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	0.16 11	0.07 1	0.29 4	0.42 366	0.17 212	0.20 48	0.18 92	0.23 3	0.20 5	0.15 9	0.19 25	0.11 2	0.10 3	0.15 1	0.14 24	0.31 371	0.04 1	0.06 1	0.04 1	0.06 2	0.16 227

CES	0.14 1	0.08 2	0.24 1	0.17 4	0.23 309	0.18 13	0.15 25	0.24 7	0.20 5	0.14 5	0.18 22	0.14 22	0.10 3	0.19 21	0.12 1	0.07 13	0.05 3	0.06 1	0.04 1	0.08 64	0.20 268

AEACV	0.20 57	0.09 3	0.32 9	0.39 356	0.34 356	0.21 64	0.16 40	0.30 37	0.18 1	0.17 15	0.17 17	0.13 11	0.16 62	0.27 80	0.13 7	0.07 13	0.29 371	0.07 13	0.09 165	0.07 30	0.37 359

Any-RAFT	0.18 21	0.09 3	0.33 11	0.19 13	0.10 17	0.29 180	0.16 40	0.44 174	0.32 107	0.25 71	0.27 75	0.29 156	0.16 62	0.23 40	0.13 7	0.08 87	0.07 92	0.06 1	0.05 8	0.07 30	0.07 11

LoS	0.15 4	0.09 3	0.34 13	0.17 4	0.09 5	0.22 86	0.14 12	0.27 13	0.27 57	0.15 9	0.18 22	0.19 53	0.14 41	0.23 40	0.14 24	0.08 87	0.06 34	0.06 1	0.04 1	0.06 2	0.06 4

EGLCR-Stereo	0.19 37	0.09 3	0.34 13	0.29 299	0.17 212	0.28 163	0.16 40	0.30 37	0.23 15	0.22 47	0.11 1	0.16 32	0.09 2	0.28 98	0.15 37	0.07 13	0.25 347	0.07 13	0.07 44	0.06 2	0.37 359

CREStereo++_RVC	0.16 11	0.09 3	0.42 41	0.17 4	0.11 25	0.18 13	0.13 2	0.23 3	0.31 99	0.21 31	0.31 106	0.13 11	0.11 9	0.17 8	0.16 46	0.07 13	0.04 1	0.06 1	0.15 317	0.06 2	0.05 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	0.18 21	0.09 3	0.38 25	0.18 8	0.07 1	0.33 228	0.19 124	0.39 123	0.34 129	0.24 60	0.25 59	0.18 47	0.18 103	0.25 54	0.17 59	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.05 1

CREStereo	0.14 1	0.09 3	0.27 2	0.14 1	0.08 2	0.22 86	0.15 25	0.26 10	0.26 48	0.16 11	0.21 42	0.14 22	0.13 31	0.19 21	0.14 24	0.09 143	0.05 3	0.06 1	0.04 1	0.07 30	0.06 4
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.16 11	0.09 3	0.31 7	0.15 2	0.09 5	0.23 102	0.15 25	0.26 10	0.24 24	0.17 15	0.21 42	0.16 32	0.14 41	0.23 40	0.14 24	0.29 367	0.05 3	0.06 1	0.04 1	0.07 30	0.07 11

MSKI-zero shot	0.19 37	0.10 11	0.47 73	0.30 306	0.14 108	0.21 64	0.14 12	0.33 68	0.22 12	0.24 60	0.25 59	0.22 73	0.10 3	0.32 138	0.14 24	0.07 13	0.30 372	0.07 13	0.07 44	0.06 2	0.09 58

Selective-IGEV	0.15 4	0.10 11	0.34 13	0.32 321	0.19 255	0.16 5	0.14 12	0.29 28	0.20 5	0.13 1	0.14 14	0.13 11	0.08 1	0.23 40	0.14 24	0.06 1	0.13 243	0.07 13	0.06 22	0.06 2	0.11 128

knoymous	0.18 21	0.10 11	0.35 17	0.17 4	0.11 25	0.21 64	0.17 54	0.33 68	0.24 24	0.24 60	0.28 79	0.27 132	0.16 62	0.24 46	0.17 59	0.09 143	0.06 34	0.09 119	0.06 22	0.09 131	0.10 99

riskmin	0.24 148	0.10 11	0.43 46	0.32 321	0.26 333	0.33 228	0.19 124	0.44 174	0.30 92	0.24 60	0.27 75	0.37 221	0.25 176	0.30 124	0.22 147	0.09 143	0.18 307	0.09 119	0.13 294	0.10 178	0.27 325

MC-Stereo	0.18 21	0.10 11	0.36 19	0.28 286	0.14 108	0.18 13	0.15 25	0.24 7	0.20 5	0.21 31	0.24 55	0.16 32	0.13 31	0.25 54	0.14 24	0.07 13	0.17 300	0.07 13	0.07 44	0.06 2	0.30 337

RCA-Stereo	0.17 18	0.10 11	0.33 11	0.20 34	0.11 25	0.19 22	0.17 54	0.39 123	0.36 149	0.21 31	0.25 59	0.17 39	0.17 77	0.18 12	0.15 37	0.07 13	0.14 252	0.07 13	0.06 22	0.06 2	0.08 37

test-3	0.18 21	0.10 11	0.48 85	0.23 129	0.14 108	0.18 13	0.16 40	0.32 56	0.29 78	0.26 76	0.17 17	0.22 73	0.13 31	0.26 71	0.19 99	0.06 1	0.14 252	0.08 59	0.08 104	0.06 2	0.10 99

test_1	0.18 21	0.10 11	0.48 85	0.23 129	0.14 108	0.18 13	0.16 40	0.32 56	0.29 78	0.26 76	0.17 17	0.22 73	0.13 31	0.26 71	0.19 99	0.06 1	0.14 252	0.08 59	0.08 104	0.06 2	0.10 99

DEmStereo	0.26 191	0.10 11	0.52 148	0.19 13	0.13 80	0.31 209	0.25 254	0.29 28	0.38 170	0.36 224	0.57 307	0.24 101	0.48 327	0.53 227	0.44 284	0.07 13	0.06 34	0.08 59	0.08 104	0.07 30	0.08 37

GrayStereo	0.26 191	0.10 11	0.45 56	0.27 262	0.14 108	0.23 102	0.46 353	0.36 86	0.33 121	0.40 267	0.47 263	0.30 166	0.78 368	0.29 115	0.17 59	0.07 13	0.06 34	0.08 59	0.09 165	0.07 30	0.15 217

GMM-Stereo	0.22 93	0.10 11	0.56 184	0.23 129	0.13 80	0.24 120	0.24 241	0.38 107	0.29 78	0.31 150	0.44 231	0.27 132	0.21 133	0.31 133	0.17 59	0.07 13	0.05 3	0.10 182	0.09 165	0.08 64	0.19 256

Prome-Stereo	0.22 93	0.10 11	0.43 46	0.24 166	0.13 80	0.23 102	0.23 219	0.37 98	0.27 57	0.33 184	0.58 310	0.24 101	0.28 213	0.30 124	0.16 46	0.07 13	0.05 3	0.08 59	0.07 44	0.08 64	0.20 268

CFNet-RSSM	0.18 21	0.10 11	0.45 56	0.20 34	0.12 48	0.20 48	0.16 40	0.40 132	0.31 99	0.23 54	0.21 42	0.26 128	0.15 50	0.21 25	0.14 24	0.07 13	0.05 3	0.07 13	0.07 44	0.06 2	0.06 4

Gwc-CoAtRS	0.17 18	0.10 11	0.41 33	0.20 34	0.12 48	0.20 48	0.15 25	0.34 72	0.29 78	0.23 54	0.23 50	0.27 132	0.15 50	0.21 25	0.14 24	0.07 13	0.06 34	0.07 13	0.07 44	0.06 2	0.07 11

R-Stereo Train	0.19 37	0.10 11	0.49 102	0.22 86	0.12 48	0.23 102	0.18 92	0.43 156	0.20 5	0.31 150	0.45 244	0.20 60	0.14 41	0.18 12	0.18 78	0.08 87	0.06 34	0.07 13	0.06 22	0.06 2	0.07 11

RAFT-Stereo	0.19 37	0.10 11	0.49 102	0.22 86	0.12 48	0.23 102	0.18 92	0.43 156	0.20 5	0.31 150	0.45 244	0.20 60	0.14 41	0.18 12	0.18 78	0.08 87	0.06 34	0.07 13	0.06 22	0.06 2	0.07 11
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
IGEV_Zeroshot_test	0.23 122	0.11 27	0.82 291	0.21 54	0.23 309	0.20 48	0.19 124	0.38 107	0.23 15	0.34 198	0.22 48	0.29 156	0.14 41	0.24 46	0.20 115	0.07 13	0.09 168	0.08 59	0.08 104	0.08 64	0.35 350

RAFT-Test	0.19 37	0.11 27	0.41 33	0.26 230	0.21 285	0.26 143	0.17 54	0.37 98	0.26 48	0.24 60	0.29 85	0.32 185	0.14 41	0.22 36	0.15 37	0.07 13	0.08 139	0.07 13	0.07 44	0.06 2	0.07 11

LoS_RVC	0.14 1	0.11 27	0.32 9	0.18 8	0.16 187	0.20 48	0.18 92	0.21 2	0.18 1	0.14 5	0.20 30	0.12 3	0.17 77	0.17 8	0.14 24	0.06 1	0.05 3	0.06 1	0.04 1	0.05 1	0.14 206

anonymousdsp2	0.23 122	0.11 27	0.42 41	0.26 230	0.24 320	0.25 130	0.17 54	0.43 156	0.37 162	0.30 135	0.23 50	0.24 101	0.15 50	0.32 138	0.17 59	0.07 13	0.28 360	0.07 13	0.05 8	0.08 64	0.44 372

DCANet-4	0.20 57	0.11 27	0.58 204	0.19 13	0.09 5	0.19 22	0.18 92	0.39 123	0.42 206	0.29 114	0.31 106	0.17 39	0.22 138	0.21 25	0.20 115	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 58

tt	4.71 413	0.11 27	3.94 408	2.06 414	1.54 412	10.14 420	16.85 421	9.28 422	4.99 413	1.41 396	1.05 374	4.68 413	4.89 413	3.36 414	5.86 417	5.73 419	9.15 426	2.23 415	2.51 416	3.02 416	1.34 412

DisPM	0.20 57	0.11 27	0.52 148	0.24 166	0.13 80	0.18 13	0.19 124	0.30 37	0.31 99	0.33 184	0.34 138	0.23 86	0.16 62	0.34 161	0.17 59	0.09 143	0.06 34	0.09 119	0.08 104	0.08 64	0.12 163

iRaft-Stereo_20w	0.29 228	0.11 27	0.86 303	0.33 332	0.24 320	0.32 222	0.26 264	0.60 311	0.26 48	0.41 277	0.21 42	0.28 144	0.19 120	0.32 138	0.24 167	0.07 13	0.31 376	0.07 13	0.09 165	0.08 64	0.47 377

GLC_STEREO	0.15 4	0.11 27	0.31 7	0.22 86	0.09 5	0.17 9	0.15 25	0.24 7	0.28 65	0.17 15	0.20 30	0.17 39	0.11 9	0.24 46	0.17 59	0.07 13	0.09 168	0.09 119	0.08 104	0.07 30	0.07 11

CrosDoStereo	0.32 255	0.11 27	0.53 158	0.19 13	0.12 48	0.22 86	1.07 400	0.36 86	0.38 170	0.38 247	0.60 318	0.28 144	0.45 314	0.61 261	0.56 318	0.08 87	0.06 34	0.08 59	0.09 165	0.08 64	0.09 58

PFNet+	0.21 80	0.11 27	0.54 168	0.22 86	0.12 48	0.17 9	0.18 92	0.31 51	0.36 149	0.33 184	0.32 115	0.24 101	0.16 62	0.33 147	0.18 78	0.10 198	0.07 92	0.11 228	0.10 209	0.08 64	0.12 163

NF-Stereo	0.22 93	0.11 27	0.52 148	0.25 198	0.12 48	0.21 64	0.18 92	0.40 132	0.35 136	0.28 91	0.30 96	0.22 73	0.17 77	0.52 225	0.21 132	0.09 143	0.06 34	0.09 119	0.08 104	0.08 64	0.13 183

OCTAStereo	0.22 93	0.11 27	0.52 148	0.25 198	0.12 48	0.21 64	0.18 92	0.40 132	0.35 136	0.28 91	0.30 96	0.22 73	0.17 77	0.51 219	0.21 132	0.09 143	0.06 34	0.09 119	0.08 104	0.08 64	0.13 183

PSM-softLoss	0.22 93	0.11 27	0.53 158	0.25 198	0.12 48	0.20 48	0.17 54	0.39 123	0.29 78	0.29 114	0.32 115	0.24 101	0.16 62	0.53 227	0.21 132	0.09 143	0.06 34	0.10 182	0.09 165	0.08 64	0.12 163

KMStereo	0.22 93	0.11 27	0.53 158	0.25 198	0.12 48	0.20 48	0.17 54	0.39 123	0.29 78	0.29 114	0.32 115	0.24 101	0.16 62	0.53 227	0.21 132	0.09 143	0.06 34	0.10 182	0.09 165	0.08 64	0.12 163

PSM-AAD	0.26 191	0.11 27	0.43 46	0.24 166	0.12 48	0.27 149	0.37 326	0.36 86	0.30 92	0.36 224	0.39 185	0.28 144	0.77 367	0.30 124	0.16 46	0.07 13	0.06 34	0.12 258	0.11 233	0.09 131	0.21 277

FTStereo	0.28 214	0.11 27	0.56 184	0.24 166	0.13 80	0.21 64	0.52 367	0.36 86	0.28 65	0.38 247	0.94 370	0.30 166	0.56 345	0.33 147	0.18 78	0.08 87	0.06 34	0.09 119	0.08 104	0.08 64	0.19 256

KYRaft	0.23 122	0.11 27	0.43 46	0.23 129	0.12 48	0.23 102	0.23 219	0.37 98	0.26 48	0.35 213	0.53 292	0.34 198	0.26 188	0.29 115	0.16 46	0.07 13	0.05 3	0.09 119	0.10 209	0.08 64	0.30 337

ASMatch	0.23 122	0.11 27	0.55 174	0.25 198	0.14 108	0.19 22	0.16 40	0.32 56	0.30 92	0.28 91	0.68 340	0.28 144	0.26 188	0.50 214	0.22 147	0.07 13	0.06 34	0.08 59	0.07 44	0.06 2	0.11 128

DeepStereo_LL	0.32 255	0.11 27	0.53 158	0.19 13	0.12 48	0.22 86	1.07 400	0.36 86	0.38 170	0.38 247	0.60 318	0.28 144	0.45 314	0.61 261	0.56 318	0.08 87	0.06 34	0.08 59	0.09 165	0.08 64	0.09 58

SST-Stereo	0.22 93	0.11 27	0.52 148	0.25 198	0.14 108	0.19 22	0.17 54	0.32 56	0.26 48	0.34 198	0.33 130	0.29 156	0.25 176	0.56 240	0.18 78	0.08 87	0.05 3	0.10 182	0.08 104	0.09 131	0.07 11

RAFT_R40	0.22 93	0.11 27	0.52 148	0.25 198	0.13 80	0.18 13	0.18 92	0.32 56	0.31 99	0.33 184	0.33 130	0.30 166	0.23 147	0.55 235	0.19 99	0.08 87	0.05 3	0.10 182	0.08 104	0.09 131	0.07 11

DRaft	0.25 172	0.11 27	0.47 73	0.18 8	0.12 48	0.28 163	0.23 219	0.34 72	0.40 189	0.38 247	0.60 318	0.20 60	0.41 302	0.48 208	0.41 271	0.07 13	0.06 34	0.08 59	0.08 104	0.07 30	0.08 37

PFNet	0.24 148	0.11 27	0.63 232	0.25 198	0.14 108	0.22 86	0.19 124	0.40 132	0.35 136	0.36 224	0.32 115	0.27 132	0.20 126	0.63 272	0.23 162	0.09 143	0.05 3	0.09 119	0.08 104	0.08 64	0.08 37

RE-Stereo	0.22 93	0.11 27	0.52 148	0.25 198	0.12 48	0.21 64	0.18 92	0.40 132	0.35 136	0.28 91	0.30 96	0.22 73	0.17 77	0.51 219	0.21 132	0.09 143	0.06 34	0.09 119	0.08 104	0.08 64	0.13 183

TVStereo	0.22 93	0.11 27	0.52 148	0.25 198	0.12 48	0.21 64	0.18 92	0.40 132	0.35 136	0.28 91	0.30 96	0.22 73	0.17 77	0.51 219	0.21 132	0.09 143	0.06 34	0.09 119	0.08 104	0.08 64	0.13 183

RAFT-345	0.22 93	0.11 27	0.55 174	0.22 86	0.12 48	0.20 48	0.16 40	0.27 13	0.28 65	0.27 85	0.65 333	0.20 60	0.17 77	0.55 235	0.22 147	0.07 13	0.06 34	0.08 59	0.07 44	0.06 2	0.07 11

TANstereo	0.16 11	0.11 27	0.43 46	0.16 3	0.08 2	0.25 130	0.14 12	0.23 3	0.29 78	0.25 71	0.30 96	0.16 32	0.12 15	0.18 12	0.13 7	0.08 87	0.07 92	0.06 1	0.05 8	0.07 30	0.08 37

XX-Stereo	0.25 172	0.11 27	1.09 343	0.35 341	0.38 368	0.23 102	0.13 2	0.43 156	0.19 3	0.20 27	0.40 192	0.31 175	0.10 3	0.33 147	0.13 7	0.08 87	0.11 213	0.08 59	0.09 165	0.07 30	0.10 99

