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	0.42 11	0.26 46	0.40 8	0.44 23	0.82 345	0.51 49	0.44 124	0.64 2	0.41 2	0.44 8	0.78 45	0.44 9	0.47 39	0.56 10	0.36 33	0.13 1	0.12 9	0.14 1	0.10 2	0.13 1	0.84 369

RAFT-Stereo + iAFF	0.54 62	0.25 35	0.68 88	0.43 8	0.24 9	0.40 10	0.34 43	1.04 81	1.09 168	1.32 244	1.60 282	0.80 95	0.68 127	0.67 30	0.39 54	0.13 1	0.10 1	0.18 36	0.17 74	0.17 24	0.13 3

AFF-stereo	0.58 95	0.25 35	0.64 72	0.46 35	0.29 63	0.34 4	0.38 69	1.15 121	1.14 190	1.17 176	1.60 282	1.10 201	0.71 135	0.97 88	0.43 82	0.13 1	0.11 3	0.19 49	0.19 108	0.17 24	0.14 11

Selective-IGEV	0.39 5	0.24 19	0.50 18	0.44 23	0.25 18	0.46 18	0.33 33	1.25 151	0.40 1	0.35 1	0.45 3	0.52 37	0.30 4	1.07 109	0.30 1	0.14 4	0.12 9	0.17 14	0.13 11	0.16 13	0.13 3

s12784h	0.52 39	0.20 2	0.38 4	0.41 5	0.19 1	0.96 224	0.34 43	1.17 124	1.25 234	0.81 66	0.90 65	0.63 57	0.50 56	1.45 168	0.42 73	0.14 4	0.12 9	0.17 14	0.11 6	0.18 41	0.11 1

CES	0.48 32	0.20 2	0.37 2	0.39 4	1.39 381	0.55 65	0.35 46	0.98 62	0.66 40	0.44 8	0.66 23	0.35 1	0.27 2	0.56 10	0.33 16	0.15 6	0.13 42	0.15 3	0.10 2	0.19 71	1.46 385

ProNet	0.43 13	0.28 83	0.58 48	0.43 8	0.30 79	0.56 68	0.52 179	1.00 68	0.58 18	0.44 8	0.49 8	0.43 7	0.43 23	1.28 132	0.36 33	0.15 6	0.13 42	0.19 49	0.16 58	0.17 24	0.16 41

test_4	0.53 48	0.22 9	0.56 37	0.54 134	0.32 106	0.64 96	0.39 80	0.80 18	0.62 23	0.92 82	1.87 323	0.68 69	0.42 21	1.16 122	0.37 38	0.15 6	0.13 42	0.20 73	0.22 197	0.20 97	0.15 27

test_3	0.55 77	0.23 13	0.71 114	0.53 119	0.28 52	0.61 87	0.40 83	0.92 41	1.05 150	1.19 184	0.68 27	0.93 145	0.44 27	1.67 206	0.39 54	0.15 6	0.12 9	0.22 122	0.19 108	0.21 131	0.14 11

cross-raft	0.54 62	0.25 35	0.61 59	0.52 111	0.29 63	0.68 128	0.37 65	1.46 188	0.76 59	1.01 104	1.06 113	1.28 246	0.46 33	0.71 37	0.35 27	0.15 6	0.12 9	0.18 36	0.16 58	0.19 71	0.14 11

AE-Stereo	0.49 35	0.27 67	0.67 85	0.60 206	0.39 178	0.67 121	0.46 142	1.18 129	1.09 168	0.47 13	0.75 40	0.69 74	0.47 39	0.59 14	0.40 58	0.16 11	0.15 125	0.21 96	0.20 136	0.19 71	0.15 27

MIM_Stereo	0.57 90	0.24 19	0.92 215	0.46 35	0.30 79	0.54 59	0.28 17	1.27 153	0.75 56	1.00 101	1.16 156	0.93 145	0.53 65	1.45 168	0.61 173	0.16 11	0.16 156	0.20 73	0.19 108	0.17 24	0.14 11

AEACV	0.37 3	0.24 19	0.52 26	0.47 41	0.51 244	0.37 8	0.38 69	0.65 3	0.53 16	0.42 4	0.56 18	0.46 16	0.60 97	0.53 5	0.30 1	0.16 11	0.13 42	0.18 36	0.15 30	0.17 24	0.14 11

DCRE	0.82 212	0.26 46	0.70 103	0.58 182	0.44 203	0.54 59	0.48 156	0.95 52	0.78 63	0.78 57	7.33 399	0.86 123	0.52 60	0.76 48	0.41 65	0.16 11	0.16 156	0.19 49	0.17 74	0.18 41	0.17 60

DCANet-4	0.54 62	0.26 46	1.07 261	0.42 7	0.24 9	0.48 20	0.36 56	0.99 64	1.30 261	1.10 131	1.02 99	0.56 41	0.75 140	0.73 43	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

fff	0.53 48	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 56	1.07 102	1.25 234	1.10 131	1.02 99	0.57 43	1.06 267	0.73 43	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

ADStereo(finetuned)	0.57 90	0.24 19	1.06 257	0.43 8	0.24 9	0.49 30	0.35 46	1.05 87	1.30 261	1.12 137	1.03 107	0.58 47	1.20 293	0.84 64	0.51 131	0.16 11	0.13 42	0.17 14	0.13 11	0.18 41	0.19 111

RAFT_CTSACE	0.63 116	0.26 46	0.88 200	0.55 153	0.51 244	0.71 142	0.44 124	0.80 18	0.97 117	0.97 93	1.84 318	1.18 219	0.68 127	1.47 174	0.36 33	0.16 11	0.15 125	0.21 96	0.20 136	0.20 97	0.14 11

IPLG	0.69 153	0.27 67	0.97 228	0.51 95	0.43 197	0.79 175	0.33 33	1.21 136	1.06 153	1.30 232	1.10 128	0.52 37	0.55 74	3.16 307	0.63 180	0.16 11	0.14 75	0.19 49	0.16 58	0.18 41	0.17 60

GMOStereo	0.53 48	0.26 46	0.65 76	0.50 72	0.29 63	0.52 51	0.43 112	0.89 33	0.96 110	1.41 275	1.14 147	0.85 119	0.56 78	0.59 14	0.38 48	0.16 11	0.14 75	0.24 170	0.21 172	0.20 97	0.15 27

error version	0.53 48	0.26 46	0.65 76	0.50 72	0.29 63	0.52 51	0.43 112	0.89 33	0.96 110	1.41 275	1.14 147	0.85 119	0.56 78	0.59 14	0.38 48	0.16 11	0.14 75	0.24 170	0.21 172	0.20 97	0.15 27

test-v	0.53 48	0.26 46	0.65 76	0.50 72	0.29 63	0.52 51	0.43 112	0.89 33	0.96 110	1.41 275	1.14 147	0.85 119	0.56 78	0.59 14	0.38 48	0.16 11	0.14 75	0.24 170	0.21 172	0.20 97	0.15 27

test-3	0.54 62	0.22 9	0.68 88	0.47 41	0.27 33	0.58 74	0.35 46	0.92 41	1.00 134	1.32 244	0.69 30	0.87 127	0.45 30	1.68 211	0.37 38	0.16 11	0.11 3	0.20 73	0.16 58	0.17 24	0.13 3

test_1	0.54 62	0.22 9	0.68 88	0.47 41	0.27 33	0.58 74	0.35 46	0.92 41	1.00 134	1.28 220	0.68 27	0.87 127	0.45 30	1.67 206	0.37 38	0.16 11	0.11 3	0.20 73	0.16 58	0.17 24	0.13 3

test-2	0.53 48	0.26 46	0.65 76	0.50 72	0.29 63	0.52 51	0.43 112	0.89 33	0.96 110	1.41 275	1.14 147	0.85 119	0.56 78	0.59 14	0.38 48	0.16 11	0.14 75	0.24 170	0.21 172	0.20 97	0.15 27

CREStereo++_RVC	0.47 30	0.21 4	0.38 4	0.45 32	0.38 170	0.45 17	0.25 4	0.75 8	1.29 255	0.80 62	1.21 169	0.47 19	0.37 12	0.53 5	0.44 84	0.16 11	0.11 3	0.15 3	0.80 377	0.18 41	0.11 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
DCANet	0.54 62	0.24 19	0.70 103	0.43 8	0.24 9	0.49 30	0.36 56	1.05 87	1.30 261	1.12 137	1.03 107	0.58 47	0.92 212	0.81 59	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.18 41	0.19 111

csc	0.53 48	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 56	1.07 102	1.25 234	1.10 131	1.02 99	0.57 43	1.06 267	0.73 43	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

cscssc	0.53 48	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 56	1.07 102	1.25 234	1.10 131	1.02 99	0.57 43	1.06 267	0.73 43	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

CFNet-RSSM	0.54 62	0.24 19	0.70 103	0.48 52	0.28 52	0.60 84	0.27 14	1.49 192	1.14 190	1.06 115	0.93 70	1.08 193	0.54 68	0.70 33	0.35 27	0.16 11	0.12 9	0.17 14	0.15 30	0.16 13	0.14 11

Gwc-CoAtRS	0.52 39	0.24 19	0.68 88	0.48 52	0.29 63	0.64 96	0.25 4	1.16 122	1.08 162	1.01 104	1.00 87	1.12 206	0.56 78	0.69 31	0.37 38	0.16 11	0.13 42	0.17 14	0.15 30	0.15 5	0.15 27

MyStereo07	0.48 32	0.29 110	0.50 18	0.55 153	0.45 210	0.59 78	0.79 273	1.05 87	0.51 13	0.48 17	0.53 10	0.43 7	0.55 74	1.30 136	0.34 24	0.17 32	0.16 156	0.24 170	0.20 136	0.23 177	0.20 134

MyStereo06	0.61 107	0.28 83	0.95 222	0.56 165	0.46 220	0.61 87	0.73 260	1.78 266	0.67 41	1.03 111	1.12 139	1.13 211	0.56 78	0.78 51	0.41 65	0.17 32	0.16 156	0.23 150	0.20 136	0.22 152	0.20 134

MyStereo05	0.66 139	0.28 83	1.07 261	0.56 165	0.46 220	0.61 87	0.73 260	1.34 163	1.41 307	1.15 156	0.91 66	0.77 87	0.80 164	1.41 164	0.63 180	0.17 32	0.16 156	0.23 150	0.20 136	0.22 152	0.20 134

MyStereo04	0.67 148	0.29 110	1.07 261	0.55 153	0.45 210	0.59 78	0.79 273	1.50 196	1.40 304	0.91 80	0.91 66	0.74 81	0.86 193	1.52 179	0.62 176	0.17 32	0.16 156	0.24 170	0.20 136	0.23 177	0.20 134

ff7	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 96	0.87 25	0.50 6	0.49 20	0.53 10	0.44 9	0.48 47	1.38 153	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

ffff	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 96	0.87 25	0.50 6	0.49 20	0.53 10	0.44 9	0.48 47	1.38 153	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

11t	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 96	0.87 25	0.50 6	0.49 20	0.53 10	0.44 9	0.48 47	1.38 153	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

MSKI-zero shot	0.55 77	0.26 46	0.57 45	0.51 95	0.26 20	0.69 132	0.28 17	1.18 129	0.64 27	0.91 80	1.32 208	0.82 103	0.33 10	1.92 240	0.32 7	0.17 32	0.12 9	0.17 14	0.13 11	0.16 13	0.16 41

RAFT-Test	0.54 62	0.25 35	0.64 72	0.47 41	0.30 79	0.97 228	0.27 14	1.24 149	0.81 69	0.96 90	1.12 139	1.28 246	0.48 47	0.71 37	0.36 33	0.17 32	0.13 42	0.17 14	0.14 22	0.16 13	0.16 41

LL-Strereo2	0.52 39	0.33 187	0.69 97	0.52 111	0.37 153	0.70 139	0.30 22	1.13 118	0.67 41	0.94 88	0.78 45	0.91 136	0.42 21	1.05 104	0.42 73	0.17 32	0.16 156	0.29 254	0.25 239	0.21 131	0.16 41

4D-IteraStereo	0.48 32	0.24 19	0.76 155	0.50 72	0.44 203	0.66 117	0.31 27	0.87 25	1.02 139	1.03 111	0.72 35	0.78 90	0.32 9	0.64 26	0.37 38	0.17 32	0.11 3	0.23 150	0.19 108	0.19 71	0.13 3

anonymousdsp	0.43 13	0.27 67	0.53 28	0.44 23	0.32 106	0.50 39	0.42 96	0.89 33	0.51 13	0.49 20	0.53 10	0.47 19	0.47 39	1.33 141	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

EGLCR-Stereo	0.37 3	0.22 9	0.51 24	0.43 8	0.26 20	0.44 16	0.22 2	0.99 64	0.48 4	0.42 4	0.42 2	0.67 67	0.29 3	0.86 69	0.33 16	0.17 32	0.12 9	0.19 49	0.17 74	0.17 24	0.15 27

MC-Stereo	0.43 13	0.23 13	0.48 15	0.51 95	0.28 52	0.39 9	0.32 30	0.88 32	0.68 44	0.60 38	0.84 55	0.56 41	0.61 106	1.03 98	0.31 5	0.17 32	0.11 3	0.17 14	0.15 30	0.16 13	0.13 3

RCA-Stereo	0.50 37	0.23 13	0.58 48	0.48 52	0.33 122	0.55 65	0.45 135	0.97 60	1.38 295	0.68 43	1.05 111	0.63 57	0.80 164	0.59 14	0.32 7	0.17 32	0.12 9	0.17 14	0.14 22	0.16 13	0.14 11

CroCo-Stereo Lap2	0.44 21	0.34 206	0.77 159	0.61 218	0.79 336	0.28 2	0.35 46	0.75 8	0.71 51	0.38 3	0.50 9	0.72 80	0.55 74	0.57 12	0.47 110	0.17 32	0.18 195	0.19 49	0.16 58	0.21 131	0.20 134

ccc-4	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 96	0.87 25	0.50 6	0.49 20	0.53 10	0.44 9	0.48 47	1.38 153	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

IGEV-Stereo	0.43 13	0.27 67	0.54 32	0.45 32	0.32 106	0.50 39	0.42 96	0.90 39	0.51 13	0.49 20	0.53 10	0.47 19	0.47 39	1.32 139	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.85 225	0.29 110	0.91 211	0.53 119	0.43 197	0.49 30	0.68 250	0.99 64	0.87 81	0.79 60	1.34 215	1.46 276	0.91 209	5.11 342	1.11 273	0.17 32	0.14 75	0.22 122	0.18 88	0.20 97	0.20 134

iRaft-Stereo_20w	0.65 131	0.31 157	1.00 236	0.47 41	0.34 137	0.73 147	0.30 22	2.96 381	0.70 47	1.15 156	1.14 147	0.76 86	0.65 124	1.11 115	0.38 48	0.17 32	0.13 42	0.18 36	0.16 58	0.19 71	0.18 78

GLC_STEREO	0.39 5	0.25 35	0.41 9	0.54 134	0.23 6	0.48 20	0.30 22	0.73 6	0.58 18	0.52 28	0.73 36	0.51 32	0.31 6	0.64 26	0.42 73	0.17 32	0.20 225	0.23 150	0.19 108	0.21 131	0.17 60

MIPNet	0.56 86	0.28 83	0.94 219	0.49 65	0.33 122	0.66 117	0.38 69	1.35 165	1.08 162	1.06 115	0.92 68	0.60 52	0.79 159	0.73 43	0.52 137	0.17 32	0.14 75	0.19 49	0.16 58	0.18 41	0.17 60

IPLGR	0.58 95	0.27 67	1.14 275	0.48 52	0.28 52	0.65 108	0.33 33	1.22 143	1.13 188	1.18 180	1.05 111	0.69 74	0.66 126	0.96 83	0.52 137	0.17 32	0.15 125	0.20 73	0.17 74	0.20 97	0.18 78

DEmStereo	0.97 259	0.23 13	0.79 169	0.47 41	0.32 106	1.04 239	0.56 208	0.93 45	0.89 88	1.39 272	2.14 343	1.02 178	2.07 368	5.64 356	0.77 214	0.17 32	0.15 125	0.20 73	0.20 136	0.18 41	0.20 134

DRaft	0.80 204	0.24 19	0.70 103	0.45 32	0.30 79	0.97 228	0.53 185	1.05 87	0.97 117	1.78 331	2.02 336	0.80 95	1.74 347	2.73 292	0.72 199	0.17 32	0.14 75	0.20 73	0.20 136	0.18 41	0.21 150

test-1	0.52 39	0.26 46	1.04 253	0.56 165	0.32 106	0.61 87	0.38 69	1.10 109	0.91 97	0.78 57	1.01 92	0.77 87	0.52 60	0.60 23	0.42 73	0.17 32	0.14 75	0.20 73	0.17 74	0.20 97	0.23 182

iRaftStereo_RVC	0.47 30	0.26 46	0.64 72	0.50 72	0.29 63	0.53 56	0.33 33	1.05 87	0.77 61	0.84 72	1.00 87	0.55 39	0.37 12	0.81 59	0.40 58	0.17 32	0.12 9	0.22 122	0.20 136	0.19 71	0.15 27

