.02 16	1.62 129	0.11 20	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.01 10

rafts_anoy	0.67 70	0.91 253	1.85 81	0.60 287	1.02 353	1.16 62	0.04 149	3.25 120	0.48 19	0.19 28	0.18 70	0.11 54	0.19 143	1.17 102	0.58 163	0.00 1	1.47 385	0.00 1	0.01 238	0.05 123	0.22 181

s12784h	0.67 70	0.17 46	1.87 89	0.02 39	0.00 1	1.16 62	0.03 121	4.08 190	1.89 246	1.04 144	1.59 244	0.05 20	0.02 16	1.25 113	0.12 25	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.02 23

TANstereo	0.37 14	0.50 166	1.62 32	0.03 58	0.01 59	1.16 62	0.00 1	0.56 4	0.53 21	1.05 145	1.38 232	0.06 27	0.05 56	0.45 27	0.07 9	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 23

PMTNet	0.26 5	0.21 83	1.40 15	0.02 39	0.02 104	1.16 62	0.29 268	1.00 21	0.18 1	0.04 9	0.03 29	0.07 38	0.02 16	0.47 28	0.15 37	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.02 23

mmm	0.94 132	0.32 124	2.04 115	0.73 314	0.85 337	1.17 66	0.01 18	3.97 173	1.42 185	1.51 200	0.93 202	0.46 97	0.21 151	1.18 103	0.87 203	0.00 1	1.16 370	0.00 1	0.26 360	0.06 133	1.72 350

CES	0.51 27	0.16 38	1.23 11	0.09 148	1.58 367	1.18 67	0.05 161	1.07 25	0.79 48	0.03 5	0.03 29	0.14 64	0.10 100	0.55 39	0.12 25	0.00 1	0.01 189	0.00 1	0.00 1	0.01 9	2.98 384

HCRNet	0.83 98	0.39 143	1.59 31	0.02 39	0.00 1	1.18 67	0.01 18	3.69 138	2.28 277	0.75 101	0.21 88	0.56 108	0.11 108	5.32 254	0.25 81	0.00 1	0.01 189	0.00 1	0.00 1	0.08 167	0.04 42

Selective-RAFT	0.53 35	0.18 50	1.12 7	0.04 82	0.01 59	1.19 69	0.02 73	3.26 122	1.29 151	0.02 1	0.02 1	0.24 75	0.18 139	1.34 117	0.44 134	0.00 1	0.93 336	0.00 1	0.19 334	0.05 123	0.17 152

DLNR_Zeroshot_test	23.30 412	50.27 418	88.62 418	97.23 430	94.59 426	1.20 70	0.00 1	20.92 403	0.64 35	0.06 12	0.02 1	0.03 5	0.02 16	4.50 210	0.25 81	32.51 417	0.96 340	0.00 1	0.27 364	72.47 423	1.47 332

RCA-Stereo	0.53 35	0.18 50	1.16 8	0.01 9	0.24 242	1.20 70	0.01 18	3.86 160	0.97 78	0.77 104	0.50 150	0.05 20	0.13 124	0.32 12	0.03 3	0.00 1	0.87 323	0.00 1	0.00 1	0.08 167	0.24 190

RAFT_CTSACE	0.85 107	0.95 263	2.60 189	0.60 287	0.05 151	1.20 70	0.01 18	3.18 117	0.85 59	0.79 105	1.57 243	2.18 250	0.78 240	1.20 105	0.22 68	0.00 1	0.33 281	0.00 1	0.00 1	0.28 321	0.21 180

LCNet	0.93 129	0.21 83	1.62 32	0.14 179	0.26 255	1.20 70	0.22 241	2.71 75	0.90 70	1.82 228	0.21 88	0.12 56	2.50 317	5.59 264	0.16 41	0.00 1	0.00 1	0.00 1	0.00 1	0.16 265	0.79 284

raft+_RVC	0.71 80	1.05 287	1.86 84	0.64 296	1.31 360	1.20 70	0.05 161	2.44 69	0.77 47	0.18 24	0.43 140	0.08 43	0.15 126	0.93 94	0.64 171	0.00 1	1.43 383	0.00 1	0.00 1	0.09 186	1.03 305

111	1.00 158	1.05 287	3.63 250	0.01 9	0.04 143	1.20 70	0.16 220	4.50 228	2.24 273	1.32 181	1.15 220	2.00 234	0.31 169	0.59 52	0.79 190	0.00 1	0.00 1	0.00 1	0.00 1	0.10 197	0.84 287

iRaft-Stereo_5w	1.28 220	0.93 259	3.51 244	0.14 179	0.66 326	1.21 76	0.01 18	3.87 162	1.06 87	0.19 28	1.97 260	1.62 205	1.50 280	6.80 309	1.07 228	0.00 1	0.16 261	0.00 1	0.06 279	0.26 313	0.67 272

CREStereo++_RVC	0.37 14	0.24 96	1.62 32	0.06 114	0.00 1	1.21 76	0.01 18	0.77 14	1.12 97	0.26 38	1.45 235	0.06 27	0.06 63	0.42 23	0.09 12	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.06 65
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
AFF-stereo	0.89 119	1.05 287	1.70 45	0.49 271	0.18 219	1.21 76	0.01 18	3.58 133	1.62 211	0.84 110	1.93 258	1.14 179	0.26 159	1.24 111	0.68 179	0.00 1	0.64 304	0.00 1	0.00 1	0.26 313	0.89 293

FENet	0.61 56	0.22 88	1.75 53	0.05 96	0.00 1	1.21 76	0.05 161	3.78 144	1.28 147	1.08 150	0.02 1	1.61 203	0.09 93	0.60 54	0.35 109	0.00 1	0.01 189	0.00 1	0.00 1	0.04 111	0.08 80

AEACV	0.64 66	0.08 3	1.46 17	0.72 309	0.96 347	1.22 80	0.00 1	1.90 54	0.67 36	0.54 79	0.07 54	0.02 2	0.73 236	0.63 60	0.28 91	0.01 292	0.92 330	0.00 1	0.36 373	0.09 186	2.04 377

anonymousdsp2	0.88 113	0.10 10	2.48 182	0.42 251	0.77 336	1.22 80	0.02 73	4.89 260	1.23 124	0.75 101	0.21 88	0.94 158	0.09 93	1.46 122	0.31 98	0.00 1	0.88 324	0.00 1	0.11 296	0.05 123	1.78 362

ASMatch	1.46 252	0.17 46	2.35 159	0.73 314	0.20 225	1.22 80	0.25 251	1.04 24	0.89 67	0.30 41	11.50 367	0.92 155	2.31 310	6.65 301	0.56 161	0.00 1	0.00 1	0.00 1	0.01 238	0.00 1	0.04 42

raftrobust	0.68 75	0.89 250	1.80 65	0.02 39	1.29 359	1.22 80	0.05 161	2.37 67	0.62 33	2.99 306	0.03 29	0.12 56	0.15 126	0.60 54	0.51 153	0.00 1	0.69 305	0.00 1	0.00 1	0.10 197	0.24 190

EKT-Stereo	0.91 122	0.23 92	2.14 131	0.84 327	4.27 386	1.23 84	0.04 149	2.85 84	0.67 36	0.44 57	0.40 133	0.95 162	0.08 84	2.93 158	0.38 124	0.00 1	0.18 264	0.00 1	0.07 281	0.04 111	0.40 235

dd	0.45 20	1.20 305	2.52 186	0.06 114	0.01 59	1.23 84	0.03 121	0.88 18	1.48 193	0.26 38	0.06 51	0.12 56	0.05 56	0.42 23	0.44 134	0.02 316	0.00 1	0.00 1	0.00 1	0.06 133	0.06 65

test-1	0.77 90	0.31 120	1.67 41	0.03 58	0.97 348	1.23 84	0.07 179	4.63 243	0.75 44	0.73 98	0.67 172	1.06 172	0.03 33	0.58 45	0.80 192	0.02 316	0.79 314	0.00 1	0.07 281	0.01 9	0.96 300

iRaftStereo_RVC	0.55 44	0.59 193	1.20 9	0.03 58	0.00 1	1.23 84	0.01 18	2.55 72	0.81 53	0.15 19	0.23 92	0.70 127	0.12 121	0.48 29	0.22 68	0.00 1	1.14 368	0.00 1	0.00 1	0.33 331	1.13 310

AE-Stereo	0.83 98	0.13 23	2.17 133	0.08 132	0.24 242	1.24 88	0.03 121	5.22 283	1.26 139	0.70 90	1.09 212	0.20 69	0.16 131	0.70 66	0.33 99	0.00 1	0.89 329	0.00 1	0.26 360	0.09 186	1.75 354

DCANet-4	0.83 98	0.18 50	4.76 301	0.04 82	0.01 59	1.24 88	0.02 73	3.84 158	2.21 271	2.39 276	0.25 95	0.11 54	0.24 155	0.59 52	0.36 113	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.37 223

CFNet_pseudo	0.71 80	0.20 79	2.34 158	0.01 9	0.01 59	1.24 88	0.00 1	3.19 118	0.92 72	0.85 111	0.47 148	2.29 258	0.61 214	1.79 139	0.17 47	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.14 136

RAFT-Stereo + iAFF	0.90 120	0.95 263	1.93 99	0.06 114	0.92 344	1.24 88	0.02 73	3.30 124	1.75 236	1.23 173	2.58 292	0.43 94	0.16 131	0.68 65	0.82 195	0.00 1	0.70 308	0.00 1	0.00 1	0.23 299	1.05 306

CREStereo	0.29 7	0.19 73	0.91 2	0.00 1	0.01 59	1.24 88	0.01 18	1.31 28	0.99 82	0.17 22	0.17 67	0.04 7	0.00 1	0.56 42	0.14 35	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.02 23
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
ccs_rob	0.71 80	0.20 79	2.35 159	0.00 1	0.01 59	1.24 88	0.00 1	3.17 115	0.91 71	0.82 109	0.45 144	2.28 254	0.63 221	1.78 138	0.18 50	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.14 136

AANet_RVC	1.95 288	1.64 341	4.89 305	0.09 148	0.00 1	1.24 88	0.01 18	3.93 169	2.82 320	2.32 267	4.64 331	3.61 310	0.19 143	7.61 346	4.73 334	0.60 369	0.19 267	0.00 1	0.00 1	0.11 220	0.47 243

fff	0.83 98	0.63 205	3.63 250	0.01 9	0.04 143	1.25 95	0.02 73	3.98 174	1.29 151	2.39 276	0.25 95	0.09 48	1.78 296	0.58 45	0.36 113	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.37 223

ADStereo(finetuned)	0.98 153	0.65 210	4.66 297	0.03 58	0.00 1	1.25 95	0.01 18	3.99 178	2.16 265	2.65 290	0.30 108	0.09 48	2.33 311	0.58 45	0.45 138	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.41 237

dad	1.04 167	1.21 306	3.14 224	0.08 132	0.01 59	1.25 95	0.01 18	1.30 27	2.54 299	1.95 242	0.37 125	0.40 92	0.04 42	5.95 274	1.06 226	0.01 292	0.00 1	1.11 381	0.12 302	0.07 157	0.19 162

DCANet	0.84 104	0.65 210	3.63 250	0.03 58	0.00 1	1.25 95	0.01 18	3.99 178	2.16 265	2.66 293	0.31 111	0.09 48	0.48 201	0.57 44	0.45 138	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.41 237

csc	0.83 98	0.63 205	3.63 250	0.01 9	0.04 143	1.25 95	0.02 73	3.98 174	1.29 151	2.39 276	0.25 95	0.09 48	1.78 296	0.58 45	0.36 113	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.37 223

cscssc	0.83 98	0.63 205	3.63 250	0.01 9	0.04 143	1.25 95	0.02 73	3.98 174	1.29 151	2.39 276	0.25 95	0.09 48	1.78 296	0.58 45	0.36 113	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.37 223

whm_eth	0.81 95	0.77 232	4.13 273	0.03 58	0.00 1	1.26 101	0.02 73	4.05 185	2.20 270	0.35 43	2.47 289	0.13 61	0.11 108	0.28 8	0.14 35	0.00 1	0.01 189	0.00 1	0.00 1	0.02 35	0.28 206

GMStereo_Zeroshot	0.67 70	0.24 96	1.87 89	0.87 330	0.00 1	1.26 101	0.01 18	2.01 57	0.42 14	1.44 195	0.58 161	1.73 216	0.19 143	2.62 151	0.10 19	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.09 100

IPLGR	0.88 113	0.30 114	3.78 263	0.06 114	0.07 164	1.26 101	0.05 161	3.78 144	1.62 211	0.80 106	0.35 121	0.79 143	0.76 237	3.42 168	0.27 90	0.00 1	0.00 1	0.00 1	0.00 1	0.08 167	0.16 147

ADLNet2	1.52 261	0.79 235	3.51 244	0.01 9	0.69 330	1.26 101	0.26 253	4.84 256	3.10 327	1.67 219	3.23 306	4.17 323	0.80 242	4.77 228	1.00 221	0.00 1	0.00 1	0.00 1	0.00 1	0.22 298	0.12 123

R-Stereo Train	0.56 47	0.15 28	1.83 78	0.02 39	0.00 1	1.26 101	0.09 196	4.14 200	0.45 17	1.86 230	0.42 137	0.06 27	0.01 4	0.32 12	0.46 143	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.05 57

RAFT-Stereo	0.56 47	0.15 28	1.83 78	0.02 39	0.00 1	1.26 101	0.09 196	4.14 200	0.45 17	1.86 230	0.42 137	0.06 27	0.01 4	0.32 12	0.46 143	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.05 57
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RAFT+CT+SA	0.85 107	0.91 253	2.23 144	0.19 194	0.29 266	1.27 107	0.03 121	4.92 264	0.86 60	0.65 84	0.40 133	0.67 120	0.05 56	3.03 159	0.18 50	0.00 1	0.28 278	0.00 1	0.35 372	0.15 257	0.61 264

GrayStereo	1.55 265	0.06 1	1.53 24	0.75 319	0.20 225	1.27 107	4.44 374	3.44 128	1.20 115	4.92 347	3.92 321	0.45 96	4.54 354	3.43 169	0.09 12	0.00 1	0.00 1	0.00 1	0.49 381	0.02 35	0.25 196

CFNet-RSSM	0.60 55	0.15 28	1.55 27	0.05 96	0.14 203	1.27 107	0.02 73	4.87 258	0.58 28	0.34 42	0.02 1	1.92 227	0.04 42	0.49 31	0.25 81	0.00 1	0.01 189	0.00 1	0.27 364	0.01 9	0.10 110

test_4	0.65 68	0.40 148	1.73 48	0.11 170	0.19 221	1.28 110	0.03 121	1.41 30	0.22 2	0.28 40	3.49 312	0.72 129	0.09 93	1.93 142	0.53 157	0.00 1	0.11 255	0.00 1	0.08 285	0.16 265	0.15 143

