Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

StereoIM	0.38 1	0.27 35	0.72 57	0.45 8	0.35 137	0.30 3	0.31 25	0.81 6	0.54 3	0.38 2	0.38 1	0.58 43	0.49 53	0.53 4	0.39 31	0.20 98	0.16 138	0.19 47	0.15 30	0.19 59	0.15 3

MIF-Stereo	0.38 1	0.24 9	0.67 47	0.49 34	0.36 139	0.40 9	0.32 29	0.55 1	0.55 4	0.55 30	0.55 17	0.36 2	0.31 6	0.59 11	0.52 108	0.21 119	0.15 112	0.17 13	0.15 30	0.19 59	0.17 23

CREStereo	0.40 3	0.24 9	0.40 2	0.37 1	0.22 4	0.52 47	0.29 21	0.81 6	1.15 171	0.59 31	0.72 33	0.51 32	0.42 19	0.57 8	0.37 25	0.19 64	0.13 17	0.15 3	0.10 1	0.14 1	0.15 3
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
AEACV	0.41 4	0.25 16	0.60 24	0.55 110	0.52 237	0.43 13	0.38 67	0.98 30	0.63 17	0.44 5	0.56 18	0.46 15	0.59 95	0.56 6	0.31 1	0.17 18	0.13 17	0.18 33	0.16 54	0.17 20	0.17 23

LoS	0.41 4	0.23 6	0.46 8	0.39 2	0.23 5	0.48 23	0.40 78	1.12 72	0.94 88	0.50 19	0.66 21	0.49 28	0.42 19	0.63 23	0.39 31	0.19 64	0.14 58	0.16 8	0.11 6	0.14 1	0.15 3

EGLCR-Stereo	0.41 4	0.24 9	0.59 22	0.45 8	0.27 19	0.54 60	0.22 2	1.23 113	0.56 6	0.44 5	0.43 2	0.68 65	0.29 3	0.89 64	0.34 4	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.18 32

GLC_STEREO	0.41 4	0.27 35	0.43 5	0.55 110	0.24 6	0.47 18	0.30 23	0.81 6	0.64 19	0.53 28	0.74 35	0.50 31	0.31 6	0.65 25	0.45 72	0.18 40	0.20 207	0.23 145	0.19 101	0.21 121	0.21 87

CASnet	0.42 8	0.26 19	0.52 15	0.52 69	0.21 2	0.49 28	0.35 48	0.85 14	0.85 61	0.84 65	0.69 27	0.48 24	0.31 6	0.57 8	0.34 4	0.19 64	0.12 5	0.27 232	0.22 185	0.23 157	0.15 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Selective-IGEV	0.42 8	0.26 19	0.56 16	0.48 29	0.27 19	0.45 16	0.33 33	1.56 167	0.61 15	0.36 1	0.47 4	0.52 35	0.30 4	1.08 98	0.33 3	0.15 4	0.13 17	0.17 13	0.13 11	0.16 11	0.15 3

CroCo-Stereo	0.42 8	0.33 134	0.83 115	0.59 162	0.28 40	0.26 1	0.33 33	1.22 109	0.85 61	0.43 4	0.49 7	0.65 59	0.46 35	0.40 1	0.36 16	0.19 64	0.15 112	0.16 8	0.14 22	0.20 86	0.17 23
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
ff7	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 90	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 142	0.36 16	0.18 40	0.13 17	0.21 92	0.15 30	0.18 34	0.21 87

ffff	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 90	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 142	0.36 16	0.18 40	0.13 17	0.21 92	0.15 30	0.18 34	0.21 87

11t	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 90	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 142	0.36 16	0.18 40	0.13 17	0.21 92	0.15 30	0.18 34	0.21 87

LoS_RVC	0.45 11	0.29 61	0.48 10	0.49 34	0.83 336	0.51 43	0.43 106	0.65 2	0.44 1	0.47 11	0.78 41	0.44 7	0.60 99	0.59 11	0.37 25	0.14 1	0.12 5	0.14 1	0.10 1	0.14 1	1.08 373

anonymousdsp	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 90	0.97 26	0.60 12	0.51 26	0.53 9	0.46 15	0.47 41	1.36 133	0.35 6	0.18 40	0.13 17	0.21 92	0.15 30	0.18 34	0.21 87

ccc-4	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 90	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 142	0.36 16	0.18 40	0.13 17	0.21 92	0.15 30	0.18 34	0.21 87

IGEV-Stereo	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 90	0.98 30	0.60 12	0.51 26	0.53 9	0.46 15	0.47 41	1.36 133	0.35 6	0.18 40	0.13 17	0.21 92	0.15 30	0.18 34	0.21 87
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
TANstereo	0.45 11	0.23 6	0.50 13	0.43 5	0.21 2	0.65 109	0.26 10	0.83 10	0.88 65	0.95 83	0.99 82	0.51 32	0.45 28	0.56 6	0.36 16	0.19 64	0.24 260	0.16 8	0.13 11	0.17 20	0.27 193

ProNet	0.46 19	0.30 79	0.69 53	0.46 14	0.32 97	0.57 69	0.52 172	1.15 89	0.67 22	0.44 5	0.50 8	0.44 7	0.43 22	1.31 126	0.38 28	0.16 7	0.15 112	0.19 47	0.16 54	0.18 34	0.18 32

MC-Stereo	0.46 19	0.24 9	0.58 18	0.63 200	0.30 63	0.38 7	0.32 29	0.98 30	0.74 36	0.66 39	0.85 54	0.56 40	0.60 99	1.07 96	0.32 2	0.17 18	0.12 5	0.17 13	0.15 30	0.16 11	0.16 13

CroCo-Stereo Lap2	0.46 19	0.37 203	0.87 137	0.62 190	0.79 327	0.28 2	0.35 48	0.81 6	0.73 29	0.39 3	0.54 15	0.71 78	0.54 68	0.60 13	0.48 88	0.18 40	0.18 183	0.19 47	0.16 54	0.21 121	0.21 87

XX-TBD	0.47 22	0.71 325	0.39 1	0.81 314	0.25 8	0.57 69	0.26 10	0.73 3	1.30 235	0.78 52	1.01 88	0.45 14	0.33 10	0.49 3	0.39 31	0.20 98	0.15 112	0.15 3	0.11 6	0.17 20	0.15 3

PMTNet	0.47 22	0.22 3	0.43 5	0.39 2	0.24 6	0.71 136	0.26 10	0.78 5	1.03 123	0.65 38	0.69 27	0.55 38	0.48 43	0.90 67	0.36 16	0.99 373	0.13 17	0.15 3	0.10 1	0.15 4	0.15 3

MIF-Stereo (partial)	0.48 24	0.28 43	0.83 115	0.51 57	0.53 242	0.39 8	0.27 14	1.03 43	0.64 19	0.47 11	0.71 32	0.51 32	0.51 55	1.13 109	0.47 84	0.20 98	0.16 138	0.23 145	0.20 127	0.24 186	0.20 70

IGEVStereo-DCA	0.49 25	0.33 134	0.64 37	0.46 14	0.34 122	0.50 38	0.42 90	0.93 20	0.59 7	0.48 13	0.48 5	0.48 24	0.45 28	2.28 262	0.44 61	0.19 64	0.14 58	0.19 47	0.15 30	0.17 20	0.21 87

test croco	0.49 25	0.29 61	1.23 238	0.51 57	0.40 170	0.35 5	0.37 60	1.04 45	0.62 16	0.44 5	0.76 36	0.42 4	0.41 16	1.17 116	0.46 76	0.23 168	0.15 112	0.24 166	0.19 101	0.25 195	0.18 32

iRaftStereo_RVC	0.49 25	0.28 43	0.72 57	0.53 89	0.29 51	0.52 47	0.33 33	1.14 78	0.84 58	0.85 67	0.99 82	0.55 38	0.36 12	0.83 52	0.40 44	0.18 40	0.13 17	0.22 119	0.20 127	0.20 86	0.18 32

CREStereo++_RVC	0.49 25	0.22 3	0.46 8	0.48 29	0.38 154	0.45 16	0.25 4	0.77 4	1.30 235	0.82 61	1.23 169	0.47 20	0.37 13	0.55 5	0.44 61	0.16 7	0.11 2	0.16 8	0.80 375	0.18 34	0.12 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
MyStereo07	0.50 29	0.30 79	0.58 18	0.58 150	0.48 215	0.59 79	0.78 263	1.19 99	0.60 12	0.49 16	0.54 15	0.43 6	0.55 70	1.32 129	0.36 16	0.18 40	0.18 183	0.24 166	0.21 163	0.23 157	0.23 122

4D-IteraStereo	0.50 29	0.26 19	0.84 124	0.51 57	0.49 221	0.64 105	0.31 25	0.91 19	1.02 120	1.05 105	0.72 33	0.76 82	0.32 9	0.69 29	0.40 44	0.18 40	0.11 2	0.23 145	0.20 127	0.19 59	0.16 13

CES	0.51 31	0.21 2	0.40 2	0.42 4	1.40 376	0.53 51	0.34 40	1.04 45	0.68 23	0.45 9	0.67 23	0.35 1	0.28 2	0.58 10	0.35 6	0.16 7	0.13 17	0.15 3	0.10 1	0.19 59	1.69 383

sCroCo_RVC	0.51 31	0.43 244	1.15 212	0.66 229	0.60 272	0.52 47	0.40 78	0.93 20	0.64 19	0.45 9	0.76 36	0.49 28	0.49 53	0.65 25	0.49 97	0.27 240	0.28 290	0.23 145	0.22 185	0.29 232	0.28 204

RCA-Stereo	0.52 33	0.26 19	0.66 44	0.49 34	0.33 110	0.54 60	0.44 123	1.20 103	1.41 278	0.69 42	1.06 106	0.63 56	0.79 153	0.62 18	0.35 6	0.17 18	0.12 5	0.17 13	0.14 22	0.16 11	0.16 13

knoymous	0.53 34	0.32 118	0.51 14	0.46 14	0.30 63	0.57 69	0.54 187	1.10 68	0.78 42	0.99 86	0.84 52	0.95 151	0.57 77	0.89 64	0.51 102	0.21 119	0.14 58	0.26 223	0.14 22	0.23 157	0.25 160

HUI-Stereo	0.54 35	0.33 134	0.81 98	0.52 69	0.27 19	0.62 89	0.29 21	1.14 78	0.74 36	1.13 126	0.96 71	0.82 103	0.60 99	0.83 52	0.52 108	0.23 168	0.14 58	0.24 166	0.20 127	0.27 207	0.20 70

Any-RAFT	0.55 36	0.27 35	0.49 11	0.50 46	0.27 19	0.98 225	0.25 4	1.71 202	1.08 137	0.90 75	0.99 82	1.13 206	0.46 35	0.74 34	0.35 6	0.19 64	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

Selective-RAFT	0.55 36	0.29 61	0.85 130	0.58 150	0.28 40	0.91 200	0.34 40	1.00 36	0.96 96	0.59 31	0.64 20	0.80 91	0.76 139	1.34 131	0.51 102	0.21 119	0.15 112	0.17 13	0.15 30	0.19 59	0.19 51

test_4	0.55 36	0.23 6	0.67 47	0.56 122	0.32 97	0.71 136	0.39 76	0.83 10	0.72 28	0.93 80	1.87 320	0.70 72	0.41 16	1.21 120	0.39 31	0.16 7	0.13 17	0.21 92	0.23 212	0.20 86	0.18 32

GMOStereo	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 106	1.02 37	0.98 103	1.44 269	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 166	0.22 185	0.20 86	0.18 32

error version	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 106	1.02 37	0.98 103	1.44 269	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 166	0.22 185	0.20 86	0.18 32

test-v	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 106	1.02 37	0.98 103	1.44 269	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 166	0.22 185	0.20 86	0.18 32

test-2	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 106	1.02 37	0.98 103	1.44 269	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 166	0.22 185	0.20 86	0.18 32

rafts_anoy	0.55 36	0.32 118	0.66 44	0.72 278	0.61 277	0.53 51	0.40 78	1.24 114	1.06 133	0.85 67	0.83 51	0.67 63	0.53 61	0.77 40	0.55 127	0.20 98	0.15 112	0.25 202	0.26 243	0.22 140	0.21 87

s12784h	0.55 36	0.22 3	0.49 11	0.43 5	0.19 1	1.00 227	0.34 40	1.40 138	1.30 235	0.84 65	0.93 66	0.63 56	0.52 59	1.48 158	0.47 84	0.15 4	0.12 5	0.17 13	0.11 6	0.19 59	0.13 2

raftrobust	0.55 36	0.27 35	0.63 32	0.68 251	0.69 301	0.50 38	0.34 40	1.08 55	0.97 100	1.32 221	0.88 60	0.62 52	0.80 159	0.82 49	0.44 61	0.20 98	0.16 138	0.16 8	0.14 22	0.15 4	0.18 32

Gwc-CoAtRS	0.55 36	0.27 35	0.73 67	0.49 34	0.30 63	0.63 97	0.25 4	1.38 136	1.12 156	1.05 105	1.02 90	1.10 197	0.55 70	0.72 32	0.44 61	0.17 18	0.14 58	0.17 13	0.15 30	0.16 11	0.17 23

MSKI-zero shot	0.56 47	0.30 79	0.61 28	0.55 110	0.28 40	0.68 123	0.28 17	1.25 116	0.68 23	0.92 77	1.33 203	0.81 97	0.33 10	1.94 226	0.36 16	0.18 40	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

EKT-Stereo	0.56 47	0.33 134	0.84 124	0.61 182	0.64 284	0.51 43	0.48 150	1.14 78	0.95 92	0.74 48	0.89 62	0.77 86	0.42 19	1.18 117	0.42 54	0.23 168	0.17 160	0.21 92	0.18 84	0.20 86	0.26 177

LL-Strereo2	0.56 47	0.36 187	0.77 82	0.56 122	0.40 170	0.68 123	0.37 60	1.21 107	0.83 56	0.96 84	0.79 43	0.91 136	0.41 16	1.08 98	0.48 88	0.18 40	0.17 160	0.29 252	0.25 232	0.22 140	0.19 51

test-3	0.56 47	0.24 9	0.82 107	0.50 46	0.29 51	0.57 69	0.34 40	1.09 62	1.03 123	1.33 226	0.69 27	0.87 120	0.45 28	1.68 190	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

test_1	0.56 47	0.24 9	0.82 107	0.50 46	0.29 51	0.57 69	0.34 40	1.09 62	1.03 123	1.28 207	0.69 27	0.87 120	0.45 28	1.67 188	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

PSM-adaLoss	0.56 47	0.33 134	0.81 98	0.52 69	0.27 19	0.63 97	0.41 86	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.09 102	0.52 108	0.23 168	0.14 58	0.24 166	0.20 127	0.27 207	0.20 70

ROB_FTStereo	0.56 47	0.33 134	0.82 107	0.52 69	0.27 19	0.62 89	0.25 4	1.14 78	0.74 36	1.13 126	0.96 71	0.82 103	0.60 99	1.18 117	0.52 108	0.23 168	0.14 58	0.24 166	0.20 127	0.27 207	0.20 70

cross-raft	0.56 47	0.26 19	0.65 42	0.55 110	0.31 77	0.66 115	0.37 60	1.68 189	0.82 53	1.06 109	1.07 108	1.25 229	0.45 28	0.74 34	0.39 31	0.15 4	0.13 17	0.19 47	0.16 54	0.19 59	0.17 23

test-1	0.56 47	0.28 43	1.13 207	0.58 150	0.34 122	0.60 83	0.38 67	1.56 167	0.98 103	0.80 55	1.02 90	0.83 111	0.52 59	0.64 24	0.46 76	0.17 18	0.16 138	0.20 70	0.17 70	0.20 86	0.26 177

raft+_RVC	0.56 47	0.29 61	0.61 28	0.65 216	0.56 256	0.53 51	0.53 178	1.40 138	1.02 120	0.78 52	1.04 101	0.70 72	0.55 70	1.00 81	0.49 97	0.18 40	0.16 138	0.19 47	0.19 101	0.18 34	0.17 23

Anonymous	0.56 47	0.41 238	1.05 188	0.67 242	0.73 308	0.65 109	0.68 240	1.12 72	0.79 48	0.48 13	0.60 19	0.42 4	0.60 99	0.81 47	0.55 127	0.26 223	0.24 260	0.21 92	0.21 163	0.41 293	0.30 229

RAFT-Stereo + iAFF	0.56 47	0.28 43	0.81 98	0.45 8	0.25 8	0.40 9	0.34 40	1.12 72	1.13 161	1.35 237	1.58 275	0.80 91	0.67 121	0.71 30	0.43 57	0.14 1	0.11 2	0.18 33	0.17 70	0.18 34	0.16 13

