Low-res two-view results

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

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

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

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

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

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

CREStereo++_RVC	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 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	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

TANstereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

XX-TBD	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

CREStereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
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	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

MEDIAN_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

AVERAGE_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

HITNet	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9
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
NVstereo2D	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWC_ROB	0.01 9	0.02 12	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCDC_ROB	0.01 9	0.01 9	0.02 13	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCK	0.01 9	0.02 12	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

coex-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

fast-acv-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

CBFPSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

iinet-f	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

Wz-Net-TNSev	0.02 14	0.05 38	0.04 31	0.07 35	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

MFN_U_SF_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MSC_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

RYNet	0.02 14	0.02 12	0.02 13	0.03 25	0.03 39	0.03 36	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.03 42	0.03 33	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM0	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

Wz-Net-SNSev	0.03 25	0.09 50	0.07 45	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

EDNetEfficientorigin	0.04 26	0.06 42	0.04 31	0.05 32	0.04 54	0.05 61	0.04 54	0.05 61	0.04 55	0.05 64	0.04 63	0.05 63	0.04 58	0.05 54	0.04 49	0.05 39	0.03 28	0.06 65	0.03 42	0.04 53	0.03 39

EDNetEfficient	0.04 26	0.05 38	0.04 31	0.04 26	0.03 39	0.04 51	0.03 39	0.04 51	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.04 46	0.03 37	0.05 39	0.03 28	0.05 58	0.03 42	0.04 53	0.03 39

NVStereoNet_ROB	0.04 26	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
GASNet	0.05 29	0.04 31	0.12 78	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 55	0.12 92	0.04 63	0.06 68	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

WZ-Net	0.05 29	0.50 153	0.10 56	0.12 59	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.10 59	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 31	0.24 95	0.20 125	0.23 108	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 132	0.21 129	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 31	0.54 161	0.10 56	0.12 59	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.11 74	0.01 9	0.01 9	0.01 9	0.01 9

AASNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

SACVNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

AACVNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

FINET	0.07 36	0.08 44	0.07 45	0.07 35	0.07 79	0.08 74	0.06 75	0.08 77	0.07 79	0.08 74	0.07 79	0.08 75	0.06 76	0.07 72	0.07 71	0.08 47	0.07 44	0.07 70	0.07 74	0.06 66	0.06 73

ADCMid	0.08 37	0.02 12	0.02 13	1.01 249	0.03 39	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 46	0.09 76	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

SMFormer	0.09 38	1.01 198	0.09 52	0.09 41	0.03 39	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

tta	0.09 38	0.95 188	0.09 52	0.10 44	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 59	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 38	1.01 198	0.10 56	0.10 44	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

SepStereo	0.09 38	0.09 50	0.10 56	0.09 41	0.09 82	0.09 78	0.09 80	0.10 79	0.08 81	0.10 78	0.09 82	0.09 79	0.09 83	0.09 78	0.08 73	0.09 53	0.08 46	0.09 77	0.08 78	0.09 79	0.08 76

APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 54	0.05 61	0.90 277	0.06 65	0.04 55	0.05 64	0.04 63	0.05 63	0.04 58	0.05 54	0.04 49	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

ADCS	0.09 38	0.02 12	0.04 31	0.90 230	0.06 78	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 96	0.36 196	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ttt	0.10 44	1.09 205	0.12 78	0.12 59	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 85	0.03 34	0.02 20	0.03 39	0.02 19

1111x	0.10 44	1.14 209	0.13 93	0.14 73	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.11 74	0.03 34	0.02 20	0.03 39	0.02 19

AnonymousM	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

222	0.10 44	0.99 192	0.12 78	0.13 69	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 85	0.03 34	0.02 20	0.04 53	0.03 39

test_xeample	0.10 44	1.09 205	0.13 93	0.12 59	0.03 39	0.03 36	0.03 39	0.04 51	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.14 107	0.03 34	0.03 42	0.03 39	0.03 39

PVD	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SHD	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SAMSARA	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

XQC	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSC	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTS	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSA	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet+	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet++	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

ADCPNet	0.10 44	0.03 27	0.04 31	1.27 317	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.08 75	0.04 49	0.04 32	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

JetRed	0.11 59	0.12 65	0.11 73	0.11 56	0.11 102	0.11 90	0.14 113	0.11 90	0.11 99	0.12 92	0.11 98	0.11 91	0.11 98	0.11 90	0.11 92	0.11 68	0.16 112	0.11 88	0.11 97	0.11 90	0.11 95

JetBlue	0.11 59	0.11 63	0.12 78	0.13 69	0.14 118	0.11 90	0.11 97	0.11 90	0.11 99	0.11 90	0.11 98	0.11 91	0.11 98	0.12 94	0.12 103	0.11 68	0.11 74	0.11 88	0.11 97	0.11 90	0.11 95

x	0.11 59	1.15 211	0.15 111	0.14 73	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.15 110	0.03 34	0.03 42	0.03 39	0.03 39

Wz-Net-LNSev-Ref	0.11 59	0.44 136	0.33 165	0.39 147	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 186	0.36 176	0.02 18	0.02 20	0.02 19	0.02 19

xxxx	0.11 59	1.16 212	0.16 112	0.12 59	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.16 112	0.03 34	0.04 52	0.04 53	0.04 53

BEATNet_4x	0.11 59	0.03 27	0.03 28	1.60 328	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 54	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCL	0.11 59	0.03 27	0.03 28	1.60 328	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 54	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

AnyNet_C01	0.11 59	0.02 12	0.02 13	1.62 330	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 58	0.04 49	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 39

GwcNet	0.12 67	0.07 43	0.05 44	0.08 37	0.05 69	0.08 74	1.20 302	0.07 74	0.05 68	0.05 64	0.05 71	0.08 75	0.05 64	0.08 75	0.03 37	0.07 45	0.05 43	0.06 65	0.05 67	0.07 74	0.05 68

FADNet-RVC-Resample	0.12 67	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	1.57 363	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

FADNet_RVC	0.12 67	0.04 31	0.04 31	0.05 32	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.65 367	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

FADNet	0.12 67	0.05 38	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.66 368	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

ADCRef	0.12 67	0.03 27	0.04 31	1.71 331	0.04 54	0.03 36	0.03 39	0.04 51	0.04 55	0.04 54	0.03 40	0.04 51	0.03 42	0.06 58	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.03 39	0.04 53

CIPLG	0.13 72	0.21 85	0.12 78	0.16 88	0.11 102	0.15 100	0.11 97	0.14 94	0.11 99	0.15 100	0.12 105	0.15 104	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

IPLG	0.13 72	0.20 81	0.14 97	0.15 82	0.11 102	0.14 94	0.11 97	0.14 94	0.11 99	0.14 94	0.11 98	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

ACRE	0.13 72	0.21 85	0.14 97	0.15 82	0.11 102	0.14 94	0.11 97	0.14 94	0.11 99	0.14 94	0.12 105	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

LRCNet_RVC	0.13 72	0.13 66	0.09 52	0.13 69	0.10 88	0.14 94	0.10 85	0.14 94	0.10 85	0.23 127	0.10 86	0.20 115	0.10 87	0.24 136	0.11 92	0.11 68	0.09 55	0.12 91	0.14 120	0.12 94	0.09 79

aanetorigin	0.13 72	0.11 63	0.11 73	0.11 56	0.11 102	0.11 90	0.11 97	0.11 90	0.11 99	0.11 90	0.12 105	0.11 91	0.11 98	0.11 90	0.11 92	0.11 68	0.11 74	0.14 95	0.11 97	0.49 210	0.11 95

FADNet-RVC	0.13 72	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 55	0.04 54	0.05 71	0.04 51	0.05 64	0.04 46	1.71 370	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

ELAS	0.13 72	0.16 71	0.11 73	0.15 82	0.09 82	0.18 110	0.11 97	0.18 110	0.11 99	0.17 107	0.11 98	0.18 111	0.11 98	0.18 110	0.11 92	0.14 90	0.08 46	0.14 95	0.08 78	0.14 97	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
mmm	0.14 79	1.83 286	0.12 78	0.11 56	0.03 39	0.03 36	0.03 39	0.03 38	0.04 55	0.03 36	0.03 40	0.03 38	0.03 42	0.06 58	0.04 49	0.12 73	0.11 74	0.05 58	0.04 52	0.05 63	0.04 53

ProNet	0.14 79	0.20 81	0.14 97	0.16 88	0.11 102	0.16 105	0.11 97	0.17 108	0.11 99	0.17 107	0.12 105	0.17 108	0.13 115	0.17 108	0.12 103	0.15 97	0.11 74	0.16 106	0.11 97	0.15 104	0.12 106

IPLGR_C	0.14 79	0.20 81	0.12 78	0.15 82	0.11 102	0.14 94	0.15 116	0.14 94	0.11 99	0.15 100	0.12 105	0.14 95	0.11 98	0.16 105	0.11 92	0.15 97	0.12 85	0.14 95	0.12 110	0.15 104	0.12 106

MIPNet	0.14 79	0.21 85	0.17 116	0.16 88	0.11 102	0.15 100	0.12 109	0.14 94	0.11 99	0.16 104	0.11 98	0.14 95	0.11 98	0.14 96	0.11 92	0.14 90	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

IPLGR	0.14 79	0.24 95	0.14 97	0.16 88	0.12 114	0.15 100	0.12 109	0.14 94	0.11 99	0.15 100	0.12 105	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

GMStereo	0.14 79	0.13 66	0.14 97	0.14 73	0.14 118	0.14 94	0.14 113	0.14 94	0.14 118	0.14 94	0.14 120	0.14 95	0.14 117	0.14 96	0.14 112	0.14 90	0.14 107	0.14 95	0.14 120	0.14 97	0.14 114
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
AnyNet_C32	0.14 79	0.04 31	0.03 28	2.22 344	0.04 54	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.04 51	0.02 21	0.07 72	0.04 49	0.02 14	0.02 14	0.03 34	0.03 42	0.02 19	0.03 39

HSM	0.14 79	0.16 71	0.12 78	0.17 94	0.12 114	0.17 108	0.11 97	0.17 108	0.11 99	0.17 107	0.12 105	0.17 108	0.12 111	0.17 108	0.12 103	0.16 104	0.11 74	0.16 106	0.11 97	0.16 107	0.12 106

DRN-Test	0.14 79	0.13 66	0.09 52	0.14 73	0.09 82	0.15 100	0.09 80	0.14 94	0.10 85	0.14 94	0.09 82	0.14 95	0.09 83	0.13 95	0.09 76	0.12 73	0.09 55	0.12 91	0.09 80	0.12 94	0.73 263

ELAS_RVC	0.14 79	0.16 71	0.10 56	0.15 82	0.10 88	0.18 110	0.11 97	0.19 111	0.11 99	0.19 111	0.12 105	0.18 111	0.11 98	0.19 112	0.12 103	0.14 90	0.08 46	0.14 95	0.09 80	0.15 104	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
CoDeX	0.15 89	0.70 167	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 259	0.02 14	0.69 246	0.75 263	0.01 9	0.02 19	0.02 19

ICVP	0.15 89	0.53 158	0.11 73	0.16 88	0.11 102	0.16 105	0.11 97	0.16 106	0.11 99	0.16 104	0.11 98	0.16 105	0.11 98	0.16 105	0.11 92	0.16 104	0.11 74	0.16 106	0.11 97	0.16 107	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ADCP+	0.15 89	0.04 31	0.04 31	2.20 343	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.05 71	0.04 51	0.04 58	0.08 75	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

StereoDRNet	0.15 89	0.14 70	0.10 56	0.14 73	0.09 82	0.15 100	0.09 80	0.14 94	0.09 84	0.14 94	0.10 86	0.14 95	0.09 83	0.14 96	0.09 76	0.13 85	0.10 59	0.13 94	0.09 80	0.13 96	0.82 273

LALA_ROB	0.15 89	0.19 77	0.12 78	0.18 95	0.11 102	0.20 115	0.12 109	0.21 119	0.12 114	0.20 114	0.12 105	0.20 115	0.12 111	0.21 124	0.13 109	0.17 108	0.10 59	0.18 118	0.11 97	0.18 113	0.11 95

SGM_RVC	0.15 89	0.17 75	0.11 73	0.18 95	0.11 102	0.19 113	0.11 97	0.19 111	0.12 114	0.19 111	0.12 105	0.20 115	0.12 111	0.19 112	0.12 103	0.16 104	0.11 74	0.17 111	0.10 86	0.17 110	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
GMStereo_Zeroshot	0.16 95	0.16 71	0.16 112	0.16 88	0.16 132	0.16 105	0.16 119	0.16 106	0.16 128	0.16 104	0.16 128	0.16 105	0.16 126	0.16 105	0.16 125	0.16 104	0.16 112	0.16 106	0.16 123	0.16 107	0.16 115

qqq	0.16 95	2.01 297	0.12 78	0.15 82	0.04 54	0.06 63	0.05 63	0.06 65	0.04 55	0.06 67	0.03 40	0.06 68	0.03 42	0.06 58	0.03 37	0.12 73	0.14 107	0.04 48	0.04 52	0.03 39	0.03 39

