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

RAStereo	0.75 1	0.52 24	2.86 145	0.58 1	0.62 141	1.19 8	0.32 3	1.81 27	0.99 4	0.75 10	1.05 32	0.64 9	0.47 2	0.80 1	0.94 118	0.22 5	0.20 69	0.27 72	0.21 44	0.34 149	0.22 17

AIO-Stereo	0.76 2	0.54 41	1.07 3	0.73 17	0.40 34	1.28 20	0.82 171	2.26 54	1.49 64	0.70 9	1.58 133	0.89 53	0.45 1	1.03 13	0.55 4	0.24 16	0.18 27	0.25 38	0.20 34	0.26 24	0.21 15

GLC_STEREO	0.76 2	0.52 24	1.12 7	0.83 54	0.33 5	1.86 47	0.82 171	1.46 4	1.38 26	0.95 47	1.04 28	0.68 14	0.72 27	0.97 7	0.80 63	0.23 12	0.25 197	0.32 167	0.25 110	0.32 115	0.30 124

RSM++	0.77 4	0.51 18	1.08 4	0.95 123	0.42 42	1.52 33	0.71 102	2.11 43	1.40 29	0.80 27	1.23 56	0.90 55	0.59 9	1.14 28	0.69 31	0.24 16	0.19 44	0.25 38	0.21 44	0.28 48	0.20 7

CASnet	0.78 5	0.51 18	1.29 17	0.81 37	0.29 1	1.28 20	0.74 121	1.51 6	1.89 194	1.64 112	1.09 38	0.65 11	0.64 17	0.91 4	0.76 54	0.29 95	0.17 10	0.41 296	0.31 237	0.32 115	0.19 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.79 6	0.54 41	1.35 22	0.97 136	0.63 143	1.13 7	0.92 237	2.02 37	0.91 2	0.76 19	0.79 10	0.80 36	1.61 236	1.28 58	0.61 10	0.22 5	0.18 27	0.26 52	0.23 79	0.27 33	0.23 24

rvit_stereo_0081	0.80 7	0.63 124	1.19 8	0.91 97	0.64 145	1.27 16	0.61 57	2.05 38	1.71 160	0.82 31	0.73 4	0.85 44	0.75 34	1.30 64	0.80 63	0.31 151	0.26 209	0.27 72	0.25 110	0.38 190	0.27 71

rvit_stereo_0082	0.80 7	0.63 124	1.19 8	0.91 97	0.64 145	1.27 16	0.61 57	2.05 38	1.71 160	0.82 31	0.73 4	0.85 44	0.75 34	1.30 64	0.80 63	0.31 151	0.26 209	0.27 72	0.25 110	0.38 190	0.27 71

RSM	0.80 7	0.50 15	1.08 4	0.83 54	0.51 87	1.31 22	0.77 144	2.28 56	1.43 37	0.82 31	1.44 100	1.22 96	0.62 14	1.17 38	0.63 13	0.22 5	0.18 27	0.24 24	0.19 25	0.27 33	0.20 7

MGS-Stereo	0.80 7	0.56 55	1.53 34	0.93 115	0.39 31	1.26 15	0.73 110	1.45 3	1.30 20	1.01 51	2.26 313	0.80 36	0.56 5	1.16 33	0.65 18	0.27 47	0.23 148	0.26 52	0.22 69	0.27 33	0.25 41

Selective-IGEV	0.80 7	0.52 24	1.05 2	0.75 19	0.61 138	1.31 22	0.82 171	2.60 91	1.41 32	0.82 31	1.64 151	0.71 22	0.62 14	1.22 49	0.64 14	0.22 5	0.19 44	0.24 24	0.18 13	0.25 16	0.20 7

rvit_stereo_0081_aga	0.81 12	0.75 224	1.84 59	0.72 16	0.73 178	1.21 9	0.63 70	1.92 32	1.39 27	0.87 39	0.80 11	0.79 34	0.69 23	1.27 57	0.69 31	0.35 214	0.29 238	0.26 52	0.25 110	0.40 205	0.27 71

MaDis-Stereo	0.82 13	0.66 151	1.53 34	0.65 8	1.87 413	1.24 13	0.36 8	2.13 44	1.27 16	0.67 7	0.75 6	0.88 51	0.70 24	1.15 32	1.07 140	0.29 95	0.23 148	0.26 52	0.20 34	0.31 92	0.22 17

UniTT-Stereo	0.82 13	0.47 7	2.63 133	0.96 129	1.19 303	0.78 3	0.39 11	1.12 1	1.54 96	1.19 68	1.26 62	0.51 3	0.64 17	1.13 26	1.03 134	0.30 132	0.20 69	0.24 24	0.21 44	0.40 205	0.25 41

ProNet	0.82 13	0.71 190	1.50 33	0.86 74	0.45 56	1.78 42	0.83 176	1.75 21	1.28 17	0.66 5	1.13 42	0.78 31	0.76 38	1.66 115	0.71 40	0.24 16	0.20 69	0.25 38	0.23 79	0.29 58	0.25 41

rvit_stereo_0083	0.86 16	0.67 160	1.42 26	0.87 78	0.65 152	1.23 10	0.64 73	1.67 18	2.28 269	0.79 25	0.93 17	0.93 59	1.07 114	1.46 83	0.75 51	0.32 169	0.36 295	0.30 128	0.26 126	0.33 131	0.28 88

Occ-G	0.86 16	0.52 24	1.39 24	0.82 45	0.66 156	1.37 24	0.79 153	1.58 10	1.31 21	1.56 98	0.87 13	2.18 234	0.89 70	0.97 7	0.88 93	0.26 37	0.19 44	0.26 52	0.19 25	0.25 16	0.24 34

IGEVStereo-DCA	0.86 16	0.65 141	2.05 78	0.90 92	0.46 63	1.57 35	0.86 190	1.62 11	1.24 8	0.65 3	0.77 8	0.74 28	0.72 27	2.59 197	0.86 85	0.28 76	0.21 98	0.28 94	0.21 44	0.29 58	0.27 71

MoCha-V2	0.87 19	0.48 9	1.87 60	0.88 83	0.32 4	1.37 24	0.55 38	2.71 100	1.42 33	0.92 44	1.75 181	0.65 11	1.17 142	1.45 81	0.57 5	0.21 1	0.21 98	0.20 1	0.19 25	0.24 7	0.23 24

Pointernet	0.88 20	0.44 3	2.26 103	0.84 61	0.37 20	2.29 73	0.38 9	3.06 132	1.46 46	0.66 5	1.39 91	0.91 56	0.73 30	1.01 12	0.72 45	0.23 12	0.19 44	0.20 1	0.18 13	0.19 1	0.20 7

CAS++	0.89 21	0.64 133	1.46 29	0.81 37	0.51 87	1.24 13	0.86 190	3.44 168	1.46 46	1.14 65	1.29 71	0.62 7	0.58 8	1.13 26	0.59 7	0.34 195	0.30 251	0.34 218	0.26 126	0.41 228	0.29 98
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
IGEV++	0.90 22	0.58 76	1.32 19	0.94 120	0.45 56	1.27 16	1.00 259	3.32 160	1.55 102	0.82 31	1.34 81	0.86 48	1.09 117	1.16 33	0.89 96	0.33 183	0.18 27	0.23 11	0.19 25	0.29 58	0.22 17

trnet	0.91 23	0.48 9	1.46 29	0.62 3	0.31 2	4.40 361	0.41 14	2.20 48	1.53 88	0.94 45	1.14 43	0.88 51	0.89 70	1.09 19	0.71 40	0.27 47	0.19 44	0.22 6	0.15 4	0.21 3	0.19 3

Former-RAFT_DAM_RVC	0.92 24	0.73 204	1.42 26	0.92 103	1.08 280	2.97 106	0.53 34	1.77 24	1.39 27	1.16 66	1.54 124	0.58 4	0.65 19	1.03 13	0.84 76	0.25 27	0.23 148	0.30 128	0.24 101	0.43 256	0.29 98

CREStereo	0.92 24	0.53 35	1.45 28	0.61 2	0.34 6	4.42 365	0.40 13	2.21 50	1.54 96	0.94 45	1.12 41	0.87 49	0.87 65	1.12 23	0.72 45	0.28 76	0.19 44	0.22 6	0.15 4	0.22 5	0.19 3
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
IGEV-Stereo++	0.93 26	0.44 3	1.08 4	0.70 12	1.20 308	3.87 245	0.33 4	3.36 164	1.43 37	0.75 10	1.17 46	0.68 14	1.04 100	0.95 6	0.42 1	0.22 5	0.16 5	0.23 11	0.17 10	0.24 7	0.20 7

SPstereo	0.93 26	0.68 167	1.35 22	0.85 72	0.41 38	3.61 195	0.52 33	2.20 48	1.50 69	1.11 63	1.04 28	1.17 82	0.84 58	1.11 21	0.71 40	0.25 27	0.20 69	0.27 72	0.18 13	0.28 48	0.23 24

rvit_stereo_0080	0.94 28	0.72 193	2.56 124	0.64 5	0.59 132	1.90 49	0.75 130	2.71 100	1.40 29	0.91 41	1.04 28	0.85 44	0.82 54	1.14 28	0.78 58	0.35 214	0.29 238	0.25 38	0.27 151	0.45 271	0.29 98

IGEV-Stereo+	0.94 28	0.47 7	1.19 8	0.86 74	2.02 423	1.40 26	0.39 11	1.17 2	0.88 1	0.61 2	0.44 1	0.47 2	0.79 47	2.14 160	0.42 1	0.27 47	0.19 44	0.22 6	0.17 10	2.26 435	2.41 439

whm_eth	0.94 28	0.72 193	2.56 124	0.64 5	0.59 132	1.90 49	0.75 130	2.71 100	1.40 29	0.91 41	1.04 28	0.85 44	0.82 54	1.14 28	0.78 58	0.35 214	0.29 238	0.25 38	0.27 151	0.45 271	0.29 98

LoS_RVC	0.94 28	1.30 358	1.31 18	0.84 61	1.63 384	2.02 56	0.59 51	1.51 6	1.36 25	0.81 29	1.33 76	0.84 41	0.88 66	1.36 69	0.73 47	0.21 1	0.17 10	0.20 1	0.14 2	0.20 2	1.45 418

LoS	0.94 28	0.52 24	1.88 61	0.86 74	0.36 8	4.15 307	0.51 30	2.18 47	1.45 39	0.97 49	0.88 14	0.62 7	0.79 47	1.59 99	0.86 85	0.26 37	0.19 44	0.24 24	0.16 8	0.21 3	0.20 7
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
WCG-NET（raft）	0.95 33	0.55 46	1.20 11	0.84 61	0.31 2	1.44 27	1.01 261	1.55 9	2.37 292	1.64 112	1.42 97	2.38 254	1.01 93	1.29 60	0.76 54	0.22 5	0.19 44	0.22 6	0.20 34	0.25 16	0.21 15

anonymousdsp	0.95 33	0.69 169	1.27 15	0.83 54	0.52 96	4.54 386	0.84 179	1.76 22	1.24 8	0.76 19	1.06 34	0.78 31	0.77 39	1.67 118	0.69 31	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.26 59

IGEV-Stereo	0.95 33	0.69 169	1.27 15	0.84 61	0.52 96	4.54 386	0.84 179	1.76 22	1.24 8	0.75 10	1.06 34	0.79 34	0.77 39	1.68 119	0.69 31	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.26 59
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
WCG-NET	0.96 36	0.62 115	1.24 13	0.93 115	0.84 212	1.91 51	0.64 73	2.56 85	2.23 256	1.62 108	0.98 19	1.31 106	1.05 104	1.20 45	0.59 7	0.26 37	0.17 10	0.22 6	0.20 34	0.26 24	0.29 98

ff7	0.98 37	0.69 169	2.05 78	0.84 61	0.52 96	4.55 389	0.86 190	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

ffff	0.98 37	0.69 169	2.05 78	0.84 61	0.52 96	4.55 389	0.86 190	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

11t	0.98 37	0.69 169	2.05 78	0.84 61	0.52 96	4.55 389	0.86 190	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

MIF-Stereo (partial)	0.98 37	0.55 46	2.83 142	0.71 14	1.03 268	1.08 6	0.49 25	2.55 83	1.66 148	0.79 25	1.20 49	0.80 36	0.90 72	1.61 106	1.56 243	0.36 225	0.24 178	0.33 201	0.25 110	0.40 205	0.28 88

ccc-4	0.98 37	0.69 169	2.05 78	0.84 61	0.52 96	4.55 389	0.86 190	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

CroCo-Stereo	0.98 37	0.87 269	3.44 166	0.87 78	0.53 104	0.49 1	0.50 26	3.99 276	1.49 64	0.81 29	1.25 61	1.00 65	0.75 34	1.10 20	1.09 145	0.24 16	0.21 98	0.24 24	0.19 25	0.35 166	0.27 71
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
CroCo-Stereo Lap2	0.99 43	0.89 272	2.55 123	0.99 147	1.80 410	0.54 2	0.46 21	3.10 134	1.24 8	1.07 58	1.21 51	1.05 72	0.78 45	1.26 54	1.08 142	0.27 47	0.23 148	0.27 72	0.21 44	0.43 256	0.34 162

PMTNet	0.99 43	0.48 9	1.73 48	0.62 3	0.56 112	4.20 333	0.43 18	1.88 28	1.58 116	1.00 50	1.05 32	0.78 31	0.98 88	1.50 87	0.85 79	1.21 419	0.20 69	0.23 11	0.15 4	0.22 5	0.19 3

rvit_0105_6	1.00 45	0.93 283	2.21 97	0.92 103	0.55 108	1.52 33	0.79 153	2.41 61	2.96 378	0.76 19	0.72 3	1.02 67	0.75 34	1.42 74	0.81 68	0.40 266	0.43 342	0.34 218	0.31 237	0.43 256	0.34 162

rvit_stereo_ft	1.00 45	0.87 269	3.55 170	0.97 136	0.66 156	1.06 5	0.80 161	2.78 109	1.67 149	0.78 24	0.96 18	0.95 62	1.14 134	1.06 17	0.90 99	0.32 169	0.24 178	0.27 72	0.28 178	0.39 200	0.27 71

MyStereo07	1.01 47	0.80 244	1.26 14	1.00 155	1.04 271	3.95 264	0.95 247	2.07 42	1.42 33	0.75 10	1.22 52	0.68 14	0.91 74	1.63 110	0.67 24	0.24 16	0.24 178	0.34 218	0.26 126	0.41 228	0.37 192

CES	1.01 47	0.55 46	1.74 51	0.92 103	2.15 426	2.15 67	0.50 26	2.01 36	1.45 39	0.76 19	1.02 21	0.61 6	0.47 2	1.29 60	0.79 62	0.22 5	0.17 10	0.24 24	0.14 2	0.63 338	2.29 436

TANstereo	1.01 47	0.55 46	1.73 48	0.76 32	0.36 8	4.04 282	0.38 9	1.48 5	1.62 138	2.03 213	2.10 286	0.84 41	0.93 78	0.98 9	0.62 11	0.28 76	0.36 295	0.23 11	0.20 34	0.25 16	0.46 272

GMStereo	1.01 47	1.00 301	2.86 145	0.83 54	0.45 56	1.47 29	0.57 42	1.89 29	2.11 237	1.52 93	1.24 57	0.87 49	0.74 33	1.58 96	0.94 118	0.40 266	0.21 98	0.30 128	0.30 221	0.47 286	0.36 178
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CREStereo++_RVC	1.02 51	0.49 14	1.54 37	0.83 54	0.55 108	4.01 278	0.31 2	1.63 16	1.99 205	1.63 110	2.13 294	0.84 41	0.65 19	0.88 3	0.70 37	0.27 47	0.15 2	0.23 11	1.22 431	0.24 7	0.17 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
XX-TBD	1.03 52	0.95 290	1.94 67	1.30 292	0.43 47	3.97 272	0.33 4	1.74 20	1.73 166	1.59 100	2.02 269	0.69 17	0.60 10	1.16 33	0.66 22	0.30 132	0.25 197	0.23 11	0.15 4	0.31 92	0.22 17

EGLCR-Stereo	1.06 53	0.51 18	1.56 39	1.02 169	0.39 31	4.27 344	0.42 15	4.08 303	1.48 56	0.90 40	0.68 2	1.09 73	0.66 22	1.81 130	0.62 11	0.27 47	0.19 44	0.29 109	0.23 79	0.37 186	0.25 41

MC-Stereo	1.06 53	0.48 9	1.55 38	1.15 234	0.41 38	4.56 394	0.61 57	2.06 40	1.46 46	1.90 163	1.61 145	0.89 53	1.12 126	1.35 68	0.73 47	0.25 27	0.18 27	0.26 52	0.22 69	0.25 16	0.24 34

sCroCo_RVC	1.06 53	0.82 255	5.05 195	1.02 169	1.05 273	0.98 4	0.61 57	2.06 40	1.29 18	0.69 8	1.26 62	0.82 40	1.10 122	1.20 45	0.90 99	0.42 290	0.40 328	0.33 201	0.30 221	0.46 282	0.38 206

rvit_0105_4	1.07 56	0.99 298	2.39 116	0.93 115	0.54 105	1.62 39	0.84 179	2.77 108	2.91 373	0.80 27	0.91 15	1.09 73	0.86 62	1.63 110	0.85 79	0.40 266	0.45 352	0.35 236	0.31 237	0.43 256	0.40 232

IGEV-BASED-STEREO-	1.09 57	3.30 427	2.61 129	0.82 45	0.38 29	1.27 16	0.62 68	1.51 6	1.29 18	0.91 41	0.92 16	0.65 11	0.57 6	1.08 18	0.59 7	1.55 433	0.15 2	0.32 167	0.28 178	1.10 407	1.98 432

iRaftStereo_RVC	1.09 57	0.70 179	1.39 24	0.95 123	0.45 56	3.83 229	0.42 15	2.37 60	1.58 116	1.69 121	1.76 189	1.80 181	0.83 57	1.50 87	0.98 127	0.28 76	0.18 27	0.29 109	0.26 126	0.30 77	0.31 132

RAFT-Stereo-weight	1.11 59	0.48 9	1.22 12	0.99 147	0.42 42	4.17 321	0.80 161	3.60 188	1.50 69	1.97 184	1.50 114	1.30 105	0.65 19	1.24 51	0.85 79	0.25 27	0.19 44	0.26 52	0.22 69	0.27 33	0.23 24

11t1	1.11 59	0.53 35	1.80 56	1.55 365	0.65 152	2.20 71	0.60 54	3.66 197	1.49 64	1.60 101	1.26 62	1.03 69	1.35 171	1.72 122	0.97 124	0.28 76	0.31 261	0.29 109	0.23 79	0.30 77	0.34 162

rvit_0105_5	1.13 61	0.93 283	2.60 126	0.91 97	0.56 112	1.92 52	0.91 225	3.02 127	2.63 335	0.95 47	1.20 49	1.18 86	0.93 78	1.51 89	0.93 116	0.40 266	0.43 342	0.37 261	0.35 276	0.42 246	0.44 256

GMOStereo	1.13 61	0.70 179	2.26 103	0.75 19	0.44 52	3.05 110	0.91 225	2.78 109	1.45 39	2.37 317	1.52 116	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 236	0.28 178	0.34 149	0.26 59

error version	1.13 61	0.70 179	2.26 103	0.75 19	0.44 52	3.05 110	0.91 225	2.78 109	1.45 39	2.37 317	1.52 116	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 236	0.28 178	0.34 149	0.26 59

test-v	1.13 61	0.70 179	2.26 103	0.75 19	0.44 52	3.05 110	0.91 225	2.78 109	1.45 39	2.37 317	1.52 116	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 236	0.28 178	0.34 149	0.26 59

test-2	1.13 61	0.70 179	2.26 103	0.75 19	0.44 52	3.05 110	0.91 225	2.78 109	1.45 39	2.37 317	1.52 116	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 236	0.28 178	0.34 149	0.26 59

testlalala	1.14 66	0.62 115	1.34 21	1.00 155	0.78 190	4.38 354	0.93 238	2.46 68	2.20 252	2.44 328	1.52 116	1.31 106	0.61 12	1.04 16	0.65 18	0.35 214	0.19 44	0.24 24	0.19 25	0.24 7	0.23 24

