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

CAS	0.16 11	0.07 1	0.29 4	0.42 367	0.17 212	0.20 49	0.18 93	0.23 3	0.20 6	0.15 10	0.19 26	0.11 2	0.10 3	0.15 1	0.14 24	0.31 372	0.04 1	0.06 1	0.04 1	0.06 2	0.16 228

CES	0.14 1	0.08 2	0.24 1	0.17 4	0.23 311	0.18 14	0.15 25	0.24 7	0.20 6	0.14 6	0.18 23	0.14 23	0.10 3	0.19 21	0.12 1	0.07 13	0.05 3	0.06 1	0.04 1	0.08 65	0.20 268

AEACV	0.20 58	0.09 3	0.32 9	0.39 357	0.34 358	0.21 65	0.16 41	0.30 37	0.18 1	0.17 16	0.17 18	0.13 12	0.16 63	0.27 81	0.13 7	0.07 13	0.29 371	0.07 13	0.09 167	0.07 30	0.37 359

Any-RAFT	0.18 21	0.09 3	0.33 11	0.19 13	0.10 17	0.29 182	0.16 41	0.44 175	0.32 108	0.25 72	0.27 76	0.29 157	0.16 63	0.23 40	0.13 7	0.08 88	0.07 92	0.06 1	0.05 8	0.07 30	0.07 11

LoS	0.15 4	0.09 3	0.34 13	0.17 4	0.09 5	0.22 87	0.14 12	0.27 13	0.27 58	0.15 10	0.18 23	0.19 54	0.14 42	0.23 40	0.14 24	0.08 88	0.06 34	0.06 1	0.04 1	0.06 2	0.06 4

EGLCR-Stereo	0.19 37	0.09 3	0.34 13	0.29 300	0.17 212	0.28 165	0.16 41	0.30 37	0.23 16	0.22 48	0.11 1	0.16 33	0.09 2	0.28 99	0.15 37	0.07 13	0.25 347	0.07 13	0.07 45	0.06 2	0.37 359

CREStereo++_RVC	0.16 11	0.09 3	0.42 42	0.17 4	0.11 25	0.18 14	0.13 2	0.23 3	0.31 100	0.21 32	0.31 107	0.13 12	0.11 9	0.17 8	0.16 47	0.07 13	0.04 1	0.06 1	0.15 319	0.06 2	0.05 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.18 21	0.09 3	0.38 25	0.18 8	0.07 1	0.33 230	0.19 125	0.39 124	0.34 130	0.24 61	0.25 60	0.18 48	0.18 104	0.25 55	0.17 60	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.05 1

CREStereo	0.14 1	0.09 3	0.27 2	0.14 1	0.08 2	0.22 87	0.15 25	0.26 10	0.26 49	0.16 12	0.21 43	0.14 23	0.13 32	0.19 21	0.14 24	0.09 144	0.05 3	0.06 1	0.04 1	0.07 30	0.06 4
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.16 11	0.09 3	0.31 7	0.15 2	0.09 5	0.23 103	0.15 25	0.26 10	0.24 25	0.17 16	0.21 43	0.16 33	0.14 42	0.23 40	0.14 24	0.29 368	0.05 3	0.06 1	0.04 1	0.07 30	0.07 11

MSKI-zero shot	0.19 37	0.10 11	0.47 74	0.30 306	0.14 108	0.21 65	0.14 12	0.33 69	0.22 13	0.24 61	0.25 60	0.22 74	0.10 3	0.32 139	0.14 24	0.07 13	0.30 372	0.07 13	0.07 45	0.06 2	0.09 58

Selective-IGEV	0.15 4	0.10 11	0.34 13	0.32 322	0.19 256	0.16 6	0.14 12	0.29 28	0.20 6	0.13 1	0.14 14	0.13 12	0.08 1	0.23 40	0.14 24	0.06 1	0.13 244	0.07 13	0.06 23	0.06 2	0.11 129

knoymous	0.18 21	0.10 11	0.35 17	0.17 4	0.11 25	0.21 65	0.17 55	0.33 69	0.24 25	0.24 61	0.28 80	0.27 133	0.16 63	0.24 46	0.17 60	0.09 144	0.06 34	0.09 120	0.06 23	0.09 132	0.10 100

riskmin	0.24 149	0.10 11	0.43 47	0.32 322	0.26 335	0.33 230	0.19 125	0.44 175	0.30 93	0.24 61	0.27 76	0.37 223	0.25 177	0.30 125	0.22 148	0.09 144	0.18 308	0.09 120	0.13 296	0.10 180	0.27 325

MC-Stereo	0.18 21	0.10 11	0.36 19	0.28 287	0.14 108	0.18 14	0.15 25	0.24 7	0.20 6	0.21 32	0.24 56	0.16 33	0.13 32	0.25 55	0.14 24	0.07 13	0.17 301	0.07 13	0.07 45	0.06 2	0.30 337

RCA-Stereo	0.17 18	0.10 11	0.33 11	0.20 34	0.11 25	0.19 23	0.17 55	0.39 124	0.36 150	0.21 32	0.25 60	0.17 40	0.17 78	0.18 12	0.15 37	0.07 13	0.14 253	0.07 13	0.06 23	0.06 2	0.08 37

test-3	0.18 21	0.10 11	0.48 86	0.23 129	0.14 108	0.18 14	0.16 41	0.32 56	0.29 79	0.26 77	0.17 18	0.22 74	0.13 32	0.26 72	0.19 100	0.06 1	0.14 253	0.08 60	0.08 105	0.06 2	0.10 100

test_1	0.18 21	0.10 11	0.48 86	0.23 129	0.14 108	0.18 14	0.16 41	0.32 56	0.29 79	0.26 77	0.17 18	0.22 74	0.13 32	0.26 72	0.19 100	0.06 1	0.14 253	0.08 60	0.08 105	0.06 2	0.10 100

DEmStereo	0.26 192	0.10 11	0.52 149	0.19 13	0.13 80	0.31 211	0.25 255	0.29 28	0.38 171	0.36 225	0.57 308	0.24 102	0.48 328	0.53 228	0.44 285	0.07 13	0.06 34	0.08 60	0.08 105	0.07 30	0.08 37

GrayStereo	0.26 192	0.10 11	0.45 57	0.27 263	0.14 108	0.23 103	0.46 354	0.36 87	0.33 122	0.40 269	0.47 265	0.30 167	0.78 369	0.29 116	0.17 60	0.07 13	0.06 34	0.08 60	0.09 167	0.07 30	0.15 218

GMM-Stereo	0.22 94	0.10 11	0.56 185	0.23 129	0.13 80	0.24 121	0.24 242	0.38 108	0.29 79	0.31 151	0.44 232	0.27 133	0.21 134	0.31 134	0.17 60	0.07 13	0.05 3	0.10 184	0.09 167	0.08 65	0.19 256

Prome-Stereo	0.22 94	0.10 11	0.43 47	0.24 166	0.13 80	0.23 103	0.23 220	0.37 99	0.27 58	0.33 185	0.58 311	0.24 102	0.28 214	0.30 125	0.16 47	0.07 13	0.05 3	0.08 60	0.07 45	0.08 65	0.20 268

CFNet-RSSM	0.18 21	0.10 11	0.45 57	0.20 34	0.12 48	0.20 49	0.16 41	0.40 133	0.31 100	0.23 55	0.21 43	0.26 129	0.15 51	0.21 25	0.14 24	0.07 13	0.05 3	0.07 13	0.07 45	0.06 2	0.06 4

Gwc-CoAtRS	0.17 18	0.10 11	0.41 34	0.20 34	0.12 48	0.20 49	0.15 25	0.34 73	0.29 79	0.23 55	0.23 51	0.27 133	0.15 51	0.21 25	0.14 24	0.07 13	0.06 34	0.07 13	0.07 45	0.06 2	0.07 11

R-Stereo Train	0.19 37	0.10 11	0.49 103	0.22 86	0.12 48	0.23 103	0.18 93	0.43 157	0.20 6	0.31 151	0.45 246	0.20 61	0.14 42	0.18 12	0.18 79	0.08 88	0.06 34	0.07 13	0.06 23	0.06 2	0.07 11

RAFT-Stereo	0.19 37	0.10 11	0.49 103	0.22 86	0.12 48	0.23 103	0.18 93	0.43 157	0.20 6	0.31 151	0.45 246	0.20 61	0.14 42	0.18 12	0.18 79	0.08 88	0.06 34	0.07 13	0.06 23	0.06 2	0.07 11
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
IGEV_Zeroshot_test	0.23 123	0.11 27	0.82 292	0.21 54	0.23 311	0.20 49	0.19 125	0.38 108	0.23 16	0.34 199	0.22 49	0.29 157	0.14 42	0.24 46	0.20 116	0.07 13	0.09 169	0.08 60	0.08 105	0.08 65	0.35 350

RAFT-Test	0.19 37	0.11 27	0.41 34	0.26 230	0.21 287	0.26 145	0.17 55	0.37 99	0.26 49	0.24 61	0.29 86	0.32 186	0.14 42	0.22 36	0.15 37	0.07 13	0.08 139	0.07 13	0.07 45	0.06 2	0.07 11

LoS_RVC	0.14 1	0.11 27	0.32 9	0.18 8	0.16 187	0.20 49	0.18 93	0.21 2	0.18 1	0.14 6	0.20 31	0.12 3	0.17 78	0.17 8	0.14 24	0.06 1	0.05 3	0.06 1	0.04 1	0.05 1	0.14 207

anonymousdsp2	0.23 123	0.11 27	0.42 42	0.26 230	0.24 322	0.25 131	0.17 55	0.43 157	0.37 163	0.30 136	0.23 51	0.24 102	0.15 51	0.32 139	0.17 60	0.07 13	0.28 360	0.07 13	0.05 8	0.08 65	0.44 373

DCANet-4	0.20 58	0.11 27	0.58 205	0.19 13	0.09 5	0.19 23	0.18 93	0.39 124	0.42 207	0.29 115	0.31 107	0.17 40	0.22 139	0.21 25	0.20 116	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 58

tt	4.71 413	0.11 27	3.94 409	2.06 414	1.54 412	10.14 420	16.85 421	9.28 421	4.99 413	1.41 396	1.05 374	4.68 413	4.89 413	3.36 414	5.86 417	5.73 420	9.15 425	2.23 416	2.51 417	3.02 416	1.34 412

DisPM	0.20 58	0.11 27	0.52 149	0.24 166	0.13 80	0.18 14	0.19 125	0.30 37	0.31 100	0.33 185	0.34 139	0.23 87	0.16 63	0.34 162	0.17 60	0.09 144	0.06 34	0.09 120	0.08 105	0.08 65	0.12 164

iRaft-Stereo_20w	0.29 229	0.11 27	0.86 304	0.33 333	0.24 322	0.32 224	0.26 265	0.60 313	0.26 49	0.41 279	0.21 43	0.28 145	0.19 121	0.32 139	0.24 168	0.07 13	0.31 376	0.07 13	0.09 167	0.08 65	0.47 377

GLC_STEREO	0.15 4	0.11 27	0.31 7	0.22 86	0.09 5	0.17 10	0.15 25	0.24 7	0.28 66	0.17 16	0.20 31	0.17 40	0.11 9	0.24 46	0.17 60	0.07 13	0.09 169	0.09 120	0.08 105	0.07 30	0.07 11

CrosDoStereo	0.32 256	0.11 27	0.53 159	0.19 13	0.12 48	0.22 87	1.07 400	0.36 87	0.38 171	0.38 249	0.60 319	0.28 145	0.45 315	0.61 262	0.56 319	0.08 88	0.06 34	0.08 60	0.09 167	0.08 65	0.09 58

PFNet+	0.21 81	0.11 27	0.54 169	0.22 86	0.12 48	0.17 10	0.18 93	0.31 51	0.36 150	0.33 185	0.32 116	0.24 102	0.16 63	0.33 148	0.18 79	0.10 199	0.07 92	0.11 230	0.10 211	0.08 65	0.12 164

NF-Stereo	0.22 94	0.11 27	0.52 149	0.25 198	0.12 48	0.21 65	0.18 93	0.40 133	0.35 137	0.28 92	0.30 97	0.22 74	0.17 78	0.52 226	0.21 133	0.09 144	0.06 34	0.09 120	0.08 105	0.08 65	0.13 184

OCTAStereo	0.22 94	0.11 27	0.52 149	0.25 198	0.12 48	0.21 65	0.18 93	0.40 133	0.35 137	0.28 92	0.30 97	0.22 74	0.17 78	0.51 220	0.21 133	0.09 144	0.06 34	0.09 120	0.08 105	0.08 65	0.13 184

PSM-softLoss	0.22 94	0.11 27	0.53 159	0.25 198	0.12 48	0.20 49	0.17 55	0.39 124	0.29 79	0.29 115	0.32 116	0.24 102	0.16 63	0.53 228	0.21 133	0.09 144	0.06 34	0.10 184	0.09 167	0.08 65	0.12 164

KMStereo	0.22 94	0.11 27	0.53 159	0.25 198	0.12 48	0.20 49	0.17 55	0.39 124	0.29 79	0.29 115	0.32 116	0.24 102	0.16 63	0.53 228	0.21 133	0.09 144	0.06 34	0.10 184	0.09 167	0.08 65	0.12 164

PSM-AAD	0.26 192	0.11 27	0.43 47	0.24 166	0.12 48	0.27 151	0.37 327	0.36 87	0.30 93	0.36 225	0.39 186	0.28 145	0.77 368	0.30 125	0.16 47	0.07 13	0.06 34	0.12 260	0.11 235	0.09 132	0.21 277

FTStereo	0.28 215	0.11 27	0.56 185	0.24 166	0.13 80	0.21 65	0.52 367	0.36 87	0.28 66	0.38 249	0.94 370	0.30 167	0.56 346	0.33 148	0.18 79	0.08 88	0.06 34	0.09 120	0.08 105	0.08 65	0.19 256

KYRaft	0.23 123	0.11 27	0.43 47	0.23 129	0.12 48	0.23 103	0.23 220	0.37 99	0.26 49	0.35 214	0.53 294	0.34 199	0.26 189	0.29 116	0.16 47	0.07 13	0.05 3	0.09 120	0.10 211	0.08 65	0.30 337

ASMatch	0.23 123	0.11 27	0.55 175	0.25 198	0.14 108	0.19 23	0.16 41	0.32 56	0.30 93	0.28 92	0.68 340	0.28 145	0.26 189	0.50 215	0.22 148	0.07 13	0.06 34	0.08 60	0.07 45	0.06 2	0.11 129

DeepStereo_LL	0.32 256	0.11 27	0.53 159	0.19 13	0.12 48	0.22 87	1.07 400	0.36 87	0.38 171	0.38 249	0.60 319	0.28 145	0.45 315	0.61 262	0.56 319	0.08 88	0.06 34	0.08 60	0.09 167	0.08 65	0.09 58

SST-Stereo	0.22 94	0.11 27	0.52 149	0.25 198	0.14 108	0.19 23	0.17 55	0.32 56	0.26 49	0.34 199	0.33 131	0.29 157	0.25 177	0.56 241	0.18 79	0.08 88	0.05 3	0.10 184	0.08 105	0.09 132	0.07 11

RAFT_R40	0.22 94	0.11 27	0.52 149	0.25 198	0.13 80	0.18 14	0.18 93	0.32 56	0.31 100	0.33 185	0.33 131	0.30 167	0.23 148	0.55 236	0.19 100	0.08 88	0.05 3	0.10 184	0.08 105	0.09 132	0.07 11

DRaft	0.25 173	0.11 27	0.47 74	0.18 8	0.12 48	0.28 165	0.23 220	0.34 73	0.40 190	0.38 249	0.60 319	0.20 61	0.41 304	0.48 209	0.41 271	0.07 13	0.06 34	0.08 60	0.08 105	0.07 30	0.08 37

PFNet	0.24 149	0.11 27	0.63 233	0.25 198	0.14 108	0.22 87	0.19 125	0.40 133	0.35 137	0.36 225	0.32 116	0.27 133	0.20 127	0.63 273	0.23 163	0.09 144	0.05 3	0.09 120	0.08 105	0.08 65	0.08 37

RE-Stereo	0.22 94	0.11 27	0.52 149	0.25 198	0.12 48	0.21 65	0.18 93	0.40 133	0.35 137	0.28 92	0.30 97	0.22 74	0.17 78	0.51 220	0.21 133	0.09 144	0.06 34	0.09 120	0.08 105	0.08 65	0.13 184

TVStereo	0.22 94	0.11 27	0.52 149	0.25 198	0.12 48	0.21 65	0.18 93	0.40 133	0.35 137	0.28 92	0.30 97	0.22 74	0.17 78	0.51 220	0.21 133	0.09 144	0.06 34	0.09 120	0.08 105	0.08 65	0.13 184

RAFT-345	0.22 94	0.11 27	0.55 175	0.22 86	0.12 48	0.20 49	0.16 41	0.27 13	0.28 66	0.27 86	0.65 334	0.20 61	0.17 78	0.55 236	0.22 148	0.07 13	0.06 34	0.08 60	0.07 45	0.06 2	0.07 11

TANstereo	0.16 11	0.11 27	0.43 47	0.16 3	0.08 2	0.25 131	0.14 12	0.23 3	0.29 79	0.25 72	0.30 97	0.16 33	0.12 16	0.18 12	0.13 7	0.08 88	0.07 92	0.06 1	0.05 8	0.07 30	0.08 37

XX-Stereo	0.25 173	0.11 27	1.09 344	0.35 342	0.38 369	0.23 103	0.13 2	0.43 157	0.19 4	0.20 28	0.40 193	0.31 176	0.10 3	0.33 148	0.13 7	0.08 88	0.11 214	0.08 60	0.09 167	0.07 30	0.10 100

