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	28.62 471	55.50 480	49.94 477	183.62 482	115.05 480	3.43 151	0.28 1	29.49 472	1.49 64	1.01 51	1.26 62	0.93 59	0.63 16	3.92 232	1.51 236	29.81 475	0.41 334	0.26 52	0.23 79	93.28 480	0.32 139

CREStereo++_RVC	1.02 51	0.49 14	1.54 37	0.83 54	0.55 108	4.01 275	0.31 2	1.63 16	1.99 202	1.63 109	2.13 290	0.84 41	0.65 19	0.88 3	0.70 37	0.27 47	0.15 2	0.23 11	1.22 426	0.24 7	0.17 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
RAStereo	0.75 1	0.52 24	2.86 144	0.58 1	0.62 141	1.19 8	0.32 3	1.81 27	0.99 4	0.75 10	1.05 32	0.64 9	0.47 2	0.80 1	0.94 118	0.22 5	0.20 69	0.27 72	0.21 44	0.34 149	0.22 17

IGEV-Stereo++	0.93 26	0.44 3	1.08 4	0.70 12	1.20 304	3.87 242	0.33 4	3.36 161	1.43 37	0.75 10	1.17 46	0.68 14	1.04 100	0.95 6	0.42 1	0.22 5	0.16 5	0.23 11	0.17 10	0.24 7	0.20 7

XX-TBD	1.03 52	0.95 286	1.94 67	1.30 289	0.43 47	3.97 269	0.33 4	1.74 20	1.73 164	1.59 99	2.02 265	0.69 17	0.60 10	1.16 33	0.66 22	0.30 132	0.25 197	0.23 11	0.15 4	0.31 92	0.22 17

U	12.82 460	0.38 1	1.99 71	0.66 11	58.94 476	63.38 482	0.34 6	1.91 31	0.94 3	0.59 1	0.80 11	0.46 1	0.57 6	0.83 2	0.44 3	0.29 95	0.17 10	63.35 480	59.81 479	0.29 58	0.20 7

UGAM-zero	2.79 324	0.57 63	20.87 425	0.98 141	0.77 188	2.08 64	0.35 7	3.88 239	1.51 75	2.05 213	1.64 149	5.07 420	3.42 383	9.83 343	1.24 176	0.28 76	0.21 98	0.27 72	0.29 205	0.29 58	0.28 88

MaDis-Stereo	0.82 13	0.66 151	1.53 34	0.65 8	1.87 408	1.24 13	0.36 8	2.13 44	1.27 16	0.67 7	0.75 6	0.88 51	0.70 24	1.15 32	1.07 140	0.29 95	0.23 148	0.26 52	0.20 34	0.31 92	0.22 17

Pointernet	0.88 20	0.44 3	2.26 103	0.84 61	0.37 20	2.29 73	0.38 9	3.06 130	1.46 46	0.66 5	1.39 90	0.91 56	0.73 30	1.01 12	0.72 45	0.23 12	0.19 44	0.20 1	0.18 13	0.19 1	0.20 7

TANstereo	1.01 47	0.55 46	1.73 48	0.76 32	0.36 8	4.04 279	0.38 9	1.48 5	1.62 137	2.03 209	2.10 282	0.84 41	0.93 78	0.98 9	0.62 11	0.28 76	0.36 295	0.23 11	0.20 34	0.25 16	0.46 272

IGEV-Stereo+	0.94 28	0.47 7	1.19 8	0.86 74	2.02 418	1.40 26	0.39 11	1.17 2	0.88 1	0.61 2	0.44 1	0.47 2	0.79 47	2.14 160	0.42 1	0.27 47	0.19 44	0.22 6	0.17 10	2.26 430	2.41 434

UniTT-Stereo	0.82 13	0.47 7	2.63 132	0.96 129	1.19 299	0.78 3	0.39 11	1.12 1	1.54 96	1.19 68	1.26 62	0.51 3	0.64 17	1.13 26	1.03 134	0.30 132	0.20 69	0.24 24	0.21 44	0.40 205	0.25 41

CREStereo	0.92 24	0.53 35	1.45 28	0.61 2	0.34 6	4.42 361	0.40 13	2.21 50	1.54 96	0.94 45	1.12 41	0.87 49	0.87 65	1.12 23	0.72 45	0.28 76	0.19 44	0.22 6	0.15 4	0.22 5	0.19 3
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
trnet	0.91 23	0.48 9	1.46 29	0.62 3	0.31 2	4.40 357	0.41 14	2.20 48	1.53 88	0.94 45	1.14 43	0.88 51	0.89 70	1.09 19	0.71 40	0.27 47	0.19 44	0.22 6	0.15 4	0.21 3	0.19 3

EGLCR-Stereo	1.06 53	0.51 18	1.56 39	1.02 169	0.39 31	4.27 340	0.42 15	4.08 299	1.48 56	0.90 40	0.68 2	1.09 73	0.66 22	1.81 130	0.62 11	0.27 47	0.19 44	0.29 109	0.23 79	0.37 186	0.25 41

iRaftStereo_RVC	1.09 57	0.70 178	1.39 24	0.95 123	0.45 56	3.83 226	0.42 15	2.37 60	1.58 116	1.69 120	1.76 187	1.80 180	0.83 57	1.50 87	0.98 127	0.28 76	0.18 27	0.29 109	0.26 126	0.30 77	0.31 132

RAFT-Stereo + iAFF	1.25 93	0.72 192	1.74 51	1.05 178	0.36 8	4.13 299	0.42 15	2.95 119	2.84 365	2.02 205	2.40 337	1.61 144	1.11 125	1.26 54	0.97 124	0.21 1	0.15 2	0.26 52	0.23 79	0.29 58	0.23 24

PMTNet	0.99 43	0.48 9	1.73 48	0.62 3	0.56 112	4.20 329	0.43 18	1.88 28	1.58 116	1.00 50	1.05 32	0.78 31	0.98 88	1.50 87	0.85 79	1.21 415	0.20 69	0.23 11	0.15 4	0.22 5	0.19 3

AIO-Stereo-zeroshot	2.35 267	0.99 294	19.62 377	1.09 197	0.96 245	1.51 32	0.44 19	4.05 290	1.64 141	1.31 72	1.67 156	4.93 414	2.45 336	2.52 190	1.40 205	0.30 132	0.20 69	0.31 149	0.50 359	0.57 318	0.60 329

H2IRNET	1.90 184	0.53 35	14.29 296	1.14 220	0.60 134	4.48 367	0.44 19	2.65 94	1.81 177	1.05 57	2.30 320	1.67 149	1.40 180	2.17 164	1.50 230	0.36 224	0.21 98	0.33 200	0.37 296	0.34 149	0.29 98

CroCo-Stereo Lap2	0.99 43	0.89 269	2.55 122	0.99 147	1.80 405	0.54 2	0.46 21	3.10 132	1.24 8	1.07 58	1.21 51	1.05 72	0.78 45	1.26 54	1.08 142	0.27 47	0.23 148	0.27 72	0.21 44	0.43 256	0.34 162

raft_robust	1.92 190	1.15 326	3.34 164	1.02 169	0.43 47	3.84 231	0.46 21	4.42 398	2.52 318	1.67 118	1.36 85	2.17 232	6.37 428	6.78 289	1.04 135	0.28 76	0.24 178	0.30 128	0.35 274	0.31 92	0.32 139

XX-Stereo	2.54 297	0.61 106	20.21 399	1.78 387	1.19 299	4.30 344	0.46 21	4.39 394	1.58 116	2.32 300	1.89 242	4.64 409	0.60 10	4.16 237	0.82 71	0.31 151	0.21 98	0.28 94	0.27 151	0.51 294	0.26 59

AFF-stereo	1.31 112	0.77 229	1.46 29	1.10 206	0.45 56	3.93 251	0.48 24	2.92 118	2.92 371	1.90 161	2.21 303	2.11 230	1.52 217	1.93 141	1.12 150	0.21 1	0.16 5	0.25 38	0.25 110	0.29 58	0.20 7

MIF-Stereo (partial)	0.98 37	0.55 46	2.83 141	0.71 14	1.03 266	1.08 6	0.49 25	2.55 83	1.66 146	0.79 25	1.20 49	0.80 36	0.90 72	1.61 106	1.56 242	0.36 224	0.24 178	0.33 200	0.25 110	0.40 205	0.28 88

CES	1.01 47	0.55 46	1.74 51	0.92 103	2.15 421	2.15 67	0.50 26	2.01 36	1.45 39	0.76 19	1.02 21	0.61 6	0.47 2	1.29 60	0.79 62	0.22 5	0.17 10	0.24 24	0.14 2	0.63 334	2.29 431

IPLGR	2.53 295	0.58 76	20.46 414	0.82 45	0.52 96	4.56 390	0.50 26	4.30 370	2.38 292	1.87 152	1.53 121	1.68 151	1.72 269	6.95 292	1.15 153	0.28 76	0.21 98	0.27 72	0.23 79	0.33 131	0.32 139

CroCo-Stereo	0.98 37	0.87 266	3.44 165	0.87 78	0.53 104	0.49 1	0.50 26	3.99 273	1.49 64	0.81 29	1.25 61	1.00 65	0.75 34	1.10 20	1.09 145	0.24 16	0.21 98	0.24 24	0.19 25	0.35 166	0.27 71
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
s12784h	1.31 112	0.45 5	2.41 118	0.71 14	0.35 7	4.42 361	0.50 26	4.22 333	2.73 343	2.01 201	2.48 342	0.91 56	0.96 83	2.01 148	0.70 37	0.29 95	0.18 27	0.24 24	0.16 8	0.27 33	0.18 2

GCST	2.56 302	1.79 392	18.02 347	1.92 402	1.33 329	1.72 41	0.51 30	3.67 195	2.03 209	1.70 122	1.61 143	1.55 137	1.29 161	5.06 248	1.24 176	2.06 431	0.77 411	1.45 427	0.97 413	1.14 406	1.34 408

LoS	0.94 28	0.52 24	1.88 61	0.86 74	0.36 8	4.15 303	0.51 30	2.18 47	1.45 39	0.97 49	0.88 14	0.62 7	0.79 47	1.59 99	0.86 85	0.26 37	0.19 44	0.24 24	0.16 8	0.21 3	0.20 7
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Selective-RAFT	1.15 67	0.46 6	1.64 44	0.99 147	0.45 56	4.17 317	0.51 30	3.21 142	1.69 154	1.12 64	1.34 80	1.45 126	1.40 180	2.08 152	0.94 118	0.41 278	0.20 69	0.24 24	0.23 79	0.27 33	0.25 41

SPstereo	0.93 26	0.68 166	1.35 22	0.85 72	0.41 38	3.61 192	0.52 33	2.20 48	1.50 69	1.11 63	1.04 28	1.17 82	0.84 58	1.11 21	0.71 40	0.25 27	0.20 69	0.27 72	0.18 13	0.28 48	0.23 24

Former-RAFT_DAM_RVC	0.92 24	0.73 202	1.42 26	0.92 103	1.08 277	2.97 105	0.53 34	1.77 24	1.39 27	1.16 66	1.54 122	0.58 4	0.65 19	1.03 13	0.84 76	0.25 27	0.23 148	0.30 128	0.24 101	0.43 256	0.29 98

GMStereo_Zeroshot	1.41 122	1.21 336	3.33 163	1.29 282	0.72 173	3.35 143	0.53 34	2.58 90	1.68 149	2.35 308	1.56 128	2.42 259	0.96 83	2.50 183	1.16 156	0.45 308	0.23 148	0.40 284	0.24 101	0.79 376	0.33 151

IGEV_Zeroshot_test	2.16 225	0.69 168	20.60 420	1.22 259	0.54 105	2.18 69	0.53 34	3.38 163	1.61 134	1.93 172	1.55 125	3.76 365	1.05 104	1.55 94	0.91 106	0.29 95	0.20 69	0.27 72	0.29 205	0.40 205	0.32 139

MLCV	1.87 177	0.91 274	8.59 226	1.10 206	0.57 123	3.59 186	0.53 34	3.70 207	2.20 249	2.80 367	2.25 308	2.00 213	1.42 189	4.13 236	1.86 285	0.30 132	0.20 69	0.32 167	0.21 44	0.33 131	0.36 178

MoCha-V2	0.87 19	0.48 9	1.87 60	0.88 83	0.32 4	1.37 24	0.55 38	2.71 98	1.42 33	0.92 44	1.75 179	0.65 11	1.17 142	1.45 81	0.57 5	0.21 1	0.21 98	0.20 1	0.19 25	0.24 7	0.23 24

riskmin	1.25 93	0.56 55	2.05 78	1.05 178	0.93 241	2.86 93	0.55 38	3.23 145	1.34 24	1.55 95	1.07 36	3.56 359	2.03 302	1.29 60	1.00 132	0.28 76	0.27 219	0.34 217	0.21 44	0.41 228	0.43 250

TestStereo	2.00 205	1.02 299	12.25 268	0.70 12	0.61 138	1.88 48	0.55 38	2.31 57	1.52 83	1.41 84	1.33 75	1.27 100	0.90 72	11.62 411	0.81 68	0.34 195	0.19 44	0.33 200	0.24 101	0.44 263	0.24 34

IPLG	2.48 287	0.65 141	19.63 378	0.91 97	0.79 190	4.60 395	0.56 41	4.31 373	1.84 183	1.91 166	2.00 263	1.31 106	1.38 173	6.61 281	1.53 239	0.27 47	0.20 69	0.27 72	0.23 79	0.31 92	0.36 178

MyStereo8	2.33 258	1.13 322	19.26 369	1.22 259	1.62 377	4.16 312	0.57 42	3.50 172	2.36 283	2.15 243	1.75 179	2.28 238	1.14 134	1.46 83	2.20 323	0.24 16	0.21 98	0.32 167	0.27 151	0.36 178	0.43 250

plain	1.55 132	0.69 168	13.59 279	0.65 8	0.73 177	1.66 40	0.57 42	3.17 139	1.94 196	0.77 23	1.24 57	0.80 36	0.86 62	1.60 101	0.96 123	0.33 183	0.21 98	0.32 167	0.25 110	0.42 246	0.28 88

DCANet-4	1.96 197	0.51 18	14.31 297	0.82 45	0.40 34	4.16 312	0.57 42	4.29 362	2.98 378	2.30 290	1.80 200	1.03 69	1.54 225	1.44 77	1.44 214	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

fff	1.74 162	0.70 178	9.08 231	0.81 37	0.36 8	4.15 303	0.57 42	4.23 337	2.09 224	2.30 290	1.80 200	1.19 90	3.02 362	1.44 77	1.46 218	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

RAFT-RH_RVC	2.63 309	0.55 46	19.97 389	1.26 273	0.47 73	4.46 365	0.57 42	1.71 19	1.64 141	3.06 385	5.51 418	2.03 217	1.28 158	6.70 285	1.52 238	0.42 288	0.22 124	0.37 259	0.34 260	0.28 48	0.29 98

csc	1.74 162	0.70 178	9.08 231	0.81 37	0.36 8	4.15 303	0.57 42	4.23 337	2.09 224	2.30 290	1.80 200	1.19 90	3.02 362	1.44 77	1.46 218	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

cscssc	1.74 162	0.70 178	9.08 231	0.81 37	0.36 8	4.15 303	0.57 42	4.23 337	2.09 224	2.30 290	1.80 200	1.19 90	3.02 362	1.44 77	1.46 218	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

GMStereo	1.01 47	1.00 297	2.86 144	0.83 54	0.45 56	1.47 29	0.57 42	1.89 29	2.11 234	1.52 92	1.24 57	0.87 49	0.74 33	1.58 96	0.94 118	0.40 265	0.21 98	0.30 128	0.30 220	0.47 284	0.36 178
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
DIP-Stereo	1.24 89	0.69 168	1.77 53	0.65 8	0.61 138	4.29 342	0.58 50	4.44 402	2.53 319	1.98 182	1.33 75	0.91 56	0.86 62	1.25 53	1.25 179	0.36 224	0.23 148	0.32 167	0.23 79	0.32 115	0.29 98
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
LoS_RVC	0.94 28	1.30 353	1.31 18	0.84 61	1.63 379	2.02 56	0.59 51	1.51 6	1.36 25	0.81 29	1.33 75	0.84 41	0.88 66	1.36 69	0.73 47	0.21 1	0.17 10	0.20 1	0.14 2	0.20 2	1.45 413

ADStereo(finetuned)	2.04 212	0.73 202	13.28 275	0.82 45	0.40 34	4.16 312	0.59 51	4.25 346	2.97 375	2.35 308	1.84 224	1.18 86	3.40 379	1.52 91	1.54 240	0.29 95	0.24 178	0.23 11	0.18 13	0.30 77	0.51 299

DCANet	1.74 162	0.73 202	9.08 231	0.82 45	0.40 34	4.18 320	0.59 51	4.25 346	2.97 375	2.35 308	1.84 224	1.18 86	1.63 250	1.51 89	1.55 241	0.29 95	0.24 178	0.23 11	0.18 13	0.30 77	0.53 306

11t1	1.11 59	0.53 35	1.80 56	1.55 360	0.65 152	2.20 71	0.60 54	3.66 194	1.49 64	1.60 100	1.26 62	1.03 69	1.35 171	1.72 122	0.97 124	0.28 76	0.31 261	0.29 109	0.23 79	0.30 77	0.34 162

MIM_Stereo	1.20 76	0.78 235	3.30 161	1.05 178	0.43 47	3.04 107	0.60 54	2.46 68	1.51 75	1.60 100	1.58 131	1.82 185	1.29 161	2.00 145	1.07 140	0.24 16	0.24 178	0.28 94	0.25 110	0.27 33	0.27 71

FENet	2.25 236	0.50 15	20.29 406	1.35 308	0.67 161	4.01 275	0.60 54	3.95 261	1.99 202	1.96 178	1.11 40	2.43 260	1.43 192	1.60 101	1.39 204	0.32 169	0.22 124	0.33 200	0.26 126	0.29 58	0.39 212

rvit_stereo_0081	0.80 7	0.63 124	1.19 8	0.91 97	0.64 145	1.27 16	0.61 57	2.05 38	1.71 158	0.82 31	0.73 4	0.85 44	0.75 34	1.30 64	0.80 63	0.31 151	0.26 209	0.27 72	0.25 110	0.38 190	0.27 71

rvit_stereo_0082	0.80 7	0.63 124	1.19 8	0.91 97	0.64 145	1.27 16	0.61 57	2.05 38	1.71 158	0.82 31	0.73 4	0.85 44	0.75 34	1.30 64	0.80 63	0.31 151	0.26 209	0.27 72	0.25 110	0.38 190	0.27 71

StereoVision	1.65 152	0.75 222	7.47 214	1.01 160	1.80 405	2.61 86	0.61 57	3.06 130	1.96 197	1.25 70	3.46 399	1.85 193	0.88 66	2.07 150	1.93 291	0.43 293	0.36 295	0.37 259	0.36 284	0.48 287	0.33 151

EKT-Stereo	6.79 440	0.64 133	4.24 182	1.77 386	106.39 479	4.51 380	0.61 57	3.16 137	1.53 88	1.88 155	1.22 52	1.98 210	1.36 172	3.81 226	0.84 76	0.35 213	0.24 178	0.29 109	0.26 126	0.34 149	0.48 281

MC-Stereo	1.06 53	0.48 9	1.55 38	1.15 233	0.41 38	4.56 390	0.61 57	2.06 40	1.46 46	1.90 161	1.61 143	0.89 53	1.12 126	1.35 68	0.73 47	0.25 27	0.18 27	0.26 52	0.22 69	0.25 16	0.24 34