HITNet	0.65 131	0.40 249	0.77 159	0.48 52	0.24 9	1.05 240	0.49 163	1.76 259	1.02 139	1.18 180	1.18 161	0.89 134	0.80 164	0.85 66	0.79 222	0.17 32	0.12 9	0.21 96	0.17 74	0.29 240	0.15 27
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
MyStereo8	0.65 131	0.29 110	1.00 236	0.58 182	0.49 228	0.91 205	0.35 46	1.18 129	1.31 265	1.16 167	1.27 190	0.90 135	0.64 119	0.72 40	0.95 250	0.18 60	0.14 75	0.20 73	0.18 88	0.22 152	0.26 224

IGEV_Zeroshot_test	0.53 48	0.30 126	0.99 231	0.56 165	0.35 140	0.41 12	0.32 30	1.37 168	0.63 25	1.00 101	1.09 124	0.95 154	0.41 19	0.83 62	0.39 54	0.18 60	0.12 9	0.19 49	0.18 88	0.19 71	0.17 60

CASnet	0.41 10	0.25 35	0.48 15	0.50 72	0.20 2	0.50 39	0.36 56	0.81 21	0.80 68	0.83 70	0.68 27	0.48 22	0.31 6	0.54 7	0.32 7	0.18 60	0.12 9	0.27 236	0.22 197	0.23 177	0.14 11
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.53 48	0.24 19	0.47 13	0.47 41	0.27 33	1.00 234	0.25 4	1.58 219	1.05 150	0.85 76	0.99 84	1.06 186	0.47 39	0.70 33	0.32 7	0.18 60	0.13 42	0.16 9	0.13 11	0.16 13	0.16 41

HH	0.63 116	0.30 126	0.77 159	0.50 72	0.32 106	0.49 30	0.46 142	1.65 233	0.64 27	0.69 44	1.09 124	1.63 303	0.85 185	1.90 238	0.37 38	0.18 60	0.13 42	0.19 49	0.17 74	0.19 71	0.16 41

HanStereo	0.63 116	0.30 126	0.77 159	0.50 72	0.32 106	0.49 30	0.46 142	1.65 233	0.64 27	0.69 44	1.09 124	1.63 303	0.85 185	1.90 238	0.37 38	0.18 60	0.13 42	0.19 49	0.17 74	0.19 71	0.16 41

anonymousdsp2	0.53 48	0.27 67	0.74 144	0.48 52	0.29 63	0.76 160	0.47 148	1.61 226	0.82 74	0.77 56	0.77 43	0.75 83	0.47 39	1.03 98	0.40 58	0.18 60	0.13 42	0.18 36	0.13 11	0.19 71	0.18 78

LoS	0.40 8	0.21 4	0.44 11	0.37 2	0.22 4	0.50 39	0.40 83	1.00 68	0.94 106	0.48 17	0.66 23	0.48 22	0.40 17	0.60 23	0.37 38	0.18 60	0.14 75	0.16 9	0.11 6	0.14 2	0.14 11

raft_robust	0.68 152	0.30 126	0.64 72	0.52 111	0.26 20	0.54 59	0.35 46	1.33 159	1.24 231	1.16 167	1.07 116	0.60 52	0.54 68	3.58 319	0.37 38	0.18 60	0.14 75	0.20 73	0.22 197	0.20 97	0.16 41

RAFT+CT+SA	0.58 95	0.29 110	0.60 56	0.66 263	0.37 153	0.42 13	0.55 202	1.27 153	1.03 142	0.70 46	1.22 171	0.60 52	0.70 133	1.64 200	0.41 65	0.18 60	0.13 42	0.22 122	0.22 197	0.21 131	0.18 78

test_5	0.65 131	0.30 126	0.75 146	0.67 273	0.50 234	0.92 211	0.52 179	1.39 174	1.12 178	0.76 53	1.11 133	1.00 169	0.90 207	1.53 183	0.45 92	0.18 60	0.13 42	0.23 150	0.22 197	0.21 131	0.19 111

LCNet	0.72 161	0.28 83	0.52 26	0.55 153	0.31 91	0.69 132	0.54 189	1.00 68	0.88 85	1.19 184	1.34 215	0.97 162	1.34 314	2.56 285	0.45 92	0.18 60	0.13 42	0.21 96	0.25 239	0.27 221	0.73 364

STrans-v2	1.04 277	0.28 83	0.96 226	0.49 65	0.32 106	0.68 128	0.79 273	2.47 373	1.12 178	1.12 137	1.46 252	1.40 264	1.46 323	6.70 376	0.43 82	0.18 60	0.13 42	0.20 73	0.18 88	0.18 41	0.18 78

RAFT-RH_RVC	1.03 274	0.24 19	0.67 85	0.49 65	0.28 52	0.81 184	0.33 33	0.83 22	1.08 162	2.05 351	4.65 386	1.04 184	0.57 86	5.98 364	0.50 128	0.18 60	0.13 42	0.26 225	0.20 136	0.16 13	0.17 60

RAFT-345	0.84 221	0.25 35	0.66 82	0.50 72	0.27 33	0.54 59	0.42 96	0.83 22	1.11 174	1.32 244	2.34 351	0.86 123	0.54 68	5.72 357	0.47 110	0.18 60	0.13 42	0.22 122	0.17 74	0.17 24	0.16 41

CroCo-Stereo	0.40 8	0.31 157	0.73 130	0.58 182	0.27 33	0.26 1	0.33 33	0.95 52	0.81 69	0.42 4	0.47 5	0.65 63	0.47 39	0.39 1	0.34 24	0.18 60	0.15 125	0.16 9	0.14 22	0.19 71	0.16 41
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
GMM-Stereo	0.74 178	0.25 35	0.59 52	0.54 134	0.34 137	0.72 144	0.99 317	1.01 73	0.87 81	1.36 260	1.78 311	1.12 206	0.81 167	2.09 256	0.46 105	0.18 60	0.12 9	0.25 206	0.25 239	0.20 97	0.85 370

Prome-Stereo	0.75 185	0.27 67	0.53 28	0.55 153	0.32 106	0.59 78	0.97 313	0.89 33	0.88 85	1.45 284	2.46 357	0.91 136	1.41 317	1.58 193	0.44 84	0.18 60	0.13 42	0.19 49	0.17 74	0.20 97	0.92 371

raft+_RVC	0.53 48	0.26 46	0.54 32	0.60 206	0.47 224	0.54 59	0.54 189	1.27 153	0.99 129	0.76 53	1.03 107	0.70 77	0.56 78	0.93 82	0.47 110	0.18 60	0.14 75	0.19 49	0.18 88	0.18 41	0.15 27

TANstereo	0.44 21	0.21 4	0.44 11	0.41 5	0.21 3	0.65 108	0.26 9	0.79 13	0.83 75	0.93 83	0.98 82	0.51 32	0.46 33	0.54 7	0.35 27	0.18 60	0.24 272	0.16 9	0.13 11	0.16 13	0.26 224

111	0.60 101	0.23 13	0.70 103	0.43 8	0.24 9	0.72 144	0.42 96	1.18 129	1.41 307	0.80 62	1.38 228	1.10 201	0.79 159	0.96 83	0.58 162	0.18 60	0.13 42	0.17 14	0.15 30	0.17 24	0.19 111

test_xeample3	0.42 11	0.28 83	0.69 97	0.43 8	0.33 122	0.56 68	0.38 69	0.79 13	0.45 3	0.53 29	0.46 4	0.44 9	0.44 27	1.38 153	0.31 5	0.18 60	0.14 75	0.19 49	0.15 30	0.17 24	0.16 41

ARAFT	0.77 192	0.36 229	1.49 324	0.51 95	0.31 91	0.90 203	0.82 283	1.90 291	1.06 153	1.62 318	1.24 177	1.02 178	0.64 119	1.84 231	0.50 128	0.18 60	0.14 75	0.28 246	0.27 260	0.17 24	0.16 41

EAI-Stereo	0.65 131	0.28 83	0.69 97	0.53 119	0.27 33	0.60 84	0.40 83	2.28 360	0.64 27	0.71 48	3.18 369	0.57 43	0.43 23	1.06 105	0.41 65	0.18 60	0.13 42	0.17 14	0.17 74	0.17 24	0.17 60

CREStereo	0.39 5	0.21 4	0.38 4	0.34 1	0.22 4	0.53 56	0.29 19	0.77 11	1.11 174	0.58 32	0.71 33	0.51 32	0.41 19	0.54 7	0.34 24	0.18 60	0.13 42	0.15 3	0.10 2	0.14 2	0.14 11
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
DIP-Stereo	0.62 110	0.30 126	0.83 179	0.48 52	0.36 145	0.95 220	0.33 33	2.37 367	0.67 41	1.25 211	1.00 87	0.68 69	0.51 58	0.91 76	0.61 173	0.18 60	0.15 125	0.21 96	0.17 74	0.19 71	0.19 111
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
R-Stereo Train	0.57 90	0.26 46	0.63 66	0.54 134	0.36 145	0.69 132	0.54 189	1.22 143	0.72 52	1.61 315	1.50 262	0.75 83	0.53 65	0.64 26	0.44 84	0.18 60	0.15 125	0.17 14	0.15 30	0.17 24	0.17 60

RAFT-Stereo	0.57 90	0.26 46	0.63 66	0.54 134	0.36 145	0.69 132	0.54 189	1.22 143	0.72 52	1.61 315	1.50 262	0.75 83	0.53 65	0.64 26	0.44 84	0.18 60	0.15 125	0.17 14	0.15 30	0.17 24	0.17 60
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MLCV	0.72 161	0.34 206	1.10 268	0.51 95	0.23 6	0.91 205	0.39 80	1.33 159	1.23 227	1.46 286	1.55 270	1.01 176	0.64 119	1.95 245	0.80 225	0.18 60	0.12 9	0.18 36	0.14 22	0.19 71	0.17 60

iResNet	0.75 185	0.40 249	1.36 306	0.67 273	0.29 63	0.92 211	0.59 228	1.52 204	1.25 234	1.28 220	1.48 258	0.94 148	0.76 148	1.62 198	0.78 216	0.18 60	0.14 75	0.18 36	0.15 30	0.22 152	0.23 182

DN-CSS_ROB	0.64 126	0.32 171	1.05 254	0.55 153	0.40 183	0.54 59	0.45 135	1.21 136	0.93 103	1.03 111	1.47 253	0.69 74	0.63 116	1.76 224	0.49 122	0.18 60	0.14 75	0.25 206	0.22 197	0.22 152	0.20 134

pmcnn	2.37 374	0.42 258	2.71 374	0.63 237	0.43 197	1.54 309	1.19 340	2.01 318	1.53 325	2.64 371	7.60 400	18.07 414	1.45 322	3.44 316	2.78 360	0.18 60	0.15 125	0.15 3	0.12 9	0.20 97	0.18 78

IGEVStereo-DCA	0.46 24	0.28 83	0.56 37	0.43 8	0.33 122	0.49 30	0.42 96	0.87 25	0.50 6	0.47 13	0.48 6	0.48 22	0.46 33	2.03 251	0.30 1	0.19 92	0.14 75	0.19 49	0.15 30	0.16 13	0.18 78

rrr	0.46 24	0.28 83	0.73 130	0.43 8	0.33 122	0.49 30	0.38 69	0.76 10	0.50 6	0.47 13	0.48 6	0.48 22	0.46 33	2.03 251	0.30 1	0.19 92	0.14 75	0.19 49	0.15 30	0.16 13	0.16 41

StereoIM	0.36 1	0.25 35	0.58 48	0.44 23	0.34 137	0.30 3	0.30 22	0.72 5	0.50 6	0.37 2	0.36 1	0.58 47	0.49 55	0.52 4	0.36 33	0.19 92	0.16 156	0.19 49	0.15 30	0.18 41	0.14 11

CBFPSM	0.92 245	0.33 187	1.86 347	0.49 65	0.38 170	1.75 326	0.84 285	1.39 174	1.12 178	1.09 123	0.99 84	2.37 357	1.66 344	1.32 139	1.42 316	0.19 92	0.18 195	0.20 73	0.20 136	0.21 131	0.33 276

ToySt	0.66 139	0.33 187	1.23 285	0.51 95	0.33 122	0.86 198	0.68 250	1.10 109	0.97 117	0.84 72	1.08 119	1.25 235	0.94 223	1.01 95	0.74 203	0.19 92	0.19 208	0.24 170	0.24 228	0.27 221	0.23 182

anonymousa	0.72 161	0.27 67	0.75 146	0.47 41	0.63 294	1.43 300	0.45 135	1.24 149	0.89 88	1.28 220	1.75 308	1.62 301	1.13 281	0.69 31	0.59 164	0.19 92	0.16 156	0.23 150	0.25 239	0.20 97	0.18 78

Selective-RAFT	0.52 39	0.28 83	0.79 169	0.55 153	0.27 33	0.91 205	0.33 33	0.80 18	0.88 85	0.58 32	0.63 21	0.81 98	0.77 152	1.29 135	0.48 115	0.19 92	0.14 75	0.17 14	0.15 30	0.19 71	0.17 60

Sa-1000	0.72 161	0.29 110	0.76 155	0.59 195	0.30 79	0.73 147	0.37 65	1.62 229	1.33 273	1.28 220	2.04 337	0.86 123	0.75 140	1.84 231	0.38 48	0.19 92	0.14 75	0.25 206	0.23 217	0.20 97	0.16 41

SA	0.66 139	0.30 126	0.82 177	0.61 218	0.30 79	0.58 74	0.38 69	1.44 185	1.30 261	0.96 90	1.36 222	0.66 65	0.95 228	1.85 234	0.42 73	0.19 92	0.15 125	0.25 206	0.23 217	0.21 131	0.17 60

CrosDoStereo	1.58 337	0.24 19	0.72 118	0.48 52	0.29 63	0.67 121	12.49 412	1.10 109	0.98 122	1.34 255	1.75 308	1.00 169	1.89 357	6.65 372	0.81 226	0.19 92	0.15 125	0.20 73	0.22 197	0.18 41	0.19 111

TransformOpticalFlow	0.96 253	0.28 83	0.89 205	0.52 111	0.31 91	0.66 117	0.54 189	1.75 253	1.12 178	1.09 123	1.44 244	1.37 263	1.01 252	6.70 376	0.42 73	0.19 92	0.12 9	0.20 73	0.19 108	0.18 41	0.19 111

OMP-Stereo	0.94 249	0.33 187	0.72 118	0.90 354	0.31 91	0.49 30	0.36 56	1.16 122	1.06 153	1.58 314	1.12 139	1.46 276	0.69 130	6.94 379	0.49 122	0.19 92	0.14 75	0.24 170	0.18 88	0.20 97	0.14 11

IIG-Stereo	0.96 253	0.31 157	0.72 118	0.88 350	0.33 122	0.61 87	0.26 9	1.19 135	1.03 142	1.69 324	1.37 224	1.46 276	0.75 140	6.96 380	0.51 131	0.19 92	0.14 75	0.23 150	0.18 88	0.20 97	0.14 11

PSM-AAD	0.79 201	0.27 67	0.53 28	0.55 153	0.28 52	0.77 166	1.24 343	0.99 64	0.91 97	1.66 321	1.57 278	0.81 98	2.19 371	1.65 201	0.44 84	0.19 92	0.14 75	0.38 317	0.32 306	0.21 131	0.70 361

FTStereo	0.91 243	0.26 46	0.56 37	0.54 134	0.33 122	0.66 117	1.87 377	1.00 68	0.75 56	1.75 328	4.15 380	1.04 184	1.65 340	1.57 191	0.46 105	0.19 92	0.16 156	0.23 150	0.21 172	0.18 41	0.63 353

ASMatch	0.88 235	0.26 46	0.69 97	0.51 95	0.35 140	0.48 20	0.37 65	1.12 117	0.92 101	1.10 131	3.28 370	0.96 160	0.98 240	4.90 339	0.49 122	0.19 92	0.16 156	0.22 122	0.19 108	0.19 71	0.27 230

DeepStereo_LL	1.58 337	0.24 19	0.72 118	0.48 52	0.29 63	0.67 121	12.49 412	1.10 109	0.98 122	1.34 255	1.75 308	1.00 169	1.89 357	6.65 372	0.81 226	0.19 92	0.15 125	0.20 73	0.22 197	0.18 41	0.19 111

THIR-Stereo	1.02 273	0.27 67	0.69 97	0.49 65	0.28 52	0.95 220	1.34 350	1.03 77	0.97 117	1.34 255	1.90 326	1.17 216	1.58 333	6.44 369	0.78 216	0.19 92	0.14 75	0.21 96	0.22 197	0.19 71	0.20 134

GrayStereo	0.82 212	0.26 46	0.58 48	0.63 237	0.37 153	0.76 160	1.86 376	1.11 115	0.87 81	1.99 348	1.89 325	1.08 193	1.82 355	1.39 158	0.48 115	0.19 92	0.14 75	0.19 49	0.21 172	0.18 41	0.39 298

rafts_anoy	0.52 39	0.29 110	0.59 52	0.59 195	0.50 234	0.53 56	0.40 83	1.11 115	1.03 142	0.84 72	0.83 53	0.68 69	0.54 68	0.72 40	0.51 131	0.19 92	0.14 75	0.24 170	0.26 252	0.21 131	0.18 78

