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

GrayStereo	0.71 231	0.27 1	2.40 113	0.89 347	0.23 109	0.62 182	1.40 391	0.67 86	0.70 177	0.72 281	0.77 290	0.55 164	3.03 397	0.60 107	0.28 42	0.10 47	0.08 38	0.10 46	0.21 269	0.12 25	0.37 162

AEACV	0.89 305	0.29 2	1.84 18	2.50 406	1.68 396	0.53 66	0.21 30	1.01 289	0.42 9	0.68 262	0.31 25	0.22 8	0.39 146	1.63 267	0.25 23	0.09 11	2.60 409	0.09 13	0.54 372	0.23 187	2.27 401

PSM-AAD	0.67 211	0.29 2	2.41 117	0.37 167	0.23 109	0.86 314	1.15 377	0.62 70	0.66 123	0.64 236	0.71 268	0.67 219	2.90 396	0.65 122	0.32 78	0.10 47	0.08 38	0.17 275	0.15 195	0.14 51	0.34 149

EAI-Stereo	1.16 347	0.29 2	1.94 34	0.55 286	0.97 357	1.96 386	7.94 414	1.34 367	1.03 341	1.01 335	1.48 362	0.51 143	0.66 287	0.65 122	1.42 311	0.09 11	0.23 236	0.09 13	0.53 371	0.13 35	0.49 230

GLC_STEREO	0.31 1	0.30 5	1.80 11	0.29 46	0.12 3	0.41 13	0.20 20	0.39 2	0.42 9	0.26 14	0.31 25	0.25 23	0.19 7	0.36 24	0.26 32	0.09 11	0.11 125	0.12 135	0.10 71	0.13 35	0.15 30

SST-Stereo	0.56 111	0.30 5	2.44 134	0.71 331	0.55 287	0.62 182	0.65 329	0.57 53	0.67 135	0.59 188	0.53 126	0.51 143	0.59 266	1.57 257	0.31 70	0.12 143	0.07 6	0.12 135	0.10 71	0.17 90	0.11 9

CAS	0.39 15	0.31 7	1.79 10	0.81 343	0.34 209	0.51 46	0.23 58	0.49 14	0.42 9	0.23 6	0.31 25	0.20 2	0.17 1	0.30 2	0.25 23	0.77 375	0.06 1	0.07 1	0.05 1	0.10 10	0.41 189

anonymousdsp2	0.88 298	0.31 7	1.96 38	1.06 361	1.56 392	0.57 105	0.22 39	0.84 168	0.98 334	1.20 354	0.37 42	0.65 210	0.26 49	1.19 208	0.46 139	0.10 47	2.40 408	0.10 46	0.13 159	0.19 133	2.96 407

EGLCR-Stereo	0.90 308	0.31 7	1.90 27	1.60 385	0.95 353	1.14 353	0.42 252	0.85 178	0.43 13	1.74 382	0.21 1	0.27 36	0.17 1	1.56 253	0.30 56	0.10 47	2.60 409	0.10 46	0.09 37	0.10 10	3.10 409

RAFT_R40	0.55 103	0.31 7	2.44 134	0.57 299	0.42 258	0.62 182	0.52 293	0.58 55	0.66 123	0.56 151	0.54 140	0.54 156	0.50 228	1.56 253	0.53 165	0.11 110	0.07 6	0.12 135	0.10 71	0.16 69	0.10 4

CRE-IMP	0.46 45	0.31 7	2.40 113	0.53 279	0.17 37	0.79 296	0.68 337	0.54 39	0.66 123	0.47 63	0.43 64	0.44 107	0.26 49	0.43 45	0.33 87	0.12 143	0.07 6	0.12 135	0.09 37	0.17 90	0.23 85

R-Stereo Train	0.42 22	0.31 7	2.51 174	0.30 60	0.18 47	0.56 86	0.25 99	0.82 151	0.41 5	0.57 163	0.67 235	0.33 56	0.24 27	0.34 15	0.33 87	0.10 47	0.08 38	0.09 13	0.07 12	0.09 5	0.18 56

RAFT-Stereo	0.42 22	0.31 7	2.51 174	0.30 60	0.18 47	0.56 86	0.25 99	0.82 151	0.41 5	0.57 163	0.67 235	0.33 56	0.24 27	0.34 15	0.33 87	0.10 47	0.08 38	0.09 13	0.07 12	0.09 5	0.18 56
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AE-Stereo	0.71 231	0.32 14	2.44 134	0.44 238	0.50 275	0.58 112	0.23 58	1.08 333	0.67 135	0.67 256	0.51 116	0.47 128	0.24 27	0.63 114	0.32 78	0.09 11	2.15 400	0.11 92	0.45 359	0.22 173	2.01 382

CES	0.33 4	0.32 14	1.46 3	0.25 5	0.50 275	0.40 12	0.20 20	0.48 11	0.48 27	0.22 3	0.29 17	0.26 29	0.19 7	0.35 22	0.22 4	0.09 11	0.07 6	0.08 3	0.05 1	0.16 69	0.54 247

riskmin	0.96 319	0.32 14	2.07 54	1.72 392	1.61 395	1.62 374	0.57 309	1.45 373	0.55 59	0.73 282	0.89 314	0.92 312	0.45 203	1.16 204	0.60 182	0.11 110	1.30 369	0.12 135	1.38 406	0.14 51	1.51 370

DCANet-4	0.43 25	0.32 14	2.31 94	0.26 15	0.14 8	0.51 46	0.22 39	0.84 168	0.78 240	0.55 141	0.48 89	0.28 38	0.37 128	0.40 35	0.37 107	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 198

tt	4.94 408	0.32 14	4.22 380	2.29 405	1.58 393	10.19 416	16.94 419	9.44 417	5.03 404	1.69 381	1.33 357	4.68 403	5.02 407	3.38 394	5.91 406	6.15 415	9.47 422	2.80 412	3.16 414	3.54 413	1.58 372

BUS	0.45 40	0.32 14	1.58 4	0.31 74	0.22 86	0.91 326	0.23 58	1.05 315	0.67 135	0.64 236	0.53 126	0.65 210	0.32 107	0.48 59	0.34 95	0.13 185	0.10 104	0.14 220	0.12 139	0.13 35	0.15 30

BSDual-CNN	0.48 55	0.32 14	1.58 4	0.31 74	0.22 86	0.76 277	0.32 190	1.05 315	0.67 135	0.64 236	0.53 126	0.63 200	0.38 135	0.48 59	0.97 259	0.13 185	0.10 104	0.14 220	0.12 139	0.13 35	0.15 30

psmg	0.48 55	0.32 14	1.58 4	0.28 34	0.22 86	0.75 273	0.35 217	0.94 241	0.67 135	0.61 204	0.59 182	0.63 200	0.38 135	0.48 59	0.97 259	0.13 185	0.11 125	0.13 191	0.13 159	0.14 51	0.15 30

FTStereo	0.79 265	0.32 14	2.83 278	0.70 329	0.21 77	0.73 266	1.75 396	0.61 67	0.60 80	1.07 340	1.62 367	1.28 364	2.11 388	0.75 151	0.30 56	0.19 288	0.08 38	0.12 135	0.11 109	0.12 25	0.39 177

Any-RAFT	0.42 22	0.33 23	1.89 26	0.28 34	0.21 77	0.69 250	0.21 30	0.83 161	0.60 80	0.45 51	0.43 64	0.62 196	0.30 98	0.48 59	0.24 15	0.11 110	0.40 278	0.08 3	0.06 6	0.10 10	0.16 43

NF-Stereo	0.53 92	0.33 23	2.55 189	0.55 286	0.16 20	0.61 160	0.43 259	0.70 98	0.70 177	0.50 99	0.47 83	0.37 67	0.26 49	1.44 240	0.78 233	0.12 143	0.07 6	0.12 135	0.10 71	0.13 35	0.17 49

OCTAStereo	0.53 92	0.33 23	2.54 182	0.56 295	0.16 20	0.61 160	0.42 252	0.70 98	0.70 177	0.50 99	0.47 83	0.37 67	0.26 49	1.43 236	0.79 236	0.12 143	0.07 6	0.12 135	0.10 71	0.13 35	0.17 49

RE-Stereo	0.53 92	0.33 23	2.54 182	0.56 295	0.16 20	0.61 160	0.43 259	0.70 98	0.70 177	0.50 99	0.47 83	0.37 67	0.26 49	1.43 236	0.77 229	0.12 143	0.07 6	0.12 135	0.10 71	0.13 35	0.17 49

TVStereo	0.53 92	0.33 23	2.54 182	0.56 295	0.16 20	0.61 160	0.43 259	0.70 98	0.70 177	0.50 99	0.47 83	0.37 67	0.26 49	1.43 236	0.77 229	0.12 143	0.07 6	0.12 135	0.10 71	0.13 35	0.17 49

GMM-Stereo	0.53 92	0.33 23	2.89 287	0.53 279	0.24 118	0.77 287	0.46 275	0.62 70	0.65 116	0.58 169	0.73 273	0.47 128	0.43 187	0.68 132	0.29 51	0.10 47	0.06 1	0.13 191	0.13 159	0.14 51	0.44 210

ICVP	0.48 55	0.33 23	2.37 103	0.34 128	0.22 86	0.60 142	0.55 302	0.79 132	0.53 51	0.45 51	0.60 189	0.49 136	0.36 123	0.55 92	0.46 139	0.16 247	0.16 192	0.14 220	0.11 109	0.16 69	0.32 139
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
CASS	0.43 25	0.34 30	2.01 43	0.33 111	0.17 37	0.54 73	0.24 80	0.71 104	0.52 45	0.62 216	0.55 149	0.40 82	0.41 163	0.43 45	0.33 87	0.17 266	0.10 104	0.14 220	0.11 109	0.18 110	0.23 85
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
knoymous	0.37 11	0.34 30	1.83 15	0.25 5	0.18 47	0.45 17	0.24 80	0.60 65	0.40 4	0.42 37	0.39 51	0.54 156	0.25 41	0.41 41	0.29 51	0.12 143	0.08 38	0.12 135	0.07 12	0.13 35	0.20 68

PSM-softLoss	0.52 82	0.34 30	2.47 162	0.55 286	0.17 37	0.61 160	0.39 241	0.64 78	0.67 135	0.52 118	0.48 89	0.39 74	0.25 41	1.46 241	0.77 229	0.13 185	0.08 38	0.13 191	0.12 139	0.12 25	0.15 30

KMStereo	0.52 82	0.34 30	2.47 162	0.55 286	0.17 37	0.61 160	0.39 241	0.64 78	0.67 135	0.52 118	0.48 89	0.39 74	0.25 41	1.46 241	0.77 229	0.13 185	0.08 38	0.13 191	0.12 139	0.12 25	0.15 30

NRIStereo	0.50 70	0.34 30	2.44 134	0.52 275	0.16 20	0.94 332	0.73 344	0.52 27	0.65 116	0.48 65	0.40 59	0.59 182	0.29 88	0.78 158	0.33 87	0.11 110	0.13 153	0.11 92	0.09 37	0.22 173	0.25 98

cross-raft	0.47 48	0.34 30	2.17 72	0.70 329	0.84 343	0.50 44	0.35 217	0.74 108	0.43 13	0.44 49	0.45 76	0.63 200	0.25 41	0.37 25	0.27 37	0.08 1	0.14 166	0.10 46	0.23 276	0.11 17	0.27 108

s12784h	0.41 18	0.34 30	2.17 72	0.24 4	0.11 1	0.64 207	0.24 80	0.85 178	0.70 177	0.45 51	0.54 140	0.28 38	0.27 62	0.51 75	0.27 37	0.11 110	0.06 1	0.09 13	0.06 6	0.16 69	0.14 24

LoS	0.34 5	0.35 37	1.88 24	0.25 5	0.13 5	0.53 66	0.20 20	0.50 23	0.53 51	0.26 14	0.28 15	0.37 67	0.24 27	0.40 35	0.25 23	0.10 47	0.08 38	0.08 3	0.06 6	0.15 60	0.10 4

KYRaft	0.52 82	0.35 37	2.40 113	0.34 128	0.21 77	0.75 273	0.43 259	0.62 70	0.63 103	0.64 236	0.92 318	0.53 151	0.72 299	0.60 107	0.26 32	0.10 47	0.07 6	0.12 135	0.14 177	0.13 35	0.54 247

CREStereo	0.31 1	0.35 37	1.66 7	0.19 1	0.13 5	0.55 82	0.17 5	0.50 23	0.50 35	0.28 18	0.34 34	0.24 20	0.21 16	0.34 15	0.23 14	0.11 110	0.07 6	0.08 3	0.05 1	0.10 10	0.12 10
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
Patchmatch Stereo++	0.43 25	0.36 40	2.44 134	0.48 255	0.17 37	0.61 160	0.26 111	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.56 95	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.43 25	0.36 40	2.44 134	0.48 255	0.18 47	0.61 160	0.28 133	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.49 69	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

ROB_FTStereo_v2	0.43 25	0.36 40	2.44 134	0.49 266	0.17 37	0.61 160	0.28 133	0.53 30	0.61 83	0.48 65	0.43 64	0.44 107	0.28 72	0.48 59	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

ROB_FTStereo	0.43 25	0.36 40	2.44 134	0.48 255	0.18 47	0.61 160	0.26 111	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.51 75	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

HUI-Stereo	0.43 25	0.36 40	2.45 150	0.48 255	0.18 47	0.61 160	0.27 125	0.53 30	0.61 83	0.48 65	0.43 64	0.44 107	0.28 72	0.47 51	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

iGMRVC	0.43 25	0.36 40	2.44 134	0.48 255	0.18 47	0.61 160	0.27 125	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.57 98	0.31 70	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

iRAFT	0.43 25	0.36 40	2.44 134	0.48 255	0.17 37	0.61 160	0.26 111	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.56 95	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

RAFT-IKP	0.43 25	0.36 40	2.44 134	0.48 255	0.16 20	0.60 142	0.28 133	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.51 75	0.31 70	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

Prome-Stereo	0.53 92	0.36 40	2.39 111	0.60 301	0.23 109	0.63 195	0.41 246	0.66 83	0.67 135	0.59 188	1.02 335	0.43 92	0.71 298	0.61 110	0.34 95	0.10 47	0.07 6	0.10 46	0.09 37	0.13 35	0.44 210

CFNet-RSSM	0.44 37	0.36 40	2.38 105	0.28 34	0.43 259	0.53 66	0.20 20	0.86 190	0.52 45	0.44 49	0.36 38	0.53 151	0.26 49	0.40 35	0.27 37	0.09 11	0.08 38	0.09 13	0.38 347	0.10 10	0.22 77

MC-Stereo	0.58 126	0.37 50	2.00 41	0.88 346	0.64 316	0.54 73	0.19 12	0.46 9	0.39 3	0.58 169	0.39 51	0.27 36	0.27 62	0.71 141	0.32 78	0.09 11	1.20 355	0.09 13	0.16 212	0.22 173	1.92 380

DeepStereo_RVC	0.47 48	0.37 50	2.19 75	0.55 286	0.18 47	0.60 142	0.58 311	0.52 27	0.62 92	0.49 81	0.45 76	0.39 74	0.85 323	0.47 51	0.34 95	0.12 143	0.08 38	0.11 92	0.09 37	0.15 60	0.19 60

RAFT-345	0.56 111	0.37 50	2.68 239	0.40 211	0.34 209	0.58 112	0.41 246	0.49 14	0.70 177	0.51 110	0.99 331	0.43 92	0.28 72	1.56 253	0.81 242	0.10 47	0.07 6	0.11 92	0.09 37	0.11 17	0.09 2

CREStereo++_RVC	0.38 13	0.37 50	2.47 162	0.25 5	0.16 20	0.54 73	0.15 1	0.42 4	0.57 66	0.37 25	0.52 123	0.24 20	0.19 7	0.31 3	0.27 37	0.09 11	0.06 1	0.08 3	0.30 310	0.09 5	0.22 77
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
Gwc-CoAtRS	0.41 18	0.37 50	2.06 53	0.28 34	0.41 248	0.48 33	0.19 12	0.64 78	0.49 29	0.45 51	0.39 51	0.57 175	0.26 49	0.37 25	0.28 42	0.09 11	0.19 209	0.09 13	0.31 315	0.11 17	0.25 98

LoS_RVC	0.34 5	0.38 55	1.96 38	0.27 22	0.35 217	0.43 15	0.22 39	0.43 5	0.34 1	0.24 9	0.34 34	0.23 14	0.28 72	0.34 15	0.22 4	0.08 1	0.07 6	0.07 1	0.05 1	0.10 10	0.35 155

RCA-Stereo	0.45 40	0.38 55	1.80 11	0.27 22	0.25 124	0.58 112	0.23 58	0.84 168	0.66 123	0.42 37	0.44 75	0.28 38	0.35 121	0.31 3	0.21 1	0.09 11	1.01 340	0.09 13	0.07 12	0.21 159	0.53 244

Pruner-Stereo	0.55 103	0.38 55	2.49 170	1.78 394	0.19 63	0.63 195	0.45 270	0.59 62	0.67 135	0.61 204	0.48 89	0.41 87	0.25 41	0.49 69	0.99 267	0.13 185	0.07 6	0.12 135	0.10 71	0.13 35	0.14 24

PMTNet	0.35 7	0.38 55	1.75 9	0.21 2	0.14 8	0.57 105	0.24 80	0.48 11	0.44 16	0.28 18	0.32 31	0.26 29	0.24 27	0.41 41	0.24 15	0.42 356	0.07 6	0.08 3	0.05 1	0.18 110	0.15 30

