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

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

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

CREStereo++_RVC	0.32 28	0.15 3	0.23 1	0.31 6	0.24 86	0.27 25	0.22 8	0.46 8	0.88 211	0.46 46	0.80 124	0.30 5	0.26 17	0.36 5	0.33 86	0.13 12	0.09 2	0.13 9	0.51 374	0.13 20	0.09 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.36 65	0.15 3	0.24 3	0.34 11	0.15 1	0.77 256	0.29 57	0.80 166	0.83 183	0.56 68	0.57 54	0.43 55	0.40 109	0.57 89	0.33 86	0.12 4	0.10 9	0.14 16	0.09 6	0.14 45	0.09 1

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

CREStereo	0.28 8	0.15 3	0.24 3	0.27 1	0.17 3	0.37 86	0.25 31	0.51 16	0.72 132	0.42 37	0.51 38	0.32 10	0.26 17	0.38 12	0.25 9	0.16 110	0.11 57	0.12 2	0.08 1	0.12 8	0.11 9
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
Any-RAFT	0.35 47	0.16 8	0.30 11	0.34 11	0.21 29	0.52 149	0.22 8	0.88 191	0.73 137	0.53 62	0.73 89	0.64 146	0.28 32	0.46 37	0.24 6	0.15 79	0.10 9	0.13 9	0.10 10	0.13 20	0.12 33

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

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

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

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

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

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

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

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

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

PMTNet	0.32 28	0.16 8	0.24 3	0.29 2	0.18 7	0.45 131	0.22 8	0.56 28	0.63 98	0.46 46	0.54 46	0.39 38	0.34 75	0.48 49	0.24 6	0.75 381	0.10 9	0.12 2	0.08 1	0.12 8	0.11 9

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

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

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

AEACV	0.27 5	0.17 19	0.31 13	0.34 11	0.45 329	0.26 17	0.28 50	0.37 1	0.32 7	0.30 7	0.46 24	0.31 8	0.37 89	0.36 5	0.24 6	0.14 32	0.10 9	0.15 42	0.12 29	0.13 20	0.11 9

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

RAFT-Stereo	0.39 108	0.18 34	0.42 100	0.42 169	0.26 148	0.40 102	0.32 102	0.72 132	0.34 9	0.89 245	1.28 299	0.57 101	0.35 77	0.42 21	0.32 74	0.15 79	0.12 98	0.14 16	0.12 29	0.14 45	0.13 58
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DisPM	0.39 108	0.19 49	0.44 119	0.41 132	0.27 172	0.24 7	0.31 86	0.65 72	0.57 82	0.87 233	0.87 159	0.60 128	0.32 61	0.76 220	0.32 74	0.18 171	0.12 98	0.19 155	0.17 163	0.15 77	0.20 224

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CASnet	0.30 24	0.20 70	0.33 20	0.41 132	0.16 2	0.26 17	0.24 24	0.52 19	0.53 69	0.52 59	0.54 46	0.39 38	0.24 10	0.40 16	0.26 25	0.14 32	0.10 9	0.22 230	0.18 185	0.18 157	0.11 9
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
HH	0.35 47	0.20 70	0.47 156	0.40 108	0.25 112	0.33 67	0.31 86	0.76 152	0.38 35	0.43 39	0.57 54	0.79 216	0.44 131	0.71 197	0.25 9	0.15 79	0.11 57	0.15 42	0.14 72	0.14 45	0.12 33

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

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

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

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

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

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

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

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

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

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

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

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

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

NF-Stereo	0.38 94	0.20 70	0.45 130	0.41 132	0.25 112	0.26 17	0.31 86	0.69 109	0.70 121	0.65 106	0.77 105	0.57 101	0.30 53	0.67 178	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.16 108	0.27 280