XX-TBD	0.46 24	0.70 337	0.35 1	0.79 322	0.25 18	0.58 74	0.26 9	0.69 4	1.27 246	0.76 53	1.00 87	0.45 15	0.33 10	0.47 3	0.37 38	0.19 92	0.15 125	0.15 3	0.11 6	0.17 24	0.14 11

raftrobust	0.52 39	0.25 35	0.56 37	0.65 258	0.52 252	0.49 30	0.34 43	0.98 62	0.91 97	1.30 232	0.87 60	0.63 57	0.81 167	0.78 51	0.41 65	0.19 92	0.15 125	0.16 9	0.14 22	0.15 5	0.16 41

RALAANet	0.60 101	0.33 187	0.87 197	0.62 229	0.50 234	0.69 132	0.31 27	1.21 136	1.06 153	1.09 123	1.16 156	0.88 130	0.46 33	1.22 126	0.42 73	0.19 92	0.15 125	0.21 96	0.17 74	0.27 221	0.17 60

MMNet	0.84 221	0.32 171	1.09 265	0.60 206	0.59 282	1.85 339	0.49 163	1.51 201	1.27 246	1.37 262	1.15 153	1.26 239	1.18 287	1.67 206	1.22 284	0.19 92	0.18 195	0.23 150	0.22 197	0.25 201	0.21 150

RASNet	1.12 293	0.30 126	0.91 211	0.66 263	0.77 331	0.97 228	0.57 218	1.37 168	1.35 284	1.02 107	1.34 215	2.11 347	1.43 319	7.09 381	1.39 307	0.19 92	0.17 180	0.17 14	0.19 108	0.18 41	0.16 41

Former-RAFT_DAM_RVC	0.46 24	0.36 229	0.71 114	0.47 41	0.36 145	0.67 121	0.35 46	0.78 12	1.12 178	0.61 39	0.62 20	0.39 4	0.39 14	0.71 37	0.39 54	0.20 117	0.17 180	0.22 122	0.18 88	0.23 177	0.19 111

CoDeX	0.73 175	0.29 110	0.93 217	0.54 134	0.36 145	1.14 254	0.61 233	2.34 365	1.17 205	1.16 167	1.25 181	0.91 136	0.87 196	1.33 141	0.64 183	0.20 117	0.16 156	0.21 96	0.18 88	0.20 97	0.18 78

ACVNet-DCA	0.56 86	0.31 157	0.50 18	0.54 134	0.26 20	1.18 264	0.51 170	1.42 178	0.78 63	0.58 32	0.79 48	0.48 22	0.88 200	1.46 170	0.32 7	0.20 117	0.12 9	0.25 206	0.15 30	0.22 152	0.21 150

xx1	0.67 148	0.31 157	0.50 18	0.54 134	0.26 20	1.18 264	0.51 170	0.93 45	3.05 382	0.58 32	0.79 48	0.95 154	0.77 152	1.46 170	0.32 7	0.20 117	0.12 9	0.24 170	0.23 217	0.22 152	0.21 150

1test111	0.54 62	0.31 157	0.50 18	0.54 134	0.26 20	1.18 264	0.51 170	1.42 178	0.78 63	0.58 32	0.79 48	0.48 22	0.88 200	0.88 71	0.59 164	0.20 117	0.12 9	0.25 206	0.15 30	0.22 152	0.21 150

cc1	0.64 126	0.31 157	0.50 18	0.54 134	0.26 20	1.18 264	0.51 170	0.93 45	3.05 382	0.58 32	0.79 48	0.48 22	0.88 200	1.46 170	0.32 7	0.20 117	0.12 9	0.25 206	0.15 30	0.19 71	0.19 111

DualNet	1.09 285	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	0.95 52	2.47 370	1.15 156	1.45 246	1.06 186	0.82 171	1.55 187	7.61 390	0.20 117	0.12 9	0.31 267	0.27 260	0.19 71	0.20 134

ffm	0.72 161	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	0.95 52	2.47 370	1.15 156	1.45 246	1.06 186	0.82 171	1.55 187	0.32 7	0.20 117	0.12 9	0.31 267	0.27 260	0.19 71	0.20 134

ff1	1.37 322	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	0.95 52	2.47 370	1.15 156	1.45 246	1.06 186	0.82 171	7.22 382	7.61 390	0.20 117	0.12 9	0.31 267	0.27 260	0.19 71	0.20 134

tt1	0.62 110	0.32 171	0.51 24	0.54 134	0.26 20	1.16 261	0.48 156	0.95 52	2.47 370	0.57 31	0.77 43	0.49 29	0.81 167	1.55 187	0.32 7	0.20 117	0.12 9	0.24 170	0.15 30	0.19 71	0.20 134

MIF-Stereo (partial)	0.45 23	0.25 35	0.70 103	0.50 72	0.52 252	0.35 5	0.26 9	0.91 40	0.59 21	0.45 12	0.71 33	0.51 32	0.51 58	1.11 115	0.45 92	0.20 117	0.16 156	0.23 150	0.20 136	0.24 191	0.18 78

MIF-Stereo	0.36 1	0.23 13	0.59 52	0.48 52	0.36 145	0.40 10	0.32 30	0.53 1	0.49 5	0.54 30	0.55 17	0.36 2	0.31 6	0.58 13	0.51 131	0.20 117	0.15 125	0.17 14	0.15 30	0.19 71	0.15 27

PCWNet_CMD	0.66 139	0.32 171	0.88 200	0.49 65	0.37 153	0.78 171	0.40 83	1.42 178	1.31 265	1.16 167	1.31 203	1.25 235	0.62 111	0.89 74	0.57 159	0.20 117	0.16 156	0.27 236	0.19 108	0.40 296	0.25 206

knoymous	0.51 38	0.29 110	0.47 13	0.43 8	0.30 79	0.55 65	0.55 202	1.02 74	0.77 61	0.98 97	0.85 56	0.94 148	0.56 78	0.85 66	0.45 92	0.20 117	0.14 75	0.26 225	0.14 22	0.23 177	0.23 182

riskmin	0.56 86	0.27 67	0.60 56	0.43 8	0.31 91	0.83 189	0.42 96	1.14 119	1.04 146	0.73 52	0.75 40	1.11 205	1.01 252	0.81 59	0.51 131	0.20 117	0.14 75	0.24 170	0.15 30	0.24 191	0.25 206

TestStereo1	0.63 116	0.28 83	0.75 146	0.76 316	0.31 91	0.48 20	0.43 112	1.30 157	1.21 222	0.97 93	1.31 203	0.64 60	0.77 152	1.75 219	0.42 73	0.20 117	0.15 125	0.22 122	0.18 88	0.21 131	0.17 60

IER	0.70 155	0.31 157	1.02 246	0.48 52	0.52 252	1.34 287	0.51 170	1.17 124	0.99 129	1.23 199	1.34 215	1.12 206	1.11 276	0.99 91	0.71 196	0.20 117	0.16 156	0.21 96	0.21 172	0.20 97	0.19 111

SA-5K	0.63 116	0.28 83	0.75 146	0.76 316	0.31 91	0.48 20	0.43 112	1.30 157	1.21 222	0.97 93	1.31 203	0.64 60	0.77 152	1.75 219	0.42 73	0.20 117	0.15 125	0.22 122	0.18 88	0.21 131	0.17 60

HHNet	0.62 110	0.26 46	0.63 66	0.43 8	0.45 210	0.50 39	0.58 221	1.07 102	1.01 136	1.25 211	2.23 346	0.70 77	0.61 106	1.07 109	0.47 110	0.20 117	0.13 42	0.23 150	0.19 108	0.19 71	0.30 256

NRIStereo	0.60 101	0.29 110	0.69 97	0.53 119	0.28 52	0.63 94	0.33 33	1.08 106	0.87 81	1.14 153	0.87 60	0.91 136	0.59 95	2.24 268	0.49 122	0.20 117	0.14 75	0.21 96	0.19 108	0.21 131	0.17 60

KYRaft	0.75 185	0.28 83	0.62 63	0.56 165	0.29 63	0.67 121	0.86 291	0.94 49	0.84 76	1.62 318	2.21 345	1.16 215	1.02 257	1.57 191	0.40 58	0.20 117	0.13 42	0.22 122	0.28 277	0.20 97	1.02 375

PFNet	0.91 243	0.26 46	1.10 268	0.63 237	0.32 106	0.64 96	0.56 208	1.17 124	0.99 129	1.47 287	1.08 119	0.98 163	0.69 130	6.62 371	0.54 151	0.20 117	0.12 9	0.24 170	0.19 108	0.20 97	0.17 60

AnonymousM	0.59 98	1.11 370	0.41 9	0.44 23	0.32 106	0.43 14	0.47 148	1.05 87	0.64 27	0.98 97	0.63 21	0.67 67	0.43 23	0.59 14	0.41 65	0.20 117	0.15 125	1.84 387	0.84 379	0.14 2	0.13 3

RALCasStereoNet	0.54 62	0.30 126	0.66 82	0.59 195	0.51 244	0.61 87	0.52 179	0.94 49	0.93 103	0.70 46	1.01 92	0.78 90	0.44 27	1.33 141	0.47 110	0.20 117	0.16 156	0.18 36	0.16 58	0.20 97	0.19 111

XX-Stereo	0.63 116	0.26 46	1.90 348	0.81 328	0.67 303	0.43 14	0.23 3	1.03 77	0.58 18	0.65 41	1.56 274	1.41 266	0.39 14	1.28 132	0.35 27	0.20 117	0.14 75	0.20 73	0.19 108	0.18 41	0.14 11

StereoDRNet-Refined	0.80 204	0.41 255	0.88 200	0.62 229	0.42 192	1.33 285	0.48 156	1.52 204	1.17 205	1.45 284	1.44 244	1.44 272	0.90 207	1.26 131	1.24 286	0.20 117	0.16 156	0.27 236	0.24 228	0.25 201	0.28 241
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet_ROB	0.77 192	0.30 126	0.99 231	0.57 176	0.36 145	0.83 189	0.36 56	2.33 363	1.58 329	1.27 218	1.30 198	1.25 235	0.84 182	1.65 201	0.79 222	0.20 117	0.14 75	0.17 14	0.12 9	0.18 41	0.27 230

11t1	0.52 39	0.28 83	0.68 88	0.51 95	0.28 52	0.83 189	0.39 80	1.22 143	0.63 25	0.84 72	0.74 38	0.68 69	0.68 127	0.91 76	0.57 159	0.21 144	0.18 195	0.19 49	0.16 58	0.20 97	0.21 150

test croco	0.46 24	0.27 67	1.01 240	0.50 72	0.40 183	0.35 5	0.37 65	0.87 25	0.56 17	0.43 7	0.76 42	0.42 5	0.40 17	1.13 118	0.45 92	0.21 144	0.15 125	0.24 170	0.19 108	0.24 191	0.16 41

LL-Strereo	1.33 318	0.39 245	1.38 307	0.61 218	0.61 288	0.75 156	0.66 245	1.63 231	1.17 205	1.56 308	1.60 282	2.03 343	2.12 369	9.72 407	0.97 255	0.21 144	0.18 195	0.27 236	0.23 217	0.22 152	0.25 206

gwcnet-sp	0.74 178	0.33 187	1.44 311	0.57 176	0.45 210	1.40 295	0.54 189	1.50 196	1.14 190	1.30 232	1.02 99	0.94 148	0.82 171	1.39 158	0.76 208	0.21 144	0.21 241	0.22 122	0.21 172	0.22 152	0.22 165

scenet	0.74 178	0.33 187	1.44 311	0.57 176	0.45 210	1.40 295	0.54 189	1.50 196	1.14 190	1.30 232	1.02 99	0.94 148	0.82 171	1.39 158	0.76 208	0.21 144	0.21 241	0.22 122	0.21 172	0.22 152	0.22 165

ssnet	0.74 178	0.33 187	1.44 311	0.57 176	0.45 210	1.40 295	0.54 189	1.50 196	1.14 190	1.30 232	1.02 99	0.94 148	0.82 171	1.39 158	0.76 208	0.21 144	0.21 241	0.22 122	0.21 172	0.22 152	0.22 165

qqq	0.57 90	0.34 206	0.71 114	0.47 41	0.27 33	0.64 96	0.62 235	1.42 178	0.78 63	0.80 62	0.92 68	0.95 154	0.77 152	0.88 71	0.59 164	0.21 144	0.20 225	0.24 170	0.23 217	0.22 152	0.21 150

x	0.54 62	0.31 157	0.61 59	0.47 41	0.30 79	0.67 121	0.47 148	1.53 210	0.79 67	0.81 66	0.83 53	0.78 90	0.70 133	0.70 33	0.62 176	0.21 144	0.19 208	0.22 122	0.19 108	0.21 131	0.20 134

DAS	0.84 221	0.34 206	1.03 250	0.64 246	0.69 311	0.77 166	0.63 236	1.54 212	1.20 217	1.79 334	1.55 270	0.95 154	1.04 260	2.83 294	0.60 171	0.21 144	0.16 156	0.25 206	0.18 88	0.27 221	0.22 165

SepStereo	0.82 212	0.34 206	1.03 250	0.64 246	0.69 311	0.77 166	0.63 236	1.54 212	1.20 217	1.79 334	1.55 270	0.95 154	1.04 260	2.30 272	0.60 171	0.21 144	0.16 156	0.25 206	0.18 88	0.27 221	0.22 165

DeepStereo_RVC	0.55 77	0.29 110	0.72 118	0.51 95	0.30 79	0.59 78	0.33 33	1.03 77	0.70 47	1.16 167	0.93 70	0.83 110	0.94 223	0.96 83	0.54 151	0.21 144	0.14 75	0.21 96	0.19 108	0.24 191	0.24 194

CRE-IMP	0.55 77	0.30 126	0.74 144	0.52 111	0.29 63	0.79 175	0.25 4	1.04 81	0.72 52	1.09 123	0.95 72	0.81 98	0.57 86	1.10 112	0.50 128	0.21 144	0.14 75	0.23 150	0.19 108	0.28 235	0.22 165

RAFT	0.64 126	0.30 126	0.73 130	0.59 195	0.33 122	0.68 128	0.58 221	1.04 81	0.76 59	1.08 118	1.19 164	1.65 308	0.93 218	1.06 105	0.56 157	0.21 144	0.18 195	0.27 236	0.24 228	0.22 152	0.17 60

CFNet_pseudo	0.66 139	0.32 171	0.86 187	0.48 52	0.39 178	0.70 139	0.40 83	1.33 159	1.22 224	1.16 167	1.34 215	1.24 231	0.64 119	0.98 89	0.59 164	0.21 144	0.16 156	0.33 287	0.19 108	0.36 276	0.25 206

RAFT + AFF	1.00 268	0.42 258	1.09 265	0.67 273	0.50 234	1.22 272	1.24 343	2.24 357	1.19 212	1.30 232	1.56 274	1.17 216	1.49 328	3.44 316	0.83 233	0.21 144	0.25 279	0.30 263	0.26 252	0.27 221	0.27 230

SFCPSM	0.70 155	0.28 83	1.02 246	0.51 95	0.38 170	1.37 290	0.66 245	2.00 314	1.03 142	1.17 176	1.21 169	0.82 103	0.78 157	1.03 98	0.53 145	0.21 144	0.17 180	0.22 122	0.24 228	0.21 131	0.19 111

delet	0.85 225	0.32 171	0.95 222	0.65 258	0.66 301	1.64 318	0.84 285	1.75 253	1.35 284	1.32 244	1.30 198	1.30 250	0.88 200	1.68 211	1.10 271	0.21 144	0.21 241	0.24 170	0.24 228	0.21 131	0.21 150

ACVNet	0.63 116	0.31 157	0.54 32	0.54 134	0.36 145	0.80 180	0.46 142	1.37 168	1.07 158	0.93 83	1.30 198	1.08 193	0.85 185	0.80 55	0.94 248	0.21 144	0.19 208	0.21 96	0.18 88	0.22 152	0.18 78

acv_ft	0.75 185	0.31 157	0.95 222	0.70 291	0.86 350	1.24 274	0.53 185	1.44 185	1.07 158	1.24 207	1.30 198	1.08 193	0.92 212	0.80 55	1.34 299	0.21 144	0.19 208	0.21 96	0.18 88	0.21 131	0.18 78

BEATNet_4x	0.73 175	0.49 284	1.17 279	0.53 119	0.26 20	1.03 237	0.55 202	1.82 274	1.06 153	1.21 191	1.22 171	0.96 160	0.91 209	1.01 95	1.06 263	0.21 144	0.14 75	0.24 170	0.19 108	0.37 280	0.21 150

MSMDNet	0.66 139	0.32 171	0.87 197	0.49 65	0.37 153	0.79 175	0.40 83	1.43 184	1.31 265	1.15 156	1.31 203	1.24 231	0.63 116	0.88 71	0.57 159	0.21 144	0.16 156	0.26 225	0.19 108	0.39 292	0.24 194

ccs_rob	0.66 139	0.33 187	0.86 187	0.48 52	0.39 178	0.70 139	0.40 83	1.33 159	1.22 224	1.16 167	1.34 215	1.23 229	0.64 119	0.98 89	0.59 164	0.21 144	0.16 156	0.35 304	0.20 136	0.37 280	0.25 206

