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

CREStereo++_RVC	0.32 28	0.15 3	0.23 1	0.31 6	0.24 86	0.27 25	0.22 8	0.46 8	0.88 211	0.46 46	0.80 124	0.30 5	0.26 17	0.36 5	0.33 86	0.13 12	0.09 2	0.13 9	0.51 373	0.13 20	0.09 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.36 65	0.15 3	0.24 3	0.34 11	0.15 1	0.77 256	0.29 57	0.80 166	0.83 183	0.56 68	0.57 54	0.43 55	0.40 109	0.57 89	0.33 86	0.12 4	0.10 9	0.14 16	0.09 6	0.14 45	0.09 1

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

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

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

AnonymousM	0.41 131	0.81 366	0.29 10	0.34 11	0.22 42	0.28 32	0.38 185	0.53 26	0.41 42	0.70 135	0.49 32	0.47 69	0.27 23	0.41 19	0.31 66	0.15 79	0.12 98	1.51 386	0.26 306	0.12 8	0.10 3

XX-Stereo	0.37 80	0.17 19	0.45 130	0.55 322	0.36 277	0.38 98	0.20 1	0.60 46	0.30 3	0.46 46	1.30 303	0.73 196	0.26 17	0.56 79	0.26 25	0.16 110	0.11 57	0.17 85	0.16 123	0.14 45	0.10 3

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

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

DLNR_Zeroshot_test	20.09 419	36.28 427	38.04 424	169.85 435	61.80 431	0.23 5	0.20 1	13.88 418	0.37 31	0.44 42	0.66 74	0.43 55	0.21 5	0.62 139	0.28 43	5.46 417	0.10 9	0.15 42	0.11 15	72.60 434	0.11 9

CASnet	0.30 24	0.20 70	0.33 20	0.41 132	0.16 2	0.26 17	0.24 24	0.52 19	0.53 69	0.52 59	0.54 46	0.39 38	0.24 10	0.40 16	0.26 25	0.14 32	0.10 9	0.22 230	0.18 185	0.18 157	0.11 9
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.27 5	0.17 19	0.31 13	0.34 11	0.45 329	0.26 17	0.28 50	0.37 1	0.32 7	0.30 7	0.46 24	0.31 8	0.37 89	0.36 5	0.24 6	0.14 32	0.10 9	0.15 42	0.12 29	0.13 20	0.11 9

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

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

EGLCR-Stereo	0.25 2	0.16 8	0.33 20	0.34 11	0.20 20	0.35 78	0.20 1	0.52 19	0.36 21	0.28 4	0.27 4	0.41 43	0.18 1	0.45 30	0.26 25	0.14 32	0.10 9	0.16 60	0.14 72	0.13 20	0.11 9

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

RCA-Stereo	0.35 47	0.17 19	0.34 26	0.38 66	0.22 42	0.31 53	0.34 118	0.68 100	1.24 331	0.45 44	0.65 70	0.47 69	0.43 123	0.38 12	0.27 33	0.13 12	0.10 9	0.14 16	0.11 15	0.11 1	0.11 9

RAFT_CTSACE	0.45 159	0.20 70	0.44 119	0.45 223	0.27 172	0.34 73	0.39 204	0.60 46	0.73 137	0.76 172	1.44 326	0.83 228	0.38 92	1.08 315	0.26 25	0.12 4	0.13 152	0.18 119	0.16 123	0.15 77	0.11 9

test_4	0.36 65	0.18 34	0.31 13	0.44 202	0.25 112	0.20 1	0.34 118	0.56 28	0.41 42	0.59 73	1.45 329	0.43 55	0.25 11	0.63 149	0.28 43	0.12 4	0.10 9	0.17 85	0.19 209	0.15 77	0.11 9

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

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

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

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

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

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

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

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

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

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

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

CREStereo	0.28 8	0.15 3	0.24 3	0.27 1	0.17 3	0.37 86	0.25 31	0.51 16	0.72 132	0.42 37	0.51 38	0.32 10	0.26 17	0.38 12	0.25 9	0.16 110	0.11 57	0.12 2	0.08 1	0.12 8	0.11 9
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.32 28	0.16 8	0.24 3	0.29 2	0.18 7	0.45 131	0.22 8	0.56 28	0.63 98	0.46 46	0.54 46	0.39 38	0.34 75	0.48 49	0.24 6	0.75 380	0.10 9	0.12 2	0.08 1	0.12 8	0.11 9

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

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

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

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

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

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

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

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

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

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

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

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

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

AAGNet	1.43 372	0.20 70	0.48 172	0.44 202	0.25 112	0.29 36	0.31 86	0.65 72	0.68 116	0.97 282	0.86 155	0.67 166	0.62 212	0.64 156	20.63 417	0.16 110	0.11 57	0.19 155	0.15 94	0.19 191	0.12 33

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

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

CroCo-Stereo	0.26 3	0.22 128	0.36 34	0.48 256	0.22 42	0.20 1	0.29 57	0.51 16	0.44 52	0.28 4	0.23 1	0.42 49	0.26 17	0.29 1	0.26 25	0.15 79	0.13 152	0.13 9	0.11 15	0.16 108	0.12 33
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
RAFT	0.45 159	0.22 128	0.45 130	0.47 251	0.26 148	0.54 159	0.47 246	0.66 81	0.58 83	0.80 184	0.82 134	0.94 261	0.57 185	0.75 217	0.34 96	0.17 143	0.15 202	0.22 230	0.20 231	0.16 108	0.12 33

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

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

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

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

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

HITNet	0.41 131	0.26 212	0.45 130	0.33 10	0.17 3	0.63 216	0.30 70	0.93 204	0.64 105	0.71 141	0.82 134	0.64 146	0.52 163	0.59 120	0.43 170	0.14 32	0.10 9	0.15 42	0.13 50	0.19 191	0.12 33
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
MLCV	0.47 175	0.24 180	0.61 241	0.37 45	0.17 3	0.61 200	0.33 111	0.80 166	0.87 207	0.94 269	1.13 266	0.72 187	0.43 123	0.89 270	0.51 216	0.13 12	0.10 9	0.13 9	0.11 15	0.14 45	0.12 33

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

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

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

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

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

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

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

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

Sa-1000	0.48 182	0.24 180	0.41 81	0.45 223	0.25 112	0.59 194	0.34 118	0.81 169	0.93 238	0.82 201	1.50 333	0.53 87	0.45 135	0.92 282	0.30 59	0.15 79	0.12 98	0.21 218	0.19 209	0.15 77	0.13 58

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

iRaft-Stereo_20w	0.39 108	0.19 49	0.57 229	0.37 45	0.27 172	0.31 53	0.24 24	1.44 356	0.29 2	0.69 129	0.53 44	0.60 128	0.42 116	0.83 247	0.27 33	0.14 32	0.11 57	0.14 16	0.13 50	0.15 77	0.13 58

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

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

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

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

PFNet	0.42 137	0.18 34	0.58 233	0.43 187	0.24 86	0.43 122	0.32 102	0.74 141	0.78 163	1.00 293	0.74 98	0.68 167	0.39 104	0.72 202	0.37 139	0.16 110	0.10 9	0.20 179	0.15 94	0.16 108	0.13 58

RAFT-RH_RVC	0.56 252	0.17 19	0.41 81	0.37 45	0.23 69	0.57 183	0.24 24	0.60 46	0.70 121	1.19 333	3.94 399	0.56 96	0.38 92	0.65 163	0.36 127	0.13 12	0.11 57	0.20 179	0.14 72	0.12 8	0.13 58

RAFT-345	0.40 120	0.18 34	0.40 77	0.38 66	0.22 42	0.33 67	0.26 37	0.61 52	0.51 63	0.74 165	1.79 353	0.45 61	0.33 69	0.66 168	0.36 127	0.14 32	0.11 57	0.18 119	0.14 72	0.13 20	0.13 58

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

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

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

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

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

111	0.40 120	0.17 19	0.41 81	0.34 11	0.19 9	0.52 149	0.28 50	0.74 141	1.16 318	0.50 54	0.91 175	0.63 139	0.48 145	0.61 133	0.35 111	0.14 32	0.10 9	0.14 16	0.12 29	0.13 20	0.13 58

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

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

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

RAFT-Stereo	0.39 108	0.18 34	0.42 100	0.42 169	0.26 148	0.40 102	0.32 102	0.72 132	0.34 9	0.89 245	1.28 299	0.57 101	0.35 77	0.42 21	0.32 74	0.15 79	0.12 98	0.14 16	0.12 29	0.14 45	0.13 58
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RASNet	0.53 230	0.22 128	0.52 206	0.38 66	0.22 42	0.68 236	0.38 185	0.97 220	0.88 211	0.73 159	1.04 235	1.03 284	0.92 318	0.90 272	0.86 295	0.16 110	0.14 178	0.14 16	0.17 163	0.15 77	0.13 58

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

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

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

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

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

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

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

anonymousa	0.49 198	0.20 70	0.42 100	0.38 66	0.23 69	0.91 291	0.35 135	0.75 147	0.62 88	0.85 221	1.54 337	1.06 291	0.66 239	0.51 56	0.43 170	0.16 110	0.13 152	0.19 155	0.21 248	0.16 108	0.14 87

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

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

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

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

CrosDoStereo	0.50 211	0.18 34	0.45 130	0.38 66	0.24 86	0.40 102	1.18 373	0.67 91	0.86 198	0.94 269	1.37 312	0.63 139	0.77 282	0.65 163	0.45 188	0.15 79	0.12 98	0.17 85	0.18 185	0.14 45	0.14 87

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

DeepStereo_LL	0.50 211	0.18 34	0.45 130	0.38 66	0.24 86	0.40 102	1.18 373	0.67 91	0.86 198	0.94 269	1.37 312	0.63 139	0.77 282	0.65 163	0.45 188	0.15 79	0.12 98	0.17 85	0.18 185	0.14 45	0.14 87

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

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

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

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

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

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

MyStereo05	0.44 149	0.21 101	0.45 130	0.41 132	0.28 191	0.41 115	0.50 262	0.93 204	1.09 309	0.76 172	0.61 63	0.51 81	0.57 185	0.73 207	0.42 165	0.14 32	0.13 152	0.18 119	0.17 163	0.17 139	0.15 106

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

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

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

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

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

CAS	0.34 35	0.13 1	0.25 6	1.28 386	0.30 224	0.46 133	0.38 185	0.48 11	0.47 59	0.34 14	0.52 42	0.24 1	0.19 2	0.29 1	0.27 33	0.69 378	0.08 1	0.12 2	0.08 1	0.12 8	0.15 106

