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

LoS_RVC	0.45 11	0.29 61	0.48 10	0.49 34	0.83 337	0.51 43	0.43 107	0.65 2	0.44 1	0.47 11	0.78 41	0.44 7	0.60 99	0.59 11	0.37 25	0.14 1	0.12 5	0.14 1	0.10 1	0.14 1	1.08 375

RAFT-Stereo + iAFF	0.56 47	0.28 43	0.81 98	0.45 8	0.25 8	0.40 9	0.34 40	1.12 72	1.13 161	1.35 239	1.58 276	0.80 91	0.67 122	0.71 30	0.43 57	0.14 1	0.11 2	0.18 33	0.17 70	0.18 34	0.16 13

AFF-stereo	0.60 87	0.28 43	0.72 57	0.48 29	0.29 51	0.34 4	0.37 61	1.22 109	1.20 189	1.21 175	1.59 280	1.10 198	0.70 130	1.01 84	0.44 61	0.14 1	0.12 5	0.19 47	0.20 128	0.18 34	0.15 3

Selective-IGEV	0.42 8	0.26 19	0.56 16	0.48 29	0.27 19	0.45 16	0.33 33	1.56 167	0.61 15	0.36 1	0.47 4	0.52 35	0.30 4	1.08 99	0.33 3	0.15 4	0.13 17	0.17 13	0.13 11	0.16 11	0.15 3

cross-raft	0.56 47	0.26 19	0.65 42	0.55 110	0.31 77	0.66 115	0.37 61	1.68 190	0.82 53	1.06 109	1.07 108	1.25 230	0.45 28	0.74 34	0.39 31	0.15 4	0.13 17	0.19 47	0.16 54	0.19 59	0.17 23

s12784h	0.55 36	0.22 3	0.49 11	0.43 5	0.19 1	1.00 228	0.34 40	1.40 138	1.30 235	0.84 65	0.93 66	0.63 56	0.52 59	1.48 159	0.47 84	0.15 4	0.12 5	0.17 13	0.11 6	0.19 59	0.13 2

CES	0.51 31	0.21 2	0.40 2	0.42 4	1.40 378	0.53 51	0.34 40	1.04 45	0.68 23	0.45 9	0.67 23	0.35 1	0.28 2	0.58 10	0.35 6	0.16 7	0.13 17	0.15 3	0.10 1	0.19 59	1.69 386

DCRE	0.85 211	0.28 43	0.76 79	0.60 169	0.49 221	0.59 79	0.53 179	1.04 45	0.92 76	0.80 55	7.34 398	0.87 120	0.57 77	0.78 47	0.43 57	0.16 7	0.17 161	0.19 47	0.17 70	0.18 34	0.22 108

ProNet	0.46 19	0.30 79	0.69 53	0.46 14	0.32 97	0.57 69	0.52 173	1.15 89	0.67 22	0.44 5	0.50 8	0.44 7	0.43 22	1.31 127	0.38 28	0.16 7	0.15 112	0.19 47	0.16 54	0.18 34	0.18 32

RAFT_CTSACE	0.66 110	0.29 61	1.14 210	0.57 140	0.51 234	0.68 123	0.44 124	0.88 18	0.98 103	1.03 101	1.83 314	1.23 225	0.67 122	1.48 159	0.38 28	0.16 7	0.16 139	0.21 93	0.20 128	0.20 86	0.17 23

test_4	0.55 36	0.23 6	0.67 47	0.56 122	0.32 97	0.71 136	0.39 77	0.83 10	0.72 28	0.93 80	1.87 321	0.70 72	0.41 16	1.21 121	0.39 31	0.16 7	0.13 17	0.21 93	0.23 213	0.20 86	0.18 32

GMOStereo	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 271	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

error version	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 271	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

test-v	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 271	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

test_3	0.57 59	0.24 9	0.87 137	0.55 110	0.30 63	0.60 83	0.40 79	1.07 50	1.08 137	1.20 169	0.68 24	0.92 142	0.43 22	1.68 191	0.40 44	0.16 7	0.13 17	0.22 120	0.19 102	0.21 121	0.17 23

test-2	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 271	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

CREStereo++_RVC	0.49 25	0.22 3	0.46 8	0.48 29	0.38 154	0.45 16	0.25 4	0.77 4	1.30 235	0.82 61	1.23 169	0.47 20	0.37 13	0.55 5	0.44 61	0.16 7	0.11 2	0.16 8	0.80 377	0.18 34	0.12 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
MyStereo06	0.67 118	0.29 61	1.06 191	0.58 150	0.48 215	0.62 89	0.72 253	2.26 319	0.89 66	1.07 110	1.12 129	1.22 221	0.56 75	0.83 53	0.47 84	0.17 18	0.17 161	0.24 167	0.21 164	0.23 158	0.23 122

MyStereo05	0.70 138	0.29 61	1.22 236	0.58 150	0.48 215	0.62 89	0.72 253	1.52 157	1.54 313	1.17 147	0.91 64	0.77 86	0.79 154	1.45 153	0.68 174	0.17 18	0.17 161	0.24 167	0.21 164	0.23 158	0.23 122

AE-Stereo	0.58 70	0.29 61	0.81 98	0.62 190	0.41 180	0.69 131	0.46 138	2.49 352	1.25 211	0.49 16	0.77 39	0.69 69	0.46 35	0.61 14	0.42 54	0.17 18	0.16 139	0.21 93	0.20 128	0.19 59	0.18 32

MIM_Stereo	0.60 87	0.26 19	1.02 182	0.49 34	0.32 97	0.52 47	0.28 17	1.41 142	0.82 53	1.02 97	1.16 150	0.93 144	0.53 61	1.48 159	0.63 158	0.17 18	0.17 161	0.20 70	0.19 102	0.17 20	0.18 32

AEACV	0.41 4	0.25 16	0.60 24	0.55 110	0.52 237	0.43 13	0.38 68	0.98 30	0.63 17	0.44 5	0.56 18	0.46 15	0.59 95	0.56 6	0.31 1	0.17 18	0.13 17	0.18 33	0.16 54	0.17 20	0.17 23

RAFT-Test	0.58 70	0.27 35	0.81 98	0.50 46	0.33 110	0.95 219	0.27 14	1.40 138	0.89 66	1.00 90	1.12 129	1.39 263	0.48 43	0.74 34	0.41 49	0.17 18	0.14 58	0.17 13	0.14 22	0.16 11	0.18 32

EGLCR-Stereo	0.41 4	0.24 9	0.59 22	0.45 8	0.27 19	0.54 60	0.22 2	1.23 113	0.56 6	0.44 5	0.43 2	0.68 65	0.29 3	0.89 65	0.34 4	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.18 32

MC-Stereo	0.46 19	0.24 9	0.58 18	0.63 200	0.30 63	0.38 7	0.32 29	0.98 30	0.74 36	0.66 39	0.85 54	0.56 40	0.60 99	1.07 97	0.32 2	0.17 18	0.12 5	0.17 13	0.15 30	0.16 11	0.16 13

RCA-Stereo	0.52 33	0.26 19	0.66 44	0.49 34	0.33 110	0.54 60	0.44 124	1.20 103	1.41 279	0.69 42	1.06 106	0.63 56	0.79 154	0.62 18	0.35 6	0.17 18	0.12 5	0.17 13	0.14 22	0.16 11	0.16 13

DCANet-4	0.59 81	0.28 43	1.65 287	0.44 7	0.25 8	0.48 23	0.36 55	1.15 89	1.36 258	1.13 126	1.03 97	0.56 40	0.74 134	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

fff	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 55	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 255	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

ADStereo(finetuned)	0.62 92	0.26 19	1.59 284	0.45 8	0.25 8	0.49 28	0.36 55	1.18 95	1.35 251	1.16 145	1.04 101	0.60 48	1.18 287	0.85 59	0.57 137	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.24 141

IPLG	0.72 149	0.29 61	1.12 206	0.53 89	0.44 197	0.79 165	0.33 33	1.35 131	1.10 147	1.32 223	1.11 126	0.52 35	0.54 68	3.13 297	0.71 181	0.17 18	0.14 58	0.20 70	0.17 70	0.18 34	0.21 87

test-3	0.56 47	0.24 9	0.82 107	0.50 46	0.29 51	0.57 69	0.34 40	1.09 62	1.03 123	1.33 228	0.69 27	0.87 120	0.45 28	1.68 191	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

test_1	0.56 47	0.24 9	0.82 107	0.50 46	0.29 51	0.57 69	0.34 40	1.09 62	1.03 123	1.28 208	0.69 27	0.87 120	0.45 28	1.67 189	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

test-1	0.56 47	0.28 43	1.13 207	0.58 150	0.34 122	0.60 83	0.38 68	1.56 167	0.98 103	0.80 55	1.02 90	0.83 111	0.52 59	0.64 24	0.46 76	0.17 18	0.16 139	0.20 70	0.17 70	0.20 86	0.26 177

DCANet	0.58 70	0.26 19	1.15 212	0.45 8	0.25 8	0.49 28	0.36 55	1.18 95	1.35 251	1.15 141	1.04 101	0.60 48	0.91 202	0.84 56	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.25 160

csc	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 55	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 255	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

cscssc	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 55	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 255	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

CFNet-RSSM	0.57 59	0.25 16	0.76 79	0.49 34	0.28 40	0.59 79	0.27 14	1.89 245	1.17 180	1.09 112	0.95 69	1.06 183	0.53 61	0.74 34	0.41 49	0.17 18	0.13 17	0.17 13	0.15 30	0.16 11	0.16 13

Gwc-CoAtRS	0.55 36	0.27 35	0.73 67	0.49 34	0.30 63	0.63 97	0.25 4	1.38 136	1.12 156	1.05 105	1.02 90	1.10 198	0.55 70	0.72 32	0.44 61	0.17 18	0.14 58	0.17 13	0.15 30	0.16 11	0.17 23

HITNet	0.71 144	0.42 241	1.07 195	0.52 69	0.25 8	1.05 236	0.48 151	2.12 290	1.08 137	1.21 175	1.23 169	0.91 137	0.84 170	0.90 68	0.91 221	0.17 18	0.12 5	0.21 93	0.17 70	0.29 233	0.18 32
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
MyStereo8	0.70 138	0.32 118	1.24 241	0.63 200	0.53 242	0.90 199	0.34 40	1.60 179	1.35 251	1.20 169	1.31 195	0.89 132	0.64 112	0.77 40	1.02 247	0.18 40	0.15 112	0.20 70	0.18 84	0.22 140	0.30 229

MyStereo07	0.50 29	0.30 79	0.58 18	0.58 150	0.48 215	0.59 79	0.78 264	1.19 99	0.60 12	0.49 16	0.54 15	0.43 6	0.55 70	1.32 130	0.36 16	0.18 40	0.18 184	0.24 167	0.21 164	0.23 158	0.23 122

MyStereo04	0.71 144	0.30 79	1.28 247	0.58 150	0.48 215	0.59 79	0.78 264	1.74 208	1.49 306	0.94 81	0.91 64	0.74 80	0.86 182	1.59 177	0.69 175	0.18 40	0.18 184	0.24 167	0.21 164	0.23 158	0.23 122

ff7	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

ffff	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

11t	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

IGEV_Zeroshot_test	0.59 81	0.33 135	1.11 203	0.63 200	0.37 144	0.41 12	0.33 33	1.80 221	0.79 48	1.04 103	1.10 119	1.06 183	0.43 22	0.87 61	0.48 88	0.18 40	0.13 17	0.19 47	0.18 84	0.20 86	0.23 122

MSKI-zero shot	0.56 47	0.30 79	0.61 28	0.55 110	0.28 40	0.68 123	0.28 17	1.25 116	0.68 23	0.92 77	1.33 204	0.81 97	0.33 10	1.94 227	0.36 16	0.18 40	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

HH	0.68 127	0.33 135	0.83 115	0.53 89	0.34 122	0.92 208	0.45 132	1.79 217	0.74 36	0.71 43	1.13 139	1.60 296	0.83 168	1.95 230	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

HanStereo	0.68 127	0.33 135	0.83 115	0.53 89	0.34 122	0.92 208	0.45 132	1.79 217	0.74 36	0.71 43	1.13 139	1.60 296	0.83 168	1.95 230	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

LL-Strereo2	0.56 47	0.36 188	0.77 82	0.56 122	0.40 170	0.68 123	0.37 61	1.21 107	0.83 56	0.96 84	0.79 43	0.91 137	0.41 16	1.08 99	0.48 88	0.18 40	0.17 161	0.29 253	0.25 233	0.22 140	0.19 51

4D-IteraStereo	0.50 29	0.26 19	0.84 124	0.51 57	0.49 221	0.64 105	0.31 25	0.91 19	1.02 120	1.05 105	0.72 33	0.76 82	0.32 9	0.69 29	0.40 44	0.18 40	0.11 2	0.23 146	0.20 128	0.19 59	0.16 13

anonymousdsp	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 91	0.97 26	0.60 12	0.51 26	0.53 9	0.46 15	0.47 41	1.36 134	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

CroCo-Stereo Lap2	0.46 19	0.37 204	0.87 137	0.62 190	0.79 328	0.28 2	0.35 49	0.81 6	0.73 29	0.39 3	0.54 15	0.71 78	0.54 68	0.60 13	0.48 88	0.18 40	0.18 184	0.19 47	0.16 54	0.21 121	0.21 87

ccc-4	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

IGEV-Stereo	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 91	0.98 30	0.60 12	0.51 26	0.53 9	0.46 15	0.47 41	1.36 134	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.89 220	0.31 104	1.04 186	0.56 122	0.47 213	0.47 18	0.68 241	1.19 99	1.08 137	0.80 55	1.35 212	1.46 275	0.90 200	5.11 336	1.16 259	0.18 40	0.15 112	0.22 120	0.19 102	0.21 121	0.24 141

iRaft-Stereo_20w	0.71 144	0.33 135	1.25 243	0.50 46	0.36 139	0.82 174	0.31 25	3.16 379	0.89 66	1.24 185	1.14 144	0.79 89	0.65 116	1.15 112	0.43 57	0.18 40	0.13 17	0.18 33	0.17 70	0.20 86	0.23 122

GLC_STEREO	0.41 4	0.27 35	0.43 5	0.55 110	0.24 6	0.47 18	0.30 23	0.81 6	0.64 19	0.53 28	0.74 35	0.50 31	0.31 6	0.65 25	0.45 72	0.18 40	0.20 208	0.23 146	0.19 102	0.21 121	0.21 87

MIPNet	0.60 87	0.31 104	1.07 195	0.51 57	0.34 122	0.68 123	0.40 79	1.67 189	1.14 167	1.11 115	0.93 66	0.60 48	0.78 149	0.77 40	0.58 142	0.18 40	0.14 58	0.19 47	0.16 54	0.18 34	0.21 87

IPLGR	0.62 92	0.28 43	1.32 253	0.50 46	0.29 51	0.65 109	0.34 40	1.47 152	1.19 185	1.21 175	1.07 108	0.70 72	0.65 116	1.05 91	0.55 127	0.18 40	0.15 112	0.20 70	0.17 70	0.21 121	0.20 70

iRaftStereo_RVC	0.49 25	0.28 43	0.72 57	0.53 89	0.29 51	0.52 47	0.33 33	1.14 78	0.84 58	0.85 67	0.99 82	0.55 38	0.36 12	0.83 53	0.40 44	0.18 40	0.13 17	0.22 120	0.20 128	0.20 86	0.18 32

raft+_RVC	0.56 47	0.29 61	0.61 28	0.65 217	0.56 257	0.53 51	0.53 179	1.40 138	1.02 120	0.78 52	1.04 101	0.70 72	0.55 70	1.00 82	0.49 97	0.18 40	0.16 139	0.19 47	0.19 102	0.18 34	0.17 23

test_xeample3	0.57 59	0.33 135	3.11 349	0.46 14	0.34 122	0.55 64	0.38 68	0.86 17	0.49 2	0.54 29	0.46 3	0.44 7	0.44 26	1.49 165	0.45 72	0.18 40	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

pmcnn	2.84 381	0.46 254	5.19 373	0.68 252	0.42 187	1.55 307	1.16 332	2.32 327	1.60 323	2.72 369	7.49 399	17.96 415	1.48 324	6.04 357	6.64 382	0.18 40	0.15 112	0.15 3	0.12 9	0.20 86	0.20 70

IGEVStereo-DCA	0.49 25	0.33 135	0.64 37	0.46 14	0.34 122	0.50 38	0.42 91	0.93 20	0.59 7	0.48 13	0.48 5	0.48 24	0.45 28	2.28 263	0.44 61	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.21 87

rrr	0.57 59	0.33 135	2.43 332	0.46 14	0.34 122	0.50 38	0.38 68	0.84 13	0.55 4	0.48 13	0.48 5	0.48 24	0.45 28	2.28 263	0.44 61	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

