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

StereoIM	0.38 1	0.27 35	0.72 57	0.45 8	0.35 137	0.30 3	0.31 25	0.81 6	0.54 3	0.38 2	0.38 1	0.58 43	0.49 53	0.53 4	0.39 31	0.20 99	0.16 139	0.19 47	0.15 30	0.19 59	0.15 3

MIF-Stereo	0.38 1	0.24 9	0.67 47	0.49 34	0.36 139	0.40 9	0.32 29	0.55 1	0.55 4	0.55 30	0.55 17	0.36 2	0.31 6	0.59 11	0.52 108	0.21 120	0.15 112	0.17 13	0.15 30	0.19 59	0.17 23

CREStereo	0.40 3	0.24 9	0.40 2	0.37 1	0.22 4	0.52 47	0.29 21	0.81 6	1.15 171	0.59 31	0.72 33	0.51 32	0.42 19	0.57 8	0.37 25	0.19 65	0.13 17	0.15 3	0.10 1	0.14 1	0.15 3
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
AEACV	0.41 4	0.25 16	0.60 24	0.55 110	0.52 237	0.43 13	0.38 68	0.98 30	0.63 17	0.44 5	0.56 18	0.46 15	0.59 95	0.56 6	0.31 1	0.17 18	0.13 17	0.18 33	0.16 54	0.17 20	0.17 23

LoS	0.41 4	0.23 6	0.46 8	0.39 2	0.23 5	0.48 23	0.40 79	1.12 72	0.94 88	0.50 19	0.66 21	0.49 28	0.42 19	0.63 23	0.39 31	0.19 65	0.14 58	0.16 8	0.11 6	0.14 1	0.15 3

EGLCR-Stereo	0.41 4	0.24 9	0.59 22	0.45 8	0.27 19	0.54 60	0.22 2	1.23 113	0.56 6	0.44 5	0.43 2	0.68 65	0.29 3	0.89 65	0.34 4	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.18 32

GLC_STEREO	0.41 4	0.27 35	0.43 5	0.55 110	0.24 6	0.47 18	0.30 23	0.81 6	0.64 19	0.53 28	0.74 35	0.50 31	0.31 6	0.65 25	0.45 72	0.18 40	0.20 208	0.23 146	0.19 102	0.21 121	0.21 87

CASnet	0.42 8	0.26 19	0.52 15	0.52 69	0.21 2	0.49 28	0.35 49	0.85 14	0.85 61	0.84 65	0.69 27	0.48 24	0.31 6	0.57 8	0.34 4	0.19 65	0.12 5	0.27 233	0.22 186	0.23 158	0.15 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Selective-IGEV	0.42 8	0.26 19	0.56 16	0.48 29	0.27 19	0.45 16	0.33 33	1.56 167	0.61 15	0.36 1	0.47 4	0.52 35	0.30 4	1.08 99	0.33 3	0.15 4	0.13 17	0.17 13	0.13 11	0.16 11	0.15 3

CroCo-Stereo	0.42 8	0.33 135	0.83 115	0.59 162	0.28 40	0.26 1	0.33 33	1.22 109	0.85 61	0.43 4	0.49 7	0.65 59	0.46 35	0.40 1	0.36 16	0.19 65	0.15 112	0.16 8	0.14 22	0.20 86	0.17 23
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
ff7	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

ffff	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

11t	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

LoS_RVC	0.45 11	0.29 61	0.48 10	0.49 34	0.83 337	0.51 43	0.43 107	0.65 2	0.44 1	0.47 11	0.78 41	0.44 7	0.60 99	0.59 11	0.37 25	0.14 1	0.12 5	0.14 1	0.10 1	0.14 1	1.08 374

anonymousdsp	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 91	0.97 26	0.60 12	0.51 26	0.53 9	0.46 15	0.47 41	1.36 134	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

ccc-4	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

IGEV-Stereo	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 91	0.98 30	0.60 12	0.51 26	0.53 9	0.46 15	0.47 41	1.36 134	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
TANstereo	0.45 11	0.23 6	0.50 13	0.43 5	0.21 2	0.65 109	0.26 10	0.83 10	0.88 65	0.95 83	0.99 82	0.51 32	0.45 28	0.56 6	0.36 16	0.19 65	0.24 261	0.16 8	0.13 11	0.17 20	0.27 193

ProNet	0.46 19	0.30 79	0.69 53	0.46 14	0.32 97	0.57 69	0.52 173	1.15 89	0.67 22	0.44 5	0.50 8	0.44 7	0.43 22	1.31 127	0.38 28	0.16 7	0.15 112	0.19 47	0.16 54	0.18 34	0.18 32

MC-Stereo	0.46 19	0.24 9	0.58 18	0.63 200	0.30 63	0.38 7	0.32 29	0.98 30	0.74 36	0.66 39	0.85 54	0.56 40	0.60 99	1.07 97	0.32 2	0.17 18	0.12 5	0.17 13	0.15 30	0.16 11	0.16 13

CroCo-Stereo Lap2	0.46 19	0.37 204	0.87 137	0.62 190	0.79 328	0.28 2	0.35 49	0.81 6	0.73 29	0.39 3	0.54 15	0.71 78	0.54 68	0.60 13	0.48 88	0.18 40	0.18 184	0.19 47	0.16 54	0.21 121	0.21 87

XX-TBD	0.47 22	0.71 326	0.39 1	0.81 315	0.25 8	0.57 69	0.26 10	0.73 3	1.30 235	0.78 52	1.01 88	0.45 14	0.33 10	0.49 3	0.39 31	0.20 99	0.15 112	0.15 3	0.11 6	0.17 20	0.15 3

PMTNet	0.47 22	0.22 3	0.43 5	0.39 2	0.24 6	0.71 136	0.26 10	0.78 5	1.03 123	0.65 38	0.69 27	0.55 38	0.48 43	0.90 68	0.36 16	0.99 374	0.13 17	0.15 3	0.10 1	0.15 4	0.15 3

MIF-Stereo (partial)	0.48 24	0.28 43	0.83 115	0.51 57	0.53 242	0.39 8	0.27 14	1.03 43	0.64 19	0.47 11	0.71 32	0.51 32	0.51 55	1.13 110	0.47 84	0.20 99	0.16 139	0.23 146	0.20 128	0.24 187	0.20 70

IGEVStereo-DCA	0.49 25	0.33 135	0.64 37	0.46 14	0.34 122	0.50 38	0.42 91	0.93 20	0.59 7	0.48 13	0.48 5	0.48 24	0.45 28	2.28 263	0.44 61	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.21 87

test croco	0.49 25	0.29 61	1.23 238	0.51 57	0.40 170	0.35 5	0.37 61	1.04 45	0.62 16	0.44 5	0.76 36	0.42 4	0.41 16	1.17 117	0.46 76	0.23 169	0.15 112	0.24 167	0.19 102	0.25 196	0.18 32

iRaftStereo_RVC	0.49 25	0.28 43	0.72 57	0.53 89	0.29 51	0.52 47	0.33 33	1.14 78	0.84 58	0.85 67	0.99 82	0.55 38	0.36 12	0.83 53	0.40 44	0.18 40	0.13 17	0.22 120	0.20 128	0.20 86	0.18 32

CREStereo++_RVC	0.49 25	0.22 3	0.46 8	0.48 29	0.38 154	0.45 16	0.25 4	0.77 4	1.30 235	0.82 61	1.23 169	0.47 20	0.37 13	0.55 5	0.44 61	0.16 7	0.11 2	0.16 8	0.80 376	0.18 34	0.12 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
MyStereo07	0.50 29	0.30 79	0.58 18	0.58 150	0.48 215	0.59 79	0.78 264	1.19 99	0.60 12	0.49 16	0.54 15	0.43 6	0.55 70	1.32 130	0.36 16	0.18 40	0.18 184	0.24 167	0.21 164	0.23 158	0.23 122

4D-IteraStereo	0.50 29	0.26 19	0.84 124	0.51 57	0.49 221	0.64 105	0.31 25	0.91 19	1.02 120	1.05 105	0.72 33	0.76 82	0.32 9	0.69 29	0.40 44	0.18 40	0.11 2	0.23 146	0.20 128	0.19 59	0.16 13

CES	0.51 31	0.21 2	0.40 2	0.42 4	1.40 377	0.53 51	0.34 40	1.04 45	0.68 23	0.45 9	0.67 23	0.35 1	0.28 2	0.58 10	0.35 6	0.16 7	0.13 17	0.15 3	0.10 1	0.19 59	1.69 384

sCroCo_RVC	0.51 31	0.43 245	1.15 212	0.66 230	0.60 273	0.52 47	0.40 79	0.93 20	0.64 19	0.45 9	0.76 36	0.49 28	0.49 53	0.65 25	0.49 97	0.27 241	0.28 291	0.23 146	0.22 186	0.29 233	0.28 204

RCA-Stereo	0.52 33	0.26 19	0.66 44	0.49 34	0.33 110	0.54 60	0.44 124	1.20 103	1.41 279	0.69 42	1.06 106	0.63 56	0.79 154	0.62 18	0.35 6	0.17 18	0.12 5	0.17 13	0.14 22	0.16 11	0.16 13

knoymous	0.53 34	0.32 118	0.51 14	0.46 14	0.30 63	0.57 69	0.54 188	1.10 68	0.78 42	0.99 86	0.84 52	0.95 152	0.57 77	0.89 65	0.51 102	0.21 120	0.14 58	0.26 224	0.14 22	0.23 158	0.25 160

HUI-Stereo	0.54 35	0.33 135	0.81 98	0.52 69	0.27 19	0.62 89	0.29 21	1.14 78	0.74 36	1.13 126	0.96 71	0.82 103	0.60 99	0.83 53	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

Any-RAFT	0.55 36	0.27 35	0.49 11	0.50 46	0.27 19	0.98 226	0.25 4	1.71 203	1.08 137	0.90 75	0.99 82	1.13 207	0.46 35	0.74 34	0.35 6	0.19 65	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

Selective-RAFT	0.55 36	0.29 61	0.85 130	0.58 150	0.28 40	0.91 201	0.34 40	1.00 36	0.96 96	0.59 31	0.64 20	0.80 91	0.76 140	1.34 132	0.51 102	0.21 120	0.15 112	0.17 13	0.15 30	0.19 59	0.19 51

test_4	0.55 36	0.23 6	0.67 47	0.56 122	0.32 97	0.71 136	0.39 77	0.83 10	0.72 28	0.93 80	1.87 321	0.70 72	0.41 16	1.21 121	0.39 31	0.16 7	0.13 17	0.21 93	0.23 213	0.20 86	0.18 32

GMOStereo	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 270	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

error version	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 270	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

test-v	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 270	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

test-2	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 270	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

rafts_anoy	0.55 36	0.32 118	0.66 44	0.72 279	0.61 278	0.53 51	0.40 79	1.24 114	1.06 133	0.85 67	0.83 51	0.67 63	0.53 61	0.77 40	0.55 127	0.20 99	0.15 112	0.25 203	0.26 244	0.22 140	0.21 87

s12784h	0.55 36	0.22 3	0.49 11	0.43 5	0.19 1	1.00 228	0.34 40	1.40 138	1.30 235	0.84 65	0.93 66	0.63 56	0.52 59	1.48 159	0.47 84	0.15 4	0.12 5	0.17 13	0.11 6	0.19 59	0.13 2

raftrobust	0.55 36	0.27 35	0.63 32	0.68 252	0.69 302	0.50 38	0.34 40	1.08 55	0.97 100	1.32 222	0.88 60	0.62 52	0.80 160	0.82 50	0.44 61	0.20 99	0.16 139	0.16 8	0.14 22	0.15 4	0.18 32

Gwc-CoAtRS	0.55 36	0.27 35	0.73 67	0.49 34	0.30 63	0.63 97	0.25 4	1.38 136	1.12 156	1.05 105	1.02 90	1.10 198	0.55 70	0.72 32	0.44 61	0.17 18	0.14 58	0.17 13	0.15 30	0.16 11	0.17 23

MSKI-zero shot	0.56 47	0.30 79	0.61 28	0.55 110	0.28 40	0.68 123	0.28 17	1.25 116	0.68 23	0.92 77	1.33 204	0.81 97	0.33 10	1.94 227	0.36 16	0.18 40	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

EKT-Stereo	0.56 47	0.33 135	0.84 124	0.61 182	0.64 285	0.51 43	0.48 151	1.14 78	0.95 92	0.74 48	0.89 62	0.77 86	0.42 19	1.18 118	0.42 54	0.23 169	0.17 161	0.21 93	0.18 84	0.20 86	0.26 177

LL-Strereo2	0.56 47	0.36 188	0.77 82	0.56 122	0.40 170	0.68 123	0.37 61	1.21 107	0.83 56	0.96 84	0.79 43	0.91 137	0.41 16	1.08 99	0.48 88	0.18 40	0.17 161	0.29 253	0.25 233	0.22 140	0.19 51

test-3	0.56 47	0.24 9	0.82 107	0.50 46	0.29 51	0.57 69	0.34 40	1.09 62	1.03 123	1.33 227	0.69 27	0.87 120	0.45 28	1.68 191	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

test_1	0.56 47	0.24 9	0.82 107	0.50 46	0.29 51	0.57 69	0.34 40	1.09 62	1.03 123	1.28 208	0.69 27	0.87 120	0.45 28	1.67 189	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

PSM-adaLoss	0.56 47	0.33 135	0.81 98	0.52 69	0.27 19	0.63 97	0.41 87	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.09 103	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

ROB_FTStereo	0.56 47	0.33 135	0.82 107	0.52 69	0.27 19	0.62 89	0.25 4	1.14 78	0.74 36	1.13 126	0.96 71	0.82 103	0.60 99	1.18 118	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

cross-raft	0.56 47	0.26 19	0.65 42	0.55 110	0.31 77	0.66 115	0.37 61	1.68 190	0.82 53	1.06 109	1.07 108	1.25 230	0.45 28	0.74 34	0.39 31	0.15 4	0.13 17	0.19 47	0.16 54	0.19 59	0.17 23

test-1	0.56 47	0.28 43	1.13 207	0.58 150	0.34 122	0.60 83	0.38 68	1.56 167	0.98 103	0.80 55	1.02 90	0.83 111	0.52 59	0.64 24	0.46 76	0.17 18	0.16 139	0.20 70	0.17 70	0.20 86	0.26 177

raft+_RVC	0.56 47	0.29 61	0.61 28	0.65 217	0.56 257	0.53 51	0.53 179	1.40 138	1.02 120	0.78 52	1.04 101	0.70 72	0.55 70	1.00 82	0.49 97	0.18 40	0.16 139	0.19 47	0.19 102	0.18 34	0.17 23

Anonymous	0.56 47	0.41 239	1.05 188	0.67 243	0.73 309	0.65 109	0.68 241	1.12 72	0.79 48	0.48 13	0.60 19	0.42 4	0.60 99	0.81 48	0.55 127	0.26 224	0.24 261	0.21 93	0.21 164	0.41 294	0.30 229

RAFT-Stereo + iAFF	0.56 47	0.28 43	0.81 98	0.45 8	0.25 8	0.40 9	0.34 40	1.12 72	1.13 161	1.35 238	1.58 276	0.80 91	0.67 122	0.71 30	0.43 57	0.14 1	0.11 2	0.18 33	0.17 70	0.18 34	0.16 13

11t1	0.57 59	0.30 79	0.84 124	0.54 100	0.30 63	0.83 180	0.41 87	1.34 130	0.79 48	0.88 73	0.82 50	0.70 72	0.70 130	0.96 78	0.67 170	0.21 120	0.21 221	0.20 70	0.16 54	0.21 121	0.26 177

rrr	0.57 59	0.33 135	2.43 331	0.46 14	0.34 122	0.50 38	0.38 68	0.84 13	0.55 4	0.48 13	0.48 5	0.48 24	0.45 28	2.28 263	0.44 61	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

test_3	0.57 59	0.24 9	0.87 137	0.55 110	0.30 63	0.60 83	0.40 79	1.07 50	1.08 137	1.20 169	0.68 24	0.92 142	0.43 22	1.68 191	0.40 44	0.16 7	0.13 17	0.22 120	0.19 102	0.21 121	0.17 23

Patchmatch Stereo++	0.57 59	0.33 135	0.82 107	0.52 69	0.27 19	0.63 97	0.28 17	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.40 141	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
ROB_FTStereo_v2	0.57 59	0.33 135	0.81 98	0.52 69	0.27 19	0.62 89	0.42 91	1.14 78	0.73 29	1.13 126	0.97 78	0.82 103	0.60 99	1.15 112	0.53 117	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