KYRaft	1.26 217	0.08 3	1.58 29	0.06 114	0.23 237	1.28 110	0.75 313	2.92 91	0.81 53	3.20 312	7.14 352	0.99 166	2.70 322	1.56 123	0.16 41	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	1.66 349

Prome-Stereo	1.29 224	0.09 6	1.62 32	0.12 176	0.24 242	1.28 110	0.65 307	2.98 98	0.93 73	2.08 250	8.52 357	0.75 134	2.83 325	2.19 147	0.11 20	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	1.39 328

XX-Stereo	1.24 205	0.25 99	6.03 338	1.30 355	0.29 266	1.28 110	0.00 1	4.12 197	0.60 31	1.29 177	0.50 150	3.63 311	0.03 33	4.05 188	0.18 50	0.00 1	0.58 300	0.00 1	0.23 348	0.03 90	0.47 243

DMCA-RVC	1.12 181	1.19 304	5.30 324	0.03 58	0.04 143	1.30 114	0.06 177	3.05 104	0.87 61	3.33 315	0.12 64	0.98 165	0.65 227	3.40 167	1.82 261	0.01 292	0.04 227	0.02 338	0.01 238	0.10 197	0.09 100

DMCA	0.87 111	0.52 178	3.24 230	0.01 9	0.01 59	1.30 114	0.02 73	3.69 138	1.87 244	2.29 264	0.17 67	1.71 214	0.10 100	0.76 74	1.42 243	0.00 1	0.00 1	0.00 1	0.00 1	0.08 167	0.12 123

MIM_Stereo	0.72 85	0.80 237	2.05 116	0.63 294	1.06 354	1.31 116	0.02 73	2.80 82	1.24 126	0.19 28	0.02 1	0.70 127	0.20 148	1.31 115	0.16 41	0.00 1	0.18 264	0.00 1	0.00 1	0.17 277	1.53 334

DCRE	1.01 160	0.54 181	1.52 22	0.30 234	0.99 350	1.31 116	0.00 1	1.69 46	0.71 41	1.12 157	7.77 354	0.74 132	0.02 16	0.28 8	0.45 138	0.00 1	0.71 309	0.00 1	0.25 353	0.02 35	1.78 362

TestStereo1	0.96 144	0.91 253	2.21 137	0.24 219	0.42 290	1.31 116	0.02 73	4.10 193	1.71 229	0.47 64	1.64 245	0.20 69	1.20 258	3.55 173	0.36 113	0.00 1	0.27 274	0.00 1	0.00 1	0.19 285	0.32 212

SA-5K	0.96 144	0.91 253	2.21 137	0.24 219	0.42 290	1.31 116	0.02 73	4.10 193	1.71 229	0.47 64	1.64 245	0.20 69	1.20 258	3.55 173	0.36 113	0.00 1	0.27 274	0.00 1	0.00 1	0.19 285	0.32 212

SA	1.02 165	0.85 242	2.22 139	0.00 1	0.42 290	1.31 116	0.01 18	4.74 253	2.04 260	0.50 74	0.95 204	0.30 83	1.30 270	4.24 197	0.42 133	0.00 1	0.47 289	0.00 1	0.17 321	0.16 265	0.30 208

DAS	1.40 245	0.11 13	2.83 206	0.04 82	0.01 59	1.31 116	1.14 331	4.51 229	2.02 258	4.84 344	2.33 274	1.65 209	0.56 207	5.53 260	0.85 200	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.19 162

SepStereo	1.41 247	0.11 13	2.83 206	0.04 82	0.01 59	1.31 116	1.14 331	4.51 229	2.02 258	4.84 344	2.33 274	1.65 209	0.56 207	5.78 269	0.85 200	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.19 162

PWC_ROB	3.30 340	1.83 347	8.47 371	0.62 293	0.56 307	1.31 116	0.39 284	4.53 233	5.05 354	7.66 364	15.14 375	3.37 298	2.43 314	6.86 313	6.74 350	0.00 1	0.00 1	0.00 1	0.00 1	0.51 357	0.54 252

LoS	0.32 10	0.19 73	1.27 12	0.11 170	0.01 59	1.32 124	0.07 179	1.44 32	0.79 48	0.06 12	0.04 39	0.27 81	0.11 108	0.60 54	0.13 33	0.00 1	0.01 189	0.00 1	0.00 1	0.03 90	0.01 10

ToySt	0.92 125	0.51 173	4.35 283	0.21 209	0.71 333	1.32 124	0.00 1	2.77 80	1.33 164	0.21 35	0.51 153	1.47 193	0.11 108	1.14 100	0.87 203	0.03 326	0.69 305	0.00 1	0.20 336	0.10 197	1.88 374

MIPNet	0.77 90	0.74 223	2.72 197	0.08 132	0.07 164	1.32 124	0.12 212	4.14 200	1.51 195	0.90 118	0.11 60	0.67 120	0.95 250	1.42 120	0.30 97	0.00 1	0.01 189	0.01 320	0.01 238	0.15 257	0.23 186

GwcNet-ADL	0.71 80	0.22 88	2.22 139	0.05 96	0.01 59	1.32 124	0.02 73	3.82 152	1.61 205	1.06 148	0.44 141	1.46 192	0.22 152	0.94 95	0.62 170	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.14 136

HHNet	0.94 132	0.28 109	2.48 182	0.19 194	0.08 173	1.32 124	0.42 287	2.48 70	0.84 58	1.39 192	5.80 340	0.14 64	1.74 295	0.49 31	0.94 215	0.06 342	0.00 1	0.01 320	0.00 1	0.14 246	0.04 42

CFNet_ucs	0.84 104	0.23 92	2.43 177	0.01 9	0.01 59	1.34 129	0.01 18	3.82 152	1.61 205	1.24 174	1.13 217	2.16 249	0.41 194	2.08 145	0.17 47	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.17 152

BEATNet_4x	1.24 205	1.45 327	5.03 313	0.58 284	0.02 104	1.34 129	0.09 196	5.29 286	1.69 223	2.01 246	0.25 95	1.18 181	0.44 196	2.11 146	2.70 295	0.00 1	0.00 1	0.00 1	0.00 1	0.14 246	0.54 252

StereoDRNet-Refined	0.96 144	0.28 109	1.94 101	0.03 58	0.01 59	1.34 129	0.01 18	4.02 181	1.33 164	2.16 254	1.23 223	2.62 268	0.18 139	2.06 144	1.82 261	0.00 1	0.00 1	0.00 1	0.00 1	0.16 265	0.06 65
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
PSM-AAD	1.21 197	0.08 3	1.53 24	0.10 158	0.27 260	1.35 132	3.14 358	2.74 76	0.83 57	2.89 301	2.04 265	0.16 68	5.25 362	3.51 172	0.21 67	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.08 80

MSKI-zero shot	0.91 122	0.18 50	1.86 84	0.61 289	0.62 324	1.36 133	0.05 161	3.41 127	0.31 11	0.73 98	1.79 252	0.88 149	0.00 1	4.71 218	0.16 41	0.00 1	0.93 336	0.00 1	0.21 341	0.02 35	0.32 212

Sa-1000	1.23 203	0.79 235	2.16 132	0.00 1	0.40 285	1.36 133	0.03 121	5.00 269	2.01 256	1.11 156	5.38 336	0.61 109	0.15 126	4.18 189	0.37 123	0.00 1	0.54 297	0.00 1	0.16 313	0.15 257	0.16 147

DeepStereo_RVC	0.59 50	0.16 38	1.65 40	0.08 132	0.06 156	1.37 135	0.40 285	1.58 35	1.26 139	1.03 143	0.83 191	0.49 100	1.52 281	0.94 95	0.18 50	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.13 131

IRAFT_RVC	1.13 183	0.39 143	2.40 165	1.51 364	0.25 246	1.37 135	0.31 275	2.93 96	1.24 126	1.58 212	0.79 186	1.14 179	1.54 282	6.53 294	0.44 134	0.00 1	0.12 257	0.00 1	0.00 1	0.02 35	0.03 36

CFNet-ft	0.97 151	0.94 260	2.30 151	0.01 9	0.27 260	1.37 135	0.02 73	2.76 77	0.79 48	0.88 115	0.20 85	3.76 316	0.38 181	4.21 192	1.34 238	0.00 1	0.00 1	0.01 320	0.00 1	0.08 167	0.09 100

CFNet_RVC	0.97 151	0.94 260	2.30 151	0.01 9	0.27 260	1.37 135	0.02 73	2.76 77	0.79 48	0.88 115	0.20 85	3.76 316	0.38 181	4.21 192	1.34 238	0.00 1	0.00 1	0.01 320	0.00 1	0.08 167	0.09 100

HITNet	1.01 160	1.08 293	3.32 235	0.80 323	0.00 1	1.37 135	0.02 73	5.20 281	1.59 202	1.88 232	0.18 70	0.64 113	0.31 169	1.24 111	2.01 269	0.00 1	0.00 1	0.00 1	0.00 1	0.08 167	0.47 243
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
iResNet_ROB	1.22 201	1.37 320	2.59 188	0.14 179	0.00 1	1.38 140	0.04 149	7.36 368	2.85 323	1.07 149	1.24 224	0.93 157	0.11 108	4.28 199	0.84 199	0.00 1	0.00 1	0.00 1	0.00 1	0.12 228	0.11 117

raft_robust	1.21 197	1.05 287	2.00 106	0.10 158	0.43 293	1.39 141	0.02 73	4.21 206	2.32 280	0.44 57	0.02 1	2.23 252	1.39 272	7.00 327	0.35 109	0.00 1	0.78 313	0.00 1	0.18 328	0.10 197	0.19 162

ACVNet	0.75 86	0.56 188	2.30 151	0.09 148	0.00 1	1.39 141	0.21 238	2.76 77	1.34 167	0.88 115	0.75 180	1.92 227	0.26 159	0.51 36	1.65 254	0.00 1	0.00 1	0.00 1	0.00 1	0.15 257	0.20 174

hitnet-ft	1.26 217	0.71 218	2.37 162	0.04 82	0.00 1	1.39 141	0.21 238	3.94 170	2.53 298	1.61 213	1.11 216	4.21 324	0.36 177	4.83 231	1.65 254	0.01 292	0.00 1	0.03 343	0.00 1	0.11 220	0.08 80

GANet-RSSM	1.09 176	0.80 237	2.41 167	0.72 309	0.00 1	1.39 141	0.02 73	5.15 277	1.07 88	0.95 127	0.34 114	2.06 237	1.12 254	4.69 216	0.80 192	0.00 1	0.00 1	0.04 347	0.00 1	0.15 257	0.09 100

IPLG	0.99 155	0.76 229	3.08 219	0.06 114	0.06 156	1.40 145	0.11 205	3.81 147	1.07 88	0.81 107	1.00 207	0.50 103	0.60 213	5.65 268	0.38 124	0.00 1	0.00 1	0.00 1	0.00 1	0.23 299	0.20 174

CrosDoStereo	1.72 274	0.31 120	1.91 96	0.03 58	0.07 164	1.40 145	5.95 388	3.61 134	1.62 211	0.98 129	3.79 318	0.94 158	4.66 356	7.11 332	1.86 264	0.00 1	0.00 1	0.00 1	0.00 1	0.12 228	0.08 80

DeepStereo_LL	1.72 274	0.31 120	1.91 96	0.03 58	0.07 164	1.40 145	5.95 388	3.61 134	1.62 211	0.98 129	3.79 318	0.94 158	4.66 356	7.11 332	1.86 264	0.00 1	0.00 1	0.00 1	0.00 1	0.12 228	0.08 80

GEStereo_RVC	1.25 208	0.76 229	2.61 191	0.37 243	0.01 59	1.40 145	0.11 205	6.93 357	1.20 115	1.22 172	0.78 185	1.58 200	0.77 238	6.13 280	0.66 175	0.00 1	0.00 1	0.00 1	0.00 1	0.14 246	0.23 186

NLCA_NET_v2_RVC	1.20 195	0.85 242	3.90 267	0.61 289	0.99 350	1.40 145	0.01 18	4.06 187	1.56 199	2.38 275	0.36 124	2.15 248	0.57 210	4.52 211	0.67 178	0.00 1	0.00 1	0.00 1	0.01 238	0.02 35	0.03 36
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	1.25 208	0.85 242	2.77 202	0.05 96	0.03 122	1.40 145	0.01 18	5.04 271	2.38 285	1.34 184	2.80 296	0.65 114	0.06 63	6.36 287	0.91 213	0.18 360	0.00 1	0.00 1	0.00 1	0.12 228	0.01 10

PSMNet-RSSM	1.10 177	0.88 248	2.30 151	0.23 214	0.00 1	1.41 151	0.03 121	5.44 300	1.19 109	1.56 205	0.50 150	2.46 264	0.71 234	4.23 195	0.90 210	0.00 1	0.00 1	0.01 320	0.00 1	0.10 197	0.08 80

iResNetv2_ROB	1.32 232	1.82 346	6.02 337	1.27 352	0.00 1	1.41 151	0.05 161	4.48 226	1.46 189	1.02 142	1.28 226	1.00 168	0.27 162	4.72 219	1.12 230	0.00 1	0.00 1	0.00 1	0.00 1	0.37 345	0.16 147

FTStereo	2.20 312	0.09 6	2.07 118	0.18 189	0.13 198	1.43 153	4.50 376	2.98 98	0.97 78	3.35 317	17.70 380	0.77 142	4.06 348	4.36 202	0.15 37	0.15 357	0.00 1	0.00 1	0.00 1	0.02 35	1.19 315

GMM-Stereo	1.17 191	0.10 10	2.29 149	0.13 177	0.22 231	1.43 153	0.84 315	2.83 83	1.16 101	2.73 297	3.09 302	0.54 107	0.87 246	5.31 252	0.16 41	0.01 292	0.00 1	0.00 1	0.02 256	0.02 35	1.72 350

CFNet	1.24 205	1.33 318	3.20 226	0.26 228	0.03 122	1.43 153	0.04 149	5.03 270	2.39 287	0.61 81	0.71 174	1.30 187	0.23 153	6.72 305	1.16 234	0.00 1	0.00 1	0.00 1	0.00 1	0.25 307	0.10 110

IPLGR_C	0.94 132	1.37 320	3.71 258	0.19 194	0.02 104	1.44 156	0.29 268	3.88 165	1.62 211	2.04 247	2.44 288	0.20 69	0.12 121	0.79 79	0.29 93	0.00 1	0.05 232	0.01 320	0.05 272	0.21 292	0.08 80

ACRE	0.94 132	1.27 312	3.93 269	0.22 210	0.02 104	1.44 156	0.29 268	3.88 165	1.60 204	1.97 243	2.42 283	0.21 73	0.11 108	0.82 87	0.29 93	0.00 1	0.04 227	0.01 320	0.05 272	0.21 292	0.09 100

cf-r	1.18 193	1.02 281	3.22 227	0.25 224	0.02 104	1.44 156	0.03 121	5.11 276	2.16 265	1.31 180	0.59 162	2.87 279	0.24 155	4.26 198	0.79 190	0.00 1	0.00 1	0.00 1	0.00 1	0.15 257	0.12 123

