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

DLNR_Zeroshot_test	23.17 421	48.52 438	43.29 427	176.68 438	78.69 434	0.35 5	0.21 1	23.41 420	0.75 56	0.66 42	0.86 57	0.59 51	0.30 4	1.56 190	0.44 84	9.57 419	0.12 9	0.18 36	0.14 22	76.92 437	0.16 41

EGLCR-Stereo	0.37 3	0.22 9	0.51 24	0.43 8	0.26 20	0.44 16	0.22 2	0.99 64	0.48 4	0.42 4	0.42 2	0.67 67	0.29 3	0.86 69	0.33 16	0.17 32	0.12 9	0.19 49	0.17 74	0.17 24	0.15 27

XX-Stereo	0.63 116	0.26 46	1.90 348	0.81 328	0.67 303	0.43 14	0.23 3	1.03 77	0.58 18	0.65 41	1.56 274	1.41 267	0.39 14	1.28 132	0.35 27	0.20 117	0.14 75	0.20 73	0.19 108	0.18 41	0.14 11

Any-RAFT	0.53 48	0.24 19	0.47 13	0.47 41	0.27 33	1.00 234	0.25 4	1.58 219	1.05 150	0.85 76	0.99 84	1.06 186	0.47 39	0.70 33	0.32 7	0.18 60	0.13 42	0.16 9	0.13 11	0.16 13	0.16 41

ROB_FTStereo	0.54 62	0.30 126	0.73 130	0.50 72	0.27 33	0.64 96	0.25 4	1.05 87	0.64 27	1.12 137	0.95 72	0.82 103	0.61 106	1.15 120	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

CRE-IMP	0.55 77	0.30 126	0.74 144	0.52 111	0.29 63	0.79 175	0.25 4	1.04 81	0.72 52	1.09 123	0.95 72	0.81 98	0.57 86	1.10 112	0.50 128	0.21 144	0.14 75	0.23 150	0.19 108	0.28 235	0.22 165

CREStereo++_RVC	0.47 30	0.21 4	0.38 4	0.45 32	0.38 170	0.45 17	0.25 4	0.75 8	1.29 255	0.80 62	1.21 169	0.47 19	0.37 12	0.53 5	0.44 84	0.16 11	0.11 3	0.15 3	0.80 378	0.18 41	0.11 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
Gwc-CoAtRS	0.52 39	0.24 19	0.68 88	0.48 52	0.29 63	0.64 96	0.25 4	1.16 122	1.08 162	1.01 104	1.00 87	1.12 206	0.56 78	0.69 31	0.37 38	0.16 11	0.13 42	0.17 14	0.15 30	0.15 5	0.15 27

MIF-Stereo (partial)	0.45 23	0.25 35	0.70 103	0.50 72	0.52 252	0.35 5	0.26 9	0.91 40	0.59 21	0.45 12	0.71 33	0.51 32	0.51 58	1.11 115	0.45 92	0.20 117	0.16 156	0.23 150	0.20 136	0.24 191	0.18 78

IIG-Stereo	0.96 253	0.31 157	0.72 118	0.88 350	0.33 122	0.61 87	0.26 9	1.19 135	1.03 142	1.69 325	1.37 224	1.46 277	0.75 140	6.96 380	0.51 131	0.19 92	0.14 75	0.23 150	0.18 88	0.20 97	0.14 11

SST-Stereo	0.83 217	0.28 83	0.72 118	0.59 195	0.31 91	0.72 144	0.26 9	1.09 107	0.86 77	1.47 288	1.10 128	1.00 169	0.87 196	5.73 358	0.45 92	0.22 167	0.13 42	0.23 150	0.19 108	0.23 177	0.18 78

TANstereo	0.44 21	0.21 4	0.44 11	0.41 5	0.21 3	0.65 108	0.26 9	0.79 13	0.83 75	0.93 83	0.98 82	0.51 32	0.46 33	0.54 7	0.35 27	0.18 60	0.24 272	0.16 9	0.13 11	0.16 13	0.26 224

XX-TBD	0.46 24	0.70 338	0.35 1	0.79 322	0.25 18	0.58 74	0.26 9	0.69 4	1.27 246	0.76 53	1.00 87	0.45 15	0.33 10	0.47 3	0.37 38	0.19 92	0.15 125	0.15 3	0.11 6	0.17 24	0.14 11

RAFT-Test	0.54 62	0.25 35	0.64 72	0.47 41	0.30 79	0.97 228	0.27 14	1.24 149	0.81 69	0.96 90	1.12 139	1.28 246	0.48 47	0.71 37	0.36 33	0.17 32	0.13 42	0.17 14	0.14 22	0.16 13	0.16 41

CFNet-RSSM	0.54 62	0.24 19	0.70 103	0.48 52	0.28 52	0.60 84	0.27 14	1.49 192	1.14 190	1.06 115	0.93 70	1.08 193	0.54 68	0.70 33	0.35 27	0.16 11	0.12 9	0.17 14	0.15 30	0.16 13	0.14 11

PMTNet	0.46 24	0.21 4	0.38 4	0.37 2	0.23 6	0.71 142	0.27 14	0.74 7	1.04 146	0.64 40	0.70 31	0.55 39	0.47 39	0.86 69	0.35 27	1.00 376	0.13 42	0.15 3	0.10 2	0.15 5	0.13 3

MSKI-zero shot	0.55 77	0.26 46	0.57 45	0.51 95	0.26 20	0.69 132	0.28 17	1.18 129	0.64 27	0.91 80	1.32 208	0.82 103	0.33 10	1.92 240	0.32 7	0.17 32	0.12 9	0.17 14	0.13 11	0.16 13	0.16 41

MIM_Stereo	0.57 90	0.24 19	0.92 215	0.46 35	0.30 79	0.54 59	0.28 17	1.27 153	0.75 56	1.00 101	1.16 156	0.93 145	0.53 65	1.45 168	0.61 173	0.16 11	0.16 156	0.20 73	0.19 108	0.17 24	0.14 11

Patchmatch Stereo++	0.55 77	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.29 19	1.05 87	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	1.37 149	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78
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
iRAFT	0.55 77	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.29 19	1.05 87	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	1.37 149	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

CREStereo	0.39 5	0.21 4	0.38 4	0.34 1	0.22 4	0.53 56	0.29 19	0.77 11	1.11 174	0.58 32	0.71 33	0.51 32	0.41 19	0.54 7	0.34 24	0.18 60	0.13 42	0.15 3	0.10 2	0.14 2	0.14 11
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
StereoIM	0.36 1	0.25 35	0.58 48	0.44 23	0.34 137	0.30 3	0.30 22	0.72 5	0.50 6	0.37 2	0.36 1	0.58 47	0.49 55	0.52 4	0.36 33	0.19 92	0.16 156	0.19 49	0.15 30	0.18 41	0.14 11

LL-Strereo2	0.52 39	0.33 187	0.69 97	0.52 111	0.37 153	0.70 139	0.30 22	1.13 118	0.67 41	0.94 88	0.78 45	0.91 136	0.42 21	1.05 104	0.42 73	0.17 32	0.16 156	0.29 254	0.25 239	0.21 131	0.16 41

iRaft-Stereo_20w	0.65 131	0.31 157	1.00 236	0.47 41	0.34 137	0.73 147	0.30 22	2.96 382	0.70 47	1.15 156	1.14 147	0.76 86	0.65 124	1.11 115	0.38 48	0.17 32	0.13 42	0.18 36	0.16 58	0.19 71	0.18 78

GLC_STEREO	0.39 5	0.25 35	0.41 9	0.54 134	0.23 6	0.48 20	0.30 22	0.73 6	0.58 18	0.52 28	0.73 36	0.51 32	0.31 6	0.64 26	0.42 73	0.17 32	0.20 225	0.23 150	0.19 108	0.21 131	0.17 60

HUI-Stereo	0.52 39	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.30 22	1.04 81	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	0.79 54	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

4D-IteraStereo	0.48 32	0.24 19	0.76 155	0.50 72	0.44 203	0.66 117	0.31 27	0.87 25	1.02 139	1.03 111	0.72 35	0.78 90	0.32 9	0.64 26	0.37 38	0.17 32	0.11 3	0.23 150	0.19 108	0.19 71	0.13 3

PFNet+	0.59 98	0.28 83	0.77 159	0.53 119	0.30 79	0.59 78	0.31 27	0.92 41	1.14 190	1.33 253	1.10 128	0.79 93	0.57 86	1.31 137	0.49 122	0.25 229	0.17 180	0.28 246	0.26 252	0.21 131	0.25 206

RALAANet	0.60 101	0.33 187	0.87 197	0.62 229	0.50 234	0.69 132	0.31 27	1.21 136	1.06 153	1.09 123	1.16 156	0.88 130	0.46 33	1.22 126	0.42 73	0.19 92	0.15 125	0.21 96	0.17 74	0.27 221	0.17 60

IGEV_Zeroshot_test	0.53 48	0.30 126	0.99 231	0.56 165	0.35 140	0.41 12	0.32 30	1.37 168	0.63 25	1.00 101	1.09 124	0.95 154	0.41 19	0.83 62	0.39 54	0.18 60	0.12 9	0.19 49	0.18 88	0.19 71	0.17 60

MIF-Stereo	0.36 1	0.23 13	0.59 52	0.48 52	0.36 145	0.40 10	0.32 30	0.53 1	0.49 5	0.54 30	0.55 17	0.36 2	0.31 6	0.58 13	0.51 131	0.20 117	0.15 125	0.17 14	0.15 30	0.19 71	0.15 27

MC-Stereo	0.43 13	0.23 13	0.48 15	0.51 95	0.28 52	0.39 9	0.32 30	0.88 32	0.68 44	0.60 38	0.84 55	0.56 41	0.61 106	1.03 98	0.31 5	0.17 32	0.11 3	0.17 14	0.15 30	0.16 13	0.13 3

Selective-IGEV	0.39 5	0.24 19	0.50 18	0.44 23	0.25 18	0.46 18	0.33 33	1.25 151	0.40 1	0.35 1	0.45 3	0.52 37	0.30 4	1.07 109	0.30 1	0.14 4	0.12 9	0.17 14	0.13 11	0.16 13	0.13 3

Selective-RAFT	0.52 39	0.28 83	0.79 169	0.55 153	0.27 33	0.91 205	0.33 33	0.80 18	0.88 85	0.58 32	0.63 21	0.81 98	0.77 152	1.29 135	0.48 115	0.19 92	0.14 75	0.17 14	0.15 30	0.19 71	0.17 60

IPLG	0.69 153	0.27 67	0.97 228	0.51 95	0.43 197	0.79 175	0.33 33	1.21 136	1.06 153	1.30 233	1.10 128	0.52 37	0.55 74	3.16 307	0.63 180	0.16 11	0.14 75	0.19 49	0.16 58	0.18 41	0.17 60

IPLGR	0.58 95	0.27 67	1.14 275	0.48 52	0.28 52	0.65 108	0.33 33	1.22 143	1.13 188	1.18 180	1.05 111	0.69 74	0.66 126	0.96 83	0.52 137	0.17 32	0.15 125	0.20 73	0.17 74	0.20 97	0.18 78

NRIStereo	0.60 101	0.29 110	0.69 97	0.53 119	0.28 52	0.63 94	0.33 33	1.08 106	0.87 81	1.14 153	0.87 60	0.91 136	0.59 95	2.24 268	0.49 122	0.20 117	0.14 75	0.21 96	0.19 108	0.21 131	0.17 60

DeepStereo_RVC	0.55 77	0.29 110	0.72 118	0.51 95	0.30 79	0.59 78	0.33 33	1.03 77	0.70 47	1.16 167	0.93 70	0.83 110	0.94 223	0.96 83	0.54 151	0.21 144	0.14 75	0.21 96	0.19 108	0.24 191	0.24 194

RAFT-RH_RVC	1.03 274	0.24 19	0.67 85	0.49 65	0.28 52	0.81 184	0.33 33	0.83 22	1.08 162	2.05 352	4.65 387	1.04 184	0.57 86	5.98 364	0.50 128	0.18 60	0.13 42	0.26 225	0.20 136	0.16 13	0.17 60

CroCo-Stereo	0.40 8	0.31 157	0.73 130	0.58 182	0.27 33	0.26 1	0.33 33	0.95 52	0.81 69	0.42 4	0.47 5	0.65 63	0.47 39	0.39 1	0.34 24	0.18 60	0.15 125	0.16 9	0.14 22	0.19 71	0.16 41
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	0.47 30	0.26 46	0.64 72	0.50 72	0.29 63	0.53 56	0.33 33	1.05 87	0.77 61	0.84 72	1.00 87	0.55 39	0.37 12	0.81 59	0.40 58	0.17 32	0.12 9	0.22 122	0.20 136	0.19 71	0.15 27

DIP-Stereo	0.62 110	0.30 126	0.83 179	0.48 52	0.36 145	0.95 220	0.33 33	2.37 368	0.67 41	1.25 211	1.00 87	0.68 69	0.51 58	0.91 76	0.61 173	0.18 60	0.15 125	0.21 96	0.17 74	0.19 71	0.19 111
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
s12784h	0.52 39	0.20 2	0.38 4	0.41 5	0.19 1	0.96 224	0.34 43	1.17 124	1.25 234	0.81 66	0.90 65	0.63 57	0.50 56	1.45 168	0.42 73	0.14 4	0.12 9	0.17 14	0.11 6	0.18 41	0.11 1

raftrobust	0.52 39	0.25 35	0.56 37	0.65 258	0.52 252	0.49 30	0.34 43	0.98 62	0.91 97	1.30 233	0.87 60	0.63 57	0.81 167	0.78 51	0.41 65	0.19 92	0.15 125	0.16 9	0.14 22	0.15 5	0.16 41

RAFT-Stereo + iAFF	0.54 62	0.25 35	0.68 88	0.43 8	0.24 9	0.40 10	0.34 43	1.04 81	1.09 168	1.32 245	1.60 282	0.80 95	0.68 127	0.67 30	0.39 54	0.13 1	0.10 1	0.18 36	0.17 74	0.17 24	0.13 3

Former-RAFT_DAM_RVC	0.46 24	0.36 229	0.71 114	0.47 41	0.36 145	0.67 121	0.35 46	0.78 12	1.12 178	0.61 39	0.62 20	0.39 4	0.39 14	0.71 37	0.39 54	0.20 117	0.17 180	0.22 122	0.18 88	0.23 177	0.19 111

MyStereo8	0.65 131	0.29 110	1.00 236	0.58 182	0.49 228	0.91 205	0.35 46	1.18 129	1.31 265	1.16 167	1.27 190	0.90 135	0.64 119	0.72 40	0.95 250	0.18 60	0.14 75	0.20 73	0.18 88	0.22 152	0.26 224

GMStereo_Zeroshot	0.67 148	0.61 322	1.01 240	0.64 246	0.37 153	0.84 196	0.35 46	1.05 87	1.12 178	1.12 137	1.06 113	1.27 243	0.54 68	1.19 123	0.59 164	0.32 286	0.17 180	0.31 267	0.18 88	0.52 335	0.22 165

CES	0.48 32	0.20 2	0.37 2	0.39 4	1.39 382	0.55 65	0.35 46	0.98 62	0.66 40	0.44 8	0.66 23	0.35 1	0.27 2	0.56 10	0.33 16	0.15 6	0.13 42	0.15 3	0.10 2	0.19 71	1.46 386

CroCo-Stereo Lap2	0.44 21	0.34 206	0.77 159	0.61 218	0.79 336	0.28 2	0.35 46	0.75 8	0.71 51	0.38 3	0.50 9	0.72 80	0.55 74	0.57 12	0.47 110	0.17 32	0.18 195	0.19 49	0.16 58	0.21 131	0.20 134

ADStereo(finetuned)	0.57 90	0.24 19	1.06 257	0.43 8	0.24 9	0.49 30	0.35 46	1.05 87	1.30 261	1.12 137	1.03 107	0.58 47	1.20 293	0.84 64	0.51 131	0.16 11	0.13 42	0.17 14	0.13 11	0.18 41	0.19 111

raft_robust	0.68 152	0.30 126	0.64 72	0.52 111	0.26 20	0.54 59	0.35 46	1.33 159	1.24 231	1.16 167	1.07 116	0.60 52	0.54 68	3.58 319	0.37 38	0.18 60	0.14 75	0.20 73	0.22 197	0.20 97	0.16 41

test-3	0.54 62	0.22 9	0.68 88	0.47 41	0.27 33	0.58 74	0.35 46	0.92 41	1.00 134	1.32 245	0.69 30	0.87 127	0.45 30	1.68 211	0.37 38	0.16 11	0.11 3	0.20 73	0.16 58	0.17 24	0.13 3

test_1	0.54 62	0.22 9	0.68 88	0.47 41	0.27 33	0.58 74	0.35 46	0.92 41	1.00 134	1.28 220	0.68 27	0.87 127	0.45 30	1.67 206	0.37 38	0.16 11	0.11 3	0.20 73	0.16 58	0.17 24	0.13 3

HCRNet	0.70 155	0.39 245	0.73 130	0.60 206	0.59 282	0.76 160	0.35 46	1.22 143	1.13 188	1.02 107	0.99 84	1.02 178	0.76 148	2.19 265	0.70 191	0.28 262	0.19 208	0.28 246	0.23 217	0.25 201	0.23 182

