Low-res two-view results

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

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

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

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

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

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

MIF-Stereo	0.38 1	0.24 9	0.67 47	0.49 35	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	0.52 109	0.21 121	0.15 112	0.17 13	0.15 30	0.19 59	0.17 23

LoS_RVC	0.45 11	0.29 61	0.48 10	0.49 35	0.83 338	0.51 43	0.43 108	0.65 2	0.44 1	0.47 11	0.78 42	0.44 8	0.60 100	0.59 11	0.37 25	0.14 1	0.12 5	0.14 1	0.10 1	0.14 1	1.08 375

XX-TBD	0.47 22	0.71 327	0.39 1	0.81 316	0.25 8	0.57 69	0.26 10	0.73 3	1.30 236	0.78 53	1.01 89	0.45 15	0.33 10	0.49 3	0.39 31	0.20 99	0.15 112	0.15 3	0.11 6	0.17 20	0.15 3

CREStereo++_RVC	0.49 26	0.22 3	0.46 8	0.48 29	0.38 155	0.45 16	0.25 4	0.77 4	1.30 236	0.82 62	1.23 170	0.47 21	0.37 13	0.55 5	0.44 62	0.16 7	0.11 2	0.16 8	0.80 377	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
PMTNet	0.47 22	0.22 3	0.43 5	0.39 2	0.24 6	0.71 137	0.26 10	0.78 5	1.03 123	0.65 39	0.69 28	0.55 39	0.48 44	0.90 69	0.36 16	0.99 375	0.13 17	0.15 3	0.10 1	0.15 4	0.15 3

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 44	0.49 54	0.53 4	0.39 31	0.20 99	0.16 139	0.19 47	0.15 30	0.19 59	0.15 3

CroCo-Stereo Lap2	0.46 19	0.37 204	0.87 138	0.62 191	0.79 329	0.28 2	0.35 49	0.81 6	0.73 29	0.39 3	0.54 15	0.71 79	0.54 69	0.60 13	0.48 89	0.18 40	0.18 185	0.19 47	0.16 54	0.21 121	0.21 88

GLC_STEREO	0.41 4	0.27 35	0.43 5	0.55 111	0.24 6	0.47 18	0.30 23	0.81 6	0.64 19	0.53 28	0.74 36	0.50 32	0.31 6	0.65 25	0.45 73	0.18 40	0.20 209	0.23 147	0.19 103	0.21 121	0.21 88

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	1.15 172	0.59 31	0.72 34	0.51 33	0.42 20	0.57 8	0.37 25	0.19 65	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
Former-RAFT_DAM_RVC	0.47 22	0.38 221	0.75 77	0.48 29	0.37 144	0.67 120	0.35 49	0.82 10	1.14 167	0.61 38	0.64 20	0.39 4	0.39 15	0.74 34	0.39 31	0.20 99	0.17 161	0.22 120	0.18 84	0.24 187	0.20 70

CAS	0.66 111	0.19 1	0.41 4	2.31 388	0.86 343	0.56 67	0.53 180	0.83 11	0.63 17	0.49 16	0.70 32	0.36 2	0.26 1	0.47 2	0.37 25	2.33 390	0.10 1	0.14 1	0.10 1	0.17 20	1.31 380

test_4	0.55 37	0.23 6	0.67 47	0.56 123	0.32 97	0.71 137	0.39 78	0.83 11	0.72 28	0.93 81	1.87 322	0.70 73	0.41 17	1.21 122	0.39 31	0.16 7	0.13 17	0.21 93	0.23 214	0.20 86	0.18 32

TANstereo	0.45 11	0.23 6	0.50 13	0.43 5	0.21 2	0.65 109	0.26 10	0.83 11	0.88 65	0.95 84	0.99 83	0.51 33	0.45 29	0.56 6	0.36 16	0.19 65	0.24 262	0.16 8	0.13 11	0.17 20	0.27 194

rrr	0.57 60	0.33 135	2.43 332	0.46 14	0.34 122	0.50 38	0.38 69	0.84 14	0.55 4	0.48 13	0.48 5	0.48 25	0.45 29	2.28 264	0.44 62	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

CASnet	0.42 8	0.26 19	0.52 15	0.52 70	0.21 2	0.49 28	0.35 49	0.85 15	0.85 61	0.84 66	0.69 28	0.48 25	0.31 6	0.57 8	0.34 4	0.19 65	0.12 5	0.27 234	0.22 187	0.23 158	0.15 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RAFT-RH_RVC	1.04 262	0.26 19	0.76 80	0.53 90	0.29 51	0.80 167	0.32 29	0.85 15	1.12 156	2.04 348	4.63 385	1.03 179	0.57 78	5.93 355	0.52 109	0.20 99	0.13 17	0.26 225	0.20 129	0.16 11	0.19 51

RAFT-345	0.86 214	0.26 19	0.73 67	0.53 90	0.28 40	0.53 51	0.41 88	0.85 15	1.31 243	1.33 228	2.32 349	0.85 119	0.53 62	5.69 349	0.48 89	0.19 65	0.14 58	0.22 120	0.17 70	0.17 20	0.17 23

test_xeample3	0.57 60	0.33 135	3.11 349	0.46 14	0.34 122	0.55 64	0.38 69	0.86 18	0.49 2	0.54 29	0.46 3	0.44 8	0.44 27	1.49 166	0.45 73	0.18 40	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

RAFT_CTSACE	0.66 111	0.29 61	1.14 211	0.57 141	0.51 235	0.68 124	0.44 125	0.88 19	0.98 103	1.03 102	1.83 315	1.23 226	0.67 123	1.48 160	0.38 28	0.16 7	0.16 139	0.21 93	0.20 129	0.20 86	0.17 23

4D-IteraStereo	0.50 30	0.26 19	0.84 125	0.51 58	0.49 222	0.64 105	0.31 25	0.91 20	1.02 120	1.05 106	0.72 34	0.76 83	0.32 9	0.69 29	0.40 45	0.18 40	0.11 2	0.23 147	0.20 129	0.19 59	0.16 13

ff7	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

IGEVStereo-DCA	0.49 26	0.33 135	0.64 37	0.46 14	0.34 122	0.50 38	0.42 92	0.93 21	0.59 7	0.48 13	0.48 5	0.48 25	0.45 29	2.28 264	0.44 62	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.21 88

ffff	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

11t	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

ccc-4	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

sCroCo_RVC	0.51 32	0.43 246	1.15 213	0.66 231	0.60 274	0.52 47	0.40 80	0.93 21	0.64 19	0.45 9	0.76 37	0.49 29	0.49 54	0.65 25	0.49 98	0.27 242	0.28 292	0.23 147	0.22 187	0.29 234	0.28 205

anonymousdsp	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 92	0.97 27	0.60 12	0.51 26	0.53 9	0.46 16	0.47 42	1.36 135	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

DEmStereo	0.98 250	0.25 16	0.85 131	0.49 35	0.33 110	1.02 232	0.55 196	0.97 27	0.93 83	1.41 260	2.13 340	1.01 174	2.01 357	5.62 348	0.78 194	0.19 65	0.15 112	0.20 70	0.20 129	0.18 34	0.25 161

sAnonymous2	0.59 82	0.61 302	1.82 297	0.61 183	0.52 238	0.51 43	0.54 189	0.97 27	0.70 26	0.50 19	0.68 25	0.46 16	0.63 111	0.61 14	0.41 50	0.22 150	0.17 161	0.23 147	0.21 165	0.85 366	0.56 332

CroCo_RVC	0.59 82	0.61 302	1.82 297	0.61 183	0.52 238	0.51 43	0.54 189	0.97 27	0.70 26	0.50 19	0.68 25	0.46 16	0.63 111	0.61 14	0.41 50	0.22 150	0.17 161	0.23 147	0.21 165	0.85 366	0.56 332

AEACV	0.41 4	0.25 16	0.60 24	0.55 111	0.52 238	0.43 13	0.38 69	0.98 31	0.63 17	0.44 5	0.56 18	0.46 16	0.59 96	0.56 6	0.31 1	0.17 18	0.13 17	0.18 33	0.16 54	0.17 20	0.17 23

MC-Stereo	0.46 19	0.24 9	0.58 18	0.63 201	0.30 63	0.38 7	0.32 29	0.98 31	0.74 36	0.66 40	0.85 55	0.56 41	0.60 100	1.07 98	0.32 2	0.17 18	0.12 5	0.17 13	0.15 30	0.16 11	0.16 13

IGEV-Stereo	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 92	0.98 31	0.60 12	0.51 26	0.53 9	0.46 16	0.47 42	1.36 135	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
UDGNet	0.75 159	1.23 370	0.99 175	0.82 320	0.42 188	0.76 152	0.38 69	0.98 31	1.37 264	0.83 63	0.88 61	0.70 73	0.60 100	1.25 124	0.57 138	0.57 359	0.19 199	1.03 379	0.26 245	0.79 365	0.35 268

Prome-Stereo	0.76 164	0.29 61	0.57 17	0.58 151	0.33 110	0.58 78	0.94 304	0.98 31	0.92 76	1.46 279	2.45 356	0.91 138	1.38 312	1.60 183	0.44 62	0.19 65	0.13 17	0.19 47	0.18 84	0.20 86	0.87 368

PFNet+	0.62 93	0.31 104	0.99 175	0.57 141	0.31 77	0.57 69	0.30 23	0.99 36	1.25 212	1.33 228	1.10 120	0.79 90	0.57 78	1.35 134	0.53 118	0.26 225	0.17 161	0.28 246	0.26 245	0.21 121	0.27 194

Selective-RAFT	0.55 37	0.29 61	0.85 131	0.58 151	0.28 40	0.91 202	0.34 40	1.00 37	0.96 96	0.59 31	0.64 20	0.80 92	0.76 141	1.34 133	0.51 103	0.21 121	0.15 112	0.17 13	0.15 30	0.19 59	0.19 51

GMOStereo	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 271	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

error version	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 271	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

test-v	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 271	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

AAGNet	1.84 347	0.30 79	0.79 93	0.66 231	0.32 97	0.65 109	0.50 165	1.02 38	1.01 117	1.47 280	1.21 164	0.99 166	1.16 278	2.76 289	22.69 417	0.24 188	0.13 17	0.22 120	0.20 129	0.24 187	0.16 13

test-2	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 271	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

GMStereo	0.58 71	0.50 271	1.09 199	0.52 70	0.32 97	0.80 167	0.43 108	1.02 38	1.41 280	0.89 75	0.77 40	0.52 36	0.46 36	0.89 66	0.56 135	0.25 208	0.16 139	0.20 70	0.22 187	0.31 249	0.27 194
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
MIF-Stereo (partial)	0.48 25	0.28 43	0.83 116	0.51 58	0.53 243	0.39 8	0.27 14	1.03 44	0.64 19	0.47 11	0.71 33	0.51 33	0.51 56	1.13 111	0.47 85	0.20 99	0.16 139	0.23 147	0.20 129	0.24 187	0.20 70

dd	0.62 93	0.51 275	1.17 227	0.56 123	0.33 110	0.74 145	0.46 139	1.03 44	1.40 277	0.80 56	0.87 58	0.60 49	0.57 78	1.02 87	0.86 211	0.28 253	0.18 185	0.26 225	0.19 103	0.35 268	0.27 194

test croco	0.49 26	0.29 61	1.23 239	0.51 58	0.40 171	0.35 5	0.37 62	1.04 46	0.62 16	0.44 5	0.76 37	0.42 5	0.41 17	1.17 118	0.46 77	0.23 170	0.15 112	0.24 168	0.19 103	0.25 197	0.18 32

CES	0.51 32	0.21 2	0.40 2	0.42 4	1.40 378	0.53 51	0.34 40	1.04 46	0.68 23	0.45 9	0.67 24	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	1.69 385

DCRE	0.85 212	0.28 43	0.76 80	0.60 170	0.49 222	0.59 79	0.53 180	1.04 46	0.92 76	0.80 56	7.34 398	0.87 121	0.57 78	0.78 48	0.43 58	0.16 7	0.17 161	0.19 47	0.17 70	0.18 34	0.22 109

KYRaft	0.77 169	0.29 61	0.68 49	0.59 163	0.29 51	0.66 115	0.83 282	1.05 49	0.89 66	1.63 313	2.22 345	1.15 212	0.99 234	1.59 178	0.41 50	0.21 121	0.14 58	0.22 120	0.28 268	0.21 121	1.01 371

RALCasStereoNet	0.58 71	0.34 162	0.77 83	0.65 218	0.64 286	0.64 105	0.51 166	1.06 50	0.99 110	0.71 44	1.06 107	0.77 87	0.44 27	1.38 139	0.52 109	0.20 99	0.18 185	0.18 33	0.16 54	0.20 86	0.22 109

xx1	0.70 139	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.07 51	3.23 382	0.60 34	0.80 47	0.95 153	0.79 155	1.48 160	0.35 6	0.21 121	0.13 17	0.24 168	0.23 214	0.23 158	0.25 161

cc1	0.68 128	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.07 51	3.23 382	0.60 34	0.80 47	0.47 21	0.87 189	1.48 160	0.35 6	0.21 121	0.13 17	0.25 204	0.15 30	0.19 59	0.23 123

test_3	0.57 60	0.24 9	0.87 138	0.55 111	0.30 63	0.60 83	0.40 80	1.07 51	1.08 137	1.20 170	0.68 25	0.92 143	0.43 23	1.68 192	0.40 45	0.16 7	0.13 17	0.22 120	0.19 103	0.21 121	0.17 23

TestStereo	0.65 109	0.42 242	0.83 116	0.52 70	0.27 19	0.57 69	0.44 125	1.07 51	0.92 76	0.85 68	1.01 89	0.68 66	0.56 76	3.22 302	0.47 85	0.23 170	0.15 112	0.24 168	0.18 84	0.28 224	0.18 32

XX-Stereo	0.97 247	0.28 43	8.28 384	0.85 330	0.70 309	0.44 15	0.22 2	1.07 51	0.69 25	0.66 40	1.56 272	1.38 263	0.38 14	1.36 135	0.38 28	0.21 121	0.14 58	0.20 70	0.19 103	0.19 59	0.16 13

DualNet	1.46 318	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	1.08 56	2.62 370	1.19 164	1.49 247	1.07 187	0.85 176	1.57 172	13.82 401	0.21 121	0.13 17	0.31 267	0.28 268	0.20 86	0.23 123

ffm	0.79 179	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	1.08 56	2.62 370	1.19 164	1.49 247	1.07 187	0.85 176	1.57 172	0.35 6	0.21 121	0.13 17	0.31 267	0.28 268	0.20 86	0.23 123

ff1	1.88 348	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	1.08 56	2.62 370	1.19 164	1.49 247	1.07 187	0.85 176	9.88 405	13.82 401	0.21 121	0.13 17	0.31 267	0.28 268	0.20 86	0.23 123

tt1	0.65 109	0.34 162	0.65 42	0.60 170	0.27 19	1.14 252	0.48 152	1.08 56	2.62 370	0.59 31	0.79 44	0.49 29	0.80 161	1.57 172	0.35 6	0.21 121	0.13 17	0.25 204	0.16 54	0.20 86	0.23 123

PSM-AAD	0.80 184	0.29 61	0.58 18	0.58 151	0.29 51	0.76 152	1.19 335	1.08 56	0.94 88	1.65 315	1.58 277	0.81 98	2.12 366	1.67 190	0.44 62	0.19 65	0.14 58	0.38 317	0.32 303	0.22 140	0.68 353

THIR-Stereo	1.02 259	0.29 61	0.73 67	0.51 58	0.29 51	0.94 214	1.31 345	1.08 56	0.98 103	1.35 239	1.91 327	1.16 213	1.54 327	6.37 367	0.79 198	0.20 99	0.14 58	0.21 93	0.22 187	0.19 59	0.25 161

raftrobust	0.55 37	0.27 35	0.63 32	0.68 253	0.69 303	0.50 38	0.34 40	1.08 56	0.97 100	1.32 223	0.88 61	0.62 53	0.80 161	0.82 51	0.44 62	0.20 99	0.16 139	0.16 8	0.14 22	0.15 4	0.18 32

GMStereo_Zeroshot	0.70 139	0.64 311	1.11 204	0.65 218	0.38 155	0.84 188	0.37 62	1.09 63	1.16 177	1.14 140	1.07 109	1.26 237	0.55 71	1.23 123	0.65 166	0.34 291	0.17 161	0.31 267	0.18 84	0.57 341	0.23 123

test-3	0.56 48	0.24 9	0.82 108	0.50 47	0.29 51	0.57 69	0.34 40	1.09 63	1.03 123	1.33 228	0.69 28	0.87 121	0.45 29	1.68 192	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 48	0.24 9	0.82 108	0.50 47	0.29 51	0.57 69	0.34 40	1.09 63	1.03 123	1.28 209	0.69 28	0.87 121	0.45 29	1.67 190	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

