Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

IGEV-Stereo+	0.07 1	0.04 1	0.08 8	0.15 45	0.06 3	0.04 1	0.09 5	0.10 1	0.09 3	0.06 1	0.06 2	0.06 4	0.06 13	0.06 1	0.09 22	0.06 59	0.04 2	0.05 2	0.04 10	0.06 109	0.06 121

U	0.08 4	0.07 70	0.10 47	0.19 266	0.10 250	0.10 70	0.13 60	0.12 9	0.17 127	0.07 4	0.07 15	0.06 4	0.05 3	0.07 2	0.09 22	0.06 59	0.04 2	0.06 44	0.04 10	0.06 109	0.05 54

GMOStereo	0.11 98	0.09 217	0.08 8	0.19 266	0.08 60	0.12 131	0.28 405	0.13 20	0.18 141	0.11 82	0.17 154	0.14 157	0.12 167	0.07 2	0.07 1	0.05 3	0.05 93	0.09 268	0.07 191	0.04 1	0.04 5

error version	0.11 98	0.09 217	0.08 8	0.19 266	0.08 60	0.12 131	0.28 405	0.13 20	0.18 141	0.11 82	0.17 154	0.14 157	0.12 167	0.07 2	0.07 1	0.05 3	0.05 93	0.09 268	0.07 191	0.04 1	0.04 5

test-v	0.11 98	0.09 217	0.08 8	0.19 266	0.08 60	0.12 131	0.28 405	0.13 20	0.18 141	0.11 82	0.17 154	0.14 157	0.12 167	0.07 2	0.07 1	0.05 3	0.05 93	0.09 268	0.07 191	0.04 1	0.04 5

test-2	0.11 98	0.09 217	0.08 8	0.19 266	0.08 60	0.12 131	0.28 405	0.13 20	0.18 141	0.11 82	0.17 154	0.14 157	0.12 167	0.07 2	0.07 1	0.05 3	0.05 93	0.09 268	0.07 191	0.04 1	0.04 5

CroCo-Stereo Lap2	0.09 19	0.09 217	0.08 8	0.22 358	0.09 151	0.09 43	0.18 274	0.16 58	0.12 38	0.09 28	0.10 50	0.05 1	0.05 3	0.08 7	0.08 10	0.06 59	0.06 216	0.07 124	0.05 49	0.06 109	0.05 54

test_4	0.11 98	0.10 278	0.08 8	0.19 266	0.09 151	0.08 26	0.21 344	0.15 40	0.18 141	0.12 111	0.18 175	0.12 116	0.09 93	0.08 7	0.11 98	0.04 1	0.04 2	0.08 192	0.08 254	0.04 1	0.04 5

test_3	0.11 98	0.09 217	0.10 47	0.21 341	0.08 60	0.13 153	0.25 388	0.14 28	0.21 192	0.10 51	0.10 50	0.09 58	0.10 112	0.08 7	0.11 98	0.05 3	0.04 2	0.08 192	0.07 191	0.04 1	0.04 5

CroCo-Stereo	0.09 19	0.08 161	0.08 8	0.22 358	0.09 151	0.09 43	0.18 274	0.16 58	0.12 38	0.07 4	0.07 15	0.08 41	0.06 13	0.08 7	0.07 1	0.07 161	0.05 93	0.06 44	0.04 10	0.05 44	0.04 5
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
test-1	0.10 66	0.07 70	0.17 270	0.19 266	0.08 60	0.11 99	0.24 373	0.15 40	0.18 141	0.09 28	0.07 15	0.10 80	0.08 71	0.08 7	0.09 22	0.06 59	0.04 2	0.06 44	0.06 107	0.04 1	0.05 54

UGAM-zero	0.10 66	0.05 6	0.15 206	0.15 45	0.08 60	0.10 70	0.13 60	0.20 153	0.15 87	0.11 82	0.15 121	0.07 26	0.08 71	0.09 12	0.10 61	0.06 59	0.05 93	0.06 44	0.05 49	0.05 44	0.06 121

IGEV-Stereo++	0.07 1	0.06 28	0.08 8	0.18 214	0.06 3	0.05 2	0.10 9	0.11 3	0.11 24	0.06 1	0.07 15	0.07 26	0.06 13	0.09 12	0.09 22	0.05 3	0.04 2	0.05 2	0.04 10	0.05 44	0.04 5

RAStereo	0.10 66	0.09 217	0.08 8	0.20 311	0.08 60	0.13 153	0.18 274	0.16 58	0.17 127	0.10 51	0.12 82	0.05 1	0.06 13	0.09 12	0.08 10	0.07 161	0.05 93	0.07 124	0.05 49	0.05 44	0.04 5

Occ-G	0.08 4	0.05 6	0.07 1	0.14 15	0.07 21	0.09 43	0.14 97	0.14 28	0.15 87	0.07 4	0.12 82	0.07 26	0.05 3	0.09 12	0.10 61	0.06 59	0.05 93	0.05 2	0.04 10	0.05 44	0.06 121

gcap-zeroshot	0.09 19	0.06 28	0.10 47	0.16 81	0.07 21	0.14 189	0.13 60	0.11 3	0.12 38	0.13 137	0.12 82	0.09 58	0.08 71	0.09 12	0.09 22	0.06 59	0.05 93	0.06 44	0.05 49	0.04 1	0.04 5

MoCha-V2	0.08 4	0.05 6	0.11 78	0.20 311	0.07 21	0.10 70	0.14 97	0.12 9	0.08 1	0.07 4	0.08 26	0.07 26	0.06 13	0.09 12	0.08 10	0.05 3	0.05 93	0.05 2	0.04 10	0.04 1	0.04 5

MaDis-Stereo	0.09 19	0.09 217	0.08 8	0.17 141	0.09 151	0.14 189	0.11 18	0.16 58	0.16 106	0.09 28	0.11 72	0.06 4	0.06 13	0.09 12	0.13 180	0.07 161	0.06 216	0.08 192	0.05 49	0.05 44	0.04 5

UniTT-Stereo	0.09 19	0.07 70	0.08 8	0.18 214	0.08 60	0.13 153	0.11 18	0.12 9	0.11 24	0.10 51	0.12 82	0.05 1	0.06 13	0.09 12	0.10 61	0.07 161	0.06 216	0.05 2	0.05 49	0.06 109	0.05 54

CAS	0.08 4	0.04 1	0.07 1	0.17 141	0.08 60	0.10 70	0.13 60	0.12 9	0.09 3	0.09 28	0.10 50	0.08 41	0.06 13	0.09 12	0.09 22	0.08 215	0.04 2	0.05 2	0.03 1	0.05 44	0.04 5

cross-raft	0.10 66	0.09 217	0.09 29	0.19 266	0.07 21	0.11 99	0.24 373	0.13 20	0.15 87	0.08 12	0.10 50	0.12 116	0.10 112	0.09 12	0.11 98	0.05 3	0.04 2	0.06 44	0.05 49	0.04 1	0.04 5

EAI-Stereo	0.09 19	0.07 70	0.11 78	0.16 81	0.07 21	0.10 70	0.15 157	0.16 58	0.09 3	0.08 12	0.09 35	0.08 41	0.07 46	0.09 12	0.11 98	0.05 3	0.05 93	0.05 2	0.05 49	0.05 44	0.04 5

AIO-Stereo-zeroshot1	0.11 98	0.05 6	0.14 170	0.16 81	0.21 420	0.09 43	0.17 231	0.21 167	0.16 106	0.11 82	0.15 121	0.10 80	0.07 46	0.10 23	0.08 10	0.06 59	0.05 93	0.07 124	0.07 191	0.07 171	0.09 291

RSM++	0.08 4	0.06 28	0.09 29	0.17 141	0.07 21	0.09 43	0.12 34	0.11 3	0.11 24	0.08 12	0.06 2	0.07 26	0.05 3	0.10 23	0.09 22	0.05 3	0.04 2	0.06 44	0.05 49	0.05 44	0.03 1

RAFT-Stereo-weight	0.09 19	0.06 28	0.11 78	0.16 81	0.07 21	0.09 43	0.14 97	0.19 140	0.16 106	0.11 82	0.10 50	0.08 41	0.06 13	0.10 23	0.11 98	0.06 59	0.04 2	0.06 44	0.04 10	0.04 1	0.04 5

H2IRNET	0.10 66	0.09 217	0.10 47	0.18 214	0.09 151	0.12 131	0.15 157	0.14 28	0.21 192	0.10 51	0.10 50	0.10 80	0.11 138	0.10 23	0.10 61	0.06 59	0.04 2	0.08 192	0.08 254	0.06 109	0.05 54

ACVNet-DCA	0.10 66	0.08 161	0.13 132	0.17 141	0.09 151	0.13 153	0.15 157	0.24 224	0.16 106	0.09 28	0.09 35	0.06 4	0.06 13	0.10 23	0.07 1	0.06 59	0.05 93	0.06 44	0.05 49	0.07 171	0.07 184

xx1	0.11 98	0.08 161	0.13 132	0.17 141	0.09 151	0.13 153	0.15 157	0.16 58	0.18 141	0.09 28	0.09 35	0.16 198	0.16 268	0.10 23	0.07 1	0.06 59	0.05 93	0.08 192	0.08 254	0.07 171	0.07 184

cc1	0.10 66	0.08 161	0.13 132	0.17 141	0.09 151	0.13 153	0.15 157	0.16 58	0.18 141	0.09 28	0.09 35	0.06 4	0.06 13	0.10 23	0.07 1	0.06 59	0.05 93	0.06 44	0.05 49	0.06 109	0.06 121

IGEVStereo-DCA	0.09 19	0.07 70	0.11 78	0.16 81	0.10 250	0.11 99	0.15 157	0.16 58	0.12 38	0.10 51	0.06 2	0.08 41	0.06 13	0.10 23	0.09 22	0.06 59	0.05 93	0.06 44	0.05 49	0.05 44	0.06 121

rrr	0.09 19	0.07 70	0.13 132	0.16 81	0.10 250	0.11 99	0.15 157	0.16 58	0.15 87	0.10 51	0.06 2	0.08 41	0.06 13	0.10 23	0.09 22	0.06 59	0.05 93	0.06 44	0.05 49	0.05 44	0.06 121

ffm	0.12 165	0.09 217	0.15 206	0.16 81	0.09 151	0.17 261	0.17 231	0.15 40	0.19 161	0.15 184	0.26 284	0.19 238	0.13 197	0.10 23	0.08 10	0.06 59	0.05 93	0.09 268	0.08 254	0.06 109	0.06 121

tt1	0.10 66	0.08 161	0.13 132	0.17 141	0.09 151	0.13 153	0.15 157	0.15 40	0.19 161	0.09 28	0.08 26	0.06 4	0.06 13	0.10 23	0.08 10	0.06 59	0.05 93	0.06 44	0.05 49	0.06 109	0.06 121

DLNR_Zeroshot_test	10.48 479	2.27 473	19.78 485	120.28 490	13.29 483	0.06 4	0.13 60	0.24 224	0.10 10	0.08 12	0.10 50	0.09 58	0.07 46	0.10 23	0.09 22	0.13 373	0.04 2	0.06 44	0.04 10	52.68 489	0.04 5

CASnet	0.09 19	0.09 217	0.09 29	0.19 266	0.06 3	0.07 17	0.11 18	0.18 116	0.14 73	0.11 82	0.10 50	0.09 58	0.07 46	0.10 23	0.10 61	0.06 59	0.04 2	0.10 312	0.08 254	0.06 109	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.09 19	0.05 6	0.08 8	0.14 15	0.13 351	0.14 189	0.13 60	0.15 40	0.09 3	0.07 4	0.09 35	0.07 26	0.08 71	0.10 23	0.09 22	0.06 59	0.04 2	0.06 44	0.05 49	0.05 44	0.04 5

HH	0.09 19	0.06 28	0.13 132	0.17 141	0.08 60	0.11 99	0.16 211	0.15 40	0.10 10	0.08 12	0.10 50	0.08 41	0.07 46	0.10 23	0.09 22	0.06 59	0.04 2	0.06 44	0.05 49	0.05 44	0.04 5

HanStereo	0.09 19	0.06 28	0.13 132	0.17 141	0.08 60	0.11 99	0.16 211	0.15 40	0.10 10	0.08 12	0.10 50	0.08 41	0.07 46	0.10 23	0.09 22	0.06 59	0.04 2	0.06 44	0.05 49	0.05 44	0.04 5

LoS_RVC	0.08 4	0.05 6	0.07 1	0.15 45	0.07 21	0.08 26	0.15 157	0.12 9	0.11 24	0.08 12	0.09 35	0.06 4	0.09 93	0.10 23	0.09 22	0.05 3	0.04 2	0.05 2	0.03 1	0.04 1	0.04 5

Selective-IGEV	0.07 1	0.06 28	0.09 29	0.17 141	0.06 3	0.08 26	0.12 34	0.13 20	0.08 1	0.08 12	0.07 15	0.06 4	0.04 1	0.10 23	0.09 22	0.05 3	0.04 2	0.05 2	0.04 10	0.04 1	0.03 1

EGLCR-Stereo	0.08 4	0.05 6	0.08 8	0.14 15	0.07 21	0.11 99	0.12 34	0.11 3	0.16 106	0.06 1	0.05 1	0.07 26	0.05 3	0.10 23	0.11 98	0.06 59	0.04 2	0.06 44	0.05 49	0.04 1	0.04 5

Sa-1000	0.12 165	0.08 161	0.09 29	0.18 214	0.08 60	0.15 213	0.22 355	0.22 189	0.19 161	0.15 184	0.20 198	0.17 215	0.11 138	0.10 23	0.10 61	0.06 59	0.05 93	0.09 268	0.09 294	0.05 44	0.05 54

iRaft-Stereo_20w	0.09 19	0.05 6	0.13 132	0.14 15	0.09 151	0.12 131	0.15 157	0.19 140	0.11 24	0.11 82	0.08 26	0.08 41	0.05 3	0.10 23	0.09 22	0.06 59	0.04 2	0.06 44	0.05 49	0.06 109	0.05 54

TRStereo	0.10 66	0.05 6	0.12 105	0.16 81	0.12 327	0.10 70	0.13 60	0.18 116	0.19 161	0.09 28	0.09 35	0.09 58	0.07 46	0.10 23	0.08 10	0.07 161	0.05 93	0.07 124	0.07 191	0.04 1	0.04 5

SST-Stereo	0.11 98	0.07 70	0.16 247	0.18 214	0.09 151	0.06 4	0.12 34	0.18 116	0.10 10	0.15 184	0.18 175	0.13 139	0.12 167	0.10 23	0.11 98	0.06 59	0.04 2	0.09 268	0.06 107	0.07 171	0.06 121

RAFT_R40	0.11 98	0.07 70	0.15 206	0.18 214	0.09 151	0.06 4	0.13 60	0.17 91	0.15 87	0.14 160	0.18 175	0.15 180	0.12 167	0.10 23	0.11 98	0.06 59	0.04 2	0.09 268	0.06 107	0.06 109	0.05 54

CREStereo++_RVC	0.08 4	0.04 1	0.07 1	0.13 7	0.07 21	0.09 43	0.12 34	0.14 28	0.14 73	0.10 51	0.14 109	0.08 41	0.07 46	0.10 23	0.11 98	0.06 59	0.04 2	0.05 2	0.05 49	0.04 1	0.04 5
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
XX-TBD	0.09 19	0.06 28	0.07 1	0.14 15	0.07 21	0.13 153	0.16 211	0.14 28	0.14 73	0.11 82	0.12 82	0.09 58	0.08 71	0.10 23	0.10 61	0.06 59	0.04 2	0.05 2	0.04 10	0.06 109	0.05 54

test_xeample3	0.09 19	0.07 70	0.12 105	0.16 81	0.09 151	0.11 99	0.15 157	0.16 58	0.14 73	0.10 51	0.07 15	0.08 41	0.06 13	0.10 23	0.09 22	0.06 59	0.04 2	0.06 44	0.05 49	0.05 44	0.06 121

R-Stereo Train	0.10 66	0.06 28	0.11 78	0.17 141	0.08 60	0.11 99	0.14 97	0.24 224	0.11 24	0.12 111	0.19 189	0.11 97	0.08 71	0.10 23	0.11 98	0.07 161	0.05 93	0.06 44	0.05 49	0.05 44	0.05 54

RAFT-Stereo	0.10 66	0.06 28	0.11 78	0.17 141	0.08 60	0.11 99	0.14 97	0.24 224	0.11 24	0.12 111	0.19 189	0.11 97	0.08 71	0.10 23	0.11 98	0.07 161	0.05 93	0.06 44	0.05 49	0.05 44	0.05 54
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
rvit_stereo_0081	0.11 98	0.08 161	0.16 247	0.16 81	0.09 151	0.11 99	0.14 97	0.14 28	0.24 232	0.11 82	0.13 96	0.14 157	0.09 93	0.11 52	0.12 150	0.10 301	0.07 283	0.08 192	0.07 191	0.07 171	0.06 121

rvit_stereo_0082	0.11 98	0.08 161	0.16 247	0.16 81	0.09 151	0.11 99	0.14 97	0.14 28	0.24 232	0.11 82	0.13 96	0.14 157	0.09 93	0.11 52	0.12 150	0.10 301	0.07 283	0.08 192	0.07 191	0.07 171	0.06 121

Pointernet	0.09 19	0.05 6	0.10 47	0.16 81	0.08 60	0.13 153	0.10 9	0.15 40	0.18 141	0.09 28	0.07 15	0.06 4	0.06 13	0.11 52	0.10 61	0.08 215	0.04 2	0.05 2	0.03 1	0.06 109	0.05 54

IGEV-BASED-STEREO-	0.09 19	0.10 278	0.32 391	0.15 45	0.06 3	0.08 26	0.14 97	0.11 3	0.10 10	0.07 4	0.07 15	0.06 4	0.04 1	0.11 52	0.07 1	0.12 356	0.04 2	0.07 124	0.05 49	0.05 44	0.05 54

AIO-Stereo	0.08 4	0.06 28	0.10 47	0.18 214	0.06 3	0.09 43	0.11 18	0.16 58	0.09 3	0.09 28	0.08 26	0.07 26	0.05 3	0.11 52	0.08 10	0.05 3	0.05 93	0.05 2	0.04 10	0.04 1	0.04 5

RSM	0.08 4	0.06 28	0.09 29	0.17 141	0.07 21	0.08 26	0.12 34	0.12 9	0.10 10	0.08 12	0.07 15	0.06 4	0.05 3	0.11 52	0.09 22	0.04 1	0.04 2	0.05 2	0.04 10	0.04 1	0.04 5

test_for_model	0.09 19	0.12 318	0.14 170	0.23 376	0.11 298	0.08 26	0.13 60	0.12 9	0.13 57	0.10 51	0.07 15	0.07 26	0.06 13	0.11 52	0.10 61	0.06 59	0.05 93	0.05 2	0.04 10	0.08 231	0.05 54

trnet	0.08 4	0.05 6	0.07 1	0.12 3	0.05 1	0.12 131	0.10 9	0.13 20	0.10 10	0.08 12	0.13 96	0.09 58	0.08 71	0.11 52	0.10 61	0.08 215	0.05 93	0.05 2	0.03 1	0.06 109	0.05 54

testlalala2	0.10 66	0.06 28	0.11 78	0.20 311	0.10 250	0.10 70	0.11 18	0.17 91	0.13 57	0.12 111	0.13 96	0.09 58	0.08 71	0.11 52	0.13 180	0.06 59	0.05 93	0.05 2	0.04 10	0.05 44	0.05 54

MGS-Stereo	0.09 19	0.07 70	0.12 105	0.16 81	0.08 60	0.09 43	0.15 157	0.12 9	0.12 38	0.07 4	0.10 50	0.08 41	0.06 13	0.11 52	0.09 22	0.05 3	0.04 2	0.06 44	0.05 49	0.06 109	0.05 54

