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

LoS_RVC	1.23 24	1.51 291	6.09 46	0.88 57	1.71 380	1.96 44	0.59 48	1.61 7	1.37 6	0.84 19	1.35 72	0.84 41	1.15 138	1.49 65	0.83 35	0.21 1	0.17 3	0.20 1	0.14 1	0.20 2	1.49 321

CAS	1.34 27	0.48 2	2.20 15	3.01 435	1.66 375	4.08 284	0.73 115	1.96 28	1.51 22	0.86 21	1.10 29	0.59 4	0.53 4	1.36 47	0.94 59	3.07 440	0.14 1	0.21 3	0.14 1	0.38 174	1.78 339

trnet	1.00 10	0.55 7	1.89 14	0.66 4	0.33 3	4.41 357	0.40 12	2.42 54	1.95 96	0.96 42	1.24 50	0.88 50	0.89 69	1.27 26	0.78 17	0.30 70	0.19 10	0.23 9	0.15 3	0.22 3	0.22 1

CES	1.08 17	0.63 44	2.53 18	0.95 101	2.18 409	2.13 53	0.50 26	2.07 34	1.46 10	0.79 11	1.06 22	0.61 6	0.48 3	1.45 59	0.87 43	0.24 5	0.18 6	0.24 21	0.15 3	0.64 336	2.36 359

PMTNet	1.13 22	0.55 7	3.88 34	0.71 11	0.59 89	4.21 325	0.43 16	2.00 29	1.58 38	1.02 47	1.06 22	0.78 31	0.98 84	1.58 76	0.93 53	1.21 413	0.20 21	0.23 9	0.15 3	0.23 5	0.27 9

s12784h	2.08 76	0.50 4	16.85 154	0.75 13	0.36 5	4.42 359	0.49 22	4.23 319	3.08 266	2.03 188	2.67 363	0.91 56	1.05 107	2.05 133	0.78 17	0.37 194	0.18 6	0.24 21	0.16 6	0.27 21	0.26 7

XX-TBD	1.98 59	1.08 225	20.29 312	1.31 259	0.43 29	3.97 262	0.33 4	1.76 19	1.77 75	1.59 96	2.18 295	0.69 17	0.59 9	1.44 58	0.75 12	0.33 125	0.25 112	0.23 9	0.16 6	0.31 66	0.22 1

CREStereo	1.00 10	0.59 25	1.82 13	0.66 4	0.36 5	4.43 360	0.40 12	2.43 55	1.98 99	0.96 42	1.22 47	0.88 50	0.87 65	1.30 31	0.79 24	0.30 70	0.20 21	0.23 9	0.16 6	0.23 5	0.22 1
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
test_for_model	3.36 330	3.87 374	21.00 392	4.24 451	3.68 439	2.57 74	0.94 244	3.80 200	3.64 355	2.59 333	1.40 83	1.02 67	0.73 28	0.97 3	0.70 8	3.05 439	2.42 405	0.26 49	0.17 9	5.36 459	4.82 405

LoS	1.05 13	0.58 17	3.31 24	0.91 71	0.38 8	4.14 299	0.50 26	2.22 42	1.49 17	1.02 47	0.88 13	0.62 7	0.84 57	1.69 87	0.94 59	0.27 27	0.20 21	0.24 21	0.17 9	0.22 3	0.32 22
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
IGEV-Stereo++	1.68 48	0.48 2	1.27 2	0.77 15	1.31 306	3.87 236	0.33 4	3.41 150	1.72 71	0.89 33	1.20 42	0.68 14	1.03 92	1.15 12	0.49 1	0.23 3	0.22 55	0.23 9	0.18 11	0.26 16	13.90 445

Occ-G	2.25 101	0.74 105	13.22 85	0.90 67	0.89 198	1.52 28	0.78 149	1.82 20	2.87 229	1.65 104	0.89 14	2.18 226	0.89 69	1.04 5	1.69 215	0.28 38	0.27 143	0.26 49	0.19 12	0.25 7	12.70 442

Pointernet	0.99 6	0.50 4	3.54 26	0.89 58	0.44 33	2.30 62	0.38 7	3.12 120	1.48 12	0.69 2	1.44 91	0.92 58	0.73 28	1.28 28	0.82 33	0.24 5	0.23 79	0.21 3	0.19 12	0.19 1	0.25 6

IGEV-Stereo+	1.08 17	0.55 7	2.59 20	0.89 58	2.06 406	1.40 24	0.38 7	1.18 1	1.29 3	0.76 9	0.45 1	0.47 2	0.79 47	2.16 146	0.65 4	0.29 46	0.25 112	0.22 5	0.19 12	2.27 431	2.70 368

testlalala_base	2.69 222	0.77 136	21.10 408	1.22 217	1.46 331	2.72 78	0.83 176	4.11 276	1.49 17	1.28 69	1.45 94	1.21 95	0.85 59	1.28 28	1.19 105	3.94 453	2.36 402	0.27 63	0.19 12	4.48 455	1.58 326

SPstereo	2.59 187	1.07 221	20.48 341	0.91 71	4.13 449	3.67 192	0.51 29	2.27 43	1.76 74	1.18 57	1.15 39	1.18 85	0.84 57	1.36 47	1.54 179	0.27 27	8.46 444	0.27 63	0.19 12	0.29 44	0.30 16

Any-RAFT	1.62 40	0.59 25	5.29 40	1.12 175	0.76 155	4.41 357	0.79 156	4.12 282	3.26 295	2.02 183	1.36 75	2.82 292	1.56 222	1.90 120	0.81 28	0.29 46	0.25 112	0.26 49	0.19 12	0.25 7	0.35 43

Selective-IGEV	1.42 33	0.58 17	8.82 64	0.92 79	0.85 181	1.32 20	0.80 164	2.85 98	3.84 367	0.87 27	1.68 153	0.71 22	0.62 14	1.30 31	0.75 12	0.24 5	0.27 143	0.24 21	0.19 12	0.27 21	1.18 299

DCANet-4	2.06 75	0.58 17	15.30 117	0.86 44	0.44 33	4.16 305	0.57 40	4.31 353	3.28 299	2.31 273	1.82 200	1.04 70	1.54 217	1.69 87	1.56 183	0.35 161	0.24 99	0.24 21	0.19 12	0.25 7	0.57 176

fff	2.40 140	0.96 198	20.47 335	0.84 35	0.38 8	4.15 302	0.57 40	4.30 342	2.85 221	2.31 273	1.82 200	1.19 89	2.98 359	1.68 82	1.57 186	0.35 161	0.24 99	0.23 9	0.19 12	0.25 7	0.57 176

ADStereo(finetuned)	2.30 119	0.97 202	17.29 164	0.86 44	0.43 29	4.17 310	0.59 48	4.31 353	3.29 304	2.35 290	1.86 223	1.18 85	3.35 380	1.69 87	1.59 191	0.34 146	0.25 112	0.23 9	0.19 12	0.31 66	0.72 231

DCANet	2.37 135	0.98 205	20.47 335	0.86 44	0.43 29	4.18 313	0.59 48	4.31 353	3.29 304	2.35 290	1.86 223	1.18 85	1.63 243	1.69 87	1.59 191	0.34 146	0.25 112	0.24 21	0.19 12	0.31 66	0.73 236

csc	2.40 140	0.96 198	20.47 335	0.84 35	0.38 8	4.15 302	0.57 40	4.30 342	2.85 221	2.31 273	1.82 200	1.19 89	2.98 359	1.68 82	1.57 186	0.35 161	0.24 99	0.23 9	0.19 12	0.25 7	0.57 176

cscssc	2.40 140	0.96 198	20.47 335	0.84 35	0.38 8	4.15 302	0.57 40	4.30 342	2.85 221	2.31 273	1.82 200	1.19 89	2.98 359	1.68 82	1.57 186	0.35 161	0.24 99	0.23 9	0.19 12	0.25 7	0.57 176

iResNet_ROB	2.72 227	10.38 417	14.41 103	1.46 315	0.99 226	3.74 206	0.66 80	4.01 240	2.84 220	2.04 191	2.05 270	1.98 207	1.38 170	4.73 239	1.91 259	0.35 161	0.20 21	0.28 89	0.19 12	0.33 105	0.41 88

pmcnn	5.90 422	1.81 320	22.30 452	1.69 364	2.37 417	3.47 149	2.10 389	4.58 412	5.56 440	3.75 411	13.12 457	22.07 463	3.70 390	11.99 427	17.13 443	0.58 349	0.23 79	0.23 9	0.19 12	0.37 164	0.70 226

