Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

GrayStereo	0.71 230	0.27 1	2.40 112	0.89 345	0.23 108	0.62 181	1.40 389	0.67 86	0.70 177	0.72 280	0.77 289	0.55 163	3.03 395	0.60 106	0.28 41	0.10 47	0.08 38	0.10 46	0.21 268	0.12 25	0.37 160

AEACV	0.89 304	0.29 2	1.84 17	2.50 403	1.68 394	0.53 65	0.21 29	1.01 289	0.42 9	0.68 261	0.31 25	0.22 8	0.39 145	1.63 266	0.25 23	0.09 11	2.60 407	0.09 13	0.54 370	0.23 186	2.27 399

PSM-AAD	0.67 210	0.29 2	2.41 116	0.37 166	0.23 108	0.86 312	1.15 375	0.62 70	0.66 123	0.64 235	0.71 267	0.67 218	2.90 394	0.65 121	0.32 77	0.10 47	0.08 38	0.17 274	0.15 194	0.14 51	0.34 147

EAI-Stereo	1.16 346	0.29 2	1.94 33	0.55 284	0.97 355	1.96 384	7.94 412	1.34 365	1.03 340	1.01 334	1.48 360	0.51 142	0.66 285	0.65 121	1.42 309	0.09 11	0.23 235	0.09 13	0.53 369	0.13 35	0.49 228

GLC_STEREO	0.31 1	0.30 5	1.80 10	0.29 45	0.12 3	0.41 13	0.20 20	0.39 2	0.42 9	0.26 14	0.31 25	0.25 22	0.19 7	0.36 23	0.26 32	0.09 11	0.11 124	0.12 134	0.10 70	0.13 35	0.15 30

SST-Stereo	0.56 110	0.30 5	2.44 133	0.71 329	0.55 285	0.62 181	0.65 327	0.57 53	0.67 135	0.59 188	0.53 125	0.51 142	0.59 265	1.57 256	0.31 69	0.12 142	0.07 6	0.12 134	0.10 70	0.17 90	0.11 9

CAS	0.39 15	0.31 7	1.79 9	0.81 341	0.34 208	0.51 45	0.23 57	0.49 14	0.42 9	0.23 6	0.31 25	0.20 2	0.17 1	0.30 2	0.25 23	0.77 373	0.06 1	0.07 1	0.05 1	0.10 10	0.41 187

anonymousdsp2	0.88 297	0.31 7	1.96 37	1.06 359	1.56 390	0.57 104	0.22 38	0.84 168	0.98 333	1.20 353	0.37 41	0.65 209	0.26 48	1.19 207	0.46 138	0.10 47	2.40 406	0.10 46	0.13 158	0.19 132	2.96 405

EGLCR-Stereo	0.90 307	0.31 7	1.90 26	1.60 383	0.95 351	1.14 351	0.42 251	0.85 178	0.43 13	1.74 381	0.21 1	0.27 35	0.17 1	1.56 252	0.30 55	0.10 47	2.60 407	0.10 46	0.09 37	0.10 10	3.10 407

RAFT_R40	0.55 102	0.31 7	2.44 133	0.57 297	0.42 257	0.62 181	0.52 291	0.58 55	0.66 123	0.56 151	0.54 139	0.54 155	0.50 227	1.56 252	0.53 164	0.11 110	0.07 6	0.12 134	0.10 70	0.16 69	0.10 4

CRE-IMP	0.46 45	0.31 7	2.40 112	0.53 277	0.17 37	0.79 295	0.68 335	0.54 39	0.66 123	0.47 63	0.43 63	0.44 106	0.26 48	0.43 44	0.33 86	0.12 142	0.07 6	0.12 134	0.09 37	0.17 90	0.23 84

R-Stereo Train	0.42 22	0.31 7	2.51 173	0.30 59	0.18 47	0.56 85	0.25 98	0.82 151	0.41 5	0.57 163	0.67 234	0.33 55	0.24 26	0.34 15	0.33 86	0.10 47	0.08 38	0.09 13	0.07 12	0.09 5	0.18 56

RAFT-Stereo	0.42 22	0.31 7	2.51 173	0.30 59	0.18 47	0.56 85	0.25 98	0.82 151	0.41 5	0.57 163	0.67 234	0.33 55	0.24 26	0.34 15	0.33 86	0.10 47	0.08 38	0.09 13	0.07 12	0.09 5	0.18 56
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AE-Stereo	0.71 230	0.32 14	2.44 133	0.44 236	0.50 273	0.58 111	0.23 57	1.08 333	0.67 135	0.67 255	0.51 115	0.47 127	0.24 26	0.63 113	0.32 77	0.09 11	2.15 398	0.11 92	0.45 357	0.22 172	2.01 380

CES	0.33 4	0.32 14	1.46 2	0.25 5	0.50 273	0.40 12	0.20 20	0.48 11	0.48 27	0.22 3	0.29 17	0.26 28	0.19 7	0.35 21	0.22 4	0.09 11	0.07 6	0.08 3	0.05 1	0.16 69	0.54 245

riskmin	0.96 318	0.32 14	2.07 53	1.72 390	1.61 393	1.62 372	0.57 307	1.45 371	0.55 59	0.73 281	0.89 313	0.92 310	0.45 202	1.16 203	0.60 181	0.11 110	1.30 367	0.12 134	1.38 404	0.14 51	1.51 368

DCANet-4	0.43 25	0.32 14	2.31 93	0.26 15	0.14 8	0.51 45	0.22 38	0.84 168	0.78 240	0.55 141	0.48 88	0.28 37	0.37 127	0.40 34	0.37 106	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 196

tt	4.94 407	0.32 14	4.22 379	2.29 402	1.58 391	10.19 414	16.94 417	9.44 415	5.03 402	1.69 380	1.33 355	4.68 401	5.02 405	3.38 392	5.91 404	6.15 413	9.47 420	2.80 410	3.16 412	3.54 410	1.58 370

BUS	0.45 40	0.32 14	1.58 3	0.31 73	0.22 86	0.91 324	0.23 57	1.05 315	0.67 135	0.64 235	0.53 125	0.65 209	0.32 106	0.48 58	0.34 94	0.13 184	0.10 103	0.14 219	0.12 138	0.13 35	0.15 30

BSDual-CNN	0.48 55	0.32 14	1.58 3	0.31 73	0.22 86	0.76 276	0.32 189	1.05 315	0.67 135	0.64 235	0.53 125	0.63 199	0.38 134	0.48 58	0.97 257	0.13 184	0.10 103	0.14 219	0.12 138	0.13 35	0.15 30

psmg	0.48 55	0.32 14	1.58 3	0.28 33	0.22 86	0.75 272	0.35 216	0.94 241	0.67 135	0.61 204	0.59 181	0.63 199	0.38 134	0.48 58	0.97 257	0.13 184	0.11 124	0.13 190	0.13 158	0.14 51	0.15 30

FTStereo	0.79 264	0.32 14	2.83 277	0.70 327	0.21 77	0.73 265	1.75 394	0.61 67	0.60 80	1.07 339	1.62 365	1.28 362	2.11 386	0.75 150	0.30 55	0.19 287	0.08 38	0.12 134	0.11 108	0.12 25	0.39 175

Any-RAFT	0.42 22	0.33 23	1.89 25	0.28 33	0.21 77	0.69 249	0.21 29	0.83 161	0.60 80	0.45 51	0.43 63	0.62 195	0.30 97	0.48 58	0.24 15	0.11 110	0.40 277	0.08 3	0.06 6	0.10 10	0.16 43

NF-Stereo	0.53 91	0.33 23	2.55 188	0.55 284	0.16 20	0.61 159	0.43 258	0.70 98	0.70 177	0.50 99	0.47 82	0.37 66	0.26 48	1.44 239	0.78 231	0.12 142	0.07 6	0.12 134	0.10 70	0.13 35	0.17 49

OCTAStereo	0.53 91	0.33 23	2.54 181	0.56 293	0.16 20	0.61 159	0.42 251	0.70 98	0.70 177	0.50 99	0.47 82	0.37 66	0.26 48	1.43 235	0.79 234	0.12 142	0.07 6	0.12 134	0.10 70	0.13 35	0.17 49

RE-Stereo	0.53 91	0.33 23	2.54 181	0.56 293	0.16 20	0.61 159	0.43 258	0.70 98	0.70 177	0.50 99	0.47 82	0.37 66	0.26 48	1.43 235	0.77 227	0.12 142	0.07 6	0.12 134	0.10 70	0.13 35	0.17 49

TVStereo	0.53 91	0.33 23	2.54 181	0.56 293	0.16 20	0.61 159	0.43 258	0.70 98	0.70 177	0.50 99	0.47 82	0.37 66	0.26 48	1.43 235	0.77 227	0.12 142	0.07 6	0.12 134	0.10 70	0.13 35	0.17 49

GMM-Stereo	0.53 91	0.33 23	2.89 286	0.53 277	0.24 117	0.77 286	0.46 273	0.62 70	0.65 116	0.58 169	0.73 272	0.47 127	0.43 186	0.68 131	0.29 50	0.10 47	0.06 1	0.13 190	0.13 158	0.14 51	0.44 208

ICVP	0.48 55	0.33 23	2.37 102	0.34 127	0.22 86	0.60 141	0.55 300	0.79 132	0.53 51	0.45 51	0.60 188	0.49 135	0.36 122	0.55 91	0.46 138	0.16 246	0.16 191	0.14 219	0.11 108	0.16 69	0.32 137
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
CASS	0.43 25	0.34 30	2.01 42	0.33 110	0.17 37	0.54 72	0.24 79	0.71 104	0.52 45	0.62 216	0.55 148	0.40 81	0.41 162	0.43 44	0.33 86	0.17 265	0.10 103	0.14 219	0.11 108	0.18 109	0.23 84
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
knoymous	0.37 11	0.34 30	1.83 14	0.25 5	0.18 47	0.45 17	0.24 79	0.60 65	0.40 4	0.42 37	0.39 50	0.54 155	0.25 40	0.41 40	0.29 50	0.12 142	0.08 38	0.12 134	0.07 12	0.13 35	0.20 68

PSM-softLoss	0.52 82	0.34 30	2.47 161	0.55 284	0.17 37	0.61 159	0.39 240	0.64 78	0.67 135	0.52 118	0.48 88	0.39 73	0.25 40	1.46 240	0.77 227	0.13 184	0.08 38	0.13 190	0.12 138	0.12 25	0.15 30

KMStereo	0.52 82	0.34 30	2.47 161	0.55 284	0.17 37	0.61 159	0.39 240	0.64 78	0.67 135	0.52 118	0.48 88	0.39 73	0.25 40	1.46 240	0.77 227	0.13 184	0.08 38	0.13 190	0.12 138	0.12 25	0.15 30

NRIStereo	0.50 70	0.34 30	2.44 133	0.52 273	0.16 20	0.94 330	0.73 342	0.52 27	0.65 116	0.48 65	0.40 58	0.59 181	0.29 87	0.78 157	0.33 86	0.11 110	0.13 152	0.11 92	0.09 37	0.22 172	0.25 97

cross-raft	0.47 48	0.34 30	2.17 71	0.70 327	0.84 341	0.50 43	0.35 216	0.74 108	0.43 13	0.44 49	0.45 75	0.63 199	0.25 40	0.37 24	0.27 36	0.08 1	0.14 165	0.10 46	0.23 275	0.11 17	0.27 107

s12784h	0.41 18	0.34 30	2.17 71	0.24 4	0.11 1	0.64 206	0.24 79	0.85 178	0.70 177	0.45 51	0.54 139	0.28 37	0.27 61	0.51 74	0.27 36	0.11 110	0.06 1	0.09 13	0.06 6	0.16 69	0.14 24

LoS	0.34 5	0.35 37	1.88 23	0.25 5	0.13 5	0.53 65	0.20 20	0.50 23	0.53 51	0.26 14	0.28 15	0.37 66	0.24 26	0.40 34	0.25 23	0.10 47	0.08 38	0.08 3	0.06 6	0.15 60	0.10 4

KYRaft	0.52 82	0.35 37	2.40 112	0.34 127	0.21 77	0.75 272	0.43 258	0.62 70	0.63 103	0.64 235	0.92 316	0.53 150	0.72 297	0.60 106	0.26 32	0.10 47	0.07 6	0.12 134	0.14 176	0.13 35	0.54 245

CREStereo	0.31 1	0.35 37	1.66 6	0.19 1	0.13 5	0.55 81	0.17 5	0.50 23	0.50 35	0.28 18	0.34 33	0.24 19	0.21 15	0.34 15	0.23 14	0.11 110	0.07 6	0.08 3	0.05 1	0.10 10	0.12 10
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
Patchmatch Stereo++	0.43 25	0.36 40	2.44 133	0.48 253	0.17 37	0.61 159	0.26 110	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.56 94	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.43 25	0.36 40	2.44 133	0.48 253	0.18 47	0.61 159	0.28 132	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.49 68	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

ROB_FTStereo_v2	0.43 25	0.36 40	2.44 133	0.49 264	0.17 37	0.61 159	0.28 132	0.53 30	0.61 83	0.48 65	0.43 63	0.44 106	0.28 71	0.48 58	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

ROB_FTStereo	0.43 25	0.36 40	2.44 133	0.48 253	0.18 47	0.61 159	0.26 110	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.51 74	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

HUI-Stereo	0.43 25	0.36 40	2.45 149	0.48 253	0.18 47	0.61 159	0.27 124	0.53 30	0.61 83	0.48 65	0.43 63	0.44 106	0.28 71	0.47 50	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

iGMRVC	0.43 25	0.36 40	2.44 133	0.48 253	0.18 47	0.61 159	0.27 124	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.57 97	0.31 69	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

iRAFT	0.43 25	0.36 40	2.44 133	0.48 253	0.17 37	0.61 159	0.26 110	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.56 94	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

RAFT-IKP	0.43 25	0.36 40	2.44 133	0.48 253	0.16 20	0.60 141	0.28 132	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.51 74	0.31 69	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

Prome-Stereo	0.53 91	0.36 40	2.39 110	0.60 299	0.23 108	0.63 194	0.41 245	0.66 83	0.67 135	0.59 188	1.02 333	0.43 91	0.71 296	0.61 109	0.34 94	0.10 47	0.07 6	0.10 46	0.09 37	0.13 35	0.44 208

CFNet-RSSM	0.44 37	0.36 40	2.38 104	0.28 33	0.43 258	0.53 65	0.20 20	0.86 190	0.52 45	0.44 49	0.36 37	0.53 150	0.26 48	0.40 34	0.27 36	0.09 11	0.08 38	0.09 13	0.38 345	0.10 10	0.22 76

MC-Stereo	0.58 125	0.37 50	2.00 40	0.88 344	0.64 314	0.54 72	0.19 12	0.46 9	0.39 3	0.58 169	0.39 50	0.27 35	0.27 61	0.71 140	0.32 77	0.09 11	1.20 353	0.09 13	0.16 211	0.22 172	1.92 378

DeepStereo_RVC	0.47 48	0.37 50	2.19 74	0.55 284	0.18 47	0.60 141	0.58 309	0.52 27	0.62 92	0.49 81	0.45 75	0.39 73	0.85 321	0.47 50	0.34 94	0.12 142	0.08 38	0.11 92	0.09 37	0.15 60	0.19 60

RAFT-345	0.56 110	0.37 50	2.68 238	0.40 210	0.34 208	0.58 111	0.41 245	0.49 14	0.70 177	0.51 110	0.99 329	0.43 91	0.28 71	1.56 252	0.81 240	0.10 47	0.07 6	0.11 92	0.09 37	0.11 17	0.09 2

CREStereo++_RVC	0.38 13	0.37 50	2.47 161	0.25 5	0.16 20	0.54 72	0.15 1	0.42 4	0.57 66	0.37 25	0.52 122	0.24 19	0.19 7	0.31 3	0.27 36	0.09 11	0.06 1	0.08 3	0.30 308	0.09 5	0.22 76
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
Gwc-CoAtRS	0.41 18	0.37 50	2.06 52	0.28 33	0.41 247	0.48 32	0.19 12	0.64 78	0.49 29	0.45 51	0.39 50	0.57 174	0.26 48	0.37 24	0.28 41	0.09 11	0.19 208	0.09 13	0.31 313	0.11 17	0.25 97

LoS_RVC	0.34 5	0.38 55	1.96 37	0.27 21	0.35 216	0.43 15	0.22 38	0.43 5	0.34 1	0.24 9	0.34 33	0.23 13	0.28 71	0.34 15	0.22 4	0.08 1	0.07 6	0.07 1	0.05 1	0.10 10	0.35 153

RCA-Stereo	0.45 40	0.38 55	1.80 10	0.27 21	0.25 123	0.58 111	0.23 57	0.84 168	0.66 123	0.42 37	0.44 74	0.28 37	0.35 120	0.31 3	0.21 1	0.09 11	1.01 338	0.09 13	0.07 12	0.21 158	0.53 242

Pruner-Stereo	0.55 102	0.38 55	2.49 169	1.78 392	0.19 63	0.63 194	0.45 268	0.59 62	0.67 135	0.61 204	0.48 88	0.41 86	0.25 40	0.49 68	0.99 265	0.13 184	0.07 6	0.12 134	0.10 70	0.13 35	0.14 24

PMTNet	0.35 7	0.38 55	1.75 8	0.21 2	0.14 8	0.57 104	0.24 79	0.48 11	0.44 16	0.28 18	0.32 31	0.26 28	0.24 26	0.41 40	0.24 15	0.42 355	0.07 6	0.08 3	0.05 1	0.18 109	0.15 30