STTStereo	0.98 153	0.62 203	3.78 263	0.25 224	0.15 211	1.44 156	0.10 203	3.57 131	1.75 236	1.46 197	0.19 81	1.74 217	0.44 196	3.47 170	0.54 159	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.05 57

anonymousa	1.15 188	0.38 141	2.43 177	0.70 305	1.49 365	1.45 160	0.02 73	4.23 211	1.13 98	0.91 119	2.52 290	3.46 304	0.55 205	0.55 39	0.60 164	0.00 1	1.13 363	0.00 1	0.54 382	0.04 111	0.86 290

CIPLG	0.94 132	1.29 314	3.53 247	0.19 194	0.03 122	1.45 160	0.29 268	3.87 162	1.61 205	2.10 251	2.52 290	0.21 73	0.11 108	0.85 91	0.29 93	0.00 1	0.05 232	0.01 320	0.05 272	0.21 292	0.08 80

HGLStereo	1.17 191	0.53 180	2.39 164	0.01 9	0.02 104	1.45 160	0.01 18	4.05 185	1.14 99	1.42 193	3.06 300	2.09 240	1.21 262	4.60 215	1.33 237	0.00 1	0.00 1	0.00 1	0.00 1	0.10 197	0.06 65

DeepPrunerF	2.71 329	1.57 338	16.51 394	0.22 210	0.33 281	1.45 160	0.28 261	6.26 342	9.92 377	1.25 175	0.44 141	1.98 232	1.61 290	7.33 338	4.17 328	0.00 1	0.01 189	0.07 352	0.10 293	0.33 331	0.29 207

GANet-ADL	0.62 58	0.16 38	1.89 94	0.15 184	0.02 104	1.46 164	0.02 73	3.83 157	0.75 44	0.40 49	1.08 211	1.09 176	0.18 139	0.65 62	0.47 148	0.00 1	0.00 1	0.00 1	0.00 1	0.04 111	0.13 131

PFNet+	0.65 68	0.19 73	2.19 135	0.29 233	0.06 156	1.46 164	0.54 297	1.74 49	1.62 211	1.35 186	0.45 144	0.36 86	0.01 4	2.41 148	0.25 81	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.01 10

GwcNet-RSSM	1.22 201	1.24 310	3.66 255	0.23 214	0.04 143	1.46 164	0.05 161	4.65 246	1.61 205	1.33 183	0.46 147	2.98 284	0.26 159	4.48 207	1.59 251	0.00 1	0.00 1	0.02 338	0.00 1	0.21 292	0.10 110

DIP-Stereo	0.68 75	0.35 133	1.76 59	0.08 132	0.00 1	1.46 164	0.01 18	6.53 349	1.71 229	0.91 119	0.11 60	0.04 7	0.19 143	0.19 2	0.09 12	0.00 1	0.01 189	0.00 1	0.00 1	0.03 90	0.17 152
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
PA-Net	1.56 267	1.13 298	5.13 317	0.07 124	0.17 216	1.46 164	0.53 296	4.73 251	3.04 326	0.92 123	1.30 227	2.29 258	0.62 219	6.63 299	3.00 308	0.01 292	0.00 1	0.00 1	0.00 1	0.07 157	0.15 143
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
AdaStereo	0.76 88	0.12 18	1.73 48	0.05 96	0.00 1	1.46 164	0.23 244	5.16 280	1.66 220	1.19 164	0.37 125	1.54 196	0.17 135	0.86 92	0.54 159	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.08 80
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.
MyStereo8	1.16 190	0.86 245	3.73 261	0.86 329	0.04 143	1.47 170	0.01 18	4.64 244	2.13 263	1.47 198	1.10 214	1.21 182	0.31 169	1.12 99	1.50 246	0.00 1	1.45 384	0.00 1	0.30 368	0.10 197	0.93 299

test_5	0.94 132	0.94 260	2.60 189	0.55 281	0.25 246	1.47 170	0.02 73	4.89 260	0.97 78	0.81 107	0.30 108	0.80 144	0.63 221	3.39 166	0.24 79	0.00 1	0.27 274	0.00 1	0.00 1	0.17 277	0.54 252

RAFT-IKP	0.54 39	0.18 50	1.77 62	0.08 132	0.07 164	1.47 170	0.29 268	1.61 39	1.26 139	0.99 134	0.18 70	0.74 132	0.02 16	1.77 136	0.20 60	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.04 42

xxxx	2.26 317	0.43 154	2.30 151	0.01 9	0.68 329	1.47 170	0.00 1	6.56 351	2.32 280	1.56 205	2.07 266	1.07 174	0.06 63	4.81 229	18.87 394	0.00 1	1.11 356	0.00 1	0.21 341	0.06 133	1.65 345

Syn2CoEx	1.91 286	1.85 350	6.43 349	0.05 96	0.00 1	1.47 170	0.54 297	6.03 333	2.24 273	2.24 262	2.19 267	2.06 237	3.10 333	6.57 296	2.58 293	0.00 1	0.00 1	0.00 1	0.00 1	0.34 334	0.40 235

STrans-v2	1.75 276	0.45 157	3.43 239	0.03 58	0.19 221	1.48 175	0.08 185	7.25 365	2.16 265	2.04 247	2.80 296	3.60 309	3.78 345	7.00 327	0.52 156	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.10 110

CRE-IMP	0.49 23	0.14 27	1.75 53	0.08 132	0.05 151	1.48 175	0.45 289	1.64 44	1.22 122	0.92 123	0.29 104	0.87 148	0.01 4	0.39 19	0.25 81	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.17 152

test_xeample	2.27 318	0.46 160	2.25 145	0.10 158	0.69 330	1.48 175	0.00 1	6.24 340	2.46 293	1.83 229	2.40 282	0.37 87	0.07 73	4.49 208	19.55 396	0.00 1	1.11 356	0.00 1	0.21 341	0.07 157	1.65 345

CVANet_RVC	1.37 240	0.82 241	3.23 229	0.54 278	0.11 191	1.48 175	0.46 290	4.01 180	2.23 272	3.33 315	1.34 230	1.51 195	0.37 179	6.38 288	0.69 181	0.01 292	0.00 1	0.00 1	0.05 272	0.19 285	0.62 266

GASNet	1.77 279	2.50 370	7.05 354	0.47 262	0.02 104	1.50 179	0.20 232	4.55 236	2.55 300	0.98 129	1.48 238	2.24 253	1.57 288	6.25 281	3.41 318	0.00 1	0.05 232	0.00 1	0.00 1	0.55 364	0.12 123

PSM-softLoss	0.96 144	0.18 50	2.32 156	1.26 350	0.03 122	1.50 179	0.26 253	2.90 88	1.27 143	1.30 178	0.38 128	0.39 90	0.01 4	6.94 321	0.36 113	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.01 10

KMStereo	0.96 144	0.18 50	2.32 156	1.26 350	0.03 122	1.50 179	0.26 253	2.90 88	1.27 143	1.30 178	0.38 128	0.39 90	0.01 4	6.94 321	0.36 113	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.01 10

DN-CSS_ROB	0.96 144	1.51 332	3.52 246	1.05 344	0.01 59	1.50 179	0.02 73	3.35 126	1.18 107	0.18 24	0.54 155	0.44 95	0.16 131	4.39 204	0.82 195	0.00 1	0.00 1	0.00 1	0.00 1	0.36 340	0.08 80

CoDeX	1.03 166	0.45 157	2.50 185	0.06 114	0.20 225	1.51 183	0.20 232	6.54 350	1.96 253	0.73 98	0.68 173	1.04 169	0.31 169	3.86 185	0.38 124	0.00 1	0.00 1	0.00 1	0.00 1	0.08 167	0.07 75

AAGNet	1.60 270	0.15 28	1.76 59	1.17 349	0.27 260	1.51 183	0.64 305	1.71 47	1.20 115	1.67 219	0.81 189	1.59 202	2.23 307	6.08 278	11.16 374	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.02 23

RAFT-RH_RVC	2.11 304	0.30 114	2.27 147	0.74 316	0.26 255	1.51 183	0.02 73	0.61 5	1.23 124	5.28 350	21.18 392	1.04 169	0.07 73	6.90 316	0.61 167	0.04 332	0.00 1	0.00 1	0.03 258	0.02 35	0.00 1

LL-Strereo	2.29 319	1.55 336	5.01 312	0.64 296	2.78 381	1.52 186	0.05 161	5.04 271	1.24 126	2.73 297	2.87 298	5.10 342	5.49 365	7.22 337	0.81 194	0.04 332	1.31 379	0.00 1	0.00 1	0.31 327	2.08 378

ac_64	1.28 220	0.43 154	2.90 211	0.18 189	0.25 246	1.52 186	0.03 121	5.58 304	1.89 246	0.92 123	0.53 154	4.86 335	0.45 199	5.01 239	0.88 206	0.00 1	0.00 1	0.00 1	0.00 1	0.10 197	0.06 65

MyStereo06	1.08 174	0.47 162	3.30 234	0.03 58	0.14 203	1.53 188	0.02 73	5.58 304	0.88 64	1.15 161	0.73 177	3.48 306	1.15 255	0.86 92	0.66 175	0.00 1	1.10 354	0.00 1	0.16 313	0.02 35	0.37 223

MyStereo05	1.01 160	0.47 162	3.36 236	0.03 58	0.14 203	1.53 188	0.02 73	4.11 196	3.37 332	1.43 194	0.03 29	1.27 184	0.39 191	1.39 119	0.97 217	0.00 1	1.10 354	0.00 1	0.16 313	0.02 35	0.37 223

DisPM	0.96 144	0.17 46	2.10 126	0.90 333	0.02 104	1.53 188	0.55 301	1.86 53	1.31 162	2.42 280	0.82 190	0.38 89	0.01 4	6.92 318	0.20 60	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.00 1

DLCB_ROB	1.38 241	0.60 196	1.96 102	0.10 158	0.00 1	1.53 188	0.23 244	4.02 181	1.91 249	3.54 320	1.97 260	3.40 301	0.30 165	4.91 233	2.97 306	0.00 1	0.00 1	0.00 1	0.00 1	0.04 111	0.12 123

FADNet-RVC-Resample	1.28 220	1.46 328	6.58 350	0.10 158	0.14 203	1.54 192	0.25 251	4.29 218	1.46 189	0.61 81	0.23 92	1.29 186	0.28 164	5.23 249	1.06 226	0.10 350	0.16 261	0.09 355	0.06 279	0.28 321	0.39 233

NF-Stereo	0.92 125	0.18 50	1.99 105	1.31 356	0.01 59	1.55 193	0.28 261	3.09 109	1.24 126	1.20 168	0.57 156	0.24 75	0.01 4	6.43 289	0.35 109	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.00 1

RE-Stereo	0.92 125	0.18 50	2.01 107	1.31 356	0.01 59	1.55 193	0.28 261	3.09 109	1.24 126	1.21 169	0.57 156	0.24 75	0.01 4	6.43 289	0.34 107	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.00 1

TVStereo	0.92 125	0.18 50	2.01 107	1.31 356	0.01 59	1.55 193	0.28 261	3.09 109	1.24 126	1.21 169	0.57 156	0.24 75	0.01 4	6.43 289	0.34 107	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.00 1

RAFT-345	1.25 208	0.12 18	2.08 119	0.54 278	0.13 198	1.55 193	0.24 247	0.65 6	2.51 297	1.19 164	7.68 353	0.92 155	0.05 56	6.86 313	0.50 152	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.00 1

TRStereo	0.88 113	1.18 303	2.44 179	0.72 309	0.10 187	1.56 197	0.03 121	5.73 313	1.28 147	0.18 24	0.30 108	0.62 110	0.43 195	1.02 98	0.13 33	0.00 1	0.47 289	0.00 1	0.25 353	0.01 9	1.23 317

TransformOpticalFlow	1.53 262	0.40 148	3.46 241	0.66 299	0.07 164	1.56 197	0.09 196	4.35 220	1.86 243	1.72 224	2.27 272	3.53 308	3.04 331	6.93 320	0.49 149	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.10 110

OCTAStereo	0.93 129	0.18 50	2.01 107	1.31 356	0.01 59	1.56 197	0.28 261	3.09 109	1.24 126	1.21 169	0.57 156	0.25 79	0.01 4	6.43 289	0.35 109	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.00 1

222	3.11 335	0.43 154	2.10 126	0.02 39	0.45 295	1.57 200	0.01 18	6.44 346	2.34 284	1.73 225	2.24 271	0.52 105	0.07 73	4.95 236	36.29 412	0.00 1	1.07 346	0.00 1	0.21 341	0.06 133	1.65 345

UCFNet_RVC	0.78 92	0.68 214	2.05 116	0.02 39	0.29 266	1.57 200	0.02 73	3.57 131	0.87 61	1.35 186	0.74 178	1.66 211	0.20 148	1.92 141	0.61 167	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.04 42

riskmin	0.95 141	0.06 1	2.01 107	0.80 323	0.86 340	1.58 202	0.24 247	4.28 216	0.53 21	0.85 111	0.29 104	2.60 267	1.04 251	0.70 66	0.61 167	0.00 1	0.85 320	0.00 1	0.26 360	0.01 9	1.48 333

ROB_FTStereo_v2	0.52 33	0.18 50	1.71 46	0.08 132	0.09 179	1.59 203	0.32 277	1.61 39	1.25 133	0.99 134	0.19 81	0.76 139	0.02 16	1.36 118	0.20 60	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.04 42

Pruner-Stereo	0.63 63	0.21 83	1.86 84	1.03 343	0.10 187	1.59 203	0.35 282	2.26 61	1.22 122	2.22 257	0.45 144	0.25 79	0.01 4	0.67 63	0.38 124	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.02 23

aanetorigin	2.99 331	1.00 278	9.85 377	0.23 214	0.23 237	1.59 203	2.01 345	1.94 56	1.25 133	14.45 390	10.04 364	2.98 284	3.75 343	4.97 237	4.01 325	0.10 350	0.05 232	0.09 355	0.11 296	0.55 364	0.55 257

TDLM	1.32 232	0.90 251	2.42 175	0.61 289	0.03 122	1.59 203	2.04 347	3.73 142	2.29 278	1.70 223	0.94 203	1.07 174	0.67 230	6.49 293	1.12 230	0.00 1	0.00 1	0.00 1	0.00 1	0.18 282	0.54 252

