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

MIM_Stereo	0.55 102	0.92 218	2.65 222	0.32 90	1.09 369	0.51 45	0.19 12	0.67 86	0.52 45	0.48 65	0.54 139	0.43 91	0.27 61	0.57 97	0.30 55	0.08 1	0.17 198	0.11 92	0.10 70	0.28 243	0.80 304

LoS_RVC	0.34 5	0.38 55	1.96 37	0.27 21	0.35 216	0.43 15	0.22 38	0.43 5	0.34 1	0.24 9	0.34 33	0.23 13	0.28 71	0.34 15	0.22 4	0.08 1	0.07 6	0.07 1	0.05 1	0.10 10	0.35 154

RAFT_CTSACE	0.58 125	1.16 262	2.76 263	0.36 156	0.29 163	0.54 72	0.29 157	0.69 91	0.51 40	0.51 110	0.75 282	0.67 218	0.37 127	0.63 113	0.47 141	0.08 1	0.49 290	0.11 92	0.10 70	0.41 328	0.32 138

test_4	0.47 48	0.80 188	2.15 68	0.36 156	0.29 163	0.59 129	0.28 132	0.50 23	0.42 9	0.43 43	0.76 285	0.39 73	0.22 18	0.73 146	0.49 153	0.08 1	0.18 204	0.11 92	0.15 194	0.29 251	0.27 107

test-3	0.58 125	0.43 76	2.44 133	0.52 274	0.59 296	0.46 20	0.23 57	0.77 118	0.49 29	0.52 118	0.29 17	0.44 106	0.22 18	0.59 101	0.97 258	0.08 1	1.27 363	0.10 46	0.35 337	0.29 251	0.62 265

test_1	0.58 125	0.43 76	2.44 133	0.52 274	0.59 296	0.46 20	0.23 57	0.77 118	0.49 29	0.51 110	0.29 17	0.44 106	0.22 18	0.59 101	0.97 258	0.08 1	1.27 363	0.10 46	0.35 337	0.29 251	0.63 269

test_3	0.59 140	0.44 80	2.44 133	0.53 278	0.59 296	0.48 32	0.30 169	0.79 132	0.52 45	0.51 110	0.30 20	0.45 118	0.22 18	0.59 101	0.97 258	0.08 1	1.25 359	0.11 92	0.35 337	0.30 257	0.62 265

cross-raft	0.47 48	0.34 30	2.17 71	0.70 328	0.84 342	0.50 43	0.35 216	0.74 108	0.43 13	0.44 49	0.45 75	0.63 199	0.25 40	0.37 24	0.27 36	0.08 1	0.14 165	0.10 46	0.23 275	0.11 17	0.27 107

RAFT-Stereo + iAFF	0.58 125	1.48 333	2.53 177	0.29 45	0.78 337	0.52 60	0.20 20	0.68 89	0.66 123	0.51 110	0.61 196	0.40 81	0.32 106	0.40 34	0.43 127	0.08 1	0.63 311	0.09 13	0.09 37	0.37 303	0.58 255

AFF-stereo	0.57 117	1.51 335	2.59 198	0.33 110	0.23 108	0.51 45	0.21 29	0.69 91	0.68 159	0.49 81	0.63 211	0.49 135	0.34 118	0.50 73	0.37 106	0.08 1	0.54 296	0.10 46	0.10 70	0.40 322	0.60 262

MyStereo07	0.56 110	0.68 150	2.42 120	0.30 59	0.41 247	0.61 159	0.31 179	0.58 55	0.72 196	1.17 348	0.26 14	0.20 2	0.27 61	1.28 220	0.28 41	0.09 11	0.59 305	0.12 134	0.21 268	0.16 69	0.48 223

MyStereo06	0.70 226	0.72 162	3.51 348	0.31 73	0.25 123	0.60 141	0.30 169	0.90 219	0.67 135	1.48 377	0.53 125	0.84 291	0.57 255	0.60 106	1.11 279	0.09 11	0.55 298	0.12 134	0.20 257	0.16 69	0.56 253

MyStereo05	0.57 117	0.72 162	2.72 251	0.31 73	0.25 123	0.60 141	0.30 169	0.87 197	0.82 268	0.54 130	0.37 41	0.53 150	0.42 173	0.63 113	0.73 220	0.09 11	0.55 298	0.12 134	0.20 257	0.16 69	0.56 253

MyStereo04	0.57 117	0.68 150	2.66 226	0.30 59	0.41 247	0.61 159	0.31 179	0.88 205	0.80 256	0.48 65	0.37 41	0.54 155	0.42 173	0.61 109	0.71 215	0.09 11	0.59 305	0.12 134	0.21 268	0.16 69	0.48 223

AE-Stereo	0.71 230	0.32 14	2.44 133	0.44 237	0.50 274	0.58 111	0.23 57	1.08 333	0.67 135	0.67 256	0.51 115	0.47 127	0.24 26	0.63 113	0.32 77	0.09 11	2.15 399	0.11 92	0.45 358	0.22 172	2.01 382

ff7	0.65 190	0.58 118	2.09 56	0.39 197	0.60 301	0.56 85	0.23 57	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 26	0.71 140	0.24 15	0.09 11	2.09 390	0.10 46	0.18 232	0.24 192	2.22 396

ffff	0.65 190	0.58 118	2.09 56	0.39 197	0.60 301	0.56 85	0.23 57	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 26	0.71 140	0.24 15	0.09 11	2.09 390	0.10 46	0.18 232	0.24 192	2.22 396

11t	0.65 190	0.58 118	2.09 56	0.39 197	0.60 301	0.56 85	0.23 57	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 26	0.71 140	0.24 15	0.09 11	2.09 390	0.10 46	0.18 232	0.24 192	2.22 396

MSKI-zero shot	0.70 226	0.44 80	2.62 211	1.47 378	0.75 329	0.56 85	0.20 20	0.80 137	0.45 17	0.60 197	0.52 122	0.44 106	0.17 1	0.70 134	0.26 32	0.09 11	2.87 411	0.09 13	0.32 319	0.14 51	0.50 231

AEACV	0.89 305	0.29 2	1.84 17	2.50 405	1.68 395	0.53 65	0.21 29	1.01 289	0.42 9	0.68 262	0.31 25	0.22 8	0.39 145	1.63 266	0.25 23	0.09 11	2.60 408	0.09 13	0.54 371	0.23 186	2.27 401

HH	0.79 264	0.52 101	2.72 251	1.45 376	0.80 338	0.91 325	0.23 57	0.76 112	0.76 229	0.64 236	0.55 148	0.87 302	0.41 162	0.94 178	0.45 134	0.09 11	1.20 354	0.10 46	0.09 37	0.16 69	2.16 389

HanStereo	0.79 264	0.52 101	2.72 251	1.45 376	0.80 338	0.91 325	0.23 57	0.76 112	0.76 229	0.64 236	0.55 148	0.87 302	0.41 162	0.94 178	0.45 134	0.09 11	1.20 354	0.10 46	0.09 37	0.16 69	2.16 389

4D-IteraStereo	0.62 166	1.29 295	3.04 306	0.27 21	0.30 174	0.46 20	0.26 110	0.54 39	0.51 40	0.41 33	0.31 25	0.39 73	0.19 7	0.53 85	0.65 200	0.09 11	0.47 286	0.12 134	0.11 108	0.21 158	2.14 388

anonymousdsp	0.86 291	0.59 124	2.65 222	1.33 370	1.25 378	0.56 85	0.23 57	0.54 39	0.71 189	1.13 344	0.25 11	0.22 8	0.24 26	1.24 213	0.24 15	0.09 11	2.34 405	0.10 46	0.18 232	0.25 207	3.12 410

CES	0.33 4	0.32 14	1.46 2	0.25 5	0.50 274	0.40 12	0.20 20	0.48 11	0.48 27	0.22 3	0.29 17	0.26 28	0.19 7	0.35 21	0.22 4	0.09 11	0.07 6	0.08 3	0.05 1	0.16 69	0.54 246

Selective-IGEV	0.57 117	0.42 70	1.87 22	1.67 388	1.33 381	0.36 10	0.20 20	0.61 67	0.71 189	0.22 3	0.31 25	0.22 8	0.19 7	0.52 78	0.36 103	0.09 11	0.97 336	0.09 13	0.15 194	0.20 149	0.85 312

DCRE	0.76 255	0.80 188	2.31 93	1.05 359	1.18 374	0.63 194	0.26 110	1.03 301	0.59 76	0.52 118	2.12 376	0.44 106	0.27 61	0.41 40	0.53 164	0.09 11	1.02 344	0.10 46	0.32 319	0.16 69	1.47 369

ProNet	0.46 45	0.60 126	1.85 19	0.35 142	0.67 319	0.49 37	0.25 98	0.53 30	0.57 66	0.21 1	0.24 6	0.22 8	0.20 14	0.52 78	0.22 4	0.09 11	0.47 286	0.10 46	0.09 37	0.23 186	1.33 357

MC-Stereo	0.58 125	0.37 50	2.00 40	0.88 345	0.64 315	0.54 72	0.19 12	0.46 9	0.39 3	0.58 169	0.39 50	0.27 35	0.27 61	0.71 140	0.32 77	0.09 11	1.20 354	0.09 13	0.16 211	0.22 172	1.92 380

RCA-Stereo	0.45 40	0.38 55	1.80 10	0.27 21	0.25 123	0.58 111	0.23 57	0.84 168	0.66 123	0.42 37	0.44 74	0.28 37	0.35 120	0.31 3	0.21 1	0.09 11	1.01 339	0.09 13	0.07 12	0.21 158	0.53 243

ccc-4	0.65 190	0.58 118	2.09 56	0.39 197	0.60 301	0.56 85	0.23 57	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 26	0.71 140	0.24 15	0.09 11	2.09 390	0.10 46	0.18 232	0.24 192	2.22 396

raft_robust	0.68 215	1.24 285	2.42 120	0.30 59	0.57 291	0.53 65	0.25 98	0.95 254	0.79 249	0.49 81	0.46 77	1.12 355	0.74 305	1.50 246	0.61 186	0.09 11	0.62 310	0.10 46	0.30 309	0.26 222	0.30 128

RAFT+CT+SA	0.60 146	1.25 288	2.49 169	0.38 184	0.75 329	0.55 81	0.34 207	0.83 161	0.68 159	0.39 30	0.55 148	0.44 106	0.29 87	0.75 150	0.28 41	0.09 11	0.24 238	0.11 92	0.51 367	0.30 257	0.74 296

IGEV-Stereo	0.86 291	0.60 126	2.65 222	1.35 372	1.25 378	0.56 85	0.23 57	0.54 39	0.71 189	1.14 345	0.25 11	0.22 8	0.24 26	1.24 213	0.24 15	0.09 11	2.34 405	0.10 46	0.18 232	0.25 207	3.13 411
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GLC_STEREO	0.31 1	0.30 5	1.80 10	0.29 45	0.12 3	0.41 13	0.20 20	0.39 2	0.42 9	0.26 14	0.31 25	0.25 22	0.19 7	0.36 23	0.26 32	0.09 11	0.11 124	0.12 134	0.10 70	0.13 35	0.15 30

IPLG	0.74 243	1.09 242	2.87 284	0.36 156	0.21 77	1.63 374	0.60 316	1.39 369	0.63 103	1.39 369	0.51 115	0.40 81	0.86 324	1.40 231	0.37 106	0.09 11	0.07 6	0.14 219	0.12 138	0.34 280	0.23 84

GMOStereo	0.58 125	0.89 205	2.46 156	0.29 45	0.99 357	0.51 45	0.32 189	0.58 55	0.46 18	0.58 169	0.48 88	0.54 155	0.27 61	0.31 3	0.25 23	0.09 11	1.64 379	0.13 190	0.11 108	0.34 280	0.42 192

error version	0.58 125	0.89 205	2.46 156	0.29 45	0.99 357	0.51 45	0.32 189	0.58 55	0.46 18	0.58 169	0.48 88	0.54 155	0.27 61	0.31 3	0.25 23	0.09 11	1.64 379	0.13 190	0.11 108	0.34 280	0.42 192

test-v	0.58 125	0.89 205	2.46 156	0.29 45	0.99 357	0.51 45	0.32 189	0.58 55	0.46 18	0.58 169	0.48 88	0.54 155	0.27 61	0.31 3	0.25 23	0.09 11	1.64 379	0.13 190	0.11 108	0.34 280	0.42 192

test-2	0.58 125	0.89 205	2.46 156	0.29 45	0.99 357	0.51 45	0.32 189	0.58 55	0.46 18	0.58 169	0.48 88	0.54 155	0.27 61	0.31 3	0.25 23	0.09 11	1.64 379	0.13 190	0.11 108	0.34 280	0.42 192

iRaftStereo_RVC	0.47 48	0.84 191	1.91 28	0.29 45	0.15 13	0.53 65	0.20 20	0.58 55	0.50 35	0.37 25	0.43 63	0.42 90	0.23 24	0.38 26	0.28 41	0.09 11	0.70 323	0.12 134	0.11 108	0.43 332	0.77 297

CREStereo++_RVC	0.38 13	0.37 50	2.47 161	0.25 5	0.16 20	0.54 72	0.15 1	0.42 4	0.57 66	0.37 25	0.52 122	0.24 19	0.19 7	0.31 3	0.27 36	0.09 11	0.06 1	0.08 3	0.30 309	0.09 5	0.22 76
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
EAI-Stereo	1.16 347	0.29 2	1.94 33	0.55 285	0.97 356	1.96 385	7.94 413	1.34 366	1.03 341	1.01 335	1.48 361	0.51 142	0.66 286	0.65 121	1.42 310	0.09 11	0.23 235	0.09 13	0.53 370	0.13 35	0.49 229

CFNet-RSSM	0.44 37	0.36 40	2.38 104	0.28 33	0.43 258	0.53 65	0.20 20	0.86 190	0.52 45	0.44 49	0.36 37	0.53 150	0.26 48	0.40 34	0.27 36	0.09 11	0.08 38	0.09 13	0.38 346	0.10 10	0.22 76

Gwc-CoAtRS	0.41 18	0.37 50	2.06 52	0.28 33	0.41 247	0.48 32	0.19 12	0.64 78	0.49 29	0.45 51	0.39 50	0.57 174	0.26 48	0.37 24	0.28 41	0.09 11	0.19 208	0.09 13	0.31 314	0.11 17	0.25 97

HITNet	0.55 102	1.28 293	2.73 256	0.35 142	0.14 8	0.56 85	0.23 57	0.89 211	0.62 92	0.52 118	0.51 115	0.49 135	0.38 134	0.52 78	0.60 181	0.09 11	0.07 6	0.10 46	0.08 27	0.25 207	0.61 263
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	0.73 240	1.16 262	2.89 287	0.53 278	0.34 208	0.71 256	0.20 20	1.87 387	0.59 76	0.53 126	0.66 231	0.50 139	0.33 111	1.27 219	0.62 189	0.10 47	1.19 353	0.10 46	0.21 268	0.21 158	0.61 263

ACVNet-DCA	0.67 210	0.73 165	2.43 125	0.67 321	0.52 278	0.76 276	0.24 79	0.81 144	0.83 274	0.77 294	0.39 50	0.25 22	0.38 134	0.70 134	0.22 4	0.10 47	2.13 395	0.11 92	0.09 37	0.16 69	1.18 341

xx1	0.71 230	0.73 165	2.43 125	0.67 321	0.52 278	0.76 276	0.24 79	0.85 178	1.05 345	0.77 294	0.39 50	0.46 122	0.37 127	0.70 134	0.22 4	0.10 47	2.13 395	0.12 134	0.41 354	0.16 69	1.18 341

1test111	0.72 238	0.73 165	2.43 125	0.67 321	0.52 278	0.76 276	0.24 79	0.81 144	0.83 274	0.77 294	0.39 50	0.25 22	0.38 134	1.03 185	0.75 223	0.10 47	2.13 395	0.11 92	0.09 37	0.16 69	1.18 341

cc1	0.74 243	0.73 165	2.43 125	0.67 321	0.52 278	0.76 276	0.24 79	0.85 178	1.05 345	0.77 294	0.39 50	0.25 22	0.38 134	0.70 134	0.22 4	0.10 47	2.13 395	0.11 92	0.09 37	0.25 207	2.20 395

IGEVStereo-DCA	0.74 243	0.74 174	2.09 56	0.76 333	0.77 334	0.45 17	0.23 57	0.49 14	0.62 92	0.71 279	0.22 2	0.30 42	0.28 71	1.29 221	1.53 317	0.10 47	1.50 377	0.10 46	0.18 232	0.24 192	2.22 396

rrr	0.84 280	0.74 174	3.40 339	0.76 333	0.77 334	0.45 17	0.28 132	1.23 359	0.84 286	0.71 279	0.22 2	0.30 42	0.28 71	1.29 221	1.53 317	0.10 47	1.50 377	0.10 46	0.29 303	0.24 192	1.75 377

DualNet	0.97 322	0.67 143	3.39 334	0.32 90	0.22 86	0.58 111	0.28 132	0.85 178	0.96 327	0.54 130	0.74 275	0.67 218	0.40 151	0.64 117	3.86 389	0.10 47	2.16 400	0.15 244	0.33 329	0.25 207	2.19 391

ffm	0.78 261	0.67 143	3.39 334	0.32 90	0.22 86	0.58 111	0.28 132	0.85 178	0.96 327	0.54 130	0.74 275	0.67 218	0.40 151	0.64 117	0.22 4	0.10 47	2.16 400	0.15 244	0.33 329	0.25 207	2.19 391

ff1	1.07 338	0.67 143	3.39 334	0.32 90	0.22 86	0.58 111	0.28 132	0.85 178	0.96 327	0.54 130	0.74 275	0.67 218	0.40 151	2.75 377	3.86 389	0.10 47	2.16 400	0.15 244	0.33 329	0.25 207	2.19 391

tt1	0.74 243	0.73 165	2.34 98	0.67 321	0.63 311	0.75 272	0.24 79	0.85 178	0.96 327	0.81 306	0.38 47	0.26 28	0.35 120	0.64 117	0.22 4	0.10 47	2.16 400	0.11 92	0.09 37	0.25 207	2.19 391

