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

CREStereo++_RVC	0.32 26	0.16 4	0.25 1	0.32 6	0.24 77	0.27 25	0.22 11	0.48 8	0.89 204	0.47 46	0.80 124	0.29 4	0.25 12	0.37 5	0.34 83	0.14 18	0.09 2	0.13 8	0.52 375	0.14 36	0.10 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
s12784h	0.37 61	0.15 2	0.26 4	0.34 9	0.15 1	0.80 264	0.29 57	0.83 159	0.87 190	0.58 69	0.58 55	0.43 52	0.41 112	0.59 79	0.35 90	0.12 4	0.10 8	0.14 13	0.09 4	0.14 36	0.10 1

Selective-IGEV	0.25 1	0.18 14	0.37 27	0.37 35	0.20 18	0.27 25	0.25 30	0.59 29	0.25 1	0.27 2	0.26 1	0.34 22	0.18 1	0.62 117	0.23 1	0.12 4	0.10 8	0.14 13	0.11 15	0.13 14	0.11 3

test-3	0.35 37	0.17 8	0.48 115	0.40 87	0.22 30	0.42 117	0.22 11	0.66 56	0.80 153	0.72 134	0.45 21	0.63 139	0.29 41	0.45 25	0.32 64	0.13 9	0.09 2	0.17 85	0.13 49	0.13 14	0.11 3

test_1	0.35 37	0.17 8	0.48 115	0.40 87	0.22 30	0.42 117	0.22 11	0.66 56	0.80 153	0.70 124	0.45 21	0.63 139	0.29 41	0.45 25	0.32 64	0.13 9	0.09 2	0.17 85	0.13 49	0.13 14	0.11 3

AnonymousM	0.42 124	0.86 369	0.31 10	0.35 12	0.23 56	0.30 39	0.37 158	0.56 24	0.44 43	0.72 134	0.50 32	0.47 69	0.29 41	0.42 18	0.35 90	0.16 99	0.12 86	1.51 387	0.32 331	0.12 2	0.11 3

XX-TBD	0.32 26	0.53 325	0.26 4	0.53 302	0.21 25	0.38 91	0.24 23	0.41 2	0.77 139	0.55 62	0.70 82	0.31 7	0.26 17	0.33 3	0.28 29	0.16 99	0.10 8	0.12 2	0.09 4	0.13 14	0.11 3

XX-Stereo	0.38 77	0.18 14	0.52 159	0.58 328	0.38 283	0.39 96	0.20 1	0.62 37	0.31 2	0.47 46	1.29 300	0.72 189	0.25 12	0.59 79	0.28 29	0.16 99	0.11 39	0.17 85	0.16 116	0.14 36	0.11 3

RAFT-Stereo + iAFF	0.37 61	0.18 14	0.45 84	0.36 27	0.19 8	0.33 66	0.28 50	0.67 67	0.77 139	0.72 134	0.99 208	0.56 97	0.39 103	0.44 22	0.31 58	0.11 1	0.09 2	0.15 41	0.14 69	0.13 14	0.11 3

StereoIM	0.27 2	0.19 33	0.39 36	0.37 35	0.26 130	0.28 31	0.28 50	0.45 5	0.37 14	0.27 2	0.27 2	0.40 40	0.27 22	0.40 14	0.30 48	0.16 99	0.14 172	0.16 57	0.13 49	0.15 66	0.12 10

MIM_Stereo	0.39 89	0.18 14	0.59 202	0.38 45	0.25 101	0.27 25	0.24 23	0.72 110	0.56 67	0.72 134	1.00 212	0.62 135	0.29 41	0.67 156	0.39 128	0.13 9	0.14 172	0.17 85	0.16 116	0.14 36	0.12 10

CASnet	0.30 12	0.20 54	0.34 13	0.42 130	0.17 2	0.25 16	0.24 23	0.53 16	0.56 67	0.54 61	0.54 45	0.39 39	0.24 10	0.41 17	0.26 8	0.15 67	0.10 8	0.22 230	0.18 184	0.18 151	0.12 10
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
4D-IteraStereo	0.33 30	0.19 33	0.43 74	0.40 87	0.24 77	0.32 60	0.27 42	0.59 29	0.72 118	0.66 103	0.53 42	0.42 46	0.22 6	0.46 29	0.30 48	0.14 18	0.09 2	0.20 177	0.16 116	0.16 103	0.12 10

LoS	0.30 12	0.16 4	0.32 12	0.30 3	0.19 8	0.32 60	0.29 57	0.54 18	0.73 127	0.35 15	0.52 40	0.42 46	0.29 41	0.48 41	0.29 37	0.15 67	0.11 39	0.13 8	0.09 4	0.12 2	0.12 10

EGLCR-Stereo	0.27 2	0.17 8	0.36 25	0.35 12	0.21 25	0.37 86	0.20 1	0.58 27	0.37 14	0.29 4	0.28 4	0.42 46	0.18 1	0.47 34	0.27 23	0.14 18	0.10 8	0.16 57	0.14 69	0.13 14	0.12 10

MC-Stereo	0.29 9	0.18 14	0.35 19	0.40 87	0.21 25	0.26 18	0.26 40	0.53 16	0.40 29	0.38 18	0.61 62	0.41 44	0.31 54	0.57 70	0.27 23	0.14 18	0.10 8	0.14 13	0.12 26	0.12 2	0.12 10

RCA-Stereo	0.36 43	0.18 14	0.37 27	0.38 45	0.23 56	0.31 51	0.33 109	0.70 93	1.25 327	0.45 40	0.65 70	0.46 65	0.43 120	0.40 14	0.29 37	0.14 18	0.10 8	0.14 13	0.12 26	0.12 2	0.12 10

RAFT_CTSACE	0.46 153	0.20 54	0.48 115	0.46 223	0.27 159	0.34 72	0.39 184	0.62 37	0.74 132	0.78 175	1.44 325	0.86 235	0.38 90	1.09 302	0.27 23	0.13 9	0.13 141	0.18 116	0.16 116	0.16 103	0.12 10

test_4	0.37 61	0.19 33	0.34 13	0.45 200	0.26 130	0.20 2	0.34 117	0.58 27	0.42 38	0.60 72	1.45 328	0.43 52	0.26 17	0.67 156	0.29 37	0.12 4	0.10 8	0.17 85	0.19 208	0.15 66	0.12 10

GMOStereo	0.38 77	0.19 33	0.42 58	0.43 167	0.24 77	0.40 101	0.39 184	0.55 19	0.64 88	0.89 232	0.84 139	0.65 150	0.37 83	0.39 8	0.29 37	0.14 18	0.12 86	0.20 177	0.18 184	0.15 66	0.12 10

error version	0.38 77	0.19 33	0.42 58	0.43 167	0.24 77	0.40 101	0.39 184	0.55 19	0.64 88	0.89 232	0.84 139	0.65 150	0.37 83	0.39 8	0.29 37	0.14 18	0.12 86	0.20 177	0.18 184	0.15 66	0.12 10

test-v	0.38 77	0.19 33	0.42 58	0.43 167	0.24 77	0.40 101	0.39 184	0.55 19	0.64 88	0.89 232	0.84 139	0.65 150	0.37 83	0.39 8	0.29 37	0.14 18	0.12 86	0.20 177	0.18 184	0.15 66	0.12 10

test_3	0.37 61	0.19 33	0.50 132	0.45 200	0.24 77	0.47 133	0.36 146	0.69 83	0.84 176	0.66 103	0.46 23	0.68 169	0.25 12	0.45 25	0.32 64	0.12 4	0.10 8	0.18 116	0.16 116	0.15 66	0.12 10

IIG-Stereo	0.45 148	0.22 97	0.48 115	0.51 281	0.26 130	0.43 121	0.21 5	0.73 123	0.80 153	0.84 195	0.95 185	0.82 228	0.46 138	0.95 268	0.37 107	0.16 99	0.12 86	0.19 148	0.15 90	0.15 66	0.12 10

test-2	0.38 77	0.19 33	0.42 58	0.43 167	0.24 77	0.40 101	0.39 184	0.55 19	0.64 88	0.89 232	0.84 139	0.65 150	0.37 83	0.39 8	0.29 37	0.14 18	0.12 86	0.20 177	0.18 184	0.15 66	0.12 10

cross-raft	0.34 35	0.20 54	0.38 33	0.45 200	0.24 77	0.32 60	0.35 139	0.77 141	0.42 38	0.62 78	0.77 102	0.58 115	0.27 22	0.46 29	0.31 58	0.12 4	0.10 8	0.15 41	0.13 49	0.15 66	0.12 10

AFF-stereo	0.39 89	0.20 54	0.42 58	0.37 35	0.22 30	0.27 25	0.31 88	0.67 67	0.72 118	0.66 103	1.12 257	0.75 201	0.38 90	0.57 70	0.35 90	0.11 1	0.09 2	0.16 57	0.16 116	0.14 36	0.12 10

CFNet-RSSM	0.35 37	0.18 14	0.47 102	0.39 61	0.22 30	0.35 74	0.23 20	0.78 144	0.86 186	0.67 110	0.54 45	0.56 97	0.28 27	0.49 47	0.28 29	0.14 18	0.10 8	0.14 13	0.12 26	0.13 14	0.12 10

CREStereo	0.28 6	0.16 4	0.25 1	0.28 1	0.17 2	0.38 91	0.25 30	0.52 13	0.76 137	0.43 37	0.51 37	0.32 14	0.28 27	0.39 8	0.27 23	0.16 99	0.11 39	0.12 2	0.09 4	0.12 2	0.12 10
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	0.33 30	0.17 8	0.26 4	0.29 2	0.18 5	0.44 127	0.22 11	0.57 26	0.66 96	0.46 44	0.54 45	0.38 36	0.34 71	0.50 49	0.25 3	0.75 378	0.10 8	0.12 2	0.09 4	0.13 14	0.12 10

test croco	0.32 26	0.21 74	0.59 202	0.40 87	0.29 199	0.27 25	0.30 69	0.46 6	0.36 11	0.32 10	0.66 73	0.31 7	0.33 65	0.68 164	0.32 64	0.18 157	0.13 141	0.20 177	0.15 90	0.18 151	0.13 31

MSKI-zero shot	0.33 30	0.19 33	0.36 25	0.41 105	0.22 30	0.32 60	0.22 11	0.65 54	0.45 47	0.52 54	0.64 68	0.60 127	0.19 3	0.78 216	0.27 23	0.14 18	0.11 39	0.14 13	0.10 10	0.13 14	0.13 31

MIF-Stereo	0.27 2	0.18 14	0.40 45	0.40 87	0.28 180	0.30 39	0.28 50	0.40 1	0.33 4	0.30 6	0.46 23	0.27 2	0.25 12	0.48 41	0.35 90	0.17 125	0.13 141	0.14 13	0.12 26	0.14 36	0.13 31

DLNR_Zeroshot_test	20.12 421	36.36 429	38.38 426	170.13 438	62.28 434	0.22 4	0.20 1	13.43 421	0.40 29	0.45 40	0.66 73	0.42 46	0.21 5	0.64 133	0.32 64	5.57 419	0.10 8	0.15 41	0.11 15	72.31 437	0.13 31

AEACV	0.28 6	0.18 14	0.34 13	0.36 27	0.45 324	0.27 25	0.27 42	0.41 2	0.39 21	0.31 7	0.46 23	0.31 7	0.36 79	0.38 7	0.25 3	0.14 18	0.11 39	0.15 41	0.13 49	0.13 14	0.13 31

Any-RAFT	0.36 43	0.17 8	0.31 10	0.35 12	0.21 25	0.51 144	0.21 5	0.93 189	0.75 134	0.56 64	0.73 86	0.66 162	0.29 41	0.48 41	0.25 3	0.15 67	0.10 8	0.13 8	0.10 10	0.13 14	0.13 31

RAFT-Test	0.35 37	0.19 33	0.42 58	0.39 61	0.24 77	0.50 139	0.23 20	0.74 129	0.44 43	0.62 78	0.85 146	0.64 146	0.28 27	0.48 41	0.30 48	0.14 18	0.11 39	0.14 13	0.11 15	0.13 14	0.13 31

raft_robust	0.41 117	0.24 139	0.39 36	0.43 167	0.22 30	0.40 101	0.33 109	0.80 151	0.98 249	0.80 179	0.88 159	0.41 44	0.32 60	0.89 248	0.30 48	0.14 18	0.12 86	0.16 57	0.18 184	0.15 66	0.13 31

TRStereo	0.39 89	0.32 253	0.64 221	0.49 258	0.41 300	0.30 39	0.30 69	0.97 203	0.63 84	0.53 60	0.43 19	0.52 83	0.26 17	0.77 208	0.29 37	0.18 157	0.12 86	0.19 148	0.19 208	0.13 14	0.13 31

AAGNet	1.40 369	0.20 54	0.52 159	0.45 200	0.26 130	0.29 35	0.29 57	0.67 67	0.71 116	0.97 274	0.86 150	0.66 162	0.60 194	0.66 147	19.98 418	0.17 125	0.11 39	0.19 148	0.15 90	0.20 200	0.13 31

OMP-Stereo	0.43 136	0.23 120	0.50 132	0.53 302	0.25 101	0.36 78	0.24 23	0.73 123	0.81 162	0.78 175	0.64 68	0.88 242	0.41 112	0.95 268	0.36 99	0.15 67	0.12 86	0.20 177	0.15 90	0.16 103	0.13 31

RAFT-345	0.41 117	0.19 33	0.42 58	0.39 61	0.23 56	0.32 60	0.25 30	0.62 37	0.56 67	0.74 148	1.77 352	0.44 55	0.35 74	0.67 156	0.37 107	0.14 18	0.11 39	0.18 116	0.14 69	0.14 36	0.13 31

CroCo-Stereo	0.27 2	0.23 120	0.40 45	0.49 258	0.22 30	0.20 2	0.29 57	0.55 19	0.45 47	0.29 4	0.27 2	0.42 46	0.26 17	0.30 1	0.26 8	0.15 67	0.13 141	0.13 8	0.12 26	0.16 103	0.13 31
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
iRaftStereo_RVC	0.33 30	0.20 54	0.40 45	0.40 87	0.23 56	0.31 51	0.29 57	0.70 93	0.55 66	0.49 49	0.66 73	0.37 33	0.23 7	0.47 34	0.33 74	0.14 18	0.11 39	0.19 148	0.17 158	0.16 103	0.13 31

raft+_RVC	0.38 77	0.20 54	0.38 33	0.39 61	0.27 159	0.44 127	0.35 139	0.81 153	0.90 208	0.52 54	0.78 110	0.50 77	0.29 41	0.56 66	0.41 153	0.15 67	0.12 86	0.17 85	0.15 90	0.14 36	0.13 31

EAI-Stereo	0.36 43	0.21 74	0.46 91	0.40 87	0.22 30	0.33 66	0.36 146	1.22 286	0.32 3	0.52 54	0.75 99	0.35 26	0.28 27	0.65 139	0.30 48	0.14 18	0.11 39	0.14 13	0.14 69	0.14 36	0.13 31

Gwc-CoAtRS	0.35 37	0.18 14	0.46 91	0.39 61	0.23 56	0.34 72	0.22 11	0.74 129	0.77 139	0.62 78	0.60 59	0.58 115	0.29 41	0.47 34	0.29 37	0.14 18	0.11 39	0.14 13	0.12 26	0.13 14	0.13 31

HITNet	0.43 136	0.27 207	0.50 132	0.34 9	0.18 5	0.65 215	0.32 100	0.99 208	0.70 110	0.73 141	0.86 150	0.66 162	0.56 175	0.61 95	0.47 183	0.14 18	0.10 8	0.15 41	0.13 49	0.18 151	0.13 31
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
AE-Stereo	0.36 43	0.21 74	0.47 102	0.49 258	0.31 228	0.50 139	0.34 117	0.72 110	0.73 127	0.34 13	0.55 50	0.52 83	0.28 27	0.48 41	0.31 58	0.13 9	0.13 141	0.18 116	0.16 116	0.15 66	0.14 49

rrr	0.31 23	0.24 139	0.56 185	0.36 27	0.27 159	0.38 91	0.31 88	0.56 24	0.44 43	0.39 21	0.31 6	0.35 26	0.27 22	0.62 117	0.25 3	0.16 99	0.12 86	0.16 57	0.13 49	0.14 36	0.14 49

IGEV_Zeroshot_test	0.36 43	0.19 33	0.71 252	0.41 105	0.29 199	0.30 39	0.25 30	0.86 166	0.40 29	0.64 95	0.57 53	0.56 97	0.25 12	0.56 66	0.29 37	0.15 67	0.11 39	0.16 57	0.14 69	0.14 36	0.14 49

HH	0.37 61	0.22 97	0.49 123	0.41 105	0.26 130	0.36 78	0.30 69	0.87 167	0.41 34	0.45 40	0.59 57	0.78 214	0.43 120	0.77 208	0.26 8	0.15 67	0.11 39	0.15 41	0.14 69	0.14 36	0.14 49

HanStereo	0.37 61	0.22 97	0.49 123	0.41 105	0.26 130	0.36 78	0.30 69	0.87 167	0.41 34	0.45 40	0.59 57	0.78 214	0.43 120	0.77 208	0.26 8	0.15 67	0.11 39	0.15 41	0.14 69	0.14 36	0.14 49

LL-Strereo2	0.36 43	0.25 167	0.52 159	0.43 167	0.27 159	0.36 78	0.27 42	0.70 93	0.46 52	0.55 62	0.53 42	0.65 150	0.24 10	0.69 170	0.32 64	0.14 18	0.13 141	0.23 244	0.20 227	0.19 185	0.14 49

Selective-RAFT	0.36 43	0.23 120	0.54 178	0.45 200	0.22 30	0.64 209	0.27 42	0.62 37	0.65 93	0.41 31	0.38 18	0.55 91	0.39 103	0.59 79	0.36 99	0.14 18	0.12 86	0.14 13	0.12 26	0.16 103	0.14 49

