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	0.32 28	0.15 3	0.23 1	0.31 6	0.24 86	0.27 25	0.22 8	0.46 8	0.88 211	0.46 46	0.80 124	0.30 5	0.26 17	0.36 5	0.33 86	0.13 12	0.09 2	0.13 9	0.51 374	0.13 20	0.09 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	0.36 65	0.15 3	0.24 3	0.34 11	0.15 1	0.77 256	0.29 57	0.80 166	0.83 183	0.56 68	0.57 54	0.43 55	0.40 109	0.57 89	0.33 86	0.12 4	0.10 9	0.14 16	0.09 6	0.14 45	0.09 1

Selective-IGEV	0.24 1	0.18 34	0.35 29	0.35 29	0.19 9	0.27 25	0.25 31	0.55 27	0.23 1	0.27 2	0.25 2	0.34 21	0.19 2	0.58 106	0.22 1	0.12 4	0.10 9	0.14 16	0.11 15	0.12 8	0.10 3

test-3	0.34 35	0.16 8	0.43 109	0.39 85	0.21 29	0.43 122	0.22 8	0.63 61	0.78 163	0.71 141	0.45 21	0.64 146	0.27 23	0.43 24	0.31 66	0.12 4	0.09 2	0.17 85	0.13 50	0.12 8	0.10 3

test_1	0.34 35	0.16 8	0.43 109	0.39 85	0.21 29	0.43 122	0.23 18	0.63 61	0.78 163	0.68 124	0.45 21	0.64 146	0.27 23	0.43 24	0.31 66	0.12 4	0.09 2	0.17 85	0.13 50	0.12 8	0.10 3

AnonymousM	0.41 131	0.81 367	0.29 10	0.34 11	0.22 42	0.28 32	0.38 185	0.53 26	0.41 42	0.70 135	0.49 32	0.47 69	0.27 23	0.41 19	0.31 66	0.15 79	0.12 98	1.51 387	0.26 306	0.12 8	0.10 3

XX-Stereo	0.37 80	0.17 19	0.45 130	0.55 322	0.36 277	0.38 98	0.20 1	0.60 46	0.30 3	0.46 46	1.30 303	0.73 196	0.26 17	0.56 79	0.26 25	0.16 110	0.11 57	0.17 85	0.16 123	0.14 45	0.10 3

RAFT-Stereo + iAFF	0.36 65	0.17 19	0.41 81	0.35 29	0.19 9	0.33 67	0.29 57	0.65 72	0.73 137	0.68 124	1.01 219	0.56 96	0.40 109	0.42 21	0.30 59	0.11 1	0.09 2	0.15 42	0.14 72	0.13 20	0.10 3

MIM_Stereo	0.38 94	0.17 19	0.53 212	0.37 45	0.24 86	0.27 25	0.24 24	0.70 123	0.54 73	0.72 152	1.00 216	0.63 139	0.29 42	0.64 156	0.38 147	0.13 12	0.14 178	0.17 85	0.16 123	0.14 45	0.11 9

DLNR_Zeroshot_test	20.09 421	36.28 429	38.04 426	169.85 438	61.80 434	0.23 5	0.20 1	13.88 420	0.37 31	0.44 42	0.66 74	0.43 55	0.21 5	0.62 139	0.28 43	5.46 419	0.10 9	0.15 42	0.11 15	72.60 437	0.11 9

CASnet	0.30 24	0.20 70	0.33 20	0.41 132	0.16 2	0.26 17	0.24 24	0.52 19	0.53 69	0.52 59	0.54 46	0.39 38	0.24 10	0.40 16	0.26 25	0.14 32	0.10 9	0.22 230	0.18 185	0.18 157	0.11 9
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.27 5	0.17 19	0.31 13	0.34 11	0.45 329	0.26 17	0.28 50	0.37 1	0.32 7	0.30 7	0.46 24	0.31 8	0.37 89	0.36 5	0.24 6	0.14 32	0.10 9	0.15 42	0.12 29	0.13 20	0.11 9

4D-IteraStereo	0.33 34	0.18 34	0.40 77	0.40 108	0.24 86	0.32 63	0.27 43	0.58 35	0.72 132	0.65 106	0.54 46	0.42 49	0.23 7	0.45 30	0.28 43	0.14 32	0.09 2	0.19 155	0.16 123	0.16 108	0.11 9

LoS	0.29 12	0.15 3	0.30 11	0.29 2	0.18 7	0.33 67	0.29 57	0.51 16	0.72 132	0.34 14	0.52 42	0.41 43	0.28 32	0.47 44	0.28 43	0.15 79	0.11 57	0.13 9	0.09 6	0.11 1	0.11 9

EGLCR-Stereo	0.25 2	0.16 8	0.33 20	0.34 11	0.20 20	0.35 78	0.20 1	0.52 19	0.36 21	0.28 4	0.27 4	0.41 43	0.18 1	0.45 30	0.26 25	0.14 32	0.10 9	0.16 60	0.14 72	0.13 20	0.11 9

MC-Stereo	0.28 8	0.17 19	0.32 17	0.38 66	0.20 20	0.26 17	0.26 37	0.49 13	0.37 31	0.37 17	0.61 63	0.41 43	0.31 57	0.55 71	0.25 9	0.13 12	0.09 2	0.14 16	0.12 29	0.12 8	0.11 9

RCA-Stereo	0.35 47	0.17 19	0.34 26	0.38 66	0.22 42	0.31 53	0.34 118	0.68 100	1.24 332	0.45 44	0.65 70	0.47 69	0.43 123	0.38 12	0.27 33	0.13 12	0.10 9	0.14 16	0.11 15	0.11 1	0.11 9

RAFT_CTSACE	0.45 159	0.20 70	0.44 119	0.45 223	0.27 172	0.34 73	0.39 204	0.60 46	0.73 137	0.76 172	1.44 327	0.83 228	0.38 92	1.08 315	0.26 25	0.12 4	0.13 152	0.18 119	0.16 123	0.15 77	0.11 9

test_4	0.36 65	0.18 34	0.31 13	0.44 202	0.25 112	0.20 1	0.34 118	0.56 28	0.41 42	0.59 73	1.45 330	0.43 55	0.25 11	0.63 149	0.28 43	0.12 4	0.10 9	0.17 85	0.19 209	0.15 77	0.11 9

GMOStereo	0.37 80	0.19 49	0.38 53	0.43 187	0.24 86	0.37 86	0.38 185	0.52 19	0.62 88	0.87 233	0.84 144	0.64 146	0.35 77	0.37 8	0.28 43	0.13 12	0.11 57	0.20 179	0.18 185	0.15 77	0.11 9

error version	0.37 80	0.19 49	0.38 53	0.43 187	0.24 86	0.37 86	0.38 185	0.52 19	0.62 88	0.87 233	0.84 144	0.64 146	0.35 77	0.37 8	0.28 43	0.13 12	0.11 57	0.20 179	0.18 185	0.15 77	0.11 9

test-v	0.37 80	0.19 49	0.38 53	0.43 187	0.24 86	0.37 86	0.38 185	0.52 19	0.62 88	0.87 233	0.84 144	0.64 146	0.35 77	0.37 8	0.28 43	0.13 12	0.11 57	0.20 179	0.18 185	0.15 77	0.11 9

test_3	0.36 65	0.19 49	0.44 119	0.44 202	0.23 69	0.48 137	0.36 153	0.66 81	0.82 178	0.64 99	0.45 21	0.68 167	0.25 11	0.41 19	0.31 66	0.12 4	0.10 9	0.18 119	0.16 123	0.15 77	0.11 9

TRStereo	0.37 80	0.27 226	0.59 234	0.47 251	0.41 307	0.29 36	0.30 70	0.84 174	0.59 84	0.52 59	0.41 19	0.52 83	0.26 17	0.73 207	0.27 33	0.17 143	0.12 98	0.19 155	0.19 209	0.13 20	0.11 9

IIG-Stereo	0.43 143	0.21 101	0.44 119	0.50 285	0.25 112	0.44 126	0.21 4	0.71 128	0.76 150	0.83 213	0.95 190	0.83 228	0.43 123	0.90 272	0.35 111	0.15 79	0.12 98	0.19 155	0.14 72	0.15 77	0.11 9

test-2	0.37 80	0.19 49	0.38 53	0.43 187	0.24 86	0.37 86	0.38 185	0.52 19	0.62 88	0.87 233	0.84 144	0.64 146	0.35 77	0.37 8	0.28 43	0.13 12	0.11 57	0.20 179	0.18 185	0.15 77	0.11 9

cross-raft	0.34 35	0.20 70	0.37 44	0.44 202	0.23 69	0.32 63	0.35 135	0.74 141	0.40 39	0.60 77	0.77 105	0.57 101	0.27 23	0.43 24	0.28 43	0.12 4	0.10 9	0.15 42	0.13 50	0.15 77	0.11 9

XX-TBD	0.32 28	0.53 340	0.26 7	0.51 297	0.20 20	0.37 86	0.24 24	0.40 3	0.73 137	0.54 64	0.69 81	0.31 8	0.25 11	0.32 3	0.27 33	0.16 110	0.10 9	0.12 2	0.09 6	0.13 20	0.11 9

AFF-stereo	0.38 94	0.19 49	0.39 70	0.37 45	0.21 29	0.27 25	0.31 86	0.65 72	0.66 113	0.64 99	1.13 266	0.76 208	0.39 104	0.55 71	0.33 86	0.11 1	0.09 2	0.16 60	0.16 123	0.13 20	0.11 9

CFNet-RSSM	0.34 35	0.17 19	0.45 130	0.39 85	0.22 42	0.35 78	0.23 18	0.73 139	0.84 186	0.65 106	0.54 46	0.57 101	0.28 32	0.46 37	0.26 25	0.13 12	0.10 9	0.14 16	0.12 29	0.13 20	0.11 9

CREStereo	0.28 8	0.15 3	0.24 3	0.27 1	0.17 3	0.37 86	0.25 31	0.51 16	0.72 132	0.42 37	0.51 38	0.32 10	0.26 17	0.38 12	0.25 9	0.16 110	0.11 57	0.12 2	0.08 1	0.12 8	0.11 9
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	0.32 28	0.16 8	0.24 3	0.29 2	0.18 7	0.45 131	0.22 8	0.56 28	0.63 98	0.46 46	0.54 46	0.39 38	0.34 75	0.48 49	0.24 6	0.75 381	0.10 9	0.12 2	0.08 1	0.12 8	0.11 9

AE-Stereo	0.34 35	0.21 101	0.42 100	0.48 256	0.31 241	0.48 137	0.35 135	0.61 52	0.62 88	0.32 12	0.55 51	0.52 83	0.27 23	0.47 44	0.29 54	0.13 12	0.13 152	0.18 119	0.16 123	0.15 77	0.12 33

test croco	0.31 26	0.20 70	0.50 194	0.39 85	0.29 214	0.27 25	0.30 70	0.44 6	0.35 16	0.31 8	0.66 74	0.30 5	0.31 57	0.65 163	0.31 66	0.17 143	0.13 152	0.20 179	0.15 94	0.17 139	0.12 33

StereoIM	0.26 3	0.18 34	0.36 34	0.36 37	0.26 148	0.27 25	0.27 43	0.43 5	0.35 16	0.27 2	0.26 3	0.41 43	0.28 32	0.40 16	0.28 43	0.16 110	0.14 178	0.16 60	0.13 50	0.14 45	0.12 33

IGEV_Zeroshot_test	0.34 35	0.18 34	0.67 271	0.39 85	0.28 191	0.30 43	0.25 31	0.74 141	0.31 5	0.62 83	0.57 54	0.54 91	0.25 11	0.53 66	0.27 33	0.14 32	0.10 9	0.15 42	0.14 72	0.14 45	0.12 33

MSKI-zero shot	0.32 28	0.17 19	0.34 26	0.39 85	0.21 29	0.32 63	0.22 8	0.61 52	0.43 48	0.52 59	0.64 68	0.61 132	0.20 4	0.74 213	0.25 9	0.14 32	0.10 9	0.14 16	0.10 10	0.12 8	0.12 33

MIF-Stereo	0.27 5	0.17 19	0.37 44	0.40 108	0.27 172	0.30 43	0.28 50	0.39 2	0.31 5	0.29 6	0.46 24	0.27 2	0.25 11	0.47 44	0.34 96	0.17 143	0.13 152	0.13 9	0.12 29	0.14 45	0.12 33

Any-RAFT	0.35 47	0.16 8	0.30 11	0.34 11	0.21 29	0.52 149	0.22 8	0.88 191	0.73 137	0.53 62	0.73 89	0.64 146	0.28 32	0.46 37	0.24 6	0.15 79	0.10 9	0.13 9	0.10 10	0.13 20	0.12 33

RAFT-Test	0.34 35	0.18 34	0.37 44	0.38 66	0.23 69	0.50 142	0.23 18	0.69 109	0.40 39	0.60 77	0.85 152	0.61 132	0.28 32	0.46 37	0.27 33	0.14 32	0.11 57	0.14 16	0.11 15	0.13 20	0.12 33

HH	0.35 47	0.20 70	0.47 156	0.40 108	0.25 112	0.33 67	0.31 86	0.76 152	0.38 35	0.43 39	0.57 54	0.79 216	0.44 131	0.71 197	0.25 9	0.15 79	0.11 57	0.15 42	0.14 72	0.14 45	0.12 33

HanStereo	0.35 47	0.20 70	0.47 156	0.40 108	0.25 112	0.33 67	0.31 86	0.76 152	0.38 35	0.43 39	0.57 54	0.79 216	0.44 131	0.71 197	0.25 9	0.15 79	0.11 57	0.15 42	0.14 72	0.14 45	0.12 33

ADStereo(finetuned)	0.37 80	0.16 8	0.49 182	0.34 11	0.19 9	0.30 43	0.30 70	0.68 100	0.91 228	0.70 135	0.77 105	0.43 55	0.69 252	0.45 30	0.33 86	0.14 32	0.10 9	0.14 16	0.11 15	0.13 20	0.12 33

raft_robust	0.41 131	0.23 145	0.36 34	0.42 169	0.21 29	0.40 102	0.33 111	0.79 162	0.98 258	0.79 182	0.87 159	0.39 38	0.33 69	0.84 252	0.29 54	0.13 12	0.12 98	0.16 60	0.17 163	0.15 77	0.12 33

IPLG	0.39 108	0.20 70	0.59 234	0.40 108	0.24 86	0.54 159	0.27 43	0.75 147	0.63 98	0.84 220	0.81 131	0.32 10	0.32 61	0.60 126	0.45 188	0.13 12	0.11 57	0.16 60	0.13 50	0.13 20	0.12 33

AAGNet	1.43 373	0.20 70	0.48 172	0.44 202	0.25 112	0.29 36	0.31 86	0.65 72	0.68 116	0.97 282	0.86 155	0.67 166	0.62 212	0.64 156	20.63 419	0.16 110	0.11 57	0.19 155	0.15 94	0.19 191	0.12 33

STrans-v2	0.46 165	0.20 70	0.48 172	0.40 108	0.24 86	0.55 164	0.50 262	1.07 254	0.73 137	0.65 106	1.05 239	0.72 187	0.69 252	0.72 202	0.33 86	0.14 32	0.10 9	0.17 85	0.14 72	0.13 20	0.12 33

OMP-Stereo	0.42 137	0.22 128	0.46 146	0.52 308	0.24 86	0.36 84	0.25 31	0.71 128	0.78 163	0.77 177	0.64 68	0.89 250	0.39 104	0.91 279	0.35 111	0.15 79	0.12 98	0.20 179	0.15 94	0.15 77	0.12 33

CroCo-Stereo	0.26 3	0.22 128	0.36 34	0.48 256	0.22 42	0.20 1	0.29 57	0.51 16	0.44 52	0.28 4	0.23 1	0.42 49	0.26 17	0.29 1	0.26 25	0.15 79	0.13 152	0.13 9	0.11 15	0.16 108	0.12 33
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
RAFT	0.45 159	0.22 128	0.45 130	0.47 251	0.26 148	0.54 159	0.47 246	0.66 81	0.58 83	0.80 184	0.82 134	0.94 261	0.57 185	0.75 217	0.34 96	0.17 143	0.15 202	0.22 230	0.20 231	0.16 108	0.12 33

iRaftStereo_RVC	0.32 28	0.19 49	0.37 44	0.39 85	0.22 42	0.31 53	0.29 57	0.68 100	0.51 63	0.49 51	0.66 74	0.37 33	0.23 7	0.45 30	0.33 86	0.14 32	0.10 9	0.18 119	0.17 163	0.15 77	0.12 33

raft+_RVC	0.38 94	0.19 49	0.35 29	0.37 45	0.25 112	0.45 131	0.37 165	0.78 160	0.89 221	0.51 56	0.78 113	0.50 78	0.29 42	0.53 66	0.40 158	0.15 79	0.12 98	0.17 85	0.15 94	0.14 45	0.12 33

DCANet	0.36 65	0.16 8	0.41 81	0.34 11	0.19 9	0.30 43	0.30 70	0.68 100	0.91 228	0.70 135	0.77 105	0.43 55	0.57 185	0.45 30	0.34 96	0.14 32	0.10 9	0.14 16	0.11 15	0.13 20	0.12 33

EAI-Stereo	0.34 35	0.19 49	0.44 119	0.39 85	0.21 29	0.31 53	0.30 70	1.15 282	0.30 3	0.49 51	0.75 99	0.36 31	0.28 32	0.62 139	0.27 33	0.14 32	0.11 57	0.14 16	0.13 50	0.13 20	0.12 33