MIPNet	2.33 258	0.71 189	19.82 383	0.89 87	0.56 112	4.76 423	0.61 57	4.32 377	2.37 289	1.83 144	1.48 112	1.48 129	1.98 301	2.63 198	1.44 214	0.29 95	0.20 69	0.26 52	0.23 79	0.30 77	0.39 212

rafts_anoy	1.24 89	0.80 241	3.61 175	1.17 239	1.20 304	3.00 106	0.61 57	3.17 139	1.58 116	1.37 78	1.26 62	1.19 90	1.12 126	1.78 127	1.25 179	0.32 169	0.23 148	0.32 167	0.32 246	0.31 92	0.30 124

sAnonymous2	1.37 117	1.22 342	9.79 241	0.92 103	0.88 226	1.23 10	0.61 57	2.56 85	1.69 154	0.85 37	1.02 21	0.73 26	1.23 152	0.98 9	0.78 58	0.29 95	0.25 197	0.31 149	0.30 220	1.06 397	0.71 353

CroCo_RVC	1.37 117	1.22 342	9.79 241	0.92 103	0.88 226	1.23 10	0.61 57	2.56 85	1.69 154	0.85 37	1.02 21	0.73 26	1.23 152	0.98 9	0.78 58	0.29 95	0.25 197	0.31 149	0.30 220	1.06 397	0.71 353

sCroCo_RVC	1.06 53	0.82 252	5.05 193	1.02 169	1.05 271	0.98 4	0.61 57	2.06 40	1.29 18	0.69 8	1.26 62	0.82 40	1.10 122	1.20 45	0.90 99	0.42 288	0.40 327	0.33 200	0.30 220	0.46 280	0.38 206

DN-CSS_ROB	1.91 187	1.55 377	11.13 259	1.82 394	0.88 226	3.99 272	0.61 57	4.01 277	1.67 147	1.64 111	1.89 242	1.39 117	1.06 112	3.23 214	1.50 230	0.31 151	0.19 44	0.44 307	0.29 205	0.37 186	0.31 132

IGEV-BASED-STEREO-	1.09 57	3.30 422	2.61 128	0.82 45	0.38 29	1.27 16	0.62 68	1.51 6	1.29 18	0.91 41	0.92 16	0.65 11	0.57 6	1.08 18	0.59 7	1.55 429	0.15 2	0.32 167	0.28 178	1.10 402	1.98 427

test-1	1.23 84	0.65 141	1.88 61	0.96 129	0.52 96	3.84 231	0.62 68	4.01 277	1.47 51	1.93 172	1.78 194	1.83 188	0.92 76	1.19 44	1.28 188	0.26 37	0.29 238	0.31 149	0.24 101	0.29 58	0.36 178

rvit_stereo_0081_aga	0.81 12	0.75 222	1.84 59	0.72 16	0.73 177	1.21 9	0.63 70	1.92 32	1.39 27	0.87 39	0.80 11	0.79 34	0.69 23	1.27 57	0.69 31	0.35 213	0.29 238	0.26 52	0.25 110	0.40 205	0.27 71

model_zeroshot	1.21 79	0.60 92	3.55 169	1.05 178	0.57 123	3.46 157	0.63 70	2.73 101	1.55 102	2.05 213	1.38 88	1.50 131	0.82 54	1.69 120	0.87 90	0.29 95	0.23 148	0.30 128	0.23 79	0.27 33	0.32 139

xxxx	2.67 315	0.54 41	2.03 75	1.22 259	0.81 195	3.49 164	0.63 70	4.49 411	2.49 313	2.22 270	2.23 305	2.05 221	1.38 173	10.05 355	17.91 449	0.32 169	0.32 269	0.30 128	0.27 151	0.33 131	0.34 162

rvit_stereo_0083	0.86 16	0.67 159	1.42 26	0.87 78	0.65 152	1.23 10	0.64 73	1.67 18	2.28 266	0.79 25	0.93 17	0.93 59	1.07 114	1.46 83	0.75 51	0.32 169	0.36 295	0.30 128	0.26 126	0.33 131	0.28 88

WCG-NET	0.96 36	0.62 115	1.24 13	0.93 115	0.84 211	1.91 51	0.64 73	2.56 85	2.23 253	1.62 107	0.98 19	1.31 106	1.05 104	1.20 45	0.59 7	0.26 37	0.17 10	0.22 6	0.20 34	0.26 24	0.29 98

test_sample1	1.62 147	0.55 46	1.88 61	1.44 335	0.79 190	2.27 72	0.64 73	4.00 275	1.82 178	1.87 152	1.35 83	1.57 138	1.62 238	9.55 337	1.24 176	0.30 132	0.27 219	0.31 149	0.28 178	0.32 115	0.32 139

PCWNet_CMD	2.23 232	0.65 141	17.36 336	0.83 54	0.76 183	3.51 170	0.64 73	3.60 185	1.97 199	1.70 122	1.63 147	3.22 327	3.05 365	2.09 155	1.11 147	0.31 151	0.36 295	0.47 321	0.26 126	0.64 341	0.47 277

TransformOpticalFlow	3.03 354	0.77 229	20.99 429	1.00 155	0.55 108	4.18 320	0.64 73	4.33 379	3.02 382	2.18 254	3.09 386	4.35 395	5.07 410	7.36 299	1.27 185	0.32 169	0.18 27	0.32 167	0.26 126	0.28 48	0.46 272

CFNet_pseudo	2.12 221	0.67 159	15.14 310	0.85 72	0.74 179	3.95 261	0.64 73	3.95 261	1.78 173	1.90 161	1.79 197	3.27 332	1.62 238	2.51 186	1.16 156	0.31 151	0.36 295	0.53 356	0.27 151	0.63 334	0.44 256

CFNet-RSSM	2.08 219	0.52 24	20.06 392	1.01 160	0.56 112	3.39 146	0.64 73	3.67 195	1.55 102	1.72 127	1.37 86	2.57 274	1.19 147	1.11 21	0.86 85	0.27 47	0.20 69	0.25 38	0.23 79	0.27 33	0.23 24

Gwc-CoAtRS	1.58 139	0.57 63	11.69 265	1.01 160	0.60 134	2.53 83	0.64 73	2.36 59	1.56 108	1.80 140	1.47 106	2.74 289	1.18 143	1.12 23	0.90 99	0.27 47	0.21 98	0.25 38	0.22 69	0.27 33	0.23 24

MSMDNet	2.23 232	0.64 133	17.32 332	0.84 61	0.75 180	3.53 174	0.64 73	3.61 187	1.98 201	1.71 126	1.64 149	3.22 327	2.99 359	2.08 152	1.11 147	0.31 151	0.37 308	0.45 313	0.26 126	0.62 333	0.45 262

222	2.68 318	0.57 63	2.03 75	1.11 210	0.81 195	3.23 124	0.65 82	4.52 416	2.45 305	2.34 307	2.29 316	1.41 122	1.44 194	10.50 365	18.47 453	0.32 169	0.30 251	0.32 167	0.27 151	0.32 115	0.34 162

ccs_rob	2.13 223	0.67 159	15.11 309	0.84 61	0.75 180	3.96 266	0.65 82	3.95 261	1.78 173	1.88 155	1.79 197	3.26 331	1.64 253	2.51 186	1.16 156	0.31 151	0.36 295	0.54 363	0.27 151	0.65 344	0.45 262

iResNet_ROB	1.89 182	1.02 299	8.60 227	1.39 326	0.98 253	3.72 207	0.66 84	3.84 228	2.65 334	1.88 155	2.05 275	1.98 210	1.27 156	4.52 240	1.67 262	0.30 132	0.20 69	0.28 94	0.18 13	0.31 92	0.40 232

SDNR	3.97 397	1.93 396	20.28 405	1.31 292	0.94 242	5.16 431	0.67 85	4.33 379	2.58 326	4.82 429	5.94 421	5.01 418	1.45 198	17.52 459	2.53 344	0.79 392	0.72 407	0.59 372	0.45 343	1.15 409	1.17 399

DCRE	1.44 124	0.74 210	3.50 168	1.13 219	0.72 173	1.78 42	0.67 85	2.14 45	1.56 108	1.99 187	8.09 429	1.73 162	1.07 114	1.24 51	0.83 74	0.23 12	0.25 197	0.26 52	0.26 126	0.28 48	0.30 124

NF-Stereo	1.58 139	0.61 106	2.66 134	2.26 418	0.47 73	4.68 406	0.67 85	3.31 153	1.48 56	2.11 229	1.59 135	1.36 113	1.09 117	6.08 273	1.20 165	0.40 265	0.20 69	0.36 247	0.34 260	0.31 92	0.36 178

OCTAStereo	1.58 139	0.61 106	2.72 136	2.27 421	0.46 63	4.68 406	0.67 85	3.30 152	1.48 56	2.11 229	1.59 135	1.36 113	1.09 117	6.02 270	1.21 169	0.41 278	0.20 69	0.36 247	0.34 260	0.31 92	0.37 192

CFNet_ucs	2.36 272	0.68 166	18.42 355	0.89 87	0.81 195	3.85 237	0.68 89	4.29 362	2.37 289	2.09 222	2.04 269	3.31 335	1.24 154	2.63 198	1.14 152	0.36 224	0.45 351	0.56 366	0.29 205	0.66 349	0.49 285

UDGNet	1.40 120	1.52 375	2.22 99	1.38 324	0.62 141	4.39 353	0.68 89	1.80 26	2.18 246	1.34 74	1.18 47	0.99 64	1.00 91	2.16 162	1.19 162	1.09 410	0.34 287	1.30 424	0.98 414	1.10 402	0.58 324

RE-Stereo	1.58 139	0.61 106	2.72 136	2.26 418	0.46 63	4.68 406	0.68 89	3.31 153	1.48 56	2.11 229	1.59 135	1.36 113	1.09 117	6.01 268	1.22 172	0.41 278	0.20 69	0.36 247	0.34 260	0.31 92	0.37 192

TVStereo	1.58 139	0.61 106	2.72 136	2.26 418	0.46 63	4.68 406	0.68 89	3.31 153	1.48 56	2.11 229	1.59 135	1.36 113	1.09 117	6.01 268	1.22 172	0.41 278	0.20 69	0.36 247	0.34 260	0.31 92	0.37 192

raftrobust	1.19 71	0.72 192	2.30 109	1.26 273	1.31 322	3.55 179	0.68 89	2.75 104	1.47 51	2.21 268	1.38 88	1.17 82	1.22 149	1.20 45	1.11 147	0.28 76	0.24 178	0.21 4	0.19 25	0.25 16	0.28 88

rvit_stereo_0075_2	1.18 69	0.74 210	2.66 134	0.90 92	1.27 318	2.51 81	0.69 94	2.25 53	2.06 218	1.40 82	1.86 233	1.46 128	0.84 58	1.42 74	0.94 118	0.46 312	0.40 327	0.48 329	0.38 309	0.46 280	0.51 299

CASS	1.29 107	0.66 151	2.62 131	0.95 123	0.66 156	2.84 91	0.69 94	3.00 123	1.79 175	2.57 340	1.95 251	1.39 117	1.55 227	1.59 99	1.06 137	0.50 337	0.28 228	0.34 217	0.28 178	0.46 280	0.63 338
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
PSM-softLoss	1.66 155	0.59 83	5.15 195	2.25 416	0.48 79	4.68 406	0.69 94	2.57 88	1.52 83	2.14 235	1.45 100	1.42 123	0.99 89	6.04 271	1.20 165	0.41 278	0.23 148	0.37 259	0.39 314	0.32 115	0.31 132

KMStereo	1.66 155	0.59 83	5.15 195	2.25 416	0.48 79	4.68 406	0.69 94	2.57 88	1.52 83	2.14 235	1.45 100	1.42 123	0.99 89	6.04 271	1.20 165	0.41 278	0.23 148	0.37 259	0.39 314	0.32 115	0.31 132

AnonymousM	1.22 83	1.32 357	0.97 1	0.88 83	0.56 112	4.03 278	0.69 94	2.41 61	1.68 149	1.48 89	1.31 74	1.15 80	1.00 91	1.18 43	0.73 47	0.32 169	0.40 327	2.07 432	1.70 434	0.24 7	0.22 17

RALAANet	1.28 105	1.08 313	3.21 155	1.25 267	0.94 242	1.44 27	0.69 94	3.15 136	2.57 325	2.01 201	1.80 200	1.29 104	1.05 104	2.00 145	1.48 226	0.27 47	0.20 69	0.27 72	0.24 101	0.40 205	0.27 71

MSKI-zero shot	2.22 230	0.64 133	20.09 396	0.96 129	0.56 112	4.04 279	0.70 100	3.91 250	1.50 69	1.92 168	2.28 313	1.92 198	0.71 26	2.93 210	0.67 24	0.26 37	0.23 148	0.26 52	0.21 44	0.28 48	0.26 59

RALCasStereoNet	1.19 71	1.02 299	2.06 87	1.12 212	1.14 286	3.08 114	0.70 100	2.99 122	1.73 164	1.34 74	1.68 159	1.18 86	0.91 74	2.16 162	1.00 132	0.30 132	0.26 209	0.24 24	0.21 44	0.29 58	0.30 124

RSM++	0.77 4	0.51 18	1.08 4	0.95 123	0.42 42	1.52 33	0.71 102	2.11 43	1.40 29	0.80 27	1.23 56	0.90 55	0.59 9	1.14 28	0.69 31	0.24 16	0.19 44	0.25 38	0.21 44	0.28 48	0.20 7

HCRNet	1.60 145	0.56 55	2.47 120	0.78 34	1.36 334	4.11 294	0.71 102	3.57 182	2.79 351	1.75 132	1.61 143	1.58 140	1.41 185	5.79 265	1.56 242	0.34 195	0.28 228	0.36 247	0.29 205	0.33 131	0.37 192

StereoDRNet-Refined	1.77 169	0.81 245	2.22 99	1.21 256	0.76 183	3.26 131	0.71 102	3.82 224	2.05 216	2.29 286	2.05 275	2.98 310	1.44 194	7.15 294	2.27 327	0.30 132	0.23 148	0.42 299	0.33 253	0.45 271	0.64 340
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
test_sample4	2.34 262	0.63 124	11.59 263	1.30 289	0.83 204	3.07 113	0.72 105	4.27 354	2.30 270	2.30 290	1.88 236	1.73 162	1.42 189	11.14 394	1.46 218	0.35 213	0.29 238	0.35 234	0.36 284	0.40 205	0.38 206

AE-Stereo	1.18 69	0.60 92	2.05 78	1.10 206	0.60 134	4.39 353	0.72 105	3.74 211	1.62 137	1.10 60	1.90 247	1.01 66	0.92 76	1.45 81	0.82 71	0.28 76	0.22 124	0.28 94	0.28 178	0.26 24	0.22 17

anonymousdsp2	1.26 100	0.60 92	3.74 178	1.02 169	0.41 38	3.60 188	0.72 105	3.68 197	1.47 51	1.37 78	1.56 128	1.83 188	1.01 93	2.00 145	0.66 22	0.29 95	0.20 69	0.28 94	0.20 34	0.32 115	0.29 98

DeepStereo_RVC	1.55 132	0.63 124	3.32 162	0.77 33	0.42 42	4.49 373	0.72 105	2.50 71	1.58 116	2.02 205	1.81 212	1.54 136	6.38 430	1.73 123	1.19 162	0.46 312	0.22 124	0.29 109	0.28 178	0.35 166	0.38 206

cross-raft	2.01 208	0.57 63	19.01 364	1.03 176	0.56 112	2.11 66	0.72 105	3.63 188	1.57 114	1.77 134	1.51 114	3.17 325	1.13 128	1.16 33	0.85 79	0.23 12	0.21 98	0.26 52	0.23 79	0.28 48	0.25 41

test_sample3	2.34 262	0.61 106	11.94 266	1.33 298	0.85 213	3.10 117	0.73 110	4.24 345	2.19 247	2.21 268	1.75 179	1.80 180	1.41 185	11.11 393	1.46 218	0.35 213	0.29 238	0.34 217	0.35 274	0.39 200	0.37 192

MGS-Stereo	0.80 7	0.56 55	1.53 34	0.93 115	0.39 31	1.26 15	0.73 110	1.45 3	1.30 20	1.01 51	2.26 309	0.80 36	0.56 5	1.16 33	0.65 18	0.27 47	0.23 148	0.26 52	0.22 69	0.27 33	0.25 41

SMFormer	2.00 205	0.57 63	4.46 184	1.36 314	0.57 123	2.03 57	0.73 110	4.25 346	2.80 355	2.32 300	2.31 327	1.95 201	1.52 217	10.99 385	2.13 318	0.34 195	0.32 269	0.36 247	0.31 236	0.38 190	0.36 178

tta	2.00 205	0.57 63	4.46 184	1.36 314	0.57 123	2.03 57	0.73 110	4.25 346	2.80 355	2.32 300	2.31 327	1.95 201	1.52 217	10.99 385	2.13 318	0.34 195	0.32 269	0.36 247	0.31 236	0.29 58	0.29 98

qqq1	1.92 190	0.57 63	4.46 184	1.36 314	0.57 123	2.03 57	0.73 110	4.25 346	2.80 355	2.32 300	2.31 327	1.95 201	1.52 217	10.99 385	0.71 40	0.34 195	0.32 269	0.30 128	0.23 79	0.29 58	0.29 98

fff1	1.92 190	0.57 63	4.46 184	1.36 314	0.57 123	2.03 57	0.73 110	4.25 346	2.80 355	2.32 300	2.31 327	1.95 201	1.52 217	10.99 385	0.71 40	0.34 195	0.32 269	0.30 128	0.23 79	0.29 58	0.29 98

CAS	1.26 100	0.40 2	1.46 29	2.97 435	1.61 376	4.13 299	0.73 110	1.78 25	1.49 64	0.83 36	1.10 39	0.59 5	0.53 4	1.26 54	0.80 63	2.99 439	0.13 1	0.21 4	0.13 1	0.31 92	1.72 420

AACVNet	1.83 174	1.02 299	2.41 118	1.45 339	0.87 223	3.21 121	0.73 110	3.16 137	1.61 134	2.01 201	1.82 218	2.28 238	1.33 168	10.98 384	1.49 229	0.39 259	0.32 269	0.38 275	0.32 246	0.43 256	0.44 256

PSM-adaLoss	1.24 89	0.65 141	2.03 75	0.75 19	0.37 20	4.68 406	0.73 110	2.53 73	1.58 116	1.99 187	1.47 106	1.78 170	1.13 128	2.18 166	0.87 90	0.48 325	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

CFNet	2.34 262	1.10 317	8.96 230	1.34 304	1.24 312	4.09 289	0.73 110	4.04 286	2.77 348	1.62 107	1.87 235	2.27 237	1.45 198	11.41 402	1.82 280	0.31 151	0.24 178	0.43 303	0.36 284	0.43 256	0.33 151

test_sample5	2.33 258	0.62 115	11.29 260	1.29 282	0.83 204	3.09 115	0.74 120	4.28 359	2.31 273	2.20 260	1.97 258	1.68 151	1.39 176	11.19 395	1.47 223	0.37 231	0.31 261	0.37 259	0.37 296	0.41 228	0.39 212

