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++	0.24 3	0.17 28	0.31 19	0.38 89	0.22 55	0.24 10	0.22 14	0.50 36	0.23 1	0.28 10	0.35 27	0.30 10	0.22 14	0.31 5	0.28 68	0.14 41	0.10 12	0.13 15	0.10 16	0.13 28	0.13 75

Selective-IGEV	0.24 3	0.18 45	0.35 43	0.35 38	0.19 13	0.27 31	0.25 44	0.55 54	0.23 1	0.27 8	0.25 7	0.34 30	0.19 5	0.58 141	0.22 1	0.12 4	0.10 12	0.14 25	0.11 26	0.12 11	0.10 3

AIO-Stereo	0.25 6	0.18 45	0.34 38	0.37 64	0.18 8	0.28 44	0.30 95	0.48 25	0.27 3	0.29 14	0.30 13	0.32 18	0.17 1	0.52 89	0.23 10	0.12 4	0.10 12	0.14 25	0.11 26	0.13 28	0.10 3

RSM	0.25 6	0.18 45	0.33 28	0.36 49	0.20 28	0.27 31	0.34 149	0.51 37	0.27 3	0.26 6	0.23 3	0.39 50	0.21 10	0.56 112	0.22 1	0.12 4	0.10 12	0.14 25	0.11 26	0.14 63	0.10 3

MoCha-V2	0.25 6	0.15 7	0.29 14	0.40 146	0.18 8	0.27 31	0.26 52	0.49 29	0.27 3	0.36 31	0.27 9	0.33 27	0.35 107	0.49 75	0.22 1	0.12 4	0.10 12	0.12 2	0.10 16	0.13 28	0.11 15

IGEV-Stereo+	0.23 2	0.14 2	0.26 8	0.32 10	0.19 13	0.12 1	0.17 1	0.29 1	0.29 6	0.21 1	0.15 1	0.22 2	0.22 14	0.40 27	0.22 1	0.14 41	0.10 12	0.12 2	0.09 8	0.15 100	0.86 441

testlalala	0.28 19	0.19 67	0.43 133	0.34 17	0.23 89	0.45 167	0.30 95	0.43 15	0.29 6	0.68 164	0.49 55	0.35 37	0.25 25	0.32 7	0.25 21	0.14 41	0.11 69	0.14 25	0.09 8	0.11 1	0.11 15

iRaft-Stereo_20w	0.39 139	0.19 67	0.57 273	0.37 64	0.27 204	0.31 72	0.24 37	1.44 414	0.29 6	0.69 172	0.53 75	0.60 161	0.42 151	0.83 300	0.27 56	0.14 41	0.11 69	0.14 25	0.13 71	0.15 100	0.13 75

GCAP-BAT	0.30 39	0.21 125	0.42 123	0.33 14	0.27 204	0.26 21	0.27 63	0.45 20	0.30 9	0.60 109	0.64 104	0.45 84	0.23 18	0.56 112	0.26 44	0.15 93	0.12 119	0.15 60	0.10 16	0.12 11	0.11 15

XX-Stereo	0.37 109	0.17 28	0.45 157	0.55 376	0.36 329	0.38 124	0.20 3	0.60 77	0.30 9	0.46 72	1.30 361	0.73 239	0.26 35	0.56 112	0.26 44	0.16 134	0.11 69	0.17 109	0.16 149	0.14 63	0.10 3

EAI-Stereo	0.34 61	0.19 67	0.44 145	0.39 116	0.21 40	0.31 72	0.30 95	1.15 334	0.30 9	0.49 78	0.75 139	0.36 43	0.28 54	0.62 176	0.27 56	0.14 41	0.11 69	0.14 25	0.13 71	0.13 28	0.12 47

Occ-G	0.26 11	0.14 2	0.28 13	0.34 17	0.20 28	0.27 31	0.34 149	0.41 7	0.31 12	0.29 14	0.43 37	0.49 104	0.25 25	0.47 65	0.28 68	0.13 17	0.11 69	0.14 25	0.11 26	0.12 11	0.12 47

IGEV_Zeroshot_test	0.34 61	0.18 45	0.67 317	0.39 116	0.28 226	0.30 60	0.25 44	0.74 178	0.31 12	0.62 117	0.57 88	0.54 121	0.25 25	0.53 96	0.27 56	0.14 41	0.10 12	0.15 60	0.14 96	0.14 63	0.12 47

UniTT-Stereo	0.27 14	0.17 28	0.37 61	0.40 146	0.27 204	0.30 60	0.28 73	0.39 4	0.31 12	0.29 14	0.46 44	0.27 7	0.25 25	0.47 65	0.34 130	0.17 168	0.13 178	0.13 15	0.12 46	0.14 63	0.12 47

IGEV-BASED-STEREO-	0.56 303	3.08 472	2.43 447	0.31 7	0.18 8	0.29 52	0.20 3	0.37 2	0.32 15	0.28 10	0.24 6	0.18 1	0.18 2	0.31 5	0.22 1	1.09 448	0.08 1	0.17 109	0.16 149	0.14 63	0.97 450

RSM++	0.25 6	0.18 45	0.34 38	0.36 49	0.20 28	0.28 44	0.30 95	0.51 37	0.32 15	0.25 5	0.22 2	0.37 45	0.21 10	0.50 79	0.24 14	0.12 4	0.10 12	0.14 25	0.12 46	0.14 63	0.10 3

AEACV	0.27 14	0.17 28	0.31 19	0.34 17	0.45 381	0.26 21	0.28 73	0.37 2	0.32 15	0.30 17	0.46 44	0.31 16	0.37 124	0.36 14	0.24 14	0.14 41	0.10 12	0.15 60	0.12 46	0.13 28	0.11 15

LoS_RVC	0.27 14	0.16 16	0.27 10	0.32 10	0.30 266	0.44 160	0.34 149	0.41 7	0.33 18	0.31 18	0.51 65	0.29 9	0.32 87	0.36 14	0.28 68	0.11 1	0.10 12	0.11 1	0.08 1	0.11 1	0.19 243

gcap-zeroshot	0.34 61	0.18 45	0.52 246	0.38 89	0.22 55	0.49 179	0.27 63	0.52 44	0.34 19	0.64 135	0.50 58	0.83 274	0.34 104	0.48 72	0.24 14	0.13 17	0.11 69	0.15 60	0.12 46	0.13 28	0.12 47

ff7	0.29 26	0.21 125	0.38 70	0.36 49	0.26 177	0.31 72	0.35 170	0.62 89	0.34 19	0.38 38	0.33 19	0.32 18	0.29 67	0.58 141	0.25 21	0.14 41	0.10 12	0.17 109	0.12 46	0.14 63	0.15 135

IGEVStereo-DCA	0.29 26	0.22 154	0.38 70	0.35 38	0.27 204	0.37 111	0.35 170	0.62 89	0.34 19	0.38 38	0.30 13	0.35 37	0.27 42	0.51 84	0.22 1	0.15 93	0.12 119	0.16 83	0.12 46	0.13 28	0.15 135

ffff	0.29 26	0.21 125	0.38 70	0.36 49	0.26 177	0.31 72	0.35 170	0.62 89	0.34 19	0.38 38	0.33 19	0.32 18	0.29 67	0.58 141	0.25 21	0.14 41	0.10 12	0.17 109	0.12 46	0.14 63	0.15 135

11t	0.29 26	0.21 125	0.38 70	0.36 49	0.26 177	0.31 72	0.35 170	0.62 89	0.34 19	0.38 38	0.33 19	0.32 18	0.29 67	0.58 141	0.25 21	0.14 41	0.10 12	0.17 109	0.12 46	0.14 63	0.15 135

testlalala_base	0.46 201	0.25 232	0.41 103	0.46 291	0.33 313	0.58 225	0.25 44	0.57 59	0.34 19	0.51 83	0.56 85	0.46 91	0.30 78	0.43 40	0.31 94	1.47 456	0.11 69	0.14 25	0.09 8	1.59 446	0.13 75

ccc-4	0.29 26	0.21 125	0.38 70	0.36 49	0.26 177	0.31 72	0.35 170	0.62 89	0.34 19	0.38 38	0.33 19	0.32 18	0.29 67	0.58 141	0.25 21	0.14 41	0.10 12	0.17 109	0.12 46	0.14 63	0.15 135

R-Stereo Train	0.39 139	0.18 45	0.42 123	0.42 212	0.26 177	0.40 132	0.32 133	0.72 168	0.34 19	0.89 297	1.28 357	0.57 132	0.35 107	0.42 36	0.32 104	0.15 93	0.12 119	0.14 25	0.12 46	0.14 63	0.13 75

RAFT-Stereo	0.39 139	0.18 45	0.42 123	0.42 212	0.26 177	0.40 132	0.32 133	0.72 168	0.34 19	0.89 297	1.28 357	0.57 132	0.35 107	0.42 36	0.32 104	0.15 93	0.12 119	0.14 25	0.12 46	0.14 63	0.13 75
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
IGEV-Stereo++	0.21 1	0.15 7	0.27 10	0.37 64	0.19 13	0.22 5	0.18 2	0.42 10	0.35 28	0.22 2	0.28 12	0.24 3	0.18 2	0.27 2	0.22 1	0.12 4	0.09 3	0.12 2	0.10 16	0.12 11	0.10 3

MyStereo06	0.38 124	0.21 125	0.61 285	0.41 174	0.28 226	0.41 145	0.50 318	0.95 258	0.35 28	0.62 117	0.54 77	0.76 253	0.27 42	0.50 79	0.29 81	0.14 41	0.13 178	0.18 148	0.17 196	0.17 165	0.15 135

plain	0.31 42	0.20 92	0.50 229	0.39 116	0.29 252	0.27 31	0.30 95	0.44 17	0.35 28	0.31 18	0.66 112	0.30 10	0.31 83	0.65 204	0.31 94	0.17 168	0.13 178	0.20 215	0.15 119	0.17 165	0.12 47

MaDis-Stereo	0.26 11	0.18 45	0.36 48	0.36 49	0.26 177	0.27 31	0.27 63	0.43 15	0.35 28	0.27 8	0.26 8	0.41 63	0.28 54	0.40 27	0.28 68	0.16 134	0.14 206	0.16 83	0.13 71	0.14 63	0.12 47

anonymousdsp	0.29 26	0.21 125	0.38 70	0.37 64	0.25 140	0.30 60	0.35 170	0.63 95	0.35 28	0.39 46	0.33 19	0.33 27	0.28 54	0.59 156	0.25 21	0.14 41	0.10 12	0.17 109	0.12 46	0.14 63	0.15 135

IGEV-Stereo	0.29 26	0.21 125	0.38 70	0.37 64	0.25 140	0.30 60	0.35 170	0.63 95	0.35 28	0.39 46	0.33 19	0.33 27	0.28 54	0.59 156	0.25 21	0.14 41	0.10 12	0.17 109	0.12 46	0.14 63	0.15 135
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
EGLCR-Stereo	0.25 6	0.16 16	0.33 28	0.34 17	0.20 28	0.35 101	0.20 3	0.52 44	0.36 34	0.28 10	0.27 9	0.41 63	0.18 2	0.45 50	0.26 44	0.14 41	0.10 12	0.16 83	0.14 96	0.13 28	0.11 15

Patchmatch Stereo++	0.35 75	0.23 174	0.47 186	0.41 174	0.22 55	0.24 10	0.22 14	0.59 67	0.36 34	0.63 125	0.73 128	0.58 140	0.38 127	0.58 141	0.36 163	0.18 197	0.12 119	0.20 215	0.16 149	0.20 234	0.15 135
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.35 75	0.23 174	0.47 186	0.41 174	0.22 55	0.24 10	0.31 116	0.59 67	0.36 34	0.63 125	0.73 128	0.58 140	0.38 127	0.56 112	0.35 147	0.18 197	0.12 119	0.20 215	0.16 149	0.20 234	0.15 135

ROB_FTStereo_v2	0.35 75	0.23 174	0.47 186	0.41 174	0.22 55	0.24 10	0.31 116	0.59 67	0.36 34	0.63 125	0.73 128	0.57 132	0.38 127	0.57 123	0.36 163	0.18 197	0.12 119	0.20 215	0.16 149	0.20 234	0.15 135

ROB_FTStereo	0.35 75	0.23 174	0.47 186	0.41 174	0.22 55	0.25 19	0.21 8	0.59 67	0.36 34	0.63 125	0.73 128	0.58 140	0.38 127	0.57 123	0.35 147	0.18 197	0.12 119	0.20 215	0.16 149	0.20 234	0.15 135

HUI-Stereo	0.35 75	0.23 174	0.47 186	0.41 174	0.22 55	0.24 10	0.22 14	0.60 77	0.36 34	0.63 125	0.73 128	0.58 140	0.38 127	0.50 79	0.35 147	0.18 197	0.12 119	0.20 215	0.16 149	0.20 234	0.15 135

iGMRVC	0.35 75	0.23 174	0.47 186	0.41 174	0.22 55	0.24 10	0.30 95	0.59 67	0.36 34	0.63 125	0.73 128	0.58 140	0.38 127	0.58 141	0.36 163	0.18 197	0.12 119	0.20 215	0.16 149	0.20 234	0.15 135

iRAFT	0.35 75	0.23 174	0.47 186	0.41 174	0.22 55	0.24 10	0.22 14	0.59 67	0.36 34	0.63 125	0.73 128	0.58 140	0.38 127	0.58 141	0.36 163	0.18 197	0.12 119	0.20 215	0.16 149	0.20 234	0.15 135

RAFT-IKP	0.35 75	0.23 174	0.47 186	0.41 174	0.22 55	0.24 10	0.28 73	0.59 67	0.36 34	0.63 125	0.73 128	0.57 132	0.38 127	0.58 141	0.36 163	0.18 197	0.12 119	0.20 215	0.16 149	0.20 234	0.15 135

test_xeample3	0.29 26	0.21 125	0.41 103	0.35 38	0.26 177	0.35 101	0.32 133	0.56 56	0.36 34	0.43 62	0.32 18	0.34 30	0.28 54	0.54 99	0.23 10	0.14 41	0.11 69	0.16 83	0.12 46	0.14 63	0.13 75

MyStereo07	0.32 48	0.22 154	0.34 38	0.42 212	0.28 226	0.40 132	0.50 318	0.72 168	0.37 44	0.37 34	0.34 25	0.32 18	0.31 83	0.59 156	0.27 56	0.14 41	0.13 178	0.18 148	0.17 196	0.17 165	0.16 177

DLNR_Zeroshot_test	20.09 480	36.28 486	38.04 484	169.85 492	61.80 488	0.23 7	0.20 3	13.88 479	0.37 44	0.44 65	0.66 112	0.43 77	0.21 10	0.62 176	0.28 68	5.46 476	0.10 12	0.15 60	0.11 26	72.60 491	0.11 15

ProNet	0.29 26	0.21 125	0.38 70	0.35 38	0.24 114	0.32 82	0.43 280	0.57 59	0.37 44	0.33 24	0.30 13	0.32 18	0.28 54	0.57 123	0.26 44	0.13 17	0.11 69	0.16 83	0.13 71	0.13 28	0.13 75

MC-Stereo	0.28 19	0.17 28	0.32 24	0.38 89	0.20 28	0.26 21	0.26 52	0.49 29	0.37 44	0.37 34	0.61 98	0.41 63	0.31 83	0.55 103	0.25 21	0.13 17	0.09 3	0.14 25	0.12 46	0.12 11	0.11 15

Pointernet	0.27 14	0.14 2	0.33 28	0.35 38	0.23 89	0.35 101	0.21 8	0.72 168	0.38 48	0.39 46	0.36 28	0.34 30	0.25 25	0.36 14	0.25 21	0.15 93	0.10 12	0.12 2	0.08 1	0.11 1	0.10 3

U	0.45 194	0.16 16	0.32 24	0.40 146	0.71 426	3.55 460	0.20 3	0.41 7	0.38 48	0.26 6	0.23 3	0.24 3	0.22 14	0.26 1	0.22 1	0.15 93	0.09 3	0.88 436	0.13 71	0.13 28	0.11 15

HH	0.35 75	0.20 92	0.47 186	0.40 146	0.25 140	0.33 86	0.31 116	0.76 191	0.38 48	0.43 62	0.57 88	0.79 262	0.44 166	0.71 245	0.25 21	0.15 93	0.11 69	0.15 60	0.14 96	0.14 63	0.12 47

HanStereo	0.35 75	0.20 92	0.47 186	0.40 146	0.25 140	0.33 86	0.31 116	0.76 191	0.38 48	0.43 62	0.57 88	0.79 262	0.44 166	0.71 245	0.25 21	0.15 93	0.11 69	0.15 60	0.14 96	0.14 63	0.12 47

CroCo-Stereo Lap2	0.28 19	0.24 210	0.39 87	0.50 334	0.29 252	0.20 2	0.31 116	0.49 29	0.38 48	0.24 4	0.27 9	0.46 91	0.31 83	0.39 24	0.30 87	0.14 41	0.15 235	0.16 83	0.13 71	0.16 133	0.15 135

DeepStereo_RVC	0.36 93	0.21 125	0.47 186	0.40 146	0.24 114	0.26 21	0.22 14	0.60 77	0.38 48	0.69 172	0.67 116	0.57 132	0.51 202	0.56 112	0.39 192	0.16 134	0.12 119	0.18 148	0.15 119	0.19 218	0.18 211

UGAM-zero	0.46 201	0.19 67	0.62 288	0.37 64	0.23 89	0.34 93	0.21 8	1.15 334	0.39 54	0.66 156	0.61 98	1.70 418	0.91 369	0.75 266	0.25 21	0.14 41	0.11 69	0.15 60	0.12 46	0.13 28	0.13 75

rvit_stereo_0081_aga	0.31 42	0.28 282	0.44 145	0.42 212	0.29 252	0.34 93	0.31 116	0.44 17	0.40 55	0.39 46	0.44 38	0.40 57	0.32 87	0.42 36	0.29 81	0.23 300	0.17 283	0.19 187	0.16 149	0.20 234	0.15 135

RAFT-Test	0.34 61	0.18 45	0.37 61	0.38 89	0.23 89	0.50 182	0.23 25	0.69 144	0.40 55	0.60 109	0.85 201	0.61 166	0.28 54	0.46 58	0.27 56	0.14 41	0.11 69	0.14 25	0.11 26	0.13 28	0.12 47

cross-raft	0.34 61	0.20 92	0.37 61	0.44 249	0.23 89	0.32 82	0.35 170	0.74 178	0.40 55	0.60 109	0.77 147	0.57 132	0.27 42	0.43 40	0.28 68	0.12 4	0.10 12	0.15 60	0.13 71	0.15 100	0.11 15

DIP-Stereo	0.39 139	0.21 125	0.50 229	0.41 174	0.28 226	0.62 252	0.27 63	0.77 194	0.40 55	0.64 135	0.86 204	0.52 113	0.33 97	0.66 212	0.42 205	0.15 93	0.13 178	0.17 109	0.14 96	0.15 100	0.15 135
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
SPstereo	0.28 19	0.19 67	0.40 95	0.38 89	0.19 13	0.38 124	0.23 25	0.57 59	0.41 59	0.45 67	0.49 55	0.39 50	0.27 42	0.33 9	0.23 10	0.14 41	0.12 119	0.14 25	0.11 26	0.12 11	0.11 15

test_4	0.36 93	0.18 45	0.31 19	0.44 249	0.25 140	0.20 2	0.34 149	0.56 56	0.41 59	0.59 105	1.45 388	0.43 77	0.25 25	0.63 186	0.28 68	0.12 4	0.10 12	0.17 109	0.19 248	0.15 100	0.11 15

KYRaft	0.48 225	0.20 92	0.38 70	0.44 249	0.23 89	0.44 160	0.37 203	0.66 116	0.41 59	0.94 324	1.73 408	0.79 262	0.41 149	0.63 186	0.31 94	0.16 134	0.11 69	0.18 148	0.22 310	0.16 133	0.78 436

