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

LoS_RVC	0.34 5	0.38 55	1.96 38	0.27 22	0.35 217	0.43 15	0.22 39	0.43 5	0.34 1	0.24 9	0.34 34	0.23 14	0.28 72	0.34 15	0.22 4	0.08 1	0.07 6	0.07 1	0.05 1	0.10 10	0.35 155

CAS	0.39 15	0.31 7	1.79 10	0.81 343	0.34 209	0.51 46	0.23 58	0.49 14	0.42 9	0.23 6	0.31 25	0.20 2	0.17 1	0.30 2	0.25 23	0.77 375	0.06 1	0.07 1	0.05 1	0.10 10	0.41 189

CES	0.33 4	0.32 14	1.46 3	0.25 5	0.50 275	0.40 12	0.20 20	0.48 11	0.48 27	0.22 3	0.29 17	0.26 29	0.19 7	0.35 22	0.22 4	0.09 11	0.07 6	0.08 3	0.05 1	0.16 69	0.54 247

CREStereo	0.31 1	0.35 37	1.66 7	0.19 1	0.13 5	0.55 82	0.17 5	0.50 23	0.50 35	0.28 18	0.34 34	0.24 20	0.21 16	0.34 15	0.23 14	0.11 110	0.07 6	0.08 3	0.05 1	0.10 10	0.12 10
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.35 7	0.38 55	1.75 9	0.21 2	0.14 8	0.57 105	0.24 80	0.48 11	0.44 16	0.28 18	0.32 31	0.26 29	0.24 27	0.41 41	0.24 15	0.42 356	0.07 6	0.08 3	0.05 1	0.18 110	0.15 30

Any-RAFT	0.42 22	0.33 23	1.89 26	0.28 34	0.21 77	0.69 250	0.21 30	0.83 161	0.60 80	0.45 51	0.43 64	0.62 196	0.30 98	0.48 59	0.24 15	0.11 110	0.40 278	0.08 3	0.06 6	0.10 10	0.16 43

LoS	0.34 5	0.35 37	1.88 24	0.25 5	0.13 5	0.53 66	0.20 20	0.50 23	0.53 51	0.26 14	0.28 15	0.37 67	0.24 27	0.40 35	0.25 23	0.10 47	0.08 38	0.08 3	0.06 6	0.15 60	0.10 4

s12784h	0.41 18	0.34 30	2.17 72	0.24 4	0.11 1	0.64 207	0.24 80	0.85 178	0.70 177	0.45 51	0.54 140	0.28 38	0.27 62	0.51 75	0.27 37	0.11 110	0.06 1	0.09 13	0.06 6	0.16 69	0.14 24

XX-TBD	0.40 17	1.04 236	2.49 170	0.35 143	0.13 5	0.51 46	0.17 5	0.44 6	0.52 45	0.38 28	0.51 116	0.23 14	0.19 7	0.31 3	0.25 23	0.10 47	0.07 6	0.08 3	0.06 6	0.09 5	0.18 56

iResNet_ROB	0.60 147	1.59 345	2.04 50	0.32 91	0.21 77	0.60 142	0.22 39	0.99 275	0.85 289	0.61 204	0.63 212	0.58 179	0.42 174	1.08 191	0.98 265	0.11 110	0.08 38	0.09 13	0.06 6	0.23 187	0.33 142

pmcnn	1.44 366	1.25 289	3.57 355	0.74 332	1.42 386	0.72 263	0.56 306	1.04 307	1.06 347	1.03 336	2.89 399	6.01 409	0.75 310	2.54 359	3.60 386	0.14 215	0.11 125	0.08 3	0.06 6	0.34 281	0.81 307

knoymous	0.37 11	0.34 30	1.83 15	0.25 5	0.18 47	0.45 17	0.24 80	0.60 65	0.40 4	0.42 37	0.39 51	0.54 156	0.25 41	0.41 41	0.29 51	0.12 143	0.08 38	0.12 135	0.07 12	0.13 35	0.20 68

RCA-Stereo	0.45 40	0.38 55	1.80 11	0.27 22	0.25 124	0.58 112	0.23 58	0.84 168	0.66 123	0.42 37	0.44 75	0.28 38	0.35 121	0.31 3	0.21 1	0.09 11	1.01 340	0.09 13	0.07 12	0.21 159	0.53 244

DCANet-4	0.43 25	0.32 14	2.31 94	0.26 15	0.14 8	0.51 46	0.22 39	0.84 168	0.78 240	0.55 141	0.48 89	0.28 38	0.37 128	0.40 35	0.37 107	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 198

fff	0.50 70	0.90 211	2.63 213	0.25 5	0.15 13	0.51 46	0.22 39	0.85 178	0.82 268	0.55 141	0.48 89	0.31 48	0.65 281	0.39 31	0.37 107	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 198

ADStereo(finetuned)	0.50 70	0.91 214	2.43 126	0.26 15	0.14 8	0.51 46	0.22 39	0.84 168	0.78 240	0.56 151	0.49 102	0.32 52	0.75 310	0.40 35	0.40 116	0.10 47	0.07 6	0.09 13	0.07 12	0.13 35	0.45 215

CroCo-Stereo	0.35 7	0.71 158	1.67 8	0.32 91	0.17 37	0.19 1	0.21 30	0.79 132	0.54 54	0.22 3	0.25 11	0.55 164	0.22 19	0.28 1	0.28 42	0.10 47	0.08 38	0.08 3	0.07 12	0.12 25	0.10 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
TANstereo	0.39 15	0.70 156	2.48 167	0.23 3	0.12 3	0.54 73	0.16 3	0.41 3	0.47 24	0.45 51	0.51 116	0.26 29	0.22 19	0.34 15	0.21 1	0.10 47	0.10 104	0.08 3	0.07 12	0.09 5	0.18 56

DCANet	0.49 66	0.91 214	2.63 213	0.26 15	0.14 8	0.51 46	0.22 39	0.84 168	0.78 240	0.56 151	0.49 102	0.32 52	0.41 163	0.39 31	0.41 118	0.10 47	0.07 6	0.09 13	0.07 12	0.14 51	0.45 215

csc	0.50 70	0.90 211	2.63 213	0.25 5	0.15 13	0.51 46	0.22 39	0.85 178	0.82 268	0.55 141	0.48 89	0.31 48	0.65 281	0.39 31	0.37 107	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 198

cscssc	0.50 70	0.90 211	2.63 213	0.25 5	0.15 13	0.51 46	0.22 39	0.85 178	0.82 268	0.55 141	0.48 89	0.31 48	0.65 281	0.39 31	0.37 107	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 198

111	0.57 118	1.41 320	2.63 213	0.25 5	0.15 13	0.59 130	0.26 111	0.90 219	0.83 274	0.50 99	0.54 140	0.57 175	0.38 135	0.54 91	0.41 118	0.10 47	0.07 6	0.09 13	0.07 12	0.24 193	0.81 307

R-Stereo Train	0.42 22	0.31 7	2.51 174	0.30 60	0.18 47	0.56 86	0.25 99	0.82 151	0.41 5	0.57 163	0.67 235	0.33 56	0.24 27	0.34 15	0.33 87	0.10 47	0.08 38	0.09 13	0.07 12	0.09 5	0.18 56

RAFT-Stereo	0.42 22	0.31 7	2.51 174	0.30 60	0.18 47	0.56 86	0.25 99	0.82 151	0.41 5	0.57 163	0.67 235	0.33 56	0.24 27	0.34 15	0.33 87	0.10 47	0.08 38	0.09 13	0.07 12	0.09 5	0.18 56
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
iResNetv2_ROB	0.71 231	1.90 370	3.48 347	0.43 233	0.22 86	0.60 142	0.29 158	0.96 257	0.78 240	0.60 197	0.65 226	0.60 189	0.46 210	0.80 163	1.21 291	0.12 143	0.08 38	0.10 46	0.07 12	0.44 336	0.33 142

MLCV	0.59 141	1.41 320	2.41 117	0.31 74	0.15 13	0.60 142	0.23 58	0.77 118	0.63 103	0.67 256	0.66 232	0.55 164	0.37 128	1.16 204	1.09 278	0.10 47	0.07 6	0.09 13	0.07 12	0.21 159	0.29 120

StereoIM	0.35 7	0.89 206	2.15 69	0.25 5	0.29 164	0.29 3	0.17 5	0.47 10	0.41 5	0.21 1	0.22 2	0.28 38	0.21 16	0.32 13	0.31 70	0.10 47	0.09 81	0.10 46	0.08 27	0.11 17	0.12 10

MIF-Stereo	0.36 10	0.66 143	2.43 126	0.28 34	0.24 118	0.30 4	0.18 10	0.35 1	0.36 2	0.26 14	0.37 42	0.18 1	0.18 6	0.33 14	0.30 56	0.11 110	0.08 38	0.09 13	0.08 27	0.25 208	0.09 2

CroCo-Stereo Lap2	0.38 13	0.91 214	2.02 46	0.33 111	0.38 235	0.23 2	0.21 30	0.63 76	0.51 40	0.23 6	0.28 15	0.29 42	0.23 25	0.34 15	0.28 42	0.10 47	0.09 81	0.10 46	0.08 27	0.22 173	0.15 30

Wz-Net-LNSev-Ref	0.65 191	1.15 261	2.40 113	0.33 111	0.30 175	0.83 307	0.40 244	0.94 241	0.82 268	0.67 256	0.76 286	0.68 231	0.58 263	1.13 200	1.25 297	0.14 215	0.08 38	0.10 46	0.08 27	0.18 110	0.28 114

raftrobust	0.52 82	1.14 255	2.15 69	0.33 111	0.99 358	0.53 66	0.21 30	0.59 62	0.50 35	0.53 126	0.36 38	0.31 48	0.33 112	0.47 51	0.42 122	0.10 47	0.55 299	0.09 13	0.08 27	0.22 173	0.46 218

RALCasStereoNet	0.65 191	1.34 305	2.56 193	0.43 233	0.96 354	0.50 44	0.26 111	0.62 70	0.56 63	0.43 43	0.49 102	0.36 64	0.28 72	0.72 146	0.53 165	0.10 47	1.18 353	0.09 13	0.08 27	0.27 234	1.27 353

DIP-Stereo	0.43 25	0.50 95	2.21 80	0.27 22	0.18 47	0.63 195	0.17 5	0.94 241	0.58 72	0.49 81	0.48 89	0.30 43	0.30 98	0.40 35	0.31 70	0.10 47	0.08 38	0.10 46	0.08 27	0.15 60	0.33 142
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HITNet	0.55 103	1.28 294	2.73 257	0.35 143	0.14 8	0.56 86	0.23 58	0.89 211	0.62 92	0.52 118	0.51 116	0.49 136	0.38 135	0.52 79	0.60 182	0.09 11	0.07 6	0.10 46	0.08 27	0.25 208	0.61 264
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
HSM	0.67 211	0.92 219	2.29 90	0.30 60	0.29 164	0.65 221	0.29 158	0.98 270	0.67 135	0.59 188	0.58 177	1.39 369	0.65 281	2.56 360	0.45 135	0.11 110	0.09 81	0.10 46	0.08 27	0.18 110	0.24 94

iResNet	0.59 141	1.09 243	2.54 182	0.44 238	0.18 47	0.65 221	0.29 158	0.89 211	0.75 221	0.59 188	0.64 219	0.43 92	0.39 146	0.73 147	1.24 296	0.11 110	0.08 38	0.09 13	0.08 27	0.21 159	0.40 182

Former-RAFT_DAM_RVC	0.52 82	0.51 100	1.12 1	0.26 15	0.22 86	0.46 20	0.20 20	1.10 338	1.33 369	3.13 407	0.33 32	0.22 8	0.20 14	0.34 15	0.26 32	0.11 110	0.09 81	0.11 92	0.09 37	0.17 90	0.21 72

ACVNet-DCA	0.67 211	0.73 166	2.43 126	0.67 322	0.52 279	0.76 277	0.24 80	0.81 144	0.83 274	0.77 294	0.39 51	0.25 23	0.38 135	0.70 135	0.22 4	0.10 47	2.13 396	0.11 92	0.09 37	0.16 69	1.18 342

1test111	0.72 239	0.73 166	2.43 126	0.67 322	0.52 279	0.76 277	0.24 80	0.81 144	0.83 274	0.77 294	0.39 51	0.25 23	0.38 135	1.03 186	0.75 224	0.10 47	2.13 396	0.11 92	0.09 37	0.16 69	1.18 342

cc1	0.74 244	0.73 166	2.43 126	0.67 322	0.52 279	0.76 277	0.24 80	0.85 178	1.05 345	0.77 294	0.39 51	0.25 23	0.38 135	0.70 135	0.22 4	0.10 47	2.13 396	0.11 92	0.09 37	0.25 208	2.20 396

tt1	0.74 244	0.73 166	2.34 99	0.67 322	0.63 312	0.75 273	0.24 80	0.85 178	0.96 327	0.81 306	0.38 48	0.26 29	0.35 121	0.64 118	0.22 4	0.10 47	2.16 401	0.11 92	0.09 37	0.25 208	2.19 392

GMStereo_Zeroshot	0.44 37	0.44 80	1.84 18	0.44 238	0.20 68	0.52 61	0.19 12	0.60 65	0.54 54	0.58 169	0.59 182	0.63 200	0.29 88	0.59 102	0.34 95	0.16 247	0.09 81	0.16 261	0.09 37	0.26 223	0.26 103

test croco	0.43 25	0.73 166	2.80 270	0.28 34	0.19 63	0.33 7	0.21 30	0.63 76	0.50 35	0.24 9	0.38 48	0.24 20	0.25 41	0.48 59	0.32 78	0.12 143	0.08 38	0.13 191	0.09 37	0.43 333	0.13 12

HH	0.79 265	0.52 102	2.72 252	1.45 377	0.80 339	0.91 326	0.23 58	0.76 112	0.76 229	0.64 236	0.55 149	0.87 303	0.41 163	0.94 179	0.45 135	0.09 11	1.20 355	0.10 46	0.09 37	0.16 69	2.16 390

HanStereo	0.79 265	0.52 102	2.72 252	1.45 377	0.80 339	0.91 326	0.23 58	0.76 112	0.76 229	0.64 236	0.55 149	0.87 303	0.41 163	0.94 179	0.45 135	0.09 11	1.20 355	0.10 46	0.09 37	0.16 69	2.16 390

EGLCR-Stereo	0.90 309	0.31 7	1.90 27	1.60 385	0.95 353	1.14 353	0.42 252	0.85 178	0.43 13	1.74 383	0.21 1	0.27 36	0.17 1	1.56 253	0.30 56	0.10 47	2.60 409	0.10 46	0.09 37	0.10 10	3.10 410

ProNet	0.46 45	0.60 127	1.85 20	0.35 143	0.67 320	0.49 38	0.25 99	0.53 30	0.57 66	0.21 1	0.24 6	0.22 8	0.20 14	0.52 79	0.22 4	0.09 11	0.47 287	0.10 46	0.09 37	0.23 187	1.33 358

DAS	0.61 154	0.42 70	1.85 20	0.34 128	0.34 209	0.52 61	0.42 252	0.89 211	0.80 256	0.85 315	0.69 242	0.57 175	0.51 232	2.38 349	0.57 176	0.13 185	0.09 81	0.12 135	0.09 37	0.18 110	0.37 162

SepStereo	0.57 118	0.42 70	1.85 20	0.34 128	0.34 209	0.52 61	0.42 252	0.89 211	0.80 256	0.85 315	0.69 242	0.57 175	0.51 232	1.55 251	0.57 176	0.13 185	0.09 81	0.12 135	0.09 37	0.18 110	0.37 162

IPLGR	0.58 126	0.64 140	3.12 314	0.37 167	0.18 47	0.62 182	0.54 298	1.06 327	0.69 167	0.73 282	0.46 78	0.50 140	0.44 195	1.12 199	0.31 70	0.10 47	0.08 38	0.11 92	0.09 37	0.21 159	0.20 68

GwcNet-ADL	0.54 99	0.78 185	2.85 282	0.31 74	0.20 68	0.58 112	0.29 158	0.93 236	0.67 135	0.48 65	0.47 83	0.56 171	0.33 112	0.48 59	0.80 238	0.13 185	0.12 140	0.09 13	0.09 37	0.14 51	0.40 182

GANet-ADL	0.48 55	0.56 116	2.51 174	0.34 128	0.20 68	0.58 112	0.25 99	0.80 137	0.57 66	0.43 43	0.61 197	0.56 171	0.31 102	0.44 48	0.44 131	0.14 215	0.11 125	0.10 46	0.09 37	0.22 173	0.38 170

STrans-v2	0.69 222	0.62 136	2.66 227	0.28 34	0.23 109	0.57 105	0.32 190	1.01 289	0.77 237	0.92 324	0.84 300	0.88 307	0.92 335	1.81 296	1.19 289	0.10 47	0.07 6	0.10 46	0.09 37	0.12 25	0.30 129

TransformOpticalFlow	0.65 191	0.61 132	2.67 234	0.45 245	0.26 138	0.62 182	0.28 133	0.88 205	0.76 229	0.76 292	0.74 276	0.90 311	0.84 320	1.82 299	0.80 238	0.10 47	0.07 6	0.11 92	0.09 37	0.12 25	0.19 60

OMP-Stereo	0.64 186	0.87 197	2.38 105	0.56 295	0.37 229	0.60 142	0.26 111	0.75 110	0.71 189	0.65 248	0.60 189	0.68 231	0.32 107	2.07 326	1.18 287	0.11 110	0.08 38	0.12 135	0.09 37	0.17 90	0.28 114