Selective-RAFT	1.15 67	0.46 6	1.64 44	0.99 147	0.45 56	4.17 321	0.51 30	3.21 145	1.69 156	1.12 64	1.34 81	1.45 126	1.40 180	2.08 152	0.94 118	0.41 280	0.20 69	0.24 24	0.23 79	0.27 33	0.25 41

x	1.15 67	0.57 63	1.53 34	1.44 339	0.67 162	1.94 53	0.97 255	3.87 239	1.57 114	1.61 106	1.28 69	1.58 140	1.22 149	1.93 141	1.04 135	0.28 76	0.30 251	0.34 218	0.29 205	0.32 115	0.31 132

rvit_stereo_0075_2	1.18 69	0.74 212	2.66 135	0.90 92	1.27 322	2.51 81	0.69 94	2.25 53	2.06 221	1.40 82	1.86 236	1.46 128	0.84 58	1.42 74	0.94 118	0.46 316	0.40 328	0.48 333	0.38 311	0.46 282	0.51 299

AE-Stereo	1.18 69	0.60 92	2.05 78	1.10 206	0.60 134	4.39 357	0.72 105	3.74 214	1.62 138	1.10 60	1.90 250	1.01 66	0.92 76	1.45 81	0.82 71	0.28 76	0.22 124	0.28 94	0.28 178	0.26 24	0.22 17

test-3	1.19 71	0.52 24	2.00 72	1.01 160	0.42 42	1.95 54	0.91 225	4.35 388	1.47 51	2.24 280	1.16 44	2.06 224	0.79 47	2.68 202	0.76 54	0.27 47	0.18 27	0.28 94	0.26 126	0.26 24	0.25 41

test_1	1.19 71	0.52 24	2.00 72	1.01 160	0.42 42	1.95 54	0.90 217	4.36 393	1.47 51	2.17 256	1.16 44	2.06 224	0.78 45	2.68 202	0.76 54	0.27 47	0.18 27	0.28 94	0.26 126	0.26 24	0.25 41

test_3	1.19 71	0.51 18	2.08 90	0.99 147	0.41 38	2.05 62	0.87 207	4.40 401	1.42 33	1.99 191	1.18 47	2.03 218	0.79 47	2.70 204	0.75 51	0.27 47	0.17 10	0.29 109	0.29 205	0.30 77	0.27 71

raftrobust	1.19 71	0.72 193	2.30 109	1.26 275	1.31 326	3.55 182	0.68 89	2.75 106	1.47 51	2.21 272	1.38 89	1.17 82	1.22 149	1.20 45	1.11 147	0.28 76	0.24 178	0.21 4	0.19 25	0.25 16	0.28 88

RALCasStereoNet	1.19 71	1.02 303	2.06 87	1.12 213	1.14 289	3.08 115	0.70 100	2.99 124	1.73 166	1.34 74	1.68 161	1.18 86	0.91 74	2.16 162	1.00 132	0.30 132	0.26 209	0.24 24	0.21 44	0.29 58	0.30 124

MIM_Stereo	1.20 76	0.78 237	3.30 162	1.05 178	0.43 47	3.04 108	0.60 54	2.46 68	1.51 75	1.60 101	1.58 133	1.82 186	1.29 161	2.00 145	1.07 140	0.24 16	0.24 178	0.28 94	0.25 110	0.27 33	0.27 71

R-Stereo Train	1.20 76	0.58 76	1.81 57	0.99 147	0.67 162	3.78 220	0.90 217	4.09 305	1.51 75	2.16 252	1.71 170	1.13 77	0.94 80	1.40 70	0.91 106	0.30 132	0.24 178	0.26 52	0.21 44	0.26 24	0.25 41

RAFT-Stereo	1.20 76	0.58 76	1.81 57	0.99 147	0.67 162	3.78 220	0.90 217	4.09 305	1.51 75	2.16 252	1.71 170	1.13 77	0.94 80	1.40 70	0.91 106	0.30 132	0.24 178	0.26 52	0.21 44	0.26 24	0.25 41
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
model_zeroshot	1.21 79	0.60 92	3.55 170	1.05 178	0.57 123	3.46 160	0.63 70	2.73 103	1.55 102	2.05 217	1.38 89	1.50 131	0.82 54	1.69 120	0.87 90	0.29 95	0.23 148	0.30 128	0.23 79	0.27 33	0.32 139

GCAP-BAT	1.21 79	0.74 212	3.23 157	0.95 123	0.70 172	3.86 242	0.93 238	1.89 29	1.48 56	1.85 147	1.96 256	1.68 152	0.79 47	1.78 127	0.81 68	0.29 95	0.20 69	0.24 24	0.20 34	0.26 24	0.35 174

RCA-Stereo	1.21 79	0.52 24	1.58 40	0.90 92	0.46 63	4.68 410	0.79 153	4.13 315	1.74 172	1.92 170	1.80 203	0.94 61	1.48 206	1.14 28	0.70 37	0.27 47	0.18 27	0.25 38	0.19 25	0.25 16	0.23 24

raft+_RVC	1.21 79	0.83 258	2.61 129	1.35 312	0.97 251	3.60 191	0.76 133	3.23 148	1.51 75	1.33 73	1.67 158	1.03 69	1.10 122	1.87 137	0.92 109	0.24 16	0.22 124	0.25 38	0.24 101	0.26 24	0.25 41

AnonymousM	1.22 83	1.32 362	0.97 1	0.88 83	0.56 112	4.03 281	0.69 94	2.41 61	1.68 151	1.48 90	1.31 74	1.15 80	1.00 91	1.18 43	0.73 47	0.32 169	0.40 328	2.07 437	1.70 439	0.24 7	0.22 17

LL-Strereo2	1.23 84	0.85 266	2.38 115	0.93 115	0.68 167	3.72 210	1.37 328	2.54 82	1.99 205	1.75 133	1.40 94	1.82 186	0.73 30	1.40 70	0.99 130	0.31 151	0.23 148	0.55 368	0.35 276	0.29 58	0.24 34

ROB_FTStereo_v2	1.23 84	0.66 151	2.02 74	0.75 19	0.37 20	4.67 409	0.76 133	2.53 73	1.58 116	1.99 191	1.46 103	1.78 171	1.14 134	2.08 152	0.88 93	0.48 329	0.22 124	0.32 167	0.27 151	0.40 205	0.29 98

CRE-IMP	1.23 84	0.61 106	2.14 92	0.82 45	0.39 31	4.54 386	0.83 176	2.63 94	1.55 102	1.95 179	1.46 103	1.87 196	0.96 83	1.48 86	1.33 199	0.45 311	0.21 98	0.31 149	0.26 126	0.41 228	0.31 132

RAFT	1.23 84	0.84 262	2.05 78	0.96 129	0.47 73	1.80 44	0.94 243	3.18 144	1.46 46	1.60 101	1.71 170	3.04 318	1.59 231	1.64 112	1.32 195	0.38 248	0.24 178	0.40 286	0.32 247	0.40 205	0.35 174

test-1	1.23 84	0.65 141	1.88 61	0.96 129	0.52 96	3.84 234	0.62 68	4.01 280	1.47 51	1.93 174	1.78 197	1.83 189	0.92 76	1.19 44	1.28 189	0.26 37	0.29 238	0.31 149	0.24 101	0.29 58	0.36 178

rvit_0105_3	1.24 89	0.93 283	2.84 143	0.97 136	0.58 130	2.38 76	1.08 279	3.26 152	2.53 322	1.18 67	1.40 94	1.24 97	1.04 100	1.73 123	0.97 124	0.44 302	0.44 347	0.40 286	0.42 339	0.42 246	0.50 292

PSM-adaLoss	1.24 89	0.65 141	2.03 75	0.75 19	0.37 20	4.68 410	0.73 110	2.53 73	1.58 116	1.99 191	1.47 107	1.78 171	1.13 128	2.18 166	0.87 90	0.48 329	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

rafts_anoy	1.24 89	0.80 244	3.61 176	1.17 240	1.20 308	3.00 107	0.61 57	3.17 142	1.58 116	1.37 78	1.26 62	1.19 90	1.12 126	1.78 127	1.25 180	0.32 169	0.23 148	0.32 167	0.32 247	0.31 92	0.30 124

DIP-Stereo	1.24 89	0.69 169	1.77 53	0.65 8	0.61 138	4.29 346	0.58 50	4.44 407	2.53 322	1.98 186	1.33 76	0.91 56	0.86 62	1.25 53	1.25 180	0.36 225	0.23 148	0.32 167	0.23 79	0.32 115	0.29 98
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
riskmin	1.25 93	0.56 55	2.05 78	1.05 178	0.93 242	2.86 94	0.55 38	3.23 148	1.34 24	1.55 96	1.07 36	3.56 363	2.03 304	1.29 60	1.00 132	0.28 76	0.27 219	0.34 218	0.21 44	0.41 228	0.43 250

Patchmatch Stereo++	1.25 93	0.65 141	2.06 87	0.75 19	0.37 20	4.68 410	0.76 133	2.53 73	1.58 116	1.99 191	1.47 107	1.78 171	1.14 134	2.44 179	0.90 99	0.48 329	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98
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
ROB_FTStereo	1.25 93	0.66 151	2.14 92	0.75 19	0.37 20	4.65 406	0.77 144	2.53 73	1.58 116	1.99 191	1.47 107	1.78 171	1.13 128	2.26 175	0.86 85	0.47 325	0.22 124	0.32 167	0.27 151	0.40 205	0.29 98

HUI-Stereo	1.25 93	0.66 151	2.33 112	0.75 19	0.37 20	4.68 410	0.78 147	2.53 73	1.58 116	1.99 191	1.46 103	1.79 178	1.13 128	2.17 164	0.85 79	0.48 329	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

iRAFT	1.25 93	0.65 141	2.06 87	0.75 19	0.37 20	4.68 410	0.76 133	2.53 73	1.58 116	1.99 191	1.47 107	1.78 171	1.14 134	2.44 179	0.90 99	0.48 329	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

RAFT-IKP	1.25 93	0.66 151	2.23 101	0.75 19	0.37 20	4.64 404	0.74 121	2.53 73	1.58 116	1.99 191	1.47 107	1.78 171	1.13 128	2.22 172	0.92 109	0.48 329	0.22 124	0.32 167	0.27 151	0.40 205	0.29 98

RAFT-Stereo + iAFF	1.25 93	0.72 193	1.74 51	1.05 178	0.36 8	4.13 303	0.42 15	2.95 121	2.84 369	2.02 209	2.40 341	1.61 145	1.11 125	1.26 54	0.97 124	0.21 1	0.15 2	0.26 52	0.23 79	0.29 58	0.23 24

CAS	1.26 100	0.40 2	1.46 29	2.97 440	1.61 381	4.13 303	0.73 110	1.78 25	1.49 64	0.83 36	1.10 39	0.59 5	0.53 4	1.26 54	0.80 63	2.99 444	0.13 1	0.21 4	0.13 1	0.31 92	1.72 425

anonymousdsp2	1.26 100	0.60 92	3.74 179	1.02 169	0.41 38	3.60 191	0.72 105	3.68 200	1.47 51	1.37 78	1.56 130	1.83 189	1.01 93	2.00 145	0.66 22	0.29 95	0.20 69	0.28 94	0.20 34	0.32 115	0.29 98

dd	1.26 100	1.15 331	2.47 120	0.92 103	0.49 83	4.35 352	0.75 130	1.92 32	2.11 237	1.44 87	1.24 57	1.19 90	1.05 104	1.78 127	1.70 267	0.57 363	0.34 287	0.35 236	0.33 255	0.60 330	0.46 272

iGMRVC	1.26 100	0.66 151	2.14 92	0.75 19	0.37 20	4.66 407	0.74 121	2.53 73	1.58 116	1.99 191	1.46 103	1.78 171	1.14 134	2.46 181	0.92 109	0.48 329	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

mmm	1.27 104	0.58 76	2.20 96	1.41 333	0.68 167	2.39 78	0.85 188	3.90 249	1.63 141	2.20 264	1.84 227	1.28 101	1.50 213	1.91 140	0.89 96	0.31 151	0.27 219	0.45 317	0.37 298	0.38 190	0.34 162

NRIStereo	1.28 105	0.61 106	1.67 45	1.15 234	0.38 29	4.73 423	0.90 217	2.42 63	1.50 69	1.93 174	1.33 76	1.75 165	1.22 149	2.96 213	1.33 199	0.46 316	0.22 124	0.29 109	0.26 126	0.30 77	0.28 88

RALAANet	1.28 105	1.08 318	3.21 156	1.25 269	0.94 244	1.44 27	0.69 94	3.15 139	2.57 329	2.01 205	1.80 203	1.29 104	1.05 104	2.00 145	1.48 227	0.27 47	0.20 69	0.27 72	0.24 101	0.40 205	0.27 71

CASS	1.29 107	0.66 151	2.62 132	0.95 123	0.66 156	2.84 92	0.69 94	3.00 125	1.79 177	2.57 344	1.95 255	1.39 117	1.55 228	1.59 99	1.06 137	0.50 341	0.28 228	0.34 218	0.28 178	0.46 282	0.63 339
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
gcap-zeroshot	1.30 108	0.61 106	4.09 182	0.94 120	0.56 112	3.50 170	0.84 179	3.12 136	1.72 163	1.84 146	1.22 52	2.72 290	0.88 66	1.46 83	0.80 63	0.29 95	0.30 251	0.27 72	0.21 44	0.29 58	0.25 41

knoymous	1.30 108	0.60 92	5.57 204	0.88 83	0.75 181	3.04 108	0.90 217	2.68 98	1.33 23	1.48 90	1.07 36	2.78 300	0.88 66	1.29 60	0.85 79	0.31 151	0.22 124	0.35 236	0.20 34	0.45 271	0.37 192

qqq	1.30 108	0.57 63	1.67 45	1.15 234	0.51 87	2.18 69	0.91 225	3.98 272	1.53 88	1.50 92	1.24 57	1.79 178	1.34 169	4.66 243	0.98 127	0.28 76	0.31 261	0.33 201	0.33 255	0.33 131	0.32 139

test_4	1.30 108	0.50 15	6.16 206	0.84 61	0.45 56	1.61 37	1.12 288	2.14 45	1.42 33	1.52 93	2.31 331	1.84 192	0.79 47	2.52 191	1.19 162	0.27 47	0.17 10	0.29 109	0.29 205	0.29 58	0.25 41

s12784h	1.31 112	0.45 5	2.41 118	0.71 14	0.35 7	4.42 365	0.50 26	4.22 337	2.73 347	2.01 205	2.48 346	0.91 56	0.96 83	2.01 148	0.70 37	0.29 95	0.18 27	0.24 24	0.16 8	0.27 33	0.18 2

AFF-stereo	1.31 112	0.77 231	1.46 29	1.10 206	0.45 56	3.93 254	0.48 24	2.92 120	2.92 375	1.90 163	2.21 307	2.11 231	1.52 218	1.93 141	1.12 150	0.21 1	0.16 5	0.25 38	0.25 110	0.29 58	0.20 7

Pruner-Stereo	1.32 114	0.59 83	2.11 91	1.79 397	0.47 73	4.73 423	0.79 153	2.53 73	1.72 163	2.47 332	1.58 133	1.48 129	1.03 96	1.66 115	1.47 224	0.44 302	0.21 98	0.34 218	0.30 221	0.30 77	0.39 212

ToySt	1.35 115	0.72 193	3.65 178	1.01 160	0.50 86	3.31 144	1.01 261	3.46 169	1.73 166	1.30 71	1.55 127	2.07 227	1.47 204	1.88 138	1.40 206	0.27 47	0.27 219	0.30 128	0.32 247	0.42 246	0.39 212

DisPM	1.36 116	0.55 46	2.39 116	1.54 360	0.51 87	4.59 397	0.79 153	2.50 71	1.88 190	2.50 335	1.83 222	1.45 126	1.01 93	2.71 205	0.93 116	0.46 316	0.20 69	0.32 167	0.31 237	0.31 92	0.44 256

sAnonymous2	1.37 117	1.22 347	9.79 243	0.92 103	0.88 227	1.23 10	0.61 57	2.56 85	1.69 156	0.85 37	1.02 21	0.73 26	1.23 152	0.98 9	0.78 58	0.29 95	0.25 197	0.31 149	0.30 221	1.06 401	0.71 356

CroCo_RVC	1.37 117	1.22 347	9.79 243	0.92 103	0.88 227	1.23 10	0.61 57	2.56 85	1.69 156	0.85 37	1.02 21	0.73 26	1.23 152	0.98 9	0.78 58	0.29 95	0.25 197	0.31 149	0.30 221	1.06 401	0.71 356

GES	1.38 119	0.64 133	2.61 129	1.09 197	0.57 123	4.30 348	1.02 265	3.86 237	1.51 75	1.72 128	1.74 177	1.28 101	1.77 275	1.62 107	1.61 252	0.39 260	0.27 219	0.33 201	0.30 221	0.41 228	0.47 277

Any-RAFT	1.40 120	0.53 35	2.78 141	1.09 197	0.64 145	4.41 363	0.81 168	3.97 270	2.78 353	1.99 191	1.34 81	2.36 252	1.56 230	1.56 95	0.75 51	0.27 47	0.20 69	0.25 38	0.18 13	0.25 16	0.28 88

UDGNet	1.40 120	1.52 380	2.22 99	1.38 328	0.62 141	4.39 357	0.68 89	1.80 26	2.18 249	1.34 74	1.18 47	0.99 64	1.00 91	2.16 162	1.19 162	1.09 414	0.34 287	1.30 429	0.98 419	1.10 407	0.58 324

GMStereo_Zeroshot	1.41 122	1.21 341	3.33 164	1.29 285	0.72 174	3.35 146	0.53 34	2.58 90	1.68 151	2.35 312	1.56 130	2.42 260	0.96 83	2.50 184	1.16 156	0.45 311	0.23 148	0.40 286	0.24 101	0.79 380	0.33 151

rvit_105_1	1.43 123	0.90 274	3.27 160	1.08 191	0.68 167	2.79 91	1.27 314	3.52 179	2.35 283	1.38 80	1.54 124	1.28 101	1.14 134	2.91 209	1.40 206	0.54 357	0.47 364	0.45 317	0.59 384	0.44 263	0.58 324

RAFT-Test	1.44 124	0.59 83	6.10 205	1.01 160	0.69 170	2.90 96	0.80 161	3.68 200	1.70 159	1.85 147	1.68 161	3.15 327	1.03 96	1.20 45	0.99 130	0.27 47	0.22 124	0.25 38	0.23 79	0.27 33	0.25 41

DCRE	1.44 124	0.74 212	3.50 169	1.13 220	0.72 174	1.78 42	0.67 85	2.14 45	1.56 108	1.99 191	8.09 434	1.73 163	1.07 114	1.24 51	0.83 74	0.23 12	0.25 197	0.26 52	0.26 126	0.28 48	0.30 124

AdaStereo	1.45 126	0.83 258	2.34 113	1.28 282	0.81 196	3.21 123	1.14 293	4.20 329	2.46 311	2.05 217	1.77 194	2.48 268	1.18 143	1.71 121	1.44 215	0.43 295	0.25 197	0.43 307	0.28 178	0.44 263	0.34 162
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.
BSDual-CNN	1.46 127	0.59 83	1.94 67	0.87 78	0.85 214	4.16 316	1.16 295	4.48 413	1.88 190	2.93 379	1.83 222	2.60 278	1.31 165	1.60 101	1.21 169	0.34 195	0.25 197	0.31 149	0.28 178	0.35 166	0.33 151

