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

riskmin	2.49 101	0.22 1	3.34 62	2.33 247	1.78 250	2.89 127	0.46 104	7.35 148	6.95 184	2.75 48	1.67 24	6.75 219	5.08 244	3.24 52	1.93 135	0.00 1	0.99 313	0.00 1	0.27 311	0.02 9	1.73 306

EGLCR-Stereo	1.45 14	0.26 2	2.91 28	1.94 196	0.90 174	3.13 142	0.69 160	5.81 79	3.21 24	1.14 29	0.20 3	1.52 60	0.37 17	4.29 73	0.69 15	0.01 102	0.79 288	0.00 1	0.00 1	0.01 3	1.21 267

knoymous	1.50 21	0.28 3	1.99 4	0.33 31	0.48 111	1.58 22	0.11 27	5.71 73	2.81 9	4.85 87	1.75 27	4.58 155	0.46 32	3.66 59	1.30 78	0.01 102	0.02 132	0.00 1	0.00 1	0.02 9	0.09 41

PSM-AAD	3.43 185	0.31 4	2.16 7	0.80 84	0.57 131	2.53 73	5.97 321	5.53 59	3.98 66	11.00 308	11.90 251	2.93 90	9.36 324	8.03 194	1.00 51	0.01 102	0.01 102	0.00 1	0.00 1	0.06 68	2.39 349

GrayStereo	3.86 212	0.33 5	2.63 18	1.66 158	0.62 137	3.09 138	7.92 350	6.43 114	3.88 62	10.61 296	16.51 301	5.75 199	8.40 311	6.75 131	1.58 96	0.01 102	0.00 1	0.01 245	0.62 351	0.04 44	0.38 153

Selective-IGEV	1.56 30	0.34 6	2.13 6	0.77 81	0.76 160	2.36 62	0.52 120	6.80 126	3.08 22	0.53 10	3.34 50	0.26 14	0.31 8	7.24 148	0.73 21	0.01 102	0.80 289	0.00 1	0.14 253	0.08 88	1.01 246

Any-RAFT	2.33 83	0.36 7	2.35 10	1.58 147	0.84 168	4.93 229	0.55 126	9.10 187	5.93 147	4.30 80	4.90 85	5.79 201	2.22 127	2.75 47	0.51 2	0.02 185	0.32 252	0.00 1	0.00 1	0.02 9	0.18 88

CAS	2.42 96	0.37 8	2.30 9	11.49 379	3.97 336	1.65 25	0.02 5	4.08 14	2.84 10	0.51 8	1.65 23	0.25 13	0.28 6	1.73 15	0.92 39	10.05 387	0.01 102	0.00 1	0.00 1	0.01 3	6.26 376

AE-Stereo	1.89 39	0.38 9	3.86 105	1.94 196	0.38 93	2.51 72	0.58 135	7.19 142	7.28 193	1.60 38	3.51 58	1.07 48	0.77 47	2.12 29	1.24 75	0.03 215	1.02 317	0.00 1	0.28 312	0.11 133	1.84 321

AEACV	1.27 8	0.38 9	2.61 15	1.75 173	1.21 212	2.44 68	0.85 196	4.79 29	1.67 1	0.71 15	0.26 6	0.29 18	2.00 119	2.30 36	0.66 10	0.01 102	0.95 302	0.00 1	0.42 339	0.12 150	2.07 339

test-3	2.19 69	0.38 9	3.88 111	1.55 145	0.91 177	1.39 12	0.80 180	5.36 56	5.51 129	7.36 199	1.90 30	4.05 134	0.42 23	6.67 129	1.17 64	0.00 1	0.99 313	0.00 1	0.28 312	0.20 217	1.08 256

test_1	2.18 67	0.38 9	3.87 106	1.54 144	0.91 177	1.38 11	0.80 180	5.36 56	5.53 131	7.12 184	1.86 29	4.05 134	0.41 21	6.65 127	1.17 64	0.00 1	0.99 313	0.00 1	0.28 312	0.20 217	1.08 256

s12784h	2.10 59	0.38 9	3.31 60	0.17 4	0.09 11	4.89 228	0.13 38	7.34 147	8.06 216	3.87 75	4.47 81	0.60 42	1.19 77	6.78 135	0.63 8	0.01 102	0.01 102	0.00 1	0.00 1	0.02 9	0.04 17

GLC_STEREO	0.87 1	0.39 14	1.55 2	0.72 70	0.01 1	1.98 43	0.55 126	3.52 4	3.54 42	0.96 25	1.63 22	0.19 1	0.41 21	1.29 7	0.58 4	0.00 1	0.01 102	0.00 1	0.00 1	0.05 59	0.08 37

test_3	2.22 73	0.39 14	4.20 136	1.51 141	0.90 174	1.29 9	0.74 174	5.34 50	6.37 161	6.64 160	1.96 32	4.24 148	0.45 30	6.63 125	1.17 64	0.00 1	1.00 316	0.00 1	0.28 312	0.19 211	1.01 246

GMM-Stereo	3.42 183	0.39 14	3.24 53	0.87 88	0.50 114	2.26 56	4.73 310	5.64 69	3.81 57	7.08 181	16.57 302	6.13 206	3.62 182	7.74 180	1.40 88	0.05 248	0.00 1	0.00 1	0.04 219	0.12 150	4.24 369

Prome-Stereo	3.73 204	0.39 14	2.62 17	1.05 105	0.52 124	2.06 49	4.58 307	4.88 33	3.95 64	9.34 268	20.39 328	4.03 133	7.02 288	7.86 185	1.31 80	0.00 1	0.00 1	0.00 1	0.00 1	0.07 83	4.52 370

CES	1.72 36	0.40 18	1.82 3	0.65 64	7.83 373	2.62 81	0.13 38	5.35 54	2.68 7	0.36 1	1.30 18	0.33 25	0.32 11	1.92 22	0.72 20	0.01 102	0.02 132	0.00 1	0.00 1	0.56 318	7.35 379

Gwc-CoAtRS	2.16 64	0.42 19	3.13 46	1.28 122	0.31 77	3.52 166	0.39 92	6.56 117	6.31 158	5.38 104	5.11 90	5.47 184	1.70 109	2.00 25	1.08 60	0.01 102	0.19 231	0.00 1	0.25 299	0.02 9	0.16 80

LoS	1.03 4	0.43 20	2.53 12	0.64 62	0.14 22	2.42 66	0.26 71	5.64 69	2.93 12	1.08 26	0.24 4	0.49 36	0.45 30	2.31 37	0.83 29	0.02 185	0.02 132	0.00 1	0.00 1	0.06 68	0.03 9

DCANet-4	2.26 77	0.43 20	6.69 253	0.40 42	0.20 47	1.70 30	0.13 38	5.73 74	9.44 250	6.01 126	5.29 96	1.12 49	2.77 149	2.49 44	2.21 152	0.01 102	0.00 1	0.01 245	0.00 1	0.02 9	0.61 200

tt	83.10 417	0.43 20	99.97 425	79.27 418	93.14 419	100.00 425	100.00 425	100.00 426	99.89 421	60.55 408	48.44 396	99.98 425	99.96 424	99.98 426	100.00 428	91.80 419	99.82 423	73.67 419	73.25 416	86.43 420	55.39 415

BUS	2.72 127	0.43 20	3.76 97	0.70 67	0.50 114	7.31 275	0.48 115	9.93 210	5.65 135	6.50 148	6.23 121	5.21 177	1.18 73	4.27 70	1.89 132	0.01 102	0.03 157	0.03 293	0.00 1	0.06 68	0.14 64

BSDual-CNN	2.91 140	0.43 20	3.76 97	0.70 67	0.50 114	6.97 265	1.58 243	9.93 210	5.65 135	6.50 148	6.23 121	6.17 208	2.50 137	4.27 70	2.67 177	0.01 102	0.03 157	0.03 293	0.00 1	0.06 68	0.14 64

psmg	3.34 173	0.43 20	3.76 97	0.73 73	0.50 114	8.47 292	2.74 267	10.88 237	5.65 135	8.91 250	8.78 179	6.17 208	2.50 137	4.27 70	2.67 177	0.01 102	0.04 171	0.06 311	0.00 1	0.12 150	0.10 46

KYRaft	3.68 198	0.43 20	2.53 12	0.89 89	0.49 113	2.28 59	3.89 293	5.30 47	3.82 59	8.99 254	19.28 323	6.54 216	4.96 239	7.92 189	0.96 47	0.01 102	0.00 1	0.00 1	0.01 173	0.06 68	5.17 371

CFNet-RSSM	2.26 77	0.43 20	3.24 53	1.28 122	0.31 77	3.19 146	0.40 93	7.62 158	7.29 194	5.88 116	4.68 82	5.32 181	1.68 107	2.26 35	1.04 55	0.01 102	0.09 203	0.00 1	0.31 322	0.03 26	0.16 80

PMTNet	1.48 20	0.43 20	2.77 25	0.31 25	0.17 36	2.94 129	0.33 84	3.66 7	5.27 119	1.11 28	1.28 17	0.28 16	0.92 54	4.32 74	0.90 36	4.89 375	0.00 1	0.00 1	0.00 1	0.03 26	0.05 23

HSM-Net_RVC	4.40 246	0.44 29	3.22 51	0.72 70	0.68 140	7.06 269	1.82 251	12.57 272	8.48 225	9.04 255	12.20 257	14.98 320	5.14 247	7.32 153	4.19 222	0.02 185	0.02 132	0.00 1	0.00 1	0.02 9	0.14 64
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
RAFT-Test	2.49 101	0.45 30	4.35 144	1.89 190	1.28 220	4.83 226	0.68 157	7.19 142	4.51 91	5.00 93	7.09 149	6.81 220	1.12 64	2.22 31	1.16 63	0.01 102	0.63 276	0.00 1	0.33 327	0.05 59	0.20 100

SST-Stereo	2.86 135	0.45 30	3.64 95	1.46 137	0.36 89	3.94 196	0.80 180	6.07 99	4.46 88	10.96 307	6.21 120	4.94 169	4.14 208	8.85 242	0.93 40	0.01 102	0.00 1	0.00 1	0.00 1	0.04 44	0.03 9

RCA-Stereo	2.19 69	0.46 32	3.22 51	0.47 53	0.33 83	2.27 57	0.47 106	5.60 67	15.20 320	2.86 50	5.61 107	0.78 44	3.15 157	1.71 13	0.48 1	0.00 1	0.90 295	0.00 1	0.00 1	0.10 122	0.26 123

RAFT_R40	2.83 132	0.46 32	3.85 103	1.38 131	0.32 82	3.78 189	0.97 208	6.16 103	4.82 109	9.74 281	6.35 130	4.96 170	3.94 202	8.78 239	1.05 56	0.01 102	0.00 1	0.00 1	0.00 1	0.04 44	0.03 9

pcwnet_v2	4.36 243	0.46 32	9.07 306	1.43 135	1.10 201	3.41 154	0.40 93	13.44 299	14.60 317	10.29 289	14.22 279	5.82 202	2.97 154	6.75 131	2.29 165	0.01 102	0.05 178	0.04 301	0.02 190	0.17 198	0.61 200

R-Stereo Train	2.60 115	0.46 32	2.94 30	1.10 109	0.18 39	3.61 170	0.60 139	6.88 129	3.50 30	9.13 259	17.23 309	1.77 66	0.77 47	2.03 26	1.65 109	0.00 1	0.01 102	0.00 1	0.00 1	0.01 3	0.21 104

RAFT-Stereo	2.60 115	0.46 32	2.94 30	1.10 109	0.18 39	3.61 170	0.60 139	6.88 129	3.50 30	9.13 259	17.23 309	1.77 66	0.77 47	2.03 26	1.65 109	0.00 1	0.01 102	0.00 1	0.00 1	0.01 3	0.21 104
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
CASnet	1.09 5	0.47 37	2.09 5	0.79 82	0.08 9	2.10 50	0.14 46	3.83 10	4.26 78	3.84 74	1.56 20	0.32 24	0.30 7	1.13 2	0.77 23	0.01 102	0.00 1	0.00 1	0.00 1	0.04 44	0.03 9
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
DisPM	2.59 113	0.47 37	4.32 142	1.89 190	0.20 47	3.42 155	0.63 146	5.56 65	5.60 133	8.66 242	7.05 147	2.82 88	1.03 61	9.05 253	1.07 59	0.02 185	0.00 1	0.00 1	0.00 1	0.02 9	0.04 17

PFNet+	2.52 104	0.47 37	4.97 179	0.95 98	0.18 39	3.12 141	0.73 171	4.98 36	6.97 185	7.95 215	6.38 131	2.51 81	1.18 73	8.05 196	1.82 124	0.03 215	0.00 1	0.00 1	0.00 1	0.02 9	0.05 23

ICVP	2.53 105	0.47 37	3.64 95	1.20 115	0.69 142	2.71 94	0.84 191	10.63 229	4.66 97	4.31 81	8.99 184	2.75 87	1.93 117	2.91 49	4.07 221	0.06 258	0.24 243	0.01 245	0.01 173	0.13 166	0.26 123
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
NF-Stereo	2.38 87	0.48 41	3.88 111	2.17 220	0.11 12	3.43 157	0.42 96	7.08 141	3.75 52	6.91 172	5.29 96	2.65 86	1.33 85	8.40 221	1.67 114	0.01 102	0.00 1	0.00 1	0.00 1	0.03 26	0.02 4

OCTAStereo	2.38 87	0.48 41	3.90 113	2.16 216	0.11 12	3.42 155	0.42 96	7.06 136	3.74 50	6.91 172	5.26 93	2.63 85	1.32 83	8.41 223	1.70 117	0.01 102	0.00 1	0.00 1	0.00 1	0.03 26	0.01 1

PSM-softLoss	2.38 87	0.48 41	4.28 139	1.94 196	0.19 42	2.73 97	0.38 89	6.67 120	3.50 30	6.33 139	6.33 128	2.93 90	0.97 56	8.90 244	1.88 129	0.01 102	0.00 1	0.00 1	0.00 1	0.03 26	0.03 9

KMStereo	2.38 87	0.48 41	4.28 139	1.94 196	0.19 42	2.73 97	0.38 89	6.67 120	3.50 30	6.33 139	6.33 128	2.93 90	0.97 56	8.90 244	1.88 129	0.01 102	0.00 1	0.00 1	0.00 1	0.03 26	0.03 9

RE-Stereo	2.38 87	0.48 41	3.91 114	2.17 220	0.11 12	3.43 157	0.42 96	7.07 138	3.75 52	6.91 172	5.26 93	2.62 83	1.33 85	8.41 223	1.72 119	0.01 102	0.00 1	0.01 245	0.00 1	0.03 26	0.01 1

TVStereo	2.38 87	0.48 41	3.91 114	2.17 220	0.11 12	3.43 157	0.42 96	7.07 138	3.75 52	6.91 172	5.26 93	2.62 83	1.33 85	8.41 223	1.72 119	0.01 102	0.00 1	0.01 245	0.00 1	0.03 26	0.01 1

cross-raft	2.25 76	0.48 41	2.96 37	1.87 186	0.94 180	3.72 185	0.47 106	7.61 157	4.15 71	5.37 103	5.68 109	6.17 208	1.40 90	2.15 30	1.06 57	0.01 102	0.22 237	0.00 1	0.19 272	0.03 26	0.41 163

XX-Stereo	2.95 146	0.48 41	7.08 266	2.84 291	2.51 288	1.63 23	0.20 59	6.15 102	3.38 28	2.38 45	16.00 296	6.90 223	0.25 2	6.40 117	1.14 61	0.00 1	0.66 278	0.00 1	0.31 322	0.16 192	0.57 190

MSKI-zero shot	2.23 75	0.49 49	2.49 11	1.60 148	0.81 165	2.69 91	0.29 75	6.82 127	2.50 5	4.37 82	7.61 159	3.65 123	0.26 3	8.62 235	0.63 8	0.01 102	1.09 322	0.00 1	0.25 299	0.03 26	0.46 174

MC-Stereo	1.87 37	0.49 49	3.52 77	2.82 288	1.07 193	1.90 41	0.12 31	4.89 35	3.27 26	3.66 68	3.58 61	0.56 40	1.45 93	5.79 103	0.81 26	0.00 1	1.19 344	0.00 1	0.21 287	0.11 133	1.95 335

iRaft-Stereo_20w	3.11 156	0.49 49	6.09 227	1.01 101	1.25 217	3.99 200	1.00 209	14.00 309	4.73 101	6.70 169	6.27 126	2.34 78	2.28 130	7.29 152	1.58 96	0.01 102	0.75 286	0.00 1	0.73 355	0.10 122	1.63 289

AAGNet	3.50 186	0.49 49	3.38 65	1.91 192	0.41 105	3.66 176	1.02 210	5.14 43	5.16 118	9.65 279	7.75 161	4.91 166	6.23 273	7.45 164	12.73 340	0.01 102	0.00 1	0.00 1	0.00 1	0.05 59	0.06 30

CREStereo++_RVC	1.70 34	0.50 53	3.07 45	0.45 50	0.01 1	1.69 29	0.02 5	3.09 3	8.24 220	3.82 72	7.53 157	0.49 36	0.32 11	1.05 1	0.52 3	0.00 1	0.00 1	0.00 1	3.03 378	0.01 3	0.08 37
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
PCWNet_CMD	3.14 160	0.51 54	4.47 148	0.44 49	0.26 72	2.87 125	0.15 48	9.66 204	9.78 254	7.28 194	11.50 244	6.84 222	2.40 134	4.47 76	1.83 125	0.01 102	0.02 132	0.02 276	0.00 1	0.06 68	0.29 132

