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

IGEV-BASED-STEREO-	0.70 193	3.18 467	2.55 427	0.39 5	0.23 8	0.44 27	0.23 5	0.63 4	0.42 4	0.44 17	0.44 8	0.34 4	0.28 4	0.56 20	0.29 4	1.35 441	0.10 1	0.22 150	0.19 132	0.46 374	1.31 441

CAS	0.63 150	0.18 1	0.37 2	2.27 447	0.84 401	0.57 100	0.54 232	0.79 27	0.62 38	0.48 29	0.70 56	0.36 6	0.26 2	0.45 4	0.35 46	2.24 447	0.10 1	0.14 1	0.09 1	0.15 8	1.06 436

RAFT-Stereo + iAFF	0.54 90	0.25 49	0.68 111	0.43 15	0.24 13	0.40 13	0.34 60	1.04 110	1.09 205	1.32 300	1.60 339	0.80 127	0.68 165	0.67 47	0.39 77	0.13 1	0.10 1	0.18 52	0.17 98	0.17 35	0.13 4

IGEV-Stereo++	0.30 1	0.20 2	0.40 9	0.46 45	0.30 95	0.33 6	0.22 3	0.75 17	0.45 6	0.32 2	0.41 4	0.32 3	0.48 72	0.38 2	0.27 2	0.15 7	0.11 4	0.15 4	0.12 13	0.15 8	0.13 4

U	9.45 468	0.21 7	0.58 62	0.47 53	53.11 486	61.27 490	0.24 7	0.70 12	0.52 25	0.36 5	0.28 2	0.29 1	0.35 20	0.33 1	0.26 1	0.19 111	0.11 4	60.50 487	8.88 474	0.17 35	0.13 4

4D-IteraStereo	0.48 57	0.24 30	0.76 186	0.50 97	0.44 252	0.66 150	0.31 40	0.87 46	1.02 174	1.03 154	0.72 62	0.78 121	0.32 14	0.64 39	0.37 60	0.17 40	0.11 4	0.23 186	0.19 132	0.19 93	0.13 4

MC-Stereo	0.43 25	0.23 23	0.48 18	0.51 124	0.28 63	0.39 12	0.32 44	0.88 53	0.68 64	0.60 60	0.84 87	0.56 58	0.61 142	1.03 132	0.31 14	0.17 40	0.11 4	0.17 23	0.15 47	0.16 18	0.13 4

test-3	0.54 90	0.22 18	0.68 111	0.47 53	0.27 42	0.58 102	0.35 64	0.92 62	1.00 168	1.32 300	0.69 53	0.87 160	0.45 49	1.68 261	0.37 60	0.16 15	0.11 4	0.20 97	0.16 81	0.17 35	0.13 4

test_1	0.54 90	0.22 18	0.68 111	0.47 53	0.27 42	0.58 102	0.35 64	0.92 62	1.00 168	1.28 274	0.68 49	0.87 160	0.45 49	1.67 256	0.37 60	0.16 15	0.11 4	0.20 97	0.16 81	0.17 35	0.13 4

CREStereo++_RVC	0.47 51	0.21 7	0.38 5	0.45 41	0.38 205	0.45 30	0.25 8	0.75 17	1.29 312	0.80 93	1.21 220	0.47 26	0.37 23	0.53 13	0.44 114	0.16 15	0.11 4	0.15 4	0.80 434	0.18 61	0.11 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
AFF-stereo	0.58 125	0.25 49	0.64 90	0.46 45	0.29 78	0.34 7	0.38 92	1.15 154	1.14 230	1.17 224	1.60 339	1.10 249	0.71 174	0.97 119	0.43 111	0.13 1	0.11 4	0.19 70	0.19 132	0.17 35	0.14 19

IGEV-Stereo+	0.45 40	0.21 7	0.43 13	0.41 8	0.39 215	0.15 1	0.19 1	0.44 1	0.36 1	0.26 1	0.25 1	0.31 2	0.41 34	1.43 214	0.30 7	0.17 40	0.12 12	0.15 4	0.11 7	1.16 434	1.70 448

AIO-Stereo	0.37 5	0.25 49	0.51 30	0.47 53	0.23 8	0.45 30	0.39 105	1.07 131	0.52 25	0.41 10	0.48 13	0.52 46	0.25 1	0.72 57	0.30 7	0.16 15	0.12 12	0.17 23	0.13 19	0.16 18	0.13 4

WCG-NET（raft）	0.45 40	0.21 7	0.55 48	0.40 7	0.24 13	0.50 55	0.36 76	0.73 14	1.09 205	0.71 73	0.76 70	0.92 184	0.51 86	0.84 87	0.34 39	0.16 15	0.12 12	0.15 4	0.14 37	0.14 3	0.14 19

RSM	0.39 10	0.24 30	0.49 21	0.46 45	0.26 26	0.47 35	0.40 111	0.92 62	0.44 5	0.41 10	0.42 5	0.65 84	0.33 15	1.07 145	0.29 4	0.15 7	0.12 12	0.17 23	0.13 19	0.17 35	0.13 4

RAFT-Stereo-weight	0.47 51	0.24 30	0.53 38	0.48 74	0.27 42	0.60 114	0.35 64	1.02 101	1.07 194	0.99 140	0.78 74	0.76 114	0.28 4	0.76 67	0.36 52	0.16 15	0.12 12	0.17 23	0.15 47	0.16 18	0.15 37

MoCha-V2	0.40 15	0.20 2	0.49 21	0.50 97	0.21 4	0.44 27	0.33 48	0.93 68	0.53 27	0.53 46	0.53 20	0.42 10	0.58 130	1.09 149	0.27 2	0.14 4	0.12 12	0.15 4	0.12 13	0.17 35	0.15 37

IGEV++	0.40 15	0.22 18	0.51 30	0.52 143	0.29 78	0.45 30	0.25 8	1.65 275	0.46 10	0.37 6	0.57 33	0.46 22	0.45 49	0.50 9	0.38 70	0.19 111	0.12 12	0.16 15	0.13 19	0.16 18	0.15 37

ACVNet-DCA	0.56 114	0.31 184	0.50 24	0.54 172	0.26 26	1.18 317	0.51 209	1.42 217	0.78 89	0.58 52	0.79 78	0.48 29	0.88 247	1.46 220	0.32 16	0.20 140	0.12 12	0.25 244	0.15 47	0.22 177	0.21 183

xx1	0.67 183	0.31 184	0.50 24	0.54 172	0.26 26	1.18 317	0.51 209	0.93 68	3.05 441	0.58 52	0.79 78	0.95 197	0.77 192	1.46 220	0.32 16	0.20 140	0.12 12	0.24 206	0.23 253	0.22 177	0.21 183

1test111	0.54 90	0.31 184	0.50 24	0.54 172	0.26 26	1.18 317	0.51 209	1.42 217	0.78 89	0.58 52	0.79 78	0.48 29	0.88 247	0.88 95	0.59 204	0.20 140	0.12 12	0.25 244	0.15 47	0.22 177	0.21 183

cc1	0.64 161	0.31 184	0.50 24	0.54 172	0.26 26	1.18 317	0.51 209	0.93 68	3.05 441	0.58 52	0.79 78	0.48 29	0.88 247	1.46 220	0.32 16	0.20 140	0.12 12	0.25 244	0.15 47	0.19 93	0.19 140

ff7	0.43 25	0.27 84	0.56 49	0.44 31	0.33 148	0.50 55	0.42 127	0.87 46	0.50 14	0.49 34	0.53 20	0.44 14	0.48 72	1.38 202	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

ffff	0.43 25	0.27 84	0.56 49	0.44 31	0.33 148	0.50 55	0.42 127	0.87 46	0.50 14	0.49 34	0.53 20	0.44 14	0.48 72	1.38 202	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

ffm	0.72 202	0.33 219	0.85 216	0.53 157	0.37 188	0.74 189	0.56 255	0.95 79	2.47 429	1.15 205	1.45 303	1.06 231	0.82 215	1.55 237	0.32 16	0.20 140	0.12 12	0.31 317	0.27 305	0.19 93	0.20 167

ff1	1.37 376	0.33 219	0.85 216	0.53 157	0.37 188	0.74 189	0.56 255	0.95 79	2.47 429	1.15 205	1.45 303	1.06 231	0.82 215	7.22 439	7.61 448	0.20 140	0.12 12	0.31 317	0.27 305	0.19 93	0.20 167

11t	0.43 25	0.27 84	0.56 49	0.44 31	0.33 148	0.50 55	0.42 127	0.87 46	0.50 14	0.49 34	0.53 20	0.44 14	0.48 72	1.38 202	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

tt1	0.62 143	0.32 200	0.51 30	0.54 172	0.26 26	1.16 314	0.48 192	0.95 79	2.47 429	0.57 51	0.77 72	0.49 36	0.81 211	1.55 237	0.32 16	0.20 140	0.12 12	0.24 206	0.15 47	0.19 93	0.20 167

IGEV_Zeroshot_test	0.53 75	0.30 151	0.99 278	0.56 207	0.35 166	0.41 16	0.32 44	1.37 205	0.63 41	1.00 144	1.09 167	0.95 197	0.41 34	0.83 85	0.39 77	0.18 73	0.12 12	0.19 70	0.18 112	0.19 93	0.17 80

MSKI-zero shot	0.55 105	0.26 61	0.57 58	0.51 124	0.26 26	0.69 166	0.28 26	1.18 163	0.64 45	0.91 119	1.32 263	0.82 136	0.33 15	1.92 290	0.32 16	0.17 40	0.12 12	0.17 23	0.13 19	0.16 18	0.16 56

DLNR_Zeroshot_test	23.17 479	48.52 492	43.29 484	176.68 492	78.69 488	0.35 8	0.21 2	23.41 479	0.75 81	0.66 67	0.86 90	0.59 70	0.30 8	1.56 239	0.44 114	9.57 476	0.12 12	0.18 52	0.14 37	76.92 491	0.16 56

CASnet	0.41 20	0.25 49	0.48 18	0.50 97	0.20 2	0.50 55	0.36 76	0.81 36	0.80 94	0.83 103	0.68 49	0.48 29	0.31 10	0.54 15	0.32 16	0.18 73	0.12 12	0.27 277	0.22 231	0.23 202	0.14 19
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LoS_RVC	0.42 21	0.26 61	0.40 9	0.44 31	0.82 399	0.51 70	0.44 157	0.64 5	0.41 3	0.44 17	0.78 74	0.44 14	0.47 62	0.56 20	0.36 52	0.13 1	0.12 12	0.14 1	0.10 2	0.13 1	0.84 424

anonymousdsp	0.43 25	0.27 84	0.53 38	0.44 31	0.32 131	0.50 55	0.42 127	0.89 54	0.51 21	0.49 34	0.53 20	0.47 26	0.47 62	1.33 190	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

Selective-IGEV	0.39 10	0.24 30	0.50 24	0.44 31	0.25 23	0.46 33	0.33 48	1.25 187	0.40 2	0.35 4	0.45 9	0.52 46	0.30 8	1.07 145	0.30 7	0.14 4	0.12 12	0.17 23	0.13 19	0.16 18	0.13 4

EGLCR-Stereo	0.37 5	0.22 18	0.51 30	0.43 15	0.26 26	0.44 27	0.22 3	0.99 91	0.48 11	0.42 12	0.42 5	0.67 92	0.29 7	0.86 93	0.33 25	0.17 40	0.12 12	0.19 70	0.17 98	0.17 35	0.15 37

RCA-Stereo	0.50 64	0.23 23	0.58 62	0.48 74	0.33 148	0.55 92	0.45 171	0.97 87	1.38 352	0.68 68	1.05 153	0.63 78	0.80 208	0.59 25	0.32 16	0.17 40	0.12 12	0.17 23	0.14 37	0.16 18	0.14 19

ccc-4	0.43 25	0.27 84	0.56 49	0.44 31	0.33 148	0.50 55	0.42 127	0.87 46	0.50 14	0.49 34	0.53 20	0.44 14	0.48 72	1.38 202	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

IGEV-Stereo	0.43 25	0.27 84	0.54 43	0.45 41	0.32 131	0.50 55	0.42 127	0.90 60	0.51 21	0.49 34	0.53 20	0.47 26	0.47 62	1.32 188	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
test_3	0.55 105	0.23 23	0.71 140	0.53 157	0.28 63	0.61 118	0.40 111	0.92 62	1.05 186	1.19 233	0.68 49	0.93 186	0.44 46	1.67 256	0.39 77	0.15 7	0.12 12	0.22 150	0.19 132	0.21 154	0.14 19

TransformOpticalFlow	0.96 303	0.28 102	0.89 246	0.52 143	0.31 114	0.66 150	0.54 232	1.75 296	1.12 216	1.09 167	1.44 301	1.37 312	1.01 305	6.70 433	0.42 102	0.19 111	0.12 12	0.20 97	0.19 132	0.18 61	0.19 140

PFNet	0.91 292	0.26 61	1.10 319	0.63 285	0.32 131	0.64 128	0.56 255	1.17 158	0.99 163	1.47 344	1.08 162	0.98 206	0.69 168	6.62 428	0.54 190	0.20 140	0.12 12	0.24 206	0.19 132	0.20 120	0.17 80

IRAFT_RVC	0.88 284	0.28 102	0.76 186	0.63 285	0.31 114	0.65 142	1.02 381	1.22 179	0.94 136	1.22 246	1.04 151	1.01 220	0.98 293	5.82 416	0.53 185	0.22 193	0.12 12	0.25 244	0.20 164	0.20 120	0.19 140

cross-raft	0.54 90	0.25 49	0.61 77	0.52 143	0.29 78	0.68 161	0.37 86	1.46 227	0.76 85	1.01 147	1.06 155	1.28 294	0.46 53	0.71 54	0.35 46	0.15 7	0.12 12	0.18 52	0.16 81	0.19 93	0.14 19

GMM-Stereo	0.74 222	0.25 49	0.59 69	0.54 172	0.34 163	0.72 182	0.99 376	1.01 100	0.87 110	1.36 316	1.78 368	1.12 254	0.81 211	2.09 307	0.46 141	0.18 73	0.12 12	0.25 244	0.25 278	0.20 120	0.85 425

iRaftStereo_RVC	0.47 51	0.26 61	0.64 90	0.50 97	0.29 78	0.53 79	0.33 48	1.05 116	0.77 87	0.84 105	1.00 126	0.55 53	0.37 23	0.81 80	0.40 81	0.17 40	0.12 12	0.22 150	0.20 164	0.19 93	0.15 37

s12784h	0.52 66	0.20 2	0.38 5	0.41 8	0.19 1	0.96 273	0.34 60	1.17 158	1.25 292	0.81 97	0.90 98	0.63 78	0.50 84	1.45 218	0.42 102	0.14 4	0.12 12	0.17 23	0.11 7	0.18 61	0.11 1

CFNet-RSSM	0.54 90	0.24 30	0.70 128	0.48 74	0.28 63	0.60 114	0.27 22	1.49 232	1.14 230	1.06 158	0.93 105	1.08 237	0.54 101	0.70 51	0.35 46	0.16 15	0.12 12	0.17 23	0.15 47	0.16 18	0.14 19

HITNet	0.65 167	0.40 296	0.77 192	0.48 74	0.24 13	1.05 293	0.49 201	1.76 302	1.02 174	1.18 229	1.18 208	0.89 172	0.80 208	0.85 90	0.79 274	0.17 40	0.12 12	0.21 123	0.17 98	0.29 281	0.15 37
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
MLCV	0.72 202	0.34 241	1.10 319	0.51 124	0.23 8	0.91 253	0.39 105	1.33 195	1.23 285	1.46 343	1.55 327	1.01 220	0.64 156	1.95 295	0.80 278	0.18 73	0.12 12	0.18 52	0.14 37	0.19 93	0.17 80

WCG-NET	0.46 44	0.23 23	0.52 35	0.45 41	0.35 166	0.70 173	0.26 15	0.95 79	0.96 143	0.74 81	0.69 53	0.65 84	0.52 90	0.88 95	0.33 25	0.18 73	0.13 51	0.16 15	0.15 47	0.16 18	0.17 80

Occ-G	0.42 21	0.21 7	0.48 18	0.41 8	0.26 26	0.42 20	0.62 285	0.77 21	0.49 12	0.43 15	0.66 43	1.02 222	0.46 53	0.78 71	0.41 92	0.16 15	0.13 51	0.18 52	0.13 19	0.16 18	0.16 56

Pointernet	0.37 5	0.20 2	0.57 58	0.43 15	0.28 63	0.51 70	0.27 22	0.93 68	0.61 36	0.47 25	0.63 40	0.49 36	0.38 28	0.49 8	0.33 25	0.17 40	0.13 51	0.14 1	0.11 7	0.13 1	0.12 3

AIO-Stereo-zeroshot1	0.98 313	0.39 290	3.21 436	0.50 97	0.63 349	0.64 128	0.39 105	2.36 422	0.75 81	0.95 128	4.63 442	1.81 375	0.56 112	0.96 113	0.41 92	0.18 73	0.13 51	0.21 123	0.26 295	0.32 309	0.35 331

AIO-Stereo-zeroshot	0.72 202	0.35 261	1.70 391	0.49 88	0.56 318	0.63 125	0.38 92	2.41 427	0.65 59	0.77 86	1.07 158	1.82 377	0.95 279	0.93 110	0.43 111	0.20 140	0.13 51	0.21 123	0.25 278	0.28 270	0.26 264

RSM++	0.38 9	0.24 30	0.51 30	0.47 53	0.26 26	0.50 55	0.41 124	0.79 27	0.45 6	0.37 6	0.45 9	0.60 71	0.35 20	1.02 131	0.30 7	0.15 7	0.13 51	0.17 23	0.14 37	0.18 61	0.13 4

trnet	0.39 10	0.21 7	0.37 2	0.36 2	0.20 2	0.53 79	0.29 30	0.78 25	1.12 216	0.59 59	0.71 59	0.53 51	0.42 37	0.54 15	0.34 39	0.18 73	0.13 51	0.15 4	0.10 2	0.14 3	0.13 4

testlalala	0.45 40	0.28 102	0.59 69	0.42 13	0.39 215	0.71 179	0.39 105	1.08 136	0.45 6	1.24 260	0.80 83	0.61 75	0.36 22	0.54 15	0.33 25	0.20 140	0.13 51	0.18 52	0.12 13	0.15 8	0.15 37

AEACV	0.37 5	0.24 30	0.52 35	0.47 53	0.51 296	0.37 11	0.38 92	0.65 6	0.53 27	0.42 12	0.56 31	0.46 22	0.60 134	0.53 13	0.30 7	0.16 15	0.13 51	0.18 52	0.15 47	0.17 35	0.14 19

Any-RAFT	0.53 75	0.24 30	0.47 16	0.47 53	0.27 42	1.00 284	0.25 8	1.58 259	1.05 186	0.85 109	0.99 122	1.06 231	0.47 62	0.70 51	0.32 16	0.18 73	0.13 51	0.16 15	0.13 19	0.16 18	0.16 56

RAFT-Test	0.54 90	0.25 49	0.64 90	0.47 53	0.30 95	0.97 277	0.27 22	1.24 185	0.81 95	0.96 130	1.12 184	1.28 294	0.48 72	0.71 54	0.36 52	0.17 40	0.13 51	0.17 23	0.14 37	0.16 18	0.16 56

HH	0.63 150	0.30 151	0.77 192	0.50 97	0.32 131	0.49 46	0.46 177	1.65 275	0.64 45	0.69 69	1.09 167	1.63 355	0.85 229	1.90 288	0.37 60	0.18 73	0.13 51	0.19 70	0.17 98	0.19 93	0.16 56