PFNet+	1.46 127	0.57 63	2.84 143	0.92 103	0.47 73	4.64 404	0.84 179	2.46 68	1.99 205	2.14 239	1.64 151	1.34 110	1.03 96	4.68 245	1.23 175	0.45 311	0.33 276	0.37 261	0.39 317	0.32 115	0.49 285

ACVNet	1.46 127	0.64 133	3.56 172	0.93 115	0.85 214	4.22 334	0.80 161	2.85 115	2.08 224	1.78 137	1.88 239	3.10 322	1.46 202	1.33 66	1.89 290	0.29 95	0.26 209	0.30 128	0.26 126	0.39 200	0.27 71

psmg	1.47 130	0.59 83	1.94 67	0.92 103	0.85 214	4.30 348	1.42 338	4.10 313	1.88 190	2.64 358	2.09 285	2.60 278	1.31 165	1.60 101	1.21 169	0.34 195	0.27 219	0.33 201	0.34 262	0.36 178	0.34 162

BUS	1.49 131	0.59 83	1.94 67	0.87 78	0.85 214	4.50 380	0.76 133	4.48 413	1.88 190	2.93 379	1.83 222	3.63 365	0.97 86	1.60 101	1.17 159	0.34 195	0.25 197	0.31 149	0.28 178	0.35 166	0.33 151

plain	1.55 132	0.69 169	13.59 281	0.65 8	0.73 178	1.66 40	0.57 42	3.17 142	1.94 199	0.77 23	1.24 57	0.80 36	0.86 62	1.60 101	0.96 123	0.33 183	0.21 98	0.32 167	0.25 110	0.42 246	0.28 88

LCNet	1.55 132	0.54 41	1.88 61	0.99 147	0.55 108	3.60 191	1.21 309	2.86 118	1.53 88	2.18 258	1.74 177	1.43 125	4.17 402	3.62 223	0.87 90	0.29 95	0.20 69	0.28 94	0.77 405	0.47 286	1.85 428

DeepStereo_RVC	1.55 132	0.63 124	3.32 163	0.77 33	0.42 42	4.49 377	0.72 105	2.50 71	1.58 116	2.02 209	1.81 215	1.54 136	6.38 435	1.73 123	1.19 162	0.46 316	0.22 124	0.29 109	0.28 178	0.35 166	0.38 206

acv_ft	1.55 132	0.64 133	3.29 161	1.14 221	2.01 420	2.93 101	0.97 255	3.81 226	2.08 224	2.22 274	1.88 239	3.10 322	1.66 258	1.33 66	2.22 328	0.29 95	0.26 209	0.30 128	0.26 126	0.39 200	0.27 71

TestStereo1	1.56 136	0.81 248	2.32 110	1.61 375	0.64 145	4.13 303	1.36 324	3.79 223	3.20 403	1.60 101	2.57 358	1.39 117	2.15 317	2.51 187	1.30 192	0.29 95	0.20 69	0.34 218	0.25 110	0.40 205	0.36 178

SA-5K	1.56 136	0.81 248	2.32 110	1.61 375	0.64 145	4.13 303	1.36 324	3.79 223	3.20 403	1.60 101	2.57 358	1.39 117	2.15 317	2.51 187	1.30 192	0.29 95	0.20 69	0.34 218	0.25 110	0.40 205	0.36 178

UCFNet_RVC	1.57 138	0.84 262	3.25 158	1.36 318	1.40 345	4.07 290	1.01 261	2.68 98	1.50 69	2.11 233	1.88 239	2.37 253	1.50 213	3.41 218	1.42 212	0.36 225	0.28 228	0.52 358	0.40 328	0.53 307	0.43 250

NF-Stereo	1.58 139	0.61 106	2.66 135	2.26 423	0.47 73	4.68 410	0.67 85	3.31 156	1.48 56	2.11 233	1.59 137	1.36 113	1.09 117	6.08 274	1.20 165	0.40 266	0.20 69	0.36 249	0.34 262	0.31 92	0.36 178

OCTAStereo	1.58 139	0.61 106	2.72 137	2.27 426	0.46 63	4.68 410	0.67 85	3.30 155	1.48 56	2.11 233	1.59 137	1.36 113	1.09 117	6.02 271	1.21 169	0.41 280	0.20 69	0.36 249	0.34 262	0.31 92	0.37 192

RE-Stereo	1.58 139	0.61 106	2.72 137	2.26 423	0.46 63	4.68 410	0.68 89	3.31 156	1.48 56	2.11 233	1.59 137	1.36 113	1.09 117	6.01 269	1.22 172	0.41 280	0.20 69	0.36 249	0.34 262	0.31 92	0.37 192

TVStereo	1.58 139	0.61 106	2.72 137	2.26 423	0.46 63	4.68 410	0.68 89	3.31 156	1.48 56	2.11 233	1.59 137	1.36 113	1.09 117	6.01 269	1.22 172	0.41 280	0.20 69	0.36 249	0.34 262	0.31 92	0.37 192

Gwc-CoAtRS	1.58 139	0.57 63	11.69 267	1.01 160	0.60 134	2.53 83	0.64 73	2.36 59	1.56 108	1.80 141	1.47 107	2.74 291	1.18 143	1.12 23	0.90 99	0.27 47	0.21 98	0.25 38	0.22 69	0.27 33	0.23 24

KYRaft	1.59 144	0.52 24	1.73 48	0.95 123	0.49 83	4.38 354	1.79 371	2.43 65	1.51 75	2.49 334	2.98 383	2.00 214	3.41 384	2.14 160	0.82 71	0.30 132	0.21 98	0.33 201	0.46 349	0.35 166	2.45 442

HCRNet	1.60 145	0.56 55	2.47 120	0.78 34	1.36 338	4.11 298	0.71 102	3.57 185	2.79 355	1.75 133	1.61 145	1.58 140	1.41 185	5.79 266	1.56 243	0.34 195	0.28 228	0.36 249	0.29 205	0.33 131	0.37 192

Prome-Stereo	1.61 146	0.55 46	1.71 47	0.98 141	0.60 134	4.41 363	1.82 375	3.03 128	1.53 88	2.18 258	3.45 402	1.72 162	3.49 390	2.23 173	1.08 142	0.29 95	0.20 69	0.26 52	0.25 110	0.34 149	2.16 434

test_sample1	1.62 147	0.55 46	1.88 61	1.44 339	0.79 191	2.27 72	0.64 73	4.00 278	1.82 180	1.87 154	1.35 84	1.57 138	1.62 239	9.55 341	1.24 177	0.30 132	0.27 219	0.31 149	0.28 178	0.32 115	0.32 139

testlalala_base	1.62 147	0.74 212	1.63 42	1.19 248	1.40 345	2.63 88	0.84 179	4.09 305	1.31 21	1.22 69	1.42 97	1.21 95	0.85 60	1.16 33	0.73 47	3.92 457	2.10 444	0.27 72	0.18 13	4.49 456	1.11 402

RAFT+CT+SA	1.62 147	0.72 193	7.42 215	0.97 136	1.42 353	4.04 282	0.94 243	3.90 249	1.61 135	1.61 106	1.63 149	1.33 109	1.18 143	2.73 207	1.10 146	0.27 47	0.19 44	0.31 149	0.34 262	0.33 131	0.33 151

SA	1.62 147	0.75 224	3.78 181	1.07 184	0.43 47	4.26 339	1.36 324	4.45 410	3.12 392	1.63 110	1.97 262	1.68 152	2.26 327	2.55 193	1.27 186	0.27 47	0.22 124	0.37 261	0.37 298	0.35 166	0.30 124

Sa-1000	1.63 151	0.79 240	3.56 172	1.11 210	0.48 79	4.06 285	1.41 336	4.49 416	2.75 350	2.00 203	2.80 375	1.84 192	1.43 192	2.64 201	1.50 231	0.27 47	0.19 44	0.36 249	0.33 255	0.36 178	0.30 124

test_sample7	1.65 152	0.70 179	2.60 126	1.48 350	0.76 184	2.38 76	1.07 275	4.35 388	2.11 237	2.14 239	1.75 181	1.75 165	1.67 260	6.26 278	1.26 183	0.44 302	0.48 370	0.43 307	0.40 328	0.46 282	0.43 250

StereoVision	1.65 152	0.75 224	7.47 216	1.01 160	1.80 410	2.61 87	0.61 57	3.06 132	1.96 200	1.25 70	3.46 403	1.85 194	0.88 66	2.07 150	1.93 294	0.43 295	0.36 295	0.37 261	0.36 286	0.48 289	0.33 151

dad	1.65 152	1.19 338	3.04 152	0.98 141	0.56 112	4.22 334	0.84 179	1.99 35	2.48 312	2.14 239	1.68 161	1.62 146	1.13 128	3.85 228	2.04 308	1.03 413	0.40 328	2.04 436	0.48 356	0.75 374	0.53 306

PSM-softLoss	1.66 155	0.59 83	5.15 197	2.25 421	0.48 79	4.68 410	0.69 94	2.57 88	1.52 83	2.14 239	1.45 101	1.42 123	0.99 89	6.04 272	1.20 165	0.41 280	0.23 148	0.37 261	0.39 317	0.32 115	0.31 132

KMStereo	1.66 155	0.59 83	5.15 197	2.25 421	0.48 79	4.68 410	0.69 94	2.57 88	1.52 83	2.14 239	1.45 101	1.42 123	0.99 89	6.04 272	1.20 165	0.41 280	0.23 148	0.37 261	0.39 317	0.32 115	0.31 132

DDVS	1.68 157	0.79 240	2.52 122	1.26 275	1.16 295	3.17 121	0.78 147	3.12 136	1.82 180	1.86 152	1.91 251	2.92 311	1.43 192	6.20 276	1.63 257	0.45 311	0.65 401	0.34 218	0.38 311	0.48 289	0.79 375

IER	1.69 158	0.65 141	7.19 214	0.94 120	1.15 291	3.28 139	0.89 213	3.48 170	1.97 202	2.10 229	1.98 264	2.28 239	2.12 313	2.25 174	1.75 276	0.29 95	0.23 148	0.36 249	0.30 221	0.32 115	0.34 162

RAFT_R40	1.70 159	0.59 83	2.99 149	1.46 345	0.46 63	4.74 426	0.98 258	2.23 52	1.56 108	2.02 209	2.35 339	2.71 288	2.56 347	6.71 290	0.90 99	0.40 266	0.19 44	0.30 128	0.27 151	0.33 131	0.26 59

ffm	1.72 160	0.60 92	5.21 199	1.14 221	0.99 258	3.62 196	0.86 190	4.22 337	3.37 414	2.20 264	2.30 324	3.48 349	1.62 239	2.21 170	0.65 18	0.29 95	0.16 5	0.48 333	0.37 298	0.30 77	0.29 98

Anonymous3	1.72 160	0.76 229	11.61 266	0.83 54	0.84 212	4.46 369	0.84 179	3.57 185	1.16 5	1.34 74	1.37 87	1.11 76	1.03 96	1.58 96	1.13 151	0.70 390	0.58 389	0.33 201	0.35 276	0.47 286	0.42 241

DMCA	1.72 160	0.74 212	6.63 208	1.14 221	0.96 247	3.98 274	0.90 217	3.75 215	2.76 351	2.83 375	1.58 133	2.35 250	1.18 143	1.58 96	1.98 303	0.40 266	0.27 219	0.42 303	0.26 126	0.36 178	0.38 206

fff	1.74 163	0.70 179	9.08 233	0.81 37	0.36 8	4.15 307	0.57 42	4.23 341	2.09 227	2.30 294	1.80 203	1.19 90	3.02 366	1.44 77	1.46 219	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

DCANet	1.74 163	0.73 204	9.08 233	0.82 45	0.40 34	4.18 324	0.59 51	4.25 351	2.97 379	2.35 312	1.84 227	1.18 86	1.63 251	1.51 89	1.55 242	0.29 95	0.24 178	0.23 11	0.18 13	0.30 77	0.53 306

csc	1.74 163	0.70 179	9.08 233	0.81 37	0.36 8	4.15 307	0.57 42	4.23 341	2.09 227	2.30 294	1.80 203	1.19 90	3.02 366	1.44 77	1.46 219	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

cscssc	1.74 163	0.70 179	9.08 233	0.81 37	0.36 8	4.15 307	0.57 42	4.23 341	2.09 227	2.30 294	1.80 203	1.19 90	3.02 366	1.44 77	1.46 219	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

test_sample2	1.75 167	0.56 55	2.25 102	1.41 333	0.80 193	2.91 98	0.86 190	4.05 293	2.04 216	1.91 168	1.39 91	1.57 138	1.55 228	10.65 374	1.06 137	0.32 169	0.28 228	0.32 167	0.30 221	0.36 178	0.33 151

anonymity	1.76 168	1.26 354	2.73 140	1.66 379	1.32 330	1.84 45	1.07 275	3.49 173	2.30 273	2.11 233	2.11 290	1.71 161	3.90 397	1.82 132	1.48 227	1.10 415	1.09 424	1.08 424	1.08 424	1.05 400	1.09 400

SST-Stereo	1.76 168	0.58 76	3.10 153	1.44 339	0.46 63	4.71 422	0.76 133	2.22 51	2.79 355	2.07 225	2.18 301	2.43 261	3.22 377	6.66 287	0.84 76	0.42 290	0.19 44	0.30 128	0.27 151	0.35 166	0.26 59

StereoDRNet-Refined	1.77 170	0.81 248	2.22 99	1.21 258	0.76 184	3.26 134	0.71 102	3.82 227	2.05 219	2.29 290	2.05 279	2.98 313	1.44 195	7.15 297	2.27 331	0.30 132	0.23 148	0.42 303	0.33 255	0.45 271	0.64 342
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
CSP-Net	1.78 171	1.32 362	1.92 66	1.16 239	1.03 268	3.38 148	1.31 318	3.52 179	1.75 173	1.96 182	1.93 254	2.40 255	1.48 206	8.58 320	1.58 245	0.46 316	0.34 287	0.27 72	0.26 126	0.41 228	0.50 292

tt1	1.79 172	0.73 204	10.41 253	1.75 389	0.36 8	4.55 389	0.79 153	4.22 337	3.37 414	1.08 59	1.80 203	0.74 28	1.48 206	2.21 170	0.65 18	0.29 95	0.16 5	0.31 149	0.22 69	0.30 77	0.29 98

RAFT_CTSACE	1.80 173	1.06 315	10.00 246	1.71 385	1.39 343	3.49 167	1.06 273	3.05 130	1.62 138	1.70 123	2.04 273	2.51 271	1.80 283	1.98 144	0.94 118	0.25 27	0.22 124	0.28 94	0.30 221	0.30 77	0.26 59

UPFNet	1.81 174	0.63 124	6.71 209	1.25 269	1.44 354	3.50 170	1.35 322	4.02 284	1.85 187	2.40 324	1.52 116	2.41 257	1.40 180	3.62 223	1.88 289	0.34 195	0.33 276	0.37 261	0.31 237	0.41 228	0.39 212

AACVNet	1.83 175	1.02 303	2.41 118	1.45 343	0.87 224	3.21 123	0.73 110	3.16 140	1.61 135	2.01 205	1.82 221	2.28 239	1.33 168	10.98 388	1.49 230	0.39 260	0.32 269	0.38 277	0.32 247	0.43 256	0.44 256

111	1.83 175	0.92 279	9.08 233	0.81 37	0.36 8	4.25 338	0.91 225	4.44 407	2.70 344	2.39 322	1.96 256	2.30 245	1.64 254	1.28 58	1.82 282	0.28 76	0.22 124	0.24 24	0.20 34	0.31 92	0.54 312

ACVNet-DCA	1.85 177	0.74 212	13.77 284	1.78 392	0.36 8	4.48 371	0.74 121	3.98 272	1.53 88	1.01 51	1.81 215	0.72 23	1.62 239	2.13 157	0.64 14	0.29 95	0.17 10	0.32 167	0.21 44	0.33 131	0.32 139

ITSA-stereo	1.86 178	0.72 193	3.74 179	1.20 252	0.66 156	4.09 292	0.91 225	4.24 349	2.53 322	1.93 174	1.77 194	1.59 142	2.15 317	6.12 275	2.44 341	0.40 266	0.38 314	0.40 286	0.40 328	0.50 296	0.98 394

test_5	1.87 179	0.75 224	10.23 250	1.14 221	1.40 345	3.85 240	1.27 314	3.91 253	1.93 198	1.69 121	1.78 197	1.67 150	1.79 278	2.99 214	1.17 159	0.30 132	0.18 27	0.35 236	0.33 255	0.34 149	0.33 151

NINENet	1.87 179	0.74 212	2.60 126	1.12 213	1.06 276	4.50 380	0.76 133	4.41 402	2.24 259	2.16 252	1.86 236	3.63 365	0.97 86	8.00 312	1.17 159	0.41 280	0.30 251	0.41 296	0.30 221	0.41 228	0.36 178

IRAFT_RVC	1.87 179	0.60 92	4.33 185	2.40 430	0.66 156	4.59 397	1.59 356	2.96 122	1.51 75	2.23 278	1.75 181	2.09 228	2.63 350	6.70 288	1.50 231	0.33 183	0.21 98	0.33 201	0.29 205	0.32 115	0.32 139

MLCV	1.87 179	0.91 277	8.59 228	1.10 206	0.57 123	3.59 189	0.53 34	3.70 210	2.20 252	2.80 372	2.25 312	2.00 214	1.42 189	4.13 237	1.86 287	0.30 132	0.20 69	0.32 167	0.21 44	0.33 131	0.36 178

iRaft-Stereo_20w	1.88 183	0.62 115	10.58 255	0.90 92	0.83 205	2.96 105	0.78 147	4.90 437	1.58 116	2.29 290	1.60 141	1.25 98	4.51 410	2.28 176	0.90 99	0.29 95	0.21 98	0.26 52	0.24 101	0.41 228	0.31 132

DSFCA	1.89 184	0.69 169	3.14 155	1.10 206	1.18 297	3.99 275	1.79 371	3.50 175	2.16 245	3.10 391	1.64 151	2.91 309	2.50 343	5.38 255	2.26 330	0.43 295	0.38 314	0.37 261	0.36 286	0.50 296	0.42 241

iResNet_ROB	1.89 184	1.02 303	8.60 229	1.39 330	0.98 255	3.72 210	0.66 84	3.84 231	2.65 338	1.88 157	2.05 279	1.98 211	1.27 156	4.52 241	1.67 264	0.30 132	0.20 69	0.28 94	0.18 13	0.31 92	0.40 232

H2IRNET	1.90 186	0.53 35	14.29 298	1.14 221	0.60 134	4.48 371	0.44 19	2.65 95	1.81 179	1.05 57	2.30 324	1.67 150	1.40 180	2.17 164	1.50 231	0.36 225	0.21 98	0.33 201	0.37 298	0.34 149	0.29 98

CFNet-ft	1.90 186	0.95 290	3.56 172	1.07 184	1.54 366	4.09 292	0.90 217	2.85 115	1.82 180	1.78 137	1.70 166	2.75 293	1.48 206	9.33 335	1.72 269	0.33 183	0.30 251	0.61 384	0.36 286	0.52 301	0.39 212

CFNet_RVC	1.90 186	0.95 290	3.56 172	1.07 184	1.54 366	4.09 292	0.90 217	2.85 115	1.82 180	1.78 137	1.70 166	2.75 293	1.48 206	9.33 335	1.72 269	0.33 183	0.30 251	0.61 384	0.36 286	0.52 301	0.39 212

