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

CAS	0.66 111	0.19 1	0.41 4	2.31 388	0.86 343	0.56 67	0.53 180	0.83 11	0.63 17	0.49 16	0.70 32	0.36 2	0.26 1	0.47 2	0.37 25	2.33 390	0.10 1	0.14 1	0.10 1	0.17 20	1.31 380

CES	0.51 32	0.21 2	0.40 2	0.42 4	1.40 378	0.53 51	0.34 40	1.04 46	0.68 23	0.45 9	0.67 24	0.35 1	0.28 2	0.58 10	0.35 6	0.16 7	0.13 17	0.15 3	0.10 1	0.19 59	1.69 385

CREStereo++_RVC	0.49 26	0.22 3	0.46 8	0.48 29	0.38 155	0.45 16	0.25 4	0.77 4	1.30 236	0.82 62	1.23 170	0.47 21	0.37 13	0.55 5	0.44 62	0.16 7	0.11 2	0.16 8	0.80 377	0.18 34	0.12 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.55 37	0.22 3	0.49 11	0.43 5	0.19 1	1.00 229	0.34 40	1.40 139	1.30 236	0.84 66	0.93 67	0.63 57	0.52 60	1.48 160	0.47 85	0.15 4	0.12 5	0.17 13	0.11 6	0.19 59	0.13 2

PMTNet	0.47 22	0.22 3	0.43 5	0.39 2	0.24 6	0.71 137	0.26 10	0.78 5	1.03 123	0.65 39	0.69 28	0.55 39	0.48 44	0.90 69	0.36 16	0.99 375	0.13 17	0.15 3	0.10 1	0.15 4	0.15 3

LoS	0.41 4	0.23 6	0.46 8	0.39 2	0.23 5	0.48 23	0.40 80	1.12 73	0.94 88	0.50 19	0.66 22	0.49 29	0.42 20	0.63 23	0.39 31	0.19 65	0.14 58	0.16 8	0.11 6	0.14 1	0.15 3

test_4	0.55 37	0.23 6	0.67 47	0.56 123	0.32 97	0.71 137	0.39 78	0.83 11	0.72 28	0.93 81	1.87 322	0.70 73	0.41 17	1.21 122	0.39 31	0.16 7	0.13 17	0.21 93	0.23 214	0.20 86	0.18 32

TANstereo	0.45 11	0.23 6	0.50 13	0.43 5	0.21 2	0.65 109	0.26 10	0.83 11	0.88 65	0.95 84	0.99 83	0.51 33	0.45 29	0.56 6	0.36 16	0.19 65	0.24 262	0.16 8	0.13 11	0.17 20	0.27 194

MIF-Stereo	0.38 1	0.24 9	0.67 47	0.49 35	0.36 139	0.40 9	0.32 29	0.55 1	0.55 4	0.55 30	0.55 17	0.36 2	0.31 6	0.59 11	0.52 109	0.21 121	0.15 112	0.17 13	0.15 30	0.19 59	0.17 23

EGLCR-Stereo	0.41 4	0.24 9	0.59 22	0.45 8	0.27 19	0.54 60	0.22 2	1.23 114	0.56 6	0.44 5	0.43 2	0.68 66	0.29 3	0.89 66	0.34 4	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.18 32

MC-Stereo	0.46 19	0.24 9	0.58 18	0.63 201	0.30 63	0.38 7	0.32 29	0.98 31	0.74 36	0.66 40	0.85 55	0.56 41	0.60 100	1.07 98	0.32 2	0.17 18	0.12 5	0.17 13	0.15 30	0.16 11	0.16 13

test-3	0.56 48	0.24 9	0.82 108	0.50 47	0.29 51	0.57 69	0.34 40	1.09 63	1.03 123	1.33 228	0.69 28	0.87 121	0.45 29	1.68 192	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

test_1	0.56 48	0.24 9	0.82 108	0.50 47	0.29 51	0.57 69	0.34 40	1.09 63	1.03 123	1.28 209	0.69 28	0.87 121	0.45 29	1.67 190	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

test_3	0.57 60	0.24 9	0.87 138	0.55 111	0.30 63	0.60 83	0.40 80	1.07 51	1.08 137	1.20 170	0.68 25	0.92 143	0.43 23	1.68 192	0.40 45	0.16 7	0.13 17	0.22 120	0.19 103	0.21 121	0.17 23

CREStereo	0.40 3	0.24 9	0.40 2	0.37 1	0.22 4	0.52 47	0.29 21	0.81 6	1.15 172	0.59 31	0.72 34	0.51 33	0.42 20	0.57 8	0.37 25	0.19 65	0.13 17	0.15 3	0.10 1	0.14 1	0.15 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
AEACV	0.41 4	0.25 16	0.60 24	0.55 111	0.52 238	0.43 13	0.38 69	0.98 31	0.63 17	0.44 5	0.56 18	0.46 16	0.59 96	0.56 6	0.31 1	0.17 18	0.13 17	0.18 33	0.16 54	0.17 20	0.17 23

DEmStereo	0.98 250	0.25 16	0.85 131	0.49 35	0.33 110	1.02 232	0.55 196	0.97 27	0.93 83	1.41 260	2.13 340	1.01 174	2.01 357	5.62 348	0.78 194	0.19 65	0.15 112	0.20 70	0.20 129	0.18 34	0.25 161

CFNet-RSSM	0.57 60	0.25 16	0.76 80	0.49 35	0.28 40	0.59 79	0.27 14	1.89 246	1.17 181	1.09 113	0.95 70	1.06 184	0.53 62	0.74 34	0.41 50	0.17 18	0.13 17	0.17 13	0.15 30	0.16 11	0.16 13

MIM_Stereo	0.60 88	0.26 19	1.02 183	0.49 35	0.32 97	0.52 47	0.28 17	1.41 143	0.82 53	1.02 98	1.16 151	0.93 145	0.53 62	1.48 160	0.63 159	0.17 18	0.17 161	0.20 70	0.19 103	0.17 20	0.18 32

CASnet	0.42 8	0.26 19	0.52 15	0.52 70	0.21 2	0.49 28	0.35 49	0.85 15	0.85 61	0.84 66	0.69 28	0.48 25	0.31 6	0.57 8	0.34 4	0.19 65	0.12 5	0.27 234	0.22 187	0.23 158	0.15 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
4D-IteraStereo	0.50 30	0.26 19	0.84 125	0.51 58	0.49 222	0.64 105	0.31 25	0.91 20	1.02 120	1.05 106	0.72 34	0.76 83	0.32 9	0.69 29	0.40 45	0.18 40	0.11 2	0.23 147	0.20 129	0.19 59	0.16 13

Selective-IGEV	0.42 8	0.26 19	0.56 16	0.48 29	0.27 19	0.45 16	0.33 33	1.56 168	0.61 15	0.36 1	0.47 4	0.52 36	0.30 4	1.08 100	0.33 3	0.15 4	0.13 17	0.17 13	0.13 11	0.16 11	0.15 3

RCA-Stereo	0.52 34	0.26 19	0.66 44	0.49 35	0.33 110	0.54 60	0.44 125	1.20 104	1.41 280	0.69 43	1.06 107	0.63 57	0.79 155	0.62 18	0.35 6	0.17 18	0.12 5	0.17 13	0.14 22	0.16 11	0.16 13

fff	0.58 71	0.26 19	1.15 213	0.46 14	0.25 8	0.48 23	0.36 56	1.20 104	1.28 226	1.13 127	1.03 98	0.59 46	1.04 256	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

ADStereo(finetuned)	0.62 93	0.26 19	1.59 285	0.45 8	0.25 8	0.49 28	0.36 56	1.18 96	1.35 252	1.16 146	1.04 102	0.60 49	1.18 288	0.85 60	0.57 138	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.24 142

CrosDoStereo	1.56 327	0.26 19	0.78 89	0.51 58	0.29 51	0.66 115	11.86 408	1.18 96	1.00 114	1.35 239	1.76 304	0.99 166	1.83 350	6.64 370	0.83 207	0.19 65	0.15 112	0.20 70	0.22 187	0.18 34	0.25 161

DeepStereo_LL	1.56 327	0.26 19	0.78 89	0.51 58	0.29 51	0.66 115	11.86 408	1.18 96	1.00 114	1.35 239	1.76 304	0.99 166	1.83 350	6.64 370	0.83 207	0.19 65	0.15 112	0.20 70	0.22 187	0.18 34	0.25 161

DRaft	0.81 192	0.26 19	0.77 83	0.47 24	0.31 77	0.95 220	0.52 174	1.13 77	0.99 110	1.78 328	2.01 334	0.80 92	1.71 342	2.64 282	0.74 185	0.19 65	0.14 58	0.20 70	0.20 129	0.18 34	0.24 142

RAFT-RH_RVC	1.04 262	0.26 19	0.76 80	0.53 90	0.29 51	0.80 167	0.32 29	0.85 15	1.12 156	2.04 348	4.63 385	1.03 179	0.57 78	5.93 355	0.52 109	0.20 99	0.13 17	0.26 225	0.20 129	0.16 11	0.19 51

RAFT-345	0.86 214	0.26 19	0.73 67	0.53 90	0.28 40	0.53 51	0.41 88	0.85 15	1.31 243	1.33 228	2.32 349	0.85 119	0.53 62	5.69 349	0.48 89	0.19 65	0.14 58	0.22 120	0.17 70	0.17 20	0.17 23

cross-raft	0.56 48	0.26 19	0.65 42	0.55 111	0.31 77	0.66 115	0.37 62	1.68 191	0.82 53	1.06 110	1.07 109	1.25 231	0.45 29	0.74 34	0.39 31	0.15 4	0.13 17	0.19 47	0.16 54	0.19 59	0.17 23

DCANet	0.58 71	0.26 19	1.15 213	0.45 8	0.25 8	0.49 28	0.36 56	1.18 96	1.35 252	1.15 142	1.04 102	0.60 49	0.91 203	0.84 57	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.25 161

csc	0.58 71	0.26 19	1.15 213	0.46 14	0.25 8	0.48 23	0.36 56	1.20 104	1.28 226	1.13 127	1.03 98	0.59 46	1.04 256	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

cscssc	0.58 71	0.26 19	1.15 213	0.46 14	0.25 8	0.48 23	0.36 56	1.20 104	1.28 226	1.13 127	1.03 98	0.59 46	1.04 256	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

StereoIM	0.38 1	0.27 35	0.72 57	0.45 8	0.35 137	0.30 3	0.31 25	0.81 6	0.54 3	0.38 2	0.38 1	0.58 44	0.49 54	0.53 4	0.39 31	0.20 99	0.16 139	0.19 47	0.15 30	0.19 59	0.15 3

Any-RAFT	0.55 37	0.27 35	0.49 11	0.50 47	0.27 19	0.98 227	0.25 4	1.71 204	1.08 137	0.90 76	0.99 83	1.13 208	0.46 36	0.74 34	0.35 6	0.19 65	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

RAFT-Test	0.58 71	0.27 35	0.81 99	0.50 47	0.33 110	0.95 220	0.27 14	1.40 139	0.89 66	1.00 91	1.12 130	1.39 264	0.48 44	0.74 34	0.41 50	0.17 18	0.14 58	0.17 13	0.14 22	0.16 11	0.18 32

GLC_STEREO	0.41 4	0.27 35	0.43 5	0.55 111	0.24 6	0.47 18	0.30 23	0.81 6	0.64 19	0.53 28	0.74 36	0.50 32	0.31 6	0.65 25	0.45 73	0.18 40	0.20 209	0.23 147	0.19 103	0.21 121	0.21 88

GMM-Stereo	0.75 159	0.27 35	0.66 44	0.56 123	0.34 122	0.71 137	0.97 309	1.09 63	0.91 71	1.37 245	1.79 308	1.11 204	0.79 155	2.08 248	0.48 89	0.19 65	0.12 5	0.25 204	0.25 234	0.21 121	0.78 362

raftrobust	0.55 37	0.27 35	0.63 32	0.68 253	0.69 303	0.50 38	0.34 40	1.08 56	0.97 100	1.32 223	0.88 61	0.62 53	0.80 161	0.82 51	0.44 62	0.20 99	0.16 139	0.16 8	0.14 22	0.15 4	0.18 32

111	0.66 111	0.27 35	1.15 213	0.46 14	0.25 8	0.72 140	0.42 92	1.57 171	1.44 291	0.83 63	1.39 224	1.10 199	0.80 161	0.97 80	0.65 166	0.20 99	0.14 58	0.18 33	0.15 30	0.18 34	0.28 205

Gwc-CoAtRS	0.55 37	0.27 35	0.73 67	0.49 35	0.30 63	0.63 97	0.25 4	1.38 137	1.12 156	1.05 106	1.02 91	1.10 199	0.55 71	0.72 32	0.44 62	0.17 18	0.14 58	0.17 13	0.15 30	0.16 11	0.17 23

MIF-Stereo (partial)	0.48 25	0.28 43	0.83 116	0.51 58	0.53 243	0.39 8	0.27 14	1.03 44	0.64 19	0.47 11	0.71 33	0.51 33	0.51 56	1.13 111	0.47 85	0.20 99	0.16 139	0.23 147	0.20 129	0.24 187	0.20 70

DCRE	0.85 212	0.28 43	0.76 80	0.60 170	0.49 222	0.59 79	0.53 180	1.04 46	0.92 76	0.80 56	7.34 398	0.87 121	0.57 78	0.78 48	0.43 58	0.16 7	0.17 161	0.19 47	0.17 70	0.18 34	0.22 109

DCANet-4	0.59 82	0.28 43	1.65 288	0.44 7	0.25 8	0.48 23	0.36 56	1.15 90	1.36 259	1.13 127	1.03 98	0.56 41	0.74 135	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

tt	6.61 403	0.28 43	6.10 375	3.77 408	2.17 388	11.53 410	19.61 414	13.53 416	5.81 400	3.00 379	2.82 363	4.97 391	6.33 402	3.83 317	7.23 385	9.13 417	11.32 421	5.87 416	6.22 415	6.01 413	2.63 399

IPLGR	0.62 93	0.28 43	1.32 254	0.50 47	0.29 51	0.65 109	0.34 40	1.47 153	1.19 186	1.21 176	1.07 109	0.70 73	0.65 117	1.05 92	0.55 128	0.18 40	0.15 112	0.20 70	0.17 70	0.21 121	0.20 70

GMOStereo	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 271	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

error version	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 271	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

test-v	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 271	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

HHNet	0.64 105	0.28 43	0.69 53	0.45 8	0.46 208	0.50 38	0.57 205	1.13 77	1.03 123	1.26 199	2.21 344	0.70 73	0.59 96	1.10 106	0.51 103	0.21 121	0.13 17	0.23 147	0.19 103	0.20 86	0.31 239

FTStereo	0.92 236	0.28 43	0.61 28	0.57 141	0.34 122	0.65 109	1.80 373	1.09 63	0.84 58	1.75 323	4.13 380	1.04 180	1.62 331	1.59 178	0.48 89	0.21 121	0.17 161	0.23 147	0.22 187	0.19 59	0.58 338

PFNet	0.92 236	0.28 43	1.20 233	0.68 253	0.32 97	0.62 89	0.55 196	1.27 122	1.01 117	1.47 280	1.09 118	0.97 160	0.68 126	6.58 369	0.59 149	0.21 121	0.13 17	0.24 168	0.19 103	0.20 86	0.20 70

GrayStereo	0.83 203	0.28 43	0.62 31	0.66 231	0.37 144	0.76 152	1.79 370	1.19 100	0.91 71	1.98 345	1.89 323	1.07 187	1.76 346	1.43 151	0.50 101	0.20 99	0.15 112	0.19 47	0.21 165	0.18 34	0.41 290

test-2	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 271	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

test-1	0.56 48	0.28 43	1.13 208	0.58 151	0.34 122	0.60 83	0.38 69	1.56 168	0.98 103	0.80 56	1.02 91	0.83 112	0.52 60	0.64 24	0.46 77	0.17 18	0.16 139	0.20 70	0.17 70	0.20 86	0.26 178

iRaftStereo_RVC	0.49 26	0.28 43	0.72 57	0.53 90	0.29 51	0.52 47	0.33 33	1.14 79	0.84 58	0.85 68	0.99 83	0.55 39	0.36 12	0.83 54	0.40 45	0.18 40	0.13 17	0.22 120	0.20 129	0.20 86	0.18 32

XX-Stereo	0.97 247	0.28 43	8.28 384	0.85 330	0.70 309	0.44 15	0.22 2	1.07 51	0.69 25	0.66 40	1.56 272	1.38 263	0.38 14	1.36 135	0.38 28	0.21 121	0.14 58	0.20 70	0.19 103	0.19 59	0.16 13

