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	0.42 11	0.26 46	0.40 8	0.44 23	0.82 344	0.51 49	0.44 123	0.64 2	0.41 2	0.44 8	0.78 44	0.44 8	0.47 38	0.56 10	0.36 33	0.13 1	0.12 9	0.14 1	0.10 2	0.13 1	0.84 369

RAFT-Stereo + iAFF	0.54 61	0.25 35	0.68 88	0.43 8	0.24 9	0.40 10	0.34 43	1.04 80	1.09 168	1.32 244	1.60 281	0.80 94	0.68 126	0.67 30	0.39 54	0.13 1	0.10 1	0.18 36	0.17 74	0.17 24	0.13 3

AFF-stereo	0.58 94	0.25 35	0.64 72	0.46 35	0.29 63	0.34 4	0.38 68	1.15 120	1.14 189	1.17 175	1.60 281	1.10 200	0.71 134	0.97 87	0.43 81	0.13 1	0.11 3	0.19 49	0.19 107	0.17 24	0.14 11

Selective-IGEV	0.39 5	0.24 19	0.50 18	0.44 23	0.25 18	0.46 18	0.33 33	1.25 150	0.40 1	0.35 1	0.45 3	0.52 36	0.30 4	1.07 108	0.30 1	0.14 4	0.12 9	0.17 14	0.13 11	0.16 13	0.13 3

s12784h	0.52 38	0.20 2	0.38 4	0.41 5	0.19 1	0.96 223	0.34 43	1.17 123	1.25 233	0.81 65	0.90 64	0.63 56	0.50 55	1.45 167	0.42 72	0.14 4	0.12 9	0.17 14	0.11 6	0.18 41	0.11 1

CES	0.48 31	0.20 2	0.37 2	0.39 4	1.39 381	0.55 65	0.35 46	0.98 61	0.66 40	0.44 8	0.66 22	0.35 1	0.27 2	0.56 10	0.33 16	0.15 6	0.13 42	0.15 3	0.10 2	0.19 71	1.46 386

ProNet	0.43 13	0.28 83	0.58 48	0.43 8	0.30 79	0.56 68	0.52 178	1.00 67	0.58 18	0.44 8	0.49 8	0.43 6	0.43 22	1.28 131	0.36 33	0.15 6	0.13 42	0.19 49	0.16 58	0.17 24	0.16 41

test_4	0.53 47	0.22 9	0.56 37	0.54 133	0.32 106	0.64 96	0.39 79	0.80 17	0.62 23	0.92 81	1.87 322	0.68 68	0.42 20	1.16 121	0.37 38	0.15 6	0.13 42	0.20 73	0.22 196	0.20 97	0.15 27

test_3	0.55 76	0.23 13	0.71 114	0.53 118	0.28 52	0.61 87	0.40 82	0.92 40	1.05 150	1.19 183	0.68 26	0.93 144	0.44 26	1.67 205	0.39 54	0.15 6	0.12 9	0.22 122	0.19 107	0.21 131	0.14 11

cross-raft	0.54 61	0.25 35	0.61 59	0.52 110	0.29 63	0.68 127	0.37 64	1.46 187	0.76 59	1.01 103	1.06 112	1.28 245	0.46 32	0.71 37	0.35 27	0.15 6	0.12 9	0.18 36	0.16 58	0.19 71	0.14 11

AE-Stereo	0.49 34	0.27 67	0.67 85	0.60 205	0.39 177	0.67 121	0.46 141	1.18 128	1.09 168	0.47 13	0.75 39	0.69 73	0.47 38	0.59 14	0.40 57	0.16 11	0.15 125	0.21 96	0.20 135	0.19 71	0.15 27

MIM_Stereo	0.57 89	0.24 19	0.92 214	0.46 35	0.30 79	0.54 59	0.28 17	1.27 152	0.75 56	1.00 100	1.16 155	0.93 144	0.53 64	1.45 167	0.61 172	0.16 11	0.16 156	0.20 73	0.19 107	0.17 24	0.14 11

AEACV	0.37 3	0.24 19	0.52 26	0.47 41	0.51 243	0.37 8	0.38 68	0.65 3	0.53 16	0.42 4	0.56 18	0.46 15	0.60 96	0.53 5	0.30 1	0.16 11	0.13 42	0.18 36	0.15 30	0.17 24	0.14 11

DCRE	0.82 211	0.26 46	0.70 103	0.58 181	0.44 202	0.54 59	0.48 155	0.95 51	0.78 63	0.78 56	7.33 399	0.86 122	0.52 59	0.76 47	0.41 64	0.16 11	0.16 156	0.19 49	0.17 74	0.18 41	0.17 60

DCANet-4	0.54 61	0.26 46	1.07 260	0.42 7	0.24 9	0.48 20	0.36 55	0.99 63	1.30 260	1.10 130	1.02 98	0.56 40	0.75 139	0.73 42	0.52 136	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

fff	0.53 47	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 55	1.07 101	1.25 233	1.10 130	1.02 98	0.57 42	1.06 266	0.73 42	0.52 136	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

ADStereo(finetuned)	0.57 89	0.24 19	1.06 256	0.43 8	0.24 9	0.49 30	0.35 46	1.05 86	1.30 260	1.12 136	1.03 106	0.58 46	1.20 292	0.84 63	0.51 130	0.16 11	0.13 42	0.17 14	0.13 11	0.18 41	0.19 111

RAFT_CTSACE	0.63 115	0.26 46	0.88 199	0.55 152	0.51 243	0.71 141	0.44 123	0.80 17	0.97 117	0.97 92	1.84 317	1.18 218	0.68 126	1.47 173	0.36 33	0.16 11	0.15 125	0.21 96	0.20 135	0.20 97	0.14 11

IPLG	0.69 152	0.27 67	0.97 227	0.51 94	0.43 196	0.79 174	0.33 33	1.21 135	1.06 153	1.30 232	1.10 127	0.52 36	0.55 73	3.16 306	0.63 179	0.16 11	0.14 75	0.19 49	0.16 58	0.18 41	0.17 60

GMOStereo	0.53 47	0.26 46	0.65 76	0.50 71	0.29 63	0.52 51	0.43 111	0.89 32	0.96 110	1.41 275	1.14 146	0.85 118	0.56 77	0.59 14	0.38 48	0.16 11	0.14 75	0.24 169	0.21 171	0.20 97	0.15 27

error version	0.53 47	0.26 46	0.65 76	0.50 71	0.29 63	0.52 51	0.43 111	0.89 32	0.96 110	1.41 275	1.14 146	0.85 118	0.56 77	0.59 14	0.38 48	0.16 11	0.14 75	0.24 169	0.21 171	0.20 97	0.15 27

test-v	0.53 47	0.26 46	0.65 76	0.50 71	0.29 63	0.52 51	0.43 111	0.89 32	0.96 110	1.41 275	1.14 146	0.85 118	0.56 77	0.59 14	0.38 48	0.16 11	0.14 75	0.24 169	0.21 171	0.20 97	0.15 27

test-3	0.54 61	0.22 9	0.68 88	0.47 41	0.27 33	0.58 74	0.35 46	0.92 40	1.00 134	1.32 244	0.69 29	0.87 126	0.45 29	1.68 210	0.37 38	0.16 11	0.11 3	0.20 73	0.16 58	0.17 24	0.13 3

test_1	0.54 61	0.22 9	0.68 88	0.47 41	0.27 33	0.58 74	0.35 46	0.92 40	1.00 134	1.28 219	0.68 26	0.87 126	0.45 29	1.67 205	0.37 38	0.16 11	0.11 3	0.20 73	0.16 58	0.17 24	0.13 3

test-2	0.53 47	0.26 46	0.65 76	0.50 71	0.29 63	0.52 51	0.43 111	0.89 32	0.96 110	1.41 275	1.14 146	0.85 118	0.56 77	0.59 14	0.38 48	0.16 11	0.14 75	0.24 169	0.21 171	0.20 97	0.15 27

CREStereo++_RVC	0.47 29	0.21 4	0.38 4	0.45 32	0.38 169	0.45 17	0.25 4	0.75 8	1.29 254	0.80 61	1.21 168	0.47 18	0.37 12	0.53 5	0.44 83	0.16 11	0.11 3	0.15 3	0.80 377	0.18 41	0.11 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
DCANet	0.54 61	0.24 19	0.70 103	0.43 8	0.24 9	0.49 30	0.36 55	1.05 86	1.30 260	1.12 136	1.03 106	0.58 46	0.92 211	0.81 58	0.52 136	0.16 11	0.13 42	0.17 14	0.13 11	0.18 41	0.19 111

csc	0.53 47	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 55	1.07 101	1.25 233	1.10 130	1.02 98	0.57 42	1.06 266	0.73 42	0.52 136	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

cscssc	0.53 47	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 55	1.07 101	1.25 233	1.10 130	1.02 98	0.57 42	1.06 266	0.73 42	0.52 136	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

CFNet-RSSM	0.54 61	0.24 19	0.70 103	0.48 51	0.28 52	0.60 84	0.27 14	1.49 191	1.14 189	1.06 114	0.93 69	1.08 192	0.54 67	0.70 33	0.35 27	0.16 11	0.12 9	0.17 14	0.15 30	0.16 13	0.14 11

Gwc-CoAtRS	0.52 38	0.24 19	0.68 88	0.48 51	0.29 63	0.64 96	0.25 4	1.16 121	1.08 162	1.01 103	1.00 86	1.12 205	0.56 77	0.69 31	0.37 38	0.16 11	0.13 42	0.17 14	0.15 30	0.15 5	0.15 27

MyStereo07	0.48 31	0.29 110	0.50 18	0.55 152	0.45 209	0.59 78	0.79 272	1.05 86	0.51 13	0.48 17	0.53 10	0.43 6	0.55 73	1.30 135	0.34 24	0.17 32	0.16 156	0.24 169	0.20 135	0.23 177	0.20 133

MyStereo06	0.61 106	0.28 83	0.95 221	0.56 164	0.46 219	0.61 87	0.73 259	1.78 265	0.67 41	1.03 110	1.12 138	1.13 210	0.56 77	0.78 50	0.41 64	0.17 32	0.16 156	0.23 149	0.20 135	0.22 152	0.20 133

MyStereo05	0.66 138	0.28 83	1.07 260	0.56 164	0.46 219	0.61 87	0.73 259	1.34 162	1.41 306	1.15 155	0.91 65	0.77 86	0.80 163	1.41 163	0.63 179	0.17 32	0.16 156	0.23 149	0.20 135	0.22 152	0.20 133

MyStereo04	0.67 147	0.29 110	1.07 260	0.55 152	0.45 209	0.59 78	0.79 272	1.50 195	1.40 303	0.91 79	0.91 65	0.74 80	0.86 192	1.52 178	0.62 175	0.17 32	0.16 156	0.24 169	0.20 135	0.23 177	0.20 133

ff7	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 95	0.87 24	0.50 6	0.49 20	0.53 10	0.44 8	0.48 46	1.38 152	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

ffff	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 95	0.87 24	0.50 6	0.49 20	0.53 10	0.44 8	0.48 46	1.38 152	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

11t	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 95	0.87 24	0.50 6	0.49 20	0.53 10	0.44 8	0.48 46	1.38 152	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

MSKI-zero shot	0.55 76	0.26 46	0.57 45	0.51 94	0.26 20	0.69 131	0.28 17	1.18 128	0.64 27	0.91 79	1.32 207	0.82 102	0.33 10	1.92 239	0.32 7	0.17 32	0.12 9	0.17 14	0.13 11	0.16 13	0.16 41

RAFT-Test	0.54 61	0.25 35	0.64 72	0.47 41	0.30 79	0.97 227	0.27 14	1.24 148	0.81 69	0.96 89	1.12 138	1.28 245	0.48 46	0.71 37	0.36 33	0.17 32	0.13 42	0.17 14	0.14 22	0.16 13	0.16 41

LL-Strereo2	0.52 38	0.33 187	0.69 97	0.52 110	0.37 152	0.70 138	0.30 22	1.13 117	0.67 41	0.94 87	0.78 44	0.91 135	0.42 20	1.05 103	0.42 72	0.17 32	0.16 156	0.29 253	0.25 238	0.21 131	0.16 41

4D-IteraStereo	0.48 31	0.24 19	0.76 154	0.50 71	0.44 202	0.66 117	0.31 27	0.87 24	1.02 139	1.03 110	0.72 34	0.78 89	0.32 9	0.64 26	0.37 38	0.17 32	0.11 3	0.23 149	0.19 107	0.19 71	0.13 3

anonymousdsp	0.43 13	0.27 67	0.53 28	0.44 23	0.32 106	0.50 39	0.42 95	0.89 32	0.51 13	0.49 20	0.53 10	0.47 18	0.47 38	1.33 140	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

EGLCR-Stereo	0.37 3	0.22 9	0.51 24	0.43 8	0.26 20	0.44 16	0.22 2	0.99 63	0.48 4	0.42 4	0.42 2	0.67 66	0.29 3	0.86 68	0.33 16	0.17 32	0.12 9	0.19 49	0.17 74	0.17 24	0.15 27

MC-Stereo	0.43 13	0.23 13	0.48 15	0.51 94	0.28 52	0.39 9	0.32 30	0.88 31	0.68 44	0.60 38	0.84 54	0.56 40	0.61 105	1.03 97	0.31 5	0.17 32	0.11 3	0.17 14	0.15 30	0.16 13	0.13 3

RCA-Stereo	0.50 36	0.23 13	0.58 48	0.48 51	0.33 122	0.55 65	0.45 134	0.97 59	1.38 294	0.68 42	1.05 110	0.63 56	0.80 163	0.59 14	0.32 7	0.17 32	0.12 9	0.17 14	0.14 22	0.16 13	0.14 11

CroCo-Stereo Lap2	0.44 21	0.34 206	0.77 158	0.61 217	0.79 335	0.28 2	0.35 46	0.75 8	0.71 51	0.38 3	0.50 9	0.72 79	0.55 73	0.57 12	0.47 109	0.17 32	0.18 194	0.19 49	0.16 58	0.21 131	0.20 133

ccc-4	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 95	0.87 24	0.50 6	0.49 20	0.53 10	0.44 8	0.48 46	1.38 152	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

IGEV-Stereo	0.43 13	0.27 67	0.54 32	0.45 32	0.32 106	0.50 39	0.42 95	0.90 38	0.51 13	0.49 20	0.53 10	0.47 18	0.47 38	1.32 138	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.85 224	0.29 110	0.91 210	0.53 118	0.43 196	0.49 30	0.68 249	0.99 63	0.87 81	0.79 59	1.34 214	1.46 276	0.91 208	5.11 341	1.11 272	0.17 32	0.14 75	0.22 122	0.18 88	0.20 97	0.20 133

iRaft-Stereo_20w	0.65 130	0.31 157	1.00 235	0.47 41	0.34 137	0.73 146	0.30 22	2.96 381	0.70 47	1.15 155	1.14 146	0.76 85	0.65 123	1.11 114	0.38 48	0.17 32	0.13 42	0.18 36	0.16 58	0.19 71	0.18 78

GLC_STEREO	0.39 5	0.25 35	0.41 9	0.54 133	0.23 6	0.48 20	0.30 22	0.73 6	0.58 18	0.52 28	0.73 35	0.51 31	0.31 6	0.64 26	0.42 72	0.17 32	0.20 224	0.23 149	0.19 107	0.21 131	0.17 60

MIPNet	0.56 85	0.28 83	0.94 218	0.49 64	0.33 122	0.66 117	0.38 68	1.35 164	1.08 162	1.06 114	0.92 67	0.60 51	0.79 158	0.73 42	0.52 136	0.17 32	0.14 75	0.19 49	0.16 58	0.18 41	0.17 60

IPLGR	0.58 94	0.27 67	1.14 274	0.48 51	0.28 52	0.65 108	0.33 33	1.22 142	1.13 187	1.18 179	1.05 110	0.69 73	0.66 125	0.96 82	0.52 136	0.17 32	0.15 125	0.20 73	0.17 74	0.20 97	0.18 78

DEmStereo	0.97 258	0.23 13	0.79 168	0.47 41	0.32 106	1.04 238	0.56 207	0.93 44	0.89 88	1.39 272	2.14 343	1.02 177	2.07 368	5.64 355	0.77 213	0.17 32	0.15 125	0.20 73	0.20 135	0.18 41	0.20 133

DRaft	0.80 203	0.24 19	0.70 103	0.45 32	0.30 79	0.97 227	0.53 184	1.05 86	0.97 117	1.78 331	2.02 335	0.80 94	1.74 347	2.73 291	0.72 198	0.17 32	0.14 75	0.20 73	0.20 135	0.18 41	0.21 149

test-1	0.52 38	0.26 46	1.04 252	0.56 164	0.32 106	0.61 87	0.38 68	1.10 108	0.91 97	0.78 56	1.01 91	0.77 86	0.52 59	0.60 23	0.42 72	0.17 32	0.14 75	0.20 73	0.17 74	0.20 97	0.23 181

iRaftStereo_RVC	0.47 29	0.26 46	0.64 72	0.50 71	0.29 63	0.53 56	0.33 33	1.05 86	0.77 61	0.84 71	1.00 86	0.55 38	0.37 12	0.81 58	0.40 57	0.17 32	0.12 9	0.22 122	0.20 135	0.19 71	0.15 27