EAI-Stereo	0.29 229	0.11 27	0.38 25	0.22 86	0.18 233	0.33 230	1.66 410	0.53 247	0.27 58	0.27 86	0.50 278	0.17 40	0.16 63	0.25 55	0.25 180	0.07 13	0.07 92	0.07 13	0.11 235	0.07 30	0.10 100

AE-Stereo	0.21 81	0.12 57	0.50 121	0.25 198	0.15 158	0.24 121	0.18 93	0.40 133	0.34 130	0.19 24	0.26 67	0.21 71	0.13 32	0.22 36	0.16 47	0.07 13	0.26 353	0.09 120	0.10 211	0.07 30	0.31 340

11t1	0.21 81	0.12 57	0.45 57	0.20 34	0.15 158	0.27 151	0.17 55	0.37 99	0.28 66	0.27 86	0.25 60	0.24 102	0.23 148	0.28 99	0.25 180	0.09 144	0.19 312	0.07 13	0.07 45	0.09 132	0.23 292

MIF-Stereo	0.15 4	0.12 57	0.45 57	0.21 54	0.14 108	0.17 10	0.13 2	0.20 1	0.19 4	0.16 12	0.20 31	0.10 1	0.11 9	0.18 12	0.17 60	0.08 88	0.06 34	0.07 13	0.06 23	0.08 65	0.07 11

HH	0.22 94	0.12 57	0.55 175	0.32 322	0.16 187	0.27 151	0.18 93	0.36 87	0.25 43	0.20 28	0.26 67	0.34 199	0.18 104	0.33 148	0.15 37	0.07 13	0.16 283	0.07 13	0.07 45	0.07 30	0.31 340

HanStereo	0.22 94	0.12 57	0.55 175	0.32 322	0.16 187	0.27 151	0.18 93	0.36 87	0.25 43	0.20 28	0.26 67	0.34 199	0.18 104	0.33 148	0.15 37	0.07 13	0.16 283	0.07 13	0.07 45	0.07 30	0.31 340

test_3	0.20 58	0.12 57	0.49 103	0.26 230	0.14 108	0.22 87	0.25 255	0.34 73	0.33 122	0.25 72	0.18 23	0.23 87	0.13 32	0.25 55	0.20 116	0.06 1	0.14 253	0.09 120	0.10 211	0.07 30	0.10 100

LCNet	0.22 94	0.12 57	0.42 42	0.26 230	0.12 48	0.23 103	0.19 125	0.36 87	0.28 66	0.28 92	0.35 145	0.26 129	0.30 237	0.35 169	0.17 60	0.07 13	0.05 3	0.09 120	0.10 211	0.13 258	0.22 285

HHNet	0.23 123	0.12 57	0.66 243	0.19 13	0.18 233	0.20 49	0.20 156	0.36 87	0.32 108	0.33 185	0.59 315	0.19 54	0.21 134	0.24 46	0.31 226	0.08 88	0.06 34	0.09 120	0.07 45	0.08 65	0.12 164

AAGNet	0.34 272	0.12 57	0.53 159	0.26 230	0.16 187	0.20 49	0.19 125	0.31 51	0.29 79	0.35 214	0.35 145	0.27 133	0.30 237	0.44 198	2.56 408	0.08 88	0.05 3	0.10 184	0.07 45	0.09 132	0.07 11

NRIStereo	0.20 58	0.12 57	0.50 121	0.23 129	0.11 25	0.24 121	0.19 125	0.30 37	0.28 66	0.26 77	0.26 67	0.25 113	0.18 104	0.34 162	0.19 100	0.08 88	0.06 34	0.09 120	0.07 45	0.09 132	0.09 58

Pruner-Stereo	0.20 58	0.12 57	0.49 103	0.29 300	0.12 48	0.19 23	0.17 55	0.32 56	0.31 100	0.33 185	0.32 116	0.25 113	0.15 51	0.25 55	0.22 148	0.09 144	0.06 34	0.09 120	0.08 105	0.08 65	0.10 100

DeepStereo_RVC	0.19 37	0.12 57	0.47 74	0.22 86	0.11 25	0.19 23	0.16 41	0.29 28	0.24 25	0.28 92	0.27 76	0.23 87	0.28 214	0.24 46	0.19 100	0.08 88	0.06 34	0.09 120	0.07 45	0.09 132	0.10 100

cross-raft	0.18 21	0.12 57	0.40 32	0.27 263	0.16 187	0.20 49	0.24 242	0.34 73	0.24 25	0.23 55	0.28 80	0.29 157	0.15 51	0.19 21	0.16 47	0.06 1	0.05 3	0.08 60	0.07 45	0.07 30	0.07 11

test-1	0.20 58	0.12 57	0.49 103	0.23 129	0.23 311	0.22 87	0.23 220	0.36 87	0.29 79	0.21 32	0.25 60	0.24 102	0.14 42	0.18 12	0.22 148	0.07 13	0.14 253	0.08 60	0.07 45	0.06 2	0.14 207

SFCPSM	0.23 123	0.12 57	0.51 133	0.21 54	0.14 108	0.34 244	0.22 197	0.57 284	0.41 195	0.29 115	0.32 116	0.23 87	0.22 139	0.28 99	0.20 116	0.10 199	0.07 92	0.09 120	0.10 211	0.09 132	0.09 58

HSM-Net_RVC	0.28 215	0.12 57	0.48 86	0.19 13	0.11 25	0.35 257	0.21 175	0.64 337	0.44 224	0.40 269	0.43 223	0.50 302	0.27 195	0.75 314	0.25 180	0.08 88	0.07 92	0.08 60	0.07 45	0.08 65	0.09 58
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
IGEV+	0.19 37	0.13 73	0.38 25	0.30 306	0.19 256	0.15 4	0.15 25	0.32 56	0.18 1	0.13 1	0.16 16	0.12 3	0.11 9	0.24 46	0.15 37	0.07 13	0.32 377	0.07 13	0.05 8	0.07 30	0.42 369

SMFormer	0.27 208	0.13 73	0.47 74	0.20 34	0.10 17	0.28 165	0.19 125	0.54 254	0.48 263	0.35 214	0.42 211	0.31 176	0.27 195	0.60 256	0.34 244	0.10 199	0.16 283	0.08 60	0.09 167	0.10 180	0.16 228

tta	0.27 208	0.13 73	0.47 74	0.20 34	0.10 17	0.28 165	0.19 125	0.54 254	0.48 263	0.35 214	0.42 211	0.31 176	0.27 195	0.60 256	0.34 244	0.10 199	0.16 283	0.08 60	0.09 167	0.08 65	0.13 184

qqq1	0.26 192	0.13 73	0.47 74	0.20 34	0.10 17	0.28 165	0.19 125	0.54 254	0.48 263	0.35 214	0.42 211	0.31 176	0.27 195	0.60 256	0.21 133	0.10 199	0.16 283	0.07 13	0.07 45	0.08 65	0.13 184

fff1	0.26 192	0.13 73	0.47 74	0.20 34	0.10 17	0.28 165	0.19 125	0.54 254	0.48 263	0.35 214	0.42 211	0.31 176	0.27 195	0.60 256	0.21 133	0.10 199	0.16 283	0.07 13	0.07 45	0.08 65	0.13 184

CoDeX	0.24 149	0.13 73	0.48 86	0.22 86	0.14 108	0.29 182	0.21 175	0.55 265	0.42 207	0.29 115	0.36 158	0.28 145	0.23 148	0.48 209	0.20 116	0.09 144	0.06 34	0.08 60	0.07 45	0.08 65	0.08 37

ff7	0.18 21	0.13 73	0.41 34	0.21 54	0.15 158	0.21 65	0.17 55	0.28 17	0.23 16	0.21 32	0.13 5	0.12 3	0.12 16	0.27 81	0.13 7	0.07 13	0.25 347	0.08 60	0.07 45	0.08 65	0.36 351

ffff	0.18 21	0.13 73	0.41 34	0.21 54	0.15 158	0.21 65	0.17 55	0.28 17	0.23 16	0.21 32	0.13 5	0.12 3	0.12 16	0.27 81	0.13 7	0.07 13	0.25 347	0.08 60	0.07 45	0.08 65	0.36 351

11t	0.18 21	0.13 73	0.41 34	0.21 54	0.15 158	0.21 65	0.17 55	0.28 17	0.23 16	0.21 32	0.13 5	0.12 3	0.12 16	0.27 81	0.13 7	0.07 13	0.25 347	0.08 60	0.07 45	0.08 65	0.36 351

MIF-Stereo (partial)	0.18 21	0.13 73	0.50 121	0.22 86	0.15 158	0.16 6	0.13 2	0.29 28	0.26 49	0.17 16	0.26 67	0.16 33	0.17 78	0.25 55	0.18 79	0.09 144	0.06 34	0.10 184	0.08 105	0.09 132	0.08 37

EKT-Stereo	0.39 297	0.13 73	0.53 159	0.42 367	3.94 415	0.22 87	0.17 55	0.38 108	0.30 93	0.21 32	0.20 31	0.23 87	0.15 51	0.30 125	0.18 79	0.10 199	0.08 139	0.09 120	0.08 105	0.09 132	0.12 164

CASnet	0.15 4	0.13 73	0.30 5	0.22 86	0.08 2	0.15 4	0.14 12	0.28 17	0.26 49	0.23 55	0.20 31	0.15 29	0.11 9	0.18 12	0.13 7	0.07 13	0.05 3	0.11 230	0.09 167	0.08 65	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
anonymousdsp	0.20 58	0.13 73	0.49 103	0.28 287	0.20 274	0.21 65	0.17 55	0.29 28	0.24 25	0.22 48	0.13 5	0.12 3	0.12 16	0.32 139	0.13 7	0.07 13	0.26 353	0.08 60	0.07 45	0.08 65	0.48 379

anonymousa	0.26 192	0.13 73	0.56 185	0.29 300	0.30 352	0.31 211	0.20 156	0.38 108	0.36 150	0.33 185	0.51 281	0.41 249	0.27 195	0.25 55	0.24 168	0.08 88	0.18 308	0.09 120	0.18 343	0.08 65	0.17 240

ProNet	0.16 11	0.13 73	0.36 19	0.21 54	0.15 158	0.20 49	0.19 125	0.29 28	0.23 16	0.14 6	0.13 5	0.13 12	0.12 16	0.25 55	0.13 7	0.06 1	0.09 169	0.07 13	0.06 23	0.07 30	0.22 285

ccc-4	0.18 21	0.13 73	0.41 34	0.21 54	0.15 158	0.21 65	0.17 55	0.28 17	0.23 16	0.21 32	0.13 5	0.12 3	0.12 16	0.27 81	0.13 7	0.07 13	0.25 347	0.08 60	0.07 45	0.08 65	0.36 351

BUS	0.24 149	0.13 73	0.36 19	0.25 198	0.14 108	0.44 303	0.17 55	0.59 304	0.36 150	0.34 199	0.35 145	0.31 176	0.22 139	0.27 81	0.22 148	0.10 199	0.07 92	0.11 230	0.10 211	0.09 132	0.10 100

BSDual-CNN	0.24 149	0.13 73	0.36 19	0.25 198	0.14 108	0.35 257	0.22 197	0.59 304	0.36 150	0.34 199	0.35 145	0.38 229	0.25 177	0.27 81	0.28 202	0.10 199	0.07 92	0.11 230	0.10 211	0.09 132	0.10 100

IGEV-Stereo	0.20 58	0.13 73	0.49 103	0.28 287	0.20 274	0.21 65	0.17 55	0.29 28	0.24 25	0.22 48	0.13 5	0.12 3	0.12 16	0.32 139	0.13 7	0.07 13	0.26 353	0.08 60	0.07 45	0.08 65	0.48 379
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
psmg	0.24 149	0.13 73	0.36 19	0.21 54	0.14 108	0.35 257	0.23 220	0.54 254	0.36 150	0.36 225	0.38 172	0.38 229	0.25 177	0.27 81	0.28 202	0.10 199	0.08 139	0.10 184	0.10 211	0.09 132	0.09 58

DAS	0.28 215	0.13 73	0.49 103	0.24 166	0.18 233	0.30 193	0.24 242	0.48 207	0.48 263	0.42 283	0.45 246	0.34 199	0.31 250	0.76 320	0.24 168	0.09 144	0.07 92	0.09 120	0.07 45	0.10 180	0.11 129

SepStereo	0.27 208	0.13 73	0.49 103	0.24 166	0.18 233	0.30 193	0.24 242	0.48 207	0.48 263	0.42 283	0.45 246	0.34 199	0.31 250	0.64 278	0.24 168	0.09 144	0.07 92	0.09 120	0.07 45	0.10 180	0.11 129

Patchmatch Stereo++	0.19 37	0.13 73	0.51 133	0.22 86	0.11 25	0.19 23	0.14 12	0.30 37	0.24 25	0.28 92	0.29 86	0.25 113	0.18 104	0.27 81	0.18 79	0.09 144	0.06 34	0.10 184	0.08 105	0.10 180	0.09 58
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	0.19 37	0.13 73	0.51 133	0.22 86	0.11 25	0.19 23	0.15 25	0.30 37	0.24 25	0.28 92	0.29 86	0.25 113	0.18 104	0.25 55	0.17 60	0.09 144	0.06 34	0.10 184	0.08 105	0.10 180	0.09 58

ROB_FTStereo_v2	0.19 37	0.13 73	0.51 133	0.22 86	0.11 25	0.19 23	0.15 25	0.30 37	0.24 25	0.28 92	0.29 86	0.25 113	0.18 104	0.25 55	0.18 79	0.09 144	0.06 34	0.10 184	0.08 105	0.10 180	0.09 58

ROB_FTStereo	0.19 37	0.13 73	0.51 133	0.22 86	0.11 25	0.19 23	0.13 2	0.30 37	0.24 25	0.28 92	0.29 86	0.25 113	0.18 104	0.25 55	0.17 60	0.09 144	0.06 34	0.10 184	0.08 105	0.10 180	0.09 58

HUI-Stereo	0.19 37	0.13 73	0.52 149	0.22 86	0.11 25	0.19 23	0.14 12	0.30 37	0.24 25	0.28 92	0.29 86	0.25 113	0.18 104	0.23 40	0.17 60	0.09 144	0.06 34	0.10 184	0.08 105	0.10 180	0.09 58

iGMRVC	0.19 37	0.13 73	0.51 133	0.22 86	0.11 25	0.19 23	0.15 25	0.30 37	0.24 25	0.28 92	0.29 86	0.25 113	0.18 104	0.27 81	0.18 79	0.09 144	0.06 34	0.10 184	0.08 105	0.10 180	0.09 58

RAFT-RH_RVC	0.26 192	0.13 73	0.57 192	0.22 86	0.12 48	0.25 131	0.14 12	0.27 13	0.29 79	0.38 249	1.14 378	0.23 87	0.18 104	0.58 245	0.24 168	0.07 13	0.06 34	0.10 184	0.07 45	0.06 2	0.08 37

iRAFT	0.19 37	0.13 73	0.51 133	0.22 86	0.11 25	0.19 23	0.14 12	0.30 37	0.24 25	0.28 92	0.29 86	0.25 113	0.18 104	0.27 81	0.18 79	0.09 144	0.06 34	0.10 184	0.08 105	0.10 180	0.09 58

CRE-IMP	0.19 37	0.13 73	0.51 133	0.23 129	0.11 25	0.24 121	0.17 55	0.31 51	0.24 25	0.27 86	0.26 67	0.24 102	0.17 78	0.24 46	0.19 100	0.09 144	0.05 3	0.10 184	0.07 45	0.10 180	0.10 100

RAFT-IKP	0.19 37	0.13 73	0.51 133	0.22 86	0.11 25	0.18 14	0.15 25	0.30 37	0.24 25	0.28 92	0.29 86	0.25 113	0.18 104	0.26 72	0.18 79	0.09 144	0.06 34	0.10 184	0.08 105	0.10 180	0.09 58

ICVP	0.24 149	0.13 73	0.45 57	0.26 230	0.14 108	0.30 193	0.25 255	0.47 197	0.35 137	0.29 115	0.43 223	0.35 213	0.25 177	0.28 99	0.25 180	0.12 259	0.09 169	0.09 120	0.09 167	0.09 132	0.11 129
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
FENet	0.22 94	0.13 73	0.48 86	0.22 86	0.12 48	0.27 151	0.18 93	0.43 157	0.37 163	0.31 151	0.32 116	0.29 157	0.23 148	0.27 81	0.24 168	0.10 199	0.07 92	0.09 120	0.09 167	0.09 132	0.11 129

DIP-Stereo	0.20 58	0.13 73	0.48 86	0.20 34	0.13 80	0.28 165	0.12 1	0.43 157	0.26 49	0.27 86	0.32 116	0.21 71	0.17 78	0.26 72	0.20 116	0.08 88	0.06 34	0.08 60	0.06 23	0.07 30	0.10 100
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ttt	0.33 264	0.14 108	0.54 169	0.22 86	0.14 108	0.30 193	0.22 197	0.59 304	0.51 287	0.31 151	0.46 258	0.30 167	0.23 148	0.71 301	1.07 366	0.13 276	0.22 330	0.10 184	0.11 235	0.12 246	0.24 304

PCWNet_CMD	0.23 123	0.14 108	0.48 86	0.21 54	0.13 80	0.28 165	0.17 55	0.47 197	0.47 257	0.30 136	0.36 158	0.37 223	0.24 166	0.29 116	0.21 133	0.09 144	0.06 34	0.10 184	0.08 105	0.11 221	0.11 129