RAFT-Stereo + iAFF	0.56 48	0.28 43	0.81 99	0.45 8	0.25 8	0.40 9	0.34 40	1.12 73	1.13 161	1.35 239	1.58 277	0.80 92	0.67 123	0.71 30	0.43 58	0.14 1	0.11 2	0.18 33	0.17 70	0.18 34	0.16 13

AFF-stereo	0.60 88	0.28 43	0.72 57	0.48 29	0.29 51	0.34 4	0.37 62	1.22 110	1.20 190	1.21 176	1.59 281	1.10 199	0.70 131	1.01 85	0.44 62	0.14 1	0.12 5	0.19 47	0.20 129	0.18 34	0.15 3

MyStereo06	0.67 119	0.29 61	1.06 192	0.58 151	0.48 216	0.62 89	0.72 254	2.26 320	0.89 66	1.07 111	1.12 130	1.22 222	0.56 76	0.83 54	0.47 85	0.17 18	0.17 161	0.24 168	0.21 165	0.23 158	0.23 123

MyStereo05	0.70 139	0.29 61	1.22 237	0.58 151	0.48 216	0.62 89	0.72 254	1.52 158	1.54 314	1.17 148	0.91 65	0.77 87	0.79 155	1.45 154	0.68 175	0.17 18	0.17 161	0.24 168	0.21 165	0.23 158	0.23 123

AE-Stereo	0.58 71	0.29 61	0.81 99	0.62 191	0.41 181	0.69 132	0.46 139	2.49 352	1.25 212	0.49 16	0.77 40	0.69 70	0.46 36	0.61 14	0.42 55	0.17 18	0.16 139	0.21 93	0.20 129	0.19 59	0.18 32

test croco	0.49 26	0.29 61	1.23 239	0.51 58	0.40 171	0.35 5	0.37 62	1.04 46	0.62 16	0.44 5	0.76 37	0.42 5	0.41 17	1.17 118	0.46 77	0.23 170	0.15 112	0.24 168	0.19 103	0.25 197	0.18 32

LoS_RVC	0.45 11	0.29 61	0.48 10	0.49 35	0.83 338	0.51 43	0.43 108	0.65 2	0.44 1	0.47 11	0.78 42	0.44 8	0.60 100	0.59 11	0.37 25	0.14 1	0.12 5	0.14 1	0.10 1	0.14 1	1.08 375

anonymousdsp2	0.58 71	0.29 61	0.93 154	0.51 58	0.30 63	0.75 147	0.46 139	1.95 259	0.87 64	0.81 60	0.78 42	0.76 83	0.48 44	1.10 106	0.45 73	0.19 65	0.14 58	0.18 33	0.13 11	0.20 86	0.22 109

riskmin	0.62 93	0.29 61	0.73 67	0.50 47	0.34 122	0.86 192	0.44 125	1.74 209	1.07 134	0.76 52	0.76 37	1.19 215	1.01 243	0.84 57	0.60 151	0.20 99	0.16 139	0.24 168	0.16 54	0.24 187	0.29 217

Selective-RAFT	0.55 37	0.29 61	0.85 131	0.58 151	0.28 40	0.91 202	0.34 40	1.00 37	0.96 96	0.59 31	0.64 20	0.80 92	0.76 141	1.34 133	0.51 103	0.21 121	0.15 112	0.17 13	0.15 30	0.19 59	0.19 51

TestStereo1	0.66 111	0.29 61	0.95 163	0.82 320	0.32 97	0.47 18	0.43 108	1.52 158	1.22 202	0.99 87	1.32 201	0.65 60	0.76 141	1.78 205	0.44 62	0.20 99	0.16 139	0.22 120	0.19 103	0.21 121	0.20 70

RAFT_CTSACE	0.66 111	0.29 61	1.14 211	0.57 141	0.51 235	0.68 124	0.44 125	0.88 19	0.98 103	1.03 102	1.83 315	1.23 226	0.67 123	1.48 160	0.38 28	0.16 7	0.16 139	0.21 93	0.20 129	0.20 86	0.17 23

SA-5K	0.66 111	0.29 61	0.95 163	0.82 320	0.32 97	0.47 18	0.43 108	1.52 158	1.22 202	0.99 87	1.32 201	0.65 60	0.76 141	1.78 205	0.44 62	0.20 99	0.16 139	0.22 120	0.19 103	0.21 121	0.20 70

IPLG	0.72 150	0.29 61	1.12 207	0.53 90	0.44 198	0.79 166	0.33 33	1.35 132	1.10 147	1.32 223	1.11 127	0.52 36	0.54 69	3.13 298	0.71 182	0.17 18	0.14 58	0.20 70	0.17 70	0.18 34	0.21 88

PSM-AAD	0.80 184	0.29 61	0.58 18	0.58 151	0.29 51	0.76 152	1.19 335	1.08 56	0.94 88	1.65 315	1.58 277	0.81 98	2.12 366	1.67 190	0.44 62	0.19 65	0.14 58	0.38 317	0.32 303	0.22 140	0.68 353

KYRaft	0.77 169	0.29 61	0.68 49	0.59 163	0.29 51	0.66 115	0.83 282	1.05 49	0.89 66	1.63 313	2.22 345	1.15 212	0.99 234	1.59 178	0.41 50	0.21 121	0.14 58	0.22 120	0.28 268	0.21 121	1.01 371

ASMatch	0.89 221	0.29 61	0.72 57	0.56 123	0.36 139	0.47 18	0.37 62	1.16 93	0.95 92	1.11 116	3.26 370	0.95 153	0.96 221	4.88 334	0.53 118	0.20 99	0.16 139	0.22 120	0.19 103	0.20 86	0.30 230

THIR-Stereo	1.02 259	0.29 61	0.73 67	0.51 58	0.29 51	0.94 214	1.31 345	1.08 56	0.98 103	1.35 239	1.91 327	1.16 213	1.54 327	6.37 367	0.79 198	0.20 99	0.14 58	0.21 93	0.22 187	0.19 59	0.25 161

Prome-Stereo	0.76 164	0.29 61	0.57 17	0.58 151	0.33 110	0.58 78	0.94 304	0.98 31	0.92 76	1.46 279	2.45 356	0.91 138	1.38 312	1.60 183	0.44 62	0.19 65	0.13 17	0.19 47	0.18 84	0.20 86	0.87 368

raft+_RVC	0.56 48	0.29 61	0.61 28	0.65 218	0.56 258	0.53 51	0.53 180	1.40 139	1.02 120	0.78 53	1.04 102	0.70 73	0.55 71	1.00 83	0.49 98	0.18 40	0.16 139	0.19 47	0.19 103	0.18 34	0.17 23

MyStereo07	0.50 30	0.30 79	0.58 18	0.58 151	0.48 216	0.59 79	0.78 265	1.19 100	0.60 12	0.49 16	0.54 15	0.43 7	0.55 71	1.32 131	0.36 16	0.18 40	0.18 185	0.24 168	0.21 165	0.23 158	0.23 123

MyStereo04	0.71 145	0.30 79	1.28 248	0.58 151	0.48 216	0.59 79	0.78 265	1.74 209	1.49 307	0.94 82	0.91 65	0.74 81	0.86 183	1.59 178	0.69 176	0.18 40	0.18 185	0.24 168	0.21 165	0.23 158	0.23 123

11t1	0.57 60	0.30 79	0.84 125	0.54 101	0.30 63	0.83 181	0.41 88	1.34 131	0.79 48	0.88 74	0.82 51	0.70 73	0.70 131	0.96 79	0.67 171	0.21 121	0.21 222	0.20 70	0.16 54	0.21 121	0.26 178

ff7	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

ffff	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

11t	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

MSKI-zero shot	0.56 48	0.30 79	0.61 28	0.55 111	0.28 40	0.68 124	0.28 17	1.25 117	0.68 23	0.92 78	1.33 205	0.81 98	0.33 10	1.94 228	0.36 16	0.18 40	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

anonymousdsp	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 92	0.97 27	0.60 12	0.51 26	0.53 9	0.46 16	0.47 42	1.36 135	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

anonymousa	0.78 171	0.30 79	0.85 131	0.51 58	0.96 356	1.41 296	0.47 148	1.61 182	0.94 88	1.33 228	1.77 306	1.66 304	1.11 272	0.72 32	0.63 159	0.19 65	0.18 185	0.23 147	0.25 234	0.20 86	0.22 109

ProNet	0.46 19	0.30 79	0.69 53	0.46 14	0.32 97	0.57 69	0.52 174	1.15 90	0.67 22	0.44 5	0.50 8	0.44 8	0.43 23	1.31 128	0.38 28	0.16 7	0.15 112	0.19 47	0.16 54	0.18 34	0.18 32

ccc-4	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

DisPM	0.68 128	0.30 79	0.85 131	0.66 231	0.35 137	0.60 83	0.44 125	1.10 69	1.10 147	1.56 300	1.10 120	0.80 92	0.58 93	2.37 272	0.46 77	0.25 208	0.14 58	0.23 147	0.21 165	0.20 86	0.26 178

RAFT+CT+SA	0.63 102	0.30 79	0.73 67	0.69 263	0.37 144	0.40 9	0.55 196	1.93 255	1.04 129	0.72 47	1.23 170	0.62 53	0.69 129	1.69 196	0.42 55	0.19 65	0.13 17	0.22 120	0.22 187	0.21 121	0.19 51

Sa-1000	0.76 164	0.30 79	0.92 153	0.62 191	0.31 77	0.78 162	0.37 62	2.00 269	1.38 266	1.30 215	2.04 335	0.86 120	0.74 135	1.87 218	0.40 45	0.19 65	0.14 58	0.25 204	0.24 226	0.21 121	0.19 51

IGEV-Stereo	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 92	0.98 31	0.60 12	0.51 26	0.53 9	0.46 16	0.47 42	1.36 135	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
LCNet	0.73 153	0.30 79	0.58 18	0.58 151	0.31 77	0.68 124	0.53 180	1.09 63	0.94 88	1.19 164	1.34 208	0.96 157	1.32 306	2.50 275	0.46 77	0.19 65	0.13 17	0.21 93	0.25 234	0.28 224	0.69 355

AAGNet	1.84 347	0.30 79	0.79 93	0.66 231	0.32 97	0.65 109	0.50 165	1.02 38	1.01 117	1.47 280	1.21 164	0.99 166	1.16 278	2.76 289	22.69 417	0.24 188	0.13 17	0.22 120	0.20 129	0.24 187	0.16 13

TransformOpticalFlow	0.97 247	0.30 79	0.96 170	0.54 101	0.31 77	0.65 109	0.54 189	1.87 239	1.19 186	1.12 124	1.44 237	1.34 256	0.98 231	6.68 372	0.44 62	0.19 65	0.12 5	0.21 93	0.19 103	0.18 34	0.23 123

SST-Stereo	0.85 212	0.30 79	0.81 99	0.63 201	0.31 77	0.70 135	0.25 4	1.16 93	0.95 92	1.47 280	1.11 127	0.99 166	0.86 183	5.69 349	0.53 118	0.23 170	0.13 17	0.23 147	0.19 103	0.23 158	0.19 51

RAFT_R40	0.84 207	0.30 79	0.83 116	0.63 201	0.31 77	0.66 115	0.43 108	1.15 90	0.99 110	1.47 280	1.10 120	1.00 170	0.84 171	5.44 346	0.53 118	0.23 170	0.13 17	0.23 147	0.20 129	0.23 158	0.19 51

IRAFT_RVC	0.90 228	0.30 79	0.89 143	0.67 244	0.31 77	0.64 105	1.00 314	1.40 139	0.97 100	1.23 182	1.04 102	1.00 170	0.96 221	5.77 352	0.57 138	0.24 188	0.13 17	0.25 204	0.21 165	0.20 86	0.21 88

SFCPSM	0.74 156	0.30 79	1.06 192	0.52 70	0.39 162	1.36 288	0.64 234	2.42 340	1.11 151	1.18 159	1.21 164	0.81 98	0.78 150	1.08 100	0.57 138	0.22 150	0.17 161	0.22 120	0.24 226	0.23 158	0.21 88

FENet	0.62 93	0.30 79	0.68 49	0.57 141	0.33 110	0.82 175	0.40 80	1.41 143	1.12 156	1.03 102	0.87 58	0.98 161	0.84 171	1.00 83	0.70 179	0.23 170	0.16 139	0.23 147	0.20 129	0.22 140	0.24 142

R-Stereo Train	0.60 88	0.30 79	0.72 57	0.57 141	0.37 144	0.68 124	0.52 174	1.45 148	0.78 42	1.61 309	1.50 254	0.76 83	0.53 62	0.67 27	0.51 103	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51

RAFT-Stereo	0.60 88	0.30 79	0.72 57	0.57 141	0.37 144	0.68 124	0.52 174	1.45 148	0.78 42	1.61 309	1.50 254	0.76 83	0.53 62	0.67 27	0.51 103	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
CoDeX	0.78 171	0.31 104	1.04 187	0.56 123	0.37 144	1.13 249	0.60 224	2.77 370	1.29 234	1.17 148	1.26 178	0.91 138	0.87 189	1.42 149	0.74 185	0.21 121	0.16 139	0.21 93	0.18 84	0.21 121	0.21 88

SA	0.69 137	0.31 104	0.97 171	0.64 212	0.30 63	0.56 67	0.38 69	1.84 231	1.35 252	0.99 87	1.37 218	0.69 70	0.94 214	1.88 224	0.43 58	0.20 99	0.16 139	0.25 204	0.23 214	0.22 140	0.19 51

iRaft-Stereo_5w	0.89 221	0.31 104	1.04 187	0.56 123	0.47 214	0.47 18	0.68 242	1.19 100	1.08 137	0.80 56	1.35 213	1.46 275	0.90 201	5.11 337	1.16 260	0.18 40	0.15 112	0.22 120	0.19 103	0.21 121	0.24 142

MIPNet	0.60 88	0.31 104	1.07 196	0.51 58	0.34 122	0.68 124	0.40 80	1.67 190	1.14 167	1.11 116	0.93 67	0.60 49	0.78 150	0.77 41	0.58 143	0.18 40	0.14 58	0.19 47	0.16 54	0.18 34	0.21 88

PFNet+	0.62 93	0.31 104	0.99 175	0.57 141	0.31 77	0.57 69	0.30 23	0.99 36	1.25 212	1.33 228	1.10 120	0.79 90	0.57 78	1.35 134	0.53 118	0.26 225	0.17 161	0.28 246	0.26 245	0.21 121	0.27 194

STrans-v2	1.06 266	0.31 104	1.02 183	0.52 70	0.33 110	0.67 120	0.78 265	2.66 366	1.26 218	1.15 142	1.46 242	1.37 262	1.40 315	6.68 372	0.46 77	0.19 65	0.13 17	0.21 93	0.18 84	0.18 34	0.21 88

NRIStereo	0.62 93	0.31 104	0.78 89	0.56 123	0.28 40	0.63 97	0.33 33	1.16 93	0.92 76	1.15 142	0.87 58	0.90 135	0.58 93	2.24 260	0.56 135	0.22 150	0.14 58	0.21 93	0.19 103	0.22 140	0.18 32

Pruner-Stereo	0.64 105	0.31 104	0.79 93	0.66 231	0.31 77	0.61 87	0.42 92	1.22 110	1.09 144	1.53 293	1.09 118	0.94 150	0.55 71	1.37 138	0.56 135	0.25 208	0.14 58	0.24 168	0.21 165	0.21 121	0.25 161

DeepStereo_RVC	0.57 60	0.31 104	0.78 89	0.53 90	0.30 63	0.57 69	0.32 29	1.11 71	0.80 52	1.17 148	0.94 69	0.83 112	0.93 212	1.01 85	0.61 154	0.23 170	0.14 58	0.21 93	0.19 103	0.24 187	0.26 178

222	1.67 334	0.31 104	0.93 154	0.59 163	0.31 77	1.05 237	0.43 108	2.39 336	1.47 302	1.37 245	1.55 267	0.94 150	0.94 214	1.98 234	17.76 411	0.24 188	0.22 232	0.21 93	0.20 129	0.22 140	0.26 178

test_xeample	1.55 326	0.31 104	0.94 160	0.54 101	0.31 77	0.94 214	0.58 212	2.40 338	1.40 277	1.29 213	1.55 267	0.89 133	0.88 196	1.72 198	15.94 408	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

EAI-Stereo	0.76 164	0.31 104	0.74 72	0.55 111	0.28 40	0.70 135	1.72 366	2.57 359	0.90 70	0.75 51	3.03 367	0.57 43	0.43 23	1.10 106	0.49 98	0.19 65	0.14 58	0.17 13	0.18 84	0.17 20	0.21 88

GANet-RSSM	0.78 171	0.31 104	0.90 148	0.67 244	0.58 264	0.80 167	0.62 228	2.04 277	1.15 172	1.11 116	1.27 185	1.26 237	1.18 288	1.68 192	0.74 185	0.26 225	0.21 222	0.22 120	0.22 187	0.23 158	0.23 123