ACVNet-DCA	1.85 176	0.74 210	13.77 282	1.78 387	0.36 8	4.48 367	0.74 120	3.98 269	1.53 88	1.01 51	1.81 212	0.72 23	1.62 238	2.13 157	0.64 14	0.29 95	0.17 10	0.32 167	0.21 44	0.33 131	0.32 139

xx1	2.03 210	0.74 210	13.77 282	1.78 387	0.36 8	4.48 367	0.74 120	4.23 337	3.95 425	1.01 51	1.81 212	1.79 177	1.34 169	2.13 157	0.64 14	0.29 95	0.17 10	0.33 200	0.33 253	0.33 131	0.32 139

1test111	1.99 204	0.74 210	13.77 282	1.78 387	0.36 8	4.48 367	0.74 120	3.98 269	1.53 88	1.01 51	1.81 212	0.72 23	1.62 238	4.66 242	0.98 127	0.29 95	0.17 10	0.32 167	0.21 44	0.33 131	0.32 139

cc1	1.98 201	0.74 210	13.77 282	1.78 387	0.36 8	4.48 367	0.74 120	4.23 337	3.95 425	1.01 51	1.81 212	0.72 23	1.62 238	2.13 157	0.64 14	0.29 95	0.17 10	0.32 167	0.21 44	0.31 92	0.29 98

DualNet	2.33 258	0.62 115	11.29 260	1.29 282	0.83 204	3.09 115	0.74 120	4.28 359	2.31 273	2.26 282	2.04 269	1.68 151	1.39 176	11.19 395	1.47 223	0.37 231	0.31 261	0.37 259	0.37 296	0.41 228	0.39 212

CASnet	0.78 5	0.51 18	1.29 17	0.81 37	0.29 1	1.28 20	0.74 120	1.51 6	1.89 191	1.64 111	1.09 38	0.65 11	0.64 17	0.91 4	0.76 54	0.29 95	0.17 10	0.41 293	0.31 236	0.32 115	0.19 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
iGMRVC	1.26 100	0.66 151	2.14 92	0.75 19	0.37 20	4.66 403	0.74 120	2.53 73	1.58 116	1.99 187	1.46 102	1.78 170	1.14 134	2.46 180	0.92 109	0.48 325	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

RAFT-IKP	1.25 93	0.66 151	2.23 101	0.75 19	0.37 20	4.64 400	0.74 120	2.53 73	1.58 116	1.99 187	1.47 106	1.78 170	1.13 128	2.22 171	0.92 109	0.48 325	0.22 124	0.32 167	0.27 151	0.40 205	0.29 98

rvit_stereo_0080	0.94 28	0.72 192	2.56 123	0.64 5	0.59 132	1.90 49	0.75 129	2.71 98	1.40 29	0.91 41	1.04 28	0.85 44	0.82 54	1.14 28	0.78 58	0.35 213	0.29 238	0.25 38	0.27 151	0.45 271	0.29 98

whm_eth	0.94 28	0.72 192	2.56 123	0.64 5	0.59 132	1.90 49	0.75 129	2.71 98	1.40 29	0.91 41	1.04 28	0.85 44	0.82 54	1.14 28	0.78 58	0.35 213	0.29 238	0.25 38	0.27 151	0.45 271	0.29 98

dd	1.26 100	1.15 326	2.47 120	0.92 103	0.49 83	4.35 348	0.75 129	1.92 32	2.11 234	1.44 87	1.24 57	1.19 90	1.05 104	1.78 127	1.70 265	0.57 359	0.34 287	0.35 234	0.33 253	0.60 326	0.46 272

testlalala2	2.31 252	0.63 124	20.54 416	2.56 428	2.87 434	3.79 220	0.76 132	4.20 325	1.48 56	1.42 86	1.43 98	2.45 263	0.80 53	1.03 13	0.68 26	0.27 47	0.25 197	0.24 24	0.21 44	0.33 131	0.28 88

BUS	1.49 131	0.59 83	1.94 67	0.87 78	0.85 213	4.50 376	0.76 132	4.48 408	1.88 187	2.93 374	1.83 219	3.63 361	0.97 86	1.60 101	1.17 159	0.34 195	0.25 197	0.31 149	0.28 178	0.35 166	0.33 151

NINENet	1.87 177	0.74 210	2.60 125	1.12 212	1.06 273	4.50 376	0.76 132	4.41 397	2.24 256	2.16 248	1.86 233	3.63 361	0.97 86	8.00 308	1.17 159	0.41 278	0.30 251	0.41 293	0.30 220	0.41 228	0.36 178

GANet-ADL	2.20 229	0.73 202	20.11 397	1.25 267	0.69 169	3.83 226	0.76 132	3.49 170	1.71 158	1.65 115	1.99 262	2.10 228	1.10 122	1.42 74	1.26 182	0.38 247	0.33 276	0.25 38	0.22 69	0.42 246	0.36 178

Patchmatch Stereo++	1.25 93	0.65 141	2.06 87	0.75 19	0.37 20	4.68 406	0.76 132	2.53 73	1.58 116	1.99 187	1.47 106	1.78 170	1.14 134	2.44 178	0.90 99	0.48 325	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98
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
IIG-Stereo	1.95 195	0.79 238	2.14 92	2.78 432	0.66 156	4.62 397	0.76 132	4.27 354	1.53 88	2.63 352	3.14 389	3.35 338	1.61 235	7.65 305	1.41 209	0.39 259	0.20 69	0.31 149	0.25 110	0.33 131	0.22 17

ROB_FTStereo_v2	1.23 84	0.66 151	2.02 74	0.75 19	0.37 20	4.67 405	0.76 132	2.53 73	1.58 116	1.99 187	1.46 102	1.78 170	1.14 134	2.08 152	0.88 93	0.48 325	0.22 124	0.32 167	0.27 151	0.40 205	0.29 98

SST-Stereo	1.76 167	0.58 76	3.10 152	1.44 335	0.46 63	4.71 417	0.76 132	2.22 51	2.79 351	2.07 221	2.18 297	2.43 260	3.22 373	6.66 284	0.84 76	0.42 288	0.19 44	0.30 128	0.27 151	0.35 166	0.26 59

iRAFT	1.25 93	0.65 141	2.06 87	0.75 19	0.37 20	4.68 406	0.76 132	2.53 73	1.58 116	1.99 187	1.47 106	1.78 170	1.14 134	2.44 178	0.90 99	0.48 325	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

raft+_RVC	1.21 79	0.83 255	2.61 128	1.35 308	0.97 249	3.60 188	0.76 132	3.23 145	1.51 75	1.33 73	1.67 156	1.03 69	1.10 122	1.87 137	0.92 109	0.24 16	0.22 124	0.25 38	0.24 101	0.26 24	0.25 41

UNet	2.51 291	0.74 210	20.17 398	1.14 220	1.44 350	3.48 162	0.76 132	3.77 216	1.87 186	2.05 213	1.57 130	2.75 291	2.39 331	3.51 219	2.51 342	0.32 169	0.26 209	0.41 293	0.26 126	0.38 190	0.39 212

RSM	0.80 7	0.50 15	1.08 4	0.83 54	0.51 87	1.31 22	0.77 143	2.28 56	1.43 37	0.82 31	1.44 99	1.22 96	0.62 14	1.17 38	0.63 13	0.22 5	0.18 27	0.24 24	0.19 25	0.27 33	0.20 7

ttt	2.76 323	0.56 55	2.28 108	1.41 329	1.21 309	3.67 201	0.77 143	4.59 421	2.94 373	2.35 308	2.30 320	2.45 263	1.54 225	11.25 398	15.56 436	0.43 293	0.36 295	0.37 259	0.33 253	0.40 205	0.40 232

ROB_FTStereo	1.25 93	0.66 151	2.14 92	0.75 19	0.37 20	4.65 402	0.77 143	2.53 73	1.58 116	1.99 187	1.47 106	1.78 170	1.13 128	2.26 174	0.86 85	0.47 321	0.22 124	0.32 167	0.27 151	0.40 205	0.29 98

iRaft-Stereo_20w	1.88 181	0.62 115	10.58 253	0.90 92	0.83 204	2.96 104	0.78 146	4.90 432	1.58 116	2.29 286	1.60 139	1.25 98	4.51 405	2.28 175	0.90 99	0.29 95	0.21 98	0.26 52	0.24 101	0.41 228	0.31 132

PSMNet-ADL	1.91 187	0.72 192	1.78 55	1.09 197	0.86 218	4.18 320	0.78 146	3.77 216	2.10 232	1.72 127	1.85 231	2.91 307	1.82 286	10.38 364	1.91 290	0.48 325	0.46 359	0.28 94	0.29 205	0.38 190	0.51 299

HUI-Stereo	1.25 93	0.66 151	2.33 112	0.75 19	0.37 20	4.68 406	0.78 146	2.53 73	1.58 116	1.99 187	1.46 102	1.79 177	1.13 128	2.17 164	0.85 79	0.48 325	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

ASMatch	2.62 308	0.60 92	20.65 421	1.37 322	0.64 145	4.39 353	0.78 146	1.97 34	1.58 116	1.70 122	3.89 406	1.94 199	3.79 390	5.46 256	1.64 258	0.31 151	0.24 178	0.34 217	0.28 178	0.33 131	0.50 292

RAFT-345	2.46 282	0.55 46	19.69 380	1.02 169	0.49 83	4.43 363	0.78 146	1.64 17	2.34 278	2.09 222	3.12 387	1.96 206	1.31 165	6.65 283	1.43 212	0.36 224	0.23 148	0.32 167	0.25 110	0.28 48	0.25 41

rvit_0105_6	1.00 45	0.93 279	2.21 97	0.92 103	0.55 108	1.52 33	0.79 151	2.41 61	2.96 374	0.76 19	0.72 3	1.02 67	0.75 34	1.42 74	0.81 68	0.40 265	0.43 341	0.34 217	0.31 236	0.43 256	0.34 162

Occ-G	0.86 16	0.52 24	1.39 24	0.82 45	0.66 156	1.37 24	0.79 151	1.58 10	1.31 21	1.56 97	0.87 13	2.18 233	0.89 70	0.97 7	0.88 93	0.26 37	0.19 44	0.26 52	0.19 25	0.25 16	0.24 34

test_sample6	2.35 267	0.62 115	10.78 255	1.33 298	0.83 204	3.15 119	0.79 151	4.36 388	2.43 300	2.26 282	2.04 269	1.69 156	1.39 176	11.48 406	1.61 251	0.38 247	0.32 269	0.37 259	0.39 314	0.41 228	0.42 241

tt1	1.79 171	0.73 202	10.41 251	1.75 384	0.36 8	4.55 385	0.79 151	4.22 333	3.37 409	1.08 59	1.80 200	0.74 28	1.48 205	2.21 169	0.65 18	0.29 95	0.16 5	0.31 149	0.22 69	0.30 77	0.29 98

anonymousa	2.16 225	0.67 159	19.19 365	1.04 177	1.67 389	2.06 63	0.79 151	2.86 116	1.96 197	1.85 146	2.14 291	3.23 329	1.81 284	1.12 23	1.15 153	0.26 37	0.26 209	0.34 217	0.32 246	0.30 77	0.28 88

RCA-Stereo	1.21 79	0.52 24	1.58 40	0.90 92	0.46 63	4.68 406	0.79 151	4.13 311	1.74 170	1.92 168	1.80 200	0.94 61	1.48 205	1.14 28	0.70 37	0.27 47	0.18 27	0.25 38	0.19 25	0.25 16	0.23 24

DisPM	1.36 116	0.55 46	2.39 116	1.54 355	0.51 87	4.59 393	0.79 151	2.50 71	1.88 187	2.50 331	1.83 219	1.45 126	1.01 93	2.71 204	0.93 116	0.46 312	0.20 69	0.32 167	0.31 236	0.31 92	0.44 256

Pruner-Stereo	1.32 114	0.59 83	2.11 91	1.79 392	0.47 73	4.73 418	0.79 151	2.53 73	1.72 161	2.47 328	1.58 131	1.48 129	1.03 96	1.66 115	1.47 223	0.44 300	0.21 98	0.34 217	0.30 220	0.30 77	0.39 212

rvit_stereo_ft	1.00 45	0.87 266	3.55 169	0.97 136	0.66 156	1.06 5	0.80 159	2.78 107	1.67 147	0.78 24	0.96 18	0.95 62	1.14 134	1.06 17	0.90 99	0.32 169	0.24 178	0.27 72	0.28 178	0.39 200	0.27 71

RAFT-Stereo-weight	1.11 59	0.48 9	1.22 12	0.99 147	0.42 42	4.17 317	0.80 159	3.60 185	1.50 69	1.97 180	1.50 113	1.30 105	0.65 19	1.24 51	0.85 79	0.25 27	0.19 44	0.26 52	0.22 69	0.27 33	0.23 24

RAFT-Test	1.44 124	0.59 83	6.10 203	1.01 160	0.69 169	2.90 95	0.80 159	3.68 197	1.70 157	1.85 146	1.68 159	3.15 324	1.03 96	1.20 45	0.99 130	0.27 47	0.22 124	0.25 38	0.23 79	0.27 33	0.25 41

test_xeample	2.67 315	0.56 55	2.05 78	1.09 197	0.81 195	3.24 127	0.80 159	4.55 418	2.70 340	2.42 322	2.27 310	1.39 117	1.40 180	10.75 373	17.51 448	0.30 132	0.30 251	0.32 167	0.28 178	0.34 149	0.33 151

ACVNet	1.46 127	0.64 133	3.56 171	0.93 115	0.85 213	4.22 330	0.80 159	2.85 113	2.08 221	1.78 136	1.88 236	3.10 319	1.46 201	1.33 66	1.89 288	0.29 95	0.26 209	0.30 128	0.26 126	0.39 200	0.27 71

hitnet-ft	2.37 273	0.73 202	8.34 222	0.96 129	0.89 231	3.77 215	0.80 159	3.55 180	2.58 326	2.24 276	2.04 269	3.65 363	1.49 211	11.71 421	1.89 288	0.44 300	0.53 375	0.44 307	0.35 274	0.52 297	0.48 281

HITNet	2.07 217	0.82 252	14.77 299	1.34 304	0.56 112	3.47 160	0.80 159	4.07 295	2.35 280	2.16 248	1.61 143	1.64 146	1.44 194	2.09 155	2.56 348	0.26 37	0.18 27	0.41 293	0.26 126	0.45 271	0.25 41
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
Any-RAFT	1.40 120	0.53 35	2.78 140	1.09 197	0.64 145	4.41 359	0.81 166	3.97 267	2.78 349	1.99 187	1.34 80	2.36 251	1.56 229	1.56 95	0.75 51	0.27 47	0.20 69	0.25 38	0.18 13	0.25 16	0.28 88

pcwnet_v2	2.70 321	0.65 141	22.48 454	1.08 191	1.03 266	3.56 181	0.81 166	4.29 362	3.14 391	2.29 286	2.29 316	3.01 313	1.71 267	3.32 216	1.43 212	0.43 293	0.50 374	0.41 293	0.34 260	0.61 331	0.56 316

iResNet	2.52 294	0.94 285	21.17 435	1.84 396	0.72 173	3.75 212	0.81 166	4.14 317	2.55 324	2.33 306	2.03 266	1.35 112	1.44 194	3.27 215	2.16 321	0.35 213	0.23 148	0.28 94	0.22 69	0.44 263	0.45 262

AIO-Stereo	0.76 2	0.54 41	1.07 3	0.73 17	0.40 34	1.28 20	0.82 169	2.26 54	1.49 64	0.70 9	1.58 131	0.89 53	0.45 1	1.03 13	0.55 4	0.24 16	0.18 27	0.25 38	0.20 34	0.26 24	0.21 15

HH	2.23 232	0.86 264	21.59 445	0.98 141	0.51 87	1.49 30	0.82 169	2.74 102	1.54 96	1.10 60	1.69 162	4.62 407	1.86 291	2.55 192	0.69 31	0.26 37	0.22 124	0.29 109	0.23 79	0.34 149	0.27 71

HanStereo	2.23 232	0.86 264	21.59 445	0.98 141	0.51 87	1.49 30	0.82 169	2.74 102	1.54 96	1.10 60	1.69 162	4.62 407	1.86 291	2.55 192	0.69 31	0.26 37	0.22 124	0.29 109	0.23 79	0.34 149	0.27 71

Selective-IGEV	0.80 7	0.52 24	1.05 2	0.75 19	0.61 138	1.31 22	0.82 169	2.60 91	1.41 32	0.82 31	1.64 149	0.71 22	0.62 14	1.22 49	0.64 14	0.22 5	0.19 44	0.24 24	0.18 13	0.25 16	0.20 7

GLC_STEREO	0.76 2	0.52 24	1.12 7	0.83 54	0.33 5	1.86 47	0.82 169	1.46 4	1.38 26	0.95 47	1.04 28	0.68 14	0.72 27	0.97 7	0.80 63	0.23 12	0.25 197	0.32 167	0.25 110	0.32 115	0.30 124

ProNet	0.82 13	0.71 189	1.50 33	0.86 74	0.45 56	1.78 42	0.83 174	1.75 21	1.28 17	0.66 5	1.13 42	0.78 31	0.76 38	1.66 115	0.71 40	0.24 16	0.20 69	0.25 38	0.23 79	0.29 58	0.25 41

CRE-IMP	1.23 84	0.61 106	2.14 92	0.82 45	0.39 31	4.54 382	0.83 174	2.63 93	1.55 102	1.95 176	1.46 102	1.87 195	0.96 83	1.48 86	1.33 198	0.45 308	0.21 98	0.31 149	0.26 126	0.41 228	0.31 132

FADNet_RVC	2.65 311	2.28 408	16.51 323	0.98 141	0.92 236	4.09 289	0.83 174	4.26 353	1.73 164	1.46 88	1.78 194	1.60 142	1.50 212	8.88 320	2.39 333	0.47 321	0.38 314	0.44 307	0.58 378	0.89 384	0.97 388

rvit_0105_4	1.07 56	0.99 294	2.39 116	0.93 115	0.54 105	1.62 39	0.84 177	2.77 106	2.91 369	0.80 27	0.91 15	1.09 73	0.86 62	1.63 110	0.85 79	0.40 265	0.45 351	0.35 234	0.31 236	0.43 256	0.40 232

gcap-zeroshot	1.30 108	0.61 106	4.09 180	0.94 120	0.56 112	3.50 167	0.84 177	3.12 134	1.72 161	1.84 145	1.22 52	2.72 288	0.88 66	1.46 83	0.80 63	0.29 95	0.30 251	0.27 72	0.21 44	0.29 58	0.25 41

testlalala_base	1.62 147	0.74 210	1.63 42	1.19 247	1.40 341	2.63 87	0.84 177	4.09 301	1.31 21	1.22 69	1.42 96	1.21 95	0.85 60	1.16 33	0.73 47	3.92 452	2.10 440	0.27 72	0.18 13	4.49 451	1.11 397

anonymousdsp	0.95 33	0.69 168	1.27 15	0.83 54	0.52 96	4.54 382	0.84 177	1.76 22	1.24 8	0.76 19	1.06 34	0.78 31	0.77 39	1.67 118	0.69 31	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.26 59

IGEV-Stereo	0.95 33	0.69 168	1.27 15	0.84 61	0.52 96	4.54 382	0.84 177	1.76 22	1.24 8	0.75 10	1.06 34	0.79 34	0.77 39	1.68 119	0.69 31	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.26 59
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	2.10 220	0.83 255	8.57 225	0.81 37	0.76 183	3.21 121	0.84 177	3.71 208	1.65 144	1.56 97	2.50 344	2.20 234	2.23 322	9.13 327	2.01 303	0.38 247	0.19 44	0.35 234	0.27 151	0.45 271	0.39 212

dad	1.65 152	1.19 333	3.04 151	0.98 141	0.56 112	4.22 330	0.84 177	1.99 35	2.48 309	2.14 235	1.68 159	1.62 145	1.13 128	3.85 227	2.04 305	1.03 409	0.40 327	2.04 431	0.48 352	0.75 370	0.53 306