ProNet	0.30 12	0.22 97	0.41 50	0.36 27	0.25 101	0.33 66	0.42 219	0.62 37	0.41 34	0.33 11	0.31 6	0.32 14	0.28 27	0.60 89	0.28 29	0.13 9	0.11 39	0.16 57	0.13 49	0.13 14	0.14 49

TestStereo1	0.44 142	0.24 139	0.45 84	0.52 295	0.25 101	0.35 74	0.40 194	0.81 153	0.94 229	0.70 124	0.96 189	0.48 72	0.45 132	0.94 263	0.33 74	0.16 99	0.13 141	0.18 116	0.16 116	0.15 66	0.14 49

SA-5K	0.44 142	0.24 139	0.45 84	0.52 295	0.25 101	0.35 74	0.40 194	0.81 153	0.94 229	0.70 124	0.96 189	0.48 72	0.45 132	0.94 263	0.33 74	0.16 99	0.13 141	0.18 116	0.16 116	0.15 66	0.14 49

Sa-1000	0.49 180	0.25 167	0.45 84	0.46 223	0.25 101	0.64 209	0.34 117	0.85 164	0.95 233	0.85 205	1.51 335	0.55 91	0.44 125	0.94 263	0.31 58	0.16 99	0.12 86	0.21 218	0.20 227	0.15 66	0.14 49

SA	0.45 148	0.26 195	0.50 132	0.47 241	0.24 77	0.46 131	0.36 146	0.79 149	1.00 256	0.61 76	1.04 232	0.50 77	0.50 151	0.98 280	0.33 74	0.16 99	0.13 141	0.21 218	0.19 208	0.15 66	0.14 49

GLC_STEREO	0.30 12	0.20 54	0.28 8	0.44 188	0.19 8	0.31 51	0.25 30	0.49 9	0.43 41	0.37 17	0.47 27	0.40 40	0.23 7	0.51 51	0.37 107	0.15 67	0.18 247	0.19 148	0.16 116	0.16 103	0.14 49

IPLG	0.40 103	0.21 74	0.64 221	0.41 105	0.25 101	0.54 160	0.27 42	0.77 141	0.68 103	0.85 205	0.82 132	0.33 19	0.32 60	0.64 133	0.49 193	0.13 9	0.11 39	0.16 57	0.14 69	0.14 36	0.14 49

MIPNet	0.39 89	0.22 97	0.66 228	0.40 87	0.25 101	0.53 154	0.29 57	0.78 144	0.74 132	0.68 117	0.60 59	0.40 40	0.48 145	0.45 25	0.39 128	0.14 18	0.11 39	0.16 57	0.13 49	0.14 36	0.14 49

IPLGR	0.40 103	0.22 97	0.70 249	0.40 87	0.22 30	0.51 144	0.29 57	0.78 144	0.78 142	0.80 179	0.77 102	0.44 55	0.41 112	0.48 41	0.40 148	0.14 18	0.12 86	0.16 57	0.14 69	0.16 103	0.14 49

STrans-v2	0.47 162	0.21 74	0.49 123	0.41 105	0.25 101	0.54 160	0.49 259	1.16 263	0.82 170	0.67 110	1.05 235	0.71 174	0.67 229	0.74 188	0.34 83	0.15 67	0.11 39	0.17 85	0.15 90	0.14 36	0.14 49

PFNet	0.43 136	0.19 33	0.61 208	0.44 188	0.24 77	0.42 117	0.31 88	0.76 136	0.81 162	1.01 285	0.74 97	0.67 166	0.41 112	0.75 193	0.39 128	0.16 99	0.10 8	0.20 177	0.15 90	0.16 103	0.14 49

RAFT-RH_RVC	0.57 240	0.18 14	0.44 79	0.38 45	0.23 56	0.56 170	0.24 23	0.61 35	0.73 127	1.18 329	3.90 398	0.55 91	0.40 108	0.67 156	0.38 120	0.14 18	0.11 39	0.20 177	0.15 90	0.12 2	0.14 49

RAFT	0.46 153	0.23 120	0.52 159	0.48 249	0.27 159	0.55 165	0.47 244	0.68 72	0.60 81	0.83 189	0.82 132	1.00 272	0.56 175	0.76 201	0.37 107	0.18 157	0.16 212	0.22 230	0.20 227	0.16 103	0.14 49

TestStereo	0.39 89	0.32 253	0.42 58	0.45 200	0.20 18	0.41 110	0.38 171	0.69 83	0.66 96	0.56 64	0.78 110	0.48 72	0.43 120	0.59 79	0.37 107	0.18 157	0.13 141	0.20 177	0.15 90	0.23 241	0.14 49

raftrobust	0.35 37	0.20 54	0.39 36	0.43 167	0.29 199	0.31 51	0.25 30	0.73 123	0.66 96	0.59 70	0.56 52	0.44 55	0.45 132	0.55 62	0.31 58	0.16 99	0.12 86	0.14 13	0.12 26	0.12 2	0.14 49

RALAANet	0.40 103	0.24 139	0.56 185	0.43 167	0.30 218	0.36 78	0.25 30	0.89 173	0.69 108	0.69 120	0.65 70	0.61 129	0.30 51	0.63 126	0.35 90	0.16 99	0.13 141	0.18 116	0.15 90	0.21 209	0.14 49

test_xeample3	0.31 23	0.23 120	0.56 185	0.36 27	0.26 130	0.35 74	0.32 100	0.60 31	0.38 17	0.44 39	0.32 9	0.33 19	0.28 27	0.66 147	0.27 23	0.14 18	0.12 86	0.16 57	0.12 26	0.14 36	0.14 49

ARAFT	0.48 171	0.25 167	0.82 282	0.42 130	0.25 101	0.56 170	0.54 280	0.82 157	0.82 170	0.92 247	0.75 99	0.75 201	0.48 145	0.89 248	0.37 107	0.15 67	0.12 86	0.23 244	0.22 262	0.14 36	0.14 49

R-Stereo Train	0.40 103	0.19 33	0.47 102	0.43 167	0.27 159	0.41 110	0.31 88	0.74 129	0.38 17	0.90 239	1.28 296	0.58 115	0.35 74	0.43 20	0.35 90	0.15 67	0.13 141	0.14 13	0.12 26	0.14 36	0.14 49

RAFT-Stereo	0.40 103	0.19 33	0.47 102	0.43 167	0.27 159	0.41 110	0.31 88	0.74 129	0.38 17	0.90 239	1.28 296	0.58 115	0.35 74	0.43 20	0.35 90	0.15 67	0.13 141	0.14 13	0.12 26	0.14 36	0.14 49
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RASNet	0.57 240	0.24 139	0.61 208	0.39 61	0.23 56	0.71 238	0.40 194	1.02 217	0.93 222	0.77 164	1.05 235	1.05 287	0.98 326	0.99 284	1.03 316	0.16 99	0.14 172	0.14 13	0.17 158	0.15 66	0.14 49

MLCV	0.49 180	0.26 195	0.73 262	0.38 45	0.18 5	0.64 209	0.33 109	0.84 163	0.89 204	0.96 271	1.12 257	0.72 189	0.45 132	1.00 289	0.59 228	0.14 18	0.10 8	0.14 13	0.11 15	0.14 36	0.14 49

CoDeX	0.48 171	0.21 74	0.53 166	0.43 167	0.25 101	0.74 246	0.38 171	1.36 330	0.82 170	0.84 195	0.96 189	0.63 139	0.57 184	0.63 126	0.40 148	0.17 125	0.13 141	0.17 85	0.15 90	0.16 103	0.15 78

MIF-Stereo (partial)	0.32 26	0.19 33	0.41 50	0.41 105	0.32 245	0.29 35	0.24 23	0.49 9	0.44 43	0.31 7	0.63 65	0.37 33	0.36 79	0.60 89	0.32 64	0.17 125	0.13 141	0.19 148	0.17 158	0.18 151	0.15 78

DCRE	0.38 77	0.19 33	0.47 102	0.45 200	0.33 256	0.45 130	0.40 194	0.66 56	0.53 65	0.49 49	0.95 185	0.57 100	0.39 103	0.53 54	0.32 64	0.14 18	0.13 141	0.15 41	0.14 69	0.14 36	0.15 78

DCANet-4	0.38 77	0.22 97	0.58 194	0.35 12	0.19 8	0.30 39	0.30 69	0.69 83	0.97 245	0.70 124	0.79 114	0.40 40	0.46 138	0.46 29	0.37 107	0.14 18	0.10 8	0.14 13	0.11 15	0.12 2	0.15 78

fff	0.39 89	0.18 14	0.46 91	0.35 12	0.19 8	0.30 39	0.30 69	0.73 123	1.08 289	0.70 124	0.79 114	0.44 55	0.62 200	0.47 34	0.37 107	0.14 18	0.10 8	0.14 13	0.11 15	0.12 2	0.15 78

ADStereo(finetuned)	0.39 89	0.18 14	0.58 194	0.35 12	0.19 8	0.30 39	0.30 69	0.72 110	0.96 240	0.72 134	0.77 102	0.45 62	0.68 237	0.46 29	0.36 99	0.14 18	0.10 8	0.14 13	0.11 15	0.13 14	0.15 78

RAFT+CT+SA	0.40 103	0.24 139	0.40 45	0.53 302	0.27 159	0.28 31	0.45 236	0.79 149	0.81 162	0.51 52	0.90 164	0.42 46	0.39 103	0.81 224	0.33 74	0.15 67	0.11 39	0.18 116	0.18 184	0.15 66	0.15 78

iRaft-Stereo_20w	0.42 124	0.20 54	0.63 217	0.39 61	0.27 159	0.33 66	0.25 30	1.76 377	0.37 14	0.73 141	0.53 42	0.63 139	0.42 117	0.86 239	0.29 37	0.14 18	0.11 39	0.14 13	0.13 49	0.15 66	0.15 78

TransformOpticalFlow	0.46 153	0.21 74	0.49 123	0.42 130	0.24 77	0.36 78	0.46 239	1.04 223	0.84 176	0.67 110	1.14 265	0.73 193	0.56 175	0.78 216	0.33 74	0.15 67	0.10 8	0.17 85	0.15 90	0.14 36	0.15 78

NRIStereo	0.37 61	0.21 74	0.49 123	0.42 130	0.23 56	0.33 66	0.25 30	0.68 72	0.59 74	0.65 99	0.63 65	0.55 91	0.37 83	0.67 156	0.40 148	0.16 99	0.12 86	0.18 116	0.15 90	0.17 127	0.15 78

SST-Stereo	0.41 117	0.20 54	0.48 115	0.43 167	0.25 101	0.25 16	0.21 5	0.68 72	0.50 60	1.08 313	0.79 114	0.71 174	0.42 117	0.81 224	0.38 120	0.17 125	0.11 39	0.20 177	0.16 116	0.19 185	0.15 78

RAFT_R40	0.41 117	0.20 54	0.47 102	0.44 188	0.25 101	0.23 6	0.25 30	0.69 83	0.70 110	0.98 277	0.78 110	0.72 189	0.43 120	0.80 220	0.39 128	0.17 125	0.11 39	0.20 177	0.16 116	0.18 151	0.15 78

IRAFT_RVC	0.43 136	0.20 54	0.52 159	0.45 200	0.24 77	0.26 18	0.51 265	0.76 136	0.78 142	0.77 164	0.80 124	0.73 193	0.50 151	0.74 188	0.39 128	0.18 157	0.10 8	0.21 218	0.17 158	0.17 127	0.15 78

TANstereo	0.31 23	0.16 4	0.34 13	0.31 4	0.17 2	0.55 165	0.23 20	0.46 6	0.56 67	0.60 72	0.69 80	0.37 33	0.26 17	0.36 4	0.28 29	0.16 99	0.16 212	0.13 8	0.10 10	0.14 36	0.15 78

DCANet	0.38 77	0.18 14	0.46 91	0.35 12	0.19 8	0.30 39	0.30 69	0.72 110	0.96 240	0.72 134	0.77 102	0.45 62	0.56 175	0.47 34	0.36 99	0.14 18	0.10 8	0.14 13	0.11 15	0.13 14	0.15 78

csc	0.39 89	0.18 14	0.46 91	0.35 12	0.19 8	0.30 39	0.30 69	0.73 123	1.08 289	0.70 124	0.79 114	0.44 55	0.62 200	0.47 34	0.37 107	0.14 18	0.10 8	0.14 13	0.11 15	0.12 2	0.15 78

cscssc	0.39 89	0.18 14	0.46 91	0.35 12	0.19 8	0.30 39	0.30 69	0.73 123	1.08 289	0.70 124	0.79 114	0.44 55	0.62 200	0.47 34	0.37 107	0.14 18	0.10 8	0.14 13	0.11 15	0.12 2	0.15 78

UPFNet	0.55 227	0.26 195	0.59 202	0.46 223	0.38 283	0.83 275	0.48 249	1.03 222	0.80 153	0.92 247	0.91 170	0.85 231	0.67 229	0.87 241	0.78 264	0.20 211	0.21 278	0.20 177	0.20 227	0.20 200	0.15 78

ACVNet	0.47 162	0.24 139	0.39 36	0.40 87	0.28 180	0.58 184	0.40 194	0.91 179	0.81 162	0.67 110	0.96 189	0.79 220	0.66 220	0.65 139	0.71 253	0.18 157	0.15 191	0.16 57	0.15 90	0.18 151	0.15 78

acv_ft	0.52 211	0.24 139	0.64 221	0.45 200	0.28 180	0.85 281	0.40 194	0.95 197	0.81 162	1.00 283	0.96 189	0.79 220	0.62 200	0.65 139	0.88 282	0.18 157	0.15 191	0.16 57	0.15 90	0.18 151	0.15 78

Former-RAFT_DAM_RVC	0.34 35	0.28 220	0.48 115	0.37 35	0.25 101	0.47 133	0.30 69	0.60 31	0.92 220	0.43 37	0.37 17	0.30 6	0.29 41	0.50 49	0.30 48	0.17 125	0.14 172	0.18 116	0.15 90	0.18 151	0.16 98

tta	0.53 217	0.24 139	0.67 232	0.35 12	0.20 18	0.63 201	0.34 117	1.26 298	1.06 277	0.85 205	1.02 218	0.71 174	0.66 220	0.96 271	0.60 229	0.19 192	0.16 212	0.18 116	0.17 158	0.15 66	0.16 98

qqq1	0.51 201	0.24 139	0.67 232	0.35 12	0.20 18	0.63 201	0.34 117	1.26 298	1.06 277	0.85 205	1.02 218	0.71 174	0.66 220	0.96 271	0.36 99	0.19 192	0.16 212	0.14 13	0.12 26	0.15 66	0.16 98

fff1	0.51 201	0.24 139	0.67 232	0.35 12	0.20 18	0.63 201	0.34 117	1.26 298	1.06 277	0.85 205	1.02 218	0.71 174	0.66 220	0.96 271	0.36 99	0.19 192	0.16 212	0.14 13	0.12 26	0.15 66	0.16 98

ff7	0.30 12	0.22 97	0.42 58	0.37 35	0.26 130	0.31 51	0.34 117	0.66 56	0.35 6	0.39 21	0.33 10	0.31 7	0.28 27	0.61 95	0.26 8	0.14 18	0.11 39	0.17 85	0.12 26	0.15 66	0.16 98

IGEVStereo-DCA	0.30 12	0.24 139	0.42 58	0.36 27	0.27 159	0.38 91	0.34 117	0.66 56	0.35 6	0.39 21	0.31 6	0.35 26	0.27 22	0.62 117	0.25 3	0.16 99	0.12 86	0.16 57	0.12 26	0.14 36	0.16 98

ffff	0.30 12	0.22 97	0.42 58	0.37 35	0.26 130	0.31 51	0.34 117	0.66 56	0.35 6	0.39 21	0.33 10	0.31 7	0.28 27	0.61 95	0.26 8	0.14 18	0.11 39	0.17 85	0.12 26	0.15 66	0.16 98

11t	0.30 12	0.22 97	0.42 58	0.37 35	0.26 130	0.31 51	0.34 117	0.66 56	0.35 6	0.39 21	0.33 10	0.31 7	0.28 27	0.61 95	0.26 8	0.14 18	0.11 39	0.17 85	0.12 26	0.15 66	0.16 98

anonymousdsp2	0.37 61	0.21 74	0.49 123	0.38 45	0.24 77	0.48 138	0.31 88	0.91 179	0.68 103	0.57 66	0.51 37	0.51 80	0.34 71	0.59 79	0.33 74	0.14 18	0.11 39	0.14 13	0.10 10	0.16 103	0.16 98

anonymousdsp	0.30 12	0.22 97	0.41 50	0.38 45	0.26 130	0.31 51	0.35 139	0.68 72	0.36 11	0.40 29	0.33 10	0.32 14	0.28 27	0.62 117	0.26 8	0.14 18	0.10 8	0.17 85	0.12 26	0.15 66	0.16 98

anonymousa	0.51 201	0.21 74	0.47 102	0.39 61	0.25 101	0.89 289	0.36 146	0.78 144	0.63 84	0.88 225	1.54 336	1.09 302	0.67 229	0.53 54	0.46 174	0.17 125	0.14 172	0.19 148	0.21 244	0.16 103	0.16 98

CroCo-Stereo Lap2	0.29 9	0.25 167	0.44 79	0.50 269	0.30 218	0.19 1	0.31 88	0.52 13	0.41 34	0.25 1	0.28 4	0.46 65	0.31 54	0.39 8	0.30 48	0.15 67	0.15 191	0.16 57	0.13 49	0.17 127	0.16 98

ccc-4	0.30 12	0.22 97	0.42 58	0.37 35	0.26 130	0.31 51	0.34 117	0.66 56	0.35 6	0.39 21	0.33 10	0.31 7	0.28 27	0.61 95	0.26 8	0.14 18	0.11 39	0.17 85	0.12 26	0.15 66	0.16 98