HSM-Net_RVC	0.91 233	0.31 104	0.60 24	0.54 101	0.31 77	1.15 255	0.60 224	3.76 386	1.30 236	1.57 303	1.75 303	1.67 306	1.01 243	1.61 185	0.90 220	0.23 170	0.17 161	0.19 47	0.18 84	0.20 86	0.22 109
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
MyStereo8	0.70 139	0.32 118	1.24 242	0.63 201	0.53 243	0.90 200	0.34 40	1.60 180	1.35 252	1.20 170	1.31 196	0.89 133	0.64 113	0.77 41	1.02 248	0.18 40	0.15 112	0.20 70	0.18 84	0.22 140	0.30 230

SMFormer	0.79 179	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.99 241	0.24 188	0.22 232	0.22 120	0.21 165	0.23 158	0.27 194

tta	0.79 179	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.99 241	0.24 188	0.22 232	0.22 120	0.21 165	0.19 59	0.22 109

qqq1	0.76 164	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.48 89	0.24 188	0.22 232	0.18 33	0.15 30	0.19 59	0.22 109

fff1	0.76 164	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.48 89	0.24 188	0.22 232	0.18 33	0.15 30	0.19 59	0.22 109

1111x	1.96 354	0.32 118	1.54 281	0.54 101	0.30 63	1.00 229	0.69 246	2.47 348	1.33 247	1.21 176	1.44 237	1.21 218	1.11 272	8.49 392	16.14 409	0.22 150	0.23 254	0.22 120	0.23 214	0.25 197	0.26 178

knoymous	0.53 35	0.32 118	0.51 14	0.46 14	0.30 63	0.57 69	0.54 189	1.10 69	0.78 42	0.99 87	0.84 53	0.95 153	0.57 78	0.89 66	0.51 103	0.21 121	0.14 58	0.26 225	0.14 22	0.23 158	0.25 161

raft_robust	0.71 145	0.32 118	0.75 77	0.54 101	0.28 40	0.54 60	0.35 49	1.54 164	1.24 206	1.18 159	1.07 109	0.73 80	0.53 62	3.65 311	0.40 45	0.19 65	0.16 139	0.20 70	0.22 187	0.21 121	0.19 51

test_5	0.70 139	0.32 118	0.99 175	0.69 263	0.50 226	0.89 197	0.51 166	1.88 244	1.14 167	0.78 53	1.13 140	1.04 180	0.89 198	1.59 178	0.46 77	0.19 65	0.14 58	0.23 147	0.22 187	0.22 140	0.20 70

CRE-IMP	0.57 60	0.32 118	0.82 108	0.54 101	0.29 51	0.77 161	0.25 4	1.19 100	0.79 48	1.09 113	0.95 70	0.81 98	0.57 78	1.11 109	0.57 138	0.22 150	0.14 58	0.23 147	0.19 103	0.28 224	0.24 142

RAFT	0.67 119	0.32 118	0.83 116	0.63 201	0.34 122	0.69 132	0.57 205	1.14 79	0.84 58	1.12 124	1.20 159	1.75 319	0.92 211	1.09 104	0.60 151	0.22 150	0.19 199	0.27 234	0.24 226	0.22 140	0.23 123

rafts_anoy	0.55 37	0.32 118	0.66 44	0.72 280	0.61 279	0.53 51	0.40 80	1.24 115	1.06 133	0.85 68	0.83 52	0.67 64	0.53 62	0.77 41	0.55 128	0.20 99	0.15 112	0.25 204	0.26 245	0.22 140	0.21 88

xxxx	1.61 330	0.32 118	0.98 173	0.58 151	0.31 77	1.15 255	0.43 108	2.43 341	1.41 280	1.17 148	1.40 229	1.21 218	0.86 183	1.94 228	16.68 410	0.24 188	0.24 262	0.21 93	0.20 129	0.23 158	0.27 194

ac_64	0.86 214	0.32 118	1.02 183	0.74 293	0.60 274	1.04 234	0.53 180	2.20 315	0.99 110	1.23 182	1.11 127	1.96 334	1.06 262	2.01 239	1.01 246	0.30 270	0.22 232	0.24 168	0.23 214	0.22 140	0.22 109

cf-r	0.79 179	0.32 118	1.06 192	0.57 141	0.64 286	0.78 162	0.51 166	2.04 277	1.22 202	1.20 170	1.27 185	1.53 287	0.91 203	1.47 158	0.94 234	0.25 208	0.19 199	0.22 120	0.23 214	0.19 59	0.21 88

PSMNet-RSSM	0.78 171	0.32 118	0.89 143	0.65 218	0.43 191	0.73 143	0.58 212	2.14 296	1.19 186	1.18 159	1.38 222	1.31 249	1.07 264	1.43 151	0.82 206	0.28 253	0.21 222	0.27 234	0.29 283	0.25 197	0.26 178

DIP-Stereo	0.64 105	0.32 118	0.91 151	0.49 35	0.36 139	0.91 202	0.33 33	2.51 355	0.77 41	1.25 189	1.00 87	0.68 66	0.51 56	0.92 71	0.65 166	0.19 65	0.15 112	0.21 93	0.17 70	0.19 59	0.22 109
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
IGEVStereo-DCA	0.49 26	0.33 135	0.64 37	0.46 14	0.34 122	0.50 38	0.42 92	0.93 21	0.59 7	0.48 13	0.48 5	0.48 25	0.45 29	2.28 264	0.44 62	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.21 88

rrr	0.57 60	0.33 135	2.43 332	0.46 14	0.34 122	0.50 38	0.38 69	0.84 14	0.55 4	0.48 13	0.48 5	0.48 25	0.45 29	2.28 264	0.44 62	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

IGEV_Zeroshot_test	0.59 82	0.33 135	1.11 204	0.63 201	0.37 144	0.41 12	0.33 33	1.80 222	0.79 48	1.04 104	1.10 120	1.06 184	0.43 23	0.87 62	0.48 89	0.18 40	0.13 17	0.19 47	0.18 84	0.20 86	0.23 123

EKT-Stereo	0.56 48	0.33 135	0.84 125	0.61 183	0.64 286	0.51 43	0.48 152	1.14 79	0.95 92	0.74 49	0.89 63	0.77 87	0.42 20	1.18 119	0.42 55	0.23 170	0.17 161	0.21 93	0.18 84	0.20 86	0.26 178

HH	0.68 128	0.33 135	0.83 116	0.53 90	0.34 122	0.92 209	0.45 133	1.79 218	0.74 36	0.71 44	1.13 140	1.60 296	0.83 169	1.95 231	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

HanStereo	0.68 128	0.33 135	0.83 116	0.53 90	0.34 122	0.92 209	0.45 133	1.79 218	0.74 36	0.71 44	1.13 140	1.60 296	0.83 169	1.95 231	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

IER	0.74 156	0.33 135	1.25 244	0.50 47	0.53 243	1.32 280	0.55 196	1.31 129	1.08 137	1.30 215	1.34 208	1.11 204	1.10 270	1.05 92	0.81 205	0.20 99	0.17 161	0.21 93	0.21 165	0.20 86	0.21 88

iRaft-Stereo_20w	0.71 145	0.33 135	1.25 244	0.50 47	0.36 139	0.82 175	0.31 25	3.16 379	0.89 66	1.24 186	1.14 145	0.79 90	0.65 117	1.15 113	0.43 58	0.18 40	0.13 17	0.18 33	0.17 70	0.20 86	0.23 123

GwcNet-ADL	0.67 119	0.33 135	0.90 148	0.58 151	0.41 181	0.60 83	0.59 216	1.55 166	1.28 226	1.11 116	1.13 140	0.90 135	0.59 96	1.11 109	0.91 222	0.28 253	0.18 185	0.18 33	0.18 84	0.25 197	0.33 253

Patchmatch Stereo++	0.57 60	0.33 135	0.82 108	0.52 70	0.27 19	0.63 97	0.28 17	1.14 79	0.73 29	1.13 127	0.96 72	0.82 104	0.60 100	1.40 142	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70
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
NF-Stereo	0.82 194	0.33 135	0.83 116	0.65 218	0.31 77	0.63 97	0.43 108	1.35 132	0.93 83	1.30 215	1.02 91	0.81 98	0.57 78	5.37 345	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.30 230

OCTAStereo	0.82 194	0.33 135	0.83 116	0.65 218	0.31 77	0.62 89	0.44 125	1.35 132	0.93 83	1.30 215	1.02 91	0.81 98	0.57 78	5.32 340	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.30 230

PSM-softLoss	0.80 184	0.33 135	0.89 143	0.63 201	0.32 97	0.55 64	0.40 80	1.26 118	0.78 42	1.25 189	1.07 109	0.83 112	0.51 56	5.33 341	0.61 154	0.25 208	0.15 112	0.25 204	0.22 187	0.20 86	0.26 178

KMStereo	0.80 184	0.33 135	0.89 143	0.63 201	0.32 97	0.55 64	0.40 80	1.26 118	0.78 42	1.25 189	1.07 109	0.83 112	0.51 56	5.33 341	0.61 154	0.25 208	0.15 112	0.25 204	0.22 187	0.20 86	0.26 178

PSM-adaLoss	0.56 48	0.33 135	0.81 99	0.52 70	0.27 19	0.63 97	0.41 88	1.14 79	0.73 29	1.13 127	0.96 72	0.82 104	0.60 100	1.09 104	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

ROB_FTStereo_v2	0.57 60	0.33 135	0.81 99	0.52 70	0.27 19	0.62 89	0.42 92	1.14 79	0.73 29	1.13 127	0.97 79	0.82 104	0.60 100	1.15 113	0.53 118	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

ROB_FTStereo	0.56 48	0.33 135	0.82 108	0.52 70	0.27 19	0.62 89	0.25 4	1.14 79	0.74 36	1.13 127	0.96 72	0.82 104	0.60 100	1.18 119	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

HUI-Stereo	0.54 36	0.33 135	0.81 99	0.52 70	0.27 19	0.62 89	0.29 21	1.14 79	0.74 36	1.13 127	0.96 72	0.82 104	0.60 100	0.83 54	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

RE-Stereo	0.82 194	0.33 135	0.84 125	0.65 218	0.31 77	0.63 97	0.44 125	1.35 132	0.93 83	1.30 215	1.02 91	0.80 92	0.57 78	5.34 343	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.31 239

TVStereo	0.82 194	0.33 135	0.84 125	0.65 218	0.31 77	0.63 97	0.44 125	1.35 132	0.93 83	1.30 215	1.02 91	0.80 92	0.57 78	5.34 343	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.31 239

iGMRVC	0.58 71	0.33 135	0.81 99	0.52 70	0.27 19	0.62 89	0.38 69	1.14 79	0.73 29	1.13 127	0.97 79	0.82 104	0.59 96	1.54 169	0.53 118	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

iRAFT	0.57 60	0.33 135	0.82 108	0.52 70	0.27 19	0.63 97	0.28 17	1.14 79	0.73 29	1.13 127	0.96 72	0.82 104	0.60 100	1.40 142	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

CroCo-Stereo	0.42 8	0.33 135	0.83 116	0.59 163	0.28 40	0.26 1	0.33 33	1.22 110	0.85 61	0.43 4	0.49 7	0.65 60	0.46 36	0.40 1	0.36 16	0.19 65	0.15 112	0.16 8	0.14 22	0.20 86	0.17 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
RAFT-IKP	0.57 60	0.33 135	0.82 108	0.52 70	0.27 19	0.57 69	0.35 49	1.14 79	0.73 29	1.13 127	0.96 72	0.83 112	0.61 110	1.26 125	0.53 118	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

test_xeample3	0.57 60	0.33 135	3.11 349	0.46 14	0.34 122	0.55 64	0.38 69	0.86 18	0.49 2	0.54 29	0.46 3	0.44 8	0.44 27	1.49 166	0.45 73	0.18 40	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

ACVNet	0.66 111	0.33 135	0.74 72	0.55 111	0.37 144	0.80 167	0.47 148	1.46 150	1.11 151	1.01 94	1.31 196	1.07 187	0.91 203	0.82 51	1.09 253	0.22 150	0.19 199	0.21 93	0.18 84	0.23 158	0.19 51

acv_ft	0.78 171	0.33 135	1.10 202	0.73 287	0.86 343	1.23 273	0.57 205	1.65 189	1.11 151	1.31 221	1.31 196	1.07 187	0.91 203	0.82 51	1.35 285	0.22 150	0.19 199	0.21 93	0.18 84	0.22 140	0.19 51

ACVNet-DCA	0.59 82	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.58 173	0.91 71	0.60 34	0.80 47	0.47 21	0.87 189	1.48 160	0.35 6	0.21 121	0.13 17	0.25 204	0.15 30	0.23 158	0.25 161

xx1	0.70 139	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.07 51	3.23 382	0.60 34	0.80 47	0.95 153	0.79 155	1.48 160	0.35 6	0.21 121	0.13 17	0.24 168	0.23 214	0.23 158	0.25 161

1test111	0.58 71	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.58 173	0.91 71	0.60 34	0.80 47	0.47 21	0.87 189	0.99 81	0.67 171	0.21 121	0.13 17	0.25 204	0.15 30	0.23 158	0.25 161

cc1	0.68 128	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.07 51	3.23 382	0.60 34	0.80 47	0.47 21	0.87 189	1.48 160	0.35 6	0.21 121	0.13 17	0.25 204	0.15 30	0.19 59	0.23 123

tt1	0.65 109	0.34 162	0.65 42	0.60 170	0.27 19	1.14 252	0.48 152	1.08 56	2.62 370	0.59 31	0.79 44	0.49 29	0.80 161	1.57 172	0.35 6	0.21 121	0.13 17	0.25 204	0.16 54	0.20 86	0.23 123

PCWNet_CMD	0.68 128	0.34 162	0.93 154	0.51 58	0.38 155	0.80 167	0.42 92	1.51 156	1.34 249	1.17 148	1.31 196	1.23 226	0.65 117	0.94 72	0.62 157	0.21 121	0.17 161	0.27 234	0.19 103	0.43 301	0.28 205

CFNet_ucs	0.73 153	0.34 162	0.94 160	0.53 90	0.44 198	0.76 152	0.46 139	1.73 208	1.34 249	1.24 186	1.54 264	1.08 197	0.64 113	1.05 92	0.64 162	0.26 225	0.20 209	0.37 313	0.22 187	0.42 299	0.30 230

x	0.59 82	0.34 162	0.79 93	0.51 58	0.32 97	0.69 132	0.46 139	1.64 186	0.97 100	0.86 72	0.86 56	0.83 112	0.74 135	0.75 39	0.70 179	0.21 121	0.22 232	0.22 120	0.20 129	0.21 121	0.24 142

BUS	0.78 171	0.34 162	0.77 83	0.55 111	0.45 201	2.30 359	0.42 92	2.65 363	1.04 129	1.25 189	1.12 130	1.02 176	0.70 131	0.94 72	0.75 188	0.25 208	0.18 185	0.25 204	0.22 187	0.23 158	0.24 142

BSDual-CNN	0.75 159	0.34 162	0.77 83	0.55 111	0.45 201	1.25 275	0.66 238	2.65 363	1.04 129	1.25 189	1.12 130	1.11 204	0.77 145	0.94 72	0.76 191	0.25 208	0.18 185	0.25 204	0.22 187	0.23 158	0.24 142

hknet	0.82 194	0.34 162	1.15 213	0.55 111	0.39 162	1.25 275	0.66 238	2.65 363	1.10 147	1.25 189	1.12 130	1.58 295	0.85 176	1.41 144	0.79 198	0.23 170	0.18 185	0.25 204	0.22 187	0.23 158	0.24 142

psmg	0.75 159	0.34 162	0.77 83	0.52 70	0.45 201	1.46 301	0.73 257	2.15 300	1.04 129	1.25 189	1.33 205	1.11 204	0.77 145	0.94 72	0.76 191	0.25 208	0.20 209	0.25 204	0.26 245	0.23 158	0.24 142

IIG-Stereo	0.97 247	0.34 162	0.80 98	0.90 344	0.33 110	0.61 87	0.26 10	1.27 122	1.08 137	1.69 319	1.37 218	1.44 270	0.74 135	6.94 376	0.53 118	0.21 121	0.14 58	0.23 147	0.18 84	0.20 86	0.15 3

CFNet_pseudo	0.68 128	0.34 162	0.93 154	0.50 47	0.39 162	0.72 140	0.42 92	1.44 146	1.25 212	1.17 148	1.35 213	1.22 222	0.66 121	1.04 89	0.64 162	0.21 121	0.17 161	0.33 287	0.19 103	0.39 287	0.28 205