DeepPruner_ROB	0.16 95	0.18 76	0.13 93	0.19 98	0.13 117	0.19 113	0.13 112	0.19 111	0.13 117	0.19 111	0.13 117	0.19 114	0.13 115	0.19 112	0.13 109	0.18 115	0.13 106	0.18 118	0.13 118	0.18 113	0.13 112

11t1	0.17 98	2.16 302	0.13 93	0.13 69	0.04 54	0.06 63	0.04 54	0.06 65	0.04 55	0.06 67	0.03 40	0.06 68	0.03 42	0.06 58	0.05 59	0.18 115	0.12 85	0.06 65	0.03 42	0.05 63	0.03 39

SFCPSM	0.17 98	0.78 170	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 273	0.02 14	0.75 251	0.76 266	0.02 20	0.02 19	0.02 19

BEATNet-Init1	0.19 100	0.08 44	0.08 47	2.23 345	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 75	0.07 80	0.11 90	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

DeepPrunerF	0.19 100	0.08 44	0.08 47	2.23 345	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 75	0.07 80	0.11 90	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

IGEV_Zeroshot_test	0.20 102	0.19 77	0.40 184	0.30 126	0.17 133	0.22 124	0.17 120	0.21 119	0.17 130	0.20 114	0.17 130	0.21 122	0.18 133	0.21 124	0.17 126	0.20 118	0.16 112	0.20 121	0.16 123	0.20 116	0.17 121

DAS	0.20 102	0.20 81	0.20 125	0.20 99	0.20 142	0.20 115	0.20 129	0.20 115	0.20 137	0.20 114	0.20 141	0.20 115	0.20 140	0.20 115	0.20 136	0.20 118	0.20 128	0.20 121	0.20 140	0.20 116	0.20 126

ACVNet	0.20 102	0.19 77	0.14 97	0.20 99	0.14 118	0.20 115	0.96 284	0.21 119	0.14 118	0.20 114	0.13 117	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	0.17 110	0.12 106

acv_ft	0.20 102	0.19 77	0.14 97	0.20 99	0.14 118	0.20 115	0.96 284	0.21 119	0.14 118	0.20 114	0.13 117	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	0.17 110	0.12 106

iResNetv2_ROB	0.20 102	0.23 89	0.18 121	0.24 113	0.20 142	0.24 131	0.18 124	0.24 129	0.18 131	0.24 132	0.18 138	0.23 130	0.19 137	0.24 136	0.18 132	0.21 121	0.16 112	0.21 123	0.16 123	0.22 122	0.16 115

iResNet	0.20 102	0.23 89	0.18 121	0.24 113	0.18 138	0.24 131	0.20 129	0.24 129	0.18 131	0.23 127	0.17 130	0.23 130	0.18 133	0.23 132	0.18 132	0.22 123	0.16 112	0.21 123	0.16 123	0.21 120	0.16 115

SuperB	0.21 108	0.10 52	2.51 376	0.12 59	0.09 82	0.10 79	0.09 80	0.08 77	0.07 79	0.10 78	0.09 82	0.09 79	0.07 80	0.07 72	0.07 71	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

WAO-6	0.22 109	0.23 89	0.22 128	0.23 108	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.22 128	0.22 143	0.22 122	0.22 129

IMH-64-1	0.22 109	0.23 89	0.23 130	0.22 106	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.23 132	0.22 143	0.22 122	0.23 131

IMH-64	0.22 109	0.23 89	0.23 130	0.22 106	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.23 132	0.22 143	0.22 122	0.23 131

ac_64	0.22 109	0.13 66	0.19 123	0.23 108	0.10 88	0.26 142	1.02 289	0.14 94	0.10 85	0.28 142	0.14 120	0.17 108	0.19 137	0.28 151	0.09 76	0.22 123	0.16 112	0.23 132	0.17 136	0.11 90	0.12 106

dd	0.23 113	0.98 191	0.16 112	0.23 108	0.15 127	0.23 130	0.15 116	0.23 126	0.15 126	0.23 127	0.15 127	0.24 134	0.17 128	0.23 132	0.15 120	0.22 123	0.15 110	0.21 123	0.15 122	0.22 122	0.16 115

dad	0.23 113	1.03 203	0.16 112	0.23 108	0.15 127	0.24 131	0.15 116	0.24 129	0.16 128	0.23 127	0.16 128	0.24 134	0.16 126	0.23 132	0.15 120	0.22 123	0.16 112	0.22 128	0.16 123	0.22 122	0.16 115

MSKI-zero shot	0.24 115	0.21 85	0.49 215	0.65 207	0.18 138	0.22 124	0.17 120	0.23 126	0.18 131	0.21 122	0.17 130	0.23 130	0.28 172	0.23 132	0.18 132	0.21 121	0.16 112	0.21 123	0.16 123	0.21 120	0.16 115

qqq1	0.25 116	3.70 335	0.14 97	0.14 73	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 85	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 116	3.70 335	0.14 97	0.14 73	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 85	0.06 65	0.05 67	0.03 39	0.04 53

UNDER WATER-64	0.25 116	0.26 97	0.25 138	0.26 122	0.25 158	0.25 135	0.25 147	0.25 132	0.25 149	0.25 133	0.25 159	0.25 137	0.25 151	0.26 147	0.25 152	0.25 141	0.25 138	0.25 138	0.25 156	0.25 130	0.25 141

DualNet	0.25 116	3.83 340	0.12 78	0.12 59	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 116	3.83 340	0.12 78	0.12 59	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 116	3.83 340	0.12 78	0.12 59	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 116	3.83 340	0.12 78	0.12 59	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

MIM_Stereo	0.25 116	0.23 89	0.66 237	0.80 223	0.17 133	0.22 124	0.17 120	0.23 126	0.18 131	0.26 140	0.17 130	0.21 122	0.17 128	0.25 138	0.17 126	0.23 132	0.16 112	0.21 123	0.17 136	0.22 122	0.17 121

LoS	0.25 116	0.27 98	0.25 138	0.25 116	0.25 158	0.25 135	0.25 147	0.26 136	0.25 149	0.25 133	0.25 159	0.25 137	0.25 151	0.25 138	0.25 152	0.26 142	0.25 138	0.25 138	0.26 162	0.26 131	0.25 141

Syn2CoEx	0.25 116	1.31 268	0.74 249	0.92 236	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 261	0.75 251	0.02 18	0.02 20	0.02 19	0.02 19

SQANet	0.28 126	0.28 100	0.28 147	0.28 124	0.28 168	0.28 146	0.28 161	0.28 138	0.28 168	0.28 142	0.28 172	0.28 147	0.28 172	0.28 151	0.28 162	0.28 147	0.28 151	0.28 147	0.28 172	0.28 136	0.28 164

HGLStereo	0.28 126	0.29 102	0.22 128	0.36 139	0.22 148	0.36 166	0.21 134	0.36 155	0.21 139	0.42 196	0.21 145	0.36 166	0.22 144	0.36 168	0.21 138	0.34 161	0.21 129	0.34 169	0.21 141	0.34 150	0.21 127

iResNet_ROB	0.28 126	0.32 105	0.24 136	0.32 132	0.25 158	0.32 160	0.24 145	0.32 145	0.24 146	0.33 153	0.24 155	0.35 161	0.24 149	0.33 161	0.24 147	0.31 156	0.24 137	0.32 155	0.24 153	0.32 142	0.24 140

UNet	0.29 129	0.90 180	0.10 56	0.14 73	0.10 88	0.14 94	0.10 85	0.91 262	0.69 264	0.14 94	0.11 98	0.14 95	0.11 98	0.14 96	0.10 81	0.12 73	0.09 55	0.12 91	0.09 80	0.88 250	0.76 268

LoS_RVC	0.30 130	1.14 209	0.25 138	0.25 116	0.25 158	0.26 142	0.25 147	0.25 132	0.25 149	0.25 133	0.25 159	0.26 145	0.26 160	0.26 147	0.25 152	0.26 142	0.26 141	0.25 138	0.25 156	0.26 131	0.26 147

CAS	0.30 130	1.17 213	0.25 138	0.25 116	0.25 158	0.26 142	0.25 147	0.25 132	0.26 162	0.25 133	0.25 159	0.25 137	0.25 151	0.25 138	0.25 152	0.26 142	0.26 141	0.26 141	0.25 156	0.26 131	0.25 141

DANet	0.30 130	0.30 103	0.30 153	0.30 126	0.30 182	0.30 150	0.30 170	0.30 143	0.30 179	0.30 145	0.30 182	0.30 153	0.30 180	0.30 155	0.30 175	0.30 154	0.30 167	0.30 153	0.30 188	0.30 141	0.30 175
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
tt1	0.31 133	0.93 187	0.24 136	0.33 134	0.23 152	0.31 153	0.24 145	0.32 145	0.24 146	0.32 151	0.23 149	0.32 157	0.25 151	0.32 157	0.24 147	0.27 145	0.26 141	0.27 145	0.26 162	0.27 134	0.27 152

xxxxx1	0.31 133	0.91 181	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

DLNR_Zeroshot_test	0.31 133	0.28 100	0.47 206	0.79 221	0.24 157	0.30 150	0.26 153	0.30 143	0.24 146	0.32 151	0.23 149	0.31 155	0.24 149	0.30 155	0.23 145	0.29 153	0.26 141	0.29 151	0.24 153	0.33 146	0.23 131

tt_ll	0.31 133	0.91 181	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

ff	0.31 133	0.91 181	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

RAFT + AFF	0.31 133	0.45 138	0.34 172	0.39 147	0.28 168	0.38 174	0.33 182	0.29 141	0.31 181	0.30 145	0.30 182	0.29 152	0.27 167	0.29 154	0.30 175	0.28 147	0.29 160	0.29 151	0.29 181	0.27 134	0.32 184

MLCV	0.31 133	0.35 106	0.27 144	0.35 135	0.28 168	0.35 163	0.27 156	0.35 151	0.28 168	0.36 160	0.27 167	0.35 161	0.27 167	0.35 163	0.27 158	0.34 161	0.27 146	0.34 169	0.27 168	0.34 150	0.27 152

DN-CSS_ROB	0.31 133	0.35 106	0.28 147	0.35 135	0.28 168	0.34 161	0.27 156	0.34 150	0.25 149	0.35 157	0.27 167	0.36 166	0.26 160	0.34 162	0.28 162	0.35 167	0.28 151	0.34 169	0.28 172	0.34 150	0.27 152

Any-RAFT	0.32 141	0.36 109	0.27 144	0.36 139	0.27 165	0.36 166	0.27 156	0.36 155	0.27 165	0.36 160	0.27 167	0.36 166	0.27 167	0.36 168	0.28 162	0.36 170	0.28 151	0.36 184	0.28 172	0.36 167	0.28 164

StereoDRNet-Refined	0.33 142	0.39 119	0.26 143	0.39 147	0.26 164	0.40 181	0.26 153	0.40 172	0.26 162	0.39 170	0.26 164	0.39 177	0.26 160	0.39 180	0.26 157	0.37 174	0.25 138	0.37 186	0.25 156	0.37 169	0.37 196
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iRaft-Stereo_5w	0.34 143	0.42 135	0.31 158	0.39 147	0.30 182	0.38 174	0.30 170	0.40 172	0.29 170	0.40 174	0.37 202	0.41 192	0.34 192	0.38 173	0.30 175	0.34 161	0.27 146	0.34 169	0.26 162	0.34 150	0.26 147

CSP-Net	0.34 143	1.29 266	1.19 284	1.36 322	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 333	1.21 335	0.03 34	0.09 80	0.02 19	0.09 79

iRaft-Stereo_20w	0.34 143	0.41 128	0.31 158	0.39 147	0.29 174	0.40 181	0.32 175	0.41 184	0.32 185	0.38 165	0.30 182	0.39 177	0.30 180	0.38 173	0.32 179	0.35 167	0.27 146	0.34 169	0.27 168	0.34 150	0.29 168

DGSMNet	0.34 143	0.41 128	0.27 144	0.41 167	0.28 168	0.41 195	0.28 161	0.41 184	0.27 165	0.41 185	0.27 167	0.42 208	0.27 167	0.41 195	0.28 162	0.40 188	0.29 160	0.40 199	0.28 172	0.40 184	0.27 152

