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

IGEV-BASED-STEREO-	0.37 68	1.34 424	1.24 30	0.23 4	0.12 3	0.33 15	0.20 34	0.40 6	0.33 6	0.25 35	0.21 4	0.16 1	0.14 1	0.27 5	0.63 294	0.55 420	0.06 1	0.11 120	0.13 202	0.25 269	0.49 410

AIO-Stereo	0.30 21	0.27 52	1.25 31	0.27 58	0.24 196	0.37 26	0.20 34	0.52 60	0.36 13	0.21 7	0.30 42	0.23 20	0.14 1	0.31 30	0.20 24	0.08 5	0.07 14	0.09 30	0.38 403	0.19 199	0.31 351

U	3.37 459	0.17 1	0.91 9	0.26 45	13.79 473	19.19 476	0.15 4	0.41 10	0.31 2	0.17 1	0.18 2	0.27 50	0.15 3	0.21 1	0.16 1	0.09 23	0.06 1	17.88 477	12.81 474	0.10 16	0.08 13

RAStereo	0.28 9	0.48 192	1.52 78	0.26 45	0.18 96	0.25 3	0.19 21	0.42 12	0.35 10	0.20 5	0.25 19	0.20 5	0.16 4	0.24 2	0.24 70	0.09 23	0.08 68	0.10 70	0.08 36	0.12 40	0.08 13

CAS++	0.31 28	0.33 106	1.43 58	0.25 23	0.17 69	0.31 10	0.20 34	0.78 213	0.41 34	0.30 56	0.30 42	0.21 12	0.16 4	0.33 45	0.18 3	0.15 281	0.12 228	0.13 227	0.10 86	0.15 101	0.11 55
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
RSM++	0.27 5	0.26 48	0.87 8	0.28 80	0.13 9	0.39 31	0.20 34	0.45 22	0.45 64	0.20 5	0.24 14	0.24 27	0.17 6	0.36 61	0.20 24	0.08 5	0.07 14	0.09 30	0.35 393	0.26 287	0.18 227

RSM	0.28 9	0.26 48	0.97 11	0.25 23	0.24 196	0.37 26	0.21 51	0.49 41	0.44 51	0.21 7	0.27 26	0.28 58	0.17 6	0.38 73	0.20 24	0.07 1	0.07 14	0.09 30	0.34 390	0.21 221	0.16 191

RAFT-Stereo-weight	0.34 47	0.29 78	1.43 58	0.28 80	0.28 246	0.55 123	0.22 69	0.78 213	0.48 86	0.46 130	0.38 84	0.36 93	0.17 6	0.33 45	0.23 51	0.09 23	0.08 68	0.09 30	0.07 15	0.09 10	0.09 23

MSKI-zero shot	0.46 156	0.38 136	2.47 338	0.27 58	0.43 363	0.56 137	0.20 34	0.77 199	0.43 48	0.60 284	0.51 168	0.44 148	0.17 6	0.68 195	0.21 34	0.09 23	0.29 389	0.09 30	0.32 383	0.14 85	0.10 41

DLNR_Zeroshot_test	13.43 473	19.94 478	23.55 478	121.61 489	35.03 484	0.46 54	0.15 4	8.02 470	0.35 10	0.28 53	0.37 76	0.26 44	0.17 6	0.76 216	0.29 119	6.42 470	0.26 380	0.09 30	0.38 403	50.13 487	0.18 227

CASnet	0.28 9	0.31 96	1.20 26	0.28 80	0.11 1	0.47 57	0.19 21	0.44 19	0.44 51	0.38 82	0.31 49	0.23 20	0.17 6	0.29 18	0.19 6	0.10 96	0.06 1	0.15 287	0.12 175	0.16 134	0.07 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CAS	0.35 58	0.25 38	1.30 37	0.79 417	0.34 305	0.51 82	0.23 92	0.46 24	0.39 25	0.22 12	0.31 49	0.20 5	0.17 6	0.28 9	0.23 51	0.73 430	0.06 1	0.07 1	0.05 1	0.09 10	0.37 383

EGLCR-Stereo	0.29 15	0.27 52	0.97 11	0.30 122	0.19 121	0.56 137	0.17 11	0.68 140	0.36 13	0.30 56	0.18 2	0.27 50	0.17 6	0.38 73	0.19 6	0.09 23	0.07 14	0.10 70	0.08 36	0.10 16	0.35 369

MGS-Stereo	0.32 33	0.34 116	1.70 107	0.25 23	0.14 17	0.40 33	0.22 69	0.38 4	0.43 48	0.24 22	0.51 168	0.25 35	0.18 14	0.31 30	0.20 24	0.09 23	0.08 68	0.09 30	0.08 36	0.47 399	0.08 13

UniTT-Stereo	0.30 21	0.36 129	1.68 101	0.27 58	0.24 196	0.29 6	0.18 17	0.33 2	0.34 8	0.26 43	0.37 76	0.18 3	0.18 14	0.31 30	0.27 96	0.10 96	0.08 68	0.08 4	0.07 15	0.25 269	0.08 13

Selective-IGEV	0.29 15	0.23 27	1.28 34	0.27 58	0.30 262	0.35 22	0.20 34	0.56 86	0.38 19	0.21 7	0.30 42	0.22 13	0.18 14	0.37 68	0.18 3	0.07 1	0.06 1	0.08 4	0.15 252	0.16 134	0.29 336

XX-TBD	0.34 47	0.77 298	1.75 125	0.34 223	0.13 9	0.51 82	0.17 11	0.43 16	0.50 99	0.37 76	0.49 157	0.23 20	0.18 14	0.28 9	0.24 70	0.10 96	0.07 14	0.08 4	0.06 8	0.09 10	0.07 3

IGEV-Stereo+	0.29 15	0.29 78	0.86 7	0.25 23	0.34 305	0.30 8	0.14 2	0.32 1	0.53 130	0.18 2	0.12 1	0.18 3	0.19 18	0.49 135	0.17 2	0.09 23	0.08 68	0.08 4	0.20 326	0.46 398	0.59 421

4D-IteraStereo	0.44 129	0.96 359	2.63 363	0.27 58	0.30 262	0.45 41	0.25 134	0.52 60	0.50 99	0.40 90	0.31 49	0.40 114	0.19 18	0.35 55	0.32 155	0.09 23	0.06 1	0.12 171	0.11 143	0.19 199	0.30 344

CES	0.30 21	0.27 52	1.09 16	0.23 4	0.50 385	0.40 33	0.20 34	0.46 24	0.44 51	0.22 12	0.28 29	0.26 44	0.19 18	0.33 45	0.21 34	0.09 23	0.07 14	0.08 4	0.05 1	0.15 101	0.49 410

GLC_STEREO	0.28 9	0.27 52	1.36 46	0.28 80	0.12 3	0.41 35	0.20 34	0.37 3	0.38 19	0.26 43	0.30 42	0.25 35	0.19 18	0.33 45	0.24 70	0.09 23	0.11 204	0.12 171	0.10 86	0.13 66	0.09 23

CREStereo++_RVC	0.33 40	0.29 78	1.74 119	0.24 11	0.16 45	0.54 111	0.15 4	0.40 6	0.55 147	0.37 76	0.51 168	0.24 27	0.19 18	0.27 5	0.26 88	0.09 23	0.06 1	0.08 4	0.30 373	0.08 1	0.06 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
XX-Stereo	0.55 252	0.54 213	3.50 437	0.48 361	0.39 341	0.54 111	0.17 11	0.89 291	0.40 30	0.44 112	0.65 296	0.85 353	0.19 18	0.77 220	0.21 34	0.10 96	0.14 259	0.10 70	0.32 383	0.17 155	0.14 135

model_zeroshot	0.44 129	0.68 268	1.97 243	0.28 80	0.18 96	0.69 307	0.21 51	0.63 120	0.40 30	1.00 398	0.34 64	0.42 133	0.20 24	0.69 201	0.24 70	0.10 96	0.22 356	0.10 70	0.22 338	0.12 40	0.10 41

Pointernet	0.29 15	0.25 38	1.49 72	0.24 11	0.20 136	0.47 57	0.15 4	0.62 115	0.47 84	0.22 12	0.29 34	0.26 44	0.20 24	0.28 9	0.20 24	0.10 96	0.07 14	0.07 1	0.12 175	0.10 16	0.07 3

test_for_model	0.64 299	1.60 433	1.82 175	1.23 443	1.02 439	0.53 106	0.23 92	0.75 177	0.50 99	0.57 247	0.29 34	0.25 35	0.20 24	0.26 3	0.22 44	0.76 432	0.31 395	0.08 4	0.07 15	1.68 454	0.50 413

Former-RAFT_DAM_RVC	0.50 201	0.33 106	0.93 10	0.26 45	0.22 167	0.46 54	0.20 34	1.10 411	1.34 426	3.16 461	0.32 53	0.22 13	0.20 24	0.30 23	0.22 44	0.10 96	0.09 127	0.11 120	0.09 53	0.15 101	0.19 239

testlalala	0.36 62	0.30 87	1.77 138	0.28 80	0.33 298	0.60 197	0.22 69	0.55 83	0.51 106	0.55 226	0.35 68	0.31 69	0.20 24	0.26 3	0.22 44	0.10 96	0.13 244	0.09 30	0.24 343	0.08 1	0.07 3

ProNet	0.30 21	0.54 213	1.29 35	0.25 23	0.15 31	0.47 57	0.25 134	0.48 35	0.39 25	0.21 7	0.23 8	0.22 13	0.20 24	0.44 98	0.19 6	0.08 5	0.08 68	0.10 70	0.08 36	0.23 244	0.12 86

rvit_stereo_0081_aga	0.27 5	0.29 78	1.08 14	0.26 45	0.20 136	0.33 15	0.21 51	0.41 10	0.42 40	0.26 43	0.28 29	0.27 50	0.21 30	0.31 30	0.21 34	0.14 265	0.10 159	0.11 120	0.10 86	0.14 85	0.10 41

rvit_stereo_0081	0.25 2	0.21 13	0.61 2	0.28 80	0.17 69	0.31 10	0.22 69	0.42 12	0.53 130	0.24 22	0.25 19	0.25 35	0.21 30	0.34 51	0.23 51	0.13 228	0.10 159	0.11 120	0.10 86	0.12 40	0.09 23

rvit_stereo_0082	0.25 2	0.21 13	0.61 2	0.28 80	0.17 69	0.31 10	0.22 69	0.42 12	0.53 130	0.24 22	0.25 19	0.25 35	0.21 30	0.34 51	0.23 51	0.13 228	0.10 159	0.11 120	0.10 86	0.12 40	0.09 23

trnet	0.28 9	0.26 48	1.32 40	0.19 1	0.12 3	0.54 111	0.15 4	0.48 35	0.46 69	0.27 48	0.33 58	0.24 27	0.21 30	0.30 23	0.21 34	0.10 96	0.07 14	0.08 4	0.05 1	0.09 10	0.07 3

testlalala2	0.44 129	0.28 73	2.59 359	0.64 404	0.56 399	0.57 155	0.20 34	0.78 213	0.52 112	0.40 90	0.39 92	0.45 157	0.21 30	0.27 5	0.22 44	0.09 23	0.10 159	0.08 4	0.29 367	0.12 40	0.10 41

LL-Strereo2	0.41 98	0.90 341	1.83 180	0.44 330	0.24 196	0.54 111	0.27 178	0.58 94	0.45 64	0.41 97	0.33 58	0.44 148	0.21 30	0.44 98	0.34 172	0.09 23	0.08 68	0.16 304	0.14 230	0.17 155	0.17 208

test-3	0.43 119	0.20 8	1.70 107	0.34 223	0.32 285	0.45 41	0.23 92	0.71 150	0.46 69	0.51 180	0.29 34	0.45 157	0.21 30	0.59 171	0.98 346	0.08 5	0.07 14	0.10 70	0.35 393	0.29 304	0.28 330

test_1	0.43 119	0.20 8	1.70 107	0.34 223	0.32 285	0.45 41	0.23 92	0.71 150	0.46 69	0.50 168	0.29 34	0.45 157	0.21 30	0.59 171	0.98 346	0.08 5	0.07 14	0.10 70	0.35 393	0.29 304	0.29 336

CREStereo	0.28 9	0.30 87	1.33 42	0.19 1	0.13 9	0.55 123	0.17 11	0.48 35	0.46 69	0.27 48	0.33 58	0.24 27	0.21 30	0.31 30	0.21 34	0.11 151	0.07 14	0.08 4	0.05 1	0.10 16	0.07 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
IGEV-Stereo++	0.23 1	0.23 27	0.64 4	0.24 11	0.22 167	0.47 57	0.13 1	0.52 60	0.33 6	0.18 2	0.24 14	0.17 2	0.22 39	0.32 37	0.19 6	0.08 5	0.06 1	0.08 4	0.06 8	0.17 155	0.09 23

Occ-G	0.30 21	0.30 87	1.33 42	0.23 4	0.15 31	0.36 25	0.25 134	0.43 16	0.31 2	0.26 43	0.35 68	0.46 170	0.22 39	0.30 23	0.25 81	0.09 23	0.07 14	0.09 30	0.16 271	0.31 322	0.08 13

rvit_stereo_0080	0.27 5	0.38 136	0.76 5	0.24 11	0.18 96	0.34 18	0.27 178	0.54 78	0.44 51	0.24 22	0.26 24	0.27 50	0.22 39	0.29 18	0.23 51	0.13 228	0.10 159	0.10 70	0.10 86	0.15 101	0.11 55

whm_eth	0.27 5	0.38 136	0.76 5	0.24 11	0.18 96	0.34 18	0.27 178	0.54 78	0.44 51	0.24 22	0.26 24	0.27 50	0.22 39	0.29 18	0.23 51	0.13 228	0.10 159	0.10 70	0.10 86	0.15 101	0.11 55

MaDis-Stereo	0.29 15	0.54 213	1.44 60	0.24 11	0.29 252	0.29 6	0.16 9	0.45 22	0.37 17	0.19 4	0.21 4	0.28 58	0.22 39	0.30 23	0.29 119	0.10 96	0.09 127	0.10 70	0.08 36	0.11 29	0.11 55

SPstereo	0.34 47	0.89 338	1.76 129	0.26 45	0.12 3	0.52 99	0.14 2	0.49 41	0.38 19	0.29 55	0.30 42	0.29 65	0.22 39	0.30 23	0.20 24	0.09 23	0.17 314	0.09 30	0.07 15	0.21 221	0.11 55

test_4	0.40 92	0.37 131	2.01 247	0.29 108	0.21 146	0.50 76	0.28 193	0.47 32	0.39 25	0.42 101	0.76 344	0.38 102	0.22 39	0.52 148	0.33 165	0.08 5	0.07 14	0.11 120	0.15 252	0.28 301	0.07 3

test_3	0.44 129	0.20 8	1.70 107	0.36 256	0.32 285	0.47 57	0.30 221	0.73 163	0.49 92	0.50 168	0.30 42	0.45 157	0.22 39	0.59 171	0.98 346	0.08 5	0.10 159	0.11 120	0.35 393	0.29 304	0.28 330

CroCo-Stereo	0.30 21	0.45 179	1.08 14	0.31 148	0.17 69	0.19 1	0.21 51	0.73 163	0.50 99	0.21 7	0.24 14	0.55 212	0.22 39	0.27 5	0.26 88	0.09 23	0.08 68	0.08 4	0.07 15	0.12 40	0.09 23
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
TANstereo	0.33 40	0.49 195	1.75 125	0.23 4	0.12 3	0.54 111	0.16 9	0.40 6	0.45 64	0.45 122	0.51 168	0.26 44	0.22 39	0.29 18	0.20 24	0.10 96	0.10 159	0.08 4	0.06 8	0.08 1	0.11 55

ff7	0.32 33	0.52 204	1.38 49	0.25 23	0.16 45	0.56 137	0.23 92	0.46 24	0.41 34	0.24 22	0.23 8	0.20 5	0.23 49	0.48 125	0.19 6	0.09 23	0.08 68	0.10 70	0.18 297	0.23 244	0.22 269

ffff	0.32 33	0.52 204	1.38 49	0.25 23	0.16 45	0.56 137	0.23 92	0.46 24	0.41 34	0.24 22	0.23 8	0.20 5	0.23 49	0.48 125	0.19 6	0.09 23	0.08 68	0.10 70	0.18 297	0.23 244	0.22 269

11t	0.32 33	0.52 204	1.38 49	0.25 23	0.16 45	0.56 137	0.23 92	0.46 24	0.41 34	0.24 22	0.23 8	0.20 5	0.23 49	0.48 125	0.19 6	0.09 23	0.08 68	0.10 70	0.18 297	0.23 244	0.22 269

testlalala_base	0.46 156	0.30 87	1.82 175	0.34 223	0.27 236	0.55 123	0.21 51	0.85 262	0.32 4	0.32 66	0.39 92	0.31 69	0.23 49	0.30 23	0.28 105	0.95 438	0.30 393	0.09 30	0.21 331	1.03 434	0.18 227

CroCo-Stereo Lap2	0.33 40	0.61 234	1.47 67	0.32 176	0.38 339	0.23 2	0.22 69	0.58 94	0.46 69	0.22 12	0.27 26	0.29 65	0.23 49	0.32 37	0.26 88	0.09 23	0.09 127	0.10 70	0.08 36	0.21 221	0.14 135

ccc-4	0.32 33	0.52 204	1.38 49	0.25 23	0.16 45	0.56 137	0.23 92	0.46 24	0.41 34	0.24 22	0.23 8	0.20 5	0.23 49	0.48 125	0.19 6	0.09 23	0.08 68	0.10 70	0.18 297	0.23 244	0.22 269

iRaftStereo_RVC	0.37 68	0.53 209	1.41 54	0.28 80	0.15 31	0.52 99	0.20 34	0.54 78	0.46 69	0.37 76	0.43 106	0.41 120	0.23 49	0.36 61	0.26 88	0.09 23	0.15 282	0.12 171	0.11 143	0.41 383	0.37 383

GCAP-BAT	0.43 119	0.31 96	1.82 175	0.25 23	0.26 224	0.65 277	0.23 92	0.48 35	0.37 17	0.67 333	0.82 354	0.44 148	0.24 56	0.48 125	0.87 339	0.09 23	0.13 244	0.09 30	0.22 338	0.08 1	0.09 23

gcap-zeroshot	0.41 98	0.62 240	1.78 143	0.31 148	0.32 285	0.69 307	0.21 51	0.74 167	0.52 112	0.43 106	0.35 68	0.62 251	0.24 56	0.41 84	0.24 70	0.09 23	0.16 298	0.09 30	0.31 378	0.08 1	0.09 23

AE-Stereo	0.42 113	0.29 78	1.65 95	0.43 325	0.47 380	0.56 137	0.23 92	0.86 271	0.46 69	0.31 60	0.41 101	0.43 137	0.24 56	0.34 51	0.24 70	0.09 23	0.48 426	0.11 120	0.45 416	0.22 235	0.19 239

RAFT-Test	0.44 129	0.38 136	2.01 247	0.27 58	0.44 364	0.64 265	0.37 289	0.72 155	0.57 160	0.45 122	0.48 140	0.65 265	0.24 56	0.35 55	0.29 119	0.09 23	0.11 204	0.09 30	0.38 403	0.10 16	0.11 55

LoS_RVC	0.29 15	0.33 106	1.19 24	0.25 23	0.34 305	0.43 38	0.22 69	0.42 12	0.32 4	0.22 12	0.33 58	0.23 20	0.24 56	0.31 30	0.21 34	0.07 1	0.07 14	0.07 1	0.05 1	0.10 16	0.31 351

anonymousdsp	0.34 47	0.53 209	1.47 67	0.25 23	0.16 45	0.56 137	0.23 92	0.49 41	0.40 30	0.25 35	0.24 14	0.22 13	0.24 56	0.55 161	0.19 6	0.09 23	0.11 204	0.10 70	0.18 297	0.24 259	0.29 336