Former-RAFT_DAM_RVC	0.11 98	0.08 161	0.13 132	0.16 81	0.08 60	0.15 213	0.16 211	0.18 116	0.19 161	0.10 51	0.09 35	0.09 58	0.08 71	0.11 52	0.12 150	0.07 161	0.05 93	0.08 192	0.06 107	0.07 171	0.06 121

MyStereo06	0.10 66	0.07 70	0.12 105	0.17 141	0.09 151	0.13 153	0.18 274	0.19 140	0.12 38	0.13 137	0.08 26	0.07 26	0.07 46	0.11 52	0.09 22	0.06 59	0.05 93	0.08 192	0.07 191	0.06 109	0.06 121

AE-Stereo	0.10 66	0.08 161	0.11 78	0.19 266	0.09 151	0.10 70	0.15 157	0.14 28	0.20 179	0.09 28	0.15 121	0.12 116	0.08 71	0.11 52	0.10 61	0.05 3	0.06 216	0.07 124	0.06 107	0.05 44	0.04 5

ff7	0.09 19	0.07 70	0.11 78	0.16 81	0.09 151	0.11 99	0.15 157	0.16 58	0.12 38	0.10 51	0.06 2	0.06 4	0.06 13	0.11 52	0.09 22	0.05 3	0.04 2	0.06 44	0.05 49	0.05 44	0.06 121

ffff	0.09 19	0.07 70	0.11 78	0.16 81	0.09 151	0.11 99	0.15 157	0.16 58	0.12 38	0.10 51	0.06 2	0.06 4	0.06 13	0.11 52	0.09 22	0.05 3	0.04 2	0.06 44	0.05 49	0.05 44	0.06 121

11t	0.09 19	0.07 70	0.11 78	0.16 81	0.09 151	0.11 99	0.15 157	0.16 58	0.12 38	0.10 51	0.06 2	0.06 4	0.06 13	0.11 52	0.09 22	0.05 3	0.04 2	0.06 44	0.05 49	0.05 44	0.06 121

IGEV_Zeroshot_test	0.09 19	0.05 6	0.13 132	0.14 15	0.08 60	0.12 131	0.13 60	0.17 91	0.11 24	0.10 51	0.06 2	0.09 58	0.06 13	0.11 52	0.09 22	0.06 59	0.04 2	0.06 44	0.06 107	0.05 44	0.05 54

EKT-Stereo	0.11 98	0.07 70	0.14 170	0.16 81	0.10 250	0.13 153	0.14 97	0.19 140	0.21 192	0.11 82	0.08 26	0.13 139	0.10 112	0.11 52	0.12 150	0.08 215	0.06 216	0.07 124	0.06 107	0.08 231	0.07 184

testlalala	0.08 4	0.07 70	0.17 270	0.16 81	0.08 60	0.09 43	0.12 34	0.15 40	0.10 10	0.07 4	0.09 35	0.06 4	0.06 13	0.11 52	0.09 22	0.05 3	0.04 2	0.06 44	0.04 10	0.04 1	0.04 5

testlalala_base	0.10 66	0.09 217	0.14 170	0.21 341	0.08 60	0.10 70	0.14 97	0.13 20	0.11 24	0.08 12	0.15 121	0.07 26	0.08 71	0.11 52	0.12 150	0.08 215	0.05 93	0.05 2	0.03 1	0.07 171	0.05 54

anonymousdsp	0.09 19	0.07 70	0.11 78	0.17 141	0.09 151	0.11 99	0.15 157	0.16 58	0.12 38	0.10 51	0.06 2	0.06 4	0.06 13	0.11 52	0.09 22	0.05 3	0.04 2	0.06 44	0.05 49	0.05 44	0.06 121

ProNet	0.09 19	0.07 70	0.11 78	0.17 141	0.08 60	0.11 99	0.15 157	0.15 40	0.12 38	0.10 51	0.06 2	0.07 26	0.06 13	0.11 52	0.09 22	0.05 3	0.05 93	0.06 44	0.05 49	0.04 1	0.06 121

MC-Stereo	0.09 19	0.07 70	0.09 29	0.17 141	0.06 3	0.10 70	0.14 97	0.12 9	0.11 24	0.09 28	0.12 82	0.09 58	0.06 13	0.11 52	0.10 61	0.06 59	0.04 2	0.06 44	0.05 49	0.04 1	0.04 5

ccc-4	0.09 19	0.07 70	0.11 78	0.16 81	0.09 151	0.11 99	0.15 157	0.16 58	0.12 38	0.10 51	0.06 2	0.06 4	0.06 13	0.11 52	0.09 22	0.05 3	0.04 2	0.06 44	0.05 49	0.05 44	0.06 121

raft_robust	0.13 192	0.10 278	0.07 1	0.18 214	0.08 60	0.13 153	0.24 373	0.29 308	0.34 334	0.20 287	0.20 198	0.15 180	0.10 112	0.11 52	0.12 150	0.05 3	0.05 93	0.07 124	0.07 191	0.05 44	0.04 5

RAFT+CT+SA	0.13 192	0.11 302	0.09 29	0.19 266	0.09 151	0.15 213	0.28 405	0.22 189	0.22 213	0.15 184	0.26 284	0.10 80	0.10 112	0.11 52	0.12 150	0.05 3	0.04 2	0.07 124	0.08 254	0.07 171	0.06 121

SA	0.13 192	0.09 217	0.09 29	0.18 214	0.08 60	0.12 131	0.24 373	0.23 203	0.19 161	0.17 221	0.27 299	0.15 180	0.11 138	0.11 52	0.11 98	0.05 3	0.05 93	0.09 268	0.08 254	0.05 44	0.05 54

IGEV-Stereo	0.09 19	0.07 70	0.11 78	0.17 141	0.09 151	0.11 99	0.15 157	0.16 58	0.12 38	0.10 51	0.06 2	0.06 4	0.06 13	0.11 52	0.09 22	0.05 3	0.04 2	0.06 44	0.05 49	0.05 44	0.06 121
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
test-3	0.09 19	0.06 28	0.10 47	0.18 214	0.07 21	0.07 17	0.14 97	0.12 9	0.16 106	0.10 51	0.08 26	0.08 41	0.08 71	0.11 52	0.10 61	0.05 3	0.04 2	0.07 124	0.05 49	0.04 1	0.04 5

test_1	0.09 19	0.06 28	0.10 47	0.18 214	0.07 21	0.07 17	0.14 97	0.12 9	0.16 106	0.10 51	0.08 26	0.08 41	0.08 71	0.11 52	0.10 61	0.05 3	0.04 2	0.07 124	0.05 49	0.04 1	0.04 5

CrosDoStereo	0.12 165	0.07 70	0.12 105	0.14 15	0.09 151	0.12 131	0.15 157	0.17 91	0.22 213	0.19 266	0.24 244	0.15 180	0.11 138	0.11 52	0.12 150	0.06 59	0.05 93	0.07 124	0.07 191	0.05 44	0.05 54

PFNet+	0.12 165	0.06 28	0.14 170	0.16 81	0.09 151	0.05 2	0.12 34	0.18 116	0.21 192	0.16 211	0.19 189	0.14 157	0.10 112	0.11 52	0.11 98	0.08 215	0.05 93	0.09 268	0.08 254	0.06 109	0.11 337

Patchmatch Stereo++	0.11 98	0.09 217	0.17 270	0.19 266	0.08 60	0.06 4	0.11 18	0.17 91	0.13 57	0.15 184	0.16 137	0.14 157	0.12 167	0.11 52	0.11 98	0.06 59	0.05 93	0.08 192	0.06 107	0.08 231	0.07 184
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
AAGNet	0.12 165	0.08 161	0.17 270	0.19 266	0.09 151	0.08 26	0.13 60	0.19 140	0.13 57	0.16 211	0.21 215	0.13 139	0.14 227	0.11 52	0.14 215	0.06 59	0.04 2	0.09 268	0.06 107	0.06 109	0.05 54

STrans-v2	0.10 66	0.07 70	0.13 132	0.18 214	0.08 60	0.10 70	0.14 97	0.22 189	0.11 24	0.11 82	0.15 121	0.12 116	0.10 112	0.11 52	0.12 150	0.05 3	0.04 2	0.06 44	0.06 107	0.05 44	0.05 54

TransformOpticalFlow	0.10 66	0.08 161	0.13 132	0.18 214	0.07 21	0.09 43	0.15 157	0.19 140	0.16 106	0.12 111	0.16 137	0.11 97	0.11 138	0.11 52	0.11 98	0.05 3	0.04 2	0.06 44	0.06 107	0.05 44	0.05 54

OMP-Stereo	0.11 98	0.07 70	0.14 170	0.18 214	0.08 60	0.09 43	0.12 34	0.21 167	0.21 192	0.13 137	0.14 109	0.11 97	0.12 167	0.11 52	0.13 180	0.06 59	0.05 93	0.07 124	0.06 107	0.05 44	0.04 5

NF-Stereo	0.11 98	0.07 70	0.13 132	0.17 141	0.09 151	0.10 70	0.13 60	0.23 203	0.19 161	0.12 111	0.17 154	0.12 116	0.12 167	0.11 52	0.11 98	0.06 59	0.04 2	0.07 124	0.06 107	0.07 171	0.12 356

OCTAStereo	0.11 98	0.07 70	0.14 170	0.17 141	0.09 151	0.10 70	0.13 60	0.23 203	0.19 161	0.12 111	0.17 154	0.12 116	0.12 167	0.11 52	0.11 98	0.06 59	0.04 2	0.07 124	0.06 107	0.07 171	0.11 337

PSM-softLoss	0.12 165	0.07 70	0.15 206	0.17 141	0.09 151	0.08 26	0.12 34	0.24 224	0.17 127	0.15 184	0.19 189	0.13 139	0.11 138	0.11 52	0.11 98	0.07 161	0.05 93	0.08 192	0.07 191	0.07 171	0.12 356

KMStereo	0.12 165	0.07 70	0.15 206	0.17 141	0.09 151	0.08 26	0.12 34	0.24 224	0.17 127	0.15 184	0.19 189	0.13 139	0.11 138	0.11 52	0.11 98	0.07 161	0.05 93	0.08 192	0.07 191	0.07 171	0.12 356

PSM-adaLoss	0.11 98	0.09 217	0.17 270	0.19 266	0.08 60	0.06 4	0.12 34	0.17 91	0.13 57	0.15 184	0.16 137	0.14 157	0.12 167	0.11 52	0.11 98	0.06 59	0.05 93	0.08 192	0.06 107	0.08 231	0.07 184

PSM-AAD	0.11 98	0.07 70	0.10 47	0.20 311	0.09 151	0.10 70	0.14 97	0.21 167	0.13 57	0.12 111	0.14 109	0.18 229	0.11 138	0.11 52	0.10 61	0.05 3	0.05 93	0.09 268	0.08 254	0.06 109	0.14 382

ROB_FTStereo_v2	0.11 98	0.09 217	0.17 270	0.19 266	0.08 60	0.06 4	0.12 34	0.17 91	0.13 57	0.15 184	0.16 137	0.14 157	0.12 167	0.11 52	0.11 98	0.06 59	0.05 93	0.08 192	0.06 107	0.08 231	0.07 184

ROB_FTStereo	0.11 98	0.09 217	0.17 270	0.19 266	0.08 60	0.06 4	0.11 18	0.17 91	0.13 57	0.15 184	0.16 137	0.14 157	0.12 167	0.11 52	0.11 98	0.06 59	0.05 93	0.08 192	0.06 107	0.08 231	0.07 184

HUI-Stereo	0.11 98	0.09 217	0.17 270	0.19 266	0.08 60	0.06 4	0.11 18	0.17 91	0.13 57	0.15 184	0.16 137	0.14 157	0.12 167	0.11 52	0.11 98	0.06 59	0.05 93	0.08 192	0.06 107	0.08 231	0.07 184

DeepStereo_LL	0.12 165	0.07 70	0.12 105	0.14 15	0.09 151	0.12 131	0.15 157	0.17 91	0.22 213	0.19 266	0.24 244	0.15 180	0.11 138	0.11 52	0.12 150	0.06 59	0.05 93	0.07 124	0.07 191	0.05 44	0.05 54

DRaft	0.12 165	0.06 28	0.12 105	0.14 15	0.09 151	0.14 189	0.17 231	0.21 167	0.30 306	0.18 252	0.27 299	0.10 80	0.16 268	0.11 52	0.12 150	0.05 3	0.04 2	0.07 124	0.07 191	0.05 44	0.05 54

RE-Stereo	0.11 98	0.07 70	0.13 132	0.17 141	0.09 151	0.10 70	0.13 60	0.23 203	0.19 161	0.12 111	0.17 154	0.12 116	0.12 167	0.11 52	0.11 98	0.06 59	0.04 2	0.07 124	0.06 107	0.07 171	0.11 337

Pruner-Stereo	0.11 98	0.07 70	0.12 105	0.17 141	0.09 151	0.06 4	0.12 34	0.18 116	0.17 127	0.14 160	0.19 189	0.13 139	0.10 112	0.11 52	0.11 98	0.06 59	0.04 2	0.07 124	0.06 107	0.06 109	0.08 250

TVStereo	0.11 98	0.07 70	0.13 132	0.17 141	0.09 151	0.10 70	0.13 60	0.23 203	0.19 161	0.12 111	0.17 154	0.12 116	0.12 167	0.11 52	0.11 98	0.06 59	0.04 2	0.07 124	0.06 107	0.07 171	0.11 337

iGMRVC	0.11 98	0.09 217	0.17 270	0.19 266	0.08 60	0.06 4	0.12 34	0.17 91	0.13 57	0.15 184	0.16 137	0.14 157	0.12 167	0.11 52	0.11 98	0.06 59	0.05 93	0.08 192	0.06 107	0.08 231	0.07 184

RAFT-345	0.11 98	0.07 70	0.16 247	0.17 141	0.08 60	0.08 26	0.12 34	0.16 58	0.10 10	0.11 82	0.34 357	0.09 58	0.10 112	0.11 52	0.12 150	0.05 3	0.05 93	0.07 124	0.06 107	0.04 1	0.05 54

iRAFT	0.11 98	0.09 217	0.17 270	0.19 266	0.08 60	0.06 4	0.11 18	0.17 91	0.13 57	0.15 184	0.16 137	0.14 157	0.12 167	0.11 52	0.11 98	0.06 59	0.05 93	0.08 192	0.06 107	0.08 231	0.07 184

GMM-Stereo	0.11 98	0.07 70	0.10 47	0.18 214	0.09 151	0.08 26	0.14 97	0.24 224	0.16 106	0.11 82	0.15 121	0.13 139	0.11 138	0.11 52	0.11 98	0.05 3	0.04 2	0.08 192	0.07 191	0.06 109	0.09 291

RAFT-IKP	0.11 98	0.09 217	0.17 270	0.19 266	0.08 60	0.06 4	0.11 18	0.17 91	0.13 57	0.15 184	0.16 137	0.14 157	0.12 167	0.11 52	0.11 98	0.06 59	0.05 93	0.08 192	0.06 107	0.08 231	0.07 184

rafts_anoy	0.11 98	0.06 28	0.10 47	0.17 141	0.08 60	0.10 70	0.14 97	0.18 116	0.14 73	0.13 137	0.13 96	0.12 116	0.11 138	0.11 52	0.13 180	0.07 161	0.05 93	0.09 268	0.11 352	0.07 171	0.06 121

iRaftStereo_RVC	0.10 66	0.07 70	0.10 47	0.17 141	0.09 151	0.11 99	0.17 231	0.18 116	0.12 38	0.09 28	0.11 72	0.10 80	0.07 46	0.11 52	0.10 61	0.05 3	0.04 2	0.08 192	0.08 254	0.04 1	0.04 5

s12784h	0.10 66	0.06 28	0.08 8	0.15 45	0.05 1	0.16 239	0.18 274	0.16 58	0.15 87	0.10 51	0.11 72	0.11 97	0.11 138	0.11 52	0.12 150	0.05 3	0.04 2	0.06 44	0.04 10	0.04 1	0.04 5

sAnonymous2	0.13 192	0.12 318	0.25 356	0.20 311	0.12 327	0.18 277	0.14 97	0.27 269	0.21 192	0.11 82	0.12 82	0.13 139	0.08 71	0.11 52	0.11 98	0.09 265	0.05 93	0.08 192	0.06 107	0.15 394	0.10 315

CroCo_RVC	0.13 192	0.12 318	0.25 356	0.20 311	0.12 327	0.18 277	0.14 97	0.27 269	0.21 192	0.11 82	0.12 82	0.13 139	0.08 71	0.11 52	0.11 98	0.09 265	0.05 93	0.08 192	0.06 107	0.15 394	0.10 315

DCANet	0.10 66	0.06 28	0.12 105	0.16 81	0.06 3	0.09 43	0.17 231	0.16 58	0.20 179	0.13 137	0.18 175	0.10 80	0.11 138	0.11 52	0.12 150	0.06 59	0.04 2	0.05 2	0.04 10	0.05 44	0.05 54

rvit_stereo_0083	0.12 165	0.08 161	0.17 270	0.16 81	0.09 151	0.11 99	0.15 157	0.15 40	0.26 267	0.11 82	0.14 109	0.13 139	0.10 112	0.12 114	0.13 180	0.10 301	0.08 313	0.09 268	0.07 191	0.07 171	0.06 121

rvit_stereo_0081_aga	0.12 165	0.09 217	0.15 206	0.18 214	0.10 250	0.14 189	0.14 97	0.14 28	0.19 161	0.10 51	0.18 175	0.16 198	0.09 93	0.12 114	0.10 61	0.10 301	0.06 216	0.08 192	0.07 191	0.07 171	0.06 121

model_zeroshot	0.10 66	0.05 6	0.12 105	0.15 45	0.09 151	0.13 153	0.14 97	0.20 153	0.14 73	0.11 82	0.10 50	0.12 116	0.07 46	0.12 114	0.11 98	0.07 161	0.06 216	0.06 44	0.05 49	0.06 109	0.06 121

GCAP-BAT	0.09 19	0.07 70	0.14 170	0.15 45	0.08 60	0.10 70	0.12 34	0.15 40	0.11 24	0.11 82	0.10 50	0.09 58	0.07 46	0.12 114	0.10 61	0.06 59	0.05 93	0.06 44	0.04 10	0.04 1	0.04 5

AIO-Stereo-zeroshot	0.11 98	0.05 6	0.12 105	0.15 45	0.13 351	0.14 189	0.16 211	0.23 203	0.18 141	0.10 51	0.13 96	0.10 80	0.07 46	0.12 114	0.09 22	0.06 59	0.05 93	0.06 44	0.06 107	0.07 171	0.08 250

rvit_stereo_0080	0.10 66	0.08 161	0.15 206	0.15 45	0.10 250	0.07 17	0.15 157	0.16 58	0.16 106	0.11 82	0.10 50	0.15 180	0.09 93	0.12 114	0.10 61	0.09 265	0.07 283	0.07 124	0.06 107	0.07 171	0.05 54

MyStereo07	0.10 66	0.07 70	0.10 47	0.17 141	0.09 151	0.14 189	0.17 231	0.15 40	0.15 87	0.09 28	0.06 2	0.06 4	0.07 46	0.12 114	0.09 22	0.06 59	0.05 93	0.08 192	0.07 191	0.06 109	0.06 121

whm_eth	0.10 66	0.08 161	0.15 206	0.15 45	0.10 250	0.07 17	0.15 157	0.16 58	0.16 106	0.11 82	0.10 50	0.15 180	0.09 93	0.12 114	0.10 61	0.09 265	0.07 283	0.07 124	0.06 107	0.07 171	0.05 54

MSKI-zero shot	0.09 19	0.05 6	0.09 29	0.16 81	0.07 21	0.10 70	0.13 60	0.15 40	0.14 73	0.09 28	0.09 35	0.09 58	0.06 13	0.12 114	0.11 98	0.06 59	0.04 2	0.05 2	0.04 10	0.04 1	0.05 54