HanStereo	0.63 150	0.30 151	0.77 192	0.50 97	0.32 131	0.49 46	0.46 177	1.65 275	0.64 45	0.69 69	1.09 167	1.63 355	0.85 229	1.90 288	0.37 60	0.18 73	0.13 51	0.19 70	0.17 98	0.19 93	0.16 56

anonymousdsp2	0.53 75	0.27 84	0.74 173	0.48 74	0.29 78	0.76 199	0.47 183	1.61 267	0.82 100	0.77 86	0.77 72	0.75 110	0.47 62	1.03 132	0.40 81	0.18 73	0.13 51	0.18 52	0.13 19	0.19 93	0.18 105

CES	0.48 57	0.20 2	0.37 2	0.39 5	1.39 438	0.55 92	0.35 64	0.98 89	0.66 60	0.44 17	0.66 43	0.35 5	0.27 3	0.56 20	0.33 25	0.15 7	0.13 51	0.15 4	0.10 2	0.19 93	1.46 443

ProNet	0.43 25	0.28 102	0.58 62	0.43 15	0.30 95	0.56 95	0.52 219	1.00 95	0.58 31	0.44 17	0.49 16	0.43 12	0.43 41	1.28 180	0.36 52	0.15 7	0.13 51	0.19 70	0.16 81	0.17 35	0.16 56

DCANet-4	0.54 90	0.26 61	1.07 311	0.42 13	0.24 13	0.48 36	0.36 76	0.99 91	1.30 318	1.10 175	1.02 140	0.56 58	0.75 180	0.73 61	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.15 8	0.19 140

fff	0.53 75	0.24 30	0.70 128	0.43 15	0.24 13	0.48 36	0.36 76	1.07 131	1.25 292	1.10 175	1.02 140	0.57 60	1.06 321	0.73 61	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.15 8	0.19 140

ADStereo(finetuned)	0.57 120	0.24 30	1.06 306	0.43 15	0.24 13	0.49 46	0.35 64	1.05 116	1.30 318	1.12 182	1.03 148	0.58 65	1.20 347	0.84 87	0.51 171	0.16 15	0.13 51	0.17 23	0.13 19	0.18 61	0.19 140

RAFT+CT+SA	0.58 125	0.29 132	0.60 74	0.66 313	0.37 188	0.42 20	0.55 247	1.27 189	1.03 178	0.70 71	1.22 222	0.60 71	0.70 171	1.64 250	0.41 92	0.18 73	0.13 51	0.22 150	0.22 231	0.21 154	0.18 105

test_5	0.65 167	0.30 151	0.75 176	0.67 325	0.50 285	0.92 260	0.52 219	1.39 211	1.12 216	0.76 82	1.11 177	1.00 213	0.90 254	1.53 233	0.45 127	0.18 73	0.13 51	0.23 186	0.22 231	0.21 154	0.19 140

test_4	0.53 75	0.22 18	0.56 49	0.54 172	0.32 131	0.64 128	0.39 105	0.80 33	0.62 38	0.92 121	1.87 380	0.68 94	0.42 37	1.16 160	0.37 60	0.15 7	0.13 51	0.20 97	0.22 231	0.20 120	0.15 37

iRaft-Stereo_20w	0.65 167	0.31 184	1.00 283	0.47 53	0.34 163	0.73 185	0.30 35	2.96 439	0.70 69	1.15 205	1.14 193	0.76 114	0.65 162	1.11 153	0.38 70	0.17 40	0.13 51	0.18 52	0.16 81	0.19 93	0.18 105

LCNet	0.72 202	0.28 102	0.52 35	0.55 194	0.31 114	0.69 166	0.54 232	1.00 95	0.88 114	1.19 233	1.34 272	0.97 205	1.34 369	2.56 340	0.45 127	0.18 73	0.13 51	0.21 123	0.25 278	0.27 253	0.73 419

HHNet	0.62 143	0.26 61	0.63 84	0.43 15	0.45 259	0.50 55	0.58 269	1.07 131	1.01 171	1.25 265	2.23 403	0.70 103	0.61 142	1.07 145	0.47 148	0.20 140	0.13 51	0.23 186	0.19 132	0.19 93	0.30 301

AAGNet	1.83 409	0.28 102	0.72 146	0.61 266	0.32 131	0.67 154	0.51 209	0.96 86	0.98 156	1.47 344	1.20 218	1.00 213	1.18 341	2.83 349	22.77 477	0.22 193	0.13 51	0.22 150	0.19 132	0.23 202	0.15 37

STrans-v2	1.04 330	0.28 102	0.96 272	0.49 88	0.32 131	0.68 161	0.79 330	2.47 431	1.12 216	1.12 182	1.46 308	1.40 313	1.46 378	6.70 433	0.43 111	0.18 73	0.13 51	0.20 97	0.18 112	0.18 61	0.18 105

KYRaft	0.75 230	0.28 102	0.62 81	0.56 207	0.29 78	0.67 154	0.86 348	0.94 75	0.84 104	1.62 375	2.21 402	1.16 263	1.02 310	1.57 240	0.40 81	0.20 140	0.13 51	0.22 150	0.28 325	0.20 120	1.02 431

SST-Stereo	0.83 265	0.28 102	0.72 146	0.59 242	0.31 114	0.72 182	0.26 15	1.09 138	0.86 106	1.47 344	1.10 171	1.00 213	0.87 242	5.73 414	0.45 127	0.22 193	0.13 51	0.23 186	0.19 132	0.23 202	0.18 105

RAFT_R40	0.83 265	0.28 102	0.73 158	0.59 242	0.31 114	0.69 166	0.44 157	1.10 140	0.95 138	1.47 344	1.10 171	1.00 213	0.85 229	5.53 408	0.46 141	0.22 193	0.13 51	0.23 186	0.20 164	0.23 202	0.18 105

RAFT-RH_RVC	1.03 327	0.24 30	0.67 108	0.49 88	0.28 63	0.81 228	0.33 48	0.83 42	1.08 199	2.05 408	4.65 444	1.04 229	0.57 121	5.98 421	0.50 166	0.18 73	0.13 51	0.26 263	0.20 164	0.16 18	0.17 80

RAFT-345	0.84 270	0.25 49	0.66 103	0.50 97	0.27 42	0.54 86	0.42 127	0.83 42	1.11 212	1.32 300	2.34 408	0.86 156	0.54 101	5.72 413	0.47 148	0.18 73	0.13 51	0.22 150	0.17 98	0.17 35	0.16 56

Prome-Stereo	0.75 230	0.27 84	0.53 38	0.55 194	0.32 131	0.59 107	0.97 372	0.89 54	0.88 114	1.45 341	2.46 414	0.91 175	1.41 372	1.58 242	0.44 114	0.18 73	0.13 51	0.19 70	0.17 98	0.20 120	0.92 427

DCANet	0.54 90	0.24 30	0.70 128	0.43 15	0.24 13	0.49 46	0.36 76	1.05 116	1.30 318	1.12 182	1.03 148	0.58 65	0.92 260	0.81 80	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.18 61	0.19 140

csc	0.53 75	0.24 30	0.70 128	0.43 15	0.24 13	0.48 36	0.36 76	1.07 131	1.25 292	1.10 175	1.02 140	0.57 60	1.06 321	0.73 61	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.15 8	0.19 140

cscssc	0.53 75	0.24 30	0.70 128	0.43 15	0.24 13	0.48 36	0.36 76	1.07 131	1.25 292	1.10 175	1.02 140	0.57 60	1.06 321	0.73 61	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.15 8	0.19 140

111	0.60 133	0.23 23	0.70 128	0.43 15	0.24 13	0.72 182	0.42 127	1.18 163	1.41 364	0.80 93	1.38 285	1.10 249	0.79 202	0.96 113	0.58 202	0.18 73	0.13 51	0.17 23	0.15 47	0.17 35	0.19 140

EAI-Stereo	0.65 167	0.28 102	0.69 122	0.53 157	0.27 42	0.60 114	0.40 111	2.28 416	0.64 45	0.71 73	3.18 426	0.57 60	0.43 41	1.06 141	0.41 92	0.18 73	0.13 51	0.17 23	0.17 98	0.17 35	0.17 80

Gwc-CoAtRS	0.52 66	0.24 30	0.68 111	0.48 74	0.29 78	0.64 128	0.25 8	1.16 156	1.08 199	1.01 147	1.00 126	1.12 254	0.56 112	0.69 48	0.37 60	0.16 15	0.13 51	0.17 23	0.15 47	0.15 8	0.15 37

CREStereo	0.39 10	0.21 7	0.38 5	0.34 1	0.22 6	0.53 79	0.29 30	0.77 21	1.11 212	0.58 52	0.71 59	0.51 41	0.41 34	0.54 15	0.34 39	0.18 73	0.13 51	0.15 4	0.10 2	0.14 3	0.14 19
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.46 44	0.21 7	0.38 5	0.37 3	0.23 8	0.71 179	0.27 22	0.74 16	1.04 182	0.64 63	0.70 56	0.55 53	0.47 62	0.86 93	0.35 46	1.00 430	0.13 51	0.15 4	0.10 2	0.15 8	0.13 4

UGAM-zero	1.00 320	0.30 151	0.93 259	0.47 53	0.30 95	0.57 100	0.25 8	2.25 412	0.63 41	1.01 147	1.10 171	2.73 425	1.85 411	6.26 422	0.40 81	0.17 40	0.14 92	0.19 70	0.15 47	0.16 18	0.17 80

GCAP-BAT	0.49 61	0.31 184	0.64 90	0.41 8	0.46 269	0.70 173	0.35 64	0.77 21	0.64 45	0.86 111	1.00 126	0.77 117	0.37 23	1.18 164	0.36 52	0.18 73	0.14 92	0.18 52	0.13 19	0.17 35	0.15 37

MyStereo8	0.65 167	0.29 132	1.00 283	0.58 229	0.49 278	0.91 253	0.35 64	1.18 163	1.31 322	1.16 215	1.27 242	0.90 173	0.64 156	0.72 57	0.95 305	0.18 73	0.14 92	0.20 97	0.18 112	0.22 177	0.26 264

IGEVStereo-DCA	0.46 44	0.28 102	0.56 49	0.43 15	0.33 148	0.49 46	0.42 127	0.87 46	0.50 14	0.47 25	0.48 13	0.48 29	0.46 53	2.03 301	0.30 7	0.19 111	0.14 92	0.19 70	0.15 47	0.16 18	0.18 105

rrr	0.46 44	0.28 102	0.73 158	0.43 15	0.33 148	0.49 46	0.38 92	0.76 20	0.50 14	0.47 25	0.48 13	0.48 29	0.46 53	2.03 301	0.30 7	0.19 111	0.14 92	0.19 70	0.15 47	0.16 18	0.16 56

testlalala_base	0.77 237	0.40 296	0.70 128	0.65 306	0.50 285	0.79 216	0.28 26	1.50 236	0.51 21	0.73 79	0.90 98	0.69 99	0.54 101	0.66 45	0.40 81	2.82 452	0.14 92	0.17 23	0.12 13	2.68 448	0.19 140

SPstereo	0.40 15	0.28 102	0.68 111	0.47 53	0.25 23	0.53 79	0.32 44	0.82 39	0.58 31	0.65 65	0.69 53	0.58 65	0.42 37	0.47 6	0.29 4	0.17 40	0.14 92	0.17 23	0.13 19	0.17 35	0.14 19

LoS	0.40 15	0.21 7	0.44 14	0.37 3	0.22 6	0.50 55	0.40 111	1.00 95	0.94 136	0.48 29	0.66 43	0.48 29	0.40 32	0.60 36	0.37 60	0.18 73	0.14 92	0.16 15	0.11 7	0.14 3	0.14 19
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
knoymous	0.51 65	0.29 132	0.47 16	0.43 15	0.30 95	0.55 92	0.55 247	1.02 101	0.77 87	0.98 137	0.85 89	0.94 189	0.56 112	0.85 90	0.45 127	0.20 140	0.14 92	0.26 263	0.14 37	0.23 202	0.23 218

riskmin	0.56 114	0.27 84	0.60 74	0.43 15	0.31 114	0.83 234	0.42 127	1.14 152	1.04 182	0.73 79	0.75 68	1.11 253	1.01 305	0.81 80	0.51 171	0.20 140	0.14 92	0.24 206	0.15 47	0.24 217	0.25 243

Selective-RAFT	0.52 66	0.28 102	0.79 202	0.55 194	0.27 42	0.91 253	0.33 48	0.80 33	0.88 114	0.58 52	0.63 40	0.81 131	0.77 192	1.29 183	0.48 153	0.19 111	0.14 92	0.17 23	0.15 47	0.19 93	0.17 80

DisPM	0.66 174	0.28 102	0.72 146	0.61 266	0.35 166	0.62 124	0.45 171	1.02 101	0.99 163	1.56 365	1.10 171	0.80 127	0.59 131	2.37 331	0.41 92	0.23 218	0.14 92	0.23 186	0.21 204	0.20 120	0.25 243

Wz-Net-LNSev-Ref	0.99 315	0.40 296	1.82 401	0.66 313	0.62 348	2.05 407	0.78 327	1.91 348	1.29 312	1.54 361	1.42 294	1.51 337	1.23 353	1.99 298	1.33 355	0.23 218	0.14 92	0.20 97	0.15 47	0.27 253	0.26 264

raft_robust	0.68 187	0.30 151	0.64 90	0.52 143	0.26 26	0.54 86	0.35 64	1.33 195	1.24 289	1.16 215	1.07 158	0.60 71	0.54 101	3.58 374	0.37 60	0.18 73	0.14 92	0.20 97	0.22 231	0.20 120	0.16 56

Sa-1000	0.72 202	0.29 132	0.76 186	0.59 242	0.30 95	0.73 185	0.37 86	1.62 271	1.33 330	1.28 274	2.04 394	0.86 156	0.75 180	1.84 281	0.38 70	0.19 111	0.14 92	0.25 244	0.23 253	0.20 120	0.16 56

iRaft-Stereo_5w	0.85 274	0.29 132	0.91 253	0.53 157	0.43 245	0.49 46	0.68 302	0.99 91	0.87 110	0.79 91	1.34 272	1.46 327	0.91 257	5.11 397	1.11 330	0.17 40	0.14 92	0.22 150	0.18 112	0.20 120	0.20 167

IPLG	0.69 189	0.27 84	0.97 274	0.51 124	0.43 245	0.79 216	0.33 48	1.21 171	1.06 189	1.30 288	1.10 171	0.52 46	0.55 108	3.16 362	0.63 221	0.16 15	0.14 92	0.19 70	0.16 81	0.18 61	0.17 80

MIPNet	0.56 114	0.28 102	0.94 263	0.49 88	0.33 148	0.66 150	0.38 92	1.35 202	1.08 199	1.06 158	0.92 102	0.60 71	0.79 202	0.73 61	0.52 178	0.17 40	0.14 92	0.19 70	0.16 81	0.18 61	0.17 80

GMOStereo	0.53 75	0.26 61	0.65 97	0.50 97	0.29 78	0.52 74	0.43 144	0.89 54	0.96 143	1.41 331	1.14 193	0.85 152	0.56 112	0.59 25	0.38 70	0.16 15	0.14 92	0.24 206	0.21 204	0.20 120	0.15 37

error version	0.53 75	0.26 61	0.65 97	0.50 97	0.29 78	0.52 74	0.43 144	0.89 54	0.96 143	1.41 331	1.14 193	0.85 152	0.56 112	0.59 25	0.38 70	0.16 15	0.14 92	0.24 206	0.21 204	0.20 120	0.15 37

test-v	0.53 75	0.26 61	0.65 97	0.50 97	0.29 78	0.52 74	0.43 144	0.89 54	0.96 143	1.41 331	1.14 193	0.85 152	0.56 112	0.59 25	0.38 70	0.16 15	0.14 92	0.24 206	0.21 204	0.20 120	0.15 37

Patchmatch Stereo++	0.55 105	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.29 30	1.05 116	0.64 45	1.12 182	0.96 111	0.83 143	0.60 134	1.37 198	0.45 127	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105
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
OMP-Stereo	0.94 299	0.33 219	0.72 146	0.90 410	0.31 114	0.49 46	0.36 76	1.16 156	1.06 189	1.58 371	1.12 184	1.46 327	0.69 168	6.94 436	0.49 160	0.19 111	0.14 92	0.24 206	0.18 112	0.20 120	0.14 19

IIG-Stereo	0.96 303	0.31 184	0.72 146	0.88 405	0.33 148	0.61 118	0.26 15	1.19 169	1.03 178	1.69 380	1.37 281	1.46 327	0.75 180	6.96 437	0.51 171	0.19 111	0.14 92	0.23 186	0.18 112	0.20 120	0.14 19

NF-Stereo	0.80 251	0.30 151	0.75 176	0.60 253	0.31 114	0.64 128	0.44 157	1.21 171	0.90 121	1.29 279	1.02 140	0.82 136	0.57 121	5.40 406	0.48 153	0.23 218	0.14 92	0.24 206	0.20 164	0.20 120	0.30 301

OCTAStereo	0.80 251	0.30 151	0.75 176	0.60 253	0.31 114	0.64 128	0.44 157	1.21 171	0.90 121	1.29 279	1.01 132	0.82 136	0.57 121	5.35 401	0.48 153	0.24 233	0.14 92	0.24 206	0.20 164	0.20 120	0.30 301

NRIStereo	0.60 133	0.29 132	0.69 122	0.53 157	0.28 63	0.63 125	0.33 48	1.08 136	0.87 110	1.14 199	0.87 93	0.91 175	0.59 131	2.24 320	0.49 160	0.20 140	0.14 92	0.21 123	0.19 132	0.21 154	0.17 80

PSM-adaLoss	0.54 90	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.41 124	1.04 110	0.64 45	1.12 182	0.96 111	0.82 136	0.61 142	1.06 141	0.45 127	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

PSM-AAD	0.79 248	0.27 84	0.53 38	0.55 194	0.28 63	0.77 207	1.24 403	0.99 91	0.91 126	1.66 378	1.57 335	0.81 131	2.19 428	1.65 251	0.44 114	0.19 111	0.14 92	0.38 369	0.32 357	0.21 154	0.70 416

ROB_FTStereo_v2	0.54 90	0.30 151	0.73 158	0.50 97	0.27 42	0.64 128	0.42 127	1.05 116	0.64 45	1.12 182	0.96 111	0.83 143	0.60 134	1.12 155	0.46 141	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

ROB_FTStereo	0.54 90	0.30 151	0.73 158	0.50 97	0.27 42	0.64 128	0.25 8	1.05 116	0.64 45	1.12 182	0.95 109	0.82 136	0.61 142	1.15 158	0.45 127	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

HUI-Stereo	0.52 66	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.30 35	1.04 110	0.64 45	1.12 182	0.96 111	0.83 143	0.60 134	0.79 75	0.45 127	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

THIR-Stereo	1.02 326	0.27 84	0.69 122	0.49 88	0.28 63	0.95 269	1.34 410	1.03 105	0.97 151	1.34 311	1.90 383	1.17 264	1.58 388	6.44 426	0.78 268	0.19 111	0.14 92	0.21 123	0.22 231	0.19 93	0.20 167

DRaft	0.80 251	0.24 30	0.70 128	0.45 41	0.30 95	0.97 277	0.53 227	1.05 116	0.97 151	1.78 387	2.02 392	0.80 127	1.74 402	2.73 347	0.72 248	0.17 40	0.14 92	0.20 97	0.20 164	0.18 61	0.21 183

GrayStereo	0.82 259	0.26 61	0.58 62	0.63 285	0.37 188	0.76 199	1.86 435	1.11 146	0.87 110	1.99 405	1.89 382	1.08 237	1.82 410	1.39 207	0.48 153	0.19 111	0.14 92	0.19 70	0.21 204	0.18 61	0.39 349