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

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

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

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

IGEV-Stereo	0.29 12	0.21 101	0.38 53	0.37 45	0.25 112	0.30 43	0.35 135	0.63 61	0.35 16	0.39 29	0.33 10	0.33 18	0.28 32	0.59 120	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.45 159	0.21 101	0.48 172	0.42 169	0.28 191	0.31 53	0.54 286	0.63 61	0.62 88	0.62 83	0.89 170	1.01 277	0.69 252	0.75 217	0.66 254	0.13 12	0.12 98	0.17 85	0.15 94	0.14 45	0.15 106

Patchmatch Stereo++	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.22 8	0.59 37	0.36 21	0.63 90	0.73 89	0.58 109	0.38 92	0.58 106	0.36 127	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.31 86	0.59 37	0.36 21	0.63 90	0.73 89	0.58 109	0.38 92	0.56 79	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

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

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

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

DEmStereo	0.48 182	0.17 19	0.50 194	0.38 66	0.25 112	0.59 194	0.34 118	0.63 61	0.74 142	0.89 245	1.66 344	0.58 109	1.06 337	0.60 126	0.42 165	0.14 32	0.11 57	0.16 60	0.16 123	0.14 45	0.15 106

SST-Stereo	0.40 120	0.19 49	0.45 130	0.42 169	0.25 112	0.25 15	0.21 4	0.66 81	0.47 59	1.08 320	0.79 122	0.72 187	0.43 123	0.77 227	0.35 111	0.16 110	0.11 57	0.20 179	0.16 123	0.19 191	0.15 106

THIR-Stereo	0.50 211	0.18 34	0.45 130	0.38 66	0.23 69	0.75 253	0.67 316	0.66 81	0.87 207	1.02 300	1.40 318	0.72 187	0.76 278	0.62 139	0.42 165	0.15 79	0.11 57	0.17 85	0.18 185	0.14 45	0.15 106

DRaft	0.49 198	0.17 19	0.47 156	0.37 45	0.25 112	0.58 185	0.40 210	0.65 72	0.85 193	1.02 300	1.75 352	0.50 78	0.82 297	0.63 149	0.40 158	0.13 12	0.11 57	0.16 60	0.16 123	0.14 45	0.15 106

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

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

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

SFCPSM	0.47 175	0.21 101	0.55 220	0.40 108	0.27 172	0.87 289	0.37 165	1.33 336	0.77 157	0.80 184	0.84 144	0.54 91	0.49 148	0.57 89	0.37 139	0.18 171	0.13 152	0.18 119	0.20 231	0.16 108	0.15 106

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

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

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

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

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

cf-r	0.47 175	0.23 145	0.41 81	0.39 85	0.23 69	0.59 194	0.37 165	0.88 191	0.85 193	0.72 152	1.05 239	0.94 261	0.62 212	0.56 79	0.54 229	0.21 235	0.14 178	0.17 85	0.19 209	0.15 77	0.15 106

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

DIP-Stereo	0.39 108	0.21 101	0.50 194	0.41 132	0.28 191	0.62 207	0.27 43	0.77 155	0.40 39	0.64 99	0.86 155	0.52 83	0.33 69	0.66 168	0.42 165	0.15 79	0.13 152	0.17 85	0.14 72	0.15 77	0.15 106
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HSM-Net_RVC	0.53 230	0.22 128	0.35 29	0.37 45	0.21 29	0.85 285	0.37 165	1.23 313	0.93 238	0.90 252	1.15 273	1.26 317	0.63 218	0.72 202	0.48 205	0.17 143	0.13 152	0.16 60	0.15 94	0.17 139	0.15 106
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iResNet	0.49 198	0.29 248	0.79 307	0.42 169	0.21 29	0.61 200	0.40 210	0.82 170	0.99 263	0.87 233	1.12 260	0.69 171	0.53 166	0.78 231	0.51 216	0.15 79	0.11 57	0.14 16	0.12 29	0.17 139	0.15 106

pmcnn	1.23 362	0.29 248	0.96 325	0.40 108	0.23 69	0.95 299	0.69 325	1.16 285	1.28 339	1.67 365	2.33 367	11.15 414	0.86 306	0.93 287	0.88 301	0.15 79	0.12 98	0.12 2	0.10 10	0.15 77	0.15 106

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

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

DualNet	0.47 175	0.26 212	0.49 182	0.37 45	0.25 112	0.55 164	0.37 165	0.68 100	1.04 286	0.73 159	0.96 194	0.71 177	0.53 166	0.57 89	0.88 301	0.16 110	0.10 9	0.25 269	0.21 248	0.16 108	0.16 145

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

ff1	0.49 198	0.26 212	0.49 182	0.37 45	0.25 112	0.55 164	0.37 165	0.68 100	1.04 286	0.73 159	0.96 194	0.71 177	0.53 166	1.01 300	0.88 301	0.16 110	0.10 9	0.25 269	0.21 248	0.16 108	0.16 145

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

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

EKT-Stereo	0.35 47	0.23 145	0.39 70	0.43 187	0.29 214	0.38 98	0.31 86	0.69 109	0.64 105	0.45 44	0.63 65	0.49 77	0.27 23	0.56 79	0.33 86	0.18 171	0.14 178	0.18 119	0.15 94	0.16 108	0.16 145

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

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

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

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

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

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

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

iResNetv2_ROB	0.52 227	0.27 226	0.69 280	0.38 66	0.25 112	0.62 207	0.35 135	1.17 290	1.01 274	0.99 288	1.06 245	0.88 246	0.67 242	0.66 168	0.39 153	0.19 200	0.13 152	0.15 42	0.11 15	0.18 157	0.16 145

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

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

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

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

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

LL-Strereo	0.57 257	0.27 226	0.68 274	0.48 256	0.34 269	0.39 101	0.48 252	0.94 208	0.97 254	0.83 213	0.78 113	1.10 301	1.18 349	1.33 344	0.49 207	0.17 143	0.14 178	0.22 230	0.19 209	0.16 108	0.17 162

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

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

CSP-Net	0.56 252	0.27 226	0.49 182	0.41 132	0.28 191	1.22 341	0.50 262	1.23 313	0.72 132	0.95 276	0.95 190	0.89 250	0.62 212	0.83 247	0.62 246	0.26 287	0.17 243	0.17 85	0.17 163	0.18 157	0.17 162

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

test_xeample	1.01 340	0.21 101	0.42 100	0.35 29	0.21 29	0.71 245	0.39 204	1.23 313	0.86 198	0.81 192	1.04 235	0.69 171	0.61 207	0.69 189	10.93 410	0.19 200	0.15 202	0.18 119	0.17 163	0.18 157	0.17 162

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

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

HSM	0.51 218	0.24 180	0.41 81	0.39 85	0.24 86	0.75 253	0.40 210	1.22 309	0.75 144	0.81 192	0.91 175	1.21 313	0.69 252	0.87 262	0.46 198	0.17 143	0.13 152	0.17 85	0.14 72	0.17 139	0.17 162

LE_ROB	4.42 406	0.24 180	2.75 390	0.42 169	0.23 69	1.57 365	0.90 356	1.71 379	17.88 420	16.56 422	4.88 407	5.17 403	18.85 422	1.63 365	14.62 414	0.17 143	0.14 178	0.16 60	0.16 123	0.19 191	0.17 162

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

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

1111x	0.55 241	0.22 128	0.46 146	0.38 66	0.20 20	0.66 230	0.43 230	1.23 313	0.99 263	0.71 141	0.99 214	0.95 263	0.69 252	0.90 272	1.08 338	0.18 171	0.17 243	0.18 119	0.19 209	0.20 204	0.18 176

GMStereo_Zeroshot	0.49 198	0.44 314	0.74 294	0.49 271	0.27 172	0.56 179	0.29 57	0.73 139	0.76 150	0.86 226	0.94 183	0.91 256	0.36 86	0.74 213	0.43 170	0.26 287	0.14 178	0.26 283	0.15 94	0.36 323	0.18 176

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

GMStereo	0.39 108	0.37 286	0.54 215	0.40 108	0.26 148	0.42 120	0.36 153	0.59 37	1.04 286	0.55 66	0.51 38	0.37 33	0.35 77	0.54 69	0.41 161	0.19 200	0.13 152	0.16 60	0.17 163	0.24 257	0.18 176
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CFNet-ft	0.48 182	0.23 145	0.36 34	0.40 108	0.26 148	0.64 222	0.37 165	0.87 187	0.85 193	0.64 99	1.00 216	1.01 277	0.64 228	0.61 133	0.53 226	0.23 258	0.15 202	0.24 258	0.21 248	0.23 247	0.18 176

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

AANet_RVC	0.57 257	0.32 261	0.54 215	0.45 223	0.27 172	0.57 183	0.48 252	1.00 228	1.28 339	0.86 226	1.33 307	0.87 241	0.58 192	1.07 313	0.75 275	0.18 171	0.12 98	0.15 42	0.13 50	0.18 157	0.18 176

AdaStereo	0.50 211	0.32 261	0.47 156	0.48 256	0.25 112	0.67 234	0.32 102	1.17 290	0.88 211	0.75 167	0.99 214	0.75 202	0.49 148	0.67 178	0.46 198	0.27 294	0.12 98	0.28 302	0.18 185	0.23 247	0.18 176
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
DLCB_ROB	0.58 263	0.28 240	0.47 156	0.49 271	0.32 253	0.77 256	0.50 262	0.99 225	0.92 233	1.04 309	1.14 268	1.21 313	0.69 252	0.88 265	0.69 261	0.20 221	0.20 276	0.22 230	0.22 263	0.21 222	0.18 176

iResNet_ROB	0.52 227	0.21 101	0.53 212	0.37 45	0.21 29	0.61 200	0.29 57	1.51 365	1.32 343	0.90 252	1.02 227	0.80 224	0.62 212	0.76 220	0.43 170	0.16 110	0.12 98	0.13 9	0.09 6	0.15 77	0.18 176

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

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

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

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

ssnet_v2	0.58 263	0.28 240	0.56 226	0.43 187	0.29 214	0.95 299	0.59 301	1.13 273	0.99 263	0.93 266	0.80 124	0.99 271	0.64 228	0.82 240	0.94 318	0.25 277	0.22 289	0.23 244	0.24 287	0.20 204	0.19 204

CRFU-Net	0.57 257	0.27 226	0.57 229	0.46 242	0.30 224	1.20 340	0.52 279	1.10 263	0.56 81	1.00 293	0.98 209	1.06 291	0.79 289	0.81 238	0.71 268	0.21 235	0.19 268	0.18 119	0.16 123	0.18 157	0.19 204

