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

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
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

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

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

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

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

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

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

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

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

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

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)
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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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	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

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

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

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

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

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

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

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

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

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

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

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

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

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_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

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

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
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

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	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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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-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

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

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

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

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

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

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

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

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

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

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

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

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)
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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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.
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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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
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
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

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

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

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

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

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

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
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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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
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

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

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

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

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

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

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
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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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