EAI-Stereo	0.29 228	0.11 27	0.38 25	0.22 86	0.18 232	0.33 228	1.66 410	0.53 245	0.27 57	0.27 85	0.50 276	0.17 39	0.16 62	0.25 54	0.25 179	0.07 13	0.07 92	0.07 13	0.11 233	0.07 30	0.10 99

AE-Stereo	0.21 80	0.12 57	0.50 120	0.25 198	0.15 158	0.24 120	0.18 92	0.40 132	0.34 129	0.19 23	0.26 66	0.21 70	0.13 31	0.22 36	0.16 46	0.07 13	0.26 353	0.09 119	0.10 209	0.07 30	0.31 340

11t1	0.21 80	0.12 57	0.45 56	0.20 34	0.15 158	0.27 149	0.17 54	0.37 98	0.28 65	0.27 85	0.25 59	0.24 101	0.23 147	0.28 98	0.25 179	0.09 143	0.19 311	0.07 13	0.07 44	0.09 131	0.23 292

MIF-Stereo	0.15 4	0.12 57	0.45 56	0.21 54	0.14 108	0.17 9	0.13 2	0.20 1	0.19 3	0.16 11	0.20 30	0.10 1	0.11 9	0.18 12	0.17 59	0.08 87	0.06 34	0.07 13	0.06 22	0.08 64	0.07 11

HH	0.22 93	0.12 57	0.55 174	0.32 321	0.16 187	0.27 149	0.18 92	0.36 86	0.25 42	0.20 27	0.26 66	0.34 198	0.18 103	0.33 147	0.15 37	0.07 13	0.16 282	0.07 13	0.07 44	0.07 30	0.31 340

HanStereo	0.22 93	0.12 57	0.55 174	0.32 321	0.16 187	0.27 149	0.18 92	0.36 86	0.25 42	0.20 27	0.26 66	0.34 198	0.18 103	0.33 147	0.15 37	0.07 13	0.16 282	0.07 13	0.07 44	0.07 30	0.31 340

test_3	0.20 57	0.12 57	0.49 102	0.26 230	0.14 108	0.22 86	0.25 254	0.34 72	0.33 121	0.25 71	0.18 22	0.23 86	0.13 31	0.25 54	0.20 115	0.06 1	0.14 252	0.09 119	0.10 209	0.07 30	0.10 99

LCNet	0.22 93	0.12 57	0.42 41	0.26 230	0.12 48	0.23 102	0.19 124	0.36 86	0.28 65	0.28 91	0.35 144	0.26 128	0.30 236	0.35 168	0.17 59	0.07 13	0.05 3	0.09 119	0.10 209	0.13 256	0.22 285

HHNet	0.23 122	0.12 57	0.66 242	0.19 13	0.18 232	0.20 48	0.20 155	0.36 86	0.32 107	0.33 184	0.59 314	0.19 53	0.21 133	0.24 46	0.31 225	0.08 87	0.06 34	0.09 119	0.07 44	0.08 64	0.12 163

AAGNet	0.34 270	0.12 57	0.53 158	0.26 230	0.16 187	0.20 48	0.19 124	0.31 51	0.29 78	0.35 213	0.35 144	0.27 132	0.30 236	0.44 197	2.56 408	0.08 87	0.05 3	0.10 182	0.07 44	0.09 131	0.07 11

NRIStereo	0.20 57	0.12 57	0.50 120	0.23 129	0.11 25	0.24 120	0.19 124	0.30 37	0.28 65	0.26 76	0.26 66	0.25 112	0.18 103	0.34 161	0.19 99	0.08 87	0.06 34	0.09 119	0.07 44	0.09 131	0.09 58

Pruner-Stereo	0.20 57	0.12 57	0.49 102	0.29 299	0.12 48	0.19 22	0.17 54	0.32 56	0.31 99	0.33 184	0.32 115	0.25 112	0.15 50	0.25 54	0.22 147	0.09 143	0.06 34	0.09 119	0.08 104	0.08 64	0.10 99

DeepStereo_RVC	0.19 37	0.12 57	0.47 73	0.22 86	0.11 25	0.19 22	0.16 40	0.29 28	0.24 24	0.28 91	0.27 75	0.23 86	0.28 213	0.24 46	0.19 99	0.08 87	0.06 34	0.09 119	0.07 44	0.09 131	0.10 99

cross-raft	0.18 21	0.12 57	0.40 31	0.27 262	0.16 187	0.20 48	0.24 241	0.34 72	0.24 24	0.23 54	0.28 79	0.29 156	0.15 50	0.19 21	0.16 46	0.06 1	0.05 3	0.08 59	0.07 44	0.07 30	0.07 11

test-1	0.20 57	0.12 57	0.49 102	0.23 129	0.23 309	0.22 86	0.23 219	0.36 86	0.29 78	0.21 31	0.25 59	0.24 101	0.14 41	0.18 12	0.22 147	0.07 13	0.14 252	0.08 59	0.07 44	0.06 2	0.14 206

SFCPSM	0.23 122	0.12 57	0.51 132	0.21 54	0.14 108	0.34 242	0.22 196	0.57 282	0.41 194	0.29 114	0.32 115	0.23 86	0.22 138	0.28 98	0.20 115	0.10 198	0.07 92	0.09 119	0.10 209	0.09 131	0.09 58

HSM-Net_RVC	0.28 214	0.12 57	0.48 85	0.19 13	0.11 25	0.35 255	0.21 174	0.64 336	0.44 223	0.40 267	0.43 222	0.50 301	0.27 194	0.75 313	0.25 179	0.08 87	0.07 92	0.08 59	0.07 44	0.08 64	0.09 58
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
SMFormer	0.27 207	0.13 73	0.47 73	0.20 34	0.10 17	0.28 163	0.19 124	0.54 252	0.48 262	0.35 213	0.42 210	0.31 175	0.27 194	0.60 255	0.34 243	0.10 198	0.16 282	0.08 59	0.09 165	0.10 178	0.16 227

tta	0.27 207	0.13 73	0.47 73	0.20 34	0.10 17	0.28 163	0.19 124	0.54 252	0.48 262	0.35 213	0.42 210	0.31 175	0.27 194	0.60 255	0.34 243	0.10 198	0.16 282	0.08 59	0.09 165	0.08 64	0.13 183

qqq1	0.26 191	0.13 73	0.47 73	0.20 34	0.10 17	0.28 163	0.19 124	0.54 252	0.48 262	0.35 213	0.42 210	0.31 175	0.27 194	0.60 255	0.21 132	0.10 198	0.16 282	0.07 13	0.07 44	0.08 64	0.13 183

fff1	0.26 191	0.13 73	0.47 73	0.20 34	0.10 17	0.28 163	0.19 124	0.54 252	0.48 262	0.35 213	0.42 210	0.31 175	0.27 194	0.60 255	0.21 132	0.10 198	0.16 282	0.07 13	0.07 44	0.08 64	0.13 183

CoDeX	0.24 148	0.13 73	0.48 85	0.22 86	0.14 108	0.29 180	0.21 174	0.55 263	0.42 206	0.29 114	0.36 157	0.28 144	0.23 147	0.48 208	0.20 115	0.09 143	0.06 34	0.08 59	0.07 44	0.08 64	0.08 37

ff7	0.18 21	0.13 73	0.41 33	0.21 54	0.15 158	0.21 64	0.17 54	0.28 17	0.23 15	0.21 31	0.13 5	0.12 3	0.12 15	0.27 80	0.13 7	0.07 13	0.25 347	0.08 59	0.07 44	0.08 64	0.36 351

ffff	0.18 21	0.13 73	0.41 33	0.21 54	0.15 158	0.21 64	0.17 54	0.28 17	0.23 15	0.21 31	0.13 5	0.12 3	0.12 15	0.27 80	0.13 7	0.07 13	0.25 347	0.08 59	0.07 44	0.08 64	0.36 351

11t	0.18 21	0.13 73	0.41 33	0.21 54	0.15 158	0.21 64	0.17 54	0.28 17	0.23 15	0.21 31	0.13 5	0.12 3	0.12 15	0.27 80	0.13 7	0.07 13	0.25 347	0.08 59	0.07 44	0.08 64	0.36 351

MIF-Stereo (partial)	0.18 21	0.13 73	0.50 120	0.22 86	0.15 158	0.16 5	0.13 2	0.29 28	0.26 48	0.17 15	0.26 66	0.16 32	0.17 77	0.25 54	0.18 78	0.09 143	0.06 34	0.10 182	0.08 104	0.09 131	0.08 37

EKT-Stereo	0.39 295	0.13 73	0.53 158	0.42 366	3.94 415	0.22 86	0.17 54	0.38 107	0.30 92	0.21 31	0.20 30	0.23 86	0.15 50	0.30 124	0.18 78	0.10 198	0.08 139	0.09 119	0.08 104	0.09 131	0.12 163

CASnet	0.15 4	0.13 73	0.30 5	0.22 86	0.08 2	0.15 4	0.14 12	0.28 17	0.26 48	0.23 54	0.20 30	0.15 28	0.11 9	0.18 12	0.13 7	0.07 13	0.05 3	0.11 228	0.09 165	0.08 64	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
anonymousdsp	0.20 57	0.13 73	0.49 102	0.28 286	0.20 272	0.21 64	0.17 54	0.29 28	0.24 24	0.22 47	0.13 5	0.12 3	0.12 15	0.32 138	0.13 7	0.07 13	0.26 353	0.08 59	0.07 44	0.08 64	0.48 379

anonymousa	0.26 191	0.13 73	0.56 184	0.29 299	0.30 350	0.31 209	0.20 155	0.38 107	0.36 149	0.33 184	0.51 279	0.41 247	0.27 194	0.25 54	0.24 167	0.08 87	0.18 307	0.09 119	0.18 341	0.08 64	0.17 239

ProNet	0.16 11	0.13 73	0.36 19	0.21 54	0.15 158	0.20 48	0.19 124	0.29 28	0.23 15	0.14 5	0.13 5	0.13 11	0.12 15	0.25 54	0.13 7	0.06 1	0.09 168	0.07 13	0.06 22	0.07 30	0.22 285

ccc-4	0.18 21	0.13 73	0.41 33	0.21 54	0.15 158	0.21 64	0.17 54	0.28 17	0.23 15	0.21 31	0.13 5	0.12 3	0.12 15	0.27 80	0.13 7	0.07 13	0.25 347	0.08 59	0.07 44	0.08 64	0.36 351

BUS	0.24 148	0.13 73	0.36 19	0.25 198	0.14 108	0.44 301	0.17 54	0.59 302	0.36 149	0.34 198	0.35 144	0.31 175	0.22 138	0.27 80	0.22 147	0.10 198	0.07 92	0.11 228	0.10 209	0.09 131	0.10 99

BSDual-CNN	0.24 148	0.13 73	0.36 19	0.25 198	0.14 108	0.35 255	0.22 196	0.59 302	0.36 149	0.34 198	0.35 144	0.38 227	0.25 176	0.27 80	0.28 201	0.10 198	0.07 92	0.11 228	0.10 209	0.09 131	0.10 99

IGEV-Stereo	0.20 57	0.13 73	0.49 102	0.28 286	0.20 272	0.21 64	0.17 54	0.29 28	0.24 24	0.22 47	0.13 5	0.12 3	0.12 15	0.32 138	0.13 7	0.07 13	0.26 353	0.08 59	0.07 44	0.08 64	0.48 379
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
psmg	0.24 148	0.13 73	0.36 19	0.21 54	0.14 108	0.35 255	0.23 219	0.54 252	0.36 149	0.36 224	0.38 171	0.38 227	0.25 176	0.27 80	0.28 201	0.10 198	0.08 139	0.10 182	0.10 209	0.09 131	0.09 58

DAS	0.28 214	0.13 73	0.49 102	0.24 166	0.18 232	0.30 191	0.24 241	0.48 205	0.48 262	0.42 281	0.45 244	0.34 198	0.31 249	0.76 319	0.24 167	0.09 143	0.07 92	0.09 119	0.07 44	0.10 178	0.11 128

SepStereo	0.27 207	0.13 73	0.49 102	0.24 166	0.18 232	0.30 191	0.24 241	0.48 205	0.48 262	0.42 281	0.45 244	0.34 198	0.31 249	0.64 277	0.24 167	0.09 143	0.07 92	0.09 119	0.07 44	0.10 178	0.11 128

Patchmatch Stereo++	0.19 37	0.13 73	0.51 132	0.22 86	0.11 25	0.19 22	0.14 12	0.30 37	0.24 24	0.28 91	0.29 85	0.25 112	0.18 103	0.27 80	0.18 78	0.09 143	0.06 34	0.10 182	0.08 104	0.10 178	0.09 58
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	0.19 37	0.13 73	0.51 132	0.22 86	0.11 25	0.19 22	0.15 25	0.30 37	0.24 24	0.28 91	0.29 85	0.25 112	0.18 103	0.25 54	0.17 59	0.09 143	0.06 34	0.10 182	0.08 104	0.10 178	0.09 58

ROB_FTStereo_v2	0.19 37	0.13 73	0.51 132	0.22 86	0.11 25	0.19 22	0.15 25	0.30 37	0.24 24	0.28 91	0.29 85	0.25 112	0.18 103	0.25 54	0.18 78	0.09 143	0.06 34	0.10 182	0.08 104	0.10 178	0.09 58

ROB_FTStereo	0.19 37	0.13 73	0.51 132	0.22 86	0.11 25	0.19 22	0.13 2	0.30 37	0.24 24	0.28 91	0.29 85	0.25 112	0.18 103	0.25 54	0.17 59	0.09 143	0.06 34	0.10 182	0.08 104	0.10 178	0.09 58

HUI-Stereo	0.19 37	0.13 73	0.52 148	0.22 86	0.11 25	0.19 22	0.14 12	0.30 37	0.24 24	0.28 91	0.29 85	0.25 112	0.18 103	0.23 40	0.17 59	0.09 143	0.06 34	0.10 182	0.08 104	0.10 178	0.09 58

iGMRVC	0.19 37	0.13 73	0.51 132	0.22 86	0.11 25	0.19 22	0.15 25	0.30 37	0.24 24	0.28 91	0.29 85	0.25 112	0.18 103	0.27 80	0.18 78	0.09 143	0.06 34	0.10 182	0.08 104	0.10 178	0.09 58

RAFT-RH_RVC	0.26 191	0.13 73	0.57 191	0.22 86	0.12 48	0.25 130	0.14 12	0.27 13	0.29 78	0.38 247	1.14 378	0.23 86	0.18 103	0.58 244	0.24 167	0.07 13	0.06 34	0.10 182	0.07 44	0.06 2	0.08 37

iRAFT	0.19 37	0.13 73	0.51 132	0.22 86	0.11 25	0.19 22	0.14 12	0.30 37	0.24 24	0.28 91	0.29 85	0.25 112	0.18 103	0.27 80	0.18 78	0.09 143	0.06 34	0.10 182	0.08 104	0.10 178	0.09 58

CRE-IMP	0.19 37	0.13 73	0.51 132	0.23 129	0.11 25	0.24 120	0.17 54	0.31 51	0.24 24	0.27 85	0.26 66	0.24 101	0.17 77	0.24 46	0.19 99	0.09 143	0.05 3	0.10 182	0.07 44	0.10 178	0.10 99

RAFT-IKP	0.19 37	0.13 73	0.51 132	0.22 86	0.11 25	0.18 13	0.15 25	0.30 37	0.24 24	0.28 91	0.29 85	0.25 112	0.18 103	0.26 71	0.18 78	0.09 143	0.06 34	0.10 182	0.08 104	0.10 178	0.09 58

ICVP	0.24 148	0.13 73	0.45 56	0.26 230	0.14 108	0.30 191	0.25 254	0.47 196	0.35 136	0.29 114	0.43 222	0.35 212	0.25 176	0.28 98	0.25 179	0.12 257	0.09 168	0.09 119	0.09 165	0.09 131	0.11 128
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
FENet	0.22 93	0.13 73	0.48 85	0.22 86	0.12 48	0.27 149	0.18 92	0.43 156	0.37 162	0.31 150	0.32 115	0.29 156	0.23 147	0.27 80	0.24 167	0.10 198	0.07 92	0.09 119	0.09 165	0.09 131	0.11 128

DIP-Stereo	0.20 57	0.13 73	0.48 85	0.20 34	0.13 80	0.28 163	0.12 1	0.43 156	0.26 48	0.27 85	0.32 115	0.21 70	0.17 77	0.26 71	0.20 115	0.08 87	0.06 34	0.08 59	0.06 22	0.07 30	0.10 99
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ttt	0.33 262	0.14 107	0.54 168	0.22 86	0.14 108	0.30 191	0.22 196	0.59 302	0.51 286	0.31 150	0.46 256	0.30 166	0.23 147	0.71 300	1.07 365	0.13 274	0.22 330	0.10 182	0.11 233	0.12 244	0.24 304

PCWNet_CMD	0.23 122	0.14 107	0.48 85	0.21 54	0.13 80	0.28 163	0.17 54	0.47 196	0.47 256	0.30 135	0.36 157	0.37 221	0.24 165	0.29 115	0.21 132	0.09 143	0.06 34	0.10 182	0.08 104	0.11 219	0.11 128

CFNet_ucs	0.25 172	0.14 107	0.51 132	0.20 34	0.15 158	0.29 180	0.18 92	0.51 230	0.46 243	0.32 175	0.42 210	0.38 227	0.23 147	0.31 133	0.22 147	0.11 229	0.08 139	0.12 258	0.09 165	0.13 256	0.13 183

Selective-RAFT	0.19 37	0.14 107	0.37 24	0.24 166	0.11 25	0.30 191	0.15 25	0.35 81	0.34 129	0.17 15	0.17 17	0.22 73	0.18 103	0.29 115	0.18 78	0.07 13	0.16 282	0.07 13	0.07 44	0.08 64	0.08 37