LE_ROB	8.05 407	0.37 235	23.53 414	0.74 310	0.33 122	2.77 375	2.87 403	3.71 390	27.24 421	25.39 421	8.87 406	8.46 404	26.71 421	6.65 372	21.99 415	0.21 144	0.19 208	0.20 73	0.21 172	0.25 201	0.22 165

mmm	0.63 116	0.35 222	0.72 118	0.51 95	0.30 79	0.86 198	0.54 189	1.59 220	0.86 77	1.07 117	1.38 228	0.79 93	0.75 140	0.91 76	0.58 162	0.22 167	0.18 195	0.29 254	0.25 239	0.25 201	0.23 182

1111x	1.70 349	0.29 110	0.86 187	0.51 95	0.27 33	1.01 235	0.68 250	2.22 355	1.28 251	1.13 151	1.40 234	1.21 222	1.10 275	5.53 352	15.20 409	0.22 167	0.21 241	0.22 122	0.22 197	0.24 191	0.22 165

EKT-Stereo	0.53 48	0.30 126	0.73 130	0.58 182	0.60 285	0.51 49	0.48 156	0.94 49	0.90 92	0.71 48	0.88 62	0.77 87	0.43 23	1.07 109	0.40 58	0.22 167	0.16 156	0.21 96	0.18 88	0.20 97	0.22 165

hknet	0.77 192	0.32 171	0.95 222	0.54 134	0.38 170	1.27 278	0.65 240	2.16 343	1.07 158	1.20 188	1.11 133	1.59 297	0.81 167	1.37 149	0.66 185	0.22 167	0.17 180	0.25 206	0.22 197	0.22 152	0.22 165

Patchmatch Stereo++	0.55 77	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.29 19	1.05 87	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	1.37 149	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78
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	1.83 354	0.28 83	0.72 118	0.61 218	0.32 106	0.67 121	0.51 170	0.96 59	0.98 122	1.47 287	1.20 167	1.00 169	1.18 287	2.83 294	22.77 418	0.22 167	0.13 42	0.22 122	0.19 108	0.23 177	0.15 27

PSM-adaLoss	0.54 62	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.41 94	1.04 81	0.64 27	1.12 137	0.96 74	0.82 103	0.61 106	1.06 105	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

ROB_FTStereo_v2	0.54 62	0.30 126	0.73 130	0.50 72	0.27 33	0.64 96	0.42 96	1.05 87	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	1.12 117	0.46 105	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

ROB_FTStereo	0.54 62	0.30 126	0.73 130	0.50 72	0.27 33	0.64 96	0.25 4	1.05 87	0.64 27	1.12 137	0.95 72	0.82 103	0.61 106	1.15 120	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

HUI-Stereo	0.52 39	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.30 22	1.04 81	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	0.79 54	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

SST-Stereo	0.83 217	0.28 83	0.72 118	0.59 195	0.31 91	0.72 144	0.26 9	1.09 107	0.86 77	1.47 287	1.10 128	1.00 169	0.87 196	5.73 358	0.45 92	0.22 167	0.13 42	0.23 150	0.19 108	0.23 177	0.18 78

RAFT_R40	0.83 217	0.28 83	0.73 130	0.59 195	0.31 91	0.69 132	0.44 124	1.10 109	0.95 108	1.47 287	1.10 128	1.00 169	0.85 185	5.53 352	0.46 105	0.22 167	0.13 42	0.23 150	0.20 136	0.23 177	0.18 78

iGMRVC	0.56 86	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.38 69	1.05 87	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	1.52 179	0.46 105	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

IRAFT_RVC	0.88 235	0.28 83	0.76 155	0.63 237	0.31 91	0.65 108	1.02 322	1.22 143	0.94 106	1.22 196	1.04 110	1.01 176	0.98 240	5.82 359	0.53 145	0.22 167	0.12 9	0.25 206	0.20 136	0.20 97	0.19 111

iRAFT	0.55 77	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.29 19	1.05 87	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	1.37 149	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

RAFT-IKP	0.54 62	0.30 126	0.73 130	0.50 72	0.27 33	0.59 78	0.36 56	1.04 81	0.64 27	1.12 137	0.96 74	0.83 110	0.61 106	1.22 126	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

TestStereo	0.64 126	0.39 245	0.71 114	0.51 95	0.27 33	0.56 68	0.42 96	1.03 77	0.91 97	0.80 62	1.00 87	0.68 69	0.52 60	3.25 309	0.45 92	0.22 167	0.15 125	0.24 170	0.18 88	0.27 221	0.16 41

sAnonymous2	0.55 77	0.56 304	1.46 317	0.60 206	0.51 244	0.48 20	0.52 179	0.79 13	0.68 44	0.50 26	0.67 25	0.46 16	0.62 111	0.59 14	0.40 58	0.22 167	0.17 180	0.22 122	0.21 172	0.86 367	0.56 340

CroCo_RVC	0.55 77	0.56 304	1.46 317	0.60 206	0.51 244	0.48 20	0.52 179	0.79 13	0.68 44	0.50 26	0.67 25	0.46 16	0.62 111	0.59 14	0.40 58	0.22 167	0.17 180	0.22 122	0.21 172	0.86 367	0.56 340

test_xeample	1.45 329	0.28 83	0.65 76	0.51 95	0.28 52	0.94 216	0.59 228	2.14 338	1.29 255	1.24 207	1.51 264	0.88 130	0.86 193	1.46 170	15.10 408	0.22 167	0.20 225	0.22 122	0.20 136	0.22 152	0.22 165

FENet	0.60 101	0.28 83	0.63 66	0.54 134	0.33 122	0.83 189	0.38 69	1.27 153	1.07 158	1.00 101	0.86 57	0.99 168	0.85 185	0.96 83	0.68 189	0.22 167	0.15 125	0.23 150	0.20 136	0.22 152	0.23 182

HSM-Net_RVC	0.87 234	0.29 110	0.53 28	0.53 119	0.30 79	1.15 259	0.55 202	3.57 388	1.28 251	1.53 300	1.74 305	1.68 311	0.93 218	1.49 176	0.77 214	0.22 167	0.17 180	0.19 49	0.18 88	0.20 97	0.19 111
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
HSM	1.19 305	0.32 171	0.65 76	0.57 176	0.38 170	1.23 273	0.59 228	2.25 358	1.19 212	1.30 232	1.25 181	1.94 333	1.03 259	9.32 402	0.71 196	0.22 167	0.16 156	0.20 73	0.16 58	0.21 131	0.21 150

whm_eth	0.65 131	0.47 276	1.05 254	0.55 153	0.64 296	0.69 132	0.45 135	1.34 163	1.26 239	1.02 107	1.92 328	0.49 29	0.48 47	0.70 33	0.52 137	0.23 190	0.20 225	0.25 206	0.24 228	0.24 191	0.31 266

DisPM	0.66 139	0.28 83	0.72 118	0.61 218	0.35 140	0.62 93	0.45 135	1.02 74	0.99 129	1.56 308	1.10 128	0.80 95	0.59 95	2.37 277	0.41 65	0.23 190	0.14 75	0.23 150	0.21 172	0.20 97	0.25 206

Wz-Net-LNSev-Ref	0.99 264	0.40 249	1.82 344	0.66 263	0.62 293	2.05 351	0.78 270	1.91 295	1.29 255	1.54 304	1.42 237	1.51 286	1.23 298	1.99 248	1.33 297	0.23 190	0.14 75	0.20 73	0.15 30	0.27 221	0.26 224

CIPLG	0.62 110	0.33 187	0.96 226	0.58 182	0.50 234	0.75 156	0.48 156	1.05 87	0.96 110	1.40 273	1.57 278	0.64 60	0.48 47	0.89 74	0.70 191	0.23 190	0.15 125	0.19 49	0.16 58	0.19 71	0.21 150

IPLGR_C	0.62 110	0.33 187	0.99 231	0.58 182	0.49 228	0.76 160	0.48 156	1.10 109	0.96 110	1.40 273	1.56 274	0.62 55	0.48 47	0.80 55	0.71 196	0.23 190	0.15 125	0.19 49	0.16 58	0.19 71	0.21 150

ACRE	0.61 107	0.33 187	1.01 240	0.58 182	0.49 228	0.75 156	0.47 148	1.06 100	0.95 108	1.37 262	1.55 270	0.62 55	0.46 33	0.83 62	0.70 191	0.23 190	0.15 125	0.19 49	0.16 58	0.18 41	0.21 150

TRStereo	0.60 101	0.60 321	0.97 228	0.74 310	0.67 303	0.46 18	0.38 69	1.85 280	0.89 88	0.79 60	0.80 52	0.88 130	0.39 14	1.10 112	0.41 65	0.23 190	0.15 125	0.23 150	0.24 228	0.17 24	0.15 27

NF-Stereo	0.80 204	0.30 126	0.75 146	0.60 206	0.31 91	0.64 96	0.44 124	1.21 136	0.90 92	1.29 225	1.02 99	0.82 103	0.57 86	5.40 350	0.48 115	0.23 190	0.14 75	0.24 170	0.20 136	0.20 97	0.30 256

Pruner-Stereo	0.62 110	0.29 110	0.70 103	0.61 218	0.31 91	0.63 94	0.43 112	1.17 124	0.99 129	1.53 300	1.08 119	0.95 154	0.55 74	1.35 145	0.51 131	0.23 190	0.14 75	0.24 170	0.21 172	0.21 131	0.23 182

UNet	0.83 217	0.34 206	1.31 298	0.58 182	0.74 321	1.58 312	0.49 163	1.41 176	1.04 146	1.21 191	1.08 119	1.54 289	1.12 279	1.65 201	1.09 268	0.23 190	0.17 180	0.25 206	0.20 136	0.25 201	0.22 165

FADNet-RVC-Resample	0.84 221	0.47 276	2.10 354	0.61 218	0.45 210	1.07 245	0.61 233	1.59 220	1.20 217	1.08 118	0.98 82	1.03 181	0.98 240	2.17 261	0.72 199	0.23 190	0.22 255	0.30 263	0.32 306	0.35 270	0.34 278

ADCRef	1.35 320	0.55 301	2.37 365	0.72 301	0.77 331	1.94 344	0.78 270	1.91 295	1.27 246	1.57 312	1.59 281	1.36 260	1.41 317	1.54 185	7.53 389	0.23 190	0.20 225	0.32 280	0.30 296	0.29 240	0.29 244

CFNet	0.96 253	0.36 229	1.01 240	0.62 229	0.42 192	0.99 232	0.47 148	1.90 291	1.32 270	0.99 99	1.39 232	1.10 201	0.86 193	5.58 355	0.79 222	0.23 190	0.17 180	0.28 246	0.27 260	0.26 209	0.21 150

iResNetv2_ROB	0.80 204	0.37 235	1.71 336	0.56 165	0.37 153	0.94 216	0.64 238	1.73 247	1.34 276	1.23 199	1.42 237	1.26 239	0.92 212	1.85 234	0.56 157	0.23 190	0.15 125	0.19 49	0.14 22	0.24 191	0.19 111

DISCO	1.03 274	0.34 206	1.11 270	0.69 286	0.45 210	2.07 352	0.84 285	2.13 334	1.50 320	1.15 156	1.33 210	2.40 359	1.07 270	2.60 287	1.51 325	0.23 190	0.18 195	0.22 122	0.20 136	0.31 256	0.27 230

SMFormer	0.75 185	0.30 126	0.86 187	0.46 35	0.26 20	0.82 185	0.43 112	2.05 323	1.39 299	1.23 199	1.47 253	0.98 163	0.95 228	1.71 214	0.82 231	0.24 205	0.20 225	0.22 122	0.21 172	0.23 177	0.24 194

tta	0.75 185	0.30 126	0.86 187	0.46 35	0.26 20	0.82 185	0.43 112	2.05 323	1.39 299	1.23 199	1.47 253	0.98 163	0.95 228	1.71 214	0.82 231	0.24 205	0.20 225	0.22 122	0.21 172	0.18 41	0.18 78

qqq1	0.72 161	0.30 126	0.86 187	0.46 35	0.26 20	0.82 185	0.43 112	2.05 323	1.39 299	1.23 199	1.47 253	0.98 163	0.95 228	1.71 214	0.44 84	0.24 205	0.20 225	0.18 36	0.15 30	0.18 41	0.18 78

fff1	0.72 161	0.30 126	0.86 187	0.46 35	0.26 20	0.82 185	0.43 112	2.05 323	1.39 299	1.23 199	1.47 253	0.98 163	0.95 228	1.71 214	0.44 84	0.24 205	0.20 225	0.18 36	0.15 30	0.18 41	0.18 78

mmx	1.39 324	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	2.13 334	1.37 291	1.15 156	1.45 246	1.06 186	0.82 171	7.22 382	7.61 390	0.24 205	0.19 208	0.31 267	0.27 260	0.30 249	0.25 206

xxx	1.39 324	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	2.13 334	1.37 291	1.15 156	1.45 246	1.06 186	0.82 171	7.22 382	7.61 390	0.24 205	0.19 208	0.31 267	0.27 260	0.30 249	0.25 206

iinet-f	0.99 264	0.45 270	3.71 382	0.55 153	0.43 197	1.81 334	0.68 250	1.14 119	1.14 190	1.18 180	1.42 237	1.58 296	1.44 320	1.34 144	1.59 329	0.24 205	0.23 263	0.20 73	0.19 108	0.26 209	0.25 206

BUS	0.74 178	0.32 171	0.68 88	0.54 134	0.44 203	2.34 363	0.42 96	2.16 343	0.98 122	1.20 188	1.11 133	1.03 181	0.62 111	0.91 76	0.70 191	0.24 205	0.17 180	0.25 206	0.22 197	0.22 152	0.22 165

BSDual-CNN	0.71 160	0.32 171	0.68 88	0.54 134	0.44 203	1.27 278	0.65 240	2.16 343	0.98 122	1.20 188	1.11 133	1.12 206	0.74 138	0.91 76	0.66 185	0.24 205	0.17 180	0.25 206	0.22 197	0.22 152	0.22 165

psmg	0.72 161	0.32 171	0.68 88	0.50 72	0.44 203	1.48 303	0.75 262	1.94 304	0.98 122	1.21 191	1.33 210	1.12 206	0.74 138	0.91 76	0.66 185	0.24 205	0.19 208	0.25 206	0.25 239	0.23 177	0.22 165

ADLNet2	0.88 235	0.34 206	1.17 279	0.77 319	0.64 296	1.12 252	0.76 265	1.74 251	1.24 231	1.21 191	1.65 295	1.71 314	1.05 264	1.67 206	1.17 280	0.24 205	0.21 241	0.21 96	0.22 197	0.26 209	0.29 244

OCTAStereo	0.80 204	0.30 126	0.75 146	0.60 206	0.31 91	0.64 96	0.44 124	1.21 136	0.90 92	1.29 225	1.01 92	0.82 103	0.57 86	5.35 345	0.48 115	0.24 205	0.14 75	0.24 170	0.20 136	0.20 97	0.30 256

PSM-softLoss	0.78 198	0.31 157	0.77 159	0.58 182	0.32 106	0.56 68	0.40 83	1.18 129	0.70 47	1.24 207	1.07 116	0.83 110	0.52 60	5.36 346	0.53 145	0.24 205	0.15 125	0.25 206	0.22 197	0.20 97	0.25 206

KMStereo	0.78 198	0.31 157	0.77 159	0.58 182	0.32 106	0.56 68	0.40 83	1.18 129	0.70 47	1.24 207	1.07 116	0.83 110	0.52 60	5.36 346	0.53 145	0.24 205	0.15 125	0.25 206	0.22 197	0.20 97	0.25 206

RE-Stereo	0.80 204	0.30 126	0.75 146	0.60 206	0.31 91	0.64 96	0.44 124	1.21 136	0.90 92	1.29 225	1.01 92	0.81 98	0.57 86	5.37 348	0.48 115	0.24 205	0.14 75	0.24 170	0.20 136	0.20 97	0.30 256

TVStereo	0.80 204	0.30 126	0.75 146	0.60 206	0.31 91	0.64 96	0.44 124	1.21 136	0.90 92	1.29 225	1.01 92	0.81 98	0.57 86	5.37 348	0.48 115	0.24 205	0.14 75	0.24 170	0.20 136	0.20 97	0.30 256

Anonymous	0.53 48	0.38 240	0.91 211	0.66 263	0.73 319	0.65 108	0.59 228	0.95 52	0.73 55	0.47 13	0.58 19	0.42 5	0.60 97	0.80 55	0.53 145	0.24 205	0.23 263	0.21 96	0.21 172	0.41 299	0.29 244

222	1.61 341	0.29 110	0.67 85	0.56 165	0.29 63	1.06 243	0.42 96	2.17 349	1.31 265	1.31 242	1.52 265	0.92 144	0.94 223	1.76 224	17.65 412	0.24 205	0.20 225	0.21 96	0.19 108	0.22 152	0.23 182

xxxx	1.51 333	0.28 83	0.68 88	0.54 134	0.28 52	1.16 261	0.44 124	2.19 351	1.29 255	1.09 123	1.36 222	1.22 224	0.85 185	1.79 227	15.70 411	0.24 205	0.21 241	0.21 96	0.20 136	0.22 152	0.23 182