RE-Stereo	0.80 251	0.30 151	0.75 176	0.60 253	0.31 114	0.64 128	0.44 157	1.21 171	0.90 121	1.29 279	1.01 132	0.81 131	0.57 121	5.37 404	0.48 153	0.24 233	0.14 92	0.24 206	0.20 164	0.20 120	0.30 301

Pruner-Stereo	0.62 143	0.29 132	0.70 128	0.61 266	0.31 114	0.63 125	0.43 144	1.17 158	0.99 163	1.53 357	1.08 162	0.95 197	0.55 108	1.35 194	0.51 171	0.23 218	0.14 92	0.24 206	0.21 204	0.21 154	0.23 218

TVStereo	0.80 251	0.30 151	0.75 176	0.60 253	0.31 114	0.64 128	0.44 157	1.21 171	0.90 121	1.29 279	1.01 132	0.81 131	0.57 121	5.37 404	0.48 153	0.24 233	0.14 92	0.24 206	0.20 164	0.20 120	0.30 301

DeepStereo_RVC	0.55 105	0.29 132	0.72 146	0.51 124	0.30 95	0.59 107	0.33 48	1.03 105	0.70 69	1.16 215	0.93 105	0.83 143	0.94 274	0.96 113	0.54 190	0.21 169	0.14 92	0.21 123	0.19 132	0.24 217	0.24 231

iGMRVC	0.56 114	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.38 92	1.05 116	0.64 45	1.12 182	0.96 111	0.83 143	0.60 134	1.52 229	0.46 141	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

iRAFT	0.55 105	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.29 30	1.05 116	0.64 45	1.12 182	0.96 111	0.83 143	0.60 134	1.37 198	0.45 127	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

CRE-IMP	0.55 105	0.30 151	0.74 173	0.52 143	0.29 78	0.79 216	0.25 8	1.04 110	0.72 75	1.09 167	0.95 109	0.81 131	0.57 121	1.10 150	0.50 166	0.21 169	0.14 92	0.23 186	0.19 132	0.28 270	0.22 200

test-2	0.53 75	0.26 61	0.65 97	0.50 97	0.29 78	0.52 74	0.43 144	0.89 54	0.96 143	1.41 331	1.14 193	0.85 152	0.56 112	0.59 25	0.38 70	0.16 15	0.14 92	0.24 206	0.21 204	0.20 120	0.15 37

test-1	0.52 66	0.26 61	1.04 301	0.56 207	0.32 131	0.61 118	0.38 92	1.10 140	0.91 126	0.78 88	1.01 132	0.77 117	0.52 90	0.60 36	0.42 102	0.17 40	0.14 92	0.20 97	0.17 98	0.20 120	0.23 218

RAFT-IKP	0.54 90	0.30 151	0.73 158	0.50 97	0.27 42	0.59 107	0.36 76	1.04 110	0.64 45	1.12 182	0.96 111	0.83 143	0.61 142	1.22 169	0.45 127	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

rafts_anoy	0.52 66	0.29 132	0.59 69	0.59 242	0.50 285	0.53 79	0.40 111	1.11 146	1.03 178	0.84 105	0.83 85	0.68 94	0.54 101	0.72 57	0.51 171	0.19 111	0.14 92	0.24 206	0.26 295	0.21 154	0.18 105

raft+_RVC	0.53 75	0.26 61	0.54 43	0.60 253	0.47 274	0.54 86	0.54 232	1.27 189	0.99 163	0.76 82	1.03 148	0.70 103	0.56 112	0.93 110	0.47 148	0.18 73	0.14 92	0.19 70	0.18 112	0.18 61	0.15 37

XX-Stereo	0.63 150	0.26 61	1.90 405	0.81 383	0.67 359	0.43 25	0.23 5	1.03 105	0.58 31	0.65 65	1.56 331	1.41 316	0.39 29	1.28 180	0.35 46	0.20 140	0.14 92	0.20 97	0.19 132	0.18 61	0.14 19

test_xeample3	0.42 21	0.28 102	0.69 122	0.43 15	0.33 148	0.56 95	0.38 92	0.79 27	0.45 6	0.53 46	0.46 11	0.44 14	0.44 46	1.38 202	0.31 14	0.18 73	0.14 92	0.19 70	0.15 47	0.17 35	0.16 56

ARAFT	0.77 237	0.36 271	1.49 380	0.51 124	0.31 114	0.90 251	0.82 340	1.90 344	1.06 189	1.62 375	1.24 228	1.02 222	0.64 156	1.84 281	0.50 166	0.18 73	0.14 92	0.28 290	0.27 305	0.17 35	0.16 56

BEATNet_4x	0.73 219	0.49 334	1.17 333	0.53 157	0.26 26	1.03 290	0.55 247	1.82 322	1.06 189	1.21 241	1.22 222	0.96 203	0.91 257	1.01 128	1.06 319	0.21 169	0.14 92	0.24 206	0.19 132	0.37 330	0.21 183

iResNet	0.75 230	0.40 296	1.36 361	0.67 325	0.29 78	0.92 260	0.59 277	1.52 244	1.25 292	1.28 274	1.48 314	0.94 189	0.76 188	1.62 248	0.78 268	0.18 73	0.14 92	0.18 52	0.15 47	0.22 177	0.23 218

iResNet_ROB	0.77 237	0.30 151	0.99 278	0.57 223	0.36 176	0.83 234	0.36 76	2.33 419	1.58 386	1.27 272	1.30 251	1.25 283	0.84 226	1.65 251	0.79 274	0.20 140	0.14 92	0.17 23	0.12 13	0.18 61	0.27 273

DN-CSS_ROB	0.64 161	0.32 200	1.05 302	0.55 194	0.40 225	0.54 86	0.45 171	1.21 171	0.93 133	1.03 154	1.47 309	0.69 99	0.63 152	1.76 274	0.49 160	0.18 73	0.14 92	0.25 244	0.22 231	0.22 177	0.20 167

RAStereo	0.34 2	0.21 7	0.66 103	0.47 53	0.27 42	0.26 2	0.29 30	0.69 10	0.63 41	0.32 2	0.42 5	0.45 20	0.31 10	0.45 4	0.34 39	0.17 40	0.15 146	0.19 70	0.15 47	0.18 61	0.13 4

gcap-zeroshot	0.53 75	0.28 102	0.89 246	0.49 88	0.28 63	0.76 199	0.37 86	1.34 200	0.73 79	0.89 113	0.67 46	1.35 308	0.51 86	0.79 75	0.33 25	0.18 73	0.15 146	0.18 52	0.15 47	0.17 35	0.16 56

test_for_model	1.30 367	3.71 470	0.58 62	3.22 461	2.84 461	0.59 107	0.33 48	1.40 213	0.83 101	1.42 337	0.61 37	0.52 46	0.37 23	0.51 10	0.33 25	2.46 448	0.15 146	0.16 15	0.11 7	4.39 471	1.50 444

testlalala2	0.58 125	0.27 84	0.68 111	1.72 440	1.27 437	0.68 161	0.42 127	0.93 68	0.70 69	0.90 115	0.93 105	0.76 114	0.34 19	0.52 11	0.40 81	0.18 73	0.15 146	0.17 23	0.13 19	0.17 35	0.17 80

AE-Stereo	0.49 61	0.27 84	0.67 108	0.60 253	0.39 215	0.67 154	0.46 177	1.18 163	1.09 205	0.47 25	0.75 68	0.69 99	0.47 62	0.59 25	0.40 81	0.16 15	0.15 146	0.21 123	0.20 164	0.19 93	0.15 37

plain	0.46 44	0.27 84	1.01 287	0.50 97	0.40 225	0.35 8	0.37 86	0.87 46	0.56 29	0.43 15	0.76 70	0.42 10	0.40 32	1.13 156	0.45 127	0.21 169	0.15 146	0.24 206	0.19 132	0.24 217	0.16 56

UniTT-Stereo	0.36 3	0.23 23	0.59 69	0.48 74	0.36 176	0.40 13	0.32 44	0.53 2	0.49 12	0.54 48	0.55 28	0.36 6	0.31 10	0.58 24	0.51 171	0.20 140	0.15 146	0.17 23	0.15 47	0.19 93	0.15 37

TestStereo1	0.63 150	0.28 102	0.75 176	0.76 370	0.31 114	0.48 36	0.43 144	1.30 193	1.21 276	0.97 133	1.31 257	0.64 81	0.77 192	1.75 269	0.42 102	0.20 140	0.15 146	0.22 150	0.18 112	0.21 154	0.17 80

RAFT_CTSACE	0.63 150	0.26 61	0.88 240	0.55 194	0.51 296	0.71 179	0.44 157	0.80 33	0.97 151	0.97 133	1.84 375	1.18 267	0.68 165	1.47 224	0.36 52	0.16 15	0.15 146	0.21 123	0.20 164	0.20 120	0.14 19

SA-5K	0.63 150	0.28 102	0.75 176	0.76 370	0.31 114	0.48 36	0.43 144	1.30 193	1.21 276	0.97 133	1.31 257	0.64 81	0.77 192	1.75 269	0.42 102	0.20 140	0.15 146	0.22 150	0.18 112	0.21 154	0.17 80

SA	0.66 174	0.30 151	0.82 211	0.61 266	0.30 95	0.58 102	0.38 92	1.44 224	1.30 318	0.96 130	1.36 279	0.66 89	0.95 279	1.85 284	0.42 102	0.19 111	0.15 146	0.25 244	0.23 253	0.21 154	0.17 80

CIPLG	0.62 143	0.33 219	0.96 272	0.58 229	0.50 285	0.75 194	0.48 192	1.05 116	0.96 143	1.40 329	1.57 335	0.64 81	0.48 72	0.89 101	0.70 240	0.23 218	0.15 146	0.19 70	0.16 81	0.19 93	0.21 183

IPLGR_C	0.62 143	0.33 219	0.99 278	0.58 229	0.49 278	0.76 199	0.48 192	1.10 140	0.96 143	1.40 329	1.56 331	0.62 76	0.48 72	0.80 77	0.71 245	0.23 218	0.15 146	0.19 70	0.16 81	0.19 93	0.21 183

IPLGR	0.58 125	0.27 84	1.14 329	0.48 74	0.28 63	0.65 142	0.33 48	1.22 179	1.13 228	1.18 229	1.05 153	0.69 99	0.66 164	0.96 113	0.52 178	0.17 40	0.15 146	0.20 97	0.17 98	0.20 120	0.18 105

ACRE	0.61 139	0.33 219	1.01 287	0.58 229	0.49 278	0.75 194	0.47 183	1.06 129	0.95 138	1.37 318	1.55 327	0.62 76	0.46 53	0.83 85	0.70 240	0.23 218	0.15 146	0.19 70	0.16 81	0.18 61	0.21 183

CrosDoStereo	1.58 391	0.24 30	0.72 146	0.48 74	0.29 78	0.67 154	12.49 471	1.10 140	0.98 156	1.34 311	1.75 365	1.00 213	1.89 413	6.65 429	0.81 279	0.19 111	0.15 146	0.20 97	0.22 231	0.18 61	0.19 140

TRStereo	0.60 133	0.60 377	0.97 274	0.74 365	0.67 359	0.46 33	0.38 92	1.85 331	0.89 117	0.79 91	0.80 83	0.88 164	0.39 29	1.10 150	0.41 92	0.23 218	0.15 146	0.23 186	0.24 265	0.17 35	0.15 37

PSM-softLoss	0.78 244	0.31 184	0.77 192	0.58 229	0.32 131	0.56 95	0.40 111	1.18 163	0.70 69	1.24 260	1.07 158	0.83 143	0.52 90	5.36 402	0.53 185	0.24 233	0.15 146	0.25 244	0.22 231	0.20 120	0.25 243

KMStereo	0.78 244	0.31 184	0.77 192	0.58 229	0.32 131	0.56 95	0.40 111	1.18 163	0.70 69	1.24 260	1.07 158	0.83 143	0.52 90	5.36 402	0.53 185	0.24 233	0.15 146	0.25 244	0.22 231	0.20 120	0.25 243

DeepStereo_LL	1.58 391	0.24 30	0.72 146	0.48 74	0.29 78	0.67 154	12.49 471	1.10 140	0.98 156	1.34 311	1.75 365	1.00 213	1.89 413	6.65 429	0.81 279	0.19 111	0.15 146	0.20 97	0.22 231	0.18 61	0.19 140

DEmStereo	0.97 309	0.23 23	0.79 202	0.47 53	0.32 131	1.04 292	0.56 255	0.93 68	0.89 117	1.39 328	2.14 400	1.02 222	2.07 424	5.64 412	0.77 266	0.17 40	0.15 146	0.20 97	0.20 164	0.18 61	0.20 167

AnonymousM	0.59 130	1.11 426	0.41 11	0.44 31	0.32 131	0.43 25	0.47 183	1.05 116	0.64 45	0.98 137	0.63 40	0.67 92	0.43 41	0.59 25	0.41 92	0.20 140	0.15 146	1.84 445	0.84 436	0.14 3	0.13 4

CroCo-Stereo	0.40 15	0.31 184	0.73 158	0.58 229	0.27 42	0.26 2	0.33 48	0.95 79	0.81 95	0.42 12	0.47 12	0.65 84	0.47 62	0.39 3	0.34 39	0.18 73	0.15 146	0.16 15	0.14 37	0.19 93	0.16 56
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
TestStereo	0.64 161	0.39 290	0.71 140	0.51 124	0.27 42	0.56 95	0.42 127	1.03 105	0.91 126	0.80 93	1.00 126	0.68 94	0.52 90	3.25 364	0.45 127	0.22 193	0.15 146	0.24 206	0.18 112	0.27 253	0.16 56

XX-TBD	0.46 44	0.70 394	0.35 1	0.79 377	0.25 23	0.58 102	0.26 15	0.69 10	1.27 303	0.76 82	1.00 126	0.45 20	0.33 15	0.47 6	0.37 60	0.19 111	0.15 146	0.15 4	0.11 7	0.17 35	0.14 19

raftrobust	0.52 66	0.25 49	0.56 49	0.65 306	0.52 304	0.49 46	0.34 60	0.98 89	0.91 126	1.30 288	0.87 93	0.63 78	0.81 211	0.78 71	0.41 92	0.19 111	0.15 146	0.16 15	0.14 37	0.15 8	0.16 56

RALAANet	0.60 133	0.33 219	0.87 233	0.62 277	0.50 285	0.69 166	0.31 40	1.21 171	1.06 189	1.09 167	1.16 203	0.88 164	0.46 53	1.22 169	0.42 102	0.19 111	0.15 146	0.21 123	0.17 98	0.27 253	0.17 80

GMStereo	0.55 105	0.45 320	0.94 263	0.50 97	0.32 131	0.64 128	0.43 144	1.00 95	1.40 361	0.82 101	0.73 64	0.51 41	0.45 49	0.85 90	0.55 194	0.24 233	0.15 146	0.20 97	0.21 204	0.31 301	0.24 231
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
FENet	0.60 133	0.28 102	0.63 84	0.54 172	0.33 148	0.83 234	0.38 92	1.27 189	1.07 194	1.00 144	0.86 90	0.99 212	0.85 229	0.96 113	0.68 236	0.22 193	0.15 146	0.23 186	0.20 164	0.22 177	0.23 218

DIP-Stereo	0.62 143	0.30 151	0.83 214	0.48 74	0.36 176	0.95 269	0.33 48	2.37 424	0.67 61	1.25 265	1.00 126	0.68 94	0.51 86	0.91 103	0.61 214	0.18 73	0.15 146	0.21 123	0.17 98	0.19 93	0.19 140
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
R-Stereo Train	0.57 120	0.26 61	0.63 84	0.54 172	0.36 176	0.69 166	0.54 232	1.22 179	0.72 75	1.61 372	1.50 319	0.75 110	0.53 96	0.64 39	0.44 114	0.18 73	0.15 146	0.17 23	0.15 47	0.17 35	0.17 80

RAFT-Stereo	0.57 120	0.26 61	0.63 84	0.54 172	0.36 176	0.69 166	0.54 232	1.22 179	0.72 75	1.61 372	1.50 319	0.75 110	0.53 96	0.64 39	0.44 114	0.18 73	0.15 146	0.17 23	0.15 47	0.17 35	0.17 80
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AdaStereo	0.70 193	0.43 310	0.75 176	0.73 362	0.37 188	0.92 260	0.53 227	1.85 331	1.18 259	1.12 182	1.23 226	1.07 236	0.65 162	0.96 113	0.63 221	0.31 325	0.15 146	0.32 329	0.21 204	0.29 281	0.22 200
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.
iResNetv2_ROB	0.80 251	0.37 278	1.71 393	0.56 207	0.37 188	0.94 265	0.64 289	1.73 290	1.34 333	1.23 252	1.42 294	1.26 287	0.92 260	1.85 284	0.56 196	0.23 218	0.15 146	0.19 70	0.14 37	0.24 217	0.19 140

pmcnn	2.37 431	0.42 307	2.71 432	0.63 285	0.43 245	1.54 364	1.19 400	2.01 371	1.53 382	2.64 429	7.60 458	18.07 475	1.45 377	3.44 371	2.78 417	0.18 73	0.15 146	0.15 4	0.12 13	0.20 120	0.18 105

model_zeroshot	0.48 57	0.29 132	0.86 222	0.51 124	0.36 176	0.69 166	0.37 86	1.12 148	0.62 38	0.85 109	0.84 87	0.66 89	0.37 23	0.73 61	0.34 39	0.20 140	0.16 181	0.19 70	0.16 81	0.17 35	0.16 56

H2IRNET	0.56 114	0.26 61	0.66 103	0.47 53	0.35 166	0.41 16	0.26 15	0.92 62	1.17 252	0.61 61	1.28 247	1.08 237	0.86 237	0.99 123	0.63 221	0.19 111	0.16 181	0.22 150	0.25 278	0.21 154	0.18 105

MGS-Stereo	0.42 21	0.26 61	0.58 62	0.44 31	0.28 63	0.50 55	0.34 60	0.57 3	0.83 101	0.46 23	1.31 257	0.52 46	0.33 15	0.65 43	0.36 52	0.19 111	0.16 181	0.18 52	0.15 47	0.17 35	0.16 56

MyStereo07	0.48 57	0.29 132	0.50 24	0.55 194	0.45 259	0.59 107	0.79 330	1.05 116	0.51 21	0.48 29	0.53 20	0.43 12	0.55 108	1.30 184	0.34 39	0.17 40	0.16 181	0.24 206	0.20 164	0.23 202	0.20 167

MyStereo06	0.61 139	0.28 102	0.95 267	0.56 207	0.46 269	0.61 118	0.73 314	1.78 310	0.67 61	1.03 154	1.12 184	1.13 259	0.56 112	0.78 71	0.41 92	0.17 40	0.16 181	0.23 186	0.20 164	0.22 177	0.20 167

MyStereo05	0.66 174	0.28 102	1.07 311	0.56 207	0.46 269	0.61 118	0.73 314	1.34 200	1.41 364	1.15 205	0.91 100	0.77 117	0.80 208	1.41 213	0.63 221	0.17 40	0.16 181	0.23 186	0.20 164	0.22 177	0.20 167

MyStereo04	0.67 183	0.29 132	1.07 311	0.55 194	0.45 259	0.59 107	0.79 330	1.50 236	1.40 361	0.91 119	0.91 100	0.74 108	0.86 237	1.52 229	0.62 217	0.17 40	0.16 181	0.24 206	0.20 164	0.23 202	0.20 167

CoDeX	0.73 219	0.29 132	0.93 259	0.54 172	0.36 176	1.14 307	0.61 282	2.34 421	1.17 252	1.16 215	1.25 232	0.91 175	0.87 242	1.33 190	0.64 225	0.20 140	0.16 181	0.21 123	0.18 112	0.20 120	0.18 105