LCNet	0.73 153	0.30 79	0.58 18	0.58 151	0.31 77	0.68 124	0.53 180	1.09 63	0.94 88	1.19 164	1.34 208	0.96 157	1.32 306	2.50 275	0.46 77	0.19 65	0.13 17	0.21 93	0.25 234	0.28 224	0.69 355

FTStereo	0.92 236	0.28 43	0.61 28	0.57 141	0.34 122	0.65 109	1.80 373	1.09 63	0.84 58	1.75 323	4.13 380	1.04 180	1.62 331	1.59 178	0.48 89	0.21 121	0.17 161	0.23 147	0.22 187	0.19 59	0.58 338

GMM-Stereo	0.75 159	0.27 35	0.66 44	0.56 123	0.34 122	0.71 137	0.97 309	1.09 63	0.91 71	1.37 245	1.79 308	1.11 204	0.79 155	2.08 248	0.48 89	0.19 65	0.12 5	0.25 204	0.25 234	0.21 121	0.78 362

knoymous	0.53 35	0.32 118	0.51 14	0.46 14	0.30 63	0.57 69	0.54 189	1.10 69	0.78 42	0.99 87	0.84 53	0.95 153	0.57 78	0.89 66	0.51 103	0.21 121	0.14 58	0.26 225	0.14 22	0.23 158	0.25 161

DisPM	0.68 128	0.30 79	0.85 131	0.66 231	0.35 137	0.60 83	0.44 125	1.10 69	1.10 147	1.56 300	1.10 120	0.80 92	0.58 93	2.37 272	0.46 77	0.25 208	0.14 58	0.23 147	0.21 165	0.20 86	0.26 178

DeepStereo_RVC	0.57 60	0.31 104	0.78 89	0.53 90	0.30 63	0.57 69	0.32 29	1.11 71	0.80 52	1.17 148	0.94 69	0.83 112	0.93 212	1.01 85	0.61 154	0.23 170	0.14 58	0.21 93	0.19 103	0.24 187	0.26 178

Anonymous3	0.64 105	0.47 260	1.31 252	0.59 163	0.50 226	0.93 212	0.69 246	1.11 71	0.83 56	0.74 49	0.89 63	0.65 60	0.68 126	1.08 100	0.54 127	0.40 318	0.31 309	0.26 225	0.26 245	0.31 249	0.30 230

LoS	0.41 4	0.23 6	0.46 8	0.39 2	0.23 5	0.48 23	0.40 80	1.12 73	0.94 88	0.50 19	0.66 22	0.49 29	0.42 20	0.63 23	0.39 31	0.19 65	0.14 58	0.16 8	0.11 6	0.14 1	0.15 3

Anonymous	0.56 48	0.41 240	1.05 189	0.67 244	0.73 310	0.65 109	0.68 242	1.12 73	0.79 48	0.48 13	0.60 19	0.42 5	0.60 100	0.81 49	0.55 128	0.26 225	0.24 262	0.21 93	0.21 165	0.41 295	0.30 230

RAFT-Stereo + iAFF	0.56 48	0.28 43	0.81 99	0.45 8	0.25 8	0.40 9	0.34 40	1.12 73	1.13 161	1.35 239	1.58 277	0.80 92	0.67 123	0.71 30	0.43 58	0.14 1	0.11 2	0.18 33	0.17 70	0.18 34	0.16 13

aanetorigin	1.26 302	0.85 344	3.00 346	0.72 280	0.80 331	1.08 243	1.05 318	1.12 73	1.39 275	3.53 386	2.60 359	1.72 312	1.73 344	1.98 234	1.77 328	0.26 225	0.24 262	0.26 225	0.25 234	0.38 283	0.51 320

HHNet	0.64 105	0.28 43	0.69 53	0.45 8	0.46 208	0.50 38	0.57 205	1.13 77	1.03 123	1.26 199	2.21 344	0.70 73	0.59 96	1.10 106	0.51 103	0.21 121	0.13 17	0.23 147	0.19 103	0.20 86	0.31 239

DRaft	0.81 192	0.26 19	0.77 83	0.47 24	0.31 77	0.95 220	0.52 174	1.13 77	0.99 110	1.78 328	2.01 334	0.80 92	1.71 342	2.64 282	0.74 185	0.19 65	0.14 58	0.20 70	0.20 129	0.18 34	0.24 142

EKT-Stereo	0.56 48	0.33 135	0.84 125	0.61 183	0.64 286	0.51 43	0.48 152	1.14 79	0.95 92	0.74 49	0.89 63	0.77 87	0.42 20	1.18 119	0.42 55	0.23 170	0.17 161	0.21 93	0.18 84	0.20 86	0.26 178

Patchmatch Stereo++	0.57 60	0.33 135	0.82 108	0.52 70	0.27 19	0.63 97	0.28 17	1.14 79	0.73 29	1.13 127	0.96 72	0.82 104	0.60 100	1.40 142	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	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
PSM-adaLoss	0.56 48	0.33 135	0.81 99	0.52 70	0.27 19	0.63 97	0.41 88	1.14 79	0.73 29	1.13 127	0.96 72	0.82 104	0.60 100	1.09 104	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

ROB_FTStereo_v2	0.57 60	0.33 135	0.81 99	0.52 70	0.27 19	0.62 89	0.42 92	1.14 79	0.73 29	1.13 127	0.97 79	0.82 104	0.60 100	1.15 113	0.53 118	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

ROB_FTStereo	0.56 48	0.33 135	0.82 108	0.52 70	0.27 19	0.62 89	0.25 4	1.14 79	0.74 36	1.13 127	0.96 72	0.82 104	0.60 100	1.18 119	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

HUI-Stereo	0.54 36	0.33 135	0.81 99	0.52 70	0.27 19	0.62 89	0.29 21	1.14 79	0.74 36	1.13 127	0.96 72	0.82 104	0.60 100	0.83 54	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

iGMRVC	0.58 71	0.33 135	0.81 99	0.52 70	0.27 19	0.62 89	0.38 69	1.14 79	0.73 29	1.13 127	0.97 79	0.82 104	0.59 96	1.54 169	0.53 118	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

iRAFT	0.57 60	0.33 135	0.82 108	0.52 70	0.27 19	0.63 97	0.28 17	1.14 79	0.73 29	1.13 127	0.96 72	0.82 104	0.60 100	1.40 142	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

RAFT	0.67 119	0.32 118	0.83 116	0.63 201	0.34 122	0.69 132	0.57 205	1.14 79	0.84 58	1.12 124	1.20 159	1.75 319	0.92 211	1.09 104	0.60 151	0.22 150	0.19 199	0.27 234	0.24 226	0.22 140	0.23 123

RAFT-IKP	0.57 60	0.33 135	0.82 108	0.52 70	0.27 19	0.57 69	0.35 49	1.14 79	0.73 29	1.13 127	0.96 72	0.83 112	0.61 110	1.26 125	0.53 118	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

iRaftStereo_RVC	0.49 26	0.28 43	0.72 57	0.53 90	0.29 51	0.52 47	0.33 33	1.14 79	0.84 58	0.85 68	0.99 83	0.55 39	0.36 12	0.83 54	0.40 45	0.18 40	0.13 17	0.22 120	0.20 129	0.20 86	0.18 32

ProNet	0.46 19	0.30 79	0.69 53	0.46 14	0.32 97	0.57 69	0.52 174	1.15 90	0.67 22	0.44 5	0.50 8	0.44 8	0.43 23	1.31 128	0.38 28	0.16 7	0.15 112	0.19 47	0.16 54	0.18 34	0.18 32

DCANet-4	0.59 82	0.28 43	1.65 288	0.44 7	0.25 8	0.48 23	0.36 56	1.15 90	1.36 259	1.13 127	1.03 98	0.56 41	0.74 135	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

RAFT_R40	0.84 207	0.30 79	0.83 116	0.63 201	0.31 77	0.66 115	0.43 108	1.15 90	0.99 110	1.47 280	1.10 120	1.00 170	0.84 171	5.44 346	0.53 118	0.23 170	0.13 17	0.23 147	0.20 129	0.23 158	0.19 51

NRIStereo	0.62 93	0.31 104	0.78 89	0.56 123	0.28 40	0.63 97	0.33 33	1.16 93	0.92 76	1.15 142	0.87 58	0.90 135	0.58 93	2.24 260	0.56 135	0.22 150	0.14 58	0.21 93	0.19 103	0.22 140	0.18 32

ASMatch	0.89 221	0.29 61	0.72 57	0.56 123	0.36 139	0.47 18	0.37 62	1.16 93	0.95 92	1.11 116	3.26 370	0.95 153	0.96 221	4.88 334	0.53 118	0.20 99	0.16 139	0.22 120	0.19 103	0.20 86	0.30 230

SST-Stereo	0.85 212	0.30 79	0.81 99	0.63 201	0.31 77	0.70 135	0.25 4	1.16 93	0.95 92	1.47 280	1.11 127	0.99 166	0.86 183	5.69 349	0.53 118	0.23 170	0.13 17	0.23 147	0.19 103	0.23 158	0.19 51

ADStereo(finetuned)	0.62 93	0.26 19	1.59 285	0.45 8	0.25 8	0.49 28	0.36 56	1.18 96	1.35 252	1.16 146	1.04 102	0.60 49	1.18 288	0.85 60	0.57 138	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.24 142

CrosDoStereo	1.56 327	0.26 19	0.78 89	0.51 58	0.29 51	0.66 115	11.86 408	1.18 96	1.00 114	1.35 239	1.76 304	0.99 166	1.83 350	6.64 370	0.83 207	0.19 65	0.15 112	0.20 70	0.22 187	0.18 34	0.25 161

DeepStereo_LL	1.56 327	0.26 19	0.78 89	0.51 58	0.29 51	0.66 115	11.86 408	1.18 96	1.00 114	1.35 239	1.76 304	0.99 166	1.83 350	6.64 370	0.83 207	0.19 65	0.15 112	0.20 70	0.22 187	0.18 34	0.25 161

DCANet	0.58 71	0.26 19	1.15 213	0.45 8	0.25 8	0.49 28	0.36 56	1.18 96	1.35 252	1.15 142	1.04 102	0.60 49	0.91 203	0.84 57	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.25 161

MyStereo07	0.50 30	0.30 79	0.58 18	0.58 151	0.48 216	0.59 79	0.78 265	1.19 100	0.60 12	0.49 16	0.54 15	0.43 7	0.55 71	1.32 131	0.36 16	0.18 40	0.18 185	0.24 168	0.21 165	0.23 158	0.23 123

iRaft-Stereo_5w	0.89 221	0.31 104	1.04 187	0.56 123	0.47 214	0.47 18	0.68 242	1.19 100	1.08 137	0.80 56	1.35 213	1.46 275	0.90 201	5.11 337	1.16 260	0.18 40	0.15 112	0.22 120	0.19 103	0.21 121	0.24 142

GrayStereo	0.83 203	0.28 43	0.62 31	0.66 231	0.37 144	0.76 152	1.79 370	1.19 100	0.91 71	1.98 345	1.89 323	1.07 187	1.76 346	1.43 151	0.50 101	0.20 99	0.15 112	0.19 47	0.21 165	0.18 34	0.41 290

CRE-IMP	0.57 60	0.32 118	0.82 108	0.54 101	0.29 51	0.77 161	0.25 4	1.19 100	0.79 48	1.09 113	0.95 70	0.81 98	0.57 78	1.11 109	0.57 138	0.22 150	0.14 58	0.23 147	0.19 103	0.28 224	0.24 142

RCA-Stereo	0.52 34	0.26 19	0.66 44	0.49 35	0.33 110	0.54 60	0.44 125	1.20 104	1.41 280	0.69 43	1.06 107	0.63 57	0.79 155	0.62 18	0.35 6	0.17 18	0.12 5	0.17 13	0.14 22	0.16 11	0.16 13

fff	0.58 71	0.26 19	1.15 213	0.46 14	0.25 8	0.48 23	0.36 56	1.20 104	1.28 226	1.13 127	1.03 98	0.59 46	1.04 256	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

csc	0.58 71	0.26 19	1.15 213	0.46 14	0.25 8	0.48 23	0.36 56	1.20 104	1.28 226	1.13 127	1.03 98	0.59 46	1.04 256	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

cscssc	0.58 71	0.26 19	1.15 213	0.46 14	0.25 8	0.48 23	0.36 56	1.20 104	1.28 226	1.13 127	1.03 98	0.59 46	1.04 256	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

LL-Strereo2	0.56 48	0.36 188	0.77 83	0.56 123	0.40 171	0.68 124	0.37 62	1.21 108	0.83 56	0.96 85	0.79 44	0.91 138	0.41 17	1.08 100	0.48 89	0.18 40	0.17 161	0.29 254	0.25 234	0.22 140	0.19 51

ToySt	0.73 153	0.35 184	1.64 287	0.54 101	0.37 144	0.92 209	0.81 277	1.21 108	1.03 123	0.86 72	1.12 130	1.31 249	1.01 243	1.04 89	0.88 215	0.19 65	0.20 209	0.24 168	0.24 226	0.27 209	0.28 205

OMP-Stereo	0.95 242	0.35 184	0.79 93	0.92 346	0.32 97	0.49 28	0.35 49	1.22 110	1.11 151	1.58 304	1.12 130	1.44 270	0.69 129	6.92 375	0.51 103	0.20 99	0.15 112	0.24 168	0.19 103	0.21 121	0.16 13

Pruner-Stereo	0.64 105	0.31 104	0.79 93	0.66 231	0.31 77	0.61 87	0.42 92	1.22 110	1.09 144	1.53 293	1.09 118	0.94 150	0.55 71	1.37 138	0.56 135	0.25 208	0.14 58	0.24 168	0.21 165	0.21 121	0.25 161

CroCo-Stereo	0.42 8	0.33 135	0.83 116	0.59 163	0.28 40	0.26 1	0.33 33	1.22 110	0.85 61	0.43 4	0.49 7	0.65 60	0.46 36	0.40 1	0.36 16	0.19 65	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
AFF-stereo	0.60 88	0.28 43	0.72 57	0.48 29	0.29 51	0.34 4	0.37 62	1.22 110	1.20 190	1.21 176	1.59 281	1.10 199	0.70 131	1.01 85	0.44 62	0.14 1	0.12 5	0.19 47	0.20 129	0.18 34	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	1.23 114	0.56 6	0.44 5	0.43 2	0.68 66	0.29 3	0.89 66	0.34 4	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.18 32

dad	0.90 228	0.73 333	1.28 248	0.59 163	0.39 162	0.83 181	0.45 133	1.24 115	1.54 314	1.52 290	1.28 190	1.36 258	0.86 183	2.54 278	0.91 222	0.43 326	0.27 288	0.82 372	0.26 245	0.44 311	0.34 260

rafts_anoy	0.55 37	0.32 118	0.66 44	0.72 280	0.61 279	0.53 51	0.40 80	1.24 115	1.06 133	0.85 68	0.83 52	0.67 64	0.53 62	0.77 41	0.55 128	0.20 99	0.15 112	0.25 204	0.26 245	0.22 140	0.21 88

MSKI-zero shot	0.56 48	0.30 79	0.61 28	0.55 111	0.28 40	0.68 124	0.28 17	1.25 117	0.68 23	0.92 78	1.33 205	0.81 98	0.33 10	1.94 228	0.36 16	0.18 40	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

CIPLG	0.67 119	0.37 204	1.17 227	0.60 170	0.51 235	0.75 147	0.48 152	1.26 118	1.11 151	1.43 268	1.58 277	0.64 59	0.48 44	0.94 72	0.78 194	0.24 188	0.15 112	0.19 47	0.16 54	0.19 59	0.29 217

ACRE	0.66 111	0.37 204	1.27 247	0.60 170	0.50 226	0.74 145	0.47 148	1.26 118	1.10 147	1.40 258	1.56 272	0.62 53	0.46 36	0.88 64	0.78 194	0.24 188	0.15 112	0.19 47	0.16 54	0.19 59	0.29 217

PSM-softLoss	0.80 184	0.33 135	0.89 143	0.63 201	0.32 97	0.55 64	0.40 80	1.26 118	0.78 42	1.25 189	1.07 109	0.83 112	0.51 56	5.33 341	0.61 154	0.25 208	0.15 112	0.25 204	0.22 187	0.20 86	0.26 178

KMStereo	0.80 184	0.33 135	0.89 143	0.63 201	0.32 97	0.55 64	0.40 80	1.26 118	0.78 42	1.25 189	1.07 109	0.83 112	0.51 56	5.33 341	0.61 154	0.25 208	0.15 112	0.25 204	0.22 187	0.20 86	0.26 178