DualNet	1.91 286	0.50 166	4.37 284	0.46 256	0.03 122	1.60 207	0.03 121	3.81 147	6.87 364	1.57 207	2.38 276	2.14 243	0.38 181	1.73 132	9.02 361	0.00 1	1.12 358	0.00 1	0.17 321	0.10 197	1.86 369

ffm	1.46 252	0.50 166	4.37 284	0.46 256	0.03 122	1.60 207	0.03 121	3.81 147	6.87 364	1.57 207	2.38 276	2.14 243	0.38 181	1.73 132	0.12 25	0.00 1	1.12 358	0.00 1	0.17 321	0.10 197	1.86 369

ff1	2.20 312	0.50 166	4.37 284	0.46 256	0.03 122	1.60 207	0.03 121	3.81 147	6.87 364	1.57 207	2.38 276	2.14 243	0.38 181	7.65 348	9.02 361	0.00 1	1.12 358	0.00 1	0.17 321	0.10 197	1.86 369

mmx	2.08 298	0.50 166	4.37 284	0.46 256	0.03 122	1.60 207	0.03 121	6.21 337	2.77 315	1.57 207	2.38 276	2.14 243	0.38 181	7.65 348	9.02 361	0.00 1	1.08 347	0.00 1	0.17 321	0.06 133	1.25 320

xxx	2.08 298	0.50 166	4.37 284	0.46 256	0.03 122	1.60 207	0.03 121	6.21 337	2.77 315	1.57 207	2.38 276	2.14 243	0.38 181	7.65 348	9.02 361	0.00 1	1.08 347	0.00 1	0.17 321	0.06 133	1.25 320

PFNet	1.13 183	0.26 101	3.28 233	1.27 352	0.55 304	1.60 207	0.24 247	1.80 51	1.19 109	2.37 274	1.21 222	0.63 111	0.30 165	6.85 312	0.46 143	0.16 358	0.01 189	0.00 1	0.07 281	0.18 282	0.24 190

DeepPruner_ROB	1.04 167	0.99 276	3.05 218	0.02 39	0.00 1	1.60 207	0.17 223	3.96 172	0.52 20	3.41 318	0.03 29	2.06 237	0.17 135	3.35 164	1.12 230	0.00 1	0.00 1	0.00 1	0.00 1	0.14 246	0.14 136

OMP-Stereo	1.29 224	0.75 225	1.67 41	2.47 377	0.29 266	1.61 214	0.32 277	2.38 68	1.09 91	2.66 293	1.14 219	3.04 287	0.17 135	7.40 339	0.60 164	0.00 1	0.00 1	0.00 1	0.00 1	0.07 157	0.08 80

NRIStereo	0.82 97	0.17 46	1.56 28	0.61 289	0.05 151	1.61 214	0.48 292	1.52 34	1.19 109	0.91 119	0.17 67	0.65 114	0.03 33	7.00 327	0.25 81	0.00 1	0.06 238	0.00 1	0.00 1	0.06 133	0.17 152

ROB_FTStereo	0.55 44	0.18 50	1.75 53	0.08 132	0.09 179	1.61 214	0.32 277	1.60 36	1.26 139	0.99 134	0.19 81	0.75 134	0.03 33	1.97 143	0.19 58	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.04 42

FADNet-RVC	1.30 228	1.62 340	6.28 342	0.03 58	0.00 1	1.61 214	0.08 185	4.49 227	2.04 260	0.41 54	0.10 57	0.63 111	0.64 224	5.55 262	1.69 257	0.01 292	0.08 245	0.00 1	0.00 1	0.52 361	0.31 210

NVstereo2D	1.25 208	0.34 131	5.21 323	0.09 148	0.03 122	1.61 214	0.23 244	4.95 267	1.92 250	1.05 145	0.38 128	2.53 265	0.61 214	5.36 255	0.44 134	0.00 1	0.10 253	0.00 1	0.03 258	0.04 111	0.19 162

Patchmatch Stereo++	0.59 50	0.18 50	1.73 48	0.08 132	0.08 173	1.62 219	0.26 253	1.62 42	1.25 133	1.00 140	0.18 70	0.75 134	0.03 33	2.68 153	0.20 60	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.05 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
iRAFT	0.59 50	0.18 50	1.73 48	0.08 132	0.08 173	1.62 219	0.26 253	1.62 42	1.25 133	1.00 140	0.18 70	0.75 134	0.03 33	2.68 153	0.20 60	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.05 57

psmorigin	2.16 309	0.75 225	10.72 381	0.24 219	0.03 122	1.62 219	0.20 232	3.80 146	1.16 101	5.40 351	3.08 301	5.77 349	2.29 309	5.62 266	2.13 273	0.00 1	0.00 1	0.00 1	0.00 1	0.08 167	0.25 196

IIG-Stereo	1.39 243	0.67 213	1.73 48	2.48 378	0.05 151	1.63 222	0.14 216	3.00 100	1.20 115	2.94 303	2.23 270	3.03 286	0.55 205	7.41 340	0.66 175	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.07 75

PSM-adaLoss	0.54 39	0.18 50	1.72 47	0.08 132	0.09 179	1.63 222	0.29 268	1.60 36	1.27 143	0.99 134	0.18 70	0.76 139	0.02 16	1.79 139	0.20 60	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.05 57

HUI-Stereo	0.54 39	0.18 50	1.78 64	0.08 132	0.08 173	1.63 222	0.31 275	1.60 36	1.28 147	0.99 134	0.18 70	0.76 139	0.02 16	1.56 123	0.19 58	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.05 57

iGMRVC	0.59 50	0.18 50	1.75 53	0.08 132	0.09 179	1.63 222	0.27 260	1.61 39	1.27 143	0.99 134	0.19 81	0.75 134	0.03 33	2.78 155	0.20 60	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.04 42

GES	0.75 86	0.26 101	2.66 196	0.01 9	0.00 1	1.63 222	0.08 185	6.06 334	0.57 27	0.68 88	0.40 133	0.37 87	0.66 229	0.84 89	0.49 149	0.02 316	0.00 1	0.01 320	0.00 1	0.08 167	0.10 110

MLCV	1.19 194	0.97 270	3.09 220	0.07 124	0.00 1	1.63 222	0.04 149	3.33 125	1.57 200	2.74 299	1.83 254	0.99 166	0.40 192	5.31 252	1.53 248	0.00 1	0.00 1	0.00 1	0.00 1	0.12 228	0.11 117

NCCL2	1.51 258	1.32 317	3.27 232	0.03 58	0.07 164	1.63 222	3.29 360	4.54 235	1.61 205	3.22 313	0.37 125	3.84 318	0.31 169	4.42 205	2.02 271	0.00 1	0.00 1	0.02 338	0.00 1	0.09 186	0.22 181

ttt	1.79 280	0.32 124	2.41 167	0.58 284	0.26 255	1.64 229	0.00 1	6.26 342	2.57 301	1.91 235	2.39 281	1.39 190	0.11 108	5.55 262	7.97 356	0.00 1	1.05 344	0.00 1	0.16 313	0.06 133	1.14 311

SACVNet	1.14 186	0.74 223	2.49 184	0.07 124	0.00 1	1.65 230	0.28 261	4.52 232	1.51 195	2.11 252	0.79 186	1.57 197	0.07 73	5.28 251	1.31 235	0.01 292	0.00 1	0.00 1	0.00 1	0.26 313	0.18 159

MyStereo07	0.53 35	0.51 173	1.58 29	0.03 58	0.34 282	1.66 231	0.02 73	1.68 45	1.34 167	0.53 78	0.02 1	0.04 7	0.11 108	0.74 73	0.26 88	0.00 1	1.19 372	0.00 1	0.18 328	0.03 90	0.37 223

MyStereo04	1.01 160	0.51 173	3.49 243	0.03 58	0.34 282	1.66 231	0.02 73	4.18 204	2.93 324	1.10 154	0.03 29	1.30 187	0.58 211	1.32 116	1.02 223	0.00 1	1.19 372	0.00 1	0.18 328	0.03 90	0.37 223

Consistency-Raft	1.48 255	0.96 267	5.40 329	0.36 240	0.31 280	1.66 231	0.11 205	4.30 219	4.32 346	0.47 64	5.99 342	0.86 147	2.09 305	1.19 104	1.31 235	0.03 326	0.01 189	0.00 1	0.00 1	0.27 318	0.02 23

DRaft	1.40 245	0.20 79	1.83 78	0.09 148	0.01 59	1.66 231	0.42 287	2.13 60	0.59 29	3.75 324	5.16 335	0.41 93	4.27 351	5.52 259	1.63 253	0.01 292	0.06 238	0.00 1	0.07 281	0.08 167	0.12 123

Anonymous Stereo	2.31 320	1.93 356	10.83 382	0.65 298	0.22 231	1.66 231	4.27 373	4.51 229	2.99 325	3.12 310	1.87 256	1.95 230	0.11 108	7.17 336	4.68 333	0.01 292	0.00 1	0.00 1	0.00 1	0.11 220	0.20 174

CASS	0.63 63	0.16 38	1.88 91	0.03 58	0.01 59	1.67 236	0.04 149	3.11 113	0.81 53	2.25 263	1.02 208	0.29 82	0.35 175	0.70 66	0.23 75	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.04 42
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Anonymous_2	2.17 310	0.32 124	2.35 159	0.80 323	0.85 337	1.67 236	0.22 241	4.62 242	0.71 41	1.12 157	0.40 133	3.18 294	1.94 302	0.84 89	0.77 188	0.06 342	1.09 350	3.25 388	14.62 412	3.25 382	1.43 331

ARAFT	1.27 219	1.38 322	4.73 299	0.08 132	0.00 1	1.67 236	0.04 149	5.52 303	1.98 255	3.02 307	0.59 162	0.47 99	0.11 108	4.87 232	0.38 124	0.00 1	0.03 223	0.00 1	0.00 1	0.25 307	0.25 196

RAFT_R40	1.08 174	0.11 13	2.09 125	0.83 326	0.20 225	1.68 239	0.64 305	2.11 59	1.19 109	1.05 145	1.13 217	1.77 218	1.43 274	6.90 316	0.33 99	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.01 10

PSMNet_ROB	1.31 229	1.27 312	3.91 268	0.05 96	0.11 191	1.69 240	0.16 220	3.98 174	1.59 202	1.15 161	0.34 114	2.77 273	0.62 219	4.43 206	3.80 322	0.00 1	0.00 1	0.00 1	0.00 1	0.12 228	0.12 123

XPNet_ROB	1.41 247	0.81 239	2.75 200	0.04 82	0.01 59	1.70 241	0.17 223	4.14 200	1.69 223	4.12 332	1.10 214	1.58 200	0.52 202	5.13 245	4.07 326	0.00 1	0.00 1	0.00 1	0.00 1	0.11 220	0.25 196

acv_ft	0.94 132	0.56 188	2.28 148	0.04 82	1.07 355	1.71 242	0.01 18	4.41 223	1.34 167	1.53 203	0.75 180	1.92 227	0.45 199	0.51 36	1.74 258	0.00 1	0.00 1	0.00 1	0.00 1	0.32 329	0.20 174

SST-Stereo	1.12 181	0.10 10	1.98 103	0.85 328	0.24 242	1.72 243	0.56 302	2.10 58	2.01 256	1.19 164	1.07 210	1.57 197	1.88 301	6.92 318	0.24 79	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.02 23

RP	2.09 300	0.90 251	3.88 266	0.22 210	0.61 317	1.72 243	0.94 320	4.97 268	2.65 304	3.87 327	5.63 339	4.44 325	4.28 352	4.99 238	2.35 286	0.01 292	0.00 1	0.00 1	0.01 238	0.20 289	0.13 131

AASNet	1.05 170	1.11 295	3.12 223	0.05 96	0.00 1	1.73 245	0.05 161	5.73 313	2.17 269	1.10 154	1.84 255	0.94 158	0.19 143	1.16 101	1.37 240	0.00 1	0.00 1	0.00 1	0.00 1	0.34 334	0.16 147

RASNet	1.75 276	0.71 218	2.93 212	0.20 208	3.20 383	1.75 246	0.26 253	3.87 162	2.64 303	0.98 129	1.46 237	5.25 348	1.67 292	6.73 306	2.81 303	0.00 1	0.00 1	0.00 1	0.00 1	0.06 133	0.47 243

HSM	1.48 255	0.60 196	1.85 81	0.01 9	0.29 266	1.76 247	0.04 149	6.50 348	1.46 189	1.91 235	1.55 241	4.69 333	1.27 268	6.66 302	0.70 182	0.00 1	0.00 1	0.00 1	0.00 1	0.07 157	0.26 200

DEmStereo	1.56 267	0.16 38	2.44 179	0.09 148	0.02 104	1.77 248	0.87 316	1.72 48	1.08 90	2.48 284	6.30 347	1.06 172	5.02 358	6.28 284	1.81 259	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.01 10

pcwnet_v2	1.36 239	0.21 83	5.89 335	0.15 184	0.01 59	1.78 249	0.02 73	5.77 320	3.19 331	1.69 222	1.94 259	2.00 234	0.79 241	3.09 161	0.33 99	0.00 1	0.00 1	0.00 1	0.01 238	0.04 111	0.27 203

AACVNet	1.04 167	0.87 247	2.22 139	0.25 224	0.00 1	1.79 250	0.01 18	4.21 206	0.79 48	1.17 163	0.27 101	1.50 194	0.16 131	6.30 286	0.89 209	0.00 1	0.00 1	0.00 1	0.00 1	0.23 299	0.04 42

FAT-Stereo	1.95 288	0.23 92	3.66 255	0.18 189	0.03 122	1.80 251	0.94 320	5.35 289	3.11 328	4.23 333	5.00 333	5.22 347	2.76 324	5.07 241	1.09 229	0.00 1	0.00 1	0.00 1	0.00 1	0.05 123	0.17 152

ETE_ROB	1.42 249	1.04 286	3.10 221	0.02 39	0.03 122	1.81 252	0.22 241	4.73 251	1.67 222	4.77 342	1.43 234	2.77 273	0.08 84	4.23 195	2.20 276	0.00 1	0.00 1	0.00 1	0.00 1	0.06 133	0.20 174

edge stereo	2.06 296	0.42 153	4.20 276	0.14 179	0.09 179	1.82 253	0.51 294	5.38 293	2.48 296	3.45 319	3.96 325	8.28 365	1.80 299	5.90 272	2.30 283	0.00 1	0.00 1	0.01 320	0.00 1	0.16 265	0.19 162

RAFT-Test	0.85 107	0.19 73	2.98 215	0.66 299	0.99 350	1.83 254	0.17 223	3.16 114	1.19 109	0.71 91	0.11 60	3.21 295	0.02 16	0.58 45	0.33 99	0.00 1	0.47 289	0.00 1	0.29 366	0.01 9	0.15 143

EGLCR-Stereo	0.64 66	0.12 18	1.52 22	0.74 316	0.75 335	1.83 254	0.54 297	2.79 81	0.67 36	0.66 87	0.04 39	0.01 1	0.02 16	0.77 76	0.45 138	0.00 1	0.71 309	0.00 1	0.00 1	0.00 1	1.14 311

iRaft-Stereo_20w	1.39 243	0.18 50	3.72 259	0.79 322	0.56 307	1.90 256	0.65 307	8.85 380	1.05 86	2.05 249	0.42 137	1.24 183	1.23 264	1.69 131	0.95 216	0.00 1	0.62 302	0.00 1	0.44 376	0.02 35	1.41 330