PSMNet-ADL	1.91 189	0.72 193	1.78 55	1.09 197	0.86 219	4.18 324	0.78 147	3.77 219	2.10 235	1.72 128	1.85 234	2.91 309	1.82 288	10.38 368	1.91 293	0.48 329	0.46 360	0.28 94	0.29 205	0.38 190	0.51 299

GEStereo_RVC	1.91 189	0.80 244	6.57 207	1.20 252	1.06 276	4.02 280	1.43 340	4.13 315	1.89 194	2.03 213	1.80 203	2.34 248	1.86 293	4.94 247	1.77 277	0.48 329	0.38 314	0.32 167	0.28 178	0.42 246	0.50 292

DN-CSS_ROB	1.91 189	1.55 382	11.13 261	1.82 399	0.88 227	3.99 275	0.61 57	4.01 280	1.67 149	1.64 112	1.89 245	1.39 117	1.06 112	3.23 215	1.50 231	0.31 151	0.19 44	0.44 311	0.29 205	0.37 186	0.31 132

qqq1	1.92 192	0.57 63	4.46 186	1.36 318	0.57 123	2.03 57	0.73 110	4.25 351	2.80 359	2.32 304	2.31 331	1.95 202	1.52 218	10.99 389	0.71 40	0.34 195	0.32 269	0.30 128	0.23 79	0.29 58	0.29 98

fff1	1.92 192	0.57 63	4.46 186	1.36 318	0.57 123	2.03 57	0.73 110	4.25 351	2.80 359	2.32 304	2.31 331	1.95 202	1.52 218	10.99 389	0.71 40	0.34 195	0.32 269	0.30 128	0.23 79	0.29 58	0.29 98

raft_robust	1.92 192	1.15 331	3.34 165	1.02 169	0.43 47	3.84 234	0.46 21	4.42 403	2.52 321	1.67 119	1.36 86	2.17 233	6.37 433	6.78 292	1.04 135	0.28 76	0.24 178	0.30 128	0.35 276	0.31 92	0.32 139

delet	1.92 192	0.76 229	5.14 196	1.01 160	1.65 390	3.44 155	2.03 387	3.76 217	2.48 312	2.01 205	2.05 279	2.63 282	1.90 298	5.34 254	2.12 318	0.28 76	0.29 238	0.40 286	0.31 237	0.41 228	0.45 262

BEATNet_4x	1.92 192	1.36 367	8.75 231	1.20 252	0.56 112	3.46 160	1.03 266	4.00 278	2.43 303	2.25 283	1.70 166	2.10 229	1.59 231	2.57 196	3.05 369	0.37 232	0.22 124	0.47 325	0.29 205	0.60 330	0.40 232

IIG-Stereo	1.95 197	0.79 240	2.14 92	2.78 437	0.66 156	4.62 401	0.76 133	4.27 359	1.53 88	2.63 357	3.14 393	3.35 342	1.61 236	7.65 308	1.41 210	0.39 260	0.20 69	0.31 149	0.25 110	0.33 131	0.22 17

LALA_ROB	1.95 197	1.48 378	3.11 154	1.05 178	0.98 255	3.99 275	1.82 375	4.44 407	2.28 269	3.31 401	1.85 234	2.76 299	1.67 260	4.04 236	3.23 372	0.46 316	0.41 335	0.55 368	0.52 369	0.60 330	0.57 320

DCANet-4	1.96 199	0.51 18	14.31 299	0.82 45	0.40 34	4.16 316	0.57 42	4.29 367	2.98 382	2.30 294	1.80 203	1.03 69	1.54 226	1.44 77	1.44 215	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

PSMNet-RSSM	1.96 199	0.77 231	3.26 159	1.29 285	1.31 326	4.19 328	0.96 252	3.68 200	1.89 194	2.05 217	1.80 203	2.60 278	1.70 266	9.84 348	1.81 281	0.35 214	0.29 238	0.35 236	0.37 298	0.42 246	0.35 174

4D-IteraStereo	1.97 201	0.84 262	20.43 416	0.78 34	1.56 373	2.09 65	1.05 272	2.43 65	1.56 108	1.41 84	1.00 20	1.94 200	0.61 12	1.22 49	1.06 137	0.27 47	0.18 27	0.31 149	0.26 126	0.27 33	0.23 24

OMP-Stereo	1.97 201	0.93 283	1.88 61	2.76 436	0.67 162	4.58 396	1.48 342	4.31 378	1.54 96	3.15 396	2.76 371	3.25 333	1.38 173	7.66 309	1.35 203	0.40 266	0.20 69	0.33 201	0.26 126	0.33 131	0.24 34

cc1	1.98 203	0.74 212	13.77 284	1.78 392	0.36 8	4.48 371	0.74 121	4.23 341	3.95 430	1.01 51	1.81 215	0.72 23	1.62 239	2.13 157	0.64 14	0.29 95	0.17 10	0.32 167	0.21 44	0.31 92	0.29 98

hknet	1.98 203	0.64 133	8.70 230	0.87 78	1.07 278	4.16 316	1.16 295	4.48 413	1.73 166	2.93 379	1.83 222	3.48 349	1.30 164	3.91 232	1.51 237	0.31 151	0.25 197	0.31 149	0.28 178	0.35 166	0.33 151

GANet-RSSM	1.98 203	0.62 115	3.49 167	1.69 382	1.23 314	4.22 334	0.91 225	3.31 156	1.86 188	1.81 142	1.74 177	2.34 248	1.82 288	10.92 386	1.73 273	0.34 195	0.29 238	0.31 149	0.28 178	0.39 200	0.40 232

1test111	1.99 206	0.74 212	13.77 284	1.78 392	0.36 8	4.48 371	0.74 121	3.98 272	1.53 88	1.01 51	1.81 215	0.72 23	1.62 239	4.66 243	0.98 127	0.29 95	0.17 10	0.32 167	0.21 44	0.33 131	0.32 139

SMFormer	2.00 207	0.57 63	4.46 186	1.36 318	0.57 123	2.03 57	0.73 110	4.25 351	2.80 359	2.32 304	2.31 331	1.95 202	1.52 218	10.99 389	2.13 321	0.34 195	0.32 269	0.36 249	0.31 237	0.38 190	0.36 178

tta	2.00 207	0.57 63	4.46 186	1.36 318	0.57 123	2.03 57	0.73 110	4.25 351	2.80 359	2.32 304	2.31 331	1.95 202	1.52 218	10.99 389	2.13 321	0.34 195	0.32 269	0.36 249	0.31 237	0.29 58	0.29 98

TestStereo	2.00 207	1.02 303	12.25 270	0.70 12	0.61 138	1.88 48	0.55 38	2.31 57	1.52 83	1.41 84	1.33 76	1.27 100	0.90 72	11.62 415	0.81 68	0.34 195	0.19 44	0.33 201	0.24 101	0.44 263	0.24 34

cross-raft	2.01 210	0.57 63	19.01 366	1.03 176	0.56 112	2.11 66	0.72 105	3.63 191	1.57 114	1.77 135	1.51 115	3.17 328	1.13 128	1.16 33	0.85 79	0.23 12	0.21 98	0.26 52	0.23 79	0.28 48	0.25 41

MMNet	2.02 211	0.81 248	10.76 256	1.12 213	1.23 314	3.53 177	0.89 213	3.79 223	2.08 224	2.15 247	1.76 189	2.15 232	2.12 313	3.69 225	2.32 334	0.31 151	0.29 238	0.34 218	0.27 151	0.38 190	0.42 241

xx1	2.03 212	0.74 212	13.77 284	1.78 392	0.36 8	4.48 371	0.74 121	4.23 341	3.95 430	1.01 51	1.81 215	1.79 178	1.34 169	2.13 157	0.64 14	0.29 95	0.17 10	0.33 201	0.33 255	0.33 131	0.32 139

HGLStereo	2.03 212	0.74 212	7.50 217	1.23 265	1.56 373	3.62 196	0.95 247	3.78 222	1.89 194	2.03 213	2.20 305	3.12 325	2.14 316	5.68 264	2.04 308	0.37 232	0.31 261	0.32 167	0.29 205	0.40 205	0.45 262

ssnet_v2	2.04 214	0.88 271	7.87 218	1.20 252	0.87 224	3.86 242	1.64 361	4.01 280	2.60 332	2.61 353	1.96 256	3.79 370	1.71 268	2.20 168	2.96 365	0.41 280	0.35 291	0.42 303	0.37 298	0.55 312	0.52 304

ADStereo(finetuned)	2.04 214	0.73 204	13.28 277	0.82 45	0.40 34	4.16 316	0.59 51	4.25 351	2.97 379	2.35 312	1.84 227	1.18 86	3.40 383	1.52 91	1.54 241	0.29 95	0.24 178	0.23 11	0.18 13	0.30 77	0.51 299

CBFPSM	2.05 216	0.95 290	10.12 249	1.07 184	1.05 273	2.84 92	1.20 306	3.28 153	1.73 166	1.82 144	1.30 73	4.56 409	4.06 399	2.34 177	2.34 336	0.25 27	0.38 314	0.32 167	0.27 151	0.37 186	0.79 375

DeepPruner_ROB	2.05 216	1.09 321	10.50 254	1.01 160	1.20 308	4.39 357	0.91 225	3.14 138	1.72 163	2.60 351	1.54 124	2.78 300	1.27 156	4.52 241	1.72 269	0.51 347	0.40 328	0.37 261	0.34 262	0.48 289	0.52 304

DLCB_ROB	2.05 216	0.95 290	2.37 114	1.24 267	1.02 267	2.92 100	1.30 317	3.68 200	2.30 273	2.91 377	2.17 300	3.32 340	1.52 218	10.37 366	2.50 346	0.40 266	0.33 276	0.40 286	0.36 286	0.41 228	0.47 277

HITNet	2.07 219	0.82 255	14.77 301	1.34 308	0.56 112	3.47 163	0.80 161	4.07 299	2.35 283	2.16 252	1.61 145	1.64 147	1.44 195	2.09 155	2.56 353	0.26 37	0.18 27	0.41 296	0.26 126	0.45 271	0.25 41
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
ETE_ROB	2.07 219	1.40 372	3.01 151	1.09 197	0.92 237	3.94 259	1.53 349	4.25 351	2.23 256	3.31 401	2.06 283	2.35 250	1.52 218	8.74 322	2.07 314	0.44 302	0.36 295	0.51 352	0.48 356	0.54 310	0.62 335

CFNet-RSSM	2.08 221	0.52 24	20.06 394	1.01 160	0.56 112	3.39 149	0.64 73	3.67 198	1.55 102	1.72 128	1.37 87	2.57 275	1.19 147	1.11 21	0.86 85	0.27 47	0.20 69	0.25 38	0.23 79	0.27 33	0.23 24

iRaft-Stereo_5w	2.10 222	0.83 258	8.57 227	0.81 37	0.76 184	3.21 123	0.84 179	3.71 211	1.65 146	1.56 98	2.50 348	2.20 235	2.23 326	9.13 331	2.01 306	0.38 248	0.19 44	0.35 236	0.27 151	0.45 271	0.39 212

CFNet_pseudo	2.12 223	0.67 160	15.14 312	0.85 72	0.74 180	3.95 264	0.64 73	3.95 264	1.78 175	1.90 163	1.79 200	3.27 335	1.62 239	2.51 187	1.16 156	0.31 151	0.36 295	0.53 360	0.27 151	0.63 338	0.44 256

test_xeample3	2.12 223	0.63 124	21.55 449	0.91 97	0.47 73	1.85 46	0.94 243	7.96 455	1.23 7	0.75 10	0.76 7	0.64 9	0.70 24	1.77 126	0.83 74	0.30 132	0.21 98	0.27 72	0.21 44	0.27 33	0.24 34

ccs_rob	2.13 225	0.67 160	15.11 311	0.84 61	0.75 181	3.96 269	0.65 82	3.95 264	1.78 175	1.88 157	1.79 200	3.26 334	1.64 254	2.51 187	1.16 156	0.31 151	0.36 295	0.54 367	0.27 151	0.65 348	0.45 262

SepStereo	2.15 226	0.67 160	4.79 193	1.14 221	1.64 386	2.93 101	2.13 392	4.09 305	2.74 348	4.17 423	2.52 351	2.46 266	1.79 278	8.36 315	1.63 257	0.37 232	0.22 124	0.39 280	0.25 110	0.41 228	0.34 162

test_for_model	2.16 227	3.87 431	1.58 40	4.16 455	3.64 451	2.51 81	0.96 252	3.63 191	2.62 333	2.45 329	1.39 91	1.02 67	0.73 30	0.92 5	0.57 5	2.97 443	2.19 446	0.26 52	0.17 10	5.32 460	2.24 435

IGEV_Zeroshot_test	2.16 227	0.69 169	20.60 423	1.22 261	0.54 105	2.18 69	0.53 34	3.38 166	1.61 135	1.93 174	1.55 127	3.76 369	1.05 104	1.55 94	0.91 106	0.29 95	0.20 69	0.27 72	0.29 205	0.40 205	0.32 139

anonymousa	2.16 227	0.67 160	19.19 367	1.04 177	1.67 394	2.06 63	0.79 153	2.86 118	1.96 200	1.85 147	2.14 295	3.23 332	1.81 286	1.12 23	1.15 153	0.26 37	0.26 209	0.34 218	0.32 247	0.30 77	0.28 88

SFCPSM	2.18 230	0.63 124	17.03 333	0.88 83	0.98 255	3.74 214	1.28 316	4.09 305	2.16 245	1.85 147	1.83 222	1.65 148	1.39 176	2.50 184	1.50 231	0.33 183	0.27 219	0.39 280	0.36 286	0.34 149	0.37 192

GANet-ADL	2.20 231	0.73 204	20.11 399	1.25 269	0.69 170	3.83 229	0.76 133	3.49 173	1.71 160	1.65 116	1.99 266	2.10 229	1.10 122	1.42 74	1.26 183	0.38 248	0.33 276	0.25 38	0.22 69	0.42 246	0.36 178

MSKI-zero shot	2.22 232	0.64 133	20.09 398	0.96 129	0.56 112	4.04 282	0.70 100	3.91 253	1.50 69	1.92 170	2.28 317	1.92 199	0.71 26	2.93 211	0.67 24	0.26 37	0.23 148	0.26 52	0.21 44	0.28 48	0.26 59

PS-NSSS	2.22 232	1.33 365	2.90 147	0.97 136	1.53 365	4.11 298	1.08 279	4.55 423	2.65 338	2.10 229	2.32 336	1.77 170	1.40 180	11.79 428	1.61 252	0.68 386	0.45 352	0.96 418	0.43 341	0.95 393	0.92 389

PCWNet_CMD	2.23 234	0.65 141	17.36 338	0.83 54	0.76 184	3.51 173	0.64 73	3.60 188	1.97 202	1.70 123	1.63 149	3.22 330	3.05 369	2.09 155	1.11 147	0.31 151	0.36 295	0.47 325	0.26 126	0.64 345	0.47 277

HH	2.23 234	0.86 267	21.59 450	0.98 141	0.51 87	1.49 30	0.82 171	2.74 104	1.54 96	1.10 60	1.69 164	4.62 411	1.86 293	2.55 193	0.69 31	0.26 37	0.22 124	0.29 109	0.23 79	0.34 149	0.27 71

HanStereo	2.23 234	0.86 267	21.59 450	0.98 141	0.51 87	1.49 30	0.82 171	2.74 104	1.54 96	1.10 60	1.69 164	4.62 411	1.86 293	2.55 193	0.69 31	0.26 37	0.22 124	0.29 109	0.23 79	0.34 149	0.27 71

MSMDNet	2.23 234	0.64 133	17.32 334	0.84 61	0.75 181	3.53 177	0.64 73	3.61 190	1.98 204	1.71 127	1.64 151	3.22 330	2.99 363	2.08 152	1.11 147	0.31 151	0.37 308	0.45 317	0.26 126	0.62 337	0.45 262

FENet	2.25 238	0.50 15	20.29 409	1.35 312	0.67 162	4.01 278	0.60 54	3.95 264	1.99 205	1.96 182	1.11 40	2.43 261	1.43 192	1.60 101	1.39 205	0.32 169	0.22 124	0.33 201	0.26 126	0.29 58	0.39 212

DISCO	2.25 238	0.73 204	10.06 247	1.76 390	1.12 287	3.47 163	1.25 313	3.24 150	2.26 264	2.65 360	1.96 256	4.53 407	1.92 300	4.17 239	3.61 376	0.32 169	0.25 197	0.31 149	0.29 205	0.66 353	0.41 238

iinet-f	2.26 240	1.18 336	13.71 282	1.14 221	1.11 286	3.77 218	1.10 284	4.14 321	2.17 247	2.06 222	1.76 189	2.99 314	2.99 363	2.50 184	2.49 345	0.35 214	0.39 323	0.27 72	0.28 178	0.45 271	0.39 212

ICVP	2.26 240	0.66 151	21.18 441	0.99 147	0.88 227	4.28 345	0.95 247	3.32 160	1.60 131	1.66 117	1.76 189	1.34 110	1.14 134	1.62 107	1.32 195	0.53 355	0.35 291	0.33 201	0.29 205	0.40 205	0.51 299
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
rrr	2.27 242	0.65 141	23.82 466	0.90 92	0.46 63	1.57 35	0.96 252	7.98 456	1.19 6	0.65 3	0.77 8	0.74 28	0.72 27	2.59 197	0.86 85	0.28 76	0.21 98	0.28 94	0.21 44	0.29 58	0.25 41

CIPLG	2.27 242	1.18 336	19.24 368	0.92 103	1.34 335	3.95 264	0.89 213	4.23 341	1.82 180	2.31 300	2.67 364	1.17 82	1.06 112	1.53 93	1.32 195	0.37 232	0.23 148	0.27 72	0.22 69	0.31 92	0.45 262

ACRE	2.27 242	1.11 325	19.45 374	0.91 97	1.30 324	3.94 259	0.87 207	4.21 334	1.80 178	2.28 288	2.62 360	1.17 82	1.04 100	1.52 91	1.30 192	0.37 232	0.23 148	0.27 72	0.22 69	0.31 92	0.46 272

NOSS_ROB	2.27 242	0.73 204	3.00 150	1.71 385	1.00 265	3.90 248	0.97 255	4.29 367	2.81 365	2.94 383	2.19 303	3.88 374	1.19 147	11.77 427	1.62 255	0.59 366	0.54 379	0.56 370	0.52 369	0.56 318	0.54 312

XPNet_ROB	2.27 242	1.11 325	4.10 183	1.36 318	0.97 251	3.94 259	1.63 359	4.07 299	2.14 242	2.82 374	2.00 267	2.32 247	1.73 273	10.81 381	3.39 373	0.51 347	0.47 364	0.48 333	0.40 328	0.51 298	0.56 316

IPLGR_C	2.28 247	1.31 360	19.46 375	0.92 103	1.32 330	3.93 254	0.89 213	4.20 329	1.82 180	2.30 294	2.63 362	1.16 81	1.07 114	1.41 73	1.29 191	0.37 232	0.23 148	0.27 72	0.22 69	0.31 92	0.45 262

DRaft	2.28 247	0.56 55	2.64 134	0.74 18	0.46 63	3.94 259	1.23 310	2.32 58	1.55 102	2.64 358	2.80 375	1.60 143	5.34 420	6.96 296	10.99 425	0.34 195	0.22 124	0.27 72	0.27 151	0.29 58	0.37 192

psm_up	2.28 247	0.81 248	5.45 203	1.26 275	1.50 362	3.84 234	1.23 310	4.23 341	2.03 212	2.55 340	1.80 203	2.44 263	1.65 256	12.90 447	1.58 245	0.37 232	0.38 314	0.41 296	0.34 262	0.43 256	0.39 212