CRE-IMP	2.08 50	0.51 54	3.43 73	0.35 36	0.19 42	3.85 194	0.83 190	5.77 77	3.43 29	5.81 114	4.24 70	3.45 117	0.83 52	6.56 121	1.99 141	0.01 102	0.00 1	0.00 1	0.00 1	0.11 133	0.20 100

CREStereo	1.09 5	0.51 54	2.16 7	0.11 2	0.24 65	1.67 26	0.03 8	4.24 16	6.91 182	0.80 22	1.73 25	0.44 34	0.64 40	1.58 12	0.61 7	0.00 1	0.00 1	0.00 1	0.00 1	0.01 3	0.02 4
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
MSMDNet	3.15 161	0.51 54	4.48 149	0.46 52	0.25 69	2.88 126	0.16 51	9.79 207	9.82 255	7.24 191	11.36 243	6.82 221	2.41 135	4.47 76	1.86 127	0.01 102	0.02 132	0.02 276	0.00 1	0.06 68	0.30 135

NRIStereo	2.27 79	0.52 58	3.35 64	1.26 119	0.17 36	3.04 135	0.84 191	5.96 94	3.74 50	6.27 136	3.44 51	4.13 139	1.80 116	8.31 215	2.11 147	0.00 1	0.10 207	0.00 1	0.00 1	0.12 150	0.20 100

MIF-Stereo	0.94 2	0.53 59	2.82 26	0.94 97	1.29 224	0.56 3	0.12 31	1.49 1	3.16 23	1.77 39	2.22 35	0.20 3	0.32 11	1.76 20	1.33 83	0.00 1	0.00 1	0.00 1	0.00 1	0.16 192	0.02 4

DAS	4.18 234	0.53 59	6.20 232	2.20 224	3.69 325	2.78 105	3.12 280	8.69 175	10.29 260	9.39 270	12.80 264	4.58 155	7.20 291	9.08 254	2.70 180	0.02 185	0.00 1	0.00 1	0.00 1	0.04 44	0.34 143

SepStereo	4.22 237	0.53 59	6.20 232	2.20 224	3.69 325	2.78 105	3.12 280	8.69 175	10.29 260	9.39 270	12.80 264	4.58 155	7.20 291	9.74 278	2.70 180	0.02 185	0.00 1	0.00 1	0.00 1	0.04 44	0.34 143

Selective-RAFT	1.92 41	0.54 62	3.87 106	1.15 111	0.21 56	3.83 193	0.06 12	5.00 37	4.68 98	1.59 37	2.14 34	3.05 94	2.77 149	6.63 125	1.34 85	0.00 1	0.95 302	0.00 1	0.32 324	0.05 59	0.19 94

FTStereo	4.61 259	0.54 62	2.86 27	0.98 100	0.40 101	2.57 77	8.51 353	5.70 72	3.76 55	10.85 304	29.92 364	5.53 187	7.43 297	7.73 179	1.63 104	0.17 298	0.00 1	0.05 307	0.00 1	0.04 44	3.62 365

DEmStereo	3.86 212	0.54 62	4.04 126	0.26 23	0.17 36	5.17 232	2.45 264	4.70 27	4.34 83	8.37 235	19.94 326	5.06 174	10.13 327	7.86 185	3.93 216	0.01 102	0.01 102	0.01 245	0.00 1	0.03 26	0.10 46

test-1	2.14 62	0.54 62	6.32 241	1.07 106	1.22 213	2.13 52	0.54 123	6.40 113	4.80 108	3.55 63	5.23 92	4.02 132	0.71 43	1.95 23	2.15 150	0.08 268	0.98 310	0.00 1	0.08 231	0.02 9	1.07 254

EAI-Stereo	2.75 131	0.54 62	3.17 48	0.91 94	1.28 220	4.02 201	5.30 318	12.39 266	4.76 102	2.51 47	7.10 150	1.22 51	0.94 55	6.03 109	1.96 137	0.01 102	0.56 272	0.00 1	1.38 367	0.04 44	0.95 241

LCNet	2.94 144	0.55 67	2.57 14	1.03 104	0.59 134	2.05 47	1.55 242	5.51 58	4.19 74	6.08 131	10.58 229	4.54 153	6.63 279	7.59 174	0.90 36	0.01 102	0.00 1	0.01 245	0.76 356	0.31 279	3.43 361

Patchmatch Stereo++	2.09 55	0.55 67	3.57 86	0.20 5	0.20 47	3.68 181	0.64 148	5.90 87	3.52 36	5.91 118	4.41 74	3.42 109	1.51 99	7.07 142	0.95 45	0.01 102	0.00 1	0.00 1	0.00 1	0.09 102	0.10 46
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	2.02 45	0.55 67	3.57 86	0.20 5	0.21 56	3.69 184	0.69 160	5.89 82	3.52 36	5.91 118	4.43 76	3.42 109	1.50 95	5.63 100	0.94 44	0.01 102	0.00 1	0.00 1	0.00 1	0.09 102	0.10 46

DeepStereo_RVC	2.15 63	0.55 67	3.26 55	0.21 14	0.19 42	3.47 162	0.68 157	5.76 76	3.60 46	6.36 143	4.19 69	3.42 109	4.44 216	5.04 85	1.59 99	0.02 185	0.00 1	0.00 1	0.00 1	0.09 102	0.18 88

RAFT-345	3.36 176	0.55 67	3.43 73	1.23 117	0.21 56	2.62 81	0.46 104	3.91 11	6.34 159	7.46 202	24.49 347	4.19 143	1.74 114	8.27 208	2.25 158	0.01 102	0.00 1	0.00 1	0.00 1	0.02 9	0.02 4

iRAFT	2.09 55	0.55 67	3.57 86	0.20 5	0.20 47	3.68 181	0.64 148	5.90 87	3.52 36	5.91 118	4.41 74	3.42 109	1.51 99	7.07 142	0.95 45	0.01 102	0.00 1	0.00 1	0.00 1	0.09 102	0.10 46

CFNet_pseudo	2.96 148	0.55 67	4.51 151	0.43 46	0.24 65	2.83 109	0.12 31	8.59 174	8.13 217	7.20 189	10.41 222	6.47 214	2.04 120	5.27 90	2.00 143	0.00 1	0.02 132	0.01 245	0.00 1	0.06 68	0.23 112

ccs_rob	2.95 146	0.55 67	4.53 153	0.42 43	0.25 69	2.84 111	0.12 31	8.58 173	8.13 217	7.18 188	10.36 221	6.44 213	2.05 121	5.28 91	1.97 138	0.00 1	0.02 132	0.01 245	0.00 1	0.06 68	0.23 112

CFNet_ucs	3.23 167	0.56 75	4.59 161	0.59 58	0.37 92	3.29 152	0.19 57	10.47 225	9.02 239	7.78 211	12.57 262	5.59 189	1.74 114	5.39 94	1.86 127	0.00 1	0.04 171	0.01 245	0.00 1	0.10 122	0.33 142

PSMNet-ADL	3.17 164	0.56 75	3.00 43	1.55 145	0.40 101	5.97 250	0.28 73	9.06 184	5.75 142	3.56 64	6.80 140	8.33 250	4.51 218	7.65 177	5.51 252	0.03 215	0.09 203	0.00 1	0.00 1	0.03 26	0.28 129

ROB_FTStereo_v2	2.04 47	0.56 75	3.56 85	0.20 5	0.21 56	3.66 176	0.72 169	5.89 82	3.51 34	5.91 118	4.46 79	3.42 109	1.50 95	6.08 112	0.93 40	0.01 102	0.00 1	0.00 1	0.00 1	0.09 102	0.09 41

HUI-Stereo	1.94 42	0.56 75	3.55 83	0.20 5	0.20 47	3.67 180	0.63 146	5.89 82	3.53 40	5.92 123	4.44 77	3.41 108	1.51 99	4.21 69	0.89 35	0.02 185	0.00 1	0.00 1	0.00 1	0.09 102	0.11 53

iGMRVC	2.09 55	0.56 75	3.59 91	0.20 5	0.21 56	3.68 181	0.71 166	5.89 82	3.53 40	5.92 123	4.46 79	3.44 115	1.51 99	6.93 141	0.98 48	0.02 185	0.00 1	0.00 1	0.00 1	0.09 102	0.09 41

anonymousdsp2	2.20 71	0.57 80	4.59 161	1.69 163	0.82 166	3.58 169	0.48 115	8.57 172	3.63 47	3.37 59	3.03 48	3.32 100	1.00 58	5.57 99	0.80 24	0.01 102	0.94 301	0.02 276	0.15 256	0.06 68	1.89 331

CASS	2.62 117	0.57 80	4.28 139	0.90 91	0.38 93	3.45 160	0.22 61	9.91 209	4.46 88	7.33 198	7.92 167	3.53 121	3.59 179	4.16 68	1.49 91	0.03 215	0.01 102	0.00 1	0.00 1	0.05 59	0.06 30
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ROB_FTStereo	2.03 46	0.57 80	3.57 86	0.20 5	0.21 56	3.66 176	0.73 171	5.89 82	3.51 34	5.92 123	4.35 73	3.37 105	1.50 95	6.02 108	0.90 36	0.01 102	0.00 1	0.00 1	0.00 1	0.09 102	0.09 41

RAFT-IKP	2.04 47	0.57 80	3.54 81	0.20 5	0.20 47	3.45 160	0.62 144	5.90 87	3.52 36	5.91 118	4.44 77	3.46 118	1.50 95	6.20 114	1.00 51	0.01 102	0.00 1	0.00 1	0.00 1	0.09 102	0.08 37

MIF-Stereo (partial)	1.44 13	0.59 84	3.98 121	0.08 1	1.09 199	1.24 8	0.13 38	5.12 42	4.07 69	0.47 7	2.56 40	0.31 20	0.74 45	6.31 116	2.02 144	0.00 1	0.00 1	0.00 1	0.00 1	0.12 150	0.04 17

PFNet	3.06 153	0.59 84	6.13 229	2.26 235	0.84 168	3.08 137	0.73 171	7.38 149	5.35 121	10.20 285	6.06 116	4.72 160	2.10 125	8.47 228	2.25 158	0.19 302	0.06 184	0.00 1	0.11 243	0.20 217	0.42 167

FENet	2.35 84	0.59 84	3.28 57	2.32 245	0.27 73	2.78 105	0.13 38	7.68 162	6.09 149	5.38 104	2.12 33	4.84 165	3.33 171	4.98 83	2.66 176	0.02 185	0.03 157	0.00 1	0.00 1	0.04 44	0.40 156

EKT-Stereo	2.16 64	0.61 87	3.78 101	2.31 244	4.40 343	1.47 15	0.24 67	5.54 60	4.22 76	3.16 58	3.58 61	3.53 121	2.20 126	5.66 101	1.40 88	0.04 235	0.36 259	0.00 1	0.09 237	0.06 68	0.58 192

GwcNet-ADL	2.85 134	0.61 87	4.38 145	0.92 95	0.33 83	2.05 47	0.67 155	8.85 179	9.65 252	6.36 143	6.71 136	4.11 138	1.71 110	5.97 107	4.22 224	0.08 268	0.06 184	0.00 1	0.00 1	0.07 83	0.16 80

Pruner-Stereo	2.66 119	0.61 87	3.54 81	1.93 194	0.25 69	3.47 162	0.74 174	6.60 118	5.66 139	8.98 252	6.12 118	4.39 151	1.11 63	7.27 150	2.34 168	0.03 215	0.00 1	0.02 276	0.00 1	0.03 26	0.04 17

Anonymous3	1.96 43	0.61 87	7.58 278	0.42 43	0.51 121	4.28 211	0.52 120	5.56 65	2.76 8	2.35 44	3.47 52	1.50 58	1.13 65	5.92 106	1.54 94	0.23 310	0.23 240	0.00 1	0.00 1	0.14 175	0.47 175

SFCPSM	3.39 179	0.61 87	5.42 195	0.43 46	0.93 179	8.26 285	2.08 258	15.01 322	5.89 145	7.17 187	7.60 158	3.39 107	2.55 140	5.39 94	2.53 171	0.01 102	0.03 157	0.01 245	0.07 228	0.19 211	0.31 137

ASMatch	3.41 181	0.62 92	3.59 91	1.99 205	0.48 111	1.91 42	0.66 151	7.01 131	4.43 87	6.25 134	22.02 336	4.56 154	4.72 231	7.78 182	1.85 126	0.01 102	0.01 102	0.00 1	0.03 201	0.02 9	0.21 104

IGEV_Zeroshot_test	2.57 111	0.63 93	5.70 215	1.93 194	0.87 172	2.63 83	0.85 196	8.94 183	4.55 93	5.30 101	5.48 104	5.23 180	1.38 89	3.76 60	1.32 82	0.00 1	0.69 280	0.00 1	0.18 269	0.19 211	1.72 305

GANet-ADL	2.40 94	0.65 94	3.92 116	2.22 227	0.11 12	2.23 55	0.47 106	9.29 198	7.27 192	4.77 86	5.95 115	3.96 130	1.26 81	3.08 51	2.27 161	0.04 235	0.08 197	0.02 276	0.00 1	0.15 188	0.21 104

DRaft	3.83 211	0.65 94	3.39 66	0.22 15	0.16 33	4.67 221	1.30 231	5.82 80	4.86 111	10.26 288	21.65 332	3.24 99	8.62 316	7.53 171	3.76 207	0.05 248	0.10 207	0.00 1	0.14 253	0.12 150	0.16 80

hknet	3.56 189	0.66 96	5.82 216	0.70 67	1.19 209	6.97 265	1.58 243	9.93 210	7.76 202	6.50 148	6.23 121	9.53 266	2.81 151	7.84 183	3.39 198	0.01 102	0.03 157	0.03 293	0.00 1	0.06 68	0.14 64

IRAFT_RVC	2.98 150	0.66 96	4.23 138	2.20 224	0.40 101	2.91 128	5.04 315	7.03 134	4.21 75	6.59 157	5.52 105	5.02 173	4.77 232	8.41 223	2.30 167	0.01 102	0.17 228	0.01 245	0.00 1	0.03 26	0.05 23

11t1	2.13 61	0.67 98	3.98 121	2.69 279	0.85 171	2.59 80	0.07 15	7.40 150	3.89 63	3.75 70	3.57 60	1.24 52	1.96 118	4.68 80	1.97 138	0.10 281	1.13 328	0.00 1	0.22 292	0.09 102	1.66 294

IPLGR	2.46 99	0.68 99	7.02 260	0.22 15	0.16 33	2.01 45	0.22 61	7.01 131	6.62 170	7.10 183	5.92 114	2.91 89	2.27 129	5.12 87	1.52 93	0.00 1	0.00 1	0.00 1	0.00 1	0.12 150	0.41 163

SMFormer	3.94 217	0.69 100	4.55 155	1.97 201	0.15 28	2.84 111	0.29 75	13.06 287	11.10 279	7.69 205	10.45 223	4.77 161	4.52 219	9.68 272	4.89 241	0.08 268	0.97 305	0.00 1	0.16 258	0.11 133	0.92 239

tta	3.96 221	0.69 100	4.55 155	1.97 201	0.15 28	2.84 111	0.29 75	13.06 287	11.10 279	7.69 205	10.45 223	4.77 161	4.52 219	9.68 272	4.89 241	0.08 268	0.97 305	0.00 1	0.16 258	0.13 166	1.24 269

qqq1	3.78 207	0.69 100	4.55 155	1.97 201	0.15 28	2.84 111	0.29 75	13.06 287	11.10 279	7.69 205	10.45 223	4.77 161	4.52 219	9.68 272	1.24 75	0.08 268	0.97 305	0.00 1	0.12 247	0.13 166	1.24 269

fff1	3.78 207	0.69 100	4.55 155	1.97 201	0.15 28	2.84 111	0.29 75	13.06 287	11.10 279	7.69 205	10.45 223	4.77 161	4.52 219	9.68 272	1.24 75	0.08 268	0.97 305	0.00 1	0.12 247	0.13 166	1.24 269

HHNet	2.71 124	0.69 100	3.31 60	0.25 22	0.39 96	2.80 108	0.90 203	6.33 108	5.68 140	7.51 203	13.70 272	0.94 45	3.14 156	5.42 96	2.54 174	0.14 289	0.02 132	0.06 311	0.00 1	0.24 241	0.07 34

RAFT-RH_RVC	4.04 225	0.69 100	3.59 91	1.91 192	0.43 108	3.11 139	0.13 38	3.80 9	6.60 168	11.26 314	31.68 370	5.20 176	1.66 106	8.30 213	2.27 161	0.09 278	0.00 1	0.00 1	0.03 201	0.03 26	0.02 4

ttt	4.41 248	0.70 106	3.95 120	2.53 268	2.01 265	4.34 215	0.41 95	13.09 291	11.69 292	7.20 189	12.20 257	4.15 141	3.35 172	9.54 269	10.11 311	0.07 264	1.11 324	0.00 1	0.19 272	0.10 122	1.47 279

test_4	2.58 112	0.70 106	3.30 58	0.43 46	0.30 76	3.97 199	1.11 221	3.91 11	3.83 60	4.15 78	17.20 308	3.44 115	0.52 36	6.60 124	1.58 96	0.00 1	0.13 217	0.00 1	0.11 243	0.20 217	0.20 100

CrosDoStereo	4.05 227	0.71 108	3.52 77	0.51 55	0.20 47	3.25 149	11.21 365	6.34 109	4.96 113	9.04 255	16.44 298	4.92 167	7.28 293	8.29 210	3.84 211	0.00 1	0.02 132	0.01 245	0.00 1	0.18 205	0.19 94

DeepStereo_LL	4.05 227	0.71 108	3.52 77	0.51 55	0.20 47	3.25 149	11.21 365	6.34 109	4.96 113	9.04 255	16.44 298	4.92 167	7.28 293	8.29 210	3.84 211	0.00 1	0.02 132	0.01 245	0.00 1	0.18 205	0.19 94