MaDis-Stereo	0.36 3	0.25 49	0.58 62	0.44 31	0.34 163	0.30 5	0.30 35	0.72 13	0.50 14	0.37 6	0.36 3	0.58 65	0.49 80	0.52 11	0.36 52	0.19 111	0.16 181	0.19 70	0.15 47	0.18 61	0.14 19

MIF-Stereo (partial)	0.45 40	0.25 49	0.70 128	0.50 97	0.52 304	0.35 8	0.26 15	0.91 61	0.59 35	0.45 22	0.71 59	0.51 41	0.51 86	1.11 153	0.45 127	0.20 140	0.16 181	0.23 186	0.20 164	0.24 217	0.18 105

EKT-Stereo	0.53 75	0.30 151	0.73 158	0.58 229	0.60 340	0.51 70	0.48 192	0.94 75	0.90 121	0.71 73	0.88 95	0.77 117	0.43 41	1.07 145	0.40 81	0.22 193	0.16 181	0.21 123	0.18 112	0.20 120	0.22 200

MIM_Stereo	0.57 120	0.24 30	0.92 257	0.46 45	0.30 95	0.54 86	0.28 26	1.27 189	0.75 81	1.00 144	1.16 203	0.93 186	0.53 96	1.45 218	0.61 214	0.16 15	0.16 181	0.20 97	0.19 132	0.17 35	0.14 19

PCWNet_CMD	0.66 174	0.32 200	0.88 240	0.49 88	0.37 188	0.78 212	0.40 111	1.42 217	1.31 322	1.16 215	1.31 257	1.25 283	0.62 147	0.89 101	0.57 199	0.20 140	0.16 181	0.27 277	0.19 132	0.40 347	0.25 243

LL-Strereo2	0.52 66	0.33 219	0.69 122	0.52 143	0.37 188	0.70 173	0.30 35	1.13 151	0.67 61	0.94 127	0.78 74	0.91 175	0.42 37	1.05 140	0.42 102	0.17 40	0.16 181	0.29 300	0.25 278	0.21 154	0.16 56

DCRE	0.82 259	0.26 61	0.70 128	0.58 229	0.44 252	0.54 86	0.48 192	0.95 79	0.78 89	0.78 88	7.33 457	0.86 156	0.52 90	0.76 67	0.41 92	0.16 15	0.16 181	0.19 70	0.17 98	0.18 61	0.17 80

anonymousa	0.72 202	0.27 84	0.75 176	0.47 53	0.63 349	1.43 355	0.45 171	1.24 185	0.89 117	1.28 274	1.75 365	1.62 352	1.13 335	0.69 48	0.59 204	0.19 111	0.16 181	0.23 186	0.25 278	0.20 120	0.18 105

IER	0.70 193	0.31 184	1.02 294	0.48 74	0.52 304	1.34 342	0.51 209	1.17 158	0.99 163	1.23 252	1.34 272	1.12 254	1.11 330	0.99 123	0.71 245	0.20 140	0.16 181	0.21 123	0.21 204	0.20 120	0.19 140

DAS	0.84 270	0.34 241	1.03 298	0.64 294	0.69 367	0.77 207	0.63 287	1.54 252	1.20 270	1.79 390	1.55 327	0.95 197	1.04 314	2.83 349	0.60 212	0.21 169	0.16 181	0.25 244	0.18 112	0.27 253	0.22 200

SepStereo	0.82 259	0.34 241	1.03 298	0.64 294	0.69 367	0.77 207	0.63 287	1.54 252	1.20 270	1.79 390	1.55 327	0.95 197	1.04 314	2.30 326	0.60 212	0.21 169	0.16 181	0.25 244	0.18 112	0.27 253	0.22 200

FTStereo	0.91 292	0.26 61	0.56 49	0.54 172	0.33 148	0.66 150	1.87 436	1.00 95	0.75 81	1.75 384	4.15 437	1.04 229	1.65 395	1.57 240	0.46 141	0.19 111	0.16 181	0.23 186	0.21 204	0.18 61	0.63 408

ASMatch	0.88 284	0.26 61	0.69 122	0.51 124	0.35 166	0.48 36	0.37 86	1.12 148	0.92 131	1.10 175	3.28 427	0.96 203	0.98 293	4.90 394	0.49 160	0.19 111	0.16 181	0.22 150	0.19 132	0.19 93	0.27 273

CFNet_pseudo	0.66 174	0.32 200	0.86 222	0.48 74	0.39 215	0.70 173	0.40 111	1.33 195	1.22 282	1.16 215	1.34 272	1.24 279	0.64 156	0.98 120	0.59 204	0.21 169	0.16 181	0.33 337	0.19 132	0.36 326	0.25 243

RALCasStereoNet	0.54 90	0.30 151	0.66 103	0.59 242	0.51 296	0.61 118	0.52 219	0.94 75	0.93 133	0.70 71	1.01 132	0.78 121	0.44 46	1.33 190	0.47 148	0.20 140	0.16 181	0.18 52	0.16 81	0.20 120	0.19 140

MSMDNet	0.66 174	0.32 200	0.87 233	0.49 88	0.37 188	0.79 216	0.40 111	1.43 223	1.31 322	1.15 205	1.31 257	1.24 279	0.63 152	0.88 95	0.57 199	0.21 169	0.16 181	0.26 263	0.19 132	0.39 343	0.24 231

ccs_rob	0.66 174	0.33 219	0.86 222	0.48 74	0.39 215	0.70 173	0.40 111	1.33 195	1.22 282	1.16 215	1.34 272	1.23 277	0.64 156	0.98 120	0.59 204	0.21 169	0.16 181	0.35 355	0.20 164	0.37 330	0.25 243

HSM	1.19 359	0.32 200	0.65 97	0.57 223	0.38 205	1.23 326	0.59 277	2.25 412	1.19 265	1.30 288	1.25 232	1.94 388	1.03 312	9.32 459	0.71 245	0.22 193	0.16 181	0.20 97	0.16 81	0.21 154	0.21 183

StereoDRNet-Refined	0.80 251	0.41 303	0.88 240	0.62 277	0.42 237	1.33 340	0.48 192	1.52 244	1.17 252	1.45 341	1.44 301	1.44 323	0.90 254	1.26 178	1.24 343	0.20 140	0.16 181	0.27 277	0.24 265	0.25 228	0.28 285
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
rvit_stereo_ft	0.47 51	0.35 261	0.87 233	0.67 325	0.42 237	0.40 13	0.59 277	0.81 36	0.74 80	0.46 23	0.55 28	0.57 60	0.49 80	0.65 43	0.50 166	0.25 257	0.17 208	0.22 150	0.22 231	0.24 217	0.17 80

DispNO	0.93 297	0.30 151	1.34 360	0.55 194	0.55 316	0.89 248	0.49 201	1.48 230	1.21 276	1.17 224	1.27 242	1.19 268	0.90 254	5.23 399	0.74 252	0.22 193	0.17 208	0.24 206	0.21 204	0.19 93	0.20 167

Former-RAFT_DAM_RVC	0.46 44	0.36 271	0.71 140	0.47 53	0.36 176	0.67 154	0.35 64	0.78 25	1.12 216	0.61 61	0.62 39	0.39 9	0.39 29	0.71 54	0.39 77	0.20 140	0.17 208	0.22 150	0.18 112	0.23 202	0.19 140

GMStereo_Zeroshot	0.67 183	0.61 378	1.01 287	0.64 294	0.37 188	0.84 241	0.35 64	1.05 116	1.12 216	1.12 182	1.06 155	1.27 291	0.54 101	1.19 166	0.59 204	0.32 331	0.17 208	0.31 317	0.18 112	0.52 388	0.22 200

BUS	0.74 222	0.32 200	0.68 111	0.54 172	0.44 252	2.34 419	0.42 127	2.16 396	0.98 156	1.20 237	1.11 177	1.03 226	0.62 147	0.91 103	0.70 240	0.24 233	0.17 208	0.25 244	0.22 231	0.22 177	0.22 200

BSDual-CNN	0.71 200	0.32 200	0.68 111	0.54 172	0.44 252	1.27 331	0.65 291	2.16 396	0.98 156	1.20 237	1.11 177	1.12 254	0.74 178	0.91 103	0.66 229	0.24 233	0.17 208	0.25 244	0.22 231	0.22 177	0.22 200

hknet	0.77 237	0.32 200	0.95 267	0.54 172	0.38 205	1.27 331	0.65 291	2.16 396	1.07 194	1.20 237	1.11 177	1.59 348	0.81 211	1.37 198	0.66 229	0.22 193	0.17 208	0.25 244	0.22 231	0.22 177	0.22 200

PFNet+	0.59 130	0.28 102	0.77 192	0.53 157	0.30 95	0.59 107	0.31 40	0.92 62	1.14 230	1.33 308	1.10 171	0.79 125	0.57 121	1.31 185	0.49 160	0.25 257	0.17 208	0.28 290	0.26 295	0.21 154	0.25 243

LMCR-Stereo	0.82 259	0.46 322	0.88 240	0.75 368	0.43 245	1.33 340	0.56 255	2.43 429	0.98 156	1.53 357	1.49 316	0.74 108	1.00 303	1.63 249	0.89 297	0.28 305	0.17 208	0.22 150	0.17 98	0.29 281	0.20 167

sAnonymous2	0.55 105	0.56 359	1.46 373	0.60 253	0.51 296	0.48 36	0.52 219	0.79 27	0.68 64	0.50 41	0.67 46	0.46 22	0.62 147	0.59 25	0.40 81	0.22 193	0.17 208	0.22 150	0.21 204	0.86 422	0.56 395

CroCo_RVC	0.55 105	0.56 359	1.46 373	0.60 253	0.51 296	0.48 36	0.52 219	0.79 27	0.68 64	0.50 41	0.67 46	0.46 22	0.62 147	0.59 25	0.40 81	0.22 193	0.17 208	0.22 150	0.21 204	0.86 422	0.56 395

SFCPSM	0.70 193	0.28 102	1.02 294	0.51 124	0.38 205	1.37 345	0.66 296	2.00 367	1.03 178	1.17 224	1.21 220	0.82 136	0.78 198	1.03 132	0.53 185	0.21 169	0.17 208	0.22 150	0.24 265	0.21 154	0.19 140

UNet	0.83 265	0.34 241	1.31 352	0.58 229	0.74 376	1.58 368	0.49 201	1.41 215	1.04 182	1.21 241	1.08 162	1.54 340	1.12 333	1.65 251	1.09 325	0.23 218	0.17 208	0.25 244	0.20 164	0.25 228	0.22 200

RASNet	1.12 346	0.30 151	0.91 253	0.66 313	0.77 386	0.97 277	0.57 265	1.37 205	1.35 341	1.02 151	1.34 272	2.11 402	1.43 374	7.09 438	1.39 365	0.19 111	0.17 208	0.17 23	0.19 132	0.18 61	0.16 56

HSM-Net_RVC	0.87 283	0.29 132	0.53 38	0.53 157	0.30 95	1.15 312	0.55 247	3.57 447	1.28 308	1.53 357	1.74 362	1.68 363	0.93 269	1.49 226	0.77 266	0.22 193	0.17 208	0.19 70	0.18 112	0.20 120	0.19 140
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.96 303	0.36 271	1.01 287	0.62 277	0.42 237	0.99 282	0.47 183	1.90 344	1.32 326	0.99 140	1.39 289	1.10 249	0.86 237	5.58 411	0.79 274	0.23 218	0.17 208	0.28 290	0.27 305	0.26 239	0.21 183

AANet_RVC	1.16 357	0.52 348	1.49 380	0.65 306	0.45 259	0.75 194	0.69 306	1.42 217	1.55 385	1.34 311	1.87 380	1.53 339	0.78 198	7.43 444	1.38 362	0.25 257	0.17 208	0.19 70	0.16 81	0.22 177	0.26 264

UGAM	1.14 351	0.27 84	0.95 267	0.53 157	0.42 237	0.70 173	0.72 313	0.95 79	1.32 326	0.98 137	1.48 314	1.78 374	0.87 242	9.65 464	0.87 295	0.21 169	0.18 225	0.30 311	0.24 265	0.19 93	0.16 56

test_sample2	0.62 143	0.29 132	0.74 173	0.50 97	0.28 63	0.80 222	0.61 282	1.61 267	1.00 168	0.88 112	0.99 122	0.94 189	0.83 223	1.16 160	0.51 171	0.23 218	0.18 225	0.22 150	0.21 204	0.23 202	0.22 200

test_sample1	0.61 139	0.29 132	0.75 176	0.50 97	0.31 114	0.76 199	0.48 192	1.59 260	0.84 104	0.90 115	0.94 108	0.88 164	0.95 279	1.16 160	0.67 232	0.22 193	0.18 225	0.20 97	0.19 132	0.21 154	0.21 183

mmm	0.63 150	0.35 261	0.72 146	0.51 124	0.30 95	0.86 245	0.54 232	1.59 260	0.86 106	1.07 160	1.38 285	0.79 125	0.75 180	0.91 103	0.58 202	0.22 193	0.18 225	0.29 300	0.25 278	0.25 228	0.23 218

11t1	0.52 66	0.28 102	0.68 111	0.51 124	0.28 63	0.83 234	0.39 105	1.22 179	0.63 41	0.84 105	0.74 66	0.68 94	0.68 165	0.91 103	0.57 199	0.21 169	0.18 225	0.19 70	0.16 81	0.20 120	0.21 183

LL-Strereo	1.33 372	0.39 290	1.38 362	0.61 266	0.61 343	0.75 194	0.66 296	1.63 273	1.17 252	1.56 365	1.60 339	2.03 398	2.12 425	9.72 465	0.97 310	0.21 169	0.18 225	0.27 277	0.23 253	0.22 177	0.25 243

CBFPSM	0.92 294	0.33 219	1.86 404	0.49 88	0.38 205	1.75 382	0.84 342	1.39 211	1.12 216	1.09 167	0.99 122	2.37 412	1.66 399	1.32 188	1.42 374	0.19 111	0.18 225	0.20 97	0.20 164	0.21 154	0.33 322

CroCo-Stereo Lap2	0.44 33	0.34 241	0.77 192	0.61 266	0.79 390	0.28 4	0.35 64	0.75 17	0.71 74	0.38 9	0.50 17	0.72 106	0.55 108	0.57 23	0.47 148	0.17 40	0.18 225	0.19 70	0.16 81	0.21 154	0.20 167

dd	0.59 130	0.48 331	0.97 274	0.55 194	0.32 131	0.64 128	0.47 183	1.02 101	1.34 333	0.78 88	0.86 90	0.58 65	0.54 101	1.01 128	0.86 294	0.28 305	0.18 225	0.26 263	0.19 132	0.32 309	0.24 231

GwcNet-ADL	0.64 161	0.31 184	0.79 202	0.56 207	0.41 232	0.60 114	0.58 269	1.41 215	1.26 297	1.08 161	1.13 189	0.91 175	0.60 134	1.04 138	0.78 268	0.27 292	0.18 225	0.18 52	0.18 112	0.25 228	0.29 289

GANet-ADL	0.60 133	0.35 261	0.72 146	0.64 294	0.40 225	0.68 161	0.51 209	1.49 232	1.12 216	0.95 128	1.08 162	0.91 175	0.57 121	0.76 67	0.55 194	0.26 277	0.18 225	0.18 52	0.16 81	0.23 202	0.25 243

RAFT	0.64 161	0.30 151	0.73 158	0.59 242	0.33 148	0.68 161	0.58 269	1.04 110	0.76 85	1.08 161	1.19 215	1.65 360	0.93 269	1.06 141	0.56 196	0.21 169	0.18 225	0.27 277	0.24 265	0.22 177	0.17 80

MMNet	0.84 270	0.32 200	1.09 316	0.60 253	0.59 337	1.85 395	0.49 201	1.51 242	1.27 303	1.37 318	1.15 199	1.26 287	1.18 341	1.67 256	1.22 341	0.19 111	0.18 225	0.23 186	0.22 231	0.25 228	0.21 183

cf-r	0.73 219	0.30 151	0.77 192	0.55 194	0.63 349	0.78 212	0.48 192	1.79 315	1.15 241	1.13 196	1.26 239	1.43 318	0.87 242	1.40 212	0.85 292	0.25 257	0.18 225	0.22 150	0.23 253	0.19 93	0.19 140

GwcNet-RSSM	0.77 237	0.32 200	1.01 287	0.62 277	0.54 310	0.78 212	0.51 209	1.73 290	1.20 270	1.09 167	1.37 281	1.46 327	0.85 229	1.53 233	1.09 325	0.25 257	0.18 225	0.23 186	0.24 265	0.20 120	0.19 140

DISCO	1.03 327	0.34 241	1.11 321	0.69 339	0.45 259	2.07 408	0.84 342	2.13 387	1.50 377	1.15 205	1.33 265	2.40 414	1.07 324	2.60 342	1.51 383	0.23 218	0.18 225	0.22 150	0.20 164	0.31 301	0.27 273

mmx	1.39 378	0.33 219	0.85 216	0.53 157	0.37 188	0.74 189	0.56 255	2.13 387	1.37 348	1.15 205	1.45 303	1.06 231	0.82 215	7.22 439	7.61 448	0.24 233	0.19 241	0.31 317	0.27 305	0.30 292	0.25 243

xxx	1.39 378	0.33 219	0.85 216	0.53 157	0.37 188	0.74 189	0.56 255	2.13 387	1.37 348	1.15 205	1.45 303	1.06 231	0.82 215	7.22 439	7.61 448	0.24 233	0.19 241	0.31 317	0.27 305	0.30 292	0.25 243

CASS	0.65 167	0.34 241	0.72 146	0.56 207	0.27 42	0.78 212	0.42 127	1.59 260	0.86 106	1.30 288	1.25 232	0.87 160	0.84 226	0.84 87	0.54 190	0.35 354	0.19 241	0.26 263	0.21 204	0.28 270	0.42 358
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ToySt	0.66 174	0.33 219	1.23 339	0.51 124	0.33 148	0.86 245	0.68 302	1.10 140	0.97 151	0.84 105	1.08 162	1.25 283	0.94 274	1.01 128	0.74 252	0.19 111	0.19 241	0.24 206	0.24 265	0.27 253	0.23 218

x	0.54 90	0.31 184	0.61 77	0.47 53	0.30 95	0.67 154	0.47 183	1.53 250	0.79 93	0.81 97	0.83 85	0.78 121	0.70 171	0.70 51	0.62 217	0.21 169	0.19 241	0.22 150	0.19 132	0.21 154	0.20 167

psmg	0.72 202	0.32 200	0.68 111	0.50 97	0.44 252	1.48 358	0.75 319	1.94 357	0.98 156	1.21 241	1.33 265	1.12 254	0.74 178	0.91 103	0.66 229	0.24 233	0.19 241	0.25 244	0.25 278	0.23 202	0.22 200

UDGNet	0.72 202	1.17 431	0.80 207	0.77 373	0.41 232	0.77 207	0.38 92	0.97 87	1.34 333	0.81 97	0.88 95	0.71 105	0.60 134	1.21 168	0.54 190	0.52 403	0.19 241	1.02 436	0.26 295	0.71 417	0.31 311

GEStereo_RVC	0.90 289	0.37 278	0.99 278	0.64 294	0.50 285	0.95 269	0.79 330	2.42 428	1.17 252	1.16 215	1.11 177	1.26 287	0.92 260	3.24 363	0.90 300	0.29 314	0.19 241	0.23 186	0.20 164	0.27 253	0.29 289

GES	0.66 174	0.34 241	0.90 250	0.59 242	0.38 205	0.94 265	0.57 265	2.11 386	0.86 106	1.02 151	1.11 177	0.66 89	0.79 202	0.99 123	0.61 214	0.27 292	0.19 241	0.20 97	0.20 164	0.21 154	0.30 301