HITNet	0.65 130	0.40 248	0.77 158	0.48 51	0.24 9	1.05 239	0.49 162	1.76 258	1.02 139	1.18 179	1.18 160	0.89 133	0.80 163	0.85 65	0.79 221	0.17 32	0.12 9	0.21 96	0.17 74	0.29 239	0.15 27
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	0.65 130	0.29 110	1.00 235	0.58 181	0.49 227	0.91 204	0.35 46	1.18 128	1.31 264	1.16 166	1.27 189	0.90 134	0.64 118	0.72 39	0.95 249	0.18 60	0.14 75	0.20 73	0.18 88	0.22 152	0.26 223

IGEV_Zeroshot_test	0.53 47	0.30 126	0.99 230	0.56 164	0.35 140	0.41 12	0.32 30	1.37 167	0.63 25	1.00 100	1.09 123	0.95 153	0.41 18	0.83 61	0.39 54	0.18 60	0.12 9	0.19 49	0.18 88	0.19 71	0.17 60

CASnet	0.41 10	0.25 35	0.48 15	0.50 71	0.20 2	0.50 39	0.36 55	0.81 20	0.80 68	0.83 69	0.68 26	0.48 21	0.31 6	0.54 7	0.32 7	0.18 60	0.12 9	0.27 235	0.22 196	0.23 177	0.14 11
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.53 47	0.24 19	0.47 13	0.47 41	0.27 33	1.00 233	0.25 4	1.58 218	1.05 150	0.85 75	0.99 83	1.06 185	0.47 38	0.70 33	0.32 7	0.18 60	0.13 42	0.16 9	0.13 11	0.16 13	0.16 41

HH	0.63 115	0.30 126	0.77 158	0.50 71	0.32 106	0.49 30	0.46 141	1.65 232	0.64 27	0.69 43	1.09 123	1.63 303	0.85 184	1.90 237	0.37 38	0.18 60	0.13 42	0.19 49	0.17 74	0.19 71	0.16 41

HanStereo	0.63 115	0.30 126	0.77 158	0.50 71	0.32 106	0.49 30	0.46 141	1.65 232	0.64 27	0.69 43	1.09 123	1.63 303	0.85 184	1.90 237	0.37 38	0.18 60	0.13 42	0.19 49	0.17 74	0.19 71	0.16 41

anonymousdsp2	0.53 47	0.27 67	0.74 143	0.48 51	0.29 63	0.76 159	0.47 147	1.61 225	0.82 74	0.77 55	0.77 42	0.75 82	0.47 38	1.03 97	0.40 57	0.18 60	0.13 42	0.18 36	0.13 11	0.19 71	0.18 78

LoS	0.40 8	0.21 4	0.44 11	0.37 2	0.22 4	0.50 39	0.40 82	1.00 67	0.94 106	0.48 17	0.66 22	0.48 21	0.40 16	0.60 23	0.37 38	0.18 60	0.14 75	0.16 9	0.11 6	0.14 2	0.14 11

raft_robust	0.68 151	0.30 126	0.64 72	0.52 110	0.26 20	0.54 59	0.35 46	1.33 158	1.24 230	1.16 166	1.07 115	0.60 51	0.54 67	3.58 318	0.37 38	0.18 60	0.14 75	0.20 73	0.22 196	0.20 97	0.16 41

RAFT+CT+SA	0.58 94	0.29 110	0.60 56	0.66 262	0.37 152	0.42 13	0.55 201	1.27 152	1.03 142	0.70 45	1.22 170	0.60 51	0.70 132	1.64 199	0.41 64	0.18 60	0.13 42	0.22 122	0.22 196	0.21 131	0.18 78

test_5	0.65 130	0.30 126	0.75 145	0.67 272	0.50 233	0.92 210	0.52 178	1.39 173	1.12 178	0.76 52	1.11 132	1.00 168	0.90 206	1.53 182	0.45 91	0.18 60	0.13 42	0.23 149	0.22 196	0.21 131	0.19 111

LCNet	0.72 160	0.28 83	0.52 26	0.55 152	0.31 91	0.69 131	0.54 188	1.00 67	0.88 85	1.19 183	1.34 214	0.97 161	1.34 314	2.56 284	0.45 91	0.18 60	0.13 42	0.21 96	0.25 238	0.27 220	0.73 364

STrans-v2	1.04 276	0.28 83	0.96 225	0.49 64	0.32 106	0.68 127	0.79 272	2.47 373	1.12 178	1.12 136	1.46 251	1.40 263	1.46 323	6.70 375	0.43 81	0.18 60	0.13 42	0.20 73	0.18 88	0.18 41	0.18 78

RAFT-RH_RVC	1.03 273	0.24 19	0.67 85	0.49 64	0.28 52	0.81 183	0.33 33	0.83 21	1.08 162	2.05 351	4.65 386	1.04 183	0.57 85	5.98 363	0.50 127	0.18 60	0.13 42	0.26 224	0.20 135	0.16 13	0.17 60

RAFT-345	0.84 220	0.25 35	0.66 82	0.50 71	0.27 33	0.54 59	0.42 95	0.83 21	1.11 174	1.32 244	2.34 351	0.86 122	0.54 67	5.72 356	0.47 109	0.18 60	0.13 42	0.22 122	0.17 74	0.17 24	0.16 41

CroCo-Stereo	0.40 8	0.31 157	0.73 129	0.58 181	0.27 33	0.26 1	0.33 33	0.95 51	0.81 69	0.42 4	0.47 5	0.65 62	0.47 38	0.39 1	0.34 24	0.18 60	0.15 125	0.16 9	0.14 22	0.19 71	0.16 41
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	0.74 177	0.25 35	0.59 52	0.54 133	0.34 137	0.72 143	0.99 317	1.01 72	0.87 81	1.36 260	1.78 310	1.12 205	0.81 166	2.09 255	0.46 104	0.18 60	0.12 9	0.25 205	0.25 238	0.20 97	0.85 370

Prome-Stereo	0.75 184	0.27 67	0.53 28	0.55 152	0.32 106	0.59 78	0.97 313	0.89 32	0.88 85	1.45 284	2.46 357	0.91 135	1.41 317	1.58 192	0.44 83	0.18 60	0.13 42	0.19 49	0.17 74	0.20 97	0.92 371

raft+_RVC	0.53 47	0.26 46	0.54 32	0.60 205	0.47 223	0.54 59	0.54 188	1.27 152	0.99 129	0.76 52	1.03 106	0.70 76	0.56 77	0.93 81	0.47 109	0.18 60	0.14 75	0.19 49	0.18 88	0.18 41	0.15 27

TANstereo	0.44 21	0.21 4	0.44 11	0.41 5	0.21 3	0.65 108	0.26 9	0.79 12	0.83 75	0.93 82	0.98 81	0.51 31	0.46 32	0.54 7	0.35 27	0.18 60	0.24 271	0.16 9	0.13 11	0.16 13	0.26 223

111	0.60 100	0.23 13	0.70 103	0.43 8	0.24 9	0.72 143	0.42 95	1.18 128	1.41 306	0.80 61	1.38 227	1.10 200	0.79 158	0.96 82	0.58 161	0.18 60	0.13 42	0.17 14	0.15 30	0.17 24	0.19 111

test_xeample3	0.42 11	0.28 83	0.69 97	0.43 8	0.33 122	0.56 68	0.38 68	0.79 12	0.45 3	0.53 29	0.46 4	0.44 8	0.44 26	1.38 152	0.31 5	0.18 60	0.14 75	0.19 49	0.15 30	0.17 24	0.16 41

ARAFT	0.77 191	0.36 229	1.49 323	0.51 94	0.31 91	0.90 202	0.82 282	1.90 290	1.06 153	1.62 318	1.24 176	1.02 177	0.64 118	1.84 230	0.50 127	0.18 60	0.14 75	0.28 245	0.27 259	0.17 24	0.16 41

EAI-Stereo	0.65 130	0.28 83	0.69 97	0.53 118	0.27 33	0.60 84	0.40 82	2.28 360	0.64 27	0.71 47	3.18 369	0.57 42	0.43 22	1.06 104	0.41 64	0.18 60	0.13 42	0.17 14	0.17 74	0.17 24	0.17 60

CREStereo	0.39 5	0.21 4	0.38 4	0.34 1	0.22 4	0.53 56	0.29 19	0.77 11	1.11 174	0.58 32	0.71 32	0.51 31	0.41 18	0.54 7	0.34 24	0.18 60	0.13 42	0.15 3	0.10 2	0.14 2	0.14 11
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	0.62 109	0.30 126	0.83 178	0.48 51	0.36 145	0.95 219	0.33 33	2.37 367	0.67 41	1.25 210	1.00 86	0.68 68	0.51 57	0.91 75	0.61 172	0.18 60	0.15 125	0.21 96	0.17 74	0.19 71	0.19 111
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	0.57 89	0.26 46	0.63 66	0.54 133	0.36 145	0.69 131	0.54 188	1.22 142	0.72 52	1.61 315	1.50 261	0.75 82	0.53 64	0.64 26	0.44 83	0.18 60	0.15 125	0.17 14	0.15 30	0.17 24	0.17 60

RAFT-Stereo	0.57 89	0.26 46	0.63 66	0.54 133	0.36 145	0.69 131	0.54 188	1.22 142	0.72 52	1.61 315	1.50 261	0.75 82	0.53 64	0.64 26	0.44 83	0.18 60	0.15 125	0.17 14	0.15 30	0.17 24	0.17 60
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MLCV	0.72 160	0.34 206	1.10 267	0.51 94	0.23 6	0.91 204	0.39 79	1.33 158	1.23 226	1.46 286	1.55 269	1.01 175	0.64 118	1.95 244	0.80 224	0.18 60	0.12 9	0.18 36	0.14 22	0.19 71	0.17 60

iResNet	0.75 184	0.40 248	1.36 305	0.67 272	0.29 63	0.92 210	0.59 227	1.52 203	1.25 233	1.28 219	1.48 257	0.94 147	0.76 147	1.62 197	0.78 215	0.18 60	0.14 75	0.18 36	0.15 30	0.22 152	0.23 181

DN-CSS_ROB	0.64 125	0.32 171	1.05 253	0.55 152	0.40 182	0.54 59	0.45 134	1.21 135	0.93 103	1.03 110	1.47 252	0.69 73	0.63 115	1.76 223	0.49 121	0.18 60	0.14 75	0.25 205	0.22 196	0.22 152	0.20 133

pmcnn	2.37 374	0.42 257	2.71 374	0.63 236	0.43 196	1.54 308	1.19 340	2.01 317	1.53 324	2.64 371	7.60 400	18.07 416	1.45 322	3.44 315	2.78 360	0.18 60	0.15 125	0.15 3	0.12 9	0.20 97	0.18 78

IGEVStereo-DCA	0.46 24	0.28 83	0.56 37	0.43 8	0.33 122	0.49 30	0.42 95	0.87 24	0.50 6	0.47 13	0.48 6	0.48 21	0.46 32	2.03 250	0.30 1	0.19 92	0.14 75	0.19 49	0.15 30	0.16 13	0.18 78

rrr	0.46 24	0.28 83	0.73 129	0.43 8	0.33 122	0.49 30	0.38 68	0.76 10	0.50 6	0.47 13	0.48 6	0.48 21	0.46 32	2.03 250	0.30 1	0.19 92	0.14 75	0.19 49	0.15 30	0.16 13	0.16 41

StereoIM	0.36 1	0.25 35	0.58 48	0.44 23	0.34 137	0.30 3	0.30 22	0.72 5	0.50 6	0.37 2	0.36 1	0.58 46	0.49 54	0.52 4	0.36 33	0.19 92	0.16 156	0.19 49	0.15 30	0.18 41	0.14 11

CBFPSM	0.92 244	0.33 187	1.86 346	0.49 64	0.38 169	1.75 326	0.84 284	1.39 173	1.12 178	1.09 122	0.99 83	2.37 357	1.66 344	1.32 138	1.42 316	0.19 92	0.18 194	0.20 73	0.20 135	0.21 131	0.33 275

ToySt	0.66 138	0.33 187	1.23 284	0.51 94	0.33 122	0.86 197	0.68 249	1.10 108	0.97 117	0.84 71	1.08 118	1.25 234	0.94 222	1.01 94	0.74 202	0.19 92	0.19 207	0.24 169	0.24 227	0.27 220	0.23 181

anonymousa	0.72 160	0.27 67	0.75 145	0.47 41	0.63 293	1.43 299	0.45 134	1.24 148	0.89 88	1.28 219	1.75 307	1.62 301	1.13 280	0.69 31	0.59 163	0.19 92	0.16 156	0.23 149	0.25 238	0.20 97	0.18 78

Selective-RAFT	0.52 38	0.28 83	0.79 168	0.55 152	0.27 33	0.91 204	0.33 33	0.80 17	0.88 85	0.58 32	0.63 20	0.81 97	0.77 151	1.29 134	0.48 114	0.19 92	0.14 75	0.17 14	0.15 30	0.19 71	0.17 60

Sa-1000	0.72 160	0.29 110	0.76 154	0.59 194	0.30 79	0.73 146	0.37 64	1.62 228	1.33 272	1.28 219	2.04 337	0.86 122	0.75 139	1.84 230	0.38 48	0.19 92	0.14 75	0.25 205	0.23 216	0.20 97	0.16 41

SA	0.66 138	0.30 126	0.82 176	0.61 217	0.30 79	0.58 74	0.38 68	1.44 184	1.30 260	0.96 89	1.36 221	0.66 64	0.95 227	1.85 233	0.42 72	0.19 92	0.15 125	0.25 205	0.23 216	0.21 131	0.17 60

CrosDoStereo	1.58 336	0.24 19	0.72 117	0.48 51	0.29 63	0.67 121	12.49 412	1.10 108	0.98 122	1.34 255	1.75 307	1.00 168	1.89 357	6.65 371	0.81 225	0.19 92	0.15 125	0.20 73	0.22 196	0.18 41	0.19 111

TransformOpticalFlow	0.96 252	0.28 83	0.89 204	0.52 110	0.31 91	0.66 117	0.54 188	1.75 252	1.12 178	1.09 122	1.44 243	1.37 262	1.01 251	6.70 375	0.42 72	0.19 92	0.12 9	0.20 73	0.19 107	0.18 41	0.19 111

OMP-Stereo	0.94 248	0.33 187	0.72 117	0.90 354	0.31 91	0.49 30	0.36 55	1.16 121	1.06 153	1.58 314	1.12 138	1.46 276	0.69 129	6.94 378	0.49 121	0.19 92	0.14 75	0.24 169	0.18 88	0.20 97	0.14 11

IIG-Stereo	0.96 252	0.31 157	0.72 117	0.88 349	0.33 122	0.61 87	0.26 9	1.19 134	1.03 142	1.69 324	1.37 223	1.46 276	0.75 139	6.96 379	0.51 130	0.19 92	0.14 75	0.23 149	0.18 88	0.20 97	0.14 11

PSM-AAD	0.79 200	0.27 67	0.53 28	0.55 152	0.28 52	0.77 165	1.24 343	0.99 63	0.91 97	1.66 321	1.57 277	0.81 97	2.19 371	1.65 200	0.44 83	0.19 92	0.14 75	0.38 316	0.32 305	0.21 131	0.70 361

FTStereo	0.91 242	0.26 46	0.56 37	0.54 133	0.33 122	0.66 117	1.87 377	1.00 67	0.75 56	1.75 328	4.15 380	1.04 183	1.65 340	1.57 190	0.46 104	0.19 92	0.16 156	0.23 149	0.21 171	0.18 41	0.63 353

ASMatch	0.88 234	0.26 46	0.69 97	0.51 94	0.35 140	0.48 20	0.37 64	1.12 116	0.92 101	1.10 130	3.28 370	0.96 159	0.98 239	4.90 338	0.49 121	0.19 92	0.16 156	0.22 122	0.19 107	0.19 71	0.27 229

DeepStereo_LL	1.58 336	0.24 19	0.72 117	0.48 51	0.29 63	0.67 121	12.49 412	1.10 108	0.98 122	1.34 255	1.75 307	1.00 168	1.89 357	6.65 371	0.81 225	0.19 92	0.15 125	0.20 73	0.22 196	0.18 41	0.19 111

THIR-Stereo	1.02 272	0.27 67	0.69 97	0.49 64	0.28 52	0.95 219	1.34 350	1.03 76	0.97 117	1.34 255	1.90 325	1.17 215	1.58 333	6.44 368	0.78 215	0.19 92	0.14 75	0.21 96	0.22 196	0.19 71	0.20 133

GrayStereo	0.82 211	0.26 46	0.58 48	0.63 236	0.37 152	0.76 159	1.86 376	1.11 114	0.87 81	1.99 348	1.89 324	1.08 192	1.82 355	1.39 157	0.48 114	0.19 92	0.14 75	0.19 49	0.21 171	0.18 41	0.39 297

rafts_anoy	0.52 38	0.29 110	0.59 52	0.59 194	0.50 233	0.53 56	0.40 82	1.11 114	1.03 142	0.84 71	0.83 52	0.68 68	0.54 67	0.72 39	0.51 130	0.19 92	0.14 75	0.24 169	0.26 251	0.21 131	0.18 78

XX-TBD	0.46 24	0.70 337	0.35 1	0.79 321	0.25 18	0.58 74	0.26 9	0.69 4	1.27 245	0.76 52	1.00 86	0.45 14	0.33 10	0.47 3	0.37 38	0.19 92	0.15 125	0.15 3	0.11 6	0.17 24	0.14 11

raftrobust	0.52 38	0.25 35	0.56 37	0.65 257	0.52 251	0.49 30	0.34 43	0.98 61	0.91 97	1.30 232	0.87 59	0.63 56	0.81 166	0.78 50	0.41 64	0.19 92	0.15 125	0.16 9	0.14 22	0.15 5	0.16 41