AnonymousM	0.41 161	0.81 422	0.29 14	0.34 17	0.22 55	0.28 44	0.38 224	0.53 53	0.41 59	0.70 178	0.49 55	0.47 95	0.27 42	0.41 32	0.31 94	0.15 93	0.12 119	1.51 445	0.26 357	0.12 11	0.10 3

CRE-IMP	0.36 93	0.23 174	0.49 216	0.42 212	0.24 114	0.41 145	0.21 8	0.57 59	0.41 59	0.65 144	0.72 124	0.53 117	0.37 124	0.61 169	0.38 186	0.17 168	0.11 69	0.19 187	0.15 119	0.21 255	0.18 211

rrr	0.29 26	0.22 154	0.41 103	0.35 38	0.27 204	0.37 111	0.32 133	0.52 44	0.42 64	0.38 38	0.30 13	0.35 37	0.27 42	0.51 84	0.22 1	0.15 93	0.12 119	0.16 83	0.13 71	0.13 28	0.14 114

MIF-Stereo (partial)	0.31 42	0.18 45	0.37 61	0.41 174	0.31 287	0.28 44	0.23 25	0.47 23	0.42 64	0.31 18	0.63 101	0.36 43	0.35 107	0.57 123	0.31 94	0.17 168	0.13 178	0.19 187	0.17 196	0.18 184	0.14 114

11t1	0.36 93	0.21 125	0.42 123	0.35 38	0.22 55	0.62 252	0.29 81	0.69 144	0.43 66	0.60 109	0.53 75	0.53 117	0.48 184	0.56 112	0.40 198	0.18 197	0.14 206	0.16 83	0.13 71	0.17 165	0.17 195

MSKI-zero shot	0.32 48	0.17 28	0.34 38	0.39 116	0.21 40	0.32 82	0.22 14	0.61 83	0.43 66	0.52 88	0.64 104	0.61 166	0.20 8	0.74 262	0.25 21	0.14 41	0.10 12	0.14 25	0.10 16	0.12 11	0.12 47

GLC_STEREO	0.29 26	0.19 67	0.27 10	0.44 249	0.19 13	0.31 72	0.26 52	0.47 23	0.43 66	0.37 34	0.47 49	0.41 63	0.23 18	0.50 79	0.34 130	0.14 41	0.18 299	0.19 187	0.16 149	0.16 133	0.13 75

FTStereo	0.56 303	0.20 92	0.37 61	0.41 174	0.25 140	0.40 132	0.79 403	0.66 116	0.43 66	1.09 378	3.27 447	0.70 215	0.73 325	0.55 103	0.33 116	0.14 41	0.13 178	0.19 187	0.17 196	0.15 100	0.30 351

AIO-Stereo-zeroshot1	0.48 225	0.21 125	1.26 413	0.39 116	0.51 397	0.28 44	0.30 95	1.25 379	0.44 70	0.68 164	1.11 314	0.86 285	0.33 97	0.67 222	0.27 56	0.15 93	0.11 69	0.17 109	0.20 272	0.22 276	0.24 310

rvit_stereo_0080	0.31 42	0.25 232	0.40 95	0.39 116	0.28 226	0.27 31	0.46 294	0.49 29	0.44 70	0.35 29	0.42 35	0.40 57	0.28 54	0.41 32	0.33 116	0.22 287	0.17 283	0.17 109	0.16 149	0.22 276	0.15 135

MGS-Stereo	0.28 19	0.19 67	0.40 95	0.36 49	0.23 89	0.37 111	0.30 95	0.39 4	0.44 70	0.31 18	0.51 65	0.40 57	0.24 22	0.43 40	0.26 44	0.15 93	0.12 119	0.15 60	0.13 71	0.14 63	0.13 75

whm_eth	0.31 42	0.25 232	0.40 95	0.39 116	0.28 226	0.27 31	0.46 294	0.49 29	0.44 70	0.35 29	0.42 35	0.40 57	0.28 54	0.41 32	0.33 116	0.22 287	0.17 283	0.17 109	0.16 149	0.22 276	0.15 135

LL-Strereo2	0.35 75	0.24 210	0.48 205	0.41 174	0.26 177	0.35 101	0.24 37	0.67 126	0.44 70	0.54 95	0.51 65	0.66 199	0.25 25	0.66 212	0.30 87	0.14 41	0.12 119	0.23 288	0.20 272	0.18 184	0.13 75

CroCo-Stereo	0.26 11	0.22 154	0.36 48	0.48 305	0.22 55	0.20 2	0.29 81	0.51 37	0.44 70	0.28 10	0.23 3	0.42 70	0.26 35	0.29 3	0.26 44	0.15 93	0.13 178	0.13 15	0.11 26	0.16 133	0.12 47
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
Prome-Stereo	0.46 201	0.19 67	0.35 43	0.44 249	0.26 177	0.40 132	0.45 291	0.68 136	0.44 70	0.96 332	1.84 414	0.59 155	0.67 292	0.61 169	0.32 104	0.14 41	0.11 69	0.16 83	0.14 96	0.16 133	0.29 344

model_zeroshot	0.33 58	0.18 45	0.48 205	0.39 116	0.28 226	0.45 167	0.25 44	0.63 95	0.45 77	0.61 115	0.50 58	0.51 110	0.25 25	0.45 50	0.26 44	0.16 134	0.13 178	0.15 60	0.14 96	0.13 28	0.13 75

RAStereo	0.24 3	0.17 28	0.29 14	0.40 146	0.21 40	0.23 7	0.26 52	0.42 10	0.45 77	0.23 3	0.34 25	0.30 10	0.19 5	0.34 10	0.25 21	0.15 93	0.12 119	0.16 83	0.13 71	0.14 63	0.11 15

test_for_model	0.82 369	3.60 473	0.39 87	2.35 461	2.07 461	0.39 128	0.28 73	0.42 10	0.45 77	0.71 184	0.31 17	0.30 10	0.27 42	0.34 10	0.25 21	0.34 389	0.11 69	0.13 15	0.09 8	3.49 472	0.18 211

sCroCo_RVC	0.35 75	0.28 282	0.69 326	0.51 349	0.39 347	0.41 145	0.31 116	0.49 29	0.45 77	0.31 18	0.48 52	0.38 49	0.32 87	0.46 58	0.32 104	0.21 263	0.22 338	0.19 187	0.19 248	0.21 255	0.20 265

WCG-NET	0.29 26	0.15 7	0.36 48	0.36 49	0.23 89	0.43 154	0.23 25	0.48 25	0.46 81	0.40 51	0.47 49	0.46 91	0.28 54	0.55 103	0.25 21	0.15 93	0.11 69	0.13 15	0.12 46	0.13 28	0.12 47

CES	0.28 19	0.14 2	0.23 1	0.30 5	0.70 425	0.37 111	0.27 63	0.48 25	0.46 81	0.34 25	0.48 52	0.27 7	0.22 14	0.39 24	0.23 10	0.13 17	0.11 69	0.12 2	0.08 1	0.13 28	0.17 195

PSM-softLoss	0.38 124	0.20 92	0.48 205	0.41 174	0.26 177	0.30 60	0.35 170	0.69 144	0.46 81	0.62 117	0.82 181	0.59 155	0.33 97	0.70 240	0.39 192	0.19 226	0.12 119	0.20 215	0.18 220	0.16 133	0.22 298

KMStereo	0.38 124	0.20 92	0.48 205	0.41 174	0.26 177	0.30 60	0.35 170	0.69 144	0.46 81	0.62 117	0.82 181	0.59 155	0.33 97	0.70 240	0.39 192	0.19 226	0.12 119	0.20 215	0.18 220	0.16 133	0.22 298

CAS	0.34 61	0.13 1	0.25 7	1.28 444	0.30 266	0.46 171	0.38 224	0.48 25	0.47 85	0.34 25	0.52 73	0.24 3	0.19 5	0.29 3	0.27 56	0.69 434	0.08 1	0.12 2	0.08 1	0.12 11	0.15 135

SST-Stereo	0.40 150	0.19 67	0.45 157	0.42 212	0.25 140	0.25 19	0.21 8	0.66 116	0.47 85	1.08 376	0.79 167	0.72 228	0.43 157	0.77 277	0.35 147	0.16 134	0.11 69	0.20 215	0.16 149	0.19 218	0.15 135

AIO-Stereo-zeroshot	0.42 168	0.20 92	0.74 347	0.38 89	0.43 370	0.39 128	0.26 52	0.94 251	0.49 87	0.53 91	0.77 147	0.93 310	0.45 171	0.63 186	0.24 14	0.16 134	0.10 12	0.17 109	0.18 220	0.20 234	0.20 265

test_sample1	0.42 168	0.22 154	0.46 174	0.34 17	0.23 89	0.58 225	0.35 170	0.99 269	0.49 87	0.62 117	0.75 139	0.69 211	0.61 256	0.58 141	0.44 226	0.18 197	0.14 206	0.17 109	0.15 119	0.17 165	0.17 195

testlalala2	0.36 93	0.18 45	0.45 157	0.89 430	0.53 402	0.44 160	0.26 52	0.61 83	0.49 87	0.68 164	0.56 85	0.44 82	0.24 22	0.34 10	0.31 94	0.15 93	0.12 119	0.14 25	0.10 16	0.13 28	0.13 75

MyStereo8	0.40 150	0.20 92	0.54 258	0.41 174	0.29 252	0.53 196	0.29 81	0.65 107	0.49 87	0.71 184	0.98 263	0.58 140	0.43 157	0.50 79	0.51 268	0.15 93	0.12 119	0.16 83	0.14 96	0.19 218	0.19 243

rvit_stereo_ft	0.33 58	0.25 232	0.47 186	0.52 360	0.32 303	0.33 86	0.47 301	0.49 29	0.50 91	0.34 25	0.41 33	0.41 63	0.32 87	0.48 72	0.34 130	0.22 287	0.14 206	0.19 187	0.18 220	0.19 218	0.14 114

CAS++	0.32 48	0.24 210	0.36 48	0.37 64	0.26 177	0.28 44	0.23 25	0.87 227	0.50 91	0.47 75	0.45 39	0.26 6	0.21 10	0.49 75	0.24 14	0.23 300	0.19 313	0.22 269	0.17 196	0.21 255	0.16 177
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DCRE	0.37 109	0.18 45	0.46 174	0.45 271	0.32 303	0.42 152	0.37 203	0.63 95	0.51 93	0.47 75	0.94 237	0.56 127	0.36 121	0.52 89	0.32 104	0.14 41	0.13 178	0.15 60	0.14 96	0.14 63	0.13 75

RAFT-345	0.40 150	0.18 45	0.40 95	0.38 89	0.22 55	0.33 86	0.26 52	0.61 83	0.51 93	0.74 208	1.79 412	0.45 84	0.33 97	0.66 212	0.36 163	0.14 41	0.11 69	0.18 148	0.14 96	0.13 28	0.13 75

iRaftStereo_RVC	0.32 48	0.19 67	0.37 61	0.39 116	0.22 55	0.31 72	0.29 81	0.68 136	0.51 93	0.49 78	0.66 112	0.37 45	0.23 18	0.45 50	0.33 116	0.14 41	0.10 12	0.18 148	0.17 196	0.15 100	0.12 47

x	0.39 139	0.24 210	0.41 103	0.34 17	0.23 89	0.52 190	0.32 133	0.86 220	0.52 96	0.57 102	0.70 122	0.59 155	0.50 198	0.49 75	0.46 244	0.17 168	0.15 235	0.17 109	0.15 119	0.17 165	0.16 177

sAnonymous2	0.40 150	0.39 353	0.85 368	0.48 305	0.37 334	0.40 132	0.46 294	0.57 59	0.52 96	0.38 38	0.46 44	0.35 37	0.42 151	0.43 40	0.30 87	0.19 226	0.14 206	0.18 148	0.17 196	0.57 423	0.44 407

CroCo_RVC	0.40 150	0.39 353	0.85 368	0.48 305	0.37 334	0.40 132	0.46 294	0.57 59	0.52 96	0.38 38	0.46 44	0.35 37	0.42 151	0.43 40	0.30 87	0.19 226	0.14 206	0.18 148	0.17 196	0.57 423	0.44 407

mmm	0.44 184	0.27 268	0.46 174	0.38 89	0.24 114	0.61 245	0.35 170	0.94 251	0.53 99	0.72 196	1.05 295	0.63 174	0.50 198	0.57 123	0.45 234	0.18 197	0.15 235	0.23 288	0.20 272	0.20 234	0.18 211

CASnet	0.30 39	0.20 92	0.33 28	0.41 174	0.16 3	0.26 21	0.24 37	0.52 44	0.53 99	0.52 88	0.54 77	0.39 50	0.24 22	0.40 27	0.26 44	0.14 41	0.10 12	0.22 269	0.18 220	0.18 184	0.11 15
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LCNet	0.41 161	0.20 92	0.32 24	0.44 249	0.24 114	0.47 173	0.29 81	0.67 126	0.53 99	0.72 196	1.03 285	0.66 199	0.60 251	0.58 141	0.34 130	0.14 41	0.10 12	0.19 187	0.19 248	0.21 255	0.36 380

GMM-Stereo	0.44 184	0.19 67	0.36 48	0.42 212	0.25 140	0.51 186	0.47 301	0.71 164	0.53 99	0.76 217	1.37 371	0.76 253	0.38 127	0.60 162	0.33 116	0.15 93	0.10 12	0.20 215	0.19 248	0.16 133	0.27 331

ACVNet-DCA	0.35 75	0.23 174	0.33 28	0.41 174	0.22 55	0.55 205	0.38 224	0.85 217	0.54 103	0.41 54	0.50 58	0.34 30	0.49 187	0.57 123	0.25 21	0.16 134	0.10 12	0.19 187	0.13 71	0.18 184	0.17 195

1test111	0.36 93	0.23 174	0.33 28	0.41 174	0.22 55	0.55 205	0.38 224	0.85 217	0.54 103	0.41 54	0.50 58	0.34 30	0.49 187	0.55 103	0.45 234	0.16 134	0.10 12	0.19 187	0.13 71	0.18 184	0.17 195

MIM_Stereo	0.38 124	0.17 28	0.53 254	0.37 64	0.24 114	0.27 31	0.24 37	0.70 158	0.54 103	0.72 196	1.00 270	0.63 174	0.29 67	0.64 197	0.38 186	0.13 17	0.14 206	0.17 109	0.16 149	0.14 63	0.11 15

qqq	0.40 150	0.26 251	0.44 145	0.36 49	0.22 55	0.46 171	0.36 190	0.85 217	0.54 103	0.56 100	0.69 119	0.65 194	0.53 207	0.55 103	0.45 234	0.17 168	0.16 264	0.20 215	0.19 248	0.18 184	0.17 195

rvit_stereo_0081	0.32 48	0.24 210	0.47 186	0.43 231	0.26 177	0.30 60	0.37 203	0.42 10	0.55 107	0.36 31	0.40 31	0.39 50	0.35 107	0.43 40	0.33 116	0.22 287	0.16 264	0.19 187	0.16 149	0.19 218	0.13 75

rvit_stereo_0082	0.32 48	0.24 210	0.47 186	0.43 231	0.26 177	0.30 60	0.37 203	0.42 10	0.55 107	0.36 31	0.40 31	0.39 50	0.35 107	0.43 40	0.33 116	0.22 287	0.16 264	0.19 187	0.16 149	0.19 218	0.13 75

AACVNet	0.50 257	0.23 174	0.49 216	0.46 291	0.29 252	0.52 190	0.38 224	0.90 239	0.55 107	0.81 243	1.03 285	1.00 325	0.70 315	0.83 300	0.54 282	0.21 263	0.18 299	0.24 303	0.18 220	0.23 293	0.20 265

NRIStereo	0.36 93	0.20 92	0.45 157	0.41 174	0.23 89	0.34 93	0.26 52	0.65 107	0.55 107	0.64 135	0.63 101	0.56 127	0.37 124	0.65 204	0.37 178	0.15 93	0.11 69	0.18 148	0.15 119	0.17 165	0.14 114

Pruner-Stereo	0.38 124	0.20 92	0.45 157	0.40 146	0.25 140	0.22 5	0.24 37	0.67 126	0.55 107	0.89 297	0.76 143	0.68 207	0.29 67	0.62 176	0.35 147	0.18 197	0.12 119	0.20 215	0.17 196	0.17 165	0.18 211

TANstereo	0.30 39	0.15 7	0.31 19	0.30 5	0.17 4	0.55 205	0.23 25	0.44 17	0.55 107	0.59 105	0.68 118	0.37 45	0.26 35	0.35 13	0.27 56	0.15 93	0.16 264	0.12 2	0.10 16	0.13 28	0.14 114

CRFU-Net	0.57 309	0.27 268	0.57 273	0.46 291	0.30 266	1.20 396	0.52 335	1.10 311	0.56 113	1.00 349	0.98 263	1.06 343	0.79 343	0.81 289	0.71 325	0.21 263	0.19 313	0.18 148	0.16 149	0.18 184	0.19 243

DisPM	0.39 139	0.19 67	0.44 145	0.41 174	0.27 204	0.24 10	0.31 116	0.65 107	0.57 114	0.87 285	0.87 211	0.60 161	0.32 87	0.76 270	0.32 104	0.18 197	0.12 119	0.19 187	0.17 196	0.15 100	0.20 265

RAFT	0.45 194	0.22 154	0.45 157	0.47 300	0.26 177	0.54 200	0.47 301	0.66 116	0.58 115	0.80 232	0.82 181	0.94 312	0.57 231	0.75 266	0.34 130	0.17 168	0.15 235	0.22 269	0.20 272	0.16 133	0.12 47

TRStereo	0.37 109	0.27 268	0.59 278	0.47 300	0.41 359	0.29 52	0.30 95	0.84 214	0.59 116	0.52 88	0.41 33	0.52 113	0.26 35	0.73 255	0.27 56	0.17 168	0.12 119	0.19 187	0.19 248	0.13 28	0.11 15

test-1	0.36 93	0.19 67	0.71 334	0.46 291	0.26 177	0.44 160	0.36 190	0.60 77	0.59 116	0.48 77	0.67 116	0.53 117	0.36 121	0.40 27	0.29 81	0.14 41	0.11 69	0.16 83	0.14 96	0.15 100	0.16 177

CIPLG	0.41 161	0.21 125	0.63 297	0.45 271	0.33 313	0.52 190	0.33 142	0.65 107	0.60 118	0.82 252	0.96 249	0.46 91	0.32 87	0.55 103	0.44 226	0.16 134	0.12 119	0.15 60	0.14 96	0.13 28	0.14 114

ac_64	0.52 273	0.22 154	0.50 229	0.45 271	0.28 226	0.80 320	0.45 291	1.02 283	0.61 119	0.91 309	0.83 187	1.07 348	0.68 298	0.74 262	0.70 321	0.21 263	0.18 299	0.20 215	0.19 248	0.18 184	0.15 135

rvit_stereo_0083	0.34 61	0.24 210	0.50 229	0.44 249	0.27 204	0.34 93	0.35 170	0.45 20	0.62 120	0.37 34	0.47 49	0.42 70	0.35 107	0.40 27	0.36 163	0.22 287	0.20 322	0.20 215	0.17 196	0.20 234	0.14 114

AE-Stereo	0.34 61	0.21 125	0.42 123	0.48 305	0.31 287	0.48 175	0.35 170	0.61 83	0.62 120	0.32 23	0.55 82	0.52 113	0.27 42	0.47 65	0.29 81	0.13 17	0.13 178	0.18 148	0.16 149	0.15 100	0.12 47

StereoVision	0.42 168	0.28 282	0.45 157	0.49 320	0.28 226	0.38 124	0.38 224	0.72 168	0.62 120	0.44 65	1.14 326	0.54 121	0.39 138	0.56 112	0.34 130	0.21 263	0.24 356	0.25 316	0.24 337	0.26 320	0.16 177