DeepStereo_RVC	0.57 59	0.31 104	0.78 88	0.53 89	0.30 63	0.57 69	0.32 29	1.11 70	0.80 52	1.17 147	0.94 68	0.83 111	0.93 211	1.01 84	0.61 153	0.23 169	0.14 58	0.21 93	0.19 102	0.24 187	0.26 177

iRAFT	0.57 59	0.33 135	0.82 107	0.52 69	0.27 19	0.63 97	0.28 17	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.40 141	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

CRE-IMP	0.57 59	0.32 118	0.82 107	0.54 100	0.29 51	0.77 160	0.25 4	1.19 99	0.79 48	1.09 112	0.95 69	0.81 97	0.57 77	1.11 108	0.57 137	0.22 149	0.14 58	0.23 146	0.19 102	0.28 223	0.24 141

RAFT-IKP	0.57 59	0.33 135	0.82 107	0.52 69	0.27 19	0.57 69	0.35 49	1.14 78	0.73 29	1.13 126	0.96 71	0.83 111	0.61 109	1.26 124	0.53 117	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

test_xeample3	0.57 59	0.33 135	3.11 348	0.46 14	0.34 122	0.55 64	0.38 68	0.86 17	0.49 2	0.54 29	0.46 3	0.44 7	0.44 26	1.49 165	0.45 72	0.18 40	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

CFNet-RSSM	0.57 59	0.25 16	0.76 79	0.49 34	0.28 40	0.59 79	0.27 14	1.89 245	1.17 180	1.09 112	0.95 69	1.06 183	0.53 61	0.74 34	0.41 49	0.17 18	0.13 17	0.17 13	0.15 30	0.16 11	0.16 13

AE-Stereo	0.58 70	0.29 61	0.81 98	0.62 190	0.41 180	0.69 131	0.46 138	2.49 351	1.25 211	0.49 16	0.77 39	0.69 69	0.46 35	0.61 14	0.42 54	0.17 18	0.16 139	0.21 93	0.20 128	0.19 59	0.18 32

1test111	0.58 70	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.58 172	0.91 71	0.60 34	0.80 46	0.47 20	0.87 188	0.99 80	0.67 170	0.21 120	0.13 17	0.25 203	0.15 30	0.23 158	0.25 160

RAFT-Test	0.58 70	0.27 35	0.81 98	0.50 46	0.33 110	0.95 219	0.27 14	1.40 138	0.89 66	1.00 90	1.12 129	1.39 263	0.48 43	0.74 34	0.41 49	0.17 18	0.14 58	0.17 13	0.14 22	0.16 11	0.18 32

anonymousdsp2	0.58 70	0.29 61	0.93 153	0.51 57	0.30 63	0.75 146	0.46 138	1.95 258	0.87 64	0.81 59	0.78 41	0.76 82	0.48 43	1.10 105	0.45 72	0.19 65	0.14 58	0.18 33	0.13 11	0.20 86	0.22 108

fff	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 55	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 255	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

iGMRVC	0.58 70	0.33 135	0.81 98	0.52 69	0.27 19	0.62 89	0.38 68	1.14 78	0.73 29	1.13 126	0.97 78	0.82 103	0.59 95	1.54 168	0.53 117	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

RALCasStereoNet	0.58 70	0.34 162	0.77 82	0.65 217	0.64 285	0.64 105	0.51 165	1.06 49	0.99 110	0.71 43	1.06 106	0.77 86	0.44 26	1.38 138	0.52 108	0.20 99	0.18 184	0.18 33	0.16 54	0.20 86	0.22 108

DCANet	0.58 70	0.26 19	1.15 212	0.45 8	0.25 8	0.49 28	0.36 55	1.18 95	1.35 251	1.15 141	1.04 101	0.60 48	0.91 202	0.84 56	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.25 160

csc	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 55	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 255	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

cscssc	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 55	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 255	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

GMStereo	0.58 70	0.50 270	1.09 198	0.52 69	0.32 97	0.80 166	0.43 107	1.02 37	1.41 279	0.89 74	0.77 39	0.52 35	0.46 35	0.89 65	0.56 134	0.25 207	0.16 139	0.20 70	0.22 186	0.31 248	0.27 193
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet-DCA	0.59 81	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.58 172	0.91 71	0.60 34	0.80 46	0.47 20	0.87 188	1.48 159	0.35 6	0.21 120	0.13 17	0.25 203	0.15 30	0.23 158	0.25 160

IGEV_Zeroshot_test	0.59 81	0.33 135	1.11 203	0.63 200	0.37 144	0.41 12	0.33 33	1.80 221	0.79 48	1.04 103	1.10 119	1.06 183	0.43 22	0.87 61	0.48 88	0.18 40	0.13 17	0.19 47	0.18 84	0.20 86	0.23 122

DCANet-4	0.59 81	0.28 43	1.65 287	0.44 7	0.25 8	0.48 23	0.36 55	1.15 89	1.36 258	1.13 126	1.03 97	0.56 40	0.74 134	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

x	0.59 81	0.34 162	0.79 92	0.51 57	0.32 97	0.69 131	0.46 138	1.64 185	0.97 100	0.86 71	0.86 55	0.83 111	0.74 134	0.75 38	0.70 178	0.21 120	0.22 231	0.22 120	0.20 128	0.21 121	0.24 141

sAnonymous2	0.59 81	0.61 301	1.82 296	0.61 182	0.52 237	0.51 43	0.54 188	0.97 26	0.70 26	0.50 19	0.68 24	0.46 15	0.63 110	0.61 14	0.41 49	0.22 149	0.17 161	0.23 146	0.21 164	0.85 365	0.56 331

CroCo_RVC	0.59 81	0.61 301	1.82 296	0.61 182	0.52 237	0.51 43	0.54 188	0.97 26	0.70 26	0.50 19	0.68 24	0.46 15	0.63 110	0.61 14	0.41 49	0.22 149	0.17 161	0.23 146	0.21 164	0.85 365	0.56 331

MIM_Stereo	0.60 87	0.26 19	1.02 182	0.49 34	0.32 97	0.52 47	0.28 17	1.41 142	0.82 53	1.02 97	1.16 150	0.93 144	0.53 61	1.48 159	0.63 158	0.17 18	0.17 161	0.20 70	0.19 102	0.17 20	0.18 32

MIPNet	0.60 87	0.31 104	1.07 195	0.51 57	0.34 122	0.68 123	0.40 79	1.67 189	1.14 167	1.11 115	0.93 66	0.60 48	0.78 149	0.77 40	0.58 142	0.18 40	0.14 58	0.19 47	0.16 54	0.18 34	0.21 87

AFF-stereo	0.60 87	0.28 43	0.72 57	0.48 29	0.29 51	0.34 4	0.37 61	1.22 109	1.20 189	1.21 175	1.59 280	1.10 198	0.70 130	1.01 84	0.44 61	0.14 1	0.12 5	0.19 47	0.20 128	0.18 34	0.15 3

R-Stereo Train	0.60 87	0.30 79	0.72 57	0.57 140	0.37 144	0.68 123	0.52 173	1.45 147	0.78 42	1.61 308	1.50 253	0.76 82	0.53 61	0.67 27	0.51 102	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51

RAFT-Stereo	0.60 87	0.30 79	0.72 57	0.57 140	0.37 144	0.68 123	0.52 173	1.45 147	0.78 42	1.61 308	1.50 253	0.76 82	0.53 61	0.67 27	0.51 102	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
riskmin	0.62 92	0.29 61	0.73 67	0.50 46	0.34 122	0.86 191	0.44 124	1.74 208	1.07 134	0.76 51	0.76 36	1.19 214	1.01 242	0.84 56	0.60 150	0.20 99	0.16 139	0.24 167	0.16 54	0.24 187	0.29 216

qqq	0.62 92	0.36 188	0.88 139	0.50 46	0.28 40	0.64 105	0.62 227	1.58 172	0.91 71	0.83 62	0.96 71	0.95 152	0.79 154	0.99 80	0.67 170	0.21 120	0.23 253	0.24 167	0.23 213	0.23 158	0.25 160

ADStereo(finetuned)	0.62 92	0.26 19	1.59 284	0.45 8	0.25 8	0.49 28	0.36 55	1.18 95	1.35 251	1.16 145	1.04 101	0.60 48	1.18 287	0.85 59	0.57 137	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.24 141

dd	0.62 92	0.51 274	1.17 226	0.56 122	0.33 110	0.74 144	0.46 138	1.03 43	1.40 276	0.80 55	0.87 57	0.60 48	0.57 77	1.02 86	0.86 210	0.28 252	0.18 184	0.26 224	0.19 102	0.35 267	0.27 193

IPLGR	0.62 92	0.28 43	1.32 253	0.50 46	0.29 51	0.65 109	0.34 40	1.47 152	1.19 185	1.21 175	1.07 108	0.70 72	0.65 116	1.05 91	0.55 127	0.18 40	0.15 112	0.20 70	0.17 70	0.21 121	0.20 70

PFNet+	0.62 92	0.31 104	0.99 174	0.57 140	0.31 77	0.57 69	0.30 23	0.99 35	1.25 211	1.33 227	1.10 119	0.79 89	0.57 77	1.35 133	0.53 117	0.26 224	0.17 161	0.28 245	0.26 244	0.21 121	0.27 193

NRIStereo	0.62 92	0.31 104	0.78 88	0.56 122	0.28 40	0.63 97	0.33 33	1.16 92	0.92 76	1.15 141	0.87 57	0.90 134	0.58 92	2.24 259	0.56 134	0.22 149	0.14 58	0.21 93	0.19 102	0.22 140	0.18 32

RALAANet	0.62 92	0.37 204	0.97 170	0.66 230	0.50 225	0.67 120	0.31 25	1.27 121	1.09 144	1.11 115	1.17 152	0.88 126	0.46 35	1.27 126	0.45 72	0.20 99	0.15 112	0.21 93	0.18 84	0.27 208	0.19 51

FENet	0.62 92	0.30 79	0.68 49	0.57 140	0.33 110	0.82 174	0.40 79	1.41 142	1.12 156	1.03 101	0.87 57	0.98 160	0.84 170	1.00 82	0.70 178	0.23 169	0.16 139	0.23 146	0.20 128	0.22 140	0.24 141

RAFT+CT+SA	0.63 101	0.30 79	0.73 67	0.69 262	0.37 144	0.40 9	0.55 195	1.93 254	1.04 129	0.72 46	1.23 169	0.62 52	0.69 128	1.69 195	0.42 54	0.19 65	0.13 17	0.22 120	0.22 186	0.21 121	0.19 51

GANet-ADL	0.63 101	0.38 221	0.82 107	0.67 243	0.41 180	0.68 123	0.51 165	1.64 185	1.16 176	0.98 85	1.10 119	0.90 134	0.58 92	0.81 48	0.63 158	0.27 241	0.18 184	0.18 33	0.16 54	0.23 158	0.27 193

AnonymousM	0.63 101	1.14 363	0.43 5	0.46 14	0.32 97	0.43 13	0.46 138	1.27 121	0.78 42	1.00 90	0.66 21	0.68 65	0.45 28	0.61 14	0.46 76	0.21 120	0.16 139	1.84 386	0.98 383	0.15 4	0.15 3

HHNet	0.64 104	0.28 43	0.69 53	0.45 8	0.46 207	0.50 38	0.57 204	1.13 76	1.03 123	1.26 198	2.21 343	0.70 72	0.59 95	1.10 105	0.51 102	0.21 120	0.13 17	0.23 146	0.19 102	0.20 86	0.31 238

Pruner-Stereo	0.64 104	0.31 104	0.79 92	0.66 230	0.31 77	0.61 87	0.42 91	1.22 109	1.09 144	1.53 292	1.09 117	0.94 149	0.55 70	1.37 137	0.56 134	0.25 207	0.14 58	0.24 167	0.21 164	0.21 121	0.25 160

Anonymous3	0.64 104	0.47 259	1.31 251	0.59 162	0.50 225	0.93 211	0.69 245	1.11 70	0.83 56	0.74 48	0.89 62	0.65 59	0.68 125	1.08 99	0.54 126	0.40 317	0.31 308	0.26 224	0.26 244	0.31 248	0.30 229

DIP-Stereo	0.64 104	0.32 118	0.91 150	0.49 34	0.36 139	0.91 201	0.33 33	2.51 354	0.77 41	1.25 188	1.00 86	0.68 65	0.51 55	0.92 70	0.65 165	0.19 65	0.15 112	0.21 93	0.17 70	0.19 59	0.22 108
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
tt1	0.65 108	0.34 162	0.65 42	0.60 169	0.27 19	1.14 251	0.48 151	1.08 55	2.62 369	0.59 31	0.79 43	0.49 28	0.80 160	1.57 171	0.35 6	0.21 120	0.13 17	0.25 203	0.16 54	0.20 86	0.23 122

TestStereo	0.65 108	0.42 241	0.83 115	0.52 69	0.27 19	0.57 69	0.44 124	1.07 50	0.92 76	0.85 67	1.01 88	0.68 65	0.56 75	3.22 301	0.47 84	0.23 169	0.15 112	0.24 167	0.18 84	0.28 223	0.18 32

CAS	0.66 110	0.19 1	0.41 4	2.31 387	0.86 342	0.56 67	0.53 179	0.83 10	0.63 17	0.49 16	0.70 31	0.36 2	0.26 1	0.47 2	0.37 25	2.33 389	0.10 1	0.14 1	0.10 1	0.17 20	1.31 379

TestStereo1	0.66 110	0.29 61	0.95 162	0.82 319	0.32 97	0.47 18	0.43 107	1.52 157	1.22 201	0.99 86	1.32 200	0.65 59	0.76 140	1.78 204	0.44 61	0.20 99	0.16 139	0.22 120	0.19 102	0.21 121	0.20 70

RAFT_CTSACE	0.66 110	0.29 61	1.14 210	0.57 140	0.51 234	0.68 123	0.44 124	0.88 18	0.98 103	1.03 101	1.83 314	1.23 225	0.67 122	1.48 159	0.38 28	0.16 7	0.16 139	0.21 93	0.20 128	0.20 86	0.17 23

SA-5K	0.66 110	0.29 61	0.95 162	0.82 319	0.32 97	0.47 18	0.43 107	1.52 157	1.22 201	0.99 86	1.32 200	0.65 59	0.76 140	1.78 204	0.44 61	0.20 99	0.16 139	0.22 120	0.19 102	0.21 121	0.20 70

ACRE	0.66 110	0.37 204	1.27 246	0.60 169	0.50 225	0.74 144	0.47 147	1.26 117	1.10 147	1.40 257	1.56 271	0.62 52	0.46 35	0.88 63	0.78 193	0.24 187	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

ICVP	0.66 110	0.35 184	0.71 56	0.63 200	0.41 180	0.85 190	0.56 201	1.78 214	0.96 96	0.92 77	1.24 173	0.88 126	0.75 139	0.76 39	0.93 228	0.31 273	0.22 231	0.22 120	0.21 164	0.24 187	0.28 204
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
111	0.66 110	0.27 35	1.15 212	0.46 14	0.25 8	0.72 139	0.42 91	1.57 170	1.44 290	0.83 62	1.39 223	1.10 198	0.80 160	0.97 79	0.65 165	0.20 99	0.14 58	0.18 33	0.15 30	0.18 34	0.28 204

ACVNet	0.66 110	0.33 135	0.74 72	0.55 110	0.37 144	0.80 166	0.47 147	1.46 149	1.11 151	1.01 93	1.31 195	1.07 186	0.91 202	0.82 50	1.09 252	0.22 149	0.19 198	0.21 93	0.18 84	0.23 158	0.19 51

MyStereo06	0.67 118	0.29 61	1.06 191	0.58 150	0.48 215	0.62 89	0.72 253	2.26 319	0.89 66	1.07 110	1.12 129	1.22 221	0.56 75	0.83 53	0.47 84	0.17 18	0.17 161	0.24 167	0.21 164	0.23 158	0.23 122

StereoVision	0.67 118	0.37 204	1.02 182	0.60 169	0.41 180	0.50 38	0.41 87	1.32 129	0.96 96	0.73 47	2.48 357	0.82 103	0.57 77	1.06 95	0.50 100	0.26 224	0.28 291	0.29 253	0.28 267	0.37 276	0.22 108

CASS	0.67 118	0.36 188	0.84 124	0.57 140	0.28 40	0.82 174	0.43 107	1.62 184	0.92 76	1.39 251	1.28 189	0.87 120	0.84 170	0.88 63	0.59 148	0.36 305	0.19 198	0.26 224	0.22 186	0.29 233	0.43 299
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CIPLG	0.67 118	0.37 204	1.17 226	0.60 169	0.51 234	0.75 146	0.48 151	1.26 117	1.11 151	1.43 267	1.58 276	0.64 58	0.48 43	0.94 71	0.78 193	0.24 187	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