IGEV_Zeroshot_test	0.91 309	0.39 59	3.80 364	0.42 222	1.95 398	0.56 85	0.64 324	0.84 168	0.55 59	1.45 372	0.53 125	0.79 273	0.42 173	0.57 97	1.13 280	0.10 47	0.49 290	0.10 46	0.34 334	0.19 132	2.97 406

hknet	0.53 91	0.39 59	2.04 49	0.31 73	0.24 117	0.76 276	0.32 189	1.05 315	0.71 189	0.64 235	0.53 125	0.79 273	0.40 151	0.84 167	0.78 231	0.12 142	0.10 103	0.14 219	0.12 138	0.13 35	0.15 30

sCroCo_RVC	0.37 11	0.39 59	2.38 104	0.35 142	0.27 148	0.31 5	0.22 38	0.49 14	0.48 27	0.23 6	0.34 33	0.25 22	0.24 26	0.35 21	0.25 23	0.15 232	0.17 198	0.12 134	0.11 108	0.15 60	0.15 30

SFCPSM	0.48 55	0.39 59	2.30 91	0.28 33	0.27 148	0.70 252	0.32 189	1.00 281	0.69 167	0.50 99	0.52 122	0.43 91	0.36 122	0.53 85	0.44 130	0.12 142	0.09 81	0.12 134	0.16 211	0.18 109	0.23 84

CASnet	0.32 3	0.40 63	1.80 10	0.28 33	0.11 1	0.47 29	0.19 12	0.45 7	0.47 24	0.39 30	0.31 25	0.23 13	0.17 1	0.31 3	0.21 1	0.11 110	0.06 1	0.15 244	0.12 138	0.16 69	0.08 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
NINENet	0.54 98	0.40 63	2.19 74	0.55 284	0.26 137	0.91 324	0.23 57	1.05 315	0.77 237	0.54 130	0.57 170	0.65 209	0.32 106	1.22 209	0.34 94	0.16 246	0.13 152	0.16 260	0.11 108	0.16 69	0.14 24

AAGNet	0.92 310	0.40 63	2.53 177	0.60 299	1.01 361	0.62 181	0.45 268	0.52 27	0.68 159	0.58 169	0.53 125	0.50 139	0.72 297	1.22 209	7.32 408	0.12 142	0.07 6	0.12 134	0.10 70	0.16 69	0.10 4

DEmStereo	0.69 221	0.40 63	2.42 120	0.42 222	0.18 47	0.66 233	0.88 355	0.54 39	0.64 109	0.60 197	1.00 330	0.45 118	1.24 353	1.53 248	2.21 350	0.10 47	0.08 38	0.10 46	0.10 70	0.11 17	0.14 24

HSM-Net_RVC	0.70 226	0.40 63	2.45 149	0.27 21	0.19 63	0.68 246	0.30 169	1.29 361	0.73 199	0.73 281	0.70 254	0.77 267	0.45 202	3.73 398	0.46 138	0.13 184	0.09 81	0.10 46	0.09 37	0.13 35	0.32 137
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
RAFT-Test	0.56 110	0.41 68	2.01 42	0.90 347	1.07 366	0.65 220	0.37 226	0.83 161	0.65 116	0.49 81	0.49 101	0.93 315	0.24 26	0.52 78	0.30 55	0.10 47	0.38 271	0.09 13	0.38 345	0.11 17	0.19 60

DisPM	0.48 55	0.41 68	2.54 181	0.61 305	0.18 47	0.59 129	0.62 322	0.54 39	0.67 135	0.61 204	0.53 125	0.38 71	0.26 48	0.76 152	0.31 69	0.13 184	0.07 6	0.12 134	0.11 108	0.12 25	0.15 30

Selective-IGEV	0.57 117	0.42 70	1.87 22	1.67 387	1.33 380	0.36 10	0.20 20	0.61 67	0.71 189	0.22 3	0.31 25	0.22 8	0.19 7	0.52 78	0.36 103	0.09 11	0.97 335	0.09 13	0.15 194	0.20 149	0.85 311

CRFU-Net	0.58 125	0.42 70	1.90 26	0.49 264	0.27 148	0.83 305	0.35 216	0.94 241	0.54 54	0.65 247	0.60 188	0.78 271	1.34 354	1.00 181	0.51 159	0.17 265	0.14 165	0.17 274	0.10 70	0.19 132	0.20 68

iRaft-Stereo_20w	1.50 369	0.42 70	4.81 391	2.24 401	2.09 401	1.36 358	1.27 382	1.38 367	0.94 319	2.07 384	0.42 61	0.85 295	0.69 293	0.87 170	1.37 306	0.10 47	4.04 412	0.09 13	0.40 349	0.17 90	4.53 412

DAS	0.61 153	0.42 70	1.85 19	0.34 127	0.34 208	0.52 60	0.42 251	0.89 211	0.80 256	0.85 314	0.69 241	0.57 174	0.51 231	2.38 348	0.57 175	0.13 184	0.09 81	0.12 134	0.09 37	0.18 109	0.37 160

SepStereo	0.57 117	0.42 70	1.85 19	0.34 127	0.34 208	0.52 60	0.42 251	0.89 211	0.80 256	0.85 314	0.69 241	0.57 174	0.51 231	1.55 250	0.57 175	0.13 184	0.09 81	0.12 134	0.09 37	0.18 109	0.37 160

PFNet	0.62 166	0.42 70	2.69 244	0.43 232	0.55 285	0.62 181	0.27 124	0.64 78	0.72 196	0.61 204	0.56 160	0.45 118	0.33 111	1.86 305	1.12 279	0.28 339	0.09 81	0.12 134	0.16 211	0.26 222	0.27 107

test-3	0.58 125	0.43 76	2.44 133	0.52 273	0.59 295	0.46 20	0.23 57	0.77 118	0.49 29	0.52 118	0.29 17	0.44 106	0.22 18	0.59 101	0.97 257	0.08 1	1.27 362	0.10 46	0.35 336	0.29 251	0.62 264

test_1	0.58 125	0.43 76	2.44 133	0.52 273	0.59 295	0.46 20	0.23 57	0.77 118	0.49 29	0.51 110	0.29 17	0.44 106	0.22 18	0.59 101	0.97 257	0.08 1	1.27 362	0.10 46	0.35 336	0.29 251	0.63 268

PFNet+	0.50 70	0.43 76	2.54 181	0.49 264	0.18 47	0.58 111	0.76 344	0.54 39	0.72 196	0.56 151	0.48 88	0.39 73	0.26 48	0.94 178	0.33 86	0.14 214	0.09 81	0.14 219	0.13 158	0.12 25	0.16 43

LCNet	0.58 125	0.43 76	2.42 120	0.91 349	0.22 86	0.95 332	0.29 157	0.62 70	0.64 109	0.52 118	0.55 148	0.41 86	0.75 308	0.84 167	0.27 36	0.10 47	0.07 6	0.12 134	0.18 232	0.97 378	0.40 180

GMStereo_Zeroshot	0.44 37	0.44 80	1.84 17	0.44 236	0.20 68	0.52 60	0.19 12	0.60 65	0.54 54	0.58 169	0.59 181	0.63 199	0.29 87	0.59 101	0.34 94	0.16 246	0.09 81	0.16 260	0.09 37	0.26 222	0.26 102

MSKI-zero shot	0.70 226	0.44 80	2.62 211	1.47 377	0.75 328	0.56 85	0.20 20	0.80 137	0.45 17	0.60 197	0.52 122	0.44 106	0.17 1	0.70 134	0.26 32	0.09 11	2.87 410	0.09 13	0.32 318	0.14 51	0.50 230

test_3	0.59 140	0.44 80	2.44 133	0.53 277	0.59 295	0.48 32	0.30 169	0.79 132	0.52 45	0.51 110	0.30 20	0.45 118	0.22 18	0.59 101	0.97 257	0.08 1	1.25 358	0.11 92	0.35 336	0.30 257	0.62 264

Anonymous	0.41 18	0.44 80	2.55 188	0.35 142	0.32 193	0.38 11	0.34 207	0.57 53	0.41 5	0.25 11	0.30 20	0.23 13	0.29 87	0.38 26	0.28 41	0.15 232	0.13 152	0.11 92	0.12 138	0.24 192	0.30 127

AdaStereo	0.48 55	0.44 80	2.18 73	0.36 156	0.20 68	0.59 129	0.29 157	0.97 264	0.74 216	0.52 118	0.55 148	0.61 190	0.33 111	0.52 78	0.44 130	0.18 276	0.08 38	0.17 274	0.11 108	0.18 109	0.24 93
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
PSMNet-ADL	0.56 110	0.47 85	2.03 46	0.35 142	0.22 86	0.67 240	0.27 124	0.77 118	0.58 72	0.43 43	0.53 125	0.70 247	0.45 202	1.89 310	0.64 195	0.16 246	0.13 152	0.11 92	0.13 158	0.15 60	0.51 234

ASMatch	0.61 153	0.47 85	2.72 251	0.91 349	0.36 222	0.56 85	0.24 79	0.54 39	0.67 135	0.48 65	1.20 346	0.47 127	0.65 279	1.33 225	0.93 254	0.10 47	0.08 38	0.11 92	0.11 108	0.10 10	0.17 49

DRaft	0.65 190	0.47 85	2.38 104	0.25 5	0.17 37	0.64 206	0.65 327	0.56 48	0.57 66	0.67 255	0.98 326	0.38 71	0.99 339	1.42 234	2.06 339	0.11 110	0.14 165	0.10 46	0.14 176	0.18 109	0.21 72

Selective-RAFT	0.46 45	0.48 88	1.88 23	0.32 90	0.16 20	0.61 159	0.19 12	0.66 83	0.62 92	0.28 18	0.30 20	0.41 86	0.33 111	0.51 74	0.32 77	0.11 110	1.09 347	0.09 13	0.35 336	0.19 132	0.37 160

11t1	0.60 146	0.49 89	2.19 74	0.35 142	0.58 294	0.48 32	0.21 29	0.72 105	0.73 199	0.49 81	0.47 82	0.35 62	0.34 118	0.61 109	0.71 214	0.12 142	1.26 361	0.10 46	0.29 302	0.16 69	1.22 348

Anonymous_2	1.36 359	0.49 89	2.03 46	1.71 389	1.58 391	2.49 396	0.58 309	1.59 378	2.31 389	0.77 293	0.88 311	1.03 337	0.58 262	1.20 208	0.66 203	0.32 346	1.38 371	1.42 399	3.87 413	0.78 373	1.56 369

CrosDoStereo	0.96 318	0.49 89	2.66 226	0.27 21	0.33 199	0.54 72	3.69 403	0.77 118	0.66 123	0.70 269	1.39 357	0.53 150	1.47 364	1.77 287	3.02 374	0.10 47	0.08 38	0.11 92	0.11 108	0.22 172	0.30 127

DeepStereo_LL	0.96 318	0.49 89	2.66 226	0.27 21	0.33 199	0.54 72	3.69 403	0.77 118	0.66 123	0.70 269	1.39 357	0.53 150	1.47 364	1.77 287	3.02 374	0.10 47	0.08 38	0.11 92	0.11 108	0.22 172	0.30 127

AnonymousM	0.45 40	0.49 89	1.83 14	0.29 45	0.15 13	0.53 65	0.22 38	0.64 78	0.66 123	0.47 63	0.33 32	0.30 42	0.25 40	0.49 68	0.29 50	0.12 142	0.27 254	0.71 377	0.37 342	0.12 25	0.41 187

Anonymous3	0.47 48	0.49 89	2.61 207	0.33 110	0.25 123	0.72 262	0.32 189	0.80 137	0.60 80	0.36 23	0.41 59	0.33 55	0.29 87	0.46 48	0.30 55	0.19 287	0.18 204	0.13 190	0.13 158	0.18 109	0.22 76

PCWNet_CMD	0.48 55	0.50 95	2.23 81	0.27 21	0.20 68	0.56 85	0.22 38	0.78 125	0.67 135	0.49 81	0.55 148	0.68 230	0.56 250	0.48 58	0.32 77	0.11 110	0.10 103	0.14 219	0.10 70	0.19 132	0.43 196

CFNet_pseudo	0.47 48	0.50 95	2.19 74	0.26 15	0.20 68	0.56 85	0.22 38	0.80 137	0.62 92	0.50 99	0.56 160	0.68 230	0.47 217	0.53 85	0.33 86	0.11 110	0.10 103	0.15 244	0.10 70	0.18 109	0.33 140

DIP-Stereo	0.43 25	0.50 95	2.21 79	0.27 21	0.18 47	0.63 194	0.17 5	0.94 241	0.58 72	0.49 81	0.48 88	0.30 42	0.30 97	0.40 34	0.31 69	0.10 47	0.08 38	0.10 46	0.08 27	0.15 60	0.33 140
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MSMDNet	0.48 55	0.50 95	2.23 81	0.27 21	0.20 68	0.56 85	0.22 38	0.78 125	0.67 135	0.49 81	0.55 148	0.68 230	0.56 250	0.48 58	0.32 77	0.11 110	0.10 103	0.13 190	0.10 70	0.18 109	0.43 196

ccs_rob	0.47 48	0.50 95	2.19 74	0.26 15	0.20 68	0.56 85	0.22 38	0.80 137	0.62 92	0.50 99	0.56 160	0.68 230	0.47 217	0.53 85	0.33 86	0.11 110	0.10 103	0.16 260	0.10 70	0.18 109	0.33 140

ttt	0.89 304	0.51 100	2.51 173	0.36 156	0.31 182	0.61 159	0.28 132	1.07 330	0.92 312	0.56 151	0.77 289	0.55 163	0.37 127	2.27 338	3.51 382	0.16 246	1.21 356	0.13 190	0.31 313	0.18 109	1.26 350

CoDeX	0.54 98	0.52 101	2.25 83	0.30 59	0.26 137	0.61 159	0.32 189	1.03 301	0.73 199	0.49 81	0.56 160	0.52 149	0.40 151	1.59 263	0.38 112	0.12 142	0.09 81	0.11 92	0.10 70	0.15 60	0.22 76

HH	0.79 264	0.52 101	2.72 251	1.45 375	0.80 337	0.91 324	0.23 57	0.76 112	0.76 229	0.64 235	0.55 148	0.87 301	0.41 162	0.94 178	0.45 134	0.09 11	1.20 353	0.10 46	0.09 37	0.16 69	2.16 387

HanStereo	0.79 264	0.52 101	2.72 251	1.45 375	0.80 337	0.91 324	0.23 57	0.76 112	0.76 229	0.64 235	0.55 148	0.87 301	0.41 162	0.94 178	0.45 134	0.09 11	1.20 353	0.10 46	0.09 37	0.16 69	2.16 387

mmm	0.66 207	0.53 104	1.83 14	0.38 184	0.86 342	0.49 37	0.27 124	0.82 151	0.83 274	0.59 188	0.69 241	0.47 127	0.38 134	0.81 165	0.73 219	0.12 142	1.37 370	0.14 219	0.45 357	0.18 109	1.35 359

MDST_ROB	1.28 352	0.53 104	3.84 367	0.55 284	0.45 262	4.06 404	0.60 315	1.36 366	0.89 305	2.18 389	1.17 344	0.98 326	0.72 297	4.28 401	2.12 343	0.20 295	0.16 191	0.19 295	0.17 224	0.20 149	0.84 307

SMFormer	0.64 185	0.54 106	1.92 29	0.32 90	0.16 20	0.46 20	0.24 79	0.94 241	0.85 288	0.58 169	0.70 254	0.51 142	0.41 162	1.89 310	0.86 249	0.13 184	1.01 338	0.11 92	0.26 288	0.17 90	0.84 307

tta	0.63 178	0.54 106	1.92 29	0.32 90	0.16 20	0.46 20	0.24 79	0.94 241	0.85 288	0.58 169	0.70 254	0.51 142	0.41 162	1.89 310	0.86 249	0.13 184	1.01 338	0.11 92	0.26 288	0.19 132	0.59 257

qqq1	0.62 166	0.54 106	1.92 29	0.32 90	0.16 20	0.46 20	0.24 79	0.94 241	0.85 288	0.58 169	0.70 254	0.51 142	0.41 162	1.89 310	0.64 195	0.13 184	1.01 338	0.09 13	0.24 277	0.19 132	0.59 257

fff1	0.62 166	0.54 106	1.92 29	0.32 90	0.16 20	0.46 20	0.24 79	0.94 241	0.85 288	0.58 169	0.70 254	0.51 142	0.41 162	1.89 310	0.64 195	0.13 184	1.01 338	0.09 13	0.24 277	0.19 132	0.59 257

test-1	0.61 153	0.54 106	2.09 56	0.31 73	1.37 382	0.51 45	0.28 132	0.83 161	0.50 35	0.42 37	0.55 148	0.54 155	0.24 26	0.38 26	1.25 295	0.10 47	1.08 346	0.10 46	0.17 224	0.11 17	0.77 296

pcwnet_v2	0.65 190	0.54 106	4.29 384	0.33 110	0.27 148	0.60 141	0.25 98	1.02 295	0.92 312	0.61 204	0.69 241	0.62 195	0.54 243	0.67 127	0.38 112	0.18 276	0.15 179	0.15 244	0.14 176	0.21 158	0.49 228

GES	0.49 66	0.54 106	2.37 102	0.31 73	0.19 63	0.61 159	0.30 169	0.93 236	0.52 45	0.49 81	0.53 125	0.40 81	0.43 186	0.59 101	0.67 205	0.16 246	0.11 124	0.12 134	0.10 70	0.20 149	0.30 127