GES	2.69 122	0.72 110	5.34 190	1.82 182	0.05 3	4.51 218	1.04 214	10.39 222	4.18 73	5.53 110	6.72 137	1.92 72	3.30 165	5.16 88	2.67 177	0.06 258	0.01 102	0.06 311	0.01 173	0.20 217	0.14 64

Former-RAFT_DAM_RVC	1.39 12	0.74 111	2.72 23	0.73 73	1.26 219	2.42 66	0.02 5	3.78 8	8.16 219	1.81 42	2.94 46	0.28 16	0.32 11	1.51 11	0.76 22	0.04 235	0.01 102	0.00 1	0.00 1	0.08 88	0.19 94

AdaStereo	3.34 173	0.74 111	4.00 124	3.10 310	0.51 121	4.22 208	1.25 226	12.84 277	8.39 224	6.33 139	9.55 200	5.77 200	1.54 104	5.53 98	2.74 186	0.02 185	0.00 1	0.00 1	0.00 1	0.03 26	0.15 74
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.
mmm	3.07 154	0.76 113	4.50 150	2.27 238	1.24 216	3.75 187	0.12 31	10.03 214	5.12 117	6.43 145	11.19 240	3.10 97	3.20 158	4.54 79	1.78 123	0.02 185	1.19 344	0.00 1	0.30 319	0.09 102	1.79 315

Anonymous	1.54 25	0.76 113	5.39 193	1.49 140	2.68 292	1.83 38	0.43 100	5.65 71	3.79 56	0.52 9	1.74 26	0.19 1	1.30 82	3.31 53	1.01 53	0.06 258	0.08 197	0.00 1	0.00 1	0.19 211	0.31 137

anonymousa	4.24 239	0.78 115	4.05 127	2.16 216	4.87 358	8.76 294	0.35 86	7.41 151	4.47 90	8.21 231	19.70 325	11.03 296	5.87 265	2.04 28	2.20 151	0.00 1	1.16 341	0.00 1	0.55 349	0.04 44	1.11 258

CRFU-Net	4.81 269	0.78 115	5.69 213	3.10 310	1.39 232	13.18 337	3.23 285	12.26 261	4.33 79	10.91 306	9.98 214	10.94 294	7.93 306	7.47 166	3.94 217	0.16 294	0.16 224	0.16 336	0.00 1	0.26 249	0.29 132

ff7	1.46 15	0.79 117	2.99 38	0.33 31	0.35 85	2.75 99	0.81 183	4.31 20	2.97 15	0.77 18	1.20 9	0.21 4	0.42 23	7.44 157	0.86 31	0.00 1	0.93 296	0.00 1	0.16 258	0.12 150	1.82 316

ffff	1.46 15	0.79 117	2.99 38	0.33 31	0.35 85	2.75 99	0.81 183	4.31 20	2.97 15	0.77 18	1.20 9	0.21 4	0.42 23	7.44 157	0.86 31	0.00 1	0.93 296	0.00 1	0.16 258	0.12 150	1.82 316

11t	1.46 15	0.79 117	2.99 38	0.33 31	0.35 85	2.75 99	0.81 183	4.31 20	2.97 15	0.77 18	1.20 9	0.21 4	0.42 23	7.44 157	0.87 34	0.00 1	0.93 296	0.00 1	0.16 258	0.12 150	1.82 316

ccc-4	1.46 15	0.79 117	2.99 38	0.33 31	0.35 85	2.75 99	0.81 183	4.31 20	2.97 15	0.77 18	1.20 9	0.21 4	0.42 23	7.44 157	0.86 31	0.00 1	0.93 296	0.00 1	0.16 258	0.12 150	1.82 316

TANstereo	1.32 9	0.79 117	2.93 29	0.37 38	0.11 12	1.81 37	0.01 1	3.56 5	4.36 84	4.53 84	4.96 86	0.41 32	0.68 41	1.22 3	0.59 5	0.01 102	0.00 1	0.00 1	0.00 1	0.00 1	0.03 9

FAT-Stereo	6.98 306	0.79 117	7.57 277	2.54 271	1.80 252	6.16 253	4.33 304	19.16 356	18.82 340	10.75 300	17.08 306	18.23 341	13.56 346	9.25 259	8.44 286	0.03 215	0.16 224	0.01 245	0.10 241	0.14 175	0.65 209

anonymousdsp	1.51 22	0.81 123	2.70 22	0.60 59	0.69 142	2.76 103	0.79 178	4.86 30	3.00 21	0.82 23	1.25 13	0.31 20	0.42 23	7.44 157	0.81 26	0.00 1	0.83 290	0.00 1	0.17 267	0.12 150	1.85 323

NINENet	3.38 178	0.81 123	4.16 132	1.88 189	1.40 233	7.31 275	0.48 115	12.95 284	6.64 171	7.29 195	9.24 190	5.21 177	1.18 73	6.72 130	1.89 132	0.17 298	0.08 197	0.07 316	0.00 1	0.09 102	0.03 9

IGEV-Stereo	1.51 22	0.81 123	2.69 21	0.60 59	0.69 142	2.77 104	0.79 178	4.88 33	2.99 20	0.82 23	1.25 13	0.31 20	0.42 23	7.43 156	0.85 30	0.00 1	0.83 290	0.00 1	0.17 267	0.12 150	1.85 323
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
HH	2.88 138	0.82 126	4.07 129	1.71 167	0.54 128	4.71 222	0.69 160	8.72 177	3.57 44	1.80 40	6.49 134	7.81 240	3.92 200	8.93 247	0.99 49	0.00 1	1.06 319	0.00 1	0.03 201	0.05 59	1.69 299

HanStereo	2.88 138	0.82 126	4.07 129	1.71 167	0.54 128	4.71 222	0.69 160	8.72 177	3.57 44	1.80 40	6.49 134	7.81 240	3.92 200	8.93 247	0.99 49	0.00 1	1.06 319	0.00 1	0.03 201	0.05 59	1.69 299

x	2.30 81	0.82 126	3.85 103	2.23 229	0.72 151	2.12 51	0.81 183	9.48 202	4.82 109	3.83 73	2.76 44	3.49 119	2.30 131	3.48 55	2.25 158	0.00 1	1.13 328	0.00 1	0.22 292	0.09 102	1.66 294

TransformOpticalFlow	3.50 186	0.83 129	4.85 172	1.09 107	0.31 77	3.52 166	0.14 46	10.32 218	8.02 214	5.78 112	13.25 269	6.63 217	4.91 236	8.36 219	1.63 104	0.00 1	0.01 102	0.01 245	0.00 1	0.06 68	0.24 120

HCRNet	2.74 130	0.83 129	4.19 134	0.45 50	3.31 312	2.18 53	0.22 61	7.59 154	5.76 143	6.08 131	4.89 84	5.21 177	2.74 146	8.04 195	3.10 193	0.00 1	0.02 132	0.00 1	0.00 1	0.10 122	0.09 41

UPFNet	4.17 233	0.83 129	5.51 200	2.49 262	3.36 315	7.13 272	2.60 265	10.52 227	7.16 188	8.76 246	7.83 162	7.85 243	3.41 173	8.60 232	7.04 271	0.01 102	0.02 132	0.00 1	0.00 1	0.12 150	0.17 86

SGM-Forest	5.40 279	0.84 132	4.19 134	1.43 135	0.68 140	10.12 311	6.41 331	12.13 259	11.86 294	11.50 317	14.43 281	11.62 299	5.20 248	9.93 287	6.16 260	0.16 294	0.04 171	0.00 1	0.00 1	0.08 88	1.24 269
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
qqq	2.44 98	0.85 133	4.33 143	1.73 171	0.71 148	1.98 43	0.38 89	9.15 189	4.33 79	3.37 59	4.34 71	4.63 158	2.83 152	4.95 81	2.06 145	0.00 1	1.13 328	0.00 1	0.25 299	0.09 102	1.65 290

GMOStereo	2.08 50	0.85 133	2.95 33	0.23 17	0.73 153	1.50 16	0.86 198	5.08 38	4.78 103	8.42 236	6.99 143	3.36 101	1.14 67	1.73 15	1.21 69	0.00 1	1.32 353	0.00 1	0.00 1	0.28 261	0.23 112

error version	2.08 50	0.85 133	2.95 33	0.23 17	0.73 153	1.50 16	0.86 198	5.08 38	4.78 103	8.42 236	6.99 143	3.36 101	1.14 67	1.73 15	1.21 69	0.00 1	1.32 353	0.00 1	0.00 1	0.28 261	0.23 112

test-v	2.08 50	0.85 133	2.95 33	0.23 17	0.73 153	1.50 16	0.86 198	5.08 38	4.78 103	8.42 236	6.99 143	3.36 101	1.14 67	1.73 15	1.21 69	0.00 1	1.32 353	0.00 1	0.00 1	0.28 261	0.23 112

test-2	2.08 50	0.85 133	2.95 33	0.23 17	0.73 153	1.50 16	0.86 198	5.08 38	4.78 103	8.42 236	6.99 143	3.36 101	1.14 67	1.73 15	1.21 69	0.00 1	1.32 353	0.00 1	0.00 1	0.28 261	0.23 112

sCroCo_RVC	1.34 10	0.85 133	6.15 231	1.21 116	1.28 220	0.90 4	0.18 55	4.50 25	2.86 11	0.37 2	3.18 49	0.52 38	1.52 103	1.83 21	0.93 40	0.13 286	0.25 246	0.00 1	0.00 1	0.08 88	0.16 80

CBMV_ROB	4.66 261	0.85 133	3.94 118	1.64 151	0.75 158	8.38 291	1.90 252	11.19 242	10.36 262	9.20 263	15.21 287	7.28 229	6.99 287	9.48 266	5.24 249	0.04 235	0.05 178	0.00 1	0.00 1	0.07 83	0.64 208

CoDeX	3.61 194	0.86 140	5.27 187	1.16 113	1.62 239	6.24 254	2.07 257	13.78 308	6.86 179	7.42 200	9.00 186	4.06 136	3.72 188	6.58 122	3.02 191	0.03 215	0.06 184	0.00 1	0.00 1	0.15 188	0.35 147

test croco	1.53 24	0.86 140	6.50 245	0.42 43	0.05 3	1.56 21	0.09 20	5.18 45	4.02 68	0.54 11	1.76 28	0.59 41	0.75 46	6.48 120	1.23 74	0.00 1	0.00 1	0.00 1	0.00 1	0.43 300	0.07 34

ProNet	1.58 31	0.86 140	3.17 48	0.75 80	0.72 151	2.84 111	0.66 151	5.91 91	3.28 27	0.37 2	1.47 19	0.40 31	0.37 17	7.19 146	0.70 16	0.02 185	0.98 310	0.00 1	0.05 222	0.20 217	1.77 313

xxxx	5.16 278	0.86 140	4.86 173	1.96 200	1.22 213	7.56 280	0.07 15	14.67 318	9.15 243	6.55 154	9.87 209	9.30 264	3.47 175	8.07 197	22.20 366	0.05 248	1.16 341	0.00 1	0.26 308	0.10 122	1.76 312

ac_64	3.98 223	0.86 140	5.10 183	3.17 312	3.43 318	5.80 246	0.70 165	10.87 234	4.96 113	8.94 251	6.46 132	10.70 286	5.52 260	7.44 157	5.10 248	0.03 215	0.00 1	0.00 1	0.00 1	0.14 175	0.31 137

NOSS_ROB	3.67 196	0.86 140	3.81 102	2.53 268	1.11 202	6.10 252	0.72 169	11.08 240	12.36 296	5.45 107	8.91 182	5.65 190	2.09 122	8.30 213	3.16 195	0.20 305	0.07 195	0.00 1	0.00 1	0.11 133	0.80 232

UNet	4.19 235	0.87 146	7.18 268	2.00 208	3.22 309	9.55 302	0.31 81	10.11 215	6.22 156	7.98 217	6.82 141	10.42 278	5.77 263	7.28 151	5.83 255	0.00 1	0.00 1	0.00 1	0.00 1	0.10 122	0.12 56

222	5.93 284	0.88 147	4.58 160	1.76 175	0.98 186	6.02 251	0.08 19	14.45 315	8.89 234	9.53 272	11.77 249	3.88 127	4.23 212	8.26 204	39.96 400	0.03 215	1.12 325	0.00 1	0.24 296	0.11 133	1.73 306

ToySt	3.39 179	0.89 148	9.29 310	1.47 138	0.94 180	4.20 207	1.98 254	7.33 146	5.42 125	3.01 55	6.75 138	8.67 259	5.10 245	5.43 97	3.72 205	0.07 264	0.89 294	0.00 1	0.23 295	0.28 261	2.13 341

tt1	2.53 105	0.91 149	3.53 80	2.92 294	0.53 125	5.60 239	0.61 142	5.55 61	10.56 266	1.54 36	3.54 59	0.34 29	3.00 155	8.20 201	0.68 11	0.00 1	1.13 328	0.00 1	0.03 201	0.11 133	1.88 327

IER	3.42 183	0.91 149	6.38 243	0.73 73	1.60 238	7.07 270	0.55 126	7.07 138	5.45 128	8.17 230	8.89 181	6.13 206	6.13 269	5.36 93	3.77 209	0.00 1	0.00 1	0.00 1	0.00 1	0.08 88	0.05 23

ACVNet-DCA	2.41 95	0.93 151	3.39 66	3.05 304	0.39 96	5.69 242	0.55 126	9.15 189	4.33 79	1.42 32	3.48 53	0.33 25	3.65 183	8.26 204	0.70 16	0.00 1	1.14 336	0.00 1	0.03 201	0.09 102	1.65 290

xx1	2.73 129	0.93 151	3.39 66	3.05 304	0.39 96	5.69 242	0.55 126	5.34 50	10.76 273	1.42 32	3.48 53	4.63 158	2.83 152	8.26 204	0.70 16	0.00 1	1.14 336	0.00 1	0.25 299	0.09 102	1.65 290

1test111	2.31 82	0.93 151	3.39 66	3.05 304	0.39 96	5.69 242	0.55 126	9.15 189	4.33 79	1.42 32	3.48 53	0.33 25	3.65 183	4.95 81	2.06 145	0.00 1	1.14 336	0.00 1	0.03 201	0.09 102	1.65 290

cc1	2.56 110	0.93 151	3.39 66	3.05 304	0.39 96	5.69 242	0.55 126	5.34 50	10.76 273	1.42 32	3.48 53	0.33 25	3.65 183	8.26 204	0.70 16	0.00 1	1.14 336	0.00 1	0.03 201	0.12 150	1.89 331

fff	2.54 107	0.93 151	5.51 200	0.32 26	0.14 22	1.70 30	0.11 27	6.19 104	12.69 302	6.03 128	5.29 96	1.43 53	5.28 251	2.37 40	2.21 152	0.01 102	0.00 1	0.01 245	0.00 1	0.02 9	0.61 200

csc	2.54 107	0.93 151	5.51 200	0.32 26	0.14 22	1.70 30	0.11 27	6.19 104	12.69 302	6.03 128	5.29 96	1.43 53	5.28 251	2.37 40	2.21 152	0.01 102	0.00 1	0.01 245	0.00 1	0.02 9	0.61 200

cscssc	2.54 107	0.93 151	5.51 200	0.32 26	0.14 22	1.70 30	0.11 27	6.19 104	12.69 302	6.03 128	5.29 96	1.43 53	5.28 251	2.37 40	2.21 152	0.01 102	0.00 1	0.01 245	0.00 1	0.02 9	0.61 200

test_xeample	4.78 268	0.93 151	4.68 168	1.48 139	1.28 220	3.94 196	0.13 38	13.35 296	8.62 227	8.21 231	11.63 246	3.43 114	3.54 176	7.59 174	23.47 371	0.02 185	1.16 341	0.00 1	0.25 299	0.11 133	1.74 309

S-Stereo	6.85 301	0.93 151	10.76 323	3.34 322	3.51 320	6.55 259	6.01 324	13.75 306	23.86 358	9.65 279	15.54 289	11.81 302	8.24 309	8.59 231	11.23 325	0.13 286	0.16 224	0.00 1	0.42 339	0.14 175	2.39 349

STrans-v2	3.55 188	0.94 160	5.06 182	0.32 26	0.60 135	2.97 132	1.15 222	11.08 240	7.97 213	6.01 126	10.93 237	6.65 218	6.86 284	8.37 220	1.66 112	0.00 1	0.01 102	0.00 1	0.00 1	0.04 44	0.39 155

DCRE	2.21 72	0.95 161	3.17 48	2.10 213	1.30 226	1.86 39	0.05 10	5.33 49	4.69 99	3.59 65	9.37 197	3.81 124	1.18 73	2.34 39	1.22 73	0.01 102	0.97 305	0.00 1	0.30 319	0.04 44	1.97 336

ADStereo(finetuned)	2.50 103	0.95 161	6.60 248	0.39 40	0.20 47	1.72 34	0.24 67	6.06 97	9.31 246	6.30 137	5.42 101	1.44 56	6.22 272	2.25 34	2.14 149	0.01 102	0.00 1	0.00 1	0.00 1	0.04 44	0.65 209

DCANet	2.35 84	0.96 163	5.51 200	0.39 40	0.19 42	1.72 34	0.25 69	6.06 97	9.33 247	6.31 138	5.42 101	1.44 56	4.14 208	2.22 31	2.28 163	0.01 102	0.00 1	0.00 1	0.00 1	0.04 44	0.66 217