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

DIP-Stereo	0.39 108	0.21 101	0.50 194	0.41 132	0.28 191	0.62 207	0.27 43	0.77 155	0.40 39	0.64 99	0.86 155	0.52 83	0.33 69	0.66 168	0.42 165	0.15 79	0.13 152	0.17 85	0.14 72	0.15 77	0.15 106
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
iResNet_ROB	0.52 227	0.21 101	0.53 212	0.37 45	0.21 29	0.61 200	0.29 57	1.51 366	1.32 344	0.90 252	1.02 227	0.80 224	0.62 212	0.76 220	0.43 170	0.16 110	0.12 98	0.13 9	0.09 6	0.15 77	0.18 176

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

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

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

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

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

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

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

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

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

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

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

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

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

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

RASNet	0.53 230	0.22 128	0.52 206	0.38 66	0.22 42	0.68 236	0.38 185	0.97 220	0.88 211	0.73 159	1.04 235	1.03 284	0.92 318	0.90 272	0.86 295	0.16 110	0.14 178	0.14 16	0.17 163	0.15 77	0.13 58

HSM-Net_RVC	0.53 230	0.22 128	0.35 29	0.37 45	0.21 29	0.85 285	0.37 165	1.23 313	0.93 238	0.90 252	1.15 273	1.26 318	0.63 218	0.72 202	0.48 205	0.17 143	0.13 152	0.16 60	0.15 94	0.17 139	0.15 106
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
SMFormer	0.51 218	0.23 145	0.62 244	0.34 11	0.20 20	0.62 207	0.34 118	1.21 301	1.02 277	0.81 192	1.01 219	0.71 177	0.65 234	0.84 252	0.55 233	0.19 200	0.15 202	0.18 119	0.16 123	0.18 157	0.18 176

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

MLCV	0.47 175	0.24 180	0.61 241	0.37 45	0.17 3	0.61 200	0.33 111	0.80 166	0.87 207	0.94 269	1.13 266	0.72 187	0.43 123	0.89 270	0.51 216	0.13 12	0.10 9	0.13 9	0.11 15	0.14 45	0.12 33

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

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

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

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

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

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

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

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

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

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

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

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

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

ICVP	0.46 165	0.25 198	0.38 53	0.48 256	0.28 191	0.58 185	0.43 230	1.00 228	0.70 121	0.67 118	0.95 190	0.75 202	0.55 179	0.53 66	0.54 229	0.23 258	0.17 243	0.19 155	0.17 163	0.19 191	0.20 224
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
MMNet	0.55 241	0.25 198	0.61 241	0.43 187	0.34 269	1.07 321	0.39 204	0.87 187	0.91 228	0.91 257	0.93 182	0.86 236	0.76 278	0.81 238	0.76 276	0.15 79	0.14 178	0.18 119	0.19 209	0.20 204	0.16 145

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

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

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

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

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

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

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

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

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

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

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

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

HITNet	0.41 131	0.26 212	0.45 130	0.33 10	0.17 3	0.63 216	0.30 70	0.93 204	0.64 105	0.71 141	0.82 134	0.64 146	0.52 163	0.59 120	0.43 170	0.14 32	0.10 9	0.15 42	0.13 50	0.19 191	0.12 33
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
DISCO	0.70 290	0.26 212	0.68 274	0.44 202	0.31 241	1.14 332	0.51 276	1.23 313	1.23 330	0.81 192	1.05 239	1.50 352	0.85 304	1.82 375	1.03 333	0.19 200	0.15 202	0.18 119	0.16 123	0.24 257	0.23 257

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

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

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

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

CASS	0.45 159	0.27 226	0.42 100	0.48 256	0.22 42	0.61 200	0.34 118	0.97 220	0.62 88	0.71 141	0.85 152	0.61 132	0.55 179	0.57 89	0.41 161	0.29 306	0.16 229	0.22 230	0.18 185	0.22 238	0.28 287
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ToySt	0.49 198	0.27 226	0.75 297	0.40 108	0.27 172	0.64 222	0.49 258	0.84 174	0.77 157	0.60 77	0.83 139	0.88 246	0.66 239	0.70 192	0.56 235	0.16 110	0.17 243	0.21 218	0.20 231	0.21 222	0.19 204

