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	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 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	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

TANstereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

XX-TBD	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

CREStereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 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
PMTNet	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

MEDIAN_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

AVERAGE_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

HITNet	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9
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
NVstereo2D	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWC_ROB	0.01 9	0.02 12	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCDC_ROB	0.01 9	0.01 9	0.02 13	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCK	0.01 9	0.02 12	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

coex-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

fast-acv-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

CBFPSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

iinet-f	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

Wz-Net-TNSev	0.02 14	0.05 38	0.04 31	0.07 35	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

MFN_U_SF_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MSC_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

RYNet	0.02 14	0.02 12	0.02 13	0.03 25	0.03 39	0.03 36	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.03 42	0.03 33	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM0	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

Wz-Net-SNSev	0.03 25	0.09 51	0.07 45	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

EDNetEfficientorigin	0.04 26	0.06 42	0.04 31	0.05 32	0.04 54	0.05 61	0.04 54	0.05 61	0.04 56	0.05 65	0.04 63	0.05 63	0.04 58	0.05 55	0.04 49	0.05 39	0.03 28	0.06 65	0.03 42	0.04 53	0.03 39

EDNetEfficient	0.04 26	0.05 38	0.04 31	0.04 26	0.03 39	0.04 51	0.03 39	0.04 51	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.04 46	0.03 37	0.05 39	0.03 28	0.05 58	0.03 42	0.04 53	0.03 39

NVStereoNet_ROB	0.04 26	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
GASNet	0.05 29	0.04 31	0.12 78	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 56	0.12 93	0.04 63	0.06 69	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

WZ-Net	0.05 29	0.50 155	0.10 56	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.10 59	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 31	0.24 97	0.20 125	0.23 110	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 134	0.21 131	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 31	0.54 163	0.10 56	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.11 75	0.01 9	0.01 9	0.01 9	0.01 9

AASNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 77	0.06 68	0.06 76	0.05 63	0.06 76	0.06 59	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

SACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 77	0.06 68	0.06 76	0.05 63	0.06 76	0.06 59	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

AACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 77	0.06 68	0.06 76	0.05 63	0.06 76	0.06 59	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

FINET	0.07 36	0.08 45	0.07 45	0.07 35	0.07 79	0.08 74	0.06 75	0.08 78	0.07 80	0.08 75	0.07 79	0.08 76	0.06 76	0.07 73	0.07 71	0.08 47	0.07 44	0.07 70	0.07 74	0.06 66	0.06 73

ADCMid	0.08 37	0.02 12	0.02 13	1.01 251	0.03 39	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 46	0.09 76	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

SMFormer	0.09 38	1.01 200	0.09 52	0.09 41	0.03 39	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

tta	0.09 38	0.95 190	0.09 52	0.10 45	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 59	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 38	1.01 200	0.10 56	0.10 45	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

SepStereo	0.09 38	0.09 51	0.10 56	0.09 41	0.09 82	0.09 78	0.09 80	0.10 80	0.08 82	0.10 79	0.09 82	0.09 80	0.09 83	0.09 79	0.08 73	0.09 53	0.08 46	0.09 77	0.08 78	0.09 79	0.08 76

APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 54	0.05 61	0.90 279	0.06 66	0.04 56	0.05 65	0.04 63	0.05 63	0.04 58	0.05 55	0.04 49	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

ADCS	0.09 38	0.02 12	0.04 31	0.90 232	0.06 78	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 97	0.36 197	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ttt	0.10 44	1.09 207	0.12 78	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.03 39	0.02 19

1111x	0.10 44	1.14 211	0.13 93	0.14 74	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.11 75	0.03 34	0.02 20	0.03 39	0.02 19

AnonymousM	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

222	0.10 44	0.99 194	0.12 78	0.13 70	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.04 53	0.03 39

test_xeample	0.10 44	1.09 207	0.13 93	0.12 60	0.03 39	0.03 36	0.03 39	0.04 51	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.14 108	0.03 34	0.03 42	0.03 39	0.03 39

PVD	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SHD	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SAMSARA	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

XQC	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSC	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTS	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSA	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet+	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet++	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

ADCPNet	0.10 44	0.03 27	0.04 31	1.27 320	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.08 76	0.04 49	0.04 32	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

JetRed	0.11 59	0.12 66	0.11 73	0.11 57	0.11 103	0.11 90	0.14 113	0.11 91	0.11 100	0.12 93	0.11 98	0.11 92	0.11 98	0.11 91	0.11 92	0.11 68	0.16 113	0.11 88	0.11 97	0.11 90	0.11 95

JetBlue	0.11 59	0.11 64	0.12 78	0.13 70	0.14 119	0.11 90	0.11 97	0.11 91	0.11 100	0.11 91	0.11 98	0.11 92	0.11 98	0.12 95	0.12 103	0.11 68	0.11 75	0.11 88	0.11 97	0.11 90	0.11 95

x	0.11 59	1.15 213	0.15 111	0.14 74	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.15 111	0.03 34	0.03 42	0.03 39	0.03 39

Wz-Net-LNSev-Ref	0.11 59	0.44 138	0.33 166	0.39 149	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 188	0.36 178	0.02 18	0.02 20	0.02 19	0.02 19

xxxx	0.11 59	1.16 214	0.16 112	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.16 113	0.03 34	0.04 52	0.04 53	0.04 53

BEATNet_4x	0.11 59	0.03 27	0.03 28	1.60 331	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 55	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCL	0.11 59	0.03 27	0.03 28	1.60 331	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 55	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

AnyNet_C01	0.11 59	0.02 12	0.02 13	1.62 333	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 59	0.04 49	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 39

GwcNet	0.12 67	0.07 44	0.05 44	0.08 37	0.05 69	0.08 74	1.20 304	0.07 75	0.05 69	0.05 65	0.05 71	0.08 76	0.05 64	0.08 76	0.03 37	0.07 45	0.05 43	0.06 65	0.05 67	0.07 74	0.05 68

FADNet-RVC-Resample	0.12 67	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	1.57 365	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

FADNet_RVC	0.12 67	0.04 31	0.04 31	0.05 32	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.65 369	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

FADNet	0.12 67	0.05 38	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.66 370	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

ADCRef	0.12 67	0.03 27	0.04 31	1.71 334	0.04 54	0.03 36	0.03 39	0.04 51	0.04 56	0.04 54	0.03 40	0.04 51	0.03 42	0.06 59	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.03 39	0.04 53

CIPLG	0.13 72	0.21 87	0.12 78	0.16 89	0.11 103	0.15 100	0.11 97	0.14 95	0.11 100	0.15 101	0.12 105	0.15 105	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLG	0.13 72	0.20 82	0.14 97	0.15 83	0.11 103	0.14 94	0.11 97	0.14 95	0.11 100	0.14 95	0.11 98	0.14 96	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

ACRE	0.13 72	0.21 87	0.14 97	0.15 83	0.11 103	0.14 94	0.11 97	0.14 95	0.11 100	0.14 95	0.12 105	0.14 96	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

LRCNet_RVC	0.13 72	0.13 67	0.09 52	0.13 70	0.10 88	0.14 94	0.10 85	0.14 95	0.10 86	0.23 129	0.10 86	0.20 116	0.10 87	0.24 138	0.11 92	0.11 68	0.09 55	0.12 91	0.14 121	0.12 95	0.09 79

aanetorigin	0.13 72	0.11 64	0.11 73	0.11 57	0.11 103	0.11 90	0.11 97	0.11 91	0.11 100	0.11 91	0.12 105	0.11 92	0.11 98	0.11 91	0.11 92	0.11 68	0.11 75	0.14 95	0.11 97	0.49 212	0.11 95

FADNet-RVC	0.13 72	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 56	0.04 54	0.05 71	0.04 51	0.05 64	0.04 46	1.71 372	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

ELAS	0.13 72	0.16 72	0.11 73	0.15 83	0.09 82	0.18 110	0.11 97	0.18 111	0.11 100	0.17 108	0.11 98	0.18 112	0.11 98	0.18 111	0.11 92	0.14 90	0.08 46	0.14 95	0.08 78	0.14 98	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
mmm	0.14 79	1.83 289	0.12 78	0.11 57	0.03 39	0.03 36	0.03 39	0.03 38	0.04 56	0.03 36	0.03 40	0.03 38	0.03 42	0.06 59	0.04 49	0.12 73	0.11 75	0.05 58	0.04 52	0.05 63	0.04 53

ProNet	0.14 79	0.20 82	0.14 97	0.16 89	0.11 103	0.16 105	0.11 97	0.17 109	0.11 100	0.17 108	0.12 105	0.17 109	0.13 115	0.17 109	0.12 103	0.15 97	0.11 75	0.16 106	0.11 97	0.15 105	0.12 107

IPLGR_C	0.14 79	0.20 82	0.12 78	0.15 83	0.11 103	0.14 94	0.15 116	0.14 95	0.11 100	0.15 101	0.12 105	0.14 96	0.11 98	0.16 106	0.11 92	0.15 97	0.12 86	0.14 95	0.12 110	0.15 105	0.12 107

MIPNet	0.14 79	0.21 87	0.17 116	0.16 89	0.11 103	0.15 100	0.12 109	0.14 95	0.11 100	0.16 105	0.11 98	0.14 96	0.11 98	0.14 97	0.11 92	0.14 90	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLGR	0.14 79	0.24 97	0.14 97	0.16 89	0.12 115	0.15 100	0.12 109	0.14 95	0.11 100	0.15 101	0.12 105	0.14 96	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

GMStereo	0.14 79	0.13 67	0.14 97	0.14 74	0.14 119	0.14 94	0.14 113	0.14 95	0.14 119	0.14 95	0.14 120	0.14 96	0.14 117	0.14 97	0.14 112	0.14 90	0.14 108	0.14 95	0.14 121	0.14 98	0.14 115
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
AnyNet_C32	0.14 79	0.04 31	0.03 28	2.22 347	0.04 54	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.04 51	0.02 21	0.07 73	0.04 49	0.02 14	0.02 14	0.03 34	0.03 42	0.02 19	0.03 39

HSM	0.14 79	0.16 72	0.12 78	0.17 95	0.12 115	0.17 108	0.11 97	0.17 109	0.11 100	0.17 108	0.12 105	0.17 109	0.12 111	0.17 109	0.12 103	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.12 107

DRN-Test	0.14 79	0.13 67	0.09 52	0.14 74	0.09 82	0.15 100	0.09 80	0.14 95	0.10 86	0.14 95	0.09 82	0.14 96	0.09 83	0.13 96	0.09 76	0.12 73	0.09 55	0.12 91	0.09 80	0.12 95	0.73 266

ELAS_RVC	0.14 79	0.16 72	0.10 56	0.15 83	0.10 88	0.18 110	0.11 97	0.19 112	0.11 100	0.19 112	0.12 105	0.18 112	0.11 98	0.19 113	0.12 103	0.14 90	0.08 46	0.14 95	0.09 80	0.15 105	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
CoDeX	0.15 89	0.70 169	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 260	0.02 14	0.69 249	0.75 265	0.01 9	0.02 19	0.02 19

ICVP	0.15 89	0.53 160	0.11 73	0.16 89	0.11 103	0.16 105	0.11 97	0.16 107	0.11 100	0.16 105	0.11 98	0.16 106	0.11 98	0.16 106	0.11 92	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ADCP+	0.15 89	0.04 31	0.04 31	2.20 346	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.05 71	0.04 51	0.04 58	0.08 76	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

StereoDRNet	0.15 89	0.14 71	0.10 56	0.14 74	0.09 82	0.15 100	0.09 80	0.14 95	0.09 85	0.14 95	0.10 86	0.14 96	0.09 83	0.14 97	0.09 76	0.13 85	0.10 59	0.13 94	0.09 80	0.13 97	0.82 276

LALA_ROB	0.15 89	0.19 78	0.12 78	0.18 96	0.11 103	0.20 115	0.12 109	0.21 121	0.12 115	0.20 115	0.12 105	0.20 116	0.12 111	0.21 126	0.13 109	0.17 109	0.10 59	0.18 119	0.11 97	0.18 114	0.11 95

SGM_RVC	0.15 89	0.17 76	0.11 73	0.18 96	0.11 103	0.19 113	0.11 97	0.19 112	0.12 115	0.19 112	0.12 105	0.20 116	0.12 111	0.19 113	0.12 103	0.16 105	0.11 75	0.17 111	0.10 86	0.17 111	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
GMStereo_Zeroshot	0.16 95	0.16 72	0.16 112	0.16 89	0.16 133	0.16 105	0.16 119	0.16 107	0.16 129	0.16 105	0.16 128	0.16 106	0.16 126	0.16 106	0.16 125	0.16 105	0.16 113	0.16 106	0.16 124	0.16 108	0.16 116

qqq	0.16 95	2.01 300	0.12 78	0.15 83	0.04 54	0.06 63	0.05 63	0.06 66	0.04 56	0.06 68	0.03 40	0.06 69	0.03 42	0.06 59	0.03 37	0.12 73	0.14 108	0.04 48	0.04 52	0.03 39	0.03 39