MyStereo04	2.29 250	0.80 244	18.77 361	1.00 155	1.04 271	3.95 264	0.95 247	3.91 253	2.54 326	1.99 191	1.27 68	2.31 246	1.65 256	2.02 149	1.77 277	0.24 16	0.24 178	0.34 218	0.26 126	0.41 228	0.37 192

ADLNet	2.29 250	0.83 258	3.62 177	1.35 312	1.60 379	3.67 204	1.24 312	3.95 264	2.98 382	2.58 347	2.29 320	4.01 381	1.79 278	11.23 401	2.09 316	0.37 232	0.38 314	0.36 249	0.34 262	0.45 271	0.71 356

TDLM	2.29 250	1.08 318	4.61 192	1.29 285	1.01 266	4.26 339	2.17 394	3.75 215	2.79 355	2.31 300	1.98 264	2.06 224	1.59 231	12.45 442	1.72 269	0.51 347	0.28 228	0.52 358	0.35 276	0.56 318	0.50 292

Wz-Net-LNSev	2.30 253	1.67 391	14.88 304	1.18 246	1.65 390	3.49 167	1.54 352	3.63 191	2.03 212	1.88 157	1.64 151	3.29 336	2.06 308	2.71 205	2.02 307	0.40 266	0.33 276	0.32 167	0.31 237	0.53 307	0.49 285

DCVSM-stereo	2.31 254	0.66 151	20.69 425	1.11 210	0.93 242	2.58 86	0.73 110	2.61 92	1.60 131	2.57 344	1.53 122	3.30 338	1.72 270	2.19 167	1.23 175	0.34 195	0.53 377	0.41 296	0.32 247	0.45 271	0.62 335

testlalala2	2.31 254	0.63 124	20.54 419	2.56 433	2.87 439	3.79 223	0.76 133	4.20 329	1.48 56	1.42 86	1.43 99	2.45 264	0.80 53	1.03 13	0.68 26	0.27 47	0.25 197	0.24 24	0.21 44	0.33 131	0.28 88

gwcnet-sp	2.31 254	1.21 341	17.34 335	1.08 191	0.92 237	3.56 184	1.04 269	3.69 205	2.09 227	2.55 340	1.60 141	1.80 181	1.62 239	3.87 229	1.95 298	0.29 95	0.29 238	0.30 128	0.28 178	0.38 190	0.39 212

scenet	2.31 254	1.21 341	17.34 335	1.08 191	0.92 237	3.56 184	1.04 269	3.69 205	2.09 227	2.55 340	1.60 141	1.80 181	1.62 239	3.87 229	1.95 298	0.29 95	0.29 238	0.30 128	0.28 178	0.38 190	0.39 212

ssnet	2.31 254	1.21 341	17.34 335	1.08 191	0.92 237	3.56 184	1.04 269	3.69 205	2.09 227	2.55 340	1.60 141	1.80 181	1.62 239	3.87 229	1.95 298	0.29 95	0.29 238	0.30 128	0.28 178	0.38 190	0.39 212

DAS	2.31 254	0.67 160	4.79 193	1.14 221	1.64 386	2.93 101	2.13 392	4.09 305	2.74 348	4.17 423	2.52 351	2.46 266	1.79 278	11.55 412	1.63 257	0.37 232	0.22 124	0.39 280	0.25 110	0.41 228	0.34 162

TRStereo	2.31 254	1.87 399	19.74 383	1.53 358	1.16 295	4.26 339	1.08 279	4.73 433	1.45 39	1.55 96	1.28 69	1.75 165	0.85 60	1.81 130	1.20 165	0.36 225	0.26 209	0.32 167	0.36 286	0.34 149	0.33 151

test_sample5	2.33 261	0.62 115	11.29 262	1.29 285	0.83 205	3.09 116	0.74 121	4.28 364	2.31 276	2.20 264	1.97 262	1.68 152	1.39 176	11.19 399	1.47 224	0.37 232	0.31 261	0.37 261	0.37 298	0.41 228	0.39 212

MyStereo8	2.33 261	1.13 327	19.26 371	1.22 261	1.62 382	4.16 316	0.57 42	3.50 175	2.36 286	2.15 247	1.75 181	2.28 239	1.14 134	1.46 83	2.20 326	0.24 16	0.21 98	0.32 167	0.27 151	0.36 178	0.43 250

DualNet	2.33 261	0.62 115	11.29 262	1.29 285	0.83 205	3.09 116	0.74 121	4.28 364	2.31 276	2.26 286	2.04 273	1.68 152	1.39 176	11.19 399	1.47 224	0.37 232	0.31 261	0.37 261	0.37 298	0.41 228	0.39 212

MIPNet	2.33 261	0.71 190	19.82 385	0.89 87	0.56 112	4.76 428	0.61 57	4.32 382	2.37 292	1.83 145	1.48 113	1.48 129	1.98 303	2.63 199	1.44 215	0.29 95	0.20 69	0.26 52	0.23 79	0.30 77	0.39 212

DualNet (step1)	2.34 265	1.05 310	7.87 218	1.07 184	0.86 219	3.93 254	1.19 302	4.35 388	2.11 237	2.14 239	1.75 181	1.75 165	1.67 260	6.26 278	1.26 183	1.23 421	0.48 370	4.27 464	2.09 450	0.70 361	0.69 351

test_sample4	2.34 265	0.63 124	11.59 265	1.30 292	0.83 205	3.07 114	0.72 105	4.27 359	2.30 273	2.30 294	1.88 239	1.73 163	1.42 189	11.14 398	1.46 219	0.35 214	0.29 238	0.35 236	0.36 286	0.40 205	0.38 206

test_sample3	2.34 265	0.61 106	11.94 268	1.33 301	0.85 214	3.10 118	0.73 110	4.24 349	2.19 250	2.21 272	1.75 181	1.80 181	1.41 185	11.11 397	1.46 219	0.35 214	0.29 238	0.34 218	0.35 276	0.39 200	0.37 192

STTStereo	2.34 265	0.95 290	14.93 307	1.43 337	1.54 366	3.86 242	0.86 190	3.65 194	2.44 307	2.15 247	1.55 127	2.49 270	1.59 231	5.14 251	1.44 215	0.38 248	0.39 323	0.47 325	0.51 366	0.52 301	0.51 299

CFNet	2.34 265	1.10 322	8.96 232	1.34 308	1.24 316	4.09 292	0.73 110	4.04 289	2.77 352	1.62 108	1.87 238	2.27 238	1.45 199	11.41 406	1.82 282	0.31 151	0.24 178	0.43 307	0.36 286	0.43 256	0.33 151

AIO-Stereo-zeroshot	2.35 270	0.99 298	19.62 379	1.09 197	0.96 247	1.51 32	0.44 19	4.05 293	1.64 142	1.31 72	1.67 158	4.93 418	2.45 340	2.52 191	1.40 206	0.30 132	0.20 69	0.31 149	0.50 363	0.57 322	0.60 329

test_sample6	2.35 270	0.62 115	10.78 257	1.33 301	0.83 205	3.15 120	0.79 153	4.36 393	2.43 303	2.26 286	2.04 273	1.69 157	1.39 176	11.48 410	1.61 252	0.38 248	0.32 269	0.37 261	0.39 317	0.41 228	0.42 241

EAI-Stereo	2.35 270	0.63 124	2.97 148	0.95 123	0.65 152	3.84 234	14.27 464	5.04 439	2.19 250	2.06 222	7.25 427	1.10 75	0.94 80	1.65 114	1.37 204	0.31 151	0.22 124	0.27 72	0.60 386	0.27 33	0.32 139

ac_64	2.35 270	0.62 115	9.77 242	1.32 297	1.71 398	3.27 136	0.93 238	3.48 170	2.50 317	1.74 131	1.73 175	3.91 375	1.77 275	10.21 362	1.86 287	0.40 266	0.31 261	0.33 201	0.30 221	0.34 149	0.39 212

HSM	2.35 270	0.81 248	2.21 97	1.14 221	1.55 370	3.44 155	1.03 266	3.99 276	2.25 261	2.29 290	2.11 290	8.04 442	3.05 369	11.60 413	1.71 268	0.33 183	0.22 124	0.28 94	0.23 79	0.32 115	0.35 174

CFNet_ucs	2.36 275	0.68 167	18.42 357	0.89 87	0.81 196	3.85 240	0.68 89	4.29 367	2.37 292	2.09 226	2.04 273	3.31 339	1.24 154	2.63 199	1.14 152	0.36 225	0.45 352	0.56 370	0.29 205	0.66 353	0.49 285

MyStereo05	2.37 276	0.72 193	19.94 389	1.02 169	0.99 258	4.26 339	0.86 190	4.01 280	2.62 333	2.14 239	1.26 62	2.28 239	1.63 251	2.07 150	1.68 265	0.24 16	0.23 148	0.34 218	0.26 126	0.42 246	0.36 178

hitnet-ft	2.37 276	0.73 204	8.34 224	0.96 129	0.89 232	3.77 218	0.80 161	3.55 183	2.58 330	2.24 280	2.04 273	3.65 367	1.49 212	11.71 425	1.89 290	0.44 302	0.53 377	0.44 311	0.35 276	0.52 301	0.48 281

CoDeX	2.40 278	0.78 237	13.21 276	1.00 155	1.18 297	3.24 130	1.32 319	4.14 321	2.41 300	1.74 131	1.84 227	2.05 222	1.47 204	10.03 358	1.60 249	0.34 195	0.28 228	0.32 167	0.27 151	0.32 115	0.39 212

LMCR-Stereo	2.40 278	1.31 360	18.61 360	1.59 370	0.86 219	3.87 245	1.15 294	4.32 382	1.60 131	2.25 283	2.27 314	1.13 77	2.43 338	2.48 183	1.60 249	0.88 406	0.24 178	0.29 109	0.24 101	0.56 318	0.30 124

Wz-Net-LNSev-Ref	2.42 280	1.47 377	14.14 294	1.30 292	1.35 336	3.51 173	1.64 361	4.04 289	2.10 235	2.46 330	1.88 239	2.28 239	2.51 344	4.73 246	3.17 371	0.38 248	0.19 44	0.35 236	0.20 34	0.40 205	0.36 178

PSM-AAD	2.43 281	0.54 41	1.32 19	0.92 103	0.54 105	4.48 371	7.47 453	2.96 122	1.55 102	2.31 300	2.56 356	1.26 99	16.23 461	2.46 181	0.89 96	0.28 76	0.21 98	0.58 373	0.41 334	0.34 149	1.32 412

AASNet	2.44 282	0.92 279	19.79 384	1.35 312	1.49 360	3.81 227	1.07 275	3.85 234	2.93 376	1.95 179	2.29 320	1.96 207	1.29 161	1.73 123	1.93 294	0.39 260	0.33 276	0.45 317	0.30 221	0.55 312	0.45 262

GMM-Stereo	2.45 283	0.52 24	20.38 412	0.89 87	0.82 204	4.18 324	1.91 380	2.45 67	1.48 56	2.48 333	2.30 324	1.69 157	1.86 293	2.93 211	1.08 142	0.28 76	0.18 27	0.33 201	0.48 356	0.35 166	2.41 439

DMCA-RVC	2.45 283	1.22 347	18.29 352	1.23 265	1.14 289	2.49 80	0.85 188	3.29 154	1.68 151	3.02 386	1.41 96	2.00 214	1.53 225	6.39 280	2.00 304	0.38 248	0.30 251	0.44 311	0.35 276	0.45 271	0.44 256

MyStereo06	2.46 285	0.72 193	19.97 391	1.02 169	0.99 258	4.26 339	0.86 190	3.51 178	1.68 151	1.92 170	1.73 175	4.01 381	4.22 403	1.62 107	0.88 93	0.24 16	0.23 148	0.34 218	0.26 126	0.42 246	0.36 178

SACVNet	2.46 285	1.14 330	9.47 240	1.44 339	1.18 297	4.06 285	1.49 346	3.84 231	2.24 259	2.62 354	1.89 245	2.57 275	1.28 158	11.35 404	1.64 260	0.50 341	0.39 323	0.48 333	0.41 334	0.55 312	0.75 367

RAFT-345	2.46 285	0.55 46	19.69 382	1.02 169	0.49 83	4.43 367	0.78 147	1.64 17	2.34 281	2.09 226	3.12 391	1.96 207	1.31 165	6.65 286	1.43 213	0.36 225	0.23 148	0.32 167	0.25 110	0.28 48	0.25 41

GwcNet-ADL	2.47 288	0.67 160	21.48 448	0.96 129	0.72 174	4.61 400	0.95 247	4.42 403	2.36 286	1.98 186	1.80 203	2.55 274	1.24 154	1.90 139	1.41 210	0.40 266	0.46 360	0.24 24	0.27 151	0.41 228	0.49 285

PFNet	2.47 288	0.60 92	16.95 332	2.15 420	0.81 196	4.63 403	0.91 225	2.55 83	1.52 83	2.40 324	2.79 373	1.83 189	1.42 189	7.54 304	1.34 202	0.33 183	0.21 98	0.36 249	0.27 151	0.32 115	0.39 212

IPLG	2.48 290	0.65 141	19.63 380	0.91 97	0.79 191	4.60 399	0.56 41	4.31 378	1.84 186	1.91 168	2.00 267	1.31 106	1.38 173	6.61 284	1.53 240	0.27 47	0.20 69	0.27 72	0.23 79	0.31 92	0.36 178

HHNet	2.48 290	0.71 190	20.52 418	0.64 5	0.64 145	4.07 290	0.93 238	3.76 217	1.56 108	2.15 247	4.92 420	0.98 63	3.37 382	1.66 115	1.79 280	0.32 169	0.20 69	0.31 149	0.27 151	0.36 178	0.42 241

CRFU-Net	2.49 292	0.78 237	10.36 251	2.30 427	1.08 280	3.91 249	1.41 336	3.85 234	1.65 146	2.15 247	1.76 189	3.34 341	7.95 447	5.56 261	1.48 227	0.47 325	0.35 291	0.30 128	0.28 178	0.37 186	0.43 250

FADNet	2.49 292	1.76 395	13.17 275	1.17 240	0.95 246	3.27 136	0.88 211	3.94 262	2.27 266	1.40 82	1.29 71	2.51 271	2.06 308	9.93 353	1.94 296	0.43 295	0.45 352	0.40 286	0.43 341	1.06 401	0.53 306

RAFT + AFF	2.51 294	2.66 421	4.48 190	1.15 234	1.95 417	4.15 307	2.01 386	4.46 411	3.30 412	2.19 262	2.51 350	2.22 236	4.87 414	8.91 326	2.06 311	0.30 132	0.60 394	0.48 333	0.38 311	0.77 376	0.69 351

UNet	2.51 294	0.74 212	20.17 400	1.14 221	1.44 354	3.48 165	0.76 133	3.77 219	1.87 189	2.05 217	1.57 132	2.75 293	2.39 335	3.51 220	2.51 347	0.32 169	0.26 209	0.41 296	0.26 126	0.38 190	0.39 212

FADNet-RVC	2.51 294	2.27 411	14.03 292	1.09 197	0.81 196	3.54 181	1.10 284	4.13 315	2.48 312	1.39 81	1.22 52	1.85 194	1.77 275	9.78 346	2.06 311	0.38 248	0.37 308	0.40 286	0.40 328	0.67 355	0.48 281

iResNet	2.52 297	0.94 289	21.17 440	1.84 401	0.72 174	3.75 215	0.81 168	4.14 321	2.55 328	2.33 310	2.03 270	1.35 112	1.44 195	3.27 216	2.16 324	0.35 214	0.23 148	0.28 94	0.22 69	0.44 263	0.45 262

IPLGR	2.53 298	0.58 76	20.46 417	0.82 45	0.52 96	4.56 394	0.50 26	4.30 375	2.38 295	1.87 154	1.53 122	1.68 152	1.72 270	6.95 295	1.15 153	0.28 76	0.21 98	0.27 72	0.23 79	0.33 131	0.32 139

NCCL2	2.53 298	1.35 366	10.90 259	1.15 234	0.97 251	3.53 177	2.56 407	3.65 194	2.23 256	2.76 368	1.80 203	2.41 257	1.66 258	10.35 365	2.07 314	0.44 302	0.40 328	0.57 372	0.53 373	0.59 326	0.65 344

fast-acv-ft	2.54 300	1.19 338	20.08 397	1.41 333	1.40 345	3.18 122	1.17 298	3.37 165	2.28 269	1.90 163	2.15 297	2.69 285	2.17 322	2.91 209	2.31 333	0.37 232	0.39 323	0.45 317	0.39 317	0.57 322	0.45 262

XX-Stereo	2.54 300	0.61 106	20.21 401	1.78 392	1.19 303	4.30 348	0.46 21	4.39 399	1.58 116	2.32 304	1.89 245	4.64 413	0.60 10	4.16 238	0.82 71	0.31 151	0.21 98	0.28 94	0.27 151	0.51 298	0.26 59

NLCA_NET_v2_RVC	2.54 300	1.04 309	16.73 328	1.53 358	2.00 419	3.96 269	0.87 207	3.87 239	2.31 276	2.54 339	1.67 158	2.85 304	1.63 251	5.55 260	1.62 255	0.46 316	0.33 276	0.38 277	0.38 311	0.53 307	0.62 335
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NVstereo2D	2.54 300	0.90 274	11.10 260	1.32 297	1.47 358	3.58 188	1.38 330	4.13 315	2.45 308	1.90 163	1.71 170	2.86 305	1.76 274	10.86 382	1.66 263	0.60 367	0.43 342	0.53 360	0.41 334	0.78 378	0.94 391

CVANet_RVC	2.55 304	1.10 322	9.13 238	1.46 345	1.15 291	3.96 269	1.53 349	3.91 253	2.50 317	3.04 387	2.04 273	2.60 278	1.72 270	12.46 443	1.50 231	0.49 339	0.30 251	0.51 352	0.41 334	0.63 338	0.50 292

GCST	2.56 305	1.79 397	18.02 349	1.92 407	1.33 333	1.72 41	0.51 30	3.67 198	2.03 212	1.70 123	1.61 145	1.55 137	1.29 161	5.06 249	1.24 177	2.06 436	0.77 415	1.45 432	0.97 418	1.14 411	1.34 413

ARAFT	2.56 305	1.13 327	19.50 377	0.89 87	0.48 79	4.15 307	1.40 333	4.36 393	2.82 367	2.36 316	1.88 239	1.70 159	1.04 100	6.45 281	1.22 172	0.29 95	0.18 27	0.37 261	0.35 276	0.35 166	0.25 41

RASNet	2.56 305	0.70 179	10.06 247	1.60 372	2.25 430	3.67 204	1.00 259	3.38 166	3.14 395	1.81 142	2.11 290	4.60 410	2.30 328	10.25 364	2.61 354	0.37 232	0.24 178	0.25 38	0.24 101	0.28 48	0.26 59

cf-r	2.57 308	0.79 240	16.09 319	1.48 350	1.35 336	4.19 328	0.93 238	3.68 200	2.36 286	1.97 184	1.81 215	3.42 346	1.45 199	8.24 314	1.83 284	0.32 169	0.26 209	0.33 201	0.30 221	0.34 149	0.37 192

UGAM	2.58 309	0.56 55	18.55 359	0.89 87	0.71 173	3.23 126	1.03 266	2.75 106	1.75 173	1.36 77	2.77 372	2.69 285	1.28 158	10.75 377	1.40 206	0.28 76	0.24 178	0.40 286	0.31 237	0.35 166	0.30 124

GrayStereo	2.58 309	0.53 35	1.63 42	1.58 369	0.89 232	4.17 321	8.17 457	3.03 128	1.52 83	2.80 372	2.50 348	1.70 159	17.10 462	2.83 208	1.15 153	0.33 183	0.21 98	0.27 72	0.32 247	0.28 48	0.53 306

