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

XX-TBD	0.46 24	0.70 337	0.35 1	0.79 321	0.25 18	0.58 74	0.26 9	0.69 4	1.27 245	0.76 52	1.00 86	0.45 14	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

CAS	0.63 115	0.18 1	0.37 2	2.27 389	0.84 346	0.57 73	0.54 188	0.79 12	0.62 23	0.48 17	0.70 30	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

CES	0.48 31	0.20 2	0.37 2	0.39 4	1.39 381	0.55 65	0.35 46	0.98 61	0.66 40	0.44 8	0.66 22	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

CREStereo++_RVC	0.47 29	0.21 4	0.38 4	0.45 32	0.38 169	0.45 17	0.25 4	0.75 8	1.29 254	0.80 61	1.21 168	0.47 18	0.37 12	0.53 5	0.44 83	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
s12784h	0.52 38	0.20 2	0.38 4	0.41 5	0.19 1	0.96 223	0.34 43	1.17 123	1.25 233	0.81 65	0.90 64	0.63 56	0.50 55	1.45 167	0.42 72	0.14 4	0.12 9	0.17 14	0.11 6	0.18 41	0.11 1

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 32	0.51 31	0.41 18	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
PMTNet	0.46 24	0.21 4	0.38 4	0.37 2	0.23 6	0.71 141	0.27 14	0.74 7	1.04 146	0.64 39	0.70 30	0.55 38	0.47 38	0.86 68	0.35 27	1.00 375	0.13 42	0.15 3	0.10 2	0.15 5	0.13 3

LoS_RVC	0.42 11	0.26 46	0.40 8	0.44 23	0.82 344	0.51 49	0.44 123	0.64 2	0.41 2	0.44 8	0.78 44	0.44 8	0.47 38	0.56 10	0.36 33	0.13 1	0.12 9	0.14 1	0.10 2	0.13 1	0.84 369

GLC_STEREO	0.39 5	0.25 35	0.41 9	0.54 133	0.23 6	0.48 20	0.30 22	0.73 6	0.58 18	0.52 28	0.73 35	0.51 31	0.31 6	0.64 26	0.42 72	0.17 32	0.20 224	0.23 149	0.19 107	0.21 131	0.17 60

AnonymousM	0.59 97	1.11 370	0.41 9	0.44 23	0.32 106	0.43 14	0.47 147	1.05 86	0.64 27	0.98 96	0.63 20	0.67 66	0.43 22	0.59 14	0.41 64	0.20 117	0.15 125	1.84 387	0.84 379	0.14 2	0.13 3

LoS	0.40 8	0.21 4	0.44 11	0.37 2	0.22 4	0.50 39	0.40 82	1.00 67	0.94 106	0.48 17	0.66 22	0.48 21	0.40 16	0.60 23	0.37 38	0.18 60	0.14 75	0.16 9	0.11 6	0.14 2	0.14 11

TANstereo	0.44 21	0.21 4	0.44 11	0.41 5	0.21 3	0.65 108	0.26 9	0.79 12	0.83 75	0.93 82	0.98 81	0.51 31	0.46 32	0.54 7	0.35 27	0.18 60	0.24 271	0.16 9	0.13 11	0.16 13	0.26 223

Any-RAFT	0.53 47	0.24 19	0.47 13	0.47 41	0.27 33	1.00 233	0.25 4	1.58 218	1.05 150	0.85 75	0.99 83	1.06 185	0.47 38	0.70 33	0.32 7	0.18 60	0.13 42	0.16 9	0.13 11	0.16 13	0.16 41

knoymous	0.51 37	0.29 110	0.47 13	0.43 8	0.30 79	0.55 65	0.55 201	1.02 73	0.77 61	0.98 96	0.85 55	0.94 147	0.56 77	0.85 65	0.45 91	0.20 117	0.14 75	0.26 224	0.14 22	0.23 177	0.23 181

CASnet	0.41 10	0.25 35	0.48 15	0.50 71	0.20 2	0.50 39	0.36 55	0.81 20	0.80 68	0.83 69	0.68 26	0.48 21	0.31 6	0.54 7	0.32 7	0.18 60	0.12 9	0.27 235	0.22 196	0.23 177	0.14 11
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
MC-Stereo	0.43 13	0.23 13	0.48 15	0.51 94	0.28 52	0.39 9	0.32 30	0.88 31	0.68 44	0.60 38	0.84 54	0.56 40	0.61 105	1.03 97	0.31 5	0.17 32	0.11 3	0.17 14	0.15 30	0.16 13	0.13 3

UCFNet_RVC	0.69 152	0.35 222	0.49 17	0.64 245	0.39 177	0.85 196	0.58 220	1.75 252	1.14 189	0.97 92	1.19 163	1.17 215	0.93 217	0.99 90	0.62 175	0.28 261	0.20 224	0.34 296	0.31 299	0.32 260	0.27 229

MyStereo07	0.48 31	0.29 110	0.50 18	0.55 152	0.45 209	0.59 78	0.79 272	1.05 86	0.51 13	0.48 17	0.53 10	0.43 6	0.55 73	1.30 135	0.34 24	0.17 32	0.16 156	0.24 169	0.20 135	0.23 177	0.20 133

ACVNet-DCA	0.56 85	0.31 157	0.50 18	0.54 133	0.26 20	1.18 263	0.51 169	1.42 177	0.78 63	0.58 32	0.79 47	0.48 21	0.88 199	1.46 169	0.32 7	0.20 117	0.12 9	0.25 205	0.15 30	0.22 152	0.21 149

xx1	0.67 147	0.31 157	0.50 18	0.54 133	0.26 20	1.18 263	0.51 169	0.93 44	3.05 382	0.58 32	0.79 47	0.95 153	0.77 151	1.46 169	0.32 7	0.20 117	0.12 9	0.24 169	0.23 216	0.22 152	0.21 149

1test111	0.54 61	0.31 157	0.50 18	0.54 133	0.26 20	1.18 263	0.51 169	1.42 177	0.78 63	0.58 32	0.79 47	0.48 21	0.88 199	0.88 70	0.59 163	0.20 117	0.12 9	0.25 205	0.15 30	0.22 152	0.21 149

cc1	0.64 125	0.31 157	0.50 18	0.54 133	0.26 20	1.18 263	0.51 169	0.93 44	3.05 382	0.58 32	0.79 47	0.48 21	0.88 199	1.46 169	0.32 7	0.20 117	0.12 9	0.25 205	0.15 30	0.19 71	0.19 111

Selective-IGEV	0.39 5	0.24 19	0.50 18	0.44 23	0.25 18	0.46 18	0.33 33	1.25 150	0.40 1	0.35 1	0.45 3	0.52 36	0.30 4	1.07 108	0.30 1	0.14 4	0.12 9	0.17 14	0.13 11	0.16 13	0.13 3

tt1	0.62 109	0.32 171	0.51 24	0.54 133	0.26 20	1.16 260	0.48 155	0.95 51	2.47 370	0.57 31	0.77 42	0.49 28	0.81 166	1.55 186	0.32 7	0.20 117	0.12 9	0.24 169	0.15 30	0.19 71	0.20 133

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 63	0.48 4	0.42 4	0.42 2	0.67 66	0.29 3	0.86 68	0.33 16	0.17 32	0.12 9	0.19 49	0.17 74	0.17 24	0.15 27

AEACV	0.37 3	0.24 19	0.52 26	0.47 41	0.51 243	0.37 8	0.38 68	0.65 3	0.53 16	0.42 4	0.56 18	0.46 15	0.60 96	0.53 5	0.30 1	0.16 11	0.13 42	0.18 36	0.15 30	0.17 24	0.14 11

LCNet	0.72 160	0.28 83	0.52 26	0.55 152	0.31 91	0.69 131	0.54 188	1.00 67	0.88 85	1.19 183	1.34 214	0.97 161	1.34 314	2.56 284	0.45 91	0.18 60	0.13 42	0.21 96	0.25 238	0.27 220	0.73 364

anonymousdsp	0.43 13	0.27 67	0.53 28	0.44 23	0.32 106	0.50 39	0.42 95	0.89 32	0.51 13	0.49 20	0.53 10	0.47 18	0.47 38	1.33 140	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

PSM-AAD	0.79 200	0.27 67	0.53 28	0.55 152	0.28 52	0.77 165	1.24 343	0.99 63	0.91 97	1.66 321	1.57 277	0.81 97	2.19 371	1.65 200	0.44 83	0.19 92	0.14 75	0.38 316	0.32 305	0.21 131	0.70 361

Prome-Stereo	0.75 184	0.27 67	0.53 28	0.55 152	0.32 106	0.59 78	0.97 313	0.89 32	0.88 85	1.45 284	2.46 357	0.91 135	1.41 317	1.58 192	0.44 83	0.18 60	0.13 42	0.19 49	0.17 74	0.20 97	0.92 371

HSM-Net_RVC	0.87 233	0.29 110	0.53 28	0.53 118	0.30 79	1.15 258	0.55 201	3.57 388	1.28 250	1.53 300	1.74 304	1.68 311	0.93 217	1.49 175	0.77 213	0.22 166	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
IGEV-Stereo	0.43 13	0.27 67	0.54 32	0.45 32	0.32 106	0.50 39	0.42 95	0.90 38	0.51 13	0.49 20	0.53 10	0.47 18	0.47 38	1.32 138	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
raft+_RVC	0.53 47	0.26 46	0.54 32	0.60 205	0.47 223	0.54 59	0.54 188	1.27 152	0.99 129	0.76 52	1.03 106	0.70 76	0.56 77	0.93 81	0.47 109	0.18 60	0.14 75	0.19 49	0.18 88	0.18 41	0.15 27

ACVNet	0.63 115	0.31 157	0.54 32	0.54 133	0.36 145	0.80 179	0.46 141	1.37 167	1.07 158	0.93 82	1.30 197	1.08 192	0.85 184	0.80 54	0.94 247	0.21 143	0.19 207	0.21 96	0.18 88	0.22 152	0.18 78

CFNet-ft	0.72 160	0.32 171	0.54 32	0.66 262	0.54 257	0.83 188	0.55 201	1.37 167	1.15 198	0.93 82	1.28 193	1.57 293	0.97 235	1.35 144	0.81 225	0.26 242	0.20 224	0.33 286	0.25 238	0.30 248	0.23 181

CFNet_RVC	0.72 160	0.32 171	0.54 32	0.66 262	0.54 257	0.83 188	0.55 201	1.37 167	1.15 198	0.93 82	1.28 193	1.57 293	0.97 235	1.35 144	0.81 225	0.26 242	0.20 224	0.33 286	0.25 238	0.30 248	0.23 181

ff7	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 95	0.87 24	0.50 6	0.49 20	0.53 10	0.44 8	0.48 46	1.38 152	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	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 95	0.87 24	0.50 6	0.47 13	0.48 6	0.48 21	0.46 32	2.03 250	0.30 1	0.19 92	0.14 75	0.19 49	0.15 30	0.16 13	0.18 78

ffff	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 95	0.87 24	0.50 6	0.49 20	0.53 10	0.44 8	0.48 46	1.38 152	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 95	0.87 24	0.50 6	0.49 20	0.53 10	0.44 8	0.48 46	1.38 152	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

ccc-4	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 95	0.87 24	0.50 6	0.49 20	0.53 10	0.44 8	0.48 46	1.38 152	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

test_4	0.53 47	0.22 9	0.56 37	0.54 133	0.32 106	0.64 96	0.39 79	0.80 17	0.62 23	0.92 81	1.87 322	0.68 68	0.42 20	1.16 121	0.37 38	0.15 6	0.13 42	0.20 73	0.22 196	0.20 97	0.15 27

FTStereo	0.91 242	0.26 46	0.56 37	0.54 133	0.33 122	0.66 117	1.87 377	1.00 67	0.75 56	1.75 328	4.15 380	1.04 183	1.65 340	1.57 190	0.46 104	0.19 92	0.16 156	0.23 149	0.21 171	0.18 41	0.63 353

raftrobust	0.52 38	0.25 35	0.56 37	0.65 257	0.52 251	0.49 30	0.34 43	0.98 61	0.91 97	1.30 232	0.87 59	0.63 56	0.81 166	0.78 50	0.41 64	0.19 92	0.15 125	0.16 9	0.14 22	0.15 5	0.16 41

MSKI-zero shot	0.55 76	0.26 46	0.57 45	0.51 94	0.26 20	0.69 131	0.28 17	1.18 128	0.64 27	0.91 79	1.32 207	0.82 102	0.33 10	1.92 239	0.32 7	0.17 32	0.12 9	0.17 14	0.13 11	0.16 13	0.16 41

ICVP	0.63 115	0.33 187	0.57 45	0.61 217	0.40 182	0.80 179	0.58 220	1.61 225	0.89 88	0.90 77	1.24 176	0.88 129	0.73 135	0.72 39	0.88 241	0.29 269	0.21 240	0.22 122	0.21 171	0.24 190	0.27 229
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
hitnet-ft	0.79 200	0.35 222	0.57 45	0.58 181	0.42 191	0.96 223	0.46 141	1.47 189	1.33 272	1.19 183	1.22 170	1.81 322	0.98 239	1.66 204	0.94 247	0.33 290	0.28 296	0.34 296	0.27 259	0.35 269	0.31 265

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 46	0.49 54	0.52 4	0.36 33	0.19 92	0.16 156	0.19 49	0.15 30	0.18 41	0.14 11

ProNet	0.43 13	0.28 83	0.58 48	0.43 8	0.30 79	0.56 68	0.52 178	1.00 67	0.58 18	0.44 8	0.49 8	0.43 6	0.43 22	1.28 131	0.36 33	0.15 6	0.13 42	0.19 49	0.16 58	0.17 24	0.16 41

RCA-Stereo	0.50 36	0.23 13	0.58 48	0.48 51	0.33 122	0.55 65	0.45 134	0.97 59	1.38 294	0.68 42	1.05 110	0.63 56	0.80 163	0.59 14	0.32 7	0.17 32	0.12 9	0.17 14	0.14 22	0.16 13	0.14 11

GrayStereo	0.82 211	0.26 46	0.58 48	0.63 236	0.37 152	0.76 159	1.86 376	1.11 114	0.87 81	1.99 348	1.89 324	1.08 192	1.82 355	1.39 157	0.48 114	0.19 92	0.14 75	0.19 49	0.21 171	0.18 41	0.39 297

ttt	0.94 248	0.34 206	0.59 52	0.61 217	0.37 152	0.94 215	0.50 168	2.17 348	1.34 275	1.23 198	1.61 285	0.91 135	0.76 147	1.85 233	3.97 375	0.30 273	0.26 282	0.26 224	0.24 227	0.29 239	0.29 243

MIF-Stereo	0.36 1	0.23 13	0.59 52	0.48 51	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	0.51 130	0.20 117	0.15 125	0.17 14	0.15 30	0.19 71	0.15 27

GMM-Stereo	0.74 177	0.25 35	0.59 52	0.54 133	0.34 137	0.72 143	0.99 317	1.01 72	0.87 81	1.36 260	1.78 310	1.12 205	0.81 166	2.09 255	0.46 104	0.18 60	0.12 9	0.25 205	0.25 238	0.20 97	0.85 370

rafts_anoy	0.52 38	0.29 110	0.59 52	0.59 194	0.50 233	0.53 56	0.40 82	1.11 114	1.03 142	0.84 71	0.83 52	0.68 68	0.54 67	0.72 39	0.51 130	0.19 92	0.14 75	0.24 169	0.26 251	0.21 131	0.18 78

riskmin	0.56 85	0.27 67	0.60 56	0.43 8	0.31 91	0.83 188	0.42 95	1.14 118	1.04 146	0.73 51	0.75 39	1.11 204	1.01 251	0.81 58	0.51 130	0.20 117	0.14 75	0.24 169	0.15 30	0.24 190	0.25 205

RAFT+CT+SA	0.58 94	0.29 110	0.60 56	0.66 262	0.37 152	0.42 13	0.55 201	1.27 152	1.03 142	0.70 45	1.22 170	0.60 51	0.70 132	1.64 199	0.41 64	0.18 60	0.13 42	0.22 122	0.22 196	0.21 131	0.18 78

SGM-Forest	1.24 306	0.38 239	0.60 56	0.52 110	0.37 152	1.56 310	1.30 348	1.65 232	1.36 286	2.11 354	1.79 311	1.63 303	0.93 217	7.48 388	0.95 249	0.36 308	0.37 339	0.39 322	0.34 316	0.37 279	0.32 271
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
x	0.54 61	0.31 157	0.61 59	0.47 41	0.30 79	0.67 121	0.47 147	1.53 209	0.79 67	0.81 65	0.83 52	0.78 89	0.70 132	0.70 33	0.62 175	0.21 143	0.19 207	0.22 122	0.19 107	0.21 131	0.20 133

cross-raft	0.54 61	0.25 35	0.61 59	0.52 110	0.29 63	0.68 127	0.37 64	1.46 187	0.76 59	1.01 103	1.06 112	1.28 245	0.46 32	0.71 37	0.35 27	0.15 6	0.12 9	0.18 36	0.16 58	0.19 71	0.14 11

PSMNet-RSSM	0.72 160	0.30 126	0.61 59	0.63 236	0.42 191	0.73 146	0.56 207	1.92 297	1.10 172	1.09 122	1.37 223	1.22 223	0.98 239	1.28 131	0.72 198	0.27 251	0.19 207	0.27 235	0.29 287	0.24 190	0.24 193