CASnet	0.35 147	0.51 156	0.44 197	0.32 132	0.31 186	0.24 131	0.34 191	0.36 155	0.25 149	0.31 147	0.37 202	0.30 153	0.33 189	0.25 138	0.45 224	0.37 174	0.37 178	0.33 162	0.35 205	0.34 150	0.37 196
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
IGEV-Stereo	0.35 147	0.44 136	0.45 199	0.49 188	0.30 182	0.37 171	0.30 170	0.36 155	0.30 179	0.36 160	0.29 174	0.36 166	0.29 176	0.36 168	0.30 175	0.46 209	0.39 187	0.32 155	0.24 153	0.32 142	0.25 141
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ETE_ROB	0.35 147	0.35 106	0.35 175	0.35 135	0.35 206	0.35 163	0.35 193	0.35 151	0.35 196	0.35 157	0.35 198	0.35 161	0.35 194	0.35 163	0.35 195	0.35 167	0.35 174	0.35 179	0.35 205	0.35 161	0.35 192

RAFT-Test	0.36 150	0.37 110	0.33 165	0.41 167	0.32 189	0.41 195	0.32 175	0.41 184	0.32 185	0.41 185	0.32 186	0.41 192	0.32 185	0.41 195	0.33 182	0.37 174	0.29 160	0.37 186	0.29 181	0.38 175	0.31 180

DMCA	0.36 150	0.38 112	0.37 177	0.35 135	0.35 206	0.36 166	0.36 195	0.36 155	0.35 196	0.35 157	0.37 202	0.36 166	0.36 195	0.35 163	0.36 196	0.36 170	0.36 176	0.35 179	0.36 208	0.36 167	0.36 193

ACVNet-DCA	0.37 152	1.00 193	0.30 153	0.40 159	0.29 174	0.40 181	0.29 166	0.40 172	0.29 170	0.40 174	0.29 174	0.40 183	0.29 176	0.39 180	0.28 162	0.33 158	0.32 170	0.33 162	0.32 197	0.33 146	0.32 184

1test111	0.37 152	1.02 201	0.30 153	0.39 147	0.29 174	0.40 181	0.28 161	0.39 168	0.29 170	0.39 170	0.29 174	0.39 177	0.28 172	0.40 183	0.29 168	0.33 158	0.32 170	0.33 162	0.31 193	0.32 142	0.31 180

cc1	0.37 152	1.02 201	0.30 153	0.39 147	0.29 174	0.40 181	0.28 161	0.39 168	0.29 170	0.39 170	0.29 174	0.39 177	0.28 172	0.40 183	0.29 168	0.33 158	0.32 170	0.33 162	0.31 193	0.32 142	0.31 180

EKT-Stereo	0.37 152	0.40 121	0.44 197	1.07 251	0.29 174	0.34 161	0.31 174	0.36 155	0.29 170	0.38 165	0.31 185	0.37 171	0.30 180	0.36 168	0.29 168	0.34 161	0.28 151	0.39 196	0.30 188	0.37 169	0.30 175

GMOStereo	0.37 152	0.45 138	0.23 130	0.30 126	0.37 208	0.41 195	0.36 195	0.41 184	0.35 196	0.43 200	0.36 199	0.41 192	0.40 204	0.41 195	0.36 196	0.34 161	0.22 132	0.47 228	0.37 211	0.39 181	0.33 187

XPNet_ROB	0.37 152	0.37 110	0.37 177	0.37 142	0.37 208	0.37 171	0.37 199	0.37 161	0.37 202	0.37 164	0.37 202	0.37 171	0.37 197	0.37 172	0.37 202	0.37 174	0.37 178	0.37 186	0.37 211	0.37 169	0.37 196

WAO-8	0.38 158	0.38 112	0.38 179	0.38 143	0.38 213	0.38 174	0.38 204	0.38 164	0.38 204	0.38 165	0.38 207	0.38 173	0.38 199	0.38 173	0.38 203	0.38 181	0.38 182	0.38 192	0.37 211	0.38 175	0.38 200

WAO-7	0.38 158	0.38 112	0.38 179	0.38 143	0.38 213	0.38 174	0.38 204	0.38 164	0.38 204	0.38 165	0.38 207	0.38 173	0.38 199	0.38 173	0.38 203	0.38 181	0.38 182	0.38 192	0.38 217	0.38 175	0.38 200

xx1	0.38 158	1.03 203	0.31 158	0.40 159	0.31 186	0.41 195	0.28 161	0.40 172	0.29 170	0.40 174	0.29 174	0.40 183	0.29 176	0.40 183	0.29 168	0.34 161	0.33 173	0.34 169	0.32 197	0.34 150	0.32 184

Venus	0.38 158	0.38 112	0.38 179	0.38 143	0.38 213	0.37 171	0.38 204	0.37 161	0.37 202	0.41 185	0.37 202	0.39 177	0.37 197	0.38 173	0.38 203	0.37 174	0.38 182	0.38 192	0.37 211	0.37 169	0.38 200

IMH	0.38 158	0.38 112	0.38 179	0.38 143	0.38 213	0.38 174	0.38 204	0.38 164	0.38 204	0.42 196	0.38 207	0.40 183	0.38 199	0.38 173	0.38 203	0.38 181	0.38 182	0.39 196	0.38 217	0.38 175	0.38 200

HanzoNet	0.39 163	0.38 112	0.40 184	0.39 147	0.41 224	0.38 174	0.38 204	0.38 164	0.38 204	0.39 170	0.39 211	0.38 173	0.38 199	0.39 180	0.40 209	0.38 181	0.38 182	0.40 199	0.38 217	0.38 175	0.40 204

CES	0.39 163	0.47 144	0.36 176	0.36 139	0.37 208	0.45 217	0.35 193	0.35 151	0.40 210	0.36 160	0.44 227	0.47 217	0.36 195	0.44 209	0.36 196	0.37 174	0.39 187	0.44 221	0.35 205	0.37 169	0.36 193

PASM	0.39 163	3.06 326	1.36 346	1.58 326	0.09 82	0.11 90	0.11 97	0.11 90	0.11 99	0.09 77	0.09 82	0.11 91	0.09 83	0.09 78	0.09 76	0.11 68	0.11 74	0.11 88	0.09 80	0.11 90	0.11 95

knoymous	0.40 166	0.40 121	0.40 184	0.40 159	0.40 218	0.40 181	0.40 210	0.40 172	0.40 210	0.40 174	0.40 212	0.40 183	0.40 204	0.40 183	0.40 209	0.40 188	0.40 189	0.40 199	0.40 220	0.40 184	0.40 204

anonymousa	0.40 166	0.40 121	0.40 184	0.40 159	0.40 218	0.40 181	0.40 210	0.40 172	0.40 210	0.40 174	0.40 212	0.40 183	0.40 204	0.40 183	0.40 209	0.40 188	0.40 189	0.40 199	0.40 220	0.40 184	0.40 204

riskmin	0.40 166	0.40 121	0.40 184	0.40 159	0.40 218	0.40 181	0.40 210	0.40 172	0.40 210	0.40 174	0.40 212	0.40 183	0.40 204	0.40 183	0.40 209	0.40 188	0.40 189	0.40 199	0.40 220	0.40 184	0.40 204

Anonymous_2	0.40 166	0.40 121	0.40 184	0.40 159	0.40 218	0.40 181	0.40 210	0.40 172	0.40 210	0.40 174	0.40 212	0.40 183	0.40 204	0.40 183	0.40 209	0.40 188	0.40 189	0.40 199	0.40 220	0.40 184	0.40 204

Anonymous_1	0.40 166	0.40 121	0.40 184	0.40 159	0.40 218	0.40 181	0.40 210	0.40 172	0.40 210	0.40 174	0.40 212	0.40 183	0.40 204	0.40 183	0.40 209	0.40 188	0.40 189	0.40 199	0.40 220	0.40 184	0.40 204

AdaStereo	0.40 166	0.40 121	0.40 184	0.40 159	0.40 218	0.40 181	0.40 210	0.40 172	0.40 210	0.40 174	0.40 212	0.40 183	0.40 204	0.40 183	0.40 209	0.40 188	0.40 189	0.40 199	0.40 220	0.40 184	0.40 204
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.
GwcNet-ADL	0.41 172	0.41 128	0.41 192	0.41 167	0.41 224	0.41 195	0.41 216	0.41 184	0.41 219	0.41 185	0.41 218	0.41 192	0.41 214	0.41 195	0.41 216	0.41 195	0.41 198	0.41 210	0.41 226	0.41 192	0.41 211

PSMNet-ADL	0.41 172	0.41 128	0.41 192	0.41 167	0.41 224	0.41 195	0.41 216	0.41 184	0.41 219	0.41 185	0.41 218	0.41 192	0.41 214	0.41 195	0.41 216	0.41 195	0.41 198	0.41 210	0.41 226	0.41 192	0.41 211

GANet-ADL	0.41 172	0.41 128	0.41 192	0.41 167	0.41 224	0.41 195	0.41 216	0.41 184	0.41 219	0.41 185	0.41 218	0.41 192	0.41 214	0.41 195	0.41 216	0.41 195	0.41 198	0.41 210	0.41 226	0.41 192	0.41 211

ADLNet2	0.41 172	0.41 128	0.41 192	0.41 167	0.41 224	0.41 195	0.41 216	0.41 184	0.41 219	0.41 185	0.41 218	0.41 192	0.41 214	0.41 195	0.41 216	0.41 195	0.41 198	0.41 210	0.41 226	0.41 192	0.41 211

ADLNet	0.41 172	0.41 128	0.41 192	0.41 167	0.41 224	0.41 195	0.41 216	0.41 184	0.41 219	0.41 185	0.41 218	0.41 192	0.41 214	0.41 195	0.41 216	0.41 195	0.41 198	0.41 210	0.41 226	0.41 192	0.41 211

FCDSN-DC	0.41 172	0.59 164	0.64 232	0.54 197	0.33 198	0.50 234	0.37 199	0.42 200	0.40 210	0.61 242	0.43 226	0.50 235	0.49 236	0.38 173	0.32 179	0.28 147	0.23 136	0.26 141	0.22 143	0.35 161	0.28 164
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
psmorigin	0.41 172	0.46 140	0.33 165	0.49 188	0.33 198	0.49 228	0.33 182	0.49 214	0.33 188	0.49 218	0.33 189	0.49 224	0.33 189	0.51 231	0.33 182	0.41 195	0.30 167	0.41 210	0.30 188	0.79 240	0.29 168

Gwc-CoAtRS	0.41 172	1.49 274	0.32 161	0.42 175	0.32 189	0.41 195	0.32 175	0.41 184	0.33 188	0.41 185	0.32 186	0.41 192	0.32 185	0.41 195	0.32 179	0.39 186	0.28 151	0.39 196	0.28 172	0.40 184	0.28 164

UPFNet	0.42 180	1.20 217	0.17 116	0.24 113	0.17 133	0.25 135	0.17 120	1.19 285	0.90 282	0.25 133	0.17 130	0.24 134	0.17 128	0.25 138	0.17 126	0.22 123	0.17 124	0.22 128	0.16 123	1.15 269	0.93 281

psmg	0.43 181	1.91 289	0.92 264	1.91 335	0.02 20	0.02 18	0.03 39	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 358	1.44 349	0.04 48	0.03 42	0.02 19	0.03 39

delet	0.43 181	1.21 263	0.17 116	0.25 116	0.17 133	0.25 135	0.18 124	1.26 337	0.95 289	0.25 133	0.17 130	0.25 137	0.17 128	0.25 138	0.17 126	0.23 132	0.16 112	0.22 128	0.16 123	1.18 277	0.98 284

psm_up	0.43 181	1.19 216	0.17 116	0.25 116	0.18 138	0.25 135	0.19 127	1.26 337	0.91 283	0.26 140	0.17 130	0.25 137	0.17 128	0.25 138	0.17 126	0.22 123	0.17 124	0.23 132	0.16 123	1.18 277	0.99 285

MMNet	0.44 184	1.24 265	0.17 116	0.25 116	0.17 133	0.25 135	0.18 124	1.26 337	0.93 288	0.25 133	0.17 130	0.25 137	0.18 133	0.25 138	0.17 126	0.23 132	0.16 112	0.23 132	0.16 123	1.20 280	0.99 285

TorneroNet-64	0.45 185	0.27 98	0.30 153	0.58 201	0.27 165	0.70 254	0.30 170	0.28 138	0.73 271	0.73 254	0.28 172	0.71 253	0.66 254	0.75 259	0.27 158	0.27 145	0.29 160	0.37 186	0.75 274	0.28 136	0.30 175

otaku	0.46 186	0.46 140	0.46 201	0.46 178	0.46 234	0.46 218	0.46 224	0.46 204	0.46 226	0.46 204	0.46 230	0.46 212	0.46 222	0.46 212	0.46 226	0.46 209	0.46 205	0.46 224	0.46 233	0.46 199	0.46 219