11t1	0.57 59	0.30 79	0.84 124	0.54 100	0.30 63	0.83 180	0.41 86	1.34 130	0.79 48	0.88 73	0.82 50	0.70 72	0.70 129	0.96 77	0.67 170	0.21 119	0.21 220	0.20 70	0.16 54	0.21 121	0.26 177

rrr	0.57 59	0.33 134	2.43 330	0.46 14	0.34 122	0.50 38	0.38 67	0.84 13	0.55 4	0.48 13	0.48 5	0.48 24	0.45 28	2.28 262	0.44 61	0.19 64	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

test_3	0.57 59	0.24 9	0.87 137	0.55 110	0.30 63	0.60 83	0.40 78	1.07 50	1.08 137	1.20 169	0.68 24	0.92 141	0.43 22	1.68 190	0.40 44	0.16 7	0.13 17	0.22 119	0.19 101	0.21 121	0.17 23

Patchmatch Stereo++	0.57 59	0.33 134	0.82 107	0.52 69	0.27 19	0.63 97	0.28 17	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.40 140	0.52 108	0.23 168	0.14 58	0.24 166	0.20 127	0.27 207	0.20 70
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
ROB_FTStereo_v2	0.57 59	0.33 134	0.81 98	0.52 69	0.27 19	0.62 89	0.42 90	1.14 78	0.73 29	1.13 126	0.97 78	0.82 103	0.60 99	1.15 111	0.53 117	0.23 168	0.14 58	0.24 166	0.20 127	0.27 207	0.20 70

DeepStereo_RVC	0.57 59	0.31 104	0.78 88	0.53 89	0.30 63	0.57 69	0.32 29	1.11 70	0.80 52	1.17 147	0.94 68	0.83 111	0.93 210	1.01 83	0.61 153	0.23 168	0.14 58	0.21 92	0.19 101	0.24 186	0.26 177

iRAFT	0.57 59	0.33 134	0.82 107	0.52 69	0.27 19	0.63 97	0.28 17	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.40 140	0.52 108	0.23 168	0.14 58	0.24 166	0.20 127	0.27 207	0.20 70

CRE-IMP	0.57 59	0.32 118	0.82 107	0.54 100	0.29 51	0.77 160	0.25 4	1.19 99	0.79 48	1.09 112	0.95 69	0.81 97	0.57 77	1.11 107	0.57 137	0.22 148	0.14 58	0.23 145	0.19 101	0.28 222	0.24 141

RAFT-IKP	0.57 59	0.33 134	0.82 107	0.52 69	0.27 19	0.57 69	0.35 48	1.14 78	0.73 29	1.13 126	0.96 71	0.83 111	0.61 109	1.26 123	0.53 117	0.23 168	0.14 58	0.24 166	0.20 127	0.27 207	0.20 70

test_xeample3	0.57 59	0.33 134	3.11 347	0.46 14	0.34 122	0.55 64	0.38 67	0.86 17	0.49 2	0.54 29	0.46 3	0.44 7	0.44 26	1.49 164	0.45 72	0.18 40	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

CFNet-RSSM	0.57 59	0.25 16	0.76 79	0.49 34	0.28 40	0.59 79	0.27 14	1.89 244	1.17 180	1.09 112	0.95 69	1.06 182	0.53 61	0.74 34	0.41 49	0.17 18	0.13 17	0.17 13	0.15 30	0.16 11	0.16 13

AE-Stereo	0.58 70	0.29 61	0.81 98	0.62 190	0.41 180	0.69 131	0.46 137	2.49 350	1.25 211	0.49 16	0.77 39	0.69 69	0.46 35	0.61 14	0.42 54	0.17 18	0.16 138	0.21 92	0.20 127	0.19 59	0.18 32

1test111	0.58 70	0.34 161	0.63 32	0.60 169	0.27 19	1.16 256	0.51 164	1.58 172	0.91 71	0.60 34	0.80 46	0.47 20	0.87 187	0.99 79	0.67 170	0.21 119	0.13 17	0.25 202	0.15 30	0.23 157	0.25 160

RAFT-Test	0.58 70	0.27 35	0.81 98	0.50 46	0.33 110	0.95 218	0.27 14	1.40 138	0.89 66	1.00 90	1.12 129	1.39 262	0.48 43	0.74 34	0.41 49	0.17 18	0.14 58	0.17 13	0.14 22	0.16 11	0.18 32

anonymousdsp2	0.58 70	0.29 61	0.93 153	0.51 57	0.30 63	0.75 146	0.46 137	1.95 257	0.87 64	0.81 59	0.78 41	0.76 82	0.48 43	1.10 104	0.45 72	0.19 64	0.14 58	0.18 33	0.13 11	0.20 86	0.22 108

fff	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 54	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 254	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

iGMRVC	0.58 70	0.33 134	0.81 98	0.52 69	0.27 19	0.62 89	0.38 67	1.14 78	0.73 29	1.13 126	0.97 78	0.82 103	0.59 95	1.54 167	0.53 117	0.23 168	0.14 58	0.24 166	0.20 127	0.27 207	0.20 70

RALCasStereoNet	0.58 70	0.34 161	0.77 82	0.65 216	0.64 284	0.64 105	0.51 164	1.06 49	0.99 110	0.71 43	1.06 106	0.77 86	0.44 26	1.38 137	0.52 108	0.20 98	0.18 183	0.18 33	0.16 54	0.20 86	0.22 108

DCANet	0.58 70	0.26 19	1.15 212	0.45 8	0.25 8	0.49 28	0.36 54	1.18 95	1.35 251	1.15 141	1.04 101	0.60 48	0.91 201	0.84 55	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.25 160

csc	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 54	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 254	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

cscssc	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 54	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 254	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

GMStereo	0.58 70	0.50 269	1.09 198	0.52 69	0.32 97	0.80 166	0.43 106	1.02 37	1.41 278	0.89 74	0.77 39	0.52 35	0.46 35	0.89 64	0.56 134	0.25 206	0.16 138	0.20 70	0.22 185	0.31 247	0.27 193
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet-DCA	0.59 81	0.34 161	0.63 32	0.60 169	0.27 19	1.16 256	0.51 164	1.58 172	0.91 71	0.60 34	0.80 46	0.47 20	0.87 187	1.48 158	0.35 6	0.21 119	0.13 17	0.25 202	0.15 30	0.23 157	0.25 160

IGEV_Zeroshot_test	0.59 81	0.33 134	1.11 203	0.63 200	0.37 144	0.41 12	0.33 33	1.80 220	0.79 48	1.04 103	1.10 119	1.06 182	0.43 22	0.87 60	0.48 88	0.18 40	0.13 17	0.19 47	0.18 84	0.20 86	0.23 122

DCANet-4	0.59 81	0.28 43	1.65 286	0.44 7	0.25 8	0.48 23	0.36 54	1.15 89	1.36 257	1.13 126	1.03 97	0.56 40	0.74 133	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

x	0.59 81	0.34 161	0.79 92	0.51 57	0.32 97	0.69 131	0.46 137	1.64 184	0.97 100	0.86 71	0.86 55	0.83 111	0.74 133	0.75 38	0.70 178	0.21 119	0.22 230	0.22 119	0.20 127	0.21 121	0.24 141

sAnonymous2	0.59 81	0.61 300	1.82 295	0.61 182	0.52 237	0.51 43	0.54 187	0.97 26	0.70 26	0.50 19	0.68 24	0.46 15	0.63 110	0.61 14	0.41 49	0.22 148	0.17 160	0.23 145	0.21 163	0.85 364	0.56 330

CroCo_RVC	0.59 81	0.61 300	1.82 295	0.61 182	0.52 237	0.51 43	0.54 187	0.97 26	0.70 26	0.50 19	0.68 24	0.46 15	0.63 110	0.61 14	0.41 49	0.22 148	0.17 160	0.23 145	0.21 163	0.85 364	0.56 330

MIM_Stereo	0.60 87	0.26 19	1.02 182	0.49 34	0.32 97	0.52 47	0.28 17	1.41 142	0.82 53	1.02 97	1.16 150	0.93 143	0.53 61	1.48 158	0.63 158	0.17 18	0.17 160	0.20 70	0.19 101	0.17 20	0.18 32

MIPNet	0.60 87	0.31 104	1.07 195	0.51 57	0.34 122	0.68 123	0.40 78	1.67 188	1.14 167	1.11 115	0.93 66	0.60 48	0.78 148	0.77 40	0.58 142	0.18 40	0.14 58	0.19 47	0.16 54	0.18 34	0.21 87

AFF-stereo	0.60 87	0.28 43	0.72 57	0.48 29	0.29 51	0.34 4	0.37 60	1.22 109	1.20 189	1.21 174	1.59 279	1.10 197	0.70 129	1.01 83	0.44 61	0.14 1	0.12 5	0.19 47	0.20 127	0.18 34	0.15 3

R-Stereo Train	0.60 87	0.30 79	0.72 57	0.57 140	0.37 144	0.68 123	0.52 172	1.45 147	0.78 42	1.61 307	1.50 252	0.76 82	0.53 61	0.67 27	0.51 102	0.19 64	0.16 138	0.18 33	0.15 30	0.18 34	0.19 51

RAFT-Stereo	0.60 87	0.30 79	0.72 57	0.57 140	0.37 144	0.68 123	0.52 172	1.45 147	0.78 42	1.61 307	1.50 252	0.76 82	0.53 61	0.67 27	0.51 102	0.19 64	0.16 138	0.18 33	0.15 30	0.18 34	0.19 51
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
riskmin	0.62 92	0.29 61	0.73 67	0.50 46	0.34 122	0.86 191	0.44 123	1.74 207	1.07 134	0.76 51	0.76 36	1.19 213	1.01 241	0.84 55	0.60 150	0.20 98	0.16 138	0.24 166	0.16 54	0.24 186	0.29 216

qqq	0.62 92	0.36 187	0.88 139	0.50 46	0.28 40	0.64 105	0.62 226	1.58 172	0.91 71	0.83 62	0.96 71	0.95 151	0.79 153	0.99 79	0.67 170	0.21 119	0.23 252	0.24 166	0.23 212	0.23 157	0.25 160

ADStereo(finetuned)	0.62 92	0.26 19	1.59 283	0.45 8	0.25 8	0.49 28	0.36 54	1.18 95	1.35 251	1.16 145	1.04 101	0.60 48	1.18 286	0.85 58	0.57 137	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.24 141

dd	0.62 92	0.51 273	1.17 226	0.56 122	0.33 110	0.74 144	0.46 137	1.03 43	1.40 275	0.80 55	0.87 57	0.60 48	0.57 77	1.02 85	0.86 210	0.28 251	0.18 183	0.26 223	0.19 101	0.35 266	0.27 193

IPLGR	0.62 92	0.28 43	1.32 252	0.50 46	0.29 51	0.65 109	0.34 40	1.47 152	1.19 185	1.21 174	1.07 108	0.70 72	0.65 115	1.05 90	0.55 127	0.18 40	0.15 112	0.20 70	0.17 70	0.21 121	0.20 70

PFNet+	0.62 92	0.31 104	0.99 174	0.57 140	0.31 77	0.57 69	0.30 23	0.99 35	1.25 211	1.33 226	1.10 119	0.79 89	0.57 77	1.35 132	0.53 117	0.26 223	0.17 160	0.28 244	0.26 243	0.21 121	0.27 193

NRIStereo	0.62 92	0.31 104	0.78 88	0.56 122	0.28 40	0.63 97	0.33 33	1.16 92	0.92 76	1.15 141	0.87 57	0.90 133	0.58 92	2.24 258	0.56 134	0.22 148	0.14 58	0.21 92	0.19 101	0.22 140	0.18 32

RALAANet	0.62 92	0.37 203	0.97 170	0.66 229	0.50 225	0.67 120	0.31 25	1.27 121	1.09 144	1.11 115	1.17 152	0.88 126	0.46 35	1.27 125	0.45 72	0.20 98	0.15 112	0.21 92	0.18 84	0.27 207	0.19 51

FENet	0.62 92	0.30 79	0.68 49	0.57 140	0.33 110	0.82 174	0.40 78	1.41 142	1.12 156	1.03 101	0.87 57	0.98 159	0.84 169	1.00 81	0.70 178	0.23 168	0.16 138	0.23 145	0.20 127	0.22 140	0.24 141

RAFT+CT+SA	0.63 101	0.30 79	0.73 67	0.69 261	0.37 144	0.40 9	0.55 194	1.93 253	1.04 129	0.72 46	1.23 169	0.62 52	0.69 127	1.69 194	0.42 54	0.19 64	0.13 17	0.22 119	0.22 185	0.21 121	0.19 51

GANet-ADL	0.63 101	0.38 220	0.82 107	0.67 242	0.41 180	0.68 123	0.51 164	1.64 184	1.16 176	0.98 85	1.10 119	0.90 133	0.58 92	0.81 47	0.63 158	0.27 240	0.18 183	0.18 33	0.16 54	0.23 157	0.27 193

AnonymousM	0.63 101	1.14 362	0.43 5	0.46 14	0.32 97	0.43 13	0.46 137	1.27 121	0.78 42	1.00 90	0.66 21	0.68 65	0.45 28	0.61 14	0.46 76	0.21 119	0.16 138	1.84 385	0.98 382	0.15 4	0.15 3

HHNet	0.64 104	0.28 43	0.69 53	0.45 8	0.46 207	0.50 38	0.57 203	1.13 76	1.03 123	1.26 197	2.21 342	0.70 72	0.59 95	1.10 104	0.51 102	0.21 119	0.13 17	0.23 145	0.19 101	0.20 86	0.31 237

Pruner-Stereo	0.64 104	0.31 104	0.79 92	0.66 229	0.31 77	0.61 87	0.42 90	1.22 109	1.09 144	1.53 291	1.09 117	0.94 148	0.55 70	1.37 136	0.56 134	0.25 206	0.14 58	0.24 166	0.21 163	0.21 121	0.25 160

Anonymous3	0.64 104	0.47 258	1.31 250	0.59 162	0.50 225	0.93 210	0.69 244	1.11 70	0.83 56	0.74 48	0.89 62	0.65 59	0.68 124	1.08 98	0.54 126	0.40 316	0.31 307	0.26 223	0.26 243	0.31 247	0.30 229

DIP-Stereo	0.64 104	0.32 118	0.91 150	0.49 34	0.36 139	0.91 200	0.33 33	2.51 353	0.77 41	1.25 187	1.00 86	0.68 65	0.51 55	0.92 69	0.65 165	0.19 64	0.15 112	0.21 92	0.17 70	0.19 59	0.22 108
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
tt1	0.65 108	0.34 161	0.65 42	0.60 169	0.27 19	1.14 250	0.48 150	1.08 55	2.62 368	0.59 31	0.79 43	0.49 28	0.80 159	1.57 170	0.35 6	0.21 119	0.13 17	0.25 202	0.16 54	0.20 86	0.23 122

TestStereo	0.65 108	0.42 240	0.83 115	0.52 69	0.27 19	0.57 69	0.44 123	1.07 50	0.92 76	0.85 67	1.01 88	0.68 65	0.56 75	3.22 300	0.47 84	0.23 168	0.15 112	0.24 166	0.18 84	0.28 222	0.18 32

CAS	0.66 110	0.19 1	0.41 4	2.31 386	0.86 341	0.56 67	0.53 178	0.83 10	0.63 17	0.49 16	0.70 31	0.36 2	0.26 1	0.47 2	0.37 25	2.33 388	0.10 1	0.14 1	0.10 1	0.17 20	1.31 378

TestStereo1	0.66 110	0.29 61	0.95 162	0.82 318	0.32 97	0.47 18	0.43 106	1.52 157	1.22 201	0.99 86	1.32 199	0.65 59	0.76 139	1.78 203	0.44 61	0.20 98	0.16 138	0.22 119	0.19 101	0.21 121	0.20 70

RAFT_CTSACE	0.66 110	0.29 61	1.14 210	0.57 140	0.51 234	0.68 123	0.44 123	0.88 18	0.98 103	1.03 101	1.83 313	1.23 224	0.67 121	1.48 158	0.38 28	0.16 7	0.16 138	0.21 92	0.20 127	0.20 86	0.17 23

SA-5K	0.66 110	0.29 61	0.95 162	0.82 318	0.32 97	0.47 18	0.43 106	1.52 157	1.22 201	0.99 86	1.32 199	0.65 59	0.76 139	1.78 203	0.44 61	0.20 98	0.16 138	0.22 119	0.19 101	0.21 121	0.20 70

ACRE	0.66 110	0.37 203	1.27 245	0.60 169	0.50 225	0.74 144	0.47 146	1.26 117	1.10 147	1.40 256	1.56 270	0.62 52	0.46 35	0.88 62	0.78 193	0.24 186	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

ICVP	0.66 110	0.35 183	0.71 56	0.63 200	0.41 180	0.85 190	0.56 200	1.78 213	0.96 96	0.92 77	1.24 173	0.88 126	0.75 138	0.76 39	0.93 228	0.31 272	0.22 230	0.22 119	0.21 163	0.24 186	0.28 204
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
111	0.66 110	0.27 35	1.15 212	0.46 14	0.25 8	0.72 139	0.42 90	1.57 170	1.44 289	0.83 62	1.39 222	1.10 197	0.80 159	0.97 78	0.65 165	0.20 98	0.14 58	0.18 33	0.15 30	0.18 34	0.28 204