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

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

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

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

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

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

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

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

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

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

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

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

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

sCroCo_RVC	0.35 47	0.28 240	0.69 280	0.51 297	0.39 295	0.41 115	0.31 86	0.49 13	0.45 55	0.31 8	0.48 30	0.38 37	0.32 61	0.46 37	0.32 74	0.21 235	0.22 289	0.19 155	0.19 209	0.21 222	0.20 224

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

DLCB_ROB	0.58 263	0.28 240	0.47 156	0.49 271	0.32 253	0.77 256	0.50 262	0.99 225	0.92 233	1.04 310	1.14 268	1.21 314	0.69 252	0.88 265	0.69 261	0.20 221	0.20 276	0.22 230	0.22 263	0.21 222	0.18 176

SGM_RVC	0.97 338	0.28 240	0.41 81	0.39 85	0.22 42	1.55 364	0.73 337	1.51 366	1.25 336	2.25 384	1.92 359	2.58 382	1.56 371	2.02 382	1.19 348	0.27 294	0.27 324	0.27 295	0.25 296	0.25 265	0.25 269
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
NINENet	0.50 211	0.29 248	0.51 201	0.45 223	0.32 253	0.70 240	0.34 118	1.10 263	0.88 211	0.80 184	0.94 183	0.65 156	0.49 148	0.73 207	0.51 216	0.22 253	0.20 276	0.25 269	0.18 185	0.22 238	0.21 237

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

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

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

iResNet	0.49 198	0.29 248	0.79 307	0.42 169	0.21 29	0.61 200	0.40 210	0.82 170	0.99 263	0.87 233	1.12 260	0.69 171	0.53 166	0.78 231	0.51 216	0.15 79	0.11 57	0.14 16	0.12 29	0.17 139	0.15 106

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

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

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

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

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

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

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

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

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

NLCA_NET_v2_RVC	0.53 230	0.32 261	0.64 257	0.44 202	0.30 224	0.66 230	0.44 236	1.04 245	0.88 211	0.91 257	0.91 175	0.99 271	0.60 202	0.68 186	0.60 243	0.21 235	0.17 243	0.22 230	0.22 263	0.21 222	0.21 237
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AANet_RVC	0.57 257	0.32 261	0.54 215	0.45 223	0.27 172	0.57 183	0.48 252	1.00 228	1.28 340	0.86 226	1.33 307	0.87 241	0.58 192	1.07 313	0.75 275	0.18 171	0.12 98	0.15 42	0.13 50	0.18 157	0.18 176

AdaStereo	0.50 211	0.32 261	0.47 156	0.48 256	0.25 112	0.67 234	0.32 102	1.17 290	0.88 211	0.75 167	0.99 214	0.75 202	0.49 148	0.67 178	0.46 198	0.27 294	0.12 98	0.28 302	0.18 185	0.23 247	0.18 176
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
SGM-ForestM	4.04 405	0.32 261	0.46 146	0.43 187	0.27 172	7.50 412	1.45 395	3.84 405	4.24 403	8.19 415	6.76 412	19.00 423	9.08 412	10.74 416	6.62 406	0.31 315	0.33 353	0.32 323	0.32 335	0.29 284	0.29 293

StereoDRNet-Refined	0.58 263	0.32 261	0.54 215	0.46 242	0.30 224	0.96 302	0.40 210	1.00 228	0.94 245	1.12 327	1.08 251	0.96 265	0.67 242	0.90 272	0.89 313	0.17 143	0.13 152	0.22 230	0.21 248	0.20 204	0.19 204
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DRN-Test	0.66 282	0.32 261	0.66 267	0.50 285	0.39 295	1.15 334	0.61 308	1.49 362	1.01 274	1.12 327	1.08 251	1.06 291	0.69 252	0.77 227	0.94 319	0.23 258	0.17 243	0.26 283	0.25 296	0.25 265	0.21 237

