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++	0.11 1	0.08 3	0.15 1	0.19 36	0.11 53	0.14 4	0.10 1	0.22 8	0.18 11	0.10 1	0.13 10	0.10 2	0.11 18	0.14 2	0.11 1	0.06 1	0.05 7	0.06 1	0.05 11	0.06 8	0.05 1

SPstereo	0.14 17	0.14 203	0.33 100	0.20 79	0.09 10	0.21 100	0.10 1	0.26 30	0.20 28	0.18 61	0.19 42	0.15 41	0.13 54	0.17 17	0.13 35	0.07 22	0.06 83	0.07 21	0.05 11	0.06 8	0.06 28

IGEV-Stereo+	0.12 2	0.08 3	0.17 2	0.18 12	0.13 163	0.09 1	0.11 3	0.16 1	0.15 2	0.10 1	0.08 1	0.10 2	0.10 10	0.21 64	0.11 1	0.07 22	0.05 7	0.06 1	0.05 11	0.16 348	0.24 415

GCST	0.47 394	0.60 435	0.57 317	1.04 459	0.48 433	0.38 330	0.11 3	0.40 191	0.32 168	0.41 342	0.34 188	0.29 197	0.17 120	0.46 251	0.19 168	0.69 450	0.42 443	0.79 452	0.62 454	0.62 442	0.46 442

Pointernet	0.13 6	0.07 1	0.27 40	0.19 36	0.11 53	0.20 77	0.12 5	0.31 89	0.24 75	0.15 22	0.15 22	0.13 17	0.11 18	0.17 17	0.13 35	0.08 119	0.05 7	0.06 1	0.05 11	0.06 8	0.05 1

trnet	0.13 6	0.08 3	0.21 8	0.15 2	0.07 1	0.21 100	0.12 5	0.24 26	0.24 75	0.16 39	0.21 69	0.15 41	0.13 54	0.18 30	0.13 35	0.08 119	0.05 7	0.06 1	0.04 1	0.06 8	0.05 1

DIP-Stereo	0.18 82	0.12 106	0.33 100	0.20 79	0.13 163	0.28 217	0.12 5	0.42 217	0.25 86	0.27 128	0.32 159	0.21 95	0.17 120	0.25 114	0.20 181	0.07 22	0.06 83	0.08 88	0.06 33	0.07 51	0.08 142
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
DN-CSS_ROB	0.22 179	0.25 353	0.47 259	0.24 259	0.14 204	0.25 175	0.12 5	0.40 191	0.33 180	0.29 165	0.42 275	0.22 104	0.20 166	0.33 202	0.19 168	0.07 22	0.06 83	0.11 272	0.11 292	0.11 263	0.07 85

WCG-NET	0.14 17	0.09 15	0.23 16	0.19 36	0.11 53	0.21 100	0.13 9	0.28 54	0.21 39	0.18 61	0.19 42	0.18 63	0.12 30	0.22 74	0.12 11	0.08 119	0.05 7	0.07 21	0.06 33	0.08 101	0.06 28

DCVSM-stereo	0.24 222	0.13 164	0.52 297	0.20 79	0.14 204	0.26 193	0.13 9	0.34 119	0.34 189	0.41 342	0.33 179	0.47 339	0.29 287	0.30 184	0.22 221	0.10 235	0.10 315	0.11 272	0.10 255	0.12 299	0.15 342

MaDis-Stereo	0.14 17	0.13 164	0.26 32	0.19 36	0.14 204	0.16 14	0.13 9	0.25 27	0.21 39	0.13 7	0.14 20	0.14 33	0.11 18	0.17 17	0.17 124	0.08 119	0.07 183	0.08 88	0.06 33	0.07 51	0.06 28

MIF-Stereo (partial)	0.16 47	0.10 36	0.34 107	0.21 118	0.15 250	0.15 6	0.13 9	0.28 54	0.25 86	0.17 48	0.26 105	0.15 41	0.16 95	0.25 114	0.17 124	0.09 191	0.06 83	0.10 220	0.08 136	0.09 163	0.08 142

UniTT-Stereo	0.14 17	0.10 36	0.30 67	0.21 118	0.13 163	0.17 22	0.13 9	0.19 3	0.18 11	0.15 22	0.20 58	0.10 2	0.11 18	0.18 30	0.16 96	0.08 119	0.06 83	0.07 21	0.06 33	0.08 101	0.06 28

DLNR_Zeroshot_test	10.44 478	12.10 484	19.93 485	106.08 493	23.66 490	0.14 4	0.13 9	3.22 473	0.17 8	0.16 39	0.23 79	0.16 50	0.10 10	0.31 190	0.15 75	2.36 471	0.06 83	0.07 21	0.07 67	39.70 491	0.06 28

LL-Strereo2	0.18 82	0.18 286	0.39 177	0.22 172	0.12 96	0.24 162	0.13 9	0.31 89	0.23 63	0.24 100	0.20 58	0.24 136	0.12 30	0.26 129	0.15 75	0.06 1	0.06 83	0.12 308	0.09 219	0.08 101	0.07 85

EGLCR-Stereo	0.13 6	0.08 3	0.20 6	0.18 12	0.09 10	0.21 100	0.13 9	0.27 40	0.21 39	0.13 7	0.10 2	0.15 41	0.09 4	0.20 48	0.13 35	0.07 22	0.05 7	0.07 21	0.07 67	0.06 8	0.06 28

CREStereo++_RVC	0.15 36	0.08 3	0.26 32	0.17 6	0.11 53	0.18 30	0.13 9	0.22 8	0.30 148	0.21 78	0.30 138	0.13 17	0.11 18	0.16 10	0.15 75	0.07 22	0.04 1	0.06 1	0.15 369	0.06 8	0.05 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
raftrobust	0.16 47	0.13 164	0.29 61	0.22 172	0.15 250	0.19 53	0.13 9	0.32 98	0.26 95	0.26 119	0.20 58	0.19 77	0.17 120	0.21 64	0.15 75	0.08 119	0.06 83	0.07 21	0.06 33	0.06 8	0.07 85

RALAANet	0.19 120	0.18 286	0.37 145	0.23 215	0.14 204	0.23 143	0.13 9	0.37 167	0.29 137	0.28 138	0.26 105	0.25 143	0.15 81	0.26 129	0.18 143	0.08 119	0.06 83	0.09 151	0.08 136	0.09 163	0.06 28

XX-Stereo	0.21 151	0.10 36	0.83 389	0.26 328	0.17 295	0.23 143	0.13 9	0.40 191	0.18 11	0.20 69	0.41 259	0.31 224	0.10 10	0.32 196	0.12 11	0.08 119	0.06 83	0.08 88	0.08 136	0.07 51	0.05 1

UGAM-zero	0.23 196	0.10 36	0.54 304	0.19 36	0.13 163	0.21 100	0.14 21	0.44 233	0.22 48	0.28 138	0.28 115	0.51 361	0.33 321	0.65 342	0.14 59	0.07 22	0.06 83	0.07 21	0.08 136	0.06 8	0.07 85

U	1.00 444	0.09 15	0.21 8	0.21 118	3.68 471	6.12 474	0.14 21	0.21 6	0.21 39	0.11 3	0.11 3	0.10 2	0.09 4	0.12 1	0.11 1	0.07 22	0.05 7	5.42 476	2.90 474	0.07 51	0.06 28

testlalala2	0.18 82	0.10 36	0.50 282	0.36 410	0.25 395	0.23 143	0.14 21	0.34 119	0.24 75	0.25 108	0.25 97	0.21 95	0.12 30	0.16 10	0.16 96	0.07 22	0.06 83	0.07 21	0.07 67	0.06 8	0.06 28

MIM_Stereo	0.18 82	0.12 106	0.38 164	0.20 79	0.11 53	0.17 22	0.14 21	0.35 140	0.25 86	0.27 128	0.35 199	0.23 124	0.13 54	0.27 145	0.16 96	0.06 1	0.07 183	0.08 88	0.08 136	0.08 101	0.06 28

LoS	0.14 17	0.08 3	0.27 40	0.16 4	0.09 10	0.22 124	0.14 21	0.26 30	0.26 95	0.15 22	0.18 37	0.18 63	0.13 54	0.22 74	0.14 59	0.08 119	0.06 83	0.06 1	0.04 1	0.06 8	0.06 28
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Selective-IGEV	0.12 2	0.09 15	0.22 13	0.19 36	0.10 28	0.15 6	0.14 21	0.27 40	0.15 2	0.13 7	0.14 20	0.13 17	0.08 1	0.21 64	0.12 11	0.06 1	0.05 7	0.07 21	0.06 33	0.06 8	0.05 1

Patchmatch Stereo++	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.14 21	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.17 120	0.26 129	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142
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
IIG-Stereo	0.23 196	0.13 164	0.35 117	0.29 372	0.12 96	0.23 143	0.14 21	0.38 172	0.31 160	0.34 263	0.37 218	0.33 240	0.21 173	0.70 357	0.26 272	0.08 119	0.06 83	0.09 151	0.07 67	0.07 51	0.06 28

ROB_FTStereo	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.14 21	0.29 65	0.22 48	0.28 138	0.28 115	0.25 143	0.17 120	0.24 89	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

HUI-Stereo	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.14 21	0.29 65	0.22 48	0.28 138	0.28 115	0.25 143	0.17 120	0.22 74	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

RAFT-RH_RVC	0.25 249	0.11 82	0.45 244	0.21 118	0.12 96	0.25 175	0.14 21	0.27 40	0.27 105	0.38 310	1.15 436	0.23 124	0.17 120	0.57 303	0.24 250	0.07 22	0.05 7	0.10 220	0.07 67	0.06 8	0.07 85

iRAFT	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.14 21	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.17 120	0.26 129	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

TANstereo	0.15 36	0.09 15	0.28 51	0.16 4	0.08 3	0.25 175	0.14 21	0.23 16	0.28 119	0.24 100	0.30 138	0.16 50	0.12 30	0.17 17	0.13 35	0.08 119	0.07 183	0.06 1	0.05 11	0.06 8	0.07 85

BEATNet_4x	0.22 179	0.18 286	0.47 259	0.22 172	0.10 28	0.28 217	0.14 21	0.46 253	0.32 168	0.31 211	0.34 188	0.31 224	0.25 232	0.31 190	0.29 290	0.08 119	0.06 83	0.08 88	0.06 33	0.10 218	0.08 142

CFNet	0.27 271	0.20 314	0.44 234	0.22 172	0.14 204	0.33 288	0.14 21	0.51 302	0.45 309	0.30 194	0.40 251	0.38 278	0.27 259	0.76 380	0.25 259	0.09 191	0.07 183	0.11 272	0.11 292	0.11 263	0.08 142

HITNet	0.20 134	0.17 272	0.43 226	0.19 36	0.08 3	0.27 202	0.14 21	0.42 217	0.30 148	0.29 165	0.32 159	0.27 173	0.21 173	0.28 157	0.25 259	0.07 22	0.05 7	0.07 21	0.06 33	0.09 163	0.06 28
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
model_zeroshot	0.17 61	0.11 82	0.39 177	0.20 79	0.12 96	0.24 162	0.15 37	0.34 119	0.22 48	0.30 194	0.20 58	0.22 104	0.12 30	0.24 89	0.14 59	0.08 119	0.07 183	0.07 21	0.07 67	0.07 51	0.07 85

rvit_stereo_0075_2	0.24 222	0.17 272	0.50 282	0.26 328	0.22 371	0.22 124	0.15 37	0.40 191	0.35 203	0.27 128	0.37 218	0.29 197	0.20 166	0.28 157	0.19 168	0.17 382	0.12 353	0.19 393	0.12 327	0.13 314	0.13 314

IGEV-BASED-STEREO-	0.20 134	0.72 441	0.70 364	0.17 6	0.08 3	0.15 6	0.15 37	0.18 2	0.16 4	0.13 7	0.12 4	0.09 1	0.08 1	0.16 10	0.13 35	0.35 432	0.04 1	0.08 88	0.07 67	0.11 263	0.23 410

AIO-Stereo	0.13 6	0.10 36	0.22 13	0.20 79	0.09 10	0.16 14	0.15 37	0.27 40	0.16 4	0.13 7	0.15 22	0.13 17	0.08 1	0.18 30	0.11 1	0.06 1	0.05 7	0.07 21	0.07 67	0.06 8	0.06 28

RSM++	0.12 2	0.09 15	0.19 3	0.20 79	0.09 10	0.17 22	0.15 37	0.21 6	0.19 16	0.12 4	0.12 4	0.14 33	0.09 4	0.20 48	0.12 11	0.06 1	0.05 7	0.07 21	0.07 67	0.07 51	0.05 1

RSM	0.12 2	0.09 15	0.20 6	0.20 79	0.09 10	0.16 14	0.15 37	0.23 16	0.18 11	0.13 7	0.13 10	0.15 41	0.09 4	0.21 64	0.12 11	0.06 1	0.05 7	0.07 21	0.07 67	0.06 8	0.05 1

CAS++	0.16 47	0.12 106	0.27 40	0.18 12	0.12 96	0.17 22	0.15 37	0.42 217	0.24 75	0.19 66	0.18 37	0.13 17	0.10 10	0.21 64	0.12 11	0.12 304	0.10 315	0.11 272	0.08 136	0.10 218	0.09 196
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
H2IRNET	0.18 82	0.13 164	0.35 117	0.21 118	0.12 96	0.20 77	0.15 37	0.27 40	0.30 148	0.17 48	0.31 152	0.25 143	0.20 166	0.24 89	0.18 143	0.07 22	0.06 83	0.09 151	0.10 255	0.09 163	0.06 28

MoCha-V2	0.13 6	0.08 3	0.26 32	0.23 215	0.09 10	0.16 14	0.15 37	0.26 30	0.16 4	0.15 22	0.15 22	0.13 17	0.14 69	0.20 48	0.11 1	0.06 1	0.07 183	0.06 1	0.06 33	0.06 8	0.05 1

IGEV++	0.13 6	0.10 36	0.23 16	0.21 118	0.10 28	0.15 6	0.15 37	0.29 65	0.16 4	0.12 4	0.15 22	0.12 8	0.12 30	0.17 17	0.14 59	0.07 22	0.06 83	0.07 21	0.05 11	0.07 51	0.07 85

GMStereo_Zeroshot	0.24 222	0.21 327	0.45 244	0.26 328	0.13 163	0.28 217	0.15 37	0.39 184	0.35 203	0.37 299	0.43 287	0.40 303	0.17 120	0.34 208	0.20 181	0.12 304	0.07 183	0.13 328	0.07 67	0.16 348	0.09 196

IGEV_Zeroshot_test	0.18 82	0.10 36	0.65 348	0.20 79	0.12 96	0.19 53	0.15 37	0.34 119	0.19 16	0.28 138	0.22 76	0.27 173	0.13 54	0.23 83	0.18 143	0.07 22	0.06 83	0.08 88	0.08 136	0.07 51	0.06 28

MSKI-zero shot	0.17 61	0.09 15	0.43 226	0.20 79	0.11 53	0.21 100	0.15 37	0.32 98	0.21 39	0.23 86	0.24 90	0.23 124	0.10 10	0.31 190	0.13 35	0.07 22	0.06 83	0.07 21	0.06 33	0.06 8	0.06 28

CASnet	0.14 17	0.12 106	0.22 13	0.22 172	0.08 3	0.16 14	0.15 37	0.27 40	0.25 86	0.22 83	0.20 58	0.15 41	0.11 18	0.17 17	0.13 35	0.07 22	0.05 7	0.11 272	0.09 219	0.08 101	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Selective-RAFT	0.17 61	0.12 106	0.30 67	0.24 259	0.10 28	0.29 237	0.15 37	0.32 98	0.31 160	0.17 48	0.17 30	0.21 95	0.18 143	0.28 157	0.17 124	0.07 22	0.06 83	0.07 21	0.07 67	0.08 101	0.06 28

GLC_STEREO	0.15 36	0.10 36	0.24 21	0.21 118	0.09 10	0.17 22	0.15 37	0.23 16	0.27 105	0.17 48	0.20 58	0.17 55	0.11 18	0.23 83	0.16 96	0.07 22	0.09 293	0.09 151	0.08 136	0.07 51	0.06 28

iGMRVC	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.15 37	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.17 120	0.27 145	0.17 124	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

RAFT-IKP	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.15 37	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.18 143	0.25 114	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

XX-TBD	0.15 36	0.18 286	0.28 51	0.22 172	0.10 28	0.22 124	0.15 37	0.22 8	0.27 105	0.22 83	0.26 105	0.14 33	0.12 30	0.16 10	0.13 35	0.08 119	0.05 7	0.06 1	0.04 1	0.07 51	0.06 28

CFNet-RSSM	0.17 61	0.10 36	0.40 184	0.20 79	0.11 53	0.20 77	0.15 37	0.36 158	0.30 148	0.23 86	0.21 69	0.26 164	0.15 81	0.20 48	0.13 35	0.07 22	0.05 7	0.07 21	0.07 67	0.06 8	0.05 1

Gwc-CoAtRS	0.17 61	0.10 36	0.37 145	0.20 79	0.12 96	0.19 53	0.15 37	0.32 98	0.28 119	0.23 86	0.23 79	0.27 173	0.15 81	0.20 48	0.13 35	0.07 22	0.05 7	0.07 21	0.07 67	0.06 8	0.06 28

CREStereo	0.13 6	0.08 3	0.21 8	0.14 1	0.08 3	0.22 124	0.15 37	0.25 27	0.24 75	0.16 39	0.21 69	0.14 33	0.13 54	0.18 30	0.13 35	0.09 191	0.05 7	0.06 1	0.04 1	0.07 51	0.06 28
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
GCAP-BAT	0.16 47	0.11 82	0.36 137	0.18 12	0.13 163	0.21 100	0.16 59	0.23 16	0.18 11	0.26 119	0.28 115	0.20 84	0.11 18	0.24 89	0.17 124	0.07 22	0.06 83	0.07 21	0.06 33	0.05 1	0.06 28

WCG-NET（raft）	0.14 17	0.09 15	0.23 16	0.17 6	0.08 3	0.19 53	0.16 59	0.23 16	0.26 95	0.18 61	0.19 42	0.20 84	0.12 30	0.21 64	0.12 11	0.06 1	0.06 83	0.06 1	0.05 11	0.06 8	0.05 1

gcap-zeroshot	0.17 61	0.11 82	0.36 137	0.20 79	0.12 96	0.26 193	0.16 59	0.30 81	0.22 48	0.26 119	0.20 58	0.30 213	0.14 69	0.20 48	0.13 35	0.07 22	0.06 83	0.07 21	0.07 67	0.06 8	0.06 28

test_for_model	0.29 301	0.89 450	0.34 107	0.69 443	0.49 434	0.20 77	0.16 59	0.30 81	0.23 63	0.28 138	0.15 22	0.13 17	0.11 18	0.17 17	0.13 35	0.29 425	0.10 315	0.06 1	0.04 1	0.86 455	0.18 374

MyStereo8	0.22 179	0.15 233	0.63 342	0.21 118	0.17 295	0.31 269	0.16 59	0.36 158	0.32 168	0.28 138	0.36 209	0.25 143	0.18 143	0.25 114	0.28 280	0.08 119	0.07 183	0.08 88	0.07 67	0.10 218	0.12 300