IIG-Stereo	0.65 191	0.87 197	2.32 96	0.55 286	0.23 109	0.62 182	0.21 30	0.78 125	0.71 189	0.64 236	0.69 242	0.69 242	0.38 135	2.07 326	1.37 308	0.11 110	0.08 38	0.11 92	0.09 37	0.15 60	0.27 108

NRIStereo	0.50 70	0.34 30	2.44 134	0.52 275	0.16 20	0.94 332	0.73 344	0.52 27	0.65 116	0.48 65	0.40 59	0.59 182	0.29 88	0.78 158	0.33 87	0.11 110	0.13 153	0.11 92	0.09 37	0.22 173	0.25 98

DeepStereo_RVC	0.47 48	0.37 50	2.19 75	0.55 286	0.18 47	0.60 142	0.58 311	0.52 27	0.62 92	0.49 81	0.45 76	0.39 74	0.85 323	0.47 51	0.34 95	0.12 143	0.08 38	0.11 92	0.09 37	0.15 60	0.19 60

RAFT-345	0.56 111	0.37 50	2.68 239	0.40 211	0.34 209	0.58 112	0.41 246	0.49 14	0.70 177	0.51 110	0.99 331	0.43 92	0.28 72	1.56 253	0.81 242	0.10 47	0.07 6	0.11 92	0.09 37	0.11 17	0.09 2

CRE-IMP	0.46 45	0.31 7	2.40 113	0.53 279	0.17 37	0.79 296	0.68 337	0.54 39	0.66 123	0.47 63	0.43 64	0.44 107	0.26 49	0.43 45	0.33 87	0.12 143	0.07 6	0.12 135	0.09 37	0.17 90	0.23 85

Prome-Stereo	0.53 92	0.36 40	2.39 111	0.60 301	0.23 109	0.63 195	0.41 246	0.66 83	0.67 135	0.59 188	1.02 335	0.43 92	0.71 298	0.61 110	0.34 95	0.10 47	0.07 6	0.10 46	0.09 37	0.13 35	0.44 210

LMCR-Stereo	0.61 154	1.00 226	2.60 204	0.42 223	0.22 86	0.74 271	0.31 180	1.06 327	0.70 177	0.62 216	0.64 219	0.40 82	0.52 239	0.84 168	1.27 299	0.20 296	0.09 81	0.12 135	0.09 37	0.26 223	0.16 43

TestStereo	0.49 66	0.88 201	2.38 105	0.30 60	0.16 20	0.43 15	0.25 99	0.55 47	0.46 18	0.38 28	0.46 78	0.34 60	0.28 72	1.96 320	0.28 42	0.11 110	0.08 38	0.12 135	0.09 37	0.15 60	0.13 12

raft+_RVC	0.62 167	1.18 269	2.43 126	0.36 157	2.08 402	0.52 61	0.25 99	0.66 83	0.54 54	0.36 23	0.46 78	0.32 52	0.28 72	0.49 69	0.43 128	0.10 47	0.91 335	0.10 46	0.09 37	0.22 173	0.70 291

RAFT-Stereo + iAFF	0.58 126	1.48 334	2.53 178	0.29 46	0.78 338	0.52 61	0.20 20	0.68 89	0.66 123	0.51 110	0.61 197	0.40 82	0.32 107	0.40 35	0.43 128	0.08 1	0.63 312	0.09 13	0.09 37	0.37 304	0.58 256

ACVNet	0.54 99	0.87 197	2.45 150	0.28 34	0.22 86	0.59 130	0.36 224	0.69 91	0.73 199	0.49 81	0.59 182	0.69 242	0.42 174	0.47 51	0.70 212	0.11 110	0.10 104	0.10 46	0.09 37	0.36 298	0.39 177

acv_ft	0.57 118	0.87 197	2.45 150	0.33 111	0.41 248	0.63 195	0.29 158	0.86 190	0.73 199	0.64 236	0.59 182	0.69 242	0.45 203	0.47 51	0.68 209	0.11 110	0.10 104	0.10 46	0.09 37	0.43 333	0.39 177

BEATNet_4x	0.57 118	1.16 263	2.56 193	0.35 143	0.16 20	0.56 86	0.25 99	0.91 226	0.64 109	0.55 141	0.53 126	0.59 182	0.43 187	0.67 128	0.76 227	0.12 143	0.09 81	0.12 135	0.09 37	0.23 187	0.58 256

HSM-Net_RVC	0.70 227	0.40 63	2.45 150	0.27 22	0.19 63	0.68 247	0.30 170	1.29 363	0.73 199	0.73 282	0.70 255	0.77 269	0.45 203	3.73 400	0.46 139	0.13 185	0.09 81	0.10 46	0.09 37	0.13 35	0.32 139
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
AANet_RVC	0.79 265	1.46 331	2.72 252	0.34 128	0.25 124	0.59 130	0.32 190	0.88 205	0.83 274	0.62 216	0.95 323	0.80 281	0.43 187	2.46 356	1.72 324	0.38 353	0.26 249	0.10 46	0.09 37	0.25 208	0.43 198

CoDeX	0.54 99	0.52 102	2.25 84	0.30 60	0.26 138	0.61 160	0.32 190	1.03 301	0.73 199	0.49 81	0.56 161	0.52 150	0.40 152	1.59 264	0.38 113	0.12 143	0.09 81	0.11 92	0.10 71	0.15 60	0.22 77

MIF-Stereo (partial)	0.41 18	0.71 158	2.67 234	0.27 22	0.24 118	0.32 6	0.17 5	0.56 48	0.46 18	0.26 14	0.37 42	0.25 23	0.26 49	0.46 49	0.35 102	0.11 110	0.08 38	0.12 135	0.10 71	0.21 159	0.15 30

MIM_Stereo	0.55 103	0.92 219	2.65 223	0.32 91	1.09 370	0.51 46	0.19 12	0.67 86	0.52 45	0.48 65	0.54 140	0.43 92	0.27 62	0.57 98	0.30 56	0.08 1	0.17 199	0.11 92	0.10 71	0.28 244	0.80 305

PCWNet_CMD	0.48 55	0.50 95	2.23 82	0.27 22	0.20 68	0.56 86	0.22 39	0.78 125	0.67 135	0.49 81	0.55 149	0.68 231	0.56 251	0.48 59	0.32 78	0.11 110	0.10 104	0.14 220	0.10 71	0.19 133	0.43 198

CBFPSM	0.62 167	1.34 305	2.12 64	0.30 60	0.23 109	0.71 257	0.38 235	0.77 118	0.68 159	0.51 110	0.49 102	1.03 339	0.82 317	0.63 114	1.35 304	0.11 110	0.12 140	0.10 46	0.10 71	0.19 133	0.37 162

iinet-f	0.62 167	1.18 269	2.55 189	0.33 111	0.25 124	0.82 306	0.34 208	0.87 197	0.69 167	0.56 151	0.64 219	0.73 257	0.67 289	0.80 163	0.81 242	0.14 215	0.13 153	0.11 92	0.10 71	0.44 336	0.26 103

TestStereo1	0.59 141	1.21 276	2.63 213	0.40 211	0.60 302	0.56 86	0.34 208	0.82 151	0.73 199	0.45 51	0.63 212	0.36 64	0.42 174	0.66 125	0.42 122	0.10 47	0.32 260	0.12 135	0.10 71	0.34 281	0.52 241

RAFT_CTSACE	0.58 126	1.16 263	2.76 264	0.36 157	0.29 164	0.54 73	0.29 158	0.69 91	0.51 40	0.51 110	0.75 283	0.67 219	0.37 128	0.63 114	0.47 142	0.08 1	0.49 291	0.11 92	0.10 71	0.41 329	0.32 139

CRFU-Net	0.58 126	0.42 70	1.90 27	0.49 266	0.27 149	0.83 307	0.35 217	0.94 241	0.54 54	0.65 248	0.60 189	0.78 273	1.34 356	1.00 182	0.51 160	0.17 266	0.14 166	0.17 275	0.10 71	0.19 133	0.20 68

SA-5K	0.59 141	1.21 276	2.63 213	0.40 211	0.60 302	0.56 86	0.34 208	0.82 151	0.73 199	0.45 51	0.63 212	0.36 64	0.42 174	0.66 125	0.42 122	0.10 47	0.32 260	0.12 135	0.10 71	0.34 281	0.52 241

CSP-Net	0.55 103	0.61 132	1.81 14	0.30 60	0.23 109	0.77 287	0.35 217	0.90 219	0.62 92	0.62 216	0.60 189	0.65 210	0.42 174	1.76 285	0.47 142	0.17 266	0.12 140	0.10 46	0.10 71	0.21 159	0.16 43

GLC_STEREO	0.31 1	0.30 5	1.80 11	0.29 46	0.12 3	0.41 13	0.20 20	0.39 2	0.42 9	0.26 14	0.31 25	0.25 23	0.19 7	0.36 24	0.26 32	0.09 11	0.11 125	0.12 135	0.10 71	0.13 35	0.15 30

HHNet	0.63 179	0.67 144	3.10 312	0.37 167	0.25 124	0.64 207	0.60 317	0.70 98	0.67 135	0.55 141	1.12 345	0.32 52	0.60 271	0.43 45	1.75 327	0.16 247	0.08 38	0.12 135	0.10 71	0.18 110	0.22 77

Patchmatch Stereo++	0.43 25	0.36 40	2.44 134	0.48 255	0.17 37	0.61 160	0.26 111	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.56 95	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12
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	0.92 312	0.40 63	2.53 178	0.60 301	1.01 363	0.62 182	0.45 270	0.52 27	0.68 159	0.58 169	0.53 126	0.50 140	0.72 299	1.22 210	7.32 411	0.12 143	0.07 6	0.12 135	0.10 71	0.16 69	0.10 4

NF-Stereo	0.53 92	0.33 23	2.55 189	0.55 286	0.16 20	0.61 160	0.43 259	0.70 98	0.70 177	0.50 99	0.47 83	0.37 67	0.26 49	1.44 240	0.78 233	0.12 143	0.07 6	0.12 135	0.10 71	0.13 35	0.17 49

OCTAStereo	0.53 92	0.33 23	2.54 182	0.56 295	0.16 20	0.61 160	0.42 252	0.70 98	0.70 177	0.50 99	0.47 83	0.37 67	0.26 49	1.43 236	0.79 236	0.12 143	0.07 6	0.12 135	0.10 71	0.13 35	0.17 49

PSM-adaLoss	0.43 25	0.36 40	2.44 134	0.48 255	0.18 47	0.61 160	0.28 133	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.49 69	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

ROB_FTStereo_v2	0.43 25	0.36 40	2.44 134	0.49 266	0.17 37	0.61 160	0.28 133	0.53 30	0.61 83	0.48 65	0.43 64	0.44 107	0.28 72	0.48 59	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

ROB_FTStereo	0.43 25	0.36 40	2.44 134	0.48 255	0.18 47	0.61 160	0.26 111	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.51 75	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

HUI-Stereo	0.43 25	0.36 40	2.45 150	0.48 255	0.18 47	0.61 160	0.27 125	0.53 30	0.61 83	0.48 65	0.43 64	0.44 107	0.28 72	0.47 51	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

DEmStereo	0.69 222	0.40 63	2.42 121	0.42 223	0.18 47	0.66 234	0.88 357	0.54 39	0.64 109	0.60 197	1.00 332	0.45 119	1.24 355	1.53 249	2.21 352	0.10 47	0.08 38	0.10 46	0.10 71	0.11 17	0.14 24

SST-Stereo	0.56 111	0.30 5	2.44 134	0.71 331	0.55 287	0.62 182	0.65 329	0.57 53	0.67 135	0.59 188	0.53 126	0.51 143	0.59 266	1.57 257	0.31 70	0.12 143	0.07 6	0.12 135	0.10 71	0.17 90	0.11 9

RAFT_R40	0.55 103	0.31 7	2.44 134	0.57 299	0.42 258	0.62 182	0.52 293	0.58 55	0.66 123	0.56 151	0.54 140	0.54 156	0.50 228	1.56 253	0.53 165	0.11 110	0.07 6	0.12 135	0.10 71	0.16 69	0.10 4

RE-Stereo	0.53 92	0.33 23	2.54 182	0.56 295	0.16 20	0.61 160	0.43 259	0.70 98	0.70 177	0.50 99	0.47 83	0.37 67	0.26 49	1.43 236	0.77 229	0.12 143	0.07 6	0.12 135	0.10 71	0.13 35	0.17 49

Pruner-Stereo	0.55 103	0.38 55	2.49 170	1.78 394	0.19 63	0.63 195	0.45 270	0.59 62	0.67 135	0.61 204	0.48 89	0.41 87	0.25 41	0.49 69	0.99 267	0.13 185	0.07 6	0.12 135	0.10 71	0.13 35	0.14 24

TVStereo	0.53 92	0.33 23	2.54 182	0.56 295	0.16 20	0.61 160	0.43 259	0.70 98	0.70 177	0.50 99	0.47 83	0.37 67	0.26 49	1.43 236	0.77 229	0.12 143	0.07 6	0.12 135	0.10 71	0.13 35	0.17 49

iGMRVC	0.43 25	0.36 40	2.44 134	0.48 255	0.18 47	0.61 160	0.27 125	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.57 98	0.31 70	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

IRAFT_RVC	0.59 141	0.74 175	2.42 121	0.47 254	0.21 77	0.59 130	0.42 252	0.68 89	0.73 199	0.54 130	0.50 114	0.49 136	0.51 232	1.57 257	1.00 269	0.11 110	0.25 246	0.13 191	0.10 71	0.15 60	0.14 24

iRAFT	0.43 25	0.36 40	2.44 134	0.48 255	0.17 37	0.61 160	0.26 111	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.56 95	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

RAFT-IKP	0.43 25	0.36 40	2.44 134	0.48 255	0.16 20	0.60 142	0.28 133	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.51 75	0.31 70	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

CFNet_pseudo	0.47 48	0.50 95	2.19 75	0.26 15	0.20 68	0.56 86	0.22 39	0.80 137	0.62 92	0.50 99	0.56 161	0.68 231	0.47 218	0.53 86	0.33 87	0.11 110	0.10 104	0.15 245	0.10 71	0.18 110	0.33 142

GES	0.49 66	0.54 107	2.37 103	0.31 74	0.19 63	0.61 160	0.30 170	0.93 236	0.52 45	0.49 81	0.53 126	0.40 82	0.43 187	0.59 102	0.67 206	0.16 247	0.11 125	0.12 135	0.10 71	0.20 150	0.30 129

AFF-stereo	0.57 118	1.51 336	2.59 199	0.33 111	0.23 109	0.51 46	0.21 30	0.69 91	0.68 159	0.49 81	0.63 212	0.49 136	0.34 119	0.50 74	0.37 107	0.08 1	0.54 297	0.10 46	0.10 71	0.40 323	0.60 263

DMCA	0.50 70	0.83 191	1.95 35	0.32 91	0.24 118	0.59 130	0.26 111	0.81 144	0.68 159	0.59 188	0.49 102	0.56 171	0.36 123	0.65 122	0.65 201	0.14 215	0.10 104	0.14 220	0.10 71	0.19 133	0.29 120

MSMDNet	0.48 55	0.50 95	2.23 82	0.27 22	0.20 68	0.56 86	0.22 39	0.78 125	0.67 135	0.49 81	0.55 149	0.68 231	0.56 251	0.48 59	0.32 78	0.11 110	0.10 104	0.13 191	0.10 71	0.18 110	0.43 198

ccs_rob	0.47 48	0.50 95	2.19 75	0.26 15	0.20 68	0.56 86	0.22 39	0.80 137	0.62 92	0.50 99	0.56 161	0.68 231	0.47 218	0.53 86	0.33 87	0.11 110	0.10 104	0.16 261	0.10 71	0.18 110	0.33 142

DISCO	0.61 154	0.63 138	1.98 40	0.46 248	0.34 209	0.84 312	0.35 217	0.88 205	0.81 263	0.61 204	0.64 219	1.06 347	0.53 242	1.11 197	0.83 247	0.13 185	0.10 104	0.11 92	0.10 71	0.26 223	0.37 162

CFNet_ucs	0.50 70	0.55 114	2.28 88	0.27 22	0.22 86	0.58 112	0.23 58	0.90 219	0.69 167	0.54 130	0.64 219	0.68 231	0.44 195	0.55 92	0.34 95	0.14 215	0.12 140	0.16 261	0.11 109	0.19 133	0.38 170

4D-IteraStereo	0.62 167	1.29 296	3.04 307	0.27 22	0.30 175	0.46 20	0.26 111	0.54 39	0.51 40	0.41 33	0.31 25	0.39 74	0.19 7	0.53 86	0.65 201	0.09 11	0.47 287	0.12 135	0.11 109	0.21 159	2.14 389

gwcnet-sp	0.52 82	0.71 158	2.66 227	0.32 91	0.22 86	0.66 234	0.31 180	0.84 168	0.69 167	0.61 204	0.49 102	0.46 123	0.43 187	0.77 154	0.48 145	0.12 143	0.11 125	0.11 92	0.11 109	0.19 133	0.19 60

scenet	0.52 82	0.71 158	2.66 227	0.32 91	0.22 86	0.66 234	0.31 180	0.84 168	0.69 167	0.61 204	0.49 102	0.46 123	0.43 187	0.77 154	0.48 145	0.12 143	0.11 125	0.11 92	0.11 109	0.19 133	0.19 60