SGM_RVC	1.68 347	0.36 229	0.61 59	0.59 194	0.29 63	2.25 359	1.18 339	2.38 368	1.68 335	3.60 387	2.67 362	3.69 380	2.42 377	8.13 394	1.90 341	0.31 280	0.31 314	0.30 262	0.28 276	0.30 248	0.29 243
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
PSMNet-ADL	0.72 160	0.35 222	0.62 63	0.69 285	0.46 219	1.14 253	0.44 123	1.37 167	1.01 136	0.83 69	1.17 158	1.33 254	0.96 232	1.43 164	0.95 249	0.33 290	0.22 254	0.21 96	0.23 216	0.27 220	0.29 243

KYRaft	0.75 184	0.28 83	0.62 63	0.56 164	0.29 63	0.67 121	0.86 290	0.94 48	0.84 76	1.62 318	2.21 345	1.16 214	1.02 256	1.57 190	0.40 57	0.20 117	0.13 42	0.22 122	0.28 276	0.20 97	1.02 375

NOSS_ROB	1.26 309	0.46 271	0.62 63	0.56 164	0.38 169	1.06 242	0.78 269	1.73 246	1.40 303	1.01 103	1.43 240	1.10 200	0.75 139	10.62 410	0.65 183	0.45 339	0.43 353	0.48 343	0.45 344	0.44 315	0.41 302

HHNet	0.62 109	0.26 46	0.63 66	0.43 8	0.45 209	0.50 39	0.58 220	1.07 101	1.01 136	1.25 210	2.23 346	0.70 76	0.61 105	1.07 108	0.47 109	0.20 117	0.13 42	0.23 149	0.19 107	0.19 71	0.30 255

FENet	0.60 100	0.28 83	0.63 66	0.54 133	0.33 122	0.83 188	0.38 68	1.27 152	1.07 158	1.00 100	0.86 56	0.99 167	0.85 184	0.96 82	0.68 188	0.22 166	0.15 125	0.23 149	0.20 135	0.22 152	0.23 181

GANet-RSSM	0.72 160	0.28 83	0.63 66	0.64 245	0.58 274	0.80 179	0.58 220	1.89 287	1.08 162	1.04 113	1.25 180	1.15 213	1.04 259	1.49 175	0.62 175	0.25 228	0.19 207	0.22 122	0.22 196	0.22 152	0.21 149

R-Stereo Train	0.57 89	0.26 46	0.63 66	0.54 133	0.36 145	0.69 131	0.54 188	1.22 142	0.72 52	1.61 315	1.50 261	0.75 82	0.53 64	0.64 26	0.44 83	0.18 60	0.15 125	0.17 14	0.15 30	0.17 24	0.17 60

RAFT-Stereo	0.57 89	0.26 46	0.63 66	0.54 133	0.36 145	0.69 131	0.54 188	1.22 142	0.72 52	1.61 315	1.50 261	0.75 82	0.53 64	0.64 26	0.44 83	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
CBMV_ROB	0.90 239	0.44 263	0.63 66	0.51 94	0.37 152	1.25 275	0.49 162	1.77 261	1.27 245	1.41 275	2.00 332	1.33 254	1.08 270	2.17 260	0.76 207	0.43 333	0.42 352	0.47 342	0.44 342	0.41 298	0.36 286

RAFT-Test	0.54 61	0.25 35	0.64 72	0.47 41	0.30 79	0.97 227	0.27 14	1.24 148	0.81 69	0.96 89	1.12 138	1.28 245	0.48 46	0.71 37	0.36 33	0.17 32	0.13 42	0.17 14	0.14 22	0.16 13	0.16 41

raft_robust	0.68 151	0.30 126	0.64 72	0.52 110	0.26 20	0.54 59	0.35 46	1.33 158	1.24 230	1.16 166	1.07 115	0.60 51	0.54 67	3.58 318	0.37 38	0.18 60	0.14 75	0.20 73	0.22 196	0.20 97	0.16 41

iRaftStereo_RVC	0.47 29	0.26 46	0.64 72	0.50 71	0.29 63	0.53 56	0.33 33	1.05 86	0.77 61	0.84 71	1.00 86	0.55 38	0.37 12	0.81 58	0.40 57	0.17 32	0.12 9	0.22 122	0.20 135	0.19 71	0.15 27

AFF-stereo	0.58 94	0.25 35	0.64 72	0.46 35	0.29 63	0.34 4	0.38 68	1.15 120	1.14 189	1.17 175	1.60 281	1.10 200	0.71 134	0.97 87	0.43 81	0.13 1	0.11 3	0.19 49	0.19 107	0.17 24	0.14 11

GMOStereo	0.53 47	0.26 46	0.65 76	0.50 71	0.29 63	0.52 51	0.43 111	0.89 32	0.96 110	1.41 275	1.14 146	0.85 118	0.56 77	0.59 14	0.38 48	0.16 11	0.14 75	0.24 169	0.21 171	0.20 97	0.15 27

error version	0.53 47	0.26 46	0.65 76	0.50 71	0.29 63	0.52 51	0.43 111	0.89 32	0.96 110	1.41 275	1.14 146	0.85 118	0.56 77	0.59 14	0.38 48	0.16 11	0.14 75	0.24 169	0.21 171	0.20 97	0.15 27

test-v	0.53 47	0.26 46	0.65 76	0.50 71	0.29 63	0.52 51	0.43 111	0.89 32	0.96 110	1.41 275	1.14 146	0.85 118	0.56 77	0.59 14	0.38 48	0.16 11	0.14 75	0.24 169	0.21 171	0.20 97	0.15 27

test-2	0.53 47	0.26 46	0.65 76	0.50 71	0.29 63	0.52 51	0.43 111	0.89 32	0.96 110	1.41 275	1.14 146	0.85 118	0.56 77	0.59 14	0.38 48	0.16 11	0.14 75	0.24 169	0.21 171	0.20 97	0.15 27

test_xeample	1.45 328	0.28 83	0.65 76	0.51 94	0.28 52	0.94 215	0.59 227	2.14 337	1.29 254	1.24 206	1.51 263	0.88 129	0.86 192	1.46 169	15.10 408	0.22 166	0.20 224	0.22 122	0.20 135	0.22 152	0.22 164

HSM	1.19 304	0.32 171	0.65 76	0.57 175	0.38 169	1.23 272	0.59 227	2.25 357	1.19 211	1.30 232	1.25 180	1.94 333	1.03 258	9.32 401	0.71 195	0.22 166	0.16 156	0.20 73	0.16 58	0.21 131	0.21 149

RAFT-345	0.84 220	0.25 35	0.66 82	0.50 71	0.27 33	0.54 59	0.42 95	0.83 21	1.11 174	1.32 244	2.34 351	0.86 122	0.54 67	5.72 356	0.47 109	0.18 60	0.13 42	0.22 122	0.17 74	0.17 24	0.16 41

RALCasStereoNet	0.54 61	0.30 126	0.66 82	0.59 194	0.51 243	0.61 87	0.52 178	0.94 48	0.93 103	0.70 45	1.01 91	0.78 89	0.44 26	1.33 140	0.47 109	0.20 117	0.16 156	0.18 36	0.16 58	0.20 97	0.19 111

CBMV	0.95 251	0.44 263	0.66 82	0.53 118	0.35 140	1.53 307	1.63 366	1.69 240	1.42 309	2.00 350	1.60 281	1.43 268	1.17 283	1.59 194	0.99 257	0.34 298	0.34 324	0.39 322	0.33 311	0.33 266	0.32 271
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
AE-Stereo	0.49 34	0.27 67	0.67 85	0.60 205	0.39 177	0.67 121	0.46 141	1.18 128	1.09 168	0.47 13	0.75 39	0.69 73	0.47 38	0.59 14	0.40 57	0.16 11	0.15 125	0.21 96	0.20 135	0.19 71	0.15 27

RAFT-RH_RVC	1.03 273	0.24 19	0.67 85	0.49 64	0.28 52	0.81 183	0.33 33	0.83 21	1.08 162	2.05 351	4.65 386	1.04 183	0.57 85	5.98 363	0.50 127	0.18 60	0.13 42	0.26 224	0.20 135	0.16 13	0.17 60

222	1.61 341	0.29 110	0.67 85	0.56 164	0.29 63	1.06 242	0.42 95	2.17 348	1.31 264	1.31 242	1.52 264	0.92 143	0.94 222	1.76 223	17.65 412	0.24 204	0.20 224	0.21 96	0.19 107	0.22 152	0.23 181

11t1	0.52 38	0.28 83	0.68 88	0.51 94	0.28 52	0.83 188	0.39 79	1.22 142	0.63 25	0.84 71	0.74 37	0.68 68	0.68 126	0.91 75	0.57 158	0.21 143	0.18 194	0.19 49	0.16 58	0.20 97	0.21 149

BUS	0.74 177	0.32 171	0.68 88	0.54 133	0.44 202	2.34 363	0.42 95	2.16 342	0.98 122	1.20 187	1.11 132	1.03 180	0.62 110	0.91 75	0.70 190	0.24 204	0.17 180	0.25 205	0.22 196	0.22 152	0.22 164

BSDual-CNN	0.71 159	0.32 171	0.68 88	0.54 133	0.44 202	1.27 277	0.65 239	2.16 342	0.98 122	1.20 187	1.11 132	1.12 205	0.74 137	0.91 75	0.66 184	0.24 204	0.17 180	0.25 205	0.22 196	0.22 152	0.22 164

psmg	0.72 160	0.32 171	0.68 88	0.50 71	0.44 202	1.48 302	0.75 261	1.94 303	0.98 122	1.21 190	1.33 209	1.12 205	0.74 137	0.91 75	0.66 184	0.24 204	0.19 207	0.25 205	0.25 238	0.23 177	0.22 164

test-3	0.54 61	0.22 9	0.68 88	0.47 41	0.27 33	0.58 74	0.35 46	0.92 40	1.00 134	1.32 244	0.69 29	0.87 126	0.45 29	1.68 210	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 61	0.22 9	0.68 88	0.47 41	0.27 33	0.58 74	0.35 46	0.92 40	1.00 134	1.28 219	0.68 26	0.87 126	0.45 29	1.67 205	0.37 38	0.16 11	0.11 3	0.20 73	0.16 58	0.17 24	0.13 3

xxxx	1.51 332	0.28 83	0.68 88	0.54 133	0.28 52	1.16 260	0.44 123	2.19 350	1.29 254	1.09 122	1.36 221	1.22 223	0.85 184	1.79 226	15.70 411	0.24 204	0.21 240	0.21 96	0.20 135	0.22 152	0.23 181

RAFT-Stereo + iAFF	0.54 61	0.25 35	0.68 88	0.43 8	0.24 9	0.40 10	0.34 43	1.04 80	1.09 168	1.32 244	1.60 281	0.80 94	0.68 126	0.67 30	0.39 54	0.13 1	0.10 1	0.18 36	0.17 74	0.17 24	0.13 3

Gwc-CoAtRS	0.52 38	0.24 19	0.68 88	0.48 51	0.29 63	0.64 96	0.25 4	1.16 121	1.08 162	1.01 103	1.00 86	1.12 205	0.56 77	0.69 31	0.37 38	0.16 11	0.13 42	0.17 14	0.15 30	0.15 5	0.15 27

LL-Strereo2	0.52 38	0.33 187	0.69 97	0.52 110	0.37 152	0.70 138	0.30 22	1.13 117	0.67 41	0.94 87	0.78 44	0.91 135	0.42 20	1.05 103	0.42 72	0.17 32	0.16 156	0.29 253	0.25 238	0.21 131	0.16 41

NRIStereo	0.60 100	0.29 110	0.69 97	0.53 118	0.28 52	0.63 94	0.33 33	1.08 105	0.87 81	1.14 152	0.87 59	0.91 135	0.59 94	2.24 267	0.49 121	0.20 117	0.14 75	0.21 96	0.19 107	0.21 131	0.17 60

ASMatch	0.88 234	0.26 46	0.69 97	0.51 94	0.35 140	0.48 20	0.37 64	1.12 116	0.92 101	1.10 130	3.28 370	0.96 159	0.98 239	4.90 338	0.49 121	0.19 92	0.16 156	0.22 122	0.19 107	0.19 71	0.27 229

THIR-Stereo	1.02 272	0.27 67	0.69 97	0.49 64	0.28 52	0.95 219	1.34 350	1.03 76	0.97 117	1.34 255	1.90 325	1.17 215	1.58 333	6.44 368	0.78 215	0.19 92	0.14 75	0.21 96	0.22 196	0.19 71	0.20 133

test_xeample3	0.42 11	0.28 83	0.69 97	0.43 8	0.33 122	0.56 68	0.38 68	0.79 12	0.45 3	0.53 29	0.46 4	0.44 8	0.44 26	1.38 152	0.31 5	0.18 60	0.14 75	0.19 49	0.15 30	0.17 24	0.16 41

EAI-Stereo	0.65 130	0.28 83	0.69 97	0.53 118	0.27 33	0.60 84	0.40 82	2.28 360	0.64 27	0.71 47	3.18 369	0.57 42	0.43 22	1.06 104	0.41 64	0.18 60	0.13 42	0.17 14	0.17 74	0.17 24	0.17 60

MIF-Stereo (partial)	0.45 23	0.25 35	0.70 103	0.50 71	0.52 251	0.35 5	0.26 9	0.91 39	0.59 21	0.45 12	0.71 32	0.51 31	0.51 57	1.11 114	0.45 91	0.20 117	0.16 156	0.23 149	0.20 135	0.24 190	0.18 78

DCRE	0.82 211	0.26 46	0.70 103	0.58 181	0.44 202	0.54 59	0.48 155	0.95 51	0.78 63	0.78 56	7.33 399	0.86 122	0.52 59	0.76 47	0.41 64	0.16 11	0.16 156	0.19 49	0.17 74	0.18 41	0.17 60

fff	0.53 47	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 55	1.07 101	1.25 233	1.10 130	1.02 98	0.57 42	1.06 266	0.73 42	0.52 136	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

DRaft	0.80 203	0.24 19	0.70 103	0.45 32	0.30 79	0.97 227	0.53 184	1.05 86	0.97 117	1.78 331	2.02 335	0.80 94	1.74 347	2.73 291	0.72 198	0.17 32	0.14 75	0.20 73	0.20 135	0.18 41	0.21 149

Pruner-Stereo	0.62 109	0.29 110	0.70 103	0.61 217	0.31 91	0.63 94	0.43 111	1.17 123	0.99 129	1.53 300	1.08 118	0.95 153	0.55 73	1.35 144	0.51 130	0.23 189	0.14 75	0.24 169	0.21 171	0.21 131	0.23 181

DCANet	0.54 61	0.24 19	0.70 103	0.43 8	0.24 9	0.49 30	0.36 55	1.05 86	1.30 260	1.12 136	1.03 106	0.58 46	0.92 211	0.81 58	0.52 136	0.16 11	0.13 42	0.17 14	0.13 11	0.18 41	0.19 111

csc	0.53 47	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 55	1.07 101	1.25 233	1.10 130	1.02 98	0.57 42	1.06 266	0.73 42	0.52 136	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

cscssc	0.53 47	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 55	1.07 101	1.25 233	1.10 130	1.02 98	0.57 42	1.06 266	0.73 42	0.52 136	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

111	0.60 100	0.23 13	0.70 103	0.43 8	0.24 9	0.72 143	0.42 95	1.18 128	1.41 306	0.80 61	1.38 227	1.10 200	0.79 158	0.96 82	0.58 161	0.18 60	0.13 42	0.17 14	0.15 30	0.17 24	0.19 111

CFNet-RSSM	0.54 61	0.24 19	0.70 103	0.48 51	0.28 52	0.60 84	0.27 14	1.49 191	1.14 189	1.06 114	0.93 69	1.08 192	0.54 67	0.70 33	0.35 27	0.16 11	0.12 9	0.17 14	0.15 30	0.16 13	0.14 11

psm_up	0.77 191	0.34 206	0.70 103	0.66 262	0.58 274	1.05 239	0.92 303	1.52 203	1.12 178	1.26 214	1.16 155	1.31 252	1.23 298	1.20 123	0.81 225	0.25 228	0.29 304	0.31 266	0.27 259	0.27 220	0.25 205

qqq	0.57 89	0.34 206	0.71 114	0.47 41	0.27 33	0.64 96	0.62 234	1.42 177	0.78 63	0.80 61	0.92 67	0.95 153	0.77 151	0.88 70	0.59 163	0.21 143	0.20 224	0.24 169	0.23 216	0.22 152	0.21 149

test_3	0.55 76	0.23 13	0.71 114	0.53 118	0.28 52	0.61 87	0.40 82	0.92 40	1.05 150	1.19 183	0.68 26	0.93 144	0.44 26	1.67 205	0.39 54	0.15 6	0.12 9	0.22 122	0.19 107	0.21 131	0.14 11

TestStereo	0.64 125	0.39 244	0.71 114	0.51 94	0.27 33	0.56 68	0.42 95	1.03 76	0.91 97	0.80 61	1.00 86	0.68 68	0.52 59	3.25 308	0.45 91	0.22 166	0.15 125	0.24 169	0.18 88	0.27 220	0.16 41

mmm	0.63 115	0.35 222	0.72 117	0.51 94	0.30 79	0.86 197	0.54 188	1.59 219	0.86 77	1.07 116	1.38 227	0.79 92	0.75 139	0.91 75	0.58 161	0.22 166	0.18 194	0.29 253	0.25 238	0.25 200	0.23 181