IPLGR_C	0.67 118	0.38 221	1.20 232	0.60 169	0.50 225	0.75 146	0.48 151	1.28 125	1.13 161	1.42 263	1.57 275	0.62 52	0.48 43	0.85 59	0.80 202	0.24 187	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

GwcNet-ADL	0.67 118	0.33 135	0.90 147	0.58 150	0.41 180	0.60 83	0.59 215	1.55 165	1.28 225	1.11 115	1.13 139	0.90 134	0.59 95	1.11 108	0.91 221	0.28 252	0.18 184	0.18 33	0.18 84	0.25 196	0.33 252

TRStereo	0.67 118	0.71 326	1.06 191	0.77 307	0.68 299	0.53 51	0.38 68	2.52 355	0.96 96	0.81 59	0.84 52	0.87 120	0.39 15	1.16 114	0.46 76	0.24 187	0.17 161	0.23 146	0.24 225	0.18 34	0.20 70

RAFT	0.67 118	0.32 118	0.83 115	0.63 200	0.34 122	0.69 131	0.57 204	1.14 78	0.84 58	1.12 123	1.20 158	1.75 318	0.92 210	1.09 103	0.60 150	0.22 149	0.19 198	0.27 233	0.24 225	0.22 140	0.23 122

DN-CSS_ROB	0.67 118	0.36 188	1.36 258	0.59 162	0.41 180	0.54 60	0.45 132	1.30 127	0.95 92	1.05 105	1.47 243	0.69 69	0.64 112	1.80 211	0.60 150	0.19 65	0.15 112	0.25 203	0.23 213	0.22 140	0.23 122

cc1	0.68 127	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.07 50	3.23 381	0.60 34	0.80 46	0.47 20	0.87 188	1.48 159	0.35 6	0.21 120	0.13 17	0.25 203	0.15 30	0.19 59	0.23 122

mmm	0.68 127	0.37 204	0.91 150	0.54 100	0.34 122	0.86 191	0.58 211	1.72 206	1.02 120	1.13 126	1.41 231	0.83 111	0.78 149	0.95 77	0.67 170	0.22 149	0.20 208	0.29 253	0.26 244	0.27 208	0.27 193

PCWNet_CMD	0.68 127	0.34 162	0.93 153	0.51 57	0.38 154	0.80 166	0.42 91	1.51 155	1.34 248	1.17 147	1.31 195	1.23 225	0.65 116	0.94 71	0.62 156	0.21 120	0.17 161	0.27 233	0.19 102	0.43 300	0.28 204

HH	0.68 127	0.33 135	0.83 115	0.53 89	0.34 122	0.92 208	0.45 132	1.79 217	0.74 36	0.71 43	1.13 139	1.60 295	0.83 168	1.95 230	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

HanStereo	0.68 127	0.33 135	0.83 115	0.53 89	0.34 122	0.92 208	0.45 132	1.79 217	0.74 36	0.71 43	1.13 139	1.60 295	0.83 168	1.95 230	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

DisPM	0.68 127	0.30 79	0.85 130	0.66 230	0.35 137	0.60 83	0.44 124	1.10 68	1.10 147	1.56 299	1.10 119	0.80 91	0.58 92	2.37 271	0.46 76	0.25 207	0.14 58	0.23 146	0.21 164	0.20 86	0.26 177

CFNet_pseudo	0.68 127	0.34 162	0.93 153	0.50 46	0.39 161	0.72 139	0.42 91	1.44 145	1.25 211	1.17 147	1.35 212	1.22 221	0.66 120	1.04 88	0.64 161	0.21 120	0.17 161	0.33 286	0.19 102	0.39 286	0.28 204

MSMDNet	0.68 127	0.34 162	0.93 153	0.52 69	0.38 154	0.80 166	0.42 91	1.52 157	1.35 251	1.17 147	1.31 195	1.23 225	0.65 116	0.94 71	0.62 156	0.21 120	0.17 161	0.26 224	0.19 102	0.41 294	0.28 204

ccs_rob	0.68 127	0.34 162	0.93 153	0.50 46	0.39 161	0.72 139	0.42 91	1.43 144	1.25 211	1.17 147	1.34 207	1.22 221	0.66 120	1.04 88	0.64 161	0.21 120	0.17 161	0.35 300	0.20 128	0.40 290	0.29 216

whm_eth	0.69 136	0.51 274	1.32 253	0.56 122	0.64 285	0.67 120	0.45 132	1.59 177	1.33 246	1.02 97	1.92 327	0.48 24	0.48 43	0.71 30	0.53 117	0.24 187	0.20 208	0.25 203	0.24 225	0.25 196	0.35 267

SA	0.69 136	0.31 104	0.97 170	0.64 211	0.30 63	0.56 67	0.38 68	1.84 230	1.35 251	0.99 86	1.37 217	0.69 69	0.94 213	1.88 223	0.43 57	0.20 99	0.16 139	0.25 203	0.23 213	0.22 140	0.19 51

MyStereo8	0.70 138	0.32 118	1.24 241	0.63 200	0.53 242	0.90 199	0.34 40	1.60 179	1.35 251	1.20 169	1.31 195	0.89 132	0.64 112	0.77 40	1.02 247	0.18 40	0.15 112	0.20 70	0.18 84	0.22 140	0.30 229

MyStereo05	0.70 138	0.29 61	1.22 236	0.58 150	0.48 215	0.62 89	0.72 253	1.52 157	1.54 313	1.17 147	0.91 64	0.77 86	0.79 154	1.45 153	0.68 174	0.17 18	0.17 161	0.24 167	0.21 164	0.23 158	0.23 122

xx1	0.70 138	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.07 50	3.23 381	0.60 34	0.80 46	0.95 152	0.79 154	1.48 159	0.35 6	0.21 120	0.13 17	0.24 167	0.23 213	0.23 158	0.25 160

GMStereo_Zeroshot	0.70 138	0.64 310	1.11 203	0.65 217	0.38 154	0.84 187	0.37 61	1.09 62	1.16 176	1.14 139	1.07 108	1.26 236	0.55 70	1.23 122	0.65 165	0.34 290	0.17 161	0.31 266	0.18 84	0.57 340	0.23 122

test_5	0.70 138	0.32 118	0.99 174	0.69 262	0.50 225	0.89 196	0.51 165	1.88 243	1.14 167	0.78 52	1.13 139	1.04 179	0.89 197	1.59 177	0.46 76	0.19 65	0.14 58	0.23 146	0.22 186	0.22 140	0.20 70

GES	0.70 138	0.37 204	1.05 188	0.62 190	0.38 154	0.94 213	0.57 204	2.37 334	0.92 76	1.05 105	1.12 129	0.67 63	0.77 144	1.02 86	0.65 165	0.28 252	0.20 208	0.20 70	0.20 128	0.22 140	0.31 238

MyStereo04	0.71 144	0.30 79	1.28 247	0.58 150	0.48 215	0.59 79	0.78 264	1.74 208	1.49 306	0.94 81	0.91 64	0.74 80	0.86 182	1.59 177	0.69 175	0.18 40	0.18 184	0.24 167	0.21 164	0.23 158	0.23 122

raft_robust	0.71 144	0.32 118	0.75 77	0.54 100	0.28 40	0.54 60	0.35 49	1.54 163	1.24 205	1.18 158	1.07 108	0.73 79	0.53 61	3.65 310	0.40 44	0.19 65	0.16 139	0.20 70	0.22 186	0.21 121	0.19 51

iRaft-Stereo_20w	0.71 144	0.33 135	1.25 243	0.50 46	0.36 139	0.82 174	0.31 25	3.16 378	0.89 66	1.24 185	1.14 144	0.79 89	0.65 116	1.15 112	0.43 57	0.18 40	0.13 17	0.18 33	0.17 70	0.20 86	0.23 122

DMCA	0.71 144	0.36 188	1.17 226	0.53 89	0.45 200	0.84 187	0.46 138	1.52 157	1.09 144	1.20 169	1.12 129	1.21 217	0.74 134	0.87 61	1.09 252	0.25 207	0.20 208	0.27 233	0.19 102	0.24 187	0.29 216

HITNet	0.71 144	0.42 241	1.07 195	0.52 69	0.25 8	1.05 236	0.48 151	2.12 290	1.08 137	1.21 175	1.23 169	0.91 137	0.84 170	0.90 68	0.91 221	0.17 18	0.12 5	0.21 93	0.17 70	0.29 233	0.18 32
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
IPLG	0.72 149	0.29 61	1.12 206	0.53 89	0.44 197	0.79 165	0.33 33	1.35 131	1.10 147	1.32 222	1.11 126	0.52 35	0.54 68	3.13 297	0.71 181	0.17 18	0.14 58	0.20 70	0.17 70	0.18 34	0.21 87

HCRNet	0.72 149	0.40 230	0.86 135	0.61 182	0.57 261	0.75 146	0.35 49	1.39 137	1.21 195	1.11 115	0.99 82	1.01 173	0.76 140	2.18 255	0.73 182	0.28 252	0.19 198	0.28 245	0.23 213	0.25 196	0.26 177

UCFNet_RVC	0.72 149	0.37 204	0.59 22	0.66 230	0.41 180	0.89 196	0.68 241	1.78 214	1.15 171	1.01 93	1.20 158	1.22 221	0.95 218	1.07 97	0.66 169	0.28 252	0.21 221	0.34 294	0.31 297	0.33 261	0.29 216

CFNet_ucs	0.73 152	0.34 162	0.94 159	0.53 89	0.44 197	0.76 151	0.46 138	1.73 207	1.34 248	1.24 185	1.54 263	1.08 196	0.64 112	1.05 91	0.64 161	0.26 224	0.20 208	0.37 312	0.22 186	0.42 298	0.30 229

ToySt	0.73 152	0.35 184	1.64 286	0.54 100	0.37 144	0.92 208	0.81 276	1.21 107	1.03 123	0.86 71	1.12 129	1.31 248	1.01 242	1.04 88	0.88 214	0.19 65	0.20 208	0.24 167	0.24 225	0.27 208	0.28 204

LCNet	0.73 152	0.30 79	0.58 18	0.58 150	0.31 77	0.68 123	0.53 179	1.09 62	0.94 88	1.19 163	1.34 207	0.96 156	1.32 305	2.50 274	0.46 76	0.19 65	0.13 17	0.21 93	0.25 233	0.28 223	0.69 354

IER	0.74 155	0.33 135	1.25 243	0.50 46	0.53 242	1.32 279	0.55 195	1.31 128	1.08 137	1.30 214	1.34 207	1.11 203	1.10 269	1.05 91	0.81 204	0.20 99	0.17 161	0.21 93	0.21 164	0.20 86	0.21 87

SFCPSM	0.74 155	0.30 79	1.06 191	0.52 69	0.39 161	1.36 287	0.64 233	2.42 339	1.11 151	1.18 158	1.21 163	0.81 97	0.78 149	1.08 99	0.57 137	0.22 149	0.17 161	0.22 120	0.24 225	0.23 158	0.21 87

AdaStereo	0.74 155	0.48 262	0.86 135	0.75 299	0.38 154	0.94 213	0.56 201	2.05 280	1.24 205	1.15 141	1.22 165	1.07 186	0.67 122	1.05 91	0.73 182	0.33 283	0.16 139	0.32 278	0.22 186	0.29 233	0.23 122
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.
BSDual-CNN	0.75 158	0.34 162	0.77 82	0.55 110	0.45 200	1.25 274	0.66 237	2.65 362	1.04 129	1.25 188	1.12 129	1.11 203	0.77 144	0.94 71	0.76 190	0.25 207	0.18 184	0.25 203	0.22 186	0.23 158	0.24 141

psmg	0.75 158	0.34 162	0.77 82	0.52 69	0.45 200	1.46 300	0.73 256	2.15 299	1.04 129	1.25 188	1.33 204	1.11 203	0.77 144	0.94 71	0.76 190	0.25 207	0.20 208	0.25 203	0.26 244	0.23 158	0.24 141

UDGNet	0.75 158	1.23 369	0.99 174	0.82 319	0.42 187	0.76 151	0.38 68	0.98 30	1.37 263	0.83 62	0.88 60	0.70 72	0.60 99	1.25 123	0.57 137	0.57 358	0.19 198	1.03 378	0.26 244	0.79 364	0.35 267

PSMNet-ADL	0.75 158	0.36 188	0.69 53	0.71 274	0.47 213	1.13 248	0.46 138	1.47 152	1.07 134	0.85 67	1.18 154	1.31 248	0.94 213	1.56 169	1.06 250	0.34 290	0.22 231	0.22 120	0.23 213	0.27 208	0.36 270

GMM-Stereo	0.75 158	0.27 35	0.66 44	0.56 122	0.34 122	0.71 136	0.97 308	1.09 62	0.91 71	1.37 244	1.79 307	1.11 203	0.79 154	2.08 247	0.48 88	0.19 65	0.12 5	0.25 203	0.25 233	0.21 121	0.78 361

qqq1	0.76 163	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.48 88	0.24 187	0.22 231	0.18 33	0.15 30	0.19 59	0.22 108

fff1	0.76 163	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.48 88	0.24 187	0.22 231	0.18 33	0.15 30	0.19 59	0.22 108

Sa-1000	0.76 163	0.30 79	0.92 152	0.62 190	0.31 77	0.78 161	0.37 61	2.00 268	1.38 265	1.30 214	2.04 334	0.86 119	0.74 134	1.87 217	0.40 44	0.19 65	0.14 58	0.25 203	0.24 225	0.21 121	0.19 51

Prome-Stereo	0.76 163	0.29 61	0.57 17	0.58 150	0.33 110	0.58 78	0.94 303	0.98 30	0.92 76	1.46 278	2.45 355	0.91 137	1.38 311	1.60 182	0.44 61	0.19 65	0.13 17	0.19 47	0.18 84	0.20 86	0.87 367

EAI-Stereo	0.76 163	0.31 104	0.74 72	0.55 110	0.28 40	0.70 134	1.72 365	2.57 358	0.90 70	0.75 50	3.03 366	0.57 42	0.43 22	1.10 105	0.49 97	0.19 65	0.14 58	0.17 13	0.18 84	0.17 20	0.21 87

KYRaft	0.77 168	0.29 61	0.68 49	0.59 162	0.29 51	0.66 115	0.83 281	1.05 48	0.89 66	1.63 312	2.22 344	1.15 211	0.99 233	1.59 177	0.41 49	0.21 120	0.14 58	0.22 120	0.28 267	0.21 121	1.01 370

MLCV	0.77 168	0.39 225	1.31 251	0.55 110	0.25 8	0.91 201	0.39 77	1.48 154	1.28 225	1.49 286	1.54 263	1.02 175	0.68 125	2.12 251	0.93 228	0.19 65	0.13 17	0.19 47	0.14 22	0.19 59	0.22 108

CoDeX	0.78 170	0.31 104	1.04 186	0.56 122	0.37 144	1.13 248	0.60 223	2.77 369	1.29 233	1.17 147	1.26 177	0.91 137	0.87 188	1.42 148	0.74 184	0.21 120	0.16 139	0.21 93	0.18 84	0.21 121	0.21 87

anonymousa	0.78 170	0.30 79	0.85 130	0.51 57	0.96 355	1.41 295	0.47 147	1.61 181	0.94 88	1.33 227	1.77 305	1.66 303	1.11 271	0.72 32	0.63 158	0.19 65	0.18 184	0.23 146	0.25 233	0.20 86	0.22 108

BUS	0.78 170	0.34 162	0.77 82	0.55 110	0.45 200	2.30 358	0.42 91	2.65 362	1.04 129	1.25 188	1.12 129	1.02 175	0.70 130	0.94 71	0.75 187	0.25 207	0.18 184	0.25 203	0.22 186	0.23 158	0.24 141

acv_ft	0.78 170	0.33 135	1.10 201	0.73 286	0.86 342	1.23 272	0.57 204	1.65 188	1.11 151	1.31 220	1.31 195	1.07 186	0.91 202	0.82 50	1.35 284	0.22 149	0.19 198	0.21 93	0.18 84	0.22 140	0.19 51

GANet-RSSM	0.78 170	0.31 104	0.90 147	0.67 243	0.58 263	0.80 166	0.62 227	2.04 276	1.15 171	1.11 115	1.27 184	1.26 236	1.18 287	1.68 191	0.74 184	0.26 224	0.21 221	0.22 120	0.22 186	0.23 158	0.23 122

PSMNet-RSSM	0.78 170	0.32 118	0.89 142	0.65 217	0.43 190	0.73 142	0.58 211	2.14 295	1.19 185	1.18 158	1.38 221	1.31 248	1.07 263	1.43 150	0.82 205	0.28 252	0.21 221	0.27 233	0.29 282	0.25 196	0.26 177