CASS	0.45 194	0.27 268	0.42 123	0.48 305	0.22 55	0.61 245	0.34 149	0.97 264	0.62 120	0.71 184	0.85 201	0.61 166	0.55 223	0.57 123	0.41 201	0.29 354	0.16 264	0.22 269	0.18 220	0.22 276	0.28 338
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.49 242	0.20 92	0.42 123	0.38 89	0.23 89	0.91 345	0.35 170	0.75 184	0.62 120	0.85 272	1.54 396	1.06 343	0.66 289	0.51 84	0.43 210	0.16 134	0.13 178	0.19 187	0.21 293	0.16 133	0.14 114

iRaft-Stereo_5w	0.45 194	0.21 125	0.48 205	0.42 212	0.28 226	0.31 72	0.54 343	0.63 95	0.62 120	0.62 117	0.89 222	1.01 328	0.69 302	0.75 266	0.66 311	0.13 17	0.12 119	0.17 109	0.15 119	0.14 63	0.15 135

IPLGR_C	0.40 150	0.21 125	0.64 302	0.45 271	0.33 313	0.52 190	0.34 149	0.66 116	0.62 120	0.82 252	0.92 233	0.45 84	0.32 87	0.52 89	0.46 244	0.17 168	0.12 119	0.15 60	0.14 96	0.13 28	0.14 114

GMOStereo	0.37 109	0.19 67	0.38 70	0.43 231	0.24 114	0.37 111	0.38 224	0.52 44	0.62 120	0.87 285	0.84 192	0.64 181	0.35 107	0.37 18	0.28 68	0.13 17	0.11 69	0.20 215	0.18 220	0.15 100	0.11 15

error version	0.37 109	0.19 67	0.38 70	0.43 231	0.24 114	0.37 111	0.38 224	0.52 44	0.62 120	0.87 285	0.84 192	0.64 181	0.35 107	0.37 18	0.28 68	0.13 17	0.11 69	0.20 215	0.18 220	0.15 100	0.11 15

test-v	0.37 109	0.19 67	0.38 70	0.43 231	0.24 114	0.37 111	0.38 224	0.52 44	0.62 120	0.87 285	0.84 192	0.64 181	0.35 107	0.37 18	0.28 68	0.13 17	0.11 69	0.20 215	0.18 220	0.15 100	0.11 15

test-2	0.37 109	0.19 67	0.38 70	0.43 231	0.24 114	0.37 111	0.38 224	0.52 44	0.62 120	0.87 285	0.84 192	0.64 181	0.35 107	0.37 18	0.28 68	0.13 17	0.11 69	0.20 215	0.18 220	0.15 100	0.11 15

Selective-RAFT	0.35 75	0.23 174	0.51 241	0.44 249	0.21 40	0.64 268	0.27 63	0.59 67	0.63 131	0.40 51	0.38 30	0.55 124	0.40 143	0.57 123	0.35 147	0.13 17	0.11 69	0.14 25	0.12 46	0.16 133	0.13 75

IPLG	0.39 139	0.20 92	0.59 278	0.40 146	0.24 114	0.54 200	0.27 63	0.75 184	0.63 131	0.84 271	0.81 177	0.32 18	0.32 87	0.60 162	0.45 234	0.13 17	0.11 69	0.16 83	0.13 71	0.13 28	0.12 47

ACRE	0.40 150	0.21 125	0.65 308	0.45 271	0.33 313	0.51 186	0.33 142	0.66 116	0.63 131	0.80 232	0.92 233	0.45 84	0.32 87	0.52 89	0.45 234	0.16 134	0.12 119	0.15 60	0.14 96	0.13 28	0.14 114

GrayStereo	0.49 242	0.19 67	0.42 123	0.46 291	0.28 226	0.53 196	0.67 374	0.69 144	0.63 131	1.02 356	1.47 391	0.78 260	0.76 332	0.56 112	0.33 116	0.14 41	0.12 119	0.17 109	0.17 196	0.15 100	0.29 344

raftrobust	0.34 61	0.19 67	0.36 48	0.41 174	0.27 204	0.30 60	0.25 44	0.71 164	0.63 131	0.58 103	0.55 82	0.45 84	0.46 175	0.51 84	0.29 81	0.16 134	0.12 119	0.14 25	0.12 46	0.12 11	0.13 75

HCRNet	0.44 184	0.34 322	0.41 103	0.53 366	0.26 177	0.53 196	0.29 81	0.83 211	0.63 131	0.71 184	0.81 177	0.77 259	0.50 198	0.66 212	0.36 163	0.24 311	0.16 264	0.24 303	0.20 272	0.21 255	0.18 211

PMTNet	0.32 48	0.16 16	0.24 4	0.29 3	0.18 8	0.45 167	0.22 14	0.56 56	0.63 131	0.46 72	0.54 77	0.39 50	0.34 104	0.48 72	0.24 14	0.75 436	0.10 12	0.12 2	0.08 1	0.12 11	0.11 15

EKT-Stereo	0.35 75	0.23 174	0.39 87	0.43 231	0.29 252	0.38 124	0.31 116	0.69 144	0.64 138	0.45 67	0.63 101	0.49 104	0.27 42	0.56 112	0.33 116	0.18 197	0.14 206	0.18 148	0.15 119	0.16 133	0.16 177

knoymous	0.36 93	0.20 92	0.31 19	0.31 7	0.22 55	0.36 109	0.29 81	0.61 83	0.64 138	0.67 158	0.70 122	0.60 161	0.40 143	0.58 141	0.34 130	0.17 168	0.11 69	0.20 215	0.11 26	0.17 165	0.18 211

RALCasStereoNet	0.36 93	0.21 125	0.37 61	0.42 212	0.26 177	0.35 101	0.38 224	0.63 95	0.64 138	0.50 81	0.72 124	0.51 110	0.29 67	0.59 156	0.36 163	0.16 134	0.14 206	0.15 60	0.13 71	0.17 165	0.16 177

RALAANet	0.38 124	0.23 174	0.48 205	0.42 212	0.29 252	0.35 101	0.25 44	0.86 220	0.64 138	0.67 158	0.65 107	0.60 161	0.29 67	0.60 162	0.34 130	0.15 93	0.12 119	0.17 109	0.15 119	0.21 255	0.13 75

HITNet	0.41 161	0.26 251	0.45 157	0.33 14	0.17 4	0.63 261	0.30 95	0.93 247	0.64 138	0.71 184	0.82 181	0.64 181	0.52 204	0.59 156	0.43 210	0.14 41	0.10 12	0.15 60	0.13 71	0.19 218	0.12 47
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
anonymousdsp2	0.35 75	0.20 92	0.43 133	0.37 64	0.24 114	0.48 175	0.31 116	0.86 220	0.65 143	0.55 97	0.50 58	0.50 106	0.34 104	0.56 112	0.31 94	0.14 41	0.10 12	0.14 25	0.10 16	0.16 133	0.14 114

Anonymous3	0.46 201	0.34 322	0.86 373	0.50 334	0.37 334	0.81 325	0.50 318	0.72 168	0.65 143	0.51 83	0.65 107	0.45 84	0.45 171	0.64 197	0.38 186	0.24 311	0.24 356	0.22 269	0.21 293	0.23 293	0.23 304

TestStereo	0.38 124	0.31 306	0.40 95	0.45 271	0.20 28	0.40 132	0.37 203	0.66 116	0.65 143	0.53 91	0.78 158	0.47 95	0.40 143	0.55 103	0.37 178	0.18 197	0.13 178	0.20 215	0.15 119	0.22 276	0.13 75

IER	0.46 201	0.23 174	0.50 229	0.38 89	0.28 226	0.69 286	0.35 170	0.80 205	0.66 146	0.83 264	0.94 237	0.75 247	0.77 336	0.60 162	0.42 205	0.17 168	0.14 206	0.17 109	0.17 196	0.17 165	0.15 135

AFF-stereo	0.38 124	0.19 67	0.39 87	0.37 64	0.21 40	0.27 31	0.31 116	0.65 107	0.66 146	0.64 135	1.13 323	0.76 253	0.39 138	0.55 103	0.33 116	0.11 1	0.09 3	0.16 83	0.16 149	0.13 28	0.11 15

DDVS	0.52 273	0.30 301	0.56 269	0.41 174	0.31 287	0.71 295	0.34 149	0.91 243	0.67 148	0.85 272	0.89 222	1.12 358	0.46 175	0.86 314	0.60 297	0.22 287	0.16 264	0.22 269	0.18 220	0.25 314	0.26 322

rvit_0105_6	0.38 124	0.28 282	0.64 302	0.50 334	0.30 266	0.39 128	0.38 224	0.51 37	0.67 148	0.40 51	0.45 39	0.50 106	0.41 149	0.54 99	0.36 163	0.27 339	0.26 371	0.24 303	0.21 293	0.22 276	0.16 177

rvit_stereo_0075_2	0.47 214	0.37 339	0.70 330	0.53 366	0.46 388	0.43 154	0.36 190	0.81 208	0.67 148	0.55 97	0.74 137	0.59 155	0.43 157	0.63 186	0.43 210	0.32 375	0.23 348	0.35 383	0.25 346	0.30 345	0.25 317

test_sample2	0.42 168	0.22 154	0.43 133	0.33 14	0.21 40	0.58 225	0.39 246	0.95 258	0.67 148	0.63 125	0.77 147	0.69 211	0.57 231	0.61 169	0.38 186	0.19 226	0.14 206	0.18 148	0.16 149	0.19 218	0.18 211

RAFT_R40	0.40 150	0.19 67	0.44 145	0.43 231	0.25 140	0.23 7	0.26 52	0.67 126	0.67 148	0.98 341	0.78 158	0.72 228	0.43 157	0.76 270	0.35 147	0.16 134	0.11 69	0.20 215	0.16 149	0.18 184	0.14 114

AAGNet	1.43 430	0.20 92	0.48 205	0.44 249	0.25 140	0.29 52	0.31 116	0.65 107	0.68 153	0.97 336	0.86 204	0.67 206	0.62 262	0.64 197	20.63 478	0.16 134	0.11 69	0.19 187	0.15 119	0.19 218	0.12 47

ASMatch	0.48 225	0.19 67	0.45 157	0.39 116	0.28 226	0.37 111	0.26 52	0.74 178	0.68 153	0.76 217	2.34 427	0.61 166	0.52 204	0.62 176	0.37 178	0.14 41	0.12 119	0.17 109	0.15 119	0.14 63	0.21 283

GES	0.44 184	0.23 174	0.57 273	0.40 146	0.30 266	0.59 237	0.36 190	0.96 261	0.68 153	0.74 208	0.83 187	0.47 95	0.48 184	0.67 222	0.43 210	0.22 287	0.16 264	0.17 109	0.16 149	0.18 184	0.23 304

DMCA-RVC	0.51 264	0.30 301	0.59 278	0.50 334	0.32 303	0.54 200	0.38 224	0.86 220	0.68 153	0.94 324	0.86 204	0.91 306	0.68 298	0.70 240	0.59 294	0.23 300	0.18 299	0.31 369	0.23 323	0.26 320	0.19 243

DMCA	0.45 194	0.26 251	0.50 229	0.38 89	0.28 226	0.51 186	0.34 149	0.93 247	0.68 153	0.75 210	0.83 187	0.79 262	0.53 207	0.51 84	0.54 282	0.21 263	0.16 264	0.21 256	0.16 149	0.19 218	0.21 283

MIPNet	0.37 109	0.21 125	0.59 278	0.39 116	0.25 140	0.50 182	0.28 73	0.77 194	0.70 158	0.65 144	0.60 95	0.40 57	0.49 187	0.44 49	0.37 178	0.14 41	0.11 69	0.16 83	0.13 71	0.14 63	0.13 75

PFNet+	0.40 150	0.19 67	0.49 216	0.39 116	0.25 140	0.28 44	0.23 25	0.64 106	0.70 158	0.85 272	0.79 167	0.64 181	0.35 107	0.72 250	0.34 130	0.19 226	0.14 206	0.23 288	0.20 272	0.16 133	0.20 265

NF-Stereo	0.38 124	0.20 92	0.45 157	0.41 174	0.25 140	0.26 21	0.31 116	0.69 144	0.70 158	0.65 144	0.77 147	0.57 132	0.30 78	0.67 222	0.35 147	0.18 197	0.12 119	0.20 215	0.16 149	0.16 133	0.27 331

OCTAStereo	0.38 124	0.20 92	0.46 174	0.41 174	0.25 140	0.26 21	0.31 116	0.69 144	0.70 158	0.65 144	0.77 147	0.58 140	0.30 78	0.67 222	0.35 147	0.18 197	0.12 119	0.20 215	0.16 149	0.16 133	0.27 331

PSM-AAD	0.48 225	0.20 92	0.37 61	0.43 231	0.23 89	0.56 218	0.50 318	0.65 107	0.70 158	1.07 373	1.12 317	0.58 140	0.92 373	0.61 169	0.32 104	0.15 93	0.11 69	0.25 316	0.26 357	0.18 184	0.43 406

RE-Stereo	0.38 124	0.20 92	0.46 174	0.41 174	0.25 140	0.26 21	0.31 116	0.69 144	0.70 158	0.65 144	0.77 147	0.58 140	0.30 78	0.67 222	0.35 147	0.18 197	0.12 119	0.20 215	0.16 149	0.16 133	0.27 331

TVStereo	0.38 124	0.20 92	0.46 174	0.41 174	0.25 140	0.26 21	0.31 116	0.69 144	0.70 158	0.65 144	0.77 147	0.58 140	0.30 78	0.67 222	0.35 147	0.18 197	0.12 119	0.20 215	0.16 149	0.16 133	0.27 331

RAFT-RH_RVC	0.56 303	0.17 28	0.41 103	0.37 64	0.23 89	0.57 223	0.24 37	0.60 77	0.70 158	1.19 390	3.94 458	0.56 127	0.38 127	0.65 204	0.36 163	0.13 17	0.11 69	0.20 215	0.14 96	0.12 11	0.13 75

ICVP	0.46 201	0.25 232	0.38 70	0.48 305	0.28 226	0.58 225	0.43 280	1.00 273	0.70 158	0.67 158	0.95 245	0.75 247	0.55 223	0.53 96	0.54 282	0.23 300	0.17 283	0.19 187	0.17 196	0.19 218	0.20 265
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
FENet	0.42 168	0.22 154	0.38 70	0.39 116	0.24 114	0.55 205	0.32 133	0.79 202	0.70 158	0.71 184	0.72 124	0.63 174	0.57 231	0.62 176	0.44 226	0.19 226	0.13 178	0.19 187	0.17 196	0.18 184	0.19 243

DeepPruner_ROB	0.53 279	0.34 322	0.59 278	0.41 174	0.30 266	0.50 182	0.43 280	1.19 350	0.70 158	0.85 272	1.05 295	0.86 285	0.55 223	0.84 305	0.51 268	0.29 354	0.23 348	0.22 269	0.22 310	0.26 320	0.25 317

trnet	0.27 14	0.14 2	0.23 1	0.28 2	0.15 1	0.37 111	0.23 25	0.52 44	0.72 169	0.42 59	0.51 65	0.34 30	0.26 35	0.39 24	0.25 21	0.15 93	0.11 69	0.12 2	0.08 1	0.11 1	0.10 3

H2IRNET	0.37 109	0.20 92	0.33 28	0.38 89	0.25 140	0.27 31	0.23 25	0.59 67	0.72 169	0.39 46	0.90 226	0.74 245	0.55 223	0.52 89	0.43 210	0.15 93	0.13 178	0.18 148	0.20 272	0.16 133	0.13 75

4D-IteraStereo	0.33 58	0.18 45	0.40 95	0.40 146	0.24 114	0.32 82	0.27 63	0.58 65	0.72 169	0.65 144	0.54 77	0.42 70	0.23 18	0.45 50	0.28 68	0.14 41	0.09 3	0.19 187	0.16 149	0.16 133	0.11 15

LoS	0.29 26	0.15 7	0.30 17	0.29 3	0.18 8	0.33 86	0.29 81	0.51 37	0.72 169	0.34 25	0.52 73	0.41 63	0.28 54	0.47 65	0.28 68	0.15 93	0.11 69	0.13 15	0.09 8	0.11 1	0.11 15
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CSP-Net	0.56 303	0.27 268	0.49 216	0.41 174	0.28 226	1.22 398	0.50 318	1.23 368	0.72 169	0.95 331	0.95 245	0.89 300	0.62 262	0.83 300	0.62 301	0.26 331	0.17 283	0.17 109	0.17 196	0.18 184	0.17 195

CREStereo	0.28 19	0.15 7	0.24 4	0.27 1	0.17 4	0.37 111	0.25 44	0.51 37	0.72 169	0.42 59	0.51 65	0.32 18	0.26 35	0.38 22	0.25 21	0.16 134	0.11 69	0.12 2	0.08 1	0.12 11	0.11 15
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
BEATNet_4x	0.46 201	0.32 309	0.56 269	0.37 64	0.19 13	0.63 261	0.35 170	1.01 280	0.72 169	0.77 223	0.83 187	0.70 215	0.59 247	0.68 232	0.53 278	0.16 134	0.12 119	0.16 83	0.14 96	0.24 306	0.16 177

rvit_0105_4	0.41 161	0.29 293	0.71 334	0.50 334	0.29 252	0.41 145	0.41 269	0.55 54	0.73 176	0.45 67	0.48 52	0.55 124	0.44 166	0.57 123	0.36 163	0.28 347	0.26 371	0.25 316	0.22 310	0.23 293	0.18 211

Any-RAFT	0.35 75	0.16 16	0.30 17	0.34 17	0.21 40	0.52 190	0.22 14	0.88 232	0.73 176	0.53 91	0.73 128	0.64 181	0.28 54	0.46 58	0.24 14	0.15 93	0.10 12	0.13 15	0.10 16	0.13 28	0.12 47

RAFT_CTSACE	0.45 194	0.20 92	0.44 145	0.45 271	0.27 204	0.34 93	0.39 246	0.60 77	0.73 176	0.76 217	1.44 385	0.83 274	0.38 127	1.08 371	0.26 44	0.12 4	0.13 178	0.18 148	0.16 149	0.15 100	0.11 15

STrans-v2	0.46 201	0.20 92	0.48 205	0.40 146	0.24 114	0.55 205	0.50 318	1.07 302	0.73 176	0.65 144	1.05 295	0.72 228	0.69 302	0.72 250	0.33 116	0.14 41	0.10 12	0.17 109	0.14 96	0.13 28	0.12 47

XX-TBD	0.32 48	0.53 396	0.26 8	0.51 349	0.20 28	0.37 111	0.24 37	0.40 6	0.73 176	0.54 95	0.69 119	0.31 16	0.25 25	0.32 7	0.27 56	0.16 134	0.10 12	0.12 2	0.09 8	0.13 28	0.11 15

RAFT-Stereo + iAFF	0.36 93	0.17 28	0.41 103	0.35 38	0.19 13	0.33 86	0.29 81	0.65 107	0.73 176	0.68 164	1.01 273	0.56 127	0.40 143	0.42 36	0.30 87	0.11 1	0.09 3	0.15 60	0.14 96	0.13 28	0.10 3

rvit_0105_5	0.42 168	0.31 306	0.73 342	0.50 334	0.29 252	0.44 160	0.42 278	0.61 83	0.74 182	0.51 83	0.51 65	0.60 161	0.47 179	0.57 123	0.38 186	0.27 339	0.25 364	0.25 316	0.23 323	0.22 276	0.18 211

IPLGR	0.39 139	0.21 125	0.63 297	0.39 116	0.22 55	0.49 179	0.29 81	0.76 191	0.74 182	0.78 227	0.77 147	0.44 82	0.42 151	0.47 65	0.38 186	0.13 17	0.12 119	0.16 83	0.14 96	0.15 100	0.13 75

DEmStereo	0.48 225	0.17 28	0.50 229	0.38 89	0.25 140	0.59 237	0.34 149	0.63 95	0.74 182	0.89 297	1.66 404	0.58 140	1.06 394	0.60 162	0.42 205	0.14 41	0.11 69	0.16 83	0.16 149	0.14 63	0.15 135

