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

sCroCo_RVC	1.81 28	0.93 148	19.44 188	1.04 113	1.05 203	0.97 4	0.61 42	2.08 25	1.36 1	0.71 3	1.28 40	0.82 32	1.10 85	1.31 15	0.97 44	0.54 288	0.41 219	0.33 160	0.30 172	0.46 219	0.48 108

LoS_RVC	1.23 8	1.51 235	6.09 22	0.88 47	1.71 329	1.96 22	0.59 35	1.61 4	1.37 2	0.84 10	1.35 50	0.84 33	1.15 101	1.49 39	0.83 18	0.21 1	0.17 3	0.20 1	0.14 1	0.20 1	1.49 278

knoymous	1.50 14	0.65 44	8.73 37	0.91 56	0.75 126	2.97 60	0.90 178	2.93 74	1.38 3	1.56 58	1.07 14	2.75 237	0.88 40	1.43 32	1.13 64	0.32 81	0.22 47	0.35 194	0.20 19	0.45 212	0.41 67

Anonymous3	2.20 65	0.80 110	20.08 241	0.86 36	0.86 149	4.46 308	0.84 144	3.64 133	1.40 4	1.37 45	1.40 60	1.11 54	1.03 61	1.71 61	1.24 84	0.75 336	0.58 272	0.34 177	0.35 228	0.48 234	0.65 183

StereoIM	1.60 16	1.11 186	16.13 97	0.67 2	1.87 343	1.22 8	0.39 5	2.17 29	1.42 5	0.69 1	0.78 3	0.88 37	0.70 12	1.24 10	1.13 64	0.32 81	0.23 70	0.26 33	0.21 25	0.32 65	0.28 7

CES	1.08 6	0.63 34	2.53 7	0.95 77	2.18 355	2.13 30	0.50 18	2.07 24	1.46 6	0.79 6	1.06 11	0.61 3	0.48 1	1.45 34	0.87 22	0.24 4	0.18 5	0.24 13	0.15 3	0.64 285	2.36 312

test_3	2.17 60	0.58 9	18.64 152	1.11 131	0.78 133	2.15 32	0.85 148	4.42 332	1.47 7	2.00 131	1.20 27	2.02 168	0.79 31	2.70 156	1.35 104	0.29 32	1.04 315	0.29 76	0.29 156	0.31 47	1.07 252

GMOStereo	2.64 165	0.92 144	19.83 213	0.81 21	0.68 111	3.22 71	0.89 162	2.94 76	1.48 8	2.36 244	1.54 81	1.75 114	1.04 67	1.33 19	1.15 67	0.26 14	11.32 407	0.35 194	0.28 126	0.35 120	0.33 21

error version	2.64 165	0.92 144	19.83 213	0.81 21	0.68 111	3.22 71	0.89 162	2.94 76	1.48 8	2.36 244	1.54 81	1.75 114	1.04 67	1.33 19	1.15 67	0.26 14	11.32 407	0.35 194	0.28 126	0.35 120	0.33 21

test-v	2.64 165	0.92 144	19.83 213	0.81 21	0.68 111	3.22 71	0.89 162	2.94 76	1.48 8	2.36 244	1.54 81	1.75 114	1.04 67	1.33 19	1.15 67	0.26 14	11.32 407	0.35 194	0.28 126	0.35 120	0.33 21

test-2	2.64 165	0.92 144	19.83 213	0.81 21	0.68 111	3.22 71	0.89 162	2.94 76	1.48 8	2.36 244	1.54 81	1.75 114	1.04 67	1.33 19	1.15 67	0.26 14	11.32 407	0.35 194	0.28 126	0.35 120	0.33 21

LoS	1.05 4	0.58 9	3.31 9	0.91 56	0.38 6	4.14 251	0.50 18	2.22 30	1.49 12	1.02 26	0.88 7	0.62 4	0.84 35	1.69 57	0.94 35	0.27 21	0.20 17	0.24 13	0.17 8	0.22 2	0.32 17

riskmin	2.46 120	0.61 29	12.91 55	1.22 176	1.65 321	3.56 129	0.61 42	4.30 296	1.50 13	1.86 100	1.16 24	4.30 341	2.02 250	1.53 45	1.32 102	0.29 32	0.95 310	0.34 177	0.23 50	0.43 197	8.34 374

test_4	1.98 33	0.68 58	15.65 90	0.91 56	0.48 40	4.11 241	1.09 226	2.41 36	1.50 13	1.55 56	2.31 261	1.87 144	0.79 31	2.86 163	1.51 135	0.34 120	0.19 9	0.29 76	0.29 156	0.30 42	0.40 62

raftrobust	2.05 48	1.45 229	13.44 56	1.29 208	5.81 401	3.59 133	0.67 61	2.80 71	1.50 13	2.21 197	1.41 63	1.17 60	1.22 110	1.37 28	1.46 132	0.29 32	0.33 160	0.22 3	0.20 19	0.27 15	0.36 48

MSKI-zero shot	2.33 91	0.69 63	20.22 257	1.14 147	0.77 132	4.05 229	0.68 69	3.95 187	1.51 16	1.93 108	2.35 264	1.91 148	0.71 14	3.01 167	0.79 10	0.28 28	1.47 328	0.27 42	0.21 25	0.28 20	0.44 82

CAS	1.34 9	0.48 1	2.20 4	3.01 377	1.66 324	4.08 236	0.73 91	1.96 19	1.51 16	0.86 12	1.10 15	0.59 2	0.53 2	1.36 26	0.94 35	3.07 382	0.14 1	0.21 2	0.14 1	0.38 150	1.78 295

test-1	1.81 28	0.72 76	9.51 40	1.02 107	1.57 302	3.85 183	0.60 39	4.07 216	1.51 16	1.94 114	1.81 154	2.04 171	0.91 44	1.39 29	1.73 185	0.27 21	0.93 307	0.31 115	0.25 74	0.29 31	1.37 270

test-3	2.19 62	0.59 17	18.63 151	1.13 143	0.75 126	2.07 28	0.89 162	4.37 324	1.53 19	2.25 204	1.20 27	2.05 174	0.79 31	2.68 153	1.35 104	0.29 32	0.95 310	0.28 62	0.27 102	0.27 15	1.47 277

test_1	2.19 62	0.59 17	18.67 153	1.13 143	0.78 133	2.07 28	0.89 162	4.37 324	1.53 19	2.18 187	1.20 27	2.05 174	0.78 25	2.68 153	1.36 111	0.29 32	0.93 307	0.28 62	0.27 102	0.28 20	1.53 280

TestStereo	2.41 112	1.95 274	19.15 168	0.77 9	0.61 83	1.83 17	0.58 33	2.33 34	1.53 19	1.44 51	1.37 55	1.26 71	0.90 42	11.59 353	0.94 35	0.36 151	0.19 9	0.33 160	0.24 63	0.45 212	0.32 17

raft+_RVC	3.46 286	2.57 297	19.51 192	1.49 270	17.54 410	3.63 142	0.76 111	3.24 98	1.53 19	1.35 43	1.67 109	1.03 48	1.10 85	1.98 95	1.53 138	0.25 8	7.10 387	0.25 22	0.24 63	0.28 20	2.18 309

MIF-Stereo	1.73 26	0.60 24	20.25 261	0.98 92	1.19 233	0.78 3	0.39 5	1.19 1	1.55 23	1.21 33	1.28 40	0.52 1	0.64 8	1.17 6	1.16 71	0.35 132	0.20 17	0.25 22	0.22 42	0.42 188	0.31 14

R-Stereo Train	2.13 53	0.65 44	19.43 186	1.02 107	0.67 104	3.79 171	0.89 162	4.12 237	1.55 23	2.15 178	1.72 122	1.13 55	0.94 49	1.46 35	1.30 99	0.32 81	0.25 99	0.27 42	0.21 25	0.28 20	0.37 49

RAFT-Stereo	2.13 53	0.65 44	19.43 186	1.02 107	0.67 104	3.79 171	0.89 162	4.12 237	1.55 23	2.15 178	1.72 122	1.13 55	0.94 49	1.46 35	1.30 99	0.32 81	0.25 99	0.27 42	0.21 25	0.28 20	0.37 49
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
4D-IteraStereo	2.95 218	1.83 268	20.75 322	0.81 21	1.56 300	2.22 34	1.03 214	2.48 42	1.56 26	1.42 48	1.00 8	1.93 149	0.61 5	1.65 50	2.04 226	0.31 68	0.22 47	0.31 115	0.26 87	0.28 20	16.75 411

EGLCR-Stereo	2.52 128	0.56 4	9.39 39	1.16 152	0.81 139	5.24 376	0.61 42	4.20 263	1.56 26	1.09 29	0.71 1	1.09 52	0.66 11	1.92 87	0.82 17	0.29 32	0.30 144	0.29 76	0.24 63	0.37 141	19.09 414

MC-Stereo	2.54 136	0.58 9	6.38 25	1.30 212	1.37 267	4.56 332	0.60 39	2.08 25	1.57 28	1.97 123	1.68 111	0.89 39	1.12 90	1.46 35	0.88 24	0.27 21	8.44 390	0.27 42	0.22 42	0.26 12	14.87 395

PSM-AAD	3.41 278	0.58 9	20.55 300	0.95 77	0.56 68	4.46 308	7.40 394	3.11 89	1.58 29	2.30 219	2.56 296	1.26 71	16.19 401	2.47 137	1.00 50	0.32 81	0.22 47	0.58 320	0.41 275	0.37 141	1.32 267

THIR-Stereo	4.50 338	1.11 186	18.71 154	0.89 48	0.47 35	2.25 35	16.71 403	3.53 120	1.58 29	2.04 148	12.04 395	2.66 228	7.52 376	7.29 251	11.25 345	0.32 81	0.21 33	0.29 76	0.28 126	0.35 120	0.52 128

PMTNet	1.13 7	0.55 3	3.88 14	0.71 6	0.59 79	4.21 276	0.43 10	2.00 20	1.58 29	1.02 26	1.06 11	0.78 24	0.98 54	1.58 47	0.93 29	1.21 361	0.20 17	0.23 4	0.15 3	0.23 3	0.27 6

EKT-Stereo	7.93 389	0.75 96	21.17 362	1.84 327	109.80 427	4.51 320	0.61 42	4.13 240	1.59 32	1.89 102	1.24 33	1.96 160	1.35 126	4.02 188	1.36 111	0.42 196	0.31 148	0.29 76	0.27 102	0.35 120	0.78 213

DLNR_Zeroshot_test	29.83 416	55.48 428	50.99 423	183.84 431	114.74 428	3.44 103	0.28 1	29.52 416	1.59 32	1.03 28	1.25 35	0.93 42	0.64 8	3.95 187	1.62 160	37.16 425	1.69 336	0.26 33	0.23 50	92.97 429	15.07 397

HHNet	2.51 126	0.76 104	20.83 327	0.67 2	0.67 104	4.07 233	0.90 178	3.85 168	1.59 32	2.14 174	4.91 361	0.98 44	3.32 322	1.73 67	1.80 195	0.41 187	0.20 17	0.31 115	0.28 126	0.38 150	0.44 82

KYRaft	2.55 141	0.57 8	20.60 311	0.98 92	0.51 56	4.38 295	1.76 307	2.51 44	1.59 32	2.48 268	2.98 324	1.99 163	3.36 326	2.17 112	0.96 41	0.34 120	0.22 47	0.33 160	0.46 293	0.38 150	2.44 315

GES	2.26 73	0.79 109	19.68 203	1.12 138	0.59 79	4.30 288	1.01 209	3.90 175	1.59 32	1.78 91	1.78 142	1.28 73	1.75 220	1.80 77	1.61 158	0.42 196	0.29 136	0.33 160	0.31 189	0.45 212	0.50 117

AEACV	2.12 52	0.67 52	6.33 24	1.38 238	1.50 286	3.53 124	0.90 178	2.83 72	1.60 37	0.91 20	0.81 6	0.80 29	1.61 186	1.56 46	0.73 3	0.25 8	0.60 275	0.26 33	0.27 102	0.29 31	15.65 404

GLC_STEREO	0.83 1	0.59 17	1.71 2	0.89 48	0.34 2	1.88 19	0.80 125	1.48 2	1.60 37	0.98 25	1.06 11	0.68 7	0.71 14	1.19 8	0.89 25	0.25 8	0.25 99	0.32 128	0.25 74	0.32 65	0.34 29

DRaft	3.12 240	0.68 58	20.57 306	0.77 9	0.49 47	3.95 210	1.20 247	2.40 35	1.60 37	2.64 286	2.80 316	1.59 99	5.33 355	6.94 248	9.51 340	0.43 210	0.22 47	0.27 42	0.27 102	0.32 65	0.47 101

iRaftStereo_RVC	1.70 25	1.18 195	3.88 14	0.99 97	0.46 31	3.83 178	0.41 8	2.41 36	1.60 37	1.69 77	1.76 132	1.81 134	0.83 34	1.58 47	1.23 80	0.31 68	4.86 377	0.29 76	0.26 87	0.33 86	4.33 349

XX-Stereo	2.66 173	0.70 69	21.17 362	2.33 352	1.24 245	4.31 291	0.45 11	4.48 340	1.60 37	2.39 251	1.89 182	4.60 353	0.60 4	4.17 192	1.11 63	0.34 120	0.26 119	0.29 76	0.29 156	0.53 246	0.43 78

CFNet-RSSM	2.17 60	0.56 4	20.50 295	1.08 124	0.57 75	3.42 100	0.62 49	4.24 280	1.60 37	1.73 83	1.39 58	2.55 217	1.19 107	1.36 26	1.04 54	0.29 32	0.20 17	0.26 33	0.23 50	0.28 20	0.32 17

CroCo-Stereo Lap2	1.65 22	1.14 192	14.70 76	1.00 100	1.80 341	0.53 2	0.46 12	3.18 93	1.62 43	1.10 31	1.24 33	1.05 50	0.78 25	1.40 30	1.18 72	0.31 68	0.23 70	0.27 42	0.22 42	0.46 219	0.38 56

Anonymous	1.97 32	0.88 127	20.58 309	1.08 124	1.27 249	1.65 14	0.89 162	2.54 48	1.62 43	0.92 23	1.18 26	0.70 10	1.09 80	1.28 12	1.00 50	0.53 284	0.35 176	0.30 97	0.30 172	0.66 294	0.56 142

Gwc-CoAtRS	1.80 27	0.61 29	14.92 78	1.08 124	0.61 83	2.88 53	0.63 54	2.47 40	1.62 43	1.80 95	1.50 70	2.73 232	1.17 102	1.35 24	1.08 60	0.30 54	0.22 47	0.25 22	0.23 50	0.28 20	0.30 12

Anonymous_2	4.03 318	0.99 173	11.19 47	1.20 168	1.71 329	3.68 153	0.93 196	3.76 151	1.63 46	2.07 159	1.43 64	4.76 358	2.34 274	1.86 85	1.78 190	0.82 343	2.42 354	8.69 413	16.64 418	4.38 395	8.29 372

LMCR-Stereo	2.53 132	2.30 290	18.81 156	1.64 301	0.86 149	3.88 191	1.14 237	4.33 315	1.63 46	2.27 213	2.35 264	1.13 55	2.41 278	2.63 149	2.26 243	1.06 354	0.24 87	0.29 76	0.25 74	0.62 276	0.42 74

RAFT_CTSACE	2.41 112	1.83 268	20.33 273	1.77 323	1.39 270	3.50 118	1.03 214	3.25 101	1.64 48	1.80 95	2.04 211	2.82 243	1.78 225	2.11 104	1.10 62	0.27 21	0.24 87	0.28 62	0.30 172	0.31 47	0.33 21

RAFT+CT+SA	2.32 88	1.30 215	19.71 204	1.01 103	1.41 276	4.04 225	0.92 191	3.96 188	1.64 48	1.64 67	1.69 114	1.63 103	1.18 105	3.06 168	1.19 75	0.28 28	0.22 47	0.32 128	0.34 215	0.34 107	0.47 101

ASMatch	2.65 169	0.68 58	20.65 316	1.60 290	0.71 117	4.40 301	0.77 112	2.02 22	1.65 50	1.71 80	3.89 349	1.93 149	3.75 335	5.45 208	1.67 170	0.33 104	0.24 87	0.34 177	0.28 126	0.34 107	0.57 147

TANstereo	1.98 33	0.87 124	20.35 274	0.80 20	0.37 5	4.05 229	0.38 4	1.50 3	1.65 50	2.03 145	2.16 234	0.84 33	0.93 48	1.09 3	0.68 1	0.30 54	0.36 183	0.24 13	0.20 19	0.26 12	0.46 93

AACVNet	2.77 197	1.64 252	19.22 175	1.57 285	0.86 149	3.28 81	0.74 99	3.31 107	1.66 52	2.06 153	1.82 156	2.47 210	1.40 137	10.95 331	1.92 211	0.41 187	0.35 176	0.38 228	0.33 206	0.46 219	0.61 169

rafts_anoy	2.76 195	1.68 254	20.42 281	1.42 255	3.90 388	3.03 62	0.61 42	3.24 98	1.66 52	1.42 48	1.26 37	1.19 66	1.11 88	2.13 107	1.64 166	0.33 104	8.77 395	0.32 128	0.32 199	0.32 65	0.38 56

UCFNet_RVC	2.53 132	1.29 213	20.56 302	1.42 255	1.40 274	4.01 220	1.04 219	2.79 70	1.67 54	2.27 213	1.88 180	2.94 251	1.50 159	3.48 173	1.68 172	0.37 158	0.29 136	0.52 298	0.41 275	0.55 252	0.51 123

cross-raft	1.95 31	0.66 51	16.17 99	1.23 182	0.92 168	2.25 35	0.70 77	3.69 140	1.68 55	1.78 91	1.53 72	3.15 268	1.13 91	1.35 24	1.06 58	0.24 4	0.23 70	0.26 33	0.24 63	0.29 31	0.45 86

