Low-res two-view results

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

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

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

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

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

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

LoS_RVC	0.42 11	0.26 46	0.40 8	0.44 23	0.82 344	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	0.84 368

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	1.32 243	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

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

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

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

CES	0.48 31	0.20 2	0.37 2	0.39 4	1.39 380	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	1.46 384

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

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

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

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

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

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

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

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	7.33 398	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

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

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

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

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

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	1.30 231	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

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	1.41 274	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	1.41 274	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	1.41 274	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-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	1.32 243	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

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	1.41 274	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

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	0.80 376	0.18 41	0.11 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
DCANet	0.54 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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	1.46 275	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

iRaft-Stereo_20w	0.65 130	0.31 157	1.00 235	0.47 41	0.34 137	0.73 146	0.30 22	2.96 380	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

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

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

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

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	1.39 271	2.14 342	1.02 177	2.07 367	5.64 355	0.77 213	0.17 32	0.15 125	0.20 73	0.20 135	0.18 41	0.20 133

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	1.78 330	2.02 335	0.80 94	1.74 346	2.73 291	0.72 198	0.17 32	0.14 75	0.20 73	0.20 135	0.18 41	0.21 149

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

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

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
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

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

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)
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

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	1.63 302	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	1.63 302	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

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

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

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

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

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

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	1.34 313	2.56 284	0.45 91	0.18 60	0.13 42	0.21 96	0.25 238	0.27 220	0.73 363

STrans-v2	1.04 276	0.28 83	0.96 225	0.49 64	0.32 106	0.68 127	0.79 272	2.47 372	1.12 178	1.12 136	1.46 251	1.40 263	1.46 322	6.70 375	0.43 81	0.18 60	0.13 42	0.20 73	0.18 88	0.18 41	0.18 78

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	2.05 350	4.65 385	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

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	1.32 243	2.34 350	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

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
GMM-Stereo	0.74 177	0.25 35	0.59 52	0.54 133	0.34 137	0.72 143	0.99 316	1.01 72	0.87 81	1.36 259	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	0.85 369

Prome-Stereo	0.75 184	0.27 67	0.53 28	0.55 152	0.32 106	0.59 78	0.97 312	0.89 32	0.88 85	1.45 283	2.46 356	0.91 135	1.41 316	1.58 192	0.44 83	0.18 60	0.13 42	0.19 49	0.17 74	0.20 97	0.92 370

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

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

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

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

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	1.62 317	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

EAI-Stereo	0.65 130	0.28 83	0.69 97	0.53 118	0.27 33	0.60 84	0.40 82	2.28 359	0.64 27	0.71 47	3.18 368	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

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
DIP-Stereo	0.62 109	0.30 126	0.83 178	0.48 51	0.36 145	0.95 219	0.33 33	2.37 366	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
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	1.61 314	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	1.61 314	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
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	1.46 285	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

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

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

pmcnn	2.37 373	0.42 257	2.71 373	0.63 236	0.43 196	1.54 308	1.19 339	2.01 317	1.53 324	2.64 370	7.60 399	18.07 413	1.45 321	3.44 315	2.78 359	0.18 60	0.15 125	0.15 3	0.12 9	0.20 97	0.18 78

IGEVStereo-DCA	0.46 24	0.28 83	0.56 37	0.43 8	0.33 122	0.49 30	0.42 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

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

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

CBFPSM	0.92 244	0.33 187	1.86 346	0.49 64	0.38 169	1.75 325	0.84 284	1.39 173	1.12 178	1.09 122	0.99 83	2.37 356	1.66 343	1.32 138	1.42 315	0.19 92	0.18 194	0.20 73	0.20 135	0.21 131	0.33 275

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

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	1.62 300	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

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

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	2.04 336	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

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

CrosDoStereo	1.58 336	0.24 19	0.72 117	0.48 51	0.29 63	0.67 121	12.49 411	1.10 108	0.98 122	1.34 254	1.75 307	1.00 168	1.89 356	6.65 371	0.81 225	0.19 92	0.15 125	0.20 73	0.22 196	0.18 41	0.19 111

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

OMP-Stereo	0.94 248	0.33 187	0.72 117	0.90 353	0.31 91	0.49 30	0.36 55	1.16 121	1.06 153	1.58 313	1.12 138	1.46 275	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	1.69 323	1.37 223	1.46 275	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

PSM-AAD	0.79 200	0.27 67	0.53 28	0.55 152	0.28 52	0.77 165	1.24 342	0.99 63	0.91 97	1.66 320	1.57 277	0.81 97	2.19 370	1.65 200	0.44 83	0.19 92	0.14 75	0.38 316	0.32 305	0.21 131	0.70 360

FTStereo	0.91 242	0.26 46	0.56 37	0.54 133	0.33 122	0.66 117	1.87 376	1.00 67	0.75 56	1.75 327	4.15 379	1.04 183	1.65 339	1.57 190	0.46 104	0.19 92	0.16 156	0.23 149	0.21 171	0.18 41	0.63 352

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	3.28 369	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

DeepStereo_LL	1.58 336	0.24 19	0.72 117	0.48 51	0.29 63	0.67 121	12.49 411	1.10 108	0.98 122	1.34 254	1.75 307	1.00 168	1.89 356	6.65 371	0.81 225	0.19 92	0.15 125	0.20 73	0.22 196	0.18 41	0.19 111

THIR-Stereo	1.02 272	0.27 67	0.69 97	0.49 64	0.28 52	0.95 219	1.34 349	1.03 76	0.97 117	1.34 254	1.90 325	1.17 215	1.58 332	6.44 368	0.78 215	0.19 92	0.14 75	0.21 96	0.22 196	0.19 71	0.20 133

GrayStereo	0.82 211	0.26 46	0.58 48	0.63 236	0.37 152	0.76 159	1.86 375	1.11 114	0.87 81	1.99 347	1.89 324	1.08 192	1.82 354	1.39 157	0.48 114	0.19 92	0.14 75	0.19 49	0.21 171	0.18 41	0.39 297

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

XX-TBD	0.46 24	0.70 336	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

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	1.30 231	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

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

MMNet	0.84 220	0.32 171	1.09 264	0.60 205	0.59 281	1.85 338	0.49 162	1.51 200	1.27 245	1.37 261	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

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	2.11 346	1.43 318	7.09 380	1.39 306	0.19 92	0.17 180	0.17 14	0.19 107	0.18 41	0.16 41

CoDeX	0.73 174	0.29 110	0.93 216	0.54 133	0.36 145	1.14 253	0.61 232	2.34 364	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

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	3.05 381	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	3.05 381	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

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	2.47 369	1.15 155	1.45 245	1.06 185	0.82 170	1.55 186	7.61 389	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	2.47 369	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	2.47 369	1.15 155	1.45 245	1.06 185	0.82 170	7.22 381	7.61 389	0.20 117	0.12 9	0.31 266	0.27 259	0.19 71	0.20 133

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	2.47 369	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

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

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

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

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

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

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

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

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

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	2.23 345	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

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

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	1.62 317	2.21 344	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	1.02 374

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	1.47 286	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

AnonymousM	0.59 97	1.11 369	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	1.84 386	0.84 378	0.14 2	0.13 3

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

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	1.41 265	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

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	1.45 283	1.44 243	1.44 271	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
iResNet_ROB	0.77 191	0.30 126	0.99 230	0.57 175	0.36 145	0.83 188	0.36 55	2.33 362	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

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

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

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	1.56 307	1.60 281	2.03 342	2.12 368	9.72 406	0.97 254	0.21 143	0.18 194	0.27 235	0.23 216	0.22 152	0.25 205

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	1.30 231	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	1.30 231	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	1.30 231	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

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

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

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	1.79 333	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	1.79 333	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

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

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

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	1.65 307	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

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

RAFT + AFF	1.00 267	0.42 257	1.09 264	0.67 272	0.50 233	1.22 271	1.24 342	2.24 356	1.19 211	1.30 231	1.56 273	1.17 215	1.49 327	3.44 315	0.83 232	0.21 143	0.25 278	0.30 262	0.26 251	0.27 220	0.27 229