PCWNet_CMD	0.23 196	0.13 164	0.48 267	0.20 79	0.13 163	0.28 217	0.16 59	0.46 253	0.46 323	0.29 165	0.36 209	0.37 270	0.24 215	0.28 157	0.20 181	0.09 191	0.06 83	0.10 220	0.08 136	0.11 263	0.09 196

testlalala	0.15 36	0.10 36	0.36 137	0.19 36	0.12 96	0.23 143	0.16 59	0.26 30	0.19 16	0.24 100	0.19 42	0.14 33	0.11 18	0.16 10	0.13 35	0.07 22	0.05 7	0.07 21	0.06 33	0.05 1	0.05 1

testlalala_base	0.20 134	0.13 164	0.35 117	0.25 296	0.15 250	0.25 175	0.16 59	0.34 119	0.17 8	0.19 66	0.26 105	0.17 55	0.14 69	0.18 30	0.16 96	0.39 437	0.09 293	0.07 21	0.05 11	0.45 432	0.08 142

AEACV	0.13 6	0.09 15	0.23 16	0.18 12	0.19 334	0.19 53	0.16 59	0.23 16	0.14 1	0.13 7	0.17 30	0.13 17	0.16 95	0.16 10	0.12 11	0.07 22	0.05 7	0.07 21	0.08 136	0.07 51	0.06 28

Any-RAFT	0.17 61	0.08 3	0.31 80	0.19 36	0.10 28	0.29 237	0.16 59	0.42 217	0.30 148	0.24 100	0.27 111	0.27 173	0.16 95	0.21 64	0.12 11	0.08 119	0.05 7	0.06 1	0.05 11	0.07 51	0.06 28

CES	0.14 17	0.08 3	0.19 3	0.17 6	0.22 371	0.18 30	0.16 59	0.23 16	0.19 16	0.14 18	0.17 30	0.14 33	0.10 10	0.18 30	0.12 11	0.07 22	0.05 7	0.06 1	0.04 1	0.08 101	0.18 374

riskmin	0.18 82	0.09 15	0.34 107	0.18 12	0.12 96	0.24 162	0.16 59	0.34 119	0.28 119	0.21 78	0.23 79	0.33 240	0.24 215	0.23 83	0.17 124	0.09 191	0.06 83	0.09 151	0.06 33	0.10 218	0.10 246

MC-Stereo	0.14 17	0.09 15	0.25 27	0.21 118	0.09 10	0.18 30	0.16 59	0.23 16	0.19 16	0.18 61	0.23 79	0.16 50	0.13 54	0.22 74	0.13 35	0.07 22	0.05 7	0.07 21	0.07 67	0.06 8	0.05 1

test-3	0.16 47	0.09 15	0.31 80	0.21 118	0.11 53	0.18 30	0.16 59	0.30 81	0.27 105	0.26 119	0.16 27	0.22 104	0.12 30	0.26 129	0.18 143	0.06 1	0.04 1	0.08 88	0.08 136	0.06 8	0.06 28

test_1	0.16 47	0.09 15	0.31 80	0.21 118	0.11 53	0.18 30	0.16 59	0.30 81	0.27 105	0.25 108	0.16 27	0.22 104	0.12 30	0.26 129	0.18 143	0.06 1	0.04 1	0.08 88	0.08 136	0.06 8	0.06 28

TRStereo	0.19 120	0.17 272	0.47 259	0.23 215	0.19 334	0.19 53	0.16 59	0.52 317	0.28 119	0.20 69	0.19 42	0.21 95	0.13 54	0.24 89	0.13 35	0.09 191	0.06 83	0.09 151	0.11 292	0.06 8	0.06 28

OMP-Stereo	0.23 196	0.14 203	0.35 117	0.29 372	0.13 163	0.21 100	0.16 59	0.37 167	0.33 180	0.34 263	0.30 138	0.34 247	0.19 157	0.70 357	0.24 250	0.07 22	0.06 83	0.09 151	0.07 67	0.07 51	0.06 28

PSM-adaLoss	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.16 59	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.18 143	0.24 89	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

ROB_FTStereo_v2	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.16 59	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.17 120	0.24 89	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

DeepStereo_RVC	0.18 82	0.11 82	0.40 184	0.21 118	0.11 53	0.19 53	0.16 59	0.28 54	0.22 48	0.27 128	0.27 111	0.23 124	0.28 273	0.24 89	0.18 143	0.08 119	0.06 83	0.09 151	0.07 67	0.09 163	0.10 246

RAFT-345	0.21 151	0.10 36	0.46 251	0.22 172	0.11 53	0.20 77	0.16 59	0.26 30	0.25 86	0.27 128	0.66 393	0.21 95	0.16 95	0.55 290	0.21 203	0.07 22	0.06 83	0.08 88	0.07 67	0.06 8	0.06 28

raft+_RVC	0.18 82	0.14 203	0.32 86	0.21 118	0.15 250	0.21 100	0.16 59	0.38 172	0.34 189	0.21 78	0.28 115	0.20 84	0.15 81	0.24 89	0.19 168	0.08 119	0.06 83	0.08 88	0.07 67	0.07 51	0.08 142

CFNet_pseudo	0.23 196	0.13 164	0.47 259	0.19 36	0.13 163	0.26 193	0.16 59	0.44 233	0.44 298	0.29 165	0.37 218	0.38 278	0.23 197	0.29 172	0.21 203	0.09 191	0.06 83	0.11 272	0.08 136	0.11 263	0.09 196

PMTNet	0.15 36	0.08 3	0.23 16	0.15 2	0.09 10	0.23 143	0.16 59	0.25 27	0.23 63	0.17 48	0.21 69	0.16 50	0.14 69	0.22 74	0.13 35	0.29 425	0.05 7	0.06 1	0.04 1	0.07 51	0.06 28

MSMDNet	0.23 196	0.13 164	0.48 267	0.20 79	0.13 163	0.28 217	0.16 59	0.46 253	0.46 323	0.29 165	0.36 209	0.37 270	0.24 215	0.28 157	0.20 181	0.09 191	0.06 83	0.09 151	0.08 136	0.11 263	0.09 196

UCFNet_RVC	0.24 222	0.16 256	0.34 107	0.18 12	0.15 250	0.33 288	0.16 59	0.46 253	0.35 203	0.29 165	0.35 199	0.39 290	0.25 232	0.34 208	0.22 221	0.13 321	0.08 260	0.13 328	0.14 361	0.13 314	0.12 300

iResNet_ROB	0.25 249	0.19 302	0.40 184	0.20 79	0.12 96	0.30 254	0.16 59	0.55 345	0.53 368	0.38 310	0.43 287	0.37 270	0.26 241	0.38 228	0.22 221	0.08 119	0.06 83	0.06 1	0.04 1	0.09 163	0.09 196

rvit_stereo_0083	0.16 47	0.12 106	0.26 32	0.21 118	0.13 163	0.17 22	0.17 86	0.22 8	0.34 189	0.16 39	0.21 69	0.19 77	0.16 95	0.21 64	0.16 96	0.11 268	0.10 315	0.10 220	0.08 136	0.09 163	0.07 85

rvit_stereo_0081_aga	0.16 47	0.14 203	0.28 51	0.21 118	0.13 163	0.19 53	0.17 86	0.23 16	0.24 75	0.17 48	0.21 69	0.19 77	0.13 54	0.19 41	0.14 59	0.11 268	0.08 260	0.09 151	0.08 136	0.09 163	0.07 85

rvit_stereo_0081	0.16 47	0.11 82	0.24 21	0.21 118	0.12 96	0.16 14	0.17 86	0.22 8	0.33 180	0.16 39	0.18 37	0.18 63	0.14 69	0.20 48	0.16 96	0.11 268	0.08 260	0.09 151	0.08 136	0.09 163	0.07 85

rvit_stereo_0082	0.16 47	0.11 82	0.24 21	0.21 118	0.12 96	0.16 14	0.17 86	0.22 8	0.33 180	0.16 39	0.18 37	0.18 63	0.14 69	0.20 48	0.16 96	0.11 268	0.08 260	0.09 151	0.08 136	0.09 163	0.07 85

AIO-Stereo-zeroshot	0.23 196	0.13 164	0.83 389	0.20 79	0.21 355	0.23 143	0.17 86	0.48 271	0.27 105	0.23 86	0.29 126	0.39 290	0.23 197	0.25 114	0.15 75	0.08 119	0.06 83	0.08 88	0.11 292	0.11 263	0.10 246

RAFT-Stereo-weight	0.15 36	0.09 15	0.26 32	0.20 79	0.10 28	0.19 53	0.17 86	0.36 158	0.29 137	0.24 100	0.20 58	0.19 77	0.10 10	0.18 30	0.15 75	0.07 22	0.05 7	0.07 21	0.05 11	0.06 8	0.05 1

MGS-Stereo	0.14 17	0.11 82	0.32 86	0.19 36	0.11 53	0.18 30	0.17 86	0.20 4	0.22 48	0.14 18	0.24 90	0.15 41	0.10 10	0.18 30	0.12 11	0.07 22	0.06 83	0.07 21	0.06 33	0.10 218	0.06 28

Former-RAFT_DAM_RVC	0.17 61	0.13 164	0.24 21	0.19 36	0.13 163	0.24 162	0.17 86	0.30 81	0.37 224	0.43 357	0.17 30	0.13 17	0.12 30	0.19 41	0.15 75	0.08 119	0.07 183	0.09 151	0.07 67	0.09 163	0.08 142

11t1	0.18 82	0.10 36	0.30 67	0.20 79	0.11 53	0.27 202	0.17 86	0.35 140	0.23 63	0.25 108	0.23 79	0.23 124	0.23 197	0.25 114	0.18 143	0.09 191	0.07 183	0.07 21	0.06 33	0.09 163	0.09 196

plain	0.17 61	0.13 164	0.43 226	0.21 118	0.13 163	0.16 14	0.17 86	0.27 40	0.22 48	0.16 39	0.26 105	0.13 17	0.16 95	0.27 145	0.16 96	0.08 119	0.06 83	0.10 220	0.07 67	0.10 218	0.07 85

EKT-Stereo	0.38 363	0.12 106	0.38 164	0.42 424	3.88 473	0.21 100	0.17 86	0.35 140	0.28 119	0.20 69	0.20 58	0.23 124	0.15 81	0.28 157	0.16 96	0.09 191	0.07 183	0.09 151	0.07 67	0.09 163	0.09 196

CFNet_ucs	0.24 222	0.13 164	0.50 282	0.20 79	0.15 250	0.28 217	0.17 86	0.49 279	0.45 309	0.32 233	0.42 275	0.39 290	0.22 186	0.31 190	0.21 203	0.11 268	0.08 260	0.12 308	0.09 219	0.12 299	0.11 278

RAFT-Test	0.17 61	0.10 36	0.38 164	0.19 36	0.12 96	0.25 175	0.17 86	0.33 112	0.23 63	0.23 86	0.29 126	0.27 173	0.14 69	0.20 48	0.14 59	0.07 22	0.06 83	0.07 21	0.07 67	0.06 8	0.06 28

SDNR	0.42 379	0.21 327	0.82 388	0.21 118	0.18 316	1.27 453	0.17 86	0.50 287	0.49 346	0.42 351	0.81 416	0.38 278	0.27 259	1.19 438	0.38 331	0.23 405	0.24 425	0.17 379	0.13 350	0.17 363	0.20 392

4D-IteraStereo	0.17 61	0.16 256	0.50 282	0.21 118	0.14 204	0.19 53	0.17 86	0.28 54	0.28 119	0.23 86	0.20 58	0.20 84	0.11 18	0.19 41	0.14 59	0.06 1	0.04 1	0.10 220	0.08 136	0.08 101	0.06 28

anonymousdsp2	0.17 61	0.10 36	0.28 51	0.20 79	0.11 53	0.25 175	0.17 86	0.41 203	0.31 160	0.23 86	0.23 79	0.22 104	0.15 81	0.25 114	0.15 75	0.07 22	0.05 7	0.07 21	0.05 11	0.08 101	0.07 85

knoymous	0.17 61	0.09 15	0.32 86	0.17 6	0.11 53	0.21 100	0.17 86	0.32 98	0.23 63	0.23 86	0.28 115	0.27 173	0.16 95	0.23 83	0.16 96	0.09 191	0.06 83	0.09 151	0.06 33	0.09 163	0.09 196

RCA-Stereo	0.16 47	0.09 15	0.25 27	0.20 79	0.10 28	0.19 53	0.17 86	0.36 158	0.35 203	0.20 69	0.25 97	0.17 55	0.17 120	0.18 30	0.14 59	0.07 22	0.05 7	0.07 21	0.06 33	0.06 8	0.05 1

BUS	0.23 196	0.12 106	0.28 51	0.25 296	0.14 204	0.43 361	0.17 86	0.56 360	0.34 189	0.34 263	0.35 199	0.32 233	0.20 166	0.26 129	0.21 203	0.10 235	0.07 183	0.11 272	0.10 255	0.09 163	0.09 196

NINENet	0.25 249	0.15 233	0.37 145	0.23 215	0.16 275	0.43 361	0.17 86	0.60 388	0.46 323	0.32 233	0.37 218	0.32 233	0.20 166	0.42 239	0.21 203	0.10 235	0.10 315	0.12 308	0.08 136	0.11 263	0.10 246

IPLG	0.21 151	0.15 233	0.53 301	0.21 118	0.12 96	0.28 217	0.17 86	0.42 217	0.30 148	0.33 244	0.32 159	0.15 41	0.17 120	0.50 265	0.21 203	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.06 28

ASMatch	0.23 196	0.11 82	0.51 293	0.24 259	0.14 204	0.19 53	0.17 86	0.31 89	0.28 119	0.28 138	0.68 398	0.27 173	0.26 241	0.50 265	0.22 221	0.07 22	0.06 83	0.08 88	0.07 67	0.06 8	0.11 278

SST-Stereo	0.21 151	0.10 36	0.37 145	0.24 259	0.13 163	0.19 53	0.17 86	0.31 89	0.24 75	0.34 263	0.33 179	0.29 197	0.25 232	0.56 300	0.17 124	0.08 119	0.05 7	0.10 220	0.08 136	0.09 163	0.07 85

Pruner-Stereo	0.19 120	0.11 82	0.34 107	0.29 372	0.12 96	0.19 53	0.17 86	0.31 89	0.29 137	0.33 244	0.32 159	0.25 143	0.15 81	0.24 89	0.21 203	0.09 191	0.06 83	0.09 151	0.08 136	0.08 101	0.09 196

AnonymousM	0.17 61	0.19 302	0.24 21	0.18 12	0.10 28	0.18 30	0.17 86	0.30 81	0.23 63	0.26 119	0.20 58	0.18 63	0.14 69	0.19 41	0.14 59	0.09 191	0.06 83	0.38 430	0.15 369	0.06 8	0.05 1

CRE-IMP	0.18 82	0.12 106	0.37 145	0.22 172	0.11 53	0.24 162	0.17 86	0.29 65	0.21 39	0.27 128	0.26 105	0.24 136	0.17 120	0.23 83	0.18 143	0.08 119	0.05 7	0.10 220	0.07 67	0.10 218	0.10 246

rafts_anoy	0.18 82	0.15 233	0.35 117	0.22 172	0.14 204	0.19 53	0.17 86	0.32 98	0.30 148	0.23 86	0.25 97	0.20 84	0.16 95	0.22 74	0.19 168	0.08 119	0.07 183	0.10 220	0.12 327	0.09 163	0.08 142

iRaftStereo_RVC	0.16 47	0.12 106	0.26 32	0.21 118	0.11 53	0.20 77	0.17 86	0.32 98	0.23 63	0.20 69	0.25 97	0.18 63	0.12 30	0.20 48	0.15 75	0.07 22	0.05 7	0.09 151	0.09 219	0.08 101	0.07 85

sCroCo_RVC	0.18 82	0.14 203	0.49 272	0.27 352	0.18 316	0.22 124	0.17 86	0.27 40	0.23 63	0.14 18	0.22 76	0.17 55	0.14 69	0.21 64	0.15 75	0.10 235	0.11 336	0.09 151	0.09 219	0.09 163	0.09 196

111	0.20 134	0.17 272	0.40 184	0.18 12	0.09 10	0.24 162	0.17 86	0.41 203	0.45 309	0.23 86	0.29 126	0.29 197	0.21 173	0.24 89	0.18 143	0.07 22	0.05 7	0.07 21	0.06 33	0.07 51	0.08 142

RAFT-Stereo + iAFF	0.17 61	0.14 203	0.32 86	0.20 79	0.09 10	0.19 53	0.17 86	0.32 98	0.30 148	0.25 108	0.33 179	0.20 84	0.17 120	0.19 41	0.15 75	0.06 1	0.05 7	0.07 21	0.07 67	0.07 51	0.05 1

FENet	0.21 151	0.11 82	0.45 244	0.21 118	0.12 96	0.26 193	0.17 86	0.41 203	0.35 203	0.30 194	0.31 152	0.29 197	0.23 197	0.26 129	0.23 239	0.09 191	0.06 83	0.09 151	0.09 219	0.09 163	0.09 196

FADNet_RVC	0.30 310	0.28 374	0.83 389	0.23 215	0.15 250	0.30 254	0.17 86	0.49 279	0.37 224	0.30 194	0.38 230	0.30 213	0.27 259	0.52 276	0.31 302	0.14 344	0.14 372	0.14 350	0.16 381	0.21 392	0.23 410

ccs_rob	0.23 196	0.13 164	0.47 259	0.20 79	0.13 163	0.26 193	0.17 86	0.44 233	0.44 298	0.29 165	0.37 218	0.38 278	0.23 197	0.29 172	0.21 203	0.09 191	0.06 83	0.11 272	0.08 136	0.11 263	0.09 196

AdaStereo	0.24 222	0.16 256	0.37 145	0.24 259	0.12 96	0.32 277	0.17 86	0.54 335	0.42 279	0.33 244	0.38 230	0.35 261	0.21 173	0.30 184	0.22 221	0.14 344	0.06 83	0.13 328	0.08 136	0.11 263	0.08 142
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.
ITSA-stereo	0.25 249	0.15 233	0.33 100	0.23 215	0.11 53	0.27 202	0.18 121	0.56 360	0.59 386	0.31 211	0.32 159	0.33 240	0.28 273	0.49 262	0.30 296	0.11 268	0.08 260	0.11 272	0.10 255	0.11 263	0.13 314

RAStereo	0.13 6	0.12 106	0.27 40	0.22 172	0.11 53	0.15 6	0.18 121	0.23 16	0.23 63	0.13 7	0.17 30	0.11 6	0.09 4	0.15 5	0.13 35	0.08 119	0.06 83	0.08 88	0.06 33	0.07 51	0.05 1

AE-Stereo	0.17 61	0.11 82	0.31 80	0.24 259	0.14 204	0.23 143	0.18 121	0.34 119	0.29 137	0.15 22	0.25 97	0.21 95	0.13 54	0.20 48	0.14 59	0.07 22	0.08 260	0.09 151	0.10 255	0.07 51	0.06 28

ff7	0.14 17	0.12 106	0.27 40	0.19 36	0.12 96	0.21 100	0.18 121	0.27 40	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.07 85

IGEVStereo-DCA	0.14 17	0.11 82	0.27 40	0.19 36	0.12 96	0.20 77	0.18 121	0.27 40	0.20 28	0.15 22	0.12 4	0.14 33	0.12 30	0.28 157	0.14 59	0.07 22	0.06 83	0.08 88	0.07 67	0.07 51	0.07 85

ffff	0.14 17	0.12 106	0.27 40	0.19 36	0.12 96	0.21 100	0.18 121	0.27 40	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.07 85

rrr	0.17 61	0.11 82	0.57 317	0.19 36	0.12 96	0.20 77	0.18 121	0.35 140	0.22 48	0.15 22	0.12 4	0.14 33	0.12 30	0.28 157	0.14 59	0.07 22	0.06 83	0.08 88	0.07 67	0.07 51	0.07 85

11t	0.14 17	0.12 106	0.27 40	0.19 36	0.12 96	0.21 100	0.18 121	0.27 40	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.07 85