CASnet	0.41 10	0.25 35	0.48 15	0.50 72	0.20 2	0.50 39	0.36 56	0.81 21	0.80 68	0.83 70	0.68 27	0.48 22	0.31 6	0.54 7	0.32 7	0.18 60	0.12 9	0.27 236	0.22 197	0.23 177	0.14 11
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
DCANet-4	0.54 62	0.26 46	1.07 261	0.42 7	0.24 9	0.48 20	0.36 56	0.99 64	1.30 261	1.10 131	1.02 99	0.56 41	0.75 140	0.73 43	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

fff	0.53 48	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 56	1.07 102	1.25 234	1.10 131	1.02 99	0.57 43	1.06 267	0.73 43	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

OMP-Stereo	0.94 249	0.33 187	0.72 118	0.90 355	0.31 91	0.49 30	0.36 56	1.16 122	1.06 153	1.58 315	1.12 139	1.46 277	0.69 130	6.94 379	0.49 122	0.19 92	0.14 75	0.24 170	0.18 88	0.20 97	0.14 11

RAFT-IKP	0.54 62	0.30 126	0.73 130	0.50 72	0.27 33	0.59 78	0.36 56	1.04 81	0.64 27	1.12 137	0.96 74	0.83 110	0.61 106	1.22 126	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

DCANet	0.54 62	0.24 19	0.70 103	0.43 8	0.24 9	0.49 30	0.36 56	1.05 87	1.30 261	1.12 137	1.03 107	0.58 47	0.92 212	0.81 59	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.18 41	0.19 111

csc	0.53 48	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 56	1.07 102	1.25 234	1.10 131	1.02 99	0.57 43	1.06 267	0.73 43	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

cscssc	0.53 48	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 56	1.07 102	1.25 234	1.10 131	1.02 99	0.57 43	1.06 267	0.73 43	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

iResNet_ROB	0.77 192	0.30 126	0.99 231	0.57 176	0.36 145	0.83 189	0.36 56	2.33 364	1.58 329	1.27 218	1.30 198	1.25 235	0.84 182	1.65 201	0.79 222	0.20 117	0.14 75	0.17 14	0.12 9	0.18 41	0.27 230

test croco	0.46 24	0.27 67	1.01 240	0.50 72	0.40 183	0.35 5	0.37 65	0.87 25	0.56 17	0.43 7	0.76 42	0.42 5	0.40 17	1.13 118	0.45 92	0.21 144	0.15 125	0.24 170	0.19 108	0.24 191	0.16 41

Sa-1000	0.72 161	0.29 110	0.76 155	0.59 195	0.30 79	0.73 147	0.37 65	1.62 229	1.33 273	1.28 220	2.04 338	0.86 123	0.75 140	1.84 231	0.38 48	0.19 92	0.14 75	0.25 206	0.23 217	0.20 97	0.16 41

ASMatch	0.88 235	0.26 46	0.69 97	0.51 95	0.35 140	0.48 20	0.37 65	1.12 117	0.92 101	1.10 131	3.28 371	0.96 160	0.98 240	4.90 339	0.49 122	0.19 92	0.16 156	0.22 122	0.19 108	0.19 71	0.27 230

cross-raft	0.54 62	0.25 35	0.61 59	0.52 111	0.29 63	0.68 128	0.37 65	1.46 188	0.76 59	1.01 104	1.06 113	1.28 246	0.46 33	0.71 37	0.35 27	0.15 6	0.12 9	0.18 36	0.16 58	0.19 71	0.14 11

rrr	0.46 24	0.28 83	0.73 130	0.43 8	0.33 122	0.49 30	0.38 69	0.76 10	0.50 6	0.47 13	0.48 6	0.48 22	0.46 33	2.03 251	0.30 1	0.19 92	0.14 75	0.19 49	0.15 30	0.16 13	0.16 41

AEACV	0.37 3	0.24 19	0.52 26	0.47 41	0.51 244	0.37 8	0.38 69	0.65 3	0.53 16	0.42 4	0.56 18	0.46 16	0.60 97	0.53 5	0.30 1	0.16 11	0.13 42	0.18 36	0.15 30	0.17 24	0.14 11

SA	0.66 139	0.30 126	0.82 177	0.61 218	0.30 79	0.58 74	0.38 69	1.44 185	1.30 261	0.96 90	1.36 222	0.66 65	0.95 228	1.85 234	0.42 73	0.19 92	0.15 125	0.25 206	0.23 217	0.21 131	0.17 60

UDGNet	0.72 161	1.17 376	0.80 174	0.77 319	0.41 189	0.77 166	0.38 69	0.97 60	1.34 276	0.81 66	0.88 62	0.71 79	0.60 97	1.21 125	0.54 151	0.52 353	0.19 208	1.02 380	0.26 252	0.71 363	0.31 266

MIPNet	0.56 86	0.28 83	0.94 219	0.49 65	0.33 122	0.66 117	0.38 69	1.35 165	1.08 162	1.06 115	0.92 68	0.60 52	0.79 159	0.73 43	0.52 137	0.17 32	0.14 75	0.19 49	0.16 58	0.18 41	0.17 60

TRStereo	0.60 101	0.60 321	0.97 228	0.74 310	0.67 303	0.46 18	0.38 69	1.85 280	0.89 88	0.79 60	0.80 52	0.88 130	0.39 14	1.10 112	0.41 65	0.23 190	0.15 125	0.23 150	0.24 228	0.17 24	0.15 27

iGMRVC	0.56 86	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.38 69	1.05 87	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	1.52 179	0.46 105	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

test-1	0.52 39	0.26 46	1.04 253	0.56 165	0.32 106	0.61 87	0.38 69	1.10 109	0.91 97	0.78 57	1.01 92	0.77 87	0.52 60	0.60 23	0.42 73	0.17 32	0.14 75	0.20 73	0.17 74	0.20 97	0.23 182

test_xeample3	0.42 11	0.28 83	0.69 97	0.43 8	0.33 122	0.56 68	0.38 69	0.79 13	0.45 3	0.53 29	0.46 4	0.44 9	0.44 27	1.38 153	0.31 5	0.18 60	0.14 75	0.19 49	0.15 30	0.17 24	0.16 41

AFF-stereo	0.58 95	0.25 35	0.64 72	0.46 35	0.29 63	0.34 4	0.38 69	1.15 121	1.14 190	1.17 176	1.60 282	1.10 201	0.71 135	0.97 88	0.43 82	0.13 1	0.11 3	0.19 49	0.19 108	0.17 24	0.14 11

FENet	0.60 101	0.28 83	0.63 66	0.54 134	0.33 122	0.83 189	0.38 69	1.27 153	1.07 158	1.00 101	0.86 57	0.99 168	0.85 185	0.96 83	0.68 189	0.22 167	0.15 125	0.23 150	0.20 136	0.22 152	0.23 182

11t1	0.52 39	0.28 83	0.68 88	0.51 95	0.28 52	0.83 189	0.39 80	1.22 143	0.63 25	0.84 72	0.74 38	0.68 69	0.68 127	0.91 76	0.57 159	0.21 144	0.18 195	0.19 49	0.16 58	0.20 97	0.21 150

test_4	0.53 48	0.22 9	0.56 37	0.54 134	0.32 106	0.64 96	0.39 80	0.80 18	0.62 23	0.92 82	1.87 323	0.68 69	0.42 21	1.16 122	0.37 38	0.15 6	0.13 42	0.20 73	0.22 197	0.20 97	0.15 27

MLCV	0.72 161	0.34 206	1.10 268	0.51 95	0.23 6	0.91 205	0.39 80	1.33 159	1.23 227	1.46 287	1.55 270	1.01 176	0.64 119	1.95 245	0.80 225	0.18 60	0.12 9	0.18 36	0.14 22	0.19 71	0.17 60

PCWNet_CMD	0.66 139	0.32 171	0.88 200	0.49 65	0.37 153	0.78 171	0.40 83	1.42 178	1.31 265	1.16 167	1.31 203	1.25 235	0.62 111	0.89 74	0.57 159	0.20 117	0.16 156	0.27 236	0.19 108	0.40 296	0.25 206

LoS	0.40 8	0.21 4	0.44 11	0.37 2	0.22 4	0.50 39	0.40 83	1.00 68	0.94 106	0.48 17	0.66 23	0.48 22	0.40 17	0.60 23	0.37 38	0.18 60	0.14 75	0.16 9	0.11 6	0.14 2	0.14 11

test_3	0.55 77	0.23 13	0.71 114	0.53 119	0.28 52	0.61 87	0.40 83	0.92 41	1.05 150	1.19 184	0.68 27	0.93 145	0.44 27	1.67 206	0.39 54	0.15 6	0.12 9	0.22 122	0.19 108	0.21 131	0.14 11

PSM-softLoss	0.78 198	0.31 157	0.77 159	0.58 182	0.32 106	0.56 68	0.40 83	1.18 129	0.70 47	1.24 207	1.07 116	0.83 110	0.52 60	5.36 346	0.53 145	0.24 205	0.15 125	0.25 206	0.22 197	0.20 97	0.25 206

KMStereo	0.78 198	0.31 157	0.77 159	0.58 182	0.32 106	0.56 68	0.40 83	1.18 129	0.70 47	1.24 207	1.07 116	0.83 110	0.52 60	5.36 346	0.53 145	0.24 205	0.15 125	0.25 206	0.22 197	0.20 97	0.25 206

rafts_anoy	0.52 39	0.29 110	0.59 52	0.59 195	0.50 234	0.53 56	0.40 83	1.11 115	1.03 142	0.84 72	0.83 53	0.68 69	0.54 68	0.72 40	0.51 131	0.19 92	0.14 75	0.24 170	0.26 252	0.21 131	0.18 78

CFNet_pseudo	0.66 139	0.32 171	0.86 187	0.48 52	0.39 178	0.70 139	0.40 83	1.33 159	1.22 224	1.16 167	1.34 215	1.24 231	0.64 119	0.98 89	0.59 164	0.21 144	0.16 156	0.33 287	0.19 108	0.36 276	0.25 206

sCroCo_RVC	0.49 35	0.40 249	1.02 246	0.65 258	0.60 285	0.52 51	0.40 83	0.83 22	0.61 22	0.44 8	0.74 38	0.49 29	0.50 56	0.63 25	0.48 115	0.26 243	0.27 291	0.23 150	0.22 197	0.29 240	0.25 206

EAI-Stereo	0.65 131	0.28 83	0.69 97	0.53 119	0.27 33	0.60 84	0.40 83	2.28 361	0.64 27	0.71 48	3.18 370	0.57 43	0.43 23	1.06 105	0.41 65	0.18 60	0.13 42	0.17 14	0.17 74	0.17 24	0.17 60

MSMDNet	0.66 139	0.32 171	0.87 197	0.49 65	0.37 153	0.79 175	0.40 83	1.43 184	1.31 265	1.15 156	1.31 203	1.24 231	0.63 116	0.88 71	0.57 159	0.21 144	0.16 156	0.26 225	0.19 108	0.39 292	0.24 194

ccs_rob	0.66 139	0.33 187	0.86 187	0.48 52	0.39 178	0.70 139	0.40 83	1.33 159	1.22 224	1.16 167	1.34 215	1.23 229	0.64 119	0.98 89	0.59 164	0.21 144	0.16 156	0.35 304	0.20 136	0.37 280	0.25 206

StereoVision	0.65 131	0.34 206	0.86 187	0.59 195	0.40 183	0.50 39	0.41 94	1.09 107	0.93 103	0.71 48	2.50 359	0.82 103	0.57 86	1.03 98	0.49 122	0.25 229	0.28 297	0.29 254	0.28 277	0.36 276	0.20 134

PSM-adaLoss	0.54 62	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.41 94	1.04 81	0.64 27	1.12 137	0.96 74	0.82 103	0.61 106	1.06 105	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

ff7	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 96	0.87 25	0.50 6	0.49 20	0.53 10	0.44 9	0.48 47	1.38 153	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

IGEVStereo-DCA	0.46 24	0.28 83	0.56 37	0.43 8	0.33 122	0.49 30	0.42 96	0.87 25	0.50 6	0.47 13	0.48 6	0.48 22	0.46 33	2.03 251	0.30 1	0.19 92	0.14 75	0.19 49	0.15 30	0.16 13	0.18 78

ffff	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 96	0.87 25	0.50 6	0.49 20	0.53 10	0.44 9	0.48 47	1.38 153	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

11t	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 96	0.87 25	0.50 6	0.49 20	0.53 10	0.44 9	0.48 47	1.38 153	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

anonymousdsp	0.43 13	0.27 67	0.53 28	0.44 23	0.32 106	0.50 39	0.42 96	0.89 33	0.51 13	0.49 20	0.53 10	0.47 19	0.47 39	1.33 141	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

CASS	0.65 131	0.34 206	0.72 118	0.56 165	0.27 33	0.78 171	0.42 96	1.59 220	0.86 77	1.30 233	1.25 181	0.87 127	0.84 182	0.84 64	0.54 151	0.35 306	0.19 208	0.26 225	0.21 172	0.28 235	0.42 307
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
riskmin	0.56 86	0.27 67	0.60 56	0.43 8	0.31 91	0.83 189	0.42 96	1.14 119	1.04 146	0.73 52	0.75 40	1.11 205	1.01 252	0.81 59	0.51 131	0.20 117	0.14 75	0.24 170	0.15 30	0.24 191	0.25 206

ccc-4	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 96	0.87 25	0.50 6	0.49 20	0.53 10	0.44 9	0.48 47	1.38 153	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

BUS	0.74 178	0.32 171	0.68 88	0.54 134	0.44 203	2.34 364	0.42 96	2.16 343	0.98 122	1.20 188	1.11 133	1.03 181	0.62 111	0.91 76	0.70 191	0.24 205	0.17 180	0.25 206	0.22 197	0.22 152	0.22 165

NINENet	0.77 192	0.37 235	0.78 167	0.62 229	0.51 244	2.34 364	0.42 96	1.83 278	1.04 146	1.14 153	1.23 175	1.03 181	0.62 111	1.24 129	0.70 191	0.28 262	0.23 263	0.31 267	0.21 172	0.26 209	0.25 206

IGEV-Stereo	0.43 13	0.27 67	0.54 32	0.45 32	0.32 106	0.50 39	0.42 96	0.90 39	0.51 13	0.49 20	0.53 10	0.47 19	0.47 39	1.32 139	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ROB_FTStereo_v2	0.54 62	0.30 126	0.73 130	0.50 72	0.27 33	0.64 96	0.42 96	1.05 87	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	1.12 117	0.46 105	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

RAFT-345	0.84 221	0.25 35	0.66 82	0.50 72	0.27 33	0.54 59	0.42 96	0.83 22	1.11 174	1.32 245	2.34 352	0.86 123	0.54 68	5.72 357	0.47 110	0.18 60	0.13 42	0.22 122	0.17 74	0.17 24	0.16 41

TestStereo	0.64 126	0.39 245	0.71 114	0.51 95	0.27 33	0.56 68	0.42 96	1.03 77	0.91 97	0.80 62	1.00 87	0.68 69	0.52 60	3.25 309	0.45 92	0.22 167	0.15 125	0.24 170	0.18 88	0.27 221	0.16 41

222	1.61 342	0.29 110	0.67 85	0.56 165	0.29 63	1.06 243	0.42 96	2.17 349	1.31 265	1.31 243	1.52 265	0.92 144	0.94 223	1.76 224	17.65 413	0.24 205	0.20 225	0.21 96	0.19 108	0.22 152	0.23 182

111	0.60 101	0.23 13	0.70 103	0.43 8	0.24 9	0.72 144	0.42 96	1.18 129	1.41 307	0.80 62	1.38 228	1.10 201	0.79 159	0.96 83	0.58 162	0.18 60	0.13 42	0.17 14	0.15 30	0.17 24	0.19 111

SMFormer	0.75 185	0.30 126	0.86 187	0.46 35	0.26 20	0.82 185	0.43 112	2.05 323	1.39 299	1.23 199	1.47 253	0.98 163	0.95 228	1.71 214	0.82 231	0.24 205	0.20 225	0.22 122	0.21 172	0.23 177	0.24 194

tta	0.75 185	0.30 126	0.86 187	0.46 35	0.26 20	0.82 185	0.43 112	2.05 323	1.39 299	1.23 199	1.47 253	0.98 163	0.95 228	1.71 214	0.82 231	0.24 205	0.20 225	0.22 122	0.21 172	0.18 41	0.18 78

qqq1	0.72 161	0.30 126	0.86 187	0.46 35	0.26 20	0.82 185	0.43 112	2.05 323	1.39 299	1.23 199	1.47 253	0.98 163	0.95 228	1.71 214	0.44 84	0.24 205	0.20 225	0.18 36	0.15 30	0.18 41	0.18 78

fff1	0.72 161	0.30 126	0.86 187	0.46 35	0.26 20	0.82 185	0.43 112	2.05 323	1.39 299	1.23 199	1.47 253	0.98 163	0.95 228	1.71 214	0.44 84	0.24 205	0.20 225	0.18 36	0.15 30	0.18 41	0.18 78

TestStereo1	0.63 116	0.28 83	0.75 146	0.76 316	0.31 91	0.48 20	0.43 112	1.30 157	1.21 222	0.97 93	1.31 203	0.64 60	0.77 152	1.75 219	0.42 73	0.20 117	0.15 125	0.22 122	0.18 88	0.21 131	0.17 60