GMStereo	0.55 77	0.45 270	0.94 219	0.50 72	0.32 106	0.64 96	0.43 112	1.00 68	1.40 304	0.82 69	0.73 36	0.51 32	0.45 30	0.85 66	0.55 155	0.24 205	0.15 125	0.20 73	0.21 172	0.31 256	0.24 194
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UPFNet	0.80 204	0.32 171	0.90 208	0.59 195	0.74 321	1.26 277	0.80 279	1.52 204	1.10 172	1.30 232	1.12 139	1.30 250	0.84 182	1.67 206	1.09 268	0.24 205	0.24 272	0.24 170	0.23 217	0.25 201	0.18 78

HGLStereo	0.85 225	0.38 240	0.94 219	0.80 325	1.03 363	1.17 263	0.58 221	1.52 204	1.20 217	1.19 184	1.62 289	1.13 211	1.20 293	1.80 228	1.06 263	0.24 205	0.24 272	0.24 170	0.21 172	0.23 177	0.27 230

SuperB	2.53 380	0.59 314	18.45 410	0.69 286	0.50 234	1.87 341	0.88 294	1.67 238	2.39 367	1.50 296	1.42 237	1.14 213	1.15 283	4.28 329	5.07 379	0.24 205	0.19 208	0.22 122	0.19 108	7.86 417	0.34 278

ADCP+	1.99 364	0.48 281	7.73 395	0.66 263	0.91 354	2.30 361	1.05 325	1.82 274	1.34 276	1.54 304	1.32 208	1.74 318	1.61 337	2.17 261	13.37 404	0.24 205	0.21 241	0.32 280	0.28 277	0.37 280	0.29 244

StereoVision	0.65 131	0.34 206	0.86 187	0.59 195	0.40 183	0.50 39	0.41 94	1.09 107	0.93 103	0.71 48	2.50 358	0.82 103	0.57 86	1.03 98	0.49 122	0.25 229	0.28 297	0.29 254	0.28 277	0.36 276	0.20 134

CFNet_ucs	0.70 155	0.33 187	0.88 200	0.50 72	0.43 197	0.74 150	0.44 124	1.60 223	1.29 255	1.22 196	1.54 268	1.09 199	0.63 116	0.99 91	0.59 164	0.25 229	0.20 225	0.37 314	0.21 172	0.40 296	0.28 241

AACVNet	0.86 230	0.35 222	0.79 169	0.82 333	0.39 178	0.76 160	0.49 163	1.61 226	0.81 69	1.08 118	1.33 210	1.30 250	0.93 218	4.34 330	0.74 203	0.25 229	0.21 241	0.28 246	0.22 197	0.29 240	0.25 206

PFNet+	0.59 98	0.28 83	0.77 159	0.53 119	0.30 79	0.59 78	0.31 27	0.92 41	1.14 190	1.33 252	1.10 128	0.79 93	0.57 86	1.31 137	0.49 122	0.25 229	0.17 180	0.28 246	0.26 252	0.21 131	0.25 206

psm_up	0.77 192	0.34 206	0.70 103	0.66 263	0.58 275	1.05 240	0.92 303	1.52 204	1.12 178	1.26 215	1.16 156	1.31 253	1.23 298	1.20 124	0.81 226	0.25 229	0.29 305	0.31 267	0.27 260	0.27 221	0.25 206

aanetorigin	1.23 306	0.79 348	2.78 376	0.70 291	0.79 336	0.99 232	1.06 326	1.06 100	1.37 291	3.52 386	2.61 360	1.72 315	1.63 338	1.99 248	1.78 335	0.25 229	0.24 272	0.26 225	0.25 239	0.38 288	0.45 315

EDNetEfficientorigin	10.57 410	1.47 384	177.42 435	0.67 273	0.53 255	1.58 312	1.16 337	1.90 291	3.37 386	4.71 399	3.38 371	3.10 376	2.69 382	3.13 306	3.58 370	0.25 229	0.23 263	0.33 287	0.27 260	0.83 366	0.81 367

cf-r	0.73 175	0.30 126	0.77 159	0.55 153	0.63 294	0.78 171	0.48 156	1.79 268	1.15 199	1.13 151	1.26 187	1.43 268	0.87 196	1.40 163	0.85 239	0.25 229	0.18 195	0.22 122	0.23 217	0.19 71	0.19 111

GANet-RSSM	0.72 161	0.28 83	0.63 66	0.64 246	0.58 275	0.80 180	0.58 221	1.89 288	1.08 162	1.04 114	1.25 181	1.15 214	1.04 260	1.49 176	0.62 176	0.25 229	0.19 208	0.22 122	0.22 197	0.22 152	0.21 150

GwcNet-RSSM	0.77 192	0.32 171	1.01 240	0.62 229	0.54 258	0.78 171	0.51 170	1.73 247	1.20 217	1.09 123	1.37 224	1.46 276	0.85 185	1.53 183	1.09 268	0.25 229	0.18 195	0.23 150	0.24 228	0.20 97	0.19 111

DMCA	0.67 148	0.34 206	0.90 208	0.51 95	0.44 203	0.86 198	0.47 148	1.42 178	1.02 139	1.17 176	1.12 139	1.23 229	0.75 140	0.78 51	0.95 250	0.25 229	0.19 208	0.27 236	0.19 108	0.24 191	0.27 230

NLCA_NET_v2_RVC	0.79 201	0.43 261	1.05 254	0.64 246	0.58 275	0.95 220	0.53 185	1.53 210	1.18 209	1.37 262	1.15 153	1.43 268	0.88 200	1.61 197	0.84 236	0.25 229	0.22 255	0.27 236	0.27 260	0.29 240	0.29 244
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AANet_RVC	1.16 303	0.52 294	1.49 324	0.65 258	0.45 210	0.75 156	0.69 254	1.42 178	1.55 328	1.34 255	1.87 323	1.53 288	0.78 157	7.43 387	1.38 304	0.25 229	0.17 180	0.19 49	0.16 58	0.22 152	0.26 224

DLCB_ROB	0.86 230	0.40 249	0.78 167	0.68 283	0.54 258	1.11 249	0.84 285	1.49 192	1.23 227	1.64 320	1.65 295	1.70 313	0.91 209	1.70 213	1.05 261	0.25 229	0.24 272	0.26 225	0.27 260	0.27 221	0.24 194

fast-acv-ft	0.94 249	0.44 264	1.40 308	0.58 182	0.51 244	1.77 331	0.69 254	1.36 167	1.42 310	1.29 225	1.86 321	1.74 318	1.25 301	1.52 179	1.38 304	0.26 243	0.28 297	0.28 246	0.28 277	0.27 221	0.26 224

CRFU-Net	0.86 230	0.39 245	1.00 236	0.65 258	0.57 267	1.78 333	0.86 291	2.15 340	0.81 69	1.38 267	1.18 161	1.64 306	1.19 290	1.35 145	0.90 245	0.26 243	0.22 255	0.21 96	0.19 108	0.23 177	0.24 194

GANet-ADL	0.60 101	0.35 222	0.72 118	0.64 246	0.40 183	0.68 128	0.51 170	1.49 192	1.12 178	0.95 89	1.08 119	0.91 136	0.57 86	0.76 48	0.55 155	0.26 243	0.18 195	0.18 36	0.16 58	0.23 177	0.25 206

sCroCo_RVC	0.49 35	0.40 249	1.02 246	0.65 258	0.60 285	0.52 51	0.40 83	0.83 22	0.61 22	0.44 8	0.74 38	0.49 29	0.50 56	0.63 25	0.48 115	0.26 243	0.27 291	0.23 150	0.22 197	0.29 240	0.25 206

EDNetEfficient	2.37 374	1.10 367	8.08 397	0.74 310	0.71 314	0.98 231	1.56 361	1.46 188	4.06 392	4.90 400	2.82 364	2.25 350	3.48 390	2.95 298	9.97 398	0.26 243	0.24 272	0.26 225	0.30 296	0.68 360	0.61 351

CFNet-ft	0.72 161	0.32 171	0.54 32	0.66 263	0.54 258	0.83 189	0.55 202	1.37 168	1.15 199	0.93 83	1.28 194	1.57 293	0.97 236	1.35 145	0.81 226	0.26 243	0.20 225	0.33 287	0.25 239	0.30 249	0.23 182

ADCL	1.72 352	0.57 308	3.66 380	0.67 273	0.61 288	2.61 372	1.85 375	1.96 307	1.67 335	1.90 344	1.83 316	2.06 346	1.90 359	2.13 259	9.15 397	0.26 243	0.24 272	0.34 297	0.32 306	0.38 288	0.35 283

RYNet	1.17 304	0.49 284	1.24 288	0.70 291	0.97 362	1.71 322	0.92 303	1.91 295	1.46 315	1.38 267	1.14 147	1.88 323	1.30 310	4.24 326	1.87 338	0.26 243	0.21 241	0.35 304	0.27 260	0.55 340	0.54 336

CFNet_RVC	0.72 161	0.32 171	0.54 32	0.66 263	0.54 258	0.83 189	0.55 202	1.37 168	1.15 199	0.93 83	1.28 194	1.57 293	0.97 236	1.35 145	0.81 226	0.26 243	0.20 225	0.33 287	0.25 239	0.30 249	0.23 182

Wz-Net-MNSev	1.11 291	0.58 311	2.23 361	0.66 263	0.71 314	1.95 345	1.46 356	1.98 312	1.45 314	1.79 334	1.43 241	1.49 283	1.33 313	1.97 247	1.42 316	0.27 252	0.23 263	0.28 246	0.28 277	0.34 269	0.31 266

AASNet	0.76 191	0.35 222	0.91 211	0.79 322	0.81 343	1.14 254	0.56 208	2.02 321	1.08 162	1.22 196	1.24 177	0.93 145	0.76 148	0.77 50	1.16 278	0.27 252	0.23 263	0.24 170	0.20 136	0.28 235	0.24 194

GwcNet-ADL	0.64 126	0.31 157	0.79 169	0.56 165	0.41 189	0.60 84	0.58 221	1.41 176	1.26 239	1.08 118	1.13 144	0.91 136	0.60 97	1.04 103	0.78 216	0.27 252	0.18 195	0.18 36	0.18 88	0.25 201	0.29 244

ADLNet	0.85 225	0.36 229	0.89 205	0.85 342	0.72 316	1.24 274	0.76 265	1.82 274	1.36 287	1.52 299	1.35 221	1.27 243	0.99 248	1.23 128	1.15 277	0.27 252	0.20 225	0.26 225	0.25 239	0.28 235	0.30 256

GES	0.66 139	0.34 206	0.90 208	0.59 195	0.38 170	0.94 216	0.57 218	2.11 333	0.86 77	1.02 107	1.11 133	0.66 65	0.79 159	0.99 91	0.61 173	0.27 252	0.19 208	0.20 73	0.20 136	0.21 131	0.30 256

ac_64	0.82 212	0.29 110	0.81 175	0.71 298	0.60 285	1.05 240	0.54 189	1.99 313	0.92 101	1.18 180	1.06 113	1.99 338	1.08 271	1.94 244	0.97 255	0.27 252	0.22 255	0.24 170	0.23 217	0.22 152	0.19 111

PSMNet-RSSM	0.72 161	0.30 126	0.61 59	0.63 237	0.42 192	0.73 147	0.56 208	1.92 298	1.10 172	1.09 123	1.37 224	1.22 224	0.98 240	1.28 132	0.72 199	0.27 252	0.19 208	0.27 236	0.29 288	0.24 191	0.24 194

DMCA-RVC	0.74 178	0.40 249	1.27 294	0.66 263	0.49 228	0.77 166	0.47 148	1.35 165	1.01 136	1.53 300	1.01 92	1.29 249	0.82 171	1.31 137	0.78 216	0.27 252	0.21 241	0.35 304	0.27 260	0.32 261	0.24 194

FADNet_RVC	0.83 217	0.51 291	1.83 346	0.54 134	0.42 192	1.19 268	0.46 142	1.51 201	1.09 168	0.89 77	1.24 177	0.91 136	0.87 196	2.11 258	1.11 273	0.27 252	0.22 255	0.31 267	0.28 277	0.43 309	0.38 295

DRN-Test	1.00 268	0.44 264	1.13 274	0.70 291	0.81 343	1.62 315	0.79 273	2.14 338	1.44 313	1.78 331	1.33 210	1.43 268	1.05 264	2.18 264	1.53 326	0.27 252	0.21 241	0.31 267	0.30 296	0.32 261	0.28 241

Wz-Net-LNSev	1.03 274	0.67 331	2.71 374	0.64 246	0.84 347	1.75 326	1.00 319	1.80 270	1.32 270	1.28 220	1.25 181	1.65 308	1.22 297	1.39 158	1.40 308	0.28 262	0.26 283	0.24 170	0.23 217	0.33 267	0.32 272

NINENet	0.77 192	0.37 235	0.78 167	0.62 229	0.51 244	2.34 363	0.42 96	1.83 278	1.04 146	1.14 153	1.23 175	1.03 181	0.62 111	1.24 129	0.70 191	0.28 262	0.23 263	0.31 267	0.21 172	0.26 209	0.25 206

dd	0.59 98	0.48 281	0.97 228	0.55 153	0.32 106	0.64 96	0.47 148	1.02 74	1.34 276	0.78 57	0.86 57	0.58 47	0.54 68	1.01 95	0.86 241	0.28 262	0.18 195	0.26 225	0.19 108	0.32 261	0.24 194

LMCR-Stereo	0.82 212	0.46 272	0.88 200	0.75 314	0.43 197	1.33 285	0.56 208	2.43 371	0.98 122	1.53 300	1.49 259	0.74 81	1.00 250	1.63 199	0.89 243	0.28 262	0.17 180	0.22 122	0.17 74	0.29 240	0.20 134

HCRNet	0.70 155	0.39 245	0.73 130	0.60 206	0.59 282	0.76 160	0.35 46	1.22 143	1.13 188	1.02 107	0.99 84	1.02 178	0.76 148	2.19 265	0.70 191	0.28 262	0.19 208	0.28 246	0.23 217	0.25 201	0.23 182

UCFNet_RVC	0.69 153	0.35 222	0.49 17	0.64 246	0.39 178	0.85 197	0.58 221	1.75 253	1.14 190	0.97 93	1.19 164	1.17 216	0.93 218	0.99 91	0.62 176	0.28 262	0.20 225	0.34 297	0.31 300	0.32 261	0.27 230

StereoDRNet	0.98 263	0.47 276	1.70 335	0.76 316	0.94 358	1.51 306	0.91 301	1.92 298	1.32 270	1.61 315	1.13 144	1.47 281	0.97 236	1.75 219	1.46 321	0.28 262	0.23 263	0.29 254	0.27 260	0.35 270	0.27 230

NaN_ROB	1.13 296	0.55 301	1.15 276	0.64 246	0.48 225	1.61 314	2.03 385	1.72 246	1.48 317	2.09 353	1.27 190	1.40 264	1.08 271	3.94 322	1.30 295	0.28 262	0.34 324	0.28 246	0.28 277	0.30 249	0.33 276

ICVP	0.63 116	0.33 187	0.57 45	0.61 218	0.40 183	0.80 180	0.58 221	1.61 226	0.89 88	0.90 78	1.24 177	0.88 130	0.73 136	0.72 40	0.88 242	0.29 270	0.21 241	0.22 122	0.21 172	0.24 191	0.27 230
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GEStereo_RVC	0.90 240	0.37 235	0.99 231	0.64 246	0.50 234	0.95 220	0.79 273	2.42 370	1.17 205	1.16 167	1.11 133	1.26 239	0.92 212	3.24 308	0.90 245	0.29 270	0.19 208	0.23 150	0.20 136	0.27 221	0.29 244

STTStereo	0.78 198	0.50 288	1.22 284	0.64 246	0.54 258	0.89 201	0.54 189	1.44 185	1.11 174	1.38 267	1.09 124	1.27 243	0.85 185	1.43 165	0.83 233	0.29 270	0.27 291	0.33 287	0.39 331	0.32 261	0.30 256

PA-Net	1.01 271	0.57 308	1.29 296	0.64 246	0.74 321	1.19 268	0.84 285	1.69 241	1.43 312	1.16 167	1.19 164	1.32 254	1.19 290	3.42 314	1.25 287	0.29 270	0.45 360	0.33 287	0.49 355	0.32 261	0.47 322
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ttt	0.94 249	0.34 206	0.59 52	0.61 218	0.37 153	0.94 216	0.50 169	2.17 349	1.34 276	1.23 199	1.61 286	0.91 136	0.76 148	1.85 234	3.97 375	0.30 274	0.26 283	0.26 225	0.24 228	0.29 240	0.29 244

coex-ft	8.13 408	2.13 401	98.04 434	0.67 273	0.53 255	1.71 322	1.56 361	1.65 233	11.11 406	18.17 420	3.75 376	3.88 382	7.61 409	2.98 301	6.49 385	0.30 274	0.30 309	0.32 280	0.31 300	0.66 358	0.50 330

ssnet_v2	0.88 235	0.36 229	1.02 246	0.62 229	0.38 170	1.32 284	0.97 313	2.07 329	1.34 276	1.37 262	1.18 161	1.54 289	0.92 212	1.10 112	1.65 330	0.30 274	0.27 291	0.30 263	0.28 277	0.27 221	0.26 224

GwcNet	1.08 283	0.51 291	2.33 363	0.79 322	1.18 375	1.76 328	0.70 256	1.68 239	1.47 316	1.41 275	1.64 293	1.74 318	1.04 260	2.20 266	1.41 312	0.30 274	0.29 305	0.29 254	0.27 260	0.30 249	0.35 283