HH	0.18 82	0.12 106	0.55 310	0.22 172	0.12 96	0.18 30	0.18 121	0.34 119	0.19 16	0.20 69	0.24 90	0.34 247	0.18 143	0.29 172	0.12 11	0.07 22	0.05 7	0.07 21	0.07 67	0.07 51	0.06 28

HanStereo	0.18 82	0.12 106	0.55 310	0.22 172	0.12 96	0.18 30	0.18 121	0.34 119	0.19 16	0.20 69	0.24 90	0.34 247	0.18 143	0.29 172	0.12 11	0.07 22	0.05 7	0.07 21	0.07 67	0.07 51	0.06 28

LoS_RVC	0.13 6	0.10 36	0.19 3	0.18 12	0.16 275	0.20 77	0.18 121	0.20 4	0.17 8	0.13 7	0.19 42	0.12 8	0.15 81	0.17 17	0.13 35	0.06 1	0.05 7	0.06 1	0.04 1	0.05 1	0.12 300

CAS	0.15 36	0.07 1	0.21 8	0.41 423	0.16 275	0.20 77	0.18 121	0.22 8	0.19 16	0.15 22	0.19 42	0.11 6	0.09 4	0.14 2	0.13 35	0.29 425	0.04 1	0.06 1	0.04 1	0.06 8	0.14 332

anonymousdsp	0.14 17	0.12 106	0.27 40	0.19 36	0.12 96	0.21 100	0.18 121	0.28 54	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.08 101	0.07 85

DCANet-4	0.19 120	0.10 36	0.52 297	0.19 36	0.09 10	0.19 53	0.18 121	0.36 158	0.39 247	0.29 165	0.30 138	0.17 55	0.22 186	0.20 48	0.18 143	0.07 22	0.05 7	0.07 21	0.05 11	0.05 1	0.07 85

ccc-4	0.14 17	0.12 106	0.27 40	0.19 36	0.12 96	0.21 100	0.18 121	0.27 40	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.07 85

fff	0.19 120	0.13 164	0.40 184	0.18 12	0.09 10	0.19 53	0.18 121	0.35 140	0.43 284	0.29 165	0.30 138	0.18 63	0.28 273	0.20 48	0.18 143	0.07 22	0.05 7	0.07 21	0.05 11	0.05 1	0.07 85

ADStereo(finetuned)	0.19 120	0.13 164	0.49 272	0.19 36	0.09 10	0.19 53	0.18 121	0.34 119	0.39 247	0.29 165	0.31 152	0.18 63	0.31 311	0.21 64	0.19 168	0.07 22	0.05 7	0.07 21	0.05 11	0.06 8	0.07 85

x	0.19 120	0.11 82	0.29 61	0.20 79	0.11 53	0.26 193	0.18 121	0.41 203	0.29 137	0.25 108	0.29 126	0.28 188	0.24 215	0.26 129	0.23 239	0.09 191	0.07 183	0.08 88	0.07 67	0.09 163	0.08 142

IGEV-Stereo	0.14 17	0.12 106	0.27 40	0.19 36	0.12 96	0.21 100	0.18 121	0.28 54	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.08 101	0.07 85
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
UDGNet	0.23 196	0.31 393	0.38 164	0.24 259	0.14 204	0.24 162	0.18 121	0.32 98	0.43 284	0.29 165	0.28 115	0.24 136	0.19 157	0.29 172	0.20 181	0.15 356	0.07 183	0.21 400	0.11 292	0.14 329	0.10 246

IPLGR	0.21 151	0.13 164	0.61 331	0.21 118	0.11 53	0.25 175	0.18 121	0.41 203	0.37 224	0.28 138	0.27 111	0.21 95	0.19 157	0.37 224	0.18 143	0.07 22	0.06 83	0.08 88	0.07 67	0.07 51	0.06 28

NF-Stereo	0.20 134	0.10 36	0.35 117	0.24 259	0.12 96	0.21 100	0.18 121	0.38 172	0.32 168	0.28 138	0.30 138	0.22 104	0.16 95	0.51 270	0.20 181	0.08 119	0.06 83	0.09 151	0.08 136	0.08 101	0.13 314

OCTAStereo	0.20 134	0.10 36	0.35 117	0.24 259	0.12 96	0.21 100	0.18 121	0.38 172	0.32 168	0.28 138	0.30 138	0.22 104	0.16 95	0.51 270	0.20 181	0.08 119	0.06 83	0.09 151	0.08 136	0.08 101	0.13 314

PSM-softLoss	0.21 151	0.10 36	0.39 177	0.24 259	0.12 96	0.20 77	0.18 121	0.38 172	0.26 95	0.29 165	0.32 159	0.24 136	0.16 95	0.52 276	0.20 181	0.09 191	0.06 83	0.10 220	0.09 219	0.08 101	0.12 300

KMStereo	0.21 151	0.10 36	0.39 177	0.24 259	0.12 96	0.20 77	0.18 121	0.38 172	0.26 95	0.29 165	0.32 159	0.24 136	0.16 95	0.52 276	0.20 181	0.09 191	0.06 83	0.10 220	0.09 219	0.08 101	0.12 300

RAFT_R40	0.21 151	0.10 36	0.37 145	0.24 259	0.13 163	0.18 30	0.18 121	0.31 89	0.29 137	0.33 244	0.33 179	0.30 213	0.24 215	0.55 290	0.18 143	0.08 119	0.05 7	0.10 220	0.08 136	0.08 101	0.07 85

RE-Stereo	0.20 134	0.10 36	0.35 117	0.24 259	0.12 96	0.21 100	0.18 121	0.38 172	0.32 168	0.28 138	0.30 138	0.22 104	0.16 95	0.51 270	0.20 181	0.08 119	0.06 83	0.09 151	0.08 136	0.08 101	0.13 314

TVStereo	0.20 134	0.10 36	0.35 117	0.24 259	0.12 96	0.21 100	0.18 121	0.38 172	0.32 168	0.28 138	0.30 138	0.22 104	0.16 95	0.51 270	0.20 181	0.08 119	0.06 83	0.09 151	0.08 136	0.08 101	0.13 314

CroCo-Stereo	0.14 17	0.13 164	0.24 21	0.25 296	0.11 53	0.11 2	0.18 121	0.32 98	0.23 63	0.12 4	0.12 4	0.18 63	0.12 30	0.14 2	0.13 35	0.08 119	0.06 83	0.07 21	0.05 11	0.07 51	0.06 28
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
pcwnet_v2	0.32 326	0.15 233	1.26 438	0.23 215	0.18 316	0.32 277	0.18 121	0.59 380	0.60 390	0.36 294	0.45 310	0.35 261	0.29 287	0.36 222	0.25 259	0.14 344	0.11 336	0.12 308	0.11 292	0.14 329	0.15 342

RALCasStereoNet	0.18 82	0.15 233	0.33 100	0.21 118	0.14 204	0.21 100	0.18 121	0.31 89	0.25 86	0.21 78	0.29 126	0.22 104	0.15 81	0.27 145	0.17 124	0.08 119	0.10 315	0.07 21	0.06 33	0.09 163	0.09 196

HCRNet	0.24 222	0.25 353	0.33 100	0.34 400	0.16 275	0.27 202	0.18 121	0.43 228	0.35 203	0.30 194	0.35 199	0.32 233	0.22 186	0.44 245	0.20 181	0.13 321	0.08 260	0.13 328	0.11 292	0.10 218	0.09 196

DCANet	0.18 82	0.13 164	0.40 184	0.19 36	0.09 10	0.19 53	0.18 121	0.34 119	0.39 247	0.29 165	0.31 152	0.18 63	0.23 197	0.20 48	0.19 168	0.07 22	0.05 7	0.07 21	0.05 11	0.06 8	0.07 85

csc	0.19 120	0.13 164	0.40 184	0.18 12	0.09 10	0.19 53	0.18 121	0.35 140	0.43 284	0.29 165	0.30 138	0.18 63	0.28 273	0.20 48	0.18 143	0.07 22	0.05 7	0.07 21	0.05 11	0.05 1	0.07 85

cscssc	0.19 120	0.13 164	0.40 184	0.18 12	0.09 10	0.19 53	0.18 121	0.35 140	0.43 284	0.29 165	0.30 138	0.18 63	0.28 273	0.20 48	0.18 143	0.07 22	0.05 7	0.07 21	0.05 11	0.05 1	0.07 85

test_xeample3	0.16 47	0.11 82	0.56 314	0.19 36	0.12 96	0.20 77	0.18 121	0.35 140	0.20 28	0.16 39	0.12 4	0.13 17	0.12 30	0.24 89	0.15 75	0.07 22	0.06 83	0.07 21	0.08 136	0.07 51	0.07 85

AFF-stereo	0.18 82	0.15 233	0.32 86	0.21 118	0.10 28	0.18 30	0.18 121	0.33 112	0.27 105	0.25 108	0.37 218	0.25 143	0.17 120	0.24 89	0.15 75	0.06 1	0.05 7	0.08 88	0.08 136	0.07 51	0.05 1

iResNetv2_ROB	0.27 271	0.26 364	0.72 368	0.23 215	0.13 163	0.29 237	0.18 121	0.52 317	0.49 346	0.37 299	0.45 310	0.39 290	0.25 232	0.34 208	0.20 181	0.08 119	0.06 83	0.07 21	0.05 11	0.12 299	0.09 196

ACV-stereo	0.29 301	0.18 286	0.79 380	0.23 215	0.16 275	0.47 376	0.19 159	0.36 158	0.34 189	0.29 165	0.33 179	0.67 409	0.42 369	0.54 288	0.30 296	0.10 235	0.09 293	0.09 151	0.09 219	0.10 218	0.11 278

Occ-G	0.13 6	0.08 3	0.21 8	0.17 6	0.10 28	0.15 6	0.19 159	0.22 8	0.19 16	0.13 7	0.19 42	0.21 95	0.11 18	0.17 17	0.14 59	0.07 22	0.06 83	0.07 21	0.06 33	0.07 51	0.06 28

AIO-Stereo-zeroshot1	0.25 249	0.14 203	0.95 413	0.21 118	0.27 402	0.20 77	0.19 159	0.48 271	0.25 86	0.26 119	0.55 361	0.34 247	0.18 143	0.25 114	0.17 124	0.07 22	0.06 83	0.08 88	0.12 327	0.12 299	0.12 300

test_sample1	0.20 134	0.10 36	0.28 51	0.19 36	0.12 96	0.28 217	0.19 159	0.41 203	0.25 86	0.26 119	0.31 152	0.29 197	0.26 241	0.44 245	0.21 203	0.09 191	0.07 183	0.08 88	0.07 67	0.09 163	0.09 196

SMFormer	0.25 249	0.12 106	0.40 184	0.19 36	0.10 28	0.27 202	0.19 159	0.51 302	0.45 309	0.34 263	0.41 259	0.31 224	0.26 241	0.58 309	0.28 280	0.10 235	0.07 183	0.08 88	0.08 136	0.09 163	0.09 196

tta	0.24 222	0.12 106	0.40 184	0.19 36	0.10 28	0.27 202	0.19 159	0.51 302	0.45 309	0.34 263	0.41 259	0.31 224	0.26 241	0.58 309	0.28 280	0.10 235	0.07 183	0.08 88	0.08 136	0.08 101	0.07 85

qqq1	0.24 222	0.12 106	0.40 184	0.19 36	0.10 28	0.27 202	0.19 159	0.51 302	0.45 309	0.34 263	0.41 259	0.31 224	0.26 241	0.58 309	0.16 96	0.10 235	0.07 183	0.07 21	0.06 33	0.08 101	0.07 85

fff1	0.24 222	0.12 106	0.40 184	0.19 36	0.10 28	0.27 202	0.19 159	0.51 302	0.45 309	0.34 263	0.41 259	0.31 224	0.26 241	0.58 309	0.16 96	0.10 235	0.07 183	0.07 21	0.06 33	0.08 101	0.07 85

ACVNet-DCA	0.18 82	0.14 203	0.38 164	0.23 215	0.11 53	0.31 269	0.19 159	0.41 203	0.27 105	0.17 48	0.19 42	0.13 17	0.18 143	0.28 157	0.11 1	0.08 119	0.05 7	0.08 88	0.06 33	0.09 163	0.09 196

xx1	0.20 134	0.14 203	0.38 164	0.23 215	0.11 53	0.31 269	0.19 159	0.35 140	0.47 328	0.17 48	0.19 42	0.28 188	0.24 215	0.28 157	0.11 1	0.08 119	0.05 7	0.10 220	0.09 219	0.09 163	0.09 196

1test111	0.19 120	0.14 203	0.38 164	0.23 215	0.11 53	0.31 269	0.19 159	0.41 203	0.27 105	0.17 48	0.19 42	0.13 17	0.18 143	0.34 208	0.22 221	0.08 119	0.05 7	0.08 88	0.06 33	0.09 163	0.09 196

cc1	0.18 82	0.14 203	0.38 164	0.23 215	0.11 53	0.31 269	0.19 159	0.35 140	0.47 328	0.17 48	0.19 42	0.13 17	0.18 143	0.28 157	0.11 1	0.08 119	0.05 7	0.08 88	0.06 33	0.08 101	0.08 142

tt1	0.18 82	0.14 203	0.35 117	0.23 215	0.11 53	0.30 254	0.19 159	0.35 140	0.44 298	0.17 48	0.19 42	0.13 17	0.16 95	0.27 145	0.11 1	0.08 119	0.05 7	0.08 88	0.06 33	0.08 101	0.08 142

CASS	0.21 151	0.15 233	0.32 86	0.26 328	0.11 53	0.28 217	0.19 159	0.39 184	0.30 148	0.32 233	0.34 188	0.25 143	0.24 215	0.25 114	0.20 181	0.13 321	0.08 260	0.11 272	0.09 219	0.11 263	0.11 278
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DCRE	0.20 134	0.13 164	0.40 184	0.21 118	0.15 250	0.20 77	0.19 159	0.30 81	0.27 105	0.22 83	0.80 415	0.23 124	0.16 95	0.23 83	0.15 75	0.07 22	0.07 183	0.07 21	0.08 136	0.07 51	0.06 28

ProNet	0.14 17	0.12 106	0.25 27	0.19 36	0.11 53	0.19 53	0.19 159	0.27 40	0.20 28	0.14 18	0.13 10	0.13 17	0.12 30	0.24 89	0.12 11	0.06 1	0.05 7	0.07 21	0.06 33	0.07 51	0.07 85

CroCo-Stereo Lap2	0.15 36	0.15 233	0.28 51	0.25 296	0.18 316	0.11 2	0.19 159	0.28 54	0.21 39	0.13 7	0.16 27	0.15 41	0.12 30	0.17 17	0.14 59	0.07 22	0.07 183	0.08 88	0.06 33	0.08 101	0.07 85

qqq	0.20 134	0.12 106	0.31 80	0.20 79	0.11 53	0.23 143	0.19 159	0.41 203	0.27 105	0.24 100	0.28 115	0.28 188	0.24 215	0.34 208	0.22 221	0.08 119	0.07 183	0.10 220	0.09 219	0.09 163	0.09 196

IER	0.23 196	0.12 106	0.39 177	0.20 79	0.14 204	0.31 269	0.19 159	0.42 217	0.36 215	0.33 244	0.40 251	0.32 233	0.33 321	0.29 172	0.22 221	0.09 191	0.07 183	0.08 88	0.08 136	0.09 163	0.08 142

iRaft-Stereo_5w	0.23 196	0.18 286	0.44 234	0.22 172	0.13 163	0.19 53	0.19 159	0.37 167	0.32 168	0.28 138	0.37 218	0.34 247	0.23 197	0.65 342	0.27 276	0.06 1	0.06 83	0.08 88	0.07 67	0.09 163	0.08 142

iRaft-Stereo_20w	0.19 120	0.10 36	0.46 251	0.19 36	0.13 163	0.25 175	0.19 159	0.52 317	0.19 16	0.29 165	0.21 69	0.22 104	0.20 166	0.28 157	0.18 143	0.07 22	0.06 83	0.07 21	0.08 136	0.08 101	0.08 142

AACVNet	0.26 264	0.16 256	0.37 145	0.22 172	0.14 204	0.29 237	0.19 159	0.41 203	0.31 160	0.38 310	0.42 275	0.43 317	0.28 273	0.73 367	0.25 259	0.11 268	0.08 260	0.11 272	0.09 219	0.13 314	0.11 278

GANet-ADL	0.21 151	0.12 106	0.45 244	0.23 215	0.14 204	0.29 237	0.19 159	0.46 253	0.35 203	0.25 108	0.32 159	0.32 233	0.19 157	0.24 89	0.20 181	0.10 235	0.07 183	0.07 21	0.06 33	0.09 163	0.10 246

PFNet+	0.20 134	0.10 36	0.37 145	0.21 118	0.12 96	0.17 22	0.19 159	0.29 65	0.34 189	0.33 244	0.32 159	0.24 136	0.16 95	0.32 196	0.17 124	0.10 235	0.07 183	0.11 272	0.10 255	0.08 101	0.12 300

LCNet	0.21 151	0.11 82	0.29 61	0.25 296	0.12 96	0.23 143	0.19 159	0.34 119	0.26 95	0.28 138	0.35 199	0.26 164	0.30 297	0.35 217	0.17 124	0.07 22	0.05 7	0.09 151	0.10 255	0.13 314	0.22 404

AAGNet	0.33 332	0.11 82	0.37 145	0.25 296	0.16 275	0.20 77	0.19 159	0.30 81	0.27 105	0.35 279	0.35 199	0.27 173	0.30 297	0.44 245	2.66 467	0.08 119	0.05 7	0.10 220	0.07 67	0.08 101	0.06 28

TransformOpticalFlow	0.24 222	0.13 164	0.56 314	0.23 215	0.11 53	0.21 100	0.19 159	0.40 191	0.32 168	0.30 194	0.43 287	0.36 266	0.31 311	0.61 321	0.20 181	0.07 22	0.05 7	0.08 88	0.07 67	0.06 8	0.07 85

PFNet	0.23 196	0.10 36	0.57 317	0.24 259	0.14 204	0.22 124	0.19 159	0.39 184	0.33 180	0.35 279	0.32 159	0.27 173	0.19 157	0.64 336	0.22 221	0.09 191	0.05 7	0.09 151	0.07 67	0.08 101	0.07 85

s12784h	0.17 61	0.09 15	0.26 32	0.18 12	0.07 1	0.32 277	0.19 159	0.37 167	0.32 168	0.23 86	0.25 97	0.18 63	0.17 120	0.25 114	0.16 96	0.07 22	0.05 7	0.07 21	0.05 11	0.06 8	0.05 1

sAnonymous2	0.20 134	0.21 327	0.58 322	0.24 259	0.17 295	0.22 124	0.19 159	0.34 119	0.28 119	0.17 48	0.19 42	0.17 55	0.16 95	0.17 17	0.14 59	0.10 235	0.07 183	0.09 151	0.08 136	0.23 401	0.17 361

CroCo_RVC	0.20 134	0.21 327	0.58 322	0.24 259	0.17 295	0.22 124	0.19 159	0.34 119	0.28 119	0.17 48	0.19 42	0.17 55	0.16 95	0.17 17	0.14 59	0.10 235	0.07 183	0.09 151	0.08 136	0.23 401	0.17 361

GES	0.22 179	0.12 106	0.42 215	0.20 79	0.14 204	0.27 202	0.19 159	0.49 279	0.33 180	0.30 194	0.36 209	0.25 143	0.23 197	0.29 172	0.22 221	0.10 235	0.08 260	0.08 88	0.07 67	0.10 218	0.11 278