Gwc-CoAtRS	0.34 35	0.17 19	0.44 119	0.39 85	0.23 69	0.34 73	0.22 8	0.70 123	0.75 144	0.60 77	0.59 59	0.58 109	0.29 42	0.45 30	0.26 25	0.14 32	0.11 57	0.14 16	0.12 29	0.12 8	0.12 33

HITNet	0.41 131	0.26 212	0.45 130	0.33 10	0.17 3	0.63 216	0.30 70	0.93 204	0.64 105	0.71 141	0.82 134	0.64 146	0.52 163	0.59 120	0.43 170	0.14 32	0.10 9	0.15 42	0.13 50	0.19 191	0.12 33
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
MLCV	0.47 175	0.24 180	0.61 241	0.37 45	0.17 3	0.61 200	0.33 111	0.80 166	0.87 207	0.94 269	1.13 266	0.72 187	0.43 123	0.89 270	0.51 216	0.13 12	0.10 9	0.13 9	0.11 15	0.14 45	0.12 33

LL-Strereo2	0.35 47	0.24 180	0.48 172	0.41 132	0.26 148	0.35 78	0.24 24	0.67 91	0.44 52	0.54 64	0.51 38	0.66 161	0.25 11	0.66 168	0.30 59	0.14 32	0.12 98	0.23 244	0.20 231	0.18 157	0.13 58

DCRE	0.37 80	0.18 34	0.46 146	0.45 223	0.32 253	0.42 120	0.37 165	0.63 61	0.51 63	0.47 49	0.94 183	0.56 96	0.36 86	0.52 61	0.32 74	0.14 32	0.13 152	0.15 42	0.14 72	0.14 45	0.13 58

Selective-RAFT	0.35 47	0.23 145	0.51 201	0.44 202	0.21 29	0.64 222	0.27 43	0.59 37	0.63 98	0.40 31	0.38 18	0.55 94	0.40 109	0.57 89	0.35 111	0.13 12	0.11 57	0.14 16	0.12 29	0.16 108	0.13 58

ProNet	0.29 12	0.21 101	0.38 53	0.35 29	0.24 86	0.32 63	0.43 230	0.57 31	0.37 31	0.33 13	0.30 6	0.32 10	0.28 32	0.57 89	0.26 25	0.13 12	0.11 57	0.16 60	0.13 50	0.13 20	0.13 58

TestStereo1	0.43 143	0.23 145	0.41 81	0.51 297	0.24 86	0.34 73	0.40 210	0.77 155	0.90 223	0.68 124	0.96 194	0.48 73	0.46 138	0.91 279	0.32 74	0.16 110	0.13 152	0.18 119	0.15 94	0.14 45	0.13 58

DCANet-4	0.36 65	0.20 70	0.48 172	0.34 11	0.19 9	0.29 36	0.30 70	0.66 81	0.92 233	0.69 129	0.78 113	0.40 41	0.47 141	0.45 30	0.34 96	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

fff	0.37 80	0.16 8	0.41 81	0.34 11	0.19 9	0.29 36	0.30 70	0.69 109	1.06 298	0.69 129	0.78 113	0.42 49	0.63 218	0.46 37	0.34 96	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

SA-5K	0.43 143	0.23 145	0.41 81	0.51 297	0.24 86	0.34 73	0.40 210	0.77 155	0.90 223	0.68 124	0.96 194	0.48 73	0.46 138	0.91 279	0.32 74	0.16 110	0.13 152	0.18 119	0.15 94	0.14 45	0.13 58

Sa-1000	0.48 182	0.24 180	0.41 81	0.45 223	0.25 112	0.59 194	0.34 118	0.81 169	0.93 238	0.82 201	1.50 334	0.53 87	0.45 135	0.92 282	0.30 59	0.15 79	0.12 98	0.21 218	0.19 209	0.15 77	0.13 58

SA	0.44 149	0.25 198	0.46 146	0.46 242	0.24 86	0.43 122	0.36 153	0.75 147	0.96 251	0.59 73	1.03 231	0.48 73	0.52 163	0.94 294	0.32 74	0.16 110	0.12 98	0.21 218	0.19 209	0.15 77	0.13 58

iRaft-Stereo_20w	0.39 108	0.19 49	0.57 229	0.37 45	0.27 172	0.31 53	0.24 24	1.44 357	0.29 2	0.69 129	0.53 44	0.60 128	0.42 116	0.83 247	0.27 33	0.14 32	0.11 57	0.14 16	0.13 50	0.15 77	0.13 58

GLC_STEREO	0.29 12	0.19 49	0.27 8	0.44 202	0.19 9	0.31 53	0.26 37	0.47 9	0.43 48	0.37 17	0.47 29	0.41 43	0.23 7	0.50 52	0.34 96	0.14 32	0.18 254	0.19 155	0.16 123	0.16 108	0.13 58

MIPNet	0.37 80	0.21 101	0.59 234	0.39 85	0.25 112	0.50 142	0.28 50	0.77 155	0.70 121	0.65 106	0.60 60	0.40 41	0.49 148	0.44 29	0.37 139	0.14 32	0.11 57	0.16 60	0.13 50	0.14 45	0.13 58

IPLGR	0.39 108	0.21 101	0.63 252	0.39 85	0.22 42	0.49 141	0.29 57	0.76 152	0.74 142	0.78 180	0.77 105	0.44 60	0.42 116	0.47 44	0.38 147	0.13 12	0.12 98	0.16 60	0.14 72	0.15 77	0.13 58

TransformOpticalFlow	0.44 149	0.20 70	0.47 156	0.41 132	0.23 69	0.37 86	0.47 246	0.94 208	0.76 150	0.65 106	1.14 268	0.73 196	0.56 184	0.76 220	0.32 74	0.15 79	0.10 9	0.17 85	0.15 94	0.14 45	0.13 58

PFNet	0.42 137	0.18 34	0.58 233	0.43 187	0.24 86	0.43 122	0.32 102	0.74 141	0.78 163	1.00 294	0.74 98	0.68 167	0.39 104	0.72 202	0.37 139	0.16 110	0.10 9	0.20 179	0.15 94	0.16 108	0.13 58

RAFT-RH_RVC	0.56 252	0.17 19	0.41 81	0.37 45	0.23 69	0.57 183	0.24 24	0.60 46	0.70 121	1.19 334	3.94 400	0.56 96	0.38 92	0.65 163	0.36 127	0.13 12	0.11 57	0.20 179	0.14 72	0.12 8	0.13 58

RAFT-345	0.40 120	0.18 34	0.40 77	0.38 66	0.22 42	0.33 67	0.26 37	0.61 52	0.51 63	0.74 165	1.79 354	0.45 61	0.33 69	0.66 168	0.36 127	0.14 32	0.11 57	0.18 119	0.14 72	0.13 20	0.13 58

TestStereo	0.38 94	0.31 259	0.40 77	0.45 223	0.20 20	0.40 102	0.37 165	0.66 81	0.65 110	0.53 62	0.78 113	0.47 69	0.40 109	0.55 71	0.37 139	0.18 171	0.13 152	0.20 179	0.15 94	0.22 238	0.13 58

raftrobust	0.34 35	0.19 49	0.36 34	0.41 132	0.27 172	0.30 43	0.25 31	0.71 128	0.63 98	0.58 71	0.55 51	0.45 61	0.46 138	0.51 56	0.29 54	0.16 110	0.12 98	0.14 16	0.12 29	0.12 8	0.13 58

RALAANet	0.38 94	0.23 145	0.48 172	0.42 169	0.29 214	0.35 78	0.25 31	0.86 180	0.64 105	0.67 118	0.65 70	0.60 128	0.29 42	0.60 126	0.34 96	0.15 79	0.12 98	0.17 85	0.15 94	0.21 222	0.13 58

csc	0.37 80	0.16 8	0.41 81	0.34 11	0.19 9	0.29 36	0.30 70	0.69 109	1.06 298	0.69 129	0.78 113	0.42 49	0.63 218	0.46 37	0.34 96	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

cscssc	0.37 80	0.16 8	0.41 81	0.34 11	0.19 9	0.29 36	0.30 70	0.69 109	1.06 298	0.69 129	0.78 113	0.42 49	0.63 218	0.46 37	0.34 96	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

111	0.40 120	0.17 19	0.41 81	0.34 11	0.19 9	0.52 149	0.28 50	0.74 141	1.16 319	0.50 54	0.91 175	0.63 139	0.48 145	0.61 133	0.35 111	0.14 32	0.10 9	0.14 16	0.12 29	0.13 20	0.13 58

test_xeample3	0.29 12	0.21 101	0.41 81	0.35 29	0.26 148	0.35 78	0.32 102	0.56 28	0.36 21	0.43 39	0.32 9	0.34 21	0.28 32	0.54 69	0.23 4	0.14 32	0.11 57	0.16 60	0.12 29	0.14 45	0.13 58

ARAFT	0.47 175	0.24 180	0.79 307	0.42 169	0.25 112	0.55 164	0.55 290	0.75 147	0.81 177	0.89 245	0.75 99	0.73 196	0.47 141	0.88 265	0.37 139	0.15 79	0.12 98	0.23 244	0.22 263	0.14 45	0.13 58

R-Stereo Train	0.39 108	0.18 34	0.42 100	0.42 169	0.26 148	0.40 102	0.32 102	0.72 132	0.34 9	0.89 245	1.28 299	0.57 101	0.35 77	0.42 21	0.32 74	0.15 79	0.12 98	0.14 16	0.12 29	0.14 45	0.13 58

RAFT-Stereo	0.39 108	0.18 34	0.42 100	0.42 169	0.26 148	0.40 102	0.32 102	0.72 132	0.34 9	0.89 245	1.28 299	0.57 101	0.35 77	0.42 21	0.32 74	0.15 79	0.12 98	0.14 16	0.12 29	0.14 45	0.13 58
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RASNet	0.53 230	0.22 128	0.52 206	0.38 66	0.22 42	0.68 236	0.38 185	0.97 220	0.88 211	0.73 159	1.04 235	1.03 284	0.92 318	0.90 272	0.86 295	0.16 110	0.14 178	0.14 16	0.17 163	0.15 77	0.13 58

tta	0.51 218	0.23 145	0.62 244	0.34 11	0.20 20	0.62 207	0.34 118	1.21 301	1.02 277	0.81 192	1.01 219	0.71 177	0.65 234	0.84 252	0.55 233	0.19 200	0.15 202	0.18 119	0.16 123	0.15 77	0.14 87

qqq1	0.49 198	0.23 145	0.62 244	0.34 11	0.20 20	0.62 207	0.34 118	1.21 301	1.02 277	0.81 192	1.01 219	0.71 177	0.65 234	0.84 252	0.34 96	0.19 200	0.15 202	0.14 16	0.12 29	0.15 77	0.14 87

fff1	0.49 198	0.23 145	0.62 244	0.34 11	0.20 20	0.62 207	0.34 118	1.21 301	1.02 277	0.81 192	1.01 219	0.71 177	0.65 234	0.84 252	0.34 96	0.19 200	0.15 202	0.14 16	0.12 29	0.15 77	0.14 87

CoDeX	0.47 175	0.20 70	0.49 182	0.42 169	0.25 112	0.75 253	0.36 153	1.27 326	0.80 171	0.82 201	0.96 194	0.62 138	0.57 185	0.60 126	0.36 127	0.17 143	0.12 98	0.17 85	0.15 94	0.16 108	0.14 87

rrr	0.29 12	0.22 128	0.41 81	0.35 29	0.27 172	0.37 86	0.32 102	0.52 19	0.42 46	0.38 21	0.30 6	0.35 26	0.27 23	0.51 56	0.22 1	0.15 79	0.12 98	0.16 60	0.13 50	0.13 20	0.14 87

MIF-Stereo (partial)	0.31 26	0.18 34	0.37 44	0.41 132	0.31 241	0.28 32	0.23 18	0.47 9	0.42 46	0.31 8	0.63 65	0.36 31	0.35 77	0.57 89	0.31 66	0.17 143	0.13 152	0.19 155	0.17 163	0.18 157	0.14 87

anonymousdsp2	0.35 47	0.20 70	0.43 109	0.37 45	0.24 86	0.48 137	0.31 86	0.86 180	0.65 110	0.55 66	0.50 33	0.50 78	0.34 75	0.56 79	0.31 66	0.14 32	0.10 9	0.14 16	0.10 10	0.16 108	0.14 87

anonymousa	0.49 198	0.20 70	0.42 100	0.38 66	0.23 69	0.91 291	0.35 135	0.75 147	0.62 88	0.85 221	1.54 338	1.06 291	0.66 239	0.51 56	0.43 170	0.16 110	0.13 152	0.19 155	0.21 248	0.16 108	0.14 87

RAFT+CT+SA	0.39 108	0.23 145	0.36 34	0.51 297	0.27 172	0.29 36	0.46 241	0.75 147	0.80 171	0.51 56	0.89 170	0.41 43	0.40 109	0.78 231	0.32 74	0.14 32	0.11 57	0.18 119	0.18 185	0.15 77	0.14 87

CIPLG	0.41 131	0.21 101	0.63 252	0.45 223	0.33 262	0.52 149	0.33 111	0.65 72	0.60 86	0.82 201	0.96 194	0.46 67	0.32 61	0.55 71	0.44 182	0.16 110	0.12 98	0.15 42	0.14 72	0.13 20	0.14 87

IPLGR_C	0.40 120	0.21 101	0.64 257	0.45 223	0.33 262	0.52 149	0.34 118	0.66 81	0.62 88	0.82 201	0.92 179	0.45 61	0.32 61	0.52 61	0.46 198	0.17 143	0.12 98	0.15 42	0.14 72	0.13 20	0.14 87

ACRE	0.40 120	0.21 101	0.65 262	0.45 223	0.33 262	0.51 146	0.33 111	0.66 81	0.63 98	0.80 184	0.92 179	0.45 61	0.32 61	0.52 61	0.45 188	0.16 110	0.12 98	0.15 42	0.14 72	0.13 20	0.14 87

CrosDoStereo	0.50 211	0.18 34	0.45 130	0.38 66	0.24 86	0.40 102	1.18 374	0.67 91	0.86 198	0.94 269	1.37 313	0.63 139	0.77 282	0.65 163	0.45 188	0.15 79	0.12 98	0.17 85	0.18 185	0.14 45	0.14 87

NRIStereo	0.36 65	0.20 70	0.45 130	0.41 132	0.23 69	0.34 73	0.26 37	0.65 72	0.55 77	0.64 99	0.63 65	0.56 96	0.37 89	0.65 163	0.37 139	0.15 79	0.11 57	0.18 119	0.15 94	0.17 139	0.14 87

DeepStereo_LL	0.50 211	0.18 34	0.45 130	0.38 66	0.24 86	0.40 102	1.18 374	0.67 91	0.86 198	0.94 269	1.37 313	0.63 139	0.77 282	0.65 163	0.45 188	0.15 79	0.12 98	0.17 85	0.18 185	0.14 45	0.14 87

RAFT_R40	0.40 120	0.19 49	0.44 119	0.43 187	0.25 112	0.23 5	0.26 37	0.67 91	0.67 115	0.98 286	0.78 113	0.72 187	0.43 123	0.76 220	0.35 111	0.16 110	0.11 57	0.20 179	0.16 123	0.18 157	0.14 87

IRAFT_RVC	0.42 137	0.20 70	0.48 172	0.44 202	0.24 86	0.27 25	0.54 286	0.74 141	0.77 157	0.76 172	0.80 124	0.73 196	0.51 161	0.70 192	0.36 127	0.17 143	0.10 9	0.21 218	0.16 123	0.16 108	0.14 87

rafts_anoy	0.37 80	0.21 101	0.36 34	0.41 132	0.26 148	0.30 43	0.33 111	0.67 91	0.90 223	0.58 71	0.66 74	0.45 61	0.33 69	0.47 44	0.39 153	0.16 110	0.11 57	0.21 218	0.23 274	0.17 139	0.14 87

TANstereo	0.30 24	0.15 3	0.31 13	0.30 4	0.17 3	0.55 164	0.23 18	0.44 6	0.55 77	0.59 73	0.68 80	0.37 33	0.26 17	0.35 4	0.27 33	0.15 79	0.16 229	0.12 2	0.10 10	0.13 20	0.14 87

Former-RAFT_DAM_RVC	0.34 35	0.27 226	0.45 130	0.36 37	0.25 112	0.48 137	0.30 70	0.58 35	0.90 223	0.42 37	0.36 17	0.30 5	0.29 42	0.49 50	0.30 59	0.16 110	0.14 178	0.18 119	0.15 94	0.18 157	0.15 106

MyStereo06	0.38 94	0.21 101	0.61 241	0.41 132	0.28 191	0.41 115	0.50 262	0.95 214	0.35 16	0.62 83	0.54 46	0.76 208	0.27 23	0.50 52	0.29 54	0.14 32	0.13 152	0.18 119	0.17 163	0.17 139	0.15 106

MyStereo05	0.44 149	0.21 101	0.45 130	0.41 132	0.28 191	0.41 115	0.50 262	0.93 204	1.09 309	0.76 172	0.61 63	0.51 81	0.57 185	0.73 207	0.42 165	0.14 32	0.13 152	0.18 119	0.17 163	0.17 139	0.15 106

cc1	0.37 80	0.23 145	0.33 20	0.41 132	0.22 42	0.55 164	0.38 185	0.67 91	1.06 298	0.41 32	0.50 33	0.34 21	0.49 148	0.57 89	0.25 9	0.16 110	0.10 9	0.19 155	0.13 50	0.16 108	0.15 106

ff7	0.29 12	0.21 101	0.38 53	0.36 37	0.26 148	0.31 53	0.35 135	0.62 56	0.34 9	0.38 21	0.33 10	0.32 10	0.29 42	0.58 106	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

IGEVStereo-DCA	0.29 12	0.22 128	0.38 53	0.35 29	0.27 172	0.37 86	0.35 135	0.62 56	0.34 9	0.38 21	0.30 6	0.35 26	0.27 23	0.51 56	0.22 1	0.15 79	0.12 98	0.16 60	0.12 29	0.13 20	0.15 106

ffff	0.29 12	0.21 101	0.38 53	0.36 37	0.26 148	0.31 53	0.35 135	0.62 56	0.34 9	0.38 21	0.33 10	0.32 10	0.29 42	0.58 106	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

11t	0.29 12	0.21 101	0.38 53	0.36 37	0.26 148	0.31 53	0.35 135	0.62 56	0.34 9	0.38 21	0.33 10	0.32 10	0.29 42	0.58 106	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

CAS	0.34 35	0.13 1	0.25 6	1.28 388	0.30 224	0.46 133	0.38 185	0.48 11	0.47 59	0.34 14	0.52 42	0.24 1	0.19 2	0.29 1	0.27 33	0.69 379	0.08 1	0.12 2	0.08 1	0.12 8	0.15 106

anonymousdsp	0.29 12	0.21 101	0.38 53	0.37 45	0.25 112	0.30 43	0.35 135	0.63 61	0.35 16	0.39 29	0.33 10	0.33 18	0.28 32	0.59 120	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

CroCo-Stereo Lap2	0.28 8	0.24 180	0.39 70	0.50 285	0.29 214	0.20 1	0.31 86	0.49 13	0.38 35	0.24 1	0.27 4	0.46 67	0.31 57	0.39 14	0.30 59	0.14 32	0.15 202	0.16 60	0.13 50	0.16 108	0.15 106

ccc-4	0.29 12	0.21 101	0.38 53	0.36 37	0.26 148	0.31 53	0.35 135	0.62 56	0.34 9	0.38 21	0.33 10	0.32 10	0.29 42	0.58 106	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

IER	0.46 165	0.23 145	0.50 194	0.38 66	0.28 191	0.69 238	0.35 135	0.80 166	0.66 113	0.83 213	0.94 183	0.75 202	0.77 282	0.60 126	0.42 165	0.17 143	0.14 178	0.17 85	0.17 163	0.17 139	0.15 106

IGEV-Stereo	0.29 12	0.21 101	0.38 53	0.37 45	0.25 112	0.30 43	0.35 135	0.63 61	0.35 16	0.39 29	0.33 10	0.33 18	0.28 32	0.59 120	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.45 159	0.21 101	0.48 172	0.42 169	0.28 191	0.31 53	0.54 286	0.63 61	0.62 88	0.62 83	0.89 170	1.01 277	0.69 252	0.75 217	0.66 254	0.13 12	0.12 98	0.17 85	0.15 94	0.14 45	0.15 106

Patchmatch Stereo++	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.22 8	0.59 37	0.36 21	0.63 90	0.73 89	0.58 109	0.38 92	0.58 106	0.36 127	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.31 86	0.59 37	0.36 21	0.63 90	0.73 89	0.58 109	0.38 92	0.56 79	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

ROB_FTStereo_v2	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.31 86	0.59 37	0.36 21	0.63 90	0.73 89	0.57 101	0.38 92	0.57 89	0.36 127	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

ROB_FTStereo	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.25 15	0.21 4	0.59 37	0.36 21	0.63 90	0.73 89	0.58 109	0.38 92	0.57 89	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

HUI-Stereo	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.22 8	0.60 46	0.36 21	0.63 90	0.73 89	0.58 109	0.38 92	0.50 52	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

DEmStereo	0.48 182	0.17 19	0.50 194	0.38 66	0.25 112	0.59 194	0.34 118	0.63 61	0.74 142	0.89 245	1.66 345	0.58 109	1.06 338	0.60 126	0.42 165	0.14 32	0.11 57	0.16 60	0.16 123	0.14 45	0.15 106

SST-Stereo	0.40 120	0.19 49	0.45 130	0.42 169	0.25 112	0.25 15	0.21 4	0.66 81	0.47 59	1.08 321	0.79 122	0.72 187	0.43 123	0.77 227	0.35 111	0.16 110	0.11 57	0.20 179	0.16 123	0.19 191	0.15 106

THIR-Stereo	0.50 211	0.18 34	0.45 130	0.38 66	0.23 69	0.75 253	0.67 317	0.66 81	0.87 207	1.02 301	1.40 319	0.72 187	0.76 278	0.62 139	0.42 165	0.15 79	0.11 57	0.17 85	0.18 185	0.14 45	0.15 106

DRaft	0.49 198	0.17 19	0.47 156	0.37 45	0.25 112	0.58 185	0.40 210	0.65 72	0.85 193	1.02 301	1.75 353	0.50 78	0.82 297	0.63 149	0.40 158	0.13 12	0.11 57	0.16 60	0.16 123	0.14 45	0.15 106

iGMRVC	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.30 70	0.59 37	0.36 21	0.63 90	0.73 89	0.58 109	0.38 92	0.58 106	0.36 127	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

iRAFT	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.22 8	0.59 37	0.36 21	0.63 90	0.73 89	0.58 109	0.38 92	0.58 106	0.36 127	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

RAFT-IKP	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.28 50	0.59 37	0.36 21	0.63 90	0.73 89	0.57 101	0.38 92	0.58 106	0.36 127	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

SFCPSM	0.47 175	0.21 101	0.55 220	0.40 108	0.27 172	0.87 289	0.37 165	1.33 337	0.77 157	0.80 184	0.84 144	0.54 91	0.49 148	0.57 89	0.37 139	0.18 171	0.13 152	0.18 119	0.20 231	0.16 108	0.15 106

delet	0.55 241	0.24 180	0.55 220	0.44 202	0.33 262	1.07 321	0.50 262	1.00 228	0.86 198	0.85 221	0.96 194	0.90 254	0.63 218	0.83 247	0.74 274	0.18 171	0.18 254	0.20 179	0.21 248	0.16 108	0.15 106

UPFNet	0.53 230	0.24 180	0.51 201	0.45 223	0.38 290	0.84 284	0.49 258	0.99 225	0.75 144	0.87 233	0.88 166	0.86 236	0.64 228	0.80 235	0.71 268	0.20 221	0.20 276	0.20 179	0.20 231	0.19 191	0.15 106

ac_64	0.52 227	0.22 128	0.50 194	0.45 223	0.28 191	0.80 266	0.45 238	1.02 238	0.61 87	0.91 257	0.83 139	1.07 296	0.68 248	0.74 213	0.70 264	0.21 235	0.18 254	0.20 179	0.19 209	0.18 157	0.15 106

ACVNet	0.46 165	0.23 145	0.36 34	0.39 85	0.28 191	0.58 185	0.40 210	0.87 187	0.80 171	0.64 99	0.96 194	0.79 216	0.60 202	0.63 149	0.67 257	0.17 143	0.15 202	0.16 60	0.15 94	0.18 157	0.15 106

acv_ft	0.51 218	0.23 145	0.56 226	0.44 202	0.28 191	0.86 288	0.39 204	0.91 201	0.80 171	0.97 282	0.96 194	0.79 216	0.59 198	0.63 149	0.87 299	0.17 143	0.15 202	0.16 60	0.15 94	0.17 139	0.15 106

cf-r	0.47 175	0.23 145	0.41 81	0.39 85	0.23 69	0.59 194	0.37 165	0.88 191	0.85 193	0.72 152	1.05 239	0.94 261	0.62 212	0.56 79	0.54 229	0.21 235	0.14 178	0.17 85	0.19 209	0.15 77	0.15 106

GwcNet-RSSM	0.49 198	0.24 180	0.42 100	0.40 108	0.23 69	0.55 164	0.38 185	0.93 204	0.93 238	0.71 141	1.16 278	0.86 236	0.60 202	0.62 139	0.66 254	0.21 235	0.14 178	0.19 155	0.20 231	0.16 108	0.15 106

DIP-Stereo	0.39 108	0.21 101	0.50 194	0.41 132	0.28 191	0.62 207	0.27 43	0.77 155	0.40 39	0.64 99	0.86 155	0.52 83	0.33 69	0.66 168	0.42 165	0.15 79	0.13 152	0.17 85	0.14 72	0.15 77	0.15 106
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HSM-Net_RVC	0.53 230	0.22 128	0.35 29	0.37 45	0.21 29	0.85 285	0.37 165	1.23 313	0.93 238	0.90 252	1.15 273	1.26 318	0.63 218	0.72 202	0.48 205	0.17 143	0.13 152	0.16 60	0.15 94	0.17 139	0.15 106
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iResNet	0.49 198	0.29 248	0.79 307	0.42 169	0.21 29	0.61 200	0.40 210	0.82 170	0.99 263	0.87 233	1.12 260	0.69 171	0.53 166	0.78 231	0.51 216	0.15 79	0.11 57	0.14 16	0.12 29	0.17 139	0.15 106

pmcnn	1.23 363	0.29 248	0.96 325	0.40 108	0.23 69	0.95 299	0.69 326	1.16 285	1.28 340	1.67 366	2.33 368	11.15 417	0.86 306	0.93 287	0.88 302	0.15 79	0.12 98	0.12 2	0.10 10	0.15 77	0.15 106

MyStereo07	0.32 28	0.22 128	0.34 26	0.42 169	0.28 191	0.40 102	0.50 262	0.72 132	0.37 31	0.37 17	0.34 16	0.32 10	0.31 57	0.59 120	0.27 33	0.14 32	0.13 152	0.18 119	0.17 163	0.17 139	0.16 145

MyStereo04	0.44 149	0.22 128	0.44 119	0.42 169	0.28 191	0.40 102	0.50 262	1.00 228	1.08 307	0.62 83	0.58 58	0.55 94	0.57 185	0.71 197	0.44 182	0.14 32	0.13 152	0.18 119	0.17 163	0.17 139	0.16 145

DualNet	0.47 175	0.26 212	0.49 182	0.37 45	0.25 112	0.55 164	0.37 165	0.68 100	1.04 286	0.73 159	0.96 194	0.71 177	0.53 166	0.57 89	0.88 302	0.16 110	0.10 9	0.25 269	0.21 248	0.16 108	0.16 145

ffm	0.44 149	0.26 212	0.49 182	0.37 45	0.25 112	0.55 164	0.37 165	0.68 100	1.04 286	0.73 159	0.96 194	0.71 177	0.53 166	0.57 89	0.25 9	0.16 110	0.10 9	0.25 269	0.21 248	0.16 108	0.16 145

ff1	0.49 198	0.26 212	0.49 182	0.37 45	0.25 112	0.55 164	0.37 165	0.68 100	1.04 286	0.73 159	0.96 194	0.71 177	0.53 166	1.01 300	0.88 302	0.16 110	0.10 9	0.25 269	0.21 248	0.16 108	0.16 145

tt1	0.36 65	0.24 180	0.32 17	0.41 132	0.22 42	0.54 159	0.38 185	0.68 100	1.04 286	0.41 32	0.46 24	0.35 26	0.45 135	0.57 89	0.25 9	0.16 110	0.10 9	0.19 155	0.13 50	0.16 108	0.16 145

StereoVision	0.42 137	0.28 240	0.45 130	0.49 271	0.28 191	0.38 98	0.38 185	0.72 132	0.62 88	0.44 42	1.14 268	0.54 91	0.39 104	0.56 79	0.34 96	0.21 235	0.24 306	0.25 269	0.24 287	0.26 269	0.16 145

EKT-Stereo	0.35 47	0.23 145	0.39 70	0.43 187	0.29 214	0.38 98	0.31 86	0.69 109	0.64 105	0.45 44	0.63 65	0.49 77	0.27 23	0.56 79	0.33 86	0.18 171	0.14 178	0.18 119	0.15 94	0.16 108	0.16 145

x	0.39 108	0.24 180	0.41 81	0.34 11	0.23 69	0.52 149	0.32 102	0.86 180	0.52 66	0.57 70	0.70 83	0.59 123	0.50 158	0.49 50	0.46 198	0.17 143	0.15 202	0.17 85	0.15 94	0.17 139	0.16 145

test_5	0.43 143	0.24 180	0.43 109	0.52 308	0.28 191	0.28 32	0.42 229	0.72 132	0.82 178	0.62 83	0.91 175	0.72 187	0.55 179	0.79 234	0.35 111	0.14 32	0.11 57	0.18 119	0.18 185	0.18 157	0.16 145

test-1	0.36 65	0.19 49	0.71 287	0.46 242	0.26 148	0.44 126	0.36 153	0.60 46	0.59 84	0.48 50	0.67 78	0.53 87	0.36 86	0.40 16	0.29 54	0.14 32	0.11 57	0.16 60	0.14 72	0.15 77	0.16 145

RALCasStereoNet	0.36 65	0.21 101	0.37 44	0.42 169	0.26 148	0.35 78	0.38 185	0.63 61	0.64 105	0.50 54	0.72 85	0.51 81	0.29 42	0.59 120	0.36 127	0.16 110	0.14 178	0.15 42	0.13 50	0.17 139	0.16 145

MMNet	0.55 241	0.25 198	0.61 241	0.43 187	0.34 269	1.07 321	0.39 204	0.87 187	0.91 228	0.91 257	0.93 182	0.86 236	0.76 278	0.81 238	0.76 276	0.15 79	0.14 178	0.18 119	0.19 209	0.20 204	0.16 145

BEATNet_4x	0.46 165	0.32 261	0.56 226	0.37 45	0.19 9	0.63 216	0.35 135	1.01 235	0.72 132	0.77 177	0.83 139	0.70 173	0.59 198	0.68 186	0.53 226	0.16 110	0.12 98	0.16 60	0.14 72	0.24 257	0.16 145

CFNet	0.51 218	0.29 248	0.46 146	0.41 132	0.27 172	0.70 240	0.32 102	1.13 273	1.00 270	0.72 152	1.07 248	0.85 234	0.60 202	0.76 220	0.52 223	0.19 200	0.14 178	0.23 244	0.23 274	0.21 222	0.16 145

iResNetv2_ROB	0.52 227	0.27 226	0.69 280	0.38 66	0.25 112	0.62 207	0.35 135	1.17 290	1.01 274	0.99 289	1.06 245	0.88 246	0.67 242	0.66 168	0.39 153	0.19 200	0.13 152	0.15 42	0.11 15	0.18 157	0.16 145

DN-CSS_ROB	0.43 143	0.26 212	0.62 244	0.40 108	0.29 214	0.44 126	0.27 43	0.77 155	0.75 144	0.72 152	1.09 255	0.48 73	0.43 123	0.69 189	0.37 139	0.15 79	0.12 98	0.21 218	0.19 209	0.18 157	0.16 145

ACVNet-DCA	0.35 47	0.23 145	0.33 20	0.41 132	0.22 42	0.55 164	0.38 185	0.85 177	0.54 73	0.41 32	0.50 33	0.34 21	0.49 148	0.57 89	0.25 9	0.16 110	0.10 9	0.19 155	0.13 50	0.18 157	0.17 162

xx1	0.39 108	0.23 145	0.33 20	0.41 132	0.22 42	0.55 164	0.38 185	0.67 91	1.06 298	0.41 32	0.50 33	0.65 156	0.53 166	0.57 89	0.25 9	0.16 110	0.10 9	0.20 179	0.19 209	0.18 157	0.17 162

1test111	0.36 65	0.23 145	0.33 20	0.41 132	0.22 42	0.55 164	0.38 185	0.85 177	0.54 73	0.41 32	0.50 33	0.34 21	0.49 148	0.55 71	0.45 188	0.16 110	0.10 9	0.19 155	0.13 50	0.18 157	0.17 162

11t1	0.36 65	0.21 101	0.42 100	0.35 29	0.22 42	0.62 207	0.29 57	0.69 109	0.43 48	0.60 77	0.53 44	0.53 87	0.48 145	0.56 79	0.40 158	0.18 171	0.14 178	0.16 60	0.13 50	0.17 139	0.17 162

LL-Strereo	0.57 257	0.27 226	0.68 274	0.48 256	0.34 269	0.39 101	0.48 252	0.94 208	0.97 254	0.83 213	0.78 113	1.10 302	1.18 350	1.33 345	0.49 207	0.17 143	0.14 178	0.22 230	0.19 209	0.16 108	0.17 162

CES	0.28 8	0.14 2	0.23 1	0.30 4	0.70 370	0.37 86	0.27 43	0.48 11	0.46 56	0.34 14	0.48 30	0.27 2	0.22 6	0.39 14	0.23 4	0.13 12	0.11 57	0.12 2	0.08 1	0.13 20	0.17 162

qqq	0.40 120	0.26 212	0.44 119	0.36 37	0.22 42	0.46 133	0.36 153	0.85 177	0.54 73	0.56 68	0.69 81	0.65 156	0.53 166	0.55 71	0.45 188	0.17 143	0.16 229	0.20 179	0.19 209	0.18 157	0.17 162

CSP-Net	0.56 252	0.27 226	0.49 182	0.41 132	0.28 191	1.22 342	0.50 262	1.23 313	0.72 132	0.95 276	0.95 190	0.89 250	0.62 212	0.83 247	0.62 246	0.26 287	0.17 243	0.17 85	0.17 163	0.18 157	0.17 162

LMCR-Stereo	0.53 230	0.30 254	0.53 212	0.58 332	0.30 224	0.83 281	0.36 153	1.19 295	0.76 150	0.88 241	1.04 235	0.56 96	0.62 212	0.82 240	0.67 257	0.19 200	0.15 202	0.19 155	0.14 72	0.23 247	0.17 162

test_xeample	1.01 341	0.21 101	0.42 100	0.35 29	0.21 29	0.71 245	0.39 204	1.23 313	0.86 198	0.81 192	1.04 235	0.69 171	0.61 207	0.69 189	10.93 411	0.19 200	0.15 202	0.18 119	0.17 163	0.18 157	0.17 162

UNet	0.54 240	0.26 212	0.66 267	0.44 202	0.40 300	0.99 308	0.41 222	0.98 223	0.75 144	0.83 213	0.89 170	1.04 286	0.72 270	0.73 207	0.62 246	0.19 200	0.14 178	0.20 179	0.17 163	0.20 204	0.17 162

GANet-RSSM	0.47 175	0.21 101	0.37 44	0.38 66	0.25 112	0.58 185	0.36 153	1.07 254	0.78 163	0.68 124	1.01 219	0.86 236	0.67 242	0.62 139	0.44 182	0.21 235	0.15 202	0.18 119	0.18 185	0.18 157	0.17 162

HSM	0.51 218	0.24 180	0.41 81	0.39 85	0.24 86	0.75 253	0.40 210	1.22 309	0.75 144	0.81 192	0.91 175	1.21 314	0.69 252	0.87 262	0.46 198	0.17 143	0.13 152	0.17 85	0.14 72	0.17 139	0.17 162

LE_ROB	4.42 407	0.24 180	2.75 391	0.42 169	0.23 69	1.57 366	0.90 357	1.71 380	17.88 422	16.56 424	4.88 408	5.17 405	18.85 424	1.63 366	14.62 415	0.17 143	0.14 178	0.16 60	0.16 123	0.19 191	0.17 162

SMFormer	0.51 218	0.23 145	0.62 244	0.34 11	0.20 20	0.62 207	0.34 118	1.21 301	1.02 277	0.81 192	1.01 219	0.71 177	0.65 234	0.84 252	0.55 233	0.19 200	0.15 202	0.18 119	0.16 123	0.18 157	0.18 176

mmm	0.44 149	0.27 226	0.46 146	0.38 66	0.24 86	0.61 200	0.35 135	0.94 208	0.53 69	0.72 152	1.05 239	0.63 139	0.50 158	0.57 89	0.45 188	0.18 171	0.15 202	0.23 244	0.20 231	0.20 204	0.18 176

1111x	0.55 241	0.22 128	0.46 146	0.38 66	0.20 20	0.66 230	0.43 230	1.23 313	0.99 263	0.71 141	0.99 214	0.95 263	0.69 252	0.90 272	1.08 339	0.18 171	0.17 243	0.18 119	0.19 209	0.20 204	0.18 176

GMStereo_Zeroshot	0.49 198	0.44 314	0.74 294	0.49 271	0.27 172	0.56 179	0.29 57	0.73 139	0.76 150	0.86 226	0.94 183	0.91 256	0.36 86	0.74 213	0.43 170	0.26 287	0.14 178	0.26 283	0.15 94	0.36 323	0.18 176

gwcnet-sp	0.48 182	0.23 145	0.70 284	0.40 108	0.26 148	0.81 271	0.41 222	0.89 193	0.84 186	0.91 257	0.76 101	0.66 161	0.61 207	0.66 168	0.50 208	0.18 171	0.17 243	0.18 119	0.18 185	0.18 157	0.18 176

scenet	0.48 182	0.23 145	0.70 284	0.40 108	0.26 148	0.81 271	0.41 222	0.89 193	0.84 186	0.91 257	0.76 101	0.66 161	0.61 207	0.66 168	0.50 208	0.18 171	0.17 243	0.18 119	0.18 185	0.18 157	0.18 176

knoymous	0.36 65	0.20 70	0.31 13	0.31 6	0.22 42	0.36 84	0.29 57	0.61 52	0.64 105	0.67 118	0.70 83	0.60 128	0.40 109	0.58 106	0.34 96	0.17 143	0.11 57	0.20 179	0.11 15	0.17 139	0.18 176

ssnet	0.48 182	0.23 145	0.70 284	0.40 108	0.26 148	0.81 271	0.41 222	0.89 193	0.84 186	0.91 257	0.76 101	0.66 161	0.61 207	0.66 168	0.50 208	0.18 171	0.17 243	0.18 119	0.18 185	0.18 157	0.18 176

BUS	0.45 159	0.25 198	0.43 109	0.45 223	0.28 191	0.70 240	0.34 118	0.94 208	0.76 150	0.75 167	0.80 124	0.65 156	0.49 148	0.64 156	0.51 216	0.20 221	0.14 178	0.22 230	0.19 209	0.18 157	0.18 176

BSDual-CNN	0.46 165	0.25 198	0.43 109	0.45 223	0.28 191	0.77 256	0.40 210	0.94 208	0.76 150	0.75 167	0.80 124	0.76 208	0.54 177	0.64 156	0.43 170	0.20 221	0.14 178	0.22 230	0.19 209	0.18 157	0.18 176

hknet	0.49 198	0.25 198	0.51 201	0.45 223	0.29 214	0.77 256	0.40 210	0.94 208	0.83 183	0.75 167	0.80 124	0.97 267	0.61 207	0.73 207	0.45 188	0.18 171	0.14 178	0.22 230	0.19 209	0.18 157	0.18 176

psmg	0.49 198	0.25 198	0.43 109	0.41 132	0.28 191	0.85 285	0.43 230	0.99 225	0.76 150	0.91 257	0.94 183	0.76 208	0.54 177	0.64 156	0.43 170	0.20 221	0.15 202	0.20 179	0.20 231	0.18 157	0.18 176

dd	0.43 143	0.38 295	0.55 220	0.44 202	0.25 112	0.47 135	0.38 185	0.70 123	1.05 291	0.59 73	0.65 70	0.42 49	0.39 104	0.66 168	0.50 208	0.24 267	0.15 202	0.21 218	0.15 94	0.22 238	0.18 176

DAS	0.51 218	0.25 198	0.60 239	0.48 256	0.31 241	0.58 185	0.41 222	0.83 171	0.97 254	0.89 245	1.12 260	0.70 173	0.75 275	0.82 240	0.43 170	0.17 143	0.13 152	0.18 119	0.15 94	0.20 204	0.18 176

SepStereo	0.51 218	0.25 198	0.60 239	0.48 256	0.31 241	0.58 185	0.41 222	0.83 171	0.97 254	0.89 245	1.12 260	0.70 173	0.75 275	0.93 287	0.43 170	0.17 143	0.13 152	0.18 119	0.15 94	0.20 204	0.18 176

GwcNet-ADL	0.44 149	0.22 128	0.48 172	0.45 223	0.30 224	0.40 102	0.37 165	0.92 202	0.97 254	0.71 141	0.78 113	0.61 132	0.42 116	0.62 139	0.50 208	0.19 200	0.14 178	0.15 42	0.14 72	0.18 157	0.18 176

Pruner-Stereo	0.38 94	0.20 70	0.45 130	0.40 108	0.25 112	0.22 4	0.24 24	0.67 91	0.55 77	0.89 245	0.76 101	0.68 167	0.29 42	0.62 139	0.35 111	0.18 171	0.12 98	0.20 179	0.17 163	0.17 139	0.18 176

DeepStereo_RVC	0.36 65	0.21 101	0.47 156	0.40 108	0.24 86	0.26 17	0.22 8	0.60 46	0.38 35	0.69 129	0.67 78	0.57 101	0.51 161	0.56 79	0.39 153	0.16 110	0.12 98	0.18 119	0.15 94	0.19 191	0.18 176

CRE-IMP	0.36 65	0.23 145	0.49 182	0.42 169	0.24 86	0.41 115	0.21 4	0.57 31	0.41 42	0.65 106	0.72 85	0.53 87	0.37 89	0.61 133	0.38 147	0.17 143	0.11 57	0.19 155	0.15 94	0.21 222	0.18 176

HCRNet	0.44 149	0.34 274	0.41 81	0.53 313	0.26 148	0.53 155	0.29 57	0.83 171	0.63 98	0.71 141	0.81 131	0.77 214	0.50 158	0.66 168	0.36 127	0.24 267	0.16 229	0.24 258	0.20 231	0.21 222	0.18 176

RAFT + AFF	0.53 230	0.29 248	0.75 297	0.51 297	0.32 253	0.63 216	0.60 303	1.00 228	0.91 228	0.78 180	0.87 159	0.83 228	0.58 192	0.80 235	0.47 202	0.17 143	0.20 276	0.23 244	0.22 263	0.18 157	0.18 176

GMStereo	0.39 108	0.37 286	0.54 215	0.40 108	0.26 148	0.42 120	0.36 153	0.59 37	1.04 286	0.55 66	0.51 38	0.37 33	0.35 77	0.54 69	0.41 161	0.19 200	0.13 152	0.16 60	0.17 163	0.24 257	0.18 176
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CFNet-ft	0.48 182	0.23 145	0.36 34	0.40 108	0.26 148	0.64 222	0.37 165	0.87 187	0.85 193	0.64 99	1.00 216	1.01 277	0.64 228	0.61 133	0.53 226	0.23 258	0.15 202	0.24 258	0.21 248	0.23 247	0.18 176

CFNet_RVC	0.48 182	0.23 145	0.36 34	0.40 108	0.26 148	0.64 222	0.37 165	0.87 187	0.85 193	0.64 99	1.00 216	1.01 277	0.64 228	0.61 133	0.53 226	0.23 258	0.15 202	0.24 258	0.21 248	0.23 247	0.18 176

AANet_RVC	0.57 257	0.32 261	0.54 215	0.45 223	0.27 172	0.57 183	0.48 252	1.00 228	1.28 340	0.86 226	1.33 307	0.87 241	0.58 192	1.07 313	0.75 275	0.18 171	0.12 98	0.15 42	0.13 50	0.18 157	0.18 176

AdaStereo	0.50 211	0.32 261	0.47 156	0.48 256	0.25 112	0.67 234	0.32 102	1.17 290	0.88 211	0.75 167	0.99 214	0.75 202	0.49 148	0.67 178	0.46 198	0.27 294	0.12 98	0.28 302	0.18 185	0.23 247	0.18 176
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.
DLCB_ROB	0.58 263	0.28 240	0.47 156	0.49 271	0.32 253	0.77 256	0.50 262	0.99 225	0.92 233	1.04 310	1.14 268	1.21 314	0.69 252	0.88 265	0.69 261	0.20 221	0.20 276	0.22 230	0.22 263	0.21 222	0.18 176

iResNet_ROB	0.52 227	0.21 101	0.53 212	0.37 45	0.21 29	0.61 200	0.29 57	1.51 366	1.32 344	0.90 252	1.02 227	0.80 224	0.62 212	0.76 220	0.43 170	0.16 110	0.12 98	0.13 9	0.09 6	0.15 77	0.18 176

MyStereo8	0.40 120	0.20 70	0.54 215	0.41 132	0.29 214	0.53 155	0.29 57	0.65 72	0.49 61	0.71 141	0.98 209	0.58 109	0.43 123	0.50 52	0.51 216	0.15 79	0.12 98	0.16 60	0.14 72	0.19 191	0.19 204

PCWNet_CMD	0.48 182	0.24 180	0.52 206	0.39 85	0.27 172	0.63 216	0.30 70	0.95 214	0.96 251	0.86 226	1.07 248	0.79 216	0.44 131	0.57 89	0.43 170	0.17 143	0.12 98	0.21 218	0.16 123	0.24 257	0.19 204

LoS_RVC	0.27 5	0.16 8	0.27 8	0.32 8	0.30 224	0.44 126	0.34 118	0.41 4	0.33 8	0.31 8	0.51 38	0.29 4	0.32 61	0.36 5	0.28 43	0.11 1	0.10 9	0.11 1	0.08 1	0.11 1	0.19 204

ToySt	0.49 198	0.27 226	0.75 297	0.40 108	0.27 172	0.64 222	0.49 258	0.84 174	0.77 157	0.60 77	0.83 139	0.88 246	0.66 239	0.70 192	0.56 235	0.16 110	0.17 243	0.21 218	0.20 231	0.21 222	0.19 204

ssnet_v2	0.58 263	0.28 240	0.56 226	0.43 187	0.29 214	0.95 299	0.59 301	1.13 273	0.99 263	0.93 266	0.80 124	0.99 271	0.64 228	0.82 240	0.94 319	0.25 277	0.22 289	0.23 244	0.24 287	0.20 204	0.19 204

CRFU-Net	0.57 257	0.27 226	0.57 229	0.46 242	0.30 224	1.20 341	0.52 279	1.10 263	0.56 81	1.00 294	0.98 209	1.06 291	0.79 289	0.81 238	0.71 268	0.21 235	0.19 268	0.18 119	0.16 123	0.18 157	0.19 204

AASNet	0.53 230	0.25 198	0.52 206	0.49 271	0.32 253	0.74 250	0.40 210	1.50 363	0.86 198	0.86 226	0.92 179	0.64 146	0.59 198	0.59 120	0.79 281	0.23 258	0.19 268	0.20 179	0.16 123	0.21 222	0.19 204

GANet-ADL	0.42 137	0.25 198	0.45 130	0.43 187	0.29 214	0.54 159	0.35 135	0.89 193	0.86 198	0.63 90	0.72 85	0.68 167	0.42 116	0.52 61	0.41 161	0.21 235	0.14 178	0.15 42	0.13 50	0.18 157	0.19 204

CFNet_pseudo	0.46 165	0.24 180	0.52 206	0.37 45	0.27 172	0.58 185	0.30 70	0.86 180	0.88 211	0.82 201	1.03 231	0.75 202	0.47 141	0.58 106	0.44 182	0.17 143	0.12 98	0.24 258	0.16 123	0.24 257	0.19 204

222	1.18 360	0.22 128	0.44 119	0.37 45	0.22 42	0.79 263	0.37 165	1.31 334	0.89 221	0.92 265	1.08 251	0.72 187	0.71 266	0.66 168	13.89 414	0.20 221	0.15 202	0.17 85	0.16 123	0.18 157	0.19 204

xxxx	1.01 341	0.22 128	0.43 109	0.36 37	0.21 29	0.82 279	0.36 153	1.32 335	0.88 211	0.71 141	0.94 183	0.97 267	0.63 218	0.64 156	10.58 410	0.20 221	0.16 229	0.18 119	0.17 163	0.19 191	0.19 204

FENet	0.42 137	0.22 128	0.38 53	0.39 85	0.24 86	0.55 164	0.32 102	0.79 162	0.70 121	0.71 141	0.72 85	0.63 139	0.57 185	0.62 139	0.44 182	0.19 200	0.13 152	0.19 155	0.17 163	0.18 157	0.19 204

PSMNet-RSSM	0.48 182	0.22 128	0.38 53	0.42 169	0.25 112	0.50 142	0.37 165	1.10 263	0.77 157	0.70 135	1.06 245	0.84 232	0.64 228	0.62 139	0.47 202	0.23 258	0.15 202	0.23 244	0.25 296	0.20 204	0.19 204

DSFCA	0.55 241	0.25 198	0.62 244	0.40 108	0.36 277	0.74 250	0.52 279	1.04 245	0.82 178	1.06 315	0.84 144	0.89 250	0.63 218	0.99 297	0.58 236	0.25 277	0.21 283	0.21 218	0.21 248	0.21 222	0.19 204

DMCA-RVC	0.51 218	0.30 254	0.59 234	0.50 285	0.32 253	0.54 159	0.38 185	0.86 180	0.68 116	0.94 269	0.86 155	0.91 256	0.68 248	0.70 192	0.59 240	0.23 258	0.18 254	0.31 318	0.23 274	0.26 269	0.19 204

MSMDNet	0.48 182	0.24 180	0.52 206	0.39 85	0.27 172	0.63 216	0.30 70	0.96 216	0.96 251	0.86 226	1.07 248	0.79 216	0.44 131	0.57 89	0.43 170	0.17 143	0.12 98	0.20 179	0.16 123	0.23 247	0.19 204

TDLM	0.57 257	0.33 269	0.49 182	0.51 297	0.30 224	0.66 230	0.73 337	1.03 242	1.01 274	0.82 201	1.10 257	0.84 232	0.70 262	0.86 261	0.58 236	0.28 300	0.17 243	0.25 269	0.22 263	0.26 269	0.19 204

ccs_rob	0.46 165	0.24 180	0.52 206	0.37 45	0.27 172	0.58 185	0.31 86	0.86 180	0.88 211	0.82 201	1.02 227	0.75 202	0.47 141	0.58 106	0.44 182	0.17 143	0.12 98	0.24 258	0.16 123	0.24 257	0.19 204

StereoDRNet-Refined	0.58 263	0.32 261	0.54 215	0.46 242	0.30 224	0.96 302	0.40 210	1.00 228	0.94 245	1.12 327	1.08 251	0.96 265	0.67 242	0.90 272	0.89 313	0.17 143	0.13 152	0.22 230	0.21 248	0.20 204	0.19 204
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
StereoDRNet	0.64 278	0.33 269	0.68 274	0.51 297	0.43 318	1.03 315	0.53 282	1.47 359	0.99 263	1.10 325	0.87 159	1.07 296	0.71 266	0.82 240	0.88 302	0.23 258	0.19 268	0.25 269	0.23 274	0.27 279	0.19 204

mmx	0.53 230	0.26 212	0.49 182	0.37 45	0.25 112	0.55 164	0.37 165	1.16 285	1.03 282	0.73 159	0.96 194	0.71 177	0.53 166	1.01 300	0.88 302	0.20 221	0.15 202	0.25 269	0.21 248	0.22 238	0.20 224

xxx	0.53 230	0.26 212	0.49 182	0.37 45	0.25 112	0.55 164	0.37 165	1.16 285	1.03 282	0.73 159	0.96 194	0.71 177	0.53 166	1.01 300	0.88 302	0.20 221	0.15 202	0.25 269	0.21 248	0.22 238	0.20 224

fast-acv-ft	0.64 278	0.30 254	0.73 290	0.45 223	0.34 269	1.17 337	0.49 258	0.86 180	0.98 258	1.02 301	1.36 310	1.29 322	0.85 304	0.76 220	0.81 286	0.21 235	0.23 299	0.23 244	0.23 274	0.21 222	0.20 224

iinet-f	0.67 283	0.26 212	2.15 387	0.39 85	0.31 241	1.19 340	0.56 295	0.84 174	0.84 186	0.80 184	1.17 280	1.05 290	0.84 303	0.71 197	1.21 349	0.20 221	0.18 254	0.17 85	0.15 94	0.20 204	0.20 224

riskmin	0.38 94	0.20 70	0.39 70	0.32 8	0.23 69	0.53 155	0.30 70	0.63 61	0.80 171	0.49 51	0.56 53	0.73 196	0.58 192	0.55 71	0.36 127	0.17 143	0.11 57	0.19 155	0.13 50	0.19 191	0.20 224

DisPM	0.39 108	0.19 49	0.44 119	0.41 132	0.27 172	0.24 7	0.31 86	0.65 72	0.57 82	0.87 233	0.87 159	0.60 128	0.32 61	0.76 220	0.32 74	0.18 171	0.12 98	0.19 155	0.17 163	0.15 77	0.20 224

dad	0.58 263	0.50 328	0.64 257	0.43 187	0.30 224	0.59 194	0.36 153	0.78 160	1.25 336	1.01 299	1.17 280	1.15 312	0.53 166	0.68 186	0.50 208	0.35 343	0.23 299	0.37 339	0.21 248	0.29 284	0.20 224

AACVNet	0.50 211	0.23 145	0.49 182	0.46 242	0.29 214	0.52 149	0.38 185	0.90 197	0.55 77	0.81 192	1.03 231	1.00 274	0.70 262	0.83 247	0.54 229	0.21 235	0.18 254	0.24 258	0.18 185	0.23 247	0.20 224

PSMNet-ADL	0.48 182	0.27 226	0.40 77	0.48 256	0.30 224	0.68 236	0.37 165	0.90 197	0.80 171	0.61 82	0.80 124	0.92 258	0.62 212	0.72 202	0.63 249	0.23 258	0.18 254	0.18 119	0.20 231	0.22 238	0.20 224

PFNet+	0.40 120	0.19 49	0.49 182	0.39 85	0.25 112	0.28 32	0.23 18	0.64 71	0.70 121	0.85 221	0.79 122	0.64 146	0.35 77	0.72 202	0.34 96	0.19 200	0.14 178	0.23 244	0.20 231	0.16 108	0.20 224

ICVP	0.46 165	0.25 198	0.38 53	0.48 256	0.28 191	0.58 185	0.43 230	1.00 228	0.70 121	0.67 118	0.95 190	0.75 202	0.55 179	0.53 66	0.54 229	0.23 258	0.17 243	0.19 155	0.17 163	0.19 191	0.20 224
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
sCroCo_RVC	0.35 47	0.28 240	0.69 280	0.51 297	0.39 295	0.41 115	0.31 86	0.49 13	0.45 55	0.31 8	0.48 30	0.38 37	0.32 61	0.46 37	0.32 74	0.21 235	0.22 289	0.19 155	0.19 209	0.21 222	0.20 224

psm_up	0.55 241	0.26 212	0.47 156	0.49 271	0.32 253	0.65 227	0.56 295	1.04 245	0.82 178	0.82 201	0.88 166	1.01 277	0.94 324	0.74 213	0.61 244	0.21 235	0.25 314	0.26 283	0.23 274	0.21 222	0.20 224

Wz-Net-LNSev-Ref	0.63 277	0.28 240	0.99 328	0.40 108	0.30 224	1.03 315	0.56 295	1.10 263	0.99 263	0.97 282	1.22 288	1.06 291	0.69 252	1.07 313	0.95 322	0.19 200	0.11 57	0.16 60	0.13 50	0.22 238	0.21 237

NINENet	0.50 211	0.29 248	0.51 201	0.45 223	0.32 253	0.70 240	0.34 118	1.10 263	0.88 211	0.80 184	0.94 183	0.65 156	0.49 148	0.73 207	0.51 216	0.22 253	0.20 276	0.25 269	0.18 185	0.22 238	0.21 237

UDGNet	0.48 182	0.77 364	0.50 194	0.48 256	0.31 241	0.41 115	0.34 118	0.70 123	0.92 233	0.65 106	0.60 60	0.58 109	0.43 123	0.63 149	0.41 161	0.32 327	0.15 202	0.66 375	0.19 209	0.36 323	0.21 237

ADLNet2	0.55 241	0.25 198	0.65 262	0.47 251	0.30 224	0.83 281	0.50 262	1.05 250	0.95 250	0.80 184	0.98 209	0.99 271	0.69 252	0.77 227	0.73 271	0.20 221	0.16 229	0.17 85	0.18 185	0.21 222	0.21 237

ASMatch	0.48 182	0.19 49	0.45 130	0.39 85	0.28 191	0.37 86	0.26 37	0.74 141	0.68 116	0.76 172	2.34 369	0.61 132	0.52 163	0.62 139	0.37 139	0.14 32	0.12 98	0.17 85	0.15 94	0.14 45	0.21 237

ADLNet	0.55 241	0.27 226	0.51 201	0.44 202	0.35 275	0.78 260	0.46 241	1.08 258	0.86 198	0.99 289	0.98 209	0.92 258	0.63 218	0.69 189	0.81 286	0.22 253	0.16 229	0.22 230	0.22 263	0.21 222	0.21 237

HGLStereo	0.56 252	0.28 240	0.57 229	0.50 285	0.37 282	0.80 266	0.45 238	1.02 238	0.78 163	0.86 226	1.14 268	0.89 250	0.82 297	0.76 220	0.73 271	0.21 235	0.20 276	0.19 155	0.18 185	0.19 191	0.21 237

DMCA	0.45 159	0.26 212	0.50 194	0.38 66	0.28 191	0.51 146	0.34 118	0.93 204	0.68 116	0.75 167	0.83 139	0.79 216	0.53 166	0.51 56	0.54 229	0.21 235	0.16 229	0.21 218	0.16 123	0.19 191	0.21 237

ADCRef	0.80 312	0.43 310	1.32 361	0.50 285	0.45 329	1.07 321	0.51 276	1.07 254	0.98 258	1.17 332	1.42 322	0.87 241	0.91 315	0.85 259	3.19 388	0.18 171	0.16 229	0.23 244	0.23 274	0.22 238	0.21 237

ADCP+	1.06 349	0.35 278	1.51 374	0.49 271	0.51 343	1.45 359	0.55 290	1.25 323	1.03 282	1.16 331	1.15 273	1.10 302	1.07 340	1.56 360	6.75 407	0.19 200	0.16 229	0.23 244	0.21 248	0.28 281	0.21 237

CVANet_RVC	0.57 257	0.33 269	0.44 119	0.47 251	0.32 253	0.67 234	0.61 308	1.05 250	0.93 238	0.85 221	1.04 235	1.01 277	0.73 271	0.83 247	0.52 223	0.29 306	0.19 268	0.27 295	0.25 296	0.31 298	0.21 237

NLCA_NET_v2_RVC	0.53 230	0.32 261	0.64 257	0.44 202	0.30 224	0.66 230	0.44 236	1.04 245	0.88 211	0.91 257	0.91 175	0.99 271	0.60 202	0.68 186	0.60 243	0.21 235	0.17 243	0.22 230	0.22 263	0.21 222	0.21 237
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
DRN-Test	0.66 282	0.32 261	0.66 267	0.50 285	0.39 295	1.15 334	0.61 308	1.49 362	1.01 274	1.12 327	1.08 251	1.06 291	0.69 252	0.77 227	0.94 319	0.23 258	0.17 243	0.26 283	0.25 296	0.25 265	0.21 237

whm_eth	0.48 182	0.30 254	0.74 294	0.46 242	0.38 290	0.37 86	0.37 165	0.79 162	0.78 163	0.82 201	1.74 351	0.37 33	0.38 92	0.60 126	0.38 147	0.18 171	0.16 229	0.20 179	0.20 231	0.19 191	0.22 250

CFNet_ucs	0.50 211	0.24 180	0.55 220	0.38 66	0.31 241	0.58 185	0.33 111	0.98 223	0.93 238	0.88 241	1.19 286	0.80 224	0.49 148	0.63 149	0.43 170	0.21 235	0.15 202	0.26 283	0.18 185	0.26 269	0.22 250

CBFPSM	0.59 270	0.22 128	1.31 359	0.38 66	0.27 172	1.12 330	0.65 314	0.79 162	0.82 178	0.80 184	0.81 131	1.35 338	0.87 309	0.67 178	0.76 276	0.16 110	0.15 202	0.15 42	0.16 123	0.17 139	0.22 250

PSM-softLoss	0.38 94	0.20 70	0.48 172	0.41 132	0.26 148	0.30 43	0.35 135	0.69 109	0.46 56	0.62 83	0.82 134	0.59 123	0.33 69	0.70 192	0.39 153	0.19 200	0.12 98	0.20 179	0.18 185	0.16 108	0.22 250

KMStereo	0.38 94	0.20 70	0.48 172	0.41 132	0.26 148	0.30 43	0.35 135	0.69 109	0.46 56	0.62 83	0.82 134	0.59 123	0.33 69	0.70 192	0.39 153	0.19 200	0.12 98	0.20 179	0.18 185	0.16 108	0.22 250

GEStereo_RVC	0.55 241	0.29 248	0.63 252	0.49 271	0.31 241	0.70 240	0.54 286	1.22 309	0.92 233	0.82 201	0.85 152	0.85 234	0.63 218	0.90 272	0.65 252	0.24 267	0.16 229	0.19 155	0.16 123	0.21 222	0.22 250

GANet	0.70 290	0.37 286	0.55 220	0.51 297	0.34 269	0.94 296	0.96 361	1.08 258	0.94 245	1.04 310	1.98 362	1.13 309	0.88 312	1.12 321	0.66 254	0.25 277	0.26 320	0.27 295	0.22 263	0.31 298	0.22 250

Anonymous3	0.46 165	0.34 274	0.86 317	0.50 285	0.37 282	0.81 271	0.50 262	0.72 132	0.65 110	0.51 56	0.65 70	0.45 61	0.45 135	0.64 156	0.38 147	0.24 267	0.24 306	0.22 230	0.21 248	0.23 247	0.23 257

GES	0.44 149	0.23 145	0.57 229	0.40 108	0.30 224	0.59 194	0.36 153	0.96 216	0.68 116	0.74 165	0.83 139	0.47 69	0.48 145	0.67 178	0.43 170	0.22 253	0.16 229	0.17 85	0.16 123	0.18 157	0.23 257

STTStereo	0.55 241	0.37 286	0.76 302	0.44 202	0.31 241	0.60 199	0.44 236	0.96 216	0.86 198	0.99 289	0.90 173	0.96 265	0.58 192	0.71 197	0.61 244	0.25 277	0.23 299	0.26 283	0.32 335	0.24 257	0.23 257

UCFNet_RVC	0.49 198	0.26 212	0.35 29	0.39 85	0.26 148	0.64 222	0.36 153	1.15 282	0.84 186	0.67 118	0.88 166	0.88 246	0.59 198	0.58 106	0.45 188	0.24 267	0.17 243	0.27 295	0.27 311	0.25 265	0.23 257

DISCO	0.70 290	0.26 212	0.68 274	0.44 202	0.31 241	1.14 332	0.51 276	1.23 313	1.23 330	0.81 192	1.05 239	1.50 352	0.85 304	1.82 375	1.03 333	0.19 200	0.15 202	0.18 119	0.16 123	0.24 257	0.23 257

PSMNet_ROB	0.64 278	0.37 286	0.65 262	0.56 325	0.42 313	0.97 303	0.83 347	1.21 301	0.92 233	0.79 182	1.02 227	1.08 298	0.63 218	0.82 240	0.91 317	0.29 306	0.20 276	0.31 318	0.31 329	0.26 269	0.23 257

ttt	0.51 218	0.25 198	0.43 109	0.38 66	0.24 86	0.65 227	0.38 185	1.18 293	1.05 291	0.72 152	1.08 251	0.63 139	0.49 148	0.84 252	0.59 240	0.24 267	0.21 283	0.22 230	0.20 231	0.24 257	0.24 263

GASNet	0.67 283	0.72 360	0.96 325	0.70 365	0.48 337	0.62 207	0.47 246	1.08 258	1.03 282	0.94 269	0.82 134	0.93 260	0.83 301	1.33 345	0.80 283	0.31 315	0.22 289	0.29 310	0.28 316	0.44 343	0.24 263

HHNet	0.41 131	0.17 19	0.41 81	0.34 11	0.37 282	0.33 67	0.34 118	0.69 109	0.75 144	0.86 226	1.30 303	0.52 83	0.32 61	0.52 61	0.35 111	0.15 79	0.11 57	0.19 155	0.15 94	0.15 77	0.24 263

Anonymous	0.39 108	0.27 226	0.66 267	0.53 313	0.43 318	0.55 164	0.49 258	0.63 61	0.50 62	0.37 17	0.42 20	0.33 18	0.42 116	0.56 79	0.38 147	0.20 221	0.19 268	0.17 85	0.18 185	0.30 293	0.24 263

Syn2CoEx	0.71 294	0.51 331	0.95 323	0.64 347	0.45 329	0.91 291	0.53 282	1.48 360	1.13 315	0.93 266	1.35 309	1.02 282	0.99 332	0.92 282	0.80 283	0.30 312	0.27 324	0.28 302	0.24 287	0.23 247	0.24 263

MDST_ROB	0.91 333	0.27 226	0.85 312	0.63 346	0.41 307	2.53 385	0.71 335	1.60 373	1.13 315	2.83 394	1.73 349	0.97 267	0.69 252	1.61 363	0.73 271	0.25 277	0.22 289	0.32 323	0.28 316	0.25 265	0.24 263

AF-Net	0.81 315	0.39 299	0.68 274	0.64 347	0.54 349	0.91 291	0.51 276	1.61 374	1.31 343	0.96 277	2.02 363	1.46 346	1.26 358	1.11 320	0.99 329	0.32 327	0.24 306	0.39 344	0.27 311	0.30 293	0.25 269

DeepPruner_ROB	0.53 230	0.34 274	0.59 234	0.41 132	0.30 224	0.50 142	0.43 230	1.19 295	0.70 121	0.85 221	1.05 239	0.86 236	0.55 179	0.84 252	0.51 216	0.29 306	0.23 299	0.22 230	0.22 263	0.26 269	0.25 269

NaN_ROB	0.69 288	0.44 314	0.69 280	0.51 297	0.33 262	0.97 303	1.06 368	1.22 309	1.19 324	1.24 342	0.96 194	1.08 298	0.78 287	1.20 329	0.67 257	0.24 267	0.30 334	0.23 244	0.24 287	0.23 247	0.25 269

SGM_RVC	0.97 338	0.28 240	0.41 81	0.39 85	0.22 42	1.55 364	0.73 337	1.51 366	1.25 336	2.25 384	1.92 359	2.58 382	1.56 371	2.02 382	1.19 348	0.27 294	0.27 324	0.27 295	0.25 296	0.25 265	0.25 269
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
Wz-Net-LNSev	0.71 294	0.51 331	1.36 367	0.50 285	0.41 307	1.15 334	0.69 326	1.21 301	1.07 304	1.02 301	1.12 260	1.08 298	0.87 309	0.89 270	0.89 313	0.24 267	0.22 289	0.21 218	0.19 209	0.26 269	0.26 273

Wz-Net-MNSev	0.76 304	0.40 303	1.34 362	0.50 285	0.40 300	1.44 358	0.83 347	1.15 282	1.16 319	1.25 343	1.20 287	1.13 309	0.81 293	1.16 324	1.00 332	0.22 253	0.19 268	0.24 258	0.23 274	0.28 281	0.26 273

GwcNet	0.69 288	0.36 283	1.10 336	0.51 297	0.42 313	1.08 325	0.50 262	1.21 301	1.16 319	1.00 294	1.37 313	1.06 291	0.79 289	0.92 282	0.94 319	0.25 277	0.24 306	0.24 258	0.22 263	0.23 247	0.26 273

hitnet-ft	0.55 241	0.27 226	0.39 70	0.41 132	0.28 191	0.78 260	0.40 210	0.92 202	0.90 223	0.82 201	1.01 219	1.13 309	0.70 262	0.78 231	0.67 257	0.28 300	0.20 276	0.28 302	0.22 263	0.29 284	0.26 273

SuperB	1.04 346	0.37 286	4.81 402	0.43 187	0.31 241	0.99 308	0.46 241	1.02 238	2.09 379	1.09 323	1.09 255	0.75 202	0.81 293	1.06 310	1.76 367	0.19 200	0.15 202	0.17 85	0.15 94	2.82 410	0.26 273

PS-NSSS	0.58 263	0.44 314	0.62 244	0.42 169	0.33 262	0.66 230	0.58 299	1.02 238	0.86 198	0.77 177	1.28 299	0.72 187	0.64 228	0.82 240	0.59 240	0.31 315	0.26 320	0.40 347	0.27 311	0.33 308	0.26 273

CBMV	0.64 278	0.35 278	0.41 81	0.42 169	0.25 112	1.01 310	0.77 341	1.13 273	1.09 309	1.17 332	1.22 288	1.04 286	0.75 275	0.88 265	0.63 249	0.28 300	0.30 334	0.34 330	0.30 322	0.26 269	0.26 273
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NF-Stereo	0.38 94	0.20 70	0.45 130	0.41 132	0.25 112	0.26 17	0.31 86	0.69 109	0.70 121	0.65 106	0.77 105	0.57 101	0.30 53	0.67 178	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.16 108	0.27 280

OCTAStereo	0.38 94	0.20 70	0.46 146	0.41 132	0.25 112	0.26 17	0.31 86	0.69 109	0.70 121	0.65 106	0.77 105	0.58 109	0.30 53	0.67 178	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.16 108	0.27 280

RE-Stereo	0.38 94	0.20 70	0.46 146	0.41 132	0.25 112	0.26 17	0.31 86	0.69 109	0.70 121	0.65 106	0.77 105	0.58 109	0.30 53	0.67 178	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.16 108	0.27 280

TVStereo	0.38 94	0.20 70	0.46 146	0.41 132	0.25 112	0.26 17	0.31 86	0.69 109	0.70 121	0.65 106	0.77 105	0.58 109	0.30 53	0.67 178	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.16 108	0.27 280

GMM-Stereo	0.44 149	0.19 49	0.36 34	0.42 169	0.25 112	0.51 146	0.47 246	0.71 128	0.53 69	0.76 172	1.37 313	0.76 208	0.38 92	0.60 126	0.33 86	0.15 79	0.10 9	0.20 179	0.19 209	0.16 108	0.27 280

FADNet-RVC-Resample	0.56 252	0.33 269	1.16 342	0.49 271	0.34 269	0.71 245	0.43 230	1.01 235	0.93 238	0.82 201	0.87 159	0.74 201	0.67 242	0.73 207	0.45 188	0.18 171	0.18 254	0.26 283	0.27 311	0.26 269	0.27 280

ADCL	1.04 346	0.38 295	1.35 363	0.50 285	0.39 295	1.61 368	0.89 355	1.29 329	1.39 350	1.29 345	1.50 334	1.24 317	1.24 355	1.37 353	4.87 400	0.21 235	0.19 268	0.25 269	0.25 296	0.29 284	0.27 280

CASS	0.45 159	0.27 226	0.42 100	0.48 256	0.22 42	0.61 200	0.34 118	0.97 220	0.62 88	0.71 141	0.85 152	0.61 132	0.55 179	0.57 89	0.41 161	0.29 306	0.16 229	0.22 230	0.18 185	0.22 238	0.28 287
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
FADNet_RVC	0.55 241	0.37 286	1.17 347	0.44 202	0.31 241	0.56 179	0.34 118	1.06 253	0.88 211	0.67 118	0.90 173	0.61 132	0.65 234	0.93 287	0.70 264	0.21 235	0.18 254	0.26 283	0.23 274	0.31 298	0.28 287

FBW_ROB	0.88 327	0.50 328	0.85 312	0.55 322	0.40 300	1.17 337	0.78 343	1.50 363	1.37 347	1.33 348	1.27 297	1.48 350	1.00 334	2.57 394	0.98 328	0.25 277	0.32 347	0.45 354	0.30 322	0.34 315	0.28 287

XPNet_ROB	0.70 290	0.35 278	0.68 274	0.52 308	0.40 300	0.79 263	0.85 353	1.16 285	0.94 245	1.33 348	1.15 273	1.38 340	0.83 301	1.03 307	0.90 315	0.32 327	0.25 314	0.26 283	0.24 287	0.31 298	0.28 287

PWC_ROB	0.87 325	0.52 337	1.28 356	0.50 285	0.32 253	0.91 291	0.37 165	1.36 345	1.46 357	1.61 360	2.59 378	1.16 313	1.01 335	1.34 347	1.40 360	0.25 277	0.18 254	0.28 302	0.20 231	0.29 284	0.28 287

SGM-Forest	0.62 276	0.32 261	0.39 70	0.43 187	0.30 224	1.02 312	0.55 290	1.09 262	1.05 291	1.06 315	1.18 282	1.10 302	0.67 242	0.88 265	0.62 246	0.31 315	0.33 353	0.33 328	0.30 322	0.30 293	0.28 287
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Wz-Net-SNSev	0.91 333	0.73 361	2.13 386	0.56 325	0.45 329	0.95 299	1.13 373	1.34 339	1.24 332	1.02 301	1.30 303	1.46 346	0.86 306	1.81 374	1.50 361	0.25 277	0.23 299	0.25 269	0.26 306	0.32 303	0.29 293

GrayStereo	0.49 198	0.19 49	0.42 100	0.46 242	0.28 191	0.53 155	0.67 317	0.69 109	0.63 98	1.02 301	1.47 333	0.78 215	0.76 278	0.56 79	0.33 86	0.14 32	0.12 98	0.17 85	0.17 163	0.15 77	0.29 293

Prome-Stereo	0.46 165	0.19 49	0.35 29	0.44 202	0.26 148	0.40 102	0.45 238	0.68 100	0.44 52	0.96 277	1.84 356	0.59 123	0.67 242	0.61 133	0.32 74	0.14 32	0.11 57	0.16 60	0.14 72	0.16 108	0.29 293

pcwnet_v2	0.58 263	0.28 240	0.84 311	0.45 223	0.35 275	0.61 200	0.35 135	1.27 326	1.21 327	0.99 289	1.27 297	0.72 187	0.58 192	0.67 178	0.48 205	0.27 294	0.21 283	0.24 258	0.23 274	0.29 284	0.29 293

Nwc_Net	0.78 308	0.38 295	0.73 290	0.60 340	0.55 351	1.05 320	0.55 290	1.67 378	1.05 291	0.88 241	1.86 358	1.40 343	1.09 341	1.10 318	0.87 299	0.30 312	0.25 314	0.36 335	0.38 347	0.29 284	0.29 293

SGM-ForestM	4.04 405	0.32 261	0.46 146	0.43 187	0.27 172	7.50 412	1.45 395	3.84 405	4.24 403	8.19 415	6.76 412	19.00 423	9.08 412	10.74 416	6.62 406	0.31 315	0.33 353	0.32 323	0.32 335	0.29 284	0.29 293

PWCDC_ROB	0.89 329	0.49 324	0.80 309	0.74 369	0.40 300	1.03 315	0.39 204	1.33 337	2.35 386	1.02 301	3.77 395	0.81 226	0.92 318	1.20 329	0.90 315	0.34 339	0.22 289	0.24 258	0.20 231	0.34 315	0.29 293

FTStereo	0.56 252	0.20 70	0.37 44	0.41 132	0.25 112	0.40 102	0.79 344	0.66 81	0.43 48	1.09 323	3.27 389	0.70 173	0.73 271	0.55 71	0.33 86	0.14 32	0.13 152	0.19 155	0.17 163	0.15 77	0.30 300

APVNet	0.71 294	0.37 286	0.89 320	0.56 325	0.45 329	1.18 339	0.68 322	1.41 353	0.85 193	0.81 192	1.15 273	1.04 286	0.81 293	1.10 318	1.17 346	0.26 287	0.28 326	0.32 323	0.31 329	0.29 284	0.30 300

aanetorigin	0.83 322	0.56 344	1.87 382	0.49 271	0.38 290	0.56 179	0.66 315	0.70 123	1.00 270	2.42 387	2.02 363	1.31 325	1.18 350	0.93 287	1.13 345	0.20 221	0.18 254	0.20 179	0.19 209	0.27 279	0.30 300

MaskLacGwcNet_RVC	0.67 283	0.81 367	0.73 290	0.53 313	0.37 282	1.40 353	0.53 282	1.04 245	0.79 170	0.88 241	0.94 183	0.95 263	0.53 166	0.93 287	0.58 236	0.39 352	0.30 334	0.57 371	0.31 329	0.53 362	0.30 300

CBMV_ROB	0.59 270	0.37 286	0.38 53	0.39 85	0.28 191	0.74 250	0.28 50	1.00 228	0.98 258	0.94 269	1.25 295	0.81 226	0.78 287	0.87 262	0.50 208	0.36 346	0.37 360	0.43 350	0.40 354	0.33 308	0.30 300

SANet	1.07 351	0.41 306	1.06 333	0.48 256	0.30 224	1.41 355	0.94 359	1.42 354	3.36 397	1.58 357	2.43 372	2.33 378	1.70 377	1.34 347	1.07 338	0.28 300	0.24 306	0.26 283	0.23 274	0.34 315	0.30 300

HBP-ISP	0.59 270	0.45 318	0.43 109	0.45 223	0.33 262	0.70 240	0.28 50	1.11 268	1.00 270	0.83 213	1.18 282	0.65 156	0.68 248	0.88 265	0.52 223	0.35 343	0.38 362	0.47 358	0.41 359	0.38 329	0.31 306

FADNet-RVC	0.60 273	0.53 340	1.14 341	0.46 242	0.39 295	0.61 200	0.39 204	1.12 272	0.87 207	0.70 135	0.84 144	1.04 286	0.55 179	0.94 294	0.69 261	0.26 287	0.25 314	0.28 302	0.28 316	0.31 298	0.31 306

RTSC	0.87 325	0.48 321	1.23 353	0.52 308	0.37 282	1.13 331	0.50 262	1.34 339	1.79 373	1.51 354	1.24 293	1.12 306	0.81 293	1.62 364	2.16 377	0.25 277	0.19 268	0.23 244	0.24 287	0.30 293	0.31 306

LALA_ROB	0.74 301	0.43 310	0.69 280	0.54 319	0.40 300	1.01 310	0.95 360	1.21 301	1.07 304	1.22 339	1.12 260	1.56 358	0.79 289	1.04 309	0.86 295	0.33 333	0.22 289	0.35 332	0.30 322	0.35 319	0.31 306

DeepPrunerF	0.89 329	0.52 337	3.43 395	0.68 362	0.81 371	0.72 248	0.72 336	1.22 309	1.99 378	0.93 266	1.01 219	0.87 241	0.86 306	1.08 315	0.95 322	0.34 339	0.28 326	0.43 350	0.39 351	0.30 293	0.32 310

DANet	0.71 294	0.45 318	0.91 321	0.59 335	0.40 300	0.81 271	0.40 210	0.97 220	0.84 186	1.20 337	1.22 288	1.33 332	0.88 312	1.16 324	1.24 351	0.27 294	0.23 299	0.31 318	0.25 296	0.35 319	0.32 310
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NCCL2	0.72 298	0.41 306	0.65 262	0.64 347	0.44 325	0.98 307	1.20 376	1.11 268	1.00 270	0.98 286	0.96 194	1.49 351	0.87 309	0.90 272	0.79 281	0.31 315	0.26 320	0.39 344	0.39 351	0.32 303	0.32 310

MeshStereo	1.34 367	0.43 310	0.54 215	0.44 202	0.34 269	1.66 370	0.60 303	1.94 382	1.37 347	4.47 408	3.25 387	4.71 400	1.94 385	1.92 378	1.17 346	0.35 343	0.35 357	0.37 339	0.31 329	0.32 303	0.32 310
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
FINET	0.67 283	0.42 308	1.00 329	0.46 242	0.43 318	0.83 281	0.89 355	1.08 258	1.50 359	0.87 233	1.14 268	0.71 177	0.68 248	0.92 282	0.70 264	0.36 346	0.30 334	0.26 283	0.24 287	0.35 319	0.33 314

NCC-stereo	0.78 308	0.40 303	0.76 302	0.61 342	0.67 366	0.81 271	0.69 326	1.54 370	1.11 311	0.90 252	1.36 310	1.33 332	1.16 347	1.19 327	0.88 302	0.31 315	0.30 334	0.37 339	0.48 367	0.33 308	0.33 314

Abc-Net	0.78 308	0.40 303	0.76 302	0.61 342	0.67 366	0.81 271	0.69 326	1.54 370	1.11 311	0.90 252	1.36 310	1.33 332	1.16 347	1.19 327	0.88 302	0.31 315	0.30 334	0.37 339	0.48 367	0.33 308	0.33 314
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCMid	1.14 355	0.52 337	2.23 388	0.53 313	0.43 318	1.07 321	0.75 339	1.23 313	1.05 291	2.15 381	1.44 327	1.50 352	1.43 366	1.56 360	5.01 401	0.26 287	0.24 306	0.29 310	0.31 329	0.37 325	0.33 314

RP	0.76 304	0.36 283	0.63 252	0.66 355	0.58 360	0.80 266	0.55 290	1.14 279	1.22 329	0.97 282	1.65 343	1.43 345	1.32 360	1.01 300	0.84 290	0.33 333	0.30 334	0.36 335	0.30 322	0.34 315	0.34 318

PA-Net	0.67 283	0.43 310	0.83 310	0.50 285	0.53 347	0.94 296	0.68 322	1.10 263	1.14 317	0.80 184	0.88 166	0.87 241	0.77 282	1.02 305	0.88 302	0.24 267	0.41 369	0.29 310	0.44 361	0.26 269	0.34 318
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
CSAN	0.83 322	0.49 324	0.77 306	0.60 340	0.41 307	1.14 332	1.06 368	1.19 295	1.46 357	1.32 346	1.43 325	1.37 339	1.19 352	1.27 339	0.86 295	0.39 352	0.31 344	0.36 335	0.37 344	0.35 319	0.34 318

NOSS_ROB	0.57 257	0.39 299	0.39 70	0.44 202	0.30 224	0.73 249	0.54 286	1.03 242	1.08 307	0.67 118	0.87 159	0.76 208	0.57 185	0.77 227	0.47 202	0.38 350	0.38 362	0.44 353	0.42 360	0.37 325	0.34 318

ETE_ROB	0.70 290	0.49 324	0.73 290	0.56 325	0.36 277	0.79 263	0.87 354	1.14 279	0.93 238	1.19 334	1.18 282	1.39 341	0.82 297	0.99 297	0.80 283	0.26 287	0.21 283	0.31 318	0.26 306	0.33 308	0.34 318

FADNet	0.61 275	0.51 331	1.10 336	0.45 223	0.44 325	0.65 227	0.41 222	1.19 295	1.05 291	0.70 135	0.84 144	0.98 270	0.66 239	0.82 240	0.50 208	0.29 306	0.30 334	0.27 295	0.30 322	0.46 350	0.35 323

ADCPNet	1.03 345	0.48 321	2.70 390	0.54 319	0.42 313	1.40 353	0.75 339	1.13 273	1.07 304	1.22 339	1.42 322	1.68 363	1.09 341	1.36 352	3.45 392	0.30 312	0.28 326	0.29 310	0.32 335	0.37 325	0.35 323

SACVNet	0.58 263	0.34 274	0.55 220	0.55 322	0.36 277	0.63 216	0.48 252	1.13 273	0.77 157	1.02 301	1.06 245	1.02 282	0.74 273	0.90 272	0.51 216	0.27 294	0.21 283	0.25 269	0.24 287	0.29 284	0.36 325

LCNet	0.41 131	0.20 70	0.32 17	0.44 202	0.24 86	0.47 135	0.29 57	0.67 91	0.53 69	0.72 152	1.03 231	0.66 161	0.60 202	0.58 106	0.34 96	0.14 32	0.10 9	0.19 155	0.19 209	0.21 222	0.36 325

edge stereo	0.76 304	0.38 295	0.74 294	0.52 308	0.43 318	0.80 266	0.53 282	1.28 328	1.06 298	1.28 344	1.38 318	1.81 365	1.11 343	1.08 315	0.85 294	0.33 333	0.32 347	0.41 348	0.28 316	0.32 303	0.36 325

CC-Net-ROB	0.82 316	0.96 378	0.85 312	0.58 332	0.45 329	1.27 347	0.70 331	1.17 290	1.02 277	0.83 213	1.23 292	0.90 254	0.77 282	1.06 310	0.69 261	0.46 360	0.34 355	1.71 389	0.38 347	0.59 372	0.36 325

Anonymous Stereo	0.75 303	0.54 342	1.78 380	0.57 330	0.56 354	0.62 207	1.25 382	0.96 216	0.99 263	0.96 277	0.95 190	0.83 228	0.58 192	1.27 339	1.21 349	0.31 315	0.30 334	0.31 318	0.33 338	0.33 308	0.36 325

NVstereo2D	0.60 273	0.30 254	0.75 297	0.48 256	0.43 318	0.89 290	0.48 252	1.05 250	1.15 318	0.66 117	0.86 155	0.88 246	0.70 262	0.99 297	0.65 252	0.32 327	0.15 202	0.28 302	0.20 231	0.40 332	0.36 325

coex-ft	6.43 412	1.51 395	87.33 436	0.49 271	0.38 290	1.34 350	1.21 378	1.16 285	8.09 408	12.12 416	2.79 382	2.77 385	3.31 403	1.16 324	3.15 387	0.24 267	0.23 299	0.27 295	0.24 287	0.45 347	0.37 331

RGC	0.79 311	0.59 348	0.71 287	0.65 352	0.65 365	0.92 295	0.58 299	1.29 329	1.05 291	1.07 318	1.45 330	1.47 349	1.03 336	1.21 331	0.88 302	0.32 327	0.30 334	0.48 361	0.40 354	0.37 325	0.37 331

RTS	1.98 387	0.96 378	11.36 411	0.65 352	0.57 358	2.77 391	1.40 391	1.39 349	2.26 381	1.89 372	2.56 375	1.32 330	1.25 356	5.20 407	4.05 395	0.31 315	0.22 289	0.29 310	0.29 320	0.40 332	0.37 331

RTSA	1.98 387	0.96 378	11.36 411	0.65 352	0.57 358	2.77 391	1.40 391	1.39 349	2.26 381	1.89 372	2.56 375	1.32 330	1.25 356	5.20 407	4.05 395	0.31 315	0.22 289	0.29 310	0.29 320	0.40 332	0.37 331

DPSNet	0.99 340	0.42 308	1.88 383	0.53 313	0.41 307	1.59 367	1.26 383	2.21 388	1.43 353	1.10 325	1.11 258	1.46 346	1.95 386	1.34 347	1.26 353	0.34 339	0.25 314	0.25 269	0.21 248	0.46 350	0.37 331

PDISCO_ROB	0.91 333	0.48 321	1.06 333	0.99 377	0.97 379	1.67 372	0.63 310	1.64 376	1.59 365	1.06 315	1.18 282	1.31 325	0.79 289	1.55 358	0.97 325	0.49 365	0.22 289	0.45 354	0.40 354	0.45 347	0.37 331

FAT-Stereo	0.73 300	0.33 269	0.75 297	0.49 271	0.37 282	0.71 245	0.59 301	1.36 345	1.30 342	1.03 309	1.40 319	1.59 361	1.15 346	0.87 262	0.86 295	0.28 300	0.28 326	0.28 302	0.23 274	0.28 281	0.38 337

stereogan	0.80 312	0.31 259	0.71 287	0.59 335	0.50 340	1.72 374	0.48 252	1.35 342	1.37 347	1.00 294	1.46 332	1.56 358	0.95 327	1.29 341	0.84 290	0.28 300	0.29 331	0.29 310	0.25 296	0.38 329	0.38 337

WZ-Net	1.19 361	0.59 348	4.07 399	0.62 345	0.51 343	1.34 350	1.31 387	1.32 335	1.74 372	1.53 356	1.65 343	1.74 364	1.28 359	2.25 388	2.01 374	0.27 294	0.21 283	0.23 244	0.25 296	0.40 332	0.39 339

EDNetEfficient	1.46 374	0.80 366	6.12 404	0.47 251	0.39 295	0.69 238	0.83 347	0.90 197	2.77 391	3.50 404	1.96 361	1.66 362	2.03 388	1.26 336	4.18 397	0.21 235	0.18 254	0.21 218	0.20 231	0.41 338	0.39 339

RYNet	0.72 298	0.35 278	0.64 257	0.53 313	0.67 366	1.31 349	0.67 317	1.20 299	1.18 322	1.05 312	0.87 159	1.27 319	0.93 323	0.93 287	1.27 355	0.22 253	0.16 229	0.26 283	0.23 274	0.40 332	0.39 339

Anonymous_2	0.82 316	0.44 314	0.63 252	0.40 108	0.43 318	0.80 266	0.52 279	0.72 132	0.77 157	0.71 141	0.60 60	0.87 241	0.76 278	0.75 217	0.58 236	0.52 369	0.54 382	0.54 369	4.82 418	0.56 366	0.40 342

MFN_U_SF_DS_RVC	1.02 344	0.57 346	1.51 374	0.67 358	0.50 340	2.57 386	1.66 398	1.20 299	1.43 353	1.38 350	1.57 340	1.33 332	0.92 318	1.64 367	0.88 302	0.37 349	0.39 366	0.46 357	0.60 379	0.41 338	0.40 342

STTRV1_RVC	0.82 316	0.59 348	1.16 342	0.67 358	0.81 371	1.11 327	0.63 310	1.30 332	1.11 311	0.98 286	1.33 307	1.08 298	0.95 327	1.26 336	0.87 299	0.55 374	0.25 314	0.43 350	0.39 351	0.58 371	0.40 342

WCMA_ROB	1.14 355	0.36 283	0.76 302	0.49 271	0.44 325	1.23 344	0.67 317	1.11 268	1.23 330	2.84 395	3.95 401	3.28 392	1.83 382	1.25 335	0.99 329	0.44 358	0.34 355	0.34 330	0.37 344	0.41 338	0.40 342

Wz-Net-TNSev	1.14 355	1.06 384	4.32 401	0.49 271	0.42 313	1.51 362	1.11 372	1.48 360	1.40 352	1.22 339	1.26 296	1.58 360	1.43 366	1.76 372	1.70 364	0.32 327	0.31 344	0.26 283	0.30 322	0.41 338	0.41 346

psmorigin	0.82 316	0.51 331	2.09 385	0.49 271	0.41 307	0.85 285	0.50 262	1.04 245	0.88 211	1.45 352	1.43 325	1.50 352	1.06 338	1.22 332	0.97 325	0.31 315	0.32 347	0.27 295	0.27 311	0.33 308	0.42 347

G-Net	0.95 337	0.46 320	1.04 331	0.64 347	0.48 337	2.12 381	0.64 313	1.01 235	0.87 207	1.75 368	2.82 385	1.30 324	1.64 376	1.06 310	0.96 324	0.36 346	0.29 331	0.35 332	0.25 296	0.45 347	0.42 347

SHD	0.93 336	0.50 328	1.18 348	0.59 335	0.46 336	0.97 303	0.48 252	1.70 379	2.15 380	1.58 357	1.37 313	1.42 344	1.19 352	1.31 343	1.60 362	0.31 315	0.26 320	0.32 323	0.33 338	0.40 332	0.42 347

ADCS	1.51 376	0.61 352	3.42 394	0.59 335	0.51 343	1.27 347	1.08 371	1.59 372	1.81 374	1.91 375	1.66 345	1.51 355	1.42 365	1.94 380	8.60 409	0.33 333	0.32 347	0.33 328	0.36 343	0.44 343	0.42 347

AnyNet_C32	1.16 359	0.62 355	2.40 389	0.57 330	0.55 351	1.41 355	1.34 388	1.18 293	1.24 332	1.49 353	1.42 322	1.39 341	1.20 354	1.55 358	4.82 399	0.29 306	0.28 326	0.29 310	0.34 340	0.38 329	0.42 347

PSM-AAD	0.48 182	0.20 70	0.37 44	0.43 187	0.23 69	0.56 179	0.50 262	0.65 72	0.70 121	1.07 318	1.12 260	0.58 109	0.92 318	0.61 133	0.32 74	0.15 79	0.11 57	0.25 269	0.26 306	0.18 157	0.43 352

sAnonymous2	0.40 120	0.39 299	0.85 312	0.48 256	0.37 282	0.40 102	0.46 241	0.57 31	0.52 66	0.38 21	0.46 24	0.35 26	0.42 116	0.43 24	0.30 59	0.19 200	0.14 178	0.18 119	0.17 163	0.57 368	0.44 353

CroCo_RVC	0.40 120	0.39 299	0.85 312	0.48 256	0.37 282	0.40 102	0.46 241	0.57 31	0.52 66	0.38 21	0.46 24	0.35 26	0.42 116	0.43 24	0.30 59	0.19 200	0.14 178	0.18 119	0.17 163	0.57 368	0.44 353

MFN_U_SF_RVC	1.09 353	0.59 348	1.97 384	0.67 358	0.44 325	1.93 378	0.60 303	1.85 381	1.36 345	1.61 360	1.54 338	1.95 371	1.37 362	1.64 367	1.73 365	0.40 356	0.37 360	0.45 354	0.48 367	0.44 343	0.44 353

MSMD_ROB	1.21 362	0.49 324	0.62 244	0.59 335	0.50 340	1.62 369	0.67 317	1.23 313	1.24 332	2.45 388	3.77 395	3.09 389	2.98 401	1.32 344	0.81 286	0.45 359	0.41 369	0.49 364	0.51 374	0.47 352	0.44 353

AnyNet_C01	1.56 377	1.05 383	7.45 407	0.64 347	0.54 349	1.99 379	1.38 390	1.43 356	1.36 345	1.63 363	1.92 359	1.84 366	1.33 361	2.40 390	4.03 394	0.33 333	0.32 347	0.32 323	0.34 340	0.44 343	0.45 357

SDNR	0.86 324	0.37 286	1.47 372	0.40 108	0.38 290	3.38 401	0.33 111	0.90 197	0.98 258	0.99 289	2.09 366	0.59 123	0.71 266	1.29 341	0.70 264	0.51 368	0.56 383	0.36 335	0.26 306	0.43 342	0.46 358

ccnet	0.82 316	0.57 346	0.75 297	0.54 319	0.59 361	1.09 326	0.66 315	1.38 348	0.94 245	1.12 327	1.44 327	1.29 322	0.92 318	0.95 296	1.24 351	0.49 365	0.42 371	0.50 366	0.47 365	0.51 357	0.46 358

GANetREF_RVC	0.80 312	0.75 363	0.86 317	0.66 355	0.42 313	1.15 334	0.98 362	1.14 279	1.19 324	1.01 299	1.02 227	1.10 302	0.90 314	1.15 323	0.76 276	0.48 363	0.39 366	0.57 371	0.38 347	0.63 374	0.46 358
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
FC-DCNN	1.59 378	0.51 331	0.66 267	0.61 342	0.49 339	1.56 365	0.70 331	1.66 377	1.53 361	4.64 409	4.62 407	5.85 407	3.34 404	1.84 376	1.11 341	0.46 360	0.42 371	0.47 358	0.46 362	0.48 353	0.46 358

S-Stereo	0.74 301	0.35 278	0.96 325	0.56 325	0.45 329	0.82 279	0.60 303	1.24 320	1.60 368	0.96 277	1.41 321	1.12 306	0.94 324	0.80 235	1.04 336	0.26 287	0.31 344	0.28 302	0.25 296	0.32 303	0.47 362

XQC	0.89 329	0.65 357	1.31 359	0.67 358	0.52 346	1.22 342	0.68 322	1.26 324	1.52 360	1.14 330	1.11 258	1.28 321	1.04 337	1.40 355	1.77 368	0.38 350	0.24 306	0.37 339	0.31 329	0.53 362	0.47 362

MSC_U_SF_DS_RVC	1.34 367	0.87 372	1.76 379	0.86 373	0.56 354	4.29 405	1.79 403	1.50 363	1.98 377	1.61 360	1.85 357	1.84 366	1.41 364	1.89 377	1.36 358	0.48 363	0.40 368	0.56 370	0.57 377	0.69 375	0.48 364

BEATNet-Init1	15.13 418	0.82 370	50.86 435	0.72 368	0.53 347	38.10 429	7.03 415	11.83 419	14.25 416	29.78 433	30.17 433	48.21 437	22.64 426	26.78 427	18.11 417	0.42 357	0.38 362	0.47 358	0.46 362	0.51 357	0.48 364

MANE	4.13 406	0.51 331	0.64 257	0.66 355	0.56 354	6.89 411	0.99 364	7.55 413	12.04 411	6.68 413	8.57 415	10.69 416	9.45 413	7.59 413	6.39 405	0.49 365	0.43 374	0.48 361	0.98 394	0.49 354	0.48 364

SAMSARA	1.07 351	0.65 357	1.19 349	1.06 382	0.90 374	1.76 375	1.76 402	1.46 358	1.44 355	1.51 354	1.16 278	2.00 372	1.14 345	1.48 356	1.31 357	0.39 352	0.44 376	0.35 332	0.38 347	0.49 354	0.49 367

FCDSN-DC	1.39 372	0.56 344	0.65 262	0.74 369	0.59 361	1.38 352	0.63 310	1.35 342	1.39 350	3.26 402	4.50 406	4.61 398	2.63 396	1.58 362	1.03 333	0.46 360	0.42 371	0.48 361	0.47 365	0.50 356	0.50 368
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
EDNetEfficientorigin	9.93 414	1.15 385	175.16 437	0.48 256	0.36 277	1.04 319	0.68 322	1.24 320	2.69 390	3.17 401	2.50 374	2.30 376	2.07 389	1.76 372	2.21 378	0.20 221	0.18 254	0.24 258	0.19 209	0.51 357	0.50 368

ELAS_RVC	1.60 379	0.61 352	1.01 330	0.70 365	0.56 354	2.00 380	1.89 405	1.96 383	2.65 389	3.33 403	3.26 388	3.03 386	3.41 405	2.49 392	2.09 376	0.52 369	0.45 377	0.50 366	0.48 367	0.54 364	0.52 370
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	1.63 381	0.61 352	0.95 323	0.68 362	0.55 351	3.01 399	1.55 396	2.39 390	2.33 385	3.64 405	3.89 399	2.75 384	2.90 400	2.15 386	2.27 383	0.52 369	0.45 377	0.50 366	0.48 367	0.54 364	0.52 370
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PASM	0.90 332	0.64 356	1.69 376	0.69 364	0.69 369	0.78 260	0.84 350	1.03 242	1.26 339	1.19 334	1.15 273	1.31 325	0.98 331	1.24 334	1.03 333	0.52 369	0.56 383	0.59 374	0.66 381	0.56 366	0.54 372

DGSMNet	0.76 304	0.55 343	1.29 358	0.58 332	0.62 363	0.94 296	0.70 331	1.26 324	1.11 311	0.83 213	1.24 293	1.00 274	0.71 266	1.03 307	0.81 286	0.34 339	0.29 331	0.41 348	0.40 354	0.57 368	0.55 373

SQANet	0.82 316	0.74 362	0.67 271	1.13 383	0.98 381	1.11 327	0.47 246	1.07 254	0.83 183	0.91 257	1.05 239	1.03 284	0.74 273	1.01 300	0.64 251	0.61 376	0.24 306	1.03 383	0.35 342	1.18 387	0.58 374

PVD	1.28 366	0.67 359	1.28 356	0.74 369	0.62 363	1.50 361	0.84 350	1.99 384	2.96 392	2.18 382	2.36 371	1.85 368	1.95 386	1.92 378	1.94 372	0.39 352	0.36 359	0.49 364	0.37 344	0.51 357	0.64 375

UDG	0.88 327	0.82 370	0.67 271	1.00 379	0.96 378	1.02 312	0.57 298	1.13 273	0.99 263	0.90 252	0.97 208	1.31 325	0.99 332	0.85 259	0.84 290	0.54 373	0.32 347	1.77 390	0.40 354	0.94 380	0.66 376

otaku	1.04 346	0.93 375	0.88 319	1.33 389	1.05 386	1.66 370	0.70 331	1.40 352	1.18 322	1.08 321	1.32 306	1.33 332	0.91 315	1.23 333	0.76 276	0.72 380	0.46 379	1.24 385	0.50 372	1.40 388	0.75 377

MADNet+	2.23 393	2.43 410	10.85 410	1.22 386	0.91 375	2.76 390	1.40 391	2.12 387	1.67 371	1.32 346	1.74 351	1.86 369	1.74 378	6.25 409	4.41 398	0.65 377	0.64 386	0.58 373	0.54 376	0.80 377	0.76 378

Ntro	1.09 353	0.97 381	0.91 321	1.44 390	1.19 388	1.69 373	0.80 345	1.35 342	1.25 336	1.00 294	1.29 302	1.31 325	0.97 330	1.26 336	0.84 290	0.84 384	0.43 374	1.36 386	0.50 372	1.56 389	0.78 379

KYRaft	0.48 182	0.20 70	0.38 53	0.44 202	0.23 69	0.44 126	0.37 165	0.66 81	0.41 42	0.94 269	1.73 349	0.79 216	0.41 115	0.63 149	0.31 66	0.16 110	0.11 57	0.18 119	0.22 263	0.16 108	0.78 379

Consistency-Raft	1.01 341	0.81 367	1.24 354	0.84 372	0.97 379	0.81 271	0.84 350	1.30 332	1.59 365	1.05 312	1.68 348	1.12 306	0.91 315	0.92 282	1.11 341	0.65 377	0.74 390	0.79 378	0.90 390	1.06 385	0.79 381

ACVNet-4b	1.35 369	1.31 389	1.10 336	1.90 397	1.59 392	1.92 377	0.77 341	1.52 369	1.62 369	1.05 312	1.60 342	2.11 373	0.94 324	1.64 367	0.77 280	1.30 395	0.35 357	2.03 397	0.67 382	1.88 397	0.84 382

DDUNet	1.06 349	2.56 413	0.68 274	1.21 385	1.26 389	1.03 315	0.69 326	1.11 268	0.94 245	0.96 277	1.22 288	1.27 319	0.82 297	0.93 287	0.72 270	0.84 384	0.38 362	1.99 393	0.60 379	1.10 386	0.85 383

NVStereoNet_ROB	1.24 364	0.90 374	1.13 340	0.86 373	0.88 373	1.11 327	0.99 364	1.42 354	1.53 361	1.59 359	2.48 373	2.24 375	1.53 368	1.96 381	1.30 356	0.76 382	0.70 387	0.78 377	1.00 395	0.71 376	0.88 384
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
PWCK	1.92 386	1.66 401	3.12 393	1.65 391	0.91 375	2.84 393	2.26 408	2.10 386	2.41 387	2.36 386	2.31 367	2.22 374	1.82 380	3.43 398	2.03 375	1.61 401	0.71 389	1.51 387	0.82 388	1.69 390	0.91 385

anonymity	0.97 338	0.89 373	1.05 332	0.92 375	1.03 384	0.97 303	0.81 346	1.29 329	0.91 228	1.07 318	0.98 209	1.00 274	0.95 327	1.02 305	0.92 318	0.96 387	0.95 405	0.90 380	0.91 393	0.92 379	0.94 386

MFMNet_re	1.14 355	0.97 381	1.19 349	0.99 377	0.95 377	1.25 346	1.22 379	1.39 349	1.55 363	1.69 367	1.67 347	1.21 314	1.53 368	1.12 321	0.99 329	0.87 386	0.75 394	0.79 378	0.75 385	0.90 378	0.94 386

ACVNet_1	1.46 374	1.33 390	1.12 339	1.91 398	1.62 393	1.83 376	0.98 362	2.00 385	1.85 375	1.39 351	1.53 337	2.32 377	1.53 368	1.34 347	1.11 341	1.30 395	0.50 381	2.06 399	0.58 378	1.93 399	0.95 388

ACVNet_2	1.65 382	1.27 388	1.41 370	1.75 393	1.62 393	2.22 382	1.20 376	2.30 389	2.62 388	1.78 369	2.56 375	3.03 386	1.61 373	1.54 357	1.12 344	1.06 391	0.58 385	1.82 391	0.70 384	1.82 393	0.96 389

SPS-STEREO	1.25 365	0.93 375	1.06 333	1.04 381	1.03 384	1.41 355	0.91 358	1.51 366	1.19 324	2.09 379	1.83 355	1.94 370	1.39 363	1.62 364	1.39 359	0.97 388	0.94 404	0.90 380	0.89 389	0.96 382	0.96 389
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	1.35 369	0.94 377	1.25 355	0.96 376	1.00 383	1.52 363	1.02 367	1.34 339	1.21 327	2.64 390	2.65 380	2.44 379	1.56 371	1.64 367	1.26 353	0.97 388	0.95 405	0.90 380	0.90 390	0.94 380	0.96 389

WAO-7	1.90 385	1.20 386	1.35 363	1.27 387	1.06 387	2.84 393	1.56 397	3.23 398	3.06 395	2.23 383	3.33 392	3.17 390	2.28 391	3.12 395	2.21 378	1.02 390	0.91 400	1.06 384	1.03 398	1.04 384	0.97 392

Dean	1.98 387	1.36 391	1.36 367	2.12 400	1.81 400	2.74 388	1.36 389	3.37 402	3.80 401	2.08 378	3.32 391	3.21 391	1.82 380	1.71 371	1.67 363	1.27 392	0.77 396	1.99 393	0.90 390	1.86 394	1.03 393

RainbowNet	1.35 369	1.49 393	1.19 349	1.88 396	1.45 390	1.48 360	1.07 370	1.61 374	1.55 363	1.20 337	1.59 341	1.54 356	1.13 344	1.34 347	0.97 325	1.36 398	0.70 387	1.82 391	0.79 387	1.71 391	1.07 394

DispFullNet	1.60 379	2.63 414	2.75 391	2.56 407	1.79 399	1.24 345	0.47 246	1.37 347	1.45 356	1.87 371	1.50 334	1.55 357	2.46 392	2.04 383	1.04 336	0.59 375	0.18 254	2.32 402	0.68 383	2.29 403	1.14 395

WAO-8	2.92 397	1.55 396	1.35 363	1.79 394	1.63 395	5.23 407	1.22 379	4.58 408	12.56 413	2.84 395	4.07 403	4.83 401	2.72 398	3.49 399	2.25 381	1.27 392	0.91 400	1.99 393	1.15 403	1.86 394	1.15 396

Venus	2.92 397	1.55 396	1.35 363	1.79 394	1.63 395	5.23 407	1.22 379	4.58 408	12.56 413	2.84 395	4.06 402	4.83 401	2.72 398	3.49 399	2.25 381	1.27 392	0.91 400	1.99 393	1.15 403	1.86 394	1.15 396

IMH-64-1	1.86 383	1.62 398	1.16 342	2.20 401	1.89 401	2.33 383	1.30 384	2.89 393	2.29 383	1.66 364	2.80 383	2.49 380	1.61 373	2.10 384	1.78 369	1.60 399	0.74 390	2.43 403	1.02 396	2.12 400	1.17 398

IMH-64	1.86 383	1.62 398	1.16 342	2.20 401	1.89 401	2.33 383	1.30 384	2.89 393	2.29 383	1.66 364	2.80 383	2.49 380	1.61 373	2.10 384	1.78 369	1.60 399	0.74 390	2.43 403	1.02 396	2.12 400	1.17 398

JetBlue	2.78 396	1.26 387	7.04 406	1.16 384	1.48 391	8.00 413	6.02 414	2.60 391	1.92 376	2.12 380	2.64 379	3.34 393	3.05 402	6.49 410	3.39 390	0.78 383	0.76 395	0.75 376	0.76 386	0.97 383	1.18 400

IMH	2.04 390	1.62 398	1.20 352	2.20 401	1.89 401	2.91 398	1.30 384	3.11 396	3.03 393	1.81 370	3.35 393	3.03 386	1.90 383	2.48 391	1.80 371	1.66 402	0.77 396	2.45 405	1.04 399	2.15 402	1.19 401

WAO-6	2.04 390	1.50 394	1.16 342	1.70 392	1.67 397	2.69 387	1.44 394	3.06 395	3.63 400	1.98 376	3.27 389	3.54 396	2.07 389	2.36 389	2.22 380	1.31 397	0.91 400	2.04 398	1.22 405	1.73 392	1.27 402

LVE	2.12 392	1.44 392	1.36 367	1.99 399	1.78 398	2.75 389	1.79 403	2.82 392	3.95 402	1.90 374	4.33 405	3.52 395	1.81 379	2.24 387	1.74 366	1.74 403	0.87 399	2.06 399	1.13 401	1.91 398	1.35 403

TorneroNet-64	3.44 400	1.86 402	1.42 371	2.58 408	2.28 406	6.87 410	1.68 399	4.70 410	12.03 410	2.31 385	5.59 411	8.25 412	2.55 395	3.97 404	2.73 385	1.81 404	0.74 390	2.57 407	1.07 400	2.35 404	1.44 404

TorneroNet	4.53 408	1.89 403	1.48 373	2.55 406	2.27 405	13.78 418	1.69 400	4.84 412	23.73 427	2.89 398	7.70 414	7.06 411	2.69 397	4.26 406	3.42 391	1.84 405	0.77 396	2.68 409	1.13 401	2.42 405	1.47 405

KSHMR	2.57 394	1.93 404	1.69 376	2.63 409	2.42 408	2.86 395	2.07 406	3.27 400	6.50 406	2.49 389	3.36 394	3.41 394	1.92 384	2.49 392	1.94 372	2.13 408	1.40 410	2.79 412	1.50 408	2.73 408	1.77 406

notaker	2.76 395	2.29 409	1.80 381	2.96 411	2.58 412	2.90 397	1.75 401	3.24 399	3.05 394	2.78 393	4.24 404	6.15 410	2.51 394	3.34 397	2.75 386	2.31 410	1.18 408	3.00 413	1.65 409	2.84 411	1.97 407

UNDER WATER	3.46 401	2.07 407	3.64 397	3.09 412	2.48 409	3.75 403	2.42 410	3.31 401	13.77 415	2.90 399	2.95 386	5.84 406	3.69 406	3.69 401	3.48 393	2.07 407	1.11 407	2.70 410	1.40 406	2.84 411	1.98 408

ktn	2.98 399	2.25 408	1.73 378	2.84 410	2.53 411	3.76 404	2.15 407	3.70 404	5.47 405	2.75 392	5.17 410	5.94 408	2.48 393	3.23 396	2.46 384	2.34 412	1.44 411	2.78 411	2.03 411	2.45 406	2.01 409

UNDER WATER-64	3.53 402	2.01 405	3.94 398	3.22 414	2.49 410	5.41 409	2.60 411	3.43 403	12.41 412	3.03 400	2.68 381	6.07 409	4.04 407	3.79 403	3.33 389	2.02 406	1.24 409	2.63 408	1.46 407	2.78 409	2.08 410

tt	6.20 411	0.20 70	5.89 403	3.55 415	2.07 404	11.26 416	19.21 417	11.74 418	5.46 404	2.69 391	2.04 365	4.87 404	6.25 411	3.70 402	7.09 408	8.32 420	11.17 425	4.93 416	5.41 419	5.74 418	2.37 411

DPSimNet_ROB	3.58 403	2.45 411	8.57 408	2.53 405	2.37 407	2.88 396	3.77 413	3.14 397	3.23 396	4.71 410	3.86 398	4.68 399	4.87 410	4.07 405	5.62 402	2.33 411	2.33 414	2.47 406	2.52 412	2.51 407	2.64 412

JetRed	5.27 410	5.84 417	12.81 414	2.36 404	2.83 413	12.23 417	10.50 416	4.46 407	3.60 398	3.86 406	3.83 397	4.85 403	4.18 408	6.78 411	11.96 412	2.17 409	2.96 416	2.18 401	1.97 410	3.38 415	2.68 413

HanzoNet	6.76 413	2.45 411	4.22 400	3.19 413	2.94 414	3.62 402	2.28 409	4.79 411	7.20 407	14.00 420	13.19 419	17.49 421	22.30 425	13.25 418	6.19 404	4.20 416	1.93 413	3.10 414	2.56 413	3.35 414	2.88 414

SPstereo	24.26 423	4.19 416	6.66 405	4.29 417	3.79 416	45.68 430	78.09 436	63.52 437	33.36 436	27.50 432	26.65 425	39.53 436	33.55 435	42.77 437	51.02 431	3.90 414	3.72 418	5.95 420	4.66 416	3.15 413	3.30 415

MADNet++	4.03 404	2.70 415	3.44 396	3.72 416	3.44 415	4.44 406	3.52 412	3.95 406	3.61 399	4.46 407	4.98 409	4.10 397	4.58 409	7.00 412	5.89 403	3.74 413	3.67 417	3.27 415	2.71 414	3.70 416	3.66 416

PML	40.80 437	29.24 427	11.87 413	7.20 419	14.47 418	92.13 437	213.69 438	7.63 414	23.35 426	74.72 437	190.14 438	50.17 438	26.15 427	21.39 422	12.70 413	8.76 421	2.92 415	8.45 421	3.25 415	13.26 421	4.42 417

ASD4	9.96 415	8.86 420	17.78 415	7.17 418	9.80 417	16.08 419	28.92 421	9.77 417	8.20 409	7.02 414	7.08 413	8.47 413	9.57 414	11.17 417	20.26 418	4.12 415	4.14 419	5.57 419	4.74 417	5.53 417	4.90 418

LSM	4.74 409	0.77 364	10.16 409	0.70 365	56.56 433	1.02 312	1.00 366	1.24 320	1.62 369	2.04 377	2.34 369	1.33 332	1.17 349	1.38 354	1.09 340	0.33 333	0.49 380	0.39 344	0.46 362	0.51 357	10.09 419

DPSMNet_ROB	12.08 417	8.00 418	21.00 417	8.97 421	16.79 420	10.67 414	30.89 423	9.02 416	15.17 418	6.51 412	15.41 423	9.04 414	14.85 416	9.27 415	21.67 420	4.58 418	8.57 420	5.09 418	9.29 421	5.90 419	10.95 420

DGTPSM_ROB	12.07 416	8.00 418	20.99 416	8.93 420	16.78 419	10.67 414	30.87 422	9.01 415	15.16 417	6.50 411	15.41 423	9.04 414	14.85 416	9.25 414	21.67 420	4.57 417	8.57 420	5.08 417	9.28 420	5.90 419	10.95 420

Anonymous_1	33.25 425	18.26 421	23.92 419	20.54 422	21.28 423	25.59 421	35.94 424	22.01 428	15.57 419	13.33 417	13.49 420	18.08 422	15.29 418	20.36 419	24.60 422	16.28 428	8.84 422	66.59 435	118.00 435	155.73 438	11.23 422

DPSM_ROB	17.78 419	18.63 422	24.31 423	20.90 423	19.47 421	25.97 422	36.21 425	21.23 426	16.24 420	13.38 418	14.06 421	19.18 424	16.30 419	20.78 420	25.67 423	9.38 422	9.23 423	9.49 422	9.82 422	13.51 422	11.91 423

DPSM	17.78 419	18.63 422	24.31 423	20.90 423	19.47 421	25.97 422	36.21 425	21.23 426	16.24 420	13.38 418	14.06 421	19.18 424	16.30 419	20.78 420	25.67 423	9.38 422	9.23 423	9.49 422	9.82 422	13.51 422	11.91 423

MyStereo03	35.77 427	37.55 433	48.75 431	42.19 429	39.18 428	52.27 432	73.13 433	42.32 431	32.61 429	27.03 429	28.40 430	38.50 430	32.89 430	41.62 431	51.63 433	18.78 430	18.59 433	19.11 424	19.80 427	27.18 424	23.95 425

MyStereo02	35.77 427	37.55 433	48.75 431	42.19 429	39.18 428	52.27 432	73.13 433	42.32 431	32.61 429	27.03 429	28.40 430	38.50 430	32.89 430	41.62 431	51.63 433	18.78 430	18.59 433	19.11 424	19.80 427	27.18 424	23.95 425

MyStereo	35.77 427	37.55 433	48.75 431	42.19 429	39.18 428	52.27 432	73.13 433	42.32 431	32.61 429	27.03 429	28.40 430	38.50 430	32.89 430	41.62 431	51.63 433	18.78 430	18.59 433	19.11 424	19.80 427	27.18 424	23.95 425

CasAABBNet	35.74 426	37.43 431	48.72 430	42.22 432	39.20 431	52.24 431	73.12 432	42.61 434	32.62 433	26.78 426	27.95 426	38.58 433	32.60 429	41.67 434	51.65 436	18.74 429	18.57 431	19.15 428	19.77 426	27.20 427	23.98 428

Selective-RAFT-Error	35.84 430	37.49 432	48.83 434	42.26 433	39.24 432	52.30 435	73.09 431	42.66 435	32.61 429	26.80 427	28.30 429	38.84 435	33.51 434	41.68 435	51.59 432	18.82 433	18.58 432	19.17 429	19.80 427	27.28 428	24.05 429

LRCNet_RVC	21.24 422	31.15 428	21.41 418	28.98 426	23.82 424	3.13 400	0.60 303	20.96 425	1.59 365	25.58 425	28.15 428	21.99 426	14.79 415	21.94 426	16.41 416	28.89 435	14.87 426	33.53 431	31.28 431	29.51 433	26.16 430

LSM0	38.95 436	37.60 436	48.58 429	43.57 434	91.06 438	52.57 436	72.57 430	43.17 436	32.63 434	26.97 428	27.97 427	38.65 434	32.94 433	41.86 436	51.78 437	18.89 434	18.41 427	19.13 427	19.63 425	27.29 429	33.77 431

xxxxx1	36.64 431	19.51 424	24.21 420	61.66 435	64.63 435	27.28 425	40.10 427	20.25 421	18.63 423	14.07 421	12.97 416	17.26 418	17.36 421	21.70 423	27.93 425	13.18 425	18.50 428	111.26 436	133.37 436	29.24 430	39.73 432

tt_ll	36.64 431	19.51 424	24.21 420	61.66 435	64.63 435	27.28 425	40.10 427	20.25 421	18.63 423	14.07 421	12.97 416	17.26 418	17.36 421	21.70 423	27.93 425	13.18 425	18.50 428	111.26 436	133.37 436	29.24 430	39.73 432

ff	36.64 431	19.51 424	24.21 420	61.66 435	64.63 435	27.28 425	40.10 427	20.25 421	18.63 423	14.07 421	12.97 416	17.26 418	17.36 421	21.70 423	27.93 425	13.18 425	18.50 428	111.26 436	133.37 436	29.24 430	39.73 432

HaxPig	31.96 424	37.24 430	34.27 425	24.37 425	24.88 425	18.26 420	19.86 418	20.64 424	28.52 428	35.97 434	38.75 434	25.57 427	28.72 428	33.88 428	34.39 428	35.94 436	38.87 436	37.80 432	40.48 432	39.68 434	41.15 435

AVERAGE_ROB	37.58 435	40.13 437	40.15 427	34.81 428	33.82 427	28.55 428	25.10 420	32.02 430	34.06 437	41.28 435	40.66 435	34.46 429	34.81 437	39.18 429	37.57 430	42.78 437	43.44 437	43.82 433	43.03 433	40.47 435	41.51 436

MEDIAN_ROB	37.38 434	40.85 438	40.60 428	32.31 427	31.85 426	27.20 424	24.55 419	29.10 429	33.19 435	42.09 436	41.76 436	33.35 428	34.39 436	39.78 430	37.07 429	43.64 438	44.10 438	44.12 434	43.40 434	41.51 436	42.76 437

test_example2	176.61 438	205.14 439	198.86 438	188.60 439	190.98 439	152.67 438	170.61 437	94.86 438	123.55 438	178.88 438	179.48 437	158.94 439	141.34 438	192.61 438	198.96 438	203.76 439	236.37 439	164.13 439	173.55 439	218.58 439	160.41 438

FADE		2.05 406		1.03 380	0.99 382							2.73 383				11.57 424	1.70 412	23.09 430	15.86 424	0.62 373

Low-res two-view benchmark