LoS	0.31 28	0.30 87	1.52 78	0.23 4	0.13 9	0.54 111	0.20 34	0.48 35	0.49 92	0.25 35	0.28 29	0.37 95	0.24 56	0.38 73	0.23 51	0.10 96	0.08 68	0.08 4	0.05 1	0.15 101	0.07 3
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
IGEV-Stereo	0.34 47	0.54 213	1.47 67	0.25 23	0.16 45	0.56 137	0.23 92	0.49 41	0.40 30	0.25 35	0.24 14	0.22 13	0.24 56	0.54 157	0.19 6	0.09 23	0.10 159	0.10 70	0.18 297	0.24 259	0.29 336
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
Pruner-Stereo	0.51 218	0.27 52	1.78 143	1.79 454	0.19 121	0.62 237	0.45 331	0.57 89	0.60 181	0.61 291	0.48 140	0.41 120	0.24 56	0.46 113	1.00 352	0.12 199	0.07 14	0.12 171	0.10 86	0.12 40	0.13 120

test-1	0.44 129	0.48 192	1.69 103	0.30 122	0.27 236	0.50 76	0.28 193	0.80 231	0.43 48	0.40 90	0.54 199	0.41 120	0.24 56	0.31 30	1.16 369	0.09 23	0.20 343	0.10 70	0.17 287	0.11 29	0.26 317

PMTNet	0.31 28	0.35 123	1.30 37	0.20 3	0.14 17	0.57 155	0.25 134	0.46 24	0.42 40	0.27 48	0.32 53	0.27 50	0.24 56	0.39 77	0.23 51	0.43 408	0.07 14	0.08 4	0.05 1	0.18 179	0.07 3

R-Stereo Train	0.36 62	0.21 13	1.70 107	0.29 108	0.18 96	0.55 123	0.26 153	0.78 213	0.36 13	0.57 247	0.67 301	0.33 82	0.24 56	0.32 37	0.23 51	0.10 96	0.08 68	0.09 30	0.07 15	0.09 10	0.12 86

RAFT-Stereo	0.36 62	0.21 13	1.70 107	0.29 108	0.18 96	0.55 123	0.26 153	0.78 213	0.36 13	0.57 247	0.67 301	0.33 82	0.24 56	0.32 37	0.23 51	0.10 96	0.08 68	0.09 30	0.07 15	0.09 10	0.12 86
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
rvit_0105_6	0.31 28	0.29 78	1.00 13	0.31 148	0.18 96	0.35 22	0.25 134	0.51 49	0.61 196	0.25 35	0.28 29	0.32 77	0.25 69	0.39 77	0.25 81	0.18 324	0.16 298	0.15 287	0.13 202	0.14 85	0.13 120

WCG-NET（raft）	0.32 33	0.53 209	1.21 27	0.23 4	0.12 3	0.44 40	0.24 119	0.40 6	0.50 99	0.35 68	0.35 68	0.47 178	0.25 69	0.35 55	0.20 24	0.08 5	0.29 389	0.08 4	0.07 15	0.22 235	0.11 55

IGEVStereo-DCA	0.33 40	0.34 116	1.38 49	0.27 58	0.16 45	0.45 41	0.23 92	0.46 24	0.41 34	0.24 22	0.21 4	0.26 44	0.25 69	0.64 184	0.52 260	0.09 23	0.07 14	0.10 70	0.18 297	0.16 134	0.22 269

rrr	0.46 156	0.34 116	3.08 412	0.27 58	0.16 45	0.45 41	0.28 193	1.09 410	0.51 106	0.24 22	0.21 4	0.26 44	0.25 69	0.64 184	0.52 260	0.09 23	0.07 14	0.10 70	0.29 367	0.16 134	0.25 308

plain	0.37 68	0.47 189	2.15 279	0.27 58	0.19 121	0.33 15	0.20 34	0.58 94	0.46 69	0.23 19	0.37 76	0.23 20	0.25 69	0.45 107	0.28 105	0.11 151	0.08 68	0.13 227	0.09 53	0.42 387	0.12 86

anonymousdsp2	0.34 47	0.24 35	1.16 20	0.28 80	0.15 31	0.57 155	0.23 92	0.79 229	0.47 84	0.38 82	0.37 76	0.40 114	0.25 69	0.47 120	0.21 34	0.09 23	0.07 14	0.10 70	0.13 202	0.19 199	0.27 324

knoymous	0.34 47	0.25 38	1.75 125	0.24 11	0.18 96	0.45 41	0.24 119	0.57 89	0.38 19	0.41 97	0.39 92	0.55 212	0.25 69	0.38 73	0.23 51	0.11 151	0.08 68	0.12 171	0.07 15	0.13 66	0.12 86

PSM-softLoss	0.48 175	0.27 52	1.85 185	0.51 369	0.17 69	0.61 217	0.40 301	0.61 111	0.57 160	0.52 187	0.48 140	0.39 106	0.25 69	1.46 288	0.77 325	0.12 199	0.08 68	0.13 227	0.12 175	0.12 40	0.14 135

KMStereo	0.48 175	0.27 52	1.85 185	0.51 369	0.17 69	0.61 217	0.40 301	0.61 111	0.57 160	0.52 187	0.48 140	0.39 106	0.25 69	1.46 288	0.77 325	0.12 199	0.08 68	0.13 227	0.12 175	0.12 40	0.14 135

AnonymousM	0.37 68	0.44 173	1.50 75	0.25 23	0.15 31	0.52 99	0.23 92	0.60 109	0.42 40	0.42 101	0.32 53	0.30 67	0.25 69	0.34 51	0.23 51	0.11 151	0.09 127	0.71 428	0.36 400	0.12 40	0.07 3

cross-raft	0.40 92	0.27 52	2.22 293	0.30 122	0.17 69	0.49 71	0.35 275	0.71 150	0.39 25	0.43 106	0.45 119	0.64 262	0.25 69	0.32 37	0.25 81	0.08 5	0.08 68	0.09 30	0.23 341	0.11 29	0.14 135

sCroCo_RVC	0.33 40	0.32 100	1.89 206	0.34 223	0.27 236	0.30 8	0.22 69	0.48 35	0.44 51	0.22 12	0.33 58	0.25 35	0.25 69	0.32 37	0.24 70	0.14 265	0.16 298	0.12 171	0.12 175	0.15 101	0.13 120

test_xeample3	0.46 156	0.34 116	2.99 407	0.37 276	0.16 45	0.49 71	0.33 264	1.06 405	0.44 51	0.25 35	0.23 8	0.24 27	0.25 69	0.49 135	0.56 276	0.09 23	0.07 14	0.10 70	0.40 408	0.17 155	0.26 317

GMStereo	0.38 74	0.99 374	1.91 215	0.27 58	0.16 45	0.39 31	0.23 92	0.47 32	0.62 214	0.38 82	0.34 64	0.25 35	0.25 69	0.39 77	0.29 119	0.14 265	0.08 68	0.10 70	0.12 175	0.15 101	0.11 55
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
rvit_stereo_0083	0.25 2	0.19 4	0.58 1	0.28 80	0.18 96	0.28 4	0.22 69	0.38 4	0.54 142	0.23 19	0.30 42	0.27 50	0.26 83	0.37 68	0.24 70	0.14 265	0.12 228	0.13 227	0.10 86	0.12 40	0.10 41

WCG-NET	0.30 21	0.32 100	1.16 20	0.25 23	0.19 121	0.51 82	0.18 17	0.54 78	0.46 69	0.35 68	0.29 34	0.32 77	0.26 83	0.36 61	0.19 6	0.10 96	0.10 159	0.08 4	0.07 15	0.29 304	0.09 23

rvit_stereo_ft	0.31 28	0.61 234	1.18 22	0.32 176	0.21 146	0.28 4	0.27 178	0.55 83	0.48 86	0.23 19	0.27 26	0.28 58	0.26 83	0.32 37	0.25 81	0.13 228	0.09 127	0.11 120	0.11 143	0.13 66	0.14 135

MyStereo07	0.34 47	0.40 149	1.46 63	0.29 108	0.23 183	0.60 197	0.31 233	0.53 68	0.42 40	0.25 35	0.25 19	0.20 5	0.26 83	0.57 164	0.19 6	0.09 23	0.18 324	0.12 171	0.11 143	0.16 134	0.19 239

MIF-Stereo (partial)	0.34 47	0.41 153	1.93 221	0.26 45	0.24 196	0.32 13	0.17 11	0.53 68	0.42 40	0.25 35	0.37 76	0.25 35	0.26 83	0.44 98	0.31 145	0.11 151	0.08 68	0.12 171	0.10 86	0.19 199	0.14 135

DCRE	0.50 201	0.63 251	2.13 273	0.30 122	0.23 183	0.45 41	0.24 119	0.59 100	0.53 130	0.50 168	2.10 431	0.42 133	0.26 83	0.35 55	0.23 51	0.09 23	0.14 259	0.10 70	0.32 383	0.16 134	0.15 168

DisPM	0.43 119	0.33 106	1.78 143	0.57 392	0.18 96	0.59 187	0.63 385	0.53 68	0.61 196	0.60 284	0.53 189	0.38 102	0.26 83	0.75 213	0.29 119	0.12 199	0.07 14	0.12 171	0.11 143	0.11 29	0.14 135

PFNet+	0.45 147	0.37 131	1.86 193	0.46 348	0.18 96	0.58 171	0.77 407	0.52 60	0.64 233	0.56 236	0.48 140	0.39 106	0.26 83	0.93 235	0.32 155	0.13 228	0.09 127	0.14 261	0.13 202	0.12 40	0.15 168

NF-Stereo	0.48 175	0.25 38	1.81 169	0.52 373	0.16 45	0.61 217	0.44 324	0.66 128	0.61 196	0.50 168	0.47 128	0.37 95	0.26 83	1.45 287	0.79 331	0.11 151	0.07 14	0.12 171	0.10 86	0.13 66	0.16 191

OCTAStereo	0.48 175	0.25 38	1.81 169	0.52 373	0.16 45	0.61 217	0.43 316	0.66 128	0.61 196	0.50 168	0.47 128	0.37 95	0.26 83	1.44 283	0.80 332	0.11 151	0.07 14	0.12 171	0.10 86	0.13 66	0.17 208

RE-Stereo	0.48 175	0.25 38	1.81 169	0.52 373	0.16 45	0.61 217	0.43 316	0.66 128	0.60 181	0.50 168	0.47 128	0.37 95	0.26 83	1.44 283	0.78 327	0.11 151	0.07 14	0.12 171	0.10 86	0.13 66	0.17 208

TVStereo	0.48 175	0.25 38	1.81 169	0.52 373	0.16 45	0.61 217	0.43 316	0.66 128	0.60 181	0.50 168	0.47 128	0.37 95	0.26 83	1.44 283	0.78 327	0.11 151	0.07 14	0.12 171	0.10 86	0.13 66	0.17 208

CRE-IMP	0.41 98	0.22 23	1.76 129	0.48 361	0.17 69	0.79 356	0.69 395	0.52 60	0.52 112	0.47 132	0.42 104	0.45 157	0.26 83	0.41 84	0.31 145	0.11 151	0.07 14	0.12 171	0.09 53	0.17 155	0.23 289

s12784h	0.36 62	0.28 73	1.58 85	0.23 4	0.11 1	0.62 237	0.24 119	0.79 229	0.64 233	0.44 112	0.52 180	0.28 58	0.26 83	0.50 141	0.24 70	0.11 151	0.06 1	0.09 30	0.06 8	0.16 134	0.06 1

CFNet-RSSM	0.41 98	0.32 100	2.20 288	0.27 58	0.44 364	0.52 99	0.19 21	0.76 189	0.48 86	0.43 106	0.36 73	0.54 209	0.26 83	0.33 45	0.25 81	0.09 23	0.08 68	0.09 30	0.38 403	0.10 16	0.09 23

Gwc-CoAtRS	0.38 74	0.33 106	1.92 218	0.27 58	0.41 356	0.48 65	0.19 21	0.59 100	0.46 69	0.43 106	0.39 92	0.57 230	0.26 83	0.32 37	0.26 88	0.09 23	0.09 127	0.09 30	0.31 378	0.11 29	0.09 23

rvit_0105_4	0.35 58	0.35 123	1.45 62	0.31 148	0.18 96	0.37 26	0.28 193	0.59 100	0.62 214	0.27 48	0.31 49	0.35 90	0.27 99	0.43 92	0.25 81	0.18 324	0.16 298	0.15 287	0.13 202	0.15 101	0.12 86

rvit_stereo_0075_2	0.40 92	0.40 149	1.88 199	0.33 196	0.32 285	0.41 35	0.22 69	0.58 94	0.53 130	0.38 82	0.51 168	0.40 114	0.27 99	0.44 98	0.29 119	0.20 346	0.15 282	0.22 362	0.15 252	0.18 179	0.23 289

MoCha-V2	0.36 62	0.32 100	1.41 54	0.36 256	0.31 278	0.35 22	0.19 21	0.57 89	0.39 25	0.30 56	0.32 53	0.28 58	0.27 99	0.47 120	0.24 70	0.08 5	0.56 430	0.08 4	0.38 403	0.18 179	0.12 86

IGEV++	0.34 47	0.43 164	1.32 40	0.31 148	0.14 17	0.32 13	0.21 51	0.70 147	0.34 8	0.22 12	0.28 29	0.22 13	0.27 99	0.35 55	0.27 96	0.09 23	0.39 414	0.08 4	0.15 252	0.25 269	0.45 404

StereoVision	0.45 147	0.72 281	1.94 228	0.33 196	0.32 285	0.47 57	0.26 153	0.68 140	0.57 160	0.32 66	0.89 369	0.45 157	0.27 99	0.49 135	0.36 181	0.13 228	0.15 282	0.16 304	0.15 252	0.19 199	0.13 120

EKT-Stereo	1.47 432	0.49 195	1.93 221	2.57 463	19.31 477	0.55 123	0.22 69	0.69 142	0.42 40	0.38 82	0.36 73	0.43 137	0.27 99	0.69 201	0.26 88	0.12 199	0.14 259	0.11 120	0.16 271	0.20 213	0.15 168

MIM_Stereo	0.41 98	0.60 230	1.88 199	0.31 148	0.21 146	0.50 76	0.19 21	0.64 121	0.44 51	0.43 106	0.53 189	0.43 137	0.27 99	0.51 144	0.28 105	0.08 5	0.14 259	0.11 120	0.10 86	0.26 287	0.26 317

MC-Stereo	0.32 33	0.31 96	1.46 63	0.31 148	0.15 31	0.53 106	0.19 21	0.44 19	0.35 10	0.36 72	0.38 84	0.27 50	0.27 99	0.42 89	0.19 6	0.09 23	0.13 244	0.09 30	0.16 271	0.20 213	0.13 120

dd	0.42 113	0.96 359	1.77 138	0.31 148	0.17 69	0.57 155	0.26 153	0.49 41	0.68 269	0.41 97	0.40 97	0.34 86	0.27 99	0.45 107	0.40 209	0.17 313	0.10 159	0.13 227	0.12 175	0.21 221	0.12 86

GMOStereo	0.41 98	0.62 240	1.78 143	0.28 80	0.36 323	0.51 82	0.31 233	0.53 68	0.44 51	0.57 247	0.48 140	0.41 120	0.27 99	0.28 9	0.23 51	0.08 5	0.38 408	0.13 227	0.11 143	0.34 343	0.11 55

error version	0.41 98	0.62 240	1.78 143	0.28 80	0.36 323	0.51 82	0.31 233	0.53 68	0.44 51	0.57 247	0.48 140	0.41 120	0.27 99	0.28 9	0.23 51	0.08 5	0.38 408	0.13 227	0.11 143	0.34 343	0.11 55

test-v	0.41 98	0.62 240	1.78 143	0.28 80	0.36 323	0.51 82	0.31 233	0.53 68	0.44 51	0.57 247	0.48 140	0.41 120	0.27 99	0.28 9	0.23 51	0.08 5	0.38 408	0.13 227	0.11 143	0.34 343	0.11 55

test-2	0.41 98	0.62 240	1.78 143	0.28 80	0.36 323	0.51 82	0.31 233	0.53 68	0.44 51	0.57 247	0.48 140	0.41 120	0.27 99	0.28 9	0.23 51	0.08 5	0.38 408	0.13 227	0.11 143	0.34 343	0.11 55

TestStereo	0.45 147	0.54 213	2.11 268	0.29 108	0.16 45	0.43 38	0.24 119	0.54 78	0.45 64	0.37 76	0.46 125	0.34 86	0.27 99	1.98 373	0.27 96	0.11 151	0.08 68	0.12 171	0.09 53	0.14 85	0.08 13

Patchmatch Stereo++	0.39 87	0.27 52	1.78 143	0.44 330	0.16 45	0.61 217	0.27 178	0.51 49	0.52 112	0.47 132	0.43 106	0.43 137	0.28 113	0.54 157	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.38 74	0.27 52	1.78 143	0.44 330	0.17 69	0.60 197	0.29 214	0.51 49	0.52 112	0.47 132	0.43 106	0.44 148	0.28 113	0.47 120	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

ROB_FTStereo_v2	0.38 74	0.27 52	1.78 143	0.44 330	0.17 69	0.61 217	0.28 193	0.51 49	0.52 112	0.47 132	0.43 106	0.44 148	0.28 113	0.47 120	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

ROB_FTStereo	0.38 74	0.27 52	1.78 143	0.44 330	0.17 69	0.61 217	0.26 153	0.51 49	0.52 112	0.47 132	0.43 106	0.43 137	0.28 113	0.49 135	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

HUI-Stereo	0.38 74	0.27 52	1.79 162	0.44 330	0.17 69	0.61 217	0.28 193	0.51 49	0.52 112	0.47 132	0.43 106	0.44 148	0.28 113	0.45 107	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

iGMRVC	0.39 87	0.27 52	1.78 143	0.44 330	0.17 69	0.61 217	0.27 178	0.51 49	0.52 112	0.47 132	0.43 106	0.44 148	0.28 113	0.55 161	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

RAFT-345	0.53 235	0.30 87	2.34 312	0.38 290	0.34 305	0.58 171	0.42 310	0.47 32	0.61 196	0.51 180	1.00 386	0.43 137	0.28 113	1.57 306	0.82 334	0.10 96	0.07 14	0.11 120	0.09 53	0.10 16	0.08 13

iRAFT	0.39 87	0.27 52	1.78 143	0.44 330	0.16 45	0.61 217	0.27 178	0.51 49	0.52 112	0.47 132	0.43 106	0.43 137	0.28 113	0.54 157	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

RAFT-IKP	0.38 74	0.27 52	1.79 162	0.44 330	0.16 45	0.60 197	0.28 193	0.51 49	0.52 112	0.47 132	0.43 106	0.43 137	0.28 113	0.50 141	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

raft+_RVC	0.44 129	0.67 266	1.85 185	0.34 223	0.71 419	0.51 82	0.25 134	0.64 121	0.51 106	0.35 68	0.45 119	0.32 77	0.28 113	0.43 92	0.32 155	0.09 23	0.19 334	0.10 70	0.09 53	0.20 213	0.40 394

sAnonymous2	0.38 74	0.62 240	2.15 279	0.31 148	0.24 196	0.34 18	0.27 178	0.53 68	0.46 69	0.24 22	0.29 34	0.23 20	0.28 113	0.28 9	0.22 44	0.12 199	0.09 127	0.11 120	0.13 202	0.38 369	0.35 369