IGEV_Zeroshot_test	0.91 310	0.39 59	3.80 365	0.42 223	1.95 400	0.56 86	0.64 326	0.84 168	0.55 59	1.45 373	0.53 126	0.79 275	0.42 174	0.57 98	1.13 282	0.10 47	0.49 291	0.10 46	0.34 336	0.19 133	2.97 408

hknet	0.53 92	0.39 59	2.04 50	0.31 74	0.24 118	0.76 277	0.32 190	1.05 315	0.71 189	0.64 236	0.53 126	0.79 275	0.40 152	0.84 168	0.78 233	0.12 143	0.10 104	0.14 220	0.12 139	0.13 35	0.15 30

sCroCo_RVC	0.37 11	0.39 59	2.38 105	0.35 143	0.27 149	0.31 5	0.22 39	0.49 14	0.48 27	0.23 6	0.34 34	0.25 23	0.24 27	0.35 22	0.25 23	0.15 233	0.17 199	0.12 135	0.11 109	0.15 60	0.15 30

SFCPSM	0.48 55	0.39 59	2.30 92	0.28 34	0.27 149	0.70 253	0.32 190	1.00 281	0.69 167	0.50 99	0.52 123	0.43 92	0.36 123	0.53 86	0.44 131	0.12 143	0.09 81	0.12 135	0.16 212	0.18 110	0.23 85

CASnet	0.32 3	0.40 63	1.80 11	0.28 34	0.11 1	0.47 30	0.19 12	0.45 7	0.47 24	0.39 30	0.31 25	0.23 14	0.17 1	0.31 3	0.21 1	0.11 110	0.06 1	0.15 245	0.12 139	0.16 69	0.08 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
NINENet	0.54 99	0.40 63	2.19 75	0.55 286	0.26 138	0.91 326	0.23 58	1.05 315	0.77 237	0.54 130	0.57 171	0.65 210	0.32 107	1.22 210	0.34 95	0.16 247	0.13 153	0.16 261	0.11 109	0.16 69	0.14 24

AAGNet	0.92 311	0.40 63	2.53 178	0.60 301	1.01 363	0.62 182	0.45 270	0.52 27	0.68 159	0.58 169	0.53 126	0.50 140	0.72 299	1.22 210	7.32 410	0.12 143	0.07 6	0.12 135	0.10 71	0.16 69	0.10 4

DEmStereo	0.69 222	0.40 63	2.42 121	0.42 223	0.18 47	0.66 234	0.88 357	0.54 39	0.64 109	0.60 197	1.00 332	0.45 119	1.24 355	1.53 249	2.21 352	0.10 47	0.08 38	0.10 46	0.10 71	0.11 17	0.14 24

HSM-Net_RVC	0.70 227	0.40 63	2.45 150	0.27 22	0.19 63	0.68 247	0.30 170	1.29 363	0.73 199	0.73 282	0.70 255	0.77 269	0.45 203	3.73 400	0.46 139	0.13 185	0.09 81	0.10 46	0.09 37	0.13 35	0.32 139
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
RAFT-Test	0.56 111	0.41 68	2.01 43	0.90 349	1.07 368	0.65 221	0.37 227	0.83 161	0.65 116	0.49 81	0.49 102	0.93 317	0.24 27	0.52 79	0.30 56	0.10 47	0.38 272	0.09 13	0.38 347	0.11 17	0.19 60

DisPM	0.48 55	0.41 68	2.54 182	0.61 307	0.18 47	0.59 130	0.62 324	0.54 39	0.67 135	0.61 204	0.53 126	0.38 72	0.26 49	0.76 153	0.31 70	0.13 185	0.07 6	0.12 135	0.11 109	0.12 25	0.15 30

Selective-IGEV	0.57 118	0.42 70	1.87 23	1.67 389	1.33 382	0.36 10	0.20 20	0.61 67	0.71 189	0.22 3	0.31 25	0.22 8	0.19 7	0.52 79	0.36 104	0.09 11	0.97 337	0.09 13	0.15 195	0.20 150	0.85 313

CRFU-Net	0.58 126	0.42 70	1.90 27	0.49 266	0.27 149	0.83 307	0.35 217	0.94 241	0.54 54	0.65 248	0.60 189	0.78 273	1.34 356	1.00 182	0.51 160	0.17 266	0.14 166	0.17 275	0.10 71	0.19 133	0.20 68

iRaft-Stereo_20w	1.50 370	0.42 70	4.81 392	2.24 404	2.09 403	1.36 360	1.27 384	1.38 369	0.94 320	2.07 385	0.42 62	0.85 297	0.69 295	0.87 171	1.37 308	0.10 47	4.04 414	0.09 13	0.40 351	0.17 90	4.53 414

DAS	0.61 154	0.42 70	1.85 20	0.34 128	0.34 209	0.52 61	0.42 252	0.89 211	0.80 256	0.85 315	0.69 242	0.57 175	0.51 232	2.38 349	0.57 176	0.13 185	0.09 81	0.12 135	0.09 37	0.18 110	0.37 162

SepStereo	0.57 118	0.42 70	1.85 20	0.34 128	0.34 209	0.52 61	0.42 252	0.89 211	0.80 256	0.85 315	0.69 242	0.57 175	0.51 232	1.55 251	0.57 176	0.13 185	0.09 81	0.12 135	0.09 37	0.18 110	0.37 162

PFNet	0.62 167	0.42 70	2.69 245	0.43 233	0.55 287	0.62 182	0.27 125	0.64 78	0.72 196	0.61 204	0.56 161	0.45 119	0.33 112	1.86 306	1.12 281	0.28 340	0.09 81	0.12 135	0.16 212	0.26 223	0.27 108

test-3	0.58 126	0.43 76	2.44 134	0.52 275	0.59 297	0.46 20	0.23 58	0.77 118	0.49 29	0.52 118	0.29 17	0.44 107	0.22 19	0.59 102	0.97 259	0.08 1	1.27 364	0.10 46	0.35 338	0.29 252	0.62 266

test_1	0.58 126	0.43 76	2.44 134	0.52 275	0.59 297	0.46 20	0.23 58	0.77 118	0.49 29	0.51 110	0.29 17	0.44 107	0.22 19	0.59 102	0.97 259	0.08 1	1.27 364	0.10 46	0.35 338	0.29 252	0.63 270

PFNet+	0.50 70	0.43 76	2.54 182	0.49 266	0.18 47	0.58 112	0.76 346	0.54 39	0.72 196	0.56 151	0.48 89	0.39 74	0.26 49	0.94 179	0.33 87	0.14 215	0.09 81	0.14 220	0.13 159	0.12 25	0.16 43

LCNet	0.58 126	0.43 76	2.42 121	0.91 351	0.22 86	0.95 334	0.29 158	0.62 70	0.64 109	0.52 118	0.55 149	0.41 87	0.75 310	0.84 168	0.27 37	0.10 47	0.07 6	0.12 135	0.18 233	0.97 380	0.40 182

GMStereo_Zeroshot	0.44 37	0.44 80	1.84 18	0.44 238	0.20 68	0.52 61	0.19 12	0.60 65	0.54 54	0.58 169	0.59 182	0.63 200	0.29 88	0.59 102	0.34 95	0.16 247	0.09 81	0.16 261	0.09 37	0.26 223	0.26 103

MSKI-zero shot	0.70 227	0.44 80	2.62 212	1.47 379	0.75 330	0.56 86	0.20 20	0.80 137	0.45 17	0.60 197	0.52 123	0.44 107	0.17 1	0.70 135	0.26 32	0.09 11	2.87 412	0.09 13	0.32 320	0.14 51	0.50 232

test_3	0.59 141	0.44 80	2.44 134	0.53 279	0.59 297	0.48 33	0.30 170	0.79 132	0.52 45	0.51 110	0.30 20	0.45 119	0.22 19	0.59 102	0.97 259	0.08 1	1.25 360	0.11 92	0.35 338	0.30 258	0.62 266

Anonymous	0.41 18	0.44 80	2.55 189	0.35 143	0.32 194	0.38 11	0.34 208	0.57 53	0.41 5	0.25 11	0.30 20	0.23 14	0.29 88	0.38 27	0.28 42	0.15 233	0.13 153	0.11 92	0.12 139	0.24 193	0.30 129

AdaStereo	0.48 55	0.44 80	2.18 74	0.36 157	0.20 68	0.59 130	0.29 158	0.97 264	0.74 216	0.52 118	0.55 149	0.61 191	0.33 112	0.52 79	0.44 131	0.18 277	0.08 38	0.17 275	0.11 109	0.18 110	0.24 94
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.
PSMNet-ADL	0.56 111	0.47 85	2.03 47	0.35 143	0.22 86	0.67 241	0.27 125	0.77 118	0.58 72	0.43 43	0.53 126	0.70 248	0.45 203	1.89 311	0.64 196	0.16 247	0.13 153	0.11 92	0.13 159	0.15 60	0.51 236

ASMatch	0.61 154	0.47 85	2.72 252	0.91 351	0.36 223	0.56 86	0.24 80	0.54 39	0.67 135	0.48 65	1.20 348	0.47 128	0.65 281	1.33 226	0.93 256	0.10 47	0.08 38	0.11 92	0.11 109	0.10 10	0.17 49

DRaft	0.65 191	0.47 85	2.38 105	0.25 5	0.17 37	0.64 207	0.65 329	0.56 48	0.57 66	0.67 256	0.98 328	0.38 72	0.99 341	1.42 235	2.06 341	0.11 110	0.14 166	0.10 46	0.14 177	0.18 110	0.21 72

Selective-RAFT	0.46 45	0.48 88	1.88 24	0.32 91	0.16 20	0.61 160	0.19 12	0.66 83	0.62 92	0.28 18	0.30 20	0.41 87	0.33 112	0.51 75	0.32 78	0.11 110	1.09 349	0.09 13	0.35 338	0.19 133	0.37 162

11t1	0.60 147	0.49 89	2.19 75	0.35 143	0.58 296	0.48 33	0.21 30	0.72 105	0.73 199	0.49 81	0.47 83	0.35 63	0.34 119	0.61 110	0.71 216	0.12 143	1.26 363	0.10 46	0.29 304	0.16 69	1.22 350

Anonymous_2	1.36 360	0.49 89	2.03 47	1.71 391	1.58 393	2.49 398	0.58 311	1.59 380	2.31 391	0.77 294	0.88 312	1.03 339	0.58 263	1.20 209	0.66 204	0.32 347	1.38 373	1.42 401	3.87 415	0.78 375	1.56 371

CrosDoStereo	0.96 319	0.49 89	2.66 227	0.27 22	0.33 200	0.54 73	3.69 405	0.77 118	0.66 123	0.70 270	1.39 359	0.53 151	1.47 366	1.77 288	3.02 376	0.10 47	0.08 38	0.11 92	0.11 109	0.22 173	0.30 129

DeepStereo_LL	0.96 319	0.49 89	2.66 227	0.27 22	0.33 200	0.54 73	3.69 405	0.77 118	0.66 123	0.70 270	1.39 359	0.53 151	1.47 366	1.77 288	3.02 376	0.10 47	0.08 38	0.11 92	0.11 109	0.22 173	0.30 129

AnonymousM	0.45 40	0.49 89	1.83 15	0.29 46	0.15 13	0.53 66	0.22 39	0.64 78	0.66 123	0.47 63	0.33 32	0.30 43	0.25 41	0.49 69	0.29 51	0.12 143	0.27 255	0.71 379	0.37 344	0.12 25	0.41 189

Anonymous3	0.47 48	0.49 89	2.61 208	0.33 111	0.25 124	0.72 263	0.32 190	0.80 137	0.60 80	0.36 23	0.41 60	0.33 56	0.29 88	0.46 49	0.30 56	0.19 288	0.18 205	0.13 191	0.13 159	0.18 110	0.22 77

PCWNet_CMD	0.48 55	0.50 95	2.23 82	0.27 22	0.20 68	0.56 86	0.22 39	0.78 125	0.67 135	0.49 81	0.55 149	0.68 231	0.56 251	0.48 59	0.32 78	0.11 110	0.10 104	0.14 220	0.10 71	0.19 133	0.43 198

CFNet_pseudo	0.47 48	0.50 95	2.19 75	0.26 15	0.20 68	0.56 86	0.22 39	0.80 137	0.62 92	0.50 99	0.56 161	0.68 231	0.47 218	0.53 86	0.33 87	0.11 110	0.10 104	0.15 245	0.10 71	0.18 110	0.33 142

DIP-Stereo	0.43 25	0.50 95	2.21 80	0.27 22	0.18 47	0.63 195	0.17 5	0.94 241	0.58 72	0.49 81	0.48 89	0.30 43	0.30 98	0.40 35	0.31 70	0.10 47	0.08 38	0.10 46	0.08 27	0.15 60	0.33 142
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MSMDNet	0.48 55	0.50 95	2.23 82	0.27 22	0.20 68	0.56 86	0.22 39	0.78 125	0.67 135	0.49 81	0.55 149	0.68 231	0.56 251	0.48 59	0.32 78	0.11 110	0.10 104	0.13 191	0.10 71	0.18 110	0.43 198

ccs_rob	0.47 48	0.50 95	2.19 75	0.26 15	0.20 68	0.56 86	0.22 39	0.80 137	0.62 92	0.50 99	0.56 161	0.68 231	0.47 218	0.53 86	0.33 87	0.11 110	0.10 104	0.16 261	0.10 71	0.18 110	0.33 142

Former-RAFT_DAM_RVC	0.52 82	0.51 100	1.12 1	0.26 15	0.22 86	0.46 20	0.20 20	1.10 338	1.33 369	3.13 406	0.33 32	0.22 8	0.20 14	0.34 15	0.26 32	0.11 110	0.09 81	0.11 92	0.09 37	0.17 90	0.21 72

ttt	0.89 305	0.51 100	2.51 174	0.36 157	0.31 183	0.61 160	0.28 133	1.07 330	0.92 313	0.56 151	0.77 290	0.55 164	0.37 128	2.27 339	3.51 384	0.16 247	1.21 358	0.13 191	0.31 315	0.18 110	1.26 352

CoDeX	0.54 99	0.52 102	2.25 84	0.30 60	0.26 138	0.61 160	0.32 190	1.03 301	0.73 199	0.49 81	0.56 161	0.52 150	0.40 152	1.59 264	0.38 113	0.12 143	0.09 81	0.11 92	0.10 71	0.15 60	0.22 77

HH	0.79 265	0.52 102	2.72 252	1.45 377	0.80 339	0.91 326	0.23 58	0.76 112	0.76 229	0.64 236	0.55 149	0.87 303	0.41 163	0.94 179	0.45 135	0.09 11	1.20 355	0.10 46	0.09 37	0.16 69	2.16 389

HanStereo	0.79 265	0.52 102	2.72 252	1.45 377	0.80 339	0.91 326	0.23 58	0.76 112	0.76 229	0.64 236	0.55 149	0.87 303	0.41 163	0.94 179	0.45 135	0.09 11	1.20 355	0.10 46	0.09 37	0.16 69	2.16 389

mmm	0.66 208	0.53 105	1.83 15	0.38 185	0.86 344	0.49 38	0.27 125	0.82 151	0.83 274	0.59 188	0.69 242	0.47 128	0.38 135	0.81 166	0.73 221	0.12 143	1.37 372	0.14 220	0.45 359	0.18 110	1.35 361

MDST_ROB	1.28 353	0.53 105	3.84 368	0.55 286	0.45 263	4.06 406	0.60 317	1.36 368	0.89 306	2.18 390	1.17 346	0.98 328	0.72 299	4.28 403	2.12 345	0.20 296	0.16 192	0.19 296	0.17 225	0.20 150	0.84 309

SMFormer	0.64 186	0.54 107	1.92 30	0.32 91	0.16 20	0.46 20	0.24 80	0.94 241	0.85 289	0.58 169	0.70 255	0.51 143	0.41 163	1.89 311	0.86 251	0.13 185	1.01 340	0.11 92	0.26 290	0.17 90	0.84 309

tta	0.63 179	0.54 107	1.92 30	0.32 91	0.16 20	0.46 20	0.24 80	0.94 241	0.85 289	0.58 169	0.70 255	0.51 143	0.41 163	1.89 311	0.86 251	0.13 185	1.01 340	0.11 92	0.26 290	0.19 133	0.59 259

qqq1	0.62 167	0.54 107	1.92 30	0.32 91	0.16 20	0.46 20	0.24 80	0.94 241	0.85 289	0.58 169	0.70 255	0.51 143	0.41 163	1.89 311	0.64 196	0.13 185	1.01 340	0.09 13	0.24 278	0.19 133	0.59 259

fff1	0.62 167	0.54 107	1.92 30	0.32 91	0.16 20	0.46 20	0.24 80	0.94 241	0.85 289	0.58 169	0.70 255	0.51 143	0.41 163	1.89 311	0.64 196	0.13 185	1.01 340	0.09 13	0.24 278	0.19 133	0.59 259

test-1	0.61 154	0.54 107	2.09 57	0.31 74	1.37 384	0.51 46	0.28 133	0.83 161	0.50 35	0.42 37	0.55 149	0.54 156	0.24 27	0.38 27	1.25 297	0.10 47	1.08 348	0.10 46	0.17 225	0.11 17	0.77 298

pcwnet_v2	0.65 191	0.54 107	4.29 385	0.33 111	0.27 149	0.60 142	0.25 99	1.02 295	0.92 313	0.61 204	0.69 242	0.62 196	0.54 244	0.67 128	0.38 113	0.18 277	0.15 180	0.15 245	0.14 177	0.21 159	0.49 230