DCVSM-stereo	0.49 242	0.27 268	0.53 254	0.39 116	0.29 252	0.51 186	0.26 52	0.75 184	0.75 185	1.11 382	0.75 139	1.05 341	0.72 323	0.60 162	0.47 251	0.20 249	0.19 313	0.24 303	0.20 272	0.25 314	0.30 351

test_sample8	1.25 421	0.36 333	0.72 339	0.38 89	0.30 266	0.71 295	0.43 280	1.13 322	0.75 185	1.50 410	0.95 245	3.29 449	1.59 429	1.20 385	1.36 414	0.41 408	8.41 475	0.40 399	0.41 412	0.36 374	0.33 366

HHNet	0.41 161	0.17 28	0.41 103	0.34 17	0.37 334	0.33 86	0.34 149	0.69 144	0.75 185	0.86 278	1.30 361	0.52 113	0.32 87	0.52 89	0.35 147	0.15 93	0.11 69	0.19 187	0.15 119	0.15 100	0.24 310

UNet	0.54 290	0.26 251	0.66 314	0.44 249	0.40 352	0.99 362	0.41 269	0.98 267	0.75 185	0.83 264	0.89 222	1.04 337	0.72 323	0.73 255	0.62 301	0.19 226	0.14 206	0.20 215	0.17 196	0.20 234	0.17 195

UPFNet	0.53 279	0.24 210	0.51 241	0.45 271	0.38 343	0.84 338	0.49 315	0.99 269	0.75 185	0.87 285	0.88 218	0.86 285	0.64 278	0.80 286	0.71 325	0.20 249	0.20 322	0.20 215	0.20 272	0.19 218	0.15 135

Gwc-CoAtRS	0.34 61	0.17 28	0.44 145	0.39 116	0.23 89	0.34 93	0.22 14	0.70 158	0.75 185	0.60 109	0.59 93	0.58 140	0.29 67	0.45 50	0.26 44	0.14 41	0.11 69	0.14 25	0.12 46	0.12 11	0.12 47

HSM	0.51 264	0.24 210	0.41 103	0.39 116	0.24 114	0.75 307	0.40 255	1.22 364	0.75 185	0.81 243	0.91 229	1.21 367	0.69 302	0.87 316	0.46 244	0.17 168	0.13 178	0.17 109	0.14 96	0.17 165	0.17 195

DN-CSS_ROB	0.43 178	0.26 251	0.62 288	0.40 146	0.29 252	0.44 160	0.27 63	0.77 194	0.75 185	0.72 196	1.09 311	0.48 99	0.43 157	0.69 237	0.37 178	0.15 93	0.12 119	0.21 256	0.19 248	0.18 184	0.16 177

GMStereo_Zeroshot	0.49 242	0.44 369	0.74 347	0.49 320	0.27 204	0.56 218	0.29 81	0.73 176	0.76 193	0.86 278	0.94 237	0.91 306	0.36 121	0.74 262	0.43 210	0.26 331	0.14 206	0.26 332	0.15 119	0.36 374	0.18 211

BUS	0.45 194	0.25 232	0.43 133	0.45 271	0.28 226	0.70 290	0.34 149	0.94 251	0.76 193	0.75 210	0.80 170	0.65 194	0.49 187	0.64 197	0.51 268	0.20 249	0.14 206	0.22 269	0.19 248	0.18 184	0.18 211

BSDual-CNN	0.46 201	0.25 232	0.43 133	0.45 271	0.28 226	0.77 310	0.40 255	0.94 251	0.76 193	0.75 210	0.80 170	0.76 253	0.54 218	0.64 197	0.43 210	0.20 249	0.14 206	0.22 269	0.19 248	0.18 184	0.18 211

psmg	0.49 242	0.25 232	0.43 133	0.41 174	0.28 226	0.85 339	0.43 280	0.99 269	0.76 193	0.91 309	0.94 237	0.76 253	0.54 218	0.64 197	0.43 210	0.20 249	0.15 235	0.20 215	0.20 272	0.18 184	0.18 211

TransformOpticalFlow	0.44 184	0.20 92	0.47 186	0.41 174	0.23 89	0.37 111	0.47 301	0.94 251	0.76 193	0.65 144	1.14 326	0.73 239	0.56 230	0.76 270	0.32 104	0.15 93	0.10 12	0.17 109	0.15 119	0.14 63	0.13 75

IIG-Stereo	0.43 178	0.21 125	0.44 145	0.50 334	0.25 140	0.44 160	0.21 8	0.71 164	0.76 193	0.83 264	0.95 245	0.83 274	0.43 157	0.90 326	0.35 147	0.15 93	0.12 119	0.19 187	0.14 96	0.15 100	0.11 15

LMCR-Stereo	0.53 279	0.30 301	0.53 254	0.58 385	0.30 266	0.83 335	0.36 190	1.19 350	0.76 193	0.88 293	1.04 291	0.56 127	0.62 262	0.82 292	0.67 314	0.19 226	0.15 235	0.19 187	0.14 96	0.23 293	0.17 195

DispNO	0.47 214	0.23 174	0.71 334	0.39 116	0.31 287	0.60 243	0.38 224	0.89 234	0.77 200	0.75 210	0.84 192	0.72 228	0.54 218	0.73 255	0.46 244	0.19 226	0.14 206	0.20 215	0.18 220	0.16 133	0.17 195

ToySt	0.49 242	0.27 268	0.75 351	0.40 146	0.27 204	0.64 268	0.49 315	0.84 214	0.77 200	0.60 109	0.83 187	0.88 296	0.66 289	0.70 240	0.56 289	0.16 134	0.17 283	0.21 256	0.20 272	0.21 255	0.19 243

Anonymous_2	0.82 369	0.44 369	0.63 297	0.40 146	0.43 370	0.80 320	0.52 335	0.72 168	0.77 200	0.71 184	0.60 95	0.87 291	0.76 332	0.75 266	0.58 290	0.52 424	0.54 437	0.54 425	4.82 475	0.56 421	0.40 396

SACVNet	0.58 316	0.34 322	0.55 263	0.55 376	0.36 329	0.63 261	0.48 309	1.13 322	0.77 200	1.02 356	1.06 301	1.02 333	0.74 327	0.90 326	0.51 268	0.27 339	0.21 332	0.25 316	0.24 337	0.29 336	0.36 380

IRAFT_RVC	0.42 168	0.20 92	0.48 205	0.44 249	0.24 114	0.27 31	0.54 343	0.74 178	0.77 200	0.76 217	0.80 170	0.73 239	0.51 202	0.70 240	0.36 163	0.17 168	0.10 12	0.21 256	0.16 149	0.16 133	0.14 114

SFCPSM	0.47 214	0.21 125	0.55 263	0.40 146	0.27 204	0.87 343	0.37 203	1.33 394	0.77 200	0.80 232	0.84 192	0.54 121	0.49 187	0.57 123	0.37 178	0.18 197	0.13 178	0.18 148	0.20 272	0.16 133	0.15 135

PSMNet-RSSM	0.48 225	0.22 154	0.38 70	0.42 212	0.25 140	0.50 182	0.37 203	1.10 311	0.77 200	0.70 178	1.06 301	0.84 278	0.64 278	0.62 176	0.47 251	0.23 300	0.15 235	0.23 288	0.25 346	0.20 234	0.19 243

WCG-NET（raft）	0.31 42	0.15 7	0.36 48	0.32 10	0.19 13	0.35 101	0.27 63	0.51 37	0.78 207	0.45 67	0.55 82	0.48 99	0.27 42	0.54 99	0.26 44	0.13 17	0.10 12	0.12 2	0.11 26	0.12 11	0.11 15

GCST	0.83 376	1.22 442	0.74 347	1.58 447	1.01 440	1.06 375	0.23 25	0.78 199	0.78 207	0.97 336	0.65 107	0.78 260	0.35 107	0.92 336	0.34 130	0.96 442	0.65 442	1.20 442	0.81 445	0.91 434	0.70 433

test-3	0.34 61	0.16 16	0.43 133	0.39 116	0.21 40	0.43 154	0.22 14	0.63 95	0.78 207	0.71 184	0.45 39	0.64 181	0.27 42	0.43 40	0.31 94	0.12 4	0.09 3	0.17 109	0.13 71	0.12 11	0.10 3

test_1	0.34 61	0.16 16	0.43 133	0.39 116	0.21 40	0.43 154	0.23 25	0.63 95	0.78 207	0.68 164	0.45 39	0.64 181	0.27 42	0.43 40	0.31 94	0.12 4	0.09 3	0.17 109	0.13 71	0.12 11	0.10 3

OMP-Stereo	0.42 168	0.22 154	0.46 174	0.52 360	0.24 114	0.36 109	0.25 44	0.71 164	0.78 207	0.77 223	0.64 104	0.89 300	0.39 138	0.91 333	0.35 147	0.15 93	0.12 119	0.20 215	0.15 119	0.15 100	0.12 47

PFNet	0.42 168	0.18 45	0.58 277	0.43 231	0.24 114	0.43 154	0.32 133	0.74 178	0.78 207	1.00 349	0.74 137	0.68 207	0.39 138	0.72 250	0.37 178	0.16 134	0.10 12	0.20 215	0.15 119	0.16 133	0.13 75

HGLStereo	0.56 303	0.28 282	0.57 273	0.50 334	0.37 334	0.80 320	0.45 291	1.02 283	0.78 207	0.86 278	1.14 326	0.89 300	0.82 351	0.76 270	0.73 328	0.21 263	0.20 322	0.19 187	0.18 220	0.19 218	0.21 283

GANet-RSSM	0.47 214	0.21 125	0.37 61	0.38 89	0.25 140	0.58 225	0.36 190	1.07 302	0.78 207	0.68 164	1.01 273	0.86 285	0.67 292	0.62 176	0.44 226	0.21 263	0.15 235	0.18 148	0.18 220	0.18 184	0.17 195

rvit_0105_3	0.47 214	0.34 322	0.77 361	0.54 372	0.31 287	0.49 179	0.47 301	0.63 95	0.79 215	0.65 144	0.59 93	0.64 181	0.50 198	0.65 204	0.39 192	0.29 354	0.27 377	0.29 360	0.28 368	0.21 255	0.20 265

MaskLacGwcNet_RVC	0.67 337	0.81 422	0.73 342	0.53 366	0.37 334	1.40 409	0.53 339	1.04 290	0.79 215	0.88 293	0.94 237	0.95 314	0.53 207	0.93 342	0.58 290	0.39 403	0.30 389	0.57 427	0.31 382	0.53 417	0.30 351

RAFT-Stereo-weight	0.32 48	0.18 45	0.33 28	0.39 116	0.22 55	0.26 21	0.29 81	0.67 126	0.80 217	0.53 91	0.51 65	0.58 140	0.20 8	0.47 65	0.27 56	0.13 17	0.10 12	0.14 25	0.11 26	0.13 28	0.11 15

CoDeX	0.47 214	0.20 92	0.49 216	0.42 212	0.25 140	0.75 307	0.36 190	1.27 383	0.80 217	0.82 252	0.96 249	0.62 172	0.57 231	0.60 162	0.36 163	0.17 168	0.12 119	0.17 109	0.15 119	0.16 133	0.14 114

riskmin	0.38 124	0.20 92	0.39 87	0.32 10	0.23 89	0.53 196	0.30 95	0.63 95	0.80 217	0.49 78	0.56 85	0.73 239	0.58 240	0.55 103	0.36 163	0.17 168	0.11 69	0.19 187	0.13 71	0.19 218	0.20 265

RAFT+CT+SA	0.39 139	0.23 174	0.36 48	0.51 349	0.27 204	0.29 52	0.46 294	0.75 184	0.80 217	0.51 83	0.89 222	0.41 63	0.40 143	0.78 281	0.32 104	0.14 41	0.11 69	0.18 148	0.18 220	0.15 100	0.14 114

PSMNet-ADL	0.48 225	0.27 268	0.40 95	0.48 305	0.30 266	0.68 284	0.37 203	0.90 239	0.80 217	0.61 115	0.80 170	0.92 308	0.62 262	0.72 250	0.63 304	0.23 300	0.18 299	0.18 148	0.20 272	0.22 276	0.20 265

ACVNet	0.46 201	0.23 174	0.36 48	0.39 116	0.28 226	0.58 225	0.40 255	0.87 227	0.80 217	0.64 135	0.96 249	0.79 262	0.60 251	0.63 186	0.67 314	0.17 168	0.15 235	0.16 83	0.15 119	0.18 184	0.15 135

acv_ft	0.51 264	0.23 174	0.56 269	0.44 249	0.28 226	0.86 342	0.39 246	0.91 243	0.80 217	0.97 336	0.96 249	0.79 262	0.59 247	0.63 186	0.87 356	0.17 168	0.15 235	0.16 83	0.15 119	0.17 165	0.15 135

test_sample5	0.47 214	0.26 251	0.49 216	0.36 49	0.22 55	0.64 268	0.39 246	1.13 322	0.81 224	0.77 223	0.94 237	0.64 181	0.54 218	0.65 204	0.43 210	0.21 263	0.16 264	0.22 269	0.20 272	0.22 276	0.20 265

test_sample4	0.47 214	0.26 251	0.50 229	0.35 38	0.22 55	0.69 286	0.38 224	1.15 334	0.81 224	0.78 227	0.82 181	0.62 172	0.53 207	0.63 186	0.44 226	0.21 263	0.15 235	0.21 256	0.19 248	0.21 255	0.19 243

test_sample3	0.46 201	0.25 232	0.50 229	0.35 38	0.23 89	0.69 286	0.37 203	1.15 334	0.81 224	0.75 210	0.79 167	0.66 199	0.49 187	0.63 186	0.46 244	0.21 263	0.15 235	0.20 215	0.19 248	0.21 255	0.19 243

DualNet	0.48 225	0.26 251	0.49 216	0.36 49	0.22 55	0.64 268	0.39 246	1.13 322	0.81 224	0.80 232	1.03 285	0.64 181	0.54 218	0.65 204	0.43 210	0.21 263	0.16 264	0.22 269	0.20 272	0.22 276	0.20 265

ARAFT	0.47 214	0.24 210	0.79 363	0.42 212	0.25 140	0.55 205	0.55 347	0.75 184	0.81 224	0.89 297	0.75 139	0.73 239	0.47 179	0.88 319	0.37 178	0.15 93	0.12 119	0.23 288	0.22 310	0.14 63	0.13 75

CBFPSM	0.59 323	0.22 154	1.31 417	0.38 89	0.27 204	1.12 385	0.65 371	0.79 202	0.82 229	0.80 232	0.81 177	1.35 392	0.87 363	0.67 222	0.76 333	0.16 134	0.15 235	0.15 60	0.16 149	0.17 165	0.22 298

test_5	0.43 178	0.24 210	0.43 133	0.52 360	0.28 226	0.28 44	0.42 278	0.72 168	0.82 229	0.62 117	0.91 229	0.72 228	0.55 223	0.79 285	0.35 147	0.14 41	0.11 69	0.18 148	0.18 220	0.18 184	0.16 177

test_3	0.36 93	0.19 67	0.44 145	0.44 249	0.23 89	0.48 175	0.36 190	0.66 116	0.82 229	0.64 135	0.45 39	0.68 207	0.25 25	0.41 32	0.31 94	0.12 4	0.10 12	0.18 148	0.16 149	0.15 100	0.11 15

psm_up	0.55 292	0.26 251	0.47 186	0.49 320	0.32 303	0.65 275	0.56 352	1.04 290	0.82 229	0.82 252	0.88 218	1.01 328	0.94 379	0.74 262	0.61 299	0.21 263	0.25 364	0.26 332	0.23 323	0.21 255	0.20 265

DSFCA	0.55 292	0.25 232	0.62 288	0.40 146	0.36 329	0.74 304	0.52 335	1.04 290	0.82 229	1.06 370	0.84 192	0.89 300	0.63 268	0.99 352	0.58 290	0.25 321	0.21 332	0.21 256	0.21 293	0.21 255	0.19 243

ACV-stereo	0.62 329	0.34 322	1.00 385	0.43 231	0.31 287	1.20 396	0.40 255	0.75 184	0.83 234	0.64 135	0.77 147	2.10 428	1.03 391	0.81 289	0.64 306	0.21 263	0.17 283	0.18 148	0.18 220	0.21 255	0.21 283

test_sample6	0.49 242	0.26 251	0.50 229	0.37 64	0.22 55	0.63 261	0.40 255	1.12 320	0.83 234	0.80 232	1.03 285	0.66 199	0.55 223	0.67 222	0.46 244	0.22 287	0.16 264	0.22 269	0.22 310	0.23 293	0.21 283

SQANet	0.82 369	0.74 417	0.67 317	1.13 439	0.98 437	1.11 382	0.47 301	1.07 302	0.83 234	0.91 309	1.05 295	1.03 335	0.74 327	1.01 356	0.64 306	0.61 431	0.24 356	1.03 440	0.35 395	1.18 443	0.58 429

hknet	0.49 242	0.25 232	0.51 241	0.45 271	0.29 252	0.77 310	0.40 255	0.94 251	0.83 234	0.75 210	0.80 170	0.97 318	0.61 256	0.73 255	0.45 234	0.18 197	0.14 206	0.22 269	0.19 248	0.18 184	0.18 211

s12784h	0.36 93	0.15 7	0.24 4	0.34 17	0.15 1	0.77 310	0.29 81	0.80 205	0.83 234	0.56 100	0.57 88	0.43 77	0.40 143	0.57 123	0.33 116	0.12 4	0.10 12	0.14 25	0.09 8	0.14 63	0.09 1

iinet-f	0.67 337	0.26 251	2.15 444	0.39 116	0.31 287	1.19 395	0.56 352	0.84 214	0.84 239	0.80 232	1.17 338	1.05 341	0.84 357	0.71 245	1.21 406	0.20 249	0.18 299	0.17 109	0.15 119	0.20 234	0.20 265

gwcnet-sp	0.48 225	0.23 174	0.70 330	0.40 146	0.26 177	0.81 325	0.41 269	0.89 234	0.84 239	0.91 309	0.76 143	0.66 199	0.61 256	0.66 212	0.50 258	0.18 197	0.17 283	0.18 148	0.18 220	0.18 184	0.18 211

scenet	0.48 225	0.23 174	0.70 330	0.40 146	0.26 177	0.81 325	0.41 269	0.89 234	0.84 239	0.91 309	0.76 143	0.66 199	0.61 256	0.66 212	0.50 258	0.18 197	0.17 283	0.18 148	0.18 220	0.18 184	0.18 211

ssnet	0.48 225	0.23 174	0.70 330	0.40 146	0.26 177	0.81 325	0.41 269	0.89 234	0.84 239	0.91 309	0.76 143	0.66 199	0.61 256	0.66 212	0.50 258	0.18 197	0.17 283	0.18 148	0.18 220	0.18 184	0.18 211

CFNet-RSSM	0.34 61	0.17 28	0.45 157	0.39 116	0.22 55	0.35 101	0.23 25	0.73 176	0.84 239	0.65 144	0.54 77	0.57 132	0.28 54	0.46 58	0.26 44	0.13 17	0.10 12	0.14 25	0.12 46	0.13 28	0.11 15

DANet	0.71 348	0.45 373	0.91 377	0.59 389	0.40 352	0.81 325	0.40 255	0.97 264	0.84 239	1.20 393	1.22 346	1.33 386	0.88 366	1.16 380	1.24 407	0.27 339	0.23 348	0.31 369	0.25 346	0.35 370	0.32 362
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
UCFNet_RVC	0.49 242	0.26 251	0.35 43	0.39 116	0.26 177	0.64 268	0.36 190	1.15 334	0.84 239	0.67 158	0.88 218	0.88 296	0.59 247	0.58 141	0.45 234	0.24 311	0.17 283	0.27 344	0.27 363	0.25 314	0.23 304

DRaft	0.49 242	0.17 28	0.47 186	0.37 64	0.25 140	0.58 225	0.40 255	0.65 107	0.85 246	1.02 356	1.75 411	0.50 106	0.82 351	0.63 186	0.40 198	0.13 17	0.11 69	0.16 83	0.16 149	0.14 63	0.15 135

