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

Selective-IGEV	0.15 4	0.10 11	0.34 12	0.32 320	0.19 254	0.16 5	0.14 12	0.29 28	0.20 5	0.13 1	0.14 14	0.13 11	0.08 1	0.23 39	0.14 24	0.06 1	0.13 242	0.07 13	0.06 22	0.06 2	0.11 127

EGLCR-Stereo	0.19 36	0.09 3	0.34 12	0.29 298	0.17 211	0.28 162	0.16 40	0.30 37	0.23 15	0.22 47	0.11 1	0.16 31	0.09 2	0.28 97	0.15 37	0.07 13	0.25 346	0.07 13	0.07 44	0.06 2	0.37 358

MSKI-zero shot	0.19 36	0.10 11	0.47 72	0.30 305	0.14 107	0.21 64	0.14 12	0.33 67	0.22 12	0.24 60	0.25 58	0.22 72	0.10 3	0.32 137	0.14 24	0.07 13	0.30 371	0.07 13	0.07 44	0.06 2	0.09 57

DLNR_Zeroshot_test	10.53 417	12.28 426	20.32 425	105.84 438	23.88 435	0.14 3	0.13 2	3.20 412	0.20 5	0.16 11	0.23 49	0.16 31	0.10 3	0.32 137	0.16 46	2.54 413	0.32 376	0.07 13	0.07 44	40.17 436	0.28 330

4D-IteraStereo	0.20 56	0.21 210	0.62 226	0.21 53	0.14 107	0.19 22	0.17 54	0.29 28	0.28 65	0.24 60	0.20 29	0.20 59	0.10 3	0.22 35	0.18 77	0.07 13	0.07 92	0.10 181	0.08 103	0.08 64	0.33 344

CAS	0.16 11	0.07 1	0.29 3	0.42 365	0.17 211	0.20 48	0.18 91	0.23 3	0.20 5	0.15 9	0.19 24	0.11 2	0.10 3	0.15 1	0.14 24	0.31 370	0.04 1	0.06 1	0.04 1	0.06 2	0.16 226

CES	0.14 1	0.08 2	0.24 1	0.17 4	0.23 308	0.18 13	0.15 25	0.24 7	0.20 5	0.14 5	0.18 21	0.14 21	0.10 3	0.19 21	0.12 1	0.07 13	0.05 3	0.06 1	0.04 1	0.08 64	0.20 267

XX-Stereo	0.25 171	0.11 27	1.09 341	0.35 340	0.38 367	0.23 102	0.13 2	0.43 155	0.19 3	0.20 27	0.40 191	0.31 174	0.10 3	0.33 146	0.13 7	0.08 87	0.11 212	0.08 59	0.09 164	0.07 30	0.10 98

StereoIM	0.15 4	0.17 166	0.39 26	0.19 13	0.15 157	0.16 5	0.13 2	0.26 10	0.22 12	0.13 1	0.15 15	0.14 21	0.11 9	0.17 8	0.17 58	0.08 87	0.07 92	0.08 59	0.06 22	0.07 30	0.06 4

MIF-Stereo	0.15 4	0.12 57	0.45 55	0.21 53	0.14 107	0.17 9	0.13 2	0.20 1	0.19 3	0.16 11	0.20 29	0.10 1	0.11 9	0.18 12	0.17 58	0.08 87	0.06 34	0.07 13	0.06 22	0.08 64	0.07 11

CASnet	0.15 4	0.13 73	0.30 4	0.22 85	0.08 2	0.15 4	0.14 12	0.28 17	0.26 48	0.23 54	0.20 29	0.15 27	0.11 9	0.18 12	0.13 7	0.07 13	0.05 3	0.11 227	0.09 164	0.08 64	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CroCo-Stereo Lap2	0.16 11	0.18 183	0.39 26	0.26 229	0.18 231	0.11 1	0.19 123	0.30 37	0.22 12	0.13 1	0.16 16	0.15 27	0.11 9	0.17 8	0.15 37	0.07 13	0.07 92	0.08 59	0.06 22	0.08 64	0.07 11

GLC_STEREO	0.15 4	0.11 27	0.31 6	0.22 85	0.09 5	0.17 9	0.15 25	0.24 7	0.28 65	0.17 15	0.20 29	0.17 38	0.11 9	0.24 45	0.17 58	0.07 13	0.09 167	0.09 119	0.08 103	0.07 30	0.07 11

CREStereo++_RVC	0.16 11	0.09 3	0.42 40	0.17 4	0.11 25	0.18 13	0.13 2	0.23 3	0.31 99	0.21 31	0.31 105	0.13 11	0.11 9	0.17 8	0.16 46	0.07 13	0.04 1	0.06 1	0.15 316	0.06 2	0.05 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
ff7	0.18 21	0.13 73	0.41 32	0.21 53	0.15 157	0.21 64	0.17 54	0.28 17	0.23 15	0.21 31	0.13 5	0.12 3	0.12 15	0.27 79	0.13 7	0.07 13	0.25 346	0.08 59	0.07 44	0.08 64	0.36 350

IGEVStereo-DCA	0.20 56	0.17 166	0.41 32	0.22 85	0.15 157	0.20 48	0.17 54	0.28 17	0.23 15	0.19 23	0.12 2	0.14 21	0.12 15	0.38 181	0.31 224	0.07 13	0.16 281	0.08 59	0.07 44	0.08 64	0.36 350

ffff	0.18 21	0.13 73	0.41 32	0.21 53	0.15 157	0.21 64	0.17 54	0.28 17	0.23 15	0.21 31	0.13 5	0.12 3	0.12 15	0.27 79	0.13 7	0.07 13	0.25 346	0.08 59	0.07 44	0.08 64	0.36 350

rrr	0.22 92	0.17 166	0.79 283	0.22 85	0.15 157	0.20 48	0.18 91	0.40 131	0.27 57	0.19 23	0.12 2	0.14 21	0.12 15	0.38 181	0.31 224	0.07 13	0.16 281	0.08 59	0.07 44	0.08 64	0.28 330

11t	0.18 21	0.13 73	0.41 32	0.21 53	0.15 157	0.21 64	0.17 54	0.28 17	0.23 15	0.21 31	0.13 5	0.12 3	0.12 15	0.27 79	0.13 7	0.07 13	0.25 346	0.08 59	0.07 44	0.08 64	0.36 350

LL-Strereo2	0.21 79	0.25 260	0.53 157	0.32 320	0.20 271	0.25 129	0.14 12	0.32 55	0.25 42	0.25 71	0.20 29	0.24 100	0.12 15	0.28 97	0.18 77	0.07 13	0.07 92	0.12 257	0.09 164	0.09 131	0.16 226

anonymousdsp	0.20 56	0.13 73	0.49 101	0.28 285	0.20 271	0.21 64	0.17 54	0.29 28	0.24 24	0.22 47	0.13 5	0.12 3	0.12 15	0.32 137	0.13 7	0.07 13	0.26 352	0.08 59	0.07 44	0.08 64	0.48 377

ProNet	0.16 11	0.13 73	0.36 18	0.21 53	0.15 157	0.20 48	0.19 123	0.29 28	0.23 15	0.14 5	0.13 5	0.13 11	0.12 15	0.25 53	0.13 7	0.06 1	0.09 167	0.07 13	0.06 22	0.07 30	0.22 284

ccc-4	0.18 21	0.13 73	0.41 32	0.21 53	0.15 157	0.21 64	0.17 54	0.28 17	0.23 15	0.21 31	0.13 5	0.12 3	0.12 15	0.27 79	0.13 7	0.07 13	0.25 346	0.08 59	0.07 44	0.08 64	0.36 350

IGEV-Stereo	0.20 56	0.13 73	0.49 101	0.28 285	0.20 271	0.21 64	0.17 54	0.29 28	0.24 24	0.22 47	0.13 5	0.12 3	0.12 15	0.32 137	0.13 7	0.07 13	0.26 352	0.08 59	0.07 44	0.08 64	0.48 377
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CroCo-Stereo	0.15 4	0.16 143	0.34 12	0.25 197	0.12 48	0.11 1	0.18 91	0.35 80	0.24 24	0.13 1	0.13 5	0.18 46	0.12 15	0.15 1	0.13 7	0.08 87	0.06 34	0.07 13	0.05 8	0.07 30	0.06 4
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
iRaftStereo_RVC	0.17 18	0.16 143	0.35 16	0.21 53	0.11 25	0.20 48	0.17 54	0.34 71	0.25 42	0.20 27	0.25 58	0.19 52	0.12 15	0.21 24	0.16 46	0.07 13	0.12 228	0.10 181	0.09 164	0.09 131	0.14 205

TANstereo	0.16 11	0.11 27	0.43 45	0.16 3	0.08 2	0.25 129	0.14 12	0.23 3	0.29 78	0.25 71	0.30 95	0.16 31	0.12 15	0.18 12	0.13 7	0.08 87	0.07 92	0.06 1	0.05 8	0.07 30	0.08 37

XX-TBD	0.16 11	0.21 210	0.43 45	0.22 85	0.10 17	0.23 102	0.15 25	0.23 3	0.28 65	0.22 47	0.26 65	0.14 21	0.12 15	0.16 3	0.14 24	0.08 87	0.05 3	0.06 1	0.04 1	0.07 30	0.06 4

test_xeample3	0.22 92	0.17 166	0.81 287	0.21 53	0.15 157	0.20 48	0.18 91	0.40 131	0.25 42	0.19 23	0.12 2	0.13 11	0.12 15	0.34 160	0.33 238	0.07 13	0.20 318	0.07 13	0.08 103	0.08 64	0.34 347

MyStereo07	0.18 21	0.15 123	0.44 52	0.22 85	0.16 186	0.25 129	0.22 195	0.31 51	0.26 48	0.22 47	0.13 5	0.12 3	0.13 30	0.33 146	0.14 24	0.07 13	0.13 242	0.09 119	0.09 164	0.09 131	0.11 127

AE-Stereo	0.21 79	0.12 57	0.50 119	0.25 197	0.15 157	0.24 120	0.18 91	0.40 131	0.34 129	0.19 23	0.26 65	0.21 69	0.13 30	0.22 35	0.16 46	0.07 13	0.26 352	0.09 119	0.10 208	0.07 30	0.31 339

MIM_Stereo	0.20 56	0.17 166	0.55 173	0.20 34	0.21 284	0.17 9	0.14 12	0.37 97	0.27 57	0.28 91	0.35 143	0.23 85	0.13 30	0.28 97	0.16 46	0.06 1	0.08 138	0.09 119	0.08 103	0.08 64	0.15 216

MC-Stereo	0.18 21	0.10 11	0.36 18	0.28 285	0.14 107	0.18 13	0.15 25	0.24 7	0.20 5	0.21 31	0.24 54	0.16 31	0.13 30	0.25 53	0.14 24	0.07 13	0.17 299	0.07 13	0.07 44	0.06 2	0.30 336

test_4	0.19 36	0.16 143	0.39 26	0.24 165	0.13 80	0.19 22	0.21 173	0.27 13	0.24 24	0.24 60	0.47 262	0.22 72	0.13 30	0.27 79	0.18 77	0.06 1	0.06 34	0.09 119	0.09 164	0.07 30	0.06 4

test-3	0.18 21	0.10 11	0.48 84	0.23 128	0.14 107	0.18 13	0.16 40	0.32 55	0.29 78	0.26 76	0.17 17	0.22 72	0.13 30	0.26 70	0.19 98	0.06 1	0.14 251	0.08 59	0.08 103	0.06 2	0.10 98

test_1	0.18 21	0.10 11	0.48 84	0.23 128	0.14 107	0.18 13	0.16 40	0.32 55	0.29 78	0.26 76	0.17 17	0.22 72	0.13 30	0.26 70	0.19 98	0.06 1	0.14 251	0.08 59	0.08 103	0.06 2	0.10 98

test_3	0.20 56	0.12 57	0.49 101	0.26 229	0.14 107	0.22 86	0.25 253	0.34 71	0.33 121	0.25 71	0.18 21	0.23 85	0.13 30	0.25 53	0.20 114	0.06 1	0.14 251	0.09 119	0.10 208	0.07 30	0.10 98

TRStereo	0.22 92	0.21 210	0.62 226	0.40 359	0.19 254	0.22 86	0.16 40	0.58 293	0.30 92	0.21 31	0.21 41	0.22 72	0.13 30	0.27 79	0.14 24	0.09 142	0.09 167	0.09 119	0.11 232	0.06 2	0.19 255

CREStereo	0.14 1	0.09 3	0.27 2	0.14 1	0.08 2	0.22 86	0.15 25	0.26 10	0.26 48	0.16 11	0.21 41	0.14 21	0.13 30	0.19 21	0.14 24	0.09 142	0.05 3	0.06 1	0.04 1	0.07 30	0.06 4
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
IGEV_Zeroshot_test	0.23 121	0.11 27	0.82 290	0.21 53	0.23 308	0.20 48	0.19 123	0.38 106	0.23 15	0.34 198	0.22 47	0.29 155	0.14 40	0.24 45	0.20 114	0.07 13	0.09 167	0.08 59	0.08 103	0.08 64	0.35 349

RAFT-Test	0.19 36	0.11 27	0.41 32	0.26 229	0.21 284	0.26 142	0.17 54	0.37 97	0.26 48	0.24 60	0.29 84	0.32 184	0.14 40	0.22 35	0.15 37	0.07 13	0.08 138	0.07 13	0.07 44	0.06 2	0.07 11

LoS	0.15 4	0.09 3	0.34 12	0.17 4	0.09 5	0.22 86	0.14 12	0.27 13	0.27 57	0.15 9	0.18 21	0.19 52	0.14 40	0.23 39	0.14 24	0.08 87	0.06 34	0.06 1	0.04 1	0.06 2	0.06 4

AnonymousM	0.19 36	0.20 203	0.30 4	0.18 8	0.10 17	0.19 22	0.17 54	0.32 55	0.27 57	0.27 85	0.21 41	0.18 46	0.14 40	0.21 24	0.16 46	0.09 142	0.08 138	0.38 373	0.15 316	0.06 2	0.08 37

test-1	0.20 56	0.12 57	0.49 101	0.23 128	0.23 308	0.22 86	0.23 218	0.36 85	0.29 78	0.21 31	0.25 58	0.24 100	0.14 40	0.18 12	0.22 146	0.07 13	0.14 251	0.08 59	0.07 44	0.06 2	0.14 205

sCroCo_RVC	0.19 36	0.15 123	0.60 217	0.27 261	0.18 231	0.23 102	0.16 40	0.28 17	0.24 24	0.14 5	0.22 47	0.17 38	0.14 40	0.22 35	0.16 46	0.11 228	0.11 212	0.09 119	0.09 164	0.09 131	0.10 98

PMTNet	0.16 11	0.09 3	0.31 6	0.15 2	0.09 5	0.23 102	0.15 25	0.26 10	0.24 24	0.17 15	0.21 41	0.16 31	0.14 40	0.23 39	0.14 24	0.29 366	0.05 3	0.06 1	0.04 1	0.07 30	0.07 11

R-Stereo Train	0.19 36	0.10 11	0.49 101	0.22 85	0.12 48	0.23 102	0.18 91	0.43 155	0.20 5	0.31 150	0.45 243	0.20 59	0.14 40	0.18 12	0.18 77	0.08 87	0.06 34	0.07 13	0.06 22	0.06 2	0.07 11

RAFT-Stereo	0.19 36	0.10 11	0.49 101	0.22 85	0.12 48	0.23 102	0.18 91	0.43 155	0.20 5	0.31 150	0.45 243	0.20 59	0.14 40	0.18 12	0.18 77	0.08 87	0.06 34	0.07 13	0.06 22	0.06 2	0.07 11
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
EKT-Stereo	0.39 294	0.13 73	0.53 157	0.42 365	3.94 414	0.22 86	0.17 54	0.38 106	0.30 92	0.21 31	0.20 29	0.23 85	0.15 49	0.30 123	0.18 77	0.10 197	0.08 138	0.09 119	0.08 103	0.09 131	0.12 162

anonymousdsp2	0.23 121	0.11 27	0.42 40	0.26 229	0.24 319	0.25 129	0.17 54	0.43 155	0.37 162	0.30 135	0.23 49	0.24 100	0.15 49	0.32 137	0.17 58	0.07 13	0.28 359	0.07 13	0.05 8	0.08 64	0.44 371

CIPLG	0.23 121	0.28 283	0.75 268	0.24 165	0.16 186	0.25 129	0.20 154	0.38 106	0.33 121	0.32 175	0.34 137	0.23 85	0.15 49	0.27 79	0.22 146	0.09 142	0.07 92	0.08 59	0.07 44	0.08 64	0.09 57

IPLGR_C	0.23 121	0.29 286	0.81 287	0.24 165	0.16 186	0.24 120	0.20 154	0.38 106	0.33 121	0.32 175	0.33 129	0.23 85	0.15 49	0.26 70	0.22 146	0.09 142	0.07 92	0.08 59	0.07 44	0.08 64	0.09 57

ACRE	0.23 121	0.27 276	0.83 292	0.24 165	0.15 157	0.24 120	0.20 154	0.38 106	0.32 107	0.32 175	0.33 129	0.23 85	0.15 49	0.26 70	0.22 146	0.09 142	0.07 92	0.08 59	0.07 44	0.08 64	0.09 57