GES	0.49 66	0.54 107	2.37 103	0.31 74	0.19 63	0.61 160	0.30 170	0.93 236	0.52 45	0.49 81	0.53 126	0.40 82	0.43 187	0.59 102	0.67 206	0.16 247	0.11 125	0.12 135	0.10 71	0.20 150	0.30 129

EKT-Stereo	1.56 376	0.55 114	2.60 204	2.54 407	19.66 423	0.55 82	0.22 39	0.76 112	0.51 40	0.40 32	0.36 38	0.43 92	0.27 62	0.74 150	0.42 122	0.13 185	0.17 199	0.11 92	0.16 212	0.20 150	0.50 232

CFNet_ucs	0.50 70	0.55 114	2.28 88	0.27 22	0.22 86	0.58 112	0.23 58	0.90 219	0.69 167	0.54 130	0.64 219	0.68 231	0.44 195	0.55 92	0.34 95	0.14 215	0.12 140	0.16 261	0.11 109	0.19 133	0.38 170

GANet-ADL	0.48 55	0.56 116	2.51 174	0.34 128	0.20 68	0.58 112	0.25 99	0.80 137	0.57 66	0.43 43	0.61 197	0.56 171	0.31 102	0.44 48	0.44 131	0.14 215	0.11 125	0.10 46	0.09 37	0.22 173	0.38 170

XX-Stereo	0.98 324	0.57 117	4.45 389	1.64 387	5.33 413	0.55 82	0.16 3	0.96 257	0.43 13	0.45 51	0.65 226	0.85 297	0.19 7	0.79 159	0.26 32	0.11 110	0.80 330	0.10 46	0.32 320	0.17 90	0.78 301

NVstereo2D	0.63 179	0.57 117	2.29 90	0.37 167	0.35 217	0.69 250	0.49 286	0.96 257	0.88 301	0.49 81	0.54 140	0.72 251	0.46 210	1.98 321	0.50 157	0.19 288	0.20 221	0.18 291	0.16 212	0.28 244	0.34 149

ff7	0.65 191	0.58 119	2.09 57	0.39 198	0.60 302	0.56 86	0.23 58	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 391	0.10 46	0.18 233	0.24 193	2.22 396

ffff	0.65 191	0.58 119	2.09 57	0.39 198	0.60 302	0.56 86	0.23 58	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 391	0.10 46	0.18 233	0.24 193	2.22 396

11t	0.65 191	0.58 119	2.09 57	0.39 198	0.60 302	0.56 86	0.23 58	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 391	0.10 46	0.18 233	0.24 193	2.22 396

ccc-4	0.65 191	0.58 119	2.09 57	0.39 198	0.60 302	0.56 86	0.23 58	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 391	0.10 46	0.18 233	0.24 193	2.22 396

UNet	0.56 111	0.58 119	2.81 274	0.32 91	0.33 200	0.74 271	0.27 125	0.86 190	0.67 135	0.55 141	0.55 149	0.72 251	0.55 249	0.79 159	0.58 178	0.12 143	0.09 81	0.13 191	0.11 109	0.20 150	0.19 60

FENet	0.48 55	0.58 119	2.46 157	0.33 111	0.18 47	0.58 112	0.22 39	0.83 161	0.64 109	0.49 81	0.42 62	0.55 164	0.38 135	0.52 79	0.51 160	0.12 143	0.09 81	0.12 135	0.11 109	0.17 90	0.31 137

anonymousdsp	0.86 291	0.59 125	2.65 223	1.33 371	1.25 379	0.56 86	0.23 58	0.54 39	0.71 189	1.13 344	0.25 11	0.22 8	0.24 27	1.24 214	0.24 15	0.09 11	2.34 406	0.10 46	0.18 233	0.25 208	3.12 410

STTRV1_RVC		0.59 125		0.43 233	0.49 274	0.80 299	0.44 265	1.18 355	0.84 286	0.63 225	0.89 314	0.72 251	0.63 279	2.67 369	0.67 206	0.51 365	0.65 314	0.27 334	0.24 278	0.35 292	0.29 120

anonymousa	0.74 244	0.60 127	2.58 197	0.96 355	1.33 382	0.61 160	0.26 111	0.69 91	0.56 63	0.55 141	0.84 300	0.82 287	0.46 210	0.56 95	0.61 187	0.10 47	1.11 351	0.12 135	0.98 398	0.14 51	0.97 331

ProNet	0.46 45	0.60 127	1.85 20	0.35 143	0.67 320	0.49 38	0.25 99	0.53 30	0.57 66	0.21 1	0.24 6	0.22 8	0.20 14	0.52 79	0.22 4	0.09 11	0.47 287	0.10 46	0.09 37	0.23 187	1.33 358

IGEV-Stereo	0.86 291	0.60 127	2.65 223	1.35 373	1.25 379	0.56 86	0.23 58	0.54 39	0.71 189	1.14 345	0.25 11	0.22 8	0.24 27	1.24 214	0.24 15	0.09 11	2.34 406	0.10 46	0.18 233	0.25 208	3.13 411
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
222	1.02 329	0.60 127	1.95 35	0.29 46	0.51 277	0.62 182	0.24 80	1.09 335	0.86 295	0.64 236	0.67 235	0.47 128	0.42 174	1.86 306	6.73 408	0.13 185	1.21 358	0.11 92	0.32 320	0.17 90	1.44 367

FAT-Stereo	0.72 239	0.60 127	2.86 284	0.37 167	0.29 164	0.64 207	0.55 302	1.01 289	0.91 311	0.76 292	0.94 320	0.93 317	0.79 315	1.82 299	0.60 182	0.19 288	0.19 209	0.17 275	0.16 212	0.23 187	0.47 220

CSP-Net	0.55 103	0.61 132	1.81 14	0.30 60	0.23 109	0.77 287	0.35 217	0.90 219	0.62 92	0.62 216	0.60 189	0.65 210	0.42 174	1.76 285	0.47 142	0.17 266	0.12 140	0.10 46	0.10 71	0.21 159	0.16 43

TransformOpticalFlow	0.65 191	0.61 132	2.67 234	0.45 245	0.26 138	0.62 182	0.28 133	0.88 205	0.76 229	0.76 292	0.74 276	0.90 311	0.84 320	1.82 299	0.80 238	0.10 47	0.07 6	0.11 92	0.09 37	0.12 25	0.19 60

ccnet	0.77 260	0.61 132	2.01 43	0.40 211	0.46 270	1.05 343	0.59 314	1.02 295	0.74 216	0.90 321	0.97 325	0.82 287	0.89 330	1.68 277	1.16 286	0.32 347	0.26 249	0.32 349	0.28 300	0.35 292	0.47 220

StereoDRNet-Refined	0.55 103	0.61 132	2.07 54	0.34 128	0.21 77	0.68 247	0.26 111	0.87 197	0.73 199	0.70 270	0.69 242	0.74 259	0.45 203	1.10 193	0.62 190	0.12 143	0.09 81	0.14 220	0.14 177	0.27 234	0.24 94
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
x	0.65 191	0.62 136	2.12 64	0.36 157	0.61 309	0.48 33	0.24 80	0.80 137	0.89 306	0.50 99	0.56 161	0.44 107	0.36 123	0.62 113	0.80 238	0.11 110	1.44 377	0.11 92	0.39 350	0.16 69	1.34 360

STrans-v2	0.69 222	0.62 136	2.66 227	0.28 34	0.23 109	0.57 105	0.32 190	1.01 289	0.77 237	0.92 324	0.84 300	0.88 307	0.92 335	1.81 296	1.19 289	0.10 47	0.07 6	0.10 46	0.09 37	0.12 25	0.30 129

qqq	0.65 191	0.63 138	2.10 63	0.30 60	0.64 316	0.46 20	0.27 125	0.81 144	0.83 274	0.48 65	0.56 161	0.46 123	0.37 128	1.03 186	0.75 224	0.11 110	1.41 376	0.12 135	0.41 355	0.16 69	1.18 342

DISCO	0.61 154	0.63 138	1.98 40	0.46 248	0.34 209	0.84 312	0.35 217	0.88 205	0.81 263	0.61 204	0.64 219	1.06 347	0.53 242	1.11 197	0.83 247	0.13 185	0.10 104	0.11 92	0.10 71	0.26 223	0.37 162

IPLGR	0.58 126	0.64 140	3.12 313	0.37 167	0.18 47	0.62 182	0.54 298	1.06 327	0.69 167	0.73 282	0.46 78	0.50 140	0.44 195	1.12 199	0.31 70	0.10 47	0.08 38	0.11 92	0.09 37	0.21 159	0.20 68

xxxx	0.97 322	0.64 140	2.14 68	0.30 60	0.67 320	0.64 207	0.24 80	1.09 335	0.91 311	0.57 163	0.65 226	0.58 179	0.39 146	1.57 257	5.49 405	0.13 185	1.38 373	0.11 92	0.32 320	0.17 90	1.41 365

test_xeample	0.98 324	0.65 142	2.12 64	0.29 46	0.67 320	0.60 142	0.28 133	1.08 333	0.85 289	0.62 216	0.70 255	0.44 107	0.41 163	1.95 319	5.45 404	0.12 143	1.33 371	0.11 92	0.31 315	0.18 110	1.42 366

MIF-Stereo	0.36 10	0.66 143	2.43 126	0.28 34	0.24 118	0.30 4	0.18 10	0.35 1	0.36 2	0.26 14	0.37 42	0.18 1	0.18 6	0.33 14	0.30 56	0.11 110	0.08 38	0.09 13	0.08 27	0.25 208	0.09 2

DualNet	0.97 322	0.67 144	3.39 334	0.32 91	0.22 86	0.58 112	0.28 133	0.85 178	0.96 327	0.54 130	0.74 276	0.67 219	0.40 152	0.64 118	3.86 390	0.10 47	2.16 401	0.15 245	0.33 330	0.25 208	2.19 391

ffm	0.78 262	0.67 144	3.39 334	0.32 91	0.22 86	0.58 112	0.28 133	0.85 178	0.96 327	0.54 130	0.74 276	0.67 219	0.40 152	0.64 118	0.22 4	0.10 47	2.16 401	0.15 245	0.33 330	0.25 208	2.19 391

ff1	1.07 338	0.67 144	3.39 334	0.32 91	0.22 86	0.58 112	0.28 133	0.85 178	0.96 327	0.54 130	0.74 276	0.67 219	0.40 152	2.75 378	3.86 390	0.10 47	2.16 401	0.15 245	0.33 330	0.25 208	2.19 391

mmx	0.99 326	0.67 144	3.39 334	0.32 91	0.22 86	0.58 112	0.28 133	1.05 315	0.92 313	0.54 130	0.74 276	0.67 219	0.40 152	2.75 378	3.86 390	0.13 185	1.25 360	0.15 245	0.33 330	0.19 133	1.28 355

xxx	0.99 326	0.67 144	3.39 334	0.32 91	0.22 86	0.58 112	0.28 133	1.05 315	0.92 313	0.54 130	0.74 276	0.67 219	0.40 152	2.75 378	3.86 390	0.13 185	1.25 360	0.15 245	0.33 330	0.19 133	1.28 355

HHNet	0.63 179	0.67 144	3.10 311	0.37 167	0.25 124	0.64 207	0.60 317	0.70 98	0.67 135	0.55 141	1.12 345	0.32 52	0.60 271	0.43 45	1.75 327	0.16 247	0.08 38	0.12 135	0.10 71	0.18 110	0.22 77

UPFNet	0.51 80	0.67 144	2.04 50	0.34 128	0.33 200	0.65 221	0.37 227	0.88 205	0.65 116	0.60 197	0.53 126	0.61 191	0.41 163	0.77 154	0.55 172	0.13 185	0.13 153	0.13 191	0.13 159	0.20 150	0.16 43

MyStereo07	0.56 111	0.68 151	2.42 121	0.30 60	0.41 248	0.61 160	0.31 180	0.58 55	0.72 196	1.17 348	0.26 14	0.20 2	0.27 62	1.28 221	0.28 42	0.09 11	0.59 306	0.12 135	0.21 269	0.16 69	0.48 224

MyStereo04	0.57 118	0.68 151	2.66 227	0.30 60	0.41 248	0.61 160	0.31 180	0.88 205	0.80 256	0.48 65	0.37 42	0.54 156	0.42 174	0.61 110	0.71 216	0.09 11	0.59 306	0.12 135	0.21 269	0.16 69	0.48 224

anonymity	0.86 291	0.68 151	1.44 2	0.64 314	0.83 341	0.67 241	0.52 293	0.98 270	0.73 199	0.96 328	0.70 255	0.81 284	0.86 325	1.10 193	1.34 302	0.64 370	0.72 327	0.58 372	1.44 407	0.60 359	0.91 320

stereogan	0.74 244	0.68 151	2.82 276	0.40 211	0.40 243	1.05 343	0.42 252	0.99 275	0.96 327	0.78 302	0.86 308	1.15 360	0.73 302	1.57 257	0.56 174	0.20 296	0.19 209	0.20 306	0.16 212	0.37 304	0.34 149

DANet	0.85 288	0.68 151	2.41 117	1.18 369	0.48 272	0.77 287	1.23 383	0.93 236	1.53 378	0.90 321	0.72 271	0.97 327	0.57 256	1.86 306	1.05 274	0.18 277	0.16 192	0.19 296	0.16 212	0.26 223	0.67 279
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
TANstereo	0.39 15	0.70 156	2.48 167	0.23 3	0.12 3	0.54 73	0.16 3	0.41 3	0.47 24	0.45 51	0.51 116	0.26 29	0.22 19	0.34 15	0.21 1	0.10 47	0.10 104	0.08 3	0.07 12	0.09 5	0.18 56

G-Net	1.02 329	0.70 156	3.23 317	0.60 301	0.66 319	2.00 390	0.71 341	0.78 125	0.70 177	1.14 345	2.53 388	1.29 366	1.01 343	1.47 243	1.74 326	0.25 330	0.24 239	0.24 326	0.26 290	0.37 304	0.40 182

MIF-Stereo (partial)	0.41 18	0.71 158	2.67 234	0.27 22	0.24 118	0.32 6	0.17 5	0.56 48	0.46 18	0.26 14	0.37 42	0.25 23	0.26 49	0.46 49	0.35 102	0.11 110	0.08 38	0.12 135	0.10 71	0.21 159	0.15 30

gwcnet-sp	0.52 82	0.71 158	2.66 227	0.32 91	0.22 86	0.66 234	0.31 180	0.84 168	0.69 167	0.61 204	0.49 102	0.46 123	0.43 187	0.77 154	0.48 145	0.12 143	0.11 125	0.11 92	0.11 109	0.19 133	0.19 60

scenet	0.52 82	0.71 158	2.66 227	0.32 91	0.22 86	0.66 234	0.31 180	0.84 168	0.69 167	0.61 204	0.49 102	0.46 123	0.43 187	0.77 154	0.48 145	0.12 143	0.11 125	0.11 92	0.11 109	0.19 133	0.19 60

ssnet	0.52 82	0.71 158	2.66 227	0.32 91	0.22 86	0.66 234	0.31 180	0.84 168	0.69 167	0.61 204	0.49 102	0.46 123	0.43 187	0.77 154	0.48 145	0.12 143	0.11 125	0.11 92	0.11 109	0.19 133	0.19 60

CroCo-Stereo	0.35 7	0.71 158	1.67 8	0.32 91	0.17 37	0.19 1	0.21 30	0.79 132	0.54 54	0.22 3	0.25 11	0.55 164	0.22 19	0.28 1	0.28 42	0.10 47	0.08 38	0.08 3	0.07 12	0.12 25	0.10 4
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
MyStereo06	0.70 227	0.72 163	3.51 348	0.31 74	0.25 124	0.60 142	0.30 170	0.90 219	0.67 135	1.48 376	0.53 126	0.84 292	0.57 256	0.60 107	1.11 280	0.09 11	0.55 299	0.12 135	0.20 258	0.16 69	0.56 254

MyStereo05	0.57 118	0.72 163	2.72 252	0.31 74	0.25 124	0.60 142	0.30 170	0.87 197	0.82 268	0.54 130	0.37 42	0.53 151	0.42 174	0.63 114	0.73 221	0.09 11	0.55 299	0.12 135	0.20 258	0.16 69	0.56 254

DPSNet	1.02 329	0.72 163	2.84 280	0.60 301	0.39 237	1.08 348	0.75 345	1.41 371	1.14 356	0.74 288	0.69 242	1.05 346	1.67 374	2.09 331	2.22 353	0.27 337	0.61 308	0.20 306	0.50 367	0.48 345	1.03 334

ACVNet-DCA	0.67 211	0.73 166	2.43 126	0.67 322	0.52 279	0.76 277	0.24 80	0.81 144	0.83 274	0.77 294	0.39 51	0.25 23	0.38 135	0.70 135	0.22 4	0.10 47	2.13 396	0.11 92	0.09 37	0.16 69	1.18 342

xx1	0.71 231	0.73 166	2.43 126	0.67 322	0.52 279	0.76 277	0.24 80	0.85 178	1.05 345	0.77 294	0.39 51	0.46 123	0.37 128	0.70 135	0.22 4	0.10 47	2.13 396	0.12 135	0.41 355	0.16 69	1.18 342