ICVP	2.19 62	0.72 76	19.18 171	1.03 110	0.88 157	4.22 278	0.94 197	3.44 116	1.69 56	1.68 74	1.76 132	1.35 77	1.19 107	1.80 77	1.40 119	0.58 297	0.37 188	0.34 177	0.30 172	0.41 181	0.59 161
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
DCRE	3.02 226	0.95 155	18.48 149	1.18 163	1.89 344	3.57 130	0.82 133	3.36 110	1.70 57	2.04 148	8.12 372	1.73 113	1.07 78	1.31 15	1.24 84	0.24 4	0.87 304	0.26 33	0.27 102	0.28 20	11.03 385

LCNet	2.54 136	0.60 24	20.89 332	1.01 103	0.57 75	3.60 137	1.21 249	3.20 94	1.70 57	2.17 184	1.76 132	1.43 89	4.12 341	3.61 177	0.94 35	0.32 81	0.20 17	0.28 62	0.76 343	0.50 239	1.83 299

GMStereo_Zeroshot	1.51 15	1.27 208	4.75 17	1.54 279	0.72 118	3.33 89	0.54 23	2.67 66	1.74 59	2.34 238	1.57 88	2.40 199	0.96 52	2.51 139	1.21 77	0.48 250	0.23 70	0.41 241	0.24 63	0.82 326	0.40 62

Prome-Stereo	2.57 150	0.60 24	20.29 267	1.01 103	0.62 91	4.40 301	1.80 310	3.22 96	1.74 59	2.18 187	3.43 342	1.71 110	3.45 330	2.24 121	1.19 75	0.32 81	0.20 17	0.27 42	0.25 74	0.37 141	2.15 306

XX-TBD	1.98 33	1.08 182	20.29 267	1.31 215	0.43 25	3.97 216	0.33 3	1.76 14	1.77 61	1.59 62	2.18 240	0.69 9	0.59 3	1.44 33	0.75 4	0.33 104	0.25 99	0.23 4	0.16 5	0.31 47	0.22 1

DeepPruner_ROB	2.61 157	1.97 275	19.32 181	1.03 110	1.20 235	4.38 295	0.90 178	3.44 116	1.77 61	2.61 282	1.54 81	2.77 240	1.27 115	5.05 200	2.08 230	0.52 282	0.40 213	0.37 216	0.35 228	0.52 245	0.62 173

MIF-Stereo (partial)	1.93 30	0.69 63	21.14 357	0.74 7	1.02 190	1.07 5	0.49 15	2.75 69	1.78 63	0.82 8	1.22 31	0.80 29	0.90 42	1.68 52	1.63 163	0.38 170	0.24 87	0.33 160	0.26 87	0.41 181	0.32 17

MyStereo06	2.74 190	1.07 179	21.19 365	1.06 120	1.08 209	4.26 282	0.86 151	3.72 145	1.80 64	2.25 204	1.77 139	4.28 339	4.12 341	1.85 84	1.38 117	0.25 8	2.43 355	0.34 177	0.27 102	0.46 219	0.48 108

HH	3.19 252	0.91 138	21.34 372	1.24 183	0.61 83	4.16 257	0.80 125	2.94 76	1.82 65	1.23 38	1.84 169	4.61 354	1.84 237	2.63 149	0.99 47	0.29 32	1.53 330	0.30 97	0.24 63	0.34 107	14.22 393

HanStereo	3.19 252	0.91 138	21.34 372	1.24 183	0.61 83	4.16 257	0.80 125	2.94 76	1.82 65	1.23 38	1.84 169	4.61 354	1.84 237	2.63 149	0.99 47	0.29 32	1.53 330	0.30 97	0.24 63	0.34 107	14.22 393

IGEV_Zeroshot_test	2.66 173	0.75 96	21.55 379	1.50 272	0.89 158	2.21 33	0.90 178	3.52 119	1.83 67	2.17 184	1.57 88	4.09 327	1.60 181	1.73 67	1.21 77	0.32 81	0.33 160	0.28 62	0.30 172	0.44 205	6.09 360

GANet-ADL	2.25 71	0.80 110	20.17 248	1.28 203	0.69 116	3.83 178	0.75 104	3.63 130	1.83 67	1.68 74	2.04 211	2.09 178	1.10 85	1.63 49	1.43 123	0.42 196	0.33 160	0.26 33	0.23 50	0.43 197	0.41 67

DMCA-RVC	2.72 184	3.31 309	20.08 241	1.27 201	1.13 220	2.49 43	0.85 148	3.43 115	1.85 69	3.04 322	1.58 92	1.99 163	1.51 161	6.42 232	2.86 270	0.39 177	0.31 148	0.44 257	0.37 245	0.47 229	0.65 183

CASS	1.65 22	0.73 79	8.72 36	0.97 90	0.67 104	2.88 53	0.69 75	3.07 88	1.86 70	2.82 305	2.02 207	1.39 83	1.55 174	1.75 70	1.36 111	0.51 272	0.28 132	0.34 177	0.28 126	0.47 229	0.63 176
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CFNet-ft	2.87 204	1.80 262	20.20 251	1.10 127	1.54 292	4.09 237	0.89 162	2.97 83	1.88 71	1.93 108	1.70 116	3.50 294	1.60 181	9.35 283	2.17 236	0.35 132	0.32 154	0.61 327	0.38 252	0.55 252	0.45 86

CFNet_RVC	2.87 204	1.80 262	20.20 251	1.10 127	1.54 292	4.09 237	0.89 162	2.97 83	1.88 71	1.93 108	1.70 116	3.50 294	1.60 181	9.35 283	2.17 236	0.35 132	0.32 154	0.61 327	0.38 252	0.55 252	0.45 86

CroCo-Stereo	1.07 5	1.18 195	3.66 10	0.91 56	0.60 82	0.49 1	0.49 15	4.07 216	1.91 73	0.84 10	1.29 44	1.00 46	0.75 21	1.32 18	1.38 117	0.26 14	0.21 33	0.24 13	0.20 19	0.37 141	0.30 12
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
CRFU-Net	2.56 146	0.89 131	10.77 44	2.53 362	1.09 211	3.91 197	1.40 271	3.87 170	1.92 74	2.25 204	1.80 149	3.32 279	7.85 379	5.53 211	1.54 141	0.58 297	0.36 183	0.31 115	0.28 126	0.39 160	0.56 142

CFNet_pseudo	2.03 45	0.74 85	12.75 53	0.87 42	0.74 122	3.91 197	0.65 58	4.04 209	1.93 75	1.93 108	1.79 145	3.25 274	1.61 186	2.51 139	1.25 90	0.32 81	0.37 188	0.53 302	0.28 126	0.64 285	0.50 117

ccs_rob	2.03 45	0.74 85	12.67 52	0.87 42	0.75 126	3.91 197	0.66 59	4.04 209	1.93 75	1.92 107	1.79 145	3.24 273	1.63 197	2.52 143	1.25 90	0.32 81	0.37 188	0.54 310	0.28 126	0.66 294	0.51 123

CASnet	0.85 2	0.59 17	1.66 1	0.91 56	0.30 1	1.37 10	0.73 91	1.63 5	1.94 77	1.66 71	1.14 23	0.66 6	0.63 7	1.07 2	0.90 26	0.37 158	0.17 3	0.41 241	0.31 189	0.33 86	0.23 4
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RCA-Stereo	1.38 11	0.61 29	3.95 16	0.94 69	0.48 40	4.68 355	0.78 115	4.17 253	1.95 78	1.93 108	1.84 169	0.94 43	1.48 155	1.23 9	0.75 4	0.30 54	0.43 231	0.25 22	0.20 19	0.26 12	0.37 49

FTStereo	3.74 302	0.60 24	20.43 282	0.99 97	0.66 102	4.34 292	11.24 398	2.63 63	1.95 78	2.58 277	5.03 362	1.90 147	13.77 396	3.70 180	1.28 98	0.41 187	0.24 87	0.31 115	0.33 206	0.32 65	2.08 303

test_5	2.45 118	1.43 227	19.72 206	1.20 168	1.39 270	3.88 191	1.25 254	4.03 205	1.98 80	1.74 86	1.82 156	1.86 141	1.78 225	3.57 176	1.35 104	0.33 104	0.21 33	0.35 194	0.33 206	0.34 107	0.43 78

UNet	2.53 132	0.91 138	20.07 236	1.19 166	1.44 281	3.45 106	0.75 104	3.80 160	1.98 80	2.09 164	1.57 88	2.74 235	2.37 276	3.51 175	2.52 260	0.35 132	0.30 144	0.41 241	0.28 126	0.40 163	0.50 117

CREStereo	1.00 3	0.59 17	1.82 3	0.66 1	0.36 3	4.43 305	0.40 7	2.43 38	1.98 80	0.96 24	1.22 31	0.88 37	0.87 39	1.30 13	0.79 10	0.30 54	0.20 17	0.23 4	0.16 5	0.23 3	0.22 1
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
GANet-RSSM	2.96 219	1.27 208	21.17 362	1.73 316	1.23 243	4.22 278	0.91 186	3.39 112	2.02 83	1.97 123	1.74 130	2.53 214	2.06 252	10.91 330	1.88 203	0.37 158	0.35 176	0.32 128	0.29 156	0.42 188	0.46 93

LL-Strereo2	2.36 97	1.81 265	19.35 182	1.04 113	1.03 194	3.73 161	1.35 265	2.70 67	2.04 84	1.76 89	1.44 66	1.82 136	0.73 17	1.48 38	1.53 138	0.33 104	0.30 144	0.55 311	0.35 228	0.30 42	3.51 339

CBFPSM	2.24 69	2.06 278	12.12 51	1.13 143	1.05 203	2.85 51	1.23 251	3.37 111	2.05 85	1.82 97	1.33 48	4.55 350	4.00 339	2.38 132	2.35 249	0.27 21	0.38 201	0.32 128	0.28 126	0.39 160	0.89 231

FADNet_RVC	3.10 236	7.62 341	19.12 167	1.05 117	0.93 172	4.09 237	0.84 144	4.34 318	2.05 85	1.54 55	1.78 142	1.61 100	1.50 159	8.92 276	2.64 265	0.50 266	0.38 201	0.44 257	0.61 330	0.91 334	1.16 260

CREStereo++_RVC	1.98 33	0.59 17	19.94 225	0.87 42	0.55 65	4.02 222	0.31 2	1.75 13	2.09 87	1.65 70	2.20 244	0.85 35	0.65 10	1.03 1	0.72 2	0.29 32	0.16 2	0.23 4	1.22 370	0.25 5	0.22 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
HGLStereo	2.74 190	1.03 176	20.80 325	1.24 183	1.55 296	3.62 141	0.94 197	3.83 165	2.09 87	2.18 187	2.20 244	3.11 266	2.12 257	5.65 212	2.07 229	0.50 266	0.34 167	0.32 128	0.30 172	0.42 188	0.50 117

IPLG	2.56 146	1.11 186	19.89 221	0.95 77	0.79 136	4.60 337	0.56 24	4.31 306	2.10 89	1.94 114	2.00 206	1.34 75	1.37 129	6.59 236	1.59 152	0.32 81	0.21 33	0.27 42	0.23 50	0.32 65	0.63 176

aanetorigin	3.34 274	2.00 276	17.58 131	1.20 168	1.57 302	2.57 45	3.75 379	2.73 68	2.10 89	6.11 383	4.27 354	2.88 247	5.64 358	5.46 209	4.60 307	0.53 284	0.46 241	0.45 263	0.48 297	1.15 353	1.22 262

CSP-Net	1.99 37	1.70 256	4.84 18	1.22 176	1.02 190	3.42 100	1.30 257	3.66 134	2.11 91	2.07 159	1.93 196	2.40 199	1.48 155	8.56 270	1.62 160	0.51 272	0.41 219	0.27 42	0.27 102	0.44 205	0.54 137

UPFNet	2.23 67	0.86 121	14.25 68	1.28 203	1.44 281	3.51 120	1.34 262	4.05 212	2.11 91	2.44 263	1.53 72	2.41 203	1.39 133	3.62 179	1.91 207	0.41 187	0.41 219	0.37 216	0.32 199	0.44 205	0.48 108

AE-Stereo	2.91 210	0.63 34	17.05 118	1.15 148	0.63 94	4.39 299	0.70 77	4.02 202	2.12 93	1.24 40	2.04 211	1.01 47	0.91 44	1.67 51	1.42 121	0.30 54	1.14 320	0.28 62	0.28 126	0.27 15	16.93 413

iRaft-Stereo_5w	2.47 122	1.37 222	13.85 59	0.87 42	0.99 182	3.22 71	0.84 144	3.72 145	2.12 93	1.57 60	2.49 287	2.20 182	2.22 267	9.12 279	2.03 224	0.48 250	0.27 126	0.35 194	0.29 156	0.48 234	0.94 239

psmorigin	6.62 378	1.45 229	87.38 430	1.55 282	0.97 180	2.86 52	1.42 274	3.30 105	2.12 93	3.74 353	2.45 283	5.15 366	2.59 289	10.55 318	2.91 275	0.55 291	0.68 288	0.48 275	0.53 313	0.73 309	1.02 247

anonymousdsp2	2.72 184	0.68 58	11.15 46	1.20 168	0.64 96	3.66 150	0.71 82	3.71 144	2.14 96	1.62 65	1.61 95	1.95 155	1.00 57	2.24 121	0.81 12	0.32 81	0.50 258	0.28 62	0.20 19	0.34 107	19.58 415

test croco	2.00 38	0.89 131	21.49 377	0.67 2	0.73 119	1.66 15	0.57 27	3.27 104	2.18 97	0.80 7	1.25 35	0.80 29	0.86 37	1.72 64	1.13 64	0.34 120	0.21 33	0.32 128	0.25 74	0.44 205	0.34 29

RALCasStereoNet	3.17 249	1.87 271	20.86 330	1.17 159	1.63 314	3.10 64	0.70 77	3.21 95	2.19 98	1.39 46	1.73 128	1.18 63	0.91 44	2.46 134	1.64 166	0.31 68	8.75 394	0.25 22	0.22 42	0.31 47	9.45 379

GMStereo	2.01 41	2.26 288	20.93 335	0.90 54	0.48 40	1.67 16	0.56 24	1.90 16	2.19 98	1.58 61	1.31 46	0.87 36	0.74 20	1.68 52	1.00 50	0.41 187	0.21 33	0.30 97	0.32 199	0.50 239	0.46 93
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
Nwc_Net	3.03 228	1.90 272	19.16 169	1.38 238	1.69 327	3.53 124	1.19 244	4.03 205	2.19 98	2.79 301	2.84 318	3.80 313	2.46 282	6.93 247	2.87 272	0.96 350	0.41 219	0.59 321	0.68 337	0.60 270	0.65 183

anonymousa	3.14 243	0.83 117	19.20 173	1.62 294	9.63 403	2.06 27	0.78 115	2.93 74	2.20 101	1.95 119	2.17 235	3.41 284	1.81 231	1.33 19	1.67 170	0.29 32	8.64 393	0.34 177	0.37 245	0.32 65	1.33 268

StereoDRNet-Refined	2.23 67	0.98 164	10.62 43	1.25 197	0.78 133	3.29 84	0.71 82	3.96 188	2.20 101	2.43 260	2.05 217	2.97 252	1.46 151	6.87 246	2.33 247	0.37 158	0.25 99	0.42 251	0.34 215	0.47 229	0.80 216
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
OMP-Stereo	2.94 216	1.26 205	20.07 236	2.73 367	0.67 104	4.58 333	1.46 279	4.33 315	2.21 103	3.14 330	2.68 308	3.22 272	1.38 130	7.65 260	1.42 121	0.46 238	0.21 33	0.33 160	0.26 87	0.34 107	0.31 14

LL-Strereo	4.26 328	13.69 379	20.37 276	1.24 183	2.18 355	2.90 56	1.08 224	4.35 319	2.22 104	3.20 334	2.26 252	3.29 275	3.13 313	11.30 343	1.91 207	0.33 104	3.89 374	0.46 268	0.34 215	0.54 249	6.47 363

DisPM	2.29 83	0.61 29	20.25 261	1.79 324	0.52 59	4.58 333	0.77 112	2.50 43	2.22 104	2.49 271	1.82 156	1.45 92	1.01 60	2.73 157	1.04 54	0.48 250	0.20 17	0.32 128	0.31 189	0.32 65	0.45 86

PCWNet_CMD	2.16 57	0.71 73	15.44 86	0.84 28	0.76 130	3.38 92	0.68 69	3.69 140	2.24 106	1.72 81	1.63 102	3.20 270	3.00 308	2.09 101	1.23 80	0.32 81	0.37 188	0.47 270	0.27 102	0.65 290	0.51 123

UDG	3.84 308	2.91 302	20.05 235	2.98 375	1.98 349	3.95 210	1.18 243	4.43 334	2.24 106	2.47 266	2.53 294	4.49 347	2.44 281	6.52 235	4.74 309	2.14 373	1.77 337	2.64 389	2.58 399	2.66 379	2.19 310

GEStereo_RVC	2.66 173	1.20 202	20.38 277	1.29 208	1.05 203	4.02 222	1.42 274	4.17 253	2.24 106	2.10 166	1.86 175	2.33 193	1.84 237	4.93 199	1.78 190	0.51 272	0.38 201	0.32 128	0.29 156	0.44 205	0.56 142