Dean	0.46 186	0.46 140	0.46 201	0.46 178	0.46 234	0.46 218	0.46 224	0.46 204	0.46 226	0.47 209	0.46 230	0.46 212	0.46 222	0.46 212	0.46 226	0.46 209	0.46 205	0.46 224	0.46 233	0.46 199	0.46 219

ACVNet_1	0.46 186	0.47 144	0.46 201	0.46 178	0.46 234	0.46 218	0.46 224	0.46 204	0.47 229	0.46 204	0.46 230	0.46 212	0.46 222	0.46 212	0.46 226	0.46 209	0.46 205	0.47 228	0.46 233	0.46 199	0.46 219

ACVNet-4b	0.46 186	0.46 140	0.46 201	0.46 178	0.46 234	0.46 218	0.46 224	0.46 204	0.46 226	0.46 204	0.46 230	0.46 212	0.46 222	0.47 215	0.46 226	0.46 209	0.46 205	0.46 224	0.46 233	0.46 199	0.46 219

PML	0.46 186	1.36 271	0.29 149	0.58 201	0.30 182	0.57 245	0.29 166	0.57 232	0.29 170	0.57 238	0.29 174	0.57 244	0.29 176	0.56 239	0.29 168	0.52 227	0.30 167	0.53 245	0.31 193	0.53 218	0.30 175

Ntro	0.47 191	0.47 144	0.46 201	0.46 178	0.46 234	0.47 222	0.47 230	0.46 204	0.47 229	0.46 204	0.46 230	0.47 217	0.46 222	0.47 215	0.47 230	0.47 214	0.46 205	0.46 224	0.46 233	0.46 199	0.46 219

HaxPig	0.47 191	0.47 144	0.47 206	0.49 188	0.47 239	0.47 222	0.47 230	0.47 209	0.47 229	0.47 209	0.47 237	0.47 217	0.47 231	0.47 215	0.47 230	0.47 214	0.47 211	0.47 228	0.47 239	0.47 205	0.48 227

UNDER WATER	0.47 191	0.47 144	0.47 206	0.47 183	0.47 239	0.47 222	0.47 230	0.47 209	0.47 229	0.47 209	0.47 237	0.47 217	0.46 222	0.47 215	0.47 230	0.47 214	0.47 211	0.47 228	0.46 233	0.47 205	0.47 224

LVE	0.47 191	0.47 144	0.47 206	0.47 183	0.49 244	0.47 222	0.47 230	0.47 209	0.49 236	0.47 209	0.47 237	0.47 217	0.46 222	0.47 215	0.47 230	0.47 214	0.47 211	0.48 236	0.47 239	0.47 205	0.47 224

SPstereo	0.47 191	0.38 112	0.51 219	0.56 199	0.31 186	0.67 252	0.44 222	0.55 228	0.31 181	0.61 242	0.44 227	0.46 212	0.52 241	0.67 250	0.42 222	0.48 218	0.40 189	0.47 228	0.36 208	0.53 218	0.33 187

RainbowNet	0.48 196	0.48 150	0.48 211	0.48 186	0.48 241	0.48 226	0.48 235	0.48 212	0.48 234	0.48 213	0.48 240	0.48 222	0.48 232	0.48 220	0.48 235	0.48 218	0.48 215	0.48 236	0.48 242	0.48 208	0.48 227

notaker	0.48 196	0.49 151	0.48 211	0.48 186	0.48 241	0.48 226	0.48 235	0.48 212	0.49 236	0.48 213	0.48 240	0.48 222	0.48 232	0.48 220	0.48 235	0.48 218	0.48 215	0.48 236	0.48 242	0.48 208	0.49 230

LL-Strereo2	0.48 196	1.73 284	0.51 219	0.59 203	0.34 204	0.42 211	0.33 182	0.40 172	0.31 181	0.42 196	0.33 189	0.42 208	0.31 184	0.44 209	0.39 208	0.60 233	0.51 222	0.44 221	0.33 202	0.44 198	0.33 187

ACVNet_2	0.49 199	0.49 151	0.49 215	0.49 188	0.49 244	0.49 228	0.49 238	0.49 214	0.49 236	0.49 218	0.49 244	0.49 224	0.49 236	0.49 226	0.49 238	0.49 221	0.49 217	0.49 239	0.49 244	0.49 210	0.49 230

SANet	0.50 200	0.50 153	0.50 217	0.50 194	0.50 247	0.50 234	0.50 240	0.50 221	0.50 239	0.50 227	0.50 246	0.50 235	0.50 239	0.50 230	0.50 239	0.50 225	0.50 221	0.50 242	0.50 245	0.50 214	0.50 233

Selective-IGEV	0.51 201	0.55 163	0.45 199	0.69 210	0.45 233	0.61 247	0.45 223	0.50 221	0.40 210	0.56 237	0.44 227	0.55 240	0.40 204	0.72 255	0.67 259	0.59 231	0.46 205	0.45 223	0.34 203	0.46 199	0.37 196

RCA-Stereo	0.51 201	3.22 330	0.34 172	0.44 176	0.34 204	0.44 216	0.34 191	0.43 202	0.34 195	0.43 200	0.34 195	0.44 211	0.33 189	0.43 207	0.33 182	0.38 181	0.29 160	0.38 192	0.29 181	0.38 175	0.29 168

FENet	0.54 203	1.52 275	1.19 284	1.41 325	0.23 152	0.35 163	0.23 141	0.35 151	0.23 145	0.34 155	0.23 149	0.35 161	0.23 148	0.35 163	0.23 145	1.40 342	1.07 270	0.32 155	0.23 148	0.33 146	0.23 131

PSMNet_ROB	0.54 203	0.54 161	0.54 221	0.54 197	0.53 251	0.54 239	0.54 243	0.53 226	0.54 247	0.54 233	0.54 252	0.54 237	0.53 243	0.54 234	0.54 243	0.54 229	0.53 225	0.54 246	0.54 246	0.54 220	0.54 236

CFNet-ft	0.55 205	1.57 276	0.14 97	0.20 99	0.14 118	0.20 115	2.53 379	1.61 346	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	1.56 337	1.24 352

MyStereo04	0.56 206	3.72 338	0.59 225	0.49 188	0.41 224	0.36 166	0.32 175	0.37 161	0.31 181	0.34 155	0.46 230	0.35 161	0.32 185	0.35 163	0.33 182	0.49 221	0.45 203	0.34 169	0.32 197	0.35 161	0.43 216

CASS	0.57 207	0.89 178	0.56 222	0.57 200	0.56 253	0.56 241	0.56 244	0.56 230	0.53 243	0.57 238	0.57 255	0.59 245	0.48 232	0.56 239	0.57 247	0.55 230	0.56 228	0.47 228	0.56 250	0.62 221	0.56 243
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
MyStereo07	0.60 208	3.72 338	0.48 211	0.49 188	0.41 224	0.36 166	0.32 175	0.49 214	0.43 224	0.51 228	0.42 224	0.49 224	0.43 219	0.51 231	0.64 255	0.49 221	0.45 203	0.34 169	0.32 197	0.35 161	0.43 216

whm_eth	0.63 209	1.48 273	0.47 206	0.71 214	0.48 241	0.71 256	0.48 235	0.71 246	0.48 234	0.71 252	0.48 240	0.71 253	0.48 232	0.72 255	0.48 235	0.71 246	0.47 211	0.71 259	0.47 239	0.71 230	0.47 224

anonymity	0.63 209	0.69 166	0.56 222	0.71 214	0.56 253	0.71 256	0.56 244	0.71 246	0.56 248	0.72 253	0.56 253	0.71 253	0.56 245	0.71 254	0.58 250	0.68 239	0.55 226	0.68 253	0.55 247	0.68 224	0.54 236

CRFU-Net	0.65 211	1.67 279	1.22 334	1.96 338	0.27 165	0.41 195	0.27 156	0.41 184	0.27 165	0.40 174	0.26 164	0.41 192	0.27 167	0.40 183	0.27 158	1.80 352	1.62 354	0.34 169	0.23 148	0.33 146	0.23 131

LMCR-Stereo	0.65 211	0.63 165	0.65 236	0.65 207	0.65 264	0.66 251	0.63 252	0.58 234	0.65 257	0.63 245	0.64 262	0.65 249	0.65 252	0.66 248	0.66 258	0.66 237	0.64 237	0.65 251	0.67 265	0.68 224	0.73 263

KSHMR	0.66 213	0.50 153	0.48 211	1.15 260	0.52 249	0.49 228	0.51 242	0.49 214	0.71 269	0.67 248	0.50 246	1.16 297	1.11 286	0.66 248	0.52 242	0.49 221	0.49 217	0.51 243	0.66 262	0.50 214	1.14 299

TorneroNet	0.66 213	0.53 158	0.50 217	0.50 194	0.64 263	1.06 285	0.70 263	0.50 221	0.51 241	0.49 218	0.69 271	0.49 224	0.50 239	0.48 220	1.15 297	0.71 246	0.49 217	1.14 294	1.08 292	0.49 210	0.49 230

GES	0.66 213	2.34 307	0.29 149	0.41 167	0.29 174	0.41 195	0.29 166	0.42 200	0.29 170	0.40 174	0.41 218	0.41 192	0.30 180	0.51 231	0.29 168	0.32 157	0.29 160	0.32 155	2.46 382	2.49 355	0.30 175

cf-r	0.66 213	2.17 303	0.12 78	0.18 95	0.12 114	0.18 110	2.70 382	2.60 368	0.12 114	0.18 110	0.12 105	0.18 111	0.12 111	0.18 110	0.12 103	0.15 97	0.11 74	0.15 105	0.11 97	1.81 341	1.74 373

DSFCA	0.66 213	0.73 169	0.78 253	0.65 207	0.65 264	0.64 250	0.64 253	0.65 241	0.63 256	0.64 246	0.64 262	0.64 247	0.64 250	0.65 247	0.65 256	0.65 236	0.65 238	0.65 251	0.65 260	0.66 222	0.64 251

ssnet_v2	0.68 218	1.96 296	1.25 338	0.29 125	0.20 142	0.30 150	0.20 129	0.29 141	0.22 140	1.50 348	0.20 141	0.31 155	0.20 140	0.27 149	0.22 140	0.24 137	1.49 350	0.26 141	0.18 138	3.90 367	0.19 125

ARAFT	0.68 218	0.81 175	0.63 230	0.74 217	0.60 255	0.78 263	0.62 251	0.77 251	0.66 259	0.74 258	0.63 260	0.75 259	0.62 249	0.83 265	0.60 252	0.70 243	0.55 226	0.70 258	0.60 254	0.78 238	0.55 240

NINENet	0.69 220	3.87 344	1.20 287	1.98 339	0.05 69	0.40 181	0.04 54	0.40 172	0.05 68	0.41 185	0.04 63	0.41 192	0.05 64	0.40 183	0.05 59	1.79 351	1.56 352	0.34 169	0.22 143	0.34 150	0.23 131

RAFT-Stereo + iAFF	0.70 221	0.72 168	0.71 245	0.80 223	0.62 262	0.82 267	0.61 248	0.81 256	0.62 254	0.81 265	0.63 260	0.80 266	0.70 261	0.73 257	0.61 254	0.76 249	0.61 235	0.74 262	0.61 256	0.77 237	0.61 247

DMCA-RVC	0.70 221	0.80 172	0.70 243	0.70 212	0.70 273	0.70 254	0.70 263	0.71 246	0.70 266	0.70 251	0.71 274	0.71 253	0.70 261	0.70 253	0.69 266	0.69 240	0.70 247	0.69 256	0.70 270	0.69 228	0.70 258

HH	0.71 223	2.54 310	0.74 249	1.10 253	0.32 189	0.41 195	0.37 199	0.69 244	0.78 274	0.73 254	0.90 286	0.75 259	1.00 279	0.84 266	0.69 266	0.69 240	0.40 189	0.35 179	0.26 162	0.35 161	0.26 147

HanStereo	0.71 223	2.54 310	0.74 249	1.10 253	0.32 189	0.41 195	0.37 199	0.69 244	0.78 274	0.73 254	0.90 286	0.75 259	1.00 279	0.84 266	0.69 266	0.69 240	0.40 189	0.35 179	0.26 162	0.35 161	0.26 147

ktn	0.72 225	0.53 158	1.08 275	1.14 258	0.51 248	1.22 344	1.36 356	0.51 225	0.59 250	0.51 228	0.51 249	0.69 252	1.20 297	0.67 250	0.51 241	0.51 226	0.49 217	0.58 247	0.66 262	0.52 216	0.53 235