AASNet	0.53 230	0.25 198	0.52 206	0.49 271	0.32 253	0.74 250	0.40 210	1.50 362	0.86 198	0.86 226	0.92 179	0.64 146	0.59 198	0.59 120	0.79 281	0.23 258	0.19 268	0.20 179	0.16 123	0.21 222	0.19 204

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

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

222	1.18 359	0.22 128	0.44 119	0.37 45	0.22 42	0.79 263	0.37 165	1.31 333	0.89 221	0.92 265	1.08 251	0.72 187	0.71 266	0.66 168	13.89 413	0.20 221	0.15 202	0.17 85	0.16 123	0.18 157	0.19 204

xxxx	1.01 340	0.22 128	0.43 109	0.36 37	0.21 29	0.82 279	0.36 153	1.32 334	0.88 211	0.71 141	0.94 183	0.97 267	0.63 218	0.64 156	10.58 409	0.20 221	0.16 229	0.18 119	0.17 163	0.19 191	0.19 204

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

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

DSFCA	0.55 241	0.25 198	0.62 244	0.40 108	0.36 277	0.74 250	0.52 279	1.04 245	0.82 178	1.06 314	0.84 144	0.89 250	0.63 218	0.99 297	0.58 236	0.25 277	0.21 283	0.21 218	0.21 248	0.21 222	0.19 204

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

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

TDLM	0.57 257	0.33 269	0.49 182	0.51 297	0.30 224	0.66 230	0.73 336	1.03 242	1.01 274	0.82 201	1.10 257	0.84 232	0.70 262	0.86 261	0.58 236	0.28 300	0.17 243	0.25 269	0.22 263	0.26 269	0.19 204

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

StereoDRNet-Refined	0.58 263	0.32 261	0.54 215	0.46 242	0.30 224	0.96 302	0.40 210	1.00 228	0.94 245	1.12 326	1.08 251	0.96 265	0.67 242	0.90 272	0.89 312	0.17 143	0.13 152	0.22 230	0.21 248	0.20 204	0.19 204
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
StereoDRNet	0.64 278	0.33 269	0.68 274	0.51 297	0.43 318	1.03 315	0.53 282	1.47 358	0.99 263	1.10 324	0.87 159	1.07 296	0.71 266	0.82 240	0.88 301	0.23 258	0.19 268	0.25 269	0.23 274	0.27 279	0.19 204

mmx	0.53 230	0.26 212	0.49 182	0.37 45	0.25 112	0.55 164	0.37 165	1.16 285	1.03 282	0.73 159	0.96 194	0.71 177	0.53 166	1.01 300	0.88 301	0.20 221	0.15 202	0.25 269	0.21 248	0.22 238	0.20 224

xxx	0.53 230	0.26 212	0.49 182	0.37 45	0.25 112	0.55 164	0.37 165	1.16 285	1.03 282	0.73 159	0.96 194	0.71 177	0.53 166	1.01 300	0.88 301	0.20 221	0.15 202	0.25 269	0.21 248	0.22 238	0.20 224

fast-acv-ft	0.64 278	0.30 254	0.73 290	0.45 223	0.34 269	1.17 336	0.49 258	0.86 180	0.98 258	1.02 300	1.36 309	1.29 321	0.85 304	0.76 220	0.81 286	0.21 235	0.23 299	0.23 244	0.23 274	0.21 222	0.20 224

iinet-f	0.67 283	0.26 212	2.15 386	0.39 85	0.31 241	1.19 339	0.56 295	0.84 174	0.84 186	0.80 184	1.17 280	1.05 290	0.84 303	0.71 197	1.21 348	0.20 221	0.18 254	0.17 85	0.15 94	0.20 204	0.20 224

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

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

dad	0.58 263	0.50 328	0.64 257	0.43 187	0.30 224	0.59 194	0.36 153	0.78 160	1.25 335	1.01 298	1.17 280	1.15 311	0.53 166	0.68 186	0.50 208	0.35 343	0.23 299	0.37 339	0.21 248	0.29 284	0.20 224

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

PSMNet-ADL	0.48 182	0.27 226	0.40 77	0.48 256	0.30 224	0.68 236	0.37 165	0.90 197	0.80 171	0.61 82	0.80 124	0.92 258	0.62 212	0.72 202	0.63 249	0.23 258	0.18 254	0.18 119	0.20 231	0.22 238	0.20 224

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

ICVP	0.46 165	0.25 198	0.38 53	0.48 256	0.28 191	0.58 185	0.43 230	1.00 228	0.70 121	0.67 118	0.95 190	0.75 202	0.55 179	0.53 66	0.54 229	0.23 258	0.17 243	0.19 155	0.17 163	0.19 191	0.20 224
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
sCroCo_RVC	0.35 47	0.28 240	0.69 280	0.51 297	0.39 295	0.41 115	0.31 86	0.49 13	0.45 55	0.31 8	0.48 30	0.38 37	0.32 61	0.46 37	0.32 74	0.21 235	0.22 289	0.19 155	0.19 209	0.21 222	0.20 224

psm_up	0.55 241	0.26 212	0.47 156	0.49 271	0.32 253	0.65 227	0.56 295	1.04 245	0.82 178	0.82 201	0.88 166	1.01 277	0.94 324	0.74 213	0.61 244	0.21 235	0.25 314	0.26 283	0.23 274	0.21 222	0.20 224

Wz-Net-LNSev-Ref	0.63 277	0.28 240	0.99 328	0.40 108	0.30 224	1.03 315	0.56 295	1.10 263	0.99 263	0.97 282	1.22 288	1.06 291	0.69 252	1.07 313	0.95 321	0.19 200	0.11 57	0.16 60	0.13 50	0.22 238	0.21 237

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

UDGNet	0.48 182	0.77 363	0.50 194	0.48 256	0.31 241	0.41 115	0.34 118	0.70 123	0.92 233	0.65 106	0.60 60	0.58 109	0.43 123	0.63 149	0.41 161	0.32 327	0.15 202	0.66 374	0.19 209	0.36 323	0.21 237

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

ASMatch	0.48 182	0.19 49	0.45 130	0.39 85	0.28 191	0.37 86	0.26 37	0.74 141	0.68 116	0.76 172	2.34 368	0.61 132	0.52 163	0.62 139	0.37 139	0.14 32	0.12 98	0.17 85	0.15 94	0.14 45	0.21 237

ADLNet	0.55 241	0.27 226	0.51 201	0.44 202	0.35 275	0.78 260	0.46 241	1.08 258	0.86 198	0.99 288	0.98 209	0.92 258	0.63 218	0.69 189	0.81 286	0.22 253	0.16 229	0.22 230	0.22 263	0.21 222	0.21 237

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

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

ADCRef	0.80 312	0.43 310	1.32 360	0.50 285	0.45 329	1.07 321	0.51 276	1.07 254	0.98 258	1.17 331	1.42 321	0.87 241	0.91 315	0.85 259	3.19 387	0.18 171	0.16 229	0.23 244	0.23 274	0.22 238	0.21 237

ADCP+	1.06 348	0.35 278	1.51 373	0.49 271	0.51 343	1.45 358	0.55 290	1.25 323	1.03 282	1.16 330	1.15 273	1.10 301	1.07 339	1.56 359	6.75 406	0.19 200	0.16 229	0.23 244	0.21 248	0.28 281	0.21 237

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

NLCA_NET_v2_RVC	0.53 230	0.32 261	0.64 257	0.44 202	0.30 224	0.66 230	0.44 236	1.04 245	0.88 211	0.91 257	0.91 175	0.99 271	0.60 202	0.68 186	0.60 243	0.21 235	0.17 243	0.22 230	0.22 263	0.21 222	0.21 237
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
DRN-Test	0.66 282	0.32 261	0.66 267	0.50 285	0.39 295	1.15 333	0.61 308	1.49 361	1.01 274	1.12 326	1.08 251	1.06 291	0.69 252	0.77 227	0.94 318	0.23 258	0.17 243	0.26 283	0.25 296	0.25 265	0.21 237

whm_eth	0.48 182	0.30 254	0.74 294	0.46 242	0.38 290	0.37 86	0.37 165	0.79 162	0.78 163	0.82 201	1.74 350	0.37 33	0.38 92	0.60 126	0.38 147	0.18 171	0.16 229	0.20 179	0.20 231	0.19 191	0.22 250

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

CBFPSM	0.59 270	0.22 128	1.31 358	0.38 66	0.27 172	1.12 329	0.65 313	0.79 162	0.82 178	0.80 184	0.81 131	1.35 337	0.87 309	0.67 178	0.76 276	0.16 110	0.15 202	0.15 42	0.16 123	0.17 139	0.22 250

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

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

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

GANet	0.70 290	0.37 286	0.55 220	0.51 297	0.34 269	0.94 296	0.96 360	1.08 258	0.94 245	1.04 309	1.98 361	1.13 308	0.88 312	1.12 321	0.66 254	0.25 277	0.26 319	0.27 295	0.22 263	0.31 298	0.22 250

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

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

STTStereo	0.55 241	0.37 286	0.76 302	0.44 202	0.31 241	0.60 199	0.44 236	0.96 216	0.86 198	0.99 288	0.90 173	0.96 265	0.58 192	0.71 197	0.61 244	0.25 277	0.23 299	0.26 283	0.32 335	0.24 257	0.23 257

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

DISCO	0.70 290	0.26 212	0.68 274	0.44 202	0.31 241	1.14 331	0.51 276	1.23 313	1.23 329	0.81 192	1.05 239	1.50 351	0.85 304	1.82 374	1.03 332	0.19 200	0.15 202	0.18 119	0.16 123	0.24 257	0.23 257

PSMNet_ROB	0.64 278	0.37 286	0.65 262	0.56 325	0.42 313	0.97 303	0.83 346	1.21 301	0.92 233	0.79 182	1.02 227	1.08 298	0.63 218	0.82 240	0.91 316	0.29 306	0.20 276	0.31 318	0.31 329	0.26 269	0.23 257

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

GASNet	0.67 283	0.72 359	0.96 325	0.70 364	0.48 337	0.62 207	0.47 246	1.08 258	1.03 282	0.94 269	0.82 134	0.93 260	0.83 301	1.33 344	0.80 283	0.31 315	0.22 289	0.29 310	0.28 316	0.44 343	0.24 263

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

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

Syn2CoEx	0.71 294	0.51 331	0.95 323	0.64 347	0.45 329	0.91 291	0.53 282	1.48 359	1.13 314	0.93 266	1.35 308	1.02 282	0.99 331	0.92 282	0.80 283	0.30 312	0.27 323	0.28 302	0.24 287	0.23 247	0.24 263