UPFNet	0.99 155	0.32 124	2.89 209	0.00 1	0.00 1	1.90 256	0.11 205	4.10 193	1.10 94	2.35 269	0.12 64	1.91 226	0.08 84	4.02 187	0.78 189	0.00 1	0.00 1	0.00 1	0.00 1	0.08 167	0.04 42

HSM-Net_RVC	1.51 258	0.11 13	1.93 99	0.00 1	0.01 59	1.91 258	0.05 161	7.86 374	1.93 252	3.77 325	3.76 317	3.16 292	0.36 177	4.34 201	0.83 197	0.01 292	0.01 189	0.00 1	0.00 1	0.01 9	0.11 117
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
PASM	2.20 312	1.85 350	10.33 379	1.00 339	0.41 287	1.98 259	0.90 319	3.85 159	2.76 314	4.38 336	1.53 240	3.49 307	1.54 282	6.60 297	2.43 289	0.14 356	0.02 216	0.00 1	0.03 258	0.33 331	0.39 233

iResNet	1.20 195	0.77 232	3.37 237	1.01 342	0.01 59	2.00 260	0.01 18	4.44 224	1.74 235	1.88 232	1.09 212	0.35 85	0.35 175	4.22 194	2.44 290	0.00 1	0.00 1	0.00 1	0.00 1	0.09 186	0.26 200

psm_up	1.01 160	0.68 214	2.47 181	0.04 82	0.00 1	2.01 261	0.05 161	4.09 191	1.29 151	2.65 290	0.47 148	1.71 214	0.44 196	3.65 177	0.45 138	0.06 342	0.00 1	0.00 1	0.00 1	0.14 246	0.06 65

PSMNet-ADL	0.88 113	0.12 18	1.32 13	0.07 124	0.01 59	2.03 262	0.03 121	3.00 100	1.28 147	0.39 48	0.66 170	2.12 242	0.67 230	4.19 191	1.38 242	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.24 190

AF-Net	2.51 324	1.12 296	5.46 330	0.01 9	0.13 198	2.03 262	0.47 291	7.04 362	2.74 312	4.09 331	10.64 365	4.99 338	2.94 326	4.94 235	3.28 314	0.00 1	0.00 1	0.00 1	0.00 1	0.17 277	0.15 143

EDNetEfficient	6.66 376	1.34 319	34.37 404	0.66 299	1.93 374	2.04 264	3.59 364	3.08 108	14.92 384	20.02 401	9.53 361	6.48 357	10.85 388	7.65 348	15.21 386	0.03 326	0.10 253	0.01 320	0.22 345	0.61 367	0.55 257

ssnet_v2	1.33 236	0.64 209	2.83 206	0.06 114	0.03 122	2.08 265	0.36 283	5.88 325	2.33 282	2.52 287	0.88 198	3.06 289	0.54 203	1.75 135	3.30 315	0.00 1	0.00 1	0.00 1	0.00 1	0.25 307	0.13 131

1111x	2.13 307	0.58 191	4.38 289	0.39 247	0.61 317	2.14 266	0.01 18	6.38 345	2.40 288	1.80 227	1.97 260	0.95 162	0.64 224	7.16 335	10.30 371	0.00 1	1.18 371	0.00 1	0.29 366	0.07 157	1.32 325

ADLNet	1.35 238	0.55 182	2.95 213	0.01 9	0.05 151	2.22 267	0.11 205	5.06 273	2.83 321	2.42 280	2.19 267	2.63 269	0.68 232	3.59 176	1.37 240	0.00 1	0.00 1	0.00 1	0.00 1	0.17 277	0.27 203

GANetREF_RVC	1.25 208	1.39 323	4.10 272	0.10 158	0.00 1	2.25 268	0.18 228	4.68 249	2.78 317	0.69 89	0.34 114	1.87 223	0.65 227	5.07 241	0.68 179	0.00 1	0.00 1	0.00 1	0.00 1	0.08 167	0.07 75
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
GANet	2.23 315	0.92 258	3.10 221	0.88 331	0.08 173	2.25 268	3.25 359	4.61 241	1.71 229	2.55 288	9.98 363	2.56 266	1.47 279	7.52 345	2.98 307	0.00 1	0.04 227	0.02 338	0.08 285	0.14 246	0.42 241

IER	0.88 113	0.38 141	2.74 199	0.01 9	0.00 1	2.27 270	0.02 73	3.65 137	1.30 159	1.45 196	0.96 205	1.39 190	1.16 256	1.60 126	0.53 157	0.00 1	0.00 1	0.00 1	0.00 1	0.06 133	0.02 23

HH	1.25 208	0.40 148	2.13 129	0.90 333	0.41 287	2.28 271	0.01 18	4.25 212	0.95 74	0.37 46	0.89 199	3.87 319	0.80 242	4.74 220	0.51 153	0.00 1	0.96 340	0.00 1	0.00 1	0.03 90	1.53 334

HanStereo	1.25 208	0.40 148	2.13 129	0.90 333	0.41 287	2.28 271	0.01 18	4.25 212	0.95 74	0.37 46	0.89 199	3.87 319	0.80 242	4.74 220	0.51 153	0.00 1	0.96 340	0.00 1	0.00 1	0.03 90	1.53 334

RAFT + AFF	1.88 283	1.84 349	4.19 275	0.05 96	0.85 337	2.29 273	1.00 325	6.32 344	2.26 275	1.88 232	1.80 253	1.27 184	3.66 342	6.56 295	2.36 287	0.02 316	0.34 284	0.00 1	0.01 238	0.41 350	0.50 249

EAI-Stereo	1.50 257	0.16 38	1.53 24	0.25 224	0.91 343	2.30 274	4.98 377	6.09 335	1.87 244	1.38 189	5.56 338	0.49 100	0.59 212	1.21 107	0.83 197	0.00 1	0.31 279	0.00 1	1.09 395	0.02 35	0.56 259

UNet	1.21 197	0.36 135	4.56 294	0.04 82	0.02 104	2.30 274	0.02 73	3.70 140	0.98 81	1.32 181	0.14 66	2.70 271	1.54 282	4.49 208	1.96 268	0.00 1	0.00 1	0.00 1	0.00 1	0.08 167	0.07 75

NCC-stereo	2.09 300	1.02 281	4.78 302	0.10 158	0.26 255	2.33 276	0.13 213	5.82 322	1.70 227	2.98 304	3.18 304	4.63 330	5.69 367	6.26 282	2.76 298	0.05 336	0.00 1	0.00 1	0.00 1	0.08 167	0.14 136

Abc-Net	2.09 300	1.02 281	4.78 302	0.10 158	0.26 255	2.33 276	0.13 213	5.82 322	1.70 227	2.98 304	3.18 304	4.63 330	5.69 367	6.26 282	2.76 298	0.05 336	0.00 1	0.00 1	0.00 1	0.08 167	0.14 136
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
MFMNet_re	2.39 323	1.65 342	6.10 339	3.04 381	0.90 342	2.34 278	0.98 323	4.77 255	3.79 340	6.95 359	7.08 351	1.84 222	3.79 346	2.53 149	1.57 249	0.00 1	0.00 1	0.00 1	0.00 1	0.25 307	0.26 200

UDG	3.15 336	9.41 403	2.81 203	2.72 380	0.92 344	2.39 279	0.11 205	4.12 197	1.30 159	2.35 269	3.63 315	4.96 337	1.58 289	4.33 200	2.89 305	1.22 380	0.04 227	8.09 391	3.80 403	4.94 384	1.35 326

coex-ft	12.25 396	6.22 396	80.44 417	0.15 184	0.15 211	2.43 280	0.98 323	3.07 107	29.54 400	49.22 415	16.44 378	15.69 383	16.17 396	7.44 342	15.30 387	0.05 336	0.07 241	0.01 320	0.05 272	0.35 338	1.15 313

SFCPSM	0.87 111	0.20 79	2.57 187	0.02 39	0.07 164	2.45 281	0.18 228	5.65 308	1.51 195	0.85 111	0.77 183	0.67 120	0.30 165	1.77 136	0.22 68	0.00 1	0.00 1	0.00 1	0.04 270	0.09 186	0.09 100

StereoDRNet	1.66 272	1.21 306	5.39 328	0.06 114	0.11 191	2.49 282	1.06 328	5.28 285	1.89 246	3.60 323	0.63 165	2.28 254	0.64 224	4.70 217	3.25 313	0.00 1	0.03 223	0.00 1	0.01 238	0.15 257	0.36 222

STTRV1_RVC	2.03 294	0.39 143	5.14 319	0.34 238	0.01 59	2.50 283	0.34 280	6.44 346	3.75 339	0.86 114	5.12 334	1.63 207	1.08 253	7.64 347	1.58 250	1.07 374	2.64 406	0.00 1	0.00 1	0.02 35	0.04 42

S-Stereo	2.12 306	0.32 124	6.30 343	0.24 219	0.22 231	2.51 284	1.83 343	5.38 293	5.55 356	2.46 283	5.91 341	2.81 276	0.71 234	5.19 248	2.45 291	0.00 1	0.02 216	0.00 1	0.00 1	0.07 157	0.37 223

Anonymous3	0.61 56	0.23 92	2.97 214	0.01 9	0.00 1	2.54 285	0.09 196	3.88 165	0.89 67	0.19 28	0.23 92	0.12 56	0.05 56	0.61 57	0.17 47	0.00 1	0.08 245	0.00 1	0.00 1	0.05 123	0.18 159

FADNet	1.38 241	1.42 326	5.62 332	0.03 58	0.06 156	2.56 286	0.16 220	4.66 247	1.64 218	0.35 43	0.11 60	1.66 211	1.05 252	5.64 267	1.59 251	0.18 360	0.02 216	0.01 320	0.01 238	0.52 361	0.23 186

NOSS_ROB	1.47 254	0.49 165	2.40 165	1.00 339	0.17 216	2.56 286	0.01 18	4.86 257	2.62 302	2.32 267	1.74 249	2.79 275	0.02 16	6.96 324	0.60 164	0.00 1	0.00 1	0.00 1	0.00 1	0.06 133	0.73 278

SQANet	2.65 328	1.92 355	3.73 261	4.47 385	2.98 382	2.59 288	0.24 247	4.66 247	1.11 95	2.48 284	0.59 162	1.57 197	0.86 245	3.95 186	1.67 256	7.97 392	0.14 260	0.48 370	0.03 258	7.84 387	3.68 388

gwcnet-sp	1.11 178	0.71 218	4.90 306	0.05 96	0.01 59	2.59 288	0.14 216	4.22 208	1.38 181	1.93 238	0.18 70	0.68 124	0.38 181	3.77 181	0.98 218	0.00 1	0.00 1	0.00 1	0.00 1	0.13 238	0.08 80

scenet	1.11 178	0.71 218	4.90 306	0.05 96	0.01 59	2.59 288	0.14 216	4.22 208	1.38 181	1.93 238	0.18 70	0.68 124	0.38 181	3.77 181	0.98 218	0.00 1	0.00 1	0.00 1	0.00 1	0.13 238	0.08 80

ssnet	1.11 178	0.71 218	4.90 306	0.05 96	0.01 59	2.59 288	0.14 216	4.22 208	1.38 181	1.93 238	0.18 70	0.68 124	0.38 181	3.77 181	0.98 218	0.00 1	0.00 1	0.00 1	0.00 1	0.13 238	0.08 80

RYNet	1.76 278	0.81 239	4.24 278	0.34 238	0.10 187	2.62 292	0.07 179	5.36 292	2.08 262	1.38 189	0.35 121	4.71 334	1.35 271	6.73 306	4.61 332	0.00 1	0.05 232	0.00 1	0.00 1	0.05 123	0.33 217

DANet	1.96 290	0.24 96	3.72 259	0.78 321	0.48 299	2.65 293	0.34 280	3.94 170	1.71 229	4.35 335	1.56 242	5.09 341	0.56 207	6.97 325	5.99 343	0.01 292	0.00 1	0.00 1	0.01 238	0.04 111	0.66 269
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
Wz-Net-SNSev	3.01 333	3.59 386	12.98 387	0.45 255	0.04 143	2.72 294	1.12 330	5.80 321	2.42 290	2.30 265	2.62 293	6.39 354	1.29 269	10.20 377	7.19 352	0.00 1	0.01 189	0.00 1	0.00 1	0.29 324	0.72 277

LMCR-Stereo	1.28 220	1.13 298	2.41 167	0.57 283	0.03 122	2.72 294	0.09 196	6.86 356	0.88 64	2.44 282	1.92 257	0.14 64	1.55 285	3.57 175	1.12 230	0.00 1	0.00 1	0.00 1	0.00 1	0.16 265	0.02 23

Any-RAFT	0.76 88	0.13 23	1.46 17	0.03 58	0.01 59	2.76 296	0.08 185	4.09 191	1.69 223	1.08 150	0.26 100	1.95 230	0.31 169	0.95 97	0.09 12	0.01 292	0.20 268	0.00 1	0.00 1	0.01 9	0.08 80

FADNet_RVC	1.32 232	1.54 334	5.37 326	0.02 39	0.06 156	2.78 297	0.07 179	4.19 205	1.03 84	0.44 57	0.35 121	0.67 120	0.10 100	5.42 257	1.92 266	0.24 364	0.33 281	0.11 359	0.33 370	0.66 371	0.68 273

Nwc_Net	2.25 316	0.98 273	5.37 326	0.07 124	0.11 191	2.80 298	0.05 161	7.36 368	1.30 159	2.77 300	8.21 356	5.18 344	2.98 330	5.16 247	2.46 292	0.00 1	0.00 1	0.00 1	0.00 1	0.12 228	0.08 80

CSP-Net	1.13 183	0.76 229	1.67 41	0.01 9	0.00 1	2.81 299	0.05 161	5.62 306	1.14 99	1.14 159	0.85 196	1.80 221	0.23 153	6.10 279	0.36 113	0.00 1	0.00 1	0.00 1	0.00 1	0.13 238	0.03 36

CBMV_ROB	2.06 296	0.31 120	2.72 197	0.63 294	0.00 1	2.83 300	0.88 317	5.24 284	2.41 289	4.28 334	6.16 344	3.07 291	3.47 340	5.81 271	2.69 294	0.00 1	0.00 1	0.00 1	0.00 1	0.05 123	0.56 259

delet	1.31 229	0.61 201	2.64 195	0.05 96	0.17 216	2.84 301	1.00 325	4.88 259	2.46 293	1.38 189	1.37 231	1.62 205	0.90 248	4.52 211	1.48 245	0.00 1	0.00 1	0.00 1	0.00 1	0.14 246	0.08 80