ASMatch	2.62 311	0.60 92	20.65 424	1.37 326	0.64 145	4.39 357	0.78 147	1.97 34	1.58 116	1.70 123	3.89 411	1.94 200	3.79 394	5.46 257	1.64 260	0.31 151	0.24 178	0.34 218	0.28 178	0.33 131	0.50 292

RAFT-RH_RVC	2.63 312	0.55 46	19.97 391	1.26 275	0.47 73	4.46 369	0.57 42	1.71 19	1.64 142	3.06 390	5.51 423	2.03 218	1.28 158	6.70 288	1.52 239	0.42 290	0.22 124	0.37 261	0.34 262	0.28 48	0.29 98

DANet	2.63 312	1.07 316	8.10 223	1.83 400	1.70 397	3.25 133	1.16 295	4.31 378	2.38 295	3.40 406	2.18 301	4.08 385	1.80 283	9.77 344	3.89 380	0.52 353	0.55 381	0.59 376	0.44 343	0.63 338	0.86 383
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
FADNet_RVC	2.65 314	2.28 413	16.51 325	0.98 141	0.92 237	4.09 292	0.83 176	4.26 358	1.73 166	1.46 88	1.78 197	1.60 143	1.50 213	8.88 324	2.39 337	0.47 325	0.38 314	0.44 311	0.58 382	0.89 388	0.97 392

iResNetv2_ROB	2.65 314	5.00 436	19.28 373	2.06 417	1.09 283	3.83 229	1.13 291	4.14 321	2.09 227	1.85 147	2.03 270	2.01 217	1.51 216	3.58 221	1.58 245	0.34 195	0.21 98	0.32 167	0.21 44	0.44 263	0.29 98

ccnet	2.66 316	0.97 297	8.01 222	1.54 360	1.24 316	3.75 215	2.18 395	4.07 299	2.41 300	2.66 361	3.25 396	2.87 306	2.31 331	9.89 350	3.50 374	0.78 395	0.75 414	0.71 400	0.67 393	0.76 375	0.81 377

GwcNet-RSSM	2.66 316	1.05 310	15.91 317	1.22 261	1.19 303	4.12 300	1.12 288	3.84 231	2.02 210	1.93 174	1.79 200	3.12 325	1.46 202	10.37 366	2.05 310	0.33 183	0.27 219	0.35 236	0.30 221	0.40 205	0.36 178

xxxx	2.67 318	0.54 41	2.03 75	1.22 261	0.81 196	3.49 167	0.63 70	4.49 416	2.49 316	2.22 274	2.23 309	2.05 222	1.38 173	10.05 359	17.91 454	0.32 169	0.32 269	0.30 128	0.27 151	0.33 131	0.34 162

test_xeample	2.67 318	0.56 55	2.05 78	1.09 197	0.81 196	3.24 130	0.80 161	4.55 423	2.70 344	2.42 326	2.27 314	1.39 117	1.40 180	10.75 377	17.51 453	0.30 132	0.30 251	0.32 167	0.28 178	0.34 149	0.33 151

PASM	2.67 318	2.05 408	9.71 241	1.73 388	1.37 339	2.53 83	1.52 347	3.10 134	2.17 247	2.79 371	1.84 227	2.90 307	1.85 292	11.89 432	2.19 325	0.81 400	0.85 418	0.87 415	1.01 420	1.14 411	1.05 397

AIO-Stereo-zeroshot1	2.68 321	1.26 354	22.01 457	1.08 191	0.99 258	1.61 37	0.86 190	3.69 205	1.64 142	1.52 93	5.62 425	3.35 342	3.44 388	2.20 168	1.33 199	0.26 37	0.21 98	0.30 128	0.62 390	0.93 392	0.67 346

222	2.68 321	0.57 63	2.03 75	1.11 210	0.81 196	3.23 126	0.65 82	4.52 421	2.45 308	2.34 311	2.29 320	1.41 122	1.44 195	10.50 369	18.47 458	0.32 169	0.30 251	0.32 167	0.27 151	0.32 115	0.34 162

PWC_ROB	2.69 323	2.01 405	8.36 225	1.33 301	1.90 415	3.23 126	1.18 299	4.33 384	3.25 407	3.11 392	3.41 401	2.71 288	2.18 324	9.15 332	4.48 384	0.56 361	0.31 261	0.61 384	0.36 286	0.69 360	0.74 364

pcwnet_v2	2.70 324	0.65 141	22.48 459	1.08 191	1.03 268	3.56 184	0.81 168	4.29 367	3.14 395	2.29 290	2.29 320	3.01 316	1.71 268	3.32 217	1.43 213	0.43 295	0.50 375	0.41 296	0.34 262	0.61 335	0.56 316

Wz-Net-MNSev	2.71 325	2.54 419	13.91 291	1.52 356	1.37 339	3.28 139	2.47 402	4.03 285	2.32 279	2.57 344	2.07 284	2.29 244	3.01 365	7.55 305	2.74 359	0.38 248	0.36 295	0.36 249	0.37 298	0.57 322	0.47 277

ttt	2.76 326	0.56 55	2.28 108	1.41 333	1.21 313	3.67 204	0.77 144	4.59 426	2.94 377	2.35 312	2.30 324	2.45 264	1.54 226	11.25 402	15.56 441	0.43 295	0.36 295	0.37 261	0.33 255	0.40 205	0.40 232

UGAM-zero	2.79 327	0.57 63	20.87 429	0.98 141	0.77 189	2.08 64	0.35 7	3.88 242	1.51 75	2.05 217	1.64 151	5.07 424	3.42 387	9.83 347	1.24 177	0.28 76	0.21 98	0.27 72	0.29 205	0.29 58	0.28 88

RP	2.79 327	1.20 340	10.36 251	1.54 360	1.93 416	3.44 155	1.97 383	4.05 293	2.34 281	2.66 361	2.79 373	3.98 379	2.58 348	10.21 362	2.61 354	0.95 409	0.47 364	0.71 400	0.57 381	0.71 368	0.68 349

SHD	2.82 329	2.04 407	13.80 288	1.69 382	1.79 407	2.73 90	1.07 275	3.85 234	3.18 399	4.63 431	2.74 368	3.38 345	2.77 354	5.48 259	3.66 377	0.62 371	0.47 364	0.51 352	0.55 376	0.65 348	0.74 364

FADNet-RVC-Resample	2.83 330	2.02 406	21.07 435	1.12 213	0.91 236	3.53 177	1.37 328	4.08 303	2.09 227	1.68 120	1.33 76	2.03 218	1.51 216	9.54 340	1.69 266	0.38 248	0.37 308	0.42 303	0.44 343	0.56 318	0.56 316

StereoDRNet	2.84 331	1.49 379	14.48 300	1.33 301	1.57 377	3.44 155	2.06 388	3.69 205	2.36 286	3.26 400	1.84 227	2.79 302	1.80 283	10.88 383	3.16 370	0.41 280	0.33 276	0.39 280	0.36 286	0.59 326	0.58 324

AAGNet	2.86 332	0.60 92	1.77 53	2.05 416	0.46 63	4.76 428	1.09 282	2.27 55	1.56 108	2.17 256	1.84 227	2.41 257	4.00 398	6.23 277	24.22 469	0.46 316	0.19 44	0.30 128	0.29 205	0.32 115	0.24 34

Consistency-Raft	2.86 332	1.66 389	19.61 378	1.40 332	1.75 402	3.84 234	1.32 319	4.07 299	2.25 261	1.78 137	2.67 364	1.82 186	4.41 407	1.94 143	2.06 311	0.83 403	0.94 421	1.03 420	1.12 425	1.70 430	1.09 400

PDISCO_ROB	2.86 332	1.53 381	14.27 297	1.98 413	2.19 427	4.52 385	1.35 322	4.65 429	3.19 400	2.09 226	2.16 298	3.53 359	2.45 340	5.32 253	2.12 318	1.30 429	0.78 416	0.72 404	0.59 384	1.24 420	1.28 408

AF-Net	2.87 335	1.30 358	16.24 320	1.33 301	1.75 402	3.26 134	1.59 356	4.09 305	2.43 303	2.69 363	2.94 381	4.51 405	3.20 376	5.84 267	2.75 360	0.76 394	0.36 295	0.72 404	0.49 359	0.70 361	0.56 316

HSM-Net_RVC	2.87 335	0.57 63	17.46 342	0.92 103	0.90 235	3.70 207	1.20 306	5.64 451	2.51 320	3.22 399	2.43 342	2.54 273	1.59 231	11.41 406	1.65 262	0.34 195	0.25 197	0.26 52	0.23 79	0.30 77	0.29 98
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
Nwc_Net	2.88 337	1.16 334	18.30 353	1.35 312	1.68 395	3.52 176	1.18 299	3.90 249	2.06 221	2.52 338	2.82 378	3.82 372	2.34 332	6.78 292	2.55 352	0.86 405	0.40 328	0.59 376	0.67 393	0.57 322	0.55 314

DDUNet	2.91 338	2.78 422	6.94 213	3.53 447	2.26 431	3.28 139	1.36 324	3.77 219	2.04 216	2.62 354	2.49 347	4.18 391	1.69 265	5.38 255	1.85 286	2.21 438	1.77 440	2.61 445	2.43 456	2.60 436	2.34 438

MFMNet_re	2.91 338	1.91 400	18.25 351	3.06 441	1.89 414	3.13 119	1.67 366	3.52 179	2.97 379	3.14 394	2.87 380	2.26 237	2.41 336	2.42 178	2.00 304	1.10 415	1.05 423	0.94 417	0.90 414	1.28 421	1.46 420

ACV-stereo	2.92 340	0.92 279	20.27 407	1.33 301	1.05 273	4.68 410	1.10 284	2.66 97	1.64 142	1.46 88	1.32 75	5.41 430	4.24 404	7.83 310	1.90 292	0.44 302	0.52 376	0.32 167	0.29 205	0.45 271	0.63 339

GANet	2.93 341	1.05 310	11.29 262	1.64 377	0.96 247	3.91 249	2.52 405	3.72 212	2.41 300	2.95 384	3.00 384	3.21 329	2.03 304	12.42 441	4.72 388	0.51 347	0.41 335	0.46 322	0.39 317	0.60 330	0.50 292

RTSC	2.95 342	2.51 415	15.49 316	1.54 360	1.30 324	3.51 173	0.86 190	3.89 244	2.48 312	3.64 409	3.12 391	3.04 318	2.30 328	5.70 265	6.67 399	0.55 359	0.35 291	0.37 261	0.39 317	0.70 361	0.60 329

PWCDC_ROB	2.95 342	3.26 425	14.06 293	1.59 370	1.56 373	4.19 328	0.86 190	4.30 375	4.08 432	2.06 222	7.37 428	2.75 293	2.42 337	3.59 222	2.67 357	1.34 431	0.36 295	0.39 280	0.34 262	1.13 410	0.62 335

PSMNet_ROB	2.95 342	1.38 369	18.46 358	1.19 248	1.20 308	3.80 225	1.65 364	3.54 182	2.35 283	1.98 186	1.71 170	2.75 293	1.79 278	11.43 408	2.78 361	0.42 290	0.36 295	0.50 349	0.60 386	0.59 326	0.49 285

ff1	2.96 345	0.60 92	5.21 199	1.14 221	0.99 258	3.62 196	0.86 190	4.22 337	3.37 414	2.20 264	2.30 324	3.48 349	1.62 239	11.62 415	16.09 443	0.29 95	0.16 5	0.48 333	0.37 298	0.30 77	0.29 98

FINET	2.96 345	1.07 316	23.18 464	1.29 285	1.86 412	2.03 57	1.52 347	4.30 375	4.71 437	2.23 278	2.34 338	1.65 148	1.48 206	5.89 268	2.81 363	0.51 347	0.47 364	0.49 346	0.40 328	0.59 326	0.49 285

XQC	2.96 345	2.42 414	14.85 302	1.36 318	1.32 330	3.29 143	1.53 349	4.28 364	2.78 353	3.21 398	2.46 343	3.53 359	2.92 361	6.58 283	4.67 386	0.70 390	0.41 335	0.59 376	0.56 378	0.96 397	0.83 382

SGM-Forest	2.96 345	0.62 115	3.49 167	1.09 197	0.80 193	4.06 285	3.30 428	4.37 396	3.09 391	4.18 426	3.27 398	4.67 415	3.86 396	11.69 424	7.91 412	0.51 347	0.46 360	0.49 346	0.39 317	0.48 289	0.49 285
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
DEmStereo	2.97 349	0.58 76	13.42 279	0.79 36	0.51 87	3.84 234	1.84 378	2.42 63	1.60 131	2.25 283	2.74 368	2.03 218	6.04 427	6.79 294	12.80 434	0.35 214	0.26 209	0.26 52	0.27 151	0.27 33	0.37 192

RYNet	2.97 349	0.93 283	15.09 310	1.12 213	1.38 342	3.66 203	1.42 338	4.03 285	2.29 272	2.10 229	1.70 166	3.79 370	2.16 320	13.64 456	3.02 368	0.37 232	0.41 335	0.48 333	0.34 262	0.81 382	0.75 367

mmx	2.98 351	0.60 92	5.21 199	1.14 221	0.99 258	3.62 196	0.86 190	4.49 416	3.05 388	2.20 264	2.30 324	3.48 349	1.62 239	11.62 415	16.09 443	0.33 183	0.28 228	0.48 333	0.37 298	0.44 263	0.37 192

xxx	2.98 351	0.60 92	5.21 199	1.14 221	0.99 258	3.62 196	0.86 190	4.49 416	3.05 388	2.20 264	2.30 324	3.48 349	1.62 239	11.62 415	16.09 443	0.33 183	0.28 228	0.48 333	0.37 298	0.44 263	0.37 192

Wz-Net-SNSev	2.98 351	4.36 433	15.98 318	1.57 368	1.19 303	3.28 139	1.80 373	3.96 269	2.40 298	2.32 304	2.28 317	3.48 349	2.05 307	7.84 311	3.82 379	0.47 325	0.39 323	0.53 360	0.49 359	0.71 368	0.60 329

DispNO	3.00 354	0.75 224	18.92 364	1.17 240	1.10 285	3.72 210	0.94 243	4.29 367	2.54 326	2.24 280	2.28 317	4.51 405	2.12 313	11.40 405	2.09 316	0.31 151	0.28 228	0.31 149	0.28 178	0.36 178	0.39 212

GwcNet	3.00 354	1.63 385	19.83 386	1.32 297	2.04 424	3.27 136	1.55 353	3.65 194	2.33 280	2.00 203	2.12 293	3.56 363	1.68 264	9.47 338	2.45 342	0.44 302	0.45 352	0.46 322	0.38 311	0.60 330	0.76 369

LL-Strereo	3.01 356	1.81 398	17.59 345	1.12 213	2.10 425	2.90 96	1.09 282	4.33 384	2.00 209	3.12 393	2.24 310	3.29 336	3.15 372	11.31 403	1.84 285	0.30 132	0.28 228	0.46 322	0.34 262	0.49 295	0.45 262

Anonymous_2	3.01 356	0.89 272	4.53 191	1.06 183	1.18 297	2.93 101	0.87 207	3.24 150	1.46 46	1.86 152	1.35 84	4.11 387	2.35 333	1.64 112	1.28 189	0.82 401	0.90 420	8.71 473	15.84 476	4.44 455	0.74 364

STrans-v2	3.03 358	0.77 231	20.91 431	0.81 37	0.63 143	3.89 247	1.01 261	4.27 359	2.64 337	2.28 288	3.70 407	4.13 388	5.20 417	7.33 299	1.27 186	0.31 151	0.18 27	0.29 109	0.25 110	0.29 58	0.41 238

TransformOpticalFlow	3.03 358	0.77 231	20.99 434	1.00 155	0.55 108	4.18 324	0.64 73	4.33 384	3.02 386	2.18 258	3.09 390	4.35 399	5.07 415	7.36 302	1.27 186	0.32 169	0.18 27	0.32 167	0.26 126	0.28 48	0.46 272

AANet_RVC	3.03 358	1.72 392	12.78 273	1.17 240	1.12 287	3.79 223	1.10 284	3.86 237	3.13 393	2.62 354	4.26 414	3.96 378	1.41 185	11.43 408	5.23 395	0.94 408	0.47 364	0.34 218	0.23 79	0.40 205	0.55 314

DRN-Test	3.03 358	0.99 298	18.18 350	1.35 312	1.60 379	3.59 189	1.48 342	4.13 315	2.45 308	3.47 408	1.92 253	2.58 277	2.53 345	10.88 383	2.80 362	0.39 260	0.36 295	0.44 311	0.41 334	0.55 312	0.57 320

Syn2CoEx	3.08 362	2.55 420	19.88 387	1.34 308	1.18 297	2.43 79	1.65 364	3.91 253	2.40 298	2.39 322	2.27 314	2.90 307	3.17 375	9.57 342	2.54 351	0.50 341	0.45 352	0.53 360	0.39 317	0.74 372	0.72 362

stereogan	3.09 363	0.93 283	16.43 323	1.37 326	1.66 393	3.70 207	1.67 366	3.87 239	3.15 397	3.04 387	2.70 367	5.04 423	2.79 355	9.96 354	1.78 279	0.63 372	0.49 374	0.69 397	0.47 352	0.83 385	0.68 349

PA-Net	3.09 363	1.24 352	18.84 362	1.38 328	1.19 303	3.42 153	1.75 369	3.89 244	3.27 411	1.88 157	2.10 286	3.03 317	1.88 297	11.60 413	2.88 364	0.40 266	0.54 379	0.44 311	0.62 390	0.52 301	1.02 395
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
RGC	3.10 365	1.45 376	14.90 305	1.46 345	1.79 407	3.33 145	1.39 331	4.04 289	2.26 264	2.77 369	3.26 397	4.00 380	2.71 353	11.63 420	2.62 356	0.82 401	0.46 360	0.79 409	0.79 409	0.71 368	0.78 373

PVD	3.12 366	1.97 404	12.80 274	1.79 397	1.63 384	3.83 229	1.34 321	3.48 170	3.88 427	5.77 438	3.56 405	3.45 348	3.29 379	5.58 263	5.30 396	0.71 392	0.69 409	0.74 407	0.77 405	0.79 380	1.13 403

1111x	3.13 367	0.57 63	8.38 226	1.20 252	0.76 184	3.80 225	0.88 211	4.61 428	2.63 335	2.31 300	2.16 298	1.95 202	1.81 286	11.54 411	18.13 456	0.32 169	0.31 261	0.32 167	0.30 221	0.35 166	0.34 162

APVNet	3.13 367	1.25 353	21.14 437	1.31 295	1.52 364	3.94 259	1.13 291	3.32 160	2.14 242	2.20 264	2.03 270	3.05 321	1.96 302	11.79 428	2.53 349	0.42 290	0.45 352	0.64 391	0.46 349	0.67 355	0.57 320

MaskLacGwcNet_RVC	3.13 367	1.43 374	9.93 245	2.50 431	1.62 382	4.29 346	1.68 368	3.95 264	2.43 303	1.66 117	1.91 251	3.04 318	1.41 185	13.26 449	1.58 245	3.82 455	1.59 436	1.12 426	0.46 349	2.21 434	2.74 448

ADLNet2	3.15 370	0.92 279	20.06 394	1.20 252	1.79 407	3.83 229	1.48 342	3.94 262	3.59 420	2.19 262	2.47 345	4.65 414	1.93 301	10.69 376	1.96 301	0.39 260	0.37 308	0.28 94	0.30 221	0.48 289	0.43 250

NCC-stereo	3.16 371	1.28 356	18.31 354	1.25 269	1.75 402	4.06 285	1.40 333	3.89 244	2.22 254	2.72 365	2.55 354	3.49 355	2.65 351	9.91 351	2.99 366	1.29 427	0.65 401	0.64 391	0.86 412	0.65 348	0.71 356