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

delet	0.85 224	0.32 171	0.95 221	0.65 257	0.66 300	1.64 317	0.84 284	1.75 252	1.35 283	1.32 243	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

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

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	1.34 298	0.21 143	0.19 207	0.21 96	0.18 88	0.21 131	0.18 78

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

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

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

LE_ROB	8.05 406	0.37 234	23.53 413	0.74 309	0.33 122	2.77 374	2.87 402	3.71 389	27.24 420	25.39 420	8.87 405	8.46 403	26.71 420	6.65 371	21.99 414	0.21 143	0.19 207	0.20 73	0.21 171	0.25 200	0.22 164

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

1111x	1.70 348	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	15.20 408	0.22 166	0.21 240	0.22 122	0.22 196	0.24 190	0.22 164

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

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	1.59 296	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

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
AAGNet	1.83 353	0.28 83	0.72 117	0.61 217	0.32 106	0.67 121	0.51 169	0.96 58	0.98 122	1.47 286	1.20 166	1.00 168	1.18 286	2.83 293	22.77 417	0.22 166	0.13 42	0.22 122	0.19 107	0.23 177	0.15 27

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

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	1.47 286	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

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	1.47 286	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_RVC	0.88 234	0.28 83	0.76 154	0.63 236	0.31 91	0.65 108	1.02 321	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

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

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

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

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	0.86 366	0.56 339

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	0.86 366	0.56 339

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	15.10 407	0.22 166	0.20 224	0.22 122	0.20 135	0.22 152	0.22 164

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

HSM-Net_RVC	0.87 233	0.29 110	0.53 28	0.53 118	0.30 79	1.15 258	0.55 201	3.57 387	1.28 250	1.53 299	1.74 304	1.68 310	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
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	1.30 231	1.25 180	1.94 332	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

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

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	1.56 307	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

Wz-Net-LNSev-Ref	0.99 263	0.40 248	1.82 343	0.66 262	0.62 292	2.05 350	0.78 269	1.91 294	1.29 254	1.54 303	1.42 236	1.51 285	1.23 297	1.99 247	1.33 296	0.23 189	0.14 75	0.20 73	0.15 30	0.27 220	0.26 223

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	1.40 272	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

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	1.40 272	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

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	1.37 261	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

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

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

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	1.53 299	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

UNet	0.83 216	0.34 206	1.31 297	0.58 181	0.74 320	1.58 311	0.49 162	1.41 175	1.04 146	1.21 190	1.08 118	1.54 288	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

FADNet-RVC-Resample	0.84 220	0.47 275	2.10 353	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

ADCRef	1.35 319	0.55 300	2.37 364	0.72 300	0.77 330	1.94 343	0.78 269	1.91 294	1.27 245	1.57 311	1.59 280	1.36 259	1.41 316	1.54 184	7.53 388	0.23 189	0.20 224	0.32 279	0.30 295	0.29 239	0.29 243

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

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

DISCO	1.03 273	0.34 206	1.11 269	0.69 285	0.45 209	2.07 351	0.84 284	2.13 333	1.50 319	1.15 155	1.33 209	2.40 358	1.07 269	2.60 286	1.51 324	0.23 189	0.18 194	0.22 122	0.20 135	0.31 255	0.27 229

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

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	7.61 389	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	7.61 389	0.24 204	0.19 207	0.31 266	0.27 259	0.30 248	0.25 205

iinet-f	0.99 263	0.45 269	3.71 381	0.55 152	0.43 196	1.81 333	0.68 249	1.14 118	1.14 189	1.18 179	1.42 236	1.58 295	1.44 319	1.34 143	1.59 328	0.24 204	0.23 262	0.20 73	0.19 107	0.26 208	0.25 205

BUS	0.74 177	0.32 171	0.68 88	0.54 133	0.44 202	2.34 362	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

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	1.71 313	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

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

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

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

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

222	1.61 340	0.29 110	0.67 85	0.56 164	0.29 63	1.06 242	0.42 95	2.17 348	1.31 264	1.31 241	1.52 264	0.92 143	0.94 222	1.76 223	17.65 411	0.24 204	0.20 224	0.21 96	0.19 107	0.22 152	0.23 181

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	15.70 410	0.24 204	0.21 240	0.21 96	0.20 135	0.22 152	0.23 181

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
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	1.30 231	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

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

SuperB	2.53 379	0.59 313	18.45 409	0.69 285	0.50 233	1.87 340	0.88 293	1.67 237	2.39 366	1.50 295	1.42 236	1.14 212	1.15 282	4.28 328	5.07 378	0.24 204	0.19 207	0.22 122	0.19 107	7.86 416	0.34 277

ADCP+	1.99 363	0.48 280	7.73 394	0.66 262	0.91 353	2.30 360	1.05 324	1.82 273	1.34 275	1.54 303	1.32 207	1.74 317	1.61 336	2.17 260	13.37 403	0.24 204	0.21 240	0.32 279	0.28 276	0.37 279	0.29 243

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	2.50 357	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_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

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

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	1.33 251	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_up	0.77 191	0.34 206	0.70 103	0.66 262	0.58 274	1.05 239	0.92 302	1.52 203	1.12 178	1.26 214	1.16 155	1.31 252	1.23 297	1.20 123	0.81 225	0.25 228	0.29 304	0.31 266	0.27 259	0.27 220	0.25 205

aanetorigin	1.23 305	0.79 347	2.78 375	0.70 290	0.79 335	0.99 231	1.06 325	1.06 99	1.37 290	3.52 385	2.61 359	1.72 314	1.63 337	1.99 247	1.78 334	0.25 228	0.24 271	0.26 224	0.25 238	0.38 287	0.45 314

EDNetEfficientorigin	10.57 409	1.47 383	177.42 434	0.67 272	0.53 254	1.58 311	1.16 336	1.90 290	3.37 385	4.71 398	3.38 370	3.10 375	2.69 381	3.13 305	3.58 369	0.25 228	0.23 262	0.33 286	0.27 259	0.83 365	0.81 366

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	1.43 267	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

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

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	1.46 275	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

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

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	1.37 261	1.15 152	1.43 267	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.
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	1.34 254	1.87 322	1.53 287	0.78 156	7.43 386	1.38 303	0.25 228	0.17 180	0.19 49	0.16 58	0.22 152	0.26 223

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	1.64 319	1.65 294	1.70 312	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

fast-acv-ft	0.94 248	0.44 263	1.40 307	0.58 181	0.51 243	1.77 330	0.69 253	1.36 166	1.42 309	1.29 224	1.86 320	1.74 317	1.25 300	1.52 178	1.38 303	0.26 242	0.28 296	0.28 245	0.28 276	0.27 220	0.26 223

CRFU-Net	0.86 229	0.39 244	1.00 235	0.65 257	0.57 266	1.78 332	0.86 290	2.15 339	0.81 69	1.38 266	1.18 160	1.64 305	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

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

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

EDNetEfficient	2.37 373	1.10 366	8.08 396	0.74 309	0.71 313	0.98 230	1.56 360	1.46 187	4.06 391	4.90 399	2.82 363	2.25 349	3.48 389	2.95 297	9.97 397	0.26 242	0.24 271	0.26 224	0.30 295	0.68 359	0.61 350

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	1.57 292	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

ADCL	1.72 351	0.57 307	3.66 379	0.67 272	0.61 287	2.61 371	1.85 374	1.96 306	1.67 334	1.90 343	1.83 315	2.06 345	1.90 358	2.13 258	9.15 396	0.26 242	0.24 271	0.34 296	0.32 305	0.38 287	0.35 282

RYNet	1.17 303	0.49 283	1.24 287	0.70 290	0.97 361	1.71 321	0.92 302	1.91 294	1.46 314	1.38 266	1.14 146	1.88 322	1.30 309	4.24 325	1.87 337	0.26 242	0.21 240	0.35 303	0.27 259	0.55 339	0.54 335

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	1.57 292	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