DeepPruner_ROB	0.16 95	0.18 77	0.13 93	0.19 99	0.13 118	0.19 113	0.13 112	0.19 112	0.13 118	0.19 112	0.13 117	0.19 115	0.13 115	0.19 113	0.13 109	0.18 116	0.13 107	0.18 119	0.13 118	0.18 114	0.13 113

11t1	0.17 98	2.16 305	0.13 93	0.13 70	0.04 54	0.06 63	0.04 54	0.06 66	0.04 56	0.06 68	0.03 40	0.06 69	0.03 42	0.06 59	0.05 59	0.18 116	0.12 86	0.06 65	0.03 42	0.05 63	0.03 39

SFCPSM	0.17 98	0.78 172	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 275	0.02 14	0.75 254	0.76 268	0.02 20	0.02 19	0.02 19

BEATNet-Init1	0.19 100	0.08 45	0.08 47	2.23 348	0.08 80	0.08 74	0.07 78	0.07 75	0.08 82	0.08 75	0.07 79	0.08 76	0.07 80	0.11 91	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

DeepPrunerF	0.19 100	0.08 45	0.08 47	2.23 348	0.08 80	0.08 74	0.07 78	0.07 75	0.08 82	0.08 75	0.07 79	0.08 76	0.07 80	0.11 91	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

IGEV_Zeroshot_test	0.20 102	0.19 78	0.40 185	0.30 128	0.17 134	0.22 125	0.17 120	0.21 121	0.17 131	0.20 115	0.17 130	0.21 124	0.18 133	0.21 126	0.17 126	0.20 119	0.16 113	0.20 122	0.16 124	0.20 117	0.17 122

DAS	0.20 102	0.20 82	0.20 125	0.20 100	0.20 143	0.20 115	0.20 129	0.20 116	0.20 138	0.20 115	0.20 141	0.20 116	0.20 140	0.20 116	0.20 136	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 127

ASD4	0.20 102	0.20 82	0.20 125	0.20 100	0.20 143	0.20 115	0.20 129	0.20 116	0.20 138	0.20 115	0.20 141	0.20 116	0.20 140	0.20 116	0.20 136	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 127

ACVNet	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 286	0.21 121	0.14 119	0.20 115	0.13 117	0.21 124	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 107

acv_ft	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 286	0.21 121	0.14 119	0.20 115	0.13 117	0.21 124	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 107

iResNetv2_ROB	0.20 102	0.23 91	0.18 121	0.24 115	0.20 143	0.24 132	0.18 124	0.24 131	0.18 132	0.24 134	0.18 138	0.23 132	0.19 137	0.24 138	0.18 132	0.21 123	0.16 113	0.21 125	0.16 124	0.22 124	0.16 116

iResNet	0.20 102	0.23 91	0.18 121	0.24 115	0.18 139	0.24 132	0.20 129	0.24 131	0.18 132	0.23 129	0.17 130	0.23 132	0.18 133	0.23 134	0.18 132	0.22 125	0.16 113	0.21 125	0.16 124	0.21 122	0.16 116

SuperB	0.21 109	0.10 53	2.51 378	0.12 60	0.09 82	0.10 79	0.09 80	0.08 78	0.07 80	0.10 79	0.09 82	0.09 80	0.07 80	0.07 73	0.07 71	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

WAO-6	0.22 110	0.23 91	0.22 129	0.23 110	0.22 150	0.22 125	0.22 139	0.22 125	0.22 142	0.22 126	0.22 147	0.22 129	0.22 145	0.22 130	0.22 141	0.22 125	0.22 134	0.22 130	0.22 145	0.22 124	0.22 131

IMH-64-1	0.22 110	0.23 91	0.23 131	0.22 108	0.22 150	0.22 125	0.22 139	0.22 125	0.22 142	0.22 126	0.22 147	0.22 129	0.22 145	0.22 130	0.22 141	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 133

IMH-64	0.22 110	0.23 91	0.23 131	0.22 108	0.22 150	0.22 125	0.22 139	0.22 125	0.22 142	0.22 126	0.22 147	0.22 129	0.22 145	0.22 130	0.22 141	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 133

ac_64	0.22 110	0.13 67	0.19 123	0.23 110	0.10 88	0.26 143	1.02 291	0.14 95	0.10 86	0.28 144	0.14 120	0.17 109	0.19 137	0.28 153	0.09 76	0.22 125	0.16 113	0.23 134	0.17 137	0.11 90	0.12 107

dd	0.23 114	0.98 193	0.16 112	0.23 110	0.15 128	0.23 131	0.15 116	0.23 128	0.15 127	0.23 129	0.15 127	0.24 136	0.17 128	0.23 134	0.15 120	0.22 125	0.15 111	0.21 125	0.15 123	0.22 124	0.16 116

dad	0.23 114	1.03 205	0.16 112	0.23 110	0.15 128	0.24 132	0.15 116	0.24 131	0.16 129	0.23 129	0.16 128	0.24 136	0.16 126	0.23 134	0.15 120	0.22 125	0.16 113	0.22 130	0.16 124	0.22 124	0.16 116

MSKI-zero shot	0.24 116	0.21 87	0.49 216	0.65 209	0.18 139	0.22 125	0.17 120	0.23 128	0.18 132	0.21 124	0.17 130	0.23 132	0.28 173	0.23 134	0.18 132	0.21 123	0.16 113	0.21 125	0.16 124	0.21 122	0.16 116

qqq1	0.25 117	3.70 338	0.14 97	0.14 74	0.04 54	0.06 63	0.05 63	0.06 66	0.05 69	0.06 68	0.05 71	0.04 51	0.05 64	0.06 59	0.05 59	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 117	3.70 338	0.14 97	0.14 74	0.04 54	0.06 63	0.05 63	0.06 66	0.05 69	0.06 68	0.05 71	0.04 51	0.05 64	0.06 59	0.05 59	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

UNDER WATER-64	0.25 117	0.26 99	0.25 139	0.26 124	0.25 160	0.25 136	0.25 148	0.25 134	0.25 151	0.25 135	0.25 160	0.25 139	0.25 152	0.26 149	0.25 153	0.25 143	0.25 140	0.25 140	0.25 158	0.25 132	0.25 143

DualNet	0.25 117	3.83 343	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 64	0.06 59	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 117	3.83 343	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 64	0.06 59	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 117	3.83 343	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 64	0.06 59	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 117	3.83 343	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 64	0.06 59	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

MIM_Stereo	0.25 117	0.23 91	0.66 238	0.80 225	0.17 134	0.22 125	0.17 120	0.23 128	0.18 132	0.26 142	0.17 130	0.21 124	0.17 128	0.25 140	0.17 126	0.23 134	0.16 113	0.21 125	0.17 137	0.22 124	0.17 122

LoS	0.25 117	0.27 100	0.25 139	0.25 118	0.25 160	0.25 136	0.25 148	0.26 138	0.25 151	0.25 135	0.25 160	0.25 139	0.25 152	0.25 140	0.25 153	0.26 144	0.25 140	0.25 140	0.26 164	0.26 133	0.25 143

Syn2CoEx	0.25 117	1.31 270	0.74 251	0.92 238	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 263	0.75 254	0.02 18	0.02 20	0.02 19	0.02 19

SQANet	0.28 127	0.28 102	0.28 148	0.28 126	0.28 170	0.28 147	0.28 162	0.28 140	0.28 170	0.28 144	0.28 173	0.28 149	0.28 173	0.28 153	0.28 163	0.28 149	0.28 153	0.28 149	0.28 174	0.28 138	0.28 166

HGLStereo	0.28 127	0.29 104	0.22 129	0.36 141	0.22 150	0.36 167	0.21 135	0.36 157	0.21 141	0.42 198	0.21 146	0.36 168	0.22 145	0.36 170	0.21 139	0.34 163	0.21 131	0.34 171	0.21 143	0.34 152	0.21 129

iResNet_ROB	0.28 127	0.32 107	0.24 137	0.32 134	0.25 160	0.32 161	0.24 146	0.32 147	0.24 148	0.33 155	0.24 156	0.35 163	0.24 150	0.33 163	0.24 148	0.31 158	0.24 139	0.32 157	0.24 155	0.32 144	0.24 142

UNet	0.29 130	0.90 182	0.10 56	0.14 74	0.10 88	0.14 94	0.10 85	0.91 264	0.69 267	0.14 95	0.11 98	0.14 96	0.11 98	0.14 97	0.10 81	0.12 73	0.09 55	0.12 91	0.09 80	0.88 252	0.76 271

LoS_RVC	0.30 131	1.14 211	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 134	0.25 151	0.25 135	0.25 160	0.26 147	0.26 161	0.26 149	0.25 153	0.26 144	0.26 143	0.25 140	0.25 158	0.26 133	0.26 149

CAS	0.30 131	1.17 215	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 134	0.26 164	0.25 135	0.25 160	0.25 139	0.25 152	0.25 140	0.25 153	0.26 144	0.26 143	0.26 143	0.25 158	0.26 133	0.25 143

DANet	0.30 131	0.30 105	0.30 154	0.30 128	0.30 184	0.30 151	0.30 171	0.30 145	0.30 181	0.30 147	0.30 183	0.30 155	0.30 181	0.30 157	0.30 176	0.30 156	0.30 169	0.30 155	0.30 190	0.30 143	0.30 177
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
tt1	0.31 134	0.93 189	0.24 137	0.33 136	0.23 154	0.31 154	0.24 146	0.32 147	0.24 148	0.32 153	0.23 150	0.32 159	0.25 152	0.32 159	0.24 148	0.27 147	0.26 143	0.27 147	0.26 164	0.27 136	0.27 154

xxxxx1	0.31 134	0.91 183	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 149	0.25 151	0.31 149	0.24 156	0.33 160	0.25 152	0.32 159	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

DLNR_Zeroshot_test	0.31 134	0.28 102	0.47 207	0.79 223	0.24 159	0.30 151	0.26 154	0.30 145	0.24 148	0.32 153	0.23 150	0.31 157	0.24 150	0.30 157	0.23 146	0.29 155	0.26 143	0.29 153	0.24 155	0.33 148	0.23 133

tt_ll	0.31 134	0.91 183	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 149	0.25 151	0.31 149	0.24 156	0.33 160	0.25 152	0.32 159	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

ff	0.31 134	0.91 183	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 149	0.25 151	0.31 149	0.24 156	0.33 160	0.25 152	0.32 159	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

RAFT + AFF	0.31 134	0.45 140	0.34 173	0.39 149	0.28 170	0.38 175	0.33 183	0.29 143	0.31 183	0.30 147	0.30 183	0.29 154	0.27 168	0.29 156	0.30 176	0.28 149	0.29 162	0.29 153	0.29 183	0.27 136	0.32 186

MLCV	0.31 134	0.35 108	0.27 145	0.35 137	0.28 170	0.35 164	0.27 157	0.35 153	0.28 170	0.36 162	0.27 168	0.35 163	0.27 168	0.35 165	0.27 159	0.34 163	0.27 148	0.34 171	0.27 170	0.34 152	0.27 154

DN-CSS_ROB	0.31 134	0.35 108	0.28 148	0.35 137	0.28 170	0.34 162	0.27 157	0.34 152	0.25 151	0.35 159	0.27 168	0.36 168	0.26 161	0.34 164	0.28 163	0.35 169	0.28 153	0.34 171	0.28 174	0.34 152	0.27 154

Any-RAFT	0.32 142	0.36 111	0.27 145	0.36 141	0.27 167	0.36 167	0.27 157	0.36 157	0.27 167	0.36 162	0.27 168	0.36 168	0.27 168	0.36 170	0.28 163	0.36 172	0.28 153	0.36 186	0.28 174	0.36 169	0.28 166

StereoDRNet-Refined	0.33 143	0.39 121	0.26 144	0.39 149	0.26 166	0.40 182	0.26 154	0.40 174	0.26 164	0.39 172	0.26 165	0.39 179	0.26 161	0.39 182	0.26 158	0.37 176	0.25 140	0.37 188	0.25 158	0.37 171	0.37 198
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iRaft-Stereo_5w	0.34 144	0.42 137	0.31 159	0.39 149	0.30 184	0.38 175	0.30 171	0.40 174	0.29 172	0.40 176	0.37 203	0.41 194	0.34 193	0.38 175	0.30 176	0.34 163	0.27 148	0.34 171	0.26 164	0.34 152	0.26 149

CSP-Net	0.34 144	1.29 268	1.19 286	1.36 325	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 336	1.21 338	0.03 34	0.09 80	0.02 19	0.09 79

iRaft-Stereo_20w	0.34 144	0.41 130	0.31 159	0.39 149	0.29 176	0.40 182	0.32 176	0.41 186	0.32 187	0.38 167	0.30 183	0.39 179	0.30 181	0.38 175	0.32 180	0.35 169	0.27 148	0.34 171	0.27 170	0.34 152	0.29 170

DGSMNet	0.34 144	0.41 130	0.27 145	0.41 169	0.28 170	0.41 196	0.28 162	0.41 186	0.27 167	0.41 187	0.27 168	0.42 210	0.27 168	0.41 197	0.28 163	0.40 190	0.29 162	0.40 201	0.28 174	0.40 186	0.27 154