EKT-Stereo	1.56 375	0.55 113	2.60 203	2.54 404	19.66 419	0.55 81	0.22 38	0.76 112	0.51 40	0.40 32	0.36 37	0.43 91	0.27 61	0.74 149	0.42 121	0.13 184	0.17 198	0.11 92	0.16 211	0.20 149	0.50 230

CFNet_ucs	0.50 70	0.55 113	2.28 87	0.27 21	0.22 86	0.58 111	0.23 57	0.90 219	0.69 167	0.54 130	0.64 218	0.68 230	0.44 194	0.55 91	0.34 94	0.14 214	0.12 139	0.16 260	0.11 108	0.19 132	0.38 168

GANet-ADL	0.48 55	0.56 115	2.51 173	0.34 127	0.20 68	0.58 111	0.25 98	0.80 137	0.57 66	0.43 43	0.61 196	0.56 170	0.31 101	0.44 47	0.44 130	0.14 214	0.11 124	0.10 46	0.09 37	0.22 172	0.38 168

XX-Stereo	0.98 323	0.57 116	4.45 388	1.64 385	5.33 410	0.55 81	0.16 3	0.96 257	0.43 13	0.45 51	0.65 225	0.85 295	0.19 7	0.79 158	0.26 32	0.11 110	0.80 328	0.10 46	0.32 318	0.17 90	0.78 299

NVstereo2D	0.63 178	0.57 116	2.29 89	0.37 166	0.35 216	0.69 249	0.49 284	0.96 257	0.88 300	0.49 81	0.54 139	0.72 250	0.46 209	1.98 320	0.50 156	0.19 287	0.20 220	0.18 290	0.16 211	0.28 243	0.34 147

ff7	0.65 190	0.58 118	2.09 56	0.39 197	0.60 300	0.56 85	0.23 57	0.49 14	0.62 92	1.00 330	0.24 6	0.20 2	0.24 26	0.71 140	0.24 15	0.09 11	2.09 389	0.10 46	0.18 232	0.24 192	2.22 394

ffff	0.65 190	0.58 118	2.09 56	0.39 197	0.60 300	0.56 85	0.23 57	0.49 14	0.62 92	1.00 330	0.24 6	0.20 2	0.24 26	0.71 140	0.24 15	0.09 11	2.09 389	0.10 46	0.18 232	0.24 192	2.22 394

11t	0.65 190	0.58 118	2.09 56	0.39 197	0.60 300	0.56 85	0.23 57	0.49 14	0.62 92	1.00 330	0.24 6	0.20 2	0.24 26	0.71 140	0.24 15	0.09 11	2.09 389	0.10 46	0.18 232	0.24 192	2.22 394

ccc-4	0.65 190	0.58 118	2.09 56	0.39 197	0.60 300	0.56 85	0.23 57	0.49 14	0.62 92	1.00 330	0.24 6	0.20 2	0.24 26	0.71 140	0.24 15	0.09 11	2.09 389	0.10 46	0.18 232	0.24 192	2.22 394

UNet	0.56 110	0.58 118	2.81 273	0.32 90	0.33 199	0.74 270	0.27 124	0.86 190	0.67 135	0.55 141	0.55 148	0.72 250	0.55 248	0.79 158	0.58 177	0.12 142	0.09 81	0.13 190	0.11 108	0.20 149	0.19 60

FENet	0.48 55	0.58 118	2.46 156	0.33 110	0.18 47	0.58 111	0.22 38	0.83 161	0.64 109	0.49 81	0.42 61	0.55 163	0.38 134	0.52 78	0.51 159	0.12 142	0.09 81	0.12 134	0.11 108	0.17 90	0.31 135

anonymousdsp	0.86 290	0.59 124	2.65 222	1.33 369	1.25 377	0.56 85	0.23 57	0.54 39	0.71 189	1.13 343	0.25 11	0.22 8	0.24 26	1.24 213	0.24 15	0.09 11	2.34 404	0.10 46	0.18 232	0.25 207	3.12 408

anonymousa	0.74 243	0.60 125	2.58 196	0.96 353	1.33 380	0.61 159	0.26 110	0.69 91	0.56 63	0.55 141	0.84 299	0.82 285	0.46 209	0.56 94	0.61 186	0.10 47	1.11 349	0.12 134	0.98 396	0.14 51	0.97 329

ProNet	0.46 45	0.60 125	1.85 19	0.35 142	0.67 318	0.49 37	0.25 98	0.53 30	0.57 66	0.21 1	0.24 6	0.22 8	0.20 14	0.52 78	0.22 4	0.09 11	0.47 286	0.10 46	0.09 37	0.23 186	1.33 356

IGEV-Stereo	0.86 290	0.60 125	2.65 222	1.35 371	1.25 377	0.56 85	0.23 57	0.54 39	0.71 189	1.14 344	0.25 11	0.22 8	0.24 26	1.24 213	0.24 15	0.09 11	2.34 404	0.10 46	0.18 232	0.25 207	3.13 409
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
222	1.02 328	0.60 125	1.95 34	0.29 45	0.51 275	0.62 181	0.24 79	1.09 335	0.86 294	0.64 235	0.67 234	0.47 127	0.42 173	1.86 305	6.73 406	0.13 184	1.21 356	0.11 92	0.32 318	0.17 90	1.44 365

FAT-Stereo	0.72 238	0.60 125	2.86 283	0.37 166	0.29 163	0.64 206	0.55 300	1.01 289	0.91 310	0.76 291	0.94 318	0.93 315	0.79 313	1.82 298	0.60 181	0.19 287	0.19 208	0.17 274	0.16 211	0.23 186	0.47 218

CSP-Net	0.55 102	0.61 130	1.81 13	0.30 59	0.23 108	0.77 286	0.35 216	0.90 219	0.62 92	0.62 216	0.60 188	0.65 209	0.42 173	1.76 284	0.47 141	0.17 265	0.12 139	0.10 46	0.10 70	0.21 158	0.16 43

TransformOpticalFlow	0.65 190	0.61 130	2.67 233	0.45 243	0.26 137	0.62 181	0.28 132	0.88 205	0.76 229	0.76 291	0.74 275	0.90 309	0.84 318	1.82 298	0.80 236	0.10 47	0.07 6	0.11 92	0.09 37	0.12 25	0.19 60

ccnet	0.77 259	0.61 130	2.01 42	0.40 210	0.46 269	1.05 341	0.59 312	1.02 295	0.74 216	0.90 320	0.97 323	0.82 285	0.89 328	1.68 276	1.16 284	0.32 346	0.26 248	0.32 347	0.28 298	0.35 291	0.47 218

StereoDRNet-Refined	0.55 102	0.61 130	2.07 53	0.34 127	0.21 77	0.68 246	0.26 110	0.87 197	0.73 199	0.70 269	0.69 241	0.74 257	0.45 202	1.10 192	0.62 189	0.12 142	0.09 81	0.14 219	0.14 176	0.27 233	0.24 93
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
x	0.65 190	0.62 134	2.12 63	0.36 156	0.61 307	0.48 32	0.24 79	0.80 137	0.89 305	0.50 99	0.56 160	0.44 106	0.36 122	0.62 112	0.80 236	0.11 110	1.44 375	0.11 92	0.39 348	0.16 69	1.34 358

STrans-v2	0.69 221	0.62 134	2.66 226	0.28 33	0.23 108	0.57 104	0.32 189	1.01 289	0.77 237	0.92 323	0.84 299	0.88 305	0.92 333	1.81 295	1.19 287	0.10 47	0.07 6	0.10 46	0.09 37	0.12 25	0.30 127

qqq	0.65 190	0.63 136	2.10 62	0.30 59	0.64 314	0.46 20	0.27 124	0.81 144	0.83 274	0.48 65	0.56 160	0.46 122	0.37 127	1.03 185	0.75 222	0.11 110	1.41 374	0.12 134	0.41 353	0.16 69	1.18 340

DISCO	0.61 153	0.63 136	1.98 39	0.46 246	0.34 208	0.84 310	0.35 216	0.88 205	0.81 263	0.61 204	0.64 218	1.06 345	0.53 241	1.11 196	0.83 245	0.13 184	0.10 103	0.11 92	0.10 70	0.26 222	0.37 160

IPLGR	0.58 125	0.64 138	3.12 312	0.37 166	0.18 47	0.62 181	0.54 296	1.06 327	0.69 167	0.73 281	0.46 77	0.50 139	0.44 194	1.12 198	0.31 69	0.10 47	0.08 38	0.11 92	0.09 37	0.21 158	0.20 68

xxxx	0.97 321	0.64 138	2.14 67	0.30 59	0.67 318	0.64 206	0.24 79	1.09 335	0.91 310	0.57 163	0.65 225	0.58 178	0.39 145	1.57 256	5.49 403	0.13 184	1.38 371	0.11 92	0.32 318	0.17 90	1.41 363

test_xeample	0.98 323	0.65 140	2.12 63	0.29 45	0.67 318	0.60 141	0.28 132	1.08 333	0.85 288	0.62 216	0.70 254	0.44 106	0.41 162	1.95 318	5.45 402	0.12 142	1.33 369	0.11 92	0.31 313	0.18 109	1.42 364

MIF-Stereo	0.36 10	0.66 141	2.43 125	0.28 33	0.24 117	0.30 4	0.18 10	0.35 1	0.36 2	0.26 14	0.37 41	0.18 1	0.18 6	0.33 14	0.30 55	0.11 110	0.08 38	0.09 13	0.08 27	0.25 207	0.09 2

DualNet	0.97 321	0.67 142	3.39 333	0.32 90	0.22 86	0.58 111	0.28 132	0.85 178	0.96 326	0.54 130	0.74 275	0.67 218	0.40 151	0.64 117	3.86 388	0.10 47	2.16 399	0.15 244	0.33 328	0.25 207	2.19 389

ffm	0.78 261	0.67 142	3.39 333	0.32 90	0.22 86	0.58 111	0.28 132	0.85 178	0.96 326	0.54 130	0.74 275	0.67 218	0.40 151	0.64 117	0.22 4	0.10 47	2.16 399	0.15 244	0.33 328	0.25 207	2.19 389

ff1	1.07 337	0.67 142	3.39 333	0.32 90	0.22 86	0.58 111	0.28 132	0.85 178	0.96 326	0.54 130	0.74 275	0.67 218	0.40 151	2.75 376	3.86 388	0.10 47	2.16 399	0.15 244	0.33 328	0.25 207	2.19 389

mmx	0.99 325	0.67 142	3.39 333	0.32 90	0.22 86	0.58 111	0.28 132	1.05 315	0.92 312	0.54 130	0.74 275	0.67 218	0.40 151	2.75 376	3.86 388	0.13 184	1.25 358	0.15 244	0.33 328	0.19 132	1.28 353

xxx	0.99 325	0.67 142	3.39 333	0.32 90	0.22 86	0.58 111	0.28 132	1.05 315	0.92 312	0.54 130	0.74 275	0.67 218	0.40 151	2.75 376	3.86 388	0.13 184	1.25 358	0.15 244	0.33 328	0.19 132	1.28 353

HHNet	0.63 178	0.67 142	3.10 310	0.37 166	0.25 123	0.64 206	0.60 315	0.70 98	0.67 135	0.55 141	1.12 343	0.32 51	0.60 270	0.43 44	1.75 325	0.16 246	0.08 38	0.12 134	0.10 70	0.18 109	0.22 76

UPFNet	0.51 80	0.67 142	2.04 49	0.34 127	0.33 199	0.65 220	0.37 226	0.88 205	0.65 116	0.60 197	0.53 125	0.61 190	0.41 162	0.77 153	0.55 171	0.13 184	0.13 152	0.13 190	0.13 158	0.20 149	0.16 43

MyStereo07	0.56 110	0.68 149	2.42 120	0.30 59	0.41 247	0.61 159	0.31 179	0.58 55	0.72 196	1.17 347	0.26 14	0.20 2	0.27 61	1.28 220	0.28 41	0.09 11	0.59 305	0.12 134	0.21 268	0.16 69	0.48 222

MyStereo04	0.57 117	0.68 149	2.66 226	0.30 59	0.41 247	0.61 159	0.31 179	0.88 205	0.80 256	0.48 65	0.37 41	0.54 155	0.42 173	0.61 109	0.71 214	0.09 11	0.59 305	0.12 134	0.21 268	0.16 69	0.48 222

anonymity	0.86 290	0.68 149	1.44 1	0.64 312	0.83 339	0.67 240	0.52 291	0.98 270	0.73 199	0.96 327	0.70 254	0.81 282	0.86 323	1.10 192	1.34 300	0.64 368	0.72 325	0.58 370	1.44 405	0.60 357	0.91 318

stereogan	0.74 243	0.68 149	2.82 275	0.40 210	0.40 242	1.05 341	0.42 251	0.99 275	0.96 326	0.78 301	0.86 307	1.15 358	0.73 300	1.57 256	0.56 173	0.20 295	0.19 208	0.20 305	0.16 211	0.37 302	0.34 147

DANet	0.85 287	0.68 149	2.41 116	1.18 367	0.48 271	0.77 286	1.23 381	0.93 236	1.53 376	0.90 320	0.72 270	0.97 325	0.57 255	1.86 305	1.05 272	0.18 276	0.16 191	0.19 295	0.16 211	0.26 222	0.67 277
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
TANstereo	0.39 15	0.70 154	2.48 166	0.23 3	0.12 3	0.54 72	0.16 3	0.41 3	0.47 24	0.45 51	0.51 115	0.26 28	0.22 18	0.34 15	0.21 1	0.10 47	0.10 103	0.08 3	0.07 12	0.09 5	0.18 56

G-Net	1.02 328	0.70 154	3.23 316	0.60 299	0.66 317	2.00 388	0.71 339	0.78 125	0.70 177	1.14 344	2.53 386	1.29 364	1.01 341	1.47 242	1.74 324	0.25 329	0.24 238	0.24 325	0.26 288	0.37 302	0.40 180

MIF-Stereo (partial)	0.41 18	0.71 156	2.67 233	0.27 21	0.24 117	0.32 6	0.17 5	0.56 48	0.46 18	0.26 14	0.37 41	0.25 22	0.26 48	0.46 48	0.35 101	0.11 110	0.08 38	0.12 134	0.10 70	0.21 158	0.15 30

gwcnet-sp	0.52 82	0.71 156	2.66 226	0.32 90	0.22 86	0.66 233	0.31 179	0.84 168	0.69 167	0.61 204	0.49 101	0.46 122	0.43 186	0.77 153	0.48 144	0.12 142	0.11 124	0.11 92	0.11 108	0.19 132	0.19 60

scenet	0.52 82	0.71 156	2.66 226	0.32 90	0.22 86	0.66 233	0.31 179	0.84 168	0.69 167	0.61 204	0.49 101	0.46 122	0.43 186	0.77 153	0.48 144	0.12 142	0.11 124	0.11 92	0.11 108	0.19 132	0.19 60

ssnet	0.52 82	0.71 156	2.66 226	0.32 90	0.22 86	0.66 233	0.31 179	0.84 168	0.69 167	0.61 204	0.49 101	0.46 122	0.43 186	0.77 153	0.48 144	0.12 142	0.11 124	0.11 92	0.11 108	0.19 132	0.19 60

CroCo-Stereo	0.35 7	0.71 156	1.67 7	0.32 90	0.17 37	0.19 1	0.21 29	0.79 132	0.54 54	0.22 3	0.25 11	0.55 163	0.22 18	0.28 1	0.28 41	0.10 47	0.08 38	0.08 3	0.07 12	0.12 25	0.10 4
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
MyStereo06	0.70 226	0.72 161	3.51 347	0.31 73	0.25 123	0.60 141	0.30 169	0.90 219	0.67 135	1.48 375	0.53 125	0.84 290	0.57 255	0.60 106	1.11 278	0.09 11	0.55 298	0.12 134	0.20 257	0.16 69	0.56 252

MyStereo05	0.57 117	0.72 161	2.72 251	0.31 73	0.25 123	0.60 141	0.30 169	0.87 197	0.82 268	0.54 130	0.37 41	0.53 150	0.42 173	0.63 113	0.73 219	0.09 11	0.55 298	0.12 134	0.20 257	0.16 69	0.56 252

DPSNet	1.02 328	0.72 161	2.84 279	0.60 299	0.39 236	1.08 346	0.75 343	1.41 369	1.14 355	0.74 287	0.69 241	1.05 344	1.67 372	2.09 330	2.22 351	0.27 336	0.61 307	0.20 305	0.50 365	0.48 343	1.03 332

ACVNet-DCA	0.67 210	0.73 164	2.43 125	0.67 320	0.52 277	0.76 276	0.24 79	0.81 144	0.83 274	0.77 293	0.39 50	0.25 22	0.38 134	0.70 134	0.22 4	0.10 47	2.13 394	0.11 92	0.09 37	0.16 69	1.18 340

xx1	0.71 230	0.73 164	2.43 125	0.67 320	0.52 277	0.76 276	0.24 79	0.85 178	1.05 344	0.77 293	0.39 50	0.46 122	0.37 127	0.70 134	0.22 4	0.10 47	2.13 394	0.12 134	0.41 353	0.16 69	1.18 340