RALCasStereoNet	0.58 71	0.34 162	0.77 83	0.65 218	0.64 286	0.64 105	0.51 166	1.06 50	0.99 110	0.71 44	1.06 107	0.77 87	0.44 27	1.38 139	0.52 109	0.20 99	0.18 185	0.18 33	0.16 54	0.20 86	0.22 109

delet	0.90 228	0.34 162	1.15 213	0.69 263	0.66 295	1.63 317	0.81 277	1.95 259	1.49 307	1.42 264	1.38 222	1.29 245	0.91 203	1.78 205	1.18 261	0.22 150	0.22 232	0.24 168	0.25 234	0.22 140	0.24 142

UPFNet	0.84 207	0.34 162	1.09 199	0.62 191	0.74 314	1.25 275	0.78 265	1.69 200	1.20 190	1.39 252	1.13 140	1.30 247	0.87 189	1.73 199	1.22 268	0.24 188	0.26 280	0.24 168	0.23 214	0.26 207	0.20 70

GwcNet-RSSM	0.83 203	0.34 162	1.29 251	0.65 218	0.55 254	0.78 162	0.62 228	1.89 246	1.27 222	1.18 159	1.39 224	1.56 292	0.91 203	1.60 183	1.22 268	0.26 225	0.20 209	0.23 147	0.24 226	0.21 121	0.21 88

RASNet	1.16 282	0.34 162	1.11 204	0.73 287	0.86 343	1.00 229	0.60 224	1.56 168	1.43 289	1.07 111	1.37 218	2.08 347	1.44 320	7.00 377	1.56 306	0.20 99	0.17 161	0.17 13	0.19 103	0.19 59	0.19 51

MSMDNet	0.68 128	0.34 162	0.93 154	0.52 70	0.38 155	0.80 167	0.42 92	1.52 158	1.35 252	1.17 148	1.31 196	1.23 226	0.65 117	0.94 72	0.62 157	0.21 121	0.17 161	0.26 225	0.19 103	0.41 295	0.28 205

ccs_rob	0.68 128	0.34 162	0.93 154	0.50 47	0.39 162	0.72 140	0.42 92	1.43 145	1.25 212	1.17 148	1.34 208	1.22 222	0.66 121	1.04 89	0.64 162	0.21 121	0.17 161	0.35 301	0.20 129	0.40 291	0.29 217

HSM	1.22 293	0.34 162	0.81 99	0.61 183	0.39 162	1.22 271	0.63 233	2.45 343	1.25 212	1.32 223	1.26 178	1.91 324	1.08 265	9.21 397	0.75 188	0.23 170	0.17 161	0.20 70	0.16 54	0.22 140	0.24 142

ToySt	0.73 153	0.35 184	1.64 287	0.54 101	0.37 144	0.92 209	0.81 277	1.21 108	1.03 123	0.86 72	1.12 130	1.31 249	1.01 243	1.04 89	0.88 215	0.19 65	0.20 209	0.24 168	0.24 226	0.27 209	0.28 205

OMP-Stereo	0.95 242	0.35 184	0.79 93	0.92 346	0.32 97	0.49 28	0.35 49	1.22 110	1.11 151	1.58 304	1.12 130	1.44 270	0.69 129	6.92 375	0.51 103	0.20 99	0.15 112	0.24 168	0.19 103	0.21 121	0.16 13

ICVP	0.66 111	0.35 184	0.71 56	0.63 201	0.41 181	0.85 191	0.56 202	1.78 215	0.96 96	0.92 78	1.24 174	0.88 127	0.75 140	0.76 40	0.93 229	0.31 274	0.22 232	0.22 120	0.21 165	0.24 187	0.28 205
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
MMNet	0.89 221	0.35 184	1.44 265	0.64 212	0.59 270	1.83 336	0.48 152	1.70 203	1.38 266	1.45 277	1.19 158	1.25 231	1.16 278	1.77 203	1.27 276	0.20 99	0.19 199	0.23 147	0.22 187	0.25 197	0.24 142

DualNet	1.46 318	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	1.08 56	2.62 370	1.19 164	1.49 247	1.07 187	0.85 176	1.57 172	13.82 401	0.21 121	0.13 17	0.31 267	0.28 268	0.20 86	0.23 123

ffm	0.79 179	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	1.08 56	2.62 370	1.19 164	1.49 247	1.07 187	0.85 176	1.57 172	0.35 6	0.21 121	0.13 17	0.31 267	0.28 268	0.20 86	0.23 123

ff1	1.88 348	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	1.08 56	2.62 370	1.19 164	1.49 247	1.07 187	0.85 176	9.88 405	13.82 401	0.21 121	0.13 17	0.31 267	0.28 268	0.20 86	0.23 123

mmx	1.89 351	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	2.32 328	1.41 280	1.19 164	1.49 247	1.07 187	0.85 176	9.88 405	13.82 401	0.25 208	0.21 222	0.31 267	0.28 268	0.32 257	0.29 217

ttt	1.26 302	0.36 188	0.79 93	0.65 218	0.42 188	0.94 214	0.57 205	2.33 333	1.38 266	1.25 189	1.65 289	0.92 143	0.78 150	2.64 282	8.73 389	0.30 270	0.28 292	0.26 225	0.25 234	0.29 234	0.32 247

xxx	1.89 351	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	2.32 328	1.41 280	1.19 164	1.49 247	1.07 187	0.85 176	9.88 405	13.82 401	0.25 208	0.21 222	0.31 267	0.28 268	0.32 257	0.29 217

LL-Strereo2	0.56 48	0.36 188	0.77 83	0.56 123	0.40 171	0.68 124	0.37 62	1.21 108	0.83 56	0.96 85	0.79 44	0.91 138	0.41 17	1.08 100	0.48 89	0.18 40	0.17 161	0.29 254	0.25 234	0.22 140	0.19 51

CASS	0.67 119	0.36 188	0.84 125	0.57 141	0.28 40	0.82 175	0.43 108	1.62 185	0.92 76	1.39 252	1.28 190	0.87 121	0.84 171	0.88 64	0.59 149	0.36 306	0.19 199	0.26 225	0.22 187	0.29 234	0.43 300
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
qqq	0.62 93	0.36 188	0.88 140	0.50 47	0.28 40	0.64 105	0.62 228	1.58 173	0.91 71	0.83 63	0.96 72	0.95 153	0.79 155	0.99 81	0.67 171	0.21 121	0.23 254	0.24 168	0.23 214	0.23 158	0.25 161

PSMNet-ADL	0.75 159	0.36 188	0.69 53	0.71 275	0.47 214	1.13 249	0.46 139	1.47 153	1.07 134	0.85 68	1.18 155	1.31 249	0.94 214	1.56 170	1.06 251	0.34 291	0.22 232	0.22 120	0.23 214	0.27 209	0.36 271

UNet	0.86 214	0.36 188	1.52 277	0.62 191	0.74 314	1.56 310	0.49 160	1.55 166	1.12 156	1.28 209	1.10 120	1.52 286	1.10 270	1.69 196	1.14 258	0.24 188	0.18 185	0.25 204	0.21 165	0.25 197	0.25 161

CFNet-ft	0.78 171	0.36 188	0.74 72	0.67 244	0.56 258	0.86 192	0.54 189	1.46 150	1.17 181	1.01 94	1.28 190	1.68 308	1.03 250	1.57 172	0.95 236	0.27 242	0.21 222	0.33 287	0.26 245	0.31 249	0.26 178

DMCA	0.71 145	0.36 188	1.17 227	0.53 90	0.45 201	0.84 188	0.46 139	1.52 158	1.09 144	1.20 170	1.12 130	1.21 218	0.74 135	0.87 62	1.09 253	0.25 208	0.20 209	0.27 234	0.19 103	0.24 187	0.29 217

CFNet_RVC	0.78 171	0.36 188	0.74 72	0.67 244	0.56 258	0.86 192	0.54 189	1.46 150	1.17 181	1.01 94	1.28 190	1.68 308	1.03 250	1.57 172	0.95 236	0.27 242	0.21 222	0.33 287	0.26 245	0.31 249	0.26 178

iResNet_ROB	0.82 194	0.36 188	1.13 208	0.60 170	0.37 144	0.91 202	0.38 69	2.41 339	1.61 325	1.35 239	1.35 213	1.25 231	0.97 228	1.75 201	0.88 215	0.21 121	0.14 58	0.17 13	0.12 9	0.19 59	0.30 230

DN-CSS_ROB	0.67 119	0.36 188	1.36 259	0.59 163	0.41 181	0.54 60	0.45 133	1.30 128	0.95 92	1.05 106	1.47 244	0.69 70	0.64 113	1.80 212	0.60 151	0.19 65	0.15 112	0.25 204	0.23 214	0.22 140	0.23 123

mmm	0.68 128	0.37 204	0.91 151	0.54 101	0.34 122	0.86 192	0.58 212	1.72 207	1.02 120	1.13 127	1.41 232	0.83 112	0.78 150	0.95 78	0.67 171	0.22 150	0.20 209	0.29 254	0.26 245	0.27 209	0.27 194

StereoVision	0.67 119	0.37 204	1.02 183	0.60 170	0.41 181	0.50 38	0.41 88	1.32 130	0.96 96	0.73 48	2.48 358	0.82 104	0.57 78	1.06 96	0.50 101	0.26 225	0.28 292	0.29 254	0.28 268	0.37 277	0.22 109

CBFPSM	0.95 242	0.37 204	2.10 317	0.51 58	0.39 162	1.73 324	0.87 292	1.59 178	1.13 161	1.11 116	1.00 87	2.34 356	1.64 336	1.42 149	1.44 293	0.19 65	0.18 185	0.20 70	0.20 129	0.22 140	0.36 271

gwcnet-sp	0.80 184	0.37 204	1.94 305	0.62 191	0.45 201	1.38 289	0.53 180	1.68 191	1.20 190	1.37 245	1.08 115	0.93 145	0.82 166	1.45 154	0.79 198	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

scenet	0.80 184	0.37 204	1.94 305	0.62 191	0.45 201	1.38 289	0.53 180	1.68 191	1.20 190	1.37 245	1.08 115	0.93 145	0.82 166	1.45 154	0.79 198	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

ssnet	0.80 184	0.37 204	1.94 305	0.62 191	0.45 201	1.38 289	0.53 180	1.68 191	1.20 190	1.37 245	1.08 115	0.93 145	0.82 166	1.45 154	0.79 198	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

CroCo-Stereo Lap2	0.46 19	0.37 204	0.87 138	0.62 191	0.79 329	0.28 2	0.35 49	0.81 6	0.73 29	0.39 3	0.54 15	0.71 79	0.54 69	0.60 13	0.48 89	0.18 40	0.18 185	0.19 47	0.16 54	0.21 121	0.21 88

CIPLG	0.67 119	0.37 204	1.17 227	0.60 170	0.51 235	0.75 147	0.48 152	1.26 118	1.11 151	1.43 268	1.58 277	0.64 59	0.48 44	0.94 72	0.78 194	0.24 188	0.15 112	0.19 47	0.16 54	0.19 59	0.29 217

DAS	0.89 221	0.37 204	1.20 233	0.66 231	0.69 303	0.82 175	0.62 228	1.79 218	1.26 218	1.93 340	1.55 267	0.96 157	1.17 281	2.72 287	0.69 176	0.22 150	0.16 139	0.25 204	0.18 84	0.29 234	0.24 142

SepStereo	0.87 217	0.37 204	1.20 233	0.66 231	0.69 303	0.82 175	0.62 228	1.79 218	1.26 218	1.93 340	1.55 267	0.96 157	1.17 281	2.34 267	0.69 176	0.22 150	0.16 139	0.25 204	0.18 84	0.29 234	0.24 142

ACRE	0.66 111	0.37 204	1.27 247	0.60 170	0.50 226	0.74 145	0.47 148	1.26 118	1.10 147	1.40 258	1.56 272	0.62 53	0.46 36	0.88 64	0.78 194	0.24 188	0.15 112	0.19 47	0.16 54	0.19 59	0.29 217

ADLNet2	0.92 236	0.37 204	1.25 244	0.80 313	0.65 292	1.12 248	0.75 259	1.95 259	1.42 288	1.26 199	1.67 292	1.68 308	1.04 256	1.80 212	1.23 271	0.25 208	0.22 232	0.21 93	0.22 187	0.27 209	0.31 239

RALAANet	0.62 93	0.37 204	0.97 171	0.66 231	0.50 226	0.67 120	0.31 25	1.27 122	1.09 144	1.11 116	1.17 153	0.88 127	0.46 36	1.27 127	0.45 73	0.20 99	0.15 112	0.21 93	0.18 84	0.27 209	0.19 51

GES	0.70 139	0.37 204	1.05 189	0.62 191	0.38 155	0.94 214	0.57 205	2.37 335	0.92 76	1.05 106	1.12 130	0.67 64	0.77 145	1.02 87	0.65 166	0.28 253	0.20 209	0.20 70	0.20 129	0.22 140	0.31 239

psm_up	0.83 203	0.37 204	0.88 140	0.68 253	0.59 270	1.05 237	0.92 299	1.68 191	1.17 181	1.41 260	1.22 166	1.30 247	1.31 304	1.39 141	0.89 217	0.27 242	0.30 304	0.31 267	0.27 259	0.28 224	0.28 205

UCFNet_RVC	0.72 150	0.37 204	0.59 22	0.66 231	0.41 181	0.89 197	0.68 242	1.78 215	1.15 172	1.01 94	1.20 159	1.22 222	0.95 219	1.07 98	0.66 170	0.28 253	0.21 222	0.34 295	0.31 298	0.33 262	0.29 217

DISCO	1.06 266	0.37 204	1.19 232	0.73 287	0.46 208	2.04 350	0.84 284	2.26 320	1.54 314	1.25 189	1.36 217	2.38 358	1.08 265	2.60 281	1.62 312	0.24 188	0.19 199	0.22 120	0.20 129	0.32 257	0.29 217

Former-RAFT_DAM_RVC	0.47 22	0.38 221	0.75 77	0.48 29	0.37 144	0.67 120	0.35 49	0.82 10	1.14 167	0.61 38	0.64 20	0.39 4	0.39 15	0.74 34	0.39 31	0.20 99	0.17 161	0.22 120	0.18 84	0.24 187	0.20 70

IPLGR_C	0.67 119	0.38 221	1.20 233	0.60 170	0.50 226	0.75 147	0.48 152	1.28 126	1.13 161	1.42 264	1.57 276	0.62 53	0.48 44	0.85 60	0.80 203	0.24 188	0.15 112	0.19 47	0.16 54	0.19 59	0.29 217

GANet-ADL	0.63 102	0.38 221	0.82 108	0.67 244	0.41 181	0.68 124	0.51 166	1.64 186	1.16 177	0.98 86	1.10 120	0.90 135	0.58 93	0.81 49	0.63 159	0.27 242	0.18 185	0.18 33	0.16 54	0.23 158	0.27 194

hitnet-ft	0.84 207	0.38 221	0.75 77	0.59 163	0.44 198	0.99 228	0.47 148	1.61 182	1.38 266	1.21 176	1.22 166	1.82 322	0.99 234	1.87 218	1.09 253	0.33 284	0.29 300	0.34 295	0.27 259	0.36 272	0.33 253

DSFCA	0.95 242	0.38 221	1.23 239	0.55 111	0.66 295	1.50 303	0.93 302	1.58 173	1.24 206	1.59 307	1.16 151	1.48 278	0.95 219	2.96 294	1.20 263	0.31 274	0.28 292	0.25 204	0.26 245	0.29 234	0.26 178

ssnet_v2	0.92 236	0.39 226	1.22 237	0.66 231	0.39 162	1.31 279	0.96 308	2.32 328	1.45 296	1.48 285	1.17 153	1.53 287	0.91 203	1.16 115	1.71 324	0.31 274	0.27 288	0.30 263	0.29 283	0.28 224	0.29 217

AASNet	0.80 184	0.39 226	1.16 226	0.84 328	0.80 331	1.14 252	0.59 216	2.12 291	1.21 196	1.26 199	1.26 178	0.93 145	0.77 145	0.84 57	1.23 271	0.28 253	0.24 262	0.24 168	0.20 129	0.28 224	0.27 194

pcwnet_v2	0.91 233	0.39 226	2.74 341	0.64 212	0.55 254	0.81 174	0.49 160	2.19 312	1.63 326	1.44 271	1.64 288	1.09 198	0.79 155	1.31 128	0.70 179	0.32 281	0.25 275	0.29 254	0.27 259	0.37 277	0.37 274

ADLNet	0.89 221	0.39 226	1.09 199	0.88 336	0.73 310	1.24 274	0.75 259	2.02 271	1.41 280	1.58 304	1.37 218	1.26 237	1.00 240	1.31 128	1.18 261	0.28 253	0.21 222	0.26 225	0.26 245	0.29 234	0.36 271

MLCV	0.77 169	0.39 226	1.31 252	0.55 111	0.25 8	0.91 202	0.39 78	1.48 155	1.28 226	1.49 287	1.54 264	1.02 176	0.68 126	2.12 252	0.93 229	0.19 65	0.13 17	0.19 47	0.14 22	0.19 59	0.22 109