CRFU-Net	0.29 228	0.14 107	0.48 85	0.26 230	0.15 158	0.46 311	0.22 196	0.52 235	0.32 107	0.44 297	0.42 210	0.48 291	0.47 323	0.44 197	0.31 225	0.12 257	0.10 193	0.09 119	0.08 104	0.10 178	0.11 128

IPLGR	0.22 93	0.14 107	0.75 269	0.21 54	0.11 25	0.25 130	0.18 92	0.44 174	0.38 170	0.29 114	0.28 79	0.21 70	0.19 120	0.37 180	0.19 99	0.07 13	0.06 34	0.08 59	0.07 44	0.07 30	0.07 11

GANet-ADL	0.22 93	0.14 107	0.51 132	0.23 129	0.14 108	0.29 180	0.19 124	0.48 205	0.36 149	0.26 76	0.33 130	0.32 185	0.20 126	0.26 71	0.22 147	0.11 229	0.07 92	0.07 13	0.06 22	0.09 131	0.11 128

STrans-v2	0.25 172	0.14 107	0.56 184	0.21 54	0.12 48	0.23 102	0.20 155	0.50 220	0.31 99	0.31 150	0.42 210	0.35 212	0.35 272	0.62 269	0.24 167	0.07 13	0.05 3	0.08 59	0.07 44	0.06 2	0.08 37

TransformOpticalFlow	0.24 148	0.14 107	0.57 191	0.24 166	0.11 25	0.21 64	0.19 124	0.43 156	0.34 129	0.30 135	0.43 222	0.36 217	0.31 249	0.61 261	0.20 115	0.07 13	0.05 3	0.08 59	0.07 44	0.06 2	0.08 37

CFNet_pseudo	0.23 122	0.14 107	0.48 85	0.20 34	0.13 80	0.27 149	0.17 54	0.46 187	0.45 234	0.30 135	0.37 165	0.38 227	0.23 147	0.30 124	0.22 147	0.09 143	0.06 34	0.11 228	0.08 104	0.11 219	0.11 128

GES	0.23 122	0.14 107	0.54 168	0.21 54	0.14 108	0.28 163	0.19 124	0.51 230	0.35 136	0.31 150	0.36 157	0.25 112	0.24 165	0.30 124	0.23 162	0.11 229	0.09 168	0.08 59	0.08 104	0.10 178	0.12 163

222	0.45 325	0.14 107	0.43 46	0.19 13	0.15 158	0.36 263	0.20 155	0.60 311	0.43 216	0.37 239	0.45 244	0.30 166	0.28 213	0.59 250	3.72 412	0.11 229	0.19 311	0.08 59	0.09 165	0.09 131	0.27 325

xxxx	0.39 295	0.14 107	0.47 73	0.20 34	0.16 187	0.38 274	0.20 155	0.61 318	0.43 216	0.30 135	0.44 231	0.38 227	0.25 176	0.50 214	2.41 406	0.11 229	0.21 324	0.09 119	0.10 209	0.10 178	0.26 322

test_xeample	0.39 295	0.14 107	0.46 68	0.19 13	0.16 187	0.34 242	0.22 196	0.59 302	0.43 216	0.33 184	0.47 263	0.30 166	0.27 194	0.60 255	2.44 407	0.10 198	0.21 324	0.09 119	0.09 165	0.09 131	0.25 313

MSMDNet	0.23 122	0.14 107	0.49 102	0.20 34	0.13 80	0.28 163	0.17 54	0.47 196	0.47 256	0.30 135	0.36 157	0.37 221	0.24 165	0.29 115	0.21 132	0.09 143	0.07 92	0.09 119	0.08 104	0.11 219	0.11 128

ccs_rob	0.23 122	0.14 107	0.48 85	0.20 34	0.13 80	0.27 149	0.17 54	0.46 187	0.45 234	0.30 135	0.37 165	0.38 227	0.23 147	0.30 124	0.22 147	0.09 143	0.06 34	0.11 228	0.08 104	0.12 244	0.11 128

Former-RAFT_DAM_RVC	0.18 21	0.15 123	0.27 2	0.20 34	0.13 80	0.24 120	0.17 54	0.31 51	0.37 162	0.43 290	0.17 17	0.13 11	0.12 15	0.20 24	0.16 46	0.08 87	0.07 92	0.09 119	0.07 44	0.09 131	0.08 37

MyStereo07	0.18 21	0.15 123	0.44 53	0.22 86	0.16 187	0.25 130	0.22 196	0.31 51	0.26 48	0.22 47	0.13 5	0.12 3	0.13 31	0.33 147	0.14 24	0.07 13	0.13 243	0.09 119	0.09 165	0.09 131	0.11 128

MyStereo06	0.23 122	0.15 123	0.74 266	0.22 86	0.14 108	0.25 130	0.22 196	0.43 156	0.25 42	0.36 224	0.24 55	0.34 198	0.18 103	0.24 46	0.20 115	0.07 13	0.12 229	0.09 119	0.09 165	0.09 131	0.11 128

MyStereo05	0.24 148	0.15 123	0.58 204	0.22 86	0.14 108	0.25 130	0.22 196	0.50 220	0.54 302	0.32 175	0.23 50	0.26 128	0.23 147	0.32 138	0.25 179	0.07 13	0.12 229	0.09 119	0.09 165	0.09 131	0.11 128

MyStereo04	0.24 148	0.15 123	0.58 204	0.22 86	0.16 187	0.25 130	0.22 196	0.51 230	0.54 302	0.29 114	0.23 50	0.27 132	0.23 147	0.32 138	0.25 179	0.07 13	0.13 243	0.09 119	0.09 165	0.09 131	0.11 128

mmm	0.25 172	0.15 123	0.44 53	0.23 129	0.20 272	0.28 163	0.21 174	0.43 156	0.32 107	0.31 150	0.40 192	0.30 166	0.24 165	0.31 133	0.28 201	0.09 143	0.21 324	0.11 228	0.12 270	0.10 178	0.26 322

DCRE	0.24 148	0.15 123	0.45 56	0.26 230	0.26 333	0.23 102	0.21 174	0.37 98	0.29 78	0.23 54	0.81 358	0.23 86	0.16 62	0.24 46	0.18 78	0.07 13	0.14 252	0.07 13	0.08 104	0.07 30	0.25 313

fff	0.20 57	0.15 123	0.57 191	0.19 13	0.09 5	0.19 22	0.18 92	0.38 107	0.46 243	0.29 114	0.31 106	0.18 47	0.28 213	0.21 25	0.20 115	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 58

ADStereo(finetuned)	0.21 80	0.15 123	0.59 211	0.19 13	0.09 5	0.19 22	0.18 92	0.37 98	0.41 194	0.30 135	0.31 106	0.19 53	0.31 249	0.21 25	0.20 115	0.07 13	0.05 3	0.07 13	0.05 8	0.07 30	0.10 99

x	0.23 122	0.15 123	0.45 56	0.20 34	0.15 158	0.27 149	0.17 54	0.43 156	0.35 136	0.26 76	0.31 106	0.29 156	0.25 176	0.29 115	0.30 216	0.09 143	0.22 330	0.08 59	0.09 165	0.09 131	0.24 304

IER	0.24 148	0.15 123	0.50 120	0.21 54	0.15 158	0.31 209	0.20 155	0.44 174	0.38 170	0.34 198	0.41 203	0.32 185	0.34 265	0.31 133	0.23 162	0.09 143	0.07 92	0.08 59	0.08 104	0.09 131	0.09 58

hknet	0.26 191	0.15 123	0.49 102	0.25 198	0.16 187	0.35 255	0.22 196	0.59 302	0.40 189	0.34 198	0.35 144	0.43 263	0.28 213	0.38 182	0.26 188	0.09 143	0.07 92	0.11 228	0.10 209	0.09 131	0.10 99

GwcNet-ADL	0.23 122	0.15 123	0.58 204	0.24 166	0.13 80	0.23 102	0.24 241	0.51 230	0.41 194	0.28 91	0.29 85	0.30 166	0.20 126	0.27 80	0.28 201	0.09 143	0.07 92	0.07 13	0.07 44	0.09 131	0.11 128

THIR-Stereo	0.30 240	0.15 123	0.46 68	0.19 13	0.11 25	0.28 163	0.70 381	0.33 68	0.36 149	0.37 239	0.64 331	0.33 191	0.49 331	0.58 244	0.44 284	0.08 87	0.06 34	0.08 59	0.09 165	0.07 30	0.08 37

IRAFT_RVC	0.23 122	0.15 123	0.54 168	0.26 230	0.12 48	0.19 22	0.23 219	0.41 150	0.39 181	0.31 150	0.30 96	0.29 156	0.24 165	0.55 235	0.23 162	0.08 87	0.06 34	0.10 182	0.08 104	0.08 64	0.08 37

sCroCo_RVC	0.19 37	0.15 123	0.60 218	0.27 262	0.18 232	0.23 102	0.16 40	0.28 17	0.24 24	0.14 5	0.22 48	0.17 39	0.14 41	0.22 36	0.16 46	0.11 229	0.11 213	0.09 119	0.09 165	0.09 131	0.10 99

Anonymous	0.21 80	0.15 123	0.63 232	0.27 262	0.20 272	0.26 143	0.27 269	0.34 72	0.27 57	0.18 22	0.19 25	0.15 28	0.19 120	0.25 54	0.19 99	0.10 198	0.09 168	0.09 119	0.09 165	0.15 283	0.13 183

DCANet	0.20 57	0.15 123	0.57 191	0.19 13	0.09 5	0.19 22	0.18 92	0.37 98	0.41 194	0.30 135	0.31 106	0.19 53	0.23 147	0.21 25	0.20 115	0.07 13	0.05 3	0.07 13	0.05 8	0.07 30	0.10 99

csc	0.20 57	0.15 123	0.57 191	0.19 13	0.09 5	0.19 22	0.18 92	0.38 107	0.46 243	0.29 114	0.31 106	0.18 47	0.28 213	0.21 25	0.20 115	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 58

cscssc	0.20 57	0.15 123	0.57 191	0.19 13	0.09 5	0.19 22	0.18 92	0.38 107	0.46 243	0.29 114	0.31 106	0.18 47	0.28 213	0.21 25	0.20 115	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 58

UPFNet	0.27 207	0.15 123	0.47 73	0.25 198	0.20 272	0.37 268	0.27 269	0.50 220	0.40 189	0.36 224	0.38 171	0.37 221	0.29 229	0.40 186	0.34 243	0.10 198	0.10 193	0.10 182	0.10 209	0.10 178	0.08 37

ACVNet-DCA	0.21 80	0.16 144	0.50 120	0.27 262	0.13 80	0.31 209	0.19 124	0.43 156	0.32 107	0.21 31	0.20 30	0.13 11	0.17 77	0.28 98	0.12 1	0.08 87	0.28 360	0.08 59	0.06 22	0.09 131	0.23 292

xx1	0.23 122	0.16 144	0.50 120	0.27 262	0.13 80	0.31 209	0.19 124	0.39 123	0.48 262	0.21 31	0.20 30	0.28 144	0.25 176	0.28 98	0.12 1	0.08 87	0.28 360	0.10 182	0.11 233	0.09 131	0.23 292

1test111	0.22 93	0.16 144	0.50 120	0.27 262	0.13 80	0.31 209	0.19 124	0.43 156	0.32 107	0.21 31	0.20 30	0.13 11	0.17 77	0.36 172	0.28 201	0.08 87	0.28 360	0.08 59	0.06 22	0.09 131	0.23 292

cc1	0.22 93	0.16 144	0.50 120	0.27 262	0.13 80	0.31 209	0.19 124	0.39 123	0.48 262	0.21 31	0.20 30	0.13 11	0.17 77	0.28 98	0.12 1	0.08 87	0.28 360	0.08 59	0.06 22	0.08 64	0.37 359

tt1	0.22 93	0.16 144	0.49 102	0.26 230	0.15 158	0.31 209	0.19 124	0.38 107	0.46 243	0.21 31	0.19 25	0.13 11	0.16 62	0.28 98	0.12 1	0.08 87	0.28 360	0.08 59	0.06 22	0.08 64	0.37 359

test croco	0.18 21	0.16 144	0.59 211	0.21 54	0.13 80	0.16 5	0.17 54	0.29 28	0.23 15	0.16 11	0.26 66	0.13 11	0.17 77	0.27 80	0.17 59	0.09 143	0.06 34	0.10 182	0.07 44	0.10 178	0.07 11

gwcnet-sp	0.25 172	0.16 144	0.70 254	0.23 129	0.14 108	0.34 242	0.22 196	0.46 187	0.41 194	0.37 239	0.35 144	0.27 132	0.27 194	0.36 172	0.26 188	0.09 143	0.08 139	0.09 119	0.09 165	0.10 178	0.10 99

scenet	0.25 172	0.16 144	0.70 254	0.23 129	0.14 108	0.34 242	0.22 196	0.46 187	0.41 194	0.37 239	0.35 144	0.27 132	0.27 194	0.36 172	0.26 188	0.09 143	0.08 139	0.09 119	0.09 165	0.10 178	0.10 99

CASS	0.22 93	0.16 144	0.40 31	0.26 230	0.12 48	0.29 180	0.19 124	0.40 132	0.32 107	0.34 198	0.35 144	0.25 112	0.25 176	0.26 71	0.21 132	0.13 274	0.08 139	0.11 228	0.09 165	0.11 219	0.12 163
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	0.25 172	0.16 144	0.70 254	0.23 129	0.14 108	0.34 242	0.22 196	0.46 187	0.41 194	0.37 239	0.35 144	0.27 132	0.27 194	0.36 172	0.26 188	0.09 143	0.08 139	0.09 119	0.09 165	0.10 178	0.10 99

qqq	0.24 148	0.16 144	0.46 68	0.20 34	0.15 158	0.23 102	0.20 155	0.43 156	0.32 107	0.26 76	0.31 106	0.28 144	0.25 176	0.36 172	0.28 201	0.08 87	0.22 330	0.10 182	0.11 233	0.09 131	0.23 292

NINENet	0.27 207	0.16 144	0.49 102	0.23 129	0.16 187	0.44 301	0.17 54	0.63 330	0.49 275	0.33 184	0.38 171	0.31 175	0.22 138	0.43 194	0.22 147	0.11 229	0.10 193	0.12 258	0.08 104	0.12 244	0.11 128

test_4	0.19 37	0.16 144	0.39 27	0.24 166	0.13 80	0.19 22	0.21 174	0.27 13	0.24 24	0.24 60	0.47 263	0.22 73	0.13 31	0.27 80	0.18 78	0.06 1	0.06 34	0.09 119	0.09 165	0.07 30	0.06 4

PSMNet-ADL	0.26 191	0.16 144	0.39 27	0.27 262	0.14 108	0.32 222	0.22 196	0.45 181	0.37 162	0.28 91	0.34 138	0.41 247	0.28 213	0.61 261	0.32 231	0.11 229	0.10 193	0.09 119	0.11 233	0.10 178	0.13 183

OMP-Stereo	0.24 148	0.16 144	0.48 85	0.30 306	0.13 80	0.21 64	0.16 40	0.38 107	0.35 136	0.34 198	0.30 96	0.33 191	0.20 126	0.70 297	0.24 167	0.08 87	0.06 34	0.09 119	0.07 44	0.08 64	0.07 11

IIG-Stereo	0.24 148	0.16 144	0.47 73	0.29 299	0.12 48	0.23 102	0.14 12	0.40 132	0.33 121	0.35 213	0.37 165	0.33 191	0.22 138	0.70 297	0.26 188	0.08 87	0.06 34	0.09 119	0.07 44	0.08 64	0.07 11

CroCo-Stereo	0.15 4	0.16 144	0.34 13	0.25 198	0.12 48	0.11 1	0.18 92	0.35 81	0.24 24	0.13 1	0.13 5	0.18 47	0.12 15	0.15 1	0.13 7	0.08 87	0.06 34	0.07 13	0.05 8	0.07 30	0.06 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
iRaftStereo_RVC	0.17 18	0.16 144	0.35 17	0.21 54	0.11 25	0.20 48	0.17 54	0.34 72	0.25 42	0.20 27	0.25 59	0.19 53	0.12 15	0.21 25	0.16 46	0.07 13	0.12 229	0.10 182	0.09 165	0.09 131	0.14 206

pcwnet_v2	0.32 255	0.16 144	1.22 362	0.23 129	0.19 255	0.32 222	0.19 124	0.61 318	0.61 329	0.37 239	0.45 244	0.35 212	0.29 229	0.37 180	0.26 188	0.14 295	0.11 213	0.12 258	0.11 233	0.14 276	0.18 241

UNet	0.28 214	0.16 144	0.70 254	0.24 166	0.20 272	0.44 301	0.21 174	0.52 235	0.42 206	0.36 224	0.40 192	0.43 263	0.33 264	0.41 189	0.32 231	0.09 143	0.07 92	0.10 182	0.09 165	0.10 178	0.09 58

ac_64	0.28 214	0.16 144	0.62 227	0.25 198	0.17 212	0.36 263	0.22 196	0.48 205	0.35 136	0.36 224	0.37 165	0.51 304	0.30 236	0.62 269	0.34 243	0.11 229	0.09 168	0.10 182	0.10 209	0.09 131	0.09 58

DISCO	0.33 262	0.16 144	0.55 174	0.26 230	0.16 187	0.48 323	0.25 254	0.52 235	0.58 318	0.38 247	0.45 244	0.63 341	0.37 282	0.65 281	0.50 302	0.10 198	0.07 92	0.09 119	0.08 104	0.13 256	0.13 183

MDST_ROB	0.51 341	0.16 144	0.97 327	0.31 316	0.21 285	1.35 398	0.34 317	0.80 373	0.59 326	1.09 386	0.74 350	0.49 297	0.37 282	1.31 386	0.60 325	0.14 295	0.12 229	0.16 319	0.13 294	0.13 256	0.18 241