GMStereo	0.19 120	0.25 353	0.40 184	0.21 118	0.12 96	0.22 124	0.19 159	0.29 65	0.40 262	0.25 108	0.23 79	0.16 50	0.15 81	0.25 114	0.19 168	0.09 191	0.06 83	0.08 88	0.08 136	0.10 218	0.08 142
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
FADNet	0.32 326	0.36 406	0.74 372	0.23 215	0.22 371	0.37 323	0.19 159	0.53 328	0.48 337	0.32 233	0.36 209	0.43 317	0.32 318	0.64 336	0.25 259	0.16 371	0.16 393	0.14 350	0.16 381	0.24 404	0.19 382

R-Stereo Train	0.18 82	0.09 15	0.32 86	0.22 172	0.12 96	0.22 124	0.19 159	0.42 217	0.19 16	0.31 211	0.45 310	0.20 84	0.14 69	0.18 30	0.15 75	0.08 119	0.06 83	0.07 21	0.06 33	0.06 8	0.06 28

RAFT-Stereo	0.18 82	0.09 15	0.32 86	0.22 172	0.12 96	0.22 124	0.19 159	0.42 217	0.19 16	0.31 211	0.45 310	0.20 84	0.14 69	0.18 30	0.15 75	0.08 119	0.06 83	0.07 21	0.06 33	0.06 8	0.06 28
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RASNet	0.28 290	0.14 203	0.44 234	0.22 172	0.18 316	0.32 277	0.19 159	0.48 271	0.38 238	0.29 165	0.43 287	0.47 339	0.37 345	0.79 390	0.36 328	0.09 191	0.07 183	0.07 21	0.09 219	0.07 51	0.07 85

MLCV	0.22 179	0.16 256	0.44 234	0.21 118	0.08 3	0.29 237	0.19 159	0.38 172	0.37 224	0.38 310	0.44 298	0.31 224	0.21 173	0.41 237	0.24 250	0.07 22	0.05 7	0.06 1	0.05 11	0.07 51	0.06 28

HSM	0.28 290	0.16 256	0.35 117	0.20 79	0.15 250	0.33 288	0.19 159	0.53 328	0.37 224	0.36 294	0.38 230	0.67 409	0.31 311	0.89 410	0.23 239	0.08 119	0.06 83	0.08 88	0.07 67	0.08 101	0.08 142

NOSS_ROB	0.31 317	0.20 314	0.35 117	0.24 259	0.16 275	0.32 277	0.19 159	0.52 317	0.48 337	0.33 244	0.36 209	0.42 314	0.28 273	0.93 417	0.24 250	0.19 398	0.20 413	0.24 409	0.22 411	0.17 363	0.17 361

PWC_ROB	0.38 363	0.29 381	0.69 358	0.25 296	0.20 348	0.38 330	0.19 159	0.58 375	0.67 404	0.57 404	0.85 420	0.51 361	0.40 357	0.71 360	0.52 382	0.13 321	0.09 293	0.14 350	0.10 255	0.17 363	0.14 332

PWCDC_ROB	0.38 363	0.30 387	0.60 328	0.33 398	0.20 348	0.42 353	0.19 159	0.58 375	0.89 432	0.42 351	1.26 440	0.36 266	0.34 329	0.50 265	0.38 331	0.18 393	0.11 336	0.11 272	0.09 219	0.19 381	0.13 314

rvit_0105_6	0.19 120	0.14 203	0.34 107	0.23 215	0.14 204	0.18 30	0.20 201	0.29 65	0.37 224	0.18 61	0.22 76	0.23 124	0.17 120	0.26 129	0.17 124	0.15 356	0.13 364	0.13 328	0.11 292	0.11 263	0.08 142

rvit_stereo_0080	0.15 36	0.13 164	0.25 27	0.19 36	0.13 163	0.15 6	0.20 201	0.28 54	0.24 75	0.15 22	0.17 30	0.19 77	0.13 54	0.19 41	0.15 75	0.11 268	0.08 260	0.08 88	0.08 136	0.10 218	0.07 85

DualNet (step1)	0.28 290	0.19 302	0.50 282	0.18 12	0.16 275	0.34 300	0.20 201	0.51 302	0.38 238	0.37 299	0.34 188	0.37 270	0.30 297	0.39 230	0.23 239	0.23 405	0.09 293	0.28 418	0.24 415	0.18 374	0.16 350

test_sample9	0.42 379	0.19 302	0.50 282	0.18 12	0.16 275	0.34 300	0.20 201	0.51 302	0.38 238	0.37 299	0.34 188	0.37 270	0.30 297	0.66 347	0.91 421	0.23 405	1.82 469	0.28 418	0.24 415	0.18 374	0.16 350

test_sample8	0.49 399	0.19 302	0.50 282	0.18 12	0.16 275	0.34 300	0.20 201	0.55 345	0.34 189	0.62 408	0.38 230	1.15 437	0.67 421	0.66 347	0.91 421	0.23 405	1.82 469	0.28 418	0.24 415	0.18 374	0.16 350

test_sample3	0.23 196	0.12 106	0.43 226	0.19 36	0.12 96	0.32 277	0.20 201	0.50 287	0.34 189	0.31 211	0.33 179	0.29 197	0.22 186	0.53 282	0.22 221	0.10 235	0.07 183	0.09 151	0.08 136	0.10 218	0.10 246

ffm	0.22 179	0.12 106	0.42 215	0.20 79	0.13 163	0.28 217	0.20 201	0.35 140	0.44 298	0.30 194	0.42 275	0.34 247	0.23 197	0.27 145	0.11 1	0.08 119	0.05 7	0.11 272	0.10 255	0.08 101	0.08 142

ff1	0.29 301	0.12 106	0.42 215	0.20 79	0.13 163	0.28 217	0.20 201	0.35 140	0.44 298	0.30 194	0.42 275	0.34 247	0.23 197	0.81 397	1.08 430	0.08 119	0.05 7	0.11 272	0.10 255	0.08 101	0.08 142

mmx	0.31 317	0.12 106	0.42 215	0.20 79	0.13 163	0.28 217	0.20 201	0.55 345	0.45 309	0.30 194	0.42 275	0.34 247	0.23 197	0.81 397	1.08 430	0.10 235	0.07 183	0.11 272	0.10 255	0.11 263	0.10 246

ttt	0.29 301	0.12 106	0.34 107	0.21 118	0.13 163	0.29 237	0.20 201	0.56 360	0.47 328	0.31 211	0.44 298	0.30 213	0.22 186	0.65 342	0.85 418	0.13 321	0.10 315	0.10 220	0.10 255	0.11 263	0.11 278

whm_eth	0.15 36	0.13 164	0.25 27	0.19 36	0.13 163	0.15 6	0.20 201	0.28 54	0.24 75	0.15 22	0.17 30	0.19 77	0.13 54	0.19 41	0.15 75	0.11 268	0.08 260	0.08 88	0.08 136	0.10 218	0.07 85

xxx	0.31 317	0.12 106	0.42 215	0.20 79	0.13 163	0.28 217	0.20 201	0.55 345	0.45 309	0.30 194	0.42 275	0.34 247	0.23 197	0.81 397	1.08 430	0.10 235	0.07 183	0.11 272	0.10 255	0.11 263	0.10 246

anonymousa	0.23 196	0.11 82	0.50 282	0.21 118	0.16 275	0.31 269	0.20 201	0.36 158	0.35 203	0.32 233	0.50 335	0.39 290	0.26 241	0.22 74	0.20 181	0.08 119	0.06 83	0.09 151	0.11 292	0.07 51	0.08 142

DisPM	0.19 120	0.10 36	0.35 117	0.23 215	0.13 163	0.18 30	0.20 201	0.29 65	0.29 137	0.33 244	0.34 188	0.23 124	0.16 95	0.33 202	0.16 96	0.09 191	0.06 83	0.09 151	0.08 136	0.07 51	0.11 278

CIPLG	0.21 151	0.21 327	0.55 310	0.23 215	0.15 250	0.25 175	0.20 201	0.35 140	0.29 137	0.31 211	0.33 179	0.22 104	0.15 81	0.26 129	0.20 181	0.08 119	0.07 183	0.07 21	0.07 67	0.08 101	0.08 142

dad	0.28 290	0.31 393	0.44 234	0.21 118	0.14 204	0.30 254	0.20 201	0.33 112	0.49 346	0.44 363	0.44 298	0.45 331	0.21 173	0.41 237	0.26 272	0.20 401	0.11 336	0.20 397	0.11 292	0.14 329	0.10 246

IPLGR_C	0.21 151	0.22 339	0.60 328	0.23 215	0.15 250	0.24 162	0.20 201	0.35 140	0.29 137	0.31 211	0.32 159	0.22 104	0.15 81	0.25 114	0.20 181	0.08 119	0.07 183	0.07 21	0.07 67	0.08 101	0.08 142

MIPNet	0.21 151	0.15 233	0.52 297	0.21 118	0.12 96	0.27 202	0.20 201	0.45 243	0.37 224	0.30 194	0.23 79	0.19 77	0.24 215	0.27 145	0.19 168	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.06 28

AASNet	0.27 271	0.19 302	0.49 272	0.26 328	0.17 295	0.34 300	0.20 201	0.62 401	0.48 337	0.35 279	0.40 251	0.32 233	0.25 232	0.28 157	0.34 318	0.11 268	0.09 293	0.10 220	0.08 136	0.13 314	0.11 278

ACRE	0.21 151	0.20 314	0.62 339	0.23 215	0.15 250	0.24 162	0.20 201	0.35 140	0.28 119	0.31 211	0.32 159	0.22 104	0.15 81	0.25 114	0.20 181	0.08 119	0.07 183	0.07 21	0.07 67	0.08 101	0.08 142

HHNet	0.22 179	0.12 106	0.52 297	0.18 12	0.18 316	0.20 77	0.20 201	0.34 119	0.31 160	0.32 233	0.59 373	0.20 84	0.21 173	0.24 89	0.31 302	0.08 119	0.05 7	0.09 151	0.07 67	0.08 101	0.11 278

NRIStereo	0.18 82	0.11 82	0.35 117	0.23 215	0.11 53	0.24 162	0.20 201	0.29 65	0.26 95	0.26 119	0.25 97	0.25 143	0.18 143	0.34 208	0.18 143	0.07 22	0.06 83	0.09 151	0.07 67	0.09 163	0.08 142

222	0.41 376	0.10 36	0.29 61	0.19 36	0.11 53	0.36 318	0.20 201	0.57 368	0.39 247	0.35 279	0.44 298	0.30 213	0.27 259	0.55 290	3.56 470	0.11 268	0.07 183	0.08 88	0.08 136	0.09 163	0.09 196

xxxx	0.34 339	0.10 36	0.29 61	0.19 36	0.11 53	0.37 323	0.20 201	0.58 375	0.38 238	0.29 165	0.42 275	0.38 278	0.24 215	0.46 251	2.20 463	0.11 268	0.07 183	0.09 151	0.08 136	0.09 163	0.09 196

PSMNet-RSSM	0.24 222	0.15 233	0.36 137	0.21 118	0.14 204	0.25 175	0.20 201	0.48 271	0.37 224	0.30 194	0.44 298	0.38 278	0.26 241	0.52 276	0.22 221	0.12 304	0.07 183	0.11 272	0.13 350	0.10 218	0.09 196

DMCA	0.22 179	0.14 203	0.36 137	0.22 172	0.14 204	0.27 202	0.20 201	0.43 228	0.38 238	0.31 211	0.32 159	0.33 240	0.24 215	0.24 89	0.28 280	0.11 268	0.08 260	0.10 220	0.08 136	0.10 218	0.11 278

FADNet-RVC	0.31 317	0.35 403	0.78 374	0.25 296	0.20 348	0.33 288	0.20 201	0.49 279	0.40 262	0.34 263	0.39 243	0.41 306	0.29 287	0.63 334	0.31 302	0.13 321	0.14 372	0.14 350	0.15 369	0.19 381	0.19 382

HSM-Net_RVC	0.27 271	0.11 82	0.42 215	0.19 36	0.11 53	0.34 300	0.20 201	0.62 401	0.43 284	0.40 333	0.43 287	0.50 357	0.26 241	0.76 380	0.22 221	0.08 119	0.07 183	0.07 21	0.07 67	0.08 101	0.08 142
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CBMV_ROB	0.33 332	0.18 286	0.53 301	0.21 118	0.14 204	0.33 288	0.20 201	0.51 302	0.45 309	0.51 387	0.55 361	0.45 331	0.42 369	0.71 360	0.32 307	0.18 393	0.19 408	0.23 407	0.21 404	0.14 329	0.15 342

DDVS	0.25 249	0.15 233	0.39 177	0.24 259	0.17 295	0.34 300	0.21 230	0.41 203	0.30 148	0.33 244	0.41 259	0.48 346	0.21 173	0.52 276	0.27 276	0.11 268	0.09 293	0.11 272	0.09 219	0.13 314	0.14 332

rvit_stereo_ft	0.17 61	0.14 203	0.30 67	0.25 296	0.14 204	0.17 22	0.21 230	0.28 54	0.26 95	0.16 39	0.19 42	0.20 84	0.16 95	0.22 74	0.17 124	0.11 268	0.07 183	0.09 151	0.09 219	0.09 163	0.07 85

test_sample7	0.25 249	0.15 233	0.35 117	0.20 79	0.14 204	0.28 217	0.21 230	0.51 302	0.38 238	0.37 299	0.34 188	0.37 270	0.30 297	0.39 230	0.23 239	0.14 344	0.09 293	0.13 328	0.12 327	0.13 314	0.12 300

test_sample5	0.24 222	0.13 164	0.42 215	0.21 118	0.12 96	0.30 254	0.21 230	0.50 287	0.34 189	0.32 233	0.41 259	0.29 197	0.23 197	0.55 290	0.21 203	0.10 235	0.07 183	0.10 220	0.09 219	0.11 263	0.10 246

test_sample4	0.24 222	0.13 164	0.43 226	0.20 79	0.12 96	0.32 277	0.21 230	0.51 302	0.34 189	0.31 211	0.37 218	0.28 188	0.23 197	0.53 282	0.21 203	0.10 235	0.07 183	0.10 220	0.09 219	0.11 263	0.10 246

test_sample2	0.21 151	0.10 36	0.28 51	0.19 36	0.11 53	0.27 202	0.21 230	0.43 228	0.29 137	0.26 119	0.31 152	0.30 213	0.24 215	0.45 248	0.18 143	0.09 191	0.07 183	0.08 88	0.07 67	0.09 163	0.09 196

CoDeX	0.23 196	0.12 106	0.46 251	0.21 118	0.14 204	0.29 237	0.21 230	0.53 328	0.41 272	0.29 165	0.35 199	0.29 197	0.22 186	0.48 257	0.19 168	0.09 191	0.06 83	0.08 88	0.07 67	0.08 101	0.07 85

mmm	0.21 151	0.12 106	0.31 80	0.22 172	0.12 96	0.28 217	0.21 230	0.41 203	0.27 105	0.29 165	0.38 230	0.29 197	0.24 215	0.29 172	0.22 221	0.09 191	0.07 183	0.11 272	0.09 219	0.10 218	0.09 196

DualNet	0.24 222	0.13 164	0.42 215	0.21 118	0.12 96	0.30 254	0.21 230	0.50 287	0.34 189	0.33 244	0.43 287	0.29 197	0.23 197	0.55 290	0.21 203	0.10 235	0.07 183	0.10 220	0.09 219	0.11 263	0.10 246

BSDual-CNN	0.23 196	0.12 106	0.28 51	0.25 296	0.14 204	0.35 313	0.21 230	0.56 360	0.34 189	0.34 263	0.35 199	0.38 278	0.24 215	0.26 129	0.21 203	0.10 235	0.07 183	0.11 272	0.10 255	0.09 163	0.09 196

hknet	0.25 249	0.14 203	0.40 184	0.25 296	0.15 250	0.35 313	0.21 230	0.56 360	0.37 224	0.34 263	0.35 199	0.43 317	0.27 259	0.37 224	0.21 203	0.09 191	0.07 183	0.11 272	0.10 255	0.09 163	0.09 196

dd	0.22 179	0.26 364	0.40 184	0.22 172	0.12 96	0.25 175	0.21 230	0.32 98	0.44 298	0.29 165	0.28 115	0.25 143	0.16 95	0.30 184	0.25 259	0.12 304	0.07 183	0.10 220	0.08 136	0.11 263	0.09 196

STrans-v2	0.24 222	0.13 164	0.54 304	0.21 118	0.12 96	0.23 143	0.21 230	0.47 260	0.28 119	0.31 211	0.42 275	0.36 266	0.35 333	0.62 329	0.23 239	0.07 22	0.05 7	0.08 88	0.07 67	0.06 8	0.06 28

TestStereo	0.21 151	0.19 302	0.40 184	0.25 296	0.10 28	0.22 124	0.21 230	0.31 89	0.31 160	0.23 86	0.34 188	0.22 104	0.18 143	0.62 329	0.18 143	0.08 119	0.06 83	0.10 220	0.07 67	0.11 263	0.06 28

acv_ft	0.25 249	0.13 164	0.40 184	0.23 215	0.19 334	0.34 300	0.21 230	0.45 243	0.44 298	0.38 310	0.41 259	0.38 278	0.27 259	0.27 145	0.35 322	0.08 119	0.07 183	0.08 88	0.07 67	0.11 263	0.07 85

GANet-RSSM	0.24 222	0.14 203	0.36 137	0.21 118	0.14 204	0.27 202	0.21 230	0.45 243	0.33 180	0.29 165	0.39 243	0.39 290	0.28 273	0.58 309	0.23 239	0.11 268	0.07 183	0.09 151	0.09 219	0.10 218	0.09 196

CFNet-ft	0.24 222	0.15 233	0.35 117	0.18 12	0.15 250	0.30 254	0.21 230	0.39 184	0.36 215	0.28 138	0.40 251	0.43 317	0.25 232	0.47 255	0.24 250	0.12 304	0.07 183	0.12 308	0.11 292	0.12 299	0.09 196

DMCA-RVC	0.27 271	0.21 327	0.61 331	0.28 369	0.17 295	0.29 237	0.21 230	0.42 217	0.35 203	0.40 333	0.37 218	0.39 290	0.36 337	0.43 241	0.30 296	0.13 321	0.10 315	0.15 364	0.11 292	0.13 314	0.10 246

FADNet-RVC-Resample	0.29 301	0.25 353	0.93 410	0.26 328	0.16 275	0.32 277	0.21 230	0.47 260	0.39 247	0.35 279	0.38 230	0.33 240	0.27 259	0.53 282	0.24 250	0.10 235	0.10 315	0.14 350	0.13 350	0.13 314	0.16 350

CFNet_RVC	0.24 222	0.15 233	0.35 117	0.18 12	0.15 250	0.30 254	0.21 230	0.39 184	0.36 215	0.28 138	0.40 251	0.43 317	0.25 232	0.47 255	0.24 250	0.12 304	0.07 183	0.12 308	0.11 292	0.12 299	0.09 196

DeepPruner_ROB	0.26 264	0.19 302	0.44 234	0.21 118	0.16 275	0.30 254	0.21 230	0.52 317	0.32 168	0.35 279	0.38 230	0.39 290	0.26 241	0.42 239	0.24 250	0.15 356	0.11 336	0.11 272	0.11 292	0.14 329	0.13 314