ACVNet	2.86 135	0.96 163	3.87 106	0.86 87	0.61 136	2.63 83	0.54 123	8.93 181	6.12 151	5.09 94	9.32 195	5.70 197	3.84 192	2.68 45	5.56 253	0.00 1	0.00 1	0.00 1	0.00 1	0.26 249	0.23 112

acv_ft	3.90 214	0.96 163	5.85 218	2.56 273	4.70 355	7.27 274	0.84 191	9.17 192	6.12 151	10.00 283	9.32 195	5.70 197	4.07 205	2.68 45	8.24 284	0.00 1	0.00 1	0.00 1	0.00 1	0.35 288	0.23 112

StereoDRNet-Refined	4.84 271	0.96 163	5.13 184	2.22 227	0.46 110	9.10 298	0.16 51	10.72 230	9.40 249	13.41 333	12.50 260	10.02 273	4.58 224	8.60 232	8.71 292	0.01 102	0.00 1	0.01 245	0.05 222	0.24 241	0.53 185
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DualNet	3.96 221	0.98 167	7.03 261	1.64 151	1.07 193	2.84 111	0.47 106	5.55 61	10.56 266	6.68 163	9.59 202	5.66 191	3.87 194	8.20 201	11.69 329	0.00 1	1.13 328	0.00 1	0.19 272	0.11 133	1.88 327

ffm	3.41 181	0.98 167	7.03 261	1.64 151	1.07 193	2.84 111	0.47 106	5.55 61	10.56 266	6.68 163	9.59 202	5.66 191	3.87 194	8.20 201	0.68 11	0.00 1	1.13 328	0.00 1	0.19 272	0.11 133	1.88 327

ff1	4.11 229	0.98 167	7.03 261	1.64 151	1.07 193	2.84 111	0.47 106	5.55 61	10.56 266	6.68 163	9.59 202	5.66 191	3.87 194	11.33 307	11.69 329	0.00 1	1.13 328	0.00 1	0.19 272	0.11 133	1.88 327

mmx	4.50 251	0.98 167	7.03 261	1.64 151	1.07 193	2.84 111	0.47 106	12.84 277	11.23 284	6.68 163	9.59 202	5.66 191	3.87 194	11.33 307	11.69 329	0.05 248	1.12 325	0.00 1	0.19 272	0.10 122	1.53 283

xxx	4.50 251	0.98 167	7.04 265	1.64 151	1.07 193	2.84 111	0.47 106	12.84 277	11.23 284	6.68 163	9.59 202	5.66 191	3.87 194	11.33 307	11.69 329	0.05 248	1.12 325	0.00 1	0.19 272	0.10 122	1.53 283

Anonymous_2	4.74 267	0.98 167	4.46 147	2.35 249	2.27 277	5.66 241	0.67 155	8.08 167	5.28 120	4.98 92	2.60 41	8.74 261	6.92 285	5.79 103	3.46 199	0.24 312	1.70 366	5.16 379	18.18 402	5.41 373	1.85 323

IIG-Stereo	3.28 169	0.98 167	3.57 86	4.14 344	0.22 62	2.56 76	0.71 166	7.04 135	6.10 150	8.49 240	9.38 198	7.82 242	2.73 145	9.69 277	1.99 141	0.02 185	0.02 132	0.00 1	0.00 1	0.03 26	0.14 64

DIP-Stereo	2.12 60	0.98 167	3.94 118	0.20 5	0.11 12	4.73 224	0.13 38	9.27 196	4.40 86	6.46 147	5.03 88	0.45 35	0.72 44	3.79 61	1.94 136	0.00 1	0.01 102	0.00 1	0.00 1	0.05 59	0.24 120
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
DISCO	6.58 298	0.98 167	6.44 244	3.75 335	1.18 208	11.19 321	3.29 289	12.92 281	16.72 328	7.27 193	11.74 248	17.34 335	6.60 278	19.59 368	11.59 328	0.00 1	0.00 1	0.00 1	0.00 1	0.45 304	0.50 178

FC-DCNN	11.29 356	1.01 176	5.50 199	2.25 233	1.65 243	18.23 358	5.36 319	18.99 353	20.65 348	28.95 376	34.83 378	33.83 381	23.18 376	17.04 359	13.37 343	0.17 298	0.01 102	0.02 276	0.02 190	0.10 122	0.70 222

DSFCA	4.48 250	1.03 177	6.84 256	1.61 149	1.68 245	7.26 273	4.46 306	11.27 245	7.51 196	11.01 309	6.89 142	8.49 257	4.54 223	10.41 296	6.18 261	0.03 215	0.06 184	0.02 276	0.03 201	0.13 166	0.14 64

1111x	4.96 273	1.04 178	7.09 267	1.75 173	1.05 192	5.03 230	0.32 82	13.52 300	10.70 272	6.68 163	10.35 220	8.81 262	6.01 267	10.65 297	12.78 341	0.07 264	1.24 348	0.00 1	0.33 327	0.11 133	1.75 310

HGLStereo	4.58 256	1.04 178	6.02 224	3.30 321	5.14 361	6.36 256	0.71 166	11.04 239	7.60 199	8.04 223	12.85 267	6.90 223	8.51 314	7.85 184	5.93 256	0.02 185	0.02 132	0.00 1	0.00 1	0.14 175	0.15 74

MyStereo06	2.71 124	1.05 180	5.43 197	1.39 132	1.20 210	2.57 77	0.10 24	10.39 222	4.79 107	5.54 111	6.16 119	6.39 211	2.33 133	3.40 54	1.35 86	0.01 102	1.24 348	0.00 1	0.21 287	0.13 166	0.50 178

MyStereo05	3.24 168	1.05 180	5.93 220	1.39 132	1.20 210	2.57 77	0.10 24	9.11 188	13.17 308	6.45 146	3.86 64	3.20 98	3.26 163	8.35 218	3.02 191	0.01 102	1.24 348	0.00 1	0.21 287	0.13 166	0.50 178

IPLG	2.63 118	1.09 182	5.67 212	0.73 73	0.31 77	3.00 134	0.25 69	6.84 128	6.02 148	7.93 214	6.31 127	1.91 69	1.72 112	7.47 166	2.53 171	0.01 102	0.01 102	0.00 1	0.00 1	0.29 269	0.58 192

DMCA	3.08 155	1.10 183	6.20 232	1.82 182	0.90 174	3.80 192	0.55 126	9.76 205	5.42 125	6.56 156	6.47 133	7.06 228	2.09 122	4.05 64	5.46 251	0.00 1	0.01 102	0.00 1	0.00 1	0.11 133	0.16 80

HSM	4.25 241	1.10 183	4.14 131	1.78 176	2.14 271	6.67 262	1.08 217	12.92 281	6.90 181	7.06 179	8.17 173	14.17 315	6.03 268	9.16 256	3.11 194	0.00 1	0.00 1	0.00 1	0.00 1	0.09 102	0.41 163

StereoIM	0.96 3	1.11 185	4.01 125	0.36 37	1.86 258	1.20 5	0.06 12	3.99 13	1.73 2	0.45 6	0.56 7	0.43 33	0.51 35	1.28 6	1.46 90	0.00 1	0.00 1	0.00 1	0.00 1	0.06 68	0.08 37

XX-TBD	1.55 29	1.11 185	2.94 30	2.45 259	0.06 6	2.31 60	0.01 1	3.58 6	7.80 206	3.11 57	5.10 89	0.27 15	0.26 3	1.42 10	0.60 6	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.04 17

SGM_RVC	10.77 352	1.11 185	4.66 165	2.66 276	0.41 105	21.03 364	6.87 339	20.02 363	15.54 325	25.86 373	24.97 351	33.59 380	20.51 366	20.89 371	14.78 351	0.31 323	0.26 248	0.22 347	0.26 308	0.43 300	1.01 246
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
THIR-Stereo	3.94 217	1.12 188	3.06 44	0.23 17	0.13 21	4.17 206	6.40 330	5.83 81	4.54 92	10.46 293	16.98 304	6.49 215	7.44 298	8.00 191	3.58 200	0.01 102	0.07 195	0.07 316	0.00 1	0.14 175	0.06 30

delet	4.59 258	1.12 188	5.93 220	1.37 130	3.73 328	10.48 315	3.90 294	10.51 226	9.17 244	8.87 249	9.74 208	8.37 252	3.74 189	8.12 199	6.36 264	0.00 1	0.00 1	0.00 1	0.00 1	0.21 227	0.12 56

MIPNet	2.27 79	1.14 190	5.55 207	0.49 54	0.22 62	2.03 46	0.19 57	7.60 156	6.17 154	5.83 115	4.16 68	2.05 74	3.44 174	3.65 58	2.23 157	0.00 1	0.01 102	0.01 245	0.01 173	0.24 241	0.48 177

MyStereo07	1.64 32	1.15 191	2.61 15	1.28 122	1.49 236	2.63 83	0.45 102	6.45 115	2.94 13	1.10 27	1.61 21	0.29 18	0.60 38	7.45 164	0.80 24	0.01 102	1.27 351	0.00 1	0.25 299	0.11 133	0.42 167

MyStereo04	3.29 170	1.15 191	6.64 250	1.28 122	1.49 236	2.63 83	0.45 102	10.57 228	13.30 309	4.41 83	3.90 65	3.06 96	3.56 177	7.87 187	3.35 197	0.01 102	1.27 351	0.00 1	0.25 299	0.11 133	0.42 167

FCDSN-DC	10.72 351	1.16 193	5.01 180	2.16 216	1.31 228	17.46 354	4.80 311	17.79 345	19.87 343	25.02 370	32.85 371	33.57 379	23.52 377	16.80 355	12.13 333	0.11 285	0.00 1	0.00 1	0.00 1	0.09 102	0.76 229
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
hitnet-ft	3.95 219	1.16 193	3.92 116	0.89 89	0.73 153	4.88 227	0.54 123	9.78 206	7.91 209	7.42 200	10.24 217	12.50 306	4.84 234	8.15 200	5.56 253	0.03 215	0.00 1	0.06 311	0.00 1	0.24 241	0.12 56

GANet-RSSM	3.67 196	1.16 193	4.56 159	3.24 317	2.03 267	2.63 83	0.50 118	11.53 251	6.83 178	6.25 134	10.58 229	7.35 230	6.65 280	6.77 134	2.94 190	0.00 1	0.00 1	0.08 322	0.00 1	0.26 249	0.12 56

StereoVision	2.42 96	1.18 196	5.14 185	1.15 111	2.64 291	1.89 40	0.28 73	6.61 119	4.72 100	2.14 43	10.52 227	3.84 125	0.52 36	5.33 92	2.29 165	0.00 1	0.00 1	0.00 1	0.00 1	0.12 150	0.04 17

test_5	3.16 163	1.18 196	4.96 178	2.33 247	3.10 306	4.51 218	1.27 227	7.47 153	7.61 200	3.00 54	7.38 155	5.37 183	4.06 203	8.28 209	1.54 94	0.00 1	0.34 255	0.00 1	0.02 190	0.21 227	0.62 205

CroCo-Stereo Lap2	1.37 11	1.19 198	4.17 133	1.01 101	4.58 352	0.46 2	0.09 20	4.27 19	2.94 13	1.25 31	2.40 38	1.55 61	0.20 1	1.72 14	1.30 78	0.00 1	0.00 1	0.00 1	0.00 1	0.15 188	0.13 61

RAFT+CT+SA	2.59 113	1.19 198	3.55 83	1.09 107	2.21 273	3.14 144	0.90 203	7.59 154	5.65 135	2.76 49	8.21 174	2.04 73	1.57 105	8.84 241	1.31 80	0.02 185	0.34 255	0.00 1	0.38 334	0.22 232	0.73 225

OMP-Stereo	3.15 161	1.19 198	3.49 76	4.34 352	0.51 121	2.20 54	1.21 223	6.67 120	6.52 167	7.99 219	6.24 125	8.38 254	2.44 136	9.65 271	1.92 134	0.01 102	0.02 132	0.00 1	0.00 1	0.08 88	0.15 74

ADLNet	4.56 255	1.19 198	5.52 206	3.81 338	3.59 322	6.98 267	2.40 263	12.01 257	7.96 212	10.52 294	9.67 207	8.26 248	4.98 240	6.59 123	6.93 267	0.01 102	0.01 102	0.00 1	0.01 173	0.22 232	0.55 187

edge stereo	7.12 309	1.19 198	7.83 281	2.32 245	2.46 284	6.90 264	3.26 288	15.58 327	12.52 298	15.68 347	18.34 321	21.83 360	13.05 342	11.53 312	8.68 290	0.04 235	0.06 184	0.11 324	0.03 201	0.30 272	0.63 206

RASNet	5.00 274	1.19 198	5.69 213	3.68 333	4.80 356	5.04 231	1.29 230	10.26 217	8.99 238	5.89 117	11.65 247	10.55 283	9.76 325	9.96 288	10.32 316	0.20 305	0.00 1	0.00 1	0.00 1	0.09 102	0.73 225

MIM_Stereo	2.83 132	1.20 204	5.27 187	1.41 134	1.16 207	3.07 136	0.33 84	6.67 120	3.95 64	5.17 99	10.11 215	4.25 149	1.73 113	8.32 216	1.64 107	0.00 1	0.36 259	0.00 1	0.01 173	0.22 232	1.69 299

GEStereo_RVC	3.95 219	1.21 205	6.13 229	2.30 242	1.22 213	4.29 212	2.96 274	12.39 266	8.24 220	7.25 192	6.79 139	7.58 236	4.22 211	9.16 256	4.56 234	0.04 235	0.01 102	0.02 276	0.02 190	0.19 211	0.42 167

CroCo-Stereo	1.14 7	1.22 206	3.99 123	0.61 61	0.53 125	0.38 1	0.06 12	5.35 54	4.15 71	0.59 14	1.92 31	1.00 47	0.27 5	1.37 9	1.33 83	0.01 102	0.00 1	0.00 1	0.00 1	0.05 59	0.05 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
iRaftStereo_RVC	1.88 38	1.22 206	2.63 18	0.95 98	0.06 6	2.96 130	0.05 10	6.08 100	3.99 67	3.92 76	4.88 83	2.53 82	0.62 39	3.62 57	1.19 68	0.00 1	1.19 344	0.00 1	0.00 1	0.37 291	1.29 274

RAFT-Stereo + iAFF	2.48 100	1.23 208	3.48 75	1.61 149	1.09 199	1.63 23	0.15 48	5.80 78	6.43 164	7.32 197	9.91 211	3.05 94	1.71 110	2.33 38	1.75 121	0.01 102	0.71 285	0.00 1	0.00 1	0.28 261	1.19 265

UCFNet_RVC	3.37 177	1.25 209	3.30 58	2.55 272	1.80 252	3.92 195	1.28 229	12.49 270	7.16 188	5.12 97	7.88 164	8.14 245	4.59 225	5.67 102	2.11 147	0.00 1	0.00 1	0.00 1	0.00 1	0.14 175	0.07 34

Sa-1000	3.81 209	1.26 210	4.64 164	2.29 241	0.55 130	3.51 164	1.58 243	8.37 169	9.13 242	7.97 216	17.42 312	3.98 131	2.76 148	9.61 270	1.68 115	0.00 1	0.69 280	0.00 1	0.18 269	0.23 237	0.27 125

iRaft-Stereo_5w	3.20 166	1.27 211	5.27 187	0.27 24	0.99 187	2.71 94	0.58 135	5.75 75	5.85 144	3.03 56	7.88 164	10.08 274	4.08 206	8.40 221	6.09 258	0.00 1	0.25 246	0.00 1	0.12 247	0.31 279	0.95 241

SA	3.34 173	1.29 212	4.84 171	1.99 205	0.57 131	3.15 145	1.39 233	7.66 161	9.94 256	4.86 88	10.87 236	2.97 93	4.61 227	9.88 284	1.38 87	0.00 1	0.60 275	0.00 1	0.19 272	0.25 248	0.37 150

RAFT	2.94 144	1.29 212	4.06 128	1.36 127	0.50 114	2.39 64	0.91 206	6.11 101	3.25 25	6.64 160	7.30 154	9.96 272	4.20 210	6.03 109	2.21 152	0.00 1	1.02 317	0.00 1	0.02 190	0.54 317	1.01 246

NVstereo2D	4.82 270	1.29 212	7.98 284	3.68 333	3.48 319	8.02 284	3.10 279	11.25 243	15.50 324	5.14 98	7.71 160	8.21 247	4.68 228	10.19 293	4.30 226	0.02 185	0.19 231	0.13 330	0.36 332	0.07 83	1.12 261

raftrobust	2.16 64	1.31 215	2.76 24	2.38 253	3.33 313	2.72 96	0.51 119	5.34 50	4.64 95	6.13 133	3.98 66	1.63 62	2.51 139	3.02 50	1.64 107	0.00 1	0.76 287	0.00 1	0.02 190	0.14 175	0.27 125

AFF-stereo	2.87 137	1.31 215	3.26 55	1.87 186	0.38 93	1.68 28	0.09 20	6.38 112	7.07 186	6.52 152	11.90 251	6.08 205	2.32 132	5.05 86	1.65 109	0.02 185	0.66 278	0.00 1	0.00 1	0.29 269	0.94 240

MDST_ROB	9.13 338	1.31 215	10.16 321	4.36 353	2.48 286	28.66 379	7.64 347	19.96 361	14.97 319	27.53 374	24.02 344	9.47 265	5.27 250	16.31 352	8.61 289	0.63 341	0.19 231	0.00 1	0.00 1	0.08 88	0.90 236

4D-IteraStereo	1.99 44	1.32 218	3.77 100	0.13 3	2.84 297	3.51 164	1.03 211	4.26 18	5.38 123	5.50 108	1.03 8	3.86 126	0.38 20	2.44 43	1.88 129	0.00 1	0.43 264	0.00 1	0.01 173	0.11 133	1.84 321

stereogan	8.18 326	1.32 218	9.05 305	3.59 329	4.00 339	20.16 363	3.13 282	17.25 342	20.16 346	10.68 298	19.19 322	20.56 358	10.70 331	14.74 342	7.00 269	0.34 324	0.04 171	0.21 346	0.08 231	0.70 330	0.65 209