IGEVStereo-DCA	0.20 57	0.17 167	0.41 33	0.22 86	0.15 158	0.20 48	0.17 54	0.28 17	0.23 15	0.19 23	0.12 2	0.14 22	0.12 15	0.38 182	0.31 225	0.07 13	0.16 282	0.08 59	0.07 44	0.08 64	0.36 351

rrr	0.22 93	0.17 167	0.79 284	0.22 86	0.15 158	0.20 48	0.18 92	0.40 132	0.27 57	0.19 23	0.12 2	0.14 22	0.12 15	0.38 182	0.31 225	0.07 13	0.16 282	0.08 59	0.07 44	0.08 64	0.28 331

DualNet	0.33 262	0.17 167	0.84 296	0.21 54	0.13 80	0.29 180	0.21 174	0.38 107	0.46 243	0.31 150	0.44 231	0.34 198	0.24 165	0.28 98	1.30 376	0.08 87	0.28 360	0.12 258	0.11 233	0.08 64	0.37 359

ffm	0.27 207	0.17 167	0.84 296	0.21 54	0.13 80	0.29 180	0.21 174	0.38 107	0.46 243	0.31 150	0.44 231	0.34 198	0.24 165	0.28 98	0.12 1	0.08 87	0.28 360	0.12 258	0.11 233	0.08 64	0.37 359

ff1	0.36 278	0.17 167	0.84 296	0.21 54	0.13 80	0.29 180	0.21 174	0.38 107	0.46 243	0.31 150	0.44 231	0.34 198	0.24 165	0.91 351	1.30 376	0.08 87	0.28 360	0.12 258	0.11 233	0.08 64	0.37 359

mmx	0.37 285	0.17 167	0.84 296	0.21 54	0.13 80	0.29 180	0.21 174	0.57 282	0.48 262	0.31 150	0.44 231	0.34 198	0.24 165	0.91 351	1.30 376	0.10 198	0.20 319	0.12 258	0.11 233	0.11 219	0.23 292

1111x	0.39 295	0.17 167	0.80 287	0.23 129	0.15 158	0.33 228	0.27 269	0.62 326	0.48 262	0.32 175	0.43 222	0.40 240	0.29 229	0.86 341	1.60 392	0.09 143	0.23 338	0.09 119	0.12 270	0.10 178	0.23 292

xxx	0.37 285	0.17 167	0.84 296	0.21 54	0.13 80	0.29 180	0.21 174	0.57 282	0.48 262	0.31 150	0.44 231	0.34 198	0.24 165	0.91 351	1.30 376	0.10 198	0.20 319	0.12 258	0.11 233	0.11 219	0.23 292

StereoIM	0.15 4	0.17 167	0.39 27	0.19 13	0.15 158	0.16 5	0.13 2	0.26 10	0.22 12	0.13 1	0.15 15	0.14 22	0.11 9	0.17 8	0.17 59	0.08 87	0.07 92	0.08 59	0.06 22	0.07 30	0.06 4

MIM_Stereo	0.20 57	0.17 167	0.55 174	0.20 34	0.21 285	0.17 9	0.14 12	0.37 98	0.27 57	0.28 91	0.35 144	0.23 86	0.13 31	0.28 98	0.16 46	0.06 1	0.08 139	0.09 119	0.08 104	0.08 64	0.15 217

CSP-Net	0.28 214	0.17 167	0.41 33	0.22 86	0.14 108	0.44 301	0.24 241	0.52 235	0.42 206	0.42 281	0.44 231	0.42 257	0.27 194	0.66 287	0.30 216	0.12 257	0.09 168	0.08 59	0.08 104	0.10 178	0.10 99

GMOStereo	0.20 57	0.17 167	0.45 56	0.23 129	0.18 232	0.21 64	0.27 269	0.28 17	0.28 65	0.31 150	0.32 115	0.28 144	0.17 77	0.16 3	0.13 7	0.07 13	0.23 338	0.10 182	0.08 104	0.08 64	0.07 11

error version	0.20 57	0.17 167	0.45 56	0.23 129	0.18 232	0.21 64	0.27 269	0.28 17	0.28 65	0.31 150	0.32 115	0.28 144	0.17 77	0.16 3	0.13 7	0.07 13	0.23 338	0.10 182	0.08 104	0.08 64	0.07 11

test-v	0.20 57	0.17 167	0.45 56	0.23 129	0.18 232	0.21 64	0.27 269	0.28 17	0.28 65	0.31 150	0.32 115	0.28 144	0.17 77	0.16 3	0.13 7	0.07 13	0.23 338	0.10 182	0.08 104	0.08 64	0.07 11

test-2	0.20 57	0.17 167	0.45 56	0.23 129	0.18 232	0.21 64	0.27 269	0.28 17	0.28 65	0.31 150	0.32 115	0.28 144	0.17 77	0.16 3	0.13 7	0.07 13	0.23 338	0.10 182	0.08 104	0.08 64	0.07 11

test_xeample3	0.22 93	0.17 167	0.81 288	0.21 54	0.15 158	0.20 48	0.18 92	0.40 132	0.25 42	0.19 23	0.12 2	0.13 11	0.12 15	0.34 161	0.33 239	0.07 13	0.20 319	0.07 13	0.08 104	0.08 64	0.34 348

AdaStereo	0.25 172	0.17 167	0.47 73	0.25 198	0.13 80	0.33 228	0.17 54	0.57 282	0.43 216	0.34 198	0.38 171	0.35 212	0.21 133	0.32 138	0.24 167	0.14 295	0.06 34	0.13 281	0.09 165	0.11 219	0.09 58
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.
CroCo-Stereo Lap2	0.16 11	0.18 184	0.39 27	0.26 230	0.18 232	0.11 1	0.19 124	0.30 37	0.22 12	0.13 1	0.16 16	0.15 28	0.11 9	0.17 8	0.15 37	0.07 13	0.07 92	0.08 59	0.06 22	0.08 64	0.07 11

delet	0.29 228	0.18 184	0.58 204	0.24 166	0.19 255	0.41 287	0.30 293	0.52 235	0.51 286	0.35 213	0.42 210	0.37 221	0.31 249	0.49 210	0.36 252	0.10 198	0.09 168	0.11 228	0.12 270	0.09 131	0.09 58

ACVNet	0.24 148	0.18 184	0.51 132	0.18 8	0.15 158	0.27 149	0.23 219	0.40 132	0.45 234	0.29 114	0.41 203	0.38 227	0.28 213	0.28 98	0.35 249	0.09 143	0.07 92	0.08 59	0.07 44	0.10 178	0.09 58

acv_ft	0.26 191	0.18 184	0.56 184	0.24 166	0.19 255	0.34 242	0.21 174	0.47 196	0.45 234	0.39 258	0.41 203	0.38 227	0.28 213	0.28 98	0.36 252	0.09 143	0.07 92	0.08 59	0.07 44	0.11 219	0.09 58

DSFCA	0.29 228	0.18 184	0.48 85	0.21 54	0.17 212	0.39 277	0.32 308	0.49 212	0.44 223	0.44 297	0.38 171	0.40 240	0.30 236	0.53 227	0.38 260	0.12 257	0.10 193	0.10 182	0.11 233	0.11 219	0.11 128

DMCA	0.24 148	0.18 184	0.51 132	0.23 129	0.14 108	0.27 149	0.20 155	0.45 181	0.40 189	0.32 175	0.33 130	0.33 191	0.25 176	0.27 80	0.30 216	0.11 229	0.08 139	0.10 182	0.08 104	0.11 219	0.12 163

NVstereo2D	0.32 255	0.18 184	0.63 232	0.24 166	0.23 309	0.43 296	0.28 283	0.60 311	0.58 318	0.28 91	0.39 185	0.42 257	0.30 236	0.71 300	0.30 216	0.13 274	0.09 168	0.13 281	0.10 209	0.20 330	0.18 241

HSM	0.29 228	0.18 184	0.48 85	0.21 54	0.15 158	0.33 228	0.20 155	0.55 263	0.39 181	0.36 224	0.39 185	0.67 355	0.32 260	0.88 344	0.24 167	0.09 143	0.07 92	0.08 59	0.07 44	0.09 131	0.10 99

ToySt	0.28 214	0.19 192	0.68 250	0.22 86	0.19 255	0.31 209	0.31 302	0.43 156	0.43 216	0.28 91	0.38 171	0.42 257	0.32 260	0.33 147	0.32 231	0.08 87	0.14 252	0.10 182	0.12 270	0.11 219	0.24 304

IPLG	0.23 122	0.19 192	0.65 239	0.21 54	0.12 48	0.28 163	0.17 54	0.45 181	0.32 107	0.33 184	0.32 115	0.16 32	0.17 77	0.50 214	0.23 162	0.07 13	0.06 34	0.08 59	0.07 44	0.07 30	0.08 37

MIPNet	0.22 93	0.19 192	0.64 236	0.22 86	0.12 48	0.28 163	0.20 155	0.48 205	0.39 181	0.31 150	0.24 55	0.19 53	0.24 165	0.28 98	0.20 115	0.07 13	0.05 3	0.08 59	0.07 44	0.07 30	0.08 37

Anonymous3	0.24 148	0.19 192	0.76 273	0.27 262	0.18 232	0.41 287	0.24 241	0.45 181	0.36 149	0.23 54	0.27 75	0.20 60	0.18 103	0.28 98	0.19 99	0.12 257	0.11 213	0.10 182	0.10 209	0.11 219	0.13 183

raftrobust	0.19 37	0.19 192	0.42 41	0.23 129	0.24 320	0.19 22	0.13 2	0.33 68	0.28 65	0.26 76	0.20 30	0.19 53	0.17 77	0.23 40	0.17 59	0.08 87	0.10 193	0.07 13	0.06 22	0.07 30	0.09 58

ADLNet	0.30 240	0.19 192	0.59 211	0.23 129	0.19 255	0.34 242	0.23 219	0.56 273	0.44 223	0.43 290	0.41 203	0.43 263	0.28 213	0.56 240	0.36 252	0.11 229	0.08 139	0.11 228	0.11 233	0.11 219	0.15 217

MMNet	0.28 214	0.19 192	0.54 168	0.24 166	0.17 212	0.47 317	0.22 196	0.47 196	0.53 298	0.40 267	0.43 222	0.36 217	0.34 265	0.40 186	0.35 249	0.08 87	0.08 139	0.09 119	0.09 165	0.10 178	0.09 58

HGLStereo	0.29 228	0.19 192	0.60 218	0.24 166	0.21 285	0.33 228	0.23 219	0.52 235	0.44 223	0.36 224	0.49 274	0.41 247	0.35 272	0.46 204	0.34 243	0.11 229	0.11 213	0.09 119	0.09 165	0.11 219	0.12 163

GANet-RSSM	0.26 191	0.19 192	0.54 168	0.21 54	0.14 108	0.27 149	0.22 196	0.47 196	0.34 129	0.30 135	0.40 192	0.41 247	0.30 236	0.59 250	0.25 179	0.11 229	0.08 139	0.09 119	0.09 165	0.10 178	0.10 99

FAT-Stereo	0.36 278	0.19 192	0.75 269	0.26 230	0.18 232	0.34 242	0.30 293	0.62 326	0.61 329	0.47 315	0.61 327	0.59 327	0.50 332	0.61 261	0.36 252	0.13 274	0.14 252	0.13 281	0.12 270	0.14 276	0.20 268

RASNet	0.30 240	0.19 192	0.59 211	0.23 129	0.19 255	0.33 228	0.20 155	0.50 220	0.41 194	0.31 150	0.44 231	0.47 287	0.38 287	0.79 326	0.40 266	0.09 143	0.07 92	0.07 13	0.09 165	0.08 64	0.10 99

StereoDRNet-Refined	0.28 214	0.19 192	0.47 73	0.25 198	0.14 108	0.36 263	0.21 174	0.49 212	0.43 216	0.46 309	0.52 285	0.42 257	0.30 236	0.46 204	0.38 260	0.10 198	0.07 92	0.11 228	0.11 233	0.10 178	0.11 128
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
MyStereo8	0.25 172	0.20 204	0.69 251	0.24 166	0.17 212	0.31 209	0.16 40	0.50 220	0.32 107	0.29 114	0.38 171	0.25 112	0.19 120	0.33 147	0.29 214	0.08 87	0.20 319	0.08 59	0.08 104	0.10 178	0.16 227

Sa-1000	0.24 148	0.20 204	0.53 158	0.23 129	0.14 108	0.30 191	0.23 219	0.50 220	0.41 194	0.30 135	0.50 276	0.26 128	0.19 120	0.33 147	0.16 46	0.08 87	0.10 193	0.10 182	0.11 233	0.08 64	0.08 37

AnonymousM	0.19 37	0.20 204	0.30 5	0.18 8	0.10 17	0.19 22	0.17 54	0.32 56	0.27 57	0.27 85	0.21 42	0.18 47	0.14 41	0.21 25	0.16 46	0.09 143	0.08 139	0.38 374	0.15 317	0.06 2	0.08 37

S-Stereo	0.39 295	0.20 204	1.04 334	0.28 286	0.22 300	0.39 277	0.31 302	0.58 294	0.69 348	0.40 267	0.59 314	0.48 291	0.41 302	0.75 313	0.42 274	0.12 257	0.15 273	0.13 281	0.13 294	0.16 292	0.25 313

stereogan	0.39 295	0.20 204	0.78 283	0.28 286	0.22 300	0.65 356	0.26 264	0.62 326	0.65 338	0.45 304	0.60 318	0.67 355	0.45 314	0.69 294	0.37 258	0.14 295	0.14 252	0.14 299	0.12 270	0.20 330	0.19 256

DRN-Test	0.35 276	0.20 204	0.75 269	0.28 286	0.19 255	0.46 311	0.29 287	0.68 353	0.54 302	0.49 322	0.47 263	0.44 269	0.35 272	0.63 272	0.44 284	0.13 274	0.09 168	0.13 281	0.12 270	0.13 256	0.13 183

DLCB_ROB	0.30 240	0.20 204	0.45 56	0.28 286	0.17 212	0.37 268	0.25 254	0.50 220	0.45 234	0.46 309	0.47 263	0.51 304	0.34 265	0.56 240	0.38 260	0.10 198	0.10 193	0.11 228	0.11 233	0.10 178	0.11 128

whm_eth	0.24 148	0.21 211	0.72 264	0.24 166	0.19 255	0.21 64	0.19 124	0.40 132	0.43 216	0.31 150	0.60 318	0.15 28	0.18 103	0.26 71	0.19 99	0.09 143	0.08 139	0.10 182	0.09 165	0.09 131	0.13 183

4D-IteraStereo	0.20 57	0.21 211	0.62 227	0.21 54	0.14 108	0.19 22	0.17 54	0.29 28	0.28 65	0.24 60	0.20 30	0.20 60	0.10 3	0.22 36	0.18 78	0.07 13	0.07 92	0.10 182	0.08 104	0.08 64	0.33 345

ssnet_v2	0.30 240	0.21 211	0.63 232	0.23 129	0.15 158	0.40 283	0.30 293	0.59 302	0.48 262	0.40 267	0.37 165	0.46 280	0.30 236	0.41 189	0.44 284	0.13 274	0.11 213	0.11 228	0.11 233	0.12 244	0.11 128

RAFT_CTSACE	0.23 122	0.21 211	0.57 191	0.26 230	0.15 158	0.22 86	0.23 219	0.34 72	0.30 92	0.34 198	0.51 279	0.31 175	0.17 77	0.33 147	0.15 37	0.06 1	0.09 168	0.09 119	0.08 104	0.08 64	0.07 11

TRStereo	0.22 93	0.21 211	0.62 227	0.40 360	0.19 255	0.22 86	0.16 40	0.58 294	0.30 92	0.21 31	0.21 42	0.22 73	0.13 31	0.27 80	0.14 24	0.09 143	0.09 168	0.09 119	0.11 233	0.06 2	0.19 256

raft+_RVC	0.21 80	0.21 211	0.46 68	0.22 86	0.35 359	0.21 64	0.16 40	0.39 123	0.35 136	0.22 47	0.28 79	0.20 60	0.15 50	0.25 54	0.20 115	0.08 87	0.16 282	0.08 59	0.07 44	0.07 30	0.12 163

XX-TBD	0.16 11	0.21 211	0.43 46	0.22 86	0.10 17	0.23 102	0.15 25	0.23 3	0.28 65	0.22 47	0.26 66	0.14 22	0.12 15	0.16 3	0.14 24	0.08 87	0.05 3	0.06 1	0.04 1	0.07 30	0.06 4

psm_up	0.30 240	0.21 211	0.58 204	0.26 230	0.18 232	0.32 222	0.27 269	0.57 282	0.45 234	0.38 247	0.41 203	0.45 274	0.40 297	0.59 250	0.32 231	0.11 229	0.12 229	0.13 281	0.12 270	0.11 219	0.11 128

hitnet-ft	0.31 250	0.21 211	0.56 184	0.19 13	0.14 108	0.40 283	0.23 219	0.46 187	0.42 206	0.37 239	0.46 256	0.53 313	0.35 272	0.76 319	0.35 249	0.14 295	0.10 193	0.14 299	0.10 209	0.15 283	0.14 206

PSMNet-RSSM	0.26 191	0.21 211	0.50 120	0.21 54	0.14 108	0.25 130	0.21 174	0.50 220	0.38 170	0.31 150	0.45 244	0.40 240	0.27 194	0.53 227	0.24 167	0.12 257	0.08 139	0.11 228	0.13 294	0.10 178	0.10 99

CFNet-ft	0.26 191	0.21 211	0.51 132	0.19 13	0.16 187	0.31 209	0.21 174	0.40 132	0.37 162	0.29 114	0.40 192	0.46 280	0.27 194	0.49 210	0.28 201	0.12 257	0.07 92	0.12 258	0.11 233	0.12 244	0.11 128