1test111	0.72 239	0.73 166	2.43 126	0.67 322	0.52 279	0.76 277	0.24 80	0.81 144	0.83 274	0.77 294	0.39 51	0.25 23	0.38 135	1.03 186	0.75 224	0.10 47	2.13 396	0.11 92	0.09 37	0.16 69	1.18 342

cc1	0.74 244	0.73 166	2.43 126	0.67 322	0.52 279	0.76 277	0.24 80	0.85 178	1.05 345	0.77 294	0.39 51	0.25 23	0.38 135	0.70 135	0.22 4	0.10 47	2.13 396	0.11 92	0.09 37	0.25 208	2.20 395

tt1	0.74 244	0.73 166	2.34 99	0.67 322	0.63 312	0.75 273	0.24 80	0.85 178	0.96 327	0.81 306	0.38 48	0.26 29	0.35 121	0.64 118	0.22 4	0.10 47	2.16 401	0.11 92	0.09 37	0.25 208	2.19 391

test croco	0.43 25	0.73 166	2.80 270	0.28 34	0.19 63	0.33 7	0.21 30	0.63 76	0.50 35	0.24 9	0.38 48	0.24 20	0.25 41	0.48 59	0.32 78	0.12 143	0.08 38	0.13 191	0.09 37	0.43 333	0.13 12

IER	0.49 66	0.73 166	2.12 64	0.27 22	0.25 124	0.65 221	0.27 125	0.76 112	0.59 76	0.56 151	0.59 182	0.60 189	0.53 242	0.64 118	0.44 131	0.12 143	0.09 81	0.11 92	0.11 109	0.18 110	0.15 30

RAFT-RH_RVC	0.65 191	0.73 166	2.78 267	0.39 198	0.29 164	0.60 142	0.18 10	0.45 7	0.63 103	0.75 290	1.89 372	0.47 128	0.29 88	1.59 264	1.21 291	0.15 233	0.07 6	0.13 191	0.13 159	0.11 17	0.10 4

S-Stereo	0.82 273	0.73 166	3.79 364	0.40 211	0.37 229	0.70 253	0.69 339	1.00 281	1.03 341	0.63 225	0.92 318	0.82 287	0.59 266	2.35 345	0.71 216	0.18 277	0.22 231	0.17 275	0.18 233	0.30 258	0.67 279

IGEVStereo-DCA	0.74 244	0.74 175	2.09 57	0.76 334	0.77 335	0.45 17	0.23 58	0.49 14	0.62 92	0.71 279	0.22 2	0.30 43	0.28 72	1.29 222	1.53 318	0.10 47	1.50 378	0.10 46	0.18 233	0.24 193	2.22 396

rrr	0.84 280	0.74 175	3.40 339	0.76 334	0.77 335	0.45 17	0.28 133	1.23 360	0.84 286	0.71 279	0.22 2	0.30 43	0.28 72	1.29 222	1.53 318	0.10 47	1.50 378	0.10 46	0.29 304	0.24 193	1.75 377

IRAFT_RVC	0.59 141	0.74 175	2.42 121	0.47 254	0.21 77	0.59 130	0.42 252	0.68 89	0.73 199	0.54 130	0.50 114	0.49 136	0.51 232	1.57 257	1.00 269	0.11 110	0.25 246	0.13 191	0.10 71	0.15 60	0.14 24

edge stereo	0.84 280	0.74 175	3.42 343	0.38 185	1.21 377	0.63 195	0.41 246	0.98 270	0.83 274	0.81 306	0.88 312	1.14 358	0.73 302	2.16 335	0.89 253	0.22 309	0.20 221	0.26 333	0.18 233	0.38 310	0.43 198

HCRNet	0.50 70	0.75 179	2.08 56	0.39 198	0.29 164	0.58 112	0.22 39	0.79 132	0.67 135	0.49 81	0.49 102	0.48 134	0.37 128	1.13 200	0.40 116	0.15 233	0.10 104	0.15 245	0.13 159	0.21 159	0.19 60

test_xeample3	0.86 291	0.75 179	3.36 329	0.65 316	0.76 333	0.49 38	0.33 203	1.21 359	0.80 256	0.61 204	0.23 5	0.30 43	0.29 88	1.17 206	1.57 320	0.10 47	1.79 384	0.10 46	0.40 351	0.25 208	2.09 385

CBMV_ROB	0.88 298	0.75 179	2.73 257	0.36 157	0.22 86	0.76 277	0.47 279	1.05 315	0.81 263	1.06 339	1.04 339	0.88 307	1.36 359	2.17 336	2.03 338	0.23 317	0.24 239	0.27 334	0.25 284	0.27 234	0.73 295

DGSMNet	2.93 399	0.77 182	3.44 344	3.58 413	4.25 411	2.53 399	6.86 413	1.03 301	0.88 301	0.58 169	1.85 371	0.79 275	0.62 275	1.63 267	1.46 313	4.62 412	4.98 415	5.15 417	4.71 416	4.52 416	4.37 413

ac_64	0.63 179	0.77 182	2.71 250	0.37 167	0.34 209	0.64 207	0.30 170	0.86 190	0.67 135	0.58 169	0.53 126	0.88 307	0.48 224	1.84 302	0.71 216	0.15 233	0.12 140	0.12 135	0.12 139	0.21 159	0.25 98

DSFCA	0.62 167	0.77 182	1.95 35	0.29 46	0.29 164	0.79 296	0.86 354	0.81 144	0.73 199	0.73 282	0.66 232	0.67 219	0.57 256	1.17 206	1.03 272	0.16 247	0.15 180	0.13 191	0.14 177	0.19 133	0.28 114

GwcNet-ADL	0.54 99	0.78 185	2.85 282	0.31 74	0.20 68	0.58 112	0.29 158	0.93 236	0.67 135	0.48 65	0.47 83	0.56 171	0.33 112	0.48 59	0.80 238	0.13 185	0.12 140	0.09 13	0.09 37	0.14 51	0.40 182

EDNetEfficient	1.29 354	0.78 185	4.27 382	0.65 316	1.03 365	0.94 332	1.38 389	0.87 197	1.75 385	2.33 396	1.32 356	1.04 343	2.21 390	1.59 264	4.07 395	0.16 247	0.19 209	0.15 245	0.27 298	0.38 310	0.40 182

1111x	1.06 336	0.79 187	3.29 325	0.33 111	0.60 302	0.64 207	0.33 203	1.10 338	0.92 313	0.59 188	0.69 242	0.59 182	0.47 218	2.64 367	4.61 400	0.12 143	1.38 373	0.11 92	0.49 365	0.18 110	1.30 357

DRN-Test	0.71 231	0.79 187	2.83 278	0.40 211	0.44 260	0.80 299	0.41 246	1.07 330	0.83 274	0.82 310	0.64 219	0.68 231	0.57 256	1.78 291	0.79 236	0.16 247	0.13 153	0.17 275	0.16 212	0.24 193	0.51 236

DCRE	0.76 256	0.80 189	2.31 94	1.05 360	1.18 375	0.63 195	0.26 111	1.03 301	0.59 76	0.52 118	2.12 377	0.44 107	0.27 62	0.41 41	0.53 165	0.09 11	1.02 345	0.10 46	0.32 320	0.16 69	1.47 369

test_4	0.47 48	0.80 189	2.15 69	0.36 157	0.29 164	0.59 130	0.28 133	0.50 23	0.42 9	0.43 43	0.76 286	0.39 74	0.22 19	0.73 147	0.49 154	0.08 1	0.18 205	0.11 92	0.15 195	0.29 252	0.27 108

DMCA	0.50 70	0.83 191	1.95 35	0.32 91	0.24 118	0.59 130	0.26 111	0.81 144	0.68 159	0.59 188	0.49 102	0.56 171	0.36 123	0.65 122	0.65 201	0.14 215	0.10 104	0.14 220	0.10 71	0.19 133	0.29 120

iRaftStereo_RVC	0.47 48	0.84 192	1.91 29	0.29 46	0.15 13	0.53 66	0.20 20	0.58 55	0.50 35	0.37 25	0.43 64	0.42 91	0.23 25	0.38 27	0.28 42	0.09 11	0.70 324	0.12 135	0.11 109	0.43 333	0.77 298

delet	0.60 147	0.84 192	2.45 150	0.33 111	0.35 217	0.73 266	0.46 275	0.89 211	0.80 256	0.58 169	0.62 204	0.67 219	0.51 232	1.14 202	0.64 196	0.12 143	0.12 140	0.13 191	0.14 177	0.22 173	0.29 120

THIR-Stereo	0.88 298	0.85 194	2.33 98	0.26 15	0.16 20	0.59 130	2.69 401	0.62 70	0.54 54	0.62 216	1.61 366	0.96 325	1.77 379	1.67 274	2.20 351	0.10 47	0.08 38	0.14 220	0.11 109	0.16 69	0.21 72

FC-DCNN	1.60 379	0.85 194	3.44 344	0.46 248	0.39 237	1.96 386	0.66 331	1.72 384	1.70 383	2.75 403	2.91 399	4.20 399	3.15 399	2.72 374	2.66 367	0.30 344	0.26 249	0.31 347	0.30 310	0.33 275	0.91 320

whm_eth	0.51 80	0.86 196	2.79 268	0.31 74	0.31 183	0.49 38	0.24 80	0.78 125	0.75 221	0.48 65	0.86 308	0.26 29	0.26 49	0.38 27	0.29 51	0.13 185	0.11 125	0.13 191	0.12 139	0.14 51	0.44 210

OMP-Stereo	0.64 186	0.87 197	2.38 105	0.56 295	0.37 229	0.60 142	0.26 111	0.75 110	0.71 189	0.65 248	0.60 189	0.68 231	0.32 107	2.07 326	1.18 287	0.11 110	0.08 38	0.12 135	0.09 37	0.17 90	0.28 114

IIG-Stereo	0.65 191	0.87 197	2.32 96	0.55 286	0.23 109	0.62 182	0.21 30	0.78 125	0.71 189	0.64 236	0.69 242	0.69 242	0.38 135	2.07 326	1.37 308	0.11 110	0.08 38	0.11 92	0.09 37	0.15 60	0.27 108

ACVNet	0.54 99	0.87 197	2.45 150	0.28 34	0.22 86	0.59 130	0.36 224	0.69 91	0.73 199	0.49 81	0.59 182	0.69 242	0.42 174	0.47 51	0.70 212	0.11 110	0.10 104	0.10 46	0.09 37	0.36 298	0.39 177

acv_ft	0.57 118	0.87 197	2.45 150	0.33 111	0.41 248	0.63 195	0.29 158	0.86 190	0.73 199	0.64 236	0.59 182	0.69 242	0.45 203	0.47 51	0.68 209	0.11 110	0.10 104	0.10 46	0.09 37	0.43 333	0.39 177

ToySt	0.67 211	0.88 201	2.61 208	0.39 198	0.73 328	0.61 160	0.38 235	0.78 125	0.73 199	0.43 43	0.70 255	0.72 251	0.45 203	0.66 125	0.62 190	0.14 215	0.63 312	0.13 191	0.33 330	0.24 193	1.18 342

TestStereo	0.49 66	0.88 201	2.38 105	0.30 60	0.16 20	0.43 15	0.25 99	0.55 47	0.46 18	0.38 28	0.46 78	0.34 60	0.28 72	1.96 320	0.28 42	0.11 110	0.08 38	0.12 135	0.09 37	0.15 60	0.13 12

sAnonymous2	0.45 40	0.88 201	2.97 297	0.31 74	0.25 124	0.34 8	0.28 133	0.56 48	0.49 29	0.25 11	0.30 20	0.23 14	0.29 88	0.31 3	0.22 4	0.12 143	0.09 81	0.12 135	0.13 159	0.38 310	0.43 198

CroCo_RVC	0.45 40	0.88 201	2.97 297	0.31 74	0.25 124	0.34 8	0.28 133	0.56 48	0.49 29	0.25 11	0.30 20	0.23 14	0.29 88	0.31 3	0.22 4	0.12 143	0.09 81	0.12 135	0.13 159	0.38 310	0.43 198

ELAS_RVC	1.51 373	0.88 201	3.36 329	0.63 311	0.56 289	1.53 368	2.73 402	1.53 376	1.76 386	2.26 394	2.21 383	2.10 382	3.07 398	2.08 329	2.52 362	0.42 356	0.42 280	0.42 364	0.37 344	0.51 349	0.84 309
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
StereoIM	0.35 7	0.89 206	2.15 69	0.25 5	0.29 164	0.29 3	0.17 5	0.47 10	0.41 5	0.21 1	0.22 2	0.28 38	0.21 16	0.32 13	0.31 70	0.10 47	0.09 81	0.10 46	0.08 27	0.11 17	0.12 10

GMOStereo	0.58 126	0.89 206	2.46 157	0.29 46	0.99 358	0.51 46	0.32 190	0.58 55	0.46 18	0.58 169	0.48 89	0.54 156	0.27 62	0.31 3	0.25 23	0.09 11	1.64 380	0.13 191	0.11 109	0.34 281	0.42 193

error version	0.58 126	0.89 206	2.46 157	0.29 46	0.99 358	0.51 46	0.32 190	0.58 55	0.46 18	0.58 169	0.48 89	0.54 156	0.27 62	0.31 3	0.25 23	0.09 11	1.64 380	0.13 191	0.11 109	0.34 281	0.42 193

test-v	0.58 126	0.89 206	2.46 157	0.29 46	0.99 358	0.51 46	0.32 190	0.58 55	0.46 18	0.58 169	0.48 89	0.54 156	0.27 62	0.31 3	0.25 23	0.09 11	1.64 380	0.13 191	0.11 109	0.34 281	0.42 193

test-2	0.58 126	0.89 206	2.46 157	0.29 46	0.99 358	0.51 46	0.32 190	0.58 55	0.46 18	0.58 169	0.48 89	0.54 156	0.27 62	0.31 3	0.25 23	0.09 11	1.64 380	0.13 191	0.11 109	0.34 281	0.42 193

fff	0.50 70	0.90 211	2.63 213	0.25 5	0.15 13	0.51 46	0.22 39	0.85 178	0.82 268	0.55 141	0.48 89	0.31 48	0.65 281	0.39 31	0.37 107	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 198

csc	0.50 70	0.90 211	2.63 213	0.25 5	0.15 13	0.51 46	0.22 39	0.85 178	0.82 268	0.55 141	0.48 89	0.31 48	0.65 281	0.39 31	0.37 107	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 198

cscssc	0.50 70	0.90 211	2.63 213	0.25 5	0.15 13	0.51 46	0.22 39	0.85 178	0.82 268	0.55 141	0.48 89	0.31 48	0.65 281	0.39 31	0.37 107	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 198

CroCo-Stereo Lap2	0.38 13	0.91 214	2.02 46	0.33 111	0.38 235	0.23 2	0.21 30	0.63 76	0.51 40	0.23 6	0.28 15	0.29 42	0.23 25	0.34 15	0.28 42	0.10 47	0.09 81	0.10 46	0.08 27	0.22 173	0.15 30

ADStereo(finetuned)	0.50 70	0.91 214	2.43 126	0.26 15	0.14 8	0.51 46	0.22 39	0.84 168	0.78 240	0.56 151	0.49 102	0.32 52	0.75 310	0.40 35	0.40 116	0.10 47	0.07 6	0.09 13	0.07 12	0.13 35	0.45 215

DCANet	0.49 66	0.91 214	2.63 213	0.26 15	0.14 8	0.51 46	0.22 39	0.84 168	0.78 240	0.56 151	0.49 102	0.32 52	0.41 163	0.39 31	0.41 118	0.10 47	0.07 6	0.09 13	0.07 12	0.14 51	0.45 215

psmorigin	1.41 363	0.91 214	13.83 417	0.37 167	0.30 175	0.63 195	0.37 227	0.80 137	0.64 109	0.98 329	0.87 310	1.16 362	0.78 313	3.95 401	1.09 278	0.19 288	0.22 231	0.17 275	0.19 249	0.25 208	0.47 220

RYNet	0.77 260	0.91 214	2.36 101	0.37 167	0.41 248	0.88 320	0.44 265	0.99 275	0.88 301	0.65 248	0.54 140	0.92 312	0.61 273	2.70 373	1.23 295	0.15 233	0.14 166	0.17 275	0.14 177	0.27 234	0.55 253

MIM_Stereo	0.55 103	0.92 219	2.65 223	0.32 91	1.09 370	0.51 46	0.19 12	0.67 86	0.52 45	0.48 65	0.54 140	0.43 92	0.27 62	0.57 98	0.30 56	0.08 1	0.17 199	0.11 92	0.10 71	0.28 244	0.80 305

MMNet	0.55 103	0.92 219	2.03 47	0.34 128	0.27 149	0.79 296	0.28 133	0.86 190	0.79 249	0.62 216	0.58 177	0.59 182	0.56 251	0.80 163	0.61 187	0.11 110	0.11 125	0.12 135	0.11 109	0.21 159	0.22 77

HSM	0.67 211	0.92 219	2.29 90	0.30 60	0.29 164	0.65 221	0.29 158	0.98 270	0.67 135	0.59 188	0.58 177	1.39 369	0.65 281	2.56 360	0.45 135	0.11 110	0.09 81	0.10 46	0.08 27	0.18 110	0.24 94

ELAS	1.52 374	0.92 219	2.91 290	0.62 309	0.57 292	3.13 401	2.21 400	1.67 382	1.58 381	2.42 397	2.43 386	1.87 379	2.49 393	1.85 304	2.70 369	0.42 356	0.43 283	0.41 362	0.40 351	0.51 349	0.85 313
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
STTStereo	0.58 126	0.95 223	2.95 295	0.37 167	0.31 183	0.62 182	0.32 190	0.81 144	0.63 103	0.61 204	0.55 149	0.67 219	0.43 187	0.87 171	0.48 145	0.16 247	0.16 192	0.17 275	0.20 258	0.17 90	0.25 98

