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

AEACV	0.79 3	0.54 29	1.35 10	0.97 106	0.63 120	1.13 6	0.92 193	2.02 27	0.91 1	0.76 13	0.79 6	0.80 30	1.61 190	1.28 36	0.61 1	0.22 4	0.18 24	0.26 36	0.23 57	0.27 23	0.23 14

EGLCR-Stereo	1.06 30	0.51 10	1.56 21	1.02 134	0.39 26	4.27 292	0.42 8	4.08 258	1.48 40	0.90 24	0.68 1	1.09 53	0.66 12	1.81 95	0.62 2	0.27 34	0.19 38	0.29 80	0.23 57	0.37 159	0.25 26

TANstereo	1.01 23	0.55 33	1.73 28	0.76 24	0.36 5	4.04 232	0.38 5	1.48 3	1.62 113	2.03 169	2.10 233	0.84 34	0.93 50	0.98 4	0.62 2	0.28 59	0.36 255	0.23 5	0.20 22	0.25 11	0.46 229

ACVNet-DCA	1.85 138	0.74 173	13.77 235	1.78 337	0.36 5	4.48 317	0.74 96	3.98 229	1.53 67	1.01 30	1.81 168	0.72 17	1.62 193	2.13 122	0.64 4	0.29 76	0.17 9	0.32 133	0.21 28	0.33 111	0.32 110

xx1	2.03 171	0.74 173	13.77 235	1.78 337	0.36 5	4.48 317	0.74 96	4.23 295	3.95 373	1.01 30	1.81 168	1.79 133	1.34 131	2.13 122	0.64 4	0.29 76	0.17 9	0.33 164	0.33 216	0.33 111	0.32 110

cc1	1.98 162	0.74 173	13.77 235	1.78 337	0.36 5	4.48 317	0.74 96	4.23 295	3.95 373	1.01 30	1.81 168	0.72 17	1.62 193	2.13 122	0.64 4	0.29 76	0.17 9	0.32 133	0.21 28	0.31 73	0.29 74

Selective-IGEV	0.80 4	0.52 15	1.05 2	0.75 11	0.61 116	1.31 11	0.82 134	2.60 71	1.41 21	0.82 20	1.64 112	0.71 16	0.62 6	1.22 28	0.64 4	0.22 4	0.19 38	0.24 16	0.18 9	0.25 11	0.20 6

ffm	1.72 122	0.60 72	5.21 157	1.14 179	0.99 209	3.62 152	0.86 149	4.22 290	3.37 356	2.20 215	2.30 269	3.48 296	1.62 193	2.21 131	0.65 8	0.29 76	0.16 4	0.48 280	0.37 256	0.30 57	0.29 74

tt1	1.79 133	0.73 165	10.41 209	1.75 334	0.36 5	4.55 334	0.79 121	4.22 290	3.37 356	1.08 36	1.80 156	0.74 22	1.48 161	2.21 131	0.65 8	0.29 76	0.16 4	0.31 118	0.22 49	0.30 57	0.29 74

anonymousdsp2	1.26 68	0.60 72	3.74 139	1.02 134	0.41 31	3.60 148	0.72 83	3.68 159	1.47 35	1.37 49	1.56 93	1.83 143	1.01 64	2.00 110	0.66 10	0.29 76	0.20 55	0.28 65	0.20 22	0.32 96	0.29 74

XX-TBD	1.03 28	0.95 239	1.94 44	1.30 244	0.43 37	3.97 222	0.33 3	1.74 14	1.73 134	1.59 66	2.02 216	0.69 10	0.60 3	1.16 17	0.66 10	0.30 110	0.25 171	0.23 5	0.15 4	0.31 73	0.22 9

MyStereo07	1.01 23	0.80 199	1.26 4	1.00 121	1.04 222	3.95 214	0.95 200	2.07 30	1.42 22	0.75 6	1.22 34	0.68 8	0.91 46	1.63 79	0.67 12	0.24 10	0.24 154	0.34 180	0.26 100	0.41 195	0.37 158

MSKI-zero shot	2.22 191	0.64 102	20.09 346	0.96 99	0.56 97	4.04 232	0.70 79	3.91 210	1.50 51	1.92 128	2.28 263	1.92 153	0.71 15	2.93 171	0.67 12	0.26 27	0.23 126	0.26 36	0.21 28	0.28 34	0.26 42

ff7	0.98 15	0.69 134	2.05 54	0.84 49	0.52 83	4.55 334	0.86 149	1.62 6	1.24 5	0.75 6	1.03 12	0.70 11	0.77 24	1.84 98	0.68 14	0.27 34	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

ffff	0.98 15	0.69 134	2.05 54	0.84 49	0.52 83	4.55 334	0.86 149	1.62 6	1.24 5	0.75 6	1.03 12	0.70 11	0.77 24	1.84 98	0.68 14	0.27 34	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

11t	0.98 15	0.69 134	2.05 54	0.84 49	0.52 83	4.55 334	0.86 149	1.62 6	1.24 5	0.75 6	1.03 12	0.70 11	0.77 24	1.84 98	0.68 14	0.27 34	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

ccc-4	0.98 15	0.69 134	2.05 54	0.84 49	0.52 83	4.55 334	0.86 149	1.62 6	1.24 5	0.75 6	1.03 12	0.70 11	0.77 24	1.84 98	0.68 14	0.27 34	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

HH	2.23 193	0.86 222	21.59 394	0.98 109	0.51 76	1.49 14	0.82 134	2.74 77	1.54 74	1.10 37	1.69 123	4.62 358	1.86 243	2.55 154	0.69 18	0.26 27	0.22 102	0.29 80	0.23 57	0.34 127	0.27 54

HanStereo	2.23 193	0.86 222	21.59 394	0.98 109	0.51 76	1.49 14	0.82 134	2.74 77	1.54 74	1.10 37	1.69 123	4.62 358	1.86 243	2.55 154	0.69 18	0.26 27	0.22 102	0.29 80	0.23 57	0.34 127	0.27 54

anonymousdsp	0.95 13	0.69 134	1.27 5	0.83 43	0.52 83	4.54 331	0.84 141	1.76 16	1.24 5	0.76 13	1.06 18	0.78 25	0.77 24	1.67 86	0.69 18	0.27 34	0.17 9	0.29 80	0.21 28	0.31 73	0.26 42

IGEV-Stereo	0.95 13	0.69 134	1.27 5	0.84 49	0.52 83	4.54 331	0.84 141	1.76 16	1.24 5	0.75 6	1.06 18	0.79 29	0.77 24	1.68 87	0.69 18	0.27 34	0.17 9	0.29 80	0.21 28	0.31 73	0.26 42
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
RCA-Stereo	1.21 50	0.52 15	1.58 22	0.90 74	0.46 52	4.68 355	0.79 121	4.13 269	1.74 140	1.92 128	1.80 156	0.94 44	1.48 161	1.14 15	0.70 22	0.27 34	0.18 24	0.25 26	0.19 18	0.25 11	0.23 14

CREStereo++_RVC	1.02 27	0.49 7	1.54 19	0.83 43	0.55 94	4.01 228	0.31 2	1.63 11	1.99 169	1.63 75	2.13 241	0.84 34	0.65 10	0.88 1	0.70 22	0.27 34	0.15 2	0.23 5	1.22 377	0.24 5	0.17 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	1.31 79	0.45 2	2.41 90	0.71 8	0.35 4	4.42 311	0.50 17	4.22 290	2.73 291	2.01 161	2.48 291	0.91 41	0.96 54	2.01 113	0.70 22	0.29 76	0.18 24	0.24 16	0.16 7	0.27 23	0.18 2

qqq1	1.92 151	0.57 45	4.46 144	1.36 266	0.57 106	2.03 32	0.73 87	4.25 303	2.80 303	2.32 250	2.31 276	1.95 156	1.52 173	10.99 339	0.71 25	0.34 164	0.32 229	0.30 99	0.23 57	0.29 42	0.29 74

fff1	1.92 151	0.57 45	4.46 144	1.36 266	0.57 106	2.03 32	0.73 87	4.25 303	2.80 303	2.32 250	2.31 276	1.95 156	1.52 173	10.99 339	0.71 25	0.34 164	0.32 229	0.30 99	0.23 57	0.29 42	0.29 74

ProNet	0.82 5	0.71 154	1.50 16	0.86 59	0.45 46	1.78 21	0.83 138	1.75 15	1.28 14	0.66 3	1.13 26	0.78 25	0.76 23	1.66 83	0.71 25	0.24 10	0.20 55	0.25 26	0.23 57	0.29 42	0.25 26

CREStereo	0.92 9	0.53 24	1.45 13	0.61 1	0.34 3	4.42 311	0.40 7	2.21 35	1.54 74	0.94 26	1.12 25	0.87 37	0.87 40	1.12 11	0.72 28	0.28 59	0.19 38	0.22 4	0.15 4	0.22 3	0.19 3
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
LoS_RVC	0.94 11	1.30 302	1.31 8	0.84 49	1.63 331	2.02 31	0.59 39	1.51 4	1.36 18	0.81 18	1.33 54	0.84 34	0.88 41	1.36 44	0.73 29	0.21 1	0.17 9	0.20 1	0.14 2	0.20 1	1.45 363

MC-Stereo	1.06 30	0.48 5	1.55 20	1.15 192	0.41 31	4.56 339	0.61 45	2.06 28	1.46 32	1.90 122	1.61 107	0.89 40	1.12 92	1.35 43	0.73 29	0.25 19	0.18 24	0.26 36	0.22 49	0.25 11	0.24 20

AnonymousM	1.22 52	1.32 306	0.97 1	0.88 66	0.56 97	4.03 231	0.69 74	2.41 43	1.68 122	1.48 57	1.31 53	1.15 59	1.00 62	1.18 23	0.73 29	0.32 142	0.40 286	2.07 383	1.70 385	0.24 5	0.22 9

Any-RAFT	1.40 87	0.53 24	2.78 107	1.09 157	0.64 122	4.41 309	0.81 131	3.97 227	2.78 297	1.99 147	1.34 59	2.36 205	1.56 184	1.56 64	0.75 32	0.27 34	0.20 55	0.25 26	0.18 9	0.25 11	0.28 67

test_3	1.19 42	0.51 10	2.08 66	0.99 114	0.41 31	2.05 37	0.87 165	4.40 344	1.42 22	1.99 147	1.18 30	2.03 172	0.79 32	2.70 165	0.75 32	0.27 34	0.17 9	0.29 80	0.29 171	0.30 57	0.27 54

CASnet	0.78 2	0.51 10	1.29 7	0.81 29	0.29 1	1.28 10	0.74 96	1.51 4	1.89 158	1.64 77	1.09 22	0.65 7	0.64 8	0.91 2	0.76 34	0.29 76	0.17 9	0.41 246	0.31 201	0.32 96	0.19 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
test-3	1.19 42	0.52 15	2.00 48	1.01 125	0.42 34	1.95 29	0.91 183	4.35 336	1.47 35	2.24 230	1.16 28	2.06 178	0.79 32	2.68 163	0.76 34	0.27 34	0.18 24	0.28 65	0.26 100	0.26 17	0.25 26

test_1	1.19 42	0.52 15	2.00 48	1.01 125	0.42 34	1.95 29	0.90 175	4.36 338	1.47 35	2.17 207	1.16 28	2.06 178	0.78 30	2.68 163	0.76 34	0.27 34	0.18 24	0.28 65	0.26 100	0.26 17	0.25 26

sAnonymous2	1.37 84	1.22 291	9.79 199	0.92 81	0.88 180	1.23 7	0.61 45	2.56 66	1.69 127	0.85 22	1.02 9	0.73 20	1.23 115	0.98 4	0.78 37	0.29 76	0.25 171	0.31 118	0.30 185	1.06 348	0.71 305

CroCo_RVC	1.37 84	1.22 291	9.79 199	0.92 81	0.88 180	1.23 7	0.61 45	2.56 66	1.69 127	0.85 22	1.02 9	0.73 20	1.23 115	0.98 4	0.78 37	0.29 76	0.25 171	0.31 118	0.30 185	1.06 348	0.71 305

CES	1.01 23	0.55 33	1.74 31	0.92 81	2.15 371	2.15 41	0.50 17	2.01 26	1.45 25	0.76 13	1.02 9	0.61 4	0.47 1	1.29 38	0.79 39	0.22 4	0.17 9	0.24 16	0.14 2	0.63 288	2.29 379

CAS	1.26 68	0.40 1	1.46 14	2.97 383	1.61 328	4.13 252	0.73 87	1.78 19	1.49 46	0.83 21	1.10 23	0.59 3	0.53 2	1.26 32	0.80 40	2.99 387	0.13 1	0.21 2	0.13 1	0.31 73	1.72 370

GLC_STEREO	0.76 1	0.52 15	1.12 3	0.83 43	0.33 2	1.86 26	0.82 134	1.46 2	1.38 19	0.95 27	1.04 16	0.68 8	0.72 17	0.97 3	0.80 40	0.23 7	0.25 171	0.32 133	0.25 87	0.32 96	0.30 96

TestStereo	2.00 166	1.02 250	12.25 221	0.70 7	0.61 116	1.88 27	0.55 27	2.31 39	1.52 62	1.41 53	1.33 54	1.27 74	0.90 44	11.62 357	0.81 42	0.34 164	0.19 38	0.33 164	0.24 78	0.44 223	0.24 20

AE-Stereo	1.18 41	0.60 72	2.05 54	1.10 165	0.60 113	4.39 304	0.72 83	3.74 172	1.62 113	1.10 37	1.90 200	1.01 48	0.92 48	1.45 54	0.82 43	0.28 59	0.22 102	0.28 65	0.28 148	0.26 17	0.22 9

KYRaft	1.59 110	0.52 15	1.73 28	0.95 95	0.49 72	4.38 302	1.79 313	2.43 46	1.51 55	2.49 279	2.98 327	2.00 168	3.41 331	2.14 125	0.82 43	0.30 110	0.21 80	0.33 164	0.46 299	0.35 142	2.45 384

XX-Stereo	2.54 251	0.61 86	20.21 349	1.78 337	1.19 251	4.30 296	0.46 12	4.39 342	1.58 92	2.32 250	1.89 196	4.64 360	0.60 3	4.16 198	0.82 43	0.31 127	0.21 80	0.28 65	0.27 123	0.51 249	0.26 42

DCRE	1.44 90	0.74 173	3.50 131	1.13 178	0.72 142	1.78 21	0.67 65	2.14 32	1.56 84	1.99 147	8.09 377	1.73 122	1.07 81	1.24 30	0.83 46	0.23 7	0.25 171	0.26 36	0.26 100	0.28 34	0.30 96

test_xeample3	2.12 183	0.63 97	21.55 393	0.91 78	0.47 62	1.85 25	0.94 197	7.96 397	1.23 4	0.75 6	0.76 3	0.64 6	0.70 13	1.77 92	0.83 46	0.30 110	0.21 80	0.27 51	0.21 28	0.27 23	0.24 20

Former-RAFT_DAM_RVC	0.92 9	0.73 165	1.42 12	0.92 81	1.08 230	2.97 71	0.53 23	1.77 18	1.39 20	1.16 41	1.54 88	0.58 2	0.65 10	1.03 8	0.84 48	0.25 19	0.23 126	0.30 99	0.24 78	0.43 218	0.29 74

EKT-Stereo	6.79 389	0.64 102	4.24 142	1.77 336	106.39 432	4.51 329	0.61 45	3.16 106	1.53 67	1.88 116	1.22 34	1.98 165	1.36 134	3.81 187	0.84 48	0.35 181	0.24 154	0.29 80	0.26 100	0.34 127	0.48 238

SST-Stereo	1.76 129	0.58 57	3.10 117	1.44 286	0.46 52	4.71 366	0.76 104	2.22 36	2.79 299	2.07 179	2.18 248	2.43 213	3.22 324	6.66 242	0.84 48	0.42 244	0.19 38	0.30 99	0.27 123	0.35 142	0.26 42

knoymous	1.30 76	0.60 72	5.57 163	0.88 66	0.75 148	3.04 73	0.90 175	2.68 75	1.33 16	1.48 57	1.07 20	2.78 250	0.88 41	1.29 38	0.85 51	0.31 127	0.22 102	0.35 195	0.20 22	0.45 230	0.37 158

HUI-Stereo	1.25 61	0.66 119	2.33 85	0.75 11	0.37 17	4.68 355	0.78 116	2.53 54	1.58 92	1.99 147	1.46 70	1.79 133	1.13 94	2.17 128	0.85 51	0.48 279	0.23 126	0.32 133	0.27 123	0.40 174	0.29 74

cross-raft	2.01 169	0.57 45	19.01 316	1.03 141	0.56 97	2.11 40	0.72 83	3.63 152	1.57 90	1.77 98	1.51 81	3.17 277	1.13 94	1.16 17	0.85 51	0.23 7	0.21 80	0.26 36	0.23 57	0.28 34	0.25 26

PMTNet	0.99 21	0.48 5	1.73 28	0.62 2	0.56 97	4.20 281	0.43 11	1.88 21	1.58 92	1.00 29	1.05 17	0.78 25	0.98 59	1.50 57	0.85 51	1.21 368	0.20 55	0.23 5	0.15 4	0.22 3	0.19 3

IGEVStereo-DCA	0.86 8	0.65 109	2.05 54	0.90 74	0.46 52	1.57 16	0.86 149	1.62 6	1.24 5	0.65 1	0.77 4	0.74 22	0.72 17	2.59 158	0.86 55	0.28 59	0.21 80	0.28 65	0.21 28	0.29 42	0.27 54

rrr	2.27 201	0.65 109	23.82 409	0.90 74	0.46 52	1.57 16	0.96 205	7.98 398	1.19 3	0.65 1	0.77 4	0.74 22	0.72 17	2.59 158	0.86 55	0.28 59	0.21 80	0.28 65	0.21 28	0.29 42	0.25 26