CFNet_ucs	0.25 173	0.14 108	0.51 133	0.20 34	0.15 158	0.29 182	0.18 93	0.51 232	0.46 244	0.32 176	0.42 211	0.38 229	0.23 148	0.31 134	0.22 148	0.11 230	0.08 139	0.12 260	0.09 167	0.13 258	0.13 184

Selective-RAFT	0.19 37	0.14 108	0.37 24	0.24 166	0.11 25	0.30 193	0.15 25	0.35 82	0.34 130	0.17 16	0.17 18	0.22 74	0.18 104	0.29 116	0.18 79	0.07 13	0.16 283	0.07 13	0.07 45	0.08 65	0.08 37

CRFU-Net	0.29 229	0.14 108	0.48 86	0.26 230	0.15 158	0.46 313	0.22 197	0.52 237	0.32 108	0.44 299	0.42 211	0.48 292	0.47 324	0.44 198	0.31 226	0.12 259	0.10 194	0.09 120	0.08 105	0.10 180	0.11 129

IPLGR	0.22 94	0.14 108	0.75 270	0.21 54	0.11 25	0.25 131	0.18 93	0.44 175	0.38 171	0.29 115	0.28 80	0.21 71	0.19 121	0.37 181	0.19 100	0.07 13	0.06 34	0.08 60	0.07 45	0.07 30	0.07 11

GANet-ADL	0.22 94	0.14 108	0.51 133	0.23 129	0.14 108	0.29 182	0.19 125	0.48 207	0.36 150	0.26 77	0.33 131	0.32 186	0.20 127	0.26 72	0.22 148	0.11 230	0.07 92	0.07 13	0.06 23	0.09 132	0.11 129

STrans-v2	0.25 173	0.14 108	0.56 185	0.21 54	0.12 48	0.23 103	0.20 156	0.50 222	0.31 100	0.31 151	0.42 211	0.35 213	0.35 274	0.62 270	0.24 168	0.07 13	0.05 3	0.08 60	0.07 45	0.06 2	0.08 37

TransformOpticalFlow	0.24 149	0.14 108	0.57 192	0.24 166	0.11 25	0.21 65	0.19 125	0.43 157	0.34 130	0.30 136	0.43 223	0.36 218	0.31 250	0.61 262	0.20 116	0.07 13	0.05 3	0.08 60	0.07 45	0.06 2	0.08 37

CFNet_pseudo	0.23 123	0.14 108	0.48 86	0.20 34	0.13 80	0.27 151	0.17 55	0.46 188	0.45 235	0.30 136	0.37 166	0.38 229	0.23 148	0.30 125	0.22 148	0.09 144	0.06 34	0.11 230	0.08 105	0.11 221	0.11 129

GES	0.23 123	0.14 108	0.54 169	0.21 54	0.14 108	0.28 165	0.19 125	0.51 232	0.35 137	0.31 151	0.36 158	0.25 113	0.24 166	0.30 125	0.23 163	0.11 230	0.09 169	0.08 60	0.08 105	0.10 180	0.12 164

222	0.45 326	0.14 108	0.43 47	0.19 13	0.15 158	0.36 265	0.20 156	0.60 313	0.43 217	0.37 241	0.45 246	0.30 167	0.28 214	0.59 251	3.72 412	0.11 230	0.19 312	0.08 60	0.09 167	0.09 132	0.27 325

xxxx	0.39 297	0.14 108	0.47 74	0.20 34	0.16 187	0.38 276	0.20 156	0.61 320	0.43 217	0.30 136	0.44 232	0.38 229	0.25 177	0.50 215	2.41 406	0.11 230	0.21 325	0.09 120	0.10 211	0.10 180	0.26 322

test_xeample	0.39 297	0.14 108	0.46 69	0.19 13	0.16 187	0.34 244	0.22 197	0.59 304	0.43 217	0.33 185	0.47 265	0.30 167	0.27 195	0.60 256	2.44 407	0.10 199	0.21 325	0.09 120	0.09 167	0.09 132	0.25 313

MSMDNet	0.23 123	0.14 108	0.49 103	0.20 34	0.13 80	0.28 165	0.17 55	0.47 197	0.47 257	0.30 136	0.36 158	0.37 223	0.24 166	0.29 116	0.21 133	0.09 144	0.07 92	0.09 120	0.08 105	0.11 221	0.11 129

ccs_rob	0.23 123	0.14 108	0.48 86	0.20 34	0.13 80	0.27 151	0.17 55	0.46 188	0.45 235	0.30 136	0.37 166	0.38 229	0.23 148	0.30 125	0.22 148	0.09 144	0.06 34	0.11 230	0.08 105	0.12 246	0.11 129

Former-RAFT_DAM_RVC	0.18 21	0.15 124	0.27 2	0.20 34	0.13 80	0.24 121	0.17 55	0.31 51	0.37 163	0.43 292	0.17 18	0.13 12	0.12 16	0.20 24	0.16 47	0.08 88	0.07 92	0.09 120	0.07 45	0.09 132	0.08 37

MyStereo07	0.18 21	0.15 124	0.44 54	0.22 86	0.16 187	0.25 131	0.22 197	0.31 51	0.26 49	0.22 48	0.13 5	0.12 3	0.13 32	0.33 148	0.14 24	0.07 13	0.13 244	0.09 120	0.09 167	0.09 132	0.11 129

MyStereo06	0.23 123	0.15 124	0.74 267	0.22 86	0.14 108	0.25 131	0.22 197	0.43 157	0.25 43	0.36 225	0.24 56	0.34 199	0.18 104	0.24 46	0.20 116	0.07 13	0.12 230	0.09 120	0.09 167	0.09 132	0.11 129

MyStereo05	0.24 149	0.15 124	0.58 205	0.22 86	0.14 108	0.25 131	0.22 197	0.50 222	0.54 304	0.32 176	0.23 51	0.26 129	0.23 148	0.32 139	0.25 180	0.07 13	0.12 230	0.09 120	0.09 167	0.09 132	0.11 129

MyStereo04	0.24 149	0.15 124	0.58 205	0.22 86	0.16 187	0.25 131	0.22 197	0.51 232	0.54 304	0.29 115	0.23 51	0.27 133	0.23 148	0.32 139	0.25 180	0.07 13	0.13 244	0.09 120	0.09 167	0.09 132	0.11 129

mmm	0.25 173	0.15 124	0.44 54	0.23 129	0.20 274	0.28 165	0.21 175	0.43 157	0.32 108	0.31 151	0.40 193	0.30 167	0.24 166	0.31 134	0.28 202	0.09 144	0.21 325	0.11 230	0.12 272	0.10 180	0.26 322

DCRE	0.24 149	0.15 124	0.45 57	0.26 230	0.26 335	0.23 103	0.21 175	0.37 99	0.29 79	0.23 55	0.81 358	0.23 87	0.16 63	0.24 46	0.18 79	0.07 13	0.14 253	0.07 13	0.08 105	0.07 30	0.25 313

fff	0.20 58	0.15 124	0.57 192	0.19 13	0.09 5	0.19 23	0.18 93	0.38 108	0.46 244	0.29 115	0.31 107	0.18 48	0.28 214	0.21 25	0.20 116	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 58

ADStereo(finetuned)	0.21 81	0.15 124	0.59 212	0.19 13	0.09 5	0.19 23	0.18 93	0.37 99	0.41 195	0.30 136	0.31 107	0.19 54	0.31 250	0.21 25	0.20 116	0.07 13	0.05 3	0.07 13	0.05 8	0.07 30	0.10 100

x	0.23 123	0.15 124	0.45 57	0.20 34	0.15 158	0.27 151	0.17 55	0.43 157	0.35 137	0.26 77	0.31 107	0.29 157	0.25 177	0.29 116	0.30 217	0.09 144	0.22 330	0.08 60	0.09 167	0.09 132	0.24 304

IER	0.24 149	0.15 124	0.50 121	0.21 54	0.15 158	0.31 211	0.20 156	0.44 175	0.38 171	0.34 199	0.41 204	0.32 186	0.34 267	0.31 134	0.23 163	0.09 144	0.07 92	0.08 60	0.08 105	0.09 132	0.09 58

hknet	0.26 192	0.15 124	0.49 103	0.25 198	0.16 187	0.35 257	0.22 197	0.59 304	0.40 190	0.34 199	0.35 145	0.43 265	0.28 214	0.38 183	0.26 189	0.09 144	0.07 92	0.11 230	0.10 211	0.09 132	0.10 100

GwcNet-ADL	0.23 123	0.15 124	0.58 205	0.24 166	0.13 80	0.23 103	0.24 242	0.51 232	0.41 195	0.28 92	0.29 86	0.30 167	0.20 127	0.27 81	0.28 202	0.09 144	0.07 92	0.07 13	0.07 45	0.09 132	0.11 129

THIR-Stereo	0.30 241	0.15 124	0.46 69	0.19 13	0.11 25	0.28 165	0.70 381	0.33 69	0.36 150	0.37 241	0.64 332	0.33 192	0.49 332	0.58 245	0.44 285	0.08 88	0.06 34	0.08 60	0.09 167	0.07 30	0.08 37

IRAFT_RVC	0.23 123	0.15 124	0.54 169	0.26 230	0.12 48	0.19 23	0.23 220	0.41 151	0.39 182	0.31 151	0.30 97	0.29 157	0.24 166	0.55 236	0.23 163	0.08 88	0.06 34	0.10 184	0.08 105	0.08 65	0.08 37

sCroCo_RVC	0.19 37	0.15 124	0.60 219	0.27 263	0.18 233	0.23 103	0.16 41	0.28 17	0.24 25	0.14 6	0.22 49	0.17 40	0.14 42	0.22 36	0.16 47	0.11 230	0.11 214	0.09 120	0.09 167	0.09 132	0.10 100

Anonymous	0.21 81	0.15 124	0.63 233	0.27 263	0.20 274	0.26 145	0.27 270	0.34 73	0.27 58	0.18 23	0.19 26	0.15 29	0.19 121	0.25 55	0.19 100	0.10 199	0.09 169	0.09 120	0.09 167	0.15 285	0.13 184

DCANet	0.20 58	0.15 124	0.57 192	0.19 13	0.09 5	0.19 23	0.18 93	0.37 99	0.41 195	0.30 136	0.31 107	0.19 54	0.23 148	0.21 25	0.20 116	0.07 13	0.05 3	0.07 13	0.05 8	0.07 30	0.10 100

csc	0.20 58	0.15 124	0.57 192	0.19 13	0.09 5	0.19 23	0.18 93	0.38 108	0.46 244	0.29 115	0.31 107	0.18 48	0.28 214	0.21 25	0.20 116	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 58

cscssc	0.20 58	0.15 124	0.57 192	0.19 13	0.09 5	0.19 23	0.18 93	0.38 108	0.46 244	0.29 115	0.31 107	0.18 48	0.28 214	0.21 25	0.20 116	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 58

UPFNet	0.27 208	0.15 124	0.47 74	0.25 198	0.20 274	0.37 270	0.27 270	0.50 222	0.40 190	0.36 225	0.38 172	0.37 223	0.29 230	0.40 187	0.34 244	0.10 199	0.10 194	0.10 184	0.10 211	0.10 180	0.08 37

ACVNet-DCA	0.21 81	0.16 145	0.50 121	0.27 263	0.13 80	0.31 211	0.19 125	0.43 157	0.32 108	0.21 32	0.20 31	0.13 12	0.17 78	0.28 99	0.12 1	0.08 88	0.28 360	0.08 60	0.06 23	0.09 132	0.23 292

xx1	0.23 123	0.16 145	0.50 121	0.27 263	0.13 80	0.31 211	0.19 125	0.39 124	0.48 263	0.21 32	0.20 31	0.28 145	0.25 177	0.28 99	0.12 1	0.08 88	0.28 360	0.10 184	0.11 235	0.09 132	0.23 292

1test111	0.22 94	0.16 145	0.50 121	0.27 263	0.13 80	0.31 211	0.19 125	0.43 157	0.32 108	0.21 32	0.20 31	0.13 12	0.17 78	0.36 173	0.28 202	0.08 88	0.28 360	0.08 60	0.06 23	0.09 132	0.23 292

cc1	0.22 94	0.16 145	0.50 121	0.27 263	0.13 80	0.31 211	0.19 125	0.39 124	0.48 263	0.21 32	0.20 31	0.13 12	0.17 78	0.28 99	0.12 1	0.08 88	0.28 360	0.08 60	0.06 23	0.08 65	0.37 359

tt1	0.22 94	0.16 145	0.49 103	0.26 230	0.15 158	0.31 211	0.19 125	0.38 108	0.46 244	0.21 32	0.19 26	0.13 12	0.16 63	0.28 99	0.12 1	0.08 88	0.28 360	0.08 60	0.06 23	0.08 65	0.37 359

test croco	0.18 21	0.16 145	0.59 212	0.21 54	0.13 80	0.16 6	0.17 55	0.29 28	0.23 16	0.16 12	0.26 67	0.13 12	0.17 78	0.27 81	0.17 60	0.09 144	0.06 34	0.10 184	0.07 45	0.10 180	0.07 11

gwcnet-sp	0.25 173	0.16 145	0.70 255	0.23 129	0.14 108	0.34 244	0.22 197	0.46 188	0.41 195	0.37 241	0.35 145	0.27 133	0.27 195	0.36 173	0.26 189	0.09 144	0.08 139	0.09 120	0.09 167	0.10 180	0.10 100

scenet	0.25 173	0.16 145	0.70 255	0.23 129	0.14 108	0.34 244	0.22 197	0.46 188	0.41 195	0.37 241	0.35 145	0.27 133	0.27 195	0.36 173	0.26 189	0.09 144	0.08 139	0.09 120	0.09 167	0.10 180	0.10 100

CASS	0.22 94	0.16 145	0.40 32	0.26 230	0.12 48	0.29 182	0.19 125	0.40 133	0.32 108	0.34 199	0.35 145	0.25 113	0.25 177	0.26 72	0.21 133	0.13 276	0.08 139	0.11 230	0.09 167	0.11 221	0.12 164
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	0.25 173	0.16 145	0.70 255	0.23 129	0.14 108	0.34 244	0.22 197	0.46 188	0.41 195	0.37 241	0.35 145	0.27 133	0.27 195	0.36 173	0.26 189	0.09 144	0.08 139	0.09 120	0.09 167	0.10 180	0.10 100

qqq	0.24 149	0.16 145	0.46 69	0.20 34	0.15 158	0.23 103	0.20 156	0.43 157	0.32 108	0.26 77	0.31 107	0.28 145	0.25 177	0.36 173	0.28 202	0.08 88	0.22 330	0.10 184	0.11 235	0.09 132	0.23 292

NINENet	0.27 208	0.16 145	0.49 103	0.23 129	0.16 187	0.44 303	0.17 55	0.63 332	0.49 276	0.33 185	0.38 172	0.31 176	0.22 139	0.43 195	0.22 148	0.11 230	0.10 194	0.12 260	0.08 105	0.12 246	0.11 129

test_4	0.19 37	0.16 145	0.39 28	0.24 166	0.13 80	0.19 23	0.21 175	0.27 13	0.24 25	0.24 61	0.47 265	0.22 74	0.13 32	0.27 81	0.18 79	0.06 1	0.06 34	0.09 120	0.09 167	0.07 30	0.06 4

PSMNet-ADL	0.26 192	0.16 145	0.39 28	0.27 263	0.14 108	0.32 224	0.22 197	0.45 182	0.37 163	0.28 92	0.34 139	0.41 249	0.28 214	0.61 262	0.32 232	0.11 230	0.10 194	0.09 120	0.11 235	0.10 180	0.13 184

OMP-Stereo	0.24 149	0.16 145	0.48 86	0.30 306	0.13 80	0.21 65	0.16 41	0.38 108	0.35 137	0.34 199	0.30 97	0.33 192	0.20 127	0.70 298	0.24 168	0.08 88	0.06 34	0.09 120	0.07 45	0.08 65	0.07 11

IIG-Stereo	0.24 149	0.16 145	0.47 74	0.29 300	0.12 48	0.23 103	0.14 12	0.40 133	0.33 122	0.35 214	0.37 166	0.33 192	0.22 139	0.70 298	0.26 189	0.08 88	0.06 34	0.09 120	0.07 45	0.08 65	0.07 11

CroCo-Stereo	0.15 4	0.16 145	0.34 13	0.25 198	0.12 48	0.11 1	0.18 93	0.35 82	0.24 25	0.13 1	0.13 5	0.18 48	0.12 16	0.15 1	0.13 7	0.08 88	0.06 34	0.07 13	0.05 8	0.07 30	0.06 4
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
iRaftStereo_RVC	0.17 18	0.16 145	0.35 17	0.21 54	0.11 25	0.20 49	0.17 55	0.34 73	0.25 43	0.20 28	0.25 60	0.19 54	0.12 16	0.21 25	0.16 47	0.07 13	0.12 230	0.10 184	0.09 167	0.09 132	0.14 207

pcwnet_v2	0.32 256	0.16 145	1.22 363	0.23 129	0.19 256	0.32 224	0.19 125	0.61 320	0.61 330	0.37 241	0.45 246	0.35 213	0.29 230	0.37 181	0.26 189	0.14 297	0.11 214	0.12 260	0.11 235	0.14 278	0.18 242