CFNet-ft	0.78 170	0.36 188	0.74 72	0.67 243	0.56 257	0.86 191	0.54 188	1.46 149	1.17 180	1.01 93	1.28 189	1.68 307	1.03 249	1.57 171	0.95 235	0.27 241	0.21 221	0.33 286	0.26 244	0.31 248	0.26 177

CFNet_RVC	0.78 170	0.36 188	0.74 72	0.67 243	0.56 257	0.86 191	0.54 188	1.46 149	1.17 180	1.01 93	1.28 189	1.68 307	1.03 249	1.57 171	0.95 235	0.27 241	0.21 221	0.33 286	0.26 244	0.31 248	0.26 177

SMFormer	0.79 178	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.99 240	0.24 187	0.22 231	0.22 120	0.21 164	0.23 158	0.27 193

tta	0.79 178	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.99 240	0.24 187	0.22 231	0.22 120	0.21 164	0.19 59	0.22 108

ffm	0.79 178	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	1.08 55	2.62 369	1.19 163	1.49 246	1.07 186	0.85 175	1.57 171	0.35 6	0.21 120	0.13 17	0.31 266	0.28 267	0.20 86	0.23 122

cf-r	0.79 178	0.32 118	1.06 191	0.57 140	0.64 285	0.78 161	0.51 165	2.04 276	1.22 201	1.20 169	1.27 184	1.53 286	0.91 202	1.47 157	0.94 233	0.25 207	0.19 198	0.22 120	0.23 213	0.19 59	0.21 87

DeepPruner_ROB	0.79 178	0.55 286	1.14 210	0.61 182	0.46 207	0.78 161	0.54 188	1.83 229	1.00 114	1.42 263	1.27 184	1.23 225	0.77 144	1.56 169	0.89 216	0.35 298	0.28 291	0.27 233	0.26 244	0.32 256	0.34 259

gwcnet-sp	0.80 183	0.37 204	1.94 304	0.62 190	0.45 200	1.38 288	0.53 179	1.68 190	1.20 189	1.37 244	1.08 114	0.93 144	0.82 165	1.45 153	0.79 197	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

scenet	0.80 183	0.37 204	1.94 304	0.62 190	0.45 200	1.38 288	0.53 179	1.68 190	1.20 189	1.37 244	1.08 114	0.93 144	0.82 165	1.45 153	0.79 197	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

ssnet	0.80 183	0.37 204	1.94 304	0.62 190	0.45 200	1.38 288	0.53 179	1.68 190	1.20 189	1.37 244	1.08 114	0.93 144	0.82 165	1.45 153	0.79 197	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

AASNet	0.80 183	0.39 225	1.16 225	0.84 327	0.80 330	1.14 251	0.59 215	2.12 290	1.21 195	1.26 198	1.26 177	0.93 144	0.77 144	0.84 56	1.23 270	0.28 252	0.24 261	0.24 167	0.20 128	0.28 223	0.27 193

PSM-softLoss	0.80 183	0.33 135	0.89 142	0.63 200	0.32 97	0.55 64	0.40 79	1.26 117	0.78 42	1.25 188	1.07 108	0.83 111	0.51 55	5.33 340	0.61 153	0.25 207	0.15 112	0.25 203	0.22 186	0.20 86	0.26 177

KMStereo	0.80 183	0.33 135	0.89 142	0.63 200	0.32 97	0.55 64	0.40 79	1.26 117	0.78 42	1.25 188	1.07 108	0.83 111	0.51 55	5.33 340	0.61 153	0.25 207	0.15 112	0.25 203	0.22 186	0.20 86	0.26 177

PSM-AAD	0.80 183	0.29 61	0.58 18	0.58 150	0.29 51	0.76 151	1.19 334	1.08 55	0.94 88	1.65 314	1.58 276	0.81 97	2.12 365	1.67 189	0.44 61	0.19 65	0.14 58	0.38 316	0.32 302	0.22 140	0.68 352

iResNet	0.80 183	0.45 251	1.47 267	0.72 279	0.31 77	0.96 224	0.64 233	1.80 221	1.28 225	1.31 220	1.48 245	0.94 149	0.78 149	1.77 202	0.99 240	0.19 65	0.14 58	0.18 33	0.15 30	0.22 140	0.27 193

NINENet	0.81 191	0.40 230	0.89 142	0.65 217	0.53 242	2.30 358	0.42 91	2.12 290	1.13 161	1.20 169	1.27 184	1.02 175	0.70 130	1.26 124	0.75 187	0.29 264	0.24 261	0.31 266	0.21 164	0.27 208	0.26 177

DRaft	0.81 191	0.26 19	0.77 82	0.47 24	0.31 77	0.95 219	0.52 173	1.13 76	0.99 110	1.78 327	2.01 333	0.80 91	1.71 341	2.64 281	0.74 184	0.19 65	0.14 58	0.20 70	0.20 128	0.18 34	0.24 141

hknet	0.82 193	0.34 162	1.15 212	0.55 110	0.39 161	1.25 274	0.66 237	2.65 362	1.10 147	1.25 188	1.12 129	1.58 294	0.85 175	1.41 143	0.79 197	0.23 169	0.18 184	0.25 203	0.22 186	0.23 158	0.24 141

NF-Stereo	0.82 193	0.33 135	0.83 115	0.65 217	0.31 77	0.63 97	0.43 107	1.35 131	0.93 83	1.30 214	1.02 90	0.81 97	0.57 77	5.37 344	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.30 229

OCTAStereo	0.82 193	0.33 135	0.83 115	0.65 217	0.31 77	0.62 89	0.44 124	1.35 131	0.93 83	1.30 214	1.02 90	0.81 97	0.57 77	5.32 339	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.30 229

RE-Stereo	0.82 193	0.33 135	0.84 124	0.65 217	0.31 77	0.63 97	0.44 124	1.35 131	0.93 83	1.30 214	1.02 90	0.80 91	0.57 77	5.34 342	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.31 238

TVStereo	0.82 193	0.33 135	0.84 124	0.65 217	0.31 77	0.63 97	0.44 124	1.35 131	0.93 83	1.30 214	1.02 90	0.80 91	0.57 77	5.34 342	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.31 238

ARAFT	0.82 193	0.40 230	1.77 292	0.53 89	0.31 77	0.89 196	0.81 276	2.32 327	1.08 137	1.66 315	1.25 175	1.04 179	0.64 112	1.91 224	0.52 108	0.20 99	0.15 112	0.28 245	0.27 258	0.17 20	0.18 32

STTStereo	0.82 193	0.53 280	1.53 279	0.68 252	0.56 257	0.88 195	0.56 201	1.57 170	1.14 167	1.39 251	1.10 119	1.26 236	0.84 170	1.49 165	0.90 219	0.29 264	0.28 291	0.33 286	0.40 331	0.33 261	0.37 273

BEATNet_4x	0.82 193	0.54 283	2.02 311	0.56 122	0.28 40	1.04 233	0.55 195	2.14 295	1.13 161	1.24 185	1.26 177	1.00 169	0.94 213	1.13 110	1.23 270	0.21 120	0.14 58	0.24 167	0.20 128	0.37 276	0.23 122

iResNet_ROB	0.82 193	0.36 188	1.13 207	0.60 169	0.37 144	0.91 201	0.38 68	2.41 338	1.61 324	1.35 238	1.35 212	1.25 230	0.97 227	1.75 200	0.88 214	0.21 120	0.14 58	0.17 13	0.12 9	0.19 59	0.30 229

GrayStereo	0.83 202	0.28 43	0.62 31	0.66 230	0.37 144	0.76 151	1.79 369	1.19 99	0.91 71	1.98 344	1.89 322	1.07 186	1.76 345	1.43 150	0.50 100	0.20 99	0.15 112	0.19 47	0.21 164	0.18 34	0.41 289

psm_up	0.83 202	0.37 204	0.88 139	0.68 252	0.59 269	1.05 236	0.92 298	1.68 190	1.17 180	1.41 259	1.22 165	1.30 246	1.31 303	1.39 140	0.89 216	0.27 241	0.30 303	0.31 266	0.27 258	0.28 223	0.28 204

GwcNet-RSSM	0.83 202	0.34 162	1.29 250	0.65 217	0.55 253	0.78 161	0.62 227	1.89 245	1.27 221	1.18 158	1.39 223	1.56 291	0.91 202	1.60 182	1.22 267	0.26 224	0.20 208	0.23 146	0.24 225	0.21 121	0.21 87

DMCA-RVC	0.83 202	0.46 254	2.19 323	0.68 252	0.49 221	0.84 187	0.48 151	1.44 145	1.07 134	1.56 299	1.04 101	1.29 244	0.86 182	1.49 165	0.92 225	0.27 241	0.22 231	0.35 300	0.28 267	0.32 256	0.28 204

RAFT_R40	0.84 206	0.30 79	0.83 115	0.63 200	0.31 77	0.66 115	0.43 107	1.15 89	0.99 110	1.47 279	1.10 119	1.00 169	0.84 170	5.44 345	0.53 117	0.23 169	0.13 17	0.23 146	0.20 128	0.23 158	0.19 51

UPFNet	0.84 206	0.34 162	1.09 198	0.62 190	0.74 313	1.25 274	0.78 264	1.69 199	1.20 189	1.39 251	1.13 139	1.30 246	0.87 188	1.73 198	1.22 267	0.24 187	0.26 279	0.24 167	0.23 213	0.26 206	0.20 70

hitnet-ft	0.84 206	0.38 221	0.75 77	0.59 162	0.44 197	0.99 227	0.47 147	1.61 181	1.38 265	1.21 175	1.22 165	1.82 321	0.99 233	1.87 217	1.09 252	0.33 283	0.29 299	0.34 294	0.27 258	0.36 271	0.33 252

NLCA_NET_v2_RVC	0.84 206	0.46 254	1.40 263	0.69 262	0.61 278	0.95 219	0.52 173	1.68 190	1.21 195	1.39 251	1.15 149	1.42 265	0.88 195	1.78 204	0.93 228	0.26 224	0.23 253	0.27 233	0.27 258	0.30 243	0.39 282
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-Refined	0.84 206	0.43 245	1.01 180	0.66 230	0.43 190	1.32 279	0.49 159	1.64 185	1.24 205	1.53 292	1.45 239	1.49 279	0.97 227	1.32 130	1.31 277	0.21 120	0.17 161	0.27 233	0.25 233	0.25 196	0.34 259
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DCRE	0.85 211	0.28 43	0.76 79	0.60 169	0.49 221	0.59 79	0.53 179	1.04 45	0.92 76	0.80 55	7.34 397	0.87 120	0.57 77	0.78 47	0.43 57	0.16 7	0.17 161	0.19 47	0.17 70	0.18 34	0.22 108

SST-Stereo	0.85 211	0.30 79	0.81 98	0.63 200	0.31 77	0.70 134	0.25 4	1.16 92	0.95 92	1.47 279	1.11 126	0.99 165	0.86 182	5.69 348	0.53 117	0.23 169	0.13 17	0.23 146	0.19 102	0.23 158	0.19 51

RAFT-345	0.86 213	0.26 19	0.73 67	0.53 89	0.28 40	0.53 51	0.41 87	0.85 14	1.31 242	1.33 227	2.32 348	0.85 118	0.53 61	5.69 348	0.48 88	0.19 65	0.14 58	0.22 120	0.17 70	0.17 20	0.17 23

UNet	0.86 213	0.36 188	1.52 276	0.62 190	0.74 313	1.56 309	0.49 159	1.55 165	1.12 156	1.28 208	1.10 119	1.52 285	1.10 269	1.69 195	1.14 257	0.24 187	0.18 184	0.25 203	0.21 164	0.25 196	0.25 160

ac_64	0.86 213	0.32 118	1.02 182	0.74 292	0.60 273	1.04 233	0.53 179	2.20 314	0.99 110	1.23 181	1.11 126	1.96 333	1.06 261	2.01 238	1.01 245	0.30 269	0.22 231	0.24 167	0.23 213	0.22 140	0.22 108

SepStereo	0.87 216	0.37 204	1.20 232	0.66 230	0.69 302	0.82 174	0.62 227	1.79 217	1.26 217	1.93 339	1.55 266	0.96 156	1.17 280	2.34 266	0.69 175	0.22 149	0.16 139	0.25 203	0.18 84	0.29 233	0.24 141

LMCR-Stereo	0.87 216	0.50 270	0.99 174	0.80 312	0.43 190	1.32 279	0.55 195	2.79 372	1.03 123	1.55 298	1.49 246	0.74 80	1.01 242	1.76 201	0.99 240	0.30 269	0.17 161	0.22 120	0.18 84	0.31 248	0.22 108

FADNet_RVC	0.88 218	0.56 289	2.15 320	0.57 140	0.43 190	1.17 264	0.46 138	1.68 190	1.12 156	0.91 76	1.24 173	0.91 137	0.94 213	2.22 257	1.20 262	0.28 252	0.22 231	0.32 278	0.28 267	0.46 316	0.42 295

iResNetv2_ROB	0.88 218	0.43 245	2.62 339	0.60 169	0.38 154	0.94 213	0.67 239	1.88 243	1.38 265	1.27 203	1.45 239	1.26 236	1.05 260	1.92 225	0.64 161	0.24 187	0.15 112	0.19 47	0.14 22	0.24 187	0.21 87

iRaft-Stereo_5w	0.89 220	0.31 104	1.04 186	0.56 122	0.47 213	0.47 18	0.68 241	1.19 99	1.08 137	0.80 55	1.35 212	1.46 274	0.90 200	5.11 336	1.16 259	0.18 40	0.15 112	0.22 120	0.19 102	0.21 121	0.24 141

DAS	0.89 220	0.37 204	1.20 232	0.66 230	0.69 302	0.82 174	0.62 227	1.79 217	1.26 217	1.93 339	1.55 266	0.96 156	1.17 280	2.72 286	0.69 175	0.22 149	0.16 139	0.25 203	0.18 84	0.29 233	0.24 141

SACVNet	0.89 220	0.51 274	1.08 197	0.83 323	0.58 263	0.83 180	0.78 264	1.84 230	1.17 180	1.39 251	1.33 204	1.25 230	1.01 242	2.31 265	0.92 225	0.35 298	0.26 279	0.31 266	0.29 282	0.35 267	0.48 310

ASMatch	0.89 220	0.29 61	0.72 57	0.56 122	0.36 139	0.47 18	0.37 61	1.16 92	0.95 92	1.11 115	3.26 369	0.95 152	0.96 220	4.88 333	0.53 117	0.20 99	0.16 139	0.22 120	0.19 102	0.20 86	0.30 229

ADLNet	0.89 220	0.39 225	1.09 198	0.88 335	0.73 309	1.24 273	0.75 258	2.02 270	1.41 279	1.58 303	1.37 217	1.26 236	1.00 239	1.31 127	1.18 260	0.28 252	0.21 221	0.26 224	0.26 244	0.29 233	0.36 270

MMNet	0.89 220	0.35 184	1.44 264	0.64 211	0.59 269	1.83 335	0.48 151	1.70 202	1.38 265	1.45 276	1.19 157	1.25 230	1.16 277	1.77 202	1.27 275	0.20 99	0.19 198	0.23 146	0.22 186	0.25 196	0.24 141

HGLStereo	0.89 220	0.42 241	1.15 212	0.82 319	1.03 359	1.16 257	0.57 204	1.68 190	1.28 225	1.26 198	1.62 282	1.13 207	1.31 303	1.85 213	1.11 256	0.25 207	0.24 261	0.24 167	0.22 186	0.24 187	0.29 216

CRFU-Net	0.90 227	0.42 241	1.10 201	0.69 262	0.59 269	1.76 327	0.84 283	2.33 332	0.92 76	1.45 276	1.20 158	1.62 297	1.25 294	1.38 138	0.94 233	0.28 252	0.23 253	0.22 120	0.19 102	0.24 187	0.27 193

dad	0.90 227	0.73 332	1.28 247	0.59 162	0.39 161	0.83 180	0.45 132	1.24 114	1.54 313	1.52 289	1.28 189	1.36 257	0.86 182	2.54 277	0.91 221	0.43 325	0.27 287	0.82 371	0.26 244	0.44 310	0.34 259

AACVNet	0.90 227	0.40 230	0.98 172	0.86 332	0.40 170	0.80 166	0.49 159	1.81 224	0.86 63	1.11 115	1.34 207	1.32 252	0.99 233	4.23 319	0.86 210	0.26 224	0.22 231	0.28 245	0.22 186	0.30 243	0.28 204