CASS	0.43 25	0.34 30	2.01 43	0.33 111	0.17 37	0.54 73	0.24 80	0.71 104	0.52 45	0.62 216	0.55 149	0.40 82	0.41 163	0.43 45	0.33 87	0.17 266	0.10 104	0.14 220	0.11 109	0.18 110	0.23 85
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	0.52 82	0.71 158	2.66 227	0.32 91	0.22 86	0.66 234	0.31 180	0.84 168	0.69 167	0.61 204	0.49 102	0.46 123	0.43 187	0.77 154	0.48 145	0.12 143	0.11 125	0.11 92	0.11 109	0.19 133	0.19 60

DisPM	0.48 55	0.41 68	2.54 182	0.61 307	0.18 47	0.59 130	0.62 324	0.54 39	0.67 135	0.61 204	0.53 126	0.38 72	0.26 49	0.76 153	0.31 70	0.13 185	0.07 6	0.12 135	0.11 109	0.12 25	0.15 30

IER	0.49 66	0.73 166	2.12 64	0.27 22	0.25 124	0.65 221	0.27 125	0.76 112	0.59 76	0.56 151	0.59 182	0.60 189	0.53 242	0.64 118	0.44 131	0.12 143	0.09 81	0.11 92	0.11 109	0.18 110	0.15 30

NINENet	0.54 99	0.40 63	2.19 75	0.55 286	0.26 138	0.91 326	0.23 58	1.05 315	0.77 237	0.54 130	0.57 171	0.65 210	0.32 107	1.22 210	0.34 95	0.16 247	0.13 153	0.16 261	0.11 109	0.16 69	0.14 24

AASNet	0.66 208	1.49 335	2.97 298	0.37 167	0.33 200	0.65 221	0.30 170	1.00 281	0.78 240	0.56 151	0.60 189	0.55 164	0.39 146	0.88 175	0.96 258	0.15 233	0.12 140	0.13 191	0.11 109	0.45 338	0.35 155

GMOStereo	0.58 126	0.89 206	2.46 157	0.29 46	0.99 358	0.51 46	0.32 190	0.58 55	0.46 18	0.58 169	0.48 89	0.54 156	0.27 62	0.31 3	0.25 23	0.09 11	1.64 380	0.13 191	0.11 109	0.34 281	0.42 193

error version	0.58 126	0.89 206	2.46 157	0.29 46	0.99 358	0.51 46	0.32 190	0.58 55	0.46 18	0.58 169	0.48 89	0.54 156	0.27 62	0.31 3	0.25 23	0.09 11	1.64 380	0.13 191	0.11 109	0.34 281	0.42 193

test-v	0.58 126	0.89 206	2.46 157	0.29 46	0.99 358	0.51 46	0.32 190	0.58 55	0.46 18	0.58 169	0.48 89	0.54 156	0.27 62	0.31 3	0.25 23	0.09 11	1.64 380	0.13 191	0.11 109	0.34 281	0.42 193

AACVNet	0.61 154	1.13 254	2.47 162	0.37 167	0.21 77	0.57 105	0.25 99	0.75 110	0.55 59	0.56 151	0.60 189	0.66 217	0.44 195	2.11 332	0.49 154	0.14 215	0.11 125	0.14 220	0.11 109	0.35 292	0.23 85

ADLNet2	0.73 241	1.22 281	3.28 324	0.34 128	0.36 223	0.65 221	0.37 227	0.94 241	0.87 297	0.57 163	0.65 226	0.92 312	0.48 224	2.05 324	0.60 182	0.13 185	0.11 125	0.11 92	0.11 109	0.37 304	0.38 170

CrosDoStereo	0.96 320	0.49 89	2.66 227	0.27 22	0.33 200	0.54 73	3.69 406	0.77 118	0.66 123	0.70 270	1.39 360	0.53 151	1.47 366	1.77 288	3.02 376	0.10 47	0.08 38	0.11 92	0.11 109	0.22 173	0.30 129

FTStereo	0.79 265	0.32 14	2.83 278	0.70 329	0.21 77	0.73 266	1.75 397	0.61 67	0.60 80	1.07 340	1.62 368	1.28 364	2.11 388	0.75 151	0.30 56	0.19 288	0.08 38	0.12 135	0.11 109	0.12 25	0.39 177

ASMatch	0.61 154	0.47 85	2.72 252	0.91 351	0.36 223	0.56 86	0.24 80	0.54 39	0.67 135	0.48 65	1.20 349	0.47 128	0.65 281	1.33 226	0.93 256	0.10 47	0.08 38	0.11 92	0.11 109	0.10 10	0.17 49

DeepStereo_LL	0.96 320	0.49 89	2.66 227	0.27 22	0.33 200	0.54 73	3.69 406	0.77 118	0.66 123	0.70 270	1.39 360	0.53 151	1.47 366	1.77 288	3.02 376	0.10 47	0.08 38	0.11 92	0.11 109	0.22 173	0.30 129

THIR-Stereo	0.88 299	0.85 194	2.33 98	0.26 15	0.16 20	0.59 130	2.69 402	0.62 70	0.54 54	0.62 216	1.61 367	0.96 325	1.77 379	1.67 274	2.20 351	0.10 47	0.08 38	0.14 220	0.11 109	0.16 69	0.21 72

test-2	0.58 126	0.89 206	2.46 157	0.29 46	0.99 358	0.51 46	0.32 190	0.58 55	0.46 18	0.58 169	0.48 89	0.54 156	0.27 62	0.31 3	0.25 23	0.09 11	1.64 380	0.13 191	0.11 109	0.34 281	0.42 193

ICVP	0.48 55	0.33 23	2.37 103	0.34 128	0.22 86	0.60 142	0.55 302	0.79 132	0.53 51	0.45 51	0.60 189	0.49 136	0.36 123	0.55 92	0.46 139	0.16 247	0.16 192	0.14 220	0.11 109	0.16 69	0.32 139
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
iRaftStereo_RVC	0.47 48	0.84 192	1.91 29	0.29 46	0.15 13	0.53 66	0.20 20	0.58 55	0.50 35	0.37 25	0.43 64	0.42 91	0.23 25	0.38 27	0.28 42	0.09 11	0.70 324	0.12 135	0.11 109	0.43 333	0.77 298

GEStereo_RVC	0.61 154	1.19 272	2.61 208	0.48 255	0.25 124	0.63 195	0.37 227	1.05 315	0.79 249	0.55 141	0.55 149	0.59 182	0.44 195	1.10 193	0.48 145	0.16 247	0.11 125	0.12 135	0.11 109	0.27 234	0.43 198

sCroCo_RVC	0.37 11	0.39 59	2.38 105	0.35 143	0.27 149	0.31 5	0.22 39	0.49 14	0.48 27	0.23 6	0.34 34	0.25 23	0.24 27	0.35 22	0.25 23	0.15 233	0.17 199	0.12 135	0.11 109	0.15 60	0.15 30

MMNet	0.55 103	0.92 219	2.03 47	0.34 128	0.27 149	0.79 296	0.28 133	0.86 190	0.79 249	0.62 216	0.58 177	0.59 182	0.56 251	0.80 163	0.61 187	0.11 110	0.11 125	0.12 135	0.11 109	0.21 159	0.22 77

UNet	0.56 111	0.58 119	2.81 274	0.32 91	0.33 200	0.74 271	0.27 125	0.86 190	0.67 135	0.55 141	0.55 149	0.72 251	0.55 249	0.79 159	0.58 178	0.12 143	0.09 81	0.13 191	0.11 109	0.20 150	0.19 60

FENet	0.48 55	0.58 119	2.46 157	0.33 111	0.18 47	0.58 112	0.22 39	0.83 161	0.64 109	0.49 81	0.42 62	0.55 164	0.38 135	0.52 79	0.51 160	0.12 143	0.09 81	0.12 135	0.11 109	0.17 90	0.31 137

RASNet	0.69 222	1.05 237	2.59 199	0.37 167	0.47 271	0.66 234	0.33 203	0.82 151	0.76 229	0.51 110	0.65 226	0.93 317	0.62 275	2.20 337	0.80 238	0.14 215	0.09 81	0.09 13	0.11 109	0.18 110	0.37 162

AdaStereo	0.48 55	0.44 80	2.18 74	0.36 157	0.20 68	0.59 130	0.29 158	0.97 264	0.74 216	0.52 118	0.55 149	0.61 191	0.33 112	0.52 79	0.44 131	0.18 277	0.08 38	0.17 275	0.11 109	0.18 110	0.24 94
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.
whm_eth	0.51 80	0.86 196	2.79 268	0.31 74	0.31 183	0.49 38	0.24 80	0.78 125	0.75 221	0.48 65	0.86 308	0.26 29	0.26 49	0.38 27	0.29 51	0.13 185	0.11 125	0.13 191	0.12 139	0.14 51	0.44 210

CASnet	0.32 3	0.40 63	1.80 11	0.28 34	0.11 1	0.47 30	0.19 12	0.45 7	0.47 24	0.39 30	0.31 25	0.23 14	0.17 1	0.31 3	0.21 1	0.11 110	0.06 1	0.15 245	0.12 139	0.16 69	0.08 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo	0.85 289	1.73 359	3.06 311	0.37 167	0.61 309	0.54 73	0.33 203	1.01 289	0.76 229	0.69 267	0.58 177	0.85 297	0.78 313	2.65 368	0.54 170	0.14 215	0.58 305	0.14 220	0.12 139	0.42 331	1.05 335

BUS	0.45 40	0.32 14	1.58 4	0.31 74	0.22 86	0.91 326	0.23 58	1.05 315	0.67 135	0.64 236	0.53 126	0.65 210	0.32 107	0.48 59	0.34 95	0.13 185	0.10 104	0.14 220	0.12 139	0.13 35	0.15 30

Wz-Net-LNSev	0.66 208	1.30 297	2.81 274	0.35 143	0.37 229	0.80 299	0.48 281	0.91 226	0.87 297	0.63 225	0.70 255	0.80 281	0.59 266	0.67 128	0.68 209	0.15 233	0.14 166	0.12 135	0.12 139	0.24 193	0.38 170

test_5	0.61 154	1.25 289	2.76 264	0.39 198	0.64 316	0.58 112	0.35 217	0.85 178	0.66 123	0.49 81	0.56 161	0.55 164	0.40 152	0.79 159	0.32 78	0.10 47	0.19 209	0.12 135	0.12 139	0.33 275	0.85 313

BSDual-CNN	0.48 55	0.32 14	1.58 4	0.31 74	0.22 86	0.76 277	0.32 190	1.05 315	0.67 135	0.64 236	0.53 126	0.63 200	0.38 135	0.48 59	0.97 259	0.13 185	0.10 104	0.14 220	0.12 139	0.13 35	0.15 30

hknet	0.53 92	0.39 59	2.04 50	0.31 74	0.24 118	0.76 277	0.32 190	1.05 315	0.71 189	0.64 236	0.53 126	0.79 275	0.40 152	0.84 168	0.78 233	0.12 143	0.10 104	0.14 220	0.12 139	0.13 35	0.15 30

iRaft-Stereo_5w	0.65 191	1.35 308	2.21 80	0.30 60	0.63 312	0.49 38	0.28 133	0.78 125	0.64 109	0.41 33	0.61 197	0.62 196	0.46 210	1.79 293	0.48 145	0.10 47	0.25 246	0.11 92	0.12 139	0.40 323	0.94 323

dd	0.48 55	1.32 299	2.41 117	0.31 74	0.17 37	0.58 112	0.26 111	0.50 23	0.71 189	0.42 37	0.41 60	0.34 60	0.28 72	0.47 51	0.41 118	0.18 277	0.10 104	0.13 191	0.12 139	0.22 173	0.16 43

IPLG	0.74 244	1.09 243	2.87 285	0.36 157	0.21 77	1.63 376	0.60 317	1.39 370	0.63 103	1.39 369	0.51 116	0.40 82	0.86 325	1.40 232	0.37 107	0.09 11	0.07 6	0.14 220	0.12 139	0.34 281	0.23 85

PSM-softLoss	0.52 82	0.34 30	2.47 162	0.55 286	0.17 37	0.61 160	0.39 241	0.64 78	0.67 135	0.52 118	0.48 89	0.39 74	0.25 41	1.46 241	0.77 229	0.13 185	0.08 38	0.13 191	0.12 139	0.12 25	0.15 30

KMStereo	0.52 82	0.34 30	2.47 162	0.55 286	0.17 37	0.61 160	0.39 241	0.64 78	0.67 135	0.52 118	0.48 89	0.39 74	0.25 41	1.46 241	0.77 229	0.13 185	0.08 38	0.13 191	0.12 139	0.12 25	0.15 30

Anonymous	0.41 18	0.44 80	2.55 189	0.35 143	0.32 194	0.38 11	0.34 208	0.57 53	0.41 5	0.25 11	0.30 20	0.23 14	0.29 88	0.38 27	0.28 42	0.15 233	0.13 153	0.11 92	0.12 139	0.24 193	0.30 129

GMStereo	0.44 37	1.32 299	2.65 223	0.28 34	0.16 20	0.42 14	0.22 39	0.48 11	0.63 103	0.41 33	0.36 38	0.26 29	0.25 41	0.41 41	0.30 56	0.14 215	0.08 38	0.10 46	0.12 139	0.17 90	0.13 12
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.63 179	0.77 182	2.71 250	0.37 167	0.34 209	0.64 207	0.30 170	0.86 190	0.67 135	0.58 169	0.53 126	0.88 307	0.48 224	1.84 302	0.71 216	0.15 233	0.12 140	0.12 135	0.12 139	0.21 159	0.25 98

HGLStereo	0.61 154	1.20 274	2.59 199	0.36 157	0.40 243	0.65 221	0.30 170	0.87 197	0.67 135	0.60 197	0.70 255	0.69 242	0.56 251	1.07 190	0.59 180	0.14 215	0.13 153	0.13 191	0.12 139	0.23 187	0.23 85

cf-r	0.62 167	1.27 292	2.99 303	0.34 128	0.28 159	0.60 142	0.28 133	0.82 151	0.70 177	0.55 141	0.61 197	0.77 269	0.41 163	1.32 225	0.52 162	0.13 185	0.09 81	0.11 92	0.12 139	0.22 173	0.27 108

GANet-RSSM	0.63 179	1.14 255	2.67 234	0.38 185	0.26 138	0.59 130	0.29 158	0.81 144	0.56 63	0.50 99	0.57 171	0.67 219	0.50 228	1.91 317	0.50 157	0.14 215	0.10 104	0.24 326	0.12 139	0.36 298	0.28 114

PWCDC_ROB	0.83 278	1.57 340	2.63 213	0.48 255	0.37 229	0.78 292	0.29 158	1.04 307	1.36 371	0.63 225	2.05 377	0.64 206	0.70 297	1.10 193	1.20 290	0.33 349	0.14 166	0.15 245	0.12 139	0.63 363	0.46 218

anonymousdsp2	0.88 299	0.31 7	1.96 38	1.06 361	1.56 392	0.57 105	0.22 39	0.84 168	0.98 334	1.20 354	0.37 42	0.65 210	0.26 49	1.19 208	0.46 139	0.10 47	2.40 408	0.10 46	0.13 159	0.19 133	2.96 408

psmg	0.48 55	0.32 14	1.58 4	0.28 34	0.22 86	0.75 273	0.35 217	0.94 241	0.67 135	0.61 204	0.59 182	0.63 200	0.38 135	0.48 59	0.97 259	0.13 185	0.11 125	0.13 191	0.13 159	0.14 51	0.15 30

CIPLG	0.63 179	1.59 345	3.16 316	0.79 340	0.31 183	0.62 182	0.57 309	0.82 151	0.68 159	0.58 169	0.63 212	0.43 92	0.31 102	0.48 59	0.42 122	0.12 143	0.20 221	0.13 191	0.13 159	0.36 298	0.21 72

PSMNet-ADL	0.56 111	0.47 85	2.03 47	0.35 143	0.22 86	0.67 241	0.27 125	0.77 118	0.58 72	0.43 43	0.53 126	0.70 248	0.45 203	1.89 311	0.64 196	0.16 247	0.13 153	0.11 92	0.13 159	0.15 60	0.51 236

PFNet+	0.50 70	0.43 76	2.54 182	0.49 266	0.18 47	0.58 112	0.76 346	0.54 39	0.72 196	0.56 151	0.48 89	0.39 74	0.26 49	0.94 179	0.33 87	0.14 215	0.09 81	0.14 220	0.13 159	0.12 25	0.16 43

RAFT-RH_RVC	0.65 191	0.73 166	2.78 267	0.39 198	0.29 164	0.60 142	0.18 10	0.45 7	0.63 103	0.75 290	1.89 373	0.47 128	0.29 88	1.59 264	1.21 291	0.15 233	0.07 6	0.13 191	0.13 159	0.11 17	0.10 4

RAFT	0.62 167	1.35 308	2.26 85	0.62 309	0.53 284	0.47 30	0.35 217	0.70 98	0.58 72	0.50 99	0.50 114	0.79 275	0.40 152	0.49 69	0.36 104	0.11 110	0.79 329	0.14 220	0.13 159	0.52 352	0.72 294

GMM-Stereo	0.53 92	0.33 23	2.89 288	0.53 279	0.24 118	0.77 287	0.46 275	0.62 70	0.65 116	0.58 169	0.73 273	0.47 128	0.43 187	0.68 132	0.29 51	0.10 47	0.06 1	0.13 191	0.13 159	0.14 51	0.44 210