StereoDRNet-Refined	0.27 271	0.17 272	0.35 117	0.25 296	0.14 204	0.37 323	0.21 230	0.47 260	0.41 272	0.44 363	0.51 341	0.41 306	0.28 273	0.45 248	0.37 329	0.09 191	0.06 83	0.11 272	0.11 292	0.10 218	0.10 246
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet	0.24 222	0.18 286	0.61 331	0.25 296	0.11 53	0.29 237	0.21 230	0.42 217	0.43 284	0.33 244	0.43 287	0.27 173	0.22 186	0.34 208	0.26 272	0.07 22	0.05 7	0.07 21	0.06 33	0.08 101	0.07 85

rvit_0105_4	0.20 134	0.15 233	0.38 164	0.23 215	0.14 204	0.20 77	0.22 253	0.33 112	0.39 247	0.19 66	0.24 90	0.25 143	0.19 157	0.27 145	0.17 124	0.16 371	0.13 364	0.13 328	0.11 292	0.11 263	0.08 142

test_sample6	0.25 249	0.13 164	0.41 207	0.21 118	0.11 53	0.30 254	0.22 253	0.51 302	0.35 203	0.33 244	0.43 287	0.30 213	0.24 215	0.57 303	0.22 221	0.10 235	0.07 183	0.10 220	0.10 255	0.11 263	0.10 246

DispNO	0.27 271	0.18 286	0.62 339	0.23 215	0.17 295	0.25 175	0.22 253	0.45 243	0.41 272	0.32 233	0.39 243	0.38 278	0.27 259	0.77 386	0.27 276	0.09 191	0.07 183	0.10 220	0.10 255	0.08 101	0.08 142

StereoVision	0.22 179	0.18 286	0.37 145	0.27 352	0.17 295	0.23 143	0.22 253	0.38 172	0.31 160	0.20 69	0.51 341	0.22 104	0.16 95	0.28 157	0.18 143	0.11 268	0.12 353	0.13 328	0.13 350	0.10 218	0.07 85

SQANet	0.40 374	0.48 423	0.67 352	0.48 431	0.39 425	0.48 381	0.22 253	0.51 302	0.43 284	0.40 333	0.47 326	0.47 339	0.33 321	0.54 288	0.32 307	0.36 433	0.15 386	0.40 432	0.21 404	0.45 432	0.31 426

iinet-f	0.30 310	0.18 286	1.03 424	0.20 79	0.15 250	0.44 363	0.22 253	0.45 243	0.37 224	0.35 279	0.44 298	0.41 306	0.34 329	0.34 208	0.40 346	0.10 235	0.09 293	0.08 88	0.08 136	0.13 314	0.11 278

GASNet	0.36 348	0.46 419	0.88 401	0.34 400	0.23 383	0.35 313	0.22 253	0.60 388	0.53 368	0.40 333	0.37 218	0.45 331	0.30 297	0.79 390	0.35 322	0.15 356	0.10 315	0.14 350	0.14 361	0.22 398	0.12 300

gwcnet-sp	0.24 222	0.13 164	0.63 342	0.22 172	0.14 204	0.34 300	0.22 253	0.44 233	0.39 247	0.35 279	0.34 188	0.27 173	0.27 259	0.35 217	0.25 259	0.09 191	0.08 260	0.09 151	0.09 219	0.09 163	0.09 196

scenet	0.24 222	0.13 164	0.63 342	0.22 172	0.14 204	0.34 300	0.22 253	0.44 233	0.39 247	0.35 279	0.34 188	0.27 173	0.27 259	0.35 217	0.25 259	0.09 191	0.08 260	0.09 151	0.09 219	0.09 163	0.09 196

ssnet	0.24 222	0.13 164	0.63 342	0.22 172	0.14 204	0.34 300	0.22 253	0.44 233	0.39 247	0.35 279	0.34 188	0.27 173	0.27 259	0.35 217	0.25 259	0.09 191	0.08 260	0.09 151	0.09 219	0.09 163	0.09 196

HBP-ISP	0.33 332	0.30 387	0.72 368	0.22 172	0.16 275	0.32 277	0.22 253	0.54 335	0.44 298	0.41 342	0.49 333	0.33 240	0.38 349	0.73 367	0.25 259	0.18 393	0.19 408	0.24 409	0.20 401	0.16 348	0.13 314

raft_robust	0.22 179	0.17 272	0.30 67	0.22 172	0.12 96	0.23 143	0.22 253	0.49 279	0.48 337	0.32 233	0.32 159	0.26 164	0.23 197	0.53 282	0.15 75	0.07 22	0.06 83	0.08 88	0.10 255	0.08 101	0.06 28

test_4	0.18 82	0.12 106	0.34 107	0.23 215	0.12 96	0.18 30	0.22 253	0.26 30	0.24 75	0.24 100	0.47 326	0.22 104	0.13 54	0.24 89	0.16 96	0.06 1	0.05 7	0.09 151	0.09 219	0.07 51	0.05 1

PSMNet-ADL	0.25 249	0.15 233	0.32 86	0.26 328	0.14 204	0.31 269	0.22 253	0.44 233	0.36 215	0.27 128	0.33 179	0.41 306	0.28 273	0.61 321	0.29 290	0.11 268	0.09 293	0.09 151	0.11 292	0.10 218	0.10 246

SFCPSM	0.22 179	0.10 36	0.51 293	0.21 118	0.14 204	0.34 300	0.22 253	0.55 345	0.39 247	0.29 165	0.32 159	0.23 124	0.21 173	0.27 145	0.19 168	0.09 191	0.07 183	0.09 151	0.09 219	0.09 163	0.08 142

MMNet	0.27 271	0.14 203	0.49 272	0.24 259	0.17 295	0.47 376	0.22 253	0.45 243	0.51 357	0.39 325	0.41 259	0.36 266	0.33 321	0.39 230	0.34 318	0.08 119	0.07 183	0.09 151	0.09 219	0.10 218	0.08 142

UNet	0.28 290	0.14 203	0.69 358	0.23 215	0.20 348	0.44 363	0.22 253	0.50 287	0.40 262	0.34 263	0.39 243	0.43 317	0.33 321	0.40 235	0.31 302	0.09 191	0.07 183	0.10 220	0.08 136	0.10 218	0.08 142

psmorigin	0.50 402	0.25 353	3.03 464	0.24 259	0.19 334	0.38 330	0.22 253	0.50 287	0.44 298	0.64 412	0.68 398	0.71 418	0.51 398	0.85 403	0.45 363	0.14 344	0.17 398	0.13 328	0.14 361	0.16 348	0.21 399

ac_64	0.27 271	0.13 164	0.41 207	0.24 259	0.17 295	0.36 318	0.22 253	0.46 253	0.33 180	0.35 279	0.36 209	0.52 365	0.30 297	0.62 329	0.32 307	0.11 268	0.09 293	0.10 220	0.10 255	0.09 163	0.08 142

cf-r	0.24 222	0.15 233	0.44 234	0.21 118	0.14 204	0.27 202	0.22 253	0.42 217	0.40 262	0.30 194	0.42 275	0.42 314	0.26 241	0.43 241	0.25 259	0.11 268	0.06 83	0.08 88	0.10 255	0.08 101	0.08 142

SHD	0.42 379	0.27 371	0.81 385	0.31 386	0.25 395	0.42 353	0.22 253	0.66 415	0.94 439	0.63 410	0.60 378	0.59 384	0.47 387	0.59 315	0.58 391	0.15 356	0.13 364	0.16 373	0.16 381	0.20 389	0.22 404

RTSC	0.39 368	0.28 374	0.78 374	0.27 352	0.18 316	0.49 384	0.22 253	0.59 380	0.84 430	0.55 401	0.53 354	0.49 351	0.36 337	0.67 351	0.82 414	0.13 321	0.10 315	0.11 272	0.12 327	0.17 363	0.17 361

NLCA_NET_v2_RVC	0.27 271	0.21 327	0.59 326	0.25 296	0.18 316	0.29 237	0.22 253	0.50 287	0.40 262	0.38 310	0.41 259	0.43 317	0.27 259	0.43 241	0.29 290	0.11 268	0.08 260	0.10 220	0.10 255	0.10 218	0.11 278
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MyStereo07	0.16 47	0.12 106	0.26 32	0.22 172	0.14 204	0.25 175	0.23 276	0.29 65	0.21 39	0.15 22	0.13 10	0.12 8	0.13 54	0.25 114	0.13 35	0.07 22	0.07 183	0.09 151	0.08 136	0.08 101	0.08 142

MyStereo06	0.20 134	0.12 106	0.57 317	0.21 118	0.14 204	0.25 175	0.23 276	0.40 191	0.21 39	0.30 194	0.24 90	0.31 224	0.18 143	0.22 74	0.18 143	0.07 22	0.07 183	0.09 151	0.08 136	0.08 101	0.08 142

MyStereo05	0.23 196	0.12 106	0.57 317	0.21 118	0.14 204	0.25 175	0.23 276	0.48 271	0.52 364	0.31 211	0.23 79	0.25 143	0.22 186	0.30 184	0.21 203	0.07 22	0.07 183	0.09 151	0.08 136	0.08 101	0.08 142

MyStereo04	0.23 196	0.12 106	0.55 310	0.22 172	0.14 204	0.25 175	0.23 276	0.49 279	0.52 364	0.28 138	0.23 79	0.27 173	0.23 197	0.30 184	0.22 221	0.07 22	0.07 183	0.09 151	0.08 136	0.08 101	0.08 142

CRFU-Net	0.28 290	0.14 203	0.45 244	0.25 296	0.15 250	0.45 368	0.23 276	0.50 287	0.30 148	0.43 357	0.41 259	0.48 346	0.46 384	0.43 241	0.29 290	0.11 268	0.10 315	0.09 151	0.08 136	0.10 218	0.10 246

Sa-1000	0.22 179	0.15 233	0.35 117	0.23 215	0.13 163	0.28 217	0.23 276	0.47 260	0.39 247	0.30 194	0.50 335	0.26 164	0.19 157	0.33 202	0.16 96	0.07 22	0.06 83	0.10 220	0.11 292	0.08 101	0.06 28

SA	0.22 179	0.16 256	0.36 137	0.23 215	0.13 163	0.24 162	0.23 276	0.45 243	0.40 262	0.27 128	0.44 298	0.23 124	0.23 197	0.33 202	0.17 124	0.07 22	0.06 83	0.10 220	0.11 292	0.08 101	0.06 28

psmg	0.23 196	0.12 106	0.28 51	0.21 118	0.14 204	0.35 313	0.23 276	0.51 302	0.34 189	0.35 279	0.38 230	0.38 278	0.24 215	0.26 129	0.21 203	0.10 235	0.08 260	0.10 220	0.10 255	0.09 163	0.08 142

GwcNet-ADL	0.22 179	0.14 203	0.58 322	0.24 259	0.13 163	0.22 124	0.23 276	0.49 279	0.40 262	0.27 128	0.29 126	0.30 213	0.20 166	0.26 129	0.23 239	0.09 191	0.07 183	0.07 21	0.07 67	0.09 163	0.09 196

KYRaft	0.22 179	0.10 36	0.30 67	0.23 215	0.12 96	0.23 143	0.23 276	0.35 140	0.24 75	0.35 279	0.54 357	0.34 247	0.26 241	0.29 172	0.15 75	0.07 22	0.05 7	0.09 151	0.10 255	0.08 101	0.31 426

DRaft	0.24 222	0.10 36	0.34 107	0.18 12	0.12 96	0.28 217	0.23 276	0.33 112	0.39 247	0.38 310	0.61 384	0.21 95	0.41 361	0.48 257	0.42 355	0.07 22	0.06 83	0.08 88	0.08 136	0.07 51	0.08 142

test-1	0.17 61	0.11 82	0.40 184	0.23 215	0.13 163	0.22 124	0.23 276	0.34 119	0.26 95	0.20 69	0.24 90	0.22 104	0.14 69	0.16 10	0.20 181	0.07 22	0.06 83	0.08 88	0.07 67	0.06 8	0.08 142

Prome-Stereo	0.21 151	0.10 36	0.30 67	0.24 259	0.12 96	0.23 143	0.23 276	0.36 158	0.25 86	0.33 244	0.59 373	0.24 136	0.28 273	0.29 172	0.16 96	0.07 22	0.05 7	0.08 88	0.07 67	0.08 101	0.20 392

LMCR-Stereo	0.26 264	0.18 286	0.49 272	0.28 369	0.14 204	0.36 318	0.23 276	0.54 335	0.34 189	0.39 325	0.40 251	0.29 197	0.29 287	0.37 224	0.27 276	0.11 268	0.07 183	0.09 151	0.07 67	0.13 314	0.09 196

Anonymous3	0.23 196	0.18 286	0.63 342	0.27 352	0.18 316	0.41 346	0.23 276	0.43 228	0.35 203	0.23 86	0.27 111	0.20 84	0.18 143	0.27 145	0.18 143	0.12 304	0.11 336	0.10 220	0.10 255	0.11 263	0.12 300

ADLNet	0.28 290	0.15 233	0.42 215	0.23 215	0.19 334	0.34 300	0.23 276	0.53 328	0.43 284	0.42 351	0.41 259	0.44 327	0.27 259	0.55 290	0.35 322	0.11 268	0.08 260	0.11 272	0.11 292	0.11 263	0.12 300

test_xeample	0.34 339	0.10 36	0.29 61	0.19 36	0.11 53	0.33 288	0.23 276	0.55 345	0.38 238	0.32 233	0.45 310	0.29 197	0.26 241	0.57 303	2.24 465	0.10 235	0.07 183	0.09 151	0.08 136	0.09 163	0.09 196

ACVNet	0.23 196	0.13 164	0.35 117	0.18 12	0.15 250	0.27 202	0.23 276	0.39 184	0.44 298	0.28 138	0.41 259	0.38 278	0.26 241	0.27 145	0.32 307	0.08 119	0.07 183	0.08 88	0.07 67	0.10 218	0.07 85

HGLStereo	0.27 271	0.14 203	0.46 251	0.24 259	0.21 355	0.33 288	0.23 276	0.50 287	0.42 279	0.35 279	0.48 332	0.41 306	0.33 321	0.45 248	0.33 314	0.11 268	0.10 315	0.09 151	0.09 219	0.10 218	0.12 300

hitnet-ft	0.29 301	0.17 272	0.40 184	0.19 36	0.14 204	0.39 338	0.23 276	0.44 233	0.41 272	0.36 294	0.46 319	0.53 369	0.34 329	0.76 380	0.32 307	0.14 344	0.10 315	0.13 328	0.10 255	0.15 341	0.13 314

GwcNet-RSSM	0.26 264	0.17 272	0.46 251	0.21 118	0.13 163	0.28 217	0.23 276	0.44 233	0.42 279	0.31 211	0.45 310	0.40 303	0.26 241	0.55 290	0.28 280	0.11 268	0.07 183	0.09 151	0.10 255	0.09 163	0.08 142

DispFullNet	0.66 426	0.89 450	1.59 448	0.77 448	1.21 465	0.51 389	0.23 276	0.59 380	0.72 414	0.69 418	0.61 384	0.69 415	0.91 439	0.79 390	0.48 372	0.27 419	0.12 353	0.73 448	0.30 429	0.65 446	0.40 435

rvit_0105_5	0.21 151	0.15 233	0.38 164	0.23 215	0.13 163	0.22 124	0.24 298	0.36 158	0.39 247	0.21 78	0.23 79	0.26 164	0.19 157	0.26 129	0.19 168	0.15 356	0.13 364	0.12 308	0.12 327	0.10 218	0.09 196

LL-Strereo	0.29 301	0.25 353	0.58 322	0.25 296	0.21 355	0.23 143	0.24 298	0.55 345	0.42 279	0.34 263	0.32 159	0.41 306	0.40 357	0.94 419	0.23 239	0.08 119	0.07 183	0.11 272	0.09 219	0.09 163	0.09 196

RAFT_CTSACE	0.21 151	0.16 256	0.41 207	0.25 296	0.15 250	0.22 124	0.24 298	0.32 98	0.28 119	0.33 244	0.51 341	0.29 197	0.17 120	0.32 196	0.13 35	0.06 1	0.07 183	0.09 151	0.08 136	0.08 101	0.06 28

CSP-Net	0.27 271	0.15 233	0.30 67	0.21 118	0.14 204	0.44 363	0.24 298	0.50 287	0.40 262	0.41 342	0.43 287	0.42 314	0.26 241	0.66 347	0.28 280	0.12 304	0.08 260	0.08 88	0.08 136	0.10 218	0.09 196

DAS	0.27 271	0.12 106	0.42 215	0.24 259	0.18 316	0.29 237	0.24 298	0.45 243	0.45 309	0.41 342	0.44 298	0.34 247	0.29 287	0.75 375	0.21 203	0.09 191	0.07 183	0.09 151	0.07 67	0.09 163	0.09 196

SepStereo	0.26 264	0.12 106	0.42 215	0.24 259	0.18 316	0.29 237	0.24 298	0.45 243	0.45 309	0.41 342	0.44 298	0.34 247	0.29 287	0.64 336	0.21 203	0.09 191	0.07 183	0.09 151	0.07 67	0.09 163	0.09 196

ADLNet2	0.30 310	0.17 272	0.72 368	0.23 215	0.17 295	0.36 318	0.24 298	0.52 317	0.51 357	0.32 233	0.38 230	0.45 331	0.30 297	0.69 354	0.35 322	0.10 235	0.08 260	0.09 151	0.09 219	0.12 299	0.10 246

IRAFT_RVC	0.22 179	0.12 106	0.39 177	0.26 328	0.11 53	0.18 30	0.24 298	0.40 191	0.37 224	0.31 211	0.30 138	0.29 197	0.24 215	0.55 290	0.22 221	0.08 119	0.06 83	0.10 220	0.08 136	0.08 101	0.07 85

cross-raft	0.17 61	0.12 106	0.41 207	0.23 215	0.10 28	0.20 77	0.24 298	0.33 112	0.23 63	0.23 86	0.28 115	0.29 197	0.15 81	0.17 17	0.15 75	0.06 1	0.05 7	0.07 21	0.07 67	0.06 8	0.05 1

ARAFT	0.24 222	0.21 327	0.78 374	0.22 172	0.12 96	0.29 237	0.24 298	0.43 228	0.32 168	0.33 244	0.28 115	0.28 188	0.19 157	0.49 262	0.18 143	0.07 22	0.06 83	0.12 308	0.11 292	0.09 163	0.06 28

MaskLacGwcNet_RVC	0.36 348	0.36 406	0.53 301	0.34 400	0.19 334	0.51 389	0.24 298	0.55 345	0.38 238	0.41 342	0.47 326	0.47 339	0.27 259	0.73 367	0.30 296	0.36 433	0.19 408	0.27 412	0.17 389	0.26 412	0.23 410

STTStereo	0.28 290	0.20 314	0.61 331	0.25 296	0.17 295	0.29 237	0.24 298	0.47 260	0.39 247	0.39 325	0.41 259	0.44 327	0.28 273	0.40 235	0.28 280	0.13 321	0.12 353	0.13 328	0.16 381	0.12 299	0.11 278

edge stereo	0.39 368	0.22 339	0.81 385	0.27 352	0.22 371	0.37 323	0.24 298	0.56 360	0.54 372	0.53 398	0.60 378	0.71 418	0.50 395	0.78 388	0.40 346	0.16 371	0.14 372	0.19 393	0.14 361	0.16 348	0.17 361

AANet_RVC	0.31 317	0.22 339	0.50 282	0.23 215	0.14 204	0.30 254	0.24 298	0.47 260	0.54 372	0.38 310	0.60 378	0.43 317	0.29 287	0.87 406	0.40 346	0.11 268	0.07 183	0.07 21	0.07 67	0.09 163	0.09 196

PS-NSSS	0.32 326	0.30 387	0.46 251	0.23 215	0.17 295	0.33 288	0.24 298	0.57 368	0.41 272	0.37 299	0.52 349	0.35 261	0.30 297	0.80 394	0.30 296	0.17 382	0.14 372	0.21 400	0.15 369	0.15 341	0.13 314