RALAANet	0.60 100	0.33 187	0.87 196	0.62 228	0.50 233	0.69 131	0.31 27	1.21 135	1.06 153	1.09 122	1.16 155	0.88 129	0.46 32	1.22 125	0.42 72	0.19 92	0.15 125	0.21 96	0.17 74	0.27 220	0.17 60

MMNet	0.84 220	0.32 171	1.09 264	0.60 205	0.59 281	1.85 339	0.49 162	1.51 200	1.27 245	1.37 262	1.15 152	1.26 238	1.18 286	1.67 205	1.22 283	0.19 92	0.18 194	0.23 149	0.22 196	0.25 200	0.21 149

RASNet	1.12 292	0.30 126	0.91 210	0.66 262	0.77 330	0.97 227	0.57 217	1.37 167	1.35 283	1.02 106	1.34 214	2.11 347	1.43 319	7.09 380	1.39 307	0.19 92	0.17 180	0.17 14	0.19 107	0.18 41	0.16 41

CoDeX	0.73 174	0.29 110	0.93 216	0.54 133	0.36 145	1.14 253	0.61 232	2.34 365	1.17 204	1.16 166	1.25 180	0.91 135	0.87 195	1.33 140	0.64 182	0.20 117	0.16 156	0.21 96	0.18 88	0.20 97	0.18 78

ACVNet-DCA	0.56 85	0.31 157	0.50 18	0.54 133	0.26 20	1.18 263	0.51 169	1.42 177	0.78 63	0.58 32	0.79 47	0.48 21	0.88 199	1.46 169	0.32 7	0.20 117	0.12 9	0.25 205	0.15 30	0.22 152	0.21 149

xx1	0.67 147	0.31 157	0.50 18	0.54 133	0.26 20	1.18 263	0.51 169	0.93 44	3.05 382	0.58 32	0.79 47	0.95 153	0.77 151	1.46 169	0.32 7	0.20 117	0.12 9	0.24 169	0.23 216	0.22 152	0.21 149

1test111	0.54 61	0.31 157	0.50 18	0.54 133	0.26 20	1.18 263	0.51 169	1.42 177	0.78 63	0.58 32	0.79 47	0.48 21	0.88 199	0.88 70	0.59 163	0.20 117	0.12 9	0.25 205	0.15 30	0.22 152	0.21 149

cc1	0.64 125	0.31 157	0.50 18	0.54 133	0.26 20	1.18 263	0.51 169	0.93 44	3.05 382	0.58 32	0.79 47	0.48 21	0.88 199	1.46 169	0.32 7	0.20 117	0.12 9	0.25 205	0.15 30	0.19 71	0.19 111

DualNet	1.09 284	0.33 187	0.85 180	0.53 118	0.37 152	0.74 149	0.56 207	0.95 51	2.47 370	1.15 155	1.45 245	1.06 185	0.82 170	1.55 186	7.61 390	0.20 117	0.12 9	0.31 266	0.27 259	0.19 71	0.20 133

ffm	0.72 160	0.33 187	0.85 180	0.53 118	0.37 152	0.74 149	0.56 207	0.95 51	2.47 370	1.15 155	1.45 245	1.06 185	0.82 170	1.55 186	0.32 7	0.20 117	0.12 9	0.31 266	0.27 259	0.19 71	0.20 133

ff1	1.37 321	0.33 187	0.85 180	0.53 118	0.37 152	0.74 149	0.56 207	0.95 51	2.47 370	1.15 155	1.45 245	1.06 185	0.82 170	7.22 381	7.61 390	0.20 117	0.12 9	0.31 266	0.27 259	0.19 71	0.20 133

tt1	0.62 109	0.32 171	0.51 24	0.54 133	0.26 20	1.16 260	0.48 155	0.95 51	2.47 370	0.57 31	0.77 42	0.49 28	0.81 166	1.55 186	0.32 7	0.20 117	0.12 9	0.24 169	0.15 30	0.19 71	0.20 133

MIF-Stereo (partial)	0.45 23	0.25 35	0.70 103	0.50 71	0.52 251	0.35 5	0.26 9	0.91 39	0.59 21	0.45 12	0.71 32	0.51 31	0.51 57	1.11 114	0.45 91	0.20 117	0.16 156	0.23 149	0.20 135	0.24 190	0.18 78

MIF-Stereo	0.36 1	0.23 13	0.59 52	0.48 51	0.36 145	0.40 10	0.32 30	0.53 1	0.49 5	0.54 30	0.55 17	0.36 2	0.31 6	0.58 13	0.51 130	0.20 117	0.15 125	0.17 14	0.15 30	0.19 71	0.15 27

PCWNet_CMD	0.66 138	0.32 171	0.88 199	0.49 64	0.37 152	0.78 170	0.40 82	1.42 177	1.31 264	1.16 166	1.31 202	1.25 234	0.62 110	0.89 73	0.57 158	0.20 117	0.16 156	0.27 235	0.19 107	0.40 295	0.25 205

knoymous	0.51 37	0.29 110	0.47 13	0.43 8	0.30 79	0.55 65	0.55 201	1.02 73	0.77 61	0.98 96	0.85 55	0.94 147	0.56 77	0.85 65	0.45 91	0.20 117	0.14 75	0.26 224	0.14 22	0.23 177	0.23 181

riskmin	0.56 85	0.27 67	0.60 56	0.43 8	0.31 91	0.83 188	0.42 95	1.14 118	1.04 146	0.73 51	0.75 39	1.11 204	1.01 251	0.81 58	0.51 130	0.20 117	0.14 75	0.24 169	0.15 30	0.24 190	0.25 205

TestStereo1	0.63 115	0.28 83	0.75 145	0.76 315	0.31 91	0.48 20	0.43 111	1.30 156	1.21 221	0.97 92	1.31 202	0.64 59	0.77 151	1.75 218	0.42 72	0.20 117	0.15 125	0.22 122	0.18 88	0.21 131	0.17 60

IER	0.70 154	0.31 157	1.02 245	0.48 51	0.52 251	1.34 286	0.51 169	1.17 123	0.99 129	1.23 198	1.34 214	1.12 205	1.11 275	0.99 90	0.71 195	0.20 117	0.16 156	0.21 96	0.21 171	0.20 97	0.19 111

SA-5K	0.63 115	0.28 83	0.75 145	0.76 315	0.31 91	0.48 20	0.43 111	1.30 156	1.21 221	0.97 92	1.31 202	0.64 59	0.77 151	1.75 218	0.42 72	0.20 117	0.15 125	0.22 122	0.18 88	0.21 131	0.17 60

HHNet	0.62 109	0.26 46	0.63 66	0.43 8	0.45 209	0.50 39	0.58 220	1.07 101	1.01 136	1.25 210	2.23 346	0.70 76	0.61 105	1.07 108	0.47 109	0.20 117	0.13 42	0.23 149	0.19 107	0.19 71	0.30 255

NRIStereo	0.60 100	0.29 110	0.69 97	0.53 118	0.28 52	0.63 94	0.33 33	1.08 105	0.87 81	1.14 152	0.87 59	0.91 135	0.59 94	2.24 267	0.49 121	0.20 117	0.14 75	0.21 96	0.19 107	0.21 131	0.17 60

KYRaft	0.75 184	0.28 83	0.62 63	0.56 164	0.29 63	0.67 121	0.86 290	0.94 48	0.84 76	1.62 318	2.21 345	1.16 214	1.02 256	1.57 190	0.40 57	0.20 117	0.13 42	0.22 122	0.28 276	0.20 97	1.02 375

PFNet	0.91 242	0.26 46	1.10 267	0.63 236	0.32 106	0.64 96	0.56 207	1.17 123	0.99 129	1.47 287	1.08 118	0.98 162	0.69 129	6.62 370	0.54 150	0.20 117	0.12 9	0.24 169	0.19 107	0.20 97	0.17 60

AnonymousM	0.59 97	1.11 370	0.41 9	0.44 23	0.32 106	0.43 14	0.47 147	1.05 86	0.64 27	0.98 96	0.63 20	0.67 66	0.43 22	0.59 14	0.41 64	0.20 117	0.15 125	1.84 387	0.84 379	0.14 2	0.13 3

RALCasStereoNet	0.54 61	0.30 126	0.66 82	0.59 194	0.51 243	0.61 87	0.52 178	0.94 48	0.93 103	0.70 45	1.01 91	0.78 89	0.44 26	1.33 140	0.47 109	0.20 117	0.16 156	0.18 36	0.16 58	0.20 97	0.19 111

XX-Stereo	0.63 115	0.26 46	1.90 347	0.81 327	0.67 302	0.43 14	0.23 3	1.03 76	0.58 18	0.65 40	1.56 273	1.41 266	0.39 14	1.28 131	0.35 27	0.20 117	0.14 75	0.20 73	0.19 107	0.18 41	0.14 11

StereoDRNet-Refined	0.80 203	0.41 254	0.88 199	0.62 228	0.42 191	1.33 284	0.48 155	1.52 203	1.17 204	1.45 284	1.44 243	1.44 272	0.90 206	1.26 130	1.24 285	0.20 117	0.16 156	0.27 235	0.24 227	0.25 200	0.28 240
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet_ROB	0.77 191	0.30 126	0.99 230	0.57 175	0.36 145	0.83 188	0.36 55	2.33 363	1.58 328	1.27 217	1.30 197	1.25 234	0.84 181	1.65 200	0.79 221	0.20 117	0.14 75	0.17 14	0.12 9	0.18 41	0.27 229

11t1	0.52 38	0.28 83	0.68 88	0.51 94	0.28 52	0.83 188	0.39 79	1.22 142	0.63 25	0.84 71	0.74 37	0.68 68	0.68 126	0.91 75	0.57 158	0.21 143	0.18 194	0.19 49	0.16 58	0.20 97	0.21 149

test croco	0.46 24	0.27 67	1.01 239	0.50 71	0.40 182	0.35 5	0.37 64	0.87 24	0.56 17	0.43 7	0.76 41	0.42 4	0.40 16	1.13 117	0.45 91	0.21 143	0.15 125	0.24 169	0.19 107	0.24 190	0.16 41

LL-Strereo	1.33 317	0.39 244	1.38 306	0.61 217	0.61 287	0.75 155	0.66 244	1.63 230	1.17 204	1.56 308	1.60 281	2.03 343	2.12 369	9.72 406	0.97 254	0.21 143	0.18 194	0.27 235	0.23 216	0.22 152	0.25 205

gwcnet-sp	0.74 177	0.33 187	1.44 310	0.57 175	0.45 209	1.40 294	0.54 188	1.50 195	1.14 189	1.30 232	1.02 98	0.94 147	0.82 170	1.39 157	0.76 207	0.21 143	0.21 240	0.22 122	0.21 171	0.22 152	0.22 164

scenet	0.74 177	0.33 187	1.44 310	0.57 175	0.45 209	1.40 294	0.54 188	1.50 195	1.14 189	1.30 232	1.02 98	0.94 147	0.82 170	1.39 157	0.76 207	0.21 143	0.21 240	0.22 122	0.21 171	0.22 152	0.22 164

ssnet	0.74 177	0.33 187	1.44 310	0.57 175	0.45 209	1.40 294	0.54 188	1.50 195	1.14 189	1.30 232	1.02 98	0.94 147	0.82 170	1.39 157	0.76 207	0.21 143	0.21 240	0.22 122	0.21 171	0.22 152	0.22 164

qqq	0.57 89	0.34 206	0.71 114	0.47 41	0.27 33	0.64 96	0.62 234	1.42 177	0.78 63	0.80 61	0.92 67	0.95 153	0.77 151	0.88 70	0.59 163	0.21 143	0.20 224	0.24 169	0.23 216	0.22 152	0.21 149

x	0.54 61	0.31 157	0.61 59	0.47 41	0.30 79	0.67 121	0.47 147	1.53 209	0.79 67	0.81 65	0.83 52	0.78 89	0.70 132	0.70 33	0.62 175	0.21 143	0.19 207	0.22 122	0.19 107	0.21 131	0.20 133

DAS	0.84 220	0.34 206	1.03 249	0.64 245	0.69 310	0.77 165	0.63 235	1.54 211	1.20 216	1.79 334	1.55 269	0.95 153	1.04 259	2.83 293	0.60 170	0.21 143	0.16 156	0.25 205	0.18 88	0.27 220	0.22 164

SepStereo	0.82 211	0.34 206	1.03 249	0.64 245	0.69 310	0.77 165	0.63 235	1.54 211	1.20 216	1.79 334	1.55 269	0.95 153	1.04 259	2.30 271	0.60 170	0.21 143	0.16 156	0.25 205	0.18 88	0.27 220	0.22 164

DeepStereo_RVC	0.55 76	0.29 110	0.72 117	0.51 94	0.30 79	0.59 78	0.33 33	1.03 76	0.70 47	1.16 166	0.93 69	0.83 109	0.94 222	0.96 82	0.54 150	0.21 143	0.14 75	0.21 96	0.19 107	0.24 190	0.24 193

CRE-IMP	0.55 76	0.30 126	0.74 143	0.52 110	0.29 63	0.79 174	0.25 4	1.04 80	0.72 52	1.09 122	0.95 71	0.81 97	0.57 85	1.10 111	0.50 127	0.21 143	0.14 75	0.23 149	0.19 107	0.28 234	0.22 164

RAFT	0.64 125	0.30 126	0.73 129	0.59 194	0.33 122	0.68 127	0.58 220	1.04 80	0.76 59	1.08 117	1.19 163	1.65 308	0.93 217	1.06 104	0.56 156	0.21 143	0.18 194	0.27 235	0.24 227	0.22 152	0.17 60

CFNet_pseudo	0.66 138	0.32 171	0.86 186	0.48 51	0.39 177	0.70 138	0.40 82	1.33 158	1.22 223	1.16 166	1.34 214	1.24 230	0.64 118	0.98 88	0.59 163	0.21 143	0.16 156	0.33 286	0.19 107	0.36 275	0.25 205

RAFT + AFF	1.00 267	0.42 257	1.09 264	0.67 272	0.50 233	1.22 271	1.24 343	2.24 356	1.19 211	1.30 232	1.56 273	1.17 215	1.49 328	3.44 315	0.83 232	0.21 143	0.25 278	0.30 262	0.26 251	0.27 220	0.27 229

SFCPSM	0.70 154	0.28 83	1.02 245	0.51 94	0.38 169	1.37 289	0.66 244	2.00 313	1.03 142	1.17 175	1.21 168	0.82 102	0.78 156	1.03 97	0.53 144	0.21 143	0.17 180	0.22 122	0.24 227	0.21 131	0.19 111

delet	0.85 224	0.32 171	0.95 221	0.65 257	0.66 300	1.64 318	0.84 284	1.75 252	1.35 283	1.32 244	1.30 197	1.30 249	0.88 199	1.68 210	1.10 270	0.21 143	0.21 240	0.24 169	0.24 227	0.21 131	0.21 149

ACVNet	0.63 115	0.31 157	0.54 32	0.54 133	0.36 145	0.80 179	0.46 141	1.37 167	1.07 158	0.93 82	1.30 197	1.08 192	0.85 184	0.80 54	0.94 247	0.21 143	0.19 207	0.21 96	0.18 88	0.22 152	0.18 78

acv_ft	0.75 184	0.31 157	0.95 221	0.70 290	0.86 349	1.24 273	0.53 184	1.44 184	1.07 158	1.24 206	1.30 197	1.08 192	0.92 211	0.80 54	1.34 299	0.21 143	0.19 207	0.21 96	0.18 88	0.21 131	0.18 78

BEATNet_4x	0.73 174	0.49 283	1.17 278	0.53 118	0.26 20	1.03 236	0.55 201	1.82 273	1.06 153	1.21 190	1.22 170	0.96 159	0.91 208	1.01 94	1.06 262	0.21 143	0.14 75	0.24 169	0.19 107	0.37 279	0.21 149

MSMDNet	0.66 138	0.32 171	0.87 196	0.49 64	0.37 152	0.79 174	0.40 82	1.43 183	1.31 264	1.15 155	1.31 202	1.24 230	0.63 115	0.88 70	0.57 158	0.21 143	0.16 156	0.26 224	0.19 107	0.39 291	0.24 193

ccs_rob	0.66 138	0.33 187	0.86 186	0.48 51	0.39 177	0.70 138	0.40 82	1.33 158	1.22 223	1.16 166	1.34 214	1.23 228	0.64 118	0.98 88	0.59 163	0.21 143	0.16 156	0.35 303	0.20 135	0.37 279	0.25 205

LE_ROB	8.05 407	0.37 234	23.53 415	0.74 309	0.33 122	2.77 375	2.87 403	3.71 390	27.24 423	25.39 423	8.87 406	8.46 405	26.71 422	6.65 371	21.99 415	0.21 143	0.19 207	0.20 73	0.21 171	0.25 200	0.22 164

mmm	0.63 115	0.35 222	0.72 117	0.51 94	0.30 79	0.86 197	0.54 188	1.59 219	0.86 77	1.07 116	1.38 227	0.79 92	0.75 139	0.91 75	0.58 161	0.22 166	0.18 194	0.29 253	0.25 238	0.25 200	0.23 181

1111x	1.70 349	0.29 110	0.86 186	0.51 94	0.27 33	1.01 234	0.68 249	2.22 354	1.28 250	1.13 150	1.40 233	1.21 221	1.10 274	5.53 351	15.20 409	0.22 166	0.21 240	0.22 122	0.22 196	0.24 190	0.22 164