Anonymous3	0.47 48	0.49 89	2.61 208	0.33 111	0.25 124	0.72 263	0.32 190	0.80 137	0.60 80	0.36 23	0.41 60	0.33 56	0.29 88	0.46 49	0.30 56	0.19 288	0.18 205	0.13 191	0.13 159	0.18 110	0.22 77

sAnonymous2	0.45 40	0.88 201	2.97 298	0.31 74	0.25 124	0.34 8	0.28 133	0.56 48	0.49 29	0.25 11	0.30 20	0.23 14	0.29 88	0.31 3	0.22 4	0.12 143	0.09 81	0.12 135	0.13 159	0.38 310	0.43 198

CroCo_RVC	0.45 40	0.88 201	2.97 298	0.31 74	0.25 124	0.34 8	0.28 133	0.56 48	0.49 29	0.25 11	0.30 20	0.23 14	0.29 88	0.31 3	0.22 4	0.12 143	0.09 81	0.12 135	0.13 159	0.38 310	0.43 198

HCRNet	0.50 70	0.75 179	2.08 56	0.39 198	0.29 164	0.58 112	0.22 39	0.79 132	0.67 135	0.49 81	0.49 102	0.48 134	0.37 128	1.13 200	0.40 116	0.15 233	0.10 104	0.15 245	0.13 159	0.21 159	0.19 60

ARAFT	0.65 191	1.69 358	3.34 329	0.29 46	0.16 20	0.65 221	0.36 224	0.96 257	0.73 199	0.63 225	0.49 102	0.56 171	0.31 102	1.23 212	0.35 102	0.11 110	0.08 38	0.14 220	0.13 159	0.38 310	0.50 232

UPFNet	0.51 80	0.67 144	2.04 50	0.34 128	0.33 200	0.65 221	0.37 227	0.88 205	0.65 116	0.60 197	0.53 126	0.61 191	0.41 163	0.77 154	0.55 172	0.13 185	0.13 153	0.13 191	0.13 159	0.20 150	0.16 43

hitnet-ft	0.73 241	1.09 243	2.59 199	0.28 34	0.22 86	0.71 257	0.36 224	0.89 211	0.67 135	0.58 169	0.83 298	1.03 339	0.94 338	2.31 342	0.70 212	0.23 317	0.14 166	0.41 362	0.13 159	0.24 193	0.28 114

GwcNet-RSSM	0.64 186	1.38 318	2.69 245	0.33 111	0.26 138	0.60 142	0.32 190	0.84 168	0.73 199	0.56 151	0.65 226	0.72 251	0.42 174	1.78 291	0.60 182	0.14 215	0.10 104	0.12 135	0.13 159	0.26 223	0.26 103

DN-CSS_ROB	0.56 111	1.64 353	2.75 261	0.42 223	0.22 86	0.57 105	0.19 12	0.79 132	0.66 123	0.46 61	0.62 204	0.41 87	0.32 107	0.73 147	0.49 154	0.12 143	0.08 38	0.14 220	0.13 159	0.38 310	0.17 49

PWC_ROB	0.81 270	1.41 320	2.60 204	0.41 220	0.40 243	0.63 195	0.31 180	1.04 307	0.99 337	0.92 324	1.29 354	0.78 273	0.68 291	1.65 273	1.50 315	0.19 288	0.12 140	0.18 291	0.13 159	0.51 349	0.54 247

LL-Strereo2	0.62 167	1.36 312	2.47 162	1.37 374	0.96 354	0.54 73	0.28 133	0.61 67	0.49 29	0.42 37	0.34 34	0.44 107	0.21 16	0.57 98	0.53 165	0.11 110	0.26 249	0.16 261	0.14 177	0.18 110	0.98 333

ssnet_v2	0.64 186	0.99 225	2.67 234	0.33 111	0.22 86	0.72 263	0.45 270	1.00 281	0.80 256	0.66 254	0.54 140	0.81 284	0.48 224	0.91 176	1.08 277	0.16 247	0.14 166	0.14 220	0.14 177	0.33 275	0.31 137

Wz-Net-MNSev	0.74 244	1.42 324	2.75 261	0.38 185	0.33 200	0.90 325	0.61 322	0.98 270	0.94 320	0.77 294	0.75 283	0.75 263	0.66 287	1.39 230	0.76 227	0.17 266	0.13 153	0.14 220	0.14 177	0.28 244	0.48 224

ACRE	0.63 179	1.55 339	3.41 341	0.76 334	0.28 159	0.60 142	0.56 306	0.82 151	0.68 159	0.57 163	0.62 204	0.43 92	0.30 98	0.47 51	0.42 122	0.12 143	0.19 209	0.13 191	0.14 177	0.36 298	0.20 68

KYRaft	0.52 82	0.35 37	2.40 113	0.34 128	0.21 77	0.75 273	0.43 259	0.62 70	0.63 103	0.64 236	0.92 318	0.53 151	0.72 299	0.60 107	0.26 32	0.10 47	0.07 6	0.12 135	0.14 177	0.13 35	0.54 247

DRaft	0.65 191	0.47 85	2.38 105	0.25 5	0.17 37	0.64 207	0.65 329	0.56 48	0.57 66	0.67 256	0.98 328	0.38 72	0.99 341	1.42 235	2.06 341	0.11 110	0.14 166	0.10 46	0.14 177	0.18 110	0.21 72

pcwnet_v2	0.65 191	0.54 107	4.29 386	0.33 111	0.27 149	0.60 142	0.25 99	1.02 295	0.92 313	0.61 204	0.69 242	0.62 196	0.54 244	0.67 128	0.38 113	0.18 277	0.15 180	0.15 245	0.14 177	0.21 159	0.49 230

ADLNet	0.68 216	1.02 230	2.68 239	0.35 143	0.34 209	0.67 241	0.34 208	0.95 254	0.79 249	0.70 270	0.62 204	0.80 281	0.46 210	1.77 288	0.69 211	0.15 233	0.12 140	0.14 220	0.14 177	0.31 266	0.54 247

RAFT + AFF	0.79 265	1.73 359	2.99 303	0.34 128	0.35 217	0.67 241	0.51 289	1.05 315	0.79 249	0.54 130	0.58 177	0.59 182	0.81 316	1.80 294	1.21 291	0.13 185	0.27 255	0.15 245	0.14 177	0.45 338	0.69 288

delet	0.60 147	0.84 192	2.45 150	0.33 111	0.35 217	0.73 266	0.46 275	0.89 211	0.80 256	0.58 169	0.62 204	0.67 219	0.51 232	1.14 202	0.64 196	0.12 143	0.12 140	0.13 191	0.14 177	0.22 173	0.29 120

CFNet-ft	0.60 147	1.16 263	2.45 150	0.29 46	0.30 175	0.64 207	0.28 133	0.69 91	0.57 66	0.49 81	0.57 171	0.79 275	0.44 195	1.48 244	0.62 190	0.15 233	0.10 104	0.28 337	0.14 177	0.21 159	0.29 120

DSFCA	0.62 167	0.77 182	1.95 35	0.29 46	0.29 164	0.79 296	0.86 354	0.81 144	0.73 199	0.73 282	0.66 232	0.67 219	0.57 256	1.17 206	1.03 272	0.16 247	0.15 180	0.13 191	0.14 177	0.19 133	0.28 114

RYNet	0.77 260	0.91 214	2.36 101	0.37 167	0.41 248	0.88 320	0.44 265	0.99 275	0.88 301	0.65 248	0.54 140	0.92 312	0.61 273	2.70 373	1.23 295	0.15 233	0.14 166	0.17 275	0.14 177	0.27 234	0.55 253

CFNet	0.65 191	1.45 329	2.27 86	0.34 128	0.25 124	0.64 207	0.23 58	0.93 236	0.79 249	0.48 65	0.59 182	0.58 179	0.40 152	2.28 340	0.63 195	0.13 185	0.09 81	0.15 245	0.14 177	0.34 281	0.26 103

CFNet_RVC	0.60 147	1.16 263	2.45 150	0.29 46	0.30 175	0.64 207	0.28 133	0.69 91	0.57 66	0.49 81	0.57 171	0.79 275	0.44 195	1.48 244	0.62 190	0.15 233	0.10 104	0.28 337	0.14 177	0.21 159	0.29 120

DeepPruner_ROB	0.58 126	1.06 238	2.68 239	0.30 60	0.26 138	0.63 195	0.31 180	0.83 161	0.51 40	0.62 216	0.56 161	0.65 210	0.39 146	1.06 188	0.56 174	0.19 288	0.14 166	0.14 220	0.14 177	0.24 193	0.33 142

StereoDRNet-Refined	0.55 103	0.61 132	2.07 54	0.34 128	0.21 77	0.68 247	0.26 111	0.87 197	0.73 199	0.70 270	0.69 242	0.74 259	0.45 203	1.10 193	0.62 190	0.12 143	0.09 81	0.14 220	0.14 177	0.27 234	0.24 94
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.61 154	0.96 224	2.00 41	0.37 167	0.25 124	0.65 221	0.37 227	0.86 190	0.76 229	0.73 282	0.70 255	0.84 292	0.47 218	1.57 257	0.72 220	0.13 185	0.13 153	0.14 220	0.14 177	0.18 110	0.33 142

StereoVision	0.52 82	1.12 252	2.70 249	0.34 128	0.32 194	0.47 30	0.26 111	0.73 106	0.61 83	0.33 22	0.89 314	0.45 119	0.26 49	0.52 79	0.39 115	0.14 215	0.15 180	0.16 261	0.15 195	0.22 173	0.14 24

Selective-IGEV	0.57 118	0.42 70	1.87 23	1.67 389	1.33 382	0.36 10	0.20 20	0.61 67	0.71 189	0.22 3	0.31 25	0.22 8	0.19 7	0.52 79	0.36 104	0.09 11	0.97 337	0.09 13	0.15 195	0.20 150	0.85 313

test_4	0.47 48	0.80 189	2.15 69	0.36 157	0.29 164	0.59 130	0.28 133	0.50 23	0.42 9	0.43 43	0.76 286	0.39 74	0.22 19	0.73 147	0.49 154	0.08 1	0.18 205	0.11 92	0.15 195	0.29 252	0.27 108

IPLGR_C	0.64 186	1.66 356	3.36 330	0.80 341	0.31 183	0.60 142	0.60 317	0.82 151	0.69 167	0.58 169	0.62 204	0.44 107	0.31 102	0.47 51	0.43 128	0.12 143	0.22 231	0.13 191	0.15 195	0.35 292	0.21 72

SACVNet	0.68 216	1.08 242	2.58 197	0.38 185	0.28 159	0.65 221	0.37 227	0.91 226	0.65 116	0.67 256	0.62 204	0.69 242	0.47 218	2.07 326	0.65 201	0.18 277	0.14 166	0.16 261	0.15 195	0.39 317	0.41 189

PSM-AAD	0.67 211	0.29 2	2.41 117	0.37 167	0.23 109	0.86 314	1.15 378	0.62 70	0.66 123	0.64 236	0.71 268	0.67 219	2.90 396	0.65 122	0.32 78	0.10 47	0.08 38	0.17 275	0.15 195	0.14 51	0.34 149

rafts_anoy	0.60 147	1.33 303	2.59 199	0.53 279	1.09 370	0.49 38	0.25 99	0.67 86	0.53 51	0.41 33	0.38 48	0.33 56	0.30 98	0.68 132	0.41 118	0.10 47	1.13 352	0.13 191	0.15 195	0.20 150	0.29 120

Syn2CoEx	0.78 262	1.43 327	3.54 353	0.44 238	0.31 183	0.64 207	0.43 259	1.04 307	0.83 274	0.64 236	0.77 290	0.74 259	0.74 306	1.91 317	0.64 196	0.20 296	0.17 199	0.19 296	0.15 195	0.30 258	0.59 259

psm_up	0.65 191	1.02 230	2.53 178	0.36 157	0.31 183	0.64 207	0.38 235	0.96 257	0.73 199	0.63 225	0.57 171	0.68 231	0.57 256	1.90 316	0.52 162	0.17 266	0.15 180	0.16 261	0.15 195	0.27 234	0.22 77

GwcNet	0.76 256	1.09 243	3.68 360	0.38 185	0.45 263	0.81 304	0.45 270	0.91 226	0.89 306	0.63 225	0.77 290	0.82 287	0.51 232	1.64 270	0.85 249	0.17 266	0.16 192	0.15 245	0.15 195	0.33 275	0.34 149

DMCA-RVC	0.70 227	1.30 297	3.59 357	0.37 167	0.89 347	0.57 105	0.31 180	0.73 106	0.59 76	0.69 267	0.54 140	0.59 182	0.57 256	1.25 217	0.66 204	0.16 247	0.38 272	0.20 306	0.15 195	0.22 173	0.23 85

ADCP+	1.03 334	1.68 357	3.83 368	0.35 143	0.39 237	1.05 343	0.79 350	0.94 241	0.86 295	0.69 267	0.68 238	0.85 297	1.53 372	1.02 184	4.56 399	0.13 185	0.12 140	0.16 261	0.15 195	0.28 244	0.44 210

TDLM	0.83 278	1.28 294	2.38 105	0.46 248	0.26 138	0.66 234	0.55 302	0.87 197	0.80 256	2.54 400	0.62 204	0.61 191	0.51 232	2.68 372	0.67 206	0.20 296	0.11 125	0.35 354	0.15 195	0.33 275	0.48 224

NLCA_NET_v2_RVC	0.62 167	1.15 261	3.11 313	0.39 198	0.37 229	0.60 142	0.28 133	0.87 197	0.64 109	0.63 225	0.56 161	0.71 250	0.45 203	1.08 191	0.52 162	0.15 233	0.12 140	0.14 220	0.15 195	0.18 110	0.25 98
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet	0.71 231	1.24 286	2.56 193	0.42 223	0.45 263	0.73 266	0.46 275	0.98 270	0.81 263	0.77 294	0.56 161	0.74 259	0.48 224	1.69 278	0.91 255	0.15 233	0.14 166	0.15 245	0.15 195	0.26 223	0.51 236

SANet	1.35 360	1.80 364	4.39 388	0.41 220	0.29 164	1.72 380	0.89 358	1.17 353	2.47 393	1.22 358	1.82 371	1.72 377	1.70 376	2.57 361	3.30 378	0.18 277	0.16 192	0.16 261	0.15 195	0.34 281	0.62 266

XPNet_ROB	0.68 216	1.11 250	2.28 88	0.38 185	0.27 149	0.67 241	0.47 279	0.94 241	0.75 221	0.80 305	0.71 268	0.81 284	0.54 244	1.72 279	0.84 248	0.22 309	0.16 192	0.16 261	0.15 195	0.25 208	0.45 215

EKT-Stereo	1.56 377	0.55 114	2.60 204	2.54 407	19.66 423	0.55 82	0.22 39	0.76 112	0.51 40	0.40 32	0.36 38	0.43 92	0.27 62	0.74 150	0.42 122	0.13 185	0.17 199	0.11 92	0.16 212	0.20 150	0.50 232

MC-Stereo	0.58 126	0.37 50	2.00 41	0.88 346	0.64 316	0.54 73	0.19 12	0.46 9	0.39 3	0.58 169	0.39 51	0.27 36	0.27 62	0.71 141	0.32 78	0.09 11	1.20 355	0.09 13	0.16 212	0.22 173	1.92 381

WZ-Net	1.04 335	1.83 366	4.20 380	0.42 223	0.36 223	0.88 320	0.71 341	1.05 315	1.11 353	0.84 314	0.94 320	1.06 347	1.17 353	2.37 346	2.24 354	0.20 296	0.14 166	0.15 245	0.16 212	0.36 298	0.53 244

PFNet	0.62 167	0.42 70	2.69 245	0.43 233	0.55 287	0.62 182	0.27 125	0.64 78	0.72 196	0.61 204	0.56 161	0.45 119	0.33 112	1.86 306	1.12 281	0.28 340	0.09 81	0.12 135	0.16 212	0.26 223	0.27 108

SFCPSM	0.48 55	0.39 59	2.30 92	0.28 34	0.27 149	0.70 253	0.32 190	1.00 281	0.69 167	0.50 99	0.52 123	0.43 92	0.36 123	0.53 86	0.44 131	0.12 143	0.09 81	0.12 135	0.16 212	0.18 110	0.23 85

PSMNet-RSSM	0.61 154	1.19 272	2.43 126	0.33 111	0.25 124	0.59 130	0.28 133	0.88 205	0.65 116	0.54 130	0.62 204	0.69 242	0.46 210	1.67 274	0.50 157	0.15 233	0.10 104	0.14 220	0.16 212	0.20 150	0.28 114

FAT-Stereo	0.72 239	0.60 127	2.86 284	0.37 167	0.29 164	0.64 207	0.55 302	1.01 289	0.91 311	0.76 292	0.94 320	0.93 317	0.79 315	1.82 299	0.60 182	0.19 288	0.19 209	0.17 275	0.16 212	0.23 187	0.47 220

SuperB	1.19 349	1.62 350	5.29 400	0.37 167	0.26 138	0.81 304	0.87 355	0.94 241	1.19 361	0.68 262	0.68 238	0.63 200	1.37 360	1.73 280	3.30 378	0.16 247	0.12 140	0.17 275	0.16 212	2.74 410	0.63 270

stereogan	0.74 244	0.68 151	2.82 276	0.40 211	0.40 243	1.05 343	0.42 252	0.99 275	0.96 327	0.78 302	0.86 308	1.15 360	0.73 302	1.57 257	0.56 174	0.20 296	0.19 209	0.20 306	0.16 212	0.37 304	0.34 149