IER	0.48 171	0.25 167	0.60 207	0.38 45	0.28 180	0.67 229	0.38 171	0.82 157	0.68 103	0.88 225	0.95 185	0.74 197	0.79 280	0.62 117	0.46 174	0.17 125	0.14 172	0.17 85	0.17 158	0.17 127	0.16 98

test_5	0.44 142	0.25 167	0.48 115	0.53 302	0.28 180	0.28 31	0.42 219	0.77 141	0.87 190	0.63 85	0.91 170	0.73 193	0.53 160	0.82 229	0.36 99	0.14 18	0.11 39	0.18 116	0.18 184	0.18 151	0.16 98

IGEV-Stereo	0.30 12	0.22 97	0.41 50	0.38 45	0.26 130	0.30 39	0.35 139	0.68 72	0.36 11	0.40 29	0.33 10	0.32 14	0.28 27	0.62 117	0.26 8	0.14 18	0.10 8	0.17 85	0.12 26	0.15 66	0.16 98
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CIPLG	0.42 124	0.23 120	0.71 252	0.45 200	0.33 256	0.51 144	0.33 109	0.68 72	0.68 103	0.84 195	0.96 189	0.47 69	0.33 65	0.56 66	0.52 201	0.17 125	0.12 86	0.16 57	0.14 69	0.13 14	0.16 98

IPLGR_C	0.42 124	0.23 120	0.71 252	0.46 223	0.33 256	0.51 144	0.34 117	0.69 83	0.69 108	0.84 195	0.92 176	0.46 65	0.33 65	0.53 54	0.53 210	0.17 125	0.12 86	0.16 57	0.14 69	0.13 14	0.16 98

ACRE	0.42 124	0.23 120	0.73 262	0.45 200	0.33 256	0.50 139	0.33 109	0.68 72	0.70 110	0.82 184	0.92 176	0.46 65	0.32 60	0.53 54	0.52 201	0.17 125	0.12 86	0.15 41	0.14 69	0.13 14	0.16 98

CrosDoStereo	0.51 201	0.19 33	0.46 91	0.39 61	0.24 77	0.39 96	1.14 369	0.69 83	0.87 190	0.94 254	1.36 310	0.62 135	0.75 265	0.68 164	0.46 174	0.15 67	0.12 86	0.17 85	0.18 184	0.14 36	0.16 98

Patchmatch Stereo++	0.36 43	0.24 139	0.51 140	0.42 130	0.22 30	0.24 7	0.21 5	0.63 43	0.39 21	0.63 85	0.73 86	0.57 100	0.38 90	0.61 95	0.39 128	0.18 157	0.12 86	0.20 177	0.16 116	0.21 209	0.16 98
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.36 43	0.24 139	0.51 140	0.42 130	0.22 30	0.24 7	0.31 88	0.63 43	0.39 21	0.63 85	0.73 86	0.57 100	0.38 90	0.59 79	0.38 120	0.18 157	0.12 86	0.20 177	0.16 116	0.21 209	0.16 98

ROB_FTStereo_v2	0.36 43	0.24 139	0.51 140	0.42 130	0.22 30	0.24 7	0.31 88	0.63 43	0.39 21	0.63 85	0.73 86	0.57 100	0.38 90	0.60 89	0.39 128	0.18 157	0.12 86	0.20 177	0.16 116	0.21 209	0.16 98

ROB_FTStereo	0.36 43	0.24 139	0.51 140	0.42 130	0.22 30	0.24 7	0.20 1	0.63 43	0.39 21	0.63 85	0.73 86	0.57 100	0.38 90	0.60 89	0.38 120	0.18 157	0.12 86	0.20 177	0.16 116	0.21 209	0.16 98

HUI-Stereo	0.36 43	0.24 139	0.51 140	0.42 130	0.22 30	0.24 7	0.22 11	0.63 43	0.40 29	0.64 95	0.73 86	0.58 115	0.38 90	0.53 54	0.38 120	0.18 157	0.12 86	0.20 177	0.16 116	0.21 209	0.16 98

DeepStereo_LL	0.51 201	0.19 33	0.46 91	0.39 61	0.24 77	0.39 96	1.14 369	0.69 83	0.87 190	0.94 254	1.36 310	0.62 135	0.75 265	0.68 164	0.46 174	0.15 67	0.12 86	0.17 85	0.18 184	0.14 36	0.16 98

iGMRVC	0.36 43	0.24 139	0.51 140	0.42 130	0.22 30	0.24 7	0.29 57	0.63 43	0.39 21	0.63 85	0.73 86	0.57 100	0.38 90	0.61 95	0.39 128	0.18 157	0.12 86	0.20 177	0.16 116	0.21 209	0.16 98

iRAFT	0.36 43	0.24 139	0.51 140	0.42 130	0.22 30	0.24 7	0.21 5	0.63 43	0.39 21	0.63 85	0.73 86	0.57 100	0.38 90	0.61 95	0.39 128	0.18 157	0.12 86	0.20 177	0.16 116	0.21 209	0.16 98

RAFT-IKP	0.36 43	0.24 139	0.51 140	0.42 130	0.22 30	0.24 7	0.27 42	0.63 43	0.39 21	0.63 85	0.73 86	0.57 100	0.38 90	0.61 95	0.39 128	0.18 157	0.12 86	0.20 177	0.16 116	0.21 209	0.16 98

rafts_anoy	0.38 77	0.22 97	0.38 33	0.43 167	0.28 180	0.32 60	0.32 100	0.70 93	0.91 214	0.59 70	0.66 73	0.45 62	0.33 65	0.49 47	0.41 153	0.16 99	0.12 86	0.21 218	0.23 271	0.18 151	0.16 98

111	0.42 124	0.18 14	0.46 91	0.35 12	0.19 8	0.52 151	0.28 50	0.76 136	1.16 312	0.52 54	0.92 176	0.65 150	0.51 156	0.65 139	0.37 107	0.15 67	0.10 8	0.14 13	0.12 26	0.13 14	0.16 98

SFCPSM	0.48 171	0.22 97	0.59 202	0.41 105	0.27 159	0.85 281	0.36 146	1.39 333	0.79 148	0.81 183	0.85 146	0.54 89	0.50 151	0.60 89	0.39 128	0.18 157	0.14 172	0.18 116	0.20 227	0.17 127	0.16 98

ac_64	0.54 222	0.24 139	0.58 194	0.46 223	0.28 180	0.79 258	0.44 232	1.11 249	0.63 84	0.94 254	0.85 146	1.06 291	0.70 244	0.76 201	0.72 256	0.22 242	0.18 247	0.20 177	0.19 208	0.18 151	0.16 98

cf-r	0.49 180	0.24 139	0.49 123	0.40 87	0.23 56	0.58 184	0.38 171	0.92 187	0.87 190	0.77 164	1.06 241	0.98 267	0.67 229	0.59 79	0.61 233	0.21 226	0.14 172	0.17 85	0.19 208	0.15 66	0.16 98

GwcNet-RSSM	0.51 201	0.25 167	0.51 140	0.41 105	0.24 77	0.56 170	0.41 214	0.97 203	0.96 240	0.75 151	1.17 275	0.89 247	0.66 220	0.66 147	0.74 258	0.22 242	0.15 191	0.19 148	0.21 244	0.17 127	0.16 98

iResNetv2_ROB	0.55 227	0.29 230	0.86 293	0.39 61	0.25 101	0.67 229	0.37 158	1.21 280	1.02 263	1.02 289	1.10 251	0.89 247	0.79 280	0.74 188	0.43 158	0.19 192	0.13 141	0.15 41	0.11 15	0.19 185	0.16 98

pmcnn	1.27 361	0.31 251	1.14 329	0.41 105	0.23 56	0.97 300	0.71 321	1.23 289	1.32 339	1.83 370	2.34 369	11.25 416	0.89 310	1.04 296	0.96 304	0.15 67	0.12 86	0.12 2	0.10 10	0.15 66	0.16 98

MyStereo07	0.33 30	0.23 120	0.37 27	0.43 167	0.29 199	0.40 101	0.48 249	0.78 144	0.38 17	0.38 18	0.34 16	0.32 14	0.30 51	0.63 126	0.28 29	0.14 18	0.13 141	0.19 148	0.17 158	0.18 151	0.17 135

MyStereo06	0.40 103	0.22 97	0.65 226	0.42 130	0.29 199	0.43 121	0.48 249	1.05 229	0.43 41	0.64 95	0.54 45	0.78 214	0.27 22	0.53 54	0.31 58	0.14 18	0.13 141	0.18 116	0.17 158	0.17 127	0.17 135

MyStereo05	0.46 153	0.22 97	0.51 140	0.42 130	0.29 199	0.43 121	0.48 249	0.96 201	1.12 297	0.77 164	0.62 64	0.51 80	0.57 184	0.79 218	0.43 158	0.14 18	0.13 141	0.18 116	0.17 158	0.17 127	0.17 135

MyStereo04	0.45 148	0.23 120	0.52 159	0.43 167	0.29 199	0.40 101	0.48 249	1.02 217	1.12 297	0.62 78	0.58 55	0.55 91	0.56 175	0.77 208	0.45 170	0.14 18	0.13 141	0.19 148	0.17 158	0.18 151	0.17 135

cc1	0.38 77	0.25 167	0.35 19	0.42 130	0.23 56	0.53 154	0.37 158	0.71 100	1.17 315	0.42 32	0.50 32	0.34 22	0.47 142	0.61 95	0.26 8	0.17 125	0.11 39	0.19 148	0.13 49	0.16 103	0.17 135

DualNet	0.53 217	0.28 220	0.68 239	0.39 61	0.26 130	0.56 170	0.40 194	0.72 110	1.13 303	0.76 156	0.98 199	0.71 174	0.55 167	0.61 95	1.46 350	0.17 125	0.11 39	0.25 268	0.21 244	0.16 103	0.17 135

ffm	0.47 162	0.28 220	0.68 239	0.39 61	0.26 130	0.56 170	0.40 194	0.72 110	1.13 303	0.76 156	0.98 199	0.71 174	0.55 167	0.61 95	0.26 8	0.17 125	0.11 39	0.25 268	0.21 244	0.16 103	0.17 135

ff1	0.56 236	0.28 220	0.68 239	0.39 61	0.26 130	0.56 170	0.40 194	0.72 110	1.13 303	0.76 156	0.98 199	0.71 174	0.55 167	1.25 321	1.46 350	0.17 125	0.11 39	0.25 268	0.21 244	0.16 103	0.17 135

tt1	0.37 61	0.25 167	0.35 19	0.43 167	0.23 56	0.52 151	0.37 158	0.72 110	1.13 303	0.42 32	0.46 23	0.35 26	0.44 125	0.61 95	0.26 8	0.17 125	0.11 39	0.19 148	0.13 49	0.16 103	0.17 135

StereoVision	0.43 136	0.29 230	0.54 178	0.50 269	0.28 180	0.37 86	0.38 171	0.75 134	0.63 84	0.46 44	1.11 255	0.53 87	0.38 90	0.57 70	0.34 83	0.21 226	0.24 302	0.25 268	0.24 285	0.26 264	0.17 135

iRaft-Stereo_5w	0.46 153	0.22 97	0.53 166	0.43 167	0.30 218	0.30 39	0.53 274	0.66 56	0.71 116	0.62 78	0.89 162	1.01 276	0.67 229	0.76 201	0.67 246	0.13 9	0.12 86	0.17 85	0.15 90	0.15 66	0.17 135

DEmStereo	0.49 180	0.18 14	0.53 166	0.39 61	0.26 130	0.57 180	0.33 109	0.65 54	0.75 134	0.90 239	1.65 343	0.57 100	1.02 328	0.63 126	0.44 165	0.14 18	0.12 86	0.16 57	0.16 116	0.14 36	0.17 135

THIR-Stereo	0.51 201	0.19 33	0.47 102	0.39 61	0.23 56	0.74 246	0.64 311	0.68 72	0.88 200	1.03 292	1.40 316	0.71 174	0.75 265	0.64 133	0.43 158	0.16 99	0.11 39	0.17 85	0.18 184	0.15 66	0.17 135

DRaft	0.49 180	0.18 14	0.50 132	0.38 45	0.25 101	0.57 180	0.39 184	0.67 67	0.86 186	1.02 289	1.75 351	0.50 77	0.79 280	0.65 139	0.42 156	0.14 18	0.11 39	0.16 57	0.16 116	0.14 36	0.17 135

RALCasStereoNet	0.37 61	0.23 120	0.41 50	0.44 188	0.28 180	0.36 78	0.38 171	0.66 56	0.67 102	0.51 52	0.74 97	0.51 80	0.29 41	0.64 133	0.38 120	0.17 125	0.14 172	0.15 41	0.13 49	0.17 127	0.17 135

MMNet	0.57 240	0.26 195	0.67 232	0.45 200	0.35 271	1.04 317	0.39 184	0.93 189	0.98 249	0.96 271	0.97 196	0.86 235	0.80 284	0.83 231	0.80 272	0.16 99	0.15 191	0.19 148	0.19 208	0.20 200	0.17 135

delet	0.57 240	0.25 167	0.63 217	0.46 223	0.34 266	1.05 319	0.51 265	1.04 223	0.94 229	0.90 239	0.99 208	0.90 249	0.68 237	0.87 241	0.78 264	0.18 157	0.18 247	0.20 177	0.21 244	0.17 127	0.17 135

DIP-Stereo	0.40 103	0.22 97	0.58 194	0.42 130	0.29 199	0.62 196	0.27 42	0.87 167	0.42 38	0.65 99	0.86 150	0.52 83	0.35 74	0.67 156	0.43 158	0.15 67	0.13 141	0.17 85	0.14 69	0.15 66	0.17 135
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HSM-Net_RVC	0.55 227	0.23 120	0.37 27	0.38 45	0.22 30	0.86 283	0.40 194	1.31 315	0.93 222	0.92 247	1.15 267	1.26 318	0.71 249	0.75 193	0.53 210	0.17 125	0.14 172	0.16 57	0.15 90	0.17 127	0.17 135
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.53 217	0.30 244	0.53 166	0.42 130	0.28 180	0.73 242	0.35 139	1.21 280	1.01 258	0.74 148	1.07 243	0.85 231	0.60 194	0.83 231	0.58 226	0.19 192	0.15 191	0.23 244	0.23 271	0.21 209	0.17 135

iResNet	0.52 211	0.31 251	0.86 293	0.44 188	0.22 30	0.66 220	0.47 244	0.92 187	1.02 263	0.89 232	1.12 257	0.69 171	0.55 167	0.86 239	0.60 229	0.15 67	0.11 39	0.15 41	0.12 26	0.17 127	0.17 135

DN-CSS_ROB	0.45 148	0.27 207	0.74 266	0.41 105	0.29 199	0.43 121	0.29 57	0.80 151	0.78 142	0.73 141	1.08 249	0.48 72	0.45 132	0.81 224	0.40 148	0.15 67	0.12 86	0.21 218	0.19 208	0.18 151	0.17 135

EKT-Stereo	0.36 43	0.24 139	0.44 79	0.44 188	0.30 218	0.37 86	0.30 69	0.72 110	0.68 103	0.47 46	0.63 65	0.49 76	0.28 27	0.59 79	0.34 83	0.19 192	0.14 172	0.18 116	0.15 90	0.16 103	0.18 157

x	0.41 117	0.25 167	0.46 91	0.36 27	0.24 77	0.54 160	0.31 88	0.94 194	0.58 73	0.60 72	0.72 84	0.61 129	0.53 160	0.52 52	0.50 195	0.18 157	0.16 212	0.17 85	0.16 116	0.17 127	0.18 157

test-1	0.37 61	0.20 54	0.76 269	0.47 241	0.27 159	0.44 127	0.36 146	0.63 43	0.65 93	0.49 49	0.67 78	0.54 89	0.35 74	0.42 18	0.30 48	0.14 18	0.12 86	0.16 57	0.14 69	0.15 66	0.18 157

LMCR-Stereo	0.55 227	0.33 259	0.57 192	0.60 332	0.30 218	0.80 264	0.36 146	1.30 314	0.79 148	0.90 239	1.04 232	0.57 100	0.64 212	0.87 241	0.73 257	0.20 211	0.15 191	0.19 148	0.14 69	0.25 258	0.18 157

UNet	0.55 227	0.27 207	0.72 258	0.45 200	0.41 300	0.97 300	0.40 194	1.01 215	0.80 153	0.87 217	0.90 164	1.03 280	0.75 265	0.76 201	0.67 246	0.19 192	0.15 191	0.20 177	0.17 158	0.21 209	0.18 157

GANet-RSSM	0.49 180	0.22 97	0.42 58	0.39 61	0.26 130	0.58 184	0.41 214	1.12 250	0.82 170	0.73 141	1.02 218	0.88 242	0.75 265	0.67 156	0.48 186	0.22 242	0.16 212	0.18 116	0.19 208	0.18 151	0.18 157

BEATNet_4x	0.49 180	0.35 268	0.72 258	0.38 45	0.20 18	0.65 215	0.36 146	1.08 241	0.78 142	0.78 175	0.88 159	0.73 193	0.64 212	0.71 182	0.60 229	0.16 99	0.12 86	0.16 57	0.15 90	0.24 249	0.18 157

AdaStereo	0.52 211	0.34 264	0.53 166	0.49 258	0.25 101	0.71 238	0.36 146	1.24 290	0.91 214	0.77 164	0.98 199	0.75 201	0.50 151	0.71 182	0.51 197	0.27 288	0.13 141	0.28 300	0.18 184	0.23 241	0.18 157
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	0.53 217	0.25 167	0.46 91	0.40 87	0.25 101	0.74 246	0.44 232	1.29 312	0.78 142	0.82 184	0.92 176	1.21 314	0.75 265	0.90 253	0.48 186	0.18 157	0.14 172	0.17 85	0.14 69	0.17 127	0.18 157

