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	0.34 5	0.38 55	1.96 38	0.27 22	0.35 217	0.43 15	0.22 39	0.43 5	0.34 1	0.24 9	0.34 34	0.23 14	0.28 72	0.34 15	0.22 4	0.08 1	0.07 6	0.07 1	0.05 1	0.10 10	0.35 155

CAS	0.39 15	0.31 7	1.79 10	0.81 343	0.34 209	0.51 46	0.23 58	0.49 14	0.42 9	0.23 6	0.31 25	0.20 2	0.17 1	0.30 2	0.25 23	0.77 375	0.06 1	0.07 1	0.05 1	0.10 10	0.41 189

CES	0.33 4	0.32 14	1.46 3	0.25 5	0.50 275	0.40 12	0.20 20	0.48 11	0.48 27	0.22 3	0.29 17	0.26 29	0.19 7	0.35 22	0.22 4	0.09 11	0.07 6	0.08 3	0.05 1	0.16 69	0.54 247

CREStereo	0.31 1	0.35 37	1.66 7	0.19 1	0.13 5	0.55 82	0.17 5	0.50 23	0.50 35	0.28 18	0.34 34	0.24 20	0.21 16	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
PMTNet	0.35 7	0.38 55	1.75 9	0.21 2	0.14 8	0.57 105	0.24 80	0.48 11	0.44 16	0.28 18	0.32 31	0.26 29	0.24 27	0.41 41	0.24 15	0.42 356	0.07 6	0.08 3	0.05 1	0.18 110	0.15 30

Any-RAFT	0.42 22	0.33 23	1.89 26	0.28 34	0.21 77	0.69 250	0.21 30	0.83 161	0.60 80	0.45 51	0.43 64	0.62 196	0.30 98	0.48 59	0.24 15	0.11 110	0.40 278	0.08 3	0.06 6	0.10 10	0.16 43

LoS	0.34 5	0.35 37	1.88 24	0.25 5	0.13 5	0.53 66	0.20 20	0.50 23	0.53 51	0.26 14	0.28 15	0.37 67	0.24 27	0.40 35	0.25 23	0.10 47	0.08 38	0.08 3	0.06 6	0.15 60	0.10 4

s12784h	0.41 18	0.34 30	2.17 72	0.24 4	0.11 1	0.64 207	0.24 80	0.85 178	0.70 177	0.45 51	0.54 140	0.28 38	0.27 62	0.51 75	0.27 37	0.11 110	0.06 1	0.09 13	0.06 6	0.16 69	0.14 24

XX-TBD	0.40 17	1.04 236	2.49 170	0.35 143	0.13 5	0.51 46	0.17 5	0.44 6	0.52 45	0.38 28	0.51 116	0.23 14	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

iResNet_ROB	0.60 147	1.59 345	2.04 50	0.32 91	0.21 77	0.60 142	0.22 39	0.99 275	0.85 289	0.61 204	0.63 212	0.58 179	0.42 174	1.08 191	0.98 265	0.11 110	0.08 38	0.09 13	0.06 6	0.23 187	0.33 142

pmcnn	1.44 365	1.25 289	3.57 354	0.74 332	1.42 386	0.72 263	0.56 306	1.04 307	1.06 347	1.03 336	2.89 398	6.01 408	0.75 310	2.54 359	3.60 386	0.14 215	0.11 125	0.08 3	0.06 6	0.34 281	0.81 307

knoymous	0.37 11	0.34 30	1.83 15	0.25 5	0.18 47	0.45 17	0.24 80	0.60 65	0.40 4	0.42 37	0.39 51	0.54 156	0.25 41	0.41 41	0.29 51	0.12 143	0.08 38	0.12 135	0.07 12	0.13 35	0.20 68

RCA-Stereo	0.45 40	0.38 55	1.80 11	0.27 22	0.25 124	0.58 112	0.23 58	0.84 168	0.66 123	0.42 37	0.44 75	0.28 38	0.35 121	0.31 3	0.21 1	0.09 11	1.01 340	0.09 13	0.07 12	0.21 159	0.53 244

DCANet-4	0.43 25	0.32 14	2.31 94	0.26 15	0.14 8	0.51 46	0.22 39	0.84 168	0.78 240	0.55 141	0.48 89	0.28 38	0.37 128	0.40 35	0.37 107	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 198

fff	0.50 70	0.90 211	2.63 213	0.25 5	0.15 13	0.51 46	0.22 39	0.85 178	0.82 268	0.55 141	0.48 89	0.31 48	0.65 281	0.39 31	0.37 107	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 198

ADStereo(finetuned)	0.50 70	0.91 214	2.43 126	0.26 15	0.14 8	0.51 46	0.22 39	0.84 168	0.78 240	0.56 151	0.49 102	0.32 52	0.75 310	0.40 35	0.40 116	0.10 47	0.07 6	0.09 13	0.07 12	0.13 35	0.45 215

CroCo-Stereo	0.35 7	0.71 158	1.67 8	0.32 91	0.17 37	0.19 1	0.21 30	0.79 132	0.54 54	0.22 3	0.25 11	0.55 164	0.22 19	0.28 1	0.28 42	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
TANstereo	0.39 15	0.70 156	2.48 167	0.23 3	0.12 3	0.54 73	0.16 3	0.41 3	0.47 24	0.45 51	0.51 116	0.26 29	0.22 19	0.34 15	0.21 1	0.10 47	0.10 104	0.08 3	0.07 12	0.09 5	0.18 56

DCANet	0.49 66	0.91 214	2.63 213	0.26 15	0.14 8	0.51 46	0.22 39	0.84 168	0.78 240	0.56 151	0.49 102	0.32 52	0.41 163	0.39 31	0.41 118	0.10 47	0.07 6	0.09 13	0.07 12	0.14 51	0.45 215

csc	0.50 70	0.90 211	2.63 213	0.25 5	0.15 13	0.51 46	0.22 39	0.85 178	0.82 268	0.55 141	0.48 89	0.31 48	0.65 281	0.39 31	0.37 107	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 198

cscssc	0.50 70	0.90 211	2.63 213	0.25 5	0.15 13	0.51 46	0.22 39	0.85 178	0.82 268	0.55 141	0.48 89	0.31 48	0.65 281	0.39 31	0.37 107	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 198

111	0.57 118	1.41 320	2.63 213	0.25 5	0.15 13	0.59 130	0.26 111	0.90 219	0.83 274	0.50 99	0.54 140	0.57 175	0.38 135	0.54 91	0.41 118	0.10 47	0.07 6	0.09 13	0.07 12	0.24 193	0.81 307

R-Stereo Train	0.42 22	0.31 7	2.51 174	0.30 60	0.18 47	0.56 86	0.25 99	0.82 151	0.41 5	0.57 163	0.67 235	0.33 56	0.24 27	0.34 15	0.33 87	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	2.51 174	0.30 60	0.18 47	0.56 86	0.25 99	0.82 151	0.41 5	0.57 163	0.67 235	0.33 56	0.24 27	0.34 15	0.33 87	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
iResNetv2_ROB	0.71 231	1.90 370	3.48 346	0.43 233	0.22 86	0.60 142	0.29 158	0.96 257	0.78 240	0.60 197	0.65 226	0.60 189	0.46 210	0.80 163	1.21 291	0.12 143	0.08 38	0.10 46	0.07 12	0.44 336	0.33 142

MLCV	0.59 141	1.41 320	2.41 117	0.31 74	0.15 13	0.60 142	0.23 58	0.77 118	0.63 103	0.67 256	0.66 232	0.55 164	0.37 128	1.16 204	1.09 278	0.10 47	0.07 6	0.09 13	0.07 12	0.21 159	0.29 120

StereoIM	0.35 7	0.89 206	2.15 69	0.25 5	0.29 164	0.29 3	0.17 5	0.47 10	0.41 5	0.21 1	0.22 2	0.28 38	0.21 16	0.32 13	0.31 70	0.10 47	0.09 81	0.10 46	0.08 27	0.11 17	0.12 10

MIF-Stereo	0.36 10	0.66 143	2.43 126	0.28 34	0.24 118	0.30 4	0.18 10	0.35 1	0.36 2	0.26 14	0.37 42	0.18 1	0.18 6	0.33 14	0.30 56	0.11 110	0.08 38	0.09 13	0.08 27	0.25 208	0.09 2

CroCo-Stereo Lap2	0.38 13	0.91 214	2.02 46	0.33 111	0.38 235	0.23 2	0.21 30	0.63 76	0.51 40	0.23 6	0.28 15	0.29 42	0.23 25	0.34 15	0.28 42	0.10 47	0.09 81	0.10 46	0.08 27	0.22 173	0.15 30

Wz-Net-LNSev-Ref	0.65 191	1.15 261	2.40 113	0.33 111	0.30 175	0.83 307	0.40 244	0.94 241	0.82 268	0.67 256	0.76 286	0.68 231	0.58 263	1.13 200	1.25 297	0.14 215	0.08 38	0.10 46	0.08 27	0.18 110	0.28 114

raftrobust	0.52 82	1.14 255	2.15 69	0.33 111	0.99 358	0.53 66	0.21 30	0.59 62	0.50 35	0.53 126	0.36 38	0.31 48	0.33 112	0.47 51	0.42 122	0.10 47	0.55 299	0.09 13	0.08 27	0.22 173	0.46 218

RALCasStereoNet	0.65 191	1.34 305	2.56 193	0.43 233	0.96 354	0.50 44	0.26 111	0.62 70	0.56 63	0.43 43	0.49 102	0.36 64	0.28 72	0.72 146	0.53 165	0.10 47	1.18 353	0.09 13	0.08 27	0.27 234	1.27 353

DIP-Stereo	0.43 25	0.50 95	2.21 80	0.27 22	0.18 47	0.63 195	0.17 5	0.94 241	0.58 72	0.49 81	0.48 89	0.30 43	0.30 98	0.40 35	0.31 70	0.10 47	0.08 38	0.10 46	0.08 27	0.15 60	0.33 142
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HITNet	0.55 103	1.28 294	2.73 257	0.35 143	0.14 8	0.56 86	0.23 58	0.89 211	0.62 92	0.52 118	0.51 116	0.49 136	0.38 135	0.52 79	0.60 182	0.09 11	0.07 6	0.10 46	0.08 27	0.25 208	0.61 264
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
HSM	0.67 211	0.92 219	2.29 90	0.30 60	0.29 164	0.65 221	0.29 158	0.98 270	0.67 135	0.59 188	0.58 177	1.39 369	0.65 281	2.56 360	0.45 135	0.11 110	0.09 81	0.10 46	0.08 27	0.18 110	0.24 94

iResNet	0.59 141	1.09 243	2.54 182	0.44 238	0.18 47	0.65 221	0.29 158	0.89 211	0.75 221	0.59 188	0.64 219	0.43 92	0.39 146	0.73 147	1.24 296	0.11 110	0.08 38	0.09 13	0.08 27	0.21 159	0.40 182

Former-RAFT_DAM_RVC	0.52 82	0.51 100	1.12 1	0.26 15	0.22 86	0.46 20	0.20 20	1.10 338	1.33 369	3.13 406	0.33 32	0.22 8	0.20 14	0.34 15	0.26 32	0.11 110	0.09 81	0.11 92	0.09 37	0.17 90	0.21 72

ACVNet-DCA	0.67 211	0.73 166	2.43 126	0.67 322	0.52 279	0.76 277	0.24 80	0.81 144	0.83 274	0.77 294	0.39 51	0.25 23	0.38 135	0.70 135	0.22 4	0.10 47	2.13 396	0.11 92	0.09 37	0.16 69	1.18 342

1test111	0.72 239	0.73 166	2.43 126	0.67 322	0.52 279	0.76 277	0.24 80	0.81 144	0.83 274	0.77 294	0.39 51	0.25 23	0.38 135	1.03 186	0.75 224	0.10 47	2.13 396	0.11 92	0.09 37	0.16 69	1.18 342

cc1	0.74 244	0.73 166	2.43 126	0.67 322	0.52 279	0.76 277	0.24 80	0.85 178	1.05 345	0.77 294	0.39 51	0.25 23	0.38 135	0.70 135	0.22 4	0.10 47	2.13 396	0.11 92	0.09 37	0.25 208	2.20 395

tt1	0.74 244	0.73 166	2.34 99	0.67 322	0.63 312	0.75 273	0.24 80	0.85 178	0.96 327	0.81 306	0.38 48	0.26 29	0.35 121	0.64 118	0.22 4	0.10 47	2.16 401	0.11 92	0.09 37	0.25 208	2.19 391

GMStereo_Zeroshot	0.44 37	0.44 80	1.84 18	0.44 238	0.20 68	0.52 61	0.19 12	0.60 65	0.54 54	0.58 169	0.59 182	0.63 200	0.29 88	0.59 102	0.34 95	0.16 247	0.09 81	0.16 261	0.09 37	0.26 223	0.26 103

test croco	0.43 25	0.73 166	2.80 270	0.28 34	0.19 63	0.33 7	0.21 30	0.63 76	0.50 35	0.24 9	0.38 48	0.24 20	0.25 41	0.48 59	0.32 78	0.12 143	0.08 38	0.13 191	0.09 37	0.43 333	0.13 12

HH	0.79 265	0.52 102	2.72 252	1.45 377	0.80 339	0.91 326	0.23 58	0.76 112	0.76 229	0.64 236	0.55 149	0.87 303	0.41 163	0.94 179	0.45 135	0.09 11	1.20 355	0.10 46	0.09 37	0.16 69	2.16 389

HanStereo	0.79 265	0.52 102	2.72 252	1.45 377	0.80 339	0.91 326	0.23 58	0.76 112	0.76 229	0.64 236	0.55 149	0.87 303	0.41 163	0.94 179	0.45 135	0.09 11	1.20 355	0.10 46	0.09 37	0.16 69	2.16 389

EGLCR-Stereo	0.90 308	0.31 7	1.90 27	1.60 385	0.95 353	1.14 353	0.42 252	0.85 178	0.43 13	1.74 382	0.21 1	0.27 36	0.17 1	1.56 253	0.30 56	0.10 47	2.60 409	0.10 46	0.09 37	0.10 10	3.10 409

ProNet	0.46 45	0.60 127	1.85 20	0.35 143	0.67 320	0.49 38	0.25 99	0.53 30	0.57 66	0.21 1	0.24 6	0.22 8	0.20 14	0.52 79	0.22 4	0.09 11	0.47 287	0.10 46	0.09 37	0.23 187	1.33 358

DAS	0.61 154	0.42 70	1.85 20	0.34 128	0.34 209	0.52 61	0.42 252	0.89 211	0.80 256	0.85 315	0.69 242	0.57 175	0.51 232	2.38 349	0.57 176	0.13 185	0.09 81	0.12 135	0.09 37	0.18 110	0.37 162

SepStereo	0.57 118	0.42 70	1.85 20	0.34 128	0.34 209	0.52 61	0.42 252	0.89 211	0.80 256	0.85 315	0.69 242	0.57 175	0.51 232	1.55 251	0.57 176	0.13 185	0.09 81	0.12 135	0.09 37	0.18 110	0.37 162

IPLGR	0.58 126	0.64 140	3.12 313	0.37 167	0.18 47	0.62 182	0.54 298	1.06 327	0.69 167	0.73 282	0.46 78	0.50 140	0.44 195	1.12 199	0.31 70	0.10 47	0.08 38	0.11 92	0.09 37	0.21 159	0.20 68

GwcNet-ADL	0.54 99	0.78 185	2.85 282	0.31 74	0.20 68	0.58 112	0.29 158	0.93 236	0.67 135	0.48 65	0.47 83	0.56 171	0.33 112	0.48 59	0.80 238	0.13 185	0.12 140	0.09 13	0.09 37	0.14 51	0.40 182

GANet-ADL	0.48 55	0.56 116	2.51 174	0.34 128	0.20 68	0.58 112	0.25 99	0.80 137	0.57 66	0.43 43	0.61 197	0.56 171	0.31 102	0.44 48	0.44 131	0.14 215	0.11 125	0.10 46	0.09 37	0.22 173	0.38 170

STrans-v2	0.69 222	0.62 136	2.66 227	0.28 34	0.23 109	0.57 105	0.32 190	1.01 289	0.77 237	0.92 324	0.84 300	0.88 307	0.92 335	1.81 296	1.19 289	0.10 47	0.07 6	0.10 46	0.09 37	0.12 25	0.30 129

TransformOpticalFlow	0.65 191	0.61 132	2.67 234	0.45 245	0.26 138	0.62 182	0.28 133	0.88 205	0.76 229	0.76 292	0.74 276	0.90 311	0.84 320	1.82 299	0.80 238	0.10 47	0.07 6	0.11 92	0.09 37	0.12 25	0.19 60

OMP-Stereo	0.64 186	0.87 197	2.38 105	0.56 295	0.37 229	0.60 142	0.26 111	0.75 110	0.71 189	0.65 248	0.60 189	0.68 231	0.32 107	2.07 326	1.18 287	0.11 110	0.08 38	0.12 135	0.09 37	0.17 90	0.28 114

IIG-Stereo	0.65 191	0.87 197	2.32 96	0.55 286	0.23 109	0.62 182	0.21 30	0.78 125	0.71 189	0.64 236	0.69 242	0.69 242	0.38 135	2.07 326	1.37 308	0.11 110	0.08 38	0.11 92	0.09 37	0.15 60	0.27 108