Wz-Net-MNSev	1.11 290	0.58 310	2.23 360	0.66 262	0.71 313	1.95 344	1.46 355	1.98 311	1.45 313	1.79 333	1.43 240	1.49 282	1.33 312	1.97 246	1.42 315	0.27 251	0.23 262	0.28 245	0.28 276	0.34 268	0.31 265

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

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

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	1.52 298	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

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

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	1.99 337	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

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

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	1.53 299	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

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

DRN-Test	1.00 267	0.44 263	1.13 273	0.70 290	0.81 342	1.62 314	0.79 272	2.14 337	1.44 312	1.78 330	1.33 209	1.43 267	1.05 263	2.18 263	1.53 325	0.27 251	0.21 240	0.31 266	0.30 295	0.32 260	0.28 240

Wz-Net-LNSev	1.03 273	0.67 330	2.71 373	0.64 245	0.84 346	1.75 325	1.00 318	1.80 269	1.32 269	1.28 219	1.25 180	1.65 307	1.22 296	1.39 157	1.40 307	0.28 261	0.26 282	0.24 169	0.23 216	0.33 266	0.32 271

NINENet	0.77 191	0.37 234	0.78 166	0.62 228	0.51 243	2.34 362	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

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

LMCR-Stereo	0.82 211	0.46 271	0.88 199	0.75 313	0.43 196	1.33 284	0.56 207	2.43 370	0.98 122	1.53 299	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

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

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

StereoDRNet	0.98 262	0.47 275	1.70 334	0.76 315	0.94 357	1.51 305	0.91 300	1.92 297	1.32 269	1.61 314	1.13 143	1.47 280	0.97 235	1.75 218	1.46 320	0.28 261	0.23 262	0.29 253	0.27 259	0.35 269	0.27 229

NaN_ROB	1.13 295	0.55 300	1.15 275	0.64 245	0.48 224	1.61 313	2.03 384	1.72 245	1.48 316	2.09 352	1.27 189	1.40 263	1.08 270	3.94 321	1.30 294	0.28 261	0.34 323	0.28 245	0.28 276	0.30 248	0.33 275

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)
GEStereo_RVC	0.90 239	0.37 234	0.99 230	0.64 245	0.50 233	0.95 219	0.79 272	2.42 369	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

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	1.38 266	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

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	0.45 359	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.
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	3.97 374	0.30 273	0.26 282	0.26 224	0.24 227	0.29 239	0.29 243

coex-ft	8.13 407	2.13 400	98.04 433	0.67 272	0.53 254	1.71 321	1.56 360	1.65 232	11.11 405	18.17 419	3.75 375	3.88 381	7.61 408	2.98 300	6.49 384	0.30 273	0.30 308	0.32 279	0.31 299	0.66 357	0.50 329

ssnet_v2	0.88 234	0.36 229	1.02 245	0.62 228	0.38 169	1.32 283	0.97 312	2.07 328	1.34 275	1.37 261	1.18 160	1.54 288	0.92 211	1.10 111	1.65 329	0.30 273	0.27 290	0.30 262	0.28 276	0.27 220	0.26 223

GwcNet	1.08 282	0.51 290	2.33 362	0.79 321	1.18 374	1.76 327	0.70 255	1.68 238	1.47 315	1.41 274	1.64 292	1.74 317	1.04 259	2.20 265	1.41 311	0.30 273	0.29 304	0.29 253	0.27 259	0.30 248	0.35 282

DSFCA	0.93 247	0.34 206	1.06 256	0.52 110	0.65 298	1.55 309	0.93 306	1.49 191	1.19 211	1.56 307	1.15 152	1.50 283	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

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

GANet	1.36 320	0.47 275	0.86 186	0.67 272	0.45 209	1.34 286	1.73 367	1.64 231	1.24 230	1.49 294	2.38 351	1.55 290	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

Wz-Net-SNSev	1.49 329	1.23 375	6.27 392	0.68 282	0.67 302	1.37 289	1.41 352	2.00 313	1.39 298	1.48 292	1.61 285	2.29 351	1.32 311	3.93 320	2.14 350	0.31 280	0.28 296	0.31 266	0.33 311	0.42 303	0.36 286

APVNet	1.06 277	0.53 296	1.42 309	0.84 336	0.79 335	1.92 341	0.82 282	1.90 290	1.08 162	1.08 117	1.43 240	1.56 291	1.13 280	3.07 301	1.58 326	0.31 280	0.34 323	0.42 331	0.36 324	0.36 275	0.37 288

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.
MDST_ROB	1.67 344	0.34 206	1.58 328	0.92 358	0.58 274	4.26 396	1.11 329	2.83 377	1.41 306	4.49 396	2.55 358	1.45 273	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

SGM_RVC	1.68 346	0.36 229	0.61 59	0.59 194	0.29 63	2.25 358	1.18 338	2.38 367	1.68 335	3.60 386	2.67 361	3.69 379	2.42 376	8.13 394	1.90 340	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
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

CSP-Net	0.97 258	0.38 239	0.83 178	0.53 118	0.41 188	1.63 315	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

pcwnet_v2	0.97 258	0.37 234	4.33 382	0.62 228	0.54 257	0.79 174	0.45 134	2.02 320	1.58 328	1.42 280	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

RTSC	1.29 311	0.73 338	2.44 365	0.83 335	0.57 266	1.85 338	0.65 239	1.88 285	2.00 356	2.20 355	1.66 296	1.60 298	1.26 302	2.33 273	3.92 372	0.32 285	0.23 262	0.27 235	0.29 287	0.37 279	0.37 288

ETE_ROB	0.96 252	0.64 327	1.16 276	0.69 285	0.48 224	1.14 253	1.13 332	1.77 261	1.19 211	1.91 344	1.45 245	1.73 315	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

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

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	1.81 321	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

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	0.34 323	0.31 266	0.34 316	0.59 346	0.40 298

ADCMid	1.89 359	0.73 338	5.06 385	0.72 300	0.67 302	2.00 348	1.14 333	1.97 310	1.48 316	2.86 377	1.81 314	2.37 356	2.05 366	2.24 267	10.39 400	0.33 290	0.31 314	0.39 322	0.43 340	0.50 328	0.44 312

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	1.78 330	1.54 267	2.01 339	1.11 275	2.90 296	2.00 345	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
TDLM	1.06 277	0.44 263	0.79 168	0.63 236	0.50 233	0.89 200	1.44 354	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

PWC_ROB	1.24 306	0.76 345	2.46 367	0.72 300	0.78 333	1.15 258	0.49 162	1.75 252	1.92 352	2.31 357	3.07 366	1.59 296	1.40 315	2.46 281	2.10 349	0.33 290	0.22 254	0.35 303	0.24 227	0.38 287	0.41 302

PSMNet_ROB	0.90 239	0.52 293	1.17 278	0.72 300	0.61 287	1.27 277	1.12 331	1.76 258	1.12 178	1.09 122	1.28 193	1.45 273	0.89 205	1.65 200	1.42 315	0.33 290	0.25 278	0.37 313	0.39 330	0.35 269	0.29 243

WZ-Net	1.95 360	0.95 357	10.10 399	0.86 343	0.78 333	1.69 320	1.60 363	2.20 353	1.98 355	2.08 351	1.93 328	2.30 352	1.97 361	5.30 343	3.17 366	0.34 298	0.26 282	0.29 253	0.31 299	0.51 332	0.47 321

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	1.34 254	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

CVANet_RVC	1.07 279	0.43 260	0.76 154	0.60 205	0.50 233	0.90 202	0.97 312	1.52 203	1.26 238	1.33 251	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

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	1.38 266	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

FBW_ROB	1.71 350	0.62 324	1.45 314	0.67 272	0.61 287	1.81 333	1.08 327	2.52 373	1.70 336	1.77 329	1.73 303	1.98 336	1.25 300	12.57 412	1.84 336	0.34 298	0.37 338	0.56 361	0.38 329	0.45 318	0.43 310