CASnet	0.42 8	0.26 19	0.52 15	0.52 69	0.21 2	0.49 28	0.35 49	0.85 14	0.85 61	0.84 65	0.69 27	0.48 24	0.31 6	0.57 8	0.34 4	0.19 65	0.12 5	0.27 233	0.22 186	0.23 158	0.15 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.55 36	0.27 35	0.49 11	0.50 46	0.27 19	0.98 226	0.25 4	1.71 203	1.08 137	0.90 75	0.99 82	1.13 207	0.46 35	0.74 34	0.35 6	0.19 65	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

anonymousdsp2	0.58 70	0.29 61	0.93 153	0.51 57	0.30 63	0.75 146	0.46 138	1.95 258	0.87 64	0.81 59	0.78 41	0.76 82	0.48 43	1.10 105	0.45 72	0.19 65	0.14 58	0.18 33	0.13 11	0.20 86	0.22 108

CBFPSM	0.95 241	0.37 204	2.10 317	0.51 57	0.39 161	1.73 324	0.87 291	1.59 177	1.13 161	1.11 115	1.00 86	2.34 356	1.64 336	1.42 148	1.44 293	0.19 65	0.18 184	0.20 70	0.20 128	0.22 140	0.36 270

LoS	0.41 4	0.23 6	0.46 8	0.39 2	0.23 5	0.48 23	0.40 79	1.12 72	0.94 88	0.50 19	0.66 21	0.49 28	0.42 19	0.63 23	0.39 31	0.19 65	0.14 58	0.16 8	0.11 6	0.14 1	0.15 3

ToySt	0.73 152	0.35 184	1.64 286	0.54 100	0.37 144	0.92 208	0.81 276	1.21 107	1.03 123	0.86 71	1.12 129	1.31 248	1.01 242	1.04 88	0.88 214	0.19 65	0.20 208	0.24 167	0.24 225	0.27 208	0.28 204

anonymousa	0.78 170	0.30 79	0.85 130	0.51 57	0.96 355	1.41 295	0.47 147	1.61 181	0.94 88	1.33 228	1.77 305	1.66 304	1.11 271	0.72 32	0.63 158	0.19 65	0.18 184	0.23 146	0.25 233	0.20 86	0.22 108

raft_robust	0.71 144	0.32 118	0.75 77	0.54 100	0.28 40	0.54 60	0.35 49	1.54 163	1.24 205	1.18 158	1.07 108	0.73 79	0.53 61	3.65 310	0.40 44	0.19 65	0.16 139	0.20 70	0.22 186	0.21 121	0.19 51

RAFT+CT+SA	0.63 101	0.30 79	0.73 67	0.69 262	0.37 144	0.40 9	0.55 195	1.93 254	1.04 129	0.72 46	1.23 169	0.62 52	0.69 128	1.69 195	0.42 54	0.19 65	0.13 17	0.22 120	0.22 186	0.21 121	0.19 51

test_5	0.70 138	0.32 118	0.99 174	0.69 262	0.50 225	0.89 196	0.51 165	1.88 243	1.14 167	0.78 52	1.13 139	1.04 179	0.89 197	1.59 177	0.46 76	0.19 65	0.14 58	0.23 146	0.22 186	0.22 140	0.20 70

Sa-1000	0.76 163	0.30 79	0.92 152	0.62 190	0.31 77	0.78 161	0.37 61	2.00 268	1.38 265	1.30 215	2.04 335	0.86 119	0.74 134	1.87 217	0.40 44	0.19 65	0.14 58	0.25 203	0.24 225	0.21 121	0.19 51

CrosDoStereo	1.56 326	0.26 19	0.78 88	0.51 57	0.29 51	0.66 115	11.86 408	1.18 95	1.00 114	1.35 239	1.76 303	0.99 165	1.83 350	6.64 369	0.83 206	0.19 65	0.15 112	0.20 70	0.22 186	0.18 34	0.25 160

LCNet	0.73 152	0.30 79	0.58 18	0.58 150	0.31 77	0.68 123	0.53 179	1.09 62	0.94 88	1.19 163	1.34 207	0.96 156	1.32 306	2.50 274	0.46 76	0.19 65	0.13 17	0.21 93	0.25 233	0.28 223	0.69 355

STrans-v2	1.06 265	0.31 104	1.02 182	0.52 69	0.33 110	0.67 120	0.78 264	2.66 366	1.26 217	1.15 141	1.46 241	1.37 261	1.40 315	6.68 371	0.46 76	0.19 65	0.13 17	0.21 93	0.18 84	0.18 34	0.21 87

TransformOpticalFlow	0.97 246	0.30 79	0.96 169	0.54 100	0.31 77	0.65 109	0.54 188	1.87 238	1.19 185	1.12 123	1.44 236	1.34 255	0.98 230	6.68 371	0.44 61	0.19 65	0.12 5	0.21 93	0.19 102	0.18 34	0.23 122

PSM-AAD	0.80 183	0.29 61	0.58 18	0.58 150	0.29 51	0.76 151	1.19 335	1.08 55	0.94 88	1.65 315	1.58 276	0.81 97	2.12 366	1.67 189	0.44 61	0.19 65	0.14 58	0.38 316	0.32 302	0.22 140	0.68 353

DeepStereo_LL	1.56 326	0.26 19	0.78 88	0.51 57	0.29 51	0.66 115	11.86 408	1.18 95	1.00 114	1.35 239	1.76 303	0.99 165	1.83 350	6.64 369	0.83 206	0.19 65	0.15 112	0.20 70	0.22 186	0.18 34	0.25 160

DEmStereo	0.98 249	0.25 16	0.85 130	0.49 34	0.33 110	1.02 231	0.55 195	0.97 26	0.93 83	1.41 260	2.13 340	1.01 173	2.01 357	5.62 347	0.78 193	0.19 65	0.15 112	0.20 70	0.20 128	0.18 34	0.25 160

DRaft	0.81 191	0.26 19	0.77 82	0.47 24	0.31 77	0.95 219	0.52 173	1.13 76	0.99 110	1.78 328	2.01 333	0.80 91	1.71 342	2.64 281	0.74 184	0.19 65	0.14 58	0.20 70	0.20 128	0.18 34	0.24 141

RAFT-345	0.86 213	0.26 19	0.73 67	0.53 89	0.28 40	0.53 51	0.41 87	0.85 14	1.31 242	1.33 228	2.32 349	0.85 118	0.53 61	5.69 348	0.48 88	0.19 65	0.14 58	0.22 120	0.17 70	0.17 20	0.17 23

CroCo-Stereo	0.42 8	0.33 135	0.83 115	0.59 162	0.28 40	0.26 1	0.33 33	1.22 109	0.85 61	0.43 4	0.49 7	0.65 59	0.46 35	0.40 1	0.36 16	0.19 65	0.15 112	0.16 8	0.14 22	0.20 86	0.17 23
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
GMM-Stereo	0.75 158	0.27 35	0.66 44	0.56 122	0.34 122	0.71 136	0.97 309	1.09 62	0.91 71	1.37 245	1.79 307	1.11 203	0.79 154	2.08 247	0.48 88	0.19 65	0.12 5	0.25 203	0.25 233	0.21 121	0.78 362

Prome-Stereo	0.76 163	0.29 61	0.57 17	0.58 150	0.33 110	0.58 78	0.94 304	0.98 30	0.92 76	1.46 279	2.45 356	0.91 137	1.38 312	1.60 182	0.44 61	0.19 65	0.13 17	0.19 47	0.18 84	0.20 86	0.87 368

TANstereo	0.45 11	0.23 6	0.50 13	0.43 5	0.21 2	0.65 109	0.26 10	0.83 10	0.88 65	0.95 83	0.99 82	0.51 32	0.45 28	0.56 6	0.36 16	0.19 65	0.24 261	0.16 8	0.13 11	0.17 20	0.27 193

EAI-Stereo	0.76 163	0.31 104	0.74 72	0.55 110	0.28 40	0.70 134	1.72 366	2.57 359	0.90 70	0.75 50	3.03 367	0.57 42	0.43 22	1.10 105	0.49 97	0.19 65	0.14 58	0.17 13	0.18 84	0.17 20	0.21 87

CREStereo	0.40 3	0.24 9	0.40 2	0.37 1	0.22 4	0.52 47	0.29 21	0.81 6	1.15 171	0.59 31	0.72 33	0.51 32	0.42 19	0.57 8	0.37 25	0.19 65	0.13 17	0.15 3	0.10 1	0.14 1	0.15 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
DIP-Stereo	0.64 104	0.32 118	0.91 150	0.49 34	0.36 139	0.91 201	0.33 33	2.51 355	0.77 41	1.25 188	1.00 86	0.68 65	0.51 55	0.92 70	0.65 165	0.19 65	0.15 112	0.21 93	0.17 70	0.19 59	0.22 108
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
R-Stereo Train	0.60 87	0.30 79	0.72 57	0.57 140	0.37 144	0.68 123	0.52 173	1.45 147	0.78 42	1.61 309	1.50 253	0.76 82	0.53 61	0.67 27	0.51 102	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51

RAFT-Stereo	0.60 87	0.30 79	0.72 57	0.57 140	0.37 144	0.68 123	0.52 173	1.45 147	0.78 42	1.61 309	1.50 253	0.76 82	0.53 61	0.67 27	0.51 102	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MLCV	0.77 168	0.39 225	1.31 251	0.55 110	0.25 8	0.91 201	0.39 77	1.48 154	1.28 225	1.49 287	1.54 263	1.02 175	0.68 125	2.12 251	0.93 228	0.19 65	0.13 17	0.19 47	0.14 22	0.19 59	0.22 108

iResNet	0.80 183	0.45 251	1.47 267	0.72 279	0.31 77	0.96 224	0.64 233	1.80 221	1.28 225	1.31 221	1.48 245	0.94 149	0.78 149	1.77 202	0.99 240	0.19 65	0.14 58	0.18 33	0.15 30	0.22 140	0.27 193

DN-CSS_ROB	0.67 118	0.36 188	1.36 258	0.59 162	0.41 180	0.54 60	0.45 132	1.30 127	0.95 92	1.05 105	1.47 243	0.69 69	0.64 112	1.80 211	0.60 150	0.19 65	0.15 112	0.25 203	0.23 213	0.22 140	0.23 122

StereoIM	0.38 1	0.27 35	0.72 57	0.45 8	0.35 137	0.30 3	0.31 25	0.81 6	0.54 3	0.38 2	0.38 1	0.58 43	0.49 53	0.53 4	0.39 31	0.20 99	0.16 139	0.19 47	0.15 30	0.19 59	0.15 3

MIF-Stereo (partial)	0.48 24	0.28 43	0.83 115	0.51 57	0.53 242	0.39 8	0.27 14	1.03 43	0.64 19	0.47 11	0.71 32	0.51 32	0.51 55	1.13 110	0.47 84	0.20 99	0.16 139	0.23 146	0.20 128	0.24 187	0.20 70

riskmin	0.62 92	0.29 61	0.73 67	0.50 46	0.34 122	0.86 191	0.44 124	1.74 208	1.07 134	0.76 51	0.76 36	1.19 214	1.01 242	0.84 56	0.60 150	0.20 99	0.16 139	0.24 167	0.16 54	0.24 187	0.29 216

TestStereo1	0.66 110	0.29 61	0.95 162	0.82 319	0.32 97	0.47 18	0.43 107	1.52 157	1.22 201	0.99 86	1.32 200	0.65 59	0.76 140	1.78 204	0.44 61	0.20 99	0.16 139	0.22 120	0.19 102	0.21 121	0.20 70

IER	0.74 155	0.33 135	1.25 243	0.50 46	0.53 242	1.32 279	0.55 195	1.31 128	1.08 137	1.30 215	1.34 207	1.11 203	1.10 269	1.05 91	0.81 204	0.20 99	0.17 161	0.21 93	0.21 164	0.20 86	0.21 87

SA-5K	0.66 110	0.29 61	0.95 162	0.82 319	0.32 97	0.47 18	0.43 107	1.52 157	1.22 201	0.99 86	1.32 200	0.65 59	0.76 140	1.78 204	0.44 61	0.20 99	0.16 139	0.22 120	0.19 102	0.21 121	0.20 70

SA	0.69 136	0.31 104	0.97 170	0.64 211	0.30 63	0.56 67	0.38 68	1.84 230	1.35 251	0.99 86	1.37 217	0.69 69	0.94 213	1.88 223	0.43 57	0.20 99	0.16 139	0.25 203	0.23 213	0.22 140	0.19 51

OMP-Stereo	0.95 241	0.35 184	0.79 92	0.92 346	0.32 97	0.49 28	0.35 49	1.22 109	1.11 151	1.58 304	1.12 129	1.44 270	0.69 128	6.92 374	0.51 102	0.20 99	0.15 112	0.24 167	0.19 102	0.21 121	0.16 13

ASMatch	0.89 220	0.29 61	0.72 57	0.56 122	0.36 139	0.47 18	0.37 61	1.16 92	0.95 92	1.11 115	3.26 370	0.95 152	0.96 220	4.88 333	0.53 117	0.20 99	0.16 139	0.22 120	0.19 102	0.20 86	0.30 229

THIR-Stereo	1.02 258	0.29 61	0.73 67	0.51 57	0.29 51	0.94 213	1.31 345	1.08 55	0.98 103	1.35 239	1.91 326	1.16 212	1.54 327	6.37 366	0.79 197	0.20 99	0.14 58	0.21 93	0.22 186	0.19 59	0.25 160

GrayStereo	0.83 202	0.28 43	0.62 31	0.66 230	0.37 144	0.76 151	1.79 370	1.19 99	0.91 71	1.98 345	1.89 322	1.07 186	1.76 346	1.43 150	0.50 100	0.20 99	0.15 112	0.19 47	0.21 164	0.18 34	0.41 289

RAFT-RH_RVC	1.04 261	0.26 19	0.76 79	0.53 89	0.29 51	0.80 166	0.32 29	0.85 14	1.12 156	2.04 348	4.63 385	1.03 178	0.57 77	5.93 354	0.52 108	0.20 99	0.13 17	0.26 224	0.20 128	0.16 11	0.19 51

rafts_anoy	0.55 36	0.32 118	0.66 44	0.72 279	0.61 278	0.53 51	0.40 79	1.24 114	1.06 133	0.85 67	0.83 51	0.67 63	0.53 61	0.77 40	0.55 127	0.20 99	0.15 112	0.25 203	0.26 244	0.22 140	0.21 87

XX-TBD	0.47 22	0.71 327	0.39 1	0.81 315	0.25 8	0.57 69	0.26 10	0.73 3	1.30 235	0.78 52	1.01 88	0.45 14	0.33 10	0.49 3	0.39 31	0.20 99	0.15 112	0.15 3	0.11 6	0.17 20	0.15 3

raftrobust	0.55 36	0.27 35	0.63 32	0.68 252	0.69 302	0.50 38	0.34 40	1.08 55	0.97 100	1.32 223	0.88 60	0.62 52	0.80 160	0.82 50	0.44 61	0.20 99	0.16 139	0.16 8	0.14 22	0.15 4	0.18 32

RALCasStereoNet	0.58 70	0.34 162	0.77 82	0.65 217	0.64 285	0.64 105	0.51 165	1.06 49	0.99 110	0.71 43	1.06 106	0.77 86	0.44 26	1.38 138	0.52 108	0.20 99	0.18 184	0.18 33	0.16 54	0.20 86	0.22 108

RALAANet	0.62 92	0.37 204	0.97 170	0.66 230	0.50 225	0.67 120	0.31 25	1.27 121	1.09 144	1.11 115	1.17 152	0.88 126	0.46 35	1.27 126	0.45 72	0.20 99	0.15 112	0.21 93	0.18 84	0.27 208	0.19 51

111	0.66 110	0.27 35	1.15 212	0.46 14	0.25 8	0.72 139	0.42 91	1.57 170	1.44 290	0.83 62	1.39 223	1.10 198	0.80 160	0.97 79	0.65 165	0.20 99	0.14 58	0.18 33	0.15 30	0.18 34	0.28 204

ARAFT	0.82 193	0.40 230	1.77 292	0.53 89	0.31 77	0.89 196	0.81 276	2.32 327	1.08 137	1.66 316	1.25 175	1.04 179	0.64 112	1.91 224	0.52 108	0.20 99	0.15 112	0.28 245	0.27 258	0.17 20	0.18 32

MMNet	0.89 220	0.35 184	1.44 264	0.64 211	0.59 269	1.83 336	0.48 151	1.70 202	1.38 265	1.45 277	1.19 157	1.25 230	1.16 277	1.77 202	1.27 275	0.20 99	0.19 198	0.23 146	0.22 186	0.25 196	0.24 141