WCG-NET	1.06 14	0.94 191	1.57 8	0.96 108	0.84 179	2.01 45	0.63 70	3.16 123	2.30 147	1.70 115	1.10 29	1.31 104	1.05 107	1.26 24	0.66 5	0.29 46	0.19 10	0.22 5	0.20 27	0.27 21	0.51 148

MoCha-V2	3.53 346	0.90 173	17.00 156	1.32 265	8.54 460	1.38 23	0.55 36	2.89 100	3.31 310	0.99 46	1.82 200	0.66 12	1.16 139	1.79 103	0.84 38	0.26 19	15.15 469	0.20 1	0.20 27	0.25 7	11.33 441

testlalala	2.95 266	0.66 61	20.83 380	1.03 140	0.81 166	4.39 352	0.90 220	2.96 110	3.69 360	2.50 325	1.55 122	1.31 104	0.61 12	1.15 12	0.77 15	0.42 239	14.33 466	0.25 32	0.20 27	0.26 16	0.36 63

anonymousdsp2	2.72 227	0.68 70	11.15 73	1.20 208	0.64 112	3.66 191	0.71 105	3.71 183	2.14 119	1.62 99	1.61 132	1.95 200	1.00 87	2.24 159	0.81 28	0.32 102	0.50 298	0.28 89	0.20 27	0.34 127	19.58 473

knoymous	1.50 35	0.65 54	8.73 63	0.91 71	0.75 151	2.97 94	0.90 220	2.93 101	1.38 7	1.56 91	1.07 25	2.75 286	0.88 66	1.43 57	1.13 94	0.32 102	0.22 55	0.35 234	0.20 27	0.45 252	0.41 88

RCA-Stereo	1.38 29	0.61 37	3.95 36	0.94 91	0.48 45	4.68 412	0.78 149	4.17 298	1.95 96	1.93 148	1.84 214	0.94 60	1.48 202	1.23 20	0.75 12	0.30 70	0.43 258	0.25 32	0.20 27	0.26 16	0.37 65

CroCo-Stereo	1.07 16	1.18 243	3.66 28	0.91 71	0.60 93	0.49 1	0.49 22	4.07 259	1.91 91	0.84 19	1.29 64	1.00 65	0.75 36	1.32 38	1.38 151	0.26 19	0.21 40	0.24 21	0.20 27	0.37 164	0.30 16
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
TANstereo	1.98 59	0.87 162	20.35 320	0.80 27	0.37 7	4.05 275	0.38 7	1.50 4	1.65 60	2.03 188	2.16 289	0.84 41	0.93 77	1.09 7	0.68 6	0.30 70	0.36 207	0.24 21	0.20 27	0.26 16	0.46 117

raftrobust	2.05 74	1.45 285	13.44 86	1.29 252	5.81 458	3.59 174	0.67 82	2.80 92	1.50 19	2.21 246	1.41 87	1.17 82	1.22 148	1.37 52	1.46 169	0.29 46	0.33 184	0.22 5	0.20 27	0.27 21	0.36 63

RAStereo	1.53 37	0.71 86	17.55 169	0.62 1	0.65 117	1.18 7	0.32 3	1.94 25	1.15 2	0.80 12	1.07 25	0.64 9	0.47 2	0.89 1	1.01 80	0.25 10	0.20 21	0.27 63	0.21 36	0.36 159	0.27 9

WCG-NET（raft）	1.44 34	0.92 183	1.56 7	0.89 58	0.32 2	1.43 25	0.97 255	1.69 15	2.42 163	1.68 109	1.44 91	2.37 246	1.01 90	1.33 39	0.85 39	0.25 10	8.56 445	0.22 5	0.21 36	0.28 29	0.32 22

RSM++	0.99 6	0.56 10	1.35 3	1.54 333	0.50 61	1.53 29	0.68 90	2.31 48	4.13 381	0.86 21	1.27 58	0.90 55	0.60 10	1.21 19	0.78 17	0.27 27	0.20 21	0.25 32	0.21 36	0.29 44	0.42 95

RSM	0.99 6	0.54 6	1.25 1	0.94 91	0.61 96	1.32 20	0.74 124	2.54 66	4.08 378	0.89 33	1.49 98	1.22 96	0.62 14	1.24 22	0.80 27	0.25 10	0.20 21	0.25 32	0.21 36	0.29 44	0.42 95

testlalala2	2.47 157	0.75 118	20.46 332	2.58 422	2.91 425	3.80 218	0.76 142	4.20 308	3.87 371	1.45 85	1.57 123	2.43 255	0.80 51	1.23 20	0.71 9	0.28 38	0.33 184	0.24 21	0.21 36	0.35 141	0.38 72

IGEV++	3.59 347	0.91 176	13.63 87	1.08 157	0.98 224	1.27 16	0.98 257	3.33 142	1.89 90	0.93 38	1.38 80	0.86 46	1.09 115	1.71 91	1.09 91	0.36 182	21.52 480	0.23 9	0.21 36	0.31 66	18.10 471

ACVNet-DCA	3.67 353	0.94 191	19.66 236	1.87 384	0.42 25	4.47 366	0.73 115	4.07 259	4.63 408	1.21 59	1.89 231	0.73 23	1.62 240	2.20 152	0.81 28	0.31 86	18.77 470	0.32 163	0.21 36	0.35 141	8.09 422

1test111	3.86 365	0.94 191	19.66 236	1.87 384	0.42 25	4.47 366	0.73 115	4.07 259	4.63 408	1.21 59	1.89 231	0.73 23	1.62 240	5.19 244	1.68 212	0.31 86	18.77 470	0.32 163	0.21 36	0.35 141	8.09 422

cc1	3.93 370	0.94 191	19.66 236	1.87 384	0.42 25	4.47 366	0.73 115	4.24 325	4.01 376	1.21 59	1.89 231	0.73 23	1.62 240	2.20 152	0.81 28	0.31 86	18.77 470	0.32 163	0.21 36	0.32 84	13.93 446

ff7	2.60 190	0.81 146	16.25 138	0.89 58	0.56 77	4.55 384	0.83 176	1.68 9	3.44 334	0.88 28	1.10 29	0.70 18	0.78 41	1.93 124	0.93 53	0.29 46	0.37 213	0.29 105	0.21 36	0.33 105	15.08 455

IGEVStereo-DCA	3.09 285	3.48 371	16.25 138	0.96 108	0.49 52	1.59 31	0.83 176	1.68 9	3.44 334	0.75 6	0.78 7	0.74 28	0.73 28	5.79 256	7.75 389	0.32 102	0.26 133	0.28 89	0.21 36	0.32 84	15.08 455

ffff	2.60 190	0.81 146	16.25 138	0.89 58	0.56 77	4.55 384	0.83 176	1.68 9	3.44 334	0.88 28	1.10 29	0.70 18	0.78 41	1.93 124	0.93 53	0.29 46	0.37 213	0.29 105	0.21 36	0.33 105	15.08 455

rrr	3.66 351	3.48 371	23.50 461	0.96 108	0.49 52	1.59 31	0.92 237	8.19 454	2.75 204	0.75 6	0.78 7	0.74 28	0.73 28	5.79 256	7.75 389	0.32 102	0.26 133	0.28 89	0.21 36	0.32 84	13.47 443

11t	2.60 190	0.81 146	16.25 138	0.89 58	0.56 77	4.55 384	0.83 176	1.68 9	3.44 334	0.88 28	1.10 29	0.70 18	0.78 41	1.93 124	0.93 53	0.29 46	0.37 213	0.29 105	0.21 36	0.33 105	15.08 455

MaDis-Stereo	1.60 38	1.11 232	16.13 135	0.67 6	1.87 394	1.22 12	0.39 10	2.17 41	1.42 9	0.69 2	0.78 7	0.88 50	0.70 24	1.24 22	1.13 94	0.32 102	0.23 79	0.26 49	0.21 36	0.32 84	0.28 11