MIF-Stereo (partial)	0.11 98	0.06 28	0.10 47	0.19 266	0.10 250	0.10 70	0.12 34	0.17 91	0.19 161	0.14 160	0.16 137	0.10 80	0.11 138	0.12 114	0.12 150	0.08 215	0.05 93	0.08 192	0.07 191	0.06 109	0.07 184

MIM_Stereo	0.10 66	0.07 70	0.11 78	0.15 45	0.07 21	0.07 17	0.12 34	0.20 153	0.14 73	0.13 137	0.14 109	0.09 58	0.05 3	0.12 114	0.08 10	0.05 3	0.06 216	0.07 124	0.06 107	0.06 109	0.05 54

RAFT-Test	0.09 19	0.06 28	0.10 47	0.16 81	0.07 21	0.11 99	0.15 157	0.16 58	0.13 57	0.09 28	0.10 50	0.11 97	0.09 93	0.12 114	0.09 22	0.06 59	0.04 2	0.05 2	0.04 10	0.05 44	0.05 54

4D-IteraStereo	0.10 66	0.07 70	0.10 47	0.18 214	0.07 21	0.09 43	0.15 157	0.18 116	0.15 87	0.10 51	0.11 72	0.10 80	0.07 46	0.12 114	0.09 22	0.05 3	0.03 1	0.08 192	0.07 191	0.06 109	0.05 54

CES	0.08 4	0.04 1	0.08 8	0.14 15	0.07 21	0.09 43	0.14 97	0.11 3	0.09 3	0.08 12	0.09 35	0.11 97	0.07 46	0.12 114	0.08 10	0.06 59	0.04 2	0.05 2	0.03 1	0.05 44	0.05 54

RCA-Stereo	0.09 19	0.06 28	0.09 29	0.16 81	0.06 3	0.09 43	0.13 60	0.18 116	0.14 73	0.10 51	0.11 72	0.08 41	0.07 46	0.12 114	0.11 98	0.06 59	0.04 2	0.06 44	0.05 49	0.05 44	0.04 5

TestStereo1	0.13 192	0.08 161	0.08 8	0.20 311	0.08 60	0.18 277	0.29 416	0.23 203	0.17 127	0.17 221	0.20 198	0.16 198	0.11 138	0.12 114	0.13 180	0.06 59	0.06 216	0.08 192	0.06 107	0.05 44	0.05 54

DCANet-4	0.11 98	0.07 70	0.13 132	0.16 81	0.06 3	0.09 43	0.17 231	0.18 116	0.20 179	0.13 137	0.17 154	0.09 58	0.14 227	0.12 114	0.13 180	0.06 59	0.04 2	0.05 2	0.04 10	0.04 1	0.05 54

fff	0.10 66	0.06 28	0.12 105	0.15 45	0.07 21	0.09 43	0.17 231	0.16 58	0.21 192	0.13 137	0.17 154	0.10 80	0.11 138	0.12 114	0.13 180	0.06 59	0.04 2	0.05 2	0.04 10	0.04 1	0.05 54

ADStereo(finetuned)	0.10 66	0.06 28	0.13 132	0.16 81	0.06 3	0.09 43	0.17 231	0.16 58	0.20 179	0.13 137	0.18 175	0.10 80	0.12 167	0.12 114	0.12 150	0.06 59	0.04 2	0.05 2	0.04 10	0.05 44	0.05 54

DisPM	0.11 98	0.07 70	0.13 132	0.16 81	0.09 151	0.06 4	0.13 60	0.18 116	0.17 127	0.14 160	0.19 189	0.12 116	0.10 112	0.12 114	0.11 98	0.07 161	0.05 93	0.07 124	0.06 107	0.06 109	0.11 337

test_5	0.14 219	0.12 318	0.08 8	0.20 311	0.10 250	0.14 189	0.28 405	0.21 167	0.24 232	0.19 266	0.28 308	0.11 97	0.15 247	0.12 114	0.13 180	0.06 59	0.05 93	0.07 124	0.08 254	0.08 231	0.07 184

SA-5K	0.13 192	0.08 161	0.08 8	0.20 311	0.08 60	0.18 277	0.29 416	0.23 203	0.17 127	0.17 221	0.20 198	0.16 198	0.11 138	0.12 114	0.13 180	0.06 59	0.06 216	0.08 192	0.06 107	0.05 44	0.05 54

LCNet	0.11 98	0.07 70	0.09 29	0.19 266	0.09 151	0.08 26	0.14 97	0.21 167	0.15 87	0.12 111	0.15 121	0.16 198	0.11 138	0.12 114	0.11 98	0.05 3	0.04 2	0.08 192	0.07 191	0.06 109	0.14 382

IIG-Stereo	0.11 98	0.06 28	0.13 132	0.17 141	0.08 60	0.11 99	0.12 34	0.22 189	0.18 141	0.14 160	0.17 154	0.12 116	0.13 197	0.12 114	0.13 180	0.06 59	0.05 93	0.07 124	0.06 107	0.06 109	0.05 54

KYRaft	0.12 165	0.07 70	0.10 47	0.19 266	0.09 151	0.08 26	0.15 157	0.23 203	0.12 38	0.13 137	0.16 137	0.20 255	0.10 112	0.12 114	0.11 98	0.06 59	0.04 2	0.08 192	0.08 254	0.06 109	0.15 396

DEmStereo	0.12 165	0.06 28	0.14 170	0.14 15	0.10 250	0.16 239	0.15 157	0.16 58	0.24 232	0.17 221	0.23 233	0.12 116	0.14 227	0.12 114	0.14 215	0.05 3	0.04 2	0.07 124	0.06 107	0.05 44	0.05 54

THIR-Stereo	0.12 165	0.07 70	0.11 78	0.15 45	0.08 60	0.14 189	0.16 211	0.18 116	0.25 255	0.17 221	0.24 244	0.13 139	0.13 197	0.12 114	0.14 215	0.06 59	0.05 93	0.07 124	0.07 191	0.05 44	0.05 54

GrayStereo	0.11 98	0.06 28	0.11 78	0.19 266	0.09 151	0.09 43	0.16 211	0.18 116	0.17 127	0.14 160	0.17 154	0.17 215	0.11 138	0.12 114	0.11 98	0.05 3	0.05 93	0.07 124	0.06 107	0.06 109	0.10 315

DeepStereo_RVC	0.11 98	0.08 161	0.17 270	0.18 214	0.08 60	0.08 26	0.11 18	0.17 91	0.12 38	0.13 137	0.15 121	0.12 116	0.12 167	0.12 114	0.11 98	0.06 59	0.04 2	0.07 124	0.06 107	0.07 171	0.08 250

IRAFT_RVC	0.12 165	0.08 161	0.17 270	0.19 266	0.08 60	0.07 17	0.14 97	0.25 243	0.23 222	0.14 160	0.15 121	0.15 180	0.12 167	0.12 114	0.11 98	0.06 59	0.04 2	0.09 268	0.06 107	0.06 109	0.06 121

CRE-IMP	0.11 98	0.09 217	0.16 247	0.19 266	0.09 151	0.10 70	0.12 34	0.18 116	0.10 10	0.14 160	0.14 109	0.14 157	0.13 197	0.12 114	0.12 150	0.07 161	0.04 2	0.08 192	0.06 107	0.08 231	0.08 250

Prome-Stereo	0.11 98	0.07 70	0.11 78	0.18 214	0.09 151	0.12 131	0.14 97	0.23 203	0.13 57	0.13 137	0.16 137	0.13 139	0.08 71	0.12 114	0.10 61	0.05 3	0.05 93	0.07 124	0.06 107	0.06 109	0.10 315

raft+_RVC	0.11 98	0.07 70	0.09 29	0.16 81	0.07 21	0.10 70	0.11 18	0.24 224	0.20 179	0.12 111	0.15 121	0.12 116	0.08 71	0.12 114	0.13 180	0.07 161	0.04 2	0.07 124	0.06 107	0.05 44	0.05 54

TANstereo	0.09 19	0.04 1	0.08 8	0.13 7	0.06 3	0.11 99	0.13 60	0.15 40	0.19 161	0.11 82	0.15 121	0.10 80	0.07 46	0.12 114	0.09 22	0.07 161	0.05 93	0.05 2	0.04 10	0.06 109	0.05 54

raftrobust	0.09 19	0.06 28	0.11 78	0.17 141	0.08 60	0.09 43	0.10 9	0.18 116	0.16 106	0.10 51	0.09 35	0.12 116	0.08 71	0.12 114	0.10 61	0.08 215	0.05 93	0.06 44	0.05 49	0.05 44	0.06 121

RALCasStereoNet	0.11 98	0.07 70	0.09 29	0.16 81	0.08 60	0.13 153	0.14 97	0.17 91	0.11 24	0.12 111	0.17 154	0.14 157	0.10 112	0.12 114	0.11 98	0.07 161	0.06 216	0.06 44	0.05 49	0.08 231	0.07 184

RALAANet	0.11 98	0.08 161	0.10 47	0.17 141	0.09 151	0.14 189	0.10 9	0.20 153	0.16 106	0.14 160	0.13 96	0.16 198	0.09 93	0.12 114	0.12 150	0.06 59	0.05 93	0.08 192	0.07 191	0.06 109	0.04 5

csc	0.10 66	0.06 28	0.12 105	0.15 45	0.07 21	0.09 43	0.17 231	0.16 58	0.21 192	0.13 137	0.17 154	0.10 80	0.11 138	0.12 114	0.13 180	0.06 59	0.04 2	0.05 2	0.04 10	0.04 1	0.05 54

cscssc	0.10 66	0.06 28	0.12 105	0.15 45	0.07 21	0.09 43	0.17 231	0.16 58	0.21 192	0.13 137	0.17 154	0.10 80	0.11 138	0.12 114	0.13 180	0.06 59	0.04 2	0.05 2	0.04 10	0.04 1	0.05 54

RAFT-Stereo + iAFF	0.09 19	0.06 28	0.10 47	0.17 141	0.07 21	0.10 70	0.15 157	0.17 91	0.15 87	0.10 51	0.10 50	0.08 41	0.09 93	0.12 114	0.10 61	0.05 3	0.04 2	0.06 44	0.06 107	0.04 1	0.03 1

AFF-stereo	0.09 19	0.07 70	0.10 47	0.17 141	0.07 21	0.10 70	0.15 157	0.18 116	0.10 10	0.10 51	0.11 72	0.09 58	0.10 112	0.12 114	0.10 61	0.05 3	0.04 2	0.07 124	0.07 191	0.04 1	0.04 5

CFNet-RSSM	0.09 19	0.07 70	0.10 47	0.16 81	0.07 21	0.09 43	0.15 157	0.17 91	0.18 141	0.08 12	0.12 82	0.11 97	0.09 93	0.12 114	0.10 61	0.06 59	0.04 2	0.06 44	0.04 10	0.04 1	0.04 5

Gwc-CoAtRS	0.09 19	0.07 70	0.10 47	0.16 81	0.07 21	0.10 70	0.15 157	0.18 116	0.17 127	0.08 12	0.10 50	0.12 116	0.09 93	0.12 114	0.09 22	0.06 59	0.04 2	0.06 44	0.04 10	0.04 1	0.05 54

CREStereo	0.09 19	0.05 6	0.08 8	0.11 1	0.06 3	0.14 189	0.14 97	0.14 28	0.10 10	0.09 28	0.13 96	0.09 58	0.08 71	0.12 114	0.10 61	0.08 215	0.04 2	0.05 2	0.03 1	0.06 109	0.06 121
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
WCG-NET（raft）	0.08 4	0.05 6	0.10 47	0.15 45	0.06 3	0.11 99	0.13 60	0.15 40	0.12 38	0.08 12	0.07 15	0.06 4	0.06 13	0.13 158	0.08 10	0.05 3	0.04 2	0.05 2	0.04 10	0.05 44	0.04 5

IGEV++	0.08 4	0.06 28	0.09 29	0.18 214	0.07 21	0.10 70	0.13 60	0.10 1	0.10 10	0.08 12	0.08 26	0.06 4	0.05 3	0.13 158	0.09 22	0.05 3	0.04 2	0.05 2	0.04 10	0.05 44	0.04 5

ttt	0.14 219	0.08 161	0.14 170	0.15 45	0.08 60	0.15 213	0.18 274	0.27 269	0.30 306	0.16 211	0.24 244	0.17 215	0.14 227	0.13 158	0.14 215	0.11 332	0.08 313	0.09 268	0.08 254	0.09 291	0.09 291

plain	0.11 98	0.09 217	0.10 47	0.19 266	0.09 151	0.11 99	0.14 97	0.14 28	0.13 57	0.13 137	0.15 121	0.09 58	0.12 167	0.13 158	0.12 150	0.07 161	0.05 93	0.09 268	0.06 107	0.06 109	0.06 121

SPstereo	0.09 19	0.07 70	0.13 132	0.18 214	0.06 3	0.11 99	0.07 1	0.14 28	0.12 38	0.09 28	0.10 50	0.07 26	0.09 93	0.13 158	0.10 61	0.06 59	0.05 93	0.05 2	0.04 10	0.04 1	0.05 54

Any-RAFT	0.10 66	0.05 6	0.10 47	0.15 45	0.07 21	0.13 153	0.14 97	0.21 167	0.15 87	0.11 82	0.12 82	0.13 139	0.10 112	0.13 158	0.10 61	0.07 161	0.04 2	0.05 2	0.04 10	0.06 109	0.05 54

RAFT_CTSACE	0.12 165	0.09 217	0.10 47	0.22 358	0.08 60	0.12 131	0.24 373	0.18 116	0.17 127	0.21 299	0.27 299	0.13 139	0.07 46	0.13 158	0.09 22	0.05 3	0.06 216	0.08 192	0.07 191	0.04 1	0.04 5

MIPNet	0.11 98	0.08 161	0.15 206	0.17 141	0.09 151	0.12 131	0.14 97	0.21 167	0.25 255	0.12 111	0.10 50	0.09 58	0.07 46	0.13 158	0.13 180	0.06 59	0.04 2	0.06 44	0.05 49	0.04 1	0.04 5

IPLGR	0.11 98	0.09 217	0.17 270	0.18 214	0.08 60	0.13 153	0.16 211	0.21 167	0.24 232	0.12 111	0.12 82	0.11 97	0.09 93	0.13 158	0.12 150	0.06 59	0.05 93	0.06 44	0.06 107	0.05 44	0.04 5

GwcNet-ADL	0.13 192	0.08 161	0.14 170	0.20 311	0.09 151	0.12 131	0.20 329	0.30 318	0.25 255	0.14 160	0.14 109	0.18 229	0.14 227	0.13 158	0.15 249	0.07 161	0.05 93	0.06 44	0.05 49	0.07 171	0.06 121

HHNet	0.11 98	0.06 28	0.16 247	0.15 45	0.14 366	0.07 17	0.13 60	0.20 153	0.18 141	0.15 184	0.25 271	0.11 97	0.09 93	0.13 158	0.10 61	0.06 59	0.04 2	0.08 192	0.06 107	0.05 44	0.09 291

NRIStereo	0.11 98	0.08 161	0.15 206	0.18 214	0.08 60	0.10 70	0.13 60	0.17 91	0.15 87	0.12 111	0.15 121	0.13 139	0.13 197	0.13 158	0.10 61	0.06 59	0.04 2	0.07 124	0.06 107	0.06 109	0.07 184

FTStereo	0.12 165	0.07 70	0.14 170	0.18 214	0.09 151	0.07 17	0.15 157	0.22 189	0.18 141	0.12 111	0.24 244	0.11 97	0.13 197	0.13 158	0.14 215	0.05 3	0.05 93	0.07 124	0.07 191	0.06 109	0.10 315

ASMatch	0.11 98	0.06 28	0.13 132	0.17 141	0.10 250	0.08 26	0.14 97	0.18 116	0.16 106	0.12 111	0.16 137	0.16 198	0.11 138	0.13 158	0.11 98	0.05 3	0.04 2	0.06 44	0.06 107	0.04 1	0.09 291

PFNet	0.12 165	0.06 28	0.17 270	0.18 214	0.08 60	0.09 43	0.15 157	0.26 255	0.20 179	0.16 211	0.16 137	0.14 157	0.12 167	0.13 158	0.11 98	0.06 59	0.04 2	0.07 124	0.06 107	0.05 44	0.05 54

RAFT-RH_RVC	0.12 165	0.06 28	0.14 170	0.16 81	0.09 151	0.12 131	0.12 34	0.17 91	0.12 38	0.13 137	0.40 384	0.11 97	0.10 112	0.13 158	0.12 150	0.05 3	0.04 2	0.08 192	0.05 49	0.05 44	0.06 121

AnonymousM	0.10 66	0.06 28	0.10 47	0.14 15	0.07 21	0.09 43	0.13 60	0.19 140	0.14 73	0.13 137	0.12 82	0.09 58	0.08 71	0.13 158	0.10 61	0.08 215	0.05 93	0.08 192	0.05 49	0.05 44	0.05 54

XX-Stereo	0.09 19	0.05 6	0.09 29	0.17 141	0.09 151	0.15 213	0.12 34	0.21 167	0.10 10	0.10 51	0.14 109	0.07 26	0.06 13	0.13 158	0.08 10	0.06 59	0.05 93	0.06 44	0.06 107	0.04 1	0.04 5

111	0.11 98	0.06 28	0.12 105	0.15 45	0.07 21	0.10 70	0.14 97	0.21 167	0.24 232	0.11 82	0.12 82	0.14 157	0.12 167	0.13 158	0.10 61	0.06 59	0.04 2	0.06 44	0.04 10	0.06 109	0.05 54

DN-CSS_ROB	0.13 192	0.13 343	0.17 270	0.18 214	0.10 250	0.16 239	0.08 3	0.22 189	0.19 161	0.17 221	0.23 233	0.13 139	0.13 197	0.13 158	0.14 215	0.05 3	0.05 93	0.10 312	0.10 326	0.08 231	0.06 121

WCG-NET	0.09 19	0.05 6	0.10 47	0.15 45	0.07 21	0.11 99	0.11 18	0.16 58	0.09 3	0.09 28	0.12 82	0.08 41	0.06 13	0.14 178	0.09 22	0.07 161	0.04 2	0.06 44	0.05 49	0.06 109	0.05 54

rvit_stereo_ft	0.12 165	0.07 70	0.13 132	0.19 266	0.10 250	0.12 131	0.17 231	0.16 58	0.16 106	0.13 137	0.13 96	0.15 180	0.10 112	0.14 178	0.13 180	0.10 301	0.06 216	0.08 192	0.07 191	0.07 171	0.06 121

CAS++	0.11 98	0.07 70	0.11 78	0.14 15	0.10 250	0.13 153	0.14 97	0.24 224	0.14 73	0.11 82	0.09 35	0.11 97	0.07 46	0.14 178	0.09 22	0.11 332	0.09 335	0.09 268	0.07 191	0.07 171	0.08 250
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
CoDeX	0.12 165	0.07 70	0.13 132	0.17 141	0.08 60	0.12 131	0.16 211	0.23 203	0.27 279	0.13 137	0.17 154	0.15 180	0.12 167	0.14 178	0.11 98	0.07 161	0.05 93	0.07 124	0.06 107	0.06 109	0.05 54