IRAFT_RVC	0.90 227	0.30 79	0.89 142	0.67 243	0.31 77	0.64 105	1.00 313	1.40 138	0.97 100	1.23 181	1.04 101	1.00 169	0.96 220	5.77 351	0.57 137	0.24 187	0.13 17	0.25 203	0.21 164	0.20 86	0.21 87

delet	0.90 227	0.34 162	1.15 212	0.69 262	0.66 294	1.63 316	0.81 276	1.95 258	1.49 306	1.42 263	1.38 221	1.29 244	0.91 202	1.78 204	1.18 260	0.22 149	0.22 231	0.24 167	0.25 233	0.22 140	0.24 141

pcwnet_v2	0.91 232	0.39 225	2.74 340	0.64 211	0.55 253	0.81 173	0.49 159	2.19 311	1.63 325	1.44 270	1.64 287	1.09 197	0.79 154	1.31 127	0.70 178	0.32 280	0.25 274	0.29 253	0.27 258	0.37 276	0.37 273

FADNet-RVC-Resample	0.91 232	0.51 274	2.92 343	0.64 211	0.46 207	1.07 241	0.60 223	1.76 211	1.24 205	1.10 114	0.98 81	1.06 183	0.98 230	2.17 254	0.95 235	0.24 187	0.22 231	0.30 262	0.32 302	0.36 271	0.40 286

HSM-Net_RVC	0.91 232	0.31 104	0.60 24	0.54 100	0.31 77	1.15 254	0.60 223	3.76 385	1.30 235	1.57 302	1.75 302	1.67 305	1.01 242	1.61 184	0.90 219	0.23 169	0.17 161	0.19 47	0.18 84	0.20 86	0.22 108
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ssnet_v2	0.92 235	0.39 225	1.22 236	0.66 230	0.39 161	1.31 278	0.96 307	2.32 327	1.45 295	1.48 284	1.17 152	1.53 286	0.91 202	1.16 114	1.71 323	0.31 273	0.27 287	0.30 262	0.29 282	0.28 223	0.29 216

ADLNet2	0.92 235	0.37 204	1.25 243	0.80 312	0.65 291	1.12 247	0.75 258	1.95 258	1.42 287	1.26 198	1.67 291	1.68 307	1.04 255	1.80 211	1.23 270	0.25 207	0.22 231	0.21 93	0.22 186	0.27 208	0.31 238

FTStereo	0.92 235	0.28 43	0.61 28	0.57 140	0.34 122	0.65 109	1.80 372	1.09 62	0.84 58	1.75 322	4.13 379	1.04 179	1.62 330	1.59 177	0.48 88	0.21 120	0.17 161	0.23 146	0.22 186	0.19 59	0.58 337

PFNet	0.92 235	0.28 43	1.20 232	0.68 252	0.32 97	0.62 89	0.55 195	1.27 121	1.01 117	1.47 279	1.09 117	0.97 159	0.68 125	6.58 368	0.59 148	0.21 120	0.13 17	0.24 167	0.19 102	0.20 86	0.20 70

DLCB_ROB	0.92 235	0.43 245	0.95 162	0.71 274	0.55 253	1.11 245	0.83 281	1.61 181	1.32 244	1.67 316	1.66 289	1.70 310	0.93 211	1.96 232	1.34 282	0.26 224	0.25 274	0.27 233	0.28 267	0.28 223	0.28 204

GEStereo_RVC	0.93 240	0.40 230	1.15 212	0.67 243	0.50 225	0.95 219	0.78 264	2.73 367	1.21 195	1.20 169	1.12 129	1.25 230	0.91 202	3.21 300	0.95 235	0.31 273	0.20 208	0.23 146	0.20 128	0.28 223	0.31 238

CBFPSM	0.95 241	0.37 204	2.10 316	0.51 57	0.39 161	1.73 323	0.87 291	1.59 177	1.13 161	1.11 115	1.00 86	2.34 355	1.64 335	1.42 148	1.44 292	0.19 65	0.18 184	0.20 70	0.20 128	0.22 140	0.36 270

OMP-Stereo	0.95 241	0.35 184	0.79 92	0.92 345	0.32 97	0.49 28	0.35 49	1.22 109	1.11 151	1.58 303	1.12 129	1.44 269	0.69 128	6.92 374	0.51 102	0.20 99	0.15 112	0.24 167	0.19 102	0.21 121	0.16 13

DSFCA	0.95 241	0.38 221	1.23 238	0.55 110	0.66 294	1.50 302	0.93 301	1.58 172	1.24 205	1.59 306	1.16 150	1.48 277	0.95 218	2.96 293	1.20 262	0.31 273	0.28 291	0.25 203	0.26 244	0.29 233	0.26 177

PSMNet_ROB	0.95 241	0.57 294	1.45 265	0.75 299	0.64 285	1.28 277	1.12 323	1.84 230	1.15 171	1.16 145	1.29 193	1.44 269	0.89 197	1.74 199	1.70 321	0.33 283	0.25 274	0.37 312	0.39 329	0.36 271	0.32 246

FADNet-RVC	0.96 245	0.72 329	2.96 344	0.64 211	0.49 221	0.90 199	0.59 215	1.85 236	1.27 221	0.92 77	0.97 78	1.36 257	0.90 200	2.36 268	1.31 277	0.30 269	0.29 299	0.32 278	0.32 302	0.42 298	0.37 273

TransformOpticalFlow	0.97 246	0.30 79	0.96 169	0.54 100	0.31 77	0.65 109	0.54 188	1.87 238	1.19 185	1.12 123	1.44 236	1.34 255	0.98 230	6.68 371	0.44 61	0.19 65	0.12 5	0.21 93	0.19 102	0.18 34	0.23 122

IIG-Stereo	0.97 246	0.34 162	0.80 97	0.90 343	0.33 110	0.61 87	0.26 10	1.27 121	1.08 137	1.69 318	1.37 217	1.44 269	0.74 134	6.94 375	0.53 117	0.21 120	0.14 58	0.23 146	0.18 84	0.20 86	0.15 3

XX-Stereo	0.97 246	0.28 43	8.28 383	0.85 329	0.70 308	0.44 15	0.22 2	1.07 50	0.69 25	0.66 39	1.56 271	1.38 262	0.38 14	1.36 134	0.38 28	0.21 120	0.14 58	0.20 70	0.19 102	0.19 59	0.16 13

DEmStereo	0.98 249	0.25 16	0.85 130	0.49 34	0.33 110	1.02 231	0.55 195	0.97 26	0.93 83	1.41 259	2.13 339	1.01 173	2.01 356	5.62 347	0.78 193	0.19 65	0.15 112	0.20 70	0.20 128	0.18 34	0.25 160

FADNet	0.98 249	0.64 310	2.57 335	0.66 230	0.55 253	0.95 219	0.57 204	1.91 249	1.38 265	0.94 81	1.02 90	1.36 257	1.00 239	2.69 284	0.97 239	0.34 290	0.34 323	0.31 266	0.34 316	0.61 349	0.42 295

CFNet	0.99 251	0.40 230	1.23 238	0.65 217	0.43 190	1.03 232	0.49 159	2.01 269	1.35 251	1.02 97	1.39 223	1.10 198	0.86 182	5.47 346	0.89 216	0.24 187	0.18 184	0.28 245	0.27 258	0.27 208	0.22 108

NVstereo2D	0.99 251	0.45 251	2.21 324	0.79 311	0.75 316	1.20 268	0.86 289	1.98 263	1.41 279	1.02 97	1.18 154	1.31 248	0.97 227	2.25 260	0.93 228	0.45 336	0.22 231	0.39 320	0.25 233	0.59 343	0.68 352

CBMV_ROB	0.99 251	0.46 254	0.68 49	0.53 89	0.39 161	1.40 293	0.48 151	2.09 286	1.30 235	1.53 292	2.29 347	1.36 257	1.23 290	2.46 272	1.04 249	0.44 333	0.42 351	0.47 342	0.44 341	0.41 294	0.39 282

fast-acv-ft	1.00 254	0.48 262	1.85 300	0.61 182	0.52 237	1.77 329	0.69 245	1.52 157	1.47 301	1.34 234	1.85 318	1.73 313	1.24 293	1.62 185	1.56 305	0.27 241	0.28 291	0.28 245	0.28 267	0.28 223	0.31 238

HBP-ISP	1.00 254	0.60 296	0.85 130	0.64 211	0.48 215	1.63 316	0.77 261	2.24 318	1.30 235	1.33 227	1.53 262	0.87 120	0.99 233	3.26 303	0.76 190	0.46 337	0.44 353	0.54 353	0.48 350	0.48 321	0.42 295

CSP-Net	1.00 254	0.41 239	0.99 174	0.56 122	0.43 190	1.62 315	0.76 260	2.16 301	1.16 176	1.33 227	1.22 165	1.32 252	0.89 197	4.67 330	0.93 228	0.35 298	0.24 261	0.20 70	0.20 128	0.23 158	0.30 229

ETE_ROB	1.01 257	0.69 323	1.49 269	0.72 279	0.50 225	1.15 254	1.12 323	1.91 249	1.24 205	1.94 341	1.50 253	1.73 313	1.06 261	1.78 204	1.33 281	0.33 283	0.26 279	0.38 316	0.34 316	0.40 290	0.44 302

THIR-Stereo	1.02 258	0.29 61	0.73 67	0.51 57	0.29 51	0.94 213	1.31 344	1.08 55	0.98 103	1.35 238	1.91 326	1.16 212	1.54 326	6.37 366	0.79 197	0.20 99	0.14 58	0.21 93	0.22 186	0.19 59	0.25 160

PS-NSSS	1.02 258	0.62 306	1.17 226	0.61 182	0.58 263	0.91 201	0.79 272	2.02 270	1.19 185	1.17 147	1.68 293	1.00 169	0.85 175	4.43 324	0.86 210	0.38 308	0.31 308	0.52 348	0.32 302	0.52 328	0.45 304

XPNet_ROB	1.02 258	0.56 289	1.33 255	0.75 299	0.58 263	1.11 245	1.13 325	1.77 212	1.29 233	1.88 334	1.43 234	1.63 300	1.13 276	2.04 241	1.69 319	0.40 317	0.31 308	0.33 286	0.29 282	0.37 276	0.37 273

iinet-f	1.04 261	0.50 270	4.24 365	0.58 150	0.43 190	1.78 332	0.70 251	1.29 126	1.16 176	1.25 188	1.42 232	1.57 293	1.42 316	1.47 157	1.70 321	0.26 224	0.23 253	0.20 70	0.20 128	0.26 206	0.26 177

RAFT-RH_RVC	1.04 261	0.26 19	0.76 79	0.53 89	0.29 51	0.80 166	0.32 29	0.85 14	1.12 156	2.04 347	4.63 384	1.03 178	0.57 77	5.93 354	0.52 108	0.20 99	0.13 17	0.26 224	0.20 128	0.16 11	0.19 51

CBMV	1.04 261	0.48 262	0.88 139	0.56 122	0.36 139	1.52 304	1.55 356	1.87 238	1.59 321	2.11 350	1.67 291	1.46 274	1.35 308	1.92 225	1.31 277	0.35 298	0.35 327	0.39 320	0.33 311	0.34 266	0.34 259
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
StereoDRNet	1.05 264	0.53 280	2.21 324	0.80 312	0.93 349	1.50 302	0.90 294	2.06 281	1.44 290	1.68 317	1.20 158	1.48 277	0.99 233	1.86 216	1.60 308	0.29 264	0.24 261	0.29 253	0.28 267	0.35 267	0.33 252

STrans-v2	1.06 265	0.31 104	1.02 182	0.52 69	0.33 110	0.67 120	0.78 264	2.66 365	1.26 217	1.15 141	1.46 241	1.37 261	1.40 314	6.68 371	0.46 76	0.19 65	0.13 17	0.21 93	0.18 84	0.18 34	0.21 87

DISCO	1.06 265	0.37 204	1.19 231	0.73 286	0.46 207	2.04 349	0.84 283	2.26 319	1.54 313	1.25 188	1.36 216	2.38 357	1.08 264	2.60 280	1.62 311	0.24 187	0.19 198	0.22 120	0.20 128	0.32 256	0.29 216

NCCL2	1.06 265	0.64 310	1.35 256	0.78 310	0.58 263	1.32 279	1.69 361	1.89 245	1.38 265	1.52 289	1.20 158	1.91 323	1.17 280	1.79 209	1.50 299	0.35 298	0.31 308	0.45 336	0.44 341	0.41 294	0.45 304

LALA_ROB	1.06 265	0.66 317	1.37 261	0.70 271	0.53 242	1.61 313	1.25 341	1.81 224	1.48 305	1.82 330	1.40 228	1.93 327	1.03 249	1.68 191	1.69 319	0.38 308	0.28 291	0.43 332	0.37 326	0.43 300	0.38 279

RAFT + AFF	1.07 269	0.47 259	1.36 258	0.68 252	0.50 225	1.20 268	1.22 337	2.58 359	1.26 217	1.33 227	1.56 271	1.19 214	1.49 324	3.89 317	1.01 245	0.22 149	0.26 279	0.30 262	0.27 258	0.29 233	0.32 246

DRN-Test	1.07 269	0.49 267	1.95 308	0.75 299	0.81 334	1.61 313	0.78 264	2.26 319	1.53 311	1.84 331	1.35 212	1.42 265	1.04 255	2.26 261	1.61 309	0.28 252	0.23 253	0.31 266	0.30 293	0.33 261	0.33 252

TDLM	1.08 271	0.50 270	1.01 180	0.69 262	0.54 249	0.91 201	1.40 349	1.60 179	1.36 258	1.17 147	1.40 228	1.07 186	1.00 239	6.19 358	0.85 209	0.34 290	0.22 231	0.35 300	0.26 244	0.38 282	0.29 216

Wz-Net-LNSev-Ref	1.09 272	0.46 254	2.61 338	0.71 274	0.65 291	2.00 346	0.78 264	2.07 283	1.47 301	1.62 310	1.47 243	1.53 286	1.29 299	2.10 249	1.65 317	0.24 187	0.14 58	0.20 70	0.16 54	0.28 223	0.28 204

FAT-Stereo	1.10 273	0.43 245	1.46 266	0.74 292	0.60 273	1.13 248	0.92 298	2.06 281	1.71 331	1.75 322	2.00 332	2.02 339	1.47 322	2.02 240	1.26 274	0.44 333	0.36 331	0.34 294	0.29 282	0.36 271	0.57 334

CVANet_RVC	1.10 273	0.49 267	1.15 212	0.65 217	0.54 249	0.93 211	1.00 313	1.69 199	1.36 258	1.42 263	1.39 223	1.24 229	1.17 280	6.22 360	0.80 202	0.35 298	0.24 261	0.35 300	0.30 293	0.44 310	0.32 246

APVNet	1.11 275	0.59 295	1.95 308	0.87 333	0.77 322	1.90 339	0.82 280	2.03 274	1.15 171	1.14 139	1.43 234	1.55 289	1.12 275	3.03 294	1.62 311	0.32 280	0.34 323	0.42 331	0.36 322	0.36 271	0.41 289

GANetREF_RVC	1.11 275	0.90 345	1.56 281	0.88 335	0.53 242	1.41 295	1.35 346	1.91 249	1.54 313	1.28 208	1.32 200	1.46 274	1.23 290	2.04 241	1.00 244	0.57 358	0.45 355	0.67 366	0.52 357	0.91 368	0.62 344
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
GASNet	1.13 277	1.10 361	3.29 353	1.00 359	0.68 299	0.82 174	0.67 239	1.85 236	1.38 265	1.39 251	1.25 175	1.25 230	1.20 289	2.72 286	1.62 311	0.46 337	0.26 279	0.36 310	0.34 316	0.55 337	0.33 252

anonymity	1.14 278	0.98 354	1.24 241	1.09 364	1.13 365	1.08 242	0.90 294	2.02 270	1.23 204	1.32 222	1.27 184	1.27 241	1.09 266	1.16 114	1.03 248	1.02 375	1.01 398	0.97 375	0.97 382	0.98 370	1.01 370

PA-Net	1.14 278	0.63 307	2.12 318	0.67 243	0.75 316	1.19 267	0.91 296	1.91 249	1.46 300	1.18 158	1.23 169	1.33 254	1.17 280	4.31 322	1.41 289	0.29 264	0.46 359	0.33 286	0.50 354	0.33 261	0.57 334
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
edge stereo	1.15 280	0.54 283	1.50 270	0.73 286	0.66 294	1.18 266	0.84 283	2.13 294	1.41 279	1.73 321	1.84 315	2.53 362	1.46 320	2.46 272	1.35 284	0.43 325	0.41 346	0.54 353	0.36 322	0.43 300	0.50 314