MDST_ROB	0.91 332	0.27 226	0.85 312	0.63 346	0.41 307	2.53 384	0.71 334	1.60 372	1.13 314	2.83 393	1.73 348	0.97 267	0.69 252	1.61 362	0.73 271	0.25 277	0.22 289	0.32 323	0.28 316	0.25 265	0.24 263

AF-Net	0.81 315	0.39 299	0.68 274	0.64 347	0.54 349	0.91 291	0.51 276	1.61 373	1.31 342	0.96 277	2.02 362	1.46 345	1.26 357	1.11 320	0.99 328	0.32 327	0.24 306	0.39 344	0.27 311	0.30 293	0.25 269

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

NaN_ROB	0.69 288	0.44 314	0.69 280	0.51 297	0.33 262	0.97 303	1.06 367	1.22 309	1.19 323	1.24 341	0.96 194	1.08 298	0.78 287	1.20 329	0.67 257	0.24 267	0.30 333	0.23 244	0.24 287	0.23 247	0.25 269

SGM_RVC	0.97 337	0.28 240	0.41 81	0.39 85	0.22 42	1.55 363	0.73 336	1.51 365	1.25 335	2.25 383	1.92 358	2.58 381	1.56 370	2.02 381	1.19 347	0.27 294	0.27 323	0.27 295	0.25 296	0.25 265	0.25 269
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
Wz-Net-LNSev	0.71 294	0.51 331	1.36 366	0.50 285	0.41 307	1.15 333	0.69 325	1.21 301	1.07 304	1.02 300	1.12 260	1.08 298	0.87 309	0.89 270	0.89 312	0.24 267	0.22 289	0.21 218	0.19 209	0.26 269	0.26 273

Wz-Net-MNSev	0.76 304	0.40 303	1.34 361	0.50 285	0.40 300	1.44 357	0.83 346	1.15 282	1.16 318	1.25 342	1.20 287	1.13 308	0.81 293	1.16 324	1.00 331	0.22 253	0.19 268	0.24 258	0.23 274	0.28 281	0.26 273

GwcNet	0.69 288	0.36 283	1.10 336	0.51 297	0.42 313	1.08 325	0.50 262	1.21 301	1.16 318	1.00 293	1.37 312	1.06 291	0.79 289	0.92 282	0.94 318	0.25 277	0.24 306	0.24 258	0.22 263	0.23 247	0.26 273

hitnet-ft	0.55 241	0.27 226	0.39 70	0.41 132	0.28 191	0.78 260	0.40 210	0.92 202	0.90 223	0.82 201	1.01 219	1.13 308	0.70 262	0.78 231	0.67 257	0.28 300	0.20 276	0.28 302	0.22 263	0.29 284	0.26 273

SuperB	1.04 345	0.37 286	4.81 401	0.43 187	0.31 241	0.99 308	0.46 241	1.02 238	2.09 378	1.09 322	1.09 255	0.75 202	0.81 293	1.06 310	1.76 366	0.19 200	0.15 202	0.17 85	0.15 94	2.82 408	0.26 273

PS-NSSS	0.58 263	0.44 314	0.62 244	0.42 169	0.33 262	0.66 230	0.58 299	1.02 238	0.86 198	0.77 177	1.28 299	0.72 187	0.64 228	0.82 240	0.59 240	0.31 315	0.26 319	0.40 347	0.27 311	0.33 308	0.26 273

CBMV	0.64 278	0.35 278	0.41 81	0.42 169	0.25 112	1.01 310	0.77 340	1.13 273	1.09 309	1.17 331	1.22 288	1.04 286	0.75 275	0.88 265	0.63 249	0.28 300	0.30 333	0.34 330	0.30 322	0.26 269	0.26 273
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NF-Stereo	0.38 94	0.20 70	0.45 130	0.41 132	0.25 112	0.26 17	0.31 86	0.69 109	0.70 121	0.65 106	0.77 105	0.57 101	0.30 53	0.67 178	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.16 108	0.27 280

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

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

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

GMM-Stereo	0.44 149	0.19 49	0.36 34	0.42 169	0.25 112	0.51 146	0.47 246	0.71 128	0.53 69	0.76 172	1.37 312	0.76 208	0.38 92	0.60 126	0.33 86	0.15 79	0.10 9	0.20 179	0.19 209	0.16 108	0.27 280

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

ADCL	1.04 345	0.38 295	1.35 362	0.50 285	0.39 295	1.61 367	0.89 354	1.29 329	1.39 349	1.29 344	1.50 333	1.24 316	1.24 354	1.37 352	4.87 399	0.21 235	0.19 268	0.25 269	0.25 296	0.29 284	0.27 280

CASS	0.45 159	0.27 226	0.42 100	0.48 256	0.22 42	0.61 200	0.34 118	0.97 220	0.62 88	0.71 141	0.85 152	0.61 132	0.55 179	0.57 89	0.41 161	0.29 306	0.16 229	0.22 230	0.18 185	0.22 238	0.28 287
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
FADNet_RVC	0.55 241	0.37 286	1.17 346	0.44 202	0.31 241	0.56 179	0.34 118	1.06 253	0.88 211	0.67 118	0.90 173	0.61 132	0.65 234	0.93 287	0.70 264	0.21 235	0.18 254	0.26 283	0.23 274	0.31 298	0.28 287

FBW_ROB	0.88 326	0.50 328	0.85 312	0.55 322	0.40 300	1.17 336	0.78 342	1.50 362	1.37 346	1.33 347	1.27 297	1.48 349	1.00 333	2.57 393	0.98 327	0.25 277	0.32 346	0.45 353	0.30 322	0.34 315	0.28 287

XPNet_ROB	0.70 290	0.35 278	0.68 274	0.52 308	0.40 300	0.79 263	0.85 352	1.16 285	0.94 245	1.33 347	1.15 273	1.38 339	0.83 301	1.03 307	0.90 314	0.32 327	0.25 314	0.26 283	0.24 287	0.31 298	0.28 287

PWC_ROB	0.87 324	0.52 337	1.28 355	0.50 285	0.32 253	0.91 291	0.37 165	1.36 344	1.46 356	1.61 359	2.59 377	1.16 312	1.01 334	1.34 346	1.40 359	0.25 277	0.18 254	0.28 302	0.20 231	0.29 284	0.28 287

SGM-Forest	0.62 276	0.32 261	0.39 70	0.43 187	0.30 224	1.02 312	0.55 290	1.09 262	1.05 291	1.06 314	1.18 282	1.10 301	0.67 242	0.88 265	0.62 246	0.31 315	0.33 352	0.33 328	0.30 322	0.30 293	0.28 287
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Wz-Net-SNSev	0.91 332	0.73 360	2.13 385	0.56 325	0.45 329	0.95 299	1.13 372	1.34 338	1.24 331	1.02 300	1.30 303	1.46 345	0.86 306	1.81 373	1.50 360	0.25 277	0.23 299	0.25 269	0.26 306	0.32 303	0.29 293

GrayStereo	0.49 198	0.19 49	0.42 100	0.46 242	0.28 191	0.53 155	0.67 316	0.69 109	0.63 98	1.02 300	1.47 332	0.78 215	0.76 278	0.56 79	0.33 86	0.14 32	0.12 98	0.17 85	0.17 163	0.15 77	0.29 293

Prome-Stereo	0.46 165	0.19 49	0.35 29	0.44 202	0.26 148	0.40 102	0.45 238	0.68 100	0.44 52	0.96 277	1.84 355	0.59 123	0.67 242	0.61 133	0.32 74	0.14 32	0.11 57	0.16 60	0.14 72	0.16 108	0.29 293

pcwnet_v2	0.58 263	0.28 240	0.84 311	0.45 223	0.35 275	0.61 200	0.35 135	1.27 326	1.21 326	0.99 288	1.27 297	0.72 187	0.58 192	0.67 178	0.48 205	0.27 294	0.21 283	0.24 258	0.23 274	0.29 284	0.29 293

Nwc_Net	0.78 308	0.38 295	0.73 290	0.60 340	0.55 351	1.05 320	0.55 290	1.67 377	1.05 291	0.88 241	1.86 357	1.40 342	1.09 340	1.10 318	0.87 299	0.30 312	0.25 314	0.36 335	0.38 347	0.29 284	0.29 293

SGM-ForestM	4.04 404	0.32 261	0.46 146	0.43 187	0.27 172	7.50 411	1.45 394	3.84 404	4.24 402	8.19 413	6.76 411	19.00 420	9.08 411	10.74 415	6.62 405	0.31 315	0.33 352	0.32 323	0.32 335	0.29 284	0.29 293

PWCDC_ROB	0.89 328	0.49 324	0.80 309	0.74 368	0.40 300	1.03 315	0.39 204	1.33 336	2.35 385	1.02 300	3.77 394	0.81 226	0.92 318	1.20 329	0.90 314	0.34 339	0.22 289	0.24 258	0.20 231	0.34 315	0.29 293

FTStereo	0.56 252	0.20 70	0.37 44	0.41 132	0.25 112	0.40 102	0.79 343	0.66 81	0.43 48	1.09 322	3.27 388	0.70 173	0.73 271	0.55 71	0.33 86	0.14 32	0.13 152	0.19 155	0.17 163	0.15 77	0.30 300

APVNet	0.71 294	0.37 286	0.89 320	0.56 325	0.45 329	1.18 338	0.68 321	1.41 352	0.85 193	0.81 192	1.15 273	1.04 286	0.81 293	1.10 318	1.17 345	0.26 287	0.28 325	0.32 323	0.31 329	0.29 284	0.30 300

aanetorigin	0.83 321	0.56 344	1.87 381	0.49 271	0.38 290	0.56 179	0.66 314	0.70 123	1.00 270	2.42 386	2.02 362	1.31 324	1.18 349	0.93 287	1.13 344	0.20 221	0.18 254	0.20 179	0.19 209	0.27 279	0.30 300

MaskLacGwcNet_RVC	0.67 283	0.81 366	0.73 290	0.53 313	0.37 282	1.40 352	0.53 282	1.04 245	0.79 170	0.88 241	0.94 183	0.95 263	0.53 166	0.93 287	0.58 236	0.39 352	0.30 333	0.57 370	0.31 329	0.53 362	0.30 300

CBMV_ROB	0.59 270	0.37 286	0.38 53	0.39 85	0.28 191	0.74 250	0.28 50	1.00 228	0.98 258	0.94 269	1.25 295	0.81 226	0.78 287	0.87 262	0.50 208	0.36 346	0.37 359	0.43 350	0.40 353	0.33 308	0.30 300

SANet	1.07 350	0.41 306	1.06 333	0.48 256	0.30 224	1.41 354	0.94 358	1.42 353	3.36 396	1.58 356	2.43 371	2.33 377	1.70 376	1.34 346	1.07 337	0.28 300	0.24 306	0.26 283	0.23 274	0.34 315	0.30 300