NRIStereo	0.50 70	0.34 30	2.44 134	0.52 275	0.16 20	0.94 332	0.73 344	0.52 27	0.65 116	0.48 65	0.40 59	0.59 182	0.29 88	0.78 158	0.33 87	0.11 110	0.13 153	0.11 92	0.09 37	0.22 173	0.25 98

DeepStereo_RVC	0.47 48	0.37 50	2.19 75	0.55 286	0.18 47	0.60 142	0.58 311	0.52 27	0.62 92	0.49 81	0.45 76	0.39 74	0.85 323	0.47 51	0.34 95	0.12 143	0.08 38	0.11 92	0.09 37	0.15 60	0.19 60

RAFT-345	0.56 111	0.37 50	2.68 239	0.40 211	0.34 209	0.58 112	0.41 246	0.49 14	0.70 177	0.51 110	0.99 331	0.43 92	0.28 72	1.56 253	0.81 242	0.10 47	0.07 6	0.11 92	0.09 37	0.11 17	0.09 2

CRE-IMP	0.46 45	0.31 7	2.40 113	0.53 279	0.17 37	0.79 296	0.68 337	0.54 39	0.66 123	0.47 63	0.43 64	0.44 107	0.26 49	0.43 45	0.33 87	0.12 143	0.07 6	0.12 135	0.09 37	0.17 90	0.23 85

Prome-Stereo	0.53 92	0.36 40	2.39 111	0.60 301	0.23 109	0.63 195	0.41 246	0.66 83	0.67 135	0.59 188	1.02 335	0.43 92	0.71 298	0.61 110	0.34 95	0.10 47	0.07 6	0.10 46	0.09 37	0.13 35	0.44 210

LMCR-Stereo	0.61 154	1.00 226	2.60 204	0.42 223	0.22 86	0.74 271	0.31 180	1.06 327	0.70 177	0.62 216	0.64 219	0.40 82	0.52 239	0.84 168	1.27 299	0.20 296	0.09 81	0.12 135	0.09 37	0.26 223	0.16 43

TestStereo	0.49 66	0.88 201	2.38 105	0.30 60	0.16 20	0.43 15	0.25 99	0.55 47	0.46 18	0.38 28	0.46 78	0.34 60	0.28 72	1.96 320	0.28 42	0.11 110	0.08 38	0.12 135	0.09 37	0.15 60	0.13 12

raft+_RVC	0.62 167	1.18 269	2.43 126	0.36 157	2.08 402	0.52 61	0.25 99	0.66 83	0.54 54	0.36 23	0.46 78	0.32 52	0.28 72	0.49 69	0.43 128	0.10 47	0.91 335	0.10 46	0.09 37	0.22 173	0.70 291

RAFT-Stereo + iAFF	0.58 126	1.48 334	2.53 178	0.29 46	0.78 338	0.52 61	0.20 20	0.68 89	0.66 123	0.51 110	0.61 197	0.40 82	0.32 107	0.40 35	0.43 128	0.08 1	0.63 312	0.09 13	0.09 37	0.37 304	0.58 256

ACVNet	0.54 99	0.87 197	2.45 150	0.28 34	0.22 86	0.59 130	0.36 224	0.69 91	0.73 199	0.49 81	0.59 182	0.69 242	0.42 174	0.47 51	0.70 212	0.11 110	0.10 104	0.10 46	0.09 37	0.36 298	0.39 177

acv_ft	0.57 118	0.87 197	2.45 150	0.33 111	0.41 248	0.63 195	0.29 158	0.86 190	0.73 199	0.64 236	0.59 182	0.69 242	0.45 203	0.47 51	0.68 209	0.11 110	0.10 104	0.10 46	0.09 37	0.43 333	0.39 177

BEATNet_4x	0.57 118	1.16 263	2.56 193	0.35 143	0.16 20	0.56 86	0.25 99	0.91 226	0.64 109	0.55 141	0.53 126	0.59 182	0.43 187	0.67 128	0.76 227	0.12 143	0.09 81	0.12 135	0.09 37	0.23 187	0.58 256

HSM-Net_RVC	0.70 227	0.40 63	2.45 150	0.27 22	0.19 63	0.68 247	0.30 170	1.29 363	0.73 199	0.73 282	0.70 255	0.77 269	0.45 203	3.73 400	0.46 139	0.13 185	0.09 81	0.10 46	0.09 37	0.13 35	0.32 139
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
AANet_RVC	0.79 265	1.46 331	2.72 252	0.34 128	0.25 124	0.59 130	0.32 190	0.88 205	0.83 274	0.62 216	0.95 323	0.80 281	0.43 187	2.46 356	1.72 324	0.38 353	0.26 249	0.10 46	0.09 37	0.25 208	0.43 198

CoDeX	0.54 99	0.52 102	2.25 84	0.30 60	0.26 138	0.61 160	0.32 190	1.03 301	0.73 199	0.49 81	0.56 161	0.52 150	0.40 152	1.59 264	0.38 113	0.12 143	0.09 81	0.11 92	0.10 71	0.15 60	0.22 77

MIF-Stereo (partial)	0.41 18	0.71 158	2.67 234	0.27 22	0.24 118	0.32 6	0.17 5	0.56 48	0.46 18	0.26 14	0.37 42	0.25 23	0.26 49	0.46 49	0.35 102	0.11 110	0.08 38	0.12 135	0.10 71	0.21 159	0.15 30

MIM_Stereo	0.55 103	0.92 219	2.65 223	0.32 91	1.09 370	0.51 46	0.19 12	0.67 86	0.52 45	0.48 65	0.54 140	0.43 92	0.27 62	0.57 98	0.30 56	0.08 1	0.17 199	0.11 92	0.10 71	0.28 244	0.80 305

PCWNet_CMD	0.48 55	0.50 95	2.23 82	0.27 22	0.20 68	0.56 86	0.22 39	0.78 125	0.67 135	0.49 81	0.55 149	0.68 231	0.56 251	0.48 59	0.32 78	0.11 110	0.10 104	0.14 220	0.10 71	0.19 133	0.43 198

CBFPSM	0.62 167	1.34 305	2.12 64	0.30 60	0.23 109	0.71 257	0.38 235	0.77 118	0.68 159	0.51 110	0.49 102	1.03 339	0.82 317	0.63 114	1.35 304	0.11 110	0.12 140	0.10 46	0.10 71	0.19 133	0.37 162

iinet-f	0.62 167	1.18 269	2.55 189	0.33 111	0.25 124	0.82 306	0.34 208	0.87 197	0.69 167	0.56 151	0.64 219	0.73 257	0.67 289	0.80 163	0.81 242	0.14 215	0.13 153	0.11 92	0.10 71	0.44 336	0.26 103

TestStereo1	0.59 141	1.21 276	2.63 213	0.40 211	0.60 302	0.56 86	0.34 208	0.82 151	0.73 199	0.45 51	0.63 212	0.36 64	0.42 174	0.66 125	0.42 122	0.10 47	0.32 260	0.12 135	0.10 71	0.34 281	0.52 241

RAFT_CTSACE	0.58 126	1.16 263	2.76 264	0.36 157	0.29 164	0.54 73	0.29 158	0.69 91	0.51 40	0.51 110	0.75 283	0.67 219	0.37 128	0.63 114	0.47 142	0.08 1	0.49 291	0.11 92	0.10 71	0.41 329	0.32 139

CRFU-Net	0.58 126	0.42 70	1.90 27	0.49 266	0.27 149	0.83 307	0.35 217	0.94 241	0.54 54	0.65 248	0.60 189	0.78 273	1.34 356	1.00 182	0.51 160	0.17 266	0.14 166	0.17 275	0.10 71	0.19 133	0.20 68

SA-5K	0.59 141	1.21 276	2.63 213	0.40 211	0.60 302	0.56 86	0.34 208	0.82 151	0.73 199	0.45 51	0.63 212	0.36 64	0.42 174	0.66 125	0.42 122	0.10 47	0.32 260	0.12 135	0.10 71	0.34 281	0.52 241

CSP-Net	0.55 103	0.61 132	1.81 14	0.30 60	0.23 109	0.77 287	0.35 217	0.90 219	0.62 92	0.62 216	0.60 189	0.65 210	0.42 174	1.76 285	0.47 142	0.17 266	0.12 140	0.10 46	0.10 71	0.21 159	0.16 43

GLC_STEREO	0.31 1	0.30 5	1.80 11	0.29 46	0.12 3	0.41 13	0.20 20	0.39 2	0.42 9	0.26 14	0.31 25	0.25 23	0.19 7	0.36 24	0.26 32	0.09 11	0.11 125	0.12 135	0.10 71	0.13 35	0.15 30

HHNet	0.63 179	0.67 144	3.10 311	0.37 167	0.25 124	0.64 207	0.60 317	0.70 98	0.67 135	0.55 141	1.12 345	0.32 52	0.60 271	0.43 45	1.75 327	0.16 247	0.08 38	0.12 135	0.10 71	0.18 110	0.22 77

Patchmatch Stereo++	0.43 25	0.36 40	2.44 134	0.48 255	0.17 37	0.61 160	0.26 111	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.56 95	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	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	2.53 178	0.60 301	1.01 363	0.62 182	0.45 270	0.52 27	0.68 159	0.58 169	0.53 126	0.50 140	0.72 299	1.22 210	7.32 410	0.12 143	0.07 6	0.12 135	0.10 71	0.16 69	0.10 4

NF-Stereo	0.53 92	0.33 23	2.55 189	0.55 286	0.16 20	0.61 160	0.43 259	0.70 98	0.70 177	0.50 99	0.47 83	0.37 67	0.26 49	1.44 240	0.78 233	0.12 143	0.07 6	0.12 135	0.10 71	0.13 35	0.17 49

OCTAStereo	0.53 92	0.33 23	2.54 182	0.56 295	0.16 20	0.61 160	0.42 252	0.70 98	0.70 177	0.50 99	0.47 83	0.37 67	0.26 49	1.43 236	0.79 236	0.12 143	0.07 6	0.12 135	0.10 71	0.13 35	0.17 49

PSM-adaLoss	0.43 25	0.36 40	2.44 134	0.48 255	0.18 47	0.61 160	0.28 133	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.49 69	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

ROB_FTStereo_v2	0.43 25	0.36 40	2.44 134	0.49 266	0.17 37	0.61 160	0.28 133	0.53 30	0.61 83	0.48 65	0.43 64	0.44 107	0.28 72	0.48 59	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

ROB_FTStereo	0.43 25	0.36 40	2.44 134	0.48 255	0.18 47	0.61 160	0.26 111	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.51 75	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

HUI-Stereo	0.43 25	0.36 40	2.45 150	0.48 255	0.18 47	0.61 160	0.27 125	0.53 30	0.61 83	0.48 65	0.43 64	0.44 107	0.28 72	0.47 51	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

DEmStereo	0.69 222	0.40 63	2.42 121	0.42 223	0.18 47	0.66 234	0.88 357	0.54 39	0.64 109	0.60 197	1.00 332	0.45 119	1.24 355	1.53 249	2.21 352	0.10 47	0.08 38	0.10 46	0.10 71	0.11 17	0.14 24

SST-Stereo	0.56 111	0.30 5	2.44 134	0.71 331	0.55 287	0.62 182	0.65 329	0.57 53	0.67 135	0.59 188	0.53 126	0.51 143	0.59 266	1.57 257	0.31 70	0.12 143	0.07 6	0.12 135	0.10 71	0.17 90	0.11 9

RAFT_R40	0.55 103	0.31 7	2.44 134	0.57 299	0.42 258	0.62 182	0.52 293	0.58 55	0.66 123	0.56 151	0.54 140	0.54 156	0.50 228	1.56 253	0.53 165	0.11 110	0.07 6	0.12 135	0.10 71	0.16 69	0.10 4

RE-Stereo	0.53 92	0.33 23	2.54 182	0.56 295	0.16 20	0.61 160	0.43 259	0.70 98	0.70 177	0.50 99	0.47 83	0.37 67	0.26 49	1.43 236	0.77 229	0.12 143	0.07 6	0.12 135	0.10 71	0.13 35	0.17 49

Pruner-Stereo	0.55 103	0.38 55	2.49 170	1.78 394	0.19 63	0.63 195	0.45 270	0.59 62	0.67 135	0.61 204	0.48 89	0.41 87	0.25 41	0.49 69	0.99 267	0.13 185	0.07 6	0.12 135	0.10 71	0.13 35	0.14 24

TVStereo	0.53 92	0.33 23	2.54 182	0.56 295	0.16 20	0.61 160	0.43 259	0.70 98	0.70 177	0.50 99	0.47 83	0.37 67	0.26 49	1.43 236	0.77 229	0.12 143	0.07 6	0.12 135	0.10 71	0.13 35	0.17 49

iGMRVC	0.43 25	0.36 40	2.44 134	0.48 255	0.18 47	0.61 160	0.27 125	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.57 98	0.31 70	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

IRAFT_RVC	0.59 141	0.74 175	2.42 121	0.47 254	0.21 77	0.59 130	0.42 252	0.68 89	0.73 199	0.54 130	0.50 114	0.49 136	0.51 232	1.57 257	1.00 269	0.11 110	0.25 246	0.13 191	0.10 71	0.15 60	0.14 24

iRAFT	0.43 25	0.36 40	2.44 134	0.48 255	0.17 37	0.61 160	0.26 111	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.56 95	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

RAFT-IKP	0.43 25	0.36 40	2.44 134	0.48 255	0.16 20	0.60 142	0.28 133	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.51 75	0.31 70	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

CFNet_pseudo	0.47 48	0.50 95	2.19 75	0.26 15	0.20 68	0.56 86	0.22 39	0.80 137	0.62 92	0.50 99	0.56 161	0.68 231	0.47 218	0.53 86	0.33 87	0.11 110	0.10 104	0.15 245	0.10 71	0.18 110	0.33 142

GES	0.49 66	0.54 107	2.37 103	0.31 74	0.19 63	0.61 160	0.30 170	0.93 236	0.52 45	0.49 81	0.53 126	0.40 82	0.43 187	0.59 102	0.67 206	0.16 247	0.11 125	0.12 135	0.10 71	0.20 150	0.30 129

AFF-stereo	0.57 118	1.51 336	2.59 199	0.33 111	0.23 109	0.51 46	0.21 30	0.69 91	0.68 159	0.49 81	0.63 212	0.49 136	0.34 119	0.50 74	0.37 107	0.08 1	0.54 297	0.10 46	0.10 71	0.40 323	0.60 263

DMCA	0.50 70	0.83 191	1.95 35	0.32 91	0.24 118	0.59 130	0.26 111	0.81 144	0.68 159	0.59 188	0.49 102	0.56 171	0.36 123	0.65 122	0.65 201	0.14 215	0.10 104	0.14 220	0.10 71	0.19 133	0.29 120

MSMDNet	0.48 55	0.50 95	2.23 82	0.27 22	0.20 68	0.56 86	0.22 39	0.78 125	0.67 135	0.49 81	0.55 149	0.68 231	0.56 251	0.48 59	0.32 78	0.11 110	0.10 104	0.13 191	0.10 71	0.18 110	0.43 198

ccs_rob	0.47 48	0.50 95	2.19 75	0.26 15	0.20 68	0.56 86	0.22 39	0.80 137	0.62 92	0.50 99	0.56 161	0.68 231	0.47 218	0.53 86	0.33 87	0.11 110	0.10 104	0.16 261	0.10 71	0.18 110	0.33 142

DISCO	0.61 154	0.63 138	1.98 40	0.46 248	0.34 209	0.84 312	0.35 217	0.88 205	0.81 263	0.61 204	0.64 219	1.06 347	0.53 242	1.11 197	0.83 247	0.13 185	0.10 104	0.11 92	0.10 71	0.26 223	0.37 162

CFNet_ucs	0.50 70	0.55 114	2.28 88	0.27 22	0.22 86	0.58 112	0.23 58	0.90 219	0.69 167	0.54 130	0.64 219	0.68 231	0.44 195	0.55 92	0.34 95	0.14 215	0.12 140	0.16 261	0.11 109	0.19 133	0.38 170

4D-IteraStereo	0.62 167	1.29 296	3.04 306	0.27 22	0.30 175	0.46 20	0.26 111	0.54 39	0.51 40	0.41 33	0.31 25	0.39 74	0.19 7	0.53 86	0.65 201	0.09 11	0.47 287	0.12 135	0.11 109	0.21 159	2.14 388

gwcnet-sp	0.52 82	0.71 158	2.66 227	0.32 91	0.22 86	0.66 234	0.31 180	0.84 168	0.69 167	0.61 204	0.49 102	0.46 123	0.43 187	0.77 154	0.48 145	0.12 143	0.11 125	0.11 92	0.11 109	0.19 133	0.19 60

scenet	0.52 82	0.71 158	2.66 227	0.32 91	0.22 86	0.66 234	0.31 180	0.84 168	0.69 167	0.61 204	0.49 102	0.46 123	0.43 187	0.77 154	0.48 145	0.12 143	0.11 125	0.11 92	0.11 109	0.19 133	0.19 60

CASS	0.43 25	0.34 30	2.01 43	0.33 111	0.17 37	0.54 73	0.24 80	0.71 104	0.52 45	0.62 216	0.55 149	0.40 82	0.41 163	0.43 45	0.33 87	0.17 266	0.10 104	0.14 220	0.11 109	0.18 110	0.23 85
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	0.52 82	0.71 158	2.66 227	0.32 91	0.22 86	0.66 234	0.31 180	0.84 168	0.69 167	0.61 204	0.49 102	0.46 123	0.43 187	0.77 154	0.48 145	0.12 143	0.11 125	0.11 92	0.11 109	0.19 133	0.19 60