CroCo_RVC	0.38 74	0.62 240	2.15 279	0.31 148	0.24 196	0.34 18	0.27 178	0.53 68	0.46 69	0.24 22	0.29 34	0.23 20	0.28 113	0.28 9	0.22 44	0.12 199	0.09 127	0.11 120	0.13 202	0.38 369	0.35 369

RALCasStereoNet	0.45 147	0.88 335	1.85 185	0.30 122	0.26 224	0.49 71	0.26 153	0.58 94	0.51 106	0.36 72	0.48 140	0.36 93	0.28 113	0.55 161	0.34 172	0.10 96	0.53 428	0.09 30	0.08 36	0.25 269	0.34 367

rvit_0105_5	0.36 62	0.39 145	1.48 70	0.30 122	0.18 96	0.41 35	0.30 221	0.64 121	0.62 214	0.30 56	0.33 58	0.37 95	0.29 126	0.41 84	0.28 105	0.18 324	0.16 298	0.15 287	0.15 252	0.15 101	0.14 135

GMStereo_Zeroshot	0.41 98	0.36 129	1.54 80	0.41 313	0.19 121	0.52 99	0.19 21	0.59 100	0.52 112	0.57 247	0.59 235	0.63 254	0.29 126	0.58 167	0.33 165	0.15 281	0.09 127	0.16 304	0.09 53	0.24 259	0.12 86

RAFT+CT+SA	0.50 201	0.86 329	1.82 175	0.37 276	0.75 421	0.54 111	0.34 268	0.77 199	0.63 225	0.38 82	0.55 208	0.34 86	0.29 126	0.68 195	0.27 96	0.09 23	0.07 14	0.11 120	0.51 421	0.29 304	0.41 399

UDGNet	0.44 129	1.02 383	1.74 119	0.35 238	0.19 121	0.58 171	0.23 92	0.49 41	0.66 260	0.41 97	0.38 84	0.34 86	0.29 126	0.53 154	0.30 133	0.24 375	0.10 159	0.37 409	0.19 316	0.27 295	0.15 168

ACRE	0.56 258	1.14 397	2.77 384	0.76 414	0.28 246	0.60 197	0.56 366	0.76 189	0.58 170	0.55 226	0.62 260	0.41 120	0.29 126	0.44 98	0.39 203	0.11 151	0.19 334	0.13 227	0.14 230	0.36 356	0.18 227

NRIStereo	0.46 156	0.25 38	1.77 138	0.47 353	0.16 45	0.95 390	0.74 403	0.51 49	0.56 157	0.48 150	0.39 92	0.59 239	0.29 126	0.77 220	0.32 155	0.11 151	0.13 244	0.11 120	0.09 53	0.21 221	0.24 299

RAFT-RH_RVC	0.61 287	0.50 201	2.33 310	0.36 256	0.29 252	0.60 197	0.18 17	0.44 19	0.58 170	0.76 362	1.91 427	0.47 178	0.29 126	1.60 313	1.23 375	0.14 265	0.07 14	0.13 227	0.13 202	0.10 16	0.09 23

Anonymous3	0.42 113	0.35 123	2.09 264	0.33 196	0.24 196	0.72 322	0.31 233	0.74 167	0.55 147	0.35 68	0.40 97	0.33 82	0.29 126	0.44 98	0.28 105	0.18 324	0.18 324	0.13 227	0.13 202	0.17 155	0.17 208

Any-RAFT	0.38 74	0.25 38	1.89 206	0.27 58	0.17 69	0.68 301	0.21 51	0.78 213	0.53 130	0.43 106	0.43 106	0.54 209	0.30 134	0.41 84	0.20 24	0.10 96	0.12 228	0.08 4	0.06 8	0.10 16	0.09 23

BUS	0.41 98	0.27 52	1.13 17	0.30 122	0.21 146	0.91 386	0.23 92	1.00 381	0.61 196	0.63 311	0.53 189	0.66 270	0.30 134	0.43 92	0.32 155	0.13 228	0.10 159	0.14 261	0.12 175	0.12 40	0.11 55

NINENet	0.50 201	0.33 106	1.69 103	0.55 388	0.25 211	0.91 386	0.23 92	0.98 361	0.71 295	0.53 197	0.55 208	0.66 270	0.30 134	1.22 268	0.32 155	0.15 281	0.13 244	0.16 304	0.11 143	0.16 134	0.13 120

CIPLG	0.56 258	1.19 406	2.46 336	0.80 418	0.31 278	0.61 217	0.57 370	0.76 189	0.57 160	0.56 236	0.63 272	0.41 120	0.30 134	0.45 107	0.40 209	0.11 151	0.20 343	0.13 227	0.13 202	0.35 351	0.19 239

GANet-ADL	0.44 129	0.41 153	2.31 306	0.33 196	0.20 136	0.57 155	0.25 134	0.75 177	0.54 142	0.42 101	0.59 235	0.56 224	0.30 134	0.40 82	0.38 192	0.14 265	0.11 204	0.09 30	0.08 36	0.22 235	0.17 208

rafts_anoy	0.43 119	0.89 338	1.96 240	0.32 176	0.30 262	0.48 65	0.24 119	0.62 115	0.49 92	0.37 76	0.38 84	0.33 82	0.30 134	0.51 144	0.34 172	0.10 96	0.39 414	0.13 227	0.15 252	0.17 155	0.15 168

RALAANet	0.43 119	0.98 370	1.90 209	0.32 176	0.23 183	0.48 65	0.19 21	0.67 137	0.53 130	0.48 150	0.45 119	0.39 106	0.30 134	0.48 125	0.37 186	0.10 96	0.08 68	0.11 120	0.14 230	0.27 295	0.10 41

DIP-Stereo	0.37 68	0.34 116	1.50 75	0.27 58	0.18 96	0.63 254	0.17 11	0.92 316	0.53 130	0.49 161	0.48 140	0.30 67	0.30 134	0.39 77	0.30 133	0.10 96	0.08 68	0.10 70	0.08 36	0.15 101	0.12 86
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
rvit_0105_3	0.39 87	0.47 189	1.46 63	0.33 196	0.19 121	0.45 41	0.35 275	0.69 142	0.65 246	0.37 76	0.37 76	0.40 114	0.31 142	0.44 98	0.30 133	0.18 324	0.17 314	0.17 321	0.18 297	0.15 101	0.15 168

GCST	0.72 339	1.10 391	2.15 279	1.11 439	0.59 405	0.62 237	0.19 21	0.75 177	0.53 130	0.56 236	0.63 272	0.47 178	0.31 142	1.11 255	0.33 165	0.75 431	0.45 418	0.84 431	0.64 438	0.69 422	0.54 414

IPLGR_C	0.58 269	1.25 413	2.72 376	0.80 418	0.31 278	0.60 197	0.61 379	0.76 189	0.58 170	0.56 236	0.62 260	0.41 120	0.31 142	0.43 92	0.40 209	0.11 151	0.22 356	0.13 227	0.15 252	0.35 351	0.19 239

ARAFT	0.60 279	1.23 410	3.10 414	0.28 80	0.16 45	0.64 265	0.36 282	0.90 297	0.67 267	0.61 291	0.49 157	0.55 212	0.31 142	1.24 272	0.32 155	0.10 96	0.08 68	0.14 261	0.13 202	0.37 363	0.21 259

DN-CSS_ROB	0.48 175	1.23 410	1.99 244	0.39 298	0.22 167	0.56 137	0.19 21	0.75 177	0.61 196	0.45 122	0.62 260	0.41 120	0.31 142	0.70 206	0.32 155	0.11 151	0.08 68	0.14 261	0.13 202	0.36 356	0.12 86

OMP-Stereo	0.59 274	0.65 259	1.74 119	0.56 390	0.37 334	0.60 197	0.26 153	0.70 147	0.65 246	0.66 329	0.60 248	0.69 292	0.32 147	2.09 385	1.20 371	0.10 96	0.07 14	0.12 171	0.09 53	0.17 155	0.10 41

PFNet	0.60 279	0.33 106	2.47 338	0.41 313	0.55 397	0.62 237	0.27 178	0.61 111	0.63 225	0.61 291	0.56 219	0.45 157	0.32 147	1.88 363	1.14 366	0.28 392	0.09 127	0.12 171	0.16 271	0.26 287	0.20 253

RAFT-Stereo + iAFF	0.42 113	0.86 329	1.78 143	0.28 80	0.17 69	0.52 99	0.20 34	0.62 115	0.61 196	0.50 168	0.61 255	0.39 106	0.32 147	0.35 55	0.30 133	0.07 1	0.10 159	0.09 30	0.09 53	0.35 351	0.10 41

MyStereo8	0.54 240	0.80 310	2.76 382	0.32 176	0.33 298	0.71 316	0.20 34	0.87 280	0.57 160	0.51 180	0.59 235	0.50 194	0.33 150	0.68 195	0.55 269	0.10 96	0.29 389	0.10 70	0.13 202	0.21 221	0.34 367

11t1	0.33 40	0.19 4	1.41 54	0.33 196	0.16 45	0.48 65	0.21 51	0.67 137	0.48 86	0.40 90	0.34 64	0.32 77	0.33 150	0.42 89	0.27 96	0.11 151	0.12 228	0.10 70	0.08 36	0.13 66	0.14 135

Selective-RAFT	0.35 58	0.26 48	1.48 70	0.31 148	0.15 31	0.61 217	0.19 21	0.60 109	0.54 142	0.28 53	0.29 34	0.40 114	0.33 150	0.50 141	0.27 96	0.10 96	0.07 14	0.09 30	0.35 393	0.19 199	0.08 13

Sa-1000	0.51 218	0.72 281	1.90 209	0.31 148	0.60 410	0.60 197	0.31 233	0.94 332	0.71 295	0.52 187	0.83 355	0.42 133	0.33 150	0.68 195	0.28 105	0.10 96	0.09 127	0.13 227	0.29 367	0.29 304	0.10 41

dad	0.51 218	1.01 380	1.74 119	0.29 108	0.19 121	0.60 197	0.26 153	0.52 60	0.75 334	0.63 311	0.63 272	0.63 254	0.33 150	0.85 231	0.47 242	0.27 388	0.15 282	0.40 412	0.18 297	0.22 235	0.14 135

GwcNet-ADL	0.50 201	0.74 287	2.90 399	0.31 148	0.20 136	0.58 171	0.29 214	0.87 280	0.64 233	0.47 132	0.47 128	0.56 224	0.33 150	0.46 113	0.46 233	0.13 228	0.12 228	0.09 30	0.09 53	0.14 85	0.21 259

raftrobust	0.38 74	0.68 268	1.54 80	0.32 176	0.46 378	0.52 99	0.21 51	0.56 86	0.42 40	0.52 187	0.35 68	0.31 69	0.33 150	0.37 68	0.30 133	0.10 96	0.11 204	0.08 4	0.07 15	0.21 221	0.19 239

AdaStereo	0.44 129	0.38 136	1.79 162	0.34 223	0.20 136	0.57 155	0.28 193	0.92 316	0.69 278	0.52 187	0.55 208	0.61 247	0.33 150	0.48 125	0.39 203	0.17 313	0.08 68	0.17 321	0.11 143	0.18 179	0.12 86
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.
x	0.35 58	0.20 8	1.36 46	0.33 196	0.17 69	0.47 57	0.24 119	0.75 177	0.54 142	0.40 90	0.40 97	0.42 133	0.34 158	0.45 107	0.32 155	0.11 151	0.14 259	0.11 120	0.09 53	0.12 40	0.14 135

AFF-stereo	0.44 129	0.96 359	1.78 143	0.31 148	0.15 31	0.50 76	0.21 51	0.64 121	0.63 225	0.47 132	0.64 287	0.49 191	0.34 158	0.46 113	0.31 145	0.08 5	0.09 127	0.10 70	0.10 86	0.37 363	0.10 41

test_sample3	0.50 201	0.41 153	1.88 199	0.32 176	0.19 121	0.57 155	0.25 134	0.92 316	0.64 233	0.52 187	0.49 157	0.47 178	0.35 160	1.79 341	0.37 186	0.13 228	0.10 159	0.12 171	0.11 143	0.16 134	0.16 191

H2IRNET	0.40 92	0.61 234	1.90 209	0.29 108	0.17 69	0.54 111	0.18 17	0.52 60	0.50 99	0.27 48	0.56 219	0.47 178	0.35 160	0.46 113	0.33 165	0.10 96	0.07 14	0.12 171	0.14 230	0.32 328	0.12 86

tt1	0.44 129	0.64 253	1.83 180	0.35 238	0.14 17	0.76 339	0.25 134	0.74 167	0.88 380	0.31 60	0.37 76	0.25 35	0.35 160	0.63 182	0.19 6	0.10 96	0.24 365	0.11 120	0.09 53	0.25 269	0.36 377

RCA-Stereo	0.34 47	0.32 100	1.30 37	0.26 45	0.14 17	0.58 171	0.23 92	0.78 213	0.62 214	0.40 90	0.44 116	0.28 58	0.35 160	0.29 18	0.20 24	0.09 23	0.10 159	0.09 30	0.07 15	0.19 199	0.08 13

ICVP	0.46 156	0.29 78	2.41 325	0.33 196	0.22 167	0.59 187	0.55 361	0.75 177	0.50 99	0.44 112	0.60 248	0.49 191	0.35 160	0.53 154	0.37 186	0.16 299	0.16 298	0.14 261	0.11 143	0.15 101	0.15 168
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
DMCA	0.41 98	0.52 204	1.26 33	0.31 148	0.24 196	0.59 187	0.26 153	0.77 199	0.63 225	0.58 263	0.48 140	0.57 230	0.35 160	0.40 82	0.50 255	0.14 265	0.10 159	0.14 261	0.10 86	0.15 101	0.15 168

rvit_105_1	0.44 129	0.54 213	1.46 63	0.36 256	0.24 196	0.51 82	0.45 331	0.75 177	0.74 321	0.45 122	0.44 116	0.44 148	0.36 166	0.62 179	0.38 192	0.20 346	0.18 324	0.18 340	0.22 338	0.18 179	0.18 227

test_sample6	0.52 229	0.44 173	1.81 169	0.33 196	0.18 96	0.55 123	0.27 178	0.94 332	0.66 260	0.54 209	0.62 260	0.47 178	0.36 166	1.97 372	0.38 192	0.14 265	0.10 159	0.13 227	0.13 202	0.17 155	0.16 191

test_sample5	0.51 218	0.43 164	1.83 180	0.32 176	0.18 96	0.55 123	0.26 153	0.92 316	0.65 246	0.53 197	0.59 235	0.45 157	0.36 166	1.87 356	0.36 181	0.13 228	0.10 159	0.13 227	0.12 175	0.17 155	0.16 191

test_sample4	0.50 201	0.42 160	1.88 199	0.32 176	0.19 121	0.56 137	0.26 153	0.93 324	0.65 246	0.54 209	0.54 199	0.45 157	0.36 166	1.79 341	0.36 181	0.13 228	0.10 159	0.13 227	0.12 175	0.17 155	0.16 191

xx1	0.46 156	0.64 253	2.07 258	0.35 238	0.14 17	0.76 339	0.25 134	0.74 167	1.01 401	0.31 60	0.38 84	0.46 170	0.36 166	0.69 201	0.19 6	0.10 96	0.24 365	0.12 171	0.12 175	0.12 40	0.14 135

DualNet	0.51 218	0.43 164	1.83 180	0.32 176	0.18 96	0.55 123	0.26 153	0.92 316	0.65 246	0.54 209	0.62 260	0.45 157	0.36 166	1.87 356	0.36 181	0.13 228	0.10 159	0.13 227	0.12 175	0.17 155	0.16 191

ttt	0.66 311	0.22 23	1.68 101	0.34 223	0.24 196	0.60 197	0.26 153	1.00 381	0.77 347	0.55 226	0.67 301	0.54 209	0.36 166	2.14 388	3.03 434	0.16 299	0.13 244	0.13 227	0.12 175	0.15 101	0.17 208

qqq	0.38 74	0.21 13	1.34 45	0.28 80	0.15 31	0.45 41	0.26 153	0.76 189	0.52 112	0.39 88	0.41 101	0.46 170	0.36 166	0.96 238	0.30 133	0.11 151	0.14 259	0.12 171	0.12 175	0.12 40	0.14 135

RAFT_CTSACE	0.46 156	0.76 290	2.07 258	0.35 238	0.30 262	0.54 111	0.30 221	0.61 111	0.48 86	0.49 161	0.76 344	0.55 212	0.36 166	0.58 167	0.22 44	0.08 5	0.13 244	0.11 120	0.10 86	0.41 383	0.08 13

HCRNet	0.46 156	0.49 195	1.65 95	0.38 290	0.29 252	0.58 171	0.22 69	0.75 177	0.62 214	0.47 132	0.49 157	0.48 189	0.36 166	1.12 258	0.37 186	0.15 281	0.10 159	0.15 287	0.13 202	0.17 155	0.17 208

SFCPSM	0.46 156	0.24 35	2.35 315	0.27 58	0.27 236	0.70 314	0.32 256	0.96 349	0.63 225	0.49 161	0.52 180	0.43 137	0.36 166	0.52 148	0.43 225	0.12 199	0.09 127	0.12 171	0.16 271	0.16 134	0.12 86

MLCV	0.48 175	0.89 338	1.85 185	0.29 108	0.14 17	0.59 187	0.23 92	0.72 155	0.59 177	0.66 329	0.66 298	0.55 212	0.36 166	1.03 246	0.49 250	0.09 23	0.06 1	0.09 30	0.07 15	0.19 199	0.11 55

iResNet	0.51 218	0.76 290	2.59 359	0.41 313	0.17 69	0.64 265	0.27 178	0.82 242	0.70 286	0.57 247	0.64 287	0.43 137	0.36 166	0.70 206	0.52 260	0.10 96	0.07 14	0.09 30	0.08 36	0.21 221	0.13 120

UGAM	0.58 269	0.47 189	2.21 289	0.30 122	0.19 121	0.53 106	0.34 268	0.59 100	0.63 225	0.44 112	0.73 336	0.78 331	0.37 179	2.58 422	0.39 203	0.10 96	0.08 68	0.17 321	0.14 230	0.42 387	0.17 208

mmm	0.38 74	0.21 13	1.18 22	0.35 238	0.17 69	0.49 71	0.26 153	0.78 213	0.52 112	0.50 168	0.57 226	0.41 120	0.37 179	0.71 208	0.31 145	0.11 151	0.13 244	0.14 261	0.13 202	0.15 101	0.14 135

DCANet-4	0.40 92	0.27 52	2.21 289	0.25 23	0.14 17	0.51 82	0.22 69	0.77 199	0.72 303	0.54 209	0.47 128	0.28 58	0.37 179	0.37 68	0.34 172	0.09 23	0.07 14	0.08 4	0.07 15	0.08 1	0.22 269

BSDual-CNN	0.41 98	0.27 52	1.13 17	0.30 122	0.21 146	0.76 339	0.31 233	1.00 381	0.61 196	0.63 311	0.53 189	0.63 254	0.37 179	0.43 92	0.38 192	0.13 228	0.10 159	0.14 261	0.12 175	0.12 40	0.11 55

psmg	0.41 98	0.27 52	1.13 17	0.27 58	0.21 146	0.75 336	0.36 282	0.90 297	0.61 196	0.59 276	0.59 235	0.63 254	0.37 179	0.43 92	0.38 192	0.13 228	0.10 159	0.13 227	0.12 175	0.13 66	0.11 55

HITNet	0.46 156	0.92 343	2.09 264	0.33 196	0.14 17	0.55 123	0.22 69	0.83 248	0.56 157	0.51 180	0.49 157	0.48 189	0.37 179	0.48 125	0.54 268	0.09 23	0.06 1	0.10 70	0.08 36	0.23 244	0.09 23
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
test_sample2	0.41 98	0.19 4	1.23 28	0.31 148	0.17 69	0.51 82	0.27 178	0.81 235	0.55 147	0.44 112	0.45 119	0.46 170	0.38 185	1.51 298	0.30 133	0.12 199	0.09 127	0.11 120	0.10 86	0.14 85	0.14 135