NINENet	0.81 192	0.40 231	0.89 143	0.65 218	0.53 243	2.30 359	0.42 92	2.12 291	1.13 161	1.20 170	1.27 185	1.02 176	0.70 131	1.26 125	0.75 188	0.29 265	0.24 262	0.31 267	0.21 165	0.27 209	0.26 178

AACVNet	0.90 228	0.40 231	0.98 173	0.86 333	0.40 171	0.80 167	0.49 160	1.81 225	0.86 63	1.11 116	1.34 208	1.32 253	0.99 234	4.23 320	0.86 211	0.26 225	0.22 232	0.28 246	0.22 187	0.30 244	0.28 205

GEStereo_RVC	0.93 241	0.40 231	1.15 213	0.67 244	0.50 226	0.95 220	0.78 265	2.73 368	1.21 196	1.20 170	1.12 130	1.25 231	0.91 203	3.21 301	0.95 236	0.31 274	0.20 209	0.23 147	0.20 129	0.28 224	0.31 239

HCRNet	0.72 150	0.40 231	0.86 136	0.61 183	0.57 262	0.75 147	0.35 49	1.39 138	1.21 196	1.11 116	0.99 83	1.01 174	0.76 141	2.18 256	0.73 183	0.28 253	0.19 199	0.28 246	0.23 214	0.25 197	0.26 178

ARAFT	0.82 194	0.40 231	1.77 293	0.53 90	0.31 77	0.89 197	0.81 277	2.32 328	1.08 137	1.66 316	1.25 176	1.04 180	0.64 113	1.91 225	0.52 109	0.20 99	0.15 112	0.28 246	0.27 259	0.17 20	0.18 32

CFNet	0.99 252	0.40 231	1.23 239	0.65 218	0.43 191	1.03 233	0.49 160	2.01 270	1.35 252	1.02 98	1.39 224	1.10 199	0.86 183	5.47 347	0.89 217	0.24 188	0.18 185	0.28 246	0.27 259	0.27 209	0.22 109

MDST_ROB	1.88 348	0.40 231	1.71 290	0.93 351	0.60 274	4.27 396	1.23 340	3.99 389	1.44 291	4.61 396	2.63 360	1.44 270	1.03 250	9.78 402	1.62 312	0.33 284	0.26 280	0.37 313	0.33 312	0.31 249	0.34 260

SGM_RVC	1.88 348	0.40 231	0.90 148	0.63 201	0.30 63	2.81 372	1.26 343	2.73 368	1.81 342	4.09 388	2.85 364	3.88 382	3.19 383	8.42 391	2.44 347	0.33 284	0.31 309	0.30 263	0.28 268	0.31 249	0.31 239
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
SGM-Forest	1.29 306	0.40 231	0.74 72	0.54 101	0.37 144	1.55 308	1.26 343	1.82 228	1.39 275	2.22 354	1.81 314	1.64 302	1.02 248	7.65 384	1.20 263	0.39 316	0.37 336	0.39 321	0.34 317	0.37 277	0.34 260
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CSP-Net	1.00 255	0.41 240	0.99 175	0.56 123	0.43 191	1.62 316	0.76 261	2.16 302	1.16 177	1.33 228	1.22 166	1.32 253	0.89 198	4.67 331	0.93 229	0.35 299	0.24 262	0.20 70	0.20 129	0.23 158	0.30 230

Anonymous	0.56 48	0.41 240	1.05 189	0.67 244	0.73 310	0.65 109	0.68 242	1.12 73	0.79 48	0.48 13	0.60 19	0.42 5	0.60 100	0.81 49	0.55 128	0.26 225	0.24 262	0.21 93	0.21 165	0.41 295	0.30 230

CRFU-Net	0.90 228	0.42 242	1.10 202	0.69 263	0.59 270	1.76 328	0.84 284	2.33 333	0.92 76	1.45 277	1.20 159	1.62 298	1.25 295	1.38 139	0.94 234	0.28 253	0.23 254	0.22 120	0.19 103	0.24 187	0.27 194

TestStereo	0.65 109	0.42 242	0.83 116	0.52 70	0.27 19	0.57 69	0.44 125	1.07 51	0.92 76	0.85 68	1.01 89	0.68 66	0.56 76	3.22 302	0.47 85	0.23 170	0.15 112	0.24 168	0.18 84	0.28 224	0.18 32

HGLStereo	0.89 221	0.42 242	1.15 213	0.82 320	1.03 360	1.16 258	0.57 205	1.68 191	1.28 226	1.26 199	1.62 283	1.13 208	1.31 304	1.85 214	1.11 257	0.25 208	0.24 262	0.24 168	0.22 187	0.24 187	0.29 217

HITNet	0.71 145	0.42 242	1.07 196	0.52 70	0.25 8	1.05 237	0.48 152	2.12 291	1.08 137	1.21 176	1.23 170	0.91 138	0.84 171	0.90 69	0.91 222	0.17 18	0.12 5	0.21 93	0.17 70	0.29 234	0.18 32
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
sCroCo_RVC	0.51 32	0.43 246	1.15 213	0.66 231	0.60 274	0.52 47	0.40 80	0.93 21	0.64 19	0.45 9	0.76 37	0.49 29	0.49 54	0.65 25	0.49 98	0.27 242	0.28 292	0.23 147	0.22 187	0.29 234	0.28 205

FAT-Stereo	1.10 274	0.43 246	1.46 267	0.74 293	0.60 274	1.13 249	0.92 299	2.06 282	1.71 332	1.75 323	2.00 333	2.02 340	1.47 323	2.02 241	1.26 275	0.44 334	0.36 332	0.34 295	0.29 283	0.36 272	0.57 335

iResNetv2_ROB	0.88 219	0.43 246	2.62 340	0.60 170	0.38 155	0.94 214	0.67 240	1.88 244	1.38 266	1.27 204	1.45 240	1.26 237	1.05 261	1.92 226	0.64 162	0.24 188	0.15 112	0.19 47	0.14 22	0.24 187	0.21 88

StereoDRNet-Refined	0.84 207	0.43 246	1.01 181	0.66 231	0.43 191	1.32 280	0.49 160	1.64 186	1.24 206	1.53 293	1.45 240	1.49 280	0.97 228	1.32 131	1.31 278	0.21 121	0.17 161	0.27 234	0.25 234	0.25 197	0.34 260
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.92 236	0.43 246	0.95 163	0.71 275	0.55 254	1.11 246	0.83 282	1.61 182	1.32 245	1.67 317	1.66 290	1.70 311	0.93 212	1.96 233	1.34 283	0.26 225	0.25 275	0.27 234	0.28 268	0.28 224	0.28 205

LL-Strereo	1.42 314	0.44 251	2.02 312	0.62 191	1.07 362	0.73 143	0.65 236	2.02 271	1.21 196	1.60 308	1.62 283	2.02 340	2.10 363	9.67 401	1.07 252	0.22 150	0.20 209	0.27 234	0.24 226	0.23 158	0.33 253

stereogan	1.22 293	0.45 252	2.03 314	0.87 334	0.85 342	2.52 364	0.72 254	1.98 264	1.78 339	1.92 338	1.94 329	2.31 355	1.42 317	2.10 250	1.14 258	0.38 309	0.36 332	0.39 321	0.32 303	0.52 329	0.49 312

NVstereo2D	0.99 252	0.45 252	2.21 325	0.79 312	0.75 317	1.20 269	0.86 290	1.98 264	1.41 280	1.02 98	1.18 155	1.31 249	0.97 228	2.25 261	0.93 229	0.45 337	0.22 232	0.39 321	0.25 234	0.59 344	0.68 353

iResNet	0.80 184	0.45 252	1.47 268	0.72 280	0.31 77	0.96 225	0.64 234	1.80 222	1.28 226	1.31 221	1.48 246	0.94 150	0.78 150	1.77 203	0.99 241	0.19 65	0.14 58	0.18 33	0.15 30	0.22 140	0.27 194

Wz-Net-LNSev-Ref	1.09 273	0.46 255	2.61 339	0.71 275	0.65 292	2.00 347	0.78 265	2.07 284	1.47 302	1.62 311	1.47 244	1.53 287	1.29 300	2.10 250	1.65 318	0.24 188	0.14 58	0.20 70	0.16 54	0.28 224	0.28 205

DMCA-RVC	0.83 203	0.46 255	2.19 324	0.68 253	0.49 222	0.84 188	0.48 152	1.44 146	1.07 134	1.56 300	1.04 102	1.29 245	0.86 183	1.49 166	0.92 226	0.27 242	0.22 232	0.35 301	0.28 268	0.32 257	0.28 205

NLCA_NET_v2_RVC	0.84 207	0.46 255	1.40 264	0.69 263	0.61 279	0.95 220	0.52 174	1.68 191	1.21 196	1.39 252	1.15 150	1.42 266	0.88 196	1.78 205	0.93 229	0.26 225	0.23 254	0.27 234	0.27 259	0.30 244	0.39 283
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
CBMV_ROB	0.99 252	0.46 255	0.68 49	0.53 90	0.39 162	1.40 294	0.48 152	2.09 287	1.30 236	1.53 293	2.29 348	1.36 258	1.23 291	2.46 273	1.04 250	0.44 334	0.42 352	0.47 343	0.44 342	0.41 295	0.39 283

pmcnn	2.84 381	0.46 255	5.19 373	0.68 253	0.42 188	1.55 308	1.16 332	2.32 328	1.60 324	2.72 369	7.49 399	17.96 413	1.48 324	6.04 358	6.64 382	0.18 40	0.15 112	0.15 3	0.12 9	0.20 86	0.20 70

Anonymous3	0.64 105	0.47 260	1.31 252	0.59 163	0.50 226	0.93 212	0.69 246	1.11 71	0.83 56	0.74 49	0.89 63	0.65 60	0.68 126	1.08 100	0.54 127	0.40 318	0.31 309	0.26 225	0.26 245	0.31 249	0.30 230

RAFT + AFF	1.07 270	0.47 260	1.36 259	0.68 253	0.50 226	1.20 269	1.22 338	2.58 360	1.26 218	1.33 228	1.56 272	1.19 215	1.49 325	3.89 318	1.01 246	0.22 150	0.26 280	0.30 263	0.27 259	0.29 234	0.32 247

LE_ROB	8.35 407	0.47 260	27.42 421	0.83 324	0.34 122	2.84 374	3.36 403	4.03 390	27.04 421	25.20 421	8.72 405	8.55 404	27.35 421	7.37 381	22.13 414	0.22 150	0.20 209	0.20 70	0.21 165	0.25 197	0.25 161

fast-acv-ft	1.00 255	0.48 263	1.85 301	0.61 183	0.52 238	1.77 330	0.69 246	1.52 158	1.47 302	1.34 235	1.85 319	1.73 314	1.24 294	1.62 186	1.56 306	0.27 242	0.28 292	0.28 246	0.28 268	0.28 224	0.31 239

S-Stereo	1.17 284	0.48 263	2.25 328	0.83 324	0.81 335	1.22 271	1.17 333	2.12 291	2.08 356	1.47 280	2.13 340	1.55 290	1.16 278	2.09 249	1.46 296	0.42 325	0.40 346	0.35 301	0.32 303	0.45 313	0.73 357

AdaStereo	0.74 156	0.48 263	0.86 136	0.75 300	0.38 155	0.94 214	0.56 202	2.05 281	1.24 206	1.15 142	1.22 166	1.07 187	0.67 123	1.05 92	0.73 183	0.33 284	0.16 139	0.32 279	0.22 187	0.29 234	0.23 123
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.
SGM-ForestM	7.81 406	0.48 263	11.02 395	0.74 293	0.40 171	16.83 414	12.72 412	7.91 409	8.13 403	11.53 412	10.25 407	22.44 421	14.01 411	17.02 415	20.52 413	0.38 309	0.39 344	0.37 313	0.36 323	0.37 277	0.38 280

CBMV	1.04 262	0.48 263	0.88 140	0.56 123	0.36 139	1.52 305	1.55 357	1.87 239	1.59 322	2.11 351	1.67 292	1.46 275	1.35 309	1.92 226	1.31 278	0.35 299	0.35 328	0.39 321	0.33 312	0.34 267	0.34 260
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
CVANet_RVC	1.10 274	0.49 268	1.15 213	0.65 218	0.54 250	0.93 212	1.00 314	1.69 200	1.36 259	1.42 264	1.39 224	1.24 230	1.17 281	6.22 361	0.80 203	0.35 299	0.24 262	0.35 301	0.30 294	0.44 311	0.32 247

DRN-Test	1.07 270	0.49 268	1.95 309	0.75 300	0.81 335	1.61 314	0.78 265	2.26 320	1.53 312	1.84 332	1.35 213	1.42 266	1.04 256	2.26 262	1.61 310	0.28 253	0.23 254	0.31 267	0.30 294	0.33 262	0.33 253

NOSS_ROB	1.29 306	0.49 268	0.68 49	0.60 170	0.40 171	1.09 245	0.77 262	1.94 256	1.44 291	1.04 104	1.46 242	1.10 199	0.81 165	10.57 410	0.78 194	0.46 338	0.43 353	0.48 344	0.45 345	0.45 313	0.43 300

iinet-f	1.04 262	0.50 271	4.24 366	0.58 151	0.43 191	1.78 333	0.70 252	1.29 127	1.16 177	1.25 189	1.42 233	1.57 294	1.42 317	1.47 158	1.70 322	0.26 225	0.23 254	0.20 70	0.20 129	0.26 207	0.26 178

LMCR-Stereo	0.87 217	0.50 271	0.99 175	0.80 313	0.43 191	1.32 280	0.55 196	2.79 373	1.03 123	1.55 299	1.49 247	0.74 81	1.01 243	1.76 202	0.99 241	0.30 270	0.17 161	0.22 120	0.18 84	0.31 249	0.22 109

GMStereo	0.58 71	0.50 271	1.09 199	0.52 70	0.32 97	0.80 167	0.43 108	1.02 38	1.41 280	0.89 75	0.77 40	0.52 36	0.46 36	0.89 66	0.56 135	0.25 208	0.16 139	0.20 70	0.22 187	0.31 249	0.27 194
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
TDLM	1.08 272	0.50 271	1.01 181	0.69 263	0.54 250	0.91 202	1.40 350	1.60 180	1.36 259	1.17 148	1.40 229	1.07 187	1.00 240	6.19 359	0.85 210	0.34 291	0.22 232	0.35 301	0.26 245	0.38 283	0.29 217

whm_eth	0.69 137	0.51 275	1.32 254	0.56 123	0.64 286	0.67 120	0.45 133	1.59 178	1.33 247	1.02 98	1.92 328	0.48 25	0.48 44	0.71 30	0.53 118	0.24 188	0.20 209	0.25 204	0.24 226	0.25 197	0.35 268

dd	0.62 93	0.51 275	1.17 227	0.56 123	0.33 110	0.74 145	0.46 139	1.03 44	1.40 277	0.80 56	0.87 58	0.60 49	0.57 78	1.02 87	0.86 211	0.28 253	0.18 185	0.26 225	0.19 103	0.35 268	0.27 194

SACVNet	0.89 221	0.51 275	1.08 198	0.83 324	0.58 264	0.83 181	0.78 265	1.84 231	1.17 181	1.39 252	1.33 205	1.25 231	1.01 243	2.31 266	0.92 226	0.35 299	0.26 280	0.31 267	0.29 283	0.35 268	0.48 311

FADNet-RVC-Resample	0.91 233	0.51 275	2.92 344	0.64 212	0.46 208	1.07 242	0.60 224	1.76 212	1.24 206	1.10 115	0.98 82	1.06 184	0.98 231	2.17 255	0.95 236	0.24 188	0.22 232	0.30 263	0.32 303	0.36 272	0.40 287

RYNet	1.24 300	0.52 279	1.57 284	0.73 287	0.97 357	1.74 326	0.95 307	2.09 287	1.54 314	1.44 271	1.18 155	1.94 332	1.29 300	4.57 328	1.93 332	0.27 242	0.23 254	0.35 301	0.27 259	0.57 341	0.59 340

GANet	1.41 312	0.52 279	1.18 231	0.74 293	0.48 216	1.40 294	1.69 362	1.87 239	1.28 226	1.56 300	2.39 352	1.56 292	1.25 295	9.13 395	1.20 263	0.31 274	0.32 319	0.34 295	0.29 283	0.40 291	0.33 253

STTStereo	0.82 194	0.53 281	1.53 280	0.68 253	0.56 258	0.88 196	0.56 202	1.57 171	1.14 167	1.39 252	1.10 120	1.26 237	0.84 171	1.49 166	0.90 220	0.29 265	0.28 292	0.33 287	0.40 332	0.33 262	0.37 274