HCRNet	0.70 193	0.39 290	0.73 158	0.60 253	0.59 337	0.76 199	0.35 64	1.22 179	1.13 228	1.02 151	0.99 122	1.02 222	0.76 188	2.19 317	0.70 240	0.28 305	0.19 241	0.28 290	0.23 253	0.25 228	0.23 218

ACVNet	0.63 150	0.31 184	0.54 43	0.54 172	0.36 176	0.80 222	0.46 177	1.37 205	1.07 194	0.93 122	1.30 251	1.08 237	0.85 229	0.80 77	0.94 303	0.21 169	0.19 241	0.21 123	0.18 112	0.22 177	0.18 105

acv_ft	0.75 230	0.31 184	0.95 267	0.70 344	0.86 404	1.24 327	0.53 227	1.44 224	1.07 194	1.24 260	1.30 251	1.08 237	0.92 260	0.80 77	1.34 357	0.21 169	0.19 241	0.21 123	0.18 112	0.21 154	0.18 105

GANet-RSSM	0.72 202	0.28 102	0.63 84	0.64 294	0.58 330	0.80 222	0.58 269	1.89 341	1.08 199	1.04 157	1.25 232	1.15 262	1.04 314	1.49 226	0.62 217	0.25 257	0.19 241	0.22 150	0.22 231	0.22 177	0.21 183

PSMNet-RSSM	0.72 202	0.30 151	0.61 77	0.63 285	0.42 237	0.73 185	0.56 255	1.92 351	1.10 210	1.09 167	1.37 281	1.22 272	0.98 293	1.28 180	0.72 248	0.27 292	0.19 241	0.27 277	0.29 336	0.24 217	0.24 231

DMCA	0.67 183	0.34 241	0.90 250	0.51 124	0.44 252	0.86 245	0.47 183	1.42 217	1.02 174	1.17 224	1.12 184	1.23 277	0.75 180	0.78 71	0.95 305	0.25 257	0.19 241	0.27 277	0.19 132	0.24 217	0.27 273

SuperB	2.53 437	0.59 369	18.45 468	0.69 339	0.50 285	1.87 397	0.88 352	1.67 281	2.39 426	1.50 353	1.42 294	1.14 261	1.15 337	4.28 384	5.07 437	0.24 233	0.19 241	0.22 150	0.19 132	7.86 476	0.34 326

LE_ROB	8.05 465	0.37 278	23.53 473	0.74 365	0.33 148	2.77 432	2.87 462	3.71 449	27.24 482	25.39 482	8.87 465	8.46 463	26.71 481	6.65 429	21.99 474	0.21 169	0.19 241	0.20 97	0.21 204	0.25 228	0.22 200

rvit_stereo_0081	0.44 33	0.33 219	0.64 90	0.54 172	0.35 166	0.41 16	0.44 157	0.66 7	0.95 138	0.48 29	0.52 18	0.50 39	0.46 53	0.82 83	0.44 114	0.25 257	0.20 258	0.22 150	0.19 132	0.25 228	0.17 80

rvit_stereo_0082	0.44 33	0.33 219	0.64 90	0.54 172	0.35 166	0.41 16	0.44 157	0.66 7	0.95 138	0.48 29	0.52 18	0.50 39	0.46 53	0.82 83	0.44 114	0.25 257	0.20 258	0.22 150	0.19 132	0.25 228	0.17 80

test_sample5	0.69 189	0.34 241	0.87 233	0.52 143	0.30 95	0.84 241	0.54 232	1.83 327	1.14 230	1.11 181	1.25 232	0.88 164	0.78 198	1.23 171	0.65 226	0.26 277	0.20 258	0.27 277	0.27 305	0.27 253	0.26 264

test_sample4	0.69 189	0.33 219	0.91 253	0.51 124	0.30 95	0.92 260	0.52 219	1.87 336	1.15 241	1.14 199	1.18 208	0.87 160	0.75 180	1.18 164	0.68 236	0.25 257	0.20 258	0.26 263	0.26 295	0.26 239	0.25 243

test_sample3	0.68 187	0.32 200	0.88 240	0.52 143	0.30 95	0.97 277	0.52 219	1.86 334	1.15 241	1.08 161	1.11 177	0.88 164	0.71 174	1.17 163	0.68 236	0.25 257	0.20 258	0.25 244	0.25 278	0.25 228	0.25 243

SMFormer	0.75 230	0.30 151	0.86 222	0.46 45	0.26 26	0.82 229	0.43 144	2.05 376	1.39 356	1.23 252	1.47 309	0.98 206	0.95 279	1.71 264	0.82 284	0.24 233	0.20 258	0.22 150	0.21 204	0.23 202	0.24 231

tta	0.75 230	0.30 151	0.86 222	0.46 45	0.26 26	0.82 229	0.43 144	2.05 376	1.39 356	1.23 252	1.47 309	0.98 206	0.95 279	1.71 264	0.82 284	0.24 233	0.20 258	0.22 150	0.21 204	0.18 61	0.18 105

qqq1	0.72 202	0.30 151	0.86 222	0.46 45	0.26 26	0.82 229	0.43 144	2.05 376	1.39 356	1.23 252	1.47 309	0.98 206	0.95 279	1.71 264	0.44 114	0.24 233	0.20 258	0.18 52	0.15 47	0.18 61	0.18 105

fff1	0.72 202	0.30 151	0.86 222	0.46 45	0.26 26	0.82 229	0.43 144	2.05 376	1.39 356	1.23 252	1.47 309	0.98 206	0.95 279	1.71 264	0.44 114	0.24 233	0.20 258	0.18 52	0.15 47	0.18 61	0.18 105

DualNet	0.70 193	0.34 241	0.87 233	0.52 143	0.30 95	0.84 241	0.54 232	1.83 327	1.14 230	1.14 199	1.33 265	0.88 164	0.78 198	1.23 171	0.65 226	0.26 277	0.20 258	0.27 277	0.27 305	0.27 253	0.26 264

CFNet_ucs	0.70 193	0.33 219	0.88 240	0.50 97	0.43 245	0.74 189	0.44 157	1.60 264	1.29 312	1.22 246	1.54 325	1.09 247	0.63 152	0.99 123	0.59 204	0.25 257	0.20 258	0.37 366	0.21 204	0.40 347	0.28 285

qqq	0.57 120	0.34 241	0.71 140	0.47 53	0.27 42	0.64 128	0.62 285	1.42 217	0.78 89	0.80 93	0.92 102	0.95 197	0.77 192	0.88 95	0.59 204	0.21 169	0.20 258	0.24 206	0.23 253	0.22 177	0.21 183

GLC_STEREO	0.39 10	0.25 49	0.41 11	0.54 172	0.23 8	0.48 36	0.30 35	0.73 14	0.58 31	0.52 45	0.73 64	0.51 41	0.31 10	0.64 39	0.42 102	0.17 40	0.20 258	0.23 186	0.19 132	0.21 154	0.17 80

ADLNet	0.85 274	0.36 271	0.89 246	0.85 397	0.72 372	1.24 327	0.76 322	1.82 322	1.36 344	1.52 356	1.35 278	1.27 291	0.99 301	1.23 171	1.15 334	0.27 292	0.20 258	0.26 263	0.25 278	0.28 270	0.30 301

222	1.61 396	0.29 132	0.67 108	0.56 207	0.29 78	1.06 296	0.42 127	2.17 402	1.31 322	1.31 298	1.52 322	0.92 184	0.94 274	1.76 274	17.65 471	0.24 233	0.20 258	0.21 123	0.19 132	0.22 177	0.23 218

test_xeample	1.45 383	0.28 102	0.65 97	0.51 124	0.28 63	0.94 265	0.59 277	2.14 391	1.29 312	1.24 260	1.51 321	0.88 164	0.86 237	1.46 220	15.10 467	0.22 193	0.20 258	0.22 150	0.20 164	0.22 177	0.22 200

CFNet-ft	0.72 202	0.32 200	0.54 43	0.66 313	0.54 310	0.83 234	0.55 247	1.37 205	1.15 241	0.93 122	1.28 247	1.57 344	0.97 289	1.35 194	0.81 279	0.26 277	0.20 258	0.33 337	0.25 278	0.30 292	0.23 218

ADCRef	1.35 374	0.55 356	2.37 423	0.72 354	0.77 386	1.94 400	0.78 327	1.91 348	1.27 303	1.57 369	1.59 338	1.36 309	1.41 372	1.54 235	7.53 447	0.23 218	0.20 258	0.32 329	0.30 345	0.29 281	0.29 289

CFNet_RVC	0.72 202	0.32 200	0.54 43	0.66 313	0.54 310	0.83 234	0.55 247	1.37 205	1.15 241	0.93 122	1.28 247	1.57 344	0.97 289	1.35 194	0.81 279	0.26 277	0.20 258	0.33 337	0.25 278	0.30 292	0.23 218

UCFNet_RVC	0.69 189	0.35 261	0.49 21	0.64 294	0.39 215	0.85 244	0.58 269	1.75 296	1.14 230	0.97 133	1.19 215	1.17 264	0.93 269	0.99 123	0.62 217	0.28 305	0.20 258	0.34 347	0.31 349	0.32 309	0.27 273

NVstereo2D	0.92 294	0.41 303	1.48 378	0.72 354	0.72 372	1.20 323	0.87 350	1.75 296	1.38 352	0.99 140	1.13 189	1.26 287	0.98 293	2.21 319	0.89 297	0.43 384	0.20 258	0.38 369	0.24 265	0.57 397	0.63 408

rvit_stereo_0081_aga	0.44 33	0.34 241	0.73 158	0.51 124	0.41 232	0.50 55	0.40 111	0.81 36	0.57 30	0.58 52	0.56 31	0.53 51	0.43 41	0.66 45	0.40 81	0.26 277	0.21 279	0.22 150	0.20 164	0.26 239	0.18 105

rvit_stereo_0080	0.44 33	0.32 200	0.71 140	0.47 53	0.36 176	0.42 20	0.55 247	0.82 39	0.68 64	0.50 41	0.60 35	0.55 53	0.47 62	0.59 25	0.44 114	0.26 277	0.21 279	0.20 97	0.20 164	0.31 301	0.19 140

test_sample6	0.71 200	0.34 241	0.87 233	0.52 143	0.30 95	0.82 229	0.58 269	1.79 315	1.15 241	1.14 199	1.33 265	0.91 175	0.79 202	1.31 185	0.74 252	0.27 292	0.21 279	0.27 277	0.29 336	0.28 270	0.27 273

1111x	1.70 404	0.29 132	0.86 222	0.51 124	0.27 42	1.01 285	0.68 302	2.22 409	1.28 308	1.13 196	1.40 291	1.21 270	1.10 329	5.53 408	15.20 468	0.22 193	0.21 279	0.22 150	0.22 231	0.24 217	0.22 200

whm_eth	0.44 33	0.32 200	0.71 140	0.47 53	0.36 176	0.42 20	0.55 247	0.82 39	0.68 64	0.50 41	0.60 35	0.55 53	0.47 62	0.59 25	0.44 114	0.26 277	0.21 279	0.20 97	0.20 164	0.31 301	0.19 140

gwcnet-sp	0.74 222	0.33 219	1.44 367	0.57 223	0.45 259	1.40 350	0.54 232	1.50 236	1.14 230	1.30 288	1.02 140	0.94 189	0.82 215	1.39 207	0.76 260	0.21 169	0.21 279	0.22 150	0.21 204	0.22 177	0.22 200

scenet	0.74 222	0.33 219	1.44 367	0.57 223	0.45 259	1.40 350	0.54 232	1.50 236	1.14 230	1.30 288	1.02 140	0.94 189	0.82 215	1.39 207	0.76 260	0.21 169	0.21 279	0.22 150	0.21 204	0.22 177	0.22 200

ssnet	0.74 222	0.33 219	1.44 367	0.57 223	0.45 259	1.40 350	0.54 232	1.50 236	1.14 230	1.30 288	1.02 140	0.94 189	0.82 215	1.39 207	0.76 260	0.21 169	0.21 279	0.22 150	0.21 204	0.22 177	0.22 200

AACVNet	0.86 279	0.35 261	0.79 202	0.82 388	0.39 215	0.76 199	0.49 201	1.61 267	0.81 95	1.08 161	1.33 265	1.30 298	0.93 269	4.34 385	0.74 252	0.25 257	0.21 279	0.28 290	0.22 231	0.29 281	0.25 243

ADLNet2	0.88 284	0.34 241	1.17 333	0.77 373	0.64 352	1.12 305	0.76 322	1.74 294	1.24 289	1.21 241	1.65 352	1.71 366	1.05 318	1.67 256	1.17 337	0.24 233	0.21 279	0.21 123	0.22 231	0.26 239	0.29 289

ICVP	0.63 150	0.33 219	0.57 58	0.61 266	0.40 225	0.80 222	0.58 269	1.61 267	0.89 117	0.90 115	1.24 228	0.88 164	0.73 176	0.72 57	0.88 296	0.29 314	0.21 279	0.22 150	0.21 204	0.24 217	0.27 273
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	1.51 387	0.28 102	0.68 111	0.54 172	0.28 63	1.16 314	0.44 157	2.19 405	1.29 312	1.09 167	1.36 279	1.22 272	0.85 229	1.79 277	15.70 470	0.24 233	0.21 279	0.21 123	0.20 164	0.22 177	0.23 218

delet	0.85 274	0.32 200	0.95 267	0.65 306	0.66 356	1.64 374	0.84 342	1.75 296	1.35 341	1.32 300	1.30 251	1.30 298	0.88 247	1.68 261	1.10 328	0.21 169	0.21 279	0.24 206	0.24 265	0.21 154	0.21 183

DMCA-RVC	0.74 222	0.40 296	1.27 348	0.66 313	0.49 278	0.77 207	0.47 183	1.35 202	1.01 171	1.53 357	1.01 132	1.29 297	0.82 215	1.31 185	0.78 268	0.27 292	0.21 279	0.35 355	0.27 305	0.32 309	0.24 231

ADCP+	1.99 420	0.48 331	7.73 454	0.66 313	0.91 408	2.30 417	1.05 384	1.82 322	1.34 333	1.54 361	1.32 263	1.74 370	1.61 392	2.17 312	13.37 463	0.24 233	0.21 279	0.32 329	0.28 325	0.37 330	0.29 289

RYNet	1.17 358	0.49 334	1.24 342	0.70 344	0.97 416	1.71 378	0.92 362	1.91 348	1.46 372	1.38 323	1.14 193	1.88 378	1.30 365	4.24 381	1.87 395	0.26 277	0.21 279	0.35 355	0.27 305	0.55 394	0.54 391

TDLM	1.06 331	0.44 313	0.79 202	0.63 285	0.50 285	0.89 248	1.44 415	1.48 230	1.26 297	1.12 182	1.40 291	1.08 237	0.98 293	6.65 429	0.78 268	0.33 339	0.21 279	0.33 337	0.26 295	0.37 330	0.24 231

DRN-Test	1.00 320	0.44 313	1.13 325	0.70 344	0.81 397	1.62 371	0.79 330	2.14 391	1.44 370	1.78 387	1.33 265	1.43 318	1.05 318	2.18 315	1.53 384	0.27 292	0.21 279	0.31 317	0.30 345	0.32 309	0.28 285

DDVS	0.78 244	0.41 303	0.94 263	0.60 253	0.43 245	1.30 336	0.43 144	1.40 213	0.91 126	1.20 237	1.15 199	1.43 318	0.64 156	2.18 315	0.89 297	0.28 305	0.22 297	0.26 263	0.23 253	0.31 301	0.33 322

ACV-stereo	0.99 315	0.51 344	1.41 365	0.56 207	0.41 232	2.43 423	0.57 265	1.15 154	1.18 259	0.81 97	1.01 132	3.39 434	2.14 426	1.60 245	1.07 322	0.27 292	0.22 297	0.22 150	0.22 231	0.28 270	0.32 316

CAS++	0.47 51	0.31 184	0.56 49	0.47 53	0.32 131	0.42 20	0.28 26	1.76 302	0.72 75	0.71 73	0.72 62	0.37 8	0.28 4	0.69 48	0.33 25	0.27 292	0.22 297	0.26 263	0.21 204	0.29 281	0.19 140
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
CRFU-Net	0.86 279	0.39 290	1.00 283	0.65 306	0.57 321	1.78 389	0.86 348	2.15 393	0.81 95	1.38 323	1.18 208	1.64 358	1.19 344	1.35 194	0.90 300	0.26 277	0.22 297	0.21 123	0.19 132	0.23 202	0.24 231

CSP-Net	0.97 309	0.38 285	0.83 214	0.53 157	0.41 232	1.63 372	0.77 325	2.00 367	1.05 186	1.25 265	1.20 218	1.33 303	0.83 223	4.93 396	0.85 292	0.32 331	0.22 297	0.20 97	0.20 164	0.23 202	0.25 243

PSMNet-ADL	0.72 202	0.35 261	0.62 81	0.69 339	0.46 269	1.14 307	0.44 157	1.37 205	1.01 171	0.83 103	1.17 206	1.33 303	0.96 286	1.43 214	0.95 305	0.33 339	0.22 297	0.21 123	0.23 253	0.27 253	0.29 289

ac_64	0.82 259	0.29 132	0.81 208	0.71 351	0.60 340	1.05 293	0.54 232	1.99 366	0.92 131	1.18 229	1.06 155	1.99 393	1.08 325	1.94 294	0.97 310	0.27 292	0.22 297	0.24 206	0.23 253	0.22 177	0.19 140

FADNet-RVC-Resample	0.84 270	0.47 327	2.10 412	0.61 266	0.45 259	1.07 298	0.61 282	1.59 260	1.20 270	1.08 161	0.98 120	1.03 226	0.98 293	2.17 312	0.72 248	0.23 218	0.22 297	0.30 311	0.32 357	0.35 320	0.34 326

FADNet_RVC	0.83 265	0.51 344	1.83 403	0.54 172	0.42 237	1.19 321	0.46 177	1.51 242	1.09 205	0.89 113	1.24 228	0.91 175	0.87 242	2.11 309	1.11 330	0.27 292	0.22 297	0.31 317	0.28 325	0.43 359	0.38 346

NLCA_NET_v2_RVC	0.79 248	0.43 310	1.05 302	0.64 294	0.58 330	0.95 269	0.53 227	1.53 250	1.18 259	1.37 318	1.15 199	1.43 318	0.88 247	1.61 247	0.84 289	0.25 257	0.22 297	0.27 277	0.27 305	0.29 281	0.29 289
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PWC_ROB	1.24 361	0.76 402	2.46 425	0.72 354	0.78 388	1.15 312	0.49 201	1.75 296	1.92 412	2.31 416	3.07 424	1.59 348	1.40 371	2.46 336	2.10 407	0.33 339	0.22 297	0.35 355	0.24 265	0.38 339	0.41 354

ITSA-stereo	0.82 259	0.36 271	0.82 211	0.54 172	0.31 114	0.80 222	0.47 183	2.17 402	1.67 392	1.13 196	1.13 189	0.94 189	0.86 237	2.46 336	1.00 314	0.26 277	0.23 308	0.28 290	0.27 305	0.28 270	0.36 336

iinet-f	0.99 315	0.45 320	3.71 441	0.55 194	0.43 245	1.81 390	0.68 302	1.14 152	1.14 230	1.18 229	1.42 294	1.58 347	1.44 375	1.34 193	1.59 387	0.24 233	0.23 308	0.20 97	0.19 132	0.26 239	0.25 243

Wz-Net-MNSev	1.11 344	0.58 366	2.23 419	0.66 313	0.71 370	1.95 401	1.46 416	1.98 365	1.45 371	1.79 390	1.43 298	1.49 334	1.33 368	1.97 297	1.42 374	0.27 292	0.23 308	0.28 290	0.28 325	0.34 319	0.31 311