CASS	0.65 130	0.34 206	0.72 117	0.56 164	0.27 33	0.78 170	0.42 95	1.59 219	0.86 77	1.30 232	1.25 180	0.87 126	0.84 181	0.84 63	0.54 150	0.35 305	0.19 207	0.26 224	0.21 171	0.28 234	0.42 306
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
HBP-ISP	0.96 252	0.58 310	0.72 117	0.61 217	0.46 219	1.64 318	0.76 264	1.86 282	1.28 250	1.30 232	1.53 265	0.86 122	0.94 222	3.27 309	0.69 189	0.45 339	0.44 356	0.54 354	0.48 351	0.47 321	0.40 298

DisPM	0.66 138	0.28 83	0.72 117	0.61 217	0.35 140	0.62 93	0.45 134	1.02 73	0.99 129	1.56 308	1.10 127	0.80 94	0.59 94	2.37 276	0.41 64	0.23 189	0.14 75	0.23 149	0.21 171	0.20 97	0.25 205

GANet-ADL	0.60 100	0.35 222	0.72 117	0.64 245	0.40 182	0.68 127	0.51 169	1.49 191	1.12 178	0.95 88	1.08 118	0.91 135	0.57 85	0.76 47	0.55 154	0.26 242	0.18 194	0.18 36	0.16 58	0.23 177	0.25 205

CrosDoStereo	1.58 336	0.24 19	0.72 117	0.48 51	0.29 63	0.67 121	12.49 412	1.10 108	0.98 122	1.34 255	1.75 307	1.00 168	1.89 357	6.65 371	0.81 225	0.19 92	0.15 125	0.20 73	0.22 196	0.18 41	0.19 111

AAGNet	1.83 354	0.28 83	0.72 117	0.61 217	0.32 106	0.67 121	0.51 169	0.96 58	0.98 122	1.47 287	1.20 166	1.00 168	1.18 286	2.83 293	22.77 418	0.22 166	0.13 42	0.22 122	0.19 107	0.23 177	0.15 27

OMP-Stereo	0.94 248	0.33 187	0.72 117	0.90 354	0.31 91	0.49 30	0.36 55	1.16 121	1.06 153	1.58 314	1.12 138	1.46 276	0.69 129	6.94 378	0.49 121	0.19 92	0.14 75	0.24 169	0.18 88	0.20 97	0.14 11

IIG-Stereo	0.96 252	0.31 157	0.72 117	0.88 349	0.33 122	0.61 87	0.26 9	1.19 134	1.03 142	1.69 324	1.37 223	1.46 276	0.75 139	6.96 379	0.51 130	0.19 92	0.14 75	0.23 149	0.18 88	0.20 97	0.14 11

DeepStereo_LL	1.58 336	0.24 19	0.72 117	0.48 51	0.29 63	0.67 121	12.49 412	1.10 108	0.98 122	1.34 255	1.75 307	1.00 168	1.89 357	6.65 371	0.81 225	0.19 92	0.15 125	0.20 73	0.22 196	0.18 41	0.19 111

SST-Stereo	0.83 216	0.28 83	0.72 117	0.59 194	0.31 91	0.72 143	0.26 9	1.09 106	0.86 77	1.47 287	1.10 127	1.00 168	0.87 195	5.73 357	0.45 91	0.22 166	0.13 42	0.23 149	0.19 107	0.23 177	0.18 78

DeepStereo_RVC	0.55 76	0.29 110	0.72 117	0.51 94	0.30 79	0.59 78	0.33 33	1.03 76	0.70 47	1.16 166	0.93 69	0.83 109	0.94 222	0.96 82	0.54 150	0.21 143	0.14 75	0.21 96	0.19 107	0.24 190	0.24 193

rrr	0.46 24	0.28 83	0.73 129	0.43 8	0.33 122	0.49 30	0.38 68	0.76 10	0.50 6	0.47 13	0.48 6	0.48 21	0.46 32	2.03 250	0.30 1	0.19 92	0.14 75	0.19 49	0.15 30	0.16 13	0.16 41

EKT-Stereo	0.53 47	0.30 126	0.73 129	0.58 181	0.60 284	0.51 49	0.48 155	0.94 48	0.90 92	0.71 47	0.88 61	0.77 86	0.43 22	1.07 108	0.40 57	0.22 166	0.16 156	0.21 96	0.18 88	0.20 97	0.22 164

Patchmatch Stereo++	0.55 76	0.30 126	0.73 129	0.50 71	0.27 33	0.65 108	0.29 19	1.05 86	0.64 27	1.12 136	0.96 73	0.83 109	0.60 96	1.37 148	0.45 91	0.22 166	0.14 75	0.24 169	0.20 135	0.26 208	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
PSM-adaLoss	0.54 61	0.30 126	0.73 129	0.50 71	0.27 33	0.65 108	0.41 93	1.04 80	0.64 27	1.12 136	0.96 73	0.82 102	0.61 105	1.06 104	0.45 91	0.22 166	0.14 75	0.24 169	0.20 135	0.26 208	0.18 78

ROB_FTStereo_v2	0.54 61	0.30 126	0.73 129	0.50 71	0.27 33	0.64 96	0.42 95	1.05 86	0.64 27	1.12 136	0.96 73	0.83 109	0.60 96	1.12 116	0.46 104	0.22 166	0.14 75	0.24 169	0.20 135	0.26 208	0.18 78

ROB_FTStereo	0.54 61	0.30 126	0.73 129	0.50 71	0.27 33	0.64 96	0.25 4	1.05 86	0.64 27	1.12 136	0.95 71	0.82 102	0.61 105	1.15 119	0.45 91	0.22 166	0.14 75	0.24 169	0.20 135	0.26 208	0.18 78

HUI-Stereo	0.52 38	0.30 126	0.73 129	0.50 71	0.27 33	0.65 108	0.30 22	1.04 80	0.64 27	1.12 136	0.96 73	0.83 109	0.60 96	0.79 53	0.45 91	0.22 166	0.14 75	0.24 169	0.20 135	0.26 208	0.18 78

RAFT_R40	0.83 216	0.28 83	0.73 129	0.59 194	0.31 91	0.69 131	0.44 123	1.10 108	0.95 108	1.47 287	1.10 127	1.00 168	0.85 184	5.53 351	0.46 104	0.22 166	0.13 42	0.23 149	0.20 135	0.23 177	0.18 78

iGMRVC	0.56 85	0.30 126	0.73 129	0.50 71	0.27 33	0.65 108	0.38 68	1.05 86	0.64 27	1.12 136	0.96 73	0.83 109	0.60 96	1.52 178	0.46 104	0.22 166	0.14 75	0.24 169	0.20 135	0.26 208	0.18 78

iRAFT	0.55 76	0.30 126	0.73 129	0.50 71	0.27 33	0.65 108	0.29 19	1.05 86	0.64 27	1.12 136	0.96 73	0.83 109	0.60 96	1.37 148	0.45 91	0.22 166	0.14 75	0.24 169	0.20 135	0.26 208	0.18 78

CroCo-Stereo	0.40 8	0.31 157	0.73 129	0.58 181	0.27 33	0.26 1	0.33 33	0.95 51	0.81 69	0.42 4	0.47 5	0.65 62	0.47 38	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
RAFT	0.64 125	0.30 126	0.73 129	0.59 194	0.33 122	0.68 127	0.58 220	1.04 80	0.76 59	1.08 117	1.19 163	1.65 308	0.93 217	1.06 104	0.56 156	0.21 143	0.18 194	0.27 235	0.24 227	0.22 152	0.17 60

RAFT-IKP	0.54 61	0.30 126	0.73 129	0.50 71	0.27 33	0.59 78	0.36 55	1.04 80	0.64 27	1.12 136	0.96 73	0.83 109	0.61 105	1.22 125	0.45 91	0.22 166	0.14 75	0.24 169	0.20 135	0.26 208	0.18 78

HCRNet	0.70 154	0.39 244	0.73 129	0.60 205	0.59 281	0.76 159	0.35 46	1.22 142	1.13 187	1.02 106	0.99 83	1.02 177	0.76 147	2.19 264	0.70 190	0.28 261	0.19 207	0.28 245	0.23 216	0.25 200	0.23 181

anonymousdsp2	0.53 47	0.27 67	0.74 143	0.48 51	0.29 63	0.76 159	0.47 147	1.61 225	0.82 74	0.77 55	0.77 42	0.75 82	0.47 38	1.03 97	0.40 57	0.18 60	0.13 42	0.18 36	0.13 11	0.19 71	0.18 78

CRE-IMP	0.55 76	0.30 126	0.74 143	0.52 110	0.29 63	0.79 174	0.25 4	1.04 80	0.72 52	1.09 122	0.95 71	0.81 97	0.57 85	1.10 111	0.50 127	0.21 143	0.14 75	0.23 149	0.19 107	0.28 234	0.22 164

anonymousa	0.72 160	0.27 67	0.75 145	0.47 41	0.63 293	1.43 299	0.45 134	1.24 148	0.89 88	1.28 219	1.75 307	1.62 301	1.13 280	0.69 31	0.59 163	0.19 92	0.16 156	0.23 149	0.25 238	0.20 97	0.18 78

TestStereo1	0.63 115	0.28 83	0.75 145	0.76 315	0.31 91	0.48 20	0.43 111	1.30 156	1.21 221	0.97 92	1.31 202	0.64 59	0.77 151	1.75 218	0.42 72	0.20 117	0.15 125	0.22 122	0.18 88	0.21 131	0.17 60

test_5	0.65 130	0.30 126	0.75 145	0.67 272	0.50 233	0.92 210	0.52 178	1.39 173	1.12 178	0.76 52	1.11 132	1.00 168	0.90 206	1.53 182	0.45 91	0.18 60	0.13 42	0.23 149	0.22 196	0.21 131	0.19 111

SA-5K	0.63 115	0.28 83	0.75 145	0.76 315	0.31 91	0.48 20	0.43 111	1.30 156	1.21 221	0.97 92	1.31 202	0.64 59	0.77 151	1.75 218	0.42 72	0.20 117	0.15 125	0.22 122	0.18 88	0.21 131	0.17 60

NF-Stereo	0.80 203	0.30 126	0.75 145	0.60 205	0.31 91	0.64 96	0.44 123	1.21 135	0.90 92	1.29 224	1.02 98	0.82 102	0.57 85	5.40 349	0.48 114	0.23 189	0.14 75	0.24 169	0.20 135	0.20 97	0.30 255

OCTAStereo	0.80 203	0.30 126	0.75 145	0.60 205	0.31 91	0.64 96	0.44 123	1.21 135	0.90 92	1.29 224	1.01 91	0.82 102	0.57 85	5.35 344	0.48 114	0.24 204	0.14 75	0.24 169	0.20 135	0.20 97	0.30 255

RE-Stereo	0.80 203	0.30 126	0.75 145	0.60 205	0.31 91	0.64 96	0.44 123	1.21 135	0.90 92	1.29 224	1.01 91	0.81 97	0.57 85	5.37 347	0.48 114	0.24 204	0.14 75	0.24 169	0.20 135	0.20 97	0.30 255

TVStereo	0.80 203	0.30 126	0.75 145	0.60 205	0.31 91	0.64 96	0.44 123	1.21 135	0.90 92	1.29 224	1.01 91	0.81 97	0.57 85	5.37 347	0.48 114	0.24 204	0.14 75	0.24 169	0.20 135	0.20 97	0.30 255

AdaStereo	0.70 154	0.43 260	0.75 145	0.73 307	0.37 152	0.92 210	0.53 184	1.85 279	1.18 208	1.12 136	1.23 174	1.07 191	0.65 123	0.96 82	0.63 179	0.31 280	0.15 125	0.32 279	0.21 171	0.29 239	0.22 164
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.
4D-IteraStereo	0.48 31	0.24 19	0.76 154	0.50 71	0.44 202	0.66 117	0.31 27	0.87 24	1.02 139	1.03 110	0.72 34	0.78 89	0.32 9	0.64 26	0.37 38	0.17 32	0.11 3	0.23 149	0.19 107	0.19 71	0.13 3

Sa-1000	0.72 160	0.29 110	0.76 154	0.59 194	0.30 79	0.73 146	0.37 64	1.62 228	1.33 272	1.28 219	2.04 337	0.86 122	0.75 139	1.84 230	0.38 48	0.19 92	0.14 75	0.25 205	0.23 216	0.20 97	0.16 41

IRAFT_RVC	0.88 234	0.28 83	0.76 154	0.63 236	0.31 91	0.65 108	1.02 322	1.22 142	0.94 106	1.22 195	1.04 109	1.01 175	0.98 239	5.82 358	0.53 144	0.22 166	0.12 9	0.25 205	0.20 135	0.20 97	0.19 111

CVANet_RVC	1.07 279	0.43 260	0.76 154	0.60 205	0.50 233	0.90 202	0.97 313	1.52 203	1.26 238	1.33 252	1.38 227	1.24 230	1.18 286	6.75 377	0.75 205	0.34 298	0.23 262	0.34 296	0.29 287	0.42 303	0.27 229

HH	0.63 115	0.30 126	0.77 158	0.50 71	0.32 106	0.49 30	0.46 141	1.65 232	0.64 27	0.69 43	1.09 123	1.63 303	0.85 184	1.90 237	0.37 38	0.18 60	0.13 42	0.19 49	0.17 74	0.19 71	0.16 41

HanStereo	0.63 115	0.30 126	0.77 158	0.50 71	0.32 106	0.49 30	0.46 141	1.65 232	0.64 27	0.69 43	1.09 123	1.63 303	0.85 184	1.90 237	0.37 38	0.18 60	0.13 42	0.19 49	0.17 74	0.19 71	0.16 41

CroCo-Stereo Lap2	0.44 21	0.34 206	0.77 158	0.61 217	0.79 335	0.28 2	0.35 46	0.75 8	0.71 51	0.38 3	0.50 9	0.72 79	0.55 73	0.57 12	0.47 109	0.17 32	0.18 194	0.19 49	0.16 58	0.21 131	0.20 133

PFNet+	0.59 97	0.28 83	0.77 158	0.53 118	0.30 79	0.59 78	0.31 27	0.92 40	1.14 189	1.33 252	1.10 127	0.79 92	0.57 85	1.31 136	0.49 121	0.25 228	0.17 180	0.28 245	0.26 251	0.21 131	0.25 205

PSM-softLoss	0.78 197	0.31 157	0.77 158	0.58 181	0.32 106	0.56 68	0.40 82	1.18 128	0.70 47	1.24 206	1.07 115	0.83 109	0.52 59	5.36 345	0.53 144	0.24 204	0.15 125	0.25 205	0.22 196	0.20 97	0.25 205

KMStereo	0.78 197	0.31 157	0.77 158	0.58 181	0.32 106	0.56 68	0.40 82	1.18 128	0.70 47	1.24 206	1.07 115	0.83 109	0.52 59	5.36 345	0.53 144	0.24 204	0.15 125	0.25 205	0.22 196	0.20 97	0.25 205

cf-r	0.73 174	0.30 126	0.77 158	0.55 152	0.63 293	0.78 170	0.48 155	1.79 267	1.15 198	1.13 150	1.26 186	1.43 268	0.87 195	1.40 162	0.85 238	0.25 228	0.18 194	0.22 122	0.23 216	0.19 71	0.19 111

HITNet	0.65 130	0.40 248	0.77 158	0.48 51	0.24 9	1.05 239	0.49 162	1.76 258	1.02 139	1.18 179	1.18 160	0.89 133	0.80 163	0.85 65	0.79 221	0.17 32	0.12 9	0.21 96	0.17 74	0.29 239	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
NINENet	0.77 191	0.37 234	0.78 166	0.62 228	0.51 243	2.34 363	0.42 95	1.83 277	1.04 146	1.14 152	1.23 174	1.03 180	0.62 110	1.24 128	0.70 190	0.28 261	0.23 262	0.31 266	0.21 171	0.26 208	0.25 205

DLCB_ROB	0.86 229	0.40 248	0.78 166	0.68 282	0.54 257	1.11 248	0.84 284	1.49 191	1.23 226	1.64 320	1.65 294	1.70 313	0.91 208	1.70 212	1.05 260	0.25 228	0.24 271	0.26 224	0.27 259	0.27 220	0.24 193

Selective-RAFT	0.52 38	0.28 83	0.79 168	0.55 152	0.27 33	0.91 204	0.33 33	0.80 17	0.88 85	0.58 32	0.63 20	0.81 97	0.77 151	1.29 134	0.48 114	0.19 92	0.14 75	0.17 14	0.15 30	0.19 71	0.17 60

AACVNet	0.86 229	0.35 222	0.79 168	0.82 332	0.39 177	0.76 159	0.49 162	1.61 225	0.81 69	1.08 117	1.33 209	1.30 249	0.93 217	4.34 329	0.74 202	0.25 228	0.21 240	0.28 245	0.22 196	0.29 239	0.25 205

GwcNet-ADL	0.64 125	0.31 157	0.79 168	0.56 164	0.41 188	0.60 84	0.58 220	1.41 175	1.26 238	1.08 117	1.13 143	0.91 135	0.60 96	1.04 102	0.78 215	0.27 251	0.18 194	0.18 36	0.18 88	0.25 200	0.29 243