TestStereo1	3.12 158	1.34 220	4.67 166	3.47 326	0.71 148	2.50 70	1.45 235	7.27 144	8.71 229	4.91 89	9.28 193	2.34 78	3.61 180	9.44 264	1.62 102	0.00 1	0.33 253	0.00 1	0.00 1	0.30 272	0.40 156

SA-5K	3.12 158	1.34 220	4.67 166	3.47 326	0.71 148	2.50 70	1.45 235	7.27 144	8.71 229	4.91 89	9.28 193	2.34 78	3.61 180	9.44 264	1.62 102	0.00 1	0.33 253	0.00 1	0.00 1	0.30 272	0.40 156

psm_up	4.33 242	1.34 220	4.43 146	2.27 238	2.62 290	5.29 233	3.30 290	11.49 248	6.89 180	8.05 224	8.06 170	10.09 276	11.10 332	7.12 145	3.76 207	0.24 312	0.01 102	0.00 1	0.00 1	0.20 217	0.37 150

PSMNet-RSSM	3.69 199	1.36 223	4.54 154	2.44 258	1.90 260	2.35 61	0.69 160	11.77 254	6.38 162	6.60 158	11.85 250	7.70 238	5.61 262	6.66 128	3.67 201	0.00 1	0.00 1	0.02 276	0.01 173	0.17 198	0.10 46

MMNet	4.44 249	1.37 224	6.26 237	1.73 171	1.64 240	10.51 317	0.61 142	9.27 196	9.66 253	9.55 274	9.22 188	7.40 232	6.52 277	7.90 188	6.98 268	0.01 102	0.00 1	0.00 1	0.00 1	0.14 175	0.10 46

HITNet	3.11 156	1.38 225	5.35 192	2.23 229	0.12 19	5.59 238	0.58 135	9.95 213	5.72 141	6.62 159	7.91 166	3.90 128	3.24 161	4.39 75	4.58 236	0.01 102	0.00 1	0.00 1	0.00 1	0.08 88	0.57 190
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
LL-Strereo2	2.22 73	1.39 226	3.39 66	1.26 119	1.01 189	3.73 186	1.47 237	6.47 116	4.61 94	4.66 85	2.64 43	4.17 142	0.37 17	6.03 109	1.61 100	0.09 278	0.24 243	0.00 1	0.08 231	0.08 88	1.16 262

111	3.05 152	1.41 227	5.51 200	0.32 26	0.14 22	2.83 109	0.68 157	6.76 125	14.21 315	3.59 65	9.11 187	5.50 185	3.30 165	4.05 64	2.43 169	0.01 102	0.00 1	0.00 1	0.00 1	0.13 166	1.02 250

rafts_anoy	2.09 55	1.42 228	3.34 62	2.87 293	2.72 294	2.46 69	0.17 53	6.20 107	6.48 166	3.40 61	2.25 36	1.91 69	1.32 83	3.59 56	1.75 121	0.01 102	1.52 365	0.00 1	0.01 173	0.06 68	0.28 129

ssnet_v2	4.73 266	1.43 229	6.74 254	1.80 178	0.75 158	8.89 296	4.60 308	12.66 274	10.65 271	9.53 272	6.23 121	9.78 271	4.26 213	6.89 137	9.65 307	0.01 102	0.01 102	0.00 1	0.00 1	0.36 290	0.31 137

cf-r	3.76 205	1.43 229	5.34 190	2.66 276	2.79 296	2.85 123	0.62 144	9.08 186	6.91 182	7.06 179	11.90 251	9.64 267	3.83 191	6.23 115	4.53 233	0.00 1	0.00 1	0.00 1	0.00 1	0.19 211	0.17 86

STTStereo	3.90 214	1.43 229	8.20 287	3.03 301	2.28 278	3.64 175	0.64 148	10.11 215	7.09 187	10.20 285	7.08 148	8.73 260	3.57 178	7.44 157	4.00 219	0.00 1	0.02 132	0.01 245	0.01 173	0.04 44	0.40 156

MSMD_ROB	9.73 342	1.43 229	5.42 195	1.81 179	0.42 107	16.83 350	4.30 303	14.29 314	15.34 321	23.06 362	40.17 384	25.63 368	22.62 373	13.37 330	8.85 294	0.48 339	0.03 157	0.00 1	0.00 1	0.13 166	0.47 175

ADLNet2	4.72 264	1.44 233	6.68 252	3.03 301	3.90 333	6.80 263	2.91 272	11.67 253	9.63 251	7.99 219	9.89 210	9.75 270	5.32 255	7.70 178	7.13 272	0.01 102	0.03 157	0.00 1	0.00 1	0.26 249	0.22 109

DLCB_ROB	4.87 272	1.45 234	4.75 170	2.52 267	1.13 205	6.25 255	3.01 276	10.44 224	8.34 222	11.05 310	13.43 270	14.04 313	3.90 199	9.74 278	6.80 266	0.00 1	0.00 1	0.00 1	0.00 1	0.08 88	0.37 150

iResNet	4.04 225	1.46 235	8.72 295	3.25 318	0.36 89	4.54 220	0.47 106	9.06 184	10.40 264	7.98 217	12.82 266	4.06 136	3.22 160	8.82 240	4.95 244	0.03 215	0.01 102	0.00 1	0.00 1	0.14 175	0.55 187

CBFPSM	5.12 276	1.48 236	16.22 350	1.81 179	1.14 206	11.16 320	2.90 271	7.99 166	6.75 176	6.55 154	5.00 87	15.05 322	8.78 317	7.52 170	8.90 295	0.04 235	0.02 132	0.00 1	0.00 1	0.42 296	0.67 219

raft+_RVC	2.18 67	1.49 237	3.14 47	2.77 283	2.01 265	1.40 13	0.10 24	7.02 133	5.35 121	2.99 53	5.54 106	1.19 50	1.34 88	4.98 83	1.49 91	0.00 1	1.45 360	0.00 1	0.00 1	0.14 175	1.11 258

RYNet	6.82 300	1.51 238	7.35 272	1.79 177	4.52 349	16.68 349	4.41 305	14.19 312	17.43 333	11.64 319	7.86 163	15.03 321	8.81 318	10.10 290	14.16 348	0.04 235	0.13 217	0.15 333	0.05 222	0.08 88	0.53 185

DRN-Test	6.23 289	1.51 238	7.53 276	3.07 309	3.69 325	12.17 331	3.23 285	20.80 370	11.11 283	12.64 325	13.02 268	10.91 293	5.26 249	8.49 229	10.12 312	0.05 248	0.05 178	0.04 301	0.04 219	0.28 261	0.65 209

MLCV	3.76 205	1.52 240	6.93 258	1.66 158	0.31 77	4.31 213	0.32 82	7.92 163	7.68 201	9.55 274	12.12 254	5.17 175	2.74 146	10.00 289	4.49 232	0.01 102	0.00 1	0.00 1	0.00 1	0.16 192	0.27 125

CBMV	5.97 285	1.52 240	4.51 151	1.99 205	0.53 125	10.02 308	6.94 340	13.27 294	13.80 314	13.08 331	15.93 294	11.36 297	8.11 308	9.82 281	7.27 273	0.08 268	0.15 222	0.00 1	0.00 1	0.30 272	0.74 228
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NLCA_NET_v2_RVC	4.11 229	1.53 242	6.87 257	3.04 303	3.33 313	4.34 215	0.59 138	11.36 246	7.92 210	8.98 252	7.98 168	9.72 269	3.82 190	7.92 189	4.43 230	0.15 291	0.02 132	0.03 293	0.03 201	0.07 83	0.14 64
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
HBP-ISP	4.37 245	1.56 243	4.59 161	2.23 229	1.29 224	7.87 281	3.96 296	11.80 255	10.91 278	8.06 226	14.45 282	3.38 106	4.87 235	9.27 260	2.53 171	0.14 289	0.06 184	0.00 1	0.01 173	0.08 88	0.30 135

GMStereo	2.07 49	1.56 243	5.64 210	0.74 79	0.05 3	3.63 174	0.01 1	5.17 44	11.27 287	4.22 79	2.44 39	0.53 39	0.49 34	4.06 66	1.01 53	0.22 309	0.00 1	0.00 1	0.14 253	0.18 205	0.05 23
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
DANet	6.46 294	1.58 245	9.58 317	4.10 343	3.99 338	9.13 299	1.34 232	10.37 221	7.76 202	13.76 337	15.66 290	16.14 327	7.03 289	13.07 328	13.62 346	0.19 302	0.12 214	0.02 276	0.02 190	0.15 188	1.61 288
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
TestStereo	1.89 39	1.59 246	4.22 137	0.37 38	0.28 74	1.33 10	0.01 1	5.63 68	4.13 70	3.59 65	5.11 90	2.06 75	0.70 42	7.62 176	0.93 40	0.02 185	0.00 1	0.00 1	0.00 1	0.02 9	0.19 94

CFNet-ft	3.70 201	1.59 246	3.87 106	1.68 161	2.42 282	3.20 147	0.66 151	8.93 181	7.76 202	5.09 94	9.95 212	10.77 289	5.43 258	7.41 154	4.71 238	0.00 1	0.00 1	0.03 293	0.01 173	0.30 272	0.11 53

CFNet_RVC	3.70 201	1.59 246	3.87 106	1.68 161	2.42 282	3.20 147	0.66 151	8.92 180	7.76 202	5.09 94	9.95 212	10.77 289	5.43 258	7.41 154	4.71 238	0.00 1	0.00 1	0.03 293	0.01 173	0.30 272	0.11 53

AASNet	4.20 236	1.63 249	5.82 216	3.79 336	3.93 334	6.55 259	1.22 224	19.12 355	6.82 177	7.86 213	8.35 176	4.36 150	2.55 140	3.87 63	7.47 275	0.00 1	0.00 1	0.00 1	0.00 1	0.49 312	0.22 109

AACVNet	3.71 203	1.63 249	4.89 174	3.80 337	0.62 137	3.25 149	0.30 80	9.47 201	3.81 57	6.34 142	10.74 233	10.52 280	4.92 237	9.31 261	3.88 213	0.03 215	0.01 102	0.00 1	0.00 1	0.34 286	0.28 129

RAFT_CTSACE	3.62 195	1.65 251	5.41 194	1.36 127	3.08 303	3.95 198	1.03 211	4.62 26	4.65 96	5.33 102	17.73 316	7.63 237	2.71 144	10.98 300	1.15 62	0.00 1	0.48 269	0.00 1	0.00 1	0.31 279	0.25 122

ACRE	2.67 120	1.66 252	6.50 245	0.72 70	2.03 267	2.65 89	0.84 191	5.97 95	5.52 130	7.85 212	9.23 189	1.72 64	1.09 62	4.09 67	2.73 184	0.02 185	0.19 231	0.02 276	0.08 231	0.26 249	0.21 104

MyStereo8	3.30 171	1.69 253	6.28 238	2.51 264	3.79 330	4.22 208	0.07 15	7.43 152	6.39 163	6.51 151	10.13 216	4.23 147	1.45 93	2.79 48	5.08 247	0.06 258	1.49 363	0.00 1	0.40 336	0.26 249	1.33 277

CIPLG	2.72 127	1.69 253	6.02 224	0.80 84	2.14 271	2.66 90	0.84 191	5.90 87	5.59 132	8.12 227	9.58 201	1.74 65	1.14 67	4.53 78	2.82 189	0.02 185	0.19 231	0.02 276	0.09 237	0.26 249	0.22 109

CSP-Net	4.40 246	1.70 255	4.90 175	1.82 182	1.04 191	12.96 335	2.25 260	13.75 306	6.34 159	9.64 276	8.99 184	8.31 249	3.24 161	8.45 227	4.32 227	0.01 102	0.00 1	0.00 1	0.00 1	0.23 237	0.06 30

pmcnn	8.17 325	1.70 255	11.49 325	3.18 313	3.07 302	9.66 304	6.06 326	13.60 302	17.71 336	15.23 344	24.02 344	27.61 371	8.81 318	10.36 295	9.51 305	0.08 268	0.08 197	0.00 1	0.00 1	0.31 279	0.87 235

IGEVStereo-DCA	1.54 25	1.71 257	2.99 38	0.73 73	0.24 65	2.69 91	0.81 183	4.31 20	2.97 15	0.73 16	0.16 1	0.23 8	0.32 11	7.57 172	2.72 182	0.00 1	0.49 270	0.00 1	0.16 258	0.17 198	1.82 316

rrr	1.64 32	1.71 257	6.31 240	0.73 73	0.24 65	2.69 91	0.92 207	4.25 17	1.75 3	0.73 16	0.16 1	0.23 8	0.32 11	7.57 172	2.72 182	0.00 1	0.49 270	0.00 1	0.20 282	0.17 198	1.68 297

raft_robust	2.91 140	1.71 257	3.42 72	1.36 127	0.57 131	1.53 20	0.12 31	7.06 136	9.09 240	6.96 178	7.21 153	4.43 152	2.09 122	9.40 263	1.61 100	0.03 215	0.93 296	0.00 1	0.21 287	0.17 198	0.38 153

RALAANet	2.68 121	1.71 257	4.73 169	2.79 285	0.80 163	3.30 153	0.15 48	7.92 163	5.92 146	5.79 113	6.06 116	3.51 120	1.13 65	6.76 133	2.28 163	0.00 1	0.28 249	0.00 1	0.10 241	0.27 259	0.13 61

GwcNet-RSSM	4.13 232	1.71 257	6.25 236	2.50 263	1.93 263	2.39 64	1.49 239	9.59 203	8.71 229	6.66 162	15.04 286	8.47 256	3.84 192	6.87 136	6.74 265	0.00 1	0.00 1	0.04 301	0.00 1	0.29 269	0.15 74

RALCasStereoNet	2.39 93	1.73 262	3.59 91	2.38 253	2.69 293	2.84 111	0.18 55	5.29 46	4.94 112	2.45 46	5.62 108	2.22 76	0.79 51	7.48 168	1.63 104	0.00 1	1.75 367	0.00 1	0.00 1	0.14 175	2.03 338

ARAFT	3.32 172	1.74 263	7.92 283	0.64 62	0.15 28	4.45 217	2.89 270	8.20 168	6.30 157	9.23 264	7.12 152	5.58 188	1.24 80	8.60 232	1.69 116	0.01 102	0.03 157	0.00 1	0.00 1	0.35 288	0.35 147

LoS_RVC	1.47 19	1.75 264	2.66 20	0.52 57	3.89 332	1.67 26	0.04 9	2.66 2	2.61 6	0.55 12	2.63 42	0.31 20	1.68 107	1.99 24	0.81 26	0.01 102	0.02 132	0.00 1	0.00 1	0.03 26	5.54 372

IPLGR_C	2.69 122	1.75 264	6.20 232	0.79 82	2.06 269	2.64 88	0.86 198	6.36 111	5.64 134	8.13 228	9.26 191	1.69 63	1.15 72	3.79 61	2.80 188	0.02 185	0.20 236	0.02 276	0.08 231	0.26 249	0.18 88

test_xeample3	1.71 35	1.75 264	6.64 250	0.90 91	0.29 75	2.55 75	0.90 203	4.08 14	2.36 4	0.56 13	0.24 4	0.23 8	0.31 8	7.51 169	2.73 184	0.00 1	0.70 282	0.00 1	0.36 332	0.18 205	1.92 333

iResNet_ROB	4.67 262	1.77 267	5.93 220	2.47 261	0.95 183	3.78 189	0.36 87	15.65 328	17.36 332	8.75 245	11.23 241	7.05 227	4.60 226	8.94 249	4.23 225	0.01 102	0.00 1	0.00 1	0.00 1	0.16 192	0.15 74

whm_eth	3.18 165	1.78 268	6.61 249	0.90 91	2.72 294	2.54 74	0.27 72	7.64 159	7.94 211	5.43 106	23.98 343	0.37 30	0.47 33	1.31 8	1.17 64	0.02 185	0.03 157	0.00 1	0.00 1	0.08 88	0.32 141

GANet	6.86 302	1.78 268	5.98 223	3.05 304	1.12 204	10.12 311	9.38 357	13.41 298	8.67 228	11.46 316	29.87 363	13.94 312	8.25 310	12.06 319	6.33 263	0.40 328	0.06 184	0.16 336	0.33 327	0.18 205	0.59 195

TDLM	4.58 256	1.79 270	5.03 181	2.45 259	1.32 229	4.04 203	7.15 343	11.60 252	11.46 288	6.91 172	12.69 263	5.94 203	5.03 241	9.74 278	3.80 210	0.67 344	0.00 1	0.01 245	0.05 222	0.23 237	1.78 314

DeepPruner_ROB	3.82 210	1.87 271	5.65 211	1.31 126	1.64 240	3.62 173	0.81 183	14.47 316	5.03 116	8.03 222	10.78 234	6.95 225	2.26 128	8.92 246	4.32 227	0.07 264	0.03 157	0.00 1	0.01 173	0.37 291	0.29 132

SACVNet	4.55 253	1.88 272	5.55 207	3.38 323	1.68 245	3.11 139	2.76 269	12.44 268	6.43 164	11.07 311	11.31 242	10.53 282	5.13 246	9.88 284	4.56 234	0.08 268	0.02 132	0.00 1	0.01 173	0.38 293	0.80 232

XPNet_ROB	6.46 294	1.88 272	7.41 274	2.81 286	0.95 183	6.45 258	6.82 338	13.58 301	8.80 232	15.50 345	15.86 292	19.59 350	7.12 290	11.41 311	9.86 308	0.02 185	0.04 171	0.00 1	0.03 201	0.20 217	0.79 231