IIG-Stereo	0.97 247	0.34 162	0.80 98	0.90 344	0.33 110	0.61 87	0.26 10	1.27 122	1.08 137	1.69 319	1.37 218	1.44 270	0.74 135	6.94 376	0.53 118	0.21 121	0.14 58	0.23 147	0.18 84	0.20 86	0.15 3

PFNet	0.92 236	0.28 43	1.20 233	0.68 253	0.32 97	0.62 89	0.55 196	1.27 122	1.01 117	1.47 280	1.09 118	0.97 160	0.68 126	6.58 369	0.59 149	0.21 121	0.13 17	0.24 168	0.19 103	0.20 86	0.20 70

AnonymousM	0.63 102	1.14 364	0.43 5	0.46 14	0.32 97	0.43 13	0.46 139	1.27 122	0.78 42	1.00 91	0.66 22	0.68 66	0.45 29	0.61 14	0.46 77	0.21 121	0.16 139	1.84 387	0.98 384	0.15 4	0.15 3

RALAANet	0.62 93	0.37 204	0.97 171	0.66 231	0.50 226	0.67 120	0.31 25	1.27 122	1.09 144	1.11 116	1.17 153	0.88 127	0.46 36	1.27 127	0.45 73	0.20 99	0.15 112	0.21 93	0.18 84	0.27 209	0.19 51

IPLGR_C	0.67 119	0.38 221	1.20 233	0.60 170	0.50 226	0.75 147	0.48 152	1.28 126	1.13 161	1.42 264	1.57 276	0.62 53	0.48 44	0.85 60	0.80 203	0.24 188	0.15 112	0.19 47	0.16 54	0.19 59	0.29 217

iinet-f	1.04 262	0.50 271	4.24 366	0.58 151	0.43 191	1.78 333	0.70 252	1.29 127	1.16 177	1.25 189	1.42 233	1.57 294	1.42 317	1.47 158	1.70 322	0.26 225	0.23 254	0.20 70	0.20 129	0.26 207	0.26 178

DN-CSS_ROB	0.67 119	0.36 188	1.36 259	0.59 163	0.41 181	0.54 60	0.45 133	1.30 128	0.95 92	1.05 106	1.47 244	0.69 70	0.64 113	1.80 212	0.60 151	0.19 65	0.15 112	0.25 204	0.23 214	0.22 140	0.23 123

IER	0.74 156	0.33 135	1.25 244	0.50 47	0.53 243	1.32 280	0.55 196	1.31 129	1.08 137	1.30 215	1.34 208	1.11 204	1.10 270	1.05 92	0.81 205	0.20 99	0.17 161	0.21 93	0.21 165	0.20 86	0.21 88

StereoVision	0.67 119	0.37 204	1.02 183	0.60 170	0.41 181	0.50 38	0.41 88	1.32 130	0.96 96	0.73 48	2.48 358	0.82 104	0.57 78	1.06 96	0.50 101	0.26 225	0.28 292	0.29 254	0.28 268	0.37 277	0.22 109

11t1	0.57 60	0.30 79	0.84 125	0.54 101	0.30 63	0.83 181	0.41 88	1.34 131	0.79 48	0.88 74	0.82 51	0.70 73	0.70 131	0.96 79	0.67 171	0.21 121	0.21 222	0.20 70	0.16 54	0.21 121	0.26 178

IPLG	0.72 150	0.29 61	1.12 207	0.53 90	0.44 198	0.79 166	0.33 33	1.35 132	1.10 147	1.32 223	1.11 127	0.52 36	0.54 69	3.13 298	0.71 182	0.17 18	0.14 58	0.20 70	0.17 70	0.18 34	0.21 88

NF-Stereo	0.82 194	0.33 135	0.83 116	0.65 218	0.31 77	0.63 97	0.43 108	1.35 132	0.93 83	1.30 215	1.02 91	0.81 98	0.57 78	5.37 345	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.30 230

OCTAStereo	0.82 194	0.33 135	0.83 116	0.65 218	0.31 77	0.62 89	0.44 125	1.35 132	0.93 83	1.30 215	1.02 91	0.81 98	0.57 78	5.32 340	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.30 230

RE-Stereo	0.82 194	0.33 135	0.84 125	0.65 218	0.31 77	0.63 97	0.44 125	1.35 132	0.93 83	1.30 215	1.02 91	0.80 92	0.57 78	5.34 343	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.31 239

TVStereo	0.82 194	0.33 135	0.84 125	0.65 218	0.31 77	0.63 97	0.44 125	1.35 132	0.93 83	1.30 215	1.02 91	0.80 92	0.57 78	5.34 343	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.31 239

Gwc-CoAtRS	0.55 37	0.27 35	0.73 67	0.49 35	0.30 63	0.63 97	0.25 4	1.38 137	1.12 156	1.05 106	1.02 91	1.10 199	0.55 71	0.72 32	0.44 62	0.17 18	0.14 58	0.17 13	0.15 30	0.16 11	0.17 23

HCRNet	0.72 150	0.40 231	0.86 136	0.61 183	0.57 262	0.75 147	0.35 49	1.39 138	1.21 196	1.11 116	0.99 83	1.01 174	0.76 141	2.18 256	0.73 183	0.28 253	0.19 199	0.28 246	0.23 214	0.25 197	0.26 178

RAFT-Test	0.58 71	0.27 35	0.81 99	0.50 47	0.33 110	0.95 220	0.27 14	1.40 139	0.89 66	1.00 91	1.12 130	1.39 264	0.48 44	0.74 34	0.41 50	0.17 18	0.14 58	0.17 13	0.14 22	0.16 11	0.18 32

IRAFT_RVC	0.90 228	0.30 79	0.89 143	0.67 244	0.31 77	0.64 105	1.00 314	1.40 139	0.97 100	1.23 182	1.04 102	1.00 170	0.96 221	5.77 352	0.57 138	0.24 188	0.13 17	0.25 204	0.21 165	0.20 86	0.21 88

s12784h	0.55 37	0.22 3	0.49 11	0.43 5	0.19 1	1.00 229	0.34 40	1.40 139	1.30 236	0.84 66	0.93 67	0.63 57	0.52 60	1.48 160	0.47 85	0.15 4	0.12 5	0.17 13	0.11 6	0.19 59	0.13 2

raft+_RVC	0.56 48	0.29 61	0.61 28	0.65 218	0.56 258	0.53 51	0.53 180	1.40 139	1.02 120	0.78 53	1.04 102	0.70 73	0.55 71	1.00 83	0.49 98	0.18 40	0.16 139	0.19 47	0.19 103	0.18 34	0.17 23

MIM_Stereo	0.60 88	0.26 19	1.02 183	0.49 35	0.32 97	0.52 47	0.28 17	1.41 143	0.82 53	1.02 98	1.16 151	0.93 145	0.53 62	1.48 160	0.63 159	0.17 18	0.17 161	0.20 70	0.19 103	0.17 20	0.18 32

FENet	0.62 93	0.30 79	0.68 49	0.57 141	0.33 110	0.82 175	0.40 80	1.41 143	1.12 156	1.03 102	0.87 58	0.98 161	0.84 171	1.00 83	0.70 179	0.23 170	0.16 139	0.23 147	0.20 129	0.22 140	0.24 142

ccs_rob	0.68 128	0.34 162	0.93 154	0.50 47	0.39 162	0.72 140	0.42 92	1.43 145	1.25 212	1.17 148	1.34 208	1.22 222	0.66 121	1.04 89	0.64 162	0.21 121	0.17 161	0.35 301	0.20 129	0.40 291	0.29 217

CFNet_pseudo	0.68 128	0.34 162	0.93 154	0.50 47	0.39 162	0.72 140	0.42 92	1.44 146	1.25 212	1.17 148	1.35 213	1.22 222	0.66 121	1.04 89	0.64 162	0.21 121	0.17 161	0.33 287	0.19 103	0.39 287	0.28 205

DMCA-RVC	0.83 203	0.46 255	2.19 324	0.68 253	0.49 222	0.84 188	0.48 152	1.44 146	1.07 134	1.56 300	1.04 102	1.29 245	0.86 183	1.49 166	0.92 226	0.27 242	0.22 232	0.35 301	0.28 268	0.32 257	0.28 205

R-Stereo Train	0.60 88	0.30 79	0.72 57	0.57 141	0.37 144	0.68 124	0.52 174	1.45 148	0.78 42	1.61 309	1.50 254	0.76 83	0.53 62	0.67 27	0.51 103	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51

RAFT-Stereo	0.60 88	0.30 79	0.72 57	0.57 141	0.37 144	0.68 124	0.52 174	1.45 148	0.78 42	1.61 309	1.50 254	0.76 83	0.53 62	0.67 27	0.51 103	0.19 65	0.16 139	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
ACVNet	0.66 111	0.33 135	0.74 72	0.55 111	0.37 144	0.80 167	0.47 148	1.46 150	1.11 151	1.01 94	1.31 196	1.07 187	0.91 203	0.82 51	1.09 253	0.22 150	0.19 199	0.21 93	0.18 84	0.23 158	0.19 51

CFNet-ft	0.78 171	0.36 188	0.74 72	0.67 244	0.56 258	0.86 192	0.54 189	1.46 150	1.17 181	1.01 94	1.28 190	1.68 308	1.03 250	1.57 172	0.95 236	0.27 242	0.21 222	0.33 287	0.26 245	0.31 249	0.26 178

CFNet_RVC	0.78 171	0.36 188	0.74 72	0.67 244	0.56 258	0.86 192	0.54 189	1.46 150	1.17 181	1.01 94	1.28 190	1.68 308	1.03 250	1.57 172	0.95 236	0.27 242	0.21 222	0.33 287	0.26 245	0.31 249	0.26 178

IPLGR	0.62 93	0.28 43	1.32 254	0.50 47	0.29 51	0.65 109	0.34 40	1.47 153	1.19 186	1.21 176	1.07 109	0.70 73	0.65 117	1.05 92	0.55 128	0.18 40	0.15 112	0.20 70	0.17 70	0.21 121	0.20 70

PSMNet-ADL	0.75 159	0.36 188	0.69 53	0.71 275	0.47 214	1.13 249	0.46 139	1.47 153	1.07 134	0.85 68	1.18 155	1.31 249	0.94 214	1.56 170	1.06 251	0.34 291	0.22 232	0.22 120	0.23 214	0.27 209	0.36 271

MLCV	0.77 169	0.39 226	1.31 252	0.55 111	0.25 8	0.91 202	0.39 78	1.48 155	1.28 226	1.49 287	1.54 264	1.02 176	0.68 126	2.12 252	0.93 229	0.19 65	0.13 17	0.19 47	0.14 22	0.19 59	0.22 109

PCWNet_CMD	0.68 128	0.34 162	0.93 154	0.51 58	0.38 155	0.80 167	0.42 92	1.51 156	1.34 249	1.17 148	1.31 196	1.23 226	0.65 117	0.94 72	0.62 157	0.21 121	0.17 161	0.27 234	0.19 103	0.43 301	0.28 205

AANet_RVC	1.22 293	0.60 297	1.94 305	0.69 263	0.46 208	0.75 147	0.69 246	1.51 156	1.57 320	1.36 244	1.90 325	1.51 284	0.87 189	7.23 379	1.89 331	0.26 225	0.19 199	0.19 47	0.16 54	0.23 158	0.37 274

MyStereo05	0.70 139	0.29 61	1.22 237	0.58 151	0.48 216	0.62 89	0.72 254	1.52 158	1.54 314	1.17 148	0.91 65	0.77 87	0.79 155	1.45 154	0.68 175	0.17 18	0.17 161	0.24 168	0.21 165	0.23 158	0.23 123

fast-acv-ft	1.00 255	0.48 263	1.85 301	0.61 183	0.52 238	1.77 330	0.69 246	1.52 158	1.47 302	1.34 235	1.85 319	1.73 314	1.24 294	1.62 186	1.56 306	0.27 242	0.28 292	0.28 246	0.28 268	0.28 224	0.31 239

TestStereo1	0.66 111	0.29 61	0.95 163	0.82 320	0.32 97	0.47 18	0.43 108	1.52 158	1.22 202	0.99 87	1.32 201	0.65 60	0.76 141	1.78 205	0.44 62	0.20 99	0.16 139	0.22 120	0.19 103	0.21 121	0.20 70

SA-5K	0.66 111	0.29 61	0.95 163	0.82 320	0.32 97	0.47 18	0.43 108	1.52 158	1.22 202	0.99 87	1.32 201	0.65 60	0.76 141	1.78 205	0.44 62	0.20 99	0.16 139	0.22 120	0.19 103	0.21 121	0.20 70

DMCA	0.71 145	0.36 188	1.17 227	0.53 90	0.45 201	0.84 188	0.46 139	1.52 158	1.09 144	1.20 170	1.12 130	1.21 218	0.74 135	0.87 62	1.09 253	0.25 208	0.20 209	0.27 234	0.19 103	0.24 187	0.29 217

MSMDNet	0.68 128	0.34 162	0.93 154	0.52 70	0.38 155	0.80 167	0.42 92	1.52 158	1.35 252	1.17 148	1.31 196	1.23 226	0.65 117	0.94 72	0.62 157	0.21 121	0.17 161	0.26 225	0.19 103	0.41 295	0.28 205

raft_robust	0.71 145	0.32 118	0.75 77	0.54 101	0.28 40	0.54 60	0.35 49	1.54 164	1.24 206	1.18 159	1.07 109	0.73 80	0.53 62	3.65 311	0.40 45	0.19 65	0.16 139	0.20 70	0.22 187	0.21 121	0.19 51

EDNetEfficient	2.40 371	1.14 364	8.59 387	0.77 308	0.73 310	1.06 240	1.53 356	1.54 164	4.06 392	4.87 399	2.81 362	2.23 348	3.53 389	3.04 296	9.65 394	0.27 242	0.24 262	0.27 234	0.31 298	0.70 359	0.67 350

GwcNet-ADL	0.67 119	0.33 135	0.90 148	0.58 151	0.41 181	0.60 83	0.59 216	1.55 166	1.28 226	1.11 116	1.13 140	0.90 135	0.59 96	1.11 109	0.91 222	0.28 253	0.18 185	0.18 33	0.18 84	0.25 197	0.33 253

UNet	0.86 214	0.36 188	1.52 277	0.62 191	0.74 314	1.56 310	0.49 160	1.55 166	1.12 156	1.28 209	1.10 120	1.52 286	1.10 270	1.69 196	1.14 258	0.24 188	0.18 185	0.25 204	0.21 165	0.25 197	0.25 161

Selective-IGEV	0.42 8	0.26 19	0.56 16	0.48 29	0.27 19	0.45 16	0.33 33	1.56 168	0.61 15	0.36 1	0.47 4	0.52 36	0.30 4	1.08 100	0.33 3	0.15 4	0.13 17	0.17 13	0.13 11	0.16 11	0.15 3

test-1	0.56 48	0.28 43	1.13 208	0.58 151	0.34 122	0.60 83	0.38 69	1.56 168	0.98 103	0.80 56	1.02 91	0.83 112	0.52 60	0.64 24	0.46 77	0.17 18	0.16 139	0.20 70	0.17 70	0.20 86	0.26 178

RASNet	1.16 282	0.34 162	1.11 204	0.73 287	0.86 343	1.00 229	0.60 224	1.56 168	1.43 289	1.07 111	1.37 218	2.08 347	1.44 320	7.00 377	1.56 306	0.20 99	0.17 161	0.17 13	0.19 103	0.19 59	0.19 51

111	0.66 111	0.27 35	1.15 213	0.46 14	0.25 8	0.72 140	0.42 92	1.57 171	1.44 291	0.83 63	1.39 224	1.10 199	0.80 161	0.97 80	0.65 166	0.20 99	0.14 58	0.18 33	0.15 30	0.18 34	0.28 205

STTStereo	0.82 194	0.53 281	1.53 280	0.68 253	0.56 258	0.88 196	0.56 202	1.57 171	1.14 167	1.39 252	1.10 120	1.26 237	0.84 171	1.49 166	0.90 220	0.29 265	0.28 292	0.33 287	0.40 332	0.33 262	0.37 274

ACVNet-DCA	0.59 82	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.58 173	0.91 71	0.60 34	0.80 47	0.47 21	0.87 189	1.48 160	0.35 6	0.21 121	0.13 17	0.25 204	0.15 30	0.23 158	0.25 161

1test111	0.58 71	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.58 173	0.91 71	0.60 34	0.80 47	0.47 21	0.87 189	0.99 81	0.67 171	0.21 121	0.13 17	0.25 204	0.15 30	0.23 158	0.25 161

qqq	0.62 93	0.36 188	0.88 140	0.50 47	0.28 40	0.64 105	0.62 228	1.58 173	0.91 71	0.83 63	0.96 72	0.95 153	0.79 155	0.99 81	0.67 171	0.21 121	0.23 254	0.24 168	0.23 214	0.23 158	0.25 161