DEmStereo	0.97 258	0.23 13	0.79 168	0.47 41	0.32 106	1.04 238	0.56 207	0.93 44	0.89 88	1.39 272	2.14 343	1.02 177	2.07 368	5.64 355	0.77 213	0.17 32	0.15 125	0.20 73	0.20 135	0.18 41	0.20 133

TDLM	1.06 277	0.44 263	0.79 168	0.63 236	0.50 233	0.89 200	1.44 355	1.48 190	1.26 238	1.12 136	1.40 233	1.08 192	0.98 239	6.65 371	0.78 215	0.33 290	0.21 240	0.33 286	0.26 251	0.37 279	0.24 193

UDGNet	0.72 160	1.17 375	0.80 173	0.77 318	0.41 188	0.77 165	0.38 68	0.97 59	1.34 275	0.81 65	0.88 61	0.71 78	0.60 96	1.21 124	0.54 150	0.52 352	0.19 207	1.02 379	0.26 251	0.71 362	0.31 265

FCDSN-DC	2.32 372	0.63 325	0.81 174	0.84 336	0.75 326	2.23 358	0.94 309	2.09 331	1.80 345	5.45 404	7.72 402	7.77 403	6.93 408	3.39 310	1.80 336	0.52 352	0.48 365	0.52 348	0.51 359	0.57 342	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.
ac_64	0.82 211	0.29 110	0.81 174	0.71 297	0.60 284	1.05 239	0.54 188	1.99 312	0.92 101	1.18 179	1.06 112	1.99 338	1.08 270	1.94 243	0.97 254	0.27 251	0.22 254	0.24 169	0.23 216	0.22 152	0.19 111

Anonymous_2	1.30 313	0.55 300	0.82 176	0.52 110	0.58 274	1.01 234	0.64 237	1.25 150	0.97 117	0.96 89	0.78 44	1.33 254	1.29 306	1.03 97	0.74 202	0.62 364	0.64 381	1.06 380	9.63 417	1.16 378	0.49 328

SA	0.66 138	0.30 126	0.82 176	0.61 217	0.30 79	0.58 74	0.38 68	1.44 184	1.30 260	0.96 89	1.36 221	0.66 64	0.95 227	1.85 233	0.42 72	0.19 92	0.15 125	0.25 205	0.23 216	0.21 131	0.17 60

CSP-Net	0.97 258	0.38 239	0.83 178	0.53 118	0.41 188	1.63 316	0.77 267	2.00 313	1.05 150	1.25 210	1.20 166	1.33 254	0.83 179	4.93 340	0.85 238	0.32 285	0.22 254	0.20 73	0.20 135	0.23 177	0.25 205

DIP-Stereo	0.62 109	0.30 126	0.83 178	0.48 51	0.36 145	0.95 219	0.33 33	2.37 367	0.67 41	1.25 210	1.00 86	0.68 68	0.51 57	0.91 75	0.61 172	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
DualNet	1.09 284	0.33 187	0.85 180	0.53 118	0.37 152	0.74 149	0.56 207	0.95 51	2.47 370	1.15 155	1.45 245	1.06 185	0.82 170	1.55 186	7.61 390	0.20 117	0.12 9	0.31 266	0.27 259	0.19 71	0.20 133

ffm	0.72 160	0.33 187	0.85 180	0.53 118	0.37 152	0.74 149	0.56 207	0.95 51	2.47 370	1.15 155	1.45 245	1.06 185	0.82 170	1.55 186	0.32 7	0.20 117	0.12 9	0.31 266	0.27 259	0.19 71	0.20 133

ff1	1.37 321	0.33 187	0.85 180	0.53 118	0.37 152	0.74 149	0.56 207	0.95 51	2.47 370	1.15 155	1.45 245	1.06 185	0.82 170	7.22 381	7.61 390	0.20 117	0.12 9	0.31 266	0.27 259	0.19 71	0.20 133

mmx	1.39 323	0.33 187	0.85 180	0.53 118	0.37 152	0.74 149	0.56 207	2.13 333	1.37 290	1.15 155	1.45 245	1.06 185	0.82 170	7.22 381	7.61 390	0.24 204	0.19 207	0.31 266	0.27 259	0.30 248	0.25 205

xxx	1.39 323	0.33 187	0.85 180	0.53 118	0.37 152	0.74 149	0.56 207	2.13 333	1.37 290	1.15 155	1.45 245	1.06 185	0.82 170	7.22 381	7.61 390	0.24 204	0.19 207	0.31 266	0.27 259	0.30 248	0.25 205

SACVNet	0.85 224	0.46 271	0.85 180	0.81 327	0.56 264	0.80 179	0.79 272	1.68 238	1.12 178	1.34 255	1.33 209	1.25 234	0.94 222	2.39 278	0.76 207	0.34 298	0.26 282	0.31 266	0.29 287	0.35 269	0.44 312

SMFormer	0.75 184	0.30 126	0.86 186	0.46 35	0.26 20	0.82 184	0.43 111	2.05 322	1.39 298	1.23 198	1.47 252	0.98 162	0.95 227	1.71 213	0.82 230	0.24 204	0.20 224	0.22 122	0.21 171	0.23 177	0.24 193

tta	0.75 184	0.30 126	0.86 186	0.46 35	0.26 20	0.82 184	0.43 111	2.05 322	1.39 298	1.23 198	1.47 252	0.98 162	0.95 227	1.71 213	0.82 230	0.24 204	0.20 224	0.22 122	0.21 171	0.18 41	0.18 78

qqq1	0.72 160	0.30 126	0.86 186	0.46 35	0.26 20	0.82 184	0.43 111	2.05 322	1.39 298	1.23 198	1.47 252	0.98 162	0.95 227	1.71 213	0.44 83	0.24 204	0.20 224	0.18 36	0.15 30	0.18 41	0.18 78

fff1	0.72 160	0.30 126	0.86 186	0.46 35	0.26 20	0.82 184	0.43 111	2.05 322	1.39 298	1.23 198	1.47 252	0.98 162	0.95 227	1.71 213	0.44 83	0.24 204	0.20 224	0.18 36	0.15 30	0.18 41	0.18 78

1111x	1.70 349	0.29 110	0.86 186	0.51 94	0.27 33	1.01 234	0.68 249	2.22 354	1.28 250	1.13 150	1.40 233	1.21 221	1.10 274	5.53 351	15.20 409	0.22 166	0.21 240	0.22 122	0.22 196	0.24 190	0.22 164

StereoVision	0.65 130	0.34 206	0.86 186	0.59 194	0.40 182	0.50 39	0.41 93	1.09 106	0.93 103	0.71 47	2.50 358	0.82 102	0.57 85	1.03 97	0.49 121	0.25 228	0.28 296	0.29 253	0.28 276	0.36 275	0.20 133

CFNet_pseudo	0.66 138	0.32 171	0.86 186	0.48 51	0.39 177	0.70 138	0.40 82	1.33 158	1.22 223	1.16 166	1.34 214	1.24 230	0.64 118	0.98 88	0.59 163	0.21 143	0.16 156	0.33 286	0.19 107	0.36 275	0.25 205

GANet	1.36 320	0.47 275	0.86 186	0.67 272	0.45 209	1.34 286	1.73 368	1.64 231	1.24 230	1.49 295	2.38 352	1.55 291	1.20 292	9.30 400	0.93 246	0.30 273	0.31 314	0.33 286	0.28 276	0.39 291	0.30 255

ccs_rob	0.66 138	0.33 187	0.86 186	0.48 51	0.39 177	0.70 138	0.40 82	1.33 158	1.22 223	1.16 166	1.34 214	1.23 228	0.64 118	0.98 88	0.59 163	0.21 143	0.16 156	0.35 303	0.20 135	0.37 279	0.25 205

FC-DCNN	2.72 387	0.59 313	0.86 186	0.73 307	0.57 266	2.91 378	1.04 324	3.01 382	2.60 375	6.83 406	7.64 401	9.92 408	6.33 406	5.21 342	3.14 365	0.53 358	0.48 365	0.51 347	0.50 357	0.53 336	0.51 333

RALAANet	0.60 100	0.33 187	0.87 196	0.62 228	0.50 233	0.69 131	0.31 27	1.21 135	1.06 153	1.09 122	1.16 155	0.88 129	0.46 32	1.22 125	0.42 72	0.19 92	0.15 125	0.21 96	0.17 74	0.27 220	0.17 60

MSMDNet	0.66 138	0.32 171	0.87 196	0.49 64	0.37 152	0.79 174	0.40 82	1.43 183	1.31 264	1.15 155	1.31 202	1.24 230	0.63 115	0.88 70	0.57 158	0.21 143	0.16 156	0.26 224	0.19 107	0.39 291	0.24 193

DeepPruner_ROB	0.74 177	0.48 280	0.87 196	0.57 175	0.44 202	0.79 174	0.54 188	1.73 246	0.96 110	1.38 267	1.27 189	1.24 230	0.73 135	1.43 164	0.73 201	0.34 298	0.28 296	0.27 235	0.26 251	0.31 255	0.31 265

PCWNet_CMD	0.66 138	0.32 171	0.88 199	0.49 64	0.37 152	0.78 170	0.40 82	1.42 177	1.31 264	1.16 166	1.31 202	1.25 234	0.62 110	0.89 73	0.57 158	0.20 117	0.16 156	0.27 235	0.19 107	0.40 295	0.25 205

CFNet_ucs	0.70 154	0.33 187	0.88 199	0.50 71	0.43 196	0.74 149	0.44 123	1.60 222	1.29 254	1.22 195	1.54 267	1.09 198	0.63 115	0.99 90	0.59 163	0.25 228	0.20 224	0.37 313	0.21 171	0.40 295	0.28 240

RAFT_CTSACE	0.63 115	0.26 46	0.88 199	0.55 152	0.51 243	0.71 141	0.44 123	0.80 17	0.97 117	0.97 92	1.84 317	1.18 218	0.68 126	1.47 173	0.36 33	0.16 11	0.15 125	0.21 96	0.20 135	0.20 97	0.14 11

LMCR-Stereo	0.82 211	0.46 271	0.88 199	0.75 313	0.43 196	1.33 284	0.56 207	2.43 371	0.98 122	1.53 300	1.49 258	0.74 80	1.00 249	1.63 198	0.89 242	0.28 261	0.17 180	0.22 122	0.17 74	0.29 239	0.20 133

StereoDRNet-Refined	0.80 203	0.41 254	0.88 199	0.62 228	0.42 191	1.33 284	0.48 155	1.52 203	1.17 204	1.45 284	1.44 243	1.44 272	0.90 206	1.26 130	1.24 285	0.20 117	0.16 156	0.27 235	0.24 227	0.25 200	0.28 240
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
TransformOpticalFlow	0.96 252	0.28 83	0.89 204	0.52 110	0.31 91	0.66 117	0.54 188	1.75 252	1.12 178	1.09 122	1.44 243	1.37 262	1.01 251	6.70 375	0.42 72	0.19 92	0.12 9	0.20 73	0.19 107	0.18 41	0.19 111

ADLNet	0.85 224	0.36 229	0.89 204	0.85 341	0.72 315	1.24 273	0.76 264	1.82 273	1.36 286	1.52 299	1.35 220	1.27 242	0.99 247	1.23 127	1.15 276	0.27 251	0.20 224	0.26 224	0.25 238	0.28 234	0.30 255

MSMD_ROB	1.99 364	0.59 313	0.89 204	0.70 290	0.61 287	3.95 393	0.94 309	1.80 269	1.79 344	4.41 395	4.43 381	8.17 404	3.66 392	3.40 311	1.33 297	0.52 352	0.48 365	0.54 354	0.58 366	0.53 336	0.50 329

GES	0.66 138	0.34 206	0.90 207	0.59 194	0.38 169	0.94 215	0.57 217	2.11 332	0.86 77	1.02 106	1.11 132	0.66 64	0.79 158	0.99 90	0.61 172	0.27 251	0.19 207	0.20 73	0.20 135	0.21 131	0.30 255

UPFNet	0.80 203	0.32 171	0.90 207	0.59 194	0.74 320	1.26 276	0.80 278	1.52 203	1.10 172	1.30 232	1.12 138	1.30 249	0.84 181	1.67 205	1.09 267	0.24 204	0.24 271	0.24 169	0.23 216	0.25 200	0.18 78

DMCA	0.67 147	0.34 206	0.90 207	0.51 94	0.44 202	0.86 197	0.47 147	1.42 177	1.02 139	1.17 175	1.12 138	1.23 228	0.75 139	0.78 50	0.95 249	0.25 228	0.19 207	0.27 235	0.19 107	0.24 190	0.27 229

iRaft-Stereo_5w	0.85 224	0.29 110	0.91 210	0.53 118	0.43 196	0.49 30	0.68 249	0.99 63	0.87 81	0.79 59	1.34 214	1.46 276	0.91 208	5.11 341	1.11 272	0.17 32	0.14 75	0.22 122	0.18 88	0.20 97	0.20 133

AASNet	0.76 190	0.35 222	0.91 210	0.79 321	0.81 342	1.14 253	0.56 207	2.02 320	1.08 162	1.22 195	1.24 176	0.93 144	0.76 147	0.77 49	1.16 277	0.27 251	0.23 262	0.24 169	0.20 135	0.28 234	0.24 193

Anonymous	0.53 47	0.38 239	0.91 210	0.66 262	0.73 318	0.65 108	0.59 227	0.95 51	0.73 55	0.47 13	0.58 19	0.42 4	0.60 96	0.80 54	0.53 144	0.24 204	0.23 262	0.21 96	0.21 171	0.41 298	0.29 243

RASNet	1.12 292	0.30 126	0.91 210	0.66 262	0.77 330	0.97 227	0.57 217	1.37 167	1.35 283	1.02 106	1.34 214	2.11 347	1.43 319	7.09 380	1.39 307	0.19 92	0.17 180	0.17 14	0.19 107	0.18 41	0.16 41

MIM_Stereo	0.57 89	0.24 19	0.92 214	0.46 35	0.30 79	0.54 59	0.28 17	1.27 152	0.75 56	1.00 100	1.16 155	0.93 144	0.53 64	1.45 167	0.61 172	0.16 11	0.16 156	0.20 73	0.19 107	0.17 24	0.14 11

MeshStereo	2.26 370	0.56 303	0.92 214	0.61 217	0.49 227	2.60 371	1.02 322	3.18 384	2.05 360	7.40 410	4.98 390	7.58 401	2.98 386	6.37 367	1.96 344	0.43 333	0.43 353	0.45 337	0.39 330	0.43 308	0.42 306
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
CoDeX	0.73 174	0.29 110	0.93 216	0.54 133	0.36 145	1.14 253	0.61 232	2.34 365	1.17 204	1.16 166	1.25 180	0.91 135	0.87 195	1.33 140	0.64 182	0.20 117	0.16 156	0.21 96	0.18 88	0.20 97	0.18 78

PS-NSSS	0.99 263	0.58 310	0.93 216	0.58 181	0.57 266	0.91 204	0.80 278	1.81 272	1.14 189	1.14 152	1.67 298	1.00 168	0.83 179	4.62 333	0.78 215	0.37 312	0.31 314	0.52 348	0.32 305	0.45 318	0.38 294

MIPNet	0.56 85	0.28 83	0.94 218	0.49 64	0.33 122	0.66 117	0.38 68	1.35 164	1.08 162	1.06 114	0.92 67	0.60 51	0.79 158	0.73 42	0.52 136	0.17 32	0.14 75	0.19 49	0.16 58	0.18 41	0.17 60

GMStereo	0.55 76	0.45 269	0.94 218	0.50 71	0.32 106	0.64 96	0.43 111	1.00 67	1.40 303	0.82 68	0.73 35	0.51 31	0.45 29	0.85 65	0.55 154	0.24 204	0.15 125	0.20 73	0.21 171	0.31 255	0.24 193
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
HGLStereo	0.85 224	0.38 239	0.94 218	0.80 324	1.03 362	1.17 262	0.58 220	1.52 203	1.20 216	1.19 183	1.62 288	1.13 210	1.20 292	1.80 227	1.06 262	0.24 204	0.24 271	0.24 169	0.21 171	0.23 177	0.27 229

MyStereo06	0.61 106	0.28 83	0.95 221	0.56 164	0.46 219	0.61 87	0.73 259	1.78 265	0.67 41	1.03 110	1.12 138	1.13 210	0.56 77	0.78 50	0.41 64	0.17 32	0.16 156	0.23 149	0.20 135	0.22 152	0.20 133

hknet	0.77 191	0.32 171	0.95 221	0.54 133	0.38 169	1.27 277	0.65 239	2.16 342	1.07 158	1.20 187	1.11 132	1.59 297	0.81 166	1.37 148	0.66 184	0.22 166	0.17 180	0.25 205	0.22 196	0.22 152	0.22 164

delet	0.85 224	0.32 171	0.95 221	0.65 257	0.66 300	1.64 318	0.84 284	1.75 252	1.35 283	1.32 244	1.30 197	1.30 249	0.88 199	1.68 210	1.10 270	0.21 143	0.21 240	0.24 169	0.24 227	0.21 131	0.21 149

acv_ft	0.75 184	0.31 157	0.95 221	0.70 290	0.86 349	1.24 273	0.53 184	1.44 184	1.07 158	1.24 206	1.30 197	1.08 192	0.92 211	0.80 54	1.34 299	0.21 143	0.19 207	0.21 96	0.18 88	0.21 131	0.18 78