ACVNet	0.66 110	0.33 134	0.74 72	0.55 110	0.37 144	0.80 166	0.47 146	1.46 149	1.11 151	1.01 93	1.31 195	1.07 185	0.91 201	0.82 49	1.09 251	0.22 148	0.19 197	0.21 92	0.18 84	0.23 157	0.19 51

MyStereo06	0.67 118	0.29 61	1.06 191	0.58 150	0.48 215	0.62 89	0.72 252	2.26 318	0.89 66	1.07 110	1.12 129	1.22 220	0.56 75	0.83 52	0.47 84	0.17 18	0.17 160	0.24 166	0.21 163	0.23 157	0.23 122

StereoVision	0.67 118	0.37 203	1.02 182	0.60 169	0.41 180	0.50 38	0.41 86	1.32 129	0.96 96	0.73 47	2.48 356	0.82 103	0.57 77	1.06 94	0.50 100	0.26 223	0.28 290	0.29 252	0.28 266	0.37 275	0.22 108

CASS	0.67 118	0.36 187	0.84 124	0.57 140	0.28 40	0.82 174	0.43 106	1.62 183	0.92 76	1.39 250	1.28 189	0.87 120	0.84 169	0.88 62	0.59 148	0.36 304	0.19 197	0.26 223	0.22 185	0.29 232	0.43 298
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CIPLG	0.67 118	0.37 203	1.17 226	0.60 169	0.51 234	0.75 146	0.48 150	1.26 117	1.11 151	1.43 266	1.58 275	0.64 58	0.48 43	0.94 70	0.78 193	0.24 186	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

IPLGR_C	0.67 118	0.38 220	1.20 232	0.60 169	0.50 225	0.75 146	0.48 150	1.28 125	1.13 161	1.42 262	1.57 274	0.62 52	0.48 43	0.85 58	0.80 202	0.24 186	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

GwcNet-ADL	0.67 118	0.33 134	0.90 147	0.58 150	0.41 180	0.60 83	0.59 214	1.55 165	1.28 225	1.11 115	1.13 139	0.90 133	0.59 95	1.11 107	0.91 221	0.28 251	0.18 183	0.18 33	0.18 84	0.25 195	0.33 251

TRStereo	0.67 118	0.71 325	1.06 191	0.77 306	0.68 298	0.53 51	0.38 67	2.52 354	0.96 96	0.81 59	0.84 52	0.87 120	0.39 15	1.16 113	0.46 76	0.24 186	0.17 160	0.23 145	0.24 224	0.18 34	0.20 70

RAFT	0.67 118	0.32 118	0.83 115	0.63 200	0.34 122	0.69 131	0.57 203	1.14 78	0.84 58	1.12 123	1.20 158	1.75 317	0.92 209	1.09 102	0.60 150	0.22 148	0.19 197	0.27 232	0.24 224	0.22 140	0.23 122

DN-CSS_ROB	0.67 118	0.36 187	1.36 257	0.59 162	0.41 180	0.54 60	0.45 131	1.30 127	0.95 92	1.05 105	1.47 242	0.69 69	0.64 112	1.80 210	0.60 150	0.19 64	0.15 112	0.25 202	0.23 212	0.22 140	0.23 122

cc1	0.68 127	0.34 161	0.63 32	0.60 169	0.27 19	1.16 256	0.51 164	1.07 50	3.23 380	0.60 34	0.80 46	0.47 20	0.87 187	1.48 158	0.35 6	0.21 119	0.13 17	0.25 202	0.15 30	0.19 59	0.23 122

mmm	0.68 127	0.37 203	0.91 150	0.54 100	0.34 122	0.86 191	0.58 210	1.72 205	1.02 120	1.13 126	1.41 230	0.83 111	0.78 148	0.95 76	0.67 170	0.22 148	0.20 207	0.29 252	0.26 243	0.27 207	0.27 193

PCWNet_CMD	0.68 127	0.34 161	0.93 153	0.51 57	0.38 154	0.80 166	0.42 90	1.51 155	1.34 248	1.17 147	1.31 195	1.23 224	0.65 115	0.94 70	0.62 156	0.21 119	0.17 160	0.27 232	0.19 101	0.43 299	0.28 204

HH	0.68 127	0.33 134	0.83 115	0.53 89	0.34 122	0.92 207	0.45 131	1.79 216	0.74 36	0.71 43	1.13 139	1.60 294	0.83 167	1.95 229	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

HanStereo	0.68 127	0.33 134	0.83 115	0.53 89	0.34 122	0.92 207	0.45 131	1.79 216	0.74 36	0.71 43	1.13 139	1.60 294	0.83 167	1.95 229	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

DisPM	0.68 127	0.30 79	0.85 130	0.66 229	0.35 137	0.60 83	0.44 123	1.10 68	1.10 147	1.56 298	1.10 119	0.80 91	0.58 92	2.37 270	0.46 76	0.25 206	0.14 58	0.23 145	0.21 163	0.20 86	0.26 177

CFNet_pseudo	0.68 127	0.34 161	0.93 153	0.50 46	0.39 161	0.72 139	0.42 90	1.44 145	1.25 211	1.17 147	1.35 211	1.22 220	0.66 119	1.04 87	0.64 161	0.21 119	0.17 160	0.33 285	0.19 101	0.39 285	0.28 204

MSMDNet	0.68 127	0.34 161	0.93 153	0.52 69	0.38 154	0.80 166	0.42 90	1.52 157	1.35 251	1.17 147	1.31 195	1.23 224	0.65 115	0.94 70	0.62 156	0.21 119	0.17 160	0.26 223	0.19 101	0.41 293	0.28 204

ccs_rob	0.68 127	0.34 161	0.93 153	0.50 46	0.39 161	0.72 139	0.42 90	1.43 144	1.25 211	1.17 147	1.34 206	1.22 220	0.66 119	1.04 87	0.64 161	0.21 119	0.17 160	0.35 299	0.20 127	0.40 289	0.29 216

whm_eth	0.69 136	0.51 273	1.32 252	0.56 122	0.64 284	0.67 120	0.45 131	1.59 177	1.33 246	1.02 97	1.92 326	0.48 24	0.48 43	0.71 30	0.53 117	0.24 186	0.20 207	0.25 202	0.24 224	0.25 195	0.35 266

SA	0.69 136	0.31 104	0.97 170	0.64 210	0.30 63	0.56 67	0.38 67	1.84 229	1.35 251	0.99 86	1.37 216	0.69 69	0.94 212	1.88 222	0.43 57	0.20 98	0.16 138	0.25 202	0.23 212	0.22 140	0.19 51

MyStereo05	0.70 138	0.29 61	1.22 236	0.58 150	0.48 215	0.62 89	0.72 252	1.52 157	1.54 312	1.17 147	0.91 64	0.77 86	0.79 153	1.45 152	0.68 174	0.17 18	0.17 160	0.24 166	0.21 163	0.23 157	0.23 122

xx1	0.70 138	0.34 161	0.63 32	0.60 169	0.27 19	1.16 256	0.51 164	1.07 50	3.23 380	0.60 34	0.80 46	0.95 151	0.79 153	1.48 158	0.35 6	0.21 119	0.13 17	0.24 166	0.23 212	0.23 157	0.25 160

GMStereo_Zeroshot	0.70 138	0.64 309	1.11 203	0.65 216	0.38 154	0.84 187	0.37 60	1.09 62	1.16 176	1.14 139	1.07 108	1.26 235	0.55 70	1.23 121	0.65 165	0.34 289	0.17 160	0.31 265	0.18 84	0.57 339	0.23 122

test_5	0.70 138	0.32 118	0.99 174	0.69 261	0.50 225	0.89 196	0.51 164	1.88 242	1.14 167	0.78 52	1.13 139	1.04 178	0.89 196	1.59 176	0.46 76	0.19 64	0.14 58	0.23 145	0.22 185	0.22 140	0.20 70

GES	0.70 138	0.37 203	1.05 188	0.62 190	0.38 154	0.94 212	0.57 203	2.37 333	0.92 76	1.05 105	1.12 129	0.67 63	0.77 143	1.02 85	0.65 165	0.28 251	0.20 207	0.20 70	0.20 127	0.22 140	0.31 237

MyStereo04	0.71 143	0.30 79	1.28 246	0.58 150	0.48 215	0.59 79	0.78 263	1.74 207	1.49 305	0.94 81	0.91 64	0.74 80	0.86 181	1.59 176	0.69 175	0.18 40	0.18 183	0.24 166	0.21 163	0.23 157	0.23 122

raft_robust	0.71 143	0.32 118	0.75 77	0.54 100	0.28 40	0.54 60	0.35 48	1.54 163	1.24 205	1.18 158	1.07 108	0.73 79	0.53 61	3.65 309	0.40 44	0.19 64	0.16 138	0.20 70	0.22 185	0.21 121	0.19 51

iRaft-Stereo_20w	0.71 143	0.33 134	1.25 242	0.50 46	0.36 139	0.82 174	0.31 25	3.16 377	0.89 66	1.24 184	1.14 144	0.79 89	0.65 115	1.15 111	0.43 57	0.18 40	0.13 17	0.18 33	0.17 70	0.20 86	0.23 122

DMCA	0.71 143	0.36 187	1.17 226	0.53 89	0.45 200	0.84 187	0.46 137	1.52 157	1.09 144	1.20 169	1.12 129	1.21 216	0.74 133	0.87 60	1.09 251	0.25 206	0.20 207	0.27 232	0.19 101	0.24 186	0.29 216

HITNet	0.71 143	0.42 240	1.07 195	0.52 69	0.25 8	1.05 235	0.48 150	2.12 289	1.08 137	1.21 174	1.23 169	0.91 136	0.84 169	0.90 67	0.91 221	0.17 18	0.12 5	0.21 92	0.17 70	0.29 232	0.18 32
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
IPLG	0.72 148	0.29 61	1.12 206	0.53 89	0.44 197	0.79 165	0.33 33	1.35 131	1.10 147	1.32 221	1.11 126	0.52 35	0.54 68	3.13 296	0.71 181	0.17 18	0.14 58	0.20 70	0.17 70	0.18 34	0.21 87

HCRNet	0.72 148	0.40 229	0.86 135	0.61 182	0.57 260	0.75 146	0.35 48	1.39 137	1.21 195	1.11 115	0.99 82	1.01 172	0.76 139	2.18 254	0.73 182	0.28 251	0.19 197	0.28 244	0.23 212	0.25 195	0.26 177

UCFNet_RVC	0.72 148	0.37 203	0.59 22	0.66 229	0.41 180	0.89 196	0.68 240	1.78 213	1.15 171	1.01 93	1.20 158	1.22 220	0.95 217	1.07 96	0.66 169	0.28 251	0.21 220	0.34 293	0.31 296	0.33 260	0.29 216

CFNet_ucs	0.73 151	0.34 161	0.94 159	0.53 89	0.44 197	0.76 151	0.46 137	1.73 206	1.34 248	1.24 184	1.54 262	1.08 195	0.64 112	1.05 90	0.64 161	0.26 223	0.20 207	0.37 311	0.22 185	0.42 297	0.30 229

ToySt	0.73 151	0.35 183	1.64 285	0.54 100	0.37 144	0.92 207	0.81 275	1.21 107	1.03 123	0.86 71	1.12 129	1.31 247	1.01 241	1.04 87	0.88 214	0.19 64	0.20 207	0.24 166	0.24 224	0.27 207	0.28 204

LCNet	0.73 151	0.30 79	0.58 18	0.58 150	0.31 77	0.68 123	0.53 178	1.09 62	0.94 88	1.19 163	1.34 206	0.96 155	1.32 304	2.50 273	0.46 76	0.19 64	0.13 17	0.21 92	0.25 232	0.28 222	0.69 353

IER	0.74 154	0.33 134	1.25 242	0.50 46	0.53 242	1.32 278	0.55 194	1.31 128	1.08 137	1.30 213	1.34 206	1.11 202	1.10 268	1.05 90	0.81 204	0.20 98	0.17 160	0.21 92	0.21 163	0.20 86	0.21 87

SFCPSM	0.74 154	0.30 79	1.06 191	0.52 69	0.39 161	1.36 286	0.64 232	2.42 338	1.11 151	1.18 158	1.21 163	0.81 97	0.78 148	1.08 98	0.57 137	0.22 148	0.17 160	0.22 119	0.24 224	0.23 157	0.21 87

AdaStereo	0.74 154	0.48 261	0.86 135	0.75 298	0.38 154	0.94 212	0.56 200	2.05 279	1.24 205	1.15 141	1.22 165	1.07 185	0.67 121	1.05 90	0.73 182	0.33 282	0.16 138	0.32 277	0.22 185	0.29 232	0.23 122
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
BSDual-CNN	0.75 157	0.34 161	0.77 82	0.55 110	0.45 200	1.25 273	0.66 236	2.65 361	1.04 129	1.25 187	1.12 129	1.11 202	0.77 143	0.94 70	0.76 190	0.25 206	0.18 183	0.25 202	0.22 185	0.23 157	0.24 141

psmg	0.75 157	0.34 161	0.77 82	0.52 69	0.45 200	1.46 299	0.73 255	2.15 298	1.04 129	1.25 187	1.33 203	1.11 202	0.77 143	0.94 70	0.76 190	0.25 206	0.20 207	0.25 202	0.26 243	0.23 157	0.24 141

UDGNet	0.75 157	1.23 368	0.99 174	0.82 318	0.42 187	0.76 151	0.38 67	0.98 30	1.37 262	0.83 62	0.88 60	0.70 72	0.60 99	1.25 122	0.57 137	0.57 357	0.19 197	1.03 377	0.26 243	0.79 363	0.35 266

PSMNet-ADL	0.75 157	0.36 187	0.69 53	0.71 273	0.47 213	1.13 247	0.46 137	1.47 152	1.07 134	0.85 67	1.18 154	1.31 247	0.94 212	1.56 168	1.06 249	0.34 289	0.22 230	0.22 119	0.23 212	0.27 207	0.36 269

GMM-Stereo	0.75 157	0.27 35	0.66 44	0.56 122	0.34 122	0.71 136	0.97 307	1.09 62	0.91 71	1.37 243	1.79 306	1.11 202	0.79 153	2.08 246	0.48 88	0.19 64	0.12 5	0.25 202	0.25 232	0.21 121	0.78 360

qqq1	0.76 162	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 106	2.16 300	1.45 294	1.27 202	1.50 252	0.98 159	0.96 219	1.87 216	0.48 88	0.24 186	0.22 230	0.18 33	0.15 30	0.19 59	0.22 108

fff1	0.76 162	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 106	2.16 300	1.45 294	1.27 202	1.50 252	0.98 159	0.96 219	1.87 216	0.48 88	0.24 186	0.22 230	0.18 33	0.15 30	0.19 59	0.22 108

Sa-1000	0.76 162	0.30 79	0.92 152	0.62 190	0.31 77	0.78 161	0.37 60	2.00 267	1.38 264	1.30 213	2.04 333	0.86 119	0.74 133	1.87 216	0.40 44	0.19 64	0.14 58	0.25 202	0.24 224	0.21 121	0.19 51

Prome-Stereo	0.76 162	0.29 61	0.57 17	0.58 150	0.33 110	0.58 78	0.94 302	0.98 30	0.92 76	1.46 277	2.45 354	0.91 136	1.38 310	1.60 181	0.44 61	0.19 64	0.13 17	0.19 47	0.18 84	0.20 86	0.87 366

EAI-Stereo	0.76 162	0.31 104	0.74 72	0.55 110	0.28 40	0.70 134	1.72 364	2.57 357	0.90 70	0.75 50	3.03 365	0.57 42	0.43 22	1.10 104	0.49 97	0.19 64	0.14 58	0.17 13	0.18 84	0.17 20	0.21 87

KYRaft	0.77 167	0.29 61	0.68 49	0.59 162	0.29 51	0.66 115	0.83 280	1.05 48	0.89 66	1.63 311	2.22 343	1.15 210	0.99 232	1.59 176	0.41 49	0.21 119	0.14 58	0.22 119	0.28 266	0.21 121	1.01 369

MLCV	0.77 167	0.39 224	1.31 250	0.55 110	0.25 8	0.91 200	0.39 76	1.48 154	1.28 225	1.49 285	1.54 262	1.02 174	0.68 124	2.12 250	0.93 228	0.19 64	0.13 17	0.19 47	0.14 22	0.19 59	0.22 108

CoDeX	0.78 169	0.31 104	1.04 186	0.56 122	0.37 144	1.13 247	0.60 222	2.77 368	1.29 233	1.17 147	1.26 177	0.91 136	0.87 187	1.42 147	0.74 184	0.21 119	0.16 138	0.21 92	0.18 84	0.21 121	0.21 87

anonymousa	0.78 169	0.30 79	0.85 130	0.51 57	0.96 354	1.41 294	0.47 146	1.61 180	0.94 88	1.33 226	1.77 304	1.66 302	1.11 270	0.72 32	0.63 158	0.19 64	0.18 183	0.23 145	0.25 232	0.20 86	0.22 108