MeshStereo	11.94 359	1.88 272	5.24 186	2.11 214	1.44 234	20.09 362	4.95 314	21.74 376	16.75 329	33.10 381	35.07 379	39.28 388	22.72 374	19.45 366	13.59 345	0.19 302	0.06 184	0.02 276	0.00 1	0.46 305	0.65 209
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
ccnet	7.45 317	1.89 275	7.71 279	3.18 313	2.35 279	12.19 332	6.14 327	18.95 352	9.36 248	13.33 332	20.38 327	16.00 326	9.10 323	10.10 290	15.40 355	0.44 330	0.34 255	0.25 350	0.25 299	0.48 310	1.18 264

RP	7.41 314	1.90 276	7.33 270	4.26 348	5.25 362	6.64 261	3.46 291	12.44 268	16.23 327	10.36 291	23.00 340	18.72 343	16.59 357	11.10 302	8.47 287	1.10 354	0.02 132	0.12 328	0.16 258	0.43 300	0.65 209

Nwc_Net	7.54 318	1.91 277	8.71 294	4.16 345	3.42 317	10.77 319	2.00 255	20.33 367	12.19 295	9.10 258	24.04 346	17.67 337	13.58 347	12.14 321	9.12 300	0.94 352	0.00 1	0.00 1	0.02 190	0.22 232	0.41 163

dd	2.36 86	1.93 278	6.03 226	0.83 86	0.12 19	1.80 36	0.17 53	5.30 47	11.82 293	2.98 52	3.64 63	1.50 58	1.21 78	5.25 89	3.92 214	0.13 286	0.01 102	0.04 301	0.22 292	0.10 122	0.14 64

G-Net	8.60 332	1.93 278	12.59 330	6.04 367	3.66 324	25.93 372	4.26 300	10.35 220	8.05 215	19.71 357	24.73 349	14.15 314	15.49 355	11.30 306	10.69 322	0.50 340	0.46 267	0.19 344	0.25 299	0.80 336	0.91 237

CVANet_RVC	4.68 263	1.93 278	5.57 209	2.61 274	1.86 258	4.12 205	4.94 313	12.11 258	9.29 245	8.05 224	11.08 238	10.28 277	6.48 276	9.52 268	3.19 196	0.45 332	0.01 102	0.00 1	0.12 247	0.23 237	1.75 310

fast-acv-ft	6.00 286	1.95 281	7.88 282	2.35 249	1.85 256	13.61 340	1.76 250	8.44 171	10.12 257	11.22 313	20.57 329	14.41 318	7.55 300	8.11 198	8.83 293	0.10 281	0.09 203	0.16 336	0.07 228	0.68 326	0.35 147

LMCR-Stereo	3.92 216	1.96 282	4.92 176	2.85 292	0.23 64	7.88 282	1.47 237	12.52 271	5.39 124	8.71 243	10.65 231	1.90 68	5.04 243	8.53 230	4.89 241	1.05 353	0.00 1	0.00 1	0.00 1	0.42 296	0.05 23

CFNet	4.03 224	1.97 283	6.30 239	2.70 280	1.64 240	5.41 236	0.22 61	12.14 260	10.28 259	5.24 100	11.15 239	6.43 212	3.70 187	8.97 252	4.01 220	0.00 1	0.00 1	0.00 1	0.00 1	0.30 272	0.13 61

DMCA-RVC	3.59 193	1.98 284	8.68 293	2.30 242	1.48 235	3.54 168	0.55 126	8.40 170	5.43 127	9.37 269	5.90 110	8.34 251	3.21 159	7.19 146	4.46 231	0.06 258	0.11 211	0.08 322	0.02 190	0.21 227	0.40 156

WCMA_ROB	10.20 347	1.99 285	9.33 311	3.01 299	2.46 284	15.78 346	7.67 349	12.75 276	15.41 322	25.08 372	33.42 375	27.06 370	19.86 363	13.87 335	12.47 337	1.28 358	0.38 261	0.18 342	0.20 282	0.28 261	1.54 285

gwcnet-sp	3.58 190	2.01 286	8.82 298	2.01 209	0.69 142	7.38 277	1.10 218	9.23 193	6.66 172	9.32 265	5.91 111	4.21 144	3.31 167	6.91 138	3.69 202	0.00 1	0.00 1	0.00 1	0.00 1	0.24 241	0.18 88

scenet	3.58 190	2.01 286	8.82 298	2.01 209	0.69 142	7.38 277	1.10 218	9.23 193	6.66 172	9.32 265	5.91 111	4.21 144	3.31 167	6.91 138	3.69 202	0.00 1	0.00 1	0.00 1	0.00 1	0.24 241	0.18 88

ssnet	3.58 190	2.01 286	8.82 298	2.01 209	0.69 142	7.38 277	1.10 218	9.23 193	6.66 172	9.32 265	5.91 111	4.21 144	3.31 167	6.91 138	3.69 202	0.00 1	0.00 1	0.00 1	0.00 1	0.24 241	0.18 88

FBW_ROB	9.17 339	2.08 289	10.31 322	2.51 264	1.66 244	13.22 338	6.04 325	23.09 377	20.11 345	19.55 355	15.80 291	18.97 347	11.96 340	19.34 365	11.38 326	0.66 343	0.30 251	2.15 373	0.90 357	1.15 345	2.16 343

iinet-f	6.21 288	2.11 290	28.74 385	2.13 215	1.38 231	11.62 324	1.49 239	7.64 159	7.19 190	7.77 210	14.38 280	10.49 279	7.79 303	7.76 181	12.90 342	0.03 215	0.03 157	0.05 307	0.00 1	0.67 324	0.12 56

BEATNet_4x	3.69 199	2.12 291	8.11 285	1.82 182	0.16 33	5.30 234	1.04 214	10.87 234	6.14 153	7.09 182	8.42 177	4.99 172	4.42 215	5.89 105	6.23 262	0.04 235	0.05 178	0.00 1	0.00 1	0.32 283	0.84 234

DN-CSS_ROB	3.00 151	2.14 292	7.33 270	2.67 278	0.78 161	3.13 142	0.07 15	6.68 124	4.22 76	5.51 109	12.12 254	2.33 77	1.21 78	8.69 237	2.51 170	0.03 215	0.00 1	0.00 1	0.00 1	0.42 296	0.15 74

AF-Net	8.37 329	2.16 293	9.01 303	3.65 331	4.58 352	9.40 300	2.63 266	17.71 344	21.32 351	10.38 292	24.51 348	20.43 355	16.67 358	12.54 324	10.76 323	0.70 346	0.00 1	0.12 328	0.00 1	0.47 307	0.42 167

psmorigin	7.74 319	2.19 294	18.99 360	2.51 264	0.89 173	7.08 271	2.74 267	11.25 243	7.90 208	20.49 360	22.36 338	20.16 352	11.95 339	13.84 334	10.61 319	0.04 235	0.18 229	0.06 311	0.24 296	0.27 259	1.07 254

Wz-Net-LNSev-Ref	6.52 297	2.21 295	12.10 328	2.75 281	3.28 310	10.03 309	3.05 277	12.31 263	11.52 289	10.10 284	21.36 331	11.51 298	7.30 295	11.56 313	10.61 319	0.09 278	0.00 1	0.00 1	0.00 1	0.08 88	0.51 182

FADNet-RVC-Resample	4.11 229	2.25 296	13.88 337	1.64 151	0.66 139	5.91 249	2.34 262	10.87 234	9.09 240	6.53 153	4.34 71	5.69 196	4.71 230	8.01 193	4.64 237	0.18 301	0.22 237	0.17 341	0.12 247	0.46 305	0.59 195

NaN_ROB	6.51 296	2.25 296	8.77 296	1.69 163	1.79 251	9.71 305	10.94 362	16.20 333	16.13 326	13.04 330	8.86 180	11.77 301	5.94 266	12.88 327	8.01 281	0.05 248	0.13 217	0.07 316	0.20 282	0.32 283	1.50 282

sAnonymous2	1.54 25	2.26 298	9.53 313	0.65 64	0.50 114	1.20 5	0.23 65	4.86 30	3.65 48	0.42 4	1.27 15	0.23 8	1.40 90	1.23 4	0.68 11	0.02 185	0.00 1	0.00 1	0.20 282	2.00 360	0.42 167

CroCo_RVC	1.54 25	2.26 298	9.53 313	0.65 64	0.50 114	1.20 5	0.23 65	4.86 30	3.65 48	0.42 4	1.27 15	0.23 8	1.40 90	1.23 4	0.68 11	0.02 185	0.00 1	0.00 1	0.20 282	2.00 360	0.42 167

iResNetv2_ROB	4.72 264	2.26 298	8.87 301	3.20 315	1.25 217	4.32 214	1.73 248	14.22 313	10.62 270	10.53 295	12.13 256	7.77 239	5.54 261	8.29 210	2.76 187	0.00 1	0.00 1	0.00 1	0.00 1	0.42 296	0.55 187

RAFT + AFF	4.63 260	2.28 301	7.43 275	1.51 141	2.38 280	5.81 247	6.49 332	10.74 231	8.53 226	7.75 209	8.95 183	7.47 234	6.68 283	9.17 258	5.06 246	0.08 268	0.47 268	0.00 1	0.01 173	0.66 323	1.03 253

NCC-stereo	7.43 315	2.28 301	8.58 291	3.28 319	4.48 346	8.34 286	4.27 301	20.45 368	13.66 312	9.17 261	17.52 313	16.49 329	14.31 352	13.71 332	8.95 296	1.73 364	0.12 214	0.01 245	0.50 346	0.21 227	0.60 197

Abc-Net	7.43 315	2.28 301	8.58 291	3.28 319	4.48 346	8.34 286	4.27 301	20.45 368	13.66 312	9.17 261	17.52 313	16.49 329	14.31 352	13.71 332	8.95 296	1.73 364	0.12 214	0.01 245	0.50 346	0.21 227	0.60 197
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
LL-Strereo	5.14 277	2.29 304	8.95 302	1.26 119	5.05 360	3.66 176	1.40 234	10.33 219	8.98 237	8.71 243	8.24 175	10.70 286	11.10 332	12.66 326	5.36 250	0.05 248	1.35 358	0.00 1	0.00 1	0.38 293	2.23 347

ADCRef	7.76 320	2.31 305	19.09 361	2.82 288	3.29 311	11.88 327	3.06 278	11.52 250	10.89 277	13.69 336	25.85 354	8.20 246	8.89 320	8.95 250	22.66 367	0.16 294	0.08 197	0.16 336	0.34 330	0.47 307	0.91 237

FADNet_RVC	4.24 239	2.32 306	14.23 340	1.18 114	0.79 162	5.64 240	0.60 139	11.50 249	7.19 190	3.68 69	8.08 172	4.14 140	4.06 203	10.29 294	7.47 275	0.36 326	0.44 266	0.18 342	0.47 343	0.93 339	1.23 268

GMStereo_Zeroshot	2.92 142	2.33 307	6.12 228	1.66 158	0.36 89	3.61 170	0.09 20	5.95 93	6.20 155	7.15 186	7.11 151	8.37 252	0.91 53	6.17 113	1.97 138	0.00 1	0.00 1	0.00 1	0.00 1	0.22 232	0.14 64

FADNet	4.55 253	2.35 308	13.60 335	1.87 186	0.80 163	4.74 225	0.75 176	14.47 316	12.41 297	4.07 77	5.45 103	9.64 267	5.03 241	8.86 243	4.82 240	0.20 305	0.04 171	0.07 316	0.05 222	1.27 348	0.40 156

PA-Net	5.40 279	2.35 308	9.55 315	2.75 281	2.21 273	8.74 293	3.92 295	13.05 286	13.35 310	7.30 196	7.98 168	8.08 244	6.39 275	11.17 305	9.30 302	0.02 185	0.03 157	0.00 1	0.03 201	0.16 192	1.55 287
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
StereoDRNet	6.02 287	2.40 310	8.22 288	3.43 324	4.43 345	10.57 318	4.21 299	19.44 357	11.24 286	12.86 326	8.06 170	11.64 300	4.79 233	8.65 236	9.32 303	0.01 102	0.10 207	0.00 1	0.03 201	0.34 286	0.69 220

PSMNet_ROB	5.41 281	2.45 311	7.39 273	2.36 251	1.90 260	10.11 310	6.54 333	16.32 335	7.59 198	6.84 171	10.83 235	12.06 304	4.13 207	8.73 238	10.24 314	0.02 185	0.01 102	0.01 245	0.11 243	0.26 249	0.40 156

APVNet	6.28 291	2.46 312	10.09 319	3.51 328	3.97 336	12.15 330	1.75 249	20.08 366	6.73 175	6.92 177	13.45 271	10.75 288	6.29 274	11.86 317	14.34 349	0.05 248	0.02 132	0.11 324	0.03 201	0.63 320	0.34 143

NCCL2	6.27 290	2.46 312	7.00 259	2.36 251	1.11 202	9.48 301	11.14 364	13.01 285	10.40 264	9.94 282	9.49 199	22.11 361	7.42 296	9.90 286	8.56 288	0.01 102	0.00 1	0.02 276	0.03 201	0.20 217	0.73 225

PS-NSSS	4.22 237	2.53 314	5.89 219	1.01 101	2.93 298	4.05 204	1.93 253	11.44 247	8.94 236	7.14 185	14.70 285	4.96 170	2.60 142	9.09 255	3.92 214	0.40 328	0.04 171	0.83 361	0.00 1	1.09 341	1.02 250

LALA_ROB	7.02 307	2.54 315	8.51 290	1.53 143	0.96 185	9.96 307	8.71 354	16.70 337	12.68 301	12.99 328	13.90 277	24.47 364	5.40 257	11.61 315	9.50 304	0.04 235	0.05 178	0.00 1	0.02 190	0.17 198	0.65 209

DPSNet	10.88 354	2.57 316	20.40 365	2.24 232	1.90 260	24.92 370	17.00 391	21.35 373	28.61 369	12.87 327	13.74 274	17.01 334	20.14 365	15.36 345	14.01 347	0.81 348	0.98 310	0.20 345	0.65 353	1.30 349	1.54 285

ETE_ROB	6.28 291	2.60 317	9.22 309	1.71 167	0.84 168	6.44 257	6.78 337	13.16 292	8.80 232	13.01 329	15.93 294	21.01 359	6.18 271	10.97 299	8.11 283	0.04 235	0.01 102	0.00 1	0.02 190	0.16 192	0.70 222

dad	5.10 275	2.61 318	6.76 255	1.23 117	0.14 22	2.85 123	0.36 87	7.98 165	14.88 318	10.84 303	17.06 305	15.59 323	3.29 164	7.24 148	4.39 229	1.20 356	0.10 207	4.02 377	0.49 345	0.20 217	0.69 220

AANet_RVC	5.41 281	2.61 318	8.17 286	2.25 233	1.30 226	2.27 57	1.64 246	10.82 232	18.54 339	8.01 221	18.09 318	8.39 255	3.31 167	11.37 310	8.98 298	1.15 355	0.38 261	0.02 276	0.00 1	0.17 198	0.70 222

FADNet-RVC	4.36 243	2.62 320	14.51 343	2.01 209	0.44 109	4.27 210	1.27 227	12.61 273	7.89 207	3.76 71	4.05 67	10.63 284	4.34 214	9.87 283	7.66 278	0.03 215	0.09 203	0.00 1	0.03 201	0.65 322	0.50 178

LE_ROB	17.31 377	2.62 320	14.26 341	4.20 346	1.80 252	17.40 353	9.70 359	15.38 326	55.92 401	63.97 411	40.81 386	35.50 384	39.26 395	15.64 349	28.51 386	0.06 258	0.11 211	0.13 330	0.21 287	0.14 175	0.51 182

SDNR	7.97 321	2.75 322	16.90 354	2.28 240	0.94 180	45.23 398	0.43 100	9.30 199	10.84 275	10.71 299	25.30 352	5.51 186	4.47 217	11.98 318	7.58 277	0.15 291	0.14 221	0.00 1	0.04 219	2.27 362	2.65 354

Wz-Net-LNSev	7.12 309	2.75 322	18.64 358	1.70 166	4.16 340	12.79 334	6.72 335	13.74 305	13.57 311	11.14 312	17.31 311	11.90 303	8.50 313	8.96 251	9.94 309	0.00 1	0.01 102	0.00 1	0.00 1	0.18 205	0.34 143

RGC	7.40 313	2.77 324	7.71 279	4.43 355	4.87 358	8.88 295	2.96 274	16.05 332	12.76 305	11.96 323	19.57 324	18.32 342	11.57 338	13.89 336	9.58 306	0.83 349	0.02 132	0.24 349	0.41 338	0.40 295	0.77 230

ADCP+	8.60 332	2.78 325	17.44 355	1.69 163	4.27 342	16.95 352	5.29 317	13.38 297	12.52 298	13.57 335	17.57 315	10.86 292	11.28 334	18.43 363	23.91 376	0.03 215	0.05 178	0.01 245	0.18 269	0.47 307	1.31 275

PDISCO_ROB	10.27 348	2.79 326	13.30 333	10.58 378	9.96 380	22.78 366	5.99 322	20.01 362	28.57 368	11.88 321	14.49 283	20.54 356	4.92 237	17.01 358	10.29 315	5.79 377	0.42 263	0.14 332	0.13 252	2.53 365	3.25 358

CSAN	8.41 330	2.86 327	9.35 312	2.43 257	0.82 166	13.59 339	11.68 370	15.80 330	21.98 355	14.71 341	16.46 300	18.00 339	14.42 354	13.68 331	10.10 310	0.10 281	0.13 217	0.15 333	0.19 272	0.43 300	1.28 273