DisPM	0.48 55	0.41 68	2.54 182	0.61 307	0.18 47	0.59 130	0.62 324	0.54 39	0.67 135	0.61 204	0.53 126	0.38 72	0.26 49	0.76 153	0.31 70	0.13 185	0.07 6	0.12 135	0.11 109	0.12 25	0.15 30

IER	0.49 66	0.73 166	2.12 64	0.27 22	0.25 124	0.65 221	0.27 125	0.76 112	0.59 76	0.56 151	0.59 182	0.60 189	0.53 242	0.64 118	0.44 131	0.12 143	0.09 81	0.11 92	0.11 109	0.18 110	0.15 30

NINENet	0.54 99	0.40 63	2.19 75	0.55 286	0.26 138	0.91 326	0.23 58	1.05 315	0.77 237	0.54 130	0.57 171	0.65 210	0.32 107	1.22 210	0.34 95	0.16 247	0.13 153	0.16 261	0.11 109	0.16 69	0.14 24

AASNet	0.66 208	1.49 335	2.97 297	0.37 167	0.33 200	0.65 221	0.30 170	1.00 281	0.78 240	0.56 151	0.60 189	0.55 164	0.39 146	0.88 175	0.96 258	0.15 233	0.12 140	0.13 191	0.11 109	0.45 338	0.35 155

GMOStereo	0.58 126	0.89 206	2.46 157	0.29 46	0.99 358	0.51 46	0.32 190	0.58 55	0.46 18	0.58 169	0.48 89	0.54 156	0.27 62	0.31 3	0.25 23	0.09 11	1.64 380	0.13 191	0.11 109	0.34 281	0.42 193

error version	0.58 126	0.89 206	2.46 157	0.29 46	0.99 358	0.51 46	0.32 190	0.58 55	0.46 18	0.58 169	0.48 89	0.54 156	0.27 62	0.31 3	0.25 23	0.09 11	1.64 380	0.13 191	0.11 109	0.34 281	0.42 193

test-v	0.58 126	0.89 206	2.46 157	0.29 46	0.99 358	0.51 46	0.32 190	0.58 55	0.46 18	0.58 169	0.48 89	0.54 156	0.27 62	0.31 3	0.25 23	0.09 11	1.64 380	0.13 191	0.11 109	0.34 281	0.42 193

AACVNet	0.61 154	1.13 254	2.47 162	0.37 167	0.21 77	0.57 105	0.25 99	0.75 110	0.55 59	0.56 151	0.60 189	0.66 217	0.44 195	2.11 332	0.49 154	0.14 215	0.11 125	0.14 220	0.11 109	0.35 292	0.23 85

ADLNet2	0.73 241	1.22 281	3.28 323	0.34 128	0.36 223	0.65 221	0.37 227	0.94 241	0.87 297	0.57 163	0.65 226	0.92 312	0.48 224	2.05 324	0.60 182	0.13 185	0.11 125	0.11 92	0.11 109	0.37 304	0.38 170

CrosDoStereo	0.96 319	0.49 89	2.66 227	0.27 22	0.33 200	0.54 73	3.69 405	0.77 118	0.66 123	0.70 270	1.39 359	0.53 151	1.47 366	1.77 288	3.02 376	0.10 47	0.08 38	0.11 92	0.11 109	0.22 173	0.30 129

FTStereo	0.79 265	0.32 14	2.83 278	0.70 329	0.21 77	0.73 266	1.75 396	0.61 67	0.60 80	1.07 340	1.62 367	1.28 364	2.11 388	0.75 151	0.30 56	0.19 288	0.08 38	0.12 135	0.11 109	0.12 25	0.39 177

ASMatch	0.61 154	0.47 85	2.72 252	0.91 351	0.36 223	0.56 86	0.24 80	0.54 39	0.67 135	0.48 65	1.20 348	0.47 128	0.65 281	1.33 226	0.93 256	0.10 47	0.08 38	0.11 92	0.11 109	0.10 10	0.17 49

DeepStereo_LL	0.96 319	0.49 89	2.66 227	0.27 22	0.33 200	0.54 73	3.69 405	0.77 118	0.66 123	0.70 270	1.39 359	0.53 151	1.47 366	1.77 288	3.02 376	0.10 47	0.08 38	0.11 92	0.11 109	0.22 173	0.30 129

THIR-Stereo	0.88 298	0.85 194	2.33 98	0.26 15	0.16 20	0.59 130	2.69 401	0.62 70	0.54 54	0.62 216	1.61 366	0.96 325	1.77 379	1.67 274	2.20 351	0.10 47	0.08 38	0.14 220	0.11 109	0.16 69	0.21 72

test-2	0.58 126	0.89 206	2.46 157	0.29 46	0.99 358	0.51 46	0.32 190	0.58 55	0.46 18	0.58 169	0.48 89	0.54 156	0.27 62	0.31 3	0.25 23	0.09 11	1.64 380	0.13 191	0.11 109	0.34 281	0.42 193

ICVP	0.48 55	0.33 23	2.37 103	0.34 128	0.22 86	0.60 142	0.55 302	0.79 132	0.53 51	0.45 51	0.60 189	0.49 136	0.36 123	0.55 92	0.46 139	0.16 247	0.16 192	0.14 220	0.11 109	0.16 69	0.32 139
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
iRaftStereo_RVC	0.47 48	0.84 192	1.91 29	0.29 46	0.15 13	0.53 66	0.20 20	0.58 55	0.50 35	0.37 25	0.43 64	0.42 91	0.23 25	0.38 27	0.28 42	0.09 11	0.70 324	0.12 135	0.11 109	0.43 333	0.77 298

GEStereo_RVC	0.61 154	1.19 272	2.61 208	0.48 255	0.25 124	0.63 195	0.37 227	1.05 315	0.79 249	0.55 141	0.55 149	0.59 182	0.44 195	1.10 193	0.48 145	0.16 247	0.11 125	0.12 135	0.11 109	0.27 234	0.43 198

sCroCo_RVC	0.37 11	0.39 59	2.38 105	0.35 143	0.27 149	0.31 5	0.22 39	0.49 14	0.48 27	0.23 6	0.34 34	0.25 23	0.24 27	0.35 22	0.25 23	0.15 233	0.17 199	0.12 135	0.11 109	0.15 60	0.15 30

MMNet	0.55 103	0.92 219	2.03 47	0.34 128	0.27 149	0.79 296	0.28 133	0.86 190	0.79 249	0.62 216	0.58 177	0.59 182	0.56 251	0.80 163	0.61 187	0.11 110	0.11 125	0.12 135	0.11 109	0.21 159	0.22 77

UNet	0.56 111	0.58 119	2.81 274	0.32 91	0.33 200	0.74 271	0.27 125	0.86 190	0.67 135	0.55 141	0.55 149	0.72 251	0.55 249	0.79 159	0.58 178	0.12 143	0.09 81	0.13 191	0.11 109	0.20 150	0.19 60

FENet	0.48 55	0.58 119	2.46 157	0.33 111	0.18 47	0.58 112	0.22 39	0.83 161	0.64 109	0.49 81	0.42 62	0.55 164	0.38 135	0.52 79	0.51 160	0.12 143	0.09 81	0.12 135	0.11 109	0.17 90	0.31 137

RASNet	0.69 222	1.05 237	2.59 199	0.37 167	0.47 271	0.66 234	0.33 203	0.82 151	0.76 229	0.51 110	0.65 226	0.93 317	0.62 275	2.20 337	0.80 238	0.14 215	0.09 81	0.09 13	0.11 109	0.18 110	0.37 162

AdaStereo	0.48 55	0.44 80	2.18 74	0.36 157	0.20 68	0.59 130	0.29 158	0.97 264	0.74 216	0.52 118	0.55 149	0.61 191	0.33 112	0.52 79	0.44 131	0.18 277	0.08 38	0.17 275	0.11 109	0.18 110	0.24 94
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.
whm_eth	0.51 80	0.86 196	2.79 268	0.31 74	0.31 183	0.49 38	0.24 80	0.78 125	0.75 221	0.48 65	0.86 308	0.26 29	0.26 49	0.38 27	0.29 51	0.13 185	0.11 125	0.13 191	0.12 139	0.14 51	0.44 210

CASnet	0.32 3	0.40 63	1.80 11	0.28 34	0.11 1	0.47 30	0.19 12	0.45 7	0.47 24	0.39 30	0.31 25	0.23 14	0.17 1	0.31 3	0.21 1	0.11 110	0.06 1	0.15 245	0.12 139	0.16 69	0.08 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo	0.85 288	1.73 359	3.06 310	0.37 167	0.61 309	0.54 73	0.33 203	1.01 289	0.76 229	0.69 267	0.58 177	0.85 297	0.78 313	2.65 368	0.54 170	0.14 215	0.58 305	0.14 220	0.12 139	0.42 331	1.05 335

BUS	0.45 40	0.32 14	1.58 4	0.31 74	0.22 86	0.91 326	0.23 58	1.05 315	0.67 135	0.64 236	0.53 126	0.65 210	0.32 107	0.48 59	0.34 95	0.13 185	0.10 104	0.14 220	0.12 139	0.13 35	0.15 30

Wz-Net-LNSev	0.66 208	1.30 297	2.81 274	0.35 143	0.37 229	0.80 299	0.48 281	0.91 226	0.87 297	0.63 225	0.70 255	0.80 281	0.59 266	0.67 128	0.68 209	0.15 233	0.14 166	0.12 135	0.12 139	0.24 193	0.38 170

test_5	0.61 154	1.25 289	2.76 264	0.39 198	0.64 316	0.58 112	0.35 217	0.85 178	0.66 123	0.49 81	0.56 161	0.55 164	0.40 152	0.79 159	0.32 78	0.10 47	0.19 209	0.12 135	0.12 139	0.33 275	0.85 313

BSDual-CNN	0.48 55	0.32 14	1.58 4	0.31 74	0.22 86	0.76 277	0.32 190	1.05 315	0.67 135	0.64 236	0.53 126	0.63 200	0.38 135	0.48 59	0.97 259	0.13 185	0.10 104	0.14 220	0.12 139	0.13 35	0.15 30

hknet	0.53 92	0.39 59	2.04 50	0.31 74	0.24 118	0.76 277	0.32 190	1.05 315	0.71 189	0.64 236	0.53 126	0.79 275	0.40 152	0.84 168	0.78 233	0.12 143	0.10 104	0.14 220	0.12 139	0.13 35	0.15 30

iRaft-Stereo_5w	0.65 191	1.35 308	2.21 80	0.30 60	0.63 312	0.49 38	0.28 133	0.78 125	0.64 109	0.41 33	0.61 197	0.62 196	0.46 210	1.79 293	0.48 145	0.10 47	0.25 246	0.11 92	0.12 139	0.40 323	0.94 323

dd	0.48 55	1.32 299	2.41 117	0.31 74	0.17 37	0.58 112	0.26 111	0.50 23	0.71 189	0.42 37	0.41 60	0.34 60	0.28 72	0.47 51	0.41 118	0.18 277	0.10 104	0.13 191	0.12 139	0.22 173	0.16 43

IPLG	0.74 244	1.09 243	2.87 285	0.36 157	0.21 77	1.63 375	0.60 317	1.39 370	0.63 103	1.39 368	0.51 116	0.40 82	0.86 325	1.40 232	0.37 107	0.09 11	0.07 6	0.14 220	0.12 139	0.34 281	0.23 85

PSM-softLoss	0.52 82	0.34 30	2.47 162	0.55 286	0.17 37	0.61 160	0.39 241	0.64 78	0.67 135	0.52 118	0.48 89	0.39 74	0.25 41	1.46 241	0.77 229	0.13 185	0.08 38	0.13 191	0.12 139	0.12 25	0.15 30

KMStereo	0.52 82	0.34 30	2.47 162	0.55 286	0.17 37	0.61 160	0.39 241	0.64 78	0.67 135	0.52 118	0.48 89	0.39 74	0.25 41	1.46 241	0.77 229	0.13 185	0.08 38	0.13 191	0.12 139	0.12 25	0.15 30

Anonymous	0.41 18	0.44 80	2.55 189	0.35 143	0.32 194	0.38 11	0.34 208	0.57 53	0.41 5	0.25 11	0.30 20	0.23 14	0.29 88	0.38 27	0.28 42	0.15 233	0.13 153	0.11 92	0.12 139	0.24 193	0.30 129

GMStereo	0.44 37	1.32 299	2.65 223	0.28 34	0.16 20	0.42 14	0.22 39	0.48 11	0.63 103	0.41 33	0.36 38	0.26 29	0.25 41	0.41 41	0.30 56	0.14 215	0.08 38	0.10 46	0.12 139	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
ac_64	0.63 179	0.77 182	2.71 250	0.37 167	0.34 209	0.64 207	0.30 170	0.86 190	0.67 135	0.58 169	0.53 126	0.88 307	0.48 224	1.84 302	0.71 216	0.15 233	0.12 140	0.12 135	0.12 139	0.21 159	0.25 98

HGLStereo	0.61 154	1.20 274	2.59 199	0.36 157	0.40 243	0.65 221	0.30 170	0.87 197	0.67 135	0.60 197	0.70 255	0.69 242	0.56 251	1.07 190	0.59 180	0.14 215	0.13 153	0.13 191	0.12 139	0.23 187	0.23 85

cf-r	0.62 167	1.27 292	2.99 302	0.34 128	0.28 159	0.60 142	0.28 133	0.82 151	0.70 177	0.55 141	0.61 197	0.77 269	0.41 163	1.32 225	0.52 162	0.13 185	0.09 81	0.11 92	0.12 139	0.22 173	0.27 108

GANet-RSSM	0.63 179	1.14 255	2.67 234	0.38 185	0.26 138	0.59 130	0.29 158	0.81 144	0.56 63	0.50 99	0.57 171	0.67 219	0.50 228	1.91 317	0.50 157	0.14 215	0.10 104	0.24 326	0.12 139	0.36 298	0.28 114

PWCDC_ROB	0.83 277	1.57 340	2.63 213	0.48 255	0.37 229	0.78 292	0.29 158	1.04 307	1.36 371	0.63 225	2.05 376	0.64 206	0.70 297	1.10 193	1.20 290	0.33 349	0.14 166	0.15 245	0.12 139	0.63 363	0.46 218

anonymousdsp2	0.88 298	0.31 7	1.96 38	1.06 361	1.56 392	0.57 105	0.22 39	0.84 168	0.98 334	1.20 354	0.37 42	0.65 210	0.26 49	1.19 208	0.46 139	0.10 47	2.40 408	0.10 46	0.13 159	0.19 133	2.96 407

psmg	0.48 55	0.32 14	1.58 4	0.28 34	0.22 86	0.75 273	0.35 217	0.94 241	0.67 135	0.61 204	0.59 182	0.63 200	0.38 135	0.48 59	0.97 259	0.13 185	0.11 125	0.13 191	0.13 159	0.14 51	0.15 30

CIPLG	0.63 179	1.59 345	3.16 315	0.79 340	0.31 183	0.62 182	0.57 309	0.82 151	0.68 159	0.58 169	0.63 212	0.43 92	0.31 102	0.48 59	0.42 122	0.12 143	0.20 221	0.13 191	0.13 159	0.36 298	0.21 72

PSMNet-ADL	0.56 111	0.47 85	2.03 47	0.35 143	0.22 86	0.67 241	0.27 125	0.77 118	0.58 72	0.43 43	0.53 126	0.70 248	0.45 203	1.89 311	0.64 196	0.16 247	0.13 153	0.11 92	0.13 159	0.15 60	0.51 236

PFNet+	0.50 70	0.43 76	2.54 182	0.49 266	0.18 47	0.58 112	0.76 346	0.54 39	0.72 196	0.56 151	0.48 89	0.39 74	0.26 49	0.94 179	0.33 87	0.14 215	0.09 81	0.14 220	0.13 159	0.12 25	0.16 43

RAFT-RH_RVC	0.65 191	0.73 166	2.78 267	0.39 198	0.29 164	0.60 142	0.18 10	0.45 7	0.63 103	0.75 290	1.89 372	0.47 128	0.29 88	1.59 264	1.21 291	0.15 233	0.07 6	0.13 191	0.13 159	0.11 17	0.10 4

RAFT	0.62 167	1.35 308	2.26 85	0.62 309	0.53 284	0.47 30	0.35 217	0.70 98	0.58 72	0.50 99	0.50 114	0.79 275	0.40 152	0.49 69	0.36 104	0.11 110	0.79 329	0.14 220	0.13 159	0.52 352	0.72 294

GMM-Stereo	0.53 92	0.33 23	2.89 287	0.53 279	0.24 118	0.77 287	0.46 275	0.62 70	0.65 116	0.58 169	0.73 273	0.47 128	0.43 187	0.68 132	0.29 51	0.10 47	0.06 1	0.13 191	0.13 159	0.14 51	0.44 210

Anonymous3	0.47 48	0.49 89	2.61 208	0.33 111	0.25 124	0.72 263	0.32 190	0.80 137	0.60 80	0.36 23	0.41 60	0.33 56	0.29 88	0.46 49	0.30 56	0.19 288	0.18 205	0.13 191	0.13 159	0.18 110	0.22 77

sAnonymous2	0.45 40	0.88 201	2.97 297	0.31 74	0.25 124	0.34 8	0.28 133	0.56 48	0.49 29	0.25 11	0.30 20	0.23 14	0.29 88	0.31 3	0.22 4	0.12 143	0.09 81	0.12 135	0.13 159	0.38 310	0.43 198