MSKI-zero shot	2.33 125	0.69 75	20.22 301	1.14 184	0.77 158	4.05 275	0.68 90	3.95 228	1.51 22	1.93 148	2.35 322	1.91 193	0.71 26	3.01 208	0.79 24	0.28 38	1.47 378	0.27 63	0.21 36	0.28 29	0.44 105

anonymousdsp	3.14 293	0.83 151	20.28 308	0.94 91	0.64 112	4.54 378	0.82 172	2.03 33	3.32 315	0.91 35	1.13 35	0.78 31	0.77 39	1.78 102	0.90 49	0.29 46	0.25 112	0.29 105	0.21 36	0.33 105	21.81 474

ccc-4	2.60 190	0.81 146	16.25 138	0.89 58	0.56 77	4.55 384	0.83 176	1.68 9	3.44 334	0.88 28	1.10 29	0.70 18	0.78 41	1.93 124	0.93 53	0.29 46	0.37 213	0.29 105	0.21 36	0.33 105	15.08 455

Wz-Net-LNSev-Ref	2.72 227	2.55 353	14.91 112	1.37 281	1.36 314	3.50 158	1.63 355	4.11 276	3.38 324	2.55 329	2.04 263	2.35 244	2.50 340	5.14 243	4.64 365	0.53 336	0.22 55	0.35 234	0.21 36	0.41 212	0.60 194

IGEV-Stereo	3.15 296	0.83 151	20.31 316	0.94 91	0.64 112	4.54 378	0.82 172	2.01 31	3.31 310	0.91 35	1.13 35	0.79 34	0.77 39	1.79 103	0.92 52	0.29 46	0.25 112	0.29 105	0.21 36	0.33 105	21.85 475
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
111	2.59 187	3.10 363	20.47 335	0.84 35	0.38 8	4.26 335	0.91 230	4.45 393	2.96 240	2.48 321	2.07 275	2.31 238	1.64 246	1.49 65	1.90 256	0.35 161	0.22 55	0.25 32	0.21 36	0.32 84	1.14 296

R-Stereo Train	2.13 80	0.65 54	19.43 225	1.02 136	0.67 125	3.79 215	0.89 205	4.12 282	1.55 30	2.15 223	1.72 164	1.13 77	0.94 79	1.46 61	1.30 133	0.32 102	0.25 112	0.27 63	0.21 36	0.28 29	0.37 65

RAFT-Stereo	2.13 80	0.65 54	19.43 225	1.02 136	0.67 125	3.79 215	0.89 205	4.12 282	1.55 30	2.15 223	1.72 164	1.13 77	0.94 79	1.46 61	1.30 133	0.32 102	0.25 112	0.27 63	0.21 36	0.28 29	0.37 65
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
GCAP-BAT	2.74 233	0.79 141	19.74 250	1.06 152	0.85 181	4.25 334	0.91 230	2.80 92	1.83 81	2.14 218	2.08 276	2.55 266	0.80 51	1.87 119	1.41 155	0.35 161	7.97 442	0.24 21	0.22 59	0.27 21	2.72 369

RAFT-Stereo-weight	1.38 29	0.57 15	5.44 42	1.05 148	0.63 109	4.19 321	0.77 144	3.95 228	1.53 25	2.01 181	1.53 103	1.30 103	0.65 19	1.30 31	1.05 85	0.27 27	0.26 133	0.26 49	0.22 59	0.28 29	0.38 72

gcap-zeroshot	2.25 101	0.74 105	19.48 229	0.97 115	1.18 275	3.50 158	0.83 176	3.21 127	2.66 194	1.86 138	1.23 49	3.24 323	0.88 66	1.92 121	0.94 59	0.34 146	0.43 258	0.28 89	0.22 59	0.29 44	0.83 256

MGS-Stereo	1.24 25	0.66 61	9.68 67	0.97 115	0.40 23	1.26 14	0.72 108	1.50 4	1.35 4	1.03 49	2.26 307	0.80 36	0.56 5	1.28 28	0.78 17	0.31 86	0.23 79	0.26 49	0.22 59	0.28 29	0.34 37

tt1	3.79 361	0.93 188	15.34 118	1.83 382	0.45 35	4.54 378	0.78 149	4.23 319	4.73 414	1.27 68	1.89 231	0.74 28	1.48 202	2.29 164	0.78 17	0.30 70	19.28 477	0.32 163	0.22 59	0.31 66	14.02 447

UniTT-Stereo	1.73 51	0.60 32	20.25 305	0.98 119	1.19 281	0.78 3	0.39 10	1.19 2	1.55 30	1.21 59	1.28 60	0.52 3	0.64 17	1.17 14	1.16 101	0.35 161	0.20 21	0.25 32	0.22 59	0.42 221	0.31 19

MC-Stereo	2.54 172	0.58 17	6.38 49	1.30 256	1.37 317	4.56 388	0.60 52	2.08 35	1.57 35	1.97 164	1.68 153	0.89 53	1.12 125	1.46 61	0.88 45	0.27 27	8.44 443	0.27 63	0.22 59	0.26 16	14.87 452

CroCo-Stereo Lap2	1.65 45	1.14 238	14.70 111	1.00 129	1.80 392	0.53 2	0.46 19	3.18 125	1.62 54	1.10 54	1.24 50	1.05 71	0.78 41	1.40 54	1.18 102	0.31 86	0.23 79	0.27 63	0.22 59	0.46 262	0.38 72

RALCasStereoNet	3.17 300	1.87 326	20.86 384	1.17 198	1.63 364	3.10 98	0.70 100	3.21 127	2.19 122	1.39 74	1.73 170	1.18 85	0.91 73	2.46 171	1.64 205	0.31 86	8.75 449	0.25 32	0.22 59	0.31 66	9.45 433

test_xeample3	3.67 353	3.52 373	21.53 434	0.98 119	0.51 62	1.88 38	0.91 230	8.10 453	2.76 207	0.82 14	0.76 6	0.65 10	0.70 24	5.88 259	7.74 388	0.32 102	0.29 156	0.27 63	0.22 59	0.29 44	15.33 460

iResNetv2_ROB	3.31 322	14.88 459	20.01 275	2.17 403	1.09 256	3.84 225	1.13 290	4.22 314	3.15 276	2.02 183	2.06 272	2.00 212	1.69 258	3.61 218	2.10 287	0.36 182	0.22 55	0.32 163	0.22 59	0.48 282	0.58 188

MLCV	2.52 164	1.77 316	18.20 185	1.17 198	0.63 109	3.60 178	0.53 33	3.88 212	2.35 154	2.82 362	2.24 304	1.99 208	1.42 184	4.59 237	3.09 338	0.39 216	0.22 55	0.33 197	0.22 59	0.35 141	0.52 156

AIO-Stereo	1.40 32	0.62 42	1.44 4	0.85 40	0.76 155	1.28 19	0.79 156	2.39 50	2.83 218	0.75 6	1.62 135	0.89 53	0.46 1	1.30 31	0.77 15	0.28 38	0.27 143	0.25 32	0.23 71	0.27 21	9.88 437

DLNR_Zeroshot_test	29.83 475	55.48 483	50.99 481	183.84 486	114.74 483	3.44 143	0.28 1	29.52 475	1.59 41	1.03 49	1.25 54	0.93 59	0.64 17	3.95 228	1.62 199	37.16 480	1.69 386	0.26 49	0.23 71	92.97 484	15.07 454

RAFT-Test	1.67 47	0.64 47	6.13 47	1.25 240	1.82 393	3.06 97	0.78 149	4.02 245	3.09 269	1.88 140	1.70 158	3.76 362	1.03 92	1.40 54	1.07 88	0.29 46	0.33 184	0.25 32	0.23 71	0.29 44	0.33 29

riskmin	2.46 155	0.61 37	12.91 83	1.22 217	1.65 372	3.56 170	0.61 55	4.30 342	1.50 19	1.86 138	1.16 40	4.30 394	2.02 301	1.53 73	1.32 136	0.29 46	0.95 357	0.34 216	0.23 71	0.43 231	8.34 429

CIPLG	2.88 254	10.01 415	20.02 276	0.95 101	1.34 311	3.95 256	0.91 230	4.24 325	3.69 360	2.36 296	2.66 361	1.17 82	1.06 110	1.82 112	1.37 150	0.45 273	0.25 112	0.27 63	0.23 71	0.33 105	0.60 194

IPLG	2.56 182	1.11 232	19.89 264	0.95 101	0.79 163	4.60 393	0.56 37	4.31 353	2.10 109	1.94 154	2.00 258	1.34 106	1.37 169	6.59 280	1.59 191	0.32 102	0.21 40	0.27 63	0.23 71	0.32 84	0.63 205