UGAM	0.26 264	0.14 203	0.45 244	0.25 296	0.12 96	0.23 143	0.25 313	0.32 98	0.41 272	0.31 211	0.42 275	0.41 306	0.22 186	0.92 415	0.22 221	0.08 119	0.06 83	0.14 350	0.12 327	0.10 218	0.07 85

CBFPSM	0.27 271	0.16 256	0.67 352	0.20 79	0.14 204	0.38 330	0.25 313	0.40 191	0.36 215	0.33 244	0.36 209	0.56 375	0.38 349	0.32 196	0.38 331	0.08 119	0.08 260	0.07 21	0.08 136	0.09 163	0.11 278

SACVNet	0.30 310	0.20 314	0.41 207	0.25 296	0.18 316	0.34 300	0.25 313	0.52 317	0.40 262	0.41 342	0.44 298	0.46 337	0.32 318	0.71 360	0.25 259	0.13 321	0.10 315	0.12 308	0.12 327	0.16 348	0.17 361

test_3	0.18 82	0.11 82	0.32 86	0.24 259	0.11 53	0.22 124	0.25 313	0.31 89	0.31 160	0.25 108	0.18 37	0.23 124	0.13 54	0.25 114	0.19 168	0.06 1	0.05 7	0.09 151	0.10 255	0.07 51	0.06 28

DEmStereo	0.26 264	0.09 15	0.47 259	0.19 36	0.12 96	0.30 254	0.25 313	0.28 54	0.36 215	0.36 294	0.58 371	0.25 143	0.48 393	0.53 282	0.44 360	0.07 22	0.06 83	0.08 88	0.08 136	0.06 8	0.07 85

GMM-Stereo	0.21 151	0.10 36	0.43 226	0.23 215	0.13 163	0.24 162	0.25 313	0.37 167	0.27 105	0.30 194	0.45 310	0.27 173	0.21 173	0.31 190	0.17 124	0.07 22	0.05 7	0.10 220	0.09 219	0.08 101	0.19 382

ICVP	0.23 196	0.13 164	0.44 234	0.26 328	0.14 204	0.29 237	0.25 313	0.45 243	0.33 180	0.29 165	0.43 287	0.35 261	0.25 232	0.26 129	0.23 239	0.12 304	0.09 293	0.09 151	0.08 136	0.09 163	0.10 246
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GEStereo_RVC	0.27 271	0.20 314	0.44 234	0.27 352	0.16 275	0.33 288	0.25 313	0.56 360	0.54 372	0.34 263	0.38 230	0.34 247	0.25 232	0.51 270	0.28 280	0.12 304	0.08 260	0.09 151	0.08 136	0.11 263	0.11 278

DANet	0.35 344	0.23 346	0.60 328	0.36 410	0.22 371	0.39 338	0.25 313	0.48 271	0.43 284	0.52 393	0.50 335	0.59 384	0.41 361	0.76 380	0.49 374	0.13 321	0.11 336	0.14 350	0.12 327	0.17 363	0.15 342
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DISCO	0.32 326	0.13 164	0.51 293	0.25 296	0.16 275	0.48 381	0.25 313	0.50 287	0.57 383	0.37 299	0.45 310	0.62 393	0.36 337	0.64 336	0.49 374	0.09 191	0.07 183	0.09 151	0.08 136	0.12 299	0.11 278

DLCB_ROB	0.28 290	0.16 256	0.34 107	0.27 352	0.16 275	0.38 330	0.25 313	0.48 271	0.43 284	0.46 370	0.46 319	0.51 361	0.33 321	0.53 282	0.33 314	0.10 235	0.10 315	0.11 272	0.11 292	0.10 218	0.09 196

1111x	0.32 326	0.11 82	0.40 184	0.22 172	0.11 53	0.32 277	0.26 324	0.59 380	0.43 284	0.31 211	0.41 259	0.39 290	0.28 273	0.76 380	1.37 446	0.09 191	0.08 260	0.09 151	0.10 255	0.09 163	0.08 142

Anonymous_2	0.37 357	0.21 327	0.47 259	0.20 79	0.21 355	0.42 353	0.26 324	0.38 172	0.29 137	0.33 244	0.30 138	0.44 327	0.38 349	0.36 222	0.29 290	0.26 414	0.29 433	0.44 434	1.41 469	0.34 426	0.21 399

psm_up	0.29 301	0.16 256	0.41 207	0.26 328	0.17 295	0.32 277	0.26 324	0.55 345	0.43 284	0.36 294	0.40 251	0.45 331	0.37 345	0.58 309	0.30 296	0.11 268	0.12 353	0.13 328	0.12 327	0.10 218	0.10 246

stereogan	0.37 357	0.17 272	0.65 348	0.27 352	0.22 371	0.62 411	0.26 324	0.59 380	0.63 398	0.43 357	0.60 378	0.67 409	0.42 369	0.68 352	0.35 322	0.13 321	0.14 372	0.14 350	0.12 327	0.19 381	0.17 361

CVANet_RVC	0.30 310	0.19 302	0.41 207	0.26 328	0.16 275	0.33 288	0.26 324	0.52 317	0.47 328	0.40 333	0.46 319	0.43 317	0.31 311	0.89 410	0.26 272	0.14 344	0.09 293	0.14 350	0.13 350	0.14 329	0.10 246

fast-acv-ft	0.31 317	0.20 314	0.81 385	0.24 259	0.18 316	0.46 370	0.27 329	0.41 203	0.49 346	0.39 325	0.55 361	0.49 351	0.35 333	0.37 224	0.38 331	0.11 268	0.11 336	0.11 272	0.12 327	0.12 299	0.09 196

TestStereo1	0.21 151	0.16 256	0.32 86	0.26 328	0.13 163	0.26 193	0.27 329	0.40 191	0.36 215	0.29 165	0.39 243	0.22 104	0.21 173	0.33 202	0.17 124	0.07 22	0.06 83	0.09 151	0.08 136	0.08 101	0.07 85

Wz-Net-LNSev-Ref	0.30 310	0.20 314	0.70 364	0.21 118	0.17 295	0.46 370	0.27 329	0.50 287	0.49 346	0.42 351	0.55 361	0.43 317	0.30 297	0.46 251	0.38 331	0.09 191	0.06 83	0.07 21	0.06 33	0.11 263	0.10 246

SA-5K	0.21 151	0.16 256	0.32 86	0.26 328	0.13 163	0.26 193	0.27 329	0.40 191	0.36 215	0.29 165	0.39 243	0.22 104	0.21 173	0.33 202	0.17 124	0.07 22	0.06 83	0.09 151	0.08 136	0.08 101	0.07 85

UDG	0.40 374	0.46 419	0.49 272	0.40 422	0.35 422	0.47 376	0.27 329	0.54 335	0.47 328	0.39 325	0.45 310	0.59 384	0.44 375	0.46 251	0.39 339	0.26 414	0.19 408	0.48 436	0.22 411	0.34 426	0.26 419

GMOStereo	0.18 82	0.14 203	0.30 67	0.22 172	0.12 96	0.20 77	0.27 329	0.26 30	0.28 119	0.31 211	0.32 159	0.26 164	0.17 120	0.15 5	0.12 11	0.07 22	0.07 183	0.10 220	0.08 136	0.08 101	0.05 1

error version	0.18 82	0.14 203	0.30 67	0.22 172	0.12 96	0.20 77	0.27 329	0.26 30	0.28 119	0.31 211	0.32 159	0.26 164	0.17 120	0.15 5	0.12 11	0.07 22	0.07 183	0.10 220	0.08 136	0.08 101	0.05 1

test-v	0.18 82	0.14 203	0.30 67	0.22 172	0.12 96	0.20 77	0.27 329	0.26 30	0.28 119	0.31 211	0.32 159	0.26 164	0.17 120	0.15 5	0.12 11	0.07 22	0.07 183	0.10 220	0.08 136	0.08 101	0.05 1

test-2	0.18 82	0.14 203	0.30 67	0.22 172	0.12 96	0.20 77	0.27 329	0.26 30	0.28 119	0.31 211	0.32 159	0.26 164	0.17 120	0.15 5	0.12 11	0.07 22	0.07 183	0.10 220	0.08 136	0.08 101	0.05 1

RAFT	0.21 151	0.17 272	0.32 86	0.24 259	0.12 96	0.25 175	0.27 329	0.35 140	0.28 119	0.33 244	0.33 179	0.38 278	0.22 186	0.29 172	0.17 124	0.08 119	0.08 260	0.11 272	0.10 255	0.10 218	0.06 28

GwcNet	0.35 344	0.23 346	0.88 401	0.25 296	0.24 388	0.48 381	0.27 329	0.55 345	0.57 383	0.38 310	0.52 349	0.51 361	0.32 318	0.60 316	0.41 352	0.13 321	0.11 336	0.12 308	0.11 292	0.13 314	0.14 332

MFN_U_SF_RVC	0.56 413	0.51 430	1.19 433	0.38 418	0.22 371	0.69 417	0.27 329	0.80 437	0.67 404	0.73 420	0.74 408	0.87 425	0.61 419	0.81 397	0.76 407	0.29 425	0.27 429	0.32 426	0.37 436	0.32 425	0.31 426

ADCRef	0.38 363	0.24 349	0.88 401	0.26 328	0.21 355	0.49 384	0.27 329	0.52 317	0.48 337	0.50 382	0.58 371	0.35 261	0.47 387	0.48 257	1.29 445	0.09 191	0.08 260	0.12 308	0.12 327	0.11 263	0.11 278

rvit_0105_3	0.23 196	0.17 272	0.40 184	0.25 296	0.15 250	0.24 162	0.28 342	0.38 172	0.41 272	0.25 108	0.25 97	0.28 188	0.21 173	0.28 157	0.20 181	0.15 356	0.13 364	0.14 350	0.15 369	0.10 218	0.09 196

Syn2CoEx	0.36 348	0.31 393	0.78 374	0.34 400	0.21 355	0.41 346	0.28 342	0.61 392	0.49 346	0.42 351	0.56 367	0.45 331	0.44 375	0.69 354	0.38 331	0.17 382	0.14 372	0.15 364	0.12 327	0.13 314	0.12 300

UPFNet	0.25 249	0.12 106	0.38 164	0.24 259	0.19 334	0.37 323	0.28 342	0.48 271	0.38 238	0.34 263	0.37 218	0.37 270	0.28 273	0.39 230	0.33 314	0.10 235	0.09 293	0.10 220	0.10 255	0.10 218	0.08 142

RP	0.35 344	0.22 339	0.51 293	0.31 386	0.24 388	0.37 323	0.28 342	0.50 287	0.58 385	0.40 333	0.63 389	0.61 391	0.47 387	0.61 321	0.39 339	0.16 371	0.15 386	0.17 379	0.15 369	0.17 363	0.17 361

NVstereo2D	0.31 317	0.16 256	0.54 304	0.24 259	0.22 371	0.42 353	0.28 342	0.58 375	0.56 380	0.28 138	0.38 230	0.40 303	0.30 297	0.71 360	0.28 280	0.13 321	0.08 260	0.13 328	0.10 255	0.19 381	0.16 350

ToySt	0.24 222	0.16 256	0.48 267	0.21 118	0.13 163	0.29 237	0.29 347	0.39 184	0.39 247	0.27 128	0.35 199	0.39 290	0.31 311	0.31 190	0.29 290	0.08 119	0.09 293	0.10 220	0.11 292	0.11 263	0.10 246

RAFT+CT+SA	0.21 151	0.18 286	0.33 100	0.25 296	0.18 316	0.23 143	0.29 347	0.40 191	0.36 215	0.24 100	0.38 230	0.18 63	0.16 95	0.32 196	0.16 96	0.07 22	0.05 7	0.09 151	0.12 327	0.09 163	0.09 196

test_5	0.23 196	0.19 302	0.38 164	0.26 328	0.18 316	0.25 175	0.29 347	0.40 191	0.37 224	0.29 165	0.40 251	0.25 143	0.22 186	0.34 208	0.18 143	0.07 22	0.05 7	0.09 151	0.09 219	0.10 218	0.10 246

delet	0.27 271	0.14 203	0.40 184	0.23 215	0.19 334	0.41 346	0.29 347	0.49 279	0.48 337	0.33 244	0.41 259	0.37 270	0.30 297	0.48 257	0.34 318	0.09 191	0.09 293	0.11 272	0.12 327	0.08 101	0.08 142

EDNetEfficientorigin	7.51 475	0.52 431	140.47 493	0.25 296	0.17 295	0.42 353	0.29 347	0.47 260	1.03 440	1.28 449	1.02 430	0.83 424	0.84 435	0.75 375	0.99 426	0.10 235	0.09 293	0.12 308	0.10 255	0.21 392	0.22 404

FAT-Stereo	0.36 348	0.18 286	0.73 371	0.26 328	0.18 316	0.33 288	0.29 347	0.60 388	0.59 386	0.46 370	0.60 378	0.60 387	0.50 395	0.61 321	0.34 318	0.13 321	0.14 372	0.13 328	0.12 327	0.14 329	0.18 374

AF-Net	0.37 357	0.26 364	0.56 314	0.32 392	0.23 383	0.41 346	0.29 347	0.61 392	0.64 399	0.42 351	0.68 398	0.65 404	0.49 394	0.57 303	0.44 360	0.15 356	0.11 336	0.19 393	0.14 361	0.15 341	0.13 314

RGC	0.39 368	0.32 398	0.64 347	0.34 400	0.27 402	0.40 343	0.29 347	0.57 368	0.53 368	0.45 367	0.64 390	0.62 393	0.45 378	0.72 365	0.39 339	0.15 356	0.15 386	0.21 400	0.20 401	0.18 374	0.19 382

CC-Net-ROB	0.43 384	0.47 421	0.65 348	0.37 416	0.23 383	0.51 389	0.29 347	0.66 415	0.49 346	0.46 370	0.51 341	0.48 346	0.38 349	0.96 422	0.35 322	0.34 431	0.23 423	0.55 440	0.25 418	0.31 423	0.20 392

DRN-Test	0.33 332	0.17 272	0.61 331	0.27 352	0.19 334	0.46 370	0.29 347	0.65 409	0.51 357	0.47 378	0.46 319	0.44 327	0.34 329	0.62 329	0.41 352	0.12 304	0.08 260	0.13 328	0.12 327	0.12 299	0.10 246

ssnet_v2	0.28 290	0.16 256	0.44 234	0.22 172	0.15 250	0.40 343	0.30 357	0.57 368	0.46 323	0.38 310	0.36 209	0.47 339	0.29 287	0.38 228	0.39 339	0.13 321	0.11 336	0.11 272	0.11 292	0.11 263	0.11 278

Nwc_Net	0.37 357	0.25 353	0.68 357	0.31 386	0.24 388	0.44 363	0.30 357	0.65 409	0.50 354	0.37 299	0.69 402	0.58 382	0.45 378	0.60 316	0.40 346	0.15 356	0.12 353	0.19 393	0.21 404	0.14 329	0.13 314

StereoDRNet	0.32 326	0.22 339	0.61 331	0.27 352	0.21 355	0.42 353	0.30 357	0.61 392	0.48 337	0.46 370	0.39 243	0.48 346	0.30 297	0.57 303	0.40 346	0.11 268	0.09 293	0.12 308	0.11 292	0.12 299	0.10 246

pmcnn	0.50 402	0.20 314	0.78 374	0.24 259	0.26 400	0.39 338	0.30 357	0.51 302	0.50 354	0.54 400	1.23 439	2.52 463	0.37 345	0.77 386	0.95 424	0.08 119	0.06 83	0.06 1	0.05 11	0.10 218	0.08 142

ACVNet-4b	0.72 432	0.81 445	1.33 443	0.72 446	0.50 436	0.80 431	0.31 361	0.71 427	0.80 424	0.50 382	0.72 407	0.95 431	0.43 373	0.96 422	1.20 442	1.13 467	0.21 414	0.76 449	0.45 439	0.65 446	0.46 442

Wz-Net-LNSev	0.34 339	0.29 381	0.91 406	0.26 328	0.21 355	0.47 376	0.31 361	0.54 335	0.54 372	0.44 363	0.52 349	0.50 357	0.35 333	0.39 230	0.39 339	0.11 268	0.11 336	0.10 220	0.09 219	0.14 329	0.13 314

DSFCA	0.27 271	0.13 164	0.36 137	0.20 79	0.17 295	0.38 330	0.31 361	0.47 260	0.43 284	0.43 357	0.37 218	0.39 290	0.29 287	0.52 276	0.32 307	0.12 304	0.10 315	0.10 220	0.11 292	0.11 263	0.10 246

STTRV1_RVC	0.42 379	0.32 398	0.89 404	0.29 372	0.36 423	0.49 384	0.31 361	0.61 392	0.53 368	0.46 370	0.56 367	0.47 339	0.43 373	1.00 426	0.39 339	0.27 419	0.21 414	0.20 397	0.18 395	0.25 405	0.17 361

XPNet_ROB	0.33 332	0.20 314	0.43 226	0.27 352	0.18 316	0.37 323	0.31 361	0.55 345	0.50 354	0.51 387	0.53 354	0.58 382	0.37 345	0.63 334	0.45 363	0.17 382	0.12 353	0.13 328	0.12 327	0.15 341	0.14 332

DDUNet	0.41 376	0.50 428	0.48 267	0.44 427	0.39 425	0.46 370	0.32 366	0.50 287	0.43 284	0.45 367	0.52 349	0.57 379	0.36 337	0.48 257	0.33 314	0.33 430	0.21 414	0.55 440	0.25 418	0.37 429	0.32 429

ccnet	0.42 379	0.31 393	0.48 267	0.27 352	0.32 418	0.60 409	0.32 366	0.65 409	0.46 323	0.53 398	0.66 393	0.56 375	0.45 378	0.72 365	0.61 395	0.26 414	0.19 408	0.24 409	0.21 404	0.26 412	0.22 404

S-Stereo	0.38 363	0.20 314	1.05 425	0.27 352	0.22 371	0.38 330	0.32 366	0.55 345	0.66 401	0.39 325	0.59 373	0.49 351	0.41 361	0.75 375	0.40 346	0.12 304	0.15 386	0.13 328	0.13 350	0.16 348	0.21 399

SuperB	0.49 399	0.28 374	2.23 455	0.23 215	0.15 250	0.41 346	0.32 366	0.47 260	0.82 425	0.43 357	0.50 335	0.33 240	0.45 378	0.68 352	1.08 430	0.10 235	0.07 183	0.09 151	0.08 136	0.98 462	0.14 332

RYNet	0.37 357	0.18 286	0.59 326	0.25 296	0.28 407	0.61 410	0.32 366	0.59 380	0.59 386	0.41 342	0.38 230	0.57 379	0.39 354	0.87 406	0.53 384	0.11 268	0.08 260	0.12 308	0.11 292	0.18 374	0.18 374

TDLM	0.30 310	0.21 327	0.38 164	0.28 369	0.15 250	0.33 288	0.32 366	0.52 317	0.47 328	0.38 310	0.43 287	0.39 290	0.29 287	0.91 414	0.28 280	0.14 344	0.08 260	0.13 328	0.11 292	0.12 299	0.10 246

MDST_ROB	0.48 397	0.14 203	0.95 413	0.30 380	0.21 355	1.33 456	0.32 366	0.77 432	0.56 380	1.06 442	0.71 403	0.49 351	0.35 333	1.26 444	0.38 331	0.13 321	0.11 336	0.16 373	0.13 350	0.12 299	0.12 300