1test111	0.72 238	0.73 164	2.43 125	0.67 320	0.52 277	0.76 276	0.24 79	0.81 144	0.83 274	0.77 293	0.39 50	0.25 22	0.38 134	1.03 185	0.75 222	0.10 47	2.13 394	0.11 92	0.09 37	0.16 69	1.18 340

cc1	0.74 243	0.73 164	2.43 125	0.67 320	0.52 277	0.76 276	0.24 79	0.85 178	1.05 344	0.77 293	0.39 50	0.25 22	0.38 134	0.70 134	0.22 4	0.10 47	2.13 394	0.11 92	0.09 37	0.25 207	2.20 393

tt1	0.74 243	0.73 164	2.34 98	0.67 320	0.63 310	0.75 272	0.24 79	0.85 178	0.96 326	0.81 305	0.38 47	0.26 28	0.35 120	0.64 117	0.22 4	0.10 47	2.16 399	0.11 92	0.09 37	0.25 207	2.19 389

test croco	0.43 25	0.73 164	2.80 269	0.28 33	0.19 63	0.33 7	0.21 29	0.63 76	0.50 35	0.24 9	0.38 47	0.24 19	0.25 40	0.48 58	0.32 77	0.12 142	0.08 38	0.13 190	0.09 37	0.43 331	0.13 12

IER	0.49 66	0.73 164	2.12 63	0.27 21	0.25 123	0.65 220	0.27 124	0.76 112	0.59 76	0.56 151	0.59 181	0.60 188	0.53 241	0.64 117	0.44 130	0.12 142	0.09 81	0.11 92	0.11 108	0.18 109	0.15 30

RAFT-RH_RVC	0.65 190	0.73 164	2.78 266	0.39 197	0.29 163	0.60 141	0.18 10	0.45 7	0.63 103	0.75 289	1.89 370	0.47 127	0.29 87	1.59 263	1.21 289	0.15 232	0.07 6	0.13 190	0.13 158	0.11 17	0.10 4

S-Stereo	0.82 272	0.73 164	3.79 363	0.40 210	0.37 228	0.70 252	0.69 337	1.00 281	1.03 340	0.63 225	0.92 316	0.82 285	0.59 265	2.35 344	0.71 214	0.18 276	0.22 230	0.17 274	0.18 232	0.30 257	0.67 277

IGEVStereo-DCA	0.74 243	0.74 173	2.09 56	0.76 332	0.77 333	0.45 17	0.23 57	0.49 14	0.62 92	0.71 278	0.22 2	0.30 42	0.28 71	1.29 221	1.53 316	0.10 47	1.50 376	0.10 46	0.18 232	0.24 192	2.22 394

rrr	0.84 279	0.74 173	3.40 338	0.76 332	0.77 333	0.45 17	0.28 132	1.23 358	0.84 286	0.71 278	0.22 2	0.30 42	0.28 71	1.29 221	1.53 316	0.10 47	1.50 376	0.10 46	0.29 302	0.24 192	1.75 375

IRAFT_RVC	0.59 140	0.74 173	2.42 120	0.47 252	0.21 77	0.59 129	0.42 251	0.68 89	0.73 199	0.54 130	0.50 113	0.49 135	0.51 231	1.57 256	1.00 267	0.11 110	0.25 245	0.13 190	0.10 70	0.15 60	0.14 24

edge stereo	0.84 279	0.74 173	3.42 342	0.38 184	1.21 375	0.63 194	0.41 245	0.98 270	0.83 274	0.81 305	0.88 311	1.14 356	0.73 300	2.16 334	0.89 251	0.22 308	0.20 220	0.26 332	0.18 232	0.38 308	0.43 196

HCRNet	0.50 70	0.75 177	2.08 55	0.39 197	0.29 163	0.58 111	0.22 38	0.79 132	0.67 135	0.49 81	0.49 101	0.48 133	0.37 127	1.13 199	0.40 115	0.15 232	0.10 103	0.15 244	0.13 158	0.21 158	0.19 60

test_xeample3	0.86 290	0.75 177	3.36 328	0.65 314	0.76 331	0.49 37	0.33 202	1.21 357	0.80 256	0.61 204	0.23 5	0.30 42	0.29 87	1.17 205	1.57 318	0.10 47	1.79 382	0.10 46	0.40 349	0.25 207	2.09 383

CBMV_ROB	0.88 297	0.75 177	2.73 256	0.36 156	0.22 86	0.76 276	0.47 277	1.05 315	0.81 263	1.06 338	1.04 337	0.88 305	1.36 357	2.17 335	2.03 336	0.23 316	0.24 238	0.27 333	0.25 282	0.27 233	0.73 293

DGSMNet	2.93 398	0.77 180	3.44 343	3.58 410	4.25 408	2.53 397	6.86 411	1.03 301	0.88 300	0.58 169	1.85 369	0.79 273	0.62 274	1.63 266	1.46 311	4.62 410	4.98 413	5.15 415	4.71 414	4.52 413	4.37 411

ac_64	0.63 178	0.77 180	2.71 249	0.37 166	0.34 208	0.64 206	0.30 169	0.86 190	0.67 135	0.58 169	0.53 125	0.88 305	0.48 223	1.84 301	0.71 214	0.15 232	0.12 139	0.12 134	0.12 138	0.21 158	0.25 97

DSFCA	0.62 166	0.77 180	1.95 34	0.29 45	0.29 163	0.79 295	0.86 352	0.81 144	0.73 199	0.73 281	0.66 231	0.67 218	0.57 255	1.17 205	1.03 270	0.16 246	0.15 179	0.13 190	0.14 176	0.19 132	0.28 113

GwcNet-ADL	0.54 98	0.78 183	2.85 281	0.31 73	0.20 68	0.58 111	0.29 157	0.93 236	0.67 135	0.48 65	0.47 82	0.56 170	0.33 111	0.48 58	0.80 236	0.13 184	0.12 139	0.09 13	0.09 37	0.14 51	0.40 180

EDNetEfficient	1.29 353	0.78 183	4.27 381	0.65 314	1.03 363	0.94 330	1.38 387	0.87 197	1.75 383	2.33 395	1.32 354	1.04 341	2.21 388	1.59 263	4.07 393	0.16 246	0.19 208	0.15 244	0.27 296	0.38 308	0.40 180

1111x	1.06 335	0.79 185	3.29 324	0.33 110	0.60 300	0.64 206	0.33 202	1.10 338	0.92 312	0.59 188	0.69 241	0.59 181	0.47 217	2.64 366	4.61 398	0.12 142	1.38 371	0.11 92	0.49 363	0.18 109	1.30 355

DRN-Test	0.71 230	0.79 185	2.83 277	0.40 210	0.44 259	0.80 298	0.41 245	1.07 330	0.83 274	0.82 309	0.64 218	0.68 230	0.57 255	1.78 290	0.79 234	0.16 246	0.13 152	0.17 274	0.16 211	0.24 192	0.51 234

DCRE	0.76 255	0.80 187	2.31 93	1.05 358	1.18 373	0.63 194	0.26 110	1.03 301	0.59 76	0.52 118	2.12 375	0.44 106	0.27 61	0.41 40	0.53 164	0.09 11	1.02 343	0.10 46	0.32 318	0.16 69	1.47 367

test_4	0.47 48	0.80 187	2.15 68	0.36 156	0.29 163	0.59 129	0.28 132	0.50 23	0.42 9	0.43 43	0.76 285	0.39 73	0.22 18	0.73 146	0.49 153	0.08 1	0.18 204	0.11 92	0.15 194	0.29 251	0.27 107

DMCA	0.50 70	0.83 189	1.95 34	0.32 90	0.24 117	0.59 129	0.26 110	0.81 144	0.68 159	0.59 188	0.49 101	0.56 170	0.36 122	0.65 121	0.65 200	0.14 214	0.10 103	0.14 219	0.10 70	0.19 132	0.29 119

iRaftStereo_RVC	0.47 48	0.84 190	1.91 28	0.29 45	0.15 13	0.53 65	0.20 20	0.58 55	0.50 35	0.37 25	0.43 63	0.42 90	0.23 24	0.38 26	0.28 41	0.09 11	0.70 322	0.12 134	0.11 108	0.43 331	0.77 296

delet	0.60 146	0.84 190	2.45 149	0.33 110	0.35 216	0.73 265	0.46 273	0.89 211	0.80 256	0.58 169	0.62 203	0.67 218	0.51 231	1.14 201	0.64 195	0.12 142	0.12 139	0.13 190	0.14 176	0.22 172	0.29 119

THIR-Stereo	0.88 297	0.85 192	2.33 97	0.26 15	0.16 20	0.59 129	2.69 399	0.62 70	0.54 54	0.62 216	1.61 364	0.96 323	1.77 377	1.67 273	2.20 349	0.10 47	0.08 38	0.14 219	0.11 108	0.16 69	0.21 72

FC-DCNN	1.60 378	0.85 192	3.44 343	0.46 246	0.39 236	1.96 384	0.66 329	1.72 382	1.70 381	2.75 402	2.91 397	4.20 397	3.15 397	2.72 372	2.66 365	0.30 343	0.26 248	0.31 345	0.30 308	0.33 274	0.91 318

whm_eth	0.51 80	0.86 194	2.79 267	0.31 73	0.31 182	0.49 37	0.24 79	0.78 125	0.75 221	0.48 65	0.86 307	0.26 28	0.26 48	0.38 26	0.29 50	0.13 184	0.11 124	0.13 190	0.12 138	0.14 51	0.44 208

OMP-Stereo	0.64 185	0.87 195	2.38 104	0.56 293	0.37 228	0.60 141	0.26 110	0.75 110	0.71 189	0.65 247	0.60 188	0.68 230	0.32 106	2.07 325	1.18 285	0.11 110	0.08 38	0.12 134	0.09 37	0.17 90	0.28 113

IIG-Stereo	0.65 190	0.87 195	2.32 95	0.55 284	0.23 108	0.62 181	0.21 29	0.78 125	0.71 189	0.64 235	0.69 241	0.69 241	0.38 134	2.07 325	1.37 306	0.11 110	0.08 38	0.11 92	0.09 37	0.15 60	0.27 107

ACVNet	0.54 98	0.87 195	2.45 149	0.28 33	0.22 86	0.59 129	0.36 223	0.69 91	0.73 199	0.49 81	0.59 181	0.69 241	0.42 173	0.47 50	0.70 210	0.11 110	0.10 103	0.10 46	0.09 37	0.36 296	0.39 175

acv_ft	0.57 117	0.87 195	2.45 149	0.33 110	0.41 247	0.63 194	0.29 157	0.86 190	0.73 199	0.64 235	0.59 181	0.69 241	0.45 202	0.47 50	0.68 207	0.11 110	0.10 103	0.10 46	0.09 37	0.43 331	0.39 175

ToySt	0.67 210	0.88 199	2.61 207	0.39 197	0.73 326	0.61 159	0.38 234	0.78 125	0.73 199	0.43 43	0.70 254	0.72 250	0.45 202	0.66 124	0.62 189	0.14 214	0.63 311	0.13 190	0.33 328	0.24 192	1.18 340

TestStereo	0.49 66	0.88 199	2.38 104	0.30 59	0.16 20	0.43 15	0.25 98	0.55 47	0.46 18	0.38 28	0.46 77	0.34 59	0.28 71	1.96 319	0.28 41	0.11 110	0.08 38	0.12 134	0.09 37	0.15 60	0.13 12

sAnonymous2	0.45 40	0.88 199	2.97 296	0.31 73	0.25 123	0.34 8	0.28 132	0.56 48	0.49 29	0.25 11	0.30 20	0.23 13	0.29 87	0.31 3	0.22 4	0.12 142	0.09 81	0.12 134	0.13 158	0.38 308	0.43 196

CroCo_RVC	0.45 40	0.88 199	2.97 296	0.31 73	0.25 123	0.34 8	0.28 132	0.56 48	0.49 29	0.25 11	0.30 20	0.23 13	0.29 87	0.31 3	0.22 4	0.12 142	0.09 81	0.12 134	0.13 158	0.38 308	0.43 196

ELAS_RVC	1.51 372	0.88 199	3.36 328	0.63 309	0.56 287	1.53 366	2.73 400	1.53 374	1.76 384	2.26 393	2.21 381	2.10 380	3.07 396	2.08 328	2.52 360	0.42 355	0.42 279	0.42 362	0.37 342	0.51 347	0.84 307
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
StereoIM	0.35 7	0.89 204	2.15 68	0.25 5	0.29 163	0.29 3	0.17 5	0.47 10	0.41 5	0.21 1	0.22 2	0.28 37	0.21 15	0.32 13	0.31 69	0.10 47	0.09 81	0.10 46	0.08 27	0.11 17	0.12 10

GMOStereo	0.58 125	0.89 204	2.46 156	0.29 45	0.99 356	0.51 45	0.32 189	0.58 55	0.46 18	0.58 169	0.48 88	0.54 155	0.27 61	0.31 3	0.25 23	0.09 11	1.64 378	0.13 190	0.11 108	0.34 280	0.42 191

error version	0.58 125	0.89 204	2.46 156	0.29 45	0.99 356	0.51 45	0.32 189	0.58 55	0.46 18	0.58 169	0.48 88	0.54 155	0.27 61	0.31 3	0.25 23	0.09 11	1.64 378	0.13 190	0.11 108	0.34 280	0.42 191

test-v	0.58 125	0.89 204	2.46 156	0.29 45	0.99 356	0.51 45	0.32 189	0.58 55	0.46 18	0.58 169	0.48 88	0.54 155	0.27 61	0.31 3	0.25 23	0.09 11	1.64 378	0.13 190	0.11 108	0.34 280	0.42 191

test-2	0.58 125	0.89 204	2.46 156	0.29 45	0.99 356	0.51 45	0.32 189	0.58 55	0.46 18	0.58 169	0.48 88	0.54 155	0.27 61	0.31 3	0.25 23	0.09 11	1.64 378	0.13 190	0.11 108	0.34 280	0.42 191

fff	0.50 70	0.90 209	2.63 212	0.25 5	0.15 13	0.51 45	0.22 38	0.85 178	0.82 268	0.55 141	0.48 88	0.31 47	0.65 279	0.39 30	0.37 106	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 196

csc	0.50 70	0.90 209	2.63 212	0.25 5	0.15 13	0.51 45	0.22 38	0.85 178	0.82 268	0.55 141	0.48 88	0.31 47	0.65 279	0.39 30	0.37 106	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 196

cscssc	0.50 70	0.90 209	2.63 212	0.25 5	0.15 13	0.51 45	0.22 38	0.85 178	0.82 268	0.55 141	0.48 88	0.31 47	0.65 279	0.39 30	0.37 106	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 196

CroCo-Stereo Lap2	0.38 13	0.91 212	2.02 45	0.33 110	0.38 234	0.23 2	0.21 29	0.63 76	0.51 40	0.23 6	0.28 15	0.29 41	0.23 24	0.34 15	0.28 41	0.10 47	0.09 81	0.10 46	0.08 27	0.22 172	0.15 30

ADStereo(finetuned)	0.50 70	0.91 212	2.43 125	0.26 15	0.14 8	0.51 45	0.22 38	0.84 168	0.78 240	0.56 151	0.49 101	0.32 51	0.75 308	0.40 34	0.40 115	0.10 47	0.07 6	0.09 13	0.07 12	0.13 35	0.45 213

DCANet	0.49 66	0.91 212	2.63 212	0.26 15	0.14 8	0.51 45	0.22 38	0.84 168	0.78 240	0.56 151	0.49 101	0.32 51	0.41 162	0.39 30	0.41 117	0.10 47	0.07 6	0.09 13	0.07 12	0.14 51	0.45 213

psmorigin	1.41 362	0.91 212	13.83 416	0.37 166	0.30 174	0.63 194	0.37 226	0.80 137	0.64 109	0.98 328	0.87 309	1.16 360	0.78 311	3.95 399	1.09 276	0.19 287	0.22 230	0.17 274	0.19 248	0.25 207	0.47 218

RYNet	0.77 259	0.91 212	2.36 100	0.37 166	0.41 247	0.88 318	0.44 264	0.99 275	0.88 300	0.65 247	0.54 139	0.92 310	0.61 272	2.70 371	1.23 293	0.15 232	0.14 165	0.17 274	0.14 176	0.27 233	0.55 251

MIM_Stereo	0.55 102	0.92 217	2.65 222	0.32 90	1.09 368	0.51 45	0.19 12	0.67 86	0.52 45	0.48 65	0.54 139	0.43 91	0.27 61	0.57 97	0.30 55	0.08 1	0.17 198	0.11 92	0.10 70	0.28 243	0.80 303

MMNet	0.55 102	0.92 217	2.03 46	0.34 127	0.27 148	0.79 295	0.28 132	0.86 190	0.79 249	0.62 216	0.58 176	0.59 181	0.56 250	0.80 162	0.61 186	0.11 110	0.11 124	0.12 134	0.11 108	0.21 158	0.22 76

HSM	0.67 210	0.92 217	2.29 89	0.30 59	0.29 163	0.65 220	0.29 157	0.98 270	0.67 135	0.59 188	0.58 176	1.39 367	0.65 279	2.56 359	0.45 134	0.11 110	0.09 81	0.10 46	0.08 27	0.18 109	0.24 93

ELAS	1.52 373	0.92 217	2.91 289	0.62 307	0.57 290	3.13 399	2.21 398	1.67 380	1.58 379	2.42 396	2.43 384	1.87 377	2.49 391	1.85 303	2.70 367	0.42 355	0.43 282	0.41 360	0.40 349	0.51 347	0.85 311
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
STTStereo	0.58 125	0.95 221	2.95 294	0.37 166	0.31 182	0.62 181	0.32 189	0.81 144	0.63 103	0.61 204	0.55 148	0.67 218	0.43 186	0.87 170	0.48 144	0.16 246	0.16 191	0.17 274	0.20 257	0.17 90	0.25 97