UNet	0.28 215	0.16 145	0.70 255	0.24 166	0.20 274	0.44 303	0.21 175	0.52 237	0.42 207	0.36 225	0.40 193	0.43 265	0.33 266	0.41 190	0.32 232	0.09 144	0.07 92	0.10 184	0.09 167	0.10 180	0.09 58

ac_64	0.28 215	0.16 145	0.62 228	0.25 198	0.17 212	0.36 265	0.22 197	0.48 207	0.35 137	0.36 225	0.37 166	0.51 305	0.30 237	0.62 270	0.34 244	0.11 230	0.09 169	0.10 184	0.10 211	0.09 132	0.09 58

DISCO	0.33 264	0.16 145	0.55 175	0.26 230	0.16 187	0.48 325	0.25 255	0.52 237	0.58 319	0.38 249	0.45 246	0.63 342	0.37 284	0.65 282	0.50 303	0.10 199	0.07 92	0.09 120	0.08 105	0.13 258	0.13 184

MDST_ROB	0.51 342	0.16 145	0.97 328	0.31 317	0.21 287	1.35 398	0.34 318	0.80 374	0.59 327	1.09 386	0.74 350	0.49 298	0.37 284	1.31 387	0.60 326	0.14 297	0.12 230	0.16 321	0.13 296	0.13 258	0.18 242

IGEVStereo-DCA	0.20 58	0.17 168	0.41 34	0.22 86	0.15 158	0.20 49	0.17 55	0.28 17	0.23 16	0.19 24	0.12 2	0.14 23	0.12 16	0.38 183	0.31 226	0.07 13	0.16 283	0.08 60	0.07 45	0.08 65	0.36 351

rrr	0.22 94	0.17 168	0.79 285	0.22 86	0.15 158	0.20 49	0.18 93	0.40 133	0.27 58	0.19 24	0.12 2	0.14 23	0.12 16	0.38 183	0.31 226	0.07 13	0.16 283	0.08 60	0.07 45	0.08 65	0.28 331

DualNet	0.33 264	0.17 168	0.84 297	0.21 54	0.13 80	0.29 182	0.21 175	0.38 108	0.46 244	0.31 151	0.44 232	0.34 199	0.24 166	0.28 99	1.30 377	0.08 88	0.28 360	0.12 260	0.11 235	0.08 65	0.37 359

ffm	0.27 208	0.17 168	0.84 297	0.21 54	0.13 80	0.29 182	0.21 175	0.38 108	0.46 244	0.31 151	0.44 232	0.34 199	0.24 166	0.28 99	0.12 1	0.08 88	0.28 360	0.12 260	0.11 235	0.08 65	0.37 359

ff1	0.36 280	0.17 168	0.84 297	0.21 54	0.13 80	0.29 182	0.21 175	0.38 108	0.46 244	0.31 151	0.44 232	0.34 199	0.24 166	0.91 353	1.30 377	0.08 88	0.28 360	0.12 260	0.11 235	0.08 65	0.37 359

mmx	0.37 287	0.17 168	0.84 297	0.21 54	0.13 80	0.29 182	0.21 175	0.57 284	0.48 263	0.31 151	0.44 232	0.34 199	0.24 166	0.91 353	1.30 377	0.10 199	0.20 320	0.12 260	0.11 235	0.11 221	0.23 292

1111x	0.39 297	0.17 168	0.80 288	0.23 129	0.15 158	0.33 230	0.27 270	0.62 328	0.48 263	0.32 176	0.43 223	0.40 242	0.29 230	0.86 343	1.60 393	0.09 144	0.23 338	0.09 120	0.12 272	0.10 180	0.23 292

xxx	0.37 287	0.17 168	0.84 297	0.21 54	0.13 80	0.29 182	0.21 175	0.57 284	0.48 263	0.31 151	0.44 232	0.34 199	0.24 166	0.91 353	1.30 377	0.10 199	0.20 320	0.12 260	0.11 235	0.11 221	0.23 292

StereoIM	0.15 4	0.17 168	0.39 28	0.19 13	0.15 158	0.16 6	0.13 2	0.26 10	0.22 13	0.13 1	0.15 15	0.14 23	0.11 9	0.17 8	0.17 60	0.08 88	0.07 92	0.08 60	0.06 23	0.07 30	0.06 4

MIM_Stereo	0.20 58	0.17 168	0.55 175	0.20 34	0.21 287	0.17 10	0.14 12	0.37 99	0.27 58	0.28 92	0.35 145	0.23 87	0.13 32	0.28 99	0.16 47	0.06 1	0.08 139	0.09 120	0.08 105	0.08 65	0.15 218

CSP-Net	0.28 215	0.17 168	0.41 34	0.22 86	0.14 108	0.44 303	0.24 242	0.52 237	0.42 207	0.42 283	0.44 232	0.42 259	0.27 195	0.66 288	0.30 217	0.12 259	0.09 169	0.08 60	0.08 105	0.10 180	0.10 100

GMOStereo	0.20 58	0.17 168	0.45 57	0.23 129	0.18 233	0.21 65	0.27 270	0.28 17	0.28 66	0.31 151	0.32 116	0.28 145	0.17 78	0.16 3	0.13 7	0.07 13	0.23 338	0.10 184	0.08 105	0.08 65	0.07 11

error version	0.20 58	0.17 168	0.45 57	0.23 129	0.18 233	0.21 65	0.27 270	0.28 17	0.28 66	0.31 151	0.32 116	0.28 145	0.17 78	0.16 3	0.13 7	0.07 13	0.23 338	0.10 184	0.08 105	0.08 65	0.07 11

test-v	0.20 58	0.17 168	0.45 57	0.23 129	0.18 233	0.21 65	0.27 270	0.28 17	0.28 66	0.31 151	0.32 116	0.28 145	0.17 78	0.16 3	0.13 7	0.07 13	0.23 338	0.10 184	0.08 105	0.08 65	0.07 11

test-2	0.20 58	0.17 168	0.45 57	0.23 129	0.18 233	0.21 65	0.27 270	0.28 17	0.28 66	0.31 151	0.32 116	0.28 145	0.17 78	0.16 3	0.13 7	0.07 13	0.23 338	0.10 184	0.08 105	0.08 65	0.07 11

test_xeample3	0.22 94	0.17 168	0.81 289	0.21 54	0.15 158	0.20 49	0.18 93	0.40 133	0.25 43	0.19 24	0.12 2	0.13 12	0.12 16	0.34 162	0.33 240	0.07 13	0.20 320	0.07 13	0.08 105	0.08 65	0.34 348

AdaStereo	0.25 173	0.17 168	0.47 74	0.25 198	0.13 80	0.33 230	0.17 55	0.57 284	0.43 217	0.34 199	0.38 172	0.35 213	0.21 134	0.32 139	0.24 168	0.14 297	0.06 34	0.13 283	0.09 167	0.11 221	0.09 58
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.
CroCo-Stereo Lap2	0.16 11	0.18 185	0.39 28	0.26 230	0.18 233	0.11 1	0.19 125	0.30 37	0.22 13	0.13 1	0.16 16	0.15 29	0.11 9	0.17 8	0.15 37	0.07 13	0.07 92	0.08 60	0.06 23	0.08 65	0.07 11

delet	0.29 229	0.18 185	0.58 205	0.24 166	0.19 256	0.41 289	0.30 294	0.52 237	0.51 287	0.35 214	0.42 211	0.37 223	0.31 250	0.49 211	0.36 253	0.10 199	0.09 169	0.11 230	0.12 272	0.09 132	0.09 58

ACVNet	0.24 149	0.18 185	0.51 133	0.18 8	0.15 158	0.27 151	0.23 220	0.40 133	0.45 235	0.29 115	0.41 204	0.38 229	0.28 214	0.28 99	0.35 250	0.09 144	0.07 92	0.08 60	0.07 45	0.10 180	0.09 58

acv_ft	0.26 192	0.18 185	0.56 185	0.24 166	0.19 256	0.34 244	0.21 175	0.47 197	0.45 235	0.39 260	0.41 204	0.38 229	0.28 214	0.28 99	0.36 253	0.09 144	0.07 92	0.08 60	0.07 45	0.11 221	0.09 58

DSFCA	0.29 229	0.18 185	0.48 86	0.21 54	0.17 212	0.39 279	0.32 309	0.49 214	0.44 224	0.44 299	0.38 172	0.40 242	0.30 237	0.53 228	0.38 261	0.12 259	0.10 194	0.10 184	0.11 235	0.11 221	0.11 129

DMCA	0.24 149	0.18 185	0.51 133	0.23 129	0.14 108	0.27 151	0.20 156	0.45 182	0.40 190	0.32 176	0.33 131	0.33 192	0.25 177	0.27 81	0.30 217	0.11 230	0.08 139	0.10 184	0.08 105	0.11 221	0.12 164

NVstereo2D	0.32 256	0.18 185	0.63 233	0.24 166	0.23 311	0.43 298	0.28 284	0.60 313	0.58 319	0.28 92	0.39 186	0.42 259	0.30 237	0.71 301	0.30 217	0.13 276	0.09 169	0.13 283	0.10 211	0.20 332	0.18 242

HSM	0.29 229	0.18 185	0.48 86	0.21 54	0.15 158	0.33 230	0.20 156	0.55 265	0.39 182	0.36 225	0.39 186	0.67 356	0.32 262	0.88 346	0.24 168	0.09 144	0.07 92	0.08 60	0.07 45	0.09 132	0.10 100

ToySt	0.28 215	0.19 193	0.68 251	0.22 86	0.19 256	0.31 211	0.31 304	0.43 157	0.43 217	0.28 92	0.38 172	0.42 259	0.32 262	0.33 148	0.32 232	0.08 88	0.14 253	0.10 184	0.12 272	0.11 221	0.24 304

IPLG	0.23 123	0.19 193	0.65 240	0.21 54	0.12 48	0.28 165	0.17 55	0.45 182	0.32 108	0.33 185	0.32 116	0.16 33	0.17 78	0.50 215	0.23 163	0.07 13	0.06 34	0.08 60	0.07 45	0.07 30	0.08 37

MIPNet	0.22 94	0.19 193	0.64 237	0.22 86	0.12 48	0.28 165	0.20 156	0.48 207	0.39 182	0.31 151	0.24 56	0.19 54	0.24 166	0.28 99	0.20 116	0.07 13	0.05 3	0.08 60	0.07 45	0.07 30	0.08 37

Anonymous3	0.24 149	0.19 193	0.76 274	0.27 263	0.18 233	0.41 289	0.24 242	0.45 182	0.36 150	0.23 55	0.27 76	0.20 61	0.18 104	0.28 99	0.19 100	0.12 259	0.11 214	0.10 184	0.10 211	0.11 221	0.13 184

raftrobust	0.19 37	0.19 193	0.42 42	0.23 129	0.24 322	0.19 23	0.13 2	0.33 69	0.28 66	0.26 77	0.20 31	0.19 54	0.17 78	0.23 40	0.17 60	0.08 88	0.10 194	0.07 13	0.06 23	0.07 30	0.09 58

ADLNet	0.30 241	0.19 193	0.59 212	0.23 129	0.19 256	0.34 244	0.23 220	0.56 275	0.44 224	0.43 292	0.41 204	0.43 265	0.28 214	0.56 241	0.36 253	0.11 230	0.08 139	0.11 230	0.11 235	0.11 221	0.15 218

MMNet	0.28 215	0.19 193	0.54 169	0.24 166	0.17 212	0.47 319	0.22 197	0.47 197	0.53 299	0.40 269	0.43 223	0.36 218	0.34 267	0.40 187	0.35 250	0.08 88	0.08 139	0.09 120	0.09 167	0.10 180	0.09 58

HGLStereo	0.29 229	0.19 193	0.60 219	0.24 166	0.21 287	0.33 230	0.23 220	0.52 237	0.44 224	0.36 225	0.49 276	0.41 249	0.35 274	0.46 205	0.34 244	0.11 230	0.11 214	0.09 120	0.09 167	0.11 221	0.12 164

GANet-RSSM	0.26 192	0.19 193	0.54 169	0.21 54	0.14 108	0.27 151	0.22 197	0.47 197	0.34 130	0.30 136	0.40 193	0.41 249	0.30 237	0.59 251	0.25 180	0.11 230	0.08 139	0.09 120	0.09 167	0.10 180	0.10 100

FAT-Stereo	0.36 280	0.19 193	0.75 270	0.26 230	0.18 233	0.34 244	0.30 294	0.62 328	0.61 330	0.47 317	0.61 328	0.59 328	0.50 333	0.61 262	0.36 253	0.13 276	0.14 253	0.13 283	0.12 272	0.14 278	0.20 268

RASNet	0.30 241	0.19 193	0.59 212	0.23 129	0.19 256	0.33 230	0.20 156	0.50 222	0.41 195	0.31 151	0.44 232	0.47 289	0.38 289	0.79 328	0.40 267	0.09 144	0.07 92	0.07 13	0.09 167	0.08 65	0.10 100

StereoDRNet-Refined	0.28 215	0.19 193	0.47 74	0.25 198	0.14 108	0.36 265	0.21 175	0.49 214	0.43 217	0.46 311	0.52 287	0.42 259	0.30 237	0.46 205	0.38 261	0.10 199	0.07 92	0.11 230	0.11 235	0.10 180	0.11 129
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
MyStereo8	0.25 173	0.20 205	0.69 252	0.24 166	0.17 212	0.31 211	0.16 41	0.50 222	0.32 108	0.29 115	0.38 172	0.25 113	0.19 121	0.33 148	0.29 215	0.08 88	0.20 320	0.08 60	0.08 105	0.10 180	0.16 228

Sa-1000	0.24 149	0.20 205	0.53 159	0.23 129	0.14 108	0.30 193	0.23 220	0.50 222	0.41 195	0.30 136	0.50 278	0.26 129	0.19 121	0.33 148	0.16 47	0.08 88	0.10 194	0.10 184	0.11 235	0.08 65	0.08 37

AnonymousM	0.19 37	0.20 205	0.30 5	0.18 8	0.10 17	0.19 23	0.17 55	0.32 56	0.27 58	0.27 86	0.21 43	0.18 48	0.14 42	0.21 25	0.16 47	0.09 144	0.08 139	0.38 375	0.15 319	0.06 2	0.08 37

S-Stereo	0.39 297	0.20 205	1.04 335	0.28 287	0.22 302	0.39 279	0.31 304	0.58 296	0.69 349	0.40 269	0.59 315	0.48 292	0.41 304	0.75 314	0.42 274	0.12 259	0.15 274	0.13 283	0.13 296	0.16 294	0.25 313

stereogan	0.39 297	0.20 205	0.78 284	0.28 287	0.22 302	0.65 357	0.26 265	0.62 328	0.65 339	0.45 306	0.60 319	0.67 356	0.45 315	0.69 295	0.37 259	0.14 297	0.14 253	0.14 301	0.12 272	0.20 332	0.19 256

DRN-Test	0.35 278	0.20 205	0.75 270	0.28 287	0.19 256	0.46 313	0.29 288	0.68 354	0.54 304	0.49 323	0.47 265	0.44 271	0.35 274	0.63 273	0.44 285	0.13 276	0.09 169	0.13 283	0.12 272	0.13 258	0.13 184

DLCB_ROB	0.30 241	0.20 205	0.45 57	0.28 287	0.17 212	0.37 270	0.25 255	0.50 222	0.45 235	0.46 311	0.47 265	0.51 305	0.34 267	0.56 241	0.38 261	0.10 199	0.10 194	0.11 230	0.11 235	0.10 180	0.11 129

whm_eth	0.24 149	0.21 212	0.72 265	0.24 166	0.19 256	0.21 65	0.19 125	0.40 133	0.43 217	0.31 151	0.60 319	0.15 29	0.18 104	0.26 72	0.19 100	0.09 144	0.08 139	0.10 184	0.09 167	0.09 132	0.13 184

4D-IteraStereo	0.20 58	0.21 212	0.62 228	0.21 54	0.14 108	0.19 23	0.17 55	0.29 28	0.28 66	0.24 61	0.20 31	0.20 61	0.10 3	0.22 36	0.18 79	0.07 13	0.07 92	0.10 184	0.08 105	0.08 65	0.33 345

ssnet_v2	0.30 241	0.21 212	0.63 233	0.23 129	0.15 158	0.40 285	0.30 294	0.59 304	0.48 263	0.40 269	0.37 166	0.46 282	0.30 237	0.41 190	0.44 285	0.13 276	0.11 214	0.11 230	0.11 235	0.12 246	0.11 129

RAFT_CTSACE	0.23 123	0.21 212	0.57 192	0.26 230	0.15 158	0.22 87	0.23 220	0.34 73	0.30 93	0.34 199	0.51 281	0.31 176	0.17 78	0.33 148	0.15 37	0.06 1	0.09 169	0.09 120	0.08 105	0.08 65	0.07 11

TRStereo	0.22 94	0.21 212	0.62 228	0.40 361	0.19 256	0.22 87	0.16 41	0.58 296	0.30 93	0.21 32	0.21 43	0.22 74	0.13 32	0.27 81	0.14 24	0.09 144	0.09 169	0.09 120	0.11 235	0.06 2	0.19 256

raft+_RVC	0.21 81	0.21 212	0.46 69	0.22 86	0.35 361	0.21 65	0.16 41	0.39 124	0.35 137	0.22 48	0.28 80	0.20 61	0.15 51	0.25 55	0.20 116	0.08 88	0.16 283	0.08 60	0.07 45	0.07 30	0.12 164