Abc-Net	3.16 371	1.28 356	18.31 354	1.25 269	1.75 402	4.06 285	1.40 333	3.89 244	2.22 254	2.72 365	2.55 354	3.49 355	2.65 351	9.91 351	2.99 366	1.29 427	0.65 401	0.64 391	0.86 412	0.65 348	0.71 356
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
GANetREF_RVC	3.20 373	1.93 401	18.84 362	1.51 355	0.80 193	4.12 300	1.82 375	4.16 325	2.91 373	1.87 154	1.74 177	2.48 268	1.84 290	13.18 448	1.74 274	0.80 398	0.57 384	0.79 409	0.74 401	1.20 419	0.86 383
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
GASNet	3.24 374	5.55 440	20.58 422	1.56 367	1.25 319	2.32 74	1.12 288	4.04 289	2.67 341	1.88 157	2.10 286	3.00 315	2.16 320	10.59 371	2.43 340	0.65 378	0.37 308	0.61 384	0.45 347	0.87 387	0.58 324

FBW_ROB	3.24 374	1.02 303	9.21 239	1.49 353	1.07 278	3.78 220	1.48 342	4.31 378	3.08 390	2.46 330	2.32 336	4.20 394	2.08 311	15.19 462	7.16 408	0.84 404	0.62 397	1.33 430	0.92 415	0.99 398	1.31 410

HBP-ISP	3.25 376	1.10 322	20.86 428	1.54 360	1.15 291	4.50 380	2.89 417	4.43 406	2.38 295	4.14 422	1.96 256	1.90 197	2.04 306	11.08 396	1.32 195	0.66 380	0.57 384	0.66 394	0.61 389	0.64 345	0.61 332

aanetorigin	3.30 377	1.66 389	17.52 344	1.18 246	1.58 378	2.57 85	3.80 442	2.65 95	2.03 212	6.12 443	4.30 415	2.82 303	5.70 423	5.47 258	4.67 386	0.50 341	0.44 347	0.43 307	0.47 352	1.17 416	0.92 389

ADCRef	3.30 377	1.23 351	14.90 305	1.17 240	1.41 352	3.95 264	1.64 361	3.88 242	2.36 286	3.05 389	2.21 307	2.40 255	2.81 357	5.04 248	16.63 448	0.46 316	0.34 287	0.63 388	0.62 390	0.54 310	0.67 346

CBMV	3.32 379	0.96 296	21.16 439	1.32 297	0.83 205	3.81 227	3.91 445	4.47 412	2.53 322	3.34 403	2.24 310	4.45 402	2.58 348	10.07 360	1.96 301	0.45 311	0.43 342	0.48 333	0.38 311	0.52 301	0.53 306
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
FAT-Stereo	3.34 380	0.81 248	20.05 393	1.25 269	1.20 308	3.44 155	1.99 385	4.23 341	2.67 341	3.14 394	3.82 410	3.51 357	3.32 381	11.68 423	1.94 296	0.64 375	0.67 405	0.48 333	0.52 369	0.61 335	0.81 377

CC-Net-ROB	3.35 381	1.76 395	13.89 290	2.33 429	1.65 390	4.49 377	1.62 358	4.73 433	2.90 372	1.92 170	2.05 279	1.99 213	1.61 236	12.57 446	1.60 249	2.46 439	2.18 445	2.68 447	1.04 423	2.11 433	1.38 416

edge stereo	3.37 382	1.01 302	21.99 456	1.28 282	1.37 339	2.67 89	1.39 331	3.98 272	2.87 370	2.93 379	3.27 398	4.35 399	2.43 338	11.62 415	2.39 337	0.60 367	0.63 399	0.79 409	0.55 376	0.68 358	0.67 346

DPSNet	3.43 383	1.37 368	12.19 269	1.39 330	1.24 316	4.15 307	2.06 388	4.51 420	3.34 413	2.69 363	1.96 256	3.52 358	5.56 422	10.68 375	9.68 420	0.93 407	0.73 412	0.40 286	0.37 298	1.06 401	0.86 383

S-Stereo	3.48 384	0.91 277	22.06 458	1.36 318	1.50 362	3.55 182	2.53 406	4.21 334	2.81 365	2.37 317	3.81 409	3.75 368	1.84 290	11.90 433	2.51 347	0.63 372	0.71 410	0.48 333	0.76 403	0.67 355	1.19 406

STTRV1_RVC	3.52 385	1.03 308	20.87 429	1.47 348	1.47 358	3.23 126	1.55 353	4.06 297	3.22 405	1.95 179	3.50 404	2.63 282	2.07 310	11.96 435	2.21 327	1.86 434	4.03 467	0.81 412	0.73 400	1.06 401	0.70 355

UDG	3.55 386	2.81 423	17.45 341	2.69 434	1.98 418	3.97 272	1.19 302	4.35 388	2.02 210	2.42 326	2.53 353	4.50 404	2.46 342	6.53 282	2.41 339	2.12 437	1.77 440	2.63 446	2.57 458	2.64 437	1.95 430

SAMSARA	3.55 386	2.16 410	14.18 295	1.86 404	1.49 360	4.62 401	2.65 410	3.58 187	2.80 359	7.05 447	3.05 387	5.16 428	4.07 400	9.18 333	4.80 390	0.64 375	0.67 405	0.59 376	0.68 396	0.89 388	0.91 388

WZ-Net	3.62 388	4.87 435	16.77 330	1.43 337	1.40 345	3.75 215	2.29 398	4.12 314	2.50 317	2.74 367	2.19 303	4.06 384	5.29 419	10.19 361	7.36 409	0.54 357	0.37 308	0.47 325	0.49 359	0.77 376	0.73 363

CBMV_ROB	3.62 388	0.70 179	21.42 447	1.21 258	0.89 232	4.43 367	1.76 370	4.39 399	2.79 355	5.88 440	3.38 400	4.18 391	5.12 416	10.75 377	2.32 334	0.56 361	0.55 381	0.53 360	0.51 366	0.55 312	0.46 272

Wz-Net-TNSev	3.67 390	8.83 450	13.47 280	1.48 350	1.18 297	3.60 191	2.49 404	4.27 359	3.13 393	2.18 258	1.89 245	4.21 395	2.80 356	12.10 436	7.58 411	0.57 363	0.55 381	0.47 325	0.54 375	0.91 391	1.05 397

SQANet	3.70 391	9.34 458	18.41 356	2.75 435	2.74 436	3.40 152	1.47 341	3.50 175	1.68 151	2.60 351	1.75 181	2.69 285	1.91 299	6.72 291	1.74 274	2.96 442	1.41 434	1.85 435	1.12 425	3.17 439	2.70 447

DeepPrunerF	3.70 391	1.72 392	14.87 303	1.33 301	1.74 401	3.70 207	1.55 353	4.20 329	14.00 461	2.02 209	1.77 194	2.74 291	2.30 328	10.88 383	6.88 405	0.68 386	0.60 394	0.78 408	0.78 408	0.81 382	0.71 356

FTStereo	3.71 393	0.53 35	20.37 411	0.96 129	0.65 152	4.34 351	11.29 460	2.62 93	1.50 69	2.58 347	5.04 421	1.90 197	13.84 459	3.71 226	1.25 180	0.38 248	0.24 178	0.31 149	0.32 247	0.30 77	2.10 433

ADCP+	3.74 394	1.96 403	16.90 331	1.09 197	1.55 370	4.35 352	3.65 440	3.93 259	2.98 382	2.22 274	1.66 157	3.95 376	4.83 413	3.41 218	18.87 461	0.38 248	0.41 335	0.63 388	0.53 373	0.64 345	0.81 377

test_sample9	3.79 395	1.05 310	7.87 218	1.07 184	0.86 219	3.93 254	1.19 302	4.35 388	2.11 237	2.14 239	1.75 181	1.75 165	1.67 260	11.06 393	11.61 429	1.23 421	14.45 477	4.27 464	2.09 450	0.70 361	0.69 351

MFN_U_SF_RVC	3.81 396	10.78 463	15.01 308	1.84 401	1.39 343	3.73 213	1.63 359	4.05 293	3.26 408	2.91 377	2.38 340	4.36 401	3.65 392	8.43 317	4.91 392	1.11 417	1.04 422	0.99 419	1.31 432	1.58 427	1.75 427

ADCPNet	3.89 397	1.63 385	20.25 406	1.28 282	1.27 322	6.43 446	2.65 410	3.93 259	2.70 344	2.78 370	2.20 305	4.28 397	6.16 431	5.56 261	10.27 423	0.65 378	1.18 427	0.71 400	1.70 439	0.84 386	1.37 414

RTS	3.90 398	7.04 444	17.94 347	1.92 407	2.19 427	5.00 434	2.96 419	4.29 367	3.19 400	4.05 419	3.08 388	4.94 419	3.16 373	7.64 306	6.72 400	0.66 380	0.44 347	0.51 352	0.47 352	0.95 393	0.76 369

RTSA	3.90 398	7.04 444	17.94 347	1.92 407	2.19 427	5.00 434	2.96 419	4.29 367	3.19 400	4.05 419	3.08 388	4.94 419	3.16 373	7.64 306	6.72 400	0.66 380	0.44 347	0.51 352	0.47 352	0.95 393	0.76 369

MFN_U_SF_DS_RVC	3.94 400	10.88 464	12.30 271	1.26 275	1.55 370	5.19 437	3.33 430	4.42 403	2.82 367	2.58 347	2.62 360	5.00 421	2.11 312	14.03 460	2.73 358	1.28 426	2.34 452	0.67 396	1.83 444	0.81 382	1.03 396

ADCMid	3.96 401	3.27 426	15.48 315	1.26 275	1.40 345	4.66 407	2.28 397	4.06 297	3.54 419	3.94 416	3.02 385	3.85 373	3.67 393	4.03 235	18.65 459	0.68 386	0.61 396	1.09 425	1.18 429	1.38 424	1.08 399

SDNR	3.97 402	1.93 401	20.28 408	1.31 295	0.94 244	5.16 436	0.67 85	4.33 384	2.58 330	4.82 434	5.94 426	5.01 422	1.45 199	17.52 464	2.53 349	0.79 396	0.72 411	0.59 376	0.45 347	1.15 414	1.17 404

MADNet+	3.97 402	9.54 459	13.83 289	1.87 405	1.69 396	4.19 328	2.87 416	4.80 436	4.10 433	2.51 337	2.67 364	4.55 408	3.41 384	8.72 321	6.92 406	1.25 424	1.27 431	1.04 421	0.93 416	1.39 425	1.85 428

SPS-STEREO	3.97 402	1.44 375	20.85 427	1.72 387	1.71 398	3.24 130	2.30 399	3.55 183	2.68 343	4.79 433	3.66 406	5.44 431	2.97 362	9.11 330	9.35 419	1.15 418	1.10 425	1.06 423	1.02 422	1.16 415	1.18 405
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
NaN_ROB	4.06 405	1.13 327	16.64 326	1.12 213	1.25 319	3.50 170	3.05 423	4.29 367	3.26 408	3.64 409	2.56 356	2.97 312	4.79 412	13.33 450	16.91 449	0.37 232	0.41 335	0.38 277	0.39 317	0.48 289	0.81 377

G-Net	4.11 406	1.21 341	19.47 376	2.31 428	2.94 440	4.74 426	2.95 418	3.33 163	2.14 242	4.44 429	9.43 444	6.93 438	3.84 395	9.01 329	4.92 393	0.79 396	0.80 417	0.70 399	0.50 363	0.95 393	0.87 386

THIR-Stereo	4.14 407	0.82 255	10.85 258	0.86 74	0.43 47	2.16 68	16.77 466	3.22 147	1.54 96	2.04 216	12.05 456	2.68 284	7.53 444	7.30 298	12.62 433	0.30 132	0.21 98	0.29 109	0.28 178	0.33 131	0.41 238

AnyNet_C32	4.17 408	5.75 441	12.62 272	1.60 372	1.54 366	5.51 440	4.09 446	3.90 249	3.23 406	4.22 427	3.03 386	3.10 322	3.41 384	8.01 313	18.85 460	0.53 355	0.58 389	0.53 360	0.74 401	1.19 418	0.97 392

Ntro	4.21 409	8.94 454	19.89 388	3.22 443	2.96 441	4.15 307	1.89 379	3.92 258	2.36 286	1.77 135	2.14 295	3.35 342	2.17 322	9.48 339	2.24 329	3.52 451	1.76 439	2.13 438	1.31 432	3.83 448	3.09 449

ADCS	4.22 410	5.33 437	16.32 321	1.64 377	1.31 326	3.91 249	3.64 439	4.21 334	2.89 371	5.11 435	2.81 377	4.46 403	3.06 371	5.21 252	19.50 462	0.63 372	0.64 400	0.69 397	0.69 398	1.12 409	1.26 407

ADCL	4.35 411	1.63 385	14.21 296	1.29 285	1.26 321	5.56 441	11.16 459	3.97 270	3.37 414	6.07 441	4.67 417	4.30 398	5.72 424	5.08 250	14.51 438	0.50 341	0.48 370	0.89 416	0.77 405	0.78 378	0.76 369

AnyNet_C01	4.37 412	7.80 446	16.40 322	1.98 413	1.40 345	6.37 445	6.47 452	4.09 305	5.03 442	4.06 421	3.78 408	4.16 390	3.31 380	6.62 285	10.00 421	0.61 369	0.67 405	0.63 388	0.67 393	2.01 431	1.31 410

MSC_U_SF_DS_RVC	4.48 413	10.62 462	15.18 313	1.55 365	1.45 357	6.16 443	3.54 437	5.41 449	3.68 424	2.59 350	2.74 368	4.81 416	2.20 325	13.79 457	4.40 383	2.04 435	3.36 465	1.05 422	1.20 430	2.09 432	1.72 425

RainbowNet	4.56 414	8.28 447	20.07 396	3.64 451	3.23 449	4.15 307	2.99 421	4.18 326	3.03 387	2.20 264	2.65 363	4.26 396	2.90 360	9.77 344	2.12 318	3.88 456	2.27 449	2.71 449	1.72 441	3.78 447	3.31 456

SGM_RVC	4.57 415	0.72 193	17.46 342	1.84 401	0.58 130	4.23 337	3.45 432	4.66 430	3.66 423	7.99 452	8.82 442	7.56 440	8.74 452	12.30 438	6.84 404	0.43 295	0.38 314	0.39 280	0.35 276	0.51 298	0.48 281
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
otaku	4.58 416	8.93 453	19.95 390	3.11 442	2.67 434	3.91 249	2.57 408	3.82 227	2.25 261	2.22 274	9.72 446	4.08 385	2.35 333	8.57 319	2.13 321	3.51 450	1.65 438	2.15 439	1.17 428	3.69 445	3.15 451

DispFullNet	4.64 417	3.48 428	23.95 467	3.99 453	3.03 442	3.35 146	1.06 273	4.18 326	2.80 359	6.33 444	2.94 381	4.04 383	7.81 446	3.92 233	5.16 394	2.75 440	1.61 437	3.10 454	2.68 461	3.32 440	3.31 456

CSAN	4.71 418	1.39 371	20.23 402	1.19 248	0.87 224	3.65 202	3.50 434	4.57 425	3.87 426	3.89 415	7.82 431	3.54 362	6.16 431	23.47 472	6.82 403	0.52 353	0.45 352	0.49 346	0.52 369	0.63 338	0.66 345

test_sample8	4.76 419	1.05 310	7.87 218	1.07 184	0.86 219	3.93 254	1.19 302	4.38 397	2.05 219	5.49 436	1.89 245	12.98 454	6.37 433	11.06 393	11.61 429	1.23 421	14.45 477	4.27 464	2.09 450	0.70 361	0.69 351

SuperB	4.79 420	4.41 434	21.08 436	1.45 343	1.08 280	3.91 249	3.08 425	4.18 326	3.01 385	2.50 335	2.10 286	2.75 293	3.49 390	8.80 323	19.60 463	0.44 302	0.33 276	0.53 360	0.39 317	12.01 474	0.64 342

IMH-64-1	4.84 421	2.53 417	6.83 210	4.30 459	3.74 453	4.81 430	6.05 449	5.30 444	3.92 428	3.95 417	8.33 435	5.08 425	6.06 428	8.96 327	6.30 397	4.57 465	2.96 459	3.04 451	2.12 453	4.28 452	3.62 459

IMH-64	4.84 421	2.53 417	6.83 210	4.30 459	3.74 453	4.81 430	6.05 449	5.30 444	3.92 428	3.95 417	8.33 435	5.08 425	6.06 428	8.96 327	6.30 397	4.57 465	2.96 459	3.04 451	2.12 453	4.28 452	3.62 459

NVStereoNet_ROB	4.91 423	1.40 372	16.46 324	1.47 348	1.72 400	3.46 160	1.96 382	3.89 244	3.61 421	2.90 376	24.61 471	4.81 416	4.49 409	13.57 454	4.87 391	1.33 430	1.29 432	1.70 434	1.68 437	1.41 426	1.66 422
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
WCMA_ROB	5.12 424	0.90 274	21.33 443	1.50 354	1.33 333	4.09 292	3.49 433	4.03 285	4.59 436	6.57 445	10.95 450	12.92 453	8.41 451	9.86 349	8.78 417	0.75 393	0.58 389	0.51 352	0.50 363	0.68 358	0.57 320

WAO-7	5.16 425	3.21 424	18.98 365	1.88 406	1.44 354	5.34 438	3.09 426	4.91 438	5.81 449	4.35 428	8.92 443	6.55 435	6.06 428	13.40 452	10.81 424	1.34 431	1.20 430	1.48 433	1.35 435	1.60 428	1.45 418

CrosDoStereo	5.24 426	0.60 92	20.23 402	0.82 45	0.51 87	3.39 149	18.11 468	3.82 227	2.27 266	1.98 186	8.74 439	1.96 207	6.96 439	7.35 300	26.35 471	0.30 132	0.22 124	0.30 128	0.28 178	0.33 131	0.38 206

DeepStereo_LL	5.24 426	0.60 92	20.23 402	0.82 45	0.51 87	3.39 149	18.11 468	3.82 227	2.27 266	1.98 186	8.74 439	1.96 207	6.96 439	7.35 300	26.35 471	0.30 132	0.22 124	0.30 128	0.28 178	0.33 131	0.38 206

MeshStereo	5.35 428	1.32 362	21.34 444	1.34 308	1.15 291	4.40 361	3.90 444	5.18 441	4.55 435	10.14 462	11.82 455	11.47 448	5.84 425	13.84 458	7.03 407	0.61 369	0.58 389	0.60 381	0.58 382	0.72 371	0.59 328
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
ACVNet_2	5.41 429	12.60 466	20.42 415	3.27 444	3.15 447	4.50 380	3.02 422	4.66 430	3.73 425	3.35 405	5.36 422	7.86 441	2.88 358	12.33 440	4.76 389	3.12 446	2.22 447	2.70 448	1.69 438	3.49 441	3.10 450

pmcnn	5.45 430	1.22 347	17.40 339	1.60 372	2.41 433	3.48 165	2.12 391	4.52 421	3.26 408	3.67 411	13.15 459	22.10 465	3.46 389	11.92 434	17.16 451	0.34 195	0.21 98	0.23 11	0.19 25	0.36 178	0.28 88

MDST_ROB	5.53 431	0.59 83	23.11 462	2.55 432	2.69 435	21.20 471	1.98 384	4.77 435	2.65 338	9.36 457	4.25 413	4.14 389	4.45 408	22.57 467	3.68 378	0.48 329	0.33 276	0.47 325	0.44 343	0.44 263	0.44 256

EDNetEfficient	5.61 432	2.14 409	16.75 329	1.67 380	3.64 451	4.12 300	7.51 454	3.05 130	5.63 448	11.57 467	4.83 419	3.95 376	12.72 456	8.44 318	20.78 465	0.41 280	0.43 342	0.47 325	1.01 420	1.66 429	1.39 417