RASNet	1.16 281	0.34 162	1.11 203	0.73 286	0.86 342	1.00 228	0.60 223	1.56 167	1.43 288	1.07 110	1.37 217	2.08 346	1.44 319	7.00 376	1.56 305	0.20 99	0.17 161	0.17 13	0.19 102	0.19 59	0.19 51

DANet	1.16 281	0.64 310	1.52 276	0.88 335	0.74 313	1.52 304	0.52 173	1.68 190	1.21 195	1.81 328	1.55 266	2.02 339	1.11 271	3.30 305	2.28 341	0.34 290	0.31 308	0.40 326	0.30 293	0.46 316	0.54 324
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
Wz-Net-LNSev	1.17 283	0.72 329	4.71 369	0.66 230	0.84 340	1.72 320	1.13 325	1.97 262	1.43 288	1.34 234	1.32 200	1.66 303	1.30 302	1.44 152	1.51 301	0.29 264	0.26 279	0.24 167	0.23 213	0.33 261	0.35 267

S-Stereo	1.17 283	0.48 262	2.25 327	0.83 323	0.81 334	1.22 270	1.17 332	2.12 290	2.08 355	1.47 279	2.13 339	1.55 289	1.16 277	2.09 248	1.46 295	0.42 324	0.40 345	0.35 300	0.32 302	0.45 312	0.73 356

MaskLacGwcNet_RVC	1.17 283	1.06 357	1.28 247	0.88 335	0.69 302	1.92 341	0.92 298	1.71 203	1.14 167	1.17 147	1.26 177	1.49 279	0.80 160	2.04 241	0.86 210	2.02 385	0.34 323	0.79 370	0.36 322	1.38 380	1.33 381

RP	1.17 283	0.54 283	1.48 268	0.93 350	1.05 360	1.14 251	0.85 288	1.99 267	1.70 329	1.72 320	2.07 336	1.91 323	1.93 354	2.00 237	1.37 286	0.55 356	0.37 335	0.48 343	0.37 326	0.46 316	0.46 309

ccnet	1.19 287	0.71 326	1.36 258	0.81 315	0.75 316	1.72 320	1.13 325	1.98 263	1.31 242	1.52 289	1.84 315	1.75 318	1.36 309	2.01 238	2.04 334	0.57 358	0.54 370	0.57 361	0.56 362	0.60 346	0.60 342

Nwc_Net	1.19 287	0.53 280	2.34 329	0.92 345	0.81 334	1.49 301	0.70 251	2.28 325	1.32 244	1.41 259	2.27 345	2.03 342	1.76 345	2.05 245	1.46 295	0.43 325	0.30 303	0.43 332	0.46 346	0.39 286	0.40 286

NCC-stereo	1.20 289	0.60 296	1.84 298	0.88 335	0.95 353	1.32 279	0.94 303	2.14 295	1.36 258	1.43 267	1.79 307	1.93 327	2.13 366	2.54 277	1.41 289	0.49 345	0.38 338	0.45 336	0.59 366	0.43 300	0.45 304

Abc-Net	1.20 289	0.60 296	1.84 298	0.88 335	0.95 353	1.32 279	0.94 303	2.14 295	1.36 258	1.43 267	1.79 307	1.93 327	2.13 366	2.54 277	1.41 289	0.49 345	0.38 338	0.45 336	0.59 366	0.43 300	0.45 304
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
Wz-Net-MNSev	1.21 291	0.66 317	3.44 355	0.69 262	0.73 309	1.93 342	1.44 351	2.16 301	1.59 321	1.85 333	1.49 246	1.50 281	1.34 307	2.05 245	1.54 304	0.27 241	0.24 261	0.28 245	0.28 267	0.35 267	0.32 246

RGC	1.22 292	0.82 340	1.71 289	0.95 355	0.98 358	1.53 306	0.80 275	2.18 309	1.35 251	1.69 318	1.94 328	2.03 342	1.66 336	2.36 268	1.50 299	0.46 337	0.36 331	0.59 364	0.48 350	0.49 324	0.49 311

stereogan	1.22 292	0.45 251	2.03 313	0.87 333	0.85 341	2.52 363	0.72 253	1.98 263	1.78 338	1.92 337	1.94 328	2.31 354	1.42 316	2.10 249	1.14 257	0.38 308	0.36 331	0.39 320	0.32 302	0.52 328	0.49 311

AANet_RVC	1.22 292	0.60 296	1.94 304	0.69 262	0.46 207	0.75 146	0.69 245	1.51 155	1.57 319	1.36 243	1.90 324	1.51 283	0.87 188	7.23 378	1.89 330	0.26 224	0.19 198	0.19 47	0.16 54	0.23 158	0.37 273

HSM	1.22 292	0.34 162	0.81 98	0.61 182	0.39 161	1.22 270	0.63 232	2.45 342	1.25 211	1.32 222	1.26 177	1.91 323	1.08 264	9.21 396	0.75 187	0.23 169	0.17 161	0.20 70	0.16 54	0.22 140	0.24 141

Syn2CoEx	1.23 296	0.80 336	3.07 347	0.83 323	0.68 299	1.39 291	0.87 291	2.23 316	1.57 319	1.28 208	1.58 276	1.42 265	1.57 328	3.79 315	1.48 298	0.36 305	0.32 318	0.34 294	0.30 293	0.30 243	0.41 289

AF-Net	1.23 296	0.56 289	2.31 328	0.88 335	0.93 349	1.41 295	0.73 256	2.27 323	1.71 331	1.76 326	2.42 353	2.00 336	1.70 339	1.98 233	1.62 311	0.50 349	0.29 299	0.49 345	0.33 311	0.40 290	0.34 259

NaN_ROB	1.23 296	0.63 307	1.76 291	0.67 243	0.50 225	1.59 312	2.00 376	1.87 238	1.52 309	2.14 352	1.26 177	1.40 264	1.09 266	4.60 328	1.75 324	0.28 252	0.34 323	0.28 245	0.29 282	0.30 243	0.37 273

DGSMNet	1.24 299	0.84 342	3.20 349	0.91 344	0.92 346	1.39 291	1.34 345	2.46 346	1.44 290	1.34 234	1.66 289	1.50 281	1.03 249	1.85 213	1.30 276	0.48 343	0.48 362	0.55 357	0.51 356	0.78 363	0.79 362

RYNet	1.24 299	0.52 278	1.57 283	0.73 286	0.97 356	1.74 325	0.95 306	2.09 286	1.54 313	1.44 270	1.18 154	1.94 331	1.29 299	4.57 327	1.93 331	0.27 241	0.23 253	0.35 300	0.27 258	0.57 340	0.59 339

ttt	1.26 301	0.36 188	0.79 92	0.65 217	0.42 187	0.94 213	0.57 204	2.33 332	1.38 265	1.25 188	1.65 288	0.92 142	0.78 149	2.64 281	8.73 388	0.30 269	0.28 291	0.26 224	0.25 233	0.29 233	0.32 246

aanetorigin	1.26 301	0.85 343	3.00 345	0.72 279	0.80 330	1.08 242	1.05 317	1.12 72	1.39 274	3.53 385	2.60 358	1.72 311	1.73 343	1.98 233	1.77 327	0.26 224	0.24 261	0.26 224	0.25 233	0.38 282	0.51 319

GwcNet	1.26 301	0.63 307	5.13 371	0.81 315	1.15 369	1.73 323	0.69 245	1.84 230	1.53 311	1.51 287	1.71 298	1.72 311	1.09 266	2.20 256	1.61 309	0.31 273	0.30 303	0.29 253	0.27 258	0.30 243	0.41 289

Consistency-Raft	1.27 304	1.01 356	2.17 321	1.04 361	1.20 373	0.96 224	1.00 313	1.84 230	1.95 349	1.38 249	2.11 338	1.44 269	1.03 249	1.18 118	1.40 288	0.73 369	0.83 384	0.89 373	0.99 385	1.33 378	0.95 369

NOSS_ROB	1.29 305	0.49 267	0.68 49	0.60 169	0.40 170	1.09 244	0.77 261	1.94 255	1.44 290	1.04 103	1.46 241	1.10 198	0.81 164	10.57 409	0.78 193	0.46 337	0.43 352	0.48 343	0.45 344	0.45 312	0.43 299

SGM-Forest	1.29 305	0.40 230	0.74 72	0.54 100	0.37 144	1.55 307	1.26 342	1.82 227	1.39 274	2.22 353	1.81 313	1.64 301	1.02 247	7.65 383	1.20 262	0.39 315	0.37 335	0.39 320	0.34 316	0.37 276	0.34 259
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Anonymous_2	1.37 307	0.56 289	0.94 159	0.57 140	0.62 282	1.04 233	0.65 235	1.82 227	1.01 117	1.00 90	0.79 43	1.42 265	1.27 297	1.06 95	0.83 206	0.62 361	0.67 380	1.05 379	9.88 416	1.09 375	0.55 329

SQANet	1.38 308	0.95 352	1.37 261	1.89 384	1.47 381	1.44 299	0.81 276	1.89 245	1.13 161	1.34 234	1.26 177	1.28 242	1.02 247	1.64 186	0.91 221	2.55 390	0.35 327	1.47 382	0.56 362	2.48 385	1.74 385

PWC_ROB	1.39 309	0.93 351	4.07 363	0.77 307	0.83 337	1.16 257	0.53 179	1.87 238	2.01 352	2.36 357	3.06 367	1.65 302	1.60 329	2.65 283	2.29 343	0.34 290	0.23 253	0.36 310	0.25 233	0.39 286	0.49 311

PWCDC_ROB	1.39 309	0.91 349	2.10 316	1.08 363	0.92 346	1.72 320	0.58 211	2.03 274	3.30 383	1.32 222	4.87 387	1.21 217	1.71 341	1.98 233	1.75 324	0.65 364	0.26 279	0.29 253	0.25 233	0.56 338	0.41 289

GANet	1.41 311	0.52 278	1.18 230	0.74 292	0.48 215	1.40 293	1.69 361	1.87 238	1.28 225	1.56 299	2.39 351	1.56 291	1.25 294	9.13 394	1.20 262	0.31 273	0.32 318	0.34 294	0.29 282	0.40 290	0.33 252

PDISCO_ROB	1.41 311	0.73 332	2.04 314	1.40 375	1.46 380	2.83 372	1.07 319	2.64 361	2.11 357	1.41 259	1.50 253	1.73 313	0.99 233	2.83 291	1.46 295	1.03 376	0.27 287	0.54 353	0.47 348	0.77 362	0.84 366

LL-Strereo	1.42 313	0.44 250	2.02 311	0.62 190	1.07 361	0.73 142	0.65 235	2.02 270	1.21 195	1.60 307	1.62 282	2.02 339	2.10 362	9.67 400	1.07 251	0.22 149	0.20 208	0.27 233	0.24 225	0.23 158	0.33 252

SHD	1.42 313	0.81 339	2.79 342	0.98 357	0.92 346	1.97 343	0.68 241	2.43 340	2.55 366	2.54 365	1.72 299	2.01 338	1.62 330	2.14 252	2.70 350	0.40 317	0.33 321	0.39 320	0.40 331	0.48 321	0.54 324

Anonymous Stereo	1.42 313	0.90 345	3.93 361	0.81 315	0.83 337	1.06 239	1.90 375	1.81 224	1.52 309	1.75 322	1.44 236	1.28 242	0.87 188	5.94 355	1.94 332	0.38 308	0.39 343	0.38 316	0.41 335	0.45 312	0.50 314

RTSC	1.43 316	0.89 344	3.62 358	0.94 353	0.64 285	1.85 336	0.69 245	2.20 314	2.04 354	2.22 353	1.70 296	1.67 305	1.27 297	2.53 276	4.48 369	0.33 283	0.25 274	0.27 233	0.29 282	0.38 282	0.40 286

DualNet	1.46 317	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	1.08 55	2.62 369	1.19 163	1.49 246	1.07 186	0.85 175	1.57 171	13.82 400	0.21 120	0.13 17	0.31 266	0.28 267	0.20 86	0.23 122

UDG	1.47 318	2.69 404	1.13 207	1.45 379	1.65 383	1.34 285	0.79 272	1.75 210	1.27 221	1.29 212	1.74 301	1.99 335	1.39 313	1.66 188	1.51 301	0.91 372	0.55 372	2.30 389	0.76 373	1.99 381	1.20 378

MFMNet_re	1.47 318	1.20 367	2.50 333	1.46 380	1.08 362	1.58 311	1.51 352	1.96 261	1.87 344	2.31 356	2.20 342	1.51 283	1.88 352	1.57 171	1.34 282	0.94 373	0.83 384	0.84 372	0.80 376	1.00 371	1.06 373

PASM	1.48 320	1.08 358	3.96 362	0.93 350	0.93 349	1.17 264	1.19 334	1.77 212	1.65 326	1.90 335	1.52 261	1.75 318	1.42 316	4.54 326	1.52 303	0.64 363	0.68 382	0.69 368	0.79 375	0.70 358	0.74 357

ADCRef	1.50 321	0.61 301	3.83 360	0.76 305	0.77 322	1.91 340	0.77 261	2.16 301	1.34 248	1.63 312	1.59 280	1.35 256	1.40 314	1.79 209	8.32 387	0.25 207	0.21 221	0.32 278	0.31 297	0.31 248	0.32 246

XQC	1.51 322	0.98 354	3.20 349	0.92 345	0.76 321	2.01 347	1.17 332	2.53 356	1.99 351	2.01 346	1.54 263	2.00 336	1.54 326	3.16 298	3.46 360	0.49 345	0.31 308	0.45 336	0.40 331	0.71 360	0.62 344

CC-Net-ROB	1.53 323	1.31 374	1.68 288	0.92 345	0.80 330	1.75 326	0.99 311	2.04 276	1.27 221	1.12 123	1.62 282	1.20 216	0.98 230	7.82 384	0.92 225	1.15 383	0.41 346	2.20 387	0.46 346	1.37 379	0.56 331

FINET	1.54 324	0.67 320	7.28 379	0.76 305	0.97 356	1.42 298	1.38 348	2.80 374	3.12 380	1.23 181	1.68 293	1.04 179	1.11 271	3.35 306	1.78 328	0.43 325	0.37 335	0.32 278	0.29 282	0.43 300	0.41 289

test_xeample	1.55 325	0.31 104	0.94 159	0.54 100	0.31 77	0.94 213	0.58 211	2.40 337	1.40 276	1.29 212	1.55 266	0.89 132	0.88 195	1.72 197	15.94 407	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

DDUNet	1.56 326	2.70 405	1.35 256	1.79 382	1.88 385	1.82 334	0.91 296	1.84 230	1.20 189	1.40 257	1.79 307	1.62 297	1.17 280	1.59 177	1.22 267	1.11 380	0.76 383	2.38 392	0.94 380	2.12 382	1.53 383

CrosDoStereo	1.56 326	0.26 19	0.78 88	0.51 57	0.29 51	0.66 115	11.86 407	1.18 95	1.00 114	1.35 238	1.76 303	0.99 165	1.83 349	6.64 369	0.83 206	0.19 65	0.15 112	0.20 70	0.22 186	0.18 34	0.25 160

DeepStereo_LL	1.56 326	0.26 19	0.78 88	0.51 57	0.29 51	0.66 115	11.86 407	1.18 95	1.00 114	1.35 238	1.76 303	0.99 165	1.83 349	6.64 369	0.83 206	0.19 65	0.15 112	0.20 70	0.22 186	0.18 34	0.25 160

xxxx	1.61 329	0.32 118	0.98 172	0.58 150	0.31 77	1.15 254	0.43 107	2.43 340	1.41 279	1.17 147	1.40 228	1.21 217	0.86 182	1.94 227	16.68 409	0.24 187	0.24 261	0.21 93	0.20 128	0.23 158	0.27 193

CSAN	1.61 329	0.67 320	3.24 352	0.74 292	0.52 237	1.77 329	1.74 366	1.98 263	1.94 348	2.47 364	2.33 349	1.93 327	2.04 359	6.45 367	1.95 333	0.43 325	0.36 331	0.41 330	0.42 336	0.43 300	0.44 302

MFN_U_SF_RVC	1.62 331	0.96 353	4.36 367	0.92 345	0.69 302	2.62 367	1.10 321	2.50 352	1.74 334	1.99 345	1.86 320	2.45 360	1.78 347	3.08 296	2.84 352	0.54 353	0.50 367	0.56 359	0.60 368	0.60 346	0.67 349