DANet	0.85 289	0.68 151	2.41 117	1.18 369	0.48 272	0.77 287	1.23 384	0.93 236	1.53 378	0.90 321	0.72 271	0.97 327	0.57 256	1.86 306	1.05 274	0.18 277	0.16 192	0.19 296	0.16 212	0.26 223	0.67 279
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NVstereo2D	0.63 179	0.57 117	2.29 90	0.37 167	0.35 217	0.69 250	0.49 286	0.96 257	0.88 301	0.49 81	0.54 140	0.72 251	0.46 210	1.98 321	0.50 157	0.19 288	0.20 221	0.18 291	0.16 212	0.28 244	0.34 149

DRN-Test	0.71 231	0.79 187	2.83 278	0.40 211	0.44 260	0.80 299	0.41 246	1.07 330	0.83 274	0.82 310	0.64 219	0.68 231	0.57 256	1.78 291	0.79 236	0.16 247	0.13 153	0.17 275	0.16 212	0.24 193	0.51 236

ETE_ROB	0.68 216	1.09 243	2.32 96	0.38 185	0.26 138	0.69 250	0.51 289	1.49 375	0.75 221	0.81 306	0.71 268	0.85 297	0.51 232	1.39 230	0.70 212	0.17 266	0.14 166	0.19 296	0.16 212	0.24 193	0.35 155

SDNR	2.06 389	2.93 410	2.94 295	1.55 384	5.13 412	1.98 390	0.24 80	1.95 392	2.62 396	0.92 324	2.71 395	5.76 408	0.68 291	3.61 398	3.84 389	0.33 349	0.38 272	0.22 314	0.17 225	1.13 381	2.04 385

fast-acv-ft	0.67 211	1.24 286	3.26 322	0.39 198	0.30 175	0.80 299	0.48 281	0.74 108	0.76 229	0.60 197	0.78 294	0.76 267	0.60 271	0.70 135	0.78 233	0.16 247	0.15 180	0.18 291	0.17 225	0.38 310	0.24 94

GASNet	0.84 281	1.98 373	4.07 375	0.48 255	0.33 200	0.58 112	0.34 208	0.97 264	0.81 263	0.60 197	0.59 182	0.74 259	0.55 249	2.08 329	1.18 287	0.22 309	0.15 180	0.19 296	0.17 225	0.55 355	0.29 120

Wz-Net-SNSev	0.85 289	1.83 366	3.36 330	0.42 223	0.31 183	0.71 257	0.66 331	1.04 307	0.94 320	0.68 262	0.85 303	0.96 325	0.62 275	1.75 283	1.14 283	0.16 247	0.15 180	0.16 261	0.17 225	0.39 317	0.63 270

test-1	0.61 154	0.54 107	2.09 57	0.31 74	1.37 384	0.51 46	0.28 133	0.83 161	0.50 35	0.42 37	0.55 149	0.54 156	0.24 27	0.38 27	1.25 297	0.10 47	1.08 348	0.10 46	0.17 225	0.11 17	0.77 298

RALAANet	0.52 82	1.37 315	2.63 213	0.33 111	0.23 109	0.48 33	0.19 12	0.69 91	0.55 59	0.49 81	0.46 78	0.39 74	0.31 102	0.53 86	0.53 165	0.10 47	0.33 264	0.11 92	0.17 225	0.29 252	0.13 12

UCFNet_RVC	0.55 103	1.16 263	2.48 167	0.31 74	0.27 149	0.65 221	0.28 133	0.76 112	0.58 72	0.51 110	0.53 126	0.67 219	0.42 174	0.91 176	0.45 135	0.16 247	0.11 125	0.17 275	0.17 225	0.20 150	0.23 85

MDST_ROB	1.28 354	0.53 105	3.84 369	0.55 286	0.45 263	4.06 407	0.60 317	1.36 368	0.89 306	2.18 391	1.17 346	0.98 328	0.72 299	4.28 403	2.12 345	0.20 296	0.16 192	0.19 296	0.17 225	0.20 150	0.84 309

ff7	0.65 191	0.58 119	2.09 57	0.39 198	0.60 302	0.56 86	0.23 58	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 391	0.10 46	0.18 233	0.24 193	2.22 397

IGEVStereo-DCA	0.74 244	0.74 175	2.09 57	0.76 334	0.77 335	0.45 17	0.23 58	0.49 14	0.62 92	0.71 279	0.22 2	0.30 43	0.28 72	1.29 222	1.53 318	0.10 47	1.50 378	0.10 46	0.18 233	0.24 193	2.22 397

ffff	0.65 191	0.58 119	2.09 57	0.39 198	0.60 302	0.56 86	0.23 58	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 391	0.10 46	0.18 233	0.24 193	2.22 397

11t	0.65 191	0.58 119	2.09 57	0.39 198	0.60 302	0.56 86	0.23 58	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 391	0.10 46	0.18 233	0.24 193	2.22 397

anonymousdsp	0.86 292	0.59 125	2.65 223	1.33 371	1.25 379	0.56 86	0.23 58	0.54 39	0.71 189	1.13 344	0.25 11	0.22 8	0.24 27	1.24 214	0.24 15	0.09 11	2.34 406	0.10 46	0.18 233	0.25 208	3.12 411

ccc-4	0.65 191	0.58 119	2.09 57	0.39 198	0.60 302	0.56 86	0.23 58	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 391	0.10 46	0.18 233	0.24 193	2.22 397

IGEV-Stereo	0.86 292	0.60 127	2.65 223	1.35 373	1.25 379	0.56 86	0.23 58	0.54 39	0.71 189	1.14 345	0.25 11	0.22 8	0.24 27	1.24 214	0.24 15	0.09 11	2.34 406	0.10 46	0.18 233	0.25 208	3.13 412
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
dad	0.58 126	1.35 308	2.39 111	0.31 74	0.20 68	0.62 182	0.26 111	0.56 48	0.79 249	0.66 254	0.64 219	0.64 206	0.36 123	0.87 171	0.48 145	0.28 340	0.15 180	0.40 360	0.18 233	0.24 193	0.22 77

LCNet	0.58 126	0.43 76	2.42 121	0.91 351	0.22 86	0.95 334	0.29 158	0.62 70	0.64 109	0.52 118	0.55 149	0.41 87	0.75 310	0.84 168	0.27 37	0.10 47	0.07 6	0.12 135	0.18 233	0.97 380	0.40 182

EDNetEfficientorigin	8.19 413	1.27 292	145.54 439	0.51 274	0.96 354	0.75 273	0.49 286	0.86 190	1.57 380	2.12 389	1.49 364	1.28 364	1.35 357	1.84 302	2.15 348	0.14 215	0.13 153	0.17 275	0.18 233	0.39 317	0.64 275

FADNet-RVC	0.69 222	1.65 354	2.74 259	0.35 143	0.26 138	0.60 142	0.29 158	0.91 226	0.67 135	0.46 61	0.51 116	0.62 196	0.46 210	1.75 283	0.81 242	0.17 266	0.20 221	0.17 275	0.18 233	0.60 359	0.39 177

S-Stereo	0.82 274	0.73 166	3.79 365	0.40 211	0.37 229	0.70 253	0.69 339	1.00 281	1.03 341	0.63 225	0.92 318	0.82 287	0.59 266	2.35 345	0.71 216	0.18 277	0.22 231	0.17 275	0.18 233	0.30 258	0.67 279

AF-Net	0.76 256	1.14 255	2.74 259	0.42 223	0.41 248	0.70 253	0.41 246	1.07 330	0.94 320	0.73 282	1.05 341	1.04 343	0.86 325	1.23 212	1.00 269	0.23 317	0.15 180	0.25 331	0.18 233	0.32 271	0.35 155

edge stereo	0.84 281	0.74 175	3.42 344	0.38 185	1.21 377	0.63 195	0.41 246	0.98 270	0.83 274	0.81 306	0.88 312	1.14 358	0.73 302	2.16 335	0.89 253	0.22 309	0.20 221	0.26 333	0.18 233	0.38 310	0.43 198

PS-NSSS	0.69 222	1.37 315	2.44 134	0.31 74	0.32 194	0.64 207	0.34 208	1.04 307	0.74 216	0.56 151	0.75 283	0.51 143	0.42 174	2.41 353	0.54 170	0.24 324	0.17 199	0.27 334	0.18 233	0.30 258	0.23 85

LALA_ROB	0.68 216	1.14 255	2.50 173	0.37 167	0.29 164	0.78 292	0.55 302	0.99 275	0.84 286	0.82 310	0.68 238	0.93 317	0.50 228	1.01 183	0.89 253	0.21 304	0.15 180	0.21 310	0.18 233	0.26 223	0.30 129

coex-ft	6.14 411	1.98 373	60.80 437	0.34 128	0.30 175	0.80 299	1.17 381	0.76 112	4.34 404	19.82 424	2.15 380	1.61 375	8.77 414	1.82 299	10.36 416	0.44 360	2.05 390	0.18 291	0.19 249	0.39 317	4.61 416

UDGNet	0.50 70	1.36 312	2.44 134	0.37 167	0.19 63	0.58 112	0.23 58	0.49 14	0.69 167	0.42 37	0.39 51	0.34 60	0.29 88	0.55 92	0.32 78	0.25 330	0.10 104	0.37 357	0.19 249	0.30 258	0.17 49

APVNet	0.76 256	1.11 250	3.23 318	0.39 198	0.36 223	0.85 313	0.44 265	0.96 257	0.73 199	0.58 169	0.69 242	0.76 267	0.56 251	2.29 341	0.82 245	0.17 266	0.18 205	0.24 326	0.19 249	0.35 292	0.27 108

psmorigin	1.41 364	0.91 214	13.83 419	0.37 167	0.30 175	0.63 195	0.37 227	0.80 137	0.64 109	0.98 329	0.87 310	1.16 362	0.78 313	3.95 401	1.09 278	0.19 288	0.22 231	0.17 275	0.19 249	0.25 208	0.47 220

FADNet-RVC-Resample	0.74 244	1.54 338	3.81 367	0.38 185	0.29 164	0.62 182	0.38 235	0.91 226	0.67 135	0.52 118	0.51 116	0.63 200	0.44 195	1.56 253	0.59 180	0.24 324	0.32 260	0.22 314	0.19 249	0.30 258	0.71 293

ADCRef	0.88 299	1.45 329	2.68 239	0.38 185	0.35 217	0.95 334	0.51 289	0.92 233	0.81 263	0.89 319	0.84 300	0.61 191	1.35 357	1.26 219	3.38 381	0.14 215	0.12 140	0.17 275	0.19 249	0.28 244	0.34 149

SGM-Forest	1.84 384	7.91 417	10.36 413	0.42 223	0.33 200	1.04 341	1.29 386	1.01 289	0.88 301	1.19 349	2.30 385	1.03 339	1.79 380	2.60 364	2.81 371	0.22 309	0.21 229	0.21 310	0.19 249	0.25 208	0.79 303
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.86 292	1.00 226	2.82 276	0.35 143	0.21 77	0.78 292	0.78 348	1.05 315	0.87 297	0.90 321	0.74 276	0.87 303	1.89 383	1.67 274	1.38 310	0.19 288	0.20 221	0.21 310	0.19 249	0.28 244	0.84 309
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	1.29 355	1.34 305	3.04 307	0.35 143	0.28 159	1.10 350	0.69 339	1.42 372	1.07 348	2.71 403	2.43 387	2.95 389	1.50 369	2.92 384	2.03 338	0.23 317	0.22 231	0.22 314	0.19 249	0.50 347	0.69 288
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
MyStereo06	0.70 227	0.72 163	3.51 349	0.31 74	0.25 124	0.60 142	0.30 170	0.90 219	0.67 135	1.48 377	0.53 126	0.84 292	0.57 256	0.60 107	1.11 280	0.09 11	0.55 299	0.12 135	0.20 258	0.16 69	0.56 254

MyStereo05	0.57 118	0.72 163	2.72 252	0.31 74	0.25 124	0.60 142	0.30 170	0.87 197	0.82 268	0.54 130	0.37 42	0.53 151	0.42 174	0.63 114	0.73 221	0.09 11	0.55 299	0.12 135	0.20 258	0.16 69	0.56 254

Wz-Net-TNSev	1.02 330	2.26 394	3.69 361	0.38 185	0.31 183	1.00 338	0.71 341	1.12 344	1.02 340	0.74 288	0.73 273	1.09 353	0.91 332	2.46 356	2.15 348	0.21 304	0.20 221	0.16 261	0.20 258	0.48 345	0.62 266

FADNet	0.71 231	1.60 349	2.53 178	0.33 111	0.30 175	0.67 241	0.29 158	0.92 233	0.75 221	0.45 51	0.49 102	0.66 217	0.57 256	1.85 304	0.85 249	0.46 363	0.20 221	0.17 275	0.20 258	0.60 359	0.37 162

STTStereo	0.58 126	0.95 223	2.95 296	0.37 167	0.31 183	0.62 182	0.32 190	0.81 144	0.63 103	0.61 204	0.55 149	0.67 219	0.43 187	0.87 171	0.48 145	0.16 247	0.16 192	0.17 275	0.20 258	0.17 90	0.25 98

RP	0.74 244	1.01 229	2.48 167	0.44 238	0.45 263	0.66 234	0.45 270	0.95 254	0.87 297	0.70 270	0.95 323	0.99 331	0.82 317	1.55 251	0.82 245	0.26 334	0.19 209	0.23 321	0.20 258	0.34 281	0.38 170

RTS	1.29 355	1.59 345	6.48 407	0.63 311	0.57 292	1.59 373	0.90 359	1.15 347	1.44 373	1.20 354	1.31 355	1.10 354	0.87 328	2.67 369	2.27 356	0.21 304	0.38 272	0.19 296	0.20 258	0.46 342	0.68 284

RTSA	1.29 355	1.59 345	6.48 407	0.63 311	0.57 292	1.59 373	0.90 359	1.15 347	1.44 373	1.20 354	1.31 355	1.10 354	0.87 328	2.67 369	2.27 356	0.21 304	0.38 272	0.19 296	0.20 258	0.46 342	0.68 284

GANet	0.92 312	1.20 274	2.68 239	0.45 245	0.27 149	0.76 277	0.66 331	0.94 241	0.77 237	0.79 303	1.17 346	0.84 292	0.91 332	2.72 374	1.76 328	0.18 277	0.42 280	0.44 367	0.20 258	0.33 275	0.94 323

Anonymous Stereo	0.83 278	1.57 340	3.56 354	0.46 248	0.39 237	0.63 195	0.84 353	0.92 233	0.83 274	0.68 262	0.68 238	0.64 206	0.42 174	2.42 354	1.02 271	0.23 317	0.23 236	0.19 296	0.20 258	0.31 266	0.40 182

PSMNet_ROB	0.75 253	1.42 324	2.93 293	0.39 198	0.32 194	0.73 266	0.56 306	0.90 219	0.74 216	0.56 151	0.60 189	0.75 263	0.47 218	2.00 322	1.31 300	0.18 277	0.13 153	0.19 296	0.20 258	0.26 223	0.40 182

MyStereo8	0.73 241	1.16 263	2.89 288	0.53 279	0.34 209	0.71 257	0.20 20	1.87 388	0.59 76	0.53 126	0.66 232	0.50 140	0.33 112	1.27 220	0.62 190	0.10 47	1.19 354	0.10 46	0.21 269	0.21 159	0.61 264

MyStereo07	0.56 111	0.68 151	2.42 121	0.30 60	0.41 248	0.61 160	0.31 180	0.58 55	0.72 196	1.17 348	0.26 14	0.20 2	0.27 62	1.28 221	0.28 42	0.09 11	0.59 306	0.12 135	0.21 269	0.16 69	0.48 224

MyStereo04	0.57 118	0.68 151	2.66 227	0.30 60	0.41 248	0.61 160	0.31 180	0.88 205	0.80 256	0.48 65	0.37 42	0.54 156	0.42 174	0.61 110	0.71 216	0.09 11	0.59 306	0.12 135	0.21 269	0.16 69	0.48 224

GrayStereo	0.71 231	0.27 1	2.40 113	0.89 347	0.23 109	0.62 182	1.40 392	0.67 86	0.70 177	0.72 281	0.77 290	0.55 164	3.03 397	0.60 107	0.28 42	0.10 47	0.08 38	0.10 46	0.21 269	0.12 25	0.37 162

aanetorigin	0.81 270	1.03 233	2.64 222	0.44 238	0.44 260	0.59 130	1.00 368	0.59 62	0.70 177	1.54 379	1.22 351	0.82 287	1.08 348	1.06 188	1.07 276	0.18 277	0.15 180	0.17 275	0.21 269	0.53 353	0.65 276

MaskLacGwcNet_RVC	0.84 281	1.41 320	2.80 270	0.94 353	0.35 217	0.89 322	0.41 246	0.89 211	0.66 123	0.57 163	0.63 212	0.75 263	0.38 135	2.37 346	0.55 172	1.16 390	0.31 259	0.36 355	0.21 269	0.59 358	0.63 270

ADCL	1.07 339	1.22 281	2.80 270	0.40 211	0.33 200	1.50 368	1.87 399	0.97 264	1.04 344	1.26 362	1.28 353	0.99 331	1.41 363	1.36 229	3.51 384	0.17 266	0.14 166	0.22 314	0.21 269	0.32 271	0.43 198

cross-raft	0.47 48	0.34 30	2.17 72	0.70 329	0.84 343	0.50 44	0.35 217	0.74 108	0.43 13	0.44 49	0.45 76	0.63 200	0.25 41	0.37 25	0.27 37	0.08 1	0.14 166	0.10 46	0.23 276	0.11 17	0.27 108