ACVNet-DCA	0.42 113	0.64 253	2.07 258	0.35 238	0.14 17	0.76 339	0.25 134	0.76 189	0.52 112	0.31 60	0.38 84	0.24 27	0.38 185	0.69 201	0.19 6	0.10 96	0.24 365	0.11 120	0.09 53	0.12 40	0.14 135

1test111	0.44 129	0.64 253	2.07 258	0.35 238	0.14 17	0.76 339	0.25 134	0.76 189	0.52 112	0.31 60	0.38 84	0.24 27	0.38 185	0.96 238	0.30 133	0.10 96	0.24 365	0.11 120	0.09 53	0.12 40	0.14 135

cc1	0.47 170	0.64 253	2.07 258	0.35 238	0.14 17	0.76 339	0.25 134	0.74 167	1.01 401	0.31 60	0.38 84	0.24 27	0.38 185	0.69 201	0.19 6	0.10 96	0.24 365	0.11 120	0.09 53	0.25 269	0.40 394

AEACV	0.33 40	0.24 35	1.44 60	0.28 80	0.35 316	0.47 57	0.21 51	0.43 16	0.28 1	0.26 43	0.25 19	0.22 13	0.38 185	0.30 23	0.18 3	0.09 23	0.35 402	0.09 30	0.36 400	0.23 244	0.25 308

hknet	0.47 170	0.29 78	1.70 107	0.30 122	0.24 196	0.76 339	0.31 233	1.00 381	0.64 233	0.63 311	0.53 189	0.80 338	0.38 185	0.77 220	0.37 186	0.11 151	0.10 159	0.14 261	0.12 175	0.12 40	0.11 55

AASNet	0.56 258	1.03 384	2.34 312	0.37 276	0.33 298	0.65 277	0.29 214	0.96 349	0.73 317	0.54 209	0.60 248	0.55 212	0.38 185	0.59 171	0.58 284	0.14 265	0.12 228	0.13 227	0.10 86	0.43 389	0.24 299

IIG-Stereo	0.59 274	0.65 259	1.74 119	0.54 382	0.23 183	0.61 217	0.21 51	0.73 163	0.65 246	0.64 320	0.69 316	0.69 292	0.38 185	2.09 385	1.39 384	0.11 151	0.07 14	0.11 120	0.09 53	0.15 101	0.09 23

111	0.48 175	1.09 390	1.95 231	0.24 11	0.13 9	0.59 187	0.26 153	0.83 248	0.78 352	0.48 150	0.52 180	0.56 224	0.38 185	0.49 135	0.38 192	0.09 23	0.07 14	0.09 30	0.07 15	0.23 244	0.35 369

xxxx	0.70 329	0.21 13	1.33 42	0.28 80	0.18 96	0.63 254	0.24 119	1.02 392	0.69 278	0.50 168	0.62 260	0.58 237	0.38 185	1.47 295	5.21 459	0.13 228	0.12 228	0.11 120	0.10 86	0.12 40	0.15 168

FENet	0.44 129	0.30 87	2.42 327	0.32 176	0.17 69	0.58 171	0.22 69	0.77 199	0.59 177	0.47 132	0.42 104	0.55 212	0.38 185	0.49 135	0.47 242	0.12 199	0.09 127	0.12 171	0.11 143	0.13 66	0.16 191

MaskLacGwcNet_RVC	0.77 360	1.04 385	2.06 256	0.94 429	0.35 316	0.89 383	0.40 301	0.85 262	0.63 225	0.55 226	0.63 272	0.75 322	0.38 185	2.38 403	0.48 245	1.10 444	0.31 395	0.36 405	0.21 331	0.53 410	0.55 417

DeepPruner_ROB	0.50 201	0.70 275	1.94 228	0.29 108	0.26 224	0.63 254	0.31 233	0.80 231	0.48 86	0.61 291	0.55 208	0.66 270	0.38 185	0.98 240	0.40 209	0.19 338	0.14 259	0.14 261	0.14 230	0.23 244	0.17 208

NOSS_ROB	0.64 299	0.65 259	1.62 93	0.46 348	0.25 211	0.67 289	0.30 221	0.93 324	0.77 347	0.59 276	0.57 226	0.77 328	0.38 185	2.78 435	0.44 229	0.23 368	0.24 365	0.28 388	0.26 357	0.27 295	0.39 390

ffm	0.47 170	0.23 27	2.01 247	0.30 122	0.21 146	0.57 155	0.26 153	0.74 167	0.88 380	0.53 197	0.63 272	0.66 270	0.39 199	0.63 182	0.19 6	0.10 96	0.24 365	0.15 287	0.13 202	0.25 269	0.36 377

ff1	0.73 348	0.23 27	2.01 247	0.30 122	0.21 146	0.57 155	0.26 153	0.74 167	0.88 380	0.53 197	0.63 272	0.66 270	0.39 199	2.52 418	3.43 445	0.10 96	0.24 365	0.15 287	0.13 202	0.25 269	0.36 377

mmx	0.72 339	0.23 27	2.01 247	0.30 122	0.21 146	0.57 155	0.26 153	0.99 373	0.76 343	0.53 197	0.63 272	0.66 270	0.39 199	2.52 418	3.43 445	0.13 228	0.10 159	0.15 287	0.13 202	0.15 101	0.15 168

xxx	0.72 339	0.23 27	2.01 247	0.30 122	0.21 146	0.57 155	0.26 153	0.99 373	0.76 343	0.53 197	0.63 272	0.66 270	0.39 199	2.52 418	3.43 445	0.13 228	0.10 159	0.15 287	0.13 202	0.15 101	0.15 168

test_xeample	0.72 339	0.21 13	1.36 46	0.27 58	0.17 69	0.59 187	0.28 193	1.01 389	0.70 286	0.55 226	0.67 301	0.44 148	0.39 199	1.88 363	5.17 458	0.12 199	0.10 159	0.11 120	0.10 86	0.13 66	0.15 168

iResNet_ROB	0.50 201	1.15 401	1.73 115	0.31 148	0.21 146	0.58 171	0.22 69	0.95 344	0.82 365	0.58 263	0.62 260	0.57 230	0.39 199	0.84 229	0.40 209	0.11 151	0.08 68	0.09 30	0.06 8	0.21 221	0.13 120

CoDeX	0.52 229	0.43 164	2.25 299	0.29 108	0.26 224	0.61 217	0.32 256	0.99 373	0.68 269	0.48 150	0.55 208	0.52 203	0.40 205	1.60 313	0.35 179	0.12 199	0.09 127	0.11 120	0.10 86	0.13 66	0.12 86

CASS	0.39 87	0.30 87	1.61 92	0.32 176	0.17 69	0.53 106	0.24 119	0.70 147	0.49 92	0.59 276	0.54 199	0.40 114	0.40 205	0.41 84	0.30 133	0.17 313	0.10 159	0.14 261	0.11 143	0.18 179	0.17 208
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
test_5	0.51 218	0.87 332	1.99 244	0.37 276	0.65 414	0.58 171	0.35 275	0.78 213	0.62 214	0.48 150	0.55 208	0.45 157	0.40 205	0.72 210	0.30 133	0.09 23	0.07 14	0.12 171	0.12 175	0.33 336	0.38 386

CSP-Net	0.50 201	0.39 145	1.25 31	0.29 108	0.23 183	0.77 347	0.35 275	0.86 271	0.57 160	0.59 276	0.59 235	0.65 265	0.40 205	1.77 336	0.44 229	0.16 299	0.11 204	0.10 70	0.10 86	0.20 213	0.14 135

TRStereo	0.53 235	0.76 290	2.38 320	0.42 321	0.29 252	0.69 307	0.23 92	1.81 444	0.55 147	0.36 72	0.32 53	0.47 178	0.40 205	0.46 113	0.25 81	0.12 199	0.11 204	0.11 120	0.41 411	0.13 66	0.32 356

RAFT	0.45 147	0.92 343	1.59 86	0.34 223	0.19 121	0.46 54	0.35 275	0.65 126	0.49 92	0.49 161	0.49 157	0.70 302	0.40 205	0.47 120	0.32 155	0.11 151	0.16 298	0.14 261	0.13 202	0.51 406	0.13 120

UPFNet	0.46 156	0.28 73	1.73 115	0.33 196	0.32 285	0.65 277	0.38 295	0.83 248	0.59 177	0.57 247	0.52 180	0.61 247	0.40 205	0.75 213	0.52 260	0.13 228	0.12 228	0.13 227	0.12 175	0.15 101	0.11 55

ACVNet	0.45 147	0.44 173	1.79 162	0.28 80	0.21 146	0.59 187	0.36 282	0.66 128	0.68 269	0.45 122	0.59 235	0.69 292	0.40 205	0.44 98	0.55 269	0.11 151	0.09 127	0.10 70	0.09 53	0.34 343	0.10 41

cf-r	0.53 235	0.81 315	2.15 279	0.33 196	0.28 246	0.60 197	0.28 193	0.78 213	0.64 233	0.51 180	0.60 248	0.75 322	0.40 205	1.32 274	0.43 225	0.13 228	0.09 127	0.11 120	0.12 175	0.15 101	0.14 135

GwcNet-RSSM	0.57 264	0.94 351	2.13 273	0.32 176	0.25 211	0.60 197	0.30 221	0.80 231	0.66 260	0.52 187	0.64 287	0.71 305	0.40 205	1.79 341	0.50 255	0.13 228	0.09 127	0.12 171	0.12 175	0.21 221	0.15 168

CFNet	0.58 269	0.96 359	1.78 143	0.33 196	0.25 211	0.63 254	0.22 69	0.88 285	0.75 334	0.46 130	0.59 235	0.58 237	0.40 205	2.29 396	0.48 245	0.12 199	0.09 127	0.15 287	0.14 230	0.30 315	0.15 168

test_sample1	0.40 92	0.18 2	1.19 24	0.31 148	0.18 96	0.48 65	0.23 92	0.78 213	0.49 92	0.44 112	0.44 116	0.45 157	0.41 216	1.39 279	0.33 165	0.11 151	0.09 127	0.10 70	0.09 53	0.12 40	0.13 120

SMFormer	0.50 201	0.46 181	1.60 88	0.30 122	0.15 31	0.45 41	0.24 119	0.90 297	0.72 303	0.56 236	0.64 287	0.51 197	0.41 216	1.87 356	0.49 250	0.13 228	0.10 159	0.11 120	0.10 86	0.15 101	0.16 191

tta	0.50 201	0.46 181	1.60 88	0.30 122	0.15 31	0.45 41	0.24 119	0.90 297	0.72 303	0.56 236	0.64 287	0.51 197	0.41 216	1.87 356	0.49 250	0.13 228	0.10 159	0.11 120	0.10 86	0.14 85	0.11 55

qqq1	0.48 175	0.46 181	1.60 88	0.30 122	0.15 31	0.45 41	0.24 119	0.90 297	0.72 303	0.56 236	0.64 287	0.51 197	0.41 216	1.87 356	0.23 51	0.13 228	0.10 159	0.09 30	0.08 36	0.14 85	0.11 55

fff1	0.48 175	0.46 181	1.60 88	0.30 122	0.15 31	0.45 41	0.24 119	0.90 297	0.72 303	0.56 236	0.64 287	0.51 197	0.41 216	1.87 356	0.23 51	0.13 228	0.10 159	0.09 30	0.08 36	0.14 85	0.11 55

IGEV_Zeroshot_test	0.53 235	0.33 106	2.91 400	0.32 176	0.18 96	0.54 111	0.21 51	0.72 155	0.42 40	0.81 375	0.51 168	0.71 305	0.41 216	0.48 125	1.13 365	0.09 23	0.15 282	0.10 70	0.35 393	0.19 199	0.09 23

HH	0.49 192	0.49 195	2.78 386	0.50 365	0.41 356	0.38 29	0.23 92	0.72 155	0.38 19	0.63 311	0.48 140	0.87 359	0.41 216	0.64 184	0.21 34	0.09 23	0.17 314	0.10 70	0.09 53	0.16 134	0.12 86

HanStereo	0.49 192	0.49 195	2.78 386	0.50 365	0.41 356	0.38 29	0.23 92	0.72 155	0.38 19	0.63 311	0.48 140	0.87 359	0.41 216	0.64 184	0.21 34	0.09 23	0.17 314	0.10 70	0.09 53	0.16 134	0.12 86

AACVNet	0.54 240	0.78 306	1.73 115	0.36 256	0.21 146	0.57 155	0.25 134	0.71 150	0.51 106	0.55 226	0.59 235	0.64 262	0.41 216	2.13 387	0.41 215	0.14 265	0.11 204	0.14 261	0.11 143	0.33 336	0.15 168

DCANet	0.42 113	0.77 298	1.95 231	0.25 23	0.14 17	0.51 82	0.22 69	0.77 199	0.72 303	0.54 209	0.48 140	0.31 69	0.41 216	0.36 61	0.39 203	0.09 23	0.07 14	0.09 30	0.07 15	0.13 66	0.23 289

CFNet-ft	0.51 218	0.76 290	1.79 162	0.28 80	0.30 262	0.63 254	0.28 193	0.66 128	0.55 147	0.45 122	0.57 226	0.74 317	0.41 216	1.46 288	0.42 217	0.14 265	0.10 159	0.28 388	0.13 202	0.18 179	0.14 135

CFNet_RVC	0.51 218	0.76 290	1.79 162	0.28 80	0.30 262	0.63 254	0.28 193	0.66 128	0.55 147	0.45 122	0.57 226	0.74 317	0.41 216	1.46 288	0.42 217	0.14 265	0.10 159	0.28 388	0.13 202	0.18 179	0.14 135

UCFNet_RVC	0.48 175	0.82 319	1.85 185	0.30 122	0.27 236	0.64 265	0.26 153	0.74 167	0.55 147	0.48 150	0.53 189	0.63 254	0.41 216	0.88 234	0.38 192	0.15 281	0.10 159	0.17 321	0.17 287	0.18 179	0.15 168

AANet_RVC	0.68 321	1.00 376	2.09 264	0.33 196	0.25 211	0.58 171	0.32 256	0.81 235	0.80 360	0.61 291	0.94 376	0.80 338	0.41 216	2.46 413	1.02 357	0.36 405	0.14 259	0.10 70	0.09 53	0.23 244	0.22 269

PS-NSSS	0.63 295	1.00 376	1.81 169	0.30 122	0.31 278	0.63 254	0.34 268	0.98 361	0.69 278	0.54 209	0.74 339	0.51 197	0.41 216	2.43 411	0.48 245	0.24 375	0.17 314	0.27 384	0.18 297	0.27 295	0.21 259

iResNetv2_ROB	0.59 274	1.43 427	2.96 402	0.40 307	0.22 167	0.58 171	0.28 193	0.91 307	0.73 317	0.57 247	0.63 272	0.60 245	0.41 216	0.74 212	0.35 179	0.11 151	0.08 68	0.10 70	0.07 15	0.43 389	0.17 208

MyStereo05	0.49 192	0.41 153	2.72 376	0.30 122	0.23 183	0.60 197	0.30 221	0.82 242	0.77 347	0.52 187	0.37 76	0.51 197	0.42 232	0.52 148	0.38 192	0.09 23	0.17 314	0.12 171	0.10 86	0.16 134	0.20 253

MyStereo04	0.48 175	0.40 149	2.65 367	0.29 108	0.23 183	0.60 197	0.31 233	0.83 248	0.75 334	0.47 132	0.36 73	0.53 205	0.42 232	0.53 154	0.39 203	0.09 23	0.18 324	0.12 171	0.11 143	0.16 134	0.19 239

TestStereo1	0.49 192	0.81 315	1.85 185	0.39 298	0.57 401	0.56 137	0.34 268	0.75 177	0.69 278	0.44 112	0.63 272	0.35 90	0.42 232	0.64 184	0.29 119	0.10 96	0.08 68	0.12 171	0.10 86	0.33 336	0.26 317

SA-5K	0.49 192	0.81 315	1.85 185	0.39 298	0.57 401	0.56 137	0.34 268	0.75 177	0.69 278	0.44 112	0.63 272	0.35 90	0.42 232	0.64 184	0.29 119	0.10 96	0.08 68	0.12 171	0.10 86	0.33 336	0.26 317

GES	0.44 129	0.28 73	1.88 199	0.30 122	0.18 96	0.61 217	0.30 221	0.88 285	0.46 69	0.47 132	0.52 180	0.39 106	0.42 232	0.58 167	0.67 304	0.15 281	0.11 204	0.12 171	0.10 86	0.15 101	0.17 208

222	0.78 364	0.23 27	1.23 28	0.28 80	0.18 96	0.62 237	0.24 119	1.02 392	0.70 286	0.58 263	0.66 298	0.46 170	0.42 232	1.80 345	6.53 463	0.13 228	0.10 159	0.11 120	0.10 86	0.12 40	0.17 208

FADNet_RVC	0.81 374	1.14 397	2.42 327	0.30 122	0.24 196	0.71 316	0.24 119	0.95 344	0.61 196	0.44 112	0.56 219	0.59 239	0.42 232	1.52 300	0.68 307	0.94 437	0.96 453	0.28 388	1.00 453	0.90 432	1.36 456

BEATNet_4x	0.47 170	0.73 284	1.91 215	0.33 196	0.15 31	0.56 137	0.25 134	0.85 262	0.58 170	0.54 209	0.51 168	0.57 230	0.42 232	0.57 164	0.61 290	0.11 151	0.08 68	0.12 171	0.09 53	0.20 213	0.16 191

HSM-Net_RVC	0.67 314	0.34 116	2.23 297	0.26 45	0.19 121	0.67 289	0.29 214	1.26 426	0.69 278	0.72 352	0.70 326	0.78 331	0.42 232	3.77 454	0.41 215	0.13 228	0.09 127	0.10 70	0.09 53	0.12 40	0.11 55
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
StereoDRNet-Refined	0.50 201	0.41 153	1.50 75	0.33 196	0.21 146	0.68 301	0.26 153	0.81 235	0.68 269	0.67 333	0.68 309	0.73 311	0.42 232	1.10 252	0.59 286	0.11 151	0.08 68	0.14 261	0.14 230	0.25 269	0.21 259
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
gwcnet-sp	0.49 192	0.43 164	2.54 353	0.31 148	0.22 167	0.67 289	0.31 233	0.78 213	0.65 246	0.58 263	0.47 128	0.46 170	0.43 242	0.76 216	0.46 233	0.11 151	0.11 204	0.11 120	0.11 143	0.15 101	0.14 135

scenet	0.49 192	0.43 164	2.54 353	0.31 148	0.22 167	0.67 289	0.31 233	0.78 213	0.65 246	0.58 263	0.47 128	0.46 170	0.43 242	0.76 216	0.46 233	0.11 151	0.11 204	0.11 120	0.11 143	0.15 101	0.14 135

ToySt	0.44 129	0.61 234	1.89 206	0.29 108	0.18 96	0.55 123	0.35 275	0.67 137	0.53 130	0.39 88	0.50 164	0.59 239	0.43 242	0.51 144	0.49 250	0.10 96	0.12 228	0.13 227	0.16 271	0.24 259	0.19 239

ssnet	0.49 192	0.43 164	2.54 353	0.31 148	0.22 167	0.67 289	0.31 233	0.78 213	0.65 246	0.58 263	0.47 128	0.46 170	0.43 242	0.76 216	0.46 233	0.11 151	0.11 204	0.11 120	0.11 143	0.15 101	0.14 135