CASnet	0.35 148	0.51 158	0.44 198	0.32 134	0.31 188	0.24 132	0.34 192	0.36 157	0.25 151	0.31 149	0.37 203	0.30 155	0.33 190	0.25 140	0.45 225	0.37 176	0.37 180	0.33 164	0.35 207	0.34 152	0.37 198
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
IGEV-Stereo	0.35 148	0.44 138	0.45 200	0.49 190	0.30 184	0.37 172	0.30 171	0.36 157	0.30 181	0.36 162	0.29 175	0.36 168	0.29 177	0.36 170	0.30 176	0.46 211	0.39 189	0.32 157	0.24 155	0.32 144	0.25 143
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ETE_ROB	0.35 148	0.35 108	0.35 176	0.35 137	0.35 208	0.35 164	0.35 194	0.35 153	0.35 198	0.35 159	0.35 199	0.35 163	0.35 195	0.35 165	0.35 196	0.35 169	0.35 176	0.35 181	0.35 207	0.35 163	0.35 194

RAFT-Test	0.36 151	0.37 112	0.33 166	0.41 169	0.32 191	0.41 196	0.32 176	0.41 186	0.32 187	0.41 187	0.32 187	0.41 194	0.32 186	0.41 197	0.33 183	0.37 176	0.29 162	0.37 188	0.29 183	0.38 177	0.31 182

DMCA	0.36 151	0.38 114	0.37 178	0.35 137	0.35 208	0.36 167	0.36 196	0.36 157	0.35 198	0.35 159	0.37 203	0.36 168	0.36 196	0.35 165	0.36 197	0.36 172	0.36 178	0.35 181	0.36 210	0.36 169	0.36 195

ACVNet-DCA	0.37 153	1.00 195	0.30 154	0.40 161	0.29 176	0.40 182	0.29 167	0.40 174	0.29 172	0.40 176	0.29 175	0.40 185	0.29 177	0.39 182	0.28 163	0.33 160	0.32 172	0.33 164	0.32 199	0.33 148	0.32 186

1test111	0.37 153	1.02 203	0.30 154	0.39 149	0.29 176	0.40 182	0.28 162	0.39 170	0.29 172	0.39 172	0.29 175	0.39 179	0.28 173	0.40 185	0.29 169	0.33 160	0.32 172	0.33 164	0.31 195	0.32 144	0.31 182

cc1	0.37 153	1.02 203	0.30 154	0.39 149	0.29 176	0.40 182	0.28 162	0.39 170	0.29 172	0.39 172	0.29 175	0.39 179	0.28 173	0.40 185	0.29 169	0.33 160	0.32 172	0.33 164	0.31 195	0.32 144	0.31 182

EKT-Stereo	0.37 153	0.40 123	0.44 198	1.07 254	0.29 176	0.34 162	0.31 175	0.36 157	0.29 172	0.38 167	0.31 186	0.37 173	0.30 181	0.36 170	0.29 169	0.34 163	0.28 153	0.39 198	0.30 190	0.37 171	0.30 177

GMOStereo	0.37 153	0.45 140	0.23 131	0.30 128	0.37 210	0.41 196	0.36 196	0.41 186	0.35 198	0.43 202	0.36 200	0.41 194	0.40 205	0.41 197	0.36 197	0.34 163	0.22 134	0.47 230	0.37 213	0.39 183	0.33 189

XPNet_ROB	0.37 153	0.37 112	0.37 178	0.37 144	0.37 210	0.37 172	0.37 200	0.37 163	0.37 204	0.37 166	0.37 203	0.37 173	0.37 198	0.37 174	0.37 203	0.37 176	0.37 180	0.37 188	0.37 213	0.37 171	0.37 198

WAO-8	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.38 175	0.38 205	0.38 166	0.38 206	0.38 167	0.38 208	0.38 175	0.38 200	0.38 175	0.38 204	0.38 183	0.38 184	0.38 194	0.37 213	0.38 177	0.38 202

WAO-7	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.38 175	0.38 205	0.38 166	0.38 206	0.38 167	0.38 208	0.38 175	0.38 200	0.38 175	0.38 204	0.38 183	0.38 184	0.38 194	0.38 219	0.38 177	0.38 202

xx1	0.38 159	1.03 205	0.31 159	0.40 161	0.31 188	0.41 196	0.28 162	0.40 174	0.29 172	0.40 176	0.29 175	0.40 185	0.29 177	0.40 185	0.29 169	0.34 163	0.33 175	0.34 171	0.32 199	0.34 152	0.32 186

Venus	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.37 172	0.38 205	0.37 163	0.37 204	0.41 187	0.37 203	0.39 179	0.37 198	0.38 175	0.38 204	0.37 176	0.38 184	0.38 194	0.37 213	0.37 171	0.38 202

IMH	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.38 175	0.38 205	0.38 166	0.38 206	0.42 198	0.38 208	0.40 185	0.38 200	0.38 175	0.38 204	0.38 183	0.38 184	0.39 198	0.38 219	0.38 177	0.38 202

HanzoNet	0.39 164	0.38 114	0.40 185	0.39 149	0.41 226	0.38 175	0.38 205	0.38 166	0.38 206	0.39 172	0.39 212	0.38 175	0.38 200	0.39 182	0.40 210	0.38 183	0.38 184	0.40 201	0.38 219	0.38 177	0.40 206

CES	0.39 164	0.47 146	0.36 177	0.36 141	0.37 210	0.45 218	0.35 194	0.35 153	0.40 212	0.36 162	0.44 228	0.47 219	0.36 196	0.44 211	0.36 197	0.37 176	0.39 189	0.44 223	0.35 207	0.37 171	0.36 195

PASM	0.39 164	3.06 329	1.36 348	1.58 329	0.09 82	0.11 90	0.11 97	0.11 91	0.11 100	0.09 78	0.09 82	0.11 92	0.09 83	0.09 79	0.09 76	0.11 68	0.11 75	0.11 88	0.09 80	0.11 90	0.11 95

knoymous	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 211	0.40 174	0.40 212	0.40 176	0.40 213	0.40 185	0.40 205	0.40 185	0.40 210	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 206

anonymousa	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 211	0.40 174	0.40 212	0.40 176	0.40 213	0.40 185	0.40 205	0.40 185	0.40 210	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 206

riskmin	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 211	0.40 174	0.40 212	0.40 176	0.40 213	0.40 185	0.40 205	0.40 185	0.40 210	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 206

Anonymous_2	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 211	0.40 174	0.40 212	0.40 176	0.40 213	0.40 185	0.40 205	0.40 185	0.40 210	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 206

Anonymous_1	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 211	0.40 174	0.40 212	0.40 176	0.40 213	0.40 185	0.40 205	0.40 185	0.40 210	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 206

AdaStereo	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 211	0.40 174	0.40 212	0.40 176	0.40 213	0.40 185	0.40 205	0.40 185	0.40 210	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 206
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.
GwcNet-ADL	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 217	0.41 186	0.41 221	0.41 187	0.41 219	0.41 194	0.41 215	0.41 197	0.41 217	0.41 197	0.41 200	0.41 212	0.41 228	0.41 194	0.41 213

PSMNet-ADL	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 217	0.41 186	0.41 221	0.41 187	0.41 219	0.41 194	0.41 215	0.41 197	0.41 217	0.41 197	0.41 200	0.41 212	0.41 228	0.41 194	0.41 213

GANet-ADL	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 217	0.41 186	0.41 221	0.41 187	0.41 219	0.41 194	0.41 215	0.41 197	0.41 217	0.41 197	0.41 200	0.41 212	0.41 228	0.41 194	0.41 213

ADLNet2	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 217	0.41 186	0.41 221	0.41 187	0.41 219	0.41 194	0.41 215	0.41 197	0.41 217	0.41 197	0.41 200	0.41 212	0.41 228	0.41 194	0.41 213

ADLNet	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 217	0.41 186	0.41 221	0.41 187	0.41 219	0.41 194	0.41 215	0.41 197	0.41 217	0.41 197	0.41 200	0.41 212	0.41 228	0.41 194	0.41 213

FCDSN-DC	0.41 173	0.59 166	0.64 233	0.54 199	0.33 200	0.50 235	0.37 200	0.42 202	0.40 212	0.61 244	0.43 227	0.50 237	0.49 237	0.38 175	0.32 180	0.28 149	0.23 138	0.26 143	0.22 145	0.35 163	0.28 166
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
psmorigin	0.41 173	0.46 142	0.33 166	0.49 190	0.33 200	0.49 229	0.33 183	0.49 216	0.33 190	0.49 220	0.33 190	0.49 226	0.33 190	0.51 233	0.33 183	0.41 197	0.30 169	0.41 212	0.30 190	0.79 242	0.29 170

Gwc-CoAtRS	0.41 173	1.49 276	0.32 162	0.42 177	0.32 191	0.41 196	0.32 176	0.41 186	0.33 190	0.41 187	0.32 187	0.41 194	0.32 186	0.41 197	0.32 180	0.39 188	0.28 153	0.39 198	0.28 174	0.40 186	0.28 166

UPFNet	0.42 181	1.20 219	0.17 116	0.24 115	0.17 134	0.25 136	0.17 120	1.19 288	0.90 285	0.25 135	0.17 130	0.24 136	0.17 128	0.25 140	0.17 126	0.22 125	0.17 125	0.22 130	0.16 124	1.15 272	0.93 284

psmg	0.43 182	1.91 292	0.92 266	1.91 338	0.02 20	0.02 18	0.03 39	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 361	1.44 352	0.04 48	0.03 42	0.02 19	0.03 39

delet	0.43 182	1.21 265	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 340	0.95 292	0.25 135	0.17 130	0.25 139	0.17 128	0.25 140	0.17 126	0.23 134	0.16 113	0.22 130	0.16 124	1.18 280	0.98 287

psm_up	0.43 182	1.19 218	0.17 116	0.25 118	0.18 139	0.25 136	0.19 127	1.26 340	0.91 286	0.26 142	0.17 130	0.25 139	0.17 128	0.25 140	0.17 126	0.22 125	0.17 125	0.23 134	0.16 124	1.18 280	0.99 288

MMNet	0.44 185	1.24 267	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 340	0.93 291	0.25 135	0.17 130	0.25 139	0.18 133	0.25 140	0.17 126	0.23 134	0.16 113	0.23 134	0.16 124	1.20 283	0.99 288

TorneroNet-64	0.45 186	0.27 100	0.30 154	0.58 203	0.27 167	0.70 255	0.30 171	0.28 140	0.73 274	0.73 257	0.28 173	0.71 255	0.66 255	0.75 261	0.27 159	0.27 147	0.29 162	0.37 188	0.75 277	0.28 138	0.30 177

otaku	0.46 187	0.46 142	0.46 202	0.46 180	0.46 236	0.46 219	0.46 225	0.46 206	0.46 228	0.46 206	0.46 231	0.46 214	0.46 223	0.46 214	0.46 227	0.46 211	0.46 207	0.46 226	0.46 235	0.46 201	0.46 221

Dean	0.46 187	0.46 142	0.46 202	0.46 180	0.46 236	0.46 219	0.46 225	0.46 206	0.46 228	0.47 211	0.46 231	0.46 214	0.46 223	0.46 214	0.46 227	0.46 211	0.46 207	0.46 226	0.46 235	0.46 201	0.46 221

ACVNet_1	0.46 187	0.47 146	0.46 202	0.46 180	0.46 236	0.46 219	0.46 225	0.46 206	0.47 231	0.46 206	0.46 231	0.46 214	0.46 223	0.46 214	0.46 227	0.46 211	0.46 207	0.47 230	0.46 235	0.46 201	0.46 221

ACVNet-4b	0.46 187	0.46 142	0.46 202	0.46 180	0.46 236	0.46 219	0.46 225	0.46 206	0.46 228	0.46 206	0.46 231	0.46 214	0.46 223	0.47 217	0.46 227	0.46 211	0.46 207	0.46 226	0.46 235	0.46 201	0.46 221

PML	0.46 187	1.36 273	0.29 150	0.58 203	0.30 184	0.57 246	0.29 167	0.57 234	0.29 172	0.57 240	0.29 175	0.57 246	0.29 177	0.56 241	0.29 169	0.52 229	0.30 169	0.53 247	0.31 195	0.53 220	0.30 177

Ntro	0.47 192	0.47 146	0.46 202	0.46 180	0.46 236	0.47 223	0.47 231	0.46 206	0.47 231	0.46 206	0.46 231	0.47 219	0.46 223	0.47 217	0.47 231	0.47 216	0.46 207	0.46 226	0.46 235	0.46 201	0.46 221

HaxPig	0.47 192	0.47 146	0.47 207	0.49 190	0.47 241	0.47 223	0.47 231	0.47 211	0.47 231	0.47 211	0.47 238	0.47 219	0.47 232	0.47 217	0.47 231	0.47 216	0.47 213	0.47 230	0.47 241	0.47 207	0.48 229

UNDER WATER	0.47 192	0.47 146	0.47 207	0.47 185	0.47 241	0.47 223	0.47 231	0.47 211	0.47 231	0.47 211	0.47 238	0.47 219	0.46 223	0.47 217	0.47 231	0.47 216	0.47 213	0.47 230	0.46 235	0.47 207	0.47 226