Pruner-Stereo	0.20 56	0.12 57	0.49 101	0.29 298	0.12 48	0.19 22	0.17 54	0.32 55	0.31 99	0.33 184	0.32 114	0.25 111	0.15 49	0.25 53	0.22 146	0.09 142	0.06 34	0.09 119	0.08 103	0.08 64	0.10 98

cross-raft	0.18 21	0.12 57	0.40 30	0.27 261	0.16 186	0.20 48	0.24 240	0.34 71	0.24 24	0.23 54	0.28 78	0.29 155	0.15 49	0.19 21	0.16 46	0.06 1	0.05 3	0.08 59	0.07 44	0.07 30	0.07 11

raft+_RVC	0.21 79	0.21 210	0.46 67	0.22 85	0.35 358	0.21 64	0.16 40	0.39 122	0.35 136	0.22 47	0.28 78	0.20 59	0.15 49	0.25 53	0.20 114	0.08 87	0.16 281	0.08 59	0.07 44	0.07 30	0.12 162

RALCasStereoNet	0.22 92	0.22 224	0.48 84	0.23 128	0.23 308	0.22 86	0.18 91	0.32 55	0.27 57	0.22 47	0.30 95	0.22 72	0.15 49	0.29 114	0.20 114	0.08 87	0.22 329	0.07 13	0.06 22	0.10 177	0.25 312

RALAANet	0.21 79	0.24 247	0.53 157	0.23 128	0.14 107	0.22 86	0.13 2	0.38 106	0.30 92	0.29 114	0.26 65	0.25 111	0.15 49	0.28 97	0.20 114	0.08 87	0.08 138	0.09 119	0.08 103	0.10 177	0.07 11

CFNet-RSSM	0.18 21	0.10 11	0.45 55	0.20 34	0.12 48	0.20 48	0.16 40	0.40 131	0.31 99	0.23 54	0.21 41	0.26 127	0.15 49	0.21 24	0.14 24	0.07 13	0.05 3	0.07 13	0.07 44	0.06 2	0.06 4

Gwc-CoAtRS	0.17 18	0.10 11	0.41 32	0.20 34	0.12 48	0.20 48	0.15 25	0.34 71	0.29 78	0.23 54	0.23 49	0.27 131	0.15 49	0.21 24	0.14 24	0.07 13	0.06 34	0.07 13	0.07 44	0.06 2	0.07 11

tt1	0.22 92	0.16 143	0.49 101	0.26 229	0.15 157	0.31 208	0.19 123	0.38 106	0.46 242	0.21 31	0.19 24	0.13 11	0.16 61	0.28 97	0.12 1	0.08 87	0.28 359	0.08 59	0.06 22	0.08 64	0.37 358

StereoVision	0.23 121	0.23 237	0.55 173	0.27 261	0.17 211	0.23 102	0.22 195	0.40 131	0.32 107	0.21 31	0.51 278	0.22 72	0.16 61	0.29 114	0.19 98	0.11 228	0.12 228	0.13 280	0.13 293	0.10 177	0.08 37

AEACV	0.20 56	0.09 3	0.32 8	0.39 355	0.34 355	0.21 64	0.16 40	0.30 37	0.18 1	0.17 15	0.17 17	0.13 11	0.16 61	0.27 79	0.13 7	0.07 13	0.29 370	0.07 13	0.09 164	0.07 30	0.37 358

Any-RAFT	0.18 21	0.09 3	0.33 10	0.19 13	0.10 17	0.29 179	0.16 40	0.44 173	0.32 107	0.25 71	0.27 74	0.29 155	0.16 61	0.23 39	0.13 7	0.08 87	0.07 92	0.06 1	0.05 8	0.07 30	0.07 11

DCRE	0.24 147	0.15 123	0.45 55	0.26 229	0.26 332	0.23 102	0.21 173	0.37 97	0.29 78	0.23 54	0.81 356	0.23 85	0.16 61	0.24 45	0.18 77	0.07 13	0.14 251	0.07 13	0.08 103	0.07 30	0.25 312

knoymous	0.18 21	0.10 11	0.35 16	0.17 4	0.11 25	0.21 64	0.17 54	0.33 67	0.24 24	0.24 60	0.28 78	0.27 131	0.16 61	0.24 45	0.17 58	0.09 142	0.06 34	0.09 119	0.06 22	0.09 131	0.10 98

DisPM	0.20 56	0.11 27	0.52 147	0.24 165	0.13 80	0.18 13	0.19 123	0.30 37	0.31 99	0.33 184	0.34 137	0.23 85	0.16 61	0.34 160	0.17 58	0.09 142	0.06 34	0.09 119	0.08 103	0.08 64	0.12 162

PFNet+	0.21 79	0.11 27	0.54 167	0.22 85	0.12 48	0.17 9	0.18 91	0.31 51	0.36 149	0.33 184	0.32 114	0.24 100	0.16 61	0.33 146	0.18 77	0.10 197	0.07 92	0.11 227	0.10 208	0.08 64	0.12 162

PSM-softLoss	0.22 92	0.11 27	0.53 157	0.25 197	0.12 48	0.20 48	0.17 54	0.39 122	0.29 78	0.29 114	0.32 114	0.24 100	0.16 61	0.53 226	0.21 131	0.09 142	0.06 34	0.10 181	0.09 164	0.08 64	0.12 162

KMStereo	0.22 92	0.11 27	0.53 157	0.25 197	0.12 48	0.20 48	0.17 54	0.39 122	0.29 78	0.29 114	0.32 114	0.24 100	0.16 61	0.53 226	0.21 131	0.09 142	0.06 34	0.10 181	0.09 164	0.08 64	0.12 162

rafts_anoy	0.21 79	0.22 224	0.49 101	0.25 197	0.24 319	0.19 22	0.17 54	0.34 71	0.32 107	0.24 60	0.25 58	0.20 59	0.16 61	0.25 53	0.21 131	0.08 87	0.19 310	0.11 227	0.12 269	0.09 131	0.09 57

sAnonymous2	0.21 79	0.24 247	0.79 283	0.24 165	0.17 211	0.22 86	0.20 154	0.36 85	0.29 78	0.17 15	0.19 24	0.17 38	0.16 61	0.18 12	0.15 37	0.10 197	0.07 92	0.09 119	0.08 103	0.23 344	0.18 240

CroCo_RVC	0.21 79	0.24 247	0.79 283	0.24 165	0.17 211	0.22 86	0.20 154	0.36 85	0.29 78	0.17 15	0.19 24	0.17 38	0.16 61	0.18 12	0.15 37	0.10 197	0.07 92	0.09 119	0.08 103	0.23 344	0.18 240

GMStereo	0.21 79	0.30 292	0.57 190	0.21 53	0.12 48	0.24 120	0.18 91	0.30 37	0.41 193	0.26 76	0.24 54	0.17 38	0.16 61	0.25 53	0.19 98	0.10 197	0.07 92	0.08 59	0.08 103	0.11 218	0.09 57
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
EAI-Stereo	0.29 227	0.11 27	0.38 24	0.22 85	0.18 231	0.33 227	1.66 408	0.53 244	0.27 57	0.27 85	0.50 275	0.17 38	0.16 61	0.25 53	0.25 178	0.07 13	0.07 92	0.07 13	0.11 232	0.07 30	0.10 98

ACVNet-DCA	0.21 79	0.16 143	0.50 119	0.27 261	0.13 80	0.31 208	0.19 123	0.43 155	0.32 107	0.21 31	0.20 29	0.13 11	0.17 76	0.28 97	0.12 1	0.08 87	0.28 359	0.08 59	0.06 22	0.09 131	0.23 291

1test111	0.22 92	0.16 143	0.50 119	0.27 261	0.13 80	0.31 208	0.19 123	0.43 155	0.32 107	0.21 31	0.20 29	0.13 11	0.17 76	0.36 171	0.28 200	0.08 87	0.28 359	0.08 59	0.06 22	0.09 131	0.23 291

cc1	0.22 92	0.16 143	0.50 119	0.27 261	0.13 80	0.31 208	0.19 123	0.39 122	0.48 261	0.21 31	0.20 29	0.13 11	0.17 76	0.28 97	0.12 1	0.08 87	0.28 359	0.08 59	0.06 22	0.08 64	0.37 358

GMStereo_Zeroshot	0.25 171	0.22 224	0.51 131	0.27 261	0.14 107	0.28 162	0.15 25	0.40 131	0.36 149	0.37 239	0.43 221	0.40 239	0.17 76	0.35 167	0.21 131	0.12 256	0.07 92	0.13 280	0.07 44	0.17 303	0.10 98

test croco	0.18 21	0.16 143	0.59 210	0.21 53	0.13 80	0.16 5	0.17 54	0.29 28	0.23 15	0.16 11	0.26 65	0.13 11	0.17 76	0.27 79	0.17 58	0.09 142	0.06 34	0.10 181	0.07 44	0.10 177	0.07 11

MIF-Stereo (partial)	0.18 21	0.13 73	0.50 119	0.22 85	0.15 157	0.16 5	0.13 2	0.29 28	0.26 48	0.17 15	0.26 65	0.16 31	0.17 76	0.25 53	0.18 77	0.09 142	0.06 34	0.10 181	0.08 103	0.09 131	0.08 37

LoS_RVC	0.14 1	0.11 27	0.32 8	0.18 8	0.16 186	0.20 48	0.18 91	0.21 2	0.18 1	0.14 5	0.20 29	0.12 3	0.17 76	0.17 8	0.14 24	0.06 1	0.05 3	0.06 1	0.04 1	0.05 1	0.14 205

RCA-Stereo	0.17 18	0.10 11	0.33 10	0.20 34	0.11 25	0.19 22	0.17 54	0.39 122	0.36 149	0.21 31	0.25 58	0.17 38	0.17 76	0.18 12	0.15 37	0.07 13	0.14 251	0.07 13	0.06 22	0.06 2	0.08 37

RAFT_CTSACE	0.23 121	0.21 210	0.57 190	0.26 229	0.15 157	0.22 86	0.23 218	0.34 71	0.30 92	0.34 198	0.51 278	0.31 174	0.17 76	0.33 146	0.15 37	0.06 1	0.09 167	0.09 119	0.08 103	0.08 64	0.07 11

RAFT+CT+SA	0.23 121	0.24 247	0.48 84	0.25 197	0.18 231	0.23 102	0.29 286	0.42 150	0.38 169	0.24 60	0.39 184	0.20 59	0.17 76	0.34 160	0.17 58	0.07 13	0.07 92	0.09 119	0.12 269	0.09 131	0.13 182

dd	0.23 121	0.32 302	0.55 173	0.23 128	0.12 48	0.27 148	0.21 173	0.32 55	0.45 233	0.30 135	0.29 84	0.25 111	0.17 76	0.31 132	0.26 187	0.13 273	0.07 92	0.10 181	0.08 103	0.12 243	0.09 57

IPLG	0.23 121	0.19 191	0.65 238	0.21 53	0.12 48	0.28 162	0.17 54	0.45 180	0.32 107	0.33 184	0.32 114	0.16 31	0.17 76	0.50 213	0.23 161	0.07 13	0.06 34	0.08 59	0.07 44	0.07 30	0.08 37

GMOStereo	0.20 56	0.17 166	0.45 55	0.23 128	0.18 231	0.21 64	0.27 268	0.28 17	0.28 65	0.31 150	0.32 114	0.28 143	0.17 76	0.16 3	0.13 7	0.07 13	0.23 337	0.10 181	0.08 103	0.08 64	0.07 11

error version	0.20 56	0.17 166	0.45 55	0.23 128	0.18 231	0.21 64	0.27 268	0.28 17	0.28 65	0.31 150	0.32 114	0.28 143	0.17 76	0.16 3	0.13 7	0.07 13	0.23 337	0.10 181	0.08 103	0.08 64	0.07 11

test-v	0.20 56	0.17 166	0.45 55	0.23 128	0.18 231	0.21 64	0.27 268	0.28 17	0.28 65	0.31 150	0.32 114	0.28 143	0.17 76	0.16 3	0.13 7	0.07 13	0.23 337	0.10 181	0.08 103	0.08 64	0.07 11

NF-Stereo	0.22 92	0.11 27	0.52 147	0.25 197	0.12 48	0.21 64	0.18 91	0.40 131	0.35 136	0.28 91	0.30 95	0.22 72	0.17 76	0.52 224	0.21 131	0.09 142	0.06 34	0.09 119	0.08 103	0.08 64	0.13 182

OCTAStereo	0.22 92	0.11 27	0.52 147	0.25 197	0.12 48	0.21 64	0.18 91	0.40 131	0.35 136	0.28 91	0.30 95	0.22 72	0.17 76	0.51 218	0.21 131	0.09 142	0.06 34	0.09 119	0.08 103	0.08 64	0.13 182

RE-Stereo	0.22 92	0.11 27	0.52 147	0.25 197	0.12 48	0.21 64	0.18 91	0.40 131	0.35 136	0.28 91	0.30 95	0.22 72	0.17 76	0.51 218	0.21 131	0.09 142	0.06 34	0.09 119	0.08 103	0.08 64	0.13 182

TVStereo	0.22 92	0.11 27	0.52 147	0.25 197	0.12 48	0.21 64	0.18 91	0.40 131	0.35 136	0.28 91	0.30 95	0.22 72	0.17 76	0.51 218	0.21 131	0.09 142	0.06 34	0.09 119	0.08 103	0.08 64	0.13 182

RAFT-345	0.22 92	0.11 27	0.55 173	0.22 85	0.12 48	0.20 48	0.16 40	0.27 13	0.28 65	0.27 85	0.65 332	0.20 59	0.17 76	0.55 234	0.22 146	0.07 13	0.06 34	0.08 59	0.07 44	0.06 2	0.07 11

CRE-IMP	0.19 36	0.13 73	0.51 131	0.23 128	0.11 25	0.24 120	0.17 54	0.31 51	0.24 24	0.27 85	0.26 65	0.24 100	0.17 76	0.24 45	0.19 98	0.09 142	0.05 3	0.10 181	0.07 44	0.10 177	0.10 98

test-2	0.20 56	0.17 166	0.45 55	0.23 128	0.18 231	0.21 64	0.27 268	0.28 17	0.28 65	0.31 150	0.32 114	0.28 143	0.17 76	0.16 3	0.13 7	0.07 13	0.23 337	0.10 181	0.08 103	0.08 64	0.07 11

raftrobust	0.19 36	0.19 191	0.42 40	0.23 128	0.24 319	0.19 22	0.13 2	0.33 67	0.28 65	0.26 76	0.20 29	0.19 52	0.17 76	0.23 39	0.17 58	0.08 87	0.10 192	0.07 13	0.06 22	0.07 30	0.09 57

RAFT-Stereo + iAFF	0.20 56	0.23 237	0.49 101	0.21 53	0.16 186	0.19 22	0.17 54	0.35 80	0.32 107	0.26 76	0.33 129	0.20 59	0.17 76	0.21 24	0.17 58	0.06 1	0.10 192	0.07 13	0.07 44	0.07 30	0.11 127

AFF-stereo	0.20 56	0.24 247	0.49 101	0.22 85	0.11 25	0.18 13	0.18 91	0.35 80	0.29 78	0.25 71	0.36 156	0.25 111	0.17 76	0.25 53	0.17 58	0.06 1	0.09 167	0.08 59	0.08 103	0.08 64	0.11 127

DIP-Stereo	0.20 56	0.13 73	0.48 84	0.20 34	0.13 80	0.28 162	0.12 1	0.43 155	0.26 48	0.27 85	0.32 114	0.21 69	0.17 76	0.26 70	0.20 114	0.08 87	0.06 34	0.08 59	0.06 22	0.07 30	0.10 98
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MyStereo06	0.23 121	0.15 123	0.74 265	0.22 85	0.14 107	0.25 129	0.22 195	0.43 155	0.25 42	0.36 224	0.24 54	0.34 197	0.18 102	0.24 45	0.20 114	0.07 13	0.12 228	0.09 119	0.09 164	0.09 131	0.11 127

whm_eth	0.24 147	0.21 210	0.72 263	0.24 165	0.19 254	0.21 64	0.19 123	0.40 131	0.43 215	0.31 150	0.60 317	0.15 27	0.18 102	0.26 70	0.19 98	0.09 142	0.08 138	0.10 181	0.09 164	0.09 131	0.13 182

HH	0.22 92	0.12 57	0.55 173	0.32 320	0.16 186	0.27 148	0.18 91	0.36 85	0.25 42	0.20 27	0.26 65	0.34 197	0.18 102	0.33 146	0.15 37	0.07 13	0.16 281	0.07 13	0.07 44	0.07 30	0.31 339

HanStereo	0.22 92	0.12 57	0.55 173	0.32 320	0.16 186	0.27 148	0.18 91	0.36 85	0.25 42	0.20 27	0.26 65	0.34 197	0.18 102	0.33 146	0.15 37	0.07 13	0.16 281	0.07 13	0.07 44	0.07 30	0.31 339

Selective-RAFT	0.19 36	0.14 107	0.37 23	0.24 165	0.11 25	0.30 190	0.15 25	0.35 80	0.34 129	0.17 15	0.17 17	0.22 72	0.18 102	0.29 114	0.18 77	0.07 13	0.16 281	0.07 13	0.07 44	0.08 64	0.08 37

Patchmatch Stereo++	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.19 22	0.14 12	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.27 79	0.18 77	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57
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
NRIStereo	0.20 56	0.12 57	0.50 119	0.23 128	0.11 25	0.24 120	0.19 123	0.30 37	0.28 65	0.26 76	0.26 65	0.25 111	0.18 102	0.34 160	0.19 98	0.08 87	0.06 34	0.09 119	0.07 44	0.09 131	0.09 57

PSM-adaLoss	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.19 22	0.15 25	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.25 53	0.17 58	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