DSFCA	0.95 242	0.38 221	1.23 239	0.55 111	0.66 295	1.50 303	0.93 302	1.58 173	1.24 206	1.59 307	1.16 151	1.48 278	0.95 219	2.96 294	1.20 263	0.31 274	0.28 292	0.25 204	0.26 245	0.29 234	0.26 178

G-Net	1.71 339	0.67 321	2.09 316	1.14 370	0.75 317	2.96 377	0.89 294	1.58 173	1.30 236	2.76 371	8.12 404	2.29 353	2.51 376	1.94 228	2.23 341	0.49 346	0.45 356	0.45 337	0.31 298	0.62 351	0.59 340

whm_eth	0.69 137	0.51 275	1.32 254	0.56 123	0.64 286	0.67 120	0.45 133	1.59 178	1.33 247	1.02 98	1.92 328	0.48 25	0.48 44	0.71 30	0.53 118	0.24 188	0.20 209	0.25 204	0.24 226	0.25 197	0.35 268

CBFPSM	0.95 242	0.37 204	2.10 317	0.51 58	0.39 162	1.73 324	0.87 292	1.59 178	1.13 161	1.11 116	1.00 87	2.34 356	1.64 336	1.42 149	1.44 293	0.19 65	0.18 185	0.20 70	0.20 129	0.22 140	0.36 271

MyStereo8	0.70 139	0.32 118	1.24 242	0.63 201	0.53 243	0.90 200	0.34 40	1.60 180	1.35 252	1.20 170	1.31 196	0.89 133	0.64 113	0.77 41	1.02 248	0.18 40	0.15 112	0.20 70	0.18 84	0.22 140	0.30 230

TDLM	1.08 272	0.50 271	1.01 181	0.69 263	0.54 250	0.91 202	1.40 350	1.60 180	1.36 259	1.17 148	1.40 229	1.07 187	1.00 240	6.19 359	0.85 210	0.34 291	0.22 232	0.35 301	0.26 245	0.38 283	0.29 217

anonymousa	0.78 171	0.30 79	0.85 131	0.51 58	0.96 356	1.41 296	0.47 148	1.61 182	0.94 88	1.33 228	1.77 306	1.66 304	1.11 272	0.72 32	0.63 159	0.19 65	0.18 185	0.23 147	0.25 234	0.20 86	0.22 109

hitnet-ft	0.84 207	0.38 221	0.75 77	0.59 163	0.44 198	0.99 228	0.47 148	1.61 182	1.38 266	1.21 176	1.22 166	1.82 322	0.99 234	1.87 218	1.09 253	0.33 284	0.29 300	0.34 295	0.27 259	0.36 272	0.33 253

DLCB_ROB	0.92 236	0.43 246	0.95 163	0.71 275	0.55 254	1.11 246	0.83 282	1.61 182	1.32 245	1.67 317	1.66 290	1.70 311	0.93 212	1.96 233	1.34 283	0.26 225	0.25 275	0.27 234	0.28 268	0.28 224	0.28 205

CASS	0.67 119	0.36 188	0.84 125	0.57 141	0.28 40	0.82 175	0.43 108	1.62 185	0.92 76	1.39 252	1.28 190	0.87 121	0.84 171	0.88 64	0.59 149	0.36 306	0.19 199	0.26 225	0.22 187	0.29 234	0.43 300
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
x	0.59 82	0.34 162	0.79 93	0.51 58	0.32 97	0.69 132	0.46 139	1.64 186	0.97 100	0.86 72	0.86 56	0.83 112	0.74 135	0.75 39	0.70 179	0.21 121	0.22 232	0.22 120	0.20 129	0.21 121	0.24 142

GANet-ADL	0.63 102	0.38 221	0.82 108	0.67 244	0.41 181	0.68 124	0.51 166	1.64 186	1.16 177	0.98 86	1.10 120	0.90 135	0.58 93	0.81 49	0.63 159	0.27 242	0.18 185	0.18 33	0.16 54	0.23 158	0.27 194

StereoDRNet-Refined	0.84 207	0.43 246	1.01 181	0.66 231	0.43 191	1.32 280	0.49 160	1.64 186	1.24 206	1.53 293	1.45 240	1.49 280	0.97 228	1.32 131	1.31 278	0.21 121	0.17 161	0.27 234	0.25 234	0.25 197	0.34 260
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
acv_ft	0.78 171	0.33 135	1.10 202	0.73 287	0.86 343	1.23 273	0.57 205	1.65 189	1.11 151	1.31 221	1.31 196	1.07 187	0.91 203	0.82 51	1.35 285	0.22 150	0.19 199	0.21 93	0.18 84	0.22 140	0.19 51

MIPNet	0.60 88	0.31 104	1.07 196	0.51 58	0.34 122	0.68 124	0.40 80	1.67 190	1.14 167	1.11 116	0.93 67	0.60 49	0.78 150	0.77 41	0.58 143	0.18 40	0.14 58	0.19 47	0.16 54	0.18 34	0.21 88

gwcnet-sp	0.80 184	0.37 204	1.94 305	0.62 191	0.45 201	1.38 289	0.53 180	1.68 191	1.20 190	1.37 245	1.08 115	0.93 145	0.82 166	1.45 154	0.79 198	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

scenet	0.80 184	0.37 204	1.94 305	0.62 191	0.45 201	1.38 289	0.53 180	1.68 191	1.20 190	1.37 245	1.08 115	0.93 145	0.82 166	1.45 154	0.79 198	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

ssnet	0.80 184	0.37 204	1.94 305	0.62 191	0.45 201	1.38 289	0.53 180	1.68 191	1.20 190	1.37 245	1.08 115	0.93 145	0.82 166	1.45 154	0.79 198	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

cross-raft	0.56 48	0.26 19	0.65 42	0.55 111	0.31 77	0.66 115	0.37 62	1.68 191	0.82 53	1.06 110	1.07 109	1.25 231	0.45 29	0.74 34	0.39 31	0.15 4	0.13 17	0.19 47	0.16 54	0.19 59	0.17 23

psm_up	0.83 203	0.37 204	0.88 140	0.68 253	0.59 270	1.05 237	0.92 299	1.68 191	1.17 181	1.41 260	1.22 166	1.30 247	1.31 304	1.39 141	0.89 217	0.27 242	0.30 304	0.31 267	0.27 259	0.28 224	0.28 205

HGLStereo	0.89 221	0.42 242	1.15 213	0.82 320	1.03 360	1.16 258	0.57 205	1.68 191	1.28 226	1.26 199	1.62 283	1.13 208	1.31 304	1.85 214	1.11 257	0.25 208	0.24 262	0.24 168	0.22 187	0.24 187	0.29 217

FADNet_RVC	0.88 219	0.56 290	2.15 321	0.57 141	0.43 191	1.17 265	0.46 139	1.68 191	1.12 156	0.91 77	1.24 174	0.91 138	0.94 214	2.22 258	1.20 263	0.28 253	0.22 232	0.32 279	0.28 268	0.46 317	0.42 296

DANet	1.16 282	0.64 311	1.52 277	0.88 336	0.74 314	1.52 305	0.52 174	1.68 191	1.21 196	1.81 329	1.55 267	2.02 340	1.11 272	3.30 306	2.28 342	0.34 291	0.31 309	0.40 327	0.30 294	0.46 317	0.54 325
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NLCA_NET_v2_RVC	0.84 207	0.46 255	1.40 264	0.69 263	0.61 279	0.95 220	0.52 174	1.68 191	1.21 196	1.39 252	1.15 150	1.42 266	0.88 196	1.78 205	0.93 229	0.26 225	0.23 254	0.27 234	0.27 259	0.30 244	0.39 283
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
UPFNet	0.84 207	0.34 162	1.09 199	0.62 191	0.74 314	1.25 275	0.78 265	1.69 200	1.20 190	1.39 252	1.13 140	1.30 247	0.87 189	1.73 199	1.22 268	0.24 188	0.26 280	0.24 168	0.23 214	0.26 207	0.20 70

psmorigin	1.69 338	0.74 335	13.13 399	0.70 272	0.60 274	1.16 258	0.79 273	1.69 200	1.25 212	2.07 350	1.77 306	2.23 348	1.51 326	2.14 253	1.45 294	0.39 316	0.41 347	0.34 295	0.33 312	0.45 313	0.63 347

CVANet_RVC	1.10 274	0.49 268	1.15 213	0.65 218	0.54 250	0.93 212	1.00 314	1.69 200	1.36 259	1.42 264	1.39 224	1.24 230	1.17 281	6.22 361	0.80 203	0.35 299	0.24 262	0.35 301	0.30 294	0.44 311	0.32 247

MMNet	0.89 221	0.35 184	1.44 265	0.64 212	0.59 270	1.83 336	0.48 152	1.70 203	1.38 266	1.45 277	1.19 158	1.25 231	1.16 278	1.77 203	1.27 276	0.20 99	0.19 199	0.23 147	0.22 187	0.25 197	0.24 142

Any-RAFT	0.55 37	0.27 35	0.49 11	0.50 47	0.27 19	0.98 227	0.25 4	1.71 204	1.08 137	0.90 76	0.99 83	1.13 208	0.46 36	0.74 34	0.35 6	0.19 65	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

coex-ft	8.35 407	2.39 399	100.24 434	0.68 253	0.54 250	1.77 330	1.57 359	1.71 204	11.00 405	18.91 419	3.76 376	3.85 381	8.23 407	3.29 305	6.58 381	0.31 274	0.31 309	0.32 279	0.31 298	0.69 358	0.57 335

MaskLacGwcNet_RVC	1.17 284	1.06 358	1.28 248	0.88 336	0.69 303	1.92 342	0.92 299	1.71 204	1.14 167	1.17 148	1.26 178	1.49 280	0.80 161	2.04 242	0.86 211	2.02 386	0.34 324	0.79 371	0.36 323	1.38 381	1.33 382

mmm	0.68 128	0.37 204	0.91 151	0.54 101	0.34 122	0.86 192	0.58 212	1.72 207	1.02 120	1.13 127	1.41 232	0.83 112	0.78 150	0.95 78	0.67 171	0.22 150	0.20 209	0.29 254	0.26 245	0.27 209	0.27 194

CFNet_ucs	0.73 153	0.34 162	0.94 160	0.53 90	0.44 198	0.76 152	0.46 139	1.73 208	1.34 249	1.24 186	1.54 264	1.08 197	0.64 113	1.05 92	0.64 162	0.26 225	0.20 209	0.37 313	0.22 187	0.42 299	0.30 230

MyStereo04	0.71 145	0.30 79	1.28 248	0.58 151	0.48 216	0.59 79	0.78 265	1.74 209	1.49 307	0.94 82	0.91 65	0.74 81	0.86 183	1.59 178	0.69 176	0.18 40	0.18 185	0.24 168	0.21 165	0.23 158	0.23 123

riskmin	0.62 93	0.29 61	0.73 67	0.50 47	0.34 122	0.86 192	0.44 125	1.74 209	1.07 134	0.76 52	0.76 37	1.19 215	1.01 243	0.84 57	0.60 151	0.20 99	0.16 139	0.24 168	0.16 54	0.24 187	0.29 217

UDG	1.47 319	2.69 405	1.13 208	1.45 380	1.65 384	1.34 286	0.79 273	1.75 211	1.27 222	1.29 213	1.74 302	1.99 336	1.39 314	1.66 189	1.51 302	0.91 373	0.55 373	2.30 390	0.76 374	1.99 382	1.20 379

FADNet-RVC-Resample	0.91 233	0.51 275	2.92 344	0.64 212	0.46 208	1.07 242	0.60 224	1.76 212	1.24 206	1.10 115	0.98 82	1.06 184	0.98 231	2.17 255	0.95 236	0.24 188	0.22 232	0.30 263	0.32 303	0.36 272	0.40 287

PASM	1.48 321	1.08 359	3.96 363	0.93 351	0.93 350	1.17 265	1.19 335	1.77 213	1.65 327	1.90 336	1.52 262	1.75 319	1.42 317	4.54 327	1.52 304	0.64 364	0.68 383	0.69 369	0.79 376	0.70 359	0.74 358

XPNet_ROB	1.02 259	0.56 290	1.33 256	0.75 300	0.58 264	1.11 246	1.13 326	1.77 213	1.29 234	1.88 335	1.43 235	1.63 301	1.13 277	2.04 242	1.69 320	0.40 318	0.31 309	0.33 287	0.29 283	0.37 277	0.37 274

SDNR	1.66 333	0.55 287	2.36 331	0.56 123	0.58 264	3.79 390	0.45 133	1.78 215	1.40 277	1.38 250	2.45 356	1.13 208	0.96 221	11.03 411	1.31 278	0.67 367	0.64 379	0.43 333	0.32 303	0.71 361	0.76 361

ICVP	0.66 111	0.35 184	0.71 56	0.63 201	0.41 181	0.85 191	0.56 202	1.78 215	0.96 96	0.92 78	1.24 174	0.88 127	0.75 140	0.76 40	0.93 229	0.31 274	0.22 232	0.22 120	0.21 165	0.24 187	0.28 205
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
UCFNet_RVC	0.72 150	0.37 204	0.59 22	0.66 231	0.41 181	0.89 197	0.68 242	1.78 215	1.15 172	1.01 94	1.20 159	1.22 222	0.95 219	1.07 98	0.66 170	0.28 253	0.21 222	0.34 295	0.31 298	0.33 262	0.29 217

HH	0.68 128	0.33 135	0.83 116	0.53 90	0.34 122	0.92 209	0.45 133	1.79 218	0.74 36	0.71 44	1.13 140	1.60 296	0.83 169	1.95 231	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

HanStereo	0.68 128	0.33 135	0.83 116	0.53 90	0.34 122	0.92 209	0.45 133	1.79 218	0.74 36	0.71 44	1.13 140	1.60 296	0.83 169	1.95 231	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

DAS	0.89 221	0.37 204	1.20 233	0.66 231	0.69 303	0.82 175	0.62 228	1.79 218	1.26 218	1.93 340	1.55 267	0.96 157	1.17 281	2.72 287	0.69 176	0.22 150	0.16 139	0.25 204	0.18 84	0.29 234	0.24 142

SepStereo	0.87 217	0.37 204	1.20 233	0.66 231	0.69 303	0.82 175	0.62 228	1.79 218	1.26 218	1.93 340	1.55 267	0.96 157	1.17 281	2.34 267	0.69 176	0.22 150	0.16 139	0.25 204	0.18 84	0.29 234	0.24 142

IGEV_Zeroshot_test	0.59 82	0.33 135	1.11 204	0.63 201	0.37 144	0.41 12	0.33 33	1.80 222	0.79 48	1.04 104	1.10 120	1.06 184	0.43 23	0.87 62	0.48 89	0.18 40	0.13 17	0.19 47	0.18 84	0.20 86	0.23 123

SuperB	2.50 373	0.72 330	18.07 409	0.72 280	0.53 243	1.85 337	0.86 290	1.80 222	2.40 364	1.54 296	1.42 233	1.13 208	1.17 281	4.18 319	4.80 373	0.25 208	0.20 209	0.23 147	0.19 103	7.64 416	0.38 280

iResNet	0.80 184	0.45 252	1.47 268	0.72 280	0.31 77	0.96 225	0.64 234	1.80 222	1.28 226	1.31 221	1.48 246	0.94 150	0.78 150	1.77 203	0.99 241	0.19 65	0.14 58	0.18 33	0.15 30	0.22 140	0.27 194

AACVNet	0.90 228	0.40 231	0.98 173	0.86 333	0.40 171	0.80 167	0.49 160	1.81 225	0.86 63	1.11 116	1.34 208	1.32 253	0.99 234	4.23 320	0.86 211	0.26 225	0.22 232	0.28 246	0.22 187	0.30 244	0.28 205

Anonymous Stereo	1.42 314	0.90 346	3.93 362	0.81 316	0.83 338	1.06 240	1.90 376	1.81 225	1.52 310	1.75 323	1.44 237	1.28 243	0.87 189	5.94 356	1.94 333	0.38 309	0.39 344	0.38 317	0.41 336	0.45 313	0.50 315

LALA_ROB	1.06 266	0.66 318	1.37 262	0.70 272	0.53 243	1.61 314	1.25 342	1.81 225	1.48 306	1.82 331	1.40 229	1.93 328	1.03 250	1.68 192	1.69 320	0.38 309	0.28 292	0.43 333	0.37 327	0.43 301	0.38 280