CroCo_RVC	0.45 40	0.88 201	2.97 297	0.31 74	0.25 124	0.34 8	0.28 133	0.56 48	0.49 29	0.25 11	0.30 20	0.23 14	0.29 88	0.31 3	0.22 4	0.12 143	0.09 81	0.12 135	0.13 159	0.38 310	0.43 198

HCRNet	0.50 70	0.75 179	2.08 56	0.39 198	0.29 164	0.58 112	0.22 39	0.79 132	0.67 135	0.49 81	0.49 102	0.48 134	0.37 128	1.13 200	0.40 116	0.15 233	0.10 104	0.15 245	0.13 159	0.21 159	0.19 60

ARAFT	0.65 191	1.69 358	3.34 328	0.29 46	0.16 20	0.65 221	0.36 224	0.96 257	0.73 199	0.63 225	0.49 102	0.56 171	0.31 102	1.23 212	0.35 102	0.11 110	0.08 38	0.14 220	0.13 159	0.38 310	0.50 232

UPFNet	0.51 80	0.67 144	2.04 50	0.34 128	0.33 200	0.65 221	0.37 227	0.88 205	0.65 116	0.60 197	0.53 126	0.61 191	0.41 163	0.77 154	0.55 172	0.13 185	0.13 153	0.13 191	0.13 159	0.20 150	0.16 43

hitnet-ft	0.73 241	1.09 243	2.59 199	0.28 34	0.22 86	0.71 257	0.36 224	0.89 211	0.67 135	0.58 169	0.83 298	1.03 339	0.94 338	2.31 342	0.70 212	0.23 317	0.14 166	0.41 362	0.13 159	0.24 193	0.28 114

GwcNet-RSSM	0.64 186	1.38 318	2.69 245	0.33 111	0.26 138	0.60 142	0.32 190	0.84 168	0.73 199	0.56 151	0.65 226	0.72 251	0.42 174	1.78 291	0.60 182	0.14 215	0.10 104	0.12 135	0.13 159	0.26 223	0.26 103

DN-CSS_ROB	0.56 111	1.64 353	2.75 261	0.42 223	0.22 86	0.57 105	0.19 12	0.79 132	0.66 123	0.46 61	0.62 204	0.41 87	0.32 107	0.73 147	0.49 154	0.12 143	0.08 38	0.14 220	0.13 159	0.38 310	0.17 49

PWC_ROB	0.81 270	1.41 320	2.60 204	0.41 220	0.40 243	0.63 195	0.31 180	1.04 307	0.99 337	0.92 324	1.29 353	0.78 273	0.68 291	1.65 273	1.50 315	0.19 288	0.12 140	0.18 291	0.13 159	0.51 349	0.54 247

LL-Strereo2	0.62 167	1.36 312	2.47 162	1.37 374	0.96 354	0.54 73	0.28 133	0.61 67	0.49 29	0.42 37	0.34 34	0.44 107	0.21 16	0.57 98	0.53 165	0.11 110	0.26 249	0.16 261	0.14 177	0.18 110	0.98 333

ssnet_v2	0.64 186	0.99 225	2.67 234	0.33 111	0.22 86	0.72 263	0.45 270	1.00 281	0.80 256	0.66 254	0.54 140	0.81 284	0.48 224	0.91 176	1.08 277	0.16 247	0.14 166	0.14 220	0.14 177	0.33 275	0.31 137

Wz-Net-MNSev	0.74 244	1.42 324	2.75 261	0.38 185	0.33 200	0.90 325	0.61 322	0.98 270	0.94 320	0.77 294	0.75 283	0.75 263	0.66 287	1.39 230	0.76 227	0.17 266	0.13 153	0.14 220	0.14 177	0.28 244	0.48 224

ACRE	0.63 179	1.55 339	3.41 340	0.76 334	0.28 159	0.60 142	0.56 306	0.82 151	0.68 159	0.57 163	0.62 204	0.43 92	0.30 98	0.47 51	0.42 122	0.12 143	0.19 209	0.13 191	0.14 177	0.36 298	0.20 68

KYRaft	0.52 82	0.35 37	2.40 113	0.34 128	0.21 77	0.75 273	0.43 259	0.62 70	0.63 103	0.64 236	0.92 318	0.53 151	0.72 299	0.60 107	0.26 32	0.10 47	0.07 6	0.12 135	0.14 177	0.13 35	0.54 247

DRaft	0.65 191	0.47 85	2.38 105	0.25 5	0.17 37	0.64 207	0.65 329	0.56 48	0.57 66	0.67 256	0.98 328	0.38 72	0.99 341	1.42 235	2.06 341	0.11 110	0.14 166	0.10 46	0.14 177	0.18 110	0.21 72

pcwnet_v2	0.65 191	0.54 107	4.29 385	0.33 111	0.27 149	0.60 142	0.25 99	1.02 295	0.92 313	0.61 204	0.69 242	0.62 196	0.54 244	0.67 128	0.38 113	0.18 277	0.15 180	0.15 245	0.14 177	0.21 159	0.49 230

ADLNet	0.68 216	1.02 230	2.68 239	0.35 143	0.34 209	0.67 241	0.34 208	0.95 254	0.79 249	0.70 270	0.62 204	0.80 281	0.46 210	1.77 288	0.69 211	0.15 233	0.12 140	0.14 220	0.14 177	0.31 266	0.54 247

RAFT + AFF	0.79 265	1.73 359	2.99 302	0.34 128	0.35 217	0.67 241	0.51 289	1.05 315	0.79 249	0.54 130	0.58 177	0.59 182	0.81 316	1.80 294	1.21 291	0.13 185	0.27 255	0.15 245	0.14 177	0.45 338	0.69 288

delet	0.60 147	0.84 192	2.45 150	0.33 111	0.35 217	0.73 266	0.46 275	0.89 211	0.80 256	0.58 169	0.62 204	0.67 219	0.51 232	1.14 202	0.64 196	0.12 143	0.12 140	0.13 191	0.14 177	0.22 173	0.29 120

CFNet-ft	0.60 147	1.16 263	2.45 150	0.29 46	0.30 175	0.64 207	0.28 133	0.69 91	0.57 66	0.49 81	0.57 171	0.79 275	0.44 195	1.48 244	0.62 190	0.15 233	0.10 104	0.28 337	0.14 177	0.21 159	0.29 120

DSFCA	0.62 167	0.77 182	1.95 35	0.29 46	0.29 164	0.79 296	0.86 354	0.81 144	0.73 199	0.73 282	0.66 232	0.67 219	0.57 256	1.17 206	1.03 272	0.16 247	0.15 180	0.13 191	0.14 177	0.19 133	0.28 114

RYNet	0.77 260	0.91 214	2.36 101	0.37 167	0.41 248	0.88 320	0.44 265	0.99 275	0.88 301	0.65 248	0.54 140	0.92 312	0.61 273	2.70 373	1.23 295	0.15 233	0.14 166	0.17 275	0.14 177	0.27 234	0.55 253

CFNet	0.65 191	1.45 329	2.27 86	0.34 128	0.25 124	0.64 207	0.23 58	0.93 236	0.79 249	0.48 65	0.59 182	0.58 179	0.40 152	2.28 340	0.63 195	0.13 185	0.09 81	0.15 245	0.14 177	0.34 281	0.26 103

CFNet_RVC	0.60 147	1.16 263	2.45 150	0.29 46	0.30 175	0.64 207	0.28 133	0.69 91	0.57 66	0.49 81	0.57 171	0.79 275	0.44 195	1.48 244	0.62 190	0.15 233	0.10 104	0.28 337	0.14 177	0.21 159	0.29 120

DeepPruner_ROB	0.58 126	1.06 238	2.68 239	0.30 60	0.26 138	0.63 195	0.31 180	0.83 161	0.51 40	0.62 216	0.56 161	0.65 210	0.39 146	1.06 188	0.56 174	0.19 288	0.14 166	0.14 220	0.14 177	0.24 193	0.33 142

StereoDRNet-Refined	0.55 103	0.61 132	2.07 54	0.34 128	0.21 77	0.68 247	0.26 111	0.87 197	0.73 199	0.70 270	0.69 242	0.74 259	0.45 203	1.10 193	0.62 190	0.12 143	0.09 81	0.14 220	0.14 177	0.27 234	0.24 94
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.61 154	0.96 224	2.00 41	0.37 167	0.25 124	0.65 221	0.37 227	0.86 190	0.76 229	0.73 282	0.70 255	0.84 292	0.47 218	1.57 257	0.72 220	0.13 185	0.13 153	0.14 220	0.14 177	0.18 110	0.33 142

StereoVision	0.52 82	1.12 252	2.70 249	0.34 128	0.32 194	0.47 30	0.26 111	0.73 106	0.61 83	0.33 22	0.89 314	0.45 119	0.26 49	0.52 79	0.39 115	0.14 215	0.15 180	0.16 261	0.15 195	0.22 173	0.14 24

Selective-IGEV	0.57 118	0.42 70	1.87 23	1.67 389	1.33 382	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 79	0.36 104	0.09 11	0.97 337	0.09 13	0.15 195	0.20 150	0.85 313

test_4	0.47 48	0.80 189	2.15 69	0.36 157	0.29 164	0.59 130	0.28 133	0.50 23	0.42 9	0.43 43	0.76 286	0.39 74	0.22 19	0.73 147	0.49 154	0.08 1	0.18 205	0.11 92	0.15 195	0.29 252	0.27 108

IPLGR_C	0.64 186	1.66 356	3.36 329	0.80 341	0.31 183	0.60 142	0.60 317	0.82 151	0.69 167	0.58 169	0.62 204	0.44 107	0.31 102	0.47 51	0.43 128	0.12 143	0.22 231	0.13 191	0.15 195	0.35 292	0.21 72

SACVNet	0.68 216	1.08 242	2.58 197	0.38 185	0.28 159	0.65 221	0.37 227	0.91 226	0.65 116	0.67 256	0.62 204	0.69 242	0.47 218	2.07 326	0.65 201	0.18 277	0.14 166	0.16 261	0.15 195	0.39 317	0.41 189

PSM-AAD	0.67 211	0.29 2	2.41 117	0.37 167	0.23 109	0.86 314	1.15 377	0.62 70	0.66 123	0.64 236	0.71 268	0.67 219	2.90 396	0.65 122	0.32 78	0.10 47	0.08 38	0.17 275	0.15 195	0.14 51	0.34 149

rafts_anoy	0.60 147	1.33 303	2.59 199	0.53 279	1.09 370	0.49 38	0.25 99	0.67 86	0.53 51	0.41 33	0.38 48	0.33 56	0.30 98	0.68 132	0.41 118	0.10 47	1.13 352	0.13 191	0.15 195	0.20 150	0.29 120

Syn2CoEx	0.78 262	1.43 327	3.54 352	0.44 238	0.31 183	0.64 207	0.43 259	1.04 307	0.83 274	0.64 236	0.77 290	0.74 259	0.74 306	1.91 317	0.64 196	0.20 296	0.17 199	0.19 296	0.15 195	0.30 258	0.59 259

psm_up	0.65 191	1.02 230	2.53 178	0.36 157	0.31 183	0.64 207	0.38 235	0.96 257	0.73 199	0.63 225	0.57 171	0.68 231	0.57 256	1.90 316	0.52 162	0.17 266	0.15 180	0.16 261	0.15 195	0.27 234	0.22 77

GwcNet	0.76 256	1.09 243	3.68 359	0.38 185	0.45 263	0.81 304	0.45 270	0.91 226	0.89 306	0.63 225	0.77 290	0.82 287	0.51 232	1.64 270	0.85 249	0.17 266	0.16 192	0.15 245	0.15 195	0.33 275	0.34 149

DMCA-RVC	0.70 227	1.30 297	3.59 356	0.37 167	0.89 347	0.57 105	0.31 180	0.73 106	0.59 76	0.69 267	0.54 140	0.59 182	0.57 256	1.25 217	0.66 204	0.16 247	0.38 272	0.20 306	0.15 195	0.22 173	0.23 85

ADCP+	1.03 333	1.68 357	3.83 367	0.35 143	0.39 237	1.05 343	0.79 350	0.94 241	0.86 295	0.69 267	0.68 238	0.85 297	1.53 372	1.02 184	4.56 399	0.13 185	0.12 140	0.16 261	0.15 195	0.28 244	0.44 210

TDLM	0.83 277	1.28 294	2.38 105	0.46 248	0.26 138	0.66 234	0.55 302	0.87 197	0.80 256	2.54 399	0.62 204	0.61 191	0.51 232	2.68 372	0.67 206	0.20 296	0.11 125	0.35 354	0.15 195	0.33 275	0.48 224

NLCA_NET_v2_RVC	0.62 167	1.15 261	3.11 312	0.39 198	0.37 229	0.60 142	0.28 133	0.87 197	0.64 109	0.63 225	0.56 161	0.71 250	0.45 203	1.08 191	0.52 162	0.15 233	0.12 140	0.14 220	0.15 195	0.18 110	0.25 98
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	0.71 231	1.24 286	2.56 193	0.42 223	0.45 263	0.73 266	0.46 275	0.98 270	0.81 263	0.77 294	0.56 161	0.74 259	0.48 224	1.69 278	0.91 255	0.15 233	0.14 166	0.15 245	0.15 195	0.26 223	0.51 236

SANet	1.35 359	1.80 364	4.39 387	0.41 220	0.29 164	1.72 379	0.89 358	1.17 353	2.47 393	1.22 358	1.82 370	1.72 377	1.70 376	2.57 361	3.30 378	0.18 277	0.16 192	0.16 261	0.15 195	0.34 281	0.62 266

XPNet_ROB	0.68 216	1.11 250	2.28 88	0.38 185	0.27 149	0.67 241	0.47 279	0.94 241	0.75 221	0.80 305	0.71 268	0.81 284	0.54 244	1.72 279	0.84 248	0.22 309	0.16 192	0.16 261	0.15 195	0.25 208	0.45 215

EKT-Stereo	1.56 376	0.55 114	2.60 204	2.54 407	19.66 423	0.55 82	0.22 39	0.76 112	0.51 40	0.40 32	0.36 38	0.43 92	0.27 62	0.74 150	0.42 122	0.13 185	0.17 199	0.11 92	0.16 212	0.20 150	0.50 232

MC-Stereo	0.58 126	0.37 50	2.00 41	0.88 346	0.64 316	0.54 73	0.19 12	0.46 9	0.39 3	0.58 169	0.39 51	0.27 36	0.27 62	0.71 141	0.32 78	0.09 11	1.20 355	0.09 13	0.16 212	0.22 173	1.92 380

WZ-Net	1.04 334	1.83 366	4.20 379	0.42 223	0.36 223	0.88 320	0.71 341	1.05 315	1.11 353	0.84 314	0.94 320	1.06 347	1.17 353	2.37 346	2.24 354	0.20 296	0.14 166	0.15 245	0.16 212	0.36 298	0.53 244

PFNet	0.62 167	0.42 70	2.69 245	0.43 233	0.55 287	0.62 182	0.27 125	0.64 78	0.72 196	0.61 204	0.56 161	0.45 119	0.33 112	1.86 306	1.12 281	0.28 340	0.09 81	0.12 135	0.16 212	0.26 223	0.27 108

SFCPSM	0.48 55	0.39 59	2.30 92	0.28 34	0.27 149	0.70 253	0.32 190	1.00 281	0.69 167	0.50 99	0.52 123	0.43 92	0.36 123	0.53 86	0.44 131	0.12 143	0.09 81	0.12 135	0.16 212	0.18 110	0.23 85

PSMNet-RSSM	0.61 154	1.19 272	2.43 126	0.33 111	0.25 124	0.59 130	0.28 133	0.88 205	0.65 116	0.54 130	0.62 204	0.69 242	0.46 210	1.67 274	0.50 157	0.15 233	0.10 104	0.14 220	0.16 212	0.20 150	0.28 114

FAT-Stereo	0.72 239	0.60 127	2.86 284	0.37 167	0.29 164	0.64 207	0.55 302	1.01 289	0.91 311	0.76 292	0.94 320	0.93 317	0.79 315	1.82 299	0.60 182	0.19 288	0.19 209	0.17 275	0.16 212	0.23 187	0.47 220

SuperB	1.19 348	1.62 350	5.29 399	0.37 167	0.26 138	0.81 304	0.87 355	0.94 241	1.19 361	0.68 262	0.68 238	0.63 200	1.37 360	1.73 280	3.30 378	0.16 247	0.12 140	0.17 275	0.16 212	2.74 410	0.63 270

stereogan	0.74 244	0.68 151	2.82 276	0.40 211	0.40 243	1.05 343	0.42 252	0.99 275	0.96 327	0.78 302	0.86 308	1.15 360	0.73 302	1.57 257	0.56 174	0.20 296	0.19 209	0.20 306	0.16 212	0.37 304	0.34 149

DANet	0.85 288	0.68 151	2.41 117	1.18 369	0.48 272	0.77 287	1.23 383	0.93 236	1.53 378	0.90 321	0.72 271	0.97 327	0.57 256	1.86 306	1.05 274	0.18 277	0.16 192	0.19 296	0.16 212	0.26 223	0.67 279
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NVstereo2D	0.63 179	0.57 117	2.29 90	0.37 167	0.35 217	0.69 250	0.49 286	0.96 257	0.88 301	0.49 81	0.54 140	0.72 251	0.46 210	1.98 321	0.50 157	0.19 288	0.20 221	0.18 291	0.16 212	0.28 244	0.34 149