CIPLG	0.62 109	0.33 187	0.96 225	0.58 181	0.50 233	0.75 155	0.48 155	1.05 86	0.96 110	1.40 273	1.57 277	0.64 59	0.48 46	0.89 73	0.70 190	0.23 189	0.15 125	0.19 49	0.16 58	0.19 71	0.21 149

STrans-v2	1.04 276	0.28 83	0.96 225	0.49 64	0.32 106	0.68 127	0.79 272	2.47 373	1.12 178	1.12 136	1.46 251	1.40 263	1.46 323	6.70 375	0.43 81	0.18 60	0.13 42	0.20 73	0.18 88	0.18 41	0.18 78

dd	0.59 97	0.48 280	0.97 227	0.55 152	0.32 106	0.64 96	0.47 147	1.02 73	1.34 275	0.78 56	0.86 56	0.58 46	0.54 67	1.01 94	0.86 240	0.28 261	0.18 194	0.26 224	0.19 107	0.32 260	0.24 193

IPLG	0.69 152	0.27 67	0.97 227	0.51 94	0.43 196	0.79 174	0.33 33	1.21 135	1.06 153	1.30 232	1.10 127	0.52 36	0.55 73	3.16 306	0.63 179	0.16 11	0.14 75	0.19 49	0.16 58	0.18 41	0.17 60

TRStereo	0.60 100	0.60 320	0.97 227	0.74 309	0.67 302	0.46 18	0.38 68	1.85 279	0.89 88	0.79 59	0.80 51	0.88 129	0.39 14	1.10 111	0.41 64	0.23 189	0.15 125	0.23 149	0.24 227	0.17 24	0.15 27

IGEV_Zeroshot_test	0.53 47	0.30 126	0.99 230	0.56 164	0.35 140	0.41 12	0.32 30	1.37 167	0.63 25	1.00 100	1.09 123	0.95 153	0.41 18	0.83 61	0.39 54	0.18 60	0.12 9	0.19 49	0.18 88	0.19 71	0.17 60

UDG	1.41 326	2.65 406	0.99 230	1.44 382	1.64 385	1.34 286	0.80 278	1.60 222	1.23 226	1.23 198	1.71 301	2.01 340	1.34 314	1.47 173	1.41 312	0.90 373	0.54 375	2.29 390	0.75 374	1.84 384	1.04 377

IPLGR_C	0.62 109	0.33 187	0.99 230	0.58 181	0.49 227	0.76 159	0.48 155	1.10 108	0.96 110	1.40 273	1.56 273	0.62 54	0.48 46	0.80 54	0.71 195	0.23 189	0.15 125	0.19 49	0.16 58	0.19 71	0.21 149

GEStereo_RVC	0.90 239	0.37 234	0.99 230	0.64 245	0.50 233	0.95 219	0.79 272	2.42 370	1.17 204	1.16 166	1.11 132	1.26 238	0.92 211	3.24 307	0.90 244	0.29 269	0.19 207	0.23 149	0.20 135	0.27 220	0.29 243

iResNet_ROB	0.77 191	0.30 126	0.99 230	0.57 175	0.36 145	0.83 188	0.36 55	2.33 363	1.58 328	1.27 217	1.30 197	1.25 234	0.84 181	1.65 200	0.79 221	0.20 117	0.14 75	0.17 14	0.12 9	0.18 41	0.27 229

MyStereo8	0.65 130	0.29 110	1.00 235	0.58 181	0.49 227	0.91 204	0.35 46	1.18 128	1.31 264	1.16 166	1.27 189	0.90 134	0.64 118	0.72 39	0.95 249	0.18 60	0.14 75	0.20 73	0.18 88	0.22 152	0.26 223

CRFU-Net	0.86 229	0.39 244	1.00 235	0.65 257	0.57 266	1.78 333	0.86 290	2.15 339	0.81 69	1.38 267	1.18 160	1.64 306	1.19 289	1.35 144	0.90 244	0.26 242	0.22 254	0.21 96	0.19 107	0.23 177	0.24 193

iRaft-Stereo_20w	0.65 130	0.31 157	1.00 235	0.47 41	0.34 137	0.73 146	0.30 22	2.96 381	0.70 47	1.15 155	1.14 146	0.76 85	0.65 123	1.11 114	0.38 48	0.17 32	0.13 42	0.18 36	0.16 58	0.19 71	0.18 78

MaskLacGwcNet_RVC	1.10 287	1.02 363	1.00 235	0.82 332	0.67 302	1.93 343	0.93 307	1.62 228	1.11 174	1.15 155	1.25 180	1.50 284	0.79 158	1.96 245	0.76 207	1.89 386	0.34 324	0.79 371	0.36 324	1.25 381	0.83 368

GMStereo_Zeroshot	0.67 147	0.61 321	1.01 239	0.64 245	0.37 152	0.84 195	0.35 46	1.05 86	1.12 178	1.12 136	1.06 112	1.27 242	0.54 67	1.19 122	0.59 163	0.32 285	0.17 180	0.31 266	0.18 88	0.52 334	0.22 164

test croco	0.46 24	0.27 67	1.01 239	0.50 71	0.40 182	0.35 5	0.37 64	0.87 24	0.56 17	0.43 7	0.76 41	0.42 4	0.40 16	1.13 117	0.45 91	0.21 143	0.15 125	0.24 169	0.19 107	0.24 190	0.16 41

ACRE	0.61 106	0.33 187	1.01 239	0.58 181	0.49 227	0.75 155	0.47 147	1.06 99	0.95 108	1.37 262	1.55 269	0.62 54	0.46 32	0.83 61	0.70 190	0.23 189	0.15 125	0.19 49	0.16 58	0.18 41	0.21 149

ccnet	1.12 292	0.67 330	1.01 239	0.78 320	0.73 318	1.72 324	0.99 317	1.84 278	1.26 238	1.47 287	1.85 319	1.75 321	1.29 306	1.75 218	1.88 340	0.57 360	0.53 372	0.57 364	0.55 363	0.59 346	0.54 336

GwcNet-RSSM	0.77 191	0.32 171	1.01 239	0.62 228	0.54 257	0.78 170	0.51 169	1.73 246	1.20 216	1.09 122	1.37 223	1.46 276	0.85 184	1.53 182	1.09 267	0.25 228	0.18 194	0.23 149	0.24 227	0.20 97	0.19 111

CFNet	0.96 252	0.36 229	1.01 239	0.62 228	0.42 191	0.99 231	0.47 147	1.90 290	1.32 269	0.99 98	1.39 231	1.10 200	0.86 192	5.58 354	0.79 221	0.23 189	0.17 180	0.28 245	0.27 259	0.26 208	0.21 149

ssnet_v2	0.88 234	0.36 229	1.02 245	0.62 228	0.38 169	1.32 283	0.97 313	2.07 328	1.34 275	1.37 262	1.18 160	1.54 289	0.92 211	1.10 111	1.65 330	0.30 273	0.27 290	0.30 262	0.28 276	0.27 220	0.26 223

IER	0.70 154	0.31 157	1.02 245	0.48 51	0.52 251	1.34 286	0.51 169	1.17 123	0.99 129	1.23 198	1.34 214	1.12 205	1.11 275	0.99 90	0.71 195	0.20 117	0.16 156	0.21 96	0.21 171	0.20 97	0.19 111

sCroCo_RVC	0.49 34	0.40 248	1.02 245	0.65 257	0.60 284	0.52 51	0.40 82	0.83 21	0.61 22	0.44 8	0.74 37	0.49 28	0.50 55	0.63 25	0.48 114	0.26 242	0.27 290	0.23 149	0.22 196	0.29 239	0.25 205

SFCPSM	0.70 154	0.28 83	1.02 245	0.51 94	0.38 169	1.37 289	0.66 244	2.00 313	1.03 142	1.17 175	1.21 168	0.82 102	0.78 156	1.03 97	0.53 144	0.21 143	0.17 180	0.22 122	0.24 227	0.21 131	0.19 111

DAS	0.84 220	0.34 206	1.03 249	0.64 245	0.69 310	0.77 165	0.63 235	1.54 211	1.20 216	1.79 334	1.55 269	0.95 153	1.04 259	2.83 293	0.60 170	0.21 143	0.16 156	0.25 205	0.18 88	0.27 220	0.22 164

SepStereo	0.82 211	0.34 206	1.03 249	0.64 245	0.69 310	0.77 165	0.63 235	1.54 211	1.20 216	1.79 334	1.55 269	0.95 153	1.04 259	2.30 271	0.60 170	0.21 143	0.16 156	0.25 205	0.18 88	0.27 220	0.22 164

MANE	6.19 402	0.59 313	1.03 249	0.93 360	1.22 378	13.38 414	2.69 399	12.81 415	17.94 418	8.21 411	10.82 410	14.72 414	11.68 410	11.39 412	11.90 403	0.59 361	0.50 369	0.52 348	1.76 403	0.55 339	0.54 336

test-1	0.52 38	0.26 46	1.04 252	0.56 164	0.32 106	0.61 87	0.38 68	1.10 108	0.91 97	0.78 56	1.01 91	0.77 86	0.52 59	0.60 23	0.42 72	0.17 32	0.14 75	0.20 73	0.17 74	0.20 97	0.23 181

whm_eth	0.65 130	0.47 275	1.05 253	0.55 152	0.64 295	0.69 131	0.45 134	1.34 162	1.26 238	1.02 106	1.92 327	0.49 28	0.48 46	0.70 33	0.52 136	0.23 189	0.20 224	0.25 205	0.24 227	0.24 190	0.31 265

NLCA_NET_v2_RVC	0.79 200	0.43 260	1.05 253	0.64 245	0.58 274	0.95 219	0.53 184	1.53 209	1.18 208	1.37 262	1.15 152	1.43 268	0.88 199	1.61 196	0.84 235	0.25 228	0.22 254	0.27 235	0.27 259	0.29 239	0.29 243
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
DN-CSS_ROB	0.64 125	0.32 171	1.05 253	0.55 152	0.40 182	0.54 59	0.45 134	1.21 135	0.93 103	1.03 110	1.47 252	0.69 73	0.63 115	1.76 223	0.49 121	0.18 60	0.14 75	0.25 205	0.22 196	0.22 152	0.20 133

ADStereo(finetuned)	0.57 89	0.24 19	1.06 256	0.43 8	0.24 9	0.49 30	0.35 46	1.05 86	1.30 260	1.12 136	1.03 106	0.58 46	1.20 292	0.84 63	0.51 130	0.16 11	0.13 42	0.17 14	0.13 11	0.18 41	0.19 111

dad	0.86 229	0.66 329	1.06 256	0.56 164	0.37 152	0.76 159	0.44 123	1.17 123	1.50 319	1.44 282	1.27 189	1.34 258	0.75 139	2.52 283	0.84 235	0.42 328	0.27 290	0.83 372	0.26 251	0.41 298	0.29 243

DSFCA	0.93 247	0.34 206	1.06 256	0.52 110	0.65 298	1.55 309	0.93 307	1.49 191	1.19 211	1.56 308	1.15 152	1.50 284	0.96 232	3.07 301	1.02 259	0.30 273	0.26 282	0.25 205	0.25 238	0.28 234	0.24 193

NCCL2	1.00 267	0.56 303	1.06 256	0.75 313	0.57 266	1.31 282	1.72 367	1.77 261	1.36 286	1.50 296	1.17 158	1.91 328	1.17 283	1.54 184	1.29 293	0.35 305	0.31 314	0.45 337	0.44 342	0.40 295	0.40 298

MyStereo05	0.66 138	0.28 83	1.07 260	0.56 164	0.46 219	0.61 87	0.73 259	1.34 162	1.41 306	1.15 155	0.91 65	0.77 86	0.80 163	1.41 163	0.63 179	0.17 32	0.16 156	0.23 149	0.20 135	0.22 152	0.20 133

MyStereo04	0.67 147	0.29 110	1.07 260	0.55 152	0.45 209	0.59 78	0.79 272	1.50 195	1.40 303	0.91 79	0.91 65	0.74 80	0.86 192	1.52 178	0.62 175	0.17 32	0.16 156	0.24 169	0.20 135	0.23 177	0.20 133

DCANet-4	0.54 61	0.26 46	1.07 260	0.42 7	0.24 9	0.48 20	0.36 55	0.99 63	1.30 260	1.10 130	1.02 98	0.56 40	0.75 139	0.73 42	0.52 136	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

SQANet	1.31 314	0.88 356	1.08 263	1.83 385	1.44 382	1.44 300	0.75 261	1.74 250	1.09 168	1.32 244	1.26 186	1.28 245	1.01 251	1.50 177	0.83 232	2.50 391	0.34 324	1.47 383	0.55 363	2.32 387	1.57 386

RAFT + AFF	1.00 267	0.42 257	1.09 264	0.67 272	0.50 233	1.22 271	1.24 343	2.24 356	1.19 211	1.30 232	1.56 273	1.17 215	1.49 328	3.44 315	0.83 232	0.21 143	0.25 278	0.30 262	0.26 251	0.27 220	0.27 229

MMNet	0.84 220	0.32 171	1.09 264	0.60 205	0.59 281	1.85 339	0.49 162	1.51 200	1.27 245	1.37 262	1.15 152	1.26 238	1.18 286	1.67 205	1.22 283	0.19 92	0.18 194	0.23 149	0.22 196	0.25 200	0.21 149

XPNet_ROB	0.96 252	0.49 283	1.09 264	0.72 300	0.57 266	1.11 248	1.14 334	1.66 236	1.23 226	1.85 340	1.39 231	1.64 306	1.11 275	1.80 227	1.42 316	0.38 316	0.30 308	0.33 286	0.29 287	0.37 279	0.34 277

PFNet	0.91 242	0.26 46	1.10 267	0.63 236	0.32 106	0.64 96	0.56 207	1.17 123	0.99 129	1.47 287	1.08 118	0.98 162	0.69 129	6.62 370	0.54 150	0.20 117	0.12 9	0.24 169	0.19 107	0.20 97	0.17 60

MLCV	0.72 160	0.34 206	1.10 267	0.51 94	0.23 6	0.91 204	0.39 79	1.33 158	1.23 226	1.46 286	1.55 269	1.01 175	0.64 118	1.95 244	0.80 224	0.18 60	0.12 9	0.18 36	0.14 22	0.19 71	0.17 60

Anonymous3	0.61 106	0.44 263	1.11 269	0.59 194	0.49 227	0.93 213	0.65 239	0.93 44	0.81 69	0.72 50	0.88 61	0.65 62	0.69 129	1.06 104	0.53 144	0.35 305	0.30 308	0.26 224	0.26 251	0.31 255	0.27 229

DISCO	1.03 273	0.34 206	1.11 269	0.69 285	0.45 209	2.07 352	0.84 284	2.13 333	1.50 319	1.15 155	1.33 209	2.40 359	1.07 269	2.60 286	1.51 325	0.23 189	0.18 194	0.22 122	0.20 135	0.31 255	0.27 229

DDUNet	1.50 331	2.69 407	1.12 271	1.77 384	1.88 387	1.84 338	0.92 303	1.70 243	1.16 202	1.38 267	1.79 311	1.60 299	1.12 278	1.37 148	1.08 265	1.10 383	0.76 384	2.37 392	0.94 384	2.00 385	1.37 384

RP	1.09 284	0.50 287	1.12 271	0.90 354	1.04 363	1.11 248	0.84 284	1.80 269	1.62 330	1.55 307	2.00 332	1.90 327	1.78 350	1.84 230	1.25 286	0.52 352	0.36 337	0.48 343	0.36 324	0.45 318	0.43 310

DRN-Test	1.00 267	0.44 263	1.13 273	0.70 290	0.81 342	1.62 315	0.79 272	2.14 337	1.44 312	1.78 331	1.33 209	1.43 268	1.05 263	2.18 263	1.53 326	0.27 251	0.21 240	0.31 266	0.30 295	0.32 260	0.28 240

IPLGR	0.58 94	0.27 67	1.14 274	0.48 51	0.28 52	0.65 108	0.33 33	1.22 142	1.13 187	1.18 179	1.05 110	0.69 73	0.66 125	0.96 82	0.52 136	0.17 32	0.15 125	0.20 73	0.17 74	0.20 97	0.18 78

NaN_ROB	1.13 295	0.55 300	1.15 275	0.64 245	0.48 224	1.61 314	2.03 385	1.72 245	1.48 316	2.09 353	1.27 189	1.40 263	1.08 270	3.94 321	1.30 294	0.28 261	0.34 324	0.28 245	0.28 276	0.30 248	0.33 275

ETE_ROB	0.96 252	0.64 327	1.16 276	0.69 285	0.48 224	1.14 253	1.13 333	1.77 261	1.19 211	1.91 345	1.45 245	1.73 316	1.05 263	1.60 195	1.14 275	0.32 285	0.26 282	0.38 316	0.34 316	0.39 291	0.41 302

LALA_ROB	1.01 270	0.59 313	1.16 276	0.67 272	0.51 243	1.63 316	1.26 347	1.69 240	1.38 294	1.81 337	1.37 223	1.94 333	1.02 256	1.58 192	1.38 304	0.37 312	0.27 290	0.43 333	0.37 327	0.43 308	0.37 288