Anonymous_2	1.37 308	0.56 290	0.94 160	0.57 141	0.62 283	1.04 234	0.65 236	1.82 228	1.01 117	1.00 91	0.79 44	1.42 266	1.27 298	1.06 96	0.83 207	0.62 362	0.67 381	1.05 380	9.88 417	1.09 376	0.55 330

SGM-Forest	1.29 306	0.40 231	0.74 72	0.54 101	0.37 144	1.55 308	1.26 343	1.82 228	1.39 275	2.22 354	1.81 314	1.64 302	1.02 248	7.65 384	1.20 263	0.39 316	0.37 336	0.39 321	0.34 317	0.37 277	0.34 260
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
DeepPruner_ROB	0.79 179	0.55 287	1.14 211	0.61 183	0.46 208	0.78 162	0.54 189	1.83 230	1.00 114	1.42 264	1.27 185	1.23 226	0.77 145	1.56 170	0.89 217	0.35 299	0.28 292	0.27 234	0.26 245	0.32 257	0.34 260

SA	0.69 137	0.31 104	0.97 171	0.64 212	0.30 63	0.56 67	0.38 69	1.84 231	1.35 252	0.99 87	1.37 218	0.69 70	0.94 214	1.88 224	0.43 58	0.20 99	0.16 139	0.25 204	0.23 214	0.22 140	0.19 51

DDUNet	1.56 327	2.70 406	1.35 257	1.79 383	1.88 386	1.82 335	0.91 297	1.84 231	1.20 190	1.40 258	1.79 308	1.62 298	1.17 281	1.59 178	1.22 268	1.11 381	0.76 384	2.38 393	0.94 381	2.12 383	1.53 384

SACVNet	0.89 221	0.51 275	1.08 198	0.83 324	0.58 264	0.83 181	0.78 265	1.84 231	1.17 181	1.39 252	1.33 205	1.25 231	1.01 243	2.31 266	0.92 226	0.35 299	0.26 280	0.31 267	0.29 283	0.35 268	0.48 311

Consistency-Raft	1.27 305	1.01 357	2.17 322	1.04 362	1.20 374	0.96 225	1.00 314	1.84 231	1.95 350	1.38 250	2.11 339	1.44 270	1.03 250	1.18 119	1.40 289	0.73 370	0.83 385	0.89 374	0.99 386	1.33 379	0.95 370

GwcNet	1.26 302	0.63 308	5.13 372	0.81 316	1.15 370	1.73 324	0.69 246	1.84 231	1.53 312	1.51 288	1.71 299	1.72 312	1.09 267	2.20 257	1.61 310	0.31 274	0.30 304	0.29 254	0.27 259	0.30 244	0.41 290

PSMNet_ROB	0.95 242	0.57 295	1.45 266	0.75 300	0.64 286	1.28 278	1.12 324	1.84 231	1.15 172	1.16 146	1.29 194	1.44 270	0.89 198	1.74 200	1.70 322	0.33 284	0.25 275	0.37 313	0.39 330	0.36 272	0.32 247

GASNet	1.13 278	1.10 362	3.29 354	1.00 360	0.68 300	0.82 175	0.67 240	1.85 237	1.38 266	1.39 252	1.25 176	1.25 231	1.20 290	2.72 287	1.62 312	0.46 338	0.26 280	0.36 311	0.34 317	0.55 338	0.33 253

FADNet-RVC	0.96 246	0.72 330	2.96 345	0.64 212	0.49 222	0.90 200	0.59 216	1.85 237	1.27 222	0.92 78	0.97 79	1.36 258	0.90 201	2.36 269	1.31 278	0.30 270	0.29 300	0.32 279	0.32 303	0.42 299	0.37 274

TransformOpticalFlow	0.97 247	0.30 79	0.96 170	0.54 101	0.31 77	0.65 109	0.54 189	1.87 239	1.19 186	1.12 124	1.44 237	1.34 256	0.98 231	6.68 372	0.44 62	0.19 65	0.12 5	0.21 93	0.19 103	0.18 34	0.23 123

GANet	1.41 312	0.52 279	1.18 231	0.74 293	0.48 216	1.40 294	1.69 362	1.87 239	1.28 226	1.56 300	2.39 352	1.56 292	1.25 295	9.13 395	1.20 263	0.31 274	0.32 319	0.34 295	0.29 283	0.40 291	0.33 253

NaN_ROB	1.23 297	0.63 308	1.76 292	0.67 244	0.50 226	1.59 313	2.00 377	1.87 239	1.52 310	2.14 353	1.26 178	1.40 265	1.09 267	4.60 329	1.75 325	0.28 253	0.34 324	0.28 246	0.29 283	0.30 244	0.37 274

PWC_ROB	1.39 310	0.93 352	4.07 364	0.77 308	0.83 338	1.16 258	0.53 180	1.87 239	2.01 353	2.36 358	3.06 368	1.65 303	1.60 330	2.65 284	2.29 344	0.34 291	0.23 254	0.36 311	0.25 234	0.39 287	0.49 312

CBMV	1.04 262	0.48 263	0.88 140	0.56 123	0.36 139	1.52 305	1.55 357	1.87 239	1.59 322	2.11 351	1.67 292	1.46 275	1.35 309	1.92 226	1.31 278	0.35 299	0.35 328	0.39 321	0.33 312	0.34 267	0.34 260
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
test_5	0.70 139	0.32 118	0.99 175	0.69 263	0.50 226	0.89 197	0.51 166	1.88 244	1.14 167	0.78 53	1.13 140	1.04 180	0.89 198	1.59 178	0.46 77	0.19 65	0.14 58	0.23 147	0.22 187	0.22 140	0.20 70

iResNetv2_ROB	0.88 219	0.43 246	2.62 340	0.60 170	0.38 155	0.94 214	0.67 240	1.88 244	1.38 266	1.27 204	1.45 240	1.26 237	1.05 261	1.92 226	0.64 162	0.24 188	0.15 112	0.19 47	0.14 22	0.24 187	0.21 88

SQANet	1.38 309	0.95 353	1.37 262	1.89 385	1.47 382	1.44 300	0.81 277	1.89 246	1.13 161	1.34 235	1.26 178	1.28 243	1.02 248	1.64 187	0.91 222	2.55 391	0.35 328	1.47 383	0.56 363	2.48 386	1.74 386

CFNet-RSSM	0.57 60	0.25 16	0.76 80	0.49 35	0.28 40	0.59 79	0.27 14	1.89 246	1.17 181	1.09 113	0.95 70	1.06 184	0.53 62	0.74 34	0.41 50	0.17 18	0.13 17	0.17 13	0.15 30	0.16 11	0.16 13

GwcNet-RSSM	0.83 203	0.34 162	1.29 251	0.65 218	0.55 254	0.78 162	0.62 228	1.89 246	1.27 222	1.18 159	1.39 224	1.56 292	0.91 203	1.60 183	1.22 268	0.26 225	0.20 209	0.23 147	0.24 226	0.21 121	0.21 88

NCCL2	1.06 266	0.64 311	1.35 257	0.78 311	0.58 264	1.32 280	1.69 362	1.89 246	1.38 266	1.52 290	1.20 159	1.91 324	1.17 281	1.79 210	1.50 300	0.35 299	0.31 309	0.45 337	0.44 342	0.41 295	0.45 305

FADNet	0.98 250	0.64 311	2.57 336	0.66 231	0.55 254	0.95 220	0.57 205	1.91 250	1.38 266	0.94 82	1.02 91	1.36 258	1.00 240	2.69 285	0.97 240	0.34 291	0.34 324	0.31 267	0.34 317	0.61 350	0.42 296

PA-Net	1.14 279	0.63 308	2.12 319	0.67 244	0.75 317	1.19 268	0.91 297	1.91 250	1.46 301	1.18 159	1.23 170	1.33 255	1.17 281	4.31 323	1.41 290	0.29 265	0.46 360	0.33 287	0.50 355	0.33 262	0.57 335
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
GANetREF_RVC	1.11 276	0.90 346	1.56 282	0.88 336	0.53 243	1.41 296	1.35 347	1.91 250	1.54 314	1.28 209	1.32 201	1.46 275	1.23 291	2.04 242	1.00 245	0.57 359	0.45 356	0.67 367	0.52 358	0.91 369	0.62 345
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
ETE_ROB	1.01 258	0.69 324	1.49 270	0.72 280	0.50 226	1.15 255	1.12 324	1.91 250	1.24 206	1.94 342	1.50 254	1.73 314	1.06 262	1.78 205	1.33 282	0.33 284	0.26 280	0.38 317	0.34 317	0.40 291	0.44 303

ADCP+	2.12 361	0.56 290	10.01 391	0.68 253	0.91 346	2.25 357	1.04 317	1.92 254	1.50 309	1.58 304	1.34 208	1.73 314	1.62 331	2.27 263	13.20 398	0.25 208	0.22 232	0.32 279	0.29 283	0.38 283	0.34 260

RAFT+CT+SA	0.63 102	0.30 79	0.73 67	0.69 263	0.37 144	0.40 9	0.55 196	1.93 255	1.04 129	0.72 47	1.23 170	0.62 53	0.69 129	1.69 196	0.42 55	0.19 65	0.13 17	0.22 120	0.22 187	0.21 121	0.19 51

EDNetEfficientorigin	10.59 410	1.52 381	177.33 435	0.68 253	0.54 250	1.66 319	1.20 337	1.94 256	3.39 385	4.69 397	3.37 371	3.08 375	2.79 380	3.25 303	3.63 362	0.26 225	0.24 262	0.33 287	0.28 268	0.85 366	0.87 368

NOSS_ROB	1.29 306	0.49 268	0.68 49	0.60 170	0.40 171	1.09 245	0.77 262	1.94 256	1.44 291	1.04 104	1.46 242	1.10 199	0.81 165	10.57 410	0.78 194	0.46 338	0.43 353	0.48 344	0.45 345	0.45 313	0.43 300

MSMD_ROB	2.08 358	0.61 302	1.15 213	0.71 275	0.62 283	4.00 392	0.93 302	1.94 256	1.79 340	4.71 398	4.60 384	8.14 402	3.87 393	3.75 315	1.65 318	0.54 354	0.48 363	0.55 358	0.58 365	0.53 334	0.52 322

anonymousdsp2	0.58 71	0.29 61	0.93 154	0.51 58	0.30 63	0.75 147	0.46 139	1.95 259	0.87 64	0.81 60	0.78 42	0.76 83	0.48 44	1.10 106	0.45 73	0.19 65	0.14 58	0.18 33	0.13 11	0.20 86	0.22 109

ADLNet2	0.92 236	0.37 204	1.25 244	0.80 313	0.65 292	1.12 248	0.75 259	1.95 259	1.42 288	1.26 199	1.67 292	1.68 308	1.04 256	1.80 212	1.23 271	0.25 208	0.22 232	0.21 93	0.22 187	0.27 209	0.31 239

delet	0.90 228	0.34 162	1.15 213	0.69 263	0.66 295	1.63 317	0.81 277	1.95 259	1.49 307	1.42 264	1.38 222	1.29 245	0.91 203	1.78 205	1.18 261	0.22 150	0.22 232	0.24 168	0.25 234	0.22 140	0.24 142

MFMNet_re	1.47 319	1.20 368	2.50 334	1.46 381	1.08 363	1.58 312	1.51 353	1.96 262	1.87 345	2.31 357	2.20 343	1.51 284	1.88 353	1.57 172	1.34 283	0.94 374	0.83 385	0.84 373	0.80 377	1.00 372	1.06 374

Wz-Net-LNSev	1.17 284	0.72 330	4.71 370	0.66 231	0.84 341	1.72 321	1.13 326	1.97 263	1.43 289	1.34 235	1.32 201	1.66 304	1.30 303	1.44 153	1.51 302	0.29 265	0.26 280	0.24 168	0.23 214	0.33 262	0.35 268

ccnet	1.19 288	0.71 327	1.36 259	0.81 316	0.75 317	1.72 321	1.13 326	1.98 264	1.31 243	1.52 290	1.84 316	1.75 319	1.36 310	2.01 239	2.04 335	0.57 359	0.54 371	0.57 362	0.56 363	0.60 347	0.60 343

stereogan	1.22 293	0.45 252	2.03 314	0.87 334	0.85 342	2.52 364	0.72 254	1.98 264	1.78 339	1.92 338	1.94 329	2.31 355	1.42 317	2.10 250	1.14 258	0.38 309	0.36 332	0.39 321	0.32 303	0.52 329	0.49 312

NVstereo2D	0.99 252	0.45 252	2.21 325	0.79 312	0.75 317	1.20 269	0.86 290	1.98 264	1.41 280	1.02 98	1.18 155	1.31 249	0.97 228	2.25 261	0.93 229	0.45 337	0.22 232	0.39 321	0.25 234	0.59 344	0.68 353

CSAN	1.61 330	0.67 321	3.24 353	0.74 293	0.52 238	1.77 330	1.74 367	1.98 264	1.94 349	2.47 365	2.33 350	1.93 328	2.04 360	6.45 368	1.95 334	0.43 326	0.36 332	0.41 331	0.42 337	0.43 301	0.44 303

RP	1.17 284	0.54 284	1.48 269	0.93 351	1.05 361	1.14 252	0.85 289	1.99 268	1.70 330	1.72 321	2.07 337	1.91 324	1.93 355	2.00 238	1.37 287	0.55 357	0.37 336	0.48 344	0.37 327	0.46 317	0.46 310

Sa-1000	0.76 164	0.30 79	0.92 153	0.62 191	0.31 77	0.78 162	0.37 62	2.00 269	1.38 266	1.30 215	2.04 335	0.86 120	0.74 135	1.87 218	0.40 45	0.19 65	0.14 58	0.25 204	0.24 226	0.21 121	0.19 51

CFNet	0.99 252	0.40 231	1.23 239	0.65 218	0.43 191	1.03 233	0.49 160	2.01 270	1.35 252	1.02 98	1.39 224	1.10 199	0.86 183	5.47 347	0.89 217	0.24 188	0.18 185	0.28 246	0.27 259	0.27 209	0.22 109

LL-Strereo	1.42 314	0.44 251	2.02 312	0.62 191	1.07 362	0.73 143	0.65 236	2.02 271	1.21 196	1.60 308	1.62 283	2.02 340	2.10 363	9.67 401	1.07 252	0.22 150	0.20 209	0.27 234	0.24 226	0.23 158	0.33 253

anonymity	1.14 279	0.98 355	1.24 242	1.09 365	1.13 366	1.08 243	0.90 295	2.02 271	1.23 205	1.32 223	1.27 185	1.27 242	1.09 267	1.16 115	1.03 249	1.02 376	1.01 399	0.97 376	0.97 383	0.98 371	1.01 371

ADLNet	0.89 221	0.39 226	1.09 199	0.88 336	0.73 310	1.24 274	0.75 259	2.02 271	1.41 280	1.58 304	1.37 218	1.26 237	1.00 240	1.31 128	1.18 261	0.28 253	0.21 222	0.26 225	0.26 245	0.29 234	0.36 271

PS-NSSS	1.02 259	0.62 307	1.17 227	0.61 183	0.58 264	0.91 202	0.79 273	2.02 271	1.19 186	1.17 148	1.68 294	1.00 170	0.85 176	4.43 325	0.86 211	0.38 309	0.31 309	0.52 349	0.32 303	0.52 329	0.45 305

APVNet	1.11 276	0.59 296	1.95 309	0.87 334	0.77 323	1.90 340	0.82 281	2.03 275	1.15 172	1.14 140	1.43 235	1.55 290	1.12 276	3.03 295	1.62 312	0.32 281	0.34 324	0.42 332	0.36 323	0.36 272	0.41 290

PWCDC_ROB	1.39 310	0.91 350	2.10 317	1.08 364	0.92 347	1.72 321	0.58 212	2.03 275	3.30 384	1.32 223	4.87 388	1.21 218	1.71 342	1.98 234	1.75 325	0.65 365	0.26 280	0.29 254	0.25 234	0.56 339	0.41 290

cf-r	0.79 179	0.32 118	1.06 192	0.57 141	0.64 286	0.78 162	0.51 166	2.04 277	1.22 202	1.20 170	1.27 185	1.53 287	0.91 203	1.47 158	0.94 234	0.25 208	0.19 199	0.22 120	0.23 214	0.19 59	0.21 88

GANet-RSSM	0.78 171	0.31 104	0.90 148	0.67 244	0.58 264	0.80 167	0.62 228	2.04 277	1.15 172	1.11 116	1.27 185	1.26 237	1.18 288	1.68 192	0.74 185	0.26 225	0.21 222	0.22 120	0.22 187	0.23 158	0.23 123

MFN_U_SF_DS_RVC	1.80 343	1.11 363	4.33 367	0.84 328	0.77 323	3.70 385	2.41 396	2.04 277	1.85 344	1.75 323	1.90 325	1.92 327	1.25 295	7.33 380	1.45 294	0.47 342	0.47 361	0.53 353	0.77 375	0.50 326	0.55 330