APVNet	0.71 348	0.37 339	0.89 376	0.56 379	0.45 381	1.18 394	0.68 379	1.41 410	0.85 246	0.81 243	1.15 331	1.04 337	0.81 347	1.10 374	1.17 403	0.26 331	0.28 380	0.32 374	0.31 382	0.29 336	0.30 351

cf-r	0.47 214	0.23 174	0.41 103	0.39 116	0.23 89	0.59 237	0.37 203	0.88 232	0.85 246	0.72 196	1.05 295	0.94 312	0.62 262	0.56 112	0.54 282	0.21 263	0.14 206	0.17 109	0.19 248	0.15 100	0.15 135

CFNet-ft	0.48 225	0.23 174	0.36 48	0.40 146	0.26 177	0.64 268	0.37 203	0.87 227	0.85 246	0.64 135	1.00 270	1.01 328	0.64 278	0.61 169	0.53 278	0.23 300	0.15 235	0.24 303	0.21 293	0.23 293	0.18 211

CFNet_RVC	0.48 225	0.23 174	0.36 48	0.40 146	0.26 177	0.64 268	0.37 203	0.87 227	0.85 246	0.64 135	1.00 270	1.01 328	0.64 278	0.61 169	0.53 278	0.23 300	0.15 235	0.24 303	0.21 293	0.23 293	0.18 211

AASNet	0.53 279	0.25 232	0.52 246	0.49 320	0.32 303	0.74 304	0.40 255	1.50 420	0.86 251	0.86 278	0.92 233	0.64 181	0.59 247	0.59 156	0.79 338	0.23 300	0.19 313	0.20 215	0.16 149	0.21 255	0.19 243

GANet-ADL	0.42 168	0.25 232	0.45 157	0.43 231	0.29 252	0.54 200	0.35 170	0.89 234	0.86 251	0.63 125	0.72 124	0.68 207	0.42 151	0.52 89	0.41 201	0.21 263	0.14 206	0.15 60	0.13 71	0.18 184	0.19 243

CrosDoStereo	0.50 257	0.18 45	0.45 157	0.38 89	0.24 114	0.40 132	1.18 434	0.67 126	0.86 251	0.94 324	1.37 371	0.63 174	0.77 336	0.65 204	0.45 234	0.15 93	0.12 119	0.17 109	0.18 220	0.14 63	0.14 114

DeepStereo_LL	0.50 257	0.18 45	0.45 157	0.38 89	0.24 114	0.40 132	1.18 434	0.67 126	0.86 251	0.94 324	1.37 371	0.63 174	0.77 336	0.65 204	0.45 234	0.15 93	0.12 119	0.17 109	0.18 220	0.14 63	0.14 114

ADLNet	0.55 292	0.27 268	0.51 241	0.44 249	0.35 327	0.78 314	0.46 294	1.08 306	0.86 251	0.99 344	0.98 263	0.92 308	0.63 268	0.69 237	0.81 343	0.22 287	0.16 264	0.22 269	0.22 310	0.21 255	0.21 283

test_xeample	1.01 396	0.21 125	0.42 123	0.35 38	0.21 40	0.71 295	0.39 246	1.23 368	0.86 251	0.81 243	1.04 291	0.69 211	0.61 256	0.69 237	10.93 470	0.19 226	0.15 235	0.18 148	0.17 196	0.18 184	0.17 195

delet	0.55 292	0.24 210	0.55 263	0.44 249	0.33 313	1.07 376	0.50 318	1.00 273	0.86 251	0.85 272	0.96 249	0.90 304	0.63 268	0.83 300	0.74 331	0.18 197	0.18 299	0.20 215	0.21 293	0.16 133	0.15 135

STTStereo	0.55 292	0.37 339	0.76 356	0.44 249	0.31 287	0.60 243	0.44 289	0.96 261	0.86 251	0.99 344	0.90 226	0.96 316	0.58 240	0.71 245	0.61 299	0.25 321	0.23 348	0.26 332	0.32 388	0.24 306	0.23 304

PS-NSSS	0.58 316	0.44 369	0.62 288	0.42 212	0.33 313	0.66 278	0.58 356	1.02 283	0.86 251	0.77 223	1.28 357	0.72 228	0.64 278	0.82 292	0.59 294	0.31 364	0.26 371	0.40 399	0.27 363	0.33 360	0.26 322

THIR-Stereo	0.50 257	0.18 45	0.45 157	0.38 89	0.23 89	0.75 307	0.67 374	0.66 116	0.87 260	1.02 356	1.40 377	0.72 228	0.76 332	0.62 176	0.42 205	0.15 93	0.11 69	0.17 109	0.18 220	0.14 63	0.15 135

FADNet-RVC	0.60 326	0.53 396	1.14 398	0.46 291	0.39 347	0.61 245	0.39 246	1.12 320	0.87 260	0.70 178	0.84 192	1.04 337	0.55 223	0.94 349	0.69 318	0.26 331	0.25 364	0.28 352	0.28 368	0.31 350	0.31 358

G-Net	0.95 392	0.46 375	1.04 388	0.64 402	0.48 390	2.12 439	0.64 370	1.01 280	0.87 260	1.75 425	2.82 443	1.30 377	1.64 433	1.06 366	0.96 380	0.36 397	0.29 385	0.35 383	0.25 346	0.45 401	0.42 401

MLCV	0.47 214	0.24 210	0.61 285	0.37 64	0.17 4	0.61 245	0.33 142	0.80 205	0.87 260	0.94 324	1.13 323	0.72 228	0.43 157	0.89 324	0.51 268	0.13 17	0.10 12	0.13 15	0.11 26	0.14 63	0.12 47

DualNet (step1)	0.57 309	0.36 333	0.72 339	0.38 89	0.30 266	0.71 295	0.43 280	1.06 298	0.88 264	0.92 317	0.86 204	0.85 280	0.69 302	0.68 232	0.50 258	0.41 408	0.20 322	0.40 399	0.41 412	0.36 374	0.33 366

test_sample9	1.05 404	0.36 333	0.72 339	0.38 89	0.30 266	0.71 295	0.43 280	1.06 298	0.88 264	0.92 317	0.86 204	0.85 280	0.69 302	1.20 385	1.36 414	0.41 408	8.41 475	0.40 399	0.41 412	0.36 374	0.33 366

test_sample7	0.52 273	0.29 293	0.50 229	0.36 49	0.27 204	0.62 252	0.41 269	1.06 298	0.88 264	0.92 317	0.86 204	0.85 280	0.69 302	0.68 232	0.50 258	0.26 331	0.20 322	0.27 344	0.26 357	0.27 330	0.24 310

NINENet	0.50 257	0.29 293	0.51 241	0.45 271	0.32 303	0.70 290	0.34 149	1.10 311	0.88 264	0.80 232	0.94 237	0.65 194	0.49 187	0.73 255	0.51 268	0.22 287	0.20 322	0.25 316	0.18 220	0.22 276	0.21 283

CREStereo++_RVC	0.32 48	0.15 7	0.23 1	0.31 7	0.24 114	0.27 31	0.22 14	0.46 22	0.88 264	0.46 72	0.80 170	0.30 10	0.26 35	0.36 14	0.33 116	0.13 17	0.09 3	0.13 15	0.51 431	0.13 28	0.09 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
CFNet_pseudo	0.46 201	0.24 210	0.52 246	0.37 64	0.27 204	0.58 225	0.30 95	0.86 220	0.88 264	0.82 252	1.03 285	0.75 247	0.47 179	0.58 141	0.44 226	0.17 168	0.12 119	0.24 303	0.16 149	0.24 306	0.19 243

xxxx	1.01 396	0.22 154	0.43 133	0.36 49	0.21 40	0.82 333	0.36 190	1.32 392	0.88 264	0.71 184	0.94 237	0.97 318	0.63 268	0.64 197	10.58 469	0.20 249	0.16 264	0.18 148	0.17 196	0.19 218	0.19 243

psmorigin	0.82 369	0.51 386	2.09 442	0.49 320	0.41 359	0.85 339	0.50 318	1.04 290	0.88 264	1.45 408	1.43 383	1.50 406	1.06 394	1.22 390	0.97 381	0.31 364	0.32 401	0.27 344	0.27 363	0.33 360	0.42 401

FADNet_RVC	0.55 292	0.37 339	1.17 404	0.44 249	0.31 287	0.56 218	0.34 149	1.06 298	0.88 264	0.67 158	0.90 226	0.61 166	0.65 284	0.93 342	0.70 321	0.21 263	0.18 299	0.26 332	0.23 323	0.31 350	0.28 338

RASNet	0.53 279	0.22 154	0.52 246	0.38 89	0.22 55	0.68 284	0.38 224	0.97 264	0.88 264	0.73 203	1.04 291	1.03 335	0.92 373	0.90 326	0.86 352	0.16 134	0.14 206	0.14 25	0.17 196	0.15 100	0.13 75

NLCA_NET_v2_RVC	0.53 279	0.32 309	0.64 302	0.44 249	0.30 266	0.66 278	0.44 289	1.04 290	0.88 264	0.91 309	0.91 229	0.99 322	0.60 251	0.68 232	0.60 297	0.21 263	0.17 283	0.22 269	0.22 310	0.21 255	0.21 283
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
ccs_rob	0.46 201	0.24 210	0.52 246	0.37 64	0.27 204	0.58 225	0.31 116	0.86 220	0.88 264	0.82 252	1.02 281	0.75 247	0.47 179	0.58 141	0.44 226	0.17 168	0.12 119	0.24 303	0.16 149	0.24 306	0.19 243

AdaStereo	0.50 257	0.32 309	0.47 186	0.48 305	0.25 140	0.67 282	0.32 133	1.17 345	0.88 264	0.75 210	0.99 268	0.75 247	0.49 187	0.67 222	0.46 244	0.27 339	0.12 119	0.28 352	0.18 220	0.23 293	0.18 211
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
raft+_RVC	0.38 124	0.19 67	0.35 43	0.37 64	0.25 140	0.45 167	0.37 203	0.78 199	0.89 277	0.51 83	0.78 158	0.50 106	0.29 67	0.53 96	0.40 198	0.15 93	0.12 119	0.17 109	0.15 119	0.14 63	0.12 47

222	1.18 416	0.22 154	0.44 145	0.37 64	0.22 55	0.79 317	0.37 203	1.31 391	0.89 277	0.92 317	1.08 307	0.72 228	0.71 319	0.66 212	13.89 473	0.20 249	0.15 235	0.17 109	0.16 149	0.18 184	0.19 243

Former-RAFT_DAM_RVC	0.34 61	0.27 268	0.45 157	0.36 49	0.25 140	0.48 175	0.30 95	0.58 65	0.90 279	0.42 59	0.36 28	0.30 10	0.29 67	0.49 75	0.30 87	0.16 134	0.14 206	0.18 148	0.15 119	0.18 184	0.15 135

TestStereo1	0.43 178	0.23 174	0.41 103	0.51 349	0.24 114	0.34 93	0.40 255	0.77 194	0.90 279	0.68 164	0.96 249	0.48 99	0.46 175	0.91 333	0.32 104	0.16 134	0.13 178	0.18 148	0.15 119	0.14 63	0.13 75

SA-5K	0.43 178	0.23 174	0.41 103	0.51 349	0.24 114	0.34 93	0.40 255	0.77 194	0.90 279	0.68 164	0.96 249	0.48 99	0.46 175	0.91 333	0.32 104	0.16 134	0.13 178	0.18 148	0.15 119	0.14 63	0.13 75

rafts_anoy	0.37 109	0.21 125	0.36 48	0.41 174	0.26 177	0.30 60	0.33 142	0.67 126	0.90 279	0.58 103	0.66 112	0.45 84	0.33 97	0.47 65	0.39 192	0.16 134	0.11 69	0.21 256	0.23 323	0.17 165	0.14 114

hitnet-ft	0.55 292	0.27 268	0.39 87	0.41 174	0.28 226	0.78 314	0.40 255	0.92 245	0.90 279	0.82 252	1.01 273	1.13 362	0.70 315	0.78 281	0.67 314	0.28 347	0.20 322	0.28 352	0.22 310	0.29 336	0.26 322

anonymity	0.97 393	0.89 428	1.05 389	0.92 431	1.03 441	0.97 357	0.81 405	1.29 386	0.91 284	1.07 373	0.98 263	1.00 325	0.95 382	1.02 361	0.92 374	0.96 442	0.95 461	0.90 437	0.91 451	0.92 435	0.94 444

ADStereo(finetuned)	0.37 109	0.16 16	0.49 216	0.34 17	0.19 13	0.30 60	0.30 95	0.68 136	0.91 284	0.70 178	0.77 147	0.43 77	0.69 302	0.45 50	0.33 116	0.14 41	0.10 12	0.14 25	0.11 26	0.13 28	0.12 47

DCANet	0.36 93	0.16 16	0.41 103	0.34 17	0.19 13	0.30 60	0.30 95	0.68 136	0.91 284	0.70 178	0.77 147	0.43 77	0.57 231	0.45 50	0.34 130	0.14 41	0.10 12	0.14 25	0.11 26	0.13 28	0.12 47

RAFT + AFF	0.53 279	0.29 293	0.75 351	0.51 349	0.32 303	0.63 261	0.60 360	1.00 273	0.91 284	0.78 227	0.87 211	0.83 274	0.58 240	0.80 286	0.47 251	0.17 168	0.20 322	0.23 288	0.22 310	0.18 184	0.18 211

MMNet	0.55 292	0.25 232	0.61 285	0.43 231	0.34 321	1.07 376	0.39 246	0.87 227	0.91 284	0.91 309	0.93 236	0.86 285	0.76 332	0.81 289	0.76 333	0.15 93	0.14 206	0.18 148	0.19 248	0.20 234	0.16 177

DCANet-4	0.36 93	0.20 92	0.48 205	0.34 17	0.19 13	0.29 52	0.30 95	0.66 116	0.92 289	0.69 172	0.78 158	0.40 57	0.47 179	0.45 50	0.34 130	0.14 41	0.10 12	0.14 25	0.11 26	0.11 1	0.13 75

UDGNet	0.48 225	0.77 419	0.50 229	0.48 305	0.31 287	0.41 145	0.34 149	0.70 158	0.92 289	0.65 144	0.60 95	0.58 140	0.43 157	0.63 186	0.41 201	0.32 375	0.15 235	0.66 431	0.19 248	0.36 374	0.21 283

GEStereo_RVC	0.55 292	0.29 293	0.63 297	0.49 320	0.31 287	0.70 290	0.54 343	1.22 364	0.92 289	0.82 252	0.85 201	0.85 280	0.63 268	0.90 326	0.65 308	0.24 311	0.16 264	0.19 187	0.16 149	0.21 255	0.22 298

DLCB_ROB	0.58 316	0.28 282	0.47 186	0.49 320	0.32 303	0.77 310	0.50 318	0.99 269	0.92 289	1.04 365	1.14 326	1.21 367	0.69 302	0.88 319	0.69 318	0.20 249	0.20 322	0.22 269	0.22 310	0.21 255	0.18 211

PSMNet_ROB	0.64 332	0.37 339	0.65 308	0.56 379	0.42 365	0.97 357	0.83 406	1.21 356	0.92 289	0.79 230	1.02 281	1.08 350	0.63 268	0.82 292	0.91 373	0.29 354	0.20 322	0.31 369	0.31 382	0.26 320	0.23 304

CFNet_ucs	0.50 257	0.24 210	0.55 263	0.38 89	0.31 287	0.58 225	0.33 142	0.98 267	0.93 294	0.88 293	1.19 344	0.80 270	0.49 187	0.63 186	0.43 210	0.21 263	0.15 235	0.26 332	0.18 220	0.26 320	0.22 298

Sa-1000	0.48 225	0.24 210	0.41 103	0.45 271	0.25 140	0.59 237	0.34 149	0.81 208	0.93 294	0.82 252	1.50 392	0.53 117	0.45 171	0.92 336	0.30 87	0.15 93	0.12 119	0.21 256	0.19 248	0.15 100	0.13 75

GwcNet-RSSM	0.49 242	0.24 210	0.42 123	0.40 146	0.23 89	0.55 205	0.38 224	0.93 247	0.93 294	0.71 184	1.16 336	0.86 285	0.60 251	0.62 176	0.66 311	0.21 263	0.14 206	0.19 187	0.20 272	0.16 133	0.15 135

FADNet-RVC-Resample	0.56 303	0.33 317	1.16 399	0.49 320	0.34 321	0.71 295	0.43 280	1.01 280	0.93 294	0.82 252	0.87 211	0.74 245	0.67 292	0.73 255	0.45 234	0.18 197	0.18 299	0.26 332	0.27 363	0.26 320	0.27 331

HSM-Net_RVC	0.53 279	0.22 154	0.35 43	0.37 64	0.21 40	0.85 339	0.37 203	1.23 368	0.93 294	0.90 304	1.15 331	1.26 371	0.63 268	0.72 250	0.48 255	0.17 168	0.13 178	0.16 83	0.15 119	0.17 165	0.15 135
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CVANet_RVC	0.57 309	0.33 317	0.44 145	0.47 300	0.32 303	0.67 282	0.61 365	1.05 295	0.93 294	0.85 272	1.04 291	1.01 328	0.73 325	0.83 300	0.52 275	0.29 354	0.19 313	0.27 344	0.25 346	0.31 350	0.21 283

ETE_ROB	0.70 344	0.49 379	0.73 342	0.56 379	0.36 329	0.79 317	0.87 413	1.14 331	0.93 294	1.19 390	1.18 340	1.39 395	0.82 351	0.99 352	0.80 340	0.26 331	0.21 332	0.31 369	0.26 357	0.33 360	0.34 373

rvit_105_1	0.54 290	0.40 357	0.76 356	0.58 385	0.37 334	0.59 237	0.68 379	0.70 158	0.94 301	0.82 252	0.69 119	0.73 239	0.58 240	0.78 281	0.54 282	0.32 375	0.29 385	0.31 369	0.34 392	0.23 293	0.20 265

DDUNet	1.06 405	2.56 469	0.68 320	1.21 441	1.26 446	1.03 369	0.69 384	1.11 316	0.94 301	0.96 332	1.22 346	1.27 372	0.82 351	0.93 342	0.72 327	0.84 439	0.38 416	1.99 451	0.60 436	1.10 442	0.85 440

ccnet	0.82 369	0.57 401	0.75 351	0.54 372	0.59 416	1.09 381	0.66 372	1.38 405	0.94 301	1.12 383	1.44 385	1.29 375	0.92 373	0.95 351	1.24 407	0.49 420	0.42 425	0.50 422	0.47 422	0.51 412	0.46 412

GANet	0.70 344	0.37 339	0.55 263	0.51 349	0.34 321	0.94 350	0.96 421	1.08 306	0.94 301	1.04 365	1.98 420	1.13 362	0.88 366	1.12 377	0.66 311	0.25 321	0.26 371	0.27 344	0.22 310	0.31 350	0.22 298

StereoDRNet-Refined	0.58 316	0.32 309	0.54 258	0.46 291	0.30 266	0.96 356	0.40 255	1.00 273	0.94 301	1.12 383	1.08 307	0.96 316	0.67 292	0.90 326	0.89 369	0.17 168	0.13 178	0.22 269	0.21 293	0.20 234	0.19 243
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.70 344	0.35 328	0.68 320	0.52 360	0.40 352	0.79 317	0.85 412	1.16 340	0.94 301	1.33 404	1.15 331	1.38 394	0.83 355	1.03 363	0.90 371	0.32 375	0.25 364	0.26 332	0.24 337	0.31 350	0.28 338

ADLNet2	0.55 292	0.25 232	0.65 308	0.47 300	0.30 266	0.83 335	0.50 318	1.05 295	0.95 307	0.80 232	0.98 263	0.99 322	0.69 302	0.77 277	0.73 328	0.20 249	0.16 264	0.17 109	0.18 220	0.21 255	0.21 283

PCWNet_CMD	0.48 225	0.24 210	0.52 246	0.39 116	0.27 204	0.63 261	0.30 95	0.95 258	0.96 308	0.86 278	1.07 304	0.79 262	0.44 166	0.57 123	0.43 210	0.17 168	0.12 119	0.21 256	0.16 149	0.24 306	0.19 243

