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

IGEVStereo-DCA	0.29 12	0.22 128	0.38 53	0.35 29	0.27 172	0.37 86	0.35 135	0.62 56	0.34 9	0.38 21	0.30 6	0.35 26	0.27 23	0.51 56	0.22 1	0.15 79	0.12 98	0.16 60	0.12 29	0.13 20	0.15 106

rrr	0.29 12	0.22 128	0.41 81	0.35 29	0.27 172	0.37 86	0.32 102	0.52 19	0.42 46	0.38 21	0.30 6	0.35 26	0.27 23	0.51 56	0.22 1	0.15 79	0.12 98	0.16 60	0.13 50	0.13 20	0.14 87

Selective-IGEV	0.24 1	0.18 34	0.35 29	0.35 29	0.19 9	0.27 25	0.25 31	0.55 27	0.23 1	0.27 2	0.25 2	0.34 21	0.19 2	0.58 106	0.22 1	0.12 4	0.10 9	0.14 16	0.11 15	0.12 8	0.10 3

CES	0.28 8	0.14 2	0.23 1	0.30 4	0.70 370	0.37 86	0.27 43	0.48 11	0.46 56	0.34 14	0.48 30	0.27 2	0.22 6	0.39 14	0.23 4	0.13 12	0.11 57	0.12 2	0.08 1	0.13 20	0.17 162

test_xeample3	0.29 12	0.21 101	0.41 81	0.35 29	0.26 148	0.35 78	0.32 102	0.56 28	0.36 21	0.43 39	0.32 9	0.34 21	0.28 32	0.54 69	0.23 4	0.14 32	0.11 57	0.16 60	0.12 29	0.14 45	0.13 58

AEACV	0.27 5	0.17 19	0.31 13	0.34 11	0.45 329	0.26 17	0.28 50	0.37 1	0.32 7	0.30 7	0.46 24	0.31 8	0.37 89	0.36 5	0.24 6	0.14 32	0.10 9	0.15 42	0.12 29	0.13 20	0.11 9

Any-RAFT	0.35 47	0.16 8	0.30 11	0.34 11	0.21 29	0.52 149	0.22 8	0.88 191	0.73 137	0.53 62	0.73 89	0.64 146	0.28 32	0.46 37	0.24 6	0.15 79	0.10 9	0.13 9	0.10 10	0.13 20	0.12 33

PMTNet	0.32 28	0.16 8	0.24 3	0.29 2	0.18 7	0.45 131	0.22 8	0.56 28	0.63 98	0.46 46	0.54 46	0.39 38	0.34 75	0.48 49	0.24 6	0.75 381	0.10 9	0.12 2	0.08 1	0.12 8	0.11 9

ACVNet-DCA	0.35 47	0.23 145	0.33 20	0.41 132	0.22 42	0.55 164	0.38 185	0.85 177	0.54 73	0.41 32	0.50 33	0.34 21	0.49 148	0.57 89	0.25 9	0.16 110	0.10 9	0.19 155	0.13 50	0.18 157	0.17 162

xx1	0.39 108	0.23 145	0.33 20	0.41 132	0.22 42	0.55 164	0.38 185	0.67 91	1.06 298	0.41 32	0.50 33	0.65 156	0.53 166	0.57 89	0.25 9	0.16 110	0.10 9	0.20 179	0.19 209	0.18 157	0.17 162

cc1	0.37 80	0.23 145	0.33 20	0.41 132	0.22 42	0.55 164	0.38 185	0.67 91	1.06 298	0.41 32	0.50 33	0.34 21	0.49 148	0.57 89	0.25 9	0.16 110	0.10 9	0.19 155	0.13 50	0.16 108	0.15 106

ff7	0.29 12	0.21 101	0.38 53	0.36 37	0.26 148	0.31 53	0.35 135	0.62 56	0.34 9	0.38 21	0.33 10	0.32 10	0.29 42	0.58 106	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

ffff	0.29 12	0.21 101	0.38 53	0.36 37	0.26 148	0.31 53	0.35 135	0.62 56	0.34 9	0.38 21	0.33 10	0.32 10	0.29 42	0.58 106	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

ffm	0.44 149	0.26 212	0.49 182	0.37 45	0.25 112	0.55 164	0.37 165	0.68 100	1.04 286	0.73 159	0.96 194	0.71 177	0.53 166	0.57 89	0.25 9	0.16 110	0.10 9	0.25 269	0.21 248	0.16 108	0.16 145

11t	0.29 12	0.21 101	0.38 53	0.36 37	0.26 148	0.31 53	0.35 135	0.62 56	0.34 9	0.38 21	0.33 10	0.32 10	0.29 42	0.58 106	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

tt1	0.36 65	0.24 180	0.32 17	0.41 132	0.22 42	0.54 159	0.38 185	0.68 100	1.04 286	0.41 32	0.46 24	0.35 26	0.45 135	0.57 89	0.25 9	0.16 110	0.10 9	0.19 155	0.13 50	0.16 108	0.16 145

MSKI-zero shot	0.32 28	0.17 19	0.34 26	0.39 85	0.21 29	0.32 63	0.22 8	0.61 52	0.43 48	0.52 59	0.64 68	0.61 132	0.20 4	0.74 213	0.25 9	0.14 32	0.10 9	0.14 16	0.10 10	0.12 8	0.12 33

HH	0.35 47	0.20 70	0.47 156	0.40 108	0.25 112	0.33 67	0.31 86	0.76 152	0.38 35	0.43 39	0.57 54	0.79 216	0.44 131	0.71 197	0.25 9	0.15 79	0.11 57	0.15 42	0.14 72	0.14 45	0.12 33

HanStereo	0.35 47	0.20 70	0.47 156	0.40 108	0.25 112	0.33 67	0.31 86	0.76 152	0.38 35	0.43 39	0.57 54	0.79 216	0.44 131	0.71 197	0.25 9	0.15 79	0.11 57	0.15 42	0.14 72	0.14 45	0.12 33

anonymousdsp	0.29 12	0.21 101	0.38 53	0.37 45	0.25 112	0.30 43	0.35 135	0.63 61	0.35 16	0.39 29	0.33 10	0.33 18	0.28 32	0.59 120	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

MC-Stereo	0.28 8	0.17 19	0.32 17	0.38 66	0.20 20	0.26 17	0.26 37	0.49 13	0.37 31	0.37 17	0.61 63	0.41 43	0.31 57	0.55 71	0.25 9	0.13 12	0.09 2	0.14 16	0.12 29	0.12 8	0.11 9

ccc-4	0.29 12	0.21 101	0.38 53	0.36 37	0.26 148	0.31 53	0.35 135	0.62 56	0.34 9	0.38 21	0.33 10	0.32 10	0.29 42	0.58 106	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

IGEV-Stereo	0.29 12	0.21 101	0.38 53	0.37 45	0.25 112	0.30 43	0.35 135	0.63 61	0.35 16	0.39 29	0.33 10	0.33 18	0.28 32	0.59 120	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CREStereo	0.28 8	0.15 3	0.24 3	0.27 1	0.17 3	0.37 86	0.25 31	0.51 16	0.72 132	0.42 37	0.51 38	0.32 10	0.26 17	0.38 12	0.25 9	0.16 110	0.11 57	0.12 2	0.08 1	0.12 8	0.11 9
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
CASnet	0.30 24	0.20 70	0.33 20	0.41 132	0.16 2	0.26 17	0.24 24	0.52 19	0.53 69	0.52 59	0.54 46	0.39 38	0.24 10	0.40 16	0.26 25	0.14 32	0.10 9	0.22 230	0.18 185	0.18 157	0.11 9
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
EGLCR-Stereo	0.25 2	0.16 8	0.33 20	0.34 11	0.20 20	0.35 78	0.20 1	0.52 19	0.36 21	0.28 4	0.27 4	0.41 43	0.18 1	0.45 30	0.26 25	0.14 32	0.10 9	0.16 60	0.14 72	0.13 20	0.11 9

ProNet	0.29 12	0.21 101	0.38 53	0.35 29	0.24 86	0.32 63	0.43 230	0.57 31	0.37 31	0.33 13	0.30 6	0.32 10	0.28 32	0.57 89	0.26 25	0.13 12	0.11 57	0.16 60	0.13 50	0.13 20	0.13 58

RAFT_CTSACE	0.45 159	0.20 70	0.44 119	0.45 223	0.27 172	0.34 73	0.39 204	0.60 46	0.73 137	0.76 172	1.44 327	0.83 228	0.38 92	1.08 315	0.26 25	0.12 4	0.13 152	0.18 119	0.16 123	0.15 77	0.11 9

CroCo-Stereo	0.26 3	0.22 128	0.36 34	0.48 256	0.22 42	0.20 1	0.29 57	0.51 16	0.44 52	0.28 4	0.23 1	0.42 49	0.26 17	0.29 1	0.26 25	0.15 79	0.13 152	0.13 9	0.11 15	0.16 108	0.12 33
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
XX-Stereo	0.37 80	0.17 19	0.45 130	0.55 322	0.36 277	0.38 98	0.20 1	0.60 46	0.30 3	0.46 46	1.30 303	0.73 196	0.26 17	0.56 79	0.26 25	0.16 110	0.11 57	0.17 85	0.16 123	0.14 45	0.10 3

CFNet-RSSM	0.34 35	0.17 19	0.45 130	0.39 85	0.22 42	0.35 78	0.23 18	0.73 139	0.84 186	0.65 106	0.54 46	0.57 101	0.28 32	0.46 37	0.26 25	0.13 12	0.10 9	0.14 16	0.12 29	0.13 20	0.11 9

Gwc-CoAtRS	0.34 35	0.17 19	0.44 119	0.39 85	0.23 69	0.34 73	0.22 8	0.70 123	0.75 144	0.60 77	0.59 59	0.58 109	0.29 42	0.45 30	0.26 25	0.14 32	0.11 57	0.14 16	0.12 29	0.12 8	0.12 33

MyStereo07	0.32 28	0.22 128	0.34 26	0.42 169	0.28 191	0.40 102	0.50 262	0.72 132	0.37 31	0.37 17	0.34 16	0.32 10	0.31 57	0.59 120	0.27 33	0.14 32	0.13 152	0.18 119	0.17 163	0.17 139	0.16 145

IGEV_Zeroshot_test	0.34 35	0.18 34	0.67 271	0.39 85	0.28 191	0.30 43	0.25 31	0.74 141	0.31 5	0.62 83	0.57 54	0.54 91	0.25 11	0.53 66	0.27 33	0.14 32	0.10 9	0.15 42	0.14 72	0.14 45	0.12 33

RAFT-Test	0.34 35	0.18 34	0.37 44	0.38 66	0.23 69	0.50 142	0.23 18	0.69 109	0.40 39	0.60 77	0.85 152	0.61 132	0.28 32	0.46 37	0.27 33	0.14 32	0.11 57	0.14 16	0.11 15	0.13 20	0.12 33

CAS	0.34 35	0.13 1	0.25 6	1.28 388	0.30 224	0.46 133	0.38 185	0.48 11	0.47 59	0.34 14	0.52 42	0.24 1	0.19 2	0.29 1	0.27 33	0.69 379	0.08 1	0.12 2	0.08 1	0.12 8	0.15 106

RCA-Stereo	0.35 47	0.17 19	0.34 26	0.38 66	0.22 42	0.31 53	0.34 118	0.68 100	1.24 332	0.45 44	0.65 70	0.47 69	0.43 123	0.38 12	0.27 33	0.13 12	0.10 9	0.14 16	0.11 15	0.11 1	0.11 9

iRaft-Stereo_20w	0.39 108	0.19 49	0.57 229	0.37 45	0.27 172	0.31 53	0.24 24	1.44 357	0.29 2	0.69 129	0.53 44	0.60 128	0.42 116	0.83 247	0.27 33	0.14 32	0.11 57	0.14 16	0.13 50	0.15 77	0.13 58

TRStereo	0.37 80	0.27 226	0.59 234	0.47 251	0.41 307	0.29 36	0.30 70	0.84 174	0.59 84	0.52 59	0.41 19	0.52 83	0.26 17	0.73 207	0.27 33	0.17 143	0.12 98	0.19 155	0.19 209	0.13 20	0.11 9

TANstereo	0.30 24	0.15 3	0.31 13	0.30 4	0.17 3	0.55 164	0.23 18	0.44 6	0.55 77	0.59 73	0.68 80	0.37 33	0.26 17	0.35 4	0.27 33	0.15 79	0.16 229	0.12 2	0.10 10	0.13 20	0.14 87

XX-TBD	0.32 28	0.53 340	0.26 7	0.51 297	0.20 20	0.37 86	0.24 24	0.40 3	0.73 137	0.54 64	0.69 81	0.31 8	0.25 11	0.32 3	0.27 33	0.16 110	0.10 9	0.12 2	0.09 6	0.13 20	0.11 9

EAI-Stereo	0.34 35	0.19 49	0.44 119	0.39 85	0.21 29	0.31 53	0.30 70	1.15 282	0.30 3	0.49 51	0.75 99	0.36 31	0.28 32	0.62 139	0.27 33	0.14 32	0.11 57	0.14 16	0.13 50	0.13 20	0.12 33

StereoIM	0.26 3	0.18 34	0.36 34	0.36 37	0.26 148	0.27 25	0.27 43	0.43 5	0.35 16	0.27 2	0.26 3	0.41 43	0.28 32	0.40 16	0.28 43	0.16 110	0.14 178	0.16 60	0.13 50	0.14 45	0.12 33

DLNR_Zeroshot_test	20.09 421	36.28 429	38.04 426	169.85 438	61.80 434	0.23 5	0.20 1	13.88 421	0.37 31	0.44 42	0.66 74	0.43 55	0.21 5	0.62 139	0.28 43	5.46 419	0.10 9	0.15 42	0.11 15	72.60 437	0.11 9

4D-IteraStereo	0.33 34	0.18 34	0.40 77	0.40 108	0.24 86	0.32 63	0.27 43	0.58 35	0.72 132	0.65 106	0.54 46	0.42 49	0.23 7	0.45 30	0.28 43	0.14 32	0.09 2	0.19 155	0.16 123	0.16 108	0.11 9

LoS_RVC	0.27 5	0.16 8	0.27 8	0.32 8	0.30 224	0.44 126	0.34 118	0.41 4	0.33 8	0.31 8	0.51 38	0.29 4	0.32 61	0.36 5	0.28 43	0.11 1	0.10 9	0.11 1	0.08 1	0.11 1	0.19 204

LoS	0.29 12	0.15 3	0.30 11	0.29 2	0.18 7	0.33 67	0.29 57	0.51 16	0.72 132	0.34 14	0.52 42	0.41 43	0.28 32	0.47 44	0.28 43	0.15 79	0.11 57	0.13 9	0.09 6	0.11 1	0.11 9

test_4	0.36 65	0.18 34	0.31 13	0.44 202	0.25 112	0.20 1	0.34 118	0.56 28	0.41 42	0.59 73	1.45 330	0.43 55	0.25 11	0.63 149	0.28 43	0.12 4	0.10 9	0.17 85	0.19 209	0.15 77	0.11 9

GMOStereo	0.37 80	0.19 49	0.38 53	0.43 187	0.24 86	0.37 86	0.38 185	0.52 19	0.62 88	0.87 233	0.84 144	0.64 146	0.35 77	0.37 8	0.28 43	0.13 12	0.11 57	0.20 179	0.18 185	0.15 77	0.11 9

error version	0.37 80	0.19 49	0.38 53	0.43 187	0.24 86	0.37 86	0.38 185	0.52 19	0.62 88	0.87 233	0.84 144	0.64 146	0.35 77	0.37 8	0.28 43	0.13 12	0.11 57	0.20 179	0.18 185	0.15 77	0.11 9

test-v	0.37 80	0.19 49	0.38 53	0.43 187	0.24 86	0.37 86	0.38 185	0.52 19	0.62 88	0.87 233	0.84 144	0.64 146	0.35 77	0.37 8	0.28 43	0.13 12	0.11 57	0.20 179	0.18 185	0.15 77	0.11 9

test-2	0.37 80	0.19 49	0.38 53	0.43 187	0.24 86	0.37 86	0.38 185	0.52 19	0.62 88	0.87 233	0.84 144	0.64 146	0.35 77	0.37 8	0.28 43	0.13 12	0.11 57	0.20 179	0.18 185	0.15 77	0.11 9

cross-raft	0.34 35	0.20 70	0.37 44	0.44 202	0.23 69	0.32 63	0.35 135	0.74 141	0.40 39	0.60 77	0.77 105	0.57 101	0.27 23	0.43 24	0.28 43	0.12 4	0.10 9	0.15 42	0.13 50	0.15 77	0.11 9

MyStereo06	0.38 94	0.21 101	0.61 241	0.41 132	0.28 191	0.41 115	0.50 262	0.95 214	0.35 16	0.62 83	0.54 46	0.76 208	0.27 23	0.50 52	0.29 54	0.14 32	0.13 152	0.18 119	0.17 163	0.17 139	0.15 106