ADCS	1.14 346	2.02 378	3.36 330	0.43 233	0.37 229	0.96 336	0.81 351	1.12 344	1.17 360	1.25 361	0.98 328	1.08 350	0.92 335	1.41 234	4.97 402	0.23 317	0.21 229	0.22 314	0.23 276	0.40 323	0.67 279

qqq1	0.62 167	0.54 107	1.92 30	0.32 91	0.16 20	0.46 20	0.24 80	0.94 241	0.85 289	0.58 169	0.70 255	0.51 143	0.41 163	1.89 311	0.64 196	0.13 185	1.01 340	0.09 13	0.24 278	0.19 133	0.59 259

fff1	0.62 167	0.54 107	1.92 30	0.32 91	0.16 20	0.46 20	0.24 80	0.94 241	0.85 289	0.58 169	0.70 255	0.51 143	0.41 163	1.89 311	0.64 196	0.13 185	1.01 340	0.09 13	0.24 278	0.19 133	0.59 259

AnyNet_C01	1.20 350	1.89 369	4.25 382	0.55 286	0.54 285	1.57 371	1.39 391	1.10 338	1.13 355	1.19 349	1.34 359	1.15 360	1.11 350	1.73 280	2.89 373	0.26 334	0.24 239	0.28 337	0.24 278	0.50 347	0.68 284

STTRV1_RVC	0.81 270	0.59 125	2.88 287	0.43 233	0.49 274	0.80 299	0.44 265	1.18 355	0.84 286	0.63 225	0.89 314	0.72 251	0.63 279	2.67 369	0.67 206	0.51 365	0.65 314	0.27 334	0.24 278	0.35 292	0.29 120

NaN_ROB	1.25 352	1.46 331	3.84 369	0.54 285	0.56 289	1.12 351	0.99 364	1.05 315	1.03 341	1.10 341	0.87 310	0.77 269	1.07 347	5.85 408	2.98 374	0.16 247	0.23 236	0.16 261	0.24 278	0.28 244	0.66 277

PDISCO_ROB	0.84 281	1.46 331	2.84 280	0.65 316	0.59 297	1.17 356	0.48 281	1.19 356	1.08 350	0.67 256	0.72 271	1.00 334	0.61 273	1.24 214	1.05 274	0.38 353	0.18 205	0.28 337	0.24 278	0.58 357	0.44 210

HBP-ISP	0.82 274	1.57 340	3.28 324	0.50 271	0.27 149	0.86 314	0.54 298	1.09 335	0.78 240	0.81 306	0.70 255	0.68 231	1.00 342	2.02 323	0.47 142	0.24 324	0.24 239	0.29 345	0.25 284	0.28 244	0.52 241

AnyNet_C32	1.08 342	1.76 363	3.01 305	0.50 271	0.54 285	1.17 356	1.16 380	0.97 264	0.95 325	1.11 342	0.98 328	0.87 303	0.93 337	1.57 257	4.11 396	0.22 309	0.20 221	0.25 331	0.25 284	0.40 323	0.68 284

GANetREF_RVC	0.81 270	1.44 328	3.04 307	0.49 266	0.27 149	0.83 307	0.63 325	1.03 301	0.92 313	0.63 225	0.61 197	0.72 251	0.59 266	2.40 351	0.58 178	0.33 349	0.25 246	0.37 357	0.25 284	0.41 329	0.36 161
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
NCCL2	0.71 231	1.32 299	2.30 92	0.44 238	0.31 183	0.71 257	0.67 335	0.89 211	0.69 167	0.70 270	0.61 197	0.85 297	0.54 244	1.58 263	0.70 212	0.20 296	0.17 199	0.66 376	0.25 284	0.26 223	0.38 170

CBMV_ROB	0.88 299	0.75 179	2.73 257	0.36 157	0.22 86	0.76 277	0.47 279	1.05 315	0.81 263	1.06 339	1.04 339	0.88 307	1.36 359	2.17 336	2.03 338	0.23 317	0.24 239	0.27 334	0.25 284	0.27 234	0.73 295

CSAN	1.38 362	1.74 362	4.12 376	0.53 279	0.38 235	1.06 346	1.15 378	1.29 363	1.12 354	1.19 349	1.90 374	1.04 343	1.44 364	5.92 409	2.82 372	0.26 334	0.22 231	0.24 326	0.25 284	0.35 292	0.54 247

SMFormer	0.64 186	0.54 107	1.92 30	0.32 91	0.16 20	0.46 20	0.24 80	0.94 241	0.85 289	0.58 169	0.70 255	0.51 143	0.41 163	1.89 311	0.86 251	0.13 185	1.01 340	0.11 92	0.26 290	0.17 90	0.84 309

tta	0.63 179	0.54 107	1.92 30	0.32 91	0.16 20	0.46 20	0.24 80	0.94 241	0.85 289	0.58 169	0.70 255	0.51 143	0.41 163	1.89 311	0.86 251	0.13 185	1.01 340	0.11 92	0.26 290	0.19 133	0.59 259

RGC	0.78 262	1.10 248	2.55 189	0.45 245	0.45 263	0.73 266	0.40 244	1.00 281	0.75 221	0.75 290	1.04 339	1.02 338	0.73 302	1.74 282	1.15 284	0.24 324	0.19 209	0.28 337	0.26 290	0.31 266	0.38 170

G-Net	1.02 330	0.70 156	3.23 318	0.60 301	0.66 319	2.00 391	0.71 341	0.78 125	0.70 177	1.14 345	2.53 389	1.29 366	1.01 343	1.47 243	1.74 326	0.25 330	0.24 239	0.24 326	0.26 290	0.37 304	0.40 182

Nwc_Net	0.75 253	1.10 248	2.96 297	0.42 223	0.39 237	0.77 287	0.39 241	1.06 327	0.73 199	0.65 248	1.00 332	0.99 331	0.74 306	1.43 236	0.99 267	0.24 324	0.15 180	0.23 321	0.26 290	0.27 234	0.30 129

XQC	0.84 281	1.32 299	2.61 208	0.78 339	0.44 260	0.89 322	0.53 295	1.16 350	1.07 348	0.85 315	0.69 242	0.92 312	0.73 302	1.40 232	1.44 312	0.24 324	0.35 266	0.23 321	0.26 290	0.45 338	0.39 177

FBW_ROB	0.94 318	1.23 285	2.35 100	0.46 248	0.32 194	0.87 318	0.46 275	1.15 347	0.97 333	0.83 313	0.78 294	1.01 335	0.64 280	3.65 399	1.65 321	0.27 337	0.24 239	0.40 360	0.26 290	0.32 271	0.88 317

NOSS_ROB	0.75 253	1.03 233	2.27 86	0.68 327	0.26 138	0.68 247	0.30 170	0.99 275	0.82 268	0.59 188	0.58 177	0.77 269	0.39 146	2.75 378	0.48 145	0.25 330	0.24 239	0.28 337	0.26 290	0.29 252	1.07 337

EDNetEfficient	1.29 355	0.78 185	4.27 383	0.65 316	1.03 365	0.94 332	1.38 390	0.87 197	1.75 385	2.33 397	1.32 357	1.04 343	2.21 390	1.59 264	4.07 395	0.16 247	0.19 209	0.15 245	0.27 298	0.38 310	0.40 182

SHD	0.84 281	1.14 255	2.54 182	0.80 341	0.52 279	0.76 277	0.34 208	1.16 350	1.29 366	1.11 342	0.85 303	0.98 328	0.74 306	1.25 217	1.48 314	0.22 309	0.37 268	0.20 306	0.27 298	0.36 298	0.41 189

Sa-1000	0.61 154	1.07 239	2.71 250	0.32 91	0.61 309	0.61 160	0.31 180	1.00 281	0.76 229	0.53 126	0.83 298	0.43 92	0.33 112	0.69 134	0.30 56	0.10 47	0.52 296	0.13 191	0.28 300	0.29 252	0.29 120

ccnet	0.77 260	0.61 132	2.01 43	0.40 211	0.46 270	1.05 343	0.59 314	1.02 295	0.74 216	0.90 321	0.97 325	0.82 287	0.89 330	1.68 277	1.16 286	0.32 347	0.26 249	0.32 349	0.28 300	0.35 292	0.47 220

DeepPrunerF	0.92 312	1.33 303	3.41 341	0.46 248	0.51 277	0.64 207	0.49 286	1.16 350	2.62 396	0.65 248	0.61 197	0.65 210	0.62 275	2.23 338	1.31 300	0.23 317	0.19 209	0.30 346	0.28 300	0.39 317	0.34 149

PA-Net	0.93 317	1.36 312	4.14 377	0.64 314	0.41 248	0.70 253	0.53 295	0.91 226	0.88 301	0.53 126	0.60 189	0.70 248	0.54 244	2.40 351	2.57 366	0.17 266	0.28 257	0.19 296	0.28 300	0.25 208	0.48 224
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
11t1	0.60 147	0.49 89	2.19 75	0.35 143	0.58 296	0.48 33	0.21 30	0.72 105	0.73 199	0.49 81	0.47 83	0.35 63	0.34 119	0.61 110	0.71 216	0.12 143	1.26 363	0.10 46	0.29 304	0.16 69	1.22 350

rrr	0.84 281	0.74 175	3.40 340	0.76 334	0.77 335	0.45 17	0.28 133	1.23 360	0.84 286	0.71 279	0.22 2	0.30 43	0.28 72	1.29 222	1.53 318	0.10 47	1.50 378	0.10 46	0.29 304	0.24 193	1.75 378

SQANet	0.92 312	1.96 371	3.23 318	0.77 337	0.83 341	0.76 277	0.38 235	0.87 197	0.68 159	0.64 236	0.69 242	0.73 257	0.52 239	1.35 228	1.36 306	0.80 376	0.30 258	0.60 374	0.29 304	0.93 378	0.70 291

FINET	1.92 386	1.96 371	4.49 391	1.62 386	1.39 385	3.51 405	4.39 409	2.89 401	2.58 395	1.39 369	1.98 375	1.35 368	2.12 389	1.64 270	2.12 345	0.84 378	1.03 346	0.18 291	0.29 304	0.54 354	2.12 388

CC-Net-ROB	0.95 319	1.57 340	2.93 293	0.90 349	0.39 237	0.87 318	0.44 265	1.12 344	0.83 274	0.59 188	0.69 242	0.64 206	0.50 228	2.73 376	0.93 256	0.97 383	0.40 278	0.87 382	0.29 304	0.61 362	0.66 277

LSM	3.40 403	1.42 324	5.81 404	9.98 419	30.74 433	0.86 314	1.14 376	0.99 275	1.26 363	1.40 371	2.18 381	0.93 317	0.85 323	1.76 285	1.03 272	0.22 309	0.35 266	0.24 326	0.29 304	0.40 323	6.21 417

raft_robust	0.68 216	1.24 286	2.42 121	0.30 60	0.57 292	0.53 66	0.25 99	0.95 254	0.79 249	0.49 81	0.46 78	1.12 356	0.74 306	1.50 247	0.61 187	0.09 11	0.62 311	0.10 46	0.30 310	0.26 223	0.30 129

CREStereo++_RVC	0.38 13	0.37 50	2.47 162	0.25 5	0.16 20	0.54 73	0.15 1	0.42 4	0.57 66	0.37 25	0.52 123	0.24 20	0.19 7	0.31 3	0.27 37	0.09 11	0.06 1	0.08 3	0.30 310	0.09 5	0.22 77
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
FCDSN-DC	1.45 368	1.12 252	3.30 327	0.48 255	0.41 248	1.13 352	0.60 317	1.17 353	1.28 365	2.25 394	2.85 397	3.65 397	3.34 401	2.58 362	2.44 360	0.31 346	0.26 249	0.31 347	0.30 310	0.37 304	0.78 301
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
RTSC	0.84 281	1.40 319	2.67 234	0.50 271	0.40 243	0.83 307	0.33 203	1.11 342	1.14 356	0.93 327	0.82 296	0.84 292	0.58 263	1.34 227	1.82 332	0.18 277	0.49 291	0.14 220	0.30 310	0.46 342	0.42 193

FC-DCNN	1.60 380	0.85 194	3.44 345	0.46 248	0.39 237	1.96 387	0.66 331	1.72 384	1.70 383	2.75 404	2.91 400	4.20 400	3.15 399	2.72 374	2.66 367	0.30 344	0.26 249	0.31 347	0.30 310	0.33 275	0.91 320

ttt	0.89 306	0.51 100	2.51 174	0.36 157	0.31 183	0.61 160	0.28 133	1.07 330	0.92 313	0.56 151	0.77 290	0.55 164	0.37 128	2.27 339	3.51 384	0.16 247	1.21 358	0.13 191	0.31 315	0.18 110	1.26 352

test_xeample	0.98 325	0.65 142	2.12 64	0.29 46	0.67 320	0.60 142	0.28 133	1.08 333	0.85 289	0.62 216	0.70 255	0.44 107	0.41 163	1.95 319	5.45 404	0.12 143	1.33 371	0.11 92	0.31 315	0.18 110	1.42 367

Gwc-CoAtRS	0.41 18	0.37 50	2.06 53	0.28 34	0.41 248	0.48 33	0.19 12	0.64 78	0.49 29	0.45 51	0.39 51	0.57 175	0.26 49	0.37 25	0.28 42	0.09 11	0.19 209	0.09 13	0.31 315	0.11 17	0.25 98

NCC-stereo	0.88 299	1.22 281	2.97 298	0.60 301	0.45 263	1.88 385	0.48 281	1.04 307	0.75 221	0.70 270	0.85 303	0.93 317	0.84 320	1.81 296	1.51 316	0.28 340	0.19 209	0.23 321	0.31 315	0.27 234	0.35 155

Abc-Net	0.88 299	1.22 281	2.97 298	0.60 301	0.45 263	1.88 385	0.48 281	1.04 307	0.75 221	0.70 270	0.85 303	0.93 317	0.84 320	1.81 296	1.51 316	0.28 340	0.19 209	0.23 321	0.31 315	0.27 234	0.35 155
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
MSKI-zero shot	0.70 227	0.44 80	2.62 212	1.47 379	0.75 330	0.56 86	0.20 20	0.80 137	0.45 17	0.60 197	0.52 123	0.44 107	0.17 1	0.70 135	0.26 32	0.09 11	2.87 412	0.09 13	0.32 320	0.14 51	0.50 232

DCRE	0.76 256	0.80 189	2.31 94	1.05 360	1.18 375	0.63 195	0.26 111	1.03 301	0.59 76	0.52 118	2.12 378	0.44 107	0.27 62	0.41 41	0.53 165	0.09 11	1.02 345	0.10 46	0.32 320	0.16 69	1.47 370

SA	0.61 154	1.14 255	2.79 268	0.32 91	0.63 312	0.57 105	0.30 170	0.97 264	0.78 240	0.43 43	0.63 212	0.39 74	0.46 210	0.70 135	0.31 70	0.10 47	0.44 284	0.13 191	0.32 320	0.31 266	0.51 236

MIPNet	0.88 299	1.07 239	2.85 282	0.61 307	0.18 47	1.46 366	1.37 388	1.65 381	0.78 240	1.93 385	0.85 303	0.75 263	1.66 373	0.87 171	0.34 95	0.10 47	0.08 38	0.11 92	0.32 320	0.27 234	0.26 103

XX-Stereo	0.98 325	0.57 117	4.45 390	1.64 387	5.33 413	0.55 82	0.16 3	0.96 257	0.43 13	0.45 51	0.65 226	0.85 297	0.19 7	0.79 159	0.26 32	0.11 110	0.80 330	0.10 46	0.32 320	0.17 90	0.78 301

222	1.02 330	0.60 127	1.95 35	0.29 46	0.51 277	0.62 182	0.24 80	1.09 335	0.86 295	0.64 236	0.67 235	0.47 128	0.42 174	1.86 306	6.73 409	0.13 185	1.21 358	0.11 92	0.32 320	0.17 90	1.44 368

xxxx	0.97 323	0.64 140	2.14 68	0.30 60	0.67 320	0.64 207	0.24 80	1.09 335	0.91 311	0.57 163	0.65 226	0.58 179	0.39 146	1.57 257	5.49 405	0.13 185	1.38 373	0.11 92	0.32 320	0.17 90	1.41 366

ADCMid	1.06 337	1.82 365	3.53 352	0.39 198	0.36 223	0.99 337	0.58 311	1.01 289	0.94 320	1.23 360	1.02 335	1.01 335	1.01 343	1.11 197	4.04 394	0.22 309	0.19 209	0.42 364	0.32 320	0.42 331	0.53 244

MSMD_ROB	1.41 364	1.03 233	2.75 261	0.41 220	0.32 194	2.00 391	0.61 322	0.96 257	1.43 372	2.97 405	2.63 393	4.76 405	2.04 387	2.44 355	1.78 330	0.30 344	0.26 249	0.32 349	0.32 320	0.32 271	0.63 270

WCMA_ROB	1.29 355	1.21 276	3.13 315	0.65 316	0.36 223	1.20 360	0.78 348	1.00 281	0.98 334	1.78 384	2.62 392	3.08 394	2.01 386	1.86 306	2.35 358	0.38 353	0.38 272	0.32 349	0.32 320	0.31 266	1.06 336