PFNet+	1.46 127	0.57 63	2.84 142	0.92 103	0.47 73	4.64 400	0.84 177	2.46 68	1.99 202	2.14 235	1.64 149	1.34 110	1.03 96	4.68 244	1.23 175	0.45 308	0.33 276	0.37 259	0.39 314	0.32 115	0.49 285

Anonymous3	1.72 159	0.76 227	11.61 264	0.83 54	0.84 211	4.46 365	0.84 177	3.57 182	1.16 5	1.34 74	1.37 86	1.11 76	1.03 96	1.58 96	1.13 151	0.70 386	0.58 386	0.33 200	0.35 274	0.47 284	0.42 241

mmm	1.27 104	0.58 76	2.20 96	1.41 329	0.68 166	2.39 78	0.85 186	3.90 246	1.63 140	2.20 260	1.84 224	1.28 101	1.50 212	1.91 140	0.89 96	0.31 151	0.27 219	0.45 313	0.37 296	0.38 190	0.34 162

DMCA-RVC	2.45 280	1.22 342	18.29 350	1.23 263	1.14 286	2.49 80	0.85 186	3.29 151	1.68 149	3.02 381	1.41 95	2.00 213	1.53 224	6.39 277	2.00 301	0.38 247	0.30 251	0.44 307	0.35 274	0.45 271	0.44 256

AIO-Stereo-zeroshot1	2.68 318	1.26 349	22.01 452	1.08 191	0.99 256	1.61 37	0.86 188	3.69 202	1.64 141	1.52 92	5.62 420	3.35 338	3.44 384	2.20 167	1.33 198	0.26 37	0.21 98	0.30 128	0.62 386	0.93 388	0.67 344

test_sample2	1.75 166	0.56 55	2.25 102	1.41 329	0.80 192	2.91 97	0.86 188	4.05 290	2.04 213	1.91 166	1.39 90	1.57 138	1.55 227	10.65 370	1.06 137	0.32 169	0.28 228	0.32 167	0.30 220	0.36 178	0.33 151

CAS++	0.89 21	0.64 133	1.46 29	0.81 37	0.51 87	1.24 13	0.86 188	3.44 165	1.46 46	1.14 65	1.29 71	0.62 7	0.58 8	1.13 26	0.59 7	0.34 195	0.30 251	0.34 217	0.26 126	0.41 228	0.29 98
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MyStereo06	2.46 282	0.72 192	19.97 389	1.02 169	0.99 256	4.26 335	0.86 188	3.51 175	1.68 149	1.92 168	1.73 173	4.01 377	4.22 399	1.62 107	0.88 93	0.24 16	0.23 148	0.34 217	0.26 126	0.42 246	0.36 178

MyStereo05	2.37 273	0.72 192	19.94 387	1.02 169	0.99 256	4.26 335	0.86 188	4.01 277	2.62 329	2.14 235	1.26 62	2.28 238	1.63 250	2.07 150	1.68 263	0.24 16	0.23 148	0.34 217	0.26 126	0.42 246	0.36 178

ff7	0.98 37	0.69 168	2.05 78	0.84 61	0.52 96	4.55 385	0.86 188	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

IGEVStereo-DCA	0.86 16	0.65 141	2.05 78	0.90 92	0.46 63	1.57 35	0.86 188	1.62 11	1.24 8	0.65 3	0.77 8	0.74 28	0.72 27	2.59 196	0.86 85	0.28 76	0.21 98	0.28 94	0.21 44	0.29 58	0.27 71

ffff	0.98 37	0.69 168	2.05 78	0.84 61	0.52 96	4.55 385	0.86 188	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

ffm	1.72 159	0.60 92	5.21 197	1.14 220	0.99 256	3.62 193	0.86 188	4.22 333	3.37 409	2.20 260	2.30 320	3.48 345	1.62 238	2.21 169	0.65 18	0.29 95	0.16 5	0.48 329	0.37 296	0.30 77	0.29 98

ff1	2.96 341	0.60 92	5.21 197	1.14 220	0.99 256	3.62 193	0.86 188	4.22 333	3.37 409	2.20 260	2.30 320	3.48 345	1.62 238	11.62 411	16.09 438	0.29 95	0.16 5	0.48 329	0.37 296	0.30 77	0.29 98

mmx	2.98 347	0.60 92	5.21 197	1.14 220	0.99 256	3.62 193	0.86 188	4.49 411	3.05 384	2.20 260	2.30 320	3.48 345	1.62 238	11.62 411	16.09 438	0.33 183	0.28 228	0.48 329	0.37 296	0.44 263	0.37 192

11t	0.98 37	0.69 168	2.05 78	0.84 61	0.52 96	4.55 385	0.86 188	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

xxx	2.98 347	0.60 92	5.21 197	1.14 220	0.99 256	3.62 193	0.86 188	4.49 411	3.05 384	2.20 260	2.30 320	3.48 345	1.62 238	11.62 411	16.09 438	0.33 183	0.28 228	0.48 329	0.37 296	0.44 263	0.37 192

ccc-4	0.98 37	0.69 168	2.05 78	0.84 61	0.52 96	4.55 385	0.86 188	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

STTStereo	2.34 262	0.95 286	14.93 305	1.43 333	1.54 361	3.86 239	0.86 188	3.65 191	2.44 304	2.15 243	1.55 125	2.49 269	1.59 230	5.14 250	1.44 214	0.38 247	0.39 322	0.47 321	0.51 362	0.52 297	0.51 299

RTSC	2.95 338	2.51 410	15.49 314	1.54 355	1.30 320	3.51 170	0.86 188	3.89 241	2.48 309	3.64 404	3.12 387	3.04 315	2.30 324	5.70 264	6.67 394	0.55 355	0.35 291	0.37 259	0.39 314	0.70 357	0.60 329

PWCDC_ROB	2.95 338	3.26 420	14.06 291	1.59 365	1.56 368	4.19 324	0.86 188	4.30 370	4.08 427	2.06 218	7.37 423	2.75 291	2.42 333	3.59 221	2.67 352	1.34 427	0.36 295	0.39 278	0.34 260	1.13 405	0.62 335

Anonymous_2	3.01 352	0.89 269	4.53 189	1.06 183	1.18 293	2.93 100	0.87 205	3.24 147	1.46 46	1.86 151	1.35 83	4.11 383	2.35 329	1.64 112	1.28 188	0.82 397	0.90 416	8.71 468	15.84 471	4.44 450	0.74 361

ACRE	2.27 240	1.11 320	19.45 372	0.91 97	1.30 320	3.94 256	0.87 205	4.21 330	1.80 176	2.28 284	2.62 356	1.17 82	1.04 100	1.52 91	1.30 191	0.37 231	0.23 148	0.27 72	0.22 69	0.31 92	0.46 272

test_3	1.19 71	0.51 18	2.08 90	0.99 147	0.41 38	2.05 62	0.87 205	4.40 396	1.42 33	1.99 187	1.18 47	2.03 217	0.79 47	2.70 203	0.75 51	0.27 47	0.17 10	0.29 109	0.29 205	0.30 77	0.27 71

NLCA_NET_v2_RVC	2.54 297	1.04 304	16.73 326	1.53 353	2.00 414	3.96 266	0.87 205	3.87 236	2.31 273	2.54 335	1.67 156	2.85 302	1.63 250	5.55 259	1.62 254	0.46 312	0.33 276	0.38 275	0.38 309	0.53 303	0.62 335
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
1111x	3.13 363	0.57 63	8.38 224	1.20 251	0.76 183	3.80 222	0.88 209	4.61 423	2.63 331	2.31 296	2.16 294	1.95 201	1.81 284	11.54 407	18.13 451	0.32 169	0.31 261	0.32 167	0.30 220	0.35 166	0.34 162

FADNet	2.49 289	1.76 390	13.17 273	1.17 239	0.95 244	3.27 133	0.88 209	3.94 259	2.27 263	1.40 82	1.29 71	2.51 270	2.06 306	9.93 349	1.94 293	0.43 293	0.45 351	0.40 284	0.43 337	1.06 397	0.53 306

IER	1.69 157	0.65 141	7.19 212	0.94 120	1.15 288	3.28 136	0.89 211	3.48 167	1.97 199	2.10 225	1.98 260	2.28 238	2.12 310	2.25 173	1.75 274	0.29 95	0.23 148	0.36 247	0.30 220	0.32 115	0.34 162

CIPLG	2.27 240	1.18 331	19.24 366	0.92 103	1.34 331	3.95 261	0.89 211	4.23 337	1.82 178	2.31 296	2.67 360	1.17 82	1.06 112	1.53 93	1.32 194	0.37 231	0.23 148	0.27 72	0.22 69	0.31 92	0.45 262

IPLGR_C	2.28 245	1.31 355	19.46 373	0.92 103	1.32 326	3.93 251	0.89 211	4.20 325	1.82 178	2.30 290	2.63 358	1.16 81	1.07 114	1.41 73	1.29 190	0.37 231	0.23 148	0.27 72	0.22 69	0.31 92	0.45 262

MMNet	2.02 209	0.81 245	10.76 254	1.12 212	1.23 310	3.53 174	0.89 211	3.79 220	2.08 221	2.15 243	1.76 187	2.15 231	2.12 310	3.69 224	2.32 330	0.31 151	0.29 238	0.34 217	0.27 151	0.38 190	0.42 241

knoymous	1.30 108	0.60 92	5.57 202	0.88 83	0.75 180	3.04 107	0.90 215	2.68 96	1.33 23	1.48 89	1.07 36	2.78 298	0.88 66	1.29 60	0.85 79	0.31 151	0.22 124	0.35 234	0.20 34	0.45 271	0.37 192

test_1	1.19 71	0.52 24	2.00 72	1.01 160	0.42 42	1.95 54	0.90 215	4.36 388	1.47 51	2.17 252	1.16 44	2.06 223	0.78 45	2.68 201	0.76 54	0.27 47	0.18 27	0.28 94	0.26 126	0.26 24	0.25 41

NRIStereo	1.28 105	0.61 106	1.67 45	1.15 233	0.38 29	4.73 418	0.90 215	2.42 63	1.50 69	1.93 172	1.33 75	1.75 164	1.22 149	2.96 212	1.33 198	0.46 312	0.22 124	0.29 109	0.26 126	0.30 77	0.28 88

CFNet-ft	1.90 184	0.95 286	3.56 171	1.07 184	1.54 361	4.09 289	0.90 215	2.85 113	1.82 178	1.78 136	1.70 164	2.75 291	1.48 205	9.33 331	1.72 267	0.33 183	0.30 251	0.61 380	0.36 284	0.52 297	0.39 212

DMCA	1.72 159	0.74 210	6.63 206	1.14 220	0.96 245	3.98 271	0.90 215	3.75 212	2.76 347	2.83 370	1.58 131	2.35 249	1.18 143	1.58 96	1.98 300	0.40 265	0.27 219	0.42 299	0.26 126	0.36 178	0.38 206

R-Stereo Train	1.20 76	0.58 76	1.81 57	0.99 147	0.67 161	3.78 217	0.90 215	4.09 301	1.51 75	2.16 248	1.71 168	1.13 77	0.94 80	1.40 70	0.91 106	0.30 132	0.24 178	0.26 52	0.21 44	0.26 24	0.25 41

RAFT-Stereo	1.20 76	0.58 76	1.81 57	0.99 147	0.67 161	3.78 217	0.90 215	4.09 301	1.51 75	2.16 248	1.71 168	1.13 77	0.94 80	1.40 70	0.91 106	0.30 132	0.24 178	0.26 52	0.21 44	0.26 24	0.25 41
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
CFNet_RVC	1.90 184	0.95 286	3.56 171	1.07 184	1.54 361	4.09 289	0.90 215	2.85 113	1.82 178	1.78 136	1.70 164	2.75 291	1.48 205	9.33 331	1.72 267	0.33 183	0.30 251	0.61 380	0.36 284	0.52 297	0.39 212

rvit_0105_5	1.13 61	0.93 279	2.60 125	0.91 97	0.56 112	1.92 52	0.91 223	3.02 125	2.63 331	0.95 47	1.20 49	1.18 86	0.93 78	1.51 89	0.93 116	0.40 265	0.43 341	0.37 259	0.35 274	0.42 246	0.44 256

qqq	1.30 108	0.57 63	1.67 45	1.15 233	0.51 87	2.18 69	0.91 223	3.98 269	1.53 88	1.50 91	1.24 57	1.79 177	1.34 169	4.66 242	0.98 127	0.28 76	0.31 261	0.33 200	0.33 253	0.33 131	0.32 139

GMOStereo	1.13 61	0.70 178	2.26 103	0.75 19	0.44 52	3.05 109	0.91 223	2.78 107	1.45 39	2.37 313	1.52 115	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 234	0.28 178	0.34 149	0.26 59

error version	1.13 61	0.70 178	2.26 103	0.75 19	0.44 52	3.05 109	0.91 223	2.78 107	1.45 39	2.37 313	1.52 115	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 234	0.28 178	0.34 149	0.26 59

test-v	1.13 61	0.70 178	2.26 103	0.75 19	0.44 52	3.05 109	0.91 223	2.78 107	1.45 39	2.37 313	1.52 115	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 234	0.28 178	0.34 149	0.26 59

test-3	1.19 71	0.52 24	2.00 72	1.01 160	0.42 42	1.95 54	0.91 223	4.35 383	1.47 51	2.24 276	1.16 44	2.06 223	0.79 47	2.68 201	0.76 54	0.27 47	0.18 27	0.28 94	0.26 126	0.26 24	0.25 41

PFNet	2.47 285	0.60 92	16.95 330	2.15 415	0.81 195	4.63 399	0.91 223	2.55 83	1.52 83	2.40 320	2.79 369	1.83 188	1.42 189	7.54 301	1.34 201	0.33 183	0.21 98	0.36 247	0.27 151	0.32 115	0.39 212

test-2	1.13 61	0.70 178	2.26 103	0.75 19	0.44 52	3.05 109	0.91 223	2.78 107	1.45 39	2.37 313	1.52 115	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 234	0.28 178	0.34 149	0.26 59

111	1.83 174	0.92 276	9.08 231	0.81 37	0.36 8	4.25 334	0.91 223	4.44 402	2.70 340	2.39 318	1.96 252	2.30 244	1.64 253	1.28 58	1.82 280	0.28 76	0.22 124	0.24 24	0.20 34	0.31 92	0.54 312

GANet-RSSM	1.98 201	0.62 115	3.49 166	1.69 377	1.23 310	4.22 330	0.91 223	3.31 153	1.86 185	1.81 141	1.74 175	2.34 247	1.82 286	10.92 382	1.73 271	0.34 195	0.29 238	0.31 149	0.28 178	0.39 200	0.40 232

DeepPruner_ROB	2.05 214	1.09 316	10.50 252	1.01 160	1.20 304	4.39 353	0.91 223	3.14 135	1.72 161	2.60 346	1.54 122	2.78 298	1.27 156	4.52 240	1.72 267	0.51 343	0.40 327	0.37 259	0.34 260	0.48 287	0.52 304

AEACV	0.79 6	0.54 41	1.35 22	0.97 136	0.63 143	1.13 7	0.92 234	2.02 37	0.91 2	0.76 19	0.79 10	0.80 36	1.61 235	1.28 58	0.61 10	0.22 5	0.18 27	0.26 52	0.23 79	0.27 33	0.23 24

GCAP-BAT	1.21 79	0.74 210	3.23 156	0.95 123	0.70 171	3.86 239	0.93 235	1.89 29	1.48 56	1.85 146	1.96 252	1.68 151	0.79 47	1.78 127	0.81 68	0.29 95	0.20 69	0.24 24	0.20 34	0.26 24	0.35 174

testlalala	1.14 66	0.62 115	1.34 21	1.00 155	0.78 189	4.38 350	0.93 235	2.46 68	2.20 249	2.44 324	1.52 115	1.31 106	0.61 12	1.04 16	0.65 18	0.35 213	0.19 44	0.24 24	0.19 25	0.24 7	0.23 24

HHNet	2.48 287	0.71 189	20.52 415	0.64 5	0.64 145	4.07 287	0.93 235	3.76 214	1.56 108	2.15 243	4.92 415	0.98 63	3.37 378	1.66 115	1.79 278	0.32 169	0.20 69	0.31 149	0.27 151	0.36 178	0.42 241

ac_64	2.35 267	0.62 115	9.77 240	1.32 294	1.71 393	3.27 133	0.93 235	3.48 167	2.50 314	1.74 130	1.73 173	3.91 371	1.77 273	10.21 358	1.86 285	0.40 265	0.31 261	0.33 200	0.30 220	0.34 149	0.39 212

cf-r	2.57 305	0.79 238	16.09 317	1.48 345	1.35 332	4.19 324	0.93 235	3.68 197	2.36 283	1.97 180	1.81 212	3.42 342	1.45 198	8.24 310	1.83 282	0.32 169	0.26 209	0.33 200	0.30 220	0.34 149	0.37 192

DispNO	3.00 350	0.75 222	18.92 362	1.17 239	1.10 282	3.72 207	0.94 240	4.29 362	2.54 322	2.24 276	2.28 313	4.51 401	2.12 310	11.40 401	2.09 313	0.31 151	0.28 228	0.31 149	0.28 178	0.36 178	0.39 212

RAFT+CT+SA	1.62 147	0.72 192	7.42 213	0.97 136	1.42 349	4.04 279	0.94 240	3.90 246	1.61 134	1.61 105	1.63 147	1.33 109	1.18 143	2.73 206	1.10 146	0.27 47	0.19 44	0.31 149	0.34 260	0.33 131	0.33 151

RAFT	1.23 84	0.84 259	2.05 78	0.96 129	0.47 73	1.80 44	0.94 240	3.18 141	1.46 46	1.60 100	1.71 168	3.04 315	1.59 230	1.64 112	1.32 194	0.38 247	0.24 178	0.40 284	0.32 246	0.40 205	0.35 174

test_xeample3	2.12 221	0.63 124	21.55 444	0.91 97	0.47 73	1.85 46	0.94 240	7.96 450	1.23 7	0.75 10	0.76 7	0.64 9	0.70 24	1.77 126	0.83 74	0.30 132	0.21 98	0.27 72	0.21 44	0.27 33	0.24 34

MyStereo07	1.01 47	0.80 241	1.26 14	1.00 155	1.04 269	3.95 261	0.95 244	2.07 42	1.42 33	0.75 10	1.22 52	0.68 14	0.91 74	1.63 110	0.67 24	0.24 16	0.24 178	0.34 217	0.26 126	0.41 228	0.37 192

MyStereo04	2.29 248	0.80 241	18.77 359	1.00 155	1.04 269	3.95 261	0.95 244	3.91 250	2.54 322	1.99 187	1.27 68	2.31 245	1.65 255	2.02 149	1.77 275	0.24 16	0.24 178	0.34 217	0.26 126	0.41 228	0.37 192

GwcNet-ADL	2.47 285	0.67 159	21.48 443	0.96 129	0.72 173	4.61 396	0.95 244	4.42 398	2.36 283	1.98 182	1.80 200	2.55 273	1.24 154	1.90 139	1.41 209	0.40 265	0.46 359	0.24 24	0.27 151	0.41 228	0.49 285