SA-5K	0.63 116	0.28 83	0.75 146	0.76 316	0.31 91	0.48 20	0.43 112	1.30 157	1.21 222	0.97 93	1.31 203	0.64 60	0.77 152	1.75 219	0.42 73	0.20 117	0.15 125	0.22 122	0.18 88	0.21 131	0.17 60

GMOStereo	0.53 48	0.26 46	0.65 76	0.50 72	0.29 63	0.52 51	0.43 112	0.89 33	0.96 110	1.41 276	1.14 147	0.85 119	0.56 78	0.59 14	0.38 48	0.16 11	0.14 75	0.24 170	0.21 172	0.20 97	0.15 27

error version	0.53 48	0.26 46	0.65 76	0.50 72	0.29 63	0.52 51	0.43 112	0.89 33	0.96 110	1.41 276	1.14 147	0.85 119	0.56 78	0.59 14	0.38 48	0.16 11	0.14 75	0.24 170	0.21 172	0.20 97	0.15 27

test-v	0.53 48	0.26 46	0.65 76	0.50 72	0.29 63	0.52 51	0.43 112	0.89 33	0.96 110	1.41 276	1.14 147	0.85 119	0.56 78	0.59 14	0.38 48	0.16 11	0.14 75	0.24 170	0.21 172	0.20 97	0.15 27

Pruner-Stereo	0.62 110	0.29 110	0.70 103	0.61 218	0.31 91	0.63 94	0.43 112	1.17 124	0.99 129	1.53 301	1.08 119	0.95 154	0.55 74	1.35 145	0.51 131	0.23 190	0.14 75	0.24 170	0.21 172	0.21 131	0.23 182

test-2	0.53 48	0.26 46	0.65 76	0.50 72	0.29 63	0.52 51	0.43 112	0.89 33	0.96 110	1.41 276	1.14 147	0.85 119	0.56 78	0.59 14	0.38 48	0.16 11	0.14 75	0.24 170	0.21 172	0.20 97	0.15 27

GMStereo	0.55 77	0.45 270	0.94 219	0.50 72	0.32 106	0.64 96	0.43 112	1.00 68	1.40 304	0.82 69	0.73 36	0.51 32	0.45 30	0.85 66	0.55 155	0.24 205	0.15 125	0.20 73	0.21 172	0.31 256	0.24 194
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CFNet_ucs	0.70 155	0.33 187	0.88 200	0.50 72	0.43 197	0.74 150	0.44 124	1.60 223	1.29 255	1.22 196	1.54 268	1.09 199	0.63 116	0.99 91	0.59 164	0.25 229	0.20 225	0.37 314	0.21 172	0.40 296	0.28 241

LoS_RVC	0.42 11	0.26 46	0.40 8	0.44 23	0.82 345	0.51 49	0.44 124	0.64 2	0.41 2	0.44 8	0.78 45	0.44 9	0.47 39	0.56 10	0.36 33	0.13 1	0.12 9	0.14 1	0.10 2	0.13 1	0.84 370

RAFT_CTSACE	0.63 116	0.26 46	0.88 200	0.55 153	0.51 244	0.71 142	0.44 124	0.80 18	0.97 117	0.97 93	1.84 318	1.18 219	0.68 127	1.47 174	0.36 33	0.16 11	0.15 125	0.21 96	0.20 136	0.20 97	0.14 11

dad	0.86 230	0.66 330	1.06 257	0.56 165	0.37 153	0.76 160	0.44 124	1.17 124	1.50 320	1.44 283	1.27 190	1.34 259	0.75 140	2.52 284	0.84 236	0.42 329	0.27 291	0.83 373	0.26 252	0.41 299	0.29 244

PSMNet-ADL	0.72 161	0.35 222	0.62 63	0.69 286	0.46 220	1.14 254	0.44 124	1.37 168	1.01 136	0.83 70	1.17 159	1.33 255	0.96 233	1.43 165	0.95 250	0.33 291	0.22 255	0.21 96	0.23 217	0.27 221	0.29 244

NF-Stereo	0.80 204	0.30 126	0.75 146	0.60 206	0.31 91	0.64 96	0.44 124	1.21 136	0.90 92	1.29 225	1.02 99	0.82 103	0.57 86	5.40 350	0.48 115	0.23 190	0.14 75	0.24 170	0.20 136	0.20 97	0.30 256

OCTAStereo	0.80 204	0.30 126	0.75 146	0.60 206	0.31 91	0.64 96	0.44 124	1.21 136	0.90 92	1.29 225	1.01 92	0.82 103	0.57 86	5.35 345	0.48 115	0.24 205	0.14 75	0.24 170	0.20 136	0.20 97	0.30 256

RAFT_R40	0.83 217	0.28 83	0.73 130	0.59 195	0.31 91	0.69 132	0.44 124	1.10 109	0.95 108	1.47 288	1.10 128	1.00 169	0.85 185	5.53 352	0.46 105	0.22 167	0.13 42	0.23 150	0.20 136	0.23 177	0.18 78

RE-Stereo	0.80 204	0.30 126	0.75 146	0.60 206	0.31 91	0.64 96	0.44 124	1.21 136	0.90 92	1.29 225	1.01 92	0.81 98	0.57 86	5.37 348	0.48 115	0.24 205	0.14 75	0.24 170	0.20 136	0.20 97	0.30 256

TVStereo	0.80 204	0.30 126	0.75 146	0.60 206	0.31 91	0.64 96	0.44 124	1.21 136	0.90 92	1.29 225	1.01 92	0.81 98	0.57 86	5.37 348	0.48 115	0.24 205	0.14 75	0.24 170	0.20 136	0.20 97	0.30 256

xxxx	1.51 333	0.28 83	0.68 88	0.54 134	0.28 52	1.16 261	0.44 124	2.19 351	1.29 255	1.09 123	1.36 222	1.22 224	0.85 185	1.79 227	15.70 412	0.24 205	0.21 241	0.21 96	0.20 136	0.22 152	0.23 182

whm_eth	0.65 131	0.47 276	1.05 254	0.55 153	0.64 296	0.69 132	0.45 135	1.34 163	1.26 239	1.02 107	1.92 328	0.49 29	0.48 47	0.70 33	0.52 137	0.23 190	0.20 225	0.25 206	0.24 228	0.24 191	0.31 266

SDNR	1.62 343	0.51 291	2.17 359	0.53 119	0.56 265	3.80 392	0.45 135	1.54 212	1.29 255	1.33 253	2.41 356	1.08 193	0.96 233	11.18 412	1.16 278	0.66 369	0.63 381	0.43 334	0.32 306	0.64 354	0.67 359

anonymousa	0.72 161	0.27 67	0.75 146	0.47 41	0.63 294	1.43 300	0.45 135	1.24 149	0.89 88	1.28 220	1.75 308	1.62 302	1.13 281	0.69 31	0.59 164	0.19 92	0.16 156	0.23 150	0.25 239	0.20 97	0.18 78

RCA-Stereo	0.50 37	0.23 13	0.58 48	0.48 52	0.33 122	0.55 65	0.45 135	0.97 60	1.38 295	0.68 43	1.05 111	0.63 57	0.80 164	0.59 14	0.32 7	0.17 32	0.12 9	0.17 14	0.14 22	0.16 13	0.14 11

DisPM	0.66 139	0.28 83	0.72 118	0.61 218	0.35 140	0.62 93	0.45 135	1.02 74	0.99 129	1.56 309	1.10 128	0.80 95	0.59 95	2.37 277	0.41 65	0.23 190	0.14 75	0.23 150	0.21 172	0.20 97	0.25 206

pcwnet_v2	0.97 259	0.37 235	4.33 384	0.62 229	0.54 258	0.79 175	0.45 135	2.02 321	1.58 329	1.42 282	1.64 293	1.09 199	0.79 159	1.24 129	0.67 188	0.32 286	0.25 279	0.29 254	0.27 260	0.37 280	0.35 283

DN-CSS_ROB	0.64 126	0.32 171	1.05 254	0.55 153	0.40 183	0.54 59	0.45 135	1.21 136	0.93 103	1.03 111	1.47 253	0.69 74	0.63 116	1.76 224	0.49 122	0.18 60	0.14 75	0.25 206	0.22 197	0.22 152	0.20 134

AE-Stereo	0.49 35	0.27 67	0.67 85	0.60 206	0.39 178	0.67 121	0.46 142	1.18 129	1.09 168	0.47 13	0.75 40	0.69 74	0.47 39	0.59 14	0.40 58	0.16 11	0.15 125	0.21 96	0.20 136	0.19 71	0.15 27

HH	0.63 116	0.30 126	0.77 159	0.50 72	0.32 106	0.49 30	0.46 142	1.65 233	0.64 27	0.69 44	1.09 124	1.63 304	0.85 185	1.90 238	0.37 38	0.18 60	0.13 42	0.19 49	0.17 74	0.19 71	0.16 41

HanStereo	0.63 116	0.30 126	0.77 159	0.50 72	0.32 106	0.49 30	0.46 142	1.65 233	0.64 27	0.69 44	1.09 124	1.63 304	0.85 185	1.90 238	0.37 38	0.18 60	0.13 42	0.19 49	0.17 74	0.19 71	0.16 41

ACVNet	0.63 116	0.31 157	0.54 32	0.54 134	0.36 145	0.80 180	0.46 142	1.37 168	1.07 158	0.93 83	1.30 198	1.08 193	0.85 185	0.80 55	0.94 248	0.21 144	0.19 208	0.21 96	0.18 88	0.22 152	0.18 78

hitnet-ft	0.79 201	0.35 222	0.57 45	0.58 182	0.42 192	0.96 224	0.46 142	1.47 190	1.33 273	1.19 184	1.22 171	1.81 323	0.98 240	1.66 205	0.94 248	0.33 291	0.28 297	0.34 297	0.27 260	0.35 270	0.31 266

FADNet_RVC	0.83 217	0.51 291	1.83 346	0.54 134	0.42 192	1.19 268	0.46 142	1.51 201	1.09 168	0.89 77	1.24 177	0.91 136	0.87 196	2.11 258	1.11 273	0.27 252	0.22 255	0.31 267	0.28 277	0.43 309	0.38 295

anonymousdsp2	0.53 48	0.27 67	0.74 144	0.48 52	0.29 63	0.76 160	0.47 148	1.61 226	0.82 74	0.77 56	0.77 43	0.75 83	0.47 39	1.03 98	0.40 58	0.18 60	0.13 42	0.18 36	0.13 11	0.19 71	0.18 78

x	0.54 62	0.31 157	0.61 59	0.47 41	0.30 79	0.67 121	0.47 148	1.53 210	0.79 67	0.81 66	0.83 53	0.78 90	0.70 133	0.70 33	0.62 176	0.21 144	0.19 208	0.22 122	0.19 108	0.21 131	0.20 134

dd	0.59 98	0.48 281	0.97 228	0.55 153	0.32 106	0.64 96	0.47 148	1.02 74	1.34 276	0.78 57	0.86 57	0.58 47	0.54 68	1.01 95	0.86 241	0.28 262	0.18 195	0.26 225	0.19 108	0.32 261	0.24 194

ACRE	0.61 107	0.33 187	1.01 240	0.58 182	0.49 228	0.75 156	0.47 148	1.06 100	0.95 108	1.37 263	1.55 270	0.62 55	0.46 33	0.83 62	0.70 191	0.23 190	0.15 125	0.19 49	0.16 58	0.18 41	0.21 150

AnonymousM	0.59 98	1.11 371	0.41 9	0.44 23	0.32 106	0.43 14	0.47 148	1.05 87	0.64 27	0.98 97	0.63 21	0.67 67	0.43 23	0.59 14	0.41 65	0.20 117	0.15 125	1.84 388	0.84 380	0.14 2	0.13 3

DMCA-RVC	0.74 178	0.40 249	1.27 294	0.66 263	0.49 228	0.77 166	0.47 148	1.35 165	1.01 136	1.53 301	1.01 92	1.29 249	0.82 171	1.31 137	0.78 216	0.27 252	0.21 241	0.35 304	0.27 260	0.32 261	0.24 194

DMCA	0.67 148	0.34 206	0.90 208	0.51 95	0.44 203	0.86 198	0.47 148	1.42 178	1.02 139	1.17 176	1.12 139	1.23 229	0.75 140	0.78 51	0.95 250	0.25 229	0.19 208	0.27 236	0.19 108	0.24 191	0.27 230

CFNet	0.96 253	0.36 229	1.01 240	0.62 229	0.42 192	0.99 232	0.47 148	1.90 291	1.32 270	0.99 99	1.39 232	1.10 201	0.86 193	5.58 355	0.79 222	0.23 190	0.17 180	0.28 246	0.27 260	0.26 209	0.21 150

tt1	0.62 110	0.32 171	0.51 24	0.54 134	0.26 20	1.16 261	0.48 156	0.95 52	2.47 371	0.57 31	0.77 43	0.49 29	0.81 167	1.55 187	0.32 7	0.20 117	0.12 9	0.24 170	0.15 30	0.19 71	0.20 134

EKT-Stereo	0.53 48	0.30 126	0.73 130	0.58 182	0.60 285	0.51 49	0.48 156	0.94 49	0.90 92	0.71 48	0.88 62	0.77 87	0.43 23	1.07 109	0.40 58	0.22 167	0.16 156	0.21 96	0.18 88	0.20 97	0.22 165

DCRE	0.82 212	0.26 46	0.70 103	0.58 182	0.44 203	0.54 59	0.48 156	0.95 52	0.78 63	0.78 57	7.33 400	0.86 123	0.52 60	0.76 48	0.41 65	0.16 11	0.16 156	0.19 49	0.17 74	0.18 41	0.17 60

CIPLG	0.62 110	0.33 187	0.96 226	0.58 182	0.50 234	0.75 156	0.48 156	1.05 87	0.96 110	1.40 274	1.57 278	0.64 60	0.48 47	0.89 74	0.70 191	0.23 190	0.15 125	0.19 49	0.16 58	0.19 71	0.21 150

IPLGR_C	0.62 110	0.33 187	0.99 231	0.58 182	0.49 228	0.76 160	0.48 156	1.10 109	0.96 110	1.40 274	1.56 274	0.62 55	0.48 47	0.80 55	0.71 196	0.23 190	0.15 125	0.19 49	0.16 58	0.19 71	0.21 150

cf-r	0.73 175	0.30 126	0.77 159	0.55 153	0.63 294	0.78 171	0.48 156	1.79 268	1.15 199	1.13 151	1.26 187	1.43 269	0.87 196	1.40 163	0.85 239	0.25 229	0.18 195	0.22 122	0.23 217	0.19 71	0.19 111

StereoDRNet-Refined	0.80 204	0.41 255	0.88 200	0.62 229	0.42 192	1.33 285	0.48 156	1.52 204	1.17 205	1.45 285	1.44 244	1.44 273	0.90 207	1.26 131	1.24 286	0.20 117	0.16 156	0.27 236	0.24 228	0.25 201	0.28 241
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
AACVNet	0.86 230	0.35 222	0.79 169	0.82 333	0.39 178	0.76 160	0.49 163	1.61 226	0.81 69	1.08 118	1.33 210	1.30 250	0.93 218	4.34 330	0.74 203	0.25 229	0.21 241	0.28 246	0.22 197	0.29 240	0.25 206

MMNet	0.84 221	0.32 171	1.09 265	0.60 206	0.59 282	1.85 340	0.49 163	1.51 201	1.27 246	1.37 263	1.15 153	1.26 239	1.18 287	1.67 206	1.22 284	0.19 92	0.18 195	0.23 150	0.22 197	0.25 201	0.21 150

UNet	0.83 217	0.34 206	1.31 298	0.58 182	0.74 321	1.58 313	0.49 163	1.41 176	1.04 146	1.21 191	1.08 119	1.54 290	1.12 279	1.65 201	1.09 268	0.23 190	0.17 180	0.25 206	0.20 136	0.25 201	0.22 165

HITNet	0.65 131	0.40 249	0.77 159	0.48 52	0.24 9	1.05 240	0.49 163	1.76 259	1.02 139	1.18 180	1.18 161	0.89 134	0.80 164	0.85 66	0.79 222	0.17 32	0.12 9	0.21 96	0.17 74	0.29 240	0.15 27
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
CBMV_ROB	0.90 240	0.44 264	0.63 66	0.51 95	0.37 153	1.25 276	0.49 163	1.77 262	1.27 246	1.41 276	2.00 333	1.33 255	1.08 271	2.17 261	0.76 208	0.43 334	0.42 353	0.47 343	0.44 343	0.41 299	0.36 287

PWC_ROB	1.24 307	0.76 347	2.46 369	0.72 301	0.78 334	1.15 259	0.49 163	1.75 253	1.92 354	2.31 359	3.07 368	1.59 298	1.40 317	2.46 282	2.10 351	0.33 291	0.22 255	0.35 304	0.24 228	0.38 288	0.41 303

ttt	0.94 249	0.34 206	0.59 52	0.61 218	0.37 153	0.94 216	0.50 169	2.17 349	1.34 276	1.23 199	1.61 286	0.91 136	0.76 148	1.85 234	3.97 376	0.30 274	0.26 283	0.26 225	0.24 228	0.29 240	0.29 244