BUS	0.78 169	0.34 161	0.77 82	0.55 110	0.45 200	2.30 357	0.42 90	2.65 361	1.04 129	1.25 187	1.12 129	1.02 174	0.70 129	0.94 70	0.75 187	0.25 206	0.18 183	0.25 202	0.22 185	0.23 157	0.24 141

acv_ft	0.78 169	0.33 134	1.10 201	0.73 285	0.86 341	1.23 271	0.57 203	1.65 187	1.11 151	1.31 219	1.31 195	1.07 185	0.91 201	0.82 49	1.35 283	0.22 148	0.19 197	0.21 92	0.18 84	0.22 140	0.19 51

GANet-RSSM	0.78 169	0.31 104	0.90 147	0.67 242	0.58 262	0.80 166	0.62 226	2.04 275	1.15 171	1.11 115	1.27 184	1.26 235	1.18 286	1.68 190	0.74 184	0.26 223	0.21 220	0.22 119	0.22 185	0.23 157	0.23 122

PSMNet-RSSM	0.78 169	0.32 118	0.89 142	0.65 216	0.43 190	0.73 142	0.58 210	2.14 294	1.19 185	1.18 158	1.38 220	1.31 247	1.07 262	1.43 149	0.82 205	0.28 251	0.21 220	0.27 232	0.29 281	0.25 195	0.26 177

CFNet-ft	0.78 169	0.36 187	0.74 72	0.67 242	0.56 256	0.86 191	0.54 187	1.46 149	1.17 180	1.01 93	1.28 189	1.68 306	1.03 248	1.57 170	0.95 235	0.27 240	0.21 220	0.33 285	0.26 243	0.31 247	0.26 177

CFNet_RVC	0.78 169	0.36 187	0.74 72	0.67 242	0.56 256	0.86 191	0.54 187	1.46 149	1.17 180	1.01 93	1.28 189	1.68 306	1.03 248	1.57 170	0.95 235	0.27 240	0.21 220	0.33 285	0.26 243	0.31 247	0.26 177

SMFormer	0.79 177	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 106	2.16 300	1.45 294	1.27 202	1.50 252	0.98 159	0.96 219	1.87 216	0.99 240	0.24 186	0.22 230	0.22 119	0.21 163	0.23 157	0.27 193

tta	0.79 177	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 106	2.16 300	1.45 294	1.27 202	1.50 252	0.98 159	0.96 219	1.87 216	0.99 240	0.24 186	0.22 230	0.22 119	0.21 163	0.19 59	0.22 108

ffm	0.79 177	0.36 187	1.51 270	0.56 122	0.40 170	0.76 151	0.59 214	1.08 55	2.62 368	1.19 163	1.49 245	1.07 185	0.85 174	1.57 170	0.35 6	0.21 119	0.13 17	0.31 265	0.28 266	0.20 86	0.23 122

cf-r	0.79 177	0.32 118	1.06 191	0.57 140	0.64 284	0.78 161	0.51 164	2.04 275	1.22 201	1.20 169	1.27 184	1.53 285	0.91 201	1.47 156	0.94 233	0.25 206	0.19 197	0.22 119	0.23 212	0.19 59	0.21 87

DeepPruner_ROB	0.79 177	0.55 285	1.14 210	0.61 182	0.46 207	0.78 161	0.54 187	1.83 228	1.00 114	1.42 262	1.27 184	1.23 224	0.77 143	1.56 168	0.89 216	0.35 297	0.28 290	0.27 232	0.26 243	0.32 255	0.34 258

gwcnet-sp	0.80 182	0.37 203	1.94 303	0.62 190	0.45 200	1.38 287	0.53 178	1.68 189	1.20 189	1.37 243	1.08 114	0.93 143	0.82 164	1.45 152	0.79 197	0.22 148	0.22 230	0.22 119	0.21 163	0.23 157	0.25 160

scenet	0.80 182	0.37 203	1.94 303	0.62 190	0.45 200	1.38 287	0.53 178	1.68 189	1.20 189	1.37 243	1.08 114	0.93 143	0.82 164	1.45 152	0.79 197	0.22 148	0.22 230	0.22 119	0.21 163	0.23 157	0.25 160

ssnet	0.80 182	0.37 203	1.94 303	0.62 190	0.45 200	1.38 287	0.53 178	1.68 189	1.20 189	1.37 243	1.08 114	0.93 143	0.82 164	1.45 152	0.79 197	0.22 148	0.22 230	0.22 119	0.21 163	0.23 157	0.25 160

AASNet	0.80 182	0.39 224	1.16 225	0.84 326	0.80 329	1.14 250	0.59 214	2.12 289	1.21 195	1.26 197	1.26 177	0.93 143	0.77 143	0.84 55	1.23 269	0.28 251	0.24 260	0.24 166	0.20 127	0.28 222	0.27 193

PSM-softLoss	0.80 182	0.33 134	0.89 142	0.63 200	0.32 97	0.55 64	0.40 78	1.26 117	0.78 42	1.25 187	1.07 108	0.83 111	0.51 55	5.33 339	0.61 153	0.25 206	0.15 112	0.25 202	0.22 185	0.20 86	0.26 177

KMStereo	0.80 182	0.33 134	0.89 142	0.63 200	0.32 97	0.55 64	0.40 78	1.26 117	0.78 42	1.25 187	1.07 108	0.83 111	0.51 55	5.33 339	0.61 153	0.25 206	0.15 112	0.25 202	0.22 185	0.20 86	0.26 177

PSM-AAD	0.80 182	0.29 61	0.58 18	0.58 150	0.29 51	0.76 151	1.19 333	1.08 55	0.94 88	1.65 313	1.58 275	0.81 97	2.12 364	1.67 188	0.44 61	0.19 64	0.14 58	0.38 315	0.32 301	0.22 140	0.68 351

iResNet	0.80 182	0.45 250	1.47 266	0.72 278	0.31 77	0.96 223	0.64 232	1.80 220	1.28 225	1.31 219	1.48 244	0.94 148	0.78 148	1.77 201	0.99 240	0.19 64	0.14 58	0.18 33	0.15 30	0.22 140	0.27 193

NINENet	0.81 190	0.40 229	0.89 142	0.65 216	0.53 242	2.30 357	0.42 90	2.12 289	1.13 161	1.20 169	1.27 184	1.02 174	0.70 129	1.26 123	0.75 187	0.29 263	0.24 260	0.31 265	0.21 163	0.27 207	0.26 177

DRaft	0.81 190	0.26 19	0.77 82	0.47 24	0.31 77	0.95 218	0.52 172	1.13 76	0.99 110	1.78 326	2.01 332	0.80 91	1.71 340	2.64 280	0.74 184	0.19 64	0.14 58	0.20 70	0.20 127	0.18 34	0.24 141

hknet	0.82 192	0.34 161	1.15 212	0.55 110	0.39 161	1.25 273	0.66 236	2.65 361	1.10 147	1.25 187	1.12 129	1.58 293	0.85 174	1.41 142	0.79 197	0.23 168	0.18 183	0.25 202	0.22 185	0.23 157	0.24 141

NF-Stereo	0.82 192	0.33 134	0.83 115	0.65 216	0.31 77	0.63 97	0.43 106	1.35 131	0.93 83	1.30 213	1.02 90	0.81 97	0.57 77	5.37 343	0.55 127	0.26 223	0.14 58	0.24 166	0.20 127	0.20 86	0.30 229

OCTAStereo	0.82 192	0.33 134	0.83 115	0.65 216	0.31 77	0.62 89	0.44 123	1.35 131	0.93 83	1.30 213	1.02 90	0.81 97	0.57 77	5.32 338	0.55 127	0.26 223	0.14 58	0.24 166	0.20 127	0.20 86	0.30 229

RE-Stereo	0.82 192	0.33 134	0.84 124	0.65 216	0.31 77	0.63 97	0.44 123	1.35 131	0.93 83	1.30 213	1.02 90	0.80 91	0.57 77	5.34 341	0.55 127	0.26 223	0.14 58	0.24 166	0.20 127	0.20 86	0.31 237

TVStereo	0.82 192	0.33 134	0.84 124	0.65 216	0.31 77	0.63 97	0.44 123	1.35 131	0.93 83	1.30 213	1.02 90	0.80 91	0.57 77	5.34 341	0.55 127	0.26 223	0.14 58	0.24 166	0.20 127	0.20 86	0.31 237

ARAFT	0.82 192	0.40 229	1.77 291	0.53 89	0.31 77	0.89 196	0.81 275	2.32 326	1.08 137	1.66 314	1.25 175	1.04 178	0.64 112	1.91 223	0.52 108	0.20 98	0.15 112	0.28 244	0.27 257	0.17 20	0.18 32

STTStereo	0.82 192	0.53 279	1.53 278	0.68 251	0.56 256	0.88 195	0.56 200	1.57 170	1.14 167	1.39 250	1.10 119	1.26 235	0.84 169	1.49 164	0.90 219	0.29 263	0.28 290	0.33 285	0.40 330	0.33 260	0.37 272

BEATNet_4x	0.82 192	0.54 282	2.02 310	0.56 122	0.28 40	1.04 232	0.55 194	2.14 294	1.13 161	1.24 184	1.26 177	1.00 168	0.94 212	1.13 109	1.23 269	0.21 119	0.14 58	0.24 166	0.20 127	0.37 275	0.23 122

iResNet_ROB	0.82 192	0.36 187	1.13 207	0.60 169	0.37 144	0.91 200	0.38 67	2.41 337	1.61 323	1.35 237	1.35 211	1.25 229	0.97 226	1.75 199	0.88 214	0.21 119	0.14 58	0.17 13	0.12 9	0.19 59	0.30 229

GrayStereo	0.83 201	0.28 43	0.62 31	0.66 229	0.37 144	0.76 151	1.79 368	1.19 99	0.91 71	1.98 343	1.89 321	1.07 185	1.76 344	1.43 149	0.50 100	0.20 98	0.15 112	0.19 47	0.21 163	0.18 34	0.41 288

psm_up	0.83 201	0.37 203	0.88 139	0.68 251	0.59 268	1.05 235	0.92 297	1.68 189	1.17 180	1.41 258	1.22 165	1.30 245	1.31 302	1.39 139	0.89 216	0.27 240	0.30 302	0.31 265	0.27 257	0.28 222	0.28 204

GwcNet-RSSM	0.83 201	0.34 161	1.29 249	0.65 216	0.55 252	0.78 161	0.62 226	1.89 244	1.27 221	1.18 158	1.39 222	1.56 290	0.91 201	1.60 181	1.22 266	0.26 223	0.20 207	0.23 145	0.24 224	0.21 121	0.21 87

DMCA-RVC	0.83 201	0.46 253	2.19 322	0.68 251	0.49 221	0.84 187	0.48 150	1.44 145	1.07 134	1.56 298	1.04 101	1.29 243	0.86 181	1.49 164	0.92 225	0.27 240	0.22 230	0.35 299	0.28 266	0.32 255	0.28 204

RAFT_R40	0.84 205	0.30 79	0.83 115	0.63 200	0.31 77	0.66 115	0.43 106	1.15 89	0.99 110	1.47 278	1.10 119	1.00 168	0.84 169	5.44 344	0.53 117	0.23 168	0.13 17	0.23 145	0.20 127	0.23 157	0.19 51

UPFNet	0.84 205	0.34 161	1.09 198	0.62 190	0.74 312	1.25 273	0.78 263	1.69 198	1.20 189	1.39 250	1.13 139	1.30 245	0.87 187	1.73 197	1.22 266	0.24 186	0.26 278	0.24 166	0.23 212	0.26 205	0.20 70

hitnet-ft	0.84 205	0.38 220	0.75 77	0.59 162	0.44 197	0.99 226	0.47 146	1.61 180	1.38 264	1.21 174	1.22 165	1.82 320	0.99 232	1.87 216	1.09 251	0.33 282	0.29 298	0.34 293	0.27 257	0.36 270	0.33 251

NLCA_NET_v2_RVC	0.84 205	0.46 253	1.40 262	0.69 261	0.61 277	0.95 218	0.52 172	1.68 189	1.21 195	1.39 250	1.15 149	1.42 264	0.88 194	1.78 203	0.93 228	0.26 223	0.23 252	0.27 232	0.27 257	0.30 242	0.39 281
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.84 205	0.43 244	1.01 180	0.66 229	0.43 190	1.32 278	0.49 158	1.64 184	1.24 205	1.53 291	1.45 238	1.49 278	0.97 226	1.32 129	1.31 276	0.21 119	0.17 160	0.27 232	0.25 232	0.25 195	0.34 258
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DCRE	0.85 210	0.28 43	0.76 79	0.60 169	0.49 221	0.59 79	0.53 178	1.04 45	0.92 76	0.80 55	7.34 396	0.87 120	0.57 77	0.78 46	0.43 57	0.16 7	0.17 160	0.19 47	0.17 70	0.18 34	0.22 108

SST-Stereo	0.85 210	0.30 79	0.81 98	0.63 200	0.31 77	0.70 134	0.25 4	1.16 92	0.95 92	1.47 278	1.11 126	0.99 164	0.86 181	5.69 347	0.53 117	0.23 168	0.13 17	0.23 145	0.19 101	0.23 157	0.19 51

RAFT-345	0.86 212	0.26 19	0.73 67	0.53 89	0.28 40	0.53 51	0.41 86	0.85 14	1.31 242	1.33 226	2.32 347	0.85 118	0.53 61	5.69 347	0.48 88	0.19 64	0.14 58	0.22 119	0.17 70	0.17 20	0.17 23

UNet	0.86 212	0.36 187	1.52 275	0.62 190	0.74 312	1.56 308	0.49 158	1.55 165	1.12 156	1.28 207	1.10 119	1.52 284	1.10 268	1.69 194	1.14 256	0.24 186	0.18 183	0.25 202	0.21 163	0.25 195	0.25 160

ac_64	0.86 212	0.32 118	1.02 182	0.74 291	0.60 272	1.04 232	0.53 178	2.20 313	0.99 110	1.23 180	1.11 126	1.96 332	1.06 260	2.01 237	1.01 245	0.30 268	0.22 230	0.24 166	0.23 212	0.22 140	0.22 108

SepStereo	0.87 215	0.37 203	1.20 232	0.66 229	0.69 301	0.82 174	0.62 226	1.79 216	1.26 217	1.93 338	1.55 265	0.96 155	1.17 279	2.34 265	0.69 175	0.22 148	0.16 138	0.25 202	0.18 84	0.29 232	0.24 141

LMCR-Stereo	0.87 215	0.50 269	0.99 174	0.80 311	0.43 190	1.32 278	0.55 194	2.79 371	1.03 123	1.55 297	1.49 245	0.74 80	1.01 241	1.76 200	0.99 240	0.30 268	0.17 160	0.22 119	0.18 84	0.31 247	0.22 108

FADNet_RVC	0.88 217	0.56 288	2.15 319	0.57 140	0.43 190	1.17 263	0.46 137	1.68 189	1.12 156	0.91 76	1.24 173	0.91 136	0.94 212	2.22 256	1.20 261	0.28 251	0.22 230	0.32 277	0.28 266	0.46 315	0.42 294

iResNetv2_ROB	0.88 217	0.43 244	2.62 338	0.60 169	0.38 154	0.94 212	0.67 238	1.88 242	1.38 264	1.27 202	1.45 238	1.26 235	1.05 259	1.92 224	0.64 161	0.24 186	0.15 112	0.19 47	0.14 22	0.24 186	0.21 87

iRaft-Stereo_5w	0.89 219	0.31 104	1.04 186	0.56 122	0.47 213	0.47 18	0.68 240	1.19 99	1.08 137	0.80 55	1.35 211	1.46 273	0.90 199	5.11 335	1.16 258	0.18 40	0.15 112	0.22 119	0.19 101	0.21 121	0.24 141

DAS	0.89 219	0.37 203	1.20 232	0.66 229	0.69 301	0.82 174	0.62 226	1.79 216	1.26 217	1.93 338	1.55 265	0.96 155	1.17 279	2.72 285	0.69 175	0.22 148	0.16 138	0.25 202	0.18 84	0.29 232	0.24 141

SACVNet	0.89 219	0.51 273	1.08 197	0.83 322	0.58 262	0.83 180	0.78 263	1.84 229	1.17 180	1.39 250	1.33 203	1.25 229	1.01 241	2.31 264	0.92 225	0.35 297	0.26 278	0.31 265	0.29 281	0.35 266	0.48 309

ASMatch	0.89 219	0.29 61	0.72 57	0.56 122	0.36 139	0.47 18	0.37 60	1.16 92	0.95 92	1.11 115	3.26 368	0.95 151	0.96 219	4.88 332	0.53 117	0.20 98	0.16 138	0.22 119	0.19 101	0.20 86	0.30 229

ADLNet	0.89 219	0.39 224	1.09 198	0.88 334	0.73 308	1.24 272	0.75 257	2.02 269	1.41 278	1.58 302	1.37 216	1.26 235	1.00 238	1.31 126	1.18 259	0.28 251	0.21 220	0.26 223	0.26 243	0.29 232	0.36 269

MMNet	0.89 219	0.35 183	1.44 263	0.64 210	0.59 268	1.83 334	0.48 150	1.70 201	1.38 264	1.45 275	1.19 157	1.25 229	1.16 276	1.77 201	1.27 274	0.20 98	0.19 197	0.23 145	0.22 185	0.25 195	0.24 141