StereoIM	0.35 7	0.89 205	2.15 68	0.25 5	0.29 163	0.29 3	0.17 5	0.47 10	0.41 5	0.21 1	0.22 2	0.28 37	0.21 15	0.32 13	0.31 69	0.10 47	0.09 81	0.10 46	0.08 27	0.11 17	0.12 10

IGEV_Zeroshot_test	0.91 310	0.39 59	3.80 365	0.42 222	1.95 399	0.56 85	0.64 325	0.84 168	0.55 59	1.45 374	0.53 125	0.79 274	0.42 173	0.57 97	1.13 281	0.10 47	0.49 290	0.10 46	0.34 335	0.19 132	2.97 408

RAFT-Test	0.56 110	0.41 68	2.01 42	0.90 348	1.07 367	0.65 220	0.37 226	0.83 161	0.65 116	0.49 81	0.49 101	0.93 316	0.24 26	0.52 78	0.30 55	0.10 47	0.38 271	0.09 13	0.38 346	0.11 17	0.19 60

anonymousdsp2	0.88 298	0.31 7	1.96 37	1.06 360	1.56 391	0.57 104	0.22 38	0.84 168	0.98 334	1.20 354	0.37 41	0.65 209	0.26 48	1.19 207	0.46 138	0.10 47	2.40 407	0.10 46	0.13 158	0.19 132	2.96 407

LoS	0.34 5	0.35 37	1.88 23	0.25 5	0.13 5	0.53 65	0.20 20	0.50 23	0.53 51	0.26 14	0.28 15	0.37 66	0.24 26	0.40 34	0.25 23	0.10 47	0.08 38	0.08 3	0.06 6	0.15 60	0.10 4

EGLCR-Stereo	0.90 308	0.31 7	1.90 26	1.60 384	0.95 352	1.14 352	0.42 251	0.85 178	0.43 13	1.74 383	0.21 1	0.27 35	0.17 1	1.56 252	0.30 55	0.10 47	2.60 408	0.10 46	0.09 37	0.10 10	3.10 409

anonymousa	0.74 243	0.60 126	2.58 196	0.96 354	1.33 381	0.61 159	0.26 110	0.69 91	0.56 63	0.55 141	0.84 299	0.82 286	0.46 209	0.56 94	0.61 186	0.10 47	1.11 350	0.12 134	0.98 397	0.14 51	0.97 330

CroCo-Stereo Lap2	0.38 13	0.91 213	2.02 45	0.33 110	0.38 234	0.23 2	0.21 29	0.63 76	0.51 40	0.23 6	0.28 15	0.29 41	0.23 24	0.34 15	0.28 41	0.10 47	0.09 81	0.10 46	0.08 27	0.22 172	0.15 30

TestStereo1	0.59 140	1.21 275	2.63 212	0.40 210	0.60 301	0.56 85	0.34 207	0.82 151	0.73 199	0.45 51	0.63 211	0.36 63	0.42 173	0.66 124	0.42 121	0.10 47	0.32 259	0.12 134	0.10 70	0.34 280	0.52 240

DCANet-4	0.43 25	0.32 14	2.31 93	0.26 15	0.14 8	0.51 45	0.22 38	0.84 168	0.78 240	0.55 141	0.48 88	0.28 37	0.37 127	0.40 34	0.37 106	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 197

fff	0.50 70	0.90 210	2.63 212	0.25 5	0.15 13	0.51 45	0.22 38	0.85 178	0.82 268	0.55 141	0.48 88	0.31 47	0.65 280	0.39 30	0.37 106	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 197

ADStereo(finetuned)	0.50 70	0.91 213	2.43 125	0.26 15	0.14 8	0.51 45	0.22 38	0.84 168	0.78 240	0.56 151	0.49 101	0.32 51	0.75 309	0.40 34	0.40 115	0.10 47	0.07 6	0.09 13	0.07 12	0.13 35	0.45 214

test_5	0.61 153	1.25 288	2.76 263	0.39 197	0.64 315	0.58 111	0.35 216	0.85 178	0.66 123	0.49 81	0.56 160	0.55 163	0.40 151	0.79 158	0.32 77	0.10 47	0.19 208	0.12 134	0.12 138	0.33 274	0.85 312

SA-5K	0.59 140	1.21 275	2.63 212	0.40 210	0.60 301	0.56 85	0.34 207	0.82 151	0.73 199	0.45 51	0.63 211	0.36 63	0.42 173	0.66 124	0.42 121	0.10 47	0.32 259	0.12 134	0.10 70	0.34 280	0.52 240

Sa-1000	0.61 153	1.07 238	2.71 249	0.32 90	0.61 308	0.61 159	0.31 179	1.00 281	0.76 229	0.53 126	0.83 297	0.43 91	0.33 111	0.69 133	0.30 55	0.10 47	0.52 295	0.13 190	0.28 299	0.29 251	0.29 119

SA	0.61 153	1.14 254	2.79 267	0.32 90	0.63 311	0.57 104	0.30 169	0.97 264	0.78 240	0.43 43	0.63 211	0.39 73	0.46 209	0.70 134	0.31 69	0.10 47	0.44 283	0.13 190	0.32 319	0.31 265	0.51 235

iRaft-Stereo_5w	0.65 190	1.35 307	2.21 79	0.30 59	0.63 311	0.49 37	0.28 132	0.78 125	0.64 109	0.41 33	0.61 196	0.62 195	0.46 209	1.79 292	0.48 144	0.10 47	0.25 245	0.11 92	0.12 138	0.40 322	0.94 322

iRaft-Stereo_20w	1.50 370	0.42 70	4.81 392	2.24 403	2.09 402	1.36 359	1.27 383	1.38 368	0.94 320	2.07 386	0.42 61	0.85 296	0.69 294	0.87 170	1.37 307	0.10 47	4.04 413	0.09 13	0.40 350	0.17 90	4.53 414

MIPNet	0.88 298	1.07 238	2.85 281	0.61 306	0.18 47	1.46 364	1.37 386	1.65 380	0.78 240	1.93 385	0.85 302	0.75 262	1.66 372	0.87 170	0.34 94	0.10 47	0.08 38	0.11 92	0.32 319	0.27 233	0.26 102

IPLGR	0.58 125	0.64 139	3.12 313	0.37 166	0.18 47	0.62 181	0.54 297	1.06 327	0.69 167	0.73 282	0.46 77	0.50 139	0.44 194	1.12 198	0.31 69	0.10 47	0.08 38	0.11 92	0.09 37	0.21 158	0.20 68

CrosDoStereo	0.96 319	0.49 89	2.66 226	0.27 21	0.33 199	0.54 72	3.69 404	0.77 118	0.66 123	0.70 270	1.39 358	0.53 150	1.47 365	1.77 287	3.02 375	0.10 47	0.08 38	0.11 92	0.11 108	0.22 172	0.30 128

LCNet	0.58 125	0.43 76	2.42 120	0.91 350	0.22 86	0.95 333	0.29 157	0.62 70	0.64 109	0.52 118	0.55 148	0.41 86	0.75 309	0.84 167	0.27 36	0.10 47	0.07 6	0.12 134	0.18 232	0.97 379	0.40 181

STrans-v2	0.69 221	0.62 135	2.66 226	0.28 33	0.23 108	0.57 104	0.32 189	1.01 289	0.77 237	0.92 324	0.84 299	0.88 306	0.92 334	1.81 295	1.19 288	0.10 47	0.07 6	0.10 46	0.09 37	0.12 25	0.30 128

TransformOpticalFlow	0.65 190	0.61 131	2.67 233	0.45 244	0.26 137	0.62 181	0.28 132	0.88 205	0.76 229	0.76 292	0.74 275	0.90 310	0.84 319	1.82 298	0.80 237	0.10 47	0.07 6	0.11 92	0.09 37	0.12 25	0.19 60

PSM-AAD	0.67 210	0.29 2	2.41 116	0.37 166	0.23 108	0.86 313	1.15 376	0.62 70	0.66 123	0.64 236	0.71 267	0.67 218	2.90 395	0.65 121	0.32 77	0.10 47	0.08 38	0.17 274	0.15 194	0.14 51	0.34 148

KYRaft	0.52 82	0.35 37	2.40 112	0.34 127	0.21 77	0.75 272	0.43 258	0.62 70	0.63 103	0.64 236	0.92 317	0.53 150	0.72 298	0.60 106	0.26 32	0.10 47	0.07 6	0.12 134	0.14 176	0.13 35	0.54 246

ASMatch	0.61 153	0.47 85	2.72 251	0.91 350	0.36 222	0.56 85	0.24 79	0.54 39	0.67 135	0.48 65	1.20 347	0.47 127	0.65 280	1.33 225	0.93 255	0.10 47	0.08 38	0.11 92	0.11 108	0.10 10	0.17 49

DeepStereo_LL	0.96 319	0.49 89	2.66 226	0.27 21	0.33 199	0.54 72	3.69 404	0.77 118	0.66 123	0.70 270	1.39 358	0.53 150	1.47 365	1.77 287	3.02 375	0.10 47	0.08 38	0.11 92	0.11 108	0.22 172	0.30 128

DEmStereo	0.69 221	0.40 63	2.42 120	0.42 222	0.18 47	0.66 233	0.88 356	0.54 39	0.64 109	0.60 197	1.00 331	0.45 118	1.24 354	1.53 248	2.21 351	0.10 47	0.08 38	0.10 46	0.10 70	0.11 17	0.14 24

THIR-Stereo	0.88 298	0.85 193	2.33 97	0.26 15	0.16 20	0.59 129	2.69 400	0.62 70	0.54 54	0.62 216	1.61 365	0.96 324	1.77 378	1.67 273	2.20 350	0.10 47	0.08 38	0.14 219	0.11 108	0.16 69	0.21 72

GrayStereo	0.71 230	0.27 1	2.40 112	0.89 346	0.23 108	0.62 181	1.40 390	0.67 86	0.70 177	0.72 281	0.77 289	0.55 163	3.03 396	0.60 106	0.28 41	0.10 47	0.08 38	0.10 46	0.21 268	0.12 25	0.37 161

RAFT-345	0.56 110	0.37 50	2.68 238	0.40 210	0.34 208	0.58 111	0.41 245	0.49 14	0.70 177	0.51 110	0.99 330	0.43 91	0.28 71	1.56 252	0.81 241	0.10 47	0.07 6	0.11 92	0.09 37	0.11 17	0.09 2

CroCo-Stereo	0.35 7	0.71 157	1.67 7	0.32 90	0.17 37	0.19 1	0.21 29	0.79 132	0.54 54	0.22 3	0.25 11	0.55 163	0.22 18	0.28 1	0.28 41	0.10 47	0.08 38	0.08 3	0.07 12	0.12 25	0.10 4
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
test-1	0.61 153	0.54 106	2.09 56	0.31 73	1.37 383	0.51 45	0.28 132	0.83 161	0.50 35	0.42 37	0.55 148	0.54 155	0.24 26	0.38 26	1.25 296	0.10 47	1.08 347	0.10 46	0.17 224	0.11 17	0.77 297

GMM-Stereo	0.53 91	0.33 23	2.89 287	0.53 278	0.24 117	0.77 286	0.46 274	0.62 70	0.65 116	0.58 169	0.73 272	0.47 127	0.43 186	0.68 131	0.29 50	0.10 47	0.06 1	0.13 190	0.13 158	0.14 51	0.44 209

Prome-Stereo	0.53 91	0.36 40	2.39 110	0.60 300	0.23 108	0.63 194	0.41 245	0.66 83	0.67 135	0.59 188	1.02 334	0.43 91	0.71 297	0.61 109	0.34 94	0.10 47	0.07 6	0.10 46	0.09 37	0.13 35	0.44 209

rafts_anoy	0.60 146	1.33 302	2.59 198	0.53 278	1.09 369	0.49 37	0.25 98	0.67 86	0.53 51	0.41 33	0.38 47	0.33 55	0.30 97	0.68 131	0.41 117	0.10 47	1.13 351	0.13 190	0.15 194	0.20 149	0.29 119

raft+_RVC	0.62 166	1.18 268	2.43 125	0.36 156	2.08 401	0.52 60	0.25 98	0.66 83	0.54 54	0.36 23	0.46 77	0.32 51	0.28 71	0.49 68	0.43 127	0.10 47	0.91 334	0.10 46	0.09 37	0.22 172	0.70 290

TANstereo	0.39 15	0.70 155	2.48 166	0.23 3	0.12 3	0.54 72	0.16 3	0.41 3	0.47 24	0.45 51	0.51 115	0.26 28	0.22 18	0.34 15	0.21 1	0.10 47	0.10 103	0.08 3	0.07 12	0.09 5	0.18 56

XX-TBD	0.40 17	1.04 235	2.49 169	0.35 142	0.13 5	0.51 45	0.17 5	0.44 6	0.52 45	0.38 28	0.51 115	0.23 13	0.19 7	0.31 3	0.25 23	0.10 47	0.07 6	0.08 3	0.06 6	0.09 5	0.18 56

raftrobust	0.52 82	1.14 254	2.15 68	0.33 110	0.99 357	0.53 65	0.21 29	0.59 62	0.50 35	0.53 126	0.36 37	0.31 47	0.33 111	0.47 50	0.42 121	0.10 47	0.55 298	0.09 13	0.08 27	0.22 172	0.46 217

RALCasStereoNet	0.65 190	1.34 304	2.56 192	0.43 232	0.96 353	0.50 43	0.26 110	0.62 70	0.56 63	0.43 43	0.49 101	0.36 63	0.28 71	0.72 145	0.53 164	0.10 47	1.18 352	0.09 13	0.08 27	0.27 233	1.27 352

RALAANet	0.52 82	1.37 314	2.63 212	0.33 110	0.23 108	0.48 32	0.19 12	0.69 91	0.55 59	0.49 81	0.46 77	0.39 73	0.31 101	0.53 85	0.53 164	0.10 47	0.33 263	0.11 92	0.17 224	0.29 251	0.13 12

DCANet	0.49 66	0.91 213	2.63 212	0.26 15	0.14 8	0.51 45	0.22 38	0.84 168	0.78 240	0.56 151	0.49 101	0.32 51	0.41 162	0.39 30	0.41 117	0.10 47	0.07 6	0.09 13	0.07 12	0.14 51	0.45 214

csc	0.50 70	0.90 210	2.63 212	0.25 5	0.15 13	0.51 45	0.22 38	0.85 178	0.82 268	0.55 141	0.48 88	0.31 47	0.65 280	0.39 30	0.37 106	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 197

cscssc	0.50 70	0.90 210	2.63 212	0.25 5	0.15 13	0.51 45	0.22 38	0.85 178	0.82 268	0.55 141	0.48 88	0.31 47	0.65 280	0.39 30	0.37 106	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 197

111	0.57 117	1.41 319	2.63 212	0.25 5	0.15 13	0.59 129	0.26 110	0.90 219	0.83 274	0.50 99	0.54 139	0.57 174	0.38 134	0.54 90	0.41 117	0.10 47	0.07 6	0.09 13	0.07 12	0.24 192	0.81 306

test_xeample3	0.86 291	0.75 178	3.36 329	0.65 315	0.76 332	0.49 37	0.33 202	1.21 358	0.80 256	0.61 204	0.23 5	0.30 42	0.29 87	1.17 205	1.57 319	0.10 47	1.79 383	0.10 46	0.40 350	0.25 207	2.09 385

DIP-Stereo	0.43 25	0.50 95	2.21 79	0.27 21	0.18 47	0.63 194	0.17 5	0.94 241	0.58 72	0.49 81	0.48 88	0.30 42	0.30 97	0.40 34	0.31 69	0.10 47	0.08 38	0.10 46	0.08 27	0.15 60	0.33 141
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	0.42 22	0.31 7	2.51 173	0.30 59	0.18 47	0.56 85	0.25 98	0.82 151	0.41 5	0.57 163	0.67 234	0.33 55	0.24 26	0.34 15	0.33 86	0.10 47	0.08 38	0.09 13	0.07 12	0.09 5	0.18 56

RAFT-Stereo	0.42 22	0.31 7	2.51 173	0.30 59	0.18 47	0.56 85	0.25 98	0.82 151	0.41 5	0.57 163	0.67 234	0.33 55	0.24 26	0.34 15	0.33 86	0.10 47	0.08 38	0.09 13	0.07 12	0.09 5	0.18 56
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MLCV	0.59 140	1.41 319	2.41 116	0.31 73	0.15 13	0.60 141	0.23 57	0.77 118	0.63 103	0.67 256	0.66 231	0.55 163	0.37 127	1.16 203	1.09 277	0.10 47	0.07 6	0.09 13	0.07 12	0.21 158	0.29 119

MIF-Stereo (partial)	0.41 18	0.71 157	2.67 233	0.27 21	0.24 117	0.32 6	0.17 5	0.56 48	0.46 18	0.26 14	0.37 41	0.25 22	0.26 48	0.46 48	0.35 101	0.11 110	0.08 38	0.12 134	0.10 70	0.21 158	0.15 30

