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-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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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_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

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

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
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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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)
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

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

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

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
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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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)
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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-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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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_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

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

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

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

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.
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.
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

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

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

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

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

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

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

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

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

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

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_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_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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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_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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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-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
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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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
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.
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

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

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

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

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

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

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

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

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

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
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
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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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
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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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