GMM-Stereo	0.50 201	0.23 27	2.41 325	0.54 382	0.24 196	0.77 347	0.46 334	0.59 100	0.57 160	0.58 263	0.73 336	0.47 178	0.43 242	0.68 195	0.27 96	0.10 96	0.06 1	0.13 227	0.13 202	0.14 85	0.44 403

PSMNet-RSSM	0.53 235	0.82 319	1.78 143	0.31 148	0.25 211	0.58 171	0.28 193	0.84 258	0.60 181	0.50 168	0.61 255	0.67 279	0.43 242	1.68 323	0.42 217	0.15 281	0.10 159	0.14 261	0.16 271	0.15 101	0.13 120

STTStereo	0.51 218	0.69 272	2.14 278	0.36 256	0.30 262	0.61 217	0.32 256	0.77 199	0.60 181	0.60 284	0.54 199	0.67 279	0.43 242	0.86 232	0.42 217	0.16 299	0.15 282	0.17 321	0.20 326	0.16 134	0.15 168

CFNet_ucs	0.48 175	0.50 201	2.32 307	0.26 45	0.22 167	0.57 155	0.22 69	0.85 262	0.65 246	0.53 197	0.64 287	0.68 285	0.44 249	0.54 157	0.31 145	0.13 228	0.12 228	0.16 304	0.11 143	0.19 199	0.17 208

SACVNet	0.60 279	0.74 287	1.90 209	0.37 276	0.28 246	0.64 265	0.37 289	0.86 271	0.61 196	0.65 327	0.62 260	0.69 292	0.44 249	2.08 383	0.42 217	0.18 324	0.14 259	0.16 304	0.15 252	0.38 369	0.24 299

GEStereo_RVC	0.54 240	0.87 332	1.95 231	0.47 353	0.25 211	0.62 237	0.37 289	1.00 381	0.74 321	0.53 197	0.54 199	0.59 239	0.44 249	1.10 252	0.46 233	0.15 281	0.11 204	0.12 171	0.10 86	0.26 287	0.19 239

FINET	0.65 307	0.95 357	3.06 411	0.35 238	0.40 349	0.58 171	0.48 345	0.92 316	1.10 412	0.57 247	0.68 309	0.47 178	0.44 249	1.15 263	0.60 288	0.23 368	0.21 351	0.17 321	0.15 252	0.26 287	0.25 308

DualNet (step1)	0.59 274	0.62 240	1.93 221	0.27 58	0.22 167	0.68 301	0.31 233	0.93 324	0.66 260	0.57 247	0.51 168	0.55 212	0.45 253	1.11 255	0.38 192	0.61 422	0.14 259	0.87 432	0.56 427	0.25 269	0.23 289

test_sample9	0.94 390	0.62 240	1.93 221	0.27 58	0.22 167	0.68 301	0.31 233	0.93 324	0.66 260	0.57 247	0.51 168	0.55 212	0.45 253	1.91 366	2.55 427	0.61 422	4.16 466	0.87 432	0.56 427	0.25 269	0.23 289

test_sample7	0.47 170	0.33 106	1.49 72	0.34 223	0.20 136	0.51 82	0.30 221	0.93 324	0.66 260	0.57 247	0.51 168	0.55 212	0.45 253	1.11 255	0.38 192	0.17 313	0.14 259	0.16 304	0.15 252	0.19 199	0.18 227

riskmin	0.37 68	0.22 23	1.74 119	0.32 176	0.20 136	0.48 65	0.20 34	0.66 128	0.46 69	0.36 72	0.34 64	0.69 292	0.45 253	0.39 77	0.27 96	0.11 151	0.08 68	0.12 171	0.08 36	0.13 66	0.16 191

IPLGR	0.54 240	0.56 224	2.68 370	0.36 256	0.18 96	0.62 237	0.54 358	1.02 392	0.64 233	0.73 356	0.46 125	0.47 178	0.45 253	1.12 258	0.29 119	0.09 23	0.08 68	0.11 120	0.09 53	0.19 199	0.12 86

PSMNet-ADL	0.51 218	0.38 136	1.65 95	0.35 238	0.21 146	0.67 289	0.26 153	0.74 167	0.55 147	0.42 101	0.52 180	0.70 302	0.45 253	1.91 366	0.57 279	0.15 281	0.13 244	0.11 120	0.13 202	0.15 101	0.20 253

ADLNet	0.60 279	0.71 277	1.95 231	0.35 238	0.34 305	0.67 289	0.34 268	0.90 297	0.74 321	0.68 340	0.62 260	0.80 338	0.45 253	1.78 337	0.64 298	0.14 265	0.11 204	0.14 261	0.14 230	0.29 304	0.21 259

acv_ft	0.48 175	0.44 173	1.76 129	0.32 176	0.41 356	0.63 254	0.28 193	0.81 235	0.68 269	0.61 291	0.59 235	0.69 292	0.45 253	0.44 98	0.63 294	0.11 151	0.09 127	0.10 70	0.09 53	0.41 383	0.10 41

GANet-RSSM	0.55 252	0.73 284	1.90 209	0.36 256	0.26 224	0.59 187	0.27 178	0.78 213	0.52 112	0.47 132	0.57 226	0.63 254	0.45 253	1.92 370	0.43 225	0.14 265	0.10 159	0.25 380	0.11 143	0.34 343	0.14 135

FADNet-RVC-Resample	0.67 314	1.16 405	3.16 420	0.37 276	0.29 252	0.62 237	0.38 295	0.86 271	0.63 225	0.51 180	0.50 164	0.57 230	0.45 253	1.57 306	0.49 250	0.24 375	0.32 400	0.23 369	0.19 316	0.27 295	0.62 423

NLCA_NET_v2_RVC	0.55 252	0.92 343	2.36 318	0.38 290	0.37 334	0.60 197	0.28 193	0.82 242	0.62 214	0.62 302	0.55 208	0.72 307	0.45 253	1.00 242	0.43 225	0.15 281	0.11 204	0.14 261	0.14 230	0.15 101	0.16 191
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
anonymousa	0.48 175	0.46 181	2.44 333	0.29 108	0.34 305	0.61 217	0.25 134	0.66 128	0.54 142	0.53 197	0.77 347	0.73 311	0.46 264	0.33 45	0.31 145	0.10 96	0.09 127	0.12 171	0.29 367	0.10 16	0.19 239

iRaft-Stereo_5w	0.54 240	1.01 380	2.08 263	0.27 58	0.21 146	0.49 71	0.28 193	0.73 163	0.58 170	0.40 90	0.61 255	0.62 251	0.46 264	1.78 337	0.47 242	0.09 23	0.07 14	0.11 120	0.10 86	0.39 377	0.12 86

FADNet-RVC	0.61 287	1.26 414	2.12 271	0.33 196	0.26 224	0.59 187	0.29 214	0.86 271	0.62 214	0.45 122	0.50 164	0.62 251	0.46 264	1.73 330	0.55 269	0.17 313	0.20 343	0.17 321	0.18 297	0.59 414	0.28 330

NVstereo2D	0.58 269	0.40 149	2.03 254	0.35 238	0.35 316	0.69 307	0.39 299	0.91 307	0.80 360	0.47 132	0.53 189	0.67 279	0.46 264	1.99 376	0.48 245	0.19 338	0.11 204	0.17 321	0.13 202	0.25 269	0.25 308

DLCB_ROB	0.54 240	0.55 222	1.49 72	0.36 256	0.25 211	0.65 277	0.36 282	0.80 231	0.70 286	0.72 352	0.69 316	0.83 347	0.46 264	1.53 301	0.60 288	0.13 228	0.12 228	0.14 261	0.14 230	0.14 85	0.13 120

DispNO	0.67 314	0.98 370	2.58 357	0.31 148	0.27 236	0.59 187	0.29 214	0.83 248	0.68 269	0.53 197	0.79 351	0.83 347	0.47 269	2.46 413	0.68 307	0.12 199	0.10 159	0.19 346	0.31 378	0.16 134	0.17 208

1111x	0.74 351	0.21 13	1.93 221	0.31 148	0.17 69	0.63 254	0.32 256	1.03 399	0.74 321	0.52 187	0.62 260	0.57 230	0.47 269	2.38 403	4.25 453	0.12 199	0.14 259	0.11 120	0.12 175	0.12 40	0.14 135

ssnet_v2	0.55 252	0.60 230	1.86 193	0.32 176	0.22 167	0.72 322	0.44 324	0.94 332	0.74 321	0.63 311	0.54 199	0.81 341	0.47 269	0.77 220	0.70 310	0.16 299	0.14 259	0.14 261	0.14 230	0.30 315	0.30 344

SA	0.50 201	0.75 289	1.95 231	0.31 148	0.61 412	0.57 155	0.31 233	0.91 307	0.73 317	0.42 101	0.62 260	0.38 102	0.47 269	0.68 195	0.29 119	0.09 23	0.09 127	0.13 227	0.32 383	0.30 315	0.10 41

CFNet_pseudo	0.45 147	0.46 181	2.23 297	0.25 23	0.19 121	0.56 137	0.21 51	0.77 199	0.60 181	0.49 161	0.56 219	0.69 292	0.47 269	0.52 148	0.31 145	0.11 151	0.10 159	0.15 287	0.10 86	0.17 155	0.14 135

ccs_rob	0.45 147	0.46 181	2.22 293	0.26 45	0.19 121	0.56 137	0.21 51	0.77 199	0.60 181	0.49 161	0.56 219	0.69 292	0.47 269	0.52 148	0.31 145	0.11 151	0.09 127	0.16 304	0.10 86	0.17 155	0.14 135

StereoDRNet	0.64 299	0.88 335	2.35 315	0.41 313	0.45 372	0.73 327	0.47 342	0.94 332	0.74 321	0.75 359	0.54 199	0.74 317	0.47 269	1.70 326	0.72 316	0.15 281	0.14 259	0.15 287	0.14 230	0.20 213	0.19 239

PSMNet_ROB	0.66 311	1.01 380	2.33 310	0.38 290	0.31 278	0.72 322	0.55 361	0.86 271	0.69 278	0.54 209	0.60 248	0.75 322	0.47 269	2.00 377	0.82 334	0.17 313	0.13 244	0.19 346	0.19 316	0.24 259	0.27 324

DAS	0.56 258	0.35 123	1.55 82	0.33 196	0.34 305	0.50 76	0.42 310	0.83 248	0.74 321	0.83 380	0.68 309	0.56 224	0.48 277	2.40 407	0.46 233	0.12 199	0.08 68	0.12 171	0.09 53	0.18 179	0.15 168

SepStereo	0.52 229	0.35 123	1.55 82	0.33 196	0.34 305	0.50 76	0.42 310	0.83 248	0.74 321	0.83 380	0.68 309	0.56 224	0.48 277	1.56 304	0.46 233	0.12 199	0.08 68	0.12 171	0.09 53	0.18 179	0.15 168

ADLNet2	0.68 321	0.84 324	3.19 424	0.33 196	0.36 323	0.64 265	0.37 289	0.89 291	0.79 357	0.54 209	0.65 296	0.93 373	0.48 277	2.07 382	0.56 276	0.13 228	0.11 204	0.11 120	0.11 143	0.33 336	0.18 227

ac_64	0.55 252	0.46 181	1.92 218	0.36 256	0.34 305	0.63 254	0.31 233	0.82 242	0.61 196	0.55 226	0.51 168	0.89 365	0.48 277	1.83 349	0.55 269	0.14 265	0.11 204	0.12 171	0.12 175	0.18 179	0.12 86

TDLM	0.67 314	0.92 343	1.76 129	0.37 276	0.24 196	0.66 283	0.56 366	0.82 242	0.74 321	1.16 410	0.62 260	0.61 247	0.48 277	2.70 431	0.50 255	0.20 346	0.11 204	0.35 403	0.14 230	0.32 328	0.16 191

GwcNet	0.69 325	0.71 277	3.12 417	0.36 256	0.45 372	0.81 364	0.44 324	0.86 271	0.84 371	0.60 284	0.74 339	0.82 345	0.49 282	1.65 319	0.66 301	0.16 299	0.15 282	0.15 287	0.15 252	0.31 322	0.24 299

ETE_ROB	0.60 279	0.71 277	1.55 82	0.37 276	0.25 211	0.69 307	0.51 349	1.47 433	0.70 286	0.80 370	0.69 316	0.85 353	0.49 282	1.36 278	0.58 284	0.16 299	0.13 244	0.19 346	0.16 271	0.21 221	0.23 289

LALA_ROB	0.60 279	0.76 290	1.69 103	0.36 256	0.29 252	0.79 356	0.55 361	0.94 332	0.77 347	0.81 375	0.67 301	0.94 377	0.49 282	0.99 241	0.73 319	0.21 352	0.15 282	0.20 354	0.18 297	0.23 244	0.21 259

delet	0.52 229	0.54 213	1.62 93	0.31 148	0.35 316	0.74 330	0.46 334	0.85 262	0.74 321	0.55 226	0.60 248	0.67 279	0.50 285	1.12 258	0.57 279	0.11 151	0.11 204	0.13 227	0.14 230	0.16 134	0.12 86

CC-Net-ROB	0.85 379	1.15 401	2.13 273	0.88 424	0.38 339	0.88 382	0.44 324	1.06 405	0.79 357	0.58 263	0.69 316	0.65 265	0.50 285	2.74 434	0.51 258	0.93 436	0.39 414	0.87 432	0.29 367	0.54 411	0.54 414

SQANet	0.80 368	1.58 432	2.53 347	0.76 414	0.83 425	0.76 339	0.36 282	0.83 248	0.64 233	0.63 311	0.69 316	0.73 311	0.51 287	1.21 266	0.53 264	0.77 433	0.29 389	0.59 423	0.29 367	0.86 431	0.61 422

SDNR	1.22 417	0.80 310	2.71 374	0.33 196	1.48 455	1.98 445	0.23 92	1.93 448	2.44 449	0.89 388	2.52 441	1.36 421	0.51 287	3.65 452	1.93 405	0.30 396	0.31 395	0.22 362	0.16 271	0.33 336	0.36 377

RAFT_R40	0.50 201	0.21 13	1.76 129	0.50 365	0.40 349	0.61 217	0.53 355	0.56 86	0.60 181	0.56 236	0.54 199	0.55 212	0.51 287	1.57 306	0.53 264	0.11 151	0.07 14	0.12 171	0.10 86	0.16 134	0.09 23

IRAFT_RVC	0.54 240	0.53 209	1.78 143	0.46 348	0.21 146	0.58 171	0.43 316	0.65 126	0.66 260	0.54 209	0.50 164	0.49 191	0.51 287	1.58 310	1.01 356	0.11 151	0.25 378	0.13 227	0.10 86	0.15 101	0.13 120

LMCR-Stereo	0.52 229	0.71 277	2.39 322	0.40 307	0.21 146	0.74 330	0.31 233	1.02 392	0.64 233	0.61 291	0.63 272	0.39 106	0.51 287	0.62 179	0.42 217	0.19 338	0.09 127	0.12 171	0.09 53	0.23 244	0.12 86

DDUNet	0.77 360	1.12 393	1.88 199	0.76 414	0.69 417	0.84 371	0.43 316	0.85 262	0.65 246	0.67 333	0.75 342	0.91 368	0.52 292	1.03 246	0.57 279	0.54 418	0.37 406	0.95 438	0.52 423	0.71 423	0.57 418

CVANet_RVC	0.65 307	0.80 310	2.13 273	0.36 256	0.26 224	0.62 237	0.42 310	0.84 258	0.72 303	0.69 342	0.68 309	0.68 285	0.52 292	2.64 425	0.42 217	0.19 338	0.12 228	0.22 362	0.17 287	0.37 363	0.15 168

IER	0.43 119	0.38 136	1.69 103	0.26 45	0.25 211	0.66 283	0.26 153	0.71 150	0.55 147	0.54 209	0.59 235	0.60 245	0.53 294	0.52 148	0.39 203	0.11 151	0.08 68	0.11 120	0.11 143	0.14 85	0.11 55

DISCO	0.57 264	0.34 116	1.87 198	0.45 344	0.34 305	0.84 371	0.35 275	0.84 258	0.78 352	0.59 276	0.63 272	1.06 401	0.53 294	1.10 252	0.82 334	0.12 199	0.09 127	0.11 120	0.10 86	0.22 235	0.18 227

XPNet_ROB	0.61 287	0.72 281	1.66 99	0.37 276	0.27 236	0.67 289	0.47 342	0.89 291	0.71 295	0.78 368	0.70 326	0.81 341	0.53 294	1.70 326	0.76 323	0.21 352	0.16 298	0.16 304	0.15 252	0.20 213	0.21 259

psm_up	0.57 264	0.61 234	1.83 180	0.35 238	0.30 262	0.64 265	0.37 289	0.90 297	0.68 269	0.59 276	0.55 208	0.68 285	0.54 297	1.91 366	0.46 233	0.16 299	0.15 282	0.16 304	0.15 252	0.23 244	0.13 120

UNet	0.54 240	0.44 173	2.83 390	0.31 148	0.33 298	0.74 330	0.27 178	0.82 242	0.61 196	0.53 197	0.54 199	0.72 307	0.54 297	0.78 224	0.56 276	0.11 151	0.09 127	0.13 227	0.11 143	0.14 85	0.12 86

HGLStereo	0.54 240	0.69 272	2.00 246	0.35 238	0.40 349	0.66 283	0.30 221	0.83 248	0.62 214	0.57 247	0.69 316	0.69 292	0.54 297	1.07 249	0.55 269	0.13 228	0.13 244	0.13 227	0.11 143	0.19 199	0.17 208

PA-Net	0.84 378	1.00 376	3.49 436	0.63 403	0.40 349	0.70 314	0.52 352	0.86 271	0.84 371	0.52 187	0.59 235	0.70 302	0.54 297	2.35 399	2.23 419	0.17 313	0.27 386	0.19 346	0.28 364	0.22 235	0.36 377
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.65 307	0.94 351	1.96 240	0.43 325	0.30 262	0.71 316	0.68 393	0.84 258	0.65 246	0.70 345	0.60 248	0.86 357	0.54 297	1.56 304	0.57 279	0.20 346	0.16 298	0.67 426	0.25 351	0.22 235	0.24 299

GASNet	0.73 348	1.47 429	3.04 409	0.47 353	0.33 298	0.57 155	0.34 268	0.91 307	0.75 334	0.58 263	0.58 232	0.74 317	0.55 302	2.03 378	0.65 300	0.21 352	0.15 282	0.19 346	0.17 287	0.51 406	0.28 330

pcwnet_v2	0.64 299	0.49 195	4.41 452	0.32 176	0.27 236	0.60 197	0.25 134	0.97 357	0.88 380	0.59 276	0.70 326	0.63 254	0.55 302	0.66 193	0.37 186	0.17 313	0.15 282	0.15 287	0.14 230	0.21 221	0.23 289

APVNet	0.70 329	0.67 266	2.71 374	0.38 290	0.36 323	0.85 375	0.43 316	0.91 307	0.68 269	0.55 226	0.69 316	0.75 322	0.55 302	2.31 397	0.78 327	0.17 313	0.17 314	0.24 375	0.19 316	0.33 336	0.23 289

MMNet	0.50 201	0.48 192	1.93 221	0.33 196	0.27 236	0.79 356	0.28 193	0.81 235	0.74 321	0.60 284	0.56 219	0.59 239	0.55 302	0.79 225	0.59 286	0.10 96	0.09 127	0.12 171	0.11 143	0.13 66	0.14 135

Wz-Net-LNSev	0.59 274	0.96 359	2.47 338	0.34 223	0.37 334	0.79 356	0.44 324	0.86 271	0.77 347	0.61 291	0.67 301	0.79 336	0.56 306	0.64 184	0.62 292	0.15 281	0.14 259	0.12 171	0.12 175	0.18 179	0.19 239