DLCB_ROB	0.61 154	0.96 224	2.00 41	0.37 167	0.25 124	0.65 221	0.37 227	0.86 190	0.76 229	0.73 282	0.70 255	0.84 292	0.47 218	1.57 257	0.72 220	0.13 185	0.13 153	0.14 220	0.14 177	0.18 110	0.33 142

ssnet_v2	0.64 186	0.99 225	2.67 234	0.33 111	0.22 86	0.72 263	0.45 270	1.00 281	0.80 256	0.66 254	0.54 140	0.81 284	0.48 224	0.91 176	1.08 277	0.16 247	0.14 166	0.14 220	0.14 177	0.33 275	0.31 137

LMCR-Stereo	0.61 154	1.00 226	2.60 204	0.42 223	0.22 86	0.74 271	0.31 180	1.06 327	0.70 177	0.62 216	0.64 219	0.40 82	0.52 239	0.84 168	1.27 299	0.20 296	0.09 81	0.12 135	0.09 37	0.26 223	0.16 43

PASM	0.82 273	1.00 226	2.68 239	0.52 275	0.48 272	0.65 221	0.59 314	0.83 161	0.89 306	0.82 310	0.73 273	0.89 310	0.68 291	2.39 350	0.73 221	0.35 352	0.37 268	0.36 355	0.41 355	0.45 338	0.51 236

CBMV	0.86 291	1.00 226	2.82 276	0.35 143	0.21 77	0.78 292	0.78 348	1.05 315	0.87 297	0.90 321	0.74 276	0.87 303	1.89 383	1.67 274	1.38 310	0.19 288	0.20 221	0.21 310	0.19 249	0.28 244	0.84 309
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
RP	0.74 244	1.01 229	2.48 167	0.44 238	0.45 263	0.66 234	0.45 270	0.95 254	0.87 297	0.70 270	0.95 323	0.99 331	0.82 317	1.55 251	0.82 245	0.26 334	0.19 209	0.23 321	0.20 258	0.34 281	0.38 170

TRStereo	0.89 305	1.02 230	2.91 290	4.59 414	0.31 183	0.93 330	0.23 58	1.93 391	0.66 123	0.37 25	0.54 140	0.48 134	0.40 152	0.67 128	0.29 51	0.13 185	0.37 268	0.11 92	0.48 363	0.13 35	1.21 348

ADLNet	0.68 216	1.02 230	2.68 239	0.35 143	0.34 209	0.67 241	0.34 208	0.95 254	0.79 249	0.70 270	0.62 204	0.80 281	0.46 210	1.77 288	0.69 211	0.15 233	0.12 140	0.14 220	0.14 177	0.31 266	0.54 247

psm_up	0.65 191	1.02 230	2.53 178	0.36 157	0.31 183	0.64 207	0.38 235	0.96 257	0.73 199	0.63 225	0.57 171	0.68 231	0.57 256	1.90 316	0.52 162	0.17 266	0.15 180	0.16 261	0.15 195	0.27 234	0.22 77

aanetorigin	0.81 270	1.03 233	2.64 222	0.44 238	0.44 260	0.59 130	1.00 367	0.59 62	0.70 177	1.54 378	1.22 350	0.82 287	1.08 348	1.06 188	1.07 276	0.18 277	0.15 180	0.17 275	0.21 269	0.53 353	0.65 276

NOSS_ROB	0.75 253	1.03 233	2.27 86	0.68 327	0.26 138	0.68 247	0.30 170	0.99 275	0.82 268	0.59 188	0.58 177	0.77 269	0.39 146	2.75 378	0.48 145	0.25 330	0.24 239	0.28 337	0.26 290	0.29 252	1.07 337

MSMD_ROB	1.41 363	1.03 233	2.75 261	0.41 220	0.32 194	2.00 390	0.61 322	0.96 257	1.43 372	2.97 404	2.63 392	4.76 404	2.04 387	2.44 355	1.78 330	0.30 344	0.26 249	0.32 349	0.32 320	0.32 271	0.63 270

XX-TBD	0.40 17	1.04 236	2.49 170	0.35 143	0.13 5	0.51 46	0.17 5	0.44 6	0.52 45	0.38 28	0.51 116	0.23 14	0.19 7	0.31 3	0.25 23	0.10 47	0.07 6	0.08 3	0.06 6	0.09 5	0.18 56

RASNet	0.69 222	1.05 237	2.59 199	0.37 167	0.47 271	0.66 234	0.33 203	0.82 151	0.76 229	0.51 110	0.65 226	0.93 317	0.62 275	2.20 337	0.80 238	0.14 215	0.09 81	0.09 13	0.11 109	0.18 110	0.37 162

DeepPruner_ROB	0.58 126	1.06 238	2.68 239	0.30 60	0.26 138	0.63 195	0.31 180	0.83 161	0.51 40	0.62 216	0.56 161	0.65 210	0.39 146	1.06 188	0.56 174	0.19 288	0.14 166	0.14 220	0.14 177	0.24 193	0.33 142

Sa-1000	0.61 154	1.07 239	2.71 250	0.32 91	0.61 309	0.61 160	0.31 180	1.00 281	0.76 229	0.53 126	0.83 298	0.43 92	0.33 112	0.69 134	0.30 56	0.10 47	0.52 296	0.13 191	0.28 300	0.29 252	0.29 120

MIPNet	0.88 298	1.07 239	2.85 282	0.61 307	0.18 47	1.46 365	1.37 387	1.65 381	0.78 240	1.93 384	0.85 303	0.75 263	1.66 373	0.87 171	0.34 95	0.10 47	0.08 38	0.11 92	0.32 320	0.27 234	0.26 103

SGM_RVC	2.11 390	1.07 239	2.87 285	0.98 357	0.92 350	2.72 400	1.88 399	1.91 390	12.27 412	2.09 386	1.99 375	2.47 387	2.24 391	2.87 383	2.03 338	0.54 366	0.47 287	0.42 364	0.47 362	0.74 369	1.22 350
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
SACVNet	0.68 216	1.08 242	2.58 197	0.38 185	0.28 159	0.65 221	0.37 227	0.91 226	0.65 116	0.67 256	0.62 204	0.69 242	0.47 218	2.07 326	0.65 201	0.18 277	0.14 166	0.16 261	0.15 195	0.39 317	0.41 189

IPLG	0.74 244	1.09 243	2.87 285	0.36 157	0.21 77	1.63 375	0.60 317	1.39 370	0.63 103	1.39 368	0.51 116	0.40 82	0.86 325	1.40 232	0.37 107	0.09 11	0.07 6	0.14 220	0.12 139	0.34 281	0.23 85

GwcNet	0.76 256	1.09 243	3.68 359	0.38 185	0.45 263	0.81 304	0.45 270	0.91 226	0.89 306	0.63 225	0.77 290	0.82 287	0.51 232	1.64 270	0.85 249	0.17 266	0.16 192	0.15 245	0.15 195	0.33 275	0.34 149

hitnet-ft	0.73 241	1.09 243	2.59 199	0.28 34	0.22 86	0.71 257	0.36 224	0.89 211	0.67 135	0.58 169	0.83 298	1.03 339	0.94 338	2.31 342	0.70 212	0.23 317	0.14 166	0.41 362	0.13 159	0.24 193	0.28 114

iResNet	0.59 141	1.09 243	2.54 182	0.44 238	0.18 47	0.65 221	0.29 158	0.89 211	0.75 221	0.59 188	0.64 219	0.43 92	0.39 146	0.73 147	1.24 296	0.11 110	0.08 38	0.09 13	0.08 27	0.21 159	0.40 182

ETE_ROB	0.68 216	1.09 243	2.32 96	0.38 185	0.26 138	0.69 250	0.51 289	1.49 375	0.75 221	0.81 306	0.71 268	0.85 297	0.51 232	1.39 230	0.70 212	0.17 266	0.14 166	0.19 296	0.16 212	0.24 193	0.35 155

RGC	0.78 262	1.10 248	2.55 189	0.45 245	0.45 263	0.73 266	0.40 244	1.00 281	0.75 221	0.75 290	1.04 339	1.02 338	0.73 302	1.74 282	1.15 284	0.24 324	0.19 209	0.28 337	0.26 290	0.31 266	0.38 170

Nwc_Net	0.75 253	1.10 248	2.96 296	0.42 223	0.39 237	0.77 287	0.39 241	1.06 327	0.73 199	0.65 248	1.00 332	0.99 331	0.74 306	1.43 236	0.99 267	0.24 324	0.15 180	0.23 321	0.26 290	0.27 234	0.30 129

APVNet	0.76 256	1.11 250	3.23 317	0.39 198	0.36 223	0.85 313	0.44 265	0.96 257	0.73 199	0.58 169	0.69 242	0.76 267	0.56 251	2.29 341	0.82 245	0.17 266	0.18 205	0.24 326	0.19 249	0.35 292	0.27 108

XPNet_ROB	0.68 216	1.11 250	2.28 88	0.38 185	0.27 149	0.67 241	0.47 279	0.94 241	0.75 221	0.80 305	0.71 268	0.81 284	0.54 244	1.72 279	0.84 248	0.22 309	0.16 192	0.16 261	0.15 195	0.25 208	0.45 215

StereoVision	0.52 82	1.12 252	2.70 249	0.34 128	0.32 194	0.47 30	0.26 111	0.73 106	0.61 83	0.33 22	0.89 314	0.45 119	0.26 49	0.52 79	0.39 115	0.14 215	0.15 180	0.16 261	0.15 195	0.22 173	0.14 24

FCDSN-DC	1.45 367	1.12 252	3.30 326	0.48 255	0.41 248	1.13 352	0.60 317	1.17 353	1.28 365	2.25 393	2.85 396	3.65 396	3.34 401	2.58 362	2.44 360	0.31 346	0.26 249	0.31 347	0.30 310	0.37 304	0.78 301
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
AACVNet	0.61 154	1.13 254	2.47 162	0.37 167	0.21 77	0.57 105	0.25 99	0.75 110	0.55 59	0.56 151	0.60 189	0.66 217	0.44 195	2.11 332	0.49 154	0.14 215	0.11 125	0.14 220	0.11 109	0.35 292	0.23 85

SA	0.61 154	1.14 255	2.79 268	0.32 91	0.63 312	0.57 105	0.30 170	0.97 264	0.78 240	0.43 43	0.63 212	0.39 74	0.46 210	0.70 135	0.31 70	0.10 47	0.44 284	0.13 191	0.32 320	0.31 266	0.51 236

raftrobust	0.52 82	1.14 255	2.15 69	0.33 111	0.99 358	0.53 66	0.21 30	0.59 62	0.50 35	0.53 126	0.36 38	0.31 48	0.33 112	0.47 51	0.42 122	0.10 47	0.55 299	0.09 13	0.08 27	0.22 173	0.46 218

GANet-RSSM	0.63 179	1.14 255	2.67 234	0.38 185	0.26 138	0.59 130	0.29 158	0.81 144	0.56 63	0.50 99	0.57 171	0.67 219	0.50 228	1.91 317	0.50 157	0.14 215	0.10 104	0.24 326	0.12 139	0.36 298	0.28 114

AF-Net	0.76 256	1.14 255	2.74 259	0.42 223	0.41 248	0.70 253	0.41 246	1.07 330	0.94 320	0.73 282	1.05 341	1.04 343	0.86 325	1.23 212	1.00 269	0.23 317	0.15 180	0.25 331	0.18 233	0.32 271	0.35 155

SHD	0.84 280	1.14 255	2.54 182	0.80 341	0.52 279	0.76 277	0.34 208	1.16 350	1.29 366	1.11 342	0.85 303	0.98 328	0.74 306	1.25 217	1.48 314	0.22 309	0.37 268	0.20 306	0.27 298	0.36 298	0.41 189

LALA_ROB	0.68 216	1.14 255	2.50 173	0.37 167	0.29 164	0.78 292	0.55 302	0.99 275	0.84 286	0.82 310	0.68 238	0.93 317	0.50 228	1.01 183	0.89 253	0.21 304	0.15 180	0.21 310	0.18 233	0.26 223	0.30 129

Wz-Net-LNSev-Ref	0.65 191	1.15 261	2.40 113	0.33 111	0.30 175	0.83 307	0.40 244	0.94 241	0.82 268	0.67 256	0.76 286	0.68 231	0.58 263	1.13 200	1.25 297	0.14 215	0.08 38	0.10 46	0.08 27	0.18 110	0.28 114

NLCA_NET_v2_RVC	0.62 167	1.15 261	3.11 312	0.39 198	0.37 229	0.60 142	0.28 133	0.87 197	0.64 109	0.63 225	0.56 161	0.71 250	0.45 203	1.08 191	0.52 162	0.15 233	0.12 140	0.14 220	0.15 195	0.18 110	0.25 98
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MyStereo8	0.73 241	1.16 263	2.89 287	0.53 279	0.34 209	0.71 257	0.20 20	1.87 388	0.59 76	0.53 126	0.66 232	0.50 140	0.33 112	1.27 220	0.62 190	0.10 47	1.19 354	0.10 46	0.21 269	0.21 159	0.61 264

RAFT_CTSACE	0.58 126	1.16 263	2.76 264	0.36 157	0.29 164	0.54 73	0.29 158	0.69 91	0.51 40	0.51 110	0.75 283	0.67 219	0.37 128	0.63 114	0.47 142	0.08 1	0.49 291	0.11 92	0.10 71	0.41 329	0.32 139

CFNet-ft	0.60 147	1.16 263	2.45 150	0.29 46	0.30 175	0.64 207	0.28 133	0.69 91	0.57 66	0.49 81	0.57 171	0.79 275	0.44 195	1.48 244	0.62 190	0.15 233	0.10 104	0.28 337	0.14 177	0.21 159	0.29 120

BEATNet_4x	0.57 118	1.16 263	2.56 193	0.35 143	0.16 20	0.56 86	0.25 99	0.91 226	0.64 109	0.55 141	0.53 126	0.59 182	0.43 187	0.67 128	0.76 227	0.12 143	0.09 81	0.12 135	0.09 37	0.23 187	0.58 256

CFNet_RVC	0.60 147	1.16 263	2.45 150	0.29 46	0.30 175	0.64 207	0.28 133	0.69 91	0.57 66	0.49 81	0.57 171	0.79 275	0.44 195	1.48 244	0.62 190	0.15 233	0.10 104	0.28 337	0.14 177	0.21 159	0.29 120

UCFNet_RVC	0.55 103	1.16 263	2.48 167	0.31 74	0.27 149	0.65 221	0.28 133	0.76 112	0.58 72	0.51 110	0.53 126	0.67 219	0.42 174	0.91 176	0.45 135	0.16 247	0.11 125	0.17 275	0.17 225	0.20 150	0.23 85

iinet-f	0.62 167	1.18 269	2.55 189	0.33 111	0.25 124	0.82 306	0.34 208	0.87 197	0.69 167	0.56 151	0.64 219	0.73 257	0.67 289	0.80 163	0.81 242	0.14 215	0.13 153	0.11 92	0.10 71	0.44 336	0.26 103

raft+_RVC	0.62 167	1.18 269	2.43 126	0.36 157	2.08 402	0.52 61	0.25 99	0.66 83	0.54 54	0.36 23	0.46 78	0.32 52	0.28 72	0.49 69	0.43 128	0.10 47	0.91 335	0.10 46	0.09 37	0.22 173	0.70 291

CVANet_RVC	0.82 273	1.18 269	3.98 371	0.40 211	0.28 159	0.63 195	0.43 259	0.90 219	0.78 240	1.14 345	0.69 242	0.68 231	0.52 239	2.62 365	0.48 145	0.20 296	0.13 153	0.22 314	0.37 344	0.37 304	0.48 224

GEStereo_RVC	0.61 154	1.19 272	2.61 208	0.48 255	0.25 124	0.63 195	0.37 227	1.05 315	0.79 249	0.55 141	0.55 149	0.59 182	0.44 195	1.10 193	0.48 145	0.16 247	0.11 125	0.12 135	0.11 109	0.27 234	0.43 198

PSMNet-RSSM	0.61 154	1.19 272	2.43 126	0.33 111	0.25 124	0.59 130	0.28 133	0.88 205	0.65 116	0.54 130	0.62 204	0.69 242	0.46 210	1.67 274	0.50 157	0.15 233	0.10 104	0.14 220	0.16 212	0.20 150	0.28 114

HGLStereo	0.61 154	1.20 274	2.59 199	0.36 157	0.40 243	0.65 221	0.30 170	0.87 197	0.67 135	0.60 197	0.70 255	0.69 242	0.56 251	1.07 190	0.59 180	0.14 215	0.13 153	0.13 191	0.12 139	0.23 187	0.23 85

GANet	0.92 311	1.20 274	2.68 239	0.45 245	0.27 149	0.76 277	0.66 331	0.94 241	0.77 237	0.79 303	1.17 346	0.84 292	0.91 332	2.72 374	1.76 328	0.18 277	0.42 280	0.44 367	0.20 258	0.33 275	0.94 323

TestStereo1	0.59 141	1.21 276	2.63 213	0.40 211	0.60 302	0.56 86	0.34 208	0.82 151	0.73 199	0.45 51	0.63 212	0.36 64	0.42 174	0.66 125	0.42 122	0.10 47	0.32 260	0.12 135	0.10 71	0.34 281	0.52 241

SA-5K	0.59 141	1.21 276	2.63 213	0.40 211	0.60 302	0.56 86	0.34 208	0.82 151	0.73 199	0.45 51	0.63 212	0.36 64	0.42 174	0.66 125	0.42 122	0.10 47	0.32 260	0.12 135	0.10 71	0.34 281	0.52 241