GwcNet	6.95 303	2.89 328	13.32 334	2.82 288	5.53 363	11.76 325	2.14 259	14.95 321	17.69 335	10.83 302	18.14 319	10.83 291	6.66 281	9.83 282	10.19 313	0.03 215	0.06 184	0.03 293	0.08 231	0.64 321	0.66 217

FINET	6.96 304	2.98 329	13.77 336	3.20 315	4.81 357	9.65 303	9.90 360	13.68 304	23.91 359	8.28 233	13.70 272	5.36 182	5.83 264	10.79 298	8.05 282	0.90 350	1.43 359	0.11 324	0.38 334	0.48 310	1.98 337

Wz-Net-MNSev	8.12 324	3.18 330	18.07 357	2.63 275	3.36 315	17.82 356	9.40 358	12.89 280	15.44 323	13.95 339	18.21 320	14.38 317	7.75 302	12.50 323	11.45 327	0.46 334	0.03 157	0.00 1	0.01 173	0.26 249	0.58 192

ADCL	10.77 352	3.23 331	21.50 367	2.26 235	1.96 264	23.65 367	9.07 355	14.69 320	24.88 361	15.21 343	27.20 355	12.68 307	14.02 351	16.94 357	24.43 378	0.26 318	0.18 229	0.74 359	0.67 354	0.80 336	1.02 250

MANE	20.98 388	3.23 331	8.81 297	5.96 366	6.96 369	33.07 385	13.20 374	35.43 390	38.86 387	44.72 397	52.41 401	53.20 396	41.84 397	34.74 389	27.45 384	1.87 366	2.27 372	1.54 369	10.18 393	0.69 328	3.11 357

SANet	11.48 357	3.34 333	13.93 338	2.40 256	1.01 189	16.49 348	12.16 373	20.05 365	37.28 383	19.62 356	28.04 357	25.61 367	20.10 364	14.43 339	12.39 336	0.10 281	0.06 184	0.03 293	0.06 227	0.76 334	1.73 306

SGM-ForestM	18.61 382	3.38 334	10.14 320	3.44 325	2.24 276	34.17 387	15.39 380	29.44 388	33.93 375	38.55 389	41.08 387	53.64 397	36.76 392	34.82 390	27.16 383	1.25 357	1.81 370	0.74 359	1.01 359	0.61 319	2.61 353

ADCPNet	10.18 346	3.40 335	33.24 388	2.38 253	1.74 248	17.75 355	7.65 348	13.20 293	13.03 307	14.09 340	21.72 334	19.36 348	11.40 336	15.43 347	23.00 369	0.28 321	1.15 340	0.39 356	1.48 369	0.68 326	2.21 345

DGSMNet	7.10 308	3.49 336	15.11 346	4.36 353	4.41 344	8.94 297	6.25 328	15.10 323	14.28 316	8.15 229	14.51 284	10.08 274	5.38 256	11.04 301	7.95 280	1.49 362	2.00 371	1.79 370	1.68 374	2.43 363	3.48 362

ELAS	17.99 379	3.49 336	11.19 324	6.14 368	5.79 365	34.89 388	17.28 392	28.75 385	30.47 371	40.80 393	45.79 392	39.04 387	32.05 389	27.63 384	24.30 377	1.88 367	2.41 376	1.09 363	1.48 369	1.83 357	3.48 362
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DeepPrunerF	7.18 311	3.58 338	25.29 377	4.27 349	7.20 370	3.78 189	4.64 309	14.03 310	20.86 349	8.85 247	10.57 228	7.35 230	7.88 305	12.16 322	10.66 321	0.25 315	0.16 224	0.29 351	0.43 341	0.77 335	0.65 209

GANetREF_RVC	6.97 305	3.59 339	9.14 308	4.00 340	0.40 101	13.17 336	11.27 368	15.95 331	17.51 334	10.62 297	10.66 232	12.15 305	7.97 307	13.18 329	5.04 245	0.45 332	0.00 1	0.01 245	0.15 256	3.47 370	0.60 197
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
ELAS_RVC	17.82 378	3.60 340	11.92 326	6.63 370	5.73 364	30.34 381	19.64 394	26.92 382	35.06 380	40.79 392	41.32 388	37.31 386	31.61 386	30.54 385	22.93 368	1.97 368	2.40 374	1.28 367	1.27 365	1.71 355	3.51 364
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SHD	10.45 350	3.67 341	14.03 339	4.81 358	4.52 349	11.93 328	1.66 247	21.36 374	38.40 386	18.84 354	21.72 334	17.63 336	13.07 343	15.65 350	17.71 358	0.36 326	1.09 322	0.01 245	0.32 324	0.50 313	1.67 296

Syn2CoEx	6.70 299	3.69 342	12.14 329	2.78 284	1.68 245	8.36 289	3.21 284	18.59 350	12.66 300	8.86 248	20.79 330	10.52 280	10.54 329	9.68 272	8.70 291	0.01 102	0.00 1	0.00 1	0.00 1	0.69 328	1.00 245

aanetorigin	9.02 335	3.75 343	28.68 384	2.16 216	3.86 331	5.84 248	5.40 320	5.93 92	10.39 263	28.12 375	31.02 369	15.98 325	13.74 348	9.38 262	12.55 338	0.25 315	0.22 237	0.22 347	0.24 296	1.24 346	1.47 279

TRStereo	2.71 124	3.79 344	5.46 198	2.19 223	2.22 275	2.98 133	1.07 216	9.83 208	4.39 85	3.46 62	3.48 53	3.92 129	0.77 47	6.43 118	1.70 117	0.03 215	0.63 276	0.00 1	0.29 317	0.11 133	1.49 281

SAMSARA	15.67 369	3.89 345	14.48 342	13.77 384	7.92 374	38.69 392	73.90 415	21.22 372	24.66 360	17.04 352	13.86 275	30.01 374	13.07 343	18.07 362	17.48 357	0.23 310	1.46 361	0.07 316	0.40 336	0.99 340	2.15 342

SuperB	8.29 328	3.96 346	24.92 375	2.96 297	1.33 230	9.83 306	4.15 298	10.92 238	29.79 370	11.86 320	12.51 261	6.07 204	6.97 286	11.13 304	14.73 350	0.15 291	0.11 211	0.35 353	0.26 308	12.64 384	1.11 258

PVD	16.41 371	3.98 347	16.04 349	5.38 361	4.59 354	19.44 360	7.28 345	28.88 386	49.27 396	31.53 379	43.72 390	30.36 376	32.17 390	26.70 383	23.19 370	0.25 315	1.48 362	0.04 301	0.59 350	0.52 315	2.87 356

anonymity	8.04 322	4.13 348	12.86 331	7.43 372	13.11 386	8.34 286	2.02 256	18.21 348	7.55 197	13.88 338	9.27 192	10.63 284	7.79 303	11.57 314	6.06 257	6.25 378	5.59 400	3.71 376	3.28 379	3.27 368	5.78 373

RTSC	9.87 343	4.34 349	16.44 351	4.60 357	2.38 280	12.54 333	0.75 176	18.19 347	37.31 384	16.16 349	15.86 292	13.32 308	7.56 301	20.93 372	23.50 372	0.34 324	1.07 321	0.02 276	0.35 331	0.71 331	0.99 243

PWCDC_ROB	8.50 331	4.40 350	9.57 316	6.16 369	4.54 351	10.46 314	1.03 211	15.30 324	28.16 367	10.88 305	30.88 368	6.96 226	11.31 335	14.57 340	10.40 317	3.10 373	0.02 132	0.00 1	0.00 1	1.55 353	0.63 206

Anonymous Stereo	7.27 312	4.41 351	26.56 380	3.67 332	3.09 304	5.56 237	15.31 379	10.85 233	11.63 291	10.31 290	10.32 219	7.46 233	3.67 186	14.42 338	15.13 353	0.64 342	0.88 293	0.00 1	0.07 228	0.33 285	1.16 262

SQANet	8.22 327	4.42 352	7.19 269	12.11 381	9.77 379	11.80 326	3.23 285	12.00 256	6.60 168	8.59 241	11.52 245	10.97 295	5.31 254	11.10 302	4.20 223	9.56 385	2.29 373	10.51 382	1.61 373	13.06 386	8.49 381

ADCMid	10.97 355	4.49 353	23.66 371	2.53 268	2.52 289	11.46 323	6.31 329	15.31 325	12.85 306	23.57 366	22.99 339	17.92 338	21.04 368	19.57 367	28.05 385	0.47 337	0.43 264	1.10 364	1.32 366	1.73 356	2.10 340

PWC_ROB	8.89 334	4.49 353	15.62 348	2.92 294	4.49 348	7.89 283	1.23 225	17.29 343	20.00 344	16.54 350	28.06 358	14.37 316	11.98 341	14.93 344	15.43 356	0.47 337	0.00 1	0.05 307	0.00 1	0.67 324	1.31 275

MFN_U_SF_RVC	13.54 363	4.69 355	28.43 383	4.24 347	2.50 287	24.26 368	5.99 322	28.23 384	20.18 347	24.06 369	29.38 361	30.35 375	16.92 359	20.98 373	21.39 363	1.35 359	1.13 328	1.02 362	1.41 368	1.88 358	2.50 352

XQC	9.46 340	4.84 356	18.88 359	4.07 341	3.09 304	15.97 347	6.65 334	16.26 334	26.63 364	12.63 324	12.35 259	15.75 324	10.62 330	16.48 353	21.19 362	0.44 330	0.96 304	0.05 307	0.32 324	1.10 342	0.99 243

Consistency-Raft	9.58 341	5.11 357	13.00 332	5.61 363	8.92 377	4.03 202	5.07 316	19.73 360	24.90 362	11.32 315	29.86 362	13.36 309	6.16 270	8.00 191	13.47 344	0.67 344	0.34 255	1.81 371	4.36 385	12.23 382	3.62 365

MFN_U_SF_DS_RVC	10.36 349	5.37 358	16.61 353	2.95 296	3.02 301	24.75 369	15.44 381	14.68 319	19.73 342	19.77 358	23.97 342	16.98 333	8.40 311	17.58 360	9.23 301	1.59 363	1.75 367	0.16 336	2.63 376	0.75 333	1.85 323

WZ-Net	13.61 364	5.57 359	42.84 396	3.89 339	3.19 308	19.90 361	15.44 381	15.67 329	32.04 373	16.13 348	28.69 359	22.17 362	15.84 356	21.40 374	26.87 381	0.75 347	0.01 102	0.01 245	0.03 201	0.51 314	1.20 266

PASM	9.11 336	5.68 360	25.06 376	4.33 351	4.18 341	7.01 268	8.48 351	12.37 265	20.95 350	13.49 334	15.37 288	18.80 344	11.52 337	14.70 341	12.70 339	0.93 351	1.19 344	0.32 352	1.21 364	1.66 354	2.22 346

GASNet	5.62 283	5.76 361	12.05 327	5.03 360	2.08 270	3.77 188	1.53 241	12.92 281	11.62 290	9.64 276	7.40 156	8.58 258	7.54 299	14.76 343	8.25 285	0.02 185	0.15 222	0.00 1	0.00 1	0.81 338	0.52 184

MaskLacGwcNet_RVC	6.42 293	6.12 362	6.53 247	4.29 350	3.61 323	15.41 345	4.13 297	12.36 264	7.32 195	7.60 204	8.51 178	8.97 263	2.64 143	10.17 292	3.72 205	8.16 383	2.40 374	2.00 372	0.11 243	8.55 379	5.84 374

ADCS	13.76 365	6.46 363	30.74 386	3.62 330	2.93 298	14.28 342	11.22 367	20.02 363	34.42 378	23.20 363	25.42 353	19.51 349	19.62 362	24.54 380	33.88 394	0.27 320	0.23 240	0.37 355	0.19 272	1.47 351	2.84 355

EDNetEfficient	14.14 367	6.71 364	56.12 402	2.99 298	3.58 321	5.38 235	8.49 352	9.35 200	33.24 374	40.73 391	30.21 365	18.04 340	22.92 375	12.13 320	26.26 380	0.16 294	0.24 243	0.07 316	1.15 361	2.58 366	2.39 349

AnyNet_C32	11.82 358	7.08 365	25.83 378	4.55 356	5.88 366	16.92 351	16.97 390	14.14 311	18.11 338	16.87 351	21.66 333	14.78 319	13.87 350	23.54 379	31.83 391	0.24 312	0.28 249	0.35 353	0.53 348	1.35 350	1.71 304

AnonymousM	2.96 148	7.19 366	1.41 1	0.92 95	0.06 6	2.37 63	0.52 120	6.05 96	3.83 60	4.97 91	2.37 37	1.91 69	1.00 58	2.23 33	1.06 57	0.01 102	0.57 274	17.64 387	4.90 386	0.02 9	0.27 125

SPS-STEREO	15.83 370	7.38 367	14.92 345	11.63 380	11.77 384	25.30 371	7.12 342	25.20 380	17.06 331	32.24 380	30.34 366	31.63 377	22.59 372	25.67 381	21.97 365	7.71 382	4.50 396	3.35 375	1.56 372	6.97 377	7.72 380
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
LSM	14.85 368	7.41 368	36.29 391	7.76 374	43.77 409	11.24 322	12.14 372	16.73 338	23.72 357	23.73 368	32.92 372	18.89 346	13.31 345	16.60 354	12.37 335	0.26 318	0.86 292	0.11 324	0.43 341	1.24 346	17.26 402

UDGNet	2.92 142	7.79 369	4.92 176	3.01 299	0.08 9	2.96 130	0.20 59	4.77 28	8.93 235	2.91 51	2.85 45	0.95 46	1.00 58	6.46 119	1.66 112	1.46 361	0.00 1	5.33 380	0.92 358	1.95 359	0.19 94

MSC_U_SF_DS_RVC	17.08 374	7.98 370	24.37 374	6.82 371	2.93 298	39.68 394	16.11 383	25.46 381	34.93 379	34.13 383	34.20 376	29.20 373	24.94 379	23.01 377	19.39 360	2.79 370	2.87 384	1.18 366	1.53 371	6.78 376	3.31 359

Wz-Net-SNSev	9.92 344	8.01 371	26.42 379	2.26 235	1.85 256	8.36 289	14.30 378	18.01 346	21.68 352	10.78 301	23.95 341	16.84 332	8.60 315	15.59 348	19.76 361	0.01 102	0.03 157	0.01 245	0.00 1	0.52 315	1.34 278

otaku	12.35 361	8.64 372	9.11 307	13.56 383	10.98 381	26.23 373	7.22 344	19.45 358	19.26 341	11.92 322	17.90 317	20.21 353	8.91 321	16.06 351	6.09 258	9.77 386	2.50 377	13.23 383	1.90 375	14.61 387	9.41 385

NVStereoNet_ROB	17.22 375	8.76 373	16.47 352	7.52 373	8.42 375	13.75 341	11.07 363	24.24 379	26.67 365	31.00 377	46.49 393	34.88 383	27.06 382	22.72 376	23.61 373	6.83 381	4.32 395	6.32 381	10.37 394	4.39 371	9.57 386
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SGM+DAISY	17.25 376	9.46 374	22.74 369	10.11 376	11.40 382	28.98 380	13.74 376	21.15 371	16.85 330	31.39 378	34.79 377	34.05 382	24.24 378	26.23 382	19.31 359	8.79 384	7.56 404	4.88 378	3.93 383	6.07 375	9.33 383

MFMNet_re	14.09 366	9.67 375	20.31 364	10.40 377	7.62 371	21.38 365	17.49 393	21.36 374	31.95 372	23.70 367	29.22 360	18.87 345	27.41 383	14.27 337	11.16 324	2.85 371	1.51 364	0.41 357	0.28 312	4.88 372	7.10 378

Ntro	12.91 362	9.95 376	10.01 318	14.12 385	12.55 385	26.31 374	6.76 336	19.04 354	22.03 356	10.23 287	16.26 297	20.22 354	10.06 326	16.81 356	7.93 279	10.16 388	2.55 379	15.19 385	2.86 377	15.27 388	9.93 387

UDG	9.12 337	10.06 377	6.35 242	10.06 375	9.64 378	10.48 315	2.33 261	12.73 275	10.19 258	8.33 234	10.27 218	16.70 331	10.47 328	8.33 217	9.07 299	4.28 374	2.59 380	18.90 388	3.83 382	11.35 381	6.50 377

CC-Net-ROB	8.09 323	10.11 378	9.03 304	4.07 341	3.74 329	15.24 344	4.84 312	18.44 349	10.87 276	6.73 170	14.03 278	7.54 235	4.68 228	11.61 315	3.98 218	6.59 379	2.54 378	16.51 386	1.19 363	7.88 378	2.20 344

RTS	19.64 385	10.42 379	87.01 411	5.88 364	6.82 367	41.73 395	16.69 386	16.80 339	41.90 390	23.44 364	32.96 373	13.79 310	21.49 369	38.85 395	30.84 388	0.46 334	0.70 282	0.00 1	0.09 237	1.13 343	1.70 302

RTSA	19.64 385	10.42 379	87.01 411	5.88 364	6.82 367	41.73 395	16.69 386	16.80 339	41.90 390	23.44 364	32.96 373	13.79 310	21.49 369	38.85 395	30.84 388	0.46 334	0.70 282	0.00 1	0.09 237	1.13 343	1.70 302

BEATNet-Init1	24.70 389	11.33 381	44.28 397	5.48 362	3.94 335	47.60 402	22.33 397	34.94 389	40.01 388	48.11 400	49.98 397	59.86 401	43.17 398	39.48 397	31.77 390	1.37 360	1.76 369	1.17 365	1.17 362	2.44 364	3.85 367

Wz-Net-TNSev	12.01 360	11.86 382	38.26 393	2.81 286	1.82 255	18.12 357	11.31 369	16.67 336	21.73 353	15.06 342	17.17 307	19.72 351	20.69 367	20.68 370	21.41 364	0.04 235	0.06 184	0.00 1	0.16 258	0.74 332	1.93 334