SANet	1.88 356	0.57 307	2.18 359	0.63 236	0.40 182	2.80 376	1.57 362	2.39 368	5.88 400	2.36 362	3.57 373	3.72 380	2.97 384	4.74 334	1.76 333	0.34 298	0.30 308	0.32 279	0.29 287	0.48 324	0.37 288

CBMV	0.95 251	0.44 263	0.66 82	0.53 118	0.35 140	1.53 307	1.63 365	1.69 240	1.42 309	2.00 349	1.60 281	1.43 267	1.17 283	1.59 194	0.99 257	0.34 298	0.34 323	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
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	1.30 231	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.
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

NCCL2	1.00 267	0.56 303	1.06 256	0.75 313	0.57 266	1.31 282	1.72 366	1.77 261	1.36 286	1.50 295	1.17 158	1.91 327	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

Syn2CoEx	1.14 297	0.69 333	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	1.42 266	1.50 328	4.09 323	1.40 307	0.36 308	0.32 321	0.34 296	0.29 287	0.29 239	0.34 277

stereogan	1.15 300	0.42 257	1.40 307	0.86 343	0.84 346	2.38 364	0.71 257	1.88 285	1.73 339	1.72 325	1.94 330	2.31 353	1.29 305	2.07 254	1.08 265	0.36 308	0.35 331	0.39 322	0.31 299	0.51 332	0.46 318

SGM-ForestM	6.52 403	0.38 239	1.26 290	0.63 236	0.35 140	13.59 414	5.32 408	6.32 407	6.70 402	11.14 411	9.18 406	22.51 421	13.93 410	16.89 414	20.07 413	0.36 308	0.37 338	0.36 311	0.35 320	0.36 275	0.34 277

SGM-Forest	1.24 306	0.38 239	0.60 56	0.52 110	0.37 152	1.56 310	1.30 347	1.65 232	1.36 286	2.11 353	1.79 311	1.63 302	0.93 217	7.48 388	0.95 249	0.36 308	0.37 338	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
AnyNet_C32	1.96 361	1.10 366	5.17 386	0.90 353	1.11 367	2.12 354	2.37 395	1.85 279	1.48 316	2.45 365	1.70 300	2.05 344	1.64 338	2.50 282	10.28 399	0.37 312	0.34 323	0.35 303	0.41 336	0.49 327	0.54 335

Anonymous Stereo	1.28 310	0.75 343	2.45 366	0.74 309	0.77 330	0.93 213	1.77 368	1.51 200	1.31 264	1.67 321	1.29 196	1.20 220	0.75 139	6.29 366	1.68 332	0.37 312	0.36 336	0.38 316	0.40 334	0.43 308	0.45 314

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

LALA_ROB	1.01 270	0.59 313	1.16 276	0.67 272	0.51 243	1.63 315	1.26 346	1.69 240	1.38 294	1.81 336	1.37 223	1.94 332	1.02 256	1.58 192	1.38 303	0.37 312	0.27 290	0.43 333	0.37 327	0.43 308	0.37 288

SHD	1.31 314	0.71 337	2.34 363	0.86 343	0.75 326	1.77 330	0.65 239	2.22 354	2.50 373	2.40 364	1.71 301	1.91 327	1.60 335	1.93 242	2.37 353	0.38 316	0.31 314	0.38 316	0.40 334	0.48 324	0.50 329

ADCPNet	1.85 355	0.69 333	8.07 395	0.71 297	0.58 274	2.79 375	1.22 341	1.94 303	1.54 325	1.88 340	1.69 299	2.46 361	2.04 364	2.37 276	6.48 383	0.38 316	0.37 338	0.38 316	0.43 340	0.47 321	0.45 314

XPNet_ROB	0.96 252	0.49 283	1.09 264	0.72 300	0.57 266	1.11 248	1.14 333	1.66 236	1.23 226	1.85 339	1.39 231	1.64 305	1.11 275	1.80 227	1.42 315	0.38 316	0.30 308	0.33 286	0.29 287	0.37 279	0.34 277

Wz-Net-TNSev	1.88 356	2.08 399	7.66 393	0.67 272	0.64 295	2.42 365	1.83 373	2.33 362	1.74 341	1.57 311	1.56 273	2.58 363	1.90 358	4.86 336	3.12 363	0.39 319	0.37 338	0.33 286	0.37 327	0.53 336	0.58 344

psmorigin	1.52 333	0.69 333	10.52 402	0.68 282	0.59 281	1.13 252	0.70 255	1.57 217	1.19 211	1.99 347	1.79 311	2.26 350	1.47 324	2.09 255	1.36 302	0.39 319	0.40 347	0.34 296	0.33 311	0.43 308	0.56 339

S-Stereo	1.15 300	0.46 271	2.17 357	0.81 327	0.80 340	1.21 270	1.19 339	1.93 301	2.02 357	1.47 286	2.11 339	1.57 292	1.17 283	2.05 253	1.41 311	0.40 321	0.40 347	0.35 303	0.31 299	0.44 315	0.70 360

Nwc_Net	1.09 284	0.49 283	1.33 302	0.89 352	0.80 340	1.49 304	0.66 244	2.19 350	1.27 245	1.32 243	2.26 346	1.96 334	1.54 329	1.92 239	1.34 298	0.40 321	0.30 308	0.43 333	0.45 344	0.38 287	0.37 288

RTS	2.67 381	1.38 377	15.28 407	0.99 363	1.26 378	3.78 388	1.96 381	2.15 339	2.62 375	2.61 368	2.85 364	2.60 364	1.59 333	6.27 364	5.71 381	0.40 321	0.28 296	0.35 303	0.35 320	0.50 328	0.48 324

RTSA	2.67 381	1.38 377	15.28 407	0.99 363	1.26 378	3.78 388	1.96 381	2.15 339	2.62 375	2.61 368	2.85 364	2.60 364	1.59 333	6.27 364	5.71 381	0.40 321	0.28 296	0.35 303	0.35 320	0.50 328	0.48 324

ADCS	2.25 368	0.99 360	5.55 387	0.81 327	0.74 320	2.19 356	1.80 370	2.27 358	2.14 361	2.80 376	2.13 341	2.40 358	2.03 363	2.64 288	13.69 404	0.41 325	0.39 345	0.40 327	0.45 344	0.58 344	0.56 339

AnyNet_C01	2.26 369	1.78 388	10.22 401	0.93 359	0.74 320	2.92 378	2.20 390	2.29 360	1.80 344	2.53 367	2.41 354	2.71 368	1.73 345	3.41 312	6.72 385	0.41 325	0.39 345	0.40 327	0.42 338	0.67 358	0.63 352

LSM	6.33 402	1.10 366	13.19 405	1.41 380	68.17 429	1.64 317	1.90 378	1.92 297	2.46 368	2.99 380	3.11 367	1.88 322	1.80 351	2.61 287	2.06 348	0.41 325	0.58 377	0.50 346	0.57 364	0.64 353	17.66 421

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	1.44 281	1.27 189	1.34 258	0.75 139	2.52 283	0.84 235	0.42 328	0.27 290	0.83 371	0.26 251	0.41 298	0.29 243

FINET	0.97 258	0.54 297	1.60 329	0.63 236	0.79 335	1.08 245	1.07 326	1.56 216	2.20 363	1.15 155	1.49 258	0.94 147	0.88 199	2.32 272	1.05 260	0.42 328	0.35 331	0.32 279	0.28 276	0.43 308	0.38 294

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	1.75 327	1.98 331	2.03 342	1.48 325	2.02 249	1.18 282	0.42 328	0.35 331	0.34 296	0.29 287	0.35 269	0.53 334

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	1.71 324	1.83 315	2.54 362	1.44 319	2.43 280	1.23 284	0.42 328	0.41 349	0.54 354	0.35 320	0.42 303	0.46 318

DeepPrunerF	1.60 338	0.73 338	5.81 390	0.88 349	1.19 375	0.91 204	0.95 310	2.19 350	5.24 398	1.17 175	1.30 197	1.19 219	1.30 309	4.90 338	1.66 331	0.42 328	0.34 323	0.52 348	0.47 349	0.41 298	0.40 298