ACVNet-DCA	0.36 43	0.25 167	0.35 19	0.42 130	0.23 56	0.53 154	0.37 158	0.91 179	0.59 74	0.42 32	0.50 32	0.34 22	0.47 142	0.61 95	0.26 8	0.17 125	0.11 39	0.19 148	0.13 49	0.18 151	0.19 166

xx1	0.40 103	0.25 167	0.35 19	0.42 130	0.23 56	0.53 154	0.37 158	0.71 100	1.17 315	0.42 32	0.50 32	0.65 150	0.56 175	0.61 95	0.26 8	0.17 125	0.11 39	0.20 177	0.19 208	0.18 151	0.19 166

1test111	0.37 61	0.25 167	0.35 19	0.42 130	0.23 56	0.53 154	0.37 158	0.91 179	0.59 74	0.42 32	0.50 32	0.34 22	0.47 142	0.59 79	0.48 186	0.17 125	0.11 39	0.19 148	0.13 49	0.18 151	0.19 166

11t1	0.38 77	0.23 120	0.49 123	0.36 27	0.23 56	0.61 192	0.31 88	0.74 129	0.47 54	0.62 78	0.55 50	0.55 91	0.49 149	0.58 74	0.45 170	0.18 157	0.15 191	0.16 57	0.13 49	0.17 127	0.19 166

1111x	0.64 275	0.23 120	0.61 208	0.39 61	0.21 25	0.68 233	0.46 239	1.32 320	1.03 267	0.76 156	1.02 218	0.95 261	0.72 256	1.13 306	2.15 373	0.18 157	0.18 247	0.18 116	0.19 208	0.20 200	0.19 166

GMStereo_Zeroshot	0.51 201	0.46 312	0.80 276	0.50 269	0.28 180	0.57 180	0.30 69	0.75 134	0.79 148	0.88 225	0.94 181	0.90 249	0.37 83	0.77 208	0.46 174	0.27 288	0.14 172	0.26 282	0.15 90	0.39 328	0.19 166

gwcnet-sp	0.50 191	0.25 167	0.84 289	0.41 105	0.27 159	0.79 258	0.40 194	0.93 189	0.85 180	0.95 259	0.79 114	0.65 150	0.63 205	0.69 170	0.52 201	0.18 157	0.17 238	0.18 116	0.18 184	0.18 151	0.19 166

scenet	0.50 191	0.25 167	0.84 289	0.41 105	0.27 159	0.79 258	0.40 194	0.93 189	0.85 180	0.95 259	0.79 114	0.65 150	0.63 205	0.69 170	0.52 201	0.18 157	0.17 238	0.18 116	0.18 184	0.18 151	0.19 166

knoymous	0.37 61	0.22 97	0.34 13	0.32 6	0.22 30	0.38 91	0.29 57	0.63 43	0.65 93	0.69 120	0.69 80	0.60 127	0.40 108	0.61 95	0.36 99	0.17 125	0.11 39	0.20 177	0.12 26	0.18 151	0.19 166

ssnet	0.50 191	0.25 167	0.84 289	0.41 105	0.27 159	0.79 258	0.40 194	0.93 189	0.85 180	0.95 259	0.79 114	0.65 150	0.63 205	0.69 170	0.52 201	0.18 157	0.17 238	0.18 116	0.18 184	0.18 151	0.19 166

qqq	0.42 124	0.28 220	0.50 132	0.37 35	0.22 30	0.47 133	0.39 184	0.91 179	0.59 74	0.57 66	0.71 83	0.65 150	0.56 175	0.59 79	0.48 186	0.17 125	0.17 238	0.20 177	0.19 208	0.18 151	0.19 166

BUS	0.47 162	0.26 195	0.47 102	0.46 223	0.29 199	0.78 252	0.34 117	0.99 208	0.80 153	0.77 164	0.80 124	0.64 146	0.54 164	0.66 147	0.56 217	0.21 226	0.15 191	0.22 230	0.19 208	0.18 151	0.19 166

BSDual-CNN	0.48 171	0.26 195	0.47 102	0.46 223	0.29 199	0.75 249	0.46 239	0.99 208	0.80 153	0.77 164	0.80 124	0.76 207	0.59 191	0.66 147	0.48 186	0.21 226	0.15 191	0.22 230	0.19 208	0.18 151	0.19 166

hknet	0.51 201	0.26 195	0.58 194	0.46 223	0.29 199	0.75 249	0.46 239	0.99 208	0.89 204	0.77 164	0.80 124	0.96 264	0.67 229	0.75 193	0.50 195	0.19 192	0.15 191	0.22 230	0.19 208	0.18 151	0.19 166

psmg	0.50 191	0.26 195	0.47 102	0.42 130	0.29 199	0.82 272	0.42 219	1.07 236	0.80 153	0.95 259	0.94 181	0.76 207	0.59 191	0.66 147	0.48 186	0.21 226	0.16 212	0.20 177	0.20 227	0.19 185	0.19 166

CSP-Net	0.57 240	0.29 230	0.55 181	0.42 130	0.29 199	1.20 340	0.49 259	1.29 312	0.75 134	0.98 277	0.97 196	0.88 242	0.69 239	0.85 237	0.66 243	0.27 288	0.18 247	0.17 85	0.17 158	0.18 151	0.19 166

dd	0.44 142	0.40 294	0.62 213	0.44 188	0.26 130	0.51 144	0.38 171	0.72 110	1.07 284	0.60 72	0.66 73	0.43 52	0.40 108	0.68 164	0.53 210	0.24 262	0.15 191	0.21 218	0.16 116	0.24 249	0.19 166

DAS	0.54 222	0.26 195	0.66 228	0.49 258	0.31 228	0.61 192	0.43 226	0.89 173	1.01 258	0.95 259	1.16 270	0.71 174	0.85 297	0.89 248	0.47 183	0.18 157	0.14 172	0.18 116	0.15 90	0.22 227	0.19 166

SepStereo	0.54 222	0.26 195	0.66 228	0.49 258	0.31 228	0.61 192	0.43 226	0.89 173	1.01 258	0.95 259	1.16 270	0.71 174	0.85 297	0.97 278	0.47 183	0.18 157	0.14 172	0.18 116	0.15 90	0.22 227	0.19 166

Pruner-Stereo	0.39 89	0.21 74	0.51 140	0.41 105	0.25 101	0.22 4	0.24 23	0.71 100	0.59 74	0.90 239	0.75 99	0.67 166	0.30 51	0.64 133	0.39 128	0.19 192	0.12 86	0.20 177	0.17 158	0.17 127	0.19 166

DeepStereo_RVC	0.37 61	0.22 97	0.51 140	0.41 105	0.24 77	0.26 18	0.22 11	0.64 53	0.40 29	0.69 120	0.67 78	0.57 100	0.50 151	0.58 74	0.42 156	0.17 125	0.12 86	0.18 116	0.16 116	0.19 185	0.19 166

CRE-IMP	0.37 61	0.23 120	0.53 166	0.42 130	0.24 77	0.40 101	0.21 5	0.61 35	0.45 47	0.65 99	0.73 86	0.53 87	0.37 83	0.63 126	0.40 148	0.18 157	0.11 39	0.19 148	0.16 116	0.21 209	0.19 166

test_xeample	1.06 342	0.23 120	0.51 140	0.37 35	0.22 30	0.71 238	0.39 184	1.31 315	0.92 220	0.87 217	1.08 249	0.70 173	0.64 212	0.75 193	11.43 411	0.19 192	0.16 212	0.18 116	0.17 158	0.18 151	0.19 166

RAFT + AFF	0.54 222	0.30 244	0.84 289	0.51 281	0.32 245	0.63 201	0.57 289	1.05 229	0.95 233	0.80 179	0.87 156	0.85 231	0.57 184	0.87 241	0.51 197	0.18 157	0.21 278	0.23 244	0.22 262	0.19 185	0.19 166

CFNet-ft	0.50 191	0.25 167	0.39 36	0.41 105	0.26 130	0.66 220	0.37 158	0.91 179	0.87 190	0.67 110	1.00 212	1.05 287	0.70 244	0.68 164	0.57 221	0.23 256	0.16 212	0.24 257	0.21 244	0.24 249	0.19 166

CFNet_RVC	0.50 191	0.25 167	0.39 36	0.41 105	0.26 130	0.66 220	0.37 158	0.91 179	0.87 190	0.67 110	1.00 212	1.05 287	0.70 244	0.68 164	0.57 221	0.23 256	0.16 212	0.24 257	0.21 244	0.24 249	0.19 166

LE_ROB	4.86 408	0.27 207	9.43 407	0.45 200	0.24 77	1.61 363	0.96 359	2.05 381	17.75 423	16.36 425	4.84 408	5.17 404	19.48 424	2.05 376	15.49 415	0.17 125	0.15 191	0.16 57	0.16 116	0.20 200	0.19 166

SMFormer	0.53 217	0.24 139	0.67 232	0.35 12	0.20 18	0.63 201	0.34 117	1.26 298	1.06 277	0.85 205	1.02 218	0.71 174	0.66 220	0.96 271	0.60 229	0.19 192	0.16 212	0.18 116	0.17 158	0.19 185	0.20 193

mmm	0.47 162	0.28 220	0.51 140	0.39 61	0.25 101	0.61 192	0.38 171	1.00 214	0.60 81	0.77 164	1.07 243	0.65 150	0.53 160	0.61 95	0.49 193	0.18 157	0.15 191	0.23 244	0.20 227	0.21 209	0.20 193

PCWNet_CMD	0.49 180	0.25 167	0.56 185	0.40 87	0.27 159	0.64 209	0.32 100	0.98 205	0.99 252	0.87 217	1.07 243	0.78 214	0.46 138	0.61 95	0.44 165	0.17 125	0.13 141	0.21 218	0.16 116	0.26 264	0.20 193

CRFU-Net	0.59 255	0.29 230	0.62 213	0.47 241	0.31 228	1.20 340	0.51 265	1.19 274	0.59 74	1.05 303	1.00 212	1.06 291	0.87 304	0.83 231	0.77 263	0.22 242	0.19 264	0.18 116	0.16 116	0.19 185	0.20 193

AASNet	0.55 227	0.27 207	0.62 213	0.51 281	0.32 245	0.73 242	0.44 232	1.55 357	0.88 200	0.88 225	0.94 181	0.64 146	0.63 205	0.62 117	0.84 277	0.23 256	0.20 272	0.20 177	0.16 116	0.22 227	0.20 193

HCRNet	0.46 153	0.35 268	0.45 84	0.54 311	0.26 130	0.52 151	0.29 57	0.87 167	0.64 88	0.75 151	0.82 132	0.76 207	0.53 160	0.70 177	0.38 120	0.24 262	0.16 212	0.24 257	0.20 227	0.21 209	0.20 193

222	1.25 359	0.23 120	0.53 166	0.38 45	0.23 56	0.78 252	0.37 158	1.41 339	0.93 222	0.97 274	1.13 263	0.74 197	0.71 249	0.74 188	14.86 414	0.20 211	0.16 212	0.17 85	0.16 116	0.18 151	0.20 193

xxxx	1.07 344	0.23 120	0.53 166	0.38 45	0.22 30	0.83 275	0.36 146	1.41 339	0.95 233	0.75 151	0.99 208	0.97 265	0.64 212	0.70 177	11.37 410	0.20 211	0.17 238	0.18 116	0.17 158	0.19 185	0.20 193

GMStereo	0.40 103	0.38 282	0.61 208	0.41 105	0.27 159	0.47 133	0.35 139	0.62 37	1.04 271	0.57 66	0.54 45	0.38 36	0.36 79	0.56 66	0.41 153	0.20 211	0.13 141	0.16 57	0.17 158	0.24 249	0.20 193
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
FENet	0.43 136	0.23 120	0.40 45	0.40 87	0.24 77	0.54 160	0.33 109	0.83 159	0.72 118	0.74 148	0.73 86	0.63 139	0.56 175	0.65 139	0.45 170	0.19 192	0.13 141	0.19 148	0.17 158	0.18 151	0.20 193

PSMNet-RSSM	0.50 191	0.24 139	0.41 50	0.43 167	0.26 130	0.51 144	0.40 194	1.16 263	0.79 148	0.75 151	1.07 243	0.87 239	0.69 239	0.66 147	0.52 201	0.24 262	0.16 212	0.23 244	0.26 304	0.20 200	0.20 193

DSFCA	0.57 240	0.27 207	0.71 252	0.41 105	0.36 276	0.78 252	0.53 274	1.08 241	0.85 180	1.08 313	0.84 139	0.90 249	0.66 220	1.05 297	0.63 240	0.26 279	0.22 287	0.21 218	0.21 244	0.22 227	0.20 193

MSMDNet	0.49 180	0.25 167	0.56 185	0.40 87	0.27 159	0.64 209	0.32 100	0.99 208	0.99 252	0.87 217	1.07 243	0.79 220	0.46 138	0.61 95	0.44 165	0.17 125	0.13 141	0.20 177	0.16 116	0.25 258	0.20 193

AANet_RVC	0.59 255	0.35 268	0.68 239	0.47 241	0.28 180	0.57 180	0.47 244	1.04 223	1.28 332	0.87 217	1.33 304	0.86 235	0.63 205	1.16 312	0.89 284	0.19 192	0.13 141	0.15 41	0.14 69	0.18 151	0.20 193

DLCB_ROB	0.60 262	0.29 230	0.53 166	0.50 269	0.33 256	0.76 251	0.51 265	1.02 217	0.94 229	1.07 312	1.16 270	1.21 314	0.73 260	0.98 280	0.75 260	0.21 226	0.20 272	0.22 230	0.23 271	0.22 227	0.20 193

iResNet_ROB	0.55 227	0.24 139	0.61 208	0.38 45	0.22 30	0.66 220	0.30 69	1.59 365	1.33 341	0.94 254	1.05 235	0.81 226	0.69 239	0.84 235	0.46 174	0.17 125	0.12 86	0.14 13	0.09 4	0.15 66	0.20 193

MyStereo8	0.42 124	0.21 74	0.64 221	0.43 167	0.29 199	0.55 165	0.28 50	0.72 110	0.50 60	0.73 141	1.01 216	0.57 100	0.44 125	0.52 52	0.52 201	0.15 67	0.12 86	0.16 57	0.14 69	0.19 185	0.21 209

LL-Strereo	0.58 251	0.29 230	0.83 286	0.48 249	0.35 271	0.39 96	0.48 249	1.04 223	0.99 252	0.87 217	0.79 114	1.08 296	1.15 345	1.35 339	0.51 197	0.18 157	0.15 191	0.22 230	0.19 208	0.17 127	0.21 209

iinet-f	0.69 283	0.29 230	2.34 384	0.41 105	0.31 228	1.16 334	0.58 296	0.87 167	0.85 180	0.86 215	1.17 275	1.04 284	0.83 290	0.76 201	1.26 339	0.21 226	0.18 247	0.17 85	0.16 116	0.21 209	0.21 209

ToySt	0.52 211	0.27 207	0.93 306	0.42 130	0.28 180	0.67 229	0.56 287	0.88 172	0.79 148	0.61 76	0.85 146	0.92 258	0.70 244	0.72 186	0.61 233	0.16 99	0.17 238	0.21 218	0.21 244	0.22 227	0.21 209

ssnet_v2	0.61 265	0.29 230	0.69 247	0.45 200	0.30 218	0.93 293	0.62 305	1.20 277	1.03 267	0.97 274	0.81 130	0.98 267	0.67 229	0.84 235	0.97 307	0.26 279	0.23 294	0.23 244	0.24 285	0.20 200	0.21 209

DisPM	0.40 103	0.20 54	0.50 132	0.42 130	0.27 159	0.24 7	0.30 69	0.68 72	0.61 83	0.88 225	0.87 156	0.59 124	0.32 60	0.80 220	0.34 83	0.19 192	0.12 86	0.19 148	0.17 158	0.16 103	0.21 209

GANet-ADL	0.44 142	0.27 207	0.48 115	0.44 188	0.30 218	0.54 160	0.36 146	0.94 194	0.88 200	0.64 95	0.72 84	0.68 169	0.44 125	0.55 62	0.44 165	0.22 242	0.15 191	0.15 41	0.13 49	0.18 151	0.21 209

PFNet+	0.41 117	0.20 54	0.53 166	0.40 87	0.25 101	0.28 31	0.22 11	0.66 56	0.76 137	0.85 205	0.79 114	0.63 139	0.34 71	0.75 193	0.37 107	0.20 211	0.14 172	0.23 244	0.20 227	0.17 127	0.21 209

ICVP	0.48 171	0.26 195	0.42 58	0.49 258	0.28 180	0.63 201	0.43 226	1.05 229	0.72 118	0.68 117	0.95 185	0.75 201	0.56 175	0.55 62	0.61 233	0.24 262	0.18 247	0.19 148	0.17 158	0.19 185	0.21 209
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
CFNet_pseudo	0.47 162	0.25 167	0.55 181	0.38 45	0.28 180	0.58 184	0.32 100	0.89 173	0.90 208	0.83 189	1.03 229	0.75 201	0.48 145	0.61 95	0.46 174	0.17 125	0.13 141	0.24 257	0.16 116	0.26 264	0.21 209

psm_up	0.57 240	0.27 207	0.52 159	0.50 269	0.33 256	0.65 215	0.60 301	1.07 236	0.84 176	0.87 217	0.91 170	1.00 272	1.06 333	0.80 220	0.66 243	0.22 242	0.25 310	0.26 282	0.23 271	0.22 227	0.21 209

DMCA-RVC	0.54 222	0.32 253	0.83 286	0.51 281	0.32 245	0.59 190	0.38 171	0.89 173	0.70 110	0.95 259	0.88 159	0.90 249	0.69 239	0.75 193	0.63 240	0.23 256	0.18 247	0.31 318	0.24 285	0.27 273	0.21 209