DDUNet	10.03 345	12.17 383	8.24 289	13.02 382	11.73 383	10.32 313	3.76 292	12.27 262	8.35 223	9.64 276	13.89 276	16.48 328	6.67 282	9.50 267	7.00 269	6.80 380	3.45 390	21.10 389	4.33 384	12.78 385	9.12 382

AnyNet_C01	16.99 373	12.34 384	60.47 404	4.88 359	3.11 307	31.77 382	16.79 388	18.60 351	17.96 337	18.62 353	38.50 382	24.03 363	19.00 361	30.59 386	35.18 396	0.29 322	0.56 272	0.45 358	0.48 344	2.70 367	3.40 360

EDNetEfficientorigin	18.25 381	14.44 385	99.41 423	1.72 170	1.00 188	12.07 329	6.97 341	13.67 303	35.06 380	38.59 390	37.10 381	27.03 369	27.46 384	15.38 346	26.92 382	0.05 248	0.08 197	0.15 333	0.62 351	3.33 369	3.92 368

JetBlue	29.99 395	17.24 386	55.64 401	16.24 386	21.08 397	62.07 413	33.14 404	40.60 393	35.73 382	34.59 386	40.67 385	57.18 400	43.54 399	51.46 408	52.18 410	2.72 369	4.58 398	2.86 374	3.53 380	10.57 380	14.11 397

coex-ft	20.15 387	20.03 387	87.93 413	1.81 179	1.77 249	18.77 359	13.73 375	13.28 295	41.87 389	60.24 407	39.04 383	28.27 372	30.39 385	12.57 325	28.66 387	0.20 305	0.23 240	0.04 301	0.30 319	1.52 352	2.34 348

ACVNet-4b	16.48 372	23.07 388	14.73 344	16.69 387	15.18 389	31.83 383	7.30 346	19.71 359	27.82 366	11.54 318	22.10 337	31.68 378	8.96 322	18.88 364	7.28 274	11.04 390	2.65 381	24.93 392	5.02 387	18.57 390	10.67 389

WAO-7	30.22 396	25.83 389	23.33 370	33.10 397	14.36 387	36.98 389	22.41 398	52.85 406	64.46 408	43.76 395	59.24 407	52.31 394	45.69 401	32.82 387	32.60 392	11.16 392	5.49 399	13.76 384	12.60 399	12.36 383	9.38 384

ACVNet_1	19.51 384	26.19 390	15.50 347	17.71 388	15.28 390	26.46 375	9.36 356	29.16 387	34.18 376	25.06 371	24.89 350	37.18 385	21.93 371	17.80 361	15.03 352	11.08 391	2.83 382	25.29 393	5.06 389	19.11 391	11.14 390

DispFullNet	18.06 380	27.03 391	34.90 389	22.68 392	20.79 394	15.03 343	3.18 283	16.95 341	26.06 363	20.48 359	16.91 303	20.55 357	18.37 360	23.48 378	12.16 334	5.31 376	2.91 385	31.24 396	8.09 392	22.63 394	12.44 394

RainbowNet	18.69 383	27.15 392	22.03 368	18.76 389	15.00 388	27.97 378	10.17 361	27.99 383	34.19 377	15.53 346	27.53 356	25.33 365	13.80 349	19.86 369	10.59 318	14.50 396	3.57 391	23.85 391	5.03 388	18.49 389	12.41 393

IMH-64-1	28.06 393	29.98 393	19.46 362	32.15 395	20.98 395	27.68 376	16.66 384	47.31 397	44.85 393	34.14 384	50.94 398	41.49 389	31.67 387	37.53 391	23.88 374	14.17 394	2.96 386	34.45 398	11.15 395	26.12 396	13.75 395

IMH-64	28.06 393	29.98 393	19.46 362	32.15 395	20.98 395	27.68 376	16.66 384	47.31 397	44.85 393	34.14 384	50.94 398	41.49 389	31.67 387	37.53 391	23.88 374	14.17 394	2.96 386	34.45 398	11.15 395	26.12 396	13.75 395

IMH	30.65 397	30.30 395	21.09 366	34.89 399	21.75 399	33.16 386	16.91 389	49.53 404	52.50 397	38.41 388	55.10 404	45.13 391	40.36 396	41.57 398	25.66 379	14.74 397	3.36 389	35.43 400	11.69 397	27.31 400	14.16 398

ACVNet_2	27.45 391	30.56 396	27.90 381	20.72 390	15.55 391	37.22 390	14.00 377	49.32 403	65.88 410	43.17 394	56.99 405	51.90 393	26.98 381	21.46 375	15.38 354	10.77 389	2.85 383	23.12 390	3.62 381	20.08 392	11.47 391

TorneroNet-64	33.32 399	33.28 397	33.07 387	35.14 400	21.25 398	48.02 403	21.13 395	43.47 395	58.77 402	33.36 382	46.64 394	62.00 403	38.19 393	44.82 402	35.07 395	15.02 398	3.59 392	35.81 401	12.20 398	29.45 402	16.17 399

TorneroNet	36.02 403	35.25 398	36.33 392	38.44 402	22.19 400	50.72 407	24.42 401	48.39 400	54.53 399	38.03 387	53.44 402	62.83 406	44.79 400	47.68 405	42.11 404	15.69 399	3.97 394	37.25 402	15.05 401	30.83 404	18.40 404

MADNet+	27.96 392	35.32 399	91.41 415	21.04 391	8.86 376	49.25 404	47.41 411	36.98 391	37.84 385	21.00 361	30.83 367	25.41 366	34.95 391	46.51 403	51.54 409	3.04 372	3.33 388	1.48 368	1.05 360	5.85 374	6.05 375

WAO-8	38.93 404	36.84 400	23.97 372	43.96 403	24.48 402	45.73 399	22.62 399	53.10 407	75.66 412	53.86 404	66.14 412	62.39 404	55.11 408	43.01 400	40.67 402	22.98 402	7.22 402	37.53 403	19.49 403	27.04 399	16.83 400

Venus	38.93 404	36.84 400	23.97 372	43.96 403	24.48 402	45.73 399	22.62 399	53.10 407	75.66 412	53.86 404	66.17 413	62.39 404	55.11 408	43.01 400	40.67 402	22.98 402	7.22 402	37.53 403	19.49 403	27.02 398	16.83 400

WAO-6	35.59 401	37.89 402	17.67 356	37.86 401	24.46 401	37.85 391	21.49 396	49.01 402	67.96 411	44.22 396	48.08 395	53.02 395	53.39 406	33.67 388	36.83 398	26.05 404	7.83 405	43.19 405	21.76 405	30.18 403	19.37 405

Dean	35.52 400	40.12 403	27.99 382	30.63 394	17.33 392	45.80 401	11.68 370	57.61 411	76.54 414	63.70 410	60.65 408	66.93 409	49.40 404	38.12 393	40.28 401	12.18 393	3.73 393	28.86 394	5.94 391	20.69 393	12.16 392

LVE	35.84 402	41.54 404	36.25 390	33.36 398	18.92 393	53.05 409	27.99 402	53.17 409	64.93 409	47.63 399	61.58 409	54.25 398	38.72 394	38.72 394	35.50 397	16.36 400	6.23 401	31.51 397	14.04 400	25.01 395	18.07 403

PWCK	31.62 398	45.59 405	49.67 399	30.49 393	7.80 372	42.91 397	29.73 403	45.45 396	44.44 392	47.41 398	36.92 380	47.86 392	26.79 380	41.90 399	33.36 393	22.77 401	4.56 397	29.89 395	5.13 390	29.43 401	10.36 388

UNDER WATER-64	46.01 407	48.25 406	68.05 406	44.59 405	28.11 404	57.02 412	43.78 409	40.20 392	48.80 395	52.08 403	42.95 389	67.22 410	57.71 410	48.98 407	49.57 407	40.01 407	17.98 407	52.15 408	39.41 408	38.99 405	34.41 407

SPstereo	72.80 415	48.41 407	62.94 405	57.25 411	46.60 411	79.63 414	85.16 416	100.00 426	100.00 424	98.52 422	98.22 421	100.00 427	96.67 419	97.01 420	82.62 415	47.37 410	39.60 412	68.10 414	65.09 414	40.01 406	42.71 410

UNDER WATER	45.99 406	49.80 408	68.56 407	49.99 407	32.13 405	55.35 411	39.50 406	41.12 394	52.90 398	50.69 401	45.18 391	67.79 411	58.75 411	51.93 410	50.97 408	30.59 405	14.03 406	51.66 407	37.15 406	40.27 407	31.35 406

DLNR_Zeroshot_test	24.96 390	51.28 409	90.69 414	97.84 422	97.22 421	1.40 13	0.12 31	23.19 378	3.55 43	1.21 30	2.95 47	0.72 43	0.31 8	7.09 144	2.61 175	38.70 406	1.32 353	0.00 1	0.29 317	77.04 418	1.68 297

notaker	48.05 408	55.94 410	50.90 400	56.89 410	40.29 406	38.96 393	33.86 405	47.82 399	55.70 400	57.55 406	57.48 406	60.22 402	59.71 412	54.64 411	43.27 405	41.13 408	19.86 408	57.61 409	37.79 407	50.95 409	40.33 408

ktn	49.32 409	58.11 411	40.16 394	59.92 412	43.22 408	49.79 406	42.99 408	48.56 401	60.67 404	51.59 402	54.51 403	55.34 399	52.65 405	47.92 406	37.91 399	57.88 412	24.79 409	63.00 412	43.57 409	52.51 410	41.31 409

HanzoNet	57.16 412	60.12 412	60.00 403	55.77 409	42.11 407	51.98 408	41.93 407	52.07 405	61.47 405	65.98 413	65.90 411	72.11 413	70.14 413	71.11 414	61.13 412	64.31 414	34.72 411	62.27 411	50.86 411	52.83 411	46.33 411

JetRed	61.44 413	61.87 413	83.02 410	46.49 406	56.73 414	83.63 415	65.09 413	59.75 413	64.22 407	69.50 414	69.26 414	66.24 408	47.62 402	61.80 412	74.60 414	45.99 409	66.40 415	46.67 406	45.27 410	63.49 413	51.22 413

KSHMR	56.07 411	64.25 414	40.47 395	74.89 414	49.63 412	49.42 405	45.46 410	57.71 412	63.52 406	61.65 409	61.67 410	71.88 412	47.67 403	51.47 409	44.57 406	54.67 411	62.25 413	66.31 413	54.18 413	53.03 412	46.75 412

DPSimNet_ROB	54.45 410	65.73 415	47.00 398	54.49 408	46.37 410	55.34 410	56.47 412	56.18 410	59.04 403	64.57 412	51.76 400	64.01 407	54.49 407	47.54 404	67.21 413	63.21 413	27.86 410	58.04 410	51.28 412	46.61 408	51.87 414

LRCNet_RVC	66.47 414	66.44 416	69.02 408	71.60 413	54.27 413	32.21 384	2.93 273	63.19 414	21.83 354	82.02 415	90.16 416	83.59 414	72.13 414	69.45 413	53.25 411	95.47 420	64.21 414	95.15 420	95.27 420	72.59 414	74.60 416

MADNet++	82.81 416	81.73 417	74.64 409	87.71 419	82.67 418	93.35 416	70.27 414	86.39 418	82.88 415	93.51 419	86.62 415	86.40 415	81.37 415	88.21 415	88.63 416	86.59 418	84.23 419	72.14 415	68.69 415	78.88 419	81.36 420

xxxxx1	85.58 418	90.37 418	96.61 418	76.69 415	80.77 415	97.50 419	96.92 420	85.57 415	88.66 416	88.63 416	91.64 417	94.27 416	93.09 416	90.03 416	91.91 417	70.77 415	70.62 416	73.61 416	81.26 417	72.90 415	79.86 417

tt_ll	85.58 418	90.37 418	96.61 418	76.69 415	80.77 415	97.50 419	96.92 420	85.57 415	88.66 416	88.63 416	91.64 417	94.27 416	93.09 416	90.03 416	91.91 417	70.77 415	70.62 416	73.61 416	81.26 417	72.90 415	79.86 417

ff	85.58 418	90.37 418	96.61 418	76.69 415	80.77 415	97.50 419	96.92 420	85.57 415	88.66 416	88.63 416	91.64 417	94.27 416	93.09 416	90.03 416	91.91 417	70.77 415	70.62 416	73.61 416	81.26 417	72.90 415	79.86 417

MEDIAN_ROB	98.44 422	99.70 421	99.34 422	97.13 420	97.06 420	96.94 418	95.91 419	97.71 421	97.33 420	98.78 423	98.91 422	99.19 421	98.13 421	96.94 419	96.99 422	99.97 424	99.18 421	100.00 423	99.99 424	99.70 423	99.83 423

Anonymous_1	99.01 424	99.91 422	99.85 424	97.31 421	99.09 423	100.00 425	100.00 425	99.59 423	99.96 422	99.29 424	99.86 423	99.55 422	99.99 425	99.30 422	99.76 423	95.67 421	99.58 422	97.24 421	98.56 422	97.36 421	98.34 422

HaxPig	98.85 423	99.94 423	95.36 416	99.99 426	99.98 424	94.12 417	94.52 417	99.12 422	99.96 422	99.96 425	99.99 424	99.98 425	99.89 423	98.16 421	96.14 421	99.98 425	99.99 425	100.00 423	99.99 424	99.99 426	99.95 426

AVERAGE_ROB	99.63 426	99.96 424	98.88 421	100.00 429	100.00 426	98.16 422	95.64 418	100.00 426	100.00 424	100.00 426	100.00 425	100.00 427	100.00 426	100.00 427	99.99 425	100.00 428	100.00 426	100.00 423	100.00 426	100.00 427	100.00 430

test_example2	99.38 425	99.98 425	99.99 426	100.00 429	99.98 424	99.73 423	99.99 424	96.99 420	100.00 424	100.00 426	100.00 425	96.49 419	96.74 420	99.97 423	99.96 424	100.00 428	99.97 424	98.68 422	99.11 423	100.00 427	100.00 430

MyStereo03	100.00 431	100.00 426	100.00 429	100.00 429	100.00 426	100.00 425	100.00 425	100.00 426	100.00 424	100.00 426	100.00 425	100.00 427	100.00 426	100.00 427	100.00 428	100.00 428	100.00 426	100.00 423	100.00 426	100.00 427	100.00 430

MyStereo02	100.00 431	100.00 426	100.00 429	100.00 429	100.00 426	100.00 425	100.00 425	100.00 426	100.00 424	100.00 426	100.00 425	100.00 427	100.00 426	100.00 427	100.00 428	100.00 428	100.00 426	100.00 423	100.00 426	100.00 427	100.00 430

MyStereo	100.00 431	100.00 426	100.00 429	100.00 429	100.00 426	100.00 425	100.00 425	100.00 426	100.00 424	100.00 426	100.00 425	100.00 427	100.00 426	100.00 427	100.00 428	100.00 428	100.00 426	100.00 423	100.00 426	100.00 427	100.00 430

Selective-RAFT-Error	100.00 431	100.00 426	100.00 429	100.00 429	100.00 426	100.00 425	100.00 425	100.00 426	100.00 424	100.00 426	100.00 425	100.00 427	100.00 426	100.00 427	100.00 428	100.00 428	100.00 426	100.00 423	100.00 426	100.00 427	100.00 430

PML	97.69 421	100.00 426	96.50 417	97.85 423	97.35 422	99.77 424	99.36 423	96.92 419	96.34 419	100.00 426	96.52 420	97.41 420	99.61 422	100.00 427	95.46 420	99.99 426	97.44 420	100.00 423	96.08 421	99.13 422	88.02 421

CasAABBNet	100.00 431	100.00 426	100.00 429	100.00 429	100.00 426	100.00 425	100.00 425	100.00 426	100.00 424	100.00 426	100.00 425	100.00 427	100.00 426	100.00 427	100.00 428	100.00 428	100.00 426	100.00 423	100.00 426	100.00 427	100.00 430

LSM0	100.00 431	100.00 426	100.00 429	100.00 429	100.00 426	100.00 425	100.00 425	100.00 426	100.00 424	100.00 426	100.00 425	100.00 427	100.00 426	100.00 427	100.00 428	100.00 428	100.00 426	100.00 423	100.00 426	100.00 427	99.99 427

DPSMNet_ROB	99.90 427	100.00 426	99.99 426	99.99 426	100.00 426	100.00 425	100.00 425	99.98 424	100.00 424	98.37 420	100.00 425	99.81 423	100.00 426	99.97 423	99.99 425	100.00 428	100.00 426	100.00 423	100.00 426	100.00 427	99.99 427

DGTPSM_ROB	99.90 427	100.00 426	99.99 426	99.99 426	100.00 426	100.00 425	100.00 425	99.98 424	100.00 424	98.37 420	100.00 425	99.81 423	100.00 426	99.97 423	99.99 425	99.99 426	100.00 426	100.00 423	100.00 426	100.00 427	99.99 427

DPSM_ROB	99.94 429	100.00 426	100.00 429	99.74 424	100.00 426	100.00 425	100.00 425	100.00 426	100.00 424	100.00 426	100.00 425	100.00 427	100.00 426	100.00 427	100.00 428	99.08 422	100.00 426	100.00 423	100.00 426	99.98 424	99.94 424

DPSM	99.94 429	100.00 426	100.00 429	99.74 424	100.00 426	100.00 425	100.00 425	100.00 426	100.00 424	100.00 426	100.00 425	100.00 427	100.00 426	100.00 427	100.00 428	99.08 422	100.00 426	100.00 423	100.00 426	99.98 424	99.94 424

Low-res two-view benchmark