ROB_FTStereo_v2	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.19 22	0.15 25	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.25 53	0.18 77	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

ROB_FTStereo	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.19 22	0.13 2	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.25 53	0.17 58	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

HUI-Stereo	0.19 36	0.13 73	0.52 147	0.22 85	0.11 25	0.19 22	0.14 12	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.23 39	0.17 58	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

iGMRVC	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.19 22	0.15 25	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.27 79	0.18 77	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

RAFT-RH_RVC	0.26 190	0.13 73	0.57 190	0.22 85	0.12 48	0.25 129	0.14 12	0.27 13	0.29 78	0.38 247	1.14 376	0.23 85	0.18 102	0.58 243	0.24 166	0.07 13	0.06 34	0.10 181	0.07 44	0.06 2	0.08 37

iRAFT	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.19 22	0.14 12	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.27 79	0.18 77	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

RAFT-IKP	0.19 36	0.13 73	0.51 131	0.22 85	0.11 25	0.18 13	0.15 25	0.30 37	0.24 24	0.28 91	0.29 84	0.25 111	0.18 102	0.26 70	0.18 77	0.09 142	0.06 34	0.10 181	0.08 103	0.10 177	0.09 57

Anonymous3	0.24 147	0.19 191	0.76 272	0.27 261	0.18 231	0.41 286	0.24 240	0.45 180	0.36 149	0.23 54	0.27 74	0.20 59	0.18 102	0.28 97	0.19 98	0.12 256	0.11 212	0.10 181	0.10 208	0.11 218	0.13 182

s12784h	0.18 21	0.09 3	0.38 24	0.18 8	0.07 1	0.33 227	0.19 123	0.39 122	0.34 129	0.24 60	0.25 58	0.18 46	0.18 102	0.25 53	0.17 58	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.05 1

MyStereo8	0.25 171	0.20 203	0.69 250	0.24 165	0.17 211	0.31 208	0.16 40	0.50 219	0.32 107	0.29 114	0.38 170	0.25 111	0.19 119	0.33 146	0.29 213	0.08 87	0.20 318	0.08 59	0.08 103	0.10 177	0.16 226

Sa-1000	0.24 147	0.20 203	0.53 157	0.23 128	0.14 107	0.30 190	0.23 218	0.50 219	0.41 193	0.30 135	0.50 275	0.26 127	0.19 119	0.33 146	0.16 46	0.08 87	0.10 192	0.10 181	0.11 232	0.08 64	0.08 37

iRaft-Stereo_20w	0.29 227	0.11 27	0.86 302	0.33 331	0.24 319	0.32 221	0.26 263	0.60 310	0.26 48	0.41 277	0.21 41	0.28 143	0.19 119	0.32 137	0.24 166	0.07 13	0.31 375	0.07 13	0.09 164	0.08 64	0.47 375

IPLGR	0.22 92	0.14 107	0.75 268	0.21 53	0.11 25	0.25 129	0.18 91	0.44 173	0.38 169	0.29 114	0.28 78	0.21 69	0.19 119	0.37 179	0.19 98	0.07 13	0.06 34	0.08 59	0.07 44	0.07 30	0.07 11

TestStereo	0.22 92	0.24 247	0.48 84	0.25 197	0.11 25	0.22 86	0.22 195	0.32 55	0.31 99	0.24 60	0.34 137	0.23 85	0.19 119	0.62 268	0.19 98	0.08 87	0.07 92	0.10 181	0.07 44	0.11 218	0.07 11

Anonymous	0.21 79	0.15 123	0.63 231	0.27 261	0.20 271	0.26 142	0.27 268	0.34 71	0.27 57	0.18 22	0.19 24	0.15 27	0.19 119	0.25 53	0.19 98	0.10 197	0.09 167	0.09 119	0.09 164	0.15 282	0.13 182

UDGNet	0.24 147	0.37 327	0.53 157	0.25 197	0.14 107	0.24 120	0.18 91	0.32 55	0.44 222	0.29 114	0.28 78	0.24 100	0.20 125	0.30 123	0.21 131	0.16 314	0.07 92	0.21 347	0.11 232	0.16 291	0.11 127

GwcNet-ADL	0.23 121	0.15 123	0.58 203	0.24 165	0.13 80	0.23 102	0.24 240	0.51 229	0.41 193	0.28 91	0.29 84	0.30 165	0.20 125	0.27 79	0.28 200	0.09 142	0.07 92	0.07 13	0.07 44	0.09 131	0.11 127

GANet-ADL	0.22 92	0.14 107	0.51 131	0.23 128	0.14 107	0.29 179	0.19 123	0.48 204	0.36 149	0.26 76	0.33 129	0.32 184	0.20 125	0.26 70	0.22 146	0.11 228	0.07 92	0.07 13	0.06 22	0.09 131	0.11 127

OMP-Stereo	0.24 147	0.16 143	0.48 84	0.30 305	0.13 80	0.21 64	0.16 40	0.38 106	0.35 136	0.34 198	0.30 95	0.33 190	0.20 125	0.70 296	0.24 166	0.08 87	0.06 34	0.09 119	0.07 44	0.08 64	0.07 11

PFNet	0.24 147	0.11 27	0.63 231	0.25 197	0.14 107	0.22 86	0.19 123	0.40 131	0.35 136	0.36 224	0.32 114	0.27 131	0.20 125	0.63 271	0.23 161	0.09 142	0.05 3	0.09 119	0.08 103	0.08 64	0.08 37

ARAFT	0.26 190	0.30 292	0.87 304	0.22 85	0.12 48	0.30 190	0.24 240	0.46 186	0.34 129	0.33 184	0.28 78	0.29 155	0.20 125	0.49 209	0.19 98	0.08 87	0.06 34	0.12 257	0.11 232	0.09 131	0.09 57

DN-CSS_ROB	0.24 147	0.33 306	0.69 250	0.25 197	0.14 107	0.26 142	0.13 2	0.42 150	0.35 136	0.30 135	0.42 209	0.22 72	0.20 125	0.34 160	0.22 146	0.07 13	0.06 34	0.11 227	0.11 232	0.11 218	0.09 57

TestStereo1	0.23 121	0.22 224	0.50 119	0.27 261	0.14 107	0.26 142	0.27 268	0.43 155	0.38 169	0.29 114	0.39 184	0.23 85	0.21 132	0.33 146	0.18 77	0.08 87	0.08 138	0.09 119	0.08 103	0.08 64	0.10 98

SA-5K	0.23 121	0.22 224	0.50 119	0.27 261	0.14 107	0.26 142	0.27 268	0.43 155	0.38 169	0.29 114	0.39 184	0.23 85	0.21 132	0.33 146	0.18 77	0.08 87	0.08 138	0.09 119	0.08 103	0.08 64	0.10 98

HHNet	0.23 121	0.12 57	0.66 241	0.19 13	0.18 231	0.20 48	0.20 154	0.36 85	0.32 107	0.33 184	0.59 313	0.19 52	0.21 132	0.24 45	0.31 224	0.08 87	0.06 34	0.09 119	0.07 44	0.08 64	0.12 162

GMM-Stereo	0.22 92	0.10 11	0.56 183	0.23 128	0.13 80	0.24 120	0.24 240	0.38 106	0.29 78	0.31 150	0.44 230	0.27 131	0.21 132	0.31 132	0.17 58	0.07 13	0.05 3	0.10 181	0.09 164	0.08 64	0.19 255

AdaStereo	0.25 171	0.17 166	0.47 72	0.25 197	0.13 80	0.33 227	0.17 54	0.57 281	0.43 215	0.34 198	0.38 170	0.35 211	0.21 132	0.32 137	0.24 166	0.14 294	0.06 34	0.13 280	0.09 164	0.11 218	0.09 57
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.
DCANet-4	0.20 56	0.11 27	0.58 203	0.19 13	0.09 5	0.19 22	0.18 91	0.39 122	0.42 205	0.29 114	0.31 105	0.17 38	0.22 137	0.21 24	0.20 114	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 57

BUS	0.24 147	0.13 73	0.36 18	0.25 197	0.14 107	0.44 300	0.17 54	0.59 301	0.36 149	0.34 198	0.35 143	0.31 174	0.22 137	0.27 79	0.22 146	0.10 197	0.07 92	0.11 227	0.10 208	0.09 131	0.10 98

NINENet	0.27 206	0.16 143	0.49 101	0.23 128	0.16 186	0.44 300	0.17 54	0.63 329	0.49 274	0.33 184	0.38 170	0.31 174	0.22 137	0.43 193	0.22 146	0.11 228	0.10 192	0.12 257	0.08 103	0.12 243	0.11 127

IIG-Stereo	0.24 147	0.16 143	0.47 72	0.29 298	0.12 48	0.23 102	0.14 12	0.40 131	0.33 121	0.35 213	0.37 164	0.33 190	0.22 137	0.70 296	0.26 187	0.08 87	0.06 34	0.09 119	0.07 44	0.08 64	0.07 11

RAFT	0.24 147	0.24 247	0.46 67	0.27 261	0.15 157	0.26 142	0.26 263	0.37 97	0.31 99	0.34 198	0.34 137	0.41 246	0.22 137	0.30 123	0.18 77	0.08 87	0.15 272	0.11 227	0.10 208	0.11 218	0.13 182

111	0.22 92	0.22 224	0.57 190	0.19 13	0.09 5	0.24 120	0.17 54	0.44 173	0.46 242	0.24 60	0.30 95	0.29 155	0.22 137	0.25 53	0.19 98	0.08 87	0.05 3	0.07 13	0.06 22	0.07 30	0.15 216

SFCPSM	0.23 121	0.12 57	0.51 131	0.21 53	0.14 107	0.34 241	0.22 195	0.57 281	0.41 193	0.29 114	0.32 114	0.23 85	0.22 137	0.28 97	0.20 114	0.10 197	0.07 92	0.09 119	0.10 208	0.09 131	0.09 57

HITNet	0.22 92	0.23 237	0.60 217	0.20 34	0.09 5	0.27 148	0.15 25	0.45 180	0.33 121	0.29 114	0.33 129	0.27 131	0.22 137	0.29 114	0.27 194	0.07 13	0.05 3	0.07 13	0.06 22	0.09 131	0.11 127
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
MLCV	0.25 171	0.23 237	0.59 210	0.22 85	0.09 5	0.30 190	0.18 91	0.40 131	0.38 169	0.38 247	0.44 230	0.31 174	0.22 137	0.44 196	0.32 230	0.07 13	0.05 3	0.07 13	0.06 22	0.07 30	0.08 37

MyStereo05	0.24 147	0.15 123	0.58 203	0.22 85	0.14 107	0.25 129	0.22 195	0.50 219	0.54 301	0.32 175	0.23 49	0.26 127	0.23 146	0.32 137	0.25 178	0.07 13	0.12 228	0.09 119	0.09 164	0.09 131	0.11 127

MyStereo04	0.24 147	0.15 123	0.58 203	0.22 85	0.16 186	0.25 129	0.22 195	0.51 229	0.54 301	0.29 114	0.23 49	0.27 131	0.23 146	0.32 137	0.25 178	0.07 13	0.13 242	0.09 119	0.09 164	0.09 131	0.11 127

CoDeX	0.24 147	0.13 73	0.48 84	0.22 85	0.14 107	0.29 179	0.21 173	0.55 262	0.42 205	0.29 114	0.36 156	0.28 143	0.23 146	0.48 207	0.20 114	0.09 142	0.06 34	0.08 59	0.07 44	0.08 64	0.08 37

11t1	0.21 79	0.12 57	0.45 55	0.20 34	0.15 157	0.27 148	0.17 54	0.37 97	0.28 65	0.27 85	0.25 58	0.24 100	0.23 146	0.28 97	0.25 178	0.09 142	0.19 310	0.07 13	0.07 44	0.09 131	0.23 291

ttt	0.33 261	0.14 107	0.54 167	0.22 85	0.14 107	0.30 190	0.22 195	0.59 301	0.51 285	0.31 150	0.46 255	0.30 165	0.23 146	0.71 299	1.07 364	0.13 273	0.22 329	0.10 181	0.11 232	0.12 243	0.24 303

CFNet_ucs	0.25 171	0.14 107	0.51 131	0.20 34	0.15 157	0.29 179	0.18 91	0.51 229	0.46 242	0.32 175	0.42 209	0.38 226	0.23 146	0.31 132	0.22 146	0.11 228	0.08 138	0.12 257	0.09 164	0.13 255	0.13 182

raft_robust	0.25 171	0.23 237	0.44 52	0.22 85	0.13 80	0.23 102	0.22 195	0.52 234	0.50 279	0.33 184	0.32 114	0.33 190	0.23 146	0.55 234	0.18 77	0.07 13	0.11 212	0.08 59	0.10 208	0.08 64	0.07 11

test_5	0.25 171	0.25 260	0.57 190	0.27 261	0.18 231	0.25 129	0.29 286	0.42 150	0.39 180	0.29 114	0.40 191	0.27 131	0.23 146	0.35 167	0.19 98	0.07 13	0.07 92	0.09 119	0.09 164	0.10 177	0.14 205

SA	0.24 147	0.22 224	0.55 173	0.23 128	0.14 107	0.25 129	0.23 218	0.48 204	0.42 205	0.28 91	0.44 230	0.23 85	0.23 146	0.34 160	0.17 58	0.07 13	0.09 167	0.11 227	0.11 232	0.08 64	0.09 57

iRaft-Stereo_5w	0.25 171	0.24 247	0.50 119	0.23 128	0.18 231	0.19 22	0.19 123	0.39 122	0.35 136	0.28 91	0.36 156	0.34 197	0.23 146	0.66 286	0.28 200	0.07 13	0.07 92	0.08 59	0.07 44	0.09 131	0.14 205

dad	0.30 239	0.38 333	0.60 217	0.22 85	0.14 107	0.32 221	0.21 173	0.35 80	0.51 285	0.45 303	0.45 243	0.46 279	0.23 146	0.41 188	0.27 194	0.21 348	0.11 212	0.20 344	0.11 232	0.15 282	0.11 127

RAFT_R40	0.22 92	0.11 27	0.52 147	0.25 197	0.13 80	0.18 13	0.18 91	0.32 55	0.31 99	0.33 184	0.33 129	0.30 165	0.23 146	0.55 234	0.19 98	0.08 87	0.05 3	0.10 181	0.08 103	0.09 131	0.07 11

CFNet_pseudo	0.23 121	0.14 107	0.48 84	0.20 34	0.13 80	0.27 148	0.17 54	0.46 186	0.45 233	0.30 135	0.37 164	0.38 226	0.23 146	0.30 123	0.22 146	0.09 142	0.06 34	0.11 227	0.08 103	0.11 218	0.11 127

HCRNet	0.25 171	0.27 276	0.42 40	0.34 335	0.17 211	0.27 148	0.18 91	0.45 180	0.37 162	0.31 150	0.35 143	0.32 184	0.23 146	0.44 196	0.21 131	0.13 273	0.08 138	0.13 280	0.11 232	0.11 218	0.09 57

DCANet	0.20 56	0.15 123	0.57 190	0.19 13	0.09 5	0.19 22	0.18 91	0.37 97	0.41 193	0.30 135	0.31 105	0.19 52	0.23 146	0.21 24	0.20 114	0.07 13	0.05 3	0.07 13	0.05 8	0.07 30	0.10 98

FENet	0.22 92	0.13 73	0.48 84	0.22 85	0.12 48	0.27 148	0.18 91	0.43 155	0.37 162	0.31 150	0.32 114	0.29 155	0.23 146	0.27 79	0.24 166	0.10 197	0.07 92	0.09 119	0.09 164	0.09 131	0.11 127

ccs_rob	0.23 121	0.14 107	0.48 84	0.20 34	0.13 80	0.27 148	0.17 54	0.46 186	0.45 233	0.30 135	0.37 164	0.38 226	0.23 146	0.30 123	0.22 146	0.09 142	0.06 34	0.11 227	0.08 103	0.12 243	0.11 127

iResNet	0.25 171	0.22 224	0.62 226	0.26 229	0.11 25	0.31 208	0.23 218	0.46 186	0.45 233	0.34 198	0.43 221	0.27 131	0.23 146	0.36 171	0.37 257	0.08 87	0.05 3	0.07 13	0.06 22	0.08 64	0.10 98

mmm	0.25 171	0.15 123	0.44 52	0.23 128	0.20 271	0.28 162	0.21 173	0.43 155	0.32 107	0.31 150	0.40 191	0.30 165	0.24 164	0.31 132	0.28 200	0.09 142	0.21 323	0.11 227	0.12 269	0.10 177	0.26 321

DualNet	0.33 261	0.17 166	0.84 295	0.21 53	0.13 80	0.29 179	0.21 173	0.38 106	0.46 242	0.31 150	0.44 230	0.34 197	0.24 164	0.28 97	1.30 375	0.08 87	0.28 359	0.12 257	0.11 232	0.08 64	0.37 358

ffm	0.27 206	0.17 166	0.84 295	0.21 53	0.13 80	0.29 179	0.21 173	0.38 106	0.46 242	0.31 150	0.44 230	0.34 197	0.24 164	0.28 97	0.12 1	0.08 87	0.28 359	0.12 257	0.11 232	0.08 64	0.37 358

ff1	0.36 277	0.17 166	0.84 295	0.21 53	0.13 80	0.29 179	0.21 173	0.38 106	0.46 242	0.31 150	0.44 230	0.34 197	0.24 164	0.91 350	1.30 375	0.08 87	0.28 359	0.12 257	0.11 232	0.08 64	0.37 358

mmx	0.37 284	0.17 166	0.84 295	0.21 53	0.13 80	0.29 179	0.21 173	0.57 281	0.48 261	0.31 150	0.44 230	0.34 197	0.24 164	0.91 350	1.30 375	0.10 197	0.20 318	0.12 257	0.11 232	0.11 218	0.23 291

xxx	0.37 284	0.17 166	0.84 295	0.21 53	0.13 80	0.29 179	0.21 173	0.57 281	0.48 261	0.31 150	0.44 230	0.34 197	0.24 164	0.91 350	1.30 375	0.10 197	0.20 318	0.12 257	0.11 232	0.11 218	0.23 291