CFNet_RVC	0.26 191	0.21 211	0.51 132	0.19 13	0.16 187	0.31 209	0.21 174	0.40 132	0.37 162	0.29 114	0.40 192	0.46 280	0.27 194	0.49 210	0.28 201	0.12 257	0.07 92	0.12 258	0.11 233	0.12 244	0.11 128

UCFNet_RVC	0.25 172	0.21 211	0.49 102	0.19 13	0.15 158	0.34 242	0.18 92	0.47 196	0.36 149	0.30 135	0.35 144	0.40 240	0.26 188	0.35 168	0.24 167	0.13 274	0.08 139	0.13 281	0.14 308	0.13 256	0.13 183

CBMV_ROB	0.36 278	0.21 211	0.57 191	0.22 86	0.14 108	0.35 255	0.20 155	0.55 263	0.47 256	0.52 331	0.58 310	0.45 274	0.53 341	0.75 313	0.50 302	0.18 337	0.19 311	0.23 355	0.21 350	0.15 283	0.20 268

GMStereo_Zeroshot	0.25 172	0.22 225	0.51 132	0.27 262	0.14 108	0.28 163	0.15 25	0.40 132	0.36 149	0.37 239	0.43 222	0.40 240	0.17 77	0.35 168	0.21 132	0.12 257	0.07 92	0.13 281	0.07 44	0.17 304	0.10 99

TestStereo1	0.23 122	0.22 225	0.50 120	0.27 262	0.14 108	0.26 143	0.27 269	0.43 156	0.38 170	0.29 114	0.39 185	0.23 86	0.21 133	0.33 147	0.18 78	0.08 87	0.08 139	0.09 119	0.08 104	0.08 64	0.10 99

SA-5K	0.23 122	0.22 225	0.50 120	0.27 262	0.14 108	0.26 143	0.27 269	0.43 156	0.38 170	0.29 114	0.39 185	0.23 86	0.21 133	0.33 147	0.18 78	0.08 87	0.08 139	0.09 119	0.08 104	0.08 64	0.10 99

SA	0.24 148	0.22 225	0.55 174	0.23 129	0.14 108	0.25 130	0.23 219	0.48 205	0.42 206	0.28 91	0.44 231	0.23 86	0.23 147	0.34 161	0.17 59	0.07 13	0.09 168	0.11 228	0.11 233	0.08 64	0.09 58

AACVNet	0.28 214	0.22 225	0.55 174	0.23 129	0.14 108	0.30 191	0.19 124	0.43 156	0.33 121	0.39 258	0.42 210	0.44 269	0.29 229	0.73 304	0.28 201	0.11 229	0.09 168	0.11 228	0.09 165	0.13 256	0.12 163

LMCR-Stereo	0.28 214	0.22 225	0.56 184	0.29 299	0.14 108	0.37 268	0.23 219	0.57 282	0.36 149	0.40 267	0.40 192	0.29 156	0.30 236	0.41 189	0.38 260	0.11 229	0.07 92	0.09 119	0.07 44	0.13 256	0.10 99

rafts_anoy	0.21 80	0.22 225	0.49 102	0.25 198	0.24 320	0.19 22	0.17 54	0.34 72	0.32 107	0.24 60	0.25 59	0.20 60	0.16 62	0.25 54	0.21 132	0.08 87	0.19 311	0.11 228	0.12 270	0.09 131	0.09 58

RALCasStereoNet	0.22 93	0.22 225	0.48 85	0.23 129	0.23 309	0.22 86	0.18 92	0.32 56	0.27 57	0.22 47	0.30 96	0.22 73	0.15 50	0.29 115	0.20 115	0.08 87	0.22 330	0.07 13	0.06 22	0.10 178	0.25 313

111	0.22 93	0.22 225	0.57 191	0.19 13	0.09 5	0.24 120	0.17 54	0.44 174	0.46 243	0.24 60	0.30 96	0.29 156	0.22 138	0.25 54	0.19 99	0.08 87	0.05 3	0.07 13	0.06 22	0.07 30	0.15 217

cf-r	0.26 191	0.22 225	0.66 242	0.22 86	0.14 108	0.28 163	0.22 196	0.44 174	0.42 206	0.32 175	0.42 210	0.43 263	0.27 194	0.44 197	0.27 195	0.11 229	0.07 92	0.08 59	0.10 209	0.08 64	0.09 58

edge stereo	0.40 305	0.22 225	0.87 305	0.27 262	0.22 300	0.38 274	0.26 264	0.59 302	0.56 314	0.53 337	0.60 318	0.71 363	0.50 332	0.78 323	0.43 277	0.16 315	0.15 273	0.19 341	0.14 308	0.17 304	0.19 256

iResNet	0.25 172	0.22 225	0.62 227	0.26 230	0.11 25	0.31 209	0.23 219	0.46 187	0.45 234	0.34 198	0.43 222	0.27 132	0.23 147	0.36 172	0.37 258	0.08 87	0.05 3	0.07 13	0.06 22	0.08 64	0.10 99

SGM_RVC	0.57 354	0.22 225	0.60 218	0.26 230	0.16 187	0.97 383	0.46 353	0.76 370	0.90 371	1.03 383	0.92 369	1.16 380	0.93 380	1.21 379	0.72 340	0.17 327	0.16 282	0.16 319	0.16 326	0.16 292	0.24 304
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
StereoVision	0.23 122	0.23 238	0.55 174	0.27 262	0.17 212	0.23 102	0.22 196	0.40 132	0.32 107	0.21 31	0.51 279	0.22 73	0.16 62	0.29 115	0.19 99	0.11 229	0.12 229	0.13 281	0.13 294	0.10 178	0.08 37

CBFPSM	0.28 214	0.23 238	0.76 273	0.21 54	0.14 108	0.38 274	0.26 264	0.42 151	0.37 162	0.34 198	0.36 157	0.55 316	0.38 287	0.33 147	0.40 266	0.08 87	0.08 139	0.07 13	0.08 104	0.09 131	0.12 163

iinet-f	0.31 250	0.23 238	1.16 351	0.20 34	0.16 187	0.44 301	0.23 219	0.47 196	0.38 170	0.36 224	0.44 231	0.41 247	0.35 272	0.36 172	0.43 277	0.10 198	0.09 168	0.08 59	0.08 104	0.13 256	0.12 163

Anonymous_2	0.44 322	0.23 238	0.57 191	0.34 336	0.34 356	0.53 338	0.28 283	0.49 212	0.39 181	0.36 224	0.34 138	0.48 291	0.38 287	0.43 194	0.33 239	0.26 359	0.41 385	0.44 378	1.45 412	0.33 370	0.37 359

raft_robust	0.25 172	0.23 238	0.44 53	0.22 86	0.13 80	0.23 102	0.22 196	0.52 235	0.50 280	0.33 184	0.32 115	0.33 191	0.23 147	0.55 235	0.18 78	0.07 13	0.11 213	0.08 59	0.10 209	0.08 64	0.07 11

ADLNet2	0.31 250	0.23 238	0.77 279	0.23 129	0.18 232	0.36 263	0.24 241	0.55 263	0.54 302	0.33 184	0.38 171	0.45 274	0.31 249	0.70 297	0.36 252	0.10 198	0.08 139	0.09 119	0.09 165	0.12 244	0.11 128

RAFT-Stereo + iAFF	0.20 57	0.23 238	0.49 102	0.21 54	0.16 187	0.19 22	0.17 54	0.35 81	0.32 107	0.26 76	0.33 130	0.20 60	0.17 77	0.21 25	0.17 59	0.06 1	0.10 193	0.07 13	0.07 44	0.07 30	0.11 128

RYNet	0.38 290	0.23 238	0.65 239	0.26 230	0.28 339	0.62 351	0.33 313	0.61 318	0.62 333	0.42 281	0.39 185	0.58 326	0.40 297	0.89 346	0.57 321	0.11 229	0.09 168	0.12 258	0.11 233	0.19 323	0.22 285

HITNet	0.22 93	0.23 238	0.60 218	0.20 34	0.09 5	0.27 149	0.15 25	0.45 181	0.33 121	0.29 114	0.33 130	0.27 132	0.22 138	0.29 115	0.27 195	0.07 13	0.05 3	0.07 13	0.06 22	0.09 131	0.11 128
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
MLCV	0.25 172	0.23 238	0.59 211	0.22 86	0.09 5	0.30 191	0.18 92	0.40 132	0.38 170	0.38 247	0.44 231	0.31 175	0.22 138	0.44 197	0.32 231	0.07 13	0.05 3	0.07 13	0.06 22	0.07 30	0.08 37

RAFT+CT+SA	0.23 122	0.24 248	0.48 85	0.25 198	0.18 232	0.23 102	0.29 287	0.42 151	0.38 170	0.24 60	0.39 185	0.20 60	0.17 77	0.34 161	0.17 59	0.07 13	0.07 92	0.09 119	0.12 270	0.09 131	0.13 183

iRaft-Stereo_5w	0.25 172	0.24 248	0.50 120	0.23 129	0.18 232	0.19 22	0.19 124	0.39 123	0.35 136	0.28 91	0.36 157	0.34 198	0.23 147	0.66 287	0.28 201	0.07 13	0.07 92	0.08 59	0.07 44	0.09 131	0.14 206

RAFT	0.24 148	0.24 248	0.46 68	0.27 262	0.15 158	0.26 143	0.26 264	0.37 98	0.31 99	0.34 198	0.34 138	0.41 247	0.22 138	0.30 124	0.18 78	0.08 87	0.15 273	0.11 228	0.10 209	0.11 219	0.13 183

GEStereo_RVC	0.29 228	0.24 248	0.60 218	0.27 262	0.16 187	0.33 228	0.25 254	0.58 294	0.56 314	0.35 213	0.38 171	0.34 198	0.25 176	0.51 219	0.29 214	0.12 257	0.08 139	0.09 119	0.08 104	0.11 219	0.13 183

TestStereo	0.22 93	0.24 248	0.48 85	0.25 198	0.11 25	0.22 86	0.22 196	0.32 56	0.31 99	0.24 60	0.34 138	0.23 86	0.19 120	0.62 269	0.19 99	0.08 87	0.07 92	0.10 182	0.07 44	0.11 219	0.07 11

sAnonymous2	0.21 80	0.24 248	0.79 284	0.24 166	0.17 212	0.22 86	0.20 155	0.36 86	0.29 78	0.17 15	0.19 25	0.17 39	0.16 62	0.18 12	0.15 37	0.10 198	0.07 92	0.09 119	0.08 104	0.23 345	0.18 241

CroCo_RVC	0.21 80	0.24 248	0.79 284	0.24 166	0.17 212	0.22 86	0.20 155	0.36 86	0.29 78	0.17 15	0.19 25	0.17 39	0.16 62	0.18 12	0.15 37	0.10 198	0.07 92	0.09 119	0.08 104	0.23 345	0.18 241

RALAANet	0.21 80	0.24 248	0.53 158	0.23 129	0.14 108	0.22 86	0.13 2	0.38 107	0.30 92	0.29 114	0.26 66	0.25 112	0.15 50	0.28 98	0.20 115	0.08 87	0.08 139	0.09 119	0.08 104	0.10 178	0.07 11

AFF-stereo	0.20 57	0.24 248	0.49 102	0.22 86	0.11 25	0.18 13	0.18 92	0.35 81	0.29 78	0.25 71	0.36 157	0.25 112	0.17 77	0.25 54	0.17 59	0.06 1	0.09 168	0.08 59	0.08 104	0.08 64	0.11 128

STTStereo	0.30 240	0.24 248	0.83 293	0.25 198	0.17 212	0.30 191	0.24 241	0.49 212	0.39 181	0.39 258	0.41 203	0.44 269	0.28 213	0.41 189	0.30 216	0.13 274	0.13 243	0.13 281	0.16 326	0.12 244	0.12 163

NLCA_NET_v2_RVC	0.29 228	0.24 248	0.81 288	0.26 230	0.18 232	0.30 191	0.22 196	0.52 235	0.41 194	0.38 247	0.42 210	0.42 257	0.28 213	0.46 204	0.31 225	0.11 229	0.08 139	0.10 182	0.11 233	0.10 178	0.12 163
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NOSS_ROB	0.33 262	0.24 248	0.49 102	0.27 262	0.16 187	0.34 242	0.19 124	0.55 263	0.50 280	0.34 198	0.37 165	0.42 257	0.30 236	0.93 357	0.25 179	0.19 346	0.20 319	0.24 357	0.22 357	0.17 304	0.25 313

pmcnn	0.54 347	0.24 248	1.06 337	0.25 198	0.26 333	0.40 283	0.31 302	0.55 263	0.55 310	0.56 344	1.22 382	2.53 405	0.39 294	0.84 338	1.08 367	0.09 143	0.06 34	0.06 1	0.05 8	0.10 178	0.14 206

LL-Strereo2	0.21 80	0.25 261	0.53 158	0.32 321	0.20 272	0.25 130	0.14 12	0.32 56	0.25 42	0.25 71	0.20 30	0.24 101	0.12 15	0.28 98	0.18 78	0.07 13	0.07 92	0.12 258	0.09 165	0.09 131	0.16 227

Wz-Net-LNSev-Ref	0.33 262	0.25 261	0.82 291	0.22 86	0.17 212	0.46 311	0.28 283	0.53 245	0.53 298	0.43 290	0.57 307	0.44 269	0.31 249	0.50 214	0.48 295	0.10 198	0.06 34	0.08 59	0.06 22	0.11 219	0.12 163

test_5	0.25 172	0.25 261	0.57 191	0.27 262	0.18 232	0.25 130	0.29 287	0.42 151	0.39 181	0.29 114	0.40 192	0.27 132	0.23 147	0.35 168	0.19 99	0.07 13	0.07 92	0.09 119	0.09 165	0.10 178	0.14 206

SACVNet	0.32 255	0.25 261	0.59 211	0.26 230	0.19 255	0.35 255	0.25 254	0.54 252	0.41 194	0.43 290	0.45 244	0.46 280	0.34 265	0.71 300	0.30 216	0.14 295	0.10 193	0.12 258	0.12 270	0.16 292	0.20 268

GwcNet-RSSM	0.28 214	0.25 261	0.61 224	0.22 86	0.14 108	0.28 163	0.24 241	0.46 187	0.44 223	0.33 184	0.46 256	0.41 247	0.28 213	0.55 235	0.31 225	0.11 229	0.07 92	0.09 119	0.10 209	0.10 178	0.09 58

BEATNet_4x	0.25 172	0.25 261	0.66 242	0.23 129	0.10 17	0.29 180	0.14 12	0.49 212	0.34 129	0.31 150	0.35 144	0.32 185	0.26 188	0.34 161	0.33 239	0.08 87	0.06 34	0.08 59	0.07 44	0.11 219	0.13 183

DANet	0.37 285	0.25 261	0.67 245	0.37 346	0.22 300	0.42 292	0.25 254	0.50 220	0.44 223	0.52 331	0.50 276	0.59 327	0.42 306	0.78 323	0.53 310	0.13 274	0.12 229	0.14 299	0.12 270	0.17 304	0.21 277
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
CVANet_RVC	0.34 270	0.25 261	0.77 279	0.27 262	0.17 212	0.34 242	0.28 283	0.55 263	0.50 280	0.43 290	0.46 256	0.44 269	0.31 249	0.90 349	0.27 195	0.15 307	0.10 193	0.14 299	0.14 308	0.15 283	0.15 217

DeepPruner_ROB	0.28 214	0.25 261	0.64 236	0.22 86	0.16 187	0.30 191	0.21 174	0.54 252	0.33 121	0.36 224	0.38 171	0.38 227	0.26 188	0.45 203	0.28 201	0.15 307	0.11 213	0.11 228	0.11 233	0.14 276	0.14 206

CBMV	0.36 278	0.25 261	0.61 224	0.24 166	0.14 108	0.42 292	0.33 313	0.56 273	0.52 297	0.54 340	0.52 285	0.51 304	0.58 348	0.63 272	0.43 277	0.15 307	0.16 282	0.18 335	0.16 326	0.13 256	0.19 256
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
fast-acv-ft	0.33 262	0.26 271	0.88 311	0.25 198	0.18 232	0.49 326	0.27 269	0.44 174	0.50 280	0.40 267	0.55 300	0.49 297	0.36 277	0.39 185	0.41 271	0.11 229	0.11 213	0.11 228	0.12 270	0.13 256	0.11 128

APVNet	0.38 290	0.26 271	0.87 305	0.26 230	0.22 300	0.52 335	0.35 319	0.64 336	0.46 243	0.40 267	0.52 285	0.48 291	0.39 294	0.84 338	0.48 295	0.13 274	0.14 252	0.15 313	0.16 326	0.16 292	0.16 227

RP	0.38 290	0.26 271	0.67 245	0.31 316	0.24 320	0.37 268	0.29 287	0.53 245	0.61 329	0.42 281	0.65 333	0.62 337	0.51 334	0.63 272	0.43 277	0.17 327	0.15 273	0.17 328	0.15 317	0.17 304	0.19 256

G-Net	0.47 334	0.26 271	1.02 333	0.34 336	0.28 339	0.89 377	0.35 319	0.47 196	0.46 243	0.68 358	1.20 380	0.64 346	0.59 350	0.61 261	0.60 325	0.16 315	0.14 252	0.17 328	0.13 294	0.22 340	0.21 277

DPSNet	0.51 341	0.26 271	1.16 351	0.28 286	0.21 285	0.76 365	0.56 372	0.89 384	0.82 364	0.49 322	0.51 279	0.64 346	0.81 372	0.89 346	0.85 351	0.17 327	0.16 282	0.13 281	0.13 294	0.26 355	0.27 325