ADLNet2	0.88 234	0.34 206	1.17 278	0.77 318	0.64 295	1.12 251	0.76 264	1.74 250	1.24 230	1.21 190	1.65 294	1.71 314	1.05 263	1.67 205	1.17 279	0.24 204	0.21 240	0.21 96	0.22 196	0.26 208	0.29 243

BEATNet_4x	0.73 174	0.49 283	1.17 278	0.53 118	0.26 20	1.03 236	0.55 201	1.82 273	1.06 153	1.21 190	1.22 170	0.96 159	0.91 208	1.01 94	1.06 262	0.21 143	0.14 75	0.24 169	0.19 107	0.37 279	0.21 149

PSMNet_ROB	0.90 239	0.52 293	1.17 278	0.72 300	0.61 287	1.27 277	1.12 332	1.76 258	1.12 178	1.09 122	1.28 193	1.45 274	0.89 205	1.65 200	1.42 316	0.33 290	0.25 278	0.37 313	0.39 330	0.35 269	0.29 243

otaku	1.60 339	1.11 370	1.21 281	2.20 388	1.56 384	1.97 346	1.24 343	2.07 328	1.36 286	1.44 282	1.62 288	1.73 316	1.19 289	1.73 217	0.98 256	2.89 395	0.57 377	1.74 384	0.60 370	2.78 392	1.94 391

anonymity	1.12 292	0.97 359	1.21 281	1.07 371	1.12 369	1.08 245	0.89 295	1.95 305	1.16 202	1.29 224	1.26 186	1.22 223	1.09 273	1.15 119	1.01 258	1.02 378	1.00 399	0.97 376	0.97 386	0.98 371	0.99 374

STTStereo	0.78 197	0.50 287	1.22 283	0.64 245	0.54 257	0.89 200	0.54 188	1.44 184	1.11 174	1.38 267	1.09 123	1.27 242	0.85 184	1.43 164	0.83 232	0.29 269	0.27 290	0.33 286	0.39 330	0.32 260	0.30 255

Ntro	1.64 343	1.15 373	1.23 284	2.48 393	1.83 386	2.09 353	1.16 337	1.96 306	1.38 294	1.21 190	1.62 288	1.62 301	1.29 306	1.87 236	1.11 272	3.04 396	0.56 376	1.82 386	0.64 371	2.80 393	2.05 392

ToySt	0.66 138	0.33 187	1.23 284	0.51 94	0.33 122	0.86 197	0.68 249	1.10 108	0.97 117	0.84 71	1.08 118	1.25 234	0.94 222	1.01 94	0.74 202	0.19 92	0.19 207	0.24 169	0.24 227	0.27 220	0.23 181

SPS-STEREO	1.67 345	1.04 364	1.23 284	1.21 375	1.13 372	1.82 336	1.11 330	2.16 342	1.52 322	3.07 385	2.32 349	2.82 371	1.80 352	4.11 324	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
NCC-stereo	1.10 287	0.54 297	1.24 287	0.84 336	0.94 357	1.29 280	0.89 295	2.01 317	1.34 275	1.32 244	1.74 304	1.88 323	1.74 347	2.35 274	1.25 286	0.45 339	0.37 339	0.45 337	0.58 366	0.42 303	0.42 306

Abc-Net	1.10 287	0.54 297	1.24 287	0.84 336	0.94 357	1.29 280	0.89 295	2.01 317	1.34 275	1.32 244	1.74 304	1.88 323	1.74 347	2.35 274	1.25 286	0.45 339	0.37 339	0.45 337	0.58 366	0.42 303	0.42 306
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RYNet	1.17 303	0.49 283	1.24 287	0.70 290	0.97 361	1.71 322	0.92 303	1.91 294	1.46 314	1.38 267	1.14 146	1.88 323	1.30 310	4.24 325	1.87 338	0.26 242	0.21 240	0.35 303	0.27 259	0.55 339	0.54 336

RGC	1.14 297	0.79 348	1.26 290	0.91 357	0.96 360	1.52 306	0.77 267	1.92 297	1.26 238	1.54 304	1.93 328	2.02 342	1.54 330	2.25 269	1.31 295	0.44 338	0.35 332	0.58 365	0.48 351	0.47 321	0.46 318

SGM-ForestM	6.52 404	0.38 239	1.26 290	0.63 236	0.35 140	13.59 415	5.32 409	6.32 408	6.70 403	11.14 412	9.18 407	22.51 424	13.93 412	16.89 416	20.07 414	0.36 308	0.37 339	0.36 311	0.35 320	0.36 275	0.34 277

CSAN	1.41 326	0.59 313	1.26 290	0.70 290	0.50 233	1.76 328	1.78 370	1.77 261	1.90 352	2.35 361	2.32 349	1.92 331	1.94 361	5.56 353	1.49 324	0.43 333	0.35 332	0.40 327	0.41 336	0.43 308	0.41 302

DMCA-RVC	0.74 177	0.40 248	1.27 293	0.66 262	0.49 227	0.77 165	0.47 147	1.35 164	1.01 136	1.53 300	1.01 91	1.29 248	0.82 170	1.31 136	0.78 215	0.27 251	0.21 240	0.35 303	0.27 259	0.32 260	0.24 193

CC-Net-ROB	1.49 329	1.26 377	1.27 293	0.88 349	0.79 335	1.76 328	1.00 319	1.79 267	1.26 238	1.10 130	1.61 285	1.21 221	0.99 247	8.13 394	0.84 235	1.09 382	0.41 350	2.20 388	0.46 347	1.20 380	0.48 324

PA-Net	1.01 270	0.57 307	1.29 295	0.64 245	0.74 320	1.19 267	0.84 284	1.69 240	1.43 311	1.16 166	1.19 163	1.32 253	1.19 289	3.42 313	1.25 286	0.29 269	0.45 360	0.33 286	0.49 354	0.32 260	0.47 321
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
edge stereo	1.11 290	0.50 287	1.30 296	0.71 297	0.65 298	1.14 253	0.75 261	1.93 301	1.37 290	1.71 325	1.83 315	2.54 363	1.44 320	2.43 280	1.23 284	0.42 328	0.41 350	0.54 354	0.35 320	0.42 303	0.46 318

UNet	0.83 216	0.34 206	1.31 297	0.58 181	0.74 320	1.58 312	0.49 162	1.41 175	1.04 146	1.21 190	1.08 118	1.54 289	1.12 278	1.65 200	1.09 267	0.23 189	0.17 180	0.25 205	0.20 135	0.25 200	0.22 164

GANetREF_RVC	1.07 279	0.86 353	1.31 297	0.82 332	0.53 254	1.41 298	1.31 349	1.76 258	1.52 322	1.27 217	1.31 202	1.46 276	1.24 300	2.03 250	0.96 253	0.56 359	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
WCMA_ROB	1.84 355	0.47 275	1.31 297	0.69 285	0.57 266	2.11 354	1.14 334	1.87 283	1.73 339	4.04 391	6.43 394	5.62 395	3.61 391	2.59 285	1.94 343	0.52 352	0.44 356	0.39 322	0.42 338	0.48 324	0.47 321

FAT-Stereo	1.07 279	0.41 254	1.32 300	0.72 300	0.58 274	1.08 245	0.89 295	1.96 306	1.65 332	1.75 328	1.98 331	2.03 343	1.48 326	2.02 249	1.18 282	0.42 328	0.35 332	0.34 296	0.29 287	0.35 269	0.53 335

DANet	1.08 282	0.61 321	1.32 300	0.85 341	0.72 315	1.37 289	0.51 169	1.54 211	1.15 198	1.78 331	1.54 267	2.01 340	1.11 275	2.90 296	2.00 346	0.33 290	0.30 308	0.40 327	0.30 295	0.44 315	0.45 314
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
AF-Net	1.13 295	0.52 293	1.33 302	0.86 343	0.91 353	1.38 292	0.71 257	2.16 342	1.62 330	1.56 308	2.40 354	1.99 338	1.65 340	1.81 229	1.48 323	0.48 347	0.28 296	0.49 345	0.33 311	0.39 291	0.32 271

Nwc_Net	1.09 284	0.49 283	1.33 302	0.89 353	0.80 340	1.49 304	0.66 244	2.19 350	1.27 245	1.32 244	2.26 347	1.96 335	1.54 330	1.92 239	1.34 299	0.40 321	0.30 308	0.43 333	0.45 344	0.38 287	0.37 288

PWCDC_ROB	1.29 311	0.75 344	1.33 302	1.05 368	0.88 352	1.73 325	0.52 178	1.89 287	3.28 384	1.29 224	4.88 389	1.22 223	1.46 323	1.77 225	1.45 320	0.60 362	0.26 282	0.29 253	0.25 238	0.52 334	0.37 288

iResNet	0.75 184	0.40 248	1.36 305	0.67 272	0.29 63	0.92 210	0.59 227	1.52 203	1.25 233	1.28 219	1.48 257	0.94 147	0.76 147	1.62 197	0.78 215	0.18 60	0.14 75	0.18 36	0.15 30	0.22 152	0.23 181

LL-Strereo	1.33 317	0.39 244	1.38 306	0.61 217	0.61 287	0.75 155	0.66 244	1.63 230	1.17 204	1.56 308	1.60 281	2.03 343	2.12 369	9.72 406	0.97 254	0.21 143	0.18 194	0.27 235	0.23 216	0.22 152	0.25 205

fast-acv-ft	0.94 248	0.44 263	1.40 307	0.58 181	0.51 243	1.77 331	0.69 253	1.36 166	1.42 309	1.29 224	1.86 320	1.74 318	1.25 301	1.52 178	1.38 304	0.26 242	0.28 296	0.28 245	0.28 276	0.27 220	0.26 223

stereogan	1.15 300	0.42 257	1.40 307	0.86 343	0.84 346	2.38 365	0.71 257	1.88 285	1.73 339	1.72 326	1.94 330	2.31 354	1.29 306	2.07 254	1.08 265	0.36 308	0.35 332	0.39 322	0.31 299	0.51 332	0.46 318

APVNet	1.06 277	0.53 296	1.42 309	0.84 336	0.79 335	1.92 342	0.82 282	1.90 290	1.08 162	1.08 117	1.43 240	1.56 292	1.13 280	3.07 301	1.58 327	0.31 280	0.34 324	0.42 331	0.36 324	0.36 275	0.37 288

gwcnet-sp	0.74 177	0.33 187	1.44 310	0.57 175	0.45 209	1.40 294	0.54 188	1.50 195	1.14 189	1.30 232	1.02 98	0.94 147	0.82 170	1.39 157	0.76 207	0.21 143	0.21 240	0.22 122	0.21 171	0.22 152	0.22 164

scenet	0.74 177	0.33 187	1.44 310	0.57 175	0.45 209	1.40 294	0.54 188	1.50 195	1.14 189	1.30 232	1.02 98	0.94 147	0.82 170	1.39 157	0.76 207	0.21 143	0.21 240	0.22 122	0.21 171	0.22 152	0.22 164

ssnet	0.74 177	0.33 187	1.44 310	0.57 175	0.45 209	1.40 294	0.54 188	1.50 195	1.14 189	1.30 232	1.02 98	0.94 147	0.82 170	1.39 157	0.76 207	0.21 143	0.21 240	0.22 122	0.21 171	0.22 152	0.22 164

PDISCO_ROB	1.32 316	0.65 328	1.44 310	1.36 377	1.46 383	2.55 369	0.92 303	2.45 372	2.07 361	1.37 262	1.49 258	1.65 308	1.00 249	2.82 292	1.35 302	1.01 376	0.27 290	0.54 354	0.47 349	0.71 362	0.73 364

NVStereoNet_ROB	1.88 357	1.07 365	1.45 314	1.07 371	1.17 373	1.47 301	1.48 358	1.89 287	1.93 355	1.94 346	4.67 387	3.08 375	1.80 352	6.51 369	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
FBW_ROB	1.71 351	0.62 324	1.45 314	0.67 272	0.61 287	1.81 334	1.08 328	2.52 374	1.70 336	1.77 330	1.73 303	1.98 337	1.25 301	12.57 413	1.84 337	0.34 298	0.37 339	0.56 362	0.38 329	0.45 318	0.43 310

WAO-6	2.81 388	1.60 386	1.46 316	2.36 392	2.28 395	3.55 386	2.29 394	4.21 394	4.56 397	2.36 363	4.51 382	4.88 390	2.66 381	4.60 332	4.07 376	1.72 385	1.15 405	2.31 391	1.46 399	2.31 386	1.85 389

IMH-64-1	2.70 385	1.79 390	1.46 316	3.26 404	2.66 400	3.23 384	2.10 386	4.08 391	2.75 379	2.34 359	3.81 377	3.06 373	2.22 372	4.25 326	2.59 357	3.75 406	0.84 388	2.75 402	1.35 394	3.15 401	2.60 402

IMH-64	2.70 385	1.79 390	1.46 316	3.26 404	2.66 400	3.23 384	2.10 386	4.08 391	2.75 379	2.34 359	3.81 377	3.06 373	2.22 372	4.25 326	2.59 357	3.75 406	0.84 388	2.75 402	1.35 394	3.15 401	2.60 402

sAnonymous2	0.55 76	0.56 303	1.46 316	0.60 205	0.51 243	0.48 20	0.52 178	0.79 12	0.68 44	0.50 26	0.67 24	0.46 15	0.62 110	0.59 14	0.40 57	0.22 166	0.17 180	0.22 122	0.21 171	0.86 367	0.56 340

CroCo_RVC	0.55 76	0.56 303	1.46 316	0.60 205	0.51 243	0.48 20	0.52 178	0.79 12	0.68 44	0.50 26	0.67 24	0.46 15	0.62 110	0.59 14	0.40 57	0.22 166	0.17 180	0.22 122	0.21 171	0.86 367	0.56 340

IMH	3.21 391	1.85 394	1.48 321	3.25 403	2.69 402	4.07 395	2.02 384	4.41 396	3.80 390	2.72 372	7.11 398	4.75 389	2.92 384	5.92 360	2.55 355	3.85 409	0.88 394	2.78 404	1.36 396	3.19 403	2.59 401

NVstereo2D	0.92 244	0.41 254	1.48 321	0.72 300	0.72 315	1.20 269	0.87 292	1.75 252	1.38 294	0.99 98	1.13 143	1.26 238	0.98 239	2.21 266	0.89 242	0.43 333	0.20 224	0.38 316	0.24 227	0.57 342	0.63 353

ARAFT	0.77 191	0.36 229	1.49 323	0.51 94	0.31 91	0.90 202	0.82 282	1.90 290	1.06 153	1.62 318	1.24 176	1.02 177	0.64 118	1.84 230	0.50 127	0.18 60	0.14 75	0.28 245	0.27 259	0.17 24	0.16 41

AANet_RVC	1.16 302	0.52 293	1.49 323	0.65 257	0.45 209	0.75 155	0.69 253	1.42 177	1.55 327	1.34 255	1.87 322	1.53 288	0.78 156	7.43 386	1.38 304	0.25 228	0.17 180	0.19 49	0.16 58	0.22 152	0.26 223

ELAS	2.37 374	0.74 342	1.54 325	0.99 364	0.92 355	4.78 399	2.33 395	3.33 386	3.37 386	5.05 403	4.77 388	3.67 379	4.53 399	3.42 313	4.50 377	0.62 364	0.53 372	0.55 359	0.53 361	0.63 351	0.64 357
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
G-Net	1.66 344	0.63 325	1.56 326	1.11 373	0.74 320	2.98 380	0.91 301	1.55 215	1.22 223	2.76 375	8.18 405	2.32 355	2.53 380	1.92 239	1.87 338	0.48 347	0.44 356	0.45 337	0.31 299	0.60 350	0.57 344

RainbowNet	1.97 363	1.76 388	1.57 327	2.81 396	2.21 392	1.98 348	1.81 372	2.54 375	1.89 350	1.50 296	1.84 317	1.96 335	1.65 340	2.14 259	1.25 286	3.33 402	0.85 391	2.39 395	0.98 388	2.82 395	2.22 393

MDST_ROB	1.67 345	0.34 206	1.58 328	0.92 359	0.58 274	4.26 397	1.11 330	2.83 378	1.41 306	4.49 397	2.55 359	1.45 274	0.97 235	7.79 391	1.17 279	0.31 280	0.25 278	0.37 313	0.33 311	0.31 255	0.30 255

FINET	0.97 258	0.54 297	1.60 329	0.63 236	0.79 335	1.08 245	1.07 327	1.56 216	2.20 364	1.15 155	1.49 258	0.94 147	0.88 199	2.32 272	1.05 260	0.42 328	0.35 332	0.32 279	0.28 276	0.43 308	0.38 294

LVE	3.31 392	1.67 387	1.64 330	2.85 397	2.42 398	3.20 383	2.26 393	4.78 399	5.05 398	2.35 361	6.91 395	6.02 396	2.37 375	9.15 398	2.17 352	3.19 399	1.08 404	2.38 394	1.47 400	2.81 394	2.40 398

ACVNet-4b	2.15 367	1.41 381	1.64 330	2.80 395	2.31 396	2.31 362	1.24 343	2.32 362	2.14 362	1.26 214	2.39 353	2.66 367	1.48 326	5.95 362	1.06 262	3.20 400	0.45 360	2.37 392	0.89 381	2.83 396	2.37 396