DRN-Test	0.71 231	0.79 187	2.83 278	0.40 211	0.44 260	0.80 299	0.41 246	1.07 330	0.83 274	0.82 310	0.64 219	0.68 231	0.57 256	1.78 291	0.79 236	0.16 247	0.13 153	0.17 275	0.16 212	0.24 193	0.51 236

ETE_ROB	0.68 216	1.09 243	2.32 96	0.38 185	0.26 138	0.69 250	0.51 289	1.49 375	0.75 221	0.81 306	0.71 268	0.85 297	0.51 232	1.39 230	0.70 212	0.17 266	0.14 166	0.19 296	0.16 212	0.24 193	0.35 155

SDNR	2.06 388	2.93 410	2.94 294	1.55 384	5.13 412	1.98 389	0.24 80	1.95 392	2.62 395	0.92 324	2.71 394	5.76 407	0.68 291	3.61 398	3.84 389	0.33 349	0.38 272	0.22 314	0.17 225	1.13 381	2.04 384

fast-acv-ft	0.67 211	1.24 286	3.26 321	0.39 198	0.30 175	0.80 299	0.48 281	0.74 108	0.76 229	0.60 197	0.78 294	0.76 267	0.60 271	0.70 135	0.78 233	0.16 247	0.15 180	0.18 291	0.17 225	0.38 310	0.24 94

GASNet	0.84 280	1.98 373	4.07 374	0.48 255	0.33 200	0.58 112	0.34 208	0.97 264	0.81 263	0.60 197	0.59 182	0.74 259	0.55 249	2.08 329	1.18 287	0.22 309	0.15 180	0.19 296	0.17 225	0.55 355	0.29 120

Wz-Net-SNSev	0.85 288	1.83 366	3.36 329	0.42 223	0.31 183	0.71 257	0.66 331	1.04 307	0.94 320	0.68 262	0.85 303	0.96 325	0.62 275	1.75 283	1.14 283	0.16 247	0.15 180	0.16 261	0.17 225	0.39 317	0.63 270

test-1	0.61 154	0.54 107	2.09 57	0.31 74	1.37 384	0.51 46	0.28 133	0.83 161	0.50 35	0.42 37	0.55 149	0.54 156	0.24 27	0.38 27	1.25 297	0.10 47	1.08 348	0.10 46	0.17 225	0.11 17	0.77 298

RALAANet	0.52 82	1.37 315	2.63 213	0.33 111	0.23 109	0.48 33	0.19 12	0.69 91	0.55 59	0.49 81	0.46 78	0.39 74	0.31 102	0.53 86	0.53 165	0.10 47	0.33 264	0.11 92	0.17 225	0.29 252	0.13 12

UCFNet_RVC	0.55 103	1.16 263	2.48 167	0.31 74	0.27 149	0.65 221	0.28 133	0.76 112	0.58 72	0.51 110	0.53 126	0.67 219	0.42 174	0.91 176	0.45 135	0.16 247	0.11 125	0.17 275	0.17 225	0.20 150	0.23 85

MDST_ROB	1.28 353	0.53 105	3.84 368	0.55 286	0.45 263	4.06 406	0.60 317	1.36 368	0.89 306	2.18 390	1.17 346	0.98 328	0.72 299	4.28 403	2.12 345	0.20 296	0.16 192	0.19 296	0.17 225	0.20 150	0.84 309

ff7	0.65 191	0.58 119	2.09 57	0.39 198	0.60 302	0.56 86	0.23 58	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 391	0.10 46	0.18 233	0.24 193	2.22 396

IGEVStereo-DCA	0.74 244	0.74 175	2.09 57	0.76 334	0.77 335	0.45 17	0.23 58	0.49 14	0.62 92	0.71 279	0.22 2	0.30 43	0.28 72	1.29 222	1.53 318	0.10 47	1.50 378	0.10 46	0.18 233	0.24 193	2.22 396

ffff	0.65 191	0.58 119	2.09 57	0.39 198	0.60 302	0.56 86	0.23 58	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 391	0.10 46	0.18 233	0.24 193	2.22 396

11t	0.65 191	0.58 119	2.09 57	0.39 198	0.60 302	0.56 86	0.23 58	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 391	0.10 46	0.18 233	0.24 193	2.22 396

anonymousdsp	0.86 291	0.59 125	2.65 223	1.33 371	1.25 379	0.56 86	0.23 58	0.54 39	0.71 189	1.13 344	0.25 11	0.22 8	0.24 27	1.24 214	0.24 15	0.09 11	2.34 406	0.10 46	0.18 233	0.25 208	3.12 410

ccc-4	0.65 191	0.58 119	2.09 57	0.39 198	0.60 302	0.56 86	0.23 58	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 391	0.10 46	0.18 233	0.24 193	2.22 396

IGEV-Stereo	0.86 291	0.60 127	2.65 223	1.35 373	1.25 379	0.56 86	0.23 58	0.54 39	0.71 189	1.14 345	0.25 11	0.22 8	0.24 27	1.24 214	0.24 15	0.09 11	2.34 406	0.10 46	0.18 233	0.25 208	3.13 411
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
dad	0.58 126	1.35 308	2.39 111	0.31 74	0.20 68	0.62 182	0.26 111	0.56 48	0.79 249	0.66 254	0.64 219	0.64 206	0.36 123	0.87 171	0.48 145	0.28 340	0.15 180	0.40 360	0.18 233	0.24 193	0.22 77

LCNet	0.58 126	0.43 76	2.42 121	0.91 351	0.22 86	0.95 334	0.29 158	0.62 70	0.64 109	0.52 118	0.55 149	0.41 87	0.75 310	0.84 168	0.27 37	0.10 47	0.07 6	0.12 135	0.18 233	0.97 380	0.40 182

EDNetEfficientorigin	8.19 412	1.27 292	145.54 437	0.51 274	0.96 354	0.75 273	0.49 286	0.86 190	1.57 380	2.12 388	1.49 363	1.28 364	1.35 357	1.84 302	2.15 348	0.14 215	0.13 153	0.17 275	0.18 233	0.39 317	0.64 275

FADNet-RVC	0.69 222	1.65 354	2.74 259	0.35 143	0.26 138	0.60 142	0.29 158	0.91 226	0.67 135	0.46 61	0.51 116	0.62 196	0.46 210	1.75 283	0.81 242	0.17 266	0.20 221	0.17 275	0.18 233	0.60 359	0.39 177

S-Stereo	0.82 273	0.73 166	3.79 364	0.40 211	0.37 229	0.70 253	0.69 339	1.00 281	1.03 341	0.63 225	0.92 318	0.82 287	0.59 266	2.35 345	0.71 216	0.18 277	0.22 231	0.17 275	0.18 233	0.30 258	0.67 279

AF-Net	0.76 256	1.14 255	2.74 259	0.42 223	0.41 248	0.70 253	0.41 246	1.07 330	0.94 320	0.73 282	1.05 341	1.04 343	0.86 325	1.23 212	1.00 269	0.23 317	0.15 180	0.25 331	0.18 233	0.32 271	0.35 155

edge stereo	0.84 280	0.74 175	3.42 343	0.38 185	1.21 377	0.63 195	0.41 246	0.98 270	0.83 274	0.81 306	0.88 312	1.14 358	0.73 302	2.16 335	0.89 253	0.22 309	0.20 221	0.26 333	0.18 233	0.38 310	0.43 198

PS-NSSS	0.69 222	1.37 315	2.44 134	0.31 74	0.32 194	0.64 207	0.34 208	1.04 307	0.74 216	0.56 151	0.75 283	0.51 143	0.42 174	2.41 353	0.54 170	0.24 324	0.17 199	0.27 334	0.18 233	0.30 258	0.23 85

LALA_ROB	0.68 216	1.14 255	2.50 173	0.37 167	0.29 164	0.78 292	0.55 302	0.99 275	0.84 286	0.82 310	0.68 238	0.93 317	0.50 228	1.01 183	0.89 253	0.21 304	0.15 180	0.21 310	0.18 233	0.26 223	0.30 129

coex-ft	6.14 410	1.98 373	60.80 435	0.34 128	0.30 175	0.80 299	1.17 380	0.76 112	4.34 403	19.82 423	2.15 379	1.61 375	8.77 413	1.82 299	10.36 415	0.44 360	2.05 390	0.18 291	0.19 249	0.39 317	4.61 415

UDGNet	0.50 70	1.36 312	2.44 134	0.37 167	0.19 63	0.58 112	0.23 58	0.49 14	0.69 167	0.42 37	0.39 51	0.34 60	0.29 88	0.55 92	0.32 78	0.25 330	0.10 104	0.37 357	0.19 249	0.30 258	0.17 49

APVNet	0.76 256	1.11 250	3.23 317	0.39 198	0.36 223	0.85 313	0.44 265	0.96 257	0.73 199	0.58 169	0.69 242	0.76 267	0.56 251	2.29 341	0.82 245	0.17 266	0.18 205	0.24 326	0.19 249	0.35 292	0.27 108

psmorigin	1.41 363	0.91 214	13.83 417	0.37 167	0.30 175	0.63 195	0.37 227	0.80 137	0.64 109	0.98 329	0.87 310	1.16 362	0.78 313	3.95 401	1.09 278	0.19 288	0.22 231	0.17 275	0.19 249	0.25 208	0.47 220

FADNet-RVC-Resample	0.74 244	1.54 338	3.81 366	0.38 185	0.29 164	0.62 182	0.38 235	0.91 226	0.67 135	0.52 118	0.51 116	0.63 200	0.44 195	1.56 253	0.59 180	0.24 324	0.32 260	0.22 314	0.19 249	0.30 258	0.71 293

ADCRef	0.88 298	1.45 329	2.68 239	0.38 185	0.35 217	0.95 334	0.51 289	0.92 233	0.81 263	0.89 319	0.84 300	0.61 191	1.35 357	1.26 219	3.38 381	0.14 215	0.12 140	0.17 275	0.19 249	0.28 244	0.34 149

SGM-Forest	1.84 383	7.91 417	10.36 411	0.42 223	0.33 200	1.04 341	1.29 385	1.01 289	0.88 301	1.19 349	2.30 384	1.03 339	1.79 380	2.60 364	2.81 371	0.22 309	0.21 229	0.21 310	0.19 249	0.25 208	0.79 303
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.86 291	1.00 226	2.82 276	0.35 143	0.21 77	0.78 292	0.78 348	1.05 315	0.87 297	0.90 321	0.74 276	0.87 303	1.89 383	1.67 274	1.38 310	0.19 288	0.20 221	0.21 310	0.19 249	0.28 244	0.84 309
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	1.29 354	1.34 305	3.04 306	0.35 143	0.28 159	1.10 350	0.69 339	1.42 372	1.07 348	2.71 402	2.43 386	2.95 389	1.50 369	2.92 384	2.03 338	0.23 317	0.22 231	0.22 314	0.19 249	0.50 347	0.69 288
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
MyStereo06	0.70 227	0.72 163	3.51 348	0.31 74	0.25 124	0.60 142	0.30 170	0.90 219	0.67 135	1.48 376	0.53 126	0.84 292	0.57 256	0.60 107	1.11 280	0.09 11	0.55 299	0.12 135	0.20 258	0.16 69	0.56 254

MyStereo05	0.57 118	0.72 163	2.72 252	0.31 74	0.25 124	0.60 142	0.30 170	0.87 197	0.82 268	0.54 130	0.37 42	0.53 151	0.42 174	0.63 114	0.73 221	0.09 11	0.55 299	0.12 135	0.20 258	0.16 69	0.56 254

Wz-Net-TNSev	1.02 329	2.26 394	3.69 360	0.38 185	0.31 183	1.00 338	0.71 341	1.12 344	1.02 340	0.74 288	0.73 273	1.09 353	0.91 332	2.46 356	2.15 348	0.21 304	0.20 221	0.16 261	0.20 258	0.48 345	0.62 266

FADNet	0.71 231	1.60 349	2.53 178	0.33 111	0.30 175	0.67 241	0.29 158	0.92 233	0.75 221	0.45 51	0.49 102	0.66 217	0.57 256	1.85 304	0.85 249	0.46 363	0.20 221	0.17 275	0.20 258	0.60 359	0.37 162

STTStereo	0.58 126	0.95 223	2.95 295	0.37 167	0.31 183	0.62 182	0.32 190	0.81 144	0.63 103	0.61 204	0.55 149	0.67 219	0.43 187	0.87 171	0.48 145	0.16 247	0.16 192	0.17 275	0.20 258	0.17 90	0.25 98

RP	0.74 244	1.01 229	2.48 167	0.44 238	0.45 263	0.66 234	0.45 270	0.95 254	0.87 297	0.70 270	0.95 323	0.99 331	0.82 317	1.55 251	0.82 245	0.26 334	0.19 209	0.23 321	0.20 258	0.34 281	0.38 170

RTS	1.29 354	1.59 345	6.48 406	0.63 311	0.57 292	1.59 372	0.90 359	1.15 347	1.44 373	1.20 354	1.31 354	1.10 354	0.87 328	2.67 369	2.27 356	0.21 304	0.38 272	0.19 296	0.20 258	0.46 342	0.68 284

RTSA	1.29 354	1.59 345	6.48 406	0.63 311	0.57 292	1.59 372	0.90 359	1.15 347	1.44 373	1.20 354	1.31 354	1.10 354	0.87 328	2.67 369	2.27 356	0.21 304	0.38 272	0.19 296	0.20 258	0.46 342	0.68 284

GANet	0.92 311	1.20 274	2.68 239	0.45 245	0.27 149	0.76 277	0.66 331	0.94 241	0.77 237	0.79 303	1.17 346	0.84 292	0.91 332	2.72 374	1.76 328	0.18 277	0.42 280	0.44 367	0.20 258	0.33 275	0.94 323

Anonymous Stereo	0.83 277	1.57 340	3.56 353	0.46 248	0.39 237	0.63 195	0.84 353	0.92 233	0.83 274	0.68 262	0.68 238	0.64 206	0.42 174	2.42 354	1.02 271	0.23 317	0.23 236	0.19 296	0.20 258	0.31 266	0.40 182

PSMNet_ROB	0.75 253	1.42 324	2.93 292	0.39 198	0.32 194	0.73 266	0.56 306	0.90 219	0.74 216	0.56 151	0.60 189	0.75 263	0.47 218	2.00 322	1.31 300	0.18 277	0.13 153	0.19 296	0.20 258	0.26 223	0.40 182

MyStereo8	0.73 241	1.16 263	2.89 287	0.53 279	0.34 209	0.71 257	0.20 20	1.87 388	0.59 76	0.53 126	0.66 232	0.50 140	0.33 112	1.27 220	0.62 190	0.10 47	1.19 354	0.10 46	0.21 269	0.21 159	0.61 264

MyStereo07	0.56 111	0.68 151	2.42 121	0.30 60	0.41 248	0.61 160	0.31 180	0.58 55	0.72 196	1.17 348	0.26 14	0.20 2	0.27 62	1.28 221	0.28 42	0.09 11	0.59 306	0.12 135	0.21 269	0.16 69	0.48 224

MyStereo04	0.57 118	0.68 151	2.66 227	0.30 60	0.41 248	0.61 160	0.31 180	0.88 205	0.80 256	0.48 65	0.37 42	0.54 156	0.42 174	0.61 110	0.71 216	0.09 11	0.59 306	0.12 135	0.21 269	0.16 69	0.48 224

GrayStereo	0.71 231	0.27 1	2.40 113	0.89 347	0.23 109	0.62 182	1.40 391	0.67 86	0.70 177	0.72 281	0.77 290	0.55 164	3.03 397	0.60 107	0.28 42	0.10 47	0.08 38	0.10 46	0.21 269	0.12 25	0.37 162

aanetorigin	0.81 270	1.03 233	2.64 222	0.44 238	0.44 260	0.59 130	1.00 367	0.59 62	0.70 177	1.54 378	1.22 350	0.82 287	1.08 348	1.06 188	1.07 276	0.18 277	0.15 180	0.17 275	0.21 269	0.53 353	0.65 276

MaskLacGwcNet_RVC	0.84 280	1.41 320	2.80 270	0.94 353	0.35 217	0.89 322	0.41 246	0.89 211	0.66 123	0.57 163	0.63 212	0.75 263	0.38 135	2.37 346	0.55 172	1.16 390	0.31 259	0.36 355	0.21 269	0.59 358	0.63 270

ADCL	1.07 338	1.22 281	2.80 270	0.40 211	0.33 200	1.50 367	1.87 398	0.97 264	1.04 344	1.26 362	1.28 352	0.99 331	1.41 363	1.36 229	3.51 384	0.17 266	0.14 166	0.22 314	0.21 269	0.32 271	0.43 198

cross-raft	0.47 48	0.34 30	2.17 72	0.70 329	0.84 343	0.50 44	0.35 217	0.74 108	0.43 13	0.44 49	0.45 76	0.63 200	0.25 41	0.37 25	0.27 37	0.08 1	0.14 166	0.10 46	0.23 276	0.11 17	0.27 108