XPNet_ROB	0.35 276	0.26 271	0.58 204	0.28 286	0.19 255	0.37 268	0.31 302	0.57 282	0.51 286	0.52 331	0.54 295	0.57 321	0.38 287	0.65 281	0.48 295	0.17 327	0.12 229	0.13 281	0.12 270	0.16 292	0.17 239

AASNet	0.29 228	0.27 277	0.67 245	0.26 230	0.18 232	0.34 242	0.21 174	0.64 336	0.49 275	0.36 224	0.41 203	0.32 185	0.26 188	0.33 147	0.39 264	0.12 257	0.09 168	0.10 182	0.08 104	0.14 276	0.12 163

ACRE	0.23 122	0.27 277	0.83 293	0.24 166	0.15 158	0.24 120	0.20 155	0.38 107	0.32 107	0.32 175	0.33 130	0.23 86	0.15 50	0.26 71	0.22 147	0.09 143	0.07 92	0.08 59	0.07 44	0.08 64	0.09 58

HCRNet	0.25 172	0.27 277	0.42 41	0.34 336	0.17 212	0.27 149	0.18 92	0.45 181	0.37 162	0.31 150	0.35 144	0.32 185	0.23 147	0.44 197	0.21 132	0.13 274	0.08 139	0.13 281	0.11 233	0.11 219	0.09 58

DMCA-RVC	0.30 240	0.27 277	0.93 322	0.28 286	0.17 212	0.30 191	0.21 174	0.43 156	0.36 149	0.40 267	0.38 171	0.39 237	0.36 277	0.44 197	0.34 243	0.13 274	0.10 193	0.16 319	0.12 270	0.13 256	0.11 128

TDLM	0.32 255	0.27 277	0.52 148	0.30 306	0.15 158	0.33 228	0.32 308	0.54 252	0.50 280	0.44 297	0.43 222	0.39 237	0.30 236	0.92 356	0.30 216	0.14 295	0.09 168	0.13 281	0.12 270	0.13 256	0.14 206

iResNet_ROB	0.27 207	0.27 277	0.48 85	0.21 54	0.12 48	0.32 222	0.17 54	0.57 282	0.55 310	0.39 258	0.44 231	0.37 221	0.28 213	0.43 194	0.28 201	0.08 87	0.06 34	0.06 1	0.05 8	0.09 131	0.11 128

WCMA_ROB	0.55 348	0.27 277	0.76 273	0.26 230	0.22 300	0.62 351	0.36 324	0.57 282	0.58 318	0.97 379	1.40 388	1.28 385	0.94 381	0.80 329	0.80 347	0.20 348	0.17 300	0.16 319	0.16 326	0.19 323	0.29 335

CIPLG	0.23 122	0.28 284	0.75 269	0.24 166	0.16 187	0.25 130	0.20 155	0.38 107	0.33 121	0.32 175	0.34 138	0.23 86	0.15 50	0.27 80	0.22 147	0.09 143	0.07 92	0.08 59	0.07 44	0.08 64	0.09 58

GANet	0.40 305	0.28 284	0.67 245	0.31 316	0.18 232	0.43 296	0.39 337	0.60 311	0.46 243	0.48 321	0.78 354	0.55 316	0.45 314	0.96 361	0.55 317	0.13 274	0.14 252	0.13 281	0.12 270	0.15 283	0.16 227

StereoDRNet	0.34 270	0.28 284	0.70 254	0.28 286	0.21 285	0.43 296	0.30 293	0.63 330	0.51 286	0.47 315	0.40 192	0.48 291	0.31 249	0.58 244	0.44 284	0.12 257	0.10 193	0.12 258	0.11 233	0.13 256	0.13 183

SDNR	0.47 334	0.29 287	0.92 318	0.24 166	0.37 365	1.27 394	0.17 54	0.54 252	0.58 318	0.44 297	0.85 362	0.55 316	0.28 213	1.19 378	0.52 306	0.23 353	0.24 346	0.17 328	0.13 294	0.19 323	0.26 322

IPLGR_C	0.23 122	0.29 287	0.81 288	0.24 166	0.16 187	0.24 120	0.20 155	0.38 107	0.33 121	0.32 175	0.33 130	0.23 86	0.15 50	0.26 71	0.22 147	0.09 143	0.07 92	0.08 59	0.07 44	0.08 64	0.09 58

psmorigin	0.52 344	0.29 287	3.10 406	0.24 166	0.19 255	0.39 277	0.24 241	0.52 235	0.45 234	0.66 356	0.68 340	0.70 362	0.52 336	0.86 341	0.49 301	0.15 307	0.17 300	0.13 281	0.14 308	0.16 292	0.23 292

GwcNet	0.37 285	0.29 287	1.12 345	0.25 198	0.24 320	0.48 323	0.27 269	0.58 294	0.60 327	0.39 258	0.54 295	0.51 304	0.34 265	0.60 255	0.46 290	0.13 274	0.12 229	0.12 258	0.11 233	0.13 256	0.15 217

Nwc_Net	0.39 295	0.29 287	0.84 296	0.32 321	0.24 320	0.45 309	0.30 293	0.67 348	0.51 286	0.39 258	0.70 344	0.59 327	0.48 327	0.61 261	0.45 289	0.16 315	0.12 229	0.19 341	0.21 350	0.14 276	0.15 217

CFNet	0.29 228	0.29 287	0.57 191	0.23 129	0.14 108	0.34 242	0.15 25	0.53 245	0.46 243	0.31 150	0.40 192	0.38 227	0.27 194	0.76 319	0.28 201	0.10 198	0.07 92	0.11 228	0.11 233	0.11 219	0.09 58

ARAFT	0.26 191	0.30 293	0.87 305	0.22 86	0.12 48	0.30 191	0.24 241	0.46 187	0.34 129	0.33 184	0.28 79	0.29 156	0.20 126	0.49 210	0.19 99	0.08 87	0.06 34	0.12 258	0.11 233	0.09 131	0.09 58

GMStereo	0.21 80	0.30 293	0.57 191	0.21 54	0.12 48	0.24 120	0.18 92	0.30 37	0.41 194	0.26 76	0.24 55	0.17 39	0.16 62	0.25 54	0.19 99	0.10 198	0.07 92	0.08 59	0.08 104	0.11 219	0.09 58
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ADCL	0.50 339	0.30 293	1.15 349	0.28 286	0.19 255	0.77 368	0.64 377	0.57 282	0.73 357	0.57 347	0.73 349	0.55 316	0.60 351	0.66 287	1.53 389	0.11 229	0.10 193	0.13 281	0.13 294	0.15 283	0.16 227

AF-Net	0.40 305	0.31 296	0.74 266	0.33 332	0.24 320	0.43 296	0.30 293	0.64 336	0.67 342	0.44 297	0.69 343	0.65 348	0.52 336	0.59 250	0.48 295	0.16 315	0.12 229	0.19 341	0.14 308	0.16 292	0.14 206

NCC-stereo	0.42 314	0.31 296	0.87 305	0.32 321	0.29 348	0.47 317	0.37 326	0.68 353	0.53 298	0.42 281	0.58 310	0.57 321	0.52 336	0.75 313	0.54 314	0.18 337	0.14 252	0.18 335	0.25 363	0.17 304	0.18 241

Abc-Net	0.42 314	0.31 296	0.87 305	0.32 321	0.29 348	0.47 317	0.37 326	0.68 353	0.53 298	0.42 281	0.58 310	0.57 321	0.52 336	0.75 313	0.54 314	0.18 337	0.14 252	0.18 335	0.25 363	0.17 304	0.18 241
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
AANet_RVC	0.33 262	0.31 296	0.69 251	0.23 129	0.14 108	0.30 191	0.23 219	0.49 212	0.55 310	0.39 258	0.60 318	0.43 263	0.30 236	0.88 344	0.54 314	0.11 229	0.08 139	0.07 13	0.07 44	0.10 178	0.12 163

LALA_ROB	0.38 290	0.31 296	0.65 239	0.30 306	0.21 285	0.46 311	0.39 337	0.63 330	0.54 302	0.53 337	0.52 285	0.69 359	0.36 277	0.52 225	0.48 295	0.18 337	0.11 213	0.16 319	0.14 308	0.17 304	0.16 227

PSMNet_ROB	0.36 278	0.31 296	0.71 260	0.31 316	0.21 285	0.44 301	0.44 349	0.61 318	0.49 275	0.39 258	0.45 244	0.49 297	0.32 260	0.66 287	0.53 310	0.14 295	0.10 193	0.15 313	0.14 308	0.13 256	0.13 183

MeshStereo	0.60 359	0.31 296	0.71 260	0.22 86	0.17 212	0.66 357	0.36 324	0.81 375	0.63 335	1.48 404	1.32 385	1.65 392	0.83 373	1.18 377	0.74 341	0.17 327	0.17 300	0.17 328	0.14 308	0.17 304	0.19 256
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
dd	0.23 122	0.32 303	0.55 174	0.23 129	0.12 48	0.27 149	0.21 174	0.32 56	0.45 234	0.30 135	0.29 85	0.25 112	0.17 77	0.31 133	0.26 188	0.13 274	0.07 92	0.10 182	0.08 104	0.12 244	0.09 58

DGSMNet	0.63 365	0.32 303	1.01 332	0.54 377	0.73 390	0.62 351	1.36 408	0.62 326	0.58 318	0.38 247	0.62 329	0.52 309	0.34 265	0.65 281	0.47 293	0.54 383	0.61 400	0.67 389	0.61 397	0.65 385	0.69 396

FADNet-RVC-Resample	0.31 250	0.32 303	1.16 351	0.27 262	0.17 212	0.33 228	0.21 174	0.49 212	0.40 189	0.36 224	0.38 171	0.34 198	0.27 194	0.54 232	0.27 195	0.10 198	0.10 193	0.14 299	0.13 294	0.13 256	0.18 241

ETE_ROB	0.36 278	0.32 303	0.64 236	0.30 306	0.18 232	0.40 283	0.38 334	0.59 302	0.49 275	0.50 325	0.52 285	0.62 337	0.37 282	0.58 244	0.43 277	0.13 274	0.10 193	0.14 299	0.12 270	0.17 304	0.18 241

LL-Strereo	0.32 255	0.33 307	0.77 279	0.26 230	0.24 320	0.22 86	0.23 219	0.58 294	0.44 223	0.35 213	0.32 115	0.41 247	0.40 297	0.93 357	0.25 179	0.08 87	0.13 243	0.11 228	0.09 165	0.09 131	0.22 285

RAFT + AFF	0.30 240	0.33 307	0.76 273	0.25 198	0.17 212	0.30 191	0.33 313	0.55 263	0.42 206	0.28 91	0.30 96	0.31 175	0.31 249	0.64 277	0.32 231	0.09 143	0.11 213	0.11 228	0.10 209	0.12 244	0.16 227

aanetorigin	0.40 305	0.33 307	1.14 348	0.25 198	0.19 255	0.30 191	0.37 326	0.34 72	0.47 256	0.95 377	0.82 359	0.52 309	0.56 345	0.50 214	0.52 306	0.11 229	0.09 168	0.10 182	0.10 209	0.16 292	0.19 256

ADCRef	0.41 310	0.33 307	1.05 335	0.26 230	0.21 285	0.49 326	0.27 269	0.54 252	0.51 286	0.51 328	0.59 314	0.35 212	0.47 323	0.54 232	1.35 383	0.09 143	0.08 139	0.12 258	0.12 270	0.12 244	0.13 183

STTRV1_RVC	0.42 314	0.33 307	0.89 313	0.29 299	0.36 364	0.49 326	0.31 302	0.63 330	0.54 302	0.47 315	0.56 304	0.47 287	0.43 309	1.00 364	0.40 266	0.28 365	0.21 324	0.20 345	0.18 341	0.25 350	0.18 241

FC-DCNN	0.73 372	0.33 307	0.84 296	0.33 332	0.28 339	0.82 374	0.40 341	0.82 376	0.83 365	1.43 397	1.60 396	1.97 397	1.38 395	1.10 373	0.93 354	0.24 355	0.22 330	0.27 360	0.26 367	0.26 355	0.32 343

NCCL2	0.37 285	0.33 307	0.59 211	0.37 346	0.23 309	0.42 292	0.41 344	0.56 273	0.44 223	0.47 315	0.47 263	0.61 334	0.39 294	0.58 244	0.41 271	0.16 315	0.13 243	0.21 348	0.22 357	0.16 292	0.18 241

DN-CSS_ROB	0.24 148	0.33 307	0.69 251	0.25 198	0.14 108	0.26 143	0.13 2	0.42 151	0.35 136	0.30 135	0.42 210	0.22 73	0.20 126	0.34 161	0.22 147	0.07 13	0.06 34	0.11 228	0.11 233	0.11 219	0.09 58

ccnet	0.43 320	0.34 315	0.62 227	0.28 286	0.33 355	0.60 349	0.34 317	0.68 353	0.47 256	0.54 340	0.66 335	0.56 320	0.46 321	0.73 304	0.66 335	0.26 359	0.19 311	0.24 357	0.22 357	0.27 359	0.25 313

SHD	0.45 325	0.34 315	0.89 313	0.37 346	0.28 339	0.46 311	0.23 219	0.72 364	0.96 378	0.65 354	0.61 327	0.61 334	0.48 327	0.64 277	0.69 338	0.16 315	0.16 282	0.16 319	0.16 326	0.21 336	0.25 313

FBW_ROB	0.46 331	0.34 315	0.71 260	0.32 321	0.20 272	0.51 330	0.32 308	0.73 365	0.63 335	0.60 349	0.57 307	0.65 348	0.44 312	1.42 391	0.62 329	0.14 295	0.17 300	0.22 353	0.16 326	0.17 304	0.23 292

MSMD_ROB	0.63 365	0.34 315	0.70 254	0.30 306	0.25 330	0.88 376	0.35 319	0.58 294	0.67 342	1.13 387	1.52 392	1.75 395	1.05 386	0.90 349	0.60 325	0.24 355	0.22 330	0.27 360	0.27 369	0.25 350	0.27 325

HBP-ISP	0.34 270	0.35 319	0.76 273	0.23 129	0.17 212	0.33 228	0.22 196	0.56 273	0.47 256	0.42 281	0.49 274	0.33 191	0.41 302	0.73 304	0.27 195	0.18 337	0.19 311	0.24 357	0.20 348	0.16 292	0.16 227

Wz-Net-LNSev	0.36 278	0.35 319	1.06 337	0.26 230	0.21 285	0.47 317	0.33 313	0.56 273	0.58 318	0.45 304	0.54 295	0.50 301	0.37 282	0.40 186	0.42 274	0.12 257	0.11 213	0.10 182	0.09 165	0.14 276	0.15 217

Wz-Net-MNSev	0.39 295	0.35 319	0.99 331	0.26 230	0.21 285	0.59 348	0.39 337	0.58 294	0.61 329	0.49 322	0.56 304	0.53 313	0.37 282	0.61 261	0.47 293	0.11 229	0.09 168	0.11 228	0.11 233	0.15 283	0.15 217

FADNet_RVC	0.31 250	0.35 319	0.98 329	0.24 166	0.16 187	0.30 191	0.17 54	0.52 235	0.39 181	0.30 135	0.38 171	0.30 166	0.29 229	0.54 232	0.33 239	0.14 295	0.14 252	0.14 299	0.16 326	0.21 336	0.24 304

RGC	0.41 310	0.35 319	0.76 273	0.35 341	0.28 339	0.41 287	0.29 287	0.60 311	0.55 310	0.47 315	0.64 331	0.63 341	0.47 323	0.74 308	0.46 290	0.16 315	0.15 273	0.21 348	0.21 350	0.19 323	0.21 277

PA-Net	0.40 305	0.35 319	1.05 335	0.32 321	0.28 339	0.39 277	0.43 347	0.53 245	0.56 314	0.35 213	0.43 222	0.41 247	0.36 277	0.83 337	0.61 328	0.12 257	0.23 338	0.16 319	0.23 361	0.13 256	0.20 268
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ADCP+	0.48 337	0.36 325	1.47 376	0.26 230	0.22 300	0.57 344	0.40 341	0.56 273	0.54 302	0.46 309	0.52 285	0.46 280	0.53 341	0.59 250	1.93 398	0.10 198	0.08 139	0.11 228	0.11 233	0.14 276	0.15 217

ADCPNet	0.51 341	0.36 325	1.82 390	0.27 262	0.23 309	0.71 360	0.39 337	0.56 273	0.54 302	0.52 331	0.60 318	0.66 352	0.57 347	0.64 277	1.23 372	0.15 307	0.18 307	0.14 299	0.23 361	0.19 323	0.22 285

PS-NSSS	0.33 262	0.36 325	0.61 224	0.24 166	0.18 232	0.33 228	0.24 241	0.59 302	0.42 206	0.38 247	0.52 285	0.36 217	0.31 249	0.80 329	0.32 231	0.18 337	0.14 252	0.21 348	0.15 317	0.17 304	0.14 206

UDGNet	0.24 148	0.37 328	0.53 158	0.25 198	0.14 108	0.24 120	0.18 92	0.32 56	0.44 223	0.29 114	0.28 79	0.24 101	0.20 126	0.30 124	0.21 132	0.16 315	0.07 92	0.21 348	0.11 233	0.16 292	0.11 128

SuperB	0.50 339	0.37 328	2.16 396	0.23 129	0.15 158	0.41 287	0.32 308	0.50 220	0.83 365	0.44 297	0.51 279	0.33 191	0.45 314	0.69 294	1.07 365	0.10 198	0.08 139	0.09 119	0.08 104	0.95 402	0.18 241

RTSC	0.43 320	0.37 328	0.95 326	0.30 306	0.20 272	0.50 329	0.23 219	0.65 342	0.86 368	0.56 344	0.54 295	0.51 304	0.36 277	0.71 300	0.92 353	0.13 274	0.14 252	0.11 228	0.13 294	0.18 319	0.19 256