HGLStereo	0.89 219	0.42 240	1.15 212	0.82 318	1.03 358	1.16 256	0.57 203	1.68 189	1.28 225	1.26 197	1.62 281	1.13 206	1.31 302	1.85 212	1.11 255	0.25 206	0.24 260	0.24 166	0.22 185	0.24 186	0.29 216

CRFU-Net	0.90 226	0.42 240	1.10 201	0.69 261	0.59 268	1.76 326	0.84 282	2.33 331	0.92 76	1.45 275	1.20 158	1.62 296	1.25 293	1.38 137	0.94 233	0.28 251	0.23 252	0.22 119	0.19 101	0.24 186	0.27 193

dad	0.90 226	0.73 331	1.28 246	0.59 162	0.39 161	0.83 180	0.45 131	1.24 114	1.54 312	1.52 288	1.28 189	1.36 256	0.86 181	2.54 276	0.91 221	0.43 324	0.27 286	0.82 370	0.26 243	0.44 309	0.34 258

AACVNet	0.90 226	0.40 229	0.98 172	0.86 331	0.40 170	0.80 166	0.49 158	1.81 223	0.86 63	1.11 115	1.34 206	1.32 251	0.99 232	4.23 318	0.86 210	0.26 223	0.22 230	0.28 244	0.22 185	0.30 242	0.28 204

IRAFT_RVC	0.90 226	0.30 79	0.89 142	0.67 242	0.31 77	0.64 105	1.00 312	1.40 138	0.97 100	1.23 180	1.04 101	1.00 168	0.96 219	5.77 350	0.57 137	0.24 186	0.13 17	0.25 202	0.21 163	0.20 86	0.21 87

delet	0.90 226	0.34 161	1.15 212	0.69 261	0.66 293	1.63 315	0.81 275	1.95 257	1.49 305	1.42 262	1.38 220	1.29 243	0.91 201	1.78 203	1.18 259	0.22 148	0.22 230	0.24 166	0.25 232	0.22 140	0.24 141

pcwnet_v2	0.91 231	0.39 224	2.74 339	0.64 210	0.55 252	0.81 173	0.49 158	2.19 310	1.63 324	1.44 269	1.64 286	1.09 196	0.79 153	1.31 126	0.70 178	0.32 279	0.25 273	0.29 252	0.27 257	0.37 275	0.37 272

FADNet-RVC-Resample	0.91 231	0.51 273	2.92 342	0.64 210	0.46 207	1.07 240	0.60 222	1.76 210	1.24 205	1.10 114	0.98 81	1.06 182	0.98 229	2.17 253	0.95 235	0.24 186	0.22 230	0.30 261	0.32 301	0.36 270	0.40 285

HSM-Net_RVC	0.91 231	0.31 104	0.60 24	0.54 100	0.31 77	1.15 253	0.60 222	3.76 384	1.30 235	1.57 301	1.75 301	1.67 304	1.01 241	1.61 183	0.90 219	0.23 168	0.17 160	0.19 47	0.18 84	0.20 86	0.22 108
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ssnet_v2	0.92 234	0.39 224	1.22 236	0.66 229	0.39 161	1.31 277	0.96 306	2.32 326	1.45 294	1.48 283	1.17 152	1.53 285	0.91 201	1.16 113	1.71 322	0.31 272	0.27 286	0.30 261	0.29 281	0.28 222	0.29 216

ADLNet2	0.92 234	0.37 203	1.25 242	0.80 311	0.65 290	1.12 246	0.75 257	1.95 257	1.42 286	1.26 197	1.67 290	1.68 306	1.04 254	1.80 210	1.23 269	0.25 206	0.22 230	0.21 92	0.22 185	0.27 207	0.31 237

FTStereo	0.92 234	0.28 43	0.61 28	0.57 140	0.34 122	0.65 109	1.80 371	1.09 62	0.84 58	1.75 321	4.13 378	1.04 178	1.62 329	1.59 176	0.48 88	0.21 119	0.17 160	0.23 145	0.22 185	0.19 59	0.58 336

PFNet	0.92 234	0.28 43	1.20 232	0.68 251	0.32 97	0.62 89	0.55 194	1.27 121	1.01 117	1.47 278	1.09 117	0.97 158	0.68 124	6.58 367	0.59 148	0.21 119	0.13 17	0.24 166	0.19 101	0.20 86	0.20 70

DLCB_ROB	0.92 234	0.43 244	0.95 162	0.71 273	0.55 252	1.11 244	0.83 280	1.61 180	1.32 244	1.67 315	1.66 288	1.70 309	0.93 210	1.96 231	1.34 281	0.26 223	0.25 273	0.27 232	0.28 266	0.28 222	0.28 204

GEStereo_RVC	0.93 239	0.40 229	1.15 212	0.67 242	0.50 225	0.95 218	0.78 263	2.73 366	1.21 195	1.20 169	1.12 129	1.25 229	0.91 201	3.21 299	0.95 235	0.31 272	0.20 207	0.23 145	0.20 127	0.28 222	0.31 237

CBFPSM	0.95 240	0.37 203	2.10 315	0.51 57	0.39 161	1.73 322	0.87 290	1.59 177	1.13 161	1.11 115	1.00 86	2.34 354	1.64 334	1.42 147	1.44 291	0.19 64	0.18 183	0.20 70	0.20 127	0.22 140	0.36 269

OMP-Stereo	0.95 240	0.35 183	0.79 92	0.92 344	0.32 97	0.49 28	0.35 48	1.22 109	1.11 151	1.58 302	1.12 129	1.44 268	0.69 127	6.92 373	0.51 102	0.20 98	0.15 112	0.24 166	0.19 101	0.21 121	0.16 13

DSFCA	0.95 240	0.38 220	1.23 238	0.55 110	0.66 293	1.50 301	0.93 300	1.58 172	1.24 205	1.59 305	1.16 150	1.48 276	0.95 217	2.96 292	1.20 261	0.31 272	0.28 290	0.25 202	0.26 243	0.29 232	0.26 177

PSMNet_ROB	0.95 240	0.57 293	1.45 264	0.75 298	0.64 284	1.28 276	1.12 322	1.84 229	1.15 171	1.16 145	1.29 193	1.44 268	0.89 196	1.74 198	1.70 320	0.33 282	0.25 273	0.37 311	0.39 328	0.36 270	0.32 245

FADNet-RVC	0.96 244	0.72 328	2.96 343	0.64 210	0.49 221	0.90 199	0.59 214	1.85 235	1.27 221	0.92 77	0.97 78	1.36 256	0.90 199	2.36 267	1.31 276	0.30 268	0.29 298	0.32 277	0.32 301	0.42 297	0.37 272

TransformOpticalFlow	0.97 245	0.30 79	0.96 169	0.54 100	0.31 77	0.65 109	0.54 187	1.87 237	1.19 185	1.12 123	1.44 235	1.34 254	0.98 229	6.68 370	0.44 61	0.19 64	0.12 5	0.21 92	0.19 101	0.18 34	0.23 122

IIG-Stereo	0.97 245	0.34 161	0.80 97	0.90 342	0.33 110	0.61 87	0.26 10	1.27 121	1.08 137	1.69 317	1.37 216	1.44 268	0.74 133	6.94 374	0.53 117	0.21 119	0.14 58	0.23 145	0.18 84	0.20 86	0.15 3

XX-Stereo	0.97 245	0.28 43	8.28 382	0.85 328	0.70 307	0.44 15	0.22 2	1.07 50	0.69 25	0.66 39	1.56 270	1.38 261	0.38 14	1.36 133	0.38 28	0.21 119	0.14 58	0.20 70	0.19 101	0.19 59	0.16 13

DEmStereo	0.98 248	0.25 16	0.85 130	0.49 34	0.33 110	1.02 230	0.55 194	0.97 26	0.93 83	1.41 258	2.13 338	1.01 172	2.01 355	5.62 346	0.78 193	0.19 64	0.15 112	0.20 70	0.20 127	0.18 34	0.25 160

FADNet	0.98 248	0.64 309	2.57 334	0.66 229	0.55 252	0.95 218	0.57 203	1.91 248	1.38 264	0.94 81	1.02 90	1.36 256	1.00 238	2.69 283	0.97 239	0.34 289	0.34 322	0.31 265	0.34 315	0.61 348	0.42 294

CFNet	0.99 250	0.40 229	1.23 238	0.65 216	0.43 190	1.03 231	0.49 158	2.01 268	1.35 251	1.02 97	1.39 222	1.10 197	0.86 181	5.47 345	0.89 216	0.24 186	0.18 183	0.28 244	0.27 257	0.27 207	0.22 108

NVstereo2D	0.99 250	0.45 250	2.21 323	0.79 310	0.75 315	1.20 267	0.86 288	1.98 262	1.41 278	1.02 97	1.18 154	1.31 247	0.97 226	2.25 259	0.93 228	0.45 335	0.22 230	0.39 319	0.25 232	0.59 342	0.68 351

CBMV_ROB	0.99 250	0.46 253	0.68 49	0.53 89	0.39 161	1.40 292	0.48 150	2.09 285	1.30 235	1.53 291	2.29 346	1.36 256	1.23 289	2.46 271	1.04 248	0.44 332	0.42 350	0.47 341	0.44 340	0.41 293	0.39 281

fast-acv-ft	1.00 253	0.48 261	1.85 299	0.61 182	0.52 237	1.77 328	0.69 244	1.52 157	1.47 300	1.34 233	1.85 317	1.73 312	1.24 292	1.62 184	1.56 304	0.27 240	0.28 290	0.28 244	0.28 266	0.28 222	0.31 237

HBP-ISP	1.00 253	0.60 295	0.85 130	0.64 210	0.48 215	1.63 315	0.77 260	2.24 317	1.30 235	1.33 226	1.53 261	0.87 120	0.99 232	3.26 302	0.76 190	0.46 336	0.44 352	0.54 352	0.48 349	0.48 320	0.42 294

CSP-Net	1.00 253	0.41 238	0.99 174	0.56 122	0.43 190	1.62 314	0.76 259	2.16 300	1.16 176	1.33 226	1.22 165	1.32 251	0.89 196	4.67 329	0.93 228	0.35 297	0.24 260	0.20 70	0.20 127	0.23 157	0.30 229

ETE_ROB	1.01 256	0.69 322	1.49 268	0.72 278	0.50 225	1.15 253	1.12 322	1.91 248	1.24 205	1.94 340	1.50 252	1.73 312	1.06 260	1.78 203	1.33 280	0.33 282	0.26 278	0.38 315	0.34 315	0.40 289	0.44 301

THIR-Stereo	1.02 257	0.29 61	0.73 67	0.51 57	0.29 51	0.94 212	1.31 343	1.08 55	0.98 103	1.35 237	1.91 325	1.16 211	1.54 325	6.37 365	0.79 197	0.20 98	0.14 58	0.21 92	0.22 185	0.19 59	0.25 160

PS-NSSS	1.02 257	0.62 305	1.17 226	0.61 182	0.58 262	0.91 200	0.79 271	2.02 269	1.19 185	1.17 147	1.68 292	1.00 168	0.85 174	4.43 323	0.86 210	0.38 307	0.31 307	0.52 347	0.32 301	0.52 327	0.45 303

XPNet_ROB	1.02 257	0.56 288	1.33 254	0.75 298	0.58 262	1.11 244	1.13 324	1.77 211	1.29 233	1.88 333	1.43 233	1.63 299	1.13 275	2.04 240	1.69 318	0.40 316	0.31 307	0.33 285	0.29 281	0.37 275	0.37 272

iinet-f	1.04 260	0.50 269	4.24 364	0.58 150	0.43 190	1.78 331	0.70 250	1.29 126	1.16 176	1.25 187	1.42 231	1.57 292	1.42 315	1.47 156	1.70 320	0.26 223	0.23 252	0.20 70	0.20 127	0.26 205	0.26 177

RAFT-RH_RVC	1.04 260	0.26 19	0.76 79	0.53 89	0.29 51	0.80 166	0.32 29	0.85 14	1.12 156	2.04 346	4.63 383	1.03 177	0.57 77	5.93 353	0.52 108	0.20 98	0.13 17	0.26 223	0.20 127	0.16 11	0.19 51

CBMV	1.04 260	0.48 261	0.88 139	0.56 122	0.36 139	1.52 303	1.55 355	1.87 237	1.59 320	2.11 349	1.67 290	1.46 273	1.35 307	1.92 224	1.31 276	0.35 297	0.35 326	0.39 319	0.33 310	0.34 265	0.34 258
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
StereoDRNet	1.05 263	0.53 279	2.21 323	0.80 311	0.93 348	1.50 301	0.90 293	2.06 280	1.44 289	1.68 316	1.20 158	1.48 276	0.99 232	1.86 215	1.60 307	0.29 263	0.24 260	0.29 252	0.28 266	0.35 266	0.33 251

STrans-v2	1.06 264	0.31 104	1.02 182	0.52 69	0.33 110	0.67 120	0.78 263	2.66 364	1.26 217	1.15 141	1.46 240	1.37 260	1.40 313	6.68 370	0.46 76	0.19 64	0.13 17	0.21 92	0.18 84	0.18 34	0.21 87

DISCO	1.06 264	0.37 203	1.19 231	0.73 285	0.46 207	2.04 348	0.84 282	2.26 318	1.54 312	1.25 187	1.36 215	2.38 356	1.08 263	2.60 279	1.62 310	0.24 186	0.19 197	0.22 119	0.20 127	0.32 255	0.29 216

NCCL2	1.06 264	0.64 309	1.35 255	0.78 309	0.58 262	1.32 278	1.69 360	1.89 244	1.38 264	1.52 288	1.20 158	1.91 322	1.17 279	1.79 208	1.50 298	0.35 297	0.31 307	0.45 335	0.44 340	0.41 293	0.45 303

LALA_ROB	1.06 264	0.66 316	1.37 260	0.70 270	0.53 242	1.61 312	1.25 340	1.81 223	1.48 304	1.82 329	1.40 227	1.93 326	1.03 248	1.68 190	1.69 318	0.38 307	0.28 290	0.43 331	0.37 325	0.43 299	0.38 278

RAFT + AFF	1.07 268	0.47 258	1.36 257	0.68 251	0.50 225	1.20 267	1.22 336	2.58 358	1.26 217	1.33 226	1.56 270	1.19 213	1.49 323	3.89 316	1.01 245	0.22 148	0.26 278	0.30 261	0.27 257	0.29 232	0.32 245

DRN-Test	1.07 268	0.49 266	1.95 307	0.75 298	0.81 333	1.61 312	0.78 263	2.26 318	1.53 310	1.84 330	1.35 211	1.42 264	1.04 254	2.26 260	1.61 308	0.28 251	0.23 252	0.31 265	0.30 292	0.33 260	0.33 251

TDLM	1.08 270	0.50 269	1.01 180	0.69 261	0.54 248	0.91 200	1.40 348	1.60 179	1.36 257	1.17 147	1.40 227	1.07 185	1.00 238	6.19 357	0.85 209	0.34 289	0.22 230	0.35 299	0.26 243	0.38 281	0.29 216

Wz-Net-LNSev-Ref	1.09 271	0.46 253	2.61 337	0.71 273	0.65 290	2.00 345	0.78 263	2.07 282	1.47 300	1.62 309	1.47 242	1.53 285	1.29 298	2.10 248	1.65 316	0.24 186	0.14 58	0.20 70	0.16 54	0.28 222	0.28 204

FAT-Stereo	1.10 272	0.43 244	1.46 265	0.74 291	0.60 272	1.13 247	0.92 297	2.06 280	1.71 330	1.75 321	2.00 331	2.02 338	1.47 321	2.02 239	1.26 273	0.44 332	0.36 330	0.34 293	0.29 281	0.36 270	0.57 333

CVANet_RVC	1.10 272	0.49 266	1.15 212	0.65 216	0.54 248	0.93 210	1.00 312	1.69 198	1.36 257	1.42 262	1.39 222	1.24 228	1.17 279	6.22 359	0.80 202	0.35 297	0.24 260	0.35 299	0.30 292	0.44 309	0.32 245

APVNet	1.11 274	0.59 294	1.95 307	0.87 332	0.77 321	1.90 338	0.82 279	2.03 273	1.15 171	1.14 139	1.43 233	1.55 288	1.12 274	3.03 293	1.62 310	0.32 279	0.34 322	0.42 330	0.36 321	0.36 270	0.41 288

GANetREF_RVC	1.11 274	0.90 344	1.56 280	0.88 334	0.53 242	1.41 294	1.35 345	1.91 248	1.54 312	1.28 207	1.32 199	1.46 273	1.23 289	2.04 240	1.00 244	0.57 357	0.45 354	0.67 365	0.52 356	0.91 367	0.62 343
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
GASNet	1.13 276	1.10 360	3.29 352	1.00 358	0.68 298	0.82 174	0.67 238	1.85 235	1.38 264	1.39 250	1.25 175	1.25 229	1.20 288	2.72 285	1.62 310	0.46 336	0.26 278	0.36 309	0.34 315	0.55 336	0.33 251

anonymity	1.14 277	0.98 353	1.24 241	1.09 363	1.13 364	1.08 241	0.90 293	2.02 269	1.23 204	1.32 221	1.27 184	1.27 240	1.09 265	1.16 113	1.03 247	1.02 374	1.01 397	0.97 374	0.97 381	0.98 369	1.01 369