SQANet	4.22 323	14.03 386	20.30 269	2.78 369	2.75 369	3.41 98	1.48 282	3.66 134	2.25 109	2.62 284	1.77 139	2.68 229	1.90 245	7.41 256	3.78 295	2.97 381	1.42 327	1.85 378	1.13 364	3.28 381	2.86 323

ToySt	2.53 132	0.89 131	19.20 173	1.12 138	0.95 177	3.47 109	1.13 235	3.72 145	2.25 109	1.36 44	1.71 120	2.22 183	1.59 180	2.14 110	1.81 198	0.28 28	0.64 282	0.30 97	0.33 206	0.43 197	5.14 354

MSMDNet	2.16 57	0.71 73	15.36 84	0.86 36	0.75 126	3.41 98	0.69 75	3.70 142	2.25 109	1.73 83	1.64 106	3.21 271	2.95 300	2.09 101	1.24 84	0.32 81	0.37 188	0.45 263	0.27 102	0.63 282	0.50 117

PSMNet-ADL	2.01 41	0.78 107	2.89 8	1.11 131	0.86 149	4.13 246	0.80 125	3.84 166	2.26 112	1.74 86	1.87 178	2.90 249	1.81 231	10.37 316	2.34 248	0.49 256	0.47 249	0.29 76	0.30 172	0.39 160	0.56 142

IIG-Stereo	2.89 208	0.98 164	19.80 210	2.78 369	0.67 104	4.62 339	0.74 99	4.29 294	2.26 112	2.62 284	3.10 331	3.33 280	1.60 181	7.64 259	1.51 135	0.42 196	0.21 33	0.32 128	0.25 74	0.33 86	0.28 7

MMNet	2.15 55	1.33 219	12.06 50	1.22 176	1.23 243	3.55 127	0.89 162	3.84 166	2.26 112	2.19 192	1.78 142	2.15 180	2.10 253	3.70 180	2.35 249	0.45 225	0.38 201	0.34 177	0.28 126	0.40 163	0.52 128

FENet	2.30 86	0.61 29	20.21 255	1.43 260	0.68 111	4.04 225	0.60 39	4.01 197	2.26 112	2.03 145	1.13 20	2.42 205	1.42 143	1.72 64	1.43 123	0.36 151	0.24 87	0.33 160	0.27 102	0.29 31	0.51 123

UDGNet	2.34 93	1.71 257	20.28 264	1.42 255	0.62 91	4.39 299	0.67 61	1.82 15	2.28 116	1.40 47	1.21 30	0.99 45	1.00 57	2.23 120	1.23 80	1.14 358	0.35 176	1.30 373	0.98 357	1.11 351	0.62 173

sAnonymous2	2.00 38	1.54 239	21.24 367	0.93 64	0.89 158	1.21 6	0.62 49	2.58 58	2.28 116	0.86 12	1.04 9	0.73 16	1.22 110	1.10 4	0.85 19	0.30 54	0.25 99	0.31 115	0.31 189	1.06 343	0.72 199

CroCo_RVC	2.00 38	1.54 239	21.24 367	0.93 64	0.89 158	1.21 6	0.62 49	2.58 58	2.28 116	0.86 12	1.04 9	0.73 16	1.22 110	1.10 4	0.85 19	0.30 54	0.25 99	0.31 115	0.31 189	1.06 343	0.72 199

PSMNet-RSSM	2.91 210	1.55 242	20.10 244	1.32 221	1.30 253	4.19 273	0.95 200	3.78 154	2.28 116	2.28 215	1.80 149	2.64 227	1.87 242	9.83 294	1.93 212	0.37 158	0.33 160	0.35 194	0.38 252	0.46 219	0.40 62

BUS	1.64 21	0.64 37	3.82 11	0.94 69	0.86 149	4.50 316	0.75 104	4.49 341	2.29 120	2.96 318	1.82 156	3.61 303	1.03 61	1.79 72	1.18 72	0.39 177	0.25 99	0.31 115	0.28 126	0.38 150	0.41 67

BSDual-CNN	1.61 17	0.64 37	3.82 11	0.94 69	0.86 149	4.18 265	1.14 237	4.49 341	2.29 120	2.96 318	1.82 156	2.58 222	1.30 121	1.79 72	1.44 127	0.39 177	0.25 99	0.31 115	0.28 126	0.38 150	0.41 67

psmg	1.63 19	0.64 37	3.82 11	0.96 83	0.86 149	4.35 293	1.41 273	4.11 232	2.29 120	2.68 288	2.09 224	2.58 222	1.30 121	1.79 72	1.44 127	0.39 177	0.29 136	0.33 160	0.34 215	0.38 150	0.44 82

psm_up	3.04 230	1.30 215	18.97 163	1.31 215	1.51 288	3.86 186	1.22 250	4.26 290	2.31 123	2.72 291	1.83 168	2.43 207	1.68 210	12.86 384	1.78 190	0.43 210	0.41 219	0.41 241	0.34 215	0.46 219	0.67 190

FADNet-RVC-Resample	3.31 269	8.52 345	22.84 399	1.18 163	0.91 167	3.52 122	1.35 265	4.13 240	2.32 124	1.75 88	1.35 50	2.26 185	1.51 161	9.51 286	2.03 224	0.42 196	0.38 201	0.42 251	0.44 286	0.59 267	0.71 197

StereoVision	2.36 97	1.15 193	20.38 277	1.07 123	1.79 339	2.58 46	0.61 42	3.14 90	2.34 125	1.33 42	3.46 343	1.85 140	0.88 40	2.12 105	2.01 221	0.46 238	0.36 183	0.37 216	0.36 237	0.50 239	0.41 67

NCC-stereo	3.49 288	2.07 279	20.23 258	1.31 215	1.76 335	4.04 225	1.42 274	4.01 197	2.34 125	3.06 323	2.59 299	3.51 297	3.02 309	10.02 305	5.44 315	1.38 366	0.66 286	0.64 336	0.88 352	0.67 297	0.84 223

Abc-Net	3.49 288	2.07 279	20.23 258	1.31 215	1.76 335	4.04 225	1.42 274	4.01 197	2.34 125	3.06 323	2.59 299	3.51 297	3.02 309	10.02 305	5.44 315	1.38 366	0.66 286	0.64 336	0.88 352	0.67 297	0.84 223
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
MLCV	2.52 128	1.77 261	18.20 144	1.17 159	0.63 94	3.60 137	0.53 22	3.88 171	2.35 128	2.82 305	2.24 249	1.99 163	1.42 143	4.59 196	3.09 281	0.39 177	0.22 47	0.33 160	0.22 42	0.35 120	0.52 128

IER	2.09 51	0.91 138	14.11 66	0.97 90	1.15 223	3.17 68	0.89 162	3.59 124	2.39 129	2.15 178	1.98 202	2.27 186	2.11 255	2.39 133	1.80 195	0.35 132	0.24 87	0.36 205	0.30 172	0.34 107	0.42 74

RGC	3.35 275	1.84 270	18.13 142	1.52 276	1.79 339	3.33 89	1.37 268	4.18 258	2.39 129	2.96 318	3.23 337	3.98 322	2.71 292	11.53 350	3.42 289	0.90 347	0.48 252	0.79 354	0.79 346	0.75 315	0.89 231

NCCL2	2.96 219	4.07 320	15.75 91	1.24 183	1.03 194	3.48 115	2.55 345	3.79 155	2.39 129	2.78 299	1.80 149	2.41 203	1.67 209	10.27 313	2.48 259	0.46 238	0.41 219	0.57 317	0.55 320	0.61 271	0.86 228

DDUNet	3.65 294	2.81 300	19.59 194	3.57 386	2.26 358	3.47 109	1.35 265	4.21 267	2.40 132	2.68 288	2.48 286	4.17 333	1.78 225	5.48 210	2.61 263	2.25 374	1.77 337	2.61 388	2.43 397	2.63 378	2.40 313

GMM-Stereo	2.52 128	0.56 4	20.57 306	0.92 62	0.83 142	4.18 265	1.88 314	2.51 44	2.40 132	2.48 268	2.30 260	1.69 106	1.84 237	2.93 165	1.25 90	0.32 81	0.19 9	0.33 160	0.49 300	0.37 141	2.40 313

MyStereo8	2.97 223	1.76 259	18.94 160	1.55 282	1.62 311	4.16 257	0.57 27	3.79 155	2.41 134	2.22 199	2.93 322	2.27 186	1.14 96	2.16 111	2.28 245	0.27 21	8.58 391	0.32 128	0.29 156	0.37 141	1.72 289

anonymity	2.02 43	1.28 211	5.16 19	1.73 316	1.63 314	1.86 18	1.06 222	3.50 118	2.42 135	2.19 192	2.11 226	1.88 145	3.89 337	1.92 87	1.56 144	1.11 356	1.14 320	1.08 365	1.11 363	1.05 342	2.68 319

XPNet_ROB	2.99 224	1.58 244	17.06 120	1.38 238	0.99 182	3.91 197	1.62 295	4.20 263	2.42 135	2.87 308	2.03 209	2.31 191	1.72 218	10.76 323	3.60 292	0.55 291	0.49 255	0.48 275	0.40 265	0.53 246	0.85 225

gwcnet-sp	2.38 102	1.51 235	17.58 131	1.11 131	0.92 168	3.59 133	1.03 214	3.79 155	2.43 137	2.60 278	1.63 102	1.80 131	1.61 186	3.87 183	1.99 216	0.33 104	0.32 154	0.30 97	0.29 156	0.40 163	0.47 101

scenet	2.38 102	1.51 235	17.58 131	1.11 131	0.92 168	3.59 133	1.03 214	3.79 155	2.43 137	2.60 278	1.63 102	1.80 131	1.61 186	3.87 183	1.99 216	0.33 104	0.32 154	0.30 97	0.29 156	0.40 163	0.47 101

ssnet	2.38 102	1.51 235	17.58 131	1.11 131	0.92 168	3.59 133	1.03 214	3.79 155	2.43 137	2.60 278	1.63 102	1.80 131	1.61 186	3.87 183	1.99 216	0.33 104	0.32 154	0.30 97	0.29 156	0.40 163	0.47 101

dd	2.27 76	3.06 305	20.18 249	0.96 83	0.51 56	4.24 281	0.74 99	1.94 18	2.43 137	1.48 53	1.28 40	1.19 66	1.05 74	1.82 80	1.69 175	0.63 310	0.34 167	0.35 194	0.33 206	0.61 271	0.57 147

DSFCA	2.38 102	1.03 176	11.06 45	1.15 148	1.18 228	3.97 216	1.75 306	3.63 130	2.44 141	3.14 330	1.68 111	2.90 249	2.48 283	5.38 206	3.17 285	0.49 256	0.45 237	0.37 216	0.37 245	0.54 249	0.46 93

G-Net	4.16 321	1.39 223	20.31 271	2.30 350	2.91 371	4.68 355	2.86 354	3.35 109	2.44 141	4.43 369	9.43 384	6.89 377	3.83 336	8.91 275	4.83 311	0.80 339	0.80 298	0.70 344	0.50 306	0.95 338	0.97 241

fast-acv-ft	2.62 160	1.62 249	20.48 294	1.45 262	1.39 270	3.16 67	1.16 242	3.41 114	2.45 143	1.97 123	2.15 230	2.68 229	2.15 261	2.92 164	2.47 258	0.43 210	0.40 213	0.45 263	0.40 265	0.62 276	0.64 180

iRaft-Stereo_20w	3.11 237	0.69 63	18.89 159	1.00 100	1.09 211	5.03 373	1.00 208	5.86 389	2.46 144	2.83 307	1.64 106	3.06 261	4.30 344	3.08 169	1.74 187	0.31 68	0.30 144	0.27 42	0.35 228	0.42 188	7.93 365

otaku	5.59 361	14.82 400	20.70 319	3.13 378	2.70 368	3.91 197	2.56 346	3.90 175	2.48 145	2.25 204	9.38 383	4.06 326	2.32 273	9.59 289	14.37 365	3.52 388	1.66 335	2.15 382	1.19 367	3.73 388	3.35 335

AnonymousM	1.38 11	1.33 219	2.35 6	0.95 77	0.56 68	4.03 224	0.67 61	2.63 63	2.49 146	1.51 54	1.36 53	1.15 58	1.00 57	1.26 11	1.04 54	0.41 187	0.46 241	2.07 380	1.71 381	0.25 5	0.40 62

MIM_Stereo	2.71 183	1.26 205	20.92 334	1.34 225	5.57 400	3.10 64	0.59 35	3.25 101	2.51 147	1.64 67	1.61 95	1.82 136	1.29 120	2.07 100	1.35 104	0.25 8	0.31 148	0.28 62	0.26 87	0.29 31	4.43 351

NLCA_NET_v2_RVC	2.76 195	1.48 232	19.72 206	1.62 294	2.00 350	3.95 210	0.86 151	3.92 180	2.51 147	2.56 276	1.69 114	2.83 245	1.61 186	5.65 212	1.78 190	0.48 250	0.36 183	0.38 228	0.42 278	0.56 258	0.77 211
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
RAFT_R40	2.61 157	0.64 37	19.86 217	1.69 308	0.46 31	4.74 364	0.95 200	2.28 32	2.52 149	2.02 140	2.32 262	2.69 231	2.52 288	6.70 240	1.05 57	0.42 196	0.19 9	0.30 97	0.27 102	0.33 86	0.29 10

DGSMNet	8.13 390	2.31 291	18.62 150	2.77 368	13.96 409	6.91 390	42.17 420	4.16 249	2.53 150	2.25 204	3.21 335	3.41 284	1.69 212	9.19 281	3.03 278	3.79 392	10.31 406	11.70 418	5.68 409	4.38 395	10.58 384

DEmStereo	3.24 261	0.65 44	18.95 161	0.83 27	0.54 62	3.85 183	1.79 309	2.53 47	2.54 151	2.25 204	2.74 313	2.02 168	6.02 362	6.78 243	11.30 346	0.40 184	0.26 119	0.27 42	0.27 102	0.28 20	0.57 147

SFCPSM	2.16 57	0.75 96	15.82 92	0.91 56	0.98 181	3.74 163	1.27 255	4.15 246	2.56 152	1.90 103	1.82 156	1.64 104	1.39 133	2.51 139	1.57 147	0.36 151	0.28 132	0.39 232	0.36 237	0.36 137	0.50 117

MaskLacGwcNet_RVC	3.77 303	1.65 253	20.61 312	2.55 363	1.63 314	4.29 286	1.67 302	3.99 194	2.56 152	1.76 89	1.93 196	3.03 258	1.41 141	13.24 390	2.02 223	4.47 399	1.63 334	1.12 368	0.48 297	2.42 377	2.85 322

Ntro	4.83 350	14.73 397	20.47 288	3.24 380	2.97 372	4.12 243	1.88 314	4.00 195	2.57 154	1.79 94	2.15 230	3.34 281	2.16 263	10.01 304	7.34 326	3.53 389	1.77 337	2.13 381	1.32 373	3.89 390	3.23 329

DISCO	2.40 106	0.99 173	11.99 49	1.81 325	1.12 218	3.47 109	1.24 253	3.34 108	2.57 154	2.73 293	1.96 199	4.52 349	1.90 245	4.18 193	3.62 293	0.37 158	0.27 126	0.31 115	0.30 172	0.70 305	0.62 173

SACVNet	3.06 232	1.61 248	19.29 180	1.46 263	1.18 228	4.05 229	1.48 282	4.03 205	2.58 156	2.75 295	1.89 182	2.55 217	1.38 130	11.33 344	2.28 245	0.51 272	0.41 219	0.48 275	0.43 283	0.57 262	0.93 238

STTStereo	2.62 160	1.28 211	19.16 169	1.52 276	1.55 296	3.84 180	0.89 162	3.75 150	2.59 157	2.23 201	1.59 94	2.48 212	1.58 177	5.11 201	1.72 182	0.38 170	0.41 219	0.47 270	0.54 316	0.53 246	0.75 210

NINENet	2.59 151	0.89 131	16.09 95	1.16 152	1.07 206	4.50 316	0.75 104	4.43 334	2.61 158	2.18 187	1.91 190	3.61 303	1.03 61	7.92 263	1.18 72	0.49 256	0.34 167	0.41 241	0.30 172	0.42 188	0.44 82

GwcNet-ADL	2.51 126	0.75 96	21.41 376	0.98 92	0.73 119	4.58 333	0.95 200	4.46 339	2.61 158	2.06 153	1.80 149	2.54 216	1.24 113	1.98 95	1.73 185	0.41 187	0.46 241	0.24 13	0.27 102	0.41 181	0.55 140

RALAANet	2.29 83	2.73 299	21.08 347	1.29 208	0.94 175	1.45 11	0.68 69	3.25 101	2.61 158	2.02 140	1.80 149	1.28 73	1.04 67	2.12 105	1.79 194	0.30 54	0.22 47	0.27 42	0.27 102	0.41 181	0.35 33

HSM	3.25 264	1.08 182	19.18 171	1.19 166	1.54 292	3.45 106	1.02 212	4.04 209	2.61 158	2.31 222	2.17 235	8.01 383	2.99 307	11.59 353	1.80 195	0.35 132	0.24 87	0.28 62	0.24 63	0.33 86	0.55 140

CFNet_ucs	2.32 88	0.75 96	17.05 118	0.90 54	0.81 139	3.86 186	0.68 69	4.31 306	2.68 162	2.13 172	2.04 211	3.30 276	1.24 113	2.63 149	1.23 80	0.37 158	0.46 241	0.56 314	0.30 172	0.67 297	0.53 133