IPLGR_C	2.96 268	11.71 424	20.02 276	0.95 101	1.31 306	3.93 251	0.92 237	4.22 314	3.76 363	2.35 290	2.62 358	1.16 81	1.07 113	1.71 91	1.34 137	0.45 273	0.25 112	0.27 63	0.23 71	0.33 105	0.60 194

MIPNet	2.43 149	1.13 236	20.00 274	0.93 84	0.58 88	4.74 421	0.62 65	4.33 364	2.95 239	1.94 154	1.49 98	1.52 128	1.96 296	2.77 196	1.60 195	0.35 161	0.20 21	0.27 63	0.23 71	0.32 84	0.59 190

ACRE	2.75 237	7.69 402	19.93 267	0.93 84	1.30 302	3.94 254	0.90 220	4.23 319	3.66 357	2.33 286	2.61 357	1.17 82	1.04 99	1.80 109	1.35 138	0.46 285	0.25 112	0.27 63	0.23 71	0.32 84	0.60 194

GANet-ADL	2.25 101	0.80 143	20.17 292	1.28 247	0.69 139	3.83 223	0.75 134	3.63 169	1.83 81	1.68 109	2.04 263	2.09 223	1.10 120	1.63 78	1.43 159	0.42 239	0.33 184	0.26 49	0.23 71	0.43 231	0.41 88

CFNet-RSSM	2.17 87	0.56 10	20.50 343	1.08 157	0.57 85	3.42 140	0.62 65	4.24 325	1.60 46	1.73 120	1.39 81	2.55 266	1.19 145	1.36 47	1.04 82	0.29 46	0.20 21	0.26 49	0.23 71	0.28 29	0.32 22

Gwc-CoAtRS	1.80 53	0.61 37	14.92 113	1.08 157	0.61 96	2.88 85	0.63 70	2.47 57	1.62 54	1.80 133	1.50 100	2.73 281	1.17 140	1.35 45	1.08 90	0.30 70	0.22 55	0.25 32	0.23 71	0.28 29	0.30 16

DIP-Stereo	2.03 71	0.98 205	16.44 149	0.67 6	0.62 106	4.30 341	0.58 46	4.43 389	2.89 232	1.97 164	1.40 83	0.91 56	0.86 62	1.31 35	1.27 131	0.38 209	0.23 79	0.33 197	0.23 71	0.33 105	0.57 176
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
iResNet	2.70 223	1.35 275	20.93 389	2.01 396	0.73 142	3.76 209	0.83 176	4.28 338	2.93 237	2.38 302	2.03 261	1.35 108	1.54 217	3.28 212	4.42 361	0.42 239	0.25 112	0.29 105	0.23 71	0.45 252	0.64 210

GMStereo_Zeroshot	1.51 36	1.27 260	4.75 37	1.54 333	0.72 141	3.33 130	0.54 35	2.67 84	1.74 72	2.34 288	1.57 123	2.40 247	0.96 82	2.51 176	1.21 108	0.48 302	0.23 79	0.41 292	0.24 85	0.82 379	0.40 83

HH	3.19 303	0.91 176	21.34 427	1.24 225	0.61 96	4.16 305	0.80 164	2.94 103	1.82 79	1.23 65	1.84 214	4.61 408	1.84 285	2.63 186	0.99 73	0.29 46	1.53 380	0.30 126	0.24 85	0.34 127	14.22 450

HanStereo	3.19 303	0.91 176	21.34 427	1.24 225	0.61 96	4.16 305	0.80 164	2.94 103	1.82 79	1.23 65	1.84 214	4.61 408	1.84 285	2.63 186	0.99 73	0.29 46	1.53 380	0.30 126	0.24 85	0.34 127	14.22 450

EGLCR-Stereo	2.52 164	0.56 10	9.39 65	1.16 191	0.81 166	5.24 433	0.61 55	4.20 308	1.56 33	1.09 52	0.71 2	1.09 73	0.66 22	1.92 121	0.82 33	0.29 46	0.30 166	0.29 105	0.24 85	0.37 164	19.09 472

IPLGR	2.61 194	0.73 96	20.72 373	0.87 51	0.54 69	4.58 389	0.52 32	4.32 361	2.79 211	1.91 144	1.54 114	1.72 151	1.71 263	6.94 294	1.43 159	0.31 86	0.21 40	0.27 63	0.24 85	0.34 127	0.48 132

cross-raft	1.95 57	0.66 61	16.17 137	1.23 224	0.92 209	2.25 58	0.70 100	3.69 178	1.68 65	1.78 128	1.53 103	3.15 318	1.13 126	1.35 45	1.06 87	0.24 5	0.23 79	0.26 49	0.24 85	0.29 44	0.45 109

TestStereo	2.41 146	1.95 330	19.15 209	0.77 15	0.61 96	1.83 36	0.58 46	2.33 49	1.53 25	1.44 83	1.37 77	1.26 98	0.90 71	11.59 412	0.94 59	0.36 182	0.19 10	0.33 197	0.24 85	0.45 252	0.32 22

raft+_RVC	3.46 341	2.57 354	19.51 232	1.49 322	17.54 467	3.63 184	0.76 142	3.24 131	1.53 25	1.35 71	1.67 151	1.03 68	1.10 120	1.98 130	1.53 176	0.25 10	7.10 439	0.25 32	0.24 85	0.28 29	2.18 355

RAFT-Stereo + iAFF	2.49 160	1.68 309	20.50 343	1.11 165	1.32 310	4.13 294	0.42 15	3.23 130	3.30 308	2.05 195	2.40 330	1.61 134	1.11 123	1.49 65	1.63 202	0.22 2	0.22 55	0.26 49	0.24 85	0.31 66	2.47 364

HSM-Net_RVC	3.02 276	0.65 54	19.48 229	0.94 91	0.90 203	3.71 201	1.20 302	5.61 445	2.87 229	3.24 393	2.49 343	2.53 263	1.61 232	11.39 403	1.90 256	0.37 194	0.27 143	0.27 63	0.24 85	0.31 66	0.39 80
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
HSM	3.25 317	1.08 225	19.18 212	1.19 206	1.54 341	3.45 146	1.02 263	4.04 252	2.61 188	2.31 273	2.17 290	8.01 440	2.99 362	11.59 412	1.80 240	0.35 161	0.24 99	0.28 89	0.24 85	0.33 105	0.55 169

rvit_stereo_0081	0.87 3	0.73 96	1.54 5	0.92 79	0.65 117	1.27 16	0.61 55	2.11 38	2.35 154	0.86 21	0.75 4	0.86 46	0.74 33	1.36 47	0.83 35	0.33 125	0.26 133	0.27 63	0.25 96	0.38 174	0.35 43

model_zeroshot	2.43 149	0.72 90	19.99 273	1.24 225	1.23 291	3.70 200	0.63 70	3.76 190	1.61 52	2.79 357	1.41 87	2.24 230	0.82 55	2.87 203	1.22 110	0.33 125	0.52 303	0.30 126	0.25 96	0.28 29	2.59 365

rvit_stereo_0082	0.87 3	0.73 96	1.54 5	0.92 79	0.65 117	1.27 16	0.61 55	2.11 38	2.35 154	0.86 21	0.75 4	0.86 46	0.74 33	1.36 47	0.83 35	0.33 125	0.26 133	0.27 63	0.25 96	0.38 174	0.35 43

Former-RAFT_DAM_RVC	0.99 6	0.85 157	1.58 9	0.95 101	1.08 253	2.95 90	0.53 33	1.93 24	2.00 102	1.19 58	1.63 140	0.59 4	0.65 19	1.10 8	0.90 49	0.28 38	0.23 79	0.31 145	0.25 96	0.45 252	0.32 22

qqq1	2.35 129	0.73 96	8.34 58	1.41 297	0.61 96	2.04 46	0.72 108	4.30 342	4.43 398	2.41 309	2.40 330	1.94 196	1.52 212	10.99 383	1.36 145	0.35 161	0.84 348	0.30 126	0.25 96	0.31 66	1.75 334

fff1	2.35 129	0.73 96	8.34 58	1.41 297	0.61 96	2.04 46	0.72 108	4.30 342	4.43 398	2.41 309	2.40 330	1.94 196	1.52 212	10.99 383	1.36 145	0.35 161	0.84 348	0.30 126	0.25 96	0.31 66	1.75 334

plain	2.00 64	0.89 168	21.49 433	0.67 6	0.73 142	1.66 33	0.57 40	3.27 137	2.18 121	0.80 12	1.25 54	0.80 36	0.86 62	1.72 95	1.13 94	0.34 146	0.21 40	0.32 163	0.25 96	0.44 244	0.34 37