LoS	0.94 11	0.52 15	1.88 39	0.86 59	0.36 5	4.15 256	0.51 21	2.18 34	1.45 25	0.97 28	0.88 7	0.62 5	0.79 32	1.59 68	0.86 55	0.26 27	0.19 38	0.24 16	0.16 7	0.21 2	0.20 6

ROB_FTStereo	1.25 61	0.66 119	2.14 68	0.75 11	0.37 17	4.65 351	0.77 114	2.53 54	1.58 92	1.99 147	1.47 74	1.78 126	1.13 94	2.26 137	0.86 55	0.47 274	0.22 102	0.32 133	0.27 123	0.40 174	0.29 74

CFNet-RSSM	2.08 181	0.52 15	20.06 342	1.01 125	0.56 97	3.39 108	0.64 56	3.67 158	1.55 80	1.72 91	1.37 63	2.57 226	1.19 110	1.11 10	0.86 55	0.27 34	0.20 55	0.25 26	0.23 57	0.27 23	0.23 14

LCNet	1.55 98	0.54 29	1.88 39	0.99 114	0.55 94	3.60 148	1.21 252	2.86 88	1.53 67	2.18 209	1.74 136	1.43 95	4.17 347	3.62 183	0.87 60	0.29 76	0.20 55	0.28 65	0.77 352	0.47 239	1.85 373

PSM-adaLoss	1.24 58	0.65 109	2.03 51	0.75 11	0.37 17	4.68 355	0.73 87	2.53 54	1.58 92	1.99 147	1.47 74	1.78 126	1.13 94	2.18 129	0.87 60	0.48 279	0.23 126	0.32 133	0.27 123	0.40 174	0.29 74

MyStereo06	2.46 235	0.72 157	19.97 339	1.02 134	0.99 209	4.26 287	0.86 149	3.51 140	1.68 122	1.92 128	1.73 134	4.01 329	4.22 348	1.62 76	0.88 62	0.24 10	0.23 126	0.34 180	0.26 100	0.42 210	0.36 144

ROB_FTStereo_v2	1.23 53	0.66 119	2.02 50	0.75 11	0.37 17	4.67 354	0.76 104	2.53 54	1.58 92	1.99 147	1.46 70	1.78 126	1.14 100	2.08 117	0.88 62	0.48 279	0.22 102	0.32 133	0.27 123	0.40 174	0.29 74

mmm	1.27 72	0.58 57	2.20 72	1.41 281	0.68 138	2.39 48	0.85 147	3.90 206	1.63 116	2.20 215	1.84 180	1.28 75	1.50 168	1.91 105	0.89 64	0.31 127	0.27 190	0.45 265	0.37 256	0.38 163	0.34 130

PSM-AAD	2.43 231	0.54 29	1.32 9	0.92 81	0.54 92	4.48 317	7.47 395	2.96 92	1.55 80	2.31 246	2.56 301	1.26 73	16.23 403	2.46 143	0.89 64	0.28 59	0.21 80	0.58 321	0.41 285	0.34 127	1.32 358

iRaft-Stereo_20w	1.88 143	0.62 93	10.58 211	0.90 74	0.83 167	2.96 70	0.78 116	4.90 380	1.58 92	2.29 237	1.60 103	1.25 72	4.51 354	2.28 138	0.90 66	0.29 76	0.21 80	0.26 36	0.24 78	0.41 195	0.31 103

Patchmatch Stereo++	1.25 61	0.65 109	2.06 63	0.75 11	0.37 17	4.68 355	0.76 104	2.53 54	1.58 92	1.99 147	1.47 74	1.78 126	1.14 100	2.44 141	0.90 66	0.48 279	0.23 126	0.32 133	0.27 123	0.40 174	0.29 74
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
RAFT_R40	1.70 121	0.59 63	2.99 113	1.46 291	0.46 52	4.74 370	0.98 210	2.23 37	1.56 84	2.02 165	2.35 284	2.71 239	2.56 294	6.71 245	0.90 66	0.40 224	0.19 38	0.30 99	0.27 123	0.33 111	0.26 42

iRAFT	1.25 61	0.65 109	2.06 63	0.75 11	0.37 17	4.68 355	0.76 104	2.53 54	1.58 92	1.99 147	1.47 74	1.78 126	1.14 100	2.44 141	0.90 66	0.48 279	0.23 126	0.32 133	0.27 123	0.40 174	0.29 74

sCroCo_RVC	1.06 30	0.82 210	5.05 153	1.02 134	1.05 224	0.98 4	0.61 45	2.06 28	1.29 15	0.69 5	1.26 42	0.82 33	1.10 87	1.20 25	0.90 66	0.42 244	0.40 286	0.33 164	0.30 185	0.46 237	0.38 171

Gwc-CoAtRS	1.58 105	0.57 45	11.69 219	1.01 125	0.60 113	2.53 51	0.64 56	2.36 41	1.56 84	1.80 104	1.47 74	2.74 241	1.18 106	1.12 11	0.90 66	0.27 34	0.21 80	0.25 26	0.22 49	0.27 23	0.23 14

IGEV_Zeroshot_test	2.16 187	0.69 134	20.60 369	1.22 216	0.54 92	2.18 43	0.53 23	3.38 129	1.61 110	1.93 132	1.55 90	3.76 317	1.05 72	1.55 63	0.91 72	0.29 76	0.20 55	0.27 51	0.29 171	0.40 174	0.32 110

R-Stereo Train	1.20 47	0.58 57	1.81 37	0.99 114	0.67 133	3.78 176	0.90 175	4.09 260	1.51 55	2.16 203	1.71 129	1.13 56	0.94 51	1.40 45	0.91 72	0.30 110	0.24 154	0.26 36	0.21 28	0.26 17	0.25 26

RAFT-Stereo	1.20 47	0.58 57	1.81 37	0.99 114	0.67 133	3.78 176	0.90 175	4.09 260	1.51 55	2.16 203	1.71 129	1.13 56	0.94 51	1.40 45	0.91 72	0.30 110	0.24 154	0.26 36	0.21 28	0.26 17	0.25 26
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
GMOStereo	1.13 35	0.70 144	2.26 77	0.75 11	0.44 42	3.05 75	0.91 183	2.78 80	1.45 25	2.37 264	1.52 82	1.53 100	1.05 72	1.17 19	0.92 75	0.25 19	0.19 38	0.35 195	0.28 148	0.34 127	0.26 42

error version	1.13 35	0.70 144	2.26 77	0.75 11	0.44 42	3.05 75	0.91 183	2.78 80	1.45 25	2.37 264	1.52 82	1.53 100	1.05 72	1.17 19	0.92 75	0.25 19	0.19 38	0.35 195	0.28 148	0.34 127	0.26 42

test-v	1.13 35	0.70 144	2.26 77	0.75 11	0.44 42	3.05 75	0.91 183	2.78 80	1.45 25	2.37 264	1.52 82	1.53 100	1.05 72	1.17 19	0.92 75	0.25 19	0.19 38	0.35 195	0.28 148	0.34 127	0.26 42

iGMRVC	1.26 68	0.66 119	2.14 68	0.75 11	0.37 17	4.66 352	0.74 96	2.53 54	1.58 92	1.99 147	1.46 70	1.78 126	1.14 100	2.46 143	0.92 75	0.48 279	0.23 126	0.32 133	0.27 123	0.40 174	0.29 74

test-2	1.13 35	0.70 144	2.26 77	0.75 11	0.44 42	3.05 75	0.91 183	2.78 80	1.45 25	2.37 264	1.52 82	1.53 100	1.05 72	1.17 19	0.92 75	0.25 19	0.19 38	0.35 195	0.28 148	0.34 127	0.26 42

RAFT-IKP	1.25 61	0.66 119	2.23 76	0.75 11	0.37 17	4.64 349	0.74 96	2.53 54	1.58 92	1.99 147	1.47 74	1.78 126	1.13 94	2.22 134	0.92 75	0.48 279	0.22 102	0.32 133	0.27 123	0.40 174	0.29 74

raft+_RVC	1.21 50	0.83 213	2.61 97	1.35 260	0.97 202	3.60 148	0.76 104	3.23 114	1.51 55	1.33 45	1.67 118	1.03 49	1.10 87	1.87 102	0.92 75	0.24 10	0.22 102	0.25 26	0.24 78	0.26 17	0.25 26

DisPM	1.36 83	0.55 33	2.39 89	1.54 306	0.51 76	4.59 342	0.79 121	2.50 51	1.88 154	2.50 280	1.83 175	1.45 96	1.01 64	2.71 166	0.93 82	0.46 266	0.20 55	0.32 133	0.31 201	0.31 73	0.44 214

Selective-RAFT	1.15 39	0.46 3	1.64 24	0.99 114	0.45 46	4.17 270	0.51 21	3.21 111	1.69 127	1.12 40	1.34 59	1.45 96	1.40 139	2.08 117	0.94 83	0.41 234	0.20 55	0.24 16	0.23 57	0.27 23	0.25 26

RAFT_CTSACE	1.80 134	1.06 259	10.00 202	1.71 330	1.39 291	3.49 125	1.06 222	3.05 99	1.62 113	1.70 87	2.04 220	2.51 222	1.80 233	1.98 109	0.94 83	0.25 19	0.22 102	0.28 65	0.30 185	0.30 57	0.26 42

GMStereo	1.01 23	1.00 248	2.86 110	0.83 43	0.45 46	1.47 13	0.57 30	1.89 22	2.11 197	1.52 60	1.24 37	0.87 37	0.74 21	1.58 65	0.94 83	0.40 224	0.21 80	0.30 99	0.30 185	0.47 239	0.36 144
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
test croco	1.55 98	0.69 134	13.59 232	0.65 4	0.73 146	1.66 19	0.57 30	3.17 108	1.94 163	0.77 16	1.24 37	0.80 30	0.86 38	1.60 70	0.96 86	0.33 153	0.21 80	0.32 133	0.25 87	0.42 210	0.28 67

11t1	1.11 34	0.53 24	1.80 36	1.55 311	0.65 127	2.20 45	0.60 42	3.66 157	1.49 46	1.60 67	1.26 42	1.03 49	1.35 133	1.72 89	0.97 87	0.28 59	0.31 223	0.29 80	0.23 57	0.30 57	0.34 130

RAFT-Stereo + iAFF	1.25 61	0.72 157	1.74 31	1.05 143	0.36 5	4.13 252	0.42 8	2.95 91	2.84 313	2.02 165	2.40 286	1.61 109	1.11 91	1.26 32	0.97 87	0.21 1	0.15 2	0.26 36	0.23 57	0.29 42	0.23 14

1test111	1.99 165	0.74 173	13.77 235	1.78 337	0.36 5	4.48 317	0.74 96	3.98 229	1.53 67	1.01 30	1.81 168	0.72 17	1.62 193	4.66 203	0.98 89	0.29 76	0.17 9	0.32 133	0.21 28	0.33 111	0.32 110

whm_eth	2.04 173	1.24 296	18.44 308	0.89 69	1.37 286	2.59 54	0.73 87	3.56 146	2.56 274	1.53 62	2.06 229	0.78 25	0.71 15	1.02 7	0.98 89	0.36 186	0.29 206	0.34 180	0.32 208	0.41 195	0.54 268

qqq	1.30 76	0.57 45	1.67 25	1.15 192	0.51 76	2.18 43	0.91 183	3.98 229	1.53 67	1.50 59	1.24 37	1.79 133	1.34 131	4.66 203	0.98 89	0.28 59	0.31 223	0.33 164	0.33 216	0.33 111	0.32 110

iRaftStereo_RVC	1.09 33	0.70 144	1.39 11	0.95 95	0.45 46	3.83 184	0.42 8	2.37 42	1.58 92	1.69 85	1.76 143	1.80 136	0.83 36	1.50 57	0.98 89	0.28 59	0.18 24	0.29 80	0.26 100	0.30 57	0.31 103

Anonymous	1.04 29	0.76 185	2.42 92	1.06 147	1.27 270	1.67 20	0.86 149	2.51 53	1.49 46	0.92 25	1.14 27	0.70 11	1.10 87	1.26 32	0.98 89	0.47 274	0.33 235	0.30 99	0.30 185	0.66 302	0.51 255

RAFT-Test	1.44 90	0.59 63	6.10 164	1.01 125	0.69 140	2.90 62	0.80 126	3.68 159	1.70 130	1.85 109	1.68 120	3.15 276	1.03 66	1.20 25	0.99 94	0.27 34	0.22 102	0.25 26	0.23 57	0.27 23	0.25 26

LL-Strereo2	1.23 53	0.85 221	2.38 88	0.93 92	0.68 138	3.72 167	1.37 270	2.54 63	1.99 169	1.75 96	1.40 66	1.82 140	0.73 20	1.40 45	0.99 94	0.31 127	0.23 126	0.55 315	0.35 237	0.29 42	0.24 20

riskmin	1.25 61	0.56 40	2.05 54	1.05 143	0.93 195	2.86 60	0.55 27	3.23 114	1.34 17	1.55 63	1.07 20	3.56 311	2.03 254	1.29 38	1.00 96	0.28 59	0.27 190	0.34 180	0.21 28	0.41 195	0.43 209

RALCasStereoNet	1.19 42	1.02 250	2.06 63	1.12 171	1.14 238	3.08 79	0.70 79	2.99 94	1.73 134	1.34 46	1.68 120	1.18 64	0.91 46	2.16 126	1.00 96	0.30 110	0.26 182	0.24 16	0.21 28	0.29 42	0.30 96

MIF-Stereo	0.82 5	0.47 4	2.63 100	0.96 99	1.19 251	0.78 3	0.39 6	1.12 1	1.54 74	1.19 42	1.26 42	0.51 1	0.64 8	1.13 14	1.03 98	0.30 110	0.20 55	0.24 16	0.21 28	0.40 174	0.25 26

x	1.15 39	0.57 45	1.53 17	1.44 286	0.67 133	1.94 28	0.97 207	3.87 197	1.57 90	1.61 72	1.28 49	1.58 105	1.22 112	1.93 106	1.04 99	0.28 59	0.30 215	0.34 180	0.29 171	0.32 96	0.31 103

raft_robust	1.92 151	1.15 275	3.34 127	1.02 134	0.43 37	3.84 189	0.46 12	4.42 346	2.52 269	1.67 83	1.36 62	2.17 187	6.37 377	6.78 247	1.04 99	0.28 59	0.24 154	0.30 99	0.35 237	0.31 73	0.32 110

4D-IteraStereo	1.97 160	0.84 217	20.43 363	0.78 26	1.56 320	2.09 39	1.05 221	2.43 46	1.56 84	1.41 53	1.00 8	1.94 154	0.61 5	1.22 28	1.06 101	0.27 34	0.18 24	0.31 118	0.26 100	0.27 23	0.23 14

CASS	1.29 75	0.66 119	2.62 99	0.95 95	0.66 130	2.84 58	0.69 74	3.00 95	1.79 144	2.57 289	1.95 204	1.39 87	1.55 183	1.59 68	1.06 101	0.50 292	0.28 198	0.34 180	0.28 148	0.46 237	0.63 292
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
StereoIM	0.82 5	0.66 119	1.53 17	0.65 4	1.87 359	1.24 9	0.36 4	2.13 31	1.27 13	0.67 4	0.75 2	0.88 39	0.70 13	1.15 16	1.07 103	0.29 76	0.23 126	0.26 36	0.20 22	0.31 73	0.22 9

MIM_Stereo	1.20 47	0.78 193	3.30 124	1.05 143	0.43 37	3.04 73	0.60 42	2.46 49	1.51 55	1.60 67	1.58 96	1.82 140	1.29 124	2.00 110	1.07 103	0.24 10	0.24 154	0.28 65	0.25 87	0.27 23	0.27 54

CroCo-Stereo Lap2	0.99 21	0.89 226	2.55 95	0.99 114	1.80 356	0.54 2	0.46 12	3.10 102	1.24 5	1.07 35	1.21 33	1.05 52	0.78 30	1.26 32	1.08 105	0.27 34	0.23 126	0.27 51	0.21 28	0.43 218	0.34 130

GMM-Stereo	2.45 233	0.52 15	20.38 359	0.89 69	0.82 166	4.18 272	1.91 322	2.45 48	1.48 40	2.48 278	2.30 269	1.69 117	1.86 243	2.93 171	1.08 105	0.28 59	0.18 24	0.33 164	0.48 306	0.35 142	2.41 382

Prome-Stereo	1.61 112	0.55 33	1.71 27	0.98 109	0.60 113	4.41 309	1.82 317	3.03 97	1.53 67	2.18 209	3.45 346	1.72 121	3.49 335	2.23 135	1.08 105	0.29 76	0.20 55	0.26 36	0.25 87	0.34 127	2.16 378

CroCo-Stereo	0.98 15	0.87 224	3.44 128	0.87 62	0.53 91	0.49 1	0.50 17	3.99 233	1.49 46	0.81 18	1.25 41	1.00 47	0.75 22	1.10 9	1.09 108	0.24 10	0.21 80	0.24 16	0.19 18	0.35 142	0.27 54
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
RAFT+CT+SA	1.62 113	0.72 157	7.42 174	0.97 106	1.42 300	4.04 232	0.94 197	3.90 206	1.61 110	1.61 72	1.63 110	1.33 79	1.18 106	2.73 168	1.10 109	0.27 34	0.19 38	0.31 118	0.34 223	0.33 111	0.33 120

PCWNet_CMD	2.23 193	0.65 109	17.36 289	0.83 43	0.76 151	3.51 130	0.64 56	3.60 150	1.97 166	1.70 87	1.63 110	3.22 279	3.05 316	2.09 120	1.11 110	0.31 127	0.36 255	0.47 272	0.26 100	0.64 294	0.47 234

raftrobust	1.19 42	0.72 157	2.30 82	1.26 230	1.31 274	3.55 139	0.68 69	2.75 79	1.47 35	2.21 223	1.38 65	1.17 61	1.22 112	1.20 25	1.11 110	0.28 59	0.24 154	0.21 2	0.19 18	0.25 11	0.28 67