ACVNet-DCA	0.56 86	0.31 157	0.50 18	0.54 134	0.26 20	1.18 264	0.51 170	1.42 178	0.78 63	0.58 32	0.79 48	0.48 22	0.88 200	1.46 170	0.32 7	0.20 117	0.12 9	0.25 206	0.15 30	0.22 152	0.21 150

xx1	0.67 148	0.31 157	0.50 18	0.54 134	0.26 20	1.18 264	0.51 170	0.93 45	3.05 383	0.58 32	0.79 48	0.95 154	0.77 152	1.46 170	0.32 7	0.20 117	0.12 9	0.24 170	0.23 217	0.22 152	0.21 150

1test111	0.54 62	0.31 157	0.50 18	0.54 134	0.26 20	1.18 264	0.51 170	1.42 178	0.78 63	0.58 32	0.79 48	0.48 22	0.88 200	0.88 71	0.59 164	0.20 117	0.12 9	0.25 206	0.15 30	0.22 152	0.21 150

cc1	0.64 126	0.31 157	0.50 18	0.54 134	0.26 20	1.18 264	0.51 170	0.93 45	3.05 383	0.58 32	0.79 48	0.48 22	0.88 200	1.46 170	0.32 7	0.20 117	0.12 9	0.25 206	0.15 30	0.19 71	0.19 111

IER	0.70 155	0.31 157	1.02 246	0.48 52	0.52 252	1.34 287	0.51 170	1.17 124	0.99 129	1.23 199	1.34 215	1.12 206	1.11 276	0.99 91	0.71 196	0.20 117	0.16 156	0.21 96	0.21 172	0.20 97	0.19 111

GANet-ADL	0.60 101	0.35 222	0.72 118	0.64 246	0.40 183	0.68 128	0.51 170	1.49 192	1.12 178	0.95 89	1.08 119	0.91 136	0.57 86	0.76 48	0.55 155	0.26 243	0.18 195	0.18 36	0.16 58	0.23 177	0.25 206

AAGNet	1.83 355	0.28 83	0.72 118	0.61 218	0.32 106	0.67 121	0.51 170	0.96 59	0.98 122	1.47 288	1.20 167	1.00 169	1.18 287	2.83 294	22.77 419	0.22 167	0.13 42	0.22 122	0.19 108	0.23 177	0.15 27

GwcNet-RSSM	0.77 192	0.32 171	1.01 240	0.62 229	0.54 258	0.78 171	0.51 170	1.73 247	1.20 217	1.09 123	1.37 224	1.46 277	0.85 185	1.53 183	1.09 268	0.25 229	0.18 195	0.23 150	0.24 228	0.20 97	0.19 111

DANet	1.08 283	0.61 322	1.32 301	0.85 342	0.72 316	1.37 290	0.51 170	1.54 212	1.15 199	1.78 332	1.54 268	2.01 341	1.11 276	2.90 297	2.00 347	0.33 291	0.30 309	0.40 328	0.30 296	0.44 316	0.45 315
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
ProNet	0.43 13	0.28 83	0.58 48	0.43 8	0.30 79	0.56 68	0.52 179	1.00 68	0.58 18	0.44 8	0.49 8	0.43 7	0.43 23	1.28 132	0.36 33	0.15 6	0.13 42	0.19 49	0.16 58	0.17 24	0.16 41

test_5	0.65 131	0.30 126	0.75 146	0.67 273	0.50 234	0.92 211	0.52 179	1.39 174	1.12 178	0.76 53	1.11 133	1.00 169	0.90 207	1.53 183	0.45 92	0.18 60	0.13 42	0.23 150	0.22 197	0.21 131	0.19 111

sAnonymous2	0.55 77	0.56 304	1.46 317	0.60 206	0.51 244	0.48 20	0.52 179	0.79 13	0.68 44	0.50 26	0.67 25	0.46 16	0.62 111	0.59 14	0.40 58	0.22 167	0.17 180	0.22 122	0.21 172	0.86 368	0.56 341

CroCo_RVC	0.55 77	0.56 304	1.46 317	0.60 206	0.51 244	0.48 20	0.52 179	0.79 13	0.68 44	0.50 26	0.67 25	0.46 16	0.62 111	0.59 14	0.40 58	0.22 167	0.17 180	0.22 122	0.21 172	0.86 368	0.56 341

RALCasStereoNet	0.54 62	0.30 126	0.66 82	0.59 195	0.51 244	0.61 87	0.52 179	0.94 49	0.93 103	0.70 46	1.01 92	0.78 90	0.44 27	1.33 141	0.47 110	0.20 117	0.16 156	0.18 36	0.16 58	0.20 97	0.19 111

PWCDC_ROB	1.29 312	0.75 345	1.33 303	1.05 369	0.88 353	1.73 326	0.52 179	1.89 288	3.28 385	1.29 225	4.88 390	1.22 224	1.46 324	1.77 226	1.45 321	0.60 363	0.26 283	0.29 254	0.25 239	0.52 335	0.37 289

DRaft	0.80 204	0.24 19	0.70 103	0.45 32	0.30 79	0.97 228	0.53 185	1.05 87	0.97 117	1.78 332	2.02 336	0.80 95	1.74 348	2.73 292	0.72 199	0.17 32	0.14 75	0.20 73	0.20 136	0.18 41	0.21 150

acv_ft	0.75 185	0.31 157	0.95 222	0.70 291	0.86 350	1.24 274	0.53 185	1.44 185	1.07 158	1.24 207	1.30 198	1.08 193	0.92 212	0.80 55	1.34 300	0.21 144	0.19 208	0.21 96	0.18 88	0.21 131	0.18 78

NLCA_NET_v2_RVC	0.79 201	0.43 261	1.05 254	0.64 246	0.58 275	0.95 220	0.53 185	1.53 210	1.18 209	1.37 263	1.15 153	1.43 269	0.88 200	1.61 197	0.84 236	0.25 229	0.22 255	0.27 236	0.27 260	0.29 240	0.29 244
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AdaStereo	0.70 155	0.43 261	0.75 146	0.73 308	0.37 153	0.92 211	0.53 185	1.85 280	1.18 209	1.12 137	1.23 175	1.07 192	0.65 124	0.96 83	0.63 180	0.31 281	0.15 125	0.32 280	0.21 172	0.29 240	0.22 165
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.
mmm	0.63 116	0.35 222	0.72 118	0.51 95	0.30 79	0.86 198	0.54 189	1.59 220	0.86 77	1.07 117	1.38 228	0.79 93	0.75 140	0.91 76	0.58 162	0.22 167	0.18 195	0.29 254	0.25 239	0.25 201	0.23 182

CAS	0.63 116	0.18 1	0.37 2	2.27 390	0.84 347	0.57 73	0.54 189	0.79 13	0.62 23	0.48 17	0.70 31	0.36 2	0.26 1	0.45 2	0.35 27	2.24 391	0.10 1	0.14 1	0.09 1	0.15 5	1.06 381

gwcnet-sp	0.74 178	0.33 187	1.44 311	0.57 176	0.45 210	1.40 295	0.54 189	1.50 196	1.14 190	1.30 233	1.02 99	0.94 148	0.82 171	1.39 158	0.76 208	0.21 144	0.21 241	0.22 122	0.21 172	0.22 152	0.22 165

scenet	0.74 178	0.33 187	1.44 311	0.57 176	0.45 210	1.40 295	0.54 189	1.50 196	1.14 190	1.30 233	1.02 99	0.94 148	0.82 171	1.39 158	0.76 208	0.21 144	0.21 241	0.22 122	0.21 172	0.22 152	0.22 165

ssnet	0.74 178	0.33 187	1.44 311	0.57 176	0.45 210	1.40 295	0.54 189	1.50 196	1.14 190	1.30 233	1.02 99	0.94 148	0.82 171	1.39 158	0.76 208	0.21 144	0.21 241	0.22 122	0.21 172	0.22 152	0.22 165

LCNet	0.72 161	0.28 83	0.52 26	0.55 153	0.31 91	0.69 132	0.54 189	1.00 68	0.88 85	1.19 184	1.34 215	0.97 162	1.34 315	2.56 285	0.45 92	0.18 60	0.13 42	0.21 96	0.25 239	0.27 221	0.73 365

TransformOpticalFlow	0.96 253	0.28 83	0.89 205	0.52 111	0.31 91	0.66 117	0.54 189	1.75 253	1.12 178	1.09 123	1.44 244	1.37 263	1.01 252	6.70 376	0.42 73	0.19 92	0.12 9	0.20 73	0.19 108	0.18 41	0.19 111

raft+_RVC	0.53 48	0.26 46	0.54 32	0.60 206	0.47 224	0.54 59	0.54 189	1.27 153	0.99 129	0.76 53	1.03 107	0.70 77	0.56 78	0.93 82	0.47 110	0.18 60	0.14 75	0.19 49	0.18 88	0.18 41	0.15 27

ac_64	0.82 212	0.29 110	0.81 175	0.71 298	0.60 285	1.05 240	0.54 189	1.99 313	0.92 101	1.18 180	1.06 113	1.99 339	1.08 271	1.94 244	0.97 255	0.27 252	0.22 255	0.24 170	0.23 217	0.22 152	0.19 111

STTStereo	0.78 198	0.50 288	1.22 284	0.64 246	0.54 258	0.89 201	0.54 189	1.44 185	1.11 174	1.38 268	1.09 124	1.27 243	0.85 185	1.43 165	0.83 233	0.29 270	0.27 291	0.33 287	0.39 331	0.32 261	0.30 256

R-Stereo Train	0.57 90	0.26 46	0.63 66	0.54 134	0.36 145	0.69 132	0.54 189	1.22 143	0.72 52	1.61 316	1.50 262	0.75 83	0.53 65	0.64 26	0.44 84	0.18 60	0.15 125	0.17 14	0.15 30	0.17 24	0.17 60

RAFT-Stereo	0.57 90	0.26 46	0.63 66	0.54 134	0.36 145	0.69 132	0.54 189	1.22 143	0.72 52	1.61 316	1.50 262	0.75 83	0.53 65	0.64 26	0.44 84	0.18 60	0.15 125	0.17 14	0.15 30	0.17 24	0.17 60
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DeepPruner_ROB	0.74 178	0.48 281	0.87 197	0.57 176	0.44 203	0.79 175	0.54 189	1.73 247	0.96 110	1.38 268	1.27 190	1.24 231	0.73 136	1.43 165	0.73 202	0.34 299	0.28 297	0.27 236	0.26 252	0.31 256	0.31 266

knoymous	0.51 38	0.29 110	0.47 13	0.43 8	0.30 79	0.55 65	0.55 202	1.02 74	0.77 61	0.98 97	0.85 56	0.94 148	0.56 78	0.85 66	0.45 92	0.20 117	0.14 75	0.26 225	0.14 22	0.23 177	0.23 182

RAFT+CT+SA	0.58 95	0.29 110	0.60 56	0.66 263	0.37 153	0.42 13	0.55 202	1.27 153	1.03 142	0.70 46	1.22 171	0.60 52	0.70 133	1.64 200	0.41 65	0.18 60	0.13 42	0.22 122	0.22 197	0.21 131	0.18 78

CFNet-ft	0.72 161	0.32 171	0.54 32	0.66 263	0.54 258	0.83 189	0.55 202	1.37 168	1.15 199	0.93 83	1.28 194	1.57 294	0.97 236	1.35 145	0.81 226	0.26 243	0.20 225	0.33 287	0.25 239	0.30 249	0.23 182

BEATNet_4x	0.73 175	0.49 284	1.17 279	0.53 119	0.26 20	1.03 237	0.55 202	1.82 274	1.06 153	1.21 191	1.22 171	0.96 160	0.91 209	1.01 95	1.06 263	0.21 144	0.14 75	0.24 170	0.19 108	0.37 280	0.21 150

HSM-Net_RVC	0.87 234	0.29 110	0.53 28	0.53 119	0.30 79	1.15 259	0.55 202	3.57 389	1.28 251	1.53 301	1.74 305	1.68 312	0.93 218	1.49 176	0.77 214	0.22 167	0.17 180	0.19 49	0.18 88	0.20 97	0.19 111
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.72 161	0.32 171	0.54 32	0.66 263	0.54 258	0.83 189	0.55 202	1.37 168	1.15 199	0.93 83	1.28 194	1.57 294	0.97 236	1.35 145	0.81 226	0.26 243	0.20 225	0.33 287	0.25 239	0.30 249	0.23 182

DualNet	1.09 285	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	0.95 52	2.47 371	1.15 156	1.45 246	1.06 186	0.82 171	1.55 187	7.61 391	0.20 117	0.12 9	0.31 267	0.27 260	0.19 71	0.20 134

ffm	0.72 161	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	0.95 52	2.47 371	1.15 156	1.45 246	1.06 186	0.82 171	1.55 187	0.32 7	0.20 117	0.12 9	0.31 267	0.27 260	0.19 71	0.20 134

ff1	1.37 322	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	0.95 52	2.47 371	1.15 156	1.45 246	1.06 186	0.82 171	7.22 382	7.61 391	0.20 117	0.12 9	0.31 267	0.27 260	0.19 71	0.20 134

mmx	1.39 324	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	2.13 334	1.37 291	1.15 156	1.45 246	1.06 186	0.82 171	7.22 382	7.61 391	0.24 205	0.19 208	0.31 267	0.27 260	0.30 249	0.25 206

xxx	1.39 324	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	2.13 334	1.37 291	1.15 156	1.45 246	1.06 186	0.82 171	7.22 382	7.61 391	0.24 205	0.19 208	0.31 267	0.27 260	0.30 249	0.25 206

AASNet	0.76 191	0.35 222	0.91 211	0.79 322	0.81 343	1.14 254	0.56 208	2.02 321	1.08 162	1.22 196	1.24 177	0.93 145	0.76 148	0.77 50	1.16 278	0.27 252	0.23 263	0.24 170	0.20 136	0.28 235	0.24 194

DEmStereo	0.97 259	0.23 13	0.79 169	0.47 41	0.32 106	1.04 239	0.56 208	0.93 45	0.89 88	1.39 273	2.14 344	1.02 178	2.07 369	5.64 356	0.77 214	0.17 32	0.15 125	0.20 73	0.20 136	0.18 41	0.20 134

PFNet	0.91 243	0.26 46	1.10 268	0.63 237	0.32 106	0.64 96	0.56 208	1.17 124	0.99 129	1.47 288	1.08 119	0.98 163	0.69 130	6.62 371	0.54 151	0.20 117	0.12 9	0.24 170	0.19 108	0.20 97	0.17 60

LMCR-Stereo	0.82 212	0.46 272	0.88 200	0.75 314	0.43 197	1.33 285	0.56 208	2.43 372	0.98 122	1.53 301	1.49 259	0.74 81	1.00 250	1.63 199	0.89 243	0.28 262	0.17 180	0.22 122	0.17 74	0.29 240	0.20 134

PSMNet-RSSM	0.72 161	0.30 126	0.61 59	0.63 237	0.42 192	0.73 147	0.56 208	1.92 298	1.10 172	1.09 123	1.37 224	1.22 224	0.98 240	1.28 132	0.72 199	0.27 252	0.19 208	0.27 236	0.29 288	0.24 191	0.24 194

GES	0.66 139	0.34 206	0.90 208	0.59 195	0.38 170	0.94 216	0.57 218	2.11 333	0.86 77	1.02 107	1.11 133	0.66 65	0.79 159	0.99 91	0.61 173	0.27 252	0.19 208	0.20 73	0.20 136	0.21 131	0.30 256

FADNet	0.92 245	0.61 322	1.81 343	0.62 229	0.55 264	0.96 224	0.57 218	1.78 266	1.33 273	0.93 83	1.01 92	1.36 260	1.01 252	2.71 291	0.75 206	0.33 291	0.34 325	0.31 267	0.34 317	0.59 347	0.40 299

RASNet	1.12 293	0.30 126	0.91 211	0.66 263	0.77 331	0.97 228	0.57 218	1.37 168	1.35 284	1.02 107	1.34 215	2.11 348	1.43 320	7.09 381	1.39 308	0.19 92	0.17 180	0.17 14	0.19 108	0.18 41	0.16 41

GwcNet-ADL	0.64 126	0.31 157	0.79 169	0.56 165	0.41 189	0.60 84	0.58 221	1.41 176	1.26 239	1.08 118	1.13 144	0.91 136	0.60 97	1.04 103	0.78 216	0.27 252	0.18 195	0.18 36	0.18 88	0.25 201	0.29 244

HHNet	0.62 110	0.26 46	0.63 66	0.43 8	0.45 210	0.50 39	0.58 221	1.07 102	1.01 136	1.25 211	2.23 347	0.70 77	0.61 106	1.07 109	0.47 110	0.20 117	0.13 42	0.23 150	0.19 108	0.19 71	0.30 256

RAFT	0.64 126	0.30 126	0.73 130	0.59 195	0.33 122	0.68 128	0.58 221	1.04 81	0.76 59	1.08 118	1.19 164	1.65 309	0.93 218	1.06 105	0.56 157	0.21 144	0.18 195	0.27 236	0.24 228	0.22 152	0.17 60

ICVP	0.63 116	0.33 187	0.57 45	0.61 218	0.40 183	0.80 180	0.58 221	1.61 226	0.89 88	0.90 78	1.24 177	0.88 130	0.73 136	0.72 40	0.88 242	0.29 270	0.21 241	0.22 122	0.21 172	0.24 191	0.27 230
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HGLStereo	0.85 225	0.38 240	0.94 219	0.80 325	1.03 363	1.17 263	0.58 221	1.52 204	1.20 217	1.19 184	1.62 289	1.13 211	1.20 293	1.80 228	1.06 263	0.24 205	0.24 272	0.24 170	0.21 172	0.23 177	0.27 230