XX-TBD	0.16 11	0.21 212	0.43 47	0.22 86	0.10 17	0.23 103	0.15 25	0.23 3	0.28 66	0.22 48	0.26 67	0.14 23	0.12 16	0.16 3	0.14 24	0.08 88	0.05 3	0.06 1	0.04 1	0.07 30	0.06 4

psm_up	0.30 241	0.21 212	0.58 205	0.26 230	0.18 233	0.32 224	0.27 270	0.57 284	0.45 235	0.38 249	0.41 204	0.45 276	0.40 299	0.59 251	0.32 232	0.11 230	0.12 230	0.13 283	0.12 272	0.11 221	0.11 129

hitnet-ft	0.31 251	0.21 212	0.56 185	0.19 13	0.14 108	0.40 285	0.23 220	0.46 188	0.42 207	0.37 241	0.46 258	0.53 314	0.35 274	0.76 320	0.35 250	0.14 297	0.10 194	0.14 301	0.10 211	0.15 285	0.14 207

PSMNet-RSSM	0.26 192	0.21 212	0.50 121	0.21 54	0.14 108	0.25 131	0.21 175	0.50 222	0.38 171	0.31 151	0.45 246	0.40 242	0.27 195	0.53 228	0.24 168	0.12 259	0.08 139	0.11 230	0.13 296	0.10 180	0.10 100

CFNet-ft	0.26 192	0.21 212	0.51 133	0.19 13	0.16 187	0.31 211	0.21 175	0.40 133	0.37 163	0.29 115	0.40 193	0.46 282	0.27 195	0.49 211	0.28 202	0.12 259	0.07 92	0.12 260	0.11 235	0.12 246	0.11 129

CFNet_RVC	0.26 192	0.21 212	0.51 133	0.19 13	0.16 187	0.31 211	0.21 175	0.40 133	0.37 163	0.29 115	0.40 193	0.46 282	0.27 195	0.49 211	0.28 202	0.12 259	0.07 92	0.12 260	0.11 235	0.12 246	0.11 129

UCFNet_RVC	0.25 173	0.21 212	0.49 103	0.19 13	0.15 158	0.34 244	0.18 93	0.47 197	0.36 150	0.30 136	0.35 145	0.40 242	0.26 189	0.35 169	0.24 168	0.13 276	0.08 139	0.13 283	0.14 310	0.13 258	0.13 184

CBMV_ROB	0.36 280	0.21 212	0.57 192	0.22 86	0.14 108	0.35 257	0.20 156	0.55 265	0.47 257	0.52 332	0.58 311	0.45 276	0.53 342	0.75 314	0.50 303	0.18 339	0.19 312	0.23 356	0.21 351	0.15 285	0.20 268

GMStereo_Zeroshot	0.25 173	0.22 226	0.51 133	0.27 263	0.14 108	0.28 165	0.15 25	0.40 133	0.36 150	0.37 241	0.43 223	0.40 242	0.17 78	0.35 169	0.21 133	0.12 259	0.07 92	0.13 283	0.07 45	0.17 306	0.10 100

TestStereo1	0.23 123	0.22 226	0.50 121	0.27 263	0.14 108	0.26 145	0.27 270	0.43 157	0.38 171	0.29 115	0.39 186	0.23 87	0.21 134	0.33 148	0.18 79	0.08 88	0.08 139	0.09 120	0.08 105	0.08 65	0.10 100

SA-5K	0.23 123	0.22 226	0.50 121	0.27 263	0.14 108	0.26 145	0.27 270	0.43 157	0.38 171	0.29 115	0.39 186	0.23 87	0.21 134	0.33 148	0.18 79	0.08 88	0.08 139	0.09 120	0.08 105	0.08 65	0.10 100

SA	0.24 149	0.22 226	0.55 175	0.23 129	0.14 108	0.25 131	0.23 220	0.48 207	0.42 207	0.28 92	0.44 232	0.23 87	0.23 148	0.34 162	0.17 60	0.07 13	0.09 169	0.11 230	0.11 235	0.08 65	0.09 58

AACVNet	0.28 215	0.22 226	0.55 175	0.23 129	0.14 108	0.30 193	0.19 125	0.43 157	0.33 122	0.39 260	0.42 211	0.44 271	0.29 230	0.73 305	0.28 202	0.11 230	0.09 169	0.11 230	0.09 167	0.13 258	0.12 164

LMCR-Stereo	0.28 215	0.22 226	0.56 185	0.29 300	0.14 108	0.37 270	0.23 220	0.57 284	0.36 150	0.40 269	0.40 193	0.29 157	0.30 237	0.41 190	0.38 261	0.11 230	0.07 92	0.09 120	0.07 45	0.13 258	0.10 100

rafts_anoy	0.21 81	0.22 226	0.49 103	0.25 198	0.24 322	0.19 23	0.17 55	0.34 73	0.32 108	0.24 61	0.25 60	0.20 61	0.16 63	0.25 55	0.21 133	0.08 88	0.19 312	0.11 230	0.12 272	0.09 132	0.09 58

RALCasStereoNet	0.22 94	0.22 226	0.48 86	0.23 129	0.23 311	0.22 87	0.18 93	0.32 56	0.27 58	0.22 48	0.30 97	0.22 74	0.15 51	0.29 116	0.20 116	0.08 88	0.22 330	0.07 13	0.06 23	0.10 180	0.25 313

111	0.22 94	0.22 226	0.57 192	0.19 13	0.09 5	0.24 121	0.17 55	0.44 175	0.46 244	0.24 61	0.30 97	0.29 157	0.22 139	0.25 55	0.19 100	0.08 88	0.05 3	0.07 13	0.06 23	0.07 30	0.15 218

cf-r	0.26 192	0.22 226	0.66 243	0.22 86	0.14 108	0.28 165	0.22 197	0.44 175	0.42 207	0.32 176	0.42 211	0.43 265	0.27 195	0.44 198	0.27 196	0.11 230	0.07 92	0.08 60	0.10 211	0.08 65	0.09 58

edge stereo	0.40 307	0.22 226	0.87 306	0.27 263	0.22 302	0.38 276	0.26 265	0.59 304	0.56 315	0.53 338	0.60 319	0.71 364	0.50 333	0.78 325	0.43 277	0.16 317	0.15 274	0.19 343	0.14 310	0.17 306	0.19 256

iResNet	0.25 173	0.22 226	0.62 228	0.26 230	0.11 25	0.31 211	0.23 220	0.46 188	0.45 235	0.34 199	0.43 223	0.27 133	0.23 148	0.36 173	0.37 259	0.08 88	0.05 3	0.07 13	0.06 23	0.08 65	0.10 100

SGM_RVC	0.57 355	0.22 226	0.60 219	0.26 230	0.16 187	0.97 383	0.46 354	0.76 371	0.90 372	1.03 383	0.92 369	1.16 381	0.93 381	1.21 380	0.72 341	0.17 329	0.16 283	0.16 321	0.16 328	0.16 294	0.24 304
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
StereoVision	0.23 123	0.23 239	0.55 175	0.27 263	0.17 212	0.23 103	0.22 197	0.40 133	0.32 108	0.21 32	0.51 281	0.22 74	0.16 63	0.29 116	0.19 100	0.11 230	0.12 230	0.13 283	0.13 296	0.10 180	0.08 37

CBFPSM	0.28 215	0.23 239	0.76 274	0.21 54	0.14 108	0.38 276	0.26 265	0.42 152	0.37 163	0.34 199	0.36 158	0.55 317	0.38 289	0.33 148	0.40 267	0.08 88	0.08 139	0.07 13	0.08 105	0.09 132	0.12 164

iinet-f	0.31 251	0.23 239	1.16 352	0.20 34	0.16 187	0.44 303	0.23 220	0.47 197	0.38 171	0.36 225	0.44 232	0.41 249	0.35 274	0.36 173	0.43 277	0.10 199	0.09 169	0.08 60	0.08 105	0.13 258	0.12 164

Anonymous_2	0.44 323	0.23 239	0.57 192	0.34 337	0.34 358	0.53 339	0.28 284	0.49 214	0.39 182	0.36 225	0.34 139	0.48 292	0.38 289	0.43 195	0.33 240	0.26 361	0.41 386	0.44 379	1.45 413	0.33 371	0.37 359

raft_robust	0.25 173	0.23 239	0.44 54	0.22 86	0.13 80	0.23 103	0.22 197	0.52 237	0.50 281	0.33 185	0.32 116	0.33 192	0.23 148	0.55 236	0.18 79	0.07 13	0.11 214	0.08 60	0.10 211	0.08 65	0.07 11

ADLNet2	0.31 251	0.23 239	0.77 280	0.23 129	0.18 233	0.36 265	0.24 242	0.55 265	0.54 304	0.33 185	0.38 172	0.45 276	0.31 250	0.70 298	0.36 253	0.10 199	0.08 139	0.09 120	0.09 167	0.12 246	0.11 129

RAFT-Stereo + iAFF	0.20 58	0.23 239	0.49 103	0.21 54	0.16 187	0.19 23	0.17 55	0.35 82	0.32 108	0.26 77	0.33 131	0.20 61	0.17 78	0.21 25	0.17 60	0.06 1	0.10 194	0.07 13	0.07 45	0.07 30	0.11 129

RYNet	0.38 292	0.23 239	0.65 240	0.26 230	0.28 341	0.62 352	0.33 314	0.61 320	0.62 334	0.42 283	0.39 186	0.58 327	0.40 299	0.89 348	0.57 322	0.11 230	0.09 169	0.12 260	0.11 235	0.19 325	0.22 285

HITNet	0.22 94	0.23 239	0.60 219	0.20 34	0.09 5	0.27 151	0.15 25	0.45 182	0.33 122	0.29 115	0.33 131	0.27 133	0.22 139	0.29 116	0.27 196	0.07 13	0.05 3	0.07 13	0.06 23	0.09 132	0.11 129
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
MLCV	0.25 173	0.23 239	0.59 212	0.22 86	0.09 5	0.30 193	0.18 93	0.40 133	0.38 171	0.38 249	0.44 232	0.31 176	0.22 139	0.44 198	0.32 232	0.07 13	0.05 3	0.07 13	0.06 23	0.07 30	0.08 37

RAFT+CT+SA	0.23 123	0.24 249	0.48 86	0.25 198	0.18 233	0.23 103	0.29 288	0.42 152	0.38 171	0.24 61	0.39 186	0.20 61	0.17 78	0.34 162	0.17 60	0.07 13	0.07 92	0.09 120	0.12 272	0.09 132	0.13 184

iRaft-Stereo_5w	0.25 173	0.24 249	0.50 121	0.23 129	0.18 233	0.19 23	0.19 125	0.39 124	0.35 137	0.28 92	0.36 158	0.34 199	0.23 148	0.66 288	0.28 202	0.07 13	0.07 92	0.08 60	0.07 45	0.09 132	0.14 207

RAFT	0.24 149	0.24 249	0.46 69	0.27 263	0.15 158	0.26 145	0.26 265	0.37 99	0.31 100	0.34 199	0.34 139	0.41 249	0.22 139	0.30 125	0.18 79	0.08 88	0.15 274	0.11 230	0.10 211	0.11 221	0.13 184

GEStereo_RVC	0.29 229	0.24 249	0.60 219	0.27 263	0.16 187	0.33 230	0.25 255	0.58 296	0.56 315	0.35 214	0.38 172	0.34 199	0.25 177	0.51 220	0.29 215	0.12 259	0.08 139	0.09 120	0.08 105	0.11 221	0.13 184

TestStereo	0.22 94	0.24 249	0.48 86	0.25 198	0.11 25	0.22 87	0.22 197	0.32 56	0.31 100	0.24 61	0.34 139	0.23 87	0.19 121	0.62 270	0.19 100	0.08 88	0.07 92	0.10 184	0.07 45	0.11 221	0.07 11

sAnonymous2	0.21 81	0.24 249	0.79 285	0.24 166	0.17 212	0.22 87	0.20 156	0.36 87	0.29 79	0.17 16	0.19 26	0.17 40	0.16 63	0.18 12	0.15 37	0.10 199	0.07 92	0.09 120	0.08 105	0.23 347	0.18 242

CroCo_RVC	0.21 81	0.24 249	0.79 285	0.24 166	0.17 212	0.22 87	0.20 156	0.36 87	0.29 79	0.17 16	0.19 26	0.17 40	0.16 63	0.18 12	0.15 37	0.10 199	0.07 92	0.09 120	0.08 105	0.23 347	0.18 242

RALAANet	0.21 81	0.24 249	0.53 159	0.23 129	0.14 108	0.22 87	0.13 2	0.38 108	0.30 93	0.29 115	0.26 67	0.25 113	0.15 51	0.28 99	0.20 116	0.08 88	0.08 139	0.09 120	0.08 105	0.10 180	0.07 11

AFF-stereo	0.20 58	0.24 249	0.49 103	0.22 86	0.11 25	0.18 14	0.18 93	0.35 82	0.29 79	0.25 72	0.36 158	0.25 113	0.17 78	0.25 55	0.17 60	0.06 1	0.09 169	0.08 60	0.08 105	0.08 65	0.11 129

STTStereo	0.30 241	0.24 249	0.83 294	0.25 198	0.17 212	0.30 193	0.24 242	0.49 214	0.39 182	0.39 260	0.41 204	0.44 271	0.28 214	0.41 190	0.30 217	0.13 276	0.13 244	0.13 283	0.16 328	0.12 246	0.12 164

NLCA_NET_v2_RVC	0.29 229	0.24 249	0.81 289	0.26 230	0.18 233	0.30 193	0.22 197	0.52 237	0.41 195	0.38 249	0.42 211	0.42 259	0.28 214	0.46 205	0.31 226	0.11 230	0.08 139	0.10 184	0.11 235	0.10 180	0.12 164
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NOSS_ROB	0.33 264	0.24 249	0.49 103	0.27 263	0.16 187	0.34 244	0.19 125	0.55 265	0.50 281	0.34 199	0.37 166	0.42 259	0.30 237	0.93 359	0.25 180	0.19 348	0.20 320	0.24 358	0.22 358	0.17 306	0.25 313

pmcnn	0.54 348	0.24 249	1.06 338	0.25 198	0.26 335	0.40 285	0.31 304	0.55 265	0.55 311	0.56 345	1.22 382	2.53 405	0.39 296	0.84 340	1.08 368	0.09 144	0.06 34	0.06 1	0.05 8	0.10 180	0.14 207

LL-Strereo2	0.21 81	0.25 262	0.53 159	0.32 322	0.20 274	0.25 131	0.14 12	0.32 56	0.25 43	0.25 72	0.20 31	0.24 102	0.12 16	0.28 99	0.18 79	0.07 13	0.07 92	0.12 260	0.09 167	0.09 132	0.16 228

Wz-Net-LNSev-Ref	0.33 264	0.25 262	0.82 292	0.22 86	0.17 212	0.46 313	0.28 284	0.53 247	0.53 299	0.43 292	0.57 308	0.44 271	0.31 250	0.50 215	0.48 296	0.10 199	0.06 34	0.08 60	0.06 23	0.11 221	0.12 164

test_5	0.25 173	0.25 262	0.57 192	0.27 263	0.18 233	0.25 131	0.29 288	0.42 152	0.39 182	0.29 115	0.40 193	0.27 133	0.23 148	0.35 169	0.19 100	0.07 13	0.07 92	0.09 120	0.09 167	0.10 180	0.14 207

SACVNet	0.32 256	0.25 262	0.59 212	0.26 230	0.19 256	0.35 257	0.25 255	0.54 254	0.41 195	0.43 292	0.45 246	0.46 282	0.34 267	0.71 301	0.30 217	0.14 297	0.10 194	0.12 260	0.12 272	0.16 294	0.20 268

GwcNet-RSSM	0.28 215	0.25 262	0.61 225	0.22 86	0.14 108	0.28 165	0.24 242	0.46 188	0.44 224	0.33 185	0.46 258	0.41 249	0.28 214	0.55 236	0.31 226	0.11 230	0.07 92	0.09 120	0.10 211	0.10 180	0.09 58

BEATNet_4x	0.25 173	0.25 262	0.66 243	0.23 129	0.10 17	0.29 182	0.14 12	0.49 214	0.34 130	0.31 151	0.35 145	0.32 186	0.26 189	0.34 162	0.33 240	0.08 88	0.06 34	0.08 60	0.07 45	0.11 221	0.13 184

DANet	0.37 287	0.25 262	0.67 246	0.37 347	0.22 302	0.42 294	0.25 255	0.50 222	0.44 224	0.52 332	0.50 278	0.59 328	0.42 308	0.78 325	0.53 311	0.13 276	0.12 230	0.14 301	0.12 272	0.17 306	0.21 277
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
CVANet_RVC	0.34 272	0.25 262	0.77 280	0.27 263	0.17 212	0.34 244	0.28 284	0.55 265	0.50 281	0.43 292	0.46 258	0.44 271	0.31 250	0.90 351	0.27 196	0.15 309	0.10 194	0.14 301	0.14 310	0.15 285	0.15 218

DeepPruner_ROB	0.28 215	0.25 262	0.64 237	0.22 86	0.16 187	0.30 193	0.21 175	0.54 254	0.33 122	0.36 225	0.38 172	0.38 229	0.26 189	0.45 204	0.28 202	0.15 309	0.11 214	0.11 230	0.11 235	0.14 278	0.14 207

CBMV	0.36 280	0.25 262	0.61 225	0.24 166	0.14 108	0.42 294	0.33 314	0.56 275	0.52 298	0.54 341	0.52 287	0.51 305	0.58 349	0.63 273	0.43 277	0.15 309	0.16 283	0.18 337	0.16 328	0.13 258	0.19 256
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
fast-acv-ft	0.33 264	0.26 272	0.88 312	0.25 198	0.18 233	0.49 328	0.27 270	0.44 175	0.50 281	0.40 269	0.55 302	0.49 298	0.36 279	0.39 186	0.41 271	0.11 230	0.11 214	0.11 230	0.12 272	0.13 258	0.11 129