EKT-Stereo	0.53 47	0.30 126	0.73 129	0.58 181	0.60 284	0.51 49	0.48 155	0.94 48	0.90 92	0.71 47	0.88 61	0.77 86	0.43 22	1.07 108	0.40 57	0.22 166	0.16 156	0.21 96	0.18 88	0.20 97	0.22 164

hknet	0.77 191	0.32 171	0.95 221	0.54 133	0.38 169	1.27 277	0.65 239	2.16 342	1.07 158	1.20 187	1.11 132	1.59 297	0.81 166	1.37 148	0.66 184	0.22 166	0.17 180	0.25 205	0.22 196	0.22 152	0.22 164

Patchmatch Stereo++	0.55 76	0.30 126	0.73 129	0.50 71	0.27 33	0.65 108	0.29 19	1.05 86	0.64 27	1.12 136	0.96 73	0.83 109	0.60 96	1.37 148	0.45 91	0.22 166	0.14 75	0.24 169	0.20 135	0.26 208	0.18 78
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	1.83 354	0.28 83	0.72 117	0.61 217	0.32 106	0.67 121	0.51 169	0.96 58	0.98 122	1.47 287	1.20 166	1.00 168	1.18 286	2.83 293	22.77 418	0.22 166	0.13 42	0.22 122	0.19 107	0.23 177	0.15 27

PSM-adaLoss	0.54 61	0.30 126	0.73 129	0.50 71	0.27 33	0.65 108	0.41 93	1.04 80	0.64 27	1.12 136	0.96 73	0.82 102	0.61 105	1.06 104	0.45 91	0.22 166	0.14 75	0.24 169	0.20 135	0.26 208	0.18 78

ROB_FTStereo_v2	0.54 61	0.30 126	0.73 129	0.50 71	0.27 33	0.64 96	0.42 95	1.05 86	0.64 27	1.12 136	0.96 73	0.83 109	0.60 96	1.12 116	0.46 104	0.22 166	0.14 75	0.24 169	0.20 135	0.26 208	0.18 78

ROB_FTStereo	0.54 61	0.30 126	0.73 129	0.50 71	0.27 33	0.64 96	0.25 4	1.05 86	0.64 27	1.12 136	0.95 71	0.82 102	0.61 105	1.15 119	0.45 91	0.22 166	0.14 75	0.24 169	0.20 135	0.26 208	0.18 78

HUI-Stereo	0.52 38	0.30 126	0.73 129	0.50 71	0.27 33	0.65 108	0.30 22	1.04 80	0.64 27	1.12 136	0.96 73	0.83 109	0.60 96	0.79 53	0.45 91	0.22 166	0.14 75	0.24 169	0.20 135	0.26 208	0.18 78

SST-Stereo	0.83 216	0.28 83	0.72 117	0.59 194	0.31 91	0.72 143	0.26 9	1.09 106	0.86 77	1.47 287	1.10 127	1.00 168	0.87 195	5.73 357	0.45 91	0.22 166	0.13 42	0.23 149	0.19 107	0.23 177	0.18 78

RAFT_R40	0.83 216	0.28 83	0.73 129	0.59 194	0.31 91	0.69 131	0.44 123	1.10 108	0.95 108	1.47 287	1.10 127	1.00 168	0.85 184	5.53 351	0.46 104	0.22 166	0.13 42	0.23 149	0.20 135	0.23 177	0.18 78

iGMRVC	0.56 85	0.30 126	0.73 129	0.50 71	0.27 33	0.65 108	0.38 68	1.05 86	0.64 27	1.12 136	0.96 73	0.83 109	0.60 96	1.52 178	0.46 104	0.22 166	0.14 75	0.24 169	0.20 135	0.26 208	0.18 78

IRAFT_RVC	0.88 234	0.28 83	0.76 154	0.63 236	0.31 91	0.65 108	1.02 322	1.22 142	0.94 106	1.22 195	1.04 109	1.01 175	0.98 239	5.82 358	0.53 144	0.22 166	0.12 9	0.25 205	0.20 135	0.20 97	0.19 111

iRAFT	0.55 76	0.30 126	0.73 129	0.50 71	0.27 33	0.65 108	0.29 19	1.05 86	0.64 27	1.12 136	0.96 73	0.83 109	0.60 96	1.37 148	0.45 91	0.22 166	0.14 75	0.24 169	0.20 135	0.26 208	0.18 78

RAFT-IKP	0.54 61	0.30 126	0.73 129	0.50 71	0.27 33	0.59 78	0.36 55	1.04 80	0.64 27	1.12 136	0.96 73	0.83 109	0.61 105	1.22 125	0.45 91	0.22 166	0.14 75	0.24 169	0.20 135	0.26 208	0.18 78

TestStereo	0.64 125	0.39 244	0.71 114	0.51 94	0.27 33	0.56 68	0.42 95	1.03 76	0.91 97	0.80 61	1.00 86	0.68 68	0.52 59	3.25 308	0.45 91	0.22 166	0.15 125	0.24 169	0.18 88	0.27 220	0.16 41

sAnonymous2	0.55 76	0.56 303	1.46 316	0.60 205	0.51 243	0.48 20	0.52 178	0.79 12	0.68 44	0.50 26	0.67 24	0.46 15	0.62 110	0.59 14	0.40 57	0.22 166	0.17 180	0.22 122	0.21 171	0.86 367	0.56 340

CroCo_RVC	0.55 76	0.56 303	1.46 316	0.60 205	0.51 243	0.48 20	0.52 178	0.79 12	0.68 44	0.50 26	0.67 24	0.46 15	0.62 110	0.59 14	0.40 57	0.22 166	0.17 180	0.22 122	0.21 171	0.86 367	0.56 340

test_xeample	1.45 328	0.28 83	0.65 76	0.51 94	0.28 52	0.94 215	0.59 227	2.14 337	1.29 254	1.24 206	1.51 263	0.88 129	0.86 192	1.46 169	15.10 408	0.22 166	0.20 224	0.22 122	0.20 135	0.22 152	0.22 164

FENet	0.60 100	0.28 83	0.63 66	0.54 133	0.33 122	0.83 188	0.38 68	1.27 152	1.07 158	1.00 100	0.86 56	0.99 167	0.85 184	0.96 82	0.68 188	0.22 166	0.15 125	0.23 149	0.20 135	0.22 152	0.23 181

HSM-Net_RVC	0.87 233	0.29 110	0.53 28	0.53 118	0.30 79	1.15 258	0.55 201	3.57 388	1.28 250	1.53 300	1.74 304	1.68 311	0.93 217	1.49 175	0.77 213	0.22 166	0.17 180	0.19 49	0.18 88	0.20 97	0.19 111
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
HSM	1.19 304	0.32 171	0.65 76	0.57 175	0.38 169	1.23 272	0.59 227	2.25 357	1.19 211	1.30 232	1.25 180	1.94 333	1.03 258	9.32 401	0.71 195	0.22 166	0.16 156	0.20 73	0.16 58	0.21 131	0.21 149

whm_eth	0.65 130	0.47 275	1.05 253	0.55 152	0.64 295	0.69 131	0.45 134	1.34 162	1.26 238	1.02 106	1.92 327	0.49 28	0.48 46	0.70 33	0.52 136	0.23 189	0.20 224	0.25 205	0.24 227	0.24 190	0.31 265

DisPM	0.66 138	0.28 83	0.72 117	0.61 217	0.35 140	0.62 93	0.45 134	1.02 73	0.99 129	1.56 308	1.10 127	0.80 94	0.59 94	2.37 276	0.41 64	0.23 189	0.14 75	0.23 149	0.21 171	0.20 97	0.25 205

Wz-Net-LNSev-Ref	0.99 263	0.40 248	1.82 343	0.66 262	0.62 292	2.05 351	0.78 269	1.91 294	1.29 254	1.54 304	1.42 236	1.51 286	1.23 298	1.99 247	1.33 297	0.23 189	0.14 75	0.20 73	0.15 30	0.27 220	0.26 223

CIPLG	0.62 109	0.33 187	0.96 225	0.58 181	0.50 233	0.75 155	0.48 155	1.05 86	0.96 110	1.40 273	1.57 277	0.64 59	0.48 46	0.89 73	0.70 190	0.23 189	0.15 125	0.19 49	0.16 58	0.19 71	0.21 149

IPLGR_C	0.62 109	0.33 187	0.99 230	0.58 181	0.49 227	0.76 159	0.48 155	1.10 108	0.96 110	1.40 273	1.56 273	0.62 54	0.48 46	0.80 54	0.71 195	0.23 189	0.15 125	0.19 49	0.16 58	0.19 71	0.21 149

ACRE	0.61 106	0.33 187	1.01 239	0.58 181	0.49 227	0.75 155	0.47 147	1.06 99	0.95 108	1.37 262	1.55 269	0.62 54	0.46 32	0.83 61	0.70 190	0.23 189	0.15 125	0.19 49	0.16 58	0.18 41	0.21 149

TRStereo	0.60 100	0.60 320	0.97 227	0.74 309	0.67 302	0.46 18	0.38 68	1.85 279	0.89 88	0.79 59	0.80 51	0.88 129	0.39 14	1.10 111	0.41 64	0.23 189	0.15 125	0.23 149	0.24 227	0.17 24	0.15 27

NF-Stereo	0.80 203	0.30 126	0.75 145	0.60 205	0.31 91	0.64 96	0.44 123	1.21 135	0.90 92	1.29 224	1.02 98	0.82 102	0.57 85	5.40 349	0.48 114	0.23 189	0.14 75	0.24 169	0.20 135	0.20 97	0.30 255

Pruner-Stereo	0.62 109	0.29 110	0.70 103	0.61 217	0.31 91	0.63 94	0.43 111	1.17 123	0.99 129	1.53 300	1.08 118	0.95 153	0.55 73	1.35 144	0.51 130	0.23 189	0.14 75	0.24 169	0.21 171	0.21 131	0.23 181

UNet	0.83 216	0.34 206	1.31 297	0.58 181	0.74 320	1.58 312	0.49 162	1.41 175	1.04 146	1.21 190	1.08 118	1.54 289	1.12 278	1.65 200	1.09 267	0.23 189	0.17 180	0.25 205	0.20 135	0.25 200	0.22 164

FADNet-RVC-Resample	0.84 220	0.47 275	2.10 354	0.61 217	0.45 209	1.07 244	0.61 232	1.59 219	1.20 216	1.08 117	0.98 81	1.03 180	0.98 239	2.17 260	0.72 198	0.23 189	0.22 254	0.30 262	0.32 305	0.35 269	0.34 277

ADCRef	1.35 319	0.55 300	2.37 365	0.72 300	0.77 330	1.94 344	0.78 269	1.91 294	1.27 245	1.57 312	1.59 280	1.36 259	1.41 317	1.54 184	7.53 389	0.23 189	0.20 224	0.32 279	0.30 295	0.29 239	0.29 243

CFNet	0.96 252	0.36 229	1.01 239	0.62 228	0.42 191	0.99 231	0.47 147	1.90 290	1.32 269	0.99 98	1.39 231	1.10 200	0.86 192	5.58 354	0.79 221	0.23 189	0.17 180	0.28 245	0.27 259	0.26 208	0.21 149

iResNetv2_ROB	0.80 203	0.37 234	1.71 335	0.56 164	0.37 152	0.94 215	0.64 237	1.73 246	1.34 275	1.23 198	1.42 236	1.26 238	0.92 211	1.85 233	0.56 156	0.23 189	0.15 125	0.19 49	0.14 22	0.24 190	0.19 111

DISCO	1.03 273	0.34 206	1.11 269	0.69 285	0.45 209	2.07 352	0.84 284	2.13 333	1.50 319	1.15 155	1.33 209	2.40 359	1.07 269	2.60 286	1.51 325	0.23 189	0.18 194	0.22 122	0.20 135	0.31 255	0.27 229

SMFormer	0.75 184	0.30 126	0.86 186	0.46 35	0.26 20	0.82 184	0.43 111	2.05 322	1.39 298	1.23 198	1.47 252	0.98 162	0.95 227	1.71 213	0.82 230	0.24 204	0.20 224	0.22 122	0.21 171	0.23 177	0.24 193

tta	0.75 184	0.30 126	0.86 186	0.46 35	0.26 20	0.82 184	0.43 111	2.05 322	1.39 298	1.23 198	1.47 252	0.98 162	0.95 227	1.71 213	0.82 230	0.24 204	0.20 224	0.22 122	0.21 171	0.18 41	0.18 78

qqq1	0.72 160	0.30 126	0.86 186	0.46 35	0.26 20	0.82 184	0.43 111	2.05 322	1.39 298	1.23 198	1.47 252	0.98 162	0.95 227	1.71 213	0.44 83	0.24 204	0.20 224	0.18 36	0.15 30	0.18 41	0.18 78

fff1	0.72 160	0.30 126	0.86 186	0.46 35	0.26 20	0.82 184	0.43 111	2.05 322	1.39 298	1.23 198	1.47 252	0.98 162	0.95 227	1.71 213	0.44 83	0.24 204	0.20 224	0.18 36	0.15 30	0.18 41	0.18 78

mmx	1.39 323	0.33 187	0.85 180	0.53 118	0.37 152	0.74 149	0.56 207	2.13 333	1.37 290	1.15 155	1.45 245	1.06 185	0.82 170	7.22 381	7.61 390	0.24 204	0.19 207	0.31 266	0.27 259	0.30 248	0.25 205

xxx	1.39 323	0.33 187	0.85 180	0.53 118	0.37 152	0.74 149	0.56 207	2.13 333	1.37 290	1.15 155	1.45 245	1.06 185	0.82 170	7.22 381	7.61 390	0.24 204	0.19 207	0.31 266	0.27 259	0.30 248	0.25 205

iinet-f	0.99 263	0.45 269	3.71 382	0.55 152	0.43 196	1.81 334	0.68 249	1.14 118	1.14 189	1.18 179	1.42 236	1.58 296	1.44 320	1.34 143	1.59 329	0.24 204	0.23 262	0.20 73	0.19 107	0.26 208	0.25 205

BUS	0.74 177	0.32 171	0.68 88	0.54 133	0.44 202	2.34 363	0.42 95	2.16 342	0.98 122	1.20 187	1.11 132	1.03 180	0.62 110	0.91 75	0.70 190	0.24 204	0.17 180	0.25 205	0.22 196	0.22 152	0.22 164

BSDual-CNN	0.71 159	0.32 171	0.68 88	0.54 133	0.44 202	1.27 277	0.65 239	2.16 342	0.98 122	1.20 187	1.11 132	1.12 205	0.74 137	0.91 75	0.66 184	0.24 204	0.17 180	0.25 205	0.22 196	0.22 152	0.22 164

psmg	0.72 160	0.32 171	0.68 88	0.50 71	0.44 202	1.48 302	0.75 261	1.94 303	0.98 122	1.21 190	1.33 209	1.12 205	0.74 137	0.91 75	0.66 184	0.24 204	0.19 207	0.25 205	0.25 238	0.23 177	0.22 164

ADLNet2	0.88 234	0.34 206	1.17 278	0.77 318	0.64 295	1.12 251	0.76 264	1.74 250	1.24 230	1.21 190	1.65 294	1.71 314	1.05 263	1.67 205	1.17 279	0.24 204	0.21 240	0.21 96	0.22 196	0.26 208	0.29 243

OCTAStereo	0.80 203	0.30 126	0.75 145	0.60 205	0.31 91	0.64 96	0.44 123	1.21 135	0.90 92	1.29 224	1.01 91	0.82 102	0.57 85	5.35 344	0.48 114	0.24 204	0.14 75	0.24 169	0.20 135	0.20 97	0.30 255

PSM-softLoss	0.78 197	0.31 157	0.77 158	0.58 181	0.32 106	0.56 68	0.40 82	1.18 128	0.70 47	1.24 206	1.07 115	0.83 109	0.52 59	5.36 345	0.53 144	0.24 204	0.15 125	0.25 205	0.22 196	0.20 97	0.25 205

KMStereo	0.78 197	0.31 157	0.77 158	0.58 181	0.32 106	0.56 68	0.40 82	1.18 128	0.70 47	1.24 206	1.07 115	0.83 109	0.52 59	5.36 345	0.53 144	0.24 204	0.15 125	0.25 205	0.22 196	0.20 97	0.25 205

RE-Stereo	0.80 203	0.30 126	0.75 145	0.60 205	0.31 91	0.64 96	0.44 123	1.21 135	0.90 92	1.29 224	1.01 91	0.81 97	0.57 85	5.37 347	0.48 114	0.24 204	0.14 75	0.24 169	0.20 135	0.20 97	0.30 255

TVStereo	0.80 203	0.30 126	0.75 145	0.60 205	0.31 91	0.64 96	0.44 123	1.21 135	0.90 92	1.29 224	1.01 91	0.81 97	0.57 85	5.37 347	0.48 114	0.24 204	0.14 75	0.24 169	0.20 135	0.20 97	0.30 255

Anonymous	0.53 47	0.38 239	0.91 210	0.66 262	0.73 318	0.65 108	0.59 227	0.95 51	0.73 55	0.47 13	0.58 19	0.42 4	0.60 96	0.80 54	0.53 144	0.24 204	0.23 262	0.21 96	0.21 171	0.41 298	0.29 243

222	1.61 341	0.29 110	0.67 85	0.56 164	0.29 63	1.06 242	0.42 95	2.17 348	1.31 264	1.31 242	1.52 264	0.92 143	0.94 222	1.76 223	17.65 412	0.24 204	0.20 224	0.21 96	0.19 107	0.22 152	0.23 181

xxxx	1.51 332	0.28 83	0.68 88	0.54 133	0.28 52	1.16 260	0.44 123	2.19 350	1.29 254	1.09 122	1.36 221	1.22 223	0.85 184	1.79 226	15.70 411	0.24 204	0.21 240	0.21 96	0.20 135	0.22 152	0.23 181