NVStereoNet_ROB	4.22 357	2.29 363	6.13 341	1.40 363	1.14 356	2.84 301	0.97 322	5.67 310	5.66 357	5.25 349	14.28 374	12.40 375	5.35 364	10.74 382	5.33 337	1.24 381	1.01 343	0.67 379	0.62 385	0.63 369	0.69 274
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
pmcnn	3.98 354	0.95 263	7.29 356	0.71 307	1.42 362	2.84 301	1.22 334	5.89 326	2.42 290	9.34 375	11.71 368	18.88 389	2.65 321	6.89 315	6.35 347	0.00 1	0.07 241	0.00 1	0.00 1	0.21 292	0.76 281

CBMV	1.97 293	0.56 188	2.61 191	0.46 256	0.07 164	2.91 304	4.18 370	4.58 239	2.78 317	5.50 353	2.21 269	2.84 278	2.94 326	4.75 223	2.31 284	0.00 1	0.00 1	0.00 1	0.00 1	0.15 257	0.60 263
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
EDNetEfficientorigin	10.48 390	2.34 365	98.78 426	0.23 214	0.25 246	3.01 305	0.70 310	4.69 250	17.04 389	19.07 396	15.43 376	12.52 376	11.56 390	9.41 371	12.62 379	0.01 292	0.01 189	0.00 1	0.01 238	0.25 307	1.76 355

WZ-Net	4.64 362	2.57 371	25.72 400	0.10 158	0.09 179	3.07 306	2.08 348	6.59 354	5.41 355	6.08 355	4.09 327	7.02 362	6.04 370	11.64 384	11.45 375	0.00 1	0.00 1	0.00 1	0.00 1	0.21 292	0.61 264

PWCDC_ROB	3.41 341	2.29 363	5.16 321	0.19 194	0.02 104	3.11 307	0.02 73	5.15 277	12.27 380	1.36 188	23.33 399	1.98 232	3.35 337	4.93 234	3.71 321	0.28 366	0.00 1	0.00 1	0.00 1	0.71 374	0.32 212

NaN_ROB	2.33 321	1.31 316	4.55 293	0.32 236	0.30 278	3.13 308	5.01 380	4.57 238	2.78 317	5.49 352	1.73 248	2.28 254	1.98 304	7.48 343	4.32 329	0.01 292	0.06 238	0.03 343	0.09 288	0.20 289	0.88 292

DGSMNet	2.56 326	1.15 301	7.39 357	1.34 360	2.02 376	3.20 309	3.97 368	6.11 336	1.72 234	1.52 202	2.72 295	3.23 297	0.63 221	4.74 220	2.39 288	1.12 377	1.53 387	1.54 383	1.32 396	1.40 378	2.10 379

LALA_ROB	1.55 265	1.07 291	2.99 217	0.02 39	0.06 156	3.20 309	0.49 293	4.07 189	1.80 241	3.79 326	0.66 170	4.51 326	0.25 158	3.82 184	4.07 326	0.00 1	0.00 1	0.00 1	0.00 1	0.10 197	0.11 117

psmg	0.93 129	0.15 28	1.48 19	0.02 39	0.00 1	3.25 311	0.26 253	5.45 301	1.17 104	2.00 245	1.45 235	1.78 219	0.10 100	0.80 84	0.71 183	0.00 1	0.00 1	0.01 320	0.00 1	0.02 35	0.04 42

BSDual-CNN	0.94 132	0.15 28	1.48 19	0.04 82	0.00 1	3.30 312	0.20 232	6.00 329	1.17 104	2.36 271	0.64 167	1.78 219	0.10 100	0.80 84	0.71 183	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.06 65

hknet	1.21 197	0.25 99	2.89 209	0.04 82	0.00 1	3.30 312	0.20 232	6.00 329	1.19 109	2.36 271	0.64 167	3.38 300	0.05 56	3.04 160	0.73 186	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.06 65

DRN-Test	1.79 280	0.51 173	4.94 310	0.19 194	0.14 203	3.30 312	0.19 231	6.58 352	2.31 279	4.40 338	0.77 183	2.10 241	1.73 294	5.40 256	2.82 304	0.00 1	0.00 1	0.00 1	0.01 238	0.12 228	0.27 203

tt1	1.23 203	0.37 140	2.41 167	0.41 250	0.45 295	3.33 315	0.02 73	3.81 147	6.87 364	0.71 91	0.80 188	0.06 27	0.40 192	1.73 132	0.12 25	0.00 1	1.12 358	0.00 1	0.00 1	0.10 197	1.86 369

RGC	2.11 304	0.95 263	4.61 296	0.08 132	0.29 266	3.34 316	0.11 205	5.40 297	1.78 240	3.93 329	4.52 329	5.20 345	3.05 332	5.78 269	2.78 301	0.00 1	0.00 1	0.00 1	0.00 1	0.12 228	0.18 159

CC-Net-ROB	2.09 300	1.17 302	3.97 270	1.52 365	0.23 237	3.35 317	0.05 161	5.09 274	2.74 312	1.09 152	1.40 233	0.97 164	0.18 139	6.66 302	0.87 203	1.46 382	1.64 389	7.13 389	0.00 1	1.67 379	0.54 252

ACVNet-DCA	0.94 132	0.36 135	2.41 167	0.50 272	0.29 266	3.40 318	0.02 73	3.82 152	1.29 151	0.71 91	0.83 191	0.05 20	0.61 214	1.60 126	0.12 25	0.00 1	1.13 363	0.00 1	0.03 258	0.06 133	1.57 338

xx1	1.29 224	0.36 135	2.41 167	0.50 272	0.29 266	3.40 318	0.02 73	4.02 181	7.67 371	0.71 91	0.83 191	0.73 130	0.15 126	1.60 126	0.12 25	0.00 1	1.13 363	0.00 1	0.23 348	0.06 133	1.57 338

1test111	1.06 172	0.36 135	2.41 167	0.50 272	0.29 266	3.40 318	0.02 73	3.82 152	1.29 151	0.71 91	0.83 191	0.05 20	0.61 214	3.19 162	0.90 210	0.00 1	1.13 363	0.00 1	0.03 258	0.06 133	1.57 338

cc1	1.29 224	0.36 135	2.41 167	0.50 272	0.29 266	3.40 318	0.02 73	4.02 181	7.67 371	0.71 91	0.83 191	0.05 20	0.61 214	1.59 125	0.12 25	0.00 1	1.13 363	0.00 1	0.03 258	0.10 197	1.86 369

SGM-Forest	2.15 308	0.50 166	2.42 175	0.19 194	0.25 246	3.47 322	2.38 353	4.53 233	2.46 293	5.64 354	3.99 326	3.74 314	2.22 306	6.99 326	3.08 310	0.01 292	0.02 216	0.00 1	0.00 1	0.05 123	0.98 302
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
LSM	7.83 379	2.59 372	24.93 399	4.71 386	40.61 416	3.55 323	5.22 383	5.91 327	7.48 370	10.86 378	13.66 373	4.55 327	3.92 347	7.72 353	5.88 342	0.02 316	0.26 272	0.00 1	0.00 1	0.30 326	14.53 412

CBFPSM	1.51 258	1.00 278	5.32 325	0.05 96	0.01 59	3.57 324	0.04 149	4.06 187	1.03 84	0.65 84	0.21 88	6.06 351	3.60 341	2.65 152	1.82 261	0.00 1	0.01 189	0.00 1	0.00 1	0.09 186	0.12 123

DSFCA	1.45 251	0.51 173	2.76 201	0.01 9	0.03 122	3.64 325	0.83 314	3.28 123	1.45 188	3.25 314	0.44 141	2.89 281	1.45 275	6.07 277	2.14 274	0.00 1	0.02 216	0.00 1	0.00 1	0.06 133	0.10 110

ccnet	1.96 290	0.68 214	3.59 248	0.26 228	0.19 221	3.68 326	1.55 339	4.89 260	1.77 238	2.68 295	3.92 321	3.44 303	1.72 293	5.02 240	5.22 336	0.06 342	0.00 1	0.09 355	0.01 238	0.13 238	0.32 212

fast-acv-ft	1.54 263	0.86 245	4.85 304	0.11 170	0.12 196	3.88 327	0.28 261	2.97 97	2.26 275	0.96 128	3.49 312	2.97 283	1.23 264	3.47 170	2.75 297	0.04 332	0.01 189	0.04 347	0.04 270	0.44 351	0.08 80

SPS-STEREO	3.67 350	1.46 328	4.23 277	0.36 240	0.23 237	3.93 328	1.20 333	6.67 355	3.50 333	11.05 379	8.81 358	9.53 371	4.63 355	9.10 368	7.25 353	0.01 292	0.01 189	0.00 1	0.00 1	0.13 238	1.28 323
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
Wz-Net-LNSev	1.60 270	1.48 331	8.20 368	0.03 58	0.03 122	3.95 329	0.13 213	4.89 260	2.33 282	0.92 123	0.31 111	3.64 312	1.40 273	2.90 157	1.50 246	0.00 1	0.00 1	0.00 1	0.00 1	0.10 197	0.20 174

CRFU-Net	1.43 250	0.33 130	2.98 215	1.27 352	0.03 122	4.01 330	0.05 161	6.21 337	0.95 74	1.92 237	0.74 178	3.41 302	2.55 319	3.36 165	0.36 113	0.01 292	0.01 189	0.11 359	0.00 1	0.13 238	0.09 100

MMNet	1.33 236	0.69 217	4.18 274	0.11 170	0.01 59	4.08 331	0.02 73	4.27 215	1.49 194	2.17 255	0.33 113	1.34 189	1.20 258	4.52 211	1.93 267	0.00 1	0.00 1	0.00 1	0.00 1	0.11 220	0.06 65

GwcNet	1.96 290	1.51 332	7.43 359	0.30 234	1.20 357	4.13 332	0.61 304	4.45 225	1.92 250	1.53 203	2.31 273	3.93 322	0.54 203	5.50 258	3.16 312	0.00 1	0.00 1	0.00 1	0.01 238	0.39 346	0.24 190

DDUNet	3.58 342	11.19 405	3.84 265	3.59 384	3.31 384	4.14 333	0.20 232	4.40 222	1.33 164	2.72 296	3.11 303	3.16 292	0.37 179	4.18 189	1.47 244	2.02 384	0.05 232	10.10 396	3.59 402	5.85 386	3.05 386

CSAN	3.10 334	1.72 344	5.85 334	0.37 243	0.14 203	4.15 334	3.91 367	4.94 266	4.65 351	6.43 357	6.29 346	4.62 329	5.17 361	8.13 358	4.85 335	0.02 316	0.03 223	0.03 343	0.05 272	0.26 313	0.48 247

HBP-ISP	1.59 269	1.12 296	3.42 238	0.53 277	0.10 187	4.27 335	1.44 337	5.35 289	1.61 205	3.58 322	0.87 197	0.91 150	1.18 257	6.64 300	0.46 143	0.04 332	0.02 216	0.00 1	0.00 1	0.06 133	0.24 190

MaskLacGwcNet_RVC	1.88 283	0.88 248	3.47 242	1.64 369	0.22 231	4.27 335	0.40 285	3.90 168	1.63 217	0.72 97	0.71 174	3.06 289	0.11 108	5.13 245	1.03 224	5.07 387	0.54 297	0.00 1	0.00 1	1.73 380	3.16 387

SuperB	3.75 351	2.46 369	15.54 393	0.32 236	0.06 156	4.29 337	1.61 340	4.25 212	11.49 379	2.56 289	1.31 229	2.01 236	1.86 300	6.94 321	8.94 360	0.05 336	0.03 223	0.10 358	0.08 285	10.62 396	0.56 259

iinet-f	1.90 285	0.98 273	13.29 388	0.42 251	0.03 122	4.30 338	0.04 149	3.86 160	1.32 163	1.28 176	0.57 156	2.91 282	2.70 322	2.60 150	3.11 311	0.00 1	0.02 216	0.02 338	0.00 1	0.49 354	0.09 100

FINET	2.99 331	2.11 361	7.66 360	1.13 347	1.79 369	4.35 339	3.34 361	5.66 309	7.93 374	2.49 286	3.29 307	1.66 211	2.47 316	6.70 304	4.44 330	0.82 371	1.38 382	0.03 343	0.30 368	0.36 340	1.88 374

FBW_ROB	2.74 330	1.02 281	4.72 298	0.43 253	0.18 219	4.35 339	0.18 228	7.28 367	3.50 333	3.57 321	3.38 310	4.86 335	1.22 263	11.70 387	5.76 340	0.17 359	0.08 245	0.59 375	0.12 302	0.28 321	1.40 329

RTSC	3.18 338	2.15 362	8.20 368	0.67 304	0.38 284	4.41 341	0.08 185	5.64 307	5.80 360	6.14 356	3.43 311	3.37 298	1.55 285	7.50 344	12.15 377	0.00 1	0.84 319	0.00 1	0.25 353	0.51 357	0.53 251

APVNet	1.68 273	0.75 225	4.94 310	0.13 177	0.01 59	4.56 342	0.08 185	5.20 281	1.44 186	1.51 200	1.05 209	2.87 279	0.93 249	6.76 308	2.76 298	0.01 292	0.00 1	0.07 352	0.00 1	0.34 334	0.08 80

Wz-Net-MNSev	2.17 310	1.90 354	7.77 362	0.02 39	0.01 59	4.60 343	2.08 348	5.70 312	2.83 321	4.02 330	1.50 239	1.87 223	2.53 318	5.10 243	3.04 309	0.00 1	0.01 189	0.00 1	0.00 1	0.14 246	0.31 210

otaku	3.61 345	2.06 359	4.04 271	6.41 389	3.35 385	4.67 344	2.08 348	5.97 328	1.58 201	2.19 256	2.62 293	3.47 305	1.45 275	4.36 202	2.17 275	8.55 393	0.25 269	1.89 384	0.03 258	9.29 390	5.81 393

ADCRef	2.57 327	1.40 324	7.90 364	0.11 170	0.11 191	4.71 345	0.74 312	5.45 301	1.66 220	3.15 311	1.65 247	1.61 203	2.25 308	4.54 214	15.56 388	0.03 326	0.00 1	0.01 320	0.10 293	0.27 318	0.23 186

SHD	3.58 342	1.83 347	6.41 346	1.34 360	1.21 358	4.84 346	0.17 223	7.95 375	12.83 381	7.86 365	3.32 309	5.08 340	2.63 320	5.54 261	8.57 358	0.01 292	0.75 312	0.00 1	0.18 328	0.31 327	0.73 278

ADCMid	4.33 359	2.40 368	13.81 389	0.23 214	0.40 285	4.90 347	1.23 335	5.73 313	3.73 338	11.06 380	3.94 323	6.67 359	5.11 359	7.11 332	18.03 392	0.12 354	0.08 245	0.55 372	0.46 377	0.61 367	0.49 248