TDLM	0.59 255	0.35 268	0.57 192	0.53 302	0.32 245	0.67 229	0.72 325	1.09 244	1.03 267	0.84 195	1.11 255	0.84 229	0.71 249	0.96 271	0.61 233	0.28 296	0.18 247	0.26 282	0.22 262	0.27 273	0.21 209

ccs_rob	0.47 162	0.25 167	0.55 181	0.38 45	0.28 180	0.58 184	0.32 100	0.89 173	0.90 208	0.83 189	1.02 218	0.75 201	0.48 145	0.61 95	0.46 174	0.17 125	0.12 86	0.24 257	0.16 116	0.26 264	0.21 209

StereoDRNet-Refined	0.61 265	0.33 259	0.63 217	0.47 241	0.31 228	0.94 295	0.41 214	1.04 223	0.97 245	1.15 327	1.13 263	1.00 272	0.74 262	0.93 260	0.93 297	0.18 157	0.13 141	0.22 230	0.21 244	0.20 200	0.21 209
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
mmx	0.59 255	0.28 220	0.68 239	0.39 61	0.26 130	0.56 170	0.40 194	1.24 290	1.06 277	0.76 156	0.98 199	0.71 174	0.55 167	1.25 321	1.46 350	0.21 226	0.16 212	0.25 268	0.21 244	0.24 249	0.22 224

xxx	0.59 255	0.28 220	0.68 239	0.39 61	0.26 130	0.56 170	0.40 194	1.24 290	1.06 277	0.76 156	0.98 199	0.71 174	0.55 167	1.25 321	1.46 350	0.21 226	0.16 212	0.25 268	0.21 244	0.24 249	0.22 224

fast-acv-ft	0.66 277	0.32 253	0.80 276	0.46 223	0.34 266	1.26 343	0.50 262	0.91 179	1.00 256	1.05 303	1.36 310	1.28 319	0.84 293	0.81 224	0.90 290	0.22 242	0.24 302	0.23 244	0.23 271	0.21 209	0.22 224

riskmin	0.41 117	0.21 74	0.44 79	0.34 9	0.24 77	0.58 184	0.32 100	0.70 93	0.86 186	0.52 54	0.57 53	0.78 214	0.60 194	0.58 74	0.39 128	0.17 125	0.12 86	0.19 148	0.13 49	0.19 185	0.22 224

Wz-Net-LNSev-Ref	0.67 278	0.30 244	1.20 333	0.42 130	0.31 228	1.00 307	0.58 296	1.16 263	1.07 284	1.01 285	1.25 288	1.08 296	0.75 265	1.18 315	1.03 316	0.20 211	0.12 86	0.16 57	0.13 49	0.22 227	0.22 224

NINENet	0.52 211	0.30 244	0.55 181	0.46 223	0.33 256	0.78 252	0.34 117	1.18 271	0.91 214	0.84 195	0.97 196	0.64 146	0.54 164	0.74 188	0.56 217	0.23 256	0.20 272	0.25 268	0.18 184	0.22 227	0.22 224

AACVNet	0.52 211	0.25 167	0.56 185	0.48 249	0.29 199	0.55 165	0.38 171	0.96 201	0.59 74	0.83 189	1.03 229	1.03 280	0.77 278	0.91 255	0.58 226	0.22 242	0.18 247	0.24 257	0.18 184	0.24 249	0.22 224

GwcNet-ADL	0.45 148	0.24 139	0.51 140	0.46 223	0.30 218	0.41 110	0.40 194	0.95 197	0.98 249	0.73 141	0.78 110	0.61 129	0.41 112	0.67 156	0.55 215	0.20 211	0.14 172	0.15 41	0.14 69	0.19 185	0.22 224

PSMNet-ADL	0.50 191	0.28 220	0.43 74	0.49 258	0.31 228	0.70 235	0.38 171	0.94 194	0.81 162	0.62 78	0.80 124	0.91 255	0.62 200	0.76 201	0.68 249	0.24 262	0.18 247	0.19 148	0.20 227	0.22 227	0.22 224

ADLNet2	0.57 240	0.26 195	0.71 252	0.48 249	0.31 228	0.83 275	0.51 265	1.10 248	0.99 252	0.85 205	0.99 208	0.99 271	0.70 244	0.79 218	0.78 264	0.21 226	0.17 238	0.18 116	0.18 184	0.22 227	0.22 224

PSM-softLoss	0.40 103	0.21 74	0.53 166	0.42 130	0.26 130	0.29 35	0.34 117	0.70 93	0.49 57	0.63 85	0.82 132	0.59 124	0.33 65	0.75 193	0.43 158	0.20 211	0.12 86	0.20 177	0.18 184	0.17 127	0.22 224

KMStereo	0.40 103	0.21 74	0.53 166	0.42 130	0.26 130	0.29 35	0.34 117	0.70 93	0.49 57	0.63 85	0.82 132	0.59 124	0.33 65	0.75 193	0.43 158	0.20 211	0.12 86	0.20 177	0.18 184	0.17 127	0.22 224

ASMatch	0.48 171	0.20 54	0.47 102	0.39 61	0.28 180	0.37 86	0.26 40	0.76 136	0.72 118	0.77 164	2.29 367	0.61 129	0.51 156	0.64 133	0.39 128	0.15 67	0.12 86	0.17 85	0.15 90	0.14 36	0.22 224

sCroCo_RVC	0.36 43	0.29 230	0.73 262	0.52 295	0.39 292	0.42 117	0.31 88	0.52 13	0.46 52	0.31 7	0.48 28	0.38 36	0.32 60	0.46 29	0.33 74	0.22 242	0.23 294	0.19 148	0.19 208	0.21 209	0.22 224

HGLStereo	0.58 251	0.30 244	0.65 226	0.51 281	0.38 283	0.78 252	0.45 236	1.07 236	0.82 170	0.89 232	1.16 270	0.88 242	0.91 313	0.80 220	0.74 258	0.21 226	0.21 278	0.20 177	0.18 184	0.19 185	0.22 224

DMCA	0.47 162	0.27 207	0.59 202	0.39 61	0.29 199	0.53 154	0.34 117	0.98 205	0.70 110	0.78 175	0.83 137	0.79 220	0.55 167	0.54 61	0.57 221	0.21 226	0.16 212	0.21 218	0.16 116	0.19 185	0.22 224

ADCRef	0.84 315	0.46 312	1.60 366	0.52 295	0.45 324	1.08 321	0.52 271	1.13 256	1.03 267	1.22 334	1.43 324	0.87 239	0.93 317	0.91 255	3.35 388	0.19 192	0.16 212	0.23 244	0.23 271	0.23 241	0.22 224

ADCP+	1.18 355	0.37 278	3.09 387	0.50 269	0.52 343	1.48 355	0.61 303	1.32 320	1.07 284	1.21 332	1.16 270	1.08 296	1.11 338	1.63 358	7.17 405	0.20 211	0.16 212	0.24 257	0.22 262	0.29 282	0.22 224

StereoDRNet	0.67 278	0.35 268	0.82 282	0.53 302	0.44 317	1.03 315	0.53 274	1.51 354	1.06 277	1.13 325	0.91 170	1.07 295	0.74 262	0.87 241	0.95 302	0.24 262	0.19 264	0.25 268	0.23 271	0.27 273	0.22 224

CFNet_ucs	0.51 201	0.25 167	0.58 194	0.39 61	0.31 228	0.59 190	0.35 139	1.04 223	0.95 233	0.89 232	1.19 280	0.80 224	0.49 149	0.66 147	0.45 170	0.21 226	0.16 212	0.26 282	0.18 184	0.27 273	0.23 243

CBFPSM	0.61 265	0.25 167	1.41 353	0.39 61	0.27 159	1.10 322	0.67 313	0.83 159	0.84 176	0.82 184	0.81 130	1.33 330	0.85 297	0.72 186	0.86 280	0.16 99	0.15 191	0.15 41	0.17 158	0.17 127	0.23 243

UDGNet	0.50 191	0.82 364	0.56 185	0.51 281	0.32 245	0.41 110	0.34 117	0.71 100	0.93 222	0.65 99	0.60 59	0.58 115	0.44 125	0.65 139	0.43 158	0.33 326	0.15 191	0.67 375	0.20 227	0.49 351	0.23 243

dad	0.61 265	0.53 325	0.72 258	0.44 188	0.31 228	0.64 209	0.37 158	0.85 164	1.28 332	1.05 303	1.17 275	1.18 312	0.61 198	0.70 177	0.54 213	0.36 340	0.23 294	0.37 338	0.21 244	0.31 293	0.23 243

GEStereo_RVC	0.56 236	0.30 244	0.70 249	0.51 281	0.31 228	0.70 235	0.54 280	1.31 315	0.93 222	0.85 205	0.86 150	0.84 229	0.63 205	0.92 257	0.67 246	0.24 262	0.16 212	0.19 148	0.17 158	0.21 209	0.23 243

ADLNet	0.57 240	0.29 230	0.58 194	0.46 223	0.35 271	0.80 264	0.46 239	1.14 258	0.88 200	1.03 292	0.98 199	0.92 258	0.66 220	0.71 182	0.83 276	0.22 242	0.16 212	0.22 230	0.22 262	0.22 227	0.23 243

CVANet_RVC	0.59 255	0.35 268	0.54 178	0.49 258	0.33 256	0.70 235	0.67 313	1.12 250	0.97 245	0.88 225	1.05 235	1.01 276	0.72 256	0.94 263	0.55 215	0.30 310	0.20 272	0.28 300	0.26 304	0.32 299	0.23 243

DRN-Test	0.68 281	0.34 264	0.77 272	0.52 295	0.40 295	1.14 330	0.61 303	1.56 361	1.04 271	1.18 329	1.10 251	1.05 287	0.72 256	0.82 229	1.01 311	0.24 262	0.18 247	0.26 282	0.25 296	0.26 264	0.23 243

Anonymous3	0.47 162	0.35 268	0.91 305	0.50 269	0.38 283	0.81 269	0.55 284	0.76 136	0.66 96	0.52 54	0.65 70	0.44 55	0.45 132	0.66 147	0.39 128	0.25 274	0.25 310	0.22 230	0.21 244	0.23 241	0.24 251

Anonymous	0.40 103	0.29 230	0.70 249	0.54 311	0.44 317	0.56 170	0.54 280	0.68 72	0.52 62	0.38 18	0.44 20	0.33 19	0.42 117	0.57 70	0.39 128	0.20 211	0.20 272	0.18 116	0.18 184	0.30 289	0.24 251

GES	0.46 153	0.25 167	0.62 213	0.41 105	0.30 218	0.62 196	0.37 158	1.06 234	0.70 110	0.75 151	0.83 137	0.47 69	0.52 159	0.69 170	0.46 174	0.23 256	0.17 238	0.17 85	0.16 116	0.18 151	0.24 251

GANet	0.74 293	0.38 282	0.63 217	0.54 311	0.35 271	1.01 311	0.95 357	1.15 261	0.95 233	1.09 317	2.00 362	1.14 309	0.92 315	1.29 329	0.75 260	0.25 274	0.27 321	0.27 290	0.23 271	0.32 299	0.24 251

NLCA_NET_v2_RVC	0.55 227	0.33 259	0.71 252	0.46 223	0.31 228	0.66 220	0.43 226	1.07 236	0.89 204	0.93 250	0.91 170	0.98 267	0.61 198	0.76 201	0.64 242	0.22 242	0.18 247	0.22 230	0.22 262	0.22 227	0.24 251
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
UCFNet_RVC	0.50 191	0.27 207	0.37 27	0.40 87	0.27 159	0.66 220	0.42 219	1.18 271	0.86 186	0.70 124	0.89 162	0.91 255	0.60 194	0.62 117	0.48 186	0.24 262	0.18 247	0.28 300	0.27 308	0.25 258	0.24 251

DISCO	0.72 287	0.27 207	0.72 258	0.45 200	0.31 228	1.12 327	0.53 274	1.32 320	1.25 327	0.84 195	1.07 243	1.52 355	0.87 304	1.82 369	1.08 328	0.20 211	0.15 191	0.18 116	0.16 116	0.24 249	0.24 251

ttt	0.56 236	0.27 207	0.49 123	0.39 61	0.25 101	0.65 215	0.42 219	1.24 290	1.08 289	0.76 156	1.10 251	0.63 139	0.51 156	0.95 268	1.03 316	0.25 274	0.22 287	0.22 230	0.21 244	0.25 258	0.25 258

whm_eth	0.49 180	0.32 253	0.79 275	0.47 241	0.38 283	0.37 86	0.37 158	0.83 159	0.83 175	0.82 184	1.73 350	0.36 32	0.39 103	0.61 95	0.38 120	0.19 192	0.17 238	0.20 177	0.20 227	0.20 200	0.25 258

HHNet	0.42 124	0.19 33	0.43 74	0.35 12	0.38 283	0.33 66	0.33 109	0.71 100	0.78 142	0.87 217	1.30 302	0.52 83	0.36 79	0.53 54	0.37 107	0.16 99	0.11 39	0.19 148	0.15 90	0.15 66	0.25 258

PSMNet_ROB	0.67 278	0.39 286	0.76 269	0.57 323	0.43 312	1.00 307	0.85 350	1.25 296	0.93 222	0.82 184	1.04 232	1.08 296	0.64 212	0.89 248	1.02 315	0.29 303	0.21 278	0.31 318	0.31 328	0.27 273	0.25 258

SGM_RVC	1.04 341	0.30 244	0.47 102	0.41 105	0.23 56	1.73 371	0.77 336	1.63 369	1.30 337	2.39 386	1.99 361	2.64 381	1.78 376	2.22 383	1.40 347	0.28 296	0.27 321	0.27 290	0.25 296	0.25 258	0.25 258
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
LoS_RVC	0.28 6	0.17 8	0.29 9	0.33 8	0.32 245	0.43 121	0.34 117	0.42 4	0.34 5	0.33 11	0.51 37	0.29 4	0.38 90	0.37 5	0.28 29	0.11 1	0.10 8	0.11 1	0.08 1	0.11 1	0.26 263

GASNet	0.70 284	0.77 361	1.16 330	0.71 363	0.49 336	0.62 196	0.48 249	1.12 250	1.05 273	0.98 277	0.84 139	0.94 260	0.82 288	1.41 343	0.85 279	0.33 326	0.22 287	0.29 308	0.28 314	0.44 341	0.26 263

Wz-Net-MNSev	0.81 306	0.42 302	1.64 369	0.51 281	0.41 300	1.46 353	0.95 357	1.24 290	1.26 330	1.31 344	1.25 288	1.17 311	0.83 290	1.21 320	1.06 324	0.22 242	0.19 264	0.24 257	0.23 271	0.29 282	0.26 263

STTStereo	0.57 240	0.39 286	0.87 298	0.45 200	0.32 245	0.62 196	0.45 236	1.01 215	0.87 190	1.01 285	0.91 170	0.95 261	0.58 187	0.77 208	0.66 243	0.25 274	0.24 302	0.27 290	0.33 337	0.25 258	0.26 263

AF-Net	0.85 320	0.41 298	0.87 298	0.66 349	0.54 347	0.96 299	0.52 271	1.66 371	1.37 343	1.03 292	2.04 364	1.46 345	1.36 356	1.19 316	1.05 323	0.34 333	0.24 302	0.39 344	0.28 314	0.31 293	0.26 263

DeepPruner_ROB	0.55 227	0.37 278	0.67 232	0.42 130	0.31 228	0.50 139	0.43 226	1.22 286	0.73 127	0.86 215	1.05 235	0.85 231	0.58 187	0.90 253	0.56 217	0.29 303	0.23 294	0.22 230	0.22 262	0.26 264	0.26 263

NaN_ROB	0.73 288	0.46 312	0.89 302	0.52 295	0.34 266	0.98 304	1.11 366	1.28 308	1.20 322	1.27 342	0.96 189	1.08 296	0.79 280	1.34 338	0.78 264	0.24 262	0.30 332	0.23 244	0.24 285	0.23 241	0.26 263

MDST_ROB	0.97 334	0.29 230	1.02 320	0.64 345	0.43 312	2.64 386	0.82 344	1.68 373	1.18 319	2.89 393	1.82 354	0.97 265	0.75 265	1.83 370	0.89 284	0.26 279	0.22 287	0.32 323	0.28 314	0.26 264	0.26 263

Wz-Net-LNSev	0.75 297	0.54 331	1.59 363	0.51 281	0.41 300	1.16 334	0.79 340	1.27 303	1.13 303	1.04 298	1.14 265	1.11 305	0.94 320	0.93 260	1.00 310	0.24 262	0.22 287	0.21 218	0.19 208	0.26 264	0.27 271

NF-Stereo	0.39 89	0.21 74	0.51 140	0.42 130	0.25 101	0.26 18	0.30 69	0.71 100	0.72 118	0.66 103	0.77 102	0.57 100	0.31 54	0.69 170	0.39 128	0.18 157	0.12 86	0.20 177	0.16 116	0.16 103	0.27 271

OCTAStereo	0.39 89	0.21 74	0.51 140	0.42 130	0.25 101	0.26 18	0.30 69	0.71 100	0.72 118	0.66 103	0.77 102	0.58 115	0.31 54	0.69 170	0.39 128	0.18 157	0.12 86	0.20 177	0.16 116	0.16 103	0.27 271

RE-Stereo	0.39 89	0.21 74	0.51 140	0.42 130	0.25 101	0.26 18	0.30 69	0.71 100	0.72 118	0.66 103	0.77 102	0.57 100	0.31 54	0.70 177	0.39 128	0.18 157	0.12 86	0.20 177	0.16 116	0.16 103	0.27 271