APVNet	0.38 292	0.26 272	0.87 306	0.26 230	0.22 302	0.52 336	0.35 320	0.64 337	0.46 244	0.40 269	0.52 287	0.48 292	0.39 296	0.84 340	0.48 296	0.13 276	0.14 253	0.15 315	0.16 328	0.16 294	0.16 228

RP	0.38 292	0.26 272	0.67 246	0.31 317	0.24 322	0.37 270	0.29 288	0.53 247	0.61 330	0.42 283	0.65 334	0.62 338	0.51 335	0.63 273	0.43 277	0.17 329	0.15 274	0.17 330	0.15 319	0.17 306	0.19 256

G-Net	0.47 335	0.26 272	1.02 334	0.34 337	0.28 341	0.89 377	0.35 320	0.47 197	0.46 244	0.68 359	1.20 380	0.64 347	0.59 351	0.61 262	0.60 326	0.16 317	0.14 253	0.17 330	0.13 296	0.22 342	0.21 277

DPSNet	0.51 342	0.26 272	1.16 352	0.28 287	0.21 287	0.76 365	0.56 372	0.89 385	0.82 365	0.49 323	0.51 281	0.64 347	0.81 373	0.89 348	0.85 352	0.17 329	0.16 283	0.13 283	0.13 296	0.26 356	0.27 325

XPNet_ROB	0.35 278	0.26 272	0.58 205	0.28 287	0.19 256	0.37 270	0.31 304	0.57 284	0.51 287	0.52 332	0.54 297	0.57 322	0.38 289	0.65 282	0.48 296	0.17 329	0.12 230	0.13 283	0.12 272	0.16 294	0.17 240

AASNet	0.29 229	0.27 278	0.67 246	0.26 230	0.18 233	0.34 244	0.21 175	0.64 337	0.49 276	0.36 225	0.41 204	0.32 186	0.26 189	0.33 148	0.39 265	0.12 259	0.09 169	0.10 184	0.08 105	0.14 278	0.12 164

ACRE	0.23 123	0.27 278	0.83 294	0.24 166	0.15 158	0.24 121	0.20 156	0.38 108	0.32 108	0.32 176	0.33 131	0.23 87	0.15 51	0.26 72	0.22 148	0.09 144	0.07 92	0.08 60	0.07 45	0.08 65	0.09 58

HCRNet	0.25 173	0.27 278	0.42 42	0.34 337	0.17 212	0.27 151	0.18 93	0.45 182	0.37 163	0.31 151	0.35 145	0.32 186	0.23 148	0.44 198	0.21 133	0.13 276	0.08 139	0.13 283	0.11 235	0.11 221	0.09 58

DMCA-RVC	0.30 241	0.27 278	0.93 322	0.28 287	0.17 212	0.30 193	0.21 175	0.43 157	0.36 150	0.40 269	0.38 172	0.39 239	0.36 279	0.44 198	0.34 244	0.13 276	0.10 194	0.16 321	0.12 272	0.13 258	0.11 129

TDLM	0.32 256	0.27 278	0.52 149	0.30 306	0.15 158	0.33 230	0.32 309	0.54 254	0.50 281	0.44 299	0.43 223	0.39 239	0.30 237	0.92 358	0.30 217	0.14 297	0.09 169	0.13 283	0.12 272	0.13 258	0.14 207

iResNet_ROB	0.27 208	0.27 278	0.48 86	0.21 54	0.12 48	0.32 224	0.17 55	0.57 284	0.55 311	0.39 260	0.44 232	0.37 223	0.28 214	0.43 195	0.28 202	0.08 88	0.06 34	0.06 1	0.05 8	0.09 132	0.11 129

WCMA_ROB	0.55 349	0.27 278	0.76 274	0.26 230	0.22 302	0.62 352	0.36 325	0.57 284	0.58 319	0.97 379	1.40 388	1.28 385	0.94 382	0.80 331	0.80 348	0.20 350	0.17 301	0.16 321	0.16 328	0.19 325	0.29 335

CIPLG	0.23 123	0.28 285	0.75 270	0.24 166	0.16 187	0.25 131	0.20 156	0.38 108	0.33 122	0.32 176	0.34 139	0.23 87	0.15 51	0.27 81	0.22 148	0.09 144	0.07 92	0.08 60	0.07 45	0.08 65	0.09 58

GANet	0.40 307	0.28 285	0.67 246	0.31 317	0.18 233	0.43 298	0.39 338	0.60 313	0.46 244	0.48 322	0.78 354	0.55 317	0.45 315	0.96 363	0.55 318	0.13 276	0.14 253	0.13 283	0.12 272	0.15 285	0.16 228

StereoDRNet	0.34 272	0.28 285	0.70 255	0.28 287	0.21 287	0.43 298	0.30 294	0.63 332	0.51 287	0.47 317	0.40 193	0.48 292	0.31 250	0.58 245	0.44 285	0.12 259	0.10 194	0.12 260	0.11 235	0.13 258	0.13 184

DispNO	0.32 256	0.29 288	0.95 326	0.26 230	0.17 212	0.25 131	0.30 294	0.47 197	0.53 299	0.36 225	0.44 232	0.36 218	0.31 250	0.77 324	0.43 277	0.11 230	0.08 139	0.09 120	0.08 105	0.09 132	0.09 58

SDNR	0.47 335	0.29 288	0.92 318	0.24 166	0.37 366	1.27 394	0.17 55	0.54 254	0.58 319	0.44 299	0.85 362	0.55 317	0.28 214	1.19 379	0.52 307	0.23 355	0.24 346	0.17 330	0.13 296	0.19 325	0.26 322

IPLGR_C	0.23 123	0.29 288	0.81 289	0.24 166	0.16 187	0.24 121	0.20 156	0.38 108	0.33 122	0.32 176	0.33 131	0.23 87	0.15 51	0.26 72	0.22 148	0.09 144	0.07 92	0.08 60	0.07 45	0.08 65	0.09 58

psmorigin	0.52 345	0.29 288	3.10 407	0.24 166	0.19 256	0.39 279	0.24 242	0.52 237	0.45 235	0.66 357	0.68 340	0.70 363	0.52 337	0.86 343	0.49 302	0.15 309	0.17 301	0.13 283	0.14 310	0.16 294	0.23 292

GwcNet	0.37 287	0.29 288	1.12 346	0.25 198	0.24 322	0.48 325	0.27 270	0.58 296	0.60 328	0.39 260	0.54 297	0.51 305	0.34 267	0.60 256	0.46 291	0.13 276	0.12 230	0.12 260	0.11 235	0.13 258	0.15 218

Nwc_Net	0.39 297	0.29 288	0.84 297	0.32 322	0.24 322	0.45 311	0.30 294	0.67 349	0.51 287	0.39 260	0.70 344	0.59 328	0.48 328	0.61 262	0.45 290	0.16 317	0.12 230	0.19 343	0.21 351	0.14 278	0.15 218

CFNet	0.29 229	0.29 288	0.57 192	0.23 129	0.14 108	0.34 244	0.15 25	0.53 247	0.46 244	0.31 151	0.40 193	0.38 229	0.27 195	0.76 320	0.28 202	0.10 199	0.07 92	0.11 230	0.11 235	0.11 221	0.09 58

ARAFT	0.26 192	0.30 295	0.87 306	0.22 86	0.12 48	0.30 193	0.24 242	0.46 188	0.34 130	0.33 185	0.28 80	0.29 157	0.20 127	0.49 211	0.19 100	0.08 88	0.06 34	0.12 260	0.11 235	0.09 132	0.09 58

GMStereo	0.21 81	0.30 295	0.57 192	0.21 54	0.12 48	0.24 121	0.18 93	0.30 37	0.41 195	0.26 77	0.24 56	0.17 40	0.16 63	0.25 55	0.19 100	0.10 199	0.07 92	0.08 60	0.08 105	0.11 221	0.09 58
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ADCL	0.50 340	0.30 295	1.15 350	0.28 287	0.19 256	0.77 368	0.64 377	0.57 284	0.73 358	0.57 348	0.73 349	0.55 317	0.60 352	0.66 288	1.53 390	0.11 230	0.10 194	0.13 283	0.13 296	0.15 285	0.16 228

AF-Net	0.40 307	0.31 298	0.74 267	0.33 333	0.24 322	0.43 298	0.30 294	0.64 337	0.67 343	0.44 299	0.69 343	0.65 349	0.52 337	0.59 251	0.48 296	0.16 317	0.12 230	0.19 343	0.14 310	0.16 294	0.14 207

NCC-stereo	0.42 316	0.31 298	0.87 306	0.32 322	0.29 350	0.47 319	0.37 327	0.68 354	0.53 299	0.42 283	0.58 311	0.57 322	0.52 337	0.75 314	0.54 315	0.18 339	0.14 253	0.18 337	0.25 364	0.17 306	0.18 242

Abc-Net	0.42 316	0.31 298	0.87 306	0.32 322	0.29 350	0.47 319	0.37 327	0.68 354	0.53 299	0.42 283	0.58 311	0.57 322	0.52 337	0.75 314	0.54 315	0.18 339	0.14 253	0.18 337	0.25 364	0.17 306	0.18 242
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
AANet_RVC	0.33 264	0.31 298	0.69 252	0.23 129	0.14 108	0.30 193	0.23 220	0.49 214	0.55 311	0.39 260	0.60 319	0.43 265	0.30 237	0.88 346	0.54 315	0.11 230	0.08 139	0.07 13	0.07 45	0.10 180	0.12 164

LALA_ROB	0.38 292	0.31 298	0.65 240	0.30 306	0.21 287	0.46 313	0.39 338	0.63 332	0.54 304	0.53 338	0.52 287	0.69 360	0.36 279	0.52 226	0.48 296	0.18 339	0.11 214	0.16 321	0.14 310	0.17 306	0.16 228

PSMNet_ROB	0.36 280	0.31 298	0.71 261	0.31 317	0.21 287	0.44 303	0.44 350	0.61 320	0.49 276	0.39 260	0.45 246	0.49 298	0.32 262	0.66 288	0.53 311	0.14 297	0.10 194	0.15 315	0.14 310	0.13 258	0.13 184

MeshStereo	0.60 360	0.31 298	0.71 261	0.22 86	0.17 212	0.66 358	0.36 325	0.81 376	0.63 336	1.48 404	1.32 385	1.65 392	0.83 374	1.18 378	0.74 342	0.17 329	0.17 301	0.17 330	0.14 310	0.17 306	0.19 256
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
dd	0.23 123	0.32 305	0.55 175	0.23 129	0.12 48	0.27 151	0.21 175	0.32 56	0.45 235	0.30 136	0.29 86	0.25 113	0.17 78	0.31 134	0.26 189	0.13 276	0.07 92	0.10 184	0.08 105	0.12 246	0.09 58

DGSMNet	0.63 366	0.32 305	1.01 333	0.54 378	0.73 391	0.62 352	1.36 408	0.62 328	0.58 319	0.38 249	0.62 330	0.52 310	0.34 267	0.65 282	0.47 294	0.54 384	0.61 401	0.67 390	0.61 398	0.65 385	0.69 396

FADNet-RVC-Resample	0.31 251	0.32 305	1.16 352	0.27 263	0.17 212	0.33 230	0.21 175	0.49 214	0.40 190	0.36 225	0.38 172	0.34 199	0.27 195	0.54 233	0.27 196	0.10 199	0.10 194	0.14 301	0.13 296	0.13 258	0.18 242

ETE_ROB	0.36 280	0.32 305	0.64 237	0.30 306	0.18 233	0.40 285	0.38 335	0.59 304	0.49 276	0.50 326	0.52 287	0.62 338	0.37 284	0.58 245	0.43 277	0.13 276	0.10 194	0.14 301	0.12 272	0.17 306	0.18 242

LL-Strereo	0.32 256	0.33 309	0.77 280	0.26 230	0.24 322	0.22 87	0.23 220	0.58 296	0.44 224	0.35 214	0.32 116	0.41 249	0.40 299	0.93 359	0.25 180	0.08 88	0.13 244	0.11 230	0.09 167	0.09 132	0.22 285

RAFT + AFF	0.30 241	0.33 309	0.76 274	0.25 198	0.17 212	0.30 193	0.33 314	0.55 265	0.42 207	0.28 92	0.30 97	0.31 176	0.31 250	0.64 278	0.32 232	0.09 144	0.11 214	0.11 230	0.10 211	0.12 246	0.16 228

aanetorigin	0.40 307	0.33 309	1.14 349	0.25 198	0.19 256	0.30 193	0.37 327	0.34 73	0.47 257	0.95 377	0.82 359	0.52 310	0.56 346	0.50 215	0.52 307	0.11 230	0.09 169	0.10 184	0.10 211	0.16 294	0.19 256

ADCRef	0.41 312	0.33 309	1.05 336	0.26 230	0.21 287	0.49 328	0.27 270	0.54 254	0.51 287	0.51 329	0.59 315	0.35 213	0.47 324	0.54 233	1.35 384	0.09 144	0.08 139	0.12 260	0.12 272	0.12 246	0.13 184

FC-DCNN	0.73 373	0.33 309	0.84 297	0.33 333	0.28 341	0.82 374	0.40 342	0.82 377	0.83 366	1.43 397	1.60 396	1.97 397	1.38 396	1.10 374	0.93 355	0.24 357	0.22 330	0.27 361	0.26 368	0.26 356	0.32 343

NCCL2	0.37 287	0.33 309	0.59 212	0.37 347	0.23 311	0.42 294	0.41 345	0.56 275	0.44 224	0.47 317	0.47 265	0.61 335	0.39 296	0.58 245	0.41 271	0.16 317	0.13 244	0.21 349	0.22 358	0.16 294	0.18 242

DN-CSS_ROB	0.24 149	0.33 309	0.69 252	0.25 198	0.14 108	0.26 145	0.13 2	0.42 152	0.35 137	0.30 136	0.42 211	0.22 74	0.20 127	0.34 162	0.22 148	0.07 13	0.06 34	0.11 230	0.11 235	0.11 221	0.09 58

ccnet	0.43 321	0.34 316	0.62 228	0.28 287	0.33 357	0.60 350	0.34 318	0.68 354	0.47 257	0.54 341	0.66 336	0.56 321	0.46 322	0.73 305	0.66 336	0.26 361	0.19 312	0.24 358	0.22 358	0.27 360	0.25 313

SHD	0.45 326	0.34 316	0.89 314	0.37 347	0.28 341	0.46 313	0.23 220	0.72 365	0.96 379	0.65 355	0.61 328	0.61 335	0.48 328	0.64 278	0.69 339	0.16 317	0.16 283	0.16 321	0.16 328	0.21 338	0.25 313

FBW_ROB	0.46 332	0.34 316	0.71 261	0.32 322	0.20 274	0.51 331	0.32 309	0.73 366	0.63 336	0.60 350	0.57 308	0.65 349	0.44 313	1.42 392	0.62 330	0.14 297	0.17 301	0.22 354	0.16 328	0.17 306	0.23 292

MSMD_ROB	0.63 366	0.34 316	0.70 255	0.30 306	0.25 332	0.88 376	0.35 320	0.58 296	0.67 343	1.13 387	1.52 392	1.75 395	1.05 387	0.90 351	0.60 326	0.24 357	0.22 330	0.27 361	0.27 370	0.25 352	0.27 325

HBP-ISP	0.34 272	0.35 320	0.76 274	0.23 129	0.17 212	0.33 230	0.22 197	0.56 275	0.47 257	0.42 283	0.49 276	0.33 192	0.41 304	0.73 305	0.27 196	0.18 339	0.19 312	0.24 358	0.20 349	0.16 294	0.16 228

Wz-Net-LNSev	0.36 280	0.35 320	1.06 338	0.26 230	0.21 287	0.47 319	0.33 314	0.56 275	0.58 319	0.45 306	0.54 297	0.50 302	0.37 284	0.40 187	0.42 274	0.12 259	0.11 214	0.10 184	0.09 167	0.14 278	0.15 218

Wz-Net-MNSev	0.39 297	0.35 320	0.99 332	0.26 230	0.21 287	0.59 349	0.39 338	0.58 296	0.61 330	0.49 323	0.56 306	0.53 314	0.37 284	0.61 262	0.47 294	0.11 230	0.09 169	0.11 230	0.11 235	0.15 285	0.15 218

FADNet_RVC	0.31 251	0.35 320	0.98 330	0.24 166	0.16 187	0.30 193	0.17 55	0.52 237	0.39 182	0.30 136	0.38 172	0.30 167	0.29 230	0.54 233	0.33 240	0.14 297	0.14 253	0.14 301	0.16 328	0.21 338	0.24 304

RGC	0.41 312	0.35 320	0.76 274	0.35 342	0.28 341	0.41 289	0.29 288	0.60 313	0.55 311	0.47 317	0.64 332	0.63 342	0.47 324	0.74 309	0.46 291	0.16 317	0.15 274	0.21 349	0.21 351	0.19 325	0.21 277

PA-Net	0.40 307	0.35 320	1.05 336	0.32 322	0.28 341	0.39 279	0.43 348	0.53 247	0.56 315	0.35 214	0.43 223	0.41 249	0.36 279	0.83 339	0.61 329	0.12 259	0.23 338	0.16 321	0.23 362	0.13 258	0.20 268
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ADCP+	0.48 338	0.36 326	1.47 377	0.26 230	0.22 302	0.57 345	0.40 342	0.56 275	0.54 304	0.46 311	0.52 287	0.46 282	0.53 342	0.59 251	1.93 399	0.10 199	0.08 139	0.11 230	0.11 235	0.14 278	0.15 218