Wz-Net-LNSev-Ref	1.86 282	1.13 298	5.96 336	0.02 39	0.00 1	5.00 348	0.29 268	5.31 288	2.38 285	2.65 290	1.15 220	2.32 261	1.95 303	5.59 264	3.35 317	0.00 1	0.00 1	0.00 1	0.00 1	0.04 111	0.14 136

XQC	3.16 337	2.00 358	7.71 361	0.97 338	0.67 327	5.07 349	0.69 309	6.58 352	4.95 353	5.04 348	1.98 263	4.99 338	3.12 334	7.96 357	10.02 370	0.00 1	0.63 303	0.00 1	0.18 328	0.36 340	0.38 232

DISCO	2.03 294	0.45 157	2.82 205	0.72 309	0.53 302	5.13 350	0.01 18	6.01 332	1.81 242	2.31 266	0.91 201	6.43 355	0.87 246	8.57 367	3.67 320	0.00 1	0.00 1	0.00 1	0.00 1	0.12 228	0.17 152

DispFullNet	8.26 380	24.76 413	14.96 391	14.77 406	7.78 398	5.23 351	0.09 196	5.67 310	3.16 329	9.01 373	4.87 332	6.15 352	10.66 386	10.44 380	4.54 331	2.54 385	0.33 281	15.59 403	4.84 406	13.17 404	6.59 395

DPSNet	3.98 354	1.01 280	12.58 385	0.74 316	0.55 304	5.24 352	1.53 338	12.44 387	4.82 352	2.89 301	0.97 206	6.37 353	11.43 389	8.20 359	8.61 359	0.09 349	0.51 294	0.11 359	0.38 375	0.35 338	0.83 286

RainbowNet	5.23 366	4.09 391	4.92 309	9.61 396	6.18 390	5.26 353	3.48 363	7.68 373	4.58 350	1.94 241	3.02 299	4.67 332	3.42 338	5.90 272	2.01 269	9.59 396	2.19 395	8.45 392	0.20 336	10.52 394	6.82 396

FCDSN-DC	5.38 368	0.65 210	3.19 225	0.24 219	0.46 298	5.71 354	1.61 340	5.83 324	4.51 349	14.74 392	22.03 395	20.43 391	13.01 392	8.48 364	6.00 344	0.02 316	0.00 1	0.00 1	0.00 1	0.07 157	0.52 250
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
BUS	1.05 170	0.15 28	1.48 19	0.04 82	0.00 1	5.73 355	0.03 121	6.00 329	1.17 104	2.36 271	0.64 167	2.35 262	0.06 63	0.80 84	0.05 5	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.06 65

NINENet	1.14 186	0.34 131	2.08 119	0.10 158	0.01 59	5.73 355	0.03 121	5.39 295	1.54 198	1.61 213	0.72 176	2.35 262	0.06 63	2.82 156	0.05 5	0.00 1	0.01 189	0.01 320	0.00 1	0.04 111	0.00 1

ADCP+	3.18 338	1.81 345	11.33 383	0.07 124	0.20 225	5.83 357	2.80 355	4.60 240	2.69 306	1.68 221	0.28 102	3.75 315	3.14 335	6.82 310	17.90 391	0.00 1	0.00 1	0.00 1	0.00 1	0.20 289	0.56 259

ADCS	5.55 370	3.55 382	19.07 395	0.43 253	0.14 203	5.87 358	4.20 372	7.65 372	7.80 373	9.79 376	6.22 345	6.48 357	5.52 366	10.52 381	22.41 406	0.00 1	0.00 1	0.00 1	0.00 1	0.48 353	0.97 301

AnyNet_C32	4.41 361	3.74 388	15.17 392	0.48 270	0.51 301	5.99 359	6.52 395	5.30 287	2.72 311	6.86 358	3.66 316	5.21 346	3.19 336	7.42 341	19.54 395	0.08 347	0.04 227	0.20 366	0.09 288	0.67 372	0.76 281

Ntro	3.66 349	2.08 360	4.34 282	7.58 391	4.53 387	6.25 360	0.72 311	5.35 289	1.65 219	0.48 71	1.77 251	2.68 270	1.25 266	5.10 243	2.31 284	8.72 394	0.31 279	2.13 386	0.05 272	9.73 391	6.18 394

WCMA_ROB	5.16 365	1.07 291	4.40 290	0.66 299	0.69 330	6.28 361	3.63 365	5.39 295	4.05 343	14.77 393	19.39 389	15.46 382	10.72 387	7.67 352	6.77 351	0.19 362	0.27 274	0.18 365	0.20 336	0.18 282	1.23 317

Wz-Net-TNSev	4.36 360	6.36 397	22.98 397	0.22 210	0.06 156	7.00 362	3.45 362	7.46 370	3.81 341	2.12 253	0.63 165	7.29 363	5.11 359	9.87 375	9.72 369	0.00 1	0.00 1	0.00 1	0.02 256	0.36 340	0.66 269

ADCPNet	3.94 353	1.47 330	14.87 390	0.11 170	0.45 295	7.19 363	2.23 351	5.42 298	3.18 330	4.53 340	2.03 264	7.48 364	5.27 363	7.05 331	14.73 385	0.02 316	0.74 311	0.04 347	0.91 394	0.23 299	0.85 289

ADCL	3.64 348	1.54 334	8.53 373	0.26 228	0.28 265	7.37 364	4.49 375	5.42 298	3.61 335	4.79 343	3.85 320	5.14 343	4.47 353	6.28 284	15.73 389	0.05 336	0.01 189	0.11 359	0.13 304	0.34 334	0.33 217

LE_ROB	13.25 397	1.86 352	12.84 386	2.35 375	1.43 363	7.50 365	5.92 387	10.14 381	48.57 416	57.70 416	24.61 401	23.44 397	32.60 412	10.12 376	24.95 410	0.06 342	0.08 245	0.13 363	0.20 336	0.09 186	0.41 237

SANet	5.04 364	1.86 352	7.96 365	0.39 247	0.12 196	7.51 366	3.73 366	7.20 364	16.07 387	7.15 360	13.16 371	12.35 374	8.70 378	8.28 361	5.37 338	0.00 1	0.01 189	0.00 1	0.00 1	0.13 238	0.71 276

ACVNet_1	6.79 377	2.72 375	6.97 353	9.78 398	7.38 397	7.67 367	2.29 352	10.50 383	6.93 368	4.51 339	5.39 337	13.21 377	6.34 372	7.02 330	3.31 316	9.70 398	2.48 399	10.85 399	0.11 296	11.41 400	7.23 398

MeshStereo	6.09 371	0.97 270	3.59 248	0.26 228	0.14 203	7.68 368	2.02 346	10.42 382	5.77 358	20.76 402	19.69 391	22.78 395	10.56 385	10.29 378	6.16 345	0.00 1	0.00 1	0.00 1	0.00 1	0.29 324	0.41 237
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
PVD	6.50 375	1.70 343	6.71 352	1.66 370	1.59 368	7.94 369	0.89 318	11.13 385	24.35 395	12.01 383	19.10 385	8.76 368	9.89 383	9.85 374	11.06 373	0.02 316	1.12 358	0.00 1	0.26 360	0.25 307	1.72 350

SGM_RVC	4.67 363	0.61 201	2.62 193	1.13 347	0.29 266	7.96 370	2.60 354	7.55 371	4.36 347	12.34 384	9.95 362	15.94 384	8.56 377	10.88 383	6.38 348	0.22 363	0.25 269	0.20 366	0.23 348	0.32 329	0.92 295
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
FC-DCNN	6.44 374	0.46 160	3.25 231	0.54 278	0.56 307	8.01 371	1.37 336	8.76 378	7.15 369	19.35 400	22.25 397	22.72 394	15.44 394	10.37 379	7.93 355	0.00 1	0.01 189	0.00 1	0.00 1	0.03 90	0.64 268

stereogan	2.38 322	0.59 193	5.05 314	0.01 9	0.09 179	8.26 372	0.58 303	4.92 264	3.65 336	4.68 341	4.60 330	6.43 355	2.39 313	5.27 250	0.72 185	0.00 1	0.01 189	0.01 320	0.00 1	0.27 318	0.13 131

PDISCO_ROB	2.54 325	1.40 324	5.07 316	1.06 345	2.01 375	8.28 373	0.17 223	7.96 376	6.01 362	1.48 199	1.75 250	3.67 313	1.25 266	7.74 354	2.07 272	0.00 1	0.00 1	0.00 1	0.00 1	0.39 346	0.42 241

MSMD_ROB	5.26 367	0.52 178	3.22 227	0.15 184	0.01 59	8.63 374	1.06 328	4.76 254	4.16 344	13.72 387	26.77 402	13.87 379	15.95 395	7.89 356	3.94 324	0.11 352	0.01 189	0.00 1	0.00 1	0.06 133	0.34 219

ACVNet-4b	6.14 372	2.39 367	6.31 344	9.73 397	7.26 395	8.81 375	1.62 342	7.27 366	6.07 363	0.41 54	6.42 348	11.47 373	2.37 312	9.17 369	2.72 296	9.70 398	2.42 397	10.45 397	0.01 238	11.04 398	7.12 397

SGM+DAISY	6.27 373	3.62 387	9.36 376	2.30 374	2.34 377	9.12 376	6.38 392	6.98 361	6.00 361	14.26 388	15.55 377	14.02 380	9.84 382	9.45 372	8.56 357	1.21 379	1.60 388	0.58 373	0.86 391	0.63 369	2.74 381

MFN_U_SF_RVC	4.10 356	2.36 366	12.04 384	1.00 339	0.27 260	10.31 377	0.51 294	8.83 379	3.69 337	4.90 346	3.30 308	9.33 370	3.43 339	8.28 361	9.42 365	0.41 368	0.53 296	0.52 371	0.81 387	0.90 375	1.05 306

G-Net	3.58 342	0.58 191	5.14 319	1.61 366	1.86 370	10.46 378	1.85 344	3.24 119	1.69 223	8.68 369	11.81 369	6.03 350	7.62 375	4.82 230	5.52 339	0.08 347	0.12 257	0.07 352	0.15 307	0.16 265	0.16 147

SAMSARA	4.31 358	1.94 357	7.80 363	1.96 373	1.40 361	10.65 379	7.35 396	7.17 363	4.49 348	8.27 367	3.58 314	10.58 372	3.75 343	7.87 355	6.66 349	0.01 292	1.09 350	0.00 1	0.23 348	0.26 313	1.19 315

FADE	16.60 405	11.70 406	39.83 409	4.77 387	4.88 388	10.68 380	5.02 381	19.70 399	23.34 393	8.37 368	6.13 343	14.69 381	21.66 406	26.42 407	22.37 405	25.10 413	8.60 412	35.80 417	36.52 417	3.69 383	2.77 382

AnyNet_C01	7.15 378	5.48 395	37.47 406	1.08 346	0.59 314	11.50 381	6.49 394	6.93 357	4.31 345	8.06 366	9.11 360	8.72 367	4.06 348	14.50 393	21.97 404	0.11 352	0.08 245	0.24 368	0.09 288	1.11 376	1.07 309

ELAS_RVC	8.75 381	1.59 339	6.34 345	1.91 372	1.87 371	11.67 382	12.14 408	10.75 384	16.11 388	22.55 406	21.45 393	18.49 387	18.29 402	14.17 392	12.53 378	0.92 373	1.32 380	0.70 380	0.46 377	0.53 363	1.25 320
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
IMH-64-1	10.12 386	3.75 389	4.24 278	11.47 401	9.26 401	11.93 383	5.30 384	18.72 395	15.74 385	7.16 361	18.55 382	16.83 385	6.83 373	11.66 385	9.62 367	10.09 400	2.54 400	15.69 404	1.72 397	12.82 401	8.45 402

IMH-64	10.12 386	3.75 389	4.24 278	11.47 401	9.26 401	11.93 383	5.30 384	18.72 395	15.74 385	7.16 361	18.55 382	16.83 385	6.83 373	11.66 385	9.62 367	10.09 400	2.54 400	15.69 404	1.72 397	12.82 401	8.45 402

MFN_U_SF_DS_RVC	3.61 345	3.47 381	9.32 375	0.19 194	0.30 278	13.80 385	7.49 399	5.15 277	3.95 342	3.06 308	3.94 323	4.60 328	1.20 258	8.49 365	2.79 302	0.70 370	1.22 374	0.04 347	0.84 388	0.50 356	1.23 317

MDST_ROB	3.81 352	0.21 83	4.29 281	2.64 379	1.45 364	13.85 386	1.02 327	8.06 377	2.67 305	15.14 394	8.81 358	2.70 271	1.55 285	9.31 370	3.90 323	0.03 326	0.00 1	0.00 1	0.00 1	0.03 90	0.63 267

RTS	10.27 388	3.55 382	66.16 414	1.62 367	2.34 377	13.96 387	6.25 390	6.95 359	18.07 390	8.81 370	19.18 386	6.82 360	2.96 328	26.87 408	19.93 397	0.00 1	0.42 286	0.00 1	0.03 258	0.40 348	0.99 303

RTSA	10.27 388	3.55 382	66.16 414	1.62 367	2.34 377	13.96 387	6.25 390	6.95 359	18.07 390	8.81 370	19.18 386	6.82 360	2.96 328	26.87 408	19.93 397	0.00 1	0.42 286	0.00 1	0.03 258	0.40 348	0.99 303

IMH	11.71 393	4.49 392	4.59 295	11.55 403	9.35 403	14.27 389	5.00 379	21.03 404	25.97 398	8.90 372	23.64 400	20.58 392	10.29 384	13.39 391	9.59 366	10.13 403	2.57 402	15.53 402	1.75 399	13.04 403	8.53 404

ACVNet_2	9.32 383	2.76 376	8.07 366	8.84 395	6.89 393	14.54 390	4.19 371	14.25 390	23.92 394	7.62 363	19.61 390	20.42 390	5.93 369	8.52 366	3.64 319	9.16 395	1.74 393	7.93 390	0.36 373	10.56 395	7.47 401

ELAS	9.07 382	1.55 336	5.19 322	1.87 371	1.92 373	17.05 391	8.29 401	13.92 389	13.52 383	23.08 407	28.56 407	18.59 388	16.90 398	12.06 389	13.39 382	0.91 372	1.32 380	0.65 378	0.59 383	0.68 373	1.31 324
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
WAO-6	11.65 392	2.71 374	4.73 299	7.69 392	7.28 396	17.41 392	7.45 397	20.43 401	38.14 411	10.13 377	19.37 388	27.36 399	12.38 391	13.35 390	13.26 381	4.38 386	2.43 398	10.51 398	0.03 258	9.00 389	4.96 391

KSHMR	14.93 402	8.30 402	8.52 372	15.54 407	13.01 406	17.62 393	10.36 405	19.39 398	30.53 402	19.03 395	22.15 396	28.32 401	9.61 379	16.44 396	10.96 372	10.98 408	3.74 411	21.96 410	4.87 407	16.79 407	10.39 407

notaker	18.29 407	22.89 412	10.13 378	18.52 409	14.64 409	17.81 394	7.48 398	20.77 402	24.37 396	21.91 404	27.45 404	39.00 409	20.06 405	20.53 402	21.90 403	12.54 409	2.81 409	25.96 412	6.03 409	19.60 410	11.37 408