SA	0.44 184	0.25 232	0.46 174	0.46 291	0.24 114	0.43 154	0.36 190	0.75 184	0.96 308	0.59 105	1.03 285	0.48 99	0.52 204	0.94 349	0.32 104	0.16 134	0.12 119	0.21 256	0.19 248	0.15 100	0.13 75

MSMDNet	0.48 225	0.24 210	0.52 246	0.39 116	0.27 204	0.63 261	0.30 95	0.96 261	0.96 308	0.86 278	1.07 304	0.79 262	0.44 166	0.57 123	0.43 210	0.17 168	0.12 119	0.20 215	0.16 149	0.23 293	0.19 243

LL-Strereo	0.57 309	0.27 268	0.68 320	0.48 305	0.34 321	0.39 128	0.48 309	0.94 251	0.97 311	0.83 264	0.78 158	1.10 354	1.18 406	1.33 402	0.49 257	0.17 168	0.14 206	0.22 269	0.19 248	0.16 133	0.17 195

DAS	0.51 264	0.25 232	0.60 283	0.48 305	0.31 287	0.58 225	0.41 269	0.83 211	0.97 311	0.89 297	1.12 317	0.70 215	0.75 329	0.82 292	0.43 210	0.17 168	0.13 178	0.18 148	0.15 119	0.20 234	0.18 211

SepStereo	0.51 264	0.25 232	0.60 283	0.48 305	0.31 287	0.58 225	0.41 269	0.83 211	0.97 311	0.89 297	1.12 317	0.70 215	0.75 329	0.93 342	0.43 210	0.17 168	0.13 178	0.18 148	0.15 119	0.20 234	0.18 211

GwcNet-ADL	0.44 184	0.22 154	0.48 205	0.45 271	0.30 266	0.40 132	0.37 203	0.92 245	0.97 311	0.71 184	0.78 158	0.61 166	0.42 151	0.62 176	0.50 258	0.19 226	0.14 206	0.15 60	0.14 96	0.18 184	0.18 211

SDNR	0.86 379	0.37 339	1.47 430	0.40 146	0.38 343	3.38 459	0.33 142	0.90 239	0.98 315	0.99 344	2.09 424	0.59 155	0.71 319	1.29 398	0.70 321	0.51 423	0.56 438	0.36 387	0.26 357	0.43 396	0.46 412

fast-acv-ft	0.64 332	0.30 301	0.73 342	0.45 271	0.34 321	1.17 392	0.49 315	0.86 220	0.98 315	1.02 356	1.36 368	1.29 375	0.85 358	0.76 270	0.81 343	0.21 263	0.23 348	0.23 288	0.23 323	0.21 255	0.20 265

raft_robust	0.41 161	0.23 174	0.36 48	0.42 212	0.21 40	0.40 132	0.33 142	0.79 202	0.98 315	0.79 230	0.87 211	0.39 50	0.33 97	0.84 305	0.29 81	0.13 17	0.12 119	0.16 83	0.17 196	0.15 100	0.12 47

ADCRef	0.80 365	0.43 365	1.32 419	0.50 334	0.45 381	1.07 376	0.51 332	1.07 302	0.98 315	1.17 388	1.42 380	0.87 291	0.91 369	0.85 312	3.19 446	0.18 197	0.16 264	0.23 288	0.23 323	0.22 276	0.21 283

CBMV_ROB	0.59 323	0.37 339	0.38 70	0.39 116	0.28 226	0.74 304	0.28 73	1.00 273	0.98 315	0.94 324	1.25 353	0.81 272	0.78 341	0.87 316	0.50 258	0.36 397	0.37 414	0.43 405	0.40 407	0.33 360	0.30 351

1111x	0.55 292	0.22 154	0.46 174	0.38 89	0.20 28	0.66 278	0.43 280	1.23 368	0.99 320	0.71 184	0.99 268	0.95 314	0.69 302	0.90 326	1.08 395	0.18 197	0.17 283	0.18 148	0.19 248	0.20 234	0.18 211

ssnet_v2	0.58 316	0.28 282	0.56 269	0.43 231	0.29 252	0.95 353	0.59 358	1.13 322	0.99 320	0.93 321	0.80 170	0.99 322	0.64 278	0.82 292	0.94 375	0.25 321	0.22 338	0.23 288	0.24 337	0.20 234	0.19 243

Wz-Net-LNSev-Ref	0.63 331	0.28 282	0.99 384	0.40 146	0.30 266	1.03 369	0.56 352	1.10 311	0.99 320	0.97 336	1.22 346	1.06 343	0.69 302	1.07 369	0.95 378	0.19 226	0.11 69	0.16 83	0.13 71	0.22 276	0.21 283

UDG	0.88 382	0.82 425	0.67 317	1.00 435	0.96 434	1.02 366	0.57 355	1.13 322	0.99 320	0.90 304	0.97 262	1.31 378	0.99 387	0.85 312	0.84 347	0.54 428	0.32 401	1.77 448	0.40 407	0.94 436	0.66 432

StereoDRNet	0.64 332	0.33 317	0.68 320	0.51 349	0.43 370	1.03 369	0.53 339	1.47 416	0.99 320	1.10 380	0.87 211	1.07 348	0.71 319	0.82 292	0.88 359	0.23 300	0.19 313	0.25 316	0.23 323	0.27 330	0.19 243

iResNet	0.49 242	0.29 293	0.79 363	0.42 212	0.21 40	0.61 245	0.40 255	0.82 210	0.99 320	0.87 285	1.12 317	0.69 211	0.53 207	0.78 281	0.51 268	0.15 93	0.11 69	0.14 25	0.12 46	0.17 165	0.15 135

HBP-ISP	0.59 323	0.45 373	0.43 133	0.45 271	0.33 313	0.70 290	0.28 73	1.11 316	1.00 326	0.83 264	1.18 340	0.65 194	0.68 298	0.88 319	0.52 275	0.35 394	0.38 416	0.47 413	0.41 412	0.38 383	0.31 358

aanetorigin	0.83 376	0.56 399	1.87 439	0.49 320	0.38 343	0.56 218	0.66 372	0.70 158	1.00 326	2.42 445	2.02 421	1.31 378	1.18 406	0.93 342	1.13 402	0.20 249	0.18 299	0.20 215	0.19 248	0.27 330	0.30 351

CFNet	0.51 264	0.29 293	0.46 174	0.41 174	0.27 204	0.70 290	0.32 133	1.13 322	1.00 326	0.72 196	1.07 304	0.85 280	0.60 251	0.76 270	0.52 275	0.19 226	0.14 206	0.23 288	0.23 323	0.21 255	0.16 177

NCCL2	0.72 352	0.41 361	0.65 308	0.64 402	0.44 377	0.98 361	1.20 436	1.11 316	1.00 326	0.98 341	0.96 249	1.49 405	0.87 363	0.90 326	0.79 338	0.31 364	0.26 371	0.39 396	0.39 404	0.32 355	0.32 362

TDLM	0.57 309	0.33 317	0.49 216	0.51 349	0.30 266	0.66 278	0.73 396	1.03 287	1.01 330	0.82 252	1.10 313	0.84 278	0.70 315	0.86 314	0.58 290	0.28 347	0.17 283	0.25 316	0.22 310	0.26 320	0.19 243

iResNetv2_ROB	0.52 273	0.27 268	0.69 326	0.38 89	0.25 140	0.62 252	0.35 170	1.17 345	1.01 330	0.99 344	1.06 301	0.88 296	0.67 292	0.66 212	0.39 192	0.19 226	0.13 178	0.15 60	0.11 26	0.18 184	0.16 177

DRN-Test	0.66 336	0.32 309	0.66 314	0.50 334	0.39 347	1.15 389	0.61 365	1.49 419	1.01 330	1.12 383	1.08 307	1.06 343	0.69 302	0.77 277	0.94 375	0.23 300	0.17 283	0.26 332	0.25 346	0.25 314	0.21 283

SMFormer	0.51 264	0.23 174	0.62 288	0.34 17	0.20 28	0.62 252	0.34 149	1.21 356	1.02 333	0.81 243	1.01 273	0.71 219	0.65 284	0.84 305	0.55 287	0.19 226	0.15 235	0.18 148	0.16 149	0.18 184	0.18 211

tta	0.51 264	0.23 174	0.62 288	0.34 17	0.20 28	0.62 252	0.34 149	1.21 356	1.02 333	0.81 243	1.01 273	0.71 219	0.65 284	0.84 305	0.55 287	0.19 226	0.15 235	0.18 148	0.16 149	0.15 100	0.14 114

qqq1	0.49 242	0.23 174	0.62 288	0.34 17	0.20 28	0.62 252	0.34 149	1.21 356	1.02 333	0.81 243	1.01 273	0.71 219	0.65 284	0.84 305	0.34 130	0.19 226	0.15 235	0.14 25	0.12 46	0.15 100	0.14 114

fff1	0.49 242	0.23 174	0.62 288	0.34 17	0.20 28	0.62 252	0.34 149	1.21 356	1.02 333	0.81 243	1.01 273	0.71 219	0.65 284	0.84 305	0.34 130	0.19 226	0.15 235	0.14 25	0.12 46	0.15 100	0.14 114

CC-Net-ROB	0.82 369	0.96 433	0.85 368	0.58 385	0.45 381	1.27 403	0.70 389	1.17 345	1.02 333	0.83 264	1.23 350	0.90 304	0.77 336	1.06 366	0.69 318	0.46 414	0.34 409	1.71 447	0.38 400	0.59 427	0.36 380

mmx	0.53 279	0.26 251	0.49 216	0.37 64	0.25 140	0.55 205	0.37 203	1.16 340	1.03 338	0.73 203	0.96 249	0.71 219	0.53 207	1.01 356	0.88 359	0.20 249	0.15 235	0.25 316	0.21 293	0.22 276	0.20 265

xxx	0.53 279	0.26 251	0.49 216	0.37 64	0.25 140	0.55 205	0.37 203	1.16 340	1.03 338	0.73 203	0.96 249	0.71 219	0.53 207	1.01 356	0.88 359	0.20 249	0.15 235	0.25 316	0.21 293	0.22 276	0.20 265

GASNet	0.67 337	0.72 415	0.96 381	0.70 420	0.48 390	0.62 252	0.47 301	1.08 306	1.03 338	0.94 324	0.82 181	0.93 310	0.83 355	1.33 402	0.80 340	0.31 364	0.22 338	0.29 360	0.28 368	0.44 397	0.24 310

ADCP+	1.06 405	0.35 328	1.51 432	0.49 320	0.51 397	1.45 415	0.55 347	1.25 379	1.03 338	1.16 387	1.15 331	1.10 354	1.07 396	1.56 417	6.75 466	0.19 226	0.16 264	0.23 288	0.21 293	0.28 333	0.21 283

ffm	0.44 184	0.26 251	0.49 216	0.37 64	0.25 140	0.55 205	0.37 203	0.68 136	1.04 342	0.73 203	0.96 249	0.71 219	0.53 207	0.57 123	0.25 21	0.16 134	0.10 12	0.25 316	0.21 293	0.16 133	0.16 177

ff1	0.49 242	0.26 251	0.49 216	0.37 64	0.25 140	0.55 205	0.37 203	0.68 136	1.04 342	0.73 203	0.96 249	0.71 219	0.53 207	1.01 356	0.88 359	0.16 134	0.10 12	0.25 316	0.21 293	0.16 133	0.16 177

tt1	0.36 93	0.24 210	0.32 24	0.41 174	0.22 55	0.54 200	0.38 224	0.68 136	1.04 342	0.41 54	0.46 44	0.35 37	0.45 171	0.57 123	0.25 21	0.16 134	0.10 12	0.19 187	0.13 71	0.16 133	0.16 177

GMStereo	0.39 139	0.37 339	0.54 258	0.40 146	0.26 177	0.42 152	0.36 190	0.59 67	1.04 342	0.55 97	0.51 65	0.37 45	0.35 107	0.54 99	0.41 201	0.19 226	0.13 178	0.16 83	0.17 196	0.24 306	0.18 211
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ttt	0.51 264	0.25 232	0.43 133	0.38 89	0.24 114	0.65 275	0.38 224	1.18 348	1.05 346	0.72 196	1.08 307	0.63 174	0.49 187	0.84 305	0.59 294	0.24 311	0.21 332	0.22 269	0.20 272	0.24 306	0.24 310

dd	0.43 178	0.38 349	0.55 263	0.44 249	0.25 140	0.47 173	0.38 224	0.70 158	1.05 346	0.59 105	0.65 107	0.42 70	0.39 138	0.66 212	0.50 258	0.24 311	0.15 235	0.21 256	0.15 119	0.22 276	0.18 211

FADNet	0.61 328	0.51 386	1.10 393	0.45 271	0.44 377	0.65 275	0.41 269	1.19 350	1.05 346	0.70 178	0.84 192	0.98 321	0.66 289	0.82 292	0.50 258	0.29 354	0.30 389	0.27 344	0.30 375	0.46 404	0.35 378

RGC	0.79 364	0.59 403	0.71 334	0.65 407	0.65 420	0.92 349	0.58 356	1.29 386	1.05 346	1.07 373	1.45 388	1.47 403	1.03 391	1.21 389	0.88 359	0.32 375	0.30 389	0.48 417	0.40 407	0.37 379	0.37 385

Nwc_Net	0.78 361	0.38 349	0.73 342	0.60 394	0.55 407	1.05 374	0.55 347	1.67 435	1.05 346	0.88 293	1.86 416	1.40 397	1.09 397	1.10 374	0.87 356	0.30 361	0.25 364	0.36 387	0.38 400	0.29 336	0.29 344

ADCMid	1.14 411	0.52 393	2.23 445	0.53 366	0.43 370	1.07 376	0.75 398	1.23 368	1.05 346	2.15 439	1.44 385	1.50 406	1.43 422	1.56 417	5.01 460	0.26 331	0.24 356	0.29 360	0.31 382	0.37 379	0.33 366

SGM-Forest	0.62 329	0.32 309	0.39 87	0.43 231	0.30 266	1.02 366	0.55 347	1.09 310	1.05 346	1.06 370	1.18 340	1.10 354	0.67 292	0.88 319	0.62 301	0.31 364	0.33 407	0.33 379	0.30 375	0.30 345	0.28 338
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
xx1	0.39 139	0.23 174	0.33 28	0.41 174	0.22 55	0.55 205	0.38 224	0.67 126	1.06 353	0.41 54	0.50 58	0.65 194	0.53 207	0.57 123	0.25 21	0.16 134	0.10 12	0.20 215	0.19 248	0.18 184	0.17 195

cc1	0.37 109	0.23 174	0.33 28	0.41 174	0.22 55	0.55 205	0.38 224	0.67 126	1.06 353	0.41 54	0.50 58	0.34 30	0.49 187	0.57 123	0.25 21	0.16 134	0.10 12	0.19 187	0.13 71	0.16 133	0.15 135

fff	0.37 109	0.16 16	0.41 103	0.34 17	0.19 13	0.29 52	0.30 95	0.69 144	1.06 353	0.69 172	0.78 158	0.42 70	0.63 268	0.46 58	0.34 130	0.14 41	0.10 12	0.14 25	0.11 26	0.11 1	0.13 75

csc	0.37 109	0.16 16	0.41 103	0.34 17	0.19 13	0.29 52	0.30 95	0.69 144	1.06 353	0.69 172	0.78 158	0.42 70	0.63 268	0.46 58	0.34 130	0.14 41	0.10 12	0.14 25	0.11 26	0.11 1	0.13 75

cscssc	0.37 109	0.16 16	0.41 103	0.34 17	0.19 13	0.29 52	0.30 95	0.69 144	1.06 353	0.69 172	0.78 158	0.42 70	0.63 268	0.46 58	0.34 130	0.14 41	0.10 12	0.14 25	0.11 26	0.11 1	0.13 75

edge stereo	0.76 357	0.38 349	0.74 347	0.52 360	0.43 370	0.80 320	0.53 339	1.28 385	1.06 353	1.28 400	1.38 376	1.81 420	1.11 399	1.08 371	0.85 351	0.33 383	0.32 401	0.41 403	0.28 368	0.32 355	0.36 380

Wz-Net-LNSev	0.71 348	0.51 386	1.36 425	0.50 334	0.41 359	1.15 389	0.69 384	1.21 356	1.07 359	1.02 356	1.12 317	1.08 350	0.87 363	0.89 324	0.89 369	0.24 311	0.22 338	0.21 256	0.19 248	0.26 320	0.26 322

ADCPNet	1.03 400	0.48 376	2.70 448	0.54 372	0.42 365	1.40 409	0.75 398	1.13 322	1.07 359	1.22 395	1.42 380	1.68 417	1.09 397	1.36 409	3.45 450	0.30 361	0.28 380	0.29 360	0.32 388	0.37 379	0.35 378

LALA_ROB	0.74 355	0.43 365	0.69 326	0.54 372	0.40 352	1.01 364	0.95 420	1.21 356	1.07 359	1.22 395	1.12 317	1.56 412	0.79 343	1.04 365	0.86 352	0.33 383	0.22 338	0.35 383	0.30 375	0.35 370	0.31 358

MyStereo04	0.44 184	0.22 154	0.44 145	0.42 212	0.28 226	0.40 132	0.50 318	1.00 273	1.08 362	0.62 117	0.58 92	0.55 124	0.57 231	0.71 245	0.44 226	0.14 41	0.13 178	0.18 148	0.17 196	0.17 165	0.16 177

NOSS_ROB	0.57 309	0.39 353	0.39 87	0.44 249	0.30 266	0.73 303	0.54 343	1.03 287	1.08 362	0.67 158	0.87 211	0.76 253	0.57 231	0.77 277	0.47 251	0.38 401	0.38 416	0.44 408	0.42 416	0.37 379	0.34 373

MyStereo05	0.44 184	0.21 125	0.45 157	0.41 174	0.28 226	0.41 145	0.50 318	0.93 247	1.09 364	0.76 217	0.61 98	0.51 110	0.57 231	0.73 255	0.42 205	0.14 41	0.13 178	0.18 148	0.17 196	0.17 165	0.15 135

CBMV	0.64 332	0.35 328	0.41 103	0.42 212	0.25 140	1.01 364	0.77 400	1.13 322	1.09 364	1.17 388	1.22 346	1.04 337	0.75 329	0.88 319	0.63 304	0.28 347	0.30 389	0.34 381	0.30 375	0.26 320	0.26 322
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
DGSMNet	0.76 357	0.55 398	1.29 416	0.58 385	0.62 418	0.94 350	0.70 389	1.26 381	1.11 366	0.83 264	1.24 351	1.00 325	0.71 319	1.03 363	0.81 343	0.34 389	0.29 385	0.41 403	0.40 407	0.57 423	0.55 428

NCC-stereo	0.78 361	0.40 357	0.76 356	0.61 396	0.67 421	0.81 325	0.69 384	1.54 427	1.11 366	0.90 304	1.36 368	1.33 386	1.16 403	1.19 383	0.88 359	0.31 364	0.30 389	0.37 391	0.48 424	0.33 360	0.33 366

Abc-Net	0.78 361	0.40 357	0.76 356	0.61 396	0.67 421	0.81 325	0.69 384	1.54 427	1.11 366	0.90 304	1.36 368	1.33 386	1.16 403	1.19 383	0.88 359	0.31 364	0.30 389	0.37 391	0.48 424	0.33 360	0.33 366
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
STTRV1_RVC	0.82 369	0.59 403	1.16 399	0.67 413	0.81 427	1.11 382	0.63 367	1.30 389	1.11 366	0.98 341	1.33 365	1.08 350	0.95 382	1.26 394	0.87 356	0.55 429	0.25 364	0.43 405	0.39 404	0.58 426	0.40 396

Syn2CoEx	0.71 348	0.51 386	0.95 379	0.64 402	0.45 381	0.91 345	0.53 339	1.48 417	1.13 370	0.93 321	1.35 367	1.02 333	0.99 387	0.92 336	0.80 340	0.30 361	0.27 377	0.28 352	0.24 337	0.23 293	0.24 310