FBW_ROB	0.43 384	0.26 364	0.54 304	0.31 386	0.20 348	0.51 389	0.32 366	0.70 425	0.60 390	0.59 405	0.55 361	0.65 404	0.41 361	1.40 449	0.51 381	0.13 321	0.17 398	0.21 400	0.16 381	0.17 363	0.18 374

PDISCO_ROB	0.43 384	0.30 387	0.67 352	0.43 425	0.36 423	0.67 416	0.32 366	0.72 428	0.76 419	0.43 357	0.53 354	0.63 401	0.40 357	0.66 347	0.47 371	0.21 402	0.12 353	0.21 400	0.19 400	0.25 405	0.20 392

WCMA_ROB	0.51 406	0.21 327	0.65 348	0.25 296	0.21 355	0.58 405	0.32 366	0.54 335	0.55 377	0.95 436	1.40 444	1.28 442	0.81 432	0.73 367	0.62 397	0.18 393	0.15 386	0.15 364	0.15 369	0.19 381	0.19 382

RAFT + AFF	0.27 271	0.23 346	0.50 282	0.25 296	0.17 295	0.30 254	0.33 376	0.52 317	0.40 262	0.28 138	0.30 138	0.30 213	0.31 311	0.62 329	0.24 250	0.09 191	0.10 315	0.11 272	0.10 255	0.11 263	0.11 278

CBMV	0.33 332	0.21 327	0.54 304	0.23 215	0.13 163	0.42 353	0.33 376	0.53 328	0.48 337	0.52 393	0.49 333	0.50 357	0.41 361	0.56 300	0.31 302	0.15 356	0.16 393	0.18 386	0.16 381	0.13 314	0.13 314
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
LRCNet_RVC	10.90 479	14.34 486	9.35 474	15.35 482	8.04 476	1.08 444	0.34 378	8.78 479	0.70 411	12.63 485	16.05 485	9.85 478	6.54 474	8.57 479	6.34 476	20.27 488	5.40 477	23.70 487	21.88 486	14.87 484	13.83 486

FINET	0.34 339	0.27 371	0.80 383	0.24 259	0.24 388	0.36 318	0.34 378	0.54 335	0.72 414	0.39 325	0.47 326	0.32 233	0.30 297	0.51 270	0.32 307	0.19 398	0.17 398	0.13 328	0.12 327	0.18 374	0.16 350

XQC	0.43 384	0.37 411	0.96 415	0.34 400	0.25 395	0.53 399	0.34 378	0.60 388	0.73 417	0.51 387	0.46 319	0.57 379	0.47 387	0.70 357	0.72 406	0.17 382	0.12 353	0.18 386	0.15 369	0.25 405	0.23 410

rvit_105_1	0.27 271	0.19 302	0.46 251	0.27 352	0.19 334	0.30 254	0.35 381	0.44 233	0.51 357	0.31 211	0.31 152	0.31 224	0.26 241	0.35 217	0.25 259	0.15 356	0.14 372	0.15 364	0.17 389	0.11 263	0.10 246

APVNet	0.36 348	0.20 314	0.70 364	0.26 328	0.22 371	0.52 398	0.35 381	0.61 392	0.44 298	0.38 310	0.52 349	0.48 346	0.38 349	0.84 402	0.46 369	0.13 321	0.14 372	0.15 364	0.16 381	0.16 348	0.15 342

G-Net	0.46 393	0.25 353	0.86 398	0.34 400	0.28 407	0.90 438	0.35 381	0.47 260	0.45 309	0.68 416	1.22 438	0.64 403	0.60 410	0.61 321	0.57 386	0.16 371	0.14 372	0.17 379	0.13 350	0.22 398	0.19 382

MSMD_ROB	0.60 421	0.33 400	0.61 331	0.30 380	0.25 395	0.86 435	0.35 381	0.55 345	0.67 404	1.10 444	1.49 449	1.76 452	0.97 443	0.88 409	0.49 374	0.23 405	0.21 414	0.27 412	0.27 425	0.25 405	0.24 415

Ntro	0.58 417	0.64 438	0.92 408	0.66 442	0.50 436	0.77 426	0.36 385	0.66 415	0.70 411	0.50 382	0.59 373	0.65 404	0.51 398	0.75 375	0.45 363	0.56 444	0.32 437	0.56 443	0.34 431	0.63 443	0.46 442

NCC-stereo	0.39 368	0.25 353	0.69 358	0.32 392	0.28 407	0.46 370	0.36 385	0.65 409	0.52 364	0.40 333	0.57 369	0.56 375	0.47 387	0.73 367	0.45 363	0.17 382	0.14 372	0.18 386	0.25 418	0.16 348	0.16 350

Abc-Net	0.39 368	0.25 353	0.69 358	0.32 392	0.28 407	0.46 370	0.36 385	0.65 409	0.52 364	0.40 333	0.57 369	0.56 375	0.47 387	0.73 367	0.45 363	0.17 382	0.14 372	0.18 386	0.25 418	0.16 348	0.16 350
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DeepPrunerF	0.44 390	0.29 381	1.29 441	0.33 398	0.30 415	0.35 313	0.36 385	0.62 401	1.15 448	0.40 333	0.44 298	0.39 290	0.41 361	0.80 394	0.52 382	0.18 393	0.14 372	0.23 407	0.21 404	0.17 363	0.17 361

otaku	0.57 416	0.62 437	0.87 400	0.63 441	0.44 430	0.73 421	0.37 389	0.65 409	0.66 401	0.51 387	0.75 409	0.66 408	0.45 378	0.69 354	0.46 369	0.53 440	0.34 438	0.55 440	0.35 432	0.60 441	0.45 439

FCDSN-DC	0.63 423	0.31 393	0.61 331	0.36 410	0.30 415	0.65 413	0.37 389	0.66 415	0.68 407	1.14 446	1.54 452	1.71 451	1.26 452	0.92 415	0.64 401	0.24 411	0.22 419	0.27 412	0.26 422	0.27 416	0.27 422
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
aanetorigin	0.39 368	0.29 381	1.09 427	0.24 259	0.19 334	0.28 217	0.37 389	0.33 112	0.47 328	0.94 434	0.82 417	0.52 365	0.54 401	0.49 262	0.50 379	0.11 268	0.09 293	0.10 220	0.10 255	0.16 348	0.15 342

ADCMid	0.49 399	0.34 401	1.13 431	0.26 328	0.21 355	0.51 389	0.37 389	0.57 368	0.54 372	0.75 424	0.66 393	0.62 393	0.64 420	0.64 336	1.68 452	0.13 321	0.12 353	0.17 379	0.17 389	0.20 389	0.17 361

ETE_ROB	0.34 339	0.26 364	0.45 244	0.29 372	0.18 316	0.40 343	0.37 389	0.57 368	0.47 328	0.50 382	0.50 335	0.62 393	0.36 337	0.55 290	0.38 331	0.13 321	0.10 315	0.14 350	0.12 327	0.16 348	0.16 350

MeshStereo	0.58 417	0.27 371	0.67 352	0.22 172	0.17 295	0.66 415	0.37 389	0.78 433	0.61 393	1.47 463	1.30 441	1.65 449	0.79 429	1.12 435	0.59 392	0.17 382	0.17 398	0.17 379	0.14 361	0.17 363	0.14 332
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
Wz-Net-MNSev	0.36 348	0.26 364	0.79 380	0.26 328	0.21 355	0.59 406	0.38 395	0.55 345	0.56 380	0.48 381	0.54 357	0.53 369	0.36 337	0.60 316	0.44 360	0.11 268	0.09 293	0.11 272	0.11 292	0.15 341	0.13 314

PSM-AAD	0.25 249	0.10 36	0.30 67	0.24 259	0.12 96	0.26 193	0.38 395	0.34 119	0.28 119	0.35 279	0.39 243	0.28 188	0.79 429	0.30 184	0.16 96	0.07 22	0.06 83	0.12 308	0.11 292	0.08 101	0.21 399

ADCPNet	0.48 397	0.29 381	1.60 449	0.27 352	0.23 383	0.70 420	0.38 395	0.53 328	0.51 357	0.51 387	0.59 373	0.67 409	0.56 405	0.60 316	1.14 435	0.15 356	0.18 404	0.14 350	0.23 413	0.19 381	0.19 382

GANet	0.36 348	0.22 339	0.49 272	0.29 372	0.17 295	0.41 346	0.38 395	0.57 368	0.45 309	0.46 370	0.75 409	0.55 373	0.40 357	0.94 419	0.41 352	0.13 321	0.13 364	0.13 328	0.11 292	0.14 329	0.11 278

PASM	0.45 391	0.35 403	0.90 405	0.35 409	0.33 419	0.39 338	0.38 395	0.50 287	0.61 393	0.52 393	0.51 341	0.62 393	0.45 378	0.93 417	0.48 372	0.26 414	0.29 433	0.29 422	0.33 430	0.29 421	0.26 419

FC-DCNN v2	0.71 431	0.30 387	0.67 352	0.32 392	0.27 402	0.84 433	0.39 400	0.84 441	0.85 431	1.44 459	1.64 455	2.09 456	1.28 454	1.06 431	0.80 413	0.24 411	0.22 419	0.27 412	0.26 422	0.26 412	0.25 417

ADCP+	0.45 391	0.24 349	1.15 432	0.25 296	0.22 371	0.56 401	0.39 400	0.54 335	0.51 357	0.44 363	0.51 341	0.46 337	0.52 400	0.56 300	1.89 458	0.10 235	0.08 260	0.11 272	0.10 255	0.14 329	0.13 314

FC-DCNN	0.70 430	0.30 387	0.69 358	0.32 392	0.27 402	0.81 432	0.39 400	0.79 436	0.82 425	1.41 455	1.58 454	1.98 454	1.26 452	1.02 429	0.77 410	0.24 411	0.22 419	0.27 412	0.26 422	0.26 412	0.26 419

LALA_ROB	0.36 348	0.25 353	0.46 251	0.30 380	0.21 355	0.47 376	0.39 400	0.61 392	0.51 357	0.52 393	0.51 341	0.69 415	0.36 337	0.50 265	0.43 356	0.17 382	0.11 336	0.16 373	0.14 361	0.17 363	0.15 342

SGM_RVC	0.50 402	0.19 302	0.50 282	0.25 296	0.15 250	0.69 417	0.39 400	0.68 423	0.82 425	0.95 436	0.84 419	1.13 434	0.76 427	1.16 437	0.60 394	0.16 371	0.16 393	0.16 373	0.16 381	0.16 348	0.17 361
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
Wz-Net-SNSev	0.43 384	0.41 418	1.27 439	0.30 380	0.21 355	0.44 363	0.41 405	0.61 392	0.65 400	0.46 370	0.65 391	0.62 393	0.39 354	0.74 374	0.59 392	0.12 304	0.11 336	0.12 308	0.13 350	0.16 348	0.14 332

NCCL2	0.35 344	0.26 364	0.49 272	0.36 410	0.22 371	0.41 346	0.41 405	0.53 328	0.42 279	0.47 378	0.46 319	0.61 391	0.39 354	0.55 290	0.37 329	0.16 371	0.13 364	0.21 400	0.21 404	0.16 348	0.16 350

SGM-Forest	0.36 348	0.17 272	0.47 259	0.23 215	0.16 275	0.45 368	0.41 405	0.55 345	0.48 337	0.52 393	0.60 378	0.52 365	0.41 361	0.85 403	0.50 379	0.17 382	0.17 398	0.17 379	0.15 369	0.15 341	0.15 342
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
ACVNet_1	0.72 432	0.81 445	1.37 445	0.72 446	0.53 439	0.77 426	0.42 408	0.85 444	0.90 434	0.74 423	0.75 409	1.32 444	0.72 426	1.02 429	0.55 385	0.54 442	0.31 436	0.71 447	0.35 432	0.64 445	0.45 439

PA-Net	0.37 357	0.28 374	0.83 389	0.31 386	0.28 407	0.39 338	0.42 408	0.51 302	0.55 377	0.34 263	0.42 275	0.41 306	0.36 337	0.79 390	0.49 374	0.12 304	0.23 423	0.16 373	0.23 413	0.12 299	0.18 374
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
coex-ft	3.44 469	0.73 442	48.55 491	0.24 259	0.19 334	0.50 388	0.43 410	0.47 260	2.40 462	7.03 476	1.20 437	0.97 432	2.23 465	0.73 367	1.92 459	0.12 304	0.15 386	0.14 350	0.12 327	0.21 392	0.43 437

anonymity	0.56 413	0.54 432	0.70 364	0.47 430	0.61 443	0.56 401	0.43 410	0.69 424	0.49 346	0.63 410	0.55 361	0.54 371	0.60 410	0.61 321	0.57 386	0.55 443	0.53 450	0.50 437	0.54 448	0.51 435	0.56 447

PSMNet_ROB	0.33 332	0.24 349	0.54 304	0.31 386	0.21 355	0.42 353	0.43 410	0.59 380	0.47 328	0.37 299	0.44 298	0.49 351	0.31 311	0.64 336	0.43 356	0.14 344	0.10 315	0.15 364	0.14 361	0.13 314	0.11 278

SANet	0.53 411	0.28 374	0.96 415	0.26 328	0.15 250	0.69 417	0.44 413	0.67 420	1.34 450	0.67 415	0.98 429	0.94 429	0.71 425	0.89 410	0.76 407	0.14 344	0.12 353	0.12 308	0.11 292	0.17 363	0.16 350

Wz-Net-TNSev	0.51 406	0.58 433	1.61 451	0.25 296	0.21 355	0.65 413	0.45 414	0.63 407	0.69 409	0.51 387	0.54 357	0.71 418	0.60 410	1.00 426	0.77 410	0.15 356	0.15 386	0.13 328	0.15 369	0.21 392	0.20 392

ADCS	0.58 417	0.40 415	1.35 444	0.29 372	0.24 388	0.55 400	0.45 414	0.67 420	0.83 428	0.76 426	0.71 403	0.68 413	0.60 410	0.76 380	2.23 464	0.16 371	0.16 393	0.16 373	0.17 389	0.22 398	0.22 404

EAI-Stereo	0.21 151	0.10 36	0.33 100	0.21 118	0.12 96	0.30 254	0.46 416	0.46 253	0.20 28	0.25 108	0.50 335	0.17 55	0.16 95	0.24 89	0.23 239	0.07 22	0.06 83	0.07 21	0.10 255	0.06 8	0.07 85

RTS	0.78 438	0.48 423	4.68 467	0.34 400	0.28 407	1.12 446	0.46 416	0.62 401	1.03 440	0.73 420	0.89 425	0.60 387	0.59 408	1.61 452	1.16 438	0.14 344	0.11 336	0.15 364	0.15 369	0.21 392	0.19 382

RTSA	0.78 438	0.48 423	4.68 467	0.34 400	0.28 407	1.12 446	0.46 416	0.62 401	1.03 440	0.73 420	0.89 425	0.60 387	0.59 408	1.61 452	1.16 438	0.14 344	0.11 336	0.15 364	0.15 369	0.21 392	0.19 382

NVStereoNet_ROB	0.67 427	0.49 427	0.83 389	0.48 431	0.40 427	0.51 389	0.46 416	0.70 425	0.77 421	0.84 429	1.72 456	1.02 433	0.83 434	1.23 442	0.79 412	0.32 429	0.38 440	0.40 432	0.46 440	0.36 428	0.41 436
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Consistency-Raft	0.55 412	0.48 423	1.02 422	0.45 428	0.49 434	0.49 384	0.47 420	0.72 428	0.72 414	0.45 367	0.82 417	0.47 339	0.60 410	0.50 265	0.63 400	0.39 437	0.39 441	0.44 434	0.51 445	0.52 436	0.37 432

GrayStereo	0.25 249	0.09 15	0.32 86	0.26 328	0.13 163	0.23 143	0.47 420	0.34 119	0.30 148	0.39 325	0.47 326	0.30 213	0.79 429	0.29 172	0.16 96	0.07 22	0.06 83	0.08 88	0.09 219	0.07 51	0.13 314

PVD	0.58 417	0.34 401	0.84 394	0.39 420	0.31 417	0.59 406	0.47 420	0.80 437	1.25 449	0.92 433	1.09 432	0.79 422	0.82 433	0.85 403	0.76 407	0.21 402	0.18 404	0.22 406	0.18 395	0.27 416	0.35 431

NaN_ROB	0.41 376	0.28 374	0.62 339	0.30 380	0.19 334	0.51 389	0.47 420	0.58 375	0.59 386	0.56 402	0.47 326	0.49 351	0.41 361	1.21 441	0.64 401	0.12 304	0.18 404	0.12 308	0.13 350	0.11 263	0.14 332

WZ-Net	0.52 410	0.38 413	1.90 453	0.30 380	0.24 388	0.57 404	0.48 424	0.62 401	0.78 422	0.50 382	0.71 403	0.68 413	0.54 401	0.98 425	0.84 415	0.13 321	0.10 315	0.11 272	0.12 327	0.19 381	0.20 392

GANetREF_RVC	0.43 384	0.47 421	0.69 358	0.38 418	0.20 348	0.51 389	0.48 424	0.66 415	0.66 401	0.46 370	0.46 319	0.50 357	0.44 375	0.90 413	0.39 339	0.27 419	0.21 414	0.32 426	0.18 395	0.27 416	0.22 404
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
EDNetEfficient	0.63 423	0.37 411	2.40 459	0.26 328	0.25 395	0.38 330	0.49 426	0.41 203	1.06 443	1.38 452	0.87 424	0.62 393	0.95 440	0.65 342	1.65 451	0.11 268	0.09 293	0.10 220	0.11 292	0.19 381	0.17 361

FADE	4.32 470	1.06 459	4.35 466	0.71 445	0.76 452	0.73 421	0.50 427	1.85 466	1.52 455	0.75 424	0.66 393	1.17 439	2.69 469	2.83 467	1.96 462	24.23 490	4.70 476	17.35 485	17.61 484	0.49 434	0.44 438

SPS-STEREO	0.69 429	0.61 436	0.98 417	0.52 436	0.57 441	0.74 423	0.50 427	0.78 433	0.62 395	0.95 436	0.86 421	0.94 429	0.70 424	1.01 428	0.87 419	0.58 446	0.51 447	0.50 437	0.50 444	0.55 438	0.58 449
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RainbowNet	0.72 432	0.89 450	1.02 422	0.82 449	0.63 445	0.78 429	0.52 429	0.81 439	0.93 438	0.60 406	0.79 414	0.80 423	0.60 410	0.80 394	0.57 386	0.78 454	0.55 453	0.78 450	0.49 442	0.76 451	0.58 449

LSM	1.64 461	0.40 415	2.56 461	2.02 471	17.61 483	0.51 389	0.52 429	0.61 392	0.76 419	0.82 428	1.11 434	0.63 401	0.54 401	0.75 375	0.49 374	0.16 371	0.24 425	0.18 386	0.21 404	0.25 405	2.42 474

FTStereo	0.28 290	0.10 36	0.43 226	0.23 215	0.13 163	0.21 100	0.53 431	0.34 119	0.26 95	0.38 310	0.95 427	0.30 213	0.56 405	0.32 196	0.18 143	0.08 119	0.06 83	0.09 151	0.08 136	0.07 51	0.19 382

MFN_U_SF_DS_RVC	0.51 406	0.50 428	0.86 398	0.39 420	0.24 388	0.84 433	0.55 432	0.56 360	0.62 395	0.60 406	0.68 398	0.62 393	0.42 369	1.13 436	0.43 356	0.23 405	0.27 429	0.27 412	0.35 432	0.25 405	0.29 423

DPSNet	0.47 394	0.24 349	0.93 410	0.27 352	0.20 348	0.75 425	0.57 433	0.84 441	0.79 423	0.47 378	0.51 341	0.60 387	0.69 423	0.87 406	0.71 405	0.16 371	0.13 364	0.12 308	0.10 255	0.25 405	0.21 399