Dean	12.08 395	3.10 379	8.10 367	10.98 400	8.34 400	18.85 395	5.53 386	21.57 406	40.96 413	11.81 382	21.91 394	25.74 398	9.74 381	8.20 359	5.76 340	9.65 397	2.35 396	9.94 393	0.65 386	10.97 397	7.40 399

LRCNet_RVC	60.82 418	63.91 419	64.33 413	69.26 422	50.13 418	19.76 396	0.07 179	58.24 417	5.77 358	75.95 419	85.64 419	74.51 418	62.84 417	58.99 417	50.33 415	93.38 426	56.04 423	93.60 424	93.06 424	68.67 422	71.95 424

MADNet+	11.36 391	15.59 409	70.62 416	1.36 362	1.52 366	20.21 397	4.98 377	12.73 388	8.13 375	3.88 328	6.42 348	8.89 369	6.29 371	32.76 412	29.90 411	0.25 365	1.05 344	0.01 320	0.22 345	0.60 366	1.76 355

WAO-7	9.62 384	2.87 377	5.64 333	0.96 337	0.21 230	20.37 398	5.13 382	23.65 410	26.32 399	13.11 386	27.70 405	22.69 393	14.04 393	14.53 394	13.11 380	0.13 355	0.09 251	0.58 373	0.10 293	0.51 357	0.75 280

MANE	15.61 403	2.70 373	7.19 355	3.43 383	5.19 389	21.44 399	9.54 404	24.27 411	29.58 401	33.72 411	42.10 414	42.08 412	32.55 411	24.60 403	20.72 400	1.46 382	2.17 394	1.34 382	4.60 404	0.49 354	3.04 385

LVE	11.75 394	3.56 385	5.48 331	10.38 399	8.28 399	22.54 400	7.53 400	17.01 393	32.01 404	9.26 374	23.28 398	23.43 396	9.72 380	11.79 388	7.81 354	10.09 400	2.62 405	11.07 400	0.59 383	11.18 399	7.44 400

PWCK	9.63 385	6.94 401	19.91 396	6.25 388	0.22 231	22.62 401	14.62 410	12.15 386	13.48 382	14.34 389	13.17 372	13.25 378	8.40 376	16.14 395	11.57 376	6.38 390	0.26 272	2.41 387	0.11 296	8.57 388	1.74 353

ktn	19.65 409	19.61 410	8.27 370	22.99 413	17.38 411	23.89 402	11.97 407	24.83 412	34.40 408	19.19 397	27.37 403	32.56 402	18.29 402	16.52 397	18.28 393	22.43 412	3.70 410	29.28 414	10.90 411	19.65 411	11.59 409

WAO-8	14.47 399	5.06 393	6.42 347	8.00 393	6.65 391	23.95 403	2.97 356	23.01 407	45.08 414	19.24 398	34.86 412	33.07 403	17.51 399	17.59 398	14.38 383	5.22 388	0.86 321	10.06 394	0.85 389	10.25 392	4.34 389

Venus	14.47 399	5.06 393	6.42 347	8.00 393	6.65 391	23.95 403	2.97 356	23.01 407	45.08 414	19.24 398	34.85 411	33.07 403	17.51 399	17.59 398	14.38 383	5.22 388	0.86 321	10.06 394	0.85 389	10.25 392	4.34 389

SGM-ForestM	14.25 398	3.00 378	8.67 374	2.38 376	1.88 372	24.45 405	11.87 406	19.27 397	21.66 392	30.68 409	29.79 409	46.58 413	28.97 409	27.26 410	21.22 402	1.14 378	1.67 390	0.61 377	0.89 393	0.51 357	2.50 380

MSC_U_SF_DS_RVC	5.48 369	3.14 380	10.56 380	0.47 262	0.29 266	24.98 406	8.65 403	6.24 340	9.96 378	4.38 336	8.16 355	8.42 366	2.44 315	9.46 373	6.27 346	1.11 376	1.70 391	0.33 369	0.47 379	1.16 377	1.35 326

DPSimNet_ROB	26.59 413	21.34 411	28.49 401	25.34 414	19.24 412	25.03 407	28.61 415	30.13 414	30.91 403	33.36 410	29.60 408	33.91 406	28.18 408	25.99 406	42.58 413	17.84 411	15.40 414	25.41 411	22.86 415	21.10 413	26.45 417

HanzoNet	30.55 414	30.82 415	24.44 398	22.40 412	19.25 413	25.74 408	14.00 409	29.76 413	40.45 412	43.57 413	44.15 415	55.63 416	46.26 415	43.79 415	45.27 414	28.35 415	9.71 413	30.23 415	16.18 413	23.20 414	17.85 413

SDNR	3.62 347	1.25 311	7.41 358	0.71 307	0.22 231	26.06 409	0.02 73	4.55 236	2.42 290	3.10 309	11.33 366	3.05 288	0.77 238	8.31 363	2.21 279	0.05 336	0.11 255	0.00 1	0.01 238	0.08 167	0.66 269

TorneroNet	16.83 406	6.92 400	6.68 351	14.15 405	12.07 404	27.63 410	8.39 402	21.53 405	37.64 409	14.70 391	32.94 410	33.55 405	18.95 404	19.68 400	20.80 401	10.39 405	2.61 404	19.77 408	3.45 401	15.42 406	9.28 405

TorneroNet-64	16.11 404	6.82 399	6.11 340	14.13 404	12.13 405	28.42 411	6.47 393	20.35 400	38.01 410	12.80 385	27.88 406	35.94 407	16.83 397	20.38 401	16.77 390	10.33 404	2.60 403	19.45 407	2.86 400	14.63 405	9.33 406

UNDER WATER	20.50 410	13.77 408	33.30 402	20.84 411	14.55 408	30.38 412	19.68 412	17.23 394	34.25 407	21.44 403	18.98 384	38.38 408	31.61 410	25.31 404	22.42 407	10.71 407	2.76 407	19.90 409	4.92 408	17.87 409	11.76 410

UNDER WATER-64	20.90 411	11.73 407	33.74 403	20.56 410	13.88 407	34.56 413	24.71 414	16.81 392	33.52 406	22.54 405	17.10 379	40.14 411	33.68 414	25.46 405	23.75 408	10.68 406	2.78 408	18.70 406	4.60 404	17.07 408	12.03 411

BEATNet-Init1	19.30 408	9.61 404	39.48 407	3.09 382	2.67 380	39.40 414	17.68 411	23.58 409	25.88 397	38.63 412	37.63 413	50.99 414	33.56 413	30.54 411	24.44 409	1.09 375	1.51 386	0.60 376	0.88 392	1.81 381	2.89 383

JetBlue	14.57 401	6.38 398	35.83 405	0.95 336	7.05 394	51.27 415	22.93 413	16.51 391	9.78 376	11.72 381	17.82 381	27.82 400	17.62 401	33.31 413	20.36 399	0.35 367	0.18 264	0.15 364	0.25 353	5.36 385	5.74 392

MADNet++	48.24 416	34.06 416	39.67 408	43.36 416	41.25 417	66.15 416	33.15 416	60.90 418	54.14 417	72.30 418	61.91 417	58.11 417	56.05 416	58.09 416	59.59 417	43.04 418	36.86 418	35.73 416	22.37 414	45.96 417	42.06 419

JetRed	35.17 415	40.12 417	62.92 412	15.92 408	26.66 415	70.02 417	42.94 417	32.33 415	33.48 405	46.29 414	45.31 416	39.98 410	26.04 407	38.73 414	56.93 416	12.90 410	37.58 419	13.38 401	9.53 410	30.41 415	21.91 415

SPstereo	61.24 419	27.43 414	41.43 410	33.64 415	25.42 414	72.54 418	80.04 418	100.00 429	100.00 427	97.56 425	96.24 424	100.00 430	95.10 424	94.86 423	76.77 419	29.55 416	22.53 415	47.20 419	42.52 418	19.77 412	22.12 416

HaxPig	97.67 427	99.63 426	91.79 419	99.82 435	99.96 429	88.42 419	87.25 419	98.22 425	99.89 425	99.93 429	99.96 427	99.95 428	99.86 427	96.37 424	92.57 424	99.96 435	99.98 428	99.99 428	99.99 428	99.99 437	99.91 430

ASD4	55.67 417	67.80 420	50.61 411	44.70 417	58.12 419	92.14 420	98.24 426	55.49 416	86.70 421	58.61 417	65.05 418	51.13 415	64.00 418	59.18 418	67.96 418	26.48 414	30.21 416	26.86 413	29.22 416	43.04 416	37.90 418

MEDIAN_ROB	96.88 425	99.41 424	98.74 425	94.82 425	94.30 425	93.21 421	90.85 420	95.70 424	94.83 423	97.65 426	97.67 425	98.31 424	96.57 425	94.60 422	93.95 425	99.78 434	98.28 425	99.99 428	99.90 427	99.50 430	99.57 428

xxxxx1	76.86 421	82.53 421	93.06 421	61.86 419	67.25 420	95.91 422	95.20 422	75.90 419	81.13 418	82.69 420	86.70 420	89.27 419	87.62 419	85.18 419	86.89 420	55.21 419	54.91 420	60.27 420	72.48 421	60.77 419	62.32 420

tt_ll	76.86 421	82.53 421	93.06 421	61.86 419	67.25 420	95.91 422	95.20 422	75.90 419	81.13 418	82.69 420	86.70 420	89.27 419	87.62 419	85.18 419	86.89 420	55.21 419	54.91 420	60.27 420	72.48 421	60.77 419	62.32 420

ff	76.86 421	82.53 421	93.06 421	61.86 419	67.25 420	95.91 422	95.20 422	75.90 419	81.13 418	82.69 420	86.70 420	89.27 419	87.62 419	85.18 419	86.89 420	55.21 419	54.91 420	60.27 420	72.48 421	60.77 419	62.32 420

AVERAGE_ROB	99.26 431	99.81 428	97.70 424	100.00 438	100.00 431	96.38 425	91.35 421	100.00 429	100.00 427	100.00 430	100.00 428	100.00 430	100.00 429	99.98 431	99.97 428	100.00 437	100.00 429	100.00 430	100.00 429	100.00 438	100.00 438

PML	88.69 424	99.49 425	92.95 420	94.34 424	94.09 424	98.57 426	96.73 425	93.58 422	94.50 422	99.57 428	91.07 423	95.40 423	91.48 422	99.96 430	90.33 423	99.98 436	31.85 417	100.00 430	46.15 419	93.62 425	70.14 423

test_example2	98.82 428	99.97 431	99.97 429	99.95 437	99.97 430	99.48 427	99.97 427	94.95 423	100.00 427	100.00 430	100.00 428	93.49 422	93.63 423	99.93 429	99.91 427	100.00 437	99.77 427	96.68 425	98.65 426	100.00 438	100.00 438

MyStereo03	99.94 436	100.00 432	100.00 432	99.73 432	100.00 431	100.00 428	100.00 428	100.00 429	100.00 427	100.00 430	100.00 428	100.00 430	100.00 429	100.00 432	100.00 432	99.08 429	100.00 429	100.00 430	100.00 429	99.98 432	99.94 431

MyStereo02	99.94 436	100.00 432	100.00 432	99.73 432	100.00 431	100.00 428	100.00 428	100.00 429	100.00 427	100.00 430	100.00 428	100.00 430	100.00 429	100.00 432	100.00 432	99.08 429	100.00 429	100.00 430	100.00 429	99.98 432	99.94 431

MyStereo	99.94 436	100.00 432	100.00 432	99.73 432	100.00 431	100.00 428	100.00 428	100.00 429	100.00 427	100.00 430	100.00 428	100.00 430	100.00 429	100.00 432	100.00 432	99.08 429	100.00 429	100.00 430	100.00 429	99.98 432	99.94 431

Selective-RAFT-Error	100.00 439	100.00 432	100.00 432	100.00 438	100.00 431	100.00 428	100.00 428	100.00 429	100.00 427	100.00 430	100.00 428	100.00 430	100.00 429	100.00 432	100.00 432	100.00 437	100.00 429	100.00 430	100.00 429	99.98 432	99.94 431

Anonymous_1	96.94 426	99.72 427	99.64 428	92.03 423	93.81 423	100.00 428	100.00 428	99.18 426	99.90 426	98.59 427	99.75 426	99.15 425	99.95 428	98.52 425	99.54 426	87.31 422	98.83 426	90.77 423	96.89 425	91.07 424	94.14 425

tt	68.57 420	0.18 50	99.50 427	50.44 418	14.99 410	100.00 428	100.00 428	100.00 429	99.70 424	28.28 408	12.01 370	99.97 429	98.67 426	99.55 426	99.99 429	89.99 423	98.19 424	46.13 418	51.48 420	60.62 418	21.71 414

CasAABBNet	99.93 434	100.00 432	100.00 432	99.70 431	100.00 431	100.00 428	100.00 428	100.00 429	100.00 427	100.00 430	100.00 428	100.00 430	100.00 429	100.00 432	100.00 432	99.08 429	100.00 429	100.00 430	100.00 429	99.96 431	99.94 431

LSM0	99.93 434	100.00 432	100.00 432	99.82 435	100.00 431	100.00 428	100.00 428	100.00 429	100.00 427	100.00 430	100.00 428	100.00 430	100.00 429	100.00 432	100.00 432	99.09 433	100.00 429	100.00 430	100.00 429	99.98 432	99.79 429

DPSMNet_ROB	99.43 433	99.92 429	99.98 430	96.44 429	100.00 431	100.00 428	100.00 428	99.82 428	100.00 427	95.92 423	100.00 428	99.26 426	100.00 429	99.77 427	99.99 429	98.36 428	100.00 429	99.86 426	100.00 429	99.38 428	99.98 437

DGTPSM_ROB	99.42 432	99.92 429	99.98 430	96.43 428	100.00 431	100.00 428	100.00 428	99.81 427	100.00 427	95.92 423	100.00 428	99.26 426	100.00 429	99.77 427	99.99 429	98.23 427	100.00 429	99.86 426	100.00 429	99.38 428	99.97 436

DPSM_ROB	99.05 429	100.00 432	100.00 432	95.92 426	98.77 427	100.00 428	100.00 428	100.00 429	100.00 427	100.00 430	100.00 428	100.00 430	100.00 429	100.00 432	100.00 432	93.10 424	100.00 429	100.00 430	100.00 429	95.46 426	97.74 426

DPSM	99.05 429	100.00 432	100.00 432	95.92 426	98.77 427	100.00 428	100.00 428	100.00 429	100.00 427	100.00 430	100.00 428	100.00 430	100.00 429	100.00 432	100.00 432	93.10 424	100.00 429	100.00 430	100.00 429	95.46 426	97.74 426

Low-res two-view benchmark