ADCPNet	0.51 342	0.36 326	1.82 391	0.27 263	0.23 311	0.71 361	0.39 338	0.56 275	0.54 304	0.52 332	0.60 319	0.66 353	0.57 348	0.64 278	1.23 373	0.15 309	0.18 308	0.14 301	0.23 362	0.19 325	0.22 285

PS-NSSS	0.33 264	0.36 326	0.61 225	0.24 166	0.18 233	0.33 230	0.24 242	0.59 304	0.42 207	0.38 249	0.52 287	0.36 218	0.31 250	0.80 331	0.32 232	0.18 339	0.14 253	0.21 349	0.15 319	0.17 306	0.14 207

UDGNet	0.24 149	0.37 329	0.53 159	0.25 198	0.14 108	0.24 121	0.18 93	0.32 56	0.44 224	0.29 115	0.28 80	0.24 102	0.20 127	0.30 125	0.21 133	0.16 317	0.07 92	0.21 349	0.11 235	0.16 294	0.11 129

SuperB	0.50 340	0.37 329	2.16 397	0.23 129	0.15 158	0.41 289	0.32 309	0.50 222	0.83 366	0.44 299	0.51 281	0.33 192	0.45 315	0.69 295	1.07 366	0.10 199	0.08 139	0.09 120	0.08 105	0.95 402	0.18 242

RTSC	0.43 321	0.37 329	0.95 326	0.30 306	0.20 274	0.50 330	0.23 220	0.65 343	0.86 369	0.56 345	0.54 297	0.51 305	0.36 279	0.71 301	0.92 354	0.13 276	0.14 253	0.11 230	0.13 296	0.18 321	0.19 256

DeepPrunerF	0.46 332	0.37 329	1.50 379	0.34 337	0.30 352	0.36 265	0.37 327	0.64 337	1.15 391	0.41 279	0.45 246	0.40 242	0.41 304	0.82 335	0.53 311	0.18 339	0.14 253	0.23 356	0.21 351	0.17 306	0.18 242

iResNetv2_ROB	0.29 229	0.37 329	0.92 318	0.24 166	0.13 80	0.30 193	0.19 125	0.55 265	0.51 287	0.39 260	0.46 258	0.39 239	0.27 195	0.36 173	0.30 217	0.09 144	0.06 34	0.07 13	0.05 8	0.13 258	0.11 129

PDISCO_ROB	0.45 326	0.37 329	0.89 314	0.44 369	0.37 366	0.70 360	0.35 320	0.75 369	0.78 361	0.45 306	0.53 294	0.65 349	0.40 299	0.68 294	0.52 307	0.22 354	0.12 230	0.21 349	0.19 345	0.26 356	0.22 285

dad	0.30 241	0.38 335	0.60 219	0.22 86	0.14 108	0.32 224	0.21 175	0.35 82	0.51 287	0.45 306	0.45 246	0.46 282	0.23 148	0.41 190	0.27 196	0.21 351	0.11 214	0.20 347	0.11 235	0.15 285	0.11 129

FCDSN-DC	0.67 369	0.38 335	0.83 294	0.37 347	0.30 352	0.66 358	0.37 327	0.69 360	0.70 351	1.15 389	1.53 393	1.70 394	1.38 396	1.00 366	0.83 350	0.24 357	0.22 330	0.27 361	0.26 368	0.27 360	0.32 343
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
NaN_ROB	0.44 323	0.38 335	0.94 325	0.30 306	0.20 274	0.52 336	0.49 362	0.61 320	0.60 328	0.56 345	0.47 265	0.49 298	0.42 308	1.24 381	0.76 344	0.12 259	0.18 308	0.12 260	0.13 296	0.12 246	0.18 242

PWC_ROB	0.41 312	0.38 335	0.92 318	0.26 230	0.20 274	0.39 279	0.19 125	0.61 320	0.69 349	0.58 349	0.84 361	0.52 310	0.44 313	0.74 309	0.62 330	0.13 276	0.09 169	0.14 301	0.10 211	0.17 306	0.18 242

Syn2CoEx	0.39 297	0.39 339	1.08 343	0.35 342	0.21 287	0.41 289	0.29 288	0.63 332	0.51 287	0.43 292	0.56 306	0.45 276	0.45 315	0.69 295	0.39 265	0.17 329	0.14 253	0.16 321	0.12 272	0.13 258	0.16 228

EDNetEfficient	0.64 368	0.39 339	2.52 399	0.26 230	0.26 335	0.39 279	0.49 362	0.42 152	1.06 383	1.38 394	0.86 363	0.61 335	0.97 383	0.66 288	1.62 394	0.11 230	0.10 194	0.10 184	0.12 272	0.20 332	0.19 256

LE_ROB	1.82 406	0.39 339	3.15 408	0.50 376	0.55 382	0.79 370	1.00 396	0.89 385	6.48 416	7.40 418	2.07 404	2.07 398	5.08 414	1.33 389	3.96 413	0.11 230	0.09 169	0.12 260	0.11 235	0.11 221	0.13 184

ELAS_RVC	0.80 380	0.40 342	1.10 345	0.40 361	0.35 361	0.93 378	1.10 403	0.87 383	1.12 389	1.40 395	1.39 386	1.27 384	1.55 403	1.13 375	1.13 369	0.29 368	0.27 356	0.30 366	0.28 371	0.31 367	0.36 351
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.80 380	0.40 342	0.91 317	0.39 357	0.35 361	1.52 402	0.81 390	0.97 387	0.98 380	1.47 403	1.58 395	1.19 382	1.33 395	1.01 367	1.21 372	0.29 368	0.27 356	0.30 366	0.29 373	0.32 370	0.36 351
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PVD	0.62 363	0.41 344	0.93 322	0.44 369	0.39 370	0.63 355	0.51 366	0.86 382	1.27 392	0.93 376	1.09 375	0.81 368	0.85 375	0.89 348	0.89 353	0.21 351	0.23 338	0.22 354	0.19 345	0.28 363	0.41 368

PASM	0.49 339	0.41 344	1.15 350	0.37 347	0.35 361	0.42 294	0.42 346	0.54 254	0.65 339	0.54 341	0.54 297	0.63 342	0.48 328	0.94 362	0.51 306	0.27 365	0.30 372	0.30 366	0.33 375	0.29 365	0.29 335

SANet	0.58 357	0.41 344	1.38 371	0.27 263	0.16 187	0.72 362	0.48 358	0.71 362	1.34 393	0.69 360	0.97 371	0.94 374	0.78 369	0.97 365	0.93 355	0.14 297	0.12 230	0.12 260	0.12 272	0.18 321	0.20 268

PWCDC_ROB	0.41 312	0.41 344	0.77 280	0.34 337	0.21 287	0.43 298	0.20 156	0.60 313	0.90 372	0.44 299	1.24 383	0.36 218	0.38 289	0.56 241	0.48 296	0.18 339	0.11 214	0.11 230	0.10 211	0.20 332	0.16 228

FADNet-RVC	0.34 272	0.43 348	0.97 328	0.25 198	0.20 274	0.33 230	0.20 156	0.51 232	0.42 207	0.34 199	0.40 193	0.41 249	0.29 230	0.65 282	0.36 253	0.14 297	0.14 253	0.14 301	0.15 319	0.19 325	0.20 268

FADNet	0.34 272	0.43 348	0.88 312	0.24 166	0.22 302	0.37 270	0.19 125	0.56 275	0.49 276	0.32 176	0.36 158	0.43 265	0.32 262	0.65 282	0.30 217	0.17 329	0.16 283	0.14 301	0.16 328	0.25 352	0.21 277

MaskLacGwcNet_RVC	0.38 292	0.43 348	0.72 265	0.35 342	0.19 256	0.51 331	0.25 255	0.56 275	0.39 182	0.42 283	0.47 265	0.47 289	0.27 195	0.74 309	0.32 232	0.38 379	0.19 312	0.27 361	0.17 339	0.29 365	0.27 325

Anonymous Stereo	0.42 316	0.43 348	1.38 371	0.32 322	0.26 335	0.35 257	0.48 358	0.55 265	0.58 319	0.43 292	0.48 274	0.40 242	0.29 230	0.93 359	0.56 319	0.16 317	0.16 283	0.15 315	0.16 328	0.16 294	0.20 268

SGM-Forest	0.42 316	0.44 352	0.92 318	0.24 166	0.16 187	0.45 311	0.40 342	0.58 296	0.50 281	0.54 341	0.63 331	0.52 310	0.51 335	0.91 353	0.66 336	0.17 329	0.17 301	0.17 330	0.15 319	0.15 285	0.21 277
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
XQC	0.47 335	0.45 353	1.07 340	0.40 361	0.28 341	0.58 347	0.38 335	0.67 349	0.76 360	0.53 338	0.47 265	0.59 328	0.47 324	0.74 309	0.80 348	0.18 339	0.14 253	0.18 337	0.16 328	0.26 356	0.24 304

ADCMid	0.53 346	0.45 353	1.46 376	0.27 263	0.22 302	0.51 331	0.38 335	0.61 320	0.58 319	0.75 364	0.67 338	0.62 338	0.66 365	0.66 288	1.75 395	0.13 276	0.12 230	0.17 330	0.17 339	0.20 332	0.21 277

SAMSARA	0.62 363	0.47 355	0.93 322	0.70 387	0.50 377	1.15 389	1.29 407	0.79 373	0.70 351	0.77 368	0.55 302	0.92 373	0.58 349	0.87 345	0.77 345	0.19 348	0.27 356	0.18 337	0.19 345	0.27 360	0.28 331

CSAN	0.55 349	0.47 355	1.19 360	0.37 347	0.23 311	0.57 345	0.61 375	0.65 343	0.72 355	0.65 355	0.78 354	0.66 353	0.65 364	1.41 391	0.77 345	0.21 351	0.17 301	0.20 347	0.21 351	0.18 321	0.21 277

FINET	0.58 357	0.48 357	1.35 370	0.38 355	0.37 366	0.96 382	1.13 404	0.84 381	1.05 382	0.50 326	0.70 344	0.45 276	0.61 356	0.63 273	0.62 330	0.26 361	0.28 360	0.14 301	0.13 296	0.20 332	0.44 373

LSM	1.68 404	0.48 357	2.91 404	2.28 416	17.60 425	0.52 336	0.55 371	0.65 343	0.78 361	0.84 371	1.11 376	0.63 342	0.55 344	0.79 328	0.53 311	0.16 317	0.25 347	0.18 337	0.21 351	0.25 352	2.37 417

WZ-Net	0.56 353	0.49 359	2.14 396	0.30 306	0.24 322	0.58 347	0.48 358	0.65 343	0.80 363	0.51 329	0.72 346	0.68 358	0.60 352	1.06 372	1.01 361	0.13 276	0.10 194	0.11 230	0.12 272	0.19 325	0.23 292

AnyNet_C32	0.55 349	0.51 360	1.34 369	0.29 300	0.28 341	0.61 351	0.62 376	0.57 284	0.62 334	0.63 353	0.68 340	0.54 316	0.55 344	0.82 335	1.81 396	0.15 309	0.15 274	0.15 315	0.18 343	0.21 338	0.25 313

Consistency-Raft	0.56 353	0.52 361	1.12 346	0.45 371	0.49 376	0.48 325	0.45 351	0.73 366	0.74 359	0.45 306	0.82 359	0.46 282	0.60 352	0.51 220	0.63 333	0.39 381	0.40 384	0.44 379	0.51 390	0.53 380	0.38 367

GANetREF_RVC	0.45 326	0.52 361	0.87 306	0.39 357	0.20 274	0.51 331	0.50 364	0.68 354	0.67 343	0.47 317	0.46 258	0.50 302	0.43 311	0.91 353	0.40 267	0.28 367	0.21 325	0.32 370	0.19 345	0.28 363	0.23 292
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
Wz-Net-SNSev	0.45 326	0.53 363	1.42 375	0.31 317	0.21 287	0.44 303	0.45 351	0.64 337	0.68 347	0.46 311	0.66 336	0.62 338	0.40 299	0.78 325	0.65 334	0.12 259	0.11 214	0.12 260	0.13 296	0.17 306	0.19 256

UDG	0.42 316	0.54 364	0.67 246	0.41 365	0.35 361	0.47 319	0.27 270	0.57 284	0.48 263	0.40 269	0.46 258	0.59 328	0.45 315	0.47 208	0.46 291	0.26 361	0.19 312	0.49 381	0.22 358	0.37 373	0.30 337

anonymity	0.57 355	0.55 365	0.74 267	0.48 374	0.63 385	0.56 343	0.43 348	0.71 362	0.51 287	0.64 354	0.55 302	0.57 322	0.61 356	0.65 282	0.57 322	0.55 385	0.55 396	0.50 382	0.54 391	0.51 379	0.61 387

CC-Net-ROB	0.46 332	0.55 365	0.86 304	0.38 355	0.23 311	0.51 331	0.30 294	0.69 360	0.51 287	0.46 311	0.51 281	0.48 292	0.38 289	0.96 363	0.40 267	0.36 376	0.23 338	0.56 385	0.25 364	0.34 372	0.22 285

RTS	0.81 382	0.56 367	4.76 410	0.37 347	0.30 352	1.11 386	0.52 367	0.67 349	1.07 384	0.76 366	0.91 367	0.60 333	0.61 356	1.64 395	1.24 374	0.15 309	0.13 244	0.15 315	0.15 319	0.22 342	0.24 304

RTSA	0.81 382	0.56 367	4.76 410	0.37 347	0.30 352	1.11 386	0.52 367	0.67 349	1.07 384	0.76 366	0.91 367	0.60 333	0.61 356	1.64 395	1.24 374	0.15 309	0.13 244	0.15 315	0.15 319	0.22 342	0.24 304

ADCS	0.62 363	0.56 367	1.54 382	0.30 306	0.25 332	0.56 343	0.46 354	0.71 362	0.86 369	0.77 368	0.72 346	0.68 358	0.62 360	0.82 335	2.33 405	0.17 329	0.16 283	0.16 321	0.17 339	0.23 347	0.27 325

SGM-ForestM	1.59 400	0.56 367	1.52 381	0.41 365	0.34 358	2.77 411	1.67 411	1.69 404	1.73 399	2.48 409	2.27 408	6.02 417	2.90 411	3.08 410	2.83 409	0.25 360	0.30 372	0.19 343	0.20 349	0.18 321	0.45 376

SQANet	0.44 323	0.57 371	0.89 314	0.49 375	0.39 370	0.47 319	0.23 220	0.53 247	0.44 224	0.41 279	0.48 274	0.47 289	0.34 267	0.58 245	0.43 277	0.38 379	0.15 274	0.40 377	0.21 351	0.50 378	0.34 348

EDNetEfficientorigin	7.48 416	0.57 371	139.59 438	0.25 198	0.17 212	0.44 303	0.30 294	0.48 207	1.04 381	1.29 391	1.02 373	0.82 369	0.87 378	0.76 320	1.02 362	0.10 199	0.09 169	0.12 260	0.11 235	0.22 342	0.25 313

GASNet	0.39 297	0.58 373	1.27 365	0.35 342	0.23 311	0.35 257	0.23 220	0.63 332	0.56 315	0.41 279	0.38 172	0.45 276	0.30 237	0.81 334	0.42 274	0.16 317	0.11 214	0.14 301	0.14 310	0.23 347	0.12 164

MFN_U_SF_RVC	0.58 357	0.58 373	1.31 368	0.39 357	0.23 311	0.72 362	0.30 294	0.83 379	0.68 347	0.74 363	0.74 350	0.86 370	0.60 352	0.84 340	0.83 350	0.29 368	0.27 356	0.32 370	0.37 381	0.31 367	0.33 345

MANE	1.63 402	0.58 373	1.16 352	0.59 380	0.60 384	2.71 410	1.53 409	2.63 413	3.62 408	2.33 408	3.26 410	3.66 411	2.98 412	2.26 408	2.26 404	0.37 377	0.40 384	0.31 369	0.49 386	0.31 367	0.63 390

DDUNet	0.45 326	0.60 376	0.71 261	0.45 371	0.39 370	0.46 313	0.32 309	0.53 247	0.44 224	0.46 311	0.53 294	0.57 322	0.38 289	0.51 220	0.43 277	0.34 374	0.21 325	0.56 385	0.25 364	0.41 375	0.36 351

MFN_U_SF_DS_RVC	0.53 346	0.60 376	0.98 330	0.40 361	0.25 332	0.87 375	0.57 373	0.60 313	0.64 338	0.60 350	0.67 338	0.63 342	0.42 308	1.13 375	0.50 303	0.23 355	0.28 360	0.27 361	0.35 377	0.25 352	0.33 345

NVStereoNet_ROB	0.74 374	0.64 378	1.20 362	0.55 379	0.43 374	0.54 342	0.48 358	0.75 369	0.87 371	0.88 373	1.72 398	1.06 378	1.03 386	1.29 385	0.98 360	0.35 375	0.42 387	0.41 378	0.48 385	0.38 374	0.43 371
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
AnyNet_C01	0.68 371	0.69 379	2.64 401	0.33 333	0.27 340	0.93 378	0.64 377	0.66 347	0.65 339	0.70 361	0.97 371	0.75 366	0.63 362	1.01 367	1.52 389	0.17 329	0.16 283	0.17 330	0.17 339	0.24 351	0.28 331

Wz-Net-TNSev	0.55 349	0.72 380	1.90 392	0.26 230	0.21 287	0.64 356	0.45 351	0.66 347	0.71 353	0.52 332	0.55 302	0.71 364	0.63 362	1.04 370	0.94 357	0.16 317	0.15 274	0.13 283	0.15 319	0.21 338	0.24 304