GMStereo	0.55 76	0.45 269	0.94 218	0.50 71	0.32 106	0.64 96	0.43 111	1.00 67	1.40 303	0.82 68	0.73 35	0.51 31	0.45 29	0.85 65	0.55 154	0.24 204	0.15 125	0.20 73	0.21 171	0.31 255	0.24 193
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UPFNet	0.80 203	0.32 171	0.90 207	0.59 194	0.74 320	1.26 276	0.80 278	1.52 203	1.10 172	1.30 232	1.12 138	1.30 249	0.84 181	1.67 205	1.09 267	0.24 204	0.24 271	0.24 169	0.23 216	0.25 200	0.18 78

HGLStereo	0.85 224	0.38 239	0.94 218	0.80 324	1.03 362	1.17 262	0.58 220	1.52 203	1.20 216	1.19 183	1.62 288	1.13 210	1.20 292	1.80 227	1.06 262	0.24 204	0.24 271	0.24 169	0.21 171	0.23 177	0.27 229

SuperB	2.53 380	0.59 313	18.45 410	0.69 285	0.50 233	1.87 341	0.88 293	1.67 237	2.39 367	1.50 296	1.42 236	1.14 212	1.15 282	4.28 328	5.07 379	0.24 204	0.19 207	0.22 122	0.19 107	7.86 418	0.34 277

ADCP+	1.99 364	0.48 280	7.73 395	0.66 262	0.91 353	2.30 361	1.05 325	1.82 273	1.34 275	1.54 304	1.32 207	1.74 318	1.61 337	2.17 260	13.37 404	0.24 204	0.21 240	0.32 279	0.28 276	0.37 279	0.29 243

StereoVision	0.65 130	0.34 206	0.86 186	0.59 194	0.40 182	0.50 39	0.41 93	1.09 106	0.93 103	0.71 47	2.50 358	0.82 102	0.57 85	1.03 97	0.49 121	0.25 228	0.28 296	0.29 253	0.28 276	0.36 275	0.20 133

CFNet_ucs	0.70 154	0.33 187	0.88 199	0.50 71	0.43 196	0.74 149	0.44 123	1.60 222	1.29 254	1.22 195	1.54 267	1.09 198	0.63 115	0.99 90	0.59 163	0.25 228	0.20 224	0.37 313	0.21 171	0.40 295	0.28 240

AACVNet	0.86 229	0.35 222	0.79 168	0.82 332	0.39 177	0.76 159	0.49 162	1.61 225	0.81 69	1.08 117	1.33 209	1.30 249	0.93 217	4.34 329	0.74 202	0.25 228	0.21 240	0.28 245	0.22 196	0.29 239	0.25 205

PFNet+	0.59 97	0.28 83	0.77 158	0.53 118	0.30 79	0.59 78	0.31 27	0.92 40	1.14 189	1.33 252	1.10 127	0.79 92	0.57 85	1.31 136	0.49 121	0.25 228	0.17 180	0.28 245	0.26 251	0.21 131	0.25 205

psm_up	0.77 191	0.34 206	0.70 103	0.66 262	0.58 274	1.05 239	0.92 303	1.52 203	1.12 178	1.26 214	1.16 155	1.31 252	1.23 298	1.20 123	0.81 225	0.25 228	0.29 304	0.31 266	0.27 259	0.27 220	0.25 205

aanetorigin	1.23 305	0.79 348	2.78 376	0.70 290	0.79 335	0.99 231	1.06 326	1.06 99	1.37 290	3.52 387	2.61 360	1.72 315	1.63 338	1.99 247	1.78 335	0.25 228	0.24 271	0.26 224	0.25 238	0.38 287	0.45 314

EDNetEfficientorigin	10.57 410	1.47 384	177.42 436	0.67 272	0.53 254	1.58 312	1.16 337	1.90 290	3.37 386	4.71 400	3.38 371	3.10 376	2.69 382	3.13 305	3.58 370	0.25 228	0.23 262	0.33 286	0.27 259	0.83 366	0.81 367

cf-r	0.73 174	0.30 126	0.77 158	0.55 152	0.63 293	0.78 170	0.48 155	1.79 267	1.15 198	1.13 150	1.26 186	1.43 268	0.87 195	1.40 162	0.85 238	0.25 228	0.18 194	0.22 122	0.23 216	0.19 71	0.19 111

GANet-RSSM	0.72 160	0.28 83	0.63 66	0.64 245	0.58 274	0.80 179	0.58 220	1.89 287	1.08 162	1.04 113	1.25 180	1.15 213	1.04 259	1.49 175	0.62 175	0.25 228	0.19 207	0.22 122	0.22 196	0.22 152	0.21 149

GwcNet-RSSM	0.77 191	0.32 171	1.01 239	0.62 228	0.54 257	0.78 170	0.51 169	1.73 246	1.20 216	1.09 122	1.37 223	1.46 276	0.85 184	1.53 182	1.09 267	0.25 228	0.18 194	0.23 149	0.24 227	0.20 97	0.19 111

DMCA	0.67 147	0.34 206	0.90 207	0.51 94	0.44 202	0.86 197	0.47 147	1.42 177	1.02 139	1.17 175	1.12 138	1.23 228	0.75 139	0.78 50	0.95 249	0.25 228	0.19 207	0.27 235	0.19 107	0.24 190	0.27 229

NLCA_NET_v2_RVC	0.79 200	0.43 260	1.05 253	0.64 245	0.58 274	0.95 219	0.53 184	1.53 209	1.18 208	1.37 262	1.15 152	1.43 268	0.88 199	1.61 196	0.84 235	0.25 228	0.22 254	0.27 235	0.27 259	0.29 239	0.29 243
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	1.16 302	0.52 293	1.49 323	0.65 257	0.45 209	0.75 155	0.69 253	1.42 177	1.55 327	1.34 255	1.87 322	1.53 288	0.78 156	7.43 386	1.38 304	0.25 228	0.17 180	0.19 49	0.16 58	0.22 152	0.26 223

DLCB_ROB	0.86 229	0.40 248	0.78 166	0.68 282	0.54 257	1.11 248	0.84 284	1.49 191	1.23 226	1.64 320	1.65 294	1.70 313	0.91 208	1.70 212	1.05 260	0.25 228	0.24 271	0.26 224	0.27 259	0.27 220	0.24 193

fast-acv-ft	0.94 248	0.44 263	1.40 307	0.58 181	0.51 243	1.77 331	0.69 253	1.36 166	1.42 309	1.29 224	1.86 320	1.74 318	1.25 301	1.52 178	1.38 304	0.26 242	0.28 296	0.28 245	0.28 276	0.27 220	0.26 223

CRFU-Net	0.86 229	0.39 244	1.00 235	0.65 257	0.57 266	1.78 333	0.86 290	2.15 339	0.81 69	1.38 267	1.18 160	1.64 306	1.19 289	1.35 144	0.90 244	0.26 242	0.22 254	0.21 96	0.19 107	0.23 177	0.24 193

GANet-ADL	0.60 100	0.35 222	0.72 117	0.64 245	0.40 182	0.68 127	0.51 169	1.49 191	1.12 178	0.95 88	1.08 118	0.91 135	0.57 85	0.76 47	0.55 154	0.26 242	0.18 194	0.18 36	0.16 58	0.23 177	0.25 205

sCroCo_RVC	0.49 34	0.40 248	1.02 245	0.65 257	0.60 284	0.52 51	0.40 82	0.83 21	0.61 22	0.44 8	0.74 37	0.49 28	0.50 55	0.63 25	0.48 114	0.26 242	0.27 290	0.23 149	0.22 196	0.29 239	0.25 205

EDNetEfficient	2.37 374	1.10 367	8.08 397	0.74 309	0.71 313	0.98 230	1.56 361	1.46 187	4.06 392	4.90 401	2.82 364	2.25 350	3.48 390	2.95 297	9.97 398	0.26 242	0.24 271	0.26 224	0.30 295	0.68 359	0.61 351

CFNet-ft	0.72 160	0.32 171	0.54 32	0.66 262	0.54 257	0.83 188	0.55 201	1.37 167	1.15 198	0.93 82	1.28 193	1.57 293	0.97 235	1.35 144	0.81 225	0.26 242	0.20 224	0.33 286	0.25 238	0.30 248	0.23 181

ADCL	1.72 352	0.57 307	3.66 380	0.67 272	0.61 287	2.61 372	1.85 375	1.96 306	1.67 334	1.90 344	1.83 315	2.06 346	1.90 359	2.13 258	9.15 397	0.26 242	0.24 271	0.34 296	0.32 305	0.38 287	0.35 282

RYNet	1.17 303	0.49 283	1.24 287	0.70 290	0.97 361	1.71 322	0.92 303	1.91 294	1.46 314	1.38 267	1.14 146	1.88 323	1.30 310	4.24 325	1.87 338	0.26 242	0.21 240	0.35 303	0.27 259	0.55 339	0.54 336

CFNet_RVC	0.72 160	0.32 171	0.54 32	0.66 262	0.54 257	0.83 188	0.55 201	1.37 167	1.15 198	0.93 82	1.28 193	1.57 293	0.97 235	1.35 144	0.81 225	0.26 242	0.20 224	0.33 286	0.25 238	0.30 248	0.23 181

Wz-Net-MNSev	1.11 290	0.58 310	2.23 361	0.66 262	0.71 313	1.95 345	1.46 356	1.98 311	1.45 313	1.79 334	1.43 240	1.49 283	1.33 313	1.97 246	1.42 316	0.27 251	0.23 262	0.28 245	0.28 276	0.34 268	0.31 265

AASNet	0.76 190	0.35 222	0.91 210	0.79 321	0.81 342	1.14 253	0.56 207	2.02 320	1.08 162	1.22 195	1.24 176	0.93 144	0.76 147	0.77 49	1.16 277	0.27 251	0.23 262	0.24 169	0.20 135	0.28 234	0.24 193

GwcNet-ADL	0.64 125	0.31 157	0.79 168	0.56 164	0.41 188	0.60 84	0.58 220	1.41 175	1.26 238	1.08 117	1.13 143	0.91 135	0.60 96	1.04 102	0.78 215	0.27 251	0.18 194	0.18 36	0.18 88	0.25 200	0.29 243

ADLNet	0.85 224	0.36 229	0.89 204	0.85 341	0.72 315	1.24 273	0.76 264	1.82 273	1.36 286	1.52 299	1.35 220	1.27 242	0.99 247	1.23 127	1.15 276	0.27 251	0.20 224	0.26 224	0.25 238	0.28 234	0.30 255

GES	0.66 138	0.34 206	0.90 207	0.59 194	0.38 169	0.94 215	0.57 217	2.11 332	0.86 77	1.02 106	1.11 132	0.66 64	0.79 158	0.99 90	0.61 172	0.27 251	0.19 207	0.20 73	0.20 135	0.21 131	0.30 255

ac_64	0.82 211	0.29 110	0.81 174	0.71 297	0.60 284	1.05 239	0.54 188	1.99 312	0.92 101	1.18 179	1.06 112	1.99 338	1.08 270	1.94 243	0.97 254	0.27 251	0.22 254	0.24 169	0.23 216	0.22 152	0.19 111

PSMNet-RSSM	0.72 160	0.30 126	0.61 59	0.63 236	0.42 191	0.73 146	0.56 207	1.92 297	1.10 172	1.09 122	1.37 223	1.22 223	0.98 239	1.28 131	0.72 198	0.27 251	0.19 207	0.27 235	0.29 287	0.24 190	0.24 193

DMCA-RVC	0.74 177	0.40 248	1.27 293	0.66 262	0.49 227	0.77 165	0.47 147	1.35 164	1.01 136	1.53 300	1.01 91	1.29 248	0.82 170	1.31 136	0.78 215	0.27 251	0.21 240	0.35 303	0.27 259	0.32 260	0.24 193

FADNet_RVC	0.83 216	0.51 290	1.83 345	0.54 133	0.42 191	1.19 267	0.46 141	1.51 200	1.09 168	0.89 76	1.24 176	0.91 135	0.87 195	2.11 257	1.11 272	0.27 251	0.22 254	0.31 266	0.28 276	0.43 308	0.38 294

DRN-Test	1.00 267	0.44 263	1.13 273	0.70 290	0.81 342	1.62 315	0.79 272	2.14 337	1.44 312	1.78 331	1.33 209	1.43 268	1.05 263	2.18 263	1.53 326	0.27 251	0.21 240	0.31 266	0.30 295	0.32 260	0.28 240

Wz-Net-LNSev	1.03 273	0.67 330	2.71 374	0.64 245	0.84 346	1.75 326	1.00 319	1.80 269	1.32 269	1.28 219	1.25 180	1.65 308	1.22 296	1.39 157	1.40 308	0.28 261	0.26 282	0.24 169	0.23 216	0.33 266	0.32 271

NINENet	0.77 191	0.37 234	0.78 166	0.62 228	0.51 243	2.34 363	0.42 95	1.83 277	1.04 146	1.14 152	1.23 174	1.03 180	0.62 110	1.24 128	0.70 190	0.28 261	0.23 262	0.31 266	0.21 171	0.26 208	0.25 205

dd	0.59 97	0.48 280	0.97 227	0.55 152	0.32 106	0.64 96	0.47 147	1.02 73	1.34 275	0.78 56	0.86 56	0.58 46	0.54 67	1.01 94	0.86 240	0.28 261	0.18 194	0.26 224	0.19 107	0.32 260	0.24 193

LMCR-Stereo	0.82 211	0.46 271	0.88 199	0.75 313	0.43 196	1.33 284	0.56 207	2.43 371	0.98 122	1.53 300	1.49 258	0.74 80	1.00 249	1.63 198	0.89 242	0.28 261	0.17 180	0.22 122	0.17 74	0.29 239	0.20 133

HCRNet	0.70 154	0.39 244	0.73 129	0.60 205	0.59 281	0.76 159	0.35 46	1.22 142	1.13 187	1.02 106	0.99 83	1.02 177	0.76 147	2.19 264	0.70 190	0.28 261	0.19 207	0.28 245	0.23 216	0.25 200	0.23 181

UCFNet_RVC	0.69 152	0.35 222	0.49 17	0.64 245	0.39 177	0.85 196	0.58 220	1.75 252	1.14 189	0.97 92	1.19 163	1.17 215	0.93 217	0.99 90	0.62 175	0.28 261	0.20 224	0.34 296	0.31 299	0.32 260	0.27 229

StereoDRNet	0.98 262	0.47 275	1.70 334	0.76 315	0.94 357	1.51 305	0.91 301	1.92 297	1.32 269	1.61 315	1.13 143	1.47 281	0.97 235	1.75 218	1.46 321	0.28 261	0.23 262	0.29 253	0.27 259	0.35 269	0.27 229

NaN_ROB	1.13 295	0.55 300	1.15 275	0.64 245	0.48 224	1.61 314	2.03 385	1.72 245	1.48 316	2.09 353	1.27 189	1.40 263	1.08 270	3.94 321	1.30 294	0.28 261	0.34 324	0.28 245	0.28 276	0.30 248	0.33 275

ICVP	0.63 115	0.33 187	0.57 45	0.61 217	0.40 182	0.80 179	0.58 220	1.61 225	0.89 88	0.90 77	1.24 176	0.88 129	0.73 135	0.72 39	0.88 241	0.29 269	0.21 240	0.22 122	0.21 171	0.24 190	0.27 229
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GEStereo_RVC	0.90 239	0.37 234	0.99 230	0.64 245	0.50 233	0.95 219	0.79 272	2.42 370	1.17 204	1.16 166	1.11 132	1.26 238	0.92 211	3.24 307	0.90 244	0.29 269	0.19 207	0.23 149	0.20 135	0.27 220	0.29 243

STTStereo	0.78 197	0.50 287	1.22 283	0.64 245	0.54 257	0.89 200	0.54 188	1.44 184	1.11 174	1.38 267	1.09 123	1.27 242	0.85 184	1.43 164	0.83 232	0.29 269	0.27 290	0.33 286	0.39 330	0.32 260	0.30 255

PA-Net	1.01 270	0.57 307	1.29 295	0.64 245	0.74 320	1.19 267	0.84 284	1.69 240	1.43 311	1.16 166	1.19 163	1.32 253	1.19 289	3.42 313	1.25 286	0.29 269	0.45 360	0.33 286	0.49 354	0.32 260	0.47 321
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ttt	0.94 248	0.34 206	0.59 52	0.61 217	0.37 152	0.94 215	0.50 168	2.17 348	1.34 275	1.23 198	1.61 285	0.91 135	0.76 147	1.85 233	3.97 375	0.30 273	0.26 282	0.26 224	0.24 227	0.29 239	0.29 243

coex-ft	8.13 408	2.13 401	98.04 435	0.67 272	0.53 254	1.71 322	1.56 361	1.65 232	11.11 408	18.17 422	3.75 376	3.88 382	7.61 409	2.98 300	6.49 385	0.30 273	0.30 308	0.32 279	0.31 299	0.66 357	0.50 329

ssnet_v2	0.88 234	0.36 229	1.02 245	0.62 228	0.38 169	1.32 283	0.97 313	2.07 328	1.34 275	1.37 262	1.18 160	1.54 289	0.92 211	1.10 111	1.65 330	0.30 273	0.27 290	0.30 262	0.28 276	0.27 220	0.26 223

GwcNet	1.08 282	0.51 290	2.33 363	0.79 321	1.18 375	1.76 328	0.70 255	1.68 238	1.47 315	1.41 275	1.64 292	1.74 318	1.04 259	2.20 265	1.41 312	0.30 273	0.29 304	0.29 253	0.27 259	0.30 248	0.35 282