ADCS	1.14 345	2.02 378	3.36 329	0.43 233	0.37 229	0.96 336	0.81 351	1.12 344	1.17 360	1.25 361	0.98 328	1.08 350	0.92 335	1.41 234	4.97 402	0.23 317	0.21 229	0.22 314	0.23 276	0.40 323	0.67 279

qqq1	0.62 167	0.54 107	1.92 30	0.32 91	0.16 20	0.46 20	0.24 80	0.94 241	0.85 289	0.58 169	0.70 255	0.51 143	0.41 163	1.89 311	0.64 196	0.13 185	1.01 340	0.09 13	0.24 278	0.19 133	0.59 259

fff1	0.62 167	0.54 107	1.92 30	0.32 91	0.16 20	0.46 20	0.24 80	0.94 241	0.85 289	0.58 169	0.70 255	0.51 143	0.41 163	1.89 311	0.64 196	0.13 185	1.01 340	0.09 13	0.24 278	0.19 133	0.59 259

AnyNet_C01	1.20 349	1.89 369	4.25 381	0.55 286	0.54 285	1.57 370	1.39 390	1.10 338	1.13 355	1.19 349	1.34 358	1.15 360	1.11 350	1.73 280	2.89 373	0.26 334	0.24 239	0.28 337	0.24 278	0.50 347	0.68 284

STTRV1_RVC		0.59 125		0.43 233	0.49 274	0.80 299	0.44 265	1.18 355	0.84 286	0.63 225	0.89 314	0.72 251	0.63 279	2.67 369	0.67 206	0.51 365	0.65 314	0.27 334	0.24 278	0.35 292	0.29 120

NaN_ROB	1.25 351	1.46 331	3.84 368	0.54 285	0.56 289	1.12 351	0.99 363	1.05 315	1.03 341	1.10 341	0.87 310	0.77 269	1.07 347	5.85 408	2.98 374	0.16 247	0.23 236	0.16 261	0.24 278	0.28 244	0.66 277

PDISCO_ROB	0.84 280	1.46 331	2.84 280	0.65 316	0.59 297	1.17 356	0.48 281	1.19 356	1.08 350	0.67 256	0.72 271	1.00 334	0.61 273	1.24 214	1.05 274	0.38 353	0.18 205	0.28 337	0.24 278	0.58 357	0.44 210

HBP-ISP	0.82 273	1.57 340	3.28 323	0.50 271	0.27 149	0.86 314	0.54 298	1.09 335	0.78 240	0.81 306	0.70 255	0.68 231	1.00 342	2.02 323	0.47 142	0.24 324	0.24 239	0.29 345	0.25 284	0.28 244	0.52 241

AnyNet_C32	1.08 341	1.76 363	3.01 304	0.50 271	0.54 285	1.17 356	1.16 379	0.97 264	0.95 325	1.11 342	0.98 328	0.87 303	0.93 337	1.57 257	4.11 396	0.22 309	0.20 221	0.25 331	0.25 284	0.40 323	0.68 284

GANetREF_RVC	0.81 270	1.44 328	3.04 306	0.49 266	0.27 149	0.83 307	0.63 325	1.03 301	0.92 313	0.63 225	0.61 197	0.72 251	0.59 266	2.40 351	0.58 178	0.33 349	0.25 246	0.37 357	0.25 284	0.41 329	0.36 161
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
NCCL2	0.71 231	1.32 299	2.30 92	0.44 238	0.31 183	0.71 257	0.67 335	0.89 211	0.69 167	0.70 270	0.61 197	0.85 297	0.54 244	1.58 263	0.70 212	0.20 296	0.17 199	0.66 376	0.25 284	0.26 223	0.38 170

CBMV_ROB	0.88 298	0.75 179	2.73 257	0.36 157	0.22 86	0.76 277	0.47 279	1.05 315	0.81 263	1.06 339	1.04 339	0.88 307	1.36 359	2.17 336	2.03 338	0.23 317	0.24 239	0.27 334	0.25 284	0.27 234	0.73 295

CSAN	1.38 361	1.74 362	4.12 375	0.53 279	0.38 235	1.06 346	1.15 377	1.29 363	1.12 354	1.19 349	1.90 373	1.04 343	1.44 364	5.92 409	2.82 372	0.26 334	0.22 231	0.24 326	0.25 284	0.35 292	0.54 247

SMFormer	0.64 186	0.54 107	1.92 30	0.32 91	0.16 20	0.46 20	0.24 80	0.94 241	0.85 289	0.58 169	0.70 255	0.51 143	0.41 163	1.89 311	0.86 251	0.13 185	1.01 340	0.11 92	0.26 290	0.17 90	0.84 309

tta	0.63 179	0.54 107	1.92 30	0.32 91	0.16 20	0.46 20	0.24 80	0.94 241	0.85 289	0.58 169	0.70 255	0.51 143	0.41 163	1.89 311	0.86 251	0.13 185	1.01 340	0.11 92	0.26 290	0.19 133	0.59 259

RGC	0.78 262	1.10 248	2.55 189	0.45 245	0.45 263	0.73 266	0.40 244	1.00 281	0.75 221	0.75 290	1.04 339	1.02 338	0.73 302	1.74 282	1.15 284	0.24 324	0.19 209	0.28 337	0.26 290	0.31 266	0.38 170

G-Net	1.02 329	0.70 156	3.23 317	0.60 301	0.66 319	2.00 390	0.71 341	0.78 125	0.70 177	1.14 345	2.53 388	1.29 366	1.01 343	1.47 243	1.74 326	0.25 330	0.24 239	0.24 326	0.26 290	0.37 304	0.40 182

Nwc_Net	0.75 253	1.10 248	2.96 296	0.42 223	0.39 237	0.77 287	0.39 241	1.06 327	0.73 199	0.65 248	1.00 332	0.99 331	0.74 306	1.43 236	0.99 267	0.24 324	0.15 180	0.23 321	0.26 290	0.27 234	0.30 129

XQC	0.84 280	1.32 299	2.61 208	0.78 339	0.44 260	0.89 322	0.53 295	1.16 350	1.07 348	0.85 315	0.69 242	0.92 312	0.73 302	1.40 232	1.44 312	0.24 324	0.35 266	0.23 321	0.26 290	0.45 338	0.39 177

FBW_ROB	0.94 317	1.23 285	2.35 100	0.46 248	0.32 194	0.87 318	0.46 275	1.15 347	0.97 333	0.83 313	0.78 294	1.01 335	0.64 280	3.65 399	1.65 321	0.27 337	0.24 239	0.40 360	0.26 290	0.32 271	0.88 317

NOSS_ROB	0.75 253	1.03 233	2.27 86	0.68 327	0.26 138	0.68 247	0.30 170	0.99 275	0.82 268	0.59 188	0.58 177	0.77 269	0.39 146	2.75 378	0.48 145	0.25 330	0.24 239	0.28 337	0.26 290	0.29 252	1.07 337

EDNetEfficient	1.29 354	0.78 185	4.27 382	0.65 316	1.03 365	0.94 332	1.38 389	0.87 197	1.75 385	2.33 396	1.32 356	1.04 343	2.21 390	1.59 264	4.07 395	0.16 247	0.19 209	0.15 245	0.27 298	0.38 310	0.40 182

SHD	0.84 280	1.14 255	2.54 182	0.80 341	0.52 279	0.76 277	0.34 208	1.16 350	1.29 366	1.11 342	0.85 303	0.98 328	0.74 306	1.25 217	1.48 314	0.22 309	0.37 268	0.20 306	0.27 298	0.36 298	0.41 189

Sa-1000	0.61 154	1.07 239	2.71 250	0.32 91	0.61 309	0.61 160	0.31 180	1.00 281	0.76 229	0.53 126	0.83 298	0.43 92	0.33 112	0.69 134	0.30 56	0.10 47	0.52 296	0.13 191	0.28 300	0.29 252	0.29 120

ccnet	0.77 260	0.61 132	2.01 43	0.40 211	0.46 270	1.05 343	0.59 314	1.02 295	0.74 216	0.90 321	0.97 325	0.82 287	0.89 330	1.68 277	1.16 286	0.32 347	0.26 249	0.32 349	0.28 300	0.35 292	0.47 220

DeepPrunerF	0.92 311	1.33 303	3.41 340	0.46 248	0.51 277	0.64 207	0.49 286	1.16 350	2.62 395	0.65 248	0.61 197	0.65 210	0.62 275	2.23 338	1.31 300	0.23 317	0.19 209	0.30 346	0.28 300	0.39 317	0.34 149

PA-Net	0.93 316	1.36 312	4.14 376	0.64 314	0.41 248	0.70 253	0.53 295	0.91 226	0.88 301	0.53 126	0.60 189	0.70 248	0.54 244	2.40 351	2.57 366	0.17 266	0.28 257	0.19 296	0.28 300	0.25 208	0.48 224
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
11t1	0.60 147	0.49 89	2.19 75	0.35 143	0.58 296	0.48 33	0.21 30	0.72 105	0.73 199	0.49 81	0.47 83	0.35 63	0.34 119	0.61 110	0.71 216	0.12 143	1.26 363	0.10 46	0.29 304	0.16 69	1.22 350

rrr	0.84 280	0.74 175	3.40 339	0.76 334	0.77 335	0.45 17	0.28 133	1.23 360	0.84 286	0.71 279	0.22 2	0.30 43	0.28 72	1.29 222	1.53 318	0.10 47	1.50 378	0.10 46	0.29 304	0.24 193	1.75 377

SQANet	0.92 311	1.96 371	3.23 317	0.77 337	0.83 341	0.76 277	0.38 235	0.87 197	0.68 159	0.64 236	0.69 242	0.73 257	0.52 239	1.35 228	1.36 306	0.80 376	0.30 258	0.60 374	0.29 304	0.93 378	0.70 291

FINET	1.92 385	1.96 371	4.49 390	1.62 386	1.39 385	3.51 404	4.39 408	2.89 401	2.58 394	1.39 368	1.98 374	1.35 368	2.12 389	1.64 270	2.12 345	0.84 378	1.03 346	0.18 291	0.29 304	0.54 354	2.12 387

CC-Net-ROB	0.95 318	1.57 340	2.93 292	0.90 349	0.39 237	0.87 318	0.44 265	1.12 344	0.83 274	0.59 188	0.69 242	0.64 206	0.50 228	2.73 376	0.93 256	0.97 383	0.40 278	0.87 382	0.29 304	0.61 362	0.66 277

LSM	3.40 402	1.42 324	5.81 403	9.98 419	30.74 433	0.86 314	1.14 375	0.99 275	1.26 363	1.40 370	2.18 380	0.93 317	0.85 323	1.76 285	1.03 272	0.22 309	0.35 266	0.24 326	0.29 304	0.40 323	6.21 416

raft_robust	0.68 216	1.24 286	2.42 121	0.30 60	0.57 292	0.53 66	0.25 99	0.95 254	0.79 249	0.49 81	0.46 78	1.12 356	0.74 306	1.50 247	0.61 187	0.09 11	0.62 311	0.10 46	0.30 310	0.26 223	0.30 129

CREStereo++_RVC	0.38 13	0.37 50	2.47 162	0.25 5	0.16 20	0.54 73	0.15 1	0.42 4	0.57 66	0.37 25	0.52 123	0.24 20	0.19 7	0.31 3	0.27 37	0.09 11	0.06 1	0.08 3	0.30 310	0.09 5	0.22 77
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
FCDSN-DC	1.45 367	1.12 252	3.30 326	0.48 255	0.41 248	1.13 352	0.60 317	1.17 353	1.28 365	2.25 393	2.85 396	3.65 396	3.34 401	2.58 362	2.44 360	0.31 346	0.26 249	0.31 347	0.30 310	0.37 304	0.78 301
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
RTSC	0.84 280	1.40 319	2.67 234	0.50 271	0.40 243	0.83 307	0.33 203	1.11 342	1.14 356	0.93 327	0.82 296	0.84 292	0.58 263	1.34 227	1.82 332	0.18 277	0.49 291	0.14 220	0.30 310	0.46 342	0.42 193

FC-DCNN	1.60 379	0.85 194	3.44 344	0.46 248	0.39 237	1.96 386	0.66 331	1.72 384	1.70 383	2.75 403	2.91 399	4.20 399	3.15 399	2.72 374	2.66 367	0.30 344	0.26 249	0.31 347	0.30 310	0.33 275	0.91 320

ttt	0.89 305	0.51 100	2.51 174	0.36 157	0.31 183	0.61 160	0.28 133	1.07 330	0.92 313	0.56 151	0.77 290	0.55 164	0.37 128	2.27 339	3.51 384	0.16 247	1.21 358	0.13 191	0.31 315	0.18 110	1.26 352

test_xeample	0.98 324	0.65 142	2.12 64	0.29 46	0.67 320	0.60 142	0.28 133	1.08 333	0.85 289	0.62 216	0.70 255	0.44 107	0.41 163	1.95 319	5.45 404	0.12 143	1.33 371	0.11 92	0.31 315	0.18 110	1.42 366

Gwc-CoAtRS	0.41 18	0.37 50	2.06 53	0.28 34	0.41 248	0.48 33	0.19 12	0.64 78	0.49 29	0.45 51	0.39 51	0.57 175	0.26 49	0.37 25	0.28 42	0.09 11	0.19 209	0.09 13	0.31 315	0.11 17	0.25 98

NCC-stereo	0.88 298	1.22 281	2.97 297	0.60 301	0.45 263	1.88 384	0.48 281	1.04 307	0.75 221	0.70 270	0.85 303	0.93 317	0.84 320	1.81 296	1.51 316	0.28 340	0.19 209	0.23 321	0.31 315	0.27 234	0.35 155

Abc-Net	0.88 298	1.22 281	2.97 297	0.60 301	0.45 263	1.88 384	0.48 281	1.04 307	0.75 221	0.70 270	0.85 303	0.93 317	0.84 320	1.81 296	1.51 316	0.28 340	0.19 209	0.23 321	0.31 315	0.27 234	0.35 155
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
MSKI-zero shot	0.70 227	0.44 80	2.62 212	1.47 379	0.75 330	0.56 86	0.20 20	0.80 137	0.45 17	0.60 197	0.52 123	0.44 107	0.17 1	0.70 135	0.26 32	0.09 11	2.87 412	0.09 13	0.32 320	0.14 51	0.50 232

DCRE	0.76 256	0.80 189	2.31 94	1.05 360	1.18 375	0.63 195	0.26 111	1.03 301	0.59 76	0.52 118	2.12 377	0.44 107	0.27 62	0.41 41	0.53 165	0.09 11	1.02 345	0.10 46	0.32 320	0.16 69	1.47 369

SA	0.61 154	1.14 255	2.79 268	0.32 91	0.63 312	0.57 105	0.30 170	0.97 264	0.78 240	0.43 43	0.63 212	0.39 74	0.46 210	0.70 135	0.31 70	0.10 47	0.44 284	0.13 191	0.32 320	0.31 266	0.51 236

MIPNet	0.88 298	1.07 239	2.85 282	0.61 307	0.18 47	1.46 365	1.37 387	1.65 381	0.78 240	1.93 384	0.85 303	0.75 263	1.66 373	0.87 171	0.34 95	0.10 47	0.08 38	0.11 92	0.32 320	0.27 234	0.26 103

XX-Stereo	0.98 324	0.57 117	4.45 389	1.64 387	5.33 413	0.55 82	0.16 3	0.96 257	0.43 13	0.45 51	0.65 226	0.85 297	0.19 7	0.79 159	0.26 32	0.11 110	0.80 330	0.10 46	0.32 320	0.17 90	0.78 301

222	1.02 329	0.60 127	1.95 35	0.29 46	0.51 277	0.62 182	0.24 80	1.09 335	0.86 295	0.64 236	0.67 235	0.47 128	0.42 174	1.86 306	6.73 408	0.13 185	1.21 358	0.11 92	0.32 320	0.17 90	1.44 367

xxxx	0.97 322	0.64 140	2.14 68	0.30 60	0.67 320	0.64 207	0.24 80	1.09 335	0.91 311	0.57 163	0.65 226	0.58 179	0.39 146	1.57 257	5.49 405	0.13 185	1.38 373	0.11 92	0.32 320	0.17 90	1.41 365

ADCMid	1.06 336	1.82 365	3.53 351	0.39 198	0.36 223	0.99 337	0.58 311	1.01 289	0.94 320	1.23 360	1.02 335	1.01 335	1.01 343	1.11 197	4.04 394	0.22 309	0.19 209	0.42 364	0.32 320	0.42 331	0.53 244

MSMD_ROB	1.41 363	1.03 233	2.75 261	0.41 220	0.32 194	2.00 390	0.61 322	0.96 257	1.43 372	2.97 404	2.63 392	4.76 404	2.04 387	2.44 355	1.78 330	0.30 344	0.26 249	0.32 349	0.32 320	0.32 271	0.63 270

WCMA_ROB	1.29 354	1.21 276	3.13 314	0.65 316	0.36 223	1.20 359	0.78 348	1.00 281	0.98 334	1.78 383	2.62 391	3.08 393	2.01 386	1.86 306	2.35 358	0.38 353	0.38 272	0.32 349	0.32 320	0.31 266	1.06 336