1111x	0.16 283	0.09 217	0.13 132	0.18 214	0.08 60	0.18 277	0.25 388	0.32 337	0.25 255	0.17 221	0.24 244	0.27 329	0.15 247	0.14 178	0.24 361	0.07 161	0.07 283	0.08 192	0.09 294	0.07 171	0.07 184

anonymousdsp2	0.11 98	0.07 70	0.11 78	0.16 81	0.09 151	0.13 153	0.14 97	0.19 140	0.23 222	0.13 137	0.14 109	0.12 116	0.09 93	0.14 178	0.11 98	0.05 3	0.05 93	0.05 2	0.04 10	0.06 109	0.06 121

knoymous	0.11 98	0.06 28	0.12 105	0.14 15	0.07 21	0.15 213	0.13 60	0.20 153	0.14 73	0.11 82	0.17 154	0.13 139	0.09 93	0.14 178	0.11 98	0.09 265	0.05 93	0.06 44	0.05 49	0.07 171	0.07 184

anonymousa	0.13 192	0.07 70	0.14 170	0.18 214	0.09 151	0.13 153	0.17 231	0.20 153	0.29 301	0.15 184	0.24 244	0.16 198	0.14 227	0.14 178	0.14 215	0.07 161	0.05 93	0.07 124	0.09 294	0.05 44	0.07 184

riskmin	0.11 98	0.06 28	0.13 132	0.14 15	0.08 60	0.14 189	0.14 97	0.18 116	0.15 87	0.12 111	0.15 121	0.17 215	0.11 138	0.14 178	0.12 150	0.09 265	0.05 93	0.07 124	0.05 49	0.08 231	0.08 250

IPLG	0.11 98	0.08 161	0.15 206	0.17 141	0.08 60	0.11 99	0.14 97	0.20 153	0.15 87	0.13 137	0.18 175	0.07 26	0.07 46	0.14 178	0.14 215	0.06 59	0.04 2	0.06 44	0.05 49	0.04 1	0.04 5

sCroCo_RVC	0.12 165	0.09 217	0.24 353	0.24 385	0.11 298	0.19 297	0.14 97	0.17 91	0.15 87	0.10 51	0.13 96	0.12 116	0.07 46	0.14 178	0.11 98	0.08 215	0.08 313	0.08 192	0.08 254	0.05 44	0.07 184

SFCPSM	0.13 192	0.07 70	0.15 206	0.17 141	0.09 151	0.15 213	0.16 211	0.28 291	0.27 279	0.14 160	0.18 175	0.12 116	0.13 197	0.14 178	0.11 98	0.08 215	0.05 93	0.07 124	0.07 191	0.07 171	0.06 121

FENet	0.13 192	0.08 161	0.13 132	0.16 81	0.08 60	0.15 213	0.16 211	0.23 203	0.23 222	0.17 221	0.24 244	0.16 198	0.13 197	0.14 178	0.15 249	0.08 215	0.05 93	0.08 192	0.08 254	0.08 231	0.08 250

cf-r	0.14 219	0.07 70	0.13 132	0.16 81	0.08 60	0.14 189	0.19 314	0.21 167	0.25 255	0.17 221	0.26 284	0.22 279	0.17 290	0.14 178	0.15 249	0.10 301	0.05 93	0.06 44	0.08 254	0.06 109	0.06 121

PMTNet	0.09 19	0.05 6	0.09 29	0.12 3	0.06 3	0.13 153	0.14 97	0.16 58	0.11 24	0.09 28	0.13 96	0.10 80	0.07 46	0.14 178	0.10 61	0.15 394	0.04 2	0.05 2	0.03 1	0.07 171	0.06 121

iResNetv2_ROB	0.15 256	0.08 161	0.16 247	0.16 81	0.08 60	0.16 239	0.13 60	0.26 255	0.36 350	0.21 299	0.29 322	0.24 303	0.13 197	0.14 178	0.14 215	0.06 59	0.06 216	0.06 44	0.04 10	0.09 291	0.08 250

iResNet	0.13 192	0.10 278	0.18 299	0.19 266	0.08 60	0.14 189	0.18 274	0.21 167	0.27 279	0.16 211	0.24 244	0.15 180	0.13 197	0.14 178	0.15 249	0.06 59	0.04 2	0.06 44	0.05 49	0.06 109	0.05 54

test_sample6	0.14 219	0.09 217	0.14 170	0.17 141	0.08 60	0.17 261	0.19 314	0.26 255	0.18 141	0.18 252	0.28 308	0.19 238	0.15 247	0.15 195	0.13 180	0.08 215	0.05 93	0.08 192	0.07 191	0.08 231	0.08 250

test_sample2	0.13 192	0.07 70	0.12 105	0.14 15	0.08 60	0.16 239	0.18 274	0.21 167	0.16 106	0.14 160	0.21 215	0.20 255	0.15 247	0.15 195	0.13 180	0.08 215	0.06 216	0.07 124	0.06 107	0.08 231	0.08 250

SMFormer	0.14 219	0.07 70	0.18 299	0.14 15	0.08 60	0.17 261	0.17 231	0.27 269	0.27 279	0.19 266	0.20 198	0.19 238	0.15 247	0.15 195	0.17 283	0.08 215	0.05 93	0.07 124	0.06 107	0.08 231	0.07 184

tta	0.14 219	0.07 70	0.18 299	0.14 15	0.08 60	0.17 261	0.17 231	0.27 269	0.27 279	0.19 266	0.20 198	0.19 238	0.15 247	0.15 195	0.17 283	0.08 215	0.05 93	0.07 124	0.06 107	0.06 109	0.06 121

qqq1	0.14 219	0.07 70	0.18 299	0.14 15	0.08 60	0.17 261	0.17 231	0.27 269	0.27 279	0.19 266	0.20 198	0.19 238	0.15 247	0.15 195	0.12 150	0.08 215	0.05 93	0.05 2	0.05 49	0.06 109	0.06 121

fff1	0.14 219	0.07 70	0.18 299	0.14 15	0.08 60	0.17 261	0.17 231	0.27 269	0.27 279	0.19 266	0.20 198	0.19 238	0.15 247	0.15 195	0.12 150	0.08 215	0.05 93	0.05 2	0.05 49	0.06 109	0.06 121

MyStereo05	0.13 192	0.07 70	0.10 47	0.17 141	0.09 151	0.13 153	0.18 274	0.28 291	0.35 345	0.17 221	0.14 109	0.15 180	0.11 138	0.15 195	0.13 180	0.06 59	0.05 93	0.08 192	0.07 191	0.06 109	0.06 121

MyStereo04	0.13 192	0.07 70	0.10 47	0.17 141	0.09 151	0.14 189	0.17 231	0.29 308	0.38 360	0.17 221	0.14 109	0.16 198	0.11 138	0.15 195	0.13 180	0.06 59	0.05 93	0.08 192	0.07 191	0.06 109	0.06 121

1test111	0.11 98	0.08 161	0.13 132	0.17 141	0.09 151	0.13 153	0.15 157	0.24 224	0.16 106	0.09 28	0.09 35	0.06 4	0.06 13	0.15 195	0.16 267	0.06 59	0.05 93	0.06 44	0.05 49	0.07 171	0.07 184

11t1	0.12 165	0.07 70	0.14 170	0.14 15	0.08 60	0.17 261	0.15 157	0.19 140	0.15 87	0.15 184	0.15 121	0.17 215	0.16 268	0.15 195	0.13 180	0.08 215	0.05 93	0.06 44	0.05 49	0.08 231	0.07 184

ff1	0.13 192	0.09 217	0.15 206	0.16 81	0.09 151	0.17 261	0.17 231	0.15 40	0.19 161	0.15 184	0.26 284	0.19 238	0.13 197	0.15 195	0.22 341	0.06 59	0.05 93	0.09 268	0.08 254	0.06 109	0.06 121

mmx	0.15 256	0.09 217	0.15 206	0.16 81	0.09 151	0.17 261	0.17 231	0.27 269	0.26 267	0.15 184	0.26 284	0.19 238	0.13 197	0.15 195	0.22 341	0.08 215	0.06 216	0.09 268	0.08 254	0.08 231	0.08 250

xxx	0.15 256	0.09 217	0.15 206	0.16 81	0.09 151	0.17 261	0.17 231	0.27 269	0.26 267	0.15 184	0.26 284	0.19 238	0.13 197	0.15 195	0.22 341	0.08 215	0.06 216	0.09 268	0.08 254	0.08 231	0.08 250

LoS	0.09 19	0.05 6	0.11 78	0.13 7	0.07 21	0.14 189	0.11 18	0.15 40	0.15 87	0.09 28	0.09 35	0.12 116	0.09 93	0.15 195	0.10 61	0.07 161	0.05 93	0.05 2	0.03 1	0.05 44	0.05 54
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CASS	0.14 219	0.12 318	0.12 105	0.23 376	0.09 151	0.15 213	0.17 231	0.19 140	0.20 179	0.17 221	0.18 175	0.15 180	0.15 247	0.15 195	0.14 215	0.09 265	0.06 216	0.10 312	0.08 254	0.09 291	0.07 184
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DCRE	0.11 98	0.07 70	0.13 132	0.16 81	0.11 298	0.11 99	0.17 231	0.18 116	0.17 127	0.11 82	0.18 175	0.11 97	0.10 112	0.15 195	0.11 98	0.06 59	0.05 93	0.06 44	0.06 107	0.05 44	0.05 54

Selective-RAFT	0.11 98	0.11 302	0.12 105	0.21 341	0.08 60	0.16 239	0.13 60	0.21 167	0.23 222	0.10 51	0.10 50	0.11 97	0.10 112	0.15 195	0.11 98	0.05 3	0.05 93	0.06 44	0.05 49	0.06 109	0.05 54

qqq	0.13 192	0.09 217	0.15 206	0.16 81	0.08 60	0.13 153	0.15 157	0.24 224	0.16 106	0.15 184	0.19 189	0.16 198	0.16 268	0.15 195	0.16 267	0.07 161	0.06 216	0.08 192	0.08 254	0.07 171	0.07 184

HCRNet	0.16 283	0.23 412	0.12 105	0.35 431	0.11 298	0.15 213	0.17 231	0.26 255	0.22 213	0.19 266	0.24 244	0.21 262	0.14 227	0.15 195	0.13 180	0.11 332	0.07 283	0.11 340	0.10 326	0.09 291	0.07 184

xxxx	0.15 256	0.07 70	0.14 170	0.14 15	0.08 60	0.24 357	0.18 274	0.32 337	0.20 179	0.14 160	0.28 308	0.22 279	0.14 227	0.15 195	0.29 398	0.09 265	0.05 93	0.07 124	0.07 191	0.08 231	0.08 250

ARAFT	0.12 165	0.08 161	0.18 299	0.19 266	0.09 151	0.15 213	0.17 231	0.20 153	0.13 57	0.12 111	0.13 96	0.14 157	0.12 167	0.15 195	0.13 180	0.06 59	0.05 93	0.10 312	0.09 294	0.06 109	0.04 5

GwcNet-RSSM	0.14 219	0.07 70	0.12 105	0.16 81	0.08 60	0.15 213	0.20 329	0.22 189	0.28 295	0.18 252	0.28 308	0.23 294	0.17 290	0.15 195	0.16 267	0.10 301	0.06 216	0.07 124	0.09 294	0.07 171	0.07 184

DMCA	0.14 219	0.09 217	0.17 270	0.19 266	0.09 151	0.15 213	0.17 231	0.23 203	0.28 295	0.14 160	0.20 198	0.17 215	0.18 301	0.15 195	0.17 283	0.10 301	0.06 216	0.08 192	0.06 107	0.09 291	0.10 315

FADNet_RVC	0.17 305	0.14 358	0.41 410	0.20 311	0.11 298	0.13 153	0.13 60	0.27 269	0.22 213	0.21 299	0.23 233	0.20 255	0.18 301	0.15 195	0.17 283	0.08 215	0.08 313	0.12 358	0.09 294	0.11 340	0.10 315

HITNet	0.11 98	0.06 28	0.12 105	0.14 15	0.06 3	0.12 131	0.10 9	0.18 116	0.18 141	0.13 137	0.17 154	0.15 180	0.11 138	0.15 195	0.14 215	0.06 59	0.04 2	0.04 1	0.04 10	0.06 109	0.05 54
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
MLCV	0.13 192	0.08 161	0.17 270	0.18 214	0.06 3	0.16 239	0.17 231	0.19 140	0.22 213	0.19 266	0.25 271	0.17 215	0.13 197	0.15 195	0.14 215	0.05 3	0.04 2	0.05 2	0.04 10	0.05 44	0.04 5

iResNet_ROB	0.14 219	0.07 70	0.13 132	0.15 45	0.07 21	0.19 297	0.14 97	0.26 255	0.32 319	0.23 325	0.26 284	0.23 294	0.16 268	0.15 195	0.14 215	0.07 161	0.05 93	0.05 2	0.04 10	0.08 231	0.08 250

GCST	0.37 423	0.42 441	0.27 366	1.03 465	0.39 440	0.18 277	0.08 3	0.21 167	0.18 141	0.28 371	0.25 271	0.15 180	0.12 167	0.16 222	0.14 215	0.64 458	0.43 446	0.75 455	0.65 457	0.64 452	0.46 451

DualNet (step1)	0.17 305	0.12 318	0.21 331	0.13 7	0.14 366	0.18 277	0.14 97	0.28 291	0.24 232	0.21 299	0.21 215	0.24 303	0.20 328	0.16 222	0.16 267	0.15 394	0.06 216	0.14 385	0.14 387	0.15 394	0.13 366

test_sample7	0.16 283	0.10 278	0.16 247	0.14 15	0.12 327	0.16 239	0.17 231	0.28 291	0.24 232	0.21 299	0.21 215	0.24 303	0.20 328	0.16 222	0.16 267	0.12 356	0.06 216	0.10 312	0.09 294	0.11 340	0.10 315

test_sample5	0.14 219	0.08 161	0.14 170	0.16 81	0.08 60	0.18 277	0.18 274	0.25 243	0.17 127	0.17 221	0.28 308	0.18 229	0.15 247	0.16 222	0.13 180	0.08 215	0.06 216	0.08 192	0.07 191	0.09 291	0.08 250

DispNO	0.15 256	0.09 217	0.18 299	0.19 266	0.12 327	0.11 99	0.21 344	0.23 203	0.29 301	0.18 252	0.23 233	0.19 238	0.17 290	0.16 222	0.16 267	0.07 161	0.05 93	0.08 192	0.08 254	0.07 171	0.06 121

MyStereo8	0.12 165	0.07 70	0.15 206	0.15 45	0.09 151	0.18 277	0.14 97	0.19 140	0.22 213	0.12 111	0.18 175	0.11 97	0.10 112	0.16 222	0.18 296	0.07 161	0.05 93	0.07 124	0.05 49	0.08 231	0.09 291

mmm	0.14 219	0.08 161	0.18 299	0.17 141	0.09 151	0.17 261	0.18 274	0.21 167	0.16 106	0.16 211	0.23 233	0.21 262	0.16 268	0.16 222	0.17 283	0.08 215	0.05 93	0.08 192	0.08 254	0.08 231	0.07 184

DualNet	0.14 219	0.08 161	0.14 170	0.16 81	0.08 60	0.18 277	0.18 274	0.25 243	0.17 127	0.18 252	0.28 308	0.18 229	0.15 247	0.16 222	0.13 180	0.08 215	0.06 216	0.08 192	0.07 191	0.09 291	0.08 250

StereoVision	0.14 219	0.13 343	0.10 47	0.24 385	0.10 250	0.16 239	0.21 344	0.21 167	0.20 179	0.12 111	0.25 271	0.10 80	0.10 112	0.16 222	0.10 61	0.09 265	0.10 357	0.12 358	0.12 372	0.06 109	0.05 54

LL-Strereo2	0.11 98	0.10 278	0.16 247	0.18 214	0.08 60	0.15 213	0.09 5	0.17 91	0.14 73	0.14 160	0.11 72	0.09 58	0.07 46	0.16 222	0.10 61	0.05 3	0.05 93	0.11 340	0.07 191	0.06 109	0.05 54

CBFPSM	0.15 256	0.07 70	0.27 366	0.17 141	0.09 151	0.13 153	0.15 157	0.22 189	0.23 222	0.20 287	0.27 299	0.23 294	0.16 268	0.16 222	0.19 309	0.06 59	0.06 216	0.06 44	0.07 191	0.07 171	0.07 184

gwcnet-sp	0.14 219	0.07 70	0.13 132	0.18 214	0.09 151	0.16 239	0.18 274	0.24 224	0.24 232	0.19 266	0.24 244	0.15 180	0.16 268	0.16 222	0.15 249	0.08 215	0.07 283	0.07 124	0.08 254	0.08 231	0.07 184

scenet	0.14 219	0.07 70	0.13 132	0.18 214	0.09 151	0.16 239	0.18 274	0.24 224	0.24 232	0.19 266	0.24 244	0.15 180	0.16 268	0.16 222	0.15 249	0.08 215	0.07 283	0.07 124	0.08 254	0.08 231	0.07 184

ssnet	0.14 219	0.07 70	0.13 132	0.18 214	0.09 151	0.16 239	0.18 274	0.24 224	0.24 232	0.19 266	0.24 244	0.15 180	0.16 268	0.16 222	0.15 249	0.08 215	0.07 283	0.07 124	0.08 254	0.08 231	0.07 184

BUS	0.15 256	0.09 217	0.14 170	0.22 358	0.10 250	0.20 316	0.14 97	0.34 363	0.20 179	0.17 221	0.23 233	0.16 198	0.14 227	0.16 222	0.14 215	0.08 215	0.06 216	0.10 312	0.09 294	0.07 171	0.07 184

NINENet	0.16 283	0.10 278	0.16 247	0.17 141	0.11 298	0.20 316	0.14 97	0.41 409	0.37 354	0.18 252	0.21 215	0.16 198	0.14 227	0.16 222	0.14 215	0.08 215	0.08 313	0.10 312	0.07 191	0.10 322	0.09 291

BSDual-CNN	0.15 256	0.09 217	0.14 170	0.22 358	0.10 250	0.15 213	0.15 157	0.34 363	0.20 179	0.17 221	0.23 233	0.25 315	0.16 268	0.16 222	0.14 215	0.08 215	0.06 216	0.10 312	0.09 294	0.07 171	0.07 184

psmg	0.14 219	0.09 217	0.14 170	0.17 141	0.10 250	0.15 213	0.17 231	0.29 308	0.20 179	0.17 221	0.21 215	0.25 315	0.16 268	0.16 222	0.14 215	0.08 215	0.07 283	0.08 192	0.08 254	0.07 171	0.07 184

UDGNet	0.14 219	0.13 343	0.17 270	0.18 214	0.10 250	0.12 131	0.16 211	0.21 167	0.27 279	0.20 287	0.20 198	0.17 215	0.13 197	0.16 222	0.14 215	0.10 301	0.06 216	0.09 268	0.07 191	0.07 171	0.07 184

DAS	0.15 256	0.08 161	0.18 299	0.19 266	0.10 250	0.19 297	0.17 231	0.28 291	0.30 306	0.18 252	0.26 284	0.21 262	0.16 268	0.16 222	0.13 180	0.08 215	0.06 216	0.06 44	0.06 107	0.07 171	0.07 184

IPLGR_C	0.11 98	0.08 161	0.15 206	0.17 141	0.08 60	0.12 131	0.15 157	0.17 91	0.15 87	0.14 160	0.11 72	0.16 198	0.10 112	0.16 222	0.12 150	0.07 161	0.05 93	0.06 44	0.06 107	0.05 44	0.06 121

ACRE	0.11 98	0.08 161	0.15 206	0.17 141	0.08 60	0.13 153	0.15 157	0.17 91	0.14 73	0.14 160	0.11 72	0.16 198	0.10 112	0.16 222	0.12 150	0.07 161	0.05 93	0.06 44	0.06 107	0.05 44	0.06 121

GANet-ADL	0.13 192	0.07 70	0.15 206	0.17 141	0.10 250	0.19 297	0.15 157	0.30 318	0.21 192	0.13 137	0.18 175	0.19 238	0.13 197	0.16 222	0.14 215	0.08 215	0.06 216	0.06 44	0.05 49	0.07 171	0.08 250

Anonymous3	0.16 283	0.14 358	0.34 396	0.26 400	0.14 366	0.27 383	0.18 274	0.28 291	0.28 295	0.15 184	0.17 154	0.14 157	0.11 138	0.16 222	0.12 150	0.08 215	0.08 313	0.08 192	0.08 254	0.08 231	0.11 337