DualNet	0.97 323	0.67 144	3.39 335	0.32 91	0.22 86	0.58 112	0.28 133	0.85 178	0.96 327	0.54 130	0.74 276	0.67 219	0.40 152	0.64 118	3.86 390	0.10 47	2.16 401	0.15 245	0.33 330	0.25 208	2.19 392

ffm	0.78 262	0.67 144	3.39 335	0.32 91	0.22 86	0.58 112	0.28 133	0.85 178	0.96 327	0.54 130	0.74 276	0.67 219	0.40 152	0.64 118	0.22 4	0.10 47	2.16 401	0.15 245	0.33 330	0.25 208	2.19 392

ff1	1.07 339	0.67 144	3.39 335	0.32 91	0.22 86	0.58 112	0.28 133	0.85 178	0.96 327	0.54 130	0.74 276	0.67 219	0.40 152	2.75 378	3.86 390	0.10 47	2.16 401	0.15 245	0.33 330	0.25 208	2.19 392

mmx	0.99 327	0.67 144	3.39 335	0.32 91	0.22 86	0.58 112	0.28 133	1.05 315	0.92 313	0.54 130	0.74 276	0.67 219	0.40 152	2.75 378	3.86 390	0.13 185	1.25 360	0.15 245	0.33 330	0.19 133	1.28 355

xxx	0.99 327	0.67 144	3.39 335	0.32 91	0.22 86	0.58 112	0.28 133	1.05 315	0.92 313	0.54 130	0.74 276	0.67 219	0.40 152	2.75 378	3.86 390	0.13 185	1.25 360	0.15 245	0.33 330	0.19 133	1.28 355

ToySt	0.67 211	0.88 201	2.61 208	0.39 198	0.73 328	0.61 160	0.38 235	0.78 125	0.73 199	0.43 43	0.70 255	0.72 251	0.45 203	0.66 125	0.62 190	0.14 215	0.63 312	0.13 191	0.33 330	0.24 193	1.18 342

IGEV_Zeroshot_test	0.91 311	0.39 59	3.80 366	0.42 223	1.95 400	0.56 86	0.64 326	0.84 168	0.55 59	1.45 374	0.53 126	0.79 275	0.42 174	0.57 98	1.13 282	0.10 47	0.49 291	0.10 46	0.34 336	0.19 133	2.97 409

SAMSARA	1.11 344	1.35 308	2.60 204	1.34 372	0.77 335	1.67 378	1.41 394	1.47 374	0.99 337	1.54 379	0.89 314	1.44 371	0.90 331	1.88 310	1.71 322	0.25 330	0.55 299	0.22 314	0.34 336	0.39 317	0.50 232

Selective-RAFT	0.46 45	0.48 88	1.88 24	0.32 91	0.16 20	0.61 160	0.19 12	0.66 83	0.62 92	0.28 18	0.30 20	0.41 87	0.33 112	0.51 75	0.32 78	0.11 110	1.09 349	0.09 13	0.35 338	0.19 133	0.37 162

test-3	0.58 126	0.43 76	2.44 134	0.52 275	0.59 297	0.46 20	0.23 58	0.77 118	0.49 29	0.52 118	0.29 17	0.44 107	0.22 19	0.59 102	0.97 259	0.08 1	1.27 364	0.10 46	0.35 338	0.29 252	0.62 266

test_1	0.58 126	0.43 76	2.44 134	0.52 275	0.59 297	0.46 20	0.23 58	0.77 118	0.49 29	0.51 110	0.29 17	0.44 107	0.22 19	0.59 102	0.97 259	0.08 1	1.27 364	0.10 46	0.35 338	0.29 252	0.63 270

test_3	0.59 141	0.44 80	2.44 134	0.53 279	0.59 297	0.48 33	0.30 170	0.79 132	0.52 45	0.51 110	0.30 20	0.45 119	0.22 19	0.59 102	0.97 259	0.08 1	1.25 360	0.11 92	0.35 338	0.30 258	0.62 266

PVD	1.05 336	1.21 276	2.36 101	0.84 344	0.91 349	1.04 341	0.64 326	1.32 366	1.68 382	1.43 373	1.41 362	1.14 358	1.15 352	1.49 246	1.77 329	0.27 337	0.65 314	0.28 337	0.35 338	0.40 323	0.73 295

MADNet+	1.44 366	2.19 387	6.00 405	0.89 347	0.70 326	1.58 372	1.11 373	1.56 379	1.30 368	0.89 319	1.03 337	1.25 363	1.12 351	3.29 391	2.80 370	0.48 364	0.57 303	0.39 359	0.36 343	0.63 363	0.69 288

AnonymousM	0.45 40	0.49 89	1.83 15	0.29 46	0.15 13	0.53 66	0.22 39	0.64 78	0.66 123	0.47 63	0.33 32	0.30 43	0.25 41	0.49 69	0.29 51	0.12 143	0.27 255	0.71 379	0.37 344	0.12 25	0.41 189

CVANet_RVC	0.82 274	1.18 269	3.98 372	0.40 211	0.28 159	0.63 195	0.43 259	0.90 219	0.78 240	1.14 345	0.69 242	0.68 231	0.52 239	2.62 365	0.48 145	0.20 296	0.13 153	0.22 314	0.37 344	0.37 304	0.48 224

ELAS_RVC	1.51 374	0.88 201	3.36 330	0.63 311	0.56 289	1.53 369	2.73 403	1.53 376	1.76 386	2.26 395	2.21 384	2.10 382	3.07 398	2.08 329	2.52 362	0.42 356	0.42 280	0.42 364	0.37 344	0.51 349	0.84 309
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DLNR_Zeroshot_test	13.74 419	20.06 424	23.92 426	121.50 439	35.20 434	0.46 20	0.15 1	7.96 417	0.47 24	0.29 21	0.37 42	0.26 29	0.17 1	0.79 159	0.36 104	7.16 419	2.95 413	0.09 13	0.38 347	50.40 437	1.95 382

RAFT-Test	0.56 111	0.41 68	2.01 43	0.90 349	1.07 368	0.65 221	0.37 227	0.83 161	0.65 116	0.49 81	0.49 102	0.93 317	0.24 27	0.52 79	0.30 56	0.10 47	0.38 272	0.09 13	0.38 347	0.11 17	0.19 60

CFNet-RSSM	0.44 37	0.36 40	2.38 105	0.28 34	0.43 259	0.53 66	0.20 20	0.86 190	0.52 45	0.44 49	0.36 38	0.53 151	0.26 49	0.40 35	0.27 37	0.09 11	0.08 38	0.09 13	0.38 347	0.10 10	0.22 77

x	0.65 191	0.62 136	2.12 64	0.36 157	0.61 309	0.48 33	0.24 80	0.80 137	0.89 306	0.50 99	0.56 161	0.44 107	0.36 123	0.62 113	0.80 238	0.11 110	1.44 377	0.11 92	0.39 350	0.16 69	1.34 360

otaku	1.15 347	2.10 383	3.51 349	0.98 357	0.74 329	1.02 340	0.59 314	1.03 301	0.89 306	0.70 270	1.60 366	0.98 328	0.65 281	1.63 267	1.80 331	0.99 384	0.46 285	0.73 380	0.40 351	1.30 390	0.88 317

iRaft-Stereo_20w	1.50 371	0.42 70	4.81 393	2.24 404	2.09 403	1.36 361	1.27 385	1.38 369	0.94 320	2.07 386	0.42 62	0.85 297	0.69 295	0.87 171	1.37 308	0.10 47	4.04 414	0.09 13	0.40 351	0.17 90	4.53 415

test_xeample3	0.86 292	0.75 179	3.36 330	0.65 316	0.76 333	0.49 38	0.33 203	1.21 359	0.80 256	0.61 204	0.23 5	0.30 43	0.29 88	1.17 206	1.57 320	0.10 47	1.79 384	0.10 46	0.40 351	0.25 208	2.09 386

ELAS	1.52 375	0.92 219	2.91 291	0.62 309	0.57 292	3.13 402	2.21 401	1.67 382	1.58 381	2.42 398	2.43 387	1.87 379	2.49 393	1.85 304	2.70 369	0.42 356	0.43 283	0.41 362	0.40 351	0.51 349	0.85 313
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
xx1	0.71 231	0.73 166	2.43 126	0.67 322	0.52 279	0.76 277	0.24 80	0.85 178	1.05 345	0.77 294	0.39 51	0.46 123	0.37 128	0.70 135	0.22 4	0.10 47	2.13 396	0.12 135	0.41 355	0.16 69	1.18 342

Ntro	1.11 344	2.10 383	3.52 351	0.97 356	0.87 346	1.06 346	0.54 298	1.02 295	0.93 319	0.63 225	0.76 286	0.93 317	0.67 289	1.76 285	1.71 322	1.03 385	0.46 285	0.76 381	0.41 355	1.29 388	0.86 316

qqq	0.65 191	0.63 138	2.10 63	0.30 60	0.64 316	0.46 20	0.27 125	0.81 144	0.83 274	0.48 65	0.56 161	0.46 123	0.37 128	1.03 186	0.75 224	0.11 110	1.41 376	0.12 135	0.41 355	0.16 69	1.18 342

PASM	0.82 274	1.00 226	2.68 239	0.52 275	0.48 272	0.65 221	0.59 314	0.83 161	0.89 306	0.82 310	0.73 273	0.89 310	0.68 291	2.39 350	0.73 221	0.35 352	0.37 268	0.36 355	0.41 355	0.45 338	0.51 236

AE-Stereo	0.71 231	0.32 14	2.44 134	0.44 238	0.50 275	0.58 112	0.23 58	1.08 333	0.67 135	0.67 256	0.51 116	0.47 128	0.24 27	0.63 114	0.32 78	0.09 11	2.15 400	0.11 92	0.45 359	0.22 173	2.01 383

mmm	0.66 208	0.53 105	1.83 15	0.38 185	0.86 344	0.49 38	0.27 125	0.82 151	0.83 274	0.59 188	0.69 242	0.47 128	0.38 135	0.81 166	0.73 221	0.12 143	1.37 372	0.14 220	0.45 359	0.18 110	1.35 362

SGM-ForestM	3.67 405	2.70 409	5.34 401	1.65 388	1.72 397	6.02 413	5.08 411	4.10 410	3.47 402	4.59 410	4.21 407	9.81 414	5.79 410	6.44 410	6.97 410	0.88 379	1.09 349	0.33 353	0.45 359	0.68 367	2.10 387

SGM_RVC	2.11 391	1.07 239	2.87 285	0.98 357	0.92 350	2.72 401	1.88 400	1.91 390	12.27 413	2.09 387	1.99 376	2.47 387	2.24 391	2.87 383	2.03 338	0.54 366	0.47 287	0.42 364	0.47 362	0.74 369	1.22 350
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ACVNet_1	1.47 370	2.27 395	4.92 395	1.11 365	0.89 347	1.19 358	0.66 331	1.28 362	1.19 361	0.98 329	0.97 325	3.06 393	1.48 368	2.37 346	1.82 332	1.08 387	0.49 291	1.03 389	0.48 363	1.20 384	0.95 326

TRStereo	0.89 306	1.02 230	2.91 291	4.59 414	0.31 183	0.93 330	0.23 58	1.93 391	0.66 123	0.37 25	0.54 140	0.48 134	0.40 152	0.67 128	0.29 51	0.13 185	0.37 268	0.11 92	0.48 363	0.13 35	1.21 348

JetBlue	1.89 385	2.09 382	4.16 378	0.74 332	1.23 378	4.52 411	3.86 408	1.68 383	1.26 363	1.28 364	1.54 365	2.36 386	1.86 382	3.35 393	3.37 380	0.54 366	0.49 291	0.48 368	0.49 365	1.39 394	1.21 348

1111x	1.06 337	0.79 187	3.29 326	0.33 111	0.60 302	0.64 207	0.33 203	1.10 338	0.92 313	0.59 188	0.69 242	0.59 182	0.47 218	2.64 367	4.61 400	0.12 143	1.38 373	0.11 92	0.49 365	0.18 110	1.30 357

DPSNet	1.02 330	0.72 163	2.84 280	0.60 301	0.39 237	1.08 348	0.75 345	1.41 371	1.14 356	0.74 288	0.69 242	1.05 346	1.67 374	2.09 331	2.22 353	0.27 337	0.61 308	0.20 306	0.50 367	0.48 345	1.03 334

RAFT+CT+SA	0.60 147	1.25 289	2.49 170	0.38 185	0.75 330	0.55 82	0.34 208	0.83 161	0.68 159	0.39 30	0.55 149	0.44 107	0.29 88	0.75 151	0.28 42	0.09 11	0.24 239	0.11 92	0.51 368	0.30 258	0.74 297

UDG	0.86 292	1.57 340	2.80 270	0.68 327	0.59 297	0.78 292	0.38 235	0.97 264	0.74 216	0.63 225	0.70 255	1.01 335	0.68 291	1.02 184	1.22 294	0.45 361	0.34 265	0.89 383	0.51 368	0.73 368	0.58 256

DDUNet	0.90 309	1.63 352	2.77 266	0.77 337	0.69 324	0.83 307	0.44 265	0.90 219	0.70 177	0.68 262	0.76 286	0.92 312	0.54 244	1.14 202	1.35 304	0.61 369	0.37 268	0.96 385	0.52 370	0.77 373	0.67 279

EAI-Stereo	1.16 348	0.29 2	1.94 34	0.55 286	0.97 357	1.96 387	7.94 415	1.34 367	1.03 341	1.01 335	1.48 363	0.51 143	0.66 287	0.65 122	1.42 311	0.09 11	0.23 236	0.09 13	0.53 371	0.13 35	0.49 230

AEACV	0.89 306	0.29 2	1.84 18	2.50 406	1.68 396	0.53 66	0.21 30	1.01 289	0.42 9	0.68 262	0.31 25	0.22 8	0.39 146	1.63 267	0.25 23	0.09 11	2.60 409	0.09 13	0.54 372	0.23 187	2.27 402

ACVNet-4b	2.00 388	2.19 387	4.85 394	1.09 362	0.86 344	1.15 354	0.53 295	1.11 342	1.15 358	0.65 248	1.09 343	1.97 380	0.69 295	2.31 342	9.78 415	5.73 414	0.42 280	1.03 389	0.55 373	1.89 401	0.92 322

MFN_U_SF_DS_RVC	1.08 342	2.01 377	2.56 193	0.49 266	0.40 243	1.49 367	0.96 363	1.02 295	0.95 325	0.85 315	0.94 320	1.06 347	0.59 266	2.92 384	1.15 284	0.43 359	0.74 328	0.32 349	0.55 373	0.74 369	1.35 362

ACVNet_2	1.54 376	2.20 389	4.42 389	1.10 364	0.93 352	1.37 363	0.87 355	1.53 376	1.71 384	1.22 358	1.72 369	2.12 383	1.06 346	2.58 362	1.93 334	0.94 380	0.54 297	1.00 387	0.56 375	2.11 405	0.96 328

SPS-STEREO	1.22 351	1.65 354	3.41 341	0.66 320	0.69 324	1.01 339	0.68 337	1.10 338	0.96 327	1.40 371	1.25 352	1.46 372	1.08 348	2.05 324	2.24 354	0.66 371	0.61 308	0.58 372	0.57 376	0.66 366	1.65 376
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RainbowNet	1.27 353	2.22 390	3.58 356	1.14 367	0.92 350	1.08 348	0.76 346	1.19 356	1.15 358	0.77 294	0.97 325	1.08 350	0.83 319	1.64 270	1.72 324	1.20 392	1.30 369	1.01 388	0.58 377	1.23 385	0.97 331

Consistency-Raft	0.92 312	1.21 276	3.50 348	0.98 357	0.63 312	0.77 287	0.54 298	1.02 295	1.01 339	0.62 216	1.03 337	0.65 210	1.04 345	0.81 166	1.36 306	0.45 361	0.47 287	0.51 370	0.59 378	0.65 365	0.47 220

PWCK	1.62 381	2.32 399	4.27 383	1.11 365	0.56 289	1.81 383	1.84 398	1.55 378	1.54 379	1.45 374	1.81 370	1.82 378	1.38 361	3.34 392	2.14 347	1.09 388	0.57 303	0.98 386	0.59 378	1.50 396	0.79 303

MFMNet_re	1.01 329	1.73 359	3.04 307	0.85 345	0.76 333	0.93 330	0.81 351	1.02 295	1.10 351	1.05 337	1.06 342	0.84 292	0.96 339	0.93 178	0.97 259	0.68 373	0.61 308	0.63 375	0.60 380	0.77 373	0.80 305

DispFullNet	1.69 382	2.25 392	5.23 398	1.53 383	8.78 414	0.89 322	0.37 227	1.03 301	0.98 334	1.37 367	1.00 332	1.13 357	1.97 385	1.51 248	0.98 265	0.55 368	0.32 260	1.19 392	0.64 381	1.16 383	0.88 317

IMH-64-1	1.50 371	1.98 373	2.69 245	1.39 375	1.12 372	1.39 364	1.19 382	1.80 385	1.47 375	1.19 349	2.20 382	1.53 373	1.51 370	2.12 333	1.98 335	1.34 395	0.68 318	1.28 395	0.70 382	1.37 392	1.12 339

IMH-64	1.50 371	1.98 373	2.69 245	1.39 375	1.12 372	1.39 364	1.19 382	1.80 385	1.47 375	1.19 349	2.20 382	1.53 373	1.51 370	2.12 333	1.98 335	1.34 395	0.68 318	1.28 395	0.70 382	1.37 392	1.12 339

NVStereoNet_ROB	1.45 368	1.62 350	3.59 357	1.09 362	0.70 326	0.86 314	0.67 335	1.19 356	1.51 377	1.20 354	4.05 405	1.61 375	1.94 384	2.97 386	2.07 342	0.67 372	0.69 321	0.55 371	0.70 382	0.57 356	0.67 279
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SGM+DAISY	2.67 394	2.14 385	4.28 385	1.92 400	2.11 404	4.36 410	5.22 412	3.17 402	3.00 401	3.24 408	3.81 404	3.03 391	3.61 402	2.53 358	3.79 388	1.15 389	1.29 367	0.66 376	0.71 385	0.95 379	2.44 405