Nwc_Net	1.19 288	0.53 281	2.34 330	0.92 346	0.81 335	1.49 302	0.70 252	2.28 326	1.32 245	1.41 260	2.27 346	2.03 343	1.76 346	2.05 246	1.46 296	0.43 326	0.30 304	0.43 333	0.46 347	0.39 287	0.40 287

StereoDRNet	1.05 265	0.53 281	2.21 325	0.80 313	0.93 350	1.50 303	0.90 295	2.06 282	1.44 291	1.68 318	1.20 159	1.48 278	0.99 234	1.86 217	1.60 309	0.29 265	0.24 262	0.29 254	0.28 268	0.35 268	0.33 253

BEATNet_4x	0.82 194	0.54 284	2.02 312	0.56 123	0.28 40	1.04 234	0.55 196	2.14 296	1.13 161	1.24 186	1.26 178	1.00 170	0.94 214	1.13 111	1.23 271	0.21 121	0.14 58	0.24 168	0.20 129	0.37 277	0.23 123

RP	1.17 284	0.54 284	1.48 269	0.93 351	1.05 361	1.14 252	0.85 289	1.99 268	1.70 330	1.72 321	2.07 337	1.91 324	1.93 355	2.00 238	1.37 287	0.55 357	0.37 336	0.48 344	0.37 327	0.46 317	0.46 310

edge stereo	1.15 281	0.54 284	1.50 271	0.73 287	0.66 295	1.18 267	0.84 284	2.13 295	1.41 280	1.73 322	1.84 316	2.53 363	1.46 321	2.46 273	1.35 285	0.43 326	0.41 347	0.54 354	0.36 323	0.43 301	0.50 315

SDNR	1.66 333	0.55 287	2.36 331	0.56 123	0.58 264	3.79 390	0.45 133	1.78 215	1.40 277	1.38 250	2.45 356	1.13 208	0.96 221	11.03 411	1.31 278	0.67 367	0.64 379	0.43 333	0.32 303	0.71 361	0.76 361

DeepPruner_ROB	0.79 179	0.55 287	1.14 211	0.61 183	0.46 208	0.78 162	0.54 189	1.83 230	1.00 114	1.42 264	1.27 185	1.23 226	0.77 145	1.56 170	0.89 217	0.35 299	0.28 292	0.27 234	0.26 245	0.32 257	0.34 260

WCMA_ROB	2.05 356	0.55 287	1.77 293	0.74 293	0.61 279	2.24 356	1.56 358	2.17 309	1.79 340	4.16 392	6.36 394	5.66 393	4.66 397	3.19 300	2.77 352	0.55 357	0.45 356	0.40 327	0.43 340	0.48 322	0.50 315

Anonymous_2	1.37 308	0.56 290	0.94 160	0.57 141	0.62 283	1.04 234	0.65 236	1.82 228	1.01 117	1.00 91	0.79 44	1.42 266	1.27 298	1.06 96	0.83 207	0.62 362	0.67 381	1.05 380	9.88 417	1.09 376	0.55 330

FADNet_RVC	0.88 219	0.56 290	2.15 321	0.57 141	0.43 191	1.17 265	0.46 139	1.68 191	1.12 156	0.91 77	1.24 174	0.91 138	0.94 214	2.22 258	1.20 263	0.28 253	0.22 232	0.32 279	0.28 268	0.46 317	0.42 296

AF-Net	1.23 297	0.56 290	2.31 329	0.88 336	0.93 350	1.41 296	0.73 257	2.27 324	1.71 332	1.76 327	2.42 354	2.00 337	1.70 340	1.98 234	1.62 312	0.50 350	0.29 300	0.49 346	0.33 312	0.40 291	0.34 260

ADCP+	2.12 361	0.56 290	10.01 391	0.68 253	0.91 346	2.25 357	1.04 317	1.92 254	1.50 309	1.58 304	1.34 208	1.73 314	1.62 331	2.27 263	13.20 398	0.25 208	0.22 232	0.32 279	0.29 283	0.38 283	0.34 260

XPNet_ROB	1.02 259	0.56 290	1.33 256	0.75 300	0.58 264	1.11 246	1.13 326	1.77 213	1.29 234	1.88 335	1.43 235	1.63 301	1.13 277	2.04 242	1.69 320	0.40 318	0.31 309	0.33 287	0.29 283	0.37 277	0.37 274

PSMNet_ROB	0.95 242	0.57 295	1.45 266	0.75 300	0.64 286	1.28 278	1.12 324	1.84 231	1.15 172	1.16 146	1.29 194	1.44 270	0.89 198	1.74 200	1.70 322	0.33 284	0.25 275	0.37 313	0.39 330	0.36 272	0.32 247

APVNet	1.11 276	0.59 296	1.95 309	0.87 334	0.77 323	1.90 340	0.82 281	2.03 275	1.15 172	1.14 140	1.43 235	1.55 290	1.12 276	3.03 295	1.62 312	0.32 281	0.34 324	0.42 332	0.36 323	0.36 272	0.41 290

HBP-ISP	1.00 255	0.60 297	0.85 131	0.64 212	0.48 216	1.63 317	0.77 262	2.24 319	1.30 236	1.33 228	1.53 263	0.87 121	0.99 234	3.26 304	0.76 191	0.46 338	0.44 354	0.54 354	0.48 351	0.48 322	0.42 296

NCC-stereo	1.20 290	0.60 297	1.84 299	0.88 336	0.95 354	1.32 280	0.94 304	2.14 296	1.36 259	1.43 268	1.79 308	1.93 328	2.13 367	2.54 278	1.41 290	0.49 346	0.38 339	0.45 337	0.59 367	0.43 301	0.45 305

Abc-Net	1.20 290	0.60 297	1.84 299	0.88 336	0.95 354	1.32 280	0.94 304	2.14 296	1.36 259	1.43 268	1.79 308	1.93 328	2.13 367	2.54 278	1.41 290	0.49 346	0.38 339	0.45 337	0.59 367	0.43 301	0.45 305
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
AANet_RVC	1.22 293	0.60 297	1.94 305	0.69 263	0.46 208	0.75 147	0.69 246	1.51 156	1.57 320	1.36 244	1.90 325	1.51 284	0.87 189	7.23 379	1.89 331	0.26 225	0.19 199	0.19 47	0.16 54	0.23 158	0.37 274

MeshStereo	2.36 368	0.60 297	1.05 189	0.63 201	0.51 235	2.58 366	0.99 312	3.46 383	2.21 361	7.38 408	5.06 390	7.50 398	3.10 382	7.02 378	2.54 349	0.44 334	0.44 354	0.45 337	0.40 332	0.43 301	0.45 305
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
sAnonymous2	0.59 82	0.61 302	1.82 297	0.61 183	0.52 238	0.51 43	0.54 189	0.97 27	0.70 26	0.50 19	0.68 25	0.46 16	0.63 111	0.61 14	0.41 50	0.22 150	0.17 161	0.23 147	0.21 165	0.85 366	0.56 332

CroCo_RVC	0.59 82	0.61 302	1.82 297	0.61 183	0.52 238	0.51 43	0.54 189	0.97 27	0.70 26	0.50 19	0.68 25	0.46 16	0.63 111	0.61 14	0.41 50	0.22 150	0.17 161	0.23 147	0.21 165	0.85 366	0.56 332

ADCRef	1.50 322	0.61 302	3.83 361	0.76 306	0.77 323	1.91 341	0.77 262	2.16 302	1.34 249	1.63 313	1.59 281	1.35 257	1.40 315	1.79 210	8.32 388	0.25 208	0.21 222	0.32 279	0.31 298	0.31 249	0.32 247

FC-DCNN	2.88 384	0.61 302	1.15 213	0.75 300	0.57 262	2.85 375	1.05 318	3.44 382	2.64 374	6.93 405	7.63 400	9.86 407	7.02 405	5.76 351	4.31 368	0.54 354	0.48 363	0.51 348	0.50 355	0.53 334	0.52 322

MSMD_ROB	2.08 358	0.61 302	1.15 213	0.71 275	0.62 283	4.00 392	0.93 302	1.94 256	1.79 340	4.71 398	4.60 384	8.14 402	3.87 393	3.75 315	1.65 318	0.54 354	0.48 363	0.55 358	0.58 365	0.53 334	0.52 322

PS-NSSS	1.02 259	0.62 307	1.17 227	0.61 183	0.58 264	0.91 202	0.79 273	2.02 271	1.19 186	1.17 148	1.68 294	1.00 170	0.85 176	4.43 325	0.86 211	0.38 309	0.31 309	0.52 349	0.32 303	0.52 329	0.45 305

GwcNet	1.26 302	0.63 308	5.13 372	0.81 316	1.15 370	1.73 324	0.69 246	1.84 231	1.53 312	1.51 288	1.71 299	1.72 312	1.09 267	2.20 257	1.61 310	0.31 274	0.30 304	0.29 254	0.27 259	0.30 244	0.41 290

PA-Net	1.14 279	0.63 308	2.12 319	0.67 244	0.75 317	1.19 268	0.91 297	1.91 250	1.46 301	1.18 159	1.23 170	1.33 255	1.17 281	4.31 323	1.41 290	0.29 265	0.46 360	0.33 287	0.50 355	0.33 262	0.57 335
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NaN_ROB	1.23 297	0.63 308	1.76 292	0.67 244	0.50 226	1.59 313	2.00 377	1.87 239	1.52 310	2.14 353	1.26 178	1.40 265	1.09 267	4.60 329	1.75 325	0.28 253	0.34 324	0.28 246	0.29 283	0.30 244	0.37 274

GMStereo_Zeroshot	0.70 139	0.64 311	1.11 204	0.65 218	0.38 155	0.84 188	0.37 62	1.09 63	1.16 177	1.14 140	1.07 109	1.26 237	0.55 71	1.23 123	0.65 166	0.34 291	0.17 161	0.31 267	0.18 84	0.57 341	0.23 123

FADNet	0.98 250	0.64 311	2.57 336	0.66 231	0.55 254	0.95 220	0.57 205	1.91 250	1.38 266	0.94 82	1.02 91	1.36 258	1.00 240	2.69 285	0.97 240	0.34 291	0.34 324	0.31 267	0.34 317	0.61 350	0.42 296

MANE	7.50 405	0.64 311	7.97 382	1.40 376	2.10 387	16.86 415	12.56 411	12.91 415	17.51 417	8.50 410	11.60 408	14.66 412	13.33 409	12.02 412	13.28 399	0.62 362	0.52 369	0.52 349	1.90 403	0.56 339	0.58 338

DANet	1.16 282	0.64 311	1.52 277	0.88 336	0.74 314	1.52 305	0.52 174	1.68 191	1.21 196	1.81 329	1.55 267	2.02 340	1.11 272	3.30 306	2.28 342	0.34 291	0.31 309	0.40 327	0.30 294	0.46 317	0.54 325
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DPSNet	1.91 353	0.64 311	5.95 374	0.73 287	0.59 270	2.04 350	1.61 361	3.84 387	1.96 351	1.54 296	1.39 224	2.27 351	3.32 386	4.95 335	4.79 371	0.50 350	0.31 309	0.29 254	0.26 245	0.67 356	0.54 325

NCCL2	1.06 266	0.64 311	1.35 257	0.78 311	0.58 264	1.32 280	1.69 362	1.89 246	1.38 266	1.52 290	1.20 159	1.91 324	1.17 281	1.79 210	1.50 300	0.35 299	0.31 309	0.45 337	0.44 342	0.41 295	0.45 305

FCDSN-DC	2.47 372	0.65 317	1.00 180	0.85 330	0.75 317	2.26 358	0.97 309	2.31 327	1.83 343	5.52 404	7.65 401	7.72 401	7.70 406	4.43 325	2.64 350	0.52 352	0.48 363	0.52 349	0.52 358	0.57 341	0.59 340
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
Wz-Net-MNSev	1.21 292	0.66 318	3.44 356	0.69 263	0.73 310	1.93 343	1.44 352	2.16 302	1.59 322	1.85 334	1.49 247	1.50 282	1.34 308	2.05 246	1.54 305	0.27 242	0.24 262	0.28 246	0.28 268	0.35 268	0.32 247

FBW_ROB	1.78 341	0.66 318	1.90 304	0.72 280	0.66 295	1.79 334	1.07 320	2.79 373	1.77 336	1.84 332	1.79 308	1.98 335	1.37 311	12.42 413	2.22 340	0.36 306	0.38 339	0.57 362	0.39 330	0.46 317	0.51 320

LALA_ROB	1.06 266	0.66 318	1.37 262	0.70 272	0.53 243	1.61 314	1.25 342	1.81 225	1.48 306	1.82 331	1.40 229	1.93 328	1.03 250	1.68 192	1.69 320	0.38 309	0.28 292	0.43 333	0.37 327	0.43 301	0.38 280

FINET	1.54 325	0.67 321	7.28 380	0.76 306	0.97 357	1.42 299	1.38 349	2.80 375	3.12 381	1.23 182	1.68 294	1.04 180	1.11 272	3.35 307	1.78 329	0.43 326	0.37 336	0.32 279	0.29 283	0.43 301	0.41 290

G-Net	1.71 339	0.67 321	2.09 316	1.14 370	0.75 317	2.96 377	0.89 294	1.58 173	1.30 236	2.76 371	8.12 404	2.29 353	2.51 376	1.94 228	2.23 341	0.49 346	0.45 356	0.45 337	0.31 298	0.62 351	0.59 340

CSAN	1.61 330	0.67 321	3.24 353	0.74 293	0.52 238	1.77 330	1.74 367	1.98 264	1.94 349	2.47 365	2.33 350	1.93 328	2.04 360	6.45 368	1.95 334	0.43 326	0.36 332	0.41 331	0.42 337	0.43 301	0.44 303

ETE_ROB	1.01 258	0.69 324	1.49 270	0.72 280	0.50 226	1.15 255	1.12 324	1.91 250	1.24 206	1.94 342	1.50 254	1.73 314	1.06 262	1.78 205	1.33 282	0.33 284	0.26 280	0.38 317	0.34 317	0.40 291	0.44 303

ADCL	1.82 345	0.70 325	4.57 369	0.70 272	0.63 285	2.56 365	1.77 369	2.08 285	1.77 336	1.95 344	1.89 323	2.04 345	1.88 353	2.36 269	9.55 393	0.27 242	0.25 275	0.35 301	0.32 303	0.39 287	0.39 283

SANet	2.26 366	0.70 325	6.94 379	0.69 263	0.46 208	2.76 371	1.76 368	2.61 361	5.84 401	2.45 362	3.52 374	3.71 379	3.38 388	5.90 353	2.14 338	0.34 291	0.31 309	0.32 279	0.29 283	0.54 336	0.43 300

TRStereo	0.67 119	0.71 327	1.06 192	0.77 308	0.68 300	0.53 51	0.38 69	2.52 356	0.96 96	0.81 60	0.84 53	0.87 121	0.39 15	1.16 115	0.46 77	0.24 188	0.17 161	0.23 147	0.24 226	0.18 34	0.20 70

XX-TBD	0.47 22	0.71 327	0.39 1	0.81 316	0.25 8	0.57 69	0.26 10	0.73 3	1.30 236	0.78 53	1.01 89	0.45 15	0.33 10	0.49 3	0.39 31	0.20 99	0.15 112	0.15 3	0.11 6	0.17 20	0.15 3

ccnet	1.19 288	0.71 327	1.36 259	0.81 316	0.75 317	1.72 321	1.13 326	1.98 264	1.31 243	1.52 290	1.84 316	1.75 319	1.36 310	2.01 239	2.04 335	0.57 359	0.54 371	0.57 362	0.56 363	0.60 347	0.60 343

Wz-Net-LNSev	1.17 284	0.72 330	4.71 370	0.66 231	0.84 341	1.72 321	1.13 326	1.97 263	1.43 289	1.34 235	1.32 201	1.66 304	1.30 303	1.44 153	1.51 302	0.29 265	0.26 280	0.24 168	0.23 214	0.33 262	0.35 268

FADNet-RVC	0.96 246	0.72 330	2.96 345	0.64 212	0.49 222	0.90 200	0.59 216	1.85 237	1.27 222	0.92 78	0.97 79	1.36 258	0.90 201	2.36 269	1.31 278	0.30 270	0.29 300	0.32 279	0.32 303	0.42 299	0.37 274

SuperB	2.50 373	0.72 330	18.07 409	0.72 280	0.53 243	1.85 337	0.86 290	1.80 222	2.40 364	1.54 296	1.42 233	1.13 208	1.17 281	4.18 319	4.80 373	0.25 208	0.20 209	0.23 147	0.19 103	7.64 416	0.38 280

dad	0.90 228	0.73 333	1.28 248	0.59 163	0.39 162	0.83 181	0.45 133	1.24 115	1.54 314	1.52 290	1.28 190	1.36 258	0.86 183	2.54 278	0.91 222	0.43 326	0.27 288	0.82 372	0.26 245	0.44 311	0.34 260