CroCo-Stereo	0.73 226	1.22 264	0.25 138	1.22 314	0.25 158	1.22 344	0.25 147	1.22 334	0.25 149	1.22 341	0.25 159	1.22 346	0.25 151	1.22 345	0.25 152	1.22 332	0.26 141	1.21 349	0.25 156	1.22 327	0.25 141
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	0.73 226	0.88 177	0.67 239	0.75 218	0.68 272	0.75 258	0.64 253	0.80 253	0.72 270	0.83 266	0.70 272	0.82 269	0.64 250	0.84 266	0.67 259	0.77 250	0.63 236	0.81 272	0.63 259	0.78 238	0.62 249

MyStereo06	0.75 228	4.12 345	0.60 226	0.63 205	0.61 259	0.62 248	0.66 256	0.56 230	0.45 225	0.55 235	0.48 240	0.54 237	0.46 222	0.57 241	0.45 224	0.60 233	0.57 229	0.64 249	0.55 247	0.72 231	0.55 240

GANet-RSSM	0.75 228	1.91 289	0.14 97	0.47 183	0.14 118	0.21 122	3.21 387	2.30 365	0.14 118	0.46 204	0.14 120	0.23 130	0.18 133	0.21 124	0.14 112	0.18 115	0.27 146	0.37 186	0.13 118	2.13 349	2.12 375

CroCo-Stereo Lap2	0.77 230	1.29 266	0.29 149	1.27 317	0.29 174	1.27 347	0.26 153	1.26 337	0.26 162	1.26 342	0.26 164	1.27 347	0.26 160	1.26 346	0.27 158	1.27 334	0.27 146	1.27 352	0.27 168	1.27 329	0.27 152

PSMNet-RSSM	0.77 230	2.76 319	0.14 97	0.20 99	0.14 118	0.20 115	2.66 380	2.79 372	0.14 118	0.21 122	0.14 120	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.52 356	2.31 377

GwcNet-RSSM	0.77 230	2.77 321	0.14 97	0.20 99	0.14 118	0.20 115	2.67 381	2.78 371	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.21 124	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.52 356	2.31 377

4D-IteraStereo	0.78 233	3.13 327	0.89 259	0.69 210	0.32 189	0.40 181	0.32 175	0.76 250	0.97 291	0.52 231	0.65 266	0.89 273	0.32 185	0.76 260	0.98 286	0.83 257	0.94 265	0.35 179	0.27 168	0.70 229	0.89 278

hitnet-ft	0.79 234	2.78 322	0.14 97	0.20 99	0.14 118	0.21 122	2.89 383	2.80 373	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.54 358	2.33 379

G-Net	0.79 234	0.79 171	0.79 255	0.79 221	0.79 282	0.79 264	0.79 270	0.79 252	0.79 277	0.79 260	0.79 281	0.79 265	0.79 269	0.79 261	0.79 273	0.79 251	0.79 253	0.79 268	0.79 277	0.79 240	0.79 269

MyStereo05	0.80 236	4.12 345	0.63 230	0.63 205	0.61 259	0.62 248	0.66 256	0.65 241	0.62 254	0.67 248	0.61 258	0.65 249	0.58 246	0.67 250	0.55 246	0.60 233	0.57 229	0.64 249	0.55 247	0.72 231	0.55 240

UDG	0.80 236	2.21 304	0.60 226	0.91 233	0.60 255	0.90 273	0.58 246	0.88 260	0.60 251	0.90 268	0.60 256	0.88 271	0.60 248	0.90 273	0.58 250	0.86 260	0.60 231	0.84 275	0.59 253	0.84 248	0.61 247

ccnet	0.80 236	2.28 306	0.33 165	0.50 194	0.33 198	0.50 234	0.33 182	0.50 221	0.33 188	0.49 218	0.33 189	0.49 224	1.56 358	2.38 368	0.33 182	0.41 195	0.29 160	0.42 219	1.57 365	2.28 351	0.29 168

NaN_ROB	0.80 236	0.80 172	0.80 256	0.80 223	0.80 284	0.80 265	0.80 272	0.80 253	0.80 278	0.80 261	0.80 282	0.80 266	0.80 270	0.80 262	0.80 275	0.80 252	0.80 256	0.80 270	0.80 278	0.80 243	0.80 270

CSAN	0.80 236	0.80 172	0.80 256	0.80 223	0.80 284	0.80 265	0.80 272	0.80 253	0.80 278	0.80 261	0.80 282	0.80 266	0.80 270	0.80 262	0.80 275	0.80 252	0.80 256	0.80 270	0.80 278	0.80 243	0.80 270

BSDual-CNN	0.81 241	1.91 289	0.92 264	4.48 370	0.02 20	0.42 211	0.06 75	0.41 184	0.02 20	0.48 213	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 358	4.19 377	0.33 162	0.23 148	0.34 150	0.27 152

DDUNet	0.81 241	2.45 308	0.57 224	0.90 230	0.60 255	0.88 270	0.59 247	0.90 261	0.60 251	0.88 267	0.60 256	0.90 274	0.58 246	0.88 270	0.60 252	0.84 259	0.60 231	0.86 277	0.57 251	0.86 249	0.60 246

R-Stereo Train	0.81 241	0.96 189	0.67 239	0.95 240	0.67 270	0.95 278	0.68 260	0.95 270	0.68 261	0.95 276	0.68 269	0.96 281	0.68 259	0.96 281	0.68 262	0.94 267	0.68 242	0.94 282	0.68 266	0.94 258	0.68 256

RAFT-Stereo	0.81 241	0.96 189	0.67 239	0.95 240	0.67 270	0.95 278	0.68 260	0.95 270	0.68 261	0.95 276	0.68 269	0.96 281	0.68 259	0.96 281	0.68 262	0.94 267	0.68 242	0.94 282	0.68 266	0.94 258	0.68 256
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
gwcnet-sp	0.82 245	1.72 280	1.48 352	0.39 147	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 350	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 340	0.32 155	0.16 123	6.75 389	0.23 131

scenet	0.82 245	1.72 280	1.48 352	0.39 147	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 350	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 340	0.32 155	0.16 123	6.75 389	0.23 131

ssnet	0.82 245	1.72 280	1.48 352	0.39 147	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 350	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 340	0.32 155	0.16 123	6.75 389	0.23 131

BUS	0.83 248	1.91 289	0.92 264	4.48 370	0.02 20	0.40 181	0.04 54	0.41 184	0.02 20	0.48 213	0.03 40	0.41 192	0.05 64	0.03 33	0.05 59	1.97 358	4.19 377	0.33 162	0.23 148	0.34 150	0.27 152

PDISCO_ROB	0.83 248	2.80 323	3.49 381	0.14 73	0.11 102	0.17 108	0.09 80	0.15 105	0.10 85	0.15 100	0.12 105	0.16 105	0.14 117	3.30 379	0.13 109	0.14 90	2.34 369	0.16 106	0.12 110	2.62 359	0.10 83

MyStereo03	0.84 250	4.93 358	0.68 242	0.90 230	0.74 279	0.56 241	0.46 224	0.55 228	0.52 242	0.74 258	0.56 253	0.56 242	0.46 222	0.81 264	0.54 243	0.59 231	0.52 223	0.75 263	0.68 266	0.68 224	0.65 252

DCRE	0.84 250	1.89 288	0.77 252	0.94 238	0.72 276	0.88 270	0.73 266	0.87 258	0.78 274	0.90 268	0.71 274	0.88 271	0.67 258	0.88 270	0.73 270	0.81 255	0.68 242	0.81 272	0.70 270	0.82 247	0.70 258

iGMRVC	0.84 250	2.85 324	0.72 246	0.72 216	0.73 277	0.77 261	0.79 270	0.73 249	0.74 273	0.73 254	0.72 276	0.73 257	0.76 267	0.73 257	0.73 270	0.72 248	0.73 249	0.73 261	0.72 273	0.73 236	0.72 261

MyStereo02	0.85 253	4.58 353	0.64 232	0.76 219	0.65 264	0.75 258	0.61 248	0.60 236	0.53 243	0.80 261	0.64 262	0.78 262	0.66 254	0.55 236	0.57 247	0.70 243	0.66 240	0.68 253	0.62 257	0.72 231	0.59 244

MyStereo	0.85 253	4.58 353	0.64 232	0.76 219	0.65 264	0.75 258	0.61 248	0.60 236	0.53 243	0.80 261	0.64 262	0.78 262	0.66 254	0.55 236	0.57 247	0.70 243	0.66 240	0.68 253	0.62 257	0.72 231	0.59 244

GEStereo_RVC	0.86 255	4.45 350	0.20 125	0.27 123	0.20 142	0.27 145	0.20 129	0.26 136	0.18 131	5.03 393	0.20 141	0.27 146	0.19 137	0.27 149	0.21 138	0.20 118	0.19 127	0.19 120	4.02 394	0.20 116	0.18 124

Selective-RAFT-Error	0.88 256	0.84 176	0.98 269	0.86 228	0.97 296	0.88 270	0.95 283	0.84 257	0.99 293	0.92 271	0.82 284	0.84 270	0.98 278	0.87 269	0.97 285	0.81 255	0.83 259	0.79 268	0.82 281	0.79 240	0.85 275

IER	0.88 256	7.04 365	2.23 370	2.75 357	0.28 168	0.43 215	0.25 147	0.39 168	0.25 149	0.41 185	0.27 167	0.39 177	0.25 151	0.40 183	0.28 162	0.37 174	0.28 151	0.37 186	0.25 156	0.37 169	0.25 141

Selective-RAFT	0.89 258	0.89 178	0.72 246	1.16 265	0.78 281	1.06 285	0.82 274	0.87 258	0.97 291	1.00 278	0.91 288	0.90 274	1.00 279	0.89 272	0.93 284	0.83 257	0.83 259	0.82 274	0.82 281	0.81 246	0.82 273

CFNet-RSSM	0.91 259	4.89 357	0.34 172	0.44 176	1.07 302	1.62 356	1.40 362	0.91 262	0.35 196	1.60 349	1.39 361	0.64 247	0.34 192	0.44 209	0.33 182	0.41 195	0.35 174	0.75 263	0.30 188	0.41 192	0.29 168

ToySt	0.92 260	2.11 298	0.90 261	0.95 240	0.79 282	0.99 280	0.78 269	0.94 269	0.81 281	0.94 275	0.78 280	0.95 280	0.77 268	0.94 277	0.86 278	0.91 262	0.79 253	0.85 276	0.77 275	0.89 251	0.73 263

DPSM_ROB	0.92 260	0.91 181	0.91 262	0.91 233	0.92 292	0.92 275	0.92 279	0.92 265	0.91 283	0.93 273	0.91 288	0.92 276	0.90 273	0.91 274	0.92 280	0.92 263	0.91 261	0.91 279	0.92 284	0.93 256	0.93 281

DPSM	0.92 260	0.91 181	0.91 262	0.91 233	0.92 292	0.92 275	0.92 279	0.92 265	0.91 283	0.93 273	0.91 288	0.92 276	0.90 273	0.91 274	0.92 280	0.92 263	0.91 261	0.91 279	0.92 284	0.93 256	0.93 281

pmcnn	0.92 260	0.92 186	0.92 264	0.92 236	0.92 292	0.92 275	0.92 279	0.92 265	0.92 287	0.92 271	0.92 291	0.92 276	0.92 275	0.92 276	0.92 280	0.92 263	0.92 263	0.92 281	0.92 284	0.92 255	0.92 280

error version	0.93 264	4.47 351	2.35 373	1.99 340	0.37 208	0.41 195	0.36 195	0.41 184	0.35 196	0.43 200	0.36 199	0.41 192	0.40 204	0.41 195	0.36 196	1.87 354	2.16 365	0.47 228	0.37 211	0.39 181	0.33 187

test_1	0.93 264	4.47 351	2.35 373	1.99 340	0.37 208	0.41 195	0.36 195	0.41 184	0.35 196	0.43 200	0.36 199	0.41 192	0.40 204	0.41 195	0.36 196	1.87 354	2.16 365	0.47 228	0.37 211	0.39 181	0.33 187

DGTPSM_ROB	0.93 264	1.00 193	0.92 264	0.94 238	0.96 295	0.91 274	0.92 279	0.91 262	0.96 290	0.91 270	0.96 292	0.93 279	0.92 275	0.94 277	0.92 280	0.92 263	0.92 263	0.90 278	0.92 284	0.94 258	0.91 279

HSM-Net_RVC	0.95 267	1.17 213	0.78 253	1.18 267	0.71 274	1.16 297	0.75 268	1.09 277	0.80 278	1.10 285	0.75 279	1.17 298	0.74 265	1.17 297	0.80 275	1.13 282	0.73 249	1.17 300	0.77 275	1.16 271	0.72 261
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iRaftStereo_RVC	0.97 268	3.17 329	2.30 372	2.42 352	0.38 213	0.54 239	0.38 204	0.54 227	0.38 204	0.54 233	0.38 207	0.54 237	0.38 199	0.54 234	0.38 203	2.38 368	2.34 369	0.49 239	0.36 208	0.49 210	0.36 193