PA-Net	1.14 277	0.63 306	2.12 317	0.67 242	0.75 315	1.19 266	0.91 295	1.91 248	1.46 299	1.18 158	1.23 169	1.33 253	1.17 279	4.31 321	1.41 288	0.29 263	0.46 358	0.33 285	0.50 353	0.33 260	0.57 333
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
edge stereo	1.15 279	0.54 282	1.50 269	0.73 285	0.66 293	1.18 265	0.84 282	2.13 293	1.41 278	1.73 320	1.84 314	2.53 361	1.46 319	2.46 271	1.35 283	0.43 324	0.41 345	0.54 352	0.36 321	0.43 299	0.50 313

RASNet	1.16 280	0.34 161	1.11 203	0.73 285	0.86 341	1.00 227	0.60 222	1.56 167	1.43 287	1.07 110	1.37 216	2.08 345	1.44 318	7.00 375	1.56 304	0.20 98	0.17 160	0.17 13	0.19 101	0.19 59	0.19 51

DANet	1.16 280	0.64 309	1.52 275	0.88 334	0.74 312	1.52 303	0.52 172	1.68 189	1.21 195	1.81 327	1.55 265	2.02 338	1.11 270	3.30 304	2.28 340	0.34 289	0.31 307	0.40 325	0.30 292	0.46 315	0.54 323
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
Wz-Net-LNSev	1.17 282	0.72 328	4.71 368	0.66 229	0.84 339	1.72 319	1.13 324	1.97 261	1.43 287	1.34 233	1.32 199	1.66 302	1.30 301	1.44 151	1.51 300	0.29 263	0.26 278	0.24 166	0.23 212	0.33 260	0.35 266

S-Stereo	1.17 282	0.48 261	2.25 326	0.83 322	0.81 333	1.22 269	1.17 331	2.12 289	2.08 354	1.47 278	2.13 338	1.55 288	1.16 276	2.09 247	1.46 294	0.42 323	0.40 344	0.35 299	0.32 301	0.45 311	0.73 355

MaskLacGwcNet_RVC	1.17 282	1.06 356	1.28 246	0.88 334	0.69 301	1.92 340	0.92 297	1.71 202	1.14 167	1.17 147	1.26 177	1.49 278	0.80 159	2.04 240	0.86 210	2.02 384	0.34 322	0.79 369	0.36 321	1.38 379	1.33 380

RP	1.17 282	0.54 282	1.48 267	0.93 349	1.05 359	1.14 250	0.85 287	1.99 266	1.70 328	1.72 319	2.07 335	1.91 322	1.93 353	2.00 236	1.37 285	0.55 355	0.37 334	0.48 342	0.37 325	0.46 315	0.46 308

ccnet	1.19 286	0.71 325	1.36 257	0.81 314	0.75 315	1.72 319	1.13 324	1.98 262	1.31 242	1.52 288	1.84 314	1.75 317	1.36 308	2.01 237	2.04 333	0.57 357	0.54 369	0.57 360	0.56 361	0.60 345	0.60 341

Nwc_Net	1.19 286	0.53 279	2.34 328	0.92 344	0.81 333	1.49 300	0.70 250	2.28 324	1.32 244	1.41 258	2.27 344	2.03 341	1.76 344	2.05 244	1.46 294	0.43 324	0.30 302	0.43 331	0.46 345	0.39 285	0.40 285

NCC-stereo	1.20 288	0.60 295	1.84 297	0.88 334	0.95 352	1.32 278	0.94 302	2.14 294	1.36 257	1.43 266	1.79 306	1.93 326	2.13 365	2.54 276	1.41 288	0.49 344	0.38 337	0.45 335	0.59 365	0.43 299	0.45 303

Abc-Net	1.20 288	0.60 295	1.84 297	0.88 334	0.95 352	1.32 278	0.94 302	2.14 294	1.36 257	1.43 266	1.79 306	1.93 326	2.13 365	2.54 276	1.41 288	0.49 344	0.38 337	0.45 335	0.59 365	0.43 299	0.45 303
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
Wz-Net-MNSev	1.21 290	0.66 316	3.44 354	0.69 261	0.73 308	1.93 341	1.44 350	2.16 300	1.59 320	1.85 332	1.49 245	1.50 280	1.34 306	2.05 244	1.54 303	0.27 240	0.24 260	0.28 244	0.28 266	0.35 266	0.32 245

RGC	1.22 291	0.82 339	1.71 288	0.95 354	0.98 357	1.53 305	0.80 274	2.18 308	1.35 251	1.69 317	1.94 327	2.03 341	1.66 335	2.36 267	1.50 298	0.46 336	0.36 330	0.59 363	0.48 349	0.49 323	0.49 310

stereogan	1.22 291	0.45 250	2.03 312	0.87 332	0.85 340	2.52 362	0.72 252	1.98 262	1.78 337	1.92 336	1.94 327	2.31 353	1.42 315	2.10 248	1.14 256	0.38 307	0.36 330	0.39 319	0.32 301	0.52 327	0.49 310

AANet_RVC	1.22 291	0.60 295	1.94 303	0.69 261	0.46 207	0.75 146	0.69 244	1.51 155	1.57 318	1.36 242	1.90 323	1.51 282	0.87 187	7.23 377	1.89 329	0.26 223	0.19 197	0.19 47	0.16 54	0.23 157	0.37 272

HSM	1.22 291	0.34 161	0.81 98	0.61 182	0.39 161	1.22 269	0.63 231	2.45 341	1.25 211	1.32 221	1.26 177	1.91 322	1.08 263	9.21 395	0.75 187	0.23 168	0.17 160	0.20 70	0.16 54	0.22 140	0.24 141

Syn2CoEx	1.23 295	0.80 335	3.07 346	0.83 322	0.68 298	1.39 290	0.87 290	2.23 315	1.57 318	1.28 207	1.58 275	1.42 264	1.57 327	3.79 314	1.48 297	0.36 304	0.32 317	0.34 293	0.30 292	0.30 242	0.41 288

AF-Net	1.23 295	0.56 288	2.31 327	0.88 334	0.93 348	1.41 294	0.73 255	2.27 322	1.71 330	1.76 325	2.42 352	2.00 335	1.70 338	1.98 232	1.62 310	0.50 348	0.29 298	0.49 344	0.33 310	0.40 289	0.34 258

NaN_ROB	1.23 295	0.63 306	1.76 290	0.67 242	0.50 225	1.59 311	2.00 375	1.87 237	1.52 308	2.14 351	1.26 177	1.40 263	1.09 265	4.60 327	1.75 323	0.28 251	0.34 322	0.28 244	0.29 281	0.30 242	0.37 272

DGSMNet	1.24 298	0.84 341	3.20 348	0.91 343	0.92 345	1.39 290	1.34 344	2.46 345	1.44 289	1.34 233	1.66 288	1.50 280	1.03 248	1.85 212	1.30 275	0.48 342	0.48 361	0.55 356	0.51 355	0.78 362	0.79 361

RYNet	1.24 298	0.52 277	1.57 282	0.73 285	0.97 355	1.74 324	0.95 305	2.09 285	1.54 312	1.44 269	1.18 154	1.94 330	1.29 298	4.57 326	1.93 330	0.27 240	0.23 252	0.35 299	0.27 257	0.57 339	0.59 338

ttt	1.26 300	0.36 187	0.79 92	0.65 216	0.42 187	0.94 212	0.57 203	2.33 331	1.38 264	1.25 187	1.65 287	0.92 141	0.78 148	2.64 280	8.73 387	0.30 268	0.28 290	0.26 223	0.25 232	0.29 232	0.32 245

aanetorigin	1.26 300	0.85 342	3.00 344	0.72 278	0.80 329	1.08 241	1.05 316	1.12 72	1.39 273	3.53 384	2.60 357	1.72 310	1.73 342	1.98 232	1.77 326	0.26 223	0.24 260	0.26 223	0.25 232	0.38 281	0.51 318

GwcNet	1.26 300	0.63 306	5.13 370	0.81 314	1.15 368	1.73 322	0.69 244	1.84 229	1.53 310	1.51 286	1.71 297	1.72 310	1.09 265	2.20 255	1.61 308	0.31 272	0.30 302	0.29 252	0.27 257	0.30 242	0.41 288

Consistency-Raft	1.27 303	1.01 355	2.17 320	1.04 360	1.20 372	0.96 223	1.00 312	1.84 229	1.95 348	1.38 248	2.11 337	1.44 268	1.03 248	1.18 117	1.40 287	0.73 368	0.83 383	0.89 372	0.99 384	1.33 377	0.95 368

NOSS_ROB	1.29 304	0.49 266	0.68 49	0.60 169	0.40 170	1.09 243	0.77 260	1.94 254	1.44 289	1.04 103	1.46 240	1.10 197	0.81 163	10.57 408	0.78 193	0.46 336	0.43 351	0.48 342	0.45 343	0.45 311	0.43 298

SGM-Forest	1.29 304	0.40 229	0.74 72	0.54 100	0.37 144	1.55 306	1.26 341	1.82 226	1.39 273	2.22 352	1.81 312	1.64 300	1.02 246	7.65 382	1.20 261	0.39 314	0.37 334	0.39 319	0.34 315	0.37 275	0.34 258
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Anonymous_2	1.37 306	0.56 288	0.94 159	0.57 140	0.62 281	1.04 232	0.65 234	1.82 226	1.01 117	1.00 90	0.79 43	1.42 264	1.27 296	1.06 94	0.83 206	0.62 360	0.67 379	1.05 378	9.88 415	1.09 374	0.55 328

SQANet	1.38 307	0.95 351	1.37 260	1.89 383	1.47 380	1.44 298	0.81 275	1.89 244	1.13 161	1.34 233	1.26 177	1.28 241	1.02 246	1.64 185	0.91 221	2.55 389	0.35 326	1.47 381	0.56 361	2.48 384	1.74 384

PWC_ROB	1.39 308	0.93 350	4.07 362	0.77 306	0.83 336	1.16 256	0.53 178	1.87 237	2.01 351	2.36 356	3.06 366	1.65 301	1.60 328	2.65 282	2.29 342	0.34 289	0.23 252	0.36 309	0.25 232	0.39 285	0.49 310

PWCDC_ROB	1.39 308	0.91 348	2.10 315	1.08 362	0.92 345	1.72 319	0.58 210	2.03 273	3.30 382	1.32 221	4.87 386	1.21 216	1.71 340	1.98 232	1.75 323	0.65 363	0.26 278	0.29 252	0.25 232	0.56 337	0.41 288

GANet	1.41 310	0.52 277	1.18 230	0.74 291	0.48 215	1.40 292	1.69 360	1.87 237	1.28 225	1.56 298	2.39 350	1.56 290	1.25 293	9.13 393	1.20 261	0.31 272	0.32 317	0.34 293	0.29 281	0.40 289	0.33 251

PDISCO_ROB	1.41 310	0.73 331	2.04 313	1.40 374	1.46 379	2.83 371	1.07 318	2.64 360	2.11 356	1.41 258	1.50 252	1.73 312	0.99 232	2.83 290	1.46 294	1.03 375	0.27 286	0.54 352	0.47 347	0.77 361	0.84 365

LL-Strereo	1.42 312	0.44 249	2.02 310	0.62 190	1.07 360	0.73 142	0.65 234	2.02 269	1.21 195	1.60 306	1.62 281	2.02 338	2.10 361	9.67 399	1.07 250	0.22 148	0.20 207	0.27 232	0.24 224	0.23 157	0.33 251

SHD	1.42 312	0.81 338	2.79 341	0.98 356	0.92 345	1.97 342	0.68 240	2.43 339	2.55 365	2.54 364	1.72 298	2.01 337	1.62 329	2.14 251	2.70 349	0.40 316	0.33 320	0.39 319	0.40 330	0.48 320	0.54 323

Anonymous Stereo	1.42 312	0.90 344	3.93 360	0.81 314	0.83 336	1.06 238	1.90 374	1.81 223	1.52 308	1.75 321	1.44 235	1.28 241	0.87 187	5.94 354	1.94 331	0.38 307	0.39 342	0.38 315	0.41 334	0.45 311	0.50 313

RTSC	1.43 315	0.89 343	3.62 357	0.94 352	0.64 284	1.85 335	0.69 244	2.20 313	2.04 353	2.22 352	1.70 295	1.67 304	1.27 296	2.53 275	4.48 368	0.33 282	0.25 273	0.27 232	0.29 281	0.38 281	0.40 285

DualNet	1.46 316	0.36 187	1.51 270	0.56 122	0.40 170	0.76 151	0.59 214	1.08 55	2.62 368	1.19 163	1.49 245	1.07 185	0.85 174	1.57 170	13.82 399	0.21 119	0.13 17	0.31 265	0.28 266	0.20 86	0.23 122

UDG	1.47 317	2.69 403	1.13 207	1.45 378	1.65 382	1.34 284	0.79 271	1.75 209	1.27 221	1.29 211	1.74 300	1.99 334	1.39 312	1.66 187	1.51 300	0.91 371	0.55 371	2.30 388	0.76 372	1.99 380	1.20 377

MFMNet_re	1.47 317	1.20 366	2.50 332	1.46 379	1.08 361	1.58 310	1.51 351	1.96 260	1.87 343	2.31 355	2.20 341	1.51 282	1.88 351	1.57 170	1.34 281	0.94 372	0.83 383	0.84 371	0.80 375	1.00 370	1.06 372

PASM	1.48 319	1.08 357	3.96 361	0.93 349	0.93 348	1.17 263	1.19 333	1.77 211	1.65 325	1.90 334	1.52 260	1.75 317	1.42 315	4.54 325	1.52 302	0.64 362	0.68 381	0.69 367	0.79 374	0.70 357	0.74 356

ADCRef	1.50 320	0.61 300	3.83 359	0.76 304	0.77 321	1.91 339	0.77 260	2.16 300	1.34 248	1.63 311	1.59 279	1.35 255	1.40 313	1.79 208	8.32 386	0.25 206	0.21 220	0.32 277	0.31 296	0.31 247	0.32 245

XQC	1.51 321	0.98 353	3.20 348	0.92 344	0.76 320	2.01 346	1.17 331	2.53 355	1.99 350	2.01 345	1.54 262	2.00 335	1.54 325	3.16 297	3.46 359	0.49 344	0.31 307	0.45 335	0.40 330	0.71 359	0.62 343

CC-Net-ROB	1.53 322	1.31 373	1.68 287	0.92 344	0.80 329	1.75 325	0.99 310	2.04 275	1.27 221	1.12 123	1.62 281	1.20 215	0.98 229	7.82 383	0.92 225	1.15 382	0.41 345	2.20 386	0.46 345	1.37 378	0.56 330

FINET	1.54 323	0.67 319	7.28 378	0.76 304	0.97 355	1.42 297	1.38 347	2.80 373	3.12 379	1.23 180	1.68 292	1.04 178	1.11 270	3.35 305	1.78 327	0.43 324	0.37 334	0.32 277	0.29 281	0.43 299	0.41 288

test_xeample	1.55 324	0.31 104	0.94 159	0.54 100	0.31 77	0.94 212	0.58 210	2.40 336	1.40 275	1.29 211	1.55 265	0.89 132	0.88 194	1.72 196	15.94 406	0.22 148	0.22 230	0.22 119	0.21 163	0.23 157	0.25 160

DDUNet	1.56 325	2.70 404	1.35 255	1.79 381	1.88 384	1.82 333	0.91 295	1.84 229	1.20 189	1.40 256	1.79 306	1.62 296	1.17 279	1.59 176	1.22 266	1.11 379	0.76 382	2.38 391	0.94 379	2.12 381	1.53 382

CrosDoStereo	1.56 325	0.26 19	0.78 88	0.51 57	0.29 51	0.66 115	11.86 406	1.18 95	1.00 114	1.35 237	1.76 302	0.99 164	1.83 348	6.64 368	0.83 206	0.19 64	0.15 112	0.20 70	0.22 185	0.18 34	0.25 160

DeepStereo_LL	1.56 325	0.26 19	0.78 88	0.51 57	0.29 51	0.66 115	11.86 406	1.18 95	1.00 114	1.35 237	1.76 302	0.99 164	1.83 348	6.64 368	0.83 206	0.19 64	0.15 112	0.20 70	0.22 185	0.18 34	0.25 160

xxxx	1.61 328	0.32 118	0.98 172	0.58 150	0.31 77	1.15 253	0.43 106	2.43 339	1.41 278	1.17 147	1.40 227	1.21 216	0.86 181	1.94 226	16.68 408	0.24 186	0.24 260	0.21 92	0.20 127	0.23 157	0.27 193

CSAN	1.61 328	0.67 319	3.24 351	0.74 291	0.52 237	1.77 328	1.74 365	1.98 262	1.94 347	2.47 363	2.33 348	1.93 326	2.04 358	6.45 366	1.95 332	0.43 324	0.36 330	0.41 329	0.42 335	0.43 299	0.44 301