Syn2CoEx	3.42 280	7.66 342	20.57 306	1.42 255	1.18 228	2.49 43	1.64 299	4.07 216	2.68 162	2.51 272	2.27 254	2.89 248	3.15 316	9.56 287	2.58 261	0.52 282	0.45 237	0.53 302	0.42 278	0.79 322	1.00 244

hitnet-ft	2.99 224	1.23 204	19.37 184	0.96 83	0.90 162	3.76 165	0.79 121	3.60 126	2.68 162	2.31 222	2.04 211	3.63 306	1.49 158	11.70 360	2.37 252	0.45 225	0.54 262	0.44 257	0.36 237	0.54 249	0.56 142

Pruner-Stereo	2.33 91	0.70 69	20.66 317	2.05 343	0.48 40	4.73 362	0.78 115	2.55 55	2.70 165	2.47 266	1.57 88	1.48 94	1.03 61	1.71 61	1.55 143	0.48 250	0.21 33	0.34 177	0.30 172	0.31 47	0.42 74

RP	3.26 265	1.73 258	17.70 136	1.56 284	1.93 347	3.43 102	1.94 316	4.18 258	2.72 166	2.77 297	3.05 327	3.96 321	2.69 291	10.17 307	2.86 270	1.04 352	0.50 258	0.71 346	0.59 326	0.75 315	0.83 220

FADNet	3.20 254	11.55 364	16.16 98	1.24 183	0.95 177	3.30 87	0.87 154	4.00 195	2.73 167	1.42 48	1.35 50	2.51 213	2.04 251	9.95 301	2.39 254	0.44 216	0.46 241	0.40 237	0.44 286	1.13 352	0.61 169

DLCB_ROB	2.55 141	1.32 218	10.26 42	1.31 215	1.04 201	2.94 57	1.29 256	3.81 162	2.73 167	2.93 313	2.17 235	3.37 282	1.53 169	10.40 317	3.26 287	0.42 196	0.35 176	0.41 241	0.37 245	0.43 197	0.68 191

FADNet-RVC	3.23 259	12.51 368	17.02 117	1.17 159	0.81 139	3.52 122	1.09 226	4.16 249	2.74 169	1.44 51	1.29 44	1.86 141	1.76 222	9.82 293	2.46 256	0.39 177	0.38 201	0.40 237	0.41 275	0.68 302	0.59 161

rrr	3.66 295	3.48 313	23.50 403	0.96 83	0.49 47	1.59 12	0.92 191	8.19 395	2.75 170	0.75 4	0.78 3	0.74 21	0.73 17	5.79 214	7.75 332	0.32 81	0.26 119	0.28 62	0.21 25	0.32 65	13.47 386

Consistency-Raft	2.93 212	1.93 273	19.72 206	1.41 248	1.75 333	3.85 183	1.32 260	4.09 227	2.75 170	1.82 97	2.66 305	1.81 134	4.34 346	2.29 126	2.08 230	0.90 347	0.94 309	1.03 362	1.13 364	1.71 373	1.10 255

PASM	3.22 257	2.89 301	15.38 85	2.00 337	1.57 302	2.77 49	1.96 318	3.62 129	2.75 170	2.95 317	2.26 252	3.10 265	2.24 268	11.87 365	2.46 256	0.97 351	1.06 316	0.87 357	1.02 358	1.20 356	1.41 273

test_xeample3	3.67 297	3.52 315	21.53 378	0.98 92	0.51 56	1.88 19	0.91 186	8.10 394	2.76 173	0.82 8	0.76 2	0.65 5	0.70 12	5.88 217	7.74 331	0.32 81	0.29 136	0.27 42	0.22 42	0.29 31	15.33 403

raft_robust	3.17 249	2.15 285	20.28 264	1.06 120	0.55 65	3.86 186	0.46 12	4.42 332	2.77 174	1.70 79	1.37 55	7.48 380	6.35 364	6.81 245	1.44 127	0.31 68	0.74 295	0.30 97	0.37 245	0.32 65	0.57 147

dad	2.65 169	3.40 310	19.45 189	1.05 117	0.65 101	4.21 276	0.84 144	2.10 27	2.77 174	2.32 234	1.72 122	1.72 111	1.27 115	3.86 182	2.04 226	1.06 354	0.40 213	2.04 379	0.49 300	0.78 318	0.83 220

ADCRef	3.66 295	5.95 331	15.50 88	1.20 168	1.41 276	3.93 205	1.61 293	3.92 180	2.77 174	3.13 327	2.20 244	2.40 199	2.78 295	6.23 229	16.59 375	0.50 266	0.35 176	0.63 334	0.62 332	0.58 265	0.92 235

IPLGR	2.61 157	0.73 79	20.72 321	0.87 42	0.54 62	4.58 333	0.52 21	4.32 312	2.79 177	1.91 104	1.54 81	1.72 111	1.71 217	6.94 248	1.43 123	0.31 68	0.21 33	0.27 42	0.24 63	0.34 107	0.48 108

APVNet	3.24 261	1.59 246	21.72 382	1.36 230	1.52 290	3.93 205	1.12 233	3.58 122	2.80 178	2.32 234	2.02 207	3.05 259	1.96 248	11.77 363	2.61 263	0.44 216	0.46 241	0.65 338	0.47 295	0.73 309	0.73 204

GwcNet-RSSM	3.13 242	5.08 325	19.86 217	1.28 203	1.20 235	4.12 243	1.11 231	3.89 173	2.80 178	2.13 172	1.81 154	3.11 266	1.46 151	10.33 315	2.19 239	0.36 151	0.34 167	0.35 194	0.31 189	0.45 212	0.43 78

PS-NSSS	3.11 237	1.60 247	19.48 190	1.00 100	1.53 291	4.12 243	1.08 224	4.59 358	2.80 178	2.19 192	2.38 268	1.76 120	1.39 133	11.79 364	1.94 215	0.69 320	0.45 237	0.95 360	0.43 283	1.03 341	1.00 244

PSMNet_ROB	3.38 276	5.24 328	20.61 312	1.24 183	1.22 242	3.76 165	1.64 299	3.59 124	2.80 178	2.07 159	1.72 122	2.75 237	1.79 228	11.42 348	4.58 306	0.42 196	0.38 201	0.50 290	0.62 332	0.62 276	0.69 193

GANet	3.64 293	1.76 259	19.65 195	1.92 333	1.04 201	3.91 197	2.51 344	3.86 169	2.81 182	3.13 327	3.03 326	3.19 269	2.19 266	12.43 378	8.23 335	0.60 301	0.43 231	0.52 298	0.43 283	0.63 282	0.63 176

delet	2.66 173	1.11 186	18.42 148	1.05 117	1.65 321	3.47 109	2.00 323	3.81 162	2.82 183	2.15 178	2.11 226	2.62 226	1.88 244	5.38 206	2.21 240	0.34 120	0.38 201	0.40 237	0.32 199	0.45 212	0.54 137

DRN-Test	3.17 249	1.30 215	19.66 196	1.41 248	1.60 308	3.61 139	1.47 280	4.18 258	2.83 184	3.48 345	1.92 195	2.58 222	2.50 286	10.81 324	2.90 274	0.49 256	0.49 255	0.44 257	0.42 278	0.57 262	0.78 213

iResNet_ROB	2.72 184	10.38 358	14.41 71	1.46 263	0.99 182	3.74 163	0.66 59	4.01 197	2.84 185	2.04 148	2.05 217	1.98 162	1.38 130	4.73 198	1.91 207	0.35 132	0.20 17	0.28 62	0.19 9	0.33 86	0.41 67

fff	2.40 106	0.96 157	20.47 288	0.84 28	0.38 6	4.15 254	0.57 27	4.30 296	2.85 186	2.31 222	1.82 156	1.19 66	2.98 304	1.68 52	1.57 147	0.35 132	0.24 87	0.23 4	0.19 9	0.25 5	0.57 147

csc	2.40 106	0.96 157	20.47 288	0.84 28	0.38 6	4.15 254	0.57 27	4.30 296	2.85 186	2.31 222	1.82 156	1.19 66	2.98 304	1.68 52	1.57 147	0.35 132	0.24 87	0.23 4	0.19 9	0.25 5	0.57 147

cscssc	2.40 106	0.96 157	20.47 288	0.84 28	0.38 6	4.15 254	0.57 27	4.30 296	2.85 186	2.31 222	1.82 156	1.19 66	2.98 304	1.68 52	1.57 147	0.35 132	0.24 87	0.23 4	0.19 9	0.25 5	0.57 147

ACVNet	2.40 106	0.97 161	20.20 251	0.94 69	0.86 149	4.22 278	0.79 121	2.97 83	2.85 186	1.93 108	1.91 190	3.07 262	1.46 151	1.52 42	2.37 252	0.33 104	0.27 126	0.30 97	0.27 102	0.42 188	0.35 33

acv_ft	2.45 118	0.97 161	19.57 193	1.15 148	2.01 351	2.97 60	0.96 205	3.88 171	2.85 186	2.34 238	1.91 190	3.07 262	1.65 206	1.52 42	2.26 243	0.33 104	0.27 126	0.30 97	0.27 102	0.42 188	0.35 33

StereoDRNet	3.07 233	2.92 304	16.33 107	1.36 230	1.57 302	3.45 106	2.04 327	3.77 153	2.85 186	3.31 339	1.85 173	2.78 241	1.79 228	10.85 326	3.41 288	0.45 225	0.36 183	0.39 232	0.37 245	0.62 276	0.85 225

GASNet	3.86 309	15.35 406	21.16 360	1.63 297	1.25 247	2.35 39	1.11 231	4.11 232	2.86 192	1.99 127	2.11 226	2.99 254	2.16 263	10.62 319	3.75 294	0.71 324	0.37 188	0.61 327	0.46 293	0.91 334	0.70 195

RAFT-RH_RVC	2.72 184	0.64 37	20.10 244	1.48 268	0.49 47	4.46 308	0.56 24	1.73 12	2.86 192	3.06 323	5.50 364	2.02 168	1.28 118	6.70 240	1.56 144	0.46 238	0.22 47	0.37 216	0.34 215	0.29 31	0.33 21

HSM-Net_RVC	3.02 226	0.65 44	19.48 190	0.94 69	0.90 162	3.71 158	1.20 247	5.61 387	2.87 194	3.24 336	2.49 287	2.53 214	1.61 186	11.39 346	1.90 205	0.37 158	0.27 126	0.27 42	0.24 63	0.31 47	0.39 60
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
MDST_ROB	6.31 373	1.18 195	22.96 402	2.56 364	2.69 367	21.07 410	2.01 325	4.79 370	2.87 194	9.49 396	4.45 356	4.10 329	4.48 347	22.33 407	17.61 390	0.79 338	0.44 235	0.47 270	0.44 286	0.47 229	0.95 240

DIP-Stereo	2.03 45	0.98 164	16.44 111	0.67 2	0.62 91	4.30 288	0.58 33	4.43 334	2.89 196	1.97 123	1.40 60	0.91 40	0.86 37	1.31 15	1.27 97	0.38 170	0.23 70	0.33 160	0.23 50	0.33 86	0.57 147
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
iinet-f	2.44 116	1.82 267	14.97 79	1.21 173	1.11 216	3.78 170	1.10 230	4.19 261	2.90 197	2.10 166	1.76 132	2.99 254	2.97 302	2.84 162	2.79 266	0.38 170	0.38 201	0.28 62	0.28 126	0.50 239	0.47 101

AdaStereo	2.22 66	0.90 136	16.41 109	1.33 223	0.83 142	3.21 69	1.12 233	4.25 289	2.91 198	2.06 153	1.76 132	2.47 210	1.17 102	1.93 89	1.65 168	0.50 266	0.26 119	0.43 255	0.29 156	0.46 219	0.39 60
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.
HITNet	2.49 124	2.91 302	19.23 176	1.54 279	0.57 75	3.47 109	0.79 121	4.16 249	2.93 199	2.18 187	1.65 108	1.68 105	1.45 149	2.17 112	2.99 277	0.28 28	0.20 17	0.41 241	0.27 102	0.45 212	0.52 128
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
iResNet	2.70 181	1.35 221	20.93 335	2.01 339	0.73 119	3.76 165	0.83 137	4.28 293	2.93 199	2.38 249	2.03 209	1.35 77	1.54 171	3.28 171	4.42 304	0.42 196	0.25 99	0.29 76	0.23 50	0.45 212	0.64 180

MIPNet	2.43 115	1.13 190	20.00 230	0.93 64	0.58 78	4.74 364	0.62 49	4.33 315	2.95 201	1.94 114	1.49 69	1.52 96	1.96 248	2.77 158	1.60 156	0.35 132	0.20 17	0.27 42	0.23 50	0.32 65	0.59 161

111	2.59 151	3.10 306	20.47 288	0.84 28	0.38 6	4.26 282	0.91 186	4.45 337	2.96 202	2.48 268	2.07 223	2.31 191	1.64 199	1.49 39	1.90 205	0.35 132	0.22 47	0.25 22	0.21 25	0.32 65	1.14 258

whm_eth	2.15 55	1.55 242	19.39 185	0.96 83	1.37 267	2.60 47	0.72 85	3.63 130	2.97 203	1.55 56	2.06 219	0.78 24	0.71 14	1.17 6	1.08 60	0.45 225	0.29 136	0.34 177	0.33 206	0.44 205	0.65 183

BEATNet_4x	2.65 169	4.43 323	18.10 141	1.41 248	0.59 79	3.44 103	1.02 212	4.08 223	2.97 203	2.28 215	1.75 131	2.18 181	1.61 186	2.80 160	3.54 290	0.39 177	0.25 99	0.47 270	0.31 189	0.61 271	0.86 228

RTSC	3.44 281	6.78 337	16.53 112	1.76 322	1.54 292	3.53 124	0.94 197	4.22 268	2.97 203	3.65 351	3.23 337	3.31 278	2.29 270	6.22 227	7.41 329	0.61 302	1.32 326	0.37 216	0.42 278	0.78 318	0.98 242

ETE_ROB	2.93 212	2.12 282	17.80 137	1.13 143	0.94 175	3.71 158	1.53 285	4.29 294	2.98 206	3.32 340	2.13 229	2.34 196	1.51 161	8.68 272	2.82 268	0.44 216	0.40 213	0.51 295	0.49 300	0.56 258	0.80 216

CoDeX	2.47 122	0.91 138	13.65 57	1.03 110	1.17 226	3.28 81	1.30 257	4.17 253	2.99 207	1.78 91	1.85 173	2.04 171	1.46 151	9.99 303	1.66 169	0.38 170	0.28 132	0.32 128	0.28 126	0.34 107	0.57 147

IRAFT_RVC	2.74 190	0.71 73	19.80 210	2.52 361	0.67 104	4.60 337	1.57 291	3.05 86	2.99 207	2.23 201	1.72 122	2.08 177	2.59 289	6.69 239	1.61 158	0.37 158	0.21 33	0.33 160	0.29 156	0.33 86	0.35 33

hknet	2.34 93	0.78 107	13.86 61	0.94 69	1.07 206	4.18 265	1.14 237	4.49 341	3.00 209	2.96 318	1.82 156	3.47 287	1.30 121	4.11 191	1.77 189	0.35 132	0.25 99	0.31 115	0.28 126	0.38 150	0.41 67

S-Stereo	3.51 290	0.96 157	22.00 390	1.38 238	1.50 286	3.55 127	2.49 343	4.27 292	3.00 209	2.38 249	3.94 351	3.73 308	1.84 237	11.89 367	2.59 262	0.64 311	0.71 293	0.49 288	0.81 348	0.68 302	1.31 266

CFNet	3.04 230	6.89 338	16.27 105	1.36 230	1.24 245	4.09 237	0.72 85	4.15 246	3.00 209	1.69 77	1.88 180	2.27 186	1.45 149	11.41 347	2.12 233	0.36 151	0.29 136	0.43 255	0.36 237	0.48 234	0.38 56

CVANet_RVC	3.32 271	1.63 251	21.06 346	1.66 303	1.29 252	3.99 218	1.55 289	3.98 192	3.00 209	3.51 346	2.06 219	2.58 222	1.72 218	12.46 380	1.70 177	0.62 307	0.34 167	0.53 302	0.47 295	0.64 285	1.66 288

MyStereo05	2.55 141	1.07 179	19.87 219	1.06 120	1.08 209	4.26 282	0.86 151	4.10 229	3.01 213	2.19 192	1.26 37	2.30 190	1.64 199	2.13 107	1.99 216	0.25 8	2.43 355	0.34 177	0.27 102	0.46 219	0.48 108

MyStereo04	2.54 136	1.18 195	18.82 158	1.04 113	1.21 240	3.96 214	0.95 200	4.02 202	3.01 213	2.06 153	1.27 39	2.33 193	1.66 207	2.06 99	2.01 221	0.26 14	3.49 371	0.34 177	0.27 102	0.43 197	0.49 113

Sa-1000	2.54 136	1.47 231	20.36 275	1.16 152	0.55 65	4.07 233	1.39 270	4.49 341	3.01 213	2.06 153	2.79 315	1.84 139	1.43 146	2.68 153	1.53 138	0.31 68	0.26 119	0.36 205	0.33 206	0.37 141	0.46 93

DANet	2.82 201	1.17 194	10.20 41	1.87 328	1.72 331	3.25 78	1.15 240	4.36 321	3.02 216	3.42 343	2.18 240	4.09 327	1.79 228	9.78 292	4.32 301	0.55 291	0.57 266	0.60 324	0.44 286	0.65 290	1.25 265
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
CBMV	4.12 320	1.27 208	21.14 357	1.52 276	0.85 147	3.80 174	3.89 383	4.58 355	3.02 216	3.56 349	2.37 267	4.44 345	13.88 398	11.23 342	3.78 295	0.56 294	0.43 231	0.48 275	0.39 258	0.55 252	0.74 208
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
HBP-ISP	3.78 304	9.10 349	20.83 327	1.72 314	1.14 221	4.54 322	2.82 352	4.61 359	3.03 218	4.13 362	1.98 202	1.88 145	3.31 321	11.06 336	1.52 137	0.74 334	0.57 266	0.67 340	0.62 332	0.65 290	0.64 180