GLC_STEREO	0.83 1	0.59 25	1.71 12	0.89 58	0.34 4	1.88 38	0.80 164	1.48 3	1.60 46	0.98 44	1.06 22	0.68 14	0.71 26	1.19 16	0.89 46	0.25 10	0.25 112	0.32 163	0.25 96	0.32 84	0.34 37

DAS	2.52 164	0.76 128	7.72 53	1.16 191	1.64 368	2.96 91	2.10 389	4.14 289	3.31 310	4.16 420	2.51 347	2.56 269	1.81 279	11.54 410	1.83 245	0.44 264	0.23 79	0.39 280	0.25 96	0.42 221	0.45 109

SepStereo	2.36 131	0.76 128	7.72 53	1.16 191	1.64 368	2.96 91	2.10 389	4.14 289	3.31 310	4.16 420	2.51 347	2.56 269	1.81 279	8.34 315	1.83 245	0.44 264	0.23 79	0.39 280	0.25 96	0.42 221	0.45 109

IIG-Stereo	2.89 256	0.98 205	19.80 252	2.78 427	0.67 125	4.62 395	0.74 124	4.29 340	2.26 136	2.62 340	3.10 388	3.33 332	1.60 227	7.64 305	1.51 173	0.42 239	0.21 40	0.32 163	0.25 96	0.33 105	0.28 11

test-1	1.81 54	0.72 90	9.51 66	1.02 136	1.57 352	3.85 228	0.60 52	4.07 259	1.51 22	1.94 154	1.81 198	2.04 216	0.91 73	1.39 53	1.73 227	0.27 27	0.93 354	0.31 145	0.25 96	0.29 44	1.37 309

Prome-Stereo	2.57 186	0.60 32	20.29 312	1.01 132	0.62 106	4.40 355	1.80 369	3.22 129	1.74 72	2.18 232	3.43 399	1.71 150	3.45 386	2.24 159	1.19 105	0.32 102	0.20 21	0.27 63	0.25 96	0.37 164	2.15 352

LMCR-Stereo	2.53 168	2.30 347	18.81 197	1.64 357	0.86 185	3.88 237	1.14 292	4.33 364	1.63 56	2.27 262	2.35 322	1.13 77	2.41 332	2.63 186	2.26 298	1.06 406	0.24 99	0.29 105	0.25 96	0.62 327	0.42 95

AFF-stereo	2.54 172	3.44 370	20.84 383	1.30 256	0.48 45	3.94 254	0.48 21	3.30 138	3.40 330	1.94 154	2.21 302	2.10 224	1.51 208	2.36 168	1.62 199	0.23 3	0.21 40	0.25 32	0.25 96	0.33 105	0.53 161

RASNet	3.15 296	1.20 253	19.81 254	1.63 353	2.26 412	3.67 192	1.09 280	3.58 161	3.44 334	1.99 168	2.15 285	4.59 406	2.30 325	10.24 361	2.98 333	0.57 348	0.26 133	0.25 32	0.25 96	0.30 59	0.54 166

AANet_RVC	3.70 357	7.03 398	17.25 161	1.21 213	1.12 264	3.79 215	1.09 280	3.98 234	3.38 324	2.65 343	4.29 412	3.95 372	1.40 177	11.43 407	7.88 391	1.25 414	0.57 310	0.34 216	0.25 96	0.43 231	0.71 228

rvit_stereo_0081_aga	1.06 14	1.02 217	5.34 41	0.75 13	0.74 146	1.21 8	0.63 70	2.00 29	2.30 147	0.88 28	0.82 11	0.79 34	0.69 23	1.42 56	0.78 17	0.36 182	0.29 156	0.26 49	0.26 113	0.41 212	0.32 22

11t1	2.82 246	0.72 90	17.81 179	1.60 346	0.93 213	2.27 60	0.62 65	3.76 190	4.47 403	1.72 118	1.33 69	1.05 71	1.34 165	1.84 116	1.45 167	0.29 46	5.57 433	0.29 105	0.26 113	0.32 84	8.80 432

MIF-Stereo (partial)	1.93 56	0.69 75	21.14 412	0.74 12	1.02 234	1.07 6	0.49 22	2.75 90	1.78 77	0.82 14	1.22 47	0.80 36	0.90 71	1.68 82	1.63 202	0.38 209	0.24 99	0.33 197	0.26 113	0.41 212	0.32 22

MIM_Stereo	2.71 225	1.26 256	20.92 388	1.34 271	5.57 457	3.10 98	0.59 48	3.25 134	2.51 176	1.64 101	1.61 132	1.82 178	1.29 159	2.07 135	1.35 138	0.25 10	0.31 172	0.28 89	0.26 113	0.29 44	4.43 403

4D-IteraStereo	2.95 266	1.83 323	20.75 375	0.81 28	1.56 349	2.22 57	1.03 266	2.48 59	1.56 33	1.42 79	1.00 18	1.93 194	0.61 12	1.65 79	2.04 279	0.31 86	0.22 55	0.31 145	0.26 113	0.28 29	16.75 468

Selective-RAFT	1.34 27	0.58 17	2.21 16	1.01 132	0.49 52	4.19 321	0.51 29	3.39 148	3.62 354	1.15 55	1.40 83	1.45 123	1.40 177	2.09 136	1.31 135	0.43 256	0.40 239	0.25 32	0.26 113	0.29 44	0.38 72

ProNet	1.63 41	0.91 176	5.70 43	0.96 108	0.64 112	2.40 67	0.82 172	1.92 23	3.28 299	0.69 2	1.17 41	0.78 31	0.76 38	1.72 95	0.87 43	0.27 27	0.97 360	0.25 32	0.26 113	0.31 66	7.97 421

TestStereo1	2.56 182	1.41 281	20.56 351	1.63 353	0.74 146	4.13 294	1.34 321	3.93 225	3.38 324	1.61 97	2.56 352	1.43 120	2.13 312	2.55 182	1.70 218	0.32 102	0.22 55	0.34 216	0.26 113	0.40 192	0.53 161

SA-5K	2.56 182	1.41 281	20.56 351	1.63 353	0.74 146	4.13 294	1.34 321	3.93 225	3.38 324	1.61 97	2.56 352	1.43 120	2.13 312	2.55 182	1.70 218	0.32 102	0.22 55	0.34 216	0.26 113	0.40 192	0.53 161

STrans-v2	3.11 287	0.95 196	20.80 378	0.86 44	0.64 112	3.90 240	1.01 260	4.30 342	3.61 352	2.28 264	3.65 402	4.11 382	5.17 411	7.32 298	1.63 202	0.34 146	0.18 6	0.29 105	0.26 113	0.30 59	0.65 214

TransformOpticalFlow	3.07 283	0.87 162	20.87 385	1.10 161	0.56 77	4.18 313	0.64 75	4.36 372	3.28 299	2.19 237	3.08 386	4.32 395	5.01 409	7.36 301	1.59 191	0.34 146	0.18 6	0.32 163	0.26 113	0.29 44	0.57 176

OMP-Stereo	2.94 264	1.26 256	20.07 280	2.73 425	0.67 125	4.58 389	1.46 338	4.33 364	2.21 127	3.14 387	2.68 364	3.22 322	1.38 170	7.65 306	1.42 157	0.46 285	0.21 40	0.33 197	0.26 113	0.34 127	0.31 19

NRIStereo	2.32 122	0.69 75	20.07 280	1.35 272	0.38 8	4.73 419	0.89 205	2.43 55	3.35 319	1.95 160	1.37 77	1.75 155	1.21 147	2.97 207	1.35 138	0.49 308	0.22 55	0.29 105	0.26 113	0.31 66	0.33 29

RAFT-345	2.55 177	0.60 32	19.89 264	1.22 217	0.49 52	4.43 360	0.77 144	1.68 9	3.54 349	2.09 208	3.10 388	1.95 200	1.30 161	6.65 281	1.47 170	0.41 229	0.23 79	0.32 163	0.26 113	0.29 44	0.28 11