DSFCA	0.93 248	0.34 206	1.06 257	0.52 111	0.65 299	1.55 310	0.93 307	1.49 192	1.19 212	1.56 308	1.15 153	1.50 284	0.96 233	3.07 302	1.02 260	0.30 274	0.26 283	0.25 206	0.25 239	0.28 235	0.24 194

FADNet-RVC	0.88 235	0.67 331	1.93 350	0.60 206	0.48 225	0.91 205	0.60 232	1.71 245	1.18 209	0.90 78	0.96 74	1.36 260	0.92 212	2.25 270	1.17 280	0.30 274	0.29 305	0.32 280	0.32 306	0.41 299	0.35 283

GANet	1.36 321	0.47 276	0.86 187	0.67 273	0.45 210	1.34 287	1.73 368	1.64 232	1.24 231	1.49 295	2.38 352	1.55 291	1.20 293	9.30 401	0.93 247	0.30 274	0.31 315	0.33 287	0.28 277	0.39 292	0.30 256

Wz-Net-SNSev	1.49 330	1.23 376	6.27 393	0.68 283	0.67 303	1.37 290	1.41 353	2.00 314	1.39 299	1.48 293	1.61 286	2.29 352	1.32 312	3.93 321	2.14 351	0.31 281	0.28 297	0.31 267	0.33 312	0.42 304	0.36 287

APVNet	1.06 278	0.53 297	1.42 310	0.84 337	0.79 336	1.92 342	0.82 283	1.90 291	1.08 162	1.08 118	1.43 241	1.56 292	1.13 281	3.07 302	1.58 327	0.31 281	0.34 324	0.42 332	0.36 325	0.36 276	0.37 289

AdaStereo	0.70 155	0.43 261	0.75 146	0.73 308	0.37 153	0.92 211	0.53 185	1.85 280	1.18 209	1.12 137	1.23 175	1.07 192	0.65 124	0.96 83	0.63 180	0.31 281	0.15 125	0.32 280	0.21 172	0.29 240	0.22 165
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.
MDST_ROB	1.67 345	0.34 206	1.58 329	0.92 359	0.58 275	4.26 397	1.11 330	2.83 378	1.41 307	4.49 397	2.55 359	1.45 274	0.97 236	7.79 392	1.17 280	0.31 281	0.25 279	0.37 314	0.33 312	0.31 256	0.30 256

SGM_RVC	1.68 347	0.36 229	0.61 59	0.59 195	0.29 63	2.25 359	1.18 339	2.38 368	1.68 336	3.60 387	2.67 362	3.69 380	2.42 377	8.13 395	1.90 341	0.31 281	0.31 315	0.30 263	0.28 277	0.30 249	0.29 244
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
GMStereo_Zeroshot	0.67 148	0.61 322	1.01 240	0.64 246	0.37 153	0.84 196	0.35 46	1.05 87	1.12 178	1.12 137	1.06 113	1.27 243	0.54 68	1.19 123	0.59 164	0.32 286	0.17 180	0.31 267	0.18 88	0.52 335	0.22 165

CSP-Net	0.97 259	0.38 240	0.83 179	0.53 119	0.41 189	1.63 316	0.77 268	2.00 314	1.05 150	1.25 211	1.20 167	1.33 255	0.83 180	4.93 341	0.85 239	0.32 286	0.22 255	0.20 73	0.20 136	0.23 177	0.25 206

pcwnet_v2	0.97 259	0.37 235	4.33 383	0.62 229	0.54 258	0.79 175	0.45 135	2.02 321	1.58 329	1.42 281	1.64 293	1.09 199	0.79 159	1.24 129	0.67 188	0.32 286	0.25 279	0.29 254	0.27 260	0.37 280	0.35 283

RTSC	1.29 312	0.73 339	2.44 366	0.83 336	0.57 267	1.85 339	0.65 240	1.88 286	2.00 357	2.20 356	1.66 297	1.60 299	1.26 303	2.33 274	3.92 373	0.32 286	0.23 263	0.27 236	0.29 288	0.37 280	0.37 289

ETE_ROB	0.96 253	0.64 328	1.16 277	0.69 286	0.48 225	1.14 254	1.13 333	1.77 262	1.19 212	1.91 345	1.45 246	1.73 316	1.05 264	1.60 196	1.14 276	0.32 286	0.26 283	0.38 317	0.34 317	0.39 292	0.41 303

PSMNet-ADL	0.72 161	0.35 222	0.62 63	0.69 286	0.46 220	1.14 254	0.44 124	1.37 168	1.01 136	0.83 70	1.17 159	1.33 255	0.96 233	1.43 165	0.95 250	0.33 291	0.22 255	0.21 96	0.23 217	0.27 221	0.29 244

hitnet-ft	0.79 201	0.35 222	0.57 45	0.58 182	0.42 192	0.96 224	0.46 142	1.47 190	1.33 273	1.19 184	1.22 171	1.81 322	0.98 240	1.66 205	0.94 248	0.33 291	0.28 297	0.34 297	0.27 260	0.35 270	0.31 266

FADNet	0.92 245	0.61 322	1.81 343	0.62 229	0.55 264	0.96 224	0.57 218	1.78 266	1.33 273	0.93 83	1.01 92	1.36 260	1.01 252	2.71 291	0.75 206	0.33 291	0.34 324	0.31 267	0.34 317	0.59 347	0.40 299

ADCMid	1.89 360	0.73 339	5.06 386	0.72 301	0.67 303	2.00 349	1.14 334	1.97 311	1.48 317	2.86 378	1.81 315	2.37 357	2.05 367	2.24 268	10.39 401	0.33 291	0.31 315	0.39 323	0.43 341	0.50 329	0.44 313

DANet	1.08 283	0.61 322	1.32 301	0.85 342	0.72 316	1.37 290	0.51 170	1.54 212	1.15 199	1.78 331	1.54 268	2.01 340	1.11 276	2.90 297	2.00 346	0.33 291	0.30 309	0.40 328	0.30 296	0.44 316	0.45 315
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
TDLM	1.06 278	0.44 264	0.79 169	0.63 237	0.50 234	0.89 201	1.44 355	1.48 191	1.26 239	1.12 137	1.40 234	1.08 193	0.98 240	6.65 372	0.78 216	0.33 291	0.21 241	0.33 287	0.26 252	0.37 280	0.24 194

PWC_ROB	1.24 307	0.76 346	2.46 368	0.72 301	0.78 334	1.15 259	0.49 163	1.75 253	1.92 353	2.31 358	3.07 367	1.59 297	1.40 316	2.46 282	2.10 350	0.33 291	0.22 255	0.35 304	0.24 228	0.38 288	0.41 303

PSMNet_ROB	0.90 240	0.52 294	1.17 279	0.72 301	0.61 288	1.27 278	1.12 332	1.76 259	1.12 178	1.09 123	1.28 194	1.45 274	0.89 206	1.65 201	1.42 316	0.33 291	0.25 279	0.37 314	0.39 331	0.35 270	0.29 244

WZ-Net	1.95 361	0.95 358	10.10 400	0.86 344	0.78 334	1.69 321	1.60 364	2.20 354	1.98 356	2.08 352	1.93 329	2.30 353	1.97 362	5.30 344	3.17 367	0.34 299	0.26 283	0.29 254	0.31 300	0.51 333	0.47 322

SACVNet	0.85 225	0.46 272	0.85 181	0.81 328	0.56 265	0.80 180	0.79 273	1.68 239	1.12 178	1.34 255	1.33 210	1.25 235	0.94 223	2.39 279	0.76 208	0.34 299	0.26 283	0.31 267	0.29 288	0.35 270	0.44 313

CVANet_RVC	1.07 280	0.43 261	0.76 155	0.60 206	0.50 234	0.90 203	0.97 313	1.52 204	1.26 239	1.33 252	1.38 228	1.24 231	1.18 287	6.75 378	0.75 206	0.34 299	0.23 263	0.34 297	0.29 288	0.42 304	0.27 230

DeepPruner_ROB	0.74 178	0.48 281	0.87 197	0.57 176	0.44 203	0.79 175	0.54 189	1.73 247	0.96 110	1.38 267	1.27 190	1.24 231	0.73 136	1.43 165	0.73 202	0.34 299	0.28 297	0.27 236	0.26 252	0.31 256	0.31 266

FBW_ROB	1.71 351	0.62 325	1.45 315	0.67 273	0.61 288	1.81 334	1.08 328	2.52 374	1.70 337	1.77 330	1.73 304	1.98 337	1.25 301	12.57 413	1.84 337	0.34 299	0.37 339	0.56 362	0.38 330	0.45 319	0.43 311

SANet	1.88 357	0.57 308	2.18 360	0.63 237	0.40 183	2.80 377	1.57 363	2.39 369	5.88 401	2.36 363	3.57 374	3.72 381	2.97 385	4.74 335	1.76 334	0.34 299	0.30 309	0.32 280	0.29 288	0.48 325	0.37 289

CBMV	0.95 252	0.44 264	0.66 82	0.53 119	0.35 140	1.53 308	1.63 366	1.69 241	1.42 310	2.00 350	1.60 282	1.43 268	1.17 284	1.59 195	0.99 258	0.34 299	0.34 324	0.39 323	0.33 312	0.33 267	0.32 272
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
CASS	0.65 131	0.34 206	0.72 118	0.56 165	0.27 33	0.78 171	0.42 96	1.59 220	0.86 77	1.30 232	1.25 181	0.87 127	0.84 182	0.84 64	0.54 151	0.35 306	0.19 208	0.26 225	0.21 172	0.28 235	0.42 307
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Anonymous3	0.61 107	0.44 264	1.11 270	0.59 195	0.49 228	0.93 214	0.65 240	0.93 45	0.81 69	0.72 51	0.88 62	0.65 63	0.69 130	1.06 105	0.53 145	0.35 306	0.30 309	0.26 225	0.26 252	0.31 256	0.27 230

NCCL2	1.00 268	0.56 304	1.06 257	0.75 314	0.57 267	1.31 283	1.72 367	1.77 262	1.36 287	1.50 296	1.17 159	1.91 328	1.17 284	1.54 185	1.29 294	0.35 306	0.31 315	0.45 338	0.44 343	0.40 296	0.40 299

Syn2CoEx	1.14 298	0.69 334	1.66 333	0.80 325	0.67 303	1.40 295	0.88 294	2.06 328	1.54 326	1.25 211	1.58 280	1.42 267	1.50 329	4.09 324	1.40 308	0.36 309	0.32 322	0.34 297	0.29 288	0.29 240	0.34 278

stereogan	1.15 301	0.42 258	1.40 308	0.86 344	0.84 347	2.38 365	0.71 258	1.88 286	1.73 340	1.72 326	1.94 331	2.31 354	1.29 306	2.07 255	1.08 266	0.36 309	0.35 332	0.39 323	0.31 300	0.51 333	0.46 319

SGM-ForestM	6.52 404	0.38 240	1.26 291	0.63 237	0.35 140	13.59 415	5.32 409	6.32 408	6.70 403	11.14 412	9.18 407	22.51 422	13.93 411	16.89 415	20.07 414	0.36 309	0.37 339	0.36 312	0.35 321	0.36 276	0.34 278

SGM-Forest	1.24 307	0.38 240	0.60 56	0.52 111	0.37 153	1.56 311	1.30 348	1.65 233	1.36 287	2.11 354	1.79 312	1.63 303	0.93 218	7.48 389	0.95 250	0.36 309	0.37 339	0.39 323	0.34 317	0.37 280	0.32 272
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
AnyNet_C32	1.96 362	1.10 367	5.17 387	0.90 354	1.11 368	2.12 355	2.37 396	1.85 280	1.48 317	2.45 366	1.70 301	2.05 345	1.64 339	2.50 283	10.28 400	0.37 313	0.34 324	0.35 304	0.41 337	0.49 328	0.54 336

Anonymous Stereo	1.28 311	0.75 344	2.45 367	0.74 310	0.77 331	0.93 214	1.77 369	1.51 201	1.31 265	1.67 322	1.29 197	1.20 221	0.75 140	6.29 367	1.68 333	0.37 313	0.36 337	0.38 317	0.40 335	0.43 309	0.45 315

PS-NSSS	0.99 264	0.58 311	0.93 217	0.58 182	0.57 267	0.91 205	0.80 279	1.81 273	1.14 190	1.14 153	1.67 299	1.00 169	0.83 180	4.62 334	0.78 216	0.37 313	0.31 315	0.52 349	0.32 306	0.45 319	0.38 295

LALA_ROB	1.01 271	0.59 314	1.16 277	0.67 273	0.51 244	1.63 316	1.26 347	1.69 241	1.38 295	1.81 337	1.37 224	1.94 333	1.02 257	1.58 193	1.38 304	0.37 313	0.27 291	0.43 334	0.37 328	0.43 309	0.37 289

SHD	1.31 315	0.71 338	2.34 364	0.86 344	0.75 327	1.77 331	0.65 240	2.22 355	2.50 374	2.40 365	1.71 302	1.91 328	1.60 336	1.93 243	2.37 354	0.38 317	0.31 315	0.38 317	0.40 335	0.48 325	0.50 330

ADCPNet	1.85 356	0.69 334	8.07 396	0.71 298	0.58 275	2.79 376	1.22 342	1.94 304	1.54 326	1.88 341	1.69 300	2.46 362	2.04 365	2.37 277	6.48 384	0.38 317	0.37 339	0.38 317	0.43 341	0.47 322	0.45 315

XPNet_ROB	0.96 253	0.49 284	1.09 265	0.72 301	0.57 267	1.11 249	1.14 334	1.66 237	1.23 227	1.85 340	1.39 232	1.64 306	1.11 276	1.80 228	1.42 316	0.38 317	0.30 309	0.33 287	0.29 288	0.37 280	0.34 278

Wz-Net-TNSev	1.88 357	2.08 400	7.66 394	0.67 273	0.64 296	2.42 366	1.83 374	2.33 363	1.74 342	1.57 312	1.56 274	2.58 364	1.90 359	4.86 337	3.12 364	0.39 320	0.37 339	0.33 287	0.37 328	0.53 337	0.58 345

psmorigin	1.52 334	0.69 334	10.52 403	0.68 283	0.59 282	1.13 253	0.70 256	1.57 218	1.19 212	1.99 348	1.79 312	2.26 351	1.47 325	2.09 256	1.36 303	0.39 320	0.40 348	0.34 297	0.33 312	0.43 309	0.56 340

S-Stereo	1.15 301	0.46 272	2.17 358	0.81 328	0.80 341	1.21 271	1.19 340	1.93 302	2.02 358	1.47 287	2.11 340	1.57 293	1.17 284	2.05 254	1.41 312	0.40 322	0.40 348	0.35 304	0.31 300	0.44 316	0.70 361

Nwc_Net	1.09 285	0.49 284	1.33 303	0.89 353	0.80 341	1.49 305	0.66 245	2.19 351	1.27 246	1.32 244	2.26 347	1.96 335	1.54 330	1.92 240	1.34 299	0.40 322	0.30 309	0.43 334	0.45 345	0.38 288	0.37 289

RTS	2.67 382	1.38 378	15.28 408	0.99 364	1.26 379	3.78 389	1.96 382	2.15 340	2.62 376	2.61 369	2.85 365	2.60 365	1.59 334	6.27 365	5.71 382	0.40 322	0.28 297	0.35 304	0.35 321	0.50 329	0.48 325

RTSA	2.67 382	1.38 378	15.28 408	0.99 364	1.26 379	3.78 389	1.96 382	2.15 340	2.62 376	2.61 369	2.85 365	2.60 365	1.59 334	6.27 365	5.71 382	0.40 322	0.28 297	0.35 304	0.35 321	0.50 329	0.48 325

ADCS	2.25 369	0.99 361	5.55 388	0.81 328	0.74 321	2.19 357	1.80 371	2.27 359	2.14 362	2.80 377	2.13 342	2.40 359	2.03 364	2.64 289	13.69 405	0.41 326	0.39 346	0.40 328	0.45 345	0.58 345	0.56 340

AnyNet_C01	2.26 370	1.78 389	10.22 402	0.93 360	0.74 321	2.92 379	2.20 391	2.29 361	1.80 345	2.53 368	2.41 355	2.71 369	1.73 346	3.41 313	6.72 386	0.41 326	0.39 346	0.40 328	0.42 339	0.67 359	0.63 353

LSM	6.33 403	1.10 367	13.19 406	1.41 381	68.17 430	1.64 318	1.90 379	1.92 298	2.46 369	2.99 381	3.11 368	1.88 323	1.80 352	2.61 288	2.06 349	0.41 326	0.58 378	0.50 347	0.57 365	0.64 354	17.66 422

dad	0.86 230	0.66 330	1.06 257	0.56 165	0.37 153	0.76 160	0.44 124	1.17 124	1.50 320	1.44 282	1.27 190	1.34 259	0.75 140	2.52 284	0.84 236	0.42 329	0.27 291	0.83 372	0.26 252	0.41 299	0.29 244

FINET	0.97 259	0.54 298	1.60 330	0.63 237	0.79 336	1.08 246	1.07 327	1.56 217	2.20 364	1.15 156	1.49 259	0.94 148	0.88 200	2.32 273	1.05 261	0.42 329	0.35 332	0.32 280	0.28 277	0.43 309	0.38 295