SGM-Forest	0.62 276	0.32 261	0.39 70	0.43 187	0.30 224	1.02 312	0.55 290	1.09 262	1.05 291	1.06 315	1.18 282	1.10 302	0.67 242	0.88 265	0.62 246	0.31 315	0.33 353	0.33 328	0.30 322	0.30 293	0.28 287
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FAT-Stereo	0.73 300	0.33 269	0.75 297	0.49 271	0.37 282	0.71 245	0.59 301	1.36 345	1.30 342	1.03 309	1.40 319	1.59 361	1.15 346	0.87 262	0.86 295	0.28 300	0.28 326	0.28 302	0.23 274	0.28 281	0.38 337

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

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

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

StereoDRNet	0.64 278	0.33 269	0.68 274	0.51 297	0.43 318	1.03 315	0.53 282	1.47 359	0.99 263	1.10 325	0.87 159	1.07 296	0.71 266	0.82 240	0.88 302	0.23 258	0.19 268	0.25 269	0.23 274	0.27 279	0.19 204

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

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

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

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

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

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

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

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

CBMV	0.64 278	0.35 278	0.41 81	0.42 169	0.25 112	1.01 310	0.77 341	1.13 273	1.09 309	1.17 332	1.22 288	1.04 286	0.75 275	0.88 265	0.63 249	0.28 300	0.30 334	0.34 330	0.30 322	0.26 269	0.26 273
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
GwcNet	0.69 288	0.36 283	1.10 336	0.51 297	0.42 313	1.08 325	0.50 262	1.21 301	1.16 319	1.00 294	1.37 313	1.06 291	0.79 289	0.92 282	0.94 319	0.25 277	0.24 306	0.24 258	0.22 263	0.23 247	0.26 273

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

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

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

GMStereo	0.39 108	0.37 286	0.54 215	0.40 108	0.26 148	0.42 120	0.36 153	0.59 37	1.04 286	0.55 66	0.51 38	0.37 33	0.35 77	0.54 69	0.41 161	0.19 200	0.13 152	0.16 60	0.17 163	0.24 257	0.18 176
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
APVNet	0.71 294	0.37 286	0.89 320	0.56 325	0.45 329	1.18 339	0.68 322	1.41 353	0.85 193	0.81 192	1.15 273	1.04 286	0.81 293	1.10 318	1.17 346	0.26 287	0.28 326	0.32 323	0.31 329	0.29 284	0.30 300

FADNet_RVC	0.55 241	0.37 286	1.17 347	0.44 202	0.31 241	0.56 179	0.34 118	1.06 253	0.88 211	0.67 118	0.90 173	0.61 132	0.65 234	0.93 287	0.70 264	0.21 235	0.18 254	0.26 283	0.23 274	0.31 298	0.28 287

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Abc-Net	0.78 308	0.40 303	0.76 302	0.61 342	0.67 366	0.81 271	0.69 326	1.54 370	1.11 311	0.90 252	1.36 310	1.33 332	1.16 347	1.19 327	0.88 302	0.31 315	0.30 334	0.37 339	0.48 367	0.33 308	0.33 314
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
NCCL2	0.72 298	0.41 306	0.65 262	0.64 347	0.44 325	0.98 307	1.20 376	1.11 268	1.00 270	0.98 286	0.96 194	1.49 351	0.87 309	0.90 272	0.79 281	0.31 315	0.26 320	0.39 344	0.39 351	0.32 303	0.32 310

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

FINET	0.67 283	0.42 308	1.00 329	0.46 242	0.43 318	0.83 281	0.89 355	1.08 258	1.50 359	0.87 233	1.14 268	0.71 177	0.68 248	0.92 282	0.70 264	0.36 346	0.30 334	0.26 283	0.24 287	0.35 319	0.33 314