MDST_ROB	0.91 388	0.27 268	0.85 368	0.63 401	0.41 359	2.53 443	0.71 394	1.60 430	1.13 370	2.83 452	1.73 408	0.97 318	0.69 302	1.61 420	0.73 328	0.25 321	0.22 338	0.32 374	0.28 368	0.25 314	0.24 310

PA-Net	0.67 337	0.43 365	0.83 366	0.50 334	0.53 402	0.94 350	0.68 379	1.10 311	1.14 372	0.80 232	0.88 218	0.87 291	0.77 336	1.02 361	0.88 359	0.24 311	0.41 423	0.29 360	0.44 417	0.26 320	0.34 373
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NVstereo2D	0.60 326	0.30 301	0.75 351	0.48 305	0.43 370	0.89 344	0.48 309	1.05 295	1.15 373	0.66 156	0.86 204	0.88 296	0.70 315	0.99 352	0.65 308	0.32 375	0.15 235	0.28 352	0.20 272	0.40 386	0.36 380

UGAM	0.52 273	0.22 154	0.46 174	0.45 271	0.25 140	0.41 145	0.52 335	0.62 89	1.16 374	0.76 217	1.13 323	1.32 383	0.57 231	1.00 355	0.53 278	0.17 168	0.14 206	0.25 316	0.21 293	0.15 100	0.13 75

Wz-Net-MNSev	0.76 357	0.40 357	1.34 420	0.50 334	0.40 352	1.44 414	0.83 406	1.15 334	1.16 374	1.25 399	1.20 345	1.13 362	0.81 347	1.16 380	1.00 388	0.22 287	0.19 313	0.24 303	0.23 323	0.28 333	0.26 322

111	0.40 150	0.17 28	0.41 103	0.34 17	0.19 13	0.52 190	0.28 73	0.74 178	1.16 374	0.50 81	0.91 229	0.63 174	0.48 184	0.61 169	0.35 147	0.14 41	0.10 12	0.14 25	0.12 46	0.13 28	0.13 75

GwcNet	0.69 342	0.36 333	1.10 393	0.51 349	0.42 365	1.08 380	0.50 318	1.21 356	1.16 374	1.00 349	1.37 371	1.06 343	0.79 343	0.92 336	0.94 375	0.25 321	0.24 356	0.24 303	0.22 310	0.23 293	0.26 322

otaku	1.04 401	0.93 430	0.88 375	1.33 445	1.05 443	1.66 427	0.70 389	1.40 409	1.18 378	1.08 376	1.32 364	1.33 386	0.91 369	1.23 391	0.76 333	0.72 435	0.46 434	1.24 443	0.50 429	1.40 444	0.75 434

RYNet	0.72 352	0.35 328	0.64 302	0.53 366	0.67 421	1.31 405	0.67 374	1.20 354	1.18 378	1.05 367	0.87 211	1.27 372	0.93 378	0.93 342	1.27 411	0.22 287	0.16 264	0.26 332	0.23 323	0.40 386	0.39 393

GANetREF_RVC	0.80 365	0.75 418	0.86 373	0.66 410	0.42 365	1.15 389	0.98 422	1.14 331	1.19 380	1.01 354	1.02 281	1.10 354	0.90 368	1.15 379	0.76 333	0.48 418	0.39 420	0.57 427	0.38 400	0.63 429	0.46 412
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
NaN_ROB	0.69 342	0.44 369	0.69 326	0.51 349	0.33 313	0.97 357	1.06 428	1.22 364	1.19 380	1.24 398	0.96 249	1.08 350	0.78 341	1.20 385	0.67 314	0.24 311	0.30 389	0.23 288	0.24 337	0.23 293	0.25 317

SPS-STEREO	1.25 421	0.93 430	1.06 390	1.04 437	1.03 441	1.41 411	0.91 417	1.51 423	1.19 380	2.09 437	1.83 413	1.94 425	1.39 419	1.62 421	1.39 417	0.97 444	0.94 460	0.90 437	0.89 447	0.96 438	0.96 447
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
pcwnet_v2	0.58 316	0.28 282	0.84 367	0.45 271	0.35 327	0.61 245	0.35 170	1.27 383	1.21 383	0.99 344	1.27 355	0.72 228	0.58 240	0.67 222	0.48 255	0.27 339	0.21 332	0.24 303	0.23 323	0.29 336	0.29 344

SGM+DAISY	1.35 426	0.94 432	1.25 412	0.96 432	1.00 439	1.52 419	1.02 427	1.34 396	1.21 383	2.64 448	2.65 438	2.44 435	1.56 427	1.64 424	1.26 409	0.97 444	0.95 461	0.90 437	0.90 448	0.94 436	0.96 447

RP	0.76 357	0.36 333	0.63 297	0.66 410	0.58 415	0.80 320	0.55 347	1.14 331	1.22 385	0.97 336	1.65 402	1.43 399	1.32 416	1.01 356	0.84 347	0.33 383	0.30 389	0.36 387	0.30 375	0.34 366	0.34 373

DISCO	0.70 344	0.26 251	0.68 320	0.44 249	0.31 287	1.14 387	0.51 332	1.23 368	1.23 386	0.81 243	1.05 295	1.50 406	0.85 358	1.82 432	1.03 389	0.19 226	0.15 235	0.18 148	0.16 149	0.24 306	0.23 304

WCMA_ROB	1.14 411	0.36 333	0.76 356	0.49 320	0.44 377	1.23 400	0.67 374	1.11 316	1.23 386	2.84 453	3.95 459	3.28 448	1.83 439	1.25 393	0.99 385	0.44 412	0.34 409	0.34 381	0.37 397	0.41 392	0.40 396

ITSA-stereo	0.53 279	0.28 282	0.52 246	0.40 146	0.23 89	0.56 218	0.34 149	1.24 375	1.24 388	0.80 232	0.81 177	0.72 228	0.58 240	0.82 292	0.65 308	0.21 263	0.17 283	0.23 288	0.21 293	0.22 276	0.26 322

RCA-Stereo	0.35 75	0.17 28	0.34 38	0.38 89	0.22 55	0.31 72	0.34 149	0.68 136	1.24 388	0.45 67	0.65 107	0.47 95	0.43 157	0.38 22	0.27 56	0.13 17	0.10 12	0.14 25	0.11 26	0.11 1	0.11 15

Wz-Net-SNSev	0.91 388	0.73 416	2.13 443	0.56 379	0.45 381	0.95 353	1.13 433	1.34 396	1.24 388	1.02 356	1.30 361	1.46 400	0.86 360	1.81 431	1.50 419	0.25 321	0.23 348	0.25 316	0.26 357	0.32 355	0.29 344

AnyNet_C32	1.16 415	0.62 410	2.40 446	0.57 384	0.55 407	1.41 411	1.34 447	1.18 348	1.24 388	1.49 409	1.42 380	1.39 395	1.20 410	1.55 415	4.82 458	0.29 354	0.28 380	0.29 360	0.34 392	0.38 383	0.42 401

MSMD_ROB	1.21 418	0.49 379	0.62 288	0.59 389	0.50 394	1.62 426	0.67 374	1.23 368	1.24 388	2.45 446	3.77 453	3.09 445	2.98 458	1.32 401	0.81 343	0.45 413	0.41 423	0.49 420	0.51 431	0.47 406	0.44 407

Ntro	1.09 409	0.97 436	0.91 377	1.44 446	1.19 445	1.69 430	0.80 404	1.35 399	1.25 393	1.00 349	1.29 360	1.31 378	0.97 385	1.26 394	0.84 347	0.84 439	0.43 429	1.36 444	0.50 429	1.56 445	0.78 436

dad	0.58 316	0.50 383	0.64 302	0.43 231	0.30 266	0.59 237	0.36 190	0.78 199	1.25 393	1.01 354	1.17 338	1.15 365	0.53 207	0.68 232	0.50 258	0.35 394	0.23 348	0.37 391	0.21 293	0.29 336	0.20 265

SGM_RVC	0.97 393	0.28 282	0.41 103	0.39 116	0.22 55	1.55 420	0.73 396	1.51 423	1.25 393	2.25 442	1.92 417	2.58 438	1.56 427	2.02 440	1.19 405	0.27 339	0.27 377	0.27 344	0.25 346	0.25 314	0.25 317
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
PASM	0.90 387	0.64 411	1.69 434	0.69 419	0.69 424	0.78 314	0.84 409	1.03 287	1.26 396	1.19 390	1.15 331	1.31 378	0.98 386	1.24 392	1.03 389	0.52 424	0.56 438	0.59 430	0.66 438	0.56 421	0.54 427

AANet_RVC	0.57 309	0.32 309	0.54 258	0.45 271	0.27 204	0.57 223	0.48 309	1.00 273	1.28 397	0.86 278	1.33 365	0.87 291	0.58 240	1.07 369	0.75 332	0.18 197	0.12 119	0.15 60	0.13 71	0.18 184	0.18 211

pmcnn	1.23 419	0.29 293	0.96 381	0.40 146	0.23 89	0.95 353	0.69 384	1.16 340	1.28 397	1.67 423	2.33 426	11.15 475	0.86 360	0.93 342	0.88 359	0.15 93	0.12 119	0.12 2	0.10 16	0.15 100	0.15 135

FAT-Stereo	0.73 354	0.33 317	0.75 351	0.49 320	0.37 334	0.71 295	0.59 358	1.36 402	1.30 399	1.03 364	1.40 377	1.59 415	1.15 402	0.87 316	0.86 352	0.28 347	0.28 380	0.28 352	0.23 323	0.28 333	0.38 391

AF-Net	0.81 368	0.39 353	0.68 320	0.64 402	0.54 405	0.91 345	0.51 332	1.61 431	1.31 400	0.96 332	2.02 421	1.46 400	1.26 414	1.11 376	0.99 385	0.32 375	0.24 356	0.39 396	0.27 363	0.30 345	0.25 317

iResNet_ROB	0.52 273	0.21 125	0.53 254	0.37 64	0.21 40	0.61 245	0.29 81	1.51 423	1.32 401	0.90 304	1.02 281	0.80 270	0.62 262	0.76 270	0.43 210	0.16 134	0.12 119	0.13 15	0.09 8	0.15 100	0.18 211

MFN_U_SF_RVC	1.09 409	0.59 403	1.97 441	0.67 413	0.44 377	1.93 435	0.60 360	1.85 439	1.36 402	1.61 417	1.54 396	1.95 426	1.37 418	1.64 424	1.73 423	0.40 407	0.37 414	0.45 409	0.48 424	0.44 397	0.44 407

AnyNet_C01	1.56 434	1.05 438	7.45 464	0.64 402	0.54 405	1.99 436	1.38 449	1.43 413	1.36 402	1.63 420	1.92 417	1.84 421	1.33 417	2.40 448	4.03 453	0.33 383	0.32 401	0.32 374	0.34 392	0.44 397	0.45 411

stereogan	0.80 365	0.31 306	0.71 334	0.59 389	0.50 394	1.72 431	0.48 309	1.35 399	1.37 404	1.00 349	1.46 390	1.56 412	0.95 382	1.29 398	0.84 347	0.28 347	0.29 385	0.29 360	0.25 346	0.38 383	0.38 391

FBW_ROB	0.88 382	0.50 383	0.85 368	0.55 376	0.40 352	1.17 392	0.78 402	1.50 420	1.37 404	1.33 404	1.27 355	1.48 404	1.00 389	2.57 452	0.98 384	0.25 321	0.32 401	0.45 409	0.30 375	0.34 366	0.28 338

MeshStereo	1.34 424	0.43 365	0.54 258	0.44 249	0.34 321	1.66 427	0.60 360	1.94 440	1.37 404	4.47 466	3.25 445	4.71 457	1.94 442	1.92 436	1.17 403	0.35 394	0.35 411	0.37 391	0.31 382	0.32 355	0.32 362
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
FCDSN-DC	1.39 429	0.56 399	0.65 308	0.74 424	0.59 416	1.38 408	0.63 367	1.35 399	1.39 407	3.26 460	4.50 464	4.61 455	2.63 453	1.58 419	1.03 389	0.46 414	0.42 425	0.48 417	0.47 422	0.50 411	0.50 423
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ADCL	1.04 401	0.38 349	1.35 421	0.50 334	0.39 347	1.61 424	0.89 414	1.29 386	1.39 407	1.29 401	1.50 392	1.24 370	1.24 411	1.37 410	4.87 459	0.21 263	0.19 313	0.25 316	0.25 346	0.29 336	0.27 331

Wz-Net-TNSev	1.14 411	1.06 439	4.32 459	0.49 320	0.42 365	1.51 418	1.11 432	1.48 417	1.40 409	1.22 395	1.26 354	1.58 414	1.43 422	1.76 429	1.70 422	0.32 375	0.31 398	0.26 332	0.30 375	0.41 392	0.41 400

MFN_U_SF_DS_RVC	1.02 399	0.57 401	1.51 432	0.67 413	0.50 394	2.57 444	1.66 457	1.20 354	1.43 410	1.38 406	1.57 398	1.33 386	0.92 373	1.64 424	0.88 359	0.37 400	0.39 420	0.46 412	0.60 436	0.41 392	0.40 396

DPSNet	0.99 395	0.42 363	1.88 440	0.53 366	0.41 359	1.59 423	1.26 442	2.21 446	1.43 410	1.10 380	1.11 314	1.46 400	1.95 443	1.34 404	1.26 409	0.34 389	0.25 364	0.25 316	0.21 293	0.46 404	0.37 385

SAMSARA	1.07 407	0.65 412	1.19 406	1.06 438	0.90 430	1.76 432	1.76 461	1.46 415	1.44 412	1.51 411	1.16 336	2.00 427	1.14 401	1.48 413	1.31 413	0.39 403	0.44 431	0.35 383	0.38 400	0.49 409	0.49 422

DispFullNet	1.60 436	2.63 470	2.75 449	2.56 465	1.79 456	1.24 401	0.47 301	1.37 404	1.45 413	1.87 429	1.50 392	1.55 411	2.46 449	2.04 441	1.04 392	0.59 430	0.18 299	2.32 460	0.68 440	2.29 460	1.14 454

CSAN	0.83 376	0.49 379	0.77 361	0.60 394	0.41 359	1.14 387	1.06 428	1.19 350	1.46 414	1.32 402	1.43 383	1.37 393	1.19 408	1.27 397	0.86 352	0.39 403	0.31 398	0.36 387	0.37 397	0.35 370	0.34 373

PWC_ROB	0.87 380	0.52 393	1.28 414	0.50 334	0.32 303	0.91 345	0.37 203	1.36 402	1.46 414	1.61 417	2.59 436	1.16 366	1.01 390	1.34 404	1.40 418	0.25 321	0.18 299	0.28 352	0.20 272	0.29 336	0.28 338

FINET	0.67 337	0.42 363	1.00 385	0.46 291	0.43 370	0.83 335	0.89 414	1.08 306	1.50 416	0.87 285	1.14 326	0.71 219	0.68 298	0.92 336	0.70 321	0.36 397	0.30 389	0.26 332	0.24 337	0.35 370	0.33 366

XQC	0.89 384	0.65 412	1.31 417	0.67 413	0.52 401	1.22 398	0.68 379	1.26 381	1.52 417	1.14 386	1.11 314	1.28 374	1.04 393	1.40 412	1.77 426	0.38 401	0.24 356	0.37 391	0.31 382	0.53 417	0.47 417

FC-DCNN	1.59 435	0.51 386	0.66 314	0.61 396	0.49 392	1.56 421	0.70 389	1.66 434	1.53 418	4.64 467	4.62 465	5.85 464	3.34 462	1.84 433	1.11 397	0.46 414	0.42 425	0.47 413	0.46 418	0.48 407	0.46 412

NVStereoNet_ROB	1.24 420	0.90 429	1.13 397	0.86 428	0.88 429	1.11 382	0.99 424	1.42 411	1.53 418	1.59 416	2.48 431	2.24 431	1.53 424	1.96 439	1.30 412	0.76 437	0.70 443	0.78 433	1.00 453	0.71 431	0.88 442
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
RainbowNet	1.35 426	1.49 449	1.19 406	1.88 453	1.45 447	1.48 416	1.07 430	1.61 431	1.55 420	1.20 393	1.59 399	1.54 410	1.13 400	1.34 404	0.97 381	1.36 455	0.70 443	1.82 449	0.79 444	1.71 448	1.07 453

MFMNet_re	1.14 411	0.97 436	1.19 406	0.99 433	0.95 433	1.25 402	1.22 439	1.39 406	1.55 420	1.69 424	1.67 406	1.21 367	1.53 424	1.12 377	0.99 385	0.87 441	0.75 450	0.79 434	0.75 442	0.90 433	0.94 444

FC-DCNN v2	1.65 439	0.51 386	0.65 308	0.61 396	0.49 392	1.61 424	0.70 389	1.75 438	1.56 422	4.74 469	4.91 467	6.46 468	3.31 460	1.91 435	1.11 397	0.46 414	0.42 425	0.47 413	0.46 418	0.48 407	0.46 412

Consistency-Raft	1.01 396	0.81 422	1.24 411	0.84 427	0.97 435	0.81 325	0.84 409	1.30 389	1.59 423	1.05 367	1.68 407	1.12 358	0.91 369	0.92 336	1.11 397	0.65 432	0.74 446	0.79 434	0.90 448	1.06 441	0.79 438

LRCNet_RVC	21.24 481	31.15 485	21.41 476	28.98 483	23.82 481	3.13 458	0.60 360	20.96 484	1.59 423	25.58 484	28.15 486	21.99 484	14.79 474	21.94 485	16.41 475	28.89 489	14.87 483	33.53 485	31.28 485	29.51 487	26.16 485

PDISCO_ROB	0.91 388	0.48 376	1.06 390	0.99 433	0.97 435	1.67 429	0.63 367	1.64 433	1.59 423	1.06 370	1.18 340	1.31 378	0.79 343	1.55 415	0.97 381	0.49 420	0.22 338	0.45 409	0.40 407	0.45 401	0.37 385

S-Stereo	0.74 355	0.35 328	0.96 381	0.56 379	0.45 381	0.82 333	0.60 360	1.24 375	1.60 426	0.96 332	1.41 379	1.12 358	0.94 379	0.80 286	1.04 392	0.26 331	0.31 398	0.28 352	0.25 346	0.32 355	0.47 417

ACVNet-4b	1.35 426	1.31 445	1.10 393	1.90 454	1.59 449	1.92 434	0.77 400	1.52 426	1.62 427	1.05 367	1.60 400	2.11 429	0.94 379	1.64 424	0.77 337	1.30 452	0.35 411	2.03 455	0.67 439	1.88 454	0.84 439

LSM	4.74 467	0.77 419	10.16 466	0.70 420	56.56 487	1.02 366	1.00 426	1.24 375	1.62 427	2.04 435	2.34 427	1.33 386	1.17 405	1.38 411	1.09 396	0.33 383	0.49 435	0.39 396	0.46 418	0.51 412	10.09 477

MADNet+	2.23 451	2.43 466	10.85 467	1.22 442	0.91 431	2.76 448	1.40 450	2.12 445	1.67 429	1.32 402	1.74 410	1.86 424	1.74 435	6.25 468	4.41 457	0.65 432	0.64 441	0.58 429	0.54 433	0.80 432	0.76 435

WZ-Net	1.19 417	0.59 403	4.07 457	0.62 400	0.51 397	1.34 406	1.31 446	1.32 392	1.74 430	1.53 413	1.65 402	1.74 419	1.28 415	2.25 446	2.01 432	0.27 339	0.21 332	0.23 288	0.25 346	0.40 386	0.39 393

RTSC	0.87 380	0.48 376	1.23 410	0.52 360	0.37 334	1.13 386	0.50 318	1.34 396	1.79 431	1.51 411	1.24 351	1.12 358	0.81 347	1.62 421	2.16 435	0.25 321	0.19 313	0.23 288	0.24 337	0.30 345	0.31 358