CC-Net-ROB	1.53 324	1.31 375	1.68 289	0.92 346	0.80 331	1.75 327	0.99 312	2.04 277	1.27 222	1.12 124	1.62 283	1.20 217	0.98 231	7.82 385	0.92 226	1.15 384	0.41 347	2.20 388	0.46 347	1.37 380	0.56 332

AdaStereo	0.74 156	0.48 263	0.86 136	0.75 300	0.38 155	0.94 214	0.56 202	2.05 281	1.24 206	1.15 142	1.22 166	1.07 187	0.67 123	1.05 92	0.73 183	0.33 284	0.16 139	0.32 279	0.22 187	0.29 234	0.23 123
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.
FAT-Stereo	1.10 274	0.43 246	1.46 267	0.74 293	0.60 274	1.13 249	0.92 299	2.06 282	1.71 332	1.75 323	2.00 333	2.02 340	1.47 323	2.02 241	1.26 275	0.44 334	0.36 332	0.34 295	0.29 283	0.36 272	0.57 335

StereoDRNet	1.05 265	0.53 281	2.21 325	0.80 313	0.93 350	1.50 303	0.90 295	2.06 282	1.44 291	1.68 318	1.20 159	1.48 278	0.99 234	1.86 217	1.60 309	0.29 265	0.24 262	0.29 254	0.28 268	0.35 268	0.33 253

Wz-Net-LNSev-Ref	1.09 273	0.46 255	2.61 339	0.71 275	0.65 292	2.00 347	0.78 265	2.07 284	1.47 302	1.62 311	1.47 244	1.53 287	1.29 300	2.10 250	1.65 318	0.24 188	0.14 58	0.20 70	0.16 54	0.28 224	0.28 205

Ntro	1.72 340	1.21 369	1.62 286	2.54 392	1.86 385	2.09 353	1.14 329	2.08 285	1.38 266	1.23 182	1.62 283	1.62 298	1.33 307	2.04 242	1.21 267	3.09 395	0.56 374	1.82 386	0.65 371	2.97 395	2.25 392

ADCL	1.82 345	0.70 325	4.57 369	0.70 272	0.63 285	2.56 365	1.77 369	2.08 285	1.77 336	1.95 344	1.89 323	2.04 345	1.88 353	2.36 269	9.55 393	0.27 242	0.25 275	0.35 301	0.32 303	0.39 287	0.39 283

RYNet	1.24 300	0.52 279	1.57 284	0.73 287	0.97 357	1.74 326	0.95 307	2.09 287	1.54 314	1.44 271	1.18 155	1.94 332	1.29 300	4.57 328	1.93 332	0.27 242	0.23 254	0.35 301	0.27 259	0.57 341	0.59 340

CBMV_ROB	0.99 252	0.46 255	0.68 49	0.53 90	0.39 162	1.40 294	0.48 152	2.09 287	1.30 236	1.53 293	2.29 348	1.36 258	1.23 291	2.46 273	1.04 250	0.44 334	0.42 352	0.47 343	0.44 342	0.41 295	0.39 283

AnyNet_C32	2.14 362	1.45 377	7.38 381	0.95 356	1.12 364	2.23 355	2.34 392	2.10 289	1.54 314	2.44 361	1.79 308	2.04 345	1.66 337	2.69 285	10.48 395	0.38 309	0.35 328	0.35 301	0.42 337	0.50 326	0.60 343

ADCPNet	1.97 355	0.78 336	9.38 390	0.74 293	0.61 279	2.73 370	1.36 348	2.11 290	1.66 328	1.92 338	1.70 297	2.45 361	2.07 361	2.50 275	6.84 383	0.38 309	0.38 339	0.38 317	0.43 340	0.47 321	0.50 315

NINENet	0.81 192	0.40 231	0.89 143	0.65 218	0.53 243	2.30 359	0.42 92	2.12 291	1.13 161	1.20 170	1.27 185	1.02 176	0.70 131	1.26 125	0.75 188	0.29 265	0.24 262	0.31 267	0.21 165	0.27 209	0.26 178

AASNet	0.80 184	0.39 226	1.16 226	0.84 328	0.80 331	1.14 252	0.59 216	2.12 291	1.21 196	1.26 199	1.26 178	0.93 145	0.77 145	0.84 57	1.23 271	0.28 253	0.24 262	0.24 168	0.20 129	0.28 224	0.27 194

S-Stereo	1.17 284	0.48 263	2.25 328	0.83 324	0.81 335	1.22 271	1.17 333	2.12 291	2.08 356	1.47 280	2.13 340	1.55 290	1.16 278	2.09 249	1.46 296	0.42 325	0.40 346	0.35 301	0.32 303	0.45 313	0.73 357

HITNet	0.71 145	0.42 242	1.07 196	0.52 70	0.25 8	1.05 237	0.48 152	2.12 291	1.08 137	1.21 176	1.23 170	0.91 138	0.84 171	0.90 69	0.91 222	0.17 18	0.12 5	0.21 93	0.17 70	0.29 234	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
edge stereo	1.15 281	0.54 284	1.50 271	0.73 287	0.66 295	1.18 267	0.84 284	2.13 295	1.41 280	1.73 322	1.84 316	2.53 363	1.46 321	2.46 273	1.35 285	0.43 326	0.41 347	0.54 354	0.36 323	0.43 301	0.50 315

PSMNet-RSSM	0.78 171	0.32 118	0.89 143	0.65 218	0.43 191	0.73 143	0.58 212	2.14 296	1.19 186	1.18 159	1.38 222	1.31 249	1.07 264	1.43 151	0.82 206	0.28 253	0.21 222	0.27 234	0.29 283	0.25 197	0.26 178

BEATNet_4x	0.82 194	0.54 284	2.02 312	0.56 123	0.28 40	1.04 234	0.55 196	2.14 296	1.13 161	1.24 186	1.26 178	1.00 170	0.94 214	1.13 111	1.23 271	0.21 121	0.14 58	0.24 168	0.20 129	0.37 277	0.23 123

NCC-stereo	1.20 290	0.60 297	1.84 299	0.88 336	0.95 354	1.32 280	0.94 304	2.14 296	1.36 259	1.43 268	1.79 308	1.93 328	2.13 367	2.54 278	1.41 290	0.49 346	0.38 339	0.45 337	0.59 367	0.43 301	0.45 305

Abc-Net	1.20 290	0.60 297	1.84 299	0.88 336	0.95 354	1.32 280	0.94 304	2.14 296	1.36 259	1.43 268	1.79 308	1.93 328	2.13 367	2.54 278	1.41 290	0.49 346	0.38 339	0.45 337	0.59 367	0.43 301	0.45 305
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-SNSev	1.68 336	1.45 377	8.71 388	0.71 275	0.67 299	1.35 287	1.51 353	2.15 300	1.47 302	1.51 288	1.68 294	2.27 351	1.38 312	4.23 320	2.36 346	0.32 281	0.29 300	0.31 267	0.33 312	0.43 301	0.39 283

psmg	0.75 159	0.34 162	0.77 83	0.52 70	0.45 201	1.46 301	0.73 257	2.15 300	1.04 129	1.25 189	1.33 205	1.11 204	0.77 145	0.94 72	0.76 191	0.25 208	0.20 209	0.25 204	0.26 245	0.23 158	0.24 142

SMFormer	0.79 179	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.99 241	0.24 188	0.22 232	0.22 120	0.21 165	0.23 158	0.27 194

tta	0.79 179	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.99 241	0.24 188	0.22 232	0.22 120	0.21 165	0.19 59	0.22 109

qqq1	0.76 164	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.48 89	0.24 188	0.22 232	0.18 33	0.15 30	0.19 59	0.22 109

fff1	0.76 164	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.48 89	0.24 188	0.22 232	0.18 33	0.15 30	0.19 59	0.22 109

Wz-Net-MNSev	1.21 292	0.66 318	3.44 356	0.69 263	0.73 310	1.93 343	1.44 352	2.16 302	1.59 322	1.85 334	1.49 247	1.50 282	1.34 308	2.05 246	1.54 305	0.27 242	0.24 262	0.28 246	0.28 268	0.35 268	0.32 247

CSP-Net	1.00 255	0.41 240	0.99 175	0.56 123	0.43 191	1.62 316	0.76 261	2.16 302	1.16 177	1.33 228	1.22 166	1.32 253	0.89 198	4.67 331	0.93 229	0.35 299	0.24 262	0.20 70	0.20 129	0.23 158	0.30 230

ADCRef	1.50 322	0.61 302	3.83 361	0.76 306	0.77 323	1.91 341	0.77 262	2.16 302	1.34 249	1.63 313	1.59 281	1.35 257	1.40 315	1.79 210	8.32 388	0.25 208	0.21 222	0.32 279	0.31 298	0.31 249	0.32 247

WCMA_ROB	2.05 356	0.55 287	1.77 293	0.74 293	0.61 279	2.24 356	1.56 358	2.17 309	1.79 340	4.16 392	6.36 394	5.66 393	4.66 397	3.19 300	2.77 352	0.55 357	0.45 356	0.40 327	0.43 340	0.48 322	0.50 315

RGC	1.22 293	0.82 341	1.71 290	0.95 356	0.98 359	1.53 307	0.80 276	2.18 310	1.35 252	1.69 319	1.94 329	2.03 343	1.66 337	2.36 269	1.50 300	0.46 338	0.36 332	0.59 365	0.48 351	0.49 325	0.49 312

ADCMid	2.11 360	0.90 346	8.39 386	0.75 300	0.69 303	1.98 345	1.14 329	2.18 310	1.67 329	2.85 373	1.85 319	2.35 357	2.02 359	2.35 268	10.58 396	0.34 291	0.32 319	0.39 321	0.44 342	0.51 328	0.53 324

pcwnet_v2	0.91 233	0.39 226	2.74 341	0.64 212	0.55 254	0.81 174	0.49 160	2.19 312	1.63 326	1.44 271	1.64 288	1.09 198	0.79 155	1.31 128	0.70 179	0.32 281	0.25 275	0.29 254	0.27 259	0.37 277	0.37 274

NVStereoNet_ROB	2.17 364	1.18 366	3.51 357	1.14 370	1.26 377	1.57 311	1.51 353	2.19 312	2.11 358	2.04 348	4.80 386	3.17 377	2.11 365	7.97 387	2.10 336	1.12 382	0.94 395	1.10 381	1.34 393	0.95 370	1.31 380
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DispFullNet	2.39 370	2.89 408	3.74 360	3.09 400	2.27 393	2.04 350	0.84 284	2.19 312	1.73 334	2.54 366	1.98 332	2.23 348	5.83 400	3.44 309	1.84 330	1.03 377	0.33 322	2.65 401	1.97 405	2.87 391	2.34 393

ac_64	0.86 214	0.32 118	1.02 183	0.74 293	0.60 274	1.04 234	0.53 180	2.20 315	0.99 110	1.23 182	1.11 127	1.96 334	1.06 262	2.01 239	1.01 246	0.30 270	0.22 232	0.24 168	0.23 214	0.22 140	0.22 109

RTSC	1.43 317	0.89 345	3.62 359	0.94 354	0.64 286	1.85 337	0.69 246	2.20 315	2.04 355	2.22 354	1.70 297	1.67 306	1.27 298	2.53 277	4.48 370	0.33 284	0.25 275	0.27 234	0.29 283	0.38 283	0.40 287

otaku	1.67 334	1.18 366	1.56 282	2.27 387	1.59 383	1.98 345	1.23 340	2.23 317	1.37 264	1.48 285	1.63 287	1.73 314	1.23 291	1.85 214	1.09 253	2.96 394	0.58 377	1.74 384	0.61 370	2.94 392	2.15 390

Syn2CoEx	1.23 297	0.80 337	3.07 348	0.83 324	0.68 300	1.39 292	0.87 292	2.23 317	1.57 320	1.28 209	1.58 277	1.42 266	1.57 329	3.79 316	1.48 299	0.36 306	0.32 319	0.34 295	0.30 294	0.30 244	0.41 290

HBP-ISP	1.00 255	0.60 297	0.85 131	0.64 212	0.48 216	1.63 317	0.77 262	2.24 319	1.30 236	1.33 228	1.53 263	0.87 121	0.99 234	3.26 304	0.76 191	0.46 338	0.44 354	0.54 354	0.48 351	0.48 322	0.42 296

MyStereo06	0.67 119	0.29 61	1.06 192	0.58 151	0.48 216	0.62 89	0.72 254	2.26 320	0.89 66	1.07 111	1.12 130	1.22 222	0.56 76	0.83 54	0.47 85	0.17 18	0.17 161	0.24 168	0.21 165	0.23 158	0.23 123

LSM	6.55 402	1.26 371	15.64 404	1.79 383	68.74 430	1.67 320	2.08 383	2.26 320	2.59 368	3.13 383	3.08 369	1.90 323	1.81 349	2.89 293	2.16 339	0.43 326	0.59 378	0.50 347	0.58 365	0.64 352	17.24 421

DRN-Test	1.07 270	0.49 268	1.95 309	0.75 300	0.81 335	1.61 314	0.78 265	2.26 320	1.53 312	1.84 332	1.35 213	1.42 266	1.04 256	2.26 262	1.61 310	0.28 253	0.23 254	0.31 267	0.30 294	0.33 262	0.33 253

DISCO	1.06 266	0.37 204	1.19 232	0.73 287	0.46 208	2.04 350	0.84 284	2.26 320	1.54 314	1.25 189	1.36 217	2.38 358	1.08 265	2.60 281	1.62 312	0.24 188	0.19 199	0.22 120	0.20 129	0.32 257	0.29 217

AF-Net	1.23 297	0.56 290	2.31 329	0.88 336	0.93 350	1.41 296	0.73 257	2.27 324	1.71 332	1.76 327	2.42 354	2.00 337	1.70 340	1.98 234	1.62 312	0.50 350	0.29 300	0.49 346	0.33 312	0.40 291	0.34 260

SPS-STEREO	1.78 341	1.09 361	1.52 277	1.22 373	1.14 368	1.87 339	1.11 323	2.27 324	1.70 330	3.17 384	2.39 352	2.84 371	1.93 355	4.41 324	2.93 354	1.04 379	0.99 398	0.97 376	0.94 381	1.03 374	1.05 373
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
Nwc_Net	1.19 288	0.53 281	2.34 330	0.92 346	0.81 335	1.49 302	0.70 252	2.28 326	1.32 245	1.41 260	2.27 346	2.03 343	1.76 346	2.05 246	1.46 296	0.43 326	0.30 304	0.43 333	0.46 347	0.39 287	0.40 287

FCDSN-DC	2.47 372	0.65 317	1.00 180	0.85 330	0.75 317	2.26 358	0.97 309	2.31 327	1.83 343	5.52 404	7.65 401	7.72 401	7.70 406	4.43 325	2.64 350	0.52 352	0.48 363	0.52 349	0.52 358	0.57 341	0.59 340
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
mmx	1.89 351	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	2.32 328	1.41 280	1.19 164	1.49 247	1.07 187	0.85 176	9.88 405	13.82 401	0.25 208	0.21 222	0.31 267	0.28 268	0.32 257	0.29 217

xxx	1.89 351	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	2.32 328	1.41 280	1.19 164	1.49 247	1.07 187	0.85 176	9.88 405	13.82 401	0.25 208	0.21 222	0.31 267	0.28 268	0.32 257	0.29 217

ssnet_v2	0.92 236	0.39 226	1.22 237	0.66 231	0.39 162	1.31 279	0.96 308	2.32 328	1.45 296	1.48 285	1.17 153	1.53 287	0.91 203	1.16 115	1.71 324	0.31 274	0.27 288	0.30 263	0.29 283	0.28 224	0.29 217

ARAFT	0.82 194	0.40 231	1.77 293	0.53 90	0.31 77	0.89 197	0.81 277	2.32 328	1.08 137	1.66 316	1.25 176	1.04 180	0.64 113	1.91 225	0.52 109	0.20 99	0.15 112	0.28 246	0.27 259	0.17 20	0.18 32

pmcnn	2.84 381	0.46 255	5.19 373	0.68 253	0.42 188	1.55 308	1.16 332	2.32 328	1.60 324	2.72 369	7.49 399	17.96 413	1.48 324	6.04 358	6.64 382	0.18 40	0.15 112	0.15 3	0.12 9	0.20 86	0.20 70

ttt	1.26 302	0.36 188	0.79 93	0.65 218	0.42 188	0.94 214	0.57 205	2.33 333	1.38 266	1.25 189	1.65 289	0.92 143	0.78 150	2.64 282	8.73 389	0.30 270	0.28 292	0.26 225	0.25 234	0.29 234	0.32 247