HBP-ISP	0.59 270	0.45 318	0.43 109	0.45 223	0.33 262	0.70 240	0.28 50	1.11 268	1.00 270	0.83 213	1.18 282	0.65 156	0.68 248	0.88 265	0.52 223	0.35 343	0.38 361	0.47 357	0.41 358	0.38 329	0.31 306

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

RTSC	0.87 324	0.48 321	1.23 352	0.52 308	0.37 282	1.13 330	0.50 262	1.34 338	1.79 372	1.51 353	1.24 293	1.12 305	0.81 293	1.62 363	2.16 376	0.25 277	0.19 268	0.23 244	0.24 287	0.30 293	0.31 306

LALA_ROB	0.74 301	0.43 310	0.69 280	0.54 319	0.40 300	1.01 310	0.95 359	1.21 301	1.07 304	1.22 338	1.12 260	1.56 357	0.79 289	1.04 309	0.86 295	0.33 333	0.22 289	0.35 332	0.30 322	0.35 319	0.31 306

DeepPrunerF	0.89 328	0.52 337	3.43 394	0.68 361	0.81 371	0.72 248	0.72 335	1.22 309	1.99 377	0.93 266	1.01 219	0.87 241	0.86 306	1.08 315	0.95 321	0.34 339	0.28 325	0.43 350	0.39 351	0.30 293	0.32 310

DANet	0.71 294	0.45 318	0.91 321	0.59 335	0.40 300	0.81 271	0.40 210	0.97 220	0.84 186	1.20 336	1.22 288	1.33 331	0.88 312	1.16 324	1.24 350	0.27 294	0.23 299	0.31 318	0.25 296	0.35 319	0.32 310
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NCCL2	0.72 298	0.41 306	0.65 262	0.64 347	0.44 325	0.98 307	1.20 375	1.11 268	1.00 270	0.98 286	0.96 194	1.49 350	0.87 309	0.90 272	0.79 281	0.31 315	0.26 319	0.39 344	0.39 351	0.32 303	0.32 310

MeshStereo	1.34 366	0.43 310	0.54 215	0.44 202	0.34 269	1.66 369	0.60 303	1.94 381	1.37 346	4.47 407	3.25 386	4.71 398	1.94 384	1.92 377	1.17 345	0.35 343	0.35 356	0.37 339	0.31 329	0.32 303	0.32 310
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
FINET	0.67 283	0.42 308	1.00 329	0.46 242	0.43 318	0.83 281	0.89 354	1.08 258	1.50 358	0.87 233	1.14 268	0.71 177	0.68 248	0.92 282	0.70 264	0.36 346	0.30 333	0.26 283	0.24 287	0.35 319	0.33 314

NCC-stereo	0.78 308	0.40 303	0.76 302	0.61 342	0.67 366	0.81 271	0.69 325	1.54 369	1.11 311	0.90 252	1.36 309	1.33 331	1.16 346	1.19 327	0.88 301	0.31 315	0.30 333	0.37 339	0.48 366	0.33 308	0.33 314

Abc-Net	0.78 308	0.40 303	0.76 302	0.61 342	0.67 366	0.81 271	0.69 325	1.54 369	1.11 311	0.90 252	1.36 309	1.33 331	1.16 346	1.19 327	0.88 301	0.31 315	0.30 333	0.37 339	0.48 366	0.33 308	0.33 314
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCMid	1.14 354	0.52 337	2.23 387	0.53 313	0.43 318	1.07 321	0.75 338	1.23 313	1.05 291	2.15 380	1.44 326	1.50 351	1.43 365	1.56 359	5.01 400	0.26 287	0.24 306	0.29 310	0.31 329	0.37 325	0.33 314

RP	0.76 304	0.36 283	0.63 252	0.66 355	0.58 360	0.80 266	0.55 290	1.14 279	1.22 328	0.97 282	1.65 342	1.43 344	1.32 359	1.01 300	0.84 290	0.33 333	0.30 333	0.36 335	0.30 322	0.34 315	0.34 318

PA-Net	0.67 283	0.43 310	0.83 310	0.50 285	0.53 347	0.94 296	0.68 321	1.10 263	1.14 316	0.80 184	0.88 166	0.87 241	0.77 282	1.02 305	0.88 301	0.24 267	0.41 368	0.29 310	0.44 360	0.26 269	0.34 318
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
CSAN	0.83 321	0.49 324	0.77 306	0.60 340	0.41 307	1.14 331	1.06 367	1.19 295	1.46 356	1.32 345	1.43 324	1.37 338	1.19 351	1.27 338	0.86 295	0.39 352	0.31 343	0.36 335	0.37 344	0.35 319	0.34 318

NOSS_ROB	0.57 257	0.39 299	0.39 70	0.44 202	0.30 224	0.73 249	0.54 286	1.03 242	1.08 307	0.67 118	0.87 159	0.76 208	0.57 185	0.77 227	0.47 202	0.38 350	0.38 361	0.44 352	0.42 359	0.37 325	0.34 318

ETE_ROB	0.70 290	0.49 324	0.73 290	0.56 325	0.36 277	0.79 263	0.87 353	1.14 279	0.93 238	1.19 333	1.18 282	1.39 340	0.82 297	0.99 297	0.80 283	0.26 287	0.21 283	0.31 318	0.26 306	0.33 308	0.34 318

FADNet	0.61 275	0.51 331	1.10 336	0.45 223	0.44 325	0.65 227	0.41 222	1.19 295	1.05 291	0.70 135	0.84 144	0.98 270	0.66 239	0.82 240	0.50 208	0.29 306	0.30 333	0.27 295	0.30 322	0.46 350	0.35 323

ADCPNet	1.03 344	0.48 321	2.70 389	0.54 319	0.42 313	1.40 352	0.75 338	1.13 273	1.07 304	1.22 338	1.42 321	1.68 362	1.09 340	1.36 351	3.45 391	0.30 312	0.28 325	0.29 310	0.32 335	0.37 325	0.35 323

SACVNet	0.58 263	0.34 274	0.55 220	0.55 322	0.36 277	0.63 216	0.48 252	1.13 273	0.77 157	1.02 300	1.06 245	1.02 282	0.74 273	0.90 272	0.51 216	0.27 294	0.21 283	0.25 269	0.24 287	0.29 284	0.36 325

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

edge stereo	0.76 304	0.38 295	0.74 294	0.52 308	0.43 318	0.80 266	0.53 282	1.28 328	1.06 298	1.28 343	1.38 317	1.81 364	1.11 342	1.08 315	0.85 294	0.33 333	0.32 346	0.41 348	0.28 316	0.32 303	0.36 325

CC-Net-ROB	0.82 316	0.96 377	0.85 312	0.58 332	0.45 329	1.27 346	0.70 330	1.17 290	1.02 277	0.83 213	1.23 292	0.90 254	0.77 282	1.06 310	0.69 261	0.46 360	0.34 354	1.71 388	0.38 347	0.59 371	0.36 325

Anonymous Stereo	0.75 303	0.54 342	1.78 379	0.57 330	0.56 354	0.62 207	1.25 381	0.96 216	0.99 263	0.96 277	0.95 190	0.83 228	0.58 192	1.27 338	1.21 348	0.31 315	0.30 333	0.31 318	0.33 338	0.33 308	0.36 325

NVstereo2D	0.60 273	0.30 254	0.75 297	0.48 256	0.43 318	0.89 290	0.48 252	1.05 250	1.15 317	0.66 117	0.86 155	0.88 246	0.70 262	0.99 297	0.65 252	0.32 327	0.15 202	0.28 302	0.20 231	0.40 332	0.36 325

coex-ft	6.43 411	1.51 394	87.33 434	0.49 271	0.38 290	1.34 349	1.21 377	1.16 285	8.09 407	12.12 414	2.79 381	2.77 383	3.31 402	1.16 324	3.15 386	0.24 267	0.23 299	0.27 295	0.24 287	0.45 347	0.37 331

RGC	0.79 311	0.59 348	0.71 287	0.65 352	0.65 365	0.92 295	0.58 299	1.29 329	1.05 291	1.07 317	1.45 329	1.47 348	1.03 335	1.21 331	0.88 301	0.32 327	0.30 333	0.48 360	0.40 353	0.37 325	0.37 331

RTS	1.98 386	0.96 377	11.36 410	0.65 352	0.57 358	2.77 390	1.40 390	1.39 348	2.26 380	1.89 371	2.56 374	1.32 329	1.25 355	5.20 406	4.05 394	0.31 315	0.22 289	0.29 310	0.29 320	0.40 332	0.37 331

RTSA	1.98 386	0.96 377	11.36 410	0.65 352	0.57 358	2.77 390	1.40 390	1.39 348	2.26 380	1.89 371	2.56 374	1.32 329	1.25 355	5.20 406	4.05 394	0.31 315	0.22 289	0.29 310	0.29 320	0.40 332	0.37 331

DPSNet	0.99 339	0.42 308	1.88 382	0.53 313	0.41 307	1.59 366	1.26 382	2.21 387	1.43 352	1.10 324	1.11 258	1.46 345	1.95 385	1.34 346	1.26 352	0.34 339	0.25 314	0.25 269	0.21 248	0.46 350	0.37 331

PDISCO_ROB	0.91 332	0.48 321	1.06 333	0.99 376	0.97 378	1.67 371	0.63 310	1.64 375	1.59 364	1.06 314	1.18 282	1.31 324	0.79 289	1.55 357	0.97 324	0.49 365	0.22 289	0.45 353	0.40 353	0.45 347	0.37 331

FAT-Stereo	0.73 300	0.33 269	0.75 297	0.49 271	0.37 282	0.71 245	0.59 301	1.36 344	1.30 341	1.03 308	1.40 318	1.59 360	1.15 345	0.87 262	0.86 295	0.28 300	0.28 325	0.28 302	0.23 274	0.28 281	0.38 337

stereogan	0.80 312	0.31 259	0.71 287	0.59 335	0.50 340	1.72 373	0.48 252	1.35 341	1.37 346	1.00 293	1.46 331	1.56 357	0.95 327	1.29 340	0.84 290	0.28 300	0.29 330	0.29 310	0.25 296	0.38 329	0.38 337

WZ-Net	1.19 360	0.59 348	4.07 398	0.62 345	0.51 343	1.34 349	1.31 386	1.32 334	1.74 371	1.53 355	1.65 342	1.74 363	1.28 358	2.25 387	2.01 373	0.27 294	0.21 283	0.23 244	0.25 296	0.40 332	0.39 339