ADCS	1.51 433	0.61 407	3.42 452	0.59 389	0.51 397	1.27 403	1.08 431	1.59 429	1.81 432	1.91 433	1.66 404	1.51 409	1.42 421	1.94 438	8.60 468	0.33 383	0.32 401	0.33 379	0.36 396	0.44 397	0.42 401

ACVNet_1	1.46 431	1.33 446	1.12 396	1.91 455	1.62 450	1.83 433	0.98 422	2.00 443	1.85 433	1.39 407	1.53 395	2.32 433	1.53 424	1.34 404	1.11 397	1.30 452	0.50 436	2.06 457	0.58 435	1.93 456	0.95 446

JetBlue	2.78 454	1.26 443	7.04 463	1.16 440	1.48 448	8.00 472	6.02 473	2.60 449	1.92 434	2.12 438	2.64 437	3.34 450	3.05 459	6.49 469	3.39 448	0.78 438	0.76 451	0.75 432	0.76 443	0.97 439	1.18 459

MSC_U_SF_DS_RVC	1.34 424	0.87 427	1.76 437	0.86 428	0.56 410	4.29 464	1.79 462	1.50 420	1.98 435	1.61 417	1.85 415	1.84 421	1.41 420	1.89 434	1.36 414	0.48 418	0.40 422	0.56 426	0.57 434	0.69 430	0.48 419

DeepPrunerF	0.89 384	0.52 393	3.43 453	0.68 417	0.81 427	0.72 302	0.72 395	1.22 364	1.99 436	0.93 321	1.01 273	0.87 291	0.86 360	1.08 371	0.95 378	0.34 389	0.28 380	0.43 405	0.39 404	0.30 345	0.32 362

SuperB	1.04 401	0.37 339	4.81 460	0.43 231	0.31 287	0.99 362	0.46 294	1.02 283	2.09 437	1.09 378	1.09 311	0.75 247	0.81 347	1.06 366	1.76 425	0.19 226	0.15 235	0.17 109	0.15 119	2.82 467	0.26 322

SHD	0.93 391	0.50 383	1.18 405	0.59 389	0.46 388	0.97 357	0.48 309	1.70 436	2.15 438	1.58 414	1.37 371	1.42 398	1.19 408	1.31 400	1.60 420	0.31 364	0.26 371	0.32 374	0.33 391	0.40 386	0.42 401

RTS	1.98 445	0.96 433	11.36 468	0.65 407	0.57 413	2.77 449	1.40 450	1.39 406	2.26 439	1.89 430	2.56 433	1.32 383	1.25 412	5.20 465	4.05 454	0.31 364	0.22 338	0.29 360	0.29 373	0.40 386	0.37 385

RTSA	1.98 445	0.96 433	11.36 468	0.65 407	0.57 413	2.77 449	1.40 450	1.39 406	2.26 439	1.89 430	2.56 433	1.32 383	1.25 412	5.20 465	4.05 454	0.31 364	0.22 338	0.29 360	0.29 373	0.40 386	0.37 385

IMH-64-1	1.86 441	1.62 454	1.16 399	2.20 458	1.89 458	2.33 441	1.30 443	2.89 451	2.29 441	1.66 421	2.80 441	2.49 436	1.61 430	2.10 442	1.78 427	1.60 457	0.74 446	2.43 461	1.02 454	2.12 457	1.17 457

IMH-64	1.86 441	1.62 454	1.16 399	2.20 458	1.89 458	2.33 441	1.30 443	2.89 451	2.29 441	1.66 421	2.80 441	2.49 436	1.61 430	2.10 442	1.78 427	1.60 457	0.74 446	2.43 461	1.02 454	2.12 457	1.17 457

ELAS	1.63 438	0.61 407	0.95 379	0.68 417	0.55 407	3.01 457	1.55 455	2.39 448	2.33 443	3.64 463	3.89 457	2.75 440	2.90 457	2.15 444	2.27 441	0.52 424	0.45 432	0.50 422	0.48 424	0.54 419	0.52 425
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PWCDC_ROB	0.89 384	0.49 379	0.80 365	0.74 424	0.40 352	1.03 369	0.39 246	1.33 394	2.35 444	1.02 356	3.77 453	0.81 272	0.92 373	1.20 385	0.90 371	0.34 389	0.22 338	0.24 303	0.20 272	0.34 366	0.29 344

PWCK	1.92 444	1.66 457	3.12 451	1.65 448	0.91 431	2.84 451	2.26 467	2.10 444	2.41 445	2.36 444	2.31 425	2.22 430	1.82 437	3.43 456	2.03 433	1.61 459	0.71 445	1.51 445	0.82 446	1.69 447	0.91 443

ACVNet_2	1.65 439	1.27 444	1.41 428	1.75 450	1.62 450	2.22 440	1.20 436	2.30 447	2.62 446	1.78 427	2.56 433	3.03 442	1.61 430	1.54 414	1.12 401	1.06 447	0.58 440	1.82 449	0.70 441	1.82 450	0.96 447

ELAS_RVC	1.60 436	0.61 407	1.01 387	0.70 420	0.56 410	2.00 437	1.89 464	1.96 441	2.65 447	3.33 461	3.26 446	3.03 442	3.41 463	2.49 450	2.09 434	0.52 424	0.45 432	0.50 422	0.48 424	0.54 419	0.52 425
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficientorigin	9.93 473	1.15 440	175.16 492	0.48 305	0.36 329	1.04 373	0.68 379	1.24 375	2.69 448	3.17 459	2.50 432	2.30 432	2.07 446	1.76 429	2.21 436	0.20 249	0.18 299	0.24 303	0.19 248	0.51 412	0.50 423

EDNetEfficient	1.46 431	0.80 421	6.12 462	0.47 300	0.39 347	0.69 286	0.83 406	0.90 239	2.77 449	3.50 462	1.96 419	1.66 416	2.03 445	1.26 394	4.18 456	0.21 263	0.18 299	0.21 256	0.20 272	0.41 392	0.39 393

PVD	1.28 423	0.67 414	1.28 414	0.74 424	0.62 418	1.50 417	0.84 409	1.99 442	2.96 450	2.18 440	2.36 429	1.85 423	1.95 443	1.92 436	1.94 430	0.39 403	0.36 413	0.49 420	0.37 397	0.51 412	0.64 430

FADE	5.17 468	2.05 462	13.14 472	1.03 436	0.99 438	2.09 438	0.91 417	3.91 464	3.00 451	1.76 426	1.60 400	2.73 439	6.73 470	5.95 467	3.95 452	11.57 481	1.70 468	23.09 484	15.86 481	0.62 428	0.65 431

IMH	2.04 448	1.62 454	1.20 409	2.20 458	1.89 458	2.91 456	1.30 443	3.11 454	3.03 452	1.81 428	3.35 451	3.03 442	1.90 440	2.48 449	1.80 429	1.66 460	0.77 452	2.45 463	1.04 457	2.15 459	1.19 460

notaker	2.76 453	2.29 465	1.80 438	2.96 469	2.58 470	2.90 455	1.75 460	3.24 457	3.05 453	2.78 451	4.24 462	6.15 467	2.51 451	3.34 455	2.75 444	2.31 468	1.18 464	3.00 471	1.65 467	2.84 468	1.97 466

WAO-7	1.90 443	1.20 441	1.35 421	1.27 443	1.06 444	2.84 451	1.56 456	3.23 456	3.06 454	2.23 441	3.33 450	3.17 446	2.28 448	3.12 453	2.21 436	1.02 446	0.91 456	1.06 441	1.03 456	1.04 440	0.97 450

DPSimNet_ROB	3.58 461	2.45 467	8.57 465	2.53 463	2.37 465	2.88 454	3.77 472	3.14 455	3.23 455	4.71 468	3.86 456	4.68 456	4.87 468	4.07 463	5.62 461	2.33 469	2.33 470	2.47 464	2.52 470	2.51 464	2.64 471

SANet	1.07 407	0.41 361	1.06 390	0.48 305	0.30 266	1.41 411	0.94 419	1.42 411	3.36 456	1.58 414	2.43 430	2.33 434	1.70 434	1.34 404	1.07 394	0.28 347	0.24 356	0.26 332	0.23 323	0.34 366	0.30 351

JetRed	5.27 469	5.84 474	12.81 471	2.36 462	2.83 471	12.23 476	10.50 475	4.46 466	3.60 457	3.86 464	3.83 455	4.85 460	4.18 466	6.78 470	11.96 471	2.17 467	2.96 472	2.18 459	1.97 468	3.38 471	2.68 472

MADNet++	4.03 462	2.70 471	3.44 454	3.72 474	3.44 473	4.44 465	3.52 471	3.95 465	3.61 458	4.46 465	4.98 468	4.10 454	4.58 467	7.00 471	5.89 462	3.74 471	3.67 473	3.27 473	2.71 472	3.70 473	3.66 474

WAO-6	2.04 448	1.50 450	1.16 399	1.70 449	1.67 454	2.69 445	1.44 453	3.06 453	3.63 459	1.98 434	3.27 447	3.54 453	2.07 446	2.36 447	2.22 438	1.31 454	0.91 456	2.04 456	1.22 463	1.73 449	1.27 461

Dean	1.98 445	1.36 447	1.36 425	2.12 457	1.81 457	2.74 446	1.36 448	3.37 460	3.80 460	2.08 436	3.32 449	3.21 447	1.82 437	1.71 428	1.67 421	1.27 449	0.77 452	1.99 451	0.90 448	1.86 451	1.03 452

LVE	2.12 450	1.44 448	1.36 425	1.99 456	1.78 455	2.75 447	1.79 462	2.82 450	3.95 461	1.90 432	4.33 463	3.52 452	1.81 436	2.24 445	1.74 424	1.74 461	0.87 455	2.06 457	1.13 459	1.91 455	1.35 462

SGM-ForestM	4.04 463	0.32 309	0.46 174	0.43 231	0.27 204	7.50 471	1.45 454	3.84 463	4.24 462	8.19 474	6.76 471	19.00 481	9.08 471	10.74 475	6.62 465	0.31 364	0.33 407	0.32 374	0.32 388	0.29 336	0.29 344

tt	6.20 470	0.20 92	5.89 461	3.55 473	2.07 461	11.26 475	19.21 476	11.74 477	5.46 463	2.69 449	2.04 423	4.87 461	6.25 469	3.70 460	7.09 467	8.32 477	11.17 482	4.93 474	5.41 476	5.74 475	2.37 470

ktn	2.98 457	2.25 464	1.73 436	2.84 468	2.53 469	3.76 463	2.15 466	3.70 462	5.47 464	2.75 450	5.17 469	5.94 465	2.48 450	3.23 454	2.46 442	2.34 470	1.44 467	2.78 469	2.03 469	2.45 463	2.01 468

KSHMR	2.57 452	1.93 460	1.69 434	2.63 467	2.42 466	2.86 453	2.07 465	3.27 458	6.50 465	2.49 447	3.36 452	3.41 451	1.92 441	2.49 450	1.94 430	2.13 466	1.40 466	2.79 470	1.50 466	2.73 465	1.77 465

HanzoNet	6.76 472	2.45 467	4.22 458	3.19 471	2.94 472	3.62 461	2.28 468	4.79 470	7.20 466	14.00 479	13.19 478	17.49 479	22.30 484	13.25 477	6.19 463	4.20 473	1.93 469	3.10 472	2.56 471	3.35 470	2.88 473

coex-ft	6.43 471	1.51 451	87.33 491	0.49 320	0.38 343	1.34 406	1.21 438	1.16 340	8.09 467	12.12 475	2.79 440	2.77 441	3.31 460	1.16 380	3.15 445	0.24 311	0.23 348	0.27 344	0.24 337	0.45 401	0.37 385

ASD4	9.96 474	8.86 477	17.78 473	7.17 475	9.80 474	16.08 478	28.92 480	9.77 476	8.20 468	7.02 473	7.08 472	8.47 471	9.57 473	11.17 476	20.26 477	4.12 472	4.14 474	5.57 477	4.74 474	5.53 474	4.90 476

TorneroNet-64	3.44 458	1.86 458	1.42 429	2.58 466	2.28 464	6.87 469	1.68 458	4.70 469	12.03 469	2.31 443	5.59 470	8.25 470	2.55 452	3.97 462	2.73 443	1.81 462	0.74 446	2.57 465	1.07 458	2.35 461	1.44 463

MANE	4.13 464	0.51 386	0.64 302	0.66 410	0.56 410	6.89 470	0.99 424	7.55 472	12.04 470	6.68 472	8.57 474	10.69 474	9.45 472	7.59 472	6.39 464	0.49 420	0.43 429	0.48 417	0.98 452	0.49 409	0.48 419

UNDER WATER-64	3.53 460	2.01 461	3.94 456	3.22 472	2.49 468	5.41 468	2.60 470	3.43 461	12.41 471	3.03 458	2.68 439	6.07 466	4.04 465	3.79 461	3.33 447	2.02 464	1.24 465	2.63 466	1.46 465	2.78 466	2.08 469

WAO-8	2.92 455	1.55 452	1.35 421	1.79 451	1.63 452	5.23 466	1.22 439	4.58 467	12.56 472	2.84 453	4.07 461	4.83 458	2.72 455	3.49 457	2.25 439	1.27 449	0.91 456	1.99 451	1.15 461	1.86 451	1.15 455

Venus	2.92 455	1.55 452	1.35 421	1.79 451	1.63 452	5.23 466	1.22 439	4.58 467	12.56 472	2.84 453	4.06 460	4.83 458	2.72 455	3.49 457	2.25 439	1.27 449	0.91 456	1.99 451	1.15 461	1.86 451	1.15 455

UNDER WATER	3.46 459	2.07 463	3.64 455	3.09 470	2.48 467	3.75 462	2.42 469	3.31 459	13.77 474	2.90 457	2.95 444	5.84 463	3.69 464	3.69 459	3.48 451	2.07 465	1.11 463	2.70 468	1.40 464	2.84 468	1.98 467

BEATNet-Init1	15.13 477	0.82 425	50.86 490	0.72 423	0.53 402	38.10 488	7.03 474	11.83 478	14.25 475	29.78 488	30.17 488	48.21 491	22.64 485	26.78 486	18.11 476	0.42 411	0.38 416	0.47 413	0.46 418	0.51 412	0.48 419

DGTPSM_ROB	12.07 475	8.00 475	20.99 474	8.93 477	16.78 476	10.67 473	30.87 481	9.01 474	15.16 476	6.50 470	15.41 482	9.04 472	14.85 475	9.25 473	21.67 479	4.57 474	8.57 477	5.08 475	9.28 477	5.90 476	10.95 478

DPSMNet_ROB	12.08 476	8.00 475	21.00 475	8.97 478	16.79 477	10.67 473	30.89 482	9.02 475	15.17 477	6.51 471	15.41 482	9.04 472	14.85 475	9.27 474	21.67 479	4.58 475	8.57 477	5.09 476	9.29 478	5.90 476	10.95 478

Anonymous_1	33.25 483	18.26 478	23.92 477	20.54 479	21.28 480	25.59 480	35.94 483	22.01 487	15.57 478	13.33 476	13.49 479	18.08 480	15.29 477	20.36 478	24.60 481	16.28 485	8.84 479	66.59 489	118.00 489	155.73 492	11.23 480

DPSM_ROB	17.78 478	18.63 479	24.31 481	20.90 480	19.47 478	25.97 481	36.21 484	21.23 485	16.24 479	13.38 477	14.06 480	19.18 482	16.30 478	20.78 479	25.67 482	9.38 479	9.23 480	9.49 479	9.82 479	13.51 479	11.91 481

DPSM	17.78 478	18.63 479	24.31 481	20.90 480	19.47 478	25.97 481	36.21 484	21.23 485	16.24 479	13.38 477	14.06 480	19.18 482	16.30 478	20.78 479	25.67 482	9.38 479	9.23 480	9.49 479	9.82 479	13.51 479	11.91 481

LE_ROB	4.42 465	0.24 210	2.75 449	0.42 212	0.23 89	1.57 422	0.90 416	1.71 437	17.88 481	16.56 483	4.88 466	5.17 462	18.85 483	1.63 423	14.62 474	0.17 168	0.14 206	0.16 83	0.16 149	0.19 218	0.17 195

xxxxx1	36.64 486	19.51 481	24.21 478	61.66 489	64.63 489	27.28 484	40.10 486	20.25 480	18.63 482	14.07 480	12.97 475	17.26 476	17.36 480	21.70 482	27.93 484	13.18 482	18.50 485	111.26 490	133.37 490	29.24 484	39.73 487

tt_ll	36.64 486	19.51 481	24.21 478	61.66 489	64.63 489	27.28 484	40.10 486	20.25 480	18.63 482	14.07 480	12.97 475	17.26 476	17.36 480	21.70 482	27.93 484	13.18 482	18.50 485	111.26 490	133.37 490	29.24 484	39.73 487

ff	36.64 486	19.51 481	24.21 478	61.66 489	64.63 489	27.28 484	40.10 486	20.25 480	18.63 482	14.07 480	12.97 475	17.26 476	17.36 480	21.70 482	27.93 484	13.18 482	18.50 485	111.26 490	133.37 490	29.24 484	39.73 487

PML	40.80 492	29.24 484	11.87 470	7.20 476	14.47 475	92.13 492	213.69 493	7.63 473	23.35 485	74.72 492	190.14 493	50.17 492	26.15 486	21.39 481	12.70 472	8.76 478	2.92 471	8.45 478	3.25 473	13.26 478	4.42 475

TorneroNet	4.53 466	1.89 459	1.48 431	2.55 464	2.27 463	13.78 477	1.69 459	4.84 471	23.73 486	2.89 456	7.70 473	7.06 469	2.69 454	4.26 464	3.42 449	1.84 463	0.77 452	2.68 467	1.13 459	2.42 462	1.47 464

HaxPig	31.96 482	37.24 487	34.27 483	24.37 482	24.88 482	18.26 479	19.86 477	20.64 483	28.52 487	35.97 489	38.75 489	25.57 485	28.72 487	33.88 487	34.39 487	35.94 490	38.87 490	37.80 486	40.48 486	39.68 488	41.15 490

Selective-RAFT-Error	35.84 485	37.49 489	48.83 489	42.26 487	39.24 486	52.30 490	73.09 490	42.66 491	32.61 488	26.80 486	28.30 487	38.84 490	33.51 490	41.68 491	51.59 490	18.82 487	18.58 489	19.17 483	19.80 484	27.28 482	24.05 484

CasAABBNet	35.74 484	37.43 488	48.72 488	42.22 486	39.20 485	52.24 489	73.12 491	42.61 490	32.62 489	26.78 485	27.95 484	38.58 488	32.60 488	41.67 490	51.65 491	18.74 486	18.57 488	19.15 482	19.77 483	27.20 481	23.98 483

LSM0	38.95 491	37.60 490	48.58 487	43.57 488	91.06 492	52.57 491	72.57 489	43.17 492	32.63 490	26.97 487	27.97 485	38.65 489	32.94 489	41.86 492	51.78 492	18.89 488	18.41 484	19.13 481	19.63 482	27.29 483	33.77 486

MEDIAN_ROB	37.38 489	40.85 492	40.60 486	32.31 484	31.85 483	27.20 483	24.55 478	29.10 488	33.19 491	42.09 491	41.76 491	33.35 486	34.39 491	39.78 489	37.07 488	43.64 492	44.10 492	44.12 488	43.40 488	41.51 490	42.76 492

AVERAGE_ROB	37.58 490	40.13 491	40.15 485	34.81 485	33.82 484	28.55 487	25.10 479	32.02 489	34.06 492	41.28 490	40.66 490	34.46 487	34.81 492	39.18 488	37.57 489	42.78 491	43.44 491	43.82 487	43.03 487	40.47 489	41.51 491

test_example2	176.61 493	205.14 493	198.86 493	188.60 493	190.98 493	152.67 493	170.61 492	94.86 493	123.55 493	178.88 493	179.48 492	158.94 493	141.34 493	192.61 493	198.96 493	203.76 493	236.37 493	164.13 493	173.55 493	218.58 493	160.41 493

Low-res two-view benchmark