TestStereo	0.14 219	0.15 364	0.11 78	0.23 376	0.08 60	0.15 213	0.21 344	0.20 153	0.23 222	0.14 160	0.25 271	0.16 198	0.13 197	0.16 222	0.14 215	0.06 59	0.06 216	0.08 192	0.06 107	0.09 291	0.05 54

GES	0.14 219	0.08 161	0.16 247	0.15 45	0.10 250	0.13 153	0.13 60	0.28 291	0.26 267	0.17 221	0.24 244	0.19 238	0.14 227	0.16 222	0.14 215	0.08 215	0.08 313	0.07 124	0.06 107	0.08 231	0.09 291

222	0.16 283	0.07 70	0.15 206	0.14 15	0.08 60	0.25 365	0.18 274	0.30 318	0.21 192	0.18 252	0.29 322	0.17 215	0.16 268	0.16 222	0.44 437	0.10 301	0.05 93	0.07 124	0.06 107	0.08 231	0.08 250

test_xeample	0.15 256	0.07 70	0.14 170	0.15 45	0.08 60	0.22 339	0.20 329	0.29 308	0.21 192	0.16 211	0.29 322	0.19 238	0.17 290	0.16 222	0.28 391	0.09 265	0.05 93	0.07 124	0.07 191	0.07 171	0.07 184

RAFT + AFF	0.13 192	0.08 161	0.21 331	0.20 311	0.10 250	0.14 189	0.23 365	0.27 269	0.21 192	0.12 111	0.10 50	0.12 116	0.10 112	0.16 222	0.12 150	0.08 215	0.07 283	0.09 268	0.09 294	0.06 109	0.09 291

GMStereo	0.13 192	0.15 364	0.14 170	0.18 214	0.09 151	0.16 239	0.16 211	0.20 153	0.25 255	0.17 221	0.17 154	0.11 97	0.11 138	0.16 222	0.13 180	0.07 161	0.06 216	0.06 44	0.06 107	0.07 171	0.06 121
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
GANet-RSSM	0.14 219	0.07 70	0.13 132	0.13 7	0.08 60	0.14 189	0.18 274	0.23 203	0.21 192	0.17 221	0.25 271	0.24 303	0.16 268	0.16 222	0.16 267	0.10 301	0.06 216	0.07 124	0.08 254	0.08 231	0.07 184

PSMNet-RSSM	0.14 219	0.07 70	0.14 170	0.15 45	0.08 60	0.13 153	0.16 211	0.25 243	0.24 232	0.17 221	0.28 308	0.23 294	0.14 227	0.16 222	0.14 215	0.11 332	0.06 216	0.09 268	0.12 372	0.08 231	0.07 184

CFNet-ft	0.14 219	0.07 70	0.15 206	0.12 3	0.09 151	0.17 261	0.18 274	0.22 189	0.24 232	0.17 221	0.26 284	0.24 303	0.14 227	0.16 222	0.15 249	0.11 332	0.06 216	0.08 192	0.09 294	0.09 291	0.08 250

DIP-Stereo	0.11 98	0.08 161	0.15 206	0.17 141	0.09 151	0.13 153	0.09 5	0.16 58	0.16 106	0.12 111	0.16 137	0.14 157	0.12 167	0.16 222	0.14 215	0.06 59	0.05 93	0.06 44	0.05 49	0.05 44	0.07 184
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
CFNet_RVC	0.14 219	0.07 70	0.15 206	0.12 3	0.09 151	0.17 261	0.18 274	0.22 189	0.24 232	0.17 221	0.26 284	0.24 303	0.14 227	0.16 222	0.15 249	0.11 332	0.06 216	0.08 192	0.09 294	0.09 291	0.08 250

rvit_0105_5	0.14 219	0.10 278	0.14 170	0.17 141	0.09 151	0.14 189	0.23 365	0.24 224	0.27 279	0.14 160	0.15 121	0.18 229	0.13 197	0.17 257	0.14 215	0.14 390	0.11 369	0.10 312	0.11 352	0.08 231	0.07 184

rvit_0105_4	0.15 256	0.09 217	0.17 270	0.17 141	0.10 250	0.12 131	0.20 329	0.23 203	0.27 279	0.14 160	0.20 198	0.17 215	0.14 227	0.17 257	0.13 180	0.15 394	0.11 369	0.11 340	0.10 326	0.09 291	0.06 121

ITSA-stereo	0.16 283	0.11 302	0.14 170	0.19 266	0.08 60	0.13 153	0.14 97	0.30 318	0.49 402	0.17 221	0.18 175	0.22 279	0.15 247	0.17 257	0.16 267	0.10 301	0.06 216	0.08 192	0.08 254	0.08 231	0.09 291

test_sample4	0.14 219	0.08 161	0.15 206	0.15 45	0.08 60	0.19 297	0.18 274	0.26 255	0.18 141	0.17 221	0.26 284	0.18 229	0.15 247	0.17 257	0.13 180	0.08 215	0.06 216	0.08 192	0.06 107	0.09 291	0.08 250

test_sample3	0.14 219	0.08 161	0.15 206	0.14 15	0.09 151	0.20 316	0.17 231	0.27 269	0.18 141	0.17 221	0.22 229	0.19 238	0.15 247	0.17 257	0.14 215	0.09 265	0.06 216	0.07 124	0.06 107	0.09 291	0.08 250

test_sample1	0.13 192	0.07 70	0.14 170	0.14 15	0.08 60	0.19 297	0.17 231	0.20 153	0.15 87	0.14 160	0.22 229	0.18 229	0.16 268	0.17 257	0.15 249	0.07 161	0.06 216	0.06 44	0.06 107	0.08 231	0.08 250

PCWNet_CMD	0.14 219	0.08 161	0.15 206	0.17 141	0.09 151	0.14 189	0.14 97	0.29 308	0.36 350	0.14 160	0.20 198	0.21 262	0.13 197	0.17 257	0.14 215	0.07 161	0.05 93	0.07 124	0.07 191	0.07 171	0.07 184

IER	0.14 219	0.08 161	0.13 132	0.17 141	0.09 151	0.14 189	0.16 211	0.26 255	0.27 279	0.18 252	0.26 284	0.17 215	0.20 328	0.17 257	0.14 215	0.08 215	0.05 93	0.07 124	0.06 107	0.08 231	0.07 184

hknet	0.15 256	0.11 302	0.14 170	0.22 358	0.11 298	0.15 213	0.15 157	0.34 363	0.26 267	0.17 221	0.23 233	0.22 279	0.18 301	0.17 257	0.13 180	0.07 161	0.06 216	0.10 312	0.09 294	0.07 171	0.07 184

CIPLG	0.11 98	0.08 161	0.15 206	0.17 141	0.08 60	0.13 153	0.15 157	0.17 91	0.16 106	0.14 160	0.11 72	0.16 198	0.10 112	0.17 257	0.12 150	0.07 161	0.05 93	0.06 44	0.06 107	0.05 44	0.06 121

AASNet	0.16 283	0.08 161	0.13 132	0.19 266	0.09 151	0.19 297	0.15 157	0.38 396	0.37 354	0.20 287	0.24 244	0.20 255	0.17 290	0.17 257	0.21 328	0.10 301	0.08 313	0.08 192	0.07 191	0.09 291	0.09 291

RAFT	0.13 192	0.09 217	0.11 78	0.18 214	0.08 60	0.15 213	0.23 365	0.21 167	0.20 179	0.21 299	0.21 215	0.18 229	0.13 197	0.17 257	0.10 61	0.06 59	0.07 283	0.10 312	0.09 294	0.06 109	0.05 54

FADNet-RVC-Resample	0.17 305	0.12 318	0.32 391	0.22 358	0.12 327	0.19 297	0.14 97	0.25 243	0.24 232	0.24 336	0.27 299	0.20 255	0.15 247	0.17 257	0.16 267	0.07 161	0.08 313	0.12 358	0.10 326	0.09 291	0.11 337

BEATNet_4x	0.12 165	0.09 217	0.15 206	0.18 214	0.07 21	0.15 213	0.07 1	0.23 203	0.19 161	0.16 211	0.19 189	0.19 238	0.14 227	0.17 257	0.15 249	0.07 161	0.05 93	0.05 2	0.05 49	0.06 109	0.07 184

rvit_0105_6	0.14 219	0.09 217	0.18 299	0.17 141	0.10 250	0.10 70	0.17 231	0.19 140	0.26 267	0.12 111	0.18 175	0.17 215	0.13 197	0.18 271	0.13 180	0.15 394	0.11 369	0.12 358	0.10 326	0.09 291	0.06 121

rvit_0105_3	0.16 283	0.10 278	0.15 206	0.20 311	0.12 327	0.15 213	0.26 394	0.25 243	0.30 306	0.15 184	0.17 154	0.21 262	0.14 227	0.18 271	0.14 215	0.14 390	0.11 369	0.12 358	0.14 387	0.07 171	0.07 184

rvit_stereo_0075_2	0.17 305	0.12 318	0.25 356	0.23 376	0.16 391	0.13 153	0.10 9	0.30 318	0.27 279	0.20 287	0.28 308	0.22 279	0.15 247	0.18 271	0.13 180	0.16 411	0.10 357	0.17 404	0.10 326	0.10 322	0.10 315

CFNet_ucs	0.15 256	0.09 217	0.17 270	0.16 81	0.11 298	0.14 189	0.14 97	0.30 318	0.34 334	0.16 211	0.24 244	0.23 294	0.14 227	0.18 271	0.15 249	0.09 265	0.06 216	0.08 192	0.07 191	0.09 291	0.09 291

iinet-f	0.17 305	0.07 70	0.46 415	0.14 15	0.10 250	0.21 327	0.14 97	0.27 269	0.23 222	0.22 311	0.25 271	0.21 262	0.16 268	0.18 271	0.22 341	0.09 265	0.07 283	0.07 124	0.06 107	0.09 291	0.10 315

x	0.13 192	0.08 161	0.15 206	0.14 15	0.08 60	0.19 297	0.14 97	0.22 189	0.21 192	0.15 184	0.20 198	0.20 255	0.18 301	0.18 271	0.18 296	0.07 161	0.05 93	0.06 44	0.06 107	0.07 171	0.07 184

GLC_STEREO	0.11 98	0.07 70	0.11 78	0.18 214	0.07 21	0.08 26	0.13 60	0.16 58	0.24 232	0.12 111	0.13 96	0.12 116	0.08 71	0.18 271	0.12 150	0.06 59	0.08 313	0.08 192	0.06 107	0.05 44	0.05 54

PSMNet-ADL	0.15 256	0.12 318	0.13 132	0.22 358	0.09 151	0.13 153	0.20 329	0.26 255	0.23 222	0.18 252	0.20 198	0.23 294	0.17 290	0.18 271	0.18 296	0.09 265	0.08 313	0.08 192	0.11 352	0.08 231	0.07 184

ICVP	0.16 283	0.09 217	0.12 105	0.22 358	0.09 151	0.18 277	0.21 344	0.26 255	0.24 232	0.18 252	0.30 328	0.27 329	0.18 301	0.18 271	0.15 249	0.10 301	0.07 283	0.08 192	0.07 191	0.07 171	0.08 250
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
CFNet_pseudo	0.14 219	0.08 161	0.16 247	0.16 81	0.09 151	0.13 153	0.14 97	0.27 269	0.34 334	0.15 184	0.21 215	0.22 279	0.13 197	0.18 271	0.14 215	0.07 161	0.05 93	0.08 192	0.06 107	0.07 171	0.07 184

ADLNet	0.16 283	0.08 161	0.15 206	0.16 81	0.10 250	0.16 239	0.17 231	0.33 349	0.27 279	0.23 325	0.27 299	0.24 303	0.16 268	0.18 271	0.21 328	0.10 301	0.06 216	0.10 312	0.10 326	0.08 231	0.09 291

MMNet	0.17 305	0.10 278	0.17 270	0.20 311	0.11 298	0.27 383	0.20 329	0.26 255	0.42 377	0.22 311	0.30 328	0.22 279	0.20 328	0.18 271	0.20 317	0.06 59	0.06 216	0.07 124	0.07 191	0.08 231	0.07 184

ACVNet	0.15 256	0.09 217	0.15 206	0.13 7	0.12 327	0.14 189	0.20 329	0.22 189	0.34 334	0.17 221	0.26 284	0.21 262	0.17 290	0.18 271	0.21 328	0.07 161	0.06 216	0.06 44	0.06 107	0.08 231	0.06 121

acv_ft	0.15 256	0.09 217	0.16 247	0.19 266	0.10 250	0.16 239	0.17 231	0.25 243	0.34 334	0.19 266	0.26 284	0.21 262	0.17 290	0.18 271	0.19 309	0.07 161	0.06 216	0.06 44	0.06 107	0.08 231	0.06 121

DMCA-RVC	0.17 305	0.10 278	0.16 247	0.24 385	0.11 298	0.19 297	0.18 274	0.26 255	0.24 232	0.21 299	0.27 299	0.25 315	0.27 374	0.18 271	0.21 328	0.12 356	0.08 313	0.13 372	0.10 326	0.10 322	0.08 250

MSMDNet	0.14 219	0.08 161	0.15 206	0.17 141	0.09 151	0.14 189	0.14 97	0.29 308	0.36 350	0.14 160	0.20 198	0.21 262	0.13 197	0.18 271	0.14 215	0.07 161	0.05 93	0.07 124	0.07 191	0.07 171	0.07 184

HSM-Net_RVC	0.14 219	0.08 161	0.12 105	0.15 45	0.08 60	0.16 239	0.15 157	0.27 269	0.29 301	0.20 287	0.21 215	0.29 345	0.14 227	0.18 271	0.13 180	0.06 59	0.06 216	0.06 44	0.06 107	0.07 171	0.06 121
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.15 256	0.11 302	0.17 270	0.17 141	0.08 60	0.19 297	0.10 9	0.29 308	0.26 267	0.19 266	0.24 244	0.24 303	0.18 301	0.18 271	0.15 249	0.08 215	0.06 216	0.09 268	0.10 326	0.08 231	0.07 184

ccs_rob	0.14 219	0.09 217	0.16 247	0.16 81	0.09 151	0.13 153	0.14 97	0.27 269	0.34 334	0.15 184	0.21 215	0.22 279	0.13 197	0.18 271	0.14 215	0.07 161	0.05 93	0.08 192	0.07 191	0.07 171	0.07 184

UCFNet_RVC	0.15 256	0.08 161	0.13 132	0.11 1	0.10 250	0.20 316	0.10 9	0.24 224	0.23 222	0.17 221	0.21 215	0.24 303	0.15 247	0.18 271	0.15 249	0.12 356	0.07 283	0.11 340	0.13 382	0.11 340	0.10 315

pmcnn	0.15 256	0.07 70	0.20 325	0.15 45	0.07 21	0.21 327	0.16 211	0.25 243	0.26 267	0.21 299	0.33 347	0.29 345	0.19 316	0.18 271	0.17 283	0.07 161	0.05 93	0.05 2	0.04 10	0.07 171	0.06 121

rvit_105_1	0.19 330	0.12 318	0.25 356	0.21 341	0.16 391	0.22 339	0.28 405	0.32 337	0.42 377	0.20 287	0.21 215	0.22 279	0.18 301	0.19 292	0.18 296	0.12 356	0.12 381	0.13 372	0.15 401	0.08 231	0.07 184

UGAM	0.13 192	0.10 278	0.09 29	0.22 358	0.08 60	0.13 153	0.20 329	0.18 116	0.24 232	0.22 311	0.16 137	0.13 139	0.13 197	0.19 292	0.13 180	0.07 161	0.05 93	0.13 372	0.11 352	0.07 171	0.05 54

DCVSM-stereo	0.15 256	0.09 217	0.16 247	0.16 81	0.10 250	0.15 213	0.09 5	0.20 153	0.24 232	0.20 287	0.24 244	0.26 324	0.15 247	0.19 292	0.14 215	0.09 265	0.07 283	0.09 268	0.08 254	0.10 322	0.12 356

test_sample9	0.18 320	0.12 318	0.21 331	0.13 7	0.14 366	0.18 277	0.14 97	0.28 291	0.24 232	0.21 299	0.21 215	0.24 303	0.20 328	0.19 292	0.18 296	0.15 394	0.30 439	0.14 385	0.14 387	0.15 394	0.13 366

test_sample8	0.20 338	0.12 318	0.21 331	0.13 7	0.14 366	0.18 277	0.14 97	0.32 337	0.21 192	0.28 371	0.22 229	0.36 387	0.26 368	0.19 292	0.18 296	0.15 394	0.30 439	0.14 385	0.14 387	0.15 394	0.13 366

GMStereo_Zeroshot	0.16 283	0.13 343	0.25 356	0.20 311	0.10 250	0.17 261	0.13 60	0.30 318	0.25 255	0.23 325	0.32 341	0.25 315	0.11 138	0.19 292	0.14 215	0.09 265	0.06 216	0.11 340	0.06 107	0.12 355	0.08 250

LL-Strereo	0.13 192	0.10 278	0.12 105	0.20 311	0.10 250	0.11 99	0.18 274	0.33 349	0.25 255	0.16 211	0.16 137	0.14 157	0.14 227	0.19 292	0.11 98	0.06 59	0.05 93	0.09 268	0.08 254	0.04 1	0.05 54

SDNR	0.20 338	0.09 217	0.19 322	0.16 81	0.12 327	0.79 453	0.13 60	0.26 255	0.33 324	0.19 266	0.25 271	0.19 238	0.12 167	0.19 292	0.15 249	0.16 411	0.18 416	0.14 385	0.11 352	0.08 231	0.12 356

ToySt	0.17 305	0.11 302	0.19 322	0.17 141	0.11 298	0.16 239	0.26 394	0.24 224	0.33 324	0.19 266	0.24 244	0.26 324	0.24 355	0.19 292	0.21 328	0.07 161	0.08 313	0.09 268	0.10 326	0.09 291	0.08 250

CRFU-Net	0.16 283	0.08 161	0.15 206	0.17 141	0.09 151	0.20 316	0.14 97	0.27 269	0.21 192	0.28 371	0.28 308	0.29 345	0.18 301	0.19 292	0.18 296	0.09 265	0.09 335	0.07 124	0.07 191	0.08 231	0.09 291

dad	0.18 320	0.20 401	0.21 331	0.17 141	0.11 298	0.20 316	0.19 314	0.21 167	0.28 295	0.30 383	0.24 244	0.30 352	0.13 197	0.19 292	0.17 283	0.18 417	0.09 335	0.11 340	0.09 294	0.11 340	0.07 184

AACVNet	0.16 283	0.08 161	0.15 206	0.15 45	0.10 250	0.18 277	0.15 157	0.24 224	0.25 255	0.27 359	0.27 299	0.28 338	0.18 301	0.19 292	0.17 283	0.09 265	0.07 283	0.09 268	0.07 191	0.10 322	0.09 291

delet	0.17 305	0.09 217	0.18 299	0.19 266	0.11 298	0.21 327	0.22 355	0.30 318	0.38 360	0.17 221	0.27 299	0.19 238	0.19 316	0.19 292	0.21 328	0.08 215	0.08 313	0.09 268	0.11 352	0.06 109	0.07 184

UPFNet	0.16 283	0.08 161	0.12 105	0.20 311	0.12 327	0.20 316	0.23 365	0.28 291	0.26 267	0.18 252	0.24 244	0.22 279	0.20 328	0.19 292	0.22 341	0.09 265	0.07 283	0.08 192	0.09 294	0.08 231	0.06 121

ac_64	0.16 283	0.09 217	0.15 206	0.18 214	0.10 250	0.22 339	0.17 231	0.24 224	0.22 213	0.19 266	0.24 244	0.29 345	0.18 301	0.19 292	0.22 341	0.09 265	0.08 313	0.08 192	0.09 294	0.07 171	0.06 121