GASNet	0.99 263	0.97 358	1.72 336	0.98 362	0.68 308	0.83 188	0.67 247	1.60 222	1.28 250	1.31 241	1.22 170	1.22 223	1.21 295	2.41 279	1.41 311	0.43 333	0.26 282	0.36 311	0.34 316	0.55 339	0.31 265

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	0.63 352

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	1.41 274	2.00 332	1.33 254	1.08 270	2.17 260	0.76 207	0.43 333	0.42 351	0.47 342	0.44 342	0.41 298	0.36 286

CSAN	1.41 326	0.59 313	1.26 290	0.70 290	0.50 233	1.76 327	1.78 369	1.77 261	1.90 351	2.35 360	2.32 348	1.92 330	1.94 360	5.56 353	1.49 323	0.43 333	0.35 331	0.40 327	0.41 336	0.43 308	0.41 302

MeshStereo	2.26 369	0.56 303	0.92 214	0.61 217	0.49 227	2.60 370	1.02 321	3.18 383	2.05 359	7.40 409	4.98 389	7.58 399	2.98 385	6.37 367	1.96 343	0.43 333	0.43 352	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
RGC	1.14 297	0.79 347	1.26 290	0.91 356	0.96 360	1.52 306	0.77 267	1.92 297	1.26 238	1.54 303	1.93 328	2.02 341	1.54 329	2.25 269	1.31 295	0.44 338	0.35 331	0.58 364	0.48 351	0.47 321	0.46 318

HBP-ISP	0.96 252	0.58 310	0.72 117	0.61 217	0.46 219	1.64 317	0.76 264	1.86 282	1.28 250	1.30 231	1.53 265	0.86 122	0.94 222	3.27 309	0.69 189	0.45 339	0.44 355	0.54 354	0.48 351	0.47 321	0.40 298

DGSMNet	1.14 297	0.76 345	2.49 368	0.81 327	0.86 349	1.39 293	1.39 351	2.13 333	1.35 283	1.26 214	1.63 291	1.48 281	0.98 239	1.75 218	1.10 270	0.45 339	0.43 352	0.55 358	0.49 354	0.75 364	0.70 360

MFN_U_SF_DS_RVC	1.74 352	0.87 353	3.56 378	0.80 324	0.75 326	3.72 387	2.44 397	1.82 273	1.82 346	1.74 326	1.91 326	1.92 330	1.26 302	7.69 390	1.28 292	0.45 339	0.47 363	0.52 348	0.77 374	0.50 328	0.50 329

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	1.32 243	1.74 304	1.88 322	1.74 346	2.35 274	1.25 286	0.45 339	0.37 338	0.45 337	0.58 365	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	1.32 243	1.74 304	1.88 322	1.74 346	2.35 274	1.25 286	0.45 339	0.37 338	0.45 337	0.58 365	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
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	10.62 409	0.65 183	0.45 339	0.43 352	0.48 343	0.45 344	0.44 315	0.41 302

SAMSARA	1.55 335	0.84 349	2.61 370	1.22 375	1.07 364	2.50 367	1.93 379	2.05 322	1.89 349	2.75 373	1.66 296	2.81 369	1.69 344	3.08 303	1.97 344	0.46 345	0.51 369	0.42 331	0.46 347	0.58 344	0.59 346

PVD	1.70 348	0.84 349	2.26 361	0.94 361	0.83 345	2.48 366	0.97 312	2.59 375	3.35 384	3.01 382	2.77 362	2.34 355	2.47 378	2.67 289	3.14 364	0.47 346	0.45 359	0.59 365	0.48 351	0.59 346	0.75 365

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	1.56 307	2.40 353	1.99 337	1.65 339	1.81 229	1.48 322	0.48 347	0.28 296	0.49 345	0.33 311	0.39 291	0.32 271

G-Net	1.66 343	0.63 325	1.56 326	1.11 372	0.74 320	2.98 379	0.91 300	1.55 215	1.22 223	2.76 374	8.18 404	2.32 354	2.53 379	1.92 239	1.87 337	0.48 347	0.44 355	0.45 337	0.31 299	0.60 350	0.57 343

XQC	1.37 321	0.87 353	2.56 369	0.84 336	0.69 310	1.83 336	0.89 295	2.07 328	1.88 348	1.88 340	1.53 265	1.91 327	1.55 331	2.85 295	3.05 361	0.48 347	0.29 304	0.44 336	0.39 330	0.69 360	0.60 349

DPSNet	1.69 347	0.59 313	4.33 382	0.70 290	0.57 266	2.02 349	1.62 364	3.35 386	1.78 342	1.48 292	1.38 227	2.17 347	2.84 382	4.77 335	3.66 370	0.48 347	0.31 314	0.29 253	0.25 238	0.64 353	0.48 324

BEATNet-Init1	26.87 420	13.43 417	70.68 432	0.91 356	0.68 308	57.02 433	21.06 415	32.82 425	32.67 422	52.12 433	53.61 432	66.05 433	49.56 433	48.79 434	34.71 424	0.49 351	0.44 355	0.53 353	0.53 360	0.63 351	0.59 346

UDGNet	0.72 160	1.17 374	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	1.02 378	0.26 251	0.71 362	0.31 265

FCDSN-DC	2.32 371	0.63 325	0.81 174	0.84 336	0.75 326	2.23 357	0.94 308	2.09 331	1.80 344	5.45 403	7.72 401	7.77 401	6.93 407	3.39 310	1.80 335	0.52 352	0.48 364	0.52 348	0.51 358	0.57 342	0.58 344
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_RVC	1.52 333	0.84 349	3.42 377	0.87 348	0.66 300	2.56 369	0.95 310	2.36 365	1.70 336	1.98 346	1.86 320	2.45 360	1.79 350	2.95 297	2.58 355	0.52 352	0.48 364	0.55 358	0.59 368	0.59 346	0.61 350

RP	1.09 284	0.50 287	1.12 271	0.90 353	1.04 363	1.11 248	0.84 284	1.80 269	1.62 330	1.55 306	2.00 332	1.90 326	1.78 349	1.84 230	1.25 286	0.52 352	0.36 336	0.48 343	0.36 324	0.45 318	0.43 310

MSMD_ROB	1.99 363	0.59 313	0.89 204	0.70 290	0.61 287	3.95 392	0.94 308	1.80 269	1.79 343	4.41 394	4.43 380	8.17 402	3.66 391	3.40 311	1.33 296	0.52 352	0.48 364	0.54 354	0.58 365	0.53 336	0.50 329

WCMA_ROB	1.84 354	0.47 275	1.31 297	0.69 285	0.57 266	2.11 353	1.14 333	1.87 283	1.73 339	4.04 390	6.43 393	5.62 393	3.61 390	2.59 285	1.94 342	0.52 352	0.44 355	0.39 322	0.42 338	0.48 324	0.47 321

FC-DCNN	2.72 386	0.59 313	0.86 186	0.73 307	0.57 266	2.91 377	1.04 323	3.01 381	2.60 374	6.83 405	7.64 400	9.92 406	6.33 405	5.21 342	3.14 364	0.53 358	0.48 364	0.51 347	0.50 356	0.53 336	0.51 333

GANetREF_RVC	1.07 279	0.86 352	1.31 297	0.82 332	0.53 254	1.41 298	1.31 348	1.76 258	1.52 322	1.27 217	1.31 202	1.46 275	1.24 299	2.03 250	0.96 253	0.56 359	0.45 359	0.67 366	0.50 356	0.88 368	0.59 346
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
ccnet	1.12 292	0.67 330	1.01 239	0.78 320	0.73 318	1.72 323	0.99 316	1.84 278	1.26 238	1.47 286	1.85 319	1.75 320	1.29 305	1.75 218	1.88 339	0.57 360	0.53 371	0.57 363	0.55 362	0.59 346	0.54 335