Consistency-Raft	0.92 311	1.21 276	3.50 347	0.98 357	0.63 312	0.77 287	0.54 298	1.02 295	1.01 339	0.62 216	1.03 337	0.65 210	1.04 345	0.81 166	1.36 306	0.45 361	0.47 287	0.51 370	0.59 378	0.65 365	0.47 220

PVD	1.05 335	1.21 276	2.36 101	0.84 344	0.91 349	1.04 341	0.64 326	1.32 366	1.68 382	1.43 372	1.41 361	1.14 358	1.15 352	1.49 246	1.77 329	0.27 337	0.65 314	0.28 337	0.35 338	0.40 323	0.73 295

WCMA_ROB	1.29 354	1.21 276	3.13 314	0.65 316	0.36 223	1.20 359	0.78 348	1.00 281	0.98 334	1.78 383	2.62 391	3.08 393	2.01 386	1.86 306	2.35 358	0.38 353	0.38 272	0.32 349	0.32 320	0.31 266	1.06 336

ADLNet2	0.73 241	1.22 281	3.28 323	0.34 128	0.36 223	0.65 221	0.37 227	0.94 241	0.87 297	0.57 163	0.65 226	0.92 312	0.48 224	2.05 324	0.60 182	0.13 185	0.11 125	0.11 92	0.11 109	0.37 304	0.38 170

NCC-stereo	0.88 298	1.22 281	2.97 297	0.60 301	0.45 263	1.88 384	0.48 281	1.04 307	0.75 221	0.70 270	0.85 303	0.93 317	0.84 320	1.81 296	1.51 316	0.28 340	0.19 209	0.23 321	0.31 315	0.27 234	0.35 155

Abc-Net	0.88 298	1.22 281	2.97 297	0.60 301	0.45 263	1.88 384	0.48 281	1.04 307	0.75 221	0.70 270	0.85 303	0.93 317	0.84 320	1.81 296	1.51 316	0.28 340	0.19 209	0.23 321	0.31 315	0.27 234	0.35 155
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	1.07 338	1.22 281	2.80 270	0.40 211	0.33 200	1.50 367	1.87 398	0.97 264	1.04 344	1.26 362	1.28 352	0.99 331	1.41 363	1.36 229	3.51 384	0.17 266	0.14 166	0.22 314	0.21 269	0.32 271	0.43 198

FBW_ROB	0.94 317	1.23 285	2.35 100	0.46 248	0.32 194	0.87 318	0.46 275	1.15 347	0.97 333	0.83 313	0.78 294	1.01 335	0.64 280	3.65 399	1.65 321	0.27 337	0.24 239	0.40 360	0.26 290	0.32 271	0.88 317

fast-acv-ft	0.67 211	1.24 286	3.26 321	0.39 198	0.30 175	0.80 299	0.48 281	0.74 108	0.76 229	0.60 197	0.78 294	0.76 267	0.60 271	0.70 135	0.78 233	0.16 247	0.15 180	0.18 291	0.17 225	0.38 310	0.24 94

raft_robust	0.68 216	1.24 286	2.42 121	0.30 60	0.57 292	0.53 66	0.25 99	0.95 254	0.79 249	0.49 81	0.46 78	1.12 356	0.74 306	1.50 247	0.61 187	0.09 11	0.62 311	0.10 46	0.30 310	0.26 223	0.30 129

StereoDRNet	0.71 231	1.24 286	2.56 193	0.42 223	0.45 263	0.73 266	0.46 275	0.98 270	0.81 263	0.77 294	0.56 161	0.74 259	0.48 224	1.69 278	0.91 255	0.15 233	0.14 166	0.15 245	0.15 195	0.26 223	0.51 236

RAFT+CT+SA	0.60 147	1.25 289	2.49 170	0.38 185	0.75 330	0.55 82	0.34 208	0.83 161	0.68 159	0.39 30	0.55 149	0.44 107	0.29 88	0.75 151	0.28 42	0.09 11	0.24 239	0.11 92	0.51 368	0.30 258	0.74 297

test_5	0.61 154	1.25 289	2.76 264	0.39 198	0.64 316	0.58 112	0.35 217	0.85 178	0.66 123	0.49 81	0.56 161	0.55 164	0.40 152	0.79 159	0.32 78	0.10 47	0.19 209	0.12 135	0.12 139	0.33 275	0.85 313

pmcnn	1.44 365	1.25 289	3.57 354	0.74 332	1.42 386	0.72 263	0.56 306	1.04 307	1.06 347	1.03 336	2.89 398	6.01 408	0.75 310	2.54 359	3.60 386	0.14 215	0.11 125	0.08 3	0.06 6	0.34 281	0.81 307

EDNetEfficientorigin	8.19 412	1.27 292	145.54 437	0.51 274	0.96 354	0.75 273	0.49 286	0.86 190	1.57 380	2.12 388	1.49 363	1.28 364	1.35 357	1.84 302	2.15 348	0.14 215	0.13 153	0.17 275	0.18 233	0.39 317	0.64 275

cf-r	0.62 167	1.27 292	2.99 302	0.34 128	0.28 159	0.60 142	0.28 133	0.82 151	0.70 177	0.55 141	0.61 197	0.77 269	0.41 163	1.32 225	0.52 162	0.13 185	0.09 81	0.11 92	0.12 139	0.22 173	0.27 108

TDLM	0.83 277	1.28 294	2.38 105	0.46 248	0.26 138	0.66 234	0.55 302	0.87 197	0.80 256	2.54 399	0.62 204	0.61 191	0.51 232	2.68 372	0.67 206	0.20 296	0.11 125	0.35 354	0.15 195	0.33 275	0.48 224

HITNet	0.55 103	1.28 294	2.73 257	0.35 143	0.14 8	0.56 86	0.23 58	0.89 211	0.62 92	0.52 118	0.51 116	0.49 136	0.38 135	0.52 79	0.60 182	0.09 11	0.07 6	0.10 46	0.08 27	0.25 208	0.61 264
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
4D-IteraStereo	0.62 167	1.29 296	3.04 306	0.27 22	0.30 175	0.46 20	0.26 111	0.54 39	0.51 40	0.41 33	0.31 25	0.39 74	0.19 7	0.53 86	0.65 201	0.09 11	0.47 287	0.12 135	0.11 109	0.21 159	2.14 388

Wz-Net-LNSev	0.66 208	1.30 297	2.81 274	0.35 143	0.37 229	0.80 299	0.48 281	0.91 226	0.87 297	0.63 225	0.70 255	0.80 281	0.59 266	0.67 128	0.68 209	0.15 233	0.14 166	0.12 135	0.12 139	0.24 193	0.38 170

DMCA-RVC	0.70 227	1.30 297	3.59 356	0.37 167	0.89 347	0.57 105	0.31 180	0.73 106	0.59 76	0.69 267	0.54 140	0.59 182	0.57 256	1.25 217	0.66 204	0.16 247	0.38 272	0.20 306	0.15 195	0.22 173	0.23 85

dd	0.48 55	1.32 299	2.41 117	0.31 74	0.17 37	0.58 112	0.26 111	0.50 23	0.71 189	0.42 37	0.41 60	0.34 60	0.28 72	0.47 51	0.41 118	0.18 277	0.10 104	0.13 191	0.12 139	0.22 173	0.16 43

GMStereo	0.44 37	1.32 299	2.65 223	0.28 34	0.16 20	0.42 14	0.22 39	0.48 11	0.63 103	0.41 33	0.36 38	0.26 29	0.25 41	0.41 41	0.30 56	0.14 215	0.08 38	0.10 46	0.12 139	0.17 90	0.13 12
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
XQC	0.84 280	1.32 299	2.61 208	0.78 339	0.44 260	0.89 322	0.53 295	1.16 350	1.07 348	0.85 315	0.69 242	0.92 312	0.73 302	1.40 232	1.44 312	0.24 324	0.35 266	0.23 321	0.26 290	0.45 338	0.39 177

NCCL2	0.71 231	1.32 299	2.30 92	0.44 238	0.31 183	0.71 257	0.67 335	0.89 211	0.69 167	0.70 270	0.61 197	0.85 297	0.54 244	1.58 263	0.70 212	0.20 296	0.17 199	0.66 376	0.25 284	0.26 223	0.38 170

rafts_anoy	0.60 147	1.33 303	2.59 199	0.53 279	1.09 370	0.49 38	0.25 99	0.67 86	0.53 51	0.41 33	0.38 48	0.33 56	0.30 98	0.68 132	0.41 118	0.10 47	1.13 352	0.13 191	0.15 195	0.20 150	0.29 120

DeepPrunerF	0.92 311	1.33 303	3.41 340	0.46 248	0.51 277	0.64 207	0.49 286	1.16 350	2.62 395	0.65 248	0.61 197	0.65 210	0.62 275	2.23 338	1.31 300	0.23 317	0.19 209	0.30 346	0.28 300	0.39 317	0.34 149

CBFPSM	0.62 167	1.34 305	2.12 64	0.30 60	0.23 109	0.71 257	0.38 235	0.77 118	0.68 159	0.51 110	0.49 102	1.03 339	0.82 317	0.63 114	1.35 304	0.11 110	0.12 140	0.10 46	0.10 71	0.19 133	0.37 162

RALCasStereoNet	0.65 191	1.34 305	2.56 193	0.43 233	0.96 354	0.50 44	0.26 111	0.62 70	0.56 63	0.43 43	0.49 102	0.36 64	0.28 72	0.72 146	0.53 165	0.10 47	1.18 353	0.09 13	0.08 27	0.27 234	1.27 353

MeshStereo	1.29 354	1.34 305	3.04 306	0.35 143	0.28 159	1.10 350	0.69 339	1.42 372	1.07 348	2.71 402	2.43 386	2.95 389	1.50 369	2.92 384	2.03 338	0.23 317	0.22 231	0.22 314	0.19 249	0.50 347	0.69 288
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
iRaft-Stereo_5w	0.65 191	1.35 308	2.21 80	0.30 60	0.63 312	0.49 38	0.28 133	0.78 125	0.64 109	0.41 33	0.61 197	0.62 196	0.46 210	1.79 293	0.48 145	0.10 47	0.25 246	0.11 92	0.12 139	0.40 323	0.94 323

dad	0.58 126	1.35 308	2.39 111	0.31 74	0.20 68	0.62 182	0.26 111	0.56 48	0.79 249	0.66 254	0.64 219	0.64 206	0.36 123	0.87 171	0.48 145	0.28 340	0.15 180	0.40 360	0.18 233	0.24 193	0.22 77

RAFT	0.62 167	1.35 308	2.26 85	0.62 309	0.53 284	0.47 30	0.35 217	0.70 98	0.58 72	0.50 99	0.50 114	0.79 275	0.40 152	0.49 69	0.36 104	0.11 110	0.79 329	0.14 220	0.13 159	0.52 352	0.72 294

SAMSARA	1.11 343	1.35 308	2.60 204	1.34 372	0.77 335	1.67 377	1.41 393	1.47 374	0.99 337	1.54 378	0.89 314	1.44 371	0.90 331	1.88 310	1.71 322	0.25 330	0.55 299	0.22 314	0.34 336	0.39 317	0.50 232

LL-Strereo2	0.62 167	1.36 312	2.47 162	1.37 374	0.96 354	0.54 73	0.28 133	0.61 67	0.49 29	0.42 37	0.34 34	0.44 107	0.21 16	0.57 98	0.53 165	0.11 110	0.26 249	0.16 261	0.14 177	0.18 110	0.98 333

UDGNet	0.50 70	1.36 312	2.44 134	0.37 167	0.19 63	0.58 112	0.23 58	0.49 14	0.69 167	0.42 37	0.39 51	0.34 60	0.29 88	0.55 92	0.32 78	0.25 330	0.10 104	0.37 357	0.19 249	0.30 258	0.17 49

PA-Net	0.93 316	1.36 312	4.14 376	0.64 314	0.41 248	0.70 253	0.53 295	0.91 226	0.88 301	0.53 126	0.60 189	0.70 248	0.54 244	2.40 351	2.57 366	0.17 266	0.28 257	0.19 296	0.28 300	0.25 208	0.48 224
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
RALAANet	0.52 82	1.37 315	2.63 213	0.33 111	0.23 109	0.48 33	0.19 12	0.69 91	0.55 59	0.49 81	0.46 78	0.39 74	0.31 102	0.53 86	0.53 165	0.10 47	0.33 264	0.11 92	0.17 225	0.29 252	0.13 12

ADCPNet	1.07 338	1.37 315	4.54 391	0.38 185	0.68 323	1.36 360	0.64 326	0.93 236	0.83 274	0.79 303	0.82 296	1.08 350	1.18 354	1.30 224	2.68 368	0.21 304	0.69 321	0.21 310	0.95 396	0.30 258	0.54 247

PS-NSSS	0.69 222	1.37 315	2.44 134	0.31 74	0.32 194	0.64 207	0.34 208	1.04 307	0.74 216	0.56 151	0.75 283	0.51 143	0.42 174	2.41 353	0.54 170	0.24 324	0.17 199	0.27 334	0.18 233	0.30 258	0.23 85

GwcNet-RSSM	0.64 186	1.38 318	2.69 245	0.33 111	0.26 138	0.60 142	0.32 190	0.84 168	0.73 199	0.56 151	0.65 226	0.72 251	0.42 174	1.78 291	0.60 182	0.14 215	0.10 104	0.12 135	0.13 159	0.26 223	0.26 103

RTSC	0.84 280	1.40 319	2.67 234	0.50 271	0.40 243	0.83 307	0.33 203	1.11 342	1.14 356	0.93 327	0.82 296	0.84 292	0.58 263	1.34 227	1.82 332	0.18 277	0.49 291	0.14 220	0.30 310	0.46 342	0.42 193

111	0.57 118	1.41 320	2.63 213	0.25 5	0.15 13	0.59 130	0.26 111	0.90 219	0.83 274	0.50 99	0.54 140	0.57 175	0.38 135	0.54 91	0.41 118	0.10 47	0.07 6	0.09 13	0.07 12	0.24 193	0.81 307

MaskLacGwcNet_RVC	0.84 280	1.41 320	2.80 270	0.94 353	0.35 217	0.89 322	0.41 246	0.89 211	0.66 123	0.57 163	0.63 212	0.75 263	0.38 135	2.37 346	0.55 172	1.16 390	0.31 259	0.36 355	0.21 269	0.59 358	0.63 270

MLCV	0.59 141	1.41 320	2.41 117	0.31 74	0.15 13	0.60 142	0.23 58	0.77 118	0.63 103	0.67 256	0.66 232	0.55 164	0.37 128	1.16 204	1.09 278	0.10 47	0.07 6	0.09 13	0.07 12	0.21 159	0.29 120

PWC_ROB	0.81 270	1.41 320	2.60 204	0.41 220	0.40 243	0.63 195	0.31 180	1.04 307	0.99 337	0.92 324	1.29 353	0.78 273	0.68 291	1.65 273	1.50 315	0.19 288	0.12 140	0.18 291	0.13 159	0.51 349	0.54 247

Wz-Net-MNSev	0.74 244	1.42 324	2.75 261	0.38 185	0.33 200	0.90 325	0.61 322	0.98 270	0.94 320	0.77 294	0.75 283	0.75 263	0.66 287	1.39 230	0.76 227	0.17 266	0.13 153	0.14 220	0.14 177	0.28 244	0.48 224

LSM	3.40 402	1.42 324	5.81 403	9.98 419	30.74 433	0.86 314	1.14 375	0.99 275	1.26 363	1.40 370	2.18 380	0.93 317	0.85 323	1.76 285	1.03 272	0.22 309	0.35 266	0.24 326	0.29 304	0.40 323	6.21 416

PSMNet_ROB	0.75 253	1.42 324	2.93 292	0.39 198	0.32 194	0.73 266	0.56 306	0.90 219	0.74 216	0.56 151	0.60 189	0.75 263	0.47 218	2.00 322	1.31 300	0.18 277	0.13 153	0.19 296	0.20 258	0.26 223	0.40 182

Syn2CoEx	0.78 262	1.43 327	3.54 352	0.44 238	0.31 183	0.64 207	0.43 259	1.04 307	0.83 274	0.64 236	0.77 290	0.74 259	0.74 306	1.91 317	0.64 196	0.20 296	0.17 199	0.19 296	0.15 195	0.30 258	0.59 259

GANetREF_RVC	0.81 270	1.44 328	3.04 306	0.49 266	0.27 149	0.83 307	0.63 325	1.03 301	0.92 313	0.63 225	0.61 197	0.72 251	0.59 266	2.40 351	0.58 178	0.33 349	0.25 246	0.37 357	0.25 284	0.41 329	0.36 161
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
ADCRef	0.88 298	1.45 329	2.68 239	0.38 185	0.35 217	0.95 334	0.51 289	0.92 233	0.81 263	0.89 319	0.84 300	0.61 191	1.35 357	1.26 219	3.38 381	0.14 215	0.12 140	0.17 275	0.19 249	0.28 244	0.34 149

CFNet	0.65 191	1.45 329	2.27 86	0.34 128	0.25 124	0.64 207	0.23 58	0.93 236	0.79 249	0.48 65	0.59 182	0.58 179	0.40 152	2.28 340	0.63 195	0.13 185	0.09 81	0.15 245	0.14 177	0.34 281	0.26 103

AANet_RVC	0.79 265	1.46 331	2.72 252	0.34 128	0.25 124	0.59 130	0.32 190	0.88 205	0.83 274	0.62 216	0.95 323	0.80 281	0.43 187	2.46 356	1.72 324	0.38 353	0.26 249	0.10 46	0.09 37	0.25 208	0.43 198