AE-Stereo	0.34 35	0.21 101	0.42 100	0.48 256	0.31 241	0.48 137	0.35 135	0.61 52	0.62 88	0.32 12	0.55 51	0.52 83	0.27 23	0.47 44	0.29 54	0.13 12	0.13 152	0.18 119	0.16 123	0.15 77	0.12 33

raft_robust	0.41 131	0.23 145	0.36 34	0.42 169	0.21 29	0.40 102	0.33 111	0.79 162	0.98 258	0.79 182	0.87 159	0.39 38	0.33 69	0.84 252	0.29 54	0.13 12	0.12 98	0.16 60	0.17 163	0.15 77	0.12 33

test-1	0.36 65	0.19 49	0.71 287	0.46 242	0.26 148	0.44 126	0.36 153	0.60 46	0.59 84	0.48 50	0.67 78	0.53 87	0.36 86	0.40 16	0.29 54	0.14 32	0.11 57	0.16 60	0.14 72	0.15 77	0.16 145

raftrobust	0.34 35	0.19 49	0.36 34	0.41 132	0.27 172	0.30 43	0.25 31	0.71 128	0.63 98	0.58 71	0.55 51	0.45 61	0.46 138	0.51 56	0.29 54	0.16 110	0.12 98	0.14 16	0.12 29	0.12 8	0.13 58

Former-RAFT_DAM_RVC	0.34 35	0.27 226	0.45 130	0.36 37	0.25 112	0.48 137	0.30 70	0.58 35	0.90 223	0.42 37	0.36 17	0.30 5	0.29 42	0.49 50	0.30 59	0.16 110	0.14 178	0.18 119	0.15 94	0.18 157	0.15 106

LL-Strereo2	0.35 47	0.24 180	0.48 172	0.41 132	0.26 148	0.35 78	0.24 24	0.67 91	0.44 52	0.54 64	0.51 38	0.66 161	0.25 11	0.66 168	0.30 59	0.14 32	0.12 98	0.23 244	0.20 231	0.18 157	0.13 58

CroCo-Stereo Lap2	0.28 8	0.24 180	0.39 70	0.50 285	0.29 214	0.20 1	0.31 86	0.49 13	0.38 35	0.24 1	0.27 4	0.46 67	0.31 57	0.39 14	0.30 59	0.14 32	0.15 202	0.16 60	0.13 50	0.16 108	0.15 106

Sa-1000	0.48 182	0.24 180	0.41 81	0.45 223	0.25 112	0.59 194	0.34 118	0.81 169	0.93 238	0.82 201	1.50 334	0.53 87	0.45 135	0.92 282	0.30 59	0.15 79	0.12 98	0.21 218	0.19 209	0.15 77	0.13 58

sAnonymous2	0.40 120	0.39 299	0.85 312	0.48 256	0.37 282	0.40 102	0.46 241	0.57 31	0.52 66	0.38 21	0.46 24	0.35 26	0.42 116	0.43 24	0.30 59	0.19 200	0.14 178	0.18 119	0.17 163	0.57 368	0.44 353

CroCo_RVC	0.40 120	0.39 299	0.85 312	0.48 256	0.37 282	0.40 102	0.46 241	0.57 31	0.52 66	0.38 21	0.46 24	0.35 26	0.42 116	0.43 24	0.30 59	0.19 200	0.14 178	0.18 119	0.17 163	0.57 368	0.44 353

RAFT-Stereo + iAFF	0.36 65	0.17 19	0.41 81	0.35 29	0.19 9	0.33 67	0.29 57	0.65 72	0.73 137	0.68 124	1.01 219	0.56 96	0.40 109	0.42 21	0.30 59	0.11 1	0.09 2	0.15 42	0.14 72	0.13 20	0.10 3

test croco	0.31 26	0.20 70	0.50 194	0.39 85	0.29 214	0.27 25	0.30 70	0.44 6	0.35 16	0.31 8	0.66 74	0.30 5	0.31 57	0.65 163	0.31 66	0.17 143	0.13 152	0.20 179	0.15 94	0.17 139	0.12 33

MIF-Stereo (partial)	0.31 26	0.18 34	0.37 44	0.41 132	0.31 241	0.28 32	0.23 18	0.47 9	0.42 46	0.31 8	0.63 65	0.36 31	0.35 77	0.57 89	0.31 66	0.17 143	0.13 152	0.19 155	0.17 163	0.18 157	0.14 87

anonymousdsp2	0.35 47	0.20 70	0.43 109	0.37 45	0.24 86	0.48 137	0.31 86	0.86 180	0.65 110	0.55 66	0.50 33	0.50 78	0.34 75	0.56 79	0.31 66	0.14 32	0.10 9	0.14 16	0.10 10	0.16 108	0.14 87

test-3	0.34 35	0.16 8	0.43 109	0.39 85	0.21 29	0.43 122	0.22 8	0.63 61	0.78 163	0.71 141	0.45 21	0.64 146	0.27 23	0.43 24	0.31 66	0.12 4	0.09 2	0.17 85	0.13 50	0.12 8	0.10 3

test_1	0.34 35	0.16 8	0.43 109	0.39 85	0.21 29	0.43 122	0.23 18	0.63 61	0.78 163	0.68 124	0.45 21	0.64 146	0.27 23	0.43 24	0.31 66	0.12 4	0.09 2	0.17 85	0.13 50	0.12 8	0.10 3

test_3	0.36 65	0.19 49	0.44 119	0.44 202	0.23 69	0.48 137	0.36 153	0.66 81	0.82 178	0.64 99	0.45 21	0.68 167	0.25 11	0.41 19	0.31 66	0.12 4	0.10 9	0.18 119	0.16 123	0.15 77	0.11 9

KYRaft	0.48 182	0.20 70	0.38 53	0.44 202	0.23 69	0.44 126	0.37 165	0.66 81	0.41 42	0.94 269	1.73 349	0.79 216	0.41 115	0.63 149	0.31 66	0.16 110	0.11 57	0.18 119	0.22 263	0.16 108	0.78 380

AnonymousM	0.41 131	0.81 367	0.29 10	0.34 11	0.22 42	0.28 32	0.38 185	0.53 26	0.41 42	0.70 135	0.49 32	0.47 69	0.27 23	0.41 19	0.31 66	0.15 79	0.12 98	1.51 387	0.26 306	0.12 8	0.10 3

DCRE	0.37 80	0.18 34	0.46 146	0.45 223	0.32 253	0.42 120	0.37 165	0.63 61	0.51 63	0.47 49	0.94 183	0.56 96	0.36 86	0.52 61	0.32 74	0.14 32	0.13 152	0.15 42	0.14 72	0.14 45	0.13 58

TestStereo1	0.43 143	0.23 145	0.41 81	0.51 297	0.24 86	0.34 73	0.40 210	0.77 155	0.90 223	0.68 124	0.96 194	0.48 73	0.46 138	0.91 279	0.32 74	0.16 110	0.13 152	0.18 119	0.15 94	0.14 45	0.13 58

DisPM	0.39 108	0.19 49	0.44 119	0.41 132	0.27 172	0.24 7	0.31 86	0.65 72	0.57 82	0.87 233	0.87 159	0.60 128	0.32 61	0.76 220	0.32 74	0.18 171	0.12 98	0.19 155	0.17 163	0.15 77	0.20 224

RAFT+CT+SA	0.39 108	0.23 145	0.36 34	0.51 297	0.27 172	0.29 36	0.46 241	0.75 147	0.80 171	0.51 56	0.89 170	0.41 43	0.40 109	0.78 231	0.32 74	0.14 32	0.11 57	0.18 119	0.18 185	0.15 77	0.14 87

SA-5K	0.43 143	0.23 145	0.41 81	0.51 297	0.24 86	0.34 73	0.40 210	0.77 155	0.90 223	0.68 124	0.96 194	0.48 73	0.46 138	0.91 279	0.32 74	0.16 110	0.13 152	0.18 119	0.15 94	0.14 45	0.13 58

SA	0.44 149	0.25 198	0.46 146	0.46 242	0.24 86	0.43 122	0.36 153	0.75 147	0.96 251	0.59 73	1.03 231	0.48 73	0.52 163	0.94 294	0.32 74	0.16 110	0.12 98	0.21 218	0.19 209	0.15 77	0.13 58

TransformOpticalFlow	0.44 149	0.20 70	0.47 156	0.41 132	0.23 69	0.37 86	0.47 246	0.94 208	0.76 150	0.65 106	1.14 268	0.73 196	0.56 184	0.76 220	0.32 74	0.15 79	0.10 9	0.17 85	0.15 94	0.14 45	0.13 58

PSM-AAD	0.48 182	0.20 70	0.37 44	0.43 187	0.23 69	0.56 179	0.50 262	0.65 72	0.70 121	1.07 318	1.12 260	0.58 109	0.92 318	0.61 133	0.32 74	0.15 79	0.11 57	0.25 269	0.26 306	0.18 157	0.43 352

Prome-Stereo	0.46 165	0.19 49	0.35 29	0.44 202	0.26 148	0.40 102	0.45 238	0.68 100	0.44 52	0.96 277	1.84 356	0.59 123	0.67 242	0.61 133	0.32 74	0.14 32	0.11 57	0.16 60	0.14 72	0.16 108	0.29 293

sCroCo_RVC	0.35 47	0.28 240	0.69 280	0.51 297	0.39 295	0.41 115	0.31 86	0.49 13	0.45 55	0.31 8	0.48 30	0.38 37	0.32 61	0.46 37	0.32 74	0.21 235	0.22 289	0.19 155	0.19 209	0.21 222	0.20 224

R-Stereo Train	0.39 108	0.18 34	0.42 100	0.42 169	0.26 148	0.40 102	0.32 102	0.72 132	0.34 9	0.89 245	1.28 299	0.57 101	0.35 77	0.42 21	0.32 74	0.15 79	0.12 98	0.14 16	0.12 29	0.14 45	0.13 58

RAFT-Stereo	0.39 108	0.18 34	0.42 100	0.42 169	0.26 148	0.40 102	0.32 102	0.72 132	0.34 9	0.89 245	1.28 299	0.57 101	0.35 77	0.42 21	0.32 74	0.15 79	0.12 98	0.14 16	0.12 29	0.14 45	0.13 58
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
EKT-Stereo	0.35 47	0.23 145	0.39 70	0.43 187	0.29 214	0.38 98	0.31 86	0.69 109	0.64 105	0.45 44	0.63 65	0.49 77	0.27 23	0.56 79	0.33 86	0.18 171	0.14 178	0.18 119	0.15 94	0.16 108	0.16 145

ADStereo(finetuned)	0.37 80	0.16 8	0.49 182	0.34 11	0.19 9	0.30 43	0.30 70	0.68 100	0.91 228	0.70 135	0.77 105	0.43 55	0.69 252	0.45 30	0.33 86	0.14 32	0.10 9	0.14 16	0.11 15	0.13 20	0.12 33

STrans-v2	0.46 165	0.20 70	0.48 172	0.40 108	0.24 86	0.55 164	0.50 262	1.07 254	0.73 137	0.65 106	1.05 239	0.72 187	0.69 252	0.72 202	0.33 86	0.14 32	0.10 9	0.17 85	0.14 72	0.13 20	0.12 33

FTStereo	0.56 252	0.20 70	0.37 44	0.41 132	0.25 112	0.40 102	0.79 344	0.66 81	0.43 48	1.09 323	3.27 389	0.70 173	0.73 271	0.55 71	0.33 86	0.14 32	0.13 152	0.19 155	0.17 163	0.15 77	0.30 300

GrayStereo	0.49 198	0.19 49	0.42 100	0.46 242	0.28 191	0.53 155	0.67 317	0.69 109	0.63 98	1.02 301	1.47 333	0.78 215	0.76 278	0.56 79	0.33 86	0.14 32	0.12 98	0.17 85	0.17 163	0.15 77	0.29 293

GMM-Stereo	0.44 149	0.19 49	0.36 34	0.42 169	0.25 112	0.51 146	0.47 246	0.71 128	0.53 69	0.76 172	1.37 313	0.76 208	0.38 92	0.60 126	0.33 86	0.15 79	0.10 9	0.20 179	0.19 209	0.16 108	0.27 280

iRaftStereo_RVC	0.32 28	0.19 49	0.37 44	0.39 85	0.22 42	0.31 53	0.29 57	0.68 100	0.51 63	0.49 51	0.66 74	0.37 33	0.23 7	0.45 30	0.33 86	0.14 32	0.10 9	0.18 119	0.17 163	0.15 77	0.12 33

CREStereo++_RVC	0.32 28	0.15 3	0.23 1	0.31 6	0.24 86	0.27 25	0.22 8	0.46 8	0.88 211	0.46 46	0.80 124	0.30 5	0.26 17	0.36 5	0.33 86	0.13 12	0.09 2	0.13 9	0.51 374	0.13 20	0.09 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	0.36 65	0.15 3	0.24 3	0.34 11	0.15 1	0.77 256	0.29 57	0.80 166	0.83 183	0.56 68	0.57 54	0.43 55	0.40 109	0.57 89	0.33 86	0.12 4	0.10 9	0.14 16	0.09 6	0.14 45	0.09 1

AFF-stereo	0.38 94	0.19 49	0.39 70	0.37 45	0.21 29	0.27 25	0.31 86	0.65 72	0.66 113	0.64 99	1.13 266	0.76 208	0.39 104	0.55 71	0.33 86	0.11 1	0.09 2	0.16 60	0.16 123	0.13 20	0.11 9

qqq1	0.49 198	0.23 145	0.62 244	0.34 11	0.20 20	0.62 207	0.34 118	1.21 301	1.02 277	0.81 192	1.01 219	0.71 177	0.65 234	0.84 252	0.34 96	0.19 200	0.15 202	0.14 16	0.12 29	0.15 77	0.14 87

fff1	0.49 198	0.23 145	0.62 244	0.34 11	0.20 20	0.62 207	0.34 118	1.21 301	1.02 277	0.81 192	1.01 219	0.71 177	0.65 234	0.84 252	0.34 96	0.19 200	0.15 202	0.14 16	0.12 29	0.15 77	0.14 87

StereoVision	0.42 137	0.28 240	0.45 130	0.49 271	0.28 191	0.38 98	0.38 185	0.72 132	0.62 88	0.44 42	1.14 268	0.54 91	0.39 104	0.56 79	0.34 96	0.21 235	0.24 306	0.25 269	0.24 287	0.26 269	0.16 145

MIF-Stereo	0.27 5	0.17 19	0.37 44	0.40 108	0.27 172	0.30 43	0.28 50	0.39 2	0.31 5	0.29 6	0.46 24	0.27 2	0.25 11	0.47 44	0.34 96	0.17 143	0.13 152	0.13 9	0.12 29	0.14 45	0.12 33

knoymous	0.36 65	0.20 70	0.31 13	0.31 6	0.22 42	0.36 84	0.29 57	0.61 52	0.64 105	0.67 118	0.70 83	0.60 128	0.40 109	0.58 106	0.34 96	0.17 143	0.11 57	0.20 179	0.11 15	0.17 139	0.18 176

DCANet-4	0.36 65	0.20 70	0.48 172	0.34 11	0.19 9	0.29 36	0.30 70	0.66 81	0.92 233	0.69 129	0.78 113	0.40 41	0.47 141	0.45 30	0.34 96	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

fff	0.37 80	0.16 8	0.41 81	0.34 11	0.19 9	0.29 36	0.30 70	0.69 109	1.06 298	0.69 129	0.78 113	0.42 49	0.63 218	0.46 37	0.34 96	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

GLC_STEREO	0.29 12	0.19 49	0.27 8	0.44 202	0.19 9	0.31 53	0.26 37	0.47 9	0.43 48	0.37 17	0.47 29	0.41 43	0.23 7	0.50 52	0.34 96	0.14 32	0.18 254	0.19 155	0.16 123	0.16 108	0.13 58

PFNet+	0.40 120	0.19 49	0.49 182	0.39 85	0.25 112	0.28 32	0.23 18	0.64 71	0.70 121	0.85 221	0.79 122	0.64 146	0.35 77	0.72 202	0.34 96	0.19 200	0.14 178	0.23 244	0.20 231	0.16 108	0.20 224

LCNet	0.41 131	0.20 70	0.32 17	0.44 202	0.24 86	0.47 135	0.29 57	0.67 91	0.53 69	0.72 152	1.03 231	0.66 161	0.60 202	0.58 106	0.34 96	0.14 32	0.10 9	0.19 155	0.19 209	0.21 222	0.36 325

RAFT	0.45 159	0.22 128	0.45 130	0.47 251	0.26 148	0.54 159	0.47 246	0.66 81	0.58 83	0.80 184	0.82 134	0.94 261	0.57 185	0.75 217	0.34 96	0.17 143	0.15 202	0.22 230	0.20 231	0.16 108	0.12 33

RALAANet	0.38 94	0.23 145	0.48 172	0.42 169	0.29 214	0.35 78	0.25 31	0.86 180	0.64 105	0.67 118	0.65 70	0.60 128	0.29 42	0.60 126	0.34 96	0.15 79	0.12 98	0.17 85	0.15 94	0.21 222	0.13 58

DCANet	0.36 65	0.16 8	0.41 81	0.34 11	0.19 9	0.30 43	0.30 70	0.68 100	0.91 228	0.70 135	0.77 105	0.43 55	0.57 185	0.45 30	0.34 96	0.14 32	0.10 9	0.14 16	0.11 15	0.13 20	0.12 33

csc	0.37 80	0.16 8	0.41 81	0.34 11	0.19 9	0.29 36	0.30 70	0.69 109	1.06 298	0.69 129	0.78 113	0.42 49	0.63 218	0.46 37	0.34 96	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

cscssc	0.37 80	0.16 8	0.41 81	0.34 11	0.19 9	0.29 36	0.30 70	0.69 109	1.06 298	0.69 129	0.78 113	0.42 49	0.63 218	0.46 37	0.34 96	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