MANE	6.19 401	0.59 313	1.03 249	0.93 359	1.22 377	13.38 413	2.69 398	12.81 414	17.94 416	8.21 410	10.82 408	14.72 411	11.68 409	11.39 411	11.90 402	0.59 361	0.50 368	0.52 348	1.76 402	0.55 339	0.54 335

PWCDC_ROB	1.29 311	0.75 343	1.33 302	1.05 367	0.88 352	1.73 324	0.52 178	1.89 287	3.28 383	1.29 224	4.88 388	1.22 223	1.46 322	1.77 225	1.45 319	0.60 362	0.26 282	0.29 253	0.25 238	0.52 334	0.37 288

PASM	1.34 318	0.92 356	2.62 371	0.86 343	0.87 351	1.03 236	1.08 327	1.50 195	1.51 321	1.82 337	1.41 235	1.68 310	1.26 302	4.87 337	1.34 298	0.61 363	0.65 382	0.68 367	0.78 375	0.69 360	0.68 359

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	1.29 305	1.03 97	0.74 202	0.62 364	0.64 380	1.06 379	9.63 416	1.16 376	0.49 328

ELAS	2.37 373	0.74 341	1.54 325	0.99 363	0.92 355	4.78 398	2.33 394	3.33 385	3.37 385	5.05 402	4.77 387	3.67 378	4.53 398	3.42 313	4.50 376	0.62 364	0.53 371	0.55 358	0.53 360	0.63 351	0.64 356
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS_RVC	2.48 378	0.74 341	1.90 347	1.05 367	0.92 355	2.76 373	4.01 406	2.76 376	4.11 392	4.69 397	4.63 384	4.62 384	5.96 403	3.97 322	3.96 373	0.63 366	0.53 371	0.56 361	0.52 359	0.64 353	0.63 352
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSC_U_SF_DS_RVC	2.12 365	1.15 372	3.10 376	1.05 367	0.76 329	5.03 401	2.40 396	2.16 342	2.62 375	1.89 342	2.28 347	2.69 367	1.65 339	9.35 402	2.04 346	0.64 367	0.51 369	0.68 367	0.71 372	1.09 375	0.67 357

SDNR	1.62 341	0.51 290	2.17 357	0.53 118	0.56 264	3.80 390	0.45 134	1.54 211	1.29 254	1.33 251	2.41 354	1.08 192	0.96 232	11.18 410	1.16 277	0.66 368	0.63 379	0.43 333	0.32 305	0.64 353	0.67 357

Consistency-Raft	1.25 308	0.99 360	1.93 349	1.02 366	1.21 376	0.96 223	1.01 320	1.75 252	1.92 352	1.36 259	2.12 340	1.44 271	1.01 251	1.14 118	1.40 307	0.72 369	0.82 385	0.89 373	0.98 387	1.31 380	0.95 371

MADNet+	2.69 383	3.22 409	11.53 404	1.44 381	1.12 369	3.19 381	1.81 371	2.85 378	2.37 365	1.68 322	2.07 338	2.85 371	2.18 369	7.41 385	5.23 379	0.79 370	0.76 383	0.69 369	0.65 371	0.98 370	0.95 371

JetBlue	3.97 392	2.01 394	10.19 400	1.38 377	2.84 402	10.53 409	9.54 409	3.60 388	2.41 367	2.73 372	3.39 371	4.54 383	4.31 396	7.85 393	6.84 386	0.88 371	0.93 396	0.89 373	0.91 381	1.74 381	1.91 389

UDG	1.41 326	2.65 405	0.99 230	1.44 381	1.64 384	1.34 286	0.80 278	1.60 222	1.23 226	1.23 198	1.71 301	2.01 339	1.34 313	1.47 173	1.41 311	0.90 372	0.54 374	2.29 389	0.75 373	1.84 382	1.04 376

MFMNet_re	1.40 325	1.14 371	1.68 333	1.39 378	1.07 364	1.48 302	1.43 353	1.87 283	1.82 346	2.26 356	2.19 343	1.51 285	1.86 355	1.52 178	1.25 286	0.93 373	0.83 386	0.84 372	0.80 376	0.99 372	1.05 378

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	1.00 374	0.13 42	0.15 3	0.10 2	0.15 5	0.13 3

PDISCO_ROB	1.32 316	0.65 328	1.44 310	1.36 376	1.46 382	2.55 368	0.92 302	2.45 371	2.07 360	1.37 261	1.49 258	1.65 307	1.00 249	2.82 292	1.35 301	1.01 375	0.27 290	0.54 354	0.47 349	0.71 362	0.73 363

DispFullNet	2.34 372	2.85 407	3.66 379	3.08 400	2.27 392	1.97 345	0.67 247	2.00 313	1.70 336	2.52 366	2.00 332	2.23 348	5.86 401	3.44 315	1.58 326	1.01 375	0.32 321	2.64 400	1.94 405	2.85 395	2.24 393

anonymity	1.12 292	0.97 358	1.21 281	1.07 370	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	1.02 377	1.00 398	0.97 375	0.97 385	0.98 370	0.99 373

SPS-STEREO	1.67 344	1.04 363	1.23 284	1.21 374	1.13 371	1.82 335	1.11 329	2.16 342	1.52 322	3.07 384	2.32 348	2.82 370	1.80 351	4.11 324	2.04 346	1.03 378	0.99 397	0.97 375	0.94 383	1.03 374	1.02 374
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	2.41 376	1.07 364	2.14 356	1.18 373	1.10 366	2.14 355	1.36 350	1.96 306	1.66 333	5.46 404	7.07 396	4.95 389	4.32 397	5.50 350	2.26 352	1.04 379	1.02 400	0.99 377	0.97 385	1.02 373	1.04 376

NVStereoNet_ROB	1.88 356	1.07 364	1.45 314	1.07 370	1.17 372	1.47 301	1.48 357	1.89 287	1.93 354	1.94 345	4.67 386	3.08 374	1.80 351	6.51 369	1.65 329	1.06 380	0.86 392	1.08 380	1.32 392	0.93 369	1.26 382
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
CC-Net-ROB	1.49 329	1.26 376	1.27 293	0.88 349	0.79 335	1.76 327	1.00 318	1.79 267	1.26 238	1.10 130	1.61 285	1.21 221	0.99 247	8.13 394	0.84 235	1.09 381	0.41 349	2.20 387	0.46 347	1.20 378	0.48 324

DDUNet	1.50 331	2.69 406	1.12 271	1.77 383	1.88 386	1.84 337	0.92 302	1.70 243	1.16 202	1.38 266	1.79 311	1.60 298	1.12 278	1.37 148	1.08 265	1.10 382	0.76 383	2.37 391	0.94 383	2.00 383	1.37 383

WAO-7	2.66 380	1.40 379	1.73 338	1.39 378	1.17 372	3.93 391	1.94 380	4.11 392	3.88 390	2.92 378	5.50 390	4.18 382	3.00 386	7.63 389	3.71 371	1.13 383	1.00 398	1.17 381	1.13 391	1.18 377	1.09 380

WAO-6	2.81 387	1.60 385	1.46 316	2.36 390	2.28 393	3.55 385	2.29 393	4.21 393	4.56 396	2.36 362	4.51 381	4.88 388	2.66 380	4.60 332	4.07 375	1.72 384	1.15 404	2.31 390	1.46 398	2.31 384	1.85 388

MaskLacGwcNet_RVC	1.10 287	1.02 362	1.00 235	0.82 332	0.67 302	1.93 342	0.93 306	1.62 228	1.11 174	1.15 155	1.25 180	1.50 283	0.79 158	1.96 245	0.76 207	1.89 385	0.34 323	0.79 370	0.36 324	1.25 379	0.83 367

WAO-8	4.40 394	1.82 391	1.79 340	2.34 388	2.20 388	9.19 406	1.53 358	6.09 404	16.46 410	3.94 388	7.84 402	7.32 396	3.72 393	9.41 404	3.31 367	2.00 386	1.07 401	2.44 396	1.37 396	2.50 386	1.68 386