DMCA-RVC	0.62 292	0.96 359	2.63 363	0.36 256	0.90 430	0.56 137	0.31 233	0.69 142	0.57 160	0.68 340	0.52 180	0.59 239	0.56 306	1.23 269	0.53 264	0.16 299	0.38 408	0.20 354	0.15 252	0.20 213	0.15 168

MSMDNet	0.46 156	0.44 173	2.28 303	0.26 45	0.20 136	0.55 123	0.21 51	0.75 177	0.64 233	0.48 150	0.55 208	0.68 285	0.56 306	0.46 113	0.30 133	0.11 151	0.10 159	0.13 227	0.10 86	0.18 179	0.15 168

DANet	0.80 368	0.65 259	2.21 289	1.19 442	0.48 382	0.74 330	1.25 439	0.89 291	1.53 434	0.89 388	0.71 330	0.96 380	0.56 306	1.83 349	0.96 344	0.18 324	0.16 298	0.19 346	0.16 271	0.26 287	0.29 336
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DRN-Test	0.64 299	0.43 164	2.44 333	0.39 298	0.44 364	0.80 363	0.41 307	1.02 392	0.78 352	0.80 370	0.63 272	0.69 292	0.56 306	1.79 341	0.69 309	0.15 281	0.12 228	0.17 321	0.16 271	0.18 179	0.17 208

PCWNet_CMD	0.46 156	0.45 179	2.28 303	0.26 45	0.20 136	0.55 123	0.21 51	0.75 177	0.64 233	0.48 150	0.55 208	0.68 285	0.57 311	0.46 113	0.30 133	0.11 151	0.10 159	0.14 261	0.10 86	0.18 179	0.14 135

Wz-Net-LNSev-Ref	0.57 264	0.87 332	2.11 268	0.32 176	0.30 262	0.84 371	0.40 301	0.88 285	0.72 303	0.65 327	0.73 336	0.66 270	0.57 311	0.93 235	0.71 312	0.13 228	0.07 14	0.10 70	0.08 36	0.15 101	0.14 135

DSFCA	0.54 240	0.35 123	1.41 54	0.28 80	0.28 246	0.79 356	0.88 415	0.76 189	0.70 286	0.72 352	0.66 298	0.67 279	0.57 311	1.17 264	0.63 294	0.16 299	0.14 259	0.13 227	0.14 230	0.16 134	0.13 120

FADNet	0.64 299	1.22 409	2.06 256	0.32 176	0.30 262	0.66 283	0.29 214	0.88 285	0.72 303	0.44 112	0.48 140	0.66 270	0.57 311	1.84 354	0.45 232	0.46 413	0.20 343	0.17 321	0.19 316	0.59 414	0.24 299

MyStereo06	0.54 240	0.41 153	2.68 370	0.30 122	0.23 183	0.60 197	0.30 221	0.81 235	0.44 51	0.84 382	0.52 180	0.78 331	0.58 315	0.48 125	1.10 363	0.09 23	0.17 314	0.12 171	0.10 86	0.16 134	0.20 253

Anonymous_2	0.74 351	0.32 100	1.65 95	0.33 196	0.30 262	0.67 289	0.32 256	0.69 142	0.46 69	0.48 150	0.41 101	0.84 350	0.58 315	0.51 144	0.40 209	0.32 399	0.38 408	1.43 454	3.69 467	0.80 429	0.27 324

RTSC	0.72 339	1.00 376	2.22 293	0.40 307	0.29 252	0.82 367	0.31 233	0.96 349	1.10 412	0.92 391	0.81 352	0.78 331	0.58 315	1.23 269	1.55 393	0.18 324	0.17 314	0.14 261	0.17 287	0.43 389	0.30 344

GANetREF_RVC	0.75 353	1.15 401	2.46 336	0.47 353	0.26 224	0.83 369	0.61 379	0.97 357	0.89 384	0.62 302	0.61 255	0.72 307	0.59 318	2.42 409	0.55 269	0.32 399	0.25 378	0.36 405	0.24 343	0.39 377	0.31 351
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
GANet	0.75 353	0.84 324	2.01 247	0.40 307	0.25 211	0.74 330	0.66 387	0.87 280	0.73 317	0.71 349	1.07 396	0.84 350	0.59 318	2.71 433	1.15 368	0.17 313	0.16 298	0.44 416	0.16 271	0.31 322	0.20 253

AIO-Stereo-zeroshot1	0.70 329	0.65 259	3.45 435	0.50 365	0.60 410	0.75 336	0.23 92	0.96 349	0.60 181	0.76 362	1.30 408	0.81 341	0.60 320	0.57 164	0.82 334	0.10 96	0.16 298	0.11 120	0.43 414	0.31 322	0.22 269

fast-acv-ft	0.63 295	0.88 335	3.10 414	0.38 290	0.30 262	0.79 356	0.48 345	0.69 142	0.72 303	0.58 263	0.78 348	0.76 326	0.60 320	0.67 194	0.73 319	0.15 281	0.15 282	0.18 340	0.17 287	0.37 363	0.16 191

Wz-Net-SNSev	0.76 356	1.32 421	3.11 416	0.40 307	0.31 278	0.71 316	0.60 376	0.98 361	0.87 377	0.67 333	0.83 355	0.96 380	0.60 320	1.67 322	0.97 345	0.16 299	0.15 282	0.16 304	0.17 287	0.36 356	0.24 299

HHNet	0.60 279	0.65 259	2.60 362	0.36 256	0.25 211	0.64 265	0.61 379	0.64 121	0.62 214	0.55 226	1.13 400	0.32 77	0.60 320	0.42 89	1.79 402	0.15 281	0.07 14	0.12 171	0.10 86	0.18 179	0.15 168

SST-Stereo	0.52 229	0.20 8	1.76 129	0.62 402	0.53 392	0.62 237	0.66 387	0.55 83	0.61 196	0.58 263	0.53 189	0.52 203	0.60 320	1.59 312	0.29 119	0.11 151	0.07 14	0.12 171	0.10 86	0.16 134	0.10 41

MFN_U_SF_DS_RVC	1.01 400	1.67 438	2.32 307	0.47 353	0.39 341	1.47 421	0.95 419	0.95 344	0.91 387	0.84 382	0.94 376	1.05 399	0.60 320	2.95 440	0.72 316	0.41 407	0.72 447	0.32 400	0.55 424	0.74 424	1.22 453

S-Stereo	0.80 368	0.69 272	3.89 443	0.39 298	0.37 334	0.69 307	0.70 398	0.94 332	0.98 398	0.62 302	0.91 371	0.83 347	0.60 320	2.37 400	0.66 301	0.18 324	0.21 351	0.17 321	0.18 297	0.30 315	0.35 369

RYNet	0.70 329	0.56 224	2.25 299	0.35 238	0.41 356	0.86 377	0.43 316	0.94 332	0.82 365	0.62 302	0.53 189	0.91 368	0.60 320	2.70 431	1.00 352	0.14 265	0.11 204	0.16 304	0.14 230	0.25 269	0.27 324

RASNet	0.61 287	0.68 268	2.03 254	0.35 238	0.46 378	0.65 277	0.28 193	0.78 213	0.70 286	0.48 150	0.64 287	0.93 373	0.61 328	2.21 392	0.73 319	0.12 199	0.09 127	0.09 30	0.10 86	0.14 85	0.11 55

PASM	0.72 339	0.68 268	1.91 215	0.47 353	0.44 364	0.60 197	0.51 349	0.76 189	0.80 360	0.77 366	0.67 301	0.87 359	0.61 328	2.40 407	0.67 304	0.32 399	0.35 402	0.36 405	0.41 411	0.45 397	0.39 390

FBW_ROB	0.83 376	0.77 298	1.77 138	0.44 330	0.30 262	0.87 381	0.46 334	1.10 411	0.91 387	0.81 375	0.75 342	1.01 390	0.61 328	3.66 453	1.23 375	0.26 383	0.23 362	0.36 405	0.25 351	0.27 295	0.62 423

PDISCO_ROB	0.75 353	1.06 387	2.11 268	0.64 404	0.59 405	1.13 410	0.43 316	1.14 416	1.05 405	0.64 320	0.71 330	0.96 380	0.61 328	1.21 266	0.76 323	0.37 406	0.18 324	0.27 384	0.24 343	0.56 413	0.32 356

PWCDC_ROB	0.72 339	1.06 387	2.09 264	0.47 353	0.36 323	0.78 352	0.26 153	0.98 361	1.34 426	0.61 291	2.07 429	0.64 262	0.61 328	0.83 227	0.71 312	0.31 398	0.14 259	0.15 287	0.12 175	0.60 417	0.21 259

DGSMNet	2.89 454	0.63 251	3.18 423	3.43 467	4.17 465	2.57 455	6.98 468	0.97 357	0.83 369	0.56 236	1.86 426	0.79 336	0.62 333	1.64 318	1.39 384	4.61 465	5.01 468	5.17 469	4.71 468	4.44 469	4.19 467

DeepPrunerF	0.86 380	0.86 329	2.91 400	0.45 344	0.50 385	0.64 265	0.48 345	1.14 416	2.64 452	0.63 311	0.61 255	0.65 265	0.62 333	2.21 392	1.31 378	0.23 368	0.19 334	0.30 396	0.28 364	0.36 356	0.25 308

PWC_ROB	0.70 329	0.94 351	1.88 199	0.39 298	0.39 341	0.62 237	0.30 221	0.98 361	0.94 391	0.91 390	1.29 407	0.77 328	0.62 333	1.62 317	1.03 359	0.18 324	0.11 204	0.18 340	0.13 202	0.51 406	0.22 269

STTRV1_RVC	0.80 368	0.55 222	2.89 395	0.42 321	0.49 383	0.79 356	0.44 324	1.15 419	0.82 365	0.62 302	0.89 369	0.72 307	0.63 336	2.69 430	0.64 298	0.48 414	0.64 435	0.27 384	0.24 343	0.35 351	0.27 324

otaku	1.03 401	1.68 440	2.72 376	0.95 430	0.73 420	1.03 399	0.59 374	0.99 373	0.86 374	0.69 342	1.61 419	0.98 384	0.64 337	1.46 288	1.14 366	0.95 438	0.46 420	0.72 429	0.40 408	1.24 443	0.78 434

HSM	0.62 292	0.76 290	1.72 114	0.30 122	0.29 252	0.64 265	0.28 193	0.94 332	0.62 214	0.58 263	0.57 226	1.40 423	0.64 337	2.59 423	0.42 217	0.11 151	0.08 68	0.10 70	0.08 36	0.14 85	0.11 55

AIO-Stereo-zeroshot	0.61 287	0.61 234	3.35 434	0.33 196	0.58 403	0.66 283	0.20 34	0.98 361	0.55 147	0.73 356	0.52 180	0.99 387	0.65 339	0.58 167	0.29 119	0.10 96	0.16 298	0.10 70	0.41 411	0.29 304	0.20 253

fff	0.43 119	0.77 298	1.95 231	0.24 11	0.13 9	0.51 82	0.22 69	0.77 199	0.75 334	0.54 209	0.47 128	0.31 69	0.65 339	0.36 61	0.34 172	0.09 23	0.07 14	0.08 4	0.07 15	0.08 1	0.22 269

Wz-Net-MNSev	0.65 307	0.97 367	2.19 287	0.36 256	0.33 298	0.90 384	0.60 376	0.92 316	0.81 364	0.75 359	0.72 334	0.73 311	0.65 339	1.39 279	0.71 312	0.16 299	0.13 244	0.14 261	0.14 230	0.24 259	0.18 227

csc	0.43 119	0.77 298	1.95 231	0.24 11	0.13 9	0.51 82	0.22 69	0.77 199	0.75 334	0.54 209	0.47 128	0.31 69	0.65 339	0.36 61	0.34 172	0.09 23	0.07 14	0.08 4	0.07 15	0.08 1	0.22 269

cscssc	0.43 119	0.77 298	1.95 231	0.24 11	0.13 9	0.51 82	0.22 69	0.77 199	0.75 334	0.54 209	0.47 128	0.31 69	0.65 339	0.36 61	0.34 172	0.09 23	0.07 14	0.08 4	0.07 15	0.08 1	0.22 269

Ntro	1.00 398	1.68 440	2.80 388	0.95 430	0.85 426	1.06 401	0.53 355	0.98 361	0.90 386	0.62 302	0.76 344	0.93 373	0.66 344	1.66 320	0.98 346	0.99 441	0.45 418	0.75 430	0.40 408	1.19 439	0.75 431

ASMatch	0.60 279	0.43 164	2.58 357	0.91 426	0.36 323	0.56 137	0.25 134	0.52 60	0.61 196	0.47 132	1.21 402	0.47 178	0.66 344	1.34 276	0.94 342	0.10 96	0.08 68	0.11 120	0.11 143	0.10 16	0.16 191

iinet-f	0.57 264	0.93 349	2.27 302	0.31 148	0.25 211	0.83 369	0.33 264	0.81 235	0.65 246	0.54 209	0.63 272	0.73 311	0.67 346	0.73 211	0.67 304	0.13 228	0.13 244	0.11 120	0.10 86	0.43 389	0.16 191

UDG	0.77 360	1.23 410	2.15 279	0.67 409	0.59 405	0.78 352	0.38 295	0.90 297	0.70 286	0.61 291	0.69 316	1.01 390	0.67 346	1.02 244	0.73 319	0.45 411	0.34 401	0.87 432	0.51 421	0.67 421	0.46 406

EAI-Stereo	0.78 364	0.25 38	1.67 100	0.54 382	0.59 405	1.95 441	2.05 455	1.11 415	0.64 233	0.95 395	1.49 416	0.50 194	0.67 346	0.59 171	1.44 388	0.09 23	0.19 334	0.09 30	0.49 419	0.13 66	0.22 269

Nwc_Net	0.68 321	0.83 322	2.53 347	0.41 313	0.39 341	0.77 347	0.38 295	1.01 389	0.70 286	0.60 284	0.99 384	0.98 384	0.68 349	1.41 281	0.63 294	0.23 368	0.15 282	0.23 369	0.25 351	0.23 244	0.18 227

iRaft-Stereo_20w	0.58 269	0.39 145	1.96 240	0.45 344	0.32 285	0.92 388	0.57 370	1.14 416	0.56 157	0.81 375	0.40 97	0.55 212	0.69 350	0.65 191	1.04 360	0.09 23	0.16 298	0.09 30	0.36 400	0.17 155	0.25 308

stereogan	0.69 325	0.51 203	2.44 333	0.39 298	0.39 341	1.01 398	0.41 307	0.94 332	0.92 390	0.73 356	0.85 362	1.15 412	0.69 350	1.57 306	0.53 264	0.19 338	0.18 324	0.20 354	0.16 271	0.36 356	0.24 299

ACVNet-4b	1.93 444	1.85 449	4.10 449	1.07 435	0.86 427	1.15 412	0.53 355	1.06 405	1.12 414	0.64 320	1.09 397	1.99 434	0.70 352	2.20 391	9.86 469	5.62 467	0.41 417	1.03 442	0.55 424	1.86 457	0.85 437

pmcnn	1.32 421	1.05 386	2.77 384	0.74 413	1.43 450	0.72 322	0.56 366	0.96 349	0.91 387	0.99 397	2.92 452	6.01 464	0.70 352	2.38 403	3.32 442	0.13 228	0.10 159	0.08 4	0.06 8	0.34 343	0.22 269

RGC	0.71 336	0.97 367	2.18 286	0.44 330	0.44 364	0.73 327	0.40 301	0.94 332	0.71 295	0.71 349	1.04 394	1.01 390	0.71 354	1.74 332	0.70 310	0.23 368	0.18 324	0.28 388	0.26 357	0.29 304	0.27 324

edge stereo	0.81 374	0.73 284	3.30 430	0.37 276	1.21 447	0.62 237	0.39 299	0.93 324	0.79 357	0.80 370	0.88 367	1.14 411	0.71 354	2.18 390	0.71 312	0.21 352	0.20 343	0.26 383	0.18 297	0.38 369	0.26 317

MDST_ROB	1.17 412	0.42 160	3.87 442	0.54 382	0.44 364	4.11 462	0.58 372	1.31 428	0.84 371	2.12 442	1.12 399	0.98 384	0.71 354	4.24 458	0.99 351	0.16 299	0.14 259	0.19 346	0.17 287	0.18 179	0.35 369

KYRaft	0.48 175	0.29 78	1.75 125	0.33 196	0.21 146	0.75 336	0.44 324	0.58 94	0.57 160	0.64 320	0.93 375	0.53 205	0.72 357	0.60 176	0.24 70	0.10 96	0.07 14	0.12 171	0.14 230	0.12 40	0.54 414

Prome-Stereo	0.49 192	0.30 87	1.76 129	0.60 400	0.23 183	0.63 254	0.42 310	0.62 115	0.60 181	0.59 276	1.03 391	0.43 137	0.72 357	0.60 176	0.33 165	0.09 23	0.07 14	0.10 70	0.09 53	0.11 29	0.43 401

Syn2CoEx	0.70 329	1.07 389	2.74 380	0.43 325	0.30 262	0.64 265	0.42 310	0.99 373	0.78 352	0.62 302	0.78 348	0.74 317	0.72 357	1.92 370	0.61 290	0.20 346	0.17 314	0.19 346	0.15 252	0.29 304	0.22 269

AAGNet	0.88 383	0.33 106	1.79 162	0.54 382	0.98 434	0.62 237	0.46 334	0.50 47	0.60 181	0.58 263	0.53 189	0.50 194	0.73 360	1.23 269	7.48 464	0.11 151	0.07 14	0.12 171	0.10 86	0.14 85	0.09 23

psmorigin	1.36 425	0.60 230	13.80 472	0.37 276	0.29 252	0.62 237	0.33 264	0.77 199	0.61 196	0.96 396	0.88 367	1.17 415	0.73 360	4.00 455	0.86 338	0.19 338	0.22 356	0.17 321	0.18 297	0.24 259	0.29 336

NCC-stereo	0.79 366	0.94 351	2.42 327	0.59 397	0.45 372	1.90 439	0.46 334	0.99 373	0.72 303	0.64 320	0.84 358	0.91 368	0.73 360	1.80 345	1.00 352	0.27 388	0.19 334	0.23 369	0.31 378	0.24 259	0.22 269

Abc-Net	0.79 366	0.94 351	2.42 327	0.59 397	0.45 372	1.90 439	0.46 334	0.99 373	0.72 303	0.64 320	0.84 358	0.91 368	0.73 360	1.80 345	1.00 352	0.27 388	0.19 334	0.23 369	0.31 378	0.24 259	0.22 269
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SHD	0.72 339	0.77 298	2.36 318	0.45 344	0.40 349	0.71 316	0.32 256	1.02 392	1.25 422	1.07 403	0.84 358	0.90 367	0.73 360	1.09 251	0.98 346	0.21 352	0.18 324	0.20 354	0.21 331	0.32 328	0.31 351

XQC	0.73 348	0.98 370	2.39 322	0.46 348	0.35 316	0.81 364	0.46 334	1.00 381	1.00 399	0.80 370	0.69 316	0.88 363	0.74 365	1.32 274	1.20 371	0.24 375	0.16 298	0.23 369	0.20 326	0.41 383	0.33 363

raft_robust	0.55 252	0.84 324	1.73 115	0.28 80	0.54 394	0.53 106	0.25 134	0.88 285	0.75 334	0.48 150	0.46 125	0.76 326	0.75 366	1.46 288	0.27 96	0.09 23	0.10 159	0.10 70	0.30 373	0.26 287	0.16 191

ADStereo(finetuned)	0.45 147	0.77 298	2.12 271	0.25 23	0.14 17	0.51 82	0.22 69	0.77 199	0.72 303	0.54 209	0.48 140	0.31 69	0.76 367	0.37 68	0.38 192	0.09 23	0.07 14	0.09 30	0.07 15	0.13 66	0.23 289