PCWNet_CMD	0.23 121	0.14 107	0.48 84	0.21 53	0.13 80	0.28 162	0.17 54	0.47 195	0.47 255	0.30 135	0.36 156	0.37 220	0.24 164	0.29 114	0.21 131	0.09 142	0.06 34	0.10 181	0.08 103	0.11 218	0.11 127

MIPNet	0.22 92	0.19 191	0.64 235	0.22 85	0.12 48	0.28 162	0.20 154	0.48 204	0.39 180	0.31 150	0.24 54	0.19 52	0.24 164	0.28 97	0.20 114	0.07 13	0.05 3	0.08 59	0.07 44	0.07 30	0.08 37

IRAFT_RVC	0.23 121	0.15 123	0.54 167	0.26 229	0.12 48	0.19 22	0.23 218	0.41 149	0.39 180	0.31 150	0.30 95	0.29 155	0.24 164	0.55 234	0.23 161	0.08 87	0.06 34	0.10 181	0.08 103	0.08 64	0.08 37

GES	0.23 121	0.14 107	0.54 167	0.21 53	0.14 107	0.28 162	0.19 123	0.51 229	0.35 136	0.31 150	0.36 156	0.25 111	0.24 164	0.30 123	0.23 161	0.11 228	0.09 167	0.08 59	0.08 103	0.10 177	0.12 162

MSMDNet	0.23 121	0.14 107	0.49 101	0.20 34	0.13 80	0.28 162	0.17 54	0.47 195	0.47 255	0.30 135	0.36 156	0.37 220	0.24 164	0.29 114	0.21 131	0.09 142	0.07 92	0.09 119	0.08 103	0.11 218	0.11 127

xx1	0.23 121	0.16 143	0.50 119	0.27 261	0.13 80	0.31 208	0.19 123	0.39 122	0.48 261	0.21 31	0.20 29	0.28 143	0.25 175	0.28 97	0.12 1	0.08 87	0.28 359	0.10 181	0.11 232	0.09 131	0.23 291

CASS	0.22 92	0.16 143	0.40 30	0.26 229	0.12 48	0.29 179	0.19 123	0.40 131	0.32 107	0.34 198	0.35 143	0.25 111	0.25 175	0.26 70	0.21 131	0.13 273	0.08 138	0.11 227	0.09 164	0.11 218	0.12 162
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
riskmin	0.24 147	0.10 11	0.43 45	0.32 320	0.26 332	0.33 227	0.19 123	0.44 173	0.30 92	0.24 60	0.27 74	0.37 220	0.25 175	0.30 123	0.22 146	0.09 142	0.18 306	0.09 119	0.13 293	0.10 177	0.27 324

qqq	0.24 147	0.16 143	0.46 67	0.20 34	0.15 157	0.23 102	0.20 154	0.43 155	0.32 107	0.26 76	0.31 105	0.28 143	0.25 175	0.36 171	0.28 200	0.08 87	0.22 329	0.10 181	0.11 232	0.09 131	0.23 291

x	0.23 121	0.15 123	0.45 55	0.20 34	0.15 157	0.27 148	0.17 54	0.43 155	0.35 136	0.26 76	0.31 105	0.29 155	0.25 175	0.29 114	0.30 215	0.09 142	0.22 329	0.08 59	0.09 164	0.09 131	0.24 303

BSDual-CNN	0.24 147	0.13 73	0.36 18	0.25 197	0.14 107	0.35 254	0.22 195	0.59 301	0.36 149	0.34 198	0.35 143	0.38 226	0.25 175	0.27 79	0.28 200	0.10 197	0.07 92	0.11 227	0.10 208	0.09 131	0.10 98

psmg	0.24 147	0.13 73	0.36 18	0.21 53	0.14 107	0.35 254	0.23 218	0.54 251	0.36 149	0.36 224	0.38 170	0.38 226	0.25 175	0.27 79	0.28 200	0.10 197	0.08 138	0.10 181	0.10 208	0.09 131	0.09 57

SST-Stereo	0.22 92	0.11 27	0.52 147	0.25 197	0.14 107	0.19 22	0.17 54	0.32 55	0.26 48	0.34 198	0.33 129	0.29 155	0.25 175	0.56 239	0.18 77	0.08 87	0.05 3	0.10 181	0.08 103	0.09 131	0.07 11

ICVP	0.24 147	0.13 73	0.45 55	0.26 229	0.14 107	0.30 190	0.25 253	0.47 195	0.35 136	0.29 114	0.43 221	0.35 211	0.25 175	0.28 97	0.25 178	0.12 256	0.09 167	0.09 119	0.09 164	0.09 131	0.11 127
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GEStereo_RVC	0.29 227	0.24 247	0.60 217	0.27 261	0.16 186	0.33 227	0.25 253	0.58 293	0.56 313	0.35 213	0.38 170	0.34 197	0.25 175	0.51 218	0.29 213	0.12 256	0.08 138	0.09 119	0.08 103	0.11 218	0.13 182

xxxx	0.39 294	0.14 107	0.47 72	0.20 34	0.16 186	0.38 273	0.20 154	0.61 317	0.43 215	0.30 135	0.44 230	0.38 226	0.25 175	0.50 213	2.41 404	0.11 228	0.21 323	0.09 119	0.10 208	0.10 177	0.26 321

DMCA	0.24 147	0.18 183	0.51 131	0.23 128	0.14 107	0.27 148	0.20 154	0.45 180	0.40 188	0.32 175	0.33 129	0.33 190	0.25 175	0.27 79	0.30 215	0.11 228	0.08 138	0.10 181	0.08 103	0.11 218	0.12 162

AASNet	0.29 227	0.27 276	0.67 244	0.26 229	0.18 231	0.34 241	0.21 173	0.64 335	0.49 274	0.36 224	0.41 202	0.32 184	0.26 187	0.33 146	0.39 263	0.12 256	0.09 167	0.10 181	0.08 103	0.14 275	0.12 162

KYRaft	0.23 121	0.11 27	0.43 45	0.23 128	0.12 48	0.23 102	0.23 218	0.37 97	0.26 48	0.35 213	0.53 291	0.34 197	0.26 187	0.29 114	0.16 46	0.07 13	0.05 3	0.09 119	0.10 208	0.08 64	0.30 336

ASMatch	0.23 121	0.11 27	0.55 173	0.25 197	0.14 107	0.19 22	0.16 40	0.32 55	0.30 92	0.28 91	0.68 338	0.28 143	0.26 187	0.50 213	0.22 146	0.07 13	0.06 34	0.08 59	0.07 44	0.06 2	0.11 127

BEATNet_4x	0.25 171	0.25 260	0.66 241	0.23 128	0.10 17	0.29 179	0.14 12	0.49 211	0.34 129	0.31 150	0.35 143	0.32 184	0.26 187	0.34 160	0.33 238	0.08 87	0.06 34	0.08 59	0.07 44	0.11 218	0.13 182

UCFNet_RVC	0.25 171	0.21 210	0.49 101	0.19 13	0.15 157	0.34 241	0.18 91	0.47 195	0.36 149	0.30 135	0.35 143	0.40 239	0.26 187	0.35 167	0.24 166	0.13 273	0.08 138	0.13 280	0.14 307	0.13 255	0.13 182

DeepPruner_ROB	0.28 213	0.25 260	0.64 235	0.22 85	0.16 186	0.30 190	0.21 173	0.54 251	0.33 121	0.36 224	0.38 170	0.38 226	0.26 187	0.45 202	0.28 200	0.15 306	0.11 212	0.11 227	0.11 232	0.14 275	0.14 205

SMFormer	0.27 206	0.13 73	0.47 72	0.20 34	0.10 17	0.28 162	0.19 123	0.54 251	0.48 261	0.35 213	0.42 209	0.31 174	0.27 193	0.60 254	0.34 242	0.10 197	0.16 281	0.08 59	0.09 164	0.10 177	0.16 226

tta	0.27 206	0.13 73	0.47 72	0.20 34	0.10 17	0.28 162	0.19 123	0.54 251	0.48 261	0.35 213	0.42 209	0.31 174	0.27 193	0.60 254	0.34 242	0.10 197	0.16 281	0.08 59	0.09 164	0.08 64	0.13 182

qqq1	0.26 190	0.13 73	0.47 72	0.20 34	0.10 17	0.28 162	0.19 123	0.54 251	0.48 261	0.35 213	0.42 209	0.31 174	0.27 193	0.60 254	0.21 131	0.10 197	0.16 281	0.07 13	0.07 44	0.08 64	0.13 182

fff1	0.26 190	0.13 73	0.47 72	0.20 34	0.10 17	0.28 162	0.19 123	0.54 251	0.48 261	0.35 213	0.42 209	0.31 174	0.27 193	0.60 254	0.21 131	0.10 197	0.16 281	0.07 13	0.07 44	0.08 64	0.13 182

gwcnet-sp	0.25 171	0.16 143	0.70 253	0.23 128	0.14 107	0.34 241	0.22 195	0.46 186	0.41 193	0.37 239	0.35 143	0.27 131	0.27 193	0.36 171	0.26 187	0.09 142	0.08 138	0.09 119	0.09 164	0.10 177	0.10 98

scenet	0.25 171	0.16 143	0.70 253	0.23 128	0.14 107	0.34 241	0.22 195	0.46 186	0.41 193	0.37 239	0.35 143	0.27 131	0.27 193	0.36 171	0.26 187	0.09 142	0.08 138	0.09 119	0.09 164	0.10 177	0.10 98

anonymousa	0.26 190	0.13 73	0.56 183	0.29 298	0.30 349	0.31 208	0.20 154	0.38 106	0.36 149	0.33 184	0.51 278	0.41 246	0.27 193	0.25 53	0.24 166	0.08 87	0.18 306	0.09 119	0.18 340	0.08 64	0.17 238

ssnet	0.25 171	0.16 143	0.70 253	0.23 128	0.14 107	0.34 241	0.22 195	0.46 186	0.41 193	0.37 239	0.35 143	0.27 131	0.27 193	0.36 171	0.26 187	0.09 142	0.08 138	0.09 119	0.09 164	0.10 177	0.10 98

CSP-Net	0.28 213	0.17 166	0.41 32	0.22 85	0.14 107	0.44 300	0.24 240	0.52 234	0.42 205	0.42 281	0.44 230	0.42 256	0.27 193	0.66 286	0.30 215	0.12 256	0.09 167	0.08 59	0.08 103	0.10 177	0.10 98

test_xeample	0.39 294	0.14 107	0.46 67	0.19 13	0.16 186	0.34 241	0.22 195	0.59 301	0.43 215	0.33 184	0.47 262	0.30 165	0.27 193	0.60 254	2.44 405	0.10 197	0.21 323	0.09 119	0.09 164	0.09 131	0.25 312

cf-r	0.26 190	0.22 224	0.66 241	0.22 85	0.14 107	0.28 162	0.22 195	0.44 173	0.42 205	0.32 175	0.42 209	0.43 262	0.27 193	0.44 196	0.27 194	0.11 228	0.07 92	0.08 59	0.10 208	0.08 64	0.09 57

PSMNet-RSSM	0.26 190	0.21 210	0.50 119	0.21 53	0.14 107	0.25 129	0.21 173	0.50 219	0.38 169	0.31 150	0.45 243	0.40 239	0.27 193	0.53 226	0.24 166	0.12 256	0.08 138	0.11 227	0.13 293	0.10 177	0.10 98

CFNet-ft	0.26 190	0.21 210	0.51 131	0.19 13	0.16 186	0.31 208	0.21 173	0.40 131	0.37 162	0.29 114	0.40 191	0.46 279	0.27 193	0.49 209	0.28 200	0.12 256	0.07 92	0.12 257	0.11 232	0.12 243	0.11 127

FADNet-RVC-Resample	0.31 249	0.32 302	1.16 349	0.27 261	0.17 211	0.33 227	0.21 173	0.49 211	0.40 188	0.36 224	0.38 170	0.34 197	0.27 193	0.54 231	0.27 194	0.10 197	0.10 192	0.14 298	0.13 293	0.13 255	0.18 240

MaskLacGwcNet_RVC	0.38 289	0.43 346	0.72 263	0.35 340	0.19 254	0.51 329	0.25 253	0.56 272	0.39 180	0.42 281	0.47 262	0.47 286	0.27 193	0.74 307	0.32 230	0.38 377	0.19 310	0.27 359	0.17 336	0.29 363	0.27 324

HSM-Net_RVC	0.28 213	0.12 57	0.48 84	0.19 13	0.11 25	0.35 254	0.21 173	0.64 335	0.44 222	0.40 267	0.43 221	0.50 300	0.27 193	0.75 312	0.25 178	0.08 87	0.07 92	0.08 59	0.07 44	0.08 64	0.09 57
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.29 227	0.29 286	0.57 190	0.23 128	0.14 107	0.34 241	0.15 25	0.53 244	0.46 242	0.31 150	0.40 191	0.38 226	0.27 193	0.76 318	0.28 200	0.10 197	0.07 92	0.11 227	0.11 232	0.11 218	0.09 57

CFNet_RVC	0.26 190	0.21 210	0.51 131	0.19 13	0.16 186	0.31 208	0.21 173	0.40 131	0.37 162	0.29 114	0.40 191	0.46 279	0.27 193	0.49 209	0.28 200	0.12 256	0.07 92	0.12 257	0.11 232	0.12 243	0.11 127

iResNetv2_ROB	0.29 227	0.37 327	0.92 316	0.24 165	0.13 80	0.30 190	0.19 123	0.55 262	0.51 285	0.39 258	0.46 255	0.39 236	0.27 193	0.36 171	0.30 215	0.09 142	0.06 34	0.07 13	0.05 8	0.13 255	0.11 127

SDNR	0.47 332	0.29 286	0.92 316	0.24 165	0.37 364	1.27 392	0.17 54	0.54 251	0.58 317	0.44 296	0.85 360	0.55 315	0.28 212	1.19 377	0.52 305	0.23 352	0.24 345	0.17 327	0.13 293	0.19 322	0.26 321

fff	0.20 56	0.15 123	0.57 190	0.19 13	0.09 5	0.19 22	0.18 91	0.38 106	0.46 242	0.29 114	0.31 105	0.18 46	0.28 212	0.21 24	0.20 114	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 57

hknet	0.26 190	0.15 123	0.49 101	0.25 197	0.16 186	0.35 254	0.22 195	0.59 301	0.40 188	0.34 198	0.35 143	0.43 262	0.28 212	0.38 181	0.26 187	0.09 142	0.07 92	0.11 227	0.10 208	0.09 131	0.10 98

PSMNet-ADL	0.26 190	0.16 143	0.39 26	0.27 261	0.14 107	0.32 221	0.22 195	0.45 180	0.37 162	0.28 91	0.34 137	0.41 246	0.28 212	0.61 260	0.32 230	0.11 228	0.10 192	0.09 119	0.11 232	0.10 177	0.13 182

DeepStereo_RVC	0.19 36	0.12 57	0.47 72	0.22 85	0.11 25	0.19 22	0.16 40	0.29 28	0.24 24	0.28 91	0.27 74	0.23 85	0.28 212	0.24 45	0.19 98	0.08 87	0.06 34	0.09 119	0.07 44	0.09 131	0.10 98

Prome-Stereo	0.22 92	0.10 11	0.43 45	0.24 165	0.13 80	0.23 102	0.23 218	0.37 97	0.27 57	0.33 184	0.58 309	0.24 100	0.28 212	0.30 123	0.16 46	0.07 13	0.05 3	0.08 59	0.07 44	0.08 64	0.20 267

ADLNet	0.30 239	0.19 191	0.59 210	0.23 128	0.19 254	0.34 241	0.23 218	0.56 272	0.44 222	0.43 290	0.41 202	0.43 262	0.28 212	0.56 239	0.36 251	0.11 228	0.08 138	0.11 227	0.11 232	0.11 218	0.15 216

csc	0.20 56	0.15 123	0.57 190	0.19 13	0.09 5	0.19 22	0.18 91	0.38 106	0.46 242	0.29 114	0.31 105	0.18 46	0.28 212	0.21 24	0.20 114	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 57

cscssc	0.20 56	0.15 123	0.57 190	0.19 13	0.09 5	0.19 22	0.18 91	0.38 106	0.46 242	0.29 114	0.31 105	0.18 46	0.28 212	0.21 24	0.20 114	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 57

222	0.45 323	0.14 107	0.43 45	0.19 13	0.15 157	0.36 262	0.20 154	0.60 310	0.43 215	0.37 239	0.45 243	0.30 165	0.28 212	0.59 249	3.72 410	0.11 228	0.19 310	0.08 59	0.09 164	0.09 131	0.27 324