Venus	4.40 394	1.82 391	1.79 340	2.34 388	2.20 388	9.19 406	1.53 358	6.09 404	16.46 410	3.94 388	7.84 402	7.32 396	3.72 393	9.41 404	3.31 367	2.00 386	1.07 401	2.44 396	1.37 396	2.50 386	1.68 386

PWCK	2.88 388	2.05 397	5.72 389	2.08 385	1.11 367	3.55 385	3.90 405	2.86 379	3.54 388	3.03 383	3.63 374	3.10 375	2.31 373	8.15 396	3.09 362	2.12 388	0.91 395	1.75 384	0.98 387	2.57 388	1.18 381

CAS	0.63 115	0.18 1	0.37 2	2.27 387	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	2.24 389	0.10 1	0.14 1	0.09 1	0.15 5	1.06 379

SQANet	1.31 314	0.88 355	1.08 263	1.83 384	1.44 381	1.44 300	0.75 261	1.74 250	1.09 168	1.32 243	1.26 186	1.28 245	1.01 251	1.50 177	0.83 232	2.50 390	0.34 323	1.47 382	0.55 362	2.32 385	1.57 385

ACVNet_2	2.43 377	1.41 380	2.04 351	2.62 392	2.24 391	2.63 372	1.88 377	3.31 384	3.01 380	2.19 354	3.45 372	4.62 384	2.04 364	4.50 331	1.47 321	2.55 391	0.64 380	2.22 388	0.84 378	2.69 389	2.29 394

JetRed	6.91 405	8.80 415	25.96 417	2.85 395	3.25 406	13.98 415	11.87 410	6.25 406	4.28 394	4.45 395	4.56 382	6.69 395	5.46 400	7.46 387	14.05 405	2.59 392	3.31 410	2.59 399	2.29 409	4.20 408	3.36 408

DPSimNet_ROB	11.20 412	4.98 411	35.43 421	2.90 398	4.52 412	7.89 405	17.09 413	4.66 396	6.06 401	14.89 415	10.93 409	17.29 412	36.81 424	13.18 413	15.68 409	2.86 393	6.29 415	5.75 415	5.09 413	3.91 406	7.70 415

otaku	1.60 338	1.11 369	1.21 281	2.20 386	1.56 383	1.97 345	1.24 342	2.07 328	1.36 286	1.44 281	1.62 288	1.73 315	1.19 289	1.73 217	0.98 256	2.89 394	0.57 376	1.74 383	0.60 369	2.78 390	1.94 390

Ntro	1.64 342	1.15 372	1.23 284	2.48 391	1.83 385	2.09 352	1.16 336	1.96 306	1.38 294	1.21 190	1.62 288	1.62 300	1.29 305	1.87 236	1.11 272	3.04 395	0.56 375	1.82 385	0.64 370	2.80 391	2.05 391

ACVNet_1	2.18 367	1.45 382	1.72 336	2.85 395	2.33 395	2.28 359	1.46 355	3.08 382	2.22 364	1.82 337	2.05 337	3.56 377	1.98 362	3.09 304	1.40 307	3.17 396	0.60 378	2.40 395	0.92 382	2.91 397	2.37 395

Dean	2.91 389	1.53 384	2.07 352	2.96 399	2.51 397	3.15 380	2.14 388	4.75 397	4.41 395	2.76 374	6.10 392	5.53 392	2.37 374	2.97 299	1.92 341	3.18 397	0.85 390	2.51 398	1.04 390	2.88 396	2.47 398

LVE	3.31 391	1.67 386	1.64 330	2.85 395	2.42 396	3.20 382	2.26 392	4.78 398	5.05 397	2.35 360	6.91 394	6.02 394	2.37 374	9.15 398	2.17 351	3.19 398	1.08 403	2.38 393	1.47 399	2.81 392	2.40 397

ACVNet-4b	2.15 366	1.41 380	1.64 330	2.80 393	2.31 394	2.31 361	1.24 342	2.32 361	2.14 361	1.26 214	2.39 352	2.66 366	1.48 325	5.95 362	1.06 262	3.20 399	0.45 359	2.37 391	0.89 380	2.83 394	2.37 395

TorneroNet-64	5.30 400	2.03 395	1.74 339	3.43 404	2.81 401	10.09 408	2.12 387	9.10 411	17.12 415	4.96 401	9.27 407	10.72 410	3.70 392	9.20 399	4.55 377	3.31 400	0.84 387	2.88 404	1.55 400	3.49 402	3.04 404

RainbowNet	1.97 362	1.76 387	1.57 327	2.81 394	2.21 390	1.98 347	1.81 371	2.54 374	1.89 349	1.50 295	1.84 317	1.96 334	1.65 339	2.14 259	1.25 286	3.33 401	0.85 390	2.39 394	0.98 387	2.82 393	2.22 392

KSHMR	8.75 408	2.06 398	2.11 354	3.53 406	3.11 404	4.13 395	2.69 398	5.60 401	61.37 433	3.00 381	55.83 433	4.98 391	2.45 377	4.49 330	2.61 358	3.46 402	1.55 408	3.14 407	1.94 405	3.72 404	3.18 406

TorneroNet	10.70 410	2.03 395	1.82 343	3.43 404	3.01 403	43.83 425	2.22 391	8.87 410	67.47 434	7.17 408	27.36 419	10.68 409	3.85 395	8.67 397	7.65 393	3.59 403	0.88 393	3.04 405	1.57 401	3.71 403	3.17 405

UNDER WATER-64	5.27 399	2.32 401	8.78 398	3.93 410	3.54 409	7.61 404	3.03 404	5.84 403	14.19 406	4.04 390	4.04 378	9.39 405	6.26 404	5.93 361	8.48 394	3.60 404	1.51 407	3.13 406	1.88 403	4.29 409	3.61 409

IMH-64-1	2.70 384	1.79 389	1.46 316	3.26 402	2.66 398	3.23 383	2.10 385	4.08 390	2.75 378	2.34 358	3.81 376	3.06 372	2.22 371	4.25 326	2.59 356	3.75 405	0.84 387	2.75 401	1.35 393	3.15 399	2.60 401

IMH-64	2.70 384	1.79 389	1.46 316	3.26 402	2.66 398	3.23 383	2.10 385	4.08 390	2.75 378	2.34 358	3.81 376	3.06 372	2.22 371	4.25 326	2.59 356	3.75 405	0.84 387	2.75 401	1.35 393	3.15 399	2.60 401

UNDER WATER	5.08 398	2.33 402	5.55 387	3.94 411	3.51 408	5.20 402	2.72 400	5.61 402	16.52 412	3.84 387	4.60 383	9.21 404	5.89 402	5.90 359	8.66 395	3.75 405	1.34 405	3.18 408	1.88 403	4.33 410	3.61 409

IMH	3.21 390	1.85 393	1.48 321	3.25 401	2.69 400	4.07 394	2.02 383	4.41 395	3.80 389	2.72 371	7.11 397	4.75 387	2.92 383	5.92 360	2.55 354	3.85 408	0.88 393	2.78 403	1.36 395	3.19 401	2.59 400

ktn	4.70 396	2.38 403	2.12 355	3.76 407	3.24 405	4.85 399	2.95 403	5.52 400	7.37 403	4.07 392	19.32 416	7.46 398	3.47 388	7.39 384	2.95 360	4.04 409	1.85 409	3.26 409	2.22 408	3.08 398	2.65 403

notaker	3.98 393	2.40 404	2.68 372	3.82 409	3.27 407	3.97 393	2.14 388	4.78 398	3.45 387	4.12 393	6.94 395	7.65 400	3.26 387	7.82 392	5.30 380	4.04 409	1.41 406	3.36 410	2.10 407	3.88 405	3.31 407

MADNet++	5.01 397	3.14 408	4.91 384	4.55 413	3.94 411	5.20 402	4.41 407	4.40 394	4.13 393	4.95 400	6.08 391	4.74 386	5.37 399	9.40 403	10.67 401	4.65 411	4.15 413	3.97 412	3.34 411	4.09 407	4.08 412