MIF-Stereo	0.36 10	0.66 142	2.43 125	0.28 33	0.24 117	0.30 4	0.18 10	0.35 1	0.36 2	0.26 14	0.37 41	0.18 1	0.18 6	0.33 14	0.30 55	0.11 110	0.08 38	0.09 13	0.08 27	0.25 207	0.09 2

CASnet	0.32 3	0.40 63	1.80 10	0.28 33	0.11 1	0.47 29	0.19 12	0.45 7	0.47 24	0.39 30	0.31 25	0.23 13	0.17 1	0.31 3	0.21 1	0.11 110	0.06 1	0.15 244	0.12 138	0.16 69	0.08 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
PCWNet_CMD	0.48 55	0.50 95	2.23 81	0.27 21	0.20 68	0.56 85	0.22 38	0.78 125	0.67 135	0.49 81	0.55 148	0.68 230	0.56 250	0.48 58	0.32 77	0.11 110	0.10 103	0.14 219	0.10 70	0.19 132	0.43 197

Any-RAFT	0.42 22	0.33 23	1.89 25	0.28 33	0.21 77	0.69 249	0.21 29	0.83 161	0.60 80	0.45 51	0.43 63	0.62 195	0.30 97	0.48 58	0.24 15	0.11 110	0.40 277	0.08 3	0.06 6	0.10 10	0.16 43

LL-Strereo2	0.62 166	1.36 311	2.47 161	1.37 373	0.96 353	0.54 72	0.28 132	0.61 67	0.49 29	0.42 37	0.34 33	0.44 106	0.21 15	0.57 97	0.53 164	0.11 110	0.26 248	0.16 260	0.14 176	0.18 109	0.98 332

CBFPSM	0.62 166	1.34 304	2.12 63	0.30 59	0.23 108	0.71 256	0.38 234	0.77 118	0.68 159	0.51 110	0.49 101	1.03 338	0.82 316	0.63 113	1.35 303	0.11 110	0.12 139	0.10 46	0.10 70	0.19 132	0.37 161

riskmin	0.96 319	0.32 14	2.07 53	1.72 391	1.61 394	1.62 373	0.57 308	1.45 372	0.55 59	0.73 282	0.89 313	0.92 311	0.45 202	1.16 203	0.60 181	0.11 110	1.30 368	0.12 134	1.38 405	0.14 51	1.51 370

Selective-RAFT	0.46 45	0.48 88	1.88 23	0.32 90	0.16 20	0.61 159	0.19 12	0.66 83	0.62 92	0.28 18	0.30 20	0.41 86	0.33 111	0.51 74	0.32 77	0.11 110	1.09 348	0.09 13	0.35 337	0.19 132	0.37 161

qqq	0.65 190	0.63 137	2.10 62	0.30 59	0.64 315	0.46 20	0.27 124	0.81 144	0.83 274	0.48 65	0.56 160	0.46 122	0.37 127	1.03 185	0.75 223	0.11 110	1.41 375	0.12 134	0.41 354	0.16 69	1.18 341

x	0.65 190	0.62 135	2.12 63	0.36 156	0.61 308	0.48 32	0.24 79	0.80 137	0.89 306	0.50 99	0.56 160	0.44 106	0.36 122	0.62 112	0.80 237	0.11 110	1.44 376	0.11 92	0.39 349	0.16 69	1.34 359

OMP-Stereo	0.64 185	0.87 196	2.38 104	0.56 294	0.37 228	0.60 141	0.26 110	0.75 110	0.71 189	0.65 248	0.60 188	0.68 230	0.32 106	2.07 325	1.18 286	0.11 110	0.08 38	0.12 134	0.09 37	0.17 90	0.28 113

IIG-Stereo	0.65 190	0.87 196	2.32 95	0.55 285	0.23 108	0.62 181	0.21 29	0.78 125	0.71 189	0.64 236	0.69 241	0.69 241	0.38 134	2.07 325	1.37 307	0.11 110	0.08 38	0.11 92	0.09 37	0.15 60	0.27 107

NRIStereo	0.50 70	0.34 30	2.44 133	0.52 274	0.16 20	0.94 331	0.73 343	0.52 27	0.65 116	0.48 65	0.40 58	0.59 181	0.29 87	0.78 157	0.33 86	0.11 110	0.13 152	0.11 92	0.09 37	0.22 172	0.25 97

RAFT_R40	0.55 102	0.31 7	2.44 133	0.57 298	0.42 257	0.62 181	0.52 292	0.58 55	0.66 123	0.56 151	0.54 139	0.54 155	0.50 227	1.56 252	0.53 164	0.11 110	0.07 6	0.12 134	0.10 70	0.16 69	0.10 4

DRaft	0.65 190	0.47 85	2.38 104	0.25 5	0.17 37	0.64 206	0.65 328	0.56 48	0.57 66	0.67 256	0.98 327	0.38 71	0.99 340	1.42 234	2.06 340	0.11 110	0.14 165	0.10 46	0.14 176	0.18 109	0.21 72

IRAFT_RVC	0.59 140	0.74 174	2.42 120	0.47 253	0.21 77	0.59 129	0.42 251	0.68 89	0.73 199	0.54 130	0.50 113	0.49 135	0.51 231	1.57 256	1.00 268	0.11 110	0.25 245	0.13 190	0.10 70	0.15 60	0.14 24

RAFT	0.62 166	1.35 307	2.26 84	0.62 308	0.53 283	0.47 29	0.35 216	0.70 98	0.58 72	0.50 99	0.50 113	0.79 274	0.40 151	0.49 68	0.36 103	0.11 110	0.79 328	0.14 219	0.13 158	0.52 351	0.72 293

s12784h	0.41 18	0.34 30	2.17 71	0.24 4	0.11 1	0.64 206	0.24 79	0.85 178	0.70 177	0.45 51	0.54 139	0.28 37	0.27 61	0.51 74	0.27 36	0.11 110	0.06 1	0.09 13	0.06 6	0.16 69	0.14 24

TestStereo	0.49 66	0.88 200	2.38 104	0.30 59	0.16 20	0.43 15	0.25 98	0.55 47	0.46 18	0.38 28	0.46 77	0.34 59	0.28 71	1.96 319	0.28 41	0.11 110	0.08 38	0.12 134	0.09 37	0.15 60	0.13 12

CFNet_pseudo	0.47 48	0.50 95	2.19 74	0.26 15	0.20 68	0.56 85	0.22 38	0.80 137	0.62 92	0.50 99	0.56 160	0.68 230	0.47 217	0.53 85	0.33 86	0.11 110	0.10 103	0.15 244	0.10 70	0.18 109	0.33 141

XX-Stereo	0.98 324	0.57 116	4.45 389	1.64 386	5.33 412	0.55 81	0.16 3	0.96 257	0.43 13	0.45 51	0.65 225	0.85 296	0.19 7	0.79 158	0.26 32	0.11 110	0.80 329	0.10 46	0.32 319	0.17 90	0.78 300

ARAFT	0.65 190	1.69 357	3.34 328	0.29 45	0.16 20	0.65 220	0.36 223	0.96 257	0.73 199	0.63 225	0.49 101	0.56 170	0.31 101	1.23 211	0.35 101	0.11 110	0.08 38	0.14 219	0.13 158	0.38 309	0.50 231

MMNet	0.55 102	0.92 218	2.03 46	0.34 127	0.27 148	0.79 295	0.28 132	0.86 190	0.79 249	0.62 216	0.58 176	0.59 181	0.56 250	0.80 162	0.61 186	0.11 110	0.11 124	0.12 134	0.11 108	0.21 158	0.22 76

CREStereo	0.31 1	0.35 37	1.66 6	0.19 1	0.13 5	0.55 81	0.17 5	0.50 23	0.50 35	0.28 18	0.34 33	0.24 19	0.21 15	0.34 15	0.23 14	0.11 110	0.07 6	0.08 3	0.05 1	0.10 10	0.12 10
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
ACVNet	0.54 98	0.87 196	2.45 149	0.28 33	0.22 86	0.59 129	0.36 223	0.69 91	0.73 199	0.49 81	0.59 181	0.69 241	0.42 173	0.47 50	0.70 211	0.11 110	0.10 103	0.10 46	0.09 37	0.36 297	0.39 176

acv_ft	0.57 117	0.87 196	2.45 149	0.33 110	0.41 247	0.63 194	0.29 157	0.86 190	0.73 199	0.64 236	0.59 181	0.69 241	0.45 202	0.47 50	0.68 208	0.11 110	0.10 103	0.10 46	0.09 37	0.43 332	0.39 176

MSMDNet	0.48 55	0.50 95	2.23 81	0.27 21	0.20 68	0.56 85	0.22 38	0.78 125	0.67 135	0.49 81	0.55 148	0.68 230	0.56 250	0.48 58	0.32 77	0.11 110	0.10 103	0.13 190	0.10 70	0.18 109	0.43 197

ccs_rob	0.47 48	0.50 95	2.19 74	0.26 15	0.20 68	0.56 85	0.22 38	0.80 137	0.62 92	0.50 99	0.56 160	0.68 230	0.47 217	0.53 85	0.33 86	0.11 110	0.10 103	0.16 260	0.10 70	0.18 109	0.33 141

HSM	0.67 210	0.92 218	2.29 89	0.30 59	0.29 163	0.65 220	0.29 157	0.98 270	0.67 135	0.59 188	0.58 176	1.39 368	0.65 280	2.56 359	0.45 134	0.11 110	0.09 81	0.10 46	0.08 27	0.18 109	0.24 93

iResNet	0.59 140	1.09 242	2.54 181	0.44 237	0.18 47	0.65 220	0.29 157	0.89 211	0.75 221	0.59 188	0.64 218	0.43 91	0.39 145	0.73 146	1.24 295	0.11 110	0.08 38	0.09 13	0.08 27	0.21 158	0.40 181

iResNet_ROB	0.60 146	1.59 344	2.04 49	0.32 90	0.21 77	0.60 141	0.22 38	0.99 275	0.85 289	0.61 204	0.63 211	0.58 178	0.42 173	1.08 190	0.98 264	0.11 110	0.08 38	0.09 13	0.06 6	0.23 186	0.33 141

CoDeX	0.54 98	0.52 101	2.25 83	0.30 59	0.26 137	0.61 159	0.32 189	1.03 301	0.73 199	0.49 81	0.56 160	0.52 149	0.40 151	1.59 263	0.38 112	0.12 142	0.09 81	0.11 92	0.10 70	0.15 60	0.22 76

mmm	0.66 207	0.53 104	1.83 14	0.38 184	0.86 343	0.49 37	0.27 124	0.82 151	0.83 274	0.59 188	0.69 241	0.47 127	0.38 134	0.81 165	0.73 220	0.12 142	1.37 371	0.14 219	0.45 358	0.18 109	1.35 361

11t1	0.60 146	0.49 89	2.19 74	0.35 142	0.58 295	0.48 32	0.21 29	0.72 105	0.73 199	0.49 81	0.47 82	0.35 62	0.34 118	0.61 109	0.71 215	0.12 142	1.26 362	0.10 46	0.29 303	0.16 69	1.22 349

1111x	1.06 336	0.79 186	3.29 325	0.33 110	0.60 301	0.64 206	0.33 202	1.10 338	0.92 313	0.59 188	0.69 241	0.59 181	0.47 217	2.64 366	4.61 399	0.12 142	1.38 372	0.11 92	0.49 364	0.18 109	1.30 356

test croco	0.43 25	0.73 165	2.80 269	0.28 33	0.19 63	0.33 7	0.21 29	0.63 76	0.50 35	0.24 9	0.38 47	0.24 19	0.25 40	0.48 58	0.32 77	0.12 142	0.08 38	0.13 190	0.09 37	0.43 332	0.13 12

gwcnet-sp	0.52 82	0.71 157	2.66 226	0.32 90	0.22 86	0.66 233	0.31 179	0.84 168	0.69 167	0.61 204	0.49 101	0.46 122	0.43 186	0.77 153	0.48 144	0.12 142	0.11 124	0.11 92	0.11 108	0.19 132	0.19 60

scenet	0.52 82	0.71 157	2.66 226	0.32 90	0.22 86	0.66 233	0.31 179	0.84 168	0.69 167	0.61 204	0.49 101	0.46 122	0.43 186	0.77 153	0.48 144	0.12 142	0.11 124	0.11 92	0.11 108	0.19 132	0.19 60

knoymous	0.37 11	0.34 30	1.83 14	0.25 5	0.18 47	0.45 17	0.24 79	0.60 65	0.40 4	0.42 37	0.39 50	0.54 155	0.25 40	0.41 40	0.29 50	0.12 142	0.08 38	0.12 134	0.07 12	0.13 35	0.20 68

ssnet	0.52 82	0.71 157	2.66 226	0.32 90	0.22 86	0.66 233	0.31 179	0.84 168	0.69 167	0.61 204	0.49 101	0.46 122	0.43 186	0.77 153	0.48 144	0.12 142	0.11 124	0.11 92	0.11 108	0.19 132	0.19 60

IER	0.49 66	0.73 165	2.12 63	0.27 21	0.25 123	0.65 220	0.27 124	0.76 112	0.59 76	0.56 151	0.59 181	0.60 188	0.53 241	0.64 117	0.44 130	0.12 142	0.09 81	0.11 92	0.11 108	0.18 109	0.15 30

hknet	0.53 91	0.39 59	2.04 49	0.31 73	0.24 117	0.76 276	0.32 189	1.05 315	0.71 189	0.64 236	0.53 125	0.79 274	0.40 151	0.84 167	0.78 232	0.12 142	0.10 103	0.14 219	0.12 138	0.13 35	0.15 30

CIPLG	0.63 178	1.59 344	3.16 315	0.79 339	0.31 182	0.62 181	0.57 308	0.82 151	0.68 159	0.58 169	0.63 211	0.43 91	0.31 101	0.48 58	0.42 121	0.12 142	0.20 220	0.13 190	0.13 158	0.36 297	0.21 72

IPLGR_C	0.64 185	1.66 355	3.36 329	0.80 340	0.31 182	0.60 141	0.60 316	0.82 151	0.69 167	0.58 169	0.62 203	0.44 106	0.31 101	0.47 50	0.43 127	0.12 142	0.22 230	0.13 190	0.15 194	0.35 291	0.21 72

ACRE	0.63 178	1.55 338	3.41 340	0.76 333	0.28 158	0.60 141	0.56 305	0.82 151	0.68 159	0.57 163	0.62 203	0.43 91	0.30 97	0.47 50	0.42 121	0.12 142	0.19 208	0.13 190	0.14 176	0.36 297	0.20 68

Patchmatch Stereo++	0.43 25	0.36 40	2.44 133	0.48 254	0.17 37	0.61 159	0.26 110	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.56 94	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12
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
AAGNet	0.92 311	0.40 63	2.53 177	0.60 300	1.01 362	0.62 181	0.45 269	0.52 27	0.68 159	0.58 169	0.53 125	0.50 139	0.72 298	1.22 209	7.32 409	0.12 142	0.07 6	0.12 134	0.10 70	0.16 69	0.10 4

NF-Stereo	0.53 91	0.33 23	2.55 188	0.55 285	0.16 20	0.61 159	0.43 258	0.70 98	0.70 177	0.50 99	0.47 82	0.37 66	0.26 48	1.44 239	0.78 232	0.12 142	0.07 6	0.12 134	0.10 70	0.13 35	0.17 49

OCTAStereo	0.53 91	0.33 23	2.54 181	0.56 294	0.16 20	0.61 159	0.42 251	0.70 98	0.70 177	0.50 99	0.47 82	0.37 66	0.26 48	1.43 235	0.79 235	0.12 142	0.07 6	0.12 134	0.10 70	0.13 35	0.17 49

PSM-adaLoss	0.43 25	0.36 40	2.44 133	0.48 254	0.18 47	0.61 159	0.28 132	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.49 68	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

ROB_FTStereo_v2	0.43 25	0.36 40	2.44 133	0.49 265	0.17 37	0.61 159	0.28 132	0.53 30	0.61 83	0.48 65	0.43 63	0.44 106	0.28 71	0.48 58	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

ROB_FTStereo	0.43 25	0.36 40	2.44 133	0.48 254	0.18 47	0.61 159	0.26 110	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.51 74	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

HUI-Stereo	0.43 25	0.36 40	2.45 149	0.48 254	0.18 47	0.61 159	0.27 124	0.53 30	0.61 83	0.48 65	0.43 63	0.44 106	0.28 71	0.47 50	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

SST-Stereo	0.56 110	0.30 5	2.44 133	0.71 330	0.55 286	0.62 181	0.65 328	0.57 53	0.67 135	0.59 188	0.53 125	0.51 142	0.59 265	1.57 256	0.31 69	0.12 142	0.07 6	0.12 134	0.10 70	0.17 90	0.11 9

RE-Stereo	0.53 91	0.33 23	2.54 181	0.56 294	0.16 20	0.61 159	0.43 258	0.70 98	0.70 177	0.50 99	0.47 82	0.37 66	0.26 48	1.43 235	0.77 228	0.12 142	0.07 6	0.12 134	0.10 70	0.13 35	0.17 49

TVStereo	0.53 91	0.33 23	2.54 181	0.56 294	0.16 20	0.61 159	0.43 258	0.70 98	0.70 177	0.50 99	0.47 82	0.37 66	0.26 48	1.43 235	0.77 228	0.12 142	0.07 6	0.12 134	0.10 70	0.13 35	0.17 49

DeepStereo_RVC	0.47 48	0.37 50	2.19 74	0.55 285	0.18 47	0.60 141	0.58 310	0.52 27	0.62 92	0.49 81	0.45 75	0.39 73	0.85 322	0.47 50	0.34 94	0.12 142	0.08 38	0.11 92	0.09 37	0.15 60	0.19 60

iGMRVC	0.43 25	0.36 40	2.44 133	0.48 254	0.18 47	0.61 159	0.27 124	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.57 97	0.31 69	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

iRAFT	0.43 25	0.36 40	2.44 133	0.48 254	0.17 37	0.61 159	0.26 110	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.56 94	0.30 55	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

AnonymousM	0.45 40	0.49 89	1.83 14	0.29 45	0.15 13	0.53 65	0.22 38	0.64 78	0.66 123	0.47 63	0.33 32	0.30 42	0.25 40	0.49 68	0.29 50	0.12 142	0.27 254	0.71 378	0.37 343	0.12 25	0.41 188

CRE-IMP	0.46 45	0.31 7	2.40 112	0.53 278	0.17 37	0.79 295	0.68 336	0.54 39	0.66 123	0.47 63	0.43 63	0.44 106	0.26 48	0.43 44	0.33 86	0.12 142	0.07 6	0.12 134	0.09 37	0.17 90	0.23 84

RAFT-IKP	0.43 25	0.36 40	2.44 133	0.48 254	0.16 20	0.60 141	0.28 132	0.53 30	0.61 83	0.48 65	0.43 63	0.43 91	0.28 71	0.51 74	0.31 69	0.12 142	0.08 38	0.12 134	0.10 70	0.17 90	0.13 12

sAnonymous2	0.45 40	0.88 200	2.97 297	0.31 73	0.25 123	0.34 8	0.28 132	0.56 48	0.49 29	0.25 11	0.30 20	0.23 13	0.29 87	0.31 3	0.22 4	0.12 142	0.09 81	0.12 134	0.13 158	0.38 309	0.43 197

CroCo_RVC	0.45 40	0.88 200	2.97 297	0.31 73	0.25 123	0.34 8	0.28 132	0.56 48	0.49 29	0.25 11	0.30 20	0.23 13	0.29 87	0.31 3	0.22 4	0.12 142	0.09 81	0.12 134	0.13 158	0.38 309	0.43 197

test_xeample	0.98 324	0.65 141	2.12 63	0.29 45	0.67 319	0.60 141	0.28 132	1.08 333	0.85 289	0.62 216	0.70 254	0.44 106	0.41 162	1.95 318	5.45 403	0.12 142	1.33 370	0.11 92	0.31 314	0.18 109	1.42 366

SFCPSM	0.48 55	0.39 59	2.30 91	0.28 33	0.27 148	0.70 252	0.32 189	1.00 281	0.69 167	0.50 99	0.52 122	0.43 91	0.36 122	0.53 85	0.44 130	0.12 142	0.09 81	0.12 134	0.16 211	0.18 109	0.23 84

delet	0.60 146	0.84 191	2.45 149	0.33 110	0.35 216	0.73 265	0.46 274	0.89 211	0.80 256	0.58 169	0.62 203	0.67 218	0.51 231	1.14 201	0.64 195	0.12 142	0.12 139	0.13 190	0.14 176	0.22 172	0.29 119

UNet	0.56 110	0.58 118	2.81 273	0.32 90	0.33 199	0.74 270	0.27 124	0.86 190	0.67 135	0.55 141	0.55 148	0.72 250	0.55 248	0.79 158	0.58 177	0.12 142	0.09 81	0.13 190	0.11 108	0.20 149	0.19 60

FENet	0.48 55	0.58 118	2.46 156	0.33 110	0.18 47	0.58 111	0.22 38	0.83 161	0.64 109	0.49 81	0.42 61	0.55 163	0.38 134	0.52 78	0.51 159	0.12 142	0.09 81	0.12 134	0.11 108	0.17 90	0.31 136

BEATNet_4x	0.57 117	1.16 262	2.56 192	0.35 142	0.16 20	0.56 85	0.25 98	0.91 226	0.64 109	0.55 141	0.53 125	0.59 181	0.43 186	0.67 127	0.76 226	0.12 142	0.09 81	0.12 134	0.09 37	0.23 186	0.58 255

iResNetv2_ROB	0.71 230	1.90 369	3.48 346	0.43 232	0.22 86	0.60 141	0.29 157	0.96 257	0.78 240	0.60 197	0.65 225	0.60 188	0.46 209	0.80 162	1.21 290	0.12 142	0.08 38	0.10 46	0.07 12	0.44 335	0.33 141

StereoDRNet-Refined	0.55 102	0.61 131	2.07 53	0.34 127	0.21 77	0.68 246	0.26 110	0.87 197	0.73 199	0.70 270	0.69 241	0.74 258	0.45 202	1.10 192	0.62 189	0.12 142	0.09 81	0.14 219	0.14 176	0.27 233	0.24 93
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DN-CSS_ROB	0.56 110	1.64 352	2.75 260	0.42 222	0.22 86	0.57 104	0.19 12	0.79 132	0.66 123	0.46 61	0.62 203	0.41 86	0.32 106	0.73 146	0.49 153	0.12 142	0.08 38	0.14 219	0.13 158	0.38 309	0.17 49

SMFormer	0.64 185	0.54 106	1.92 29	0.32 90	0.16 20	0.46 20	0.24 79	0.94 241	0.85 289	0.58 169	0.70 254	0.51 142	0.41 162	1.89 310	0.86 250	0.13 184	1.01 339	0.11 92	0.26 289	0.17 90	0.84 308

tta	0.63 178	0.54 106	1.92 29	0.32 90	0.16 20	0.46 20	0.24 79	0.94 241	0.85 289	0.58 169	0.70 254	0.51 142	0.41 162	1.89 310	0.86 250	0.13 184	1.01 339	0.11 92	0.26 289	0.19 132	0.59 258

qqq1	0.62 166	0.54 106	1.92 29	0.32 90	0.16 20	0.46 20	0.24 79	0.94 241	0.85 289	0.58 169	0.70 254	0.51 142	0.41 162	1.89 310	0.64 195	0.13 184	1.01 339	0.09 13	0.24 277	0.19 132	0.59 258

fff1	0.62 166	0.54 106	1.92 29	0.32 90	0.16 20	0.46 20	0.24 79	0.94 241	0.85 289	0.58 169	0.70 254	0.51 142	0.41 162	1.89 310	0.64 195	0.13 184	1.01 339	0.09 13	0.24 277	0.19 132	0.59 258

mmx	0.99 326	0.67 143	3.39 334	0.32 90	0.22 86	0.58 111	0.28 132	1.05 315	0.92 313	0.54 130	0.74 275	0.67 218	0.40 151	2.75 377	3.86 389	0.13 184	1.25 359	0.15 244	0.33 329	0.19 132	1.28 354

whm_eth	0.51 80	0.86 195	2.79 267	0.31 73	0.31 182	0.49 37	0.24 79	0.78 125	0.75 221	0.48 65	0.86 307	0.26 28	0.26 48	0.38 26	0.29 50	0.13 184	0.11 124	0.13 190	0.12 138	0.14 51	0.44 209

xxx	0.99 326	0.67 143	3.39 334	0.32 90	0.22 86	0.58 111	0.28 132	1.05 315	0.92 313	0.54 130	0.74 275	0.67 218	0.40 151	2.75 377	3.86 389	0.13 184	1.25 359	0.15 244	0.33 329	0.19 132	1.28 354

EKT-Stereo	1.56 376	0.55 113	2.60 203	2.54 406	19.66 422	0.55 81	0.22 38	0.76 112	0.51 40	0.40 32	0.36 37	0.43 91	0.27 61	0.74 149	0.42 121	0.13 184	0.17 198	0.11 92	0.16 211	0.20 149	0.50 231

DisPM	0.48 55	0.41 68	2.54 181	0.61 306	0.18 47	0.59 129	0.62 323	0.54 39	0.67 135	0.61 204	0.53 125	0.38 71	0.26 48	0.76 152	0.31 69	0.13 184	0.07 6	0.12 134	0.11 108	0.12 25	0.15 30

BUS	0.45 40	0.32 14	1.58 3	0.31 73	0.22 86	0.91 325	0.23 57	1.05 315	0.67 135	0.64 236	0.53 125	0.65 209	0.32 106	0.48 58	0.34 94	0.13 184	0.10 103	0.14 219	0.12 138	0.13 35	0.15 30

BSDual-CNN	0.48 55	0.32 14	1.58 3	0.31 73	0.22 86	0.76 276	0.32 189	1.05 315	0.67 135	0.64 236	0.53 125	0.63 199	0.38 134	0.48 58	0.97 258	0.13 184	0.10 103	0.14 219	0.12 138	0.13 35	0.15 30

psmg	0.48 55	0.32 14	1.58 3	0.28 33	0.22 86	0.75 272	0.35 216	0.94 241	0.67 135	0.61 204	0.59 181	0.63 199	0.38 134	0.48 58	0.97 258	0.13 184	0.11 124	0.13 190	0.13 158	0.14 51	0.15 30

DAS	0.61 153	0.42 70	1.85 19	0.34 127	0.34 208	0.52 60	0.42 251	0.89 211	0.80 256	0.85 315	0.69 241	0.57 174	0.51 231	2.38 348	0.57 175	0.13 184	0.09 81	0.12 134	0.09 37	0.18 109	0.37 161

SepStereo	0.57 117	0.42 70	1.85 19	0.34 127	0.34 208	0.52 60	0.42 251	0.89 211	0.80 256	0.85 315	0.69 241	0.57 174	0.51 231	1.55 250	0.57 175	0.13 184	0.09 81	0.12 134	0.09 37	0.18 109	0.37 161

GwcNet-ADL	0.54 98	0.78 184	2.85 281	0.31 73	0.20 68	0.58 111	0.29 157	0.93 236	0.67 135	0.48 65	0.47 82	0.56 170	0.33 111	0.48 58	0.80 237	0.13 184	0.12 139	0.09 13	0.09 37	0.14 51	0.40 181

ADLNet2	0.73 240	1.22 280	3.28 323	0.34 127	0.36 222	0.65 220	0.37 226	0.94 241	0.87 297	0.57 163	0.65 225	0.92 311	0.48 223	2.05 323	0.60 181	0.13 184	0.11 124	0.11 92	0.11 108	0.37 303	0.38 169

TRStereo	0.89 305	1.02 229	2.91 290	4.59 413	0.31 182	0.93 329	0.23 57	1.93 390	0.66 123	0.37 25	0.54 139	0.48 133	0.40 151	0.67 127	0.29 50	0.13 184	0.37 267	0.11 92	0.48 362	0.13 35	1.21 347

PSM-softLoss	0.52 82	0.34 30	2.47 161	0.55 285	0.17 37	0.61 159	0.39 240	0.64 78	0.67 135	0.52 118	0.48 88	0.39 73	0.25 40	1.46 240	0.77 228	0.13 184	0.08 38	0.13 190	0.12 138	0.12 25	0.15 30

KMStereo	0.52 82	0.34 30	2.47 161	0.55 285	0.17 37	0.61 159	0.39 240	0.64 78	0.67 135	0.52 118	0.48 88	0.39 73	0.25 40	1.46 240	0.77 228	0.13 184	0.08 38	0.13 190	0.12 138	0.12 25	0.15 30

Pruner-Stereo	0.55 102	0.38 55	2.49 169	1.78 393	0.19 63	0.63 194	0.45 269	0.59 62	0.67 135	0.61 204	0.48 88	0.41 86	0.25 40	0.49 68	0.99 266	0.13 184	0.07 6	0.12 134	0.10 70	0.13 35	0.14 24

222	1.02 329	0.60 126	1.95 34	0.29 45	0.51 276	0.62 181	0.24 79	1.09 335	0.86 295	0.64 236	0.67 234	0.47 127	0.42 173	1.86 305	6.73 407	0.13 184	1.21 357	0.11 92	0.32 319	0.17 90	1.44 367

xxxx	0.97 322	0.64 139	2.14 67	0.30 59	0.67 319	0.64 206	0.24 79	1.09 335	0.91 311	0.57 163	0.65 225	0.58 178	0.39 145	1.57 256	5.49 404	0.13 184	1.38 372	0.11 92	0.32 319	0.17 90	1.41 365

RAFT + AFF	0.79 264	1.73 358	2.99 302	0.34 127	0.35 216	0.67 240	0.51 288	1.05 315	0.79 249	0.54 130	0.58 176	0.59 181	0.81 315	1.80 293	1.21 290	0.13 184	0.27 254	0.15 244	0.14 176	0.45 337	0.69 287

UPFNet	0.51 80	0.67 143	2.04 49	0.34 127	0.33 199	0.65 220	0.37 226	0.88 205	0.65 116	0.60 197	0.53 125	0.61 190	0.41 162	0.77 153	0.55 171	0.13 184	0.13 152	0.13 190	0.13 158	0.20 149	0.16 43

cf-r	0.62 166	1.27 291	2.99 302	0.34 127	0.28 158	0.60 141	0.28 132	0.82 151	0.70 177	0.55 141	0.61 196	0.77 268	0.41 162	1.32 224	0.52 161	0.13 184	0.09 81	0.11 92	0.12 138	0.22 172	0.27 107

ADCP+	1.03 333	1.68 356	3.83 367	0.35 142	0.39 236	1.05 342	0.79 349	0.94 241	0.86 295	0.69 267	0.68 237	0.85 296	1.53 371	1.02 183	4.56 398	0.13 184	0.12 139	0.16 260	0.15 194	0.28 243	0.44 209

HSM-Net_RVC	0.70 226	0.40 63	2.45 149	0.27 21	0.19 63	0.68 246	0.30 169	1.29 362	0.73 199	0.73 282	0.70 254	0.77 268	0.45 202	3.73 399	0.46 138	0.13 184	0.09 81	0.10 46	0.09 37	0.13 35	0.32 138
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.65 190	1.45 328	2.27 85	0.34 127	0.25 123	0.64 206	0.23 57	0.93 236	0.79 249	0.48 65	0.59 181	0.58 178	0.40 151	2.28 339	0.63 194	0.13 184	0.09 81	0.15 244	0.14 176	0.34 280	0.26 102

DISCO	0.61 153	0.63 137	1.98 39	0.46 247	0.34 208	0.84 311	0.35 216	0.88 205	0.81 263	0.61 204	0.64 218	1.06 346	0.53 241	1.11 196	0.83 246	0.13 184	0.10 103	0.11 92	0.10 70	0.26 222	0.37 161

DLCB_ROB	0.61 153	0.96 223	2.00 40	0.37 166	0.25 123	0.65 220	0.37 226	0.86 190	0.76 229	0.73 282	0.70 254	0.84 291	0.47 217	1.57 256	0.72 219	0.13 184	0.13 152	0.14 219	0.14 176	0.18 109	0.33 141

StereoVision	0.52 82	1.12 251	2.70 248	0.34 127	0.32 193	0.47 29	0.26 110	0.73 106	0.61 83	0.33 22	0.89 313	0.45 118	0.26 48	0.52 78	0.39 114	0.14 214	0.15 179	0.16 260	0.15 194	0.22 172	0.14 24

CFNet_ucs	0.50 70	0.55 113	2.28 87	0.27 21	0.22 86	0.58 111	0.23 57	0.90 219	0.69 167	0.54 130	0.64 218	0.68 230	0.44 194	0.55 91	0.34 94	0.14 214	0.12 139	0.16 260	0.11 108	0.19 132	0.38 169

LL-Strereo	0.85 288	1.73 358	3.06 310	0.37 166	0.61 308	0.54 72	0.33 202	1.01 289	0.76 229	0.69 267	0.58 176	0.85 296	0.78 312	2.65 367	0.54 169	0.14 214	0.58 304	0.14 219	0.12 138	0.42 330	1.05 334

iinet-f	0.62 166	1.18 268	2.55 188	0.33 110	0.25 123	0.82 305	0.34 207	0.87 197	0.69 167	0.56 151	0.64 218	0.73 256	0.67 288	0.80 162	0.81 241	0.14 214	0.13 152	0.11 92	0.10 70	0.44 335	0.26 102

ToySt	0.67 210	0.88 200	2.61 207	0.39 197	0.73 327	0.61 159	0.38 234	0.78 125	0.73 199	0.43 43	0.70 254	0.72 250	0.45 202	0.66 124	0.62 189	0.14 214	0.63 311	0.13 190	0.33 329	0.24 192	1.18 341

Wz-Net-LNSev-Ref	0.65 190	1.15 260	2.40 112	0.33 110	0.30 174	0.83 306	0.40 243	0.94 241	0.82 268	0.67 256	0.76 285	0.68 230	0.58 262	1.13 199	1.25 296	0.14 214	0.08 38	0.10 46	0.08 27	0.18 109	0.28 113

AACVNet	0.61 153	1.13 253	2.47 161	0.37 166	0.21 77	0.57 104	0.25 98	0.75 110	0.55 59	0.56 151	0.60 188	0.66 216	0.44 194	2.11 331	0.49 153	0.14 214	0.11 124	0.14 219	0.11 108	0.35 291	0.23 84

GANet-ADL	0.48 55	0.56 115	2.51 173	0.34 127	0.20 68	0.58 111	0.25 98	0.80 137	0.57 66	0.43 43	0.61 196	0.56 170	0.31 101	0.44 47	0.44 130	0.14 214	0.11 124	0.10 46	0.09 37	0.22 172	0.38 169

PFNet+	0.50 70	0.43 76	2.54 181	0.49 265	0.18 47	0.58 111	0.76 345	0.54 39	0.72 196	0.56 151	0.48 88	0.39 73	0.26 48	0.94 178	0.33 86	0.14 214	0.09 81	0.14 219	0.13 158	0.12 25	0.16 43

GMStereo	0.44 37	1.32 298	2.65 222	0.28 33	0.16 20	0.42 14	0.22 38	0.48 11	0.63 103	0.41 33	0.36 37	0.26 28	0.25 40	0.41 40	0.30 55	0.14 214	0.08 38	0.10 46	0.12 138	0.17 90	0.13 12
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
EDNetEfficientorigin	8.19 412	1.27 291	145.54 437	0.51 273	0.96 353	0.75 272	0.49 285	0.86 190	1.57 379	2.12 389	1.49 362	1.28 363	1.35 356	1.84 301	2.15 347	0.14 214	0.13 152	0.17 274	0.18 232	0.39 316	0.64 274

HGLStereo	0.61 153	1.20 273	2.59 198	0.36 156	0.40 242	0.65 220	0.30 169	0.87 197	0.67 135	0.60 197	0.70 254	0.69 241	0.56 250	1.07 189	0.59 179	0.14 214	0.13 152	0.13 190	0.12 138	0.23 186	0.23 84

GANet-RSSM	0.63 178	1.14 254	2.67 233	0.38 184	0.26 137	0.59 129	0.29 157	0.81 144	0.56 63	0.50 99	0.57 170	0.67 218	0.50 227	1.91 316	0.50 156	0.14 214	0.10 103	0.24 325	0.12 138	0.36 297	0.28 113

GwcNet-RSSM	0.64 185	1.38 317	2.69 244	0.33 110	0.26 137	0.60 141	0.32 189	0.84 168	0.73 199	0.56 151	0.65 225	0.72 250	0.42 173	1.78 290	0.60 181	0.14 214	0.10 103	0.12 134	0.13 158	0.26 222	0.26 102

DMCA	0.50 70	0.83 190	1.95 34	0.32 90	0.24 117	0.59 129	0.26 110	0.81 144	0.68 159	0.59 188	0.49 101	0.56 170	0.36 122	0.65 121	0.65 200	0.14 214	0.10 103	0.14 219	0.10 70	0.19 132	0.29 119

ADCRef	0.88 298	1.45 328	2.68 238	0.38 184	0.35 216	0.95 333	0.51 288	0.92 233	0.81 263	0.89 319	0.84 299	0.61 190	1.35 356	1.26 218	3.38 380	0.14 214	0.12 139	0.17 274	0.19 248	0.28 243	0.34 148

RASNet	0.69 221	1.05 236	2.59 198	0.37 166	0.47 270	0.66 233	0.33 202	0.82 151	0.76 229	0.51 110	0.65 225	0.93 316	0.62 274	2.20 336	0.80 237	0.14 214	0.09 81	0.09 13	0.11 108	0.18 109	0.37 161

pmcnn	1.44 365	1.25 288	3.57 354	0.74 331	1.42 385	0.72 262	0.56 305	1.04 307	1.06 347	1.03 336	2.89 397	6.01 408	0.75 309	2.54 358	3.60 385	0.14 214	0.11 124	0.08 3	0.06 6	0.34 280	0.81 306

Wz-Net-LNSev	0.66 207	1.30 296	2.81 273	0.35 142	0.37 228	0.80 298	0.48 280	0.91 226	0.87 297	0.63 225	0.70 254	0.80 280	0.59 265	0.67 127	0.68 208	0.15 232	0.14 165	0.12 134	0.12 138	0.24 192	0.38 169

AASNet	0.66 207	1.49 334	2.97 297	0.37 166	0.33 199	0.65 220	0.30 169	1.00 281	0.78 240	0.56 151	0.60 188	0.55 163	0.39 145	0.88 174	0.96 257	0.15 232	0.12 139	0.13 190	0.11 108	0.45 337	0.35 154

RAFT-RH_RVC	0.65 190	0.73 165	2.78 266	0.39 197	0.29 163	0.60 141	0.18 10	0.45 7	0.63 103	0.75 290	1.89 371	0.47 127	0.29 87	1.59 263	1.21 290	0.15 232	0.07 6	0.13 190	0.13 158	0.11 17	0.10 4

sCroCo_RVC	0.37 11	0.39 59	2.38 104	0.35 142	0.27 148	0.31 5	0.22 38	0.49 14	0.48 27	0.23 6	0.34 33	0.25 22	0.24 26	0.35 21	0.25 23	0.15 232	0.17 198	0.12 134	0.11 108	0.15 60	0.15 30

Anonymous	0.41 18	0.44 80	2.55 188	0.35 142	0.32 193	0.38 11	0.34 207	0.57 53	0.41 5	0.25 11	0.30 20	0.23 13	0.29 87	0.38 26	0.28 41	0.15 232	0.13 152	0.11 92	0.12 138	0.24 192	0.30 128

ADLNet	0.68 215	1.02 229	2.68 238	0.35 142	0.34 208	0.67 240	0.34 207	0.95 254	0.79 249	0.70 270	0.62 203	0.80 280	0.46 209	1.77 287	0.69 210	0.15 232	0.12 139	0.14 219	0.14 176	0.31 265	0.54 246

HCRNet	0.50 70	0.75 178	2.08 55	0.39 197	0.29 163	0.58 111	0.22 38	0.79 132	0.67 135	0.49 81	0.49 101	0.48 133	0.37 127	1.13 199	0.40 115	0.15 232	0.10 103	0.15 244	0.13 158	0.21 158	0.19 60

ac_64	0.63 178	0.77 181	2.71 249	0.37 166	0.34 208	0.64 206	0.30 169	0.86 190	0.67 135	0.58 169	0.53 125	0.88 306	0.48 223	1.84 301	0.71 215	0.15 232	0.12 139	0.12 134	0.12 138	0.21 158	0.25 97

PSMNet-RSSM	0.61 153	1.19 271	2.43 125	0.33 110	0.25 123	0.59 129	0.28 132	0.88 205	0.65 116	0.54 130	0.62 203	0.69 241	0.46 209	1.67 273	0.50 156	0.15 232	0.10 103	0.14 219	0.16 211	0.20 149	0.28 113

CFNet-ft	0.60 146	1.16 262	2.45 149	0.29 45	0.30 174	0.64 206	0.28 132	0.69 91	0.57 66	0.49 81	0.57 170	0.79 274	0.44 194	1.48 243	0.62 189	0.15 232	0.10 103	0.28 336	0.14 176	0.21 158	0.29 119

RYNet	0.77 259	0.91 213	2.36 100	0.37 166	0.41 247	0.88 319	0.44 264	0.99 275	0.88 301	0.65 248	0.54 139	0.92 311	0.61 272	2.70 372	1.23 294	0.15 232	0.14 165	0.17 274	0.14 176	0.27 233	0.55 252

CFNet_RVC	0.60 146	1.16 262	2.45 149	0.29 45	0.30 174	0.64 206	0.28 132	0.69 91	0.57 66	0.49 81	0.57 170	0.79 274	0.44 194	1.48 243	0.62 189	0.15 232	0.10 103	0.28 336	0.14 176	0.21 158	0.29 119

NLCA_NET_v2_RVC	0.62 166	1.15 260	3.11 312	0.39 197	0.37 228	0.60 141	0.28 132	0.87 197	0.64 109	0.63 225	0.56 160	0.71 249	0.45 202	1.08 190	0.52 161	0.15 232	0.12 139	0.14 219	0.15 194	0.18 109	0.25 97
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet	0.71 230	1.24 285	2.56 192	0.42 222	0.45 262	0.73 265	0.46 274	0.98 270	0.81 263	0.77 294	0.56 160	0.74 258	0.48 223	1.69 277	0.91 254	0.15 232	0.14 165	0.15 244	0.15 194	0.26 222	0.51 235

ttt	0.89 305	0.51 100	2.51 173	0.36 156	0.31 182	0.61 159	0.28 132	1.07 330	0.92 313	0.56 151	0.77 289	0.55 163	0.37 127	2.27 338	3.51 383	0.16 246	1.21 357	0.13 190	0.31 314	0.18 109	1.26 351

GMStereo_Zeroshot	0.44 37	0.44 80	1.84 17	0.44 237	0.20 68	0.52 60	0.19 12	0.60 65	0.54 54	0.58 169	0.59 181	0.63 199	0.29 87	0.59 101	0.34 94	0.16 246	0.09 81	0.16 260	0.09 37	0.26 222	0.26 102

fast-acv-ft	0.67 210	1.24 285	3.26 321	0.39 197	0.30 174	0.80 298	0.48 280	0.74 108	0.76 229	0.60 197	0.78 293	0.76 266	0.60 270	0.70 134	0.78 232	0.16 246	0.15 179	0.18 290	0.17 224	0.38 309	0.24 93

ssnet_v2	0.64 185	0.99 224	2.67 233	0.33 110	0.22 86	0.72 262	0.45 269	1.00 281	0.80 256	0.66 254	0.54 139	0.81 283	0.48 223	0.91 175	1.08 276	0.16 246	0.14 165	0.14 219	0.14 176	0.33 274	0.31 136

Wz-Net-SNSev	0.85 288	1.83 365	3.36 329	0.42 222	0.31 182	0.71 256	0.66 330	1.04 307	0.94 320	0.68 262	0.85 302	0.96 324	0.62 274	1.75 282	1.14 282	0.16 246	0.15 179	0.16 260	0.17 224	0.39 316	0.63 269

NINENet	0.54 98	0.40 63	2.19 74	0.55 285	0.26 137	0.91 325	0.23 57	1.05 315	0.77 237	0.54 130	0.57 170	0.65 209	0.32 106	1.22 209	0.34 94	0.16 246	0.13 152	0.16 260	0.11 108	0.16 69	0.14 24

PSMNet-ADL	0.56 110	0.47 85	2.03 46	0.35 142	0.22 86	0.67 240	0.27 124	0.77 118	0.58 72	0.43 43	0.53 125	0.70 247	0.45 202	1.89 310	0.64 195	0.16 246	0.13 152	0.11 92	0.13 158	0.15 60	0.51 235

HHNet	0.63 178	0.67 143	3.10 311	0.37 166	0.25 123	0.64 206	0.60 316	0.70 98	0.67 135	0.55 141	1.12 344	0.32 51	0.60 270	0.43 44	1.75 326	0.16 246	0.08 38	0.12 134	0.10 70	0.18 109	0.22 76

ICVP	0.48 55	0.33 23	2.37 102	0.34 127	0.22 86	0.60 141	0.55 301	0.79 132	0.53 51	0.45 51	0.60 188	0.49 135	0.36 122	0.55 91	0.46 138	0.16 246	0.16 191	0.14 219	0.11 108	0.16 69	0.32 138
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GEStereo_RVC	0.61 153	1.19 271	2.61 207	0.48 254	0.25 123	0.63 194	0.37 226	1.05 315	0.79 249	0.55 141	0.55 148	0.59 181	0.44 194	1.10 192	0.48 144	0.16 246	0.11 124	0.12 134	0.11 108	0.27 233	0.43 197

GES	0.49 66	0.54 106	2.37 102	0.31 73	0.19 63	0.61 159	0.30 169	0.93 236	0.52 45	0.49 81	0.53 125	0.40 81	0.43 186	0.59 101	0.67 205	0.16 246	0.11 124	0.12 134	0.10 70	0.20 149	0.30 128

EDNetEfficient	1.29 354	0.78 184	4.27 382	0.65 315	1.03 364	0.94 331	1.38 388	0.87 197	1.75 384	2.33 397	1.32 355	1.04 342	2.21 389	1.59 263	4.07 394	0.16 246	0.19 208	0.15 244	0.27 297	0.38 309	0.40 181

DSFCA	0.62 166	0.77 181	1.95 34	0.29 45	0.29 163	0.79 295	0.86 353	0.81 144	0.73 199	0.73 282	0.66 231	0.67 218	0.57 255	1.17 205	1.03 271	0.16 246	0.15 179	0.13 190	0.14 176	0.19 132	0.28 113

DMCA-RVC	0.70 226	1.30 296	3.59 356	0.37 166	0.89 346	0.57 104	0.31 179	0.73 106	0.59 76	0.69 267	0.54 139	0.59 181	0.57 255	1.25 216	0.66 203	0.16 246	0.38 271	0.20 305	0.15 194	0.22 172	0.23 84

STTStereo	0.58 125	0.95 222	2.95 295	0.37 166	0.31 182	0.62 181	0.32 189	0.81 144	0.63 103	0.61 204	0.55 148	0.67 218	0.43 186	0.87 170	0.48 144	0.16 246	0.16 191	0.17 274	0.20 257	0.17 90	0.25 97

SuperB	1.19 348	1.62 349	5.29 399	0.37 166	0.26 137	0.81 303	0.87 354	0.94 241	1.19 361	0.68 262	0.68 237	0.63 199	1.37 359	1.73 279	3.30 377	0.16 246	0.12 139	0.17 274	0.16 211	2.74 409	0.63 269

UCFNet_RVC	0.55 102	1.16 262	2.48 166	0.31 73	0.27 148	0.65 220	0.28 132	0.76 112	0.58 72	0.51 110	0.53 125	0.67 218	0.42 173	0.91 175	0.45 134	0.16 246	0.11 124	0.17 274	0.17 224	0.20 149	0.23 84

DRN-Test	0.71 230	0.79 186	2.83 277	0.40 210	0.44 259	0.80 298	0.41 245	1.07 330	0.83 274	0.82 310	0.64 218	0.68 230	0.57 255	1.78 290	0.79 235	0.16 246	0.13 152	0.17 274	0.16 211	0.24 192	0.51 235

NaN_ROB	1.25 351	1.46 330	3.84 368	0.54 284	0.56 288	1.12 350	0.99 362	1.05 315	1.03 341	1.10 341	0.87 309	0.77 268	1.07 346	5.85 407	2.98 373	0.16 246	0.23 235	0.16 260	0.24 277	0.28 243	0.66 276

CASS	0.43 25	0.34 30	2.01 42	0.33 110	0.17 37	0.54 72	0.24 79	0.71 104	0.52 45	0.62 216	0.55 148	0.40 81	0.41 162	0.43 44	0.33 86	0.17 265	0.10 103	0.14 219	0.11 108	0.18 109	0.23 84
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Wz-Net-MNSev	0.74 243	1.42 323	2.75 260	0.38 184	0.33 199	0.90 324	0.61 321	0.98 270	0.94 320	0.77 294	0.75 282	0.75 262	0.66 286	1.39 229	0.76 226	0.17 265	0.13 152	0.14 219	0.14 176	0.28 243	0.48 223

CRFU-Net	0.58 125	0.42 70	1.90 26	0.49 265	0.27 148	0.83 306	0.35 216	0.94 241	0.54 54	0.65 248	0.60 188	0.78 272	1.34 355	1.00 181	0.51 159	0.17 265	0.14 165	0.17 274	0.10 70	0.19 132	0.20 68

CSP-Net	0.55 102	0.61 131	1.81 13	0.30 59	0.23 108	0.77 286	0.35 216	0.90 219	0.62 92	0.62 216	0.60 188	0.65 209	0.42 173	1.76 284	0.47 141	0.17 265	0.12 139	0.10 46	0.10 70	0.21 158	0.16 43

APVNet	0.76 255	1.11 249	3.23 317	0.39 197	0.36 222	0.85 312	0.44 264	0.96 257	0.73 199	0.58 169	0.69 241	0.76 266	0.56 250	2.29 340	0.82 244	0.17 265	0.18 204	0.24 325	0.19 248	0.35 291	0.27 107

psm_up	0.65 190	1.02 229	2.53 177	0.36 156	0.31 182	0.64 206	0.38 234	0.96 257	0.73 199	0.63 225	0.57 170	0.68 230	0.57 255	1.90 315	0.52 161	0.17 265	0.15 179	0.16 260	0.15 194	0.27 233	0.22 76

GwcNet	0.76 255	1.09 242	3.68 359	0.38 184	0.45 262	0.81 303	0.45 269	0.91 226	0.89 306	0.63 225	0.77 289	0.82 286	0.51 231	1.64 269	0.85 248	0.17 265	0.16 191	0.15 244	0.15 194	0.33 274	0.34 148

FADNet-RVC	0.69 221	1.65 353	2.74 258	0.35 142	0.26 137	0.60 141	0.29 157	0.91 226	0.67 135	0.46 61	0.51 115	0.62 195	0.46 209	1.75 282	0.81 241	0.17 265	0.20 220	0.17 274	0.18 232	0.60 358	0.39 176

ADCL	1.07 338	1.22 280	2.80 269	0.40 210	0.33 199	1.50 366	1.87 397	0.97 264	1.04 344	1.26 362	1.28 351	0.99 330	1.41 362	1.36 228	3.51 383	0.17 265	0.14 165	0.22 313	0.21 268	0.32 270	0.43 197

PA-Net	0.93 316	1.36 311	4.14 376	0.64 313	0.41 247	0.70 252	0.53 294	0.91 226	0.88 301	0.53 126	0.60 188	0.70 247	0.54 243	2.40 350	2.57 365	0.17 265	0.28 256	0.19 295	0.28 299	0.25 207	0.48 223
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ETE_ROB	0.68 215	1.09 242	2.32 95	0.38 184	0.26 137	0.69 249	0.51 288	1.49 374	0.75 221	0.81 306	0.71 267	0.85 296	0.51 231	1.39 229	0.70 211	0.17 265	0.14 165	0.19 295	0.16 211	0.24 192	0.35 154

dd	0.48 55	1.32 298	2.41 116	0.31 73	0.17 37	0.58 111	0.26 110	0.50 23	0.71 189	0.42 37	0.41 59	0.34 59	0.28 71	0.47 50	0.41 117	0.18 276	0.10 103	0.13 190	0.12 138	0.22 172	0.16 43

SACVNet	0.68 215	1.08 241	2.58 196	0.38 184	0.28 158	0.65 220	0.37 226	0.91 226	0.65 116	0.67 256	0.62 203	0.69 241	0.47 217	2.07 325	0.65 200	0.18 276	0.14 165	0.16 260	0.15 194	0.39 316	0.41 188

pcwnet_v2	0.65 190	0.54 106	4.29 385	0.33 110	0.27 148	0.60 141	0.25 98	1.02 295	0.92 313	0.61 204	0.69 241	0.62 195	0.54 243	0.67 127	0.38 112	0.18 276	0.15 179	0.15 244	0.14 176	0.21 158	0.49 229

aanetorigin	0.81 269	1.03 232	2.64 221	0.44 237	0.44 259	0.59 129	1.00 366	0.59 62	0.70 177	1.54 379	1.22 349	0.82 286	1.08 347	1.06 187	1.07 275	0.18 276	0.15 179	0.17 274	0.21 268	0.53 352	0.65 275

S-Stereo	0.82 273	0.73 165	3.79 364	0.40 210	0.37 228	0.70 252	0.69 338	1.00 281	1.03 341	0.63 225	0.92 317	0.82 286	0.59 265	2.35 344	0.71 215	0.18 276	0.22 230	0.17 274	0.18 232	0.30 257	0.67 278

RTSC	0.84 280	1.40 318	2.67 233	0.50 270	0.40 242	0.83 306	0.33 202	1.11 341	1.14 356	0.93 327	0.82 295	0.84 291	0.58 262	1.34 226	1.82 331	0.18 276	0.49 290	0.14 219	0.30 309	0.46 341	0.42 192

DANet	0.85 288	0.68 150	2.41 116	1.18 368	0.48 271	0.77 286	1.23 382	0.93 236	1.53 377	0.90 321	0.72 270	0.97 326	0.57 255	1.86 305	1.05 273	0.18 276	0.16 191	0.19 295	0.16 211	0.26 222	0.67 278
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.92 311	1.20 273	2.68 238	0.45 244	0.27 148	0.76 276	0.66 330	0.94 241	0.77 237	0.79 303	1.17 345	0.84 291	0.91 331	2.72 373	1.76 327	0.18 276	0.42 279	0.44 366	0.20 257	0.33 274	0.94 322

AdaStereo	0.48 55	0.44 80	2.18 73	0.36 156	0.20 68	0.59 129	0.29 157	0.97 264	0.74 216	0.52 118	0.55 148	0.61 190	0.33 111	0.52 78	0.44 130	0.18 276	0.08 38	0.17 274	0.11 108	0.18 109	0.24 93
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.
SANet	1.35 359	1.80 363	4.39 387	0.41 219	0.29 163	1.72 378	0.89 357	1.17 352	2.47 392	1.22 358	1.82 369	1.72 376	1.70 375	2.57 360	3.30 377	0.18 276	0.16 191	0.16 260	0.15 194	0.34 280	0.62 265

PSMNet_ROB	0.75 252	1.42 323	2.93 292	0.39 197	0.32 193	0.73 265	0.56 305	0.90 219	0.74 216	0.56 151	0.60 188	0.75 262	0.47 217	2.00 321	1.31 299	0.18 276	0.13 152	0.19 295	0.20 257	0.26 222	0.40 181

FTStereo	0.79 264	0.32 14	2.83 277	0.70 328	0.21 77	0.73 265	1.75 395	0.61 67	0.60 80	1.07 340	1.62 366	1.28 363	2.11 387	0.75 150	0.30 55	0.19 287	0.08 38	0.12 134	0.11 108	0.12 25	0.39 176

Anonymous3	0.47 48	0.49 89	2.61 207	0.33 110	0.25 123	0.72 262	0.32 189	0.80 137	0.60 80	0.36 23	0.41 59	0.33 55	0.29 87	0.46 48	0.30 55	0.19 287	0.18 204	0.13 190	0.13 158	0.18 109	0.22 76

psmorigin	1.41 363	0.91 213	13.83 417	0.37 166	0.30 174	0.63 194	0.37 226	0.80 137	0.64 109	0.98 329	0.87 309	1.16 361	0.78 312	3.95 400	1.09 277	0.19 287	0.22 230	0.17 274	0.19 248	0.25 207	0.47 219

FAT-Stereo	0.72 238	0.60 126	2.86 283	0.37 166	0.29 163	0.64 206	0.55 301	1.01 289	0.91 311	0.76 292	0.94 319	0.93 316	0.79 314	1.82 298	0.60 181	0.19 287	0.19 208	0.17 274	0.16 211	0.23 186	0.47 219

NVstereo2D	0.63 178	0.57 116	2.29 89	0.37 166	0.35 216	0.69 249	0.49 285	0.96 257	0.88 301	0.49 81	0.54 139	0.72 250	0.46 209	1.98 320	0.50 156	0.19 287	0.20 220	0.18 290	0.16 211	0.28 243	0.34 148

DeepPruner_ROB	0.58 125	1.06 237	2.68 238	0.30 59	0.26 137	0.63 194	0.31 179	0.83 161	0.51 40	0.62 216	0.56 160	0.65 209	0.39 145	1.06 187	0.56 173	0.19 287	0.14 165	0.14 219	0.14 176	0.24 192	0.33 141

PWC_ROB	0.81 269	1.41 319	2.60 203	0.41 219	0.40 242	0.63 194	0.31 179	1.04 307	0.99 337	0.92 324	1.29 352	0.78 272	0.68 290	1.65 272	1.50 314	0.19 287	0.12 139	0.18 290	0.13 158	0.51 348	0.54 246

CBMV	0.86 291	1.00 225	2.82 275	0.35 142	0.21 77	0.78 291	0.78 347	1.05 315	0.87 297	0.90 321	0.74 275	0.87 302	1.89 382	1.67 273	1.38 309	0.19 287	0.20 220	0.21 309	0.19 248	0.28 243	0.84 308
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
WZ-Net	1.04 334	1.83 365	4.20 379	0.42 222	0.36 222	0.88 319	0.71 340	1.05 315	1.11 353	0.84 314	0.94 319	1.06 346	1.17 352	2.37 345	2.24 353	0.20 295	0.14 165	0.15 244	0.16 211	0.36 297	0.53 243

LMCR-Stereo	0.61 153	1.00 225	2.60 203	0.42 222	0.22 86	0.74 270	0.31 179	1.06 327	0.70 177	0.62 216	0.64 218	0.40 81	0.52 238	0.84 167	1.27 298	0.20 295	0.09 81	0.12 134	0.09 37	0.26 222	0.16 43

Syn2CoEx	0.78 261	1.43 326	3.54 352	0.44 237	0.31 182	0.64 206	0.43 258	1.04 307	0.83 274	0.64 236	0.77 289	0.74 258	0.74 305	1.91 316	0.64 195	0.20 295	0.17 198	0.19 295	0.15 194	0.30 257	0.59 258

stereogan	0.74 243	0.68 150	2.82 275	0.40 210	0.40 242	1.05 342	0.42 251	0.99 275	0.96 327	0.78 302	0.86 307	1.15 359	0.73 301	1.57 256	0.56 173	0.20 295	0.19 208	0.20 305	0.16 211	0.37 303	0.34 148

TDLM	0.83 277	1.28 293	2.38 104	0.46 247	0.26 137	0.66 233	0.55 301	0.87 197	0.80 256	2.54 400	0.62 203	0.61 190	0.51 231	2.68 371	0.67 205	0.20 295	0.11 124	0.35 353	0.15 194	0.33 274	0.48 223

CVANet_RVC	0.82 273	1.18 268	3.98 371	0.40 210	0.28 158	0.63 194	0.43 258	0.90 219	0.78 240	1.14 345	0.69 241	0.68 230	0.52 238	2.62 364	0.48 144	0.20 295	0.13 152	0.22 313	0.37 343	0.37 303	0.48 223

NCCL2	0.71 230	1.32 298	2.30 91	0.44 237	0.31 182	0.71 256	0.67 334	0.89 211	0.69 167	0.70 270	0.61 196	0.85 296	0.54 243	1.58 262	0.70 211	0.20 295	0.17 198	0.66 375	0.25 283	0.26 222	0.38 169

MDST_ROB	1.28 353	0.53 104	3.84 368	0.55 285	0.45 262	4.06 405	0.60 316	1.36 367	0.89 306	2.18 391	1.17 345	0.98 327	0.72 298	4.28 402	2.12 344	0.20 295	0.16 191	0.19 295	0.17 224	0.20 149	0.84 308

Wz-Net-TNSev	1.02 329	2.26 393	3.69 360	0.38 184	0.31 182	1.00 337	0.71 340	1.12 343	1.02 340	0.74 288	0.73 272	1.09 352	0.91 331	2.46 355	2.15 347	0.21 303	0.20 220	0.16 260	0.20 257	0.48 344	0.62 265

RTS	1.29 354	1.59 344	6.48 406	0.63 310	0.57 291	1.59 371	0.90 358	1.15 346	1.44 372	1.20 354	1.31 353	1.10 353	0.87 327	2.67 368	2.27 355	0.21 303	0.38 271	0.19 295	0.20 257	0.46 341	0.68 283

RTSA	1.29 354	1.59 344	6.48 406	0.63 310	0.57 291	1.59 371	0.90 358	1.15 346	1.44 372	1.20 354	1.31 353	1.10 353	0.87 327	2.67 368	2.27 355	0.21 303	0.38 271	0.19 295	0.20 257	0.46 341	0.68 283

ADCPNet	1.07 338	1.37 314	4.54 391	0.38 184	0.68 322	1.36 359	0.64 325	0.93 236	0.83 274	0.79 303	0.82 295	1.08 349	1.18 353	1.30 223	2.68 367	0.21 303	0.69 320	0.21 309	0.95 395	0.30 257	0.54 246

LALA_ROB	0.68 215	1.14 254	2.50 172	0.37 166	0.29 163	0.78 291	0.55 301	0.99 275	0.84 286	0.82 310	0.68 237	0.93 316	0.50 227	1.01 182	0.89 252	0.21 303	0.15 179	0.21 309	0.18 232	0.26 222	0.30 128

GASNet	0.84 280	1.98 372	4.07 374	0.48 254	0.33 199	0.58 111	0.34 207	0.97 264	0.81 263	0.60 197	0.59 181	0.74 258	0.55 248	2.08 328	1.18 286	0.22 308	0.15 179	0.19 295	0.17 224	0.55 354	0.29 119

edge stereo	0.84 280	0.74 174	3.42 343	0.38 184	1.21 376	0.63 194	0.41 245	0.98 270	0.83 274	0.81 306	0.88 311	1.14 357	0.73 301	2.16 334	0.89 252	0.22 308	0.20 220	0.26 332	0.18 232	0.38 309	0.43 197

SHD	0.84 280	1.14 254	2.54 181	0.80 340	0.52 278	0.76 276	0.34 207	1.16 349	1.29 366	1.11 342	0.85 302	0.98 327	0.74 305	1.25 216	1.48 313	0.22 308	0.37 267	0.20 305	0.27 297	0.36 297	0.41 188

ADCMid	1.06 336	1.82 364	3.53 351	0.39 197	0.36 222	0.99 336	0.58 310	1.01 289	0.94 320	1.23 360	1.02 334	1.01 334	1.01 342	1.11 196	4.04 393	0.22 308	0.19 208	0.42 363	0.32 319	0.42 330	0.53 243

AnyNet_C32	1.08 341	1.76 362	3.01 304	0.50 270	0.54 284	1.17 355	1.16 378	0.97 264	0.95 325	1.11 342	0.98 327	0.87 302	0.93 336	1.57 256	4.11 395	0.22 308	0.20 220	0.25 330	0.25 283	0.40 322	0.68 283

LSM	3.40 402	1.42 323	5.81 403	9.98 418	30.74 432	0.86 313	1.14 374	0.99 275	1.26 363	1.40 371	2.18 379	0.93 316	0.85 322	1.76 284	1.03 271	0.22 308	0.35 265	0.24 325	0.29 303	0.40 322	6.21 416

XPNet_ROB	0.68 215	1.11 249	2.28 87	0.38 184	0.27 148	0.67 240	0.47 278	0.94 241	0.75 221	0.80 305	0.71 267	0.81 283	0.54 243	1.72 278	0.84 247	0.22 308	0.16 191	0.16 260	0.15 194	0.25 207	0.45 214

SGM-Forest	1.84 383	7.91 416	10.36 411	0.42 222	0.33 199	1.04 340	1.29 384	1.01 289	0.88 301	1.19 349	2.30 383	1.03 338	1.79 379	2.60 363	2.81 370	0.22 308	0.21 228	0.21 309	0.19 248	0.25 207	0.79 302
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
hitnet-ft	0.73 240	1.09 242	2.59 198	0.28 33	0.22 86	0.71 256	0.36 223	0.89 211	0.67 135	0.58 169	0.83 297	1.03 338	0.94 337	2.31 341	0.70 211	0.23 316	0.14 165	0.41 361	0.13 158	0.24 192	0.28 113

AF-Net	0.76 255	1.14 254	2.74 258	0.42 222	0.41 247	0.70 252	0.41 245	1.07 330	0.94 320	0.73 282	1.05 340	1.04 342	0.86 324	1.23 211	1.00 268	0.23 316	0.15 179	0.25 330	0.18 232	0.32 270	0.35 154

ADCS	1.14 345	2.02 377	3.36 329	0.43 232	0.37 228	0.96 335	0.81 350	1.12 343	1.17 360	1.25 361	0.98 327	1.08 349	0.92 334	1.41 233	4.97 401	0.23 316	0.21 228	0.22 313	0.23 275	0.40 322	0.67 278

DeepPrunerF	0.92 311	1.33 302	3.41 340	0.46 247	0.51 276	0.64 206	0.49 285	1.16 349	2.62 395	0.65 248	0.61 196	0.65 209	0.62 274	2.23 337	1.31 299	0.23 316	0.19 208	0.30 345	0.28 299	0.39 316	0.34 148

Anonymous Stereo	0.83 277	1.57 339	3.56 353	0.46 247	0.39 236	0.63 194	0.84 352	0.92 233	0.83 274	0.68 262	0.68 237	0.64 205	0.42 173	2.42 353	1.02 270	0.23 316	0.23 235	0.19 295	0.20 257	0.31 265	0.40 181

CBMV_ROB	0.88 298	0.75 178	2.73 256	0.36 156	0.22 86	0.76 276	0.47 278	1.05 315	0.81 263	1.06 339	1.04 338	0.88 306	1.36 358	2.17 335	2.03 337	0.23 316	0.24 238	0.27 333	0.25 283	0.27 233	0.73 294

MeshStereo	1.29 354	1.34 304	3.04 306	0.35 142	0.28 158	1.10 349	0.69 338	1.42 371	1.07 348	2.71 403	2.43 385	2.95 388	1.50 368	2.92 383	2.03 337	0.23 316	0.22 230	0.22 313	0.19 248	0.50 346	0.69 287
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
HBP-ISP	0.82 273	1.57 339	3.28 323	0.50 270	0.27 148	0.86 313	0.54 297	1.09 335	0.78 240	0.81 306	0.70 254	0.68 230	1.00 341	2.02 322	0.47 141	0.24 323	0.24 238	0.29 344	0.25 283	0.28 243	0.52 240

FADNet-RVC-Resample	0.74 243	1.54 337	3.81 366	0.38 184	0.29 163	0.62 181	0.38 234	0.91 226	0.67 135	0.52 118	0.51 115	0.63 199	0.44 194	1.56 252	0.59 179	0.24 323	0.32 259	0.22 313	0.19 248	0.30 257	0.71 292

RGC	0.78 261	1.10 247	2.55 188	0.45 244	0.45 262	0.73 265	0.40 243	1.00 281	0.75 221	0.75 290	1.04 338	1.02 337	0.73 301	1.74 281	1.15 283	0.24 323	0.19 208	0.28 336	0.26 289	0.31 265	0.38 169

Nwc_Net	0.75 252	1.10 247	2.96 296	0.42 222	0.39 236	0.77 286	0.39 240	1.06 327	0.73 199	0.65 248	1.00 331	0.99 330	0.74 305	1.43 235	0.99 266	0.24 323	0.15 179	0.23 320	0.26 289	0.27 233	0.30 128

XQC	0.84 280	1.32 298	2.61 207	0.78 338	0.44 259	0.89 321	0.53 294	1.16 349	1.07 348	0.85 315	0.69 241	0.92 311	0.73 301	1.40 231	1.44 311	0.24 323	0.35 265	0.23 320	0.26 289	0.45 337	0.39 176

PS-NSSS	0.69 221	1.37 314	2.44 133	0.31 73	0.32 193	0.64 206	0.34 207	1.04 307	0.74 216	0.56 151	0.75 282	0.51 142	0.42 173	2.41 352	0.54 169	0.24 323	0.17 198	0.27 333	0.18 232	0.30 257	0.23 84

UDGNet	0.50 70	1.36 311	2.44 133	0.37 166	0.19 63	0.58 111	0.23 57	0.49 14	0.69 167	0.42 37	0.39 50	0.34 59	0.29 87	0.55 91	0.32 77	0.25 329	0.10 103	0.37 356	0.19 248	0.30 257	0.17 49

G-Net	1.02 329	0.70 155	3.23 317	0.60 300	0.66 318	2.00 389	0.71 340	0.78 125	0.70 177	1.14 345	2.53 387	1.29 365	1.01 342	1.47 242	1.74 325	0.25 329	0.24 238	0.24 325	0.26 289	0.37 303	0.40 181

SAMSARA	1.11 343	1.35 307	2.60 203	1.34 371	0.77 334	1.67 376	1.41 392	1.47 373	0.99 337	1.54 379	0.89 313	1.44 370	0.90 330	1.88 309	1.71 321	0.25 329	0.55 298	0.22 313	0.34 335	0.39 316	0.50 231

NOSS_ROB	0.75 252	1.03 232	2.27 85	0.68 326	0.26 137	0.68 246	0.30 169	0.99 275	0.82 268	0.59 188	0.58 176	0.77 268	0.39 145	2.75 377	0.48 144	0.25 329	0.24 238	0.28 336	0.26 289	0.29 251	1.07 336

RP	0.74 243	1.01 228	2.48 166	0.44 237	0.45 262	0.66 233	0.45 269	0.95 254	0.87 297	0.70 270	0.95 322	0.99 330	0.82 316	1.55 250	0.82 244	0.26 333	0.19 208	0.23 320	0.20 257	0.34 280	0.38 169

AnyNet_C01	1.20 349	1.89 368	4.25 381	0.55 285	0.54 284	1.57 369	1.39 389	1.10 338	1.13 355	1.19 349	1.34 357	1.15 359	1.11 349	1.73 279	2.89 372	0.26 333	0.24 238	0.28 336	0.24 277	0.50 346	0.68 283

CSAN	1.38 361	1.74 361	4.12 375	0.53 278	0.38 234	1.06 345	1.15 376	1.29 362	1.12 354	1.19 349	1.90 372	1.04 342	1.44 363	5.92 408	2.82 371	0.26 333	0.22 230	0.24 325	0.25 283	0.35 291	0.54 246

PVD	1.05 335	1.21 275	2.36 100	0.84 343	0.91 348	1.04 340	0.64 325	1.32 365	1.68 381	1.43 373	1.41 360	1.14 357	1.15 351	1.49 245	1.77 328	0.27 336	0.65 313	0.28 336	0.35 337	0.40 322	0.73 294

DPSNet	1.02 329	0.72 162	2.84 279	0.60 300	0.39 236	1.08 347	0.75 344	1.41 370	1.14 356	0.74 288	0.69 241	1.05 345	1.67 373	2.09 330	2.22 352	0.27 336	0.61 307	0.20 305	0.50 366	0.48 344	1.03 333

FBW_ROB	0.94 317	1.23 284	2.35 99	0.46 247	0.32 193	0.87 317	0.46 274	1.15 346	0.97 333	0.83 313	0.78 293	1.01 334	0.64 279	3.65 398	1.65 320	0.27 336	0.24 238	0.40 359	0.26 289	0.32 270	0.88 316

dad	0.58 125	1.35 307	2.39 110	0.31 73	0.20 68	0.62 181	0.26 110	0.56 48	0.79 249	0.66 254	0.64 218	0.64 205	0.36 122	0.87 170	0.48 144	0.28 339	0.15 179	0.40 359	0.18 232	0.24 192	0.22 76

PFNet	0.62 166	0.42 70	2.69 244	0.43 232	0.55 286	0.62 181	0.27 124	0.64 78	0.72 196	0.61 204	0.56 160	0.45 118	0.33 111	1.86 305	1.12 280	0.28 339	0.09 81	0.12 134	0.16 211	0.26 222	0.27 107

NCC-stereo	0.88 298	1.22 280	2.97 297	0.60 300	0.45 262	1.88 383	0.48 280	1.04 307	0.75 221	0.70 270	0.85 302	0.93 316	0.84 319	1.81 295	1.51 315	0.28 339	0.19 208	0.23 320	0.31 314	0.27 233	0.35 154

Abc-Net	0.88 298	1.22 280	2.97 297	0.60 300	0.45 262	1.88 383	0.48 280	1.04 307	0.75 221	0.70 270	0.85 302	0.93 316	0.84 319	1.81 295	1.51 315	0.28 339	0.19 208	0.23 320	0.31 314	0.27 233	0.35 154
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
FC-DCNN	1.60 379	0.85 193	3.44 344	0.46 247	0.39 236	1.96 385	0.66 330	1.72 383	1.70 382	2.75 404	2.91 398	4.20 399	3.15 398	2.72 373	2.66 366	0.30 343	0.26 248	0.31 346	0.30 309	0.33 274	0.91 319

MSMD_ROB	1.41 363	1.03 232	2.75 260	0.41 219	0.32 193	2.00 389	0.61 321	0.96 257	1.43 371	2.97 405	2.63 391	4.76 404	2.04 386	2.44 354	1.78 329	0.30 343	0.26 248	0.32 348	0.32 319	0.32 270	0.63 269

FCDSN-DC	1.45 367	1.12 251	3.30 326	0.48 254	0.41 247	1.13 351	0.60 316	1.17 352	1.28 365	2.25 394	2.85 395	3.65 396	3.34 400	2.58 361	2.44 359	0.31 345	0.26 248	0.31 346	0.30 309	0.37 303	0.78 300
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
Anonymous_2	1.36 360	0.49 89	2.03 46	1.71 390	1.58 392	2.49 397	0.58 310	1.59 379	2.31 390	0.77 294	0.88 311	1.03 338	0.58 262	1.20 208	0.66 203	0.32 346	1.38 372	1.42 400	3.87 414	0.78 374	1.56 371

ccnet	0.77 259	0.61 131	2.01 42	0.40 210	0.46 269	1.05 342	0.59 313	1.02 295	0.74 216	0.90 321	0.97 324	0.82 286	0.89 329	1.68 276	1.16 285	0.32 346	0.26 248	0.32 348	0.28 299	0.35 291	0.47 219

SDNR	2.06 388	2.93 409	2.94 294	1.55 383	5.13 411	1.98 388	0.24 79	1.95 391	2.62 395	0.92 324	2.71 393	5.76 407	0.68 290	3.61 397	3.84 388	0.33 348	0.38 271	0.22 313	0.17 224	1.13 380	2.04 384

GANetREF_RVC	0.81 269	1.44 327	3.04 306	0.49 265	0.27 148	0.83 306	0.63 324	1.03 301	0.92 313	0.63 225	0.61 196	0.72 250	0.59 265	2.40 350	0.58 177	0.33 348	0.25 245	0.37 356	0.25 283	0.41 328	0.36 160
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
PWCDC_ROB	0.83 277	1.57 339	2.63 212	0.48 254	0.37 228	0.78 291	0.29 157	1.04 307	1.36 370	0.63 225	2.05 375	0.64 205	0.70 296	1.10 192	1.20 289	0.33 348	0.14 165	0.15 244	0.12 138	0.63 362	0.46 217

PASM	0.82 273	1.00 225	2.68 238	0.52 274	0.48 271	0.65 220	0.59 313	0.83 161	0.89 306	0.82 310	0.73 272	0.89 309	0.68 290	2.39 349	0.73 220	0.35 351	0.37 267	0.36 354	0.41 354	0.45 337	0.51 235

AANet_RVC	0.79 264	1.46 330	2.72 251	0.34 127	0.25 123	0.59 129	0.32 189	0.88 205	0.83 274	0.62 216	0.95 322	0.80 280	0.43 186	2.46 355	1.72 323	0.38 352	0.26 248	0.10 46	0.09 37	0.25 207	0.43 197

PDISCO_ROB	0.84 280	1.46 330	2.84 279	0.65 315	0.59 296	1.17 355	0.48 280	1.19 355	1.08 350	0.67 256	0.72 270	1.00 333	0.61 272	1.24 213	1.05 273	0.38 352	0.18 204	0.28 336	0.24 277	0.58 356	0.44 209

WCMA_ROB	1.29 354	1.21 275	3.13 314	0.65 315	0.36 222	1.20 358	0.78 347	1.00 281	0.98 334	1.78 384	2.62 390	3.08 393	2.01 385	1.86 305	2.35 357	0.38 352	0.38 271	0.32 348	0.32 319	0.31 265	1.06 335

PMTNet	0.35 7	0.38 55	1.75 8	0.21 2	0.14 8	0.57 104	0.24 79	0.48 11	0.44 16	0.28 18	0.32 31	0.26 28	0.24 26	0.41 40	0.24 15	0.42 355	0.07 6	0.08 3	0.05 1	0.18 109	0.15 30

ELAS_RVC	1.51 373	0.88 200	3.36 329	0.63 310	0.56 288	1.53 367	2.73 401	1.53 375	1.76 385	2.26 395	2.21 382	2.10 381	3.07 397	2.08 328	2.52 361	0.42 355	0.42 279	0.42 363	0.37 343	0.51 348	0.84 308
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	1.52 374	0.92 218	2.91 290	0.62 308	0.57 291	3.13 400	2.21 399	1.67 381	1.58 380	2.42 398	2.43 385	1.87 378	2.49 392	1.85 303	2.70 368	0.42 355	0.43 282	0.41 361	0.40 350	0.51 348	0.85 312
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MFN_U_SF_DS_RVC	1.08 341	2.01 376	2.56 192	0.49 265	0.40 242	1.49 365	0.96 361	1.02 295	0.95 325	0.85 315	0.94 319	1.06 346	0.59 265	2.92 383	1.15 283	0.43 358	0.74 327	0.32 348	0.55 372	0.74 368	1.35 361

coex-ft	6.14 410	1.98 372	60.80 435	0.34 127	0.30 174	0.80 298	1.17 379	0.76 112	4.34 403	19.82 423	2.15 378	1.61 374	8.77 412	1.82 298	10.36 414	0.44 359	2.05 389	0.18 290	0.19 248	0.39 316	4.61 415

UDG	0.86 291	1.57 339	2.80 269	0.68 326	0.59 296	0.78 291	0.38 234	0.97 264	0.74 216	0.63 225	0.70 254	1.01 334	0.68 290	1.02 183	1.22 293	0.45 360	0.34 264	0.89 382	0.51 367	0.73 367	0.58 255

Consistency-Raft	0.92 311	1.21 275	3.50 347	0.98 356	0.63 311	0.77 286	0.54 297	1.02 295	1.01 339	0.62 216	1.03 336	0.65 209	1.04 344	0.81 165	1.36 305	0.45 360	0.47 286	0.51 369	0.59 377	0.65 364	0.47 219

FADNet	0.71 230	1.60 348	2.53 177	0.33 110	0.30 174	0.67 240	0.29 157	0.92 233	0.75 221	0.45 51	0.49 101	0.66 216	0.57 255	1.85 303	0.85 248	0.46 362	0.20 220	0.17 274	0.20 257	0.60 358	0.37 161

MADNet+	1.44 365	2.19 386	6.00 404	0.89 346	0.70 325	1.58 370	1.11 371	1.56 378	1.30 368	0.89 319	1.03 336	1.25 362	1.12 350	3.29 390	2.80 369	0.48 363	0.57 302	0.39 358	0.36 342	0.63 362	0.69 287

STTRV1_RVC	0.81 269	0.59 124	2.88 286	0.43 232	0.49 273	0.80 298	0.44 264	1.18 354	0.84 286	0.63 225	0.89 313	0.72 250	0.63 278	2.67 368	0.67 205	0.51 364	0.65 313	0.27 333	0.24 277	0.35 291	0.29 119

JetBlue	1.89 384	2.09 381	4.16 377	0.74 331	1.23 377	4.52 409	3.86 406	1.68 382	1.26 363	1.28 364	1.54 363	2.36 385	1.86 381	3.35 392	3.37 379	0.54 365	0.49 290	0.48 367	0.49 364	1.39 393	1.21 347

SGM_RVC	2.11 390	1.07 238	2.87 284	0.98 356	0.92 349	2.72 399	1.88 398	1.91 389	12.27 412	2.09 387	1.99 374	2.47 386	2.24 390	2.87 382	2.03 337	0.54 365	0.47 286	0.42 363	0.47 361	0.74 368	1.22 349
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DispFullNet	1.69 381	2.25 391	5.23 397	1.53 382	8.78 413	0.89 321	0.37 226	1.03 301	0.98 334	1.37 367	1.00 331	1.13 356	1.97 384	1.51 247	0.98 264	0.55 367	0.32 259	1.19 391	0.64 380	1.16 382	0.88 316

DDUNet	0.90 308	1.63 351	2.77 265	0.77 336	0.69 323	0.83 306	0.44 264	0.90 219	0.70 177	0.68 262	0.76 285	0.92 311	0.54 243	1.14 201	1.35 303	0.61 368	0.37 267	0.96 384	0.52 369	0.77 372	0.67 278

anonymity	0.86 291	0.68 150	1.44 1	0.64 313	0.83 340	0.67 240	0.52 292	0.98 270	0.73 199	0.96 328	0.70 254	0.81 283	0.86 324	1.10 192	1.34 301	0.64 369	0.72 326	0.58 371	1.44 406	0.60 358	0.91 319

SPS-STEREO	1.22 350	1.65 353	3.41 340	0.66 319	0.69 323	1.01 338	0.68 336	1.10 338	0.96 327	1.40 371	1.25 350	1.46 371	1.08 347	2.05 323	2.24 353	0.66 370	0.61 307	0.58 371	0.57 375	0.66 365	1.65 375
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
NVStereoNet_ROB	1.45 367	1.62 349	3.59 356	1.09 361	0.70 325	0.86 313	0.67 334	1.19 355	1.51 376	1.20 354	4.05 403	1.61 374	1.94 383	2.97 385	2.07 341	0.67 371	0.69 320	0.55 370	0.70 381	0.57 355	0.67 278
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MFMNet_re	1.01 328	1.73 358	3.04 306	0.85 344	0.76 332	0.93 329	0.81 350	1.02 295	1.10 351	1.05 337	1.06 341	0.84 291	0.96 338	0.93 177	0.97 258	0.68 372	0.61 307	0.63 374	0.60 379	0.77 372	0.80 304

WAO-7	1.58 378	2.04 379	3.25 320	0.94 352	0.75 329	1.75 379	1.13 373	1.87 387	1.97 388	1.46 376	2.53 387	1.98 380	1.75 376	3.13 387	2.48 360	0.69 373	0.67 316	0.94 383	0.74 386	0.80 375	0.77 297

CAS	0.39 15	0.31 7	1.79 9	0.81 342	0.34 208	0.51 45	0.23 57	0.49 14	0.42 9	0.23 6	0.31 25	0.20 2	0.17 1	0.30 2	0.25 23	0.77 374	0.06 1	0.07 1	0.05 1	0.10 10	0.41 188

SQANet	0.92 311	1.96 370	3.23 317	0.77 336	0.83 340	0.76 276	0.38 234	0.87 197	0.68 159	0.64 236	0.69 241	0.73 256	0.52 238	1.35 227	1.36 305	0.80 375	0.30 257	0.60 373	0.29 303	0.93 377	0.70 290

LE_ROB	4.55 407	2.43 401	9.94 409	2.79 410	4.03 409	2.40 396	3.54 403	2.72 397	11.04 411	11.64 416	4.69 407	5.25 405	10.74 413	4.52 405	9.73 412	0.82 376	0.70 323	1.34 397	0.97 396	0.74 368	0.94 322

FINET	1.92 385	1.96 370	4.49 390	1.62 385	1.39 384	3.51 403	4.39 407	2.89 400	2.58 394	1.39 369	1.98 373	1.35 367	2.12 388	1.64 269	2.12 344	0.84 377	1.03 345	0.18 290	0.29 303	0.54 353	2.12 387

SGM-ForestM	3.67 404	2.70 408	5.34 400	1.65 387	1.72 396	6.02 411	5.08 409	4.10 409	3.47 401	4.59 409	4.21 405	9.81 413	5.79 409	6.44 409	6.97 408	0.88 378	1.09 348	0.33 352	0.45 358	0.68 366	2.10 386

ACVNet_2	1.54 375	2.20 388	4.42 388	1.10 363	0.93 351	1.37 361	0.87 354	1.53 375	1.71 383	1.22 358	1.72 367	2.12 382	1.06 345	2.58 361	1.93 333	0.94 379	0.54 296	1.00 386	0.56 374	2.11 404	0.96 327

FADNet_RVC	0.87 297	1.51 335	2.90 289	0.31 73	0.24 117	0.71 256	0.25 98	1.00 281	0.65 116	0.45 51	0.57 170	0.61 190	0.44 194	1.53 248	0.75 223	0.94 379	0.97 336	0.28 336	1.00 398	0.89 376	1.36 363

WAO-6	1.69 381	1.87 367	3.21 316	1.15 367	1.01 362	2.29 393	1.06 370	1.85 386	2.84 399	1.30 366	2.59 389	2.19 383	1.67 373	2.62 364	2.52 361	0.96 381	0.68 317	1.19 391	0.84 389	1.13 380	0.95 325

CC-Net-ROB	0.95 318	1.57 339	2.93 292	0.90 348	0.39 236	0.87 317	0.44 264	1.12 343	0.83 274	0.59 188	0.69 241	0.64 205	0.50 227	2.73 375	0.93 255	0.97 382	0.40 277	0.87 381	0.29 303	0.61 361	0.66 276

otaku	1.15 346	2.10 382	3.51 348	0.98 356	0.74 328	1.02 339	0.59 313	1.03 301	0.89 306	0.70 270	1.60 364	0.98 327	0.65 280	1.63 266	1.80 330	0.99 383	0.46 284	0.73 379	0.40 350	1.30 389	0.88 316

Ntro	1.11 343	2.10 382	3.52 350	0.97 355	0.87 345	1.06 345	0.54 297	1.02 295	0.93 319	0.63 225	0.76 285	0.93 316	0.67 288	1.76 284	1.71 321	1.03 384	0.46 284	0.76 380	0.41 354	1.29 387	0.86 315

MANE	3.51 403	2.03 378	3.88 370	1.89 398	2.01 400	5.98 410	4.72 408	5.87 413	7.13 410	3.80 408	5.10 408	6.11 409	5.34 407	4.39 403	5.05 402	1.07 385	1.28 365	0.50 368	0.85 390	0.76 371	2.36 403

ACVNet_1	1.47 369	2.27 394	4.92 394	1.11 364	0.89 346	1.19 357	0.66 330	1.28 361	1.19 361	0.98 329	0.97 324	3.06 392	1.48 367	2.37 345	1.82 331	1.08 386	0.49 290	1.03 388	0.48 362	1.20 383	0.95 325

PWCK	1.62 380	2.32 398	4.27 382	1.11 364	0.56 288	1.81 381	1.84 396	1.55 377	1.54 378	1.45 374	1.81 368	1.82 377	1.38 360	3.34 391	2.14 346	1.09 387	0.57 302	0.98 385	0.59 377	1.50 395	0.79 302

SGM+DAISY	2.67 393	2.14 384	4.28 384	1.92 399	2.11 403	4.36 408	5.22 410	3.17 401	3.00 400	3.24 407	3.81 402	3.03 390	3.61 401	2.53 357	3.79 387	1.15 388	1.29 366	0.66 375	0.71 384	0.95 378	2.44 404

MaskLacGwcNet_RVC	0.84 280	1.41 319	2.80 269	0.94 352	0.35 216	0.89 321	0.41 245	0.89 211	0.66 123	0.57 163	0.63 211	0.75 262	0.38 134	2.37 345	0.55 171	1.16 389	0.31 258	0.36 354	0.21 268	0.59 357	0.63 269

Dean	1.92 385	2.31 397	5.03 396	1.31 369	1.08 368	1.55 368	0.99 362	1.98 392	2.33 391	1.51 378	4.15 404	4.23 402	1.39 361	2.31 341	2.10 342	1.18 390	0.69 320	1.18 390	0.75 387	1.30 389	1.07 336

RainbowNet	1.27 352	2.22 389	3.58 355	1.14 366	0.92 349	1.08 347	0.76 345	1.19 355	1.15 358	0.77 294	0.97 324	1.08 349	0.83 318	1.64 269	1.72 323	1.20 391	1.30 368	1.01 387	0.58 376	1.23 384	0.97 330

TorneroNet-64	2.74 394	2.23 390	4.18 378	1.48 379	1.20 375	3.88 404	1.01 368	3.48 408	6.61 409	2.62 402	4.55 406	4.20 399	3.84 403	3.39 394	3.40 381	1.23 392	0.66 315	1.39 399	0.80 388	3.42 411	1.27 352

JetRed	3.37 401	4.96 413	10.08 410	1.48 379	1.73 397	7.63 412	5.47 411	3.47 406	2.20 389	2.42 398	2.40 384	2.98 389	2.35 391	3.52 396	6.60 406	1.33 393	1.90 385	1.38 398	1.23 403	2.30 406	2.02 383

IMH-64-1	1.50 370	1.98 372	2.69 244	1.39 374	1.12 371	1.39 362	1.19 380	1.80 384	1.47 374	1.19 349	2.20 380	1.53 372	1.51 369	2.12 332	1.98 334	1.34 394	0.68 317	1.28 394	0.70 381	1.37 391	1.12 338

IMH-64	1.50 370	1.98 372	2.69 244	1.39 374	1.12 371	1.39 362	1.19 380	1.80 384	1.47 374	1.19 349	2.20 380	1.53 372	1.51 369	2.12 332	1.98 334	1.34 394	0.68 317	1.28 394	0.70 381	1.37 391	1.12 338

TorneroNet	5.60 409	2.30 396	3.98 371	1.49 381	1.26 380	14.47 417	1.11 371	4.85 410	20.66 427	10.12 412	16.30 418	11.78 417	7.35 410	3.41 395	4.38 397	1.36 396	0.70 323	1.46 401	0.87 391	2.73 408	1.33 357

UNDER WATER	2.84 396	2.25 391	5.25 398	1.84 396	1.45 387	2.36 395	1.44 393	3.23 403	6.51 408	2.61 401	2.73 394	5.69 406	5.64 408	3.14 388	4.18 396	1.48 397	0.81 330	1.60 405	1.07 399	1.91 401	1.67 376

UNDER WATER-64	2.59 392	2.28 395	5.63 401	1.85 397	1.45 387	3.28 401	1.60 394	2.62 396	5.57 405	2.09 387	2.12 376	4.10 398	4.21 404	2.74 376	3.64 386	1.49 398	0.86 332	1.58 404	1.09 401	1.91 401	1.62 374

KSHMR	4.19 405	2.37 400	6.24 405	1.73 392	1.48 389	1.97 387	1.29 384	3.18 402	17.06 422	2.15 390	15.74 416	9.09 412	1.75 376	8.33 413	2.37 358	1.55 399	1.29 366	1.70 406	1.23 403	1.75 398	1.60 373

notaker	2.77 395	2.35 399	4.02 373	2.61 408	1.44 386	1.77 380	1.14 374	2.77 399	1.81 386	2.30 396	11.41 413	3.95 397	4.70 405	3.24 389	3.01 374	1.58 400	0.88 333	1.71 407	1.08 400	2.10 403	1.44 367

MSC_U_SF_DS_RVC	1.40 362	2.04 379	3.02 305	0.58 299	0.41 247	2.15 392	1.00 366	1.31 364	1.29 366	1.05 337	1.10 343	1.29 365	0.91 331	3.07 386	1.34 301	1.65 401	0.84 331	0.68 377	0.88 392	1.55 396	1.91 379

BEATNet-Init1	12.32 415	12.82 420	28.66 432	3.22 411	3.71 407	21.59 426	11.42 414	14.54 422	13.73 418	20.24 424	20.16 423	26.14 432	19.85 422	19.08 426	15.33 421	1.81 402	1.93 388	2.05 410	2.48 411	4.25 413	3.41 412

ktn	4.44 406	2.47 403	3.70 361	1.82 395	1.49 390	2.11 391	1.40 390	2.30 394	12.56 413	11.36 415	16.25 417	11.30 416	3.77 402	4.41 404	3.47 382	1.86 403	0.99 338	1.74 408	1.21 402	3.28 410	1.39 364

MFN_U_SF_RVC	1.57 377	2.56 406	3.30 326	0.66 319	0.41 247	1.15 353	0.51 288	1.27 360	1.35 369	1.61 381	1.20 347	1.43 369	0.97 339	1.80 293	2.10 342	1.88 404	1.79 383	1.97 409	2.14 408	1.61 397	1.76 378

WAO-8	2.91 397	2.55 404	3.77 362	1.93 400	1.04 365	4.08 406	0.99 362	3.25 404	6.09 406	2.20 392	3.34 400	3.33 394	2.64 393	11.73 415	2.52 361	2.12 405	1.92 386	1.55 402	0.93 393	1.27 385	0.96 327

Venus	2.91 397	2.55 404	3.77 362	1.93 400	1.04 365	4.08 406	0.99 362	3.25 404	6.09 406	2.20 392	3.34 400	3.33 394	2.64 393	11.73 415	2.52 361	2.12 405	1.92 386	1.55 402	0.93 393	1.27 385	0.96 327

SPstereo	16.55 420	3.18 410	4.92 394	2.73 409	2.77 405	29.67 427	52.00 429	39.41 436	29.70 437	21.94 432	21.64 426	27.45 434	23.83 428	27.92 437	26.10 430	2.44 407	2.60 408	4.96 414	3.11 412	2.27 405	2.32 402

MADNet++	2.94 400	2.17 385	3.27 322	2.55 407	2.28 404	3.29 402	3.37 402	2.76 398	2.67 397	3.10 406	3.20 399	2.78 387	3.25 399	4.11 401	4.68 400	2.72 408	2.27 404	3.03 412	2.43 410	2.34 407	2.59 405

LVE	2.10 389	2.61 407	4.30 386	1.79 394	1.81 398	1.68 377	1.04 369	2.35 395	2.78 398	1.27 363	2.87 396	4.21 401	1.46 364	2.83 381	2.02 336	2.87 409	0.92 335	1.19 391	1.47 407	1.29 387	1.18 341

DGTPSM_ROB	8.97 413	5.94 414	13.01 415	5.95 415	11.34 415	8.54 413	24.06 419	6.47 414	13.52 414	5.19 410	11.52 414	6.18 410	11.04 414	7.02 410	13.92 416	4.47 410	7.66 415	3.90 413	7.43 418	4.34 414	7.98 418

DGSMNet	2.93 399	0.77 181	3.44 344	3.58 412	4.25 410	2.53 398	6.86 412	1.03 301	0.88 301	0.58 169	1.85 370	0.79 274	0.62 274	1.63 266	1.46 312	4.62 411	4.98 414	5.15 416	4.71 415	4.52 415	4.37 413

IMH	2.14 391	2.46 402	3.60 358	1.70 389	1.13 373	1.65 375	0.93 360	2.13 393	1.93 387	1.37 367	2.64 392	2.19 383	1.82 380	5.77 406	2.18 349	5.70 412	1.05 346	1.31 396	0.72 385	1.39 393	1.13 340

ACVNet-4b	2.00 387	2.19 386	4.85 393	1.09 361	0.86 343	1.15 353	0.53 294	1.11 341	1.15 358	0.65 248	1.09 342	1.97 379	0.69 294	2.31 341	9.78 413	5.73 413	0.42 279	1.03 388	0.55 372	1.89 400	0.92 321

tt	4.94 408	0.32 14	4.22 380	2.29 404	1.58 392	10.19 415	16.94 418	9.44 417	5.03 404	1.69 382	1.33 356	4.68 403	5.02 406	3.38 393	5.91 405	6.15 414	9.47 421	2.80 411	3.16 413	3.54 412	1.58 372

PML	22.99 423	17.34 421	8.24 408	5.48 414	9.84 414	50.35 436	102.65 436	5.84 412	13.52 414	37.08 437	104.84 436	30.61 436	23.20 427	12.09 417	7.96 410	6.27 415	2.12 394	6.31 418	2.42 409	10.67 420	2.95 406

DPSM_ROB	12.32 415	11.13 418	12.31 413	12.90 420	12.80 418	19.81 424	28.13 425	14.50 420	14.31 419	10.62 413	11.34 411	12.03 418	11.89 417	13.08 420	15.22 419	7.09 416	8.31 418	6.47 419	7.32 416	8.69 418	8.43 420

DPSM	12.32 415	11.13 418	12.31 413	12.90 420	12.80 418	19.81 424	28.13 425	14.50 420	14.31 419	10.62 413	11.34 411	12.03 418	11.89 417	13.08 420	15.22 419	7.09 416	8.31 418	6.47 419	7.32 416	8.69 418	8.43 420

DLNR_Zeroshot_test	13.74 418	20.06 423	23.92 424	121.50 438	35.20 433	0.46 20	0.15 1	7.96 416	0.47 24	0.29 21	0.37 41	0.26 28	0.17 1	0.79 158	0.36 103	7.16 418	2.95 412	0.09 13	0.38 346	50.40 436	1.95 381

DPSMNet_ROB	9.58 414	5.96 415	13.98 418	8.88 417	11.87 416	8.54 413	24.08 420	6.48 415	13.67 417	5.35 411	11.53 415	6.31 411	11.04 414	7.69 411	14.09 417	7.61 419	8.23 417	5.03 415	7.75 419	5.24 416	8.36 419

HanzoNet	7.85 411	3.30 412	5.75 402	7.47 416	3.97 408	2.34 394	1.37 386	3.47 406	4.02 402	13.30 417	10.49 409	10.86 414	16.67 419	8.50 414	10.51 415	10.80 420	9.84 422	5.83 417	13.69 420	7.24 417	7.51 417

CasAABBNet	24.76 426	22.38 427	24.44 425	26.05 427	25.75 426	39.79 429	56.76 432	29.10 433	28.88 431	21.22 426	22.69 428	24.21 429	23.99 433	26.23 429	30.62 432	14.22 421	16.71 424	13.03 421	14.75 423	17.49 424	16.97 423

MyStereo03	24.90 428	22.40 429	24.90 427	26.19 429	25.93 428	39.80 430	56.77 433	29.00 430	28.95 433	21.51 429	22.81 430	24.16 426	23.92 429	26.26 430	30.65 433	14.24 422	17.13 426	13.03 421	14.76 425	17.48 421	18.00 426

MyStereo02	24.90 428	22.40 429	24.90 427	26.19 429	25.93 428	39.80 430	56.77 433	29.00 430	28.95 433	21.51 429	22.81 430	24.16 426	23.92 429	26.26 430	30.65 433	14.24 422	17.13 426	13.03 421	14.76 425	17.48 421	18.00 426

MyStereo	24.90 428	22.40 429	24.90 427	26.19 429	25.93 428	39.80 430	56.77 433	29.00 430	28.95 433	21.51 429	22.81 430	24.16 426	23.92 429	26.26 430	30.65 433	14.24 422	17.13 426	13.03 421	14.76 425	17.48 421	18.00 426

Selective-RAFT-Error	24.83 427	22.44 432	24.80 426	26.10 428	25.82 427	39.85 433	56.72 431	29.21 435	29.03 436	21.29 428	22.80 429	24.25 430	24.07 434	26.28 433	30.60 431	14.24 422	16.85 425	13.04 425	14.75 423	17.53 425	17.02 424

LSM0	26.57 431	22.53 433	25.76 430	30.62 433	52.30 437	39.86 434	56.49 430	29.18 434	28.76 430	21.26 427	22.46 427	24.42 431	23.97 432	26.42 434	30.66 436	14.29 426	16.56 423	13.06 426	14.65 422	17.62 426	20.52 429

LRCNet_RVC	13.78 419	19.34 422	13.01 415	19.47 423	12.67 417	1.85 382	0.42 251	12.28 418	1.10 351	15.76 419	18.69 422	12.52 420	8.65 411	12.22 418	9.64 411	22.29 427	8.38 420	25.92 429	24.06 430	19.72 428	17.59 425

xxxxx1	29.05 434	20.74 424	14.05 419	50.10 434	40.25 434	19.01 419	26.60 421	21.83 426	20.22 424	16.52 420	17.56 419	18.33 421	21.41 423	16.11 423	20.77 424	23.48 428	26.77 432	66.36 435	78.56 435	30.19 432	32.23 435

tt_ll	29.05 434	20.74 424	14.05 419	50.10 434	40.25 434	19.01 419	26.60 421	21.83 426	20.22 424	16.52 420	17.56 419	18.33 421	21.41 423	16.11 423	20.77 424	23.48 428	26.77 432	66.36 435	78.56 435	30.19 432	32.23 435

ff	29.05 434	20.74 424	14.05 419	50.10 434	40.25 434	19.01 419	26.60 421	21.83 426	20.22 424	16.52 420	17.56 419	18.33 421	21.41 423	16.11 423	20.77 424	23.48 428	26.77 432	66.36 435	78.56 435	30.19 432	32.23 435

HaxPig	19.88 421	22.39 428	22.30 422	17.98 422	17.98 421	12.06 416	12.06 415	16.25 423	15.97 421	21.05 425	21.41 425	18.85 424	18.35 420	20.07 427	19.64 423	23.57 431	23.19 431	24.07 428	23.71 429	22.95 429	23.72 432

DPSimNet_ROB	24.35 425	23.81 434	31.38 434	25.93 426	22.83 424	31.30 428	34.38 428	20.78 425	28.92 432	27.39 434	22.99 433	28.29 435	35.76 436	15.47 422	17.82 422	24.28 432	17.90 429	22.23 427	14.12 421	19.38 427	22.12 431

MEDIAN_ROB	23.95 424	26.96 436	26.29 431	22.14 424	22.09 423	16.18 418	14.23 416	20.47 424	20.09 423	25.43 433	25.22 434	22.96 425	22.54 426	24.33 428	23.18 428	28.15 433	27.16 435	28.60 431	27.73 431	27.59 430	27.58 433

ASD4	27.03 433	24.46 435	23.91 423	27.24 432	17.87 420	47.08 435	31.36 427	41.80 437	21.82 428	31.12 436	20.82 424	33.80 437	18.50 421	27.25 436	21.57 427	29.52 434	20.55 430	27.54 430	23.38 428	30.03 431	20.96 430

AVERAGE_ROB	26.91 432	30.28 437	29.18 433	25.78 425	25.30 425	19.49 423	15.38 417	23.70 429	23.02 429	28.38 435	27.78 435	26.23 433	25.76 435	26.95 435	25.55 429	31.27 435	30.02 436	31.76 432	30.80 432	30.88 435	30.77 434

Anonymous_1	22.76 422	11.11 417	11.93 412	12.73 419	26.05 431	19.39 422	27.77 424	14.18 419	13.64 416	14.92 418	10.66 410	11.26 415	11.24 416	12.48 419	14.45 418	37.82 436	7.87 416	34.92 433	63.61 433	87.51 437	11.75 422

FADE		3.24 411		2.10 402	2.93 406			4.99 411	2.50 393	1.28 364		3.05 391		8.01 412		96.22 437	36.26 437	65.47 434	65.78 434	1.78 399	1.34 359

test_example2	115.17 437	122.38 438	93.45 436	115.38 437	123.53 438	101.24 437	113.11 437	54.67 438	99.94 438	135.50 438	136.43 437	85.67 438	85.40 437	110.44 438	104.91 437	152.17 438	205.21 438	99.17 438	114.27 438	138.55 438	112.04 438

Low-res two-view benchmark