NINENet	0.77 237	0.37 278	0.78 200	0.62 277	0.51 296	2.34 419	0.42 127	1.83 327	1.04 182	1.14 199	1.23 226	1.03 226	0.62 147	1.24 176	0.70 240	0.28 305	0.23 308	0.31 317	0.21 204	0.26 239	0.25 243

AASNet	0.76 236	0.35 261	0.91 253	0.79 377	0.81 397	1.14 307	0.56 255	2.02 374	1.08 199	1.22 246	1.24 228	0.93 186	0.76 188	0.77 70	1.16 335	0.27 292	0.23 308	0.24 206	0.20 164	0.28 270	0.24 231

EDNetEfficientorigin	10.57 469	1.47 440	177.42 491	0.67 325	0.53 307	1.58 368	1.16 397	1.90 344	3.37 445	4.71 458	3.38 428	3.10 432	2.69 440	3.13 361	3.58 428	0.25 257	0.23 308	0.33 337	0.27 305	0.83 421	0.81 422

RTSC	1.29 365	0.73 396	2.44 424	0.83 391	0.57 321	1.85 395	0.65 291	1.88 339	2.00 416	2.20 413	1.66 354	1.60 350	1.26 358	2.33 328	3.92 431	0.32 331	0.23 308	0.27 277	0.29 336	0.37 330	0.37 340

CVANet_RVC	1.07 333	0.43 310	0.76 186	0.60 253	0.50 285	0.90 251	0.97 372	1.52 244	1.26 297	1.33 308	1.38 285	1.24 279	1.18 341	6.75 435	0.75 257	0.34 347	0.23 308	0.34 347	0.29 336	0.42 354	0.27 273

StereoDRNet	0.98 313	0.47 327	1.70 391	0.76 370	0.94 412	1.51 361	0.91 360	1.92 351	1.32 326	1.61 372	1.13 189	1.47 332	0.97 289	1.75 269	1.46 379	0.28 305	0.23 308	0.29 300	0.27 305	0.35 320	0.27 273

TANstereo	0.44 33	0.21 7	0.44 14	0.41 8	0.21 4	0.65 142	0.26 15	0.79 27	0.83 101	0.93 122	0.98 120	0.51 41	0.46 53	0.54 15	0.35 46	0.18 73	0.24 317	0.16 15	0.13 19	0.16 18	0.26 264

UPFNet	0.80 251	0.32 200	0.90 250	0.59 242	0.74 376	1.26 330	0.80 336	1.52 244	1.10 210	1.30 288	1.12 184	1.30 298	0.84 226	1.67 256	1.09 325	0.24 233	0.24 317	0.24 206	0.23 253	0.25 228	0.18 105

aanetorigin	1.23 360	0.79 404	2.78 434	0.70 344	0.79 390	0.99 282	1.06 386	1.06 129	1.37 348	3.52 445	2.61 417	1.72 367	1.63 393	1.99 298	1.78 392	0.25 257	0.24 317	0.26 263	0.25 278	0.38 339	0.45 369

EDNetEfficient	2.37 431	1.10 423	8.08 456	0.74 365	0.71 370	0.98 281	1.56 421	1.46 227	4.06 451	4.90 459	2.82 421	2.25 405	3.48 448	2.95 353	9.97 457	0.26 277	0.24 317	0.26 263	0.30 345	0.68 414	0.61 406

HGLStereo	0.85 274	0.38 285	0.94 263	0.80 380	1.03 417	1.17 316	0.58 269	1.52 244	1.20 270	1.19 233	1.62 346	1.13 259	1.20 347	1.80 278	1.06 319	0.24 233	0.24 317	0.24 206	0.21 204	0.23 202	0.27 273

ADCL	1.72 407	0.57 363	3.66 439	0.67 325	0.61 343	2.61 429	1.85 434	1.96 360	1.67 392	1.90 401	1.83 373	2.06 401	1.90 415	2.13 310	9.15 456	0.26 277	0.24 317	0.34 347	0.32 357	0.38 339	0.35 331

DLCB_ROB	0.86 279	0.40 296	0.78 200	0.68 336	0.54 310	1.11 302	0.84 342	1.49 232	1.23 285	1.64 377	1.65 352	1.70 365	0.91 257	1.70 263	1.05 317	0.25 257	0.24 317	0.26 263	0.27 305	0.27 253	0.24 231

rvit_stereo_0083	0.47 51	0.33 219	0.81 208	0.56 207	0.36 176	0.50 55	0.44 157	0.68 9	0.95 138	0.49 34	0.57 33	0.55 53	0.49 80	0.88 95	0.46 141	0.25 257	0.25 324	0.24 206	0.20 164	0.24 217	0.17 80

pcwnet_v2	0.97 309	0.37 278	4.33 442	0.62 277	0.54 310	0.79 216	0.45 171	2.02 374	1.58 386	1.42 337	1.64 350	1.09 247	0.79 202	1.24 176	0.67 232	0.32 331	0.25 324	0.29 300	0.27 305	0.37 330	0.35 331

RAFT + AFF	1.00 320	0.42 307	1.09 316	0.67 325	0.50 285	1.22 325	1.24 403	2.24 411	1.19 265	1.30 288	1.56 331	1.17 264	1.49 383	3.44 371	0.83 286	0.21 169	0.25 324	0.30 311	0.26 295	0.27 253	0.27 273

MDST_ROB	1.67 400	0.34 241	1.58 385	0.92 415	0.58 330	4.26 455	1.11 390	2.83 436	1.41 364	4.49 456	2.55 416	1.45 325	0.97 289	7.79 449	1.17 337	0.31 325	0.25 324	0.37 366	0.33 364	0.31 301	0.30 301

PSMNet_ROB	0.90 289	0.52 348	1.17 333	0.72 354	0.61 343	1.27 331	1.12 392	1.76 302	1.12 216	1.09 167	1.28 247	1.45 325	0.89 253	1.65 251	1.42 374	0.33 339	0.25 324	0.37 366	0.39 383	0.35 320	0.29 289

ttt	0.94 299	0.34 241	0.59 69	0.61 266	0.37 188	0.94 265	0.50 208	2.17 402	1.34 333	1.23 252	1.61 343	0.91 175	0.76 188	1.85 284	3.97 433	0.30 318	0.26 329	0.26 263	0.24 265	0.29 281	0.29 289

GASNet	0.99 315	0.97 415	1.72 394	0.98 419	0.68 365	0.83 234	0.67 299	1.60 264	1.28 308	1.31 298	1.22 222	1.22 272	1.21 350	2.41 334	1.41 370	0.43 384	0.26 329	0.36 363	0.34 369	0.55 394	0.31 311

Wz-Net-LNSev	1.03 327	0.67 387	2.71 432	0.64 294	0.84 401	1.75 382	1.00 378	1.80 318	1.32 326	1.28 274	1.25 232	1.65 360	1.22 351	1.39 207	1.40 366	0.28 305	0.26 329	0.24 206	0.23 253	0.33 316	0.32 316

WZ-Net	1.95 417	0.95 414	10.10 459	0.86 399	0.78 388	1.69 377	1.60 424	2.20 408	1.98 415	2.08 409	1.93 385	2.30 408	1.97 418	5.30 400	3.17 424	0.34 347	0.26 329	0.29 300	0.31 349	0.51 386	0.47 375

SACVNet	0.85 274	0.46 322	0.85 216	0.81 383	0.56 318	0.80 222	0.79 330	1.68 282	1.12 216	1.34 311	1.33 265	1.25 283	0.94 274	2.39 333	0.76 260	0.34 347	0.26 329	0.31 317	0.29 336	0.35 320	0.44 367

DSFCA	0.93 297	0.34 241	1.06 306	0.52 143	0.65 354	1.55 365	0.93 366	1.49 232	1.19 265	1.56 365	1.15 199	1.50 335	0.96 286	3.07 357	1.02 316	0.30 318	0.26 329	0.25 244	0.25 278	0.28 270	0.24 231

ETE_ROB	0.96 303	0.64 384	1.16 331	0.69 339	0.48 275	1.14 307	1.13 393	1.77 306	1.19 265	1.91 402	1.45 303	1.73 368	1.05 318	1.60 245	1.14 333	0.32 331	0.26 329	0.38 369	0.34 369	0.39 343	0.41 354

PWCDC_ROB	1.29 365	0.75 401	1.33 357	1.05 424	0.88 407	1.73 381	0.52 219	1.89 341	3.28 443	1.29 279	4.88 447	1.22 272	1.46 378	1.77 276	1.45 378	0.60 417	0.26 329	0.29 300	0.25 278	0.52 388	0.37 340

DCVSM-stereo	0.72 202	0.35 261	0.76 186	0.55 194	0.42 237	0.73 185	0.38 92	1.21 171	1.02 174	1.79 390	1.04 151	1.62 352	1.03 312	1.04 138	0.79 274	0.24 233	0.27 337	0.29 300	0.24 265	0.30 292	0.36 336

ssnet_v2	0.88 284	0.36 271	1.02 294	0.62 277	0.38 205	1.32 339	0.97 372	2.07 382	1.34 333	1.37 318	1.18 208	1.54 340	0.92 260	1.10 150	1.65 388	0.30 318	0.27 337	0.30 311	0.28 325	0.27 253	0.26 264

dad	0.86 279	0.66 386	1.06 306	0.56 207	0.37 188	0.76 199	0.44 157	1.17 158	1.50 377	1.44 339	1.27 242	1.34 307	0.75 180	2.52 339	0.84 289	0.42 379	0.27 337	0.83 429	0.26 295	0.41 350	0.29 289

sCroCo_RVC	0.49 61	0.40 296	1.02 294	0.65 306	0.60 340	0.52 74	0.40 111	0.83 42	0.61 36	0.44 17	0.74 66	0.49 36	0.50 84	0.63 38	0.48 153	0.26 277	0.27 337	0.23 186	0.22 231	0.29 281	0.25 243

STTStereo	0.78 244	0.50 341	1.22 338	0.64 294	0.54 310	0.89 248	0.54 232	1.44 224	1.11 212	1.38 323	1.09 167	1.27 291	0.85 229	1.43 214	0.83 286	0.29 314	0.27 337	0.33 337	0.39 383	0.32 309	0.30 301

PDISCO_ROB	1.32 371	0.65 385	1.44 367	1.36 433	1.46 440	2.55 426	0.92 362	2.45 430	2.07 420	1.37 318	1.49 316	1.65 360	1.00 303	2.82 348	1.35 360	1.01 431	0.27 337	0.54 408	0.47 402	0.71 417	0.73 419

LALA_ROB	1.01 324	0.59 369	1.16 331	0.67 325	0.51 296	1.63 372	1.26 407	1.69 284	1.38 352	1.81 394	1.37 281	1.94 388	1.02 310	1.58 242	1.38 362	0.37 362	0.27 337	0.43 386	0.37 380	0.43 359	0.37 340

rvit_stereo_0075_2	0.64 161	0.46 322	1.05 302	0.66 313	0.66 356	0.53 79	0.48 192	1.20 170	1.12 216	0.76 82	0.92 102	0.78 121	0.53 96	1.03 132	0.59 204	0.37 362	0.28 344	0.40 379	0.31 349	0.37 330	0.32 316

DualNet (step1)	0.83 265	0.49 334	1.13 325	0.56 207	0.39 215	1.02 287	0.73 314	1.78 310	1.21 276	1.22 246	1.18 208	1.08 237	0.92 260	1.23 171	0.67 232	0.57 412	0.28 344	0.62 421	0.67 427	0.45 368	0.42 358

test_sample7	0.74 222	0.37 278	0.76 186	0.52 143	0.35 166	0.91 253	0.67 299	1.78 310	1.21 276	1.22 246	1.18 208	1.08 237	0.92 260	1.23 171	0.67 232	0.31 325	0.28 344	0.32 329	0.31 349	0.33 316	0.29 289

StereoVision	0.65 167	0.34 241	0.86 222	0.59 242	0.40 225	0.50 55	0.41 124	1.09 138	0.93 133	0.71 73	2.50 415	0.82 136	0.57 121	1.03 132	0.49 160	0.25 257	0.28 344	0.29 300	0.28 325	0.36 326	0.20 167

fast-acv-ft	0.94 299	0.44 313	1.40 363	0.58 229	0.51 296	1.77 387	0.69 306	1.36 204	1.42 367	1.29 279	1.86 378	1.74 370	1.25 356	1.52 229	1.38 362	0.26 277	0.28 344	0.28 290	0.28 325	0.27 253	0.26 264

Wz-Net-SNSev	1.49 384	1.23 432	6.27 452	0.68 336	0.67 359	1.37 345	1.41 413	2.00 367	1.39 356	1.48 350	1.61 343	2.29 407	1.32 367	3.93 376	2.14 408	0.31 325	0.28 344	0.31 317	0.33 364	0.42 354	0.36 336

hitnet-ft	0.79 248	0.35 261	0.57 58	0.58 229	0.42 237	0.96 273	0.46 177	1.47 229	1.33 330	1.19 233	1.22 222	1.81 375	0.98 293	1.66 255	0.94 303	0.33 339	0.28 344	0.34 347	0.27 305	0.35 320	0.31 311

AF-Net	1.13 349	0.52 348	1.33 357	0.86 399	0.91 408	1.38 348	0.71 310	2.16 396	1.62 388	1.56 365	2.40 411	1.99 393	1.65 395	1.81 280	1.48 381	0.48 398	0.28 344	0.49 398	0.33 364	0.39 343	0.32 316

RTS	2.67 439	1.38 434	15.28 466	0.99 420	1.26 435	3.78 447	1.96 441	2.15 393	2.62 435	2.61 427	2.85 422	2.60 420	1.59 389	6.27 423	5.71 440	0.40 371	0.28 344	0.35 355	0.35 373	0.50 382	0.48 378

RTSA	2.67 439	1.38 434	15.28 466	0.99 420	1.26 435	3.78 447	1.96 441	2.15 393	2.62 435	2.61 427	2.85 422	2.60 420	1.59 389	6.27 423	5.71 440	0.40 371	0.28 344	0.35 355	0.35 373	0.50 382	0.48 378

DeepPruner_ROB	0.74 222	0.48 331	0.87 233	0.57 223	0.44 252	0.79 216	0.54 232	1.73 290	0.96 143	1.38 323	1.27 242	1.24 279	0.73 176	1.43 214	0.73 251	0.34 347	0.28 344	0.27 277	0.26 295	0.31 301	0.31 311

psm_up	0.77 237	0.34 241	0.70 128	0.66 313	0.58 330	1.05 293	0.92 362	1.52 244	1.12 216	1.26 269	1.16 203	1.31 301	1.23 353	1.20 167	0.81 279	0.25 257	0.29 355	0.31 317	0.27 305	0.27 253	0.25 243

GwcNet	1.08 336	0.51 344	2.33 421	0.79 377	1.18 431	1.76 384	0.70 308	1.68 282	1.47 373	1.41 331	1.64 350	1.74 370	1.04 314	2.20 318	1.41 370	0.30 318	0.29 355	0.29 300	0.27 305	0.30 292	0.35 331

FADNet-RVC	0.88 284	0.67 387	1.93 407	0.60 253	0.48 275	0.91 253	0.60 281	1.71 288	1.18 259	0.90 115	0.96 111	1.36 309	0.92 260	2.25 322	1.17 337	0.30 318	0.29 355	0.32 329	0.32 357	0.41 350	0.35 331

XQC	1.37 376	0.87 410	2.56 428	0.84 392	0.69 367	1.83 393	0.89 354	2.07 382	1.88 408	1.88 398	1.53 323	1.91 383	1.55 387	2.85 351	3.05 419	0.48 398	0.29 355	0.44 389	0.39 383	0.69 415	0.60 405

coex-ft	8.13 466	2.13 458	98.04 490	0.67 325	0.53 307	1.71 378	1.56 421	1.65 275	11.11 467	18.17 481	3.75 433	3.88 439	7.61 468	2.98 356	6.49 443	0.30 318	0.30 359	0.32 329	0.31 349	0.66 412	0.50 383

Anonymous3	0.61 139	0.44 313	1.11 321	0.59 242	0.49 278	0.93 264	0.65 291	0.93 68	0.81 95	0.72 78	0.88 95	0.65 84	0.69 168	1.06 141	0.53 185	0.35 354	0.30 359	0.26 263	0.26 295	0.31 301	0.27 273

Nwc_Net	1.09 339	0.49 334	1.33 357	0.89 409	0.80 395	1.49 360	0.66 296	2.19 405	1.27 303	1.32 300	2.26 404	1.96 390	1.54 385	1.92 290	1.34 357	0.40 371	0.30 359	0.43 386	0.45 397	0.38 339	0.37 340

DANet	1.08 336	0.61 378	1.32 355	0.85 397	0.72 372	1.37 345	0.51 209	1.54 252	1.15 241	1.78 387	1.54 325	2.01 395	1.11 330	2.90 352	2.00 403	0.33 339	0.30 359	0.40 379	0.30 345	0.44 365	0.45 369
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
SANet	1.88 413	0.57 363	2.18 418	0.63 285	0.40 225	2.80 434	1.57 423	2.39 426	5.88 461	2.36 421	3.57 431	3.72 438	2.97 443	4.74 390	1.76 391	0.34 347	0.30 359	0.32 329	0.29 336	0.48 378	0.37 340

XPNet_ROB	0.96 303	0.49 334	1.09 316	0.72 354	0.57 321	1.11 302	1.14 394	1.66 280	1.23 285	1.85 397	1.39 289	1.64 358	1.11 330	1.80 278	1.42 374	0.38 366	0.30 359	0.33 337	0.29 336	0.37 330	0.34 326

SHD	1.31 369	0.71 395	2.34 422	0.86 399	0.75 382	1.77 387	0.65 291	2.22 409	2.50 432	2.40 423	1.71 359	1.91 383	1.60 391	1.93 293	2.37 411	0.38 366	0.31 365	0.38 369	0.40 387	0.48 378	0.50 383

ADCMid	1.89 416	0.73 396	5.06 445	0.72 354	0.67 359	2.00 405	1.14 394	1.97 364	1.48 374	2.86 436	1.81 372	2.37 412	2.05 423	2.24 320	10.39 460	0.33 339	0.31 365	0.39 374	0.43 393	0.50 382	0.44 367

GANet	1.36 375	0.47 327	0.86 222	0.67 325	0.45 259	1.34 342	1.73 428	1.64 274	1.24 289	1.49 352	2.38 409	1.55 342	1.20 347	9.30 458	0.93 302	0.30 318	0.31 365	0.33 337	0.28 325	0.39 343	0.30 301

PS-NSSS	0.99 315	0.58 366	0.93 259	0.58 229	0.57 321	0.91 253	0.80 336	1.81 321	1.14 230	1.14 199	1.67 356	1.00 213	0.83 223	4.62 389	0.78 268	0.37 362	0.31 365	0.52 402	0.32 357	0.45 368	0.38 346

DPSNet	1.69 403	0.59 369	4.33 442	0.70 344	0.57 321	2.02 406	1.62 425	3.35 445	1.78 402	1.48 350	1.38 285	2.17 403	2.84 441	4.77 391	3.66 429	0.48 398	0.31 365	0.29 300	0.25 278	0.64 408	0.48 378

NCCL2	1.00 320	0.56 359	1.06 306	0.75 368	0.57 321	1.31 338	1.72 427	1.77 306	1.36 344	1.50 353	1.17 206	1.91 383	1.17 338	1.54 235	1.29 351	0.35 354	0.31 365	0.45 390	0.44 395	0.40 347	0.40 350