EDNetEfficient	1.46 373	0.80 365	6.12 403	0.47 251	0.39 295	0.69 238	0.83 346	0.90 197	2.77 390	3.50 403	1.96 360	1.66 361	2.03 387	1.26 336	4.18 396	0.21 235	0.18 254	0.21 218	0.20 231	0.41 338	0.39 339

RYNet	0.72 298	0.35 278	0.64 257	0.53 313	0.67 366	1.31 348	0.67 316	1.20 299	1.18 321	1.05 311	0.87 159	1.27 318	0.93 323	0.93 287	1.27 354	0.22 253	0.16 229	0.26 283	0.23 274	0.40 332	0.39 339

Anonymous_2	0.82 316	0.44 314	0.63 252	0.40 108	0.43 318	0.80 266	0.52 279	0.72 132	0.77 157	0.71 141	0.60 60	0.87 241	0.76 278	0.75 217	0.58 236	0.52 369	0.54 381	0.54 368	4.82 416	0.56 366	0.40 342

MFN_U_SF_DS_RVC	1.02 343	0.57 346	1.51 373	0.67 358	0.50 340	2.57 385	1.66 397	1.20 299	1.43 352	1.38 349	1.57 339	1.33 331	0.92 318	1.64 366	0.88 301	0.37 349	0.39 365	0.46 356	0.60 378	0.41 338	0.40 342

WCMA_ROB	1.14 354	0.36 283	0.76 302	0.49 271	0.44 325	1.23 343	0.67 316	1.11 268	1.23 329	2.84 394	3.95 400	3.28 390	1.83 381	1.25 335	0.99 328	0.44 358	0.34 354	0.34 330	0.37 344	0.41 338	0.40 342

Wz-Net-TNSev	1.14 354	1.06 383	4.32 400	0.49 271	0.42 313	1.51 361	1.11 371	1.48 359	1.40 351	1.22 338	1.26 296	1.58 359	1.43 365	1.76 371	1.70 363	0.32 327	0.31 343	0.26 283	0.30 322	0.41 338	0.41 345

psmorigin	0.82 316	0.51 331	2.09 384	0.49 271	0.41 307	0.85 285	0.50 262	1.04 245	0.88 211	1.45 351	1.43 324	1.50 351	1.06 337	1.22 332	0.97 324	0.31 315	0.32 346	0.27 295	0.27 311	0.33 308	0.42 346

G-Net	0.95 336	0.46 320	1.04 331	0.64 347	0.48 337	2.12 380	0.64 312	1.01 235	0.87 207	1.75 367	2.82 384	1.30 323	1.64 375	1.06 310	0.96 323	0.36 346	0.29 330	0.35 332	0.25 296	0.45 347	0.42 346

SHD	0.93 335	0.50 328	1.18 347	0.59 335	0.46 336	0.97 303	0.48 252	1.70 378	2.15 379	1.58 356	1.37 312	1.42 343	1.19 351	1.31 342	1.60 361	0.31 315	0.26 319	0.32 323	0.33 338	0.40 332	0.42 346

ADCS	1.51 375	0.61 351	3.42 393	0.59 335	0.51 343	1.27 346	1.08 370	1.59 371	1.81 373	1.91 374	1.66 344	1.51 354	1.42 364	1.94 379	8.60 408	0.33 333	0.32 346	0.33 328	0.36 343	0.44 343	0.42 346

AnyNet_C32	1.16 358	0.62 354	2.40 388	0.57 330	0.55 351	1.41 354	1.34 387	1.18 293	1.24 331	1.49 352	1.42 321	1.39 340	1.20 353	1.55 357	4.82 398	0.29 306	0.28 325	0.29 310	0.34 340	0.38 329	0.42 346

PSM-AAD	0.48 182	0.20 70	0.37 44	0.43 187	0.23 69	0.56 179	0.50 262	0.65 72	0.70 121	1.07 317	1.12 260	0.58 109	0.92 318	0.61 133	0.32 74	0.15 79	0.11 57	0.25 269	0.26 306	0.18 157	0.43 351

sAnonymous2	0.40 120	0.39 299	0.85 312	0.48 256	0.37 282	0.40 102	0.46 241	0.57 31	0.52 66	0.38 21	0.46 24	0.35 26	0.42 116	0.43 24	0.30 59	0.19 200	0.14 178	0.18 119	0.17 163	0.57 368	0.44 352

CroCo_RVC	0.40 120	0.39 299	0.85 312	0.48 256	0.37 282	0.40 102	0.46 241	0.57 31	0.52 66	0.38 21	0.46 24	0.35 26	0.42 116	0.43 24	0.30 59	0.19 200	0.14 178	0.18 119	0.17 163	0.57 368	0.44 352

MFN_U_SF_RVC	1.09 352	0.59 348	1.97 383	0.67 358	0.44 325	1.93 377	0.60 303	1.85 380	1.36 344	1.61 359	1.54 337	1.95 370	1.37 361	1.64 366	1.73 364	0.40 356	0.37 359	0.45 353	0.48 366	0.44 343	0.44 352

MSMD_ROB	1.21 361	0.49 324	0.62 244	0.59 335	0.50 340	1.62 368	0.67 316	1.23 313	1.24 331	2.45 387	3.77 394	3.09 387	2.98 400	1.32 343	0.81 286	0.45 359	0.41 368	0.49 363	0.51 373	0.47 352	0.44 352

AnyNet_C01	1.56 376	1.05 382	7.45 406	0.64 347	0.54 349	1.99 378	1.38 389	1.43 355	1.36 344	1.63 362	1.92 358	1.84 365	1.33 360	2.40 389	4.03 393	0.33 333	0.32 346	0.32 323	0.34 340	0.44 343	0.45 356

SDNR	0.86 323	0.37 286	1.47 371	0.40 108	0.38 290	3.38 400	0.33 111	0.90 197	0.98 258	0.99 288	2.09 365	0.59 123	0.71 266	1.29 340	0.70 264	0.51 368	0.56 382	0.36 335	0.26 306	0.43 342	0.46 357

ccnet	0.82 316	0.57 346	0.75 297	0.54 319	0.59 361	1.09 326	0.66 314	1.38 347	0.94 245	1.12 326	1.44 326	1.29 321	0.92 318	0.95 296	1.24 350	0.49 365	0.42 370	0.50 365	0.47 364	0.51 357	0.46 357

GANetREF_RVC	0.80 312	0.75 362	0.86 317	0.66 355	0.42 313	1.15 333	0.98 361	1.14 279	1.19 323	1.01 298	1.02 227	1.10 301	0.90 314	1.15 323	0.76 276	0.48 363	0.39 365	0.57 370	0.38 347	0.63 372	0.46 357
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
FC-DCNN	1.59 377	0.51 331	0.66 267	0.61 342	0.49 339	1.56 364	0.70 330	1.66 376	1.53 360	4.64 408	4.62 406	5.85 405	3.34 403	1.84 375	1.11 340	0.46 360	0.42 370	0.47 357	0.46 361	0.48 353	0.46 357

S-Stereo	0.74 301	0.35 278	0.96 325	0.56 325	0.45 329	0.82 279	0.60 303	1.24 320	1.60 367	0.96 277	1.41 320	1.12 305	0.94 324	0.80 235	1.04 335	0.26 287	0.31 343	0.28 302	0.25 296	0.32 303	0.47 361

XQC	0.89 328	0.65 356	1.31 358	0.67 358	0.52 346	1.22 341	0.68 321	1.26 324	1.52 359	1.14 329	1.11 258	1.28 320	1.04 336	1.40 354	1.77 367	0.38 350	0.24 306	0.37 339	0.31 329	0.53 362	0.47 361

MSC_U_SF_DS_RVC	1.34 366	0.87 371	1.76 378	0.86 372	0.56 354	4.29 404	1.79 402	1.50 362	1.98 376	1.61 359	1.85 356	1.84 365	1.41 363	1.89 376	1.36 357	0.48 363	0.40 367	0.56 369	0.57 376	0.69 373	0.48 363

BEATNet-Init1	15.13 416	0.82 369	50.86 433	0.72 367	0.53 347	38.10 427	7.03 414	11.83 417	14.25 414	29.78 431	30.17 431	48.21 434	22.64 424	26.78 425	18.11 416	0.42 357	0.38 361	0.47 357	0.46 361	0.51 357	0.48 363

MANE	4.13 405	0.51 331	0.64 257	0.66 355	0.56 354	6.89 410	0.99 363	7.55 412	12.04 409	6.68 412	8.57 413	10.69 413	9.45 412	7.59 412	6.39 404	0.49 365	0.43 373	0.48 360	0.98 393	0.49 354	0.48 363

SAMSARA	1.07 350	0.65 356	1.19 348	1.06 380	0.90 373	1.76 374	1.76 401	1.46 357	1.44 354	1.51 353	1.16 278	2.00 371	1.14 344	1.48 355	1.31 356	0.39 352	0.44 375	0.35 332	0.38 347	0.49 354	0.49 366

FCDSN-DC	1.39 371	0.56 344	0.65 262	0.74 368	0.59 361	1.38 351	0.63 310	1.35 341	1.39 349	3.26 401	4.50 405	4.61 396	2.63 395	1.58 361	1.03 332	0.46 360	0.42 370	0.48 360	0.47 364	0.50 356	0.50 367
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
EDNetEfficientorigin	9.93 413	1.15 384	175.16 435	0.48 256	0.36 277	1.04 319	0.68 321	1.24 320	2.69 389	3.17 400	2.50 373	2.30 375	2.07 388	1.76 371	2.21 377	0.20 221	0.18 254	0.24 258	0.19 209	0.51 357	0.50 367

ELAS_RVC	1.60 378	0.61 351	1.01 330	0.70 364	0.56 354	2.00 379	1.89 404	1.96 382	2.65 388	3.33 402	3.26 387	3.03 384	3.41 404	2.49 391	2.09 375	0.52 369	0.45 376	0.50 365	0.48 366	0.54 364	0.52 369
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	1.63 380	0.61 351	0.95 323	0.68 361	0.55 351	3.01 398	1.55 395	2.39 389	2.33 384	3.64 404	3.89 398	2.75 382	2.90 399	2.15 385	2.27 382	0.52 369	0.45 376	0.50 365	0.48 366	0.54 364	0.52 369
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PASM	0.90 331	0.64 355	1.69 375	0.69 363	0.69 369	0.78 260	0.84 349	1.03 242	1.26 338	1.19 333	1.15 273	1.31 324	0.98 330	1.24 334	1.03 332	0.52 369	0.56 382	0.59 373	0.66 380	0.56 366	0.54 371