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

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

PA-Net	0.67 283	0.43 310	0.83 310	0.50 285	0.53 347	0.94 296	0.68 322	1.10 263	1.14 317	0.80 184	0.88 166	0.87 241	0.77 282	1.02 305	0.88 302	0.24 267	0.41 369	0.29 310	0.44 361	0.26 269	0.34 318
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
LALA_ROB	0.74 301	0.43 310	0.69 280	0.54 319	0.40 300	1.01 310	0.95 360	1.21 301	1.07 304	1.22 339	1.12 260	1.56 358	0.79 289	1.04 309	0.86 295	0.33 333	0.22 289	0.35 332	0.30 322	0.35 319	0.31 306

MeshStereo	1.34 367	0.43 310	0.54 215	0.44 202	0.34 269	1.66 370	0.60 303	1.94 382	1.37 347	4.47 408	3.25 387	4.71 400	1.94 385	1.92 378	1.17 346	0.35 343	0.35 357	0.37 339	0.31 329	0.32 303	0.32 310
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
GMStereo_Zeroshot	0.49 198	0.44 314	0.74 294	0.49 271	0.27 172	0.56 179	0.29 57	0.73 139	0.76 150	0.86 226	0.94 183	0.91 256	0.36 86	0.74 213	0.43 170	0.26 287	0.14 178	0.26 283	0.15 94	0.36 323	0.18 176

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

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

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

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

DANet	0.71 294	0.45 318	0.91 321	0.59 335	0.40 300	0.81 271	0.40 210	0.97 220	0.84 186	1.20 337	1.22 288	1.33 332	0.88 312	1.16 324	1.24 351	0.27 294	0.23 299	0.31 318	0.25 296	0.35 319	0.32 310
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
G-Net	0.95 337	0.46 320	1.04 331	0.64 347	0.48 337	2.12 381	0.64 313	1.01 235	0.87 207	1.75 368	2.82 385	1.30 324	1.64 376	1.06 310	0.96 324	0.36 346	0.29 331	0.35 332	0.25 296	0.45 347	0.42 347

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

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

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

CSAN	0.83 322	0.49 324	0.77 306	0.60 340	0.41 307	1.14 332	1.06 368	1.19 295	1.46 357	1.32 346	1.43 325	1.37 339	1.19 352	1.27 339	0.86 295	0.39 352	0.31 344	0.36 335	0.37 344	0.35 319	0.34 318

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

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

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

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

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

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

Wz-Net-LNSev	0.71 294	0.51 331	1.36 367	0.50 285	0.41 307	1.15 334	0.69 326	1.21 301	1.07 304	1.02 301	1.12 260	1.08 298	0.87 309	0.89 270	0.89 313	0.24 267	0.22 289	0.21 218	0.19 209	0.26 269	0.26 273

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

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

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

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

FC-DCNN	1.59 378	0.51 331	0.66 267	0.61 342	0.49 339	1.56 365	0.70 331	1.66 377	1.53 361	4.64 409	4.62 407	5.85 407	3.34 404	1.84 376	1.11 341	0.46 360	0.42 371	0.47 358	0.46 362	0.48 353	0.46 358

ADCMid	1.14 355	0.52 337	2.23 388	0.53 313	0.43 318	1.07 321	0.75 339	1.23 313	1.05 291	2.15 381	1.44 327	1.50 352	1.43 366	1.56 360	5.01 401	0.26 287	0.24 306	0.29 310	0.31 329	0.37 325	0.33 314

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

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

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

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

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

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

FCDSN-DC	1.39 372	0.56 344	0.65 262	0.74 369	0.59 361	1.38 352	0.63 310	1.35 342	1.39 350	3.26 402	4.50 406	4.61 398	2.63 396	1.58 362	1.03 333	0.46 360	0.42 371	0.48 361	0.47 365	0.50 356	0.50 368
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
aanetorigin	0.83 322	0.56 344	1.87 382	0.49 271	0.38 290	0.56 179	0.66 315	0.70 123	1.00 270	2.42 387	2.02 363	1.31 325	1.18 350	0.93 287	1.13 345	0.20 221	0.18 254	0.20 179	0.19 209	0.27 279	0.30 300