Wz-Net-SNSev	3.47 287	10.51 359	16.90 116	1.65 302	1.20 235	3.29 84	2.03 326	4.16 249	3.03 218	2.35 240	2.39 271	3.48 288	2.12 257	7.95 264	4.28 300	0.51 272	0.40 213	0.53 302	0.49 300	0.74 313	1.46 276

HCRNet	2.24 69	0.74 85	14.54 73	0.82 26	1.36 264	4.11 241	0.70 77	3.61 128	3.03 218	1.83 99	1.61 95	1.58 98	1.40 137	5.79 214	1.60 156	0.35 132	0.28 132	0.36 205	0.29 156	0.34 107	0.46 93

SAMSARA	4.67 343	6.50 334	16.40 108	4.62 402	3.13 377	6.62 387	3.49 370	5.24 375	3.04 221	7.78 389	3.07 328	5.32 367	4.05 340	9.98 302	6.42 319	0.69 320	2.39 353	0.60 324	0.74 342	0.99 339	2.26 311

LALA_ROB	2.88 206	2.13 284	19.08 166	1.10 127	0.99 182	3.91 197	1.81 311	4.50 345	3.04 221	3.32 340	1.87 178	2.75 237	1.66 207	4.06 189	4.02 297	0.47 245	0.44 235	0.55 311	0.53 313	0.61 271	0.73 204

ccnet	3.03 228	1.48 232	12.88 54	1.54 279	1.26 248	3.71 158	2.32 339	4.11 232	3.05 223	2.92 312	3.21 335	2.86 246	2.40 277	9.87 295	4.19 298	0.80 339	0.76 296	0.71 346	0.70 339	0.78 318	1.07 252

AF-Net	3.15 245	2.65 298	18.81 156	1.37 235	1.76 335	3.30 87	1.57 291	4.20 263	3.05 223	2.76 296	2.94 323	4.50 348	3.21 318	5.88 217	3.07 280	0.88 346	0.39 210	0.72 349	0.50 306	0.75 315	0.66 189

SST-Stereo	2.63 164	0.63 34	19.76 209	1.69 308	0.46 31	4.71 361	0.74 99	2.27 31	3.07 225	2.07 159	2.15 230	2.42 205	3.17 317	6.66 238	0.95 40	0.45 225	0.19 9	0.30 97	0.27 102	0.35 120	0.31 14

s12784h	2.08 50	0.50 2	16.85 115	0.75 8	0.36 3	4.42 304	0.49 15	4.23 273	3.08 226	2.03 145	2.67 307	0.91 40	1.05 74	2.05 98	0.78 7	0.37 158	0.18 5	0.24 13	0.16 5	0.27 15	0.26 5

CC-Net-ROB	3.82 306	3.41 311	20.20 251	2.40 354	1.66 324	4.49 315	1.61 293	4.77 369	3.08 226	2.06 153	2.06 219	1.99 163	1.60 181	12.57 382	1.91 207	2.82 379	2.19 345	2.67 390	1.06 361	2.31 376	1.59 283

NOSS_ROB	3.12 240	0.89 131	19.03 164	2.01 339	1.07 206	3.90 194	0.97 207	4.32 312	3.08 226	2.94 315	2.19 243	3.85 316	1.18 105	11.75 362	1.69 175	0.69 320	0.54 262	0.57 317	0.52 311	0.57 262	0.72 199

RAFT-Test	1.67 24	0.64 37	6.13 23	1.25 197	1.82 342	3.06 63	0.78 115	4.02 202	3.09 229	1.88 101	1.70 116	3.76 310	1.03 61	1.40 30	1.07 59	0.29 32	0.33 160	0.25 22	0.23 50	0.29 31	0.33 21

WZ-Net	4.39 334	12.37 367	17.44 127	1.47 267	1.42 278	3.76 165	2.27 337	4.17 253	3.11 230	2.89 309	2.24 249	4.05 325	5.69 360	10.89 328	12.07 352	0.66 314	0.41 219	0.47 270	0.49 300	0.78 318	1.12 256

DMCA	2.02 43	1.07 179	11.33 48	1.17 159	0.96 179	3.92 204	0.89 162	3.80 160	3.11 230	2.89 309	1.58 92	2.35 197	1.17 102	1.79 72	2.25 242	0.42 196	0.29 136	0.42 251	0.27 102	0.38 150	0.43 78

cf-r	2.93 212	2.19 286	20.59 310	1.49 270	1.35 263	4.18 265	0.92 191	3.73 149	3.12 232	2.16 182	1.82 156	3.40 283	1.44 147	8.22 265	1.93 212	0.34 120	0.31 148	0.33 160	0.30 172	0.38 150	0.45 86

SuperB	5.03 354	8.93 347	20.96 337	1.51 274	1.11 216	3.88 191	3.00 357	4.24 280	3.13 233	2.53 273	2.10 225	2.74 235	3.37 327	8.76 273	19.44 403	0.45 225	0.34 167	0.53 302	0.40 265	11.97 414	1.15 259

Anonymous Stereo	3.53 291	5.56 329	19.23 176	1.75 320	1.40 274	3.35 91	3.23 363	4.15 246	3.13 233	2.42 259	2.38 268	2.56 219	1.53 169	11.88 366	3.54 290	0.68 318	0.92 306	0.57 317	0.57 323	0.74 313	1.08 254

CBMV_ROB	4.57 342	0.90 136	21.30 371	1.46 263	0.89 158	4.43 305	1.69 304	4.51 346	3.14 235	5.97 381	4.23 353	4.16 332	7.83 378	11.06 336	16.47 373	0.61 302	0.55 264	0.53 302	0.51 310	0.56 258	0.59 161

FAT-Stereo	3.38 276	0.88 127	19.96 226	1.28 203	1.20 235	3.44 103	1.97 319	4.26 290	3.15 236	3.14 330	3.92 350	3.50 294	3.28 320	11.68 359	2.04 226	0.65 313	0.68 288	0.48 275	0.54 316	0.63 282	0.91 233

iResNetv2_ROB	3.31 269	14.88 401	20.01 231	2.17 346	1.09 211	3.84 180	1.13 235	4.22 268	3.15 236	2.02 140	2.06 219	2.00 167	1.69 212	3.61 177	2.10 232	0.36 151	0.22 47	0.32 128	0.22 42	0.48 234	0.58 159

ROB_FTStereo	2.26 73	0.74 85	20.44 283	0.77 9	0.38 6	4.65 344	0.75 104	2.54 48	3.19 238	2.00 131	1.54 81	1.77 121	1.13 91	2.28 125	0.94 35	0.49 256	0.22 47	0.32 128	0.28 126	0.40 163	0.35 33

RainbowNet	5.20 357	15.03 403	21.14 357	3.66 388	3.25 381	4.18 265	2.98 356	4.22 268	3.20 239	2.30 219	2.65 304	4.24 337	2.97 302	9.92 298	6.29 318	3.92 394	2.27 349	2.71 392	1.73 383	3.82 389	3.43 337

ROB_FTStereo_v2	2.25 71	0.74 85	20.45 285	0.77 9	0.38 6	4.66 346	0.74 99	2.54 48	3.20 239	2.00 131	1.53 72	1.77 121	1.14 96	2.13 107	0.96 41	0.50 266	0.22 47	0.32 128	0.28 126	0.40 163	0.35 33

RYNet	3.15 245	1.48 232	16.27 105	1.24 183	1.39 270	3.67 151	1.44 278	4.09 227	3.20 239	2.26 210	1.70 116	3.83 314	2.15 261	13.64 395	3.23 286	0.45 225	0.45 237	0.50 290	0.35 228	0.81 324	0.83 220

Patchmatch Stereo++	2.28 80	0.74 85	20.54 298	0.77 9	0.38 6	4.67 347	0.75 104	2.55 55	3.21 242	2.00 131	1.53 72	1.77 121	1.14 96	2.46 134	0.98 45	0.51 272	0.23 70	0.32 128	0.28 126	0.40 163	0.35 33
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
iGMRVC	2.27 76	0.74 85	20.46 286	0.77 9	0.38 6	4.65 344	0.73 91	2.54 48	3.21 242	2.00 131	1.53 72	1.77 121	1.14 96	2.47 137	0.99 47	0.51 272	0.23 70	0.32 128	0.28 126	0.40 163	0.35 33

iRAFT	2.28 80	0.74 85	20.54 298	0.77 9	0.38 6	4.67 347	0.75 104	2.55 55	3.21 242	2.00 131	1.53 72	1.77 121	1.14 96	2.46 134	0.98 45	0.51 272	0.23 70	0.32 128	0.28 126	0.40 163	0.35 33

RAFT-IKP	2.27 76	0.74 85	20.55 300	0.77 9	0.38 6	4.64 343	0.73 91	2.54 48	3.21 242	2.00 131	1.53 72	1.77 121	1.13 91	2.25 124	1.00 50	0.51 272	0.22 47	0.32 128	0.28 126	0.40 163	0.35 33

ARAFT	3.24 261	13.49 373	19.88 220	0.93 64	0.49 47	4.16 257	1.40 271	4.37 324	3.21 242	2.40 254	1.91 190	1.70 108	1.04 67	6.43 233	1.45 130	0.37 158	0.19 9	0.37 216	0.35 228	0.37 141	0.35 33

ssnet_v2	2.81 200	1.39 223	21.16 360	1.25 197	0.90 162	3.86 186	1.63 296	4.10 229	3.22 247	2.79 301	1.96 199	3.78 311	1.70 215	2.53 144	3.12 284	0.44 216	0.37 188	0.42 251	0.38 252	0.59 267	0.58 159

PSM-adaLoss	2.26 73	0.74 85	20.53 297	0.77 9	0.38 6	4.67 347	0.71 82	2.54 48	3.22 247	2.00 131	1.53 72	1.77 121	1.13 91	2.22 119	0.96 41	0.50 266	0.23 70	0.32 128	0.28 126	0.40 163	0.35 33

MFN_U_SF_DS_RVC	4.38 333	13.66 377	13.95 64	1.39 245	1.58 307	5.18 375	3.31 365	4.53 347	3.22 247	2.60 278	2.62 302	4.99 362	2.11 255	13.99 399	4.21 299	1.53 370	2.56 357	0.67 340	1.82 387	0.83 329	2.92 326

HUI-Stereo	2.27 76	0.74 85	20.56 302	0.77 9	0.38 6	4.67 347	0.78 115	2.54 48	3.23 250	2.00 131	1.53 72	1.77 121	1.13 91	2.21 118	0.93 29	0.49 256	0.23 70	0.32 128	0.28 126	0.40 163	0.35 33

ADCPNet	4.25 326	4.04 318	21.95 386	1.33 223	1.31 257	6.34 385	2.63 348	4.07 216	3.23 250	2.81 304	2.21 247	4.27 338	6.08 363	6.01 219	11.73 351	0.67 317	1.17 322	0.71 346	1.71 381	0.87 332	1.82 297

SHD	3.22 257	4.21 321	14.19 67	2.37 353	2.12 354	2.77 49	1.19 244	4.24 280	3.25 252	4.64 372	2.73 312	3.62 305	2.76 294	6.30 230	4.75 310	0.66 314	1.25 325	0.52 298	0.59 326	0.69 304	1.64 287

Any-RAFT	1.62 18	0.59 17	5.29 20	1.12 138	0.76 130	4.41 303	0.79 121	4.12 237	3.26 253	2.02 140	1.36 53	2.82 243	1.56 176	1.90 86	0.81 12	0.29 32	0.25 99	0.26 33	0.19 9	0.25 5	0.35 33

DispFullNet	4.71 346	3.93 316	23.92 405	4.00 391	3.01 373	3.38 92	1.31 259	4.23 273	3.26 253	6.31 384	2.92 321	4.03 324	7.80 377	3.93 186	5.15 312	2.80 378	1.61 333	3.11 398	2.70 402	3.32 382	3.38 336

edge stereo	3.45 283	1.08 182	22.14 392	1.31 215	1.36 264	2.68 48	1.54 287	4.13 240	3.27 255	2.94 315	3.27 339	4.34 343	2.48 283	11.60 355	2.79 266	0.62 307	0.64 282	0.79 354	0.56 322	0.70 305	0.82 218

TDLM	3.20 254	1.58 244	18.80 155	1.70 312	1.10 214	4.29 286	2.17 333	3.81 162	3.27 255	2.89 309	1.98 202	2.06 176	1.70 215	12.44 379	2.15 234	0.58 297	0.31 148	0.56 314	0.40 265	0.58 265	1.59 283

ProNet	1.63 19	0.91 138	5.70 21	0.96 83	0.64 96	2.40 41	0.82 133	1.92 17	3.28 257	0.69 1	1.17 25	0.78 24	0.76 22	1.72 64	0.87 22	0.27 21	0.97 313	0.25 22	0.26 87	0.31 47	7.97 366

DCANet-4	2.06 49	0.58 9	15.30 82	0.86 36	0.44 29	4.16 257	0.57 27	4.31 306	3.28 257	2.31 222	1.82 156	1.04 49	1.54 171	1.69 57	1.56 144	0.35 132	0.24 87	0.24 13	0.19 9	0.25 5	0.57 147

SA	2.55 141	1.54 239	20.70 319	1.12 138	0.48 40	4.26 282	1.33 261	4.45 337	3.28 257	1.68 74	1.96 199	1.69 106	2.25 269	2.60 147	1.57 147	0.30 54	0.29 136	0.37 216	0.38 252	0.36 137	0.47 101

AASNet	2.65 169	3.20 307	20.19 250	1.38 238	1.49 285	3.84 180	1.06 222	3.92 180	3.28 257	2.07 159	2.28 256	1.95 155	1.28 118	2.19 114	2.17 236	0.42 196	0.33 160	0.45 263	0.30 172	0.59 267	0.52 128

TransformOpticalFlow	3.07 233	0.87 124	20.87 331	1.10 127	0.56 68	4.18 265	0.64 56	4.36 321	3.28 257	2.19 192	3.08 329	4.32 342	5.01 352	7.36 255	1.59 152	0.34 120	0.18 5	0.32 128	0.26 87	0.29 31	0.57 147

ADStereo(finetuned)	2.30 86	0.97 161	17.29 124	0.86 36	0.43 25	4.17 262	0.59 35	4.31 306	3.29 262	2.35 240	1.86 175	1.18 63	3.35 325	1.69 57	1.59 152	0.34 120	0.25 99	0.23 4	0.19 9	0.31 47	0.72 199

CrosDoStereo	5.27 358	0.75 96	20.07 236	0.85 33	0.53 60	3.40 95	18.03 404	3.90 175	3.29 262	1.99 127	8.27 374	1.95 155	6.95 373	7.34 253	25.94 410	0.33 104	0.22 47	0.30 97	0.28 126	0.35 120	0.61 169

DeepStereo_LL	5.27 358	0.75 96	20.07 236	0.85 33	0.53 60	3.40 95	18.03 404	3.90 175	3.29 262	1.99 127	8.27 374	1.95 155	6.95 373	7.34 253	25.94 410	0.33 104	0.22 47	0.30 97	0.28 126	0.35 120	0.61 169

DCANet	2.37 101	0.98 164	20.47 288	0.86 36	0.43 25	4.18 265	0.59 35	4.31 306	3.29 262	2.35 240	1.86 175	1.18 63	1.63 197	1.69 57	1.59 152	0.34 120	0.25 99	0.24 13	0.19 9	0.31 47	0.73 204

RAFT-Stereo + iAFF	2.49 124	1.68 254	20.50 295	1.11 131	1.32 260	4.13 246	0.42 9	3.23 97	3.30 266	2.05 152	2.40 273	1.61 100	1.11 88	1.49 39	1.63 163	0.22 2	0.22 47	0.26 33	0.24 63	0.31 47	2.47 317

IGEV-Stereo	3.15 245	0.83 117	20.31 271	0.94 69	0.64 96	4.54 322	0.82 133	2.01 21	3.31 267	0.91 20	1.13 20	0.79 28	0.77 23	1.79 72	0.92 28	0.29 32	0.25 99	0.29 76	0.21 25	0.33 86	21.85 417
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
DAS	2.52 128	0.76 104	7.72 28	1.16 152	1.64 318	2.96 58	2.10 330	4.14 243	3.31 267	4.16 363	2.51 291	2.56 219	1.81 231	11.54 351	1.83 199	0.44 216	0.23 70	0.39 232	0.25 74	0.42 188	0.45 86

SepStereo	2.36 97	0.76 104	7.72 28	1.16 152	1.64 318	2.96 58	2.10 330	4.14 243	3.31 267	4.16 363	2.51 291	2.56 219	1.81 231	8.34 268	1.83 199	0.44 216	0.23 70	0.39 232	0.25 74	0.42 188	0.45 86

anonymousdsp	3.14 243	0.83 117	20.28 264	0.94 69	0.64 96	4.54 322	0.82 133	2.03 23	3.32 270	0.91 20	1.13 20	0.78 24	0.77 23	1.78 71	0.90 26	0.29 32	0.25 99	0.29 76	0.21 25	0.33 86	21.81 416

PDISCO_ROB	3.32 271	5.22 327	18.16 143	2.03 341	2.19 357	4.52 321	1.63 296	4.74 368	3.32 270	2.22 199	2.18 240	3.71 307	2.41 278	5.36 205	2.43 255	1.35 364	0.79 297	0.72 349	0.62 332	1.31 362	1.53 280