ACVNet	0.24 147	0.18 183	0.51 131	0.18 8	0.15 157	0.27 148	0.23 218	0.40 131	0.45 233	0.29 114	0.41 202	0.38 226	0.28 212	0.28 97	0.35 248	0.09 142	0.07 92	0.08 59	0.07 44	0.10 177	0.09 57

acv_ft	0.26 190	0.18 183	0.56 183	0.24 165	0.19 254	0.34 241	0.21 173	0.47 195	0.45 233	0.39 258	0.41 202	0.38 226	0.28 212	0.28 97	0.36 251	0.09 142	0.07 92	0.08 59	0.07 44	0.11 218	0.09 57

GwcNet-RSSM	0.28 213	0.25 260	0.61 223	0.22 85	0.14 107	0.28 162	0.24 240	0.46 186	0.44 222	0.33 184	0.46 255	0.41 246	0.28 212	0.55 234	0.31 224	0.11 228	0.07 92	0.09 119	0.10 208	0.10 177	0.09 57

STTStereo	0.30 239	0.24 247	0.83 292	0.25 197	0.17 211	0.30 190	0.24 240	0.49 211	0.39 180	0.39 258	0.41 202	0.44 268	0.28 212	0.41 188	0.30 215	0.13 273	0.13 242	0.13 280	0.16 325	0.12 243	0.12 162

NLCA_NET_v2_RVC	0.29 227	0.24 247	0.81 287	0.26 229	0.18 231	0.30 190	0.22 195	0.52 234	0.41 193	0.38 247	0.42 209	0.42 256	0.28 212	0.46 203	0.31 224	0.11 228	0.08 138	0.10 181	0.11 232	0.10 177	0.12 162
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
iResNet_ROB	0.27 206	0.27 276	0.48 84	0.21 53	0.12 48	0.32 221	0.17 54	0.57 281	0.55 309	0.39 258	0.44 230	0.37 220	0.28 212	0.43 193	0.28 200	0.08 87	0.06 34	0.06 1	0.05 8	0.09 131	0.11 127

1111x	0.39 294	0.17 166	0.80 286	0.23 128	0.15 157	0.33 227	0.27 268	0.62 325	0.48 261	0.32 175	0.43 221	0.40 239	0.29 228	0.86 340	1.60 391	0.09 142	0.23 337	0.09 119	0.12 269	0.10 177	0.23 291

AACVNet	0.28 213	0.22 224	0.55 173	0.23 128	0.14 107	0.30 190	0.19 123	0.43 155	0.33 121	0.39 258	0.42 209	0.44 268	0.29 228	0.73 303	0.28 200	0.11 228	0.09 167	0.11 227	0.09 164	0.13 255	0.12 162

pcwnet_v2	0.32 254	0.16 143	1.22 360	0.23 128	0.19 254	0.32 221	0.19 123	0.61 317	0.61 328	0.37 239	0.45 243	0.35 211	0.29 228	0.37 179	0.26 187	0.14 294	0.11 212	0.12 257	0.11 232	0.14 275	0.18 240

UPFNet	0.27 206	0.15 123	0.47 72	0.25 197	0.20 271	0.37 267	0.27 268	0.50 219	0.40 188	0.36 224	0.38 170	0.37 220	0.29 228	0.40 185	0.34 242	0.10 197	0.10 192	0.10 181	0.10 208	0.10 177	0.08 37

FADNet_RVC	0.31 249	0.35 318	0.98 327	0.24 165	0.16 186	0.30 190	0.17 54	0.52 234	0.39 180	0.30 135	0.38 170	0.30 165	0.29 228	0.54 231	0.33 238	0.14 294	0.14 251	0.14 298	0.16 325	0.21 335	0.24 303

FADNet-RVC	0.34 269	0.43 346	0.97 325	0.25 197	0.20 271	0.33 227	0.20 154	0.51 229	0.42 205	0.34 198	0.40 191	0.41 246	0.29 228	0.65 280	0.36 251	0.14 294	0.14 251	0.14 298	0.15 316	0.19 322	0.20 267

Anonymous Stereo	0.42 313	0.43 346	1.38 368	0.32 320	0.26 332	0.35 254	0.48 356	0.55 262	0.58 317	0.43 290	0.48 271	0.40 239	0.29 228	0.93 356	0.56 317	0.16 314	0.16 281	0.15 312	0.16 325	0.16 291	0.20 267

GASNet	0.39 294	0.58 371	1.27 362	0.35 340	0.23 308	0.35 254	0.23 218	0.63 329	0.56 313	0.41 277	0.38 170	0.45 273	0.30 235	0.81 331	0.42 273	0.16 314	0.11 212	0.14 298	0.14 307	0.23 344	0.12 162

ssnet_v2	0.30 239	0.21 210	0.63 231	0.23 128	0.15 157	0.40 282	0.30 292	0.59 301	0.48 261	0.40 267	0.37 164	0.46 279	0.30 235	0.41 188	0.44 283	0.13 273	0.11 212	0.11 227	0.11 232	0.12 243	0.11 127

LCNet	0.22 92	0.12 57	0.42 40	0.26 229	0.12 48	0.23 102	0.19 123	0.36 85	0.28 65	0.28 91	0.35 143	0.26 127	0.30 235	0.35 167	0.17 58	0.07 13	0.05 3	0.09 119	0.10 208	0.13 255	0.22 284

AAGNet	0.34 269	0.12 57	0.53 157	0.26 229	0.16 186	0.20 48	0.19 123	0.31 51	0.29 78	0.35 213	0.35 143	0.27 131	0.30 235	0.44 196	2.56 406	0.08 87	0.05 3	0.10 181	0.07 44	0.09 131	0.07 11

LMCR-Stereo	0.28 213	0.22 224	0.56 183	0.29 298	0.14 107	0.37 267	0.23 218	0.57 281	0.36 149	0.40 267	0.40 191	0.29 155	0.30 235	0.41 188	0.38 259	0.11 228	0.07 92	0.09 119	0.07 44	0.13 255	0.10 98

ac_64	0.28 213	0.16 143	0.62 226	0.25 197	0.17 211	0.36 262	0.22 195	0.48 204	0.35 136	0.36 224	0.37 164	0.51 303	0.30 235	0.62 268	0.34 242	0.11 228	0.09 167	0.10 181	0.10 208	0.09 131	0.09 57

GANet-RSSM	0.26 190	0.19 191	0.54 167	0.21 53	0.14 107	0.27 148	0.22 195	0.47 195	0.34 129	0.30 135	0.40 191	0.41 246	0.30 235	0.59 249	0.25 178	0.11 228	0.08 138	0.09 119	0.09 164	0.10 177	0.10 98

DSFCA	0.29 227	0.18 183	0.48 84	0.21 53	0.17 211	0.39 276	0.32 307	0.49 211	0.44 222	0.44 296	0.38 170	0.40 239	0.30 235	0.53 226	0.38 259	0.12 256	0.10 192	0.10 181	0.11 232	0.11 218	0.11 127

TDLM	0.32 254	0.27 276	0.52 147	0.30 305	0.15 157	0.33 227	0.32 307	0.54 251	0.50 279	0.44 296	0.43 221	0.39 236	0.30 235	0.92 355	0.30 215	0.14 294	0.09 167	0.13 280	0.12 269	0.13 255	0.14 205

AANet_RVC	0.33 261	0.31 295	0.69 250	0.23 128	0.14 107	0.30 190	0.23 218	0.49 211	0.55 309	0.39 258	0.60 317	0.43 262	0.30 235	0.88 343	0.54 313	0.11 228	0.08 138	0.07 13	0.07 44	0.10 177	0.12 162

NVstereo2D	0.32 254	0.18 183	0.63 231	0.24 165	0.23 308	0.43 295	0.28 282	0.60 310	0.58 317	0.28 91	0.39 184	0.42 256	0.30 235	0.71 299	0.30 215	0.13 273	0.09 167	0.13 280	0.10 208	0.20 329	0.18 240

StereoDRNet-Refined	0.28 213	0.19 191	0.47 72	0.25 197	0.14 107	0.36 262	0.21 173	0.49 211	0.43 215	0.46 308	0.52 284	0.42 256	0.30 235	0.46 203	0.38 259	0.10 197	0.07 92	0.11 227	0.11 232	0.10 177	0.11 127
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NOSS_ROB	0.33 261	0.24 247	0.49 101	0.27 261	0.16 186	0.34 241	0.19 123	0.55 262	0.50 279	0.34 198	0.37 164	0.42 256	0.30 235	0.93 356	0.25 178	0.19 345	0.20 318	0.24 356	0.22 356	0.17 303	0.25 312

ADStereo(finetuned)	0.21 79	0.15 123	0.59 210	0.19 13	0.09 5	0.19 22	0.18 91	0.37 97	0.41 193	0.30 135	0.31 105	0.19 52	0.31 248	0.21 24	0.20 114	0.07 13	0.05 3	0.07 13	0.05 8	0.07 30	0.10 98

Wz-Net-LNSev-Ref	0.33 261	0.25 260	0.82 290	0.22 85	0.17 211	0.46 310	0.28 282	0.53 244	0.53 297	0.43 290	0.57 306	0.44 268	0.31 248	0.50 213	0.48 294	0.10 197	0.06 34	0.08 59	0.06 22	0.11 218	0.12 162

DAS	0.28 213	0.13 73	0.49 101	0.24 165	0.18 231	0.30 190	0.24 240	0.48 204	0.48 261	0.42 281	0.45 243	0.34 197	0.31 248	0.76 318	0.24 166	0.09 142	0.07 92	0.09 119	0.07 44	0.10 177	0.11 127

SepStereo	0.27 206	0.13 73	0.49 101	0.24 165	0.18 231	0.30 190	0.24 240	0.48 204	0.48 261	0.42 281	0.45 243	0.34 197	0.31 248	0.64 276	0.24 166	0.09 142	0.07 92	0.09 119	0.07 44	0.10 177	0.11 127

ADLNet2	0.31 249	0.23 237	0.77 278	0.23 128	0.18 231	0.36 262	0.24 240	0.55 262	0.54 301	0.33 184	0.38 170	0.45 273	0.31 248	0.70 296	0.36 251	0.10 197	0.08 138	0.09 119	0.09 164	0.12 243	0.11 127

TransformOpticalFlow	0.24 147	0.14 107	0.57 190	0.24 165	0.11 25	0.21 64	0.19 123	0.43 155	0.34 129	0.30 135	0.43 221	0.36 216	0.31 248	0.61 260	0.20 114	0.07 13	0.05 3	0.08 59	0.07 44	0.06 2	0.08 37

RAFT + AFF	0.30 239	0.33 306	0.76 272	0.25 197	0.17 211	0.30 190	0.33 312	0.55 262	0.42 205	0.28 91	0.30 95	0.31 174	0.31 248	0.64 276	0.32 230	0.09 142	0.11 212	0.11 227	0.10 208	0.12 243	0.16 226

delet	0.29 227	0.18 183	0.58 203	0.24 165	0.19 254	0.41 286	0.30 292	0.52 234	0.51 285	0.35 213	0.42 209	0.37 220	0.31 248	0.49 209	0.36 251	0.10 197	0.09 167	0.11 227	0.12 269	0.09 131	0.09 57

CVANet_RVC	0.34 269	0.25 260	0.77 278	0.27 261	0.17 211	0.34 241	0.28 282	0.55 262	0.50 279	0.43 290	0.46 255	0.44 268	0.31 248	0.90 348	0.27 194	0.15 306	0.10 192	0.14 298	0.14 307	0.15 282	0.15 216

PS-NSSS	0.33 261	0.36 324	0.61 223	0.24 165	0.18 231	0.33 227	0.24 240	0.59 301	0.42 205	0.38 247	0.52 284	0.36 216	0.31 248	0.80 328	0.32 230	0.18 336	0.14 251	0.21 347	0.15 316	0.17 303	0.14 205

StereoDRNet	0.34 269	0.28 283	0.70 253	0.28 285	0.21 284	0.43 295	0.30 292	0.63 329	0.51 285	0.47 314	0.40 191	0.48 290	0.31 248	0.58 243	0.44 283	0.12 256	0.10 192	0.12 257	0.11 232	0.13 255	0.13 182

ToySt	0.28 213	0.19 191	0.68 249	0.22 85	0.19 254	0.31 208	0.31 301	0.43 155	0.43 215	0.28 91	0.38 170	0.42 256	0.32 259	0.33 146	0.32 230	0.08 87	0.14 251	0.10 181	0.12 269	0.11 218	0.24 303

FADNet	0.34 269	0.43 346	0.88 310	0.24 165	0.22 299	0.37 267	0.19 123	0.56 272	0.49 274	0.32 175	0.36 156	0.43 262	0.32 259	0.65 280	0.30 215	0.17 326	0.16 281	0.14 298	0.16 325	0.25 349	0.21 276

HSM	0.29 227	0.18 183	0.48 84	0.21 53	0.15 157	0.33 227	0.20 154	0.55 262	0.39 180	0.36 224	0.39 184	0.67 354	0.32 259	0.88 343	0.24 166	0.09 142	0.07 92	0.08 59	0.07 44	0.09 131	0.10 98

PSMNet_ROB	0.36 277	0.31 295	0.71 259	0.31 315	0.21 284	0.44 300	0.44 348	0.61 317	0.49 274	0.39 258	0.45 243	0.49 296	0.32 259	0.66 286	0.53 309	0.14 294	0.10 192	0.15 312	0.14 307	0.13 255	0.13 182

UNet	0.28 213	0.16 143	0.70 253	0.24 165	0.20 271	0.44 300	0.21 173	0.52 234	0.42 205	0.36 224	0.40 191	0.43 262	0.33 263	0.41 188	0.32 230	0.09 142	0.07 92	0.10 181	0.09 164	0.10 177	0.09 57

SQANet	0.44 320	0.57 369	0.89 312	0.49 373	0.39 368	0.47 316	0.23 218	0.53 244	0.44 222	0.41 277	0.48 271	0.47 286	0.34 264	0.58 243	0.43 276	0.38 377	0.15 272	0.40 375	0.21 349	0.50 376	0.34 347

IER	0.24 147	0.15 123	0.50 119	0.21 53	0.15 157	0.31 208	0.20 154	0.44 173	0.38 169	0.34 198	0.41 202	0.32 184	0.34 264	0.31 132	0.23 161	0.09 142	0.07 92	0.08 59	0.08 103	0.09 131	0.09 57

SACVNet	0.32 254	0.25 260	0.59 210	0.26 229	0.19 254	0.35 254	0.25 253	0.54 251	0.41 193	0.43 290	0.45 243	0.46 279	0.34 264	0.71 299	0.30 215	0.14 294	0.10 192	0.12 257	0.12 269	0.16 291	0.20 267

DGSMNet	0.63 363	0.32 302	1.01 330	0.54 376	0.73 389	0.62 350	1.36 406	0.62 325	0.58 317	0.38 247	0.62 328	0.52 308	0.34 264	0.65 280	0.47 292	0.54 382	0.61 399	0.67 388	0.61 396	0.65 384	0.69 394

MMNet	0.28 213	0.19 191	0.54 167	0.24 165	0.17 211	0.47 316	0.22 195	0.47 195	0.53 297	0.40 267	0.43 221	0.36 216	0.34 264	0.40 185	0.35 248	0.08 87	0.08 138	0.09 119	0.09 164	0.10 177	0.09 57

GwcNet	0.37 284	0.29 286	1.12 343	0.25 197	0.24 319	0.48 322	0.27 268	0.58 293	0.60 326	0.39 258	0.54 294	0.51 303	0.34 264	0.60 254	0.46 289	0.13 273	0.12 228	0.12 257	0.11 232	0.13 255	0.15 216

DLCB_ROB	0.30 239	0.20 203	0.45 55	0.28 285	0.17 211	0.37 267	0.25 253	0.50 219	0.45 233	0.46 308	0.47 262	0.51 303	0.34 264	0.56 239	0.38 259	0.10 197	0.10 192	0.11 227	0.11 232	0.10 177	0.11 127

iinet-f	0.31 249	0.23 237	1.16 349	0.20 34	0.16 186	0.44 300	0.23 218	0.47 195	0.38 169	0.36 224	0.44 230	0.41 246	0.35 271	0.36 171	0.43 276	0.10 197	0.09 167	0.08 59	0.08 103	0.13 255	0.12 162

STrans-v2	0.25 171	0.14 107	0.56 183	0.21 53	0.12 48	0.23 102	0.20 154	0.50 219	0.31 99	0.31 150	0.42 209	0.35 211	0.35 271	0.62 268	0.24 166	0.07 13	0.05 3	0.08 59	0.07 44	0.06 2	0.08 37

HGLStereo	0.29 227	0.19 191	0.60 217	0.24 165	0.21 284	0.33 227	0.23 218	0.52 234	0.44 222	0.36 224	0.49 273	0.41 246	0.35 271	0.46 203	0.34 242	0.11 228	0.11 212	0.09 119	0.09 164	0.11 218	0.12 162

hitnet-ft	0.31 249	0.21 210	0.56 183	0.19 13	0.14 107	0.40 282	0.23 218	0.46 186	0.42 205	0.37 239	0.46 255	0.53 312	0.35 271	0.76 318	0.35 248	0.14 294	0.10 192	0.14 298	0.10 208	0.15 282	0.14 205

DRN-Test	0.35 275	0.20 203	0.75 268	0.28 285	0.19 254	0.46 310	0.29 286	0.68 352	0.54 301	0.49 321	0.47 262	0.44 268	0.35 271	0.63 271	0.44 283	0.13 273	0.09 167	0.13 280	0.12 269	0.13 255	0.13 182

fast-acv-ft	0.33 261	0.26 270	0.88 310	0.25 197	0.18 231	0.49 325	0.27 268	0.44 173	0.50 279	0.40 267	0.55 299	0.49 296	0.36 276	0.39 184	0.41 270	0.11 228	0.11 212	0.11 227	0.12 269	0.13 255	0.11 127