MFN_U_SF_RVC	1.62 330	0.96 352	4.36 366	0.92 344	0.69 301	2.62 366	1.10 320	2.50 351	1.74 333	1.99 344	1.86 319	2.45 359	1.78 346	3.08 295	2.84 351	0.54 352	0.50 366	0.56 358	0.60 367	0.60 345	0.67 348

SDNR	1.66 331	0.55 285	2.36 329	0.56 122	0.58 262	3.79 388	0.45 131	1.78 213	1.40 275	1.38 248	2.45 354	1.13 206	0.96 219	11.03 409	1.31 276	0.67 365	0.64 377	0.43 331	0.32 301	0.71 359	0.76 359

otaku	1.67 332	1.18 364	1.56 280	2.27 385	1.59 381	1.98 343	1.23 338	2.23 315	1.37 262	1.48 283	1.63 285	1.73 312	1.23 289	1.85 212	1.09 251	2.96 392	0.58 375	1.74 382	0.61 368	2.94 390	2.15 388

222	1.67 332	0.31 104	0.93 153	0.59 162	0.31 77	1.05 235	0.43 106	2.39 334	1.47 300	1.37 243	1.55 265	0.94 148	0.94 212	1.98 232	17.76 409	0.24 186	0.22 230	0.21 92	0.20 127	0.22 140	0.26 177

Wz-Net-SNSev	1.68 334	1.45 375	8.71 386	0.71 273	0.67 297	1.35 285	1.51 351	2.15 298	1.47 300	1.51 286	1.68 292	2.27 349	1.38 310	4.23 318	2.36 344	0.32 279	0.29 298	0.31 265	0.33 310	0.43 299	0.39 281

DeepPrunerF	1.68 334	0.82 339	6.82 376	0.94 352	1.20 372	0.91 200	0.97 307	2.50 351	5.19 397	1.22 179	1.30 194	1.18 212	1.29 298	4.96 334	1.75 323	0.43 324	0.35 326	0.52 347	0.48 349	0.43 299	0.42 294

psmorigin	1.69 336	0.74 333	13.13 397	0.70 270	0.60 272	1.16 256	0.79 271	1.69 198	1.25 211	2.07 348	1.77 304	2.23 346	1.51 324	2.14 251	1.45 292	0.39 314	0.41 345	0.34 293	0.33 310	0.45 311	0.63 345

G-Net	1.71 337	0.67 319	2.09 314	1.14 368	0.75 315	2.96 375	0.89 292	1.58 172	1.30 235	2.76 369	8.12 402	2.29 351	2.51 374	1.94 226	2.23 339	0.49 344	0.45 354	0.45 335	0.31 296	0.62 349	0.59 338

Ntro	1.72 338	1.21 367	1.62 284	2.54 390	1.86 383	2.09 351	1.14 327	2.08 283	1.38 264	1.23 180	1.62 281	1.62 296	1.33 305	2.04 240	1.21 265	3.09 393	0.56 372	1.82 384	0.65 369	2.97 393	2.25 390

FBW_ROB	1.78 339	0.66 316	1.90 302	0.72 278	0.66 293	1.79 332	1.07 318	2.79 371	1.77 334	1.84 330	1.79 306	1.98 333	1.37 309	12.42 411	2.22 338	0.36 304	0.38 337	0.57 360	0.39 328	0.46 315	0.51 318

SPS-STEREO	1.78 339	1.09 359	1.52 275	1.22 371	1.14 366	1.87 337	1.11 321	2.27 322	1.70 328	3.17 382	2.39 350	2.84 369	1.93 353	4.41 322	2.93 352	1.04 377	0.99 396	0.97 374	0.94 379	1.03 372	1.05 371
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFN_U_SF_DS_RVC	1.80 341	1.11 361	4.33 365	0.84 326	0.77 321	3.70 383	2.41 394	2.04 275	1.85 342	1.75 321	1.90 323	1.92 325	1.25 293	7.33 378	1.45 292	0.47 340	0.47 359	0.53 351	0.77 373	0.50 324	0.55 328

SAMSARA	1.80 341	0.90 344	3.37 353	1.28 373	1.13 364	3.71 384	2.33 389	2.53 355	1.93 346	3.17 382	1.73 299	2.99 370	1.68 337	3.53 308	2.46 346	0.47 340	0.54 369	0.43 331	0.47 347	0.59 342	0.64 346

PVD	1.82 343	0.91 348	3.02 345	1.03 359	0.94 351	2.61 365	1.14 327	2.78 370	3.40 384	3.08 380	2.75 359	2.39 358	2.49 373	2.81 288	3.66 361	0.48 342	0.49 365	0.59 363	0.49 352	0.60 345	0.81 363

ADCL	1.82 343	0.70 323	4.57 367	0.70 270	0.63 283	2.56 363	1.77 367	2.08 283	1.77 334	1.95 342	1.89 321	2.04 343	1.88 351	2.36 267	9.55 391	0.27 240	0.25 273	0.35 299	0.32 301	0.39 285	0.39 281

AAGNet	1.84 345	0.30 79	0.79 92	0.66 229	0.32 97	0.65 109	0.50 163	1.02 37	1.01 117	1.47 278	1.21 163	0.99 164	1.16 276	2.76 287	22.69 415	0.24 186	0.13 17	0.22 119	0.20 127	0.24 186	0.16 13

ff1	1.88 346	0.36 187	1.51 270	0.56 122	0.40 170	0.76 151	0.59 214	1.08 55	2.62 368	1.19 163	1.49 245	1.07 185	0.85 174	9.88 403	13.82 399	0.21 119	0.13 17	0.31 265	0.28 266	0.20 86	0.23 122

MDST_ROB	1.88 346	0.40 229	1.71 288	0.93 349	0.60 272	4.27 394	1.23 338	3.99 387	1.44 289	4.61 394	2.63 358	1.44 268	1.03 248	9.78 400	1.62 310	0.33 282	0.26 278	0.37 311	0.33 310	0.31 247	0.34 258

SGM_RVC	1.88 346	0.40 229	0.90 147	0.63 200	0.30 63	2.81 370	1.26 341	2.73 366	1.81 340	4.09 386	2.85 362	3.88 380	3.19 381	8.42 389	2.44 345	0.33 282	0.31 307	0.30 261	0.28 266	0.31 247	0.31 237
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
mmx	1.89 349	0.36 187	1.51 270	0.56 122	0.40 170	0.76 151	0.59 214	2.32 326	1.41 278	1.19 163	1.49 245	1.07 185	0.85 174	9.88 403	13.82 399	0.25 206	0.21 220	0.31 265	0.28 266	0.32 255	0.29 216

xxx	1.89 349	0.36 187	1.51 270	0.56 122	0.40 170	0.76 151	0.59 214	2.32 326	1.41 278	1.19 163	1.49 245	1.07 185	0.85 174	9.88 403	13.82 399	0.25 206	0.21 220	0.31 265	0.28 266	0.32 255	0.29 216

DPSNet	1.91 351	0.64 309	5.95 372	0.73 285	0.59 268	2.04 348	1.61 359	3.84 385	1.96 349	1.54 294	1.39 222	2.27 349	3.32 384	4.95 333	4.79 369	0.50 348	0.31 307	0.29 252	0.26 243	0.67 354	0.54 323

1111x	1.96 352	0.32 118	1.54 279	0.54 100	0.30 63	1.00 227	0.69 244	2.47 346	1.33 246	1.21 174	1.44 235	1.21 216	1.11 270	8.49 390	16.14 407	0.22 148	0.23 252	0.22 119	0.23 212	0.25 195	0.26 177

ADCPNet	1.97 353	0.78 334	9.38 388	0.74 291	0.61 277	2.73 368	1.36 346	2.11 288	1.66 326	1.92 336	1.70 295	2.45 359	2.07 359	2.50 273	6.84 381	0.38 307	0.38 337	0.38 315	0.43 338	0.47 319	0.50 313

WCMA_ROB	2.05 354	0.55 285	1.77 291	0.74 291	0.61 277	2.24 354	1.56 356	2.17 307	1.79 338	4.16 390	6.36 392	5.66 391	4.66 395	3.19 298	2.77 350	0.55 355	0.45 354	0.40 325	0.43 338	0.48 320	0.50 313

RainbowNet	2.06 355	1.86 386	1.97 309	2.86 393	2.25 389	2.03 347	1.79 368	2.77 368	1.92 345	1.54 294	1.84 314	1.95 331	1.73 342	2.23 257	1.38 286	3.40 399	0.86 388	2.39 393	1.00 385	2.94 390	2.42 392

MSMD_ROB	2.08 356	0.61 300	1.15 212	0.71 273	0.62 281	4.00 390	0.93 300	1.94 254	1.79 338	4.71 396	4.60 382	8.14 400	3.87 391	3.75 313	1.65 316	0.54 352	0.48 361	0.55 356	0.58 363	0.53 332	0.52 320

Wz-Net-TNSev	2.10 357	2.71 405	9.30 387	0.72 278	0.65 290	2.41 361	1.81 372	2.45 341	1.77 334	1.62 309	1.56 270	2.56 362	2.01 355	5.30 337	4.46 367	0.41 319	0.38 337	0.33 285	0.37 325	0.54 334	0.64 346

ADCMid	2.11 358	0.90 344	8.39 384	0.75 298	0.69 301	1.98 343	1.14 327	2.18 308	1.67 327	2.85 371	1.85 317	2.35 355	2.02 357	2.35 266	10.58 394	0.34 289	0.32 317	0.39 319	0.44 340	0.51 326	0.53 322

ADCP+	2.12 359	0.56 288	10.01 389	0.68 251	0.91 344	2.25 355	1.04 315	1.92 252	1.50 307	1.58 302	1.34 206	1.73 312	1.62 329	2.27 261	13.20 396	0.25 206	0.22 230	0.32 277	0.29 281	0.38 281	0.34 258

WZ-Net	2.14 360	1.08 357	11.68 396	0.89 341	0.78 325	1.76 326	1.59 358	2.39 334	2.03 352	2.11 349	1.95 329	2.30 352	2.28 368	5.94 354	3.86 364	0.35 297	0.27 286	0.29 252	0.32 301	0.52 327	0.50 313

AnyNet_C32	2.14 360	1.45 375	7.38 379	0.95 354	1.12 362	2.23 353	2.34 390	2.10 287	1.54 312	2.44 359	1.79 306	2.04 343	1.66 335	2.69 283	10.48 393	0.38 307	0.35 326	0.35 299	0.42 335	0.50 324	0.60 341

NVStereoNet_ROB	2.17 362	1.18 364	3.51 355	1.14 368	1.26 375	1.57 309	1.51 351	2.19 310	2.11 356	2.04 346	4.80 384	3.17 375	2.11 363	7.97 385	2.10 334	1.12 380	0.94 393	1.10 379	1.34 391	0.95 368	1.31 378
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MSC_U_SF_DS_RVC	2.22 363	1.29 372	4.14 363	1.10 364	0.78 325	5.00 397	2.38 393	2.47 346	2.67 373	1.94 340	2.28 345	2.66 366	1.70 338	9.10 392	2.29 342	0.68 367	0.52 367	0.68 366	0.71 371	1.17 375	0.81 363

SANet	2.26 364	0.70 323	6.94 377	0.69 261	0.46 207	2.76 369	1.76 366	2.61 359	5.84 399	2.45 360	3.52 372	3.71 377	3.38 386	5.90 351	2.14 336	0.34 289	0.31 307	0.32 277	0.29 281	0.54 334	0.43 298

ADCS	2.35 365	1.26 369	6.54 375	0.85 328	0.77 321	2.18 352	1.79 368	2.47 346	2.20 358	2.80 370	2.14 340	2.38 356	2.09 360	2.81 288	13.83 403	0.43 324	0.41 345	0.40 325	0.45 343	0.59 342	0.67 348

MeshStereo	2.36 366	0.60 295	1.05 188	0.63 200	0.51 234	2.58 364	0.99 310	3.46 381	2.21 359	7.38 406	5.06 388	7.50 396	3.10 380	7.02 376	2.54 347	0.44 332	0.44 352	0.45 335	0.40 330	0.43 299	0.45 303
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AnyNet_C01	2.38 367	2.21 395	10.17 390	0.99 357	0.79 327	3.12 376	2.37 391	2.69 365	1.89 344	2.58 366	2.44 353	2.70 367	1.86 350	3.65 309	7.12 382	0.41 319	0.41 345	0.40 325	0.42 335	0.68 355	0.79 361

DispFullNet	2.39 368	2.89 406	3.74 358	3.09 398	2.27 391	2.04 348	0.84 282	2.19 310	1.73 332	2.54 364	1.98 330	2.23 346	5.83 398	3.44 307	1.84 328	1.03 375	0.33 320	2.65 399	1.97 403	2.87 389	2.34 391

EDNetEfficient	2.40 369	1.14 362	8.59 385	0.77 306	0.73 308	1.06 238	1.53 354	1.54 163	4.06 390	4.87 397	2.81 360	2.23 346	3.53 387	3.04 294	9.65 392	0.27 240	0.24 260	0.27 232	0.31 296	0.70 357	0.67 348

FCDSN-DC	2.47 370	0.65 315	1.00 179	0.85 328	0.75 315	2.26 356	0.97 307	2.31 325	1.83 341	5.52 402	7.65 399	7.72 399	7.70 404	4.43 323	2.64 348	0.52 350	0.48 361	0.52 347	0.52 356	0.57 339	0.59 338
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SuperB	2.50 371	0.72 328	18.07 407	0.72 278	0.53 242	1.85 335	0.86 288	1.80 220	2.40 362	1.54 294	1.42 231	1.13 206	1.17 279	4.18 317	4.80 371	0.25 206	0.20 207	0.23 145	0.19 101	7.64 414	0.38 278

ELAS	2.67 372	0.80 335	2.13 318	1.13 365	1.15 368	6.25 401	2.56 395	3.50 382	3.68 387	5.36 400	4.92 387	3.79 378	5.56 397	3.65 309	5.22 373	0.66 364	0.57 373	0.56 358	0.54 359	0.65 352	0.75 358
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RTS	2.76 373	1.55 381	15.40 399	1.13 365	1.42 377	3.75 386	2.21 384	2.45 341	2.72 374	2.91 374	2.85 362	2.58 363	1.62 329	6.28 361	5.80 376	0.41 319	0.30 302	0.35 299	0.35 319	0.52 327	0.54 323

RTSA	2.76 373	1.55 381	15.40 399	1.13 365	1.42 377	3.75 386	2.21 384	2.45 341	2.72 374	2.91 374	2.85 362	2.58 363	1.62 329	6.28 361	5.80 376	0.41 319	0.30 302	0.35 299	0.35 319	0.52 327	0.54 323

WAO-7	2.78 375	1.54 380	2.18 321	1.41 377	1.19 371	3.92 389	2.01 378	4.19 389	3.89 389	2.98 376	5.47 389	4.18 381	3.28 383	8.24 388	4.27 365	1.13 381	1.01 397	1.18 380	1.13 390	1.19 376	1.13 376

MADNet+	2.80 376	3.38 408	11.57 395	1.50 380	1.21 374	3.18 378	2.00 375	3.52 383	2.61 367	1.81 327	2.09 336	2.83 368	2.18 367	7.55 381	5.44 375	0.84 369	0.83 383	0.71 368	0.66 370	1.05 373	1.08 373

IMH-64-1	2.82 377	1.87 387	1.77 291	3.31 400	2.69 397	3.22 379	2.07 379	4.25 390	2.77 376	2.46 361	3.78 375	3.05 371	2.34 370	4.67 329	3.00 354	3.84 403	0.84 386	2.75 400	1.39 392	3.34 398	2.93 400

IMH-64	2.82 377	1.87 387	1.77 291	3.31 400	2.69 397	3.22 379	2.07 379	4.25 390	2.77 376	2.46 361	3.78 375	3.05 371	2.34 370	4.67 329	3.00 354	3.84 403	0.84 386	2.75 400	1.39 392	3.34 398	2.93 400

pmcnn	2.84 379	0.46 253	5.19 371	0.68 251	0.42 187	1.55 306	1.16 330	2.32 326	1.60 322	2.72 367	7.49 397	17.96 411	1.48 322	6.04 356	6.64 380	0.18 40	0.15 112	0.15 3	0.12 9	0.20 86	0.20 70

ACVNet_2	2.86 380	1.47 377	8.28 382	2.68 391	2.26 390	2.70 367	1.84 373	3.41 379	3.04 378	2.27 354	3.42 371	4.58 383	2.10 361	5.91 352	1.62 310	2.58 390	0.67 379	2.22 387	0.85 377	2.79 387	2.47 393

ELAS_RVC	2.87 381	0.80 335	3.22 350	1.16 370	1.12 362	2.92 374	5.33 403	2.98 375	4.18 391	5.04 398	4.82 385	4.71 385	8.23 405	4.25 320	4.79 369	0.67 365	0.57 373	0.57 360	0.53 358	0.66 353	0.74 356
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
FC-DCNN	2.88 382	0.61 300	1.15 212	0.75 298	0.57 260	2.85 373	1.05 316	3.44 380	2.64 372	6.93 403	7.63 398	9.86 405	7.02 403	5.76 349	4.31 366	0.54 352	0.48 361	0.51 346	0.50 353	0.53 332	0.52 320