DLCB_ROB	0.61 153	0.96 222	2.00 40	0.37 166	0.25 123	0.65 220	0.37 226	0.86 190	0.76 229	0.73 281	0.70 254	0.84 290	0.47 217	1.57 256	0.72 218	0.13 184	0.13 152	0.14 219	0.14 176	0.18 109	0.33 140

ssnet_v2	0.64 185	0.99 223	2.67 233	0.33 110	0.22 86	0.72 262	0.45 268	1.00 281	0.80 256	0.66 253	0.54 139	0.81 282	0.48 223	0.91 175	1.08 275	0.16 246	0.14 165	0.14 219	0.14 176	0.33 274	0.31 135

LMCR-Stereo	0.61 153	1.00 224	2.60 203	0.42 222	0.22 86	0.74 270	0.31 179	1.06 327	0.70 177	0.62 216	0.64 218	0.40 81	0.52 238	0.84 167	1.27 297	0.20 295	0.09 81	0.12 134	0.09 37	0.26 222	0.16 43

PASM	0.82 272	1.00 224	2.68 238	0.52 273	0.48 271	0.65 220	0.59 312	0.83 161	0.89 305	0.82 309	0.73 272	0.89 308	0.68 289	2.39 349	0.73 219	0.35 351	0.37 267	0.36 353	0.41 353	0.45 336	0.51 234

CBMV	0.86 290	1.00 224	2.82 275	0.35 142	0.21 77	0.78 291	0.78 346	1.05 315	0.87 296	0.90 320	0.74 275	0.87 301	1.89 381	1.67 273	1.38 308	0.19 287	0.20 220	0.21 309	0.19 248	0.28 243	0.84 307
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
RP	0.74 243	1.01 227	2.48 166	0.44 236	0.45 262	0.66 233	0.45 268	0.95 254	0.87 296	0.70 269	0.95 321	0.99 329	0.82 315	1.55 250	0.82 243	0.26 333	0.19 208	0.23 320	0.20 257	0.34 280	0.38 168

TRStereo	0.89 304	1.02 228	2.91 289	4.59 411	0.31 182	0.93 328	0.23 57	1.93 389	0.66 123	0.37 25	0.54 139	0.48 133	0.40 151	0.67 127	0.29 50	0.13 184	0.37 267	0.11 92	0.48 361	0.13 35	1.21 346

ADLNet	0.68 215	1.02 228	2.68 238	0.35 142	0.34 208	0.67 240	0.34 207	0.95 254	0.79 249	0.70 269	0.62 203	0.80 279	0.46 209	1.77 287	0.69 209	0.15 232	0.12 139	0.14 219	0.14 176	0.31 265	0.54 245

psm_up	0.65 190	1.02 228	2.53 177	0.36 156	0.31 182	0.64 206	0.38 234	0.96 257	0.73 199	0.63 225	0.57 170	0.68 230	0.57 255	1.90 315	0.52 161	0.17 265	0.15 179	0.16 260	0.15 194	0.27 233	0.22 76

aanetorigin	0.81 269	1.03 231	2.64 221	0.44 236	0.44 259	0.59 129	1.00 365	0.59 62	0.70 177	1.54 377	1.22 348	0.82 285	1.08 346	1.06 187	1.07 274	0.18 276	0.15 179	0.17 274	0.21 268	0.53 351	0.65 274

NOSS_ROB	0.75 252	1.03 231	2.27 85	0.68 325	0.26 137	0.68 246	0.30 169	0.99 275	0.82 268	0.59 188	0.58 176	0.77 267	0.39 145	2.75 376	0.48 144	0.25 329	0.24 238	0.28 335	0.26 288	0.29 251	1.07 335

MSMD_ROB	1.41 362	1.03 231	2.75 260	0.41 219	0.32 193	2.00 388	0.61 320	0.96 257	1.43 370	2.97 403	2.63 390	4.76 402	2.04 385	2.44 354	1.78 328	0.30 343	0.26 248	0.32 347	0.32 318	0.32 270	0.63 268

XX-TBD	0.40 17	1.04 234	2.49 169	0.35 142	0.13 5	0.51 45	0.17 5	0.44 6	0.52 45	0.38 28	0.51 115	0.23 13	0.19 7	0.31 3	0.25 23	0.10 47	0.07 6	0.08 3	0.06 6	0.09 5	0.18 56

RASNet	0.69 221	1.05 235	2.59 198	0.37 166	0.47 270	0.66 233	0.33 202	0.82 151	0.76 229	0.51 110	0.65 225	0.93 315	0.62 274	2.20 336	0.80 236	0.14 214	0.09 81	0.09 13	0.11 108	0.18 109	0.37 160

DeepPruner_ROB	0.58 125	1.06 236	2.68 238	0.30 59	0.26 137	0.63 194	0.31 179	0.83 161	0.51 40	0.62 216	0.56 160	0.65 209	0.39 145	1.06 187	0.56 173	0.19 287	0.14 165	0.14 219	0.14 176	0.24 192	0.33 140

Sa-1000	0.61 153	1.07 237	2.71 249	0.32 90	0.61 307	0.61 159	0.31 179	1.00 281	0.76 229	0.53 126	0.83 297	0.43 91	0.33 111	0.69 133	0.30 55	0.10 47	0.52 295	0.13 190	0.28 298	0.29 251	0.29 119

MIPNet	0.88 297	1.07 237	2.85 281	0.61 305	0.18 47	1.46 363	1.37 385	1.65 379	0.78 240	1.93 383	0.85 302	0.75 261	1.66 371	0.87 170	0.34 94	0.10 47	0.08 38	0.11 92	0.32 318	0.27 233	0.26 102

SGM_RVC	2.11 389	1.07 237	2.87 284	0.98 355	0.92 348	2.72 398	1.88 397	1.91 388	12.27 410	2.09 385	1.99 373	2.47 385	2.24 389	2.87 381	2.03 336	0.54 364	0.47 286	0.42 362	0.47 360	0.74 367	1.22 348
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
SACVNet	0.68 215	1.08 240	2.58 196	0.38 184	0.28 158	0.65 220	0.37 226	0.91 226	0.65 116	0.67 255	0.62 203	0.69 241	0.47 217	2.07 325	0.65 200	0.18 276	0.14 165	0.16 260	0.15 194	0.39 315	0.41 187

IPLG	0.74 243	1.09 241	2.87 284	0.36 156	0.21 77	1.63 373	0.60 315	1.39 368	0.63 103	1.39 367	0.51 115	0.40 81	0.86 323	1.40 231	0.37 106	0.09 11	0.07 6	0.14 219	0.12 138	0.34 280	0.23 84

GwcNet	0.76 255	1.09 241	3.68 358	0.38 184	0.45 262	0.81 302	0.45 268	0.91 226	0.89 305	0.63 225	0.77 289	0.82 285	0.51 231	1.64 269	0.85 247	0.17 265	0.16 191	0.15 244	0.15 194	0.33 274	0.34 147

hitnet-ft	0.73 240	1.09 241	2.59 198	0.28 33	0.22 86	0.71 256	0.36 223	0.89 211	0.67 135	0.58 169	0.83 297	1.03 337	0.94 336	2.31 341	0.70 210	0.23 316	0.14 165	0.41 360	0.13 158	0.24 192	0.28 113

iResNet	0.59 140	1.09 241	2.54 181	0.44 236	0.18 47	0.65 220	0.29 157	0.89 211	0.75 221	0.59 188	0.64 218	0.43 91	0.39 145	0.73 146	1.24 294	0.11 110	0.08 38	0.09 13	0.08 27	0.21 158	0.40 180

ETE_ROB	0.68 215	1.09 241	2.32 95	0.38 184	0.26 137	0.69 249	0.51 287	1.49 373	0.75 221	0.81 305	0.71 267	0.85 295	0.51 231	1.39 229	0.70 210	0.17 265	0.14 165	0.19 295	0.16 211	0.24 192	0.35 153

RGC	0.78 261	1.10 246	2.55 188	0.45 243	0.45 262	0.73 265	0.40 243	1.00 281	0.75 221	0.75 289	1.04 337	1.02 336	0.73 300	1.74 281	1.15 282	0.24 323	0.19 208	0.28 335	0.26 288	0.31 265	0.38 168

Nwc_Net	0.75 252	1.10 246	2.96 295	0.42 222	0.39 236	0.77 286	0.39 240	1.06 327	0.73 199	0.65 247	1.00 330	0.99 329	0.74 304	1.43 235	0.99 265	0.24 323	0.15 179	0.23 320	0.26 288	0.27 233	0.30 127

APVNet	0.76 255	1.11 248	3.23 316	0.39 197	0.36 222	0.85 311	0.44 264	0.96 257	0.73 199	0.58 169	0.69 241	0.76 265	0.56 250	2.29 340	0.82 243	0.17 265	0.18 204	0.24 325	0.19 248	0.35 291	0.27 107

XPNet_ROB	0.68 215	1.11 248	2.28 87	0.38 184	0.27 148	0.67 240	0.47 277	0.94 241	0.75 221	0.80 304	0.71 267	0.81 282	0.54 243	1.72 278	0.84 246	0.22 308	0.16 191	0.16 260	0.15 194	0.25 207	0.45 213

StereoVision	0.52 82	1.12 250	2.70 248	0.34 127	0.32 193	0.47 29	0.26 110	0.73 106	0.61 83	0.33 22	0.89 313	0.45 118	0.26 48	0.52 78	0.39 114	0.14 214	0.15 179	0.16 260	0.15 194	0.22 172	0.14 24

FCDSN-DC	1.45 366	1.12 250	3.30 325	0.48 253	0.41 247	1.13 350	0.60 315	1.17 352	1.28 364	2.25 392	2.85 394	3.65 394	3.34 399	2.58 361	2.44 358	0.31 345	0.26 248	0.31 345	0.30 308	0.37 302	0.78 299
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
AACVNet	0.61 153	1.13 252	2.47 161	0.37 166	0.21 77	0.57 104	0.25 98	0.75 110	0.55 59	0.56 151	0.60 188	0.66 216	0.44 194	2.11 331	0.49 153	0.14 214	0.11 124	0.14 219	0.11 108	0.35 291	0.23 84

SA	0.61 153	1.14 253	2.79 267	0.32 90	0.63 310	0.57 104	0.30 169	0.97 264	0.78 240	0.43 43	0.63 211	0.39 73	0.46 209	0.70 134	0.31 69	0.10 47	0.44 283	0.13 190	0.32 318	0.31 265	0.51 234

raftrobust	0.52 82	1.14 253	2.15 68	0.33 110	0.99 356	0.53 65	0.21 29	0.59 62	0.50 35	0.53 126	0.36 37	0.31 47	0.33 111	0.47 50	0.42 121	0.10 47	0.55 298	0.09 13	0.08 27	0.22 172	0.46 216

GANet-RSSM	0.63 178	1.14 253	2.67 233	0.38 184	0.26 137	0.59 129	0.29 157	0.81 144	0.56 63	0.50 99	0.57 170	0.67 218	0.50 227	1.91 316	0.50 156	0.14 214	0.10 103	0.24 325	0.12 138	0.36 296	0.28 113

AF-Net	0.76 255	1.14 253	2.74 258	0.42 222	0.41 247	0.70 252	0.41 245	1.07 330	0.94 319	0.73 281	1.05 339	1.04 341	0.86 323	1.23 211	1.00 267	0.23 316	0.15 179	0.25 330	0.18 232	0.32 270	0.35 153

SHD	0.84 279	1.14 253	2.54 181	0.80 339	0.52 277	0.76 276	0.34 207	1.16 349	1.29 365	1.11 341	0.85 302	0.98 326	0.74 304	1.25 216	1.48 312	0.22 308	0.37 267	0.20 305	0.27 296	0.36 296	0.41 187

LALA_ROB	0.68 215	1.14 253	2.50 172	0.37 166	0.29 163	0.78 291	0.55 300	0.99 275	0.84 286	0.82 309	0.68 237	0.93 315	0.50 227	1.01 182	0.89 251	0.21 303	0.15 179	0.21 309	0.18 232	0.26 222	0.30 127

Wz-Net-LNSev-Ref	0.65 190	1.15 259	2.40 112	0.33 110	0.30 174	0.83 305	0.40 243	0.94 241	0.82 268	0.67 255	0.76 285	0.68 230	0.58 262	1.13 199	1.25 295	0.14 214	0.08 38	0.10 46	0.08 27	0.18 109	0.28 113

NLCA_NET_v2_RVC	0.62 166	1.15 259	3.11 311	0.39 197	0.37 228	0.60 141	0.28 132	0.87 197	0.64 109	0.63 225	0.56 160	0.71 249	0.45 202	1.08 190	0.52 161	0.15 232	0.12 139	0.14 219	0.15 194	0.18 109	0.25 97
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MyStereo8	0.73 240	1.16 261	2.89 286	0.53 277	0.34 208	0.71 256	0.20 20	1.87 386	0.59 76	0.53 126	0.66 231	0.50 139	0.33 111	1.27 219	0.62 189	0.10 47	1.19 352	0.10 46	0.21 268	0.21 158	0.61 262

RAFT_CTSACE	0.58 125	1.16 261	2.76 263	0.36 156	0.29 163	0.54 72	0.29 157	0.69 91	0.51 40	0.51 110	0.75 282	0.67 218	0.37 127	0.63 113	0.47 141	0.08 1	0.49 290	0.11 92	0.10 70	0.41 327	0.32 137

CFNet-ft	0.60 146	1.16 261	2.45 149	0.29 45	0.30 174	0.64 206	0.28 132	0.69 91	0.57 66	0.49 81	0.57 170	0.79 273	0.44 194	1.48 243	0.62 189	0.15 232	0.10 103	0.28 335	0.14 176	0.21 158	0.29 119

BEATNet_4x	0.57 117	1.16 261	2.56 192	0.35 142	0.16 20	0.56 85	0.25 98	0.91 226	0.64 109	0.55 141	0.53 125	0.59 181	0.43 186	0.67 127	0.76 225	0.12 142	0.09 81	0.12 134	0.09 37	0.23 186	0.58 254

CFNet_RVC	0.60 146	1.16 261	2.45 149	0.29 45	0.30 174	0.64 206	0.28 132	0.69 91	0.57 66	0.49 81	0.57 170	0.79 273	0.44 194	1.48 243	0.62 189	0.15 232	0.10 103	0.28 335	0.14 176	0.21 158	0.29 119

UCFNet_RVC	0.55 102	1.16 261	2.48 166	0.31 73	0.27 148	0.65 220	0.28 132	0.76 112	0.58 72	0.51 110	0.53 125	0.67 218	0.42 173	0.91 175	0.45 134	0.16 246	0.11 124	0.17 274	0.17 224	0.20 149	0.23 84

iinet-f	0.62 166	1.18 267	2.55 188	0.33 110	0.25 123	0.82 304	0.34 207	0.87 197	0.69 167	0.56 151	0.64 218	0.73 255	0.67 287	0.80 162	0.81 240	0.14 214	0.13 152	0.11 92	0.10 70	0.44 334	0.26 102

raft+_RVC	0.62 166	1.18 267	2.43 125	0.36 156	2.08 400	0.52 60	0.25 98	0.66 83	0.54 54	0.36 23	0.46 77	0.32 51	0.28 71	0.49 68	0.43 127	0.10 47	0.91 333	0.10 46	0.09 37	0.22 172	0.70 289

CVANet_RVC	0.82 272	1.18 267	3.98 370	0.40 210	0.28 158	0.63 194	0.43 258	0.90 219	0.78 240	1.14 344	0.69 241	0.68 230	0.52 238	2.62 364	0.48 144	0.20 295	0.13 152	0.22 313	0.37 342	0.37 302	0.48 222

GEStereo_RVC	0.61 153	1.19 270	2.61 207	0.48 253	0.25 123	0.63 194	0.37 226	1.05 315	0.79 249	0.55 141	0.55 148	0.59 181	0.44 194	1.10 192	0.48 144	0.16 246	0.11 124	0.12 134	0.11 108	0.27 233	0.43 196

PSMNet-RSSM	0.61 153	1.19 270	2.43 125	0.33 110	0.25 123	0.59 129	0.28 132	0.88 205	0.65 116	0.54 130	0.62 203	0.69 241	0.46 209	1.67 273	0.50 156	0.15 232	0.10 103	0.14 219	0.16 211	0.20 149	0.28 113

HGLStereo	0.61 153	1.20 272	2.59 198	0.36 156	0.40 242	0.65 220	0.30 169	0.87 197	0.67 135	0.60 197	0.70 254	0.69 241	0.56 250	1.07 189	0.59 179	0.14 214	0.13 152	0.13 190	0.12 138	0.23 186	0.23 84

GANet	0.92 310	1.20 272	2.68 238	0.45 243	0.27 148	0.76 276	0.66 329	0.94 241	0.77 237	0.79 302	1.17 344	0.84 290	0.91 330	2.72 372	1.76 326	0.18 276	0.42 279	0.44 365	0.20 257	0.33 274	0.94 321

TestStereo1	0.59 140	1.21 274	2.63 212	0.40 210	0.60 300	0.56 85	0.34 207	0.82 151	0.73 199	0.45 51	0.63 211	0.36 63	0.42 173	0.66 124	0.42 121	0.10 47	0.32 259	0.12 134	0.10 70	0.34 280	0.52 239