FADNet	0.21 349	0.23 412	0.37 405	0.18 214	0.17 403	0.25 365	0.13 60	0.32 337	0.32 319	0.23 325	0.25 271	0.27 329	0.21 335	0.19 292	0.16 267	0.13 373	0.15 405	0.12 358	0.15 401	0.17 412	0.18 415

MaskLacGwcNet_RVC	0.22 357	0.21 406	0.25 356	0.26 400	0.11 298	0.24 357	0.14 97	0.39 401	0.24 232	0.32 395	0.36 364	0.30 352	0.21 335	0.19 292	0.22 341	0.17 416	0.14 401	0.21 418	0.16 404	0.13 368	0.12 356

AdaStereo	0.15 256	0.11 302	0.16 247	0.19 266	0.09 151	0.21 327	0.11 18	0.33 349	0.28 295	0.21 299	0.23 233	0.21 262	0.13 197	0.19 292	0.15 249	0.13 373	0.05 93	0.10 312	0.07 191	0.09 291	0.07 184
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.
DDVS	0.16 283	0.10 278	0.22 340	0.16 81	0.12 327	0.15 213	0.14 97	0.25 243	0.19 161	0.18 252	0.30 328	0.27 329	0.13 197	0.20 310	0.16 267	0.09 265	0.06 216	0.09 268	0.07 191	0.11 340	0.11 337

iRaft-Stereo_5w	0.12 165	0.09 217	0.12 105	0.20 311	0.08 60	0.09 43	0.12 34	0.22 189	0.22 213	0.19 266	0.14 109	0.11 97	0.09 93	0.20 310	0.16 267	0.05 3	0.05 93	0.07 124	0.06 107	0.05 44	0.06 121

LMCR-Stereo	0.15 256	0.08 161	0.14 170	0.21 341	0.09 151	0.18 277	0.19 314	0.28 291	0.19 161	0.24 336	0.24 244	0.23 294	0.17 290	0.20 310	0.17 283	0.07 161	0.06 216	0.08 192	0.06 107	0.10 322	0.09 291

Syn2CoEx	0.22 357	0.16 372	0.29 378	0.29 421	0.15 379	0.26 375	0.21 344	0.34 363	0.32 319	0.29 378	0.36 364	0.28 338	0.25 361	0.20 310	0.25 368	0.16 411	0.12 381	0.14 385	0.11 352	0.09 291	0.08 250

psm_up	0.19 330	0.10 278	0.18 299	0.21 341	0.11 298	0.17 261	0.19 314	0.38 396	0.34 334	0.22 311	0.28 308	0.29 345	0.25 361	0.20 310	0.22 341	0.09 265	0.10 357	0.11 340	0.11 352	0.08 231	0.08 250

UNet	0.17 305	0.09 217	0.18 299	0.19 266	0.12 327	0.28 391	0.19 314	0.33 349	0.30 306	0.21 299	0.25 271	0.23 294	0.19 316	0.20 310	0.19 309	0.07 161	0.06 216	0.08 192	0.07 191	0.08 231	0.07 184

HGLStereo	0.17 305	0.09 217	0.19 322	0.17 141	0.12 327	0.18 277	0.18 274	0.31 333	0.33 324	0.22 311	0.33 347	0.24 303	0.18 301	0.20 310	0.21 328	0.10 301	0.09 335	0.07 124	0.07 191	0.09 291	0.10 315

DSFCA	0.16 283	0.09 217	0.14 170	0.16 81	0.10 250	0.21 327	0.19 314	0.28 291	0.31 314	0.23 325	0.25 271	0.22 279	0.16 268	0.20 310	0.20 317	0.10 301	0.07 283	0.09 268	0.09 294	0.08 231	0.08 250

S-Stereo	0.21 349	0.12 318	0.25 356	0.21 341	0.13 351	0.21 327	0.19 314	0.33 349	0.45 391	0.23 325	0.36 364	0.28 338	0.29 386	0.20 310	0.23 350	0.09 265	0.12 381	0.10 312	0.10 326	0.13 368	0.14 382

STTStereo	0.18 320	0.13 343	0.28 369	0.20 311	0.11 298	0.16 239	0.21 344	0.29 308	0.23 222	0.22 311	0.30 328	0.29 345	0.18 301	0.20 310	0.20 317	0.12 356	0.11 369	0.11 340	0.14 387	0.09 291	0.08 250

RASNet	0.15 256	0.07 70	0.15 206	0.16 81	0.08 60	0.19 297	0.14 97	0.30 318	0.21 192	0.17 221	0.25 271	0.21 262	0.19 316	0.20 310	0.20 317	0.07 161	0.06 216	0.06 44	0.08 254	0.06 109	0.06 121

RYNet	0.23 370	0.12 318	0.22 340	0.19 266	0.17 403	0.47 429	0.26 394	0.39 401	0.49 402	0.24 336	0.29 322	0.34 380	0.24 355	0.20 310	0.31 408	0.10 301	0.06 216	0.09 268	0.09 294	0.14 383	0.15 396

PS-NSSS	0.20 338	0.21 406	0.23 347	0.20 311	0.10 250	0.19 297	0.17 231	0.36 382	0.26 267	0.27 359	0.34 357	0.27 329	0.24 355	0.20 310	0.20 317	0.15 394	0.12 381	0.17 404	0.14 387	0.10 322	0.09 291

HSM	0.15 256	0.09 217	0.15 206	0.16 81	0.09 151	0.16 239	0.14 97	0.28 291	0.25 255	0.20 287	0.24 244	0.37 390	0.17 290	0.20 310	0.15 249	0.07 161	0.05 93	0.07 124	0.06 107	0.07 171	0.06 121

StereoDRNet	0.19 330	0.11 302	0.18 299	0.22 358	0.11 298	0.22 339	0.22 355	0.37 389	0.34 334	0.24 336	0.28 308	0.30 352	0.19 316	0.20 310	0.21 328	0.10 301	0.08 313	0.11 340	0.09 294	0.09 291	0.07 184

DLCB_ROB	0.18 320	0.10 278	0.16 247	0.23 376	0.11 298	0.24 357	0.18 274	0.30 318	0.28 295	0.27 359	0.29 322	0.28 338	0.25 361	0.20 310	0.20 317	0.08 215	0.08 313	0.09 268	0.09 294	0.07 171	0.07 184

fast-acv-ft	0.18 320	0.11 302	0.20 325	0.19 266	0.12 327	0.26 375	0.21 344	0.26 255	0.35 345	0.22 311	0.34 357	0.27 329	0.21 335	0.21 326	0.23 350	0.09 265	0.09 335	0.08 192	0.10 326	0.08 231	0.07 184

Wz-Net-LNSev-Ref	0.18 320	0.09 217	0.30 384	0.15 45	0.11 298	0.23 351	0.20 329	0.27 269	0.40 368	0.26 352	0.43 403	0.25 315	0.15 247	0.21 326	0.20 317	0.07 161	0.05 93	0.06 44	0.05 49	0.10 322	0.09 291

CSP-Net	0.16 283	0.09 217	0.14 170	0.17 141	0.09 151	0.19 297	0.18 274	0.25 243	0.33 324	0.26 352	0.31 332	0.25 315	0.16 268	0.21 326	0.19 309	0.09 265	0.06 216	0.07 124	0.07 191	0.08 231	0.08 250

dd	0.15 256	0.17 381	0.17 270	0.19 266	0.09 151	0.15 213	0.18 274	0.22 189	0.26 267	0.23 325	0.20 198	0.21 262	0.10 112	0.21 326	0.17 283	0.10 301	0.06 216	0.08 192	0.06 107	0.08 231	0.07 184

UDG	0.21 349	0.17 381	0.20 325	0.23 376	0.15 379	0.31 398	0.20 329	0.33 349	0.35 345	0.24 336	0.28 308	0.31 364	0.29 386	0.21 326	0.23 350	0.15 394	0.12 381	0.13 372	0.09 294	0.14 383	0.15 396

ADLNet2	0.16 283	0.09 217	0.14 170	0.17 141	0.09 151	0.20 316	0.16 211	0.32 337	0.39 364	0.17 221	0.20 198	0.20 255	0.19 316	0.21 326	0.23 350	0.08 215	0.07 283	0.07 124	0.07 191	0.09 291	0.07 184

GEStereo_RVC	0.17 305	0.12 318	0.16 247	0.22 358	0.11 298	0.19 297	0.18 274	0.32 337	0.49 402	0.20 287	0.25 271	0.17 215	0.13 197	0.21 326	0.16 267	0.10 301	0.06 216	0.08 192	0.07 191	0.09 291	0.08 250

pcwnet_v2	0.19 330	0.11 302	0.26 364	0.18 214	0.14 366	0.18 277	0.15 157	0.37 389	0.46 398	0.19 266	0.24 244	0.21 262	0.19 316	0.21 326	0.20 317	0.13 373	0.10 357	0.10 312	0.10 326	0.11 340	0.13 366

aanetorigin	0.22 357	0.17 381	0.57 427	0.18 214	0.10 250	0.16 239	0.19 314	0.20 153	0.33 324	0.49 429	0.48 412	0.30 352	0.28 383	0.21 326	0.24 361	0.08 215	0.07 283	0.08 192	0.07 191	0.10 322	0.09 291

FAT-Stereo	0.21 349	0.13 343	0.22 340	0.21 341	0.12 327	0.18 277	0.18 274	0.35 377	0.40 368	0.28 371	0.37 367	0.33 376	0.33 406	0.21 326	0.20 317	0.09 265	0.11 369	0.10 312	0.09 294	0.11 340	0.14 382

PA-Net	0.24 380	0.18 394	0.34 396	0.28 414	0.22 423	0.22 339	0.39 440	0.29 308	0.39 364	0.22 311	0.33 347	0.25 315	0.26 368	0.21 326	0.25 368	0.10 301	0.23 433	0.15 395	0.22 422	0.09 291	0.13 366
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NLCA_NET_v2_RVC	0.17 305	0.10 278	0.23 347	0.20 311	0.10 250	0.15 213	0.18 274	0.31 333	0.25 255	0.21 299	0.31 332	0.25 315	0.17 290	0.21 326	0.20 317	0.09 265	0.06 216	0.08 192	0.09 294	0.07 171	0.08 250
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
DeepPruner_ROB	0.16 283	0.11 302	0.16 247	0.17 141	0.10 250	0.17 261	0.15 157	0.32 337	0.21 192	0.19 266	0.21 215	0.22 279	0.19 316	0.21 326	0.16 267	0.13 373	0.09 335	0.09 268	0.10 326	0.11 340	0.11 337

StereoDRNet-Refined	0.17 305	0.12 318	0.16 247	0.20 311	0.10 250	0.18 277	0.18 274	0.27 269	0.24 232	0.26 352	0.41 394	0.23 294	0.18 301	0.21 326	0.21 328	0.09 265	0.05 93	0.09 268	0.10 326	0.07 171	0.07 184
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
LE_ROB	0.50 439	0.07 70	0.14 170	0.15 45	0.08 60	0.26 375	0.17 231	0.23 203	1.71 469	4.68 473	0.67 434	0.46 421	0.47 432	0.21 326	0.30 403	0.07 161	0.06 216	0.06 44	0.06 107	0.08 231	0.06 121

NOSS_ROB	0.19 330	0.13 343	0.18 299	0.16 81	0.12 327	0.16 239	0.12 34	0.30 318	0.33 324	0.20 287	0.22 229	0.27 329	0.24 355	0.21 326	0.16 267	0.16 411	0.18 416	0.23 423	0.21 419	0.13 368	0.13 366

PSMNet_ROB	0.22 357	0.12 318	0.15 206	0.27 408	0.15 379	0.25 365	0.36 435	0.43 419	0.37 354	0.27 359	0.33 347	0.32 370	0.23 348	0.21 326	0.27 384	0.12 356	0.08 313	0.13 372	0.11 352	0.10 322	0.09 291

ssnet_v2	0.17 305	0.10 278	0.18 299	0.17 141	0.11 298	0.21 327	0.22 355	0.34 363	0.25 255	0.23 325	0.23 233	0.27 329	0.19 316	0.22 343	0.21 328	0.11 332	0.10 357	0.09 268	0.09 294	0.08 231	0.08 250

GwcNet	0.20 338	0.14 358	0.20 325	0.18 214	0.12 327	0.25 365	0.20 329	0.36 382	0.45 391	0.20 287	0.33 347	0.33 376	0.21 335	0.22 343	0.25 368	0.11 332	0.09 335	0.09 268	0.09 294	0.09 291	0.10 315

FADNet-RVC	0.21 349	0.20 401	0.40 408	0.21 341	0.16 391	0.21 327	0.15 157	0.27 269	0.27 279	0.26 352	0.32 341	0.26 324	0.21 335	0.22 343	0.19 309	0.12 356	0.13 393	0.12 358	0.14 387	0.13 368	0.18 415

SuperB	0.20 338	0.10 278	0.57 427	0.16 81	0.09 151	0.19 297	0.18 274	0.25 243	0.51 408	0.27 359	0.39 381	0.17 215	0.22 342	0.22 343	0.21 328	0.08 215	0.06 216	0.06 44	0.06 107	0.12 355	0.11 337

DeepPrunerF	0.24 380	0.17 381	0.45 414	0.26 400	0.16 391	0.23 351	0.29 416	0.37 389	0.51 408	0.27 359	0.31 332	0.24 303	0.28 383	0.22 343	0.23 350	0.15 394	0.11 369	0.20 417	0.18 415	0.12 355	0.14 382

AANet_RVC	0.16 283	0.10 278	0.11 78	0.18 214	0.09 151	0.19 297	0.18 274	0.27 269	0.32 319	0.22 311	0.35 361	0.21 262	0.22 342	0.22 343	0.17 283	0.06 59	0.05 93	0.06 44	0.06 107	0.07 171	0.06 121

DRN-Test	0.20 338	0.11 302	0.21 331	0.22 358	0.10 250	0.22 339	0.22 355	0.40 404	0.38 360	0.24 336	0.33 347	0.26 324	0.22 342	0.22 343	0.25 368	0.11 332	0.07 283	0.11 340	0.10 326	0.09 291	0.08 250

ACV-stereo	0.15 256	0.10 278	0.29 378	0.18 214	0.12 327	0.15 213	0.13 60	0.23 203	0.21 192	0.19 266	0.23 233	0.22 279	0.15 247	0.23 350	0.17 283	0.08 215	0.07 283	0.07 124	0.07 191	0.08 231	0.07 184

HBP-ISP	0.18 320	0.13 343	0.17 270	0.15 45	0.11 298	0.08 26	0.13 60	0.28 291	0.30 306	0.22 311	0.33 347	0.21 262	0.25 361	0.23 350	0.18 296	0.15 394	0.17 414	0.21 418	0.17 411	0.10 322	0.09 291

Wz-Net-LNSev	0.22 357	0.16 372	0.41 410	0.22 358	0.13 351	0.25 365	0.24 373	0.33 349	0.44 387	0.30 383	0.42 400	0.32 370	0.19 316	0.23 350	0.27 384	0.10 301	0.09 335	0.08 192	0.08 254	0.12 355	0.11 337

SACVNet	0.19 330	0.12 318	0.15 206	0.17 141	0.13 351	0.22 339	0.18 274	0.31 333	0.31 314	0.24 336	0.31 332	0.30 352	0.23 348	0.23 350	0.17 283	0.11 332	0.08 313	0.10 312	0.10 326	0.12 355	0.14 382

FINET	0.22 357	0.18 394	0.28 369	0.19 266	0.16 391	0.24 357	0.24 373	0.33 349	0.49 402	0.26 352	0.33 347	0.22 279	0.23 348	0.23 350	0.18 296	0.18 417	0.16 410	0.11 340	0.10 326	0.15 394	0.14 382

EDNetEfficient	0.30 409	0.24 415	1.18 459	0.18 214	0.10 250	0.20 316	0.20 329	0.21 167	0.61 428	0.74 446	0.56 422	0.30 352	0.40 421	0.23 350	0.32 413	0.09 265	0.07 283	0.08 192	0.07 191	0.11 340	0.10 315

GANet	0.22 357	0.13 343	0.21 331	0.25 391	0.14 366	0.23 351	0.22 355	0.42 414	0.27 279	0.31 388	0.43 403	0.37 390	0.29 386	0.23 350	0.23 350	0.10 301	0.12 381	0.10 312	0.09 294	0.10 322	0.08 250

TDLM	0.18 320	0.12 318	0.14 170	0.24 385	0.10 250	0.18 277	0.18 274	0.37 389	0.30 306	0.22 311	0.28 308	0.28 338	0.18 301	0.23 350	0.19 309	0.11 332	0.07 283	0.10 312	0.10 326	0.08 231	0.08 250

NVstereo2D	0.19 330	0.11 302	0.16 247	0.17 141	0.16 391	0.28 391	0.23 365	0.44 423	0.42 377	0.15 184	0.28 308	0.25 315	0.19 316	0.23 350	0.18 296	0.09 265	0.06 216	0.10 312	0.08 254	0.15 394	0.10 315

NCCL2	0.24 380	0.15 364	0.18 299	0.34 429	0.18 412	0.24 357	0.24 373	0.34 363	0.29 301	0.31 388	0.38 374	0.38 396	0.29 386	0.23 350	0.25 368	0.15 394	0.12 381	0.18 413	0.21 419	0.13 368	0.13 366

SGM-Forest	0.20 338	0.14 358	0.18 299	0.20 311	0.13 351	0.21 327	0.22 355	0.33 349	0.31 314	0.24 336	0.29 322	0.28 338	0.20 328	0.23 350	0.18 296	0.15 394	0.16 410	0.15 395	0.14 387	0.13 368	0.12 356
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Wz-Net-SNSev	0.26 396	0.17 381	0.46 415	0.25 391	0.14 366	0.26 375	0.24 373	0.38 396	0.57 421	0.30 383	0.56 422	0.39 401	0.26 368	0.24 361	0.32 413	0.10 301	0.09 335	0.10 312	0.11 352	0.11 340	0.11 337

EDNetEfficientorigin	7.92 475	0.32 433	152.98 490	0.20 311	0.10 250	0.22 339	0.17 231	0.23 203	0.60 427	0.73 444	0.67 434	0.41 409	0.51 437	0.24 361	0.41 431	0.08 215	0.07 283	0.09 268	0.07 191	0.12 355	0.11 337

hitnet-ft	0.18 320	0.10 278	0.17 270	0.14 15	0.09 151	0.27 383	0.20 329	0.25 243	0.26 267	0.24 336	0.32 341	0.32 370	0.23 348	0.24 361	0.21 328	0.12 356	0.07 283	0.10 312	0.08 254	0.12 355	0.11 337

CVANet_RVC	0.18 320	0.11 302	0.14 170	0.21 341	0.11 298	0.19 297	0.18 274	0.34 363	0.34 334	0.22 311	0.31 332	0.28 338	0.18 301	0.24 361	0.18 296	0.12 356	0.08 313	0.12 358	0.12 372	0.09 291	0.08 250

CBMV_ROB	0.19 330	0.13 343	0.18 299	0.16 81	0.11 298	0.16 239	0.12 34	0.27 269	0.29 301	0.27 359	0.31 332	0.27 329	0.24 355	0.24 361	0.16 267	0.15 394	0.18 416	0.22 422	0.20 417	0.10 322	0.12 356

Wz-Net-MNSev	0.23 370	0.13 343	0.33 393	0.20 311	0.15 379	0.36 414	0.25 388	0.34 363	0.45 391	0.29 378	0.41 394	0.39 401	0.19 316	0.25 366	0.27 384	0.09 265	0.07 283	0.09 268	0.09 294	0.12 355	0.10 315

DDUNet	0.23 370	0.18 394	0.22 340	0.22 358	0.15 379	0.25 365	0.24 373	0.30 318	0.31 314	0.31 388	0.37 367	0.34 380	0.26 368	0.25 366	0.21 328	0.18 417	0.13 393	0.17 404	0.11 352	0.16 405	0.17 413

edge stereo	0.23 370	0.14 358	0.21 331	0.21 341	0.13 351	0.24 357	0.16 211	0.32 337	0.42 377	0.32 395	0.40 384	0.39 401	0.35 410	0.25 366	0.25 368	0.13 373	0.11 369	0.14 385	0.11 352	0.12 355	0.14 382