GANetREF_RVC	3.45 283	5.10 326	19.89 221	1.58 287	0.80 137	4.13 246	1.82 312	4.24 280	3.33 272	1.91 104	1.76 132	2.46 209	1.83 236	13.17 388	1.87 202	0.83 344	0.57 266	0.79 354	0.77 344	1.21 357	0.91 233
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
ACVNet_1	6.63 379	14.79 399	21.40 375	3.59 387	3.17 378	4.69 360	2.46 341	4.24 280	3.34 273	3.11 326	2.86 319	23.21 406	4.59 349	11.06 336	12.59 356	3.75 390	2.34 351	2.60 387	1.80 386	3.70 385	3.31 333

NRIStereo	2.32 88	0.69 63	20.07 236	1.35 226	0.38 6	4.73 362	0.89 162	2.43 38	3.35 274	1.95 119	1.37 55	1.75 114	1.21 109	2.97 166	1.35 104	0.49 256	0.22 47	0.29 76	0.26 87	0.31 47	0.33 21

DN-CSS_ROB	2.89 208	9.72 354	19.71 204	2.07 344	0.90 162	4.01 220	0.61 42	4.06 214	3.35 274	1.66 71	1.89 182	1.39 83	1.06 76	3.24 170	1.88 203	0.44 216	0.19 9	0.44 257	0.29 156	0.40 163	0.42 74

MyStereo07	2.29 83	1.18 195	20.10 244	1.04 113	1.21 240	3.96 214	0.95 200	2.13 28	3.37 276	1.09 29	1.28 40	0.68 7	0.91 44	1.74 69	0.86 21	0.26 14	3.49 371	0.34 177	0.27 102	0.43 197	0.49 113

EAI-Stereo	4.89 351	0.69 63	7.74 30	0.99 97	1.63 314	4.68 355	51.52 421	5.79 388	3.37 276	3.64 350	7.24 367	1.10 53	0.95 51	2.51 139	1.71 180	0.33 104	0.31 148	0.28 62	2.04 393	0.28 20	0.92 235

TestStereo1	2.56 146	1.41 225	20.56 302	1.63 297	0.74 122	4.13 246	1.34 262	3.93 184	3.38 278	1.61 63	2.56 296	1.43 89	2.13 259	2.55 145	1.70 177	0.32 81	0.22 47	0.34 177	0.26 87	0.40 163	0.53 133

Wz-Net-LNSev-Ref	2.72 184	2.55 296	14.91 77	1.37 235	1.36 264	3.50 118	1.63 296	4.11 232	3.38 278	2.55 275	2.04 211	2.35 197	2.50 286	5.14 202	4.64 308	0.53 284	0.22 47	0.35 194	0.21 25	0.41 181	0.60 165

SA-5K	2.56 146	1.41 225	20.56 302	1.63 297	0.74 122	4.13 246	1.34 262	3.93 184	3.38 278	1.61 63	2.56 296	1.43 89	2.13 259	2.55 145	1.70 177	0.32 81	0.22 47	0.34 177	0.26 87	0.40 163	0.53 133

AAGNet	3.88 311	0.67 52	20.04 234	2.27 349	0.46 31	4.76 366	1.05 220	2.28 32	3.38 278	2.16 182	1.84 169	2.40 199	3.95 338	6.22 227	24.21 407	0.49 256	0.19 9	0.30 97	0.29 156	0.33 86	0.29 10

AANet_RVC	3.70 301	7.03 339	17.25 121	1.21 173	1.12 218	3.79 171	1.09 226	3.98 192	3.38 278	2.65 287	4.29 355	3.95 320	1.40 137	11.43 349	7.88 334	1.25 362	0.57 266	0.34 177	0.25 74	0.43 197	0.71 197

MFN_U_SF_RVC	4.08 319	13.72 382	15.13 80	2.00 337	1.43 279	3.73 161	1.68 303	4.11 232	3.39 283	2.93 313	2.38 268	4.39 344	3.63 332	8.63 271	6.14 317	1.14 358	1.07 319	1.01 361	1.35 375	1.63 370	2.09 305

AFF-stereo	2.54 136	3.44 312	20.84 329	1.30 212	0.48 40	3.94 208	0.48 14	3.30 105	3.40 284	1.94 114	2.21 247	2.10 179	1.51 161	2.36 131	1.62 160	0.23 3	0.21 33	0.25 22	0.25 74	0.33 86	0.53 133

ADLNet	3.23 259	1.19 201	21.03 340	1.36 230	1.61 309	3.69 154	1.23 251	4.05 212	3.41 285	2.72 291	2.29 258	4.00 323	1.77 224	11.21 340	2.15 234	0.42 196	0.43 231	0.36 205	0.35 228	0.47 229	0.82 218

FBW_ROB	3.91 312	2.07 279	15.46 87	1.60 290	1.16 224	3.80 174	1.48 282	4.37 324	3.41 285	2.53 273	2.45 283	4.19 335	2.10 253	15.17 402	9.45 339	0.86 345	0.65 285	1.54 376	0.96 356	1.08 347	3.80 340

pcwnet_v2	2.73 189	0.70 69	22.43 398	1.11 131	1.02 190	3.58 132	0.80 125	4.31 306	3.42 287	2.39 251	2.28 256	2.99 254	1.68 210	3.31 172	1.54 141	0.44 216	0.51 260	0.41 241	0.34 215	0.62 276	0.74 208

ff7	2.60 153	0.81 113	16.25 100	0.89 48	0.56 68	4.55 328	0.83 137	1.68 6	3.44 288	0.88 16	1.10 15	0.70 10	0.78 25	1.93 89	0.93 29	0.29 32	0.37 188	0.29 76	0.21 25	0.33 86	15.08 398

IGEVStereo-DCA	3.09 235	3.48 313	16.25 100	0.96 83	0.49 47	1.59 12	0.83 137	1.68 6	3.44 288	0.75 4	0.78 3	0.74 21	0.73 17	5.79 214	7.75 332	0.32 81	0.26 119	0.28 62	0.21 25	0.32 65	15.08 398

ffff	2.60 153	0.81 113	16.25 100	0.89 48	0.56 68	4.55 328	0.83 137	1.68 6	3.44 288	0.88 16	1.10 15	0.70 10	0.78 25	1.93 89	0.93 29	0.29 32	0.37 188	0.29 76	0.21 25	0.33 86	15.08 398

11t	2.60 153	0.81 113	16.25 100	0.89 48	0.56 68	4.55 328	0.83 137	1.68 6	3.44 288	0.88 16	1.10 15	0.70 10	0.78 25	1.93 89	0.93 29	0.29 32	0.37 188	0.29 76	0.21 25	0.33 86	15.08 398

ccc-4	2.60 153	0.81 113	16.25 100	0.89 48	0.56 68	4.55 328	0.83 137	1.68 6	3.44 288	0.88 16	1.10 15	0.70 10	0.78 25	1.93 89	0.93 29	0.29 32	0.37 188	0.29 76	0.21 25	0.33 86	15.08 398

RASNet	3.15 245	1.20 202	19.81 212	1.63 297	2.26 358	3.67 151	1.09 226	3.58 122	3.44 288	1.99 127	2.15 230	4.59 352	2.30 272	10.24 312	2.98 276	0.57 296	0.26 119	0.25 22	0.25 74	0.30 42	0.54 137

Wz-Net-TNSev	4.22 323	13.55 374	15.87 93	1.57 285	1.19 233	3.61 139	2.48 342	4.38 328	3.45 294	2.29 218	1.91 190	4.20 336	2.86 297	12.11 370	10.56 342	0.61 302	0.59 273	0.48 275	0.54 316	0.93 336	1.24 264

ac_64	2.93 212	0.87 124	19.66 196	1.35 226	1.70 328	3.29 84	0.92 191	3.56 121	3.46 295	1.91 104	1.79 145	3.90 317	1.76 222	10.23 310	1.93 212	0.44 216	0.32 154	0.33 160	0.31 189	0.35 120	0.51 123

PWC_ROB	3.32 271	4.61 324	14.41 71	1.46 263	1.90 345	3.21 69	1.15 240	4.39 330	3.46 295	3.13 327	3.40 341	2.79 242	2.34 274	9.17 280	6.94 323	0.61 302	0.34 167	0.61 327	0.37 245	0.73 309	1.40 271

PFNet+	2.46 120	0.64 37	21.10 354	0.98 92	0.48 40	4.63 341	0.83 137	2.47 40	3.48 297	2.14 174	1.67 109	1.34 75	1.03 61	4.66 197	1.35 104	0.49 256	0.33 160	0.38 228	0.39 258	0.33 86	0.49 113

TRStereo	2.86 203	2.12 282	19.98 229	1.68 307	1.18 228	4.35 293	1.05 220	5.07 374	3.48 297	1.56 58	1.39 58	1.75 114	0.85 36	2.01 97	1.50 134	0.43 210	0.34 167	0.33 160	0.36 237	0.36 137	7.50 364

SGM-Forest	4.96 353	0.86 121	21.02 339	1.22 176	0.83 142	4.05 229	3.26 364	4.40 331	3.49 299	4.40 368	3.69 347	4.66 357	13.91 399	11.94 368	17.16 386	0.66 314	0.46 241	0.49 288	0.39 258	0.49 238	1.77 294
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
DeepStereo_RVC	2.42 114	0.70 69	18.41 147	0.79 19	0.43 25	4.50 316	0.70 77	2.51 44	3.51 300	2.02 140	1.79 145	1.54 97	6.35 364	1.93 89	1.22 79	0.47 245	0.22 47	0.29 76	0.29 156	0.35 120	0.40 62

RAFT + AFF	3.98 316	14.10 387	20.78 323	1.16 152	1.96 348	4.14 251	2.00 323	4.56 351	3.52 301	2.23 201	2.51 291	2.27 186	4.92 351	8.94 277	2.82 268	0.33 104	0.60 275	0.48 275	0.39 258	0.81 324	1.03 249

RAFT-345	2.55 141	0.60 24	19.89 221	1.22 176	0.49 47	4.43 305	0.77 112	1.68 6	3.54 302	2.09 164	3.10 331	1.95 155	1.30 121	6.65 237	1.47 133	0.41 187	0.23 70	0.32 128	0.26 87	0.29 31	0.28 7

ADCS	4.77 349	12.63 369	17.40 126	1.72 314	1.34 261	3.90 194	3.60 376	4.30 296	3.54 302	5.11 377	2.81 317	4.44 345	3.05 312	6.15 226	19.32 402	0.74 334	0.68 288	0.70 344	0.70 339	1.25 360	1.98 300

PA-Net	3.45 283	2.50 293	20.39 280	1.42 255	1.20 235	3.39 94	1.73 305	3.93 184	3.57 304	1.94 114	2.17 235	3.02 257	1.87 242	11.67 356	6.48 321	0.40 184	0.55 264	0.44 257	0.63 336	0.55 252	1.13 257
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
Wz-Net-LNSev	2.78 198	6.16 332	17.27 123	1.24 183	1.65 321	3.49 116	1.55 289	3.70 142	3.61 305	1.96 121	1.76 132	3.30 276	2.17 265	2.78 159	2.24 241	0.49 256	0.35 176	0.32 128	0.31 189	0.56 258	0.65 183

STrans-v2	3.11 237	0.95 155	20.80 325	0.86 36	0.64 96	3.90 194	1.01 209	4.30 296	3.61 305	2.28 215	3.65 345	4.11 330	5.17 354	7.32 252	1.63 163	0.34 120	0.18 5	0.29 76	0.26 87	0.30 42	0.65 183

Selective-RAFT	1.34 9	0.58 9	2.21 5	1.01 103	0.49 47	4.19 273	0.51 20	3.39 112	3.62 307	1.15 32	1.40 60	1.45 92	1.40 137	2.09 101	1.31 101	0.43 210	0.40 213	0.25 22	0.26 87	0.29 31	0.38 56

RAFT	2.36 97	1.62 249	18.03 140	1.75 320	0.54 62	1.91 21	0.91 186	3.24 98	3.65 308	1.64 67	1.73 128	3.45 286	1.58 177	1.82 80	1.74 187	0.42 196	1.06 316	0.40 237	0.32 199	0.44 205	1.03 249

ACRE	2.75 193	7.69 343	19.93 224	0.93 64	1.30 253	3.94 208	0.90 178	4.23 273	3.66 309	2.33 236	2.61 301	1.17 60	1.04 67	1.80 77	1.35 104	0.46 238	0.25 99	0.27 42	0.23 50	0.32 65	0.60 165

GwcNet	3.26 265	3.93 316	20.24 260	1.38 238	2.04 352	3.24 76	1.53 285	3.72 145	3.66 309	2.17 184	2.25 251	3.55 301	1.69 212	9.38 285	3.03 278	0.48 250	0.49 255	0.46 268	0.39 258	0.66 294	0.86 228

XQC	3.41 278	6.58 335	15.18 81	1.97 334	1.62 311	3.40 95	1.76 307	4.53 347	3.67 311	3.40 342	2.45 283	3.73 308	2.91 299	6.78 243	5.36 314	0.73 331	0.90 305	0.60 324	0.61 330	1.02 340	0.99 243

CIPLG	2.88 206	10.01 356	20.02 232	0.95 77	1.34 261	3.95 210	0.91 186	4.24 280	3.69 312	2.36 244	2.66 305	1.17 60	1.06 76	1.82 80	1.37 116	0.45 225	0.25 99	0.27 42	0.23 50	0.33 86	0.60 165

AnyNet_C32	4.49 337	9.53 352	13.85 59	1.67 304	1.56 300	5.40 378	4.06 385	4.03 205	3.69 312	4.21 365	3.09 330	3.09 264	3.38 328	8.24 266	18.76 400	0.56 294	0.64 282	0.53 302	0.81 348	1.36 364	1.42 274

IPLGR_C	2.96 219	11.71 365	20.02 232	0.95 77	1.31 257	3.93 205	0.92 191	4.22 268	3.76 314	2.35 240	2.62 302	1.16 59	1.07 78	1.71 61	1.34 103	0.45 225	0.25 99	0.27 42	0.23 50	0.33 86	0.60 165

NVstereo2D	2.79 199	1.13 190	13.75 58	1.37 235	1.47 284	3.57 130	1.38 269	4.17 253	3.77 315	2.04 148	1.72 122	3.05 259	1.75 220	10.84 325	1.72 182	0.62 307	0.48 252	0.56 314	0.54 316	0.79 322	1.02 247

ADCP+	4.42 335	12.67 370	18.95 161	1.12 138	1.55 296	4.30 288	3.60 376	4.01 197	3.80 316	2.30 219	1.71 120	3.93 318	4.29 343	3.49 174	18.77 401	0.40 184	0.41 219	0.63 334	0.53 313	0.67 297	1.35 269

ACVNet-4b	6.98 384	14.78 398	22.17 393	3.56 385	3.11 376	4.14 251	2.23 334	4.08 223	3.84 317	1.67 73	3.96 352	5.86 372	2.87 298	10.30 314	17.16 386	26.09 423	2.24 348	2.53 385	1.79 385	3.91 391	3.28 332

Selective-IGEV	1.42 13	0.58 9	8.82 38	0.92 62	0.85 147	1.32 9	0.80 125	2.85 73	3.84 317	0.87 15	1.68 111	0.71 15	0.62 6	1.30 13	0.75 4	0.24 4	0.27 126	0.24 13	0.19 9	0.27 15	1.18 261

PFNet	2.75 193	0.69 63	19.96 226	2.25 348	0.80 137	4.63 341	0.90 178	2.60 60	3.85 319	2.39 251	2.71 311	1.82 136	1.41 141	7.53 258	1.41 120	0.36 151	0.21 33	0.36 205	0.27 102	0.32 65	0.46 93

stereogan	3.26 265	1.26 205	18.01 139	1.38 238	1.66 324	3.76 165	1.64 299	4.06 214	3.86 320	3.23 335	2.70 310	5.02 363	2.85 296	9.88 296	1.85 201	0.71 324	0.51 260	0.69 343	0.48 297	0.86 330	0.85 225

ADLNet2	3.20 254	1.43 227	20.11 247	1.22 176	1.78 338	3.86 186	1.47 280	3.96 188	3.89 321	2.26 210	2.49 287	4.63 356	1.92 247	10.68 322	2.00 220	0.42 196	0.37 188	0.29 76	0.30 172	0.51 244	0.46 93

NaN_ROB	4.73 347	6.66 336	21.89 383	1.26 200	1.28 250	3.49 116	3.02 359	4.38 328	3.93 322	3.65 351	2.55 295	2.97 252	5.01 352	13.23 389	17.43 389	0.38 170	0.42 230	0.38 228	0.40 265	0.50 239	1.82 297

MSC_U_SF_DS_RVC	4.90 352	13.94 385	16.59 113	1.69 308	1.46 283	6.15 382	3.52 372	5.47 383	3.95 323	2.77 297	2.74 313	4.81 359	2.49 285	13.78 396	5.33 313	2.34 375	3.46 370	1.05 363	1.21 369	2.28 375	2.94 327

ACVNet_2	6.09 369	15.28 405	21.36 374	3.30 382	3.17 378	4.50 316	3.00 357	4.70 363	3.96 324	3.52 347	5.34 363	7.79 381	2.95 300	12.40 373	13.76 360	3.28 384	2.23 347	2.70 391	1.70 380	3.52 383	3.24 330

xx1	3.69 300	0.94 151	19.66 196	1.87 328	0.42 21	4.47 311	0.73 91	4.24 280	4.01 325	1.21 33	1.89 182	1.78 129	1.36 127	2.20 115	0.81 12	0.31 68	18.77 412	0.33 160	0.36 237	0.35 120	8.09 367

cc1	3.93 314	0.94 151	19.66 196	1.87 328	0.42 21	4.47 311	0.73 91	4.24 280	4.01 325	1.21 33	1.89 182	0.73 16	1.62 194	2.20 115	0.81 12	0.31 68	18.77 412	0.32 128	0.21 25	0.32 65	13.93 388