SPS-STEREO	0.74 374	0.72 380	1.18 359	0.52 377	0.57 383	0.76 365	0.50 364	0.80 374	0.66 342	0.97 379	0.88 366	0.94 374	0.74 367	1.08 373	1.04 364	0.58 388	0.51 390	0.50 382	0.50 389	0.56 381	0.72 398
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
otaku	0.60 360	0.73 382	1.13 348	0.64 382	0.45 375	0.73 364	0.37 327	0.67 349	0.67 343	0.52 332	0.75 352	0.66 353	0.46 322	0.74 309	0.59 325	0.55 385	0.34 381	0.56 385	0.36 379	0.65 385	0.49 381

MSC_U_SF_DS_RVC	0.70 372	0.73 382	1.26 364	0.47 373	0.28 341	1.42 400	0.60 374	0.82 377	0.94 378	0.85 372	0.86 363	0.88 372	0.70 366	1.32 388	0.75 343	0.37 377	0.30 372	0.34 373	0.36 379	0.44 376	0.42 369

Ntro	0.61 362	0.75 384	1.16 352	0.67 384	0.50 377	0.76 365	0.37 327	0.68 354	0.71 353	0.50 326	0.59 315	0.65 349	0.52 337	0.79 328	0.58 324	0.58 388	0.32 377	0.57 388	0.34 376	0.69 390	0.50 382

coex-ft	3.48 412	0.81 385	48.53 436	0.24 166	0.19 256	0.53 339	0.47 357	0.49 214	2.36 404	7.18 417	1.20 380	0.96 377	2.53 409	0.75 314	2.14 403	0.13 276	0.15 274	0.14 301	0.12 272	0.22 342	0.47 377

MFMNet_re	0.74 374	0.84 386	1.16 352	0.64 382	0.70 390	0.79 370	0.71 382	0.77 372	0.85 368	0.79 370	0.86 363	0.69 360	0.80 371	0.73 305	0.65 334	0.66 392	0.59 400	0.61 389	0.58 396	0.68 388	0.71 397

SGM+DAISY	1.12 392	0.86 387	1.64 385	0.68 385	0.80 398	1.68 404	1.68 412	1.08 389	1.10 386	1.53 405	1.76 400	1.47 389	1.53 402	1.24 381	1.42 388	0.66 392	0.65 406	0.52 384	0.54 391	0.57 382	0.91 405

JetBlue	1.20 394	0.89 388	2.53 400	0.59 380	0.76 392	3.16 413	2.09 413	1.16 391	0.93 375	0.95 377	1.12 377	1.65 392	1.27 393	2.15 406	1.87 398	0.43 383	0.37 383	0.38 375	0.39 383	0.62 383	0.63 390

ACVNet-4b	0.76 377	0.90 389	1.67 386	0.73 388	0.51 380	0.80 373	0.31 304	0.74 368	0.81 364	0.51 329	0.72 346	0.94 374	0.43 311	1.01 367	1.32 382	1.18 410	0.22 330	0.77 394	0.45 384	0.70 391	0.50 382

ACVNet_1	0.77 379	0.92 390	1.79 390	0.73 388	0.53 381	0.78 369	0.42 346	0.88 384	0.90 372	0.75 364	0.76 353	1.32 386	0.80 371	1.04 370	0.70 340	0.57 387	0.32 377	0.72 392	0.35 377	0.70 391	0.50 382

DispFullNet	0.67 369	0.94 391	1.63 384	0.77 391	1.19 408	0.53 339	0.25 255	0.61 320	0.72 355	0.70 361	0.60 319	0.69 360	0.90 379	0.80 331	0.52 307	0.27 365	0.13 244	0.74 393	0.31 374	0.68 388	0.44 373

IMH-64-1	0.94 384	0.95 392	1.07 340	0.98 397	0.76 392	0.93 378	0.72 383	1.30 393	1.11 387	0.91 374	1.45 389	1.14 379	1.00 384	1.25 383	0.97 358	0.77 394	0.51 390	0.97 399	0.55 394	0.90 396	0.66 393

IMH-64	0.94 384	0.95 392	1.07 340	0.98 397	0.76 392	0.93 378	0.72 383	1.30 393	1.11 387	0.91 374	1.45 389	1.14 379	1.00 384	1.25 383	0.97 358	0.77 394	0.51 390	0.97 399	0.55 394	0.90 396	0.66 393

ACVNet_2	0.94 384	0.98 394	1.71 388	0.83 393	0.63 385	1.02 384	0.64 377	1.16 391	1.43 396	1.02 381	1.39 386	1.47 389	0.86 377	1.16 377	0.79 347	0.63 391	0.43 389	0.78 395	0.49 386	0.80 393	0.57 385

WAO-7	1.05 387	1.00 395	1.19 360	0.83 393	0.67 389	1.22 392	0.84 392	1.43 397	1.56 397	1.13 387	1.75 399	1.46 388	1.25 392	1.56 394	1.28 376	0.61 390	0.62 404	0.70 391	0.68 400	0.66 387	0.62 388

RainbowNet	0.76 377	1.00 395	1.29 366	0.82 392	0.63 385	0.79 370	0.52 367	0.83 379	0.93 375	0.61 352	0.79 357	0.79 367	0.62 360	0.82 335	0.67 338	0.80 398	0.55 396	0.79 396	0.49 386	0.81 394	0.62 388

WAO-6	1.11 391	1.01 397	1.17 358	0.96 396	0.79 395	1.30 396	0.78 387	1.36 395	1.99 402	1.04 384	1.54 394	1.59 391	1.27 393	1.37 390	1.30 377	0.78 396	0.55 396	1.03 403	0.75 404	0.87 395	0.72 398

IMH	1.09 390	1.04 398	1.29 366	1.03 399	0.79 395	1.11 386	0.69 380	1.40 396	1.42 395	1.02 381	1.71 397	1.42 387	1.19 391	1.78 401	1.03 363	1.14 408	0.56 399	1.00 401	0.58 396	0.93 399	0.68 395

TorneroNet-64	1.47 396	1.15 399	1.51 380	1.11 404	0.86 402	2.27 409	0.76 385	1.84 406	3.76 409	1.29 391	2.22 407	2.68 407	1.46 398	1.81 402	1.55 391	0.79 397	0.51 390	1.10 404	0.67 399	1.31 407	0.81 404

LVE	1.18 393	1.16 400	1.67 386	1.04 400	0.81 399	1.32 397	0.82 391	1.49 399	1.94 400	1.08 385	1.90 401	1.89 396	1.07 388	1.51 393	1.04 364	0.96 404	0.61 401	0.94 398	0.69 401	0.92 398	0.79 403

Dean	1.22 395	1.17 401	1.97 393	1.04 400	0.79 395	1.21 391	0.76 385	1.51 400	1.96 401	1.30 393	1.98 403	2.14 399	1.18 390	1.30 386	1.15 370	0.83 399	0.61 401	1.01 402	0.69 401	0.97 403	0.77 402

TorneroNet	2.26 408	1.20 402	1.55 383	1.15 406	0.91 403	5.84 414	0.84 392	2.12 410	8.45 418	2.59 410	5.32 414	3.84 412	2.15 406	1.84 404	1.98 401	0.88 400	0.54 395	1.16 408	0.74 403	1.31 407	0.91 405

WAO-8	1.50 398	1.22 403	1.39 373	1.10 402	0.85 400	2.15 406	0.78 387	1.84 406	3.76 409	1.46 399	2.18 405	2.15 400	1.50 400	3.20 412	1.35 384	0.92 402	0.66 407	1.10 404	0.79 405	0.94 400	0.74 400

Venus	1.50 398	1.22 403	1.39 373	1.10 402	0.85 400	2.15 406	0.78 387	1.84 406	3.76 409	1.46 399	2.18 405	2.15 400	1.50 400	3.20 412	1.35 384	0.92 402	0.66 407	1.10 404	0.79 405	0.94 400	0.74 400

MADNet+	1.05 387	1.26 405	4.77 412	0.73 388	0.50 377	1.25 393	0.97 395	1.05 388	0.93 375	0.67 358	0.78 354	0.87 371	0.85 375	2.14 405	1.83 397	0.40 382	0.42 387	0.32 370	0.28 371	0.45 377	0.43 371

PWCK	1.05 387	1.29 406	2.12 395	0.92 395	0.42 373	1.27 394	1.01 397	1.14 390	1.14 390	1.16 390	1.14 378	1.25 383	0.90 379	1.77 400	1.15 370	0.89 401	0.51 390	0.87 397	0.54 391	1.02 404	0.57 385

UNDER WATER-64	1.61 401	1.30 407	2.93 405	1.33 407	0.96 404	2.20 408	1.25 406	1.47 398	3.15 406	1.46 399	1.31 384	2.61 406	2.22 407	1.69 397	1.93 399	1.13 407	0.67 409	1.29 409	0.94 408	1.26 405	1.09 409

UNDER WATER	1.64 403	1.34 408	2.72 403	1.40 408	1.04 405	1.70 405	1.14 405	1.57 403	3.58 407	1.46 399	1.46 391	2.82 408	2.43 408	1.74 398	2.04 402	1.08 406	0.63 405	1.31 410	0.94 408	1.29 406	1.10 410

notaker	1.49 397	1.44 409	1.77 389	1.42 409	1.08 406	1.19 390	0.87 394	1.51 400	1.40 394	1.53 405	3.41 411	2.40 403	1.94 405	1.83 403	1.57 392	1.14 408	0.69 410	1.38 411	0.88 407	1.39 411	1.03 408

ktn	1.80 405	1.46 410	1.49 378	1.44 410	1.14 407	1.50 401	1.07 400	1.53 402	3.90 412	2.77 411	4.62 412	3.42 410	1.49 399	1.74 398	1.40 387	1.45 412	0.77 411	1.46 412	0.99 410	1.41 412	1.00 407

KSHMR	1.92 407	1.47 411	1.97 393	1.48 411	1.22 409	1.39 399	1.06 399	1.81 405	5.83 415	1.43 397	5.56 415	2.95 409	1.17 389	2.24 407	1.33 383	1.29 411	1.13 412	1.47 413	1.11 412	1.37 410	1.21 411

MADNet++	2.34 409	1.81 412	2.24 398	2.15 415	1.97 414	2.79 412	2.19 414	2.42 412	2.26 403	2.79 412	2.70 409	2.43 404	2.60 410	3.18 411	3.32 410	2.19 414	1.97 415	1.93 414	1.62 414	2.02 414	2.10 415

SPstereo	14.29 423	1.85 413	2.95 406	1.89 413	1.68 413	23.50 430	43.36 430	35.81 437	29.54 437	20.90 431	20.49 428	26.26 437	21.86 430	25.13 437	19.49 429	1.60 413	1.44 413	2.99 417	2.21 416	1.34 409	1.43 414

HanzoNet	3.08 411	1.87 414	2.70 402	1.81 412	1.34 410	1.60 403	1.05 398	2.06 409	2.62 405	5.63 415	5.12 413	5.96 416	7.09 416	4.39 416	3.43 411	3.29 416	2.06 417	1.98 415	2.94 418	2.47 415	2.15 416

JetRed	2.35 410	2.70 415	6.11 413	1.14 405	1.38 411	6.03 415	3.61 415	2.12 410	1.72 398	1.99 407	1.97 402	2.15 400	1.59 404	2.49 409	4.19 414	1.05 405	1.60 414	1.10 404	1.02 411	1.72 413	1.41 413

BEATNet-Init1	4.91 414	3.27 416	14.39 425	0.69 386	0.65 388	10.19 421	3.83 416	5.04 416	5.11 414	8.73 419	8.52 417	13.95 426	7.66 417	7.79 419	5.79 416	0.32 373	0.34 381	0.34 373	0.38 382	0.64 384	0.64 392

DPSimNet_ROB	6.21 415	5.16 417	9.50 415	5.59 419	5.56 416	7.64 416	10.02 418	4.07 415	7.33 417	6.84 416	6.26 416	7.17 418	10.55 418	4.07 415	5.68 415	5.50 419	4.29 418	5.24 420	3.66 419	4.05 417	5.96 419

DGTPSM_ROB	8.38 417	5.24 418	10.71 423	5.32 418	10.19 419	8.34 417	23.49 425	6.11 418	13.43 424	4.93 413	10.93 422	5.64 414	10.55 418	6.17 417	12.73 421	3.74 417	7.56 420	3.68 418	7.24 422	4.09 418	7.49 420

DPSMNet_ROB	8.44 418	5.25 419	10.87 424	5.59 419	10.27 420	8.34 417	23.51 426	6.12 419	13.47 425	4.96 414	10.94 423	5.65 415	10.55 418	6.25 418	12.77 422	4.01 418	7.62 421	3.75 419	7.27 423	4.16 419	7.54 421

Anonymous_1	16.44 428	9.26 420	9.67 417	10.63 421	14.54 423	18.62 427	26.98 427	12.68 425	13.53 426	10.78 425	10.37 421	10.15 420	10.66 421	10.99 425	12.64 420	15.61 433	7.73 422	16.87 430	43.01 434	56.14 437	7.86 424

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

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

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

DPSM_ROB	11.46 421	9.79 424	10.18 418	11.11 422	11.31 421	19.08 428	27.38 428	13.42 426	14.23 427	10.34 423	11.13 424	10.97 424	11.33 425	11.89 426	13.49 423	6.74 422	8.19 423	6.00 421	7.05 420	7.74 420	7.76 422

DPSM	11.46 421	9.79 424	10.18 418	11.11 422	11.31 421	19.08 428	27.38 428	13.42 426	14.23 427	10.34 423	11.13 424	10.97 424	11.33 425	11.89 426	13.49 423	6.74 422	8.19 423	6.00 421	7.05 420	7.74 420	7.76 422

DLNR_Zeroshot_test	10.53 419	12.28 426	20.32 427	105.84 438	23.88 435	0.14 3	0.13 2	3.20 414	0.20 6	0.16 12	0.23 51	0.16 33	0.10 3	0.32 139	0.16 47	2.54 415	0.32 377	0.07 13	0.07 45	40.17 436	0.28 331

PML	15.86 427	13.12 427	7.07 414	5.22 417	7.66 417	32.93 431	64.30 437	5.37 417	10.12 419	25.87 436	67.29 437	20.25 428	13.20 427	10.09 421	6.81 419	5.94 421	2.00 416	6.03 423	2.18 415	9.13 422	2.62 418

LRCNet_RVC	10.94 420	14.45 428	9.66 416	15.38 424	8.02 418	1.08 385	0.35 320	8.72 420	0.72 355	12.63 426	15.84 426	9.73 419	6.52 415	8.58 420	6.38 418	20.33 434	5.39 419	23.79 432	21.95 431	15.35 426	13.96 428

CasAABBNet	23.04 431	19.69 429	20.32 427	22.42 430	22.73 430	38.35 432	55.23 433	26.99 434	28.74 432	20.67 429	22.28 431	22.11 433	22.86 434	23.84 433	27.17 433	13.52 427	16.47 430	12.08 424	14.21 425	15.57 427	15.60 429

MyStereo03	23.12 433	19.74 430	20.70 430	22.51 432	22.82 432	38.36 433	55.25 434	26.92 431	28.81 433	20.90 431	22.38 432	22.06 430	22.80 431	23.83 430	27.20 435	13.55 429	16.70 432	12.09 425	14.22 427	15.58 428	16.03 431

MyStereo02	23.12 433	19.74 430	20.70 430	22.51 432	22.82 432	38.36 433	55.25 434	26.92 431	28.81 433	20.90 431	22.38 432	22.06 430	22.80 431	23.83 430	27.20 435	13.55 429	16.70 432	12.09 425	14.22 427	15.58 428	16.03 431

MyStereo	23.12 433	19.74 430	20.70 430	22.51 432	22.82 432	38.36 433	55.25 434	26.92 431	28.81 433	20.90 431	22.38 432	22.06 430	22.80 431	23.83 430	27.20 435	13.55 429	16.70 432	12.09 425	14.22 427	15.58 428	16.03 431

Selective-RAFT-Error	23.11 432	19.77 433	20.60 429	22.49 431	22.80 431	38.46 437	55.19 432	27.13 436	28.90 436	20.73 430	22.38 432	22.11 433	22.91 436	23.94 434	27.18 434	13.54 428	16.57 431	12.09 425	14.21 425	15.61 431	15.65 430

LSM0	24.21 436	19.88 434	22.33 433	24.42 435	40.13 437	38.41 436	54.99 431	27.05 435	28.61 431	20.59 428	22.00 430	22.29 435	22.86 434	24.12 435	27.16 432	13.59 432	16.33 429	12.13 429	14.08 424	15.72 432	17.53 434

HaxPig	17.72 429	20.23 435	19.76 426	16.55 425	16.52 424	9.46 419	9.42 417	14.48 428	13.31 423	18.59 427	18.67 427	17.39 427	16.68 428	17.07 428	16.43 428	21.99 435	20.86 435	22.28 431	21.55 430	21.30 433	21.88 435

MEDIAN_ROB	21.20 430	24.56 436	23.42 434	19.57 426	19.62 429	13.29 422	11.21 419	18.04 429	17.02 429	22.07 435	21.92 429	20.84 429	20.24 429	21.02 429	19.68 430	25.59 436	24.08 436	26.20 433	25.19 432	25.31 434	25.19 436

AVERAGE_ROB	25.43 437	29.01 437	27.22 435	24.60 436	24.16 436	17.78 426	12.87 420	22.39 430	21.40 430	26.72 437	26.08 436	25.18 436	24.52 437	25.07 436	23.57 431	29.94 437	28.36 437	30.60 434	29.57 433	29.83 435	29.66 437

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

Low-res two-view benchmark