DGSMNet	0.76 304	0.55 343	1.29 357	0.58 332	0.62 363	0.94 296	0.70 330	1.26 324	1.11 311	0.83 213	1.24 293	1.00 274	0.71 266	1.03 307	0.81 286	0.34 339	0.29 330	0.41 348	0.40 353	0.57 368	0.55 372

SQANet	0.82 316	0.74 361	0.67 271	1.13 381	0.98 380	1.11 327	0.47 246	1.07 254	0.83 183	0.91 257	1.05 239	1.03 284	0.74 273	1.01 300	0.64 251	0.61 375	0.24 306	1.03 382	0.35 342	1.18 385	0.58 373

PVD	1.28 365	0.67 358	1.28 355	0.74 368	0.62 363	1.50 360	0.84 349	1.99 383	2.96 391	2.18 381	2.36 370	1.85 367	1.95 385	1.92 377	1.94 371	0.39 352	0.36 358	0.49 363	0.37 344	0.51 357	0.64 374

UDG	0.88 326	0.82 369	0.67 271	1.00 378	0.96 377	1.02 312	0.57 298	1.13 273	0.99 263	0.90 252	0.97 208	1.31 324	0.99 331	0.85 259	0.84 290	0.54 373	0.32 346	1.77 389	0.40 353	0.94 378	0.66 375

otaku	1.04 345	0.93 374	0.88 319	1.33 387	1.05 384	1.66 369	0.70 330	1.40 351	1.18 321	1.08 320	1.32 306	1.33 331	0.91 315	1.23 333	0.76 276	0.72 379	0.46 378	1.24 384	0.50 371	1.40 386	0.75 376

MADNet+	2.23 392	2.43 408	10.85 409	1.22 384	0.91 374	2.76 389	1.40 390	2.12 386	1.67 370	1.32 345	1.74 350	1.86 368	1.74 377	6.25 408	4.41 397	0.65 376	0.64 385	0.58 372	0.54 375	0.80 375	0.76 377

Ntro	1.09 352	0.97 380	0.91 321	1.44 388	1.19 386	1.69 372	0.80 344	1.35 341	1.25 335	1.00 293	1.29 302	1.31 324	0.97 329	1.26 336	0.84 290	0.84 383	0.43 373	1.36 385	0.50 371	1.56 387	0.78 378

KYRaft	0.48 182	0.20 70	0.38 53	0.44 202	0.23 69	0.44 126	0.37 165	0.66 81	0.41 42	0.94 269	1.73 348	0.79 216	0.41 115	0.63 149	0.31 66	0.16 110	0.11 57	0.18 119	0.22 263	0.16 108	0.78 378

Consistency-Raft	1.01 340	0.81 366	1.24 353	0.84 371	0.97 378	0.81 271	0.84 349	1.30 332	1.59 364	1.05 311	1.68 347	1.12 305	0.91 315	0.92 282	1.11 340	0.65 376	0.74 389	0.79 377	0.90 389	1.06 383	0.79 380

ACVNet-4b	1.35 368	1.31 388	1.10 336	1.90 395	1.59 390	1.92 376	0.77 340	1.52 368	1.62 368	1.05 311	1.60 341	2.11 372	0.94 324	1.64 366	0.77 280	1.30 394	0.35 356	2.03 396	0.67 381	1.88 395	0.84 381

DDUNet	1.06 348	2.56 411	0.68 274	1.21 383	1.26 387	1.03 315	0.69 325	1.11 268	0.94 245	0.96 277	1.22 288	1.27 318	0.82 297	0.93 287	0.72 270	0.84 383	0.38 361	1.99 392	0.60 378	1.10 384	0.85 382

NVStereoNet_ROB	1.24 363	0.90 373	1.13 340	0.86 372	0.88 372	1.11 327	0.99 363	1.42 353	1.53 360	1.59 358	2.48 372	2.24 374	1.53 367	1.96 380	1.30 355	0.76 381	0.70 386	0.78 376	1.00 394	0.71 374	0.88 383
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
PWCK	1.92 385	1.66 400	3.12 392	1.65 389	0.91 374	2.84 392	2.26 407	2.10 385	2.41 386	2.36 385	2.31 366	2.22 373	1.82 379	3.43 397	2.03 374	1.61 400	0.71 388	1.51 386	0.82 387	1.69 388	0.91 384

anonymity	0.97 337	0.89 372	1.05 332	0.92 374	1.03 382	0.97 303	0.81 345	1.29 329	0.91 228	1.07 317	0.98 209	1.00 274	0.95 327	1.02 305	0.92 317	0.96 386	0.95 404	0.90 379	0.91 392	0.92 377	0.94 385

MFMNet_re	1.14 354	0.97 380	1.19 348	0.99 376	0.95 376	1.25 345	1.22 378	1.39 348	1.55 362	1.69 366	1.67 346	1.21 313	1.53 367	1.12 321	0.99 328	0.87 385	0.75 393	0.79 377	0.75 384	0.90 376	0.94 385

ACVNet_1	1.46 373	1.33 389	1.12 339	1.91 396	1.62 391	1.83 375	0.98 361	2.00 384	1.85 374	1.39 350	1.53 336	2.32 376	1.53 367	1.34 346	1.11 340	1.30 394	0.50 380	2.06 398	0.58 377	1.93 397	0.95 387

ACVNet_2	1.65 381	1.27 387	1.41 369	1.75 391	1.62 391	2.22 381	1.20 375	2.30 388	2.62 387	1.78 368	2.56 374	3.03 384	1.61 372	1.54 356	1.12 343	1.06 390	0.58 384	1.82 390	0.70 383	1.82 391	0.96 388

SPS-STEREO	1.25 364	0.93 374	1.06 333	1.04 379	1.03 382	1.41 354	0.91 357	1.51 365	1.19 323	2.09 378	1.83 354	1.94 369	1.39 362	1.62 363	1.39 358	0.97 387	0.94 403	0.90 379	0.89 388	0.96 380	0.96 388
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	1.35 368	0.94 376	1.25 354	0.96 375	1.00 381	1.52 362	1.02 366	1.34 338	1.21 326	2.64 389	2.65 379	2.44 378	1.56 370	1.64 366	1.26 352	0.97 387	0.95 404	0.90 379	0.90 389	0.94 378	0.96 388

WAO-7	1.90 384	1.20 385	1.35 362	1.27 385	1.06 385	2.84 392	1.56 396	3.23 397	3.06 394	2.23 382	3.33 391	3.17 388	2.28 390	3.12 394	2.21 377	1.02 389	0.91 399	1.06 383	1.03 397	1.04 382	0.97 391

Dean	1.98 386	1.36 390	1.36 366	2.12 398	1.81 398	2.74 387	1.36 388	3.37 401	3.80 400	2.08 377	3.32 390	3.21 389	1.82 379	1.71 370	1.67 362	1.27 391	0.77 395	1.99 392	0.90 389	1.86 392	1.03 392

RainbowNet	1.35 368	1.49 392	1.19 348	1.88 394	1.45 388	1.48 359	1.07 369	1.61 373	1.55 362	1.20 336	1.59 340	1.54 355	1.13 343	1.34 346	0.97 324	1.36 397	0.70 386	1.82 390	0.79 386	1.71 389	1.07 393

DispFullNet	1.60 378	2.63 412	2.75 390	2.56 405	1.79 397	1.24 344	0.47 246	1.37 346	1.45 355	1.87 370	1.50 333	1.55 356	2.46 391	2.04 382	1.04 335	0.59 374	0.18 254	2.32 401	0.68 382	2.29 401	1.14 394

WAO-8	2.92 396	1.55 395	1.35 362	1.79 392	1.63 393	5.23 406	1.22 378	4.58 407	12.56 411	2.84 394	4.07 402	4.83 399	2.72 397	3.49 398	2.25 380	1.27 391	0.91 399	1.99 392	1.15 402	1.86 392	1.15 395

Venus	2.92 396	1.55 395	1.35 362	1.79 392	1.63 393	5.23 406	1.22 378	4.58 407	12.56 411	2.84 394	4.06 401	4.83 399	2.72 397	3.49 398	2.25 380	1.27 391	0.91 399	1.99 392	1.15 402	1.86 392	1.15 395

IMH-64-1	1.86 382	1.62 397	1.16 342	2.20 399	1.89 399	2.33 382	1.30 383	2.89 392	2.29 382	1.66 363	2.80 382	2.49 379	1.61 372	2.10 383	1.78 368	1.60 398	0.74 389	2.43 402	1.02 395	2.12 398	1.17 397

IMH-64	1.86 382	1.62 397	1.16 342	2.20 399	1.89 399	2.33 382	1.30 383	2.89 392	2.29 382	1.66 363	2.80 382	2.49 379	1.61 372	2.10 383	1.78 368	1.60 398	0.74 389	2.43 402	1.02 395	2.12 398	1.17 397

JetBlue	2.78 395	1.26 386	7.04 405	1.16 382	1.48 389	8.00 412	6.02 413	2.60 390	1.92 375	2.12 379	2.64 378	3.34 391	3.05 401	6.49 409	3.39 389	0.78 382	0.76 394	0.75 375	0.76 385	0.97 381	1.18 399

IMH	2.04 389	1.62 397	1.20 351	2.20 399	1.89 399	2.91 397	1.30 383	3.11 395	3.03 392	1.81 369	3.35 392	3.03 384	1.90 382	2.48 390	1.80 370	1.66 401	0.77 395	2.45 404	1.04 398	2.15 400	1.19 400

WAO-6	2.04 389	1.50 393	1.16 342	1.70 390	1.67 395	2.69 386	1.44 393	3.06 394	3.63 399	1.98 375	3.27 388	3.54 394	2.07 388	2.36 388	2.22 379	1.31 396	0.91 399	2.04 397	1.22 404	1.73 390	1.27 401

LVE	2.12 391	1.44 391	1.36 366	1.99 397	1.78 396	2.75 388	1.79 402	2.82 391	3.95 401	1.90 373	4.33 404	3.52 393	1.81 378	2.24 386	1.74 365	1.74 402	0.87 398	2.06 398	1.13 400	1.91 396	1.35 402

TorneroNet-64	3.44 399	1.86 401	1.42 370	2.58 406	2.28 404	6.87 409	1.68 398	4.70 409	12.03 408	2.31 384	5.59 410	8.25 410	2.55 394	3.97 403	2.73 384	1.81 403	0.74 389	2.57 406	1.07 399	2.35 402	1.44 403

TorneroNet	4.53 407	1.89 402	1.48 372	2.55 404	2.27 403	13.78 417	1.69 399	4.84 411	23.73 425	2.89 397	7.70 412	7.06 409	2.69 396	4.26 405	3.42 390	1.84 404	0.77 395	2.68 408	1.13 400	2.42 403	1.47 404