DualNet	0.97 322	0.67 144	3.39 334	0.32 91	0.22 86	0.58 112	0.28 133	0.85 178	0.96 327	0.54 130	0.74 276	0.67 219	0.40 152	0.64 118	3.86 390	0.10 47	2.16 401	0.15 245	0.33 330	0.25 208	2.19 391

ffm	0.78 262	0.67 144	3.39 334	0.32 91	0.22 86	0.58 112	0.28 133	0.85 178	0.96 327	0.54 130	0.74 276	0.67 219	0.40 152	0.64 118	0.22 4	0.10 47	2.16 401	0.15 245	0.33 330	0.25 208	2.19 391

ff1	1.07 338	0.67 144	3.39 334	0.32 91	0.22 86	0.58 112	0.28 133	0.85 178	0.96 327	0.54 130	0.74 276	0.67 219	0.40 152	2.75 378	3.86 390	0.10 47	2.16 401	0.15 245	0.33 330	0.25 208	2.19 391

mmx	0.99 326	0.67 144	3.39 334	0.32 91	0.22 86	0.58 112	0.28 133	1.05 315	0.92 313	0.54 130	0.74 276	0.67 219	0.40 152	2.75 378	3.86 390	0.13 185	1.25 360	0.15 245	0.33 330	0.19 133	1.28 355

xxx	0.99 326	0.67 144	3.39 334	0.32 91	0.22 86	0.58 112	0.28 133	1.05 315	0.92 313	0.54 130	0.74 276	0.67 219	0.40 152	2.75 378	3.86 390	0.13 185	1.25 360	0.15 245	0.33 330	0.19 133	1.28 355

ToySt	0.67 211	0.88 201	2.61 208	0.39 198	0.73 328	0.61 160	0.38 235	0.78 125	0.73 199	0.43 43	0.70 255	0.72 251	0.45 203	0.66 125	0.62 190	0.14 215	0.63 312	0.13 191	0.33 330	0.24 193	1.18 342

IGEV_Zeroshot_test	0.91 310	0.39 59	3.80 365	0.42 223	1.95 400	0.56 86	0.64 326	0.84 168	0.55 59	1.45 373	0.53 126	0.79 275	0.42 174	0.57 98	1.13 282	0.10 47	0.49 291	0.10 46	0.34 336	0.19 133	2.97 408

SAMSARA	1.11 343	1.35 308	2.60 204	1.34 372	0.77 335	1.67 377	1.41 393	1.47 374	0.99 337	1.54 378	0.89 314	1.44 371	0.90 331	1.88 310	1.71 322	0.25 330	0.55 299	0.22 314	0.34 336	0.39 317	0.50 232

Selective-RAFT	0.46 45	0.48 88	1.88 24	0.32 91	0.16 20	0.61 160	0.19 12	0.66 83	0.62 92	0.28 18	0.30 20	0.41 87	0.33 112	0.51 75	0.32 78	0.11 110	1.09 349	0.09 13	0.35 338	0.19 133	0.37 162

test-3	0.58 126	0.43 76	2.44 134	0.52 275	0.59 297	0.46 20	0.23 58	0.77 118	0.49 29	0.52 118	0.29 17	0.44 107	0.22 19	0.59 102	0.97 259	0.08 1	1.27 364	0.10 46	0.35 338	0.29 252	0.62 266

test_1	0.58 126	0.43 76	2.44 134	0.52 275	0.59 297	0.46 20	0.23 58	0.77 118	0.49 29	0.51 110	0.29 17	0.44 107	0.22 19	0.59 102	0.97 259	0.08 1	1.27 364	0.10 46	0.35 338	0.29 252	0.63 270

test_3	0.59 141	0.44 80	2.44 134	0.53 279	0.59 297	0.48 33	0.30 170	0.79 132	0.52 45	0.51 110	0.30 20	0.45 119	0.22 19	0.59 102	0.97 259	0.08 1	1.25 360	0.11 92	0.35 338	0.30 258	0.62 266

PVD	1.05 335	1.21 276	2.36 101	0.84 344	0.91 349	1.04 341	0.64 326	1.32 366	1.68 382	1.43 372	1.41 361	1.14 358	1.15 352	1.49 246	1.77 329	0.27 337	0.65 314	0.28 337	0.35 338	0.40 323	0.73 295

MADNet+	1.44 365	2.19 387	6.00 404	0.89 347	0.70 326	1.58 371	1.11 372	1.56 379	1.30 368	0.89 319	1.03 337	1.25 363	1.12 351	3.29 391	2.80 370	0.48 364	0.57 303	0.39 359	0.36 343	0.63 363	0.69 288

AnonymousM	0.45 40	0.49 89	1.83 15	0.29 46	0.15 13	0.53 66	0.22 39	0.64 78	0.66 123	0.47 63	0.33 32	0.30 43	0.25 41	0.49 69	0.29 51	0.12 143	0.27 255	0.71 379	0.37 344	0.12 25	0.41 189

CVANet_RVC	0.82 273	1.18 269	3.98 371	0.40 211	0.28 159	0.63 195	0.43 259	0.90 219	0.78 240	1.14 345	0.69 242	0.68 231	0.52 239	2.62 365	0.48 145	0.20 296	0.13 153	0.22 314	0.37 344	0.37 304	0.48 224

ELAS_RVC	1.51 373	0.88 201	3.36 329	0.63 311	0.56 289	1.53 368	2.73 402	1.53 376	1.76 386	2.26 394	2.21 383	2.10 382	3.07 398	2.08 329	2.52 362	0.42 356	0.42 280	0.42 364	0.37 344	0.51 349	0.84 309
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DLNR_Zeroshot_test	13.74 418	20.06 424	23.92 424	121.50 439	35.20 434	0.46 20	0.15 1	7.96 416	0.47 24	0.29 21	0.37 42	0.26 29	0.17 1	0.79 159	0.36 104	7.16 419	2.95 413	0.09 13	0.38 347	50.40 437	1.95 381

RAFT-Test	0.56 111	0.41 68	2.01 43	0.90 349	1.07 368	0.65 221	0.37 227	0.83 161	0.65 116	0.49 81	0.49 102	0.93 317	0.24 27	0.52 79	0.30 56	0.10 47	0.38 272	0.09 13	0.38 347	0.11 17	0.19 60

CFNet-RSSM	0.44 37	0.36 40	2.38 105	0.28 34	0.43 259	0.53 66	0.20 20	0.86 190	0.52 45	0.44 49	0.36 38	0.53 151	0.26 49	0.40 35	0.27 37	0.09 11	0.08 38	0.09 13	0.38 347	0.10 10	0.22 77

x	0.65 191	0.62 136	2.12 64	0.36 157	0.61 309	0.48 33	0.24 80	0.80 137	0.89 306	0.50 99	0.56 161	0.44 107	0.36 123	0.62 113	0.80 238	0.11 110	1.44 377	0.11 92	0.39 350	0.16 69	1.34 360

otaku	1.15 346	2.10 383	3.51 348	0.98 357	0.74 329	1.02 340	0.59 314	1.03 301	0.89 306	0.70 270	1.60 365	0.98 328	0.65 281	1.63 267	1.80 331	0.99 384	0.46 285	0.73 380	0.40 351	1.30 390	0.88 317

iRaft-Stereo_20w	1.50 370	0.42 70	4.81 392	2.24 404	2.09 403	1.36 360	1.27 384	1.38 369	0.94 320	2.07 385	0.42 62	0.85 297	0.69 295	0.87 171	1.37 308	0.10 47	4.04 414	0.09 13	0.40 351	0.17 90	4.53 414

test_xeample3	0.86 291	0.75 179	3.36 329	0.65 316	0.76 333	0.49 38	0.33 203	1.21 359	0.80 256	0.61 204	0.23 5	0.30 43	0.29 88	1.17 206	1.57 320	0.10 47	1.79 384	0.10 46	0.40 351	0.25 208	2.09 385

ELAS	1.52 374	0.92 219	2.91 290	0.62 309	0.57 292	3.13 401	2.21 400	1.67 382	1.58 381	2.42 397	2.43 386	1.87 379	2.49 393	1.85 304	2.70 369	0.42 356	0.43 283	0.41 362	0.40 351	0.51 349	0.85 313
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
xx1	0.71 231	0.73 166	2.43 126	0.67 322	0.52 279	0.76 277	0.24 80	0.85 178	1.05 345	0.77 294	0.39 51	0.46 123	0.37 128	0.70 135	0.22 4	0.10 47	2.13 396	0.12 135	0.41 355	0.16 69	1.18 342

Ntro	1.11 343	2.10 383	3.52 350	0.97 356	0.87 346	1.06 346	0.54 298	1.02 295	0.93 319	0.63 225	0.76 286	0.93 317	0.67 289	1.76 285	1.71 322	1.03 385	0.46 285	0.76 381	0.41 355	1.29 388	0.86 316

qqq	0.65 191	0.63 138	2.10 63	0.30 60	0.64 316	0.46 20	0.27 125	0.81 144	0.83 274	0.48 65	0.56 161	0.46 123	0.37 128	1.03 186	0.75 224	0.11 110	1.41 376	0.12 135	0.41 355	0.16 69	1.18 342

PASM	0.82 273	1.00 226	2.68 239	0.52 275	0.48 272	0.65 221	0.59 314	0.83 161	0.89 306	0.82 310	0.73 273	0.89 310	0.68 291	2.39 350	0.73 221	0.35 352	0.37 268	0.36 355	0.41 355	0.45 338	0.51 236

AE-Stereo	0.71 231	0.32 14	2.44 134	0.44 238	0.50 275	0.58 112	0.23 58	1.08 333	0.67 135	0.67 256	0.51 116	0.47 128	0.24 27	0.63 114	0.32 78	0.09 11	2.15 400	0.11 92	0.45 359	0.22 173	2.01 382

mmm	0.66 208	0.53 105	1.83 15	0.38 185	0.86 344	0.49 38	0.27 125	0.82 151	0.83 274	0.59 188	0.69 242	0.47 128	0.38 135	0.81 166	0.73 221	0.12 143	1.37 372	0.14 220	0.45 359	0.18 110	1.35 361

SGM-ForestM	3.67 404	2.70 409	5.34 400	1.65 388	1.72 397	6.02 412	5.08 410	4.10 410	3.47 401	4.59 409	4.21 406	9.81 413	5.79 410	6.44 410	6.97 409	0.88 379	1.09 349	0.33 353	0.45 359	0.68 367	2.10 386

SGM_RVC	2.11 390	1.07 239	2.87 285	0.98 357	0.92 350	2.72 400	1.88 399	1.91 390	12.27 412	2.09 386	1.99 375	2.47 387	2.24 391	2.87 383	2.03 338	0.54 366	0.47 287	0.42 364	0.47 362	0.74 369	1.22 350
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ACVNet_1	1.47 369	2.27 395	4.92 394	1.11 365	0.89 347	1.19 358	0.66 331	1.28 362	1.19 361	0.98 329	0.97 325	3.06 392	1.48 368	2.37 346	1.82 332	1.08 387	0.49 291	1.03 389	0.48 363	1.20 384	0.95 326

TRStereo	0.89 305	1.02 230	2.91 290	4.59 414	0.31 183	0.93 330	0.23 58	1.93 391	0.66 123	0.37 25	0.54 140	0.48 134	0.40 152	0.67 128	0.29 51	0.13 185	0.37 268	0.11 92	0.48 363	0.13 35	1.21 348

JetBlue	1.89 384	2.09 382	4.16 377	0.74 332	1.23 378	4.52 410	3.86 407	1.68 383	1.26 363	1.28 364	1.54 364	2.36 386	1.86 382	3.35 393	3.37 380	0.54 366	0.49 291	0.48 368	0.49 365	1.39 394	1.21 348

1111x	1.06 336	0.79 187	3.29 325	0.33 111	0.60 302	0.64 207	0.33 203	1.10 338	0.92 313	0.59 188	0.69 242	0.59 182	0.47 218	2.64 367	4.61 400	0.12 143	1.38 373	0.11 92	0.49 365	0.18 110	1.30 357

DPSNet	1.02 329	0.72 163	2.84 280	0.60 301	0.39 237	1.08 348	0.75 345	1.41 371	1.14 356	0.74 288	0.69 242	1.05 346	1.67 374	2.09 331	2.22 353	0.27 337	0.61 308	0.20 306	0.50 367	0.48 345	1.03 334

RAFT+CT+SA	0.60 147	1.25 289	2.49 170	0.38 185	0.75 330	0.55 82	0.34 208	0.83 161	0.68 159	0.39 30	0.55 149	0.44 107	0.29 88	0.75 151	0.28 42	0.09 11	0.24 239	0.11 92	0.51 368	0.30 258	0.74 297

UDG	0.86 291	1.57 340	2.80 270	0.68 327	0.59 297	0.78 292	0.38 235	0.97 264	0.74 216	0.63 225	0.70 255	1.01 335	0.68 291	1.02 184	1.22 294	0.45 361	0.34 265	0.89 383	0.51 368	0.73 368	0.58 256

DDUNet	0.90 308	1.63 352	2.77 266	0.77 337	0.69 324	0.83 307	0.44 265	0.90 219	0.70 177	0.68 262	0.76 286	0.92 312	0.54 244	1.14 202	1.35 304	0.61 369	0.37 268	0.96 385	0.52 370	0.77 373	0.67 279

EAI-Stereo	1.16 347	0.29 2	1.94 34	0.55 286	0.97 357	1.96 386	7.94 414	1.34 367	1.03 341	1.01 335	1.48 362	0.51 143	0.66 287	0.65 122	1.42 311	0.09 11	0.23 236	0.09 13	0.53 371	0.13 35	0.49 230

AEACV	0.89 305	0.29 2	1.84 18	2.50 406	1.68 396	0.53 66	0.21 30	1.01 289	0.42 9	0.68 262	0.31 25	0.22 8	0.39 146	1.63 267	0.25 23	0.09 11	2.60 409	0.09 13	0.54 372	0.23 187	2.27 401

ACVNet-4b	2.00 387	2.19 387	4.85 393	1.09 362	0.86 344	1.15 354	0.53 295	1.11 342	1.15 358	0.65 248	1.09 343	1.97 380	0.69 295	2.31 342	9.78 414	5.73 414	0.42 280	1.03 389	0.55 373	1.89 401	0.92 322

MFN_U_SF_DS_RVC	1.08 341	2.01 377	2.56 193	0.49 266	0.40 243	1.49 366	0.96 362	1.02 295	0.95 325	0.85 315	0.94 320	1.06 347	0.59 266	2.92 384	1.15 284	0.43 359	0.74 328	0.32 349	0.55 373	0.74 369	1.35 361

ACVNet_2	1.54 375	2.20 389	4.42 388	1.10 364	0.93 352	1.37 362	0.87 355	1.53 376	1.71 384	1.22 358	1.72 368	2.12 383	1.06 346	2.58 362	1.93 334	0.94 380	0.54 297	1.00 387	0.56 375	2.11 405	0.96 328

SPS-STEREO	1.22 350	1.65 354	3.41 340	0.66 320	0.69 324	1.01 339	0.68 337	1.10 338	0.96 327	1.40 370	1.25 351	1.46 372	1.08 348	2.05 324	2.24 354	0.66 371	0.61 308	0.58 372	0.57 376	0.66 366	1.65 375
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RainbowNet	1.27 352	2.22 390	3.58 355	1.14 367	0.92 350	1.08 348	0.76 346	1.19 356	1.15 358	0.77 294	0.97 325	1.08 350	0.83 319	1.64 270	1.72 324	1.20 392	1.30 369	1.01 388	0.58 377	1.23 385	0.97 331

Consistency-Raft	0.92 311	1.21 276	3.50 347	0.98 357	0.63 312	0.77 287	0.54 298	1.02 295	1.01 339	0.62 216	1.03 337	0.65 210	1.04 345	0.81 166	1.36 306	0.45 361	0.47 287	0.51 370	0.59 378	0.65 365	0.47 220

PWCK	1.62 380	2.32 399	4.27 382	1.11 365	0.56 289	1.81 382	1.84 397	1.55 378	1.54 379	1.45 373	1.81 369	1.82 378	1.38 361	3.34 392	2.14 347	1.09 388	0.57 303	0.98 386	0.59 378	1.50 396	0.79 303

MFMNet_re	1.01 328	1.73 359	3.04 306	0.85 345	0.76 333	0.93 330	0.81 351	1.02 295	1.10 351	1.05 337	1.06 342	0.84 292	0.96 339	0.93 178	0.97 259	0.68 373	0.61 308	0.63 375	0.60 380	0.77 373	0.80 305

DispFullNet	1.69 381	2.25 392	5.23 397	1.53 383	8.78 414	0.89 322	0.37 227	1.03 301	0.98 334	1.37 366	1.00 332	1.13 357	1.97 385	1.51 248	0.98 265	0.55 368	0.32 260	1.19 392	0.64 381	1.16 383	0.88 317

IMH-64-1	1.50 370	1.98 373	2.69 245	1.39 375	1.12 372	1.39 363	1.19 381	1.80 385	1.47 375	1.19 349	2.20 381	1.53 373	1.51 370	2.12 333	1.98 335	1.34 395	0.68 318	1.28 395	0.70 382	1.37 392	1.12 339

IMH-64	1.50 370	1.98 373	2.69 245	1.39 375	1.12 372	1.39 363	1.19 381	1.80 385	1.47 375	1.19 349	2.20 381	1.53 373	1.51 370	2.12 333	1.98 335	1.34 395	0.68 318	1.28 395	0.70 382	1.37 392	1.12 339