SA-5K	0.59 140	1.21 274	2.63 212	0.40 210	0.60 300	0.56 85	0.34 207	0.82 151	0.73 199	0.45 51	0.63 211	0.36 63	0.42 173	0.66 124	0.42 121	0.10 47	0.32 259	0.12 134	0.10 70	0.34 280	0.52 239

Consistency-Raft	0.92 310	1.21 274	3.50 346	0.98 355	0.63 310	0.77 286	0.54 296	1.02 295	1.01 338	0.62 216	1.03 335	0.65 209	1.04 343	0.81 165	1.36 304	0.45 360	0.47 286	0.51 368	0.59 376	0.65 363	0.47 218

PVD	1.05 334	1.21 274	2.36 100	0.84 342	0.91 347	1.04 339	0.64 324	1.32 364	1.68 380	1.43 371	1.41 359	1.14 356	1.15 350	1.49 245	1.77 327	0.27 336	0.65 313	0.28 335	0.35 336	0.40 321	0.73 293

WCMA_ROB	1.29 353	1.21 274	3.13 313	0.65 314	0.36 222	1.20 357	0.78 346	1.00 281	0.98 333	1.78 382	2.62 389	3.08 391	2.01 384	1.86 305	2.35 356	0.38 352	0.38 271	0.32 347	0.32 318	0.31 265	1.06 334

ADLNet2	0.73 240	1.22 279	3.28 322	0.34 127	0.36 222	0.65 220	0.37 226	0.94 241	0.87 296	0.57 163	0.65 225	0.92 310	0.48 223	2.05 323	0.60 181	0.13 184	0.11 124	0.11 92	0.11 108	0.37 302	0.38 168

NCC-stereo	0.88 297	1.22 279	2.97 296	0.60 299	0.45 262	1.88 382	0.48 279	1.04 307	0.75 221	0.70 269	0.85 302	0.93 315	0.84 318	1.81 295	1.51 314	0.28 339	0.19 208	0.23 320	0.31 313	0.27 233	0.35 153

Abc-Net	0.88 297	1.22 279	2.97 296	0.60 299	0.45 262	1.88 382	0.48 279	1.04 307	0.75 221	0.70 269	0.85 302	0.93 315	0.84 318	1.81 295	1.51 314	0.28 339	0.19 208	0.23 320	0.31 313	0.27 233	0.35 153
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	1.07 337	1.22 279	2.80 269	0.40 210	0.33 199	1.50 365	1.87 396	0.97 264	1.04 343	1.26 361	1.28 350	0.99 329	1.41 361	1.36 228	3.51 382	0.17 265	0.14 165	0.22 313	0.21 268	0.32 270	0.43 196

FBW_ROB	0.94 316	1.23 283	2.35 99	0.46 246	0.32 193	0.87 316	0.46 273	1.15 346	0.97 332	0.83 312	0.78 293	1.01 333	0.64 278	3.65 397	1.65 319	0.27 336	0.24 238	0.40 358	0.26 288	0.32 270	0.88 315

fast-acv-ft	0.67 210	1.24 284	3.26 320	0.39 197	0.30 174	0.80 298	0.48 279	0.74 108	0.76 229	0.60 197	0.78 293	0.76 265	0.60 270	0.70 134	0.78 231	0.16 246	0.15 179	0.18 290	0.17 224	0.38 308	0.24 93

raft_robust	0.68 215	1.24 284	2.42 120	0.30 59	0.57 290	0.53 65	0.25 98	0.95 254	0.79 249	0.49 81	0.46 77	1.12 354	0.74 304	1.50 246	0.61 186	0.09 11	0.62 310	0.10 46	0.30 308	0.26 222	0.30 127

StereoDRNet	0.71 230	1.24 284	2.56 192	0.42 222	0.45 262	0.73 265	0.46 273	0.98 270	0.81 263	0.77 293	0.56 160	0.74 257	0.48 223	1.69 277	0.91 253	0.15 232	0.14 165	0.15 244	0.15 194	0.26 222	0.51 234

RAFT+CT+SA	0.60 146	1.25 287	2.49 169	0.38 184	0.75 328	0.55 81	0.34 207	0.83 161	0.68 159	0.39 30	0.55 148	0.44 106	0.29 87	0.75 150	0.28 41	0.09 11	0.24 238	0.11 92	0.51 366	0.30 257	0.74 295

test_5	0.61 153	1.25 287	2.76 263	0.39 197	0.64 314	0.58 111	0.35 216	0.85 178	0.66 123	0.49 81	0.56 160	0.55 163	0.40 151	0.79 158	0.32 77	0.10 47	0.19 208	0.12 134	0.12 138	0.33 274	0.85 311

pmcnn	1.44 364	1.25 287	3.57 353	0.74 330	1.42 384	0.72 262	0.56 304	1.04 307	1.06 346	1.03 335	2.89 396	6.01 406	0.75 308	2.54 358	3.60 384	0.14 214	0.11 124	0.08 3	0.06 6	0.34 280	0.81 305

EDNetEfficientorigin	8.19 411	1.27 290	145.54 435	0.51 272	0.96 352	0.75 272	0.49 284	0.86 190	1.57 378	2.12 387	1.49 361	1.28 362	1.35 355	1.84 301	2.15 346	0.14 214	0.13 152	0.17 274	0.18 232	0.39 315	0.64 273

cf-r	0.62 166	1.27 290	2.99 301	0.34 127	0.28 158	0.60 141	0.28 132	0.82 151	0.70 177	0.55 141	0.61 196	0.77 267	0.41 162	1.32 224	0.52 161	0.13 184	0.09 81	0.11 92	0.12 138	0.22 172	0.27 107

TDLM	0.83 276	1.28 292	2.38 104	0.46 246	0.26 137	0.66 233	0.55 300	0.87 197	0.80 256	2.54 398	0.62 203	0.61 190	0.51 231	2.68 370	0.67 205	0.20 295	0.11 124	0.35 352	0.15 194	0.33 274	0.48 222

HITNet	0.55 102	1.28 292	2.73 256	0.35 142	0.14 8	0.56 85	0.23 57	0.89 211	0.62 92	0.52 118	0.51 115	0.49 135	0.38 134	0.52 78	0.60 181	0.09 11	0.07 6	0.10 46	0.08 27	0.25 207	0.61 262
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
4D-IteraStereo	0.62 166	1.29 294	3.04 305	0.27 21	0.30 174	0.46 20	0.26 110	0.54 39	0.51 40	0.41 33	0.31 25	0.39 73	0.19 7	0.53 85	0.65 200	0.09 11	0.47 286	0.12 134	0.11 108	0.21 158	2.14 386

Wz-Net-LNSev	0.66 207	1.30 295	2.81 273	0.35 142	0.37 228	0.80 298	0.48 279	0.91 226	0.87 296	0.63 225	0.70 254	0.80 279	0.59 265	0.67 127	0.68 207	0.15 232	0.14 165	0.12 134	0.12 138	0.24 192	0.38 168

DMCA-RVC	0.70 226	1.30 295	3.59 355	0.37 166	0.89 345	0.57 104	0.31 179	0.73 106	0.59 76	0.69 266	0.54 139	0.59 181	0.57 255	1.25 216	0.66 203	0.16 246	0.38 271	0.20 305	0.15 194	0.22 172	0.23 84

dd	0.48 55	1.32 297	2.41 116	0.31 73	0.17 37	0.58 111	0.26 110	0.50 23	0.71 189	0.42 37	0.41 59	0.34 59	0.28 71	0.47 50	0.41 117	0.18 276	0.10 103	0.13 190	0.12 138	0.22 172	0.16 43

GMStereo	0.44 37	1.32 297	2.65 222	0.28 33	0.16 20	0.42 14	0.22 38	0.48 11	0.63 103	0.41 33	0.36 37	0.26 28	0.25 40	0.41 40	0.30 55	0.14 214	0.08 38	0.10 46	0.12 138	0.17 90	0.13 12
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
XQC	0.84 279	1.32 297	2.61 207	0.78 337	0.44 259	0.89 320	0.53 293	1.16 349	1.07 347	0.85 314	0.69 241	0.92 310	0.73 300	1.40 231	1.44 310	0.24 323	0.35 265	0.23 320	0.26 288	0.45 336	0.39 175

NCCL2	0.71 230	1.32 297	2.30 91	0.44 236	0.31 182	0.71 256	0.67 333	0.89 211	0.69 167	0.70 269	0.61 196	0.85 295	0.54 243	1.58 262	0.70 210	0.20 295	0.17 198	0.66 374	0.25 282	0.26 222	0.38 168

rafts_anoy	0.60 146	1.33 301	2.59 198	0.53 277	1.09 368	0.49 37	0.25 98	0.67 86	0.53 51	0.41 33	0.38 47	0.33 55	0.30 97	0.68 131	0.41 117	0.10 47	1.13 350	0.13 190	0.15 194	0.20 149	0.29 119

DeepPrunerF	0.92 310	1.33 301	3.41 339	0.46 246	0.51 275	0.64 206	0.49 284	1.16 349	2.62 393	0.65 247	0.61 196	0.65 209	0.62 274	2.23 337	1.31 298	0.23 316	0.19 208	0.30 344	0.28 298	0.39 315	0.34 147

CBFPSM	0.62 166	1.34 303	2.12 63	0.30 59	0.23 108	0.71 256	0.38 234	0.77 118	0.68 159	0.51 110	0.49 101	1.03 337	0.82 315	0.63 113	1.35 302	0.11 110	0.12 139	0.10 46	0.10 70	0.19 132	0.37 160

RALCasStereoNet	0.65 190	1.34 303	2.56 192	0.43 232	0.96 352	0.50 43	0.26 110	0.62 70	0.56 63	0.43 43	0.49 101	0.36 63	0.28 71	0.72 145	0.53 164	0.10 47	1.18 351	0.09 13	0.08 27	0.27 233	1.27 351

MeshStereo	1.29 353	1.34 303	3.04 305	0.35 142	0.28 158	1.10 348	0.69 337	1.42 370	1.07 347	2.71 401	2.43 384	2.95 387	1.50 367	2.92 382	2.03 336	0.23 316	0.22 230	0.22 313	0.19 248	0.50 345	0.69 286
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
iRaft-Stereo_5w	0.65 190	1.35 306	2.21 79	0.30 59	0.63 310	0.49 37	0.28 132	0.78 125	0.64 109	0.41 33	0.61 196	0.62 195	0.46 209	1.79 292	0.48 144	0.10 47	0.25 245	0.11 92	0.12 138	0.40 321	0.94 321

dad	0.58 125	1.35 306	2.39 110	0.31 73	0.20 68	0.62 181	0.26 110	0.56 48	0.79 249	0.66 253	0.64 218	0.64 205	0.36 122	0.87 170	0.48 144	0.28 339	0.15 179	0.40 358	0.18 232	0.24 192	0.22 76

RAFT	0.62 166	1.35 306	2.26 84	0.62 307	0.53 282	0.47 29	0.35 216	0.70 98	0.58 72	0.50 99	0.50 113	0.79 273	0.40 151	0.49 68	0.36 103	0.11 110	0.79 327	0.14 219	0.13 158	0.52 350	0.72 292

SAMSARA	1.11 342	1.35 306	2.60 203	1.34 370	0.77 333	1.67 375	1.41 391	1.47 372	0.99 336	1.54 377	0.89 313	1.44 369	0.90 329	1.88 309	1.71 320	0.25 329	0.55 298	0.22 313	0.34 334	0.39 315	0.50 230

LL-Strereo2	0.62 166	1.36 310	2.47 161	1.37 372	0.96 352	0.54 72	0.28 132	0.61 67	0.49 29	0.42 37	0.34 33	0.44 106	0.21 15	0.57 97	0.53 164	0.11 110	0.26 248	0.16 260	0.14 176	0.18 109	0.98 331

UDGNet	0.50 70	1.36 310	2.44 133	0.37 166	0.19 63	0.58 111	0.23 57	0.49 14	0.69 167	0.42 37	0.39 50	0.34 59	0.29 87	0.55 91	0.32 77	0.25 329	0.10 103	0.37 355	0.19 248	0.30 257	0.17 49

PA-Net	0.93 315	1.36 310	4.14 375	0.64 312	0.41 247	0.70 252	0.53 293	0.91 226	0.88 300	0.53 126	0.60 188	0.70 247	0.54 243	2.40 350	2.57 364	0.17 265	0.28 256	0.19 295	0.28 298	0.25 207	0.48 222
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
RALAANet	0.52 82	1.37 313	2.63 212	0.33 110	0.23 108	0.48 32	0.19 12	0.69 91	0.55 59	0.49 81	0.46 77	0.39 73	0.31 101	0.53 85	0.53 164	0.10 47	0.33 263	0.11 92	0.17 224	0.29 251	0.13 12

ADCPNet	1.07 337	1.37 313	4.54 390	0.38 184	0.68 321	1.36 358	0.64 324	0.93 236	0.83 274	0.79 302	0.82 295	1.08 348	1.18 352	1.30 223	2.68 366	0.21 303	0.69 319	0.21 309	0.95 394	0.30 257	0.54 245

PS-NSSS	0.69 221	1.37 313	2.44 133	0.31 73	0.32 193	0.64 206	0.34 207	1.04 307	0.74 216	0.56 151	0.75 282	0.51 142	0.42 173	2.41 352	0.54 169	0.24 323	0.17 198	0.27 333	0.18 232	0.30 257	0.23 84

GwcNet-RSSM	0.64 185	1.38 316	2.69 244	0.33 110	0.26 137	0.60 141	0.32 189	0.84 168	0.73 199	0.56 151	0.65 225	0.72 250	0.42 173	1.78 290	0.60 181	0.14 214	0.10 103	0.12 134	0.13 158	0.26 222	0.26 102

RTSC	0.84 279	1.40 317	2.67 233	0.50 269	0.40 242	0.83 305	0.33 202	1.11 341	1.14 355	0.93 326	0.82 295	0.84 290	0.58 262	1.34 226	1.82 330	0.18 276	0.49 290	0.14 219	0.30 308	0.46 340	0.42 191

111	0.57 117	1.41 318	2.63 212	0.25 5	0.15 13	0.59 129	0.26 110	0.90 219	0.83 274	0.50 99	0.54 139	0.57 174	0.38 134	0.54 90	0.41 117	0.10 47	0.07 6	0.09 13	0.07 12	0.24 192	0.81 305

MaskLacGwcNet_RVC	0.84 279	1.41 318	2.80 269	0.94 351	0.35 216	0.89 320	0.41 245	0.89 211	0.66 123	0.57 163	0.63 211	0.75 261	0.38 134	2.37 345	0.55 171	1.16 388	0.31 258	0.36 353	0.21 268	0.59 356	0.63 268

MLCV	0.59 140	1.41 318	2.41 116	0.31 73	0.15 13	0.60 141	0.23 57	0.77 118	0.63 103	0.67 255	0.66 231	0.55 163	0.37 127	1.16 203	1.09 276	0.10 47	0.07 6	0.09 13	0.07 12	0.21 158	0.29 119

PWC_ROB	0.81 269	1.41 318	2.60 203	0.41 219	0.40 242	0.63 194	0.31 179	1.04 307	0.99 336	0.92 323	1.29 351	0.78 271	0.68 289	1.65 272	1.50 313	0.19 287	0.12 139	0.18 290	0.13 158	0.51 347	0.54 245

Wz-Net-MNSev	0.74 243	1.42 322	2.75 260	0.38 184	0.33 199	0.90 323	0.61 320	0.98 270	0.94 319	0.77 293	0.75 282	0.75 261	0.66 285	1.39 229	0.76 225	0.17 265	0.13 152	0.14 219	0.14 176	0.28 243	0.48 222

LSM	3.40 401	1.42 322	5.81 402	9.98 416	30.74 429	0.86 312	1.14 373	0.99 275	1.26 362	1.40 369	2.18 378	0.93 315	0.85 321	1.76 284	1.03 270	0.22 308	0.35 265	0.24 325	0.29 302	0.40 321	6.21 414

PSMNet_ROB	0.75 252	1.42 322	2.93 291	0.39 197	0.32 193	0.73 265	0.56 304	0.90 219	0.74 216	0.56 151	0.60 188	0.75 261	0.47 217	2.00 321	1.31 298	0.18 276	0.13 152	0.19 295	0.20 257	0.26 222	0.40 180

Syn2CoEx	0.78 261	1.43 325	3.54 351	0.44 236	0.31 182	0.64 206	0.43 258	1.04 307	0.83 274	0.64 235	0.77 289	0.74 257	0.74 304	1.91 316	0.64 195	0.20 295	0.17 198	0.19 295	0.15 194	0.30 257	0.59 257

GANetREF_RVC	0.81 269	1.44 326	3.04 305	0.49 264	0.27 148	0.83 305	0.63 323	1.03 301	0.92 312	0.63 225	0.61 196	0.72 250	0.59 265	2.40 350	0.58 177	0.33 348	0.25 245	0.37 355	0.25 282	0.41 327	0.36 159
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
ADCRef	0.88 297	1.45 327	2.68 238	0.38 184	0.35 216	0.95 332	0.51 287	0.92 233	0.81 263	0.89 318	0.84 299	0.61 190	1.35 355	1.26 218	3.38 379	0.14 214	0.12 139	0.17 274	0.19 248	0.28 243	0.34 147

CFNet	0.65 190	1.45 327	2.27 85	0.34 127	0.25 123	0.64 206	0.23 57	0.93 236	0.79 249	0.48 65	0.59 181	0.58 178	0.40 151	2.28 339	0.63 194	0.13 184	0.09 81	0.15 244	0.14 176	0.34 280	0.26 102