GANet-RSSM	0.72 161	0.28 83	0.63 66	0.64 246	0.58 275	0.80 180	0.58 221	1.89 288	1.08 162	1.04 114	1.25 181	1.15 214	1.04 260	1.49 176	0.62 176	0.25 229	0.19 208	0.22 122	0.22 197	0.22 152	0.21 150

UCFNet_RVC	0.69 153	0.35 222	0.49 17	0.64 246	0.39 178	0.85 197	0.58 221	1.75 253	1.14 190	0.97 93	1.19 164	1.17 216	0.93 218	0.99 91	0.62 176	0.28 262	0.20 225	0.34 297	0.31 300	0.32 261	0.27 230

Anonymous	0.53 48	0.38 240	0.91 211	0.66 263	0.73 319	0.65 108	0.59 228	0.95 52	0.73 55	0.47 13	0.58 19	0.42 5	0.60 97	0.80 55	0.53 145	0.24 205	0.23 263	0.21 96	0.21 172	0.41 299	0.29 244

test_xeample	1.45 329	0.28 83	0.65 76	0.51 95	0.28 52	0.94 216	0.59 228	2.14 338	1.29 255	1.24 207	1.51 264	0.88 130	0.86 193	1.46 170	15.10 409	0.22 167	0.20 225	0.22 122	0.20 136	0.22 152	0.22 165

HSM	1.19 305	0.32 171	0.65 76	0.57 176	0.38 170	1.23 273	0.59 228	2.25 358	1.19 212	1.30 233	1.25 181	1.94 334	1.03 259	9.32 402	0.71 196	0.22 167	0.16 156	0.20 73	0.16 58	0.21 131	0.21 150

iResNet	0.75 185	0.40 249	1.36 306	0.67 273	0.29 63	0.92 211	0.59 228	1.52 204	1.25 234	1.28 220	1.48 258	0.94 148	0.76 148	1.62 198	0.78 216	0.18 60	0.14 75	0.18 36	0.15 30	0.22 152	0.23 182

FADNet-RVC	0.88 235	0.67 331	1.93 350	0.60 206	0.48 225	0.91 205	0.60 232	1.71 245	1.18 209	0.90 78	0.96 74	1.36 260	0.92 212	2.25 270	1.17 280	0.30 274	0.29 305	0.32 280	0.32 306	0.41 299	0.35 283

CoDeX	0.73 175	0.29 110	0.93 217	0.54 134	0.36 145	1.14 254	0.61 233	2.34 366	1.17 205	1.16 167	1.25 181	0.91 136	0.87 196	1.33 141	0.64 183	0.20 117	0.16 156	0.21 96	0.18 88	0.20 97	0.18 78

FADNet-RVC-Resample	0.84 221	0.47 276	2.10 355	0.61 218	0.45 210	1.07 245	0.61 233	1.59 220	1.20 217	1.08 118	0.98 82	1.03 181	0.98 240	2.17 261	0.72 199	0.23 190	0.22 255	0.30 263	0.32 306	0.35 270	0.34 278

qqq	0.57 90	0.34 206	0.71 114	0.47 41	0.27 33	0.64 96	0.62 235	1.42 178	0.78 63	0.80 62	0.92 68	0.95 154	0.77 152	0.88 71	0.59 164	0.21 144	0.20 225	0.24 170	0.23 217	0.22 152	0.21 150

DAS	0.84 221	0.34 206	1.03 250	0.64 246	0.69 311	0.77 166	0.63 236	1.54 212	1.20 217	1.79 335	1.55 270	0.95 154	1.04 260	2.83 294	0.60 171	0.21 144	0.16 156	0.25 206	0.18 88	0.27 221	0.22 165

SepStereo	0.82 212	0.34 206	1.03 250	0.64 246	0.69 311	0.77 166	0.63 236	1.54 212	1.20 217	1.79 335	1.55 270	0.95 154	1.04 260	2.30 272	0.60 171	0.21 144	0.16 156	0.25 206	0.18 88	0.27 221	0.22 165

Anonymous_2	1.30 314	0.55 301	0.82 177	0.52 111	0.58 275	1.01 235	0.64 238	1.25 151	0.97 117	0.96 90	0.78 45	1.33 255	1.29 307	1.03 98	0.74 203	0.62 365	0.64 382	1.06 381	9.63 418	1.16 379	0.49 329

iResNetv2_ROB	0.80 204	0.37 235	1.71 336	0.56 165	0.37 153	0.94 216	0.64 238	1.73 247	1.34 276	1.23 199	1.42 237	1.26 239	0.92 212	1.85 234	0.56 157	0.23 190	0.15 125	0.19 49	0.14 22	0.24 191	0.19 111

BSDual-CNN	0.71 160	0.32 171	0.68 88	0.54 134	0.44 203	1.27 278	0.65 240	2.16 343	0.98 122	1.20 188	1.11 133	1.12 206	0.74 138	0.91 76	0.66 185	0.24 205	0.17 180	0.25 206	0.22 197	0.22 152	0.22 165

hknet	0.77 192	0.32 171	0.95 222	0.54 134	0.38 170	1.27 278	0.65 240	2.16 343	1.07 158	1.20 188	1.11 133	1.59 298	0.81 167	1.37 149	0.66 185	0.22 167	0.17 180	0.25 206	0.22 197	0.22 152	0.22 165

Anonymous3	0.61 107	0.44 264	1.11 270	0.59 195	0.49 228	0.93 214	0.65 240	0.93 45	0.81 69	0.72 51	0.88 62	0.65 63	0.69 130	1.06 105	0.53 145	0.35 306	0.30 309	0.26 225	0.26 252	0.31 256	0.27 230

SHD	1.31 315	0.71 339	2.34 365	0.86 344	0.75 327	1.77 332	0.65 240	2.22 355	2.50 375	2.40 366	1.71 302	1.91 329	1.60 337	1.93 243	2.37 355	0.38 317	0.31 315	0.38 317	0.40 335	0.48 325	0.50 330

RTSC	1.29 312	0.73 340	2.44 367	0.83 336	0.57 267	1.85 340	0.65 240	1.88 286	2.00 358	2.20 357	1.66 297	1.60 300	1.26 304	2.33 274	3.92 374	0.32 286	0.23 263	0.27 236	0.29 288	0.37 280	0.37 289

LL-Strereo	1.33 318	0.39 245	1.38 307	0.61 218	0.61 288	0.75 156	0.66 245	1.63 231	1.17 205	1.56 309	1.60 282	2.03 344	2.12 370	9.72 407	0.97 255	0.21 144	0.18 195	0.27 236	0.23 217	0.22 152	0.25 206

SFCPSM	0.70 155	0.28 83	1.02 246	0.51 95	0.38 170	1.37 290	0.66 245	2.00 314	1.03 142	1.17 176	1.21 169	0.82 103	0.78 157	1.03 98	0.53 145	0.21 144	0.17 180	0.22 122	0.24 228	0.21 131	0.19 111

Nwc_Net	1.09 285	0.49 284	1.33 303	0.89 354	0.80 341	1.49 305	0.66 245	2.19 351	1.27 246	1.32 245	2.26 348	1.96 336	1.54 331	1.92 240	1.34 300	0.40 322	0.30 309	0.43 334	0.45 345	0.38 288	0.37 289

GASNet	0.99 264	0.97 360	1.72 337	0.98 364	0.68 309	0.83 189	0.67 248	1.60 223	1.28 251	1.31 243	1.22 171	1.22 224	1.21 296	2.41 280	1.41 313	0.43 334	0.26 283	0.36 312	0.34 317	0.55 340	0.31 266

DispFullNet	2.34 374	2.85 409	3.66 381	3.08 403	2.27 395	1.97 347	0.67 248	2.00 314	1.70 337	2.52 368	2.00 333	2.23 350	5.86 403	3.44 316	1.58 328	1.01 377	0.32 322	2.64 402	1.94 407	2.85 398	2.24 395

1111x	1.70 350	0.29 110	0.86 187	0.51 95	0.27 33	1.01 235	0.68 250	2.22 355	1.28 251	1.13 151	1.40 234	1.21 222	1.10 275	5.53 352	15.20 410	0.22 167	0.21 241	0.22 122	0.22 197	0.24 191	0.22 165

iinet-f	0.99 264	0.45 270	3.71 383	0.55 153	0.43 197	1.81 335	0.68 250	1.14 119	1.14 190	1.18 180	1.42 237	1.58 297	1.44 321	1.34 144	1.59 330	0.24 205	0.23 263	0.20 73	0.19 108	0.26 209	0.25 206

ToySt	0.66 139	0.33 187	1.23 285	0.51 95	0.33 122	0.86 198	0.68 250	1.10 109	0.97 117	0.84 72	1.08 119	1.25 235	0.94 223	1.01 95	0.74 203	0.19 92	0.19 208	0.24 170	0.24 228	0.27 221	0.23 182

iRaft-Stereo_5w	0.85 225	0.29 110	0.91 211	0.53 119	0.43 197	0.49 30	0.68 250	0.99 64	0.87 81	0.79 60	1.34 215	1.46 277	0.91 209	5.11 342	1.11 273	0.17 32	0.14 75	0.22 122	0.18 88	0.20 97	0.20 134

fast-acv-ft	0.94 249	0.44 264	1.40 308	0.58 182	0.51 244	1.77 332	0.69 254	1.36 167	1.42 310	1.29 225	1.86 321	1.74 319	1.25 302	1.52 179	1.38 305	0.26 243	0.28 297	0.28 246	0.28 277	0.27 221	0.26 224

AANet_RVC	1.16 303	0.52 294	1.49 324	0.65 258	0.45 210	0.75 156	0.69 254	1.42 178	1.55 328	1.34 256	1.87 323	1.53 289	0.78 157	7.43 387	1.38 305	0.25 229	0.17 180	0.19 49	0.16 58	0.22 152	0.26 224

psmorigin	1.52 334	0.69 335	10.52 404	0.68 283	0.59 282	1.13 253	0.70 256	1.57 218	1.19 212	1.99 349	1.79 312	2.26 352	1.47 326	2.09 256	1.36 304	0.39 320	0.40 349	0.34 297	0.33 312	0.43 309	0.56 341

GwcNet	1.08 283	0.51 291	2.33 364	0.79 322	1.18 376	1.76 329	0.70 256	1.68 239	1.47 316	1.41 276	1.64 293	1.74 319	1.04 260	2.20 266	1.41 313	0.30 274	0.29 305	0.29 254	0.27 260	0.30 249	0.35 283

AF-Net	1.13 296	0.52 294	1.33 303	0.86 344	0.91 354	1.38 293	0.71 258	2.16 343	1.62 331	1.56 309	2.40 355	1.99 339	1.65 341	1.81 230	1.48 324	0.48 348	0.28 297	0.49 346	0.33 312	0.39 292	0.32 272

stereogan	1.15 301	0.42 258	1.40 308	0.86 344	0.84 347	2.38 366	0.71 258	1.88 286	1.73 340	1.72 327	1.94 331	2.31 355	1.29 307	2.07 255	1.08 266	0.36 309	0.35 333	0.39 323	0.31 300	0.51 333	0.46 319

MyStereo06	0.61 107	0.28 83	0.95 222	0.56 165	0.46 220	0.61 87	0.73 260	1.78 266	0.67 41	1.03 111	1.12 139	1.13 211	0.56 78	0.78 51	0.41 65	0.17 32	0.16 156	0.23 150	0.20 136	0.22 152	0.20 134

MyStereo05	0.66 139	0.28 83	1.07 261	0.56 165	0.46 220	0.61 87	0.73 260	1.34 163	1.41 307	1.15 156	0.91 66	0.77 87	0.80 164	1.41 164	0.63 180	0.17 32	0.16 156	0.23 150	0.20 136	0.22 152	0.20 134

SQANet	1.31 315	0.88 357	1.08 264	1.83 386	1.44 383	1.44 301	0.75 262	1.74 251	1.09 168	1.32 245	1.26 187	1.28 246	1.01 252	1.50 178	0.83 233	2.50 392	0.34 325	1.47 384	0.55 364	2.32 388	1.57 387

psmg	0.72 161	0.32 171	0.68 88	0.50 72	0.44 203	1.48 303	0.75 262	1.94 304	0.98 122	1.21 191	1.33 210	1.12 206	0.74 138	0.91 76	0.66 185	0.24 205	0.19 208	0.25 206	0.25 239	0.23 177	0.22 165

edge stereo	1.11 291	0.50 288	1.30 297	0.71 298	0.65 299	1.14 254	0.75 262	1.93 302	1.37 291	1.71 326	1.83 316	2.54 364	1.44 321	2.43 281	1.23 285	0.42 329	0.41 351	0.54 355	0.35 321	0.42 304	0.46 319

HBP-ISP	0.96 253	0.58 311	0.72 118	0.61 218	0.46 220	1.64 319	0.76 265	1.86 283	1.28 251	1.30 233	1.53 266	0.86 123	0.94 223	3.27 310	0.69 190	0.45 340	0.44 357	0.54 355	0.48 352	0.47 322	0.40 299

ADLNet2	0.88 235	0.34 206	1.17 279	0.77 319	0.64 296	1.12 252	0.76 265	1.74 251	1.24 231	1.21 191	1.65 295	1.71 315	1.05 264	1.67 206	1.17 280	0.24 205	0.21 241	0.21 96	0.22 197	0.26 209	0.29 244

ADLNet	0.85 225	0.36 229	0.89 205	0.85 342	0.72 316	1.24 274	0.76 265	1.82 274	1.36 287	1.52 300	1.35 221	1.27 243	0.99 248	1.23 128	1.15 277	0.27 252	0.20 225	0.26 225	0.25 239	0.28 235	0.30 256

CSP-Net	0.97 259	0.38 240	0.83 179	0.53 119	0.41 189	1.63 317	0.77 268	2.00 314	1.05 150	1.25 211	1.20 167	1.33 255	0.83 180	4.93 341	0.85 239	0.32 286	0.22 255	0.20 73	0.20 136	0.23 177	0.25 206

RGC	1.14 298	0.79 349	1.26 291	0.91 358	0.96 361	1.52 307	0.77 268	1.92 298	1.26 239	1.54 305	1.93 329	2.02 343	1.54 331	2.25 270	1.31 296	0.44 339	0.35 333	0.58 366	0.48 352	0.47 322	0.46 319

Wz-Net-LNSev-Ref	0.99 264	0.40 249	1.82 344	0.66 263	0.62 293	2.05 352	0.78 270	1.91 295	1.29 255	1.54 305	1.42 237	1.51 287	1.23 299	1.99 248	1.33 298	0.23 190	0.14 75	0.20 73	0.15 30	0.27 221	0.26 224

ADCRef	1.35 320	0.55 301	2.37 366	0.72 301	0.77 331	1.94 345	0.78 270	1.91 295	1.27 246	1.57 313	1.59 281	1.36 260	1.41 318	1.54 185	7.53 390	0.23 190	0.20 225	0.32 280	0.30 296	0.29 240	0.29 244

NOSS_ROB	1.26 310	0.46 272	0.62 63	0.56 165	0.38 170	1.06 243	0.78 270	1.73 247	1.40 304	1.01 104	1.43 241	1.10 201	0.75 140	10.62 411	0.65 184	0.45 340	0.43 354	0.48 344	0.45 345	0.44 316	0.41 303

MyStereo07	0.48 32	0.29 110	0.50 18	0.55 153	0.45 210	0.59 78	0.79 273	1.05 87	0.51 13	0.48 17	0.53 10	0.43 7	0.55 74	1.30 136	0.34 24	0.17 32	0.16 156	0.24 170	0.20 136	0.23 177	0.20 134

MyStereo04	0.67 148	0.29 110	1.07 261	0.55 153	0.45 210	0.59 78	0.79 273	1.50 196	1.40 304	0.91 80	0.91 66	0.74 81	0.86 193	1.52 179	0.62 176	0.17 32	0.16 156	0.24 170	0.20 136	0.23 177	0.20 134

SACVNet	0.85 225	0.46 272	0.85 181	0.81 328	0.56 265	0.80 180	0.79 273	1.68 239	1.12 178	1.34 256	1.33 210	1.25 235	0.94 223	2.39 279	0.76 208	0.34 299	0.26 283	0.31 267	0.29 288	0.35 270	0.44 313

STrans-v2	1.04 277	0.28 83	0.96 226	0.49 65	0.32 106	0.68 128	0.79 273	2.47 374	1.12 178	1.12 137	1.46 252	1.40 264	1.46 324	6.70 376	0.43 82	0.18 60	0.13 42	0.20 73	0.18 88	0.18 41	0.18 78

GEStereo_RVC	0.90 240	0.37 235	0.99 231	0.64 246	0.50 234	0.95 220	0.79 273	2.42 371	1.17 205	1.16 167	1.11 133	1.26 239	0.92 212	3.24 308	0.90 245	0.29 270	0.19 208	0.23 150	0.20 136	0.27 221	0.29 244

DRN-Test	1.00 268	0.44 264	1.13 274	0.70 291	0.81 343	1.62 316	0.79 273	2.14 338	1.44 313	1.78 332	1.33 210	1.43 269	1.05 264	2.18 264	1.53 327	0.27 252	0.21 241	0.31 267	0.30 296	0.32 261	0.28 241