CRE-IMP	2.28 112	0.68 70	19.67 242	0.85 40	0.39 22	4.54 378	0.80 164	2.63 81	4.84 420	1.96 162	1.51 101	1.86 183	0.96 82	1.52 70	1.43 159	0.47 293	0.21 40	0.31 145	0.26 113	0.41 212	0.35 43

iRaftStereo_RVC	1.70 49	1.18 243	3.88 34	0.99 125	0.46 36	3.83 223	0.41 14	2.41 52	1.60 46	1.69 113	1.76 174	1.81 176	0.83 56	1.58 76	1.23 113	0.31 86	4.86 429	0.29 105	0.26 113	0.33 105	4.33 401

rvit_stereo_0083	0.91 5	0.73 96	1.60 10	0.90 67	0.66 121	1.21 8	0.64 75	1.75 17	2.71 199	0.83 17	0.93 15	0.94 60	1.06 110	1.50 69	0.79 24	0.34 146	0.36 207	0.30 126	0.27 129	0.34 127	0.34 37

CAS++	1.01 12	0.77 136	3.30 23	0.86 44	0.53 66	1.23 13	0.85 190	3.43 152	1.57 35	1.16 56	1.33 69	0.62 7	0.58 8	1.18 15	0.63 3	0.37 194	0.30 166	0.35 234	0.27 129	0.41 212	0.38 72
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MyStereo07	2.29 115	1.18 243	20.10 288	1.04 144	1.21 288	3.96 260	0.95 248	2.13 40	3.37 321	1.09 52	1.28 60	0.68 14	0.91 73	1.74 100	0.86 42	0.26 19	3.49 423	0.34 216	0.27 129	0.43 231	0.49 137

MyStereo06	2.74 233	1.07 221	21.19 420	1.06 152	1.08 253	4.26 335	0.86 194	3.72 184	1.80 78	2.25 253	1.77 181	4.28 392	4.12 397	1.85 117	1.38 151	0.25 10	2.43 407	0.34 216	0.27 129	0.46 262	0.48 132

MyStereo05	2.55 177	1.07 221	19.87 262	1.06 152	1.08 253	4.26 335	0.86 194	4.10 273	3.01 250	2.19 237	1.26 56	2.30 237	1.64 246	2.13 142	1.99 268	0.25 10	2.43 407	0.34 216	0.27 129	0.46 262	0.48 132

MyStereo04	2.54 172	1.18 243	18.82 199	1.04 144	1.21 288	3.96 260	0.95 248	4.02 245	3.01 250	2.06 196	1.27 58	2.33 240	1.66 253	2.06 134	2.01 274	0.26 19	3.49 423	0.34 216	0.27 129	0.43 231	0.49 137

EKT-Stereo	7.93 447	0.75 118	21.17 417	1.84 383	109.80 482	4.51 376	0.61 55	4.13 285	1.59 41	1.89 142	1.24 50	1.96 205	1.35 166	4.02 229	1.36 145	0.42 239	0.31 172	0.29 105	0.27 129	0.35 141	0.78 247

PCWNet_CMD	2.16 84	0.71 86	15.44 121	0.84 35	0.76 155	3.38 132	0.68 90	3.69 178	2.24 130	1.72 118	1.63 140	3.20 320	3.00 363	2.09 136	1.23 113	0.32 102	0.37 213	0.47 324	0.27 129	0.65 342	0.51 148

AEACV	2.12 79	0.67 64	6.33 48	1.38 285	1.50 335	3.53 165	0.90 220	2.83 96	1.60 46	0.91 35	0.81 10	0.80 36	1.61 232	1.56 75	0.73 11	0.25 10	0.60 320	0.26 49	0.27 129	0.29 44	15.65 461

DCRE	3.02 276	0.95 196	18.48 190	1.18 202	1.89 395	3.57 171	0.82 172	3.36 146	1.70 69	2.04 191	8.12 430	1.73 154	1.07 113	1.31 35	1.24 118	0.24 5	0.87 352	0.26 49	0.27 129	0.28 29	11.03 440

CSP-Net	1.99 63	1.70 311	4.84 38	1.22 217	1.02 234	3.42 140	1.30 316	3.66 172	2.11 114	2.07 202	1.93 247	2.40 247	1.48 202	8.56 317	1.62 199	0.51 324	0.41 246	0.27 63	0.27 129	0.44 244	0.54 166

test-3	2.19 90	0.59 25	18.63 192	1.13 180	0.75 151	2.07 51	0.89 205	4.37 375	1.53 25	2.25 253	1.20 42	2.05 219	0.79 47	2.68 190	1.35 138	0.29 46	0.95 357	0.28 89	0.27 129	0.27 21	1.47 320

test_1	2.19 90	0.59 25	18.67 194	1.13 180	0.78 160	2.07 51	0.89 205	4.37 375	1.53 25	2.18 232	1.20 42	2.05 219	0.78 41	2.68 190	1.36 145	0.29 46	0.93 354	0.28 89	0.27 129	0.28 29	1.53 323

GwcNet-ADL	2.51 162	0.75 118	21.41 431	0.98 119	0.73 142	4.58 389	0.95 248	4.46 395	2.61 188	2.06 196	1.80 193	2.54 265	1.24 151	1.98 130	1.73 227	0.41 229	0.46 274	0.24 21	0.27 129	0.41 212	0.55 169

DEmStereo	3.24 314	0.65 54	18.95 202	0.83 34	0.54 69	3.85 228	1.79 368	2.53 65	2.54 180	2.25 253	2.74 369	2.02 213	6.02 419	6.78 287	11.30 403	0.40 226	0.26 133	0.27 63	0.27 129	0.28 29	0.57 176

SST-Stereo	2.63 201	0.63 44	19.76 251	1.69 364	0.46 36	4.71 418	0.74 124	2.27 43	3.07 265	2.07 202	2.15 285	2.42 253	3.17 372	6.66 282	0.95 65	0.45 273	0.19 10	0.30 126	0.27 129	0.35 141	0.31 19

RAFT_R40	2.61 194	0.64 47	19.86 260	1.69 364	0.46 36	4.74 421	0.95 248	2.28 45	2.52 178	2.02 183	2.32 320	2.69 280	2.52 342	6.70 284	1.05 85	0.42 239	0.19 10	0.30 126	0.27 129	0.33 105	0.29 14

DRaft	3.12 290	0.68 70	20.57 355	0.77 15	0.49 52	3.95 256	1.20 302	2.40 51	1.60 46	2.64 342	2.80 373	1.59 132	5.33 412	6.94 294	9.51 397	0.43 256	0.22 55	0.27 63	0.27 129	0.32 84	0.47 125

PFNet	2.75 237	0.69 75	19.96 269	2.25 405	0.80 164	4.63 397	0.90 220	2.60 78	3.85 369	2.39 304	2.71 367	1.82 178	1.41 182	7.53 304	1.41 155	0.36 182	0.21 40	0.36 249	0.27 129	0.32 84	0.46 117

RALAANet	2.29 115	2.73 356	21.08 401	1.29 252	0.94 218	1.45 26	0.68 90	3.25 134	2.61 188	2.02 183	1.80 193	1.28 100	1.04 99	2.12 140	1.79 239	0.30 70	0.22 55	0.27 63	0.27 129	0.41 212	0.35 43

FENet	2.30 119	0.61 37	20.21 299	1.43 310	0.68 132	4.04 271	0.60 52	4.01 240	2.26 136	2.03 188	1.13 35	2.42 253	1.42 184	1.72 95	1.43 159	0.36 182	0.24 99	0.33 197	0.27 129	0.29 44	0.51 148

ACVNet	2.40 140	0.97 202	20.20 295	0.94 91	0.86 185	4.22 327	0.79 156	2.97 112	2.85 221	1.93 148	1.91 240	3.07 312	1.46 196	1.52 70	2.37 307	0.33 125	0.27 143	0.30 126	0.27 129	0.42 221	0.35 43

acv_ft	2.45 153	0.97 202	19.57 233	1.15 185	2.01 402	2.97 94	0.96 253	3.88 212	2.85 221	2.34 288	1.91 240	3.07 312	1.65 252	1.52 70	2.26 298	0.33 125	0.27 143	0.30 126	0.27 129	0.42 221	0.35 43

DMCA	2.02 69	1.07 221	11.33 75	1.17 198	0.96 222	3.92 250	0.89 205	3.80 200	3.11 270	2.89 366	1.58 129	2.35 244	1.17 140	1.79 103	2.25 297	0.42 239	0.29 156	0.42 303	0.27 129	0.38 174	0.43 101