MSMD_ROB	5.61 432	1.08 318	16.68 327	1.21 258	0.83 205	10.14 458	2.07 390	3.93 259	6.22 450	10.37 463	8.03 433	22.22 466	9.45 453	11.66 421	4.52 385	0.66 380	0.58 389	0.66 394	0.68 396	0.65 348	0.63 339

SANet	5.65 434	1.72 392	20.94 432	1.26 275	0.88 227	7.20 450	3.81 443	4.60 427	11.23 456	4.56 430	8.78 441	7.49 439	6.95 438	11.85 431	18.11 455	0.49 339	0.44 347	0.50 349	0.42 339	0.90 390	0.82 381

ELAS_RVC	5.72 435	1.64 388	20.40 413	2.09 418	2.01 420	4.95 433	11.47 461	4.66 430	6.31 452	8.09 453	8.01 432	8.06 444	11.65 455	8.36 315	10.22 422	0.99 412	1.17 426	0.81 412	0.76 403	1.14 411	1.58 421
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PWCK	5.85 436	9.95 460	15.22 314	2.90 438	1.56 373	5.66 442	7.69 455	5.27 443	4.74 439	3.88 414	7.51 429	8.04 442	5.28 418	15.18 461	8.40 415	3.08 445	1.51 435	2.24 440	1.37 436	5.55 461	1.96 431

WAO-6	5.87 437	2.27 411	15.05 309	2.96 439	2.77 437	12.01 461	3.58 438	5.37 448	11.91 460	3.34 403	9.69 445	6.78 437	5.84 425	11.82 430	8.89 418	2.87 441	2.35 453	2.50 441	1.84 445	2.85 438	2.67 444

ELAS	5.99 438	1.62 383	20.29 409	1.96 412	2.01 420	15.09 467	8.38 458	5.23 442	5.54 446	9.02 456	8.61 438	6.74 436	9.75 454	7.48 303	11.40 428	0.96 410	1.18 427	0.72 404	0.93 416	1.30 422	1.67 423
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ACVNet_1	6.04 439	13.97 472	21.36 445	3.58 449	3.14 446	4.73 423	2.48 403	4.20 329	3.17 398	2.98 385	2.83 379	23.31 467	4.34 406	11.06 393	2.45 342	3.68 452	2.33 451	2.60 444	1.79 443	3.69 445	3.19 453

FCDSN-DC	6.04 439	0.84 262	19.25 369	1.24 267	1.09 283	4.38 354	2.62 409	4.38 397	4.71 437	9.59 460	11.22 451	19.19 461	17.40 463	12.30 438	8.55 416	0.69 389	0.57 384	0.60 381	0.60 386	0.70 361	0.78 373
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
JetBlue	6.27 441	9.15 456	13.76 283	1.94 411	4.60 464	11.91 460	12.00 462	5.12 440	3.45 418	3.79 413	4.52 416	9.54 446	6.56 437	9.40 337	13.48 436	1.26 425	1.37 433	1.17 428	1.34 434	7.06 468	3.95 463

psmorigin	6.59 442	1.15 331	88.11 486	1.52 356	0.97 251	2.88 95	1.20 306	3.21 145	2.04 216	3.73 412	2.46 343	5.15 427	2.55 346	10.60 372	2.47 344	0.55 359	0.68 408	0.48 333	0.51 366	0.70 361	0.88 387

FC-DCNN	6.64 443	0.77 231	19.26 371	1.68 381	1.64 386	8.27 455	2.35 400	6.35 452	9.23 454	10.85 464	11.27 452	19.89 462	13.33 457	12.51 444	11.79 431	0.66 380	0.57 384	0.58 373	0.56 378	0.63 338	0.61 332

ACVNet-4b	6.73 444	13.67 470	21.87 455	3.54 448	3.07 443	4.19 328	2.25 396	4.03 285	3.65 422	1.64 112	3.98 412	5.88 432	2.89 359	10.01 357	16.98 450	23.29 479	2.24 448	2.53 442	1.78 442	3.87 449	3.21 454

EKT-Stereo	6.79 445	0.64 133	4.24 184	1.77 391	106.39 486	4.51 384	0.61 57	3.16 140	1.53 88	1.88 157	1.22 52	1.98 211	1.36 172	3.81 227	0.84 76	0.35 214	0.24 178	0.29 109	0.26 126	0.34 149	0.48 281

IMH	6.81 446	13.66 469	20.41 414	4.33 461	3.74 453	5.50 439	3.06 424	5.49 450	6.22 450	4.64 432	10.35 448	9.30 445	8.03 449	13.61 455	6.81 402	4.80 468	2.99 462	3.09 453	2.12 453	4.36 454	3.61 458

LVE	6.88 447	9.31 457	21.14 437	3.61 450	3.18 448	4.49 377	2.79 412	10.21 459	11.69 458	3.16 397	11.53 453	18.33 460	4.31 405	11.66 421	3.52 375	4.45 463	2.93 457	2.56 443	1.91 447	3.62 442	3.16 452

FC-DCNN v2	6.91 448	0.77 231	19.25 369	1.69 382	1.64 386	9.13 457	2.40 401	7.20 454	9.47 455	11.07 466	11.62 454	20.05 464	15.79 460	12.55 445	11.99 432	0.66 380	0.57 384	0.58 373	0.56 378	0.63 338	0.61 332

tt	7.19 449	0.51 18	6.83 210	4.03 454	2.30 432	12.05 462	20.19 472	15.46 471	6.58 453	3.42 407	3.22 395	5.37 429	6.39 436	4.20 240	7.46 410	9.81 472	11.53 476	7.05 470	7.46 471	6.31 463	3.71 461

Dean	7.52 450	9.08 455	21.41 446	3.74 452	3.53 450	4.81 430	3.53 435	5.33 447	5.25 443	4.17 423	26.53 472	25.62 473	4.09 401	10.97 387	4.32 382	3.69 453	2.30 450	2.91 450	1.87 446	4.03 450	3.24 455

DGSMNet	7.55 451	1.62 383	17.42 340	1.92 407	12.73 468	7.45 453	42.99 481	4.13 315	2.07 223	2.10 229	3.16 394	3.42 346	1.70 266	9.24 334	2.30 332	3.70 454	10.89 475	11.80 477	5.54 468	4.24 451	2.66 443

MADNet++	7.57 452	5.80 442	13.28 277	6.38 469	5.26 466	7.18 449	7.77 456	5.32 446	5.62 447	6.11 442	7.78 430	6.02 434	8.01 448	11.74 426	16.36 447	9.36 471	4.95 469	8.57 472	5.66 469	4.83 458	5.34 469

SGM+DAISY	8.36 453	3.82 430	24.83 468	2.02 415	1.75 402	14.80 466	17.22 467	4.27 359	11.79 459	13.88 468	14.38 462	11.74 451	13.83 458	10.56 370	15.12 439	1.21 419	1.19 429	1.14 427	1.13 427	1.17 416	1.37 414

UNDER WATER-64	9.33 454	5.37 438	22.60 460	5.22 468	4.86 465	10.75 459	4.61 448	11.45 460	17.30 465	7.59 448	9.80 447	15.99 459	17.90 465	10.63 373	15.72 442	4.36 460	2.87 456	4.39 467	2.86 464	7.01 467	5.36 470

TorneroNet-64	10.12 455	8.74 449	20.95 433	4.27 457	3.76 456	13.86 465	2.85 415	15.05 469	23.15 473	10.07 461	23.84 470	13.47 455	8.24 450	13.96 459	17.21 452	3.96 458	2.72 454	3.23 455	2.48 457	6.29 462	4.27 466

UNDER WATER	10.47 456	3.95 432	22.62 461	5.07 467	4.51 463	7.78 454	3.77 441	12.56 463	21.72 472	7.84 451	10.78 449	23.96 469	31.66 474	10.78 380	16.19 446	4.44 462	2.93 457	4.24 463	2.86 464	6.33 464	5.47 471

JetRed	10.48 457	27.10 477	35.70 474	4.27 457	4.09 460	15.55 470	12.83 463	12.16 461	5.50 445	5.83 439	5.56 424	10.14 447	7.43 443	8.88 324	26.39 473	3.32 447	3.81 466	3.51 458	2.96 466	7.85 470	6.69 472

notaker	10.50 458	8.60 448	20.23 402	4.54 464	3.95 457	6.27 444	3.44 431	8.07 457	4.75 440	8.73 454	46.45 477	13.86 458	27.86 473	13.49 453	13.61 437	4.56 464	3.18 463	3.52 459	2.68 461	8.13 472	4.05 464

MANE	11.39 459	1.38 369	23.16 463	4.82 466	2.79 438	22.02 472	14.51 465	25.81 474	26.28 474	10.93 465	13.17 460	19.90 463	18.03 466	15.69 463	20.41 464	0.96 410	0.74 413	1.42 431	3.24 467	0.74 372	1.71 424

SGM-ForestM	11.55 460	1.16 334	21.62 452	2.14 419	0.81 196	22.25 473	19.08 470	16.50 473	11.34 457	15.94 471	14.44 463	27.12 474	22.61 472	24.76 473	28.39 477	0.50 341	0.48 370	0.47 325	0.44 343	0.55 312	0.53 306

WAO-8	11.95 461	13.02 467	20.56 420	3.50 445	3.08 444	15.11 468	2.80 413	12.91 464	19.11 470	7.69 449	13.12 457	11.62 449	7.01 441	84.40 488	7.91 412	3.42 448	1.92 442	3.54 460	1.93 448	3.68 443	2.69 445

Venus	11.95 461	13.02 467	20.56 420	3.50 445	3.08 444	15.11 468	2.80 413	12.91 464	19.11 470	7.69 449	13.12 457	11.62 449	7.01 441	84.40 488	7.91 412	3.42 448	1.92 442	3.54 460	1.93 448	3.68 443	2.69 445

EDNetEfficientorigin	12.35 463	2.51 415	179.47 491	1.19 248	0.96 247	2.91 98	1.81 374	3.00 125	5.35 444	8.91 455	4.79 418	4.18 391	4.64 411	9.98 355	11.30 426	0.37 232	0.38 314	0.60 381	0.85 411	1.32 423	2.43 441

LSM	12.71 464	3.52 429	20.79 426	55.63 485	84.76 484	3.63 201	6.30 451	3.73 213	4.93 441	5.55 437	13.92 461	3.53 359	3.25 378	9.72 343	4.12 381	0.64 375	0.85 418	0.71 400	0.81 410	1.03 399	26.84 477

U	12.82 465	0.38 1	1.99 71	0.66 11	58.94 482	63.38 487	0.34 6	1.91 31	0.94 3	0.59 1	0.80 11	0.46 1	0.57 6	0.83 2	0.44 3	0.29 95	0.17 10	63.35 485	59.81 484	0.29 58	0.20 7

DGTPSM_ROB	15.31 466	8.85 451	28.14 472	9.90 473	18.89 470	12.44 463	33.21 475	13.48 466	17.86 468	9.50 458	22.89 468	13.78 456	19.67 467	21.26 465	23.68 467	5.08 469	8.84 470	5.62 468	11.50 472	6.72 465	14.87 473

DPSMNet_ROB	15.52 467	8.89 452	31.44 473	10.07 474	18.91 471	12.44 463	33.22 476	13.51 467	17.94 469	9.58 459	22.91 469	13.79 457	19.67 467	21.43 466	23.73 468	5.17 470	8.84 470	5.63 469	11.52 475	6.79 466	14.90 474

KSHMR	16.96 468	5.37 438	21.64 454	4.46 462	4.50 462	8.30 456	3.32 429	15.58 472	76.24 484	6.62 446	61.47 482	56.53 483	5.43 421	35.17 479	11.37 427	4.39 461	2.97 461	3.63 462	2.74 463	5.10 459	4.34 467

LE_ROB	18.58 469	1.21 341	48.38 480	8.60 472	23.00 474	7.32 452	19.74 471	9.94 458	38.69 478	43.53 476	21.91 467	28.40 475	40.92 477	23.18 469	54.71 482	0.34 195	0.33 276	0.32 167	0.36 286	0.42 246	0.40 232

coex-ft	18.59 470	6.62 443	113.53 488	1.17 240	1.31 326	2.33 75	1.93 381	2.81 114	14.00 461	124.82 490	8.45 437	5.90 433	51.74 483	9.99 356	22.69 466	0.57 363	0.62 397	0.50 349	0.49 359	1.08 406	1.28 408

DPSM_ROB	20.78 471	20.03 475	26.57 470	23.62 477	22.46 472	31.10 475	39.97 479	33.52 478	17.41 466	15.25 469	15.80 465	24.06 470	20.71 470	23.30 470	27.62 475	10.78 473	9.41 473	11.69 475	11.50 472	14.49 475	16.36 475

DPSM	20.78 471	20.03 475	26.57 470	23.62 477	22.46 472	31.10 475	39.97 479	33.52 478	17.41 466	15.25 469	15.80 465	24.06 470	20.71 470	23.30 470	27.62 475	10.78 473	9.41 473	11.69 475	11.50 472	14.49 475	16.36 475

ktn	21.74 473	10.34 461	19.68 381	4.53 463	4.00 458	6.53 447	4.51 447	6.79 453	78.82 486	84.69 486	100.86 490	58.49 484	7.57 445	12.11 437	13.35 435	4.58 467	3.24 464	3.49 457	2.62 459	4.65 457	3.84 462

LRCNet_RVC	25.52 474	33.45 478	23.21 465	31.79 479	32.78 475	6.74 448	1.18 299	25.88 475	4.46 434	28.94 472	30.89 473	24.91 472	17.57 464	27.66 474	24.34 470	35.26 481	25.60 482	35.91 481	33.81 480	31.90 482	34.10 482

TorneroNet	25.88 475	11.28 465	21.62 452	4.20 456	4.07 459	55.25 483	3.15 427	15.16 470	76.94 485	58.09 481	82.72 487	86.88 488	41.15 478	13.35 451	18.13 456	4.32 459	2.85 455	3.45 456	2.62 459	8.33 473	4.14 465

DLNR_Zeroshot_test	28.62 476	55.50 486	49.94 482	183.62 489	115.05 487	3.43 154	0.28 1	29.49 477	1.49 64	1.01 51	1.26 62	0.93 59	0.63 16	3.92 233	1.51 237	29.81 480	0.41 335	0.26 52	0.23 79	93.28 486	0.32 139

HanzoNet	31.60 477	17.23 473	21.22 442	7.32 470	5.84 467	7.25 451	3.53 435	13.82 468	14.20 463	50.38 479	47.01 478	44.45 477	56.61 484	36.61 480	32.00 478	63.89 485	56.57 486	7.97 471	89.20 486	28.69 477	28.25 479

Selective-RAFT-Error	41.77 478	40.16 480	53.34 483	47.73 483	45.25 481	62.51 484	80.64 487	67.22 484	34.93 476	30.64 474	31.81 474	48.11 480	42.11 481	46.57 483	54.95 483	21.61 477	18.87 479	23.48 478	23.15 478	29.16 479	33.08 481

CasAABBNet	41.80 479	40.20 481	53.41 484	47.73 483	45.18 480	62.51 484	80.71 488	67.26 485	34.80 475	30.49 473	31.88 475	48.24 481	41.81 480	46.63 485	55.64 485	21.60 476	18.88 480	23.48 478	23.22 479	29.19 480	33.05 480

HaxPig	43.25 480	43.65 482	45.00 478	33.85 480	35.61 477	32.69 477	30.52 473	45.09 481	42.97 479	48.77 477	48.17 479	43.00 476	40.26 476	44.58 481	43.61 479	47.18 482	49.30 483	51.54 483	50.25 482	43.73 483	45.29 483

AVERAGE_ROB	44.46 481	45.91 483	46.59 479	40.59 482	38.66 478	32.99 478	30.52 473	46.19 482	43.26 480	49.59 478	48.97 480	44.62 478	39.89 475	45.04 482	43.94 480	48.74 483	50.69 484	50.80 482	49.79 481	45.54 484	46.97 484

MEDIAN_ROB	47.37 482	49.08 484	49.92 481	40.32 481	39.97 479	34.95 479	33.43 477	49.17 483	46.39 482	53.06 480	52.65 481	47.65 479	42.23 482	48.35 486	47.29 481	52.10 484	54.04 485	54.28 484	53.48 483	48.76 485	50.33 485

LSM0	49.58 483	40.04 479	53.62 485	97.15 486	128.68 488	62.75 486	79.89 486	67.63 486	35.11 477	33.02 475	32.61 476	48.43 482	41.60 479	46.60 484	55.43 484	21.63 478	18.99 481	23.62 480	23.13 477	29.47 481	52.26 486

BEATNet-Init1	49.72 484	64.32 487	97.77 487	4.68 465	4.28 461	84.75 488	60.42 482	73.38 487	68.59 483	88.29 487	88.51 489	91.94 489	97.99 489	85.26 490	70.96 489	0.80 398	0.65 401	0.85 414	0.70 399	7.96 471	2.33 437

Anonymous_1	57.11 485	19.68 474	26.15 469	23.10 476	142.31 489	30.84 474	39.75 478	33.86 480	16.98 464	70.53 485	15.42 464	23.46 468	19.75 469	23.04 468	27.23 474	164.73 491	9.02 472	130.38 487	137.40 488	161.27 492	27.24 478

PML	64.32 486	53.22 485	17.88 346	8.10 471	32.94 476	148.46 491	247.79 492	12.18 462	45.42 481	111.41 488	288.92 492	101.47 491	101.31 490	31.67 475	15.55 440	14.03 475	4.83 468	10.98 474	6.18 470	28.82 478	5.17 468

DPSimNet_ROB	102.30 487	119.72 492	143.59 490	109.42 488	94.10 485	127.22 490	127.15 490	26.62 476	102.36 491	149.58 491	83.99 488	139.34 492	137.54 491	64.62 487	82.36 490	105.18 487	66.15 487	120.15 486	69.61 485	99.58 487	77.72 487

ASD4	103.30 488	113.98 491	120.24 489	106.67 487	79.75 483	115.36 489	120.35 489	119.13 491	79.65 490	120.04 489	74.64 483	101.45 490	65.48 485	109.11 491	84.31 491	104.31 486	90.04 488	133.15 488	103.58 487	130.15 488	94.66 488

xxxxx1	112.33 489	88.53 488	37.76 475	227.84 491	157.23 490	39.05 480	61.41 483	93.76 488	79.29 487	62.45 482	74.79 484	78.32 485	70.96 486	33.47 476	70.69 486	114.00 488	130.36 489	259.31 490	274.34 490	145.54 489	147.50 489

tt_ll	112.33 489	88.53 488	37.76 475	227.84 491	157.23 490	39.05 480	61.41 483	93.76 488	79.29 487	62.45 482	74.79 484	78.32 485	70.96 486	33.47 476	70.69 486	114.00 488	130.36 489	259.31 490	274.34 490	145.54 489	147.50 489

ff	112.33 489	88.53 488	37.76 475	227.84 491	157.23 490	39.05 480	61.41 483	93.76 488	79.29 487	62.45 482	74.79 484	78.32 485	70.96 486	33.47 476	70.69 486	114.00 488	130.36 489	259.31 490	274.34 490	145.54 489	147.50 489

test_example2	212.63 492	219.92 493	221.87 492	213.67 490	221.17 493	199.47 492	200.74 491	185.30 492	141.66 492	209.52 492	213.45 491	210.82 493	205.48 492	221.27 492	216.64 492	236.83 492	242.07 493	213.93 489	217.01 489	235.69 493	226.10 492

FADE		13.79 471		10.71 475	13.34 469							11.85 452				474.90 493	161.58 492	347.36 493	322.13 493	7.29 469

Low-res two-view benchmark