UDG	1.41 327	2.65 407	0.99 231	1.44 383	1.64 386	1.34 287	0.80 279	1.60 223	1.23 227	1.23 199	1.71 302	2.01 341	1.34 315	1.47 174	1.41 313	0.90 374	0.54 376	2.29 391	0.75 375	1.84 385	1.04 378

UPFNet	0.80 204	0.32 171	0.90 208	0.59 195	0.74 321	1.26 277	0.80 279	1.52 204	1.10 172	1.30 233	1.12 139	1.30 250	0.84 182	1.67 206	1.09 268	0.24 205	0.24 272	0.24 170	0.23 217	0.25 201	0.18 78

PS-NSSS	0.99 264	0.58 311	0.93 217	0.58 182	0.57 267	0.91 205	0.80 279	1.81 273	1.14 190	1.14 153	1.67 299	1.00 169	0.83 180	4.62 334	0.78 216	0.37 313	0.31 315	0.52 349	0.32 306	0.45 319	0.38 295

LRCNet_RVC	22.74 420	32.10 427	21.97 415	29.84 425	26.23 423	4.42 399	0.81 282	22.66 419	2.02 359	26.93 424	29.26 425	23.06 426	15.59 414	23.84 422	18.88 414	31.75 430	19.90 432	34.65 430	32.13 430	30.54 430	28.32 430

ARAFT	0.77 192	0.36 229	1.49 324	0.51 95	0.31 91	0.90 203	0.82 283	1.90 291	1.06 153	1.62 319	1.24 177	1.02 178	0.64 119	1.84 231	0.50 128	0.18 60	0.14 75	0.28 246	0.27 260	0.17 24	0.16 41

APVNet	1.06 278	0.53 297	1.42 310	0.84 337	0.79 336	1.92 343	0.82 283	1.90 291	1.08 162	1.08 118	1.43 241	1.56 293	1.13 281	3.07 302	1.58 328	0.31 281	0.34 325	0.42 332	0.36 325	0.36 276	0.37 289

CBFPSM	0.92 245	0.33 187	1.86 347	0.49 65	0.38 170	1.75 327	0.84 285	1.39 174	1.12 178	1.09 123	0.99 84	2.37 358	1.66 345	1.32 139	1.42 317	0.19 92	0.18 195	0.20 73	0.20 136	0.21 131	0.33 276

delet	0.85 225	0.32 171	0.95 222	0.65 258	0.66 301	1.64 319	0.84 285	1.75 253	1.35 284	1.32 245	1.30 198	1.30 250	0.88 200	1.68 211	1.10 271	0.21 144	0.21 241	0.24 170	0.24 228	0.21 131	0.21 150

RP	1.09 285	0.50 288	1.12 272	0.90 355	1.04 364	1.11 249	0.84 285	1.80 270	1.62 331	1.55 308	2.00 333	1.90 328	1.78 351	1.84 231	1.25 287	0.52 353	0.36 338	0.48 344	0.36 325	0.45 319	0.43 311

PA-Net	1.01 271	0.57 308	1.29 296	0.64 246	0.74 321	1.19 268	0.84 285	1.69 241	1.43 312	1.16 167	1.19 164	1.32 254	1.19 290	3.42 314	1.25 287	0.29 270	0.45 361	0.33 287	0.49 355	0.32 261	0.47 322
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DISCO	1.03 274	0.34 206	1.11 270	0.69 286	0.45 210	2.07 353	0.84 285	2.13 334	1.50 320	1.15 156	1.33 210	2.40 360	1.07 270	2.60 287	1.51 326	0.23 190	0.18 195	0.22 122	0.20 136	0.31 256	0.27 230

DLCB_ROB	0.86 230	0.40 249	0.78 167	0.68 283	0.54 258	1.11 249	0.84 285	1.49 192	1.23 227	1.64 321	1.65 295	1.70 314	0.91 209	1.70 213	1.05 261	0.25 229	0.24 272	0.26 225	0.27 260	0.27 221	0.24 194

CRFU-Net	0.86 230	0.39 245	1.00 236	0.65 258	0.57 267	1.78 334	0.86 291	2.15 340	0.81 69	1.38 268	1.18 161	1.64 307	1.19 290	1.35 145	0.90 245	0.26 243	0.22 255	0.21 96	0.19 108	0.23 177	0.24 194

KYRaft	0.75 185	0.28 83	0.62 63	0.56 165	0.29 63	0.67 121	0.86 291	0.94 49	0.84 76	1.62 319	2.21 346	1.16 215	1.02 257	1.57 191	0.40 58	0.20 117	0.13 42	0.22 122	0.28 277	0.20 97	1.02 376

NVstereo2D	0.92 245	0.41 255	1.48 322	0.72 301	0.72 316	1.20 270	0.87 293	1.75 253	1.38 295	0.99 99	1.13 144	1.26 239	0.98 240	2.21 267	0.89 243	0.43 334	0.20 225	0.38 317	0.24 228	0.57 343	0.63 354

Syn2CoEx	1.14 298	0.69 335	1.66 333	0.80 325	0.67 303	1.40 295	0.88 294	2.06 328	1.54 326	1.25 211	1.58 280	1.42 268	1.50 330	4.09 324	1.40 309	0.36 309	0.32 322	0.34 297	0.29 288	0.29 240	0.34 278

SuperB	2.53 381	0.59 314	18.45 411	0.69 286	0.50 234	1.87 342	0.88 294	1.67 238	2.39 368	1.50 297	1.42 237	1.14 213	1.15 283	4.28 329	5.07 380	0.24 205	0.19 208	0.22 122	0.19 108	7.86 419	0.34 278

anonymity	1.12 293	0.97 360	1.21 282	1.07 372	1.12 370	1.08 246	0.89 296	1.95 306	1.16 203	1.29 225	1.26 187	1.22 224	1.09 274	1.15 120	1.01 259	1.02 379	1.00 400	0.97 377	0.97 387	0.98 372	0.99 375

FAT-Stereo	1.07 280	0.41 255	1.32 301	0.72 301	0.58 275	1.08 246	0.89 296	1.96 307	1.65 333	1.75 329	1.98 332	2.03 344	1.48 327	2.02 250	1.18 283	0.42 329	0.35 333	0.34 297	0.29 288	0.35 270	0.53 336

NCC-stereo	1.10 288	0.54 298	1.24 288	0.84 337	0.94 358	1.29 281	0.89 296	2.01 318	1.34 276	1.32 245	1.74 305	1.88 324	1.74 348	2.35 275	1.25 287	0.45 340	0.37 340	0.45 338	0.58 367	0.42 304	0.42 307

Abc-Net	1.10 288	0.54 298	1.24 288	0.84 337	0.94 358	1.29 281	0.89 296	2.01 318	1.34 276	1.32 245	1.74 305	1.88 324	1.74 348	2.35 275	1.25 287	0.45 340	0.37 340	0.45 338	0.58 367	0.42 304	0.42 307
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
XQC	1.37 322	0.87 355	2.56 371	0.84 337	0.69 311	1.83 338	0.89 296	2.07 329	1.88 350	1.88 342	1.53 266	1.91 329	1.55 333	2.85 296	3.05 363	0.48 348	0.29 305	0.44 337	0.39 331	0.69 361	0.60 351

STTRV1_RVC	1.58 337	0.68 334	1.96 352	0.88 350	1.12 370	1.57 312	0.90 301	2.25 358	1.75 343	1.29 225	2.02 336	1.40 264	1.22 297	9.77 408	1.31 296	0.81 372	0.33 324	0.54 355	0.49 355	0.73 365	0.52 335

G-Net	1.66 345	0.63 326	1.56 327	1.11 374	0.74 321	2.98 381	0.91 302	1.55 216	1.22 224	2.76 376	8.18 406	2.32 356	2.53 381	1.92 240	1.87 339	0.48 348	0.44 357	0.45 338	0.31 300	0.60 351	0.57 345

StereoDRNet	0.98 263	0.47 276	1.70 335	0.76 316	0.94 358	1.51 306	0.91 302	1.92 298	1.32 270	1.61 316	1.13 144	1.47 282	0.97 236	1.75 219	1.46 322	0.28 262	0.23 263	0.29 254	0.27 260	0.35 270	0.27 230

DDUNet	1.50 332	2.69 408	1.12 272	1.77 385	1.88 388	1.84 339	0.92 304	1.70 244	1.16 203	1.38 268	1.79 312	1.60 300	1.12 279	1.37 149	1.08 266	1.10 384	0.76 385	2.37 393	0.94 385	2.00 386	1.37 385

psm_up	0.77 192	0.34 206	0.70 103	0.66 263	0.58 275	1.05 240	0.92 304	1.52 204	1.12 178	1.26 215	1.16 156	1.31 253	1.23 299	1.20 124	0.81 226	0.25 229	0.29 305	0.31 267	0.27 260	0.27 221	0.25 206

RYNet	1.17 304	0.49 284	1.24 288	0.70 291	0.97 362	1.71 323	0.92 304	1.91 295	1.46 315	1.38 268	1.14 147	1.88 324	1.30 311	4.24 326	1.87 339	0.26 243	0.21 241	0.35 304	0.27 260	0.55 340	0.54 337

PDISCO_ROB	1.32 317	0.65 329	1.44 311	1.36 378	1.46 384	2.55 370	0.92 304	2.45 373	2.07 362	1.37 263	1.49 259	1.65 309	1.00 250	2.82 293	1.35 303	1.01 377	0.27 291	0.54 355	0.47 350	0.71 363	0.73 365

DSFCA	0.93 248	0.34 206	1.06 257	0.52 111	0.65 299	1.55 310	0.93 308	1.49 192	1.19 212	1.56 309	1.15 153	1.50 285	0.96 233	3.07 302	1.02 260	0.30 274	0.26 283	0.25 206	0.25 239	0.28 235	0.24 194

MaskLacGwcNet_RVC	1.10 288	1.02 364	1.00 236	0.82 333	0.67 303	1.93 344	0.93 308	1.62 229	1.11 174	1.15 156	1.25 181	1.50 285	0.79 159	1.96 246	0.76 208	1.89 387	0.34 325	0.79 372	0.36 325	1.25 382	0.83 369

FCDSN-DC	2.32 373	0.63 326	0.81 175	0.84 337	0.75 327	2.23 359	0.94 310	2.09 332	1.80 346	5.45 405	7.72 403	7.77 404	6.93 409	3.39 311	1.80 337	0.52 353	0.48 366	0.52 349	0.51 360	0.57 343	0.58 346
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MSMD_ROB	1.99 365	0.59 314	0.89 205	0.70 291	0.61 288	3.95 394	0.94 310	1.80 270	1.79 345	4.41 396	4.43 382	8.17 405	3.66 393	3.40 312	1.33 298	0.52 353	0.48 366	0.54 355	0.58 367	0.53 337	0.50 330

MFN_U_SF_RVC	1.52 334	0.84 351	3.42 379	0.87 349	0.66 301	2.56 371	0.95 312	2.36 367	1.70 337	1.98 348	1.86 321	2.45 362	1.79 352	2.95 298	2.58 357	0.52 353	0.48 366	0.55 360	0.59 370	0.59 347	0.61 352

DeepPrunerF	1.60 340	0.73 340	5.81 392	0.88 350	1.19 377	0.91 205	0.95 312	2.19 351	5.24 400	1.17 176	1.30 198	1.19 220	1.30 311	4.90 339	1.66 333	0.42 329	0.34 325	0.52 349	0.47 350	0.41 299	0.40 299

ssnet_v2	0.88 235	0.36 229	1.02 246	0.62 229	0.38 170	1.32 284	0.97 314	2.07 329	1.34 276	1.37 263	1.18 161	1.54 290	0.92 212	1.10 112	1.65 331	0.30 274	0.27 291	0.30 263	0.28 277	0.27 221	0.26 224

Prome-Stereo	0.75 185	0.27 67	0.53 28	0.55 153	0.32 106	0.59 78	0.97 314	0.89 33	0.88 85	1.45 285	2.46 358	0.91 136	1.41 318	1.58 193	0.44 84	0.18 60	0.13 42	0.19 49	0.17 74	0.20 97	0.92 372

PVD	1.70 350	0.84 351	2.26 363	0.94 363	0.83 346	2.48 368	0.97 314	2.59 377	3.35 386	3.01 384	2.77 364	2.34 357	2.47 380	2.67 290	3.14 366	0.47 347	0.45 361	0.59 367	0.48 352	0.59 347	0.75 367

CVANet_RVC	1.07 280	0.43 261	0.76 155	0.60 206	0.50 234	0.90 203	0.97 314	1.52 204	1.26 239	1.33 253	1.38 228	1.24 231	1.18 287	6.75 378	0.75 206	0.34 299	0.23 263	0.34 297	0.29 288	0.42 304	0.27 230

GMM-Stereo	0.74 178	0.25 35	0.59 52	0.54 134	0.34 137	0.72 144	0.99 318	1.01 73	0.87 81	1.36 261	1.78 311	1.12 206	0.81 167	2.09 256	0.46 105	0.18 60	0.12 9	0.25 206	0.25 239	0.20 97	0.85 371

ccnet	1.12 293	0.67 331	1.01 240	0.78 321	0.73 319	1.72 325	0.99 318	1.84 279	1.26 239	1.47 288	1.85 320	1.75 322	1.29 307	1.75 219	1.88 341	0.57 361	0.53 373	0.57 365	0.55 364	0.59 347	0.54 337

Wz-Net-LNSev	1.03 274	0.67 331	2.71 375	0.64 246	0.84 347	1.75 327	1.00 320	1.80 270	1.32 270	1.28 220	1.25 181	1.65 309	1.22 297	1.39 158	1.40 309	0.28 262	0.26 283	0.24 170	0.23 217	0.33 267	0.32 272

CC-Net-ROB	1.49 330	1.26 378	1.27 294	0.88 350	0.79 336	1.76 329	1.00 320	1.79 268	1.26 239	1.10 131	1.61 286	1.21 222	0.99 248	8.13 395	0.84 236	1.09 383	0.41 351	2.20 389	0.46 348	1.20 381	0.48 325

Consistency-Raft	1.25 309	0.99 362	1.93 350	1.02 368	1.21 378	0.96 224	1.01 322	1.75 253	1.92 354	1.36 261	2.12 342	1.44 273	1.01 252	1.14 119	1.40 309	0.72 370	0.82 387	0.89 375	0.98 389	1.31 383	0.95 373

IRAFT_RVC	0.88 235	0.28 83	0.76 155	0.63 237	0.31 91	0.65 108	1.02 323	1.22 143	0.94 106	1.22 196	1.04 110	1.01 176	0.98 240	5.82 359	0.53 145	0.22 167	0.12 9	0.25 206	0.20 136	0.20 97	0.19 111

MeshStereo	2.26 371	0.56 304	0.92 215	0.61 218	0.49 228	2.60 372	1.02 323	3.18 385	2.05 361	7.40 411	4.98 391	7.58 402	2.98 387	6.37 368	1.96 345	0.43 334	0.43 354	0.45 338	0.39 331	0.43 309	0.42 307
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
FC-DCNN	2.72 388	0.59 314	0.86 187	0.73 308	0.57 267	2.91 379	1.04 325	3.01 383	2.60 376	6.83 407	7.64 402	9.92 409	6.33 407	5.21 343	3.14 366	0.53 359	0.48 366	0.51 348	0.50 358	0.53 337	0.51 334

ADCP+	1.99 365	0.48 281	7.73 396	0.66 263	0.91 354	2.30 362	1.05 326	1.82 274	1.34 276	1.54 305	1.32 208	1.74 319	1.61 338	2.17 261	13.37 405	0.24 205	0.21 241	0.32 280	0.28 277	0.37 280	0.29 244

aanetorigin	1.23 306	0.79 349	2.78 377	0.70 291	0.79 336	0.99 232	1.06 327	1.06 100	1.37 291	3.52 387	2.61 361	1.72 316	1.63 339	1.99 248	1.78 336	0.25 229	0.24 272	0.26 225	0.25 239	0.38 288	0.45 315

FINET	0.97 259	0.54 298	1.60 330	0.63 237	0.79 336	1.08 246	1.07 328	1.56 217	2.20 365	1.15 156	1.49 259	0.94 148	0.88 200	2.32 273	1.05 261	0.42 329	0.35 333	0.32 280	0.28 277	0.43 309	0.38 295

PASM	1.34 319	0.92 358	2.62 373	0.86 344	0.87 352	1.03 237	1.08 329	1.50 196	1.51 322	1.82 339	1.41 236	1.68 312	1.26 304	4.87 338	1.34 300	0.61 364	0.65 384	0.68 369	0.78 377	0.69 361	0.68 361

FBW_ROB	1.71 352	0.62 325	1.45 315	0.67 273	0.61 288	1.81 335	1.08 329	2.52 375	1.70 337	1.77 331	1.73 304	1.98 338	1.25 302	12.57 414	1.84 338	0.34 299	0.37 340	0.56 363	0.38 330	0.45 319	0.43 311

MDST_ROB	1.67 346	0.34 206	1.58 329	0.92 360	0.58 275	4.26 398	1.11 331	2.83 379	1.41 307	4.49 398	2.55 360	1.45 275	0.97 236	7.79 392	1.17 280	0.31 281	0.25 279	0.37 314	0.33 312	0.31 256	0.30 256