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

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

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

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

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

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

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

ELAS_RVC	1.60 379	0.61 352	1.01 330	0.70 365	0.56 354	2.00 380	1.89 405	1.96 383	2.65 389	3.33 403	3.26 388	3.03 386	3.41 405	2.49 392	2.09 376	0.52 369	0.45 377	0.50 366	0.48 367	0.54 364	0.52 370
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	1.63 381	0.61 352	0.95 323	0.68 362	0.55 351	3.01 399	1.55 396	2.39 390	2.33 385	3.64 405	3.89 399	2.75 384	2.90 400	2.15 386	2.27 383	0.52 369	0.45 377	0.50 366	0.48 367	0.54 364	0.52 370
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
AnyNet_C32	1.16 359	0.62 355	2.40 389	0.57 330	0.55 351	1.41 355	1.34 388	1.18 293	1.24 332	1.49 353	1.42 322	1.39 341	1.20 354	1.55 358	4.82 399	0.29 306	0.28 326	0.29 310	0.34 340	0.38 329	0.42 347

PASM	0.90 332	0.64 356	1.69 376	0.69 364	0.69 369	0.78 260	0.84 350	1.03 242	1.26 339	1.19 334	1.15 273	1.31 325	0.98 331	1.24 334	1.03 333	0.52 369	0.56 383	0.59 374	0.66 381	0.56 366	0.54 372

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

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

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

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

Wz-Net-SNSev	0.91 333	0.73 361	2.13 386	0.56 325	0.45 329	0.95 299	1.13 373	1.34 339	1.24 332	1.02 301	1.30 303	1.46 346	0.86 306	1.81 374	1.50 361	0.25 277	0.23 299	0.25 269	0.26 306	0.32 303	0.29 293

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

GANetREF_RVC	0.80 312	0.75 363	0.86 317	0.66 355	0.42 313	1.15 334	0.98 362	1.14 279	1.19 324	1.01 299	1.02 227	1.10 302	0.90 314	1.15 323	0.76 276	0.48 363	0.39 366	0.57 371	0.38 347	0.63 374	0.46 358
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
UDGNet	0.48 182	0.77 364	0.50 194	0.48 256	0.31 241	0.41 115	0.34 118	0.70 123	0.92 233	0.65 106	0.60 60	0.58 109	0.43 123	0.63 149	0.41 161	0.32 327	0.15 202	0.66 375	0.19 209	0.36 323	0.21 237

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

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

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

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

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

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

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

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

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

NVStereoNet_ROB	1.24 364	0.90 374	1.13 340	0.86 373	0.88 373	1.11 327	0.99 364	1.42 354	1.53 361	1.59 359	2.48 373	2.24 375	1.53 368	1.96 381	1.30 356	0.76 382	0.70 387	0.78 377	1.00 395	0.71 376	0.88 384
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
otaku	1.04 346	0.93 375	0.88 319	1.33 389	1.05 386	1.66 370	0.70 331	1.40 352	1.18 322	1.08 321	1.32 306	1.33 332	0.91 315	1.23 333	0.76 276	0.72 380	0.46 379	1.24 385	0.50 372	1.40 388	0.75 377

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

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

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

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

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

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

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

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

EDNetEfficientorigin	9.93 414	1.15 385	175.16 437	0.48 256	0.36 277	1.04 319	0.68 322	1.24 320	2.69 390	3.17 401	2.50 374	2.30 376	2.07 389	1.76 372	2.21 378	0.20 221	0.18 254	0.24 258	0.19 209	0.51 357	0.50 368

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

PWCK	1.92 386	1.66 401	3.12 393	1.65 391	0.91 375	2.84 393	2.26 408	2.10 386	2.41 387	2.36 386	2.31 367	2.22 374	1.82 380	3.43 398	2.03 375	1.61 401	0.71 389	1.51 387	0.82 388	1.69 390	0.91 385

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Low-res two-view benchmark