NaN_ROB	1.25 351	1.46 331	3.84 368	0.54 285	0.56 289	1.12 351	0.99 363	1.05 315	1.03 341	1.10 341	0.87 310	0.77 269	1.07 347	5.85 408	2.98 374	0.16 247	0.23 236	0.16 261	0.24 278	0.28 244	0.66 277

PDISCO_ROB	0.84 280	1.46 331	2.84 280	0.65 316	0.59 297	1.17 356	0.48 281	1.19 356	1.08 350	0.67 256	0.72 271	1.00 334	0.61 273	1.24 214	1.05 274	0.38 353	0.18 205	0.28 337	0.24 278	0.58 357	0.44 210

RAFT-Stereo + iAFF	0.58 126	1.48 334	2.53 178	0.29 46	0.78 338	0.52 61	0.20 20	0.68 89	0.66 123	0.51 110	0.61 197	0.40 82	0.32 107	0.40 35	0.43 128	0.08 1	0.63 312	0.09 13	0.09 37	0.37 304	0.58 256

AASNet	0.66 208	1.49 335	2.97 297	0.37 167	0.33 200	0.65 221	0.30 170	1.00 281	0.78 240	0.56 151	0.60 189	0.55 164	0.39 146	0.88 175	0.96 258	0.15 233	0.12 140	0.13 191	0.11 109	0.45 338	0.35 155

AFF-stereo	0.57 118	1.51 336	2.59 199	0.33 111	0.23 109	0.51 46	0.21 30	0.69 91	0.68 159	0.49 81	0.63 212	0.49 136	0.34 119	0.50 74	0.37 107	0.08 1	0.54 297	0.10 46	0.10 71	0.40 323	0.60 263

FADNet_RVC	0.87 297	1.51 336	2.90 289	0.31 74	0.24 118	0.71 257	0.25 99	1.00 281	0.65 116	0.45 51	0.57 171	0.61 191	0.44 195	1.53 249	0.75 224	0.94 380	0.97 337	0.28 337	1.00 399	0.89 377	1.36 363

FADNet-RVC-Resample	0.74 244	1.54 338	3.81 366	0.38 185	0.29 164	0.62 182	0.38 235	0.91 226	0.67 135	0.52 118	0.51 116	0.63 200	0.44 195	1.56 253	0.59 180	0.24 324	0.32 260	0.22 314	0.19 249	0.30 258	0.71 293

ACRE	0.63 179	1.55 339	3.41 340	0.76 334	0.28 159	0.60 142	0.56 306	0.82 151	0.68 159	0.57 163	0.62 204	0.43 92	0.30 98	0.47 51	0.42 122	0.12 143	0.19 209	0.13 191	0.14 177	0.36 298	0.20 68

HBP-ISP	0.82 273	1.57 340	3.28 323	0.50 271	0.27 149	0.86 314	0.54 298	1.09 335	0.78 240	0.81 306	0.70 255	0.68 231	1.00 342	2.02 323	0.47 142	0.24 324	0.24 239	0.29 345	0.25 284	0.28 244	0.52 241

UDG	0.86 291	1.57 340	2.80 270	0.68 327	0.59 297	0.78 292	0.38 235	0.97 264	0.74 216	0.63 225	0.70 255	1.01 335	0.68 291	1.02 184	1.22 294	0.45 361	0.34 265	0.89 383	0.51 368	0.73 368	0.58 256

CC-Net-ROB	0.95 318	1.57 340	2.93 292	0.90 349	0.39 237	0.87 318	0.44 265	1.12 344	0.83 274	0.59 188	0.69 242	0.64 206	0.50 228	2.73 376	0.93 256	0.97 383	0.40 278	0.87 382	0.29 304	0.61 362	0.66 277

Anonymous Stereo	0.83 277	1.57 340	3.56 353	0.46 248	0.39 237	0.63 195	0.84 353	0.92 233	0.83 274	0.68 262	0.68 238	0.64 206	0.42 174	2.42 354	1.02 271	0.23 317	0.23 236	0.19 296	0.20 258	0.31 266	0.40 182

PWCDC_ROB	0.83 277	1.57 340	2.63 213	0.48 255	0.37 229	0.78 292	0.29 158	1.04 307	1.36 371	0.63 225	2.05 376	0.64 206	0.70 297	1.10 193	1.20 290	0.33 349	0.14 166	0.15 245	0.12 139	0.63 363	0.46 218

CIPLG	0.63 179	1.59 345	3.16 315	0.79 340	0.31 183	0.62 182	0.57 309	0.82 151	0.68 159	0.58 169	0.63 212	0.43 92	0.31 102	0.48 59	0.42 122	0.12 143	0.20 221	0.13 191	0.13 159	0.36 298	0.21 72

RTS	1.29 354	1.59 345	6.48 406	0.63 311	0.57 292	1.59 372	0.90 359	1.15 347	1.44 373	1.20 354	1.31 354	1.10 354	0.87 328	2.67 369	2.27 356	0.21 304	0.38 272	0.19 296	0.20 258	0.46 342	0.68 284

RTSA	1.29 354	1.59 345	6.48 406	0.63 311	0.57 292	1.59 372	0.90 359	1.15 347	1.44 373	1.20 354	1.31 354	1.10 354	0.87 328	2.67 369	2.27 356	0.21 304	0.38 272	0.19 296	0.20 258	0.46 342	0.68 284

iResNet_ROB	0.60 147	1.59 345	2.04 50	0.32 91	0.21 77	0.60 142	0.22 39	0.99 275	0.85 289	0.61 204	0.63 212	0.58 179	0.42 174	1.08 191	0.98 265	0.11 110	0.08 38	0.09 13	0.06 6	0.23 187	0.33 142

FADNet	0.71 231	1.60 349	2.53 178	0.33 111	0.30 175	0.67 241	0.29 158	0.92 233	0.75 221	0.45 51	0.49 102	0.66 217	0.57 256	1.85 304	0.85 249	0.46 363	0.20 221	0.17 275	0.20 258	0.60 359	0.37 162

SuperB	1.19 348	1.62 350	5.29 399	0.37 167	0.26 138	0.81 304	0.87 355	0.94 241	1.19 361	0.68 262	0.68 238	0.63 200	1.37 360	1.73 280	3.30 378	0.16 247	0.12 140	0.17 275	0.16 212	2.74 410	0.63 270

NVStereoNet_ROB	1.45 367	1.62 350	3.59 356	1.09 362	0.70 326	0.86 314	0.67 335	1.19 356	1.51 377	1.20 354	4.05 404	1.61 375	1.94 384	2.97 386	2.07 342	0.67 372	0.69 321	0.55 371	0.70 382	0.57 356	0.67 279
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DDUNet	0.90 308	1.63 352	2.77 266	0.77 337	0.69 324	0.83 307	0.44 265	0.90 219	0.70 177	0.68 262	0.76 286	0.92 312	0.54 244	1.14 202	1.35 304	0.61 369	0.37 268	0.96 385	0.52 370	0.77 373	0.67 279

DN-CSS_ROB	0.56 111	1.64 353	2.75 261	0.42 223	0.22 86	0.57 105	0.19 12	0.79 132	0.66 123	0.46 61	0.62 204	0.41 87	0.32 107	0.73 147	0.49 154	0.12 143	0.08 38	0.14 220	0.13 159	0.38 310	0.17 49

FADNet-RVC	0.69 222	1.65 354	2.74 259	0.35 143	0.26 138	0.60 142	0.29 158	0.91 226	0.67 135	0.46 61	0.51 116	0.62 196	0.46 210	1.75 283	0.81 242	0.17 266	0.20 221	0.17 275	0.18 233	0.60 359	0.39 177

SPS-STEREO	1.22 350	1.65 354	3.41 340	0.66 320	0.69 324	1.01 339	0.68 337	1.10 338	0.96 327	1.40 370	1.25 351	1.46 372	1.08 348	2.05 324	2.24 354	0.66 371	0.61 308	0.58 372	0.57 376	0.66 366	1.65 375
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
IPLGR_C	0.64 186	1.66 356	3.36 329	0.80 341	0.31 183	0.60 142	0.60 317	0.82 151	0.69 167	0.58 169	0.62 204	0.44 107	0.31 102	0.47 51	0.43 128	0.12 143	0.22 231	0.13 191	0.15 195	0.35 292	0.21 72

ADCP+	1.03 333	1.68 357	3.83 367	0.35 143	0.39 237	1.05 343	0.79 350	0.94 241	0.86 295	0.69 267	0.68 238	0.85 297	1.53 372	1.02 184	4.56 399	0.13 185	0.12 140	0.16 261	0.15 195	0.28 244	0.44 210

ARAFT	0.65 191	1.69 358	3.34 328	0.29 46	0.16 20	0.65 221	0.36 224	0.96 257	0.73 199	0.63 225	0.49 102	0.56 171	0.31 102	1.23 212	0.35 102	0.11 110	0.08 38	0.14 220	0.13 159	0.38 310	0.50 232

LL-Strereo	0.85 288	1.73 359	3.06 310	0.37 167	0.61 309	0.54 73	0.33 203	1.01 289	0.76 229	0.69 267	0.58 177	0.85 297	0.78 313	2.65 368	0.54 170	0.14 215	0.58 305	0.14 220	0.12 139	0.42 331	1.05 335

RAFT + AFF	0.79 265	1.73 359	2.99 302	0.34 128	0.35 217	0.67 241	0.51 289	1.05 315	0.79 249	0.54 130	0.58 177	0.59 182	0.81 316	1.80 294	1.21 291	0.13 185	0.27 255	0.15 245	0.14 177	0.45 338	0.69 288

MFMNet_re	1.01 328	1.73 359	3.04 306	0.85 345	0.76 333	0.93 330	0.81 351	1.02 295	1.10 351	1.05 337	1.06 342	0.84 292	0.96 339	0.93 178	0.97 259	0.68 373	0.61 308	0.63 375	0.60 380	0.77 373	0.80 305

CSAN	1.38 361	1.74 362	4.12 375	0.53 279	0.38 235	1.06 346	1.15 377	1.29 363	1.12 354	1.19 349	1.90 373	1.04 343	1.44 364	5.92 409	2.82 372	0.26 334	0.22 231	0.24 326	0.25 284	0.35 292	0.54 247

AnyNet_C32	1.08 341	1.76 363	3.01 304	0.50 271	0.54 285	1.17 356	1.16 379	0.97 264	0.95 325	1.11 342	0.98 328	0.87 303	0.93 337	1.57 257	4.11 396	0.22 309	0.20 221	0.25 331	0.25 284	0.40 323	0.68 284

SANet	1.35 359	1.80 364	4.39 387	0.41 220	0.29 164	1.72 379	0.89 358	1.17 353	2.47 393	1.22 358	1.82 370	1.72 377	1.70 376	2.57 361	3.30 378	0.18 277	0.16 192	0.16 261	0.15 195	0.34 281	0.62 266

ADCMid	1.06 336	1.82 365	3.53 351	0.39 198	0.36 223	0.99 337	0.58 311	1.01 289	0.94 320	1.23 360	1.02 335	1.01 335	1.01 343	1.11 197	4.04 394	0.22 309	0.19 209	0.42 364	0.32 320	0.42 331	0.53 244

Wz-Net-SNSev	0.85 288	1.83 366	3.36 329	0.42 223	0.31 183	0.71 257	0.66 331	1.04 307	0.94 320	0.68 262	0.85 303	0.96 325	0.62 275	1.75 283	1.14 283	0.16 247	0.15 180	0.16 261	0.17 225	0.39 317	0.63 270

WZ-Net	1.04 334	1.83 366	4.20 379	0.42 223	0.36 223	0.88 320	0.71 341	1.05 315	1.11 353	0.84 314	0.94 320	1.06 347	1.17 353	2.37 346	2.24 354	0.20 296	0.14 166	0.15 245	0.16 212	0.36 298	0.53 244

WAO-6	1.69 381	1.87 368	3.21 316	1.15 368	1.01 363	2.29 394	1.06 371	1.85 387	2.84 399	1.30 365	2.59 390	2.19 384	1.67 374	2.62 365	2.52 362	0.96 382	0.68 318	1.19 392	0.84 390	1.13 381	0.95 326

AnyNet_C01	1.20 349	1.89 369	4.25 381	0.55 286	0.54 285	1.57 370	1.39 390	1.10 338	1.13 355	1.19 349	1.34 358	1.15 360	1.11 350	1.73 280	2.89 373	0.26 334	0.24 239	0.28 337	0.24 278	0.50 347	0.68 284

iResNetv2_ROB	0.71 231	1.90 370	3.48 346	0.43 233	0.22 86	0.60 142	0.29 158	0.96 257	0.78 240	0.60 197	0.65 226	0.60 189	0.46 210	0.80 163	1.21 291	0.12 143	0.08 38	0.10 46	0.07 12	0.44 336	0.33 142

SQANet	0.92 311	1.96 371	3.23 317	0.77 337	0.83 341	0.76 277	0.38 235	0.87 197	0.68 159	0.64 236	0.69 242	0.73 257	0.52 239	1.35 228	1.36 306	0.80 376	0.30 258	0.60 374	0.29 304	0.93 378	0.70 291

FINET	1.92 385	1.96 371	4.49 390	1.62 386	1.39 385	3.51 404	4.39 408	2.89 401	2.58 394	1.39 368	1.98 374	1.35 368	2.12 389	1.64 270	2.12 345	0.84 378	1.03 346	0.18 291	0.29 304	0.54 354	2.12 387

IMH-64-1	1.50 370	1.98 373	2.69 245	1.39 375	1.12 372	1.39 363	1.19 381	1.80 385	1.47 375	1.19 349	2.20 381	1.53 373	1.51 370	2.12 333	1.98 335	1.34 395	0.68 318	1.28 395	0.70 382	1.37 392	1.12 339

IMH-64	1.50 370	1.98 373	2.69 245	1.39 375	1.12 372	1.39 363	1.19 381	1.80 385	1.47 375	1.19 349	2.20 381	1.53 373	1.51 370	2.12 333	1.98 335	1.34 395	0.68 318	1.28 395	0.70 382	1.37 392	1.12 339

coex-ft	6.14 410	1.98 373	60.80 435	0.34 128	0.30 175	0.80 299	1.17 380	0.76 112	4.34 403	19.82 423	2.15 379	1.61 375	8.77 413	1.82 299	10.36 415	0.44 360	2.05 390	0.18 291	0.19 249	0.39 317	4.61 415

GASNet	0.84 280	1.98 373	4.07 374	0.48 255	0.33 200	0.58 112	0.34 208	0.97 264	0.81 263	0.60 197	0.59 182	0.74 259	0.55 249	2.08 329	1.18 287	0.22 309	0.15 180	0.19 296	0.17 225	0.55 355	0.29 120

MFN_U_SF_DS_RVC	1.08 341	2.01 377	2.56 193	0.49 266	0.40 243	1.49 366	0.96 362	1.02 295	0.95 325	0.85 315	0.94 320	1.06 347	0.59 266	2.92 384	1.15 284	0.43 359	0.74 328	0.32 349	0.55 373	0.74 369	1.35 361

ADCS	1.14 345	2.02 378	3.36 329	0.43 233	0.37 229	0.96 336	0.81 351	1.12 344	1.17 360	1.25 361	0.98 328	1.08 350	0.92 335	1.41 234	4.97 402	0.23 317	0.21 229	0.22 314	0.23 276	0.40 323	0.67 279

MANE	3.51 403	2.03 379	3.88 370	1.89 399	2.01 401	5.98 411	4.72 409	5.87 413	7.13 410	3.80 408	5.10 409	6.11 409	5.34 408	4.39 404	5.05 403	1.07 386	1.28 366	0.50 369	0.85 391	0.76 372	2.36 403

WAO-7	1.58 378	2.04 380	3.25 320	0.94 353	0.75 330	1.75 380	1.13 374	1.87 388	1.97 389	1.46 375	2.53 388	1.98 381	1.75 377	3.13 388	2.48 361	0.69 374	0.67 317	0.94 384	0.74 387	0.80 376	0.77 298

MSC_U_SF_DS_RVC	1.40 362	2.04 380	3.02 305	0.58 300	0.41 248	2.15 393	1.00 367	1.31 365	1.29 366	1.05 337	1.10 344	1.29 366	0.91 332	3.07 387	1.34 302	1.65 402	0.84 332	0.68 378	0.88 393	1.55 397	1.91 379

JetBlue	1.89 384	2.09 382	4.16 377	0.74 332	1.23 378	4.52 410	3.86 407	1.68 383	1.26 363	1.28 364	1.54 364	2.36 386	1.86 382	3.35 393	3.37 380	0.54 366	0.49 291	0.48 368	0.49 365	1.39 394	1.21 348

otaku	1.15 346	2.10 383	3.51 348	0.98 357	0.74 329	1.02 340	0.59 314	1.03 301	0.89 306	0.70 270	1.60 365	0.98 328	0.65 281	1.63 267	1.80 331	0.99 384	0.46 285	0.73 380	0.40 351	1.30 390	0.88 317

Ntro	1.11 343	2.10 383	3.52 350	0.97 356	0.87 346	1.06 346	0.54 298	1.02 295	0.93 319	0.63 225	0.76 286	0.93 317	0.67 289	1.76 285	1.71 322	1.03 385	0.46 285	0.76 381	0.41 355	1.29 388	0.86 316