SPS-STEREO	1.67 346	1.04 365	1.23 285	1.21 376	1.13 373	1.82 337	1.11 331	2.16 343	1.52 323	3.07 386	2.32 350	2.82 372	1.80 353	4.11 325	2.04 348	1.03 380	0.99 399	0.97 377	0.94 385	1.03 376	1.02 376
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
PSMNet_ROB	0.90 240	0.52 294	1.17 279	0.72 301	0.61 288	1.27 278	1.12 333	1.76 259	1.12 178	1.09 123	1.28 194	1.45 275	0.89 206	1.65 201	1.42 317	0.33 291	0.25 279	0.37 314	0.39 331	0.35 270	0.29 244

ETE_ROB	0.96 253	0.64 328	1.16 277	0.69 286	0.48 225	1.14 254	1.13 334	1.77 262	1.19 212	1.91 346	1.45 246	1.73 317	1.05 264	1.60 196	1.14 276	0.32 286	0.26 283	0.38 317	0.34 317	0.39 292	0.41 303

ADCMid	1.89 361	0.73 340	5.06 387	0.72 301	0.67 303	2.00 350	1.14 335	1.97 311	1.48 317	2.86 379	1.81 315	2.37 358	2.05 368	2.24 268	10.39 402	0.33 291	0.31 315	0.39 323	0.43 341	0.50 329	0.44 313

XPNet_ROB	0.96 253	0.49 284	1.09 265	0.72 301	0.57 267	1.11 249	1.14 335	1.66 237	1.23 227	1.85 341	1.39 232	1.64 307	1.11 276	1.80 228	1.42 317	0.38 317	0.30 309	0.33 287	0.29 288	0.37 280	0.34 278

WCMA_ROB	1.84 356	0.47 276	1.31 298	0.69 286	0.57 267	2.11 355	1.14 335	1.87 284	1.73 340	4.04 392	6.43 395	5.62 396	3.61 392	2.59 286	1.94 344	0.52 353	0.44 357	0.39 323	0.42 339	0.48 325	0.47 322

Ntro	1.64 344	1.15 374	1.23 285	2.48 394	1.83 387	2.09 354	1.16 338	1.96 307	1.38 295	1.21 191	1.62 289	1.62 302	1.29 307	1.87 237	1.11 273	3.04 397	0.56 377	1.82 387	0.64 372	2.80 394	2.05 393

EDNetEfficientorigin	10.57 411	1.47 385	177.42 437	0.67 273	0.53 255	1.58 313	1.16 338	1.90 291	3.37 387	4.71 400	3.38 372	3.10 377	2.69 383	3.13 306	3.58 371	0.25 229	0.23 263	0.33 287	0.27 260	0.83 367	0.81 368

SGM_RVC	1.68 348	0.36 229	0.61 59	0.59 195	0.29 63	2.25 360	1.18 340	2.38 369	1.68 336	3.60 388	2.67 363	3.69 381	2.42 378	8.13 395	1.90 342	0.31 281	0.31 315	0.30 263	0.28 277	0.30 249	0.29 244
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
S-Stereo	1.15 301	0.46 272	2.17 359	0.81 328	0.80 341	1.21 271	1.19 341	1.93 302	2.02 359	1.47 288	2.11 341	1.57 294	1.17 284	2.05 254	1.41 313	0.40 322	0.40 349	0.35 304	0.31 300	0.44 316	0.70 362

pmcnn	2.37 375	0.42 258	2.71 375	0.63 237	0.43 197	1.54 309	1.19 341	2.01 318	1.53 325	2.64 372	7.60 401	18.07 417	1.45 323	3.44 316	2.78 361	0.18 60	0.15 125	0.15 3	0.12 9	0.20 97	0.18 78

ADCPNet	1.85 357	0.69 335	8.07 397	0.71 298	0.58 275	2.79 377	1.22 343	1.94 304	1.54 326	1.88 342	1.69 300	2.46 363	2.04 366	2.37 277	6.48 385	0.38 317	0.37 340	0.38 317	0.43 341	0.47 322	0.45 315

otaku	1.60 340	1.11 371	1.21 282	2.20 389	1.56 385	1.97 347	1.24 344	2.07 329	1.36 287	1.44 283	1.62 289	1.73 317	1.19 290	1.73 218	0.98 257	2.89 396	0.57 378	1.74 385	0.60 371	2.78 393	1.94 392

ACVNet-4b	2.15 368	1.41 382	1.64 331	2.80 396	2.31 397	2.31 363	1.24 344	2.32 363	2.14 363	1.26 215	2.39 354	2.66 368	1.48 327	5.95 363	1.06 263	3.20 401	0.45 361	2.37 393	0.89 382	2.83 397	2.37 397

PSM-AAD	0.79 201	0.27 67	0.53 28	0.55 153	0.28 52	0.77 166	1.24 344	0.99 64	0.91 97	1.66 322	1.57 278	0.81 98	2.19 372	1.65 201	0.44 84	0.19 92	0.14 75	0.38 317	0.32 306	0.21 131	0.70 362

RAFT + AFF	1.00 268	0.42 258	1.09 265	0.67 273	0.50 234	1.22 272	1.24 344	2.24 357	1.19 212	1.30 233	1.56 274	1.17 216	1.49 329	3.44 316	0.83 233	0.21 144	0.25 279	0.30 263	0.26 252	0.27 221	0.27 230

LALA_ROB	1.01 271	0.59 314	1.16 277	0.67 273	0.51 244	1.63 317	1.26 348	1.69 241	1.38 295	1.81 338	1.37 224	1.94 334	1.02 257	1.58 193	1.38 305	0.37 313	0.27 291	0.43 334	0.37 328	0.43 309	0.37 289

SGM-Forest	1.24 307	0.38 240	0.60 56	0.52 111	0.37 153	1.56 311	1.30 349	1.65 233	1.36 287	2.11 355	1.79 312	1.63 304	0.93 218	7.48 389	0.95 250	0.36 309	0.37 340	0.39 323	0.34 317	0.37 280	0.32 272
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
GANetREF_RVC	1.07 280	0.86 354	1.31 298	0.82 333	0.53 255	1.41 299	1.31 350	1.76 259	1.52 323	1.27 218	1.31 203	1.46 277	1.24 301	2.03 251	0.96 254	0.56 360	0.45 361	0.67 368	0.50 358	0.88 370	0.59 348
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
THIR-Stereo	1.02 273	0.27 67	0.69 97	0.49 65	0.28 52	0.95 220	1.34 351	1.03 77	0.97 117	1.34 256	1.90 326	1.17 216	1.58 334	6.44 369	0.78 216	0.19 92	0.14 75	0.21 96	0.22 197	0.19 71	0.20 134

SGM+DAISY	2.41 378	1.07 366	2.14 358	1.18 375	1.10 367	2.14 357	1.36 352	1.96 307	1.66 334	5.46 406	7.07 398	4.95 392	4.32 399	5.50 351	2.26 354	1.04 381	1.02 402	0.99 379	0.97 387	1.02 375	1.04 378

DGSMNet	1.14 298	0.76 347	2.49 370	0.81 328	0.86 350	1.39 294	1.39 353	2.13 334	1.35 284	1.26 215	1.63 292	1.48 283	0.98 240	1.75 219	1.10 271	0.45 340	0.43 354	0.55 360	0.49 355	0.75 366	0.70 362

Wz-Net-SNSev	1.49 330	1.23 377	6.27 394	0.68 283	0.67 303	1.37 290	1.41 354	2.00 314	1.39 299	1.48 294	1.61 286	2.29 353	1.32 313	3.93 321	2.14 352	0.31 281	0.28 297	0.31 267	0.33 312	0.42 304	0.36 287

MFMNet_re	1.40 326	1.14 373	1.68 334	1.39 380	1.07 365	1.48 303	1.43 355	1.87 284	1.82 348	2.26 358	2.19 345	1.51 287	1.86 357	1.52 179	1.25 287	0.93 375	0.83 388	0.84 374	0.80 378	0.99 374	1.05 380

TDLM	1.06 278	0.44 264	0.79 169	0.63 237	0.50 234	0.89 201	1.44 356	1.48 191	1.26 239	1.12 137	1.40 234	1.08 193	0.98 240	6.65 372	0.78 216	0.33 291	0.21 241	0.33 287	0.26 252	0.37 280	0.24 194

ACVNet_1	2.18 369	1.45 384	1.72 337	2.85 398	2.33 398	2.28 361	1.46 357	3.08 384	2.22 366	1.82 339	2.05 339	3.56 379	1.98 364	3.09 305	1.40 309	3.17 398	0.60 380	2.40 397	0.92 384	2.91 400	2.37 397

Wz-Net-MNSev	1.11 291	0.58 311	2.23 362	0.66 263	0.71 314	1.95 346	1.46 357	1.98 312	1.45 314	1.79 335	1.43 241	1.49 284	1.33 314	1.97 247	1.42 317	0.27 252	0.23 263	0.28 246	0.28 277	0.34 269	0.31 266

NVStereoNet_ROB	1.88 358	1.07 366	1.45 315	1.07 372	1.17 374	1.47 302	1.48 359	1.89 288	1.93 356	1.94 347	4.67 388	3.08 376	1.80 353	6.51 370	1.65 331	1.06 382	0.86 394	1.08 382	1.32 394	0.93 371	1.26 384
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
WAO-8	4.40 396	1.82 393	1.79 341	2.34 391	2.20 391	9.19 408	1.53 360	6.09 406	16.46 413	3.94 390	7.84 404	7.32 399	3.72 395	9.41 405	3.31 369	2.00 388	1.07 403	2.44 398	1.37 398	2.50 389	1.68 388

Venus	4.40 396	1.82 393	1.79 341	2.34 391	2.20 391	9.19 408	1.53 360	6.09 406	16.46 413	3.94 390	7.84 404	7.32 399	3.72 395	9.41 405	3.31 369	2.00 388	1.07 403	2.44 398	1.37 398	2.50 389	1.68 388

coex-ft	8.13 409	2.13 402	98.04 436	0.67 273	0.53 255	1.71 323	1.56 362	1.65 233	11.11 408	18.17 422	3.75 377	3.88 383	7.61 410	2.98 301	6.49 386	0.30 274	0.30 309	0.32 280	0.31 300	0.66 358	0.50 330

EDNetEfficient	2.37 375	1.10 368	8.08 398	0.74 310	0.71 314	0.98 231	1.56 362	1.46 188	4.06 393	4.90 401	2.82 365	2.25 351	3.48 391	2.95 298	9.97 399	0.26 243	0.24 272	0.26 225	0.30 296	0.68 360	0.61 352

SANet	1.88 358	0.57 308	2.18 361	0.63 237	0.40 183	2.80 378	1.57 364	2.39 370	5.88 402	2.36 364	3.57 375	3.72 382	2.97 386	4.74 335	1.76 335	0.34 299	0.30 309	0.32 280	0.29 288	0.48 325	0.37 289

WZ-Net	1.95 362	0.95 359	10.10 401	0.86 344	0.78 334	1.69 322	1.60 365	2.20 354	1.98 357	2.08 353	1.93 329	2.30 354	1.97 363	5.30 344	3.17 368	0.34 299	0.26 283	0.29 254	0.31 300	0.51 333	0.47 322

DPSNet	1.69 349	0.59 314	4.33 384	0.70 291	0.57 267	2.02 351	1.62 366	3.35 388	1.78 344	1.48 294	1.38 228	2.17 349	2.84 384	4.77 336	3.66 372	0.48 348	0.31 315	0.29 254	0.25 239	0.64 354	0.48 325

CBMV	0.95 252	0.44 264	0.66 82	0.53 119	0.35 140	1.53 308	1.63 367	1.69 241	1.42 310	2.00 351	1.60 282	1.43 269	1.17 284	1.59 195	0.99 258	0.34 299	0.34 325	0.39 323	0.33 312	0.33 267	0.32 272
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NCCL2	1.00 268	0.56 304	1.06 257	0.75 314	0.57 267	1.31 283	1.72 368	1.77 262	1.36 287	1.50 297	1.17 159	1.91 329	1.17 284	1.54 185	1.29 294	0.35 306	0.31 315	0.45 338	0.44 343	0.40 296	0.40 299

GANet	1.36 321	0.47 276	0.86 187	0.67 273	0.45 210	1.34 287	1.73 369	1.64 232	1.24 231	1.49 296	2.38 353	1.55 292	1.20 293	9.30 401	0.93 247	0.30 274	0.31 315	0.33 287	0.28 277	0.39 292	0.30 256

Anonymous Stereo	1.28 311	0.75 345	2.45 368	0.74 310	0.77 331	0.93 214	1.77 370	1.51 201	1.31 265	1.67 323	1.29 197	1.20 221	0.75 140	6.29 367	1.68 334	0.37 313	0.36 338	0.38 317	0.40 335	0.43 309	0.45 315

CSAN	1.41 327	0.59 314	1.26 291	0.70 291	0.50 234	1.76 329	1.78 371	1.77 262	1.90 353	2.35 362	2.32 350	1.92 332	1.94 362	5.56 354	1.49 325	0.43 334	0.35 333	0.40 328	0.41 337	0.43 309	0.41 303

ADCS	2.25 370	0.99 362	5.55 389	0.81 328	0.74 321	2.19 358	1.80 372	2.27 360	2.14 363	2.80 378	2.13 343	2.40 360	2.03 365	2.64 289	13.69 406	0.41 326	0.39 347	0.40 328	0.45 345	0.58 345	0.56 341

RainbowNet	1.97 364	1.76 389	1.57 328	2.81 397	2.21 393	1.98 349	1.81 373	2.54 376	1.89 351	1.50 297	1.84 318	1.96 336	1.65 341	2.14 260	1.25 287	3.33 403	0.85 392	2.39 396	0.98 389	2.82 396	2.22 394

MADNet+	2.69 385	3.22 411	11.53 406	1.44 383	1.12 370	3.19 383	1.81 373	2.85 380	2.37 367	1.68 324	2.07 340	2.85 373	2.18 371	7.41 386	5.23 381	0.79 371	0.76 385	0.69 371	0.65 373	0.98 372	0.95 373

Wz-Net-TNSev	1.88 358	2.08 401	7.66 395	0.67 273	0.64 296	2.42 367	1.83 375	2.33 364	1.74 342	1.57 313	1.56 274	2.58 365	1.90 360	4.86 337	3.12 365	0.39 320	0.37 340	0.33 287	0.37 328	0.53 337	0.58 346

ADCL	1.72 353	0.57 308	3.66 381	0.67 273	0.61 288	2.61 373	1.85 376	1.96 307	1.67 335	1.90 345	1.83 316	2.06 347	1.90 360	2.13 259	9.15 398	0.26 243	0.24 272	0.34 297	0.32 306	0.38 288	0.35 283

GrayStereo	0.82 212	0.26 46	0.58 48	0.63 237	0.37 153	0.76 160	1.86 377	1.11 115	0.87 81	1.99 349	1.89 325	1.08 193	1.82 356	1.39 158	0.48 115	0.19 92	0.14 75	0.19 49	0.21 172	0.18 41	0.39 298

FTStereo	0.91 243	0.26 46	0.56 37	0.54 134	0.33 122	0.66 117	1.87 378	1.00 68	0.75 56	1.75 329	4.15 381	1.04 184	1.65 341	1.57 191	0.46 105	0.19 92	0.16 156	0.23 150	0.21 172	0.18 41	0.63 354

ACVNet_2	2.43 379	1.41 382	2.04 353	2.62 395	2.24 394	2.63 374	1.88 379	3.31 386	3.01 382	2.19 356	3.45 374	4.62 387	2.04 366	4.50 332	1.47 323	2.55 393	0.64 382	2.22 390	0.84 380	2.69 392	2.29 396

LSM	6.33 404	1.10 368	13.19 407	1.41 382	68.17 433	1.64 319	1.90 380	1.92 298	2.46 370	2.99 382	3.11 369	1.88 324	1.80 353	2.61 288	2.06 350	0.41 326	0.58 379	0.50 347	0.57 366	0.64 354	17.66 424

SAMSARA	1.55 336	0.84 351	2.61 372	1.22 377	1.07 365	2.50 369	1.93 381	2.05 323	1.89 351	2.75 375	1.66 297	2.81 371	1.69 346	3.08 304	1.97 346	0.46 346	0.51 371	0.42 332	0.46 348	0.58 345	0.59 348

WAO-7	2.66 382	1.40 381	1.73 339	1.39 380	1.17 374	3.93 393	1.94 382	4.11 394	3.88 392	2.92 380	5.50 392	4.18 385	3.00 388	7.63 390	3.71 373	1.13 385	1.00 400	1.17 383	1.13 393	1.18 380	1.09 382

RTS	2.67 383	1.38 379	15.28 409	0.99 365	1.26 380	3.78 390	1.96 383	2.15 340	2.62 377	2.61 370	2.85 366	2.60 366	1.59 335	6.27 365	5.71 383	0.40 322	0.28 297	0.35 304	0.35 321	0.50 329	0.48 325

RTSA	2.67 383	1.38 379	15.28 409	0.99 365	1.26 380	3.78 390	1.96 383	2.15 340	2.62 377	2.61 370	2.85 366	2.60 366	1.59 335	6.27 365	5.71 383	0.40 322	0.28 297	0.35 304	0.35 321	0.50 329	0.48 325

IMH	3.21 392	1.85 395	1.48 322	3.25 404	2.69 403	4.07 396	2.02 385	4.41 397	3.80 391	2.72 373	7.11 399	4.75 390	2.92 385	5.92 361	2.55 356	3.85 410	0.88 395	2.78 405	1.36 397	3.19 404	2.59 402