FAT-Stereo	1.07 280	0.41 255	1.32 301	0.72 301	0.58 275	1.08 246	0.89 296	1.96 307	1.65 333	1.75 328	1.98 332	2.03 343	1.48 326	2.02 250	1.18 283	0.42 329	0.35 332	0.34 297	0.29 288	0.35 270	0.53 335

edge stereo	1.11 291	0.50 288	1.30 297	0.71 298	0.65 299	1.14 254	0.75 262	1.93 302	1.37 291	1.71 325	1.83 316	2.54 363	1.44 320	2.43 281	1.23 285	0.42 329	0.41 350	0.54 355	0.35 321	0.42 304	0.46 319

DeepPrunerF	1.60 339	0.73 339	5.81 391	0.88 350	1.19 376	0.91 205	0.95 311	2.19 351	5.24 399	1.17 176	1.30 198	1.19 220	1.30 310	4.90 339	1.66 332	0.42 329	0.34 324	0.52 349	0.47 350	0.41 299	0.40 299

GASNet	0.99 264	0.97 359	1.72 337	0.98 363	0.68 309	0.83 189	0.67 248	1.60 223	1.28 251	1.31 242	1.22 171	1.22 224	1.21 296	2.41 280	1.41 312	0.43 334	0.26 283	0.36 312	0.34 317	0.55 340	0.31 266

NVstereo2D	0.92 245	0.41 255	1.48 322	0.72 301	0.72 316	1.20 270	0.87 293	1.75 253	1.38 295	0.99 99	1.13 144	1.26 239	0.98 240	2.21 267	0.89 243	0.43 334	0.20 225	0.38 317	0.24 228	0.57 343	0.63 353

CBMV_ROB	0.90 240	0.44 264	0.63 66	0.51 95	0.37 153	1.25 276	0.49 163	1.77 262	1.27 246	1.41 275	2.00 333	1.33 255	1.08 271	2.17 261	0.76 208	0.43 334	0.42 352	0.47 343	0.44 343	0.41 299	0.36 287

CSAN	1.41 327	0.59 314	1.26 291	0.70 291	0.50 234	1.76 328	1.78 370	1.77 262	1.90 352	2.35 361	2.32 349	1.92 331	1.94 361	5.56 354	1.49 324	0.43 334	0.35 332	0.40 328	0.41 337	0.43 309	0.41 303

MeshStereo	2.26 370	0.56 304	0.92 215	0.61 218	0.49 228	2.60 371	1.02 322	3.18 384	2.05 360	7.40 410	4.98 390	7.58 400	2.98 386	6.37 368	1.96 344	0.43 334	0.43 353	0.45 338	0.39 331	0.43 309	0.42 307
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
RGC	1.14 298	0.79 348	1.26 291	0.91 357	0.96 361	1.52 307	0.77 268	1.92 298	1.26 239	1.54 304	1.93 329	2.02 342	1.54 330	2.25 270	1.31 296	0.44 339	0.35 332	0.58 365	0.48 352	0.47 322	0.46 319

HBP-ISP	0.96 253	0.58 311	0.72 118	0.61 218	0.46 220	1.64 318	0.76 265	1.86 283	1.28 251	1.30 232	1.53 266	0.86 123	0.94 223	3.27 310	0.69 190	0.45 340	0.44 356	0.54 355	0.48 352	0.47 322	0.40 299

DGSMNet	1.14 298	0.76 346	2.49 369	0.81 328	0.86 350	1.39 294	1.39 352	2.13 334	1.35 284	1.26 215	1.63 292	1.48 282	0.98 240	1.75 219	1.10 271	0.45 340	0.43 353	0.55 359	0.49 355	0.75 365	0.70 361

MFN_U_SF_DS_RVC	1.74 353	0.87 354	3.56 379	0.80 325	0.75 327	3.72 388	2.44 398	1.82 274	1.82 347	1.74 327	1.91 327	1.92 331	1.26 303	7.69 391	1.28 293	0.45 340	0.47 364	0.52 349	0.77 375	0.50 329	0.50 330

NCC-stereo	1.10 288	0.54 298	1.24 288	0.84 337	0.94 358	1.29 281	0.89 296	2.01 318	1.34 276	1.32 244	1.74 305	1.88 323	1.74 347	2.35 275	1.25 287	0.45 340	0.37 339	0.45 338	0.58 366	0.42 304	0.42 307

Abc-Net	1.10 288	0.54 298	1.24 288	0.84 337	0.94 358	1.29 281	0.89 296	2.01 318	1.34 276	1.32 244	1.74 305	1.88 323	1.74 347	2.35 275	1.25 287	0.45 340	0.37 339	0.45 338	0.58 366	0.42 304	0.42 307
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
NOSS_ROB	1.26 310	0.46 272	0.62 63	0.56 165	0.38 170	1.06 243	0.78 270	1.73 247	1.40 304	1.01 104	1.43 241	1.10 201	0.75 140	10.62 410	0.65 184	0.45 340	0.43 353	0.48 344	0.45 345	0.44 316	0.41 303

SAMSARA	1.55 336	0.84 350	2.61 371	1.22 376	1.07 365	2.50 368	1.93 380	2.05 323	1.89 350	2.75 374	1.66 297	2.81 370	1.69 345	3.08 304	1.97 345	0.46 346	0.51 370	0.42 332	0.46 348	0.58 345	0.59 347

PVD	1.70 349	0.84 350	2.26 362	0.94 362	0.83 346	2.48 367	0.97 313	2.59 376	3.35 385	3.01 383	2.77 363	2.34 356	2.47 379	2.67 290	3.14 365	0.47 347	0.45 360	0.59 366	0.48 352	0.59 347	0.75 366

AF-Net	1.13 296	0.52 294	1.33 303	0.86 344	0.91 354	1.38 293	0.71 258	2.16 343	1.62 331	1.56 308	2.40 354	1.99 338	1.65 340	1.81 230	1.48 323	0.48 348	0.28 297	0.49 346	0.33 312	0.39 292	0.32 272

G-Net	1.66 344	0.63 326	1.56 327	1.11 373	0.74 321	2.98 380	0.91 301	1.55 216	1.22 224	2.76 375	8.18 405	2.32 355	2.53 380	1.92 240	1.87 338	0.48 348	0.44 356	0.45 338	0.31 300	0.60 351	0.57 344

XQC	1.37 322	0.87 354	2.56 370	0.84 337	0.69 311	1.83 337	0.89 296	2.07 329	1.88 349	1.88 341	1.53 266	1.91 328	1.55 332	2.85 296	3.05 362	0.48 348	0.29 305	0.44 337	0.39 331	0.69 361	0.60 350

DPSNet	1.69 348	0.59 314	4.33 383	0.70 291	0.57 267	2.02 350	1.62 365	3.35 387	1.78 343	1.48 293	1.38 228	2.17 348	2.84 383	4.77 336	3.66 371	0.48 348	0.31 315	0.29 254	0.25 239	0.64 354	0.48 325

BEATNet-Init1	26.87 421	13.43 418	70.68 433	0.91 357	0.68 309	57.02 434	21.06 416	32.82 426	32.67 423	52.12 434	53.61 433	66.05 434	49.56 434	48.79 435	34.71 425	0.49 352	0.44 356	0.53 354	0.53 361	0.63 352	0.59 347

UDGNet	0.72 161	1.17 375	0.80 174	0.77 319	0.41 189	0.77 166	0.38 69	0.97 60	1.34 276	0.81 66	0.88 62	0.71 79	0.60 97	1.21 125	0.54 151	0.52 353	0.19 208	1.02 379	0.26 252	0.71 363	0.31 266

FCDSN-DC	2.32 372	0.63 326	0.81 175	0.84 337	0.75 327	2.23 358	0.94 309	2.09 332	1.80 345	5.45 404	7.72 402	7.77 402	6.93 408	3.39 311	1.80 336	0.52 353	0.48 365	0.52 349	0.51 359	0.57 343	0.58 345
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_RVC	1.52 334	0.84 350	3.42 378	0.87 349	0.66 301	2.56 370	0.95 311	2.36 366	1.70 337	1.98 347	1.86 321	2.45 361	1.79 351	2.95 298	2.58 356	0.52 353	0.48 365	0.55 359	0.59 369	0.59 347	0.61 351

RP	1.09 285	0.50 288	1.12 272	0.90 354	1.04 364	1.11 249	0.84 285	1.80 270	1.62 331	1.55 307	2.00 333	1.90 327	1.78 350	1.84 231	1.25 287	0.52 353	0.36 337	0.48 344	0.36 325	0.45 319	0.43 311

MSMD_ROB	1.99 364	0.59 314	0.89 205	0.70 291	0.61 288	3.95 393	0.94 309	1.80 270	1.79 344	4.41 395	4.43 381	8.17 403	3.66 392	3.40 312	1.33 297	0.52 353	0.48 365	0.54 355	0.58 366	0.53 337	0.50 330

WCMA_ROB	1.84 355	0.47 276	1.31 298	0.69 286	0.57 267	2.11 354	1.14 334	1.87 284	1.73 340	4.04 391	6.43 394	5.62 394	3.61 391	2.59 286	1.94 343	0.52 353	0.44 356	0.39 323	0.42 339	0.48 325	0.47 322

FC-DCNN	2.72 387	0.59 314	0.86 187	0.73 308	0.57 267	2.91 378	1.04 324	3.01 382	2.60 375	6.83 406	7.64 401	9.92 407	6.33 406	5.21 343	3.14 365	0.53 359	0.48 365	0.51 348	0.50 357	0.53 337	0.51 334

GANetREF_RVC	1.07 280	0.86 353	1.31 298	0.82 333	0.53 255	1.41 299	1.31 349	1.76 259	1.52 323	1.27 218	1.31 203	1.46 276	1.24 300	2.03 251	0.96 254	0.56 360	0.45 360	0.67 367	0.50 357	0.88 369	0.59 347
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
ccnet	1.12 293	0.67 331	1.01 240	0.78 321	0.73 319	1.72 324	0.99 317	1.84 279	1.26 239	1.47 287	1.85 320	1.75 321	1.29 306	1.75 219	1.88 340	0.57 361	0.53 372	0.57 364	0.55 363	0.59 347	0.54 336

MANE	6.19 402	0.59 314	1.03 250	0.93 360	1.22 378	13.38 414	2.69 399	12.81 415	17.94 417	8.21 411	10.82 409	14.72 412	11.68 410	11.39 412	11.90 403	0.59 362	0.50 369	0.52 349	1.76 403	0.55 340	0.54 336

PWCDC_ROB	1.29 312	0.75 344	1.33 303	1.05 368	0.88 353	1.73 325	0.52 179	1.89 288	3.28 384	1.29 225	4.88 389	1.22 224	1.46 323	1.77 226	1.45 320	0.60 363	0.26 283	0.29 254	0.25 239	0.52 335	0.37 289

PASM	1.34 319	0.92 357	2.62 372	0.86 344	0.87 352	1.03 237	1.08 328	1.50 196	1.51 322	1.82 338	1.41 236	1.68 311	1.26 303	4.87 338	1.34 299	0.61 364	0.65 383	0.68 368	0.78 376	0.69 361	0.68 360

Anonymous_2	1.30 314	0.55 301	0.82 177	0.52 111	0.58 275	1.01 235	0.64 238	1.25 151	0.97 117	0.96 90	0.78 45	1.33 255	1.29 306	1.03 98	0.74 203	0.62 365	0.64 381	1.06 380	9.63 417	1.16 377	0.49 329

ELAS	2.37 374	0.74 342	1.54 326	0.99 364	0.92 356	4.78 399	2.33 395	3.33 386	3.37 386	5.05 403	4.77 388	3.67 379	4.53 399	3.42 314	4.50 377	0.62 365	0.53 372	0.55 359	0.53 361	0.63 352	0.64 357
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS_RVC	2.48 379	0.74 342	1.90 348	1.05 368	0.92 356	2.76 374	4.01 407	2.76 377	4.11 393	4.69 398	4.63 385	4.62 385	5.96 404	3.97 323	3.96 374	0.63 367	0.53 372	0.56 362	0.52 360	0.64 354	0.63 353
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSC_U_SF_DS_RVC	2.12 366	1.15 373	3.10 377	1.05 368	0.76 330	5.03 402	2.40 397	2.16 343	2.62 376	1.89 343	2.28 348	2.69 368	1.65 340	9.35 403	2.04 347	0.64 368	0.51 370	0.68 368	0.71 373	1.09 376	0.67 358

SDNR	1.62 342	0.51 291	2.17 358	0.53 119	0.56 265	3.80 391	0.45 135	1.54 212	1.29 255	1.33 252	2.41 355	1.08 193	0.96 233	11.18 411	1.16 278	0.66 369	0.63 380	0.43 334	0.32 306	0.64 354	0.67 358

Consistency-Raft	1.25 309	0.99 361	1.93 350	1.02 367	1.21 377	0.96 224	1.01 321	1.75 253	1.92 353	1.36 260	2.12 341	1.44 272	1.01 252	1.14 119	1.40 308	0.72 370	0.82 386	0.89 374	0.98 388	1.31 381	0.95 372

MADNet+	2.69 384	3.22 410	11.53 405	1.44 382	1.12 370	3.19 382	1.81 372	2.85 379	2.37 366	1.68 323	2.07 339	2.85 372	2.18 370	7.41 386	5.23 380	0.79 371	0.76 384	0.69 370	0.65 372	0.98 371	0.95 372

JetBlue	3.97 393	2.01 395	10.19 401	1.38 378	2.84 403	10.53 410	9.54 410	3.60 389	2.41 368	2.73 373	3.39 372	4.54 384	4.31 397	7.85 394	6.84 387	0.88 372	0.93 397	0.89 374	0.91 382	1.74 382	1.91 390

UDG	1.41 327	2.65 406	0.99 231	1.44 382	1.64 385	1.34 287	0.80 279	1.60 223	1.23 227	1.23 199	1.71 302	2.01 340	1.34 314	1.47 174	1.41 312	0.90 373	0.54 375	2.29 390	0.75 374	1.84 383	1.04 377

MFMNet_re	1.40 326	1.14 372	1.68 334	1.39 379	1.07 365	1.48 303	1.43 354	1.87 284	1.82 347	2.26 357	2.19 344	1.51 286	1.86 356	1.52 179	1.25 287	0.93 374	0.83 387	0.84 373	0.80 377	0.99 373	1.05 379

PMTNet	0.46 24	0.21 4	0.38 4	0.37 2	0.23 6	0.71 142	0.27 14	0.74 7	1.04 146	0.64 40	0.70 31	0.55 39	0.47 39	0.86 69	0.35 27	1.00 375	0.13 42	0.15 3	0.10 2	0.15 5	0.13 3

PDISCO_ROB	1.32 317	0.65 329	1.44 311	1.36 377	1.46 383	2.55 369	0.92 303	2.45 372	2.07 361	1.37 262	1.49 259	1.65 308	1.00 250	2.82 293	1.35 302	1.01 376	0.27 291	0.54 355	0.47 350	0.71 363	0.73 364

DispFullNet	2.34 373	2.85 408	3.66 380	3.08 401	2.27 393	1.97 346	0.67 248	2.00 314	1.70 337	2.52 367	2.00 333	2.23 349	5.86 402	3.44 316	1.58 327	1.01 376	0.32 322	2.64 401	1.94 406	2.85 396	2.24 394

anonymity	1.12 293	0.97 359	1.21 282	1.07 371	1.12 370	1.08 246	0.89 296	1.95 306	1.16 203	1.29 225	1.26 187	1.22 224	1.09 274	1.15 120	1.01 259	1.02 378	1.00 399	0.97 376	0.97 386	0.98 371	0.99 374

SPS-STEREO	1.67 345	1.04 364	1.23 285	1.21 375	1.13 372	1.82 336	1.11 330	2.16 343	1.52 323	3.07 385	2.32 349	2.82 371	1.80 352	4.11 325	2.04 347	1.03 379	0.99 398	0.97 376	0.94 384	1.03 375	1.02 375
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	2.41 377	1.07 365	2.14 357	1.18 374	1.10 367	2.14 356	1.36 351	1.96 307	1.66 334	5.46 405	7.07 397	4.95 390	4.32 398	5.50 351	2.26 353	1.04 380	1.02 401	0.99 378	0.97 386	1.02 374	1.04 377

NVStereoNet_ROB	1.88 357	1.07 365	1.45 315	1.07 371	1.17 373	1.47 302	1.48 358	1.89 288	1.93 355	1.94 346	4.67 387	3.08 375	1.80 352	6.51 370	1.65 330	1.06 381	0.86 393	1.08 381	1.32 393	0.93 370	1.26 383
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
CC-Net-ROB	1.49 330	1.26 377	1.27 294	0.88 350	0.79 336	1.76 328	1.00 319	1.79 268	1.26 239	1.10 131	1.61 286	1.21 222	0.99 248	8.13 395	0.84 236	1.09 382	0.41 350	2.20 388	0.46 348	1.20 379	0.48 325

DDUNet	1.50 332	2.69 407	1.12 272	1.77 384	1.88 387	1.84 338	0.92 303	1.70 244	1.16 203	1.38 267	1.79 312	1.60 299	1.12 279	1.37 149	1.08 266	1.10 383	0.76 384	2.37 392	0.94 384	2.00 384	1.37 384