LCNet	0.54 240	0.37 131	1.78 143	0.92 427	0.22 167	0.96 391	0.30 221	0.59 100	0.58 170	0.51 180	0.55 208	0.41 120	0.76 367	0.84 229	0.26 88	0.09 23	0.06 1	0.12 171	0.18 297	0.98 433	0.39 390

RP	0.67 314	0.82 319	1.94 228	0.43 325	0.44 364	0.65 277	0.45 331	0.89 291	0.82 365	0.66 329	0.92 372	0.99 387	0.76 367	1.55 303	0.66 301	0.25 380	0.18 324	0.23 369	0.20 326	0.31 322	0.22 269

LL-Strereo	0.72 339	1.29 416	2.49 341	0.36 256	0.45 372	0.55 123	0.32 256	0.93 324	0.71 295	0.67 333	0.58 232	0.85 353	0.79 370	2.67 429	0.46 233	0.10 96	0.18 324	0.14 261	0.12 175	0.40 381	0.42 400

RainbowNet	1.15 409	1.78 445	2.72 376	1.12 440	0.91 431	1.06 401	0.76 406	1.16 421	1.13 416	0.75 359	0.97 381	1.09 405	0.80 371	1.60 313	1.21 373	1.17 446	1.26 456	1.01 441	0.57 430	1.13 437	0.88 441

RAFT + AFF	0.64 299	1.20 407	1.95 231	0.34 223	0.33 298	0.67 289	0.52 352	0.99 373	0.74 321	0.53 197	0.58 232	0.57 230	0.80 371	1.76 334	0.51 258	0.12 199	0.27 386	0.15 287	0.14 230	0.43 389	0.29 336

FAT-Stereo	0.70 329	0.54 213	2.88 392	0.36 256	0.29 252	0.62 237	0.54 358	0.97 357	0.87 377	0.76 362	0.92 372	0.94 377	0.80 371	1.84 354	0.57 279	0.18 324	0.19 334	0.17 321	0.16 271	0.22 235	0.25 308

UGAM-zero	0.63 295	0.39 145	2.49 341	0.30 122	0.49 383	0.67 289	0.19 21	0.91 307	0.45 64	0.77 366	0.45 119	1.16 414	0.82 374	2.05 380	0.29 119	0.09 23	0.15 282	0.09 30	0.44 415	0.11 29	0.22 269

CBFPSM	0.56 258	0.91 342	1.82 175	0.28 80	0.23 183	0.71 316	0.37 289	0.72 155	0.64 233	0.50 168	0.49 157	1.03 394	0.83 375	0.62 179	1.35 381	0.10 96	0.12 228	0.10 70	0.10 86	0.18 179	0.19 239

HBP-ISP	0.76 356	1.30 417	3.19 424	0.35 238	0.26 224	0.85 375	0.54 358	1.03 399	0.72 303	0.80 370	0.69 316	0.68 285	0.83 375	2.04 379	0.44 229	0.23 368	0.24 365	0.29 395	0.25 351	0.28 301	0.24 299

LSM	3.31 458	1.11 392	5.29 458	9.40 472	30.65 483	0.84 371	1.12 433	0.91 307	1.22 420	1.36 426	2.19 434	0.93 373	0.83 375	1.66 320	0.90 340	0.21 352	0.31 395	0.24 375	0.28 364	0.39 377	6.33 469

AF-Net	0.69 325	0.92 343	2.21 289	0.41 313	0.40 349	0.68 301	0.40 301	1.02 392	0.86 374	0.69 342	1.03 391	1.04 397	0.84 378	1.19 265	0.78 327	0.22 365	0.14 259	0.25 380	0.17 287	0.30 315	0.18 227

TransformOpticalFlow	0.64 299	0.56 224	2.66 368	0.44 330	0.26 224	0.62 237	0.28 193	0.83 248	0.71 295	0.76 362	0.74 339	0.91 368	0.85 379	1.83 349	0.81 333	0.10 96	0.07 14	0.11 120	0.09 53	0.11 29	0.12 86

RTS	1.21 414	1.31 418	6.39 461	0.52 373	0.51 390	1.61 428	0.79 408	1.03 399	1.37 428	1.13 407	1.30 408	1.10 407	0.85 379	2.65 426	2.08 412	0.21 352	0.24 365	0.18 340	0.18 297	0.43 389	0.32 356

RTSA	1.21 414	1.31 418	6.39 461	0.52 373	0.51 390	1.61 428	0.79 408	1.03 399	1.37 428	1.13 407	1.30 408	1.10 407	0.85 379	2.65 426	2.08 412	0.21 352	0.24 365	0.18 340	0.18 297	0.43 389	0.32 356

DeepStereo_RVC	0.44 129	0.28 73	1.92 218	0.49 363	0.17 69	0.60 197	0.59 374	0.50 47	0.52 112	0.49 161	0.45 119	0.39 106	0.86 382	0.45 107	0.33 165	0.11 151	0.08 68	0.11 120	0.09 53	0.15 101	0.19 239

Wz-Net-TNSev	0.91 386	1.73 444	3.08 412	0.36 256	0.31 278	1.00 397	0.71 399	1.06 405	0.97 395	0.71 349	0.72 334	1.09 405	0.87 383	2.42 409	1.59 394	0.20 346	0.20 343	0.16 304	0.20 326	0.44 396	0.35 369

anonymity	0.80 368	0.66 265	1.29 35	0.59 397	0.75 421	0.67 289	0.52 352	0.95 344	0.71 295	0.94 393	0.70 326	0.67 279	0.87 383	0.71 208	1.35 381	0.64 425	0.62 434	0.58 421	1.44 460	0.60 417	0.65 426

IPLG	0.69 325	0.84 324	2.43 331	0.35 238	0.21 146	1.65 432	0.61 379	1.36 430	0.58 170	1.39 430	0.51 168	0.37 95	0.87 383	1.41 281	0.36 181	0.09 23	0.07 14	0.14 261	0.12 175	0.32 328	0.11 55

ccnet	0.71 336	0.41 153	1.59 86	0.40 307	0.45 372	1.06 401	0.55 361	0.98 361	0.71 295	0.88 386	0.97 381	0.82 345	0.88 386	1.68 323	0.94 342	0.32 399	0.26 380	0.32 400	0.27 361	0.34 343	0.30 344

MSC_U_SF_DS_RVC	1.34 423	1.70 442	2.50 344	0.56 390	0.40 349	2.15 449	0.99 422	1.24 424	1.26 423	1.02 399	1.10 398	1.29 417	0.88 386	3.10 444	1.08 362	1.66 456	0.83 449	0.68 427	0.88 448	1.57 450	1.80 463

SAMSARA	0.91 386	0.97 367	2.22 293	0.80 418	0.58 403	1.32 416	1.31 441	1.01 389	0.94 391	1.36 426	0.87 365	1.38 422	0.90 388	1.72 329	1.02 357	0.24 375	0.30 393	0.22 362	0.25 351	0.36 356	0.35 369

ADCS	1.05 403	1.36 426	2.98 406	0.42 321	0.36 323	0.96 391	0.81 412	1.06 405	1.12 414	1.25 420	0.97 381	1.08 403	0.90 388	1.25 273	4.86 457	0.21 352	0.21 351	0.22 362	0.23 341	0.36 356	0.38 386

STrans-v2	0.67 314	0.56 224	2.64 365	0.27 58	0.23 183	0.57 155	0.33 264	0.96 349	0.69 278	0.92 391	0.85 362	0.89 365	0.93 390	1.83 349	1.21 373	0.09 23	0.07 14	0.10 70	0.09 53	0.11 29	0.12 86

AnyNet_C32	1.00 398	1.33 423	2.53 347	0.49 363	0.54 394	1.15 412	1.14 434	0.91 307	0.89 384	1.11 406	0.95 378	0.87 359	0.93 390	1.50 297	4.07 450	0.21 352	0.20 343	0.25 380	0.24 343	0.38 369	0.33 363

CBMV_ROB	0.76 356	0.42 160	2.68 370	0.33 196	0.22 167	0.74 330	0.47 342	0.96 349	0.76 343	1.04 402	0.96 379	0.88 363	0.93 390	2.06 381	1.19 370	0.22 365	0.24 365	0.27 384	0.25 351	0.25 269	0.28 330

MFMNet_re	0.92 388	1.28 415	2.53 347	0.82 422	0.76 424	0.90 384	0.75 404	0.98 361	1.04 404	1.03 400	1.05 395	0.84 350	0.94 393	0.83 227	0.72 316	0.68 427	0.60 432	0.63 424	0.60 434	0.77 427	0.74 429

SPS-STEREO	1.07 404	1.13 396	2.88 392	0.65 407	0.69 417	0.99 394	0.68 393	1.05 404	0.87 377	1.36 426	1.23 403	1.46 425	0.94 393	1.87 356	1.72 399	0.66 426	0.61 433	0.58 421	0.57 430	0.65 419	0.77 433
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
hitnet-ft	0.67 314	0.80 310	1.90 209	0.28 80	0.22 167	0.69 307	0.36 282	0.85 262	0.65 246	0.56 236	0.84 358	1.03 394	0.95 395	2.32 398	0.55 269	0.23 368	0.14 259	0.41 413	0.13 202	0.24 259	0.17 208

MFN_U_SF_RVC	1.55 437	2.39 465	3.16 420	0.65 407	0.41 356	1.12 408	0.46 334	1.23 423	1.33 425	1.61 436	1.20 401	1.43 424	0.98 396	1.76 334	1.97 406	1.90 459	1.80 458	1.98 463	2.15 462	1.63 451	1.77 462

DRaft	0.62 292	0.38 136	1.76 129	0.24 11	0.16 45	0.64 265	0.66 387	0.53 68	0.53 130	0.67 333	0.99 384	0.38 102	1.00 397	1.44 283	2.10 415	0.10 96	0.14 259	0.10 70	0.14 230	0.18 179	0.21 259

ADCMid	0.96 394	1.32 421	2.74 380	0.38 290	0.35 316	0.99 394	0.58 372	0.94 332	0.86 374	1.23 419	1.01 387	1.01 390	1.00 397	1.05 248	3.97 448	0.21 352	0.19 334	0.42 414	0.32 383	0.40 381	0.29 336

G-Net	0.99 395	0.64 253	2.76 382	0.57 392	0.67 415	2.03 446	0.72 402	0.76 189	0.67 267	1.14 409	2.56 443	1.30 420	1.02 399	1.48 296	1.74 400	0.25 380	0.24 365	0.24 375	0.26 357	0.37 363	0.31 351

ACVNet_2	1.42 431	1.81 446	3.23 428	1.08 436	0.92 432	1.32 416	0.85 413	1.49 435	1.69 438	1.19 418	1.73 423	2.13 436	1.03 400	2.50 417	1.40 386	0.91 435	0.53 428	1.00 440	0.55 424	2.11 459	0.85 437

ACVNet_1	1.33 422	1.91 453	4.03 447	1.09 437	0.88 428	1.19 415	0.66 387	1.24 424	1.17 417	0.94 393	0.96 379	3.09 447	1.04 401	2.37 400	1.11 364	1.04 442	0.48 426	1.03 442	0.48 418	1.12 436	0.83 436

WZ-Net	0.92 388	1.31 418	3.76 440	0.41 313	0.36 323	0.86 377	0.71 399	1.00 381	1.06 408	0.82 379	0.92 372	1.06 401	1.05 402	2.16 389	1.61 395	0.19 338	0.13 244	0.15 287	0.16 271	0.32 328	0.28 330

Consistency-Raft	0.88 383	0.93 349	3.23 428	0.99 433	0.64 413	0.77 347	0.55 361	0.98 361	0.97 395	0.61 291	1.03 391	0.65 265	1.05 402	0.79 225	1.38 383	0.44 409	0.46 420	0.51 419	0.58 432	0.65 419	0.47 407

NaN_ROB	1.14 407	0.94 351	2.96 402	0.53 379	0.56 399	1.13 410	0.99 422	0.98 361	1.00 399	1.09 405	0.87 365	0.77 328	1.06 404	5.90 462	2.72 429	0.16 299	0.23 362	0.16 304	0.24 343	0.22 235	0.36 377

aanetorigin	0.77 360	0.80 310	2.59 359	0.43 325	0.44 364	0.58 171	1.01 426	0.57 89	0.68 269	1.53 435	1.23 403	0.81 341	1.08 405	1.07 249	1.07 361	0.18 324	0.15 282	0.17 321	0.21 331	0.54 411	0.30 344

AnyNet_C01	1.14 407	1.49 430	4.23 451	0.54 382	0.53 392	1.51 425	1.37 444	1.04 403	1.07 409	1.17 415	1.33 411	1.15 412	1.08 405	1.61 316	2.74 430	0.25 380	0.22 356	0.28 388	0.24 343	0.48 400	0.40 394

CBMV	0.71 336	0.76 290	2.64 365	0.33 196	0.20 136	0.78 352	0.79 408	0.98 361	0.78 352	0.85 385	0.71 330	0.86 357	1.10 407	1.46 288	0.62 292	0.18 324	0.20 343	0.21 360	0.19 316	0.25 269	0.33 363
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MADNet+	1.36 425	1.93 455	5.95 460	0.81 421	0.59 405	1.57 427	1.09 430	1.39 432	1.22 420	0.84 382	1.01 387	1.25 416	1.12 408	3.19 445	2.36 424	0.45 411	0.47 423	0.38 411	0.34 390	0.59 414	0.57 418

PVD	0.90 385	0.85 328	2.15 279	0.53 379	0.50 385	0.99 394	0.56 366	1.15 419	1.64 437	1.41 431	1.41 415	1.11 409	1.13 409	1.35 277	1.31 378	0.26 383	0.28 388	0.28 388	0.26 357	0.37 363	0.49 410

ADCPNet	0.99 395	0.99 374	3.93 446	0.37 276	0.68 416	1.36 418	0.62 383	0.87 280	0.76 343	0.78 368	0.81 352	1.08 403	1.18 410	1.14 261	2.49 426	0.21 352	0.69 443	0.21 360	0.95 451	0.29 304	0.37 383

NVStereoNet_ROB	1.16 411	0.95 357	2.54 353	0.58 394	0.55 397	0.78 352	0.63 385	1.00 381	1.08 410	1.03 400	4.07 459	1.48 426	1.22 411	2.88 439	1.27 377	0.50 415	0.46 420	0.54 420	0.62 435	0.50 404	0.63 425
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DEmStereo	0.68 321	0.31 96	2.25 299	0.42 321	0.17 69	0.66 283	0.89 416	0.51 49	0.59 177	0.60 284	1.01 387	0.45 157	1.26 412	1.54 302	2.26 421	0.10 96	0.08 68	0.10 70	0.10 86	0.10 16	0.11 55

LVE	1.96 445	2.17 464	3.14 418	1.68 451	1.80 459	1.63 430	1.03 427	2.34 452	2.81 453	1.25 420	2.89 450	4.24 456	1.29 413	2.79 436	1.44 388	2.85 463	0.91 452	1.18 444	1.46 461	1.23 442	1.10 450

DPSNet	0.86 380	0.60 230	2.34 312	0.58 394	0.36 323	1.07 406	0.75 404	1.30 427	1.05 405	0.70 345	0.68 309	0.94 377	1.29 413	2.08 383	1.82 403	0.26 383	0.23 362	0.16 304	0.17 287	0.48 400	0.40 394

PWCK	1.49 434	1.90 452	3.22 427	1.09 437	0.54 394	1.71 434	1.73 452	1.49 435	1.53 434	1.44 433	1.80 424	1.82 431	1.30 415	3.34 448	1.76 401	1.07 443	0.56 430	0.97 439	0.58 432	1.38 449	0.65 426

test_sample8	1.12 405	0.62 240	1.93 221	0.27 58	0.22 167	0.68 301	0.31 233	0.95 344	0.61 196	1.18 417	0.56 219	2.53 441	1.31 416	1.91 366	2.55 427	0.61 422	4.16 466	0.87 432	0.56 427	0.25 269	0.23 289

EDNetEfficientorigin	8.18 467	0.98 370	145.96 488	0.51 369	0.89 429	0.72 322	0.48 345	0.85 262	1.56 436	2.12 442	1.49 416	1.29 417	1.31 416	1.83 349	2.13 416	0.13 228	0.12 228	0.17 321	0.18 297	0.39 377	0.45 404

CSAN	1.25 418	1.12 393	3.04 409	0.51 369	0.37 334	1.06 401	1.15 435	1.22 422	1.08 410	1.17 415	1.91 427	1.04 397	1.31 416	5.96 463	2.43 425	0.26 383	0.22 356	0.24 375	0.24 343	0.31 322	0.30 344

Dean	1.79 441	1.83 447	3.92 444	1.29 444	1.07 442	1.55 426	1.00 425	1.95 449	2.33 448	1.47 434	4.19 460	4.26 457	1.33 419	2.21 392	1.48 390	1.14 445	0.68 442	1.18 444	0.74 442	1.24 443	0.98 444

CRFU-Net	0.56 258	0.38 136	1.86 193	0.46 348	0.26 224	0.82 367	0.36 282	0.90 297	0.49 92	0.62 302	0.59 235	0.78 331	1.35 420	1.00 242	0.48 245	0.15 281	0.14 259	0.17 321	0.10 86	0.19 199	0.14 135

ADCRef	0.80 368	0.96 359	2.29 305	0.37 276	0.35 316	0.96 391	0.51 349	0.87 280	0.75 334	0.88 386	0.83 355	0.61 247	1.36 421	1.02 244	3.27 440	0.13 228	0.11 204	0.17 321	0.19 316	0.25 269	0.21 259

IMH-64-1	1.39 428	1.64 436	1.86 193	1.36 445	1.11 443	1.39 419	1.19 437	1.76 442	1.45 431	1.16 410	2.21 435	1.53 427	1.38 422	1.98 373	1.52 391	1.29 448	0.67 438	1.27 448	0.69 439	1.29 445	0.98 444

IMH-64	1.39 428	1.64 436	1.86 193	1.36 445	1.11 443	1.39 419	1.19 437	1.76 442	1.45 431	1.16 410	2.21 435	1.53 427	1.38 422	1.98 373	1.52 391	1.29 448	0.67 438	1.27 448	0.69 439	1.29 445	0.98 444

SuperB	1.15 409	1.14 397	5.43 459	0.36 256	0.26 224	0.81 364	0.89 416	0.88 285	1.17 417	0.67 333	0.68 309	0.63 254	1.39 424	1.74 332	3.37 443	0.15 281	0.12 228	0.17 321	0.16 271	2.80 463	0.25 308

SGM-Forest	1.04 402	0.42 160	3.59 439	0.41 313	0.32 285	1.05 400	1.32 442	0.94 332	0.83 369	1.16 410	2.23 437	1.03 394	1.39 424	2.49 416	2.35 423	0.21 352	0.21 351	0.20 354	0.19 316	0.23 244	0.32 356
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
ADCL	0.99 395	0.79 308	2.43 331	0.39 298	0.32 285	1.50 424	1.90 454	0.92 316	0.97 395	1.26 423	1.27 405	1.00 389	1.42 426	1.14 261	3.31 441	0.17 313	0.14 259	0.22 362	0.21 331	0.30 315	0.22 269

MeshStereo	1.21 414	1.15 401	3.01 408	0.34 223	0.28 246	1.10 407	0.69 395	1.35 429	1.01 401	2.71 455	2.41 440	2.96 444	1.45 427	2.80 437	1.40 386	0.22 365	0.22 356	0.22 362	0.19 316	0.50 404	0.26 317
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
CrosDoStereo	0.94 390	0.37 131	2.53 347	0.25 23	0.32 285	0.54 111	3.76 465	0.72 155	0.60 181	0.70 345	1.40 413	0.53 205	1.49 428	1.78 337	3.09 435	0.10 96	0.08 68	0.11 120	0.11 143	0.21 221	0.11 55