DSFCA	0.93 247	0.34 206	1.06 256	0.52 110	0.65 298	1.55 309	0.93 307	1.49 191	1.19 211	1.56 308	1.15 152	1.50 284	0.96 232	3.07 301	1.02 259	0.30 273	0.26 282	0.25 205	0.25 238	0.28 234	0.24 193

FADNet-RVC	0.88 234	0.67 330	1.93 349	0.60 205	0.48 224	0.91 204	0.60 231	1.71 244	1.18 208	0.90 77	0.96 73	1.36 259	0.92 211	2.25 269	1.17 279	0.30 273	0.29 304	0.32 279	0.32 305	0.41 298	0.35 282

GANet	1.36 320	0.47 275	0.86 186	0.67 272	0.45 209	1.34 286	1.73 368	1.64 231	1.24 230	1.49 295	2.38 352	1.55 291	1.20 292	9.30 400	0.93 246	0.30 273	0.31 314	0.33 286	0.28 276	0.39 291	0.30 255

Wz-Net-SNSev	1.49 329	1.23 376	6.27 393	0.68 282	0.67 302	1.37 289	1.41 353	2.00 313	1.39 298	1.48 293	1.61 285	2.29 352	1.32 312	3.93 320	2.14 351	0.31 280	0.28 296	0.31 266	0.33 311	0.42 303	0.36 286

APVNet	1.06 277	0.53 296	1.42 309	0.84 336	0.79 335	1.92 342	0.82 282	1.90 290	1.08 162	1.08 117	1.43 240	1.56 292	1.13 280	3.07 301	1.58 327	0.31 280	0.34 324	0.42 331	0.36 324	0.36 275	0.37 288

AdaStereo	0.70 154	0.43 260	0.75 145	0.73 307	0.37 152	0.92 210	0.53 184	1.85 279	1.18 208	1.12 136	1.23 174	1.07 191	0.65 123	0.96 82	0.63 179	0.31 280	0.15 125	0.32 279	0.21 171	0.29 239	0.22 164
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	1.67 345	0.34 206	1.58 328	0.92 359	0.58 274	4.26 397	1.11 330	2.83 378	1.41 306	4.49 398	2.55 359	1.45 274	0.97 235	7.79 391	1.17 279	0.31 280	0.25 278	0.37 313	0.33 311	0.31 255	0.30 255

SGM_RVC	1.68 347	0.36 229	0.61 59	0.59 194	0.29 63	2.25 359	1.18 339	2.38 368	1.68 335	3.60 388	2.67 362	3.69 380	2.42 377	8.13 394	1.90 341	0.31 280	0.31 314	0.30 262	0.28 276	0.30 248	0.29 243
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
GMStereo_Zeroshot	0.67 147	0.61 321	1.01 239	0.64 245	0.37 152	0.84 195	0.35 46	1.05 86	1.12 178	1.12 136	1.06 112	1.27 242	0.54 67	1.19 122	0.59 163	0.32 285	0.17 180	0.31 266	0.18 88	0.52 334	0.22 164

CSP-Net	0.97 258	0.38 239	0.83 178	0.53 118	0.41 188	1.63 316	0.77 267	2.00 313	1.05 150	1.25 210	1.20 166	1.33 254	0.83 179	4.93 340	0.85 238	0.32 285	0.22 254	0.20 73	0.20 135	0.23 177	0.25 205

pcwnet_v2	0.97 258	0.37 234	4.33 383	0.62 228	0.54 257	0.79 174	0.45 134	2.02 320	1.58 328	1.42 281	1.64 292	1.09 198	0.79 158	1.24 128	0.67 187	0.32 285	0.25 278	0.29 253	0.27 259	0.37 279	0.35 282

RTSC	1.29 311	0.73 339	2.44 366	0.83 335	0.57 266	1.85 339	0.65 239	1.88 285	2.00 357	2.20 356	1.66 296	1.60 299	1.26 303	2.33 273	3.92 373	0.32 285	0.23 262	0.27 235	0.29 287	0.37 279	0.37 288

ETE_ROB	0.96 252	0.64 327	1.16 276	0.69 285	0.48 224	1.14 253	1.13 333	1.77 261	1.19 211	1.91 345	1.45 245	1.73 316	1.05 263	1.60 195	1.14 275	0.32 285	0.26 282	0.38 316	0.34 316	0.39 291	0.41 302

PSMNet-ADL	0.72 160	0.35 222	0.62 63	0.69 285	0.46 219	1.14 253	0.44 123	1.37 167	1.01 136	0.83 69	1.17 158	1.33 254	0.96 232	1.43 164	0.95 249	0.33 290	0.22 254	0.21 96	0.23 216	0.27 220	0.29 243

hitnet-ft	0.79 200	0.35 222	0.57 45	0.58 181	0.42 191	0.96 223	0.46 141	1.47 189	1.33 272	1.19 183	1.22 170	1.81 322	0.98 239	1.66 204	0.94 247	0.33 290	0.28 296	0.34 296	0.27 259	0.35 269	0.31 265

FADNet	0.92 244	0.61 321	1.81 342	0.62 228	0.55 263	0.96 223	0.57 217	1.78 265	1.33 272	0.93 82	1.01 91	1.36 259	1.01 251	2.71 290	0.75 205	0.33 290	0.34 324	0.31 266	0.34 316	0.59 346	0.40 298

ADCMid	1.89 360	0.73 339	5.06 386	0.72 300	0.67 302	2.00 349	1.14 334	1.97 310	1.48 316	2.86 378	1.81 314	2.37 357	2.05 367	2.24 267	10.39 401	0.33 290	0.31 314	0.39 322	0.43 340	0.50 328	0.44 312

DANet	1.08 282	0.61 321	1.32 300	0.85 341	0.72 315	1.37 289	0.51 169	1.54 211	1.15 198	1.78 331	1.54 267	2.01 340	1.11 275	2.90 296	2.00 346	0.33 290	0.30 308	0.40 327	0.30 295	0.44 315	0.45 314
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
TDLM	1.06 277	0.44 263	0.79 168	0.63 236	0.50 233	0.89 200	1.44 355	1.48 190	1.26 238	1.12 136	1.40 233	1.08 192	0.98 239	6.65 371	0.78 215	0.33 290	0.21 240	0.33 286	0.26 251	0.37 279	0.24 193

PWC_ROB	1.24 306	0.76 346	2.46 368	0.72 300	0.78 333	1.15 258	0.49 162	1.75 252	1.92 353	2.31 358	3.07 367	1.59 297	1.40 316	2.46 281	2.10 350	0.33 290	0.22 254	0.35 303	0.24 227	0.38 287	0.41 302

PSMNet_ROB	0.90 239	0.52 293	1.17 278	0.72 300	0.61 287	1.27 277	1.12 332	1.76 258	1.12 178	1.09 122	1.28 193	1.45 274	0.89 205	1.65 200	1.42 316	0.33 290	0.25 278	0.37 313	0.39 330	0.35 269	0.29 243

WZ-Net	1.95 361	0.95 358	10.10 400	0.86 343	0.78 333	1.69 321	1.60 364	2.20 353	1.98 356	2.08 352	1.93 328	2.30 353	1.97 362	5.30 343	3.17 367	0.34 298	0.26 282	0.29 253	0.31 299	0.51 332	0.47 321

SACVNet	0.85 224	0.46 271	0.85 180	0.81 327	0.56 264	0.80 179	0.79 272	1.68 238	1.12 178	1.34 255	1.33 209	1.25 234	0.94 222	2.39 278	0.76 207	0.34 298	0.26 282	0.31 266	0.29 287	0.35 269	0.44 312

CVANet_RVC	1.07 279	0.43 260	0.76 154	0.60 205	0.50 233	0.90 202	0.97 313	1.52 203	1.26 238	1.33 252	1.38 227	1.24 230	1.18 286	6.75 377	0.75 205	0.34 298	0.23 262	0.34 296	0.29 287	0.42 303	0.27 229

DeepPruner_ROB	0.74 177	0.48 280	0.87 196	0.57 175	0.44 202	0.79 174	0.54 188	1.73 246	0.96 110	1.38 267	1.27 189	1.24 230	0.73 135	1.43 164	0.73 201	0.34 298	0.28 296	0.27 235	0.26 251	0.31 255	0.31 265

FBW_ROB	1.71 351	0.62 324	1.45 314	0.67 272	0.61 287	1.81 334	1.08 328	2.52 374	1.70 336	1.77 330	1.73 303	1.98 337	1.25 301	12.57 414	1.84 337	0.34 298	0.37 339	0.56 362	0.38 329	0.45 318	0.43 310

SANet	1.88 357	0.57 307	2.18 360	0.63 236	0.40 182	2.80 377	1.57 363	2.39 369	5.88 402	2.36 363	3.57 374	3.72 381	2.97 385	4.74 334	1.76 334	0.34 298	0.30 308	0.32 279	0.29 287	0.48 324	0.37 288

CBMV	0.95 251	0.44 263	0.66 82	0.53 118	0.35 140	1.53 307	1.63 366	1.69 240	1.42 309	2.00 350	1.60 281	1.43 268	1.17 283	1.59 194	0.99 257	0.34 298	0.34 324	0.39 322	0.33 311	0.33 266	0.32 271
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
CASS	0.65 130	0.34 206	0.72 117	0.56 164	0.27 33	0.78 170	0.42 95	1.59 219	0.86 77	1.30 232	1.25 180	0.87 126	0.84 181	0.84 63	0.54 150	0.35 305	0.19 207	0.26 224	0.21 171	0.28 234	0.42 306
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Anonymous3	0.61 106	0.44 263	1.11 269	0.59 194	0.49 227	0.93 213	0.65 239	0.93 44	0.81 69	0.72 50	0.88 61	0.65 62	0.69 129	1.06 104	0.53 144	0.35 305	0.30 308	0.26 224	0.26 251	0.31 255	0.27 229

NCCL2	1.00 267	0.56 303	1.06 256	0.75 313	0.57 266	1.31 282	1.72 367	1.77 261	1.36 286	1.50 296	1.17 158	1.91 328	1.17 283	1.54 184	1.29 293	0.35 305	0.31 314	0.45 337	0.44 342	0.40 295	0.40 298

Syn2CoEx	1.14 297	0.69 334	1.66 332	0.80 324	0.67 302	1.40 294	0.88 293	2.06 327	1.54 325	1.25 210	1.58 279	1.42 267	1.50 329	4.09 323	1.40 308	0.36 308	0.32 321	0.34 296	0.29 287	0.29 239	0.34 277

stereogan	1.15 300	0.42 257	1.40 307	0.86 343	0.84 346	2.38 365	0.71 257	1.88 285	1.73 339	1.72 326	1.94 330	2.31 354	1.29 306	2.07 254	1.08 265	0.36 308	0.35 332	0.39 322	0.31 299	0.51 332	0.46 318

SGM-ForestM	6.52 404	0.38 239	1.26 290	0.63 236	0.35 140	13.59 415	5.32 409	6.32 409	6.70 404	11.14 413	9.18 407	22.51 424	13.93 412	16.89 417	20.07 414	0.36 308	0.37 339	0.36 311	0.35 320	0.36 275	0.34 277

SGM-Forest	1.24 306	0.38 239	0.60 56	0.52 110	0.37 152	1.56 310	1.30 348	1.65 232	1.36 286	2.11 354	1.79 311	1.63 303	0.93 217	7.48 388	0.95 249	0.36 308	0.37 339	0.39 322	0.34 316	0.37 279	0.32 271
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
AnyNet_C32	1.96 362	1.10 367	5.17 387	0.90 354	1.11 367	2.12 355	2.37 396	1.85 279	1.48 316	2.45 366	1.70 300	2.05 345	1.64 339	2.50 282	10.28 400	0.37 312	0.34 324	0.35 303	0.41 336	0.49 327	0.54 336

Anonymous Stereo	1.28 310	0.75 344	2.45 367	0.74 309	0.77 330	0.93 213	1.77 369	1.51 200	1.31 264	1.67 322	1.29 196	1.20 220	0.75 139	6.29 366	1.68 333	0.37 312	0.36 337	0.38 316	0.40 334	0.43 308	0.45 314

PS-NSSS	0.99 263	0.58 310	0.93 216	0.58 181	0.57 266	0.91 204	0.80 278	1.81 272	1.14 189	1.14 152	1.67 298	1.00 168	0.83 179	4.62 333	0.78 215	0.37 312	0.31 314	0.52 348	0.32 305	0.45 318	0.38 294

LALA_ROB	1.01 270	0.59 313	1.16 276	0.67 272	0.51 243	1.63 316	1.26 347	1.69 240	1.38 294	1.81 337	1.37 223	1.94 333	1.02 256	1.58 192	1.38 304	0.37 312	0.27 290	0.43 333	0.37 327	0.43 308	0.37 288

SHD	1.31 314	0.71 338	2.34 364	0.86 343	0.75 326	1.77 331	0.65 239	2.22 354	2.50 374	2.40 365	1.71 301	1.91 328	1.60 336	1.93 242	2.37 354	0.38 316	0.31 314	0.38 316	0.40 334	0.48 324	0.50 329

ADCPNet	1.85 356	0.69 334	8.07 396	0.71 297	0.58 274	2.79 376	1.22 342	1.94 303	1.54 325	1.88 341	1.69 299	2.46 362	2.04 365	2.37 276	6.48 384	0.38 316	0.37 339	0.38 316	0.43 340	0.47 321	0.45 314

XPNet_ROB	0.96 252	0.49 283	1.09 264	0.72 300	0.57 266	1.11 248	1.14 334	1.66 236	1.23 226	1.85 340	1.39 231	1.64 306	1.11 275	1.80 227	1.42 316	0.38 316	0.30 308	0.33 286	0.29 287	0.37 279	0.34 277

Wz-Net-TNSev	1.88 357	2.08 400	7.66 394	0.67 272	0.64 295	2.42 366	1.83 374	2.33 363	1.74 341	1.57 312	1.56 273	2.58 364	1.90 359	4.86 336	3.12 364	0.39 319	0.37 339	0.33 286	0.37 327	0.53 336	0.58 345

psmorigin	1.52 333	0.69 334	10.52 403	0.68 282	0.59 281	1.13 252	0.70 255	1.57 217	1.19 211	1.99 348	1.79 311	2.26 351	1.47 325	2.09 255	1.36 303	0.39 319	0.40 348	0.34 296	0.33 311	0.43 308	0.56 340

S-Stereo	1.15 300	0.46 271	2.17 358	0.81 327	0.80 340	1.21 270	1.19 340	1.93 301	2.02 358	1.47 287	2.11 340	1.57 293	1.17 283	2.05 253	1.41 312	0.40 321	0.40 348	0.35 303	0.31 299	0.44 315	0.70 361

Nwc_Net	1.09 284	0.49 283	1.33 302	0.89 353	0.80 340	1.49 304	0.66 244	2.19 350	1.27 245	1.32 244	2.26 347	1.96 335	1.54 330	1.92 239	1.34 299	0.40 321	0.30 308	0.43 333	0.45 344	0.38 287	0.37 288

RTS	2.67 382	1.38 378	15.28 408	0.99 364	1.26 379	3.78 389	1.96 382	2.15 339	2.62 376	2.61 369	2.85 365	2.60 365	1.59 334	6.27 364	5.71 382	0.40 321	0.28 296	0.35 303	0.35 320	0.50 328	0.48 324

RTSA	2.67 382	1.38 378	15.28 408	0.99 364	1.26 379	3.78 389	1.96 382	2.15 339	2.62 376	2.61 369	2.85 365	2.60 365	1.59 334	6.27 364	5.71 382	0.40 321	0.28 296	0.35 303	0.35 320	0.50 328	0.48 324

ADCS	2.25 369	0.99 361	5.55 388	0.81 327	0.74 320	2.19 357	1.80 371	2.27 359	2.14 362	2.80 377	2.13 342	2.40 359	2.03 364	2.64 288	13.69 405	0.41 325	0.39 346	0.40 327	0.45 344	0.58 344	0.56 340

AnyNet_C01	2.26 370	1.78 389	10.22 402	0.93 360	0.74 320	2.92 379	2.20 391	2.29 361	1.80 345	2.53 368	2.41 355	2.71 369	1.73 346	3.41 312	6.72 386	0.41 325	0.39 346	0.40 327	0.42 338	0.67 358	0.63 353

LSM	6.33 403	1.10 367	13.19 406	1.41 381	68.17 432	1.64 318	1.90 379	1.92 297	2.46 369	2.99 382	3.11 368	1.88 323	1.80 352	2.61 287	2.06 349	0.41 325	0.58 378	0.50 346	0.57 365	0.64 353	17.66 424

dad	0.86 229	0.66 329	1.06 256	0.56 164	0.37 152	0.76 159	0.44 123	1.17 123	1.50 319	1.44 282	1.27 189	1.34 258	0.75 139	2.52 283	0.84 235	0.42 328	0.27 290	0.83 372	0.26 251	0.41 298	0.29 243

FINET	0.97 258	0.54 297	1.60 329	0.63 236	0.79 335	1.08 245	1.07 327	1.56 216	2.20 364	1.15 155	1.49 258	0.94 147	0.88 199	2.32 272	1.05 260	0.42 328	0.35 332	0.32 279	0.28 276	0.43 308	0.38 294