ICVP	2.26 238	0.66 151	21.18 436	0.99 147	0.88 226	4.28 341	0.95 244	3.32 157	1.60 131	1.66 116	1.76 187	1.34 110	1.14 134	1.62 107	1.32 194	0.53 351	0.35 291	0.33 200	0.29 205	0.40 205	0.51 299
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HGLStereo	2.03 210	0.74 210	7.50 215	1.23 263	1.56 368	3.62 193	0.95 244	3.78 219	1.89 191	2.03 209	2.20 301	3.12 322	2.14 313	5.68 263	2.04 305	0.37 231	0.31 261	0.32 167	0.29 205	0.40 205	0.45 262

test_for_model	2.16 225	3.87 426	1.58 40	4.16 450	3.64 446	2.51 81	0.96 249	3.63 188	2.62 329	2.45 325	1.39 90	1.02 67	0.73 30	0.92 5	0.57 5	2.97 438	2.19 442	0.26 52	0.17 10	5.32 455	2.24 430

rrr	2.27 240	0.65 141	23.82 461	0.90 92	0.46 63	1.57 35	0.96 249	7.98 451	1.19 6	0.65 3	0.77 8	0.74 28	0.72 27	2.59 196	0.86 85	0.28 76	0.21 98	0.28 94	0.21 44	0.29 58	0.25 41

PSMNet-RSSM	1.96 197	0.77 229	3.26 158	1.29 282	1.31 322	4.19 324	0.96 249	3.68 197	1.89 191	2.05 213	1.80 200	2.60 277	1.70 265	9.84 344	1.81 279	0.35 213	0.29 238	0.35 234	0.37 296	0.42 246	0.35 174

x	1.15 67	0.57 63	1.53 34	1.44 335	0.67 161	1.94 53	0.97 252	3.87 236	1.57 114	1.61 105	1.28 69	1.58 140	1.22 149	1.93 141	1.04 135	0.28 76	0.30 251	0.34 217	0.29 205	0.32 115	0.31 132

acv_ft	1.55 132	0.64 133	3.29 160	1.14 220	2.01 415	2.93 100	0.97 252	3.81 223	2.08 221	2.22 270	1.88 236	3.10 319	1.66 257	1.33 66	2.22 324	0.29 95	0.26 209	0.30 128	0.26 126	0.39 200	0.27 71

NOSS_ROB	2.27 240	0.73 202	3.00 149	1.71 380	1.00 263	3.90 245	0.97 252	4.29 362	2.81 361	2.94 378	2.19 299	3.88 370	1.19 147	11.77 423	1.62 254	0.59 362	0.54 376	0.56 366	0.52 365	0.56 314	0.54 312

RAFT_R40	1.70 158	0.59 83	2.99 148	1.46 341	0.46 63	4.74 421	0.98 255	2.23 52	1.56 108	2.02 205	2.35 335	2.71 286	2.56 343	6.71 287	0.90 99	0.40 265	0.19 44	0.30 128	0.27 151	0.33 131	0.26 59

IGEV++	0.90 22	0.58 76	1.32 19	0.94 120	0.45 56	1.27 16	1.00 256	3.32 157	1.55 102	0.82 31	1.34 80	0.86 48	1.09 117	1.16 33	0.89 96	0.33 183	0.18 27	0.23 11	0.19 25	0.29 58	0.22 17

RASNet	2.56 302	0.70 178	10.06 245	1.60 367	2.25 425	3.67 201	1.00 256	3.38 163	3.14 391	1.81 141	2.11 286	4.60 406	2.30 324	10.25 360	2.61 349	0.37 231	0.24 178	0.25 38	0.24 101	0.28 48	0.26 59

WCG-NET（raft）	0.95 33	0.55 46	1.20 11	0.84 61	0.31 2	1.44 27	1.01 258	1.55 9	2.37 289	1.64 111	1.42 96	2.38 253	1.01 93	1.29 60	0.76 54	0.22 5	0.19 44	0.22 6	0.20 34	0.25 16	0.21 15

ToySt	1.35 115	0.72 192	3.65 177	1.01 160	0.50 86	3.31 141	1.01 258	3.46 166	1.73 164	1.30 71	1.55 125	2.07 226	1.47 203	1.88 138	1.40 205	0.27 47	0.27 219	0.30 128	0.32 246	0.42 246	0.39 212

STrans-v2	3.03 354	0.77 229	20.91 426	0.81 37	0.63 143	3.89 244	1.01 258	4.27 354	2.64 333	2.28 284	3.70 402	4.13 384	5.20 412	7.33 296	1.27 185	0.31 151	0.18 27	0.29 109	0.25 110	0.29 58	0.41 238

UCFNet_RVC	1.57 138	0.84 259	3.25 157	1.36 314	1.40 341	4.07 287	1.01 258	2.68 96	1.50 69	2.11 229	1.88 236	2.37 252	1.50 212	3.41 217	1.42 211	0.36 224	0.28 228	0.52 354	0.40 325	0.53 303	0.43 250

GES	1.38 119	0.64 133	2.61 128	1.09 197	0.57 123	4.30 344	1.02 262	3.86 234	1.51 75	1.72 127	1.74 175	1.28 101	1.77 273	1.62 107	1.61 251	0.39 259	0.27 219	0.33 200	0.30 220	0.41 228	0.47 277

UGAM	2.58 306	0.56 55	18.55 357	0.89 87	0.71 172	3.23 124	1.03 263	2.75 104	1.75 171	1.36 77	2.77 368	2.69 283	1.28 158	10.75 373	1.40 205	0.28 76	0.24 178	0.40 284	0.31 236	0.35 166	0.30 124

BEATNet_4x	1.92 190	1.36 362	8.75 229	1.20 251	0.56 112	3.46 157	1.03 263	4.00 275	2.43 300	2.25 279	1.70 164	2.10 228	1.59 230	2.57 195	3.05 364	0.37 231	0.22 124	0.47 321	0.29 205	0.60 326	0.40 232

HSM	2.35 267	0.81 245	2.21 97	1.14 220	1.55 365	3.44 152	1.03 263	3.99 273	2.25 258	2.29 286	2.11 286	8.04 437	3.05 365	11.60 409	1.71 266	0.33 183	0.22 124	0.28 94	0.23 79	0.32 115	0.35 174

gwcnet-sp	2.31 252	1.21 336	17.34 333	1.08 191	0.92 236	3.56 181	1.04 266	3.69 202	2.09 224	2.55 336	1.60 139	1.80 180	1.62 238	3.87 228	1.95 295	0.29 95	0.29 238	0.30 128	0.28 178	0.38 190	0.39 212

scenet	2.31 252	1.21 336	17.34 333	1.08 191	0.92 236	3.56 181	1.04 266	3.69 202	2.09 224	2.55 336	1.60 139	1.80 180	1.62 238	3.87 228	1.95 295	0.29 95	0.29 238	0.30 128	0.28 178	0.38 190	0.39 212

ssnet	2.31 252	1.21 336	17.34 333	1.08 191	0.92 236	3.56 181	1.04 266	3.69 202	2.09 224	2.55 336	1.60 139	1.80 180	1.62 238	3.87 228	1.95 295	0.29 95	0.29 238	0.30 128	0.28 178	0.38 190	0.39 212

4D-IteraStereo	1.97 199	0.84 259	20.43 413	0.78 34	1.56 368	2.09 65	1.05 269	2.43 65	1.56 108	1.41 84	1.00 20	1.94 199	0.61 12	1.22 49	1.06 137	0.27 47	0.18 27	0.31 149	0.26 126	0.27 33	0.23 24

RAFT_CTSACE	1.80 172	1.06 310	10.00 244	1.71 380	1.39 339	3.49 164	1.06 270	3.05 128	1.62 137	1.70 122	2.04 269	2.51 270	1.80 281	1.98 144	0.94 118	0.25 27	0.22 124	0.28 94	0.30 220	0.30 77	0.26 59

DispFullNet	4.64 412	3.48 423	23.95 462	3.99 448	3.03 437	3.35 143	1.06 270	4.18 322	2.80 355	6.33 439	2.94 377	4.04 379	7.81 441	3.92 232	5.16 389	2.75 435	1.61 433	3.10 449	2.68 456	3.32 435	3.31 451

test_sample7	1.65 152	0.70 178	2.60 125	1.48 345	0.76 183	2.38 76	1.07 272	4.35 383	2.11 234	2.14 235	1.75 179	1.75 164	1.67 259	6.26 275	1.26 182	0.44 300	0.48 369	0.43 303	0.40 325	0.46 280	0.43 250

anonymity	1.76 167	1.26 349	2.73 139	1.66 374	1.32 326	1.84 45	1.07 272	3.49 170	2.30 270	2.11 229	2.11 286	1.71 160	3.90 393	1.82 132	1.48 226	1.10 411	1.09 420	1.08 419	1.08 419	1.05 396	1.09 395

AASNet	2.44 279	0.92 276	19.79 382	1.35 308	1.49 355	3.81 224	1.07 272	3.85 231	2.93 372	1.95 176	2.29 316	1.96 206	1.29 161	1.73 123	1.93 291	0.39 259	0.33 276	0.45 313	0.30 220	0.55 308	0.45 262

SHD	2.82 326	2.04 402	13.80 286	1.69 377	1.79 402	2.73 89	1.07 272	3.85 231	3.18 395	4.63 426	2.74 364	3.38 341	2.77 350	5.48 258	3.66 372	0.62 367	0.47 363	0.51 348	0.55 372	0.65 344	0.74 361

rvit_0105_3	1.24 89	0.93 279	2.84 142	0.97 136	0.58 130	2.38 76	1.08 276	3.26 149	2.53 319	1.18 67	1.40 93	1.24 97	1.04 100	1.73 123	0.97 124	0.44 300	0.44 346	0.40 284	0.42 335	0.42 246	0.50 292

TRStereo	2.31 252	1.87 394	19.74 381	1.53 353	1.16 292	4.26 335	1.08 276	4.73 428	1.45 39	1.55 95	1.28 69	1.75 164	0.85 60	1.81 130	1.20 165	0.36 224	0.26 209	0.32 167	0.36 284	0.34 149	0.33 151

PS-NSSS	2.22 230	1.33 360	2.90 146	0.97 136	1.53 360	4.11 294	1.08 276	4.55 418	2.65 334	2.10 225	2.32 332	1.77 169	1.40 180	11.79 424	1.61 251	0.68 382	0.45 351	0.96 413	0.43 337	0.95 389	0.92 385

LL-Strereo	3.01 352	1.81 393	17.59 343	1.12 212	2.10 420	2.90 95	1.09 279	4.33 379	2.00 206	3.12 388	2.24 306	3.29 333	3.15 368	11.31 399	1.84 283	0.30 132	0.28 228	0.46 318	0.34 260	0.49 292	0.45 262

AAGNet	2.86 329	0.60 92	1.77 53	2.05 411	0.46 63	4.76 423	1.09 279	2.27 55	1.56 108	2.17 252	1.84 224	2.41 256	4.00 394	6.23 274	24.22 464	0.46 312	0.19 44	0.30 128	0.29 205	0.32 115	0.24 34

iinet-f	2.26 238	1.18 331	13.71 280	1.14 220	1.11 283	3.77 215	1.10 281	4.14 317	2.17 244	2.06 218	1.76 187	2.99 311	2.99 359	2.50 183	2.49 340	0.35 213	0.39 322	0.27 72	0.28 178	0.45 271	0.39 212

FADNet-RVC	2.51 291	2.27 406	14.03 290	1.09 197	0.81 195	3.54 178	1.10 281	4.13 311	2.48 309	1.39 81	1.22 52	1.85 193	1.77 273	9.78 342	2.06 308	0.38 247	0.37 308	0.40 284	0.40 325	0.67 351	0.48 281

AANet_RVC	3.03 354	1.72 387	12.78 271	1.17 239	1.12 284	3.79 220	1.10 281	3.86 234	3.13 389	2.62 349	4.26 409	3.96 374	1.41 185	11.43 404	5.23 390	0.94 404	0.47 363	0.34 217	0.23 79	0.40 205	0.55 314

GASNet	3.24 370	5.55 435	20.58 419	1.56 362	1.25 315	2.32 74	1.12 284	4.04 286	2.67 337	1.88 155	2.10 282	3.00 312	2.16 316	10.59 367	2.43 336	0.65 374	0.37 308	0.61 380	0.45 343	0.87 383	0.58 324

test_4	1.30 108	0.50 15	6.16 204	0.84 61	0.45 56	1.61 37	1.12 284	2.14 45	1.42 33	1.52 92	2.31 327	1.84 191	0.79 47	2.52 190	1.19 162	0.27 47	0.17 10	0.29 109	0.29 205	0.29 58	0.25 41

GwcNet-RSSM	2.66 313	1.05 305	15.91 315	1.22 259	1.19 299	4.12 296	1.12 284	3.84 228	2.02 207	1.93 172	1.79 197	3.12 322	1.46 201	10.37 362	2.05 307	0.33 183	0.27 219	0.35 234	0.30 220	0.40 205	0.36 178

APVNet	3.13 363	1.25 348	21.14 432	1.31 292	1.52 359	3.94 256	1.13 287	3.32 157	2.14 239	2.20 260	2.03 266	3.05 318	1.96 300	11.79 424	2.53 344	0.42 288	0.45 351	0.64 387	0.46 345	0.67 351	0.57 320

iResNetv2_ROB	2.65 311	5.00 431	19.28 371	2.06 412	1.09 280	3.83 226	1.13 287	4.14 317	2.09 224	1.85 146	2.03 266	2.01 216	1.51 215	3.58 220	1.58 244	0.34 195	0.21 98	0.32 167	0.21 44	0.44 263	0.29 98

AdaStereo	1.45 126	0.83 255	2.34 113	1.28 279	0.81 195	3.21 121	1.14 289	4.20 325	2.46 308	2.05 213	1.77 192	2.48 267	1.18 143	1.71 121	1.44 214	0.43 293	0.25 197	0.43 303	0.28 178	0.44 263	0.34 162
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.
LMCR-Stereo	2.40 275	1.31 355	18.61 358	1.59 365	0.86 218	3.87 242	1.15 290	4.32 377	1.60 131	2.25 279	2.27 310	1.13 77	2.43 334	2.48 182	1.60 248	0.88 402	0.24 178	0.29 109	0.24 101	0.56 314	0.30 124

BSDual-CNN	1.46 127	0.59 83	1.94 67	0.87 78	0.85 213	4.16 312	1.16 291	4.48 408	1.88 187	2.93 374	1.83 219	2.60 277	1.31 165	1.60 101	1.21 169	0.34 195	0.25 197	0.31 149	0.28 178	0.35 166	0.33 151

hknet	1.98 201	0.64 133	8.70 228	0.87 78	1.07 275	4.16 312	1.16 291	4.48 408	1.73 164	2.93 374	1.83 219	3.48 345	1.30 164	3.91 231	1.51 236	0.31 151	0.25 197	0.31 149	0.28 178	0.35 166	0.33 151

DANet	2.63 309	1.07 311	8.10 221	1.83 395	1.70 392	3.25 130	1.16 291	4.31 373	2.38 292	3.40 401	2.18 297	4.08 381	1.80 281	9.77 340	3.89 375	0.52 349	0.55 378	0.59 372	0.44 339	0.63 334	0.86 379
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
fast-acv-ft	2.54 297	1.19 333	20.08 395	1.41 329	1.40 341	3.18 120	1.17 294	3.37 162	2.28 266	1.90 161	2.15 293	2.69 283	2.17 318	2.91 208	2.31 329	0.37 231	0.39 322	0.45 313	0.39 314	0.57 318	0.45 262

LRCNet_RVC	25.52 469	33.45 472	23.21 460	31.79 473	32.78 469	6.74 443	1.18 295	25.88 470	4.46 429	28.94 467	30.89 468	24.91 466	17.57 459	27.66 469	24.34 465	35.26 476	25.60 477	35.91 476	33.81 475	31.90 476	34.10 477

Nwc_Net	2.88 334	1.16 329	18.30 351	1.35 308	1.68 390	3.52 173	1.18 295	3.90 246	2.06 218	2.52 334	2.82 374	3.82 368	2.34 328	6.78 289	2.55 347	0.86 401	0.40 327	0.59 372	0.67 389	0.57 318	0.55 314

PWC_ROB	2.69 320	2.01 400	8.36 223	1.33 298	1.90 410	3.23 124	1.18 295	4.33 379	3.25 402	3.11 387	3.41 397	2.71 286	2.18 320	9.15 328	4.48 379	0.56 357	0.31 261	0.61 380	0.36 284	0.69 356	0.74 361

DualNet (step1)	2.34 262	1.05 305	7.87 216	1.07 184	0.86 218	3.93 251	1.19 298	4.35 383	2.11 234	2.14 235	1.75 179	1.75 164	1.67 259	6.26 275	1.26 182	1.23 417	0.48 369	4.27 459	2.09 445	0.70 357	0.69 349

test_sample9	3.79 390	1.05 305	7.87 216	1.07 184	0.86 218	3.93 251	1.19 298	4.35 383	2.11 234	2.14 235	1.75 179	1.75 164	1.67 259	11.06 389	11.61 424	1.23 417	14.45 472	4.27 459	2.09 445	0.70 357	0.69 349

test_sample8	4.76 414	1.05 305	7.87 216	1.07 184	0.86 218	3.93 251	1.19 298	4.38 392	2.05 216	5.49 431	1.89 242	12.98 448	6.37 428	11.06 389	11.61 424	1.23 417	14.45 472	4.27 459	2.09 445	0.70 357	0.69 349

UDG	3.55 381	2.81 418	17.45 339	2.69 429	1.98 413	3.97 269	1.19 298	4.35 383	2.02 207	2.42 322	2.53 349	4.50 400	2.46 338	6.53 279	2.41 335	2.12 432	1.77 436	2.63 441	2.57 453	2.64 432	1.95 425

CBFPSM	2.05 214	0.95 286	10.12 247	1.07 184	1.05 271	2.84 91	1.20 302	3.28 150	1.73 164	1.82 143	1.30 73	4.56 405	4.06 395	2.34 176	2.34 332	0.25 27	0.38 314	0.32 167	0.27 151	0.37 186	0.79 372

psmorigin	6.59 437	1.15 326	88.11 481	1.52 351	0.97 249	2.88 94	1.20 302	3.21 142	2.04 213	3.73 407	2.46 339	5.15 423	2.55 342	10.60 368	2.47 339	0.55 355	0.68 404	0.48 329	0.51 362	0.70 357	0.88 383

HSM-Net_RVC	2.87 332	0.57 63	17.46 340	0.92 103	0.90 234	3.70 204	1.20 302	5.64 446	2.51 317	3.22 394	2.43 338	2.54 272	1.59 230	11.41 402	1.65 260	0.34 195	0.25 197	0.26 52	0.23 79	0.30 77	0.29 98
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
LCNet	1.55 132	0.54 41	1.88 61	0.99 147	0.55 108	3.60 188	1.21 305	2.86 116	1.53 88	2.18 254	1.74 175	1.43 125	4.17 398	3.62 222	0.87 90	0.29 95	0.20 69	0.28 94	0.77 400	0.47 284	1.85 423

DRaft	2.28 245	0.56 55	2.64 133	0.74 18	0.46 63	3.94 256	1.23 306	2.32 58	1.55 102	2.64 353	2.80 371	1.60 142	5.34 415	6.96 293	10.99 420	0.34 195	0.22 124	0.27 72	0.27 151	0.29 58	0.37 192

psm_up	2.28 245	0.81 245	5.45 201	1.26 273	1.50 357	3.84 231	1.23 306	4.23 337	2.03 209	2.55 336	1.80 200	2.44 262	1.65 255	12.90 442	1.58 244	0.37 231	0.38 314	0.41 293	0.34 260	0.43 256	0.39 212