AANet_RVC	0.79 264	1.46 329	2.72 251	0.34 127	0.25 123	0.59 129	0.32 189	0.88 205	0.83 274	0.62 216	0.95 321	0.80 279	0.43 186	2.46 355	1.72 322	0.38 352	0.26 248	0.10 46	0.09 37	0.25 207	0.43 196

NaN_ROB	1.25 350	1.46 329	3.84 367	0.54 283	0.56 287	1.12 349	0.99 361	1.05 315	1.03 340	1.10 340	0.87 309	0.77 267	1.07 345	5.85 406	2.98 372	0.16 246	0.23 235	0.16 260	0.24 277	0.28 243	0.66 275

PDISCO_ROB	0.84 279	1.46 329	2.84 279	0.65 314	0.59 295	1.17 354	0.48 279	1.19 354	1.08 349	0.67 255	0.72 270	1.00 332	0.61 272	1.24 213	1.05 272	0.38 352	0.18 204	0.28 335	0.24 277	0.58 355	0.44 208

RAFT-Stereo + iAFF	0.58 125	1.48 332	2.53 177	0.29 45	0.78 336	0.52 60	0.20 20	0.68 89	0.66 123	0.51 110	0.61 196	0.40 81	0.32 106	0.40 34	0.43 127	0.08 1	0.63 311	0.09 13	0.09 37	0.37 302	0.58 254

AASNet	0.66 207	1.49 333	2.97 296	0.37 166	0.33 199	0.65 220	0.30 169	1.00 281	0.78 240	0.56 151	0.60 188	0.55 163	0.39 145	0.88 174	0.96 256	0.15 232	0.12 139	0.13 190	0.11 108	0.45 336	0.35 153

AFF-stereo	0.57 117	1.51 334	2.59 198	0.33 110	0.23 108	0.51 45	0.21 29	0.69 91	0.68 159	0.49 81	0.63 211	0.49 135	0.34 118	0.50 73	0.37 106	0.08 1	0.54 296	0.10 46	0.10 70	0.40 321	0.60 261

FADNet_RVC	0.87 296	1.51 334	2.90 288	0.31 73	0.24 117	0.71 256	0.25 98	1.00 281	0.65 116	0.45 51	0.57 170	0.61 190	0.44 194	1.53 248	0.75 222	0.94 378	0.97 335	0.28 335	1.00 397	0.89 375	1.36 361

FADNet-RVC-Resample	0.74 243	1.54 336	3.81 365	0.38 184	0.29 163	0.62 181	0.38 234	0.91 226	0.67 135	0.52 118	0.51 115	0.63 199	0.44 194	1.56 252	0.59 179	0.24 323	0.32 259	0.22 313	0.19 248	0.30 257	0.71 291

ACRE	0.63 178	1.55 337	3.41 339	0.76 332	0.28 158	0.60 141	0.56 304	0.82 151	0.68 159	0.57 163	0.62 203	0.43 91	0.30 97	0.47 50	0.42 121	0.12 142	0.19 208	0.13 190	0.14 176	0.36 296	0.20 68

HBP-ISP	0.82 272	1.57 338	3.28 322	0.50 269	0.27 148	0.86 312	0.54 296	1.09 335	0.78 240	0.81 305	0.70 254	0.68 230	1.00 340	2.02 322	0.47 141	0.24 323	0.24 238	0.29 343	0.25 282	0.28 243	0.52 239

UDG	0.86 290	1.57 338	2.80 269	0.68 325	0.59 295	0.78 291	0.38 234	0.97 264	0.74 216	0.63 225	0.70 254	1.01 333	0.68 289	1.02 183	1.22 292	0.45 360	0.34 264	0.89 381	0.51 366	0.73 366	0.58 254

CC-Net-ROB	0.95 317	1.57 338	2.93 291	0.90 347	0.39 236	0.87 316	0.44 264	1.12 343	0.83 274	0.59 188	0.69 241	0.64 205	0.50 227	2.73 374	0.93 254	0.97 381	0.40 277	0.87 380	0.29 302	0.61 360	0.66 275

Anonymous Stereo	0.83 276	1.57 338	3.56 352	0.46 246	0.39 236	0.63 194	0.84 351	0.92 233	0.83 274	0.68 261	0.68 237	0.64 205	0.42 173	2.42 353	1.02 269	0.23 316	0.23 235	0.19 295	0.20 257	0.31 265	0.40 180

PWCDC_ROB	0.83 276	1.57 338	2.63 212	0.48 253	0.37 228	0.78 291	0.29 157	1.04 307	1.36 369	0.63 225	2.05 374	0.64 205	0.70 295	1.10 192	1.20 288	0.33 348	0.14 165	0.15 244	0.12 138	0.63 361	0.46 216

CIPLG	0.63 178	1.59 343	3.16 314	0.79 338	0.31 182	0.62 181	0.57 307	0.82 151	0.68 159	0.58 169	0.63 211	0.43 91	0.31 101	0.48 58	0.42 121	0.12 142	0.20 220	0.13 190	0.13 158	0.36 296	0.21 72

RTS	1.29 353	1.59 343	6.48 405	0.63 309	0.57 290	1.59 370	0.90 357	1.15 346	1.44 371	1.20 353	1.31 352	1.10 352	0.87 326	2.67 368	2.27 354	0.21 303	0.38 271	0.19 295	0.20 257	0.46 340	0.68 282

RTSA	1.29 353	1.59 343	6.48 405	0.63 309	0.57 290	1.59 370	0.90 357	1.15 346	1.44 371	1.20 353	1.31 352	1.10 352	0.87 326	2.67 368	2.27 354	0.21 303	0.38 271	0.19 295	0.20 257	0.46 340	0.68 282

iResNet_ROB	0.60 146	1.59 343	2.04 49	0.32 90	0.21 77	0.60 141	0.22 38	0.99 275	0.85 288	0.61 204	0.63 211	0.58 178	0.42 173	1.08 190	0.98 263	0.11 110	0.08 38	0.09 13	0.06 6	0.23 186	0.33 140

FADNet	0.71 230	1.60 347	2.53 177	0.33 110	0.30 174	0.67 240	0.29 157	0.92 233	0.75 221	0.45 51	0.49 101	0.66 216	0.57 255	1.85 303	0.85 247	0.46 362	0.20 220	0.17 274	0.20 257	0.60 357	0.37 160

SuperB	1.19 347	1.62 348	5.29 398	0.37 166	0.26 137	0.81 302	0.87 353	0.94 241	1.19 360	0.68 261	0.68 237	0.63 199	1.37 358	1.73 279	3.30 376	0.16 246	0.12 139	0.17 274	0.16 211	2.74 407	0.63 268

NVStereoNet_ROB	1.45 366	1.62 348	3.59 355	1.09 360	0.70 324	0.86 312	0.67 333	1.19 354	1.51 375	1.20 353	4.05 402	1.61 373	1.94 382	2.97 384	2.07 340	0.67 370	0.69 319	0.55 369	0.70 380	0.57 354	0.67 277
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DDUNet	0.90 307	1.63 350	2.77 265	0.77 335	0.69 322	0.83 305	0.44 264	0.90 219	0.70 177	0.68 261	0.76 285	0.92 310	0.54 243	1.14 201	1.35 302	0.61 367	0.37 267	0.96 383	0.52 368	0.77 371	0.67 277

DN-CSS_ROB	0.56 110	1.64 351	2.75 260	0.42 222	0.22 86	0.57 104	0.19 12	0.79 132	0.66 123	0.46 61	0.62 203	0.41 86	0.32 106	0.73 146	0.49 153	0.12 142	0.08 38	0.14 219	0.13 158	0.38 308	0.17 49

FADNet-RVC	0.69 221	1.65 352	2.74 258	0.35 142	0.26 137	0.60 141	0.29 157	0.91 226	0.67 135	0.46 61	0.51 115	0.62 195	0.46 209	1.75 282	0.81 240	0.17 265	0.20 220	0.17 274	0.18 232	0.60 357	0.39 175

SPS-STEREO	1.22 349	1.65 352	3.41 339	0.66 318	0.69 322	1.01 337	0.68 335	1.10 338	0.96 326	1.40 369	1.25 349	1.46 370	1.08 346	2.05 323	2.24 352	0.66 369	0.61 307	0.58 370	0.57 374	0.66 364	1.65 373
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
IPLGR_C	0.64 185	1.66 354	3.36 328	0.80 339	0.31 182	0.60 141	0.60 315	0.82 151	0.69 167	0.58 169	0.62 203	0.44 106	0.31 101	0.47 50	0.43 127	0.12 142	0.22 230	0.13 190	0.15 194	0.35 291	0.21 72

ADCP+	1.03 332	1.68 355	3.83 366	0.35 142	0.39 236	1.05 341	0.79 348	0.94 241	0.86 294	0.69 266	0.68 237	0.85 295	1.53 370	1.02 183	4.56 397	0.13 184	0.12 139	0.16 260	0.15 194	0.28 243	0.44 208

ARAFT	0.65 190	1.69 356	3.34 327	0.29 45	0.16 20	0.65 220	0.36 223	0.96 257	0.73 199	0.63 225	0.49 101	0.56 170	0.31 101	1.23 211	0.35 101	0.11 110	0.08 38	0.14 219	0.13 158	0.38 308	0.50 230

LL-Strereo	0.85 287	1.73 357	3.06 309	0.37 166	0.61 307	0.54 72	0.33 202	1.01 289	0.76 229	0.69 266	0.58 176	0.85 295	0.78 311	2.65 367	0.54 169	0.14 214	0.58 304	0.14 219	0.12 138	0.42 329	1.05 333

RAFT + AFF	0.79 264	1.73 357	2.99 301	0.34 127	0.35 216	0.67 240	0.51 287	1.05 315	0.79 249	0.54 130	0.58 176	0.59 181	0.81 314	1.80 293	1.21 289	0.13 184	0.27 254	0.15 244	0.14 176	0.45 336	0.69 286

MFMNet_re	1.01 327	1.73 357	3.04 305	0.85 343	0.76 331	0.93 328	0.81 349	1.02 295	1.10 350	1.05 336	1.06 340	0.84 290	0.96 337	0.93 177	0.97 257	0.68 371	0.61 307	0.63 373	0.60 378	0.77 371	0.80 303

CSAN	1.38 360	1.74 360	4.12 374	0.53 277	0.38 234	1.06 344	1.15 375	1.29 361	1.12 353	1.19 348	1.90 371	1.04 341	1.44 362	5.92 407	2.82 370	0.26 333	0.22 230	0.24 325	0.25 282	0.35 291	0.54 245

AnyNet_C32	1.08 340	1.76 361	3.01 303	0.50 269	0.54 283	1.17 354	1.16 377	0.97 264	0.95 324	1.11 341	0.98 326	0.87 301	0.93 335	1.57 256	4.11 394	0.22 308	0.20 220	0.25 330	0.25 282	0.40 321	0.68 282

SANet	1.35 358	1.80 362	4.39 386	0.41 219	0.29 163	1.72 377	0.89 356	1.17 352	2.47 391	1.22 357	1.82 368	1.72 375	1.70 374	2.57 360	3.30 376	0.18 276	0.16 191	0.16 260	0.15 194	0.34 280	0.62 264

ADCMid	1.06 335	1.82 363	3.53 350	0.39 197	0.36 222	0.99 335	0.58 309	1.01 289	0.94 319	1.23 359	1.02 333	1.01 333	1.01 341	1.11 196	4.04 392	0.22 308	0.19 208	0.42 362	0.32 318	0.42 329	0.53 242

Wz-Net-SNSev	0.85 287	1.83 364	3.36 328	0.42 222	0.31 182	0.71 256	0.66 329	1.04 307	0.94 319	0.68 261	0.85 302	0.96 323	0.62 274	1.75 282	1.14 281	0.16 246	0.15 179	0.16 260	0.17 224	0.39 315	0.63 268

WZ-Net	1.04 333	1.83 364	4.20 378	0.42 222	0.36 222	0.88 318	0.71 339	1.05 315	1.11 352	0.84 313	0.94 318	1.06 345	1.17 351	2.37 345	2.24 352	0.20 295	0.14 165	0.15 244	0.16 211	0.36 296	0.53 242

WAO-6	1.69 380	1.87 366	3.21 315	1.15 366	1.01 361	2.29 392	1.06 369	1.85 385	2.84 397	1.30 364	2.59 388	2.19 382	1.67 372	2.62 364	2.52 360	0.96 380	0.68 316	1.19 390	0.84 388	1.13 379	0.95 324

AnyNet_C01	1.20 348	1.89 367	4.25 380	0.55 284	0.54 283	1.57 368	1.39 388	1.10 338	1.13 354	1.19 348	1.34 356	1.15 358	1.11 348	1.73 279	2.89 371	0.26 333	0.24 238	0.28 335	0.24 277	0.50 345	0.68 282

iResNetv2_ROB	0.71 230	1.90 368	3.48 345	0.43 232	0.22 86	0.60 141	0.29 157	0.96 257	0.78 240	0.60 197	0.65 225	0.60 188	0.46 209	0.80 162	1.21 289	0.12 142	0.08 38	0.10 46	0.07 12	0.44 334	0.33 140

SQANet	0.92 310	1.96 369	3.23 316	0.77 335	0.83 339	0.76 276	0.38 234	0.87 197	0.68 159	0.64 235	0.69 241	0.73 255	0.52 238	1.35 227	1.36 304	0.80 374	0.30 257	0.60 372	0.29 302	0.93 376	0.70 289

FINET	1.92 384	1.96 369	4.49 389	1.62 384	1.39 383	3.51 402	4.39 406	2.89 399	2.58 392	1.39 367	1.98 372	1.35 366	2.12 387	1.64 269	2.12 343	0.84 376	1.03 344	0.18 290	0.29 302	0.54 352	2.12 385

IMH-64-1	1.50 369	1.98 371	2.69 244	1.39 373	1.12 370	1.39 361	1.19 379	1.80 383	1.47 373	1.19 348	2.20 379	1.53 371	1.51 368	2.12 332	1.98 333	1.34 393	0.68 316	1.28 393	0.70 380	1.37 390	1.12 337

IMH-64	1.50 369	1.98 371	2.69 244	1.39 373	1.12 370	1.39 361	1.19 379	1.80 383	1.47 373	1.19 348	2.20 379	1.53 371	1.51 368	2.12 332	1.98 333	1.34 393	0.68 316	1.28 393	0.70 380	1.37 390	1.12 337

coex-ft	6.14 409	1.98 371	60.80 433	0.34 127	0.30 174	0.80 298	1.17 378	0.76 112	4.34 401	19.82 421	2.15 377	1.61 373	8.77 411	1.82 298	10.36 413	0.44 359	2.05 388	0.18 290	0.19 248	0.39 315	4.61 413

GASNet	0.84 279	1.98 371	4.07 373	0.48 253	0.33 199	0.58 111	0.34 207	0.97 264	0.81 263	0.60 197	0.59 181	0.74 257	0.55 248	2.08 328	1.18 285	0.22 308	0.15 179	0.19 295	0.17 224	0.55 353	0.29 119

MFN_U_SF_DS_RVC	1.08 340	2.01 375	2.56 192	0.49 264	0.40 242	1.49 364	0.96 360	1.02 295	0.95 324	0.85 314	0.94 318	1.06 345	0.59 265	2.92 382	1.15 282	0.43 358	0.74 326	0.32 347	0.55 371	0.74 367	1.35 359

ADCS	1.14 344	2.02 376	3.36 328	0.43 232	0.37 228	0.96 334	0.81 349	1.12 343	1.17 359	1.25 360	0.98 326	1.08 348	0.92 333	1.41 233	4.97 400	0.23 316	0.21 228	0.22 313	0.23 275	0.40 321	0.67 277

MANE	3.51 402	2.03 377	3.88 369	1.89 397	2.01 399	5.98 409	4.72 407	5.87 411	7.13 408	3.80 406	5.10 407	6.11 407	5.34 406	4.39 402	5.05 401	1.07 384	1.28 364	0.50 367	0.85 389	0.76 370	2.36 401

WAO-7	1.58 377	2.04 378	3.25 319	0.94 351	0.75 328	1.75 378	1.13 372	1.87 386	1.97 387	1.46 374	2.53 386	1.98 379	1.75 375	3.13 386	2.48 359	0.69 372	0.67 315	0.94 382	0.74 385	0.80 374	0.77 296

MSC_U_SF_DS_RVC	1.40 361	2.04 378	3.02 304	0.58 298	0.41 247	2.15 391	1.00 365	1.31 363	1.29 365	1.05 336	1.10 342	1.29 364	0.91 330	3.07 385	1.34 300	1.65 400	0.84 330	0.68 376	0.88 391	1.55 395	1.91 377

JetBlue	1.89 383	2.09 380	4.16 376	0.74 330	1.23 376	4.52 408	3.86 405	1.68 381	1.26 362	1.28 363	1.54 362	2.36 384	1.86 380	3.35 391	3.37 378	0.54 364	0.49 290	0.48 366	0.49 363	1.39 392	1.21 346

otaku	1.15 345	2.10 381	3.51 347	0.98 355	0.74 327	1.02 338	0.59 312	1.03 301	0.89 305	0.70 269	1.60 363	0.98 326	0.65 279	1.63 266	1.80 329	0.99 382	0.46 284	0.73 378	0.40 349	1.30 388	0.88 315