WAO-7	2.66 381	1.40 380	1.73 339	1.39 379	1.17 373	3.93 392	1.94 381	4.11 393	3.88 391	2.92 379	5.50 391	4.18 383	3.00 387	7.63 390	3.71 372	1.13 384	1.00 399	1.17 382	1.13 392	1.18 378	1.09 381

WAO-6	2.81 388	1.60 386	1.46 317	2.36 391	2.28 394	3.55 386	2.29 394	4.21 394	4.56 397	2.36 363	4.51 382	4.88 389	2.66 381	4.60 333	4.07 376	1.72 385	1.15 405	2.31 391	1.46 399	2.31 385	1.85 389

MaskLacGwcNet_RVC	1.10 288	1.02 363	1.00 236	0.82 333	0.67 303	1.93 343	0.93 307	1.62 229	1.11 174	1.15 156	1.25 181	1.50 284	0.79 159	1.96 246	0.76 208	1.89 386	0.34 324	0.79 371	0.36 325	1.25 380	0.83 368

WAO-8	4.40 395	1.82 392	1.79 341	2.34 389	2.20 389	9.19 407	1.53 359	6.09 405	16.46 411	3.94 389	7.84 403	7.32 397	3.72 394	9.41 405	3.31 368	2.00 387	1.07 402	2.44 397	1.37 397	2.50 387	1.68 387

Venus	4.40 395	1.82 392	1.79 341	2.34 389	2.20 389	9.19 407	1.53 359	6.09 405	16.46 411	3.94 389	7.84 403	7.32 397	3.72 394	9.41 405	3.31 368	2.00 387	1.07 402	2.44 397	1.37 397	2.50 387	1.68 387

PWCK	2.88 389	2.05 398	5.72 390	2.08 386	1.11 368	3.55 386	3.90 406	2.86 380	3.54 389	3.03 384	3.63 375	3.10 376	2.31 374	8.15 397	3.09 363	2.12 389	0.91 396	1.75 385	0.98 388	2.57 389	1.18 382

CAS	0.63 116	0.18 1	0.37 2	2.27 388	0.84 347	0.57 73	0.54 189	0.79 13	0.62 23	0.48 17	0.70 31	0.36 2	0.26 1	0.45 2	0.35 27	2.24 390	0.10 1	0.14 1	0.09 1	0.15 5	1.06 380

SQANet	1.31 315	0.88 356	1.08 264	1.83 385	1.44 382	1.44 301	0.75 262	1.74 251	1.09 168	1.32 244	1.26 187	1.28 246	1.01 252	1.50 178	0.83 233	2.50 391	0.34 324	1.47 383	0.55 363	2.32 386	1.57 386

ACVNet_2	2.43 378	1.41 381	2.04 352	2.62 393	2.24 392	2.63 373	1.88 378	3.31 385	3.01 381	2.19 355	3.45 373	4.62 385	2.04 365	4.50 332	1.47 322	2.55 392	0.64 381	2.22 389	0.84 379	2.69 390	2.29 395

JetRed	6.91 406	8.80 416	25.96 418	2.85 396	3.25 407	13.98 416	11.87 411	6.25 407	4.28 395	4.45 396	4.56 383	6.69 396	5.46 401	7.46 388	14.05 406	2.59 393	3.31 411	2.59 400	2.29 410	4.20 409	3.36 409

DPSimNet_ROB	11.20 413	4.98 412	35.43 422	2.90 399	4.52 413	7.89 406	17.09 414	4.66 397	6.06 402	14.89 416	10.93 410	17.29 413	36.81 425	13.18 414	15.68 410	2.86 394	6.29 416	5.75 416	5.09 414	3.91 407	7.70 416

otaku	1.60 339	1.11 370	1.21 282	2.20 387	1.56 384	1.97 346	1.24 343	2.07 329	1.36 287	1.44 282	1.62 289	1.73 316	1.19 290	1.73 218	0.98 257	2.89 395	0.57 377	1.74 384	0.60 370	2.78 391	1.94 391

Ntro	1.64 343	1.15 373	1.23 285	2.48 392	1.83 386	2.09 353	1.16 337	1.96 307	1.38 295	1.21 191	1.62 289	1.62 301	1.29 306	1.87 237	1.11 273	3.04 396	0.56 376	1.82 386	0.64 371	2.80 392	2.05 392

ACVNet_1	2.18 368	1.45 383	1.72 337	2.85 396	2.33 396	2.28 360	1.46 356	3.08 383	2.22 365	1.82 338	2.05 338	3.56 378	1.98 363	3.09 305	1.40 308	3.17 397	0.60 379	2.40 396	0.92 383	2.91 398	2.37 396

Dean	2.91 390	1.53 385	2.07 353	2.96 400	2.51 398	3.15 381	2.14 389	4.75 398	4.41 396	2.76 375	6.10 393	5.53 393	2.37 375	2.97 300	1.92 342	3.18 398	0.85 391	2.51 399	1.04 391	2.88 397	2.47 399

LVE	3.31 392	1.67 387	1.64 331	2.85 396	2.42 397	3.20 383	2.26 393	4.78 399	5.05 398	2.35 361	6.91 395	6.02 395	2.37 375	9.15 399	2.17 352	3.19 399	1.08 404	2.38 394	1.47 400	2.81 393	2.40 398

ACVNet-4b	2.15 367	1.41 381	1.64 331	2.80 394	2.31 395	2.31 362	1.24 343	2.32 362	2.14 362	1.26 215	2.39 353	2.66 367	1.48 326	5.95 363	1.06 263	3.20 400	0.45 360	2.37 392	0.89 381	2.83 395	2.37 396

TorneroNet-64	5.30 401	2.03 396	1.74 340	3.43 405	2.81 402	10.09 409	2.12 388	9.10 412	17.12 416	4.96 402	9.27 408	10.72 411	3.70 393	9.20 400	4.55 378	3.31 401	0.84 388	2.88 405	1.55 401	3.49 403	3.04 405

RainbowNet	1.97 363	1.76 388	1.57 328	2.81 395	2.21 391	1.98 348	1.81 372	2.54 375	1.89 350	1.50 296	1.84 318	1.96 335	1.65 340	2.14 260	1.25 287	3.33 402	0.85 391	2.39 395	0.98 388	2.82 394	2.22 393

KSHMR	8.75 409	2.06 399	2.11 355	3.53 407	3.11 405	4.13 396	2.69 399	5.60 402	61.37 434	3.00 382	55.83 434	4.98 392	2.45 378	4.49 331	2.61 359	3.46 403	1.55 409	3.14 408	1.94 406	3.72 405	3.18 407

TorneroNet	10.70 411	2.03 396	1.82 344	3.43 405	3.01 404	43.83 426	2.22 392	8.87 411	67.47 435	7.17 409	27.36 420	10.68 410	3.85 396	8.67 398	7.65 394	3.59 404	0.88 394	3.04 406	1.57 402	3.71 404	3.17 406

UNDER WATER-64	5.27 400	2.32 402	8.78 399	3.93 411	3.54 410	7.61 405	3.03 405	5.84 404	14.19 407	4.04 391	4.04 379	9.39 406	6.26 405	5.93 362	8.48 395	3.60 405	1.51 408	3.13 407	1.88 404	4.29 410	3.61 410

IMH-64-1	2.70 385	1.79 390	1.46 317	3.26 403	2.66 399	3.23 384	2.10 386	4.08 391	2.75 379	2.34 359	3.81 377	3.06 373	2.22 372	4.25 327	2.59 357	3.75 406	0.84 388	2.75 402	1.35 394	3.15 400	2.60 402

IMH-64	2.70 385	1.79 390	1.46 317	3.26 403	2.66 399	3.23 384	2.10 386	4.08 391	2.75 379	2.34 359	3.81 377	3.06 373	2.22 372	4.25 327	2.59 357	3.75 406	0.84 388	2.75 402	1.35 394	3.15 400	2.60 402

UNDER WATER	5.08 399	2.33 403	5.55 388	3.94 412	3.51 409	5.20 403	2.72 401	5.61 403	16.52 413	3.84 388	4.60 384	9.21 405	5.89 403	5.90 360	8.66 396	3.75 406	1.34 406	3.18 409	1.88 404	4.33 411	3.61 410

IMH	3.21 391	1.85 394	1.48 322	3.25 402	2.69 401	4.07 395	2.02 384	4.41 396	3.80 390	2.72 372	7.11 398	4.75 388	2.92 384	5.92 361	2.55 355	3.85 409	0.88 394	2.78 404	1.36 396	3.19 402	2.59 401

ktn	4.70 397	2.38 404	2.12 356	3.76 408	3.24 406	4.85 400	2.95 404	5.52 401	7.37 404	4.07 393	19.32 417	7.46 399	3.47 389	7.39 385	2.95 361	4.04 410	1.85 410	3.26 410	2.22 409	3.08 399	2.65 404

notaker	3.98 394	2.40 405	2.68 373	3.82 410	3.27 408	3.97 394	2.14 389	4.78 399	3.45 388	4.12 394	6.94 396	7.65 401	3.26 388	7.82 393	5.30 381	4.04 410	1.41 407	3.36 411	2.10 408	3.88 406	3.31 408

MADNet++	5.01 398	3.14 409	4.91 385	4.55 414	3.94 412	5.20 403	4.41 408	4.40 395	4.13 394	4.95 401	6.08 392	4.74 387	5.37 400	9.40 404	10.67 402	4.65 412	4.15 414	3.97 413	3.34 412	4.09 408	4.08 413

DGTPSM_ROB	13.01 414	8.23 414	21.87 411	9.51 417	18.10 415	11.56 412	32.01 420	10.63 413	16.20 409	7.03 407	19.48 418	10.15 408	16.66 413	9.83 408	22.42 416	4.75 413	8.68 417	5.37 414	10.25 418	6.16 414	11.36 417

DPSMNet_ROB	13.02 415	8.23 414	21.91 412	9.53 418	18.11 416	11.56 412	32.02 421	10.64 414	16.23 410	7.05 408	19.49 419	10.16 409	16.66 413	9.85 409	22.43 417	4.77 414	8.68 417	5.38 415	10.26 419	6.17 415	11.36 417

SPstereo	26.54 420	6.08 413	10.71 404	5.55 415	5.68 414	48.14 427	80.43 434	67.31 435	34.39 430	28.70 428	27.52 421	43.76 432	37.60 430	45.04 434	54.41 435	4.92 415	4.89 415	10.74 421	5.88 415	4.46 412	4.57 414

HanzoNet	11.04 412	3.62 411	8.10 398	4.08 413	3.55 411	4.90 401	2.73 402	7.19 409	10.10 405	31.86 430	28.92 422	21.96 421	36.36 423	18.08 416	10.17 399	7.94 416	3.32 412	3.47 412	3.31 411	7.06 416	4.04 412

tt	6.58 405	0.26 46	6.10 392	3.77 409	2.16 388	11.55 411	19.63 415	13.33 416	5.74 400	2.96 380	2.65 361	4.97 391	6.33 406	3.81 320	7.24 388	9.15 417	11.32 422	5.89 417	6.24 416	6.03 413	2.55 400

DLNR_Zeroshot_test	23.17 419	48.52 436	43.29 425	176.68 435	78.69 431	0.35 5	0.21 1	23.41 418	0.75 56	0.66 42	0.86 57	0.59 51	0.30 4	1.56 190	0.44 84	9.57 418	0.12 9	0.18 36	0.14 22	76.92 434	0.16 41

PML	51.67 432	36.25 426	13.28 407	7.46 416	20.81 417	108.69 435	232.22 436	8.72 410	27.82 422	87.01 435	269.67 436	69.67 435	61.95 435	24.76 424	14.20 407	9.74 419	3.40 413	9.62 418	4.70 413	18.74 420	4.72 415

DPSM_ROB	19.08 416	19.14 420	25.17 416	22.15 420	20.85 418	28.17 418	37.82 423	26.56 419	16.85 414	14.14 413	14.84 412	21.70 416	18.75 416	21.87 418	26.55 420	10.16 420	9.30 420	10.47 419	10.42 420	14.03 418	12.61 420

DPSM	19.08 416	19.14 420	25.17 416	22.15 420	20.85 418	28.17 418	37.82 423	26.56 419	16.85 414	14.14 413	14.84 412	21.70 416	18.75 416	21.87 418	26.55 420	10.16 420	9.30 420	10.47 419	10.42 420	14.03 418	12.61 420

CasAABBNet	38.33 422	38.46 427	50.35 427	44.75 430	41.84 424	56.68 431	76.37 429	53.22 432	33.83 425	28.31 423	29.54 424	43.62 431	37.71 431	43.84 431	53.41 430	20.30 422	18.70 424	21.07 425	21.07 423	28.24 424	25.34 423

MyStereo03	38.34 423	38.50 429	50.41 428	44.74 427	41.86 425	56.65 428	76.38 430	52.99 429	33.93 427	28.39 425	29.99 426	43.54 427	37.42 427	43.82 428	53.53 431	20.31 423	18.71 426	21.06 422	21.08 424	28.23 421	25.35 424

MyStereo02	38.34 423	38.50 429	50.41 428	44.74 427	41.86 425	56.65 428	76.38 430	52.99 429	33.93 427	28.39 425	29.99 426	43.54 427	37.42 427	43.82 428	53.53 431	20.31 423	18.71 426	21.06 422	21.08 424	28.23 421	25.35 424

MyStereo	38.34 423	38.50 429	50.41 428	44.74 427	41.86 425	56.65 428	76.38 430	52.99 429	33.93 427	28.39 425	29.99 426	43.54 427	37.42 427	43.82 428	53.53 431	20.31 423	18.71 426	21.06 422	21.08 424	28.23 421	25.35 424

Selective-RAFT-Error	38.39 426	38.47 428	50.44 431	44.73 426	41.97 428	56.68 431	76.38 430	53.24 433	33.92 426	28.34 424	29.85 425	43.60 430	38.20 432	43.75 427	53.34 429	20.38 426	18.70 424	21.09 426	21.05 422	28.30 425	25.43 427

LSM0	42.82 430	38.75 432	50.81 432	47.07 431	109.38 435	57.00 433	76.02 428	53.74 434	33.71 424	29.02 429	30.41 429	43.87 433	37.22 426	43.91 432	53.54 434	20.52 427	18.62 423	21.10 427	21.11 427	28.41 426	42.22 429

LRCNet_RVC	22.74 418	32.10 425	21.97 413	29.84 422	26.23 420	4.42 398	0.81 282	22.66 417	2.02 358	26.93 422	29.26 423	23.06 423	15.59 412	23.84 420	18.88 413	31.75 428	19.90 429	34.65 428	32.13 428	30.54 427	28.32 428

xxxxx1	54.10 433	25.67 422	27.13 419	113.43 432	96.96 432	30.69 422	47.44 425	32.38 423	25.60 418	17.75 417	17.27 414	21.81 418	21.02 418	24.43 421	33.82 422	33.37 429	40.54 430	157.71 433	175.86 433	66.16 431	72.93 433

tt_ll	54.10 433	25.67 422	27.13 419	113.43 432	96.96 432	30.69 422	47.44 425	32.38 423	25.60 418	17.75 417	17.27 414	21.81 418	21.02 418	24.43 421	33.82 422	33.37 429	40.54 430	157.71 433	175.86 433	66.16 431	72.93 433

ff	54.10 433	25.67 422	27.13 419	113.43 432	96.96 432	30.69 422	47.44 425	32.38 423	25.60 418	17.75 417	17.27 414	21.81 418	21.02 418	24.43 421	33.82 422	33.37 429	40.54 430	157.71 433	175.86 433	66.16 431	72.93 433

HaxPig	38.92 427	41.40 433	41.64 423	29.95 423	32.27 421	28.90 420	27.60 417	29.73 422	37.71 431	43.82 431	43.87 430	33.17 424	35.56 422	41.53 425	40.37 427	43.94 432	47.51 434	45.82 429	47.08 430	42.38 428	44.15 431

AVERAGE_ROB	40.43 428	42.37 434	42.73 424	36.96 425	35.58 423	30.50 421	27.61 418	36.71 428	38.39 432	44.91 432	44.36 431	37.45 426	36.70 424	41.88 426	40.35 426	45.43 433	46.81 433	47.11 430	46.35 429	42.51 429	43.87 430

MEDIAN_ROB	42.00 429	44.40 435	44.29 426	35.15 424	34.95 422	31.28 425	29.60 419	35.88 427	40.02 433	47.20 433	46.64 432	37.37 425	38.48 433	44.35 433	42.45 428	48.03 434	49.39 435	49.71 431	49.03 431	45.14 430	46.65 432

Anonymous_1	43.04 431	18.73 419	24.79 415	21.81 419	46.26 429	27.80 417	37.60 422	28.08 421	16.14 408	14.66 415	14.30 411	20.65 415	17.88 415	21.56 417	25.94 419	117.93 435	8.92 419	100.65 432	126.50 432	158.64 435	12.08 419

test_example2	192.40 436	210.76 437	206.48 436	199.83 436	204.73 436	172.94 436	183.52 435	133.93 436	133.41 436	191.38 436	196.19 435	187.13 436	178.77 436	205.33 436	208.00 436	222.09 436	238.72 436	186.54 436	190.54 436	227.34 436	170.31 436

ASD4		10.99 417

Low-res two-view benchmark