MSMDNet	2.23 193	0.64 102	17.32 285	0.84 49	0.75 148	3.53 134	0.64 56	3.61 151	1.98 168	1.71 90	1.64 112	3.22 279	2.99 310	2.08 117	1.11 110	0.31 127	0.37 267	0.45 265	0.26 100	0.62 287	0.45 219

AFF-stereo	1.31 79	0.77 188	1.46 14	1.10 165	0.45 46	3.93 207	0.48 15	2.92 90	2.92 318	1.90 122	2.21 254	2.11 185	1.52 173	1.93 106	1.12 113	0.21 1	0.16 4	0.25 26	0.25 87	0.29 42	0.20 6

Anonymous3	1.72 122	0.76 185	11.61 218	0.83 43	0.84 170	4.46 315	0.84 141	3.57 147	1.16 2	1.34 46	1.37 63	1.11 55	1.03 66	1.58 65	1.13 114	0.70 339	0.58 337	0.33 164	0.35 237	0.47 239	0.42 201

CFNet_ucs	2.36 225	0.68 133	18.42 307	0.89 69	0.81 158	3.85 195	0.68 69	4.29 316	2.37 241	2.09 180	2.04 220	3.31 287	1.24 117	2.63 160	1.14 115	0.36 186	0.45 306	0.56 317	0.29 171	0.66 302	0.49 242

anonymousa	2.16 187	0.67 127	19.19 317	1.04 142	1.67 340	2.06 38	0.79 121	2.86 88	1.96 164	1.85 109	2.14 242	3.23 281	1.81 236	1.12 11	1.15 116	0.26 27	0.26 182	0.34 180	0.32 208	0.30 57	0.28 67

IPLGR	2.53 249	0.58 57	20.46 364	0.82 36	0.52 83	4.56 339	0.50 17	4.30 323	2.38 243	1.87 114	1.53 87	1.68 115	1.72 221	6.95 250	1.15 116	0.28 59	0.21 80	0.27 51	0.23 57	0.33 111	0.32 110

GrayStereo	2.58 259	0.53 24	1.63 23	1.58 315	0.89 185	4.17 270	8.17 399	3.03 97	1.52 62	2.80 316	2.50 293	1.70 118	17.10 404	2.83 169	1.15 116	0.33 153	0.21 80	0.27 51	0.32 208	0.28 34	0.53 262

GMStereo_Zeroshot	1.41 89	1.21 285	3.33 126	1.29 239	0.72 142	3.35 105	0.53 23	2.58 70	1.68 122	2.35 258	1.56 93	2.42 212	0.96 54	2.50 146	1.16 119	0.45 262	0.23 126	0.40 239	0.24 78	0.79 328	0.33 120

CFNet_pseudo	2.12 183	0.67 127	15.14 262	0.85 58	0.74 147	3.95 214	0.64 56	3.95 221	1.78 142	1.90 122	1.79 153	3.27 284	1.62 193	2.51 149	1.16 119	0.31 127	0.36 255	0.53 307	0.27 123	0.63 288	0.44 214

ccs_rob	2.13 185	0.67 127	15.11 261	0.84 49	0.75 148	3.96 219	0.65 62	3.95 221	1.78 142	1.88 116	1.79 153	3.26 283	1.64 208	2.51 149	1.16 119	0.31 127	0.36 255	0.54 314	0.27 123	0.65 297	0.45 219

BUS	1.49 97	0.59 63	1.94 44	0.87 62	0.85 171	4.50 325	0.76 104	4.48 356	1.88 154	2.93 323	1.83 175	3.63 313	0.97 57	1.60 70	1.17 122	0.34 164	0.25 171	0.31 118	0.28 148	0.35 142	0.33 120

test_5	1.87 139	0.75 182	10.23 206	1.14 179	1.40 293	3.85 195	1.27 257	3.91 210	1.93 162	1.69 85	1.78 150	1.67 114	1.79 228	2.99 174	1.17 122	0.30 110	0.18 24	0.35 195	0.33 216	0.34 127	0.33 120

NINENet	1.87 139	0.74 173	2.60 96	1.12 171	1.06 226	4.50 325	0.76 104	4.41 345	2.24 213	2.16 203	1.86 189	3.63 313	0.97 57	8.00 266	1.17 122	0.41 234	0.30 215	0.41 246	0.30 185	0.41 195	0.36 144

test_4	1.30 76	0.50 8	6.16 165	0.84 49	0.45 46	1.61 18	1.12 234	2.14 32	1.42 22	1.52 60	2.31 276	1.84 146	0.79 32	2.52 153	1.19 125	0.27 34	0.17 9	0.29 80	0.29 171	0.29 42	0.25 26

UDGNet	1.40 87	1.52 324	2.22 74	1.38 276	0.62 119	4.39 304	0.68 69	1.80 20	2.18 206	1.34 46	1.18 30	0.99 46	1.00 62	2.16 126	1.19 125	1.09 363	0.34 247	1.30 376	0.98 365	1.10 354	0.58 281

DeepStereo_RVC	1.55 98	0.63 97	3.32 125	0.77 25	0.42 34	4.49 322	0.72 83	2.50 51	1.58 92	2.02 165	1.81 168	1.54 104	6.38 378	1.73 90	1.19 125	0.46 266	0.22 102	0.29 80	0.28 148	0.35 142	0.38 171

TRStereo	2.31 213	1.87 342	19.74 331	1.53 304	1.16 244	4.26 287	1.08 227	4.73 376	1.45 25	1.55 63	1.28 49	1.75 123	0.85 37	1.81 95	1.20 128	0.36 186	0.26 182	0.32 133	0.36 245	0.34 127	0.33 120

NF-Stereo	1.58 105	0.61 86	2.66 102	2.26 367	0.47 62	4.68 355	0.67 65	3.31 121	1.48 40	2.11 187	1.59 99	1.36 83	1.09 83	6.08 233	1.20 128	0.40 224	0.20 55	0.36 206	0.34 223	0.31 73	0.36 144

PSM-softLoss	1.66 118	0.59 63	5.15 155	2.25 365	0.48 68	4.68 355	0.69 74	2.57 68	1.52 62	2.14 193	1.45 68	1.42 93	0.99 60	6.04 231	1.20 128	0.41 234	0.23 126	0.37 218	0.39 271	0.32 96	0.31 103

KMStereo	1.66 118	0.59 63	5.15 155	2.25 365	0.48 68	4.68 355	0.69 74	2.57 68	1.52 62	2.14 193	1.45 68	1.42 93	0.99 60	6.04 231	1.20 128	0.41 234	0.23 126	0.37 218	0.39 271	0.32 96	0.31 103

BSDual-CNN	1.46 93	0.59 63	1.94 44	0.87 62	0.85 171	4.16 265	1.16 241	4.48 356	1.88 154	2.93 323	1.83 175	2.60 230	1.31 127	1.60 70	1.21 132	0.34 164	0.25 171	0.31 118	0.28 148	0.35 142	0.33 120

psmg	1.47 96	0.59 63	1.94 44	0.92 81	0.85 171	4.30 296	1.42 280	4.10 267	1.88 154	2.64 302	2.09 232	2.60 230	1.31 127	1.60 70	1.21 132	0.34 164	0.27 190	0.33 164	0.34 223	0.36 153	0.34 130

OCTAStereo	1.58 105	0.61 86	2.72 103	2.27 370	0.46 52	4.68 355	0.67 65	3.30 120	1.48 40	2.11 187	1.59 99	1.36 83	1.09 83	6.02 230	1.21 132	0.41 234	0.20 55	0.36 206	0.34 223	0.31 73	0.37 158

RE-Stereo	1.58 105	0.61 86	2.72 103	2.26 367	0.46 52	4.68 355	0.68 69	3.31 121	1.48 40	2.11 187	1.59 99	1.36 83	1.09 83	6.01 228	1.22 135	0.41 234	0.20 55	0.36 206	0.34 223	0.31 73	0.37 158

TVStereo	1.58 105	0.61 86	2.72 103	2.26 367	0.46 52	4.68 355	0.68 69	3.31 121	1.48 40	2.11 187	1.59 99	1.36 83	1.09 83	6.01 228	1.22 135	0.41 234	0.20 55	0.36 206	0.34 223	0.31 73	0.37 158

ARAFT	2.56 256	1.13 271	19.50 326	0.89 69	0.48 68	4.15 256	1.40 275	4.36 338	2.82 311	2.36 263	1.88 191	1.70 118	1.04 70	6.45 236	1.22 135	0.29 76	0.18 24	0.37 218	0.35 237	0.35 142	0.25 26

PFNet+	1.46 93	0.57 45	2.84 109	0.92 81	0.47 62	4.64 349	0.84 141	2.46 49	1.99 169	2.14 193	1.64 112	1.34 80	1.03 66	4.68 205	1.23 138	0.45 262	0.33 235	0.37 218	0.39 271	0.32 96	0.49 242

FTStereo	3.71 339	0.53 24	20.37 358	0.96 99	0.65 127	4.34 299	11.29 402	2.62 72	1.50 51	2.58 291	5.04 365	1.90 151	13.84 402	3.71 186	1.25 139	0.38 207	0.24 154	0.31 118	0.32 208	0.30 57	2.10 377

rafts_anoy	1.24 58	0.80 199	3.61 136	1.17 198	1.20 256	3.00 72	0.61 45	3.17 108	1.58 92	1.37 49	1.26 42	1.19 67	1.12 92	1.78 93	1.25 139	0.32 142	0.23 126	0.32 133	0.32 208	0.31 73	0.30 96

DIP-Stereo	1.24 58	0.69 134	1.77 33	0.65 4	0.61 116	4.29 294	0.58 38	4.44 350	2.53 270	1.98 142	1.33 54	0.91 41	0.86 38	1.25 31	1.25 139	0.36 186	0.23 126	0.32 133	0.23 57	0.32 96	0.29 74
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
GANet-ADL	2.20 190	0.73 165	20.11 347	1.25 224	0.69 140	3.83 184	0.76 104	3.49 135	1.71 131	1.65 80	1.99 213	2.10 183	1.10 87	1.42 49	1.26 142	0.38 207	0.33 235	0.25 26	0.22 49	0.42 210	0.36 144

SA	1.62 113	0.75 182	3.78 140	1.07 149	0.43 37	4.26 287	1.36 266	4.45 353	3.12 334	1.63 75	1.97 210	1.68 115	2.26 275	2.55 154	1.27 143	0.27 34	0.22 102	0.37 218	0.37 256	0.35 142	0.30 96

STrans-v2	3.03 303	0.77 188	20.91 375	0.81 29	0.63 120	3.89 200	1.01 212	4.27 311	2.64 281	2.28 235	3.70 351	4.13 336	5.20 361	7.33 254	1.27 143	0.31 127	0.18 24	0.29 80	0.25 87	0.29 42	0.41 198

TransformOpticalFlow	3.03 303	0.77 188	20.99 378	1.00 121	0.55 94	4.18 272	0.64 56	4.33 332	3.02 328	2.18 209	3.09 334	4.35 347	5.07 359	7.36 257	1.27 143	0.32 142	0.18 24	0.32 133	0.26 100	0.28 34	0.46 229

Anonymous_2	3.01 301	0.89 226	4.53 149	1.06 147	1.18 245	2.93 66	0.87 165	3.24 116	1.46 32	1.86 113	1.35 61	4.11 335	2.35 281	1.64 80	1.28 146	0.82 350	0.90 366	8.71 416	15.84 420	4.44 399	0.74 313

test-1	1.23 53	0.65 109	1.88 39	0.96 99	0.52 83	3.84 189	0.62 54	4.01 236	1.47 35	1.93 132	1.78 150	1.83 143	0.92 48	1.19 24	1.28 146	0.26 27	0.29 206	0.31 118	0.24 78	0.29 42	0.36 144

IPLGR_C	2.28 206	1.31 304	19.46 324	0.92 81	1.32 278	3.93 207	0.89 171	4.20 283	1.82 146	2.30 241	2.63 307	1.16 60	1.07 81	1.41 48	1.29 148	0.37 193	0.23 126	0.27 51	0.22 49	0.31 73	0.45 219

TestStereo1	1.56 102	0.81 203	2.32 83	1.61 321	0.64 122	4.13 252	1.36 266	3.79 181	3.20 345	1.60 67	2.57 303	1.39 87	2.15 266	2.51 149	1.30 149	0.29 76	0.20 55	0.34 180	0.25 87	0.40 174	0.36 144

SA-5K	1.56 102	0.81 203	2.32 83	1.61 321	0.64 122	4.13 252	1.36 266	3.79 181	3.20 345	1.60 67	2.57 303	1.39 87	2.15 266	2.51 149	1.30 149	0.29 76	0.20 55	0.34 180	0.25 87	0.40 174	0.36 144

ACRE	2.27 201	1.11 269	19.45 323	0.91 78	1.30 272	3.94 209	0.87 165	4.21 287	1.80 145	2.28 235	2.62 305	1.17 61	1.04 70	1.52 60	1.30 149	0.37 193	0.23 126	0.27 51	0.22 49	0.31 73	0.46 229

HBP-ISP	3.25 322	1.10 266	20.86 373	1.54 306	1.15 240	4.50 325	2.89 358	4.43 349	2.38 243	4.14 366	1.96 205	1.90 151	2.04 256	11.08 344	1.32 152	0.66 330	0.57 333	0.66 341	0.61 337	0.64 294	0.61 287

CIPLG	2.27 201	1.18 280	19.24 318	0.92 81	1.34 282	3.95 214	0.89 171	4.23 295	1.82 146	2.31 246	2.67 309	1.17 61	1.06 79	1.53 62	1.32 152	0.37 193	0.23 126	0.27 51	0.22 49	0.31 73	0.45 219

RAFT	1.23 53	0.84 217	2.05 54	0.96 99	0.47 62	1.80 23	0.94 197	3.18 110	1.46 32	1.60 67	1.71 129	3.04 267	1.59 185	1.64 80	1.32 152	0.38 207	0.24 154	0.40 239	0.32 208	0.40 174	0.35 141

ICVP	2.26 199	0.66 119	21.18 385	0.99 114	0.88 180	4.28 293	0.95 200	3.32 125	1.60 107	1.66 81	1.76 143	1.34 80	1.14 100	1.62 76	1.32 152	0.53 306	0.35 251	0.33 164	0.29 171	0.40 174	0.51 255
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
NRIStereo	1.28 73	0.61 86	1.67 25	1.15 192	0.38 25	4.73 367	0.90 175	2.42 44	1.50 51	1.93 132	1.33 54	1.75 123	1.22 112	2.96 173	1.33 156	0.46 266	0.22 102	0.29 80	0.26 100	0.30 57	0.28 67

CRE-IMP	1.23 53	0.61 86	2.14 68	0.82 36	0.39 26	4.54 331	0.83 138	2.63 73	1.55 80	1.95 136	1.46 70	1.87 150	0.96 54	1.48 56	1.33 156	0.45 262	0.21 80	0.31 118	0.26 100	0.41 195	0.31 103

PFNet	2.47 238	0.60 72	16.95 283	2.15 364	0.81 158	4.63 348	0.91 183	2.55 64	1.52 62	2.40 271	2.79 317	1.83 143	1.42 146	7.54 259	1.34 158	0.33 153	0.21 80	0.36 206	0.27 123	0.32 96	0.39 176

OMP-Stereo	1.97 160	0.93 235	1.88 39	2.76 379	0.67 133	4.58 341	1.48 284	4.31 326	1.54 74	3.15 340	2.76 316	3.25 282	1.38 135	7.66 264	1.35 159	0.40 224	0.20 55	0.33 164	0.26 100	0.33 111	0.24 20

EAI-Stereo	2.35 222	0.63 97	2.97 112	0.95 95	0.65 127	3.84 189	14.27 406	5.04 382	2.19 207	2.06 176	7.25 370	1.10 54	0.94 51	1.65 82	1.37 160	0.31 127	0.22 102	0.27 51	0.60 334	0.27 23	0.32 110

FENet	2.25 197	0.50 8	20.29 356	1.35 260	0.67 133	4.01 228	0.60 42	3.95 221	1.99 169	1.96 139	1.11 24	2.43 213	1.43 148	1.60 70	1.39 161	0.32 142	0.22 102	0.33 164	0.26 100	0.29 42	0.39 176

ToySt	1.35 82	0.72 157	3.65 138	1.01 125	0.50 75	3.31 102	1.01 212	3.46 131	1.73 134	1.30 44	1.55 90	2.07 181	1.47 159	1.88 103	1.40 162	0.27 34	0.27 190	0.30 99	0.32 208	0.42 210	0.39 176

GwcNet-ADL	2.47 238	0.67 127	21.48 392	0.96 99	0.72 142	4.61 345	0.95 200	4.42 346	2.36 235	1.98 142	1.80 156	2.55 225	1.24 117	1.90 104	1.41 163	0.40 224	0.46 313	0.24 16	0.27 123	0.41 195	0.49 242

IIG-Stereo	1.95 156	0.79 196	2.14 68	2.78 380	0.66 130	4.62 346	0.76 104	4.27 311	1.53 67	2.63 301	3.14 337	3.35 290	1.61 190	7.65 263	1.41 163	0.39 218	0.20 55	0.31 118	0.25 87	0.33 111	0.22 9

UCFNet_RVC	1.57 104	0.84 217	3.25 121	1.36 266	1.40 293	4.07 240	1.01 212	2.68 75	1.50 51	2.11 187	1.88 191	2.37 206	1.50 168	3.41 178	1.42 165	0.36 186	0.28 198	0.52 305	0.40 281	0.53 258	0.43 209

RAFT-345	2.46 235	0.55 33	19.69 330	1.02 134	0.49 72	4.43 313	0.78 116	1.64 12	2.34 231	2.09 180	3.12 335	1.96 161	1.31 127	6.65 241	1.43 166	0.36 186	0.23 126	0.32 133	0.25 87	0.28 34	0.25 26

pcwnet_v2	2.70 272	0.65 109	22.48 402	1.08 153	1.03 219	3.56 141	0.81 131	4.29 316	3.14 337	2.29 237	2.29 265	3.01 265	1.71 219	3.32 177	1.43 166	0.43 249	0.50 326	0.41 246	0.34 223	0.61 285	0.56 273

DCANet-4	1.96 158	0.51 10	14.31 249	0.82 36	0.40 28	4.16 265	0.57 30	4.29 316	2.98 324	2.30 241	1.80 156	1.03 49	1.54 181	1.44 50	1.44 168	0.29 76	0.23 126	0.23 5	0.18 9	0.24 5	0.42 201

MIPNet	2.33 218	0.71 154	19.82 333	0.89 69	0.56 97	4.76 372	0.61 45	4.32 330	2.37 241	1.83 108	1.48 80	1.48 98	1.98 253	2.63 160	1.44 168	0.29 76	0.20 55	0.26 36	0.23 57	0.30 57	0.39 176

STTStereo	2.34 220	0.95 239	14.93 257	1.43 284	1.54 313	3.86 197	0.86 149	3.65 154	2.44 255	2.15 198	1.55 90	2.49 221	1.59 185	5.14 210	1.44 168	0.38 207	0.39 281	0.47 272	0.51 315	0.52 252	0.51 255

AdaStereo	1.45 92	0.83 213	2.34 86	1.28 236	0.81 158	3.21 82	1.14 239	4.20 283	2.46 259	2.05 173	1.77 148	2.48 219	1.18 106	1.71 88	1.44 168	0.43 249	0.25 171	0.43 256	0.28 148	0.44 223	0.34 130
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.
fff	1.74 125	0.70 144	9.08 189	0.81 29	0.36 5	4.15 256	0.57 30	4.23 295	2.09 187	2.30 241	1.80 156	1.19 67	3.02 313	1.44 50	1.46 172	0.29 76	0.23 126	0.23 5	0.18 9	0.24 5	0.42 201

csc	1.74 125	0.70 144	9.08 189	0.81 29	0.36 5	4.15 256	0.57 30	4.23 295	2.09 187	2.30 241	1.80 156	1.19 67	3.02 313	1.44 50	1.46 172	0.29 76	0.23 126	0.23 5	0.18 9	0.24 5	0.42 201

cscssc	1.74 125	0.70 144	9.08 189	0.81 29	0.36 5	4.15 256	0.57 30	4.23 295	2.09 187	2.30 241	1.80 156	1.19 67	3.02 313	1.44 50	1.46 172	0.29 76	0.23 126	0.23 5	0.18 9	0.24 5	0.42 201

Pruner-Stereo	1.32 81	0.59 63	2.11 67	1.79 342	0.47 62	4.73 367	0.79 121	2.53 54	1.72 132	2.47 277	1.58 96	1.48 98	1.03 66	1.66 83	1.47 175	0.44 256	0.21 80	0.34 180	0.30 185	0.30 57	0.39 176

anonymity	1.76 129	1.26 299	2.73 106	1.66 325	1.32 278	1.84 24	1.07 224	3.49 135	2.30 226	2.11 187	2.11 237	1.71 120	3.90 342	1.82 97	1.48 176	1.10 364	1.09 370	1.08 371	1.08 370	1.05 347	1.09 347

CRFU-Net	2.49 242	0.78 193	10.36 207	2.30 371	1.08 230	3.91 202	1.41 278	3.85 192	1.65 118	2.15 198	1.76 143	3.34 289	7.95 390	5.56 220	1.48 176	0.47 274	0.35 251	0.30 99	0.28 148	0.37 159	0.43 209

RALAANet	1.28 73	1.08 262	3.21 120	1.25 224	0.94 196	1.44 12	0.69 74	3.15 105	2.57 275	2.01 161	1.80 156	1.29 77	1.05 72	2.00 110	1.48 176	0.27 34	0.20 55	0.27 51	0.24 78	0.40 174	0.27 54

AACVNet	1.83 136	1.02 250	2.41 90	1.45 289	0.87 177	3.21 82	0.73 87	3.16 106	1.61 110	2.01 161	1.82 174	2.28 192	1.33 130	10.98 338	1.49 179	0.39 218	0.32 229	0.38 230	0.32 208	0.43 218	0.44 214

Sa-1000	1.63 115	0.79 196	3.56 132	1.11 169	0.48 68	4.06 235	1.41 278	4.49 359	2.75 294	2.00 159	2.80 319	1.84 146	1.43 148	2.64 162	1.50 180	0.27 34	0.19 38	0.36 206	0.33 216	0.36 153	0.30 96

IRAFT_RVC	1.87 139	0.60 72	4.33 143	2.40 374	0.66 130	4.59 342	1.59 298	2.96 92	1.51 55	2.23 228	1.75 140	2.09 182	2.63 297	6.70 243	1.50 180	0.33 153	0.21 80	0.33 164	0.29 171	0.32 96	0.32 110

SFCPSM	2.18 189	0.63 97	17.03 284	0.88 66	0.98 206	3.74 170	1.28 258	4.09 260	2.16 202	1.85 109	1.83 175	1.65 112	1.39 138	2.50 146	1.50 180	0.33 153	0.27 190	0.39 233	0.36 245	0.34 127	0.37 158

CVANet_RVC	2.55 255	1.10 266	9.13 194	1.46 291	1.15 240	3.96 219	1.53 291	3.91 210	2.50 265	3.04 331	2.04 220	2.60 230	1.72 221	12.46 386	1.50 180	0.49 289	0.30 215	0.51 299	0.41 285	0.63 288	0.50 249

DN-CSS_ROB	1.91 148	1.55 326	11.13 216	1.82 344	0.88 180	3.99 225	0.61 45	4.01 236	1.67 121	1.64 77	1.89 196	1.39 87	1.06 79	3.23 175	1.50 180	0.31 127	0.19 38	0.44 259	0.29 171	0.37 159	0.31 103

DLNR_Zeroshot_test	28.62 418	55.50 432	49.94 425	183.62 435	115.05 433	3.43 113	0.28 1	29.49 420	1.49 46	1.01 30	1.26 42	0.93 43	0.63 7	3.92 193	1.51 185	29.81 426	0.41 292	0.26 36	0.23 57	93.28 432	0.32 110

hknet	1.98 162	0.64 102	8.70 186	0.87 62	1.07 228	4.16 265	1.16 241	4.48 356	1.73 134	2.93 323	1.83 175	3.48 296	1.30 126	3.91 192	1.51 185	0.31 127	0.25 171	0.31 118	0.28 148	0.35 142	0.33 120

RAFT-RH_RVC	2.63 261	0.55 33	19.97 339	1.26 230	0.47 62	4.46 315	0.57 30	1.71 13	1.64 117	3.06 334	5.51 367	2.03 172	1.28 122	6.70 243	1.52 187	0.42 244	0.22 102	0.37 218	0.34 223	0.28 34	0.29 74

IPLG	2.48 240	0.65 109	19.63 328	0.91 78	0.79 155	4.60 344	0.56 29	4.31 326	1.84 150	1.91 127	2.00 214	1.31 78	1.38 135	6.61 239	1.53 188	0.27 34	0.20 55	0.27 51	0.23 57	0.31 73	0.36 144

ADStereo(finetuned)	2.04 173	0.73 165	13.28 228	0.82 36	0.40 28	4.16 265	0.59 39	4.25 303	2.97 321	2.35 258	1.84 180	1.18 64	3.40 330	1.52 60	1.54 189	0.29 76	0.24 154	0.23 5	0.18 9	0.30 57	0.51 255

DCANet	1.74 125	0.73 165	9.08 189	0.82 36	0.40 28	4.18 272	0.59 39	4.25 303	2.97 321	2.35 258	1.84 180	1.18 64	1.63 205	1.51 59	1.55 190	0.29 76	0.24 154	0.23 5	0.18 9	0.30 57	0.53 262

MIF-Stereo (partial)	0.98 15	0.55 33	2.83 108	0.71 8	1.03 219	1.08 5	0.49 16	2.55 64	1.66 120	0.79 17	1.20 32	0.80 30	0.90 44	1.61 75	1.56 191	0.36 186	0.24 154	0.33 164	0.25 87	0.40 174	0.28 67

HCRNet	1.60 111	0.56 40	2.47 93	0.78 26	1.36 285	4.11 247	0.71 81	3.57 147	2.79 299	1.75 96	1.61 107	1.58 105	1.41 143	5.79 225	1.56 191	0.34 164	0.28 198	0.36 206	0.29 171	0.33 111	0.37 158

CSP-Net	1.78 132	1.32 306	1.92 43	1.16 197	1.03 219	3.38 107	1.31 260	3.52 141	1.75 141	1.96 139	1.93 203	2.40 207	1.48 161	8.58 274	1.58 193	0.46 266	0.34 247	0.27 51	0.26 100	0.41 195	0.50 249

psm_up	2.28 206	0.81 203	5.45 162	1.26 230	1.50 309	3.84 189	1.23 253	4.23 295	2.03 176	2.55 285	1.80 156	2.44 215	1.65 210	12.90 389	1.58 193	0.37 193	0.38 273	0.41 246	0.34 223	0.43 218	0.39 176

MaskLacGwcNet_RVC	3.13 313	1.43 318	9.93 201	2.50 375	1.62 329	4.29 294	1.68 310	3.95 221	2.43 252	1.66 81	1.91 201	3.04 267	1.41 143	13.26 391	1.58 193	3.82 398	1.59 382	1.12 373	0.46 299	2.21 379	2.74 390

iResNetv2_ROB	2.65 263	5.00 378	19.28 322	2.06 361	1.09 233	3.83 184	1.13 237	4.14 275	2.09 187	1.85 109	2.03 217	2.01 171	1.51 171	3.58 181	1.58 193	0.34 164	0.21 80	0.32 133	0.21 28	0.44 223	0.29 74

CoDeX	2.40 228	0.78 193	13.21 227	1.00 121	1.18 245	3.24 88	1.32 261	4.14 275	2.41 248	1.74 94	1.84 180	2.05 176	1.47 159	10.03 310	1.60 197	0.34 164	0.28 198	0.32 133	0.27 123	0.32 96	0.39 176

LMCR-Stereo	2.40 228	1.31 304	18.61 310	1.59 316	0.86 175	3.87 199	1.15 240	4.32 330	1.60 107	2.25 232	2.27 260	1.13 56	2.43 286	2.48 145	1.60 197	0.88 355	0.24 154	0.29 80	0.24 78	0.56 269	0.30 96

CC-Net-ROB	3.35 327	1.76 339	13.89 241	2.33 373	1.65 336	4.49 322	1.62 300	4.73 376	2.90 316	1.92 128	2.05 225	1.99 167	1.61 190	12.57 388	1.60 197	2.46 383	2.18 390	2.68 393	1.04 369	2.11 378	1.38 361

GES	1.38 86	0.64 102	2.61 97	1.09 157	0.57 106	4.30 296	1.02 215	3.86 195	1.51 55	1.72 91	1.74 136	1.28 75	1.77 225	1.62 76	1.61 200	0.39 218	0.27 190	0.33 164	0.30 185	0.41 195	0.47 234

PS-NSSS	2.22 191	1.33 309	2.90 111	0.97 106	1.53 312	4.11 247	1.08 227	4.55 366	2.65 282	2.10 183	2.32 281	1.77 125	1.40 139	11.79 370	1.61 200	0.68 335	0.45 306	0.96 365	0.43 291	0.95 340	0.92 337

NLCA_NET_v2_RVC	2.54 251	1.04 256	16.73 279	1.53 304	2.00 365	3.96 219	0.87 165	3.87 197	2.31 228	2.54 284	1.67 118	2.85 254	1.63 205	5.55 219	1.62 202	0.46 266	0.33 235	0.38 230	0.38 267	0.53 258	0.62 289
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NOSS_ROB	2.27 201	0.73 165	3.00 114	1.71 330	1.00 216	3.90 201	0.97 207	4.29 316	2.81 309	2.94 327	2.19 250	3.88 322	1.19 110	11.77 369	1.62 202	0.59 316	0.54 328	0.56 317	0.52 318	0.56 269	0.54 268

DAS	2.31 213	0.67 127	4.79 151	1.14 179	1.64 333	2.93 66	2.13 334	4.09 260	2.74 292	4.17 367	2.52 296	2.46 217	1.79 228	11.55 354	1.63 204	0.37 193	0.22 102	0.39 233	0.25 87	0.41 195	0.34 130

SepStereo	2.15 186	0.67 127	4.79 151	1.14 179	1.64 333	2.93 66	2.13 334	4.09 260	2.74 292	4.17 367	2.52 296	2.46 217	1.79 228	8.36 269	1.63 204	0.37 193	0.22 102	0.39 233	0.25 87	0.41 195	0.34 130

SACVNet	2.46 235	1.14 274	9.47 196	1.44 286	1.18 245	4.06 235	1.49 288	3.84 189	2.24 213	2.62 298	1.89 196	2.57 226	1.28 122	11.35 348	1.64 206	0.50 292	0.39 281	0.48 280	0.41 285	0.55 263	0.75 316

ASMatch	2.62 260	0.60 72	20.65 370	1.37 274	0.64 122	4.39 304	0.78 116	1.97 24	1.58 92	1.70 87	3.89 355	1.94 154	3.79 339	5.46 216	1.64 206	0.31 127	0.24 154	0.34 180	0.28 148	0.33 111	0.50 249

HSM-Net_RVC	2.87 282	0.57 45	17.46 293	0.92 81	0.90 188	3.70 164	1.20 249	5.64 394	2.51 268	3.22 343	2.43 287	2.54 224	1.59 185	11.41 349	1.65 208	0.34 164	0.25 171	0.26 36	0.23 57	0.30 57	0.29 74
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NVstereo2D	2.54 251	0.90 228	11.10 215	1.32 248	1.47 305	3.58 145	1.38 272	4.13 269	2.45 256	1.90 122	1.71 129	2.86 255	1.76 224	10.86 332	1.66 209	0.60 317	0.43 299	0.53 307	0.41 285	0.78 326	0.94 339

iResNet_ROB	1.89 144	1.02 250	8.60 185	1.39 278	0.98 206	3.72 167	0.66 64	3.84 189	2.65 282	1.88 116	2.05 225	1.98 165	1.27 119	4.52 201	1.67 210	0.30 110	0.20 55	0.28 65	0.18 9	0.31 73	0.40 193

MyStereo05	2.37 226	0.72 157	19.94 337	1.02 134	0.99 209	4.26 287	0.86 149	4.01 236	2.62 279	2.14 193	1.26 42	2.28 192	1.63 205	2.07 115	1.68 211	0.24 10	0.23 126	0.34 180	0.26 100	0.42 210	0.36 144

FADNet-RVC-Resample	2.83 277	2.02 349	21.07 379	1.12 171	0.91 189	3.53 134	1.37 270	4.08 258	2.09 187	1.68 84	1.33 54	2.03 172	1.51 171	9.54 294	1.69 212	0.38 207	0.37 267	0.42 252	0.44 293	0.56 269	0.56 273

dd	1.26 68	1.15 275	2.47 93	0.92 81	0.49 72	4.35 300	0.75 103	1.92 23	2.11 197	1.44 55	1.24 37	1.19 67	1.05 72	1.78 93	1.70 213	0.57 313	0.34 247	0.35 195	0.33 216	0.60 280	0.46 229

HSM	2.35 222	0.81 203	2.21 73	1.14 179	1.55 317	3.44 114	1.03 216	3.99 233	2.25 215	2.29 237	2.11 237	8.04 386	3.05 316	11.60 355	1.71 214	0.33 153	0.22 102	0.28 65	0.23 57	0.32 96	0.35 141

CFNet-ft	1.90 146	0.95 239	3.56 132	1.07 149	1.54 313	4.09 242	0.90 175	2.85 85	1.82 146	1.78 100	1.70 125	2.75 243	1.48 161	9.33 289	1.72 215	0.33 153	0.30 215	0.61 331	0.36 245	0.52 252	0.39 176

TDLM	2.29 209	1.08 262	4.61 150	1.29 239	1.01 217	4.26 287	2.17 336	3.75 173	2.79 299	2.31 246	1.98 211	2.06 178	1.59 185	12.45 385	1.72 215	0.51 298	0.28 198	0.52 305	0.35 237	0.56 269	0.50 249

CFNet_RVC	1.90 146	0.95 239	3.56 132	1.07 149	1.54 313	4.09 242	0.90 175	2.85 85	1.82 146	1.78 100	1.70 125	2.75 243	1.48 161	9.33 289	1.72 215	0.33 153	0.30 215	0.61 331	0.36 245	0.52 252	0.39 176

DeepPruner_ROB	2.05 176	1.09 265	10.50 210	1.01 125	1.20 256	4.39 304	0.91 183	3.14 104	1.72 132	2.60 295	1.54 88	2.78 250	1.27 119	4.52 201	1.72 215	0.51 298	0.40 286	0.37 218	0.34 223	0.48 242	0.52 260

GANet-RSSM	1.98 162	0.62 93	3.49 129	1.69 328	1.23 261	4.22 282	0.91 183	3.31 121	1.86 152	1.81 105	1.74 136	2.34 201	1.82 238	10.92 336	1.73 219	0.34 164	0.29 206	0.31 118	0.28 148	0.39 171	0.40 193

SQANet	3.70 337	9.34 400	18.41 306	2.75 378	2.74 381	3.40 111	1.47 283	3.50 137	1.68 122	2.60 295	1.75 140	2.69 237	1.91 249	6.72 246	1.74 220	2.96 386	1.41 380	1.85 381	1.12 371	3.17 383	2.70 389

GANetREF_RVC	3.20 319	1.93 344	18.84 313	1.51 300	0.80 156	4.12 249	1.82 317	4.16 279	2.91 317	1.87 114	1.74 136	2.48 219	1.84 240	13.18 390	1.74 220	0.80 347	0.57 333	0.79 356	0.74 348	1.20 364	0.86 331
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
IER	1.69 120	0.65 109	7.19 173	0.94 94	1.15 240	3.28 97	0.89 171	3.48 132	1.97 166	2.10 183	1.98 211	2.28 192	2.12 263	2.25 136	1.75 222	0.29 76	0.23 126	0.36 206	0.30 185	0.32 96	0.34 130

MyStereo04	2.29 209	0.80 199	18.77 312	1.00 121	1.04 222	3.95 214	0.95 200	3.91 210	2.54 272	1.99 147	1.27 48	2.31 199	1.65 210	2.02 114	1.77 223	0.24 10	0.24 154	0.34 180	0.26 100	0.41 195	0.37 158

GEStereo_RVC	1.91 148	0.80 199	6.57 166	1.20 208	1.06 226	4.02 230	1.43 282	4.13 269	1.89 158	2.03 169	1.80 156	2.34 201	1.86 243	4.94 207	1.77 223	0.48 279	0.38 273	0.32 133	0.28 148	0.42 210	0.50 249

stereogan	3.09 308	0.93 235	16.43 273	1.37 274	1.66 339	3.70 164	1.67 308	3.87 197	3.15 339	3.04 331	2.70 312	5.04 369	2.79 302	9.96 306	1.78 225	0.63 322	0.49 324	0.69 344	0.47 302	0.83 333	0.68 301

HHNet	2.48 240	0.71 154	20.52 365	0.64 3	0.64 122	4.07 240	0.93 194	3.76 175	1.56 84	2.15 198	4.92 364	0.98 45	3.37 329	1.66 83	1.79 226	0.32 142	0.20 55	0.31 118	0.27 123	0.36 153	0.42 201

PSMNet-RSSM	1.96 158	0.77 188	3.26 122	1.29 239	1.31 274	4.19 276	0.96 205	3.68 159	1.89 158	2.05 173	1.80 156	2.60 230	1.70 217	9.84 300	1.81 227	0.35 181	0.29 206	0.35 195	0.37 256	0.42 210	0.35 141

111	1.83 136	0.92 232	9.08 189	0.81 29	0.36 5	4.25 286	0.91 183	4.44 350	2.70 288	2.39 269	1.96 205	2.30 198	1.64 208	1.28 36	1.82 228	0.28 59	0.22 102	0.24 16	0.20 22	0.31 73	0.54 268

CFNet	2.34 220	1.10 266	8.96 188	1.34 256	1.24 263	4.09 242	0.73 87	4.04 246	2.77 296	1.62 74	1.87 190	2.27 191	1.45 154	11.41 349	1.82 228	0.31 127	0.24 154	0.43 256	0.36 245	0.43 218	0.33 120

cf-r	2.57 258	0.79 196	16.09 269	1.48 296	1.35 283	4.19 276	0.93 194	3.68 159	2.36 235	1.97 141	1.81 168	3.42 293	1.45 154	8.24 268	1.83 230	0.32 142	0.26 182	0.33 164	0.30 185	0.34 127	0.37 158

LL-Strereo	3.01 301	1.81 341	17.59 296	1.12 171	2.10 370	2.90 62	1.09 229	4.33 332	2.00 173	3.12 337	2.24 257	3.29 285	3.15 319	11.31 347	1.84 231	0.30 110	0.28 198	0.46 269	0.34 223	0.49 247	0.45 219

DDUNet	2.91 285	2.78 365	6.94 172	3.53 390	2.26 376	3.28 97	1.36 266	3.77 177	2.04 179	2.62 298	2.49 292	4.18 339	1.69 216	5.38 214	1.85 232	2.21 382	1.77 386	2.61 391	2.43 399	2.60 380	2.34 381

ac_64	2.35 222	0.62 93	9.77 198	1.32 248	1.71 344	3.27 94	0.93 194	3.48 132	2.50 265	1.74 94	1.73 134	3.91 323	1.77 225	10.21 314	1.86 233	0.40 224	0.31 223	0.33 164	0.30 185	0.34 127	0.39 176

MLCV	1.87 139	0.91 230	8.59 184	1.10 165	0.57 106	3.59 146	0.53 23	3.70 168	2.20 208	2.80 316	2.25 259	2.00 168	1.42 146	4.13 197	1.86 233	0.30 110	0.20 55	0.32 133	0.21 28	0.33 111	0.36 144

UPFNet	1.81 135	0.63 97	6.71 168	1.25 224	1.44 301	3.50 128	1.35 264	4.02 240	1.85 151	2.40 271	1.52 82	2.41 209	1.40 139	3.62 183	1.88 235	0.34 164	0.33 235	0.37 218	0.31 201	0.41 195	0.39 176

ACVNet	1.46 93	0.64 102	3.56 132	0.93 92	0.85 171	4.22 282	0.80 126	2.85 85	2.08 184	1.78 100	1.88 191	3.10 271	1.46 157	1.33 41	1.89 236	0.29 76	0.26 182	0.30 99	0.26 100	0.39 171	0.27 54

hitnet-ft	2.37 226	0.73 165	8.34 180	0.96 99	0.89 185	3.77 174	0.80 126	3.55 144	2.58 276	2.24 230	2.04 220	3.65 315	1.49 167	11.71 367	1.89 236	0.44 256	0.53 327	0.44 259	0.35 237	0.52 252	0.48 238

PSMNet-ADL	1.91 148	0.72 157	1.78 35	1.09 157	0.86 175	4.18 272	0.78 116	3.77 177	2.10 195	1.72 91	1.85 187	2.91 259	1.82 238	10.38 320	1.91 238	0.48 279	0.46 313	0.28 65	0.29 171	0.38 163	0.51 255

StereoVision	1.65 116	0.75 182	7.47 175	1.01 125	1.80 356	2.61 55	0.61 45	3.06 101	1.96 164	1.25 43	3.46 347	1.85 148	0.88 41	2.07 115	1.93 239	0.43 249	0.36 255	0.37 218	0.36 245	0.48 242	0.33 120

AASNet	2.44 232	0.92 232	19.79 332	1.35 260	1.49 307	3.81 182	1.07 224	3.85 192	2.93 319	1.95 136	2.29 265	1.96 161	1.29 124	1.73 90	1.93 239	0.39 218	0.33 235	0.45 265	0.30 185	0.55 263	0.45 219

FAT-Stereo	3.34 326	0.81 203	20.05 341	1.25 224	1.20 256	3.44 114	1.99 327	4.23 295	2.67 285	3.14 338	3.82 354	3.51 305	3.32 328	11.68 365	1.94 241	0.64 325	0.67 352	0.48 280	0.52 318	0.61 285	0.81 325

FADNet	2.49 242	1.76 339	13.17 226	1.17 198	0.95 198	3.27 94	0.88 169	3.94 219	2.27 220	1.40 52	1.29 51	2.51 222	2.06 258	9.93 305	1.94 241	0.43 249	0.45 306	0.40 239	0.43 291	1.06 348	0.53 262

gwcnet-sp	2.31 213	1.21 285	17.34 286	1.08 153	0.92 190	3.56 141	1.04 218	3.69 164	2.09 187	2.55 285	1.60 103	1.80 136	1.62 193	3.87 189	1.95 243	0.29 76	0.29 206	0.30 99	0.28 148	0.38 163	0.39 176

scenet	2.31 213	1.21 285	17.34 286	1.08 153	0.92 190	3.56 141	1.04 218	3.69 164	2.09 187	2.55 285	1.60 103	1.80 136	1.62 193	3.87 189	1.95 243	0.29 76	0.29 206	0.30 99	0.28 148	0.38 163	0.39 176

ssnet	2.31 213	1.21 285	17.34 286	1.08 153	0.92 190	3.56 141	1.04 218	3.69 164	2.09 187	2.55 285	1.60 103	1.80 136	1.62 193	3.87 189	1.95 243	0.29 76	0.29 206	0.30 99	0.28 148	0.38 163	0.39 176

ADLNet2	3.15 316	0.92 232	20.06 342	1.20 208	1.79 353	3.83 184	1.48 284	3.94 219	3.59 363	2.19 213	2.47 290	4.65 361	1.93 251	10.69 327	1.96 246	0.39 218	0.37 267	0.28 65	0.30 185	0.48 242	0.43 209

CBMV	3.32 325	0.96 245	21.16 383	1.32 248	0.83 167	3.81 182	3.91 387	4.47 355	2.53 270	3.34 347	2.24 257	4.45 350	2.58 295	10.07 312	1.96 246	0.45 262	0.43 299	0.48 280	0.38 267	0.52 252	0.53 262
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
DMCA	1.72 122	0.74 173	6.63 167	1.14 179	0.96 199	3.98 224	0.90 175	3.75 173	2.76 295	2.83 319	1.58 96	2.35 203	1.18 106	1.58 65	1.98 248	0.40 224	0.27 190	0.42 252	0.26 100	0.36 153	0.38 171

DMCA-RVC	2.45 233	1.22 291	18.29 302	1.23 220	1.14 238	2.49 50	0.85 147	3.29 119	1.68 122	3.02 330	1.41 67	2.00 168	1.53 180	6.39 235	2.00 249	0.38 207	0.30 215	0.44 259	0.35 237	0.45 230	0.44 214

MFMNet_re	2.91 285	1.91 343	18.25 301	3.06 384	1.89 360	3.13 80	1.67 308	3.52 141	2.97 321	3.14 338	2.87 324	2.26 190	2.41 284	2.42 140	2.00 249	1.10 364	1.05 369	0.94 364	0.90 361	1.28 366	1.46 365

iRaft-Stereo_5w	2.10 182	0.83 213	8.57 183	0.81 29	0.76 151	3.21 82	0.84 141	3.71 169	1.65 118	1.56 65	2.50 293	2.20 188	2.23 274	9.13 285	2.01 251	0.38 207	0.19 38	0.35 195	0.27 123	0.45 230	0.39 176

Wz-Net-LNSev	2.30 212	1.67 335	14.88 254	1.18 203	1.65 336	3.49 125	1.54 294	3.63 152	2.03 176	1.88 116	1.64 112	3.29 285	2.06 258	2.71 166	2.02 252	0.40 224	0.33 235	0.32 133	0.31 201	0.53 258	0.49 242

dad	1.65 116	1.19 282	3.04 116	0.98 109	0.56 97	4.22 282	0.84 141	1.99 25	2.48 260	2.14 193	1.68 120	1.62 110	1.13 94	3.85 188	2.04 253	1.03 362	0.40 286	2.04 382	0.48 306	0.75 322	0.53 262

HGLStereo	2.03 171	0.74 173	7.50 176	1.23 220	1.56 320	3.62 152	0.95 200	3.78 180	1.89 158	2.03 169	2.20 252	3.12 274	2.14 265	5.68 223	2.04 253	0.37 193	0.31 223	0.32 133	0.29 171	0.40 174	0.45 219

GwcNet-RSSM	2.66 265	1.05 257	15.91 267	1.22 216	1.19 251	4.12 249	1.12 234	3.84 189	2.02 174	1.93 132	1.79 153	3.12 274	1.46 157	10.37 318	2.05 255	0.33 153	0.27 190	0.35 195	0.30 185	0.40 174	0.36 144

Consistency-Raft	2.86 279	1.66 333	19.61 327	1.40 280	1.75 348	3.84 189	1.32 261	4.07 254	2.25 215	1.78 100	2.67 309	1.82 140	4.41 351	1.94 108	2.06 256	0.83 352	0.94 367	1.03 367	1.12 371	1.70 375	1.09 347

RAFT + AFF	2.51 245	2.66 364	4.48 148	1.15 192	1.95 363	4.15 256	2.01 328	4.46 354	3.30 354	2.19 213	2.51 295	2.22 189	4.87 358	8.91 280	2.06 256	0.30 110	0.60 342	0.48 280	0.38 267	0.77 324	0.69 303

FADNet-RVC	2.51 245	2.27 354	14.03 243	1.09 157	0.81 158	3.54 138	1.10 231	4.13 269	2.48 260	1.39 51	1.22 34	1.85 148	1.77 225	9.78 299	2.06 256	0.38 207	0.37 267	0.40 239	0.40 281	0.67 305	0.48 238

NCCL2	2.53 249	1.35 310	10.90 214	1.15 192	0.97 202	3.53 134	2.56 348	3.65 154	2.23 211	2.76 312	1.80 156	2.41 209	1.66 212	10.35 317	2.07 259	0.44 256	0.40 286	0.57 319	0.53 322	0.59 276	0.65 296

ETE_ROB	2.07 179	1.40 316	3.01 115	1.09 157	0.92 190	3.94 209	1.53 291	4.25 303	2.23 211	3.31 345	2.06 229	2.35 203	1.52 173	8.74 276	2.07 259	0.44 256	0.36 255	0.51 299	0.48 306	0.54 261	0.62 289

ADLNet	2.29 209	0.83 213	3.62 137	1.35 260	1.60 326	3.67 161	1.24 255	3.95 221	2.98 324	2.58 291	2.29 265	4.01 329	1.79 228	11.23 345	2.09 261	0.37 193	0.38 273	0.36 206	0.34 223	0.45 230	0.71 305

RainbowNet	4.56 359	8.28 389	20.07 344	3.64 394	3.23 393	4.15 256	2.99 363	4.18 280	3.03 329	2.20 215	2.65 308	4.26 344	2.90 307	9.77 297	2.12 262	3.88 399	2.27 393	2.71 395	1.72 387	3.78 391	3.31 398

delet	1.92 151	0.76 185	5.14 154	1.01 125	1.65 336	3.44 114	2.03 329	3.76 175	2.48 260	2.01 161	2.05 225	2.63 234	1.90 248	5.34 213	2.12 262	0.28 59	0.29 206	0.40 239	0.31 201	0.41 195	0.45 219

PDISCO_ROB	2.86 279	1.53 325	14.27 248	1.98 357	2.19 372	4.52 330	1.35 264	4.65 372	3.19 342	2.09 180	2.16 245	3.53 307	2.45 288	5.32 212	2.12 262	1.30 375	0.78 362	0.72 351	0.59 333	1.24 365	1.28 354

SMFormer	2.00 166	0.57 45	4.46 144	1.36 266	0.57 106	2.03 32	0.73 87	4.25 303	2.80 303	2.32 250	2.31 276	1.95 156	1.52 173	10.99 339	2.13 265	0.34 164	0.32 229	0.36 206	0.31 201	0.38 163	0.36 144

tta	2.00 166	0.57 45	4.46 144	1.36 266	0.57 106	2.03 32	0.73 87	4.25 303	2.80 303	2.32 250	2.31 276	1.95 156	1.52 173	10.99 339	2.13 265	0.34 164	0.32 229	0.36 206	0.31 201	0.29 42	0.29 74

otaku	4.58 361	8.93 395	19.95 338	3.11 385	2.67 379	3.91 202	2.57 349	3.82 185	2.25 215	2.22 224	9.72 389	4.08 333	2.35 281	8.57 273	2.13 265	3.51 393	1.65 384	2.15 385	1.17 374	3.69 389	3.15 393

iResNet	2.52 248	0.94 238	21.17 384	1.84 346	0.72 142	3.75 171	0.81 131	4.14 275	2.55 273	2.33 256	2.03 217	1.35 82	1.44 150	3.27 176	2.16 268	0.35 181	0.23 126	0.28 65	0.22 49	0.44 223	0.45 219

PASM	2.67 267	2.05 351	9.71 197	1.73 333	1.37 286	2.53 51	1.52 289	3.10 102	2.17 204	2.79 315	1.84 180	2.90 257	1.85 242	11.89 375	2.19 269	0.81 349	0.85 364	0.87 362	1.01 366	1.14 357	1.05 344

MyStereo8	2.33 218	1.13 271	19.26 320	1.22 216	1.62 329	4.16 265	0.57 30	3.50 137	2.36 235	2.15 198	1.75 140	2.28 192	1.14 100	1.46 55	2.20 270	0.24 10	0.21 80	0.32 133	0.27 123	0.36 153	0.43 209

STTRV1_RVC	3.52 331	1.03 255	20.87 374	1.47 294	1.47 305	3.23 85	1.55 295	4.06 252	3.22 347	1.95 136	3.50 348	2.63 234	2.07 260	11.96 378	2.21 271	1.86 379	4.03 411	0.81 359	0.73 347	1.06 348	0.70 304

acv_ft	1.55 98	0.64 102	3.29 123	1.14 179	2.01 366	2.93 66	0.97 207	3.81 184	2.08 184	2.22 224	1.88 191	3.10 271	1.66 212	1.33 41	2.22 272	0.29 76	0.26 182	0.30 99	0.26 100	0.39 171	0.27 54

Ntro	4.21 354	8.94 396	19.89 336	3.22 386	2.96 385	4.15 256	1.89 321	3.92 215	2.36 235	1.77 98	2.14 242	3.35 290	2.17 270	9.48 293	2.24 273	3.52 394	1.76 385	2.13 384	1.31 378	3.83 392	3.09 391

DSFCA	1.89 144	0.69 134	3.14 119	1.10 165	1.18 245	3.99 225	1.79 313	3.50 137	2.16 202	3.10 335	1.64 112	2.91 259	2.50 290	5.38 214	2.26 274	0.43 249	0.38 273	0.37 218	0.36 245	0.50 248	0.42 201

StereoDRNet-Refined	1.77 131	0.81 203	2.22 74	1.21 213	0.76 151	3.26 92	0.71 81	3.82 185	2.05 181	2.29 237	2.05 225	2.98 262	1.44 150	7.15 252	2.27 275	0.30 110	0.23 126	0.42 252	0.33 216	0.45 230	0.64 294
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DGSMNet	7.55 394	1.62 327	17.42 291	1.92 352	12.73 412	7.45 397	42.99 423	4.13 269	2.07 183	2.10 183	3.16 338	3.42 293	1.70 217	9.24 288	2.30 276	3.70 397	10.89 420	11.80 420	5.54 411	4.24 395	2.66 385

fast-acv-ft	2.54 251	1.19 282	20.08 345	1.41 281	1.40 293	3.18 81	1.17 244	3.37 128	2.28 223	1.90 122	2.15 244	2.69 237	2.17 270	2.91 170	2.31 277	0.37 193	0.39 281	0.45 265	0.39 271	0.57 273	0.45 219

MMNet	2.02 170	0.81 203	10.76 212	1.12 171	1.23 261	3.53 134	0.89 171	3.79 181	2.08 184	2.15 198	1.76 143	2.15 186	2.12 263	3.69 185	2.32 278	0.31 127	0.29 206	0.34 180	0.27 123	0.38 163	0.42 201

CBMV_ROB	3.62 334	0.70 144	21.42 391	1.21 213	0.89 185	4.43 313	1.76 312	4.39 342	2.79 299	5.88 384	3.38 344	4.18 339	5.12 360	10.75 328	2.32 278	0.56 311	0.55 330	0.53 307	0.51 315	0.55 263	0.46 229

CBFPSM	2.05 176	0.95 239	10.12 205	1.07 149	1.05 224	2.84 58	1.20 249	3.28 118	1.73 134	1.82 107	1.30 52	4.56 356	4.06 344	2.34 139	2.34 280	0.25 19	0.38 273	0.32 133	0.27 123	0.37 159	0.79 324

FADNet_RVC	2.65 263	2.28 356	16.51 275	0.98 109	0.92 190	4.09 242	0.83 138	4.26 310	1.73 134	1.46 56	1.78 150	1.60 107	1.50 168	8.88 278	2.39 281	0.47 274	0.38 273	0.44 259	0.58 331	0.89 336	0.97 340

edge stereo	3.37 328	1.01 249	21.99 400	1.28 236	1.37 286	2.67 56	1.39 273	3.98 229	2.87 314	2.93 323	3.27 342	4.35 347	2.43 286	11.62 357	2.39 281	0.60 317	0.63 347	0.79 356	0.55 325	0.68 308	0.67 299

UDG	3.55 332	2.81 366	17.45 292	2.69 377	1.98 364	3.97 222	1.19 248	4.35 336	2.02 174	2.42 273	2.53 298	4.50 352	2.46 289	6.53 237	2.41 283	2.12 381	1.77 386	2.63 392	2.57 401	2.64 381	1.95 375

GASNet	3.24 320	5.55 382	20.58 368	1.56 313	1.25 266	2.32 46	1.12 234	4.04 246	2.67 285	1.88 116	2.10 233	3.00 264	2.16 268	10.59 323	2.43 284	0.65 328	0.37 267	0.61 331	0.45 297	0.87 335	0.58 281

ACVNet_1	6.04 383	13.97 415	21.36 389	3.58 392	3.14 390	4.73 367	2.48 344	4.20 283	3.17 340	2.98 329	2.83 323	23.31 409	4.34 350	11.06 343	2.45 285	3.68 395	2.33 395	2.60 390	1.79 389	3.69 389	3.19 395

GwcNet	3.00 300	1.63 329	19.83 334	1.32 248	2.04 369	3.27 94	1.55 295	3.65 154	2.33 230	2.00 159	2.12 240	3.56 311	1.68 215	9.47 292	2.45 285	0.44 256	0.45 306	0.46 269	0.38 267	0.60 280	0.76 318

psmorigin	6.59 386	1.15 275	88.11 432	1.52 301	0.97 202	2.88 61	1.20 249	3.21 111	2.04 179	3.73 356	2.46 288	5.15 372	2.55 293	10.60 324	2.47 287	0.55 309	0.68 355	0.48 280	0.51 315	0.70 311	0.88 335

iinet-f	2.26 199	1.18 280	13.71 233	1.14 179	1.11 235	3.77 174	1.10 231	4.14 275	2.17 204	2.06 176	1.76 143	2.99 263	2.99 310	2.50 146	2.49 288	0.35 181	0.39 281	0.27 51	0.28 148	0.45 230	0.39 176

DLCB_ROB	2.05 176	0.95 239	2.37 87	1.24 222	1.02 218	2.92 65	1.30 259	3.68 159	2.30 226	2.91 321	2.17 247	3.32 288	1.52 173	10.37 318	2.50 289	0.40 224	0.33 235	0.40 239	0.36 245	0.41 195	0.47 234

UNet	2.51 245	0.74 173	20.17 348	1.14 179	1.44 301	3.48 123	0.76 104	3.77 177	1.87 153	2.05 173	1.57 95	2.75 243	2.39 283	3.51 180	2.51 290	0.32 142	0.26 182	0.41 246	0.26 100	0.38 163	0.39 176

S-Stereo	3.48 330	0.91 230	22.06 401	1.36 266	1.50 309	3.55 139	2.53 347	4.21 287	2.81 309	2.37 264	3.81 353	3.75 316	1.84 240	11.90 376	2.51 290	0.63 322	0.71 357	0.48 280	0.76 350	0.67 305	1.19 352

SDNR	3.97 347	1.93 344	20.28 355	1.31 246	0.94 196	5.16 380	0.67 65	4.33 332	2.58 276	4.82 378	5.94 369	5.01 368	1.45 154	17.52 406	2.53 292	0.79 345	0.72 358	0.59 323	0.45 297	1.15 359	1.17 350

APVNet	3.13 313	1.25 298	21.14 381	1.31 246	1.52 311	3.94 209	1.13 237	3.32 125	2.14 199	2.20 215	2.03 217	3.05 270	1.96 252	11.79 370	2.53 292	0.42 244	0.45 306	0.64 338	0.46 299	0.67 305	0.57 277

Syn2CoEx	3.08 307	2.55 363	19.88 335	1.34 256	1.18 245	2.43 49	1.65 306	3.91 210	2.40 246	2.39 269	2.27 260	2.90 257	3.17 322	9.57 295	2.54 294	0.50 292	0.45 306	0.53 307	0.39 271	0.74 320	0.72 311

Nwc_Net	2.88 284	1.16 278	18.30 303	1.35 260	1.68 341	3.52 133	1.18 245	3.90 206	2.06 182	2.52 283	2.82 322	3.82 320	2.34 280	6.78 247	2.55 295	0.86 354	0.40 286	0.59 323	0.67 340	0.57 273	0.55 271

HITNet	2.07 179	0.82 210	14.77 251	1.34 256	0.56 97	3.47 121	0.80 126	4.07 254	2.35 233	2.16 203	1.61 107	1.64 111	1.44 150	2.09 120	2.56 296	0.26 27	0.18 24	0.41 246	0.26 100	0.45 230	0.25 26
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
RP	2.79 275	1.20 284	10.36 207	1.54 306	1.93 362	3.44 114	1.97 325	4.05 250	2.34 231	2.66 305	2.79 317	3.98 327	2.58 295	10.21 314	2.61 297	0.95 358	0.47 317	0.71 347	0.57 330	0.71 316	0.68 301

RASNet	2.56 256	0.70 144	10.06 203	1.60 318	2.25 375	3.67 161	1.00 211	3.38 129	3.14 337	1.81 105	2.11 237	4.60 357	2.30 276	10.25 316	2.61 297	0.37 193	0.24 154	0.25 26	0.24 78	0.28 34	0.26 42

RGC	3.10 311	1.45 320	14.90 255	1.46 291	1.79 353	3.33 103	1.39 273	4.04 246	2.26 218	2.77 313	3.26 341	4.00 328	2.71 300	11.63 362	2.62 299	0.82 350	0.46 313	0.79 356	0.79 356	0.71 316	0.78 322

PWCDC_ROB	2.95 288	3.26 369	14.06 244	1.59 316	1.56 320	4.19 276	0.86 149	4.30 323	4.08 375	2.06 176	7.37 371	2.75 243	2.42 285	3.59 182	2.67 300	1.34 377	0.36 255	0.39 233	0.34 223	1.13 356	0.62 289

MFN_U_SF_DS_RVC	3.94 345	10.88 406	12.30 222	1.26 230	1.55 317	5.19 381	3.33 372	4.42 346	2.82 311	2.58 291	2.62 305	5.00 367	2.11 262	14.03 402	2.73 301	1.28 372	2.34 396	0.67 343	1.83 390	0.81 330	1.03 343

Wz-Net-MNSev	2.71 273	2.54 362	13.91 242	1.52 301	1.37 286	3.28 97	2.47 343	4.03 242	2.32 229	2.57 289	2.07 231	2.29 197	3.01 312	7.55 260	2.74 302	0.38 207	0.36 255	0.36 206	0.37 256	0.57 273	0.47 234

AF-Net	2.87 282	1.30 302	16.24 270	1.33 252	1.75 348	3.26 92	1.59 298	4.09 260	2.43 252	2.69 307	2.94 325	4.51 353	3.20 323	5.84 226	2.75 303	0.76 343	0.36 255	0.72 351	0.49 309	0.70 311	0.56 273

PSMNet_ROB	2.95 288	1.38 313	18.46 309	1.19 205	1.20 256	3.80 180	1.65 306	3.54 143	2.35 233	1.98 142	1.71 129	2.75 243	1.79 228	11.43 351	2.78 304	0.42 244	0.36 255	0.50 296	0.60 334	0.59 276	0.49 242

DRN-Test	3.03 303	0.99 247	18.18 300	1.35 260	1.60 326	3.59 146	1.48 284	4.13 269	2.45 256	3.47 352	1.92 202	2.58 229	2.53 292	10.88 333	2.80 305	0.39 218	0.36 255	0.44 259	0.41 285	0.55 263	0.57 277

FINET	2.96 291	1.07 260	23.18 407	1.29 239	1.86 358	2.03 32	1.52 289	4.30 323	4.71 380	2.23 228	2.34 283	1.65 112	1.48 161	5.89 227	2.81 306	0.51 298	0.47 317	0.49 293	0.40 281	0.59 276	0.49 242

PA-Net	3.09 308	1.24 296	18.84 313	1.38 276	1.19 251	3.42 112	1.75 311	3.89 201	3.27 353	1.88 116	2.10 233	3.03 266	1.88 247	11.60 355	2.88 307	0.40 224	0.54 328	0.44 259	0.62 338	0.52 252	1.02 342
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
Anonymous Stereo	3.09 308	3.14 367	16.69 278	1.52 301	1.25 266	3.33 103	2.95 359	4.02 240	2.42 251	2.35 258	2.04 220	2.57 226	1.27 119	11.88 374	2.92 308	0.49 289	0.49 324	0.57 319	0.56 327	0.70 311	0.65 296

ssnet_v2	2.04 173	0.88 225	7.87 177	1.20 208	0.87 177	3.86 197	1.64 303	4.01 236	2.60 278	2.61 297	1.96 205	3.79 318	1.71 219	2.20 130	2.96 309	0.41 234	0.35 251	0.42 252	0.37 256	0.55 263	0.52 260

NCC-stereo	3.16 317	1.28 300	18.31 304	1.25 224	1.75 348	4.06 235	1.40 275	3.89 201	2.22 209	2.72 309	2.55 299	3.49 303	2.65 298	9.91 303	2.99 310	1.29 373	0.65 349	0.64 338	0.86 359	0.65 297	0.71 305

Abc-Net	3.16 317	1.28 300	18.31 304	1.25 224	1.75 348	4.06 235	1.40 275	3.89 201	2.22 209	2.72 309	2.55 299	3.49 303	2.65 298	9.91 303	2.99 310	1.29 373	0.65 349	0.64 338	0.86 359	0.65 297	0.71 305
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RYNet	2.97 295	0.93 235	15.09 260	1.12 171	1.38 290	3.66 160	1.42 280	4.03 242	2.29 225	2.10 183	1.70 125	3.79 318	2.16 268	13.64 398	3.02 312	0.37 193	0.41 292	0.48 280	0.34 223	0.81 330	0.75 316

BEATNet_4x	1.92 151	1.36 311	8.75 187	1.20 208	0.56 97	3.46 119	1.03 216	4.00 235	2.43 252	2.25 232	1.70 125	2.10 183	1.59 185	2.57 157	3.05 313	0.37 193	0.22 102	0.47 272	0.29 171	0.60 280	0.40 193

StereoDRNet	2.84 278	1.49 323	14.48 250	1.33 252	1.57 324	3.44 114	2.06 330	3.69 164	2.36 235	3.26 344	1.84 180	2.79 252	1.80 233	10.88 333	3.16 314	0.41 234	0.33 235	0.39 233	0.36 245	0.59 276	0.58 281

Wz-Net-LNSev-Ref	2.42 230	1.47 321	14.14 245	1.30 244	1.35 283	3.51 130	1.64 303	4.04 246	2.10 195	2.46 275	1.88 191	2.28 192	2.51 291	4.73 206	3.17 315	0.38 207	0.19 38	0.35 195	0.20 22	0.40 174	0.36 144

LALA_ROB	1.95 156	1.48 322	3.11 118	1.05 143	0.98 206	3.99 225	1.82 317	4.44 350	2.28 223	3.31 345	1.85 187	2.76 249	1.67 214	4.04 196	3.23 316	0.46 266	0.41 292	0.55 315	0.52 318	0.60 280	0.57 277

XPNet_ROB	2.27 201	1.11 269	4.10 141	1.36 266	0.97 202	3.94 209	1.63 301	4.07 254	2.14 199	2.82 318	2.00 214	2.32 200	1.73 223	10.81 331	3.39 317	0.51 298	0.47 317	0.48 280	0.40 281	0.51 249	0.56 273

ccnet	2.66 265	0.97 246	8.01 178	1.54 306	1.24 263	3.75 171	2.18 337	4.07 254	2.41 248	2.66 305	3.25 340	2.87 256	2.31 279	9.89 302	3.50 318	0.78 344	0.75 361	0.71 347	0.67 340	0.76 323	0.81 325

LVE	6.88 391	9.31 399	21.14 381	3.61 393	3.18 392	4.49 322	2.79 353	10.21 401	11.69 401	3.16 341	11.53 396	18.33 403	4.31 349	11.66 363	3.52 319	4.45 405	2.93 401	2.56 389	1.91 393	3.62 386	3.16 394

DISCO	2.25 197	0.73 165	10.06 203	1.76 335	1.12 236	3.47 121	1.25 256	3.24 116	2.26 218	2.65 304	1.96 205	4.53 354	1.92 250	4.17 199	3.61 320	0.32 142	0.25 171	0.31 118	0.29 171	0.66 302	0.41 198

SHD	2.82 276	2.04 350	13.80 239	1.69 328	1.79 353	2.73 57	1.07 224	3.85 192	3.18 341	4.63 375	2.74 313	3.38 292	2.77 301	5.48 218	3.66 321	0.62 321	0.47 317	0.51 299	0.55 325	0.65 297	0.74 313

MDST_ROB	5.53 375	0.59 63	23.11 405	2.55 376	2.69 380	21.20 414	1.98 326	4.77 378	2.65 282	9.36 401	4.25 357	4.14 337	4.45 352	22.57 409	3.68 322	0.48 279	0.33 235	0.47 272	0.44 293	0.44 223	0.44 214

Wz-Net-SNSev	2.98 297	4.36 375	15.98 268	1.57 314	1.19 251	3.28 97	1.80 315	3.96 226	2.40 246	2.32 250	2.28 263	3.48 296	2.05 257	7.84 265	3.82 323	0.47 274	0.39 281	0.53 307	0.49 309	0.71 316	0.60 285

DANet	2.63 261	1.07 260	8.10 179	1.83 345	1.70 343	3.25 91	1.16 241	4.31 326	2.38 243	3.40 350	2.18 248	4.08 333	1.80 233	9.77 297	3.89 324	0.52 304	0.55 330	0.59 323	0.44 293	0.63 288	0.86 331
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
LSM	12.71 407	3.52 372	20.79 371	55.63 431	84.76 430	3.63 158	6.30 393	3.73 171	4.93 384	5.55 381	13.92 403	3.53 307	3.25 325	9.72 296	4.12 325	0.64 325	0.85 364	0.71 347	0.81 357	1.03 346	26.84 421

Dean	7.52 393	9.08 397	21.41 390	3.74 395	3.53 394	4.81 374	3.53 377	5.33 390	5.25 386	4.17 367	26.53 414	25.62 415	4.09 346	10.97 337	4.32 326	3.69 396	2.30 394	2.91 396	1.87 392	4.03 394	3.24 397

MSC_U_SF_DS_RVC	4.48 358	10.62 404	15.18 263	1.55 311	1.45 304	6.16 387	3.54 379	5.41 392	3.68 367	2.59 294	2.74 313	4.81 363	2.20 273	13.79 399	4.40 327	2.04 380	3.36 409	1.05 369	1.20 376	2.09 377	1.72 370

PWC_ROB	2.69 271	2.01 348	8.36 181	1.33 252	1.90 361	3.23 85	1.18 245	4.33 332	3.25 349	3.11 336	3.41 345	2.71 239	2.18 272	9.15 286	4.48 328	0.56 311	0.31 223	0.61 331	0.36 245	0.69 310	0.74 313

MSMD_ROB	5.61 376	1.08 262	16.68 277	1.21 213	0.83 167	10.14 401	2.07 332	3.93 216	6.22 393	10.37 407	8.03 376	22.22 408	9.45 396	11.66 363	4.52 329	0.66 330	0.58 337	0.66 341	0.68 343	0.65 297	0.63 292

aanetorigin	3.30 323	1.66 333	17.52 295	1.18 203	1.58 325	2.57 53	3.80 384	2.65 74	2.03 176	6.12 387	4.30 359	2.82 253	5.70 367	5.47 217	4.67 330	0.50 292	0.44 302	0.43 256	0.47 302	1.17 361	0.92 337

XQC	2.96 291	2.42 357	14.85 252	1.36 266	1.32 278	3.29 101	1.53 291	4.28 315	2.78 297	3.21 342	2.46 288	3.53 307	2.92 308	6.58 238	4.67 330	0.70 339	0.41 292	0.59 323	0.56 327	0.96 344	0.83 330

GANet	2.93 287	1.05 257	11.29 217	1.64 323	0.96 199	3.91 202	2.52 346	3.72 170	2.41 248	2.95 328	3.00 328	3.21 278	2.03 254	12.42 384	4.72 332	0.51 298	0.41 292	0.46 269	0.39 271	0.60 280	0.50 249

ACVNet_2	5.41 373	12.60 409	20.42 362	3.27 387	3.15 391	4.50 325	3.02 364	4.66 373	3.73 368	3.35 349	5.36 366	7.86 385	2.88 305	12.33 383	4.76 333	3.12 389	2.22 391	2.70 394	1.69 384	3.49 385	3.10 392

SAMSARA	3.55 332	2.16 353	14.18 246	1.86 349	1.49 307	4.62 346	2.65 351	3.58 149	2.80 303	7.05 391	3.05 331	5.16 373	4.07 345	9.18 287	4.80 334	0.64 325	0.67 352	0.59 323	0.68 343	0.89 336	0.91 336

NVStereoNet_ROB	4.91 367	1.40 316	16.46 274	1.47 294	1.72 346	3.46 119	1.96 324	3.89 201	3.61 364	2.90 320	24.61 413	4.81 363	4.49 353	13.57 396	4.87 335	1.33 376	1.29 378	1.70 380	1.68 383	1.41 371	1.66 367
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MFN_U_SF_RVC	3.81 341	10.78 405	15.01 258	1.84 346	1.39 291	3.73 169	1.63 301	4.05 250	3.26 350	2.91 321	2.38 285	4.36 349	3.65 337	8.43 271	4.91 336	1.11 366	1.04 368	0.99 366	1.31 378	1.58 372	1.75 372

G-Net	4.11 351	1.21 285	19.47 325	2.31 372	2.94 384	4.74 370	2.95 359	3.33 127	2.14 199	4.44 373	9.43 387	6.93 382	3.84 340	9.01 283	4.92 337	0.79 345	0.80 363	0.70 346	0.50 313	0.95 340	0.87 334

DispFullNet	4.64 362	3.48 371	23.95 410	3.99 396	3.03 386	3.35 105	1.06 222	4.18 280	2.80 303	6.33 388	2.94 325	4.04 331	7.81 389	3.92 193	5.16 338	2.75 384	1.61 383	3.10 400	2.68 404	3.32 384	3.31 398

AANet_RVC	3.03 303	1.72 336	12.78 224	1.17 198	1.12 236	3.79 179	1.10 231	3.86 195	3.13 335	2.62 298	4.26 358	3.96 326	1.41 143	11.43 351	5.23 339	0.94 357	0.47 317	0.34 180	0.23 57	0.40 174	0.55 271

PVD	3.12 312	1.97 347	12.80 225	1.79 342	1.63 331	3.83 184	1.34 263	3.48 132	3.88 370	5.77 382	3.56 349	3.45 295	3.29 326	5.58 222	5.30 340	0.71 341	0.69 356	0.74 354	0.77 352	0.79 328	1.13 349

IMH-64-1	4.84 365	2.53 360	6.83 169	4.30 401	3.74 396	4.81 374	6.05 391	5.30 387	3.92 371	3.95 361	8.33 378	5.08 370	6.06 372	8.96 281	6.30 341	4.57 407	2.96 403	3.04 397	2.12 396	4.28 396	3.62 401

IMH-64	4.84 365	2.53 360	6.83 169	4.30 401	3.74 396	4.81 374	6.05 391	5.30 387	3.92 371	3.95 361	8.33 378	5.08 370	6.06 372	8.96 281	6.30 341	4.57 407	2.96 403	3.04 397	2.12 396	4.28 396	3.62 401

RTSC	2.95 288	2.51 358	15.49 266	1.54 306	1.30 272	3.51 130	0.86 149	3.89 201	2.48 260	3.64 353	3.12 335	3.04 267	2.30 276	5.70 224	6.67 343	0.55 309	0.35 251	0.37 218	0.39 271	0.70 311	0.60 285

RTS	3.90 343	7.04 386	17.94 298	1.92 352	2.19 372	5.00 378	2.96 361	4.29 316	3.19 342	4.05 363	3.08 332	4.94 365	3.16 320	7.64 261	6.72 344	0.66 330	0.44 302	0.51 299	0.47 302	0.95 340	0.76 318

RTSA	3.90 343	7.04 386	17.94 298	1.92 352	2.19 372	5.00 378	2.96 361	4.29 316	3.19 342	4.05 363	3.08 332	4.94 365	3.16 320	7.64 261	6.72 344	0.66 330	0.44 302	0.51 299	0.47 302	0.95 340	0.76 318

IMH	6.81 390	13.66 412	20.41 361	4.33 403	3.74 396	5.50 383	3.06 366	5.49 393	6.22 393	4.64 376	10.35 391	9.30 389	8.03 392	13.61 397	6.81 346	4.80 410	2.99 406	3.09 399	2.12 396	4.36 398	3.61 400

CSAN	4.71 363	1.39 315	20.23 350	1.19 205	0.87 177	3.65 159	3.50 376	4.57 368	3.87 369	3.89 359	7.82 374	3.54 310	6.16 375	23.47 414	6.82 347	0.52 304	0.45 306	0.49 293	0.52 318	0.63 288	0.66 298

SGM_RVC	4.57 360	0.72 157	17.46 293	1.84 346	0.58 112	4.23 285	3.45 374	4.66 373	3.66 366	7.99 396	8.82 385	7.56 384	8.74 395	12.30 381	6.84 348	0.43 249	0.38 273	0.39 233	0.35 237	0.51 249	0.48 238
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPrunerF	3.70 337	1.72 336	14.87 253	1.33 252	1.74 347	3.70 164	1.55 295	4.20 283	14.00 404	2.02 165	1.77 148	2.74 241	2.30 276	10.88 333	6.88 349	0.68 335	0.60 342	0.78 355	0.78 355	0.81 330	0.71 305

MADNet+	3.97 347	9.54 401	13.83 240	1.87 350	1.69 342	4.19 276	2.87 357	4.80 379	4.10 376	2.51 282	2.67 309	4.55 355	3.41 331	8.72 275	6.92 350	1.25 370	1.27 377	1.04 368	0.93 363	1.39 370	1.85 373

MeshStereo	5.35 372	1.32 306	21.34 388	1.34 256	1.15 240	4.40 308	3.90 386	5.18 384	4.55 378	10.14 406	11.82 397	11.47 392	5.84 369	13.84 400	7.03 351	0.61 319	0.58 337	0.60 328	0.58 331	0.72 319	0.59 284
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
FBW_ROB	3.24 320	1.02 250	9.21 195	1.49 298	1.07 228	3.78 176	1.48 284	4.31 326	3.08 332	2.46 275	2.32 281	4.20 342	2.08 261	15.19 404	7.16 352	0.84 353	0.62 345	1.33 377	0.92 362	0.99 345	1.31 356

WZ-Net	3.62 334	4.87 377	16.77 281	1.43 284	1.40 293	3.75 171	2.29 340	4.12 268	2.50 265	2.74 311	2.19 250	4.06 332	5.29 363	10.19 313	7.36 353	0.54 308	0.37 267	0.47 272	0.49 309	0.77 324	0.73 312

tt	7.19 392	0.51 10	6.83 169	4.03 397	2.30 377	12.05 405	20.19 414	15.46 413	6.58 396	3.42 351	3.22 339	5.37 374	6.39 379	4.20 200	7.46 354	9.81 415	11.53 421	7.05 413	7.46 414	6.31 405	3.71 403

Wz-Net-TNSev	3.67 336	8.83 392	13.47 231	1.48 296	1.18 245	3.60 148	2.49 345	4.27 311	3.13 335	2.18 209	1.89 196	4.21 343	2.80 303	12.10 379	7.58 355	0.57 313	0.55 330	0.47 272	0.54 324	0.91 339	1.05 344

WAO-8	11.95 404	13.02 410	20.56 366	3.50 388	3.08 388	15.11 411	2.80 354	12.91 406	19.11 413	7.69 393	13.12 399	11.62 393	7.01 384	84.40 435	7.91 356	3.42 391	1.92 388	3.54 406	1.93 394	3.68 387	2.69 387

Venus	11.95 404	13.02 410	20.56 366	3.50 388	3.08 388	15.11 411	2.80 354	12.91 406	19.11 413	7.69 393	13.12 399	11.62 393	7.01 384	84.40 435	7.91 356	3.42 391	1.92 388	3.54 406	1.93 394	3.68 387	2.69 387

SGM-Forest	2.96 291	0.62 93	3.49 129	1.09 157	0.80 156	4.06 235	3.30 370	4.37 340	3.09 333	4.18 370	3.27 342	4.67 362	3.86 341	11.69 366	7.91 356	0.51 298	0.46 313	0.49 293	0.39 271	0.48 242	0.49 242
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
PWCK	5.85 380	9.95 402	15.22 264	2.90 381	1.56 320	5.66 386	7.69 397	5.27 386	4.74 382	3.88 358	7.51 372	8.04 386	5.28 362	15.18 403	8.40 359	3.08 388	1.51 381	2.24 386	1.37 382	5.55 403	1.96 376

FCDSN-DC	6.04 383	0.84 217	19.25 319	1.24 222	1.09 233	4.38 302	2.62 350	4.38 341	4.71 380	9.59 404	11.22 394	19.19 404	17.40 405	12.30 381	8.55 360	0.69 338	0.57 333	0.60 328	0.60 334	0.70 311	0.78 322
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
WCMA_ROB	5.12 368	0.90 228	21.33 387	1.50 299	1.33 281	4.09 242	3.49 375	4.03 242	4.59 379	6.57 389	10.95 393	12.92 397	8.41 394	9.86 301	8.78 361	0.75 342	0.58 337	0.51 299	0.50 313	0.68 308	0.57 277

WAO-6	5.87 381	2.27 354	15.05 259	2.96 382	2.77 382	12.01 404	3.58 380	5.37 391	11.91 403	3.34 347	9.69 388	6.78 381	5.84 369	11.82 372	8.89 362	2.87 385	2.35 397	2.50 387	1.84 391	2.85 382	2.67 386

SPS-STEREO	3.97 347	1.44 319	20.85 372	1.72 332	1.71 344	3.24 88	2.30 341	3.55 144	2.68 287	4.79 377	3.66 350	5.44 375	2.97 309	9.11 284	9.35 363	1.15 367	1.10 371	1.06 370	1.02 368	1.16 360	1.18 351
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DPSNet	3.43 329	1.37 312	12.19 220	1.39 278	1.24 263	4.15 256	2.06 330	4.51 363	3.34 355	2.69 307	1.96 205	3.52 306	5.56 366	10.68 326	9.68 364	0.93 356	0.73 359	0.40 239	0.37 256	1.06 348	0.86 331

AnyNet_C01	4.37 357	7.80 388	16.40 272	1.98 357	1.40 293	6.37 389	6.47 394	4.09 260	5.03 385	4.06 365	3.78 352	4.16 338	3.31 327	6.62 240	10.00 365	0.61 319	0.67 352	0.63 335	0.67 340	2.01 376	1.31 356

ELAS_RVC	5.72 379	1.64 332	20.40 360	2.09 362	2.01 366	4.95 377	11.47 403	4.66 373	6.31 395	8.09 397	8.01 375	8.06 388	11.65 398	8.36 269	10.22 366	0.99 361	1.17 372	0.81 359	0.76 350	1.14 357	1.58 366
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ADCPNet	3.89 342	1.63 329	20.25 354	1.28 236	1.27 270	6.43 390	2.65 351	3.93 216	2.70 288	2.78 314	2.20 252	4.28 345	6.16 375	5.56 220	10.27 367	0.65 328	1.18 373	0.71 347	1.70 385	0.84 334	1.37 359

WAO-7	5.16 369	3.21 368	18.98 315	1.88 351	1.44 301	5.34 382	3.09 368	4.91 381	5.81 392	4.35 372	8.92 386	6.55 379	6.06 372	13.40 394	10.81 368	1.34 377	1.20 376	1.48 379	1.35 381	1.60 373	1.45 363

DRaft	2.28 206	0.56 40	2.64 101	0.74 10	0.46 52	3.94 209	1.23 253	2.32 40	1.55 80	2.64 302	2.80 319	1.60 107	5.34 364	6.96 251	10.99 369	0.34 164	0.22 102	0.27 51	0.27 123	0.29 42	0.37 158

EDNetEfficientorigin	12.35 406	2.51 358	179.47 437	1.19 205	0.96 199	2.91 64	1.81 316	3.00 95	5.35 387	8.91 399	4.79 362	4.18 339	4.64 355	9.98 307	11.30 370	0.37 193	0.38 273	0.60 328	0.85 358	1.32 368	2.43 383

KSHMR	16.96 410	5.37 380	21.64 398	4.46 404	4.50 405	8.30 400	3.32 371	15.58 414	76.24 431	6.62 390	61.47 428	56.53 429	5.43 365	35.17 421	11.37 371	4.39 403	2.97 405	3.63 408	2.74 406	5.10 402	4.34 409

ELAS	5.99 382	1.62 327	20.29 356	1.96 356	2.01 366	15.09 410	8.38 400	5.23 385	5.54 389	9.02 400	8.61 381	6.74 380	9.75 397	7.48 258	11.40 372	0.96 359	1.18 373	0.72 351	0.93 363	1.30 367	1.67 368
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
FC-DCNN	6.64 387	0.77 188	19.26 320	1.68 327	1.64 333	8.27 399	2.35 342	6.35 395	9.23 398	10.85 408	11.27 395	19.89 405	13.33 400	12.51 387	11.79 373	0.66 330	0.57 333	0.58 321	0.56 327	0.63 288	0.61 287

THIR-Stereo	4.14 352	0.82 210	10.85 213	0.86 59	0.43 37	2.16 42	16.77 408	3.22 113	1.54 74	2.04 172	12.05 398	2.68 236	7.53 387	7.30 253	12.62 374	0.30 110	0.21 80	0.29 80	0.28 148	0.33 111	0.41 198

DEmStereo	2.97 295	0.58 57	13.42 230	0.79 28	0.51 76	3.84 189	1.84 320	2.42 44	1.60 107	2.25 232	2.74 313	2.03 172	6.04 371	6.79 249	12.80 375	0.35 181	0.26 182	0.26 36	0.27 123	0.27 23	0.37 158

ktn	21.74 415	10.34 403	19.68 329	4.53 405	4.00 401	6.53 391	4.51 389	6.79 396	78.82 433	84.69 433	100.86 436	58.49 430	7.57 388	12.11 380	13.35 376	4.58 409	3.24 408	3.49 403	2.62 402	4.65 400	3.84 404

JetBlue	6.27 385	9.15 398	13.76 234	1.94 355	4.60 407	11.91 403	12.00 404	5.12 383	3.45 361	3.79 357	4.52 360	9.54 390	6.56 380	9.40 291	13.48 377	1.26 371	1.37 379	1.17 375	1.34 380	7.06 410	3.95 405

notaker	10.50 401	8.60 390	20.23 350	4.54 406	3.95 400	6.27 388	3.44 373	8.07 399	4.75 383	8.73 398	46.45 423	13.86 401	27.86 415	13.49 395	13.61 378	4.56 406	3.18 407	3.52 405	2.68 404	8.13 415	4.05 406

ADCL	4.35 356	1.63 329	14.21 247	1.29 239	1.26 269	5.56 385	11.16 401	3.97 227	3.37 356	6.07 385	4.67 361	4.30 346	5.72 368	5.08 209	14.51 379	0.50 292	0.48 322	0.89 363	0.77 352	0.78 326	0.76 318

SGM+DAISY	8.36 396	3.82 373	24.83 411	2.02 359	1.75 348	14.80 409	17.22 409	4.27 311	11.79 402	13.88 411	14.38 404	11.74 395	13.83 401	10.56 322	15.12 380	1.21 368	1.19 375	1.14 374	1.13 373	1.17 361	1.37 359

PML	64.32 432	53.22 431	17.88 297	8.10 413	32.94 420	148.46 437	247.79 438	12.18 404	45.42 428	111.41 435	288.92 438	101.47 437	101.31 436	31.67 417	15.55 381	14.03 418	4.83 412	10.98 417	6.18 413	28.82 421	5.17 410

ttt	2.76 274	0.56 40	2.28 81	1.41 281	1.21 260	3.67 161	0.77 114	4.59 369	2.94 320	2.35 258	2.30 269	2.45 216	1.54 181	11.25 346	15.56 382	0.43 249	0.36 255	0.37 218	0.33 216	0.40 174	0.40 193

UNDER WATER-64	9.33 397	5.37 380	22.60 403	5.22 410	4.86 408	10.75 402	4.61 390	11.45 402	17.30 408	7.59 392	9.80 390	15.99 402	17.90 407	10.63 325	15.72 383	4.36 402	2.87 400	4.39 410	2.86 407	7.01 409	5.36 412

DualNet	2.49 242	0.60 72	5.21 157	1.14 179	0.99 209	3.62 152	0.86 149	4.22 290	3.37 356	2.20 215	2.30 269	3.48 296	1.62 193	2.21 131	16.09 384	0.29 76	0.16 4	0.48 280	0.37 256	0.30 57	0.29 74

ff1	2.96 291	0.60 72	5.21 157	1.14 179	0.99 209	3.62 152	0.86 149	4.22 290	3.37 356	2.20 215	2.30 269	3.48 296	1.62 193	11.62 357	16.09 384	0.29 76	0.16 4	0.48 280	0.37 256	0.30 57	0.29 74

mmx	2.98 297	0.60 72	5.21 157	1.14 179	0.99 209	3.62 152	0.86 149	4.49 359	3.05 330	2.20 215	2.30 269	3.48 296	1.62 193	11.62 357	16.09 384	0.33 153	0.28 198	0.48 280	0.37 256	0.44 223	0.37 158

xxx	2.98 297	0.60 72	5.21 157	1.14 179	0.99 209	3.62 152	0.86 149	4.49 359	3.05 330	2.20 215	2.30 269	3.48 296	1.62 193	11.62 357	16.09 384	0.33 153	0.28 198	0.48 280	0.37 256	0.44 223	0.37 158

UNDER WATER	10.47 399	3.95 374	22.62 404	5.07 409	4.51 406	7.78 398	3.77 383	12.56 405	21.72 415	7.84 395	10.78 392	23.96 411	31.66 416	10.78 330	16.19 388	4.44 404	2.93 401	4.24 409	2.86 407	6.33 406	5.47 413

MADNet++	7.57 395	5.80 384	13.28 228	6.38 411	5.26 409	7.18 393	7.77 398	5.32 389	5.62 390	6.11 386	7.78 373	6.02 378	8.01 391	11.74 368	16.36 389	9.36 414	4.95 413	8.57 415	5.66 412	4.83 401	5.34 411

ADCRef	3.30 323	1.23 295	14.90 255	1.17 198	1.41 299	3.95 214	1.64 303	3.88 200	2.36 235	3.05 333	2.21 254	2.40 207	2.81 304	5.04 208	16.63 390	0.46 266	0.34 247	0.63 335	0.62 338	0.54 261	0.67 299

NaN_ROB	4.06 350	1.13 271	16.64 276	1.12 171	1.25 266	3.50 128	3.05 365	4.29 316	3.26 350	3.64 353	2.56 301	2.97 261	4.79 356	13.33 392	16.91 391	0.37 193	0.41 292	0.38 230	0.39 271	0.48 242	0.81 325

ACVNet-4b	6.73 388	13.67 413	21.87 399	3.54 391	3.07 387	4.19 276	2.25 338	4.03 242	3.65 365	1.64 77	3.98 356	5.88 376	2.89 306	10.01 309	16.98 392	23.29 425	2.24 392	2.53 388	1.78 388	3.87 393	3.21 396

pmcnn	5.45 374	1.22 291	17.40 290	1.60 318	2.41 378	3.48 123	2.12 333	4.52 364	3.26 350	3.67 355	13.15 401	22.10 407	3.46 334	11.92 377	17.16 393	0.34 164	0.21 80	0.23 5	0.19 18	0.36 153	0.28 67

TorneroNet-64	10.12 398	8.74 391	20.95 377	4.27 399	3.76 399	13.86 408	2.85 356	15.05 411	23.15 416	10.07 405	23.84 412	13.47 398	8.24 393	13.96 401	17.21 394	3.96 400	2.72 398	3.23 401	2.48 400	6.29 404	4.27 408

test_xeample	2.67 267	0.56 40	2.05 54	1.09 157	0.81 158	3.24 88	0.80 126	4.55 366	2.70 288	2.42 273	2.27 260	1.39 87	1.40 139	10.75 328	17.51 395	0.30 110	0.30 215	0.32 133	0.28 148	0.34 127	0.33 120

xxxx	2.67 267	0.54 29	2.03 51	1.22 216	0.81 158	3.49 125	0.63 55	4.49 359	2.49 264	2.22 224	2.23 256	2.05 176	1.38 135	10.05 311	17.91 396	0.32 142	0.32 229	0.30 99	0.27 123	0.33 111	0.34 130

SANet	5.65 378	1.72 336	20.94 376	1.26 230	0.88 180	7.20 394	3.81 385	4.60 370	11.23 399	4.56 374	8.78 384	7.49 383	6.95 381	11.85 373	18.11 397	0.49 289	0.44 302	0.50 296	0.42 290	0.90 338	0.82 329

TorneroNet	25.88 417	11.28 407	21.62 396	4.20 398	4.07 402	55.25 427	3.15 369	15.16 412	76.94 432	58.09 428	82.72 433	86.88 434	41.15 420	13.35 393	18.13 398	4.32 401	2.85 399	3.45 402	2.62 402	8.33 416	4.14 407

1111x	3.13 313	0.57 45	8.38 182	1.20 208	0.76 151	3.80 180	0.88 169	4.61 371	2.63 280	2.31 246	2.16 245	1.95 156	1.81 236	11.54 353	18.13 398	0.32 142	0.31 223	0.32 133	0.30 185	0.35 142	0.34 130

222	2.68 270	0.57 45	2.03 51	1.11 169	0.81 158	3.23 85	0.65 62	4.52 364	2.45 256	2.34 257	2.29 265	1.41 92	1.44 150	10.50 321	18.47 400	0.32 142	0.30 215	0.32 133	0.27 123	0.32 96	0.34 130

ADCMid	3.96 346	3.27 370	15.48 265	1.26 230	1.40 293	4.66 352	2.28 339	4.06 252	3.54 362	3.94 360	3.02 329	3.85 321	3.67 338	4.03 195	18.65 401	0.68 335	0.61 344	1.09 372	1.18 375	1.38 369	1.08 346

AnyNet_C32	4.17 353	5.75 383	12.62 223	1.60 318	1.54 313	5.51 384	4.09 388	3.90 206	3.23 348	4.22 371	3.03 330	3.10 271	3.41 331	8.01 267	18.85 402	0.53 306	0.58 337	0.53 307	0.74 348	1.19 363	0.97 340

ADCP+	3.74 340	1.96 346	16.90 282	1.09 157	1.55 317	4.35 300	3.65 382	3.93 216	2.98 324	2.22 224	1.66 117	3.95 324	4.83 357	3.41 178	18.87 403	0.38 207	0.41 292	0.63 335	0.53 322	0.64 294	0.81 325

ADCS	4.22 355	5.33 379	16.32 271	1.64 323	1.31 274	3.91 202	3.64 381	4.21 287	2.89 315	5.11 379	2.81 321	4.46 351	3.06 318	5.21 211	19.50 404	0.63 322	0.64 348	0.69 344	0.69 345	1.12 355	1.26 353

SuperB	4.79 364	4.41 376	21.08 380	1.45 289	1.08 230	3.91 202	3.08 367	4.18 280	3.01 327	2.50 280	2.10 233	2.75 243	3.49 335	8.80 277	19.60 405	0.44 256	0.33 235	0.53 307	0.39 271	12.01 417	0.64 294

MANE	11.39 402	1.38 313	23.16 406	4.82 408	2.79 383	22.02 415	14.51 407	25.81 416	26.28 417	10.93 409	13.17 402	19.90 406	18.03 408	15.69 405	20.41 406	0.96 359	0.74 360	1.42 378	3.24 410	0.74 320	1.71 369

EDNetEfficient	5.61 376	2.14 352	16.75 280	1.67 326	3.64 395	4.12 249	7.51 396	3.05 99	5.63 391	11.57 410	4.83 363	3.95 324	12.72 399	8.44 272	20.78 407	0.41 234	0.43 299	0.47 272	1.01 366	1.66 374	1.39 362

coex-ft	18.59 412	6.62 385	113.53 434	1.17 198	1.31 274	2.33 47	1.93 323	2.81 84	14.00 404	124.82 437	8.45 380	5.90 377	51.74 429	9.99 308	22.69 408	0.57 313	0.62 345	0.50 296	0.49 309	1.08 353	1.28 354

DGTPSM_ROB	15.31 408	8.85 393	28.14 415	9.90 416	18.89 414	12.44 406	33.21 417	13.48 408	17.86 411	9.50 402	22.89 410	13.78 399	19.67 409	21.26 407	23.68 409	5.08 411	8.84 414	5.62 411	11.50 416	6.72 407	14.87 417

DPSMNet_ROB	15.52 409	8.89 394	31.44 416	10.07 417	18.91 415	12.44 406	33.22 418	13.51 409	17.94 412	9.58 403	22.91 411	13.79 400	19.67 409	21.43 408	23.73 410	5.17 412	8.84 414	5.63 412	11.52 419	6.79 408	14.90 418

AAGNet	2.86 279	0.60 72	1.77 33	2.05 360	0.46 52	4.76 372	1.09 229	2.27 38	1.56 84	2.17 207	1.84 180	2.41 209	4.00 343	6.23 234	24.22 411	0.46 266	0.19 38	0.30 99	0.29 171	0.32 96	0.24 20

LRCNet_RVC	25.52 416	33.45 421	23.21 408	31.79 422	32.78 419	6.74 392	1.18 245	25.88 417	4.46 377	28.94 415	30.89 416	24.91 414	17.57 406	27.66 416	24.34 412	35.26 427	25.60 428	35.91 428	33.81 427	31.90 428	34.10 429

CrosDoStereo	5.24 370	0.60 72	20.23 350	0.82 36	0.51 76	3.39 108	18.11 410	3.82 185	2.27 220	1.98 142	8.74 382	1.96 161	6.96 382	7.35 255	26.35 413	0.30 110	0.22 102	0.30 99	0.28 148	0.33 111	0.38 171

DeepStereo_LL	5.24 370	0.60 72	20.23 350	0.82 36	0.51 76	3.39 108	18.11 410	3.82 185	2.27 220	1.98 142	8.74 382	1.96 161	6.96 382	7.35 255	26.35 413	0.30 110	0.22 102	0.30 99	0.28 148	0.33 111	0.38 171

JetRed	10.48 400	27.10 420	35.70 417	4.27 399	4.09 403	15.55 413	12.83 405	12.16 403	5.50 388	5.83 383	5.56 368	10.14 391	7.43 386	8.88 278	26.39 415	3.32 390	3.81 410	3.51 404	2.96 409	7.85 412	6.69 415

Anonymous_1	57.11 431	19.68 417	26.15 412	23.10 419	142.31 435	30.84 417	39.75 420	33.86 423	16.98 407	70.53 432	15.42 406	23.46 410	19.75 411	23.04 410	27.23 416	164.73 437	9.02 417	130.38 433	137.40 434	161.27 438	27.24 422

DPSM_ROB	20.78 413	20.03 418	26.57 413	23.62 420	22.46 416	31.10 418	39.97 421	33.52 421	17.41 409	15.25 412	15.80 407	24.06 412	20.71 412	23.30 412	27.62 417	10.78 416	9.41 418	11.69 418	11.50 416	14.49 418	16.36 419

DPSM	20.78 413	20.03 418	26.57 413	23.62 420	22.46 416	31.10 418	39.97 421	33.52 421	17.41 409	15.25 412	15.80 407	24.06 412	20.71 412	23.30 412	27.62 417	10.78 416	9.41 418	11.69 418	11.50 416	14.49 418	16.36 419

SGM-ForestM	11.55 403	1.16 278	21.62 396	2.14 363	0.81 158	22.25 416	19.08 412	16.50 415	11.34 400	15.94 414	14.44 405	27.12 416	22.61 414	24.76 415	28.39 419	0.50 292	0.48 322	0.47 272	0.44 293	0.55 263	0.53 262

HanzoNet	31.60 420	17.23 416	21.22 386	7.32 412	5.84 410	7.25 395	3.53 377	13.82 410	14.20 406	50.38 426	47.01 424	44.45 419	56.61 430	36.61 422	32.00 420	63.89 431	56.57 432	7.97 414	89.20 432	28.69 420	28.25 423

HaxPig	43.25 426	43.65 428	45.00 421	33.85 423	35.61 421	32.69 420	30.52 415	45.09 424	42.97 426	48.77 424	48.17 425	43.00 418	40.26 418	44.58 424	43.61 421	47.18 428	49.30 429	51.54 430	50.25 429	43.73 429	45.29 430

AVERAGE_ROB	44.46 427	45.91 429	46.59 422	40.59 425	38.66 422	32.99 421	30.52 415	46.19 425	43.26 427	49.59 425	48.97 426	44.62 420	39.89 417	45.04 425	43.94 422	48.74 429	50.69 430	50.80 429	49.79 428	45.54 430	46.97 431

MEDIAN_ROB	47.37 428	49.08 430	49.92 424	40.32 424	39.97 423	34.95 422	33.43 419	49.17 426	46.39 429	53.06 427	52.65 427	47.65 421	42.23 427	48.35 433	47.29 423	52.10 430	54.04 431	54.28 431	53.48 430	48.76 431	50.33 432

LE_ROB	18.58 411	1.21 285	48.38 423	8.60 415	23.00 418	7.32 396	19.74 413	9.94 400	38.69 425	43.53 423	21.91 409	28.40 417	40.92 419	23.18 411	54.71 424	0.34 164	0.33 235	0.32 133	0.36 245	0.42 210	0.40 193

Selective-RAFT-Error	41.77 421	40.16 426	53.34 426	47.73 426	45.25 428	62.51 431	80.64 429	67.22 430	34.93 419	30.64 420	31.81 420	48.11 422	42.11 426	46.57 426	54.95 425	21.61 423	18.87 422	23.48 425	23.15 422	29.16 425	33.08 425

LSM0	49.58 429	40.04 422	53.62 431	97.15 432	128.68 434	62.75 433	79.89 428	67.63 432	35.11 423	33.02 422	32.61 422	48.43 427	41.60 421	46.60 427	55.43 426	21.63 424	18.99 427	23.62 427	23.13 421	29.47 427	52.26 433

CasAABBNet	41.80 425	40.20 427	53.41 427	47.73 426	45.18 427	62.51 431	80.71 430	67.26 431	34.80 418	30.49 416	31.88 421	48.24 423	41.81 425	46.63 428	55.64 427	21.60 422	18.88 423	23.48 425	23.22 426	29.19 426	33.05 424

MyStereo03	41.77 421	40.13 423	53.46 428	47.73 426	45.04 424	62.50 428	80.72 431	66.91 427	34.93 419	30.53 417	31.77 417	48.26 424	41.67 422	46.68 429	55.85 428	21.53 419	18.88 423	23.46 422	23.21 423	29.14 422	33.09 426

MyStereo02	41.77 421	40.13 423	53.46 428	47.73 426	45.04 424	62.50 428	80.72 431	66.91 427	34.93 419	30.53 417	31.77 417	48.26 424	41.67 422	46.68 429	55.85 428	21.53 419	18.88 423	23.46 422	23.21 423	29.14 422	33.09 426

MyStereo	41.77 421	40.13 423	53.46 428	47.73 426	45.04 424	62.50 428	80.72 431	66.91 427	34.93 419	30.53 417	31.77 417	48.26 424	41.67 422	46.68 429	55.85 428	21.53 419	18.88 423	23.46 422	23.21 423	29.14 422	33.09 426

SPstereo	30.42 419	11.55 408	18.72 311	8.51 414	9.93 411	50.05 426	82.85 434	71.73 433	35.92 424	30.73 421	29.66 415	48.61 428	42.30 428	47.77 432	58.10 431	7.32 413	8.89 416	20.37 421	10.07 415	7.98 414	7.43 416

xxxxx1	112.33 435	88.53 434	37.76 418	227.84 437	157.23 436	39.05 423	61.41 425	93.76 435	79.29 434	62.45 429	74.79 430	78.32 431	70.96 432	33.47 418	70.69 432	114.00 434	130.36 435	259.31 436	274.34 436	145.54 435	147.50 436

tt_ll	112.33 435	88.53 434	37.76 418	227.84 437	157.23 436	39.05 423	61.41 425	93.76 435	79.29 434	62.45 429	74.79 430	78.32 431	70.96 432	33.47 418	70.69 432	114.00 434	130.36 435	259.31 436	274.34 436	145.54 435	147.50 436

ff	112.33 435	88.53 434	37.76 418	227.84 437	157.23 436	39.05 423	61.41 425	93.76 435	79.29 434	62.45 429	74.79 430	78.32 431	70.96 432	33.47 418	70.69 432	114.00 434	130.36 435	259.31 436	274.34 436	145.54 435	147.50 436

BEATNet-Init1	49.72 430	64.32 433	97.77 433	4.68 407	4.28 404	84.75 434	60.42 424	73.38 434	68.59 430	88.29 434	88.51 435	91.94 435	97.99 435	85.26 437	70.96 435	0.80 347	0.65 349	0.85 361	0.70 346	7.96 413	2.33 380

DPSimNet_ROB	102.30 433	119.72 438	143.59 436	109.42 434	94.10 431	127.22 436	127.15 436	26.62 418	102.36 438	149.58 438	83.99 434	139.34 438	137.54 437	64.62 434	82.36 436	105.18 433	66.15 433	120.15 432	69.61 431	99.58 433	77.72 434

ASD4	103.30 434	113.98 437	120.24 435	106.67 433	79.75 429	115.36 435	120.35 435	119.13 438	79.65 437	120.04 436	74.64 429	101.45 436	65.48 431	109.11 438	84.31 437	104.31 432	90.04 434	133.15 434	103.58 433	130.15 434	94.66 435

test_example2	212.63 438	219.92 439	221.87 438	213.67 436	221.17 439	199.47 438	200.74 437	185.30 439	141.66 439	209.52 439	213.45 437	210.82 439	205.48 438	221.27 439	216.64 438	236.83 438	242.07 439	213.93 435	217.01 435	235.69 439	226.10 439

FADE		13.79 414		10.71 418	13.34 413			28.60 419	8.36 397	5.15 380		11.85 396		44.37 423		474.90 439	161.58 438	347.36 439	322.13 439	7.29 411	6.23 414

Low-res two-view benchmark