SGM_RVC	1.68 402	0.36 271	0.61 77	0.59 242	0.29 78	2.25 415	1.18 399	2.38 425	1.68 394	3.60 446	2.67 419	3.69 437	2.42 434	8.13 452	1.90 398	0.31 325	0.31 365	0.30 311	0.28 325	0.30 292	0.29 289
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
rvit_0105_6	0.53 75	0.37 278	0.98 277	0.65 306	0.38 205	0.51 70	0.51 209	0.77 21	1.20 270	0.54 48	0.55 28	0.65 84	0.53 96	0.94 112	0.44 114	0.32 331	0.32 372	0.28 290	0.24 265	0.28 270	0.21 183

rvit_0105_5	0.58 125	0.39 290	1.05 302	0.66 313	0.37 188	0.58 102	0.56 255	0.94 75	1.18 259	0.64 63	0.68 49	0.75 110	0.63 152	0.88 95	0.50 166	0.32 331	0.32 372	0.30 311	0.27 305	0.28 270	0.25 243

Syn2CoEx	1.14 351	0.69 391	1.66 389	0.80 380	0.67 359	1.40 350	0.88 352	2.06 381	1.54 383	1.25 265	1.58 337	1.42 317	1.50 384	4.09 379	1.40 366	0.36 358	0.32 372	0.34 347	0.29 336	0.29 281	0.34 326

DispFullNet	2.34 430	2.85 465	3.66 439	3.08 460	2.27 451	1.97 402	0.67 299	2.00 367	1.70 395	2.52 425	2.00 389	2.23 404	5.86 460	3.44 371	1.58 385	1.01 431	0.32 372	2.64 459	1.94 464	2.85 455	2.24 454

rvit_0105_4	0.56 114	0.38 285	1.06 306	0.66 313	0.38 205	0.53 79	0.53 227	0.84 45	1.17 252	0.56 50	0.61 37	0.72 106	0.59 131	0.98 120	0.45 127	0.32 331	0.33 376	0.29 300	0.25 278	0.29 281	0.23 218

STTRV1_RVC	1.58 391	0.68 390	1.96 409	0.88 405	1.12 424	1.57 367	0.90 359	2.25 412	1.75 401	1.29 279	2.02 392	1.40 313	1.22 351	9.77 466	1.31 353	0.81 426	0.33 376	0.54 408	0.49 407	0.73 419	0.52 389

rvit_0105_3	0.63 150	0.44 313	1.08 314	0.72 354	0.40 225	0.64 128	0.71 310	1.03 105	1.17 252	0.82 101	0.70 56	0.80 127	0.70 171	0.91 103	0.56 196	0.35 354	0.34 378	0.34 347	0.32 357	0.27 253	0.28 285

SQANet	1.31 369	0.88 412	1.08 314	1.83 443	1.44 439	1.44 356	0.75 319	1.74 294	1.09 205	1.32 300	1.26 239	1.28 294	1.01 305	1.50 228	0.83 286	2.50 449	0.34 378	1.47 441	0.55 417	2.32 444	1.57 445

APVNet	1.06 331	0.53 352	1.42 366	0.84 392	0.79 390	1.92 398	0.82 340	1.90 344	1.08 199	1.08 161	1.43 298	1.56 343	1.13 335	3.07 357	1.58 385	0.31 325	0.34 378	0.42 384	0.36 377	0.36 326	0.37 340

FADNet	0.92 294	0.61 378	1.81 400	0.62 277	0.55 316	0.96 273	0.57 265	1.78 310	1.33 330	0.93 122	1.01 132	1.36 309	1.01 305	2.71 346	0.75 257	0.33 339	0.34 378	0.31 317	0.34 369	0.59 401	0.40 350

MaskLacGwcNet_RVC	1.10 341	1.02 419	1.00 283	0.82 388	0.67 359	1.93 399	0.93 366	1.62 271	1.11 212	1.15 205	1.25 232	1.50 335	0.79 202	1.96 296	0.76 260	1.89 443	0.34 378	0.79 428	0.36 377	1.25 438	0.83 423

DeepPrunerF	1.60 394	0.73 396	5.81 450	0.88 405	1.19 432	0.91 253	0.95 370	2.19 405	5.24 459	1.17 224	1.30 251	1.19 268	1.30 365	4.90 394	1.66 390	0.42 379	0.34 378	0.52 402	0.47 402	0.41 350	0.40 350

AnyNet_C32	1.96 418	1.10 423	5.17 446	0.90 410	1.11 422	2.12 411	2.37 455	1.85 331	1.48 374	2.45 424	1.70 358	2.05 400	1.64 394	2.50 338	10.28 459	0.37 362	0.34 378	0.35 355	0.41 388	0.49 381	0.54 391

NaN_ROB	1.13 349	0.55 356	1.15 330	0.64 294	0.48 275	1.61 370	2.03 444	1.72 289	1.48 374	2.09 410	1.27 242	1.40 313	1.08 325	3.94 377	1.30 352	0.28 305	0.34 378	0.28 290	0.28 325	0.30 292	0.33 322

CBMV	0.95 302	0.44 313	0.66 103	0.53 157	0.35 166	1.53 363	1.63 426	1.69 284	1.42 367	2.00 407	1.60 339	1.43 318	1.17 338	1.59 244	0.99 313	0.34 347	0.34 378	0.39 374	0.33 364	0.33 316	0.32 316
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
FINET	0.97 309	0.54 353	1.60 386	0.63 285	0.79 390	1.08 299	1.07 387	1.56 257	2.20 423	1.15 205	1.49 316	0.94 189	0.88 247	2.32 327	1.05 317	0.42 379	0.35 387	0.32 329	0.28 325	0.43 359	0.38 346

FAT-Stereo	1.07 333	0.41 303	1.32 355	0.72 354	0.58 330	1.08 299	0.89 354	1.96 360	1.65 390	1.75 384	1.98 388	2.03 398	1.48 381	2.02 300	1.18 340	0.42 379	0.35 387	0.34 347	0.29 336	0.35 320	0.53 390

RGC	1.14 351	0.79 404	1.26 345	0.91 413	0.96 415	1.52 362	0.77 325	1.92 351	1.26 297	1.54 361	1.93 385	2.02 397	1.54 385	2.25 322	1.31 353	0.44 389	0.35 387	0.58 419	0.48 404	0.47 375	0.46 372

stereogan	1.15 355	0.42 307	1.40 363	0.86 399	0.84 401	2.38 421	0.71 310	1.88 339	1.73 398	1.72 382	1.94 387	2.31 409	1.29 361	2.07 305	1.08 323	0.36 358	0.35 387	0.39 374	0.31 349	0.51 386	0.46 372

CSAN	1.41 381	0.59 369	1.26 345	0.70 344	0.50 285	1.76 384	1.78 429	1.77 306	1.90 411	2.35 419	2.32 406	1.92 386	1.94 417	5.56 410	1.49 382	0.43 384	0.35 387	0.40 379	0.41 388	0.43 359	0.41 354

rvit_105_1	0.72 202	0.52 348	1.01 287	0.78 375	0.49 278	0.75 194	0.87 350	1.12 148	1.18 259	0.99 140	0.79 78	0.90 173	0.77 192	1.26 178	0.75 257	0.41 375	0.36 392	0.36 363	0.41 388	0.30 292	0.33 322

RP	1.09 339	0.50 341	1.12 323	0.90 410	1.04 418	1.11 302	0.84 342	1.80 318	1.62 388	1.55 364	2.00 389	1.90 382	1.78 405	1.84 281	1.25 344	0.52 403	0.36 392	0.48 396	0.36 377	0.45 368	0.43 365

Wz-Net-TNSev	1.88 413	2.08 457	7.66 453	0.67 325	0.64 352	2.42 422	1.83 433	2.33 419	1.74 400	1.57 369	1.56 331	2.58 419	1.90 415	4.86 392	3.12 421	0.39 369	0.37 394	0.33 337	0.37 380	0.53 390	0.58 400

NCC-stereo	1.10 341	0.54 353	1.24 342	0.84 392	0.94 412	1.29 334	0.89 354	2.01 371	1.34 333	1.32 300	1.74 362	1.88 378	1.74 402	2.35 329	1.25 344	0.45 390	0.37 394	0.45 390	0.58 420	0.42 354	0.42 358

Abc-Net	1.10 341	0.54 353	1.24 342	0.84 392	0.94 412	1.29 334	0.89 354	2.01 371	1.34 333	1.32 300	1.74 362	1.88 378	1.74 402	2.35 329	1.25 344	0.45 390	0.37 394	0.45 390	0.58 420	0.42 354	0.42 358
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCPNet	1.85 411	0.69 391	8.07 455	0.71 351	0.58 330	2.79 433	1.22 402	1.94 357	1.54 383	1.88 398	1.69 357	2.46 417	2.04 421	2.37 331	6.48 442	0.38 366	0.37 394	0.38 369	0.43 393	0.47 375	0.45 369

SGM-ForestM	6.52 462	0.38 285	1.26 345	0.63 285	0.35 166	13.59 473	5.32 468	6.32 468	6.70 463	11.14 472	9.18 466	22.51 483	13.93 471	16.89 476	20.07 473	0.36 358	0.37 394	0.36 363	0.35 373	0.36 326	0.34 326

FBW_ROB	1.71 406	0.62 381	1.45 371	0.67 325	0.61 343	1.81 390	1.08 388	2.52 432	1.70 395	1.77 386	1.73 361	1.98 392	1.25 356	12.57 473	1.84 394	0.34 347	0.37 394	0.56 416	0.38 382	0.45 368	0.43 365

SGM-Forest	1.24 361	0.38 285	0.60 74	0.52 143	0.37 188	1.56 366	1.30 408	1.65 275	1.36 344	2.11 411	1.79 369	1.63 355	0.93 269	7.48 446	0.95 305	0.36 358	0.37 394	0.39 374	0.34 369	0.37 330	0.32 316
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
ADCS	2.25 426	0.99 417	5.55 447	0.81 383	0.74 376	2.19 413	1.80 430	2.27 415	2.14 421	2.80 435	2.13 399	2.40 414	2.03 420	2.64 344	13.69 464	0.41 375	0.39 401	0.40 379	0.45 397	0.58 399	0.56 395

AnyNet_C01	2.26 427	1.78 446	10.22 461	0.93 416	0.74 376	2.92 436	2.20 450	2.29 417	1.80 404	2.53 426	2.41 412	2.71 424	1.73 401	3.41 368	6.72 444	0.41 375	0.39 401	0.40 379	0.42 391	0.67 413	0.63 408

psmorigin	1.52 388	0.69 391	10.52 462	0.68 336	0.59 337	1.13 306	0.70 308	1.57 258	1.19 265	1.99 405	1.79 369	2.26 406	1.47 380	2.09 307	1.36 361	0.39 369	0.40 403	0.34 347	0.33 364	0.43 359	0.56 395

S-Stereo	1.15 355	0.46 322	2.17 416	0.81 383	0.80 395	1.21 324	1.19 400	1.93 355	2.02 417	1.47 344	2.11 397	1.57 344	1.17 338	2.05 304	1.41 370	0.40 371	0.40 403	0.35 355	0.31 349	0.44 365	0.70 416

edge stereo	1.11 344	0.50 341	1.30 351	0.71 351	0.65 354	1.14 307	0.75 319	1.93 355	1.37 348	1.71 381	1.83 373	2.54 418	1.44 375	2.43 335	1.23 342	0.42 379	0.41 405	0.54 408	0.35 373	0.42 354	0.46 372

CC-Net-ROB	1.49 384	1.26 433	1.27 348	0.88 405	0.79 390	1.76 384	1.00 378	1.79 315	1.26 297	1.10 175	1.61 343	1.21 270	0.99 301	8.13 452	0.84 289	1.09 437	0.41 405	2.20 446	0.46 400	1.20 437	0.48 378

CBMV_ROB	0.90 289	0.44 313	0.63 84	0.51 124	0.37 188	1.25 329	0.49 201	1.77 306	1.27 303	1.41 331	2.00 389	1.33 303	1.08 325	2.17 312	0.76 260	0.43 384	0.42 407	0.47 395	0.44 395	0.41 350	0.36 336

DGSMNet	1.14 351	0.76 402	2.49 426	0.81 383	0.86 404	1.39 349	1.39 412	2.13 387	1.35 341	1.26 269	1.63 349	1.48 333	0.98 293	1.75 269	1.10 328	0.45 390	0.43 408	0.55 413	0.49 407	0.75 420	0.70 416

NOSS_ROB	1.26 364	0.46 322	0.62 81	0.56 207	0.38 205	1.06 296	0.78 327	1.73 290	1.40 361	1.01 147	1.43 298	1.10 249	0.75 180	10.62 470	0.65 226	0.45 390	0.43 408	0.48 396	0.45 397	0.44 365	0.41 354

MeshStereo	2.26 427	0.56 359	0.92 257	0.61 266	0.49 278	2.60 428	1.02 381	3.18 442	2.05 419	7.40 470	4.98 448	7.58 459	2.98 444	6.37 425	1.96 401	0.43 384	0.43 408	0.45 390	0.39 383	0.43 359	0.42 358
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
HBP-ISP	0.96 303	0.58 366	0.72 146	0.61 266	0.46 269	1.64 374	0.76 322	1.86 334	1.28 308	1.30 288	1.53 323	0.86 156	0.94 274	3.27 365	0.69 239	0.45 390	0.44 411	0.54 408	0.48 404	0.47 375	0.40 350

BEATNet-Init1	26.87 480	13.43 477	70.68 489	0.91 413	0.68 365	57.02 489	21.06 475	32.82 487	32.67 484	52.12 491	53.61 489	66.05 491	49.56 490	48.79 492	34.71 485	0.49 402	0.44 411	0.53 407	0.53 415	0.63 406	0.59 402

G-Net	1.66 399	0.63 382	1.56 383	1.11 429	0.74 376	2.98 438	0.91 360	1.55 256	1.22 282	2.76 433	8.18 464	2.32 410	2.53 438	1.92 290	1.87 395	0.48 398	0.44 411	0.45 390	0.31 349	0.60 405	0.57 399

WCMA_ROB	1.84 410	0.47 327	1.31 352	0.69 339	0.57 321	2.11 410	1.14 394	1.87 336	1.73 398	4.04 450	6.43 452	5.62 453	3.61 449	2.59 341	1.94 400	0.52 403	0.44 411	0.39 374	0.42 391	0.48 378	0.47 375

ACVNet-4b	2.15 423	1.41 437	1.64 387	2.80 453	2.31 453	2.31 418	1.24 403	2.32 418	2.14 421	1.26 269	2.39 410	2.66 422	1.48 381	5.95 420	1.06 319	3.20 459	0.45 415	2.37 450	0.89 439	2.83 454	2.37 456

PVD	1.70 404	0.84 406	2.26 420	0.94 418	0.83 400	2.48 424	0.97 372	2.59 434	3.35 444	3.01 442	2.77 420	2.34 411	2.47 436	2.67 345	3.14 422	0.47 397	0.45 415	0.59 420	0.48 404	0.59 401	0.75 421

PA-Net	1.01 324	0.57 363	1.29 350	0.64 294	0.74 376	1.19 321	0.84 342	1.69 284	1.43 369	1.16 215	1.19 215	1.32 302	1.19 344	3.42 369	1.25 344	0.29 314	0.45 415	0.33 337	0.49 407	0.32 309	0.47 375
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
GANetREF_RVC	1.07 333	0.86 409	1.31 352	0.82 388	0.53 307	1.41 354	1.31 409	1.76 302	1.52 380	1.27 272	1.31 257	1.46 327	1.24 355	2.03 301	0.96 309	0.56 411	0.45 415	0.67 424	0.50 410	0.88 424	0.59 402
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
MFN_U_SF_DS_RVC	1.74 408	0.87 410	3.56 438	0.80 380	0.75 382	3.72 446	2.44 457	1.82 322	1.82 406	1.74 383	1.91 384	1.92 386	1.26 358	7.69 448	1.28 350	0.45 390	0.47 419	0.52 402	0.77 432	0.50 382	0.50 383

FC-DCNN v2	2.81 445	0.59 369	0.85 216	0.73 362	0.57 321	2.97 437	1.05 384	3.39 446	2.61 434	6.98 466	7.67 460	10.38 469	6.31 464	5.75 415	3.37 427	0.53 409	0.48 420	0.51 400	0.50 410	0.53 390	0.51 387

FCDSN-DC	2.32 429	0.63 382	0.81 208	0.84 392	0.75 382	2.23 414	0.94 368	2.09 385	1.80 404	5.45 463	7.72 461	7.77 461	6.93 467	3.39 366	1.80 393	0.52 403	0.48 420	0.52 402	0.51 413	0.57 397	0.58 400
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_RVC	1.52 388	0.84 406	3.42 437	0.87 404	0.66 356	2.56 427	0.95 370	2.36 422	1.70 395	1.98 404	1.86 378	2.45 416	1.79 406	2.95 353	2.58 413	0.52 403	0.48 420	0.55 413	0.59 423	0.59 401	0.61 406

FC-DCNN	2.72 444	0.59 369	0.86 222	0.73 362	0.57 321	2.91 435	1.04 383	3.01 440	2.60 433	6.83 465	7.64 459	9.92 466	6.33 465	5.21 398	3.14 422	0.53 409	0.48 420	0.51 400	0.50 410	0.53 390	0.51 387

MSMD_ROB	1.99 420	0.59 369	0.89 246	0.70 344	0.61 343	3.95 451	0.94 368	1.80 318	1.79 403	4.41 454	4.43 438	8.17 462	3.66 450	3.40 367	1.33 355	0.52 403	0.48 420	0.54 408	0.58 420	0.53 390	0.50 383

MANE	6.19 460	0.59 369	1.03 298	0.93 416	1.22 434	13.38 472	2.69 458	12.81 475	17.94 478	8.21 471	10.82 469	14.72 473	11.68 469	11.39 472	11.90 462	0.59 416	0.50 425	0.52 402	1.76 461	0.55 394	0.54 391

MSC_U_SF_DS_RVC	2.12 422	1.15 429	3.10 435	1.05 424	0.76 385	5.03 460	2.40 456	2.16 396	2.62 435	1.89 400	2.28 405	2.69 423	1.65 395	9.35 460	2.04 404	0.64 422	0.51 426	0.68 425	0.71 430	1.09 433	0.67 413

SAMSARA	1.55 390	0.84 406	2.61 429	1.22 432	1.07 419	2.50 425	1.93 439	2.05 376	1.89 409	2.75 432	1.66 354	2.81 426	1.69 400	3.08 359	1.97 402	0.46 396	0.51 426	0.42 384	0.46 400	0.58 399	0.59 402

ccnet	1.12 346	0.67 387	1.01 287	0.78 375	0.73 375	1.72 380	0.99 376	1.84 330	1.26 297	1.47 344	1.85 377	1.75 373	1.29 361	1.75 269	1.88 397	0.57 412	0.53 428	0.57 418	0.55 417	0.59 401	0.54 391

ELAS_RVC	2.48 436	0.74 399	1.90 405	1.05 424	0.92 410	2.76 431	4.01 466	2.76 435	4.11 452	4.69 457	4.63 442	4.62 443	5.96 462	3.97 378	3.96 432	0.63 421	0.53 428	0.56 416	0.52 414	0.64 408	0.63 408
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	2.37 431	0.74 399	1.54 382	0.99 420	0.92 410	4.78 457	2.33 454	3.33 444	3.37 445	5.05 462	4.77 446	3.67 436	4.53 457	3.42 369	4.50 435	0.62 419	0.53 428	0.55 413	0.53 415	0.63 406	0.64 412
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
UDG	1.41 381	2.65 463	0.99 278	1.44 438	1.64 442	1.34 342	0.80 336	1.60 264	1.23 285	1.23 252	1.71 359	2.01 395	1.34 369	1.47 224	1.41 370	0.90 428	0.54 431	2.29 448	0.75 431	1.84 441	1.04 433