DMCA-RVC	0.30 239	0.27 276	0.93 320	0.28 285	0.17 211	0.30 190	0.21 173	0.43 155	0.36 149	0.40 267	0.38 170	0.39 236	0.36 276	0.44 196	0.34 242	0.13 273	0.10 192	0.16 318	0.12 269	0.13 255	0.11 127

RTSC	0.43 318	0.37 327	0.95 324	0.30 305	0.20 271	0.50 328	0.23 218	0.65 341	0.86 367	0.56 343	0.54 294	0.51 303	0.36 276	0.71 299	0.92 352	0.13 273	0.14 251	0.11 227	0.13 293	0.18 318	0.19 255

PA-Net	0.40 304	0.35 318	1.05 333	0.32 320	0.28 338	0.39 276	0.43 346	0.53 244	0.56 313	0.35 213	0.43 221	0.41 246	0.36 276	0.83 336	0.61 327	0.12 256	0.23 337	0.16 318	0.23 360	0.13 255	0.20 267
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
LALA_ROB	0.38 289	0.31 295	0.65 238	0.30 305	0.21 284	0.46 310	0.39 336	0.63 329	0.54 301	0.53 336	0.52 284	0.69 358	0.36 276	0.52 224	0.48 294	0.18 336	0.11 212	0.16 318	0.14 307	0.17 303	0.16 226

Wz-Net-LNSev	0.36 277	0.35 318	1.06 335	0.26 229	0.21 284	0.47 316	0.33 312	0.56 272	0.58 317	0.45 303	0.54 294	0.50 300	0.37 281	0.40 185	0.42 273	0.12 256	0.11 212	0.10 181	0.09 164	0.14 275	0.15 216

Wz-Net-MNSev	0.39 294	0.35 318	0.99 329	0.26 229	0.21 284	0.59 347	0.39 336	0.58 293	0.61 328	0.49 321	0.56 303	0.53 312	0.37 281	0.61 260	0.47 292	0.11 228	0.09 167	0.11 227	0.11 232	0.15 282	0.15 216

DISCO	0.33 261	0.16 143	0.55 173	0.26 229	0.16 186	0.48 322	0.25 253	0.52 234	0.58 317	0.38 247	0.45 243	0.63 340	0.37 281	0.65 280	0.50 301	0.10 197	0.07 92	0.09 119	0.08 103	0.13 255	0.13 182

MDST_ROB	0.51 339	0.16 143	0.97 325	0.31 315	0.21 284	1.35 396	0.34 316	0.80 372	0.59 325	1.09 384	0.74 348	0.49 296	0.37 281	1.31 385	0.60 324	0.14 294	0.12 228	0.16 318	0.13 293	0.13 255	0.18 240

ETE_ROB	0.36 277	0.32 302	0.64 235	0.30 305	0.18 231	0.40 282	0.38 333	0.59 301	0.49 274	0.50 324	0.52 284	0.62 336	0.37 281	0.58 243	0.43 276	0.13 273	0.10 192	0.14 298	0.12 269	0.17 303	0.18 240

CBFPSM	0.28 213	0.23 237	0.76 272	0.21 53	0.14 107	0.38 273	0.26 263	0.42 150	0.37 162	0.34 198	0.36 156	0.55 315	0.38 286	0.33 146	0.40 265	0.08 87	0.08 138	0.07 13	0.08 103	0.09 131	0.12 162

Anonymous_2	0.44 320	0.23 237	0.57 190	0.34 335	0.34 355	0.53 337	0.28 282	0.49 211	0.39 180	0.36 224	0.34 137	0.48 290	0.38 286	0.43 193	0.33 238	0.26 358	0.41 384	0.44 377	1.45 411	0.33 369	0.37 358

DDUNet	0.45 323	0.60 374	0.71 259	0.45 369	0.39 368	0.46 310	0.32 307	0.53 244	0.44 222	0.46 308	0.53 291	0.57 320	0.38 286	0.51 218	0.43 276	0.34 372	0.21 323	0.56 383	0.25 362	0.41 373	0.36 350

RASNet	0.30 239	0.19 191	0.59 210	0.23 128	0.19 254	0.33 227	0.20 154	0.50 219	0.41 193	0.31 150	0.44 230	0.47 286	0.38 286	0.79 325	0.40 265	0.09 142	0.07 92	0.07 13	0.09 164	0.08 64	0.10 98

CC-Net-ROB	0.46 329	0.55 363	0.86 302	0.38 353	0.23 308	0.51 329	0.30 292	0.69 358	0.51 285	0.46 308	0.51 278	0.48 290	0.38 286	0.96 360	0.40 265	0.36 374	0.23 337	0.56 383	0.25 362	0.34 370	0.22 284

XPNet_ROB	0.35 275	0.26 270	0.58 203	0.28 285	0.19 254	0.37 267	0.31 301	0.57 281	0.51 285	0.52 330	0.54 294	0.57 320	0.38 286	0.65 280	0.48 294	0.17 326	0.12 228	0.13 280	0.12 269	0.16 291	0.17 238

PWCDC_ROB	0.41 309	0.41 342	0.77 278	0.34 335	0.21 284	0.43 295	0.20 154	0.60 310	0.90 370	0.44 296	1.24 381	0.36 216	0.38 286	0.56 239	0.48 294	0.18 336	0.11 212	0.11 227	0.10 208	0.20 329	0.16 226

APVNet	0.38 289	0.26 270	0.87 304	0.26 229	0.22 299	0.52 334	0.35 318	0.64 335	0.46 242	0.40 267	0.52 284	0.48 290	0.39 293	0.84 337	0.48 294	0.13 273	0.14 251	0.15 312	0.16 325	0.16 291	0.16 226

NCCL2	0.37 284	0.33 306	0.59 210	0.37 345	0.23 308	0.42 291	0.41 343	0.56 272	0.44 222	0.47 314	0.47 262	0.61 333	0.39 293	0.58 243	0.41 270	0.16 314	0.13 242	0.21 347	0.22 356	0.16 291	0.18 240

pmcnn	0.54 345	0.24 247	1.06 335	0.25 197	0.26 332	0.40 282	0.31 301	0.55 262	0.55 309	0.56 343	1.22 380	2.53 403	0.39 293	0.84 337	1.08 366	0.09 142	0.06 34	0.06 1	0.05 8	0.10 177	0.14 205

LL-Strereo	0.32 254	0.33 306	0.77 278	0.26 229	0.24 319	0.22 86	0.23 218	0.58 293	0.44 222	0.35 213	0.32 114	0.41 246	0.40 296	0.93 356	0.25 178	0.08 87	0.13 242	0.11 227	0.09 164	0.09 131	0.22 284

Wz-Net-SNSev	0.45 323	0.53 361	1.42 372	0.31 315	0.21 284	0.44 300	0.45 349	0.64 335	0.68 345	0.46 308	0.66 334	0.62 336	0.40 296	0.78 322	0.65 332	0.12 256	0.11 212	0.12 257	0.13 293	0.17 303	0.19 255

psm_up	0.30 239	0.21 210	0.58 203	0.26 229	0.18 231	0.32 221	0.27 268	0.57 281	0.45 233	0.38 247	0.41 202	0.45 273	0.40 296	0.59 249	0.32 230	0.11 228	0.12 228	0.13 280	0.12 269	0.11 218	0.11 127

RYNet	0.38 289	0.23 237	0.65 238	0.26 229	0.28 338	0.62 350	0.33 312	0.61 317	0.62 332	0.42 281	0.39 184	0.58 325	0.40 296	0.89 345	0.57 320	0.11 228	0.09 167	0.12 257	0.11 232	0.19 322	0.22 284

PDISCO_ROB	0.45 323	0.37 327	0.89 312	0.44 367	0.37 364	0.70 358	0.35 318	0.75 367	0.78 359	0.45 303	0.53 291	0.65 347	0.40 296	0.68 292	0.52 305	0.22 351	0.12 228	0.21 347	0.19 343	0.26 354	0.22 284

HBP-ISP	0.34 269	0.35 318	0.76 272	0.23 128	0.17 211	0.33 227	0.22 195	0.56 272	0.47 255	0.42 281	0.49 273	0.33 190	0.41 301	0.73 303	0.27 194	0.18 336	0.19 310	0.24 356	0.20 347	0.16 291	0.16 226

DRaft	0.25 171	0.11 27	0.47 72	0.18 8	0.12 48	0.28 162	0.23 218	0.34 71	0.40 188	0.38 247	0.60 317	0.20 59	0.41 301	0.48 207	0.41 270	0.07 13	0.06 34	0.08 59	0.08 103	0.07 30	0.08 37

S-Stereo	0.39 294	0.20 203	1.04 332	0.28 285	0.22 299	0.39 276	0.31 301	0.58 293	0.69 347	0.40 267	0.59 313	0.48 290	0.41 301	0.75 312	0.42 273	0.12 256	0.15 272	0.13 280	0.13 293	0.16 291	0.25 312

DeepPrunerF	0.46 329	0.37 327	1.50 376	0.34 335	0.30 349	0.36 262	0.37 325	0.64 335	1.15 389	0.41 277	0.45 243	0.40 239	0.41 301	0.82 332	0.53 309	0.18 336	0.14 251	0.23 354	0.21 349	0.17 303	0.18 240

MFN_U_SF_DS_RVC	0.53 343	0.60 374	0.98 327	0.40 359	0.25 329	0.87 373	0.57 371	0.60 310	0.64 336	0.60 348	0.67 336	0.63 340	0.42 305	1.13 373	0.50 301	0.23 352	0.28 359	0.27 359	0.35 375	0.25 349	0.33 344

DANet	0.37 284	0.25 260	0.67 244	0.37 345	0.22 299	0.42 291	0.25 253	0.50 219	0.44 222	0.52 330	0.50 275	0.59 326	0.42 305	0.78 322	0.53 309	0.13 273	0.12 228	0.14 298	0.12 269	0.17 303	0.21 276
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NaN_ROB	0.44 320	0.38 333	0.94 323	0.30 305	0.20 271	0.52 334	0.49 360	0.61 317	0.60 326	0.56 343	0.47 262	0.49 296	0.42 305	1.24 379	0.76 342	0.12 256	0.18 306	0.12 257	0.13 293	0.12 243	0.18 240

ACVNet-4b	0.76 374	0.90 387	1.67 383	0.73 387	0.51 378	0.80 371	0.31 301	0.74 366	0.81 362	0.51 327	0.72 344	0.94 372	0.43 308	1.01 365	1.32 380	1.18 408	0.22 329	0.77 392	0.45 382	0.70 390	0.50 380

STTRV1_RVC		0.33 306		0.29 298	0.36 363	0.49 325	0.31 301	0.63 329	0.54 301	0.47 314	0.56 303	0.47 286	0.43 308	1.00 363	0.40 265	0.28 364	0.21 323	0.20 344	0.18 340	0.25 349	0.18 240

GANetREF_RVC	0.45 323	0.52 359	0.87 304	0.39 355	0.20 271	0.51 329	0.50 362	0.68 352	0.67 341	0.47 314	0.46 255	0.50 300	0.43 308	0.91 350	0.40 265	0.28 364	0.21 323	0.32 368	0.19 343	0.28 361	0.23 291
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
FBW_ROB	0.46 329	0.34 314	0.71 259	0.32 320	0.20 271	0.51 329	0.32 307	0.73 364	0.63 334	0.60 348	0.57 306	0.65 347	0.44 311	1.42 390	0.62 328	0.14 294	0.17 299	0.22 352	0.16 325	0.17 303	0.23 291

PWC_ROB	0.41 309	0.38 333	0.92 316	0.26 229	0.20 271	0.39 276	0.19 123	0.61 317	0.69 347	0.58 347	0.84 359	0.52 308	0.44 311	0.74 307	0.62 328	0.13 273	0.09 167	0.14 298	0.10 208	0.17 303	0.18 240

UDG	0.42 313	0.54 362	0.67 244	0.41 363	0.35 358	0.47 316	0.27 268	0.57 281	0.48 261	0.40 267	0.46 255	0.59 326	0.45 313	0.47 206	0.46 289	0.26 358	0.19 310	0.49 379	0.22 356	0.37 371	0.30 336

CrosDoStereo	0.32 254	0.11 27	0.53 157	0.19 13	0.12 48	0.22 86	1.07 398	0.36 85	0.38 169	0.38 247	0.60 317	0.28 143	0.45 313	0.61 260	0.56 317	0.08 87	0.06 34	0.08 59	0.09 164	0.08 64	0.09 57

DeepStereo_LL	0.32 254	0.11 27	0.53 157	0.19 13	0.12 48	0.22 86	1.07 398	0.36 85	0.38 169	0.38 247	0.60 317	0.28 143	0.45 313	0.61 260	0.56 317	0.08 87	0.06 34	0.08 59	0.09 164	0.08 64	0.09 57

Syn2CoEx	0.39 294	0.39 337	1.08 340	0.35 340	0.21 284	0.41 286	0.29 286	0.63 329	0.51 285	0.43 290	0.56 303	0.45 273	0.45 313	0.69 293	0.39 263	0.17 326	0.14 251	0.16 318	0.12 269	0.13 255	0.16 226

SuperB	0.50 337	0.37 327	2.16 394	0.23 128	0.15 157	0.41 286	0.32 307	0.50 219	0.83 364	0.44 296	0.51 278	0.33 190	0.45 313	0.69 293	1.07 364	0.10 197	0.08 138	0.09 119	0.08 103	0.95 401	0.18 240

stereogan	0.39 294	0.20 203	0.78 282	0.28 285	0.22 299	0.65 355	0.26 263	0.62 325	0.65 337	0.45 303	0.60 317	0.67 354	0.45 313	0.69 293	0.37 257	0.14 294	0.14 251	0.14 298	0.12 269	0.20 329	0.19 255

GANet	0.40 304	0.28 283	0.67 244	0.31 315	0.18 231	0.43 295	0.39 336	0.60 310	0.46 242	0.48 320	0.78 352	0.55 315	0.45 313	0.96 360	0.55 316	0.13 273	0.14 251	0.13 280	0.12 269	0.15 282	0.16 226

otaku	0.60 357	0.73 380	1.13 345	0.64 380	0.45 373	0.73 362	0.37 325	0.67 347	0.67 341	0.52 330	0.75 350	0.66 351	0.46 320	0.74 307	0.59 323	0.55 383	0.34 379	0.56 383	0.36 377	0.65 384	0.49 379

ccnet	0.43 318	0.34 314	0.62 226	0.28 285	0.33 354	0.60 348	0.34 316	0.68 352	0.47 255	0.54 339	0.66 334	0.56 319	0.46 320	0.73 303	0.66 334	0.26 358	0.19 310	0.24 356	0.22 356	0.27 358	0.25 312

CRFU-Net	0.29 227	0.14 107	0.48 84	0.26 229	0.15 157	0.46 310	0.22 195	0.52 234	0.32 107	0.44 296	0.42 209	0.48 290	0.47 322	0.44 196	0.31 224	0.12 256	0.10 192	0.09 119	0.08 103	0.10 177	0.11 127

RGC	0.41 309	0.35 318	0.76 272	0.35 340	0.28 338	0.41 286	0.29 286	0.60 310	0.55 309	0.47 314	0.64 330	0.63 340	0.47 322	0.74 307	0.46 289	0.16 314	0.15 272	0.21 347	0.21 349	0.19 322	0.21 276

XQC	0.47 332	0.45 351	1.07 337	0.40 359	0.28 338	0.58 345	0.38 333	0.67 347	0.76 358	0.53 336	0.47 262	0.59 326	0.47 322	0.74 307	0.80 346	0.18 336	0.14 251	0.18 334	0.16 325	0.26 354	0.24 303

ADCRef	0.41 309	0.33 306	1.05 333	0.26 229	0.21 284	0.49 325	0.27 268	0.54 251	0.51 285	0.51 327	0.59 313	0.35 211	0.47 322	0.54 231	1.35 382	0.09 142	0.08 138	0.12 257	0.12 269	0.12 243	0.13 182

DEmStereo	0.26 190	0.10 11	0.52 147	0.19 13	0.13 80	0.31 208	0.25 253	0.29 28	0.38 169	0.36 224	0.57 306	0.24 100	0.48 326	0.53 226	0.44 283	0.07 13	0.06 34	0.08 59	0.08 103	0.07 30	0.08 37

Nwc_Net	0.39 294	0.29 286	0.84 295	0.32 320	0.24 319	0.45 308	0.30 292	0.67 347	0.51 285	0.39 258	0.70 342	0.59 326	0.48 326	0.61 260	0.45 288	0.16 314	0.12 228	0.19 340	0.21 349	0.14 275	0.15 216

SHD	0.45 323	0.34 314	0.89 312	0.37 345	0.28 338	0.46 310	0.23 218	0.72 363	0.96 377	0.65 353	0.61 326	0.61 333	0.48 326	0.64 276	0.69 337	0.16 314	0.16 281	0.16 318	0.16 325	0.21 335	0.25 312

PASM	0.49 336	0.41 342	1.15 347	0.37 345	0.35 358	0.42 291	0.42 344	0.54 251	0.65 337	0.54 339	0.54 294	0.63 340	0.48 326	0.94 359	0.51 304	0.27 362	0.30 371	0.30 364	0.33 373	0.29 363	0.29 334