DGTPSM_ROB	13.01 413	8.23 413	21.87 410	9.51 416	18.10 414	11.56 411	32.01 419	10.63 412	16.20 408	7.03 406	19.48 417	10.15 407	16.66 412	9.83 407	22.42 415	4.75 412	8.68 416	5.37 413	10.25 417	6.16 413	11.36 416

DPSMNet_ROB	13.02 414	8.23 413	21.91 411	9.53 417	18.11 415	11.56 411	32.02 420	10.64 413	16.23 409	7.05 407	19.49 418	10.16 408	16.66 412	9.85 408	22.43 416	4.77 413	8.68 416	5.38 414	10.26 418	6.17 414	11.36 416

SPstereo	26.54 419	6.08 412	10.71 403	5.55 414	5.68 413	48.14 426	80.43 433	67.31 434	34.39 429	28.70 427	27.52 420	43.76 431	37.60 429	45.04 433	54.41 434	4.92 414	4.89 414	10.74 420	5.88 414	4.46 411	4.57 413

HanzoNet	11.04 411	3.62 410	8.10 397	4.08 412	3.55 410	4.90 400	2.73 401	7.19 408	10.10 404	31.86 429	28.92 421	21.96 420	36.36 422	18.08 415	10.17 398	7.94 415	3.32 411	3.47 411	3.31 410	7.06 415	4.04 411

tt	6.58 404	0.26 46	6.10 391	3.77 408	2.16 387	11.55 410	19.63 414	13.33 415	5.74 399	2.96 379	2.65 360	4.97 390	6.33 405	3.81 319	7.24 387	9.15 416	11.32 421	5.89 416	6.24 415	6.03 412	2.55 399

DLNR_Zeroshot_test	23.17 418	48.52 435	43.29 424	176.68 434	78.69 430	0.35 5	0.21 1	23.41 417	0.75 56	0.66 41	0.86 56	0.59 50	0.30 4	1.56 189	0.44 83	9.57 417	0.12 9	0.18 36	0.14 22	76.92 433	0.16 41

PML	51.67 431	36.25 425	13.28 406	7.46 415	20.81 416	108.69 434	232.22 435	8.72 409	27.82 421	87.01 434	269.67 435	69.67 434	61.95 434	24.76 423	14.20 406	9.74 418	3.40 412	9.62 417	4.70 412	18.74 419	4.72 414

DPSM_ROB	19.08 415	19.14 419	25.17 415	22.15 419	20.85 417	28.17 417	37.82 422	26.56 418	16.85 413	14.14 412	14.84 411	21.70 415	18.75 415	21.87 417	26.55 419	10.16 419	9.30 419	10.47 418	10.42 419	14.03 417	12.61 419

DPSM	19.08 415	19.14 419	25.17 415	22.15 419	20.85 417	28.17 417	37.82 422	26.56 418	16.85 413	14.14 412	14.84 411	21.70 415	18.75 415	21.87 417	26.55 419	10.16 419	9.30 419	10.47 418	10.42 419	14.03 417	12.61 419

CasAABBNet	38.33 421	38.46 426	50.35 426	44.75 429	41.84 423	56.68 430	76.37 428	53.22 431	33.83 424	28.31 422	29.54 423	43.62 430	37.71 430	43.84 430	53.41 429	20.30 421	18.70 423	21.07 424	21.07 422	28.24 423	25.34 422

MyStereo03	38.34 422	38.50 428	50.41 427	44.74 426	41.86 424	56.65 427	76.38 429	52.99 428	33.93 426	28.39 424	29.99 425	43.54 426	37.42 426	43.82 427	53.53 430	20.31 422	18.71 425	21.06 421	21.08 423	28.23 420	25.35 423

MyStereo02	38.34 422	38.50 428	50.41 427	44.74 426	41.86 424	56.65 427	76.38 429	52.99 428	33.93 426	28.39 424	29.99 425	43.54 426	37.42 426	43.82 427	53.53 430	20.31 422	18.71 425	21.06 421	21.08 423	28.23 420	25.35 423

MyStereo	38.34 422	38.50 428	50.41 427	44.74 426	41.86 424	56.65 427	76.38 429	52.99 428	33.93 426	28.39 424	29.99 425	43.54 426	37.42 426	43.82 427	53.53 430	20.31 422	18.71 425	21.06 421	21.08 423	28.23 420	25.35 423

Selective-RAFT-Error	38.39 425	38.47 427	50.44 430	44.73 425	41.97 427	56.68 430	76.38 429	53.24 432	33.92 425	28.34 423	29.85 424	43.60 429	38.20 431	43.75 426	53.34 428	20.38 425	18.70 423	21.09 425	21.05 421	28.30 424	25.43 426

LSM0	42.82 429	38.75 431	50.81 431	47.07 430	109.38 434	57.00 432	76.02 427	53.74 433	33.71 423	29.02 428	30.41 428	43.87 432	37.22 425	43.91 431	53.54 433	20.52 426	18.62 422	21.10 426	21.11 426	28.41 425	42.22 428

LRCNet_RVC	22.74 417	32.10 424	21.97 412	29.84 421	26.23 419	4.42 397	0.81 281	22.66 416	2.02 357	26.93 421	29.26 422	23.06 422	15.59 411	23.84 419	18.88 412	31.75 427	19.90 428	34.65 427	32.13 427	30.54 426	28.32 427

xxxxx1	54.10 432	25.67 421	27.13 418	113.43 431	96.96 431	30.69 421	47.44 424	32.38 422	25.60 417	17.75 416	17.27 413	21.81 417	21.02 417	24.43 420	33.82 421	33.37 428	40.54 429	157.71 432	175.86 432	66.16 430	72.93 432

tt_ll	54.10 432	25.67 421	27.13 418	113.43 431	96.96 431	30.69 421	47.44 424	32.38 422	25.60 417	17.75 416	17.27 413	21.81 417	21.02 417	24.43 420	33.82 421	33.37 428	40.54 429	157.71 432	175.86 432	66.16 430	72.93 432

ff	54.10 432	25.67 421	27.13 418	113.43 431	96.96 431	30.69 421	47.44 424	32.38 422	25.60 417	17.75 416	17.27 413	21.81 417	21.02 417	24.43 420	33.82 421	33.37 428	40.54 429	157.71 432	175.86 432	66.16 430	72.93 432

HaxPig	38.92 426	41.40 432	41.64 422	29.95 422	32.27 420	28.90 419	27.60 416	29.73 421	37.71 430	43.82 430	43.87 429	33.17 423	35.56 421	41.53 424	40.37 426	43.94 431	47.51 433	45.82 428	47.08 429	42.38 427	44.15 430

AVERAGE_ROB	40.43 427	42.37 433	42.73 423	36.96 424	35.58 422	30.50 420	27.61 417	36.71 427	38.39 431	44.91 431	44.36 430	37.45 425	36.70 423	41.88 425	40.35 425	45.43 432	46.81 432	47.11 429	46.35 428	42.51 428	43.87 429

MEDIAN_ROB	42.00 428	44.40 434	44.29 425	35.15 423	34.95 421	31.28 424	29.60 418	35.88 426	40.02 432	47.20 432	46.64 431	37.37 424	38.48 432	44.35 432	42.45 427	48.03 433	49.39 434	49.71 430	49.03 430	45.14 429	46.65 431

Anonymous_1	43.04 430	18.73 418	24.79 414	21.81 418	46.26 428	27.80 416	37.60 421	28.08 420	16.14 407	14.66 414	14.30 410	20.65 414	17.88 414	21.56 416	25.94 418	117.93 434	8.92 418	100.65 431	126.50 431	158.64 434	12.08 418

test_example2	192.40 435	210.76 436	206.48 435	199.83 435	204.73 435	172.94 435	183.52 434	133.93 435	133.41 435	191.38 435	196.19 434	187.13 435	178.77 435	205.33 435	208.00 435	222.09 435	238.72 435	186.54 435	190.54 435	227.34 435	170.31 435

ASD4		10.99 416

Low-res two-view benchmark