Ntro	1.64 398	1.15 429	1.23 339	2.48 451	1.83 443	2.09 409	1.16 397	1.96 360	1.38 352	1.21 241	1.62 346	1.62 352	1.29 361	1.87 287	1.11 330	3.04 455	0.56 432	1.82 444	0.64 425	2.80 451	2.05 452

otaku	1.60 394	1.11 426	1.21 336	2.20 446	1.56 441	1.97 402	1.24 403	2.07 382	1.36 344	1.44 339	1.62 346	1.73 368	1.19 344	1.73 268	0.98 312	2.89 454	0.57 433	1.74 442	0.60 424	2.78 450	1.94 451

LSM	6.33 461	1.10 423	13.19 464	1.41 437	68.17 487	1.64 374	1.90 438	1.92 351	2.46 428	2.99 440	3.11 425	1.88 378	1.80 407	2.61 343	2.06 406	0.41 375	0.58 434	0.50 399	0.57 419	0.64 408	17.66 482

ACVNet_1	2.18 424	1.45 439	1.72 394	2.85 455	2.33 454	2.28 416	1.46 416	3.08 441	2.22 424	1.82 395	2.05 395	3.56 435	1.98 419	3.09 360	1.40 366	3.17 456	0.60 435	2.40 454	0.92 441	2.91 457	2.37 456

SDNR	1.62 397	0.51 344	2.17 416	0.53 157	0.56 318	3.80 449	0.45 171	1.54 252	1.29 312	1.33 308	2.41 412	1.08 237	0.96 286	11.18 471	1.16 335	0.66 423	0.63 436	0.43 386	0.32 357	0.64 408	0.67 413

ACVNet_2	2.43 435	1.41 437	2.04 410	2.62 452	2.24 450	2.63 430	1.88 437	3.31 443	3.01 440	2.19 412	3.45 430	4.62 443	2.04 421	4.50 387	1.47 380	2.55 450	0.64 437	2.22 447	0.84 436	2.69 449	2.29 455

Anonymous_2	1.30 367	0.55 356	0.82 211	0.52 143	0.58 330	1.01 285	0.64 289	1.25 187	0.97 151	0.96 130	0.78 74	1.33 303	1.29 361	1.03 132	0.74 252	0.62 419	0.64 437	1.06 437	9.63 475	1.16 434	0.49 382

PASM	1.34 373	0.92 413	2.62 430	0.86 399	0.87 406	1.03 290	1.08 388	1.50 236	1.51 379	1.82 395	1.41 293	1.68 363	1.26 358	4.87 393	1.34 357	0.61 418	0.65 439	0.68 425	0.78 433	0.69 415	0.68 415

GCST	1.08 336	1.47 440	0.93 259	1.73 441	1.14 428	1.30 336	0.31 40	1.33 195	1.16 249	1.29 279	0.97 119	0.98 206	0.49 80	2.08 306	0.46 141	1.19 440	0.70 440	1.30 440	0.85 438	1.02 429	0.89 426

DDUNet	1.50 386	2.69 464	1.12 323	1.77 442	1.88 444	1.84 394	0.92 362	1.70 287	1.16 249	1.38 323	1.79 369	1.60 350	1.12 333	1.37 198	1.08 323	1.10 438	0.76 441	2.37 450	0.94 442	2.00 442	1.37 442

MADNet+	2.69 441	3.22 468	11.53 463	1.44 438	1.12 424	3.19 440	1.81 431	2.85 437	2.37 425	1.68 379	2.07 396	2.85 428	2.18 427	7.41 443	5.23 438	0.79 425	0.76 441	0.69 427	0.65 426	0.98 426	0.95 428

Consistency-Raft	1.25 363	0.99 417	1.93 407	1.02 423	1.21 433	0.96 273	1.01 380	1.75 296	1.92 412	1.36 316	2.12 398	1.44 323	1.01 305	1.14 157	1.40 366	0.72 424	0.82 443	0.89 431	0.98 446	1.31 439	0.95 428

MFMNet_re	1.40 380	1.14 428	1.68 390	1.39 435	1.07 419	1.48 358	1.43 414	1.87 336	1.82 406	2.26 414	2.19 401	1.51 337	1.86 412	1.52 229	1.25 344	0.93 429	0.83 444	0.84 430	0.80 434	0.99 428	1.05 435

IMH-64-1	2.70 442	1.79 447	1.46 373	3.26 463	2.66 457	3.23 442	2.10 445	4.08 450	2.75 438	2.34 417	3.81 434	3.06 429	2.22 429	4.25 382	2.59 414	3.75 465	0.84 445	2.75 460	1.35 452	3.15 459	2.60 462

IMH-64	2.70 442	1.79 447	1.46 373	3.26 463	2.66 457	3.23 442	2.10 445	4.08 450	2.75 438	2.34 417	3.81 434	3.06 429	2.22 429	4.25 382	2.59 414	3.75 465	0.84 445	2.75 460	1.35 452	3.15 459	2.60 462

TorneroNet-64	5.30 459	2.03 453	1.74 397	3.43 465	2.81 460	10.09 467	2.12 447	9.10 472	17.12 477	4.96 461	9.27 467	10.72 471	3.70 451	9.20 457	4.55 436	3.31 460	0.84 445	2.88 463	1.55 459	3.49 462	3.04 465

RainbowNet	1.97 419	1.76 445	1.57 384	2.81 454	2.21 449	1.98 404	1.81 431	2.54 433	1.89 409	1.50 353	1.84 375	1.96 390	1.65 395	2.14 311	1.25 344	3.33 461	0.85 448	2.39 453	0.98 446	2.82 453	2.22 453

Dean	2.91 448	1.53 442	2.07 411	2.96 459	2.51 456	3.15 439	2.14 448	4.75 457	4.41 455	2.76 433	6.10 451	5.53 452	2.37 432	2.97 355	1.92 399	3.18 457	0.85 448	2.51 457	1.04 449	2.88 456	2.47 459

NVStereoNet_ROB	1.88 413	1.07 421	1.45 371	1.07 427	1.17 429	1.47 357	1.48 418	1.89 341	1.93 414	1.94 403	4.67 445	3.08 431	1.80 407	6.51 427	1.65 388	1.06 436	0.86 450	1.08 438	1.32 451	0.93 425	1.26 440
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
TorneroNet	10.70 470	2.03 453	1.82 401	3.43 465	3.01 463	43.83 485	2.22 451	8.87 471	67.47 492	7.17 469	27.36 480	10.68 470	3.85 454	8.67 455	7.65 451	3.59 463	0.88 451	3.04 464	1.57 460	3.71 463	3.17 466

IMH	3.21 449	1.85 451	1.48 378	3.25 462	2.69 459	4.07 453	2.02 443	4.41 455	3.80 449	2.72 430	7.11 456	4.75 446	2.92 442	5.92 418	2.55 412	3.85 468	0.88 451	2.78 462	1.36 454	3.19 461	2.59 461

PWCK	2.88 447	2.05 455	5.72 449	2.08 445	1.11 422	3.55 444	3.90 465	2.86 438	3.54 448	3.03 443	3.63 432	3.10 432	2.31 431	8.15 454	3.09 420	2.12 446	0.91 453	1.75 443	0.98 446	2.57 447	1.18 439

JetBlue	3.97 451	2.01 452	10.19 460	1.38 434	2.84 461	10.53 468	9.54 469	3.60 448	2.41 427	2.73 431	3.39 429	4.54 442	4.31 455	7.85 451	6.84 445	0.88 427	0.93 454	0.89 431	0.91 440	1.74 440	1.91 450

SPS-STEREO	1.67 400	1.04 420	1.23 339	1.21 431	1.13 427	1.82 392	1.11 390	2.16 396	1.52 380	3.07 444	2.32 406	2.82 427	1.80 407	4.11 380	2.04 404	1.03 434	0.99 455	0.97 433	0.94 442	1.03 431	1.02 431
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
WAO-7	2.66 438	1.40 436	1.73 396	1.39 435	1.17 429	3.93 450	1.94 440	4.11 452	3.88 450	2.92 437	5.50 449	4.18 441	3.00 445	7.63 447	3.71 430	1.13 439	1.00 456	1.17 439	1.13 450	1.18 436	1.09 437

anonymity	1.12 346	0.97 415	1.21 336	1.07 427	1.12 424	1.08 299	0.89 354	1.95 359	1.16 249	1.29 279	1.26 239	1.22 272	1.09 328	1.15 158	1.01 315	1.02 433	1.00 456	0.97 433	0.97 444	0.98 426	0.99 430

SGM+DAISY	2.41 434	1.07 421	2.14 415	1.18 430	1.10 421	2.14 412	1.36 411	1.96 360	1.66 391	5.46 464	7.07 455	4.95 449	4.32 456	5.50 407	2.26 410	1.04 435	1.02 458	0.99 435	0.97 444	1.02 429	1.04 433

WAO-8	4.40 453	1.82 449	1.79 398	2.34 448	2.20 447	9.19 465	1.53 419	6.09 465	16.46 472	3.94 448	7.84 462	7.32 456	3.72 452	9.41 462	3.31 425	2.00 444	1.07 459	2.44 455	1.37 455	2.50 445	1.68 446

Venus	4.40 453	1.82 449	1.79 398	2.34 448	2.20 447	9.19 465	1.53 419	6.09 465	16.46 472	3.94 448	7.84 462	7.32 456	3.72 452	9.41 462	3.31 425	2.00 444	1.07 459	2.44 455	1.37 455	2.50 445	1.68 446

LVE	3.31 450	1.67 444	1.64 387	2.85 455	2.42 455	3.20 441	2.26 452	4.78 458	5.05 458	2.35 419	6.91 453	6.02 454	2.37 432	9.15 456	2.17 409	3.19 458	1.08 461	2.38 452	1.47 458	2.81 452	2.40 458

WAO-6	2.81 445	1.60 443	1.46 373	2.36 450	2.28 452	3.55 444	2.29 453	4.21 453	4.56 456	2.36 421	4.51 439	4.88 447	2.66 439	4.60 388	4.07 434	1.72 442	1.15 462	2.31 449	1.46 457	2.31 443	1.85 449

UNDER WATER	5.08 457	2.33 460	5.55 447	3.94 472	3.51 468	5.20 461	2.72 460	5.61 463	16.52 474	3.84 447	4.60 441	9.21 464	5.89 461	5.90 417	8.66 455	3.75 465	1.34 463	3.18 467	1.88 462	4.33 470	3.61 470

notaker	3.98 452	2.40 462	2.68 431	3.82 470	3.27 467	3.97 452	2.14 448	4.78 458	3.45 447	4.12 453	6.94 454	7.65 460	3.26 446	7.82 450	5.30 439	4.04 469	1.41 464	3.36 469	2.10 466	3.88 465	3.31 468

UNDER WATER-64	5.27 458	2.32 459	8.78 458	3.93 471	3.54 469	7.61 463	3.03 464	5.84 464	14.19 468	4.04 450	4.04 436	9.39 465	6.26 463	5.93 419	8.48 454	3.60 464	1.51 465	3.13 465	1.88 462	4.29 469	3.61 470

KSHMR	8.75 467	2.06 456	2.11 413	3.53 467	3.11 464	4.13 454	2.69 458	5.60 462	61.37 491	3.00 441	55.83 490	4.98 451	2.45 435	4.49 386	2.61 416	3.46 462	1.55 466	3.14 466	1.94 464	3.72 464	3.18 467

ktn	4.70 455	2.38 461	2.12 414	3.76 468	3.24 465	4.85 458	2.95 463	5.52 460	7.37 464	4.07 452	19.32 477	7.46 458	3.47 447	7.39 442	2.95 418	4.04 469	1.85 467	3.26 468	2.22 467	3.08 458	2.65 464

FADE		4.78 471		1.89 444	1.92 445			5.58 461	5.04 457	2.92 437		4.13 440		10.23 469		188.09 492	2.77 468	123.78 489	127.92 489	1.06 432	1.10 438

JetRed	6.91 464	8.80 475	25.96 477	2.85 455	3.25 466	13.98 474	11.87 470	6.25 467	4.28 454	4.45 455	4.56 440	6.69 455	5.46 459	7.46 445	14.05 465	2.59 451	3.31 469	2.59 458	2.29 468	4.20 468	3.36 469

HanzoNet	11.04 471	3.62 469	8.10 457	4.08 473	3.55 470	4.90 459	2.73 461	7.19 469	10.10 465	31.86 487	28.92 481	21.96 482	36.36 483	18.08 477	10.17 458	7.94 474	3.32 470	3.47 470	3.31 469	7.06 475	4.04 472

PML	51.67 488	36.25 485	13.28 465	7.46 475	20.81 476	108.69 491	232.22 492	8.72 470	27.82 483	87.01 492	269.67 492	69.67 492	61.95 491	24.76 485	14.20 466	9.74 477	3.40 471	9.62 476	4.70 471	18.74 480	4.72 474

MADNet++	5.01 456	3.14 466	4.91 444	4.55 474	3.94 471	5.20 461	4.41 467	4.40 454	4.13 453	4.95 460	6.08 450	4.74 445	5.37 458	9.40 461	10.67 461	4.65 471	4.15 472	3.97 471	3.34 470	4.09 467	4.08 473

DPSimNet_ROB	11.20 472	4.98 472	35.43 481	2.90 458	4.52 472	7.89 464	17.09 473	4.66 456	6.06 462	14.89 477	10.93 470	17.29 474	36.81 485	13.18 474	15.68 469	2.86 453	6.29 473	5.75 474	5.09 472	3.91 466	7.70 475

DPSMNet_ROB	13.02 474	8.23 473	21.91 471	9.53 477	18.11 475	11.56 470	32.02 481	10.64 474	16.23 471	7.05 468	19.49 479	10.16 468	16.66 473	9.85 468	22.43 476	4.77 473	8.68 474	5.38 473	10.26 477	6.17 474	11.36 476

DGTPSM_ROB	13.01 473	8.23 473	21.87 470	9.51 476	18.10 474	11.56 470	32.01 480	10.63 473	16.20 470	7.03 467	19.48 478	10.15 467	16.66 473	9.83 467	22.42 475	4.75 472	8.68 474	5.37 472	10.25 476	6.16 473	11.36 476

Anonymous_1	43.04 487	18.73 478	24.79 474	21.81 479	46.26 485	27.80 476	37.60 482	28.08 482	16.14 469	14.66 476	14.30 471	20.65 476	17.88 475	21.56 478	25.94 479	117.93 491	8.92 476	100.65 488	126.50 488	158.64 492	12.08 478

DPSM_ROB	19.08 476	19.14 479	25.17 475	22.15 480	20.85 477	28.17 477	37.82 483	26.56 480	16.85 475	14.14 474	14.84 472	21.70 477	18.75 476	21.87 479	26.55 480	10.16 478	9.30 477	10.47 477	10.42 478	14.03 477	12.61 479

DPSM	19.08 476	19.14 479	25.17 475	22.15 480	20.85 477	28.17 477	37.82 483	26.56 480	16.85 475	14.14 474	14.84 472	21.70 477	18.75 476	21.87 479	26.55 480	10.16 478	9.30 477	10.47 477	10.42 478	14.03 477	12.61 479

ASD4	15.85 475	10.99 476	19.63 469	10.21 478	11.70 473	19.24 475	31.10 479	19.35 477	10.68 466	11.14 472	10.18 468	12.59 472	12.64 470	14.74 475	24.83 478	12.93 480	9.94 479	26.83 482	19.40 480	16.23 479	12.70 481

tt	6.58 463	0.26 61	6.10 451	3.77 469	2.16 446	11.55 469	19.63 474	13.33 476	5.74 460	2.96 439	2.65 418	4.97 450	6.33 465	3.81 375	7.24 446	9.15 475	11.32 480	5.89 475	6.24 473	6.03 472	2.55 460

test_sample9	1.86 412	0.49 334	1.13 325	0.56 207	0.39 215	1.02 287	0.73 314	1.78 310	1.21 276	1.22 246	1.18 208	1.08 237	0.92 260	2.27 324	7.92 452	0.57 412	12.61 481	0.62 421	0.67 427	0.45 368	0.42 358

test_sample8	2.19 425	0.49 334	1.13 325	0.56 207	0.39 215	1.02 287	0.73 314	1.82 322	1.15 241	2.26 414	1.30 251	4.94 448	2.52 437	2.27 324	7.92 452	0.57 412	12.61 481	0.62 421	0.67 427	0.45 368	0.42 358

LSM0	42.82 486	38.75 488	50.81 488	47.07 488	109.38 492	57.00 488	76.02 488	53.74 492	33.71 485	29.02 486	30.41 485	43.87 490	37.22 486	43.91 490	53.54 491	20.52 483	18.62 483	21.10 481	21.11 483	28.41 483	42.22 486

Selective-RAFT-Error	38.39 482	38.47 487	50.44 487	44.73 486	41.97 484	56.68 486	76.38 490	53.24 491	33.92 487	28.34 485	29.85 484	43.60 488	38.20 488	43.75 488	53.34 489	20.38 482	18.70 484	21.09 480	21.05 481	28.30 482	25.43 484

CasAABBNet	38.33 481	38.46 486	50.35 486	44.75 487	41.84 483	56.68 486	76.37 489	53.22 490	33.83 486	28.31 484	29.54 483	43.62 489	37.71 487	43.84 489	53.41 490	20.30 481	18.70 484	21.07 479	21.07 482	28.24 481	25.34 483

LRCNet_RVC	22.74 478	32.10 484	21.97 472	29.84 482	26.23 479	4.42 456	0.81 339	22.66 478	2.02 417	26.93 483	29.26 482	23.06 484	15.59 472	23.84 481	18.88 472	31.75 484	19.90 486	34.65 483	32.13 484	30.54 484	28.32 485

xxxxx1	54.10 489	25.67 481	27.13 478	113.43 489	96.96 489	30.69 481	47.44 485	32.38 484	25.60 479	17.75 478	17.27 474	21.81 479	21.02 478	24.43 482	33.82 482	33.37 485	40.54 487	157.71 490	175.86 490	66.16 488	72.93 490

tt_ll	54.10 489	25.67 481	27.13 478	113.43 489	96.96 489	30.69 481	47.44 485	32.38 484	25.60 479	17.75 478	17.27 474	21.81 479	21.02 478	24.43 482	33.82 482	33.37 485	40.54 487	157.71 490	175.86 490	66.16 488	72.93 490

ff	54.10 489	25.67 481	27.13 478	113.43 489	96.96 489	30.69 481	47.44 485	32.38 484	25.60 479	17.75 478	17.27 474	21.81 479	21.02 478	24.43 482	33.82 482	33.37 485	40.54 487	157.71 490	175.86 490	66.16 488	72.93 490

AVERAGE_ROB	40.43 484	42.37 490	42.73 483	36.96 485	35.58 482	30.50 480	27.61 477	36.71 489	38.39 489	44.91 489	44.36 487	37.45 487	36.70 484	41.88 487	40.35 486	45.43 489	46.81 490	47.11 485	46.35 485	42.51 486	43.87 487

HaxPig	38.92 483	41.40 489	41.64 482	29.95 483	32.27 480	28.90 479	27.60 476	29.73 483	37.71 488	43.82 488	43.87 486	33.17 485	35.56 482	41.53 486	40.37 487	43.94 488	47.51 491	45.82 484	47.08 486	42.38 485	44.15 488

MEDIAN_ROB	42.00 485	44.40 491	44.29 485	35.15 484	34.95 481	31.28 484	29.60 478	35.88 488	40.02 490	47.20 490	46.64 488	37.37 486	38.48 489	44.35 491	42.45 488	48.03 490	49.39 492	49.71 486	49.03 487	45.14 487	46.65 489

test_example2	192.40 492	210.76 493	206.48 492	199.83 493	204.73 493	172.94 492	183.52 491	133.93 493	133.41 493	191.38 493	196.19 491	187.13 493	178.77 492	205.33 493	208.00 492	222.09 493	238.72 493	186.54 493	190.54 493	227.34 493	170.31 493

Low-res two-view benchmark