ADCRef	0.20 338	0.12 318	0.43 413	0.20 311	0.12 327	0.23 351	0.18 274	0.32 337	0.37 354	0.26 352	0.33 347	0.18 229	0.23 348	0.25 366	0.26 379	0.07 161	0.06 216	0.09 268	0.09 294	0.08 231	0.09 291

SepStereo	0.15 256	0.08 161	0.18 299	0.19 266	0.10 250	0.19 297	0.17 231	0.28 291	0.30 306	0.18 252	0.26 284	0.21 262	0.16 268	0.26 370	0.13 180	0.08 215	0.06 216	0.06 44	0.06 107	0.07 171	0.07 184

XPNet_ROB	0.22 357	0.12 318	0.20 325	0.22 358	0.13 351	0.22 339	0.19 314	0.35 377	0.40 368	0.30 383	0.40 384	0.38 396	0.27 374	0.26 370	0.29 398	0.15 394	0.10 357	0.10 312	0.10 326	0.13 368	0.12 356

SQANet	0.24 380	0.24 415	0.31 387	0.31 425	0.19 415	0.27 383	0.13 60	0.30 318	0.33 324	0.25 349	0.37 367	0.31 364	0.22 342	0.27 372	0.23 350	0.15 394	0.10 357	0.21 418	0.16 404	0.22 420	0.16 405

GASNet	0.22 357	0.24 415	0.34 396	0.26 400	0.17 403	0.27 383	0.16 211	0.45 425	0.42 377	0.27 359	0.24 244	0.30 352	0.16 268	0.27 372	0.18 296	0.12 356	0.09 335	0.12 358	0.11 352	0.16 405	0.08 250

Anonymous_2	0.22 357	0.17 381	0.28 369	0.15 45	0.16 391	0.33 402	0.22 355	0.23 203	0.18 141	0.23 325	0.24 244	0.26 324	0.27 374	0.27 372	0.24 361	0.22 429	0.26 435	0.17 404	0.17 411	0.16 405	0.18 415

APVNet	0.23 370	0.12 318	0.20 325	0.18 214	0.14 366	0.32 400	0.31 424	0.40 404	0.33 324	0.27 359	0.40 384	0.30 352	0.29 386	0.27 372	0.25 368	0.11 332	0.12 381	0.11 340	0.14 387	0.12 355	0.13 366

ADCP+	0.20 338	0.10 278	0.35 402	0.21 341	0.12 327	0.22 339	0.27 399	0.31 333	0.35 345	0.26 352	0.37 367	0.22 279	0.22 342	0.27 372	0.28 391	0.09 265	0.06 216	0.08 192	0.08 254	0.10 322	0.10 315

CC-Net-ROB	0.28 403	0.31 432	0.36 404	0.30 423	0.15 379	0.25 365	0.19 314	0.45 425	0.34 334	0.39 409	0.37 367	0.39 401	0.31 402	0.27 372	0.27 384	0.24 436	0.18 416	0.30 437	0.23 426	0.19 417	0.15 396

MDST_ROB	0.22 357	0.10 278	0.18 299	0.18 214	0.11 298	0.40 424	0.19 314	0.44 423	0.42 377	0.40 412	0.40 384	0.29 345	0.21 335	0.27 372	0.19 309	0.11 332	0.10 357	0.14 385	0.11 352	0.10 322	0.08 250

SANet	0.25 386	0.14 358	0.29 378	0.21 341	0.11 298	0.29 393	0.25 388	0.40 404	0.65 435	0.36 402	0.40 384	0.42 411	0.27 374	0.27 372	0.25 368	0.12 356	0.09 335	0.10 312	0.09 294	0.13 368	0.12 356

AF-Net	0.23 370	0.17 381	0.17 270	0.27 408	0.13 351	0.26 375	0.24 373	0.33 349	0.51 408	0.25 349	0.33 347	0.39 401	0.27 374	0.28 380	0.26 379	0.11 332	0.10 357	0.16 402	0.12 372	0.11 340	0.11 337

RP	0.22 357	0.13 343	0.22 340	0.23 376	0.12 327	0.21 327	0.20 329	0.26 255	0.45 391	0.22 311	0.38 374	0.37 390	0.25 361	0.28 380	0.25 368	0.11 332	0.12 381	0.13 372	0.12 372	0.13 368	0.14 382

G-Net	0.25 386	0.17 381	0.38 406	0.23 376	0.16 391	0.51 432	0.23 365	0.29 308	0.35 345	0.36 402	0.38 374	0.31 364	0.29 386	0.28 380	0.27 384	0.11 332	0.09 335	0.12 358	0.10 326	0.16 405	0.14 382

Nwc_Net	0.23 370	0.17 381	0.22 340	0.25 391	0.15 379	0.25 365	0.27 399	0.38 396	0.39 364	0.22 311	0.41 394	0.30 352	0.29 386	0.28 380	0.25 368	0.11 332	0.10 357	0.17 404	0.20 417	0.10 322	0.11 337

ETE_ROB	0.23 370	0.17 381	0.23 347	0.25 391	0.14 366	0.26 375	0.29 416	0.32 337	0.37 354	0.28 371	0.37 367	0.45 417	0.27 374	0.28 380	0.27 384	0.11 332	0.09 335	0.12 358	0.10 326	0.14 383	0.13 366

PWCDC_ROB	0.21 349	0.13 343	0.23 347	0.25 391	0.12 327	0.20 316	0.15 157	0.34 363	0.55 418	0.29 378	0.49 413	0.21 262	0.15 247	0.28 380	0.20 317	0.11 332	0.09 335	0.10 312	0.08 254	0.11 340	0.09 291

CBMV	0.20 338	0.15 364	0.18 299	0.18 214	0.10 250	0.20 316	0.11 18	0.30 318	0.31 314	0.29 378	0.31 332	0.31 364	0.23 348	0.28 380	0.19 309	0.13 373	0.15 405	0.17 404	0.16 404	0.10 322	0.10 315
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
coex-ft	3.24 470	0.35 435	57.83 489	0.18 214	0.13 351	0.27 383	0.23 365	0.28 291	0.72 441	1.89 471	0.70 438	0.43 413	0.47 432	0.29 387	0.43 434	0.09 265	0.09 335	0.12 358	0.09 294	0.14 383	0.14 382

DGSMNet	0.25 386	0.19 397	0.34 396	0.21 341	0.24 427	0.24 357	0.21 344	0.36 382	0.42 377	0.25 349	0.32 341	0.38 396	0.21 335	0.29 387	0.24 361	0.13 373	0.11 369	0.14 385	0.16 404	0.23 422	0.23 428

ADCPNet	0.26 396	0.17 381	0.62 432	0.21 341	0.15 379	0.36 414	0.25 388	0.33 349	0.37 354	0.31 388	0.41 394	0.36 387	0.29 386	0.29 387	0.34 418	0.12 356	0.10 357	0.11 340	0.12 372	0.14 383	0.13 366

DISCO	0.20 338	0.09 217	0.22 340	0.17 141	0.10 250	0.25 365	0.18 274	0.28 291	0.45 391	0.23 325	0.32 341	0.34 380	0.26 368	0.29 387	0.29 398	0.08 215	0.06 216	0.07 124	0.07 191	0.09 291	0.10 315

CSAN	0.30 409	0.24 415	0.28 369	0.34 429	0.19 415	0.34 406	0.42 443	0.38 396	0.51 408	0.38 408	0.40 384	0.44 416	0.34 407	0.29 387	0.31 408	0.19 420	0.16 410	0.19 415	0.19 416	0.14 383	0.15 396

LALA_ROB	0.25 386	0.16 372	0.23 347	0.27 408	0.17 403	0.27 383	0.27 399	0.42 414	0.38 360	0.33 399	0.39 381	0.51 427	0.26 368	0.29 387	0.28 391	0.16 411	0.09 335	0.13 372	0.12 372	0.13 368	0.13 366

ADCL	0.25 386	0.12 318	0.49 420	0.22 358	0.12 327	0.36 414	0.29 416	0.30 318	0.57 421	0.24 336	0.47 411	0.30 352	0.31 402	0.30 393	0.30 403	0.09 265	0.07 283	0.09 268	0.09 294	0.10 322	0.10 315

DANet	0.21 349	0.16 372	0.29 378	0.25 391	0.13 351	0.23 351	0.19 314	0.28 291	0.27 279	0.28 371	0.32 341	0.35 385	0.32 404	0.31 394	0.24 361	0.11 332	0.09 335	0.11 340	0.10 326	0.13 368	0.11 337
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NaN_ROB	0.23 370	0.20 401	0.25 356	0.25 391	0.13 351	0.31 398	0.27 399	0.34 363	0.41 375	0.31 388	0.31 332	0.32 370	0.23 348	0.31 394	0.22 341	0.11 332	0.17 414	0.10 312	0.11 352	0.08 231	0.09 291

PWC_ROB	0.21 349	0.16 372	0.27 366	0.18 214	0.11 298	0.22 339	0.13 60	0.33 349	0.49 402	0.30 383	0.40 384	0.32 370	0.25 361	0.31 394	0.23 350	0.10 301	0.07 283	0.11 340	0.08 254	0.11 340	0.10 315

RTSC	0.23 370	0.13 343	0.30 384	0.21 341	0.13 351	0.29 393	0.17 231	0.36 382	0.68 436	0.27 359	0.34 357	0.30 352	0.22 342	0.32 397	0.31 408	0.10 301	0.08 313	0.09 268	0.10 326	0.13 368	0.14 382

DPSNet	0.28 403	0.16 372	0.33 393	0.18 214	0.13 351	0.55 435	0.42 443	0.52 435	0.68 436	0.29 378	0.38 374	0.39 401	0.30 397	0.32 397	0.23 350	0.11 332	0.10 357	0.11 340	0.08 254	0.20 419	0.16 405

FBW_ROB	0.25 386	0.17 381	0.23 347	0.27 408	0.14 366	0.26 375	0.22 355	0.42 414	0.43 385	0.42 418	0.41 394	0.43 413	0.27 374	0.32 397	0.24 361	0.09 265	0.15 405	0.15 395	0.12 372	0.12 355	0.10 315

Wz-Net-TNSev	0.29 406	0.20 401	0.69 443	0.19 266	0.15 379	0.38 420	0.27 399	0.36 382	0.56 420	0.35 400	0.42 400	0.45 417	0.39 417	0.33 400	0.31 408	0.13 373	0.13 393	0.10 312	0.12 372	0.15 394	0.15 396

stereogan	0.22 357	0.11 302	0.21 331	0.20 311	0.12 327	0.32 400	0.19 314	0.36 382	0.45 391	0.23 325	0.39 381	0.35 385	0.27 374	0.33 400	0.23 350	0.10 301	0.12 381	0.10 312	0.10 326	0.14 383	0.14 382

SHD	0.26 396	0.15 364	0.31 387	0.24 385	0.18 412	0.23 351	0.15 157	0.39 401	0.72 441	0.32 395	0.42 400	0.36 387	0.29 386	0.33 400	0.30 403	0.13 373	0.11 369	0.14 385	0.13 382	0.16 405	0.20 423

ACVNet-4b	0.39 425	0.53 444	0.56 425	0.45 440	0.24 427	0.46 428	0.18 274	0.50 432	0.64 433	0.42 418	0.45 407	0.60 435	0.27 374	0.34 403	0.24 361	0.33 441	0.14 401	0.48 444	0.42 444	0.31 439	0.27 436

WZ-Net	0.29 406	0.17 381	0.82 451	0.23 376	0.16 391	0.35 410	0.29 416	0.40 404	0.59 426	0.24 336	0.57 426	0.37 390	0.25 361	0.34 403	0.37 424	0.09 265	0.08 313	0.09 268	0.10 326	0.14 383	0.16 405

PASM	0.33 416	0.25 420	0.51 421	0.28 414	0.27 433	0.30 396	0.31 424	0.35 377	0.51 408	0.36 402	0.40 384	0.47 424	0.35 410	0.34 403	0.36 420	0.23 434	0.26 435	0.26 425	0.28 434	0.23 422	0.21 424

PDISCO_ROB	0.28 403	0.16 372	0.28 369	0.28 414	0.20 418	0.33 402	0.27 399	0.45 425	0.58 424	0.28 371	0.41 394	0.45 417	0.30 397	0.34 403	0.35 419	0.12 356	0.09 335	0.17 404	0.16 404	0.17 412	0.13 366

MSMD_ROB	0.31 414	0.26 421	0.26 364	0.24 385	0.21 420	0.34 406	0.25 388	0.34 363	0.39 364	0.40 412	0.69 437	0.45 417	0.41 422	0.34 403	0.28 391	0.20 424	0.20 422	0.26 425	0.25 428	0.23 422	0.22 427

psmorigin	0.25 386	0.16 372	0.35 402	0.17 141	0.13 351	0.24 357	0.14 97	0.34 363	0.34 334	0.41 416	0.55 421	0.41 409	0.38 416	0.35 408	0.28 391	0.11 332	0.15 405	0.11 340	0.11 352	0.12 355	0.17 413

MFN_U_SF_DS_RVC	0.30 409	0.24 415	0.30 384	0.36 433	0.16 391	0.36 414	0.31 424	0.34 363	0.43 385	0.41 416	0.46 409	0.38 396	0.30 397	0.35 408	0.29 398	0.19 420	0.20 422	0.26 425	0.29 435	0.18 414	0.19 420

LSM	0.34 422	0.21 406	0.62 432	0.27 408	0.62 457	0.35 410	0.26 394	0.43 419	0.49 402	0.45 425	0.60 432	0.42 411	0.37 414	0.35 408	0.26 379	0.13 373	0.21 430	0.14 385	0.16 404	0.18 414	0.34 443

WCMA_ROB	0.24 380	0.11 302	0.24 353	0.17 141	0.14 366	0.34 406	0.16 211	0.33 349	0.33 324	0.39 409	0.54 420	0.40 407	0.35 410	0.35 408	0.26 379	0.12 356	0.12 381	0.12 358	0.11 352	0.14 383	0.14 382

MFN_U_SF_RVC	0.33 416	0.22 410	0.58 430	0.31 425	0.15 379	0.36 414	0.17 231	0.54 438	0.46 398	0.47 428	0.56 422	0.58 434	0.39 417	0.36 412	0.38 427	0.15 394	0.15 405	0.18 413	0.21 419	0.16 405	0.16 405

ADCMid	0.26 396	0.15 364	0.42 412	0.20 311	0.14 366	0.25 365	0.26 394	0.35 377	0.40 368	0.37 406	0.45 407	0.34 380	0.42 426	0.36 412	0.36 420	0.10 301	0.09 335	0.11 340	0.11 352	0.13 368	0.13 366

SGM_RVC	0.24 380	0.12 318	0.16 247	0.15 45	0.09 151	0.34 406	0.19 314	0.35 377	0.32 319	0.44 423	0.38 374	0.53 431	0.36 413	0.36 412	0.26 379	0.13 373	0.13 393	0.13 372	0.13 382	0.11 340	0.11 337
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MeshStereo	0.27 401	0.13 343	0.18 299	0.15 45	0.11 298	0.33 402	0.24 373	0.41 409	0.36 350	0.53 432	0.58 429	0.67 441	0.41 422	0.36 412	0.27 384	0.14 390	0.13 393	0.13 372	0.11 352	0.11 340	0.11 337
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	0.33 416	0.28 423	0.28 369	0.30 423	0.24 427	0.39 422	0.28 405	0.43 419	0.42 377	0.44 423	0.53 419	0.51 427	0.42 426	0.37 416	0.30 403	0.21 426	0.20 422	0.27 428	0.26 429	0.25 430	0.25 431
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
RGC	0.25 386	0.20 401	0.29 378	0.28 414	0.16 391	0.22 339	0.23 365	0.33 349	0.44 387	0.27 359	0.40 384	0.38 396	0.28 383	0.37 416	0.23 350	0.11 332	0.13 393	0.17 404	0.17 411	0.15 394	0.16 405

NCC-stereo	0.25 386	0.15 364	0.31 387	0.26 400	0.17 403	0.21 327	0.31 424	0.41 409	0.40 368	0.24 336	0.38 374	0.33 376	0.29 386	0.37 416	0.28 391	0.13 373	0.11 369	0.15 395	0.22 422	0.13 368	0.13 366

Abc-Net	0.25 386	0.15 364	0.31 387	0.26 400	0.17 403	0.21 327	0.31 424	0.41 409	0.40 368	0.24 336	0.38 374	0.33 376	0.29 386	0.37 416	0.28 391	0.13 373	0.11 369	0.15 395	0.22 422	0.13 368	0.13 366
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
FC-DCNN v2	0.33 416	0.28 423	0.28 369	0.26 400	0.23 424	0.39 422	0.29 416	0.41 409	0.44 387	0.46 426	0.57 426	0.51 427	0.41 422	0.38 420	0.30 403	0.21 426	0.20 422	0.27 428	0.26 429	0.25 430	0.24 429

FC-DCNN	0.33 416	0.28 423	0.28 369	0.26 400	0.23 424	0.38 420	0.29 416	0.40 404	0.44 387	0.46 426	0.56 422	0.51 427	0.41 422	0.38 420	0.31 408	0.21 426	0.20 422	0.27 428	0.26 429	0.25 430	0.24 429

SAMSARA	0.41 428	0.28 423	0.34 396	0.55 446	0.39 440	0.85 456	1.25 471	0.49 431	0.52 414	0.36 402	0.35 361	0.56 433	0.39 417	0.39 422	0.41 431	0.15 394	0.20 422	0.15 395	0.14 387	0.23 422	0.21 424

XQC	0.29 406	0.23 412	0.53 422	0.29 421	0.19 415	0.36 414	0.28 405	0.37 389	0.58 424	0.31 388	0.31 332	0.37 390	0.30 397	0.39 422	0.39 428	0.13 373	0.09 335	0.15 395	0.12 372	0.18 414	0.18 415

DispFullNet	0.27 401	0.22 410	0.66 435	0.28 414	0.17 403	0.27 383	0.17 231	0.34 363	0.57 421	0.27 359	0.37 367	0.43 413	0.24 355	0.39 422	0.25 368	0.12 356	0.06 216	0.19 415	0.11 352	0.23 422	0.16 405

otaku	0.39 425	0.38 437	0.53 422	0.44 439	0.28 434	0.57 437	0.24 373	0.42 414	0.62 431	0.40 412	0.50 415	0.46 421	0.34 407	0.40 425	0.33 416	0.30 439	0.30 439	0.39 441	0.33 440	0.30 436	0.29 437

Ntro	0.41 428	0.40 439	0.54 424	0.46 443	0.30 438	0.64 441	0.24 373	0.47 429	0.68 436	0.42 418	0.49 413	0.47 424	0.42 426	0.40 425	0.32 413	0.32 440	0.28 437	0.37 440	0.31 438	0.33 441	0.29 437

ccnet	0.30 409	0.28 423	0.24 353	0.20 311	0.28 434	0.41 425	0.22 355	0.46 428	0.33 324	0.37 406	0.46 409	0.37 390	0.30 397	0.40 425	0.43 434	0.23 434	0.14 401	0.21 418	0.17 411	0.23 422	0.19 420

ADCS	0.30 409	0.19 397	0.48 419	0.21 341	0.18 412	0.29 393	0.24 373	0.42 414	0.64 433	0.40 412	0.50 415	0.40 407	0.37 414	0.40 425	0.43 434	0.13 373	0.13 393	0.13 372	0.14 387	0.16 405	0.16 405

GANetREF_RVC	0.31 414	0.34 434	0.29 378	0.35 431	0.16 391	0.33 402	0.42 443	0.48 430	0.52 414	0.35 400	0.35 361	0.34 380	0.32 404	0.40 425	0.33 416	0.27 438	0.20 422	0.29 435	0.15 401	0.19 417	0.18 415
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
AnyNet_C32	0.26 396	0.16 372	0.39 407	0.20 311	0.17 403	0.26 375	0.31 424	0.32 337	0.45 391	0.31 388	0.50 415	0.30 352	0.34 407	0.41 430	0.36 420	0.12 356	0.12 381	0.12 358	0.14 387	0.14 383	0.15 396

Consistency-Raft	0.44 432	0.40 439	0.46 415	0.37 434	0.43 444	0.42 426	0.41 441	0.57 440	0.55 418	0.32 395	0.73 441	0.32 370	0.50 435	0.42 431	0.49 443	0.39 443	0.36 443	0.45 443	0.52 453	0.42 443	0.30 439

SGM-ForestM	0.33 416	0.12 318	0.17 270	0.16 81	0.11 298	0.42 426	0.20 329	0.43 419	0.53 417	0.53 432	0.57 426	1.41 463	0.44 431	0.42 431	0.29 398	0.14 390	0.16 410	0.16 402	0.16 404	0.12 355	0.13 366

AnyNet_C01	0.37 423	0.26 421	1.41 462	0.22 358	0.17 403	0.51 432	0.28 405	0.36 382	0.40 368	0.39 409	0.75 443	0.46 421	0.39 417	0.46 433	0.50 444	0.13 373	0.13 393	0.13 372	0.14 387	0.14 383	0.16 405

NVStereoNet_ROB	0.47 437	0.37 436	0.47 418	0.42 438	0.29 437	0.35 410	0.35 434	0.50 432	0.61 428	0.73 444	0.94 452	0.70 445	0.68 448	0.48 434	0.62 451	0.22 429	0.33 442	0.34 439	0.34 442	0.30 436	0.31 440
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
RainbowNet	0.54 441	0.61 448	0.71 448	0.57 447	0.43 444	0.66 443	0.37 436	0.60 446	0.87 451	0.51 430	0.67 434	0.63 437	0.47 432	0.50 435	0.44 437	0.47 449	0.48 452	0.53 448	0.41 443	0.53 447	0.41 448

ACVNet_1	0.45 434	0.51 443	0.61 431	0.45 440	0.28 434	0.50 430	0.28 405	0.58 445	0.71 440	0.63 437	0.59 431	0.74 446	0.50 435	0.50 435	0.36 420	0.26 437	0.25 434	0.39 441	0.29 435	0.32 440	0.25 431

MSC_U_SF_DS_RVC	0.44 432	0.39 438	0.56 425	0.40 435	0.20 418	0.66 443	0.33 433	0.54 438	0.72 441	0.71 442	0.72 440	0.62 436	0.55 438	0.52 437	0.47 441	0.20 424	0.19 421	0.29 435	0.30 437	0.24 428	0.19 420

ELAS	0.42 430	0.29 430	0.34 396	0.28 414	0.24 427	0.63 440	0.37 436	0.52 435	0.52 414	0.72 443	0.82 448	0.68 443	0.56 440	0.52 437	0.45 440	0.22 429	0.21 430	0.27 428	0.26 429	0.26 433	0.26 434
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PVD	0.40 427	0.21 406	0.40 408	0.32 428	0.23 424	0.30 396	0.45 447	0.53 437	0.97 454	0.55 434	0.80 447	0.54 432	0.60 444	0.53 439	0.40 430	0.19 420	0.14 401	0.17 404	0.14 387	0.24 428	0.32 441

MANE	0.47 437	0.28 423	0.28 369	0.27 408	0.24 427	0.50 430	0.32 432	0.57 440	0.62 431	0.74 446	1.20 465	1.21 456	0.64 446	0.54 440	0.39 428	0.22 429	0.20 422	0.27 428	0.31 438	0.26 433	0.25 431

ACVNet_2	0.67 448	0.68 453	0.70 446	0.64 448	0.41 442	0.75 451	0.50 448	0.98 460	1.38 464	0.90 454	1.09 459	1.04 451	0.74 451	0.55 441	0.48 442	0.43 445	0.40 445	0.53 448	0.45 445	0.48 444	0.36 445

RTS	0.46 435	0.19 397	3.33 467	0.25 391	0.15 379	0.72 448	0.21 344	0.37 389	0.78 447	0.42 418	0.44 405	0.31 364	0.43 429	0.55 441	0.37 424	0.10 301	0.09 335	0.13 372	0.13 382	0.15 394	0.15 396

RTSA	0.46 435	0.19 397	3.33 467	0.25 391	0.15 379	0.72 448	0.21 344	0.37 389	0.78 447	0.42 418	0.44 405	0.31 364	0.43 429	0.55 441	0.37 424	0.10 301	0.09 335	0.13 372	0.13 382	0.15 394	0.15 396

ELAS_RVC	0.42 430	0.29 430	0.33 393	0.28 414	0.24 427	0.56 436	0.38 438	0.50 432	0.61 428	0.74 446	0.76 444	0.67 441	0.56 440	0.55 441	0.42 433	0.22 429	0.21 430	0.27 428	0.26 429	0.27 435	0.26 434
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
BEATNet-Init1	0.54 441	0.28 423	0.68 442	0.31 425	0.21 420	0.85 456	0.31 424	0.57 440	0.69 439	0.89 453	1.00 455	2.17 470	0.66 447	0.58 445	0.44 437	0.19 420	0.18 416	0.23 423	0.22 422	0.22 420	0.21 424

anonymity	0.53 440	0.58 445	0.66 435	0.41 436	0.61 456	0.54 434	0.41 441	0.57 440	0.41 375	0.56 435	0.50 415	0.50 426	0.55 438	0.59 446	0.50 444	0.58 454	0.50 456	0.51 446	0.51 451	0.52 445	0.58 453

SPS-STEREO	0.58 444	0.59 447	0.66 435	0.45 440	0.55 450	0.65 442	0.44 446	0.63 447	0.51 408	0.69 440	0.65 433	0.66 440	0.58 443	0.62 447	0.62 451	0.62 457	0.47 451	0.51 446	0.49 448	0.55 448	0.58 453
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	0.57 443	0.58 445	0.67 439	0.41 436	0.55 450	0.68 445	0.51 449	0.57 440	0.46 398	0.67 438	0.70 438	0.69 444	0.57 442	0.64 448	0.58 449	0.59 455	0.49 453	0.50 445	0.50 450	0.52 445	0.59 456

MFMNet_re	0.65 445	0.66 452	0.66 435	0.51 444	0.69 461	0.70 446	0.58 453	0.65 448	0.75 445	0.61 436	0.73 441	0.63 437	0.68 448	0.65 449	0.60 450	0.66 459	0.58 465	0.63 450	0.59 454	0.68 456	0.69 463

WAO-7	0.80 454	0.78 457	0.57 427	0.85 457	0.67 460	0.76 452	0.69 462	1.07 464	1.30 461	0.90 454	1.20 465	1.05 452	0.93 459	0.71 450	0.68 454	0.60 456	0.62 466	0.67 451	0.68 460	0.64 452	0.59 456

WAO-6	0.82 455	0.81 458	0.63 434	0.87 459	0.63 458	0.79 453	0.60 455	0.98 460	1.52 468	0.91 456	0.97 454	1.08 453	1.04 463	0.72 451	0.70 457	0.72 460	0.49 453	0.91 463	0.71 461	0.70 458	0.59 456

IMH-64-1	0.66 446	0.62 449	0.69 443	0.72 450	0.51 447	0.60 438	0.51 449	0.92 454	0.84 449	0.75 449	1.02 456	0.81 447	0.78 453	0.80 452	0.50 444	0.43 445	0.46 447	0.72 452	0.48 446	0.55 448	0.40 446

IMH-64	0.66 446	0.62 449	0.69 443	0.72 450	0.51 447	0.60 438	0.51 449	0.92 454	0.84 449	0.75 449	1.02 456	0.81 447	0.78 453	0.80 452	0.50 444	0.43 445	0.46 447	0.72 452	0.48 446	0.55 448	0.40 446

Dean	0.88 458	0.88 462	0.81 450	0.82 456	0.57 453	0.91 458	0.62 456	1.17 469	1.71 469	1.15 464	1.16 463	1.31 460	1.00 462	0.82 454	0.83 463	0.57 452	0.56 462	0.78 459	0.65 457	0.67 455	0.58 453

LVE	0.84 457	0.87 461	0.86 454	0.81 455	0.56 452	1.09 467	0.66 458	1.07 464	1.45 466	0.97 458	1.23 467	1.11 454	0.86 456	0.84 455	0.72 458	0.49 450	0.56 462	0.76 457	0.60 456	0.66 454	0.60 459

WAO-8	0.92 459	0.83 459	0.67 439	0.94 462	0.70 462	0.92 459	0.68 460	1.08 466	1.80 471	1.06 462	1.42 469	1.29 458	1.08 465	0.86 456	0.80 460	0.74 462	0.54 459	0.86 461	0.75 462	0.71 459	0.63 460

Venus	0.92 459	0.83 459	0.67 439	0.94 462	0.70 462	0.92 459	0.68 460	1.08 466	1.80 471	1.06 462	1.42 469	1.29 458	1.08 465	0.86 456	0.80 460	0.74 462	0.54 459	0.86 461	0.75 462	0.71 459	0.63 460

TorneroNet-64	0.76 452	0.73 455	0.77 449	0.78 454	0.58 455	0.94 461	0.58 453	0.85 453	1.26 459	0.67 438	0.88 450	1.41 463	0.76 452	0.87 458	0.68 454	0.49 450	0.46 447	0.73 454	0.59 454	0.68 456	0.54 452

PWCK	0.72 449	0.95 463	0.99 457	0.77 452	0.32 439	0.79 453	0.38 438	0.92 454	0.90 452	0.96 457	0.76 444	0.97 450	0.62 445	0.87 458	0.68 454	0.73 461	0.46 447	0.76 457	0.49 448	0.71 459	0.44 450

IMH	0.72 449	0.65 451	0.70 446	0.77 452	0.54 449	0.71 447	0.56 452	0.99 462	1.08 455	0.82 452	1.09 459	0.89 449	0.88 457	0.88 460	0.53 448	0.44 448	0.50 456	0.75 455	0.51 451	0.58 451	0.42 449

MADNet+	0.76 452	0.72 454	3.76 470	0.67 449	0.41 442	0.99 462	0.97 469	0.72 449	0.75 445	0.52 431	0.58 429	0.64 439	0.68 448	0.89 461	1.04 467	0.35 442	0.36 443	0.28 434	0.23 426	0.38 442	0.33 442

DPSimNet_ROB	1.14 466	1.25 469	0.87 455	1.15 468	0.90 468	1.15 468	1.18 470	1.20 470	1.26 459	1.45 468	1.05 458	1.44 466	1.13 467	0.92 462	1.70 470	1.47 471	0.52 458	1.22 469	1.04 471	0.92 465	1.03 470

ktn	1.02 464	1.23 468	0.82 451	1.24 469	0.86 467	1.00 464	0.86 465	0.96 458	1.37 463	1.05 460	1.12 462	1.16 455	1.06 464	0.95 463	0.62 451	1.28 470	0.71 468	1.39 471	0.83 465	1.06 468	0.77 466

TorneroNet	0.83 456	0.75 456	0.83 453	0.85 457	0.63 458	1.03 465	0.65 457	0.96 458	1.14 457	0.80 451	1.10 461	1.36 461	0.88 457	0.95 463	0.82 462	0.57 452	0.49 453	0.79 460	0.66 459	0.74 462	0.64 462

UNDER WATER-64	0.97 461	0.96 464	1.48 464	0.88 460	0.57 453	1.24 470	0.90 467	0.78 450	0.96 453	1.05 460	0.85 449	1.56 468	1.26 469	0.97 465	0.99 465	0.88 466	0.57 464	1.04 466	0.88 466	0.81 463	0.75 464

KSHMR	1.10 465	1.19 467	0.90 456	1.26 470	1.00 469	0.99 462	0.96 468	1.13 468	1.35 462	1.16 465	1.28 468	1.40 462	0.97 461	1.03 466	0.93 464	1.03 468	1.08 470	1.20 468	1.03 470	1.03 467	0.98 469

JetBlue	0.73 451	0.46 442	1.21 460	0.52 445	0.47 446	2.16 471	0.67 459	0.78 450	0.72 441	0.70 441	0.79 446	1.21 456	0.84 455	1.06 467	1.04 467	0.40 444	0.28 437	0.33 438	0.33 440	0.30 436	0.34 443

UNDER WATER	0.99 463	1.00 465	1.47 463	1.00 464	0.71 464	1.18 469	0.86 465	0.81 452	1.09 456	1.02 459	0.90 451	1.53 467	1.26 469	1.06 467	1.02 466	0.79 464	0.54 459	1.02 465	0.88 466	0.83 464	0.75 464

notaker	0.98 462	1.13 466	1.02 458	1.14 467	0.81 465	0.73 450	0.69 462	0.94 457	1.15 458	1.19 466	1.19 464	1.41 463	1.17 468	1.10 469	0.74 459	0.82 465	0.64 467	1.18 467	0.79 464	1.02 466	0.82 467

JetRed	1.66 468	1.51 471	3.09 466	0.93 461	1.21 470	5.28 473	1.61 473	1.29 471	1.42 465	1.84 470	1.77 472	1.59 469	0.95 460	1.43 470	2.51 473	0.91 467	1.61 471	0.93 464	0.91 468	1.36 470	1.03 470

HanzoNet	1.31 467	1.29 470	1.22 461	1.13 466	0.85 466	1.05 466	0.84 464	1.06 463	1.47 467	1.66 469	1.63 471	2.48 472	1.78 471	1.63 471	1.69 469	1.27 469	0.80 469	1.32 470	1.02 469	1.07 469	0.90 468

MADNet++	1.97 469	1.75 472	1.66 465	1.83 471	1.69 472	2.38 472	1.45 472	2.36 472	2.11 473	2.58 472	2.37 473	2.25 471	2.21 472	2.28 472	2.36 472	1.87 472	1.67 472	1.53 472	1.34 472	1.87 471	1.78 473

tt	4.65 471	0.07 70	3.54 469	2.01 472	1.55 471	10.25 477	16.66 477	8.90 480	5.03 474	1.33 467	0.96 453	4.71 473	4.74 473	3.33 473	5.86 475	6.06 479	10.30 483	1.87 473	2.09 474	2.61 472	1.19 472

LRCNet_RVC	10.76 480	13.97 483	7.97 478	19.07 483	2.04 473	0.35 410	0.31 424	5.29 473	0.48 401	13.02 482	17.65 483	8.69 477	5.73 474	4.78 474	2.22 471	23.53 487	2.69 477	27.60 488	25.75 488	17.60 485	16.54 486

DPSMNet_ROB	8.06 476	4.50 474	8.69 479	5.36 478	10.74 480	8.32 475	22.71 479	5.47 475	13.38 480	5.13 474	9.98 477	5.10 474	10.47 479	5.53 475	12.77 480	3.80 477	8.00 478	3.49 474	6.95 477	3.75 477	7.09 479

DGTPSM_ROB	8.06 476	4.50 474	8.69 479	5.34 476	10.73 479	8.32 475	22.71 479	5.47 475	13.38 480	5.13 474	9.98 477	5.10 474	10.47 479	5.53 475	12.77 480	3.79 476	8.00 478	3.49 474	6.95 477	3.74 476	7.09 479

PML	8.57 478	9.39 482	6.24 471	5.34 476	6.36 477	13.21 479	20.99 478	5.35 474	6.68 475	17.75 484	26.46 489	7.58 476	6.08 475	7.89 477	5.76 474	5.33 478	1.83 473	5.95 482	1.93 473	8.75 480	2.53 474

xxxxx1	7.75 472	5.06 476	7.26 472	3.15 473	3.91 474	16.37 480	22.88 481	5.87 477	8.68 476	7.99 476	8.55 474	9.13 478	8.46 476	10.05 478	10.47 476	2.43 473	2.48 474	3.56 476	12.26 480	3.48 473	3.02 475

tt_ll	7.75 472	5.06 476	7.26 472	3.15 473	3.91 474	16.37 480	22.88 481	5.87 477	8.68 476	7.99 476	8.55 474	9.13 478	8.46 476	10.05 478	10.47 476	2.43 473	2.48 474	3.56 476	12.26 480	3.48 473	3.02 475

ff	7.75 472	5.06 476	7.26 472	3.15 473	3.91 474	16.37 480	22.88 481	5.87 477	8.68 476	7.99 476	8.55 474	9.13 478	8.46 476	10.05 478	10.47 476	2.43 473	2.48 474	3.56 476	12.26 480	3.48 473	3.02 475

Anonymous_1	10.87 481	7.82 479	7.41 475	10.29 479	10.08 478	18.64 484	26.11 484	11.02 481	13.45 482	9.43 479	10.10 479	9.73 481	11.31 481	10.69 481	12.47 479	6.42 480	8.38 480	5.70 479	10.22 479	11.41 481	6.65 478

DPSM_ROB	11.10 482	8.47 480	7.95 476	10.84 480	11.58 481	19.10 485	26.50 485	12.02 482	14.09 483	10.38 480	10.91 480	10.39 482	11.92 482	11.67 482	13.39 482	6.99 481	8.79 481	5.82 480	6.92 475	6.97 478	7.31 481

DPSM	11.10 482	8.47 480	7.95 476	10.84 480	11.58 481	19.10 485	26.50 485	12.02 482	14.09 483	10.38 480	10.91 480	10.39 482	11.92 482	11.67 482	13.39 482	6.99 481	8.79 481	5.82 480	6.92 475	6.97 478	7.31 481

HaxPig	15.73 484	18.55 487	19.19 484	16.92 482	15.89 484	7.80 474	7.57 474	13.37 484	10.80 479	15.40 483	14.87 482	15.95 484	14.81 484	15.67 484	15.97 484	18.96 486	16.72 484	19.47 486	18.10 486	19.45 486	19.06 487

MEDIAN_ROB	20.38 485	24.05 488	23.36 486	21.18 484	21.62 485	10.51 478	8.17 475	17.68 485	15.46 485	20.04 485	19.65 484	20.30 485	20.16 485	21.17 485	21.03 485	23.81 488	21.77 488	24.98 487	23.75 487	25.01 487	23.94 488

CasAABBNet	22.33 486	17.11 484	15.84 481	21.94 485	23.28 486	38.30 487	53.40 489	24.05 487	28.44 488	20.66 486	21.86 486	21.03 487	24.04 487	23.35 486	27.03 488	14.06 483	17.69 486	11.70 483	13.94 484	14.04 482	14.76 484

LSM0	22.80 488	17.22 486	19.17 483	22.12 487	28.90 489	38.38 489	53.27 487	24.21 488	28.36 487	20.84 488	21.11 485	21.63 488	24.25 488	23.42 487	26.98 487	14.08 485	17.39 485	11.72 485	13.98 485	14.22 484	14.66 483

Selective-RAFT-Error	22.39 487	17.14 485	16.01 482	22.00 486	23.34 487	38.37 488	53.36 488	24.24 489	28.53 489	20.80 487	21.94 487	20.94 486	24.02 486	23.48 488	27.33 489	14.07 484	17.70 487	11.70 483	13.93 483	14.05 483	14.83 485

AVERAGE_ROB	24.89 489	29.12 489	27.98 487	24.83 488	24.59 488	17.82 483	11.61 476	21.45 486	19.91 486	25.04 489	24.38 488	25.06 489	25.31 489	24.69 489	22.86 486	29.74 489	27.09 489	28.97 489	27.94 489	30.07 488	29.35 489

test_example2	97.69 490	92.93 490	45.57 488	96.02 489	109.84 490	88.44 490	93.70 490	25.54 490	94.63 490	130.46 490	126.87 490	58.93 490	75.48 490	87.99 490	77.94 490	150.16 490	221.11 490	76.29 490	98.21 490	108.42 490	95.33 490

Low-res two-view benchmark