THIR-Stereo	0.30 239	0.15 123	0.46 67	0.19 13	0.11 25	0.28 162	0.70 379	0.33 67	0.36 149	0.37 239	0.64 330	0.33 190	0.49 330	0.58 243	0.44 283	0.08 87	0.06 34	0.08 59	0.09 164	0.07 30	0.08 37

FAT-Stereo	0.36 277	0.19 191	0.75 268	0.26 229	0.18 231	0.34 241	0.30 292	0.62 325	0.61 328	0.47 314	0.61 326	0.59 326	0.50 331	0.61 260	0.36 251	0.13 273	0.14 251	0.13 280	0.12 269	0.14 275	0.20 267

edge stereo	0.40 304	0.22 224	0.87 304	0.27 261	0.22 299	0.38 273	0.26 263	0.59 301	0.56 313	0.53 336	0.60 317	0.71 362	0.50 331	0.78 322	0.43 276	0.16 314	0.15 272	0.19 340	0.14 307	0.17 303	0.19 255

RP	0.38 289	0.26 270	0.67 244	0.31 315	0.24 319	0.37 267	0.29 286	0.53 244	0.61 328	0.42 281	0.65 332	0.62 336	0.51 333	0.63 271	0.43 276	0.17 326	0.15 272	0.17 327	0.15 316	0.17 303	0.19 255

SGM-Forest	0.42 313	0.44 350	0.92 316	0.24 165	0.16 186	0.45 308	0.40 340	0.58 293	0.50 279	0.54 339	0.63 329	0.52 308	0.51 333	0.91 350	0.66 334	0.17 326	0.17 299	0.17 327	0.15 316	0.15 282	0.21 276
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Ntro	0.61 359	0.75 382	1.16 349	0.67 382	0.50 375	0.76 363	0.37 325	0.68 352	0.71 351	0.50 324	0.59 313	0.65 347	0.52 335	0.79 325	0.58 322	0.58 386	0.32 376	0.57 386	0.34 374	0.69 389	0.50 380

psmorigin	0.52 342	0.29 286	3.10 404	0.24 165	0.19 254	0.39 276	0.24 240	0.52 234	0.45 233	0.66 355	0.68 338	0.70 361	0.52 335	0.86 340	0.49 300	0.15 306	0.17 299	0.13 280	0.14 307	0.16 291	0.23 291

AF-Net	0.40 304	0.31 295	0.74 265	0.33 331	0.24 319	0.43 295	0.30 292	0.64 335	0.67 341	0.44 296	0.69 341	0.65 347	0.52 335	0.59 249	0.48 294	0.16 314	0.12 228	0.19 340	0.14 307	0.16 291	0.14 205

NCC-stereo	0.42 313	0.31 295	0.87 304	0.32 320	0.29 347	0.47 316	0.37 325	0.68 352	0.53 297	0.42 281	0.58 309	0.57 320	0.52 335	0.75 312	0.54 313	0.18 336	0.14 251	0.18 334	0.25 362	0.17 303	0.18 240

Abc-Net	0.42 313	0.31 295	0.87 304	0.32 320	0.29 347	0.47 316	0.37 325	0.68 352	0.53 297	0.42 281	0.58 309	0.57 320	0.52 335	0.75 312	0.54 313	0.18 336	0.14 251	0.18 334	0.25 362	0.17 303	0.18 240
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCP+	0.48 335	0.36 324	1.47 374	0.26 229	0.22 299	0.57 343	0.40 340	0.56 272	0.54 301	0.46 308	0.52 284	0.46 279	0.53 340	0.59 249	1.93 397	0.10 197	0.08 138	0.11 227	0.11 232	0.14 275	0.15 216

CBMV_ROB	0.36 277	0.21 210	0.57 190	0.22 85	0.14 107	0.35 254	0.20 154	0.55 262	0.47 255	0.52 330	0.58 309	0.45 273	0.53 340	0.75 312	0.50 301	0.18 336	0.19 310	0.23 354	0.21 349	0.15 282	0.20 267

AnyNet_C32	0.55 346	0.51 358	1.34 366	0.29 298	0.28 338	0.61 349	0.62 374	0.57 281	0.62 332	0.63 351	0.68 338	0.54 314	0.55 342	0.82 332	1.81 394	0.15 306	0.15 272	0.15 312	0.18 340	0.21 335	0.25 312

LSM	1.68 401	0.48 355	2.91 401	2.28 415	17.60 425	0.52 334	0.55 369	0.65 341	0.78 359	0.84 369	1.11 374	0.63 340	0.55 342	0.79 325	0.53 309	0.16 314	0.25 346	0.18 334	0.21 349	0.25 349	2.37 415

FTStereo	0.28 213	0.11 27	0.56 183	0.24 165	0.13 80	0.21 64	0.52 365	0.36 85	0.28 65	0.38 247	0.94 368	0.30 165	0.56 344	0.33 146	0.18 77	0.08 87	0.06 34	0.09 119	0.08 103	0.08 64	0.19 255

aanetorigin	0.40 304	0.33 306	1.14 346	0.25 197	0.19 254	0.30 190	0.37 325	0.34 71	0.47 255	0.95 375	0.82 357	0.52 308	0.56 344	0.50 213	0.52 305	0.11 228	0.09 167	0.10 181	0.10 208	0.16 291	0.19 255

ADCPNet	0.51 339	0.36 324	1.82 388	0.27 261	0.23 308	0.71 359	0.39 336	0.56 272	0.54 301	0.52 330	0.60 317	0.66 351	0.57 346	0.64 276	1.23 371	0.15 306	0.18 306	0.14 298	0.23 360	0.19 322	0.22 284

SAMSARA	0.62 360	0.47 353	0.93 320	0.70 385	0.50 375	1.15 387	1.29 405	0.79 371	0.70 349	0.77 366	0.55 299	0.92 371	0.58 347	0.87 342	0.77 343	0.19 345	0.27 355	0.18 334	0.19 343	0.27 358	0.28 330

CBMV	0.36 277	0.25 260	0.61 223	0.24 165	0.14 107	0.42 291	0.33 312	0.56 272	0.52 296	0.54 339	0.52 284	0.51 303	0.58 347	0.63 271	0.43 276	0.15 306	0.16 281	0.18 334	0.16 325	0.13 255	0.19 255
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
G-Net	0.47 332	0.26 270	1.02 331	0.34 335	0.28 338	0.89 375	0.35 318	0.47 195	0.46 242	0.68 357	1.20 378	0.64 345	0.59 349	0.61 260	0.60 324	0.16 314	0.14 251	0.17 327	0.13 293	0.22 339	0.21 276

WZ-Net	0.56 350	0.49 357	2.14 393	0.30 305	0.24 319	0.58 345	0.48 356	0.65 341	0.80 361	0.51 327	0.72 344	0.68 356	0.60 350	1.06 370	1.01 359	0.13 273	0.10 192	0.11 227	0.12 269	0.19 322	0.23 291

Consistency-Raft	0.56 350	0.52 359	1.12 343	0.45 369	0.49 374	0.48 322	0.45 349	0.73 364	0.74 357	0.45 303	0.82 357	0.46 279	0.60 350	0.51 218	0.63 331	0.39 379	0.40 382	0.44 377	0.51 388	0.53 379	0.38 366

MFN_U_SF_RVC	0.58 354	0.58 371	1.31 365	0.39 355	0.23 308	0.72 360	0.30 292	0.83 377	0.68 345	0.74 361	0.74 348	0.86 368	0.60 350	0.84 337	0.83 348	0.29 366	0.27 355	0.32 368	0.37 379	0.31 365	0.33 344

ADCL	0.50 337	0.30 292	1.15 347	0.28 285	0.19 254	0.77 366	0.64 375	0.57 281	0.73 356	0.57 346	0.73 347	0.55 315	0.60 350	0.66 286	1.53 388	0.11 228	0.10 192	0.13 280	0.13 293	0.15 282	0.16 226

anonymity	0.57 352	0.55 363	0.74 265	0.48 372	0.63 383	0.56 341	0.43 346	0.71 360	0.51 285	0.64 352	0.55 299	0.57 320	0.61 354	0.65 280	0.57 320	0.55 383	0.55 394	0.50 380	0.54 389	0.51 377	0.61 385

FINET	0.58 354	0.48 355	1.35 367	0.38 353	0.37 364	0.96 380	1.13 402	0.84 379	1.05 380	0.50 324	0.70 342	0.45 273	0.61 354	0.63 271	0.62 328	0.26 358	0.28 359	0.14 298	0.13 293	0.20 329	0.44 371

RTS	0.81 379	0.56 365	4.76 407	0.37 345	0.30 349	1.11 384	0.52 365	0.67 347	1.07 382	0.76 364	0.91 365	0.60 331	0.61 354	1.64 393	1.24 372	0.15 306	0.13 242	0.15 312	0.15 316	0.22 339	0.24 303

RTSA	0.81 379	0.56 365	4.76 407	0.37 345	0.30 349	1.11 384	0.52 365	0.67 347	1.07 382	0.76 364	0.91 365	0.60 331	0.61 354	1.64 393	1.24 372	0.15 306	0.13 242	0.15 312	0.15 316	0.22 339	0.24 303

RainbowNet	0.76 374	1.00 393	1.29 363	0.82 391	0.63 383	0.79 368	0.52 365	0.83 377	0.93 373	0.61 350	0.79 355	0.79 365	0.62 358	0.82 332	0.67 336	0.80 396	0.55 394	0.79 394	0.49 384	0.81 393	0.62 386

ADCS	0.62 360	0.56 365	1.54 379	0.30 305	0.25 329	0.56 341	0.46 352	0.71 360	0.86 367	0.77 366	0.72 344	0.68 356	0.62 358	0.82 332	2.33 403	0.17 326	0.16 281	0.16 318	0.17 336	0.23 344	0.27 324

Wz-Net-TNSev	0.55 346	0.72 378	1.90 389	0.26 229	0.21 284	0.64 354	0.45 349	0.66 345	0.71 351	0.52 330	0.55 299	0.71 362	0.63 360	1.04 368	0.94 355	0.16 314	0.15 272	0.13 280	0.15 316	0.21 335	0.24 303

AnyNet_C01	0.68 368	0.69 377	2.64 398	0.33 331	0.27 337	0.93 376	0.64 375	0.66 345	0.65 337	0.70 359	0.97 369	0.75 364	0.63 360	1.01 365	1.52 387	0.17 326	0.16 281	0.17 327	0.17 336	0.24 348	0.28 330

CSAN	0.55 346	0.47 353	1.19 357	0.37 345	0.23 308	0.57 343	0.61 373	0.65 341	0.72 353	0.65 353	0.78 352	0.66 351	0.65 362	1.41 389	0.77 343	0.21 348	0.17 299	0.20 344	0.21 349	0.18 318	0.21 276

ADCMid	0.53 343	0.45 351	1.46 373	0.27 261	0.22 299	0.51 329	0.38 333	0.61 317	0.58 317	0.75 362	0.67 336	0.62 336	0.66 363	0.66 286	1.75 393	0.13 273	0.12 228	0.17 327	0.17 336	0.20 329	0.21 276

MSC_U_SF_DS_RVC	0.70 369	0.73 380	1.26 361	0.47 371	0.28 338	1.42 398	0.60 372	0.82 375	0.94 376	0.85 370	0.86 361	0.88 370	0.70 364	1.32 386	0.75 341	0.37 375	0.30 371	0.34 371	0.36 377	0.44 374	0.42 368

SPS-STEREO	0.74 371	0.72 378	1.18 356	0.52 375	0.57 381	0.76 363	0.50 362	0.80 372	0.66 340	0.97 377	0.88 364	0.94 372	0.74 365	1.08 371	1.04 362	0.58 386	0.51 388	0.50 380	0.50 387	0.56 380	0.72 396
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
PSM-AAD	0.26 190	0.11 27	0.43 45	0.24 165	0.12 48	0.27 148	0.37 325	0.36 85	0.30 92	0.36 224	0.39 184	0.28 143	0.77 366	0.30 123	0.16 46	0.07 13	0.06 34	0.12 257	0.11 232	0.09 131	0.21 276

GrayStereo	0.26 190	0.10 11	0.45 55	0.27 261	0.14 107	0.23 102	0.46 352	0.36 85	0.33 121	0.40 267	0.47 262	0.30 165	0.78 367	0.29 114	0.17 58	0.07 13	0.06 34	0.08 59	0.09 164	0.07 30	0.15 216

SANet	0.58 354	0.41 342	1.38 368	0.27 261	0.16 186	0.72 360	0.48 356	0.71 360	1.34 391	0.69 358	0.97 369	0.94 372	0.78 367	0.97 362	0.93 353	0.14 294	0.12 228	0.12 257	0.12 269	0.18 318	0.20 267

ACVNet_1	0.77 376	0.92 388	1.79 387	0.73 387	0.53 379	0.78 367	0.42 344	0.88 382	0.90 370	0.75 362	0.76 351	1.32 384	0.80 369	1.04 368	0.70 338	0.57 385	0.32 376	0.72 390	0.35 375	0.70 390	0.50 380

MFMNet_re	0.74 371	0.84 384	1.16 349	0.64 380	0.70 388	0.79 368	0.71 380	0.77 370	0.85 366	0.79 368	0.86 361	0.69 358	0.80 369	0.73 303	0.65 332	0.66 390	0.59 398	0.61 387	0.58 394	0.68 387	0.71 395

DPSNet	0.51 339	0.26 270	1.16 349	0.28 285	0.21 284	0.76 363	0.56 370	0.89 383	0.82 363	0.49 321	0.51 278	0.64 345	0.81 371	0.89 345	0.85 350	0.17 326	0.16 281	0.13 280	0.13 293	0.26 354	0.27 324

MeshStereo	0.60 357	0.31 295	0.71 259	0.22 85	0.17 211	0.66 356	0.36 323	0.81 374	0.63 334	1.48 402	1.32 383	1.65 390	0.83 372	1.18 376	0.74 340	0.17 326	0.17 299	0.17 327	0.14 307	0.17 303	0.19 255
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
PVD	0.62 360	0.41 342	0.93 320	0.44 367	0.39 368	0.63 353	0.51 364	0.86 380	1.27 390	0.93 374	1.09 373	0.81 366	0.85 373	0.89 345	0.89 351	0.21 348	0.23 337	0.22 352	0.19 343	0.28 361	0.41 367

MADNet+	1.05 384	1.26 404	4.77 409	0.73 387	0.50 375	1.25 391	0.97 393	1.05 386	0.93 373	0.67 356	0.78 352	0.87 369	0.85 373	2.14 403	1.83 395	0.40 380	0.42 385	0.32 368	0.28 369	0.45 375	0.43 369

ACVNet_2	0.94 381	0.98 392	1.71 385	0.83 392	0.63 383	1.02 382	0.64 375	1.16 389	1.43 394	1.02 379	1.39 384	1.47 387	0.86 375	1.16 375	0.79 345	0.63 389	0.43 387	0.78 393	0.49 384	0.80 392	0.57 383

EDNetEfficientorigin	7.48 413	0.57 369	139.59 436	0.25 197	0.17 211	0.44 300	0.30 292	0.48 204	1.04 379	1.29 389	1.02 371	0.82 367	0.87 376	0.76 318	1.02 360	0.10 197	0.09 167	0.12 257	0.11 232	0.22 339	0.25 312

DispFullNet	0.67 366	0.94 389	1.63 381	0.77 390	1.19 407	0.53 337	0.25 253	0.61 317	0.72 353	0.70 359	0.60 317	0.69 358	0.90 377	0.80 328	0.52 305	0.27 362	0.13 242	0.74 391	0.31 372	0.68 387	0.44 371

PWCK	1.05 384	1.29 405	2.12 392	0.92 394	0.42 371	1.27 392	1.01 395	1.14 388	1.14 388	1.16 388	1.14 376	1.25 381	0.90 377	1.77 398	1.15 368	0.89 399	0.51 388	0.87 395	0.54 389	1.02 403	0.57 383

SGM_RVC	0.57 352	0.22 224	0.60 217	0.26 229	0.16 186	0.97 381	0.46 352	0.76 369	0.90 370	1.03 381	0.92 367	1.16 379	0.93 379	1.21 378	0.72 339	0.17 326	0.16 281	0.16 318	0.16 325	0.16 291	0.24 303
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
WCMA_ROB	0.55 346	0.27 276	0.76 272	0.26 229	0.22 299	0.62 350	0.36 323	0.57 281	0.58 317	0.97 377	1.40 386	1.28 383	0.94 380	0.80 328	0.80 346	0.20 347	0.17 299	0.16 318	0.16 325	0.19 322	0.29 334

EDNetEfficient	0.64 365	0.39 337	2.52 396	0.26 229	0.26 332	0.39 276	0.49 360	0.42 150	1.06 381	1.38 392	0.86 361	0.61 333	0.97 381	0.66 286	1.62 392	0.11 228	0.10 192	0.10 181	0.12 269	0.20 329	0.19 255

IMH-64-1	0.94 381	0.95 390	1.07 337	0.98 396	0.76 390	0.93 376	0.72 381	1.30 391	1.11 385	0.91 372	1.45 387	1.14 377	1.00 382	1.25 381	0.97 356	0.77 392	0.51 388	0.97 397	0.55 392	0.90 395	0.66 391

IMH-64	0.94 381	0.95 390	1.07 337	0.98 396	0.76 390	0.93 376	0.72 381	1.30 391	1.11 385	0.91 372	1.45 387	1.14 377	1.00 382	1.25 381	0.97 356	0.77 392	0.51 388	0.97 397	0.55 392	0.90 395	0.66 391