Selective-RAFT	0.35 47	0.23 145	0.51 201	0.44 202	0.21 29	0.64 222	0.27 43	0.59 37	0.63 98	0.40 31	0.38 18	0.55 94	0.40 109	0.57 89	0.35 111	0.13 12	0.11 57	0.14 16	0.12 29	0.16 108	0.13 58

test_5	0.43 143	0.24 180	0.43 109	0.52 308	0.28 191	0.28 32	0.42 229	0.72 132	0.82 178	0.62 83	0.91 175	0.72 187	0.55 179	0.79 234	0.35 111	0.14 32	0.11 57	0.18 119	0.18 185	0.18 157	0.16 145

HHNet	0.41 131	0.17 19	0.41 81	0.34 11	0.37 282	0.33 67	0.34 118	0.69 109	0.75 144	0.86 226	1.30 303	0.52 83	0.32 61	0.52 61	0.35 111	0.15 79	0.11 57	0.19 155	0.15 94	0.15 77	0.24 263

OMP-Stereo	0.42 137	0.22 128	0.46 146	0.52 308	0.24 86	0.36 84	0.25 31	0.71 128	0.78 163	0.77 177	0.64 68	0.89 250	0.39 104	0.91 279	0.35 111	0.15 79	0.12 98	0.20 179	0.15 94	0.15 77	0.12 33

IIG-Stereo	0.43 143	0.21 101	0.44 119	0.50 285	0.25 112	0.44 126	0.21 4	0.71 128	0.76 150	0.83 213	0.95 190	0.83 228	0.43 123	0.90 272	0.35 111	0.15 79	0.12 98	0.19 155	0.14 72	0.15 77	0.11 9

NF-Stereo	0.38 94	0.20 70	0.45 130	0.41 132	0.25 112	0.26 17	0.31 86	0.69 109	0.70 121	0.65 106	0.77 105	0.57 101	0.30 53	0.67 178	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.16 108	0.27 280

OCTAStereo	0.38 94	0.20 70	0.46 146	0.41 132	0.25 112	0.26 17	0.31 86	0.69 109	0.70 121	0.65 106	0.77 105	0.58 109	0.30 53	0.67 178	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.16 108	0.27 280

PSM-adaLoss	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.31 86	0.59 37	0.36 21	0.63 90	0.73 89	0.58 109	0.38 92	0.56 79	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

ROB_FTStereo	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.25 15	0.21 4	0.59 37	0.36 21	0.63 90	0.73 89	0.58 109	0.38 92	0.57 89	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

HUI-Stereo	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.22 8	0.60 46	0.36 21	0.63 90	0.73 89	0.58 109	0.38 92	0.50 52	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

SST-Stereo	0.40 120	0.19 49	0.45 130	0.42 169	0.25 112	0.25 15	0.21 4	0.66 81	0.47 59	1.08 321	0.79 122	0.72 187	0.43 123	0.77 227	0.35 111	0.16 110	0.11 57	0.20 179	0.16 123	0.19 191	0.15 106

RAFT_R40	0.40 120	0.19 49	0.44 119	0.43 187	0.25 112	0.23 5	0.26 37	0.67 91	0.67 115	0.98 286	0.78 113	0.72 187	0.43 123	0.76 220	0.35 111	0.16 110	0.11 57	0.20 179	0.16 123	0.18 157	0.14 87

RE-Stereo	0.38 94	0.20 70	0.46 146	0.41 132	0.25 112	0.26 17	0.31 86	0.69 109	0.70 121	0.65 106	0.77 105	0.58 109	0.30 53	0.67 178	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.16 108	0.27 280

Pruner-Stereo	0.38 94	0.20 70	0.45 130	0.40 108	0.25 112	0.22 4	0.24 24	0.67 91	0.55 77	0.89 245	0.76 101	0.68 167	0.29 42	0.62 139	0.35 111	0.18 171	0.12 98	0.20 179	0.17 163	0.17 139	0.18 176

TVStereo	0.38 94	0.20 70	0.46 146	0.41 132	0.25 112	0.26 17	0.31 86	0.69 109	0.70 121	0.65 106	0.77 105	0.58 109	0.30 53	0.67 178	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.16 108	0.27 280

111	0.40 120	0.17 19	0.41 81	0.34 11	0.19 9	0.52 149	0.28 50	0.74 141	1.16 319	0.50 54	0.91 175	0.63 139	0.48 145	0.61 133	0.35 111	0.14 32	0.10 9	0.14 16	0.12 29	0.13 20	0.13 58

CoDeX	0.47 175	0.20 70	0.49 182	0.42 169	0.25 112	0.75 253	0.36 153	1.27 326	0.80 171	0.82 201	0.96 194	0.62 138	0.57 185	0.60 126	0.36 127	0.17 143	0.12 98	0.17 85	0.15 94	0.16 108	0.14 87

riskmin	0.38 94	0.20 70	0.39 70	0.32 8	0.23 69	0.53 155	0.30 70	0.63 61	0.80 171	0.49 51	0.56 53	0.73 196	0.58 192	0.55 71	0.36 127	0.17 143	0.11 57	0.19 155	0.13 50	0.19 191	0.20 224

Patchmatch Stereo++	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.22 8	0.59 37	0.36 21	0.63 90	0.73 89	0.58 109	0.38 92	0.58 106	0.36 127	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106
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
ROB_FTStereo_v2	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.31 86	0.59 37	0.36 21	0.63 90	0.73 89	0.57 101	0.38 92	0.57 89	0.36 127	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

iGMRVC	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.30 70	0.59 37	0.36 21	0.63 90	0.73 89	0.58 109	0.38 92	0.58 106	0.36 127	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

RAFT-RH_RVC	0.56 252	0.17 19	0.41 81	0.37 45	0.23 69	0.57 183	0.24 24	0.60 46	0.70 121	1.19 334	3.94 400	0.56 96	0.38 92	0.65 163	0.36 127	0.13 12	0.11 57	0.20 179	0.14 72	0.12 8	0.13 58

IRAFT_RVC	0.42 137	0.20 70	0.48 172	0.44 202	0.24 86	0.27 25	0.54 286	0.74 141	0.77 157	0.76 172	0.80 124	0.73 196	0.51 161	0.70 192	0.36 127	0.17 143	0.10 9	0.21 218	0.16 123	0.16 108	0.14 87

RAFT-345	0.40 120	0.18 34	0.40 77	0.38 66	0.22 42	0.33 67	0.26 37	0.61 52	0.51 63	0.74 165	1.79 354	0.45 61	0.33 69	0.66 168	0.36 127	0.14 32	0.11 57	0.18 119	0.14 72	0.13 20	0.13 58

iRAFT	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.22 8	0.59 37	0.36 21	0.63 90	0.73 89	0.58 109	0.38 92	0.58 106	0.36 127	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

RAFT-IKP	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.28 50	0.59 37	0.36 21	0.63 90	0.73 89	0.57 101	0.38 92	0.58 106	0.36 127	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

RALCasStereoNet	0.36 65	0.21 101	0.37 44	0.42 169	0.26 148	0.35 78	0.38 185	0.63 61	0.64 105	0.50 54	0.72 85	0.51 81	0.29 42	0.59 120	0.36 127	0.16 110	0.14 178	0.15 42	0.13 50	0.17 139	0.16 145

HCRNet	0.44 149	0.34 274	0.41 81	0.53 313	0.26 148	0.53 155	0.29 57	0.83 171	0.63 98	0.71 141	0.81 131	0.77 214	0.50 158	0.66 168	0.36 127	0.24 267	0.16 229	0.24 258	0.20 231	0.21 222	0.18 176

MIPNet	0.37 80	0.21 101	0.59 234	0.39 85	0.25 112	0.50 142	0.28 50	0.77 155	0.70 121	0.65 106	0.60 60	0.40 41	0.49 148	0.44 29	0.37 139	0.14 32	0.11 57	0.16 60	0.13 50	0.14 45	0.13 58

NRIStereo	0.36 65	0.20 70	0.45 130	0.41 132	0.23 69	0.34 73	0.26 37	0.65 72	0.55 77	0.64 99	0.63 65	0.56 96	0.37 89	0.65 163	0.37 139	0.15 79	0.11 57	0.18 119	0.15 94	0.17 139	0.14 87

ASMatch	0.48 182	0.19 49	0.45 130	0.39 85	0.28 191	0.37 86	0.26 37	0.74 141	0.68 116	0.76 172	2.34 369	0.61 132	0.52 163	0.62 139	0.37 139	0.14 32	0.12 98	0.17 85	0.15 94	0.14 45	0.21 237

PFNet	0.42 137	0.18 34	0.58 233	0.43 187	0.24 86	0.43 122	0.32 102	0.74 141	0.78 163	1.00 294	0.74 98	0.68 167	0.39 104	0.72 202	0.37 139	0.16 110	0.10 9	0.20 179	0.15 94	0.16 108	0.13 58

TestStereo	0.38 94	0.31 259	0.40 77	0.45 223	0.20 20	0.40 102	0.37 165	0.66 81	0.65 110	0.53 62	0.78 113	0.47 69	0.40 109	0.55 71	0.37 139	0.18 171	0.13 152	0.20 179	0.15 94	0.22 238	0.13 58

ARAFT	0.47 175	0.24 180	0.79 307	0.42 169	0.25 112	0.55 164	0.55 290	0.75 147	0.81 177	0.89 245	0.75 99	0.73 196	0.47 141	0.88 265	0.37 139	0.15 79	0.12 98	0.23 244	0.22 263	0.14 45	0.13 58

SFCPSM	0.47 175	0.21 101	0.55 220	0.40 108	0.27 172	0.87 289	0.37 165	1.33 337	0.77 157	0.80 184	0.84 144	0.54 91	0.49 148	0.57 89	0.37 139	0.18 171	0.13 152	0.18 119	0.20 231	0.16 108	0.15 106

DN-CSS_ROB	0.43 143	0.26 212	0.62 244	0.40 108	0.29 214	0.44 126	0.27 43	0.77 155	0.75 144	0.72 152	1.09 255	0.48 73	0.43 123	0.69 189	0.37 139	0.15 79	0.12 98	0.21 218	0.19 209	0.18 157	0.16 145

whm_eth	0.48 182	0.30 254	0.74 294	0.46 242	0.38 290	0.37 86	0.37 165	0.79 162	0.78 163	0.82 201	1.74 351	0.37 33	0.38 92	0.60 126	0.38 147	0.18 171	0.16 229	0.20 179	0.20 231	0.19 191	0.22 250

MIM_Stereo	0.38 94	0.17 19	0.53 212	0.37 45	0.24 86	0.27 25	0.24 24	0.70 123	0.54 73	0.72 152	1.00 216	0.63 139	0.29 42	0.64 156	0.38 147	0.13 12	0.14 178	0.17 85	0.16 123	0.14 45	0.11 9

IPLGR	0.39 108	0.21 101	0.63 252	0.39 85	0.22 42	0.49 141	0.29 57	0.76 152	0.74 142	0.78 180	0.77 105	0.44 60	0.42 116	0.47 44	0.38 147	0.13 12	0.12 98	0.16 60	0.14 72	0.15 77	0.13 58

CRE-IMP	0.36 65	0.23 145	0.49 182	0.42 169	0.24 86	0.41 115	0.21 4	0.57 31	0.41 42	0.65 106	0.72 85	0.53 87	0.37 89	0.61 133	0.38 147	0.17 143	0.11 57	0.19 155	0.15 94	0.21 222	0.18 176

Anonymous3	0.46 165	0.34 274	0.86 317	0.50 285	0.37 282	0.81 271	0.50 262	0.72 132	0.65 110	0.51 56	0.65 70	0.45 61	0.45 135	0.64 156	0.38 147	0.24 267	0.24 306	0.22 230	0.21 248	0.23 247	0.23 257

Anonymous	0.39 108	0.27 226	0.66 267	0.53 313	0.43 318	0.55 164	0.49 258	0.63 61	0.50 62	0.37 17	0.42 20	0.33 18	0.42 116	0.56 79	0.38 147	0.20 221	0.19 268	0.17 85	0.18 185	0.30 293	0.24 263

PSM-softLoss	0.38 94	0.20 70	0.48 172	0.41 132	0.26 148	0.30 43	0.35 135	0.69 109	0.46 56	0.62 83	0.82 134	0.59 123	0.33 69	0.70 192	0.39 153	0.19 200	0.12 98	0.20 179	0.18 185	0.16 108	0.22 250

KMStereo	0.38 94	0.20 70	0.48 172	0.41 132	0.26 148	0.30 43	0.35 135	0.69 109	0.46 56	0.62 83	0.82 134	0.59 123	0.33 69	0.70 192	0.39 153	0.19 200	0.12 98	0.20 179	0.18 185	0.16 108	0.22 250

DeepStereo_RVC	0.36 65	0.21 101	0.47 156	0.40 108	0.24 86	0.26 17	0.22 8	0.60 46	0.38 35	0.69 129	0.67 78	0.57 101	0.51 161	0.56 79	0.39 153	0.16 110	0.12 98	0.18 119	0.15 94	0.19 191	0.18 176

rafts_anoy	0.37 80	0.21 101	0.36 34	0.41 132	0.26 148	0.30 43	0.33 111	0.67 91	0.90 223	0.58 71	0.66 74	0.45 61	0.33 69	0.47 44	0.39 153	0.16 110	0.11 57	0.21 218	0.23 274	0.17 139	0.14 87

iResNetv2_ROB	0.52 227	0.27 226	0.69 280	0.38 66	0.25 112	0.62 207	0.35 135	1.17 290	1.01 274	0.99 289	1.06 245	0.88 246	0.67 242	0.66 168	0.39 153	0.19 200	0.13 152	0.15 42	0.11 15	0.18 157	0.16 145

11t1	0.36 65	0.21 101	0.42 100	0.35 29	0.22 42	0.62 207	0.29 57	0.69 109	0.43 48	0.60 77	0.53 44	0.53 87	0.48 145	0.56 79	0.40 158	0.18 171	0.14 178	0.16 60	0.13 50	0.17 139	0.17 162

DRaft	0.49 198	0.17 19	0.47 156	0.37 45	0.25 112	0.58 185	0.40 210	0.65 72	0.85 193	1.02 301	1.75 353	0.50 78	0.82 297	0.63 149	0.40 158	0.13 12	0.11 57	0.16 60	0.16 123	0.14 45	0.15 106

raft+_RVC	0.38 94	0.19 49	0.35 29	0.37 45	0.25 112	0.45 131	0.37 165	0.78 160	0.89 221	0.51 56	0.78 113	0.50 78	0.29 42	0.53 66	0.40 158	0.15 79	0.12 98	0.17 85	0.15 94	0.14 45	0.12 33

CASS	0.45 159	0.27 226	0.42 100	0.48 256	0.22 42	0.61 200	0.34 118	0.97 220	0.62 88	0.71 141	0.85 152	0.61 132	0.55 179	0.57 89	0.41 161	0.29 306	0.16 229	0.22 230	0.18 185	0.22 238	0.28 287
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
UDGNet	0.48 182	0.77 364	0.50 194	0.48 256	0.31 241	0.41 115	0.34 118	0.70 123	0.92 233	0.65 106	0.60 60	0.58 109	0.43 123	0.63 149	0.41 161	0.32 327	0.15 202	0.66 375	0.19 209	0.36 323	0.21 237

GANet-ADL	0.42 137	0.25 198	0.45 130	0.43 187	0.29 214	0.54 159	0.35 135	0.89 193	0.86 198	0.63 90	0.72 85	0.68 167	0.42 116	0.52 61	0.41 161	0.21 235	0.14 178	0.15 42	0.13 50	0.18 157	0.19 204

GMStereo	0.39 108	0.37 286	0.54 215	0.40 108	0.26 148	0.42 120	0.36 153	0.59 37	1.04 286	0.55 66	0.51 38	0.37 33	0.35 77	0.54 69	0.41 161	0.19 200	0.13 152	0.16 60	0.17 163	0.24 257	0.18 176
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
MyStereo05	0.44 149	0.21 101	0.45 130	0.41 132	0.28 191	0.41 115	0.50 262	0.93 204	1.09 309	0.76 172	0.61 63	0.51 81	0.57 185	0.73 207	0.42 165	0.14 32	0.13 152	0.18 119	0.17 163	0.17 139	0.15 106

IER	0.46 165	0.23 145	0.50 194	0.38 66	0.28 191	0.69 238	0.35 135	0.80 166	0.66 113	0.83 213	0.94 183	0.75 202	0.77 282	0.60 126	0.42 165	0.17 143	0.14 178	0.17 85	0.17 163	0.17 139	0.15 106

DEmStereo	0.48 182	0.17 19	0.50 194	0.38 66	0.25 112	0.59 194	0.34 118	0.63 61	0.74 142	0.89 245	1.66 345	0.58 109	1.06 338	0.60 126	0.42 165	0.14 32	0.11 57	0.16 60	0.16 123	0.14 45	0.15 106

THIR-Stereo	0.50 211	0.18 34	0.45 130	0.38 66	0.23 69	0.75 253	0.67 317	0.66 81	0.87 207	1.02 301	1.40 319	0.72 187	0.76 278	0.62 139	0.42 165	0.15 79	0.11 57	0.17 85	0.18 185	0.14 45	0.15 106

DIP-Stereo	0.39 108	0.21 101	0.50 194	0.41 132	0.28 191	0.62 207	0.27 43	0.77 155	0.40 39	0.64 99	0.86 155	0.52 83	0.33 69	0.66 168	0.42 165	0.15 79	0.13 152	0.17 85	0.14 72	0.15 77	0.15 106
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
GMStereo_Zeroshot	0.49 198	0.44 314	0.74 294	0.49 271	0.27 172	0.56 179	0.29 57	0.73 139	0.76 150	0.86 226	0.94 183	0.91 256	0.36 86	0.74 213	0.43 170	0.26 287	0.14 178	0.26 283	0.15 94	0.36 323	0.18 176