PDISCO_ROB	1.41 312	0.73 333	2.04 315	1.40 376	1.46 381	2.83 373	1.07 320	2.64 362	2.11 358	1.41 260	1.50 254	1.73 314	0.99 234	2.83 292	1.46 296	1.03 377	0.27 288	0.54 354	0.47 349	0.77 363	0.84 367

psmorigin	1.69 338	0.74 335	13.13 399	0.70 272	0.60 274	1.16 258	0.79 273	1.69 200	1.25 212	2.07 350	1.77 306	2.23 348	1.51 326	2.14 253	1.45 294	0.39 316	0.41 347	0.34 295	0.33 312	0.45 313	0.63 347

ADCPNet	1.97 355	0.78 336	9.38 390	0.74 293	0.61 279	2.73 370	1.36 348	2.11 290	1.66 328	1.92 338	1.70 297	2.45 361	2.07 361	2.50 275	6.84 383	0.38 309	0.38 339	0.38 317	0.43 340	0.47 321	0.50 315

Syn2CoEx	1.23 297	0.80 337	3.07 348	0.83 324	0.68 300	1.39 292	0.87 292	2.23 317	1.57 320	1.28 209	1.58 277	1.42 266	1.57 329	3.79 316	1.48 299	0.36 306	0.32 319	0.34 295	0.30 294	0.30 244	0.41 290

ELAS_RVC	2.87 383	0.80 337	3.22 352	1.16 372	1.12 364	2.92 376	5.33 405	2.98 377	4.18 393	5.04 400	4.82 387	4.71 387	8.23 407	4.25 322	4.79 371	0.67 367	0.57 375	0.57 362	0.53 360	0.66 355	0.74 358
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	2.67 374	0.80 337	2.13 320	1.13 367	1.15 370	6.25 403	2.56 397	3.50 384	3.68 389	5.36 402	4.92 389	3.79 380	5.56 399	3.65 311	5.22 375	0.66 366	0.57 375	0.56 360	0.54 361	0.65 354	0.75 360
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SHD	1.42 314	0.81 340	2.79 343	0.98 358	0.92 347	1.97 344	0.68 242	2.43 341	2.55 367	2.54 366	1.72 300	2.01 339	1.62 331	2.14 253	2.70 351	0.40 318	0.33 322	0.39 321	0.40 332	0.48 322	0.54 325

RGC	1.22 293	0.82 341	1.71 290	0.95 356	0.98 359	1.53 307	0.80 276	2.18 310	1.35 252	1.69 319	1.94 329	2.03 343	1.66 337	2.36 269	1.50 300	0.46 338	0.36 332	0.59 365	0.48 351	0.49 325	0.49 312

DeepPrunerF	1.68 336	0.82 341	6.82 378	0.94 354	1.20 374	0.91 202	0.97 309	2.50 353	5.19 399	1.22 181	1.30 195	1.18 214	1.29 300	4.96 336	1.75 325	0.43 326	0.35 328	0.52 349	0.48 351	0.43 301	0.42 296

DGSMNet	1.24 300	0.84 343	3.20 350	0.91 345	0.92 347	1.39 292	1.34 346	2.46 347	1.44 291	1.34 235	1.66 290	1.50 282	1.03 250	1.85 214	1.30 277	0.48 344	0.48 363	0.55 358	0.51 357	0.78 364	0.79 363

aanetorigin	1.26 302	0.85 344	3.00 346	0.72 280	0.80 331	1.08 243	1.05 318	1.12 73	1.39 275	3.53 386	2.60 359	1.72 312	1.73 344	1.98 234	1.77 328	0.26 225	0.24 262	0.26 225	0.25 234	0.38 283	0.51 320

RTSC	1.43 317	0.89 345	3.62 359	0.94 354	0.64 286	1.85 337	0.69 246	2.20 315	2.04 355	2.22 354	1.70 297	1.67 306	1.27 298	2.53 277	4.48 370	0.33 284	0.25 275	0.27 234	0.29 283	0.38 283	0.40 287

SAMSARA	1.80 343	0.90 346	3.37 355	1.28 375	1.13 366	3.71 386	2.33 391	2.53 357	1.93 348	3.17 384	1.73 301	2.99 372	1.68 339	3.53 310	2.46 348	0.47 342	0.54 371	0.43 333	0.47 349	0.59 344	0.64 348

ADCMid	2.11 360	0.90 346	8.39 386	0.75 300	0.69 303	1.98 345	1.14 329	2.18 310	1.67 329	2.85 373	1.85 319	2.35 357	2.02 359	2.35 268	10.58 396	0.34 291	0.32 319	0.39 321	0.44 342	0.51 328	0.53 324

GANetREF_RVC	1.11 276	0.90 346	1.56 282	0.88 336	0.53 243	1.41 296	1.35 347	1.91 250	1.54 314	1.28 209	1.32 201	1.46 275	1.23 291	2.04 242	1.00 245	0.57 359	0.45 356	0.67 367	0.52 358	0.91 369	0.62 345
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
Anonymous Stereo	1.42 314	0.90 346	3.93 362	0.81 316	0.83 338	1.06 240	1.90 376	1.81 225	1.52 310	1.75 323	1.44 237	1.28 243	0.87 189	5.94 356	1.94 333	0.38 309	0.39 344	0.38 317	0.41 336	0.45 313	0.50 315

PVD	1.82 345	0.91 350	3.02 347	1.03 361	0.94 353	2.61 367	1.14 329	2.78 372	3.40 386	3.08 382	2.75 361	2.39 360	2.49 375	2.81 290	3.66 363	0.48 344	0.49 367	0.59 365	0.49 354	0.60 347	0.81 365

PWCDC_ROB	1.39 310	0.91 350	2.10 317	1.08 364	0.92 347	1.72 321	0.58 212	2.03 275	3.30 384	1.32 223	4.87 388	1.21 218	1.71 342	1.98 234	1.75 325	0.65 365	0.26 280	0.29 254	0.25 234	0.56 339	0.41 290

PWC_ROB	1.39 310	0.93 352	4.07 364	0.77 308	0.83 338	1.16 258	0.53 180	1.87 239	2.01 353	2.36 358	3.06 368	1.65 303	1.60 330	2.65 284	2.29 344	0.34 291	0.23 254	0.36 311	0.25 234	0.39 287	0.49 312

SQANet	1.38 309	0.95 353	1.37 262	1.89 385	1.47 382	1.44 300	0.81 277	1.89 246	1.13 161	1.34 235	1.26 178	1.28 243	1.02 248	1.64 187	0.91 222	2.55 391	0.35 328	1.47 383	0.56 363	2.48 386	1.74 386

MFN_U_SF_RVC	1.62 332	0.96 354	4.36 368	0.92 346	0.69 303	2.62 368	1.10 322	2.50 353	1.74 335	1.99 346	1.86 321	2.45 361	1.78 348	3.08 297	2.84 353	0.54 354	0.50 368	0.56 360	0.60 369	0.60 347	0.67 350

anonymity	1.14 279	0.98 355	1.24 242	1.09 365	1.13 366	1.08 243	0.90 295	2.02 271	1.23 205	1.32 223	1.27 185	1.27 242	1.09 267	1.16 115	1.03 249	1.02 376	1.01 399	0.97 376	0.97 383	0.98 371	1.01 371

XQC	1.51 323	0.98 355	3.20 350	0.92 346	0.76 322	2.01 348	1.17 333	2.53 357	1.99 352	2.01 347	1.54 264	2.00 337	1.54 327	3.16 299	3.46 361	0.49 346	0.31 309	0.45 337	0.40 332	0.71 361	0.62 345

Consistency-Raft	1.27 305	1.01 357	2.17 322	1.04 362	1.20 374	0.96 225	1.00 314	1.84 231	1.95 350	1.38 250	2.11 339	1.44 270	1.03 250	1.18 119	1.40 289	0.73 370	0.83 385	0.89 374	0.99 386	1.33 379	0.95 370

MaskLacGwcNet_RVC	1.17 284	1.06 358	1.28 248	0.88 336	0.69 303	1.92 342	0.92 299	1.71 204	1.14 167	1.17 148	1.26 178	1.49 280	0.80 161	2.04 242	0.86 211	2.02 386	0.34 324	0.79 371	0.36 323	1.38 381	1.33 382

WZ-Net	2.14 362	1.08 359	11.68 398	0.89 343	0.78 327	1.76 328	1.59 360	2.39 336	2.03 354	2.11 351	1.95 331	2.30 354	2.28 370	5.94 356	3.86 366	0.35 299	0.27 288	0.29 254	0.32 303	0.52 329	0.50 315

PASM	1.48 321	1.08 359	3.96 363	0.93 351	0.93 350	1.17 265	1.19 335	1.77 213	1.65 327	1.90 336	1.52 262	1.75 319	1.42 317	4.54 327	1.52 304	0.64 364	0.68 383	0.69 369	0.79 376	0.70 359	0.74 358

SPS-STEREO	1.78 341	1.09 361	1.52 277	1.22 373	1.14 368	1.87 339	1.11 323	2.27 324	1.70 330	3.17 384	2.39 352	2.84 371	1.93 355	4.41 324	2.93 354	1.04 379	0.99 398	0.97 376	0.94 381	1.03 374	1.05 373
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GASNet	1.13 278	1.10 362	3.29 354	1.00 360	0.68 300	0.82 175	0.67 240	1.85 237	1.38 266	1.39 252	1.25 176	1.25 231	1.20 290	2.72 287	1.62 312	0.46 338	0.26 280	0.36 311	0.34 317	0.55 338	0.33 253

MFN_U_SF_DS_RVC	1.80 343	1.11 363	4.33 367	0.84 328	0.77 323	3.70 385	2.41 396	2.04 277	1.85 344	1.75 323	1.90 325	1.92 327	1.25 295	7.33 380	1.45 294	0.47 342	0.47 361	0.53 353	0.77 375	0.50 326	0.55 330

AnonymousM	0.63 102	1.14 364	0.43 5	0.46 14	0.32 97	0.43 13	0.46 139	1.27 122	0.78 42	1.00 91	0.66 22	0.68 66	0.45 29	0.61 14	0.46 77	0.21 121	0.16 139	1.84 387	0.98 384	0.15 4	0.15 3

EDNetEfficient	2.40 371	1.14 364	8.59 387	0.77 308	0.73 310	1.06 240	1.53 356	1.54 164	4.06 392	4.87 399	2.81 362	2.23 348	3.53 389	3.04 296	9.65 394	0.27 242	0.24 262	0.27 234	0.31 298	0.70 359	0.67 350

otaku	1.67 334	1.18 366	1.56 282	2.27 387	1.59 383	1.98 345	1.23 340	2.23 317	1.37 264	1.48 285	1.63 287	1.73 314	1.23 291	1.85 214	1.09 253	2.96 394	0.58 377	1.74 384	0.61 370	2.94 392	2.15 390

NVStereoNet_ROB	2.17 364	1.18 366	3.51 357	1.14 370	1.26 377	1.57 311	1.51 353	2.19 312	2.11 358	2.04 348	4.80 386	3.17 377	2.11 365	7.97 387	2.10 336	1.12 382	0.94 395	1.10 381	1.34 393	0.95 370	1.31 380
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MFMNet_re	1.47 319	1.20 368	2.50 334	1.46 381	1.08 363	1.58 312	1.51 353	1.96 262	1.87 345	2.31 357	2.20 343	1.51 284	1.88 353	1.57 172	1.34 283	0.94 374	0.83 385	0.84 373	0.80 377	1.00 372	1.06 374

Ntro	1.72 340	1.21 369	1.62 286	2.54 392	1.86 385	2.09 353	1.14 329	2.08 285	1.38 266	1.23 182	1.62 283	1.62 298	1.33 307	2.04 242	1.21 267	3.09 395	0.56 374	1.82 386	0.65 371	2.97 395	2.25 392

UDGNet	0.75 159	1.23 370	0.99 175	0.82 320	0.42 188	0.76 152	0.38 69	0.98 31	1.37 264	0.83 63	0.88 61	0.70 73	0.60 100	1.25 124	0.57 138	0.57 359	0.19 199	1.03 379	0.26 245	0.79 365	0.35 268

ADCS	2.35 367	1.26 371	6.54 377	0.85 330	0.77 323	2.18 354	1.79 370	2.47 348	2.20 360	2.80 372	2.14 342	2.38 358	2.09 362	2.81 290	13.83 405	0.43 326	0.41 347	0.40 327	0.45 345	0.59 344	0.67 350

LSM	6.55 402	1.26 371	15.64 404	1.79 383	68.74 430	1.67 320	2.08 383	2.26 320	2.59 368	3.13 383	3.08 369	1.90 323	1.81 349	2.89 293	2.16 339	0.43 326	0.59 378	0.50 347	0.58 365	0.64 352	17.24 421

SGM+DAISY	5.38 397	1.28 373	8.24 383	1.27 374	1.16 372	10.62 408	16.01 413	2.93 376	2.53 366	8.64 411	13.03 409	8.26 403	13.38 410	6.34 366	7.59 386	1.07 380	1.05 401	1.00 378	0.98 384	1.02 373	1.12 377

MSC_U_SF_DS_RVC	2.22 365	1.29 374	4.14 365	1.10 366	0.78 327	5.00 399	2.38 395	2.47 348	2.67 375	1.94 342	2.28 347	2.66 368	1.70 340	9.10 394	2.29 344	0.68 369	0.52 369	0.68 368	0.71 373	1.17 377	0.81 365

CC-Net-ROB	1.53 324	1.31 375	1.68 289	0.92 346	0.80 331	1.75 327	0.99 312	2.04 277	1.27 222	1.12 124	1.62 283	1.20 217	0.98 231	7.82 385	0.92 226	1.15 384	0.41 347	2.20 388	0.46 347	1.37 380	0.56 332

ACVNet-4b	3.05 386	1.42 376	18.09 410	2.85 394	2.33 395	2.32 362	1.22 338	2.47 348	2.21 361	1.26 199	2.36 351	2.64 367	1.46 321	6.32 365	1.23 271	3.29 398	0.45 356	2.37 392	1.02 389	3.03 396	2.61 397

Wz-Net-SNSev	1.68 336	1.45 377	8.71 388	0.71 275	0.67 299	1.35 287	1.51 353	2.15 300	1.47 302	1.51 288	1.68 294	2.27 351	1.38 312	4.23 320	2.36 346	0.32 281	0.29 300	0.31 267	0.33 312	0.43 301	0.39 283

AnyNet_C32	2.14 362	1.45 377	7.38 381	0.95 356	1.12 364	2.23 355	2.34 392	2.10 289	1.54 314	2.44 361	1.79 308	2.04 345	1.66 337	2.69 285	10.48 395	0.38 309	0.35 328	0.35 301	0.42 337	0.50 326	0.60 343

ACVNet_2	2.86 382	1.47 379	8.28 384	2.68 393	2.26 392	2.70 369	1.84 375	3.41 381	3.04 380	2.27 356	3.42 373	4.58 385	2.10 363	5.91 354	1.62 312	2.58 392	0.67 381	2.22 389	0.85 379	2.79 389	2.47 395

ACVNet_1	3.08 387	1.48 380	17.70 406	2.90 397	2.35 396	2.30 359	1.43 351	3.16 379	2.26 363	1.91 337	2.05 336	3.51 378	2.32 371	3.71 314	1.58 308	3.25 397	0.66 380	2.40 396	1.06 390	3.07 397	2.59 396

EDNetEfficientorigin	10.59 410	1.52 381	177.33 435	0.68 253	0.54 250	1.66 319	1.20 337	1.94 256	3.39 385	4.69 397	3.37 371	3.08 375	2.79 380	3.25 303	3.63 362	0.26 225	0.24 262	0.33 287	0.28 268	0.85 366	0.87 368

WAO-7	2.78 377	1.54 382	2.18 323	1.41 379	1.19 373	3.92 391	2.01 380	4.19 391	3.89 391	2.98 378	5.47 391	4.18 383	3.28 385	8.24 390	4.27 367	1.13 383	1.01 399	1.18 382	1.13 392	1.19 378	1.13 378

RTS	2.76 375	1.55 383	15.40 401	1.13 367	1.42 379	3.75 388	2.21 386	2.45 343	2.72 376	2.91 376	2.85 364	2.58 365	1.62 331	6.28 363	5.80 378	0.41 321	0.30 304	0.35 301	0.35 321	0.52 329	0.54 325

RTSA	2.76 375	1.55 383	15.40 401	1.13 367	1.42 379	3.75 388	2.21 386	2.45 343	2.72 376	2.91 376	2.85 364	2.58 365	1.62 331	6.28 363	5.80 378	0.41 321	0.30 304	0.35 301	0.35 321	0.52 329	0.54 325