LVE	0.47 192	0.47 146	0.47 207	0.47 185	0.49 246	0.47 223	0.47 231	0.47 211	0.49 238	0.47 211	0.47 238	0.47 219	0.46 223	0.47 217	0.47 231	0.47 216	0.47 213	0.48 238	0.47 241	0.47 207	0.47 226

SPstereo	0.47 192	0.38 114	0.51 220	0.56 201	0.31 188	0.67 253	0.44 223	0.55 230	0.31 183	0.61 244	0.44 228	0.46 214	0.52 242	0.67 252	0.42 223	0.48 220	0.40 191	0.47 230	0.36 210	0.53 220	0.33 189

RainbowNet	0.48 197	0.48 152	0.48 212	0.48 188	0.48 243	0.48 227	0.48 236	0.48 214	0.48 236	0.48 215	0.48 241	0.48 224	0.48 233	0.48 222	0.48 236	0.48 220	0.48 217	0.48 238	0.48 244	0.48 210	0.48 229

notaker	0.48 197	0.49 153	0.48 212	0.48 188	0.48 243	0.48 227	0.48 236	0.48 214	0.49 238	0.48 215	0.48 241	0.48 224	0.48 233	0.48 222	0.48 236	0.48 220	0.48 217	0.48 238	0.48 244	0.48 210	0.49 232

LL-Strereo2	0.48 197	1.73 287	0.51 220	0.59 205	0.34 206	0.42 212	0.33 183	0.40 174	0.31 183	0.42 198	0.33 190	0.42 210	0.31 185	0.44 211	0.39 209	0.60 235	0.51 224	0.44 223	0.33 204	0.44 200	0.33 189

ACVNet_2	0.49 200	0.49 153	0.49 216	0.49 190	0.49 246	0.49 229	0.49 239	0.49 216	0.49 238	0.49 220	0.49 245	0.49 226	0.49 237	0.49 228	0.49 239	0.49 223	0.49 219	0.49 241	0.49 246	0.49 212	0.49 232

SANet	0.50 201	0.50 155	0.50 218	0.50 196	0.50 249	0.50 235	0.50 241	0.50 223	0.50 241	0.50 229	0.50 247	0.50 237	0.50 240	0.50 232	0.50 240	0.50 227	0.50 223	0.50 244	0.50 247	0.50 216	0.50 235

Selective-IGEV	0.51 202	0.55 165	0.45 200	0.69 212	0.45 235	0.61 248	0.45 224	0.50 223	0.40 212	0.56 239	0.44 228	0.55 242	0.40 205	0.72 257	0.67 260	0.59 233	0.46 207	0.45 225	0.34 205	0.46 201	0.37 198

RCA-Stereo	0.51 202	3.22 333	0.34 173	0.44 178	0.34 206	0.44 217	0.34 192	0.43 204	0.34 197	0.43 202	0.34 196	0.44 213	0.33 190	0.43 209	0.33 183	0.38 183	0.29 162	0.38 194	0.29 183	0.38 177	0.29 170

FENet	0.54 204	1.52 277	1.19 286	1.41 328	0.23 154	0.35 164	0.23 142	0.35 153	0.23 147	0.34 157	0.23 150	0.35 163	0.23 149	0.35 165	0.23 146	1.40 345	1.07 273	0.32 157	0.23 150	0.33 148	0.23 133

PSMNet_ROB	0.54 204	0.54 163	0.54 222	0.54 199	0.53 253	0.54 240	0.54 244	0.53 228	0.54 249	0.54 235	0.54 253	0.54 239	0.53 244	0.54 236	0.54 244	0.54 231	0.53 227	0.54 248	0.54 248	0.54 222	0.54 238

CFNet-ft	0.55 206	1.57 278	0.14 97	0.20 100	0.14 119	0.20 115	2.53 381	1.61 349	0.14 119	0.20 115	0.14 120	0.20 116	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	1.56 340	1.24 355

MyStereo04	0.56 207	3.72 341	0.59 226	0.49 190	0.41 226	0.36 167	0.32 176	0.37 163	0.31 183	0.34 157	0.46 231	0.35 163	0.32 186	0.35 165	0.33 183	0.49 223	0.45 205	0.34 171	0.32 199	0.35 163	0.43 218

CASS	0.57 208	0.89 180	0.56 223	0.57 202	0.56 255	0.56 242	0.56 245	0.56 232	0.53 245	0.57 240	0.57 257	0.59 247	0.48 233	0.56 241	0.57 248	0.55 232	0.56 230	0.47 230	0.56 252	0.62 223	0.56 245
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
MyStereo07	0.60 209	3.72 341	0.48 212	0.49 190	0.41 226	0.36 167	0.32 176	0.49 216	0.43 226	0.51 230	0.42 225	0.49 226	0.43 220	0.51 233	0.64 256	0.49 223	0.45 205	0.34 171	0.32 199	0.35 163	0.43 218

whm_eth	0.63 210	1.48 275	0.47 207	0.71 216	0.48 243	0.71 257	0.48 236	0.71 248	0.48 236	0.71 254	0.48 241	0.71 255	0.48 233	0.72 257	0.48 236	0.71 248	0.47 213	0.71 261	0.47 241	0.71 232	0.47 226

anonymity	0.63 210	0.69 168	0.56 223	0.71 216	0.56 255	0.71 257	0.56 245	0.71 248	0.56 250	0.72 255	0.56 255	0.71 255	0.56 246	0.71 256	0.58 251	0.68 241	0.55 228	0.68 255	0.55 249	0.68 226	0.54 238

CRFU-Net	0.65 212	1.67 282	1.22 336	1.96 341	0.27 167	0.41 196	0.27 157	0.41 186	0.27 167	0.40 176	0.26 165	0.41 194	0.27 168	0.40 185	0.27 159	1.80 355	1.62 357	0.34 171	0.23 150	0.33 148	0.23 133

LMCR-Stereo	0.65 212	0.63 167	0.65 237	0.65 209	0.65 267	0.66 252	0.63 253	0.58 236	0.65 260	0.63 247	0.64 264	0.65 251	0.65 253	0.66 250	0.66 259	0.66 239	0.64 240	0.65 253	0.67 268	0.68 226	0.73 266

KSHMR	0.66 214	0.50 155	0.48 212	1.15 263	0.52 251	0.49 229	0.51 243	0.49 216	0.71 272	0.67 250	0.50 247	1.16 300	1.11 288	0.66 250	0.52 243	0.49 223	0.49 219	0.51 245	0.66 265	0.50 216	1.14 302

TorneroNet	0.66 214	0.53 160	0.50 218	0.50 196	0.64 266	1.06 286	0.70 265	0.50 223	0.51 243	0.49 220	0.69 273	0.49 226	0.50 240	0.48 222	1.15 299	0.71 248	0.49 219	1.14 297	1.08 295	0.49 212	0.49 232

GES	0.66 214	2.34 310	0.29 150	0.41 169	0.29 176	0.41 196	0.29 167	0.42 202	0.29 172	0.40 176	0.41 219	0.41 194	0.30 181	0.51 233	0.29 169	0.32 159	0.29 162	0.32 157	2.46 385	2.49 358	0.30 177

cf-r	0.66 214	2.17 306	0.12 78	0.18 96	0.12 115	0.18 110	2.70 384	2.60 371	0.12 115	0.18 111	0.12 105	0.18 112	0.12 111	0.18 111	0.12 103	0.15 97	0.11 75	0.15 105	0.11 97	1.81 344	1.74 376

DSFCA	0.66 214	0.73 171	0.78 255	0.65 209	0.65 267	0.64 251	0.64 254	0.65 243	0.63 259	0.64 248	0.64 264	0.64 249	0.64 251	0.65 249	0.65 257	0.65 238	0.65 241	0.65 253	0.65 263	0.66 224	0.64 253

ssnet_v2	0.68 219	1.96 299	1.25 340	0.29 127	0.20 143	0.30 151	0.20 129	0.29 143	0.22 142	1.50 351	0.20 141	0.31 157	0.20 140	0.27 151	0.22 141	0.24 139	1.49 353	0.26 143	0.18 139	3.90 370	0.19 126

ARAFT	0.68 219	0.81 177	0.63 231	0.74 219	0.60 257	0.78 264	0.62 252	0.77 253	0.66 262	0.74 261	0.63 262	0.75 261	0.62 250	0.83 267	0.60 253	0.70 245	0.55 228	0.70 260	0.60 257	0.78 240	0.55 242

NINENet	0.69 221	3.87 347	1.20 289	1.98 342	0.05 69	0.40 182	0.04 54	0.40 174	0.05 69	0.41 187	0.04 63	0.41 194	0.05 64	0.40 185	0.05 59	1.79 354	1.56 355	0.34 171	0.22 145	0.34 152	0.23 133

RAFT-Stereo + iAFF	0.70 222	0.72 170	0.71 247	0.80 225	0.62 265	0.82 268	0.61 249	0.81 258	0.62 257	0.81 268	0.63 262	0.80 268	0.70 263	0.73 259	0.61 255	0.76 251	0.61 237	0.74 264	0.61 259	0.77 239	0.61 249

DMCA-RVC	0.70 222	0.80 174	0.70 244	0.70 214	0.70 276	0.70 255	0.70 265	0.71 248	0.70 269	0.70 253	0.71 276	0.71 255	0.70 263	0.70 255	0.69 268	0.69 242	0.70 250	0.69 258	0.70 273	0.69 230	0.70 261

HH	0.71 224	2.54 313	0.74 251	1.10 256	0.32 191	0.41 196	0.37 200	0.69 246	0.78 277	0.73 257	0.90 288	0.75 261	1.00 281	0.84 268	0.69 268	0.69 242	0.40 191	0.35 181	0.26 164	0.35 163	0.26 149

HanStereo	0.71 224	2.54 313	0.74 251	1.10 256	0.32 191	0.41 196	0.37 200	0.69 246	0.78 277	0.73 257	0.90 288	0.75 261	1.00 281	0.84 268	0.69 268	0.69 242	0.40 191	0.35 181	0.26 164	0.35 163	0.26 149

ktn	0.72 226	0.53 160	1.08 277	1.14 261	0.51 250	1.22 346	1.36 358	0.51 227	0.59 252	0.51 230	0.51 250	0.69 254	1.20 299	0.67 252	0.51 242	0.51 228	0.49 219	0.58 249	0.66 265	0.52 218	0.53 237

CroCo-Stereo	0.73 227	1.22 266	0.25 139	1.22 317	0.25 160	1.22 346	0.25 148	1.22 337	0.25 151	1.22 344	0.25 160	1.22 349	0.25 152	1.22 348	0.25 153	1.22 335	0.26 143	1.21 352	0.25 158	1.22 330	0.25 143
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
AFF-stereo	0.73 227	0.88 179	0.67 240	0.75 220	0.68 275	0.75 259	0.64 254	0.80 255	0.72 273	0.83 269	0.70 274	0.82 271	0.64 251	0.84 268	0.67 260	0.77 252	0.63 238	0.81 274	0.63 262	0.78 240	0.62 251

MyStereo06	0.75 229	4.12 348	0.60 227	0.63 207	0.61 262	0.62 249	0.66 257	0.56 232	0.45 227	0.55 237	0.48 241	0.54 239	0.46 223	0.57 243	0.45 225	0.60 235	0.57 231	0.64 251	0.55 249	0.72 233	0.55 242

GANet-RSSM	0.75 229	1.91 292	0.14 97	0.47 185	0.14 119	0.21 123	3.21 389	2.30 368	0.14 119	0.46 206	0.14 120	0.23 132	0.18 133	0.21 126	0.14 112	0.18 116	0.27 148	0.37 188	0.13 118	2.13 352	2.12 378

CroCo-Stereo Lap2	0.77 231	1.29 268	0.29 150	1.27 320	0.29 176	1.27 349	0.26 154	1.26 340	0.26 164	1.26 345	0.26 165	1.27 350	0.26 161	1.26 349	0.27 159	1.27 337	0.27 148	1.27 355	0.27 170	1.27 332	0.27 154

PSMNet-RSSM	0.77 231	2.76 322	0.14 97	0.20 100	0.14 119	0.20 115	2.66 382	2.79 375	0.14 119	0.21 124	0.14 120	0.21 124	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.52 359	2.31 380

GwcNet-RSSM	0.77 231	2.77 324	0.14 97	0.20 100	0.14 119	0.20 115	2.67 383	2.78 374	0.14 119	0.20 115	0.14 120	0.20 116	0.14 117	0.21 126	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.52 359	2.31 380

4D-IteraStereo	0.78 234	3.13 330	0.89 261	0.69 212	0.32 191	0.40 182	0.32 176	0.76 252	0.97 294	0.52 233	0.65 268	0.89 275	0.32 186	0.76 262	0.98 288	0.83 259	0.94 268	0.35 181	0.27 170	0.70 231	0.89 281

hitnet-ft	0.79 235	2.78 325	0.14 97	0.20 100	0.14 119	0.21 123	2.89 385	2.80 376	0.14 119	0.20 115	0.14 120	0.20 116	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.54 361	2.33 382

G-Net	0.79 235	0.79 173	0.79 257	0.79 223	0.79 285	0.79 265	0.79 272	0.79 254	0.79 280	0.79 263	0.79 283	0.79 267	0.79 271	0.79 263	0.79 275	0.79 253	0.79 256	0.79 270	0.79 280	0.79 242	0.79 272