Ntro	1.11 342	2.10 381	3.52 349	0.97 354	0.87 344	1.06 344	0.54 296	1.02 295	0.93 318	0.63 225	0.76 285	0.93 315	0.67 287	1.76 284	1.71 320	1.03 383	0.46 284	0.76 379	0.41 353	1.29 386	0.86 314

SGM+DAISY	2.67 392	2.14 383	4.28 383	1.92 398	2.11 402	4.36 407	5.22 409	3.17 400	3.00 398	3.24 405	3.81 401	3.03 389	3.61 400	2.53 357	3.79 386	1.15 387	1.29 365	0.66 374	0.71 383	0.95 377	2.44 402

MADNet++	2.94 399	2.17 384	3.27 321	2.55 405	2.28 403	3.29 401	3.37 401	2.76 397	2.67 395	3.10 404	3.20 398	2.78 386	3.25 398	4.11 400	4.68 399	2.72 407	2.27 403	3.03 411	2.43 409	2.34 405	2.59 403

ACVNet-4b	2.00 386	2.19 385	4.85 392	1.09 360	0.86 342	1.15 352	0.53 293	1.11 341	1.15 357	0.65 247	1.09 341	1.97 378	0.69 293	2.31 341	9.78 412	5.73 412	0.42 279	1.03 387	0.55 371	1.89 398	0.92 320

MADNet+	1.44 364	2.19 385	6.00 403	0.89 345	0.70 324	1.58 369	1.11 370	1.56 377	1.30 367	0.89 318	1.03 335	1.25 361	1.12 349	3.29 389	2.80 368	0.48 363	0.57 302	0.39 357	0.36 341	0.63 361	0.69 286

ACVNet_2	1.54 374	2.20 387	4.42 387	1.10 362	0.93 350	1.37 360	0.87 353	1.53 374	1.71 382	1.22 357	1.72 366	2.12 381	1.06 344	2.58 361	1.93 332	0.94 378	0.54 296	1.00 385	0.56 373	2.11 402	0.96 326

RainbowNet	1.27 351	2.22 388	3.58 354	1.14 365	0.92 348	1.08 346	0.76 344	1.19 354	1.15 357	0.77 293	0.97 323	1.08 348	0.83 317	1.64 269	1.72 322	1.20 390	1.30 367	1.01 386	0.58 375	1.23 383	0.97 329

TorneroNet-64	2.74 393	2.23 389	4.18 377	1.48 378	1.20 374	3.88 403	1.01 367	3.48 407	6.61 407	2.62 400	4.55 405	4.20 397	3.84 402	3.39 393	3.40 380	1.23 391	0.66 314	1.39 398	0.80 387	3.42 409	1.27 351

UNDER WATER	2.84 395	2.25 390	5.25 397	1.84 395	1.45 386	2.36 394	1.44 392	3.23 402	6.51 406	2.61 399	2.73 393	5.69 404	5.64 407	3.14 387	4.18 395	1.48 396	0.81 329	1.60 404	1.07 398	1.91 399	1.67 374

DispFullNet	1.69 380	2.25 390	5.23 396	1.53 381	8.78 411	0.89 320	0.37 226	1.03 301	0.98 333	1.37 365	1.00 330	1.13 355	1.97 383	1.51 247	0.98 263	0.55 366	0.32 259	1.19 390	0.64 379	1.16 381	0.88 315

Wz-Net-TNSev	1.02 328	2.26 392	3.69 359	0.38 184	0.31 182	1.00 336	0.71 339	1.12 343	1.02 339	0.74 287	0.73 272	1.09 351	0.91 330	2.46 355	2.15 346	0.21 303	0.20 220	0.16 260	0.20 257	0.48 343	0.62 264

ACVNet_1	1.47 368	2.27 393	4.92 393	1.11 363	0.89 345	1.19 356	0.66 329	1.28 360	1.19 360	0.98 328	0.97 323	3.06 390	1.48 366	2.37 345	1.82 330	1.08 385	0.49 290	1.03 387	0.48 361	1.20 382	0.95 324

UNDER WATER-64	2.59 391	2.28 394	5.63 400	1.85 396	1.45 386	3.28 400	1.60 393	2.62 395	5.57 403	2.09 385	2.12 375	4.10 396	4.21 403	2.74 375	3.64 385	1.49 397	0.86 331	1.58 403	1.09 400	1.91 399	1.62 372

TorneroNet	5.60 408	2.30 395	3.98 370	1.49 380	1.26 379	14.47 416	1.11 370	4.85 409	20.66 425	10.12 410	16.30 417	11.78 415	7.35 409	3.41 394	4.38 396	1.36 395	0.70 322	1.46 400	0.87 390	2.73 406	1.33 356

Dean	1.92 384	2.31 396	5.03 395	1.31 368	1.08 367	1.55 367	0.99 361	1.98 391	2.33 390	1.51 376	4.15 403	4.23 400	1.39 360	2.31 341	2.10 341	1.18 389	0.69 319	1.18 389	0.75 386	1.30 388	1.07 335

PWCK	1.62 379	2.32 397	4.27 381	1.11 363	0.56 287	1.81 380	1.84 395	1.55 376	1.54 377	1.45 372	1.81 367	1.82 376	1.38 359	3.34 390	2.14 345	1.09 386	0.57 302	0.98 384	0.59 376	1.50 394	0.79 301

notaker	2.77 394	2.35 398	4.02 372	2.61 406	1.44 385	1.77 379	1.14 373	2.77 398	1.81 385	2.30 394	11.41 412	3.95 395	4.70 404	3.24 388	3.01 373	1.58 399	0.88 332	1.71 406	1.08 399	2.10 401	1.44 365

KSHMR	4.19 404	2.37 399	6.24 404	1.73 391	1.48 388	1.97 386	1.29 383	3.18 401	17.06 420	2.15 388	15.74 415	9.09 410	1.75 375	8.33 411	2.37 357	1.55 398	1.29 365	1.70 405	1.23 402	1.75 397	1.60 371

LE_ROB	4.55 406	2.43 400	9.94 408	2.79 408	4.03 407	2.40 395	3.54 402	2.72 396	11.04 409	11.64 414	4.69 406	5.25 403	10.74 412	4.52 404	9.73 411	0.82 375	0.70 322	1.34 396	0.97 395	0.74 367	0.94 321

IMH	2.14 390	2.46 401	3.60 357	1.70 388	1.13 372	1.65 374	0.93 359	2.13 392	1.93 386	1.37 365	2.64 391	2.19 382	1.82 379	5.77 405	2.18 348	5.70 411	1.05 345	1.31 395	0.72 384	1.39 392	1.13 339

ktn	4.44 405	2.47 402	3.70 360	1.82 394	1.49 389	2.11 390	1.40 389	2.30 393	12.56 411	11.36 413	16.25 416	11.30 414	3.77 401	4.41 403	3.47 381	1.86 402	0.99 337	1.74 407	1.21 401	3.28 408	1.39 362

WAO-8	2.91 396	2.55 403	3.77 361	1.93 399	1.04 364	4.08 405	0.99 361	3.25 403	6.09 404	2.20 390	3.34 399	3.33 392	2.64 392	11.73 413	2.52 360	2.12 404	1.92 385	1.55 401	0.93 392	1.27 384	0.96 326

Venus	2.91 396	2.55 403	3.77 361	1.93 399	1.04 364	4.08 405	0.99 361	3.25 403	6.09 404	2.20 390	3.34 399	3.33 392	2.64 392	11.73 413	2.52 360	2.12 404	1.92 385	1.55 401	0.93 392	1.27 384	0.96 326

MFN_U_SF_RVC	1.57 376	2.56 405	3.30 325	0.66 318	0.41 247	1.15 352	0.51 287	1.27 359	1.35 368	1.61 379	1.20 346	1.43 368	0.97 338	1.80 293	2.10 341	1.88 403	1.79 382	1.97 408	2.14 407	1.61 396	1.76 376

LVE	2.10 388	2.61 406	4.30 385	1.79 393	1.81 397	1.68 376	1.04 368	2.35 394	2.78 396	1.27 362	2.87 395	4.21 399	1.46 363	2.83 380	2.02 335	2.87 408	0.92 334	1.19 390	1.47 406	1.29 386	1.18 340

SGM-ForestM	3.67 403	2.70 407	5.34 399	1.65 386	1.72 395	6.02 410	5.08 408	4.10 408	3.47 399	4.59 407	4.21 404	9.81 411	5.79 408	6.44 408	6.97 407	0.88 377	1.09 347	0.33 351	0.45 357	0.68 365	2.10 384

SDNR	2.06 387	2.93 408	2.94 293	1.55 382	5.13 409	1.98 387	0.24 79	1.95 390	2.62 393	0.92 323	2.71 392	5.76 405	0.68 289	3.61 396	3.84 387	0.33 348	0.38 271	0.22 313	0.17 224	1.13 379	2.04 382

SPstereo	16.55 419	3.18 409	4.92 393	2.73 407	2.77 404	29.67 426	52.00 427	39.41 434	29.70 434	21.94 430	21.64 424	27.45 432	23.83 426	27.92 434	26.10 428	2.44 406	2.60 407	4.96 413	3.11 411	2.27 403	2.32 400

HanzoNet	7.85 410	3.30 410	5.75 401	7.47 414	3.97 406	2.34 393	1.37 385	3.47 405	4.02 400	13.30 415	10.49 408	10.86 412	16.67 418	8.50 412	10.51 414	10.80 419	9.84 421	5.83 416	13.69 419	7.24 415	7.51 415

JetRed	3.37 400	4.96 411	10.08 409	1.48 378	1.73 396	7.63 411	5.47 410	3.47 405	2.20 388	2.42 396	2.40 383	2.98 388	2.35 390	3.52 395	6.60 405	1.33 392	1.90 384	1.38 397	1.23 402	2.30 404	2.02 381

DGTPSM_ROB	8.97 412	5.94 412	13.01 414	5.95 413	11.34 413	8.54 412	24.06 418	6.47 412	13.52 412	5.19 408	11.52 413	6.18 408	11.04 413	7.02 409	13.92 415	4.47 409	7.66 414	3.90 412	7.43 417	4.34 412	7.98 416

DPSMNet_ROB	9.58 413	5.96 413	13.98 417	8.88 415	11.87 414	8.54 412	24.08 419	6.48 413	13.67 415	5.35 409	11.53 414	6.31 409	11.04 413	7.69 410	14.09 416	7.61 418	8.23 416	5.03 414	7.75 418	5.24 414	8.36 417

SGM-Forest	1.84 382	7.91 414	10.36 410	0.42 222	0.33 199	1.04 339	1.29 383	1.01 289	0.88 300	1.19 348	2.30 382	1.03 337	1.79 378	2.60 363	2.81 369	0.22 308	0.21 228	0.21 309	0.19 248	0.25 207	0.79 301
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Anonymous_1	22.76 421	11.11 415	11.93 411	12.73 417	26.05 428	19.39 421	27.77 423	14.18 417	13.64 414	14.92 416	10.66 409	11.26 413	11.24 415	12.48 417	14.45 417	37.82 434	7.87 415	34.92 431	63.61 431	87.51 434	11.75 420

DPSM_ROB	12.32 414	11.13 416	12.31 412	12.90 418	12.80 416	19.81 423	28.13 424	14.50 418	14.31 417	10.62 411	11.34 410	12.03 416	11.89 416	13.08 418	15.22 418	7.09 415	8.31 417	6.47 418	7.32 415	8.69 416	8.43 418

DPSM	12.32 414	11.13 416	12.31 412	12.90 418	12.80 416	19.81 423	28.13 424	14.50 418	14.31 417	10.62 411	11.34 410	12.03 416	11.89 416	13.08 418	15.22 418	7.09 415	8.31 417	6.47 418	7.32 415	8.69 416	8.43 418

BEATNet-Init1	12.32 414	12.82 418	28.66 430	3.22 409	3.71 405	21.59 425	11.42 413	14.54 420	13.73 416	20.24 422	20.16 422	26.14 430	19.85 420	19.08 424	15.33 420	1.81 401	1.93 387	2.05 409	2.48 410	4.25 411	3.41 410

PML	22.99 422	17.34 419	8.24 407	5.48 412	9.84 412	50.35 434	102.65 434	5.84 410	13.52 412	37.08 434	104.84 434	30.61 434	23.20 425	12.09 415	7.96 409	6.27 414	2.12 393	6.31 417	2.42 408	10.67 418	2.95 404

LRCNet_RVC	13.78 418	19.34 420	13.01 414	19.47 421	12.67 415	1.85 381	0.42 251	12.28 416	1.10 350	15.76 417	18.69 421	12.52 418	8.65 410	12.22 416	9.64 410	22.29 426	8.38 419	25.92 428	24.06 428	19.72 426	17.59 423

DLNR_Zeroshot_test	13.74 417	20.06 421	23.92 422	121.50 435	35.20 430	0.46 20	0.15 1	7.96 414	0.47 24	0.29 21	0.37 41	0.26 28	0.17 1	0.79 158	0.36 103	7.16 417	2.95 411	0.09 13	0.38 345	50.40 433	1.95 379

xxxxx1	29.05 432	20.74 422	14.05 418	50.10 431	40.25 431	19.01 418	26.60 420	21.83 424	20.22 422	16.52 418	17.56 418	18.33 419	21.41 421	16.11 421	20.77 423	23.48 427	26.77 430	66.36 432	78.56 432	30.19 429	32.23 432

tt_ll	29.05 432	20.74 422	14.05 418	50.10 431	40.25 431	19.01 418	26.60 420	21.83 424	20.22 422	16.52 418	17.56 418	18.33 419	21.41 421	16.11 421	20.77 423	23.48 427	26.77 430	66.36 432	78.56 432	30.19 429	32.23 432

ff	29.05 432	20.74 422	14.05 418	50.10 431	40.25 431	19.01 418	26.60 420	21.83 424	20.22 422	16.52 418	17.56 418	18.33 419	21.41 421	16.11 421	20.77 423	23.48 427	26.77 430	66.36 432	78.56 432	30.19 429	32.23 432

CasAABBNet	24.76 425	22.38 425	24.44 423	26.05 425	25.75 423	39.79 428	56.76 430	29.10 431	28.88 428	21.22 424	22.69 426	24.21 427	23.99 431	26.23 427	30.62 430	14.22 420	16.71 423	13.03 420	14.75 422	17.49 422	16.97 421

HaxPig	19.88 420	22.39 426	22.30 421	17.98 420	17.98 418	12.06 415	12.06 414	16.25 421	15.97 419	21.05 423	21.41 423	18.85 422	18.35 419	20.07 425	19.64 422	23.57 430	23.19 429	24.07 427	23.71 427	22.95 427	23.72 429

MyStereo03	24.90 427	22.40 427	24.90 425	26.19 427	25.93 425	39.80 429	56.77 431	29.00 428	28.95 430	21.51 427	22.81 428	24.16 424	23.92 427	26.26 428	30.65 431	14.24 421	17.13 425	13.03 420	14.76 424	17.48 419	18.00 424

MyStereo02	24.90 427	22.40 427	24.90 425	26.19 427	25.93 425	39.80 429	56.77 431	29.00 428	28.95 430	21.51 427	22.81 428	24.16 424	23.92 427	26.26 428	30.65 431	14.24 421	17.13 425	13.03 420	14.76 424	17.48 419	18.00 424

MyStereo	24.90 427	22.40 427	24.90 425	26.19 427	25.93 425	39.80 429	56.77 431	29.00 428	28.95 430	21.51 427	22.81 428	24.16 424	23.92 427	26.26 428	30.65 431	14.24 421	17.13 425	13.03 420	14.76 424	17.48 419	18.00 424

Selective-RAFT-Error	24.83 426	22.44 430	24.80 424	26.10 426	25.82 424	39.85 432	56.72 429	29.21 433	29.03 433	21.29 426	22.80 427	24.25 428	24.07 432	26.28 431	30.60 429	14.24 421	16.85 424	13.04 424	14.75 422	17.53 423	17.02 422

LSM0	26.57 430	22.53 431	25.76 428	30.62 430	52.30 434	39.86 433	56.49 428	29.18 432	28.76 427	21.26 425	22.46 425	24.42 429	23.97 430	26.42 432	30.66 434	14.29 425	16.56 422	13.06 425	14.65 421	17.62 424	20.52 427

DPSimNet_ROB	24.35 424	23.81 432	31.38 432	25.93 424	22.83 421	31.30 427	34.38 426	20.78 423	28.92 429	27.39 432	22.99 431	28.29 433	35.76 434	15.47 420	17.82 421	24.28 431	17.90 428	22.23 426	14.12 420	19.38 425	22.12 428

MEDIAN_ROB	23.95 423	26.96 433	26.29 429	22.14 422	22.09 420	16.18 417	14.23 415	20.47 422	20.09 421	25.43 431	25.22 432	22.96 423	22.54 424	24.33 426	23.18 426	28.15 432	27.16 433	28.60 429	27.73 429	27.59 428	27.58 430

AVERAGE_ROB	26.91 431	30.28 434	29.18 431	25.78 423	25.30 422	19.49 422	15.38 416	23.70 427	23.02 426	28.38 433	27.78 433	26.23 431	25.76 433	26.95 433	25.55 427	31.27 433	30.02 434	31.76 430	30.80 430	30.88 432	30.77 431

test_example2	115.17 435	122.38 435	93.45 434	115.38 434	123.53 435	101.24 435	113.11 435	54.67 435	99.94 435	135.50 435	136.43 435	85.67 435	85.40 435	110.44 435	104.91 435	152.17 435	205.21 435	99.17 435	114.27 435	138.55 435	112.04 435

Low-res two-view benchmark