CRFU-Net	0.90 228	0.42 242	1.10 202	0.69 263	0.59 270	1.76 328	0.84 284	2.33 333	0.92 76	1.45 277	1.20 159	1.62 298	1.25 295	1.38 139	0.94 234	0.28 253	0.23 254	0.22 120	0.19 103	0.24 187	0.27 194

GES	0.70 139	0.37 204	1.05 189	0.62 191	0.38 155	0.94 214	0.57 205	2.37 335	0.92 76	1.05 106	1.12 130	0.67 64	0.77 145	1.02 87	0.65 166	0.28 253	0.20 209	0.20 70	0.20 129	0.22 140	0.31 239

WZ-Net	2.14 362	1.08 359	11.68 398	0.89 343	0.78 327	1.76 328	1.59 360	2.39 336	2.03 354	2.11 351	1.95 331	2.30 354	2.28 370	5.94 356	3.86 366	0.35 299	0.27 288	0.29 254	0.32 303	0.52 329	0.50 315

222	1.67 334	0.31 104	0.93 154	0.59 163	0.31 77	1.05 237	0.43 108	2.39 336	1.47 302	1.37 245	1.55 267	0.94 150	0.94 214	1.98 234	17.76 411	0.24 188	0.22 232	0.21 93	0.20 129	0.22 140	0.26 178

test_xeample	1.55 326	0.31 104	0.94 160	0.54 101	0.31 77	0.94 214	0.58 212	2.40 338	1.40 277	1.29 213	1.55 267	0.89 133	0.88 196	1.72 198	15.94 408	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

iResNet_ROB	0.82 194	0.36 188	1.13 208	0.60 170	0.37 144	0.91 202	0.38 69	2.41 339	1.61 325	1.35 239	1.35 213	1.25 231	0.97 228	1.75 201	0.88 215	0.21 121	0.14 58	0.17 13	0.12 9	0.19 59	0.30 230

SFCPSM	0.74 156	0.30 79	1.06 192	0.52 70	0.39 162	1.36 288	0.64 234	2.42 340	1.11 151	1.18 159	1.21 164	0.81 98	0.78 150	1.08 100	0.57 138	0.22 150	0.17 161	0.22 120	0.24 226	0.23 158	0.21 88

xxxx	1.61 330	0.32 118	0.98 173	0.58 151	0.31 77	1.15 255	0.43 108	2.43 341	1.41 280	1.17 148	1.40 229	1.21 218	0.86 183	1.94 228	16.68 410	0.24 188	0.24 262	0.21 93	0.20 129	0.23 158	0.27 194

SHD	1.42 314	0.81 340	2.79 343	0.98 358	0.92 347	1.97 344	0.68 242	2.43 341	2.55 367	2.54 366	1.72 300	2.01 339	1.62 331	2.14 253	2.70 351	0.40 318	0.33 322	0.39 321	0.40 332	0.48 322	0.54 325

Wz-Net-TNSev	2.10 359	2.71 407	9.30 389	0.72 280	0.65 292	2.41 363	1.81 374	2.45 343	1.77 336	1.62 311	1.56 272	2.56 364	2.01 357	5.30 339	4.46 369	0.41 321	0.38 339	0.33 287	0.37 327	0.54 336	0.64 348

RTS	2.76 375	1.55 383	15.40 401	1.13 367	1.42 379	3.75 388	2.21 386	2.45 343	2.72 376	2.91 376	2.85 364	2.58 365	1.62 331	6.28 363	5.80 378	0.41 321	0.30 304	0.35 301	0.35 321	0.52 329	0.54 325

RTSA	2.76 375	1.55 383	15.40 401	1.13 367	1.42 379	3.75 388	2.21 386	2.45 343	2.72 376	2.91 376	2.85 364	2.58 365	1.62 331	6.28 363	5.80 378	0.41 321	0.30 304	0.35 301	0.35 321	0.52 329	0.54 325

HSM	1.22 293	0.34 162	0.81 99	0.61 183	0.39 162	1.22 271	0.63 233	2.45 343	1.25 212	1.32 223	1.26 178	1.91 324	1.08 265	9.21 397	0.75 188	0.23 170	0.17 161	0.20 70	0.16 54	0.22 140	0.24 142

DGSMNet	1.24 300	0.84 343	3.20 350	0.91 345	0.92 347	1.39 292	1.34 346	2.46 347	1.44 291	1.34 235	1.66 290	1.50 282	1.03 250	1.85 214	1.30 277	0.48 344	0.48 363	0.55 358	0.51 357	0.78 364	0.79 363

1111x	1.96 354	0.32 118	1.54 281	0.54 101	0.30 63	1.00 229	0.69 246	2.47 348	1.33 247	1.21 176	1.44 237	1.21 218	1.11 272	8.49 392	16.14 409	0.22 150	0.23 254	0.22 120	0.23 214	0.25 197	0.26 178

ACVNet-4b	3.05 386	1.42 376	18.09 410	2.85 394	2.33 395	2.32 362	1.22 338	2.47 348	2.21 361	1.26 199	2.36 351	2.64 367	1.46 321	6.32 365	1.23 271	3.29 398	0.45 356	2.37 392	1.02 389	3.03 396	2.61 397

MSC_U_SF_DS_RVC	2.22 365	1.29 374	4.14 365	1.10 366	0.78 327	5.00 399	2.38 395	2.47 348	2.67 375	1.94 342	2.28 347	2.66 368	1.70 340	9.10 394	2.29 344	0.68 369	0.52 369	0.68 368	0.71 373	1.17 377	0.81 365

ADCS	2.35 367	1.26 371	6.54 377	0.85 330	0.77 323	2.18 354	1.79 370	2.47 348	2.20 360	2.80 372	2.14 342	2.38 358	2.09 362	2.81 290	13.83 405	0.43 326	0.41 347	0.40 327	0.45 345	0.59 344	0.67 350

AE-Stereo	0.58 71	0.29 61	0.81 99	0.62 191	0.41 181	0.69 132	0.46 139	2.49 352	1.25 212	0.49 16	0.77 40	0.69 70	0.46 36	0.61 14	0.42 55	0.17 18	0.16 139	0.21 93	0.20 129	0.19 59	0.18 32

MFN_U_SF_RVC	1.62 332	0.96 354	4.36 368	0.92 346	0.69 303	2.62 368	1.10 322	2.50 353	1.74 335	1.99 346	1.86 321	2.45 361	1.78 348	3.08 297	2.84 353	0.54 354	0.50 368	0.56 360	0.60 369	0.60 347	0.67 350

DeepPrunerF	1.68 336	0.82 341	6.82 378	0.94 354	1.20 374	0.91 202	0.97 309	2.50 353	5.19 399	1.22 181	1.30 195	1.18 214	1.29 300	4.96 336	1.75 325	0.43 326	0.35 328	0.52 349	0.48 351	0.43 301	0.42 296

DIP-Stereo	0.64 105	0.32 118	0.91 151	0.49 35	0.36 139	0.91 202	0.33 33	2.51 355	0.77 41	1.25 189	1.00 87	0.68 66	0.51 56	0.92 71	0.65 166	0.19 65	0.15 112	0.21 93	0.17 70	0.19 59	0.22 109
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
TRStereo	0.67 119	0.71 327	1.06 192	0.77 308	0.68 300	0.53 51	0.38 69	2.52 356	0.96 96	0.81 60	0.84 53	0.87 121	0.39 15	1.16 115	0.46 77	0.24 188	0.17 161	0.23 147	0.24 226	0.18 34	0.20 70

SAMSARA	1.80 343	0.90 346	3.37 355	1.28 375	1.13 366	3.71 386	2.33 391	2.53 357	1.93 348	3.17 384	1.73 301	2.99 372	1.68 339	3.53 310	2.46 348	0.47 342	0.54 371	0.43 333	0.47 349	0.59 344	0.64 348

XQC	1.51 323	0.98 355	3.20 350	0.92 346	0.76 322	2.01 348	1.17 333	2.53 357	1.99 352	2.01 347	1.54 264	2.00 337	1.54 327	3.16 299	3.46 361	0.49 346	0.31 309	0.45 337	0.40 332	0.71 361	0.62 345

EAI-Stereo	0.76 164	0.31 104	0.74 72	0.55 111	0.28 40	0.70 135	1.72 366	2.57 359	0.90 70	0.75 51	3.03 367	0.57 43	0.43 23	1.10 106	0.49 98	0.19 65	0.14 58	0.17 13	0.18 84	0.17 20	0.21 88

RAFT + AFF	1.07 270	0.47 260	1.36 259	0.68 253	0.50 226	1.20 269	1.22 338	2.58 360	1.26 218	1.33 228	1.56 272	1.19 215	1.49 325	3.89 318	1.01 246	0.22 150	0.26 280	0.30 263	0.27 259	0.29 234	0.32 247

SANet	2.26 366	0.70 325	6.94 379	0.69 263	0.46 208	2.76 371	1.76 368	2.61 361	5.84 401	2.45 362	3.52 374	3.71 379	3.38 388	5.90 353	2.14 338	0.34 291	0.31 309	0.32 279	0.29 283	0.54 336	0.43 300

PDISCO_ROB	1.41 312	0.73 333	2.04 315	1.40 376	1.46 381	2.83 373	1.07 320	2.64 362	2.11 358	1.41 260	1.50 254	1.73 314	0.99 234	2.83 292	1.46 296	1.03 377	0.27 288	0.54 354	0.47 349	0.77 363	0.84 367

BUS	0.78 171	0.34 162	0.77 83	0.55 111	0.45 201	2.30 359	0.42 92	2.65 363	1.04 129	1.25 189	1.12 130	1.02 176	0.70 131	0.94 72	0.75 188	0.25 208	0.18 185	0.25 204	0.22 187	0.23 158	0.24 142

BSDual-CNN	0.75 159	0.34 162	0.77 83	0.55 111	0.45 201	1.25 275	0.66 238	2.65 363	1.04 129	1.25 189	1.12 130	1.11 204	0.77 145	0.94 72	0.76 191	0.25 208	0.18 185	0.25 204	0.22 187	0.23 158	0.24 142

hknet	0.82 194	0.34 162	1.15 213	0.55 111	0.39 162	1.25 275	0.66 238	2.65 363	1.10 147	1.25 189	1.12 130	1.58 295	0.85 176	1.41 144	0.79 198	0.23 170	0.18 185	0.25 204	0.22 187	0.23 158	0.24 142

STrans-v2	1.06 266	0.31 104	1.02 183	0.52 70	0.33 110	0.67 120	0.78 265	2.66 366	1.26 218	1.15 142	1.46 242	1.37 262	1.40 315	6.68 372	0.46 77	0.19 65	0.13 17	0.21 93	0.18 84	0.18 34	0.21 88

AnyNet_C01	2.38 369	2.21 397	10.17 392	0.99 359	0.79 329	3.12 378	2.37 393	2.69 367	1.89 346	2.58 368	2.44 355	2.70 369	1.86 352	3.65 311	7.12 384	0.41 321	0.41 347	0.40 327	0.42 337	0.68 357	0.79 363

GEStereo_RVC	0.93 241	0.40 231	1.15 213	0.67 244	0.50 226	0.95 220	0.78 265	2.73 368	1.21 196	1.20 170	1.12 130	1.25 231	0.91 203	3.21 301	0.95 236	0.31 274	0.20 209	0.23 147	0.20 129	0.28 224	0.31 239

SGM_RVC	1.88 348	0.40 231	0.90 148	0.63 201	0.30 63	2.81 372	1.26 343	2.73 368	1.81 342	4.09 388	2.85 364	3.88 382	3.19 383	8.42 391	2.44 347	0.33 284	0.31 309	0.30 263	0.28 268	0.31 249	0.31 239
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
CoDeX	0.78 171	0.31 104	1.04 187	0.56 123	0.37 144	1.13 249	0.60 224	2.77 370	1.29 234	1.17 148	1.26 178	0.91 138	0.87 189	1.42 149	0.74 185	0.21 121	0.16 139	0.21 93	0.18 84	0.21 121	0.21 88

RainbowNet	2.06 357	1.86 388	1.97 311	2.86 395	2.25 391	2.03 349	1.79 370	2.77 370	1.92 347	1.54 296	1.84 316	1.95 333	1.73 344	2.23 259	1.38 288	3.40 401	0.86 390	2.39 395	1.00 387	2.94 392	2.42 394

PVD	1.82 345	0.91 350	3.02 347	1.03 361	0.94 353	2.61 367	1.14 329	2.78 372	3.40 386	3.08 382	2.75 361	2.39 360	2.49 375	2.81 290	3.66 363	0.48 344	0.49 367	0.59 365	0.49 354	0.60 347	0.81 365

LMCR-Stereo	0.87 217	0.50 271	0.99 175	0.80 313	0.43 191	1.32 280	0.55 196	2.79 373	1.03 123	1.55 299	1.49 247	0.74 81	1.01 243	1.76 202	0.99 241	0.30 270	0.17 161	0.22 120	0.18 84	0.31 249	0.22 109

FBW_ROB	1.78 341	0.66 318	1.90 304	0.72 280	0.66 295	1.79 334	1.07 320	2.79 373	1.77 336	1.84 332	1.79 308	1.98 335	1.37 311	12.42 413	2.22 340	0.36 306	0.38 339	0.57 362	0.39 330	0.46 317	0.51 320

FINET	1.54 325	0.67 321	7.28 380	0.76 306	0.97 357	1.42 299	1.38 349	2.80 375	3.12 381	1.23 182	1.68 294	1.04 180	1.11 272	3.35 307	1.78 329	0.43 326	0.37 336	0.32 279	0.29 283	0.43 301	0.41 290

SGM+DAISY	5.38 397	1.28 373	8.24 383	1.27 374	1.16 372	10.62 408	16.01 413	2.93 376	2.53 366	8.64 411	13.03 409	8.26 403	13.38 410	6.34 366	7.59 386	1.07 380	1.05 401	1.00 378	0.98 384	1.02 373	1.12 377

ELAS_RVC	2.87 383	0.80 337	3.22 352	1.16 372	1.12 364	2.92 376	5.33 405	2.98 377	4.18 393	5.04 400	4.82 387	4.71 387	8.23 407	4.25 322	4.79 371	0.67 367	0.57 375	0.57 362	0.53 360	0.66 355	0.74 358
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PWCK	3.24 388	2.37 398	10.86 394	2.14 386	1.14 368	3.71 386	4.19 404	3.02 378	3.55 388	3.05 381	3.63 375	3.09 376	2.35 374	8.16 389	3.41 360	2.17 389	0.96 396	1.77 385	1.01 388	2.84 390	1.40 383

ACVNet_1	3.08 387	1.48 380	17.70 406	2.90 397	2.35 396	2.30 359	1.43 351	3.16 379	2.26 363	1.91 337	2.05 336	3.51 378	2.32 371	3.71 314	1.58 308	3.25 397	0.66 380	2.40 396	1.06 390	3.07 397	2.59 396

iRaft-Stereo_20w	0.71 145	0.33 135	1.25 244	0.50 47	0.36 139	0.82 175	0.31 25	3.16 379	0.89 66	1.24 186	1.14 145	0.79 90	0.65 117	1.15 113	0.43 58	0.18 40	0.13 17	0.18 33	0.17 70	0.20 86	0.23 123

ACVNet_2	2.86 382	1.47 379	8.28 384	2.68 393	2.26 392	2.70 369	1.84 375	3.41 381	3.04 380	2.27 356	3.42 373	4.58 385	2.10 363	5.91 354	1.62 312	2.58 392	0.67 381	2.22 389	0.85 379	2.79 389	2.47 395

FC-DCNN	2.88 384	0.61 302	1.15 213	0.75 300	0.57 262	2.85 375	1.05 318	3.44 382	2.64 374	6.93 405	7.63 400	9.86 407	7.02 405	5.76 351	4.31 368	0.54 354	0.48 363	0.51 348	0.50 355	0.53 334	0.52 322

MeshStereo	2.36 368	0.60 297	1.05 189	0.63 201	0.51 235	2.58 366	0.99 312	3.46 383	2.21 361	7.38 408	5.06 390	7.50 398	3.10 382	7.02 378	2.54 349	0.44 334	0.44 354	0.45 337	0.40 332	0.43 301	0.45 305
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
ELAS	2.67 374	0.80 337	2.13 320	1.13 367	1.15 370	6.25 403	2.56 397	3.50 384	3.68 389	5.36 402	4.92 389	3.79 380	5.56 399	3.65 311	5.22 375	0.66 366	0.57 375	0.56 360	0.54 361	0.65 354	0.75 360
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MADNet+	2.80 378	3.38 410	11.57 397	1.50 382	1.21 376	3.18 380	2.00 377	3.52 385	2.61 369	1.81 329	2.09 338	2.83 370	2.18 369	7.55 383	5.44 377	0.84 371	0.83 385	0.71 370	0.66 372	1.05 375	1.08 375