DPSimNet_ROB	0.97 268	1.18 215	0.81 258	1.10 253	0.91 291	1.02 284	0.82 274	1.04 275	0.91 283	1.03 282	0.86 285	1.28 348	0.82 272	1.03 286	0.89 279	1.17 284	0.81 258	1.02 291	0.82 281	1.08 265	0.81 272

test-3	0.98 270	4.13 347	1.85 365	1.85 332	0.61 259	0.69 253	0.37 199	0.63 240	0.61 253	0.66 247	0.51 249	0.73 257	0.44 220	0.57 241	0.54 243	1.68 349	1.81 363	0.40 199	0.43 232	0.66 222	0.50 233

GANet	1.00 271	1.00 193	1.00 271	1.00 246	1.00 297	1.00 281	1.00 286	1.00 272	1.00 294	1.00 278	1.00 293	1.00 283	1.00 279	1.00 283	1.00 288	1.00 269	1.00 266	1.00 288	1.00 288	1.00 261	1.00 287

TDLM	1.00 271	1.00 193	1.00 271	1.00 246	1.00 297	1.00 281	1.00 286	1.00 272	1.00 294	1.00 278	1.00 293	1.00 283	1.00 279	1.00 283	1.00 288	1.00 269	1.00 266	1.00 288	1.00 288	1.00 261	1.00 287

CVANet_RVC	1.00 271	1.00 193	1.00 271	1.00 246	1.00 297	1.00 281	1.00 286	1.00 272	1.00 294	1.00 278	1.00 293	1.00 283	1.00 279	1.00 283	1.00 288	1.00 269	1.00 266	1.00 288	1.00 288	1.00 261	1.00 287

LL-Strereo	1.01 274	5.06 360	1.63 355	0.70 212	1.43 367	0.56 241	0.46 224	0.57 232	0.50 239	0.57 238	0.50 246	1.58 353	0.49 236	0.59 243	0.50 239	1.64 348	0.52 223	0.51 243	1.37 356	0.52 216	0.45 218

GLC_STEREO	1.07 275	1.01 198	1.06 274	1.07 251	1.05 301	1.06 285	1.08 291	1.08 276	1.05 298	1.07 283	1.06 296	1.08 287	1.05 285	1.06 287	1.10 292	1.07 273	1.09 276	1.05 292	1.05 291	1.06 264	1.12 295

FC-DCNN	1.07 275	1.09 205	0.98 269	0.89 229	0.52 249	1.41 353	0.91 278	1.21 333	1.24 356	1.96 357	2.05 381	1.91 357	1.30 350	1.27 347	1.08 291	0.80 252	0.60 231	0.58 247	0.41 226	0.68 224	0.54 236

hknet	1.10 277	1.85 287	3.49 381	4.48 370	0.02 20	0.42 211	0.06 75	0.41 184	0.02 20	0.48 213	0.03 40	0.41 192	0.03 42	0.42 206	0.03 37	4.39 381	4.19 377	0.33 162	0.23 148	0.34 150	0.27 152

test_xeample3	1.10 277	1.81 285	0.61 228	0.84 227	0.49 244	0.77 261	0.66 256	0.92 265	1.40 365	0.68 250	0.46 230	0.78 262	0.54 244	1.72 353	1.48 362	1.34 338	1.52 351	1.35 354	1.67 369	1.33 330	1.55 365

DISCO	1.11 279	0.39 119	5.28 388	0.39 147	0.20 142	0.39 180	0.27 156	0.39 168	0.22 140	0.38 165	0.20 141	0.38 173	0.20 140	6.95 401	0.22 140	0.30 154	0.21 129	0.27 145	0.21 141	5.25 382	0.21 127

AEACV	1.12 280	0.52 157	3.12 379	3.24 363	0.86 286	0.53 238	0.49 238	0.60 236	0.47 229	0.53 232	0.49 244	0.55 240	0.45 221	0.55 236	0.47 230	3.01 373	3.88 375	0.71 259	0.60 254	0.80 243	0.48 227

MSMD_ROB	1.19 281	1.10 208	0.70 243	1.10 253	0.60 255	1.10 290	0.70 263	1.10 278	0.70 266	1.10 285	0.70 272	1.10 291	0.70 261	7.00 402	0.70 269	1.10 276	0.70 247	1.10 293	0.70 270	1.10 266	0.70 258

DisPM	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

CrosDoStereo	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

PFNet+	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

LCNet	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

HHNet	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

Patchmatch Stereo++	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304
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
AAGNet	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

STrans-v2	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

TransformOpticalFlow	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

OMP-Stereo	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

IIG-Stereo	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

NF-Stereo	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

OCTAStereo	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

PSM-softLoss	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

KMStereo	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

NRIStereo	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

PSM-adaLoss	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

PSM-AAD	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

FTStereo	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

ROB_FTStereo_v2	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

ROB_FTStereo	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

Consistency-Raft	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

KYRaft	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

HUI-Stereo	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

ASMatch	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

DeepStereo_LL	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

DEmStereo	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

SST-Stereo	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

THIR-Stereo	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

RAFT_R40	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

DRaft	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

PFNet	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

GrayStereo	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

RE-Stereo	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

Pruner-Stereo	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

TVStereo	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

DeepStereo_RVC	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

RAFT-RH_RVC	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

IRAFT_RVC	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

RAFT-345	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

iRAFT	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

CRE-IMP	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

GMM-Stereo	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

RAFT-IKP	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

Prome-Stereo	1.20 282	1.20 217	1.20 287	1.20 269	1.20 312	1.20 298	1.20 302	1.20 288	1.20 308	1.20 295	1.20 305	1.20 300	1.20 297	1.20 299	1.20 304	1.20 286	1.20 289	1.20 304	1.20 303	1.20 280	1.20 304

HCRNet	1.22 327	7.11 366	3.00 378	3.55 366	0.33 198	0.29 149	0.14 113	0.19 111	0.15 126	0.33 153	0.29 174	0.25 137	0.14 117	0.22 128	0.33 182	3.64 377	3.00 372	0.76 266	0.32 197	0.18 113	0.13 112

HBP-ISP	1.24 328	1.72 280	1.65 356	1.15 260	0.76 280	1.40 352	0.88 276	1.67 350	1.02 297	1.69 354	1.38 360	1.69 355	1.21 343	1.87 354	1.21 349	1.05 272	0.79 253	0.97 286	0.80 278	1.19 279	0.75 267

AANet_RVC	1.26 329	0.31 104	4.99 387	5.93 379	0.20 142	0.25 135	0.20 129	0.25 132	0.20 137	0.23 127	0.19 139	0.25 137	0.20 140	0.25 138	0.20 136	5.66 388	4.76 380	0.26 141	0.30 188	0.24 129	0.27 152

11t	1.27 330	2.70 317	1.34 340	1.32 319	0.89 287	1.30 348	1.34 354	1.64 347	0.57 249	1.45 347	0.72 276	1.05 286	1.29 349	1.07 288	1.29 354	1.49 343	1.02 269	0.97 286	1.15 296	1.48 334	1.31 355

MaskLacGwcNet_RVC	1.35 331	1.35 270	1.35 342	1.35 321	1.35 361	1.35 349	1.35 355	1.36 342	1.35 361	1.36 345	1.35 357	1.36 349	1.36 352	1.36 348	1.35 356	1.35 339	1.35 343	1.35 354	1.35 353	1.35 331	1.35 358

CC-Net-ROB	1.36 332	1.33 269	1.33 339	1.36 322	1.38 364	1.36 350	1.33 353	1.37 343	1.34 359	1.35 344	1.36 358	1.38 350	1.34 351	1.38 349	1.38 358	1.35 339	1.38 346	1.33 353	1.35 353	1.43 333	1.34 357

CFNet	1.37 333	5.27 361	0.19 123	5.49 376	0.19 141	0.28 146	0.19 127	0.28 138	0.19 136	0.28 142	0.19 139	0.28 147	4.35 387	0.28 151	0.19 135	0.23 132	0.17 124	0.23 132	4.21 396	4.81 378	0.17 121

PS-NSSS	1.38 334	1.39 272	1.34 340	1.34 320	1.35 361	1.38 351	1.37 361	1.35 341	1.38 364	1.34 343	1.34 356	1.39 351	1.38 354	1.70 352	1.40 359	1.36 341	1.36 344	1.36 356	1.37 356	1.37 332	1.36 359

RASNet	1.49 335	1.65 278	1.45 351	1.38 324	1.43 367	1.47 354	1.36 356	1.38 344	1.36 362	1.39 346	1.60 368	1.45 352	1.45 356	1.51 350	2.21 376	1.53 346	1.36 344	1.36 356	1.36 355	1.66 339	1.36 359

GANetREF_RVC	1.55 336	1.94 295	1.22 334	1.88 333	1.21 358	1.88 360	1.22 348	1.88 351	1.22 354	1.88 355	1.22 351	1.88 356	1.22 344	1.89 355	1.22 350	1.87 354	1.22 336	1.88 363	1.22 349	1.88 343	1.22 350
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
SPS-STEREO	1.59 337	1.91 289	1.21 333	1.94 336	1.20 312	2.00 362	1.23 349	1.99 354	1.24 356	2.00 359	1.25 354	2.03 360	1.26 346	2.00 358	1.29 354	1.90 357	1.18 288	1.89 364	1.21 348	1.89 344	1.20 304
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DPSMNet_ROB	1.60 338	1.59 277	1.70 358	1.59 327	1.59 369	1.61 355	1.61 366	1.60 345	1.60 368	1.62 353	1.59 367	1.60 354	1.60 359	1.60 351	1.59 364	1.59 347	1.60 353	1.59 361	1.59 366	1.59 338	1.59 366

ff7	1.68 339	2.68 314	1.35 342	0.97 243	0.89 287	1.84 357	2.15 374	2.12 355	1.80 373	2.05 361	1.56 364	2.33 366	2.12 368	2.23 363	2.25 377	1.31 335	1.07 270	1.48 358	1.41 358	0.90 252	1.04 290

ffff	1.68 339	2.68 314	1.35 342	0.97 243	0.89 287	1.84 357	2.15 374	2.12 355	1.80 373	2.05 361	1.56 364	2.33 366	2.12 368	2.23 363	2.25 377	1.31 335	1.07 270	1.48 358	1.41 358	0.90 252	1.04 290

ccc-4	1.68 339	2.68 314	1.35 342	0.97 243	0.89 287	1.84 357	2.15 374	2.12 355	1.80 373	2.05 361	1.56 364	2.33 366	2.12 368	2.23 363	2.25 377	1.31 335	1.07 270	1.48 358	1.41 358	0.90 252	1.04 290

MC-Stereo	1.76 342	2.96 325	1.37 347	2.14 342	1.37 363	2.14 364	1.36 356	2.14 358	1.37 363	2.14 364	1.37 359	2.14 361	1.37 353	2.14 362	1.37 357	1.97 358	1.32 337	1.97 365	1.32 352	1.98 345	1.33 356

IGEVStereo-DCA	1.77 343	4.21 348	1.84 363	2.49 354	2.11 380	2.54 372	1.36 356	1.65 348	1.17 305	2.75 373	1.90 375	2.54 372	1.15 290	0.94 277	1.11 293	1.50 344	1.32 337	0.96 284	1.46 363	1.49 335	0.88 276

rrr	1.77 343	4.21 348	1.84 363	2.49 354	2.11 380	2.54 372	1.36 356	1.65 348	1.17 305	2.75 373	1.90 375	2.54 372	1.15 290	0.94 277	1.11 293	1.50 344	1.32 337	0.96 284	1.46 363	1.49 335	0.88 276

MFMNet_re	1.81 345	1.91 289	1.71 359	1.95 337	1.70 372	1.95 361	1.70 369	1.96 353	1.74 371	1.97 358	1.72 371	1.95 358	1.71 362	1.97 357	1.71 370	1.86 353	1.62 354	1.85 362	1.66 368	1.86 342	1.64 367

test croco	1.88 346	3.16 328	0.64 232	3.10 361	0.65 264	3.10 378	0.64 253	3.12 376	0.65 257	3.10 377	0.65 266	3.11 377	0.65 252	3.12 376	0.65 256	3.12 374	0.65 238	3.13 377	0.65 260	3.13 362	0.65 252

RAFT_CTSACE	1.92 347	3.71 337	1.72 360	1.88 333	1.72 373	2.04 363	1.42 364	2.18 359	1.89 379	2.02 360	1.97 377	1.95 358	2.06 367	1.93 356	1.62 365	1.76 350	1.66 357	2.02 366	1.73 375	1.73 340	1.43 364