FAT-Stereo	1.07 279	0.41 254	1.32 300	0.72 300	0.58 274	1.08 245	0.89 295	1.96 306	1.65 332	1.75 328	1.98 331	2.03 343	1.48 326	2.02 249	1.18 282	0.42 328	0.35 332	0.34 296	0.29 287	0.35 269	0.53 335

edge stereo	1.11 290	0.50 287	1.30 296	0.71 297	0.65 298	1.14 253	0.75 261	1.93 301	1.37 290	1.71 325	1.83 315	2.54 363	1.44 320	2.43 280	1.23 284	0.42 328	0.41 350	0.54 354	0.35 320	0.42 303	0.46 318

DeepPrunerF	1.60 339	0.73 339	5.81 391	0.88 349	1.19 376	0.91 204	0.95 311	2.19 350	5.24 400	1.17 175	1.30 197	1.19 219	1.30 310	4.90 338	1.66 332	0.42 328	0.34 324	0.52 348	0.47 349	0.41 298	0.40 298

GASNet	0.99 263	0.97 359	1.72 336	0.98 363	0.68 308	0.83 188	0.67 247	1.60 222	1.28 250	1.31 242	1.22 170	1.22 223	1.21 295	2.41 279	1.41 312	0.43 333	0.26 282	0.36 311	0.34 316	0.55 339	0.31 265

NVstereo2D	0.92 244	0.41 254	1.48 321	0.72 300	0.72 315	1.20 269	0.87 292	1.75 252	1.38 294	0.99 98	1.13 143	1.26 238	0.98 239	2.21 266	0.89 242	0.43 333	0.20 224	0.38 316	0.24 227	0.57 342	0.63 353

CBMV_ROB	0.90 239	0.44 263	0.63 66	0.51 94	0.37 152	1.25 275	0.49 162	1.77 261	1.27 245	1.41 275	2.00 332	1.33 254	1.08 270	2.17 260	0.76 207	0.43 333	0.42 352	0.47 342	0.44 342	0.41 298	0.36 286

CSAN	1.41 326	0.59 313	1.26 290	0.70 290	0.50 233	1.76 328	1.78 370	1.77 261	1.90 352	2.35 361	2.32 349	1.92 331	1.94 361	5.56 353	1.49 324	0.43 333	0.35 332	0.40 327	0.41 336	0.43 308	0.41 302

MeshStereo	2.26 370	0.56 303	0.92 214	0.61 217	0.49 227	2.60 371	1.02 322	3.18 384	2.05 360	7.40 411	4.98 390	7.58 401	2.98 386	6.37 367	1.96 344	0.43 333	0.43 353	0.45 337	0.39 330	0.43 308	0.42 306
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
RGC	1.14 297	0.79 348	1.26 290	0.91 357	0.96 360	1.52 306	0.77 267	1.92 297	1.26 238	1.54 304	1.93 328	2.02 342	1.54 330	2.25 269	1.31 295	0.44 338	0.35 332	0.58 365	0.48 351	0.47 321	0.46 318

HBP-ISP	0.96 252	0.58 310	0.72 117	0.61 217	0.46 219	1.64 318	0.76 264	1.86 282	1.28 250	1.30 232	1.53 265	0.86 122	0.94 222	3.27 309	0.69 189	0.45 339	0.44 356	0.54 354	0.48 351	0.47 321	0.40 298

DGSMNet	1.14 297	0.76 346	2.49 369	0.81 327	0.86 349	1.39 293	1.39 352	2.13 333	1.35 283	1.26 214	1.63 291	1.48 282	0.98 239	1.75 218	1.10 270	0.45 339	0.43 353	0.55 359	0.49 354	0.75 365	0.70 361

MFN_U_SF_DS_RVC	1.74 353	0.87 354	3.56 379	0.80 324	0.75 326	3.72 388	2.44 398	1.82 273	1.82 347	1.74 327	1.91 326	1.92 331	1.26 303	7.69 390	1.28 292	0.45 339	0.47 364	0.52 348	0.77 375	0.50 328	0.50 329

NCC-stereo	1.10 287	0.54 297	1.24 287	0.84 336	0.94 357	1.29 280	0.89 295	2.01 317	1.34 275	1.32 244	1.74 304	1.88 323	1.74 347	2.35 274	1.25 286	0.45 339	0.37 339	0.45 337	0.58 366	0.42 303	0.42 306

Abc-Net	1.10 287	0.54 297	1.24 287	0.84 336	0.94 357	1.29 280	0.89 295	2.01 317	1.34 275	1.32 244	1.74 304	1.88 323	1.74 347	2.35 274	1.25 286	0.45 339	0.37 339	0.45 337	0.58 366	0.42 303	0.42 306
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
NOSS_ROB	1.26 309	0.46 271	0.62 63	0.56 164	0.38 169	1.06 242	0.78 269	1.73 246	1.40 303	1.01 103	1.43 240	1.10 200	0.75 139	10.62 411	0.65 183	0.45 339	0.43 353	0.48 343	0.45 344	0.44 315	0.41 302

SAMSARA	1.55 335	0.84 350	2.61 371	1.22 376	1.07 364	2.50 368	1.93 380	2.05 322	1.89 350	2.75 374	1.66 296	2.81 370	1.69 345	3.08 303	1.97 345	0.46 345	0.51 370	0.42 331	0.46 347	0.58 344	0.59 347

PVD	1.70 349	0.84 350	2.26 362	0.94 362	0.83 345	2.48 367	0.97 313	2.59 376	3.35 385	3.01 384	2.77 363	2.34 356	2.47 379	2.67 289	3.14 365	0.47 346	0.45 360	0.59 366	0.48 351	0.59 346	0.75 366

AF-Net	1.13 295	0.52 293	1.33 302	0.86 343	0.91 353	1.38 292	0.71 257	2.16 342	1.62 330	1.56 308	2.40 354	1.99 338	1.65 340	1.81 229	1.48 323	0.48 347	0.28 296	0.49 345	0.33 311	0.39 291	0.32 271

G-Net	1.66 344	0.63 325	1.56 326	1.11 373	0.74 320	2.98 380	0.91 301	1.55 215	1.22 223	2.76 375	8.18 405	2.32 355	2.53 380	1.92 239	1.87 338	0.48 347	0.44 356	0.45 337	0.31 299	0.60 350	0.57 344

XQC	1.37 321	0.87 354	2.56 370	0.84 336	0.69 310	1.83 337	0.89 295	2.07 328	1.88 349	1.88 341	1.53 265	1.91 328	1.55 332	2.85 295	3.05 362	0.48 347	0.29 304	0.44 336	0.39 330	0.69 360	0.60 350

DPSNet	1.69 348	0.59 313	4.33 383	0.70 290	0.57 266	2.02 350	1.62 365	3.35 387	1.78 343	1.48 293	1.38 227	2.17 348	2.84 383	4.77 335	3.66 371	0.48 347	0.31 314	0.29 253	0.25 238	0.64 353	0.48 324

BEATNet-Init1	26.87 422	13.43 419	70.68 434	0.91 357	0.68 308	57.02 435	21.06 416	32.82 428	32.67 425	52.12 436	53.61 434	66.05 436	49.56 435	48.79 437	34.71 426	0.49 351	0.44 356	0.53 353	0.53 361	0.63 351	0.59 347

UDGNet	0.72 160	1.17 375	0.80 173	0.77 318	0.41 188	0.77 165	0.38 68	0.97 59	1.34 275	0.81 65	0.88 61	0.71 78	0.60 96	1.21 124	0.54 150	0.52 352	0.19 207	1.02 379	0.26 251	0.71 362	0.31 265

FCDSN-DC	2.32 372	0.63 325	0.81 174	0.84 336	0.75 326	2.23 358	0.94 309	2.09 331	1.80 345	5.45 405	7.72 402	7.77 403	6.93 408	3.39 310	1.80 336	0.52 352	0.48 365	0.52 348	0.51 359	0.57 342	0.58 345
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_RVC	1.52 333	0.84 350	3.42 378	0.87 348	0.66 300	2.56 370	0.95 311	2.36 366	1.70 336	1.98 347	1.86 320	2.45 361	1.79 351	2.95 297	2.58 356	0.52 352	0.48 365	0.55 359	0.59 369	0.59 346	0.61 351

RP	1.09 284	0.50 287	1.12 271	0.90 354	1.04 363	1.11 248	0.84 284	1.80 269	1.62 330	1.55 307	2.00 332	1.90 327	1.78 350	1.84 230	1.25 286	0.52 352	0.36 337	0.48 343	0.36 324	0.45 318	0.43 310

MSMD_ROB	1.99 364	0.59 313	0.89 204	0.70 290	0.61 287	3.95 393	0.94 309	1.80 269	1.79 344	4.41 396	4.43 381	8.17 404	3.66 392	3.40 311	1.33 297	0.52 352	0.48 365	0.54 354	0.58 366	0.53 336	0.50 329

WCMA_ROB	1.84 355	0.47 275	1.31 297	0.69 285	0.57 266	2.11 354	1.14 334	1.87 283	1.73 339	4.04 392	6.43 394	5.62 395	3.61 391	2.59 285	1.94 343	0.52 352	0.44 356	0.39 322	0.42 338	0.48 324	0.47 321

FC-DCNN	2.72 387	0.59 313	0.86 186	0.73 307	0.57 266	2.91 378	1.04 324	3.01 382	2.60 375	6.83 407	7.64 401	9.92 408	6.33 406	5.21 342	3.14 365	0.53 358	0.48 365	0.51 347	0.50 357	0.53 336	0.51 333

GANetREF_RVC	1.07 279	0.86 353	1.31 297	0.82 332	0.53 254	1.41 298	1.31 349	1.76 258	1.52 322	1.27 217	1.31 202	1.46 276	1.24 300	2.03 250	0.96 253	0.56 359	0.45 360	0.67 367	0.50 357	0.88 369	0.59 347
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
ccnet	1.12 292	0.67 330	1.01 239	0.78 320	0.73 318	1.72 324	0.99 317	1.84 278	1.26 238	1.47 287	1.85 319	1.75 321	1.29 306	1.75 218	1.88 340	0.57 360	0.53 372	0.57 364	0.55 363	0.59 346	0.54 336

MANE	6.19 402	0.59 313	1.03 249	0.93 360	1.22 378	13.38 414	2.69 399	12.81 416	17.94 419	8.21 412	10.82 410	14.72 414	11.68 410	11.39 413	11.90 403	0.59 361	0.50 369	0.52 348	1.76 403	0.55 339	0.54 336

PWCDC_ROB	1.29 311	0.75 344	1.33 302	1.05 368	0.88 352	1.73 325	0.52 178	1.89 287	3.28 384	1.29 224	4.88 389	1.22 223	1.46 323	1.77 225	1.45 320	0.60 362	0.26 282	0.29 253	0.25 238	0.52 334	0.37 288

PASM	1.34 318	0.92 357	2.62 372	0.86 343	0.87 351	1.03 236	1.08 328	1.50 195	1.51 321	1.82 338	1.41 235	1.68 311	1.26 303	4.87 337	1.34 299	0.61 363	0.65 383	0.68 368	0.78 376	0.69 360	0.68 360

Anonymous_2	1.30 313	0.55 300	0.82 176	0.52 110	0.58 274	1.01 234	0.64 237	1.25 150	0.97 117	0.96 89	0.78 44	1.33 254	1.29 306	1.03 97	0.74 202	0.62 364	0.64 381	1.06 380	9.63 417	1.16 378	0.49 328

ELAS	2.37 374	0.74 342	1.54 325	0.99 364	0.92 355	4.78 399	2.33 395	3.33 386	3.37 386	5.05 404	4.77 388	3.67 379	4.53 399	3.42 313	4.50 377	0.62 364	0.53 372	0.55 359	0.53 361	0.63 351	0.64 357
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS_RVC	2.48 379	0.74 342	1.90 347	1.05 368	0.92 355	2.76 374	4.01 407	2.76 377	4.11 393	4.69 399	4.63 385	4.62 386	5.96 404	3.97 322	3.96 374	0.63 366	0.53 372	0.56 362	0.52 360	0.64 353	0.63 353
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSC_U_SF_DS_RVC	2.12 366	1.15 373	3.10 377	1.05 368	0.76 329	5.03 402	2.40 397	2.16 342	2.62 376	1.89 343	2.28 348	2.69 368	1.65 340	9.35 402	2.04 347	0.64 367	0.51 370	0.68 368	0.71 373	1.09 377	0.67 358

SDNR	1.62 342	0.51 290	2.17 358	0.53 118	0.56 264	3.80 391	0.45 134	1.54 211	1.29 254	1.33 252	2.41 355	1.08 192	0.96 232	11.18 412	1.16 277	0.66 368	0.63 380	0.43 333	0.32 305	0.64 353	0.67 358

Consistency-Raft	1.25 308	0.99 361	1.93 349	1.02 367	1.21 377	0.96 223	1.01 321	1.75 252	1.92 353	1.36 260	2.12 341	1.44 272	1.01 251	1.14 118	1.40 308	0.72 369	0.82 386	0.89 374	0.98 388	1.31 382	0.95 372

MADNet+	2.69 384	3.22 410	11.53 405	1.44 382	1.12 369	3.19 382	1.81 372	2.85 379	2.37 366	1.68 323	2.07 339	2.85 372	2.18 370	7.41 385	5.23 380	0.79 370	0.76 384	0.69 370	0.65 372	0.98 371	0.95 372

STTRV1_RVC	1.58 336	0.68 333	1.96 351	0.88 349	1.12 369	1.57 311	0.90 300	2.25 357	1.75 342	1.29 224	2.02 335	1.40 263	1.22 296	9.77 407	1.31 295	0.81 371	0.33 323	0.54 354	0.49 354	0.73 364	0.52 334

JetBlue	3.97 393	2.01 395	10.19 401	1.38 378	2.84 404	10.53 410	9.54 410	3.60 389	2.41 368	2.73 373	3.39 372	4.54 385	4.31 397	7.85 393	6.84 387	0.88 372	0.93 397	0.89 374	0.91 382	1.74 383	1.91 391

UDG	1.41 326	2.65 406	0.99 230	1.44 382	1.64 385	1.34 286	0.80 278	1.60 222	1.23 226	1.23 198	1.71 301	2.01 340	1.34 314	1.47 173	1.41 312	0.90 373	0.54 375	2.29 390	0.75 374	1.84 384	1.04 377

MFMNet_re	1.40 325	1.14 372	1.68 333	1.39 379	1.07 364	1.48 302	1.43 354	1.87 283	1.82 347	2.26 357	2.19 344	1.51 286	1.86 356	1.52 178	1.25 286	0.93 374	0.83 387	0.84 373	0.80 377	0.99 373	1.05 379

PMTNet	0.46 24	0.21 4	0.38 4	0.37 2	0.23 6	0.71 141	0.27 14	0.74 7	1.04 146	0.64 39	0.70 30	0.55 38	0.47 38	0.86 68	0.35 27	1.00 375	0.13 42	0.15 3	0.10 2	0.15 5	0.13 3

PDISCO_ROB	1.32 316	0.65 328	1.44 310	1.36 377	1.46 383	2.55 369	0.92 303	2.45 372	2.07 361	1.37 262	1.49 258	1.65 308	1.00 249	2.82 292	1.35 302	1.01 376	0.27 290	0.54 354	0.47 349	0.71 362	0.73 364

DispFullNet	2.34 373	2.85 408	3.66 380	3.08 402	2.27 394	1.97 346	0.67 247	2.00 313	1.70 336	2.52 367	2.00 332	2.23 349	5.86 402	3.44 315	1.58 327	1.01 376	0.32 321	2.64 401	1.94 406	2.85 397	2.24 395

anonymity	1.12 292	0.97 359	1.21 281	1.07 371	1.12 369	1.08 245	0.89 295	1.95 305	1.16 202	1.29 224	1.26 186	1.22 223	1.09 273	1.15 119	1.01 258	1.02 378	1.00 399	0.97 376	0.97 386	0.98 371	0.99 374

SPS-STEREO	1.67 345	1.04 364	1.23 284	1.21 375	1.13 372	1.82 336	1.11 330	2.16 342	1.52 322	3.07 386	2.32 349	2.82 371	1.80 352	4.11 324	2.04 347	1.03 379	0.99 398	0.97 376	0.94 384	1.03 375	1.02 375
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	2.41 377	1.07 365	2.14 357	1.18 374	1.10 366	2.14 356	1.36 351	1.96 306	1.66 333	5.46 406	7.07 397	4.95 391	4.32 398	5.50 350	2.26 353	1.04 380	1.02 401	0.99 378	0.97 386	1.02 374	1.04 377

NVStereoNet_ROB	1.88 357	1.07 365	1.45 314	1.07 371	1.17 373	1.47 301	1.48 358	1.89 287	1.93 355	1.94 346	4.67 387	3.08 375	1.80 352	6.51 369	1.65 330	1.06 381	0.86 393	1.08 381	1.32 393	0.93 370	1.26 384
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
CC-Net-ROB	1.49 329	1.26 377	1.27 293	0.88 349	0.79 335	1.76 328	1.00 319	1.79 267	1.26 238	1.10 130	1.61 285	1.21 221	0.99 247	8.13 394	0.84 235	1.09 382	0.41 350	2.20 388	0.46 347	1.20 380	0.48 324

DDUNet	1.50 331	2.69 407	1.12 271	1.77 384	1.88 387	1.84 338	0.92 303	1.70 243	1.16 202	1.38 267	1.79 311	1.60 299	1.12 278	1.37 148	1.08 265	1.10 383	0.76 384	2.37 392	0.94 384	2.00 385	1.37 385

WAO-7	2.66 381	1.40 380	1.73 338	1.39 379	1.17 373	3.93 392	1.94 381	4.11 393	3.88 391	2.92 379	5.50 391	4.18 384	3.00 387	7.63 389	3.71 372	1.13 384	1.00 399	1.17 382	1.13 392	1.18 379	1.09 381