PVD	3.91 312	4.36 322	13.89 63	2.81 373	4.79 397	3.80 174	1.94 316	3.89 173	4.11 327	5.75 379	3.56 344	3.59 302	3.34 324	6.44 234	6.44 320	0.73 331	2.84 359	0.74 352	0.84 350	0.82 326	3.45 338

SPS-STEREO	5.18 356	10.36 357	21.09 352	1.74 318	1.72 331	3.24 76	2.26 336	3.92 180	4.12 328	5.06 376	3.66 346	5.43 369	3.33 323	9.56 287	12.34 354	1.17 360	1.17 322	1.07 364	1.03 360	1.17 354	10.25 383
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GrayStereo	3.68 299	0.56 4	20.61 312	1.71 313	0.90 162	4.17 262	8.11 396	3.17 92	4.13 329	2.80 303	2.49 287	1.70 108	17.06 402	2.83 161	1.25 90	0.37 158	0.23 70	0.27 42	0.32 199	0.30 42	0.57 147

MFMNet_re	3.44 281	8.89 346	19.36 183	3.25 381	1.91 346	3.13 66	1.99 320	3.60 126	4.16 330	3.17 333	2.86 319	2.25 184	2.41 278	2.61 148	2.35 249	1.13 357	1.06 316	0.94 359	0.91 355	1.29 361	1.57 282

IMH-64-1	6.10 370	13.83 383	17.55 129	4.34 395	3.78 385	4.79 367	5.94 388	5.34 376	4.20 331	4.10 360	8.31 376	5.07 364	6.92 370	9.63 290	7.36 327	4.60 402	2.96 364	3.04 394	2.14 394	4.30 393	3.88 343

IMH-64	6.10 370	13.83 383	17.55 129	4.34 395	3.78 385	4.79 367	5.94 388	5.34 376	4.20 331	4.10 360	8.31 376	5.07 364	6.92 370	9.63 290	7.36 327	4.60 402	2.96 364	3.04 394	2.14 394	4.30 393	3.88 343

PWCDC_ROB	3.62 292	9.86 355	17.35 125	1.62 294	1.57 302	4.19 273	1.01 209	4.35 319	4.20 331	2.26 210	7.36 368	2.73 232	2.75 293	4.10 190	4.51 305	1.47 368	0.37 188	0.39 232	0.34 215	1.22 358	0.73 204

PSM-softLoss	2.62 160	0.65 44	21.11 355	2.46 359	0.49 47	4.68 355	0.68 69	2.61 61	4.23 334	2.14 174	1.47 67	1.42 87	0.99 55	6.04 223	1.24 84	0.47 245	0.23 70	0.37 216	0.39 258	0.33 86	0.34 29

KMStereo	2.62 160	0.65 44	21.11 355	2.46 359	0.49 47	4.68 355	0.68 69	2.61 61	4.23 334	2.14 174	1.47 67	1.42 87	0.99 55	6.04 223	1.24 84	0.47 245	0.23 70	0.37 216	0.39 258	0.33 86	0.34 29

ADCL	4.70 345	4.04 318	16.12 96	1.35 226	1.28 250	5.46 379	10.88 397	4.08 223	4.25 336	5.97 381	4.51 357	4.29 340	5.60 356	6.37 231	15.21 370	0.54 288	0.48 252	0.88 358	0.78 345	0.86 330	1.01 246

CSAN	5.95 366	13.70 380	21.94 385	1.35 226	0.93 172	3.65 148	3.46 369	4.73 367	4.26 337	3.98 358	7.70 370	3.54 300	6.94 372	22.83 408	16.00 372	0.53 284	0.47 249	0.50 290	0.55 320	0.65 290	1.22 262

RTS	4.29 330	9.35 350	18.25 145	2.79 371	2.29 360	4.98 371	3.41 367	4.72 365	4.27 338	4.35 366	3.10 331	4.93 360	3.14 314	7.71 261	6.99 324	0.71 324	0.68 288	0.51 295	0.50 306	1.07 345	1.98 300

RTSA	4.29 330	9.35 350	18.25 145	2.79 371	2.29 360	4.98 371	3.41 367	4.72 365	4.27 338	4.35 366	3.10 331	4.93 360	3.14 314	7.71 261	6.99 324	0.71 324	0.68 288	0.51 295	0.50 306	1.07 345	1.98 300

NF-Stereo	2.68 180	0.67 52	21.09 352	2.43 355	0.47 35	4.67 347	0.67 61	3.68 136	4.30 340	2.11 168	1.62 98	1.36 79	1.09 80	6.07 225	1.24 84	0.45 225	0.20 17	0.36 205	0.34 215	0.32 65	0.37 49

RE-Stereo	2.67 177	0.67 52	21.08 347	2.43 355	0.47 35	4.67 347	0.67 61	3.68 136	4.30 340	2.11 168	1.62 98	1.36 79	1.09 80	6.01 219	1.26 95	0.45 225	0.20 17	0.36 205	0.34 215	0.32 65	0.37 49

TVStereo	2.67 177	0.67 52	21.08 347	2.43 355	0.47 35	4.67 347	0.67 61	3.68 136	4.30 340	2.11 168	1.62 98	1.36 79	1.09 80	6.01 219	1.26 95	0.45 225	0.20 17	0.36 205	0.34 215	0.32 65	0.37 49

OCTAStereo	2.67 177	0.67 52	21.08 347	2.43 355	0.47 35	4.67 347	0.67 61	3.68 136	4.31 343	2.11 168	1.62 98	1.36 79	1.09 80	6.02 222	1.25 90	0.45 225	0.20 17	0.36 205	0.34 215	0.32 65	0.37 49

JetBlue	6.69 382	12.01 366	14.30 69	1.98 336	4.64 396	11.97 400	12.29 400	5.39 380	4.32 344	3.81 355	4.51 357	9.50 387	6.53 368	10.22 309	14.50 366	1.32 363	1.47 328	1.18 369	1.36 376	7.48 408	5.05 353

SMFormer	2.40 106	0.73 79	8.34 32	1.41 248	0.61 83	2.04 23	0.72 85	4.30 296	4.43 345	2.41 255	2.40 273	1.94 151	1.52 165	10.99 332	3.10 282	0.35 132	0.84 300	0.36 205	0.33 206	0.40 163	0.77 211

tta	2.44 116	0.73 79	8.34 32	1.41 248	0.61 83	2.04 23	0.72 85	4.30 296	4.43 345	2.41 255	2.40 273	1.94 151	1.52 165	10.99 332	3.10 282	0.35 132	0.84 300	0.36 205	0.33 206	0.31 47	1.75 290

qqq1	2.35 95	0.73 79	8.34 32	1.41 248	0.61 83	2.04 23	0.72 85	4.30 296	4.43 345	2.41 255	2.40 273	1.94 151	1.52 165	10.99 332	1.36 111	0.35 132	0.84 300	0.30 97	0.25 74	0.31 47	1.75 290

fff1	2.35 95	0.73 79	8.34 32	1.41 248	0.61 83	2.04 23	0.72 85	4.30 296	4.43 345	2.41 255	2.40 273	1.94 151	1.52 165	10.99 332	1.36 111	0.35 132	0.84 300	0.30 97	0.25 74	0.31 47	1.75 290

MADNet+	4.46 336	11.36 362	14.35 70	2.23 347	2.50 366	4.18 265	2.86 354	5.46 382	4.43 345	2.74 294	2.69 309	4.55 350	3.43 329	8.97 278	9.42 338	1.47 368	2.06 343	1.09 366	1.02 358	1.54 368	2.96 328

11t1	2.82 201	0.72 76	17.81 138	1.60 290	0.93 172	2.27 37	0.62 49	3.76 151	4.47 350	1.72 81	1.33 48	1.05 50	1.34 125	1.84 83	1.45 130	0.29 32	5.57 381	0.29 76	0.26 87	0.32 65	8.80 378

Wz-Net-MNSev	3.26 265	7.24 340	17.26 122	1.58 287	1.37 267	3.27 79	2.45 340	4.10 229	4.50 351	2.61 282	2.17 235	2.33 193	3.02 309	7.48 257	2.88 273	0.46 238	0.39 210	0.37 216	0.38 252	0.61 271	0.63 176

mmm	2.70 181	0.80 110	8.26 31	1.50 272	1.18 228	2.44 42	0.85 148	4.08 223	4.59 352	2.31 222	1.95 198	1.51 95	1.55 174	2.33 130	1.72 182	0.31 68	7.71 389	0.45 263	0.42 278	0.40 163	9.56 380

ACVNet-DCA	3.67 297	0.94 151	19.66 196	1.87 328	0.42 21	4.47 311	0.73 91	4.07 216	4.63 353	1.21 33	1.89 182	0.73 16	1.62 194	2.20 115	0.81 12	0.31 68	18.77 412	0.32 128	0.21 25	0.35 120	8.09 367

1test111	3.86 309	0.94 151	19.66 196	1.87 328	0.42 21	4.47 311	0.73 91	4.07 216	4.63 353	1.21 33	1.89 182	0.73 16	1.62 194	5.19 203	1.68 172	0.31 68	18.77 412	0.32 128	0.21 25	0.35 120	8.09 367

qqq	2.96 219	0.88 127	15.54 89	1.27 201	0.74 122	2.29 38	0.90 178	4.07 216	4.63 353	1.63 66	1.32 47	1.78 129	1.36 127	5.19 203	1.68 172	0.29 32	6.43 384	0.33 160	0.36 237	0.35 120	8.09 367

DPSNet	3.94 315	2.01 277	14.69 75	1.58 287	1.30 253	4.17 262	2.08 329	4.57 353	4.63 353	2.78 299	1.99 205	3.79 312	7.88 380	10.66 321	11.35 348	0.94 349	0.99 314	0.41 241	0.57 323	1.09 348	1.40 271

LRCNet_RVC	25.63 414	33.47 418	24.35 406	31.77 419	32.74 416	6.73 388	1.19 244	25.87 414	4.67 357	28.95 412	30.91 414	24.89 411	17.54 403	27.82 414	24.57 409	35.48 424	25.62 426	35.91 426	33.80 425	31.95 425	34.38 422

DualNet	5.08 355	0.98 164	21.04 341	1.24 183	1.03 194	3.64 143	0.87 154	4.23 273	4.73 358	2.31 222	2.40 273	3.49 289	1.64 199	2.29 126	16.90 378	0.30 54	19.28 422	0.48 275	0.40 265	0.31 47	14.02 389

ffm	4.27 329	0.98 164	21.04 341	1.24 183	1.03 194	3.64 143	0.87 154	4.23 273	4.73 358	2.31 222	2.40 273	3.49 289	1.64 199	2.29 126	0.78 7	0.30 54	19.28 422	0.48 275	0.40 265	0.31 47	14.02 389

ff1	5.58 360	0.98 164	21.04 341	1.24 183	1.03 194	3.64 143	0.87 154	4.23 273	4.73 358	2.31 222	2.40 273	3.49 289	1.64 199	12.40 373	16.90 378	0.30 54	19.28 422	0.48 275	0.40 265	0.31 47	14.02 389

tt1	3.79 305	0.93 148	15.34 83	1.83 326	0.45 30	4.54 322	0.78 115	4.23 273	4.73 358	1.27 41	1.89 182	0.74 21	1.48 155	2.29 126	0.78 7	0.30 54	19.28 422	0.32 128	0.22 42	0.31 47	14.02 389

x	2.94 216	0.83 117	16.07 94	1.51 274	0.83 142	2.13 30	0.96 205	3.97 191	4.73 358	1.73 83	1.43 64	1.61 100	1.27 115	2.24 121	1.71 180	0.29 32	6.91 386	0.34 177	0.31 189	0.34 107	9.60 381

WCMA_ROB	5.78 364	2.42 292	21.71 381	1.67 304	1.55 296	4.07 233	3.53 373	4.14 243	4.73 358	6.59 385	10.89 389	12.82 394	9.59 388	10.17 307	12.65 357	1.05 353	0.61 277	0.52 298	0.52 311	0.71 307	5.64 356

PWCK	6.49 376	13.40 372	20.27 263	2.95 374	1.61 309	5.68 381	7.63 395	5.37 379	4.77 364	3.90 356	7.48 369	7.96 382	5.63 357	15.15 401	10.93 343	3.21 383	1.55 332	2.34 383	1.43 378	6.05 401	2.45 316

CRE-IMP	2.28 80	0.68 58	19.67 202	0.85 33	0.39 20	4.54 322	0.80 125	2.63 63	4.84 365	1.96 121	1.51 71	1.86 141	0.96 52	1.52 42	1.43 123	0.47 245	0.21 33	0.31 115	0.26 87	0.41 181	0.35 33

MeshStereo	5.67 363	1.80 262	21.28 369	1.40 246	1.14 221	4.38 295	3.83 382	5.51 385	4.85 366	10.12 402	11.72 394	11.44 389	5.87 361	13.86 397	12.31 353	0.68 318	0.61 277	0.61 327	0.60 328	0.73 309	0.68 191
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
ADCMid	4.55 339	10.78 360	17.67 135	1.32 221	1.43 279	4.62 339	2.24 335	4.22 268	4.97 367	3.93 357	3.01 325	3.84 315	3.66 333	4.22 194	18.57 399	0.69 320	0.62 280	1.09 366	1.20 368	1.48 366	1.49 278

LSM	13.03 402	7.72 344	21.01 338	55.44 428	85.65 426	3.65 148	6.27 390	3.91 179	5.06 368	5.63 378	13.91 399	3.53 299	3.46 331	9.93 299	4.36 303	0.72 329	0.95 310	0.72 349	0.85 351	1.09 348	26.67 418

notaker	10.92 397	14.17 388	20.38 277	4.56 401	3.98 390	6.29 384	3.53 373	7.68 393	5.10 369	9.04 395	46.37 422	13.84 398	28.85 413	14.18 400	14.16 363	4.57 401	3.19 368	3.52 402	2.70 402	8.16 409	4.13 347

AnyNet_C01	4.68 344	10.90 361	16.41 109	2.03 341	1.62 311	6.25 383	6.40 391	4.19 261	5.13 370	4.03 359	3.77 348	4.14 331	3.26 319	7.23 250	11.19 344	0.64 311	0.80 298	0.65 338	0.72 341	2.18 374	2.08 303

test_xeample	4.19 322	0.93 148	14.09 65	1.16 152	1.17 226	3.28 81	0.80 125	4.63 360	5.30 371	2.46 265	2.35 264	1.39 83	1.42 143	10.88 327	17.68 391	0.30 54	6.50 385	0.32 128	0.32 199	0.36 137	8.38 375

ttt	4.23 325	0.75 96	19.96 226	1.48 268	1.31 257	3.69 154	0.87 154	4.65 361	5.33 372	2.45 264	2.39 271	2.44 208	1.54 171	11.35 345	16.49 374	0.43 210	4.35 375	0.37 216	0.35 228	0.41 181	4.01 346

mmx	4.56 340	0.98 164	21.04 341	1.24 183	1.03 194	3.64 143	0.87 154	4.53 347	5.34 373	2.31 222	2.40 273	3.49 289	1.64 199	12.40 373	16.90 378	0.34 120	5.98 382	0.48 275	0.40 265	0.46 219	5.71 357

xxx	4.56 340	0.98 164	21.04 341	1.24 183	1.03 194	3.64 143	0.87 154	4.53 347	5.34 373	2.31 222	2.40 273	3.49 289	1.64 199	12.40 373	16.90 378	0.34 120	5.98 382	0.48 275	0.40 265	0.46 219	5.71 357

Dean	8.35 391	15.23 404	22.34 395	3.76 390	3.55 382	4.81 369	3.51 371	5.34 376	5.37 375	4.49 370	26.13 412	25.59 412	4.33 345	11.21 340	13.12 358	3.78 391	2.31 350	2.90 393	1.89 389	4.04 392	3.34 334

222	3.82 306	0.88 127	6.92 26	1.15 148	0.99 182	3.27 79	0.64 56	4.57 353	5.37 375	2.43 260	2.32 262	1.41 86	1.44 147	10.64 320	18.51 397	0.32 81	4.89 378	0.32 128	0.30 172	0.34 107	9.80 382

EDNetEfficientorigin	12.42 399	3.26 308	179.44 434	1.21 173	1.00 188	2.89 55	1.82 312	3.05 86	5.37 375	8.87 393	4.78 359	4.17 333	4.80 350	9.91 297	11.32 347	0.41 187	0.41 219	0.62 333	0.88 352	1.33 363	2.81 321

xxxx	4.25 326	0.86 121	14.59 74	1.30 212	1.16 224	3.51 120	0.63 54	4.56 351	5.42 378	2.33 236	2.29 258	2.04 171	1.39 133	10.23 310	18.00 393	0.33 104	7.15 388	0.31 115	0.30 172	0.35 120	8.33 373

1111x	4.75 348	1.05 178	20.89 332	1.28 203	1.02 190	3.81 177	0.88 161	4.65 361	5.52 379	2.43 260	2.27 254	1.97 161	1.81 231	12.40 373	18.19 395	0.32 81	9.06 401	0.32 128	0.34 215	0.38 150	6.34 362

FCDSN-DC	6.71 383	1.18 195	21.61 380	1.29 208	1.10 214	4.38 295	2.59 347	4.58 355	5.52 379	9.58 397	11.19 390	19.17 401	17.69 404	13.03 386	17.11 384	0.73 331	0.57 266	0.61 327	0.60 328	0.71 307	0.92 235
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SDNR	4.37 332	2.22 287	20.63 315	1.60 290	0.99 182	5.15 374	0.67 61	4.36 321	5.55 381	4.89 374	7.17 366	5.50 371	1.58 177	17.48 404	4.33 302	0.80 339	0.72 294	0.59 321	0.45 291	1.18 355	1.43 275

pmcnn	5.90 365	1.81 265	22.30 394	1.69 308	2.37 363	3.47 109	2.10 330	4.58 355	5.56 382	3.75 354	13.12 398	22.07 404	3.70 334	11.99 369	17.13 385	0.58 297	0.23 70	0.23 4	0.19 9	0.37 141	0.70 195