TRStereo	2.00 348	2.13 299	1.85 365	2.27 347	1.84 375	2.28 366	1.84 371	2.29 361	1.86 376	2.30 366	1.87 372	2.30 363	1.87 364	2.08 359	1.72 372	2.08 362	1.72 359	2.08 367	1.72 372	2.08 346	1.72 370

XX-Stereo	2.00 348	2.13 299	1.85 365	2.27 347	1.84 375	2.28 366	1.84 371	2.29 361	1.86 376	2.30 366	1.87 372	2.30 363	1.87 364	2.08 359	1.72 372	2.08 362	1.72 359	2.08 367	1.72 372	2.08 346	1.72 370

EAI-Stereo	2.00 348	2.13 299	1.85 365	2.27 347	1.84 375	2.28 366	1.84 371	2.29 361	1.86 376	2.30 366	1.87 372	2.30 363	1.87 364	2.08 359	1.72 372	2.08 362	1.72 359	2.08 367	1.72 372	2.08 346	1.72 370

MIF-Stereo	2.03 351	3.43 333	0.72 246	3.42 365	0.73 277	3.27 381	0.68 260	3.38 380	0.69 264	3.29 380	0.72 276	3.28 380	0.70 261	3.35 381	0.68 262	3.39 376	0.68 242	3.31 379	0.69 269	3.37 364	0.73 263

sCroCo_RVC	2.10 352	2.76 319	1.92 369	2.78 359	1.39 365	2.73 374	1.41 363	2.73 369	1.40 365	2.77 375	1.41 363	2.74 374	1.40 355	2.74 374	1.40 359	2.72 370	1.42 348	2.72 374	1.44 362	2.79 360	1.42 363

Anonymous	2.11 353	2.74 318	1.41 350	2.77 358	1.40 366	2.74 375	1.46 365	2.75 370	1.50 367	2.87 376	1.39 361	2.74 374	1.46 357	2.72 373	1.41 361	2.72 370	1.41 347	2.81 375	1.41 358	3.16 363	1.39 362

FBW_ROB	2.12 354	2.46 309	1.77 362	2.49 354	1.79 374	2.38 370	1.83 370	2.46 366	1.78 372	2.48 370	1.97 377	2.40 370	1.78 363	2.42 369	1.83 375	2.31 366	1.85 364	2.38 372	1.82 376	2.35 353	1.84 374

UDGNet	2.23 355	5.40 362	1.72 360	2.48 353	1.69 371	2.51 371	1.69 368	2.51 367	1.72 370	2.50 371	1.69 370	2.52 371	1.69 361	2.50 370	1.68 369	2.41 369	1.70 358	2.42 373	1.69 371	2.42 354	1.64 367

NCCL2	2.28 356	2.27 305	2.28 371	2.28 350	2.28 382	2.27 365	2.29 377	2.28 360	2.28 380	2.27 365	2.28 382	2.28 362	2.27 371	2.27 366	2.28 381	2.28 365	2.28 368	2.27 370	2.29 380	2.27 350	2.29 376

Abc-Net	2.32 357	24.75 399	1.14 278	1.17 266	1.17 309	1.11 293	1.15 296	1.17 282	1.21 353	1.08 284	1.16 300	1.12 295	1.14 289	1.09 289	1.17 301	1.09 274	1.16 285	1.17 300	1.17 299	1.16 271	1.11 293
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 358	25.00 400	1.13 277	1.15 260	1.15 304	1.10 290	1.15 296	1.15 279	1.15 300	1.12 290	1.15 297	1.09 289	1.13 287	1.10 291	1.15 297	1.11 281	1.09 276	1.16 296	1.12 294	1.16 271	1.17 301

stereogan	2.33 358	24.38 398	1.18 283	1.18 267	1.18 311	1.14 295	1.18 300	1.19 285	1.19 307	1.14 292	1.18 304	1.14 296	1.18 295	1.14 295	1.18 302	1.14 283	1.14 283	1.19 303	1.19 300	1.15 269	1.19 303

RGC	2.36 360	25.48 401	1.19 284	1.15 260	1.15 304	1.10 290	1.16 298	1.17 282	1.16 301	1.12 290	1.16 300	1.11 294	1.13 287	1.09 289	1.18 302	1.10 276	1.15 284	1.16 296	1.12 294	1.14 268	1.12 295

NCC-stereo	2.36 360	25.52 402	1.17 281	1.15 260	1.17 309	1.11 293	1.11 292	1.15 279	1.16 301	1.10 285	1.16 300	1.10 291	1.15 290	1.14 295	1.13 295	1.09 274	1.11 280	1.15 295	1.16 298	1.17 276	1.17 301

Anonymous Stereo	2.36 360	18.47 390	11.50 403	9.80 397	0.53 251	0.28 146	0.50 240	0.58 234	0.53 243	0.59 241	0.53 251	0.66 251	0.52 241	0.62 244	0.41 216	0.36 170	0.37 178	0.31 154	0.19 139	0.20 116	0.22 129

AF-Net	2.37 363	25.71 403	1.17 281	1.13 257	1.15 304	1.15 296	1.18 300	1.19 285	1.16 301	1.10 285	1.15 297	1.10 291	1.18 295	1.12 294	1.15 297	1.10 276	1.10 279	1.17 300	1.15 296	1.16 271	1.12 295

Nwc_Net	2.37 363	25.95 404	1.15 280	1.14 258	1.15 304	1.08 288	1.14 295	1.17 282	1.16 301	1.14 292	1.15 297	1.08 287	1.15 290	1.11 293	1.14 296	1.10 276	1.11 280	1.16 296	1.09 293	1.16 271	1.15 300

CFNet_RVC	2.38 365	8.71 376	0.38 179	9.33 393	0.42 232	0.56 241	0.42 221	0.60 236	0.38 204	0.62 244	0.42 224	0.56 242	7.29 398	0.62 244	0.42 222	0.53 228	0.37 178	0.49 239	0.34 203	8.30 395	6.87 401

edge stereo	2.43 366	27.07 407	1.14 278	1.06 250	1.14 303	1.08 288	1.17 299	1.16 281	1.14 299	1.10 285	1.16 300	1.09 289	1.16 294	1.10 291	1.16 300	1.10 276	1.11 280	1.16 296	1.19 300	1.13 267	1.11 293

FAT-Stereo	2.46 367	26.05 405	1.23 336	1.23 316	1.22 359	1.20 298	1.24 350	1.23 336	1.23 355	1.19 294	1.22 351	1.21 345	1.24 345	1.20 299	1.24 351	1.21 331	1.17 287	1.22 350	1.25 350	1.20 280	1.24 352

S-Stereo	2.51 368	26.86 406	1.23 336	1.22 314	1.22 359	1.24 346	1.25 351	1.22 334	1.24 356	1.21 340	1.24 353	1.19 299	1.27 347	1.19 298	1.24 351	1.19 285	1.20 289	1.25 351	1.19 300	1.24 328	1.23 351

Anonymous3	2.55 369	3.26 331	1.65 356	3.28 364	1.63 370	3.24 380	1.68 367	3.27 378	1.66 369	3.28 379	1.67 369	3.25 379	1.66 360	3.27 378	1.64 366	3.26 375	1.65 356	3.30 378	1.65 367	4.95 380	1.65 369

MIF-Stereo (partial)	2.58 370	3.31 332	0.66 237	3.18 362	0.66 269	3.18 379	0.66 256	3.21 377	0.67 260	3.19 378	0.66 268	3.19 378	0.66 254	3.31 380	0.68 262	5.09 384	1.79 362	8.23 402	1.67 369	6.18 387	1.38 361

MSMDNet	2.65 371	10.14 386	0.33 165	9.74 396	0.32 189	0.87 269	0.33 182	2.95 375	0.68 261	0.49 218	0.34 195	0.49 224	5.70 393	0.49 226	0.33 182	0.42 208	9.57 398	0.41 210	0.31 193	8.36 396	0.65 252

pcwnet_v2	2.66 372	9.89 384	0.33 165	9.89 398	0.32 189	0.50 234	0.32 175	0.49 214	0.33 188	0.49 218	0.34 195	0.49 224	8.76 400	0.48 220	0.33 182	0.41 195	9.58 399	0.40 199	0.29 181	9.01 398	0.63 250

CFNet_pseudo	2.67 373	9.36 380	0.32 161	10.99 403	0.33 198	0.85 268	0.33 182	0.49 214	0.33 188	0.49 218	0.32 186	0.49 224	7.26 397	0.49 226	0.33 182	0.41 195	9.62 400	0.41 210	0.29 181	10.03 402	0.29 168

CFNet_ucs	2.73 374	9.64 382	0.33 165	9.92 399	0.32 189	0.49 228	0.33 182	0.49 214	0.33 188	0.49 218	0.33 189	0.49 224	8.98 401	0.48 220	0.33 182	0.41 195	9.96 403	0.40 199	0.29 181	10.12 403	0.54 236

UCFNet_RVC	2.75 375	10.06 385	0.29 149	10.31 402	0.29 174	0.42 211	0.29 166	0.43 202	0.29 170	0.42 196	0.29 174	0.42 208	9.87 403	0.43 207	0.29 168	0.36 170	9.84 402	0.36 184	0.26 162	9.77 401	0.26 147

ccs_rob	2.79 376	10.17 387	0.32 161	10.00 400	0.33 198	0.49 228	0.33 182	1.90 352	0.32 185	0.51 228	0.33 189	0.49 224	9.24 402	0.49 226	0.33 182	0.41 195	9.82 401	0.41 210	0.28 172	9.34 399	0.29 168

PCWNet_CMD	2.80 377	9.82 383	0.32 161	10.09 401	0.32 189	0.49 228	0.33 182	3.34 379	0.33 188	0.49 218	0.33 189	0.49 224	8.73 399	0.48 220	0.33 182	0.41 195	9.22 397	0.42 219	0.29 181	9.55 400	0.31 180

StereoVision	3.15 378	5.00 359	0.89 259	4.83 373	1.00 297	3.93 385	1.27 352	6.37 396	1.34 359	5.67 397	1.26 355	5.84 398	1.27 347	5.03 394	1.24 351	5.10 385	1.09 276	4.61 390	0.57 251	5.62 385	1.12 295

StereoIM	3.19 379	6.02 364	1.12 276	5.61 378	1.16 308	5.43 397	1.02 289	5.15 395	0.70 266	5.43 394	1.21 350	5.03 396	0.97 277	4.85 392	0.99 287	4.53 382	1.16 285	5.53 395	1.25 350	5.37 383	1.30 354

sAnonymous2	3.31 380	2.63 312	1.38 348	3.71 368	1.86 378	4.70 392	1.11 292	4.82 393	2.72 383	5.45 395	1.98 379	4.59 391	2.64 373	2.65 371	6.21 398	4.37 379	1.08 274	5.16 393	2.24 378	4.52 376	2.39 381

CroCo_RVC	3.31 380	2.63 312	1.38 348	3.71 368	1.86 378	4.70 392	1.11 292	4.82 393	2.72 383	5.45 395	1.98 379	4.59 391	2.64 373	2.65 371	6.21 398	4.37 379	1.08 274	5.16 393	2.24 378	4.52 376	2.39 381

DPSNet	3.66 382	3.60 334	3.62 383	3.63 367	3.64 390	3.65 384	3.65 390	3.66 383	3.67 388	3.67 381	3.65 389	3.67 382	3.66 379	3.66 382	3.68 386	3.68 378	3.66 373	3.67 383	3.68 389	3.67 365	3.67 388

STTStereo	3.73 383	30.40 411	2.37 375	2.39 351	2.31 384	2.35 369	2.33 378	2.29 361	2.42 381	2.32 369	2.34 383	2.33 366	2.36 372	2.30 367	2.27 380	2.35 367	2.22 367	2.31 371	2.22 377	2.29 352	2.34 380

RAFT+CT+SA	4.28 384	7.62 370	4.91 386	5.55 377	2.28 382	3.09 377	3.64 389	4.49 390	3.07 386	4.80 390	3.35 386	4.77 393	3.70 380	4.29 389	3.05 383	5.58 387	5.98 386	3.58 382	3.78 391	4.26 372	3.72 389

SA	4.33 385	7.35 367	6.85 396	5.96 380	4.09 394	3.59 383	3.15 386	3.82 384	2.64 382	3.91 382	3.85 390	3.57 381	2.72 375	3.13 377	4.03 391	7.09 398	6.86 391	3.57 381	3.12 384	3.85 366	3.51 387

Sa-1000	4.34 386	8.37 373	6.84 395	6.98 387	4.45 397	3.58 382	3.00 384	3.42 381	3.39 387	2.61 372	4.00 393	3.83 384	4.01 386	3.90 384	3.90 389	5.98 391	5.62 384	3.76 384	2.34 381	4.35 374	2.47 383