MSMDNet	2.16 84	0.71 86	15.36 119	0.86 44	0.75 151	3.41 138	0.69 98	3.70 181	2.25 133	1.73 120	1.64 145	3.21 321	2.95 355	2.09 136	1.24 118	0.32 102	0.37 213	0.45 316	0.27 129	0.63 333	0.50 142

HITNet	2.49 160	2.91 359	19.23 217	1.54 333	0.57 85	3.47 149	0.79 156	4.16 294	2.93 237	2.18 232	1.65 148	1.68 143	1.45 191	2.17 148	2.99 334	0.28 38	0.20 21	0.41 292	0.27 129	0.45 252	0.52 156
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
rvit_stereo_0080	1.10 19	1.09 228	3.78 29	0.65 2	0.60 93	1.91 40	0.74 124	2.74 88	2.65 192	0.94 40	1.09 27	0.85 43	0.81 53	1.20 17	0.89 46	0.39 216	0.29 156	0.25 32	0.28 155	0.46 262	0.35 43

IGEV-BASED-STEREO-	1.13 22	3.31 366	2.61 21	0.87 51	0.40 23	1.26 14	0.61 55	1.55 6	1.61 52	0.93 38	0.94 16	0.65 10	0.57 6	1.10 8	0.68 6	1.55 426	0.19 10	0.32 163	0.28 155	1.11 405	2.04 348

AE-Stereo	2.91 258	0.63 44	17.05 158	1.15 185	0.63 109	4.39 352	0.70 100	4.02 245	2.12 116	1.24 67	2.04 263	1.01 66	0.91 73	1.67 81	1.42 157	0.30 70	1.14 368	0.28 89	0.28 155	0.27 21	16.93 470

CoDeX	2.47 157	0.91 176	13.65 88	1.03 140	1.17 273	3.28 122	1.30 316	4.17 298	2.99 244	1.78 128	1.85 218	2.04 216	1.46 196	9.99 352	1.66 209	0.38 209	0.28 151	0.32 163	0.28 155	0.34 127	0.57 176

whm_eth	1.10 19	1.09 228	3.78 29	0.65 2	0.60 93	1.91 40	0.74 124	2.74 88	2.65 192	0.94 40	1.09 27	0.85 43	0.81 53	1.20 17	0.89 46	0.39 216	0.29 156	0.25 32	0.28 155	0.46 262	0.35 43

CBFPSM	2.24 99	2.06 334	12.12 78	1.13 180	1.05 246	2.85 82	1.23 309	3.37 147	2.05 105	1.82 135	1.33 69	4.55 404	4.00 395	2.38 169	2.35 304	0.27 27	0.38 226	0.32 163	0.28 155	0.39 188	0.89 269

iinet-f	2.44 151	1.82 322	14.97 114	1.21 213	1.11 261	3.78 214	1.10 285	4.19 306	2.90 234	2.10 210	1.76 174	2.99 304	2.97 357	2.84 201	2.79 322	0.38 209	0.38 226	0.28 89	0.28 155	0.50 288	0.47 125

CASS	1.65 45	0.73 96	8.72 62	0.97 115	0.67 125	2.88 85	0.69 98	3.07 117	1.86 85	2.82 362	2.02 259	1.39 114	1.55 220	1.75 101	1.36 145	0.51 324	0.28 151	0.34 216	0.28 155	0.47 275	0.63 205
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
BUS	1.64 44	0.64 47	3.82 31	0.94 91	0.86 185	4.50 372	0.75 134	4.49 397	2.29 144	2.96 375	1.82 200	3.61 355	1.03 92	1.79 103	1.18 102	0.39 216	0.25 112	0.31 145	0.28 155	0.38 174	0.41 88

CRFU-Net	2.56 182	0.89 168	10.77 71	2.53 419	1.09 256	3.91 243	1.40 330	3.87 211	1.92 92	2.25 253	1.80 193	3.32 331	7.85 437	5.53 253	1.54 179	0.58 349	0.36 207	0.31 145	0.28 155	0.39 188	0.56 172

BSDual-CNN	1.61 39	0.64 47	3.82 31	0.94 91	0.86 185	4.18 313	1.14 292	4.49 397	2.29 144	2.96 375	1.82 200	2.58 271	1.30 161	1.79 103	1.44 163	0.39 216	0.25 112	0.31 145	0.28 155	0.38 174	0.41 88

hknet	2.34 127	0.78 138	13.86 92	0.94 91	1.07 250	4.18 313	1.14 292	4.49 397	3.00 246	2.96 375	1.82 200	3.47 339	1.30 161	4.11 232	1.77 234	0.35 161	0.25 112	0.31 145	0.28 155	0.38 174	0.41 88

GMOStereo	2.64 202	0.92 183	19.83 256	0.81 28	0.68 132	3.22 111	0.89 205	2.94 103	1.48 12	2.36 296	1.54 114	1.75 155	1.04 99	1.33 39	1.15 97	0.26 19	11.32 461	0.35 234	0.28 155	0.35 141	0.33 29

error version	2.64 202	0.92 183	19.83 256	0.81 28	0.68 132	3.22 111	0.89 205	2.94 103	1.48 12	2.36 296	1.54 114	1.75 155	1.04 99	1.33 39	1.15 97	0.26 19	11.32 461	0.35 234	0.28 155	0.35 141	0.33 29

test-v	2.64 202	0.92 183	19.83 256	0.81 28	0.68 132	3.22 111	0.89 205	2.94 103	1.48 12	2.36 296	1.54 114	1.75 155	1.04 99	1.33 39	1.15 97	0.26 19	11.32 461	0.35 234	0.28 155	0.35 141	0.33 29

CrosDoStereo	5.27 414	0.75 118	20.07 280	0.85 40	0.53 66	3.40 135	18.03 463	3.90 216	3.29 304	1.99 168	8.27 432	1.95 200	6.95 431	7.34 299	25.94 469	0.33 125	0.22 55	0.30 126	0.28 155	0.35 141	0.61 198

HHNet	2.51 162	0.76 128	20.83 380	0.67 6	0.67 125	4.07 280	0.90 220	3.85 209	1.59 41	2.14 218	4.91 418	0.98 63	3.32 377	1.73 98	1.80 240	0.41 229	0.20 21	0.31 145	0.28 155	0.38 174	0.44 105

Patchmatch Stereo++	2.28 112	0.74 105	20.54 347	0.77 15	0.38 8	4.67 404	0.75 134	2.55 73	3.21 282	2.00 172	1.53 103	1.77 162	1.14 132	2.46 171	0.98 71	0.51 324	0.23 79	0.32 163	0.28 155	0.40 192	0.35 43
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	2.26 105	0.74 105	20.53 346	0.77 15	0.38 8	4.67 404	0.71 105	2.54 66	3.22 288	2.00 172	1.53 103	1.77 162	1.13 126	2.22 156	0.96 66	0.50 318	0.23 79	0.32 163	0.28 155	0.40 192	0.35 43

ROB_FTStereo_v2	2.25 101	0.74 105	20.45 331	0.77 15	0.38 8	4.66 403	0.74 124	2.54 66	3.20 279	2.00 172	1.53 103	1.77 162	1.14 132	2.13 142	0.96 66	0.50 318	0.22 55	0.32 163	0.28 155	0.40 192	0.35 43

ROB_FTStereo	2.26 105	0.74 105	20.44 329	0.77 15	0.38 8	4.65 400	0.75 134	2.54 66	3.19 278	2.00 172	1.54 114	1.77 162	1.13 126	2.28 163	0.94 59	0.49 308	0.22 55	0.32 163	0.28 155	0.40 192	0.35 43

HUI-Stereo	2.27 108	0.74 105	20.56 351	0.77 15	0.38 8	4.67 404	0.78 149	2.54 66	3.23 291	2.00 172	1.53 103	1.77 162	1.13 126	2.21 155	0.93 53	0.49 308	0.23 79	0.32 163	0.28 155	0.40 192	0.35 43

ASMatch	2.65 206	0.68 70	20.65 365	1.60 346	0.71 140	4.40 355	0.77 144	2.02 32	1.65 60	1.71 117	3.89 406	1.93 194	3.75 391	5.45 250	1.67 210	0.33 125	0.24 99	0.34 216	0.28 155	0.34 127	0.57 176

DeepStereo_LL	5.27 414	0.75 118	20.07 280	0.85 40	0.53 66	3.40 135	18.03 463	3.90 216	3.29 304	1.99 168	8.27 432	1.95 200	6.95 431	7.34 299	25.94 469	0.33 125	0.22 55	0.30 126	0.28 155	0.35 141	0.61 198