Syn2CoEx	1.14 297	0.69 334	1.66 332	0.80 324	0.67 302	1.40 294	0.88 293	2.06 327	1.54 325	1.25 210	1.58 279	1.42 267	1.50 329	4.09 323	1.40 308	0.36 308	0.32 321	0.34 296	0.29 287	0.29 239	0.34 277

MFMNet_re	1.40 325	1.14 372	1.68 333	1.39 379	1.07 364	1.48 302	1.43 354	1.87 283	1.82 347	2.26 357	2.19 344	1.51 286	1.86 356	1.52 178	1.25 286	0.93 374	0.83 387	0.84 373	0.80 377	0.99 373	1.05 379

StereoDRNet	0.98 262	0.47 275	1.70 334	0.76 315	0.94 357	1.51 305	0.91 301	1.92 297	1.32 269	1.61 315	1.13 143	1.47 281	0.97 235	1.75 218	1.46 321	0.28 261	0.23 262	0.29 253	0.27 259	0.35 269	0.27 229

iResNetv2_ROB	0.80 203	0.37 234	1.71 335	0.56 164	0.37 152	0.94 215	0.64 237	1.73 246	1.34 275	1.23 198	1.42 236	1.26 238	0.92 211	1.85 233	0.56 156	0.23 189	0.15 125	0.19 49	0.14 22	0.24 190	0.19 111

ACVNet_1	2.18 368	1.45 383	1.72 336	2.85 397	2.33 397	2.28 360	1.46 356	3.08 383	2.22 365	1.82 338	2.05 338	3.56 378	1.98 363	3.09 304	1.40 308	3.17 397	0.60 379	2.40 396	0.92 383	2.91 399	2.37 396

GASNet	0.99 263	0.97 359	1.72 336	0.98 363	0.68 308	0.83 188	0.67 247	1.60 222	1.28 250	1.31 242	1.22 170	1.22 223	1.21 295	2.41 279	1.41 312	0.43 333	0.26 282	0.36 311	0.34 316	0.55 339	0.31 265

WAO-7	2.66 381	1.40 380	1.73 338	1.39 379	1.17 373	3.93 392	1.94 381	4.11 393	3.88 391	2.92 379	5.50 391	4.18 384	3.00 387	7.63 389	3.71 372	1.13 384	1.00 399	1.17 382	1.13 392	1.18 379	1.09 381

TorneroNet-64	5.30 401	2.03 396	1.74 339	3.43 406	2.81 403	10.09 409	2.12 388	9.10 412	17.12 417	4.96 402	9.27 408	10.72 412	3.70 393	9.20 399	4.55 378	3.31 401	0.84 388	2.88 405	1.55 401	3.49 404	3.04 405

WAO-8	4.40 395	1.82 392	1.79 340	2.34 390	2.20 390	9.19 407	1.53 359	6.09 405	16.46 412	3.94 389	7.84 403	7.32 398	3.72 394	9.41 404	3.31 368	2.00 387	1.07 402	2.44 397	1.37 397	2.50 388	1.68 387

Venus	4.40 395	1.82 392	1.79 340	2.34 390	2.20 390	9.19 407	1.53 359	6.09 405	16.46 412	3.94 389	7.84 403	7.32 398	3.72 394	9.41 404	3.31 368	2.00 387	1.07 402	2.44 397	1.37 397	2.50 388	1.68 387

FADNet	0.92 244	0.61 321	1.81 342	0.62 228	0.55 263	0.96 223	0.57 217	1.78 265	1.33 272	0.93 82	1.01 91	1.36 259	1.01 251	2.71 290	0.75 205	0.33 290	0.34 324	0.31 266	0.34 316	0.59 346	0.40 298

TorneroNet	10.70 411	2.03 396	1.82 343	3.43 406	3.01 405	43.83 427	2.22 392	8.87 411	67.47 436	7.17 409	27.36 421	10.68 411	3.85 396	8.67 397	7.65 394	3.59 404	0.88 394	3.04 406	1.57 402	3.71 405	3.17 406

Wz-Net-LNSev-Ref	0.99 263	0.40 248	1.82 343	0.66 262	0.62 292	2.05 351	0.78 269	1.91 294	1.29 254	1.54 304	1.42 236	1.51 286	1.23 298	1.99 247	1.33 297	0.23 189	0.14 75	0.20 73	0.15 30	0.27 220	0.26 223

FADNet_RVC	0.83 216	0.51 290	1.83 345	0.54 133	0.42 191	1.19 267	0.46 141	1.51 200	1.09 168	0.89 76	1.24 176	0.91 135	0.87 195	2.11 257	1.11 272	0.27 251	0.22 254	0.31 266	0.28 276	0.43 308	0.38 294

CBFPSM	0.92 244	0.33 187	1.86 346	0.49 64	0.38 169	1.75 326	0.84 284	1.39 173	1.12 178	1.09 122	0.99 83	2.37 357	1.66 344	1.32 138	1.42 316	0.19 92	0.18 194	0.20 73	0.20 135	0.21 131	0.33 275

XX-Stereo	0.63 115	0.26 46	1.90 347	0.81 327	0.67 302	0.43 14	0.23 3	1.03 76	0.58 18	0.65 40	1.56 273	1.41 266	0.39 14	1.28 131	0.35 27	0.20 117	0.14 75	0.20 73	0.19 107	0.18 41	0.14 11

ELAS_RVC	2.48 379	0.74 342	1.90 347	1.05 368	0.92 355	2.76 374	4.01 407	2.76 377	4.11 393	4.69 398	4.63 385	4.62 386	5.96 404	3.97 322	3.96 374	0.63 366	0.53 372	0.56 362	0.52 360	0.64 353	0.63 353
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Consistency-Raft	1.25 308	0.99 361	1.93 349	1.02 367	1.21 377	0.96 223	1.01 321	1.75 252	1.92 353	1.36 260	2.12 341	1.44 272	1.01 251	1.14 118	1.40 308	0.72 369	0.82 386	0.89 374	0.98 388	1.31 382	0.95 372

FADNet-RVC	0.88 234	0.67 330	1.93 349	0.60 205	0.48 224	0.91 204	0.60 231	1.71 244	1.18 208	0.90 77	0.96 73	1.36 259	0.92 211	2.25 269	1.17 279	0.30 273	0.29 304	0.32 279	0.32 305	0.41 298	0.35 282

STTRV1_RVC	1.58 336	0.68 333	1.96 351	0.88 349	1.12 369	1.57 311	0.90 300	2.25 357	1.75 342	1.29 224	2.02 335	1.40 263	1.22 296	9.77 407	1.31 295	0.81 371	0.33 323	0.54 354	0.49 354	0.73 364	0.52 334

ACVNet_2	2.43 378	1.41 381	2.04 352	2.62 394	2.24 393	2.63 373	1.88 378	3.31 385	3.01 381	2.19 355	3.45 373	4.62 386	2.04 365	4.50 331	1.47 322	2.55 392	0.64 381	2.22 389	0.84 379	2.69 391	2.29 395

Dean	2.91 390	1.53 385	2.07 353	2.96 401	2.51 399	3.15 381	2.14 389	4.75 398	4.41 396	2.76 375	6.10 393	5.53 394	2.37 375	2.97 299	1.92 342	3.18 398	0.85 391	2.51 399	1.04 391	2.88 398	2.47 399

FADNet-RVC-Resample	0.84 220	0.47 275	2.10 354	0.61 217	0.45 209	1.07 244	0.61 232	1.59 219	1.20 216	1.08 117	0.98 81	1.03 180	0.98 239	2.17 260	0.72 198	0.23 189	0.22 254	0.30 262	0.32 305	0.35 269	0.34 277

KSHMR	8.75 409	2.06 399	2.11 355	3.53 408	3.11 406	4.13 396	2.69 399	5.60 402	61.37 435	3.00 382	55.83 435	4.98 393	2.45 378	4.49 330	2.61 359	3.46 403	1.55 409	3.14 408	1.94 406	3.72 406	3.18 407

ktn	4.70 397	2.38 404	2.12 356	3.76 409	3.24 407	4.85 400	2.95 404	5.52 401	7.37 404	4.07 393	19.32 418	7.46 400	3.47 389	7.39 384	2.95 361	4.04 410	1.85 410	3.26 410	2.22 409	3.08 400	2.65 404

SGM+DAISY	2.41 377	1.07 365	2.14 357	1.18 374	1.10 366	2.14 356	1.36 351	1.96 306	1.66 333	5.46 405	7.07 397	4.95 391	4.32 398	5.50 350	2.26 353	1.04 380	1.02 401	0.99 378	0.97 386	1.02 374	1.04 377

SDNR	1.62 342	0.51 290	2.17 358	0.53 118	0.56 264	3.80 391	0.45 134	1.54 211	1.29 254	1.33 252	2.41 355	1.08 192	0.96 232	11.18 411	1.16 277	0.66 368	0.63 380	0.43 333	0.32 305	0.64 353	0.67 358

S-Stereo	1.15 300	0.46 271	2.17 358	0.81 327	0.80 340	1.21 270	1.19 340	1.93 301	2.02 358	1.47 287	2.11 340	1.57 293	1.17 283	2.05 253	1.41 312	0.40 321	0.40 348	0.35 303	0.31 299	0.44 315	0.70 361

SANet	1.88 357	0.57 307	2.18 360	0.63 236	0.40 182	2.80 377	1.57 363	2.39 369	5.88 401	2.36 363	3.57 374	3.72 381	2.97 385	4.74 334	1.76 334	0.34 298	0.30 308	0.32 279	0.29 287	0.48 324	0.37 288

Wz-Net-MNSev	1.11 290	0.58 310	2.23 361	0.66 262	0.71 313	1.95 345	1.46 356	1.98 311	1.45 313	1.79 334	1.43 240	1.49 283	1.33 313	1.97 246	1.42 316	0.27 251	0.23 262	0.28 245	0.28 276	0.34 268	0.31 265

PVD	1.70 349	0.84 350	2.26 362	0.94 362	0.83 345	2.48 367	0.97 313	2.59 376	3.35 385	3.01 383	2.77 363	2.34 356	2.47 379	2.67 289	3.14 365	0.47 346	0.45 360	0.59 366	0.48 351	0.59 346	0.75 366

GwcNet	1.08 282	0.51 290	2.33 363	0.79 321	1.18 375	1.76 328	0.70 255	1.68 238	1.47 315	1.41 275	1.64 292	1.74 318	1.04 259	2.20 265	1.41 312	0.30 273	0.29 304	0.29 253	0.27 259	0.30 248	0.35 282

SHD	1.31 314	0.71 338	2.34 364	0.86 343	0.75 326	1.77 331	0.65 239	2.22 354	2.50 374	2.40 365	1.71 301	1.91 328	1.60 336	1.93 242	2.37 354	0.38 316	0.31 314	0.38 316	0.40 334	0.48 324	0.50 329

ADCRef	1.35 319	0.55 300	2.37 365	0.72 300	0.77 330	1.94 344	0.78 269	1.91 294	1.27 245	1.57 312	1.59 280	1.36 259	1.41 317	1.54 184	7.53 389	0.23 189	0.20 224	0.32 279	0.30 295	0.29 239	0.29 243

RTSC	1.29 311	0.73 339	2.44 366	0.83 335	0.57 266	1.85 339	0.65 239	1.88 285	2.00 357	2.20 356	1.66 296	1.60 299	1.26 303	2.33 273	3.92 373	0.32 285	0.23 262	0.27 235	0.29 287	0.37 279	0.37 288

Anonymous Stereo	1.28 310	0.75 344	2.45 367	0.74 309	0.77 330	0.93 213	1.77 369	1.51 200	1.31 264	1.67 322	1.29 196	1.20 220	0.75 139	6.29 366	1.68 333	0.37 312	0.36 337	0.38 316	0.40 334	0.43 308	0.45 314

PWC_ROB	1.24 306	0.76 346	2.46 368	0.72 300	0.78 333	1.15 258	0.49 162	1.75 252	1.92 353	2.31 358	3.07 367	1.59 297	1.40 316	2.46 281	2.10 350	0.33 290	0.22 254	0.35 303	0.24 227	0.38 287	0.41 302

DGSMNet	1.14 297	0.76 346	2.49 369	0.81 327	0.86 349	1.39 293	1.39 352	2.13 333	1.35 283	1.26 214	1.63 291	1.48 282	0.98 239	1.75 218	1.10 270	0.45 339	0.43 353	0.55 359	0.49 354	0.75 365	0.70 361

XQC	1.37 321	0.87 354	2.56 370	0.84 336	0.69 310	1.83 337	0.89 295	2.07 328	1.88 349	1.88 341	1.53 265	1.91 328	1.55 332	2.85 295	3.05 362	0.48 347	0.29 304	0.44 336	0.39 330	0.69 360	0.60 350

SAMSARA	1.55 335	0.84 350	2.61 371	1.22 376	1.07 364	2.50 368	1.93 380	2.05 322	1.89 350	2.75 374	1.66 296	2.81 370	1.69 345	3.08 303	1.97 345	0.46 345	0.51 370	0.42 331	0.46 347	0.58 344	0.59 347

PASM	1.34 318	0.92 357	2.62 372	0.86 343	0.87 351	1.03 236	1.08 328	1.50 195	1.51 321	1.82 338	1.41 235	1.68 311	1.26 303	4.87 337	1.34 299	0.61 363	0.65 383	0.68 368	0.78 376	0.69 360	0.68 360

notaker	3.98 394	2.40 405	2.68 373	3.82 411	3.27 409	3.97 394	2.14 389	4.78 399	3.45 388	4.12 394	6.94 396	7.65 402	3.26 388	7.82 392	5.30 381	4.04 410	1.41 407	3.36 411	2.10 408	3.88 407	3.31 408

Wz-Net-LNSev	1.03 273	0.67 330	2.71 374	0.64 245	0.84 346	1.75 326	1.00 319	1.80 269	1.32 269	1.28 219	1.25 180	1.65 308	1.22 296	1.39 157	1.40 308	0.28 261	0.26 282	0.24 169	0.23 216	0.33 266	0.32 271

pmcnn	2.37 374	0.42 257	2.71 374	0.63 236	0.43 196	1.54 308	1.19 340	2.01 317	1.53 324	2.64 371	7.60 400	18.07 416	1.45 322	3.44 315	2.78 360	0.18 60	0.15 125	0.15 3	0.12 9	0.20 97	0.18 78

aanetorigin	1.23 305	0.79 348	2.78 376	0.70 290	0.79 335	0.99 231	1.06 326	1.06 99	1.37 290	3.52 386	2.61 360	1.72 315	1.63 338	1.99 247	1.78 335	0.25 228	0.24 271	0.26 224	0.25 238	0.38 287	0.45 314

MSC_U_SF_DS_RVC	2.12 366	1.15 373	3.10 377	1.05 368	0.76 329	5.03 402	2.40 397	2.16 342	2.62 376	1.89 343	2.28 348	2.69 368	1.65 340	9.35 402	2.04 347	0.64 367	0.51 370	0.68 368	0.71 373	1.09 377	0.67 358

MFN_U_SF_RVC	1.52 333	0.84 350	3.42 378	0.87 348	0.66 300	2.56 370	0.95 311	2.36 366	1.70 336	1.98 347	1.86 320	2.45 361	1.79 351	2.95 297	2.58 356	0.52 352	0.48 365	0.55 359	0.59 369	0.59 346	0.61 351

MFN_U_SF_DS_RVC	1.74 353	0.87 354	3.56 379	0.80 324	0.75 326	3.72 388	2.44 398	1.82 273	1.82 347	1.74 327	1.91 326	1.92 331	1.26 303	7.69 390	1.28 292	0.45 339	0.47 364	0.52 348	0.77 375	0.50 328	0.50 329

ADCL	1.72 352	0.57 307	3.66 380	0.67 272	0.61 287	2.61 372	1.85 375	1.96 306	1.67 334	1.90 344	1.83 315	2.06 346	1.90 359	2.13 258	9.15 397	0.26 242	0.24 271	0.34 296	0.32 305	0.38 287	0.35 282

DispFullNet	2.34 373	2.85 408	3.66 380	3.08 402	2.27 394	1.97 346	0.67 247	2.00 313	1.70 336	2.52 367	2.00 332	2.23 349	5.86 402	3.44 315	1.58 327	1.01 376	0.32 321	2.64 401	1.94 406	2.85 397	2.24 394

iinet-f	0.99 263	0.45 269	3.71 382	0.55 152	0.43 196	1.81 334	0.68 249	1.14 118	1.14 189	1.18 179	1.42 236	1.58 296	1.44 320	1.34 143	1.59 329	0.24 204	0.23 262	0.20 73	0.19 107	0.26 208	0.25 205

pcwnet_v2	0.97 258	0.37 234	4.33 383	0.62 228	0.54 257	0.79 174	0.45 134	2.02 320	1.58 328	1.42 281	1.64 292	1.09 198	0.79 158	1.24 128	0.67 187	0.32 285	0.25 278	0.29 253	0.27 259	0.37 279	0.35 282

DPSNet	1.69 348	0.59 313	4.33 383	0.70 290	0.57 266	2.02 350	1.62 365	3.35 387	1.78 343	1.48 293	1.38 227	2.17 348	2.84 383	4.77 335	3.66 371	0.48 347	0.31 314	0.29 253	0.25 238	0.64 353	0.48 324