NVStereoNet_ROB	0.74 371	0.64 376	1.20 359	0.55 377	0.43 372	0.54 340	0.48 356	0.75 367	0.87 369	0.88 371	1.72 396	1.06 376	1.03 384	1.29 383	0.98 358	0.35 373	0.42 385	0.41 376	0.48 383	0.38 372	0.43 369
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MSMD_ROB	0.63 363	0.34 314	0.70 253	0.30 305	0.25 329	0.88 374	0.35 318	0.58 293	0.67 341	1.13 385	1.52 390	1.75 393	1.05 385	0.90 348	0.60 324	0.24 354	0.22 329	0.27 359	0.27 368	0.25 349	0.27 324

LVE	1.18 390	1.16 398	1.67 383	1.04 399	0.81 398	1.32 395	0.82 389	1.49 397	1.94 398	1.08 383	1.90 399	1.89 394	1.07 386	1.51 391	1.04 362	0.96 402	0.61 399	0.94 396	0.69 399	0.92 397	0.79 401

KSHMR	1.92 404	1.47 410	1.97 390	1.48 410	1.22 408	1.39 397	1.06 397	1.81 403	5.83 413	1.43 395	5.56 413	2.95 407	1.17 387	2.24 405	1.33 381	1.29 409	1.13 410	1.47 411	1.11 410	1.37 409	1.21 409

Dean	1.22 392	1.17 399	1.97 390	1.04 399	0.79 394	1.21 389	0.76 383	1.51 398	1.96 399	1.30 391	1.98 401	2.14 397	1.18 388	1.30 384	1.15 368	0.83 397	0.61 399	1.01 400	0.69 399	0.97 402	0.77 400

IMH	1.09 387	1.04 396	1.29 363	1.03 398	0.79 394	1.11 384	0.69 378	1.40 394	1.42 393	1.02 379	1.71 395	1.42 385	1.19 389	1.78 399	1.03 361	1.14 406	0.56 397	1.00 399	0.58 394	0.93 398	0.68 393

WAO-7	1.05 384	1.00 393	1.19 357	0.83 392	0.67 387	1.22 390	0.84 390	1.43 395	1.56 395	1.13 385	1.75 397	1.46 386	1.25 390	1.56 392	1.28 374	0.61 388	0.62 402	0.70 389	0.68 398	0.66 386	0.62 386

JetBlue	1.20 391	0.89 386	2.53 397	0.59 378	0.76 390	3.16 411	2.09 411	1.16 389	0.93 373	0.95 375	1.12 375	1.65 390	1.27 391	2.15 404	1.87 396	0.43 381	0.37 381	0.38 373	0.39 381	0.62 382	0.63 388

WAO-6	1.11 388	1.01 395	1.17 355	0.96 395	0.79 394	1.30 394	0.78 385	1.36 393	1.99 400	1.04 382	1.54 392	1.59 389	1.27 391	1.37 388	1.30 375	0.78 394	0.55 394	1.03 401	0.75 402	0.87 394	0.72 396

ELAS	0.80 377	0.40 340	0.91 315	0.39 355	0.35 358	1.52 400	0.81 388	0.97 385	0.98 378	1.47 401	1.58 393	1.19 380	1.33 393	1.01 365	1.21 370	0.29 366	0.27 355	0.30 364	0.29 371	0.32 368	0.36 350
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
FCDSN-DC	0.67 366	0.38 333	0.83 292	0.37 345	0.30 349	0.66 356	0.37 325	0.69 358	0.70 349	1.15 387	1.53 391	1.70 392	1.38 394	1.00 363	0.83 348	0.24 354	0.22 329	0.27 359	0.26 366	0.27 358	0.32 342
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.73 370	0.33 306	0.84 295	0.33 331	0.28 338	0.82 372	0.40 340	0.82 375	0.83 364	1.43 395	1.60 394	1.97 395	1.38 394	1.10 372	0.93 353	0.24 354	0.22 329	0.27 359	0.26 366	0.26 354	0.32 342

TorneroNet-64	1.47 393	1.15 397	1.51 377	1.11 403	0.86 401	2.27 407	0.76 383	1.84 404	3.76 407	1.29 389	2.22 405	2.68 405	1.46 396	1.81 400	1.55 389	0.79 395	0.51 388	1.10 402	0.67 397	1.31 406	0.81 402

ktn	1.80 402	1.46 409	1.49 375	1.44 409	1.14 406	1.50 399	1.07 398	1.53 400	3.90 410	2.77 409	4.62 410	3.42 408	1.49 397	1.74 396	1.40 385	1.45 410	0.77 409	1.46 410	0.99 408	1.41 411	1.00 405

WAO-8	1.50 395	1.22 402	1.39 370	1.10 401	0.85 399	2.15 404	0.78 385	1.84 404	3.76 407	1.46 397	2.18 403	2.15 398	1.50 398	3.20 410	1.35 382	0.92 400	0.66 405	1.10 402	0.79 403	0.94 399	0.74 398

Venus	1.50 395	1.22 402	1.39 370	1.10 401	0.85 399	2.15 404	0.78 385	1.84 404	3.76 407	1.46 397	2.18 403	2.15 398	1.50 398	3.20 410	1.35 382	0.92 400	0.66 405	1.10 402	0.79 403	0.94 399	0.74 398

SGM+DAISY	1.12 389	0.86 385	1.64 382	0.68 383	0.80 397	1.68 402	1.68 410	1.08 387	1.10 384	1.53 403	1.76 398	1.47 387	1.53 400	1.24 379	1.42 386	0.66 390	0.65 404	0.52 382	0.54 389	0.57 381	0.91 403

ELAS_RVC	0.80 377	0.40 340	1.10 342	0.40 359	0.35 358	0.93 376	1.10 401	0.87 381	1.12 387	1.40 393	1.39 384	1.27 382	1.55 401	1.13 373	1.13 367	0.29 366	0.27 355	0.30 364	0.28 369	0.31 365	0.36 350
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
JetRed	2.35 407	2.70 414	6.11 410	1.14 404	1.38 410	6.03 413	3.61 413	2.12 408	1.72 396	1.99 405	1.97 400	2.15 398	1.59 402	2.49 407	4.19 412	1.05 403	1.60 412	1.10 402	1.02 409	1.72 412	1.41 411

notaker	1.49 394	1.44 408	1.77 386	1.42 408	1.08 405	1.19 388	0.87 392	1.51 398	1.40 392	1.53 403	3.41 409	2.40 401	1.94 403	1.83 401	1.57 390	1.14 406	0.69 408	1.38 409	0.88 405	1.39 410	1.03 406

TorneroNet	2.26 405	1.20 401	1.55 380	1.15 405	0.91 402	5.84 412	0.84 390	2.12 408	8.45 417	2.59 408	5.32 412	3.84 410	2.15 404	1.84 402	1.98 399	0.88 398	0.54 393	1.16 406	0.74 401	1.31 406	0.91 403

UNDER WATER-64	1.61 398	1.30 406	2.93 402	1.33 406	0.96 403	2.20 406	1.25 404	1.47 396	3.15 404	1.46 397	1.31 382	2.61 404	2.22 405	1.69 395	1.93 397	1.13 405	0.67 407	1.29 407	0.94 406	1.26 404	1.09 407

UNDER WATER	1.64 400	1.34 407	2.72 400	1.40 407	1.04 404	1.70 403	1.14 403	1.57 401	3.58 405	1.46 397	1.46 389	2.82 406	2.43 406	1.74 396	2.04 400	1.08 404	0.63 403	1.31 408	0.94 406	1.29 405	1.10 408

coex-ft	3.48 409	0.81 383	48.53 434	0.24 165	0.19 254	0.53 337	0.47 355	0.49 211	2.36 402	7.18 415	1.20 378	0.96 375	2.53 407	0.75 312	2.14 401	0.13 273	0.15 272	0.14 298	0.12 269	0.22 339	0.47 375

MADNet++	2.34 406	1.81 411	2.24 395	2.15 414	1.97 413	2.79 410	2.19 412	2.42 410	2.26 401	2.79 410	2.70 407	2.43 402	2.60 408	3.18 409	3.32 408	2.19 412	1.97 413	1.93 412	1.62 412	2.02 413	2.10 413

SGM-ForestM	1.59 397	0.56 365	1.52 378	0.41 363	0.34 355	2.77 409	1.67 409	1.69 402	1.73 397	2.48 407	2.27 406	6.02 415	2.90 409	3.08 408	2.83 407	0.25 357	0.30 371	0.19 340	0.20 347	0.18 318	0.45 374

MANE	1.63 399	0.58 371	1.16 349	0.59 378	0.60 382	2.71 408	1.53 407	2.63 411	3.62 406	2.33 406	3.26 408	3.66 409	2.98 410	2.26 406	2.26 402	0.37 375	0.40 382	0.31 367	0.49 384	0.31 365	0.63 388

tt	4.71 410	0.11 27	3.94 406	2.06 413	1.54 411	10.14 418	16.85 419	9.28 420	4.99 411	1.41 394	1.05 372	4.68 411	4.89 411	3.36 412	5.86 415	5.73 418	9.15 424	2.23 414	2.51 415	3.02 415	1.34 410

LE_ROB	1.82 403	0.39 337	3.15 405	0.50 374	0.55 380	0.79 368	1.00 394	0.89 383	6.48 414	7.40 416	2.07 402	2.07 396	5.08 412	1.33 387	3.96 411	0.11 228	0.09 167	0.12 257	0.11 232	0.11 218	0.13 182

ASD4	8.08 414	7.42 419	8.23 412	6.03 420	6.01 416	14.62 421	20.55 420	9.03 419	8.06 416	7.51 417	6.52 415	7.36 417	6.42 413	8.13 418	9.88 418	5.93 419	5.10 417	6.60 422	5.79 418	6.82 419	5.52 417

LRCNet_RVC	10.94 418	14.45 428	9.66 414	15.38 424	8.02 418	1.08 383	0.35 318	8.72 418	0.72 353	12.63 425	15.84 425	9.73 418	6.52 414	8.58 419	6.38 416	20.33 433	5.39 418	23.79 432	21.95 430	15.35 426	13.96 427

HanzoNet	3.08 408	1.87 413	2.70 399	1.81 411	1.34 409	1.60 401	1.05 396	2.06 407	2.62 403	5.63 413	5.12 411	5.96 414	7.09 415	4.39 414	3.43 409	3.29 414	2.06 415	1.98 413	2.94 416	2.47 414	2.15 414

BEATNet-Init1	4.91 411	3.27 415	14.39 423	0.69 384	0.65 386	10.19 419	3.83 414	5.04 414	5.11 412	8.73 418	8.52 416	13.95 425	7.66 416	7.79 417	5.79 414	0.32 371	0.34 379	0.34 371	0.38 380	0.64 383	0.64 390

DPSimNet_ROB	6.21 412	5.16 416	9.50 413	5.59 418	5.56 415	7.64 414	10.02 416	4.07 413	7.33 415	6.84 414	6.26 414	7.17 416	10.55 417	4.07 413	5.68 413	5.50 417	4.29 416	5.24 418	3.66 417	4.05 416	5.96 418

DPSMNet_ROB	8.44 416	5.25 418	10.87 422	5.59 418	10.27 420	8.34 415	23.51 425	6.12 417	13.47 424	4.96 412	10.94 422	5.65 413	10.55 417	6.25 416	12.77 421	4.01 416	7.62 420	3.75 417	7.27 422	4.16 418	7.54 420

DGTPSM_ROB	8.38 415	5.24 417	10.71 421	5.32 417	10.19 419	8.34 415	23.49 424	6.11 416	13.43 423	4.93 411	10.93 421	5.64 412	10.55 417	6.17 415	12.73 420	3.74 415	7.56 419	3.68 416	7.24 421	4.09 417	7.49 419

xxxxx1	15.30 422	9.78 421	10.23 418	20.34 427	19.47 426	17.10 422	23.00 421	10.36 421	11.04 419	9.25 419	9.66 417	10.74 420	10.66 420	10.60 421	13.72 424	8.14 423	9.35 425	31.88 435	44.61 434	12.63 423	13.46 424

tt_ll	15.30 422	9.78 421	10.23 418	20.34 427	19.47 426	17.10 422	23.00 421	10.36 421	11.04 419	9.25 419	9.66 417	10.74 420	10.66 420	10.60 421	13.72 424	8.14 423	9.35 425	31.88 435	44.61 434	12.63 423	13.46 424

Anonymous_1	16.44 426	9.26 420	9.67 415	10.63 421	14.54 423	18.62 426	26.98 426	12.68 424	13.53 425	10.78 424	10.37 420	10.15 419	10.66 420	10.99 424	12.64 419	15.61 432	7.73 421	16.87 429	43.01 433	56.14 437	7.86 423

ff	15.30 422	9.78 421	10.23 418	20.34 427	19.47 426	17.10 422	23.00 421	10.36 421	11.04 419	9.25 419	9.66 417	10.74 420	10.66 420	10.60 421	13.72 424	8.14 423	9.35 425	31.88 435	44.61 434	12.63 423	13.46 424

DPSM_ROB	11.46 419	9.79 424	10.18 416	11.11 422	11.31 421	19.08 427	27.38 427	13.42 425	14.23 426	10.34 422	11.13 423	10.97 423	11.33 424	11.89 425	13.49 422	6.74 421	8.19 422	6.00 419	7.05 419	7.74 420	7.76 421

DPSM	11.46 419	9.79 424	10.18 416	11.11 422	11.31 421	19.08 427	27.38 427	13.42 425	14.23 426	10.34 422	11.13 423	10.97 423	11.33 424	11.89 425	13.49 422	6.74 421	8.19 422	6.00 419	7.05 419	7.74 420	7.76 421

PML	15.86 425	13.12 427	7.07 411	5.22 416	7.66 417	32.93 430	64.30 436	5.37 415	10.12 418	25.87 435	67.29 436	20.25 427	13.20 426	10.09 420	6.81 417	5.94 420	2.00 414	6.03 421	2.18 413	9.13 422	2.62 416

HaxPig	17.72 427	20.23 435	19.76 424	16.55 425	16.52 424	9.46 417	9.42 415	14.48 427	13.31 422	18.59 426	18.67 426	17.39 426	16.68 427	17.07 427	16.43 427	21.99 434	20.86 434	22.28 431	21.55 429	21.30 433	21.88 434

MEDIAN_ROB	21.20 428	24.56 436	23.42 432	19.57 426	19.62 429	13.29 420	11.21 417	18.04 428	17.02 428	22.07 434	21.92 428	20.84 428	20.24 428	21.02 428	19.68 429	25.59 435	24.08 435	26.20 433	25.19 431	25.31 434	25.19 435

SPstereo	14.29 421	1.85 412	2.95 403	1.89 412	1.68 412	23.50 429	43.36 429	35.81 436	29.54 436	20.90 430	20.49 427	26.26 436	21.86 429	25.13 436	19.49 428	1.60 411	1.44 411	2.99 415	2.21 414	1.34 408	1.43 412

MyStereo03	23.12 431	19.74 430	20.70 428	22.51 432	22.82 432	38.36 432	55.25 433	26.92 430	28.81 432	20.90 430	22.38 431	22.06 429	22.80 430	23.83 429	27.20 434	13.55 428	16.70 431	12.09 424	14.22 426	15.58 428	16.03 430

MyStereo02	23.12 431	19.74 430	20.70 428	22.51 432	22.82 432	38.36 432	55.25 433	26.92 430	28.81 432	20.90 430	22.38 431	22.06 429	22.80 430	23.83 429	27.20 434	13.55 428	16.70 431	12.09 424	14.22 426	15.58 428	16.03 430

MyStereo	23.12 431	19.74 430	20.70 428	22.51 432	22.82 432	38.36 432	55.25 433	26.92 430	28.81 432	20.90 430	22.38 431	22.06 429	22.80 430	23.83 429	27.20 434	13.55 428	16.70 431	12.09 424	14.22 426	15.58 428	16.03 430

CasAABBNet	23.04 429	19.69 429	20.32 425	22.42 430	22.73 430	38.35 431	55.23 432	26.99 433	28.74 431	20.67 428	22.28 430	22.11 432	22.86 433	23.84 432	27.17 432	13.52 426	16.47 429	12.08 423	14.21 424	15.57 427	15.60 428

LSM0	24.21 434	19.88 434	22.33 431	24.42 435	40.13 437	38.41 435	54.99 430	27.05 434	28.61 430	20.59 427	22.00 429	22.29 434	22.86 433	24.12 434	27.16 431	13.59 431	16.33 428	12.13 428	14.08 423	15.72 432	17.53 433

Selective-RAFT-Error	23.11 430	19.77 433	20.60 427	22.49 431	22.80 431	38.46 436	55.19 431	27.13 435	28.90 435	20.73 429	22.38 431	22.11 432	22.91 435	23.94 433	27.18 433	13.54 427	16.57 430	12.09 424	14.21 424	15.61 431	15.65 429

AVERAGE_ROB	25.43 435	29.01 437	27.22 433	24.60 436	24.16 436	17.78 425	12.87 418	22.39 429	21.40 429	26.72 436	26.08 435	25.18 435	24.52 436	25.07 435	23.57 430	29.94 436	28.36 436	30.60 434	29.57 432	29.83 435	29.66 436

test_example2	100.95 436	107.33 438	67.16 435	98.17 437	106.88 438	89.44 437	101.34 437	37.23 437	97.88 437	129.56 437	131.26 437	65.41 437	67.34 437	91.22 437	79.29 437	143.32 437	199.32 437	81.12 438	102.17 437	121.89 438	101.70 437

FADE		1.19 400		0.71 386	0.76 390													17.17 430		0.51 377

Low-res two-view benchmark