WAO-6	2.98 383	1.67 384	1.88 301	2.38 389	2.30 392	3.53 382	2.37 391	4.38 392	4.64 395	2.42 357	4.50 379	4.85 386	2.99 379	5.22 336	5.37 374	1.77 383	1.16 403	2.31 389	1.47 397	2.42 383	1.99 387

ACVNet-4b	3.05 384	1.42 374	18.09 408	2.85 392	2.33 393	2.32 360	1.22 336	2.47 346	2.21 359	1.26 197	2.36 349	2.64 365	1.46 319	6.32 363	1.23 269	3.29 396	0.45 354	2.37 390	1.02 387	3.03 394	2.61 395

ACVNet_1	3.08 385	1.48 378	17.70 404	2.90 395	2.35 394	2.30 357	1.43 349	3.16 377	2.26 361	1.91 335	2.05 334	3.51 376	2.32 369	3.71 312	1.58 306	3.25 395	0.66 378	2.40 394	1.06 388	3.07 395	2.59 394

PWCK	3.24 386	2.37 396	10.86 392	2.14 384	1.14 366	3.71 384	4.19 402	3.02 376	3.55 386	3.05 379	3.63 373	3.09 374	2.35 372	8.16 387	3.41 358	2.17 387	0.96 394	1.77 383	1.01 386	2.84 388	1.40 381

IMH	3.35 387	1.95 389	1.86 300	3.30 399	2.72 399	4.03 392	2.00 375	4.58 394	3.83 388	2.87 372	6.99 395	4.69 384	3.21 382	6.77 372	2.97 353	3.91 406	0.89 390	2.78 402	1.40 396	3.36 400	2.93 400

LVE	3.40 388	1.80 385	2.21 323	2.90 395	2.44 395	3.27 381	2.25 386	4.80 395	5.06 396	2.43 358	6.79 393	5.99 392	2.64 377	9.20 394	2.28 340	3.30 397	1.11 402	2.38 391	1.48 398	2.95 392	2.62 396

Dean	3.77 389	1.65 383	17.87 405	3.01 397	2.54 396	3.15 377	2.10 382	4.80 395	4.42 392	2.89 373	6.03 390	5.45 390	2.55 376	3.40 306	2.13 335	3.22 394	0.89 390	2.51 397	1.07 389	3.07 395	2.65 398

JetBlue	4.18 390	2.45 400	10.42 391	1.40 374	2.89 401	10.68 407	10.68 405	3.91 386	2.52 363	2.74 368	3.39 370	4.50 382	4.27 393	7.97 385	7.67 385	0.89 370	0.97 395	0.89 372	0.92 378	2.26 382	2.21 389

notaker	4.29 391	2.42 399	5.06 369	3.89 408	3.29 406	4.00 390	2.25 386	4.93 397	3.47 385	4.21 392	6.79 393	7.67 398	3.37 385	9.25 396	6.47 378	4.09 408	1.42 405	3.35 409	2.13 406	4.11 405	3.54 405

ktn	4.56 392	2.41 398	2.54 333	3.79 407	3.25 404	4.81 396	2.91 399	5.52 399	7.36 400	4.12 389	14.55 409	7.54 397	3.70 388	7.84 384	3.35 357	4.06 407	1.86 408	3.26 408	2.22 407	3.27 397	2.86 399

WAO-8	4.57 393	2.01 390	2.58 335	2.37 387	2.21 387	9.75 403	1.71 362	6.04 403	16.34 407	4.11 387	7.69 400	7.41 394	3.85 389	10.02 406	3.85 362	2.05 385	1.09 400	2.44 395	1.39 392	2.56 385	1.86 385

Venus	4.57 393	2.01 390	2.58 335	2.37 387	2.21 387	9.75 403	1.71 362	6.04 403	16.34 407	4.11 387	7.69 400	7.41 394	3.85 389	10.02 406	3.85 362	2.05 385	1.09 400	2.44 395	1.39 392	2.56 385	1.86 385

SGM+DAISY	5.38 395	1.28 371	8.24 381	1.27 372	1.16 370	10.62 406	16.01 411	2.93 374	2.53 364	8.64 409	13.03 407	8.26 401	13.38 408	6.34 364	7.59 384	1.07 378	1.05 399	1.00 376	0.98 382	1.02 371	1.12 375

TorneroNet-64	5.41 396	2.10 393	2.43 330	3.49 403	2.83 400	9.90 405	2.13 383	8.87 409	16.79 412	5.39 401	9.18 404	10.68 409	3.92 392	9.55 398	5.11 372	3.36 398	0.86 388	2.88 403	1.62 399	3.76 401	3.37 403

MADNet++	5.41 396	3.18 407	6.43 374	4.66 412	3.95 410	6.15 400	6.75 404	4.51 393	4.51 394	5.06 399	6.27 391	4.96 388	6.14 399	9.39 397	11.70 395	4.71 409	4.19 412	3.97 411	3.33 409	4.08 404	4.25 410

UNDER WATER	5.68 398	2.46 401	15.52 401	3.98 410	3.53 407	5.15 398	2.74 397	5.58 400	16.41 410	4.00 385	4.56 380	9.12 403	6.43 401	6.22 359	9.11 389	3.85 405	1.35 404	3.18 407	1.98 404	4.51 408	3.84 409

UNDER WATER-64	5.84 399	2.48 402	17.93 406	3.97 409	3.58 408	7.70 402	3.03 400	5.72 402	14.13 404	4.18 391	4.00 377	9.27 404	6.80 402	6.20 358	9.22 390	3.67 401	1.52 406	3.14 405	1.95 402	4.43 407	3.83 408

LSM	6.55 400	1.26 369	15.64 402	1.79 381	68.74 428	1.67 318	2.08 381	2.26 318	2.59 366	3.13 381	3.08 367	1.90 321	1.81 347	2.89 291	2.16 337	0.43 324	0.59 376	0.50 345	0.58 363	0.64 350	17.24 419

tt	6.61 401	0.28 43	6.10 373	3.77 406	2.17 386	11.53 408	19.61 412	13.53 414	5.81 398	3.00 377	2.82 361	4.97 389	6.33 400	3.83 315	7.23 383	9.13 415	11.32 419	5.87 414	6.22 413	6.01 411	2.63 397

JetRed	7.02 402	8.94 413	25.72 415	2.89 394	3.27 405	14.25 411	12.27 408	6.69 405	4.45 393	4.46 393	4.56 380	6.65 393	5.43 396	7.46 380	14.41 405	2.60 391	3.31 409	2.61 398	2.30 408	4.34 406	3.79 407

MANE	7.50 403	0.64 309	7.97 380	1.40 374	2.10 385	16.86 413	12.56 409	12.91 413	17.51 415	8.50 408	11.60 406	14.66 410	13.33 407	12.02 410	13.28 397	0.62 360	0.52 367	0.52 347	1.90 401	0.56 337	0.58 336

SGM-ForestM	7.81 404	0.48 261	11.02 393	0.74 291	0.40 170	16.83 412	12.72 410	7.91 407	8.13 401	11.53 410	10.25 405	22.44 419	14.01 409	17.02 413	20.52 411	0.38 307	0.39 342	0.37 311	0.36 321	0.37 275	0.38 278

coex-ft	8.35 405	2.39 397	100.24 432	0.68 251	0.54 248	1.77 328	1.57 357	1.71 202	11.00 403	18.91 417	3.76 374	3.85 379	8.23 405	3.29 303	6.58 379	0.31 272	0.31 307	0.32 277	0.31 296	0.69 356	0.57 333

LE_ROB	8.35 405	0.47 258	27.42 419	0.83 322	0.34 122	2.84 372	3.36 401	4.03 388	27.04 419	25.20 419	8.72 403	8.55 402	27.35 419	7.37 379	22.13 412	0.22 148	0.20 207	0.20 70	0.21 163	0.25 195	0.25 160

KSHMR	8.76 407	2.14 394	3.59 356	3.60 405	3.13 403	4.15 393	2.67 396	5.61 401	58.90 432	3.04 378	55.71 432	4.94 387	2.54 375	4.61 328	3.05 356	3.49 400	1.57 407	3.14 405	1.98 404	3.84 402	3.49 404

EDNetEfficientorigin	10.59 408	1.52 379	177.33 433	0.68 251	0.54 248	1.66 317	1.20 335	1.94 254	3.39 383	4.69 395	3.37 369	3.08 373	2.79 378	3.25 301	3.63 360	0.26 223	0.24 260	0.33 285	0.28 266	0.85 364	0.87 366

TorneroNet	10.72 409	2.09 392	2.76 340	3.48 402	3.03 402	44.72 424	2.31 388	8.62 408	67.06 433	7.45 407	23.21 417	10.59 408	4.28 394	9.03 391	9.00 388	3.67 401	0.91 392	3.04 404	1.63 400	3.92 403	3.55 406

HanzoNet	11.92 410	5.12 409	17.18 403	4.19 411	3.59 409	5.16 399	2.82 398	7.41 406	9.96 402	33.31 428	27.60 419	22.25 418	37.31 423	18.18 414	13.57 398	8.13 414	3.44 411	3.50 410	3.44 410	7.77 415	4.52 411

DGTPSM_ROB	13.06 411	8.27 411	22.29 410	9.53 415	18.14 412	11.53 408	31.97 417	10.82 411	16.25 405	7.14 404	19.39 415	10.12 406	16.69 411	9.85 401	22.49 413	4.77 410	8.72 414	5.37 412	10.24 416	6.15 412	11.56 414

DPSMNet_ROB	13.08 412	8.28 412	22.32 411	9.54 416	18.15 413	11.53 408	31.98 418	10.83 412	16.27 406	7.17 405	19.40 416	10.12 406	16.69 411	9.87 402	22.50 414	4.78 411	8.72 414	5.38 413	10.25 417	6.16 413	11.59 415

DPSM_ROB	19.12 413	19.13 416	25.13 413	22.15 418	20.86 416	28.06 416	37.75 420	27.18 417	16.95 413	14.25 411	15.07 410	21.66 413	18.69 414	21.83 416	26.51 418	10.15 417	9.30 417	10.45 417	10.41 418	14.00 416	12.85 417

DPSM	19.12 413	19.13 416	25.13 413	22.15 418	20.86 416	28.06 416	37.75 420	27.18 417	16.95 413	14.25 411	15.07 410	21.66 413	18.69 414	21.83 416	26.51 418	10.15 417	9.30 417	10.45 417	10.41 418	14.00 416	12.85 417

LRCNet_RVC	22.79 415	32.09 422	22.06 409	29.83 420	26.15 418	4.40 395	0.84 282	22.64 415	2.10 355	26.93 420	29.25 420	23.03 420	15.56 410	23.91 418	18.92 410	32.00 426	20.04 427	34.68 426	32.13 426	30.66 425	28.52 425

DLNR_Zeroshot_test	23.23 416	48.25 433	43.77 422	177.04 433	78.39 429	0.35 5	0.21 1	23.33 416	0.82 53	0.67 41	0.86 55	0.58 43	0.30 4	1.64 185	0.48 88	10.69 419	0.13 17	0.18 33	0.14 22	76.63 432	0.23 122

DPSimNet_ROB	24.77 417	9.69 414	61.46 430	3.56 404	19.46 414	25.95 414	77.56 431	5.09 398	16.60 411	21.50 418	29.82 421	25.12 421	85.69 433	13.37 412	23.07 416	7.23 413	17.79 420	8.55 415	7.57 414	4.57 410	31.84 426

SPstereo	26.71 418	6.90 410	11.42 394	5.86 413	6.44 411	48.17 425	80.34 432	67.41 433	34.42 428	28.80 426	27.49 418	43.68 430	37.53 427	44.96 432	54.23 433	5.06 412	4.92 413	10.92 419	6.03 412	4.54 409	5.00 413

BEATNet-Init1	27.39 419	21.01 418	73.65 431	1.07 361	0.80 329	56.07 426	22.82 413	33.14 424	31.71 421	51.78 432	52.93 431	65.63 432	48.54 431	48.75 433	36.36 423	0.52 350	0.47 359	0.54 352	0.54 359	0.64 350	0.72 354

CasAABBNet	38.42 420	38.42 424	50.26 424	44.76 425	41.87 422	56.47 430	76.22 426	54.44 430	33.92 423	28.53 421	30.36 423	43.53 429	37.59 428	43.77 429	53.32 428	20.27 420	18.70 422	21.03 423	21.04 421	28.19 419	25.79 420

MyStereo03	38.45 421	38.46 426	50.33 425	44.93 426	42.03 424	56.44 427	76.24 427	54.16 427	34.06 425	28.68 423	30.42 424	43.46 425	37.33 424	43.76 426	53.43 429	20.29 421	18.73 424	21.02 420	21.05 422	28.19 419	25.91 422

MyStereo02	38.45 421	38.46 426	50.33 425	44.93 426	42.03 424	56.44 427	76.24 427	54.16 427	34.06 425	28.68 423	30.42 424	43.46 425	37.33 424	43.76 426	53.43 429	20.29 421	18.73 424	21.02 420	21.05 422	28.19 419	25.91 422

MyStereo	38.45 421	38.46 426	50.33 425	44.93 426	42.03 424	56.44 427	76.24 427	54.16 427	34.06 425	28.68 423	30.42 424	43.46 425	37.33 424	43.76 426	53.43 429	20.29 421	18.73 424	21.02 420	21.05 422	28.19 419	25.91 422

Selective-RAFT-Error	38.47 424	38.44 425	50.38 428	44.74 424	42.01 423	56.47 430	76.24 427	54.44 430	34.02 424	28.59 422	30.30 422	43.51 428	38.10 429	43.69 425	53.24 427	20.36 424	18.72 423	21.05 424	21.02 420	28.25 423	25.87 421

HaxPig	39.02 425	41.39 430	41.59 420	30.10 421	32.36 419	29.49 418	27.65 415	30.56 420	37.94 429	43.75 429	43.81 428	33.42 422	35.69 420	41.51 423	40.33 425	43.91 430	47.48 432	45.87 427	47.14 428	42.29 426	44.06 429

AVERAGE_ROB	40.42 426	42.30 431	42.61 421	36.91 423	35.54 421	30.42 419	27.59 414	37.45 426	38.45 430	44.87 430	44.27 429	37.55 424	36.69 421	41.82 424	40.25 424	45.36 431	46.73 431	47.09 428	46.32 427	42.47 427	43.74 428

MEDIAN_ROB	42.01 427	44.30 432	44.14 423	35.08 422	34.90 420	31.33 423	29.90 416	36.77 425	40.11 431	47.14 431	46.55 430	37.49 423	38.50 430	44.30 431	42.32 426	47.93 432	49.31 433	49.68 429	49.00 429	44.98 428	46.46 430

Anonymous_1	42.79 428	18.71 415	24.75 412	21.81 417	45.16 427	27.68 415	37.52 419	28.64 419	16.34 407	14.72 413	14.53 408	20.60 412	17.82 413	21.52 415	25.88 417	113.45 433	8.91 416	100.63 430	126.37 430	158.50 433	12.31 416

LSM0	42.92 429	38.72 429	50.66 429	47.49 429	110.18 433	56.77 432	75.87 425	54.87 432	33.74 422	29.48 427	31.12 427	43.77 431	37.12 422	43.85 430	53.44 432	20.50 425	18.67 421	21.05 424	21.07 425	28.37 424	41.73 427

PML	51.64 430	37.49 423	14.31 398	7.45 414	20.27 415	107.80 433	231.34 434	8.94 410	27.70 420	86.74 433	268.93 434	69.03 433	61.09 432	24.71 422	14.36 404	9.71 416	3.40 410	9.60 416	4.67 411	20.46 418	4.76 412

xxxxx1	54.34 431	26.72 419	27.03 416	114.14 430	99.00 430	30.68 420	47.19 422	32.52 421	26.09 416	17.85 414	17.48 412	21.86 415	20.92 416	24.38 419	33.78 420	34.73 427	41.33 428	157.67 431	175.68 431	65.82 429	71.99 431

tt_ll	54.34 431	26.72 419	27.03 416	114.14 430	99.00 430	30.68 420	47.19 422	32.52 421	26.09 416	17.85 414	17.48 412	21.86 415	20.92 416	24.38 419	33.78 420	34.73 427	41.33 428	157.67 431	175.68 431	65.82 429	71.99 431

ff	54.34 431	26.72 419	27.03 416	114.14 430	99.00 430	30.68 420	47.19 422	32.52 421	26.09 416	17.85 414	17.48 412	21.86 415	20.92 416	24.38 419	33.78 420	34.73 427	41.33 428	157.67 431	175.68 431	65.82 429	71.99 431

test_example2	192.91 434	210.59 434	206.44 434	199.86 434	204.90 434	172.02 434	182.95 433	138.34 434	134.89 434	193.14 434	200.54 433	186.77 434	177.82 434	204.95 434	207.57 434	221.83 434	238.70 434	186.02 434	190.07 434	226.94 434	173.78 434

Low-res two-view benchmark