TVStereo	0.39 89	0.21 74	0.51 140	0.42 130	0.25 101	0.26 18	0.30 69	0.71 100	0.72 118	0.66 103	0.77 102	0.57 100	0.31 54	0.70 177	0.39 128	0.18 157	0.12 86	0.20 177	0.16 116	0.16 103	0.27 271

Syn2CoEx	0.74 293	0.55 337	1.17 331	0.66 349	0.45 324	0.89 289	0.56 287	1.54 356	1.15 310	0.95 259	1.35 309	1.03 280	1.03 329	0.96 271	0.89 284	0.31 313	0.27 321	0.29 308	0.24 285	0.23 241	0.27 271

hitnet-ft	0.57 240	0.29 230	0.43 74	0.42 130	0.29 199	0.81 269	0.40 194	0.98 205	0.91 214	0.84 195	1.01 216	1.13 308	0.72 256	0.83 231	0.71 253	0.28 296	0.21 278	0.28 300	0.22 262	0.29 282	0.27 271

SuperB	1.00 339	0.41 298	4.03 395	0.45 200	0.32 245	0.99 306	0.49 259	1.09 244	2.09 379	1.10 320	1.10 251	0.74 197	0.83 290	1.13 306	1.75 362	0.20 211	0.15 191	0.17 85	0.15 90	2.50 404	0.27 271

CBMV	0.68 281	0.37 278	0.50 132	0.43 167	0.26 130	1.00 307	0.71 321	1.17 269	1.16 312	1.24 338	1.29 300	1.06 291	0.86 301	0.98 280	0.75 260	0.29 303	0.30 332	0.34 330	0.30 319	0.26 264	0.27 271
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
CAS	0.37 61	0.13 1	0.27 7	1.34 388	0.31 228	0.46 131	0.38 171	0.50 11	0.48 56	0.35 15	0.52 40	0.24 1	0.19 3	0.30 1	0.28 29	1.03 389	0.08 1	0.12 2	0.08 1	0.12 2	0.28 280

CASS	0.46 153	0.28 220	0.45 84	0.48 249	0.22 30	0.63 201	0.34 117	0.99 208	0.66 96	0.76 156	0.86 150	0.61 129	0.58 187	0.58 74	0.44 165	0.29 303	0.16 212	0.22 230	0.18 184	0.23 241	0.28 280
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
GMM-Stereo	0.44 142	0.20 54	0.39 36	0.42 130	0.25 101	0.50 139	0.44 232	0.72 110	0.57 71	0.77 164	1.37 313	0.76 207	0.38 90	0.62 117	0.34 83	0.15 67	0.10 8	0.20 177	0.19 208	0.17 127	0.28 280

GwcNet	0.73 288	0.39 286	1.37 350	0.53 302	0.43 312	1.10 322	0.52 271	1.27 303	1.19 320	1.05 303	1.41 318	1.06 291	0.86 301	0.98 280	1.01 311	0.26 279	0.24 302	0.24 257	0.23 271	0.23 241	0.28 280

SGM-Forest	0.65 276	0.33 259	0.43 74	0.44 188	0.30 218	1.01 311	0.54 280	1.13 256	1.09 295	1.11 323	1.21 282	1.10 303	0.76 274	0.99 284	0.71 253	0.32 318	0.33 351	0.33 328	0.30 319	0.30 289	0.28 280
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FADNet-RVC-Resample	0.58 251	0.35 268	1.34 348	0.50 269	0.34 266	0.73 242	0.43 226	1.09 244	0.96 240	0.83 189	0.87 156	0.76 207	0.66 220	0.77 208	0.52 201	0.19 192	0.18 247	0.26 282	0.27 308	0.28 280	0.29 285

ADCL	1.10 346	0.42 302	1.57 362	0.51 281	0.41 300	1.71 370	0.92 354	1.36 330	1.45 352	1.33 345	1.56 338	1.22 317	1.26 352	1.45 348	5.27 400	0.22 242	0.19 264	0.25 268	0.25 296	0.29 282	0.29 285

PS-NSSS	0.60 262	0.46 312	0.68 239	0.43 167	0.34 266	0.66 220	0.57 289	1.05 229	0.91 214	0.80 179	1.28 296	0.72 189	0.67 229	0.89 248	0.61 233	0.32 318	0.26 319	0.40 347	0.27 308	0.35 315	0.29 285

XPNet_ROB	0.73 288	0.38 282	0.80 276	0.53 302	0.40 295	0.80 264	0.83 346	1.21 280	0.96 240	1.37 347	1.17 275	1.37 337	0.87 304	1.14 308	0.99 309	0.33 326	0.25 310	0.27 290	0.24 285	0.31 293	0.29 285

Wz-Net-SNSev	0.99 338	0.80 363	3.00 386	0.57 323	0.46 332	0.94 295	1.22 376	1.40 337	1.28 332	1.04 298	1.33 304	1.46 345	0.90 312	2.06 377	1.65 360	0.26 279	0.24 302	0.25 268	0.26 304	0.33 303	0.30 289

GrayStereo	0.49 180	0.20 54	0.44 79	0.47 241	0.29 199	0.51 144	0.62 305	0.71 100	0.66 96	1.04 298	1.46 329	0.77 212	0.73 260	0.58 74	0.35 90	0.15 67	0.12 86	0.17 85	0.17 158	0.15 66	0.30 289

Prome-Stereo	0.46 153	0.20 54	0.37 27	0.45 200	0.26 130	0.40 101	0.42 219	0.69 83	0.49 57	0.96 271	1.84 355	0.58 115	0.64 212	0.63 126	0.32 64	0.15 67	0.11 39	0.16 57	0.14 69	0.17 127	0.30 289

pcwnet_v2	0.60 262	0.29 230	0.89 302	0.46 223	0.36 276	0.62 196	0.38 171	1.33 323	1.24 325	1.02 289	1.27 295	0.71 174	0.59 191	0.71 182	0.51 197	0.28 296	0.21 278	0.24 257	0.23 271	0.29 282	0.30 289

FADNet_RVC	0.58 251	0.39 286	1.26 337	0.45 200	0.32 245	0.55 165	0.34 117	1.12 250	0.90 208	0.68 117	0.90 164	0.61 129	0.71 249	1.03 295	0.80 272	0.21 226	0.18 247	0.27 290	0.23 271	0.33 303	0.30 289

SGM-ForestM	4.73 405	0.34 264	1.05 322	0.46 223	0.28 180	10.26 412	3.48 411	4.52 407	5.16 404	8.68 416	7.48 413	18.87 423	10.80 414	11.26 417	10.01 409	0.32 318	0.34 354	0.32 323	0.32 331	0.29 282	0.30 289

FBW_ROB	0.94 330	0.54 331	1.03 321	0.56 320	0.42 309	1.16 334	0.76 335	1.56 361	1.41 347	1.38 349	1.33 304	1.47 347	1.07 334	2.94 394	1.14 332	0.26 279	0.32 346	0.45 354	0.30 319	0.34 309	0.30 289

FADNet-RVC	0.62 271	0.56 339	1.29 342	0.47 241	0.39 292	0.63 201	0.40 194	1.16 263	0.91 214	0.71 133	0.86 150	1.04 284	0.55 167	0.99 284	0.78 264	0.27 288	0.26 319	0.28 300	0.29 318	0.32 299	0.31 296

Nwc_Net	0.82 307	0.40 294	0.86 293	0.62 340	0.56 349	1.04 317	0.57 289	1.72 375	1.08 289	0.93 250	1.88 357	1.44 343	1.24 350	1.19 316	0.94 299	0.31 313	0.25 310	0.36 334	0.39 349	0.31 293	0.31 296

PWCDC_ROB	0.93 326	0.54 331	0.97 316	0.78 370	0.41 300	1.03 315	0.42 219	1.39 333	2.34 385	1.04 298	3.73 395	0.80 224	1.12 340	1.29 329	1.04 321	0.37 344	0.22 287	0.24 257	0.20 227	0.36 319	0.31 296

CES	0.29 9	0.15 2	0.25 1	0.31 4	0.71 369	0.36 78	0.27 42	0.51 12	0.47 54	0.34 13	0.48 28	0.27 2	0.23 7	0.40 14	0.24 2	0.13 9	0.11 39	0.12 2	0.08 1	0.13 14	0.32 299

HBP-ISP	0.61 265	0.47 318	0.45 84	0.46 223	0.33 256	0.79 258	0.29 57	1.15 261	1.05 273	0.85 205	1.18 279	0.67 166	0.71 249	0.92 257	0.57 221	0.37 344	0.38 360	0.47 358	0.41 358	0.39 328	0.32 299

FTStereo	0.56 236	0.21 74	0.39 36	0.42 130	0.25 101	0.39 96	0.73 330	0.69 83	0.45 47	1.09 317	3.23 387	0.69 171	0.71 249	0.55 62	0.34 83	0.15 67	0.13 141	0.19 148	0.17 158	0.15 66	0.32 299

APVNet	0.73 288	0.39 286	1.01 319	0.58 328	0.45 324	1.16 334	0.68 316	1.47 350	0.87 190	0.84 195	1.15 267	1.04 284	0.84 293	1.14 308	1.18 334	0.27 288	0.28 326	0.32 323	0.31 328	0.29 282	0.32 299

RTSC	0.93 326	0.54 331	1.59 363	0.56 320	0.40 295	1.17 338	0.55 284	1.44 346	1.82 373	1.53 354	1.26 291	1.15 310	0.82 288	1.70 363	2.44 377	0.26 279	0.20 272	0.23 244	0.24 285	0.31 293	0.32 299

CBMV_ROB	0.62 271	0.39 286	0.41 50	0.41 105	0.28 180	0.86 283	0.28 50	1.06 234	1.02 263	0.95 259	1.33 304	0.81 226	0.84 293	0.94 263	0.56 217	0.37 344	0.37 359	0.43 350	0.40 353	0.33 303	0.32 299

SANet	1.15 351	0.45 307	1.40 352	0.50 269	0.32 245	1.54 361	1.21 374	1.49 351	3.35 397	1.61 356	2.41 372	2.32 378	1.80 377	1.57 355	1.27 340	0.28 296	0.25 310	0.26 282	0.24 285	0.36 319	0.32 299

LALA_ROB	0.76 300	0.46 312	0.86 293	0.55 317	0.41 300	1.00 307	0.93 356	1.25 296	1.13 303	1.23 336	1.15 267	1.55 357	0.80 284	1.11 305	0.96 304	0.33 326	0.23 294	0.35 331	0.30 319	0.35 315	0.32 299

PWC_ROB	0.92 325	0.57 340	1.64 369	0.53 302	0.33 256	0.93 293	0.39 184	1.42 344	1.51 358	1.66 361	2.57 376	1.18 312	1.11 338	1.50 352	1.54 357	0.26 279	0.18 247	0.28 300	0.20 227	0.30 289	0.32 299

aanetorigin	0.85 320	0.58 343	1.98 377	0.50 269	0.40 295	0.66 220	0.70 319	0.72 110	1.01 258	2.44 388	2.00 362	1.32 325	1.25 351	0.96 271	1.16 333	0.20 211	0.19 264	0.20 177	0.20 227	0.27 273	0.33 308

DeepPrunerF	0.93 326	0.55 337	3.88 392	0.70 361	0.81 371	0.72 241	0.74 332	1.28 308	1.97 376	0.95 259	1.02 218	0.87 239	0.85 297	1.16 312	1.07 326	0.35 338	0.29 328	0.43 350	0.40 353	0.31 293	0.33 308

FINET	0.75 297	0.45 307	1.38 351	0.48 249	0.46 332	0.98 304	1.00 361	1.22 286	1.69 369	0.91 246	1.25 288	0.74 197	0.74 262	1.09 302	0.82 275	0.37 344	0.31 340	0.27 290	0.24 285	0.35 315	0.34 310

NCCL2	0.74 293	0.45 307	0.77 272	0.65 347	0.45 324	0.97 300	1.16 371	1.16 263	1.02 263	1.00 283	0.98 199	1.48 349	0.88 308	0.99 284	0.89 284	0.31 313	0.27 321	0.39 344	0.39 349	0.33 303	0.34 310

MeshStereo	1.38 367	0.45 307	0.58 194	0.45 200	0.35 271	1.63 365	0.60 301	2.07 382	1.43 350	4.49 408	3.32 391	4.67 399	2.08 385	2.08 379	1.32 343	0.36 340	0.36 358	0.37 338	0.32 331	0.32 299	0.34 310
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
NCC-stereo	0.82 307	0.43 304	0.87 298	0.63 342	0.68 367	0.88 286	0.72 325	1.60 367	1.12 297	0.95 259	1.41 318	1.37 337	1.37 358	1.26 324	0.94 299	0.32 318	0.30 332	0.37 338	0.49 370	0.34 309	0.35 313

Abc-Net	0.82 307	0.43 304	0.87 298	0.63 342	0.68 367	0.88 286	0.72 325	1.60 367	1.12 297	0.95 259	1.41 318	1.37 337	1.37 358	1.26 324	0.94 299	0.32 318	0.30 332	0.37 338	0.49 370	0.34 309	0.35 313
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ETE_ROB	0.73 288	0.52 323	0.93 306	0.57 323	0.37 278	0.80 264	0.86 351	1.19 274	0.95 233	1.20 331	1.22 284	1.39 342	0.86 301	1.07 298	0.88 282	0.27 288	0.21 278	0.31 318	0.27 308	0.34 309	0.35 313

FADNet	0.63 274	0.53 325	1.20 333	0.46 223	0.44 317	0.66 220	0.41 214	1.24 290	1.07 284	0.70 124	0.84 139	0.98 267	0.65 218	0.87 241	0.54 213	0.29 303	0.30 332	0.27 290	0.30 319	0.48 348	0.36 316

RP	0.80 304	0.38 282	0.73 262	0.67 351	0.59 356	0.82 272	0.57 289	1.21 280	1.28 332	1.03 292	1.68 345	1.45 344	1.49 366	1.08 301	0.90 290	0.36 340	0.31 340	0.37 338	0.30 319	0.36 319	0.36 316

ADCMid	1.22 356	0.57 340	3.17 389	0.54 311	0.44 317	1.07 320	0.77 336	1.31 315	1.13 303	2.14 381	1.48 332	1.49 350	1.47 365	1.65 360	5.30 401	0.26 279	0.24 302	0.29 308	0.32 331	0.38 324	0.36 316

DANet	0.74 293	0.47 318	0.98 317	0.60 332	0.41 300	0.92 292	0.41 214	1.02 217	0.87 190	1.22 334	1.22 284	1.33 330	0.88 308	1.26 324	1.37 346	0.27 288	0.24 302	0.31 318	0.25 296	0.37 322	0.36 316
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
CSAN	0.88 323	0.52 323	0.93 306	0.61 336	0.42 309	1.19 339	1.11 366	1.27 303	1.48 356	1.37 347	1.44 325	1.37 337	1.30 353	1.46 350	1.01 311	0.39 350	0.31 340	0.36 334	0.37 344	0.35 315	0.36 316

NOSS_ROB	0.59 255	0.40 294	0.42 58	0.45 200	0.31 228	0.79 258	0.53 274	1.09 244	1.12 297	0.69 120	0.92 176	0.77 212	0.63 205	0.81 224	0.52 201	0.39 350	0.38 360	0.44 352	0.42 360	0.38 324	0.36 316

LCNet	0.42 124	0.21 74	0.34 13	0.44 188	0.24 77	0.47 133	0.28 50	0.69 83	0.57 71	0.72 134	1.03 229	0.66 162	0.58 187	0.60 89	0.35 90	0.15 67	0.10 8	0.19 148	0.19 208	0.22 227	0.37 322

ADCPNet	1.11 349	0.53 325	3.26 390	0.55 317	0.44 317	1.47 354	0.83 346	1.21 280	1.17 315	1.26 341	1.42 322	1.67 363	1.12 340	1.48 351	3.86 394	0.30 310	0.29 328	0.30 317	0.32 331	0.37 322	0.37 322

RGC	0.82 307	0.62 349	0.80 276	0.67 351	0.66 365	0.91 291	0.59 299	1.35 326	1.09 295	1.12 324	1.46 329	1.50 351	1.09 336	1.28 327	0.97 307	0.34 333	0.30 332	0.48 361	0.40 353	0.38 324	0.38 324

SACVNet	0.61 265	0.36 276	0.67 232	0.57 323	0.37 278	0.65 215	0.47 244	1.16 263	0.80 153	1.04 298	1.06 241	1.02 278	0.81 287	0.99 284	0.57 221	0.28 296	0.21 278	0.25 268	0.24 285	0.30 289	0.39 325

MaskLacGwcNet_RVC	0.71 286	0.84 368	0.80 276	0.55 317	0.38 283	1.38 349	0.57 289	1.07 236	0.81 162	0.90 239	0.94 181	0.95 261	0.54 164	1.01 290	0.61 233	0.41 355	0.30 332	0.57 371	0.31 328	0.86 377	0.39 325

edge stereo	0.79 303	0.40 294	0.82 282	0.52 295	0.44 317	0.83 275	0.58 296	1.34 325	1.08 289	1.30 343	1.38 314	1.79 365	1.13 342	1.15 311	0.92 295	0.34 333	0.32 346	0.42 349	0.28 314	0.33 303	0.39 325

PA-Net	0.70 284	0.46 312	0.96 312	0.51 281	0.53 345	0.94 295	0.73 330	1.14 258	1.15 310	0.83 189	0.90 164	0.88 242	0.76 274	1.19 316	0.96 304	0.25 274	0.41 369	0.29 308	0.44 361	0.27 273	0.39 325
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
Anonymous Stereo	0.82 307	0.59 345	2.10 380	0.59 330	0.58 354	0.68 233	1.42 387	1.05 229	1.07 284	1.03 292	1.02 218	0.86 235	0.65 218	1.33 337	1.36 345	0.32 318	0.31 340	0.31 318	0.33 337	0.34 309	0.39 325