SGM+DAISY	2.67 393	2.14 385	4.28 384	1.92 400	2.11 404	4.36 409	5.22 411	3.17 402	3.00 400	3.24 407	3.81 403	3.03 391	3.61 402	2.53 358	3.79 388	1.15 389	1.29 367	0.66 376	0.71 385	0.95 379	2.44 404

MADNet++	2.94 400	2.17 386	3.27 322	2.55 408	2.28 405	3.29 403	3.37 403	2.76 399	2.67 397	3.10 405	3.20 400	2.78 388	3.25 400	4.11 402	4.68 401	2.72 409	2.27 405	3.03 413	2.43 411	2.34 408	2.59 405

ACVNet-4b	2.00 387	2.19 387	4.85 393	1.09 362	0.86 344	1.15 354	0.53 295	1.11 342	1.15 358	0.65 248	1.09 343	1.97 380	0.69 295	2.31 342	9.78 414	5.73 414	0.42 280	1.03 389	0.55 373	1.89 401	0.92 322

MADNet+	1.44 365	2.19 387	6.00 404	0.89 347	0.70 326	1.58 371	1.11 372	1.56 379	1.30 368	0.89 319	1.03 337	1.25 363	1.12 351	3.29 391	2.80 370	0.48 364	0.57 303	0.39 359	0.36 343	0.63 363	0.69 288

ACVNet_2	1.54 375	2.20 389	4.42 388	1.10 364	0.93 352	1.37 362	0.87 355	1.53 376	1.71 384	1.22 358	1.72 368	2.12 383	1.06 346	2.58 362	1.93 334	0.94 380	0.54 297	1.00 387	0.56 375	2.11 405	0.96 328

RainbowNet	1.27 352	2.22 390	3.58 355	1.14 367	0.92 350	1.08 348	0.76 346	1.19 356	1.15 358	0.77 294	0.97 325	1.08 350	0.83 319	1.64 270	1.72 324	1.20 392	1.30 369	1.01 388	0.58 377	1.23 385	0.97 331

TorneroNet-64	2.74 394	2.23 391	4.18 378	1.48 380	1.20 376	3.88 405	1.01 369	3.48 409	6.61 409	2.62 401	4.55 407	4.20 399	3.84 404	3.39 395	3.40 382	1.23 393	0.66 316	1.39 400	0.80 389	3.42 412	1.27 353

UNDER WATER	2.84 396	2.25 392	5.25 398	1.84 397	1.45 388	2.36 396	1.44 394	3.23 404	6.51 408	2.61 400	2.73 395	5.69 406	5.64 409	3.14 389	4.18 397	1.48 398	0.81 331	1.60 406	1.07 400	1.91 402	1.67 376

DispFullNet	1.69 381	2.25 392	5.23 397	1.53 383	8.78 414	0.89 322	0.37 227	1.03 301	0.98 334	1.37 366	1.00 332	1.13 357	1.97 385	1.51 248	0.98 265	0.55 368	0.32 260	1.19 392	0.64 381	1.16 383	0.88 317

Wz-Net-TNSev	1.02 329	2.26 394	3.69 360	0.38 185	0.31 183	1.00 338	0.71 341	1.12 344	1.02 340	0.74 288	0.73 273	1.09 353	0.91 332	2.46 356	2.15 348	0.21 304	0.20 221	0.16 261	0.20 258	0.48 345	0.62 266

ACVNet_1	1.47 369	2.27 395	4.92 394	1.11 365	0.89 347	1.19 358	0.66 331	1.28 362	1.19 361	0.98 329	0.97 325	3.06 392	1.48 368	2.37 346	1.82 332	1.08 387	0.49 291	1.03 389	0.48 363	1.20 384	0.95 326

UNDER WATER-64	2.59 392	2.28 396	5.63 401	1.85 398	1.45 388	3.28 402	1.60 395	2.62 397	5.57 405	2.09 386	2.12 377	4.10 398	4.21 405	2.74 377	3.64 387	1.49 399	0.86 333	1.58 405	1.09 402	1.91 402	1.62 374

TorneroNet	5.60 409	2.30 397	3.98 371	1.49 382	1.26 381	14.47 418	1.11 372	4.85 411	20.66 427	10.12 412	16.30 419	11.78 417	7.35 411	3.41 396	4.38 398	1.36 397	0.70 324	1.46 402	0.87 392	2.73 409	1.33 358

Dean	1.92 385	2.31 398	5.03 396	1.31 370	1.08 369	1.55 369	0.99 363	1.98 393	2.33 392	1.51 377	4.15 405	4.23 402	1.39 362	2.31 342	2.10 343	1.18 391	0.69 321	1.18 391	0.75 388	1.30 390	1.07 337

PWCK	1.62 380	2.32 399	4.27 382	1.11 365	0.56 289	1.81 382	1.84 397	1.55 378	1.54 379	1.45 373	1.81 369	1.82 378	1.38 361	3.34 392	2.14 347	1.09 388	0.57 303	0.98 386	0.59 378	1.50 396	0.79 303

notaker	2.77 395	2.35 400	4.02 373	2.61 409	1.44 387	1.77 381	1.14 375	2.77 400	1.81 387	2.30 395	11.41 414	3.95 397	4.70 406	3.24 390	3.01 375	1.58 401	0.88 334	1.71 408	1.08 401	2.10 404	1.44 367

KSHMR	4.19 405	2.37 401	6.24 405	1.73 393	1.48 390	1.97 388	1.29 385	3.18 403	17.06 422	2.15 389	15.74 417	9.09 412	1.75 377	8.33 413	2.37 359	1.55 400	1.29 367	1.70 407	1.23 404	1.75 399	1.60 373

LE_ROB	4.55 407	2.43 402	9.94 409	2.79 411	4.03 410	2.40 397	3.54 404	2.72 398	11.04 411	11.64 416	4.69 408	5.25 405	10.74 414	4.52 406	9.73 413	0.82 377	0.70 324	1.34 398	0.97 397	0.74 369	0.94 323

IMH	2.14 391	2.46 403	3.60 358	1.70 390	1.13 374	1.65 376	0.93 361	2.13 394	1.93 388	1.37 366	2.64 393	2.19 384	1.82 381	5.77 407	2.18 350	5.70 413	1.05 347	1.31 397	0.72 386	1.39 394	1.13 341

ktn	4.44 406	2.47 404	3.70 361	1.82 396	1.49 391	2.11 392	1.40 391	2.30 395	12.56 413	11.36 415	16.25 418	11.30 416	3.77 403	4.41 405	3.47 383	1.86 404	0.99 339	1.74 409	1.21 403	3.28 411	1.39 364

WAO-8	2.91 397	2.55 405	3.77 362	1.93 401	1.04 366	4.08 407	0.99 363	3.25 405	6.09 406	2.20 391	3.34 401	3.33 394	2.64 394	11.73 415	2.52 362	2.12 406	1.92 387	1.55 403	0.93 394	1.27 386	0.96 328

Venus	2.91 397	2.55 405	3.77 362	1.93 401	1.04 366	4.08 407	0.99 363	3.25 405	6.09 406	2.20 391	3.34 401	3.33 394	2.64 394	11.73 415	2.52 362	2.12 406	1.92 387	1.55 403	0.93 394	1.27 386	0.96 328

MFN_U_SF_RVC	1.57 377	2.56 407	3.30 326	0.66 320	0.41 248	1.15 354	0.51 289	1.27 361	1.35 370	1.61 380	1.20 348	1.43 370	0.97 340	1.80 294	2.10 343	1.88 405	1.79 384	1.97 410	2.14 409	1.61 398	1.76 378

LVE	2.10 389	2.61 408	4.30 386	1.79 395	1.81 399	1.68 378	1.04 370	2.35 396	2.78 398	1.27 363	2.87 397	4.21 401	1.46 365	2.83 382	2.02 337	2.87 410	0.92 336	1.19 392	1.47 408	1.29 388	1.18 342

SGM-ForestM	3.67 404	2.70 409	5.34 400	1.65 388	1.72 397	6.02 412	5.08 410	4.10 410	3.47 401	4.59 409	4.21 406	9.81 413	5.79 410	6.44 410	6.97 409	0.88 379	1.09 349	0.33 353	0.45 359	0.68 367	2.10 386

SDNR	2.06 388	2.93 410	2.94 294	1.55 384	5.13 412	1.98 389	0.24 80	1.95 392	2.62 395	0.92 324	2.71 394	5.76 407	0.68 291	3.61 398	3.84 389	0.33 349	0.38 272	0.22 314	0.17 225	1.13 381	2.04 384

SPstereo	16.55 420	3.18 411	4.92 394	2.73 410	2.77 406	29.67 428	52.00 430	39.41 436	29.70 437	21.94 432	21.64 427	27.45 434	23.83 429	27.92 437	26.10 431	2.44 408	2.60 409	4.96 415	3.11 413	2.27 406	2.32 402

FADE		3.24 412		2.10 403	2.93 407													65.47 435		1.78 400

HanzoNet	7.85 411	3.30 413	5.75 402	7.47 417	3.97 409	2.34 395	1.37 387	3.47 407	4.02 402	13.30 417	10.49 410	10.86 414	16.67 420	8.50 414	10.51 416	10.80 421	9.84 423	5.83 418	13.69 421	7.24 418	7.51 417

JetRed	3.37 401	4.96 414	10.08 410	1.48 380	1.73 398	7.63 413	5.47 412	3.47 407	2.20 390	2.42 397	2.40 385	2.98 390	2.35 392	3.52 397	6.60 407	1.33 394	1.90 386	1.38 399	1.23 404	2.30 407	2.02 383

DGTPSM_ROB	8.97 413	5.94 415	13.01 415	5.95 416	11.34 416	8.54 414	24.06 420	6.47 414	13.52 414	5.19 410	11.52 415	6.18 410	11.04 415	7.02 411	13.92 417	4.47 411	7.66 416	3.90 414	7.43 419	4.34 415	7.98 418

DPSMNet_ROB	9.58 414	5.96 416	13.98 418	8.88 418	11.87 417	8.54 414	24.08 421	6.48 415	13.67 417	5.35 411	11.53 416	6.31 411	11.04 415	7.69 412	14.09 418	7.61 420	8.23 418	5.03 416	7.75 420	5.24 417	8.36 419

SGM-Forest	1.84 383	7.91 417	10.36 411	0.42 223	0.33 200	1.04 341	1.29 385	1.01 289	0.88 301	1.19 349	2.30 384	1.03 339	1.79 380	2.60 364	2.81 371	0.22 309	0.21 229	0.21 310	0.19 249	0.25 208	0.79 303
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Anonymous_1	22.76 422	11.11 418	11.93 412	12.73 420	26.05 432	19.39 423	27.77 425	14.18 419	13.64 416	14.92 418	10.66 411	11.26 415	11.24 417	12.48 419	14.45 419	37.82 437	7.87 417	34.92 434	63.61 434	87.51 438	11.75 422

DPSM_ROB	12.32 415	11.13 419	12.31 413	12.90 421	12.80 419	19.81 425	28.13 426	14.50 420	14.31 419	10.62 413	11.34 412	12.03 418	11.89 418	13.08 420	15.22 420	7.09 417	8.31 419	6.47 420	7.32 417	8.69 419	8.43 420

DPSM	12.32 415	11.13 419	12.31 413	12.90 421	12.80 419	19.81 425	28.13 426	14.50 420	14.31 419	10.62 413	11.34 412	12.03 418	11.89 418	13.08 420	15.22 420	7.09 417	8.31 419	6.47 420	7.32 417	8.69 419	8.43 420

BEATNet-Init1	12.32 415	12.82 421	28.66 432	3.22 412	3.71 408	21.59 427	11.42 415	14.54 422	13.73 418	20.24 424	20.16 424	26.14 432	19.85 423	19.08 426	15.33 422	1.81 403	1.93 389	2.05 411	2.48 412	4.25 414	3.41 412

PML	22.99 423	17.34 422	8.24 408	5.48 415	9.84 415	50.35 437	102.65 437	5.84 412	13.52 414	37.08 437	104.84 437	30.61 436	23.20 428	12.09 417	7.96 411	6.27 416	2.12 395	6.31 419	2.42 410	10.67 421	2.95 406

LRCNet_RVC	13.78 419	19.34 423	13.01 415	19.47 424	12.67 418	1.85 383	0.42 252	12.28 418	1.10 351	15.76 419	18.69 423	12.52 420	8.65 412	12.22 418	9.64 412	22.29 428	8.38 421	25.92 430	24.06 431	19.72 429	17.59 425

DLNR_Zeroshot_test	13.74 418	20.06 424	23.92 424	121.50 439	35.20 434	0.46 20	0.15 1	7.96 416	0.47 24	0.29 21	0.37 42	0.26 29	0.17 1	0.79 159	0.36 104	7.16 419	2.95 413	0.09 13	0.38 347	50.40 437	1.95 381

xxxxx1	29.05 434	20.74 425	14.05 419	50.10 435	40.25 435	19.01 420	26.60 422	21.83 426	20.22 424	16.52 420	17.56 420	18.33 421	21.41 424	16.11 423	20.77 425	23.48 429	26.77 433	66.36 436	78.56 435	30.19 433	32.23 435

tt_ll	29.05 434	20.74 425	14.05 419	50.10 435	40.25 435	19.01 420	26.60 422	21.83 426	20.22 424	16.52 420	17.56 420	18.33 421	21.41 424	16.11 423	20.77 425	23.48 429	26.77 433	66.36 436	78.56 435	30.19 433	32.23 435

ff	29.05 434	20.74 425	14.05 419	50.10 435	40.25 435	19.01 420	26.60 422	21.83 426	20.22 424	16.52 420	17.56 420	18.33 421	21.41 424	16.11 423	20.77 425	23.48 429	26.77 433	66.36 436	78.56 435	30.19 433	32.23 435

CasAABBNet	24.76 426	22.38 428	24.44 425	26.05 428	25.75 427	39.79 430	56.76 433	29.10 433	28.88 431	21.22 426	22.69 429	24.21 429	23.99 434	26.23 429	30.62 433	14.22 422	16.71 425	13.03 422	14.75 424	17.49 425	16.97 423

HaxPig	19.88 421	22.39 429	22.30 422	17.98 423	17.98 422	12.06 417	12.06 416	16.25 423	15.97 421	21.05 425	21.41 426	18.85 424	18.35 421	20.07 427	19.64 424	23.57 432	23.19 432	24.07 429	23.71 430	22.95 430	23.72 432

MyStereo03	24.90 428	22.40 430	24.90 427	26.19 430	25.93 429	39.80 431	56.77 434	29.00 430	28.95 433	21.51 429	22.81 431	24.16 426	23.92 430	26.26 430	30.65 434	14.24 423	17.13 427	13.03 422	14.76 426	17.48 422	18.00 426

MyStereo02	24.90 428	22.40 430	24.90 427	26.19 430	25.93 429	39.80 431	56.77 434	29.00 430	28.95 433	21.51 429	22.81 431	24.16 426	23.92 430	26.26 430	30.65 434	14.24 423	17.13 427	13.03 422	14.76 426	17.48 422	18.00 426

MyStereo	24.90 428	22.40 430	24.90 427	26.19 430	25.93 429	39.80 431	56.77 434	29.00 430	28.95 433	21.51 429	22.81 431	24.16 426	23.92 430	26.26 430	30.65 434	14.24 423	17.13 427	13.03 422	14.76 426	17.48 422	18.00 426

Selective-RAFT-Error	24.83 427	22.44 433	24.80 426	26.10 429	25.82 428	39.85 434	56.72 432	29.21 435	29.03 436	21.29 428	22.80 430	24.25 430	24.07 435	26.28 433	30.60 432	14.24 423	16.85 426	13.04 426	14.75 424	17.53 426	17.02 424

LSM0	26.57 431	22.53 434	25.76 430	30.62 434	52.30 438	39.86 435	56.49 431	29.18 434	28.76 430	21.26 427	22.46 428	24.42 431	23.97 433	26.42 434	30.66 437	14.29 427	16.56 424	13.06 427	14.65 423	17.62 427	20.52 429

DPSimNet_ROB	24.35 425	23.81 435	31.38 434	25.93 427	22.83 425	31.30 429	34.38 429	20.78 425	28.92 432	27.39 434	22.99 434	28.29 435	35.76 437	15.47 422	17.82 423	24.28 433	17.90 430	22.23 428	14.12 422	19.38 428	22.12 431

ASD4	27.03 433	24.46 436	23.91 423	27.24 433	17.87 421	47.08 436	31.36 428	41.80 437	21.82 428	31.12 436	20.82 425	33.80 437	18.50 422	27.25 436	21.57 428	29.52 435	20.55 431	27.54 431	23.38 429	30.03 432	20.96 430

MEDIAN_ROB	23.95 424	26.96 437	26.29 431	22.14 425	22.09 424	16.18 419	14.23 417	20.47 424	20.09 423	25.43 433	25.22 435	22.96 425	22.54 427	24.33 428	23.18 429	28.15 434	27.16 436	28.60 432	27.73 432	27.59 431	27.58 433

AVERAGE_ROB	26.91 432	30.28 438	29.18 433	25.78 426	25.30 426	19.49 424	15.38 418	23.70 429	23.02 429	28.38 435	27.78 436	26.23 433	25.76 436	26.95 435	25.55 430	31.27 436	30.02 437	31.76 433	30.80 433	30.88 436	30.77 434

test_example2	115.17 437	122.38 439	93.45 436	115.38 438	123.53 439	101.24 438	113.11 438	54.67 438	99.94 438	135.50 438	136.43 438	85.67 438	85.40 438	110.44 438	104.91 438	152.17 438	205.21 438	99.17 439	114.27 438	138.55 439	112.04 438

Low-res two-view benchmark