HSM-Net_RVC	0.91 233	0.31 104	0.60 24	0.54 101	0.31 77	1.15 255	0.60 224	3.76 386	1.30 236	1.57 303	1.75 303	1.67 306	1.01 243	1.61 185	0.90 220	0.23 170	0.17 161	0.19 47	0.18 84	0.20 86	0.22 109
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DPSNet	1.91 353	0.64 311	5.95 374	0.73 287	0.59 270	2.04 350	1.61 361	3.84 387	1.96 351	1.54 296	1.39 224	2.27 351	3.32 386	4.95 335	4.79 371	0.50 350	0.31 309	0.29 254	0.26 245	0.67 356	0.54 325

JetBlue	4.18 392	2.45 402	10.42 393	1.40 376	2.89 403	10.68 409	10.68 407	3.91 388	2.52 365	2.74 370	3.39 372	4.50 384	4.27 395	7.97 387	7.67 387	0.89 372	0.97 397	0.89 374	0.92 380	2.26 384	2.21 391

MDST_ROB	1.88 348	0.40 231	1.71 290	0.93 351	0.60 274	4.27 396	1.23 340	3.99 389	1.44 291	4.61 396	2.63 360	1.44 270	1.03 250	9.78 402	1.62 312	0.33 284	0.26 280	0.37 313	0.33 312	0.31 249	0.34 260

LE_ROB	8.35 407	0.47 260	27.42 421	0.83 324	0.34 122	2.84 374	3.36 403	4.03 390	27.04 421	25.20 421	8.72 405	8.55 404	27.35 421	7.37 381	22.13 414	0.22 150	0.20 209	0.20 70	0.21 165	0.25 197	0.25 161

WAO-7	2.78 377	1.54 382	2.18 323	1.41 379	1.19 373	3.92 391	2.01 380	4.19 391	3.89 391	2.98 378	5.47 391	4.18 383	3.28 385	8.24 390	4.27 367	1.13 383	1.01 399	1.18 382	1.13 392	1.19 378	1.13 378

IMH-64-1	2.82 379	1.87 389	1.77 293	3.31 402	2.69 399	3.22 381	2.07 381	4.25 392	2.77 378	2.46 363	3.78 377	3.05 373	2.34 372	4.67 331	3.00 356	3.84 405	0.84 388	2.75 402	1.39 394	3.34 400	2.93 402

IMH-64	2.82 379	1.87 389	1.77 293	3.31 402	2.69 399	3.22 381	2.07 381	4.25 392	2.77 378	2.46 363	3.78 377	3.05 373	2.34 372	4.67 331	3.00 356	3.84 405	0.84 388	2.75 402	1.39 394	3.34 400	2.93 402

WAO-6	2.98 385	1.67 386	1.88 303	2.38 391	2.30 394	3.53 384	2.37 393	4.38 394	4.64 397	2.42 359	4.50 381	4.85 388	2.99 381	5.22 338	5.37 376	1.77 385	1.16 405	2.31 391	1.47 399	2.42 385	1.99 389

MADNet++	5.41 398	3.18 409	6.43 376	4.66 414	3.95 412	6.15 402	6.75 406	4.51 395	4.51 396	5.06 401	6.27 393	4.96 390	6.14 401	9.39 399	11.70 397	4.71 411	4.19 414	3.97 413	3.33 411	4.08 406	4.25 412

IMH	3.35 389	1.95 391	1.86 302	3.30 401	2.72 401	4.03 394	2.00 377	4.58 396	3.83 390	2.87 374	6.99 397	4.69 386	3.21 384	6.77 374	2.97 355	3.91 408	0.89 392	2.78 404	1.40 398	3.36 402	2.93 402

LVE	3.40 390	1.80 387	2.21 325	2.90 397	2.44 397	3.27 383	2.25 388	4.80 397	5.06 398	2.43 360	6.79 395	5.99 394	2.64 379	9.20 396	2.28 342	3.30 399	1.11 404	2.38 393	1.48 400	2.95 394	2.62 398

Dean	3.77 391	1.65 385	17.87 407	3.01 399	2.54 398	3.15 379	2.10 384	4.80 397	4.42 394	2.89 375	6.03 392	5.45 392	2.55 378	3.40 308	2.13 337	3.22 396	0.89 392	2.51 399	1.07 391	3.07 397	2.65 400

notaker	4.29 393	2.42 401	5.06 371	3.89 410	3.29 408	4.00 392	2.25 388	4.93 399	3.47 387	4.21 394	6.79 395	7.67 400	3.37 387	9.25 398	6.47 380	4.09 410	1.42 407	3.35 411	2.13 408	4.11 407	3.54 407

DPSimNet_ROB	24.77 419	9.69 416	61.46 432	3.56 406	19.46 416	25.95 416	77.56 433	5.09 400	16.60 413	21.50 420	29.82 423	25.12 423	85.69 435	13.37 414	23.07 418	7.23 415	17.79 422	8.55 417	7.57 416	4.57 412	31.84 428

ktn	4.56 394	2.41 400	2.54 335	3.79 409	3.25 406	4.81 398	2.91 401	5.52 401	7.36 402	4.12 391	14.55 411	7.54 399	3.70 390	7.84 386	3.35 359	4.06 409	1.86 410	3.26 410	2.22 409	3.27 399	2.86 401

UNDER WATER	5.68 400	2.46 403	15.52 403	3.98 412	3.53 409	5.15 400	2.74 399	5.58 402	16.41 412	4.00 387	4.56 382	9.12 405	6.43 403	6.22 361	9.11 391	3.85 407	1.35 406	3.18 409	1.98 406	4.51 410	3.84 411

KSHMR	8.76 409	2.14 396	3.59 358	3.60 407	3.13 405	4.15 395	2.67 398	5.61 403	58.90 434	3.04 380	55.71 434	4.94 389	2.54 377	4.61 330	3.05 358	3.49 402	1.57 409	3.14 407	1.98 406	3.84 404	3.49 406

UNDER WATER-64	5.84 401	2.48 404	17.93 408	3.97 411	3.58 410	7.70 404	3.03 402	5.72 404	14.13 406	4.18 393	4.00 379	9.27 406	6.80 404	6.20 360	9.22 392	3.67 403	1.52 408	3.14 407	1.95 404	4.43 409	3.83 410

WAO-8	4.57 395	2.01 392	2.58 337	2.37 389	2.21 389	9.75 405	1.71 364	6.04 405	16.34 409	4.11 389	7.69 402	7.41 396	3.85 391	10.02 408	3.85 364	2.05 387	1.09 402	2.44 397	1.39 394	2.56 387	1.86 387

Venus	4.57 395	2.01 392	2.58 337	2.37 389	2.21 389	9.75 405	1.71 364	6.04 405	16.34 409	4.11 389	7.69 402	7.41 396	3.85 391	10.02 408	3.85 364	2.05 387	1.09 402	2.44 397	1.39 394	2.56 387	1.86 387

JetRed	7.02 404	8.94 415	25.72 417	2.89 396	3.27 407	14.25 413	12.27 410	6.69 407	4.45 395	4.46 395	4.56 382	6.65 395	5.43 398	7.46 382	14.41 407	2.60 393	3.31 411	2.61 400	2.30 410	4.34 408	3.79 409

HanzoNet	11.92 412	5.12 411	17.18 405	4.19 413	3.59 411	5.16 401	2.82 400	7.41 408	9.96 404	33.31 430	27.60 421	22.25 420	37.31 425	18.18 416	13.57 400	8.13 416	3.44 413	3.50 412	3.44 412	7.77 417	4.52 413

SGM-ForestM	7.81 406	0.48 263	11.02 395	0.74 293	0.40 171	16.83 414	12.72 412	7.91 409	8.13 403	11.53 412	10.25 407	22.44 421	14.01 411	17.02 415	20.52 413	0.38 309	0.39 344	0.37 313	0.36 323	0.37 277	0.38 280

TorneroNet	10.72 411	2.09 394	2.76 342	3.48 404	3.03 404	44.72 426	2.31 390	8.62 410	67.06 435	7.45 409	23.21 419	10.59 410	4.28 396	9.03 393	9.00 390	3.67 403	0.91 394	3.04 406	1.63 402	3.92 405	3.55 408

TorneroNet-64	5.41 398	2.10 395	2.43 332	3.49 405	2.83 402	9.90 407	2.13 385	8.87 411	16.79 414	5.39 403	9.18 406	10.68 411	3.92 394	9.55 400	5.11 374	3.36 400	0.86 390	2.88 405	1.62 401	3.76 403	3.37 405

PML	51.64 432	37.49 425	14.31 400	7.45 416	20.27 417	107.80 435	231.34 436	8.94 412	27.70 422	86.74 435	268.93 436	69.03 435	61.09 434	24.71 424	14.36 406	9.71 418	3.40 412	9.60 418	4.67 413	20.46 420	4.76 414

DGTPSM_ROB	13.06 413	8.27 413	22.29 412	9.53 417	18.14 414	11.53 410	31.97 419	10.82 413	16.25 407	7.14 406	19.39 417	10.12 408	16.69 413	9.85 403	22.49 415	4.77 412	8.72 416	5.37 414	10.24 418	6.15 414	11.56 416

DPSMNet_ROB	13.08 414	8.28 414	22.32 413	9.54 418	18.15 415	11.53 410	31.98 420	10.83 414	16.27 408	7.17 407	19.40 418	10.12 408	16.69 413	9.87 404	22.50 416	4.78 413	8.72 416	5.38 415	10.25 419	6.16 415	11.59 417

MANE	7.50 405	0.64 311	7.97 382	1.40 376	2.10 387	16.86 415	12.56 411	12.91 415	17.51 417	8.50 410	11.60 408	14.66 412	13.33 409	12.02 412	13.28 399	0.62 362	0.52 369	0.52 349	1.90 403	0.56 339	0.58 338

tt	6.61 403	0.28 43	6.10 375	3.77 408	2.17 388	11.53 410	19.61 414	13.53 416	5.81 400	3.00 379	2.82 363	4.97 391	6.33 402	3.83 317	7.23 385	9.13 417	11.32 421	5.87 416	6.22 415	6.01 413	2.63 399

LRCNet_RVC	22.79 417	32.09 424	22.06 411	29.83 422	26.15 420	4.40 397	0.84 284	22.64 417	2.10 357	26.93 422	29.25 422	23.03 422	15.56 412	23.91 420	18.92 412	32.00 428	20.04 429	34.68 428	32.13 428	30.66 427	28.52 427

DLNR_Zeroshot_test	23.23 418	48.25 435	43.77 424	177.04 435	78.39 431	0.35 5	0.21 1	23.33 418	0.82 53	0.67 42	0.86 56	0.58 44	0.30 4	1.64 187	0.48 89	10.69 421	0.13 17	0.18 33	0.14 22	76.63 434	0.23 123

DPSM_ROB	19.12 415	19.13 418	25.13 415	22.15 420	20.86 418	28.06 418	37.75 422	27.18 419	16.95 415	14.25 413	15.07 412	21.66 415	18.69 416	21.83 418	26.51 420	10.15 419	9.30 419	10.45 419	10.41 420	14.00 418	12.85 419

DPSM	19.12 415	19.13 418	25.13 415	22.15 420	20.86 418	28.06 418	37.75 422	27.18 419	16.95 415	14.25 413	15.07 412	21.66 415	18.69 416	21.83 418	26.51 420	10.15 419	9.30 419	10.45 419	10.41 420	14.00 418	12.85 419

Anonymous_1	42.79 430	18.71 417	24.75 414	21.81 419	45.16 429	27.68 417	37.52 421	28.64 421	16.34 409	14.72 415	14.53 410	20.60 414	17.82 415	21.52 417	25.88 419	113.45 435	8.91 418	100.63 432	126.37 432	158.50 435	12.31 418

HaxPig	39.02 427	41.39 432	41.59 422	30.10 423	32.36 421	29.49 420	27.65 417	30.56 422	37.94 431	43.75 431	43.81 430	33.42 424	35.69 422	41.51 425	40.33 427	43.91 432	47.48 434	45.87 429	47.14 430	42.29 428	44.06 431

xxxxx1	54.34 433	26.72 421	27.03 418	114.14 432	99.00 432	30.68 422	47.19 424	32.52 423	26.09 418	17.85 416	17.48 414	21.86 417	20.92 418	24.38 421	33.78 422	34.73 429	41.33 430	157.67 433	175.68 433	65.82 431	71.99 433

tt_ll	54.34 433	26.72 421	27.03 418	114.14 432	99.00 432	30.68 422	47.19 424	32.52 423	26.09 418	17.85 416	17.48 414	21.86 417	20.92 418	24.38 421	33.78 422	34.73 429	41.33 430	157.67 433	175.68 433	65.82 431	71.99 433

ff	54.34 433	26.72 421	27.03 418	114.14 432	99.00 432	30.68 422	47.19 424	32.52 423	26.09 418	17.85 416	17.48 414	21.86 417	20.92 418	24.38 421	33.78 422	34.73 429	41.33 430	157.67 433	175.68 433	65.82 431	71.99 433

BEATNet-Init1	27.39 421	21.01 420	73.65 433	1.07 363	0.80 331	56.07 428	22.82 415	33.14 426	31.71 423	51.78 434	52.93 433	65.63 434	48.54 433	48.75 435	36.36 425	0.52 352	0.47 361	0.54 354	0.54 361	0.64 352	0.72 356

MEDIAN_ROB	42.01 429	44.30 434	44.14 425	35.08 424	34.90 422	31.33 425	29.90 418	36.77 427	40.11 433	47.14 433	46.55 432	37.49 425	38.50 432	44.30 433	42.32 428	47.93 434	49.31 435	49.68 431	49.00 431	44.98 430	46.46 432

AVERAGE_ROB	40.42 428	42.30 433	42.61 423	36.91 425	35.54 423	30.42 421	27.59 416	37.45 428	38.45 432	44.87 432	44.27 431	37.55 426	36.69 423	41.82 426	40.25 426	45.36 433	46.73 433	47.09 430	46.32 429	42.47 429	43.74 430

MyStereo03	38.45 423	38.46 428	50.33 427	44.93 428	42.03 426	56.44 429	76.24 429	54.16 429	34.06 427	28.68 425	30.42 426	43.46 427	37.33 426	43.76 428	53.43 431	20.29 423	18.73 426	21.02 422	21.05 424	28.19 421	25.91 424

MyStereo02	38.45 423	38.46 428	50.33 427	44.93 428	42.03 426	56.44 429	76.24 429	54.16 429	34.06 427	28.68 425	30.42 426	43.46 427	37.33 426	43.76 428	53.43 431	20.29 423	18.73 426	21.02 422	21.05 424	28.19 421	25.91 424

MyStereo	38.45 423	38.46 428	50.33 427	44.93 428	42.03 426	56.44 429	76.24 429	54.16 429	34.06 427	28.68 425	30.42 426	43.46 427	37.33 426	43.76 428	53.43 431	20.29 423	18.73 426	21.02 422	21.05 424	28.19 421	25.91 424

Selective-RAFT-Error	38.47 426	38.44 427	50.38 430	44.74 426	42.01 425	56.47 432	76.24 429	54.44 432	34.02 426	28.59 424	30.30 424	43.51 430	38.10 431	43.69 427	53.24 429	20.36 426	18.72 425	21.05 426	21.02 422	28.25 425	25.87 423

CasAABBNet	38.42 422	38.42 426	50.26 426	44.76 427	41.87 424	56.47 432	76.22 428	54.44 432	33.92 425	28.53 423	30.36 425	43.53 431	37.59 430	43.77 431	53.32 430	20.27 422	18.70 424	21.03 425	21.04 423	28.19 421	25.79 422

LSM0	42.92 431	38.72 431	50.66 431	47.49 431	110.18 435	56.77 434	75.87 427	54.87 434	33.74 424	29.48 429	31.12 429	43.77 433	37.12 424	43.85 432	53.44 434	20.50 427	18.67 423	21.05 426	21.07 427	28.37 426	41.73 429

SPstereo	26.71 420	6.90 412	11.42 396	5.86 415	6.44 413	48.17 427	80.34 434	67.41 435	34.42 430	28.80 428	27.49 420	43.68 432	37.53 429	44.96 434	54.23 435	5.06 414	4.92 415	10.92 421	6.03 414	4.54 411	5.00 415

test_example2	192.91 436	210.59 436	206.44 436	199.86 436	204.90 436	172.02 436	182.95 435	138.34 436	134.89 436	193.14 436	200.54 435	186.77 436	177.82 436	204.95 436	207.57 436	221.83 436	238.70 436	186.02 436	190.07 436	226.94 436	173.78 436

Low-res two-view benchmark