EDNetEfficient	5.62 362	2.26 288	17.51 128	1.67 304	3.59 383	3.99 218	7.25 392	3.14 90	5.63 383	11.52 406	4.82 360	3.94 319	12.48 392	8.39 269	20.56 405	0.46 238	0.46 241	0.48 275	1.06 361	1.65 372	1.62 286

ELAS	6.58 377	2.54 295	20.08 241	2.66 365	2.48 364	15.49 407	7.29 393	5.50 384	5.72 384	10.05 401	8.94 382	6.91 378	10.83 390	8.33 267	14.27 364	1.92 371	2.19 345	1.23 371	1.31 371	1.62 369	2.17 308
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
JetRed	10.68 396	26.07 417	35.62 413	4.40 397	4.16 393	15.72 408	13.07 401	14.57 408	5.83 385	5.85 380	5.55 365	10.12 388	7.37 375	8.86 274	25.99 412	3.33 385	3.82 373	3.59 405	2.98 407	8.51 410	8.22 371

WAO-7	6.00 368	14.29 390	20.46 286	1.97 334	1.51 288	5.31 377	3.06 361	5.00 372	5.92 386	4.55 371	8.87 381	6.52 375	6.47 367	13.38 392	13.85 361	1.35 364	1.24 324	1.48 374	1.36 376	1.63 370	1.79 296

MSMD_ROB	5.99 367	1.29 213	19.23 176	1.40 246	0.84 146	10.25 397	2.05 328	4.20 263	6.02 387	10.42 404	8.00 371	22.21 405	9.45 387	11.67 356	8.73 336	0.76 337	0.59 273	0.67 340	0.68 337	0.67 297	0.72 199

SGM_RVC	6.11 372	1.10 185	20.44 283	2.15 345	0.66 102	15.87 409	3.98 384	5.00 372	6.19 388	9.79 400	11.46 392	8.23 385	12.63 393	12.32 372	9.15 337	0.54 288	0.39 210	0.41 241	0.35 228	0.55 252	1.05 251
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
IMH	7.25 386	16.24 410	21.08 347	4.40 397	3.79 387	5.46 379	3.03 360	5.58 386	6.26 389	4.92 375	10.32 387	9.24 386	8.30 383	13.62 394	11.56 349	4.84 406	3.00 367	3.09 397	2.14 394	4.38 395	3.83 342

NVStereoNet_ROB	6.63 379	9.57 353	19.28 179	3.19 379	2.11 353	3.69 154	1.99 320	4.32 312	6.27 390	3.26 338	24.57 411	5.45 370	11.39 391	13.56 393	12.37 355	2.79 377	2.05 342	1.76 377	1.75 384	1.49 367	1.75 290
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ELAS_RVC	6.36 374	2.53 294	20.21 255	2.67 366	2.48 364	4.90 370	11.89 399	4.84 371	6.31 391	9.03 394	8.54 379	8.09 384	12.73 394	9.32 282	13.25 359	1.92 371	2.18 344	1.51 375	1.31 371	1.40 365	2.15 306
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
tt	7.29 387	0.58 9	7.34 27	4.04 392	2.30 362	12.04 401	20.18 407	15.60 412	7.41 392	3.46 344	3.36 340	5.36 368	6.39 366	4.27 195	7.46 330	9.80 413	11.53 411	7.04 411	7.45 412	6.31 402	3.81 341

MADNet++	8.64 392	6.17 333	13.88 62	6.61 405	5.25 399	10.15 396	14.20 402	5.89 390	8.25 393	7.14 386	8.18 373	6.41 374	9.84 389	11.71 361	16.73 377	9.65 412	5.03 379	8.63 412	5.68 409	4.83 399	8.57 376

FC-DCNN	7.08 385	1.01 175	21.89 383	1.74 318	1.64 318	8.18 395	2.31 338	6.50 391	9.16 394	10.85 405	11.33 391	19.85 403	13.33 395	12.94 385	17.10 383	0.72 329	0.57 266	0.59 321	0.57 323	0.64 285	0.69 193

SANet	6.43 375	13.71 381	22.08 391	1.43 260	1.00 188	6.86 389	3.78 381	4.71 364	11.10 395	4.71 373	8.72 380	7.47 379	7.91 381	12.46 380	18.12 394	0.51 272	0.47 249	0.50 290	0.45 291	0.94 337	1.60 285

LVE	7.57 388	15.80 407	21.28 369	3.69 389	3.19 380	4.54 322	2.78 349	10.13 398	11.63 396	3.24 336	11.52 393	18.10 400	4.55 348	11.67 356	10.30 341	4.62 405	2.95 362	2.56 386	1.91 390	3.63 384	3.26 331

WAO-6	6.68 381	9.03 348	20.68 318	2.98 375	2.79 370	11.93 399	3.56 375	5.39 380	11.65 397	3.55 348	9.59 385	6.77 376	6.72 369	12.28 371	11.56 349	2.88 380	2.36 352	2.50 384	1.84 388	2.89 380	2.72 320

HanzoNet	31.86 418	17.33 411	21.23 366	7.52 406	5.85 402	7.49 392	3.61 378	14.35 407	13.37 398	50.38 423	46.35 421	44.46 416	56.50 428	36.53 420	28.25 416	64.05 429	58.31 430	9.45 414	89.24 430	31.17 424	31.77 419

coex-ft	20.00 410	11.54 363	120.82 432	1.18 163	1.30 253	2.36 40	1.99 320	2.96 82	13.96 399	129.83 433	8.40 378	5.88 373	52.82 427	9.93 299	31.13 418	0.61 302	0.62 280	0.50 290	0.49 300	1.10 350	2.63 318

DeepPrunerF	4.00 317	5.64 330	16.81 114	1.36 230	1.75 333	3.69 154	1.54 287	4.24 280	13.98 400	2.21 197	1.77 139	2.73 232	2.29 270	10.90 329	6.64 322	0.71 324	0.61 277	0.77 353	0.79 346	0.87 332	0.79 215

SGM-ForestM	15.60 405	14.94 402	28.17 412	7.84 407	10.49 404	23.43 413	24.58 409	20.87 413	16.87 401	15.92 411	15.89 404	27.08 413	22.45 412	24.86 413	28.42 417	3.85 393	8.90 396	0.55 311	1.15 366	0.64 285	15.05 396

Anonymous_1	57.77 429	19.65 412	26.12 409	23.12 416	141.97 431	30.79 415	39.72 417	34.10 419	16.98 402	70.09 429	15.64 402	23.44 407	19.73 408	23.03 410	27.21 413	164.70 434	9.02 400	130.41 430	137.42 431	161.21 434	41.01 423

FINET	10.59 395	14.44 395	25.84 408	2.30 350	3.90 388	21.74 411	25.19 410	8.85 396	16.99 403	2.68 288	15.19 401	11.45 390	13.83 397	6.71 242	15.11 369	0.80 339	8.59 392	0.53 302	0.44 286	0.62 276	16.67 407

SGM+DAISY	13.18 403	14.36 392	24.65 407	8.10 408	13.49 408	22.47 412	25.54 411	12.13 400	17.08 404	14.77 408	15.82 403	12.17 393	13.97 400	12.65 383	18.22 396	8.40 410	9.18 402	1.23 371	1.33 374	1.23 359	16.81 412

UNDER WATER-64	10.08 393	14.27 389	22.85 400	5.26 404	4.88 398	11.00 398	4.57 387	11.41 399	17.25 405	7.68 388	9.72 386	15.96 399	21.47 411	11.12 339	16.63 376	4.38 396	2.88 361	4.41 408	2.95 406	7.12 406	5.81 359

DPSM_ROB	20.83 411	20.01 413	26.54 410	23.64 417	22.42 413	31.06 416	39.94 418	34.02 417	17.42 406	15.35 409	16.05 405	24.04 409	20.69 409	23.28 411	27.60 414	10.77 414	9.41 404	11.68 416	11.50 415	14.48 415	16.71 409

DPSM	20.83 411	20.01 413	26.54 410	23.64 417	22.42 413	31.06 416	39.94 418	34.02 417	17.42 406	15.35 409	16.05 405	24.04 409	20.69 409	23.28 411	27.60 414	10.77 414	9.41 404	11.68 416	11.50 415	14.48 415	16.71 409

DGTPSM_ROB	16.67 406	21.79 415	40.19 417	10.00 412	19.05 411	12.43 402	33.20 414	13.71 405	18.09 408	9.71 398	22.85 408	13.77 396	19.64 406	21.23 405	24.07 406	5.09 407	8.95 398	5.62 409	11.49 414	6.73 404	15.75 405

DPSMNet_ROB	16.76 407	21.81 416	40.95 418	10.20 414	19.08 412	12.43 402	33.21 415	13.73 406	18.21 409	9.76 399	22.88 409	13.78 397	19.64 406	21.39 406	24.21 407	5.20 408	8.97 399	5.63 410	11.51 417	6.80 405	15.82 406

WAO-8	12.61 400	16.02 408	21.99 388	3.55 383	3.10 374	15.07 405	2.80 350	12.81 403	19.10 410	7.93 391	13.05 396	11.75 391	8.46 385	83.86 432	15.10 367	3.51 386	1.94 340	3.54 403	1.96 391	3.72 386	2.89 324

Venus	12.61 400	16.02 408	21.99 388	3.55 383	3.10 374	15.07 405	2.80 350	12.81 403	19.10 410	7.93 391	13.05 396	11.75 391	8.46 385	83.86 432	15.10 367	3.51 386	1.94 340	3.54 403	1.96 391	3.72 386	2.89 324

UNDER WATER	11.28 398	13.60 375	22.90 401	5.11 403	4.53 395	7.75 393	3.75 379	12.50 401	21.62 412	7.80 390	10.68 388	23.75 408	35.20 414	11.54 351	17.40 388	4.46 398	2.95 362	4.23 407	2.90 405	6.57 403	6.27 361

TorneroNet-64	10.52 394	14.33 391	21.95 386	4.29 394	3.76 384	13.77 404	2.83 353	14.96 409	23.11 413	10.24 403	23.77 410	13.44 395	8.15 382	13.98 398	17.70 392	4.03 395	2.73 358	3.23 399	2.53 398	7.27 407	4.35 350

MANE	15.29 404	13.67 378	23.58 404	10.15 413	13.37 407	23.58 414	23.86 408	27.83 415	26.26 414	12.02 407	15.10 400	19.83 402	18.01 405	15.68 403	20.35 404	8.58 411	9.20 403	3.05 396	4.19 408	0.82 326	16.69 408

CasAABBNet	41.89 420	40.14 424	53.33 428	47.71 423	45.10 421	62.42 429	80.65 428	68.29 428	34.85 415	30.67 413	32.34 419	48.22 420	41.76 422	46.61 425	55.60 425	21.59 420	18.89 416	23.46 423	23.21 421	29.17 422	33.75 420

Selective-RAFT-Error	41.88 419	40.10 423	53.23 424	47.74 424	45.20 422	62.42 429	80.58 427	68.27 427	34.95 416	30.85 414	32.30 418	48.08 419	42.07 423	46.54 423	54.92 423	21.60 421	19.12 420	23.46 423	23.15 420	29.14 421	33.95 421

LSM0	49.69 427	40.02 419	53.50 429	97.07 429	129.56 429	62.65 431	79.82 426	68.02 426	35.12 417	33.72 419	33.34 420	48.41 424	41.54 418	46.57 424	55.40 424	21.63 422	19.16 421	23.60 425	23.13 419	29.46 423	52.08 427

MyStereo03	43.09 421	40.09 420	53.32 425	48.07 425	45.83 423	62.40 426	80.65 428	67.87 423	35.18 418	31.09 416	32.21 415	48.24 421	41.62 419	46.66 426	55.80 426	21.53 417	18.98 417	23.44 420	23.21 421	29.12 418	56.57 428

MyStereo02	43.09 421	40.09 420	53.32 425	48.07 425	45.83 423	62.40 426	80.65 428	67.87 423	35.18 418	31.09 416	32.21 415	48.24 421	41.62 419	46.66 426	55.80 426	21.53 417	18.98 417	23.44 420	23.21 421	29.12 418	56.57 428

MyStereo	43.09 421	40.09 420	53.32 425	48.07 425	45.83 423	62.40 426	80.65 428	67.87 423	35.18 418	31.09 416	32.21 415	48.24 421	41.62 419	46.66 426	55.80 426	21.53 417	18.98 417	23.44 420	23.21 421	29.12 418	56.57 428

SPstereo	30.75 417	13.65 376	19.03 164	8.80 411	10.65 405	50.20 424	82.83 432	71.83 429	35.94 421	30.86 415	29.63 413	48.58 425	42.25 424	47.75 429	58.04 429	7.66 409	8.94 397	20.43 419	10.51 413	8.69 411	8.79 377

LE_ROB	19.18 409	12.99 371	48.22 421	8.42 410	23.91 415	7.26 391	19.71 406	9.92 397	38.58 422	43.44 420	21.85 407	28.15 414	41.18 417	23.00 409	54.71 422	0.38 170	0.34 167	0.32 128	0.36 237	0.43 197	0.49 113

HaxPig	43.31 424	43.63 425	45.01 419	33.88 420	35.67 418	32.79 418	30.52 413	45.50 420	42.95 423	48.75 421	48.14 423	43.24 415	40.44 416	44.58 421	43.63 419	47.17 426	49.30 427	51.65 428	50.37 427	43.72 426	45.27 424

AVERAGE_ROB	44.46 425	45.87 426	46.48 420	40.54 422	38.62 419	32.95 419	30.49 412	46.80 421	43.31 424	49.57 422	48.93 424	44.57 417	39.87 415	45.01 422	43.89 420	48.70 427	50.65 428	50.80 427	49.79 426	45.54 427	46.89 425

PML	64.55 430	56.00 429	20.79 324	8.10 408	32.82 417	147.60 433	247.57 435	12.71 402	45.39 425	111.32 432	288.85 435	101.42 433	100.62 433	31.63 415	15.84 371	13.96 416	4.84 376	10.95 415	6.18 411	28.99 417	5.33 355

MEDIAN_ROB	47.37 426	49.00 427	49.74 422	40.28 421	39.94 420	34.93 420	33.41 416	49.78 422	46.38 426	53.04 424	52.61 425	47.67 418	42.28 425	48.33 430	47.25 421	52.06 428	53.99 429	54.28 429	53.48 428	48.70 428	50.27 426

BEATNet-Init1	51.93 428	71.67 430	99.39 431	10.91 415	13.10 406	84.39 432	59.36 422	73.78 430	67.97 427	88.09 431	88.15 431	91.73 432	97.51 432	85.13 434	72.56 433	2.59 376	5.18 380	1.20 370	1.49 379	10.61 413	13.83 387

KSHMR	17.50 408	14.38 394	22.35 396	4.50 399	4.51 394	8.17 394	3.33 366	15.44 411	76.15 428	7.32 387	61.40 426	56.33 426	5.66 359	32.91 416	13.97 362	4.42 397	2.99 366	3.64 406	2.79 404	5.13 400	4.55 352

TorneroNet	26.32 415	14.70 396	22.40 397	4.24 393	4.08 392	54.72 425	3.19 362	15.11 410	76.73 429	57.99 425	82.55 430	86.65 431	45.79 426	13.34 391	18.51 397	4.52 400	2.86 360	3.45 400	2.63 401	8.75 412	4.28 348

ktn	22.24 413	14.37 393	20.30 269	4.54 400	4.02 391	6.52 386	4.50 386	6.78 392	78.80 430	84.67 430	100.54 432	58.48 427	8.39 384	13.13 387	17.09 382	4.61 404	3.24 369	3.49 401	2.62 400	4.70 398	3.96 345

xxxxx1	112.85 431	94.19 431	38.10 414	228.21 433	161.02 432	39.23 421	61.26 423	92.54 431	79.08 431	63.44 426	74.84 427	77.80 428	69.88 429	33.55 417	70.96 430	117.25 430	130.44 432	258.49 433	273.88 433	145.63 431	147.24 432

tt_ll	112.85 431	94.19 431	38.10 414	228.21 433	161.02 432	39.23 421	61.26 423	92.54 431	79.08 431	63.44 426	74.84 427	77.80 428	69.88 429	33.55 417	70.96 430	117.25 430	130.44 432	258.49 433	273.88 433	145.63 431	147.24 432

ff	112.85 431	94.19 431	38.10 414	228.21 433	161.02 432	39.23 421	61.26 423	92.54 431	79.08 431	63.44 426	74.84 427	77.80 428	69.88 429	33.55 417	70.96 430	117.25 430	130.44 432	258.49 433	273.88 433	145.63 431	147.24 432

test_example2	213.42 435	219.67 435	222.97 435	213.78 432	220.82 435	199.03 435	200.49 434	189.27 435	143.61 434	211.05 435	218.08 434	210.69 435	205.21 435	221.14 435	216.49 435	236.74 435	242.08 435	213.66 432	216.96 432	235.55 435	231.06 435

DPSimNet_ROB	143.68 434	156.64 434	170.66 433	162.59 430	135.40 430	195.13 434	174.01 433	141.76 434	167.78 435	174.58 434	138.78 433	186.01 434	183.75 434	82.32 431	97.85 434	151.24 433	102.48 431	131.25 431	82.78 429	115.21 430	123.37 431

Low-res two-view benchmark