Dean	3.77 391	1.65 385	17.87 407	3.01 399	2.54 398	3.15 379	2.10 384	4.80 397	4.42 394	2.89 375	6.03 392	5.45 392	2.55 378	3.40 308	2.13 337	3.22 396	0.89 392	2.51 399	1.07 391	3.07 397	2.65 400

WAO-6	2.98 385	1.67 386	1.88 303	2.38 391	2.30 394	3.53 384	2.37 393	4.38 394	4.64 397	2.42 359	4.50 381	4.85 388	2.99 381	5.22 338	5.37 376	1.77 385	1.16 405	2.31 391	1.47 399	2.42 385	1.99 389

LVE	3.40 390	1.80 387	2.21 325	2.90 397	2.44 397	3.27 383	2.25 388	4.80 397	5.06 398	2.43 360	6.79 395	5.99 394	2.64 379	9.20 396	2.28 342	3.30 399	1.11 404	2.38 393	1.48 400	2.95 394	2.62 398

RainbowNet	2.06 357	1.86 388	1.97 311	2.86 395	2.25 391	2.03 349	1.79 370	2.77 370	1.92 347	1.54 296	1.84 316	1.95 333	1.73 344	2.23 259	1.38 288	3.40 401	0.86 390	2.39 395	1.00 387	2.94 392	2.42 394

IMH-64-1	2.82 379	1.87 389	1.77 293	3.31 402	2.69 399	3.22 381	2.07 381	4.25 392	2.77 378	2.46 363	3.78 377	3.05 373	2.34 372	4.67 331	3.00 356	3.84 405	0.84 388	2.75 402	1.39 394	3.34 400	2.93 402

IMH-64	2.82 379	1.87 389	1.77 293	3.31 402	2.69 399	3.22 381	2.07 381	4.25 392	2.77 378	2.46 363	3.78 377	3.05 373	2.34 372	4.67 331	3.00 356	3.84 405	0.84 388	2.75 402	1.39 394	3.34 400	2.93 402

IMH	3.35 389	1.95 391	1.86 302	3.30 401	2.72 401	4.03 394	2.00 377	4.58 396	3.83 390	2.87 374	6.99 397	4.69 386	3.21 384	6.77 374	2.97 355	3.91 408	0.89 392	2.78 404	1.40 398	3.36 402	2.93 402

WAO-8	4.57 395	2.01 392	2.58 337	2.37 389	2.21 389	9.75 405	1.71 364	6.04 405	16.34 409	4.11 389	7.69 402	7.41 396	3.85 391	10.02 408	3.85 364	2.05 387	1.09 402	2.44 397	1.39 394	2.56 387	1.86 387

Venus	4.57 395	2.01 392	2.58 337	2.37 389	2.21 389	9.75 405	1.71 364	6.04 405	16.34 409	4.11 389	7.69 402	7.41 396	3.85 391	10.02 408	3.85 364	2.05 387	1.09 402	2.44 397	1.39 394	2.56 387	1.86 387

TorneroNet	10.72 411	2.09 394	2.76 342	3.48 404	3.03 404	44.72 426	2.31 390	8.62 410	67.06 435	7.45 409	23.21 419	10.59 410	4.28 396	9.03 393	9.00 390	3.67 403	0.91 394	3.04 406	1.63 402	3.92 405	3.55 408

TorneroNet-64	5.41 398	2.10 395	2.43 332	3.49 405	2.83 402	9.90 407	2.13 385	8.87 411	16.79 414	5.39 403	9.18 406	10.68 411	3.92 394	9.55 400	5.11 374	3.36 400	0.86 390	2.88 405	1.62 401	3.76 403	3.37 405

KSHMR	8.76 409	2.14 396	3.59 358	3.60 407	3.13 405	4.15 395	2.67 398	5.61 403	58.90 434	3.04 380	55.71 434	4.94 389	2.54 377	4.61 330	3.05 358	3.49 402	1.57 409	3.14 407	1.98 406	3.84 404	3.49 406

AnyNet_C01	2.38 369	2.21 397	10.17 392	0.99 359	0.79 329	3.12 378	2.37 393	2.69 367	1.89 346	2.58 368	2.44 355	2.70 369	1.86 352	3.65 311	7.12 384	0.41 321	0.41 347	0.40 327	0.42 337	0.68 357	0.79 363

PWCK	3.24 388	2.37 398	10.86 394	2.14 386	1.14 368	3.71 386	4.19 404	3.02 378	3.55 388	3.05 381	3.63 375	3.09 376	2.35 374	8.16 389	3.41 360	2.17 389	0.96 396	1.77 385	1.01 388	2.84 390	1.40 383

coex-ft	8.35 407	2.39 399	100.24 434	0.68 253	0.54 250	1.77 330	1.57 359	1.71 204	11.00 405	18.91 419	3.76 376	3.85 381	8.23 407	3.29 305	6.58 381	0.31 274	0.31 309	0.32 279	0.31 298	0.69 358	0.57 335

ktn	4.56 394	2.41 400	2.54 335	3.79 409	3.25 406	4.81 398	2.91 401	5.52 401	7.36 402	4.12 391	14.55 411	7.54 399	3.70 390	7.84 386	3.35 359	4.06 409	1.86 410	3.26 410	2.22 409	3.27 399	2.86 401

notaker	4.29 393	2.42 401	5.06 371	3.89 410	3.29 408	4.00 392	2.25 388	4.93 399	3.47 387	4.21 394	6.79 395	7.67 400	3.37 387	9.25 398	6.47 380	4.09 410	1.42 407	3.35 411	2.13 408	4.11 407	3.54 407

JetBlue	4.18 392	2.45 402	10.42 393	1.40 376	2.89 403	10.68 409	10.68 407	3.91 388	2.52 365	2.74 370	3.39 372	4.50 384	4.27 395	7.97 387	7.67 387	0.89 372	0.97 397	0.89 374	0.92 380	2.26 384	2.21 391

UNDER WATER	5.68 400	2.46 403	15.52 403	3.98 412	3.53 409	5.15 400	2.74 399	5.58 402	16.41 412	4.00 387	4.56 382	9.12 405	6.43 403	6.22 361	9.11 391	3.85 407	1.35 406	3.18 409	1.98 406	4.51 410	3.84 411

UNDER WATER-64	5.84 401	2.48 404	17.93 408	3.97 411	3.58 410	7.70 404	3.03 402	5.72 404	14.13 406	4.18 393	4.00 379	9.27 406	6.80 404	6.20 360	9.22 392	3.67 403	1.52 408	3.14 407	1.95 404	4.43 409	3.83 410

UDG	1.47 319	2.69 405	1.13 208	1.45 380	1.65 384	1.34 286	0.79 273	1.75 211	1.27 222	1.29 213	1.74 302	1.99 336	1.39 314	1.66 189	1.51 302	0.91 373	0.55 373	2.30 390	0.76 374	1.99 382	1.20 379

DDUNet	1.56 327	2.70 406	1.35 257	1.79 383	1.88 386	1.82 335	0.91 297	1.84 231	1.20 190	1.40 258	1.79 308	1.62 298	1.17 281	1.59 178	1.22 268	1.11 381	0.76 384	2.38 393	0.94 381	2.12 383	1.53 384

Wz-Net-TNSev	2.10 359	2.71 407	9.30 389	0.72 280	0.65 292	2.41 363	1.81 374	2.45 343	1.77 336	1.62 311	1.56 272	2.56 364	2.01 357	5.30 339	4.46 369	0.41 321	0.38 339	0.33 287	0.37 327	0.54 336	0.64 348

DispFullNet	2.39 370	2.89 408	3.74 360	3.09 400	2.27 393	2.04 350	0.84 284	2.19 312	1.73 334	2.54 366	1.98 332	2.23 348	5.83 400	3.44 309	1.84 330	1.03 377	0.33 322	2.65 401	1.97 405	2.87 391	2.34 393

MADNet++	5.41 398	3.18 409	6.43 376	4.66 414	3.95 412	6.15 402	6.75 406	4.51 395	4.51 396	5.06 401	6.27 393	4.96 390	6.14 401	9.39 399	11.70 397	4.71 411	4.19 414	3.97 413	3.33 411	4.08 406	4.25 412

MADNet+	2.80 378	3.38 410	11.57 397	1.50 382	1.21 376	3.18 380	2.00 377	3.52 385	2.61 369	1.81 329	2.09 338	2.83 370	2.18 369	7.55 383	5.44 377	0.84 371	0.83 385	0.71 370	0.66 372	1.05 375	1.08 375

HanzoNet	11.92 412	5.12 411	17.18 405	4.19 413	3.59 411	5.16 401	2.82 400	7.41 408	9.96 404	33.31 430	27.60 421	22.25 420	37.31 425	18.18 416	13.57 400	8.13 416	3.44 413	3.50 412	3.44 412	7.77 417	4.52 413

SPstereo	26.71 420	6.90 412	11.42 396	5.86 415	6.44 413	48.17 427	80.34 434	67.41 435	34.42 430	28.80 428	27.49 420	43.68 432	37.53 429	44.96 434	54.23 435	5.06 414	4.92 415	10.92 421	6.03 414	4.54 411	5.00 415

DGTPSM_ROB	13.06 413	8.27 413	22.29 412	9.53 417	18.14 414	11.53 410	31.97 419	10.82 413	16.25 407	7.14 406	19.39 417	10.12 408	16.69 413	9.85 403	22.49 415	4.77 412	8.72 416	5.37 414	10.24 418	6.15 414	11.56 416

DPSMNet_ROB	13.08 414	8.28 414	22.32 413	9.54 418	18.15 415	11.53 410	31.98 420	10.83 414	16.27 408	7.17 407	19.40 418	10.12 408	16.69 413	9.87 404	22.50 416	4.78 413	8.72 416	5.38 415	10.25 419	6.16 415	11.59 417

JetRed	7.02 404	8.94 415	25.72 417	2.89 396	3.27 407	14.25 413	12.27 410	6.69 407	4.45 395	4.46 395	4.56 382	6.65 395	5.43 398	7.46 382	14.41 407	2.60 393	3.31 411	2.61 400	2.30 410	4.34 408	3.79 409

DPSimNet_ROB	24.77 419	9.69 416	61.46 432	3.56 406	19.46 416	25.95 416	77.56 433	5.09 400	16.60 413	21.50 420	29.82 423	25.12 423	85.69 435	13.37 414	23.07 418	7.23 415	17.79 422	8.55 417	7.57 416	4.57 412	31.84 428

Anonymous_1	42.79 430	18.71 417	24.75 414	21.81 419	45.16 429	27.68 417	37.52 421	28.64 421	16.34 409	14.72 415	14.53 410	20.60 414	17.82 415	21.52 417	25.88 419	113.45 435	8.91 418	100.63 432	126.37 432	158.50 435	12.31 418

DPSM_ROB	19.12 415	19.13 418	25.13 415	22.15 420	20.86 418	28.06 418	37.75 422	27.18 419	16.95 415	14.25 413	15.07 412	21.66 415	18.69 416	21.83 418	26.51 420	10.15 419	9.30 419	10.45 419	10.41 420	14.00 418	12.85 419

DPSM	19.12 415	19.13 418	25.13 415	22.15 420	20.86 418	28.06 418	37.75 422	27.18 419	16.95 415	14.25 413	15.07 412	21.66 415	18.69 416	21.83 418	26.51 420	10.15 419	9.30 419	10.45 419	10.41 420	14.00 418	12.85 419

BEATNet-Init1	27.39 421	21.01 420	73.65 433	1.07 363	0.80 331	56.07 428	22.82 415	33.14 426	31.71 423	51.78 434	52.93 433	65.63 434	48.54 433	48.75 435	36.36 425	0.52 352	0.47 361	0.54 354	0.54 361	0.64 352	0.72 356

xxxxx1	54.34 433	26.72 421	27.03 418	114.14 432	99.00 432	30.68 422	47.19 424	32.52 423	26.09 418	17.85 416	17.48 414	21.86 417	20.92 418	24.38 421	33.78 422	34.73 429	41.33 430	157.67 433	175.68 433	65.82 431	71.99 433

tt_ll	54.34 433	26.72 421	27.03 418	114.14 432	99.00 432	30.68 422	47.19 424	32.52 423	26.09 418	17.85 416	17.48 414	21.86 417	20.92 418	24.38 421	33.78 422	34.73 429	41.33 430	157.67 433	175.68 433	65.82 431	71.99 433

ff	54.34 433	26.72 421	27.03 418	114.14 432	99.00 432	30.68 422	47.19 424	32.52 423	26.09 418	17.85 416	17.48 414	21.86 417	20.92 418	24.38 421	33.78 422	34.73 429	41.33 430	157.67 433	175.68 433	65.82 431	71.99 433

LRCNet_RVC	22.79 417	32.09 424	22.06 411	29.83 422	26.15 420	4.40 397	0.84 284	22.64 417	2.10 357	26.93 422	29.25 422	23.03 422	15.56 412	23.91 420	18.92 412	32.00 428	20.04 429	34.68 428	32.13 428	30.66 427	28.52 427

PML	51.64 432	37.49 425	14.31 400	7.45 416	20.27 417	107.80 435	231.34 436	8.94 412	27.70 422	86.74 435	268.93 436	69.03 435	61.09 434	24.71 424	14.36 406	9.71 418	3.40 412	9.60 418	4.67 413	20.46 420	4.76 414

CasAABBNet	38.42 422	38.42 426	50.26 426	44.76 427	41.87 424	56.47 432	76.22 428	54.44 432	33.92 425	28.53 423	30.36 425	43.53 431	37.59 430	43.77 431	53.32 430	20.27 422	18.70 424	21.03 425	21.04 423	28.19 421	25.79 422

Selective-RAFT-Error	38.47 426	38.44 427	50.38 430	44.74 426	42.01 425	56.47 432	76.24 429	54.44 432	34.02 426	28.59 424	30.30 424	43.51 430	38.10 431	43.69 427	53.24 429	20.36 426	18.72 425	21.05 426	21.02 422	28.25 425	25.87 423

MyStereo03	38.45 423	38.46 428	50.33 427	44.93 428	42.03 426	56.44 429	76.24 429	54.16 429	34.06 427	28.68 425	30.42 426	43.46 427	37.33 426	43.76 428	53.43 431	20.29 423	18.73 426	21.02 422	21.05 424	28.19 421	25.91 424

MyStereo02	38.45 423	38.46 428	50.33 427	44.93 428	42.03 426	56.44 429	76.24 429	54.16 429	34.06 427	28.68 425	30.42 426	43.46 427	37.33 426	43.76 428	53.43 431	20.29 423	18.73 426	21.02 422	21.05 424	28.19 421	25.91 424

MyStereo	38.45 423	38.46 428	50.33 427	44.93 428	42.03 426	56.44 429	76.24 429	54.16 429	34.06 427	28.68 425	30.42 426	43.46 427	37.33 426	43.76 428	53.43 431	20.29 423	18.73 426	21.02 422	21.05 424	28.19 421	25.91 424

LSM0	42.92 431	38.72 431	50.66 431	47.49 431	110.18 435	56.77 434	75.87 427	54.87 434	33.74 424	29.48 429	31.12 429	43.77 433	37.12 424	43.85 432	53.44 434	20.50 427	18.67 423	21.05 426	21.07 427	28.37 426	41.73 429

HaxPig	39.02 427	41.39 432	41.59 422	30.10 423	32.36 421	29.49 420	27.65 417	30.56 422	37.94 431	43.75 431	43.81 430	33.42 424	35.69 422	41.51 425	40.33 427	43.91 432	47.48 434	45.87 429	47.14 430	42.29 428	44.06 431

AVERAGE_ROB	40.42 428	42.30 433	42.61 423	36.91 425	35.54 423	30.42 421	27.59 416	37.45 428	38.45 432	44.87 432	44.27 431	37.55 426	36.69 423	41.82 426	40.25 426	45.36 433	46.73 433	47.09 430	46.32 429	42.47 429	43.74 430

MEDIAN_ROB	42.01 429	44.30 434	44.14 425	35.08 424	34.90 422	31.33 425	29.90 418	36.77 427	40.11 433	47.14 433	46.55 432	37.49 425	38.50 432	44.30 433	42.32 428	47.93 434	49.31 435	49.68 431	49.00 431	44.98 430	46.46 432

DLNR_Zeroshot_test	23.23 418	48.25 435	43.77 424	177.04 435	78.39 431	0.35 5	0.21 1	23.33 418	0.82 53	0.67 42	0.86 56	0.58 44	0.30 4	1.64 187	0.48 89	10.69 421	0.13 17	0.18 33	0.14 22	76.63 434	0.23 123

test_example2	192.91 436	210.59 436	206.44 436	199.86 436	204.90 436	172.02 436	182.95 435	138.34 436	134.89 436	193.14 436	200.54 435	186.77 436	177.82 436	204.95 436	207.57 436	221.83 436	238.70 436	186.02 436	190.07 436	226.94 436	173.78 436

Low-res two-view benchmark