PCWNet_CMD	0.48 182	0.24 180	0.52 206	0.39 85	0.27 172	0.63 216	0.30 70	0.95 214	0.96 251	0.86 226	1.07 248	0.79 216	0.44 131	0.57 89	0.43 170	0.17 143	0.12 98	0.21 218	0.16 123	0.24 257	0.19 204

CFNet_ucs	0.50 211	0.24 180	0.55 220	0.38 66	0.31 241	0.58 185	0.33 111	0.98 223	0.93 238	0.88 241	1.19 286	0.80 224	0.49 148	0.63 149	0.43 170	0.21 235	0.15 202	0.26 283	0.18 185	0.26 269	0.22 250

anonymousa	0.49 198	0.20 70	0.42 100	0.38 66	0.23 69	0.91 291	0.35 135	0.75 147	0.62 88	0.85 221	1.54 338	1.06 291	0.66 239	0.51 56	0.43 170	0.16 110	0.13 152	0.19 155	0.21 248	0.16 108	0.14 87

BSDual-CNN	0.46 165	0.25 198	0.43 109	0.45 223	0.28 191	0.77 256	0.40 210	0.94 208	0.76 150	0.75 167	0.80 124	0.76 208	0.54 177	0.64 156	0.43 170	0.20 221	0.14 178	0.22 230	0.19 209	0.18 157	0.18 176

psmg	0.49 198	0.25 198	0.43 109	0.41 132	0.28 191	0.85 285	0.43 230	0.99 225	0.76 150	0.91 257	0.94 183	0.76 208	0.54 177	0.64 156	0.43 170	0.20 221	0.15 202	0.20 179	0.20 231	0.18 157	0.18 176

DAS	0.51 218	0.25 198	0.60 239	0.48 256	0.31 241	0.58 185	0.41 222	0.83 171	0.97 254	0.89 245	1.12 260	0.70 173	0.75 275	0.82 240	0.43 170	0.17 143	0.13 152	0.18 119	0.15 94	0.20 204	0.18 176

SepStereo	0.51 218	0.25 198	0.60 239	0.48 256	0.31 241	0.58 185	0.41 222	0.83 171	0.97 254	0.89 245	1.12 260	0.70 173	0.75 275	0.93 287	0.43 170	0.17 143	0.13 152	0.18 119	0.15 94	0.20 204	0.18 176

GES	0.44 149	0.23 145	0.57 229	0.40 108	0.30 224	0.59 194	0.36 153	0.96 216	0.68 116	0.74 165	0.83 139	0.47 69	0.48 145	0.67 178	0.43 170	0.22 253	0.16 229	0.17 85	0.16 123	0.18 157	0.23 257

MSMDNet	0.48 182	0.24 180	0.52 206	0.39 85	0.27 172	0.63 216	0.30 70	0.96 216	0.96 251	0.86 226	1.07 248	0.79 216	0.44 131	0.57 89	0.43 170	0.17 143	0.12 98	0.20 179	0.16 123	0.23 247	0.19 204

HITNet	0.41 131	0.26 212	0.45 130	0.33 10	0.17 3	0.63 216	0.30 70	0.93 204	0.64 105	0.71 141	0.82 134	0.64 146	0.52 163	0.59 120	0.43 170	0.14 32	0.10 9	0.15 42	0.13 50	0.19 191	0.12 33
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
iResNet_ROB	0.52 227	0.21 101	0.53 212	0.37 45	0.21 29	0.61 200	0.29 57	1.51 366	1.32 344	0.90 252	1.02 227	0.80 224	0.62 212	0.76 220	0.43 170	0.16 110	0.12 98	0.13 9	0.09 6	0.15 77	0.18 176

MyStereo04	0.44 149	0.22 128	0.44 119	0.42 169	0.28 191	0.40 102	0.50 262	1.00 228	1.08 307	0.62 83	0.58 58	0.55 94	0.57 185	0.71 197	0.44 182	0.14 32	0.13 152	0.18 119	0.17 163	0.17 139	0.16 145

CIPLG	0.41 131	0.21 101	0.63 252	0.45 223	0.33 262	0.52 149	0.33 111	0.65 72	0.60 86	0.82 201	0.96 194	0.46 67	0.32 61	0.55 71	0.44 182	0.16 110	0.12 98	0.15 42	0.14 72	0.13 20	0.14 87

CFNet_pseudo	0.46 165	0.24 180	0.52 206	0.37 45	0.27 172	0.58 185	0.30 70	0.86 180	0.88 211	0.82 201	1.03 231	0.75 202	0.47 141	0.58 106	0.44 182	0.17 143	0.12 98	0.24 258	0.16 123	0.24 257	0.19 204

FENet	0.42 137	0.22 128	0.38 53	0.39 85	0.24 86	0.55 164	0.32 102	0.79 162	0.70 121	0.71 141	0.72 85	0.63 139	0.57 185	0.62 139	0.44 182	0.19 200	0.13 152	0.19 155	0.17 163	0.18 157	0.19 204

GANet-RSSM	0.47 175	0.21 101	0.37 44	0.38 66	0.25 112	0.58 185	0.36 153	1.07 254	0.78 163	0.68 124	1.01 219	0.86 236	0.67 242	0.62 139	0.44 182	0.21 235	0.15 202	0.18 119	0.18 185	0.18 157	0.17 162

ccs_rob	0.46 165	0.24 180	0.52 206	0.37 45	0.27 172	0.58 185	0.31 86	0.86 180	0.88 211	0.82 201	1.02 227	0.75 202	0.47 141	0.58 106	0.44 182	0.17 143	0.12 98	0.24 258	0.16 123	0.24 257	0.19 204

1test111	0.36 65	0.23 145	0.33 20	0.41 132	0.22 42	0.55 164	0.38 185	0.85 177	0.54 73	0.41 32	0.50 33	0.34 21	0.49 148	0.55 71	0.45 188	0.16 110	0.10 9	0.19 155	0.13 50	0.18 157	0.17 162

mmm	0.44 149	0.27 226	0.46 146	0.38 66	0.24 86	0.61 200	0.35 135	0.94 208	0.53 69	0.72 152	1.05 239	0.63 139	0.50 158	0.57 89	0.45 188	0.18 171	0.15 202	0.23 244	0.20 231	0.20 204	0.18 176

qqq	0.40 120	0.26 212	0.44 119	0.36 37	0.22 42	0.46 133	0.36 153	0.85 177	0.54 73	0.56 68	0.69 81	0.65 156	0.53 166	0.55 71	0.45 188	0.17 143	0.16 229	0.20 179	0.19 209	0.18 157	0.17 162

hknet	0.49 198	0.25 198	0.51 201	0.45 223	0.29 214	0.77 256	0.40 210	0.94 208	0.83 183	0.75 167	0.80 124	0.97 267	0.61 207	0.73 207	0.45 188	0.18 171	0.14 178	0.22 230	0.19 209	0.18 157	0.18 176

IPLG	0.39 108	0.20 70	0.59 234	0.40 108	0.24 86	0.54 159	0.27 43	0.75 147	0.63 98	0.84 220	0.81 131	0.32 10	0.32 61	0.60 126	0.45 188	0.13 12	0.11 57	0.16 60	0.13 50	0.13 20	0.12 33

ACRE	0.40 120	0.21 101	0.65 262	0.45 223	0.33 262	0.51 146	0.33 111	0.66 81	0.63 98	0.80 184	0.92 179	0.45 61	0.32 61	0.52 61	0.45 188	0.16 110	0.12 98	0.15 42	0.14 72	0.13 20	0.14 87

CrosDoStereo	0.50 211	0.18 34	0.45 130	0.38 66	0.24 86	0.40 102	1.18 374	0.67 91	0.86 198	0.94 269	1.37 313	0.63 139	0.77 282	0.65 163	0.45 188	0.15 79	0.12 98	0.17 85	0.18 185	0.14 45	0.14 87

DeepStereo_LL	0.50 211	0.18 34	0.45 130	0.38 66	0.24 86	0.40 102	1.18 374	0.67 91	0.86 198	0.94 269	1.37 313	0.63 139	0.77 282	0.65 163	0.45 188	0.15 79	0.12 98	0.17 85	0.18 185	0.14 45	0.14 87

FADNet-RVC-Resample	0.56 252	0.33 269	1.16 342	0.49 271	0.34 269	0.71 245	0.43 230	1.01 235	0.93 238	0.82 201	0.87 159	0.74 201	0.67 242	0.73 207	0.45 188	0.18 171	0.18 254	0.26 283	0.27 311	0.26 269	0.27 280

UCFNet_RVC	0.49 198	0.26 212	0.35 29	0.39 85	0.26 148	0.64 222	0.36 153	1.15 282	0.84 186	0.67 118	0.88 166	0.88 246	0.59 198	0.58 106	0.45 188	0.24 267	0.17 243	0.27 295	0.27 311	0.25 265	0.23 257

x	0.39 108	0.24 180	0.41 81	0.34 11	0.23 69	0.52 149	0.32 102	0.86 180	0.52 66	0.57 70	0.70 83	0.59 123	0.50 158	0.49 50	0.46 198	0.17 143	0.15 202	0.17 85	0.15 94	0.17 139	0.16 145

IPLGR_C	0.40 120	0.21 101	0.64 257	0.45 223	0.33 262	0.52 149	0.34 118	0.66 81	0.62 88	0.82 201	0.92 179	0.45 61	0.32 61	0.52 61	0.46 198	0.17 143	0.12 98	0.15 42	0.14 72	0.13 20	0.14 87

AdaStereo	0.50 211	0.32 261	0.47 156	0.48 256	0.25 112	0.67 234	0.32 102	1.17 290	0.88 211	0.75 167	0.99 214	0.75 202	0.49 148	0.67 178	0.46 198	0.27 294	0.12 98	0.28 302	0.18 185	0.23 247	0.18 176
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.
HSM	0.51 218	0.24 180	0.41 81	0.39 85	0.24 86	0.75 253	0.40 210	1.22 309	0.75 144	0.81 192	0.91 175	1.21 314	0.69 252	0.87 262	0.46 198	0.17 143	0.13 152	0.17 85	0.14 72	0.17 139	0.17 162

RAFT + AFF	0.53 230	0.29 248	0.75 297	0.51 297	0.32 253	0.63 216	0.60 303	1.00 228	0.91 228	0.78 180	0.87 159	0.83 228	0.58 192	0.80 235	0.47 202	0.17 143	0.20 276	0.23 244	0.22 263	0.18 157	0.18 176

PSMNet-RSSM	0.48 182	0.22 128	0.38 53	0.42 169	0.25 112	0.50 142	0.37 165	1.10 263	0.77 157	0.70 135	1.06 245	0.84 232	0.64 228	0.62 139	0.47 202	0.23 258	0.15 202	0.23 244	0.25 296	0.20 204	0.19 204

NOSS_ROB	0.57 257	0.39 299	0.39 70	0.44 202	0.30 224	0.73 249	0.54 286	1.03 242	1.08 307	0.67 118	0.87 159	0.76 208	0.57 185	0.77 227	0.47 202	0.38 350	0.38 362	0.44 353	0.42 360	0.37 325	0.34 318

pcwnet_v2	0.58 263	0.28 240	0.84 311	0.45 223	0.35 275	0.61 200	0.35 135	1.27 326	1.21 327	0.99 289	1.27 297	0.72 187	0.58 192	0.67 178	0.48 205	0.27 294	0.21 283	0.24 258	0.23 274	0.29 284	0.29 293

HSM-Net_RVC	0.53 230	0.22 128	0.35 29	0.37 45	0.21 29	0.85 285	0.37 165	1.23 313	0.93 238	0.90 252	1.15 273	1.26 318	0.63 218	0.72 202	0.48 205	0.17 143	0.13 152	0.16 60	0.15 94	0.17 139	0.15 106
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
LL-Strereo	0.57 257	0.27 226	0.68 274	0.48 256	0.34 269	0.39 101	0.48 252	0.94 208	0.97 254	0.83 213	0.78 113	1.10 302	1.18 350	1.33 345	0.49 207	0.17 143	0.14 178	0.22 230	0.19 209	0.16 108	0.17 162

gwcnet-sp	0.48 182	0.23 145	0.70 284	0.40 108	0.26 148	0.81 271	0.41 222	0.89 193	0.84 186	0.91 257	0.76 101	0.66 161	0.61 207	0.66 168	0.50 208	0.18 171	0.17 243	0.18 119	0.18 185	0.18 157	0.18 176

scenet	0.48 182	0.23 145	0.70 284	0.40 108	0.26 148	0.81 271	0.41 222	0.89 193	0.84 186	0.91 257	0.76 101	0.66 161	0.61 207	0.66 168	0.50 208	0.18 171	0.17 243	0.18 119	0.18 185	0.18 157	0.18 176

ssnet	0.48 182	0.23 145	0.70 284	0.40 108	0.26 148	0.81 271	0.41 222	0.89 193	0.84 186	0.91 257	0.76 101	0.66 161	0.61 207	0.66 168	0.50 208	0.18 171	0.17 243	0.18 119	0.18 185	0.18 157	0.18 176

dd	0.43 143	0.38 295	0.55 220	0.44 202	0.25 112	0.47 135	0.38 185	0.70 123	1.05 291	0.59 73	0.65 70	0.42 49	0.39 104	0.66 168	0.50 208	0.24 267	0.15 202	0.21 218	0.15 94	0.22 238	0.18 176

dad	0.58 263	0.50 328	0.64 257	0.43 187	0.30 224	0.59 194	0.36 153	0.78 160	1.25 336	1.01 299	1.17 280	1.15 312	0.53 166	0.68 186	0.50 208	0.35 343	0.23 299	0.37 339	0.21 248	0.29 284	0.20 224

GwcNet-ADL	0.44 149	0.22 128	0.48 172	0.45 223	0.30 224	0.40 102	0.37 165	0.92 202	0.97 254	0.71 141	0.78 113	0.61 132	0.42 116	0.62 139	0.50 208	0.19 200	0.14 178	0.15 42	0.14 72	0.18 157	0.18 176

FADNet	0.61 275	0.51 331	1.10 336	0.45 223	0.44 325	0.65 227	0.41 222	1.19 295	1.05 291	0.70 135	0.84 144	0.98 270	0.66 239	0.82 240	0.50 208	0.29 306	0.30 334	0.27 295	0.30 322	0.46 350	0.35 323

CBMV_ROB	0.59 270	0.37 286	0.38 53	0.39 85	0.28 191	0.74 250	0.28 50	1.00 228	0.98 258	0.94 269	1.25 295	0.81 226	0.78 287	0.87 262	0.50 208	0.36 346	0.37 360	0.43 350	0.40 354	0.33 308	0.30 300

MyStereo8	0.40 120	0.20 70	0.54 215	0.41 132	0.29 214	0.53 155	0.29 57	0.65 72	0.49 61	0.71 141	0.98 209	0.58 109	0.43 123	0.50 52	0.51 216	0.15 79	0.12 98	0.16 60	0.14 72	0.19 191	0.19 204

BUS	0.45 159	0.25 198	0.43 109	0.45 223	0.28 191	0.70 240	0.34 118	0.94 208	0.76 150	0.75 167	0.80 124	0.65 156	0.49 148	0.64 156	0.51 216	0.20 221	0.14 178	0.22 230	0.19 209	0.18 157	0.18 176

NINENet	0.50 211	0.29 248	0.51 201	0.45 223	0.32 253	0.70 240	0.34 118	1.10 263	0.88 211	0.80 184	0.94 183	0.65 156	0.49 148	0.73 207	0.51 216	0.22 253	0.20 276	0.25 269	0.18 185	0.22 238	0.21 237

SACVNet	0.58 263	0.34 274	0.55 220	0.55 322	0.36 277	0.63 216	0.48 252	1.13 273	0.77 157	1.02 301	1.06 245	1.02 282	0.74 273	0.90 272	0.51 216	0.27 294	0.21 283	0.25 269	0.24 287	0.29 284	0.36 325

DeepPruner_ROB	0.53 230	0.34 274	0.59 234	0.41 132	0.30 224	0.50 142	0.43 230	1.19 295	0.70 121	0.85 221	1.05 239	0.86 236	0.55 179	0.84 252	0.51 216	0.29 306	0.23 299	0.22 230	0.22 263	0.26 269	0.25 269

MLCV	0.47 175	0.24 180	0.61 241	0.37 45	0.17 3	0.61 200	0.33 111	0.80 166	0.87 207	0.94 269	1.13 266	0.72 187	0.43 123	0.89 270	0.51 216	0.13 12	0.10 9	0.13 9	0.11 15	0.14 45	0.12 33

iResNet	0.49 198	0.29 248	0.79 307	0.42 169	0.21 29	0.61 200	0.40 210	0.82 170	0.99 263	0.87 233	1.12 260	0.69 171	0.53 166	0.78 231	0.51 216	0.15 79	0.11 57	0.14 16	0.12 29	0.17 139	0.15 106

HBP-ISP	0.59 270	0.45 318	0.43 109	0.45 223	0.33 262	0.70 240	0.28 50	1.11 268	1.00 270	0.83 213	1.18 282	0.65 156	0.68 248	0.88 265	0.52 223	0.35 343	0.38 362	0.47 358	0.41 359	0.38 329	0.31 306

CFNet	0.51 218	0.29 248	0.46 146	0.41 132	0.27 172	0.70 240	0.32 102	1.13 273	1.00 270	0.72 152	1.07 248	0.85 234	0.60 202	0.76 220	0.52 223	0.19 200	0.14 178	0.23 244	0.23 274	0.21 222	0.16 145

CVANet_RVC	0.57 257	0.33 269	0.44 119	0.47 251	0.32 253	0.67 234	0.61 308	1.05 250	0.93 238	0.85 221	1.04 235	1.01 277	0.73 271	0.83 247	0.52 223	0.29 306	0.19 268	0.27 295	0.25 296	0.31 298	0.21 237

CFNet-ft	0.48 182	0.23 145	0.36 34	0.40 108	0.26 148	0.64 222	0.37 165	0.87 187	0.85 193	0.64 99	1.00 216	1.01 277	0.64 228	0.61 133	0.53 226	0.23 258	0.15 202	0.24 258	0.21 248	0.23 247	0.18 176

BEATNet_4x	0.46 165	0.32 261	0.56 226	0.37 45	0.19 9	0.63 216	0.35 135	1.01 235	0.72 132	0.77 177	0.83 139	0.70 173	0.59 198	0.68 186	0.53 226	0.16 110	0.12 98	0.16 60	0.14 72	0.24 257	0.16 145

CFNet_RVC	0.48 182	0.23 145	0.36 34	0.40 108	0.26 148	0.64 222	0.37 165	0.87 187	0.85 193	0.64 99	1.00 216	1.01 277	0.64 228	0.61 133	0.53 226	0.23 258	0.15 202	0.24 258	0.21 248	0.23 247	0.18 176

AACVNet	0.50 211	0.23 145	0.49 182	0.46 242	0.29 214	0.52 149	0.38 185	0.90 197	0.55 77	0.81 192	1.03 231	1.00 274	0.70 262	0.83 247	0.54 229	0.21 235	0.18 254	0.24 258	0.18 185	0.23 247	0.20 224

ICVP	0.46 165	0.25 198	0.38 53	0.48 256	0.28 191	0.58 185	0.43 230	1.00 228	0.70 121	0.67 118	0.95 190	0.75 202	0.55 179	0.53 66	0.54 229	0.23 258	0.17 243	0.19 155	0.17 163	0.19 191	0.20 224
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
cf-r	0.47 175	0.23 145	0.41 81	0.39 85	0.23 69	0.59 194	0.37 165	0.88 191	0.85 193	0.72 152	1.05 239	0.94 261	0.62 212	0.56 79	0.54 229	0.21 235	0.14 178	0.17 85	0.19 209	0.15 77	0.15 106

DMCA	0.45 159	0.26 212	0.50 194	0.38 66	0.28 191	0.51 146	0.34 118	0.93 204	0.68 116	0.75 167	0.83 139	0.79 216	0.53 166	0.51 56	0.54 229	0.21 235	0.16 229	0.21 218	0.16 123	0.19 191	0.21 237

SMFormer	0.51 218	0.23 145	0.62 244	0.34 11	0.20 20	0.62 207	0.34 118	1.21 301	1.02 277	0.81 192	1.01 219	0.71 177	0.65 234	0.84 252	0.55 233	0.19 200	0.15 202	0.18 119	0.16 123	0.18 157	0.18 176

tta	0.51 218	0.23 145	0.62 244	0.34 11	0.20 20	0.62 207	0.34 118	1.21 301	1.02 277	0.81 192	1.01 219	0.71 177	0.65 234	0.84 252	0.55 233	0.19 200	0.15 202	0.18 119	0.16 123	0.15 77	0.14 87

ToySt	0.49 198	0.27 226	0.75 297	0.40 108	0.27 172	0.64 222	0.49 258	0.84 174	0.77 157	0.60 77	0.83 139	0.88 246	0.66 239	0.70 192	0.56 235	0.16 110	0.17 243	0.21 218	0.20 231	0.21 222	0.19 204

Anonymous_2	0.82 316	0.44 314	0.63 252	0.40 108	0.43 318	0.80 266	0.52 279	0.72 132	0.77 157	0.71 141	0.60 60	0.87 241	0.76 278	0.75 217	0.58 236	0.52 369	0.54 382	0.54 369	4.82 418	0.56 366	0.40 342

DSFCA	0.55 241	0.25 198	0.62 244	0.40 108	0.36 277	0.74 250	0.52 279	1.04 245	0.82 178	1.06 315	0.84 144	0.89 250	0.63 218	0.99 297	0.58 236	0.25 277	0.21 283	0.21 218	0.21 248	0.21 222	0.19 204

MaskLacGwcNet_RVC	0.67 283	0.81 367	0.73 290	0.53 313	0.37 282	1.40 353	0.53 282	1.04 245	0.79 170	0.88 241	0.94 183	0.95 263	0.53 166	0.93 287	0.58 236	0.39 352	0.30 334	0.57 371	0.31 329	0.53 362	0.30 300

TDLM	0.57 257	0.33 269	0.49 182	0.51 297	0.30 224	0.66 230	0.73 337	1.03 242	1.01 274	0.82 201	1.10 257	0.84 232	0.70 262	0.86 261	0.58 236	0.28 300	0.17 243	0.25 269	0.22 263	0.26 269	0.19 204

ttt	0.51 218	0.25 198	0.43 109	0.38 66	0.24 86	0.65 227	0.38 185	1.18 293	1.05 291	0.72 152	1.08 251	0.63 139	0.49 148	0.84 252	0.59 240	0.24 267	0.21 283	0.22 230	0.20 231	0.24 257	0.24 263

DMCA-RVC	0.51 218	0.30 254	0.59 234	0.50 285	0.32 253	0.54 159	0.38 185	0.86 180	0.68 116	0.94 269	0.86 155	0.91 256	0.68 248	0.70 192	0.59 240	0.23 258	0.18 254	0.31 318	0.23 274	0.26 269	0.19 204

PS-NSSS	0.58 263	0.44 314	0.62 244	0.42 169	0.33 262	0.66 230	0.58 299	1.02 238	0.86 198	0.77 177	1.28 299	0.72 187	0.64 228	0.82 240	0.59 240	0.31 315	0.26 320	0.40 347	0.27 311	0.33 308	0.26 273

NLCA_NET_v2_RVC	0.53 230	0.32 261	0.64 257	0.44 202	0.30 224	0.66 230	0.44 236	1.04 245	0.88 211	0.91 257	0.91 175	0.99 271	0.60 202	0.68 186	0.60 243	0.21 235	0.17 243	0.22 230	0.22 263	0.21 222	0.21 237
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
psm_up	0.55 241	0.26 212	0.47 156	0.49 271	0.32 253	0.65 227	0.56 295	1.04 245	0.82 178	0.82 201	0.88 166	1.01 277	0.94 324	0.74 213	0.61 244	0.21 235	0.25 314	0.26 283	0.23 274	0.21 222	0.20 224

STTStereo	0.55 241	0.37 286	0.76 302	0.44 202	0.31 241	0.60 199	0.44 236	0.96 216	0.86 198	0.99 289	0.90 173	0.96 265	0.58 192	0.71 197	0.61 244	0.25 277	0.23 299	0.26 283	0.32 335	0.24 257	0.23 257

CSP-Net	0.56 252	0.27 226	0.49 182	0.41 132	0.28 191	1.22 342	0.50 262	1.23 313	0.72 132	0.95 276	0.95 190	0.89 250	0.62 212	0.83 247	0.62 246	0.26 287	0.17 243	0.17 85	0.17 163	0.18 157	0.17 162

UNet	0.54 240	0.26 212	0.66 267	0.44 202	0.40 300	0.99 308	0.41 222	0.98 223	0.75 144	0.83 213	0.89 170	1.04 286	0.72 270	0.73 207	0.62 246	0.19 200	0.14 178	0.20 179	0.17 163	0.20 204	0.17 162

SGM-Forest	0.62 276	0.32 261	0.39 70	0.43 187	0.30 224	1.02 312	0.55 290	1.09 262	1.05 291	1.06 315	1.18 282	1.10 302	0.67 242	0.88 265	0.62 246	0.31 315	0.33 353	0.33 328	0.30 322	0.30 293	0.28 287
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
PSMNet-ADL	0.48 182	0.27 226	0.40 77	0.48 256	0.30 224	0.68 236	0.37 165	0.90 197	0.80 171	0.61 82	0.80 124	0.92 258	0.62 212	0.72 202	0.63 249	0.23 258	0.18 254	0.18 119	0.20 231	0.22 238	0.20 224

CBMV	0.64 278	0.35 278	0.41 81	0.42 169	0.25 112	1.01 310	0.77 341	1.13 273	1.09 309	1.17 332	1.22 288	1.04 286	0.75 275	0.88 265	0.63 249	0.28 300	0.30 334	0.34 330	0.30 322	0.26 269	0.26 273
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
SQANet	0.82 316	0.74 362	0.67 271	1.13 383	0.98 381	1.11 327	0.47 246	1.07 254	0.83 183	0.91 257	1.05 239	1.03 284	0.74 273	1.01 300	0.64 251	0.61 376	0.24 306	1.03 383	0.35 342	1.18 387	0.58 374

GEStereo_RVC	0.55 241	0.29 248	0.63 252	0.49 271	0.31 241	0.70 240	0.54 286	1.22 309	0.92 233	0.82 201	0.85 152	0.85 234	0.63 218	0.90 272	0.65 252	0.24 267	0.16 229	0.19 155	0.16 123	0.21 222	0.22 250

NVstereo2D	0.60 273	0.30 254	0.75 297	0.48 256	0.43 318	0.89 290	0.48 252	1.05 250	1.15 318	0.66 117	0.86 155	0.88 246	0.70 262	0.99 297	0.65 252	0.32 327	0.15 202	0.28 302	0.20 231	0.40 332	0.36 325

iRaft-Stereo_5w	0.45 159	0.21 101	0.48 172	0.42 169	0.28 191	0.31 53	0.54 286	0.63 61	0.62 88	0.62 83	0.89 170	1.01 277	0.69 252	0.75 217	0.66 254	0.13 12	0.12 98	0.17 85	0.15 94	0.14 45	0.15 106

GwcNet-RSSM	0.49 198	0.24 180	0.42 100	0.40 108	0.23 69	0.55 164	0.38 185	0.93 204	0.93 238	0.71 141	1.16 278	0.86 236	0.60 202	0.62 139	0.66 254	0.21 235	0.14 178	0.19 155	0.20 231	0.16 108	0.15 106

GANet	0.70 290	0.37 286	0.55 220	0.51 297	0.34 269	0.94 296	0.96 361	1.08 258	0.94 245	1.04 310	1.98 362	1.13 309	0.88 312	1.12 321	0.66 254	0.25 277	0.26 320	0.27 295	0.22 263	0.31 298	0.22 250

LMCR-Stereo	0.53 230	0.30 254	0.53 212	0.58 332	0.30 224	0.83 281	0.36 153	1.19 295	0.76 150	0.88 241	1.04 235	0.56 96	0.62 212	0.82 240	0.67 257	0.19 200	0.15 202	0.19 155	0.14 72	0.23 247	0.17 162

ACVNet	0.46 165	0.23 145	0.36 34	0.39 85	0.28 191	0.58 185	0.40 210	0.87 187	0.80 171	0.64 99	0.96 194	0.79 216	0.60 202	0.63 149	0.67 257	0.17 143	0.15 202	0.16 60	0.15 94	0.18 157	0.15 106

hitnet-ft	0.55 241	0.27 226	0.39 70	0.41 132	0.28 191	0.78 260	0.40 210	0.92 202	0.90 223	0.82 201	1.01 219	1.13 309	0.70 262	0.78 231	0.67 257	0.28 300	0.20 276	0.28 302	0.22 263	0.29 284	0.26 273

NaN_ROB	0.69 288	0.44 314	0.69 280	0.51 297	0.33 262	0.97 303	1.06 368	1.22 309	1.19 324	1.24 342	0.96 194	1.08 298	0.78 287	1.20 329	0.67 257	0.24 267	0.30 334	0.23 244	0.24 287	0.23 247	0.25 269

FADNet-RVC	0.60 273	0.53 340	1.14 341	0.46 242	0.39 295	0.61 200	0.39 204	1.12 272	0.87 207	0.70 135	0.84 144	1.04 286	0.55 179	0.94 294	0.69 261	0.26 287	0.25 314	0.28 302	0.28 316	0.31 298	0.31 306

CC-Net-ROB	0.82 316	0.96 378	0.85 312	0.58 332	0.45 329	1.27 347	0.70 331	1.17 290	1.02 277	0.83 213	1.23 292	0.90 254	0.77 282	1.06 310	0.69 261	0.46 360	0.34 355	1.71 389	0.38 347	0.59 372	0.36 325

DLCB_ROB	0.58 263	0.28 240	0.47 156	0.49 271	0.32 253	0.77 256	0.50 262	0.99 225	0.92 233	1.04 310	1.14 268	1.21 314	0.69 252	0.88 265	0.69 261	0.20 221	0.20 276	0.22 230	0.22 263	0.21 222	0.18 176

SDNR	0.86 324	0.37 286	1.47 372	0.40 108	0.38 290	3.38 401	0.33 111	0.90 197	0.98 258	0.99 289	2.09 366	0.59 123	0.71 266	1.29 341	0.70 264	0.51 368	0.56 383	0.36 335	0.26 306	0.43 342	0.46 358

FINET	0.67 283	0.42 308	1.00 329	0.46 242	0.43 318	0.83 281	0.89 355	1.08 258	1.50 359	0.87 233	1.14 268	0.71 177	0.68 248	0.92 282	0.70 264	0.36 346	0.30 334	0.26 283	0.24 287	0.35 319	0.33 314

ac_64	0.52 227	0.22 128	0.50 194	0.45 223	0.28 191	0.80 266	0.45 238	1.02 238	0.61 87	0.91 257	0.83 139	1.07 296	0.68 248	0.74 213	0.70 264	0.21 235	0.18 254	0.20 179	0.19 209	0.18 157	0.15 106

FADNet_RVC	0.55 241	0.37 286	1.17 347	0.44 202	0.31 241	0.56 179	0.34 118	1.06 253	0.88 211	0.67 118	0.90 173	0.61 132	0.65 234	0.93 287	0.70 264	0.21 235	0.18 254	0.26 283	0.23 274	0.31 298	0.28 287

CRFU-Net	0.57 257	0.27 226	0.57 229	0.46 242	0.30 224	1.20 341	0.52 279	1.10 263	0.56 81	1.00 294	0.98 209	1.06 291	0.79 289	0.81 238	0.71 268	0.21 235	0.19 268	0.18 119	0.16 123	0.18 157	0.19 204

UPFNet	0.53 230	0.24 180	0.51 201	0.45 223	0.38 290	0.84 284	0.49 258	0.99 225	0.75 144	0.87 233	0.88 166	0.86 236	0.64 228	0.80 235	0.71 268	0.20 221	0.20 276	0.20 179	0.20 231	0.19 191	0.15 106

DDUNet	1.06 349	2.56 413	0.68 274	1.21 385	1.26 389	1.03 315	0.69 326	1.11 268	0.94 245	0.96 277	1.22 288	1.27 319	0.82 297	0.93 287	0.72 270	0.84 384	0.38 362	1.99 393	0.60 379	1.10 386	0.85 384

ADLNet2	0.55 241	0.25 198	0.65 262	0.47 251	0.30 224	0.83 281	0.50 262	1.05 250	0.95 250	0.80 184	0.98 209	0.99 271	0.69 252	0.77 227	0.73 271	0.20 221	0.16 229	0.17 85	0.18 185	0.21 222	0.21 237

HGLStereo	0.56 252	0.28 240	0.57 229	0.50 285	0.37 282	0.80 266	0.45 238	1.02 238	0.78 163	0.86 226	1.14 268	0.89 250	0.82 297	0.76 220	0.73 271	0.21 235	0.20 276	0.19 155	0.18 185	0.19 191	0.21 237

MDST_ROB	0.91 333	0.27 226	0.85 312	0.63 346	0.41 307	2.53 385	0.71 335	1.60 373	1.13 315	2.83 395	1.73 349	0.97 267	0.69 252	1.61 363	0.73 271	0.25 277	0.22 289	0.32 323	0.28 316	0.25 265	0.24 263

delet	0.55 241	0.24 180	0.55 220	0.44 202	0.33 262	1.07 321	0.50 262	1.00 228	0.86 198	0.85 221	0.96 194	0.90 254	0.63 218	0.83 247	0.74 274	0.18 171	0.18 254	0.20 179	0.21 248	0.16 108	0.15 106

AANet_RVC	0.57 257	0.32 261	0.54 215	0.45 223	0.27 172	0.57 183	0.48 252	1.00 228	1.28 340	0.86 226	1.33 307	0.87 241	0.58 192	1.07 313	0.75 275	0.18 171	0.12 98	0.15 42	0.13 50	0.18 157	0.18 176

otaku	1.04 346	0.93 375	0.88 319	1.33 389	1.05 386	1.66 370	0.70 331	1.40 352	1.18 322	1.08 321	1.32 306	1.33 332	0.91 315	1.23 333	0.76 276	0.72 380	0.46 379	1.24 385	0.50 372	1.40 388	0.75 378

CBFPSM	0.59 270	0.22 128	1.31 359	0.38 66	0.27 172	1.12 330	0.65 314	0.79 162	0.82 178	0.80 184	0.81 131	1.35 338	0.87 309	0.67 178	0.76 276	0.16 110	0.15 202	0.15 42	0.16 123	0.17 139	0.22 250

MMNet	0.55 241	0.25 198	0.61 241	0.43 187	0.34 269	1.07 321	0.39 204	0.87 187	0.91 228	0.91 257	0.93 182	0.86 236	0.76 278	0.81 238	0.76 276	0.15 79	0.14 178	0.18 119	0.19 209	0.20 204	0.16 145

GANetREF_RVC	0.80 312	0.75 363	0.86 317	0.66 355	0.42 313	1.15 334	0.98 362	1.14 279	1.19 324	1.01 299	1.02 227	1.10 302	0.90 314	1.15 323	0.76 276	0.48 363	0.39 366	0.57 371	0.38 347	0.63 374	0.46 358
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
ACVNet-4b	1.35 369	1.31 389	1.10 336	1.90 397	1.59 392	1.92 377	0.77 341	1.52 369	1.62 369	1.05 312	1.60 342	2.11 373	0.94 324	1.64 367	0.77 280	1.30 395	0.35 357	2.03 397	0.67 382	1.88 397	0.84 383

AASNet	0.53 230	0.25 198	0.52 206	0.49 271	0.32 253	0.74 250	0.40 210	1.50 363	0.86 198	0.86 226	0.92 179	0.64 146	0.59 198	0.59 120	0.79 281	0.23 258	0.19 268	0.20 179	0.16 123	0.21 222	0.19 204

NCCL2	0.72 298	0.41 306	0.65 262	0.64 347	0.44 325	0.98 307	1.20 376	1.11 268	1.00 270	0.98 286	0.96 194	1.49 351	0.87 309	0.90 272	0.79 281	0.31 315	0.26 320	0.39 344	0.39 351	0.32 303	0.32 310

GASNet	0.67 283	0.72 360	0.96 325	0.70 365	0.48 337	0.62 207	0.47 246	1.08 258	1.03 282	0.94 269	0.82 134	0.93 260	0.83 301	1.33 345	0.80 283	0.31 315	0.22 289	0.29 310	0.28 316	0.44 343	0.24 263

Syn2CoEx	0.71 294	0.51 331	0.95 323	0.64 347	0.45 329	0.91 291	0.53 282	1.48 360	1.13 315	0.93 266	1.35 309	1.02 282	0.99 332	0.92 282	0.80 283	0.30 312	0.27 324	0.28 302	0.24 287	0.23 247	0.24 263

ETE_ROB	0.70 290	0.49 324	0.73 290	0.56 325	0.36 277	0.79 263	0.87 354	1.14 279	0.93 238	1.19 334	1.18 282	1.39 341	0.82 297	0.99 297	0.80 283	0.26 287	0.21 283	0.31 318	0.26 306	0.33 308	0.34 318

fast-acv-ft	0.64 278	0.30 254	0.73 290	0.45 223	0.34 269	1.17 337	0.49 258	0.86 180	0.98 258	1.02 301	1.36 310	1.29 322	0.85 304	0.76 220	0.81 286	0.21 235	0.23 299	0.23 244	0.23 274	0.21 222	0.20 224

ADLNet	0.55 241	0.27 226	0.51 201	0.44 202	0.35 275	0.78 260	0.46 241	1.08 258	0.86 198	0.99 289	0.98 209	0.92 258	0.63 218	0.69 189	0.81 286	0.22 253	0.16 229	0.22 230	0.22 263	0.21 222	0.21 237

DGSMNet	0.76 304	0.55 343	1.29 358	0.58 332	0.62 363	0.94 296	0.70 331	1.26 324	1.11 311	0.83 213	1.24 293	1.00 274	0.71 266	1.03 307	0.81 286	0.34 339	0.29 331	0.41 348	0.40 354	0.57 368	0.55 373

MSMD_ROB	1.21 362	0.49 324	0.62 244	0.59 335	0.50 340	1.62 369	0.67 317	1.23 313	1.24 332	2.45 389	3.77 395	3.09 389	2.98 401	1.32 344	0.81 286	0.45 359	0.41 369	0.49 364	0.51 374	0.47 352	0.44 353

Ntro	1.09 353	0.97 381	0.91 321	1.44 390	1.19 388	1.69 373	0.80 345	1.35 342	1.25 336	1.00 294	1.29 302	1.31 325	0.97 330	1.26 336	0.84 290	0.84 384	0.43 374	1.36 386	0.50 372	1.56 389	0.78 380

UDG	0.88 327	0.82 370	0.67 271	1.00 379	0.96 378	1.02 312	0.57 298	1.13 273	0.99 263	0.90 252	0.97 208	1.31 325	0.99 332	0.85 259	0.84 290	0.54 373	0.32 347	1.77 390	0.40 354	0.94 380	0.66 377

RP	0.76 304	0.36 283	0.63 252	0.66 355	0.58 360	0.80 266	0.55 290	1.14 279	1.22 329	0.97 282	1.65 343	1.43 345	1.32 360	1.01 300	0.84 290	0.33 333	0.30 334	0.36 335	0.30 322	0.34 315	0.34 318

stereogan	0.80 312	0.31 259	0.71 287	0.59 335	0.50 340	1.72 374	0.48 252	1.35 342	1.37 347	1.00 294	1.46 332	1.56 358	0.95 327	1.29 341	0.84 290	0.28 300	0.29 331	0.29 310	0.25 296	0.38 329	0.38 337

edge stereo	0.76 304	0.38 295	0.74 294	0.52 308	0.43 318	0.80 266	0.53 282	1.28 328	1.06 298	1.28 344	1.38 318	1.81 365	1.11 343	1.08 315	0.85 294	0.33 333	0.32 347	0.41 348	0.28 316	0.32 303	0.36 325

FAT-Stereo	0.73 300	0.33 269	0.75 297	0.49 271	0.37 282	0.71 245	0.59 301	1.36 345	1.30 342	1.03 309	1.40 319	1.59 361	1.15 346	0.87 262	0.86 295	0.28 300	0.28 326	0.28 302	0.23 274	0.28 281	0.38 337

RASNet	0.53 230	0.22 128	0.52 206	0.38 66	0.22 42	0.68 236	0.38 185	0.97 220	0.88 211	0.73 159	1.04 235	1.03 284	0.92 318	0.90 272	0.86 295	0.16 110	0.14 178	0.14 16	0.17 163	0.15 77	0.13 58

CSAN	0.83 322	0.49 324	0.77 306	0.60 340	0.41 307	1.14 332	1.06 368	1.19 295	1.46 357	1.32 346	1.43 325	1.37 339	1.19 352	1.27 339	0.86 295	0.39 352	0.31 344	0.36 335	0.37 344	0.35 319	0.34 318

LALA_ROB	0.74 301	0.43 310	0.69 280	0.54 319	0.40 300	1.01 310	0.95 360	1.21 301	1.07 304	1.22 339	1.12 260	1.56 358	0.79 289	1.04 309	0.86 295	0.33 333	0.22 289	0.35 332	0.30 322	0.35 319	0.31 306

acv_ft	0.51 218	0.23 145	0.56 226	0.44 202	0.28 191	0.86 288	0.39 204	0.91 201	0.80 171	0.97 282	0.96 194	0.79 216	0.59 198	0.63 149	0.87 299	0.17 143	0.15 202	0.16 60	0.15 94	0.17 139	0.15 106

Nwc_Net	0.78 308	0.38 295	0.73 290	0.60 340	0.55 351	1.05 320	0.55 290	1.67 378	1.05 291	0.88 241	1.86 358	1.40 343	1.09 341	1.10 318	0.87 299	0.30 312	0.25 314	0.36 335	0.38 347	0.29 284	0.29 293

STTRV1_RVC	0.82 316	0.59 348	1.16 342	0.67 358	0.81 371	1.11 327	0.63 310	1.30 332	1.11 311	0.98 286	1.33 307	1.08 298	0.95 327	1.26 336	0.87 299	0.55 374	0.25 314	0.43 350	0.39 351	0.58 371	0.40 342

DualNet	0.47 175	0.26 212	0.49 182	0.37 45	0.25 112	0.55 164	0.37 165	0.68 100	1.04 286	0.73 159	0.96 194	0.71 177	0.53 166	0.57 89	0.88 302	0.16 110	0.10 9	0.25 269	0.21 248	0.16 108	0.16 145

ff1	0.49 198	0.26 212	0.49 182	0.37 45	0.25 112	0.55 164	0.37 165	0.68 100	1.04 286	0.73 159	0.96 194	0.71 177	0.53 166	1.01 300	0.88 302	0.16 110	0.10 9	0.25 269	0.21 248	0.16 108	0.16 145

mmx	0.53 230	0.26 212	0.49 182	0.37 45	0.25 112	0.55 164	0.37 165	1.16 285	1.03 282	0.73 159	0.96 194	0.71 177	0.53 166	1.01 300	0.88 302	0.20 221	0.15 202	0.25 269	0.21 248	0.22 238	0.20 224

xxx	0.53 230	0.26 212	0.49 182	0.37 45	0.25 112	0.55 164	0.37 165	1.16 285	1.03 282	0.73 159	0.96 194	0.71 177	0.53 166	1.01 300	0.88 302	0.20 221	0.15 202	0.25 269	0.21 248	0.22 238	0.20 224

MFN_U_SF_DS_RVC	1.02 344	0.57 346	1.51 374	0.67 358	0.50 340	2.57 386	1.66 398	1.20 299	1.43 353	1.38 350	1.57 340	1.33 332	0.92 318	1.64 367	0.88 302	0.37 349	0.39 366	0.46 357	0.60 379	0.41 338	0.40 342

RGC	0.79 311	0.59 348	0.71 287	0.65 352	0.65 365	0.92 295	0.58 299	1.29 329	1.05 291	1.07 318	1.45 330	1.47 349	1.03 336	1.21 331	0.88 302	0.32 327	0.30 334	0.48 361	0.40 354	0.37 325	0.37 331

NCC-stereo	0.78 308	0.40 303	0.76 302	0.61 342	0.67 366	0.81 271	0.69 326	1.54 370	1.11 311	0.90 252	1.36 310	1.33 332	1.16 347	1.19 327	0.88 302	0.31 315	0.30 334	0.37 339	0.48 367	0.33 308	0.33 314

Abc-Net	0.78 308	0.40 303	0.76 302	0.61 342	0.67 366	0.81 271	0.69 326	1.54 370	1.11 311	0.90 252	1.36 310	1.33 332	1.16 347	1.19 327	0.88 302	0.31 315	0.30 334	0.37 339	0.48 367	0.33 308	0.33 314
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
PA-Net	0.67 283	0.43 310	0.83 310	0.50 285	0.53 347	0.94 296	0.68 322	1.10 263	1.14 317	0.80 184	0.88 166	0.87 241	0.77 282	1.02 305	0.88 302	0.24 267	0.41 369	0.29 310	0.44 361	0.26 269	0.34 318
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
StereoDRNet	0.64 278	0.33 269	0.68 274	0.51 297	0.43 318	1.03 315	0.53 282	1.47 359	0.99 263	1.10 325	0.87 159	1.07 296	0.71 266	0.82 240	0.88 302	0.23 258	0.19 268	0.25 269	0.23 274	0.27 279	0.19 204

pmcnn	1.23 363	0.29 248	0.96 325	0.40 108	0.23 69	0.95 299	0.69 326	1.16 285	1.28 340	1.67 366	2.33 368	11.15 417	0.86 306	0.93 287	0.88 302	0.15 79	0.12 98	0.12 2	0.10 10	0.15 77	0.15 106

Wz-Net-LNSev	0.71 294	0.51 331	1.36 367	0.50 285	0.41 307	1.15 334	0.69 326	1.21 301	1.07 304	1.02 301	1.12 260	1.08 298	0.87 309	0.89 270	0.89 313	0.24 267	0.22 289	0.21 218	0.19 209	0.26 269	0.26 273

StereoDRNet-Refined	0.58 263	0.32 261	0.54 215	0.46 242	0.30 224	0.96 302	0.40 210	1.00 228	0.94 245	1.12 327	1.08 251	0.96 265	0.67 242	0.90 272	0.89 313	0.17 143	0.13 152	0.22 230	0.21 248	0.20 204	0.19 204
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.70 290	0.35 278	0.68 274	0.52 308	0.40 300	0.79 263	0.85 353	1.16 285	0.94 245	1.33 348	1.15 273	1.38 340	0.83 301	1.03 307	0.90 315	0.32 327	0.25 314	0.26 283	0.24 287	0.31 298	0.28 287

PWCDC_ROB	0.89 329	0.49 324	0.80 309	0.74 369	0.40 300	1.03 315	0.39 204	1.33 337	2.35 386	1.02 301	3.77 395	0.81 226	0.92 318	1.20 329	0.90 315	0.34 339	0.22 289	0.24 258	0.20 231	0.34 315	0.29 293

PSMNet_ROB	0.64 278	0.37 286	0.65 262	0.56 325	0.42 313	0.97 303	0.83 347	1.21 301	0.92 233	0.79 182	1.02 227	1.08 298	0.63 218	0.82 240	0.91 317	0.29 306	0.20 276	0.31 318	0.31 329	0.26 269	0.23 257

anonymity	0.97 338	0.89 373	1.05 332	0.92 375	1.03 384	0.97 303	0.81 346	1.29 329	0.91 228	1.07 318	0.98 209	1.00 274	0.95 327	1.02 305	0.92 318	0.96 387	0.95 405	0.90 380	0.91 393	0.92 379	0.94 387

ssnet_v2	0.58 263	0.28 240	0.56 226	0.43 187	0.29 214	0.95 299	0.59 301	1.13 273	0.99 263	0.93 266	0.80 124	0.99 271	0.64 228	0.82 240	0.94 319	0.25 277	0.22 289	0.23 244	0.24 287	0.20 204	0.19 204

GwcNet	0.69 288	0.36 283	1.10 336	0.51 297	0.42 313	1.08 325	0.50 262	1.21 301	1.16 319	1.00 294	1.37 313	1.06 291	0.79 289	0.92 282	0.94 319	0.25 277	0.24 306	0.24 258	0.22 263	0.23 247	0.26 273

DRN-Test	0.66 282	0.32 261	0.66 267	0.50 285	0.39 295	1.15 334	0.61 308	1.49 362	1.01 274	1.12 327	1.08 251	1.06 291	0.69 252	0.77 227	0.94 319	0.23 258	0.17 243	0.26 283	0.25 296	0.25 265	0.21 237

Wz-Net-LNSev-Ref	0.63 277	0.28 240	0.99 328	0.40 108	0.30 224	1.03 315	0.56 295	1.10 263	0.99 263	0.97 282	1.22 288	1.06 291	0.69 252	1.07 313	0.95 322	0.19 200	0.11 57	0.16 60	0.13 50	0.22 238	0.21 237

DeepPrunerF	0.89 329	0.52 337	3.43 395	0.68 362	0.81 371	0.72 248	0.72 336	1.22 309	1.99 378	0.93 266	1.01 219	0.87 241	0.86 306	1.08 315	0.95 322	0.34 339	0.28 326	0.43 350	0.39 351	0.30 293	0.32 310

G-Net	0.95 337	0.46 320	1.04 331	0.64 347	0.48 337	2.12 381	0.64 313	1.01 235	0.87 207	1.75 368	2.82 385	1.30 324	1.64 376	1.06 310	0.96 324	0.36 346	0.29 331	0.35 332	0.25 296	0.45 347	0.42 347

RainbowNet	1.35 369	1.49 393	1.19 349	1.88 396	1.45 390	1.48 360	1.07 370	1.61 374	1.55 363	1.20 337	1.59 341	1.54 356	1.13 344	1.34 347	0.97 325	1.36 398	0.70 387	1.82 391	0.79 387	1.71 391	1.07 395

psmorigin	0.82 316	0.51 331	2.09 385	0.49 271	0.41 307	0.85 285	0.50 262	1.04 245	0.88 211	1.45 352	1.43 325	1.50 352	1.06 338	1.22 332	0.97 325	0.31 315	0.32 347	0.27 295	0.27 311	0.33 308	0.42 347

PDISCO_ROB	0.91 333	0.48 321	1.06 333	0.99 377	0.97 379	1.67 372	0.63 310	1.64 376	1.59 365	1.06 315	1.18 282	1.31 325	0.79 289	1.55 358	0.97 325	0.49 365	0.22 289	0.45 354	0.40 354	0.45 347	0.37 331

FBW_ROB	0.88 327	0.50 328	0.85 312	0.55 322	0.40 300	1.17 337	0.78 343	1.50 363	1.37 347	1.33 348	1.27 297	1.48 350	1.00 334	2.57 394	0.98 328	0.25 277	0.32 347	0.45 354	0.30 322	0.34 315	0.28 287

AF-Net	0.81 315	0.39 299	0.68 274	0.64 347	0.54 349	0.91 291	0.51 276	1.61 374	1.31 343	0.96 277	2.02 363	1.46 346	1.26 358	1.11 320	0.99 329	0.32 327	0.24 306	0.39 344	0.27 311	0.30 293	0.25 269

MFMNet_re	1.14 355	0.97 381	1.19 349	0.99 377	0.95 377	1.25 346	1.22 379	1.39 349	1.55 363	1.69 367	1.67 347	1.21 314	1.53 368	1.12 321	0.99 329	0.87 386	0.75 394	0.79 378	0.75 385	0.90 378	0.94 387

WCMA_ROB	1.14 355	0.36 283	0.76 302	0.49 271	0.44 325	1.23 344	0.67 317	1.11 268	1.23 330	2.84 396	3.95 401	3.28 392	1.83 382	1.25 335	0.99 329	0.44 358	0.34 355	0.34 330	0.37 344	0.41 338	0.40 342

Wz-Net-MNSev	0.76 304	0.40 303	1.34 362	0.50 285	0.40 300	1.44 358	0.83 347	1.15 282	1.16 319	1.25 343	1.20 287	1.13 309	0.81 293	1.16 324	1.00 332	0.22 253	0.19 268	0.24 258	0.23 274	0.28 281	0.26 273

FCDSN-DC	1.39 372	0.56 344	0.65 262	0.74 369	0.59 361	1.38 352	0.63 310	1.35 342	1.39 350	3.26 403	4.50 406	4.61 398	2.63 396	1.58 362	1.03 333	0.46 360	0.42 371	0.48 361	0.47 365	0.50 356	0.50 368
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
PASM	0.90 332	0.64 356	1.69 376	0.69 364	0.69 369	0.78 260	0.84 350	1.03 242	1.26 339	1.19 334	1.15 273	1.31 325	0.98 331	1.24 334	1.03 333	0.52 369	0.56 383	0.59 374	0.66 381	0.56 366	0.54 372

DISCO	0.70 290	0.26 212	0.68 274	0.44 202	0.31 241	1.14 332	0.51 276	1.23 313	1.23 330	0.81 192	1.05 239	1.50 352	0.85 304	1.82 375	1.03 333	0.19 200	0.15 202	0.18 119	0.16 123	0.24 257	0.23 257

S-Stereo	0.74 301	0.35 278	0.96 325	0.56 325	0.45 329	0.82 279	0.60 303	1.24 320	1.60 368	0.96 277	1.41 321	1.12 306	0.94 324	0.80 235	1.04 336	0.26 287	0.31 344	0.28 302	0.25 296	0.32 303	0.47 362

DispFullNet	1.60 379	2.63 414	2.75 391	2.56 407	1.79 399	1.24 345	0.47 246	1.37 347	1.45 356	1.87 372	1.50 334	1.55 357	2.46 392	2.04 383	1.04 336	0.59 375	0.18 254	2.32 402	0.68 383	2.29 403	1.14 396

SANet	1.07 351	0.41 306	1.06 333	0.48 256	0.30 224	1.41 355	0.94 359	1.42 354	3.36 398	1.58 357	2.43 372	2.33 378	1.70 377	1.34 347	1.07 338	0.28 300	0.24 306	0.26 283	0.23 274	0.34 315	0.30 300

1111x	0.55 241	0.22 128	0.46 146	0.38 66	0.20 20	0.66 230	0.43 230	1.23 313	0.99 263	0.71 141	0.99 214	0.95 263	0.69 252	0.90 272	1.08 339	0.18 171	0.17 243	0.18 119	0.19 209	0.20 204	0.18 176

LSM	4.74 409	0.77 364	10.16 409	0.70 365	56.56 433	1.02 312	1.00 366	1.24 320	1.62 369	2.04 378	2.34 369	1.33 332	1.17 349	1.38 354	1.09 340	0.33 333	0.49 380	0.39 344	0.46 362	0.51 357	10.09 420

ACVNet_1	1.46 374	1.33 390	1.12 339	1.91 398	1.62 393	1.83 376	0.98 362	2.00 385	1.85 375	1.39 351	1.53 337	2.32 377	1.53 368	1.34 347	1.11 341	1.30 395	0.50 381	2.06 399	0.58 378	1.93 399	0.95 389

Consistency-Raft	1.01 341	0.81 367	1.24 354	0.84 372	0.97 379	0.81 271	0.84 350	1.30 332	1.59 365	1.05 312	1.68 348	1.12 306	0.91 315	0.92 282	1.11 341	0.65 377	0.74 390	0.79 378	0.90 390	1.06 385	0.79 382

FC-DCNN	1.59 378	0.51 331	0.66 267	0.61 342	0.49 339	1.56 365	0.70 331	1.66 377	1.53 361	4.64 410	4.62 407	5.85 407	3.34 404	1.84 376	1.11 341	0.46 360	0.42 371	0.47 358	0.46 362	0.48 353	0.46 358

ACVNet_2	1.65 382	1.27 388	1.41 370	1.75 393	1.62 393	2.22 382	1.20 376	2.30 389	2.62 388	1.78 370	2.56 375	3.03 386	1.61 373	1.54 357	1.12 344	1.06 391	0.58 385	1.82 391	0.70 384	1.82 393	0.96 390

aanetorigin	0.83 322	0.56 344	1.87 382	0.49 271	0.38 290	0.56 179	0.66 315	0.70 123	1.00 270	2.42 388	2.02 363	1.31 325	1.18 350	0.93 287	1.13 345	0.20 221	0.18 254	0.20 179	0.19 209	0.27 279	0.30 300

APVNet	0.71 294	0.37 286	0.89 320	0.56 325	0.45 329	1.18 339	0.68 322	1.41 353	0.85 193	0.81 192	1.15 273	1.04 286	0.81 293	1.10 318	1.17 346	0.26 287	0.28 326	0.32 323	0.31 329	0.29 284	0.30 300

MeshStereo	1.34 367	0.43 310	0.54 215	0.44 202	0.34 269	1.66 370	0.60 303	1.94 382	1.37 347	4.47 409	3.25 387	4.71 400	1.94 385	1.92 378	1.17 346	0.35 343	0.35 357	0.37 339	0.31 329	0.32 303	0.32 310
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
SGM_RVC	0.97 338	0.28 240	0.41 81	0.39 85	0.22 42	1.55 364	0.73 337	1.51 366	1.25 336	2.25 385	1.92 359	2.58 382	1.56 371	2.02 382	1.19 348	0.27 294	0.27 324	0.27 295	0.25 296	0.25 265	0.25 269
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
iinet-f	0.67 283	0.26 212	2.15 387	0.39 85	0.31 241	1.19 340	0.56 295	0.84 174	0.84 186	0.80 184	1.17 280	1.05 290	0.84 303	0.71 197	1.21 349	0.20 221	0.18 254	0.17 85	0.15 94	0.20 204	0.20 224

Anonymous Stereo	0.75 303	0.54 342	1.78 380	0.57 330	0.56 354	0.62 207	1.25 382	0.96 216	0.99 263	0.96 277	0.95 190	0.83 228	0.58 192	1.27 339	1.21 349	0.31 315	0.30 334	0.31 318	0.33 338	0.33 308	0.36 325

ccnet	0.82 316	0.57 346	0.75 297	0.54 319	0.59 361	1.09 326	0.66 315	1.38 348	0.94 245	1.12 327	1.44 327	1.29 322	0.92 318	0.95 296	1.24 351	0.49 365	0.42 371	0.50 366	0.47 365	0.51 357	0.46 358

DANet	0.71 294	0.45 318	0.91 321	0.59 335	0.40 300	0.81 271	0.40 210	0.97 220	0.84 186	1.20 337	1.22 288	1.33 332	0.88 312	1.16 324	1.24 351	0.27 294	0.23 299	0.31 318	0.25 296	0.35 319	0.32 310
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DPSNet	0.99 340	0.42 308	1.88 383	0.53 313	0.41 307	1.59 367	1.26 383	2.21 388	1.43 353	1.10 325	1.11 258	1.46 346	1.95 386	1.34 347	1.26 353	0.34 339	0.25 314	0.25 269	0.21 248	0.46 350	0.37 331

SGM+DAISY	1.35 369	0.94 377	1.25 355	0.96 376	1.00 383	1.52 363	1.02 367	1.34 339	1.21 327	2.64 391	2.65 380	2.44 379	1.56 371	1.64 367	1.26 353	0.97 388	0.95 405	0.90 380	0.90 390	0.94 380	0.96 390

RYNet	0.72 298	0.35 278	0.64 257	0.53 313	0.67 366	1.31 349	0.67 317	1.20 299	1.18 322	1.05 312	0.87 159	1.27 319	0.93 323	0.93 287	1.27 355	0.22 253	0.16 229	0.26 283	0.23 274	0.40 332	0.39 339

NVStereoNet_ROB	1.24 364	0.90 374	1.13 340	0.86 373	0.88 373	1.11 327	0.99 364	1.42 354	1.53 361	1.59 359	2.48 373	2.24 375	1.53 368	1.96 381	1.30 356	0.76 382	0.70 387	0.78 377	1.00 395	0.71 376	0.88 385
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SAMSARA	1.07 351	0.65 357	1.19 349	1.06 382	0.90 374	1.76 375	1.76 402	1.46 358	1.44 355	1.51 354	1.16 278	2.00 372	1.14 345	1.48 356	1.31 357	0.39 352	0.44 376	0.35 332	0.38 347	0.49 354	0.49 367

MSC_U_SF_DS_RVC	1.34 367	0.87 372	1.76 379	0.86 373	0.56 354	4.29 405	1.79 403	1.50 363	1.98 377	1.61 360	1.85 357	1.84 366	1.41 364	1.89 377	1.36 358	0.48 363	0.40 368	0.56 370	0.57 377	0.69 375	0.48 364

SPS-STEREO	1.25 365	0.93 375	1.06 333	1.04 381	1.03 384	1.41 355	0.91 358	1.51 366	1.19 324	2.09 380	1.83 355	1.94 370	1.39 363	1.62 364	1.39 359	0.97 388	0.94 404	0.90 380	0.89 389	0.96 382	0.96 390
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
PWC_ROB	0.87 325	0.52 337	1.28 356	0.50 285	0.32 253	0.91 291	0.37 165	1.36 345	1.46 357	1.61 360	2.59 378	1.16 313	1.01 335	1.34 347	1.40 360	0.25 277	0.18 254	0.28 302	0.20 231	0.29 284	0.28 287

Wz-Net-SNSev	0.91 333	0.73 361	2.13 386	0.56 325	0.45 329	0.95 299	1.13 373	1.34 339	1.24 332	1.02 301	1.30 303	1.46 346	0.86 306	1.81 374	1.50 361	0.25 277	0.23 299	0.25 269	0.26 306	0.32 303	0.29 293

SHD	0.93 336	0.50 328	1.18 348	0.59 335	0.46 336	0.97 303	0.48 252	1.70 379	2.15 380	1.58 357	1.37 313	1.42 344	1.19 352	1.31 343	1.60 362	0.31 315	0.26 320	0.32 323	0.33 338	0.40 332	0.42 347

Dean	1.98 387	1.36 391	1.36 367	2.12 400	1.81 400	2.74 388	1.36 389	3.37 402	3.80 402	2.08 379	3.32 391	3.21 391	1.82 380	1.71 371	1.67 363	1.27 392	0.77 396	1.99 393	0.90 390	1.86 394	1.03 394

Wz-Net-TNSev	1.14 355	1.06 384	4.32 401	0.49 271	0.42 313	1.51 362	1.11 372	1.48 360	1.40 352	1.22 339	1.26 296	1.58 360	1.43 366	1.76 372	1.70 364	0.32 327	0.31 344	0.26 283	0.30 322	0.41 338	0.41 346

MFN_U_SF_RVC	1.09 353	0.59 348	1.97 384	0.67 358	0.44 325	1.93 378	0.60 303	1.85 381	1.36 345	1.61 360	1.54 338	1.95 371	1.37 362	1.64 367	1.73 365	0.40 356	0.37 360	0.45 354	0.48 367	0.44 343	0.44 353

LVE	2.12 392	1.44 392	1.36 367	1.99 399	1.78 398	2.75 389	1.79 403	2.82 392	3.95 403	1.90 375	4.33 405	3.52 395	1.81 379	2.24 387	1.74 366	1.74 403	0.87 399	2.06 399	1.13 401	1.91 398	1.35 404

SuperB	1.04 346	0.37 286	4.81 402	0.43 187	0.31 241	0.99 308	0.46 241	1.02 238	2.09 379	1.09 323	1.09 255	0.75 202	0.81 293	1.06 310	1.76 367	0.19 200	0.15 202	0.17 85	0.15 94	2.82 410	0.26 273

XQC	0.89 329	0.65 357	1.31 359	0.67 358	0.52 346	1.22 342	0.68 322	1.26 324	1.52 360	1.14 330	1.11 258	1.28 321	1.04 337	1.40 355	1.77 368	0.38 350	0.24 306	0.37 339	0.31 329	0.53 362	0.47 362

IMH-64-1	1.86 383	1.62 398	1.16 342	2.20 401	1.89 401	2.33 383	1.30 384	2.89 393	2.29 383	1.66 364	2.80 383	2.49 380	1.61 373	2.10 384	1.78 369	1.60 399	0.74 390	2.43 403	1.02 396	2.12 400	1.17 399

IMH-64	1.86 383	1.62 398	1.16 342	2.20 401	1.89 401	2.33 383	1.30 384	2.89 393	2.29 383	1.66 364	2.80 383	2.49 380	1.61 373	2.10 384	1.78 369	1.60 399	0.74 390	2.43 403	1.02 396	2.12 400	1.17 399

IMH	2.04 390	1.62 398	1.20 352	2.20 401	1.89 401	2.91 398	1.30 384	3.11 396	3.03 394	1.81 371	3.35 393	3.03 386	1.90 383	2.48 391	1.80 371	1.66 402	0.77 396	2.45 405	1.04 399	2.15 402	1.19 402

KSHMR	2.57 394	1.93 404	1.69 376	2.63 409	2.42 408	2.86 395	2.07 406	3.27 400	6.50 407	2.49 390	3.36 394	3.41 394	1.92 384	2.49 392	1.94 372	2.13 408	1.40 410	2.79 412	1.50 408	2.73 408	1.77 407

PVD	1.28 366	0.67 359	1.28 356	0.74 369	0.62 363	1.50 361	0.84 350	1.99 384	2.96 392	2.18 383	2.36 371	1.85 368	1.95 386	1.92 378	1.94 372	0.39 352	0.36 359	0.49 364	0.37 344	0.51 357	0.64 375

WZ-Net	1.19 361	0.59 348	4.07 399	0.62 345	0.51 343	1.34 350	1.31 387	1.32 335	1.74 372	1.53 356	1.65 343	1.74 364	1.28 359	2.25 388	2.01 374	0.27 294	0.21 283	0.23 244	0.25 296	0.40 332	0.39 339

PWCK	1.92 386	1.66 401	3.12 393	1.65 391	0.91 375	2.84 393	2.26 408	2.10 386	2.41 387	2.36 387	2.31 367	2.22 374	1.82 380	3.43 398	2.03 375	1.61 401	0.71 389	1.51 387	0.82 388	1.69 390	0.91 386

ELAS_RVC	1.60 379	0.61 352	1.01 330	0.70 365	0.56 354	2.00 380	1.89 405	1.96 383	2.65 389	3.33 404	3.26 388	3.03 386	3.41 405	2.49 392	2.09 376	0.52 369	0.45 377	0.50 366	0.48 367	0.54 364	0.52 370
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RTSC	0.87 325	0.48 321	1.23 353	0.52 308	0.37 282	1.13 331	0.50 262	1.34 339	1.79 373	1.51 354	1.24 293	1.12 306	0.81 293	1.62 364	2.16 377	0.25 277	0.19 268	0.23 244	0.24 287	0.30 293	0.31 306

WAO-7	1.90 385	1.20 386	1.35 363	1.27 387	1.06 387	2.84 393	1.56 397	3.23 398	3.06 396	2.23 384	3.33 392	3.17 390	2.28 391	3.12 395	2.21 378	1.02 390	0.91 400	1.06 384	1.03 398	1.04 384	0.97 393

EDNetEfficientorigin	9.93 414	1.15 385	175.16 437	0.48 256	0.36 277	1.04 319	0.68 322	1.24 320	2.69 390	3.17 402	2.50 374	2.30 376	2.07 389	1.76 372	2.21 378	0.20 221	0.18 254	0.24 258	0.19 209	0.51 357	0.50 368

WAO-6	2.04 390	1.50 394	1.16 342	1.70 392	1.67 397	2.69 387	1.44 394	3.06 395	3.63 401	1.98 377	3.27 389	3.54 396	2.07 389	2.36 389	2.22 380	1.31 397	0.91 400	2.04 398	1.22 405	1.73 392	1.27 403

WAO-8	2.92 397	1.55 396	1.35 363	1.79 394	1.63 395	5.23 407	1.22 379	4.58 409	12.56 414	2.84 396	4.07 403	4.83 401	2.72 398	3.49 399	2.25 381	1.27 392	0.91 400	1.99 393	1.15 403	1.86 394	1.15 397

Venus	2.92 397	1.55 396	1.35 363	1.79 394	1.63 395	5.23 407	1.22 379	4.58 409	12.56 414	2.84 396	4.06 402	4.83 401	2.72 398	3.49 399	2.25 381	1.27 392	0.91 400	1.99 393	1.15 403	1.86 394	1.15 397

ELAS	1.63 381	0.61 352	0.95 323	0.68 362	0.55 351	3.01 399	1.55 396	2.39 390	2.33 385	3.64 406	3.89 399	2.75 384	2.90 400	2.15 386	2.27 383	0.52 369	0.45 377	0.50 366	0.48 367	0.54 364	0.52 370
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ktn	2.98 399	2.25 408	1.73 378	2.84 410	2.53 411	3.76 404	2.15 407	3.70 404	5.47 406	2.75 393	5.17 410	5.94 408	2.48 393	3.23 396	2.46 384	2.34 412	1.44 411	2.78 411	2.03 411	2.45 406	2.01 410

TorneroNet-64	3.44 400	1.86 402	1.42 371	2.58 408	2.28 406	6.87 410	1.68 399	4.70 411	12.03 411	2.31 386	5.59 411	8.25 412	2.55 395	3.97 404	2.73 385	1.81 404	0.74 390	2.57 407	1.07 400	2.35 404	1.44 405

notaker	2.76 395	2.29 409	1.80 381	2.96 411	2.58 412	2.90 397	1.75 401	3.24 399	3.05 395	2.78 394	4.24 404	6.15 410	2.51 394	3.34 397	2.75 386	2.31 410	1.18 408	3.00 413	1.65 409	2.84 411	1.97 408

coex-ft	6.43 412	1.51 395	87.33 436	0.49 271	0.38 290	1.34 350	1.21 378	1.16 285	8.09 409	12.12 417	2.79 382	2.77 385	3.31 403	1.16 324	3.15 387	0.24 267	0.23 299	0.27 295	0.24 287	0.45 347	0.37 331

ADCRef	0.80 312	0.43 310	1.32 361	0.50 285	0.45 329	1.07 321	0.51 276	1.07 254	0.98 258	1.17 332	1.42 322	0.87 241	0.91 315	0.85 259	3.19 388	0.18 171	0.16 229	0.23 244	0.23 274	0.22 238	0.21 237

UNDER WATER-64	3.53 402	2.01 405	3.94 398	3.22 414	2.49 410	5.41 409	2.60 411	3.43 403	12.41 413	3.03 401	2.68 381	6.07 409	4.04 407	3.79 403	3.33 389	2.02 406	1.24 409	2.63 408	1.46 407	2.78 409	2.08 411

JetBlue	2.78 396	1.26 387	7.04 406	1.16 384	1.48 391	8.00 413	6.02 414	2.60 391	1.92 376	2.12 381	2.64 379	3.34 393	3.05 402	6.49 411	3.39 390	0.78 383	0.76 395	0.75 376	0.76 386	0.97 383	1.18 401

TorneroNet	4.53 408	1.89 403	1.48 373	2.55 406	2.27 405	13.78 418	1.69 400	4.84 413	23.73 428	2.89 399	7.70 414	7.06 411	2.69 397	4.26 406	3.42 391	1.84 405	0.77 396	2.68 409	1.13 401	2.42 405	1.47 406

ADCPNet	1.03 345	0.48 321	2.70 390	0.54 319	0.42 313	1.40 353	0.75 339	1.13 273	1.07 304	1.22 339	1.42 322	1.68 363	1.09 341	1.36 352	3.45 392	0.30 312	0.28 326	0.29 310	0.32 335	0.37 325	0.35 323

UNDER WATER	3.46 401	2.07 407	3.64 397	3.09 412	2.48 409	3.75 403	2.42 410	3.31 401	13.77 416	2.90 400	2.95 386	5.84 406	3.69 406	3.69 401	3.48 393	2.07 407	1.11 407	2.70 410	1.40 406	2.84 411	1.98 409

AnyNet_C01	1.56 377	1.05 383	7.45 407	0.64 347	0.54 349	1.99 379	1.38 390	1.43 356	1.36 345	1.63 363	1.92 359	1.84 366	1.33 361	2.40 390	4.03 394	0.33 333	0.32 347	0.32 323	0.34 340	0.44 343	0.45 357

RTS	1.98 387	0.96 378	11.36 411	0.65 352	0.57 358	2.77 391	1.40 391	1.39 349	2.26 381	1.89 373	2.56 375	1.32 330	1.25 356	5.20 407	4.05 395	0.31 315	0.22 289	0.29 310	0.29 320	0.40 332	0.37 331

RTSA	1.98 387	0.96 378	11.36 411	0.65 352	0.57 358	2.77 391	1.40 391	1.39 349	2.26 381	1.89 373	2.56 375	1.32 330	1.25 356	5.20 407	4.05 395	0.31 315	0.22 289	0.29 310	0.29 320	0.40 332	0.37 331

EDNetEfficient	1.46 374	0.80 366	6.12 404	0.47 251	0.39 295	0.69 238	0.83 347	0.90 197	2.77 391	3.50 405	1.96 361	1.66 362	2.03 388	1.26 336	4.18 397	0.21 235	0.18 254	0.21 218	0.20 231	0.41 338	0.39 339

MADNet+	2.23 393	2.43 410	10.85 410	1.22 386	0.91 375	2.76 390	1.40 391	2.12 387	1.67 371	1.32 346	1.74 351	1.86 369	1.74 378	6.25 410	4.41 398	0.65 377	0.64 386	0.58 373	0.54 376	0.80 377	0.76 379

AnyNet_C32	1.16 359	0.62 355	2.40 389	0.57 330	0.55 351	1.41 355	1.34 388	1.18 293	1.24 332	1.49 353	1.42 322	1.39 341	1.20 354	1.55 358	4.82 399	0.29 306	0.28 326	0.29 310	0.34 340	0.38 329	0.42 347

ADCL	1.04 346	0.38 295	1.35 363	0.50 285	0.39 295	1.61 368	0.89 355	1.29 329	1.39 350	1.29 345	1.50 334	1.24 317	1.24 355	1.37 353	4.87 400	0.21 235	0.19 268	0.25 269	0.25 296	0.29 284	0.27 280

ADCMid	1.14 355	0.52 337	2.23 388	0.53 313	0.43 318	1.07 321	0.75 339	1.23 313	1.05 291	2.15 382	1.44 327	1.50 352	1.43 366	1.56 360	5.01 401	0.26 287	0.24 306	0.29 310	0.31 329	0.37 325	0.33 314

DPSimNet_ROB	3.58 403	2.45 411	8.57 408	2.53 405	2.37 407	2.88 396	3.77 413	3.14 397	3.23 397	4.71 411	3.86 398	4.68 399	4.87 410	4.07 405	5.62 402	2.33 411	2.33 414	2.47 406	2.52 412	2.51 407	2.64 413

MADNet++	4.03 404	2.70 415	3.44 396	3.72 416	3.44 415	4.44 406	3.52 412	3.95 407	3.61 400	4.46 408	4.98 409	4.10 397	4.58 409	7.00 413	5.89 403	3.74 413	3.67 417	3.27 415	2.71 414	3.70 416	3.66 417

HanzoNet	6.76 413	2.45 411	4.22 400	3.19 413	2.94 414	3.62 402	2.28 409	4.79 412	7.20 408	14.00 421	13.19 419	17.49 421	22.30 425	13.25 419	6.19 404	4.20 416	1.93 413	3.10 414	2.56 413	3.35 414	2.88 415

MANE	4.13 406	0.51 331	0.64 257	0.66 355	0.56 354	6.89 411	0.99 364	7.55 414	12.04 412	6.68 414	8.57 415	10.69 416	9.45 413	7.59 414	6.39 405	0.49 365	0.43 374	0.48 361	0.98 394	0.49 354	0.48 364

SGM-ForestM	4.04 405	0.32 261	0.46 146	0.43 187	0.27 172	7.50 412	1.45 395	3.84 405	4.24 404	8.19 416	6.76 412	19.00 423	9.08 412	10.74 417	6.62 406	0.31 315	0.33 353	0.32 323	0.32 335	0.29 284	0.29 293

ADCP+	1.06 349	0.35 278	1.51 374	0.49 271	0.51 343	1.45 359	0.55 290	1.25 323	1.03 282	1.16 331	1.15 273	1.10 302	1.07 340	1.56 360	6.75 407	0.19 200	0.16 229	0.23 244	0.21 248	0.28 281	0.21 237

tt	6.20 411	0.20 70	5.89 403	3.55 415	2.07 404	11.26 416	19.21 417	11.74 419	5.46 405	2.69 392	2.04 365	4.87 404	6.25 411	3.70 402	7.09 408	8.32 420	11.17 425	4.93 416	5.41 419	5.74 418	2.37 412

ADCS	1.51 376	0.61 352	3.42 394	0.59 335	0.51 343	1.27 347	1.08 371	1.59 372	1.81 374	1.91 376	1.66 345	1.51 355	1.42 365	1.94 380	8.60 409	0.33 333	0.32 347	0.33 328	0.36 343	0.44 343	0.42 347

xxxx	1.01 341	0.22 128	0.43 109	0.36 37	0.21 29	0.82 279	0.36 153	1.32 335	0.88 211	0.71 141	0.94 183	0.97 267	0.63 218	0.64 156	10.58 410	0.20 221	0.16 229	0.18 119	0.17 163	0.19 191	0.19 204

test_xeample	1.01 341	0.21 101	0.42 100	0.35 29	0.21 29	0.71 245	0.39 204	1.23 313	0.86 198	0.81 192	1.04 235	0.69 171	0.61 207	0.69 189	10.93 411	0.19 200	0.15 202	0.18 119	0.17 163	0.18 157	0.17 162

JetRed	5.27 410	5.84 417	12.81 414	2.36 404	2.83 413	12.23 417	10.50 416	4.46 408	3.60 399	3.86 407	3.83 397	4.85 403	4.18 408	6.78 412	11.96 412	2.17 409	2.96 416	2.18 401	1.97 410	3.38 415	2.68 414

PML	40.80 437	29.24 427	11.87 413	7.20 419	14.47 418	92.13 437	213.69 438	7.63 415	23.35 427	74.72 438	190.14 438	50.17 438	26.15 427	21.39 423	12.70 413	8.76 421	2.92 415	8.45 421	3.25 415	13.26 421	4.42 418

222	1.18 360	0.22 128	0.44 119	0.37 45	0.22 42	0.79 263	0.37 165	1.31 334	0.89 221	0.92 265	1.08 251	0.72 187	0.71 266	0.66 168	13.89 414	0.20 221	0.15 202	0.17 85	0.16 123	0.18 157	0.19 204

LE_ROB	4.42 407	0.24 180	2.75 391	0.42 169	0.23 69	1.57 366	0.90 357	1.71 380	17.88 423	16.56 425	4.88 408	5.17 405	18.85 424	1.63 366	14.62 415	0.17 143	0.14 178	0.16 60	0.16 123	0.19 191	0.17 162

LRCNet_RVC	21.24 422	31.15 428	21.41 418	28.98 426	23.82 424	3.13 400	0.60 303	20.96 426	1.59 365	25.58 426	28.15 428	21.99 426	14.79 415	21.94 427	16.41 416	28.89 435	14.87 426	33.53 431	31.28 431	29.51 433	26.16 431

BEATNet-Init1	15.13 418	0.82 370	50.86 435	0.72 368	0.53 347	38.10 429	7.03 415	11.83 420	14.25 417	29.78 434	30.17 433	48.21 437	22.64 426	26.78 428	18.11 417	0.42 357	0.38 362	0.47 358	0.46 362	0.51 357	0.48 364

ASD4	9.96 415	8.86 420	17.78 415	7.17 418	9.80 417	16.08 419	28.92 421	9.77 418	8.20 410	7.02 415	7.08 413	8.47 413	9.57 414	11.17 418	20.26 418	4.12 415	4.14 419	5.57 419	4.74 417	5.53 417	4.90 419

AAGNet	1.43 373	0.20 70	0.48 172	0.44 202	0.25 112	0.29 36	0.31 86	0.65 72	0.68 116	0.97 282	0.86 155	0.67 166	0.62 212	0.64 156	20.63 419	0.16 110	0.11 57	0.19 155	0.15 94	0.19 191	0.12 33

DPSMNet_ROB	12.08 417	8.00 418	21.00 417	8.97 421	16.79 420	10.67 414	30.89 423	9.02 417	15.17 419	6.51 413	15.41 423	9.04 414	14.85 416	9.27 416	21.67 420	4.58 418	8.57 420	5.09 418	9.29 421	5.90 419	10.95 421

DGTPSM_ROB	12.07 416	8.00 418	20.99 416	8.93 420	16.78 419	10.67 414	30.87 422	9.01 416	15.16 418	6.50 412	15.41 423	9.04 414	14.85 416	9.25 415	21.67 420	4.57 417	8.57 420	5.08 417	9.28 420	5.90 419	10.95 421

Anonymous_1	33.25 425	18.26 421	23.92 419	20.54 422	21.28 423	25.59 421	35.94 424	22.01 429	15.57 420	13.33 418	13.49 420	18.08 422	15.29 418	20.36 420	24.60 422	16.28 428	8.84 422	66.59 435	118.00 435	155.73 438	11.23 423

DPSM_ROB	17.78 419	18.63 422	24.31 423	20.90 423	19.47 421	25.97 422	36.21 425	21.23 427	16.24 421	13.38 419	14.06 421	19.18 424	16.30 419	20.78 421	25.67 423	9.38 422	9.23 423	9.49 422	9.82 422	13.51 422	11.91 424

DPSM	17.78 419	18.63 422	24.31 423	20.90 423	19.47 421	25.97 422	36.21 425	21.23 427	16.24 421	13.38 419	14.06 421	19.18 424	16.30 419	20.78 421	25.67 423	9.38 422	9.23 423	9.49 422	9.82 422	13.51 422	11.91 424

xxxxx1	36.64 431	19.51 424	24.21 420	61.66 435	64.63 435	27.28 425	40.10 427	20.25 422	18.63 424	14.07 422	12.97 416	17.26 418	17.36 421	21.70 424	27.93 425	13.18 425	18.50 428	111.26 436	133.37 436	29.24 430	39.73 433

tt_ll	36.64 431	19.51 424	24.21 420	61.66 435	64.63 435	27.28 425	40.10 427	20.25 422	18.63 424	14.07 422	12.97 416	17.26 418	17.36 421	21.70 424	27.93 425	13.18 425	18.50 428	111.26 436	133.37 436	29.24 430	39.73 433

ff	36.64 431	19.51 424	24.21 420	61.66 435	64.63 435	27.28 425	40.10 427	20.25 422	18.63 424	14.07 422	12.97 416	17.26 418	17.36 421	21.70 424	27.93 425	13.18 425	18.50 428	111.26 436	133.37 436	29.24 430	39.73 433

HaxPig	31.96 424	37.24 430	34.27 425	24.37 425	24.88 425	18.26 420	19.86 418	20.64 425	28.52 429	35.97 435	38.75 434	25.57 427	28.72 428	33.88 429	34.39 428	35.94 436	38.87 436	37.80 432	40.48 432	39.68 434	41.15 436

MEDIAN_ROB	37.38 434	40.85 438	40.60 428	32.31 427	31.85 426	27.20 424	24.55 419	29.10 430	33.19 436	42.09 437	41.76 436	33.35 428	34.39 436	39.78 431	37.07 429	43.64 438	44.10 438	44.12 434	43.40 434	41.51 436	42.76 438

AVERAGE_ROB	37.58 435	40.13 437	40.15 427	34.81 428	33.82 427	28.55 428	25.10 420	32.02 431	34.06 438	41.28 436	40.66 435	34.46 429	34.81 437	39.18 430	37.57 430	42.78 437	43.44 437	43.82 433	43.03 433	40.47 435	41.51 437

SPstereo	24.26 423	4.19 416	6.66 405	4.29 417	3.79 416	45.68 430	78.09 436	63.52 438	33.36 437	27.50 433	26.65 425	39.53 436	33.55 435	42.77 438	51.02 431	3.90 414	3.72 418	5.95 420	4.66 416	3.15 413	3.30 416

Selective-RAFT-Error	35.84 430	37.49 432	48.83 434	42.26 433	39.24 432	52.30 435	73.09 431	42.66 436	32.61 430	26.80 428	28.30 429	38.84 435	33.51 434	41.68 436	51.59 432	18.82 433	18.58 432	19.17 429	19.80 427	27.28 428	24.05 430

MyStereo03	35.77 427	37.55 433	48.75 431	42.19 429	39.18 428	52.27 432	73.13 433	42.32 432	32.61 430	27.03 430	28.40 430	38.50 430	32.89 430	41.62 432	51.63 433	18.78 430	18.59 433	19.11 424	19.80 427	27.18 424	23.95 426

MyStereo02	35.77 427	37.55 433	48.75 431	42.19 429	39.18 428	52.27 432	73.13 433	42.32 432	32.61 430	27.03 430	28.40 430	38.50 430	32.89 430	41.62 432	51.63 433	18.78 430	18.59 433	19.11 424	19.80 427	27.18 424	23.95 426

MyStereo	35.77 427	37.55 433	48.75 431	42.19 429	39.18 428	52.27 432	73.13 433	42.32 432	32.61 430	27.03 430	28.40 430	38.50 430	32.89 430	41.62 432	51.63 433	18.78 430	18.59 433	19.11 424	19.80 427	27.18 424	23.95 426

CasAABBNet	35.74 426	37.43 431	48.72 430	42.22 432	39.20 431	52.24 431	73.12 432	42.61 435	32.62 434	26.78 427	27.95 426	38.58 433	32.60 429	41.67 435	51.65 436	18.74 429	18.57 431	19.15 428	19.77 426	27.20 427	23.98 429

LSM0	38.95 436	37.60 436	48.58 429	43.57 434	91.06 438	52.57 436	72.57 430	43.17 437	32.63 435	26.97 429	27.97 427	38.65 434	32.94 433	41.86 437	51.78 437	18.89 434	18.41 427	19.13 427	19.63 425	27.29 429	33.77 432

test_example2	176.61 438	205.14 439	198.86 438	188.60 439	190.98 439	152.67 438	170.61 437	94.86 439	123.55 439	178.88 439	179.48 437	158.94 439	141.34 438	192.61 439	198.96 438	203.76 439	236.37 439	164.13 439	173.55 439	218.58 439	160.41 439

FADE		2.05 406		1.03 380	0.99 382			3.91 406	3.00 393	1.76 369		2.73 383		5.95 409		11.57 424	1.70 412	23.09 430	15.86 424	0.62 373	0.65 376

Low-res two-view benchmark