DeepStereo_LL	0.94 390	0.37 131	2.53 347	0.25 23	0.32 285	0.54 111	3.76 465	0.72 155	0.60 181	0.70 345	1.40 413	0.53 205	1.49 428	1.78 337	3.09 435	0.10 96	0.08 68	0.11 120	0.11 143	0.21 221	0.11 55

SANet	1.20 413	1.21 408	3.33 433	0.38 290	0.27 236	1.73 436	0.85 413	1.10 411	2.49 451	1.16 410	1.83 425	1.72 430	1.50 430	2.37 400	2.84 432	0.18 324	0.16 298	0.16 304	0.15 252	0.32 328	0.32 356

ADCP+	0.94 390	1.12 393	3.14 418	0.34 223	0.39 341	1.06 401	0.79 408	0.89 291	0.80 360	0.66 329	0.67 301	0.85 353	1.55 431	0.93 235	4.55 455	0.13 228	0.11 204	0.16 304	0.15 252	0.26 287	0.25 308

WAO-6	1.58 438	1.54 431	2.32 307	1.14 441	1.00 436	2.30 451	1.03 427	1.82 445	2.85 454	1.25 420	2.61 445	2.20 437	1.56 432	2.47 415	1.99 408	0.95 438	0.67 438	1.19 447	0.83 446	1.08 435	0.88 441

KSHMR	4.10 460	1.97 456	5.27 457	1.71 453	1.47 454	1.96 442	1.28 440	3.19 458	17.33 477	2.12 442	15.91 473	9.18 467	1.57 433	8.42 467	1.98 407	1.52 454	1.26 456	1.67 460	1.19 457	1.67 453	1.40 457

WAO-7	1.48 433	1.63 434	2.49 341	0.93 428	0.75 421	1.72 435	1.10 431	1.84 446	1.96 446	1.43 432	2.54 442	1.97 433	1.61 434	3.06 442	2.08 412	0.69 428	0.66 437	0.94 437	0.74 442	0.80 429	0.69 428

MIPNet	0.83 376	0.81 315	2.40 324	0.61 401	0.18 96	1.48 422	1.39 446	1.60 439	0.74 321	1.94 440	0.85 362	0.73 311	1.68 435	0.87 233	0.31 145	0.09 23	0.08 68	0.11 120	0.32 383	0.25 269	0.12 86

IMH	2.02 446	2.15 463	2.69 373	1.68 451	1.12 445	1.66 433	0.92 418	2.10 450	1.92 445	1.32 425	2.66 447	2.21 438	1.69 436	5.78 461	1.68 396	5.54 466	0.96 453	1.31 450	0.71 441	1.32 448	0.99 448

WCMA_ROB	1.12 405	0.83 322	2.66 368	0.58 394	0.34 305	1.17 414	0.71 399	0.93 324	0.94 391	1.74 438	2.63 446	3.09 447	1.71 437	1.70 326	1.84 404	0.26 383	0.21 351	0.20 354	0.21 331	0.28 301	0.43 401

SGM_RVC	1.89 443	0.92 343	2.50 344	0.96 432	0.93 433	1.63 430	1.37 444	1.52 437	12.43 466	1.85 439	1.69 422	2.40 440	1.74 438	2.81 438	1.71 398	0.53 416	0.47 423	0.42 414	0.47 417	0.74 424	0.74 429
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
THIR-Stereo	0.86 380	0.62 240	2.13 273	0.25 23	0.16 45	0.58 171	2.74 461	0.59 100	0.51 106	0.62 302	1.62 420	0.97 383	1.80 439	1.69 325	2.25 420	0.10 96	0.08 68	0.14 261	0.11 143	0.15 101	0.11 55

JetBlue	1.78 440	1.63 434	3.92 444	0.73 412	1.21 447	4.38 463	3.35 462	1.59 438	1.20 419	1.26 423	1.52 418	2.37 439	1.88 440	3.23 446	3.00 433	0.53 416	0.47 423	0.48 418	0.49 419	1.29 445	0.97 443

MSMD_ROB	1.34 423	0.96 359	2.38 320	0.39 298	0.32 285	1.96 442	0.62 383	0.91 307	1.43 430	2.94 459	2.60 444	4.77 460	1.95 441	2.43 411	1.33 380	0.29 393	0.26 380	0.32 400	0.32 383	0.30 315	0.30 344

DispFullNet	1.67 439	2.10 458	5.22 456	1.53 450	8.90 466	0.86 377	0.31 233	0.96 349	0.96 394	1.37 429	1.01 387	1.13 410	1.98 442	1.51 298	0.91 341	0.54 418	0.31 395	1.18 444	0.63 437	1.13 437	0.80 435

FTStereo	0.76 356	0.18 2	2.35 315	0.71 411	0.21 146	0.73 327	1.79 453	0.57 89	0.53 130	1.07 403	1.63 421	1.29 417	2.13 443	0.75 213	0.29 119	0.19 338	0.08 68	0.12 171	0.11 143	0.11 29	0.40 394

ELAS	1.39 428	0.79 308	2.86 391	0.53 379	0.50 385	2.81 456	2.20 456	1.61 440	1.50 433	2.28 450	2.35 438	1.82 431	2.13 443	1.73 330	2.22 418	0.35 403	0.37 406	0.35 403	0.35 393	0.49 402	0.47 407
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficient	1.27 419	0.70 275	4.05 448	0.64 404	0.98 434	0.94 389	1.40 447	0.85 262	1.75 441	2.34 451	1.33 411	1.05 399	2.21 445	1.58 310	4.15 451	0.15 281	0.19 334	0.14 261	0.27 361	0.38 369	0.32 356

JetRed	3.29 457	4.93 468	10.17 465	1.45 447	1.72 458	7.44 466	5.05 467	3.06 457	2.12 447	2.41 452	2.39 439	2.99 445	2.37 446	3.51 451	6.44 461	1.32 451	1.90 462	1.37 452	1.23 459	2.21 460	1.76 461

WAO-8	2.80 452	2.14 461	2.89 395	1.91 458	1.04 440	3.98 460	0.96 420	3.26 460	6.17 460	2.15 446	3.37 456	3.31 449	2.41 447	11.84 469	2.03 410	2.05 460	1.86 460	1.54 456	0.92 449	1.22 440	0.87 439

Venus	2.80 452	2.14 461	2.89 395	1.91 458	1.04 440	3.98 460	0.96 420	3.26 460	6.17 460	2.15 446	3.37 456	3.31 449	2.41 447	11.84 469	2.03 410	2.05 460	1.86 460	1.54 456	0.92 449	1.22 440	0.87 439

ELAS_RVC	1.37 427	0.78 306	3.21 426	0.55 388	0.50 385	1.49 423	2.48 459	1.48 434	1.71 440	2.13 445	2.09 430	2.07 435	2.56 449	1.90 365	2.02 409	0.35 403	0.36 404	0.37 409	0.34 390	0.49 402	0.47 407
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MADNet++	2.79 451	2.11 460	2.97 405	2.49 462	2.28 460	2.95 457	2.31 457	2.67 454	2.47 450	3.03 460	3.13 454	2.70 443	2.92 450	4.10 456	4.48 454	2.68 462	2.24 465	3.04 466	2.44 464	2.37 461	2.34 464

PSM-AAD	0.63 295	0.22 23	1.77 138	0.37 276	0.23 183	0.86 377	1.17 436	0.59 100	0.60 181	0.64 320	0.71 330	0.68 285	2.93 451	0.65 191	0.31 145	0.09 23	0.07 14	0.17 321	0.15 252	0.13 66	0.33 363

SGM+DAISY	1.83 442	1.43 427	3.81 441	0.87 423	1.01 437	2.38 453	2.53 460	1.36 430	1.75 441	2.92 458	3.22 455	2.65 442	2.93 451	2.22 395	3.10 437	0.72 429	0.69 443	0.63 424	0.62 435	0.77 427	0.98 444

FC-DCNN	1.49 434	0.59 229	2.88 392	0.44 330	0.39 341	1.97 444	0.66 387	1.67 441	1.70 439	2.72 456	2.89 450	4.22 454	2.97 453	2.55 421	2.19 417	0.29 393	0.26 380	0.31 397	0.30 373	0.32 328	0.39 390

FC-DCNN v2	1.54 436	0.58 228	2.80 388	0.44 330	0.39 341	2.05 447	0.66 387	1.90 447	1.84 444	2.79 457	2.97 453	4.41 458	3.07 454	2.65 426	2.30 422	0.29 393	0.26 380	0.31 397	0.30 373	0.32 328	0.38 386

GrayStereo	0.66 311	0.19 4	1.76 129	0.90 425	0.23 183	0.62 237	1.42 450	0.62 115	0.60 181	0.72 352	0.78 348	0.56 224	3.07 454	0.60 176	0.26 88	0.09 23	0.08 68	0.10 70	0.21 331	0.11 29	0.18 227

FCDSN-DC	1.29 420	0.54 213	2.50 344	0.47 353	0.41 356	1.12 408	0.60 376	1.10 411	1.27 424	2.23 448	2.87 449	3.67 451	3.12 456	2.39 406	1.69 397	0.30 396	0.26 380	0.31 397	0.30 373	0.35 351	0.38 386
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ktn	4.35 461	2.10 458	2.89 395	1.80 455	1.49 456	2.13 448	1.41 449	2.26 451	12.72 467	11.41 469	16.43 474	11.15 470	3.75 457	4.36 459	3.18 439	1.82 458	0.98 455	1.73 462	1.21 458	2.97 464	1.27 454

UNDER WATER-64	2.47 447	1.89 451	4.86 454	1.82 457	1.44 452	3.18 458	1.57 451	2.62 453	5.64 459	2.05 441	2.13 432	4.13 453	3.76 458	2.62 424	3.42 444	1.47 453	0.85 450	1.57 458	1.07 455	1.82 456	1.49 458

TorneroNet-64	2.65 448	1.83 447	3.30 430	1.46 448	1.20 446	3.89 459	0.99 422	3.51 464	6.71 463	2.56 453	4.60 461	4.22 454	3.85 459	3.33 447	3.14 438	1.19 447	0.65 436	1.39 453	0.79 445	3.31 465	1.15 451

notaker	2.66 449	2.07 457	3.31 432	2.61 464	1.43 450	1.76 437	1.11 432	2.76 456	1.79 443	2.26 449	11.53 470	3.96 452	4.29 460	3.09 443	2.76 431	1.55 455	0.88 451	1.70 461	1.07 455	2.00 458	1.35 455

MANE	2.90 455	1.14 397	2.96 402	1.03 434	1.01 437	5.01 464	2.45 458	5.36 466	6.88 464	3.58 462	4.76 463	5.99 463	4.99 461	4.23 457	4.61 456	0.56 421	0.67 438	0.44 416	0.78 444	0.51 406	1.03 449

tt	4.93 463	0.27 52	4.20 450	2.29 461	1.58 457	10.20 469	16.97 473	9.42 471	5.02 458	1.67 437	1.28 406	4.68 459	5.03 462	3.37 450	5.92 460	6.16 468	9.47 475	2.82 465	3.18 466	3.60 466	1.53 460

UNDER WATER	2.74 450	1.85 449	4.54 453	1.81 456	1.44 452	2.34 452	1.40 447	3.24 459	6.60 462	2.60 454	2.76 448	5.75 462	5.24 463	3.02 441	4.01 449	1.45 452	0.81 448	1.59 459	1.06 454	1.80 455	1.51 459

SGM-ForestM	2.98 456	1.70 442	3.52 438	0.67 409	0.47 380	5.18 465	3.36 463	3.30 462	2.86 455	4.44 463	3.79 458	9.80 468	5.50 464	6.29 464	6.52 462	0.27 388	0.36 404	0.24 375	0.27 361	0.38 369	0.58 420

TorneroNet	5.50 464	1.92 454	3.16 420	1.47 449	1.25 449	14.07 471	1.06 429	4.90 465	20.99 483	10.17 466	16.48 475	11.88 472	6.93 465	3.34 448	4.20 452	1.30 450	0.69 443	1.45 455	0.86 447	2.61 462	1.20 452

coex-ft	5.95 465	1.67 438	60.57 486	0.34 223	0.30 262	0.77 347	0.69 395	0.74 167	4.41 457	19.22 477	2.15 433	1.62 429	7.97 466	1.81 348	8.96 466	0.44 409	2.08 463	0.18 340	0.19 316	0.38 369	4.62 468

LRCNet_RVC	13.74 474	19.30 476	12.75 470	19.46 478	12.69 470	1.86 438	0.41 307	12.33 472	1.05 405	15.77 473	18.83 479	12.62 475	8.70 467	12.21 472	9.62 468	22.22 480	8.37 474	25.85 480	24.01 481	19.32 479	17.44 479

LE_ROB	4.43 462	1.35 425	9.38 464	2.79 465	3.93 463	2.43 454	3.46 464	2.68 455	11.19 465	11.66 470	4.73 462	5.26 461	10.46 468	4.50 460	9.49 467	0.82 434	0.69 443	1.34 451	0.98 452	0.75 426	0.76 432

DPSMNet_ROB	9.48 469	5.64 470	13.01 471	8.82 471	11.82 469	8.54 467	24.20 476	6.41 469	13.65 471	5.32 465	11.47 469	6.33 466	10.92 469	7.69 466	13.89 472	7.25 473	8.19 471	5.06 468	7.78 472	5.31 470	8.26 472

DGTPSM_ROB	8.89 468	5.62 469	12.25 467	5.92 469	11.32 468	8.54 467	24.18 475	6.40 468	13.49 468	5.15 464	11.46 468	6.19 465	10.92 469	7.00 465	13.72 471	4.47 464	7.65 469	3.92 467	7.45 471	4.38 468	7.87 471

Anonymous_1	22.91 478	11.20 472	12.13 466	12.75 473	26.28 482	19.43 477	27.92 480	14.08 474	13.61 469	14.96 472	10.58 464	11.26 471	11.19 471	12.55 473	14.57 474	38.28 487	7.88 470	34.96 484	63.99 484	89.57 488	10.94 475

DPSM_ROB	12.34 471	11.21 473	12.51 468	12.91 474	12.80 471	19.84 479	28.28 481	14.38 476	14.28 473	10.58 467	11.26 466	12.03 473	11.85 472	13.15 475	15.34 476	7.11 471	8.31 472	6.50 472	7.35 469	8.84 472	8.31 473

DPSM	12.34 471	11.21 473	12.51 468	12.91 474	12.80 471	19.84 479	28.28 481	14.38 476	14.28 473	10.58 467	11.26 466	12.03 473	11.85 472	13.15 475	15.34 476	7.11 471	8.31 472	6.50 472	7.35 469	8.84 472	8.31 473

ASD4	21.52 477	19.65 477	22.13 476	22.45 480	16.42 475	23.29 483	30.71 483	33.06 487	17.47 478	24.18 484	14.11 471	21.71 480	15.88 474	21.06 482	18.11 478	19.78 479	17.78 481	26.52 481	20.33 479	27.03 481	18.73 480

HanzoNet	7.64 466	2.86 466	5.05 455	7.01 470	3.97 464	2.18 450	1.34 443	3.37 463	4.05 456	13.17 471	10.58 464	10.73 469	16.52 475	8.45 468	10.51 470	10.48 474	9.72 476	5.59 470	13.46 475	6.84 471	6.83 470

HaxPig	19.86 476	22.40 483	22.34 477	17.95 477	17.95 476	11.77 470	11.89 470	16.02 478	15.89 476	21.10 479	21.41 481	18.74 479	18.39 476	20.08 481	19.69 479	23.63 484	23.22 482	24.06 479	23.69 480	23.00 480	23.95 482

BEATNet-Init1	12.10 470	11.19 471	27.29 484	2.99 466	3.51 462	21.84 482	11.10 469	14.34 475	13.83 472	20.34 478	20.33 480	26.35 487	20.03 477	19.06 480	14.80 475	1.74 457	1.81 459	2.05 464	2.49 465	3.69 467	3.12 466

xxxxx1	28.96 485	20.11 479	14.07 473	49.74 485	39.15 485	18.98 473	26.64 477	21.94 480	20.21 480	16.45 474	17.48 476	18.36 476	21.56 478	16.21 477	20.88 480	23.07 481	26.55 483	66.40 486	78.70 486	30.27 483	32.51 485

tt_ll	28.96 485	20.11 479	14.07 473	49.74 485	39.15 485	18.98 473	26.64 477	21.94 480	20.21 480	16.45 474	17.48 476	18.36 476	21.56 478	16.21 477	20.88 480	23.07 481	26.55 483	66.40 486	78.70 486	30.27 483	32.51 485

ff	28.96 485	20.11 479	14.07 473	49.74 485	39.15 485	18.98 473	26.64 477	21.94 480	20.21 480	16.45 474	17.48 476	18.36 476	21.56 478	16.21 477	20.88 480	23.07 481	26.55 483	66.40 486	78.70 486	30.27 483	32.51 485

MEDIAN_ROB	23.96 480	27.05 487	26.39 483	22.16 479	22.13 478	16.12 472	13.97 471	20.24 479	20.05 479	25.50 485	25.31 485	22.96 482	22.63 481	24.39 483	23.24 483	28.20 485	27.23 486	28.62 482	27.75 482	27.50 482	27.76 483

PML	23.15 479	16.83 475	7.78 463	5.49 468	9.93 467	51.13 487	104.50 487	5.76 467	13.62 470	37.30 487	105.93 487	30.86 488	23.50 482	12.07 471	7.87 465	6.30 469	2.12 464	6.32 471	2.43 463	10.44 474	2.90 465

LSM0	26.58 483	22.63 486	25.88 482	30.13 484	52.21 488	39.94 486	56.74 484	28.97 485	28.72 485	21.14 480	22.26 482	24.43 485	23.88 483	26.54 486	30.87 486	14.32 477	16.55 478	13.12 476	14.71 476	17.92 478	20.60 481

CasAABBNet	24.81 481	22.53 484	24.83 479	26.08 482	25.74 480	39.86 484	57.06 486	28.87 484	28.83 486	21.16 481	22.54 483	24.22 483	23.89 484	26.38 484	30.87 486	14.25 475	16.71 479	13.09 474	14.81 477	17.78 476	16.71 477

Selective-RAFT-Error	24.87 482	22.59 485	25.14 481	26.13 483	25.82 481	39.93 485	57.03 485	28.97 485	28.95 487	21.21 482	22.65 484	24.25 484	23.98 485	26.43 485	30.83 485	14.27 476	16.71 479	13.10 475	14.82 478	17.82 477	16.76 478

DPSimNet_ROB	17.97 475	20.20 482	24.98 480	17.62 476	15.92 474	21.53 481	21.00 474	13.70 473	15.61 475	23.89 483	14.69 472	22.87 481	24.58 486	12.70 474	14.56 473	18.48 478	12.91 477	20.21 478	12.05 473	17.76 475	14.17 476

AVERAGE_ROB	26.93 484	30.34 488	29.27 485	25.82 481	25.34 479	19.48 478	15.17 472	23.55 483	23.00 484	28.45 486	27.87 486	26.25 486	25.86 487	26.96 487	25.55 484	31.30 486	30.07 487	31.76 483	30.81 483	30.79 486	30.93 484

test_example2	115.39 488	123.23 489	94.57 487	115.52 488	123.55 489	101.63 488	114.33 488	53.41 488	99.48 488	134.90 488	135.05 488	85.83 489	85.11 488	111.32 488	106.15 488	152.55 489	205.26 489	99.78 489	114.96 489	140.96 489	110.20 488

FADE		3.00 467		2.11 460	2.94 461							3.05 446				94.83 488	35.90 488	65.83 485	66.18 485	1.66 452

Low-res two-view benchmark