KSHMR	2.57 393	1.93 403	1.69 375	2.63 407	2.42 406	2.86 394	2.07 405	3.27 399	6.50 405	2.49 388	3.36 393	3.41 392	1.92 383	2.49 391	1.94 371	2.13 407	1.40 409	2.79 411	1.50 407	2.73 406	1.77 405

notaker	2.76 394	2.29 407	1.80 380	2.96 409	2.58 410	2.90 396	1.75 400	3.24 398	3.05 393	2.78 392	4.24 403	6.15 408	2.51 393	3.34 396	2.75 385	2.31 409	1.18 407	3.00 412	1.65 408	2.84 409	1.97 406

UNDER WATER	3.46 400	2.07 405	3.64 396	3.09 410	2.48 407	3.75 402	2.42 409	3.31 400	13.77 413	2.90 398	2.95 385	5.84 404	3.69 405	3.69 400	3.48 392	2.07 406	1.11 406	2.70 409	1.40 405	2.84 409	1.98 407

ktn	2.98 398	2.25 406	1.73 377	2.84 408	2.53 409	3.76 403	2.15 406	3.70 403	5.47 404	2.75 391	5.17 409	5.94 406	2.48 392	3.23 395	2.46 383	2.34 411	1.44 410	2.78 410	2.03 410	2.45 404	2.01 408

UNDER WATER-64	3.53 401	2.01 404	3.94 397	3.22 412	2.49 408	5.41 408	2.60 410	3.43 402	12.41 410	3.03 399	2.68 380	6.07 407	4.04 406	3.79 402	3.33 388	2.02 405	1.24 408	2.63 407	1.46 406	2.78 407	2.08 409

tt	6.20 410	0.20 70	5.89 402	3.55 413	2.07 402	11.26 415	19.21 416	11.74 416	5.46 403	2.69 390	2.04 364	4.87 402	6.25 410	3.70 401	7.09 407	8.32 418	11.17 422	4.93 415	5.41 417	5.74 415	2.37 410

DPSimNet_ROB	3.58 402	2.45 409	8.57 407	2.53 403	2.37 405	2.88 395	3.77 412	3.14 396	3.23 395	4.71 409	3.86 397	4.68 397	4.87 409	4.07 404	5.62 401	2.33 410	2.33 412	2.47 405	2.52 411	2.51 405	2.64 411

JetRed	5.27 409	5.84 415	12.81 413	2.36 402	2.83 411	12.23 416	10.50 415	4.46 406	3.60 397	3.86 405	3.83 396	4.85 401	4.18 407	6.78 410	11.96 411	2.17 408	2.96 414	2.18 400	1.97 409	3.38 413	2.68 412

HanzoNet	6.76 412	2.45 409	4.22 399	3.19 411	2.94 412	3.62 401	2.28 408	4.79 410	7.20 406	14.00 418	13.19 417	17.49 418	22.30 423	13.25 416	6.19 403	4.20 414	1.93 411	3.10 413	2.56 412	3.35 412	2.88 413

SPstereo	24.26 421	4.19 414	6.66 404	4.29 415	3.79 414	45.68 428	78.09 434	63.52 435	33.36 434	27.50 430	26.65 423	39.53 433	33.55 433	42.77 435	51.02 429	3.90 413	3.72 416	5.95 418	4.66 415	3.15 411	3.30 414

MADNet++	4.03 403	2.70 413	3.44 395	3.72 414	3.44 413	4.44 405	3.52 411	3.95 405	3.61 398	4.46 406	4.98 408	4.10 395	4.58 408	7.00 411	5.89 402	3.74 412	3.67 415	3.27 414	2.71 413	3.70 414	3.66 415

PML	40.80 435	29.24 425	11.87 412	7.20 416	14.47 415	92.13 435	213.69 436	7.63 413	23.35 424	74.72 435	190.14 436	50.17 435	26.15 425	21.39 420	12.70 412	8.76 419	2.92 413	8.45 419	3.25 414	13.26 418	4.42 416

LSM	4.74 408	0.77 363	10.16 408	0.70 364	56.56 430	1.02 312	1.00 365	1.24 320	1.62 368	2.04 376	2.34 368	1.33 331	1.17 348	1.38 353	1.09 339	0.33 333	0.49 379	0.39 344	0.46 361	0.51 357	10.09 417

DPSMNet_ROB	12.08 415	8.00 416	21.00 415	8.97 418	16.79 417	10.67 413	30.89 421	9.02 415	15.17 416	6.51 411	15.41 421	9.04 411	14.85 414	9.27 414	21.67 418	4.58 416	8.57 417	5.09 417	9.29 419	5.90 416	10.95 418

DGTPSM_ROB	12.07 414	8.00 416	20.99 414	8.93 417	16.78 416	10.67 413	30.87 420	9.01 414	15.16 415	6.50 410	15.41 421	9.04 411	14.85 414	9.25 413	21.67 418	4.57 415	8.57 417	5.08 416	9.28 418	5.90 416	10.95 418

Anonymous_1	33.25 423	18.26 419	23.92 417	20.54 419	21.28 420	25.59 419	35.94 422	22.01 426	15.57 417	13.33 415	13.49 418	18.08 419	15.29 416	20.36 417	24.60 420	16.28 425	8.84 419	66.59 432	118.00 432	155.73 435	11.23 420

DPSM_ROB	17.78 417	18.63 420	24.31 421	20.90 420	19.47 418	25.97 420	36.21 423	21.23 424	16.24 418	13.38 416	14.06 419	19.18 421	16.30 417	20.78 418	25.67 421	9.38 420	9.23 420	9.49 420	9.82 420	13.51 419	11.91 421

DPSM	17.78 417	18.63 420	24.31 421	20.90 420	19.47 418	25.97 420	36.21 423	21.23 424	16.24 418	13.38 416	14.06 419	19.18 421	16.30 417	20.78 418	25.67 421	9.38 420	9.23 420	9.49 420	9.82 420	13.51 419	11.91 421

MyStereo03	35.77 425	37.55 431	48.75 429	42.19 426	39.18 425	52.27 430	73.13 431	42.32 429	32.61 427	27.03 427	28.40 428	38.50 427	32.89 428	41.62 429	51.63 431	18.78 427	18.59 430	19.11 422	19.80 424	27.18 421	23.95 423

MyStereo02	35.77 425	37.55 431	48.75 429	42.19 426	39.18 425	52.27 430	73.13 431	42.32 429	32.61 427	27.03 427	28.40 428	38.50 427	32.89 428	41.62 429	51.63 431	18.78 427	18.59 430	19.11 422	19.80 424	27.18 421	23.95 423

MyStereo	35.77 425	37.55 431	48.75 429	42.19 426	39.18 425	52.27 430	73.13 431	42.32 429	32.61 427	27.03 427	28.40 428	38.50 427	32.89 428	41.62 429	51.63 431	18.78 427	18.59 430	19.11 422	19.80 424	27.18 421	23.95 423

CasAABBNet	35.74 424	37.43 429	48.72 428	42.22 429	39.20 428	52.24 429	73.12 430	42.61 432	32.62 431	26.78 424	27.95 424	38.58 430	32.60 427	41.67 432	51.65 434	18.74 426	18.57 428	19.15 426	19.77 423	27.20 424	23.98 426

Selective-RAFT-Error	35.84 428	37.49 430	48.83 432	42.26 430	39.24 429	52.30 433	73.09 429	42.66 433	32.61 427	26.80 425	28.30 427	38.84 432	33.51 432	41.68 433	51.59 430	18.82 430	18.58 429	19.17 427	19.80 424	27.28 425	24.05 427

LRCNet_RVC	21.24 420	31.15 426	21.41 416	28.98 423	23.82 421	3.13 399	0.60 303	20.96 423	1.59 364	25.58 423	28.15 426	21.99 423	14.79 413	21.94 424	16.41 415	28.89 432	14.87 423	33.53 428	31.28 428	29.51 430	26.16 428

LSM0	38.95 434	37.60 434	48.58 427	43.57 431	91.06 435	52.57 434	72.57 428	43.17 434	32.63 432	26.97 426	27.97 425	38.65 431	32.94 431	41.86 434	51.78 435	18.89 431	18.41 424	19.13 425	19.63 422	27.29 426	33.77 429

xxxxx1	36.64 429	19.51 422	24.21 418	61.66 432	64.63 432	27.28 423	40.10 425	20.25 419	18.63 421	14.07 419	12.97 414	17.26 415	17.36 419	21.70 421	27.93 423	13.18 422	18.50 425	111.26 433	133.37 433	29.24 427	39.73 430

tt_ll	36.64 429	19.51 422	24.21 418	61.66 432	64.63 432	27.28 423	40.10 425	20.25 419	18.63 421	14.07 419	12.97 414	17.26 415	17.36 419	21.70 421	27.93 423	13.18 422	18.50 425	111.26 433	133.37 433	29.24 427	39.73 430

ff	36.64 429	19.51 422	24.21 418	61.66 432	64.63 432	27.28 423	40.10 425	20.25 419	18.63 421	14.07 419	12.97 414	17.26 415	17.36 419	21.70 421	27.93 423	13.18 422	18.50 425	111.26 433	133.37 433	29.24 427	39.73 430

HaxPig	31.96 422	37.24 428	34.27 423	24.37 422	24.88 422	18.26 418	19.86 417	20.64 422	28.52 426	35.97 432	38.75 432	25.57 424	28.72 426	33.88 426	34.39 426	35.94 433	38.87 433	37.80 429	40.48 429	39.68 431	41.15 433

AVERAGE_ROB	37.58 433	40.13 435	40.15 425	34.81 425	33.82 424	28.55 426	25.10 419	32.02 428	34.06 435	41.28 433	40.66 433	34.46 426	34.81 435	39.18 427	37.57 428	42.78 434	43.44 434	43.82 430	43.03 430	40.47 432	41.51 434

MEDIAN_ROB	37.38 432	40.85 436	40.60 426	32.31 424	31.85 423	27.20 422	24.55 418	29.10 427	33.19 433	42.09 434	41.76 434	33.35 425	34.39 434	39.78 428	37.07 427	43.64 435	44.10 435	44.12 431	43.40 431	41.51 433	42.76 435

test_example2	176.61 436	205.14 437	198.86 436	188.60 436	190.98 436	152.67 436	170.61 435	94.86 436	123.55 436	178.88 436	179.48 435	158.94 436	141.34 436	192.61 436	198.96 436	203.76 436	236.37 436	164.13 436	173.55 436	218.58 436	160.41 436

ASD4		8.86 418

Low-res two-view benchmark