MyStereo05	0.80 237	4.12 348	0.63 231	0.63 207	0.61 262	0.62 249	0.66 257	0.65 243	0.62 257	0.67 250	0.61 260	0.65 251	0.58 247	0.67 252	0.55 247	0.60 235	0.57 231	0.64 251	0.55 249	0.72 233	0.55 242

UDG	0.80 237	2.21 307	0.60 227	0.91 235	0.60 257	0.90 274	0.58 247	0.88 262	0.60 253	0.90 271	0.60 258	0.88 273	0.60 249	0.90 275	0.58 251	0.86 262	0.60 233	0.84 277	0.59 256	0.84 250	0.61 249

ccnet	0.80 237	2.28 309	0.33 166	0.50 196	0.33 200	0.50 235	0.33 183	0.50 223	0.33 190	0.49 220	0.33 190	0.49 226	1.56 360	2.38 371	0.33 183	0.41 197	0.29 162	0.42 221	1.57 368	2.28 354	0.29 170

NaN_ROB	0.80 237	0.80 174	0.80 258	0.80 225	0.80 287	0.80 266	0.80 274	0.80 255	0.80 281	0.80 264	0.80 284	0.80 268	0.80 272	0.80 264	0.80 277	0.80 254	0.80 259	0.80 272	0.80 281	0.80 245	0.80 273

CSAN	0.80 237	0.80 174	0.80 258	0.80 225	0.80 287	0.80 266	0.80 274	0.80 255	0.80 281	0.80 264	0.80 284	0.80 268	0.80 272	0.80 264	0.80 277	0.80 254	0.80 259	0.80 272	0.80 281	0.80 245	0.80 273

BSDual-CNN	0.81 242	1.91 292	0.92 266	4.48 373	0.02 20	0.42 212	0.06 75	0.41 186	0.02 20	0.48 215	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 361	4.19 380	0.33 164	0.23 150	0.34 152	0.27 154

DDUNet	0.81 242	2.45 311	0.57 225	0.90 232	0.60 257	0.88 271	0.59 248	0.90 263	0.60 253	0.88 270	0.60 258	0.90 276	0.58 247	0.88 272	0.60 253	0.84 261	0.60 233	0.86 279	0.57 253	0.86 251	0.60 248

R-Stereo Train	0.81 242	0.96 191	0.67 240	0.95 242	0.67 273	0.95 279	0.68 261	0.95 272	0.68 264	0.95 279	0.68 271	0.96 283	0.68 260	0.96 283	0.68 264	0.94 270	0.68 245	0.94 285	0.68 269	0.94 261	0.68 259

RAFT-Stereo	0.81 242	0.96 191	0.67 240	0.95 242	0.67 273	0.95 279	0.68 261	0.95 272	0.68 264	0.95 279	0.68 271	0.96 283	0.68 260	0.96 283	0.68 264	0.94 270	0.68 245	0.94 285	0.68 269	0.94 261	0.68 259
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
gwcnet-sp	0.82 246	1.72 283	1.48 354	0.39 149	0.15 128	0.31 154	0.21 135	0.20 116	0.25 151	1.61 353	0.23 150	0.28 149	0.26 161	0.20 116	0.15 120	0.24 139	1.33 343	0.32 157	0.16 124	6.75 392	0.23 133

scenet	0.82 246	1.72 283	1.48 354	0.39 149	0.15 128	0.31 154	0.21 135	0.20 116	0.25 151	1.61 353	0.23 150	0.28 149	0.26 161	0.20 116	0.15 120	0.24 139	1.33 343	0.32 157	0.16 124	6.75 392	0.23 133

ssnet	0.82 246	1.72 283	1.48 354	0.39 149	0.15 128	0.31 154	0.21 135	0.20 116	0.25 151	1.61 353	0.23 150	0.28 149	0.26 161	0.20 116	0.15 120	0.24 139	1.33 343	0.32 157	0.16 124	6.75 392	0.23 133

STTRV1_RVC	0.82 246	1.60 280	0.70 244	1.01 251	0.60 257	1.07 289	0.69 264	1.01 277	0.60 253	0.72 255	0.55 254	1.02 288	0.68 260	1.03 288	0.67 260	0.89 264	0.63 238	0.92 283	0.57 253	0.90 254	0.65 254

BUS	0.83 250	1.91 292	0.92 266	4.48 373	0.02 20	0.40 182	0.04 54	0.41 186	0.02 20	0.48 215	0.03 40	0.41 194	0.05 64	0.03 33	0.05 59	1.97 361	4.19 380	0.33 164	0.23 150	0.34 152	0.27 154

PDISCO_ROB	0.83 250	2.80 326	3.49 383	0.14 74	0.11 103	0.17 108	0.09 80	0.15 106	0.10 86	0.15 101	0.12 105	0.16 106	0.14 117	3.30 382	0.13 109	0.14 90	2.34 372	0.16 106	0.12 110	2.62 362	0.10 83

MyStereo03	0.84 252	4.93 361	0.68 243	0.90 232	0.74 282	0.56 242	0.46 225	0.55 230	0.52 244	0.74 261	0.56 255	0.56 244	0.46 223	0.81 266	0.54 244	0.59 233	0.52 225	0.75 265	0.68 269	0.68 226	0.65 254

DCRE	0.84 252	1.89 291	0.77 254	0.94 240	0.72 279	0.88 271	0.73 268	0.87 260	0.78 277	0.90 271	0.71 276	0.88 273	0.67 259	0.88 272	0.73 272	0.81 257	0.68 245	0.81 274	0.70 273	0.82 249	0.70 261

iGMRVC	0.84 252	2.85 327	0.72 248	0.72 218	0.73 280	0.77 262	0.79 272	0.73 251	0.74 276	0.73 257	0.72 278	0.73 259	0.76 269	0.73 259	0.73 272	0.72 250	0.73 252	0.73 263	0.72 276	0.73 238	0.72 264

MyStereo02	0.85 255	4.58 356	0.64 233	0.76 221	0.65 267	0.75 259	0.61 249	0.60 238	0.53 245	0.80 264	0.64 264	0.78 264	0.66 255	0.55 238	0.57 248	0.70 245	0.66 243	0.68 255	0.62 260	0.72 233	0.59 246

MyStereo	0.85 255	4.58 356	0.64 233	0.76 221	0.65 267	0.75 259	0.61 249	0.60 238	0.53 245	0.80 264	0.64 264	0.78 264	0.66 255	0.55 238	0.57 248	0.70 245	0.66 243	0.68 255	0.62 260	0.72 233	0.59 246

GEStereo_RVC	0.86 257	4.45 353	0.20 125	0.27 125	0.20 143	0.27 146	0.20 129	0.26 138	0.18 132	5.03 396	0.20 141	0.27 148	0.19 137	0.27 151	0.21 139	0.20 119	0.19 128	0.19 121	4.02 397	0.20 117	0.18 125

Selective-RAFT-Error	0.88 258	0.84 178	0.98 271	0.86 230	0.97 299	0.88 271	0.95 285	0.84 259	0.99 296	0.92 274	0.82 286	0.84 272	0.98 280	0.87 271	0.97 287	0.81 257	0.83 262	0.79 270	0.82 284	0.79 242	0.85 278

IER	0.88 258	7.04 368	2.23 372	2.75 360	0.28 170	0.43 216	0.25 148	0.39 170	0.25 151	0.41 187	0.27 168	0.39 179	0.25 152	0.40 185	0.28 163	0.37 176	0.28 153	0.37 188	0.25 158	0.37 171	0.25 143

Selective-RAFT	0.89 260	0.89 180	0.72 248	1.16 268	0.78 284	1.06 286	0.82 276	0.87 260	0.97 294	1.00 281	0.91 290	0.90 276	1.00 281	0.89 274	0.93 286	0.83 259	0.83 262	0.82 276	0.82 284	0.81 248	0.82 276

CFNet-RSSM	0.91 261	4.89 360	0.34 173	0.44 178	1.07 305	1.62 358	1.40 364	0.91 264	0.35 198	1.60 352	1.39 363	0.64 249	0.34 193	0.44 211	0.33 183	0.41 197	0.35 176	0.75 265	0.30 190	0.41 194	0.29 170

ToySt	0.92 262	2.11 301	0.90 263	0.95 242	0.79 285	0.99 281	0.78 271	0.94 271	0.81 284	0.94 278	0.78 282	0.95 282	0.77 270	0.94 279	0.86 280	0.91 265	0.79 256	0.85 278	0.77 278	0.89 253	0.73 266

DPSM_ROB	0.92 262	0.91 183	0.91 264	0.91 235	0.92 295	0.92 276	0.92 281	0.92 267	0.91 286	0.93 276	0.91 290	0.92 278	0.90 275	0.91 276	0.92 282	0.92 266	0.91 264	0.91 281	0.92 287	0.93 259	0.93 284

DPSM	0.92 262	0.91 183	0.91 264	0.91 235	0.92 295	0.92 276	0.92 281	0.92 267	0.91 286	0.93 276	0.91 290	0.92 278	0.90 275	0.91 276	0.92 282	0.92 266	0.91 264	0.91 281	0.92 287	0.93 259	0.93 284

pmcnn	0.92 262	0.92 188	0.92 266	0.92 238	0.92 295	0.92 276	0.92 281	0.92 267	0.92 290	0.92 274	0.92 293	0.92 278	0.92 277	0.92 278	0.92 282	0.92 266	0.92 266	0.92 283	0.92 287	0.92 258	0.92 283

error version	0.93 266	4.47 354	2.35 375	1.99 343	0.37 210	0.41 196	0.36 196	0.41 186	0.35 198	0.43 202	0.36 200	0.41 194	0.40 205	0.41 197	0.36 197	1.87 357	2.16 368	0.47 230	0.37 213	0.39 183	0.33 189

test_1	0.93 266	4.47 354	2.35 375	1.99 343	0.37 210	0.41 196	0.36 196	0.41 186	0.35 198	0.43 202	0.36 200	0.41 194	0.40 205	0.41 197	0.36 197	1.87 357	2.16 368	0.47 230	0.37 213	0.39 183	0.33 189

DGTPSM_ROB	0.93 266	1.00 195	0.92 266	0.94 240	0.96 298	0.91 275	0.92 281	0.91 264	0.96 293	0.91 273	0.96 294	0.93 281	0.92 277	0.94 279	0.92 282	0.92 266	0.92 266	0.90 280	0.92 287	0.94 261	0.91 282

HSM-Net_RVC	0.95 269	1.17 215	0.78 255	1.18 270	0.71 277	1.16 299	0.75 270	1.09 280	0.80 281	1.10 288	0.75 281	1.17 301	0.74 267	1.17 300	0.80 277	1.13 285	0.73 252	1.17 303	0.77 278	1.16 274	0.72 264
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iRaftStereo_RVC	0.97 270	3.17 332	2.30 374	2.42 355	0.38 215	0.54 240	0.38 205	0.54 229	0.38 206	0.54 235	0.38 208	0.54 239	0.38 200	0.54 236	0.38 204	2.38 371	2.34 372	0.49 241	0.36 210	0.49 212	0.36 195

DPSimNet_ROB	0.97 270	1.18 217	0.81 260	1.10 256	0.91 294	1.02 285	0.82 276	1.04 278	0.91 286	1.03 285	0.86 287	1.28 351	0.82 274	1.03 288	0.89 281	1.17 287	0.81 261	1.02 294	0.82 284	1.08 268	0.81 275

test-3	0.98 272	4.13 350	1.85 367	1.85 335	0.61 262	0.69 254	0.37 200	0.63 242	0.61 256	0.66 249	0.51 250	0.73 259	0.44 221	0.57 243	0.54 244	1.68 352	1.81 366	0.40 201	0.43 234	0.66 224	0.50 235

GANet	1.00 273	1.00 195	1.00 273	1.00 248	1.00 300	1.00 282	1.00 288	1.00 274	1.00 297	1.00 281	1.00 295	1.00 285	1.00 281	1.00 285	1.00 290	1.00 272	1.00 269	1.00 291	1.00 291	1.00 264	1.00 290

TDLM	1.00 273	1.00 195	1.00 273	1.00 248	1.00 300	1.00 282	1.00 288	1.00 274	1.00 297	1.00 281	1.00 295	1.00 285	1.00 281	1.00 285	1.00 290	1.00 272	1.00 269	1.00 291	1.00 291	1.00 264	1.00 290

CVANet_RVC	1.00 273	1.00 195	1.00 273	1.00 248	1.00 300	1.00 282	1.00 288	1.00 274	1.00 297	1.00 281	1.00 295	1.00 285	1.00 281	1.00 285	1.00 290	1.00 272	1.00 269	1.00 291	1.00 291	1.00 264	1.00 290

LL-Strereo	1.01 276	5.06 363	1.63 357	0.70 214	1.43 370	0.56 242	0.46 225	0.57 234	0.50 241	0.57 240	0.50 247	1.58 356	0.49 237	0.59 245	0.50 240	1.64 351	0.52 225	0.51 245	1.37 359	0.52 218	0.45 220

GLC_STEREO	1.07 277	1.01 200	1.06 276	1.07 254	1.05 304	1.06 286	1.08 293	1.08 279	1.05 301	1.07 286	1.06 298	1.08 290	1.05 287	1.06 290	1.10 294	1.07 276	1.09 279	1.05 295	1.05 294	1.06 267	1.12 298