DPSNet	1.08 345	0.44 306	2.64 385	0.54 311	0.42 309	1.59 362	1.25 377	2.39 389	1.50 357	1.13 325	1.12 257	1.51 353	2.19 389	1.44 347	1.51 356	0.35 338	0.25 310	0.25 268	0.21 244	0.49 351	0.39 325

coex-ft	6.50 412	1.57 394	87.99 436	0.49 258	0.38 283	1.41 350	1.21 374	1.21 280	7.96 409	12.14 417	2.78 382	2.74 382	3.83 403	1.30 333	3.19 387	0.24 262	0.23 294	0.27 290	0.24 285	0.48 348	0.40 331

stereogan	0.83 313	0.33 259	0.89 302	0.61 336	0.51 341	1.80 372	0.50 262	1.41 339	1.39 346	1.05 303	1.47 331	1.56 359	1.04 331	1.32 336	0.87 281	0.29 303	0.29 328	0.29 308	0.25 296	0.39 328	0.40 331

RTS	2.03 386	1.03 379	11.50 410	0.68 355	0.63 361	2.71 387	1.56 391	1.55 357	2.32 383	1.93 373	2.57 376	1.32 325	1.32 354	5.20 406	4.30 395	0.31 313	0.23 294	0.29 308	0.30 319	0.41 332	0.40 331

RTSA	2.03 386	1.03 379	11.50 410	0.68 355	0.63 361	2.71 387	1.56 391	1.55 357	2.32 383	1.93 373	2.57 376	1.32 325	1.32 354	5.20 406	4.30 395	0.31 313	0.23 294	0.29 308	0.30 319	0.41 332	0.40 331

CC-Net-ROB	0.84 315	1.01 378	0.93 306	0.60 332	0.45 324	1.25 342	0.71 321	1.20 277	1.05 273	0.84 195	1.24 287	0.90 249	0.78 279	1.14 308	0.70 251	0.48 362	0.34 354	1.71 389	0.38 347	0.78 375	0.40 331

WZ-Net	1.29 363	0.64 351	5.42 401	0.64 345	0.52 343	1.37 348	1.29 379	1.41 339	1.77 372	1.56 355	1.69 347	1.74 364	1.41 360	2.50 389	2.16 374	0.28 296	0.21 278	0.23 244	0.25 296	0.39 328	0.41 336

FAT-Stereo	0.75 297	0.34 264	0.81 281	0.51 281	0.38 283	0.78 252	0.63 308	1.39 333	1.32 339	1.05 303	1.40 316	1.58 360	1.14 343	0.92 257	0.91 293	0.29 303	0.28 326	0.28 300	0.23 271	0.28 280	0.41 336

STTRV1_RVC	0.83 313	0.60 347	1.19 332	0.67 351	0.81 371	1.12 327	0.63 308	1.37 332	1.12 297	0.98 277	1.34 308	1.08 296	0.95 322	1.28 327	0.90 290	0.57 373	0.25 310	0.44 352	0.39 349	0.60 369	0.41 336

PDISCO_ROB	0.96 332	0.51 321	1.13 327	1.03 379	1.00 381	1.81 373	0.77 336	1.72 375	1.60 363	1.09 317	1.19 280	1.34 333	0.80 284	1.62 357	1.01 311	0.58 374	0.22 287	0.45 354	0.40 353	0.50 353	0.41 336

Anonymous_2	0.84 315	0.45 307	0.66 228	0.41 105	0.45 324	0.82 272	0.53 274	0.81 153	0.81 162	0.73 141	0.61 62	0.91 255	0.76 274	0.77 208	0.61 233	0.51 366	0.55 382	0.54 369	4.92 417	0.54 361	0.42 340

PSM-AAD	0.48 171	0.21 74	0.39 36	0.44 188	0.23 56	0.56 170	0.47 244	0.67 67	0.73 127	1.08 313	1.12 257	0.58 115	0.87 304	0.63 126	0.33 74	0.15 67	0.11 39	0.25 268	0.26 304	0.18 151	0.42 340

EDNetEfficient	1.47 373	0.82 364	6.28 403	0.48 249	0.40 295	0.73 242	0.83 346	0.95 197	2.77 390	3.48 405	1.95 359	1.64 362	2.12 386	1.42 344	3.84 393	0.21 226	0.19 264	0.21 218	0.21 244	0.43 338	0.42 340

WCMA_ROB	1.22 356	0.39 286	0.93 306	0.51 281	0.45 324	1.44 352	0.79 340	1.20 277	1.30 337	2.99 399	3.94 399	3.30 392	2.17 388	1.42 344	1.31 342	0.46 358	0.35 356	0.35 331	0.37 344	0.41 332	0.42 340

Wz-Net-TNSev	1.23 358	1.24 384	5.25 400	0.51 281	0.43 312	1.49 358	1.09 365	1.58 364	1.42 349	1.25 339	1.26 291	1.58 360	1.52 367	1.97 374	1.95 366	0.33 326	0.32 346	0.26 282	0.30 319	0.41 332	0.43 344

sAnonymous2	0.42 124	0.41 298	0.96 312	0.48 249	0.37 278	0.41 110	0.48 249	0.60 31	0.52 62	0.39 21	0.48 28	0.35 26	0.44 125	0.44 22	0.30 48	0.19 192	0.14 172	0.19 148	0.17 158	0.55 363	0.43 344

CroCo_RVC	0.42 124	0.41 298	0.96 312	0.48 249	0.37 278	0.41 110	0.48 249	0.60 31	0.52 62	0.39 21	0.48 28	0.35 26	0.44 125	0.44 22	0.30 48	0.19 192	0.14 172	0.19 148	0.17 158	0.55 363	0.43 344

MFN_U_SF_DS_RVC	1.06 342	0.61 348	1.82 374	0.69 358	0.51 341	2.62 385	1.69 396	1.28 308	1.44 351	1.39 350	1.56 338	1.34 333	0.91 313	1.68 362	0.95 302	0.38 349	0.39 364	0.46 357	0.61 380	0.41 332	0.43 344

SHD	0.98 336	0.54 331	1.30 344	0.63 342	0.50 339	1.14 330	0.50 262	1.80 379	2.20 380	1.66 361	1.39 315	1.47 347	1.21 347	1.40 340	1.80 363	0.32 318	0.27 321	0.32 323	0.34 339	0.41 332	0.44 348

AnyNet_C32	1.27 361	0.72 359	3.33 391	0.59 330	0.56 349	1.51 359	1.53 389	1.27 303	1.28 332	1.52 353	1.48 332	1.38 341	1.23 349	1.64 359	5.26 399	0.30 310	0.29 328	0.29 308	0.34 339	0.38 324	0.44 348

psmorigin	0.84 315	0.53 325	2.21 382	0.50 269	0.41 300	0.86 283	0.57 289	1.08 241	0.90 208	1.50 352	1.42 322	1.50 351	1.09 336	1.29 329	1.03 316	0.32 318	0.33 351	0.27 290	0.27 308	0.34 309	0.45 350

G-Net	0.95 331	0.48 320	1.13 327	0.67 351	0.49 336	2.07 378	0.63 308	1.02 217	0.90 208	1.77 367	2.62 379	1.28 319	1.60 369	1.09 302	1.06 324	0.37 344	0.30 332	0.35 331	0.25 296	0.46 345	0.45 350

RYNet	0.76 300	0.37 278	0.74 266	0.54 311	0.67 366	1.35 347	0.68 316	1.28 308	1.21 324	1.10 320	0.90 164	1.31 323	0.94 320	1.01 290	1.30 341	0.22 242	0.16 212	0.27 290	0.23 271	0.43 338	0.45 350

MSMD_ROB	1.25 359	0.51 321	0.64 221	0.60 332	0.50 339	1.66 367	0.67 313	1.26 298	1.26 330	2.64 390	3.82 396	3.06 388	3.20 401	1.45 348	0.91 293	0.46 358	0.41 369	0.49 364	0.51 373	0.47 347	0.45 350

ADCS	1.60 376	0.70 355	4.02 394	0.61 336	0.53 345	1.31 344	1.11 366	1.71 374	1.86 375	1.97 376	1.68 345	1.51 353	1.46 363	2.07 378	9.20 408	0.34 333	0.32 346	0.33 328	0.36 342	0.45 342	0.46 354

NVstereo2D	0.62 271	0.32 253	0.82 282	0.50 269	0.44 317	0.88 286	0.48 249	1.12 250	1.17 315	0.67 110	0.90 164	0.90 249	0.69 239	1.02 293	0.69 250	0.33 326	0.16 212	0.29 308	0.20 227	0.43 338	0.46 354

MFN_U_SF_RVC	1.14 350	0.63 350	2.33 383	0.69 358	0.46 332	2.04 377	0.70 319	1.90 380	1.37 343	1.62 357	1.56 338	1.94 370	1.36 356	1.73 365	1.90 365	0.41 355	0.38 360	0.45 354	0.48 367	0.45 342	0.47 356

FC-DCNN	1.67 379	0.53 325	0.68 239	0.62 340	0.49 336	1.62 364	0.71 321	1.77 378	1.55 359	4.73 410	4.66 407	5.82 407	3.94 404	2.13 381	1.42 348	0.47 361	0.42 371	0.47 358	0.46 362	0.48 348	0.47 356

ccnet	0.84 315	0.59 345	0.86 293	0.56 320	0.60 359	1.11 326	0.72 325	1.44 346	0.97 245	1.15 327	1.44 325	1.28 319	0.95 322	1.01 290	1.33 344	0.49 363	0.43 373	0.50 366	0.47 363	0.52 359	0.48 358

XQC	0.97 334	0.70 355	1.54 361	0.70 361	0.55 348	1.48 355	0.81 342	1.41 339	1.57 361	1.21 332	1.12 257	1.33 330	1.04 331	1.55 354	2.00 370	0.39 350	0.25 310	0.37 338	0.32 331	0.55 363	0.49 359

GANetREF_RVC	0.82 307	0.77 361	0.95 311	0.68 355	0.43 312	1.15 332	1.06 364	1.19 274	1.20 322	1.03 292	1.02 218	1.10 303	0.89 310	1.20 319	0.78 264	0.49 363	0.39 364	0.58 372	0.39 349	0.69 372	0.49 359
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
SDNR	0.89 324	0.39 286	1.66 372	0.42 130	0.39 292	3.35 399	0.32 100	0.95 197	1.05 273	1.05 303	2.12 365	0.62 135	0.71 249	1.40 340	0.78 264	0.53 368	0.56 383	0.36 334	0.27 308	0.46 345	0.50 361

S-Stereo	0.76 300	0.36 276	1.10 324	0.57 323	0.46 332	0.83 275	0.59 299	1.31 315	1.62 365	0.98 277	1.41 318	1.11 305	0.93 317	0.85 237	1.07 326	0.27 288	0.31 340	0.28 300	0.25 296	0.33 303	0.50 361

AnyNet_C01	1.63 377	1.16 382	7.38 405	0.65 347	0.56 349	2.25 381	1.53 389	1.53 355	1.46 354	1.71 365	1.95 359	1.83 366	1.41 360	2.48 387	4.42 397	0.33 326	0.32 346	0.32 323	0.34 339	0.45 342	0.50 361

MANE	4.73 405	0.54 331	0.77 272	0.69 358	0.60 359	10.35 413	1.67 395	8.68 415	12.66 415	6.90 414	9.43 415	11.59 417	10.59 413	8.26 414	8.41 406	0.51 366	0.45 375	0.48 361	1.02 394	0.50 353	0.50 361

FCDSN-DC	1.43 371	0.57 340	0.69 247	0.74 366	0.59 356	1.42 351	0.65 312	1.40 337	1.41 347	3.31 403	4.42 405	4.57 398	3.01 399	1.70 363	1.19 336	0.46 358	0.42 371	0.48 361	0.47 363	0.51 356	0.51 365
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SAMSARA	1.15 351	0.69 354	1.44 356	1.09 382	0.93 374	2.10 379	1.87 403	1.64 370	1.47 355	1.64 359	1.21 282	2.06 372	1.14 343	1.61 356	1.50 355	0.39 350	0.45 375	0.36 334	0.38 347	0.50 353	0.51 365

MSC_U_SF_DS_RVC	1.38 367	0.91 371	2.11 381	0.89 373	0.57 353	4.27 405	1.79 400	1.55 357	2.00 378	1.64 359	1.85 356	1.83 366	1.44 362	1.89 373	1.49 354	0.49 363	0.40 367	0.56 370	0.58 377	0.75 374	0.52 367

BEATNet-Init1	15.65 418	1.62 397	54.26 435	0.75 368	0.56 349	37.03 429	13.39 416	13.20 420	14.59 417	29.41 434	29.29 433	47.69 437	21.87 425	26.91 428	19.58 417	0.43 357	0.39 364	0.47 358	0.47 363	0.52 359	0.52 367

EDNetEfficientorigin	9.96 414	1.17 383	175.17 437	0.49 258	0.37 278	1.13 329	0.74 332	1.27 303	2.70 389	3.16 402	2.49 373	2.28 375	2.15 387	1.88 371	2.27 376	0.21 226	0.19 264	0.25 268	0.20 227	0.54 361	0.53 369

ELAS_RVC	1.76 381	0.64 351	1.20 333	0.74 366	0.59 356	2.18 380	2.53 408	2.10 384	2.85 391	3.46 404	3.41 394	3.12 389	4.11 405	2.69 392	2.53 382	0.54 371	0.47 378	0.51 368	0.48 367	0.55 363	0.55 370
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	1.77 382	0.64 351	1.10 324	0.72 364	0.58 354	3.37 400	1.76 398	2.54 390	2.57 387	3.77 406	3.96 400	2.83 385	3.44 402	2.34 386	2.73 384	0.53 368	0.47 378	0.50 366	0.48 367	0.55 363	0.55 370
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PASM	0.96 332	0.71 358	2.05 379	0.72 364	0.72 370	0.84 280	0.92 354	1.14 258	1.34 342	1.25 339	1.22 284	1.34 333	1.07 334	1.31 334	1.11 329	0.53 368	0.57 384	0.59 373	0.67 381	0.56 368	0.57 372

DGSMNet	0.80 304	0.58 343	1.42 354	0.61 336	0.65 363	0.94 295	0.75 334	1.35 326	1.16 312	0.88 225	1.26 291	1.00 272	0.75 265	1.07 298	0.89 284	0.36 340	0.31 340	0.41 348	0.40 353	0.60 369	0.59 373

FADE		2.54 409		1.04 380	1.00 381			4.03 406	3.02 393	1.77 367		2.74 382		6.31 409		14.64 428	1.73 412	21.24 430	14.41 424	0.63 371	0.65 374

PVD	1.34 366	0.70 355	1.42 354	0.78 370	0.65 363	1.68 368	0.91 352	2.12 385	3.01 392	2.25 383	2.35 371	1.90 369	1.99 383	1.98 375	2.14 372	0.40 354	0.38 360	0.49 364	0.37 344	0.51 356	0.67 375

SQANet	0.87 322	0.76 360	0.76 269	1.16 383	0.99 380	1.10 322	0.51 265	1.12 250	0.85 180	0.93 250	1.05 235	1.03 280	0.76 274	1.07 298	0.70 251	0.79 379	0.25 310	1.04 383	0.36 342	1.56 387	0.70 376

UDG	0.93 326	1.03 379	0.75 268	1.00 376	0.97 378	1.02 313	0.57 289	1.18 271	1.01 258	0.93 250	1.02 218	1.32 325	1.03 329	0.88 247	0.92 295	0.55 372	0.33 351	1.82 391	0.41 358	1.20 385	0.74 377

KYRaft	0.48 171	0.21 74	0.41 50	0.45 200	0.23 56	0.43 121	0.36 146	0.68 72	0.45 47	0.94 254	1.72 349	0.78 214	0.40 108	0.65 139	0.32 64	0.16 99	0.11 39	0.18 116	0.22 262	0.17 127	0.76 378

Consistency-Raft	1.01 340	0.82 364	1.27 340	0.85 372	0.97 378	0.81 269	0.83 346	1.35 326	1.61 364	1.06 311	1.66 344	1.11 305	0.93 317	0.93 260	1.11 329	0.65 376	0.75 392	0.79 377	0.91 390	1.09 384	0.79 379

MADNet+	2.28 393	2.56 410	10.82 408	1.25 386	0.96 377	2.77 391	1.44 388	2.34 387	1.76 371	1.36 346	1.78 353	1.84 368	1.74 375	6.33 410	4.57 398	0.67 377	0.66 386	0.59 373	0.54 376	0.84 376	0.81 380

otaku	1.10 346	0.96 373	0.96 312	1.37 389	1.06 386	1.65 366	0.72 325	1.46 349	1.19 320	1.10 320	1.32 303	1.32 325	0.95 322	1.29 329	0.81 274	0.89 384	0.46 377	1.24 385	0.50 372	1.86 389	0.89 381

DDUNet	1.10 346	2.58 412	0.83 286	1.21 385	1.27 389	1.02 313	0.69 318	1.17 269	0.95 233	0.98 277	1.26 291	1.28 319	0.84 293	0.97 278	0.79 271	0.85 382	0.40 367	2.00 394	0.60 379	1.34 386	0.94 382

MFMNet_re	1.17 354	0.99 375	1.31 345	1.02 378	0.95 376	1.32 345	1.32 380	1.44 346	1.58 362	1.72 366	1.70 348	1.21 314	1.57 368	1.16 312	1.04 321	0.88 383	0.76 394	0.79 377	0.75 385	0.90 378	0.94 382

anonymity	0.98 336	0.89 370	1.06 323	0.93 375	1.04 385	0.97 300	0.82 344	1.33 323	0.93 222	1.08 313	0.98 199	1.02 278	0.95 322	1.02 293	0.93 297	0.96 385	0.96 405	0.90 380	0.91 390	0.92 379	0.95 384