DeepPrunerF	0.46 331	0.37 328	1.50 378	0.34 336	0.30 350	0.36 263	0.37 326	0.64 336	1.15 390	0.41 277	0.45 244	0.40 240	0.41 302	0.82 333	0.53 310	0.18 337	0.14 252	0.23 355	0.21 350	0.17 304	0.18 241

iResNetv2_ROB	0.29 228	0.37 328	0.92 318	0.24 166	0.13 80	0.30 191	0.19 124	0.55 263	0.51 286	0.39 258	0.46 256	0.39 237	0.27 194	0.36 172	0.30 216	0.09 143	0.06 34	0.07 13	0.05 8	0.13 256	0.11 128

PDISCO_ROB	0.45 325	0.37 328	0.89 313	0.44 368	0.37 365	0.70 359	0.35 319	0.75 368	0.78 360	0.45 304	0.53 292	0.65 348	0.40 297	0.68 293	0.52 306	0.22 352	0.12 229	0.21 348	0.19 344	0.26 355	0.22 285

dad	0.30 240	0.38 334	0.60 218	0.22 86	0.14 108	0.32 222	0.21 174	0.35 81	0.51 286	0.45 304	0.45 244	0.46 280	0.23 147	0.41 189	0.27 195	0.21 349	0.11 213	0.20 345	0.11 233	0.15 283	0.11 128

FCDSN-DC	0.67 368	0.38 334	0.83 293	0.37 346	0.30 350	0.66 357	0.37 326	0.69 359	0.70 350	1.15 389	1.53 393	1.70 394	1.38 395	1.00 364	0.83 349	0.24 355	0.22 330	0.27 360	0.26 367	0.27 359	0.32 343
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
NaN_ROB	0.44 322	0.38 334	0.94 325	0.30 306	0.20 272	0.52 335	0.49 361	0.61 318	0.60 327	0.56 344	0.47 263	0.49 297	0.42 306	1.24 380	0.76 343	0.12 257	0.18 307	0.12 258	0.13 294	0.12 244	0.18 241

PWC_ROB	0.41 310	0.38 334	0.92 318	0.26 230	0.20 272	0.39 277	0.19 124	0.61 318	0.69 348	0.58 348	0.84 361	0.52 309	0.44 312	0.74 308	0.62 329	0.13 274	0.09 168	0.14 299	0.10 209	0.17 304	0.18 241

Syn2CoEx	0.39 295	0.39 338	1.08 342	0.35 341	0.21 285	0.41 287	0.29 287	0.63 330	0.51 286	0.43 290	0.56 304	0.45 274	0.45 314	0.69 294	0.39 264	0.17 327	0.14 252	0.16 319	0.12 270	0.13 256	0.16 227

EDNetEfficient	0.64 367	0.39 338	2.52 398	0.26 230	0.26 333	0.39 277	0.49 361	0.42 151	1.06 382	1.38 394	0.86 363	0.61 334	0.97 382	0.66 287	1.62 393	0.11 229	0.10 193	0.10 182	0.12 270	0.20 330	0.19 256

LE_ROB	1.82 405	0.39 338	3.15 407	0.50 375	0.55 381	0.79 370	1.00 396	0.89 384	6.48 416	7.40 418	2.07 404	2.07 398	5.08 414	1.33 388	3.96 413	0.11 229	0.09 168	0.12 258	0.11 233	0.11 219	0.13 183

ELAS_RVC	0.80 379	0.40 341	1.10 344	0.40 360	0.35 359	0.93 378	1.10 403	0.87 382	1.12 388	1.40 395	1.39 386	1.27 384	1.55 402	1.13 374	1.13 368	0.29 367	0.27 356	0.30 365	0.28 370	0.31 366	0.36 351
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.80 379	0.40 341	0.91 317	0.39 356	0.35 359	1.52 402	0.81 390	0.97 386	0.98 379	1.47 403	1.58 395	1.19 382	1.33 394	1.01 366	1.21 371	0.29 367	0.27 356	0.30 365	0.29 372	0.32 369	0.36 351
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PVD	0.62 362	0.41 343	0.93 322	0.44 368	0.39 369	0.63 354	0.51 366	0.86 381	1.27 391	0.93 376	1.09 375	0.81 367	0.85 374	0.89 346	0.89 352	0.21 349	0.23 338	0.22 353	0.19 344	0.28 362	0.41 368

PASM	0.49 338	0.41 343	1.15 349	0.37 346	0.35 359	0.42 292	0.42 345	0.54 252	0.65 338	0.54 340	0.54 295	0.63 341	0.48 327	0.94 360	0.51 305	0.27 363	0.30 372	0.30 365	0.33 374	0.29 364	0.29 335

SANet	0.58 356	0.41 343	1.38 370	0.27 262	0.16 187	0.72 361	0.48 357	0.71 361	1.34 392	0.69 359	0.97 371	0.94 373	0.78 368	0.97 363	0.93 354	0.14 295	0.12 229	0.12 258	0.12 270	0.18 319	0.20 268

PWCDC_ROB	0.41 310	0.41 343	0.77 279	0.34 336	0.21 285	0.43 296	0.20 155	0.60 311	0.90 371	0.44 297	1.24 383	0.36 217	0.38 287	0.56 240	0.48 295	0.18 337	0.11 213	0.11 228	0.10 209	0.20 330	0.16 227

FADNet-RVC	0.34 270	0.43 347	0.97 327	0.25 198	0.20 272	0.33 228	0.20 155	0.51 230	0.42 206	0.34 198	0.40 192	0.41 247	0.29 229	0.65 281	0.36 252	0.14 295	0.14 252	0.14 299	0.15 317	0.19 323	0.20 268

FADNet	0.34 270	0.43 347	0.88 311	0.24 166	0.22 300	0.37 268	0.19 124	0.56 273	0.49 275	0.32 175	0.36 157	0.43 263	0.32 260	0.65 281	0.30 216	0.17 327	0.16 282	0.14 299	0.16 326	0.25 350	0.21 277

MaskLacGwcNet_RVC	0.38 290	0.43 347	0.72 264	0.35 341	0.19 255	0.51 330	0.25 254	0.56 273	0.39 181	0.42 281	0.47 263	0.47 287	0.27 194	0.74 308	0.32 231	0.38 378	0.19 311	0.27 360	0.17 337	0.29 364	0.27 325

Anonymous Stereo	0.42 314	0.43 347	1.38 370	0.32 321	0.26 333	0.35 255	0.48 357	0.55 263	0.58 318	0.43 290	0.48 272	0.40 240	0.29 229	0.93 357	0.56 318	0.16 315	0.16 282	0.15 313	0.16 326	0.16 292	0.20 268

SGM-Forest	0.42 314	0.44 351	0.92 318	0.24 166	0.16 187	0.45 309	0.40 341	0.58 294	0.50 280	0.54 340	0.63 330	0.52 309	0.51 334	0.91 351	0.66 335	0.17 327	0.17 300	0.17 328	0.15 317	0.15 283	0.21 277
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
XQC	0.47 334	0.45 352	1.07 339	0.40 360	0.28 339	0.58 346	0.38 334	0.67 348	0.76 359	0.53 337	0.47 263	0.59 327	0.47 323	0.74 308	0.80 347	0.18 337	0.14 252	0.18 335	0.16 326	0.26 355	0.24 304

ADCMid	0.53 345	0.45 352	1.46 375	0.27 262	0.22 300	0.51 330	0.38 334	0.61 318	0.58 318	0.75 363	0.67 337	0.62 337	0.66 364	0.66 287	1.75 394	0.13 274	0.12 229	0.17 328	0.17 337	0.20 330	0.21 277

SAMSARA	0.62 362	0.47 354	0.93 322	0.70 386	0.50 376	1.15 389	1.29 407	0.79 372	0.70 350	0.77 368	0.55 300	0.92 372	0.58 348	0.87 343	0.77 344	0.19 346	0.27 356	0.18 335	0.19 344	0.27 359	0.28 331

CSAN	0.55 348	0.47 354	1.19 359	0.37 346	0.23 309	0.57 344	0.61 375	0.65 342	0.72 354	0.65 354	0.78 354	0.66 352	0.65 363	1.41 390	0.77 344	0.21 349	0.17 300	0.20 345	0.21 350	0.18 319	0.21 277

FINET	0.58 356	0.48 356	1.35 369	0.38 354	0.37 365	0.96 382	1.13 404	0.84 380	1.05 381	0.50 325	0.70 344	0.45 274	0.61 355	0.63 272	0.62 329	0.26 359	0.28 360	0.14 299	0.13 294	0.20 330	0.44 372

LSM	1.68 403	0.48 356	2.91 403	2.28 416	17.60 426	0.52 335	0.55 371	0.65 342	0.78 360	0.84 371	1.11 376	0.63 341	0.55 343	0.79 326	0.53 310	0.16 315	0.25 347	0.18 335	0.21 350	0.25 350	2.37 417

WZ-Net	0.56 352	0.49 358	2.14 395	0.30 306	0.24 320	0.58 346	0.48 357	0.65 342	0.80 362	0.51 328	0.72 346	0.68 357	0.60 351	1.06 371	1.01 360	0.13 274	0.10 193	0.11 228	0.12 270	0.19 323	0.23 292

AnyNet_C32	0.55 348	0.51 359	1.34 368	0.29 299	0.28 339	0.61 350	0.62 376	0.57 282	0.62 333	0.63 352	0.68 340	0.54 315	0.55 343	0.82 333	1.81 395	0.15 307	0.15 273	0.15 313	0.18 341	0.21 336	0.25 313

Consistency-Raft	0.56 352	0.52 360	1.12 345	0.45 370	0.49 375	0.48 323	0.45 350	0.73 365	0.74 358	0.45 304	0.82 359	0.46 280	0.60 351	0.51 219	0.63 332	0.39 380	0.40 383	0.44 378	0.51 389	0.53 380	0.38 367

GANetREF_RVC	0.45 325	0.52 360	0.87 305	0.39 356	0.20 272	0.51 330	0.50 363	0.68 353	0.67 342	0.47 315	0.46 256	0.50 301	0.43 309	0.91 351	0.40 266	0.28 365	0.21 324	0.32 369	0.19 344	0.28 362	0.23 292
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
Wz-Net-SNSev	0.45 325	0.53 362	1.42 374	0.31 316	0.21 285	0.44 301	0.45 350	0.64 336	0.68 346	0.46 309	0.66 335	0.62 337	0.40 297	0.78 323	0.65 333	0.12 257	0.11 213	0.12 258	0.13 294	0.17 304	0.19 256

UDG	0.42 314	0.54 363	0.67 245	0.41 364	0.35 359	0.47 317	0.27 269	0.57 282	0.48 262	0.40 267	0.46 256	0.59 327	0.45 314	0.47 207	0.46 290	0.26 359	0.19 311	0.49 380	0.22 357	0.37 372	0.30 337

anonymity	0.57 354	0.55 364	0.74 266	0.48 373	0.63 384	0.56 342	0.43 347	0.71 361	0.51 286	0.64 353	0.55 300	0.57 321	0.61 355	0.65 281	0.57 321	0.55 384	0.55 395	0.50 381	0.54 390	0.51 378	0.61 387

CC-Net-ROB	0.46 331	0.55 364	0.86 303	0.38 354	0.23 309	0.51 330	0.30 293	0.69 359	0.51 286	0.46 309	0.51 279	0.48 291	0.38 287	0.96 361	0.40 266	0.36 375	0.23 338	0.56 384	0.25 363	0.34 371	0.22 285

RTS	0.81 381	0.56 366	4.76 410	0.37 346	0.30 350	1.11 386	0.52 367	0.67 348	1.07 383	0.76 366	0.91 367	0.60 332	0.61 355	1.64 394	1.24 373	0.15 307	0.13 243	0.15 313	0.15 317	0.22 340	0.24 304

RTSA	0.81 381	0.56 366	4.76 410	0.37 346	0.30 350	1.11 386	0.52 367	0.67 348	1.07 383	0.76 366	0.91 367	0.60 332	0.61 355	1.64 394	1.24 373	0.15 307	0.13 243	0.15 313	0.15 317	0.22 340	0.24 304

ADCS	0.62 362	0.56 366	1.54 381	0.30 306	0.25 330	0.56 342	0.46 353	0.71 361	0.86 368	0.77 368	0.72 346	0.68 357	0.62 359	0.82 333	2.33 405	0.17 327	0.16 282	0.16 319	0.17 337	0.23 345	0.27 325

SGM-ForestM	1.59 399	0.56 366	1.52 380	0.41 364	0.34 356	2.77 411	1.67 411	1.69 403	1.73 399	2.48 409	2.27 408	6.02 417	2.90 411	3.08 410	2.83 409	0.25 358	0.30 372	0.19 341	0.20 348	0.18 319	0.45 375

SQANet	0.44 322	0.57 370	0.89 313	0.49 374	0.39 369	0.47 317	0.23 219	0.53 245	0.44 223	0.41 277	0.48 272	0.47 287	0.34 265	0.58 244	0.43 277	0.38 378	0.15 273	0.40 376	0.21 350	0.50 377	0.34 348

EDNetEfficientorigin	7.48 416	0.57 370	139.59 439	0.25 198	0.17 212	0.44 301	0.30 293	0.48 205	1.04 380	1.29 391	1.02 373	0.82 368	0.87 377	0.76 319	1.02 361	0.10 198	0.09 168	0.12 258	0.11 233	0.22 340	0.25 313

GASNet	0.39 295	0.58 372	1.27 364	0.35 341	0.23 309	0.35 255	0.23 219	0.63 330	0.56 314	0.41 277	0.38 171	0.45 274	0.30 236	0.81 332	0.42 274	0.16 315	0.11 213	0.14 299	0.14 308	0.23 345	0.12 163

MFN_U_SF_RVC	0.58 356	0.58 372	1.31 367	0.39 356	0.23 309	0.72 361	0.30 293	0.83 378	0.68 346	0.74 362	0.74 350	0.86 369	0.60 351	0.84 338	0.83 349	0.29 367	0.27 356	0.32 369	0.37 380	0.31 366	0.33 345

MANE	1.63 401	0.58 372	1.16 351	0.59 379	0.60 383	2.71 410	1.53 409	2.63 413	3.62 408	2.33 408	3.26 410	3.66 411	2.98 412	2.26 407	2.26 404	0.37 376	0.40 383	0.31 368	0.49 385	0.31 366	0.63 390

DDUNet	0.45 325	0.60 375	0.71 260	0.45 370	0.39 369	0.46 311	0.32 308	0.53 245	0.44 223	0.46 309	0.53 292	0.57 321	0.38 287	0.51 219	0.43 277	0.34 373	0.21 324	0.56 384	0.25 363	0.41 374	0.36 351

MFN_U_SF_DS_RVC	0.53 345	0.60 375	0.98 329	0.40 360	0.25 330	0.87 375	0.57 373	0.60 311	0.64 337	0.60 349	0.67 337	0.63 341	0.42 306	1.13 374	0.50 302	0.23 353	0.28 360	0.27 360	0.35 376	0.25 350	0.33 345

NVStereoNet_ROB	0.74 373	0.64 377	1.20 361	0.55 378	0.43 373	0.54 341	0.48 357	0.75 368	0.87 370	0.88 373	1.72 398	1.06 377	1.03 385	1.29 384	0.98 359	0.35 374	0.42 386	0.41 377	0.48 384	0.38 373	0.43 370
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
AnyNet_C01	0.68 370	0.69 378	2.64 400	0.33 332	0.27 338	0.93 378	0.64 377	0.66 346	0.65 338	0.70 360	0.97 371	0.75 365	0.63 361	1.01 366	1.52 388	0.17 327	0.16 282	0.17 328	0.17 337	0.24 349	0.28 331

Wz-Net-TNSev	0.55 348	0.72 379	1.90 391	0.26 230	0.21 285	0.64 355	0.45 350	0.66 346	0.71 352	0.52 331	0.55 300	0.71 363	0.63 361	1.04 369	0.94 356	0.16 315	0.15 273	0.13 281	0.15 317	0.21 336	0.24 304

SPS-STEREO	0.74 373	0.72 379	1.18 358	0.52 376	0.57 382	0.76 365	0.50 363	0.80 373	0.66 341	0.97 379	0.88 366	0.94 373	0.74 366	1.08 372	1.04 363	0.58 387	0.51 389	0.50 381	0.50 388	0.56 381	0.72 398
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
otaku	0.60 359	0.73 381	1.13 347	0.64 381	0.45 374	0.73 363	0.37 326	0.67 348	0.67 342	0.52 331	0.75 352	0.66 352	0.46 321	0.74 308	0.59 324	0.55 384	0.34 380	0.56 384	0.36 378	0.65 385	0.49 381

MSC_U_SF_DS_RVC	0.70 371	0.73 381	1.26 363	0.47 372	0.28 339	1.42 400	0.60 374	0.82 376	0.94 377	0.85 372	0.86 363	0.88 371	0.70 365	1.32 387	0.75 342	0.37 376	0.30 372	0.34 372	0.36 378	0.44 375	0.42 369

Ntro	0.61 361	0.75 383	1.16 351	0.67 383	0.50 376	0.76 365	0.37 326	0.68 353	0.71 352	0.50 325	0.59 314	0.65 348	0.52 336	0.79 326	0.58 323	0.58 387	0.32 377	0.57 387	0.34 375	0.69 390	0.50 382

coex-ft	3.48 411	0.81 384	48.53 437	0.24 166	0.19 255	0.53 338	0.47 356	0.49 212	2.36 404	7.18 417	1.20 380	0.96 376	2.53 408	0.75 313	2.14 402	0.13 274	0.15 273	0.14 299	0.12 270	0.22 340	0.47 377