FC-DCNN	1.07 277	1.09 207	0.98 271	0.89 231	0.52 251	1.41 355	0.91 280	1.21 336	1.24 359	1.96 360	2.05 383	1.91 360	1.30 352	1.27 350	1.08 293	0.80 254	0.60 233	0.58 249	0.41 228	0.68 226	0.54 238

hknet	1.10 279	1.85 290	3.49 383	4.48 373	0.02 20	0.42 212	0.06 75	0.41 186	0.02 20	0.48 215	0.03 40	0.41 194	0.03 42	0.42 208	0.03 37	4.39 384	4.19 380	0.33 164	0.23 150	0.34 152	0.27 154

test_xeample3	1.10 279	1.81 288	0.61 229	0.84 229	0.49 246	0.77 262	0.66 257	0.92 267	1.40 368	0.68 252	0.46 231	0.78 264	0.54 245	1.72 356	1.48 364	1.34 341	1.52 354	1.35 357	1.67 372	1.33 333	1.55 368

DISCO	1.11 281	0.39 121	5.28 390	0.39 149	0.20 143	0.39 181	0.27 157	0.39 170	0.22 142	0.38 167	0.20 141	0.38 175	0.20 140	6.95 404	0.22 141	0.30 156	0.21 131	0.27 147	0.21 143	5.25 385	0.21 129

AEACV	1.12 282	0.52 159	3.12 381	3.24 366	0.86 289	0.53 239	0.49 239	0.60 238	0.47 231	0.53 234	0.49 245	0.55 242	0.45 222	0.55 238	0.47 231	3.01 376	3.88 378	0.71 261	0.60 257	0.80 245	0.48 229

MSMD_ROB	1.19 283	1.10 210	0.70 244	1.10 256	0.60 257	1.10 292	0.70 265	1.10 281	0.70 269	1.10 288	0.70 274	1.10 294	0.70 263	7.00 405	0.70 271	1.10 279	0.70 250	1.10 296	0.70 273	1.10 269	0.70 261

DisPM	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

CrosDoStereo	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

PFNet+	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

LCNet	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

HHNet	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

Patchmatch Stereo++	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

STrans-v2	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

TransformOpticalFlow	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

OMP-Stereo	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

IIG-Stereo	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

NF-Stereo	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

OCTAStereo	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

PSM-softLoss	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

KMStereo	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

NRIStereo	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

PSM-adaLoss	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

PSM-AAD	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

FTStereo	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

ROB_FTStereo_v2	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

ROB_FTStereo	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

Consistency-Raft	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

KYRaft	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

HUI-Stereo	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

ASMatch	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

DeepStereo_LL	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

DEmStereo	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

SST-Stereo	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

THIR-Stereo	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

RAFT_R40	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

DRaft	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

PFNet	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

GrayStereo	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

RE-Stereo	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

Pruner-Stereo	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

TVStereo	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

DeepStereo_RVC	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

RAFT-RH_RVC	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

IRAFT_RVC	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

RAFT-345	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

iRAFT	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

CRE-IMP	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

GMM-Stereo	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

RAFT-IKP	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

Prome-Stereo	1.20 284	1.20 219	1.20 289	1.20 272	1.20 315	1.20 300	1.20 304	1.20 291	1.20 311	1.20 298	1.20 307	1.20 303	1.20 299	1.20 302	1.20 306	1.20 289	1.20 292	1.20 307	1.20 306	1.20 283	1.20 307

HCRNet	1.22 329	7.11 369	3.00 380	3.55 369	0.33 200	0.29 150	0.14 113	0.19 112	0.15 127	0.33 155	0.29 175	0.25 139	0.14 117	0.22 130	0.33 183	3.64 380	3.00 375	0.76 268	0.32 199	0.18 114	0.13 113

HBP-ISP	1.24 330	1.72 283	1.65 358	1.15 263	0.76 283	1.40 354	0.88 278	1.67 353	1.02 300	1.69 357	1.38 362	1.69 358	1.21 345	1.87 357	1.21 351	1.05 275	0.79 256	0.97 289	0.80 281	1.19 282	0.75 270

AANet_RVC	1.26 331	0.31 106	4.99 389	5.93 382	0.20 143	0.25 136	0.20 129	0.25 134	0.20 138	0.23 129	0.19 139	0.25 139	0.20 140	0.25 140	0.20 136	5.66 391	4.76 383	0.26 143	0.30 190	0.24 131	0.27 154

11t	1.27 332	2.70 320	1.34 342	1.32 322	0.89 290	1.30 350	1.34 356	1.64 350	0.57 251	1.45 350	0.72 278	1.05 289	1.29 351	1.07 291	1.29 356	1.49 346	1.02 272	0.97 289	1.15 299	1.48 337	1.31 358

MaskLacGwcNet_RVC	1.35 333	1.35 272	1.35 344	1.35 324	1.35 364	1.35 351	1.35 357	1.36 345	1.35 364	1.36 348	1.35 359	1.36 352	1.36 354	1.36 351	1.35 358	1.35 342	1.35 346	1.35 357	1.35 356	1.35 334	1.35 361

CC-Net-ROB	1.36 334	1.33 271	1.33 341	1.36 325	1.38 367	1.36 352	1.33 355	1.37 346	1.34 362	1.35 347	1.36 360	1.38 353	1.34 353	1.38 352	1.38 360	1.35 342	1.38 349	1.33 356	1.35 356	1.43 336	1.34 360

CFNet	1.37 335	5.27 364	0.19 123	5.49 379	0.19 142	0.28 147	0.19 127	0.28 140	0.19 137	0.28 144	0.19 139	0.28 149	4.35 389	0.28 153	0.19 135	0.23 134	0.17 125	0.23 134	4.21 399	4.81 381	0.17 122

PS-NSSS	1.38 336	1.39 274	1.34 342	1.34 323	1.35 364	1.38 353	1.37 363	1.35 344	1.38 367	1.34 346	1.34 358	1.39 354	1.38 356	1.70 355	1.40 361	1.36 344	1.36 347	1.36 359	1.37 359	1.37 335	1.36 362

RASNet	1.49 337	1.65 281	1.45 353	1.38 327	1.43 370	1.47 356	1.36 358	1.38 347	1.36 365	1.39 349	1.60 370	1.45 355	1.45 358	1.51 353	2.21 378	1.53 349	1.36 347	1.36 359	1.36 358	1.66 342	1.36 362

GANetREF_RVC	1.55 338	1.94 298	1.22 336	1.88 336	1.21 361	1.88 362	1.22 350	1.88 354	1.22 357	1.88 358	1.22 353	1.88 359	1.22 346	1.89 358	1.22 352	1.87 357	1.22 339	1.88 366	1.22 352	1.88 346	1.22 353
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
SPS-STEREO	1.59 339	1.91 292	1.21 335	1.94 339	1.20 315	2.00 364	1.23 351	1.99 357	1.24 359	2.00 362	1.25 356	2.03 363	1.26 348	2.00 361	1.29 356	1.90 360	1.18 291	1.89 367	1.21 351	1.89 347	1.20 307
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DPSMNet_ROB	1.60 340	1.59 279	1.70 360	1.59 330	1.59 372	1.61 357	1.61 368	1.60 348	1.60 371	1.62 356	1.59 369	1.60 357	1.60 361	1.60 354	1.59 366	1.59 350	1.60 356	1.59 364	1.59 369	1.59 341	1.59 369

ff7	1.68 341	2.68 317	1.35 344	0.97 245	0.89 290	1.84 359	2.15 376	2.12 358	1.80 376	2.05 364	1.56 366	2.33 369	2.12 370	2.23 366	2.25 379	1.31 338	1.07 273	1.48 361	1.41 361	0.90 254	1.04 293

ffff	1.68 341	2.68 317	1.35 344	0.97 245	0.89 290	1.84 359	2.15 376	2.12 358	1.80 376	2.05 364	1.56 366	2.33 369	2.12 370	2.23 366	2.25 379	1.31 338	1.07 273	1.48 361	1.41 361	0.90 254	1.04 293

ccc-4	1.68 341	2.68 317	1.35 344	0.97 245	0.89 290	1.84 359	2.15 376	2.12 358	1.80 376	2.05 364	1.56 366	2.33 369	2.12 370	2.23 366	2.25 379	1.31 338	1.07 273	1.48 361	1.41 361	0.90 254	1.04 293

MC-Stereo	1.76 344	2.96 328	1.37 349	2.14 345	1.37 366	2.14 366	1.36 358	2.14 361	1.37 366	2.14 367	1.37 361	2.14 364	1.37 355	2.14 365	1.37 359	1.97 361	1.32 340	1.97 368	1.32 355	1.98 348	1.33 359

IGEVStereo-DCA	1.77 345	4.21 351	1.84 365	2.49 357	2.11 383	2.54 374	1.36 358	1.65 351	1.17 308	2.75 376	1.90 377	2.54 375	1.15 292	0.94 279	1.11 295	1.50 347	1.32 340	0.96 287	1.46 366	1.49 338	0.88 279

rrr	1.77 345	4.21 351	1.84 365	2.49 357	2.11 383	2.54 374	1.36 358	1.65 351	1.17 308	2.75 376	1.90 377	2.54 375	1.15 292	0.94 279	1.11 295	1.50 347	1.32 340	0.96 287	1.46 366	1.49 338	0.88 279

MFMNet_re	1.81 347	1.91 292	1.71 361	1.95 340	1.70 375	1.95 363	1.70 371	1.96 356	1.74 374	1.97 361	1.72 373	1.95 361	1.71 364	1.97 360	1.71 372	1.86 356	1.62 357	1.85 365	1.66 371	1.86 345	1.64 370

test croco	1.88 348	3.16 331	0.64 233	3.10 364	0.65 267	3.10 380	0.64 254	3.12 379	0.65 260	3.10 380	0.65 268	3.11 380	0.65 253	3.12 379	0.65 257	3.12 377	0.65 241	3.13 380	0.65 263	3.13 365	0.65 254

RAFT_CTSACE	1.92 349	3.71 340	1.72 362	1.88 336	1.72 376	2.04 365	1.42 366	2.18 362	1.89 382	2.02 363	1.97 379	1.95 361	2.06 369	1.93 359	1.62 367	1.76 353	1.66 360	2.02 369	1.73 378	1.73 343	1.43 367

TRStereo	2.00 350	2.13 302	1.85 367	2.27 350	1.84 378	2.28 368	1.84 373	2.29 364	1.86 379	2.30 369	1.87 374	2.30 366	1.87 366	2.08 362	1.72 374	2.08 365	1.72 362	2.08 370	1.72 375	2.08 349	1.72 373

XX-Stereo	2.00 350	2.13 302	1.85 367	2.27 350	1.84 378	2.28 368	1.84 373	2.29 364	1.86 379	2.30 369	1.87 374	2.30 366	1.87 366	2.08 362	1.72 374	2.08 365	1.72 362	2.08 370	1.72 375	2.08 349	1.72 373

EAI-Stereo	2.00 350	2.13 302	1.85 367	2.27 350	1.84 378	2.28 368	1.84 373	2.29 364	1.86 379	2.30 369	1.87 374	2.30 366	1.87 366	2.08 362	1.72 374	2.08 365	1.72 362	2.08 370	1.72 375	2.08 349	1.72 373

MIF-Stereo	2.03 353	3.43 336	0.72 248	3.42 368	0.73 280	3.27 383	0.68 261	3.38 383	0.69 267	3.29 383	0.72 278	3.28 383	0.70 263	3.35 384	0.68 264	3.39 379	0.68 245	3.31 382	0.69 272	3.37 367	0.73 266

sCroCo_RVC	2.10 354	2.76 322	1.92 371	2.78 362	1.39 368	2.73 376	1.41 365	2.73 372	1.40 368	2.77 378	1.41 365	2.74 377	1.40 357	2.74 377	1.40 361	2.72 373	1.42 351	2.72 377	1.44 365	2.79 363	1.42 366

Anonymous	2.11 355	2.74 321	1.41 352	2.77 361	1.40 369	2.74 377	1.46 367	2.75 373	1.50 370	2.87 379	1.39 363	2.74 377	1.46 359	2.72 376	1.41 363	2.72 373	1.41 350	2.81 378	1.41 361	3.16 366	1.39 365

FBW_ROB	2.12 356	2.46 312	1.77 364	2.49 357	1.79 377	2.38 372	1.83 372	2.46 369	1.78 375	2.48 373	1.97 379	2.40 373	1.78 365	2.42 372	1.83 377	2.31 369	1.85 367	2.38 375	1.82 379	2.35 356	1.84 377

UDGNet	2.23 357	5.40 365	1.72 362	2.48 356	1.69 374	2.51 373	1.69 370	2.51 370	1.72 373	2.50 374	1.69 372	2.52 374	1.69 363	2.50 373	1.68 371	2.41 372	1.70 361	2.42 376	1.69 374	2.42 357	1.64 370

NCCL2	2.28 358	2.27 308	2.28 373	2.28 353	2.28 385	2.27 367	2.29 379	2.28 363	2.28 383	2.27 368	2.28 384	2.28 365	2.27 373	2.27 369	2.28 383	2.28 368	2.28 371	2.27 373	2.29 383	2.27 353	2.29 379