MADNet++	5.01 398	3.14 409	4.91 385	4.55 415	3.94 413	5.20 403	4.41 408	4.40 395	4.13 394	4.95 401	6.08 392	4.74 388	5.37 400	9.40 403	10.67 402	4.65 412	4.15 415	3.97 413	3.34 412	4.09 409	4.08 413

ADCMid	1.89 360	0.73 339	5.06 386	0.72 300	0.67 302	2.00 349	1.14 334	1.97 310	1.48 316	2.86 378	1.81 314	2.37 357	2.05 367	2.24 267	10.39 401	0.33 290	0.31 314	0.39 322	0.43 340	0.50 328	0.44 312

AnyNet_C32	1.96 362	1.10 367	5.17 387	0.90 354	1.11 367	2.12 355	2.37 396	1.85 279	1.48 316	2.45 366	1.70 300	2.05 345	1.64 339	2.50 282	10.28 400	0.37 312	0.34 324	0.35 303	0.41 336	0.49 327	0.54 336

UNDER WATER	5.08 399	2.33 403	5.55 388	3.94 413	3.51 410	5.20 403	2.72 401	5.61 403	16.52 414	3.84 388	4.60 384	9.21 406	5.89 403	5.90 359	8.66 396	3.75 406	1.34 406	3.18 409	1.88 404	4.33 412	3.61 410

ADCS	2.25 369	0.99 361	5.55 388	0.81 327	0.74 320	2.19 357	1.80 371	2.27 359	2.14 362	2.80 377	2.13 342	2.40 359	2.03 364	2.64 288	13.69 405	0.41 325	0.39 346	0.40 327	0.45 344	0.58 344	0.56 340

PWCK	2.88 389	2.05 398	5.72 390	2.08 387	1.11 367	3.55 386	3.90 406	2.86 380	3.54 389	3.03 384	3.63 375	3.10 376	2.31 374	8.15 396	3.09 363	2.12 389	0.91 396	1.75 385	0.98 388	2.57 390	1.18 382

DeepPrunerF	1.60 339	0.73 339	5.81 391	0.88 349	1.19 376	0.91 204	0.95 311	2.19 350	5.24 399	1.17 175	1.30 197	1.19 219	1.30 310	4.90 338	1.66 332	0.42 328	0.34 324	0.52 348	0.47 349	0.41 298	0.40 298

tt	6.58 405	0.26 46	6.10 392	3.77 410	2.16 389	11.55 411	19.63 415	13.33 416	5.74 400	2.96 380	2.65 361	4.97 392	6.33 406	3.81 319	7.24 388	9.15 417	11.32 424	5.89 417	6.24 416	6.03 414	2.55 400

Wz-Net-SNSev	1.49 329	1.23 376	6.27 393	0.68 282	0.67 302	1.37 289	1.41 353	2.00 313	1.39 298	1.48 293	1.61 285	2.29 352	1.32 312	3.93 320	2.14 351	0.31 280	0.28 296	0.31 266	0.33 311	0.42 303	0.36 286

Wz-Net-TNSev	1.88 357	2.08 400	7.66 394	0.67 272	0.64 295	2.42 366	1.83 374	2.33 363	1.74 341	1.57 312	1.56 273	2.58 364	1.90 359	4.86 336	3.12 364	0.39 319	0.37 339	0.33 286	0.37 327	0.53 336	0.58 345

ADCP+	1.99 364	0.48 280	7.73 395	0.66 262	0.91 353	2.30 361	1.05 325	1.82 273	1.34 275	1.54 304	1.32 207	1.74 318	1.61 337	2.17 260	13.37 404	0.24 204	0.21 240	0.32 279	0.28 276	0.37 279	0.29 243

ADCPNet	1.85 356	0.69 334	8.07 396	0.71 297	0.58 274	2.79 376	1.22 342	1.94 303	1.54 325	1.88 341	1.69 299	2.46 362	2.04 365	2.37 276	6.48 384	0.38 316	0.37 339	0.38 316	0.43 340	0.47 321	0.45 314

EDNetEfficient	2.37 374	1.10 367	8.08 397	0.74 309	0.71 313	0.98 230	1.56 361	1.46 187	4.06 392	4.90 400	2.82 364	2.25 350	3.48 390	2.95 297	9.97 398	0.26 242	0.24 271	0.26 224	0.30 295	0.68 359	0.61 351

HanzoNet	11.04 412	3.62 411	8.10 398	4.08 414	3.55 412	4.90 401	2.73 402	7.19 409	10.10 405	31.86 431	28.92 423	21.96 423	36.36 424	18.08 417	10.17 399	7.94 416	3.32 413	3.47 412	3.31 411	7.06 417	4.04 412

UNDER WATER-64	5.27 400	2.32 402	8.78 399	3.93 412	3.54 411	7.61 405	3.03 405	5.84 404	14.19 408	4.04 391	4.04 379	9.39 407	6.26 405	5.93 361	8.48 395	3.60 405	1.51 408	3.13 407	1.88 404	4.29 411	3.61 410

WZ-Net	1.95 361	0.95 358	10.10 400	0.86 343	0.78 333	1.69 321	1.60 364	2.20 353	1.98 356	2.08 352	1.93 328	2.30 353	1.97 362	5.30 343	3.17 367	0.34 298	0.26 282	0.29 253	0.31 299	0.51 332	0.47 321

JetBlue	3.97 393	2.01 395	10.19 401	1.38 378	2.84 404	10.53 410	9.54 410	3.60 389	2.41 368	2.73 373	3.39 372	4.54 385	4.31 397	7.85 393	6.84 387	0.88 372	0.93 397	0.89 374	0.91 382	1.74 383	1.91 390

AnyNet_C01	2.26 370	1.78 389	10.22 402	0.93 360	0.74 320	2.92 379	2.20 391	2.29 361	1.80 345	2.53 368	2.41 355	2.71 369	1.73 346	3.41 312	6.72 386	0.41 325	0.39 346	0.40 327	0.42 338	0.67 358	0.63 353

psmorigin	1.52 333	0.69 334	10.52 403	0.68 282	0.59 281	1.13 252	0.70 255	1.57 217	1.19 211	1.99 348	1.79 311	2.26 351	1.47 325	2.09 255	1.36 303	0.39 319	0.40 348	0.34 296	0.33 311	0.43 308	0.56 340

SPstereo	26.54 421	6.08 414	10.71 404	5.55 416	5.68 415	48.14 428	80.43 435	67.31 436	34.39 431	28.70 429	27.52 422	43.76 434	37.60 431	45.04 435	54.41 436	4.92 415	4.89 416	10.74 421	5.88 415	4.46 413	4.57 414

MADNet+	2.69 384	3.22 410	11.53 405	1.44 382	1.12 369	3.19 382	1.81 372	2.85 379	2.37 366	1.68 323	2.07 339	2.85 372	2.18 370	7.41 385	5.23 380	0.79 370	0.76 384	0.69 370	0.65 372	0.98 371	0.95 372

LSM	6.33 403	1.10 367	13.19 406	1.41 381	68.17 432	1.64 318	1.90 379	1.92 297	2.46 369	2.99 381	3.11 368	1.88 323	1.80 352	2.61 287	2.06 349	0.41 325	0.58 378	0.50 346	0.57 365	0.64 353	17.66 423

PML	51.67 433	36.25 427	13.28 407	7.46 417	20.81 419	108.69 436	232.22 437	8.72 410	27.82 423	87.01 436	269.67 437	69.67 437	61.95 436	24.76 425	14.20 407	9.74 419	3.40 414	9.62 418	4.70 413	18.74 422	4.72 415

RTS	2.67 382	1.38 378	15.28 408	0.99 364	1.26 379	3.78 389	1.96 382	2.15 339	2.62 376	2.61 369	2.85 365	2.60 365	1.59 334	6.27 364	5.71 382	0.40 321	0.28 296	0.35 303	0.35 320	0.50 328	0.48 324

RTSA	2.67 382	1.38 378	15.28 408	0.99 364	1.26 379	3.78 389	1.96 382	2.15 339	2.62 376	2.61 369	2.85 365	2.60 365	1.59 334	6.27 364	5.71 382	0.40 321	0.28 296	0.35 303	0.35 320	0.50 328	0.48 324

SuperB	2.53 380	0.59 313	18.45 410	0.69 285	0.50 233	1.87 341	0.88 293	1.67 237	2.39 367	1.50 296	1.42 236	1.14 212	1.15 282	4.28 328	5.07 379	0.24 204	0.19 207	0.22 122	0.19 107	7.86 418	0.34 277

ASD4	15.85 416	10.99 418	19.63 411	10.21 420	11.70 416	19.24 417	31.10 420	19.35 417	10.68 406	11.14 412	10.18 409	12.59 413	12.64 411	14.74 415	24.83 419	12.93 422	9.94 423	26.83 428	19.40 422	16.23 421	12.70 422

DGTPSM_ROB	13.01 414	8.23 415	21.87 412	9.51 418	18.10 417	11.56 412	32.01 421	10.63 413	16.20 410	7.03 407	19.48 419	10.15 409	16.66 414	9.83 408	22.42 416	4.75 413	8.68 418	5.37 414	10.25 418	6.16 415	11.36 417

DPSMNet_ROB	13.02 415	8.23 415	21.91 413	9.53 419	18.11 418	11.56 412	32.02 422	10.64 414	16.23 411	7.05 408	19.49 420	10.16 410	16.66 414	9.85 409	22.43 417	4.77 414	8.68 418	5.38 415	10.26 419	6.17 416	11.36 417

LRCNet_RVC	22.74 419	32.10 426	21.97 414	29.84 424	26.23 422	4.42 398	0.81 281	22.66 418	2.02 358	26.93 423	29.26 424	23.06 425	15.59 413	23.84 421	18.88 413	31.75 429	19.90 431	34.65 429	32.13 429	30.54 429	28.32 429

LE_ROB	8.05 407	0.37 234	23.53 415	0.74 309	0.33 122	2.77 375	2.87 403	3.71 390	27.24 422	25.39 422	8.87 406	8.46 405	26.71 422	6.65 371	21.99 415	0.21 143	0.19 207	0.20 73	0.21 171	0.25 200	0.22 164

Anonymous_1	43.04 432	18.73 420	24.79 416	21.81 421	46.26 431	27.80 418	37.60 423	28.08 422	16.14 409	14.66 416	14.30 412	20.65 417	17.88 416	21.56 418	25.94 420	117.93 436	8.92 420	100.65 433	126.50 433	158.64 437	12.08 419

DPSM_ROB	19.08 417	19.14 421	25.17 417	22.15 422	20.85 420	28.17 419	37.82 424	26.56 420	16.85 415	14.14 414	14.84 413	21.70 418	18.75 417	21.87 419	26.55 421	10.16 420	9.30 421	10.47 419	10.42 420	14.03 419	12.61 420

DPSM	19.08 417	19.14 421	25.17 417	22.15 422	20.85 420	28.17 419	37.82 424	26.56 420	16.85 415	14.14 414	14.84 413	21.70 418	18.75 417	21.87 419	26.55 421	10.16 420	9.30 421	10.47 419	10.42 420	14.03 419	12.61 420

JetRed	6.91 406	8.80 417	25.96 419	2.85 397	3.25 408	13.98 416	11.87 411	6.25 407	4.28 395	4.45 396	4.56 383	6.69 397	5.46 401	7.46 387	14.05 406	2.59 393	3.31 412	2.59 400	2.29 410	4.20 410	3.36 409

xxxxx1	54.10 434	25.67 423	27.13 420	113.43 434	96.96 434	30.69 423	47.44 426	32.38 424	25.60 419	17.75 418	17.27 415	21.81 420	21.02 419	24.43 422	33.82 423	33.37 430	40.54 432	157.71 435	175.86 435	66.16 433	72.93 434

tt_ll	54.10 434	25.67 423	27.13 420	113.43 434	96.96 434	30.69 423	47.44 426	32.38 424	25.60 419	17.75 418	17.27 415	21.81 420	21.02 419	24.43 422	33.82 423	33.37 430	40.54 432	157.71 435	175.86 435	66.16 433	72.93 434

ff	54.10 434	25.67 423	27.13 420	113.43 434	96.96 434	30.69 423	47.44 426	32.38 424	25.60 419	17.75 418	17.27 415	21.81 420	21.02 419	24.43 422	33.82 423	33.37 430	40.54 432	157.71 435	175.86 435	66.16 433	72.93 434

DPSimNet_ROB	11.20 413	4.98 413	35.43 423	2.90 400	4.52 414	7.89 406	17.09 414	4.66 397	6.06 402	14.89 417	10.93 411	17.29 415	36.81 426	13.18 414	15.68 410	2.86 394	6.29 417	5.75 416	5.09 414	3.91 408	7.70 416

HaxPig	38.92 428	41.40 434	41.64 424	29.95 425	32.27 423	28.90 421	27.60 417	29.73 423	37.71 432	43.82 432	43.87 431	33.17 426	35.56 423	41.53 426	40.37 428	43.94 433	47.51 436	45.82 430	47.08 431	42.38 430	44.15 432

AVERAGE_ROB	40.43 429	42.37 435	42.73 425	36.96 427	35.58 425	30.50 422	27.61 418	36.71 429	38.39 433	44.91 433	44.36 432	37.45 428	36.70 425	41.88 427	40.35 427	45.43 434	46.81 435	47.11 431	46.35 430	42.51 431	43.87 431

DLNR_Zeroshot_test	23.17 420	48.52 437	43.29 426	176.68 437	78.69 433	0.35 5	0.21 1	23.41 419	0.75 56	0.66 41	0.86 56	0.59 50	0.30 4	1.56 189	0.44 83	9.57 418	0.12 9	0.18 36	0.14 22	76.92 436	0.16 41

MEDIAN_ROB	42.00 430	44.40 436	44.29 427	35.15 426	34.95 424	31.28 426	29.60 419	35.88 428	40.02 434	47.20 434	46.64 433	37.37 427	38.48 434	44.35 434	42.45 429	48.03 435	49.39 437	49.71 432	49.03 432	45.14 432	46.65 433

CasAABBNet	38.33 423	38.46 428	50.35 428	44.75 432	41.84 426	56.68 432	76.37 430	53.22 433	33.83 426	28.31 424	29.54 425	43.62 433	37.71 432	43.84 432	53.41 431	20.30 423	18.70 426	21.07 425	21.07 424	28.24 426	25.34 424

MyStereo03	38.34 424	38.50 430	50.41 429	44.74 429	41.86 427	56.65 429	76.38 431	52.99 430	33.93 428	28.39 426	29.99 427	43.54 429	37.42 428	43.82 429	53.53 432	20.31 424	18.71 428	21.06 422	21.08 425	28.23 423	25.35 425

MyStereo02	38.34 424	38.50 430	50.41 429	44.74 429	41.86 427	56.65 429	76.38 431	52.99 430	33.93 428	28.39 426	29.99 427	43.54 429	37.42 428	43.82 429	53.53 432	20.31 424	18.71 428	21.06 422	21.08 425	28.23 423	25.35 425

MyStereo	38.34 424	38.50 430	50.41 429	44.74 429	41.86 427	56.65 429	76.38 431	52.99 430	33.93 428	28.39 426	29.99 427	43.54 429	37.42 428	43.82 429	53.53 432	20.31 424	18.71 428	21.06 422	21.08 425	28.23 423	25.35 425

Selective-RAFT-Error	38.39 427	38.47 429	50.44 432	44.73 428	41.97 430	56.68 432	76.38 431	53.24 434	33.92 427	28.34 425	29.85 426	43.60 432	38.20 433	43.75 428	53.34 430	20.38 427	18.70 426	21.09 426	21.05 423	28.30 427	25.43 428

LSM0	42.82 431	38.75 433	50.81 433	47.07 433	109.38 437	57.00 434	76.02 429	53.74 435	33.71 425	29.02 430	30.41 430	43.87 435	37.22 427	43.91 433	53.54 435	20.52 428	18.62 425	21.10 427	21.11 428	28.41 428	42.22 430

BEATNet-Init1	26.87 422	13.43 419	70.68 434	0.91 357	0.68 308	57.02 435	21.06 416	32.82 427	32.67 424	52.12 435	53.61 434	66.05 436	49.56 435	48.79 436	34.71 426	0.49 351	0.44 356	0.53 353	0.53 361	0.63 351	0.59 347

coex-ft	8.13 408	2.13 401	98.04 435	0.67 272	0.53 254	1.71 322	1.56 361	1.65 232	11.11 407	18.17 421	3.75 376	3.88 382	7.61 409	2.98 300	6.49 385	0.30 273	0.30 308	0.32 279	0.31 299	0.66 357	0.50 329

EDNetEfficientorigin	10.57 410	1.47 384	177.42 436	0.67 272	0.53 254	1.58 312	1.16 337	1.90 290	3.37 386	4.71 399	3.38 371	3.10 376	2.69 382	3.13 305	3.58 370	0.25 228	0.23 262	0.33 286	0.27 259	0.83 366	0.81 367

test_example2	192.40 437	210.76 438	206.48 437	199.83 438	204.73 438	172.94 437	183.52 436	133.93 437	133.41 437	191.38 437	196.19 436	187.13 438	178.77 437	205.33 437	208.00 437	222.09 438	238.72 438	186.54 438	190.54 438	227.34 438	170.31 437

FADE		4.78 412		1.89 386	1.92 388							4.13 383				188.09 437	2.77 411	123.78 434	127.92 434	1.06 376

Low-res two-view benchmark