WAO-6	2.81 388	1.60 386	1.46 316	2.36 392	2.28 395	3.55 386	2.29 394	4.21 394	4.56 397	2.36 363	4.51 382	4.88 390	2.66 381	4.60 332	4.07 376	1.72 385	1.15 405	2.31 391	1.46 399	2.31 386	1.85 390

MaskLacGwcNet_RVC	1.10 287	1.02 363	1.00 235	0.82 332	0.67 302	1.93 343	0.93 307	1.62 228	1.11 174	1.15 155	1.25 180	1.50 284	0.79 158	1.96 245	0.76 207	1.89 386	0.34 324	0.79 371	0.36 324	1.25 381	0.83 368

WAO-8	4.40 395	1.82 392	1.79 340	2.34 390	2.20 390	9.19 407	1.53 359	6.09 406	16.46 413	3.94 390	7.84 403	7.32 398	3.72 394	9.41 404	3.31 368	2.00 387	1.07 402	2.44 397	1.37 397	2.50 388	1.68 388

Venus	4.40 395	1.82 392	1.79 340	2.34 390	2.20 390	9.19 407	1.53 359	6.09 406	16.46 413	3.94 390	7.84 403	7.32 398	3.72 394	9.41 404	3.31 368	2.00 387	1.07 402	2.44 397	1.37 397	2.50 388	1.68 388

PWCK	2.88 389	2.05 398	5.72 390	2.08 387	1.11 367	3.55 386	3.90 406	2.86 380	3.54 389	3.03 385	3.63 375	3.10 376	2.31 374	8.15 396	3.09 363	2.12 389	0.91 396	1.75 385	0.98 388	2.57 390	1.18 383

CAS	0.63 115	0.18 1	0.37 2	2.27 389	0.84 346	0.57 73	0.54 188	0.79 12	0.62 23	0.48 17	0.70 30	0.36 2	0.26 1	0.45 2	0.35 27	2.24 390	0.10 1	0.14 1	0.09 1	0.15 5	1.06 380

SQANet	1.31 314	0.88 356	1.08 263	1.83 385	1.44 382	1.44 300	0.75 261	1.74 250	1.09 168	1.32 244	1.26 186	1.28 245	1.01 251	1.50 177	0.83 232	2.50 391	0.34 324	1.47 383	0.55 363	2.32 387	1.57 387

ACVNet_2	2.43 378	1.41 381	2.04 352	2.62 394	2.24 393	2.63 373	1.88 378	3.31 385	3.01 381	2.19 355	3.45 373	4.62 386	2.04 365	4.50 331	1.47 322	2.55 392	0.64 381	2.22 389	0.84 379	2.69 391	2.29 396

JetRed	6.91 406	8.80 417	25.96 419	2.85 397	3.25 408	13.98 416	11.87 411	6.25 408	4.28 395	4.45 397	4.56 383	6.69 397	5.46 401	7.46 387	14.05 406	2.59 393	3.31 412	2.59 400	2.29 410	4.20 410	3.36 410

DPSimNet_ROB	11.20 413	4.98 413	35.43 423	2.90 400	4.52 414	7.89 406	17.09 414	4.66 397	6.06 403	14.89 418	10.93 411	17.29 415	36.81 426	13.18 415	15.68 410	2.86 394	6.29 417	5.75 416	5.09 414	3.91 408	7.70 417

otaku	1.60 339	1.11 370	1.21 281	2.20 388	1.56 384	1.97 346	1.24 343	2.07 328	1.36 286	1.44 282	1.62 288	1.73 316	1.19 289	1.73 217	0.98 256	2.89 395	0.57 377	1.74 384	0.60 370	2.78 392	1.94 392

Ntro	1.64 343	1.15 373	1.23 284	2.48 393	1.83 386	2.09 353	1.16 337	1.96 306	1.38 294	1.21 190	1.62 288	1.62 301	1.29 306	1.87 236	1.11 272	3.04 396	0.56 376	1.82 386	0.64 371	2.80 393	2.05 393

ACVNet_1	2.18 368	1.45 383	1.72 336	2.85 397	2.33 397	2.28 360	1.46 356	3.08 383	2.22 365	1.82 338	2.05 338	3.56 378	1.98 363	3.09 304	1.40 308	3.17 397	0.60 379	2.40 396	0.92 383	2.91 399	2.37 397

Dean	2.91 390	1.53 385	2.07 353	2.96 401	2.51 399	3.15 381	2.14 389	4.75 398	4.41 396	2.76 375	6.10 393	5.53 394	2.37 375	2.97 299	1.92 342	3.18 398	0.85 391	2.51 399	1.04 391	2.88 398	2.47 400

LVE	3.31 392	1.67 387	1.64 330	2.85 397	2.42 398	3.20 383	2.26 393	4.78 399	5.05 399	2.35 361	6.91 395	6.02 396	2.37 375	9.15 398	2.17 352	3.19 399	1.08 404	2.38 394	1.47 400	2.81 394	2.40 399

ACVNet-4b	2.15 367	1.41 381	1.64 330	2.80 395	2.31 396	2.31 362	1.24 343	2.32 362	2.14 362	1.26 214	2.39 353	2.66 367	1.48 326	5.95 362	1.06 262	3.20 400	0.45 360	2.37 392	0.89 381	2.83 396	2.37 397

TorneroNet-64	5.30 401	2.03 396	1.74 339	3.43 406	2.81 403	10.09 409	2.12 388	9.10 413	17.12 418	4.96 403	9.27 408	10.72 412	3.70 393	9.20 399	4.55 378	3.31 401	0.84 388	2.88 405	1.55 401	3.49 404	3.04 406

RainbowNet	1.97 363	1.76 388	1.57 327	2.81 396	2.21 392	1.98 348	1.81 372	2.54 375	1.89 350	1.50 296	1.84 317	1.96 335	1.65 340	2.14 259	1.25 286	3.33 402	0.85 391	2.39 395	0.98 388	2.82 395	2.22 394

KSHMR	8.75 409	2.06 399	2.11 355	3.53 408	3.11 406	4.13 396	2.69 399	5.60 403	61.37 436	3.00 383	55.83 435	4.98 393	2.45 378	4.49 330	2.61 359	3.46 403	1.55 409	3.14 408	1.94 406	3.72 406	3.18 408

TorneroNet	10.70 411	2.03 396	1.82 343	3.43 406	3.01 405	43.83 427	2.22 392	8.87 412	67.47 437	7.17 410	27.36 421	10.68 411	3.85 396	8.67 397	7.65 394	3.59 404	0.88 394	3.04 406	1.57 402	3.71 405	3.17 407

UNDER WATER-64	5.27 400	2.32 402	8.78 399	3.93 412	3.54 411	7.61 405	3.03 405	5.84 405	14.19 409	4.04 392	4.04 379	9.39 407	6.26 405	5.93 361	8.48 395	3.60 405	1.51 408	3.13 407	1.88 404	4.29 411	3.61 411

IMH-64-1	2.70 385	1.79 390	1.46 316	3.26 404	2.66 400	3.23 384	2.10 386	4.08 391	2.75 379	2.34 359	3.81 377	3.06 373	2.22 372	4.25 326	2.59 357	3.75 406	0.84 388	2.75 402	1.35 394	3.15 401	2.60 403

IMH-64	2.70 385	1.79 390	1.46 316	3.26 404	2.66 400	3.23 384	2.10 386	4.08 391	2.75 379	2.34 359	3.81 377	3.06 373	2.22 372	4.25 326	2.59 357	3.75 406	0.84 388	2.75 402	1.35 394	3.15 401	2.60 403

UNDER WATER	5.08 399	2.33 403	5.55 388	3.94 413	3.51 410	5.20 403	2.72 401	5.61 404	16.52 415	3.84 389	4.60 384	9.21 406	5.89 403	5.90 359	8.66 396	3.75 406	1.34 406	3.18 409	1.88 404	4.33 412	3.61 411

IMH	3.21 391	1.85 394	1.48 321	3.25 403	2.69 402	4.07 395	2.02 384	4.41 396	3.80 390	2.72 372	7.11 398	4.75 389	2.92 384	5.92 360	2.55 355	3.85 409	0.88 394	2.78 404	1.36 396	3.19 403	2.59 402

ktn	4.70 397	2.38 404	2.12 356	3.76 409	3.24 407	4.85 400	2.95 404	5.52 401	7.37 405	4.07 394	19.32 418	7.46 400	3.47 389	7.39 384	2.95 361	4.04 410	1.85 410	3.26 410	2.22 409	3.08 400	2.65 405

notaker	3.98 394	2.40 405	2.68 373	3.82 411	3.27 409	3.97 394	2.14 389	4.78 399	3.45 388	4.12 395	6.94 396	7.65 402	3.26 388	7.82 392	5.30 381	4.04 410	1.41 407	3.36 411	2.10 408	3.88 407	3.31 409

MADNet++	5.01 398	3.14 409	4.91 385	4.55 415	3.94 413	5.20 403	4.41 408	4.40 395	4.13 394	4.95 402	6.08 392	4.74 388	5.37 400	9.40 403	10.67 402	4.65 412	4.15 415	3.97 413	3.34 412	4.09 409	4.08 414

DGTPSM_ROB	13.01 414	8.23 415	21.87 412	9.51 418	18.10 417	11.56 412	32.01 421	10.63 414	16.20 411	7.03 408	19.48 419	10.15 409	16.66 414	9.83 408	22.42 416	4.75 413	8.68 418	5.37 414	10.25 418	6.16 415	11.36 418

DPSMNet_ROB	13.02 415	8.23 415	21.91 413	9.53 419	18.11 418	11.56 412	32.02 422	10.64 415	16.23 412	7.05 409	19.49 420	10.16 410	16.66 414	9.85 409	22.43 417	4.77 414	8.68 418	5.38 415	10.26 419	6.17 416	11.36 418

SPstereo	26.54 421	6.08 414	10.71 404	5.55 416	5.68 415	48.14 428	80.43 435	67.31 437	34.39 432	28.70 430	27.52 422	43.76 434	37.60 431	45.04 436	54.41 436	4.92 415	4.89 416	10.74 421	5.88 415	4.46 413	4.57 415

HanzoNet	11.04 412	3.62 411	8.10 398	4.08 414	3.55 412	4.90 401	2.73 402	7.19 410	10.10 406	31.86 432	28.92 423	21.96 423	36.36 424	18.08 418	10.17 399	7.94 416	3.32 413	3.47 412	3.31 411	7.06 417	4.04 413

tt	6.58 405	0.26 46	6.10 392	3.77 410	2.16 389	11.55 411	19.63 415	13.33 417	5.74 401	2.96 381	2.65 361	4.97 392	6.33 406	3.81 319	7.24 388	9.15 417	11.32 424	5.89 417	6.24 416	6.03 414	2.55 401

DLNR_Zeroshot_test	23.17 420	48.52 437	43.29 426	176.68 437	78.69 433	0.35 5	0.21 1	23.41 420	0.75 56	0.66 41	0.86 56	0.59 50	0.30 4	1.56 189	0.44 83	9.57 418	0.12 9	0.18 36	0.14 22	76.92 436	0.16 41

PML	51.67 433	36.25 427	13.28 407	7.46 417	20.81 419	108.69 436	232.22 437	8.72 411	27.82 424	87.01 437	269.67 437	69.67 437	61.95 436	24.76 426	14.20 407	9.74 419	3.40 414	9.62 418	4.70 413	18.74 422	4.72 416

DPSM_ROB	19.08 417	19.14 421	25.17 417	22.15 422	20.85 420	28.17 419	37.82 424	26.56 421	16.85 416	14.14 415	14.84 413	21.70 418	18.75 417	21.87 420	26.55 421	10.16 420	9.30 421	10.47 419	10.42 420	14.03 419	12.61 421

DPSM	19.08 417	19.14 421	25.17 417	22.15 422	20.85 420	28.17 419	37.82 424	26.56 421	16.85 416	14.14 415	14.84 413	21.70 418	18.75 417	21.87 420	26.55 421	10.16 420	9.30 421	10.47 419	10.42 420	14.03 419	12.61 421

ASD4	15.85 416	10.99 418	19.63 411	10.21 420	11.70 416	19.24 417	31.10 420	19.35 418	10.68 407	11.14 413	10.18 409	12.59 413	12.64 411	14.74 416	24.83 419	12.93 422	9.94 423	26.83 428	19.40 422	16.23 421	12.70 423

CasAABBNet	38.33 423	38.46 428	50.35 428	44.75 432	41.84 426	56.68 432	76.37 430	53.22 434	33.83 427	28.31 425	29.54 425	43.62 433	37.71 432	43.84 433	53.41 431	20.30 423	18.70 426	21.07 425	21.07 424	28.24 426	25.34 425

MyStereo03	38.34 424	38.50 430	50.41 429	44.74 429	41.86 427	56.65 429	76.38 431	52.99 431	33.93 429	28.39 427	29.99 427	43.54 429	37.42 428	43.82 430	53.53 432	20.31 424	18.71 428	21.06 422	21.08 425	28.23 423	25.35 426

MyStereo02	38.34 424	38.50 430	50.41 429	44.74 429	41.86 427	56.65 429	76.38 431	52.99 431	33.93 429	28.39 427	29.99 427	43.54 429	37.42 428	43.82 430	53.53 432	20.31 424	18.71 428	21.06 422	21.08 425	28.23 423	25.35 426

MyStereo	38.34 424	38.50 430	50.41 429	44.74 429	41.86 427	56.65 429	76.38 431	52.99 431	33.93 429	28.39 427	29.99 427	43.54 429	37.42 428	43.82 430	53.53 432	20.31 424	18.71 428	21.06 422	21.08 425	28.23 423	25.35 426

Selective-RAFT-Error	38.39 427	38.47 429	50.44 432	44.73 428	41.97 430	56.68 432	76.38 431	53.24 435	33.92 428	28.34 426	29.85 426	43.60 432	38.20 433	43.75 429	53.34 430	20.38 427	18.70 426	21.09 426	21.05 423	28.30 427	25.43 429

LSM0	42.82 431	38.75 433	50.81 433	47.07 433	109.38 437	57.00 434	76.02 429	53.74 436	33.71 426	29.02 431	30.41 430	43.87 435	37.22 427	43.91 434	53.54 435	20.52 428	18.62 425	21.10 427	21.11 428	28.41 428	42.22 431

LRCNet_RVC	22.74 419	32.10 426	21.97 414	29.84 424	26.23 422	4.42 398	0.81 281	22.66 419	2.02 358	26.93 424	29.26 424	23.06 425	15.59 413	23.84 422	18.88 413	31.75 429	19.90 431	34.65 429	32.13 429	30.54 429	28.32 430

xxxxx1	54.10 434	25.67 423	27.13 420	113.43 434	96.96 434	30.69 423	47.44 426	32.38 425	25.60 420	17.75 419	17.27 415	21.81 420	21.02 419	24.43 423	33.82 423	33.37 430	40.54 432	157.71 435	175.86 435	66.16 433	72.93 435

tt_ll	54.10 434	25.67 423	27.13 420	113.43 434	96.96 434	30.69 423	47.44 426	32.38 425	25.60 420	17.75 419	17.27 415	21.81 420	21.02 419	24.43 423	33.82 423	33.37 430	40.54 432	157.71 435	175.86 435	66.16 433	72.93 435

ff	54.10 434	25.67 423	27.13 420	113.43 434	96.96 434	30.69 423	47.44 426	32.38 425	25.60 420	17.75 419	17.27 415	21.81 420	21.02 419	24.43 423	33.82 423	33.37 430	40.54 432	157.71 435	175.86 435	66.16 433	72.93 435

HaxPig	38.92 428	41.40 434	41.64 424	29.95 425	32.27 423	28.90 421	27.60 417	29.73 424	37.71 433	43.82 433	43.87 431	33.17 426	35.56 423	41.53 427	40.37 428	43.94 433	47.51 436	45.82 430	47.08 431	42.38 430	44.15 433

AVERAGE_ROB	40.43 429	42.37 435	42.73 425	36.96 427	35.58 425	30.50 422	27.61 418	36.71 430	38.39 434	44.91 434	44.36 432	37.45 428	36.70 425	41.88 428	40.35 427	45.43 434	46.81 435	47.11 431	46.35 430	42.51 431	43.87 432

MEDIAN_ROB	42.00 430	44.40 436	44.29 427	35.15 426	34.95 424	31.28 426	29.60 419	35.88 429	40.02 435	47.20 435	46.64 433	37.37 427	38.48 434	44.35 435	42.45 429	48.03 435	49.39 437	49.71 432	49.03 432	45.14 432	46.65 434

Anonymous_1	43.04 432	18.73 420	24.79 416	21.81 421	46.26 431	27.80 418	37.60 423	28.08 423	16.14 410	14.66 417	14.30 412	20.65 417	17.88 416	21.56 419	25.94 420	117.93 436	8.92 420	100.65 433	126.50 433	158.64 437	12.08 420

FADE		4.78 412		1.89 386	1.92 388			5.58 402	5.04 398	2.92 379		4.13 383		10.23 410		188.09 437	2.77 411	123.78 434	127.92 434	1.06 376	1.10 382

test_example2	192.40 437	210.76 438	206.48 437	199.83 438	204.73 438	172.94 437	183.52 436	133.93 438	133.41 438	191.38 438	196.19 436	187.13 438	178.77 437	205.33 438	208.00 437	222.09 438	238.72 438	186.54 438	190.54 438	227.34 438	170.31 438

Low-res two-view benchmark