Abc-Net	2.32 359	24.75 402	1.14 280	1.17 269	1.17 312	1.11 295	1.15 298	1.17 285	1.21 356	1.08 287	1.16 302	1.12 298	1.14 291	1.09 292	1.17 303	1.09 277	1.16 288	1.17 303	1.17 302	1.16 274	1.11 296
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 360	25.00 403	1.13 279	1.15 263	1.15 307	1.10 292	1.15 298	1.15 282	1.15 303	1.12 293	1.15 299	1.09 292	1.13 289	1.10 294	1.15 299	1.11 284	1.09 279	1.16 299	1.12 297	1.16 274	1.17 304

stereogan	2.33 360	24.38 401	1.18 285	1.18 270	1.18 314	1.14 297	1.18 302	1.19 288	1.19 310	1.14 295	1.18 306	1.14 299	1.18 297	1.14 298	1.18 304	1.14 286	1.14 286	1.19 306	1.19 303	1.15 272	1.19 306

RGC	2.36 362	25.48 404	1.19 286	1.15 263	1.15 307	1.10 292	1.16 300	1.17 285	1.16 304	1.12 293	1.16 302	1.11 297	1.13 289	1.09 292	1.18 304	1.10 279	1.15 287	1.16 299	1.12 297	1.14 271	1.12 298

NCC-stereo	2.36 362	25.52 405	1.17 283	1.15 263	1.17 312	1.11 295	1.11 294	1.15 282	1.16 304	1.10 288	1.16 302	1.10 294	1.15 292	1.14 298	1.13 297	1.09 277	1.11 283	1.15 298	1.16 301	1.17 279	1.17 304

Anonymous Stereo	2.36 362	18.47 393	11.50 405	9.80 400	0.53 253	0.28 147	0.50 241	0.58 236	0.53 245	0.59 243	0.53 252	0.66 253	0.52 242	0.62 246	0.41 217	0.36 172	0.37 180	0.31 156	0.19 140	0.20 117	0.22 131

AF-Net	2.37 365	25.71 406	1.17 283	1.13 260	1.15 307	1.15 298	1.18 302	1.19 288	1.16 304	1.10 288	1.15 299	1.10 294	1.18 297	1.12 297	1.15 299	1.10 279	1.10 282	1.17 303	1.15 299	1.16 274	1.12 298

Nwc_Net	2.37 365	25.95 407	1.15 282	1.14 261	1.15 307	1.08 290	1.14 297	1.17 285	1.16 304	1.14 295	1.15 299	1.08 290	1.15 292	1.11 296	1.14 298	1.10 279	1.11 283	1.16 299	1.09 296	1.16 274	1.15 303

CFNet_RVC	2.38 367	8.71 379	0.38 180	9.33 396	0.42 234	0.56 242	0.42 222	0.60 238	0.38 206	0.62 246	0.42 225	0.56 244	7.29 400	0.62 246	0.42 223	0.53 230	0.37 180	0.49 241	0.34 205	8.30 398	6.87 404

edge stereo	2.43 368	27.07 410	1.14 280	1.06 253	1.14 306	1.08 290	1.17 301	1.16 284	1.14 302	1.10 288	1.16 302	1.09 292	1.16 296	1.10 294	1.16 302	1.10 279	1.11 283	1.16 299	1.19 303	1.13 270	1.11 296

FAT-Stereo	2.46 369	26.05 408	1.23 338	1.23 319	1.22 362	1.20 300	1.24 352	1.23 339	1.23 358	1.19 297	1.22 353	1.21 348	1.24 347	1.20 302	1.24 353	1.21 334	1.17 290	1.22 353	1.25 353	1.20 283	1.24 355

S-Stereo	2.51 370	26.86 409	1.23 338	1.22 317	1.22 362	1.24 348	1.25 353	1.22 337	1.24 359	1.21 343	1.24 355	1.19 302	1.27 349	1.19 301	1.24 353	1.19 288	1.20 292	1.25 354	1.19 303	1.24 331	1.23 354

Anonymous3	2.55 371	3.26 334	1.65 358	3.28 367	1.63 373	3.24 382	1.68 369	3.27 381	1.66 372	3.28 382	1.67 371	3.25 382	1.66 362	3.27 381	1.64 368	3.26 378	1.65 359	3.30 381	1.65 370	4.95 383	1.65 372

MIF-Stereo (partial)	2.58 372	3.31 335	0.66 238	3.18 365	0.66 272	3.18 381	0.66 257	3.21 380	0.67 263	3.19 381	0.66 270	3.19 381	0.66 255	3.31 383	0.68 264	5.09 387	1.79 365	8.23 405	1.67 372	6.18 390	1.38 364

MSMDNet	2.65 373	10.14 389	0.33 166	9.74 399	0.32 191	0.87 270	0.33 183	2.95 378	0.68 264	0.49 220	0.34 196	0.49 226	5.70 395	0.49 228	0.33 183	0.42 210	9.57 401	0.41 212	0.31 195	8.36 399	0.65 254

pcwnet_v2	2.66 374	9.89 387	0.33 166	9.89 401	0.32 191	0.50 235	0.32 176	0.49 216	0.33 190	0.49 220	0.34 196	0.49 226	8.76 402	0.48 222	0.33 183	0.41 197	9.58 402	0.40 201	0.29 183	9.01 401	0.63 252

CFNet_pseudo	2.67 375	9.36 383	0.32 162	10.99 406	0.33 200	0.85 269	0.33 183	0.49 216	0.33 190	0.49 220	0.32 187	0.49 226	7.26 399	0.49 228	0.33 183	0.41 197	9.62 403	0.41 212	0.29 183	10.03 405	0.29 170

CFNet_ucs	2.73 376	9.64 385	0.33 166	9.92 402	0.32 191	0.49 229	0.33 183	0.49 216	0.33 190	0.49 220	0.33 190	0.49 226	8.98 403	0.48 222	0.33 183	0.41 197	9.96 406	0.40 201	0.29 183	10.12 406	0.54 238

UCFNet_RVC	2.75 377	10.06 388	0.29 150	10.31 405	0.29 176	0.42 212	0.29 167	0.43 204	0.29 172	0.42 198	0.29 175	0.42 210	9.87 405	0.43 209	0.29 169	0.36 172	9.84 405	0.36 186	0.26 164	9.77 404	0.26 149

ccs_rob	2.79 378	10.17 390	0.32 162	10.00 403	0.33 200	0.49 229	0.33 183	1.90 355	0.32 187	0.51 230	0.33 190	0.49 226	9.24 404	0.49 228	0.33 183	0.41 197	9.82 404	0.41 212	0.28 174	9.34 402	0.29 170

PCWNet_CMD	2.80 379	9.82 386	0.32 162	10.09 404	0.32 191	0.49 229	0.33 183	3.34 382	0.33 190	0.49 220	0.33 190	0.49 226	8.73 401	0.48 222	0.33 183	0.41 197	9.22 400	0.42 221	0.29 183	9.55 403	0.31 182

StereoVision	3.15 380	5.00 362	0.89 261	4.83 376	1.00 300	3.93 387	1.27 354	6.37 399	1.34 362	5.67 400	1.26 357	5.84 401	1.27 349	5.03 397	1.24 353	5.10 388	1.09 279	4.61 393	0.57 253	5.62 388	1.12 298

StereoIM	3.19 381	6.02 367	1.12 278	5.61 381	1.16 311	5.43 399	1.02 291	5.15 398	0.70 269	5.43 397	1.21 352	5.03 399	0.97 279	4.85 395	0.99 289	4.53 385	1.16 288	5.53 398	1.25 353	5.37 386	1.30 357

sAnonymous2	3.31 382	2.63 315	1.38 350	3.71 371	1.86 381	4.70 394	1.11 294	4.82 396	2.72 386	5.45 398	1.98 381	4.59 394	2.64 375	2.65 374	6.21 400	4.37 382	1.08 277	5.16 396	2.24 381	4.52 379	2.39 384

CroCo_RVC	3.31 382	2.63 315	1.38 350	3.71 371	1.86 381	4.70 394	1.11 294	4.82 396	2.72 386	5.45 398	1.98 381	4.59 394	2.64 375	2.65 374	6.21 400	4.37 382	1.08 277	5.16 396	2.24 381	4.52 379	2.39 384

DPSNet	3.66 384	3.60 337	3.62 385	3.63 370	3.64 393	3.65 386	3.65 392	3.66 386	3.67 391	3.67 384	3.65 391	3.67 385	3.66 381	3.66 385	3.68 388	3.68 381	3.66 376	3.67 386	3.68 392	3.67 368	3.67 391

STTStereo	3.73 385	30.40 414	2.37 377	2.39 354	2.31 387	2.35 371	2.33 380	2.29 364	2.42 384	2.32 372	2.34 385	2.33 369	2.36 374	2.30 370	2.27 382	2.35 370	2.22 370	2.31 374	2.22 380	2.29 355	2.34 383

RAFT+CT+SA	4.28 386	7.62 373	4.91 388	5.55 380	2.28 385	3.09 379	3.64 391	4.49 393	3.07 389	4.80 393	3.35 388	4.77 396	3.70 382	4.29 392	3.05 385	5.58 390	5.98 389	3.58 385	3.78 394	4.26 375	3.72 392

SA	4.33 387	7.35 370	6.85 398	5.96 383	4.09 397	3.59 385	3.15 388	3.82 387	2.64 385	3.91 385	3.85 392	3.57 384	2.72 377	3.13 380	4.03 393	7.09 401	6.86 394	3.57 384	3.12 387	3.85 369	3.51 390

Sa-1000	4.34 388	8.37 376	6.84 397	6.98 390	4.45 400	3.58 384	3.00 386	3.42 384	3.39 390	2.61 375	4.00 395	3.83 387	4.01 388	3.90 387	3.90 391	5.98 394	5.62 387	3.76 387	2.34 384	4.35 377	2.47 386

TestStereo1	4.60 389	8.41 377	6.44 395	6.86 388	3.79 394	3.97 388	3.78 393	3.99 389	3.74 392	3.97 386	3.52 389	3.94 388	3.58 379	3.98 388	3.72 389	6.82 398	6.50 392	3.76 387	3.66 390	3.90 370	3.74 394

SA-5K	4.60 389	8.41 377	6.44 395	6.86 388	3.79 394	3.97 388	3.78 393	3.99 389	3.74 392	3.97 386	3.52 389	3.94 388	3.58 379	3.98 388	3.72 389	6.82 398	6.50 392	3.76 387	3.66 390	3.90 370	3.74 394

DispFullNet	4.61 391	4.84 359	3.12 381	5.00 378	3.57 392	4.75 396	3.03 387	7.75 405	4.17 398	4.91 395	3.09 387	6.20 402	3.95 386	6.71 401	3.51 387	5.30 389	3.67 377	5.86 402	3.63 389	5.61 387	3.46 389

test_5	4.62 392	7.55 372	6.23 393	6.32 385	3.40 391	5.29 398	3.50 390	3.53 385	4.11 397	4.28 389	4.47 399	4.26 392	4.38 390	3.68 386	3.24 386	5.89 392	5.60 386	4.84 394	3.50 388	4.33 376	3.93 397

raft_robust	4.71 393	7.75 374	5.40 392	6.81 387	3.31 390	4.28 392	4.20 398	4.32 392	4.37 400	4.35 391	4.35 398	4.14 390	3.75 383	4.30 393	4.20 396	6.67 397	6.37 390	3.36 383	4.24 400	4.86 382	3.25 388

cross-raft	4.83 394	7.52 371	6.43 394	6.63 386	3.96 396	4.51 393	3.99 396	4.49 393	3.96 396	4.52 392	3.96 394	4.50 393	3.97 387	4.50 394	3.97 392	6.65 396	6.44 391	4.33 390	3.92 396	4.35 377	3.91 396

test_4	4.88 395	8.13 375	6.98 399	7.46 391	4.44 399	4.25 391	3.85 395	4.04 391	3.92 395	4.13 388	3.91 393	4.18 391	3.84 384	4.14 390	4.06 394	7.01 400	7.13 395	4.53 391	3.72 393	4.09 373	3.72 392

TestStereo	4.88 395	4.75 358	4.79 387	4.87 377	4.92 401	4.81 397	4.90 400	4.78 395	4.77 401	4.87 394	4.89 400	4.90 397	4.91 392	4.99 396	4.79 398	4.98 386	4.87 384	4.87 395	4.92 401	5.00 384	5.00 400

test_3	5.01 397	8.86 380	7.77 401	8.09 392	2.76 389	4.13 390	4.05 397	3.88 388	3.76 394	4.33 390	4.13 396	3.71 386	3.91 385	4.21 391	4.06 394	7.93 402	7.69 397	4.53 391	3.91 395	4.17 374	4.29 399