TestStereo1	4.60 387	8.41 374	6.44 393	6.86 385	3.79 391	3.97 386	3.78 391	3.99 386	3.74 389	3.97 383	3.52 387	3.94 385	3.58 377	3.98 385	3.72 387	6.82 395	6.50 389	3.76 384	3.66 387	3.90 367	3.74 391

SA-5K	4.60 387	8.41 374	6.44 393	6.86 385	3.79 391	3.97 386	3.78 391	3.99 386	3.74 389	3.97 383	3.52 387	3.94 385	3.58 377	3.98 385	3.72 387	6.82 395	6.50 389	3.76 384	3.66 387	3.90 367	3.74 391

DispFullNet	4.61 389	4.84 356	3.12 379	5.00 375	3.57 389	4.75 394	3.03 385	7.75 402	4.17 395	4.91 392	3.09 385	6.20 399	3.95 384	6.71 398	3.51 385	5.30 386	3.67 374	5.86 399	3.63 386	5.61 384	3.46 386

test_5	4.62 390	7.55 369	6.23 391	6.32 382	3.40 388	5.29 396	3.50 388	3.53 382	4.11 394	4.28 386	4.47 397	4.26 389	4.38 388	3.68 383	3.24 384	5.89 389	5.60 383	4.84 391	3.50 385	4.33 373	3.93 394

raft_robust	4.71 391	7.75 371	5.40 390	6.81 384	3.31 387	4.28 390	4.20 396	4.32 389	4.37 397	4.35 388	4.35 396	4.14 387	3.75 381	4.30 390	4.20 394	6.67 394	6.37 387	3.36 380	4.24 397	4.86 379	3.25 385

cross-raft	4.83 392	7.52 368	6.43 392	6.63 383	3.96 393	4.51 391	3.99 394	4.49 390	3.96 393	4.52 389	3.96 392	4.50 390	3.97 385	4.50 391	3.97 390	6.65 393	6.44 388	4.33 387	3.92 393	4.35 374	3.91 393

test_4	4.88 393	8.13 372	6.98 397	7.46 388	4.44 396	4.25 389	3.85 393	4.04 388	3.92 392	4.13 385	3.91 391	4.18 388	3.84 382	4.14 387	4.06 392	7.01 397	7.13 392	4.53 388	3.72 390	4.09 370	3.72 389

TestStereo	4.88 393	4.75 355	4.79 385	4.87 374	4.92 398	4.81 395	4.90 398	4.78 392	4.77 398	4.87 391	4.89 398	4.90 394	4.91 390	4.99 393	4.79 396	4.98 383	4.87 381	4.87 392	4.92 398	5.00 381	5.00 397

test_3	5.01 395	8.86 377	7.77 399	8.09 389	2.76 386	4.13 388	4.05 395	3.88 385	3.76 391	4.33 387	4.13 394	3.71 383	3.91 383	4.21 388	4.06 392	7.93 399	7.69 394	4.53 388	3.91 392	4.17 371	4.29 396

NLCA_NET_v2_RVC	5.04 396	50.87 418	2.78 377	2.87 360	2.71 385	2.78 376	0.47 230	2.88 374	2.86 385	1.89 356	2.67 384	2.79 376	2.79 376	2.78 375	2.83 382	2.82 372	2.82 371	2.83 376	2.77 383	2.83 361	2.76 384
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
SGM-Forest	5.21 397	5.92 363	4.08 384	6.18 381	4.16 395	6.31 399	4.34 397	6.50 397	4.33 396	6.14 399	4.21 395	6.61 402	4.55 389	6.67 397	4.48 395	5.94 390	3.94 376	5.85 398	4.03 395	5.79 386	4.17 395
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test-1	6.46 398	9.16 379	8.03 402	8.09 389	5.62 400	6.11 398	6.35 400	6.85 399	4.94 399	6.08 398	6.29 402	4.98 395	6.43 394	6.22 395	6.36 400	6.16 392	7.47 393	5.82 397	5.44 400	7.11 392	5.68 399

RAFT	6.73 399	9.36 380	7.40 398	8.51 391	6.55 401	6.88 400	6.60 401	6.79 398	6.60 401	6.80 400	6.72 403	5.31 397	5.50 392	6.61 396	6.61 401	8.42 400	5.89 385	5.73 396	5.45 401	6.61 388	6.24 400

SGM+DAISY	7.06 400	9.15 378	5.38 389	8.84 392	5.18 399	8.80 403	5.31 399	8.79 403	5.28 400	8.89 403	5.20 399	8.93 403	5.33 391	8.95 403	5.36 397	8.70 401	5.21 382	8.74 403	5.20 399	8.89 397	5.15 398

test-v	7.53 401	11.89 388	7.98 400	9.36 394	7.14 402	7.06 401	7.09 402	7.37 400	6.91 402	7.29 401	5.71 400	6.45 400	6.93 395	6.73 399	7.27 402	8.93 402	7.85 395	6.98 400	6.80 402	7.56 393	7.34 402

test-2	7.53 401	11.89 388	7.98 400	9.36 394	7.14 402	7.06 401	7.09 402	7.37 400	6.91 402	7.29 401	5.71 400	6.45 400	6.93 395	6.73 399	7.27 402	8.93 402	7.85 395	6.98 400	6.80 402	7.56 393	7.34 402

PA-Net	11.80 403	223.51 424	0.62 229	0.59 203	0.71 274	0.59 246	0.73 266	0.67 243	0.73 271	0.55 235	0.61 258	0.60 246	0.74 265	0.63 246	0.73 270	0.66 237	0.60 231	0.69 256	0.66 262	0.72 231	0.65 252
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MANE	19.05 404	23.00 397	15.00 404	23.00 410	15.00 404	24.00 410	16.00 404	24.00 410	16.00 404	22.00 410	15.00 404	23.00 410	16.00 404	23.00 410	15.00 404	22.00 410	15.00 404	22.00 410	15.00 404	22.00 410	15.00 404

rafts_anoy	20.00 405	20.00 391	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405

raft+_RVC	20.00 405	20.00 391	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405

raftrobust	20.00 405	20.00 391	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405

CasAABBNet	20.00 405	20.00 391	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405

RALCasStereoNet	20.00 405	20.00 391	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405

RALAANet	20.00 405	20.00 391	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405	20.00 404	20.00 405

111	30.40 411	30.94 412	29.72 412	32.61 411	30.02 412	33.57 411	30.47 412	31.50 411	29.39 412	30.98 411	29.11 412	29.78 411	30.39 415	29.45 411	30.76 415	30.08 411	29.02 412	29.92 411	30.32 415	29.86 411	30.17 412

WCMA_ROB	31.10 412	35.43 416	27.12 411	39.51 419	23.10 411	38.78 419	25.30 411	37.49 419	25.39 411	37.29 418	27.02 411	38.52 419	26.48 411	37.80 418	26.44 411	36.28 418	22.65 411	33.90 415	22.30 411	37.10 416	24.18 411

DCANet-4	35.22 413	34.54 413	35.08 418	33.58 415	35.47 419	34.55 412	35.53 419	36.08 417	35.85 416	35.92 417	35.77 418	35.18 417	35.48 417	35.39 417	37.15 418	34.55 417	33.92 416	35.02 418	34.90 417	35.79 415	34.74 419

ADStereo(finetuned)	36.13 414	36.63 417	38.07 419	36.97 416	33.25 416	35.91 416	34.45 416	36.36 418	32.99 413	38.14 419	36.71 419	36.69 418	34.13 416	38.57 419	40.79 419	37.60 419	36.58 419	35.90 419	33.36 416	35.42 414	34.04 416

MDST_ROB	69.83 415	87.70 419	41.95 420	113.75 422	65.62 422	75.05 420	55.25 421	75.64 421	45.04 417	71.61 420	41.75 420	72.81 420	44.06 418	68.38 420	44.63 420	101.89 422	59.57 422	107.10 422	61.05 422	104.38 419	59.38 422

NOSS_ROB	102.95 416	153.00 422	121.00 423	51.00 420	44.00 420	165.00 423	127.00 422	153.00 422	119.00 419	164.00 423	125.00 422	168.00 423	120.00 420	153.00 422	117.00 422	49.00 420	44.00 420	49.00 420	44.00 420	49.00 417	44.00 420

CBMV	128.50 417	1422.70 429	53.10 421	79.50 421	51.30 421	77.30 421	49.70 420	74.00 420	48.20 418	77.20 421	48.80 421	73.90 421	48.00 419	73.80 421	48.80 421	70.40 421	45.10 421	68.90 421	46.10 421	68.20 418	45.00 421
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 418	171.00 423	160.68 425	162.58 423	160.59 423	164.01 422	160.35 423	158.51 423	158.56 420	158.34 422	160.12 423	158.56 422	159.92 421	157.26 423	158.94 423	154.38 423	158.36 423	155.75 423	159.13 423	153.67 420	154.07 423
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
AE-Stereo	201.80 419	123.00 420	115.00 422	219.00 424	218.00 425	223.00 424	244.00 425	217.00 424	236.00 422	202.00 424	203.00 424	205.00 424	208.00 422	225.00 424	204.00 424	210.00 424	198.00 424	197.00 424	184.00 424	204.00 421	201.00 424

EGLCR-Stereo	246.90 420	129.00 421	139.00 424	266.00 425	286.00 426	277.00 425	305.00 426	271.00 425	242.00 423	274.00 425	279.00 426	255.00 425	270.00 424	268.00 425	297.00 426	230.00 425	247.00 426	216.00 425	223.00 426	237.00 422	227.00 426

DLCB_ROB	284.23 421	354.61 425	207.27 426	363.24 426	206.46 424	364.72 426	210.41 424	364.72 426	210.41 421	364.81 426	208.64 425	364.81 426	208.64 423	364.72 426	210.41 425	354.70 426	205.53 425	354.70 426	205.53 425	354.70 423	205.53 425

LE_ROB	396.57 422	471.28 426	329.84 427	471.48 427	308.15 427	526.83 427	322.10 427	488.15 427	323.76 424	495.46 427	317.97 427	497.17 427	320.10 425	481.62 427	326.76 427	462.71 427	298.97 427	466.16 427	285.98 427	447.62 424	289.21 427

SGM-ForestM	596.69 423	677.77 427	444.52 428	699.85 428	517.25 428	732.94 428	488.29 428	770.79 428	460.11 425	750.81 428	487.98 428	792.79 428	499.41 426	730.90 428	475.81 428	720.03 428	491.16 428	663.96 428	418.60 428	674.76 425	436.05 428

CBMV_ROB	818.48 424	913.88 428	709.52 429	862.84 429	597.78 429	1073.99 429	700.52 429	1015.66 429	702.59 426	1115.65 429	760.02 429	1130.24 429	721.57 427	1037.41 429	692.65 429	814.05 429	564.29 429	843.28 429	595.31 429	915.51 426	602.92 429

tt	500032.53 425	34.60 414	29.72 412	37.47 417	34.41 417	36.85 417	35.22 417	34.71 415	33.55 414	34.50 412	35.43 416	33.81 415	10000000.00 428	33.57 415	33.13 416	33.68 415	35.00 417	34.03 416	35.26 418	30.96 412	34.63 417

DCANet	500032.53 425	34.60 414	29.72 412	37.47 417	34.41 417	36.85 417	35.22 417	34.71 415	33.55 414	34.50 412	35.43 416	33.81 415	10000000.00 428	33.57 415	33.13 416	33.68 415	35.00 417	34.03 416	35.26 418	30.96 412	34.63 417

fff	1000028.16 427	29.62 408	29.72 412	32.61 411	30.02 412	35.13 413	31.83 413	32.07 412	10000000.00 427	35.27 414	29.82 413	32.45 412	30.15 412	32.35 412	30.09 412	31.04 412	29.55 413	30.64 412	30.14 412	10000000.00 427	30.77 413

csc	1000028.16 427	29.62 408	29.72 412	32.61 411	30.02 412	35.13 413	31.83 413	32.07 412	10000000.00 427	35.27 414	29.82 413	32.45 412	30.15 412	32.35 412	30.09 412	31.04 412	29.55 413	30.64 412	30.14 412	10000000.00 427	30.77 413

cscssc	1000028.16 427	29.62 408	29.72 412	32.61 411	30.02 412	35.13 413	31.83 413	32.07 412	10000000.00 427	35.27 414	29.82 413	32.45 412	30.15 412	32.35 412	30.09 412	31.04 412	29.55 413	30.64 412	30.14 412	10000000.00 427	30.77 413

SDNR	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 427	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 428	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 427	10000000.00 430

anonymousdsp2	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 427	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 428	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 427	10000000.00 430

anonymousdsp	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 427	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 428	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 427	10000000.00 430

test_example2	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 427	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 428	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 427	10000000.00 430

DIP-Stereo	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 427	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 428	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 430	10000000.00 427	10000000.00 430
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark