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

IGEV-Stereo++	0.23 1	0.23 27	0.64 4	0.24 11	0.22 167	0.47 57	0.13 1	0.52 60	0.33 6	0.18 2	0.24 14	0.17 2	0.22 39	0.32 37	0.19 6	0.08 5	0.06 1	0.08 4	0.06 8	0.17 155	0.09 23

IGEV-Stereo+	0.29 15	0.29 78	0.86 7	0.25 23	0.34 305	0.30 8	0.14 2	0.32 1	0.53 130	0.18 2	0.12 1	0.18 3	0.19 18	0.49 135	0.17 2	0.09 23	0.08 68	0.08 4	0.20 326	0.46 397	0.59 420

SPstereo	0.34 47	0.89 337	1.76 129	0.26 45	0.12 3	0.52 99	0.14 2	0.49 41	0.38 19	0.29 55	0.30 42	0.29 65	0.22 39	0.30 23	0.20 24	0.09 23	0.17 314	0.09 30	0.07 15	0.21 221	0.11 55

Pointernet	0.29 15	0.25 38	1.49 72	0.24 11	0.20 136	0.47 57	0.15 4	0.62 115	0.47 84	0.22 12	0.29 34	0.26 44	0.20 24	0.28 9	0.20 24	0.10 96	0.07 14	0.07 1	0.12 175	0.10 16	0.07 3

U	3.37 458	0.17 1	0.91 9	0.26 45	13.79 471	19.19 475	0.15 4	0.41 10	0.31 2	0.17 1	0.18 2	0.27 50	0.15 3	0.21 1	0.16 1	0.09 23	0.06 1	17.88 476	12.81 473	0.10 16	0.08 13

trnet	0.28 9	0.26 48	1.32 40	0.19 1	0.12 3	0.54 111	0.15 4	0.48 35	0.46 69	0.27 48	0.33 58	0.24 27	0.21 30	0.30 23	0.21 34	0.10 96	0.07 14	0.08 4	0.05 1	0.09 10	0.07 3

DLNR_Zeroshot_test	13.43 472	19.94 476	23.55 476	121.61 486	35.03 481	0.46 54	0.15 4	8.02 469	0.35 10	0.28 53	0.37 76	0.26 44	0.17 6	0.76 216	0.29 119	6.42 469	0.26 380	0.09 30	0.38 402	50.13 484	0.18 227

CREStereo++_RVC	0.33 40	0.29 78	1.74 119	0.24 11	0.16 45	0.54 111	0.15 4	0.40 6	0.55 147	0.37 76	0.51 168	0.24 27	0.19 18	0.27 5	0.26 88	0.09 23	0.06 1	0.08 4	0.30 372	0.08 1	0.06 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
MaDis-Stereo	0.29 15	0.54 213	1.44 60	0.24 11	0.29 252	0.29 6	0.16 9	0.45 22	0.37 17	0.19 4	0.21 4	0.28 58	0.22 39	0.30 23	0.29 119	0.10 96	0.09 127	0.10 70	0.08 36	0.11 29	0.11 55

TANstereo	0.33 40	0.49 195	1.75 125	0.23 4	0.12 3	0.54 111	0.16 9	0.40 6	0.45 64	0.45 122	0.51 168	0.26 44	0.22 39	0.29 18	0.20 24	0.10 96	0.10 159	0.08 4	0.06 8	0.08 1	0.11 55

MIF-Stereo (partial)	0.34 47	0.41 153	1.93 221	0.26 45	0.24 196	0.32 13	0.17 11	0.53 68	0.42 40	0.25 35	0.37 76	0.25 35	0.26 83	0.44 98	0.31 145	0.11 151	0.08 68	0.12 171	0.10 86	0.19 199	0.14 135

EGLCR-Stereo	0.29 15	0.27 52	0.97 11	0.30 122	0.19 121	0.56 137	0.17 11	0.68 140	0.36 13	0.30 56	0.18 2	0.27 50	0.17 6	0.38 73	0.19 6	0.09 23	0.07 14	0.10 70	0.08 36	0.10 16	0.35 368

XX-TBD	0.34 47	0.77 297	1.75 125	0.34 223	0.13 9	0.51 82	0.17 11	0.43 16	0.50 99	0.37 76	0.49 157	0.23 20	0.18 14	0.28 9	0.24 70	0.10 96	0.07 14	0.08 4	0.06 8	0.09 10	0.07 3

XX-Stereo	0.55 252	0.54 213	3.50 436	0.48 360	0.39 341	0.54 111	0.17 11	0.89 291	0.40 30	0.44 112	0.65 296	0.85 352	0.19 18	0.77 220	0.21 34	0.10 96	0.14 259	0.10 70	0.32 382	0.17 155	0.14 135

CREStereo	0.28 9	0.30 87	1.33 42	0.19 1	0.13 9	0.55 123	0.17 11	0.48 35	0.46 69	0.27 48	0.33 58	0.24 27	0.21 30	0.31 30	0.21 34	0.11 151	0.07 14	0.08 4	0.05 1	0.10 16	0.07 3
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
DIP-Stereo	0.37 68	0.34 116	1.50 75	0.27 58	0.18 96	0.63 254	0.17 11	0.92 316	0.53 130	0.49 161	0.48 140	0.30 67	0.30 134	0.39 77	0.30 133	0.10 96	0.08 68	0.10 70	0.08 36	0.15 101	0.12 86
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
WCG-NET	0.30 21	0.32 100	1.16 20	0.25 23	0.19 121	0.51 82	0.18 17	0.54 78	0.46 69	0.35 68	0.29 34	0.32 77	0.26 83	0.36 61	0.19 6	0.10 96	0.10 159	0.08 4	0.07 15	0.29 304	0.09 23

H2IRNET	0.40 92	0.61 233	1.90 209	0.29 108	0.17 69	0.54 111	0.18 17	0.52 60	0.50 99	0.27 48	0.56 219	0.47 178	0.35 160	0.46 113	0.33 165	0.10 96	0.07 14	0.12 171	0.14 230	0.32 328	0.12 86

UniTT-Stereo	0.30 21	0.36 129	1.68 101	0.27 58	0.24 196	0.29 6	0.18 17	0.33 2	0.34 8	0.26 43	0.37 76	0.18 3	0.18 14	0.31 30	0.27 96	0.10 96	0.08 68	0.08 4	0.07 15	0.25 269	0.08 13

RAFT-RH_RVC	0.61 287	0.50 201	2.33 310	0.36 256	0.29 252	0.60 197	0.18 17	0.44 19	0.58 170	0.76 361	1.91 426	0.47 178	0.29 126	1.60 313	1.23 374	0.14 265	0.07 14	0.13 227	0.13 202	0.10 16	0.09 23

UGAM-zero	0.63 295	0.39 145	2.49 341	0.30 122	0.49 383	0.67 289	0.19 21	0.91 307	0.45 64	0.77 365	0.45 119	1.16 413	0.82 373	2.05 380	0.29 119	0.09 23	0.15 282	0.09 30	0.44 414	0.11 29	0.22 269

RAStereo	0.28 9	0.48 192	1.52 78	0.26 45	0.18 96	0.25 3	0.19 21	0.42 12	0.35 10	0.20 5	0.25 19	0.20 5	0.16 4	0.24 2	0.24 70	0.09 23	0.08 68	0.10 70	0.08 36	0.12 40	0.08 13

GCST	0.72 339	1.10 390	2.15 279	1.11 438	0.59 404	0.62 237	0.19 21	0.75 177	0.53 130	0.56 236	0.63 272	0.47 178	0.31 142	1.11 255	0.33 165	0.75 430	0.45 418	0.84 430	0.64 437	0.69 421	0.54 413

MoCha-V2	0.36 62	0.32 100	1.41 54	0.36 256	0.31 278	0.35 22	0.19 21	0.57 89	0.39 25	0.30 56	0.32 53	0.28 58	0.27 99	0.47 120	0.24 70	0.08 5	0.56 430	0.08 4	0.38 402	0.18 179	0.12 86

GMStereo_Zeroshot	0.41 98	0.36 129	1.54 80	0.41 313	0.19 121	0.52 99	0.19 21	0.59 100	0.52 112	0.57 247	0.59 235	0.63 254	0.29 126	0.58 167	0.33 165	0.15 281	0.09 127	0.16 304	0.09 53	0.24 259	0.12 86

MIM_Stereo	0.41 98	0.60 229	1.88 199	0.31 148	0.21 146	0.50 76	0.19 21	0.64 121	0.44 51	0.43 106	0.53 189	0.43 137	0.27 99	0.51 144	0.28 105	0.08 5	0.14 259	0.11 120	0.10 86	0.26 287	0.26 317

CASnet	0.28 9	0.31 96	1.20 26	0.28 80	0.11 1	0.47 57	0.19 21	0.44 19	0.44 51	0.38 82	0.31 49	0.23 20	0.17 6	0.29 18	0.19 6	0.10 96	0.06 1	0.15 287	0.12 175	0.16 134	0.07 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Selective-RAFT	0.35 58	0.26 48	1.48 70	0.31 148	0.15 31	0.61 217	0.19 21	0.60 109	0.54 142	0.28 53	0.29 34	0.40 114	0.33 150	0.50 141	0.27 96	0.10 96	0.07 14	0.09 30	0.35 392	0.19 199	0.08 13

MC-Stereo	0.32 33	0.31 96	1.46 63	0.31 148	0.15 31	0.53 106	0.19 21	0.44 19	0.35 10	0.36 72	0.38 84	0.27 50	0.27 99	0.42 89	0.19 6	0.09 23	0.13 244	0.09 30	0.16 271	0.20 213	0.13 120

RALAANet	0.43 119	0.98 369	1.90 209	0.32 176	0.23 183	0.48 65	0.19 21	0.67 137	0.53 130	0.48 150	0.45 119	0.39 106	0.30 134	0.48 125	0.37 186	0.10 96	0.08 68	0.11 120	0.14 230	0.27 295	0.10 41

CFNet-RSSM	0.41 98	0.32 100	2.20 288	0.27 58	0.44 364	0.52 99	0.19 21	0.76 189	0.48 86	0.43 106	0.36 73	0.54 209	0.26 83	0.33 45	0.25 81	0.09 23	0.08 68	0.09 30	0.38 402	0.10 16	0.09 23

Gwc-CoAtRS	0.38 74	0.33 106	1.92 218	0.27 58	0.41 356	0.48 65	0.19 21	0.59 100	0.46 69	0.43 106	0.39 92	0.57 230	0.26 83	0.32 37	0.26 88	0.09 23	0.09 127	0.09 30	0.31 377	0.11 29	0.09 23

DN-CSS_ROB	0.48 175	1.23 409	1.99 244	0.39 298	0.22 167	0.56 137	0.19 21	0.75 177	0.61 196	0.45 122	0.62 260	0.41 120	0.31 142	0.70 206	0.32 155	0.11 151	0.08 68	0.14 261	0.13 202	0.36 355	0.12 86

AIO-Stereo-zeroshot	0.61 287	0.61 233	3.35 433	0.33 196	0.58 402	0.66 283	0.20 34	0.98 361	0.55 147	0.73 355	0.52 180	0.99 386	0.65 338	0.58 167	0.29 119	0.10 96	0.16 298	0.10 70	0.41 410	0.29 304	0.20 253

IGEV-BASED-STEREO-	0.37 68	1.34 423	1.24 30	0.23 4	0.12 3	0.33 15	0.20 34	0.40 6	0.33 6	0.25 35	0.21 4	0.16 1	0.14 1	0.27 5	0.63 294	0.55 419	0.06 1	0.11 120	0.13 202	0.25 269	0.49 409

AIO-Stereo	0.30 21	0.27 52	1.25 31	0.27 58	0.24 196	0.37 26	0.20 34	0.52 60	0.36 13	0.21 7	0.30 42	0.23 20	0.14 1	0.31 30	0.20 24	0.08 5	0.07 14	0.09 30	0.38 402	0.19 199	0.31 350

RSM++	0.27 5	0.26 48	0.87 8	0.28 80	0.13 9	0.39 31	0.20 34	0.45 22	0.45 64	0.20 5	0.24 14	0.24 27	0.17 6	0.36 61	0.20 24	0.08 5	0.07 14	0.09 30	0.35 392	0.26 287	0.18 227

CAS++	0.31 28	0.33 106	1.43 58	0.25 23	0.17 69	0.31 10	0.20 34	0.78 213	0.41 34	0.30 56	0.30 42	0.21 12	0.16 4	0.33 45	0.18 3	0.15 281	0.12 228	0.13 227	0.10 86	0.15 101	0.11 55
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
testlalala2	0.44 129	0.28 73	2.59 359	0.64 403	0.56 398	0.57 155	0.20 34	0.78 213	0.52 112	0.40 90	0.39 92	0.45 157	0.21 30	0.27 5	0.22 44	0.09 23	0.10 159	0.08 4	0.29 366	0.12 40	0.10 41

Former-RAFT_DAM_RVC	0.50 201	0.33 106	0.93 10	0.26 45	0.22 167	0.46 54	0.20 34	1.10 411	1.34 425	3.16 460	0.32 53	0.22 13	0.20 24	0.30 23	0.22 44	0.10 96	0.09 127	0.11 120	0.09 53	0.15 101	0.19 239

MyStereo8	0.54 240	0.80 309	2.76 382	0.32 176	0.33 298	0.71 316	0.20 34	0.87 280	0.57 160	0.51 180	0.59 235	0.50 194	0.33 150	0.68 195	0.55 269	0.10 96	0.29 389	0.10 70	0.13 202	0.21 221	0.34 366

plain	0.37 68	0.47 189	2.15 279	0.27 58	0.19 121	0.33 15	0.20 34	0.58 94	0.46 69	0.23 19	0.37 76	0.23 20	0.25 69	0.45 107	0.28 105	0.11 151	0.08 68	0.13 227	0.09 53	0.42 386	0.12 86

MSKI-zero shot	0.46 156	0.38 136	2.47 338	0.27 58	0.43 363	0.56 137	0.20 34	0.77 199	0.43 48	0.60 284	0.51 168	0.44 148	0.17 6	0.68 195	0.21 34	0.09 23	0.29 389	0.09 30	0.32 382	0.14 85	0.10 41

LoS	0.31 28	0.30 87	1.52 78	0.23 4	0.13 9	0.54 111	0.20 34	0.48 35	0.49 92	0.25 35	0.28 29	0.37 95	0.24 56	0.38 73	0.23 51	0.10 96	0.08 68	0.08 4	0.05 1	0.15 101	0.07 3
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CES	0.30 21	0.27 52	1.09 16	0.23 4	0.50 384	0.40 33	0.20 34	0.46 24	0.44 51	0.22 12	0.28 29	0.26 44	0.19 18	0.33 45	0.21 34	0.09 23	0.07 14	0.08 4	0.05 1	0.15 101	0.49 409

Selective-IGEV	0.29 15	0.23 27	1.28 34	0.27 58	0.30 262	0.35 22	0.20 34	0.56 86	0.38 19	0.21 7	0.30 42	0.22 13	0.18 14	0.37 68	0.18 3	0.07 1	0.06 1	0.08 4	0.15 252	0.16 134	0.29 335

riskmin	0.37 68	0.22 23	1.74 119	0.32 176	0.20 136	0.48 65	0.20 34	0.66 128	0.46 69	0.36 72	0.34 64	0.69 292	0.45 253	0.39 77	0.27 96	0.11 151	0.08 68	0.12 171	0.08 36	0.13 66	0.16 191

GLC_STEREO	0.28 9	0.27 52	1.36 46	0.28 80	0.12 3	0.41 35	0.20 34	0.37 3	0.38 19	0.26 43	0.30 42	0.25 35	0.19 18	0.33 45	0.24 70	0.09 23	0.11 204	0.12 171	0.10 86	0.13 66	0.09 23

iRaftStereo_RVC	0.37 68	0.53 209	1.41 54	0.28 80	0.15 31	0.52 99	0.20 34	0.54 78	0.46 69	0.37 76	0.43 106	0.41 120	0.23 49	0.36 61	0.26 88	0.09 23	0.15 282	0.12 171	0.11 143	0.41 382	0.37 382

RAFT-Stereo + iAFF	0.42 113	0.86 328	1.78 143	0.28 80	0.17 69	0.52 99	0.20 34	0.62 115	0.61 196	0.50 168	0.61 255	0.39 106	0.32 147	0.35 55	0.30 133	0.07 1	0.10 159	0.09 30	0.09 53	0.35 351	0.10 41

rvit_stereo_0081_aga	0.27 5	0.29 78	1.08 14	0.26 45	0.20 136	0.33 15	0.21 51	0.41 10	0.42 40	0.26 43	0.28 29	0.27 50	0.21 30	0.31 30	0.21 34	0.14 265	0.10 159	0.11 120	0.10 86	0.14 85	0.10 41

model_zeroshot	0.44 129	0.68 267	1.97 243	0.28 80	0.18 96	0.69 307	0.21 51	0.63 120	0.40 30	1.00 397	0.34 64	0.42 133	0.20 24	0.69 201	0.24 70	0.10 96	0.22 356	0.10 70	0.22 338	0.12 40	0.10 41

RSM	0.28 9	0.26 48	0.97 11	0.25 23	0.24 196	0.37 26	0.21 51	0.49 41	0.44 51	0.21 7	0.27 26	0.28 58	0.17 6	0.38 73	0.20 24	0.07 1	0.07 14	0.09 30	0.34 389	0.21 221	0.16 191

gcap-zeroshot	0.41 98	0.62 239	1.78 143	0.31 148	0.32 285	0.69 307	0.21 51	0.74 167	0.52 112	0.43 106	0.35 68	0.62 251	0.24 56	0.41 84	0.24 70	0.09 23	0.16 298	0.09 30	0.31 377	0.08 1	0.09 23

IGEV++	0.34 47	0.43 164	1.32 40	0.31 148	0.14 17	0.32 13	0.21 51	0.70 147	0.34 8	0.22 12	0.28 29	0.22 13	0.27 99	0.35 55	0.27 96	0.09 23	0.39 414	0.08 4	0.15 252	0.25 269	0.45 403

11t1	0.33 40	0.19 4	1.41 54	0.33 196	0.16 45	0.48 65	0.21 51	0.67 137	0.48 86	0.40 90	0.34 64	0.32 77	0.33 150	0.42 89	0.27 96	0.11 151	0.12 228	0.10 70	0.08 36	0.13 66	0.14 135

IGEV_Zeroshot_test	0.53 235	0.33 106	2.91 399	0.32 176	0.18 96	0.54 111	0.21 51	0.72 155	0.42 40	0.81 374	0.51 168	0.71 305	0.41 216	0.48 125	1.13 364	0.09 23	0.15 282	0.10 70	0.35 392	0.19 199	0.09 23

PCWNet_CMD	0.46 156	0.45 179	2.28 303	0.26 45	0.20 136	0.55 123	0.21 51	0.75 177	0.64 233	0.48 150	0.55 208	0.68 285	0.57 311	0.46 113	0.30 133	0.11 151	0.10 159	0.14 261	0.10 86	0.18 179	0.14 135

testlalala_base	0.46 156	0.30 87	1.82 175	0.34 223	0.27 236	0.55 123	0.21 51	0.85 262	0.32 4	0.32 66	0.39 92	0.31 69	0.23 49	0.30 23	0.28 105	0.95 437	0.30 393	0.09 30	0.21 331	1.03 433	0.18 227

AEACV	0.33 40	0.24 35	1.44 60	0.28 80	0.35 316	0.47 57	0.21 51	0.43 16	0.28 1	0.26 43	0.25 19	0.22 13	0.38 185	0.30 23	0.18 3	0.09 23	0.35 402	0.09 30	0.36 399	0.23 244	0.25 308

Any-RAFT	0.38 74	0.25 38	1.89 206	0.27 58	0.17 69	0.68 301	0.21 51	0.78 213	0.53 130	0.43 106	0.43 106	0.54 209	0.30 134	0.41 84	0.20 24	0.10 96	0.12 228	0.08 4	0.06 8	0.10 16	0.09 23

IIG-Stereo	0.59 274	0.65 258	1.74 119	0.54 381	0.23 183	0.61 217	0.21 51	0.73 163	0.65 246	0.64 319	0.69 316	0.69 292	0.38 185	2.09 385	1.39 383	0.11 151	0.07 14	0.11 120	0.09 53	0.15 101	0.09 23

CroCo-Stereo	0.30 21	0.45 179	1.08 14	0.31 148	0.17 69	0.19 1	0.21 51	0.73 163	0.50 99	0.21 7	0.24 14	0.55 212	0.22 39	0.27 5	0.26 88	0.09 23	0.08 68	0.08 4	0.07 15	0.12 40	0.09 23
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
raftrobust	0.38 74	0.68 267	1.54 80	0.32 176	0.46 378	0.52 99	0.21 51	0.56 86	0.42 40	0.52 187	0.35 68	0.31 69	0.33 150	0.37 68	0.30 133	0.10 96	0.11 204	0.08 4	0.07 15	0.21 221	0.19 239

CFNet_pseudo	0.45 147	0.46 181	2.23 297	0.25 23	0.19 121	0.56 137	0.21 51	0.77 199	0.60 181	0.49 161	0.56 219	0.69 292	0.47 269	0.52 148	0.31 145	0.11 151	0.10 159	0.15 287	0.10 86	0.17 155	0.14 135

AFF-stereo	0.44 129	0.96 358	1.78 143	0.31 148	0.15 31	0.50 76	0.21 51	0.64 121	0.63 225	0.47 132	0.64 287	0.49 191	0.34 158	0.46 113	0.31 145	0.08 5	0.09 127	0.10 70	0.10 86	0.37 362	0.10 41

MSMDNet	0.46 156	0.44 173	2.28 303	0.26 45	0.20 136	0.55 123	0.21 51	0.75 177	0.64 233	0.48 150	0.55 208	0.68 285	0.56 306	0.46 113	0.30 133	0.11 151	0.10 159	0.13 227	0.10 86	0.18 179	0.15 168

ccs_rob	0.45 147	0.46 181	2.22 293	0.26 45	0.19 121	0.56 137	0.21 51	0.77 199	0.60 181	0.49 161	0.56 219	0.69 292	0.47 269	0.52 148	0.31 145	0.11 151	0.09 127	0.16 304	0.10 86	0.17 155	0.14 135

rvit_stereo_0083	0.25 2	0.19 4	0.58 1	0.28 80	0.18 96	0.28 4	0.22 69	0.38 4	0.54 142	0.23 19	0.30 42	0.27 50	0.26 83	0.37 68	0.24 70	0.14 265	0.12 228	0.13 227	0.10 86	0.12 40	0.10 41

rvit_stereo_0081	0.25 2	0.21 13	0.61 2	0.28 80	0.17 69	0.31 10	0.22 69	0.42 12	0.53 130	0.24 22	0.25 19	0.25 35	0.21 30	0.34 51	0.23 51	0.13 228	0.10 159	0.11 120	0.10 86	0.12 40	0.09 23

rvit_stereo_0082	0.25 2	0.21 13	0.61 2	0.28 80	0.17 69	0.31 10	0.22 69	0.42 12	0.53 130	0.24 22	0.25 19	0.25 35	0.21 30	0.34 51	0.23 51	0.13 228	0.10 159	0.11 120	0.10 86	0.12 40	0.09 23

rvit_stereo_0075_2	0.40 92	0.40 149	1.88 199	0.33 196	0.32 285	0.41 35	0.22 69	0.58 94	0.53 130	0.38 82	0.51 168	0.40 114	0.27 99	0.44 98	0.29 119	0.20 346	0.15 282	0.22 362	0.15 252	0.18 179	0.23 289

RAFT-Stereo-weight	0.34 47	0.29 78	1.43 58	0.28 80	0.28 246	0.55 123	0.22 69	0.78 213	0.48 86	0.46 130	0.38 84	0.36 93	0.17 6	0.33 45	0.23 51	0.09 23	0.08 68	0.09 30	0.07 15	0.09 10	0.09 23

MGS-Stereo	0.32 33	0.34 116	1.70 107	0.25 23	0.14 17	0.40 33	0.22 69	0.38 4	0.43 48	0.24 22	0.51 168	0.25 35	0.18 14	0.31 30	0.20 24	0.09 23	0.08 68	0.09 30	0.08 36	0.47 398	0.08 13

EKT-Stereo	1.47 431	0.49 195	1.93 221	2.57 461	19.31 474	0.55 123	0.22 69	0.69 142	0.42 40	0.38 82	0.36 73	0.43 137	0.27 99	0.69 201	0.26 88	0.12 199	0.14 259	0.11 120	0.16 271	0.20 213	0.15 168

CFNet_ucs	0.48 175	0.50 201	2.32 307	0.26 45	0.22 167	0.57 155	0.22 69	0.85 262	0.65 246	0.53 197	0.64 287	0.68 285	0.44 249	0.54 157	0.31 145	0.13 228	0.12 228	0.16 304	0.11 143	0.19 199	0.17 208

testlalala	0.36 62	0.30 87	1.77 138	0.28 80	0.33 298	0.60 197	0.22 69	0.55 83	0.51 106	0.55 226	0.35 68	0.31 69	0.20 24	0.26 3	0.22 44	0.10 96	0.13 244	0.09 30	0.24 343	0.08 1	0.07 3

LoS_RVC	0.29 15	0.33 106	1.19 24	0.25 23	0.34 305	0.43 38	0.22 69	0.42 12	0.32 4	0.22 12	0.33 58	0.23 20	0.24 56	0.31 30	0.21 34	0.07 1	0.07 14	0.07 1	0.05 1	0.10 16	0.31 350

CroCo-Stereo Lap2	0.33 40	0.61 233	1.47 67	0.32 176	0.38 339	0.23 2	0.22 69	0.58 94	0.46 69	0.22 12	0.27 26	0.29 65	0.23 49	0.32 37	0.26 88	0.09 23	0.09 127	0.10 70	0.08 36	0.21 221	0.14 135

DCANet-4	0.40 92	0.27 52	2.21 289	0.25 23	0.14 17	0.51 82	0.22 69	0.77 199	0.72 303	0.54 209	0.47 128	0.28 58	0.37 179	0.37 68	0.34 172	0.09 23	0.07 14	0.08 4	0.07 15	0.08 1	0.22 269

fff	0.43 119	0.77 297	1.95 231	0.24 11	0.13 9	0.51 82	0.22 69	0.77 199	0.75 334	0.54 209	0.47 128	0.31 69	0.65 338	0.36 61	0.34 172	0.09 23	0.07 14	0.08 4	0.07 15	0.08 1	0.22 269

ADStereo(finetuned)	0.45 147	0.77 297	2.12 271	0.25 23	0.14 17	0.51 82	0.22 69	0.77 199	0.72 303	0.54 209	0.48 140	0.31 69	0.76 366	0.37 68	0.38 192	0.09 23	0.07 14	0.09 30	0.07 15	0.13 66	0.23 289

sCroCo_RVC	0.33 40	0.32 100	1.89 206	0.34 223	0.27 236	0.30 8	0.22 69	0.48 35	0.44 51	0.22 12	0.33 58	0.25 35	0.25 69	0.32 37	0.24 70	0.14 265	0.16 298	0.12 171	0.12 175	0.15 101	0.13 120

HCRNet	0.46 156	0.49 195	1.65 95	0.38 290	0.29 252	0.58 171	0.22 69	0.75 177	0.62 214	0.47 132	0.49 157	0.48 189	0.36 166	1.12 258	0.37 186	0.15 281	0.10 159	0.15 287	0.13 202	0.17 155	0.17 208

DCANet	0.42 113	0.77 297	1.95 231	0.25 23	0.14 17	0.51 82	0.22 69	0.77 199	0.72 303	0.54 209	0.48 140	0.31 69	0.41 216	0.36 61	0.39 203	0.09 23	0.07 14	0.09 30	0.07 15	0.13 66	0.23 289

csc	0.43 119	0.77 297	1.95 231	0.24 11	0.13 9	0.51 82	0.22 69	0.77 199	0.75 334	0.54 209	0.47 128	0.31 69	0.65 338	0.36 61	0.34 172	0.09 23	0.07 14	0.08 4	0.07 15	0.08 1	0.22 269

cscssc	0.43 119	0.77 297	1.95 231	0.24 11	0.13 9	0.51 82	0.22 69	0.77 199	0.75 334	0.54 209	0.47 128	0.31 69	0.65 338	0.36 61	0.34 172	0.09 23	0.07 14	0.08 4	0.07 15	0.08 1	0.22 269

FENet	0.44 129	0.30 87	2.42 327	0.32 176	0.17 69	0.58 171	0.22 69	0.77 199	0.59 177	0.47 132	0.42 104	0.55 212	0.38 185	0.49 135	0.47 242	0.12 199	0.09 127	0.12 171	0.11 143	0.13 66	0.16 191

CFNet	0.58 269	0.96 358	1.78 143	0.33 196	0.25 211	0.63 254	0.22 69	0.88 285	0.75 334	0.46 130	0.59 235	0.58 237	0.40 205	2.29 396	0.48 245	0.12 199	0.09 127	0.15 287	0.14 230	0.30 315	0.15 168

HITNet	0.46 156	0.92 342	2.09 264	0.33 196	0.14 17	0.55 123	0.22 69	0.83 248	0.56 157	0.51 180	0.49 157	0.48 189	0.37 179	0.48 125	0.54 268	0.09 23	0.06 1	0.10 70	0.08 36	0.23 244	0.09 23
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
iResNet_ROB	0.50 201	1.15 400	1.73 115	0.31 148	0.21 146	0.58 171	0.22 69	0.95 344	0.82 365	0.58 263	0.62 260	0.57 230	0.39 199	0.84 229	0.40 209	0.11 151	0.08 68	0.09 30	0.06 8	0.21 221	0.13 120

GCAP-BAT	0.43 119	0.31 96	1.82 175	0.25 23	0.26 224	0.65 277	0.23 92	0.48 35	0.37 17	0.67 332	0.82 354	0.44 148	0.24 56	0.48 125	0.87 338	0.09 23	0.13 244	0.09 30	0.22 338	0.08 1	0.09 23

AIO-Stereo-zeroshot1	0.70 329	0.65 258	3.45 434	0.50 364	0.60 409	0.75 336	0.23 92	0.96 349	0.60 181	0.76 361	1.30 407	0.81 340	0.60 320	0.57 164	0.82 333	0.10 96	0.16 298	0.11 120	0.43 413	0.31 322	0.22 269

test_sample1	0.40 92	0.18 2	1.19 24	0.31 148	0.18 96	0.48 65	0.23 92	0.78 213	0.49 92	0.44 112	0.44 116	0.45 157	0.41 216	1.39 279	0.33 165	0.11 151	0.09 127	0.10 70	0.09 53	0.12 40	0.13 120

test_for_model	0.64 299	1.60 432	1.82 175	1.23 442	1.02 438	0.53 106	0.23 92	0.75 177	0.50 99	0.57 247	0.29 34	0.25 35	0.20 24	0.26 3	0.22 44	0.76 431	0.31 395	0.08 4	0.07 15	1.68 452	0.50 412

AE-Stereo	0.42 113	0.29 78	1.65 95	0.43 324	0.47 380	0.56 137	0.23 92	0.86 271	0.46 69	0.31 60	0.41 101	0.43 137	0.24 56	0.34 51	0.24 70	0.09 23	0.48 426	0.11 120	0.45 415	0.22 235	0.19 239

ff7	0.32 33	0.52 204	1.38 49	0.25 23	0.16 45	0.56 137	0.23 92	0.46 24	0.41 34	0.24 22	0.23 8	0.20 5	0.23 49	0.48 125	0.19 6	0.09 23	0.08 68	0.10 70	0.18 297	0.23 244	0.22 269

IGEVStereo-DCA	0.33 40	0.34 116	1.38 49	0.27 58	0.16 45	0.45 41	0.23 92	0.46 24	0.41 34	0.24 22	0.21 4	0.26 44	0.25 69	0.64 184	0.52 260	0.09 23	0.07 14	0.10 70	0.18 297	0.16 134	0.22 269

ffff	0.32 33	0.52 204	1.38 49	0.25 23	0.16 45	0.56 137	0.23 92	0.46 24	0.41 34	0.24 22	0.23 8	0.20 5	0.23 49	0.48 125	0.19 6	0.09 23	0.08 68	0.10 70	0.18 297	0.23 244	0.22 269

11t	0.32 33	0.52 204	1.38 49	0.25 23	0.16 45	0.56 137	0.23 92	0.46 24	0.41 34	0.24 22	0.23 8	0.20 5	0.23 49	0.48 125	0.19 6	0.09 23	0.08 68	0.10 70	0.18 297	0.23 244	0.22 269

HH	0.49 192	0.49 195	2.78 386	0.50 364	0.41 356	0.38 29	0.23 92	0.72 155	0.38 19	0.63 310	0.48 140	0.87 358	0.41 216	0.64 184	0.21 34	0.09 23	0.17 314	0.10 70	0.09 53	0.16 134	0.12 86

HanStereo	0.49 192	0.49 195	2.78 386	0.50 364	0.41 356	0.38 29	0.23 92	0.72 155	0.38 19	0.63 310	0.48 140	0.87 358	0.41 216	0.64 184	0.21 34	0.09 23	0.17 314	0.10 70	0.09 53	0.16 134	0.12 86

SDNR	1.22 416	0.80 309	2.71 374	0.33 196	1.48 454	1.98 444	0.23 92	1.93 447	2.44 448	0.89 387	2.52 440	1.36 420	0.51 287	3.65 451	1.93 404	0.30 396	0.31 395	0.22 362	0.16 271	0.33 336	0.36 376

CAS	0.35 58	0.25 38	1.30 37	0.79 416	0.34 305	0.51 82	0.23 92	0.46 24	0.39 25	0.22 12	0.31 49	0.20 5	0.17 6	0.28 9	0.23 51	0.73 429	0.06 1	0.07 1	0.05 1	0.09 10	0.37 382

anonymousdsp2	0.34 47	0.24 35	1.16 20	0.28 80	0.15 31	0.57 155	0.23 92	0.79 229	0.47 84	0.38 82	0.37 76	0.40 114	0.25 69	0.47 120	0.21 34	0.09 23	0.07 14	0.10 70	0.13 202	0.19 199	0.27 324

anonymousdsp	0.34 47	0.53 209	1.47 67	0.25 23	0.16 45	0.56 137	0.23 92	0.49 41	0.40 30	0.25 35	0.24 14	0.22 13	0.24 56	0.55 161	0.19 6	0.09 23	0.11 204	0.10 70	0.18 297	0.24 259	0.29 335

RCA-Stereo	0.34 47	0.32 100	1.30 37	0.26 45	0.14 17	0.58 171	0.23 92	0.78 213	0.62 214	0.40 90	0.44 116	0.28 58	0.35 160	0.29 18	0.20 24	0.09 23	0.10 159	0.09 30	0.07 15	0.19 199	0.08 13

ccc-4	0.32 33	0.52 204	1.38 49	0.25 23	0.16 45	0.56 137	0.23 92	0.46 24	0.41 34	0.24 22	0.23 8	0.20 5	0.23 49	0.48 125	0.19 6	0.09 23	0.08 68	0.10 70	0.18 297	0.23 244	0.22 269

BUS	0.41 98	0.27 52	1.13 17	0.30 122	0.21 146	0.91 385	0.23 92	1.00 381	0.61 196	0.63 310	0.53 189	0.66 270	0.30 134	0.43 92	0.32 155	0.13 228	0.10 159	0.14 261	0.12 175	0.12 40	0.11 55

NINENet	0.50 201	0.33 106	1.69 103	0.55 387	0.25 211	0.91 385	0.23 92	0.98 361	0.71 295	0.53 197	0.55 208	0.66 270	0.30 134	1.22 268	0.32 155	0.15 281	0.13 244	0.16 304	0.11 143	0.16 134	0.13 120

IGEV-Stereo	0.34 47	0.54 213	1.47 67	0.25 23	0.16 45	0.56 137	0.23 92	0.49 41	0.40 30	0.25 35	0.24 14	0.22 13	0.24 56	0.54 157	0.19 6	0.09 23	0.10 159	0.10 70	0.18 297	0.24 259	0.29 335
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
UDGNet	0.44 129	1.02 382	1.74 119	0.35 238	0.19 121	0.58 171	0.23 92	0.49 41	0.66 260	0.41 97	0.38 84	0.34 86	0.29 126	0.53 154	0.30 133	0.24 375	0.10 159	0.37 408	0.19 316	0.27 295	0.15 168

test-3	0.43 119	0.20 8	1.70 107	0.34 223	0.32 285	0.45 41	0.23 92	0.71 150	0.46 69	0.51 180	0.29 34	0.45 157	0.21 30	0.59 171	0.98 345	0.08 5	0.07 14	0.10 70	0.35 392	0.29 304	0.28 329

test_1	0.43 119	0.20 8	1.70 107	0.34 223	0.32 285	0.45 41	0.23 92	0.71 150	0.46 69	0.50 168	0.29 34	0.45 157	0.21 30	0.59 171	0.98 345	0.08 5	0.07 14	0.10 70	0.35 392	0.29 304	0.29 335

TRStereo	0.53 235	0.76 289	2.38 320	0.42 321	0.29 252	0.69 307	0.23 92	1.81 443	0.55 147	0.36 72	0.32 53	0.47 178	0.40 205	0.46 113	0.25 81	0.12 199	0.11 204	0.11 120	0.41 410	0.13 66	0.32 355

AnonymousM	0.37 68	0.44 173	1.50 75	0.25 23	0.15 31	0.52 99	0.23 92	0.60 109	0.42 40	0.42 101	0.32 53	0.30 67	0.25 69	0.34 51	0.23 51	0.11 151	0.09 127	0.71 427	0.36 399	0.12 40	0.07 3

GMStereo	0.38 74	0.99 373	1.91 215	0.27 58	0.16 45	0.39 31	0.23 92	0.47 32	0.62 214	0.38 82	0.34 64	0.25 35	0.25 69	0.39 77	0.29 119	0.14 265	0.08 68	0.10 70	0.12 175	0.15 101	0.11 55
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
MLCV	0.48 175	0.89 337	1.85 185	0.29 108	0.14 17	0.59 187	0.23 92	0.72 155	0.59 177	0.66 328	0.66 298	0.55 212	0.36 166	1.03 246	0.49 250	0.09 23	0.06 1	0.09 30	0.07 15	0.19 199	0.11 55

WCG-NET（raft）	0.32 33	0.53 209	1.21 27	0.23 4	0.12 3	0.44 40	0.24 119	0.40 6	0.50 99	0.35 68	0.35 68	0.47 178	0.25 69	0.35 55	0.20 24	0.08 5	0.29 389	0.08 4	0.07 15	0.22 235	0.11 55

SMFormer	0.50 201	0.46 181	1.60 88	0.30 122	0.15 31	0.45 41	0.24 119	0.90 297	0.72 303	0.56 236	0.64 287	0.51 197	0.41 216	1.87 356	0.49 250	0.13 228	0.10 159	0.11 120	0.10 86	0.15 101	0.16 191

tta	0.50 201	0.46 181	1.60 88	0.30 122	0.15 31	0.45 41	0.24 119	0.90 297	0.72 303	0.56 236	0.64 287	0.51 197	0.41 216	1.87 356	0.49 250	0.13 228	0.10 159	0.11 120	0.10 86	0.14 85	0.11 55

qqq1	0.48 175	0.46 181	1.60 88	0.30 122	0.15 31	0.45 41	0.24 119	0.90 297	0.72 303	0.56 236	0.64 287	0.51 197	0.41 216	1.87 356	0.23 51	0.13 228	0.10 159	0.09 30	0.08 36	0.14 85	0.11 55

fff1	0.48 175	0.46 181	1.60 88	0.30 122	0.15 31	0.45 41	0.24 119	0.90 297	0.72 303	0.56 236	0.64 287	0.51 197	0.41 216	1.87 356	0.23 51	0.13 228	0.10 159	0.09 30	0.08 36	0.14 85	0.11 55

CASS	0.39 87	0.30 87	1.61 92	0.32 176	0.17 69	0.53 106	0.24 119	0.70 147	0.49 92	0.59 276	0.54 199	0.40 114	0.40 205	0.41 84	0.30 133	0.17 313	0.10 159	0.14 261	0.11 143	0.18 179	0.17 208
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DCRE	0.50 201	0.63 250	2.13 273	0.30 122	0.23 183	0.45 41	0.24 119	0.59 100	0.53 130	0.50 168	2.10 430	0.42 133	0.26 83	0.35 55	0.23 51	0.09 23	0.14 259	0.10 70	0.32 382	0.16 134	0.15 168

knoymous	0.34 47	0.25 38	1.75 125	0.24 11	0.18 96	0.45 41	0.24 119	0.57 89	0.38 19	0.41 97	0.39 92	0.55 212	0.25 69	0.38 73	0.23 51	0.11 151	0.08 68	0.12 171	0.07 15	0.13 66	0.12 86

x	0.35 58	0.20 8	1.36 46	0.33 196	0.17 69	0.47 57	0.24 119	0.75 177	0.54 142	0.40 90	0.40 97	0.42 133	0.34 158	0.45 107	0.32 155	0.11 151	0.14 259	0.11 120	0.09 53	0.12 40	0.14 135

rafts_anoy	0.43 119	0.89 337	1.96 240	0.32 176	0.30 262	0.48 65	0.24 119	0.62 115	0.49 92	0.37 76	0.38 84	0.33 82	0.30 134	0.51 144	0.34 172	0.10 96	0.39 414	0.13 227	0.15 252	0.17 155	0.15 168

s12784h	0.36 62	0.28 73	1.58 85	0.23 4	0.11 1	0.62 237	0.24 119	0.79 229	0.64 233	0.44 112	0.52 180	0.28 58	0.26 83	0.50 141	0.24 70	0.11 151	0.06 1	0.09 30	0.06 8	0.16 134	0.06 1

TestStereo	0.45 147	0.54 213	2.11 268	0.29 108	0.16 45	0.43 38	0.24 119	0.54 78	0.45 64	0.37 76	0.46 125	0.34 86	0.27 99	1.98 373	0.27 96	0.11 151	0.08 68	0.12 171	0.09 53	0.14 85	0.08 13

222	0.78 364	0.23 27	1.23 28	0.28 80	0.18 96	0.62 237	0.24 119	1.02 392	0.70 286	0.58 263	0.66 298	0.46 170	0.42 232	1.80 345	6.53 462	0.13 228	0.10 159	0.11 120	0.10 86	0.12 40	0.17 208

xxxx	0.70 329	0.21 13	1.33 42	0.28 80	0.18 96	0.63 254	0.24 119	1.02 392	0.69 278	0.50 168	0.62 260	0.58 237	0.38 185	1.47 295	5.21 458	0.13 228	0.12 228	0.11 120	0.10 86	0.12 40	0.15 168

FADNet_RVC	0.81 373	1.14 396	2.42 327	0.30 122	0.24 196	0.71 316	0.24 119	0.95 344	0.61 196	0.44 112	0.56 219	0.59 239	0.42 232	1.52 300	0.68 306	0.94 436	0.96 452	0.28 387	1.00 452	0.90 431	1.36 455

rvit_0105_6	0.31 28	0.29 78	1.00 13	0.31 148	0.18 96	0.35 22	0.25 134	0.51 49	0.61 196	0.25 35	0.28 29	0.32 77	0.25 69	0.39 77	0.25 81	0.18 324	0.16 298	0.15 287	0.13 202	0.14 85	0.13 120

Occ-G	0.30 21	0.30 87	1.33 42	0.23 4	0.15 31	0.36 25	0.25 134	0.43 16	0.31 2	0.26 43	0.35 68	0.46 170	0.22 39	0.30 23	0.25 81	0.09 23	0.07 14	0.09 30	0.16 271	0.31 322	0.08 13

test_sample3	0.50 201	0.41 153	1.88 199	0.32 176	0.19 121	0.57 155	0.25 134	0.92 316	0.64 233	0.52 187	0.49 157	0.47 178	0.35 160	1.79 341	0.37 186	0.13 228	0.10 159	0.12 171	0.11 143	0.16 134	0.16 191

ACVNet-DCA	0.42 113	0.64 252	2.07 258	0.35 238	0.14 17	0.76 339	0.25 134	0.76 189	0.52 112	0.31 60	0.38 84	0.24 27	0.38 185	0.69 201	0.19 6	0.10 96	0.24 365	0.11 120	0.09 53	0.12 40	0.14 135

xx1	0.46 156	0.64 252	2.07 258	0.35 238	0.14 17	0.76 339	0.25 134	0.74 167	1.01 400	0.31 60	0.38 84	0.46 170	0.36 166	0.69 201	0.19 6	0.10 96	0.24 365	0.12 171	0.12 175	0.12 40	0.14 135

1test111	0.44 129	0.64 252	2.07 258	0.35 238	0.14 17	0.76 339	0.25 134	0.76 189	0.52 112	0.31 60	0.38 84	0.24 27	0.38 185	0.96 238	0.30 133	0.10 96	0.24 365	0.11 120	0.09 53	0.12 40	0.14 135

cc1	0.47 170	0.64 252	2.07 258	0.35 238	0.14 17	0.76 339	0.25 134	0.74 167	1.01 400	0.31 60	0.38 84	0.24 27	0.38 185	0.69 201	0.19 6	0.10 96	0.24 365	0.11 120	0.09 53	0.25 269	0.40 393

tt1	0.44 129	0.64 252	1.83 180	0.35 238	0.14 17	0.76 339	0.25 134	0.74 167	0.88 379	0.31 60	0.37 76	0.25 35	0.35 160	0.63 182	0.19 6	0.10 96	0.24 365	0.11 120	0.09 53	0.25 269	0.36 376

4D-IteraStereo	0.44 129	0.96 358	2.63 363	0.27 58	0.30 262	0.45 41	0.25 134	0.52 60	0.50 99	0.40 90	0.31 49	0.40 114	0.19 18	0.35 55	0.32 155	0.09 23	0.06 1	0.12 171	0.11 143	0.19 199	0.30 343

anonymousa	0.48 175	0.46 181	2.44 333	0.29 108	0.34 305	0.61 217	0.25 134	0.66 128	0.54 142	0.53 197	0.77 347	0.73 310	0.46 264	0.33 45	0.31 145	0.10 96	0.09 127	0.12 171	0.29 366	0.10 16	0.19 239

ProNet	0.30 21	0.54 213	1.29 35	0.25 23	0.15 31	0.47 57	0.25 134	0.48 35	0.39 25	0.21 7	0.23 8	0.22 13	0.20 24	0.44 98	0.19 6	0.08 5	0.08 68	0.10 70	0.08 36	0.23 244	0.12 86

raft_robust	0.55 252	0.84 323	1.73 115	0.28 80	0.54 393	0.53 106	0.25 134	0.88 285	0.75 334	0.48 150	0.46 125	0.76 325	0.75 365	1.46 288	0.27 96	0.09 23	0.10 159	0.10 70	0.30 372	0.26 287	0.16 191

AACVNet	0.54 240	0.78 305	1.73 115	0.36 256	0.21 146	0.57 155	0.25 134	0.71 150	0.51 106	0.55 226	0.59 235	0.64 262	0.41 216	2.13 387	0.41 215	0.14 265	0.11 204	0.14 261	0.11 143	0.33 336	0.15 168

GANet-ADL	0.44 129	0.41 153	2.31 306	0.33 196	0.20 136	0.57 155	0.25 134	0.75 177	0.54 142	0.42 101	0.59 235	0.56 224	0.30 134	0.40 82	0.38 192	0.14 265	0.11 204	0.09 30	0.08 36	0.22 235	0.17 208

ASMatch	0.60 279	0.43 164	2.58 357	0.91 425	0.36 323	0.56 137	0.25 134	0.52 60	0.61 196	0.47 132	1.21 401	0.47 178	0.66 343	1.34 276	0.94 341	0.10 96	0.08 68	0.11 120	0.11 143	0.10 16	0.16 191

raft+_RVC	0.44 129	0.67 265	1.85 185	0.34 223	0.71 418	0.51 82	0.25 134	0.64 121	0.51 106	0.35 68	0.45 119	0.32 77	0.28 113	0.43 92	0.32 155	0.09 23	0.19 334	0.10 70	0.09 53	0.20 213	0.40 393

pcwnet_v2	0.64 299	0.49 195	4.41 451	0.32 176	0.27 236	0.60 197	0.25 134	0.97 357	0.88 379	0.59 276	0.70 326	0.63 254	0.55 302	0.66 193	0.37 186	0.17 313	0.15 282	0.15 287	0.14 230	0.21 221	0.23 289

PMTNet	0.31 28	0.35 123	1.30 37	0.20 3	0.14 17	0.57 155	0.25 134	0.46 24	0.42 40	0.27 48	0.32 53	0.27 50	0.24 56	0.39 77	0.23 51	0.43 408	0.07 14	0.08 4	0.05 1	0.18 179	0.07 3

BEATNet_4x	0.47 170	0.73 283	1.91 215	0.33 196	0.15 31	0.56 137	0.25 134	0.85 262	0.58 170	0.54 209	0.51 168	0.57 230	0.42 232	0.57 164	0.61 290	0.11 151	0.08 68	0.12 171	0.09 53	0.20 213	0.16 191

test_sample5	0.51 218	0.43 164	1.83 180	0.32 176	0.18 96	0.55 123	0.26 153	0.92 316	0.65 246	0.53 197	0.59 235	0.45 157	0.36 166	1.87 356	0.36 181	0.13 228	0.10 159	0.13 227	0.12 175	0.17 155	0.16 191

test_sample4	0.50 201	0.42 160	1.88 199	0.32 176	0.19 121	0.56 137	0.26 153	0.93 324	0.65 246	0.54 209	0.54 199	0.45 157	0.36 166	1.79 341	0.36 181	0.13 228	0.10 159	0.13 227	0.12 175	0.17 155	0.16 191

mmm	0.38 74	0.21 13	1.18 22	0.35 238	0.17 69	0.49 71	0.26 153	0.78 213	0.52 112	0.50 168	0.57 226	0.41 120	0.37 179	0.71 208	0.31 145	0.11 151	0.13 244	0.14 261	0.13 202	0.15 101	0.14 135

DualNet	0.51 218	0.43 164	1.83 180	0.32 176	0.18 96	0.55 123	0.26 153	0.92 316	0.65 246	0.54 209	0.62 260	0.45 157	0.36 166	1.87 356	0.36 181	0.13 228	0.10 159	0.13 227	0.12 175	0.17 155	0.16 191

ffm	0.47 170	0.23 27	2.01 247	0.30 122	0.21 146	0.57 155	0.26 153	0.74 167	0.88 379	0.53 197	0.63 272	0.66 270	0.39 199	0.63 182	0.19 6	0.10 96	0.24 365	0.15 287	0.13 202	0.25 269	0.36 376

ff1	0.73 348	0.23 27	2.01 247	0.30 122	0.21 146	0.57 155	0.26 153	0.74 167	0.88 379	0.53 197	0.63 272	0.66 270	0.39 199	2.52 418	3.43 444	0.10 96	0.24 365	0.15 287	0.13 202	0.25 269	0.36 376

mmx	0.72 339	0.23 27	2.01 247	0.30 122	0.21 146	0.57 155	0.26 153	0.99 373	0.76 343	0.53 197	0.63 272	0.66 270	0.39 199	2.52 418	3.43 444	0.13 228	0.10 159	0.15 287	0.13 202	0.15 101	0.15 168

ttt	0.66 311	0.22 23	1.68 101	0.34 223	0.24 196	0.60 197	0.26 153	1.00 381	0.77 347	0.55 226	0.67 301	0.54 209	0.36 166	2.14 388	3.03 433	0.16 299	0.13 244	0.13 227	0.12 175	0.15 101	0.17 208

xxx	0.72 339	0.23 27	2.01 247	0.30 122	0.21 146	0.57 155	0.26 153	0.99 373	0.76 343	0.53 197	0.63 272	0.66 270	0.39 199	2.52 418	3.43 444	0.13 228	0.10 159	0.15 287	0.13 202	0.15 101	0.15 168

StereoVision	0.45 147	0.72 280	1.94 228	0.33 196	0.32 285	0.47 57	0.26 153	0.68 140	0.57 160	0.32 66	0.89 369	0.45 157	0.27 99	0.49 135	0.36 181	0.13 228	0.15 282	0.16 304	0.15 252	0.19 199	0.13 120

qqq	0.38 74	0.21 13	1.34 45	0.28 80	0.15 31	0.45 41	0.26 153	0.76 189	0.52 112	0.39 88	0.41 101	0.46 170	0.36 166	0.96 238	0.30 133	0.11 151	0.14 259	0.12 171	0.12 175	0.12 40	0.14 135

IER	0.43 119	0.38 136	1.69 103	0.26 45	0.25 211	0.66 283	0.26 153	0.71 150	0.55 147	0.54 209	0.59 235	0.60 245	0.53 294	0.52 148	0.39 203	0.11 151	0.08 68	0.11 120	0.11 143	0.14 85	0.11 55

dd	0.42 113	0.96 358	1.77 138	0.31 148	0.17 69	0.57 155	0.26 153	0.49 41	0.68 269	0.41 97	0.40 97	0.34 86	0.27 99	0.45 107	0.40 209	0.17 313	0.10 159	0.13 227	0.12 175	0.21 221	0.12 86

dad	0.51 218	1.01 379	1.74 119	0.29 108	0.19 121	0.60 197	0.26 153	0.52 60	0.75 334	0.63 310	0.63 272	0.63 254	0.33 150	0.85 231	0.47 242	0.27 388	0.15 282	0.40 411	0.18 297	0.22 235	0.14 135

PSMNet-ADL	0.51 218	0.38 136	1.65 95	0.35 238	0.21 146	0.67 289	0.26 153	0.74 167	0.55 147	0.42 101	0.52 180	0.70 302	0.45 253	1.91 366	0.57 279	0.15 281	0.13 244	0.11 120	0.13 202	0.15 101	0.20 253

OMP-Stereo	0.59 274	0.65 258	1.74 119	0.56 389	0.37 334	0.60 197	0.26 153	0.70 147	0.65 246	0.66 328	0.60 248	0.69 292	0.32 147	2.09 385	1.20 370	0.10 96	0.07 14	0.12 171	0.09 53	0.17 155	0.10 41

ROB_FTStereo	0.38 74	0.27 52	1.78 143	0.44 329	0.17 69	0.61 217	0.26 153	0.51 49	0.52 112	0.47 132	0.43 106	0.43 137	0.28 113	0.49 135	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

RALCasStereoNet	0.45 147	0.88 334	1.85 185	0.30 122	0.26 224	0.49 71	0.26 153	0.58 94	0.51 106	0.36 72	0.48 140	0.36 93	0.28 113	0.55 161	0.34 172	0.10 96	0.53 428	0.09 30	0.08 36	0.25 269	0.34 366

111	0.48 175	1.09 389	1.95 231	0.24 11	0.13 9	0.59 187	0.26 153	0.83 248	0.78 352	0.48 150	0.52 180	0.56 224	0.38 185	0.49 135	0.38 192	0.09 23	0.07 14	0.09 30	0.07 15	0.23 244	0.35 368

DMCA	0.41 98	0.52 204	1.26 33	0.31 148	0.24 196	0.59 187	0.26 153	0.77 199	0.63 225	0.58 263	0.48 140	0.57 230	0.35 160	0.40 82	0.50 255	0.14 265	0.10 159	0.14 261	0.10 86	0.15 101	0.15 168

R-Stereo Train	0.36 62	0.21 13	1.70 107	0.29 108	0.18 96	0.55 123	0.26 153	0.78 213	0.36 13	0.57 247	0.67 301	0.33 82	0.24 56	0.32 37	0.23 51	0.10 96	0.08 68	0.09 30	0.07 15	0.09 10	0.12 86

RAFT-Stereo	0.36 62	0.21 13	1.70 107	0.29 108	0.18 96	0.55 123	0.26 153	0.78 213	0.36 13	0.57 247	0.67 301	0.33 82	0.24 56	0.32 37	0.23 51	0.10 96	0.08 68	0.09 30	0.07 15	0.09 10	0.12 86
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
UCFNet_RVC	0.48 175	0.82 318	1.85 185	0.30 122	0.27 236	0.64 265	0.26 153	0.74 167	0.55 147	0.48 150	0.53 189	0.63 254	0.41 216	0.88 234	0.38 192	0.15 281	0.10 159	0.17 321	0.17 287	0.18 179	0.15 168

StereoDRNet-Refined	0.50 201	0.41 153	1.50 75	0.33 196	0.21 146	0.68 301	0.26 153	0.81 235	0.68 269	0.67 332	0.68 309	0.73 310	0.42 232	1.10 252	0.59 286	0.11 151	0.08 68	0.14 261	0.14 230	0.25 269	0.21 259
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
PWCDC_ROB	0.72 339	1.06 386	2.09 264	0.47 352	0.36 323	0.78 352	0.26 153	0.98 361	1.34 425	0.61 291	2.07 428	0.64 262	0.61 328	0.83 227	0.71 311	0.31 398	0.14 259	0.15 287	0.12 175	0.60 416	0.21 259

rvit_stereo_0080	0.27 5	0.38 136	0.76 5	0.24 11	0.18 96	0.34 18	0.27 178	0.54 78	0.44 51	0.24 22	0.26 24	0.27 50	0.22 39	0.29 18	0.23 51	0.13 228	0.10 159	0.10 70	0.10 86	0.15 101	0.11 55

rvit_stereo_ft	0.31 28	0.61 233	1.18 22	0.32 176	0.21 146	0.28 4	0.27 178	0.55 83	0.48 86	0.23 19	0.27 26	0.28 58	0.26 83	0.32 37	0.25 81	0.13 228	0.09 127	0.11 120	0.11 143	0.13 66	0.14 135

test_sample6	0.52 229	0.44 173	1.81 169	0.33 196	0.18 96	0.55 123	0.27 178	0.94 332	0.66 260	0.54 209	0.62 260	0.47 178	0.36 166	1.97 372	0.38 192	0.14 265	0.10 159	0.13 227	0.13 202	0.17 155	0.16 191

test_sample2	0.41 98	0.19 4	1.23 28	0.31 148	0.17 69	0.51 82	0.27 178	0.81 235	0.55 147	0.44 112	0.45 119	0.46 170	0.38 185	1.51 298	0.30 133	0.12 199	0.09 127	0.11 120	0.10 86	0.14 85	0.14 135

whm_eth	0.27 5	0.38 136	0.76 5	0.24 11	0.18 96	0.34 18	0.27 178	0.54 78	0.44 51	0.24 22	0.26 24	0.27 50	0.22 39	0.29 18	0.23 51	0.13 228	0.10 159	0.10 70	0.10 86	0.15 101	0.11 55

LL-Strereo2	0.41 98	0.90 340	1.83 180	0.44 329	0.24 196	0.54 111	0.27 178	0.58 94	0.45 64	0.41 97	0.33 58	0.44 148	0.21 30	0.44 98	0.34 172	0.09 23	0.08 68	0.16 304	0.14 230	0.17 155	0.17 208

Patchmatch Stereo++	0.39 87	0.27 52	1.78 143	0.44 329	0.16 45	0.61 217	0.27 178	0.51 49	0.52 112	0.47 132	0.43 106	0.43 137	0.28 113	0.54 157	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86
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
PFNet	0.60 279	0.33 106	2.47 338	0.41 313	0.55 396	0.62 237	0.27 178	0.61 111	0.63 225	0.61 291	0.56 219	0.45 157	0.32 147	1.88 363	1.14 365	0.28 392	0.09 127	0.12 171	0.16 271	0.26 287	0.20 253

iGMRVC	0.39 87	0.27 52	1.78 143	0.44 329	0.17 69	0.61 217	0.27 178	0.51 49	0.52 112	0.47 132	0.43 106	0.44 148	0.28 113	0.55 161	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

iRAFT	0.39 87	0.27 52	1.78 143	0.44 329	0.16 45	0.61 217	0.27 178	0.51 49	0.52 112	0.47 132	0.43 106	0.43 137	0.28 113	0.54 157	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

sAnonymous2	0.38 74	0.62 239	2.15 279	0.31 148	0.24 196	0.34 18	0.27 178	0.53 68	0.46 69	0.24 22	0.29 34	0.23 20	0.28 113	0.28 9	0.22 44	0.12 199	0.09 127	0.11 120	0.13 202	0.38 368	0.35 368

CroCo_RVC	0.38 74	0.62 239	2.15 279	0.31 148	0.24 196	0.34 18	0.27 178	0.53 68	0.46 69	0.24 22	0.29 34	0.23 20	0.28 113	0.28 9	0.22 44	0.12 199	0.09 127	0.11 120	0.13 202	0.38 368	0.35 368

UNet	0.54 240	0.44 173	2.83 390	0.31 148	0.33 298	0.74 330	0.27 178	0.82 242	0.61 196	0.53 197	0.54 199	0.72 307	0.54 297	0.78 224	0.56 276	0.11 151	0.09 127	0.13 227	0.11 143	0.14 85	0.12 86

GANet-RSSM	0.55 252	0.73 283	1.90 209	0.36 256	0.26 224	0.59 187	0.27 178	0.78 213	0.52 112	0.47 132	0.57 226	0.63 254	0.45 253	1.92 370	0.43 225	0.14 265	0.10 159	0.25 380	0.11 143	0.34 343	0.14 135

iResNet	0.51 218	0.76 289	2.59 359	0.41 313	0.17 69	0.64 265	0.27 178	0.82 242	0.70 286	0.57 247	0.64 287	0.43 137	0.36 166	0.70 206	0.52 260	0.10 96	0.07 14	0.09 30	0.08 36	0.21 221	0.13 120

rvit_0105_4	0.35 58	0.35 123	1.45 62	0.31 148	0.18 96	0.37 26	0.28 193	0.59 100	0.62 214	0.27 48	0.31 49	0.35 90	0.27 99	0.43 92	0.25 81	0.18 324	0.16 298	0.15 287	0.13 202	0.15 101	0.12 86

rrr	0.46 156	0.34 116	3.08 411	0.27 58	0.16 45	0.45 41	0.28 193	1.09 410	0.51 106	0.24 22	0.21 4	0.26 44	0.25 69	0.64 184	0.52 260	0.09 23	0.07 14	0.10 70	0.29 366	0.16 134	0.25 308

test_4	0.40 92	0.37 131	2.01 247	0.29 108	0.21 146	0.50 76	0.28 193	0.47 32	0.39 25	0.42 101	0.76 344	0.38 102	0.22 39	0.52 148	0.33 165	0.08 5	0.07 14	0.11 120	0.15 252	0.28 301	0.07 3

iRaft-Stereo_5w	0.54 240	1.01 379	2.08 263	0.27 58	0.21 146	0.49 71	0.28 193	0.73 163	0.58 170	0.40 90	0.61 255	0.62 251	0.46 264	1.78 337	0.47 242	0.09 23	0.07 14	0.11 120	0.10 86	0.39 376	0.12 86

TransformOpticalFlow	0.64 299	0.56 223	2.66 368	0.44 329	0.26 224	0.62 237	0.28 193	0.83 248	0.71 295	0.76 361	0.74 339	0.91 367	0.85 378	1.83 349	0.81 332	0.10 96	0.07 14	0.11 120	0.09 53	0.11 29	0.12 86

ROB_FTStereo_v2	0.38 74	0.27 52	1.78 143	0.44 329	0.17 69	0.61 217	0.28 193	0.51 49	0.52 112	0.47 132	0.43 106	0.44 148	0.28 113	0.47 120	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

HUI-Stereo	0.38 74	0.27 52	1.79 162	0.44 329	0.17 69	0.61 217	0.28 193	0.51 49	0.52 112	0.47 132	0.43 106	0.44 148	0.28 113	0.45 107	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

test-1	0.44 129	0.48 192	1.69 103	0.30 122	0.27 236	0.50 76	0.28 193	0.80 231	0.43 48	0.40 90	0.54 199	0.41 120	0.24 56	0.31 30	1.16 368	0.09 23	0.20 343	0.10 70	0.17 287	0.11 29	0.26 317

RAFT-IKP	0.38 74	0.27 52	1.79 162	0.44 329	0.16 45	0.60 197	0.28 193	0.51 49	0.52 112	0.47 132	0.43 106	0.43 137	0.28 113	0.50 141	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

test_xeample	0.72 339	0.21 13	1.36 46	0.27 58	0.17 69	0.59 187	0.28 193	1.01 389	0.70 286	0.55 226	0.67 301	0.44 148	0.39 199	1.88 363	5.17 457	0.12 199	0.10 159	0.11 120	0.10 86	0.13 66	0.15 168

MMNet	0.50 201	0.48 192	1.93 221	0.33 196	0.27 236	0.79 356	0.28 193	0.81 235	0.74 321	0.60 284	0.56 219	0.59 239	0.55 302	0.79 225	0.59 286	0.10 96	0.09 127	0.12 171	0.11 143	0.13 66	0.14 135

acv_ft	0.48 175	0.44 173	1.76 129	0.32 176	0.41 356	0.63 254	0.28 193	0.81 235	0.68 269	0.61 291	0.59 235	0.69 292	0.45 253	0.44 98	0.63 294	0.11 151	0.09 127	0.10 70	0.09 53	0.41 382	0.10 41

cf-r	0.53 235	0.81 314	2.15 279	0.33 196	0.28 246	0.60 197	0.28 193	0.78 213	0.64 233	0.51 180	0.60 248	0.75 321	0.40 205	1.32 274	0.43 225	0.13 228	0.09 127	0.11 120	0.12 175	0.15 101	0.14 135

PSMNet-RSSM	0.53 235	0.82 318	1.78 143	0.31 148	0.25 211	0.58 171	0.28 193	0.84 258	0.60 181	0.50 168	0.61 255	0.67 279	0.43 242	1.68 323	0.42 217	0.15 281	0.10 159	0.14 261	0.16 271	0.15 101	0.13 120

CFNet-ft	0.51 218	0.76 289	1.79 162	0.28 80	0.30 262	0.63 254	0.28 193	0.66 128	0.55 147	0.45 122	0.57 226	0.74 316	0.41 216	1.46 288	0.42 217	0.14 265	0.10 159	0.28 387	0.13 202	0.18 179	0.14 135

RASNet	0.61 287	0.68 267	2.03 254	0.35 238	0.46 378	0.65 277	0.28 193	0.78 213	0.70 286	0.48 150	0.64 287	0.93 372	0.61 328	2.21 392	0.73 318	0.12 199	0.09 127	0.09 30	0.10 86	0.14 85	0.11 55

CFNet_RVC	0.51 218	0.76 289	1.79 162	0.28 80	0.30 262	0.63 254	0.28 193	0.66 128	0.55 147	0.45 122	0.57 226	0.74 316	0.41 216	1.46 288	0.42 217	0.14 265	0.10 159	0.28 387	0.13 202	0.18 179	0.14 135

NLCA_NET_v2_RVC	0.55 252	0.92 342	2.36 318	0.38 290	0.37 334	0.60 197	0.28 193	0.82 242	0.62 214	0.62 302	0.55 208	0.72 307	0.45 253	1.00 242	0.43 225	0.15 281	0.11 204	0.14 261	0.14 230	0.15 101	0.16 191
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AdaStereo	0.44 129	0.38 136	1.79 162	0.34 223	0.20 136	0.57 155	0.28 193	0.92 316	0.69 278	0.52 187	0.55 208	0.61 247	0.33 150	0.48 125	0.39 203	0.17 313	0.08 68	0.17 321	0.11 143	0.18 179	0.12 86
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.
iResNetv2_ROB	0.59 274	1.43 426	2.96 401	0.40 307	0.22 167	0.58 171	0.28 193	0.91 307	0.73 317	0.57 247	0.63 272	0.60 245	0.41 216	0.74 212	0.35 179	0.11 151	0.08 68	0.10 70	0.07 15	0.43 388	0.17 208

HSM	0.62 292	0.76 289	1.72 114	0.30 122	0.29 252	0.64 265	0.28 193	0.94 332	0.62 214	0.58 263	0.57 226	1.40 422	0.64 336	2.59 423	0.42 217	0.11 151	0.08 68	0.10 70	0.08 36	0.14 85	0.11 55

DispNO	0.67 314	0.98 369	2.58 357	0.31 148	0.27 236	0.59 187	0.29 214	0.83 248	0.68 269	0.53 197	0.79 351	0.83 346	0.47 269	2.46 413	0.68 306	0.12 199	0.10 159	0.19 346	0.31 377	0.16 134	0.17 208

AASNet	0.56 258	1.03 383	2.34 312	0.37 276	0.33 298	0.65 277	0.29 214	0.96 349	0.73 317	0.54 209	0.60 248	0.55 212	0.38 185	0.59 171	0.58 284	0.14 265	0.12 228	0.13 227	0.10 86	0.43 388	0.24 299

GwcNet-ADL	0.50 201	0.74 286	2.90 398	0.31 148	0.20 136	0.58 171	0.29 214	0.87 280	0.64 233	0.47 132	0.47 128	0.56 224	0.33 150	0.46 113	0.46 233	0.13 228	0.12 228	0.09 30	0.09 53	0.14 85	0.21 259

PSM-adaLoss	0.38 74	0.27 52	1.78 143	0.44 329	0.17 69	0.60 197	0.29 214	0.51 49	0.52 112	0.47 132	0.43 106	0.44 148	0.28 113	0.47 120	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

FADNet-RVC	0.61 287	1.26 413	2.12 271	0.33 196	0.26 224	0.59 187	0.29 214	0.86 271	0.62 214	0.45 122	0.50 164	0.62 251	0.46 264	1.73 330	0.55 269	0.17 313	0.20 343	0.17 321	0.18 297	0.59 413	0.28 329

FADNet	0.64 299	1.22 408	2.06 256	0.32 176	0.30 262	0.66 283	0.29 214	0.88 285	0.72 303	0.44 112	0.48 140	0.66 270	0.57 311	1.84 354	0.45 232	0.46 413	0.20 343	0.17 321	0.19 316	0.59 413	0.24 299

HSM-Net_RVC	0.67 314	0.34 116	2.23 297	0.26 45	0.19 121	0.67 289	0.29 214	1.26 425	0.69 278	0.72 351	0.70 326	0.78 330	0.42 232	3.77 453	0.41 215	0.13 228	0.09 127	0.10 70	0.09 53	0.12 40	0.11 55
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
rvit_0105_5	0.36 62	0.39 145	1.48 70	0.30 122	0.18 96	0.41 35	0.30 221	0.64 121	0.62 214	0.30 56	0.33 58	0.37 95	0.29 126	0.41 84	0.28 105	0.18 324	0.16 298	0.15 287	0.15 252	0.15 101	0.14 135

test_sample7	0.47 170	0.33 106	1.49 72	0.34 223	0.20 136	0.51 82	0.30 221	0.93 324	0.66 260	0.57 247	0.51 168	0.55 212	0.45 253	1.11 255	0.38 192	0.17 313	0.14 259	0.16 304	0.15 252	0.19 199	0.18 227

MyStereo06	0.54 240	0.41 153	2.68 370	0.30 122	0.23 183	0.60 197	0.30 221	0.81 235	0.44 51	0.84 381	0.52 180	0.78 330	0.58 315	0.48 125	1.10 362	0.09 23	0.17 314	0.12 171	0.10 86	0.16 134	0.20 253

MyStereo05	0.49 192	0.41 153	2.72 376	0.30 122	0.23 183	0.60 197	0.30 221	0.82 242	0.77 347	0.52 187	0.37 76	0.51 197	0.42 232	0.52 148	0.38 192	0.09 23	0.17 314	0.12 171	0.10 86	0.16 134	0.20 253

RAFT_CTSACE	0.46 156	0.76 289	2.07 258	0.35 238	0.30 262	0.54 111	0.30 221	0.61 111	0.48 86	0.49 161	0.76 344	0.55 212	0.36 166	0.58 167	0.22 44	0.08 5	0.13 244	0.11 120	0.10 86	0.41 382	0.08 13

test_3	0.44 129	0.20 8	1.70 107	0.36 256	0.32 285	0.47 57	0.30 221	0.73 163	0.49 92	0.50 168	0.30 42	0.45 157	0.22 39	0.59 171	0.98 345	0.08 5	0.10 159	0.11 120	0.35 392	0.29 304	0.28 329

LCNet	0.54 240	0.37 131	1.78 143	0.92 426	0.22 167	0.96 390	0.30 221	0.59 100	0.58 170	0.51 180	0.55 208	0.41 120	0.76 366	0.84 229	0.26 88	0.09 23	0.06 1	0.12 171	0.18 297	0.98 432	0.39 389

GES	0.44 129	0.28 73	1.88 199	0.30 122	0.18 96	0.61 217	0.30 221	0.88 285	0.46 69	0.47 132	0.52 180	0.39 106	0.42 232	0.58 167	0.67 303	0.15 281	0.11 204	0.12 171	0.10 86	0.15 101	0.17 208

HGLStereo	0.54 240	0.69 271	2.00 246	0.35 238	0.40 349	0.66 283	0.30 221	0.83 248	0.62 214	0.57 247	0.69 316	0.69 292	0.54 297	1.07 249	0.55 269	0.13 228	0.13 244	0.13 227	0.11 143	0.19 199	0.17 208

GwcNet-RSSM	0.57 264	0.94 350	2.13 273	0.32 176	0.25 211	0.60 197	0.30 221	0.80 231	0.66 260	0.52 187	0.64 287	0.71 305	0.40 205	1.79 341	0.50 255	0.13 228	0.09 127	0.12 171	0.12 175	0.21 221	0.15 168

NOSS_ROB	0.64 299	0.65 258	1.62 93	0.46 347	0.25 211	0.67 289	0.30 221	0.93 324	0.77 347	0.59 276	0.57 226	0.77 327	0.38 185	2.78 434	0.44 229	0.23 368	0.24 365	0.28 387	0.26 356	0.27 295	0.39 389

PWC_ROB	0.70 329	0.94 350	1.88 199	0.39 298	0.39 341	0.62 237	0.30 221	0.98 361	0.94 390	0.91 389	1.29 406	0.77 327	0.62 333	1.62 317	1.03 358	0.18 324	0.11 204	0.18 340	0.13 202	0.51 405	0.22 269

DualNet (step1)	0.59 274	0.62 239	1.93 221	0.27 58	0.22 167	0.68 301	0.31 233	0.93 324	0.66 260	0.57 247	0.51 168	0.55 212	0.45 253	1.11 255	0.38 192	0.61 421	0.14 259	0.87 431	0.56 426	0.25 269	0.23 289

test_sample9	0.94 389	0.62 239	1.93 221	0.27 58	0.22 167	0.68 301	0.31 233	0.93 324	0.66 260	0.57 247	0.51 168	0.55 212	0.45 253	1.91 366	2.55 426	0.61 421	4.16 465	0.87 431	0.56 426	0.25 269	0.23 289

test_sample8	1.12 404	0.62 239	1.93 221	0.27 58	0.22 167	0.68 301	0.31 233	0.95 344	0.61 196	1.18 416	0.56 219	2.53 440	1.31 415	1.91 366	2.55 426	0.61 421	4.16 465	0.87 431	0.56 426	0.25 269	0.23 289

MyStereo07	0.34 47	0.40 149	1.46 63	0.29 108	0.23 183	0.60 197	0.31 233	0.53 68	0.42 40	0.25 35	0.25 19	0.20 5	0.26 83	0.57 164	0.19 6	0.09 23	0.18 324	0.12 171	0.11 143	0.16 134	0.19 239

MyStereo04	0.48 175	0.40 149	2.65 367	0.29 108	0.23 183	0.60 197	0.31 233	0.83 248	0.75 334	0.47 132	0.36 73	0.53 205	0.42 232	0.53 154	0.39 203	0.09 23	0.18 324	0.12 171	0.11 143	0.16 134	0.19 239

gwcnet-sp	0.49 192	0.43 164	2.54 353	0.31 148	0.22 167	0.67 289	0.31 233	0.78 213	0.65 246	0.58 263	0.47 128	0.46 170	0.43 242	0.76 216	0.46 233	0.11 151	0.11 204	0.11 120	0.11 143	0.15 101	0.14 135

scenet	0.49 192	0.43 164	2.54 353	0.31 148	0.22 167	0.67 289	0.31 233	0.78 213	0.65 246	0.58 263	0.47 128	0.46 170	0.43 242	0.76 216	0.46 233	0.11 151	0.11 204	0.11 120	0.11 143	0.15 101	0.14 135

ssnet	0.49 192	0.43 164	2.54 353	0.31 148	0.22 167	0.67 289	0.31 233	0.78 213	0.65 246	0.58 263	0.47 128	0.46 170	0.43 242	0.76 216	0.46 233	0.11 151	0.11 204	0.11 120	0.11 143	0.15 101	0.14 135

BSDual-CNN	0.41 98	0.27 52	1.13 17	0.30 122	0.21 146	0.76 339	0.31 233	1.00 381	0.61 196	0.63 310	0.53 189	0.63 254	0.37 179	0.43 92	0.38 192	0.13 228	0.10 159	0.14 261	0.12 175	0.12 40	0.11 55

hknet	0.47 170	0.29 78	1.70 107	0.30 122	0.24 196	0.76 339	0.31 233	1.00 381	0.64 233	0.63 310	0.53 189	0.80 337	0.38 185	0.77 220	0.37 186	0.11 151	0.10 159	0.14 261	0.12 175	0.12 40	0.11 55

Sa-1000	0.51 218	0.72 280	1.90 209	0.31 148	0.60 409	0.60 197	0.31 233	0.94 332	0.71 295	0.52 187	0.83 355	0.42 133	0.33 150	0.68 195	0.28 105	0.10 96	0.09 127	0.13 227	0.29 366	0.29 304	0.10 41

SA	0.50 201	0.75 288	1.95 231	0.31 148	0.61 411	0.57 155	0.31 233	0.91 307	0.73 317	0.42 101	0.62 260	0.38 102	0.47 269	0.68 195	0.29 119	0.09 23	0.09 127	0.13 227	0.32 382	0.30 315	0.10 41

GMOStereo	0.41 98	0.62 239	1.78 143	0.28 80	0.36 323	0.51 82	0.31 233	0.53 68	0.44 51	0.57 247	0.48 140	0.41 120	0.27 99	0.28 9	0.23 51	0.08 5	0.38 408	0.13 227	0.11 143	0.34 343	0.11 55

error version	0.41 98	0.62 239	1.78 143	0.28 80	0.36 323	0.51 82	0.31 233	0.53 68	0.44 51	0.57 247	0.48 140	0.41 120	0.27 99	0.28 9	0.23 51	0.08 5	0.38 408	0.13 227	0.11 143	0.34 343	0.11 55

test-v	0.41 98	0.62 239	1.78 143	0.28 80	0.36 323	0.51 82	0.31 233	0.53 68	0.44 51	0.57 247	0.48 140	0.41 120	0.27 99	0.28 9	0.23 51	0.08 5	0.38 408	0.13 227	0.11 143	0.34 343	0.11 55

test-2	0.41 98	0.62 239	1.78 143	0.28 80	0.36 323	0.51 82	0.31 233	0.53 68	0.44 51	0.57 247	0.48 140	0.41 120	0.27 99	0.28 9	0.23 51	0.08 5	0.38 408	0.13 227	0.11 143	0.34 343	0.11 55

LMCR-Stereo	0.52 229	0.71 276	2.39 322	0.40 307	0.21 146	0.74 330	0.31 233	1.02 392	0.64 233	0.61 291	0.63 272	0.39 106	0.51 287	0.62 179	0.42 217	0.19 338	0.09 127	0.12 171	0.09 53	0.23 244	0.12 86

Anonymous3	0.42 113	0.35 123	2.09 264	0.33 196	0.24 196	0.72 322	0.31 233	0.74 167	0.55 147	0.35 68	0.40 97	0.33 82	0.29 126	0.44 98	0.28 105	0.18 324	0.18 324	0.13 227	0.13 202	0.17 155	0.17 208

ac_64	0.55 252	0.46 181	1.92 218	0.36 256	0.34 305	0.63 254	0.31 233	0.82 242	0.61 196	0.55 226	0.51 168	0.89 364	0.48 277	1.83 349	0.55 269	0.14 265	0.11 204	0.12 171	0.12 175	0.18 179	0.12 86

DMCA-RVC	0.62 292	0.96 358	2.63 363	0.36 256	0.90 429	0.56 137	0.31 233	0.69 142	0.57 160	0.68 339	0.52 180	0.59 239	0.56 306	1.23 269	0.53 264	0.16 299	0.38 408	0.20 354	0.15 252	0.20 213	0.15 168

RTSC	0.72 339	1.00 375	2.22 293	0.40 307	0.29 252	0.82 366	0.31 233	0.96 349	1.10 411	0.92 390	0.81 352	0.78 330	0.58 315	1.23 269	1.55 392	0.18 324	0.17 314	0.14 261	0.17 287	0.43 388	0.30 343

DeepPruner_ROB	0.50 201	0.70 274	1.94 228	0.29 108	0.26 224	0.63 254	0.31 233	0.80 231	0.48 86	0.61 291	0.55 208	0.66 270	0.38 185	0.98 240	0.40 209	0.19 338	0.14 259	0.14 261	0.14 230	0.23 244	0.17 208

DispFullNet	1.67 438	2.10 457	5.22 455	1.53 449	8.90 464	0.86 376	0.31 233	0.96 349	0.96 393	1.37 428	1.01 386	1.13 409	1.98 441	1.51 298	0.91 340	0.54 417	0.31 395	1.18 443	0.63 436	1.13 436	0.80 434

CoDeX	0.52 229	0.43 164	2.25 299	0.29 108	0.26 224	0.61 217	0.32 256	0.99 373	0.68 269	0.48 150	0.55 208	0.52 203	0.40 205	1.60 313	0.35 179	0.12 199	0.09 127	0.11 120	0.10 86	0.13 66	0.12 86

1111x	0.74 351	0.21 13	1.93 221	0.31 148	0.17 69	0.63 254	0.32 256	1.03 399	0.74 321	0.52 187	0.62 260	0.57 230	0.47 269	2.38 403	4.25 452	0.12 199	0.14 259	0.11 120	0.12 175	0.12 40	0.14 135

LL-Strereo	0.72 339	1.29 415	2.49 341	0.36 256	0.45 372	0.55 123	0.32 256	0.93 324	0.71 295	0.67 332	0.58 232	0.85 352	0.79 369	2.67 429	0.46 233	0.10 96	0.18 324	0.14 261	0.12 175	0.40 380	0.42 399

Anonymous_2	0.74 351	0.32 100	1.65 95	0.33 196	0.30 262	0.67 289	0.32 256	0.69 142	0.46 69	0.48 150	0.41 101	0.84 349	0.58 315	0.51 144	0.40 209	0.32 399	0.38 408	1.43 453	3.69 466	0.80 428	0.27 324

SFCPSM	0.46 156	0.24 35	2.35 315	0.27 58	0.27 236	0.70 314	0.32 256	0.96 349	0.63 225	0.49 161	0.52 180	0.43 137	0.36 166	0.52 148	0.43 225	0.12 199	0.09 127	0.12 171	0.16 271	0.16 134	0.12 86

STTStereo	0.51 218	0.69 271	2.14 278	0.36 256	0.30 262	0.61 217	0.32 256	0.77 199	0.60 181	0.60 284	0.54 199	0.67 279	0.43 242	0.86 232	0.42 217	0.16 299	0.15 282	0.17 321	0.20 326	0.16 134	0.15 168

SHD	0.72 339	0.77 297	2.36 318	0.45 343	0.40 349	0.71 316	0.32 256	1.02 392	1.25 421	1.07 402	0.84 358	0.90 366	0.73 359	1.09 251	0.98 345	0.21 352	0.18 324	0.20 354	0.21 331	0.32 328	0.31 350

AANet_RVC	0.68 321	1.00 375	2.09 264	0.33 196	0.25 211	0.58 171	0.32 256	0.81 235	0.80 360	0.61 291	0.94 375	0.80 337	0.41 216	2.46 413	1.02 356	0.36 405	0.14 259	0.10 70	0.09 53	0.23 244	0.22 269

iinet-f	0.57 264	0.93 348	2.27 302	0.31 148	0.25 211	0.83 368	0.33 264	0.81 235	0.65 246	0.54 209	0.63 272	0.73 310	0.67 345	0.73 211	0.67 303	0.13 228	0.13 244	0.11 120	0.10 86	0.43 388	0.16 191

STrans-v2	0.67 314	0.56 223	2.64 365	0.27 58	0.23 183	0.57 155	0.33 264	0.96 349	0.69 278	0.92 390	0.85 362	0.89 364	0.93 389	1.83 349	1.21 372	0.09 23	0.07 14	0.10 70	0.09 53	0.11 29	0.12 86

test_xeample3	0.46 156	0.34 116	2.99 406	0.37 276	0.16 45	0.49 71	0.33 264	1.06 405	0.44 51	0.25 35	0.23 8	0.24 27	0.25 69	0.49 135	0.56 276	0.09 23	0.07 14	0.10 70	0.40 407	0.17 155	0.26 317

psmorigin	1.36 424	0.60 229	13.80 471	0.37 276	0.29 252	0.62 237	0.33 264	0.77 199	0.61 196	0.96 395	0.88 367	1.17 414	0.73 359	4.00 454	0.86 337	0.19 338	0.22 356	0.17 321	0.18 297	0.24 259	0.29 335

UGAM	0.58 269	0.47 189	2.21 289	0.30 122	0.19 121	0.53 106	0.34 268	0.59 100	0.63 225	0.44 112	0.73 336	0.78 330	0.37 179	2.58 422	0.39 203	0.10 96	0.08 68	0.17 321	0.14 230	0.42 386	0.17 208

GASNet	0.73 348	1.47 428	3.04 408	0.47 352	0.33 298	0.57 155	0.34 268	0.91 307	0.75 334	0.58 263	0.58 232	0.74 316	0.55 302	2.03 378	0.65 299	0.21 352	0.15 282	0.19 346	0.17 287	0.51 405	0.28 329

TestStereo1	0.49 192	0.81 314	1.85 185	0.39 298	0.57 400	0.56 137	0.34 268	0.75 177	0.69 278	0.44 112	0.63 272	0.35 90	0.42 232	0.64 184	0.29 119	0.10 96	0.08 68	0.12 171	0.10 86	0.33 336	0.26 317

RAFT+CT+SA	0.50 201	0.86 328	1.82 175	0.37 276	0.75 420	0.54 111	0.34 268	0.77 199	0.63 225	0.38 82	0.55 208	0.34 86	0.29 126	0.68 195	0.27 96	0.09 23	0.07 14	0.11 120	0.51 420	0.29 304	0.41 398

SA-5K	0.49 192	0.81 314	1.85 185	0.39 298	0.57 400	0.56 137	0.34 268	0.75 177	0.69 278	0.44 112	0.63 272	0.35 90	0.42 232	0.64 184	0.29 119	0.10 96	0.08 68	0.12 171	0.10 86	0.33 336	0.26 317

ADLNet	0.60 279	0.71 276	1.95 231	0.35 238	0.34 305	0.67 289	0.34 268	0.90 297	0.74 321	0.68 339	0.62 260	0.80 337	0.45 253	1.78 337	0.64 298	0.14 265	0.11 204	0.14 261	0.14 230	0.29 304	0.21 259

PS-NSSS	0.63 295	1.00 375	1.81 169	0.30 122	0.31 278	0.63 254	0.34 268	0.98 361	0.69 278	0.54 209	0.74 339	0.51 197	0.41 216	2.43 411	0.48 245	0.24 375	0.17 314	0.27 384	0.18 297	0.27 295	0.21 259

rvit_0105_3	0.39 87	0.47 189	1.46 63	0.33 196	0.19 121	0.45 41	0.35 275	0.69 142	0.65 246	0.37 76	0.37 76	0.40 114	0.31 142	0.44 98	0.30 133	0.18 324	0.17 314	0.17 321	0.18 297	0.15 101	0.15 168

ToySt	0.44 129	0.61 233	1.89 206	0.29 108	0.18 96	0.55 123	0.35 275	0.67 137	0.53 130	0.39 88	0.50 164	0.59 239	0.43 242	0.51 144	0.49 250	0.10 96	0.12 228	0.13 227	0.16 271	0.24 259	0.19 239

test_5	0.51 218	0.87 331	1.99 244	0.37 276	0.65 413	0.58 171	0.35 275	0.78 213	0.62 214	0.48 150	0.55 208	0.45 157	0.40 205	0.72 210	0.30 133	0.09 23	0.07 14	0.12 171	0.12 175	0.33 336	0.38 385

CSP-Net	0.50 201	0.39 145	1.25 31	0.29 108	0.23 183	0.77 347	0.35 275	0.86 271	0.57 160	0.59 276	0.59 235	0.65 265	0.40 205	1.77 336	0.44 229	0.16 299	0.11 204	0.10 70	0.10 86	0.20 213	0.14 135

cross-raft	0.40 92	0.27 52	2.22 293	0.30 122	0.17 69	0.49 71	0.35 275	0.71 150	0.39 25	0.43 106	0.45 119	0.64 262	0.25 69	0.32 37	0.25 81	0.08 5	0.08 68	0.09 30	0.23 341	0.11 29	0.14 135

RAFT	0.45 147	0.92 342	1.59 86	0.34 223	0.19 121	0.46 54	0.35 275	0.65 126	0.49 92	0.49 161	0.49 157	0.70 302	0.40 205	0.47 120	0.32 155	0.11 151	0.16 298	0.14 261	0.13 202	0.51 405	0.13 120

DISCO	0.57 264	0.34 116	1.87 198	0.45 343	0.34 305	0.84 370	0.35 275	0.84 258	0.78 352	0.59 276	0.63 272	1.06 400	0.53 294	1.10 252	0.82 333	0.12 199	0.09 127	0.11 120	0.10 86	0.22 235	0.18 227

SQANet	0.80 368	1.58 431	2.53 347	0.76 413	0.83 424	0.76 339	0.36 282	0.83 248	0.64 233	0.63 310	0.69 316	0.73 310	0.51 287	1.21 266	0.53 264	0.77 432	0.29 389	0.59 422	0.29 366	0.86 430	0.61 421

CRFU-Net	0.56 258	0.38 136	1.86 193	0.46 347	0.26 224	0.82 366	0.36 282	0.90 297	0.49 92	0.62 302	0.59 235	0.78 330	1.35 419	1.00 242	0.48 245	0.15 281	0.14 259	0.17 321	0.10 86	0.19 199	0.14 135

psmg	0.41 98	0.27 52	1.13 17	0.27 58	0.21 146	0.75 336	0.36 282	0.90 297	0.61 196	0.59 276	0.59 235	0.63 254	0.37 179	0.43 92	0.38 192	0.13 228	0.10 159	0.13 227	0.12 175	0.13 66	0.11 55

ARAFT	0.60 279	1.23 409	3.10 413	0.28 80	0.16 45	0.64 265	0.36 282	0.90 297	0.67 267	0.61 291	0.49 157	0.55 212	0.31 142	1.24 272	0.32 155	0.10 96	0.08 68	0.14 261	0.13 202	0.37 362	0.21 259

ACVNet	0.45 147	0.44 173	1.79 162	0.28 80	0.21 146	0.59 187	0.36 282	0.66 128	0.68 269	0.45 122	0.59 235	0.69 292	0.40 205	0.44 98	0.55 269	0.11 151	0.09 127	0.10 70	0.09 53	0.34 343	0.10 41

hitnet-ft	0.67 314	0.80 309	1.90 209	0.28 80	0.22 167	0.69 307	0.36 282	0.85 262	0.65 246	0.56 236	0.84 358	1.03 393	0.95 394	2.32 398	0.55 269	0.23 368	0.14 259	0.41 412	0.13 202	0.24 259	0.17 208

DLCB_ROB	0.54 240	0.55 222	1.49 72	0.36 256	0.25 211	0.65 277	0.36 282	0.80 231	0.70 286	0.72 351	0.69 316	0.83 346	0.46 264	1.53 301	0.60 288	0.13 228	0.12 228	0.14 261	0.14 230	0.14 85	0.13 120

RAFT-Test	0.44 129	0.38 136	2.01 247	0.27 58	0.44 364	0.64 265	0.37 289	0.72 155	0.57 160	0.45 122	0.48 140	0.65 265	0.24 56	0.35 55	0.29 119	0.09 23	0.11 204	0.09 30	0.38 402	0.10 16	0.11 55

CBFPSM	0.56 258	0.91 341	1.82 175	0.28 80	0.23 183	0.71 316	0.37 289	0.72 155	0.64 233	0.50 168	0.49 157	1.03 393	0.83 374	0.62 179	1.35 380	0.10 96	0.12 228	0.10 70	0.10 86	0.18 179	0.19 239

SACVNet	0.60 279	0.74 286	1.90 209	0.37 276	0.28 246	0.64 265	0.37 289	0.86 271	0.61 196	0.65 326	0.62 260	0.69 292	0.44 249	2.08 383	0.42 217	0.18 324	0.14 259	0.16 304	0.15 252	0.38 368	0.24 299

ADLNet2	0.68 321	0.84 323	3.19 423	0.33 196	0.36 323	0.64 265	0.37 289	0.89 291	0.79 357	0.54 209	0.65 296	0.93 372	0.48 277	2.07 382	0.56 276	0.13 228	0.11 204	0.11 120	0.11 143	0.33 336	0.18 227

GEStereo_RVC	0.54 240	0.87 331	1.95 231	0.47 352	0.25 211	0.62 237	0.37 289	1.00 381	0.74 321	0.53 197	0.54 199	0.59 239	0.44 249	1.10 252	0.46 233	0.15 281	0.11 204	0.12 171	0.10 86	0.26 287	0.19 239

psm_up	0.57 264	0.61 233	1.83 180	0.35 238	0.30 262	0.64 265	0.37 289	0.90 297	0.68 269	0.59 276	0.55 208	0.68 285	0.54 297	1.91 366	0.46 233	0.16 299	0.15 282	0.16 304	0.15 252	0.23 244	0.13 120

UDG	0.77 360	1.23 409	2.15 279	0.67 408	0.59 404	0.78 352	0.38 295	0.90 297	0.70 286	0.61 291	0.69 316	1.01 389	0.67 345	1.02 244	0.73 318	0.45 411	0.34 401	0.87 431	0.51 420	0.67 420	0.46 405

UPFNet	0.46 156	0.28 73	1.73 115	0.33 196	0.32 285	0.65 277	0.38 295	0.83 248	0.59 177	0.57 247	0.52 180	0.61 247	0.40 205	0.75 213	0.52 260	0.13 228	0.12 228	0.13 227	0.12 175	0.15 101	0.11 55

FADNet-RVC-Resample	0.67 314	1.16 404	3.16 419	0.37 276	0.29 252	0.62 237	0.38 295	0.86 271	0.63 225	0.51 180	0.50 164	0.57 230	0.45 253	1.57 306	0.49 250	0.24 375	0.32 400	0.23 369	0.19 316	0.27 295	0.62 422

Nwc_Net	0.68 321	0.83 321	2.53 347	0.41 313	0.39 341	0.77 347	0.38 295	1.01 389	0.70 286	0.60 284	0.99 383	0.98 383	0.68 348	1.41 281	0.63 294	0.23 368	0.15 282	0.23 369	0.25 350	0.23 244	0.18 227

edge stereo	0.81 373	0.73 283	3.30 429	0.37 276	1.21 446	0.62 237	0.39 299	0.93 324	0.79 357	0.80 369	0.88 367	1.14 410	0.71 353	2.18 390	0.71 311	0.21 352	0.20 343	0.26 383	0.18 297	0.38 368	0.26 317

NVstereo2D	0.58 269	0.40 149	2.03 254	0.35 238	0.35 316	0.69 307	0.39 299	0.91 307	0.80 360	0.47 132	0.53 189	0.67 279	0.46 264	1.99 376	0.48 245	0.19 338	0.11 204	0.17 321	0.13 202	0.25 269	0.25 308

Wz-Net-LNSev-Ref	0.57 264	0.87 331	2.11 268	0.32 176	0.30 262	0.84 370	0.40 301	0.88 285	0.72 303	0.65 326	0.73 336	0.66 270	0.57 311	0.93 235	0.71 311	0.13 228	0.07 14	0.10 70	0.08 36	0.15 101	0.14 135

PSM-softLoss	0.48 175	0.27 52	1.85 185	0.51 368	0.17 69	0.61 217	0.40 301	0.61 111	0.57 160	0.52 187	0.48 140	0.39 106	0.25 69	1.46 288	0.77 324	0.12 199	0.08 68	0.13 227	0.12 175	0.12 40	0.14 135

KMStereo	0.48 175	0.27 52	1.85 185	0.51 368	0.17 69	0.61 217	0.40 301	0.61 111	0.57 160	0.52 187	0.48 140	0.39 106	0.25 69	1.46 288	0.77 324	0.12 199	0.08 68	0.13 227	0.12 175	0.12 40	0.14 135

MaskLacGwcNet_RVC	0.77 360	1.04 384	2.06 256	0.94 428	0.35 316	0.89 382	0.40 301	0.85 262	0.63 225	0.55 226	0.63 272	0.75 321	0.38 185	2.38 403	0.48 245	1.10 443	0.31 395	0.36 404	0.21 331	0.53 409	0.55 416

AF-Net	0.69 325	0.92 342	2.21 289	0.41 313	0.40 349	0.68 301	0.40 301	1.02 392	0.86 373	0.69 341	1.03 390	1.04 396	0.84 377	1.19 265	0.78 326	0.22 365	0.14 259	0.25 380	0.17 287	0.30 315	0.18 227

RGC	0.71 336	0.97 366	2.18 286	0.44 329	0.44 364	0.73 327	0.40 301	0.94 332	0.71 295	0.71 348	1.04 393	1.01 389	0.71 353	1.74 332	0.70 309	0.23 368	0.18 324	0.28 387	0.26 356	0.29 304	0.27 324

LRCNet_RVC	13.74 473	19.30 474	12.75 469	19.46 476	12.69 468	1.86 437	0.41 307	12.33 471	1.05 404	15.77 472	18.83 477	12.62 473	8.70 466	12.21 471	9.62 467	22.22 478	8.37 473	25.85 479	24.01 479	19.32 477	17.44 478

stereogan	0.69 325	0.51 203	2.44 333	0.39 298	0.39 341	1.01 397	0.41 307	0.94 332	0.92 389	0.73 355	0.85 362	1.15 411	0.69 349	1.57 306	0.53 264	0.19 338	0.18 324	0.20 354	0.16 271	0.36 355	0.24 299

DRN-Test	0.64 299	0.43 164	2.44 333	0.39 298	0.44 364	0.80 362	0.41 307	1.02 392	0.78 352	0.80 369	0.63 272	0.69 292	0.56 306	1.79 341	0.69 308	0.15 281	0.12 228	0.17 321	0.16 271	0.18 179	0.17 208

DAS	0.56 258	0.35 123	1.55 82	0.33 196	0.34 305	0.50 76	0.42 310	0.83 248	0.74 321	0.83 379	0.68 309	0.56 224	0.48 277	2.40 407	0.46 233	0.12 199	0.08 68	0.12 171	0.09 53	0.18 179	0.15 168

SepStereo	0.52 229	0.35 123	1.55 82	0.33 196	0.34 305	0.50 76	0.42 310	0.83 248	0.74 321	0.83 379	0.68 309	0.56 224	0.48 277	1.56 304	0.46 233	0.12 199	0.08 68	0.12 171	0.09 53	0.18 179	0.15 168

RAFT-345	0.53 235	0.30 87	2.34 312	0.38 290	0.34 305	0.58 171	0.42 310	0.47 32	0.61 196	0.51 180	1.00 385	0.43 137	0.28 113	1.57 306	0.82 333	0.10 96	0.07 14	0.11 120	0.09 53	0.10 16	0.08 13

Prome-Stereo	0.49 192	0.30 87	1.76 129	0.60 399	0.23 183	0.63 254	0.42 310	0.62 115	0.60 181	0.59 276	1.03 390	0.43 137	0.72 356	0.60 176	0.33 165	0.09 23	0.07 14	0.10 70	0.09 53	0.11 29	0.43 400

Syn2CoEx	0.70 329	1.07 388	2.74 380	0.43 324	0.30 262	0.64 265	0.42 310	0.99 373	0.78 352	0.62 302	0.78 348	0.74 316	0.72 356	1.92 370	0.61 290	0.20 346	0.17 314	0.19 346	0.15 252	0.29 304	0.22 269

CVANet_RVC	0.65 307	0.80 309	2.13 273	0.36 256	0.26 224	0.62 237	0.42 310	0.84 258	0.72 303	0.69 341	0.68 309	0.68 285	0.52 292	2.64 425	0.42 217	0.19 338	0.12 228	0.22 362	0.17 287	0.37 362	0.15 168

DDUNet	0.77 360	1.12 392	1.88 199	0.76 413	0.69 416	0.84 370	0.43 316	0.85 262	0.65 246	0.67 332	0.75 342	0.91 367	0.52 292	1.03 246	0.57 279	0.54 417	0.37 406	0.95 437	0.52 422	0.71 422	0.57 417

OCTAStereo	0.48 175	0.25 38	1.81 169	0.52 372	0.16 45	0.61 217	0.43 316	0.66 128	0.61 196	0.50 168	0.47 128	0.37 95	0.26 83	1.44 283	0.80 331	0.11 151	0.07 14	0.12 171	0.10 86	0.13 66	0.17 208

RE-Stereo	0.48 175	0.25 38	1.81 169	0.52 372	0.16 45	0.61 217	0.43 316	0.66 128	0.60 181	0.50 168	0.47 128	0.37 95	0.26 83	1.44 283	0.78 326	0.11 151	0.07 14	0.12 171	0.10 86	0.13 66	0.17 208

TVStereo	0.48 175	0.25 38	1.81 169	0.52 372	0.16 45	0.61 217	0.43 316	0.66 128	0.60 181	0.50 168	0.47 128	0.37 95	0.26 83	1.44 283	0.78 326	0.11 151	0.07 14	0.12 171	0.10 86	0.13 66	0.17 208

IRAFT_RVC	0.54 240	0.53 209	1.78 143	0.46 347	0.21 146	0.58 171	0.43 316	0.65 126	0.66 260	0.54 209	0.50 164	0.49 191	0.51 287	1.58 310	1.01 355	0.11 151	0.25 378	0.13 227	0.10 86	0.15 101	0.13 120

APVNet	0.70 329	0.67 265	2.71 374	0.38 290	0.36 323	0.85 374	0.43 316	0.91 307	0.68 269	0.55 226	0.69 316	0.75 321	0.55 302	2.31 397	0.78 326	0.17 313	0.17 314	0.24 375	0.19 316	0.33 336	0.23 289

RYNet	0.70 329	0.56 223	2.25 299	0.35 238	0.41 356	0.86 376	0.43 316	0.94 332	0.82 365	0.62 302	0.53 189	0.91 367	0.60 320	2.70 430	1.00 351	0.14 265	0.11 204	0.16 304	0.14 230	0.25 269	0.27 324

PDISCO_ROB	0.75 353	1.06 386	2.11 268	0.64 403	0.59 404	1.13 409	0.43 316	1.14 416	1.05 404	0.64 319	0.71 330	0.96 379	0.61 328	1.21 266	0.76 322	0.37 406	0.18 324	0.27 384	0.24 343	0.56 412	0.32 355

ssnet_v2	0.55 252	0.60 229	1.86 193	0.32 176	0.22 167	0.72 322	0.44 324	0.94 332	0.74 321	0.63 310	0.54 199	0.81 340	0.47 269	0.77 220	0.70 309	0.16 299	0.14 259	0.14 261	0.14 230	0.30 315	0.30 343

Wz-Net-LNSev	0.59 274	0.96 358	2.47 338	0.34 223	0.37 334	0.79 356	0.44 324	0.86 271	0.77 347	0.61 291	0.67 301	0.79 335	0.56 306	0.64 184	0.62 292	0.15 281	0.14 259	0.12 171	0.12 175	0.18 179	0.19 239

NF-Stereo	0.48 175	0.25 38	1.81 169	0.52 372	0.16 45	0.61 217	0.44 324	0.66 128	0.61 196	0.50 168	0.47 128	0.37 95	0.26 83	1.45 287	0.79 330	0.11 151	0.07 14	0.12 171	0.10 86	0.13 66	0.16 191

KYRaft	0.48 175	0.29 78	1.75 125	0.33 196	0.21 146	0.75 336	0.44 324	0.58 94	0.57 160	0.64 319	0.93 374	0.53 205	0.72 356	0.60 176	0.24 70	0.10 96	0.07 14	0.12 171	0.14 230	0.12 40	0.54 413

GwcNet	0.69 325	0.71 276	3.12 416	0.36 256	0.45 372	0.81 363	0.44 324	0.86 271	0.84 370	0.60 284	0.74 339	0.82 344	0.49 282	1.65 319	0.66 300	0.16 299	0.15 282	0.15 287	0.15 252	0.31 322	0.24 299

CC-Net-ROB	0.85 378	1.15 400	2.13 273	0.88 423	0.38 339	0.88 381	0.44 324	1.06 405	0.79 357	0.58 263	0.69 316	0.65 265	0.50 285	2.74 433	0.51 258	0.93 435	0.39 414	0.87 431	0.29 366	0.54 410	0.54 413

rvit_105_1	0.44 129	0.54 213	1.46 63	0.36 256	0.24 196	0.51 82	0.45 330	0.75 177	0.74 321	0.45 122	0.44 116	0.44 148	0.36 166	0.62 179	0.38 192	0.20 346	0.18 324	0.18 340	0.22 338	0.18 179	0.18 227

Pruner-Stereo	0.51 218	0.27 52	1.78 143	1.79 453	0.19 121	0.62 237	0.45 330	0.57 89	0.60 181	0.61 291	0.48 140	0.41 120	0.24 56	0.46 113	1.00 351	0.12 199	0.07 14	0.12 171	0.10 86	0.12 40	0.13 120

RP	0.67 314	0.82 318	1.94 228	0.43 324	0.44 364	0.65 277	0.45 330	0.89 291	0.82 365	0.66 328	0.92 371	0.99 386	0.76 366	1.55 303	0.66 300	0.25 380	0.18 324	0.23 369	0.20 326	0.31 322	0.22 269

AAGNet	0.88 382	0.33 106	1.79 162	0.54 381	0.98 433	0.62 237	0.46 333	0.50 47	0.60 181	0.58 263	0.53 189	0.50 194	0.73 359	1.23 269	7.48 463	0.11 151	0.07 14	0.12 171	0.10 86	0.14 85	0.09 23

GMM-Stereo	0.50 201	0.23 27	2.41 325	0.54 381	0.24 196	0.77 347	0.46 333	0.59 100	0.57 160	0.58 263	0.73 336	0.47 178	0.43 242	0.68 195	0.27 96	0.10 96	0.06 1	0.13 227	0.13 202	0.14 85	0.44 402

delet	0.52 229	0.54 213	1.62 93	0.31 148	0.35 316	0.74 330	0.46 333	0.85 262	0.74 321	0.55 226	0.60 248	0.67 279	0.50 285	1.12 258	0.57 279	0.11 151	0.11 204	0.13 227	0.14 230	0.16 134	0.12 86

MFN_U_SF_RVC	1.55 436	2.39 464	3.16 419	0.65 406	0.41 356	1.12 407	0.46 333	1.23 422	1.33 424	1.61 435	1.20 400	1.43 423	0.98 395	1.76 334	1.97 405	1.90 458	1.80 457	1.98 462	2.15 461	1.63 450	1.77 461

NCC-stereo	0.79 366	0.94 350	2.42 327	0.59 396	0.45 372	1.90 438	0.46 333	0.99 373	0.72 303	0.64 319	0.84 358	0.91 367	0.73 359	1.80 345	1.00 351	0.27 388	0.19 334	0.23 369	0.31 377	0.24 259	0.22 269

Abc-Net	0.79 366	0.94 350	2.42 327	0.59 396	0.45 372	1.90 438	0.46 333	0.99 373	0.72 303	0.64 319	0.84 358	0.91 367	0.73 359	1.80 345	1.00 351	0.27 388	0.19 334	0.23 369	0.31 377	0.24 259	0.22 269
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
XQC	0.73 348	0.98 369	2.39 322	0.46 347	0.35 316	0.81 363	0.46 333	1.00 381	1.00 398	0.80 369	0.69 316	0.88 362	0.74 364	1.32 274	1.20 370	0.24 375	0.16 298	0.23 369	0.20 326	0.41 382	0.33 362

FBW_ROB	0.83 375	0.77 297	1.77 138	0.44 329	0.30 262	0.87 380	0.46 333	1.10 411	0.91 386	0.81 374	0.75 342	1.01 389	0.61 328	3.66 452	1.23 374	0.26 383	0.23 362	0.36 404	0.25 350	0.27 295	0.62 422

StereoDRNet	0.64 299	0.88 334	2.35 315	0.41 313	0.45 372	0.73 327	0.47 341	0.94 332	0.74 321	0.75 358	0.54 199	0.74 316	0.47 269	1.70 326	0.72 315	0.15 281	0.14 259	0.15 287	0.14 230	0.20 213	0.19 239

CBMV_ROB	0.76 356	0.42 160	2.68 370	0.33 196	0.22 167	0.74 330	0.47 341	0.96 349	0.76 343	1.04 401	0.96 378	0.88 362	0.93 389	2.06 381	1.19 369	0.22 365	0.24 365	0.27 384	0.25 350	0.25 269	0.28 329

XPNet_ROB	0.61 287	0.72 280	1.66 99	0.37 276	0.27 236	0.67 289	0.47 341	0.89 291	0.71 295	0.78 367	0.70 326	0.81 340	0.53 294	1.70 326	0.76 322	0.21 352	0.16 298	0.16 304	0.15 252	0.20 213	0.21 259

fast-acv-ft	0.63 295	0.88 334	3.10 413	0.38 290	0.30 262	0.79 356	0.48 344	0.69 142	0.72 303	0.58 263	0.78 348	0.76 325	0.60 320	0.67 194	0.73 318	0.15 281	0.15 282	0.18 340	0.17 287	0.37 362	0.16 191

FINET	0.65 307	0.95 356	3.06 410	0.35 238	0.40 349	0.58 171	0.48 344	0.92 316	1.10 411	0.57 247	0.68 309	0.47 178	0.44 249	1.15 263	0.60 288	0.23 368	0.21 351	0.17 321	0.15 252	0.26 287	0.25 308

EDNetEfficientorigin	8.18 466	0.98 369	145.96 486	0.51 368	0.89 428	0.72 322	0.48 344	0.85 262	1.56 435	2.12 441	1.49 415	1.29 416	1.31 415	1.83 349	2.13 415	0.13 228	0.12 228	0.17 321	0.18 297	0.39 376	0.45 403

DeepPrunerF	0.86 379	0.86 328	2.91 399	0.45 343	0.50 384	0.64 265	0.48 344	1.14 416	2.64 451	0.63 310	0.61 255	0.65 265	0.62 333	2.21 392	1.31 377	0.23 368	0.19 334	0.30 395	0.28 363	0.36 355	0.25 308

ADCRef	0.80 368	0.96 358	2.29 305	0.37 276	0.35 316	0.96 390	0.51 348	0.87 280	0.75 334	0.88 385	0.83 355	0.61 247	1.36 420	1.02 244	3.27 439	0.13 228	0.11 204	0.17 321	0.19 316	0.25 269	0.21 259

PASM	0.72 339	0.68 267	1.91 215	0.47 352	0.44 364	0.60 197	0.51 348	0.76 189	0.80 360	0.77 365	0.67 301	0.87 358	0.61 328	2.40 407	0.67 303	0.32 399	0.35 402	0.36 404	0.41 410	0.45 396	0.39 389

ETE_ROB	0.60 279	0.71 276	1.55 82	0.37 276	0.25 211	0.69 307	0.51 348	1.47 432	0.70 286	0.80 369	0.69 316	0.85 352	0.49 282	1.36 278	0.58 284	0.16 299	0.13 244	0.19 346	0.16 271	0.21 221	0.23 289

anonymity	0.80 368	0.66 264	1.29 35	0.59 396	0.75 420	0.67 289	0.52 351	0.95 344	0.71 295	0.94 392	0.70 326	0.67 279	0.87 382	0.71 208	1.35 380	0.64 424	0.62 434	0.58 420	1.44 459	0.60 416	0.65 425

RAFT + AFF	0.64 299	1.20 406	1.95 231	0.34 223	0.33 298	0.67 289	0.52 351	0.99 373	0.74 321	0.53 197	0.58 232	0.57 230	0.80 370	1.76 334	0.51 258	0.12 199	0.27 386	0.15 287	0.14 230	0.43 388	0.29 335

PA-Net	0.84 377	1.00 375	3.49 435	0.63 402	0.40 349	0.70 314	0.52 351	0.86 271	0.84 370	0.52 187	0.59 235	0.70 302	0.54 297	2.35 399	2.23 418	0.17 313	0.27 386	0.19 346	0.28 363	0.22 235	0.36 376
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
Ntro	1.00 397	1.68 439	2.80 388	0.95 429	0.85 425	1.06 400	0.53 354	0.98 361	0.90 385	0.62 302	0.76 344	0.93 372	0.66 343	1.66 320	0.98 345	0.99 440	0.45 418	0.75 429	0.40 407	1.19 438	0.75 430

ACVNet-4b	1.93 443	1.85 448	4.10 448	1.07 434	0.86 426	1.15 411	0.53 354	1.06 405	1.12 413	0.64 319	1.09 396	1.99 433	0.70 351	2.20 391	9.86 468	5.62 466	0.41 417	1.03 441	0.55 423	1.86 455	0.85 436

RAFT_R40	0.50 201	0.21 13	1.76 129	0.50 364	0.40 349	0.61 217	0.53 354	0.56 86	0.60 181	0.56 236	0.54 199	0.55 212	0.51 287	1.57 306	0.53 264	0.11 151	0.07 14	0.12 171	0.10 86	0.16 134	0.09 23

HBP-ISP	0.76 356	1.30 416	3.19 423	0.35 238	0.26 224	0.85 374	0.54 357	1.03 399	0.72 303	0.80 369	0.69 316	0.68 285	0.83 374	2.04 379	0.44 229	0.23 368	0.24 365	0.29 394	0.25 350	0.28 301	0.24 299

IPLGR	0.54 240	0.56 223	2.68 370	0.36 256	0.18 96	0.62 237	0.54 357	1.02 392	0.64 233	0.73 355	0.46 125	0.47 178	0.45 253	1.12 258	0.29 119	0.09 23	0.08 68	0.11 120	0.09 53	0.19 199	0.12 86

FAT-Stereo	0.70 329	0.54 213	2.88 392	0.36 256	0.29 252	0.62 237	0.54 357	0.97 357	0.87 376	0.76 361	0.92 371	0.94 376	0.80 370	1.84 354	0.57 279	0.18 324	0.19 334	0.17 321	0.16 271	0.22 235	0.25 308

Consistency-Raft	0.88 382	0.93 348	3.23 427	0.99 432	0.64 412	0.77 347	0.55 360	0.98 361	0.97 394	0.61 291	1.03 390	0.65 265	1.05 401	0.79 225	1.38 382	0.44 409	0.46 420	0.51 418	0.58 431	0.65 418	0.47 406

ICVP	0.46 156	0.29 78	2.41 325	0.33 196	0.22 167	0.59 187	0.55 360	0.75 177	0.50 99	0.44 112	0.60 248	0.49 191	0.35 160	0.53 154	0.37 186	0.16 299	0.16 298	0.14 261	0.11 143	0.15 101	0.15 168
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ccnet	0.71 336	0.41 153	1.59 86	0.40 307	0.45 372	1.06 400	0.55 360	0.98 361	0.71 295	0.88 385	0.97 380	0.82 344	0.88 385	1.68 323	0.94 341	0.32 399	0.26 380	0.32 399	0.27 360	0.34 343	0.30 343

LALA_ROB	0.60 279	0.76 289	1.69 103	0.36 256	0.29 252	0.79 356	0.55 360	0.94 332	0.77 347	0.81 374	0.67 301	0.94 376	0.49 282	0.99 241	0.73 318	0.21 352	0.15 282	0.20 354	0.18 297	0.23 244	0.21 259

PSMNet_ROB	0.66 311	1.01 379	2.33 310	0.38 290	0.31 278	0.72 322	0.55 360	0.86 271	0.69 278	0.54 209	0.60 248	0.75 321	0.47 269	2.00 377	0.82 333	0.17 313	0.13 244	0.19 346	0.19 316	0.24 259	0.27 324

ACRE	0.56 258	1.14 396	2.77 384	0.76 413	0.28 246	0.60 197	0.56 365	0.76 189	0.58 170	0.55 226	0.62 260	0.41 120	0.29 126	0.44 98	0.39 203	0.11 151	0.19 334	0.13 227	0.14 230	0.36 355	0.18 227

PVD	0.90 384	0.85 327	2.15 279	0.53 378	0.50 384	0.99 393	0.56 365	1.15 419	1.64 436	1.41 430	1.41 414	1.11 408	1.13 408	1.35 277	1.31 377	0.26 383	0.28 388	0.28 387	0.26 356	0.37 362	0.49 409

TDLM	0.67 314	0.92 342	1.76 129	0.37 276	0.24 196	0.66 283	0.56 365	0.82 242	0.74 321	1.16 409	0.62 260	0.61 247	0.48 277	2.70 430	0.50 255	0.20 346	0.11 204	0.35 402	0.14 230	0.32 328	0.16 191

pmcnn	1.32 420	1.05 385	2.77 384	0.74 412	1.43 449	0.72 322	0.56 365	0.96 349	0.91 386	0.99 396	2.92 451	6.01 462	0.70 351	2.38 403	3.32 441	0.13 228	0.10 159	0.08 4	0.06 8	0.34 343	0.22 269

CIPLG	0.56 258	1.19 405	2.46 336	0.80 417	0.31 278	0.61 217	0.57 369	0.76 189	0.57 160	0.56 236	0.63 272	0.41 120	0.30 134	0.45 107	0.40 209	0.11 151	0.20 343	0.13 227	0.13 202	0.35 351	0.19 239

iRaft-Stereo_20w	0.58 269	0.39 145	1.96 240	0.45 343	0.32 285	0.92 387	0.57 369	1.14 416	0.56 157	0.81 374	0.40 97	0.55 212	0.69 349	0.65 191	1.04 359	0.09 23	0.16 298	0.09 30	0.36 399	0.17 155	0.25 308

ADCMid	0.96 393	1.32 420	2.74 380	0.38 290	0.35 316	0.99 393	0.58 371	0.94 332	0.86 373	1.23 418	1.01 386	1.01 389	1.00 396	1.05 248	3.97 447	0.21 352	0.19 334	0.42 413	0.32 382	0.40 380	0.29 335

MDST_ROB	1.17 411	0.42 160	3.87 441	0.54 381	0.44 364	4.11 461	0.58 371	1.31 427	0.84 370	2.12 441	1.12 398	0.98 383	0.71 353	4.24 457	0.99 350	0.16 299	0.14 259	0.19 346	0.17 287	0.18 179	0.35 368

otaku	1.03 400	1.68 439	2.72 376	0.95 429	0.73 419	1.03 398	0.59 373	0.99 373	0.86 373	0.69 341	1.61 418	0.98 383	0.64 336	1.46 288	1.14 365	0.95 437	0.46 420	0.72 428	0.40 407	1.24 442	0.78 433

DeepStereo_RVC	0.44 129	0.28 73	1.92 218	0.49 362	0.17 69	0.60 197	0.59 373	0.50 47	0.52 112	0.49 161	0.45 119	0.39 106	0.86 381	0.45 107	0.33 165	0.11 151	0.08 68	0.11 120	0.09 53	0.15 101	0.19 239

Wz-Net-SNSev	0.76 356	1.32 420	3.11 415	0.40 307	0.31 278	0.71 316	0.60 375	0.98 361	0.87 376	0.67 332	0.83 355	0.96 379	0.60 320	1.67 322	0.97 344	0.16 299	0.15 282	0.16 304	0.17 287	0.36 355	0.24 299

Wz-Net-MNSev	0.65 307	0.97 366	2.19 287	0.36 256	0.33 298	0.90 383	0.60 375	0.92 316	0.81 364	0.75 358	0.72 334	0.73 310	0.65 338	1.39 279	0.71 311	0.16 299	0.13 244	0.14 261	0.14 230	0.24 259	0.18 227

FCDSN-DC	1.29 419	0.54 213	2.50 344	0.47 352	0.41 356	1.12 407	0.60 375	1.10 411	1.27 423	2.23 447	2.87 448	3.67 449	3.12 455	2.39 406	1.69 396	0.30 396	0.26 380	0.31 396	0.30 372	0.35 351	0.38 385
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
IPLG	0.69 325	0.84 323	2.43 331	0.35 238	0.21 146	1.65 431	0.61 378	1.36 429	0.58 170	1.39 429	0.51 168	0.37 95	0.87 382	1.41 281	0.36 181	0.09 23	0.07 14	0.14 261	0.12 175	0.32 328	0.11 55

IPLGR_C	0.58 269	1.25 412	2.72 376	0.80 417	0.31 278	0.60 197	0.61 378	0.76 189	0.58 170	0.56 236	0.62 260	0.41 120	0.31 142	0.43 92	0.40 209	0.11 151	0.22 356	0.13 227	0.15 252	0.35 351	0.19 239

HHNet	0.60 279	0.65 258	2.60 362	0.36 256	0.25 211	0.64 265	0.61 378	0.64 121	0.62 214	0.55 226	1.13 399	0.32 77	0.60 320	0.42 89	1.79 401	0.15 281	0.07 14	0.12 171	0.10 86	0.18 179	0.15 168

GANetREF_RVC	0.75 353	1.15 400	2.46 336	0.47 352	0.26 224	0.83 368	0.61 378	0.97 357	0.89 383	0.62 302	0.61 255	0.72 307	0.59 318	2.42 409	0.55 269	0.32 399	0.25 378	0.36 404	0.24 343	0.39 376	0.31 350
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
ADCPNet	0.99 394	0.99 373	3.93 445	0.37 276	0.68 415	1.36 417	0.62 382	0.87 280	0.76 343	0.78 367	0.81 352	1.08 402	1.18 409	1.14 261	2.49 425	0.21 352	0.69 442	0.21 360	0.95 450	0.29 304	0.37 382

MSMD_ROB	1.34 422	0.96 358	2.38 320	0.39 298	0.32 285	1.96 441	0.62 382	0.91 307	1.43 429	2.94 458	2.60 443	4.77 458	1.95 440	2.43 411	1.33 379	0.29 393	0.26 380	0.32 399	0.32 382	0.30 315	0.30 343

DisPM	0.43 119	0.33 106	1.78 143	0.57 391	0.18 96	0.59 187	0.63 384	0.53 68	0.61 196	0.60 284	0.53 189	0.38 102	0.26 83	0.75 213	0.29 119	0.12 199	0.07 14	0.12 171	0.11 143	0.11 29	0.14 135

NVStereoNet_ROB	1.16 410	0.95 356	2.54 353	0.58 393	0.55 396	0.78 352	0.63 384	1.00 381	1.08 409	1.03 399	4.07 458	1.48 425	1.22 410	2.88 438	1.27 376	0.50 414	0.46 420	0.54 419	0.62 434	0.50 403	0.63 424
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
FC-DCNN v2	1.54 435	0.58 227	2.80 388	0.44 329	0.39 341	2.05 446	0.66 386	1.90 446	1.84 443	2.79 456	2.97 452	4.41 456	3.07 453	2.65 426	2.30 421	0.29 393	0.26 380	0.31 396	0.30 372	0.32 328	0.38 385

ACVNet_1	1.33 421	1.91 452	4.03 446	1.09 436	0.88 427	1.19 414	0.66 386	1.24 423	1.17 416	0.94 392	0.96 378	3.09 445	1.04 400	2.37 400	1.11 363	1.04 441	0.48 426	1.03 441	0.48 417	1.12 435	0.83 435

SST-Stereo	0.52 229	0.20 8	1.76 129	0.62 401	0.53 391	0.62 237	0.66 386	0.55 83	0.61 196	0.58 263	0.53 189	0.52 203	0.60 320	1.59 312	0.29 119	0.11 151	0.07 14	0.12 171	0.10 86	0.16 134	0.10 41

DRaft	0.62 292	0.38 136	1.76 129	0.24 11	0.16 45	0.64 265	0.66 386	0.53 68	0.53 130	0.67 332	0.99 383	0.38 102	1.00 396	1.44 283	2.10 414	0.10 96	0.14 259	0.10 70	0.14 230	0.18 179	0.21 259

GANet	0.75 353	0.84 323	2.01 247	0.40 307	0.25 211	0.74 330	0.66 386	0.87 280	0.73 317	0.71 348	1.07 395	0.84 349	0.59 318	2.71 432	1.15 367	0.17 313	0.16 298	0.44 415	0.16 271	0.31 322	0.20 253

FC-DCNN	1.49 433	0.59 228	2.88 392	0.44 329	0.39 341	1.97 443	0.66 386	1.67 440	1.70 438	2.72 455	2.89 449	4.22 452	2.97 452	2.55 421	2.19 416	0.29 393	0.26 380	0.31 396	0.30 372	0.32 328	0.39 389

NCCL2	0.65 307	0.94 350	1.96 240	0.43 324	0.30 262	0.71 316	0.68 392	0.84 258	0.65 246	0.70 344	0.60 248	0.86 356	0.54 297	1.56 304	0.57 279	0.20 346	0.16 298	0.67 425	0.25 350	0.22 235	0.24 299

SPS-STEREO	1.07 403	1.13 395	2.88 392	0.65 406	0.69 416	0.99 393	0.68 392	1.05 404	0.87 376	1.36 425	1.23 402	1.46 424	0.94 392	1.87 356	1.72 398	0.66 425	0.61 433	0.58 420	0.57 429	0.65 418	0.77 432
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
coex-ft	5.95 464	1.67 437	60.57 484	0.34 223	0.30 262	0.77 347	0.69 394	0.74 167	4.41 456	19.22 476	2.15 432	1.62 428	7.97 465	1.81 348	8.96 465	0.44 409	2.08 462	0.18 340	0.19 316	0.38 368	4.62 467

CRE-IMP	0.41 98	0.22 23	1.76 129	0.48 360	0.17 69	0.79 356	0.69 394	0.52 60	0.52 112	0.47 132	0.42 104	0.45 157	0.26 83	0.41 84	0.31 145	0.11 151	0.07 14	0.12 171	0.09 53	0.17 155	0.23 289

MeshStereo	1.21 413	1.15 400	3.01 407	0.34 223	0.28 246	1.10 406	0.69 394	1.35 428	1.01 400	2.71 454	2.41 439	2.96 443	1.45 426	2.80 436	1.40 385	0.22 365	0.22 356	0.22 362	0.19 316	0.50 403	0.26 317
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
S-Stereo	0.80 368	0.69 271	3.89 442	0.39 298	0.37 334	0.69 307	0.70 397	0.94 332	0.98 397	0.62 302	0.91 370	0.83 346	0.60 320	2.37 400	0.66 300	0.18 324	0.21 351	0.17 321	0.18 297	0.30 315	0.35 368

Wz-Net-TNSev	0.91 385	1.73 443	3.08 411	0.36 256	0.31 278	1.00 396	0.71 398	1.06 405	0.97 394	0.71 348	0.72 334	1.09 404	0.87 382	2.42 409	1.59 393	0.20 346	0.20 343	0.16 304	0.20 326	0.44 395	0.35 368

WZ-Net	0.92 387	1.31 417	3.76 439	0.41 313	0.36 323	0.86 376	0.71 398	1.00 381	1.06 407	0.82 378	0.92 371	1.06 400	1.05 401	2.16 389	1.61 394	0.19 338	0.13 244	0.15 287	0.16 271	0.32 328	0.28 329

WCMA_ROB	1.12 404	0.83 321	2.66 368	0.58 393	0.34 305	1.17 413	0.71 398	0.93 324	0.94 390	1.74 437	2.63 445	3.09 445	1.71 436	1.70 326	1.84 403	0.26 383	0.21 351	0.20 354	0.21 331	0.28 301	0.43 400

G-Net	0.99 394	0.64 252	2.76 382	0.57 391	0.67 414	2.03 445	0.72 401	0.76 189	0.67 267	1.14 408	2.56 442	1.30 419	1.02 398	1.48 296	1.74 399	0.25 380	0.24 365	0.24 375	0.26 356	0.37 362	0.31 350

NRIStereo	0.46 156	0.25 38	1.77 138	0.47 352	0.16 45	0.95 389	0.74 402	0.51 49	0.56 157	0.48 150	0.39 92	0.59 239	0.29 126	0.77 220	0.32 155	0.11 151	0.13 244	0.11 120	0.09 53	0.21 221	0.24 299

DPSNet	0.86 379	0.60 229	2.34 312	0.58 393	0.36 323	1.07 405	0.75 403	1.30 426	1.05 404	0.70 344	0.68 309	0.94 376	1.29 412	2.08 383	1.82 402	0.26 383	0.23 362	0.16 304	0.17 287	0.48 399	0.40 393

MFMNet_re	0.92 387	1.28 414	2.53 347	0.82 421	0.76 423	0.90 383	0.75 403	0.98 361	1.04 403	1.03 399	1.05 394	0.84 349	0.94 392	0.83 227	0.72 315	0.68 426	0.60 432	0.63 423	0.60 433	0.77 426	0.74 428

RainbowNet	1.15 408	1.78 444	2.72 376	1.12 439	0.91 430	1.06 400	0.76 405	1.16 420	1.13 415	0.75 358	0.97 380	1.09 404	0.80 370	1.60 313	1.21 372	1.17 445	1.26 455	1.01 440	0.57 429	1.13 436	0.88 440

PFNet+	0.45 147	0.37 131	1.86 193	0.46 347	0.18 96	0.58 171	0.77 406	0.52 60	0.64 233	0.56 236	0.48 140	0.39 106	0.26 83	0.93 235	0.32 155	0.13 228	0.09 127	0.14 261	0.13 202	0.12 40	0.15 168

RTS	1.21 413	1.31 417	6.39 460	0.52 372	0.51 389	1.61 427	0.79 407	1.03 399	1.37 427	1.13 406	1.30 407	1.10 406	0.85 378	2.65 426	2.08 411	0.21 352	0.24 365	0.18 340	0.18 297	0.43 388	0.32 355

RTSA	1.21 413	1.31 417	6.39 460	0.52 372	0.51 389	1.61 427	0.79 407	1.03 399	1.37 427	1.13 406	1.30 407	1.10 406	0.85 378	2.65 426	2.08 411	0.21 352	0.24 365	0.18 340	0.18 297	0.43 388	0.32 355

ADCP+	0.94 389	1.12 392	3.14 417	0.34 223	0.39 341	1.06 400	0.79 407	0.89 291	0.80 360	0.66 328	0.67 301	0.85 352	1.55 430	0.93 235	4.55 454	0.13 228	0.11 204	0.16 304	0.15 252	0.26 287	0.25 308

CBMV	0.71 336	0.76 289	2.64 365	0.33 196	0.20 136	0.78 352	0.79 407	0.98 361	0.78 352	0.85 384	0.71 330	0.86 356	1.10 406	1.46 288	0.62 292	0.18 324	0.20 343	0.21 360	0.19 316	0.25 269	0.33 362
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ADCS	1.05 402	1.36 425	2.98 405	0.42 321	0.36 323	0.96 390	0.81 411	1.06 405	1.12 413	1.25 419	0.97 380	1.08 402	0.90 387	1.25 273	4.86 456	0.21 352	0.21 351	0.22 362	0.23 341	0.36 355	0.38 385

ACVNet_2	1.42 430	1.81 445	3.23 427	1.08 435	0.92 431	1.32 415	0.85 412	1.49 434	1.69 437	1.19 417	1.73 422	2.13 435	1.03 399	2.50 417	1.40 385	0.91 434	0.53 428	1.00 439	0.55 423	2.11 457	0.85 436

SANet	1.20 412	1.21 407	3.33 432	0.38 290	0.27 236	1.73 435	0.85 412	1.10 411	2.49 450	1.16 409	1.83 424	1.72 429	1.50 429	2.37 400	2.84 431	0.18 324	0.16 298	0.16 304	0.15 252	0.32 328	0.32 355

DSFCA	0.54 240	0.35 123	1.41 54	0.28 80	0.28 246	0.79 356	0.88 414	0.76 189	0.70 286	0.72 351	0.66 298	0.67 279	0.57 311	1.17 264	0.63 294	0.16 299	0.14 259	0.13 227	0.14 230	0.16 134	0.13 120

DEmStereo	0.68 321	0.31 96	2.25 299	0.42 321	0.17 69	0.66 283	0.89 415	0.51 49	0.59 177	0.60 284	1.01 386	0.45 157	1.26 411	1.54 302	2.26 420	0.10 96	0.08 68	0.10 70	0.10 86	0.10 16	0.11 55

SuperB	1.15 408	1.14 396	5.43 458	0.36 256	0.26 224	0.81 363	0.89 415	0.88 285	1.17 416	0.67 332	0.68 309	0.63 254	1.39 423	1.74 332	3.37 442	0.15 281	0.12 228	0.17 321	0.16 271	2.80 461	0.25 308

IMH	2.02 445	2.15 462	2.69 373	1.68 450	1.12 444	1.66 432	0.92 417	2.10 449	1.92 444	1.32 424	2.66 446	2.21 437	1.69 435	5.78 460	1.68 395	5.54 465	0.96 452	1.31 449	0.71 440	1.32 447	0.99 447

MFN_U_SF_DS_RVC	1.01 399	1.67 437	2.32 307	0.47 352	0.39 341	1.47 420	0.95 418	0.95 344	0.91 386	0.84 381	0.94 375	1.05 398	0.60 320	2.95 439	0.72 315	0.41 407	0.72 446	0.32 399	0.55 423	0.74 423	1.22 452

WAO-8	2.80 451	2.14 460	2.89 395	1.91 457	1.04 439	3.98 459	0.96 419	3.26 459	6.17 459	2.15 445	3.37 455	3.31 447	2.41 446	11.84 468	2.03 409	2.05 459	1.86 459	1.54 455	0.92 448	1.22 439	0.87 438

Venus	2.80 451	2.14 460	2.89 395	1.91 457	1.04 439	3.98 459	0.96 419	3.26 459	6.17 459	2.15 445	3.37 455	3.31 447	2.41 446	11.84 468	2.03 409	2.05 459	1.86 459	1.54 455	0.92 448	1.22 439	0.87 438

TorneroNet-64	2.65 447	1.83 446	3.30 429	1.46 447	1.20 445	3.89 458	0.99 421	3.51 463	6.71 462	2.56 452	4.60 460	4.22 452	3.85 458	3.33 446	3.14 437	1.19 446	0.65 435	1.39 452	0.79 444	3.31 463	1.15 450

MSC_U_SF_DS_RVC	1.34 422	1.70 441	2.50 344	0.56 389	0.40 349	2.15 448	0.99 421	1.24 423	1.26 422	1.02 398	1.10 397	1.29 416	0.88 385	3.10 443	1.08 361	1.66 455	0.83 448	0.68 426	0.88 447	1.57 449	1.80 462

NaN_ROB	1.14 406	0.94 350	2.96 401	0.53 378	0.56 398	1.13 409	0.99 421	0.98 361	1.00 398	1.09 404	0.87 365	0.77 327	1.06 403	5.90 461	2.72 428	0.16 299	0.23 362	0.16 304	0.24 343	0.22 235	0.36 376

Dean	1.79 440	1.83 446	3.92 443	1.29 443	1.07 441	1.55 425	1.00 424	1.95 448	2.33 447	1.47 433	4.19 459	4.26 455	1.33 418	2.21 392	1.48 389	1.14 444	0.68 441	1.18 443	0.74 441	1.24 442	0.98 443

aanetorigin	0.77 360	0.80 309	2.59 359	0.43 324	0.44 364	0.58 171	1.01 425	0.57 89	0.68 269	1.53 434	1.23 402	0.81 340	1.08 404	1.07 249	1.07 360	0.18 324	0.15 282	0.17 321	0.21 331	0.54 410	0.30 343

WAO-6	1.58 437	1.54 430	2.32 307	1.14 440	1.00 435	2.30 450	1.03 426	1.82 444	2.85 453	1.25 419	2.61 444	2.20 436	1.56 431	2.47 415	1.99 407	0.95 437	0.67 437	1.19 446	0.83 445	1.08 434	0.88 440

LVE	1.96 444	2.17 463	3.14 417	1.68 450	1.80 458	1.63 429	1.03 426	2.34 451	2.81 452	1.25 419	2.89 449	4.24 454	1.29 412	2.79 435	1.44 387	2.85 462	0.91 451	1.18 443	1.46 460	1.23 441	1.10 449

TorneroNet	5.50 463	1.92 453	3.16 419	1.47 448	1.25 448	14.07 470	1.06 428	4.90 464	20.99 481	10.17 465	16.48 473	11.88 470	6.93 464	3.34 447	4.20 451	1.30 449	0.69 442	1.45 454	0.86 446	2.61 460	1.20 451

MADNet+	1.36 424	1.93 454	5.95 459	0.81 420	0.59 404	1.57 426	1.09 429	1.39 431	1.22 419	0.84 381	1.01 386	1.25 415	1.12 407	3.19 444	2.36 423	0.45 411	0.47 423	0.38 410	0.34 389	0.59 413	0.57 417

WAO-7	1.48 432	1.63 433	2.49 341	0.93 427	0.75 420	1.72 434	1.10 430	1.84 445	1.96 445	1.43 431	2.54 441	1.97 432	1.61 433	3.06 441	2.08 411	0.69 427	0.66 436	0.94 436	0.74 441	0.80 428	0.69 427

notaker	2.66 448	2.07 456	3.31 431	2.61 462	1.43 449	1.76 436	1.11 431	2.76 455	1.79 442	2.26 448	11.53 469	3.96 450	4.29 459	3.09 442	2.76 430	1.55 454	0.88 450	1.70 460	1.07 454	2.00 456	1.35 454

LSM	3.31 457	1.11 391	5.29 457	9.40 470	30.65 480	0.84 370	1.12 432	0.91 307	1.22 419	1.36 425	2.19 433	0.93 372	0.83 374	1.66 320	0.90 339	0.21 352	0.31 395	0.24 375	0.28 363	0.39 376	6.33 468

AnyNet_C32	1.00 397	1.33 422	2.53 347	0.49 362	0.54 393	1.15 411	1.14 433	0.91 307	0.89 383	1.11 405	0.95 377	0.87 358	0.93 389	1.50 297	4.07 449	0.21 352	0.20 343	0.25 380	0.24 343	0.38 368	0.33 362

CSAN	1.25 417	1.12 392	3.04 408	0.51 368	0.37 334	1.06 400	1.15 434	1.22 421	1.08 409	1.17 414	1.91 426	1.04 396	1.31 415	5.96 462	2.43 424	0.26 383	0.22 356	0.24 375	0.24 343	0.31 322	0.30 343

PSM-AAD	0.63 295	0.22 23	1.77 138	0.37 276	0.23 183	0.86 376	1.17 435	0.59 100	0.60 181	0.64 319	0.71 330	0.68 285	2.93 450	0.65 191	0.31 145	0.09 23	0.07 14	0.17 321	0.15 252	0.13 66	0.33 362

IMH-64-1	1.39 427	1.64 435	1.86 193	1.36 444	1.11 442	1.39 418	1.19 436	1.76 441	1.45 430	1.16 409	2.21 434	1.53 426	1.38 421	1.98 373	1.52 390	1.29 447	0.67 437	1.27 447	0.69 438	1.29 444	0.98 443

IMH-64	1.39 427	1.64 435	1.86 193	1.36 444	1.11 442	1.39 418	1.19 436	1.76 441	1.45 430	1.16 409	2.21 434	1.53 426	1.38 421	1.98 373	1.52 390	1.29 447	0.67 437	1.27 447	0.69 438	1.29 444	0.98 443

DANet	0.80 368	0.65 258	2.21 289	1.19 441	0.48 382	0.74 330	1.25 438	0.89 291	1.53 433	0.89 387	0.71 330	0.96 379	0.56 306	1.83 349	0.96 343	0.18 324	0.16 298	0.19 346	0.16 271	0.26 287	0.29 335
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
KSHMR	4.10 459	1.97 455	5.27 456	1.71 452	1.47 453	1.96 441	1.28 439	3.19 457	17.33 476	2.12 441	15.91 471	9.18 465	1.57 432	8.42 466	1.98 406	1.52 453	1.26 455	1.67 459	1.19 456	1.67 451	1.40 456

SAMSARA	0.91 385	0.97 366	2.22 293	0.80 417	0.58 402	1.32 415	1.31 440	1.01 389	0.94 390	1.36 425	0.87 365	1.38 421	0.90 387	1.72 329	1.02 356	0.24 375	0.30 393	0.22 362	0.25 350	0.36 355	0.35 368

SGM-Forest	1.04 401	0.42 160	3.59 438	0.41 313	0.32 285	1.05 399	1.32 441	0.94 332	0.83 368	1.16 409	2.23 436	1.03 393	1.39 423	2.49 416	2.35 422	0.21 352	0.21 351	0.20 354	0.19 316	0.23 244	0.32 355
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
HanzoNet	7.64 465	2.86 465	5.05 454	7.01 468	3.97 462	2.18 449	1.34 442	3.37 462	4.05 455	13.17 470	10.58 463	10.73 467	16.52 473	8.45 467	10.51 469	10.48 473	9.72 475	5.59 469	13.46 474	6.84 469	6.83 469

AnyNet_C01	1.14 406	1.49 429	4.23 450	0.54 381	0.53 391	1.51 424	1.37 443	1.04 403	1.07 408	1.17 414	1.33 410	1.15 411	1.08 404	1.61 316	2.74 429	0.25 380	0.22 356	0.28 387	0.24 343	0.48 399	0.40 393

SGM_RVC	1.89 442	0.92 342	2.50 344	0.96 431	0.93 432	1.63 429	1.37 443	1.52 436	12.43 465	1.85 438	1.69 421	2.40 439	1.74 437	2.81 437	1.71 397	0.53 415	0.47 423	0.42 413	0.47 416	0.74 423	0.74 428
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MIPNet	0.83 375	0.81 314	2.40 324	0.61 400	0.18 96	1.48 421	1.39 445	1.60 438	0.74 321	1.94 439	0.85 362	0.73 310	1.68 434	0.87 233	0.31 145	0.09 23	0.08 68	0.11 120	0.32 382	0.25 269	0.12 86

UNDER WATER	2.74 449	1.85 448	4.54 452	1.81 455	1.44 451	2.34 451	1.40 446	3.24 458	6.60 461	2.60 453	2.76 447	5.75 460	5.24 462	3.02 440	4.01 448	1.45 451	0.81 447	1.59 458	1.06 453	1.80 453	1.51 458

EDNetEfficient	1.27 418	0.70 274	4.05 447	0.64 403	0.98 433	0.94 388	1.40 446	0.85 262	1.75 440	2.34 450	1.33 410	1.05 398	2.21 444	1.58 310	4.15 450	0.15 281	0.19 334	0.14 261	0.27 360	0.38 368	0.32 355

ktn	4.35 460	2.10 457	2.89 395	1.80 454	1.49 455	2.13 447	1.41 448	2.26 450	12.72 466	11.41 468	16.43 472	11.15 468	3.75 456	4.36 458	3.18 438	1.82 457	0.98 454	1.73 461	1.21 457	2.97 462	1.27 453

GrayStereo	0.66 311	0.19 4	1.76 129	0.90 424	0.23 183	0.62 237	1.42 449	0.62 115	0.60 181	0.72 351	0.78 348	0.56 224	3.07 453	0.60 176	0.26 88	0.09 23	0.08 68	0.10 70	0.21 331	0.11 29	0.18 227

UNDER WATER-64	2.47 446	1.89 450	4.86 453	1.82 456	1.44 451	3.18 457	1.57 450	2.62 452	5.64 458	2.05 440	2.13 431	4.13 451	3.76 457	2.62 424	3.42 443	1.47 452	0.85 449	1.57 457	1.07 454	1.82 454	1.49 457

PWCK	1.49 433	1.90 451	3.22 426	1.09 436	0.54 393	1.71 433	1.73 451	1.49 434	1.53 433	1.44 432	1.80 423	1.82 430	1.30 414	3.34 447	1.76 400	1.07 442	0.56 430	0.97 438	0.58 431	1.38 448	0.65 425

FTStereo	0.76 356	0.18 2	2.35 315	0.71 410	0.21 146	0.73 327	1.79 452	0.57 89	0.53 130	1.07 402	1.63 420	1.29 416	2.13 442	0.75 213	0.29 119	0.19 338	0.08 68	0.12 171	0.11 143	0.11 29	0.40 393

ADCL	0.99 394	0.79 307	2.43 331	0.39 298	0.32 285	1.50 423	1.90 453	0.92 316	0.97 394	1.26 422	1.27 404	1.00 388	1.42 425	1.14 261	3.31 440	0.17 313	0.14 259	0.22 362	0.21 331	0.30 315	0.22 269

EAI-Stereo	0.78 364	0.25 38	1.67 100	0.54 381	0.59 404	1.95 440	2.05 454	1.11 415	0.64 233	0.95 394	1.49 415	0.50 194	0.67 345	0.59 171	1.44 387	0.09 23	0.19 334	0.09 30	0.49 418	0.13 66	0.22 269

ELAS	1.39 427	0.79 307	2.86 391	0.53 378	0.50 384	2.81 455	2.20 455	1.61 439	1.50 432	2.28 449	2.35 437	1.82 430	2.13 442	1.73 330	2.22 417	0.35 403	0.37 406	0.35 402	0.35 392	0.49 401	0.47 406
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MADNet++	2.79 450	2.11 459	2.97 404	2.49 460	2.28 459	2.95 456	2.31 456	2.67 453	2.47 449	3.03 459	3.13 453	2.70 442	2.92 449	4.10 455	4.48 453	2.68 461	2.24 464	3.04 465	2.44 463	2.37 459	2.34 463

MANE	2.90 454	1.14 396	2.96 401	1.03 433	1.01 436	5.01 463	2.45 457	5.36 465	6.88 463	3.58 461	4.76 462	5.99 461	4.99 460	4.23 456	4.61 455	0.56 420	0.67 437	0.44 415	0.78 443	0.51 405	1.03 448

ELAS_RVC	1.37 426	0.78 305	3.21 425	0.55 387	0.50 384	1.49 422	2.48 458	1.48 433	1.71 439	2.13 444	2.09 429	2.07 434	2.56 448	1.90 365	2.02 408	0.35 403	0.36 404	0.37 408	0.34 389	0.49 401	0.47 406
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM+DAISY	1.83 441	1.43 426	3.81 440	0.87 422	1.01 436	2.38 452	2.53 459	1.36 429	1.75 440	2.92 457	3.22 454	2.65 441	2.93 450	2.22 395	3.10 436	0.72 428	0.69 442	0.63 423	0.62 434	0.77 426	0.98 443

THIR-Stereo	0.86 379	0.62 239	2.13 273	0.25 23	0.16 45	0.58 171	2.74 460	0.59 100	0.51 106	0.62 302	1.62 419	0.97 382	1.80 438	1.69 325	2.25 419	0.10 96	0.08 68	0.14 261	0.11 143	0.15 101	0.11 55

JetBlue	1.78 439	1.63 433	3.92 443	0.73 411	1.21 446	4.38 462	3.35 461	1.59 437	1.20 418	1.26 422	1.52 417	2.37 438	1.88 439	3.23 445	3.00 432	0.53 415	0.47 423	0.48 417	0.49 418	1.29 444	0.97 442

SGM-ForestM	2.98 455	1.70 441	3.52 437	0.67 408	0.47 380	5.18 464	3.36 462	3.30 461	2.86 454	4.44 462	3.79 457	9.80 466	5.50 463	6.29 463	6.52 461	0.27 388	0.36 404	0.24 375	0.27 360	0.38 368	0.58 419

LE_ROB	4.43 461	1.35 424	9.38 463	2.79 463	3.93 461	2.43 453	3.46 463	2.68 454	11.19 464	11.66 469	4.73 461	5.26 459	10.46 467	4.50 459	9.49 466	0.82 433	0.69 442	1.34 450	0.98 451	0.75 425	0.76 431

CrosDoStereo	0.94 389	0.37 131	2.53 347	0.25 23	0.32 285	0.54 111	3.76 464	0.72 155	0.60 181	0.70 344	1.40 412	0.53 205	1.49 427	1.78 337	3.09 434	0.10 96	0.08 68	0.11 120	0.11 143	0.21 221	0.11 55

DeepStereo_LL	0.94 389	0.37 131	2.53 347	0.25 23	0.32 285	0.54 111	3.76 464	0.72 155	0.60 181	0.70 344	1.40 412	0.53 205	1.49 427	1.78 337	3.09 434	0.10 96	0.08 68	0.11 120	0.11 143	0.21 221	0.11 55

JetRed	3.29 456	4.93 466	10.17 464	1.45 446	1.72 457	7.44 465	5.05 466	3.06 456	2.12 446	2.41 451	2.39 438	2.99 444	2.37 445	3.51 450	6.44 460	1.32 450	1.90 461	1.37 451	1.23 458	2.21 458	1.76 460

DGSMNet	2.89 453	0.63 250	3.18 422	3.43 465	4.17 463	2.57 454	6.98 467	0.97 357	0.83 368	0.56 236	1.86 425	0.79 335	0.62 333	1.64 318	1.39 383	4.61 464	5.01 467	5.17 468	4.71 467	4.44 467	4.19 466

BEATNet-Init1	12.10 469	11.19 469	27.29 482	2.99 464	3.51 460	21.84 481	11.10 468	14.34 474	13.83 471	20.34 477	20.33 478	26.35 484	20.03 475	19.06 479	14.80 474	1.74 456	1.81 458	2.05 463	2.49 464	3.69 465	3.12 465

HaxPig	19.86 475	22.40 481	22.34 475	17.95 475	17.95 473	11.77 469	11.89 469	16.02 477	15.89 475	21.10 478	21.41 479	18.74 477	18.39 474	20.08 480	19.69 477	23.63 482	23.22 480	24.06 478	23.69 478	23.00 478	23.95 480

MEDIAN_ROB	23.96 478	27.05 485	26.39 481	22.16 477	22.13 475	16.12 471	13.97 470	20.24 478	20.05 477	25.50 483	25.31 483	22.96 479	22.63 479	24.39 481	23.24 481	28.20 483	27.23 484	28.62 480	27.75 480	27.50 479	27.76 481

AVERAGE_ROB	26.93 482	30.34 486	29.27 483	25.82 478	25.34 476	19.48 477	15.17 471	23.55 482	23.00 482	28.45 484	27.87 484	26.25 483	25.86 485	26.96 485	25.55 482	31.30 484	30.07 485	31.76 481	30.81 481	30.79 483	30.93 482

tt	4.93 462	0.27 52	4.20 449	2.29 459	1.58 456	10.20 468	16.97 472	9.42 470	5.02 457	1.67 436	1.28 405	4.68 457	5.03 461	3.37 449	5.92 459	6.16 467	9.47 474	2.82 464	3.18 465	3.60 464	1.53 459

DPSimNet_ROB	17.97 474	20.20 480	24.98 478	17.62 474	15.92 472	21.53 480	21.00 473	13.70 472	15.61 474	23.89 482	14.69 470	22.87 478	24.58 484	12.70 473	14.56 472	18.48 477	12.91 476	20.21 477	12.05 472	17.76 473	14.17 475

DGTPSM_ROB	8.89 467	5.62 467	12.25 466	5.92 467	11.32 466	8.54 466	24.18 474	6.40 467	13.49 467	5.15 463	11.46 467	6.19 463	10.92 468	7.00 464	13.72 470	4.47 463	7.65 468	3.92 466	7.45 470	4.38 466	7.87 470

DPSMNet_ROB	9.48 468	5.64 468	13.01 470	8.82 469	11.82 467	8.54 466	24.20 475	6.41 468	13.65 470	5.32 464	11.47 468	6.33 464	10.92 468	7.69 465	13.89 471	7.25 472	8.19 470	5.06 467	7.78 471	5.31 468	8.26 471

xxxxx1	28.96 483	20.11 477	14.07 472	49.74 482	39.15 482	18.98 472	26.64 476	21.94 479	20.21 478	16.45 473	17.48 474	18.36 474	21.56 476	16.21 476	20.88 478	23.07 479	26.55 481	66.40 483	78.70 483	30.27 480	32.51 483

tt_ll	28.96 483	20.11 477	14.07 472	49.74 482	39.15 482	18.98 472	26.64 476	21.94 479	20.21 478	16.45 473	17.48 474	18.36 474	21.56 476	16.21 476	20.88 478	23.07 479	26.55 481	66.40 483	78.70 483	30.27 480	32.51 483

ff	28.96 483	20.11 477	14.07 472	49.74 482	39.15 482	18.98 472	26.64 476	21.94 479	20.21 478	16.45 473	17.48 474	18.36 474	21.56 476	16.21 476	20.88 478	23.07 479	26.55 481	66.40 483	78.70 483	30.27 480	32.51 483

Anonymous_1	22.91 476	11.20 470	12.13 465	12.75 471	26.28 479	19.43 476	27.92 479	14.08 473	13.61 468	14.96 471	10.58 463	11.26 469	11.19 470	12.55 472	14.57 473	38.28 485	7.88 469	34.96 482	63.99 482	89.57 485	10.94 474

DPSM_ROB	12.34 470	11.21 471	12.51 467	12.91 472	12.80 469	19.84 478	28.28 480	14.38 475	14.28 472	10.58 466	11.26 465	12.03 471	11.85 471	13.15 474	15.34 475	7.11 470	8.31 471	6.50 471	7.35 468	8.84 470	8.31 472

DPSM	12.34 470	11.21 471	12.51 467	12.91 472	12.80 469	19.84 478	28.28 480	14.38 475	14.28 472	10.58 466	11.26 465	12.03 471	11.85 471	13.15 474	15.34 475	7.11 470	8.31 471	6.50 471	7.35 468	8.84 470	8.31 472

LSM0	26.58 481	22.63 484	25.88 480	30.13 481	52.21 485	39.94 484	56.74 482	28.97 484	28.72 483	21.14 479	22.26 480	24.43 482	23.88 481	26.54 484	30.87 484	14.32 476	16.55 477	13.12 475	14.71 475	17.92 476	20.60 479

Selective-RAFT-Error	24.87 480	22.59 483	25.14 479	26.13 480	25.82 478	39.93 483	57.03 483	28.97 484	28.95 485	21.21 481	22.65 482	24.25 481	23.98 483	26.43 483	30.83 483	14.27 475	16.71 478	13.10 474	14.82 477	17.82 475	16.76 477

CasAABBNet	24.81 479	22.53 482	24.83 477	26.08 479	25.74 477	39.86 482	57.06 484	28.87 483	28.83 484	21.16 480	22.54 481	24.22 480	23.89 482	26.38 482	30.87 484	14.25 474	16.71 478	13.09 473	14.81 476	17.78 474	16.71 476

PML	23.15 477	16.83 473	7.78 462	5.49 466	9.93 465	51.13 485	104.50 485	5.76 466	13.62 469	37.30 485	105.93 485	30.86 485	23.50 480	12.07 470	7.87 464	6.30 468	2.12 463	6.32 470	2.43 462	10.44 472	2.90 464

test_example2	115.39 486	123.23 487	94.57 485	115.52 485	123.55 486	101.63 486	114.33 486	53.41 486	99.48 486	134.90 486	135.05 486	85.83 486	85.11 486	111.32 486	106.15 486	152.55 486	205.26 486	99.78 486	114.96 486	140.96 486	110.20 486

ASD4		19.65 475

Low-res two-view benchmark