NLCA_NET_v2_RVC	5.04 398	50.87 421	2.78 379	2.87 363	2.71 388	2.78 378	0.47 231	2.88 377	2.86 388	1.89 359	2.67 386	2.79 379	2.79 378	2.78 378	2.83 384	2.82 375	2.82 374	2.83 379	2.77 386	2.83 364	2.76 387
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
SGM-Forest	5.21 399	5.92 366	4.08 386	6.18 384	4.16 398	6.31 401	4.34 399	6.50 400	4.33 399	6.14 402	4.21 397	6.61 405	4.55 391	6.67 400	4.48 397	5.94 393	3.94 379	5.85 401	4.03 398	5.79 389	4.17 398
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test-1	6.46 400	9.16 382	8.03 404	8.09 392	5.62 403	6.11 400	6.35 402	6.85 402	4.94 402	6.08 401	6.29 404	4.98 398	6.43 396	6.22 398	6.36 402	6.16 395	7.47 396	5.82 400	5.44 403	7.11 395	5.68 402

RAFT	6.73 401	9.36 383	7.40 400	8.51 394	6.55 404	6.88 402	6.60 403	6.79 401	6.60 404	6.80 403	6.72 405	5.31 400	5.50 394	6.61 399	6.61 403	8.42 403	5.89 388	5.73 399	5.45 404	6.61 391	6.24 403

SGM+DAISY	7.06 402	9.15 381	5.38 391	8.84 395	5.18 402	8.80 405	5.31 401	8.79 406	5.28 403	8.89 406	5.20 401	8.93 406	5.33 393	8.95 406	5.36 399	8.70 404	5.21 385	8.74 406	5.20 402	8.89 400	5.15 401

test-v	7.53 403	11.89 391	7.98 402	9.36 397	7.14 405	7.06 403	7.09 404	7.37 403	6.91 405	7.29 404	5.71 402	6.45 403	6.93 397	6.73 402	7.27 404	8.93 405	7.85 398	6.98 403	6.80 405	7.56 396	7.34 405

test-2	7.53 403	11.89 391	7.98 402	9.36 397	7.14 405	7.06 403	7.09 404	7.37 403	6.91 405	7.29 404	5.71 402	6.45 403	6.93 397	6.73 402	7.27 404	8.93 405	7.85 398	6.98 403	6.80 405	7.56 396	7.34 405

PA-Net	11.80 405	223.51 427	0.62 230	0.59 205	0.71 277	0.59 247	0.73 268	0.67 245	0.73 274	0.55 237	0.61 260	0.60 248	0.74 267	0.63 248	0.73 272	0.66 239	0.60 233	0.69 258	0.66 265	0.72 233	0.65 254
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MANE	19.05 406	23.00 400	15.00 406	23.00 413	15.00 407	24.00 412	16.00 406	24.00 413	16.00 407	22.00 413	15.00 406	23.00 413	16.00 406	23.00 413	15.00 406	22.00 413	15.00 407	22.00 413	15.00 407	22.00 413	15.00 407

rafts_anoy	20.00 407	20.00 394	20.00 407	20.00 407	20.00 408	20.00 406	20.00 407	20.00 407	20.00 408	20.00 407	20.00 407	20.00 407	20.00 407	20.00 407	20.00 407	20.00 407	20.00 408	20.00 407	20.00 408	20.00 407	20.00 408

raft+_RVC	20.00 407	20.00 394	20.00 407	20.00 407	20.00 408	20.00 406	20.00 407	20.00 407	20.00 408	20.00 407	20.00 407	20.00 407	20.00 407	20.00 407	20.00 407	20.00 407	20.00 408	20.00 407	20.00 408	20.00 407	20.00 408

raftrobust	20.00 407	20.00 394	20.00 407	20.00 407	20.00 408	20.00 406	20.00 407	20.00 407	20.00 408	20.00 407	20.00 407	20.00 407	20.00 407	20.00 407	20.00 407	20.00 407	20.00 408	20.00 407	20.00 408	20.00 407	20.00 408

CasAABBNet	20.00 407	20.00 394	20.00 407	20.00 407	20.00 408	20.00 406	20.00 407	20.00 407	20.00 408	20.00 407	20.00 407	20.00 407	20.00 407	20.00 407	20.00 407	20.00 407	20.00 408	20.00 407	20.00 408	20.00 407	20.00 408

RALCasStereoNet	20.00 407	20.00 394	20.00 407	20.00 407	20.00 408	20.00 406	20.00 407	20.00 407	20.00 408	20.00 407	20.00 407	20.00 407	20.00 407	20.00 407	20.00 407	20.00 407	20.00 408	20.00 407	20.00 408	20.00 407	20.00 408

RALAANet	20.00 407	20.00 394	20.00 407	20.00 407	20.00 408	20.00 406	20.00 407	20.00 407	20.00 408	20.00 407	20.00 407	20.00 407	20.00 407	20.00 407	20.00 407	20.00 407	20.00 408	20.00 407	20.00 408	20.00 407	20.00 408

111	30.40 413	30.94 415	29.72 414	32.61 414	30.02 415	33.57 413	30.47 414	31.50 414	29.39 415	30.98 414	29.11 414	29.78 414	30.39 417	29.45 414	30.76 417	30.08 414	29.02 415	29.92 414	30.32 418	29.86 414	30.17 415

WCMA_ROB	31.10 414	35.43 419	27.12 413	39.51 422	23.10 414	38.78 421	25.30 413	37.49 422	25.39 414	37.29 421	27.02 413	38.52 422	26.48 413	37.80 421	26.44 413	36.28 421	22.65 414	33.90 418	22.30 414	37.10 419	24.18 414

DCANet-4	35.22 415	34.54 416	35.08 420	33.58 418	35.47 422	34.55 414	35.53 421	36.08 420	35.85 419	35.92 420	35.77 420	35.18 420	35.48 419	35.39 420	37.15 420	34.55 420	33.92 419	35.02 421	34.90 420	35.79 418	34.74 422

ADStereo(finetuned)	36.13 416	36.63 420	38.07 421	36.97 419	33.25 419	35.91 418	34.45 418	36.36 421	32.99 416	38.14 422	36.71 421	36.69 421	34.13 418	38.57 422	40.79 421	37.60 422	36.58 422	35.90 422	33.36 419	35.42 417	34.04 419

MDST_ROB	69.83 417	87.70 422	41.95 422	113.75 425	65.62 425	75.05 422	55.25 423	75.64 424	45.04 420	71.61 423	41.75 422	72.81 423	44.06 420	68.38 423	44.63 422	101.89 425	59.57 425	107.10 425	61.05 425	104.38 422	59.38 425

NOSS_ROB	102.95 418	153.00 425	121.00 425	51.00 423	44.00 423	165.00 425	127.00 424	153.00 425	119.00 422	164.00 426	125.00 424	168.00 426	120.00 422	153.00 425	117.00 424	49.00 423	44.00 423	49.00 423	44.00 423	49.00 420	44.00 423

CBMV	128.50 419	1422.70 432	53.10 423	79.50 424	51.30 424	77.30 423	49.70 422	74.00 423	48.20 421	77.20 424	48.80 423	73.90 424	48.00 421	73.80 424	48.80 423	70.40 424	45.10 424	68.90 424	46.10 424	68.20 421	45.00 424
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 420	171.00 426	160.68 427	162.58 426	160.59 426	164.01 424	160.35 425	158.51 426	158.56 423	158.34 425	160.12 425	158.56 425	159.92 423	157.26 426	158.94 425	154.38 426	158.36 426	155.75 426	159.13 426	153.67 423	154.07 426
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
AE-Stereo	201.80 421	123.00 423	115.00 424	219.00 427	218.00 428	223.00 426	244.00 427	217.00 427	236.00 425	202.00 427	203.00 426	205.00 427	208.00 424	225.00 427	204.00 426	210.00 427	198.00 427	197.00 427	184.00 427	204.00 424	201.00 427

EGLCR-Stereo	246.90 422	129.00 424	139.00 426	266.00 428	286.00 429	277.00 427	305.00 428	271.00 428	242.00 426	274.00 428	279.00 428	255.00 428	270.00 426	268.00 428	297.00 428	230.00 428	247.00 429	216.00 428	223.00 429	237.00 425	227.00 429

DLCB_ROB	284.23 423	354.61 428	207.27 428	363.24 429	206.46 427	364.72 428	210.41 426	364.72 429	210.41 424	364.81 429	208.64 427	364.81 429	208.64 425	364.72 429	210.41 427	354.70 429	205.53 428	354.70 429	205.53 428	354.70 426	205.53 428

LE_ROB	396.57 424	471.28 429	329.84 429	471.48 430	308.15 430	526.83 429	322.10 429	488.15 430	323.76 427	495.46 430	317.97 429	497.17 430	320.10 427	481.62 430	326.76 429	462.71 430	298.97 430	466.16 430	285.98 430	447.62 427	289.21 430

SGM-ForestM	596.69 425	677.77 430	444.52 430	699.85 431	517.25 431	732.94 430	488.29 430	770.79 431	460.11 428	750.81 431	487.98 430	792.79 431	499.41 428	730.90 431	475.81 430	720.03 431	491.16 431	663.96 431	418.60 431	674.76 428	436.05 431

CBMV_ROB	818.48 426	913.88 431	709.52 431	862.84 432	597.78 432	1073.99 431	700.52 431	1015.66 432	702.59 429	1115.65 432	760.02 431	1130.24 432	721.57 429	1037.41 432	692.65 431	814.05 432	564.29 432	843.28 432	595.31 432	915.51 429	602.92 432

tt	500032.53 427	34.60 417	29.72 414	37.47 420	34.41 420	36.85 419	35.22 419	34.71 418	33.55 417	34.50 415	35.43 418	33.81 418	10000000.00 430	33.57 418	33.13 418	33.68 418	35.00 420	34.03 419	35.26 421	30.96 415	34.63 420

DCANet	500032.53 427	34.60 417	29.72 414	37.47 420	34.41 420	36.85 419	35.22 419	34.71 418	33.55 417	34.50 415	35.43 418	33.81 418	10000000.00 430	33.57 418	33.13 418	33.68 418	35.00 420	34.03 419	35.26 421	30.96 415	34.63 420

fff	1000028.16 429	29.62 411	29.72 414	32.61 414	30.02 415	35.13 415	31.83 415	32.07 415	10000000.00 430	35.27 417	29.82 415	32.45 415	30.15 414	32.35 415	30.09 414	31.04 415	29.55 416	30.64 415	30.14 415	10000000.00 430	30.77 416

csc	1000028.16 429	29.62 411	29.72 414	32.61 414	30.02 415	35.13 415	31.83 415	32.07 415	10000000.00 430	35.27 417	29.82 415	32.45 415	30.15 414	32.35 415	30.09 414	31.04 415	29.55 416	30.64 415	30.14 415	10000000.00 430	30.77 416

cscssc	1000028.16 429	29.62 411	29.72 414	32.61 414	30.02 415	35.13 415	31.83 415	32.07 415	10000000.00 430	35.27 417	29.82 415	32.45 415	30.15 414	32.35 415	30.09 414	31.04 415	29.55 416	30.64 415	30.14 415	10000000.00 430	30.77 416

SDNR	10000000.00 432	10000000.00 433	10000000.00 432	10000000.00 433	10000000.00 433	10000000.00 432	10000000.00 432	10000000.00 433	10000000.00 430	10000000.00 433	10000000.00 432	10000000.00 433	10000000.00 430	10000000.00 433	10000000.00 432	10000000.00 433	10000000.00 433	10000000.00 433	10000000.00 433	10000000.00 430	10000000.00 433

anonymousdsp2	10000000.00 432	10000000.00 433	10000000.00 432	10000000.00 433	10000000.00 433	10000000.00 432	10000000.00 432	10000000.00 433	10000000.00 430	10000000.00 433	10000000.00 432	10000000.00 433	10000000.00 430	10000000.00 433	10000000.00 432	10000000.00 433	10000000.00 433	10000000.00 433	10000000.00 433	10000000.00 430	10000000.00 433

anonymousdsp	10000000.00 432	10000000.00 433	10000000.00 432	10000000.00 433	10000000.00 433	10000000.00 432	10000000.00 432	10000000.00 433	10000000.00 430	10000000.00 433	10000000.00 432	10000000.00 433	10000000.00 430	10000000.00 433	10000000.00 432	10000000.00 433	10000000.00 433	10000000.00 433	10000000.00 433	10000000.00 430	10000000.00 433

test_example2	10000000.00 432	10000000.00 433	10000000.00 432	10000000.00 433	10000000.00 433	10000000.00 432	10000000.00 432	10000000.00 433	10000000.00 430	10000000.00 433	10000000.00 432	10000000.00 433	10000000.00 430	10000000.00 433	10000000.00 432	10000000.00 433	10000000.00 433	10000000.00 433	10000000.00 433	10000000.00 430	10000000.00 433

DIP-Stereo	10000000.00 432	10000000.00 433	10000000.00 432	10000000.00 433	10000000.00 433	10000000.00 432	10000000.00 432	10000000.00 433	10000000.00 430	10000000.00 433	10000000.00 432	10000000.00 433	10000000.00 430	10000000.00 433	10000000.00 432	10000000.00 433	10000000.00 433	10000000.00 433	10000000.00 433	10000000.00 430	10000000.00 433
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
FADE		0.06 42		0.09 41	0.10 88			0.05 61	0.03 44	0.04 54		0.05 63		0.04 46		0.15 97	0.10 59	0.17 111	0.13 118	0.11 90	0.11 95

Low-res two-view benchmark