MSC_U_SF_DS_RVC	0.68 428	0.64 438	1.06 426	0.45 428	0.27 402	1.40 459	0.58 434	0.78 433	0.92 436	0.84 429	0.86 421	0.88 427	0.68 422	1.33 447	0.68 404	0.37 435	0.29 433	0.34 428	0.36 435	0.43 430	0.37 432

AnyNet_C32	0.51 406	0.40 415	1.10 430	0.29 372	0.28 407	0.59 406	0.58 434	0.54 335	0.60 390	0.62 408	0.66 393	0.54 371	0.54 401	0.78 388	1.74 455	0.15 356	0.14 372	0.15 364	0.17 389	0.20 389	0.20 392

CSAN	0.50 402	0.35 403	0.78 374	0.36 410	0.23 383	0.56 401	0.59 436	0.61 392	0.70 411	0.64 412	0.78 413	0.65 404	0.60 410	1.38 448	0.62 397	0.21 402	0.17 398	0.20 397	0.20 401	0.18 374	0.18 374

AnyNet_C01	0.65 425	0.58 433	2.60 462	0.32 392	0.26 400	0.88 436	0.61 437	0.63 407	0.62 395	0.68 416	0.96 428	0.76 421	0.60 410	0.96 422	1.43 447	0.16 371	0.16 393	0.17 379	0.17 389	0.23 401	0.23 410

ACVNet_2	0.89 441	0.87 449	1.25 437	0.82 449	0.62 444	0.97 441	0.62 438	1.14 449	1.42 452	1.00 439	1.40 444	1.47 447	0.84 435	1.11 433	0.66 403	0.61 447	0.43 444	0.78 450	0.49 442	0.75 450	0.52 445

ADCL	0.47 394	0.22 339	1.00 419	0.27 352	0.19 334	0.74 423	0.64 439	0.54 335	0.69 409	0.56 402	0.71 403	0.55 373	0.60 410	0.60 316	1.43 447	0.11 268	0.09 293	0.13 328	0.13 350	0.14 329	0.14 332

MFMNet_re	0.72 432	0.76 443	0.99 418	0.62 440	0.70 447	0.77 426	0.67 440	0.75 430	0.83 428	0.78 427	0.86 421	0.69 415	0.78 428	0.71 360	0.61 395	0.66 449	0.59 456	0.61 444	0.58 452	0.68 449	0.71 458

IMH	1.05 448	0.95 455	1.00 419	1.01 456	0.78 453	1.11 445	0.68 441	1.38 453	1.43 453	1.00 439	1.72 456	1.43 445	1.14 445	1.73 457	0.89 420	1.09 464	0.55 453	0.99 457	0.57 451	0.87 456	0.62 456

IMH-64-1	0.91 442	0.86 447	0.84 394	0.97 454	0.75 449	0.92 439	0.71 442	1.27 450	1.10 445	0.89 431	1.45 446	1.14 435	0.96 441	1.19 438	0.84 415	0.74 451	0.51 447	0.97 455	0.55 449	0.84 453	0.60 451

IMH-64	0.91 442	0.86 447	0.84 394	0.97 454	0.75 449	0.92 439	0.71 442	1.27 450	1.10 445	0.89 431	1.45 446	1.14 435	0.96 441	1.19 438	0.84 415	0.74 451	0.51 447	0.97 455	0.55 449	0.84 453	0.60 451

THIR-Stereo	0.29 301	0.12 106	0.41 207	0.19 36	0.11 53	0.28 217	0.72 444	0.32 98	0.35 203	0.37 299	0.65 391	0.34 247	0.50 395	0.57 303	0.45 363	0.07 22	0.06 83	0.08 88	0.09 219	0.07 51	0.07 85

TorneroNet-64	1.43 455	1.03 457	1.20 434	1.10 460	0.86 459	2.26 467	0.73 445	1.84 463	3.84 470	1.25 448	2.25 466	2.69 465	1.42 457	1.76 459	1.43 447	0.76 453	0.50 445	1.09 460	0.66 455	1.23 465	0.76 463

WAO-8	1.46 457	1.10 461	1.09 427	1.10 460	0.84 457	2.06 463	0.75 446	1.84 463	3.83 468	1.44 459	2.21 464	2.15 457	1.43 458	3.17 469	1.19 440	0.91 459	0.65 462	1.09 460	0.79 461	0.90 458	0.71 458

WAO-6	1.07 449	0.93 454	0.92 408	0.96 453	0.78 453	1.28 454	0.75 446	1.34 452	2.00 460	1.02 441	1.54 452	1.59 448	1.22 450	1.31 446	1.14 435	0.78 454	0.55 453	1.02 459	0.75 460	0.83 452	0.69 457

Venus	1.46 457	1.10 461	1.09 427	1.10 460	0.84 457	2.06 463	0.75 446	1.84 463	3.83 468	1.44 459	2.21 464	2.15 457	1.43 458	3.17 469	1.19 440	0.91 459	0.65 462	1.09 460	0.79 461	0.90 458	0.71 458

Dean	1.17 452	1.04 458	1.49 447	1.03 458	0.78 453	1.20 451	0.77 449	1.48 458	1.96 458	1.28 449	1.99 461	2.15 457	1.14 445	1.25 443	1.00 427	0.81 456	0.60 457	1.01 458	0.69 457	0.92 460	0.74 461

ELAS	0.74 436	0.36 406	0.85 397	0.36 410	0.33 419	1.36 457	0.77 449	0.93 445	0.92 436	1.41 455	1.53 451	1.16 438	1.17 448	0.95 421	1.03 428	0.26 414	0.25 427	0.28 418	0.28 428	0.31 423	0.30 424
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
TorneroNet	2.22 465	1.08 460	1.24 436	1.14 464	0.90 460	5.58 472	0.80 451	2.12 469	8.69 477	2.58 468	5.42 473	3.88 470	1.97 463	1.78 461	1.87 457	0.86 457	0.54 452	1.15 464	0.74 459	1.23 465	0.85 464

MANE	1.41 454	0.36 406	0.74 372	0.43 425	0.41 428	2.16 466	0.80 451	2.39 471	3.38 465	2.22 466	3.06 468	3.54 469	2.73 470	2.15 464	1.94 460	0.28 423	0.27 429	0.30 424	0.46 440	0.28 420	0.34 430

WAO-7	1.01 446	0.89 450	0.93 410	0.83 451	0.66 446	1.18 448	0.81 453	1.40 454	1.57 456	1.11 445	1.76 458	1.45 446	1.19 449	1.50 451	1.14 435	0.61 447	0.62 460	0.70 446	0.68 456	0.66 448	0.60 451

LVE	1.13 450	1.02 456	1.28 440	1.01 456	0.80 456	1.29 455	0.81 453	1.47 457	1.96 458	1.07 443	1.90 459	1.90 453	1.01 444	1.48 450	0.91 421	0.93 461	0.61 459	0.94 454	0.69 457	0.87 456	0.75 462

SGM+DAISY	0.87 440	0.66 440	1.30 442	0.51 434	0.60 442	1.03 443	0.84 455	0.76 431	0.73 417	1.39 453	1.51 450	1.31 443	1.22 450	1.11 433	1.08 430	0.57 445	0.53 450	0.51 439	0.51 445	0.54 437	0.61 454

notaker	1.45 456	1.34 467	1.48 446	1.40 467	1.07 463	1.18 448	0.85 456	1.48 458	1.40 451	1.51 464	3.46 469	2.40 462	1.81 462	1.76 459	1.45 450	1.11 465	0.69 465	1.38 467	0.87 463	1.31 467	0.97 466

PWCK	1.00 444	1.17 464	1.70 452	0.91 452	0.41 428	1.19 450	0.92 457	1.10 447	1.14 447	1.16 447	1.14 435	1.25 441	0.88 438	1.75 458	1.04 429	0.87 458	0.50 445	0.87 453	0.53 447	0.96 461	0.52 445

ELAS_RVC	0.74 436	0.36 406	1.00 419	0.37 416	0.33 419	0.88 436	0.93 458	0.83 440	1.08 444	1.35 451	1.33 443	1.24 440	1.33 456	1.06 431	0.95 424	0.27 419	0.25 427	0.29 422	0.27 425	0.30 422	0.30 424
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MADNet+	1.01 446	1.16 463	4.72 469	0.70 444	0.47 432	1.24 452	0.96 459	0.97 446	0.89 432	0.65 414	0.77 412	0.87 425	0.85 437	2.09 462	1.68 452	0.38 436	0.39 441	0.31 425	0.27 425	0.43 430	0.39 434

LE_ROB	1.76 462	0.20 314	2.68 463	0.48 431	0.52 438	0.78 429	0.96 459	0.84 441	6.61 475	7.40 477	2.08 463	2.08 455	4.83 471	1.27 445	3.79 471	0.10 235	0.08 260	0.12 308	0.11 292	0.11 263	0.10 246

SGM-ForestM	1.36 453	0.28 374	0.79 380	0.26 328	0.16 275	2.26 467	1.00 461	1.42 455	1.46 454	2.38 467	2.05 462	5.95 476	2.66 468	2.95 468	2.46 466	0.17 382	0.18 404	0.18 386	0.18 395	0.15 341	0.18 374

HanzoNet	2.97 468	1.69 470	2.29 456	1.74 470	1.33 467	1.53 461	1.03 462	1.99 467	2.64 463	5.51 473	5.16 472	5.90 475	6.82 476	4.32 474	3.29 469	3.16 472	2.02 473	1.92 470	2.87 473	2.24 472	1.89 472

KSHMR	1.89 464	1.36 468	1.60 449	1.47 469	1.22 466	1.38 458	1.06 463	1.79 462	5.97 474	1.42 457	5.65 475	2.98 467	1.14 445	2.23 465	1.20 442	1.27 468	1.12 467	1.46 469	1.10 468	1.32 468	1.15 469

ktn	1.77 463	1.36 468	1.22 435	1.43 468	1.14 464	1.52 460	1.08 464	1.51 460	3.96 471	2.77 470	4.69 471	3.35 468	1.46 460	1.69 456	1.25 444	1.43 469	0.77 466	1.45 468	0.99 466	1.32 468	0.96 465

UNDER WATER	1.59 460	1.22 466	2.36 457	1.38 466	1.03 462	1.67 462	1.10 465	1.54 461	3.63 466	1.44 459	1.47 448	2.85 466	2.25 466	1.67 455	1.94 460	1.06 463	0.62 460	1.31 466	0.93 465	1.21 464	1.02 467

CrosDoStereo	0.31 317	0.10 36	0.49 272	0.18 12	0.12 96	0.22 124	1.11 466	0.34 119	0.37 224	0.38 310	0.61 384	0.28 188	0.46 384	0.61 321	0.57 386	0.07 22	0.06 83	0.08 88	0.08 136	0.07 51	0.07 85

DeepStereo_LL	0.31 317	0.10 36	0.49 272	0.18 12	0.12 96	0.22 124	1.11 466	0.34 119	0.37 224	0.38 310	0.61 384	0.28 188	0.46 384	0.61 321	0.57 386	0.07 22	0.06 83	0.08 88	0.08 136	0.07 51	0.07 85

UNDER WATER-64	1.55 459	1.19 465	2.52 460	1.31 465	0.95 461	2.12 465	1.21 468	1.45 456	3.19 464	1.43 458	1.32 442	2.64 464	2.04 464	1.63 454	1.83 456	1.11 465	0.67 464	1.28 465	0.92 464	1.19 463	1.02 467

SAMSARA	0.56 413	0.39 414	0.80 383	0.60 439	0.46 431	1.00 442	1.23 469	0.67 420	0.68 407	0.71 419	0.54 357	0.89 428	0.57 407	0.81 397	0.62 397	0.19 398	0.22 419	0.18 386	0.18 395	0.27 416	0.25 417

DGSMNet	0.61 422	0.29 381	0.91 406	0.51 434	0.70 447	0.62 411	1.38 470	0.59 380	0.55 377	0.37 299	0.61 384	0.52 365	0.33 321	0.65 342	0.43 356	0.53 440	0.60 457	0.67 445	0.61 453	0.63 443	0.61 454

JetBlue	1.14 451	0.76 443	2.36 457	0.59 438	0.75 449	3.04 470	1.78 471	1.11 448	0.90 434	0.94 434	1.10 433	1.66 450	1.28 454	2.09 462	1.72 454	0.43 439	0.36 439	0.38 430	0.38 438	0.58 440	0.56 447

MADNet++	2.26 466	1.80 471	2.06 454	2.13 473	1.97 470	2.61 469	1.79 472	2.38 470	2.16 461	2.75 469	2.65 467	2.38 461	2.43 467	3.17 469	3.21 468	2.17 470	1.95 471	1.94 471	1.63 470	2.06 471	2.01 473

JetRed	2.30 467	2.64 473	6.12 470	1.12 463	1.38 468	5.85 473	3.29 473	1.99 467	1.67 457	1.98 465	1.95 460	2.16 460	1.60 461	2.48 466	4.10 472	1.05 462	1.60 468	1.09 460	1.01 467	1.67 470	1.28 470

BEATNet-Init1	4.73 473	2.61 472	13.29 483	0.58 437	0.53 439	10.12 478	3.33 474	4.83 474	5.01 473	8.75 478	8.51 476	14.08 485	7.60 477	7.70 478	5.34 474	0.28 423	0.28 432	0.34 428	0.37 436	0.57 439	0.45 439

DPSimNet_ROB	4.34 471	4.23 474	6.89 472	3.67 474	3.68 471	4.75 471	5.21 475	2.67 472	3.68 467	5.82 474	3.95 470	5.57 472	6.72 475	3.46 473	4.48 473	4.05 475	2.88 474	4.68 475	3.12 475	3.69 474	3.62 476

HaxPig	17.72 487	20.22 490	19.73 484	16.53 483	16.51 482	9.27 477	9.33 476	14.34 487	13.27 482	18.65 486	18.70 486	17.35 486	16.77 487	17.04 487	16.45 487	22.05 489	20.89 490	22.27 486	21.53 485	21.29 488	22.13 490

MEDIAN_ROB	21.21 488	24.62 491	23.47 489	19.58 484	19.65 487	13.22 481	10.96 477	17.88 488	17.00 488	22.14 490	22.02 488	20.86 488	20.36 488	21.06 488	19.71 488	25.63 491	24.13 491	26.21 488	25.20 487	25.17 489	25.38 491

AVERAGE_ROB	25.43 492	29.06 492	27.24 490	24.63 491	24.20 491	17.73 485	12.61 478	22.29 489	21.39 489	26.79 492	26.16 491	25.20 492	24.64 492	25.07 492	23.53 489	29.96 492	28.40 492	30.60 489	29.58 488	29.72 490	29.84 492

tt	4.71 472	0.10 36	3.94 465	2.06 472	1.53 469	10.14 479	16.88 479	9.27 480	4.98 472	1.39 453	1.02 430	4.68 471	4.90 472	3.35 472	5.86 475	5.76 477	9.15 483	2.24 472	2.53 472	3.10 473	1.32 471

ASD4	7.23 474	6.65 477	7.69 473	5.24 476	5.62 474	11.85 480	20.36 480	7.57 478	7.14 476	6.55 475	5.47 474	5.99 477	5.78 473	7.22 477	9.24 478	4.85 476	4.44 475	6.40 480	5.19 476	6.53 477	4.89 477

xxxxx1	15.27 482	9.54 479	10.31 476	20.13 485	18.88 484	17.08 482	23.03 481	10.36 481	10.99 479	9.21 479	9.62 477	10.74 480	10.61 481	10.72 481	13.89 484	7.97 481	9.20 484	31.85 490	44.72 490	12.84 481	13.69 483

tt_ll	15.27 482	9.54 479	10.31 476	20.13 485	18.88 484	17.08 482	23.03 481	10.36 481	10.99 479	9.21 479	9.62 477	10.74 480	10.61 481	10.72 481	13.89 484	7.97 481	9.20 484	31.85 490	44.72 490	12.84 481	13.69 483

ff	15.27 482	9.54 479	10.31 476	20.13 485	18.88 484	17.08 482	23.03 481	10.36 481	10.99 479	9.21 479	9.62 477	10.74 480	10.61 481	10.72 481	13.89 484	7.97 481	9.20 484	31.85 490	44.72 490	12.84 481	13.69 483

DGTPSM_ROB	8.34 476	5.10 475	10.37 481	5.31 477	10.18 477	8.33 475	23.60 484	6.06 476	13.41 483	4.90 471	10.87 481	5.65 473	10.44 478	6.17 475	12.59 479	3.74 473	7.55 478	3.69 473	7.26 479	4.14 475	7.46 478

DPSMNet_ROB	8.40 477	5.11 476	10.49 482	5.58 478	10.25 478	8.34 476	23.62 485	6.07 477	13.45 484	4.93 472	10.88 482	5.66 474	10.44 478	6.24 476	12.64 480	3.98 474	7.61 479	3.76 474	7.30 480	4.20 476	7.51 479

Anonymous_1	16.62 486	9.35 478	9.84 475	10.66 479	14.64 481	18.66 486	27.12 486	12.64 484	13.51 485	10.76 484	10.30 480	10.13 479	10.60 480	11.06 484	12.74 481	15.87 487	7.74 480	16.92 484	43.48 489	58.66 492	7.68 480

DPSM_ROB	11.49 480	9.87 482	10.35 479	11.13 480	11.31 479	19.11 487	27.51 487	13.37 485	14.21 486	10.31 482	11.06 483	10.96 483	11.27 484	11.96 485	13.59 482	6.78 479	8.19 481	6.03 477	7.09 477	7.93 478	7.73 481

DPSM	11.49 480	9.87 482	10.35 479	11.13 480	11.31 479	19.11 487	27.51 487	13.37 485	14.21 486	10.31 482	11.06 483	10.96 483	11.27 484	11.96 485	13.59 482	6.78 479	8.19 481	6.03 477	7.09 477	7.93 478	7.73 481

LSM0	24.24 491	19.98 489	22.32 488	24.22 490	40.14 492	38.48 491	55.20 489	26.95 491	28.57 490	20.49 487	21.83 487	22.26 491	22.75 489	24.22 491	27.30 490	13.66 486	16.32 487	12.19 483	14.15 481	16.10 487	17.66 489

Selective-RAFT-Error	23.16 490	19.93 488	20.87 487	22.54 489	22.81 489	38.52 492	55.47 490	27.01 492	28.83 492	20.66 489	22.25 490	22.09 490	22.80 491	24.09 490	27.36 491	13.61 485	16.48 488	12.15 482	14.28 483	15.99 486	15.57 488

CasAABBNet	23.10 489	19.86 487	20.64 486	22.47 488	22.73 488	38.41 490	55.50 491	26.89 490	28.70 491	20.61 488	22.15 489	22.08 489	22.75 489	23.99 489	27.36 491	13.59 484	16.48 488	12.14 481	14.27 482	15.95 485	15.53 487

PML	16.10 485	12.82 485	6.78 471	5.23 475	7.76 475	33.92 489	66.56 492	5.30 475	10.28 478	26.12 491	68.59 492	20.51 487	13.49 486	10.06 480	6.78 477	5.96 478	2.00 472	6.04 479	2.18 471	8.96 480	2.60 475

test_example2	101.33 493	108.28 493	68.15 492	98.43 492	106.93 493	89.75 493	102.43 493	36.80 493	97.65 493	129.04 493	130.15 493	65.26 493	66.62 493	92.11 493	80.24 493	144.10 493	199.48 493	81.81 493	103.01 493	125.01 493	101.27 493

Low-res two-view benchmark