NaN_ROB	1.13 296	0.55 301	1.15 276	0.64 246	0.48 225	1.61 315	2.03 386	1.72 246	1.48 317	2.09 354	1.27 190	1.40 264	1.08 271	3.94 322	1.30 295	0.28 262	0.34 325	0.28 246	0.28 277	0.30 249	0.33 276

IMH-64-1	2.70 386	1.79 391	1.46 317	3.26 405	2.66 401	3.23 385	2.10 387	4.08 392	2.75 380	2.34 360	3.81 378	3.06 374	2.22 373	4.25 327	2.59 358	3.75 407	0.84 389	2.75 403	1.35 395	3.15 402	2.60 403

IMH-64	2.70 386	1.79 391	1.46 317	3.26 405	2.66 401	3.23 385	2.10 387	4.08 392	2.75 380	2.34 360	3.81 378	3.06 374	2.22 373	4.25 327	2.59 358	3.75 407	0.84 389	2.75 403	1.35 395	3.15 402	2.60 403

TorneroNet-64	5.30 402	2.03 397	1.74 340	3.43 407	2.81 404	10.09 410	2.12 389	9.10 413	17.12 418	4.96 403	9.27 409	10.72 413	3.70 394	9.20 400	4.55 379	3.31 402	0.84 389	2.88 406	1.55 402	3.49 405	3.04 406

notaker	3.98 395	2.40 406	2.68 374	3.82 412	3.27 410	3.97 395	2.14 390	4.78 400	3.45 389	4.12 395	6.94 397	7.65 403	3.26 389	7.82 393	5.30 382	4.04 411	1.41 408	3.36 412	2.10 409	3.88 408	3.31 409

Dean	2.91 391	1.53 386	2.07 354	2.96 402	2.51 400	3.15 382	2.14 390	4.75 399	4.41 397	2.76 376	6.10 394	5.53 395	2.37 376	2.97 300	1.92 343	3.18 399	0.85 392	2.51 400	1.04 392	2.88 399	2.47 400

AnyNet_C01	2.26 371	1.78 390	10.22 403	0.93 361	0.74 321	2.92 380	2.20 392	2.29 362	1.80 346	2.53 369	2.41 356	2.71 370	1.73 347	3.41 313	6.72 387	0.41 326	0.39 347	0.40 328	0.42 339	0.67 359	0.63 354

TorneroNet	10.70 412	2.03 397	1.82 344	3.43 407	3.01 406	43.83 428	2.22 393	8.87 412	67.47 437	7.17 410	27.36 422	10.68 412	3.85 397	8.67 398	7.65 395	3.59 405	0.88 395	3.04 407	1.57 403	3.71 406	3.17 407

LVE	3.31 393	1.67 388	1.64 331	2.85 398	2.42 399	3.20 384	2.26 394	4.78 400	5.05 399	2.35 362	6.91 396	6.02 397	2.37 376	9.15 399	2.17 353	3.19 400	1.08 405	2.38 395	1.47 401	2.81 395	2.40 399

WAO-6	2.81 389	1.60 387	1.46 317	2.36 393	2.28 396	3.55 387	2.29 395	4.21 395	4.56 398	2.36 364	4.51 383	4.88 391	2.66 382	4.60 333	4.07 377	1.72 386	1.15 406	2.31 392	1.46 400	2.31 387	1.85 390

ELAS	2.37 375	0.74 343	1.54 326	0.99 365	0.92 356	4.78 400	2.33 396	3.33 387	3.37 387	5.05 404	4.77 389	3.67 380	4.53 400	3.42 314	4.50 378	0.62 365	0.53 373	0.55 360	0.53 362	0.63 352	0.64 358
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
AnyNet_C32	1.96 363	1.10 368	5.17 388	0.90 355	1.11 368	2.12 356	2.37 397	1.85 280	1.48 317	2.45 367	1.70 301	2.05 346	1.64 340	2.50 283	10.28 401	0.37 313	0.34 325	0.35 304	0.41 337	0.49 328	0.54 337

MSC_U_SF_DS_RVC	2.12 367	1.15 374	3.10 378	1.05 369	0.76 330	5.03 403	2.40 398	2.16 343	2.62 377	1.89 344	2.28 349	2.69 369	1.65 341	9.35 403	2.04 348	0.64 368	0.51 371	0.68 369	0.71 374	1.09 378	0.67 359

MFN_U_SF_DS_RVC	1.74 354	0.87 355	3.56 380	0.80 325	0.75 327	3.72 389	2.44 399	1.82 274	1.82 348	1.74 328	1.91 327	1.92 332	1.26 304	7.69 391	1.28 293	0.45 340	0.47 365	0.52 349	0.77 376	0.50 329	0.50 330

KSHMR	8.75 410	2.06 400	2.11 356	3.53 409	3.11 407	4.13 397	2.69 400	5.60 403	61.37 436	3.00 383	55.83 436	4.98 394	2.45 379	4.49 331	2.61 360	3.46 404	1.55 410	3.14 409	1.94 407	3.72 407	3.18 408

MANE	6.19 403	0.59 314	1.03 250	0.93 361	1.22 379	13.38 415	2.69 400	12.81 416	17.94 419	8.21 412	10.82 411	14.72 415	11.68 411	11.39 413	11.90 404	0.59 362	0.50 370	0.52 349	1.76 404	0.55 340	0.54 337

UNDER WATER	5.08 400	2.33 404	5.55 389	3.94 414	3.51 411	5.20 404	2.72 402	5.61 404	16.52 415	3.84 389	4.60 385	9.21 407	5.89 404	5.90 360	8.66 397	3.75 407	1.34 407	3.18 410	1.88 405	4.33 413	3.61 411

HanzoNet	11.04 413	3.62 412	8.10 399	4.08 415	3.55 413	4.90 402	2.73 403	7.19 410	10.10 406	31.86 432	28.92 424	21.96 424	36.36 425	18.08 418	10.17 400	7.94 417	3.32 414	3.47 413	3.31 412	7.06 418	4.04 413

LE_ROB	8.05 408	0.37 235	23.53 416	0.74 310	0.33 122	2.77 376	2.87 404	3.71 391	27.24 423	25.39 423	8.87 407	8.46 406	26.71 423	6.65 372	21.99 416	0.21 144	0.19 208	0.20 73	0.21 172	0.25 201	0.22 165

ktn	4.70 398	2.38 405	2.12 357	3.76 410	3.24 408	4.85 401	2.95 405	5.52 402	7.37 405	4.07 394	19.32 419	7.46 401	3.47 390	7.39 385	2.95 362	4.04 411	1.85 411	3.26 411	2.22 410	3.08 401	2.65 405

UNDER WATER-64	5.27 401	2.32 403	8.78 400	3.93 413	3.54 412	7.61 406	3.03 406	5.84 405	14.19 409	4.04 392	4.04 380	9.39 408	6.26 406	5.93 362	8.48 396	3.60 406	1.51 409	3.13 408	1.88 405	4.29 412	3.61 411

PWCK	2.88 390	2.05 399	5.72 391	2.08 388	1.11 368	3.55 387	3.90 407	2.86 381	3.54 390	3.03 385	3.63 376	3.10 377	2.31 375	8.15 397	3.09 364	2.12 390	0.91 397	1.75 386	0.98 389	2.57 391	1.18 383

ELAS_RVC	2.48 380	0.74 343	1.90 348	1.05 369	0.92 356	2.76 375	4.01 408	2.76 378	4.11 394	4.69 399	4.63 386	4.62 387	5.96 405	3.97 323	3.96 375	0.63 367	0.53 373	0.56 363	0.52 361	0.64 354	0.63 354
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MADNet++	5.01 399	3.14 410	4.91 386	4.55 416	3.94 414	5.20 404	4.41 409	4.40 396	4.13 395	4.95 402	6.08 393	4.74 389	5.37 401	9.40 404	10.67 403	4.65 413	4.15 416	3.97 414	3.34 413	4.09 410	4.08 414

SGM-ForestM	6.52 405	0.38 240	1.26 291	0.63 237	0.35 140	13.59 416	5.32 410	6.32 409	6.70 404	11.14 413	9.18 408	22.51 425	13.93 413	16.89 417	20.07 415	0.36 309	0.37 340	0.36 312	0.35 321	0.36 276	0.34 278

JetBlue	3.97 394	2.01 396	10.19 402	1.38 379	2.84 405	10.53 411	9.54 411	3.60 390	2.41 369	2.73 374	3.39 373	4.54 386	4.31 398	7.85 394	6.84 388	0.88 373	0.93 398	0.89 375	0.91 383	1.74 384	1.91 391

JetRed	6.91 407	8.80 418	25.96 420	2.85 398	3.25 409	13.98 417	11.87 412	6.25 408	4.28 396	4.45 397	4.56 384	6.69 398	5.46 402	7.46 388	14.05 407	2.59 394	3.31 413	2.59 401	2.29 411	4.20 411	3.36 410

CrosDoStereo	1.58 337	0.24 19	0.72 118	0.48 52	0.29 63	0.67 121	12.49 413	1.10 109	0.98 122	1.34 256	1.75 308	1.00 169	1.89 358	6.65 372	0.81 226	0.19 92	0.15 125	0.20 73	0.22 197	0.18 41	0.19 111

DeepStereo_LL	1.58 337	0.24 19	0.72 118	0.48 52	0.29 63	0.67 121	12.49 413	1.10 109	0.98 122	1.34 256	1.75 308	1.00 169	1.89 358	6.65 372	0.81 226	0.19 92	0.15 125	0.20 73	0.22 197	0.18 41	0.19 111

DPSimNet_ROB	11.20 414	4.98 414	35.43 424	2.90 401	4.52 415	7.89 407	17.09 415	4.66 398	6.06 403	14.89 418	10.93 412	17.29 416	36.81 427	13.18 415	15.68 411	2.86 395	6.29 418	5.75 417	5.09 415	3.91 409	7.70 417

tt	6.58 406	0.26 46	6.10 393	3.77 411	2.16 390	11.55 412	19.63 416	13.33 417	5.74 401	2.96 381	2.65 362	4.97 393	6.33 407	3.81 320	7.24 389	9.15 418	11.32 425	5.89 418	6.24 417	6.03 415	2.55 401

BEATNet-Init1	26.87 423	13.43 420	70.68 435	0.91 358	0.68 309	57.02 436	21.06 417	32.82 428	32.67 425	52.12 436	53.61 435	66.05 437	49.56 436	48.79 437	34.71 427	0.49 352	0.44 357	0.53 354	0.53 362	0.63 352	0.59 348

HaxPig	38.92 429	41.40 435	41.64 425	29.95 426	32.27 424	28.90 422	27.60 418	29.73 424	37.71 433	43.82 433	43.87 432	33.17 427	35.56 424	41.53 427	40.37 429	43.94 434	47.51 437	45.82 431	47.08 432	42.38 431	44.15 433

AVERAGE_ROB	40.43 430	42.37 436	42.73 426	36.96 428	35.58 426	30.50 423	27.61 419	36.71 430	38.39 434	44.91 434	44.36 433	37.45 429	36.70 426	41.88 428	40.35 428	45.43 435	46.81 436	47.11 432	46.35 431	42.51 432	43.87 432

MEDIAN_ROB	42.00 431	44.40 437	44.29 428	35.15 427	34.95 425	31.28 427	29.60 420	35.88 429	40.02 435	47.20 435	46.64 434	37.37 428	38.48 435	44.35 435	42.45 430	48.03 436	49.39 438	49.71 433	49.03 433	45.14 433	46.65 434

ASD4	15.85 417	10.99 419	19.63 412	10.21 421	11.70 417	19.24 418	31.10 421	19.35 418	10.68 407	11.14 413	10.18 410	12.59 414	12.64 412	14.74 416	24.83 420	12.93 423	9.94 424	26.83 429	19.40 423	16.23 422	12.70 423

DGTPSM_ROB	13.01 415	8.23 416	21.87 413	9.51 419	18.10 418	11.56 413	32.01 422	10.63 414	16.20 411	7.03 408	19.48 420	10.15 410	16.66 415	9.83 409	22.42 417	4.75 414	8.68 419	5.37 415	10.25 419	6.16 416	11.36 418

DPSMNet_ROB	13.02 416	8.23 416	21.91 414	9.53 420	18.11 419	11.56 413	32.02 423	10.64 415	16.23 412	7.05 409	19.49 421	10.16 411	16.66 415	9.85 410	22.43 418	4.77 415	8.68 419	5.38 416	10.26 420	6.17 417	11.36 418

Anonymous_1	43.04 433	18.73 421	24.79 417	21.81 422	46.26 432	27.80 419	37.60 424	28.08 423	16.14 410	14.66 417	14.30 413	20.65 418	17.88 417	21.56 419	25.94 421	117.93 437	8.92 421	100.65 434	126.50 434	158.64 438	12.08 420

DPSM_ROB	19.08 418	19.14 422	25.17 418	22.15 423	20.85 421	28.17 420	37.82 425	26.56 421	16.85 416	14.14 415	14.84 414	21.70 419	18.75 418	21.87 420	26.55 422	10.16 421	9.30 422	10.47 420	10.42 421	14.03 420	12.61 421

DPSM	19.08 418	19.14 422	25.17 418	22.15 423	20.85 421	28.17 420	37.82 425	26.56 421	16.85 416	14.14 415	14.84 414	21.70 419	18.75 418	21.87 420	26.55 422	10.16 421	9.30 422	10.47 420	10.42 421	14.03 420	12.61 421

xxxxx1	54.10 435	25.67 424	27.13 421	113.43 435	96.96 435	30.69 424	47.44 427	32.38 425	25.60 420	17.75 419	17.27 416	21.81 421	21.02 420	24.43 423	33.82 424	33.37 431	40.54 433	157.71 436	175.86 436	66.16 434	72.93 435

tt_ll	54.10 435	25.67 424	27.13 421	113.43 435	96.96 435	30.69 424	47.44 427	32.38 425	25.60 420	17.75 419	17.27 416	21.81 421	21.02 420	24.43 423	33.82 424	33.37 431	40.54 433	157.71 436	175.86 436	66.16 434	72.93 435

ff	54.10 435	25.67 424	27.13 421	113.43 435	96.96 435	30.69 424	47.44 427	32.38 425	25.60 420	17.75 419	17.27 416	21.81 421	21.02 420	24.43 423	33.82 424	33.37 431	40.54 433	157.71 436	175.86 436	66.16 434	72.93 435

LSM0	42.82 432	38.75 434	50.81 434	47.07 434	109.38 438	57.00 435	76.02 430	53.74 436	33.71 426	29.02 431	30.41 431	43.87 436	37.22 428	43.91 434	53.54 436	20.52 429	18.62 426	21.10 428	21.11 429	28.41 429	42.22 431

CasAABBNet	38.33 424	38.46 429	50.35 429	44.75 433	41.84 427	56.68 433	76.37 431	53.22 434	33.83 427	28.31 425	29.54 426	43.62 434	37.71 433	43.84 433	53.41 432	20.30 424	18.70 427	21.07 426	21.07 425	28.24 427	25.34 425

MyStereo03	38.34 425	38.50 431	50.41 430	44.74 430	41.86 428	56.65 430	76.38 432	52.99 431	33.93 429	28.39 427	29.99 428	43.54 430	37.42 429	43.82 430	53.53 433	20.31 425	18.71 429	21.06 423	21.08 426	28.23 424	25.35 426

MyStereo02	38.34 425	38.50 431	50.41 430	44.74 430	41.86 428	56.65 430	76.38 432	52.99 431	33.93 429	28.39 427	29.99 428	43.54 430	37.42 429	43.82 430	53.53 433	20.31 425	18.71 429	21.06 423	21.08 426	28.23 424	25.35 426

MyStereo	38.34 425	38.50 431	50.41 430	44.74 430	41.86 428	56.65 430	76.38 432	52.99 431	33.93 429	28.39 427	29.99 428	43.54 430	37.42 429	43.82 430	53.53 433	20.31 425	18.71 429	21.06 423	21.08 426	28.23 424	25.35 426

Selective-RAFT-Error	38.39 428	38.47 430	50.44 433	44.73 429	41.97 431	56.68 433	76.38 432	53.24 435	33.92 428	28.34 426	29.85 427	43.60 433	38.20 434	43.75 429	53.34 431	20.38 428	18.70 427	21.09 427	21.05 424	28.30 428	25.43 429

SPstereo	26.54 422	6.08 415	10.71 405	5.55 417	5.68 416	48.14 429	80.43 436	67.31 437	34.39 432	28.70 430	27.52 423	43.76 435	37.60 432	45.04 436	54.41 437	4.92 416	4.89 417	10.74 422	5.88 416	4.46 414	4.57 415

test_example2	192.40 438	210.76 439	206.48 438	199.83 439	204.73 439	172.94 438	183.52 437	133.93 438	133.41 438	191.38 438	196.19 437	187.13 439	178.77 438	205.33 438	208.00 438	222.09 439	238.72 439	186.54 439	190.54 439	227.34 439	170.31 438

PML	51.67 434	36.25 428	13.28 408	7.46 418	20.81 420	108.69 437	232.22 438	8.72 411	27.82 424	87.01 437	269.67 438	69.67 438	61.95 437	24.76 426	14.20 408	9.74 420	3.40 415	9.62 419	4.70 414	18.74 423	4.72 416

FADE		4.78 413		1.89 387	1.92 389							4.13 384				188.09 438	2.77 412	123.78 435	127.92 435	1.06 377

Low-res two-view benchmark