SDNR	1.66 332	0.55 286	2.36 330	0.56 122	0.58 263	3.79 389	0.45 132	1.78 214	1.40 276	1.38 249	2.45 355	1.13 207	0.96 220	11.03 410	1.31 277	0.67 366	0.64 378	0.43 332	0.32 302	0.71 360	0.76 360

otaku	1.67 333	1.18 365	1.56 281	2.27 386	1.59 382	1.98 344	1.23 339	2.23 316	1.37 263	1.48 284	1.63 286	1.73 313	1.23 290	1.85 213	1.09 252	2.96 393	0.58 376	1.74 383	0.61 369	2.94 391	2.15 389

222	1.67 333	0.31 104	0.93 153	0.59 162	0.31 77	1.05 236	0.43 107	2.39 335	1.47 301	1.37 244	1.55 266	0.94 149	0.94 213	1.98 233	17.76 410	0.24 187	0.22 231	0.21 93	0.20 128	0.22 140	0.26 177

Wz-Net-SNSev	1.68 335	1.45 376	8.71 387	0.71 274	0.67 298	1.35 286	1.51 352	2.15 299	1.47 301	1.51 287	1.68 293	2.27 350	1.38 311	4.23 319	2.36 345	0.32 280	0.29 299	0.31 266	0.33 311	0.43 300	0.39 282

DeepPrunerF	1.68 335	0.82 340	6.82 377	0.94 353	1.20 373	0.91 201	0.97 308	2.50 352	5.19 398	1.22 180	1.30 194	1.18 213	1.29 299	4.96 335	1.75 324	0.43 325	0.35 327	0.52 348	0.48 350	0.43 300	0.42 295

psmorigin	1.69 337	0.74 334	13.13 398	0.70 271	0.60 273	1.16 257	0.79 272	1.69 199	1.25 211	2.07 349	1.77 305	2.23 347	1.51 325	2.14 252	1.45 293	0.39 315	0.41 346	0.34 294	0.33 311	0.45 312	0.63 346

G-Net	1.71 338	0.67 320	2.09 315	1.14 369	0.75 316	2.96 376	0.89 293	1.58 172	1.30 235	2.76 370	8.12 403	2.29 352	2.51 375	1.94 227	2.23 340	0.49 345	0.45 355	0.45 336	0.31 297	0.62 350	0.59 339

Ntro	1.72 339	1.21 368	1.62 285	2.54 391	1.86 384	2.09 352	1.14 328	2.08 284	1.38 265	1.23 181	1.62 282	1.62 297	1.33 306	2.04 241	1.21 266	3.09 394	0.56 373	1.82 385	0.65 370	2.97 394	2.25 391

FBW_ROB	1.78 340	0.66 317	1.90 303	0.72 279	0.66 294	1.79 333	1.07 319	2.79 372	1.77 335	1.84 331	1.79 307	1.98 334	1.37 310	12.42 412	2.22 339	0.36 305	0.38 338	0.57 361	0.39 329	0.46 316	0.51 319

SPS-STEREO	1.78 340	1.09 360	1.52 276	1.22 372	1.14 367	1.87 338	1.11 322	2.27 323	1.70 329	3.17 383	2.39 351	2.84 370	1.93 354	4.41 323	2.93 353	1.04 378	0.99 397	0.97 375	0.94 380	1.03 373	1.05 372
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFN_U_SF_DS_RVC	1.80 342	1.11 362	4.33 366	0.84 327	0.77 322	3.70 384	2.41 395	2.04 276	1.85 343	1.75 322	1.90 324	1.92 326	1.25 294	7.33 379	1.45 293	0.47 341	0.47 360	0.53 352	0.77 374	0.50 325	0.55 329

SAMSARA	1.80 342	0.90 345	3.37 354	1.28 374	1.13 365	3.71 385	2.33 390	2.53 356	1.93 347	3.17 383	1.73 300	2.99 371	1.68 338	3.53 309	2.46 347	0.47 341	0.54 370	0.43 332	0.47 348	0.59 343	0.64 347

PVD	1.82 344	0.91 349	3.02 346	1.03 360	0.94 352	2.61 366	1.14 328	2.78 371	3.40 385	3.08 381	2.75 360	2.39 359	2.49 374	2.81 289	3.66 362	0.48 343	0.49 366	0.59 364	0.49 353	0.60 346	0.81 364

ADCL	1.82 344	0.70 324	4.57 368	0.70 271	0.63 284	2.56 364	1.77 368	2.08 284	1.77 335	1.95 343	1.89 322	2.04 344	1.88 352	2.36 268	9.55 392	0.27 241	0.25 274	0.35 300	0.32 302	0.39 286	0.39 282

AAGNet	1.84 346	0.30 79	0.79 92	0.66 230	0.32 97	0.65 109	0.50 164	1.02 37	1.01 117	1.47 279	1.21 163	0.99 165	1.16 277	2.76 288	22.69 416	0.24 187	0.13 17	0.22 120	0.20 128	0.24 187	0.16 13

ff1	1.88 347	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	1.08 55	2.62 369	1.19 163	1.49 246	1.07 186	0.85 175	9.88 404	13.82 400	0.21 120	0.13 17	0.31 266	0.28 267	0.20 86	0.23 122

MDST_ROB	1.88 347	0.40 230	1.71 289	0.93 350	0.60 273	4.27 395	1.23 339	3.99 388	1.44 290	4.61 395	2.63 359	1.44 269	1.03 249	9.78 401	1.62 311	0.33 283	0.26 279	0.37 312	0.33 311	0.31 248	0.34 259

SGM_RVC	1.88 347	0.40 230	0.90 147	0.63 200	0.30 63	2.81 371	1.26 342	2.73 367	1.81 341	4.09 387	2.85 363	3.88 381	3.19 382	8.42 390	2.44 346	0.33 283	0.31 308	0.30 262	0.28 267	0.31 248	0.31 238
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
mmx	1.89 350	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	2.32 327	1.41 279	1.19 163	1.49 246	1.07 186	0.85 175	9.88 404	13.82 400	0.25 207	0.21 221	0.31 266	0.28 267	0.32 256	0.29 216

xxx	1.89 350	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	2.32 327	1.41 279	1.19 163	1.49 246	1.07 186	0.85 175	9.88 404	13.82 400	0.25 207	0.21 221	0.31 266	0.28 267	0.32 256	0.29 216

DPSNet	1.91 352	0.64 310	5.95 373	0.73 286	0.59 269	2.04 349	1.61 360	3.84 386	1.96 350	1.54 295	1.39 223	2.27 350	3.32 385	4.95 334	4.79 370	0.50 349	0.31 308	0.29 253	0.26 244	0.67 355	0.54 324

1111x	1.96 353	0.32 118	1.54 280	0.54 100	0.30 63	1.00 228	0.69 245	2.47 347	1.33 246	1.21 175	1.44 236	1.21 217	1.11 271	8.49 391	16.14 408	0.22 149	0.23 253	0.22 120	0.23 213	0.25 196	0.26 177

ADCPNet	1.97 354	0.78 335	9.38 389	0.74 292	0.61 278	2.73 369	1.36 347	2.11 289	1.66 327	1.92 337	1.70 296	2.45 360	2.07 360	2.50 274	6.84 382	0.38 308	0.38 338	0.38 316	0.43 339	0.47 320	0.50 314

WCMA_ROB	2.05 355	0.55 286	1.77 292	0.74 292	0.61 278	2.24 355	1.56 357	2.17 308	1.79 339	4.16 391	6.36 393	5.66 392	4.66 396	3.19 299	2.77 351	0.55 356	0.45 355	0.40 326	0.43 339	0.48 321	0.50 314

RainbowNet	2.06 356	1.86 387	1.97 310	2.86 394	2.25 390	2.03 348	1.79 369	2.77 369	1.92 346	1.54 295	1.84 315	1.95 332	1.73 343	2.23 258	1.38 287	3.40 400	0.86 389	2.39 394	1.00 386	2.94 391	2.42 393

MSMD_ROB	2.08 357	0.61 301	1.15 212	0.71 274	0.62 282	4.00 391	0.93 301	1.94 255	1.79 339	4.71 397	4.60 383	8.14 401	3.87 392	3.75 314	1.65 317	0.54 353	0.48 362	0.55 357	0.58 364	0.53 333	0.52 321

Wz-Net-TNSev	2.10 358	2.71 406	9.30 388	0.72 279	0.65 291	2.41 362	1.81 373	2.45 342	1.77 335	1.62 310	1.56 271	2.56 363	2.01 356	5.30 338	4.46 368	0.41 320	0.38 338	0.33 286	0.37 326	0.54 335	0.64 347

ADCMid	2.11 359	0.90 345	8.39 385	0.75 299	0.69 302	1.98 344	1.14 328	2.18 309	1.67 328	2.85 372	1.85 318	2.35 356	2.02 358	2.35 267	10.58 395	0.34 290	0.32 318	0.39 320	0.44 341	0.51 327	0.53 323

ADCP+	2.12 360	0.56 289	10.01 390	0.68 252	0.91 345	2.25 356	1.04 316	1.92 253	1.50 308	1.58 303	1.34 207	1.73 313	1.62 330	2.27 262	13.20 397	0.25 207	0.22 231	0.32 278	0.29 282	0.38 282	0.34 259

WZ-Net	2.14 361	1.08 358	11.68 397	0.89 342	0.78 326	1.76 327	1.59 359	2.39 335	2.03 353	2.11 350	1.95 330	2.30 353	2.28 369	5.94 355	3.86 365	0.35 298	0.27 287	0.29 253	0.32 302	0.52 328	0.50 314

AnyNet_C32	2.14 361	1.45 376	7.38 380	0.95 355	1.12 363	2.23 354	2.34 391	2.10 288	1.54 313	2.44 360	1.79 307	2.04 344	1.66 336	2.69 284	10.48 394	0.38 308	0.35 327	0.35 300	0.42 336	0.50 325	0.60 342

NVStereoNet_ROB	2.17 363	1.18 365	3.51 356	1.14 369	1.26 376	1.57 310	1.51 352	2.19 311	2.11 357	2.04 347	4.80 385	3.17 376	2.11 364	7.97 386	2.10 335	1.12 381	0.94 394	1.10 380	1.34 392	0.95 369	1.31 379
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MSC_U_SF_DS_RVC	2.22 364	1.29 373	4.14 364	1.10 365	0.78 326	5.00 398	2.38 394	2.47 347	2.67 374	1.94 341	2.28 346	2.66 367	1.70 339	9.10 393	2.29 343	0.68 368	0.52 368	0.68 367	0.71 372	1.17 376	0.81 364

SANet	2.26 365	0.70 324	6.94 378	0.69 262	0.46 207	2.76 370	1.76 367	2.61 360	5.84 400	2.45 361	3.52 373	3.71 378	3.38 387	5.90 352	2.14 337	0.34 290	0.31 308	0.32 278	0.29 282	0.54 335	0.43 299

ADCS	2.35 366	1.26 370	6.54 376	0.85 329	0.77 322	2.18 353	1.79 369	2.47 347	2.20 359	2.80 371	2.14 341	2.38 357	2.09 361	2.81 289	13.83 404	0.43 325	0.41 346	0.40 326	0.45 344	0.59 343	0.67 349

MeshStereo	2.36 367	0.60 296	1.05 188	0.63 200	0.51 234	2.58 365	0.99 311	3.46 382	2.21 360	7.38 407	5.06 389	7.50 397	3.10 381	7.02 377	2.54 348	0.44 333	0.44 353	0.45 336	0.40 331	0.43 300	0.45 304
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
AnyNet_C01	2.38 368	2.21 396	10.17 391	0.99 358	0.79 328	3.12 377	2.37 392	2.69 366	1.89 345	2.58 367	2.44 354	2.70 368	1.86 351	3.65 310	7.12 383	0.41 320	0.41 346	0.40 326	0.42 336	0.68 356	0.79 362

DispFullNet	2.39 369	2.89 407	3.74 359	3.09 399	2.27 392	2.04 349	0.84 283	2.19 311	1.73 333	2.54 365	1.98 331	2.23 347	5.83 399	3.44 308	1.84 329	1.03 376	0.33 321	2.65 400	1.97 404	2.87 390	2.34 392

EDNetEfficient	2.40 370	1.14 363	8.59 386	0.77 307	0.73 309	1.06 239	1.53 355	1.54 163	4.06 391	4.87 398	2.81 361	2.23 347	3.53 388	3.04 295	9.65 393	0.27 241	0.24 261	0.27 233	0.31 297	0.70 358	0.67 349

FCDSN-DC	2.47 371	0.65 316	1.00 179	0.85 329	0.75 316	2.26 357	0.97 308	2.31 326	1.83 342	5.52 403	7.65 400	7.72 400	7.70 405	4.43 324	2.64 349	0.52 351	0.48 362	0.52 348	0.52 357	0.57 340	0.59 339
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SuperB	2.50 372	0.72 329	18.07 408	0.72 279	0.53 242	1.85 336	0.86 289	1.80 221	2.40 363	1.54 295	1.42 232	1.13 207	1.17 280	4.18 318	4.80 372	0.25 207	0.20 208	0.23 146	0.19 102	7.64 415	0.38 279

ELAS	2.67 373	0.80 336	2.13 319	1.13 366	1.15 369	6.25 402	2.56 396	3.50 383	3.68 388	5.36 401	4.92 388	3.79 379	5.56 398	3.65 310	5.22 374	0.66 365	0.57 374	0.56 359	0.54 360	0.65 353	0.75 359
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RTS	2.76 374	1.55 382	15.40 400	1.13 366	1.42 378	3.75 387	2.21 385	2.45 342	2.72 375	2.91 375	2.85 363	2.58 364	1.62 330	6.28 362	5.80 377	0.41 320	0.30 303	0.35 300	0.35 320	0.52 328	0.54 324

RTSA	2.76 374	1.55 382	15.40 400	1.13 366	1.42 378	3.75 387	2.21 385	2.45 342	2.72 375	2.91 375	2.85 363	2.58 364	1.62 330	6.28 362	5.80 377	0.41 320	0.30 303	0.35 300	0.35 320	0.52 328	0.54 324

WAO-7	2.78 376	1.54 381	2.18 322	1.41 378	1.19 372	3.92 390	2.01 379	4.19 390	3.89 390	2.98 377	5.47 390	4.18 382	3.28 384	8.24 389	4.27 366	1.13 382	1.01 398	1.18 381	1.13 391	1.19 377	1.13 377

MADNet+	2.80 377	3.38 409	11.57 396	1.50 381	1.21 375	3.18 379	2.00 376	3.52 384	2.61 368	1.81 328	2.09 337	2.83 369	2.18 368	7.55 382	5.44 376	0.84 370	0.83 384	0.71 369	0.66 371	1.05 374	1.08 374

IMH-64-1	2.82 378	1.87 388	1.77 292	3.31 401	2.69 398	3.22 380	2.07 380	4.25 391	2.77 377	2.46 362	3.78 376	3.05 372	2.34 371	4.67 330	3.00 355	3.84 404	0.84 387	2.75 401	1.39 393	3.34 399	2.93 401

IMH-64	2.82 378	1.87 388	1.77 292	3.31 401	2.69 398	3.22 380	2.07 380	4.25 391	2.77 377	2.46 362	3.78 376	3.05 372	2.34 371	4.67 330	3.00 355	3.84 404	0.84 387	2.75 401	1.39 393	3.34 399	2.93 401

pmcnn	2.84 380	0.46 254	5.19 372	0.68 252	0.42 187	1.55 307	1.16 331	2.32 327	1.60 323	2.72 368	7.49 398	17.96 412	1.48 323	6.04 357	6.64 381	0.18 40	0.15 112	0.15 3	0.12 9	0.20 86	0.20 70

ACVNet_2	2.86 381	1.47 378	8.28 383	2.68 392	2.26 391	2.70 368	1.84 374	3.41 380	3.04 379	2.27 355	3.42 372	4.58 384	2.10 362	5.91 353	1.62 311	2.58 391	0.67 380	2.22 388	0.85 378	2.79 388	2.47 394

ELAS_RVC	2.87 382	0.80 336	3.22 351	1.16 371	1.12 363	2.92 375	5.33 404	2.98 376	4.18 392	5.04 399	4.82 386	4.71 386	8.23 406	4.25 321	4.79 370	0.67 366	0.57 374	0.57 361	0.53 359	0.66 354	0.74 357
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
FC-DCNN	2.88 383	0.61 301	1.15 212	0.75 299	0.57 261	2.85 374	1.05 317	3.44 381	2.64 373	6.93 404	7.63 399	9.86 406	7.02 404	5.76 350	4.31 367	0.54 353	0.48 362	0.51 347	0.50 354	0.53 333	0.52 321

WAO-6	2.98 384	1.67 385	1.88 302	2.38 390	2.30 393	3.53 383	2.37 392	4.38 393	4.64 396	2.42 358	4.50 380	4.85 387	2.99 380	5.22 337	5.37 375	1.77 384	1.16 404	2.31 390	1.47 398	2.42 384	1.99 388