MFMNet_re	0.74 373	0.84 385	1.16 351	0.64 381	0.70 389	0.79 370	0.71 382	0.77 371	0.85 367	0.79 370	0.86 363	0.69 359	0.80 370	0.73 304	0.65 333	0.66 391	0.59 399	0.61 388	0.58 395	0.68 388	0.71 397

SGM+DAISY	1.12 391	0.86 386	1.64 384	0.68 384	0.80 398	1.68 404	1.68 412	1.08 388	1.10 385	1.53 405	1.76 400	1.47 389	1.53 401	1.24 380	1.42 387	0.66 391	0.65 405	0.52 383	0.54 390	0.57 382	0.91 405

JetBlue	1.20 393	0.89 387	2.53 399	0.59 379	0.76 391	3.16 413	2.09 413	1.16 390	0.93 374	0.95 377	1.12 377	1.65 392	1.27 392	2.15 405	1.87 397	0.43 382	0.37 382	0.38 374	0.39 382	0.62 383	0.63 390

ACVNet-4b	0.76 376	0.90 388	1.67 385	0.73 388	0.51 379	0.80 373	0.31 302	0.74 367	0.81 363	0.51 328	0.72 346	0.94 373	0.43 309	1.01 366	1.32 381	1.18 409	0.22 330	0.77 393	0.45 383	0.70 391	0.50 382

ACVNet_1	0.77 378	0.92 389	1.79 389	0.73 388	0.53 380	0.78 369	0.42 345	0.88 383	0.90 371	0.75 363	0.76 353	1.32 386	0.80 370	1.04 369	0.70 339	0.57 386	0.32 377	0.72 391	0.35 376	0.70 391	0.50 382

DispFullNet	0.67 368	0.94 390	1.63 383	0.77 391	1.19 408	0.53 338	0.25 254	0.61 318	0.72 354	0.70 360	0.60 318	0.69 359	0.90 378	0.80 329	0.52 306	0.27 363	0.13 243	0.74 392	0.31 373	0.68 388	0.44 372

IMH-64-1	0.94 383	0.95 391	1.07 339	0.98 397	0.76 391	0.93 378	0.72 383	1.30 392	1.11 386	0.91 374	1.45 389	1.14 378	1.00 383	1.25 382	0.97 357	0.77 393	0.51 389	0.97 398	0.55 393	0.90 396	0.66 393

IMH-64	0.94 383	0.95 391	1.07 339	0.98 397	0.76 391	0.93 378	0.72 383	1.30 392	1.11 386	0.91 374	1.45 389	1.14 378	1.00 383	1.25 382	0.97 357	0.77 393	0.51 389	0.97 398	0.55 393	0.90 396	0.66 393

ACVNet_2	0.94 383	0.98 393	1.71 387	0.83 393	0.63 384	1.02 384	0.64 377	1.16 390	1.43 395	1.02 381	1.39 386	1.47 389	0.86 376	1.16 376	0.79 346	0.63 390	0.43 388	0.78 394	0.49 385	0.80 393	0.57 385

WAO-7	1.05 386	1.00 394	1.19 359	0.83 393	0.67 388	1.22 392	0.84 392	1.43 396	1.56 397	1.13 387	1.75 399	1.46 388	1.25 391	1.56 393	1.28 375	0.61 389	0.62 403	0.70 390	0.68 399	0.66 387	0.62 388

RainbowNet	0.76 376	1.00 394	1.29 365	0.82 392	0.63 384	0.79 370	0.52 367	0.83 378	0.93 374	0.61 351	0.79 357	0.79 366	0.62 359	0.82 333	0.67 337	0.80 397	0.55 395	0.79 395	0.49 385	0.81 394	0.62 388

WAO-6	1.11 390	1.01 396	1.17 357	0.96 396	0.79 395	1.30 396	0.78 387	1.36 394	1.99 402	1.04 384	1.54 394	1.59 391	1.27 392	1.37 389	1.30 376	0.78 395	0.55 395	1.03 402	0.75 403	0.87 395	0.72 398

IMH	1.09 389	1.04 397	1.29 365	1.03 399	0.79 395	1.11 386	0.69 380	1.40 395	1.42 394	1.02 381	1.71 397	1.42 387	1.19 390	1.78 400	1.03 362	1.14 407	0.56 398	1.00 400	0.58 395	0.93 399	0.68 395

TorneroNet-64	1.47 395	1.15 398	1.51 379	1.11 404	0.86 402	2.27 409	0.76 385	1.84 405	3.76 409	1.29 391	2.22 407	2.68 407	1.46 397	1.81 401	1.55 390	0.79 396	0.51 389	1.10 403	0.67 398	1.31 407	0.81 404

LVE	1.18 392	1.16 399	1.67 385	1.04 400	0.81 399	1.32 397	0.82 391	1.49 398	1.94 400	1.08 385	1.90 401	1.89 396	1.07 387	1.51 392	1.04 363	0.96 403	0.61 400	0.94 397	0.69 400	0.92 398	0.79 403

Dean	1.22 394	1.17 400	1.97 392	1.04 400	0.79 395	1.21 391	0.76 385	1.51 399	1.96 401	1.30 393	1.98 403	2.14 399	1.18 389	1.30 385	1.15 369	0.83 398	0.61 400	1.01 401	0.69 400	0.97 403	0.77 402

FADE	4.36 412	1.19 401	4.67 409	0.71 387	0.76 391	0.73 363	0.50 363	1.87 408	1.53 396	0.75 363	0.67 337	1.17 381	2.69 410	2.88 409	2.14 402	24.66 436	4.77 418	17.17 431	17.41 430	0.51 378	0.45 375

TorneroNet	2.26 407	1.20 402	1.55 382	1.15 406	0.91 403	5.84 414	0.84 392	2.12 410	8.45 419	2.59 410	5.32 414	3.84 412	2.15 405	1.84 403	1.98 400	0.88 399	0.54 394	1.16 407	0.74 402	1.31 407	0.91 405

WAO-8	1.50 397	1.22 403	1.39 372	1.10 402	0.85 400	2.15 406	0.78 387	1.84 405	3.76 409	1.46 399	2.18 405	2.15 400	1.50 399	3.20 412	1.35 383	0.92 401	0.66 406	1.10 403	0.79 404	0.94 400	0.74 400

Venus	1.50 397	1.22 403	1.39 372	1.10 402	0.85 400	2.15 406	0.78 387	1.84 405	3.76 409	1.46 399	2.18 405	2.15 400	1.50 399	3.20 412	1.35 383	0.92 401	0.66 406	1.10 403	0.79 404	0.94 400	0.74 400

MADNet+	1.05 386	1.26 405	4.77 412	0.73 388	0.50 376	1.25 393	0.97 395	1.05 387	0.93 374	0.67 357	0.78 354	0.87 370	0.85 374	2.14 404	1.83 396	0.40 381	0.42 386	0.32 369	0.28 370	0.45 376	0.43 370

PWCK	1.05 386	1.29 406	2.12 394	0.92 395	0.42 372	1.27 394	1.01 397	1.14 389	1.14 389	1.16 390	1.14 378	1.25 383	0.90 378	1.77 399	1.15 369	0.89 400	0.51 389	0.87 396	0.54 390	1.02 404	0.57 385

UNDER WATER-64	1.61 400	1.30 407	2.93 404	1.33 407	0.96 404	2.20 408	1.25 406	1.47 397	3.15 406	1.46 399	1.31 384	2.61 406	2.22 406	1.69 396	1.93 398	1.13 406	0.67 408	1.29 408	0.94 407	1.26 405	1.09 409

UNDER WATER	1.64 402	1.34 408	2.72 402	1.40 408	1.04 405	1.70 405	1.14 405	1.57 402	3.58 407	1.46 399	1.46 391	2.82 408	2.43 407	1.74 397	2.04 401	1.08 405	0.63 404	1.31 409	0.94 407	1.29 406	1.10 410

notaker	1.49 396	1.44 409	1.77 388	1.42 409	1.08 406	1.19 390	0.87 394	1.51 399	1.40 393	1.53 405	3.41 411	2.40 403	1.94 404	1.83 402	1.57 391	1.14 407	0.69 409	1.38 410	0.88 406	1.39 411	1.03 408

ktn	1.80 404	1.46 410	1.49 377	1.44 410	1.14 407	1.50 401	1.07 400	1.53 401	3.90 412	2.77 411	4.62 412	3.42 410	1.49 398	1.74 397	1.40 386	1.45 411	0.77 410	1.46 411	0.99 409	1.41 412	1.00 407

KSHMR	1.92 406	1.47 411	1.97 392	1.48 411	1.22 409	1.39 399	1.06 399	1.81 404	5.83 415	1.43 397	5.56 415	2.95 409	1.17 388	2.24 406	1.33 382	1.29 410	1.13 411	1.47 412	1.11 411	1.37 410	1.21 411

MADNet++	2.34 408	1.81 412	2.24 397	2.15 415	1.97 414	2.79 412	2.19 414	2.42 412	2.26 403	2.79 412	2.70 409	2.43 404	2.60 409	3.18 411	3.32 410	2.19 413	1.97 414	1.93 413	1.62 413	2.02 414	2.10 415

SPstereo	14.29 424	1.85 413	2.95 405	1.89 413	1.68 413	23.50 431	43.36 431	35.81 438	29.54 438	20.90 432	20.49 429	26.26 438	21.86 431	25.13 438	19.49 430	1.60 412	1.44 412	2.99 416	2.21 415	1.34 409	1.43 414

HanzoNet	3.08 410	1.87 414	2.70 401	1.81 412	1.34 410	1.60 403	1.05 398	2.06 409	2.62 405	5.63 415	5.12 413	5.96 416	7.09 417	4.39 416	3.43 411	3.29 415	2.06 416	1.98 414	2.94 417	2.47 415	2.15 416

JetRed	2.35 409	2.70 415	6.11 413	1.14 405	1.38 411	6.03 415	3.61 415	2.12 410	1.72 398	1.99 407	1.97 402	2.15 400	1.59 403	2.49 408	4.19 414	1.05 404	1.60 413	1.10 403	1.02 410	1.72 413	1.41 413

BEATNet-Init1	4.91 414	3.27 416	14.39 426	0.69 385	0.65 387	10.19 421	3.83 416	5.04 416	5.11 414	8.73 420	8.52 418	13.95 427	7.66 418	7.79 419	5.79 416	0.32 372	0.34 380	0.34 372	0.38 381	0.64 384	0.64 392

DPSimNet_ROB	6.21 415	5.16 417	9.50 416	5.59 419	5.56 416	7.64 416	10.02 418	4.07 415	7.33 417	6.84 416	6.26 416	7.17 418	10.55 419	4.07 415	5.68 415	5.50 418	4.29 417	5.24 419	3.66 418	4.05 417	5.96 420

DGTPSM_ROB	8.38 418	5.24 418	10.71 424	5.32 418	10.19 420	8.34 417	23.49 426	6.11 418	13.43 425	4.93 413	10.93 423	5.64 414	10.55 419	6.17 417	12.73 422	3.74 416	7.56 421	3.68 417	7.24 422	4.09 418	7.49 421

DPSMNet_ROB	8.44 419	5.25 419	10.87 425	5.59 419	10.27 421	8.34 417	23.51 427	6.12 419	13.47 426	4.96 414	10.94 424	5.65 415	10.55 419	6.25 418	12.77 423	4.01 417	7.62 422	3.75 418	7.27 423	4.16 419	7.54 422

ASD4	8.08 417	7.42 420	8.23 415	6.03 421	6.01 417	14.62 423	20.55 422	9.03 421	8.06 418	7.51 419	6.52 417	7.36 419	6.42 415	8.13 420	9.88 420	5.93 420	5.10 419	6.60 423	5.79 419	6.82 420	5.52 419

Anonymous_1	16.44 429	9.26 421	9.67 418	10.63 422	14.54 424	18.62 428	26.98 428	12.68 426	13.53 427	10.78 426	10.37 422	10.15 421	10.66 422	10.99 426	12.64 421	15.61 433	7.73 423	16.87 430	43.01 435	56.14 438	7.86 425

xxxxx1	15.30 425	9.78 422	10.23 421	20.34 428	19.47 427	17.10 424	23.00 423	10.36 423	11.04 421	9.25 421	9.66 419	10.74 422	10.66 422	10.60 423	13.72 426	8.14 424	9.35 427	31.88 436	44.61 436	12.63 424	13.46 426

tt_ll	15.30 425	9.78 422	10.23 421	20.34 428	19.47 427	17.10 424	23.00 423	10.36 423	11.04 421	9.25 421	9.66 419	10.74 422	10.66 422	10.60 423	13.72 426	8.14 424	9.35 427	31.88 436	44.61 436	12.63 424	13.46 426

ff	15.30 425	9.78 422	10.23 421	20.34 428	19.47 427	17.10 424	23.00 423	10.36 423	11.04 421	9.25 421	9.66 419	10.74 422	10.66 422	10.60 423	13.72 426	8.14 424	9.35 427	31.88 436	44.61 436	12.63 424	13.46 426

DPSM_ROB	11.46 422	9.79 425	10.18 419	11.11 423	11.31 422	19.08 429	27.38 429	13.42 427	14.23 428	10.34 424	11.13 425	10.97 425	11.33 426	11.89 427	13.49 424	6.74 422	8.19 424	6.00 420	7.05 420	7.74 421	7.76 423

DPSM	11.46 422	9.79 425	10.18 419	11.11 423	11.31 422	19.08 429	27.38 429	13.42 427	14.23 428	10.34 424	11.13 425	10.97 425	11.33 426	11.89 427	13.49 424	6.74 422	8.19 424	6.00 420	7.05 420	7.74 421	7.76 423

DLNR_Zeroshot_test	10.53 420	12.28 427	20.32 428	105.84 439	23.88 436	0.14 3	0.13 2	3.20 414	0.20 5	0.16 11	0.23 50	0.16 32	0.10 3	0.32 138	0.16 46	2.54 414	0.32 377	0.07 13	0.07 44	40.17 437	0.28 331

PML	15.86 428	13.12 428	7.07 414	5.22 417	7.66 418	32.93 432	64.30 438	5.37 417	10.12 420	25.87 437	67.29 438	20.25 429	13.20 428	10.09 422	6.81 419	5.94 421	2.00 415	6.03 422	2.18 414	9.13 423	2.62 418

LRCNet_RVC	10.94 421	14.45 429	9.66 417	15.38 425	8.02 419	1.08 385	0.35 319	8.72 420	0.72 354	12.63 427	15.84 427	9.73 420	6.52 416	8.58 421	6.38 418	20.33 434	5.39 420	23.79 433	21.95 432	15.35 427	13.96 429

CasAABBNet	23.04 432	19.69 430	20.32 428	22.42 431	22.73 431	38.35 433	55.23 434	26.99 435	28.74 433	20.67 430	22.28 432	22.11 434	22.86 435	23.84 434	27.17 434	13.52 427	16.47 431	12.08 424	14.21 425	15.57 428	15.60 430

MyStereo03	23.12 434	19.74 431	20.70 431	22.51 433	22.82 433	38.36 434	55.25 435	26.92 432	28.81 434	20.90 432	22.38 433	22.06 431	22.80 432	23.83 431	27.20 436	13.55 429	16.70 433	12.09 425	14.22 427	15.58 429	16.03 432

MyStereo02	23.12 434	19.74 431	20.70 431	22.51 433	22.82 433	38.36 434	55.25 435	26.92 432	28.81 434	20.90 432	22.38 433	22.06 431	22.80 432	23.83 431	27.20 436	13.55 429	16.70 433	12.09 425	14.22 427	15.58 429	16.03 432

MyStereo	23.12 434	19.74 431	20.70 431	22.51 433	22.82 433	38.36 434	55.25 435	26.92 432	28.81 434	20.90 432	22.38 433	22.06 431	22.80 432	23.83 431	27.20 436	13.55 429	16.70 433	12.09 425	14.22 427	15.58 429	16.03 432

Selective-RAFT-Error	23.11 433	19.77 434	20.60 430	22.49 432	22.80 432	38.46 438	55.19 433	27.13 437	28.90 437	20.73 431	22.38 433	22.11 434	22.91 437	23.94 435	27.18 435	13.54 428	16.57 432	12.09 425	14.21 425	15.61 432	15.65 431

LSM0	24.21 437	19.88 435	22.33 434	24.42 436	40.13 438	38.41 437	54.99 432	27.05 436	28.61 432	20.59 429	22.00 431	22.29 436	22.86 435	24.12 436	27.16 433	13.59 432	16.33 430	12.13 429	14.08 424	15.72 433	17.53 435

HaxPig	17.72 430	20.23 436	19.76 427	16.55 426	16.52 425	9.46 419	9.42 417	14.48 429	13.31 424	18.59 428	18.67 428	17.39 428	16.68 429	17.07 429	16.43 429	21.99 435	20.86 436	22.28 432	21.55 431	21.30 434	21.88 436

MEDIAN_ROB	21.20 431	24.56 437	23.42 435	19.57 427	19.62 430	13.29 422	11.21 419	18.04 430	17.02 430	22.07 436	21.92 430	20.84 430	20.24 430	21.02 430	19.68 431	25.59 437	24.08 437	26.20 434	25.19 433	25.31 435	25.19 437

AVERAGE_ROB	25.43 438	29.01 438	27.22 436	24.60 437	24.16 437	17.78 427	12.87 420	22.39 431	21.40 431	26.72 438	26.08 437	25.18 437	24.52 438	25.07 437	23.57 432	29.94 438	28.36 438	30.60 435	29.57 434	29.83 436	29.66 438

test_example2	100.95 439	107.33 439	67.16 438	98.17 438	106.88 439	89.44 439	101.34 439	37.23 439	97.88 439	129.56 439	131.26 439	65.41 439	67.34 439	91.22 439	79.29 439	143.32 439	199.32 439	81.12 439	102.17 439	121.89 439	101.70 439

Low-res two-view benchmark