RASNet	1.16 281	0.34 162	1.11 203	0.73 286	0.86 342	1.00 228	0.60 223	1.56 167	1.43 288	1.07 110	1.37 217	2.08 347	1.44 320	7.00 376	1.56 306	0.20 99	0.17 161	0.17 13	0.19 102	0.19 59	0.19 51

CoDeX	0.78 170	0.31 104	1.04 186	0.56 122	0.37 144	1.13 248	0.60 223	2.77 370	1.29 233	1.17 147	1.26 177	0.91 137	0.87 188	1.42 148	0.74 184	0.21 120	0.16 139	0.21 93	0.18 84	0.21 121	0.21 87

ACVNet-DCA	0.59 81	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.58 172	0.91 71	0.60 34	0.80 46	0.47 20	0.87 188	1.48 159	0.35 6	0.21 120	0.13 17	0.25 203	0.15 30	0.23 158	0.25 160

xx1	0.70 138	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.07 50	3.23 382	0.60 34	0.80 46	0.95 152	0.79 154	1.48 159	0.35 6	0.21 120	0.13 17	0.24 167	0.23 213	0.23 158	0.25 160

1test111	0.58 70	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.58 172	0.91 71	0.60 34	0.80 46	0.47 20	0.87 188	0.99 80	0.67 170	0.21 120	0.13 17	0.25 203	0.15 30	0.23 158	0.25 160

cc1	0.68 127	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.07 50	3.23 382	0.60 34	0.80 46	0.47 20	0.87 188	1.48 159	0.35 6	0.21 120	0.13 17	0.25 203	0.15 30	0.19 59	0.23 122

11t1	0.57 59	0.30 79	0.84 124	0.54 100	0.30 63	0.83 180	0.41 87	1.34 130	0.79 48	0.88 73	0.82 50	0.70 72	0.70 130	0.96 78	0.67 170	0.21 120	0.21 221	0.20 70	0.16 54	0.21 121	0.26 177

DualNet	1.46 317	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	1.08 55	2.62 370	1.19 163	1.49 246	1.07 186	0.85 175	1.57 171	13.82 401	0.21 120	0.13 17	0.31 266	0.28 267	0.20 86	0.23 122

ffm	0.79 178	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	1.08 55	2.62 370	1.19 163	1.49 246	1.07 186	0.85 175	1.57 171	0.35 6	0.21 120	0.13 17	0.31 266	0.28 267	0.20 86	0.23 122

ff1	1.88 348	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	1.08 55	2.62 370	1.19 163	1.49 246	1.07 186	0.85 175	9.88 405	13.82 401	0.21 120	0.13 17	0.31 266	0.28 267	0.20 86	0.23 122

tt1	0.65 108	0.34 162	0.65 42	0.60 169	0.27 19	1.14 251	0.48 151	1.08 55	2.62 370	0.59 31	0.79 43	0.49 28	0.80 160	1.57 171	0.35 6	0.21 120	0.13 17	0.25 203	0.16 54	0.20 86	0.23 122

MIF-Stereo	0.38 1	0.24 9	0.67 47	0.49 34	0.36 139	0.40 9	0.32 29	0.55 1	0.55 4	0.55 30	0.55 17	0.36 2	0.31 6	0.59 11	0.52 108	0.21 120	0.15 112	0.17 13	0.15 30	0.19 59	0.17 23

PCWNet_CMD	0.68 127	0.34 162	0.93 153	0.51 57	0.38 154	0.80 166	0.42 91	1.51 155	1.34 248	1.17 147	1.31 195	1.23 225	0.65 116	0.94 71	0.62 156	0.21 120	0.17 161	0.27 233	0.19 102	0.43 300	0.28 204

knoymous	0.53 34	0.32 118	0.51 14	0.46 14	0.30 63	0.57 69	0.54 188	1.10 68	0.78 42	0.99 86	0.84 52	0.95 152	0.57 77	0.89 65	0.51 102	0.21 120	0.14 58	0.26 224	0.14 22	0.23 158	0.25 160

Selective-RAFT	0.55 36	0.29 61	0.85 130	0.58 150	0.28 40	0.91 201	0.34 40	1.00 36	0.96 96	0.59 31	0.64 20	0.80 91	0.76 140	1.34 132	0.51 102	0.21 120	0.15 112	0.17 13	0.15 30	0.19 59	0.19 51

qqq	0.62 92	0.36 188	0.88 139	0.50 46	0.28 40	0.64 105	0.62 227	1.58 172	0.91 71	0.83 62	0.96 71	0.95 152	0.79 154	0.99 80	0.67 170	0.21 120	0.23 253	0.24 167	0.23 213	0.23 158	0.25 160

x	0.59 81	0.34 162	0.79 92	0.51 57	0.32 97	0.69 131	0.46 138	1.64 185	0.97 100	0.86 71	0.86 55	0.83 111	0.74 134	0.75 38	0.70 178	0.21 120	0.22 231	0.22 120	0.20 128	0.21 121	0.24 141

HHNet	0.64 104	0.28 43	0.69 53	0.45 8	0.46 207	0.50 38	0.57 204	1.13 76	1.03 123	1.26 198	2.21 344	0.70 72	0.59 95	1.10 105	0.51 102	0.21 120	0.13 17	0.23 146	0.19 102	0.20 86	0.31 238

IIG-Stereo	0.97 246	0.34 162	0.80 97	0.90 344	0.33 110	0.61 87	0.26 10	1.27 121	1.08 137	1.69 319	1.37 217	1.44 270	0.74 134	6.94 375	0.53 117	0.21 120	0.14 58	0.23 146	0.18 84	0.20 86	0.15 3

FTStereo	0.92 235	0.28 43	0.61 28	0.57 140	0.34 122	0.65 109	1.80 373	1.09 62	0.84 58	1.75 323	4.13 380	1.04 179	1.62 331	1.59 177	0.48 88	0.21 120	0.17 161	0.23 146	0.22 186	0.19 59	0.58 338

KYRaft	0.77 168	0.29 61	0.68 49	0.59 162	0.29 51	0.66 115	0.83 281	1.05 48	0.89 66	1.63 313	2.22 345	1.15 211	0.99 233	1.59 177	0.41 49	0.21 120	0.14 58	0.22 120	0.28 267	0.21 121	1.01 371

PFNet	0.92 235	0.28 43	1.20 232	0.68 252	0.32 97	0.62 89	0.55 195	1.27 121	1.01 117	1.47 280	1.09 117	0.97 159	0.68 125	6.58 368	0.59 148	0.21 120	0.13 17	0.24 167	0.19 102	0.20 86	0.20 70

AnonymousM	0.63 101	1.14 364	0.43 5	0.46 14	0.32 97	0.43 13	0.46 138	1.27 121	0.78 42	1.00 90	0.66 21	0.68 65	0.45 28	0.61 14	0.46 76	0.21 120	0.16 139	1.84 387	0.98 384	0.15 4	0.15 3

CFNet_pseudo	0.68 127	0.34 162	0.93 153	0.50 46	0.39 161	0.72 139	0.42 91	1.44 145	1.25 211	1.17 147	1.35 212	1.22 221	0.66 120	1.04 88	0.64 161	0.21 120	0.17 161	0.33 286	0.19 102	0.39 286	0.28 204

XX-Stereo	0.97 246	0.28 43	8.28 384	0.85 329	0.70 308	0.44 15	0.22 2	1.07 50	0.69 25	0.66 39	1.56 271	1.38 262	0.38 14	1.36 134	0.38 28	0.21 120	0.14 58	0.20 70	0.19 102	0.19 59	0.16 13

BEATNet_4x	0.82 193	0.54 283	2.02 311	0.56 122	0.28 40	1.04 233	0.55 195	2.14 295	1.13 161	1.24 185	1.26 177	1.00 169	0.94 213	1.13 110	1.23 270	0.21 120	0.14 58	0.24 167	0.20 128	0.37 276	0.23 122

MSMDNet	0.68 127	0.34 162	0.93 153	0.52 69	0.38 154	0.80 166	0.42 91	1.52 157	1.35 251	1.17 147	1.31 195	1.23 225	0.65 116	0.94 71	0.62 156	0.21 120	0.17 161	0.26 224	0.19 102	0.41 294	0.28 204

ccs_rob	0.68 127	0.34 162	0.93 153	0.50 46	0.39 161	0.72 139	0.42 91	1.43 144	1.25 211	1.17 147	1.34 207	1.22 221	0.66 120	1.04 88	0.64 161	0.21 120	0.17 161	0.35 300	0.20 128	0.40 290	0.29 216

StereoDRNet-Refined	0.84 206	0.43 245	1.01 180	0.66 230	0.43 190	1.32 279	0.49 159	1.64 185	1.24 205	1.53 293	1.45 239	1.49 280	0.97 227	1.32 130	1.31 277	0.21 120	0.17 161	0.27 233	0.25 233	0.25 196	0.34 259
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet_ROB	0.82 193	0.36 188	1.13 207	0.60 169	0.37 144	0.91 201	0.38 68	2.41 338	1.61 324	1.35 239	1.35 212	1.25 230	0.97 227	1.75 200	0.88 214	0.21 120	0.14 58	0.17 13	0.12 9	0.19 59	0.30 229

mmm	0.68 127	0.37 204	0.91 150	0.54 100	0.34 122	0.86 191	0.58 211	1.72 206	1.02 120	1.13 126	1.41 231	0.83 111	0.78 149	0.95 77	0.67 170	0.22 149	0.20 208	0.29 253	0.26 244	0.27 208	0.27 193

1111x	1.96 354	0.32 118	1.54 280	0.54 100	0.30 63	1.00 228	0.69 245	2.47 348	1.33 246	1.21 175	1.44 236	1.21 217	1.11 271	8.49 391	16.14 409	0.22 149	0.23 253	0.22 120	0.23 213	0.25 196	0.26 177

LL-Strereo	1.42 313	0.44 250	2.02 311	0.62 190	1.07 361	0.73 142	0.65 235	2.02 270	1.21 195	1.60 308	1.62 282	2.02 340	2.10 363	9.67 400	1.07 251	0.22 149	0.20 208	0.27 233	0.24 225	0.23 158	0.33 252

gwcnet-sp	0.80 183	0.37 204	1.94 304	0.62 190	0.45 200	1.38 288	0.53 179	1.68 190	1.20 189	1.37 245	1.08 114	0.93 144	0.82 165	1.45 153	0.79 197	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

scenet	0.80 183	0.37 204	1.94 304	0.62 190	0.45 200	1.38 288	0.53 179	1.68 190	1.20 189	1.37 245	1.08 114	0.93 144	0.82 165	1.45 153	0.79 197	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

ssnet	0.80 183	0.37 204	1.94 304	0.62 190	0.45 200	1.38 288	0.53 179	1.68 190	1.20 189	1.37 245	1.08 114	0.93 144	0.82 165	1.45 153	0.79 197	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

DAS	0.89 220	0.37 204	1.20 232	0.66 230	0.69 302	0.82 174	0.62 227	1.79 217	1.26 217	1.93 340	1.55 266	0.96 156	1.17 280	2.72 286	0.69 175	0.22 149	0.16 139	0.25 203	0.18 84	0.29 233	0.24 141

SepStereo	0.87 216	0.37 204	1.20 232	0.66 230	0.69 302	0.82 174	0.62 227	1.79 217	1.26 217	1.93 340	1.55 266	0.96 156	1.17 280	2.34 266	0.69 175	0.22 149	0.16 139	0.25 203	0.18 84	0.29 233	0.24 141

NRIStereo	0.62 92	0.31 104	0.78 88	0.56 122	0.28 40	0.63 97	0.33 33	1.16 92	0.92 76	1.15 141	0.87 57	0.90 134	0.58 92	2.24 259	0.56 134	0.22 149	0.14 58	0.21 93	0.19 102	0.22 140	0.18 32

CRE-IMP	0.57 59	0.32 118	0.82 107	0.54 100	0.29 51	0.77 160	0.25 4	1.19 99	0.79 48	1.09 112	0.95 69	0.81 97	0.57 77	1.11 108	0.57 137	0.22 149	0.14 58	0.23 146	0.19 102	0.28 223	0.24 141

RAFT	0.67 118	0.32 118	0.83 115	0.63 200	0.34 122	0.69 131	0.57 204	1.14 78	0.84 58	1.12 123	1.20 158	1.75 319	0.92 210	1.09 103	0.60 150	0.22 149	0.19 198	0.27 233	0.24 225	0.22 140	0.23 122

sAnonymous2	0.59 81	0.61 301	1.82 296	0.61 182	0.52 237	0.51 43	0.54 188	0.97 26	0.70 26	0.50 19	0.68 24	0.46 15	0.63 110	0.61 14	0.41 49	0.22 149	0.17 161	0.23 146	0.21 164	0.85 366	0.56 332

CroCo_RVC	0.59 81	0.61 301	1.82 296	0.61 182	0.52 237	0.51 43	0.54 188	0.97 26	0.70 26	0.50 19	0.68 24	0.46 15	0.63 110	0.61 14	0.41 49	0.22 149	0.17 161	0.23 146	0.21 164	0.85 366	0.56 332

test_xeample	1.55 325	0.31 104	0.94 159	0.54 100	0.31 77	0.94 213	0.58 211	2.40 337	1.40 276	1.29 212	1.55 266	0.89 132	0.88 195	1.72 197	15.94 408	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

RAFT + AFF	1.07 269	0.47 259	1.36 258	0.68 252	0.50 225	1.20 268	1.22 338	2.58 360	1.26 217	1.33 228	1.56 271	1.19 214	1.49 325	3.89 317	1.01 245	0.22 149	0.26 279	0.30 262	0.27 258	0.29 233	0.32 246

SFCPSM	0.74 155	0.30 79	1.06 191	0.52 69	0.39 161	1.36 287	0.64 233	2.42 339	1.11 151	1.18 158	1.21 163	0.81 97	0.78 149	1.08 99	0.57 137	0.22 149	0.17 161	0.22 120	0.24 225	0.23 158	0.21 87

delet	0.90 227	0.34 162	1.15 212	0.69 262	0.66 294	1.63 317	0.81 276	1.95 258	1.49 306	1.42 264	1.38 221	1.29 244	0.91 202	1.78 204	1.18 260	0.22 149	0.22 231	0.24 167	0.25 233	0.22 140	0.24 141

ACVNet	0.66 110	0.33 135	0.74 72	0.55 110	0.37 144	0.80 166	0.47 147	1.46 149	1.11 151	1.01 93	1.31 195	1.07 186	0.91 202	0.82 50	1.09 252	0.22 149	0.19 198	0.21 93	0.18 84	0.23 158	0.19 51

acv_ft	0.78 170	0.33 135	1.10 201	0.73 286	0.86 342	1.23 272	0.57 204	1.65 188	1.11 151	1.31 221	1.31 195	1.07 186	0.91 202	0.82 50	1.35 284	0.22 149	0.19 198	0.21 93	0.18 84	0.22 140	0.19 51

LE_ROB	8.35 407	0.47 259	27.42 422	0.83 323	0.34 122	2.84 374	3.36 403	4.03 390	27.04 423	25.20 423	8.72 405	8.55 405	27.35 422	7.37 380	22.13 414	0.22 149	0.20 208	0.20 70	0.21 164	0.25 196	0.25 160

test croco	0.49 25	0.29 61	1.23 238	0.51 57	0.40 170	0.35 5	0.37 61	1.04 45	0.62 16	0.44 5	0.76 36	0.42 4	0.41 16	1.17 117	0.46 76	0.23 169	0.15 112	0.24 167	0.19 102	0.25 196	0.18 32

EKT-Stereo	0.56 47	0.33 135	0.84 124	0.61 182	0.64 285	0.51 43	0.48 151	1.14 78	0.95 92	0.74 48	0.89 62	0.77 86	0.42 19	1.18 118	0.42 54	0.23 169	0.17 161	0.21 93	0.18 84	0.20 86	0.26 177

hknet	0.82 193	0.34 162	1.15 212	0.55 110	0.39 161	1.25 274	0.66 237	2.65 363	1.10 147	1.25 188	1.12 129	1.58 295	0.85 175	1.41 143	0.79 197	0.23 169	0.18 184	0.25 203	0.22 186	0.23 158	0.24 141

Patchmatch Stereo++	0.57 59	0.33 135	0.82 107	0.52 69	0.27 19	0.63 97	0.28 17	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.40 141	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.56 47	0.33 135	0.81 98	0.52 69	0.27 19	0.63 97	0.41 87	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.09 103	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

ROB_FTStereo_v2	0.57 59	0.33 135	0.81 98	0.52 69	0.27 19	0.62 89	0.42 91	1.14 78	0.73 29	1.13 126	0.97 78	0.82 103	0.60 99	1.15 112	0.53 117	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

ROB_FTStereo	0.56 47	0.33 135	0.82 107	0.52 69	0.27 19	0.62 89	0.25 4	1.14 78	0.74 36	1.13 126	0.96 71	0.82 103	0.60 99	1.18 118	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

HUI-Stereo	0.54 35	0.33 135	0.81 98	0.52 69	0.27 19	0.62 89	0.29 21	1.14 78	0.74 36	1.13 126	0.96 71	0.82 103	0.60 99	0.83 53	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

SST-Stereo	0.85 211	0.30 79	0.81 98	0.63 200	0.31 77	0.70 134	0.25 4	1.16 92	0.95 92	1.47 280	1.11 126	0.99 165	0.86 182	5.69 348	0.53 117	0.23 169	0.13 17	0.23 146	0.19 102	0.23 158	0.19 51

RAFT_R40	0.84 206	0.30 79	0.83 115	0.63 200	0.31 77	0.66 115	0.43 107	1.15 89	0.99 110	1.47 280	1.10 119	1.00 169	0.84 170	5.44 345	0.53 117	0.23 169	0.13 17	0.23 146	0.20 128	0.23 158	0.19 51

DeepStereo_RVC	0.57 59	0.31 104	0.78 88	0.53 89	0.30 63	0.57 69	0.32 29	1.11 70	0.80 52	1.17 147	0.94 68	0.83 111	0.93 211	1.01 84	0.61 153	0.23 169	0.14 58	0.21 93	0.19 102	0.24 187	0.26 177

iGMRVC	0.58 70	0.33 135	0.81 98	0.52 69	0.27 19	0.62 89	0.38 68	1.14 78	0.73 29	1.13 126	0.97 78	0.82 103	0.59 95	1.54 168	0.53 117	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

iRAFT	0.57 59	0.33 135	0.82 107	0.52 69	0.27 19	0.63 97	0.28 17	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.40 141	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

RAFT-IKP	0.57 59	0.33 135	0.82 107	0.52 69	0.27 19	0.57 69	0.35 49	1.14 78	0.73 29	1.13 126	0.96 71	0.83 111	0.61 109	1.26 124	0.53 117	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

TestStereo	0.65 108	0.42 241	0.83 115	0.52 69	0.27 19	0.57 69	0.44 124	1.07 50	0.92 76	0.85 67	1.01 88	0.68 65	0.56 75	3.22 301	0.47 84	0.23 169	0.15 112	0.24 167	0.18 84	0.28 223	0.18 32

FENet	0.62 92	0.30 79	0.68 49	0.57 140	0.33 110	0.82 174	0.40 79	1.41 142	1.12 156	1.03 101	0.87 57	0.98 160	0.84 170	1.00 82	0.70 178	0.23 169	0.16 139	0.23 146	0.20 128	0.22 140	0.24 141

HSM-Net_RVC	0.91 232	0.31 104	0.60 24	0.54 100	0.31 77	1.15 254	0.60 223	3.76 386	1.30 235	1.57 303	1.75 302	1.67 306	1.01 242	1.61 184	0.90 219	0.23 169	0.17 161	0.19 47	0.18 84	0.20 86	0.22 108
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
HSM	1.22 292	0.34 162	0.81 98	0.61 182	0.39 161	1.22 270	0.63 232	2.45 343	1.25 211	1.32 223	1.26 177	1.91 324	1.08 264	9.21 396	0.75 187	0.23 169	0.17 161	0.20 70	0.16 54	0.22 140	0.24 141

SMFormer	0.79 178	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.99 240	0.24 187	0.22 231	0.22 120	0.21 164	0.23 158	0.27 193

tta	0.79 178	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.99 240	0.24 187	0.22 231	0.22 120	0.21 164	0.19 59	0.22 108

qqq1	0.76 163	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.48 88	0.24 187	0.22 231	0.18 33	0.15 30	0.19 59	0.22 108

fff1	0.76 163	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.48 88	0.24 187	0.22 231	0.18 33	0.15 30	0.19 59	0.22 108

whm_eth	0.69 136	0.51 274	1.32 253	0.56 122	0.64 285	0.67 120	0.45 132	1.59 177	1.33 246	1.02 97	1.92 327	0.48 24	0.48 43	0.71 30	0.53 117	0.24 187	0.20 208	0.25 203	0.24 225	0.25 196	0.35 267

Wz-Net-LNSev-Ref	1.09 272	0.46 254	2.61 339	0.71 274	0.65 291	2.00 347	0.78 264	2.07 283	1.47 301	1.62 311	1.47 243	1.53 287	1.29 300	2.10 249	1.65 318	0.24 187	0.14 58	0.20 70	0.16 54	0.28 223	0.28 204

CIPLG	0.67 118	0.37 204	1.17 226	0.60 169	0.51 234	0.75 146	0.48 151	1.26 117	1.11 151	1.43 268	1.58 276	0.64 58	0.48 43	0.94 71	0.78 193	0.24 187	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

IPLGR_C	0.67 118	0.38 221	1.20 232	0.60 169	0.50 225	0.75 146	0.48 151	1.28 125	1.13 161	1.42 264	1.57 275	0.62 52	0.48 43	0.85 59	0.80 202	0.24 187	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

ACRE	0.66 110	0.37 204	1.27 246	0.60 169	0.50 225	0.74 144	0.47 147	1.26 117	1.10 147	1.40 258	1.56 271	0.62 52	0.46 35	0.88 63	0.78 193	0.24 187	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

TRStereo	0.67 118	0.71 327	1.06 191	0.77 307	0.68 299	0.53 51	0.38 68	2.52 356	0.96 96	0.81 59	0.84 52	0.87 120	0.39 15	1.16 114	0.46 76	0.24 187	0.17 161	0.23 146	0.24 225	0.18 34	0.20 70

AAGNet	1.84 347	0.30 79	0.79 92	0.66 230	0.32 97	0.65 109	0.50 164	1.02 37	1.01 117	1.47 280	1.21 163	0.99 165	1.16 277	2.76 288	22.69 417	0.24 187	0.13 17	0.22 120	0.20 128	0.24 187	0.16 13

IRAFT_RVC	0.90 227	0.30 79	0.89 142	0.67 243	0.31 77	0.64 105	1.00 314	1.40 138	0.97 100	1.23 181	1.04 101	1.00 169	0.96 220	5.77 351	0.57 137	0.24 187	0.13 17	0.25 203	0.21 164	0.20 86	0.21 87

222	1.67 334	0.31 104	0.93 153	0.59 162	0.31 77	1.05 236	0.43 107	2.39 335	1.47 301	1.37 245	1.55 266	0.94 149	0.94 213	1.98 233	17.76 411	0.24 187	0.22 231	0.21 93	0.20 128	0.22 140	0.26 177

xxxx	1.61 330	0.32 118	0.98 172	0.58 150	0.31 77	1.15 254	0.43 107	2.43 341	1.41 279	1.17 147	1.40 228	1.21 217	0.86 182	1.94 227	16.68 410	0.24 187	0.24 261	0.21 93	0.20 128	0.23 158	0.27 193

UNet	0.86 213	0.36 188	1.52 276	0.62 190	0.74 313	1.56 309	0.49 159	1.55 165	1.12 156	1.28 208	1.10 119	1.52 286	1.10 269	1.69 195	1.14 257	0.24 187	0.18 184	0.25 203	0.21 164	0.25 196	0.25 160

UPFNet	0.84 206	0.34 162	1.09 198	0.62 190	0.74 313	1.25 274	0.78 264	1.69 199	1.20 189	1.39 252	1.13 139	1.30 246	0.87 188	1.73 198	1.22 267	0.24 187	0.26 279	0.24 167	0.23 213	0.26 206	0.20 70

FADNet-RVC-Resample	0.91 232	0.51 274	2.92 344	0.64 211	0.46 207	1.07 241	0.60 223	1.76 211	1.24 205	1.10 114	0.98 81	1.06 183	0.98 230	2.17 254	0.95 235	0.24 187	0.22 231	0.30 262	0.32 302	0.36 271	0.40 286

CFNet	0.99 251	0.40 230	1.23 238	0.65 217	0.43 190	1.03 232	0.49 159	2.01 269	1.35 251	1.02 97	1.39 223	1.10 198	0.86 182	5.47 346	0.89 216	0.24 187	0.18 184	0.28 245	0.27 258	0.27 208	0.22 108

iResNetv2_ROB	0.88 218	0.43 245	2.62 340	0.60 169	0.38 154	0.94 213	0.67 239	1.88 243	1.38 265	1.27 203	1.45 239	1.26 236	1.05 260	1.92 225	0.64 161	0.24 187	0.15 112	0.19 47	0.14 22	0.24 187	0.21 87

DISCO	1.06 265	0.37 204	1.19 231	0.73 286	0.46 207	2.04 350	0.84 283	2.26 319	1.54 313	1.25 188	1.36 216	2.38 358	1.08 264	2.60 280	1.62 312	0.24 187	0.19 198	0.22 120	0.20 128	0.32 256	0.29 216

mmx	1.89 351	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	2.32 327	1.41 279	1.19 163	1.49 246	1.07 186	0.85 175	9.88 405	13.82 401	0.25 207	0.21 221	0.31 266	0.28 267	0.32 256	0.29 216

xxx	1.89 351	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	2.32 327	1.41 279	1.19 163	1.49 246	1.07 186	0.85 175	9.88 405	13.82 401	0.25 207	0.21 221	0.31 266	0.28 267	0.32 256	0.29 216

DisPM	0.68 127	0.30 79	0.85 130	0.66 230	0.35 137	0.60 83	0.44 124	1.10 68	1.10 147	1.56 300	1.10 119	0.80 91	0.58 92	2.37 271	0.46 76	0.25 207	0.14 58	0.23 146	0.21 164	0.20 86	0.26 177

BUS	0.78 170	0.34 162	0.77 82	0.55 110	0.45 200	2.30 359	0.42 91	2.65 363	1.04 129	1.25 188	1.12 129	1.02 175	0.70 130	0.94 71	0.75 187	0.25 207	0.18 184	0.25 203	0.22 186	0.23 158	0.24 141

BSDual-CNN	0.75 158	0.34 162	0.77 82	0.55 110	0.45 200	1.25 274	0.66 237	2.65 363	1.04 129	1.25 188	1.12 129	1.11 203	0.77 144	0.94 71	0.76 190	0.25 207	0.18 184	0.25 203	0.22 186	0.23 158	0.24 141

psmg	0.75 158	0.34 162	0.77 82	0.52 69	0.45 200	1.46 300	0.73 256	2.15 299	1.04 129	1.25 188	1.33 204	1.11 203	0.77 144	0.94 71	0.76 190	0.25 207	0.20 208	0.25 203	0.26 244	0.23 158	0.24 141

ADLNet2	0.92 235	0.37 204	1.25 243	0.80 312	0.65 291	1.12 247	0.75 258	1.95 258	1.42 287	1.26 198	1.67 291	1.68 308	1.04 255	1.80 211	1.23 270	0.25 207	0.22 231	0.21 93	0.22 186	0.27 208	0.31 238

PSM-softLoss	0.80 183	0.33 135	0.89 142	0.63 200	0.32 97	0.55 64	0.40 79	1.26 117	0.78 42	1.25 188	1.07 108	0.83 111	0.51 55	5.33 340	0.61 153	0.25 207	0.15 112	0.25 203	0.22 186	0.20 86	0.26 177

KMStereo	0.80 183	0.33 135	0.89 142	0.63 200	0.32 97	0.55 64	0.40 79	1.26 117	0.78 42	1.25 188	1.07 108	0.83 111	0.51 55	5.33 340	0.61 153	0.25 207	0.15 112	0.25 203	0.22 186	0.20 86	0.26 177

Pruner-Stereo	0.64 104	0.31 104	0.79 92	0.66 230	0.31 77	0.61 87	0.42 91	1.22 109	1.09 144	1.53 293	1.09 117	0.94 149	0.55 70	1.37 137	0.56 134	0.25 207	0.14 58	0.24 167	0.21 164	0.21 121	0.25 160

GMStereo	0.58 70	0.50 270	1.09 198	0.52 69	0.32 97	0.80 166	0.43 107	1.02 37	1.41 279	0.89 74	0.77 39	0.52 35	0.46 35	0.89 65	0.56 134	0.25 207	0.16 139	0.20 70	0.22 186	0.31 248	0.27 193
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
HGLStereo	0.89 220	0.42 241	1.15 212	0.82 319	1.03 359	1.16 257	0.57 204	1.68 190	1.28 225	1.26 198	1.62 282	1.13 207	1.31 304	1.85 213	1.11 256	0.25 207	0.24 261	0.24 167	0.22 186	0.24 187	0.29 216

cf-r	0.79 178	0.32 118	1.06 191	0.57 140	0.64 285	0.78 161	0.51 165	2.04 276	1.22 201	1.20 169	1.27 184	1.53 287	0.91 202	1.47 157	0.94 233	0.25 207	0.19 198	0.22 120	0.23 213	0.19 59	0.21 87

DMCA	0.71 144	0.36 188	1.17 226	0.53 89	0.45 200	0.84 187	0.46 138	1.52 157	1.09 144	1.20 169	1.12 129	1.21 217	0.74 134	0.87 61	1.09 252	0.25 207	0.20 208	0.27 233	0.19 102	0.24 187	0.29 216

SuperB	2.50 373	0.72 330	18.07 409	0.72 279	0.53 242	1.85 337	0.86 289	1.80 221	2.40 364	1.54 296	1.42 232	1.13 207	1.17 280	4.18 318	4.80 373	0.25 207	0.20 208	0.23 146	0.19 102	7.64 417	0.38 279

ADCRef	1.50 321	0.61 301	3.83 361	0.76 305	0.77 322	1.91 341	0.77 261	2.16 301	1.34 248	1.63 313	1.59 280	1.35 256	1.40 315	1.79 209	8.32 388	0.25 207	0.21 221	0.32 278	0.31 297	0.31 248	0.32 246

ADCP+	2.12 361	0.56 289	10.01 391	0.68 252	0.91 345	2.25 357	1.04 317	1.92 253	1.50 308	1.58 304	1.34 207	1.73 314	1.62 331	2.27 262	13.20 398	0.25 207	0.22 231	0.32 278	0.29 282	0.38 282	0.34 259

StereoVision	0.67 118	0.37 204	1.02 182	0.60 169	0.41 180	0.50 38	0.41 87	1.32 129	0.96 96	0.73 47	2.48 358	0.82 103	0.57 77	1.06 95	0.50 100	0.26 224	0.28 291	0.29 253	0.28 267	0.37 276	0.22 108

CFNet_ucs	0.73 152	0.34 162	0.94 159	0.53 89	0.44 197	0.76 151	0.46 138	1.73 207	1.34 248	1.24 185	1.54 263	1.08 196	0.64 112	1.05 91	0.64 161	0.26 224	0.20 208	0.37 312	0.22 186	0.42 298	0.30 229

iinet-f	1.04 261	0.50 270	4.24 366	0.58 150	0.43 190	1.78 333	0.70 251	1.29 126	1.16 176	1.25 188	1.42 232	1.57 294	1.42 317	1.47 157	1.70 322	0.26 224	0.23 253	0.20 70	0.20 128	0.26 206	0.26 177

AACVNet	0.90 227	0.40 230	0.98 172	0.86 332	0.40 170	0.80 166	0.49 159	1.81 224	0.86 63	1.11 115	1.34 207	1.32 252	0.99 233	4.23 319	0.86 210	0.26 224	0.22 231	0.28 245	0.22 186	0.30 243	0.28 204

PFNet+	0.62 92	0.31 104	0.99 174	0.57 140	0.31 77	0.57 69	0.30 23	0.99 35	1.25 211	1.33 228	1.10 119	0.79 89	0.57 77	1.35 133	0.53 117	0.26 224	0.17 161	0.28 245	0.26 244	0.21 121	0.27 193

NF-Stereo	0.82 193	0.33 135	0.83 115	0.65 217	0.31 77	0.63 97	0.43 107	1.35 131	0.93 83	1.30 215	1.02 90	0.81 97	0.57 77	5.37 344	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.30 229

OCTAStereo	0.82 193	0.33 135	0.83 115	0.65 217	0.31 77	0.62 89	0.44 124	1.35 131	0.93 83	1.30 215	1.02 90	0.81 97	0.57 77	5.32 339	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.30 229

RE-Stereo	0.82 193	0.33 135	0.84 124	0.65 217	0.31 77	0.63 97	0.44 124	1.35 131	0.93 83	1.30 215	1.02 90	0.80 91	0.57 77	5.34 342	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.31 238

TVStereo	0.82 193	0.33 135	0.84 124	0.65 217	0.31 77	0.63 97	0.44 124	1.35 131	0.93 83	1.30 215	1.02 90	0.80 91	0.57 77	5.34 342	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.31 238

Anonymous	0.56 47	0.41 239	1.05 188	0.67 243	0.73 309	0.65 109	0.68 241	1.12 72	0.79 48	0.48 13	0.60 19	0.42 4	0.60 99	0.81 48	0.55 127	0.26 224	0.24 261	0.21 93	0.21 164	0.41 294	0.30 229

aanetorigin	1.26 301	0.85 344	3.00 346	0.72 279	0.80 330	1.08 242	1.05 318	1.12 72	1.39 274	3.53 387	2.60 359	1.72 312	1.73 344	1.98 233	1.77 328	0.26 224	0.24 261	0.26 224	0.25 233	0.38 282	0.51 319

EDNetEfficientorigin	10.59 410	1.52 381	177.33 436	0.68 252	0.54 249	1.66 319	1.20 337	1.94 255	3.39 385	4.69 398	3.37 371	3.08 375	2.79 380	3.25 302	3.63 362	0.26 224	0.24 261	0.33 286	0.28 267	0.85 366	0.87 368

GANet-RSSM	0.78 170	0.31 104	0.90 147	0.67 243	0.58 263	0.80 166	0.62 227	2.04 276	1.15 171	1.11 115	1.27 184	1.26 236	1.18 287	1.68 191	0.74 184	0.26 224	0.21 221	0.22 120	0.22 186	0.23 158	0.23 122

GwcNet-RSSM	0.83 202	0.34 162	1.29 250	0.65 217	0.55 253	0.78 161	0.62 227	1.89 245	1.27 221	1.18 158	1.39 223	1.56 292	0.91 202	1.60 182	1.22 267	0.26 224	0.20 208	0.23 146	0.24 225	0.21 121	0.21 87

NLCA_NET_v2_RVC	0.84 206	0.46 254	1.40 263	0.69 262	0.61 278	0.95 219	0.52 173	1.68 190	1.21 195	1.39 252	1.15 149	1.42 266	0.88 195	1.78 204	0.93 228	0.26 224	0.23 253	0.27 233	0.27 258	0.30 243	0.39 282
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AANet_RVC	1.22 292	0.60 296	1.94 304	0.69 262	0.46 207	0.75 146	0.69 245	1.51 155	1.57 319	1.36 244	1.90 324	1.51 284	0.87 188	7.23 378	1.89 331	0.26 224	0.19 198	0.19 47	0.16 54	0.23 158	0.37 273

DLCB_ROB	0.92 235	0.43 245	0.95 162	0.71 274	0.55 253	1.11 245	0.83 281	1.61 181	1.32 244	1.67 317	1.66 289	1.70 311	0.93 211	1.96 232	1.34 282	0.26 224	0.25 274	0.27 233	0.28 267	0.28 223	0.28 204

fast-acv-ft	1.00 254	0.48 262	1.85 300	0.61 182	0.52 237	1.77 330	0.69 245	1.52 157	1.47 301	1.34 235	1.85 318	1.73 314	1.24 294	1.62 185	1.56 306	0.27 241	0.28 291	0.28 245	0.28 267	0.28 223	0.31 238

Wz-Net-MNSev	1.21 291	0.66 317	3.44 356	0.69 262	0.73 309	1.93 343	1.44 352	2.16 301	1.59 321	1.85 334	1.49 246	1.50 282	1.34 308	2.05 245	1.54 305	0.27 241	0.24 261	0.28 245	0.28 267	0.35 267	0.32 246

GANet-ADL	0.63 101	0.38 221	0.82 107	0.67 243	0.41 180	0.68 123	0.51 165	1.64 185	1.16 176	0.98 85	1.10 119	0.90 134	0.58 92	0.81 48	0.63 158	0.27 241	0.18 184	0.18 33	0.16 54	0.23 158	0.27 193

sCroCo_RVC	0.51 31	0.43 245	1.15 212	0.66 230	0.60 273	0.52 47	0.40 79	0.93 20	0.64 19	0.45 9	0.76 36	0.49 28	0.49 53	0.65 25	0.49 97	0.27 241	0.28 291	0.23 146	0.22 186	0.29 233	0.28 204

psm_up	0.83 202	0.37 204	0.88 139	0.68 252	0.59 269	1.05 236	0.92 299	1.68 190	1.17 180	1.41 260	1.22 165	1.30 246	1.31 304	1.39 140	0.89 216	0.27 241	0.30 303	0.31 266	0.27 258	0.28 223	0.28 204

EDNetEfficient	2.40 371	1.14 364	8.59 387	0.77 307	0.73 309	1.06 239	1.53 356	1.54 163	4.06 392	4.87 400	2.81 362	2.23 348	3.53 389	3.04 295	9.65 394	0.27 241	0.24 261	0.27 233	0.31 297	0.70 358	0.67 350

CFNet-ft	0.78 170	0.36 188	0.74 72	0.67 243	0.56 257	0.86 191	0.54 188	1.46 149	1.17 180	1.01 93	1.28 189	1.68 308	1.03 249	1.57 171	0.95 235	0.27 241	0.21 221	0.33 286	0.26 244	0.31 248	0.26 177

DMCA-RVC	0.83 202	0.46 254	2.19 324	0.68 252	0.49 221	0.84 187	0.48 151	1.44 145	1.07 134	1.56 300	1.04 101	1.29 244	0.86 182	1.49 165	0.92 225	0.27 241	0.22 231	0.35 300	0.28 267	0.32 256	0.28 204

ADCL	1.82 345	0.70 325	4.57 369	0.70 271	0.63 284	2.56 365	1.77 369	2.08 284	1.77 335	1.95 344	1.89 322	2.04 345	1.88 353	2.36 268	9.55 393	0.27 241	0.25 274	0.35 300	0.32 302	0.39 286	0.39 282

RYNet	1.24 299	0.52 278	1.57 283	0.73 286	0.97 356	1.74 326	0.95 307	2.09 286	1.54 313	1.44 271	1.18 154	1.94 332	1.29 300	4.57 327	1.93 332	0.27 241	0.23 253	0.35 300	0.27 258	0.57 340	0.59 340

CFNet_RVC	0.78 170	0.36 188	0.74 72	0.67 243	0.56 257	0.86 191	0.54 188	1.46 149	1.17 180	1.01 93	1.28 189	1.68 308	1.03 249	1.57 171	0.95 235	0.27 241	0.21 221	0.33 286	0.26 244	0.31 248	0.26 177

CRFU-Net	0.90 227	0.42 241	1.10 201	0.69 262	0.59 269	1.76 328	0.84 283	2.33 332	0.92 76	1.45 277	1.20 158	1.62 298	1.25 295	1.38 138	0.94 233	0.28 252	0.23 253	0.22 120	0.19 102	0.24 187	0.27 193

dd	0.62 92	0.51 274	1.17 226	0.56 122	0.33 110	0.74 144	0.46 138	1.03 43	1.40 276	0.80 55	0.87 57	0.60 48	0.57 77	1.02 86	0.86 210	0.28 252	0.18 184	0.26 224	0.19 102	0.35 267	0.27 193

AASNet	0.80 183	0.39 225	1.16 225	0.84 327	0.80 330	1.14 251	0.59 215	2.12 290	1.21 195	1.26 198	1.26 177	0.93 144	0.77 144	0.84 56	1.23 270	0.28 252	0.24 261	0.24 167	0.20 128	0.28 223	0.27 193

GwcNet-ADL	0.67 118	0.33 135	0.90 147	0.58 150	0.41 180	0.60 83	0.59 215	1.55 165	1.28 225	1.11 115	1.13 139	0.90 134	0.59 95	1.11 108	0.91 221	0.28 252	0.18 184	0.18 33	0.18 84	0.25 196	0.33 252

ADLNet	0.89 220	0.39 225	1.09 198	0.88 335	0.73 309	1.24 273	0.75 258	2.02 270	1.41 279	1.58 304	1.37 217	1.26 236	1.00 239	1.31 127	1.18 260	0.28 252	0.21 221	0.26 224	0.26 244	0.29 233	0.36 270

GES	0.70 138	0.37 204	1.05 188	0.62 190	0.38 154	0.94 213	0.57 204	2.37 334	0.92 76	1.05 105	1.12 129	0.67 63	0.77 144	1.02 86	0.65 165	0.28 252	0.20 208	0.20 70	0.20 128	0.22 140	0.31 238

HCRNet	0.72 149	0.40 230	0.86 135	0.61 182	0.57 261	0.75 146	0.35 49	1.39 137	1.21 195	1.11 115	0.99 82	1.01 173	0.76 140	2.18 255	0.73 182	0.28 252	0.19 198	0.28 245	0.23 213	0.25 196	0.26 177

PSMNet-RSSM	0.78 170	0.32 118	0.89 142	0.65 217	0.43 190	0.73 142	0.58 211	2.14 295	1.19 185	1.18 158	1.38 221	1.31 248	1.07 263	1.43 150	0.82 205	0.28 252	0.21 221	0.27 233	0.29 282	0.25 196	0.26 177

FADNet_RVC	0.88 218	0.56 289	2.15 321	0.57 140	0.43 190	1.17 264	0.46 138	1.68 190	1.12 156	0.91 76	1.24 173	0.91 137	0.94 213	2.22 257	1.20 262	0.28 252	0.22 231	0.32 278	0.28 267	0.46 316	0.42 295

UCFNet_RVC	0.72 149	0.37 204	0.59 22	0.66 230	0.41 180	0.89 196	0.68 241	1.78 214	1.15 171	1.01 93	1.20 158	1.22 221	0.95 218	1.07 97	0.66 169	0.28 252	0.21 221	0.34 294	0.31 297	0.33 261	0.29 216

DRN-Test	1.07 269	0.49 267	1.95 308	0.75 299	0.81 334	1.61 314	0.78 264	2.26 319	1.53 311	1.84 332	1.35 212	1.42 266	1.04 255	2.26 261	1.61 310	0.28 252	0.23 253	0.31 266	0.30 293	0.33 261	0.33 252

NaN_ROB	1.23 296	0.63 307	1.76 291	0.67 243	0.50 225	1.59 313	2.00 377	1.87 238	1.52 309	2.14 353	1.26 177	1.40 264	1.09 266	4.60 328	1.75 325	0.28 252	0.34 323	0.28 245	0.29 282	0.30 243	0.37 273

Wz-Net-LNSev	1.17 283	0.72 330	4.71 370	0.66 230	0.84 340	1.72 321	1.13 326	1.97 262	1.43 288	1.34 235	1.32 200	1.66 304	1.30 303	1.44 152	1.51 302	0.29 264	0.26 279	0.24 167	0.23 213	0.33 261	0.35 267

NINENet	0.81 191	0.40 230	0.89 142	0.65 217	0.53 242	2.30 359	0.42 91	2.12 290	1.13 161	1.20 169	1.27 184	1.02 175	0.70 130	1.26 124	0.75 187	0.29 264	0.24 261	0.31 266	0.21 164	0.27 208	0.26 177

STTStereo	0.82 193	0.53 280	1.53 279	0.68 252	0.56 257	0.88 195	0.56 201	1.57 170	1.14 167	1.39 252	1.10 119	1.26 236	0.84 170	1.49 165	0.90 219	0.29 264	0.28 291	0.33 286	0.40 331	0.33 261	0.37 273

PA-Net	1.14 278	0.63 307	2.12 319	0.67 243	0.75 316	1.19 267	0.91 297	1.91 249	1.46 300	1.18 158	1.23 169	1.33 254	1.17 280	4.31 322	1.41 290	0.29 264	0.46 360	0.33 286	0.50 355	0.33 261	0.57 335
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
StereoDRNet	1.05 264	0.53 280	2.21 325	0.80 312	0.93 349	1.50 302	0.90 294	2.06 281	1.44 290	1.68 318	1.20 158	1.48 278	0.99 233	1.86 216	1.60 309	0.29 264	0.24 261	0.29 253	0.28 267	0.35 267	0.33 252

ttt	1.26 301	0.36 188	0.79 92	0.65 217	0.42 187	0.94 213	0.57 204	2.33 332	1.38 265	1.25 188	1.65 288	0.92 142	0.78 149	2.64 281	8.73 389	0.30 269	0.28 291	0.26 224	0.25 233	0.29 233	0.32 246

LMCR-Stereo	0.87 216	0.50 270	0.99 174	0.80 312	0.43 190	1.32 279	0.55 195	2.79 373	1.03 123	1.55 299	1.49 246	0.74 80	1.01 242	1.76 201	0.99 240	0.30 269	0.17 161	0.22 120	0.18 84	0.31 248	0.22 108

ac_64	0.86 213	0.32 118	1.02 182	0.74 292	0.60 273	1.04 233	0.53 179	2.20 314	0.99 110	1.23 181	1.11 126	1.96 334	1.06 261	2.01 238	1.01 245	0.30 269	0.22 231	0.24 167	0.23 213	0.22 140	0.22 108

FADNet-RVC	0.96 245	0.72 330	2.96 345	0.64 211	0.49 221	0.90 199	0.59 215	1.85 236	1.27 221	0.92 77	0.97 78	1.36 257	0.90 200	2.36 268	1.31 277	0.30 269	0.29 299	0.32 278	0.32 302	0.42 298	0.37 273

coex-ft	8.35 407	2.39 399	100.24 435	0.68 252	0.54 249	1.77 330	1.57 359	1.71 203	11.00 406	18.91 421	3.76 376	3.85 381	8.23 407	3.29 304	6.58 381	0.31 273	0.31 308	0.32 278	0.31 297	0.69 357	0.57 335

ssnet_v2	0.92 235	0.39 225	1.22 236	0.66 230	0.39 161	1.31 278	0.96 308	2.32 327	1.45 295	1.48 285	1.17 152	1.53 287	0.91 202	1.16 114	1.71 324	0.31 273	0.27 287	0.30 262	0.29 282	0.28 223	0.29 216

ICVP	0.66 110	0.35 184	0.71 56	0.63 200	0.41 180	0.85 190	0.56 201	1.78 214	0.96 96	0.92 77	1.24 173	0.88 126	0.75 139	0.76 39	0.93 228	0.31 273	0.22 231	0.22 120	0.21 164	0.24 187	0.28 204
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GEStereo_RVC	0.93 240	0.40 230	1.15 212	0.67 243	0.50 225	0.95 219	0.78 264	2.73 368	1.21 195	1.20 169	1.12 129	1.25 230	0.91 202	3.21 300	0.95 235	0.31 273	0.20 208	0.23 146	0.20 128	0.28 223	0.31 238

GwcNet	1.26 301	0.63 307	5.13 372	0.81 315	1.15 370	1.73 324	0.69 245	1.84 230	1.53 311	1.51 288	1.71 298	1.72 312	1.09 266	2.20 256	1.61 310	0.31 273	0.30 303	0.29 253	0.27 258	0.30 243	0.41 289

DSFCA	0.95 241	0.38 221	1.23 238	0.55 110	0.66 294	1.50 302	0.93 302	1.58 172	1.24 205	1.59 307	1.16 150	1.48 278	0.95 218	2.96 293	1.20 262	0.31 273	0.28 291	0.25 203	0.26 244	0.29 233	0.26 177

GANet	1.41 311	0.52 278	1.18 230	0.74 292	0.48 215	1.40 293	1.69 362	1.87 238	1.28 225	1.56 300	2.39 352	1.56 292	1.25 295	9.13 394	1.20 262	0.31 273	0.32 318	0.34 294	0.29 282	0.40 290	0.33 252

Wz-Net-SNSev	1.68 336	1.45 377	8.71 388	0.71 274	0.67 298	1.35 286	1.51 353	2.15 299	1.47 301	1.51 288	1.68 293	2.27 351	1.38 312	4.23 319	2.36 346	0.32 280	0.29 299	0.31 266	0.33 311	0.43 300	0.39 282

pcwnet_v2	0.91 232	0.39 225	2.74 341	0.64 211	0.55 253	0.81 173	0.49 159	2.19 311	1.63 325	1.44 271	1.64 287	1.09 197	0.79 154	1.31 127	0.70 178	0.32 280	0.25 274	0.29 253	0.27 258	0.37 276	0.37 273

APVNet	1.11 275	0.59 295	1.95 308	0.87 333	0.77 322	1.90 340	0.82 280	2.03 274	1.15 171	1.14 139	1.43 234	1.55 290	1.12 275	3.03 294	1.62 312	0.32 280	0.34 323	0.42 331	0.36 322	0.36 271	0.41 289

hitnet-ft	0.84 206	0.38 221	0.75 77	0.59 162	0.44 197	0.99 227	0.47 147	1.61 181	1.38 265	1.21 175	1.22 165	1.82 322	0.99 233	1.87 217	1.09 252	0.33 283	0.29 299	0.34 294	0.27 258	0.36 271	0.33 252

RTSC	1.43 316	0.89 345	3.62 359	0.94 354	0.64 285	1.85 337	0.69 245	2.20 314	2.04 355	2.22 354	1.70 296	1.67 306	1.27 298	2.53 276	4.48 370	0.33 283	0.25 274	0.27 233	0.29 282	0.38 282	0.40 286

AdaStereo	0.74 155	0.48 262	0.86 135	0.75 299	0.38 154	0.94 213	0.56 201	2.05 280	1.24 205	1.15 141	1.22 165	1.07 186	0.67 122	1.05 91	0.73 182	0.33 283	0.16 139	0.32 278	0.22 186	0.29 233	0.23 122
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.
MDST_ROB	1.88 348	0.40 230	1.71 289	0.93 351	0.60 273	4.27 396	1.23 340	3.99 389	1.44 290	4.61 397	2.63 360	1.44 270	1.03 249	9.78 402	1.62 312	0.33 283	0.26 279	0.37 312	0.33 311	0.31 248	0.34 259

ETE_ROB	1.01 257	0.69 323	1.49 269	0.72 279	0.50 225	1.15 254	1.12 324	1.91 249	1.24 205	1.94 342	1.50 253	1.73 314	1.06 261	1.78 204	1.33 281	0.33 283	0.26 279	0.38 316	0.34 316	0.40 290	0.44 302

PSMNet_ROB	0.95 241	0.57 294	1.45 265	0.75 299	0.64 285	1.28 277	1.12 324	1.84 230	1.15 171	1.16 145	1.29 193	1.44 270	0.89 197	1.74 199	1.70 322	0.33 283	0.25 274	0.37 312	0.39 329	0.36 271	0.32 246

SGM_RVC	1.88 348	0.40 230	0.90 147	0.63 200	0.30 63	2.81 372	1.26 343	2.73 368	1.81 342	4.09 389	2.85 364	3.88 382	3.19 383	8.42 390	2.44 347	0.33 283	0.31 308	0.30 262	0.28 267	0.31 248	0.31 238
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
GMStereo_Zeroshot	0.70 138	0.64 310	1.11 203	0.65 217	0.38 154	0.84 187	0.37 61	1.09 62	1.16 176	1.14 139	1.07 108	1.26 236	0.55 70	1.23 122	0.65 165	0.34 290	0.17 161	0.31 266	0.18 84	0.57 340	0.23 122

PSMNet-ADL	0.75 158	0.36 188	0.69 53	0.71 274	0.47 213	1.13 248	0.46 138	1.47 152	1.07 134	0.85 67	1.18 154	1.31 248	0.94 213	1.56 169	1.06 250	0.34 290	0.22 231	0.22 120	0.23 213	0.27 208	0.36 270

FADNet	0.98 249	0.64 310	2.57 336	0.66 230	0.55 253	0.95 219	0.57 204	1.91 249	1.38 265	0.94 81	1.02 90	1.36 257	1.00 239	2.69 284	0.97 239	0.34 290	0.34 323	0.31 266	0.34 316	0.61 349	0.42 295

ADCMid	2.11 360	0.90 346	8.39 386	0.75 299	0.69 302	1.98 345	1.14 329	2.18 309	1.67 328	2.85 373	1.85 318	2.35 357	2.02 359	2.35 267	10.58 396	0.34 290	0.32 318	0.39 320	0.44 341	0.51 327	0.53 323

DANet	1.16 281	0.64 310	1.52 276	0.88 335	0.74 313	1.52 304	0.52 173	1.68 190	1.21 195	1.81 329	1.55 266	2.02 340	1.11 271	3.30 305	2.28 342	0.34 290	0.31 308	0.40 326	0.30 293	0.46 316	0.54 324
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
TDLM	1.08 271	0.50 270	1.01 180	0.69 262	0.54 249	0.91 201	1.40 350	1.60 179	1.36 258	1.17 147	1.40 228	1.07 186	1.00 239	6.19 358	0.85 209	0.34 290	0.22 231	0.35 300	0.26 244	0.38 282	0.29 216

SANet	2.26 366	0.70 325	6.94 379	0.69 262	0.46 207	2.76 371	1.76 368	2.61 361	5.84 402	2.45 362	3.52 374	3.71 379	3.38 388	5.90 352	2.14 338	0.34 290	0.31 308	0.32 278	0.29 282	0.54 335	0.43 299

PWC_ROB	1.39 309	0.93 352	4.07 364	0.77 307	0.83 337	1.16 257	0.53 179	1.87 238	2.01 353	2.36 358	3.06 368	1.65 303	1.60 330	2.65 283	2.29 344	0.34 290	0.23 253	0.36 310	0.25 233	0.39 286	0.49 311

CSP-Net	1.00 254	0.41 239	0.99 174	0.56 122	0.43 190	1.62 316	0.76 260	2.16 301	1.16 176	1.33 228	1.22 165	1.32 252	0.89 197	4.67 330	0.93 228	0.35 298	0.24 261	0.20 70	0.20 128	0.23 158	0.30 229

WZ-Net	2.14 362	1.08 359	11.68 398	0.89 343	0.78 326	1.76 328	1.59 360	2.39 335	2.03 354	2.11 351	1.95 330	2.30 354	2.28 370	5.94 355	3.86 366	0.35 298	0.27 287	0.29 253	0.32 302	0.52 328	0.50 314

SACVNet	0.89 220	0.51 274	1.08 197	0.83 323	0.58 263	0.83 180	0.78 264	1.84 230	1.17 180	1.39 252	1.33 204	1.25 230	1.01 242	2.31 265	0.92 225	0.35 298	0.26 279	0.31 266	0.29 282	0.35 267	0.48 310

CVANet_RVC	1.10 273	0.49 267	1.15 212	0.65 217	0.54 249	0.93 211	1.00 314	1.69 199	1.36 258	1.42 264	1.39 223	1.24 229	1.17 280	6.22 360	0.80 202	0.35 298	0.24 261	0.35 300	0.30 293	0.44 310	0.32 246

DeepPruner_ROB	0.79 178	0.55 286	1.14 210	0.61 182	0.46 207	0.78 161	0.54 188	1.83 229	1.00 114	1.42 264	1.27 184	1.23 225	0.77 144	1.56 169	0.89 216	0.35 298	0.28 291	0.27 233	0.26 244	0.32 256	0.34 259

NCCL2	1.06 265	0.64 310	1.35 256	0.78 310	0.58 263	1.32 279	1.69 362	1.89 245	1.38 265	1.52 290	1.20 158	1.91 324	1.17 280	1.79 209	1.50 300	0.35 298	0.31 308	0.45 336	0.44 341	0.41 294	0.45 304

CBMV	1.04 261	0.48 262	0.88 139	0.56 122	0.36 139	1.52 304	1.55 357	1.87 238	1.59 321	2.11 351	1.67 291	1.46 275	1.35 309	1.92 225	1.31 277	0.35 298	0.35 328	0.39 320	0.33 311	0.34 266	0.34 259
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
CASS	0.67 118	0.36 188	0.84 124	0.57 140	0.28 40	0.82 174	0.43 107	1.62 184	0.92 76	1.39 252	1.28 189	0.87 120	0.84 170	0.88 63	0.59 148	0.36 305	0.19 198	0.26 224	0.22 186	0.29 233	0.43 299
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Syn2CoEx	1.23 296	0.80 337	3.07 348	0.83 323	0.68 299	1.39 291	0.87 291	2.23 316	1.57 319	1.28 208	1.58 276	1.42 266	1.57 329	3.79 315	1.48 299	0.36 305	0.32 318	0.34 294	0.30 293	0.30 243	0.41 289

FBW_ROB	1.78 341	0.66 317	1.90 303	0.72 279	0.66 294	1.79 334	1.07 320	2.79 373	1.77 335	1.84 332	1.79 307	1.98 335	1.37 311	12.42 414	2.22 340	0.36 305	0.38 339	0.57 362	0.39 329	0.46 316	0.51 319

stereogan	1.22 292	0.45 251	2.03 313	0.87 333	0.85 341	2.52 364	0.72 253	1.98 263	1.78 338	1.92 338	1.94 328	2.31 355	1.42 317	2.10 249	1.14 257	0.38 308	0.36 332	0.39 320	0.32 302	0.52 328	0.49 311

AnyNet_C32	2.14 362	1.45 377	7.38 381	0.95 356	1.12 363	2.23 355	2.34 392	2.10 288	1.54 313	2.44 361	1.79 307	2.04 345	1.66 337	2.69 284	10.48 395	0.38 308	0.35 328	0.35 300	0.42 336	0.50 325	0.60 343

ADCPNet	1.97 355	0.78 336	9.38 390	0.74 292	0.61 278	2.73 370	1.36 348	2.11 289	1.66 327	1.92 338	1.70 296	2.45 361	2.07 361	2.50 274	6.84 383	0.38 308	0.38 339	0.38 316	0.43 339	0.47 320	0.50 314

Anonymous Stereo	1.42 313	0.90 346	3.93 362	0.81 315	0.83 337	1.06 239	1.90 376	1.81 224	1.52 309	1.75 323	1.44 236	1.28 242	0.87 188	5.94 355	1.94 333	0.38 308	0.39 344	0.38 316	0.41 335	0.45 312	0.50 314

SGM-ForestM	7.81 406	0.48 262	11.02 395	0.74 292	0.40 170	16.83 414	12.72 412	7.91 410	8.13 404	11.53 413	10.25 407	22.44 423	14.01 411	17.02 416	20.52 413	0.38 308	0.39 344	0.37 312	0.36 322	0.37 276	0.38 279

PS-NSSS	1.02 258	0.62 306	1.17 226	0.61 182	0.58 263	0.91 201	0.79 272	2.02 270	1.19 185	1.17 147	1.68 293	1.00 169	0.85 175	4.43 324	0.86 210	0.38 308	0.31 308	0.52 348	0.32 302	0.52 328	0.45 304

LALA_ROB	1.06 265	0.66 317	1.37 261	0.70 271	0.53 242	1.61 314	1.25 342	1.81 224	1.48 305	1.82 331	1.40 228	1.93 328	1.03 249	1.68 191	1.69 320	0.38 308	0.28 291	0.43 332	0.37 326	0.43 300	0.38 279

psmorigin	1.69 338	0.74 335	13.13 399	0.70 271	0.60 273	1.16 257	0.79 272	1.69 199	1.25 211	2.07 350	1.77 305	2.23 348	1.51 326	2.14 252	1.45 294	0.39 315	0.41 347	0.34 294	0.33 311	0.45 312	0.63 347

SGM-Forest	1.29 305	0.40 230	0.74 72	0.54 100	0.37 144	1.55 307	1.26 343	1.82 227	1.39 274	2.22 354	1.81 313	1.64 302	1.02 247	7.65 383	1.20 262	0.39 315	0.37 336	0.39 320	0.34 316	0.37 276	0.34 259
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Anonymous3	0.64 104	0.47 259	1.31 251	0.59 162	0.50 225	0.93 211	0.69 245	1.11 70	0.83 56	0.74 48	0.89 62	0.65 59	0.68 125	1.08 99	0.54 126	0.40 317	0.31 308	0.26 224	0.26 244	0.31 248	0.30 229

SHD	1.42 313	0.81 340	2.79 343	0.98 358	0.92 346	1.97 344	0.68 241	2.43 341	2.55 367	2.54 366	1.72 299	2.01 339	1.62 331	2.14 252	2.70 351	0.40 317	0.33 321	0.39 320	0.40 331	0.48 321	0.54 324

XPNet_ROB	1.02 258	0.56 289	1.33 255	0.75 299	0.58 263	1.11 245	1.13 326	1.77 212	1.29 233	1.88 335	1.43 234	1.63 301	1.13 276	2.04 241	1.69 320	0.40 317	0.31 308	0.33 286	0.29 282	0.37 276	0.37 273

Wz-Net-TNSev	2.10 359	2.71 407	9.30 389	0.72 279	0.65 291	2.41 363	1.81 374	2.45 343	1.77 335	1.62 311	1.56 271	2.56 364	2.01 357	5.30 338	4.46 369	0.41 320	0.38 339	0.33 286	0.37 326	0.54 335	0.64 348

RTS	2.76 375	1.55 383	15.40 401	1.13 367	1.42 379	3.75 388	2.21 386	2.45 343	2.72 376	2.91 376	2.85 364	2.58 365	1.62 331	6.28 362	5.80 378	0.41 320	0.30 303	0.35 300	0.35 320	0.52 328	0.54 324

RTSA	2.76 375	1.55 383	15.40 401	1.13 367	1.42 379	3.75 388	2.21 386	2.45 343	2.72 376	2.91 376	2.85 364	2.58 365	1.62 331	6.28 362	5.80 378	0.41 320	0.30 303	0.35 300	0.35 320	0.52 328	0.54 324

AnyNet_C01	2.38 369	2.21 397	10.17 392	0.99 359	0.79 328	3.12 378	2.37 393	2.69 367	1.89 346	2.58 368	2.44 355	2.70 369	1.86 352	3.65 310	7.12 384	0.41 320	0.41 347	0.40 326	0.42 336	0.68 356	0.79 363

S-Stereo	1.17 283	0.48 262	2.25 328	0.83 323	0.81 334	1.22 270	1.17 333	2.12 290	2.08 356	1.47 280	2.13 340	1.55 290	1.16 277	2.09 248	1.46 296	0.42 324	0.40 346	0.35 300	0.32 302	0.45 312	0.73 357

dad	0.90 227	0.73 333	1.28 247	0.59 162	0.39 161	0.83 180	0.45 132	1.24 114	1.54 313	1.52 290	1.28 189	1.36 257	0.86 182	2.54 277	0.91 221	0.43 325	0.27 287	0.82 372	0.26 244	0.44 310	0.34 259

FINET	1.54 324	0.67 320	7.28 380	0.76 305	0.97 356	1.42 298	1.38 349	2.80 375	3.12 381	1.23 181	1.68 293	1.04 179	1.11 271	3.35 306	1.78 329	0.43 325	0.37 336	0.32 278	0.29 282	0.43 300	0.41 289

edge stereo	1.15 280	0.54 283	1.50 270	0.73 286	0.66 294	1.18 266	0.84 283	2.13 294	1.41 279	1.73 322	1.84 315	2.53 363	1.46 321	2.46 272	1.35 284	0.43 325	0.41 347	0.54 353	0.36 322	0.43 300	0.50 314

Nwc_Net	1.19 287	0.53 280	2.34 330	0.92 346	0.81 334	1.49 301	0.70 251	2.28 325	1.32 244	1.41 260	2.27 346	2.03 343	1.76 346	2.05 245	1.46 296	0.43 325	0.30 303	0.43 332	0.46 346	0.39 286	0.40 286

ADCS	2.35 367	1.26 371	6.54 377	0.85 329	0.77 322	2.18 354	1.79 370	2.47 348	2.20 360	2.80 372	2.14 342	2.38 358	2.09 362	2.81 289	13.83 405	0.43 325	0.41 347	0.40 326	0.45 344	0.59 343	0.67 350

DeepPrunerF	1.68 336	0.82 341	6.82 378	0.94 354	1.20 374	0.91 201	0.97 309	2.50 353	5.19 400	1.22 180	1.30 194	1.18 213	1.29 300	4.96 335	1.75 325	0.43 325	0.35 328	0.52 348	0.48 350	0.43 300	0.42 295

LSM	6.55 402	1.26 371	15.64 404	1.79 383	68.74 432	1.67 320	2.08 383	2.26 319	2.59 368	3.13 384	3.08 369	1.90 323	1.81 349	2.89 292	2.16 339	0.43 325	0.59 378	0.50 346	0.58 365	0.64 351	17.24 423

CSAN	1.61 330	0.67 320	3.24 353	0.74 292	0.52 237	1.77 330	1.74 367	1.98 263	1.94 349	2.47 365	2.33 350	1.93 328	2.04 360	6.45 367	1.95 334	0.43 325	0.36 332	0.41 330	0.42 336	0.43 300	0.44 302

FAT-Stereo	1.10 273	0.43 245	1.46 266	0.74 292	0.60 273	1.13 248	0.92 299	2.06 281	1.71 331	1.75 323	2.00 332	2.02 340	1.47 323	2.02 240	1.26 274	0.44 333	0.36 332	0.34 294	0.29 282	0.36 271	0.57 335

CBMV_ROB	0.99 251	0.46 254	0.68 49	0.53 89	0.39 161	1.40 293	0.48 151	2.09 286	1.30 235	1.53 293	2.29 348	1.36 257	1.23 291	2.46 272	1.04 249	0.44 333	0.42 352	0.47 342	0.44 341	0.41 294	0.39 282

MeshStereo	2.36 368	0.60 296	1.05 188	0.63 200	0.51 234	2.58 366	0.99 312	3.46 383	2.21 361	7.38 409	5.06 390	7.50 399	3.10 382	7.02 377	2.54 349	0.44 333	0.44 354	0.45 336	0.40 331	0.43 300	0.45 304
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
NVstereo2D	0.99 251	0.45 251	2.21 325	0.79 311	0.75 316	1.20 268	0.86 289	1.98 263	1.41 279	1.02 97	1.18 154	1.31 248	0.97 227	2.25 260	0.93 228	0.45 336	0.22 231	0.39 320	0.25 233	0.59 343	0.68 353

GASNet	1.13 277	1.10 362	3.29 354	1.00 360	0.68 299	0.82 174	0.67 239	1.85 236	1.38 265	1.39 252	1.25 175	1.25 230	1.20 289	2.72 286	1.62 312	0.46 337	0.26 279	0.36 310	0.34 316	0.55 337	0.33 252

HBP-ISP	1.00 254	0.60 296	0.85 130	0.64 211	0.48 215	1.63 317	0.77 261	2.24 318	1.30 235	1.33 228	1.53 262	0.87 120	0.99 233	3.26 303	0.76 190	0.46 337	0.44 354	0.54 353	0.48 350	0.48 321	0.42 295

RGC	1.22 292	0.82 341	1.71 289	0.95 356	0.98 358	1.53 306	0.80 275	2.18 309	1.35 251	1.69 319	1.94 328	2.03 343	1.66 337	2.36 268	1.50 300	0.46 337	0.36 332	0.59 365	0.48 350	0.49 324	0.49 311

NOSS_ROB	1.29 305	0.49 267	0.68 49	0.60 169	0.40 170	1.09 244	0.77 261	1.94 255	1.44 290	1.04 103	1.46 241	1.10 198	0.81 164	10.57 411	0.78 193	0.46 337	0.43 353	0.48 343	0.45 344	0.45 312	0.43 299

MFN_U_SF_DS_RVC	1.80 343	1.11 363	4.33 367	0.84 327	0.77 322	3.70 385	2.41 396	2.04 276	1.85 344	1.75 323	1.90 324	1.92 327	1.25 295	7.33 379	1.45 294	0.47 341	0.47 361	0.53 352	0.77 375	0.50 325	0.55 330

SAMSARA	1.80 343	0.90 346	3.37 355	1.28 375	1.13 366	3.71 386	2.33 391	2.53 357	1.93 348	3.17 385	1.73 300	2.99 372	1.68 339	3.53 309	2.46 348	0.47 341	0.54 371	0.43 332	0.47 348	0.59 343	0.64 348

DGSMNet	1.24 299	0.84 343	3.20 350	0.91 345	0.92 346	1.39 291	1.34 346	2.46 347	1.44 290	1.34 235	1.66 289	1.50 282	1.03 249	1.85 213	1.30 276	0.48 343	0.48 363	0.55 358	0.51 357	0.78 364	0.79 363

PVD	1.82 345	0.91 350	3.02 347	1.03 361	0.94 352	2.61 367	1.14 329	2.78 372	3.40 386	3.08 383	2.75 361	2.39 360	2.49 375	2.81 289	3.66 363	0.48 343	0.49 367	0.59 365	0.49 353	0.60 346	0.81 365

G-Net	1.71 339	0.67 320	2.09 316	1.14 370	0.75 316	2.96 377	0.89 293	1.58 172	1.30 235	2.76 371	8.12 404	2.29 353	2.51 376	1.94 227	2.23 341	0.49 345	0.45 356	0.45 336	0.31 297	0.62 350	0.59 340

NCC-stereo	1.20 289	0.60 296	1.84 298	0.88 335	0.95 353	1.32 279	0.94 304	2.14 295	1.36 258	1.43 268	1.79 307	1.93 328	2.13 367	2.54 277	1.41 290	0.49 345	0.38 339	0.45 336	0.59 367	0.43 300	0.45 304

Abc-Net	1.20 289	0.60 296	1.84 298	0.88 335	0.95 353	1.32 279	0.94 304	2.14 295	1.36 258	1.43 268	1.79 307	1.93 328	2.13 367	2.54 277	1.41 290	0.49 345	0.38 339	0.45 336	0.59 367	0.43 300	0.45 304
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
XQC	1.51 322	0.98 355	3.20 350	0.92 346	0.76 321	2.01 348	1.17 333	2.53 357	1.99 352	2.01 347	1.54 263	2.00 337	1.54 327	3.16 298	3.46 361	0.49 345	0.31 308	0.45 336	0.40 331	0.71 360	0.62 345

AF-Net	1.23 296	0.56 289	2.31 329	0.88 335	0.93 349	1.41 295	0.73 256	2.27 323	1.71 331	1.76 327	2.42 354	2.00 337	1.70 340	1.98 233	1.62 312	0.50 349	0.29 299	0.49 345	0.33 311	0.40 290	0.34 259

DPSNet	1.91 353	0.64 310	5.95 374	0.73 286	0.59 269	2.04 350	1.61 361	3.84 387	1.96 351	1.54 296	1.39 223	2.27 351	3.32 386	4.95 334	4.79 371	0.50 349	0.31 308	0.29 253	0.26 244	0.67 355	0.54 324

FCDSN-DC	2.47 372	0.65 316	1.00 179	0.85 329	0.75 316	2.26 358	0.97 309	2.31 326	1.83 343	5.52 405	7.65 401	7.72 402	7.70 406	4.43 324	2.64 350	0.52 351	0.48 363	0.52 348	0.52 358	0.57 340	0.59 340
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
BEATNet-Init1	27.39 422	21.01 422	73.65 434	1.07 363	0.80 330	56.07 429	22.82 415	33.14 428	31.71 425	51.78 436	52.93 434	65.63 436	48.54 434	48.75 437	36.36 426	0.52 351	0.47 361	0.54 353	0.54 361	0.64 351	0.72 356

MFN_U_SF_RVC	1.62 332	0.96 354	4.36 368	0.92 346	0.69 302	2.62 368	1.10 322	2.50 353	1.74 334	1.99 346	1.86 320	2.45 361	1.78 348	3.08 296	2.84 353	0.54 353	0.50 368	0.56 360	0.60 369	0.60 346	0.67 350

FC-DCNN	2.88 384	0.61 301	1.15 212	0.75 299	0.57 261	2.85 375	1.05 318	3.44 382	2.64 374	6.93 406	7.63 400	9.86 408	7.02 405	5.76 350	4.31 368	0.54 353	0.48 363	0.51 347	0.50 355	0.53 333	0.52 321

MSMD_ROB	2.08 358	0.61 301	1.15 212	0.71 274	0.62 282	4.00 392	0.93 302	1.94 255	1.79 340	4.71 399	4.60 384	8.14 403	3.87 393	3.75 314	1.65 318	0.54 353	0.48 363	0.55 358	0.58 365	0.53 333	0.52 321

RP	1.17 283	0.54 283	1.48 268	0.93 351	1.05 360	1.14 251	0.85 288	1.99 267	1.70 329	1.72 321	2.07 337	1.91 324	1.93 355	2.00 237	1.37 287	0.55 356	0.37 336	0.48 343	0.37 326	0.46 316	0.46 309

WCMA_ROB	2.05 356	0.55 286	1.77 292	0.74 292	0.61 278	2.24 356	1.56 358	2.17 308	1.79 340	4.16 393	6.36 394	5.66 394	4.66 397	3.19 299	2.77 352	0.55 356	0.45 356	0.40 326	0.43 339	0.48 321	0.50 314

UDGNet	0.75 158	1.23 370	0.99 174	0.82 319	0.42 187	0.76 151	0.38 68	0.98 30	1.37 263	0.83 62	0.88 60	0.70 72	0.60 99	1.25 123	0.57 137	0.57 358	0.19 198	1.03 379	0.26 244	0.79 365	0.35 267

ccnet	1.19 287	0.71 327	1.36 258	0.81 315	0.75 316	1.72 321	1.13 326	1.98 263	1.31 242	1.52 290	1.84 315	1.75 319	1.36 310	2.01 238	2.04 335	0.57 358	0.54 371	0.57 362	0.56 363	0.60 346	0.60 343

GANetREF_RVC	1.11 275	0.90 346	1.56 281	0.88 335	0.53 242	1.41 295	1.35 347	1.91 249	1.54 313	1.28 208	1.32 200	1.46 275	1.23 291	2.04 241	1.00 244	0.57 358	0.45 356	0.67 367	0.52 358	0.91 369	0.62 345
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
Anonymous_2	1.37 307	0.56 289	0.94 159	0.57 140	0.62 282	1.04 233	0.65 235	1.82 227	1.01 117	1.00 90	0.79 43	1.42 266	1.27 298	1.06 95	0.83 206	0.62 361	0.67 381	1.05 380	9.88 417	1.09 376	0.55 330

MANE	7.50 405	0.64 310	7.97 382	1.40 376	2.10 388	16.86 415	12.56 411	12.91 416	17.51 419	8.50 411	11.60 408	14.66 414	13.33 409	12.02 413	13.28 399	0.62 361	0.52 369	0.52 348	1.90 403	0.56 338	0.58 338

PASM	1.48 320	1.08 359	3.96 363	0.93 351	0.93 349	1.17 264	1.19 335	1.77 212	1.65 326	1.90 336	1.52 261	1.75 319	1.42 317	4.54 326	1.52 304	0.64 363	0.68 383	0.69 369	0.79 376	0.70 358	0.74 358

PWCDC_ROB	1.39 309	0.91 350	2.10 317	1.08 364	0.92 346	1.72 321	0.58 211	2.03 274	3.30 384	1.32 223	4.87 388	1.21 217	1.71 342	1.98 233	1.75 325	0.65 364	0.26 279	0.29 253	0.25 233	0.56 338	0.41 289

ELAS	2.67 374	0.80 337	2.13 320	1.13 367	1.15 370	6.25 403	2.56 397	3.50 384	3.68 389	5.36 403	4.92 389	3.79 380	5.56 399	3.65 310	5.22 375	0.66 365	0.57 375	0.56 360	0.54 361	0.65 353	0.75 360
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SDNR	1.66 333	0.55 286	2.36 331	0.56 122	0.58 263	3.79 390	0.45 132	1.78 214	1.40 276	1.38 250	2.45 356	1.13 207	0.96 220	11.03 412	1.31 277	0.67 366	0.64 379	0.43 332	0.32 302	0.71 360	0.76 361

ELAS_RVC	2.87 383	0.80 337	3.22 352	1.16 372	1.12 363	2.92 376	5.33 405	2.98 377	4.18 393	5.04 401	4.82 387	4.71 388	8.23 407	4.25 321	4.79 371	0.67 366	0.57 375	0.57 362	0.53 360	0.66 354	0.74 358
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSC_U_SF_DS_RVC	2.22 365	1.29 374	4.14 365	1.10 366	0.78 326	5.00 399	2.38 395	2.47 348	2.67 375	1.94 342	2.28 347	2.66 368	1.70 340	9.10 393	2.29 344	0.68 368	0.52 369	0.68 368	0.71 373	1.17 378	0.81 365

Consistency-Raft	1.27 304	1.01 357	2.17 322	1.04 362	1.20 374	0.96 224	1.00 314	1.84 230	1.95 350	1.38 250	2.11 339	1.44 270	1.03 249	1.18 118	1.40 289	0.73 369	0.83 385	0.89 374	0.99 386	1.33 380	0.95 370

MADNet+	2.80 378	3.38 410	11.57 397	1.50 382	1.21 376	3.18 380	2.00 377	3.52 385	2.61 369	1.81 329	2.09 338	2.83 370	2.18 369	7.55 382	5.44 377	0.84 370	0.83 385	0.71 370	0.66 372	1.05 375	1.08 375

STTRV1_RVC	1.60 329	0.69 323	2.04 314	0.88 335	1.12 363	1.58 311	0.90 294	2.42 339	1.78 338	1.29 212	2.02 334	1.40 264	1.22 290	9.72 401	1.35 284	0.86 371	0.34 323	0.54 353	0.49 353	0.75 362	0.54 324

JetBlue	4.18 392	2.45 402	10.42 393	1.40 376	2.89 404	10.68 409	10.68 407	3.91 388	2.52 365	2.74 370	3.39 372	4.50 385	4.27 395	7.97 386	7.67 387	0.89 372	0.97 397	0.89 374	0.92 380	2.26 385	2.21 392

UDG	1.47 318	2.69 405	1.13 207	1.45 380	1.65 384	1.34 285	0.79 272	1.75 210	1.27 221	1.29 212	1.74 301	1.99 336	1.39 314	1.66 188	1.51 302	0.91 373	0.55 373	2.30 390	0.76 374	1.99 383	1.20 380

MFMNet_re	1.47 318	1.20 368	2.50 334	1.46 381	1.08 362	1.58 311	1.51 353	1.96 261	1.87 345	2.31 357	2.20 343	1.51 284	1.88 353	1.57 171	1.34 282	0.94 374	0.83 385	0.84 373	0.80 377	1.00 372	1.06 374

PMTNet	0.47 22	0.22 3	0.43 5	0.39 2	0.24 6	0.71 136	0.26 10	0.78 5	1.03 123	0.65 38	0.69 27	0.55 38	0.48 43	0.90 68	0.36 16	0.99 375	0.13 17	0.15 3	0.10 1	0.15 4	0.15 3

anonymity	1.14 278	0.98 355	1.24 241	1.09 365	1.13 366	1.08 242	0.90 294	2.02 270	1.23 204	1.32 223	1.27 184	1.27 241	1.09 266	1.16 114	1.03 248	1.02 376	1.01 399	0.97 376	0.97 383	0.98 371	1.01 371

PDISCO_ROB	1.41 311	0.73 333	2.04 314	1.40 376	1.46 381	2.83 373	1.07 320	2.64 362	2.11 358	1.41 260	1.50 253	1.73 314	0.99 233	2.83 291	1.46 296	1.03 377	0.27 287	0.54 353	0.47 348	0.77 363	0.84 367

DispFullNet	2.39 370	2.89 408	3.74 360	3.09 401	2.27 394	2.04 350	0.84 283	2.19 311	1.73 333	2.54 366	1.98 331	2.23 348	5.83 400	3.44 308	1.84 330	1.03 377	0.33 321	2.65 401	1.97 405	2.87 392	2.34 394

SPS-STEREO	1.78 341	1.09 361	1.52 276	1.22 373	1.14 368	1.87 339	1.11 323	2.27 323	1.70 329	3.17 385	2.39 352	2.84 371	1.93 355	4.41 323	2.93 354	1.04 379	0.99 398	0.97 376	0.94 381	1.03 374	1.05 373
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	5.38 397	1.28 373	8.24 383	1.27 374	1.16 372	10.62 408	16.01 413	2.93 376	2.53 366	8.64 412	13.03 410	8.26 404	13.38 410	6.34 365	7.59 386	1.07 380	1.05 401	1.00 378	0.98 384	1.02 373	1.12 378

DDUNet	1.56 326	2.70 406	1.35 256	1.79 383	1.88 386	1.82 335	0.91 297	1.84 230	1.20 189	1.40 258	1.79 307	1.62 298	1.17 280	1.59 177	1.22 267	1.11 381	0.76 384	2.38 393	0.94 381	2.12 384	1.53 385

NVStereoNet_ROB	2.17 364	1.18 366	3.51 357	1.14 370	1.26 377	1.57 310	1.51 353	2.19 311	2.11 358	2.04 348	4.80 386	3.17 377	2.11 365	7.97 386	2.10 336	1.12 382	0.94 395	1.10 381	1.34 393	0.95 370	1.31 381
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
WAO-7	2.78 377	1.54 382	2.18 323	1.41 379	1.19 373	3.92 391	2.01 380	4.19 391	3.89 391	2.98 379	5.47 391	4.18 384	3.28 385	8.24 389	4.27 367	1.13 383	1.01 399	1.18 382	1.13 392	1.19 379	1.13 379

CC-Net-ROB	1.53 323	1.31 375	1.68 288	0.92 346	0.80 330	1.75 327	0.99 312	2.04 276	1.27 221	1.12 123	1.62 282	1.20 216	0.98 230	7.82 384	0.92 225	1.15 384	0.41 347	2.20 388	0.46 346	1.37 381	0.56 332

WAO-6	2.98 385	1.67 386	1.88 302	2.38 392	2.30 395	3.53 384	2.37 393	4.38 394	4.64 397	2.42 359	4.50 381	4.85 389	2.99 381	5.22 337	5.37 376	1.77 385	1.16 405	2.31 391	1.47 399	2.42 386	1.99 390

MaskLacGwcNet_RVC	1.17 283	1.06 358	1.28 247	0.88 335	0.69 302	1.92 342	0.92 299	1.71 203	1.14 167	1.17 147	1.26 177	1.49 280	0.80 160	2.04 241	0.86 210	2.02 386	0.34 323	0.79 371	0.36 322	1.38 382	1.33 383

WAO-8	4.57 395	2.01 392	2.58 337	2.37 390	2.21 390	9.75 405	1.71 364	6.04 406	16.34 411	4.11 390	7.69 402	7.41 397	3.85 391	10.02 408	3.85 364	2.05 387	1.09 402	2.44 397	1.39 394	2.56 388	1.86 388

Venus	4.57 395	2.01 392	2.58 337	2.37 390	2.21 390	9.75 405	1.71 364	6.04 406	16.34 411	4.11 390	7.69 402	7.41 397	3.85 391	10.02 408	3.85 364	2.05 387	1.09 402	2.44 397	1.39 394	2.56 388	1.86 388

PWCK	3.24 388	2.37 398	10.86 394	2.14 387	1.14 368	3.71 386	4.19 404	3.02 378	3.55 388	3.05 382	3.63 375	3.09 376	2.35 374	8.16 388	3.41 360	2.17 389	0.96 396	1.77 385	1.01 388	2.84 391	1.40 384

CAS	0.66 110	0.19 1	0.41 4	2.31 389	0.86 342	0.56 67	0.53 179	0.83 10	0.63 17	0.49 16	0.70 31	0.36 2	0.26 1	0.47 2	0.37 25	2.33 390	0.10 1	0.14 1	0.10 1	0.17 20	1.31 381

SQANet	1.38 308	0.95 353	1.37 261	1.89 385	1.47 382	1.44 299	0.81 276	1.89 245	1.13 161	1.34 235	1.26 177	1.28 242	1.02 247	1.64 186	0.91 221	2.55 391	0.35 328	1.47 383	0.56 363	2.48 387	1.74 387

ACVNet_2	2.86 382	1.47 379	8.28 384	2.68 394	2.26 393	2.70 369	1.84 375	3.41 381	3.04 380	2.27 356	3.42 373	4.58 386	2.10 363	5.91 353	1.62 312	2.58 392	0.67 381	2.22 389	0.85 379	2.79 390	2.47 396

JetRed	7.02 404	8.94 416	25.72 418	2.89 397	3.27 408	14.25 413	12.27 410	6.69 408	4.45 395	4.46 396	4.56 382	6.65 396	5.43 398	7.46 381	14.41 407	2.60 393	3.31 412	2.61 400	2.30 410	4.34 409	3.79 410

otaku	1.67 334	1.18 366	1.56 281	2.27 388	1.59 383	1.98 345	1.23 340	2.23 316	1.37 263	1.48 285	1.63 286	1.73 314	1.23 291	1.85 213	1.09 252	2.96 394	0.58 377	1.74 384	0.61 370	2.94 393	2.15 391

Ntro	1.72 340	1.21 369	1.62 285	2.54 393	1.86 385	2.09 353	1.14 329	2.08 284	1.38 265	1.23 181	1.62 282	1.62 298	1.33 307	2.04 241	1.21 266	3.09 395	0.56 374	1.82 386	0.65 371	2.97 396	2.25 393

Dean	3.77 391	1.65 385	17.87 407	3.01 400	2.54 399	3.15 379	2.10 384	4.80 397	4.42 394	2.89 375	6.03 392	5.45 393	2.55 378	3.40 307	2.13 337	3.22 396	0.89 392	2.51 399	1.07 391	3.07 398	2.65 401

ACVNet_1	3.08 387	1.48 380	17.70 406	2.90 398	2.35 397	2.30 359	1.43 351	3.16 379	2.26 363	1.91 337	2.05 336	3.51 378	2.32 371	3.71 313	1.58 308	3.25 397	0.66 380	2.40 396	1.06 390	3.07 398	2.59 397

ACVNet-4b	3.05 386	1.42 376	18.09 410	2.85 395	2.33 396	2.32 362	1.22 338	2.47 348	2.21 361	1.26 198	2.36 351	2.64 367	1.46 321	6.32 364	1.23 270	3.29 398	0.45 356	2.37 392	1.02 389	3.03 397	2.61 398

LVE	3.40 390	1.80 387	2.21 325	2.90 398	2.44 398	3.27 383	2.25 388	4.80 397	5.06 398	2.43 360	6.79 395	5.99 395	2.64 379	9.20 395	2.28 342	3.30 399	1.11 404	2.38 393	1.48 400	2.95 395	2.62 399

TorneroNet-64	5.41 398	2.10 395	2.43 332	3.49 406	2.83 403	9.90 407	2.13 385	8.87 412	16.79 416	5.39 404	9.18 406	10.68 412	3.92 394	9.55 399	5.11 374	3.36 400	0.86 390	2.88 405	1.62 401	3.76 404	3.37 406

RainbowNet	2.06 357	1.86 388	1.97 310	2.86 396	2.25 392	2.03 349	1.79 370	2.77 370	1.92 347	1.54 296	1.84 315	1.95 333	1.73 344	2.23 258	1.38 288	3.40 401	0.86 390	2.39 395	1.00 387	2.94 393	2.42 395

KSHMR	8.76 409	2.14 396	3.59 358	3.60 408	3.13 406	4.15 395	2.67 398	5.61 404	58.90 436	3.04 381	55.71 435	4.94 390	2.54 377	4.61 329	3.05 358	3.49 402	1.57 409	3.14 407	1.98 406	3.84 405	3.49 407

UNDER WATER-64	5.84 401	2.48 404	17.93 408	3.97 412	3.58 411	7.70 404	3.03 402	5.72 405	14.13 408	4.18 394	4.00 379	9.27 407	6.80 404	6.20 359	9.22 392	3.67 403	1.52 408	3.14 407	1.95 404	4.43 410	3.83 411

TorneroNet	10.72 411	2.09 394	2.76 342	3.48 405	3.03 405	44.72 427	2.31 390	8.62 411	67.06 437	7.45 410	23.21 420	10.59 411	4.28 396	9.03 392	9.00 390	3.67 403	0.91 394	3.04 406	1.63 402	3.92 406	3.55 409

IMH-64-1	2.82 379	1.87 389	1.77 292	3.31 403	2.69 400	3.22 381	2.07 381	4.25 392	2.77 378	2.46 363	3.78 377	3.05 373	2.34 372	4.67 330	3.00 356	3.84 405	0.84 388	2.75 402	1.39 394	3.34 401	2.93 403

IMH-64	2.82 379	1.87 389	1.77 292	3.31 403	2.69 400	3.22 381	2.07 381	4.25 392	2.77 378	2.46 363	3.78 377	3.05 373	2.34 372	4.67 330	3.00 356	3.84 405	0.84 388	2.75 402	1.39 394	3.34 401	2.93 403

UNDER WATER	5.68 400	2.46 403	15.52 403	3.98 413	3.53 410	5.15 400	2.74 399	5.58 403	16.41 414	4.00 388	4.56 382	9.12 406	6.43 403	6.22 360	9.11 391	3.85 407	1.35 406	3.18 409	1.98 406	4.51 411	3.84 412

IMH	3.35 389	1.95 391	1.86 301	3.30 402	2.72 402	4.03 394	2.00 377	4.58 396	3.83 390	2.87 374	6.99 397	4.69 387	3.21 384	6.77 373	2.97 355	3.91 408	0.89 392	2.78 404	1.40 398	3.36 403	2.93 403

ktn	4.56 394	2.41 400	2.54 335	3.79 410	3.25 407	4.81 398	2.91 401	5.52 401	7.36 403	4.12 392	14.55 412	7.54 400	3.70 390	7.84 385	3.35 359	4.06 409	1.86 410	3.26 410	2.22 409	3.27 400	2.86 402

notaker	4.29 393	2.42 401	5.06 371	3.89 411	3.29 409	4.00 392	2.25 388	4.93 399	3.47 387	4.21 395	6.79 395	7.67 401	3.37 387	9.25 397	6.47 380	4.09 410	1.42 407	3.35 411	2.13 408	4.11 408	3.54 408

MADNet++	5.41 398	3.18 409	6.43 376	4.66 415	3.95 413	6.15 402	6.75 406	4.51 395	4.51 396	5.06 402	6.27 393	4.96 391	6.14 401	9.39 398	11.70 397	4.71 411	4.19 415	3.97 413	3.33 411	4.08 407	4.25 413

DGTPSM_ROB	13.06 413	8.27 414	22.29 413	9.53 418	18.14 416	11.53 410	31.97 420	10.82 414	16.25 409	7.14 407	19.39 418	10.12 409	16.69 414	9.85 403	22.49 415	4.77 412	8.72 417	5.37 414	10.24 418	6.15 415	11.56 417

DPSMNet_ROB	13.08 414	8.28 415	22.32 414	9.54 419	18.15 417	11.53 410	31.98 421	10.83 415	16.27 410	7.17 408	19.40 419	10.12 409	16.69 414	9.87 404	22.50 416	4.78 413	8.72 417	5.38 415	10.25 419	6.16 416	11.59 418

SPstereo	26.71 421	6.90 413	11.42 396	5.86 416	6.44 414	48.17 428	80.34 435	67.41 437	34.42 432	28.80 430	27.49 421	43.68 434	37.53 430	44.96 436	54.23 436	5.06 414	4.92 416	10.92 421	6.03 414	4.54 412	5.00 416

DPSimNet_ROB	24.77 420	9.69 417	61.46 433	3.56 407	19.46 418	25.95 417	77.56 434	5.09 400	16.60 415	21.50 422	29.82 424	25.12 425	85.69 436	13.37 415	23.07 418	7.23 415	17.79 424	8.55 417	7.57 416	4.57 413	31.84 430

HanzoNet	11.92 412	5.12 411	17.18 405	4.19 414	3.59 412	5.16 401	2.82 400	7.41 409	9.96 405	33.31 432	27.60 422	22.25 422	37.31 426	18.18 417	13.57 400	8.13 416	3.44 414	3.50 412	3.44 412	7.77 418	4.52 414

tt	6.61 403	0.28 43	6.10 375	3.77 409	2.17 389	11.53 410	19.61 414	13.53 417	5.81 401	3.00 380	2.82 363	4.97 392	6.33 402	3.83 316	7.23 385	9.13 417	11.32 422	5.87 416	6.22 415	6.01 414	2.63 400

PML	51.64 433	37.49 427	14.31 400	7.45 417	20.27 419	107.80 436	231.34 437	8.94 413	27.70 424	86.74 437	268.93 437	69.03 437	61.09 435	24.71 426	14.36 406	9.71 418	3.40 413	9.60 418	4.67 413	20.46 422	4.76 415

DPSM_ROB	19.12 416	19.13 420	25.13 416	22.15 422	20.86 420	28.06 419	37.75 423	27.18 421	16.95 417	14.25 415	15.07 413	21.66 417	18.69 417	21.83 420	26.51 421	10.15 419	9.30 420	10.45 419	10.41 420	14.00 419	12.85 420

DPSM	19.12 416	19.13 420	25.13 416	22.15 422	20.86 420	28.06 419	37.75 423	27.18 421	16.95 417	14.25 415	15.07 413	21.66 417	18.69 417	21.83 420	26.51 421	10.15 419	9.30 420	10.45 419	10.41 420	14.00 419	12.85 420

DLNR_Zeroshot_test	23.23 419	48.25 437	43.77 425	177.04 437	78.39 433	0.35 5	0.21 1	23.33 420	0.82 53	0.67 41	0.86 55	0.58 43	0.30 4	1.64 186	0.48 88	10.69 421	0.13 17	0.18 33	0.14 22	76.63 436	0.23 122

ASD4	17.95 415	11.38 418	20.07 411	11.32 420	12.21 415	21.39 416	31.23 419	22.73 419	12.78 407	12.19 414	12.67 409	13.79 413	14.32 412	20.13 418	25.17 419	18.93 422	15.37 423	28.00 428	22.52 428	17.63 421	15.21 422

CasAABBNet	38.42 423	38.42 428	50.26 427	44.76 429	41.87 426	56.47 433	76.22 429	54.44 434	33.92 427	28.53 425	30.36 426	43.53 433	37.59 431	43.77 433	53.32 431	20.27 423	18.70 426	21.03 425	21.04 423	28.19 423	25.79 424

MyStereo03	38.45 424	38.46 430	50.33 428	44.93 430	42.03 428	56.44 430	76.24 430	54.16 431	34.06 429	28.68 427	30.42 427	43.46 429	37.33 427	43.76 430	53.43 432	20.29 424	18.73 428	21.02 422	21.05 424	28.19 423	25.91 426

MyStereo02	38.45 424	38.46 430	50.33 428	44.93 430	42.03 428	56.44 430	76.24 430	54.16 431	34.06 429	28.68 427	30.42 427	43.46 429	37.33 427	43.76 430	53.43 432	20.29 424	18.73 428	21.02 422	21.05 424	28.19 423	25.91 426

MyStereo	38.45 424	38.46 430	50.33 428	44.93 430	42.03 428	56.44 430	76.24 430	54.16 431	34.06 429	28.68 427	30.42 427	43.46 429	37.33 427	43.76 430	53.43 432	20.29 424	18.73 428	21.02 422	21.05 424	28.19 423	25.91 426

Selective-RAFT-Error	38.47 427	38.44 429	50.38 431	44.74 428	42.01 427	56.47 433	76.24 430	54.44 434	34.02 428	28.59 426	30.30 425	43.51 432	38.10 432	43.69 429	53.24 430	20.36 427	18.72 427	21.05 426	21.02 422	28.25 427	25.87 425

LSM0	42.92 432	38.72 433	50.66 432	47.49 433	110.18 437	56.77 435	75.87 428	54.87 436	33.74 426	29.48 431	31.12 430	43.77 435	37.12 425	43.85 434	53.44 435	20.50 428	18.67 425	21.05 426	21.07 427	28.37 428	41.73 431

LRCNet_RVC	22.79 418	32.09 426	22.06 412	29.83 424	26.15 422	4.40 397	0.84 283	22.64 418	2.10 357	26.93 424	29.25 423	23.03 424	15.56 413	23.91 422	18.92 412	32.00 429	20.04 431	34.68 429	32.13 429	30.66 429	28.52 429

xxxxx1	54.34 434	26.72 423	27.03 419	114.14 434	99.00 434	30.68 423	47.19 425	32.52 425	26.09 420	17.85 418	17.48 415	21.86 419	20.92 419	24.38 423	33.78 423	34.73 430	41.33 432	157.67 435	175.68 435	65.82 433	71.99 435

tt_ll	54.34 434	26.72 423	27.03 419	114.14 434	99.00 434	30.68 423	47.19 425	32.52 425	26.09 420	17.85 418	17.48 415	21.86 419	20.92 419	24.38 423	33.78 423	34.73 430	41.33 432	157.67 435	175.68 435	65.82 433	71.99 435

ff	54.34 434	26.72 423	27.03 419	114.14 434	99.00 434	30.68 423	47.19 425	32.52 425	26.09 420	17.85 418	17.48 415	21.86 419	20.92 419	24.38 423	33.78 423	34.73 430	41.33 432	157.67 435	175.68 435	65.82 433	71.99 435

HaxPig	39.02 428	41.39 434	41.59 423	30.10 425	32.36 423	29.49 421	27.65 417	30.56 424	37.94 433	43.75 433	43.81 431	33.42 426	35.69 423	41.51 427	40.33 428	43.91 433	47.48 436	45.87 430	47.14 431	42.29 430	44.06 433

AVERAGE_ROB	40.42 429	42.30 435	42.61 424	36.91 427	35.54 425	30.42 422	27.59 416	37.45 430	38.45 434	44.87 434	44.27 432	37.55 428	36.69 424	41.82 428	40.25 427	45.36 434	46.73 435	47.09 431	46.32 430	42.47 431	43.74 432

MEDIAN_ROB	42.01 430	44.30 436	44.14 426	35.08 426	34.90 424	31.33 426	29.90 418	36.77 429	40.11 435	47.14 435	46.55 433	37.49 427	38.50 433	44.30 435	42.32 429	47.93 435	49.31 437	49.68 432	49.00 432	44.98 432	46.46 434

Anonymous_1	42.79 431	18.71 419	24.75 415	21.81 421	45.16 431	27.68 418	37.52 422	28.64 423	16.34 411	14.72 417	14.53 411	20.60 416	17.82 416	21.52 419	25.88 420	113.45 436	8.91 419	100.63 433	126.37 433	158.50 437	12.31 419

FADE		6.16 412		1.90 386	1.95 387			5.55 402	5.12 399	2.92 378		4.13 383		10.56 410		193.84 437	2.80 411	122.45 434	126.70 434	1.14 377	1.11 377

test_example2	192.91 437	210.59 438	206.44 437	199.86 438	204.90 438	172.02 437	182.95 436	138.34 438	134.89 438	193.14 438	200.54 436	186.77 438	177.82 437	204.95 438	207.57 437	221.83 438	238.70 438	186.02 438	190.07 438	226.94 438	173.78 438

Low-res two-view benchmark