IMH	2.14 392	2.46 403	3.60 359	1.70 390	1.13 374	1.65 377	0.93 362	2.13 394	1.93 388	1.37 367	2.64 394	2.19 384	1.82 381	5.77 407	2.18 350	5.70 413	1.05 347	1.31 397	0.72 386	1.39 394	1.13 341

WAO-7	1.58 379	2.04 380	3.25 321	0.94 353	0.75 330	1.75 381	1.13 375	1.87 388	1.97 389	1.46 376	2.53 389	1.98 381	1.75 377	3.13 388	2.48 361	0.69 374	0.67 317	0.94 384	0.74 387	0.80 376	0.77 298

Dean	1.92 386	2.31 398	5.03 397	1.31 370	1.08 369	1.55 370	0.99 364	1.98 393	2.33 392	1.51 378	4.15 406	4.23 403	1.39 362	2.31 342	2.10 343	1.18 391	0.69 321	1.18 391	0.75 388	1.30 390	1.07 337

TorneroNet-64	2.74 395	2.23 391	4.18 379	1.48 380	1.20 376	3.88 406	1.01 370	3.48 409	6.61 410	2.62 402	4.55 408	4.20 400	3.84 404	3.39 395	3.40 382	1.23 393	0.66 316	1.39 400	0.80 389	3.42 412	1.27 353

WAO-6	1.69 382	1.87 368	3.21 317	1.15 368	1.01 363	2.29 395	1.06 372	1.85 387	2.84 400	1.30 366	2.59 391	2.19 384	1.67 374	2.62 365	2.52 362	0.96 382	0.68 318	1.19 392	0.84 390	1.13 381	0.95 326

MANE	3.51 404	2.03 379	3.88 371	1.89 399	2.01 401	5.98 412	4.72 410	5.87 414	7.13 411	3.80 409	5.10 410	6.11 410	5.34 408	4.39 404	5.05 403	1.07 386	1.28 366	0.50 369	0.85 391	0.76 372	2.36 404

TorneroNet	5.60 410	2.30 397	3.98 372	1.49 382	1.26 381	14.47 419	1.11 373	4.85 411	20.66 428	10.12 413	16.30 420	11.78 418	7.35 412	3.41 396	4.38 398	1.36 397	0.70 324	1.46 402	0.87 392	2.73 409	1.33 358

MSC_U_SF_DS_RVC	1.40 363	2.04 380	3.02 306	0.58 300	0.41 248	2.15 394	1.00 368	1.31 365	1.29 366	1.05 337	1.10 344	1.29 366	0.91 332	3.07 387	1.34 302	1.65 402	0.84 332	0.68 378	0.88 393	1.55 397	1.91 380

WAO-8	2.91 398	2.55 405	3.77 363	1.93 401	1.04 366	4.08 408	0.99 364	3.25 405	6.09 407	2.20 392	3.34 402	3.33 395	2.64 394	11.73 416	2.52 362	2.12 406	1.92 387	1.55 403	0.93 394	1.27 386	0.96 328

Venus	2.91 398	2.55 405	3.77 363	1.93 401	1.04 366	4.08 408	0.99 364	3.25 405	6.09 407	2.20 392	3.34 402	3.33 395	2.64 394	11.73 416	2.52 362	2.12 406	1.92 387	1.55 403	0.93 394	1.27 386	0.96 328

ADCPNet	1.07 339	1.37 315	4.54 392	0.38 185	0.68 323	1.36 361	0.64 326	0.93 236	0.83 274	0.79 303	0.82 296	1.08 350	1.18 354	1.30 224	2.68 368	0.21 304	0.69 321	0.21 310	0.95 396	0.30 258	0.54 247

LE_ROB	4.55 408	2.43 402	9.94 411	2.79 411	4.03 410	2.40 398	3.54 405	2.72 398	11.04 412	11.64 417	4.69 409	5.25 406	10.74 415	4.52 406	9.73 414	0.82 377	0.70 324	1.34 398	0.97 397	0.74 369	0.94 323

anonymousa	0.74 244	0.60 127	2.58 197	0.96 355	1.33 382	0.61 160	0.26 111	0.69 91	0.56 63	0.55 141	0.84 300	0.82 287	0.46 210	0.56 95	0.61 187	0.10 47	1.11 351	0.12 135	0.98 398	0.14 51	0.97 331

FADNet_RVC	0.87 298	1.51 336	2.90 290	0.31 74	0.24 118	0.71 257	0.25 99	1.00 281	0.65 116	0.45 51	0.57 171	0.61 191	0.44 195	1.53 249	0.75 224	0.94 380	0.97 337	0.28 337	1.00 399	0.89 377	1.36 364

UNDER WATER	2.84 397	2.25 392	5.25 399	1.84 397	1.45 388	2.36 397	1.44 395	3.23 404	6.51 409	2.61 401	2.73 396	5.69 407	5.64 409	3.14 389	4.18 397	1.48 398	0.81 331	1.60 406	1.07 400	1.91 402	1.67 377

notaker	2.77 396	2.35 400	4.02 374	2.61 409	1.44 387	1.77 382	1.14 376	2.77 400	1.81 387	2.30 396	11.41 415	3.95 398	4.70 406	3.24 390	3.01 375	1.58 401	0.88 334	1.71 408	1.08 401	2.10 404	1.44 368

UNDER WATER-64	2.59 393	2.28 396	5.63 402	1.85 398	1.45 388	3.28 403	1.60 396	2.62 397	5.57 406	2.09 387	2.12 378	4.10 399	4.21 405	2.74 377	3.64 387	1.49 399	0.86 333	1.58 405	1.09 402	1.91 402	1.62 375

ktn	4.44 407	2.47 404	3.70 362	1.82 396	1.49 391	2.11 393	1.40 392	2.30 395	12.56 414	11.36 416	16.25 419	11.30 417	3.77 403	4.41 405	3.47 383	1.86 404	0.99 339	1.74 409	1.21 403	3.28 411	1.39 365

JetRed	3.37 402	4.96 414	10.08 412	1.48 380	1.73 398	7.63 414	5.47 413	3.47 407	2.20 390	2.42 398	2.40 386	2.98 390	2.35 392	3.52 397	6.60 408	1.33 394	1.90 386	1.38 399	1.23 404	2.30 407	2.02 384

KSHMR	4.19 406	2.37 401	6.24 406	1.73 393	1.48 390	1.97 389	1.29 386	3.18 403	17.06 423	2.15 390	15.74 418	9.09 413	1.75 377	8.33 414	2.37 359	1.55 400	1.29 367	1.70 407	1.23 404	1.75 399	1.60 374

riskmin	0.96 320	0.32 14	2.07 54	1.72 392	1.61 395	1.62 375	0.57 309	1.45 373	0.55 59	0.73 282	0.89 314	0.92 312	0.45 203	1.16 204	0.60 182	0.11 110	1.30 369	0.12 135	1.38 406	0.14 51	1.51 371

anonymity	0.86 292	0.68 151	1.44 2	0.64 314	0.83 341	0.67 241	0.52 293	0.98 270	0.73 199	0.96 328	0.70 255	0.81 284	0.86 325	1.10 193	1.34 302	0.64 370	0.72 327	0.58 372	1.44 407	0.60 359	0.91 320

LVE	2.10 390	2.61 408	4.30 387	1.79 395	1.81 399	1.68 379	1.04 371	2.35 396	2.78 399	1.27 363	2.87 398	4.21 402	1.46 365	2.83 382	2.02 337	2.87 410	0.92 336	1.19 392	1.47 408	1.29 388	1.18 342

MFN_U_SF_RVC	1.57 378	2.56 407	3.30 327	0.66 320	0.41 248	1.15 354	0.51 289	1.27 361	1.35 370	1.61 381	1.20 349	1.43 370	0.97 340	1.80 294	2.10 343	1.88 405	1.79 384	1.97 410	2.14 409	1.61 398	1.76 379

PML	22.99 425	17.34 422	8.24 409	5.48 415	9.84 415	50.35 438	102.65 438	5.84 413	13.52 415	37.08 438	104.84 438	30.61 437	23.20 429	12.09 418	7.96 412	6.27 416	2.12 395	6.31 419	2.42 410	10.67 421	2.95 407

MADNet++	2.94 401	2.17 386	3.27 323	2.55 408	2.28 405	3.29 404	3.37 404	2.76 399	2.67 398	3.10 406	3.20 401	2.78 388	3.25 400	4.11 402	4.68 401	2.72 409	2.27 405	3.03 413	2.43 411	2.34 408	2.59 406

BEATNet-Init1	12.32 416	12.82 421	28.66 434	3.22 412	3.71 408	21.59 428	11.42 416	14.54 423	13.73 419	20.24 425	20.16 425	26.14 433	19.85 424	19.08 427	15.33 423	1.81 403	1.93 389	2.05 411	2.48 412	4.25 414	3.41 413

SPstereo	16.55 422	3.18 411	4.92 395	2.73 410	2.77 406	29.67 429	52.00 431	39.41 437	29.70 438	21.94 433	21.64 428	27.45 435	23.83 430	27.92 438	26.10 432	2.44 408	2.60 409	4.96 415	3.11 413	2.27 406	2.32 403

tt	4.94 409	0.32 14	4.22 381	2.29 405	1.58 393	10.19 417	16.94 420	9.44 418	5.03 405	1.69 382	1.33 358	4.68 404	5.02 407	3.38 394	5.91 407	6.15 415	9.47 422	2.80 412	3.16 414	3.54 413	1.58 373

Anonymous_2	1.36 361	0.49 89	2.03 47	1.71 391	1.58 393	2.49 399	0.58 311	1.59 380	2.31 391	0.77 294	0.88 312	1.03 339	0.58 263	1.20 209	0.66 204	0.32 347	1.38 373	1.42 401	3.87 415	0.78 375	1.56 372

DGSMNet	2.93 400	0.77 182	3.44 345	3.58 413	4.25 411	2.53 400	6.86 414	1.03 301	0.88 301	0.58 169	1.85 372	0.79 275	0.62 275	1.63 267	1.46 313	4.62 412	4.98 415	5.15 417	4.71 416	4.52 416	4.37 414

DPSM_ROB	12.32 416	11.13 419	12.31 415	12.90 421	12.80 419	19.81 426	28.13 427	14.50 421	14.31 420	10.62 414	11.34 413	12.03 419	11.89 419	13.08 421	15.22 421	7.09 417	8.31 419	6.47 420	7.32 417	8.69 419	8.43 421

DPSM	12.32 416	11.13 419	12.31 415	12.90 421	12.80 419	19.81 426	28.13 427	14.50 421	14.31 420	10.62 414	11.34 413	12.03 419	11.89 419	13.08 421	15.22 421	7.09 417	8.31 419	6.47 420	7.32 417	8.69 419	8.43 421

DGTPSM_ROB	8.97 414	5.94 415	13.01 417	5.95 416	11.34 416	8.54 415	24.06 421	6.47 415	13.52 415	5.19 411	11.52 416	6.18 411	11.04 416	7.02 411	13.92 418	4.47 411	7.66 416	3.90 414	7.43 419	4.34 415	7.98 419

DPSMNet_ROB	9.58 415	5.96 416	13.98 420	8.88 418	11.87 417	8.54 415	24.08 422	6.48 416	13.67 418	5.35 412	11.53 417	6.31 412	11.04 416	7.69 412	14.09 419	7.61 420	8.23 418	5.03 416	7.75 420	5.24 417	8.36 420

HanzoNet	7.85 412	3.30 413	5.75 403	7.47 417	3.97 409	2.34 396	1.37 388	3.47 407	4.02 403	13.30 418	10.49 411	10.86 415	16.67 421	8.50 415	10.51 417	10.80 421	9.84 423	5.83 418	13.69 421	7.24 418	7.51 418

DPSimNet_ROB	24.35 427	23.81 435	31.38 436	25.93 427	22.83 425	31.30 430	34.38 430	20.78 426	28.92 433	27.39 435	22.99 435	28.29 436	35.76 438	15.47 423	17.82 424	24.28 433	17.90 430	22.23 428	14.12 422	19.38 428	22.12 432

LSM0	26.57 433	22.53 434	25.76 432	30.62 434	52.30 438	39.86 436	56.49 432	29.18 435	28.76 431	21.26 428	22.46 429	24.42 432	23.97 434	26.42 435	30.66 438	14.29 427	16.56 424	13.06 427	14.65 423	17.62 427	20.52 430

Selective-RAFT-Error	24.83 429	22.44 433	24.80 428	26.10 429	25.82 428	39.85 435	56.72 433	29.21 436	29.03 437	21.29 429	22.80 431	24.25 431	24.07 436	26.28 434	30.60 433	14.24 423	16.85 426	13.04 426	14.75 424	17.53 426	17.02 425

CasAABBNet	24.76 428	22.38 428	24.44 427	26.05 428	25.75 427	39.79 431	56.76 434	29.10 434	28.88 432	21.22 427	22.69 430	24.21 430	23.99 435	26.23 430	30.62 434	14.22 422	16.71 425	13.03 422	14.75 424	17.49 425	16.97 424

MyStereo03	24.90 430	22.40 430	24.90 429	26.19 430	25.93 429	39.80 432	56.77 435	29.00 431	28.95 434	21.51 430	22.81 432	24.16 427	23.92 431	26.26 431	30.65 435	14.24 423	17.13 427	13.03 422	14.76 426	17.48 422	18.00 427

MyStereo02	24.90 430	22.40 430	24.90 429	26.19 430	25.93 429	39.80 432	56.77 435	29.00 431	28.95 434	21.51 430	22.81 432	24.16 427	23.92 431	26.26 431	30.65 435	14.24 423	17.13 427	13.03 422	14.76 426	17.48 422	18.00 427

MyStereo	24.90 430	22.40 430	24.90 429	26.19 430	25.93 429	39.80 432	56.77 435	29.00 431	28.95 434	21.51 430	22.81 432	24.16 427	23.92 431	26.26 431	30.65 435	14.24 423	17.13 427	13.03 422	14.76 426	17.48 422	18.00 427

ASD4	27.03 435	24.46 436	23.91 425	27.24 433	17.87 421	47.08 437	31.36 429	41.80 438	21.82 429	31.12 437	20.82 426	33.80 438	18.50 423	27.25 437	21.57 429	29.52 435	20.55 431	27.54 431	23.38 429	30.03 432	20.96 431

HaxPig	19.88 423	22.39 429	22.30 424	17.98 423	17.98 422	12.06 418	12.06 417	16.25 424	15.97 422	21.05 426	21.41 427	18.85 425	18.35 422	20.07 428	19.64 425	23.57 432	23.19 432	24.07 429	23.71 430	22.95 430	23.72 433

LRCNet_RVC	13.78 420	19.34 423	13.01 417	19.47 424	12.67 418	1.85 384	0.42 252	12.28 419	1.10 351	15.76 420	18.69 424	12.52 421	8.65 413	12.22 419	9.64 413	22.29 428	8.38 421	25.92 430	24.06 431	19.72 429	17.59 426

MEDIAN_ROB	23.95 426	26.96 437	26.29 433	22.14 425	22.09 424	16.18 420	14.23 418	20.47 425	20.09 424	25.43 434	25.22 436	22.96 426	22.54 428	24.33 429	23.18 430	28.15 434	27.16 436	28.60 432	27.73 432	27.59 431	27.58 434

AVERAGE_ROB	26.91 434	30.28 438	29.18 435	25.78 426	25.30 426	19.49 425	15.38 419	23.70 430	23.02 430	28.38 436	27.78 437	26.23 434	25.76 437	26.95 436	25.55 431	31.27 436	30.02 437	31.76 433	30.80 433	30.88 436	30.77 435

Anonymous_1	22.76 424	11.11 418	11.93 414	12.73 420	26.05 432	19.39 424	27.77 426	14.18 420	13.64 417	14.92 419	10.66 412	11.26 416	11.24 418	12.48 420	14.45 420	37.82 437	7.87 417	34.92 434	63.61 434	87.51 438	11.75 423

FADE	15.98 421	3.24 412	8.93 410	2.10 403	2.93 407	1.19 358	0.91 361	4.99 412	2.50 394	1.28 364	1.19 348	3.05 392	7.02 411	8.01 413	5.49 405	96.22 438	36.26 438	65.47 435	65.78 435	1.78 400	1.34 360

xxxxx1	29.05 436	20.74 425	14.05 421	50.10 435	40.25 435	19.01 421	26.60 423	21.83 427	20.22 425	16.52 421	17.56 421	18.33 422	21.41 425	16.11 424	20.77 426	23.48 429	26.77 433	66.36 436	78.56 436	30.19 433	32.23 436

tt_ll	29.05 436	20.74 425	14.05 421	50.10 435	40.25 435	19.01 421	26.60 423	21.83 427	20.22 425	16.52 421	17.56 421	18.33 422	21.41 425	16.11 424	20.77 426	23.48 429	26.77 433	66.36 436	78.56 436	30.19 433	32.23 436

ff	29.05 436	20.74 425	14.05 421	50.10 435	40.25 435	19.01 421	26.60 423	21.83 427	20.22 425	16.52 421	17.56 421	18.33 422	21.41 425	16.11 424	20.77 426	23.48 429	26.77 433	66.36 436	78.56 436	30.19 433	32.23 436

test_example2	115.17 439	122.38 439	93.45 438	115.38 438	123.53 439	101.24 439	113.11 439	54.67 439	99.94 439	135.50 439	136.43 439	85.67 439	85.40 439	110.44 439	104.91 439	152.17 439	205.21 439	99.17 439	114.27 439	138.55 439	112.04 439

Low-res two-view benchmark