ACVNet-4b	3.05 385	1.42 375	18.09 409	2.85 393	2.33 394	2.32 361	1.22 337	2.47 347	2.21 360	1.26 198	2.36 350	2.64 366	1.46 320	6.32 364	1.23 270	3.29 397	0.45 355	2.37 391	1.02 388	3.03 395	2.61 396

ACVNet_1	3.08 386	1.48 379	17.70 405	2.90 396	2.35 395	2.30 358	1.43 350	3.16 378	2.26 362	1.91 336	2.05 335	3.51 377	2.32 370	3.71 313	1.58 307	3.25 396	0.66 379	2.40 395	1.06 389	3.07 396	2.59 395

PWCK	3.24 387	2.37 397	10.86 393	2.14 385	1.14 367	3.71 385	4.19 403	3.02 377	3.55 387	3.05 380	3.63 374	3.09 375	2.35 373	8.16 388	3.41 359	2.17 388	0.96 395	1.77 384	1.01 387	2.84 389	1.40 382

IMH	3.35 388	1.95 390	1.86 301	3.30 400	2.72 400	4.03 393	2.00 376	4.58 395	3.83 389	2.87 373	6.99 396	4.69 385	3.21 383	6.77 373	2.97 354	3.91 407	0.89 391	2.78 403	1.40 397	3.36 401	2.93 401

LVE	3.40 389	1.80 386	2.21 324	2.90 396	2.44 396	3.27 382	2.25 387	4.80 396	5.06 397	2.43 359	6.79 394	5.99 393	2.64 378	9.20 395	2.28 341	3.30 398	1.11 403	2.38 392	1.48 399	2.95 393	2.62 397

Dean	3.77 390	1.65 384	17.87 406	3.01 398	2.54 397	3.15 378	2.10 383	4.80 396	4.42 393	2.89 374	6.03 391	5.45 391	2.55 377	3.40 307	2.13 336	3.22 395	0.89 391	2.51 398	1.07 390	3.07 396	2.65 399

JetBlue	4.18 391	2.45 401	10.42 392	1.40 375	2.89 402	10.68 408	10.68 406	3.91 387	2.52 364	2.74 369	3.39 371	4.50 383	4.27 394	7.97 386	7.67 386	0.89 371	0.97 396	0.89 373	0.92 379	2.26 383	2.21 390

notaker	4.29 392	2.42 400	5.06 370	3.89 409	3.29 407	4.00 391	2.25 387	4.93 398	3.47 386	4.21 393	6.79 394	7.67 399	3.37 386	9.25 397	6.47 379	4.09 409	1.42 406	3.35 410	2.13 407	4.11 406	3.54 406

ktn	4.56 393	2.41 399	2.54 334	3.79 408	3.25 405	4.81 397	2.91 400	5.52 400	7.36 401	4.12 390	14.55 410	7.54 398	3.70 389	7.84 385	3.35 358	4.06 408	1.86 409	3.26 409	2.22 408	3.27 398	2.86 400

WAO-8	4.57 394	2.01 391	2.58 336	2.37 388	2.21 388	9.75 404	1.71 363	6.04 404	16.34 408	4.11 388	7.69 401	7.41 395	3.85 390	10.02 407	3.85 363	2.05 386	1.09 401	2.44 396	1.39 393	2.56 386	1.86 386

Venus	4.57 394	2.01 391	2.58 336	2.37 388	2.21 388	9.75 404	1.71 363	6.04 404	16.34 408	4.11 388	7.69 401	7.41 395	3.85 390	10.02 407	3.85 363	2.05 386	1.09 401	2.44 396	1.39 393	2.56 386	1.86 386

SGM+DAISY	5.38 396	1.28 372	8.24 382	1.27 373	1.16 371	10.62 407	16.01 412	2.93 375	2.53 365	8.64 410	13.03 408	8.26 402	13.38 409	6.34 365	7.59 385	1.07 379	1.05 400	1.00 377	0.98 383	1.02 372	1.12 376

TorneroNet-64	5.41 397	2.10 394	2.43 331	3.49 404	2.83 401	9.90 406	2.13 384	8.87 410	16.79 413	5.39 402	9.18 405	10.68 410	3.92 393	9.55 399	5.11 373	3.36 399	0.86 389	2.88 404	1.62 400	3.76 402	3.37 404

MADNet++	5.41 397	3.18 408	6.43 375	4.66 413	3.95 411	6.15 401	6.75 405	4.51 394	4.51 395	5.06 400	6.27 392	4.96 389	6.14 400	9.39 398	11.70 396	4.71 410	4.19 413	3.97 412	3.33 410	4.08 405	4.25 411

UNDER WATER	5.68 399	2.46 402	15.52 402	3.98 411	3.53 408	5.15 399	2.74 398	5.58 401	16.41 411	4.00 386	4.56 381	9.12 404	6.43 402	6.22 360	9.11 390	3.85 406	1.35 405	3.18 408	1.98 405	4.51 409	3.84 410

UNDER WATER-64	5.84 400	2.48 403	17.93 407	3.97 410	3.58 409	7.70 403	3.03 401	5.72 403	14.13 405	4.18 392	4.00 378	9.27 405	6.80 403	6.20 359	9.22 391	3.67 402	1.52 407	3.14 406	1.95 403	4.43 408	3.83 409

LSM	6.55 401	1.26 370	15.64 403	1.79 382	68.74 429	1.67 319	2.08 382	2.26 319	2.59 367	3.13 382	3.08 368	1.90 322	1.81 348	2.89 292	2.16 338	0.43 325	0.59 377	0.50 346	0.58 364	0.64 351	17.24 420

tt	6.61 402	0.28 43	6.10 374	3.77 407	2.17 387	11.53 409	19.61 413	13.53 415	5.81 399	3.00 378	2.82 362	4.97 390	6.33 401	3.83 316	7.23 384	9.13 416	11.32 420	5.87 415	6.22 414	6.01 412	2.63 398

JetRed	7.02 403	8.94 414	25.72 416	2.89 395	3.27 406	14.25 412	12.27 409	6.69 406	4.45 394	4.46 394	4.56 381	6.65 394	5.43 397	7.46 381	14.41 406	2.60 392	3.31 410	2.61 399	2.30 409	4.34 407	3.79 408

MANE	7.50 404	0.64 310	7.97 381	1.40 375	2.10 386	16.86 414	12.56 410	12.91 414	17.51 416	8.50 409	11.60 407	14.66 411	13.33 408	12.02 411	13.28 398	0.62 361	0.52 368	0.52 348	1.90 402	0.56 338	0.58 337

SGM-ForestM	7.81 405	0.48 262	11.02 394	0.74 292	0.40 170	16.83 413	12.72 411	7.91 408	8.13 402	11.53 411	10.25 406	22.44 420	14.01 410	17.02 414	20.52 412	0.38 308	0.39 343	0.37 312	0.36 322	0.37 276	0.38 279

coex-ft	8.35 406	2.39 398	100.24 433	0.68 252	0.54 249	1.77 329	1.57 358	1.71 203	11.00 404	18.91 418	3.76 375	3.85 380	8.23 406	3.29 304	6.58 380	0.31 273	0.31 308	0.32 278	0.31 297	0.69 357	0.57 334

LE_ROB	8.35 406	0.47 259	27.42 420	0.83 323	0.34 122	2.84 373	3.36 402	4.03 389	27.04 420	25.20 420	8.72 404	8.55 403	27.35 420	7.37 380	22.13 413	0.22 149	0.20 208	0.20 70	0.21 164	0.25 196	0.25 160

KSHMR	8.76 408	2.14 395	3.59 357	3.60 406	3.13 404	4.15 394	2.67 397	5.61 402	58.90 433	3.04 379	55.71 433	4.94 388	2.54 376	4.61 329	3.05 357	3.49 401	1.57 408	3.14 406	1.98 405	3.84 403	3.49 405

EDNetEfficientorigin	10.59 409	1.52 380	177.33 434	0.68 252	0.54 249	1.66 318	1.20 336	1.94 255	3.39 384	4.69 396	3.37 370	3.08 374	2.79 379	3.25 302	3.63 361	0.26 224	0.24 261	0.33 286	0.28 267	0.85 365	0.87 367

TorneroNet	10.72 410	2.09 393	2.76 341	3.48 403	3.03 403	44.72 425	2.31 389	8.62 409	67.06 434	7.45 408	23.21 418	10.59 409	4.28 395	9.03 392	9.00 389	3.67 402	0.91 393	3.04 405	1.63 401	3.92 404	3.55 407

HanzoNet	11.92 411	5.12 410	17.18 404	4.19 412	3.59 410	5.16 400	2.82 399	7.41 407	9.96 403	33.31 429	27.60 420	22.25 419	37.31 424	18.18 415	13.57 399	8.13 415	3.44 412	3.50 411	3.44 411	7.77 416	4.52 412

DGTPSM_ROB	13.06 412	8.27 412	22.29 411	9.53 416	18.14 413	11.53 409	31.97 418	10.82 412	16.25 406	7.14 405	19.39 416	10.12 407	16.69 412	9.85 402	22.49 414	4.77 411	8.72 415	5.37 413	10.24 417	6.15 413	11.56 415

DPSMNet_ROB	13.08 413	8.28 413	22.32 412	9.54 417	18.15 414	11.53 409	31.98 419	10.83 413	16.27 407	7.17 406	19.40 417	10.12 407	16.69 412	9.87 403	22.50 415	4.78 412	8.72 415	5.38 414	10.25 418	6.16 414	11.59 416

DPSM_ROB	19.12 414	19.13 417	25.13 414	22.15 419	20.86 417	28.06 417	37.75 421	27.18 418	16.95 414	14.25 412	15.07 411	21.66 414	18.69 415	21.83 417	26.51 419	10.15 418	9.30 418	10.45 418	10.41 419	14.00 417	12.85 418

DPSM	19.12 414	19.13 417	25.13 414	22.15 419	20.86 417	28.06 417	37.75 421	27.18 418	16.95 414	14.25 412	15.07 411	21.66 414	18.69 415	21.83 417	26.51 419	10.15 418	9.30 418	10.45 418	10.41 419	14.00 417	12.85 418

LRCNet_RVC	22.79 416	32.09 423	22.06 410	29.83 421	26.15 419	4.40 396	0.84 283	22.64 416	2.10 356	26.93 421	29.25 421	23.03 421	15.56 411	23.91 419	18.92 411	32.00 427	20.04 428	34.68 427	32.13 427	30.66 426	28.52 426

DLNR_Zeroshot_test	23.23 417	48.25 434	43.77 423	177.04 434	78.39 430	0.35 5	0.21 1	23.33 417	0.82 53	0.67 41	0.86 55	0.58 43	0.30 4	1.64 186	0.48 88	10.69 420	0.13 17	0.18 33	0.14 22	76.63 433	0.23 122

DPSimNet_ROB	24.77 418	9.69 415	61.46 431	3.56 405	19.46 415	25.95 415	77.56 432	5.09 399	16.60 412	21.50 419	29.82 422	25.12 422	85.69 434	13.37 413	23.07 417	7.23 414	17.79 421	8.55 416	7.57 415	4.57 411	31.84 427

SPstereo	26.71 419	6.90 411	11.42 395	5.86 414	6.44 412	48.17 426	80.34 433	67.41 434	34.42 429	28.80 427	27.49 419	43.68 431	37.53 428	44.96 433	54.23 434	5.06 413	4.92 414	10.92 420	6.03 413	4.54 410	5.00 414

BEATNet-Init1	27.39 420	21.01 419	73.65 432	1.07 362	0.80 330	56.07 427	22.82 414	33.14 425	31.71 422	51.78 433	52.93 432	65.63 433	48.54 432	48.75 434	36.36 424	0.52 351	0.47 360	0.54 353	0.54 360	0.64 351	0.72 355

CasAABBNet	38.42 421	38.42 425	50.26 425	44.76 426	41.87 423	56.47 431	76.22 427	54.44 431	33.92 424	28.53 422	30.36 424	43.53 430	37.59 429	43.77 430	53.32 429	20.27 421	18.70 423	21.03 424	21.04 422	28.19 420	25.79 421

MyStereo03	38.45 422	38.46 427	50.33 426	44.93 427	42.03 425	56.44 428	76.24 428	54.16 428	34.06 426	28.68 424	30.42 425	43.46 426	37.33 425	43.76 427	53.43 430	20.29 422	18.73 425	21.02 421	21.05 423	28.19 420	25.91 423

MyStereo02	38.45 422	38.46 427	50.33 426	44.93 427	42.03 425	56.44 428	76.24 428	54.16 428	34.06 426	28.68 424	30.42 425	43.46 426	37.33 425	43.76 427	53.43 430	20.29 422	18.73 425	21.02 421	21.05 423	28.19 420	25.91 423

MyStereo	38.45 422	38.46 427	50.33 426	44.93 427	42.03 425	56.44 428	76.24 428	54.16 428	34.06 426	28.68 424	30.42 425	43.46 426	37.33 425	43.76 427	53.43 430	20.29 422	18.73 425	21.02 421	21.05 423	28.19 420	25.91 423

Selective-RAFT-Error	38.47 425	38.44 426	50.38 429	44.74 425	42.01 424	56.47 431	76.24 428	54.44 431	34.02 425	28.59 423	30.30 423	43.51 429	38.10 430	43.69 426	53.24 428	20.36 425	18.72 424	21.05 425	21.02 421	28.25 424	25.87 422

HaxPig	39.02 426	41.39 431	41.59 421	30.10 422	32.36 420	29.49 419	27.65 416	30.56 421	37.94 430	43.75 430	43.81 429	33.42 423	35.69 421	41.51 424	40.33 426	43.91 431	47.48 433	45.87 428	47.14 429	42.29 427	44.06 430

AVERAGE_ROB	40.42 427	42.30 432	42.61 422	36.91 424	35.54 422	30.42 420	27.59 415	37.45 427	38.45 431	44.87 431	44.27 430	37.55 425	36.69 422	41.82 425	40.25 425	45.36 432	46.73 432	47.09 429	46.32 428	42.47 428	43.74 429

MEDIAN_ROB	42.01 428	44.30 433	44.14 424	35.08 423	34.90 421	31.33 424	29.90 417	36.77 426	40.11 432	47.14 432	46.55 431	37.49 424	38.50 431	44.30 432	42.32 427	47.93 433	49.31 434	49.68 430	49.00 430	44.98 429	46.46 431

Anonymous_1	42.79 429	18.71 416	24.75 413	21.81 418	45.16 428	27.68 416	37.52 420	28.64 420	16.34 408	14.72 414	14.53 409	20.60 413	17.82 414	21.52 416	25.88 418	113.45 434	8.91 417	100.63 431	126.37 431	158.50 434	12.31 417

LSM0	42.92 430	38.72 430	50.66 430	47.49 430	110.18 434	56.77 433	75.87 426	54.87 433	33.74 423	29.48 428	31.12 428	43.77 432	37.12 423	43.85 431	53.44 433	20.50 426	18.67 422	21.05 425	21.07 426	28.37 425	41.73 428

PML	51.64 431	37.49 424	14.31 399	7.45 415	20.27 416	107.80 434	231.34 435	8.94 411	27.70 421	86.74 434	268.93 435	69.03 434	61.09 433	24.71 423	14.36 405	9.71 417	3.40 411	9.60 417	4.67 412	20.46 419	4.76 413

xxxxx1	54.34 432	26.72 420	27.03 417	114.14 431	99.00 431	30.68 421	47.19 423	32.52 422	26.09 417	17.85 415	17.48 413	21.86 416	20.92 417	24.38 420	33.78 421	34.73 428	41.33 429	157.67 432	175.68 432	65.82 430	71.99 432

tt_ll	54.34 432	26.72 420	27.03 417	114.14 431	99.00 431	30.68 421	47.19 423	32.52 422	26.09 417	17.85 415	17.48 413	21.86 416	20.92 417	24.38 420	33.78 421	34.73 428	41.33 429	157.67 432	175.68 432	65.82 430	71.99 432

ff	54.34 432	26.72 420	27.03 417	114.14 431	99.00 431	30.68 421	47.19 423	32.52 422	26.09 417	17.85 415	17.48 413	21.86 416	20.92 417	24.38 420	33.78 421	34.73 428	41.33 429	157.67 432	175.68 432	65.82 430	71.99 432

test_example2	192.91 435	210.59 435	206.44 435	199.86 435	204.90 435	172.02 435	182.95 434	138.34 435	134.89 435	193.14 435	200.54 434	186.77 435	177.82 435	204.95 435	207.57 435	221.83 435	238.70 435	186.02 435	190.07 435	226.94 435	173.78 435

Low-res two-view benchmark