NVStereoNet_ROB	1.45 367	1.62 350	3.59 356	1.09 362	0.70 326	0.86 314	0.67 335	1.19 356	1.51 377	1.20 354	4.05 404	1.61 375	1.94 384	2.97 386	2.07 342	0.67 372	0.69 321	0.55 371	0.70 382	0.57 356	0.67 279
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SGM+DAISY	2.67 393	2.14 385	4.28 384	1.92 400	2.11 404	4.36 409	5.22 411	3.17 402	3.00 400	3.24 407	3.81 403	3.03 391	3.61 402	2.53 358	3.79 388	1.15 389	1.29 367	0.66 376	0.71 385	0.95 379	2.44 404

IMH	2.14 391	2.46 403	3.60 358	1.70 390	1.13 374	1.65 376	0.93 361	2.13 394	1.93 388	1.37 366	2.64 393	2.19 384	1.82 381	5.77 407	2.18 350	5.70 413	1.05 347	1.31 397	0.72 386	1.39 394	1.13 341

WAO-7	1.58 378	2.04 380	3.25 320	0.94 353	0.75 330	1.75 380	1.13 374	1.87 388	1.97 389	1.46 375	2.53 388	1.98 381	1.75 377	3.13 388	2.48 361	0.69 374	0.67 317	0.94 384	0.74 387	0.80 376	0.77 298

Dean	1.92 385	2.31 398	5.03 396	1.31 370	1.08 369	1.55 369	0.99 363	1.98 393	2.33 392	1.51 377	4.15 405	4.23 402	1.39 362	2.31 342	2.10 343	1.18 391	0.69 321	1.18 391	0.75 388	1.30 390	1.07 337

TorneroNet-64	2.74 394	2.23 391	4.18 378	1.48 380	1.20 376	3.88 405	1.01 369	3.48 409	6.61 409	2.62 401	4.55 407	4.20 399	3.84 404	3.39 395	3.40 382	1.23 393	0.66 316	1.39 400	0.80 389	3.42 412	1.27 353

WAO-6	1.69 381	1.87 368	3.21 316	1.15 368	1.01 363	2.29 394	1.06 371	1.85 387	2.84 399	1.30 365	2.59 390	2.19 384	1.67 374	2.62 365	2.52 362	0.96 382	0.68 318	1.19 392	0.84 390	1.13 381	0.95 326

MANE	3.51 403	2.03 379	3.88 370	1.89 399	2.01 401	5.98 411	4.72 409	5.87 413	7.13 410	3.80 408	5.10 409	6.11 409	5.34 408	4.39 404	5.05 403	1.07 386	1.28 366	0.50 369	0.85 391	0.76 372	2.36 403

TorneroNet	5.60 409	2.30 397	3.98 371	1.49 382	1.26 381	14.47 418	1.11 372	4.85 411	20.66 427	10.12 412	16.30 419	11.78 417	7.35 411	3.41 396	4.38 398	1.36 397	0.70 324	1.46 402	0.87 392	2.73 409	1.33 358

MSC_U_SF_DS_RVC	1.40 362	2.04 380	3.02 305	0.58 300	0.41 248	2.15 393	1.00 367	1.31 365	1.29 366	1.05 337	1.10 344	1.29 366	0.91 332	3.07 387	1.34 302	1.65 402	0.84 332	0.68 378	0.88 393	1.55 397	1.91 379

WAO-8	2.91 397	2.55 405	3.77 362	1.93 401	1.04 366	4.08 407	0.99 363	3.25 405	6.09 406	2.20 391	3.34 401	3.33 394	2.64 394	11.73 415	2.52 362	2.12 406	1.92 387	1.55 403	0.93 394	1.27 386	0.96 328

Venus	2.91 397	2.55 405	3.77 362	1.93 401	1.04 366	4.08 407	0.99 363	3.25 405	6.09 406	2.20 391	3.34 401	3.33 394	2.64 394	11.73 415	2.52 362	2.12 406	1.92 387	1.55 403	0.93 394	1.27 386	0.96 328

ADCPNet	1.07 338	1.37 315	4.54 391	0.38 185	0.68 323	1.36 360	0.64 326	0.93 236	0.83 274	0.79 303	0.82 296	1.08 350	1.18 354	1.30 224	2.68 368	0.21 304	0.69 321	0.21 310	0.95 396	0.30 258	0.54 247

LE_ROB	4.55 407	2.43 402	9.94 409	2.79 411	4.03 410	2.40 397	3.54 404	2.72 398	11.04 411	11.64 416	4.69 408	5.25 405	10.74 414	4.52 406	9.73 413	0.82 377	0.70 324	1.34 398	0.97 397	0.74 369	0.94 323

anonymousa	0.74 244	0.60 127	2.58 197	0.96 355	1.33 382	0.61 160	0.26 111	0.69 91	0.56 63	0.55 141	0.84 300	0.82 287	0.46 210	0.56 95	0.61 187	0.10 47	1.11 351	0.12 135	0.98 398	0.14 51	0.97 331

FADNet_RVC	0.87 297	1.51 336	2.90 289	0.31 74	0.24 118	0.71 257	0.25 99	1.00 281	0.65 116	0.45 51	0.57 171	0.61 191	0.44 195	1.53 249	0.75 224	0.94 380	0.97 337	0.28 337	1.00 399	0.89 377	1.36 363

UNDER WATER	2.84 396	2.25 392	5.25 398	1.84 397	1.45 388	2.36 396	1.44 394	3.23 404	6.51 408	2.61 400	2.73 395	5.69 406	5.64 409	3.14 389	4.18 397	1.48 398	0.81 331	1.60 406	1.07 400	1.91 402	1.67 376

notaker	2.77 395	2.35 400	4.02 373	2.61 409	1.44 387	1.77 381	1.14 375	2.77 400	1.81 387	2.30 395	11.41 414	3.95 397	4.70 406	3.24 390	3.01 375	1.58 401	0.88 334	1.71 408	1.08 401	2.10 404	1.44 367

UNDER WATER-64	2.59 392	2.28 396	5.63 401	1.85 398	1.45 388	3.28 402	1.60 395	2.62 397	5.57 405	2.09 386	2.12 377	4.10 398	4.21 405	2.74 377	3.64 387	1.49 399	0.86 333	1.58 405	1.09 402	1.91 402	1.62 374

ktn	4.44 406	2.47 404	3.70 361	1.82 396	1.49 391	2.11 392	1.40 391	2.30 395	12.56 413	11.36 415	16.25 418	11.30 416	3.77 403	4.41 405	3.47 383	1.86 404	0.99 339	1.74 409	1.21 403	3.28 411	1.39 364

JetRed	3.37 401	4.96 414	10.08 410	1.48 380	1.73 398	7.63 413	5.47 412	3.47 407	2.20 390	2.42 397	2.40 385	2.98 390	2.35 392	3.52 397	6.60 407	1.33 394	1.90 386	1.38 399	1.23 404	2.30 407	2.02 383

KSHMR	4.19 405	2.37 401	6.24 405	1.73 393	1.48 390	1.97 388	1.29 385	3.18 403	17.06 422	2.15 389	15.74 417	9.09 412	1.75 377	8.33 413	2.37 359	1.55 400	1.29 367	1.70 407	1.23 404	1.75 399	1.60 373

riskmin	0.96 319	0.32 14	2.07 54	1.72 392	1.61 395	1.62 374	0.57 309	1.45 373	0.55 59	0.73 282	0.89 314	0.92 312	0.45 203	1.16 204	0.60 182	0.11 110	1.30 369	0.12 135	1.38 406	0.14 51	1.51 370

anonymity	0.86 291	0.68 151	1.44 2	0.64 314	0.83 341	0.67 241	0.52 293	0.98 270	0.73 199	0.96 328	0.70 255	0.81 284	0.86 325	1.10 193	1.34 302	0.64 370	0.72 327	0.58 372	1.44 407	0.60 359	0.91 320

LVE	2.10 389	2.61 408	4.30 386	1.79 395	1.81 399	1.68 378	1.04 370	2.35 396	2.78 398	1.27 363	2.87 397	4.21 401	1.46 365	2.83 382	2.02 337	2.87 410	0.92 336	1.19 392	1.47 408	1.29 388	1.18 342

MFN_U_SF_RVC	1.57 377	2.56 407	3.30 326	0.66 320	0.41 248	1.15 354	0.51 289	1.27 361	1.35 370	1.61 380	1.20 348	1.43 370	0.97 340	1.80 294	2.10 343	1.88 405	1.79 384	1.97 410	2.14 409	1.61 398	1.76 378

PML	22.99 423	17.34 422	8.24 408	5.48 415	9.84 415	50.35 437	102.65 437	5.84 412	13.52 414	37.08 437	104.84 437	30.61 436	23.20 428	12.09 417	7.96 411	6.27 416	2.12 395	6.31 419	2.42 410	10.67 421	2.95 406

MADNet++	2.94 400	2.17 386	3.27 322	2.55 408	2.28 405	3.29 403	3.37 403	2.76 399	2.67 397	3.10 405	3.20 400	2.78 388	3.25 400	4.11 402	4.68 401	2.72 409	2.27 405	3.03 413	2.43 411	2.34 408	2.59 405

BEATNet-Init1	12.32 415	12.82 421	28.66 432	3.22 412	3.71 408	21.59 427	11.42 415	14.54 422	13.73 418	20.24 424	20.16 424	26.14 432	19.85 423	19.08 426	15.33 422	1.81 403	1.93 389	2.05 411	2.48 412	4.25 414	3.41 412

SPstereo	16.55 420	3.18 411	4.92 394	2.73 410	2.77 406	29.67 428	52.00 430	39.41 436	29.70 437	21.94 432	21.64 427	27.45 434	23.83 429	27.92 437	26.10 431	2.44 408	2.60 409	4.96 415	3.11 413	2.27 406	2.32 402

tt	4.94 408	0.32 14	4.22 380	2.29 405	1.58 393	10.19 416	16.94 419	9.44 417	5.03 404	1.69 381	1.33 357	4.68 403	5.02 407	3.38 394	5.91 406	6.15 415	9.47 422	2.80 412	3.16 414	3.54 413	1.58 372

Anonymous_2	1.36 360	0.49 89	2.03 47	1.71 391	1.58 393	2.49 398	0.58 311	1.59 380	2.31 391	0.77 294	0.88 312	1.03 339	0.58 263	1.20 209	0.66 204	0.32 347	1.38 373	1.42 401	3.87 415	0.78 375	1.56 371

DGSMNet	2.93 399	0.77 182	3.44 344	3.58 413	4.25 411	2.53 399	6.86 413	1.03 301	0.88 301	0.58 169	1.85 371	0.79 275	0.62 275	1.63 267	1.46 313	4.62 412	4.98 415	5.15 417	4.71 416	4.52 416	4.37 413

DPSM_ROB	12.32 415	11.13 419	12.31 413	12.90 421	12.80 419	19.81 425	28.13 426	14.50 420	14.31 419	10.62 413	11.34 412	12.03 418	11.89 418	13.08 420	15.22 420	7.09 417	8.31 419	6.47 420	7.32 417	8.69 419	8.43 420

DPSM	12.32 415	11.13 419	12.31 413	12.90 421	12.80 419	19.81 425	28.13 426	14.50 420	14.31 419	10.62 413	11.34 412	12.03 418	11.89 418	13.08 420	15.22 420	7.09 417	8.31 419	6.47 420	7.32 417	8.69 419	8.43 420

DGTPSM_ROB	8.97 413	5.94 415	13.01 415	5.95 416	11.34 416	8.54 414	24.06 420	6.47 414	13.52 414	5.19 410	11.52 415	6.18 410	11.04 415	7.02 411	13.92 417	4.47 411	7.66 416	3.90 414	7.43 419	4.34 415	7.98 418

DPSMNet_ROB	9.58 414	5.96 416	13.98 418	8.88 418	11.87 417	8.54 414	24.08 421	6.48 415	13.67 417	5.35 411	11.53 416	6.31 411	11.04 415	7.69 412	14.09 418	7.61 420	8.23 418	5.03 416	7.75 420	5.24 417	8.36 419

HanzoNet	7.85 411	3.30 413	5.75 402	7.47 417	3.97 409	2.34 395	1.37 387	3.47 407	4.02 402	13.30 417	10.49 410	10.86 414	16.67 420	8.50 414	10.51 416	10.80 421	9.84 423	5.83 418	13.69 421	7.24 418	7.51 417

DPSimNet_ROB	24.35 425	23.81 435	31.38 434	25.93 427	22.83 425	31.30 429	34.38 429	20.78 425	28.92 432	27.39 434	22.99 434	28.29 435	35.76 437	15.47 422	17.82 423	24.28 433	17.90 430	22.23 428	14.12 422	19.38 428	22.12 431

LSM0	26.57 431	22.53 434	25.76 430	30.62 434	52.30 438	39.86 435	56.49 431	29.18 434	28.76 430	21.26 427	22.46 428	24.42 431	23.97 433	26.42 434	30.66 437	14.29 427	16.56 424	13.06 427	14.65 423	17.62 427	20.52 429

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

CasAABBNet	24.76 426	22.38 428	24.44 425	26.05 428	25.75 427	39.79 430	56.76 433	29.10 433	28.88 431	21.22 426	22.69 429	24.21 429	23.99 434	26.23 429	30.62 433	14.22 422	16.71 425	13.03 422	14.75 424	17.49 425	16.97 423

MyStereo03	24.90 428	22.40 430	24.90 427	26.19 430	25.93 429	39.80 431	56.77 434	29.00 430	28.95 433	21.51 429	22.81 431	24.16 426	23.92 430	26.26 430	30.65 434	14.24 423	17.13 427	13.03 422	14.76 426	17.48 422	18.00 426

MyStereo02	24.90 428	22.40 430	24.90 427	26.19 430	25.93 429	39.80 431	56.77 434	29.00 430	28.95 433	21.51 429	22.81 431	24.16 426	23.92 430	26.26 430	30.65 434	14.24 423	17.13 427	13.03 422	14.76 426	17.48 422	18.00 426

MyStereo	24.90 428	22.40 430	24.90 427	26.19 430	25.93 429	39.80 431	56.77 434	29.00 430	28.95 433	21.51 429	22.81 431	24.16 426	23.92 430	26.26 430	30.65 434	14.24 423	17.13 427	13.03 422	14.76 426	17.48 422	18.00 426

ASD4	27.03 433	24.46 436	23.91 423	27.24 433	17.87 421	47.08 436	31.36 428	41.80 437	21.82 428	31.12 436	20.82 425	33.80 437	18.50 422	27.25 436	21.57 428	29.52 435	20.55 431	27.54 431	23.38 429	30.03 432	20.96 430

HaxPig	19.88 421	22.39 429	22.30 422	17.98 423	17.98 422	12.06 417	12.06 416	16.25 423	15.97 421	21.05 425	21.41 426	18.85 424	18.35 421	20.07 427	19.64 424	23.57 432	23.19 432	24.07 429	23.71 430	22.95 430	23.72 432

LRCNet_RVC	13.78 419	19.34 423	13.01 415	19.47 424	12.67 418	1.85 383	0.42 252	12.28 418	1.10 351	15.76 419	18.69 423	12.52 420	8.65 412	12.22 418	9.64 412	22.29 428	8.38 421	25.92 430	24.06 431	19.72 429	17.59 425

MEDIAN_ROB	23.95 424	26.96 437	26.29 431	22.14 425	22.09 424	16.18 419	14.23 417	20.47 424	20.09 423	25.43 433	25.22 435	22.96 425	22.54 427	24.33 428	23.18 429	28.15 434	27.16 436	28.60 432	27.73 432	27.59 431	27.58 433

AVERAGE_ROB	26.91 432	30.28 438	29.18 433	25.78 426	25.30 426	19.49 424	15.38 418	23.70 429	23.02 429	28.38 435	27.78 436	26.23 433	25.76 436	26.95 435	25.55 430	31.27 436	30.02 437	31.76 433	30.80 433	30.88 436	30.77 434

Anonymous_1	22.76 422	11.11 418	11.93 412	12.73 420	26.05 432	19.39 423	27.77 425	14.18 419	13.64 416	14.92 418	10.66 411	11.26 415	11.24 417	12.48 419	14.45 419	37.82 437	7.87 417	34.92 434	63.61 434	87.51 438	11.75 422

xxxxx1	29.05 434	20.74 425	14.05 419	50.10 435	40.25 435	19.01 420	26.60 422	21.83 426	20.22 424	16.52 420	17.56 420	18.33 421	21.41 424	16.11 423	20.77 425	23.48 429	26.77 433	66.36 436	78.56 435	30.19 433	32.23 435

tt_ll	29.05 434	20.74 425	14.05 419	50.10 435	40.25 435	19.01 420	26.60 422	21.83 426	20.22 424	16.52 420	17.56 420	18.33 421	21.41 424	16.11 423	20.77 425	23.48 429	26.77 433	66.36 436	78.56 435	30.19 433	32.23 435

ff	29.05 434	20.74 425	14.05 419	50.10 435	40.25 435	19.01 420	26.60 422	21.83 426	20.22 424	16.52 420	17.56 420	18.33 421	21.41 424	16.11 423	20.77 425	23.48 429	26.77 433	66.36 436	78.56 435	30.19 433	32.23 435

test_example2	115.17 437	122.38 439	93.45 436	115.38 438	123.53 439	101.24 438	113.11 438	54.67 438	99.94 438	135.50 438	136.43 438	85.67 438	85.40 438	110.44 438	104.91 438	152.17 438	205.21 438	99.17 439	114.27 438	138.55 439	112.04 438

FADE		3.24 412		2.10 403	2.93 407													65.47 435		1.78 400

Low-res two-view benchmark