NVStereoNet_ROB	1.31 365	0.96 373	1.33 347	0.90 374	0.92 373	1.15 332	1.05 363	1.49 351	1.62 365	1.63 358	2.51 374	2.31 376	1.62 370	2.16 382	1.42 348	0.81 381	0.73 388	0.79 377	1.02 394	0.73 373	0.97 385
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SPS-STEREO	1.29 363	0.94 372	1.10 324	1.05 381	1.03 384	1.48 355	0.91 352	1.57 363	1.24 325	2.13 378	1.90 358	1.94 370	1.46 363	1.77 366	1.64 359	0.97 386	0.94 404	0.90 380	0.89 389	0.96 381	0.97 385
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
WAO-7	1.96 383	1.24 384	1.52 358	1.28 387	1.06 386	2.92 395	1.64 394	3.32 397	3.05 395	2.28 384	3.32 391	3.19 391	2.38 392	3.39 396	2.49 381	1.02 388	0.92 400	1.06 384	1.04 396	1.05 383	0.99 387

Ntro	1.15 351	1.00 377	1.00 318	1.49 390	1.20 388	1.69 369	0.81 342	1.39 333	1.25 327	1.01 285	1.28 296	1.31 323	1.00 327	1.31 334	0.89 284	1.10 390	0.43 373	1.36 386	0.51 373	1.95 391	0.99 387

SGM+DAISY	1.52 374	0.99 375	1.61 367	1.01 377	1.02 383	1.86 375	1.19 373	1.49 351	1.38 345	2.96 397	3.00 386	2.79 384	1.94 379	1.88 371	1.62 358	0.98 387	0.97 406	0.91 382	0.91 390	0.94 380	0.99 387

PWCK	2.06 388	1.75 401	4.11 396	1.69 391	0.93 374	3.13 398	2.86 410	2.18 386	2.41 386	2.38 385	2.33 368	2.22 374	1.85 378	3.52 398	2.20 375	1.65 395	0.73 388	1.52 388	0.83 388	1.81 388	1.02 390

ACVNet-4b	1.43 371	1.34 387	1.28 341	1.95 397	1.60 392	1.93 376	0.77 336	1.59 365	1.64 367	1.05 303	1.60 342	2.10 373	0.92 315	1.79 368	0.84 277	1.76 398	0.35 356	2.03 397	0.67 381	2.16 396	1.18 391

RainbowNet	1.42 370	1.53 393	1.31 345	1.93 396	1.46 390	1.52 360	1.03 362	1.67 372	1.55 359	1.23 336	1.59 341	1.54 356	1.21 347	1.40 340	1.03 316	1.70 396	0.70 387	1.82 391	0.80 387	2.11 395	1.22 392

WAO-8	3.00 396	1.60 395	1.52 358	1.82 394	1.65 395	5.57 407	1.35 383	4.65 409	12.37 413	2.89 393	4.04 401	4.89 402	2.78 395	3.73 400	2.44 377	1.29 391	0.93 402	2.00 394	1.16 403	2.02 392	1.23 393

Venus	3.00 396	1.60 395	1.52 358	1.82 394	1.65 395	5.57 407	1.35 383	4.65 409	12.37 413	2.89 393	4.04 401	4.89 402	2.78 395	3.73 400	2.44 377	1.29 391	0.93 402	2.00 394	1.16 403	2.02 392	1.23 393

ACVNet_2	1.74 380	1.30 386	1.62 368	1.81 393	1.63 393	2.28 382	1.34 382	2.35 388	2.64 388	1.82 369	2.55 375	2.99 386	1.71 374	1.67 361	1.20 337	1.48 394	0.59 385	1.81 390	0.71 383	2.09 394	1.29 395

ACVNet_1	1.55 375	1.36 388	1.35 349	1.96 398	1.63 393	1.83 374	0.96 359	2.09 383	1.85 374	1.43 351	1.54 336	2.31 376	1.68 373	1.42 344	1.18 334	1.76 398	0.51 381	2.05 399	0.59 378	2.24 399	1.30 396

DispFullNet	1.64 378	2.64 413	3.14 388	2.57 405	1.78 398	1.32 345	0.55 284	1.42 344	1.45 352	1.89 372	1.48 332	1.55 357	2.35 391	2.08 379	1.12 331	0.60 375	0.19 264	2.33 402	0.73 384	2.35 400	1.30 396

JetBlue	3.02 398	1.39 389	7.91 406	1.17 384	1.49 391	8.53 411	7.94 413	2.82 391	1.98 377	2.15 382	2.69 381	3.32 393	3.01 399	6.66 411	3.81 392	0.79 379	0.78 395	0.75 376	0.76 386	1.04 382	1.33 398

Dean	2.07 389	1.39 389	1.69 373	2.17 400	1.83 400	2.75 390	1.28 378	3.49 401	3.80 401	2.13 378	3.30 390	3.18 390	1.98 382	1.78 367	1.72 361	1.73 397	0.79 398	1.99 393	0.91 390	2.17 397	1.34 399

WAO-6	2.11 390	1.52 392	1.25 336	1.73 392	1.69 397	2.72 389	1.62 393	3.15 395	3.64 398	2.01 377	3.28 389	3.52 396	2.20 390	2.59 390	2.48 380	1.31 393	0.92 400	2.04 398	1.22 405	1.89 390	1.35 400

LVE	2.20 392	1.47 391	1.44 356	2.06 399	1.80 399	2.79 392	1.77 399	2.96 392	3.94 403	1.95 375	4.29 404	3.47 395	1.97 380	2.48 387	1.85 364	2.06 400	0.88 399	2.06 400	1.13 401	2.17 397	1.53 401

IMH-64-1	1.96 383	1.64 398	1.26 337	2.26 402	1.91 401	2.30 383	1.35 383	2.99 393	2.29 381	1.70 363	2.79 383	2.47 379	1.66 371	2.33 384	1.95 366	2.07 401	0.74 390	2.44 403	1.04 396	2.40 401	1.59 402

IMH-64	1.96 383	1.64 398	1.26 337	2.26 402	1.91 401	2.30 383	1.35 383	2.99 393	2.29 381	1.70 363	2.79 383	2.47 379	1.66 371	2.33 384	1.95 366	2.07 401	0.74 390	2.44 403	1.04 396	2.40 401	1.59 402

IMH	2.15 391	1.66 400	1.29 342	2.25 401	1.92 403	2.87 393	1.33 381	3.25 396	3.04 394	1.87 371	3.33 393	3.00 387	2.03 384	2.80 393	1.95 366	2.09 403	0.78 395	2.45 405	1.05 399	2.44 403	1.62 404

TorneroNet	4.49 404	1.92 403	1.65 371	2.60 407	2.29 405	14.95 418	1.86 402	4.86 412	19.56 427	3.10 401	7.52 414	7.00 411	2.90 398	4.48 405	3.66 390	2.24 405	0.78 395	2.68 409	1.14 402	2.79 408	1.80 405

TorneroNet-64	3.54 400	1.89 402	1.59 363	2.62 408	2.29 405	6.88 410	1.72 397	4.72 411	11.88 411	2.43 387	5.46 411	8.16 412	2.80 397	4.13 404	3.03 386	2.25 406	0.75 392	2.57 407	1.09 400	2.65 407	1.84 406

KSHMR	2.64 394	1.96 404	1.86 376	2.69 409	2.44 407	2.88 394	2.04 404	3.46 400	6.31 407	2.51 389	3.27 388	3.39 394	1.97 380	2.59 390	2.08 371	2.48 408	1.41 410	2.80 412	1.51 408	2.98 409	2.09 407

ktn	3.02 398	2.27 407	1.85 375	2.89 410	2.54 411	3.72 401	2.14 405	3.79 404	5.33 405	2.82 392	5.09 409	5.95 408	2.54 393	3.34 395	2.58 383	2.65 410	1.44 411	2.78 411	2.03 411	2.61 406	2.10 408

notaker	2.87 395	2.31 408	2.01 378	3.03 411	2.60 412	2.94 396	1.82 401	3.43 399	3.06 396	2.89 393	4.21 403	6.15 410	2.71 394	3.42 397	2.90 385	2.67 411	1.18 408	3.00 413	1.67 409	3.13 410	2.26 409

tt	6.21 411	0.22 97	5.88 402	3.55 415	2.07 404	11.25 416	19.19 417	11.84 419	5.47 406	2.71 391	2.18 366	4.87 401	6.25 410	3.71 399	7.09 404	8.31 420	11.17 425	4.91 416	5.39 419	5.72 417	2.42 410

UNDER WATER	3.63 401	2.12 406	4.11 396	3.17 412	2.51 409	3.77 403	2.45 407	3.53 402	13.66 416	2.98 398	2.92 385	5.75 406	4.13 406	3.85 402	3.75 391	2.84 412	1.11 407	2.71 410	1.41 406	3.26 413	2.50 411

UNDER WATER-64	3.72 402	2.07 405	4.57 398	3.30 414	2.52 410	5.61 409	2.63 409	3.67 403	12.27 412	3.09 400	2.66 380	5.99 409	4.74 408	3.93 403	3.57 389	2.54 409	1.24 409	2.65 408	1.48 407	3.21 412	2.62 412

DPSimNet_ROB	5.19 409	2.71 414	18.56 415	2.59 406	2.49 408	4.25 404	10.93 414	3.33 398	3.93 402	5.02 411	4.52 406	5.74 405	10.18 411	5.44 408	8.79 407	2.40 407	2.47 414	2.48 406	2.54 412	2.56 405	2.87 413

JetRed	5.38 410	6.17 417	12.68 413	2.38 404	2.85 413	12.60 417	11.17 415	4.60 408	3.74 399	3.87 407	3.85 397	4.83 400	4.13 406	6.81 412	12.18 412	2.18 404	2.95 416	2.19 401	1.98 410	3.49 414	3.01 414

HanzoNet	6.97 413	2.57 411	4.66 399	3.29 413	2.96 414	3.75 402	2.35 406	5.08 413	7.11 408	14.46 424	13.06 416	17.69 421	22.95 426	13.72 419	6.61 403	4.36 415	1.96 413	3.14 414	2.59 413	3.88 416	3.19 415

SPstereo	24.33 423	4.45 416	7.15 404	4.44 417	4.17 416	45.69 430	77.93 436	63.66 438	33.40 436	27.58 433	26.62 425	39.42 436	33.37 435	42.68 438	50.66 431	4.01 414	3.77 418	6.06 420	4.73 416	3.17 411	3.55 416

MADNet++	4.18 403	2.72 415	4.00 393	3.80 416	3.44 415	4.72 406	4.05 412	4.01 405	3.74 399	4.52 409	5.14 410	4.20 397	4.89 409	7.04 413	6.39 402	3.79 413	3.70 417	3.27 415	2.70 414	3.68 415	3.74 417

PML	40.49 437	30.31 427	12.46 412	7.19 418	14.30 418	91.44 437	212.44 438	7.73 414	23.24 428	74.44 438	185.05 438	49.81 438	25.78 427	21.34 423	12.84 413	8.71 421	2.93 415	8.43 421	3.24 415	13.77 423	4.45 418

ASD4	10.37 415	9.12 420	17.90 414	7.49 419	10.02 417	16.90 419	28.93 421	11.05 418	8.53 410	7.42 415	7.41 412	8.91 413	10.32 412	11.44 418	20.38 419	4.52 416	4.58 419	5.68 419	5.04 418	5.72 417	6.02 419

LSM	4.83 407	0.83 367	11.23 409	0.76 369	56.73 433	1.10 322	1.18 372	1.35 326	1.70 370	2.13 378	2.34 369	1.34 333	1.19 346	1.52 353	1.23 338	0.34 333	0.50 380	0.39 344	0.47 363	0.51 356	9.82 420

DPSMNet_ROB	12.13 417	8.03 418	21.13 417	9.02 421	16.82 420	10.68 414	30.78 423	9.15 417	15.24 419	6.56 413	15.50 424	9.02 414	15.13 416	9.28 416	21.71 420	4.59 418	8.60 420	5.08 418	9.26 420	5.89 420	11.06 421

DGTPSM_ROB	12.12 416	8.03 418	21.12 416	8.97 420	16.81 419	10.68 414	30.77 422	9.14 416	15.23 418	6.55 412	15.49 423	9.02 414	15.13 416	9.26 415	21.71 420	4.58 417	8.60 420	5.07 417	9.26 420	5.88 419	11.06 421

Anonymous_1	33.12 425	18.23 421	23.86 419	20.53 422	21.18 423	25.45 421	35.84 424	22.44 429	15.68 420	13.41 418	13.70 420	18.00 422	15.15 418	20.31 420	24.47 422	14.56 427	8.84 422	66.24 435	117.79 435	155.41 438	11.40 423

DPSM_ROB	17.80 419	18.60 422	24.24 423	20.89 423	19.49 421	25.83 422	36.10 425	21.62 427	16.41 421	13.46 419	14.26 421	19.11 424	16.15 419	20.74 421	25.59 423	9.37 422	9.23 423	9.47 422	9.81 422	13.47 421	12.09 424

DPSM	17.80 419	18.60 422	24.24 423	20.89 423	19.49 421	25.83 422	36.10 425	21.62 427	16.41 421	13.46 419	14.26 421	19.11 424	16.15 419	20.74 421	25.59 423	9.37 422	9.23 423	9.47 422	9.81 422	13.47 421	12.09 424

CasAABBNet	35.77 426	37.38 431	48.59 430	42.20 429	39.23 428	51.95 431	72.92 435	43.36 435	33.03 432	26.93 427	28.31 427	38.43 433	32.32 429	41.58 432	51.50 436	18.71 429	18.58 428	19.11 428	19.75 426	27.11 427	24.33 426

MyStereo03	35.83 427	37.48 433	48.64 431	42.37 431	39.41 430	51.98 432	72.91 432	43.07 432	33.07 433	27.20 430	28.81 430	38.36 430	32.60 430	41.58 432	51.47 433	18.74 430	18.61 430	19.07 424	19.77 427	27.10 424	24.35 427

MyStereo02	35.83 427	37.48 433	48.64 431	42.37 431	39.41 430	51.98 432	72.91 432	43.07 432	33.07 433	27.20 430	28.81 430	38.36 430	32.60 430	41.58 432	51.47 433	18.74 430	18.61 430	19.07 424	19.77 427	27.10 424	24.35 427

MyStereo	35.83 427	37.48 433	48.64 431	42.37 431	39.41 430	51.98 432	72.91 432	43.07 432	33.07 433	27.20 430	28.81 430	38.36 430	32.60 430	41.58 432	51.47 433	18.74 430	18.61 430	19.07 424	19.77 427	27.10 424	24.35 427

Selective-RAFT-Error	35.87 430	37.42 432	48.73 434	42.24 430	39.28 429	52.00 435	72.87 431	43.41 436	32.95 431	26.97 428	28.72 428	38.71 435	33.15 434	41.59 436	51.42 432	18.77 433	18.60 429	19.14 429	19.78 430	27.19 428	24.42 430

LRCNet_RVC	21.27 422	31.14 428	21.46 418	28.97 426	23.77 424	3.11 397	0.62 305	20.94 425	1.64 367	25.57 426	28.13 426	21.96 426	14.74 415	21.99 427	16.44 416	29.16 435	14.92 426	33.57 431	31.28 431	29.67 433	26.33 431

LSM0	38.96 436	37.52 436	48.37 429	43.79 434	91.31 438	52.31 436	72.38 430	43.71 437	32.75 430	27.16 429	28.73 429	38.51 434	32.63 433	41.75 437	51.59 437	18.85 434	18.43 427	19.09 427	19.60 425	27.21 429	33.44 432

xxxxx1	36.77 431	19.69 424	24.00 420	62.46 435	66.77 435	27.30 425	39.89 427	20.40 422	18.80 424	14.18 421	13.11 417	17.29 418	17.30 421	21.62 424	27.81 425	13.61 424	18.98 433	111.36 436	133.25 436	28.84 430	38.64 433

tt_ll	36.77 431	19.69 424	24.00 420	62.46 435	66.77 435	27.30 425	39.89 427	20.40 422	18.80 424	14.18 421	13.11 417	17.29 418	17.30 421	21.62 424	27.81 425	13.61 424	18.98 433	111.36 436	133.25 436	28.84 430	38.64 433

ff	36.77 431	19.69 424	24.00 420	62.46 435	66.77 435	27.30 425	39.89 427	20.40 422	18.80 424	14.18 421	13.11 417	17.29 418	17.30 421	21.62 424	27.81 425	13.61 424	18.98 433	111.36 436	133.25 436	28.84 430	38.64 433

HaxPig	31.93 424	37.19 430	34.22 425	24.41 425	24.94 425	18.53 420	20.18 418	21.15 426	28.84 429	35.74 435	38.86 434	26.18 427	28.75 428	33.85 429	34.15 428	35.89 436	38.80 436	37.79 432	40.52 432	39.33 434	39.33 436

AVERAGE_ROB	37.53 435	40.05 437	40.01 427	34.74 428	33.76 427	28.46 428	25.14 420	32.31 431	34.08 438	41.20 436	40.52 435	34.51 429	34.78 437	39.11 430	37.48 430	42.68 437	43.32 437	43.80 433	42.99 433	40.42 435	41.31 437

MEDIAN_ROB	37.35 434	40.72 438	40.37 428	32.26 427	31.80 426	27.29 424	25.02 419	29.47 430	33.43 437	41.99 437	41.60 436	33.48 428	34.37 436	39.66 431	36.94 429	43.49 438	43.96 438	44.07 434	43.35 434	41.32 436	42.43 438

test_example2	176.82 438	204.75 439	198.54 438	188.58 439	191.23 439	151.28 438	169.77 437	97.63 439	125.81 439	179.94 439	183.74 437	158.20 439	139.14 438	192.16 439	198.12 438	203.48 439	236.37 439	163.71 439	173.22 439	217.79 439	162.95 439

Low-res two-view benchmark