ADLNet	2.29 248	0.83 255	3.62 176	1.35 308	1.60 374	3.67 201	1.24 308	3.95 261	2.98 378	2.58 342	2.29 316	4.01 377	1.79 276	11.23 397	2.09 313	0.37 231	0.38 314	0.36 247	0.34 260	0.45 271	0.71 353

DISCO	2.25 236	0.73 202	10.06 245	1.76 385	1.12 284	3.47 160	1.25 309	3.24 147	2.26 261	2.65 355	1.96 252	4.53 403	1.92 298	4.17 238	3.61 371	0.32 169	0.25 197	0.31 149	0.29 205	0.66 349	0.41 238

rvit_105_1	1.43 123	0.90 271	3.27 159	1.08 191	0.68 166	2.79 90	1.27 310	3.52 176	2.35 280	1.38 80	1.54 122	1.28 101	1.14 134	2.91 208	1.40 205	0.54 353	0.47 363	0.45 313	0.59 380	0.44 263	0.58 324

test_5	1.87 177	0.75 222	10.23 248	1.14 220	1.40 341	3.85 237	1.27 310	3.91 250	1.93 195	1.69 120	1.78 194	1.67 149	1.79 276	2.99 213	1.17 159	0.30 132	0.18 27	0.35 234	0.33 253	0.34 149	0.33 151

SFCPSM	2.18 228	0.63 124	17.03 331	0.88 83	0.98 253	3.74 211	1.28 312	4.09 301	2.16 242	1.85 146	1.83 219	1.65 147	1.39 176	2.50 183	1.50 230	0.33 183	0.27 219	0.39 278	0.36 284	0.34 149	0.37 192

DLCB_ROB	2.05 214	0.95 286	2.37 114	1.24 265	1.02 265	2.92 99	1.30 313	3.68 197	2.30 270	2.91 372	2.17 296	3.32 336	1.52 217	10.37 362	2.50 341	0.40 265	0.33 276	0.40 284	0.36 284	0.41 228	0.47 277

CSP-Net	1.78 170	1.32 357	1.92 66	1.16 238	1.03 266	3.38 145	1.31 314	3.52 176	1.75 171	1.96 178	1.93 250	2.40 254	1.48 205	8.58 316	1.58 244	0.46 312	0.34 287	0.27 72	0.26 126	0.41 228	0.50 292

CoDeX	2.40 275	0.78 235	13.21 274	1.00 155	1.18 293	3.24 127	1.32 315	4.14 317	2.41 297	1.74 130	1.84 224	2.05 221	1.47 203	10.03 354	1.60 248	0.34 195	0.28 228	0.32 167	0.27 151	0.32 115	0.39 212

Consistency-Raft	2.86 329	1.66 384	19.61 376	1.40 328	1.75 397	3.84 231	1.32 315	4.07 295	2.25 258	1.78 136	2.67 360	1.82 185	4.41 402	1.94 143	2.06 308	0.83 399	0.94 417	1.03 415	1.12 420	1.70 425	1.09 395

PVD	3.12 362	1.97 399	12.80 272	1.79 392	1.63 379	3.83 226	1.34 317	3.48 167	3.88 422	5.77 433	3.56 400	3.45 344	3.29 375	5.58 262	5.30 391	0.71 388	0.69 405	0.74 403	0.77 400	0.79 376	1.13 398

UPFNet	1.81 173	0.63 124	6.71 207	1.25 267	1.44 350	3.50 167	1.35 318	4.02 281	1.85 184	2.40 320	1.52 115	2.41 256	1.40 180	3.62 222	1.88 287	0.34 195	0.33 276	0.37 259	0.31 236	0.41 228	0.39 212

PDISCO_ROB	2.86 329	1.53 376	14.27 295	1.98 408	2.19 422	4.52 381	1.35 318	4.65 424	3.19 396	2.09 222	2.16 294	3.53 355	2.45 336	5.32 252	2.12 315	1.30 425	0.78 412	0.72 400	0.59 380	1.24 415	1.28 403

TestStereo1	1.56 136	0.81 245	2.32 110	1.61 370	0.64 145	4.13 299	1.36 320	3.79 220	3.20 399	1.60 100	2.57 354	1.39 117	2.15 314	2.51 186	1.30 191	0.29 95	0.20 69	0.34 217	0.25 110	0.40 205	0.36 178

SA-5K	1.56 136	0.81 245	2.32 110	1.61 370	0.64 145	4.13 299	1.36 320	3.79 220	3.20 399	1.60 100	2.57 354	1.39 117	2.15 314	2.51 186	1.30 191	0.29 95	0.20 69	0.34 217	0.25 110	0.40 205	0.36 178

SA	1.62 147	0.75 222	3.78 179	1.07 184	0.43 47	4.26 335	1.36 320	4.45 405	3.12 388	1.63 109	1.97 258	1.68 151	2.26 323	2.55 192	1.27 185	0.27 47	0.22 124	0.37 259	0.37 296	0.35 166	0.30 124

DDUNet	2.91 335	2.78 417	6.94 211	3.53 442	2.26 426	3.28 136	1.36 320	3.77 216	2.04 213	2.62 349	2.49 343	4.18 387	1.69 264	5.38 254	1.85 284	2.21 433	1.77 436	2.61 440	2.43 451	2.60 431	2.34 433

LL-Strereo2	1.23 84	0.85 263	2.38 115	0.93 115	0.68 166	3.72 207	1.37 324	2.54 82	1.99 202	1.75 132	1.40 93	1.82 185	0.73 30	1.40 70	0.99 130	0.31 151	0.23 148	0.55 364	0.35 274	0.29 58	0.24 34

FADNet-RVC-Resample	2.83 327	2.02 401	21.07 430	1.12 212	0.91 235	3.53 174	1.37 324	4.08 299	2.09 224	1.68 119	1.33 75	2.03 217	1.51 215	9.54 336	1.69 264	0.38 247	0.37 308	0.42 299	0.44 339	0.56 314	0.56 316

NVstereo2D	2.54 297	0.90 271	11.10 258	1.32 294	1.47 354	3.58 185	1.38 326	4.13 311	2.45 305	1.90 161	1.71 168	2.86 303	1.76 272	10.86 378	1.66 261	0.60 363	0.43 341	0.53 356	0.41 330	0.78 374	0.94 387

RGC	3.10 361	1.45 371	14.90 303	1.46 341	1.79 402	3.33 142	1.39 327	4.04 286	2.26 261	2.77 364	3.26 393	4.00 376	2.71 349	11.63 416	2.62 351	0.82 397	0.46 359	0.79 405	0.79 404	0.71 364	0.78 370

edge stereo	3.37 378	1.01 298	21.99 451	1.28 279	1.37 335	2.67 88	1.39 327	3.98 269	2.87 366	2.93 374	3.27 394	4.35 395	2.43 334	11.62 411	2.39 333	0.60 363	0.63 396	0.79 405	0.55 372	0.68 354	0.67 344

ARAFT	2.56 302	1.13 322	19.50 375	0.89 87	0.48 79	4.15 303	1.40 329	4.36 388	2.82 363	2.36 312	1.88 236	1.70 158	1.04 100	6.45 278	1.22 172	0.29 95	0.18 27	0.37 259	0.35 274	0.35 166	0.25 41

NCC-stereo	3.16 367	1.28 351	18.31 352	1.25 267	1.75 397	4.06 282	1.40 329	3.89 241	2.22 251	2.72 360	2.55 350	3.49 351	2.65 347	9.91 347	2.99 361	1.29 423	0.65 398	0.64 387	0.86 407	0.65 344	0.71 353

Abc-Net	3.16 367	1.28 351	18.31 352	1.25 267	1.75 397	4.06 282	1.40 329	3.89 241	2.22 251	2.72 360	2.55 350	3.49 351	2.65 347	9.91 347	2.99 361	1.29 423	0.65 398	0.64 387	0.86 407	0.65 344	0.71 353
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
CRFU-Net	2.49 289	0.78 235	10.36 249	2.30 422	1.08 277	3.91 246	1.41 332	3.85 231	1.65 144	2.15 243	1.76 187	3.34 337	7.95 442	5.56 260	1.48 226	0.47 321	0.35 291	0.30 128	0.28 178	0.37 186	0.43 250

Sa-1000	1.63 151	0.79 238	3.56 171	1.11 210	0.48 79	4.06 282	1.41 332	4.49 411	2.75 346	2.00 199	2.80 371	1.84 191	1.43 192	2.64 200	1.50 230	0.27 47	0.19 44	0.36 247	0.33 253	0.36 178	0.30 124

psmg	1.47 130	0.59 83	1.94 67	0.92 103	0.85 213	4.30 344	1.42 334	4.10 309	1.88 187	2.64 353	2.09 281	2.60 277	1.31 165	1.60 101	1.21 169	0.34 195	0.27 219	0.33 200	0.34 260	0.36 178	0.34 162

RYNet	2.97 345	0.93 279	15.09 308	1.12 212	1.38 338	3.66 200	1.42 334	4.03 282	2.29 269	2.10 225	1.70 164	3.79 366	2.16 316	13.64 451	3.02 363	0.37 231	0.41 334	0.48 329	0.34 260	0.81 378	0.75 364

GEStereo_RVC	1.91 187	0.80 241	6.57 205	1.20 251	1.06 273	4.02 277	1.43 336	4.13 311	1.89 191	2.03 209	1.80 200	2.34 247	1.86 291	4.94 246	1.77 275	0.48 325	0.38 314	0.32 167	0.28 178	0.42 246	0.50 292

SQANet	3.70 386	9.34 453	18.41 354	2.75 430	2.74 431	3.40 149	1.47 337	3.50 172	1.68 149	2.60 346	1.75 179	2.69 283	1.91 297	6.72 288	1.74 272	2.96 437	1.41 430	1.85 430	1.12 420	3.17 434	2.70 442

ADLNet2	3.15 366	0.92 276	20.06 392	1.20 251	1.79 402	3.83 226	1.48 338	3.94 259	3.59 415	2.19 258	2.47 341	4.65 410	1.93 299	10.69 372	1.96 298	0.39 259	0.37 308	0.28 94	0.30 220	0.48 287	0.43 250

OMP-Stereo	1.97 199	0.93 279	1.88 61	2.76 431	0.67 161	4.58 392	1.48 338	4.31 373	1.54 96	3.15 391	2.76 367	3.25 330	1.38 173	7.66 306	1.35 202	0.40 265	0.20 69	0.33 200	0.26 126	0.33 131	0.24 34

DRN-Test	3.03 354	0.99 294	18.18 348	1.35 308	1.60 374	3.59 186	1.48 338	4.13 311	2.45 305	3.47 403	1.92 249	2.58 276	2.53 341	10.88 379	2.80 357	0.39 259	0.36 295	0.44 307	0.41 330	0.55 308	0.57 320

FBW_ROB	3.24 370	1.02 299	9.21 237	1.49 348	1.07 275	3.78 217	1.48 338	4.31 373	3.08 386	2.46 326	2.32 332	4.20 390	2.08 308	15.19 457	7.16 403	0.84 400	0.62 394	1.33 425	0.92 410	0.99 394	1.31 405

SACVNet	2.46 282	1.14 325	9.47 238	1.44 335	1.18 293	4.06 282	1.49 342	3.84 228	2.24 256	2.62 349	1.89 242	2.57 274	1.28 158	11.35 400	1.64 258	0.50 337	0.39 322	0.48 329	0.41 330	0.55 308	0.75 364

FINET	2.96 341	1.07 311	23.18 459	1.29 282	1.86 407	2.03 57	1.52 343	4.30 370	4.71 432	2.23 274	2.34 334	1.65 147	1.48 205	5.89 267	2.81 358	0.51 343	0.47 363	0.49 342	0.40 325	0.59 322	0.49 285

PASM	2.67 315	2.05 403	9.71 239	1.73 383	1.37 335	2.53 83	1.52 343	3.10 132	2.17 244	2.79 366	1.84 224	2.90 305	1.85 290	11.89 428	2.19 322	0.81 396	0.85 414	0.87 410	1.01 415	1.14 406	1.05 392

XQC	2.96 341	2.42 409	14.85 300	1.36 314	1.32 326	3.29 140	1.53 345	4.28 359	2.78 349	3.21 393	2.46 339	3.53 355	2.92 357	6.58 280	4.67 381	0.70 386	0.41 334	0.59 372	0.56 374	0.96 393	0.83 378

CVANet_RVC	2.55 301	1.10 317	9.13 236	1.46 341	1.15 288	3.96 266	1.53 345	3.91 250	2.50 314	3.04 382	2.04 269	2.60 277	1.72 269	12.46 438	1.50 230	0.49 335	0.30 251	0.51 348	0.41 330	0.63 334	0.50 292

ETE_ROB	2.07 217	1.40 367	3.01 150	1.09 197	0.92 236	3.94 256	1.53 345	4.25 346	2.23 253	3.31 396	2.06 279	2.35 249	1.52 217	8.74 318	2.07 311	0.44 300	0.36 295	0.51 348	0.48 352	0.54 306	0.62 335

Wz-Net-LNSev	2.30 251	1.67 386	14.88 302	1.18 245	1.65 385	3.49 164	1.54 348	3.63 188	2.03 209	1.88 155	1.64 149	3.29 333	2.06 306	2.71 204	2.02 304	0.40 265	0.33 276	0.32 167	0.31 236	0.53 303	0.49 285

GwcNet	3.00 350	1.63 380	19.83 384	1.32 294	2.04 419	3.27 133	1.55 349	3.65 191	2.33 277	2.00 199	2.12 289	3.56 359	1.68 263	9.47 334	2.45 337	0.44 300	0.45 351	0.46 318	0.38 309	0.60 326	0.76 366

DeepPrunerF	3.70 386	1.72 387	14.87 301	1.33 298	1.74 396	3.70 204	1.55 349	4.20 325	14.00 456	2.02 205	1.77 192	2.74 289	2.30 324	10.88 379	6.88 400	0.68 382	0.60 391	0.78 404	0.78 403	0.81 378	0.71 353

IRAFT_RVC	1.87 177	0.60 92	4.33 183	2.40 425	0.66 156	4.59 393	1.59 351	2.96 120	1.51 75	2.23 274	1.75 179	2.09 227	2.63 346	6.70 285	1.50 230	0.33 183	0.21 98	0.33 200	0.29 205	0.32 115	0.32 139

AF-Net	2.87 332	1.30 353	16.24 318	1.33 298	1.75 397	3.26 131	1.59 351	4.09 301	2.43 300	2.69 358	2.94 377	4.51 401	3.20 372	5.84 266	2.75 355	0.76 390	0.36 295	0.72 400	0.49 355	0.70 357	0.56 316

CC-Net-ROB	3.35 377	1.76 390	13.89 288	2.33 424	1.65 385	4.49 373	1.62 353	4.73 428	2.90 368	1.92 168	2.05 275	1.99 212	1.61 235	12.57 441	1.60 248	2.46 434	2.18 441	2.68 442	1.04 418	2.11 428	1.38 411

MFN_U_SF_RVC	3.81 391	10.78 458	15.01 306	1.84 396	1.39 339	3.73 210	1.63 354	4.05 290	3.26 403	2.91 372	2.38 336	4.36 397	3.65 388	8.43 313	4.91 387	1.11 413	1.04 418	0.99 414	1.31 427	1.58 422	1.75 422

XPNet_ROB	2.27 240	1.11 320	4.10 181	1.36 314	0.97 249	3.94 256	1.63 354	4.07 295	2.14 239	2.82 369	2.00 263	2.32 246	1.73 271	10.81 377	3.39 368	0.51 343	0.47 363	0.48 329	0.40 325	0.51 294	0.56 316

ssnet_v2	2.04 212	0.88 268	7.87 216	1.20 251	0.87 223	3.86 239	1.64 356	4.01 277	2.60 328	2.61 348	1.96 252	3.79 366	1.71 267	2.20 167	2.96 360	0.41 278	0.35 291	0.42 299	0.37 296	0.55 308	0.52 304

Wz-Net-LNSev-Ref	2.42 277	1.47 372	14.14 292	1.30 289	1.35 332	3.51 170	1.64 356	4.04 286	2.10 232	2.46 326	1.88 236	2.28 238	2.51 340	4.73 245	3.17 366	0.38 247	0.19 44	0.35 234	0.20 34	0.40 205	0.36 178

ADCRef	3.30 373	1.23 346	14.90 303	1.17 239	1.41 348	3.95 261	1.64 356	3.88 239	2.36 283	3.05 384	2.21 303	2.40 254	2.81 353	5.04 247	16.63 443	0.46 312	0.34 287	0.63 384	0.62 386	0.54 306	0.67 344

Syn2CoEx	3.08 358	2.55 415	19.88 385	1.34 304	1.18 293	2.43 79	1.65 359	3.91 250	2.40 295	2.39 318	2.27 310	2.90 305	3.17 371	9.57 338	2.54 346	0.50 337	0.45 351	0.53 356	0.39 314	0.74 368	0.72 359

PSMNet_ROB	2.95 338	1.38 364	18.46 356	1.19 247	1.20 304	3.80 222	1.65 359	3.54 179	2.35 280	1.98 182	1.71 168	2.75 291	1.79 276	11.43 404	2.78 356	0.42 288	0.36 295	0.50 345	0.60 382	0.59 322	0.49 285

stereogan	3.09 359	0.93 279	16.43 321	1.37 322	1.66 388	3.70 204	1.67 361	3.87 236	3.15 393	3.04 382	2.70 363	5.04 419	2.79 351	9.96 350	1.78 277	0.63 368	0.49 373	0.69 393	0.47 348	0.83 381	0.68 347

MFMNet_re	2.91 335	1.91 395	18.25 349	3.06 436	1.89 409	3.13 118	1.67 361	3.52 176	2.97 375	3.14 389	2.87 376	2.26 236	2.41 332	2.42 177	2.00 301	1.10 411	1.05 419	0.94 412	0.90 409	1.28 416	1.46 415

MaskLacGwcNet_RVC	3.13 363	1.43 369	9.93 243	2.50 426	1.62 377	4.29 342	1.68 363	3.95 261	2.43 300	1.66 116	1.91 248	3.04 315	1.41 185	13.26 444	1.58 244	3.82 450	1.59 432	1.12 421	0.46 345	2.21 429	2.74 443

PA-Net	3.09 359	1.24 347	18.84 360	1.38 324	1.19 299	3.42 150	1.75 364	3.89 241	3.27 406	1.88 155	2.10 282	3.03 314	1.88 295	11.60 409	2.88 359	0.40 265	0.54 376	0.44 307	0.62 386	0.52 297	1.02 390
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
CBMV_ROB	3.62 383	0.70 178	21.42 442	1.21 256	0.89 231	4.43 363	1.76 365	4.39 394	2.79 351	5.88 435	3.38 396	4.18 387	5.12 411	10.75 373	2.32 330	0.56 357	0.55 378	0.53 356	0.51 362	0.55 308	0.46 272

KYRaft	1.59 144	0.52 24	1.73 48	0.95 123	0.49 83	4.38 350	1.79 366	2.43 65	1.51 75	2.49 330	2.98 379	2.00 213	3.41 380	2.14 160	0.82 71	0.30 132	0.21 98	0.33 200	0.46 345	0.35 166	2.45 437

DSFCA	1.89 182	0.69 168	3.14 154	1.10 206	1.18 293	3.99 272	1.79 366	3.50 172	2.16 242	3.10 386	1.64 149	2.91 307	2.50 339	5.38 254	2.26 326	0.43 293	0.38 314	0.37 259	0.36 284	0.50 293	0.42 241

Wz-Net-SNSev	2.98 347	4.36 428	15.98 316	1.57 363	1.19 299	3.28 136	1.80 368	3.96 266	2.40 295	2.32 300	2.28 313	3.48 345	2.05 305	7.84 307	3.82 374	0.47 321	0.39 322	0.53 356	0.49 355	0.71 364	0.60 329

EDNetEfficientorigin	12.35 458	2.51 410	179.47 485	1.19 247	0.96 245	2.91 97	1.81 369	3.00 123	5.35 439	8.91 450	4.79 413	4.18 387	4.64 406	9.98 351	11.30 421	0.37 231	0.38 314	0.60 377	0.85 406	1.32 418	2.43 436

Prome-Stereo	1.61 146	0.55 46	1.71 47	0.98 141	0.60 134	4.41 359	1.82 370	3.03 126	1.53 88	2.18 254	3.45 398	1.72 161	3.49 386	2.23 172	1.08 142	0.29 95	0.20 69	0.26 52	0.25 110	0.34 149	2.16 429

GANetREF_RVC	3.20 369	1.93 396	18.84 360	1.51 350	0.80 192	4.12 296	1.82 370	4.16 321	2.91 369	1.87 152	1.74 175	2.48 267	1.84 288	13.18 443	1.74 272	0.80 394	0.57 381	0.79 405	0.74 396	1.20 414	0.86 379
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
LALA_ROB	1.95 195	1.48 373	3.11 153	1.05 178	0.98 253	3.99 272	1.82 370	4.44 402	2.28 266	3.31 396	1.85 231	2.76 297	1.67 259	4.04 235	3.23 367	0.46 312	0.41 334	0.55 364	0.52 365	0.60 326	0.57 320

DEmStereo	2.97 345	0.58 76	13.42 277	0.79 36	0.51 87	3.84 231	1.84 373	2.42 63	1.60 131	2.25 279	2.74 364	2.03 217	6.04 422	6.79 291	12.80 429	0.35 213	0.26 209	0.26 52	0.27 151	0.27 33	0.37 192

Ntro	4.21 404	8.94 449	19.89 386	3.22 438	2.96 436	4.15 303	1.89 374	3.92 255	2.36 283	1.77 134	2.14 291	3.35 338	2.17 318	9.48 335	2.24 325	3.52 446	1.76 435	2.13 433	1.31 427	3.83 443	3.09 444

GMM-Stereo	2.45 280	0.52 24	20.38 409	0.89 87	0.82 203	4.18 320	1.91 375	2.45 67	1.48 56	2.48 329	2.30 320	1.69 156	1.86 291	2.93 210	1.08 142	0.28 76	0.18 27	0.33 200	0.48 352	0.35 166	2.41 434

coex-ft	18.59 465	6.62 438	113.53 483	1.17 239	1.31 322	2.33 75	1.93 376	2.81 112	14.00 456	124.82 484	8.45 432	5.90 428	51.74 478	9.99 352	22.69 461	0.57 359	0.62 394	0.50 345	0.49 355	1.08 401	1.28 403

NVStereoNet_ROB	4.91 418	1.40 367	16.46 322	1.47 344	1.72 395	3.46 157	1.96 377	3.89 241	3.61 416	2.90 371	24.61 466	4.81 412	4.49 404	13.57 449	4.87 386	1.33 426	1.29 428	1.70 429	1.68 432	1.41 421	1.66 417
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
RP	2.79 324	1.20 335	10.36 249	1.54 355	1.93 411	3.44 152	1.97 378	4.05 290	2.34 278	2.66 356	2.79 369	3.98 375	2.58 344	10.21 358	2.61 349	0.95 405	0.47 363	0.71 396	0.57 377	0.71 364	0.68 347

MDST_ROB	5.53 426	0.59 83	23.11 457	2.55 427	2.69 430	21.20 466	1.98 379	4.77 430	2.65 334	9.36 452	4.25 408	4.14 385	4.45 403	22.57 462	3.68 373	0.48 325	0.33 276	0.47 321	0.44 339	0.44 263	0.44 256

FAT-Stereo	3.34 376	0.81 245	20.05 391	1.25 267	1.20 304	3.44 152	1.99 380	4.23 337	2.67 337	3.14 389	3.82 405	3.51 353	3.32 377	11.68 419	1.94 293	0.64 371	0.67 401	0.48 329	0.52 365	0.61 331	0.81 373

RAFT + AFF	2.51 291	2.66 416	4.48 188	1.15 233	1.95 412	4.15 303	2.01 381	4.46 406	3.30 407	2.19 258	2.51 346	2.22 235	4.87 409	8.91 322	2.06 308	0.30 132	0.60 391	0.48 329	0.38 309	0.77 372	0.69 349

delet	1.92 190	0.76 227	5.14 194	1.01 160	1.65 385	3.44 152	2.03 382	3.76 214	2.48 309	2.01 201	2.05 275	2.63 281	1.90 296	5.34 253	2.12 315	0.28 76	0.29 238	0.40 284	0.31 236	0.41 228	0.45 262

DPSNet	3.43 379	1.37 363	12.19 267	1.39 326	1.24 312	4.15 303	2.06 383	4.51 415	3.34 408	2.69 358	1.96 252	3.52 354	5.56 417	10.68 371	9.68 415	0.93 403	0.73 408	0.40 284	0.37 296	1.06 397	0.86 379

StereoDRNet	2.84 328	1.49 374	14.48 298	1.33 298	1.57 372	3.44 152	2.06 383	3.69 202	2.36 283	3.26 395	1.84 224	2.79 300	1.80 281	10.88 379	3.16 365	0.41 278	0.33 276	0.39 278	0.36 284	0.59 322	0.58 324

MSMD_ROB	5.61 427	1.08 313	16.68 325	1.21 256	0.83 204	10.14 453	2.07 385	3.93 256	6.22 445	10.37 458	8.03 428	22.22 460	9.45 448	11.66 417	4.52 380	0.66 376	0.58 386	0.66 390	0.68 392	0.65 344	0.63 338

pmcnn	5.45 425	1.22 342	17.40 337	1.60 367	2.41 428	3.48 162	2.12 386	4.52 416	3.26 403	3.67 406	13.15 454	22.10 459	3.46 385	11.92 430	17.16 446	0.34 195	0.21 98	0.23 11	0.19 25	0.36 178	0.28 88

DAS	2.31 252	0.67 159	4.79 191	1.14 220	1.64 381	2.93 100	2.13 387	4.09 301	2.74 344	4.17 418	2.52 347	2.46 265	1.79 276	11.55 408	1.63 256	0.37 231	0.22 124	0.39 278	0.25 110	0.41 228	0.34 162

SepStereo	2.15 224	0.67 159	4.79 191	1.14 220	1.64 381	2.93 100	2.13 387	4.09 301	2.74 344	4.17 418	2.52 347	2.46 265	1.79 276	8.36 311	1.63 256	0.37 231	0.22 124	0.39 278	0.25 110	0.41 228	0.34 162

TDLM	2.29 248	1.08 313	4.61 190	1.29 282	1.01 264	4.26 335	2.17 389	3.75 212	2.79 351	2.31 296	1.98 260	2.06 223	1.59 230	12.45 437	1.72 267	0.51 343	0.28 228	0.52 354	0.35 274	0.56 314	0.50 292

ccnet	2.66 313	0.97 293	8.01 220	1.54 355	1.24 312	3.75 212	2.18 390	4.07 295	2.41 297	2.66 356	3.25 392	2.87 304	2.31 327	9.89 346	3.50 369	0.78 391	0.75 410	0.71 396	0.67 389	0.76 371	0.81 373

ACVNet-4b	6.73 439	13.67 465	21.87 450	3.54 443	3.07 438	4.19 324	2.25 391	4.03 282	3.65 417	1.64 111	3.98 407	5.88 427	2.89 355	10.01 353	16.98 445	23.29 474	2.24 444	2.53 437	1.78 437	3.87 444	3.21 449

ADCMid	3.96 396	3.27 421	15.48 313	1.26 273	1.40 341	4.66 403	2.28 392	4.06 294	3.54 414	3.94 411	3.02 381	3.85 369	3.67 389	4.03 234	18.65 454	0.68 382	0.61 393	1.09 420	1.18 424	1.38 419	1.08 394

WZ-Net	3.62 383	4.87 430	16.77 328	1.43 333	1.40 341	3.75 212	2.29 393	4.12 310	2.50 314	2.74 362	2.19 299	4.06 380	5.29 414	10.19 357	7.36 404	0.54 353	0.37 308	0.47 321	0.49 355	0.77 372	0.73 360

SPS-STEREO	3.97 397	1.44 370	20.85 423	1.72 382	1.71 393	3.24 127	2.30 394	3.55 180	2.68 339	4.79 428	3.66 401	5.44 426	2.97 358	9.11 326	9.35 414	1.15 414	1.10 421	1.06 418	1.02 417	1.16 410	1.18 400
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
FC-DCNN	6.64 438	0.77 229	19.26 369	1.68 376	1.64 381	8.27 450	2.35 395	6.35 447	9.23 449	10.85 459	11.27 447	19.89 456	13.33 452	12.51 439	11.79 426	0.66 376	0.57 381	0.58 369	0.56 374	0.63 334	0.61 332

FC-DCNN v2	6.91 443	0.77 229	19.25 367	1.69 377	1.64 381	9.13 452	2.40 396	7.20 449	9.47 450	11.07 461	11.62 449	20.05 458	15.79 455	12.55 440	11.99 427	0.66 376	0.57 381	0.58 369	0.56 374	0.63 334	0.61 332

Wz-Net-MNSev	2.71 322	2.54 414	13.91 289	1.52 351	1.37 335	3.28 136	2.47 397	4.03 282	2.32 276	2.57 340	2.07 280	2.29 243	3.01 361	7.55 302	2.74 354	0.38 247	0.36 295	0.36 247	0.37 296	0.57 318	0.47 277

ACVNet_1	6.04 434	13.97 466	21.36 440	3.58 444	3.14 441	4.73 418	2.48 398	4.20 325	3.17 394	2.98 380	2.83 375	23.31 461	4.34 401	11.06 389	2.45 337	3.68 447	2.33 447	2.60 439	1.79 438	3.69 440	3.19 448

Wz-Net-TNSev	3.67 385	8.83 445	13.47 278	1.48 345	1.18 293	3.60 188	2.49 399	4.27 354	3.13 389	2.18 254	1.89 242	4.21 391	2.80 352	12.10 431	7.58 406	0.57 359	0.55 378	0.47 321	0.54 371	0.91 387	1.05 392

GANet	2.93 337	1.05 305	11.29 260	1.64 372	0.96 245	3.91 246	2.52 400	3.72 209	2.41 297	2.95 379	3.00 380	3.21 326	2.03 302	12.42 436	4.72 383	0.51 343	0.41 334	0.46 318	0.39 314	0.60 326	0.50 292

S-Stereo	3.48 380	0.91 274	22.06 453	1.36 314	1.50 357	3.55 179	2.53 401	4.21 330	2.81 361	2.37 313	3.81 404	3.75 364	1.84 288	11.90 429	2.51 342	0.63 368	0.71 406	0.48 329	0.76 398	0.67 351	1.19 401

NCCL2	2.53 295	1.35 361	10.90 257	1.15 233	0.97 249	3.53 174	2.56 402	3.65 191	2.23 253	2.76 363	1.80 200	2.41 256	1.66 257	10.35 361	2.07 311	0.44 300	0.40 327	0.57 368	0.53 369	0.59 322	0.65 342

otaku	4.58 411	8.93 448	19.95 388	3.11 437	2.67 429	3.91 246	2.57 403	3.82 224	2.25 258	2.22 270	9.72 441	4.08 381	2.35 329	8.57 315	2.13 318	3.51 445	1.65 434	2.15 434	1.17 423	3.69 440	3.15 446

FCDSN-DC	6.04 434	0.84 259	19.25 367	1.24 265	1.09 280	4.38 350	2.62 404	4.38 392	4.71 432	9.59 455	11.22 446	19.19 455	17.40 458	12.30 433	8.55 411	0.69 385	0.57 381	0.60 377	0.60 382	0.70 357	0.78 370
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SAMSARA	3.55 381	2.16 405	14.18 293	1.86 399	1.49 355	4.62 397	2.65 405	3.58 184	2.80 355	7.05 442	3.05 383	5.16 424	4.07 396	9.18 329	4.80 385	0.64 371	0.67 401	0.59 372	0.68 392	0.89 384	0.91 384

ADCPNet	3.89 392	1.63 380	20.25 404	1.28 279	1.27 318	6.43 441	2.65 405	3.93 256	2.70 340	2.78 365	2.20 301	4.28 393	6.16 426	5.56 260	10.27 418	0.65 374	1.18 423	0.71 396	1.70 434	0.84 382	1.37 409

LVE	6.88 442	9.31 452	21.14 432	3.61 445	3.18 443	4.49 373	2.79 407	10.21 454	11.69 453	3.16 392	11.53 448	18.33 454	4.31 400	11.66 417	3.52 370	4.45 458	2.93 453	2.56 438	1.91 442	3.62 437	3.16 447

WAO-8	11.95 456	13.02 462	20.56 417	3.50 440	3.08 439	15.11 463	2.80 408	12.91 459	19.11 465	7.69 444	13.12 452	11.62 444	7.01 436	84.40 483	7.91 407	3.42 443	1.92 438	3.54 455	1.93 443	3.68 438	2.69 440

Venus	11.95 456	13.02 462	20.56 417	3.50 440	3.08 439	15.11 463	2.80 408	12.91 459	19.11 465	7.69 444	13.12 452	11.62 444	7.01 436	84.40 483	7.91 407	3.42 443	1.92 438	3.54 455	1.93 443	3.68 438	2.69 440

TorneroNet-64	10.12 450	8.74 444	20.95 428	4.27 452	3.76 451	13.86 460	2.85 410	15.05 464	23.15 468	10.07 456	23.84 465	13.47 449	8.24 445	13.96 454	17.21 447	3.96 453	2.72 450	3.23 450	2.48 452	6.29 457	4.27 461

MADNet+	3.97 397	9.54 454	13.83 287	1.87 400	1.69 391	4.19 324	2.87 411	4.80 431	4.10 428	2.51 333	2.67 360	4.55 404	3.41 380	8.72 317	6.92 401	1.25 420	1.27 427	1.04 416	0.93 411	1.39 420	1.85 423

HBP-ISP	3.25 372	1.10 317	20.86 424	1.54 355	1.15 288	4.50 376	2.89 412	4.43 401	2.38 292	4.14 417	1.96 252	1.90 196	2.04 304	11.08 392	1.32 194	0.66 376	0.57 381	0.66 390	0.61 385	0.64 341	0.61 332

G-Net	4.11 401	1.21 336	19.47 374	2.31 423	2.94 435	4.74 421	2.95 413	3.33 160	2.14 239	4.44 424	9.43 439	6.93 433	3.84 391	9.01 325	4.92 388	0.79 392	0.80 413	0.70 395	0.50 359	0.95 389	0.87 382

RTS	3.90 393	7.04 439	17.94 345	1.92 402	2.19 422	5.00 429	2.96 414	4.29 362	3.19 396	4.05 414	3.08 384	4.94 415	3.16 369	7.64 303	6.72 395	0.66 376	0.44 346	0.51 348	0.47 348	0.95 389	0.76 366

RTSA	3.90 393	7.04 439	17.94 345	1.92 402	2.19 422	5.00 429	2.96 414	4.29 362	3.19 396	4.05 414	3.08 384	4.94 415	3.16 369	7.64 303	6.72 395	0.66 376	0.44 346	0.51 348	0.47 348	0.95 389	0.76 366

RainbowNet	4.56 409	8.28 442	20.07 394	3.64 446	3.23 444	4.15 303	2.99 416	4.18 322	3.03 383	2.20 260	2.65 359	4.26 392	2.90 356	9.77 340	2.12 315	3.88 451	2.27 445	2.71 444	1.72 436	3.78 442	3.31 451

ACVNet_2	5.41 424	12.60 461	20.42 412	3.27 439	3.15 442	4.50 376	3.02 417	4.66 425	3.73 420	3.35 400	5.36 417	7.86 436	2.88 354	12.33 435	4.76 384	3.12 441	2.22 443	2.70 443	1.69 433	3.49 436	3.10 445

NaN_ROB	4.06 400	1.13 322	16.64 324	1.12 212	1.25 315	3.50 167	3.05 418	4.29 362	3.26 403	3.64 404	2.56 352	2.97 309	4.79 407	13.33 445	16.91 444	0.37 231	0.41 334	0.38 275	0.39 314	0.48 287	0.81 373

IMH	6.81 441	13.66 464	20.41 411	4.33 456	3.74 448	5.50 434	3.06 419	5.49 445	6.22 445	4.64 427	10.35 443	9.30 440	8.03 444	13.61 450	6.81 397	4.80 463	2.99 458	3.09 448	2.12 448	4.36 449	3.61 453

SuperB	4.79 415	4.41 429	21.08 431	1.45 339	1.08 277	3.91 246	3.08 420	4.18 322	3.01 381	2.50 331	2.10 282	2.75 291	3.49 386	8.80 319	19.60 458	0.44 300	0.33 276	0.53 356	0.39 314	12.01 468	0.64 340

WAO-7	5.16 420	3.21 419	18.98 363	1.88 401	1.44 350	5.34 433	3.09 421	4.91 433	5.81 444	4.35 423	8.92 438	6.55 430	6.06 423	13.40 447	10.81 419	1.34 427	1.20 426	1.48 428	1.35 430	1.60 423	1.45 413

TorneroNet	25.88 470	11.28 460	21.62 447	4.20 451	4.07 454	55.25 478	3.15 422	15.16 465	76.94 480	58.09 476	82.72 481	86.88 482	41.15 473	13.35 446	18.13 451	4.32 454	2.85 451	3.45 451	2.62 454	8.33 467	4.14 460

SGM-Forest	2.96 341	0.62 115	3.49 166	1.09 197	0.80 192	4.06 282	3.30 423	4.37 391	3.09 387	4.18 421	3.27 394	4.67 411	3.86 392	11.69 420	7.91 407	0.51 343	0.46 359	0.49 342	0.39 314	0.48 287	0.49 285
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
KSHMR	16.96 463	5.37 433	21.64 449	4.46 457	4.50 457	8.30 451	3.32 424	15.58 467	76.24 479	6.62 441	61.47 477	56.53 477	5.43 416	35.17 474	11.37 422	4.39 456	2.97 457	3.63 457	2.74 458	5.10 454	4.34 462

MFN_U_SF_DS_RVC	3.94 395	10.88 459	12.30 269	1.26 273	1.55 365	5.19 432	3.33 425	4.42 398	2.82 363	2.58 342	2.62 356	5.00 417	2.11 309	14.03 455	2.73 353	1.28 422	2.34 448	0.67 392	1.83 439	0.81 378	1.03 391

notaker	10.50 453	8.60 443	20.23 400	4.54 459	3.95 452	6.27 439	3.44 426	8.07 452	4.75 435	8.73 449	46.45 472	13.86 452	27.86 468	13.49 448	13.61 432	4.56 459	3.18 459	3.52 454	2.68 456	8.13 466	4.05 459

SGM_RVC	4.57 410	0.72 192	17.46 340	1.84 396	0.58 130	4.23 333	3.45 427	4.66 425	3.66 418	7.99 447	8.82 437	7.56 435	8.74 447	12.30 433	6.84 399	0.43 293	0.38 314	0.39 278	0.35 274	0.51 294	0.48 281
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
WCMA_ROB	5.12 419	0.90 271	21.33 438	1.50 349	1.33 329	4.09 289	3.49 428	4.03 282	4.59 431	6.57 440	10.95 445	12.92 447	8.41 446	9.86 345	8.78 412	0.75 389	0.58 386	0.51 348	0.50 359	0.68 354	0.57 320

CSAN	4.71 413	1.39 366	20.23 400	1.19 247	0.87 223	3.65 199	3.50 429	4.57 420	3.87 421	3.89 410	7.82 426	3.54 358	6.16 426	23.47 467	6.82 398	0.52 349	0.45 351	0.49 342	0.52 365	0.63 334	0.66 343

HanzoNet	31.60 472	17.23 467	21.22 437	7.32 465	5.84 462	7.25 446	3.53 430	13.82 463	14.20 458	50.38 474	47.01 473	44.45 471	56.61 479	36.61 475	32.00 473	63.89 480	56.57 481	7.97 466	89.20 481	28.69 471	28.25 474

Dean	7.52 445	9.08 450	21.41 441	3.74 447	3.53 445	4.81 425	3.53 430	5.33 442	5.25 438	4.17 418	26.53 467	25.62 467	4.09 397	10.97 383	4.32 377	3.69 448	2.30 446	2.91 445	1.87 441	4.03 445	3.24 450

MSC_U_SF_DS_RVC	4.48 408	10.62 457	15.18 311	1.55 360	1.45 353	6.16 438	3.54 432	5.41 444	3.68 419	2.59 345	2.74 364	4.81 412	2.20 321	13.79 452	4.40 378	2.04 430	3.36 461	1.05 417	1.20 425	2.09 427	1.72 420

WAO-6	5.87 432	2.27 406	15.05 307	2.96 434	2.77 432	12.01 456	3.58 433	5.37 443	11.91 455	3.34 398	9.69 440	6.78 432	5.84 420	11.82 426	8.89 413	2.87 436	2.35 449	2.50 436	1.84 440	2.85 433	2.67 439

ADCS	4.22 405	5.33 432	16.32 319	1.64 372	1.31 322	3.91 246	3.64 434	4.21 330	2.89 367	5.11 430	2.81 373	4.46 399	3.06 367	5.21 251	19.50 457	0.63 368	0.64 397	0.69 393	0.69 394	1.12 404	1.26 402

ADCP+	3.74 389	1.96 398	16.90 329	1.09 197	1.55 365	4.35 348	3.65 435	3.93 256	2.98 378	2.22 270	1.66 155	3.95 372	4.83 408	3.41 217	18.87 456	0.38 247	0.41 334	0.63 384	0.53 369	0.64 341	0.81 373

UNDER WATER	10.47 451	3.95 427	22.62 456	5.07 462	4.51 458	7.78 449	3.77 436	12.56 458	21.72 467	7.84 446	10.78 444	23.96 463	31.66 469	10.78 376	16.19 441	4.44 457	2.93 453	4.24 458	2.86 459	6.33 459	5.47 466

aanetorigin	3.30 373	1.66 384	17.52 342	1.18 245	1.58 373	2.57 85	3.80 437	2.65 94	2.03 209	6.12 438	4.30 410	2.82 301	5.70 418	5.47 257	4.67 381	0.50 337	0.44 346	0.43 303	0.47 348	1.17 411	0.92 385

SANet	5.65 429	1.72 387	20.94 427	1.26 273	0.88 226	7.20 445	3.81 438	4.60 422	11.23 451	4.56 425	8.78 436	7.49 434	6.95 433	11.85 427	18.11 450	0.49 335	0.44 346	0.50 345	0.42 335	0.90 386	0.82 377

MeshStereo	5.35 423	1.32 357	21.34 439	1.34 304	1.15 288	4.40 357	3.90 439	5.18 436	4.55 430	10.14 457	11.82 450	11.47 443	5.84 420	13.84 453	7.03 402	0.61 365	0.58 386	0.60 377	0.58 378	0.72 367	0.59 328
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
CBMV	3.32 375	0.96 292	21.16 434	1.32 294	0.83 204	3.81 224	3.91 440	4.47 407	2.53 319	3.34 398	2.24 306	4.45 398	2.58 344	10.07 356	1.96 298	0.45 308	0.43 341	0.48 329	0.38 309	0.52 297	0.53 306
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
AnyNet_C32	4.17 403	5.75 436	12.62 270	1.60 367	1.54 361	5.51 435	4.09 441	3.90 246	3.23 401	4.22 422	3.03 382	3.10 319	3.41 380	8.01 309	18.85 455	0.53 351	0.58 386	0.53 356	0.74 396	1.19 413	0.97 388

ktn	21.74 468	10.34 456	19.68 379	4.53 458	4.00 453	6.53 442	4.51 442	6.79 448	78.82 481	84.69 481	100.86 484	58.49 478	7.57 440	12.11 432	13.35 430	4.58 462	3.24 460	3.49 452	2.62 454	4.65 452	3.84 457

UNDER WATER-64	9.33 449	5.37 433	22.60 455	5.22 463	4.86 460	10.75 454	4.61 443	11.45 455	17.30 460	7.59 443	9.80 442	15.99 453	17.90 460	10.63 369	15.72 437	4.36 455	2.87 452	4.39 462	2.86 459	7.01 462	5.36 465

IMH-64-1	4.84 416	2.53 412	6.83 208	4.30 454	3.74 448	4.81 425	6.05 444	5.30 439	3.92 423	3.95 412	8.33 430	5.08 421	6.06 423	8.96 323	6.30 392	4.57 460	2.96 455	3.04 446	2.12 448	4.28 447	3.62 454

IMH-64	4.84 416	2.53 412	6.83 208	4.30 454	3.74 448	4.81 425	6.05 444	5.30 439	3.92 423	3.95 412	8.33 430	5.08 421	6.06 423	8.96 323	6.30 392	4.57 460	2.96 455	3.04 446	2.12 448	4.28 447	3.62 454

LSM	12.71 459	3.52 424	20.79 422	55.63 479	84.76 477	3.63 198	6.30 446	3.73 210	4.93 436	5.55 432	13.92 456	3.53 355	3.25 374	9.72 339	4.12 376	0.64 371	0.85 414	0.71 396	0.81 405	1.03 395	26.84 472

AnyNet_C01	4.37 407	7.80 441	16.40 320	1.98 408	1.40 341	6.37 440	6.47 447	4.09 301	5.03 437	4.06 416	3.78 403	4.16 386	3.31 376	6.62 282	10.00 416	0.61 365	0.67 401	0.63 384	0.67 389	2.01 426	1.31 405

PSM-AAD	2.43 278	0.54 41	1.32 19	0.92 103	0.54 105	4.48 367	7.47 448	2.96 120	1.55 102	2.31 296	2.56 352	1.26 99	16.23 456	2.46 180	0.89 96	0.28 76	0.21 98	0.58 369	0.41 330	0.34 149	1.32 407

EDNetEfficient	5.61 427	2.14 404	16.75 327	1.67 375	3.64 446	4.12 296	7.51 449	3.05 128	5.63 443	11.57 462	4.83 414	3.95 372	12.72 451	8.44 314	20.78 460	0.41 278	0.43 341	0.47 321	1.01 415	1.66 424	1.39 412

PWCK	5.85 431	9.95 455	15.22 312	2.90 433	1.56 368	5.66 437	7.69 450	5.27 438	4.74 434	3.88 409	7.51 424	8.04 437	5.28 413	15.18 456	8.40 410	3.08 440	1.51 431	2.24 435	1.37 431	5.55 456	1.96 426

MADNet++	7.57 447	5.80 437	13.28 275	6.38 464	5.26 461	7.18 444	7.77 451	5.32 441	5.62 442	6.11 437	7.78 425	6.02 429	8.01 443	11.74 422	16.36 442	9.36 466	4.95 464	8.57 467	5.66 464	4.83 453	5.34 464

GrayStereo	2.58 306	0.53 35	1.63 42	1.58 364	0.89 231	4.17 317	8.17 452	3.03 126	1.52 83	2.80 367	2.50 344	1.70 158	17.10 457	2.83 207	1.15 153	0.33 183	0.21 98	0.27 72	0.32 246	0.28 48	0.53 306

ELAS	5.99 433	1.62 378	20.29 406	1.96 407	2.01 415	15.09 462	8.38 453	5.23 437	5.54 441	9.02 451	8.61 433	6.74 431	9.75 449	7.48 300	11.40 423	0.96 406	1.18 423	0.72 400	0.93 411	1.30 417	1.67 418
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ADCL	4.35 406	1.63 380	14.21 294	1.29 282	1.26 317	5.56 436	11.16 454	3.97 267	3.37 409	6.07 436	4.67 412	4.30 394	5.72 419	5.08 249	14.51 433	0.50 337	0.48 369	0.89 411	0.77 400	0.78 374	0.76 366

FTStereo	3.71 388	0.53 35	20.37 408	0.96 129	0.65 152	4.34 347	11.29 455	2.62 92	1.50 69	2.58 342	5.04 416	1.90 196	13.84 454	3.71 225	1.25 179	0.38 247	0.24 178	0.31 149	0.32 246	0.30 77	2.10 428

ELAS_RVC	5.72 430	1.64 383	20.40 410	2.09 413	2.01 415	4.95 428	11.47 456	4.66 425	6.31 447	8.09 448	8.01 427	8.06 439	11.65 450	8.36 311	10.22 417	0.99 408	1.17 422	0.81 408	0.76 398	1.14 406	1.58 416
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
JetBlue	6.27 436	9.15 451	13.76 281	1.94 406	4.60 459	11.91 455	12.00 457	5.12 435	3.45 413	3.79 408	4.52 411	9.54 441	6.56 432	9.40 333	13.48 431	1.26 421	1.37 429	1.17 423	1.34 429	7.06 463	3.95 458

JetRed	10.48 452	27.10 471	35.70 469	4.27 452	4.09 455	15.55 465	12.83 458	12.16 456	5.50 440	5.83 434	5.56 419	10.14 442	7.43 438	8.88 320	26.39 468	3.32 442	3.81 462	3.51 453	2.96 461	7.85 464	6.69 467

EAI-Stereo	2.35 267	0.63 124	2.97 147	0.95 123	0.65 152	3.84 231	14.27 459	5.04 434	2.19 247	2.06 218	7.25 422	1.10 75	0.94 80	1.65 114	1.37 203	0.31 151	0.22 124	0.27 72	0.60 382	0.27 33	0.32 139

MANE	11.39 454	1.38 364	23.16 458	4.82 461	2.79 433	22.02 467	14.51 460	25.81 469	26.28 469	10.93 460	13.17 455	19.90 457	18.03 461	15.69 458	20.41 459	0.96 406	0.74 409	1.42 426	3.24 462	0.74 368	1.71 419

THIR-Stereo	4.14 402	0.82 252	10.85 256	0.86 74	0.43 47	2.16 68	16.77 461	3.22 144	1.54 96	2.04 212	12.05 451	2.68 282	7.53 439	7.30 295	12.62 428	0.30 132	0.21 98	0.29 109	0.28 178	0.33 131	0.41 238

SGM+DAISY	8.36 448	3.82 425	24.83 463	2.02 410	1.75 397	14.80 461	17.22 462	4.27 354	11.79 454	13.88 463	14.38 457	11.74 446	13.83 453	10.56 366	15.12 434	1.21 415	1.19 425	1.14 422	1.13 422	1.17 411	1.37 409

CrosDoStereo	5.24 421	0.60 92	20.23 400	0.82 45	0.51 87	3.39 146	18.11 463	3.82 224	2.27 263	1.98 182	8.74 434	1.96 206	6.96 434	7.35 297	26.35 466	0.30 132	0.22 124	0.30 128	0.28 178	0.33 131	0.38 206

DeepStereo_LL	5.24 421	0.60 92	20.23 400	0.82 45	0.51 87	3.39 146	18.11 463	3.82 224	2.27 263	1.98 182	8.74 434	1.96 206	6.96 434	7.35 297	26.35 466	0.30 132	0.22 124	0.30 128	0.28 178	0.33 131	0.38 206

SGM-ForestM	11.55 455	1.16 329	21.62 447	2.14 414	0.81 195	22.25 468	19.08 465	16.50 468	11.34 452	15.94 466	14.44 458	27.12 468	22.61 467	24.76 468	28.39 472	0.50 337	0.48 369	0.47 321	0.44 339	0.55 308	0.53 306

LE_ROB	18.58 464	1.21 336	48.38 475	8.60 467	23.00 468	7.32 447	19.74 466	9.94 453	38.69 473	43.53 471	21.91 462	28.40 469	40.92 472	23.18 464	54.71 477	0.34 195	0.33 276	0.32 167	0.36 284	0.42 246	0.40 232

tt	7.19 444	0.51 18	6.83 208	4.03 449	2.30 427	12.05 457	20.19 467	15.46 466	6.58 448	3.42 402	3.22 391	5.37 425	6.39 431	4.20 239	7.46 405	9.81 467	11.53 471	7.05 465	7.46 466	6.31 458	3.71 456

HaxPig	43.25 475	43.65 476	45.00 473	33.85 474	35.61 471	32.69 472	30.52 468	45.09 476	42.97 474	48.77 472	48.17 474	43.00 470	40.26 471	44.58 476	43.61 474	47.18 477	49.30 478	51.54 478	50.25 477	43.73 477	45.29 478

AVERAGE_ROB	44.46 476	45.91 477	46.59 474	40.59 476	38.66 472	32.99 473	30.52 468	46.19 477	43.26 475	49.59 473	48.97 475	44.62 472	39.89 470	45.04 477	43.94 475	48.74 478	50.69 479	50.80 477	49.79 476	45.54 478	46.97 479

DGTPSM_ROB	15.31 461	8.85 446	28.14 467	9.90 468	18.89 464	12.44 458	33.21 470	13.48 461	17.86 463	9.50 453	22.89 463	13.78 450	19.67 462	21.26 460	23.68 462	5.08 464	8.84 465	5.62 463	11.50 467	6.72 460	14.87 468

DPSMNet_ROB	15.52 462	8.89 447	31.44 468	10.07 469	18.91 465	12.44 458	33.22 471	13.51 462	17.94 464	9.58 454	22.91 464	13.79 451	19.67 462	21.43 461	23.73 463	5.17 465	8.84 465	5.63 464	11.52 470	6.79 461	14.90 469

MEDIAN_ROB	47.37 477	49.08 478	49.92 476	40.32 475	39.97 473	34.95 474	33.43 472	49.17 478	46.39 477	53.06 475	52.65 476	47.65 473	42.23 477	48.35 481	47.29 476	52.10 479	54.04 480	54.28 479	53.48 478	48.76 479	50.33 480

Anonymous_1	57.11 480	19.68 468	26.15 464	23.10 470	142.31 482	30.84 469	39.75 473	33.86 475	16.98 459	70.53 480	15.42 459	23.46 462	19.75 464	23.04 463	27.23 469	164.73 485	9.02 467	130.38 482	137.40 482	161.27 485	27.24 473

DPSM_ROB	20.78 466	20.03 469	26.57 465	23.62 471	22.46 466	31.10 470	39.97 474	33.52 473	17.41 461	15.25 464	15.80 460	24.06 464	20.71 465	23.30 465	27.62 470	10.78 468	9.41 468	11.69 470	11.50 467	14.49 469	16.36 470

DPSM	20.78 466	20.03 469	26.57 465	23.62 471	22.46 466	31.10 470	39.97 474	33.52 473	17.41 461	15.25 464	15.80 460	24.06 464	20.71 465	23.30 465	27.62 470	10.78 468	9.41 468	11.69 470	11.50 467	14.49 469	16.36 470

DGSMNet	7.55 446	1.62 378	17.42 338	1.92 402	12.73 463	7.45 448	42.99 476	4.13 311	2.07 220	2.10 225	3.16 390	3.42 342	1.70 265	9.24 330	2.30 328	3.70 449	10.89 470	11.80 472	5.54 463	4.24 446	2.66 438

BEATNet-Init1	49.72 479	64.32 481	97.77 482	4.68 460	4.28 456	84.75 483	60.42 477	73.38 482	68.59 478	88.29 482	88.51 483	91.94 483	97.99 483	85.26 485	70.96 484	0.80 394	0.65 398	0.85 409	0.70 395	7.96 465	2.33 432

xxxxx1	112.33 483	88.53 482	37.76 470	227.84 484	157.23 483	39.05 475	61.41 478	93.76 483	79.29 482	62.45 477	74.79 478	78.32 479	70.96 480	33.47 471	70.69 481	114.00 482	130.36 483	259.31 484	274.34 484	145.54 482	147.50 483

tt_ll	112.33 483	88.53 482	37.76 470	227.84 484	157.23 483	39.05 475	61.41 478	93.76 483	79.29 482	62.45 477	74.79 478	78.32 479	70.96 480	33.47 471	70.69 481	114.00 482	130.36 483	259.31 484	274.34 484	145.54 482	147.50 483

ff	112.33 483	88.53 482	37.76 470	227.84 484	157.23 483	39.05 475	61.41 478	93.76 483	79.29 482	62.45 477	74.79 478	78.32 479	70.96 480	33.47 471	70.69 481	114.00 482	130.36 483	259.31 484	274.34 484	145.54 482	147.50 483

LSM0	49.58 478	40.04 473	53.62 480	97.15 480	128.68 481	62.75 481	79.89 481	67.63 481	35.11 472	33.02 470	32.61 471	48.43 476	41.60 474	46.60 479	55.43 479	21.63 473	18.99 476	23.62 475	23.13 472	29.47 475	52.26 481

Selective-RAFT-Error	41.77 473	40.16 474	53.34 478	47.73 477	45.25 475	62.51 479	80.64 482	67.22 479	34.93 471	30.64 469	31.81 469	48.11 474	42.11 476	46.57 478	54.95 478	21.61 472	18.87 474	23.48 473	23.15 473	29.16 473	33.08 476

CasAABBNet	41.80 474	40.20 475	53.41 479	47.73 477	45.18 474	62.51 479	80.71 483	67.26 480	34.80 470	30.49 468	31.88 470	48.24 475	41.81 475	46.63 480	55.64 480	21.60 471	18.88 475	23.48 473	23.22 474	29.19 474	33.05 475

DPSimNet_ROB	102.30 482	119.72 486	143.59 484	109.42 481	94.10 478	127.22 484	127.15 484	26.62 471	102.36 485	149.58 485	83.99 482	139.34 485	137.54 485	64.62 482	82.36 485	105.18 481	66.15 482	120.15 481	69.61 480	99.58 481	77.72 482

test_example2	212.63 486	219.92 487	221.87 486	213.67 483	221.17 486	199.47 486	200.74 485	185.30 486	141.66 486	209.52 486	213.45 485	210.82 486	205.48 486	221.27 486	216.64 486	236.83 486	242.07 486	213.93 483	217.01 483	235.69 486	226.10 486

PML	64.32 481	53.22 479	17.88 344	8.10 466	32.94 470	148.46 485	247.79 486	12.18 457	45.42 476	111.41 483	288.92 486	101.47 484	101.31 484	31.67 470	15.55 435	14.03 470	4.83 463	10.98 469	6.18 465	28.82 472	5.17 463

ASD4		113.98 485

Low-res two-view benchmark