THIR-Stereo	4.50 394	1.11 232	18.71 195	0.89 58	0.47 40	2.25 58	16.71 462	3.53 158	1.58 38	2.04 191	12.04 454	2.66 277	7.52 434	7.29 297	11.25 402	0.32 102	0.21 40	0.29 105	0.28 155	0.35 141	0.52 156

iGMRVC	2.27 108	0.74 105	20.46 332	0.77 15	0.38 8	4.65 400	0.73 115	2.54 66	3.21 282	2.00 172	1.53 103	1.77 162	1.14 132	2.47 174	0.99 73	0.51 324	0.23 79	0.32 163	0.28 155	0.40 192	0.35 43

iRAFT	2.28 112	0.74 105	20.54 347	0.77 15	0.38 8	4.67 404	0.75 134	2.55 73	3.21 282	2.00 172	1.53 103	1.77 162	1.14 132	2.46 171	0.98 71	0.51 324	0.23 79	0.32 163	0.28 155	0.40 192	0.35 43

test-2	2.64 202	0.92 183	19.83 256	0.81 28	0.68 132	3.22 111	0.89 205	2.94 103	1.48 12	2.36 296	1.54 114	1.75 155	1.04 99	1.33 39	1.15 97	0.26 19	11.32 461	0.35 234	0.28 155	0.35 141	0.33 29

RAFT-IKP	2.27 108	0.74 105	20.55 349	0.77 15	0.38 8	4.64 399	0.73 115	2.54 66	3.21 282	2.00 172	1.53 103	1.77 162	1.13 126	2.25 162	1.00 76	0.51 324	0.22 55	0.32 163	0.28 155	0.40 192	0.35 43

CFNet_pseudo	2.03 71	0.74 105	12.75 81	0.87 51	0.74 146	3.91 243	0.65 79	4.04 252	1.93 93	1.93 148	1.79 188	3.25 325	1.61 232	2.51 176	1.25 124	0.32 102	0.37 213	0.53 356	0.28 155	0.64 336	0.50 142

MMNet	2.15 83	1.33 272	12.06 77	1.22 217	1.23 291	3.55 168	0.89 205	3.84 207	2.26 136	2.19 237	1.78 185	2.15 225	2.10 305	3.70 221	2.35 304	0.45 273	0.38 226	0.34 216	0.28 155	0.40 192	0.52 156

UNet	2.53 168	0.91 176	20.07 280	1.19 206	1.44 329	3.45 146	0.75 134	3.80 200	1.98 99	2.09 208	1.57 123	2.74 284	2.37 329	3.51 216	2.52 316	0.35 161	0.30 166	0.41 292	0.28 155	0.40 192	0.50 142

ccs_rob	2.03 71	0.74 105	12.67 80	0.87 51	0.75 151	3.91 243	0.66 80	4.04 252	1.93 93	1.92 147	1.79 188	3.24 323	1.63 243	2.52 180	1.25 124	0.32 102	0.37 213	0.54 364	0.28 155	0.66 346	0.51 148

rvit_stereo_ft	1.28 26	1.39 278	6.72 50	0.99 125	0.66 121	1.06 5	0.79 156	2.81 94	3.14 274	0.83 17	1.02 19	0.95 62	1.13 126	1.27 26	1.00 76	0.34 146	0.24 99	0.27 63	0.29 188	0.40 192	0.35 43

DispNO	3.22 309	2.06 334	19.82 255	1.21 213	1.11 261	3.74 206	0.93 242	4.31 353	2.89 232	2.37 301	2.27 310	4.51 402	2.09 304	11.41 404	3.47 347	0.35 161	0.28 151	0.31 145	0.29 188	0.39 188	0.51 148

MyStereo8	2.97 273	1.76 314	18.94 201	1.55 337	1.62 361	4.16 305	0.57 40	3.79 195	2.41 162	2.22 248	2.93 379	2.27 233	1.14 132	2.16 146	2.28 300	0.27 27	8.58 446	0.32 163	0.29 188	0.37 164	1.72 333

gwcnet-sp	2.38 136	1.51 291	17.58 172	1.11 165	0.92 209	3.59 174	1.03 266	3.79 195	2.43 166	2.60 334	1.63 140	1.80 173	1.61 232	3.87 224	1.99 268	0.33 125	0.32 178	0.30 126	0.29 188	0.40 192	0.47 125

scenet	2.38 136	1.51 291	17.58 172	1.11 165	0.92 209	3.59 174	1.03 266	3.79 195	2.43 166	2.60 334	1.63 140	1.80 173	1.61 232	3.87 224	1.99 268	0.33 125	0.32 178	0.30 126	0.29 188	0.40 192	0.47 125

ssnet	2.38 136	1.51 291	17.58 172	1.11 165	0.92 209	3.59 174	1.03 266	3.79 195	2.43 166	2.60 334	1.63 140	1.80 173	1.61 232	3.87 224	1.99 268	0.33 125	0.32 178	0.30 126	0.29 188	0.40 192	0.47 125

test_4	1.98 59	0.68 70	15.65 125	0.91 71	0.48 45	4.11 289	1.09 280	2.41 52	1.50 19	1.55 90	2.31 319	1.87 186	0.79 47	2.86 202	1.51 173	0.34 146	0.19 10	0.29 105	0.29 188	0.30 59	0.40 83

iRaft-Stereo_5w	2.47 157	1.37 277	13.85 90	0.87 51	0.99 226	3.22 111	0.84 185	3.72 184	2.12 116	1.57 93	2.49 343	2.20 228	2.22 320	9.12 326	2.03 277	0.48 302	0.27 143	0.35 234	0.29 188	0.48 282	0.94 277

test_3	2.17 87	0.58 17	18.64 193	1.11 165	0.78 160	2.15 55	0.85 190	4.42 387	1.47 11	2.00 172	1.20 42	2.02 213	0.79 47	2.70 194	1.35 138	0.29 46	1.04 363	0.29 105	0.29 188	0.31 66	1.07 291

AAGNet	3.88 367	0.67 64	20.04 278	2.27 406	0.46 36	4.76 423	1.05 272	2.28 45	3.38 324	2.16 227	1.84 214	2.40 247	3.95 394	6.22 271	24.21 466	0.49 308	0.19 10	0.30 126	0.29 188	0.33 105	0.29 14

DeepStereo_RVC	2.42 148	0.70 81	18.41 188	0.79 26	0.43 29	4.50 372	0.70 100	2.51 61	3.51 347	2.02 183	1.79 188	1.54 129	6.35 422	1.93 124	1.22 110	0.47 293	0.22 55	0.29 105	0.29 188	0.35 141	0.40 83

IRAFT_RVC	2.74 233	0.71 86	19.80 252	2.52 418	0.67 125	4.60 393	1.57 350	3.05 115	2.99 244	2.23 250	1.72 164	2.08 222	2.59 343	6.69 283	1.61 197	0.37 194	0.21 40	0.33 197	0.29 188	0.33 105	0.35 43

GEStereo_RVC	2.66 211	1.20 253	20.38 323	1.29 252	1.05 246	4.02 268	1.42 333	4.17 298	2.24 130	2.10 210	1.86 223	2.33 240	1.84 285	4.93 240	1.78 235	0.51 324	0.38 226	0.32 163	0.29 188	0.44 244	0.56 172

XX-Stereo	2.66 211	0.70 81	21.17 417	2.33 409	1.24 294	4.31 344	0.45 18	4.48 396	1.60 46	2.39 304	1.89 231	4.60 407	0.60 10	4.17 233	1.11 93	0.34 146	0.26 133	0.29 105	0.29 188	0.53 296	0.43 101

HCRNet	2.24 99	0.74 105	14.54 106	0.82 33	1.36 314	4.11 289	0.70 100	3.61 167	3.03 256	1.83 137	1.61 132	1.58 131	1.40 177	5.79 256	1.60 195	0.35 161	0.28 151	0.36 249	0.29 188	0.34 127	0.46 117

GANet-RSSM	2.96 268	1.27 260	21.17 417	1.73 372	1.23 291	4.22 327	0.91 230	3.39 148	2.02 103	1.97 164	1.74 172	2.53 263	2.06 303	10.91 381	1.88 252	0.37 194	0.35 201	0.32 163	0.29 188	0.42 221	0.46 117

AdaStereo	2.22 96	0.90 173	16.41 147	1.33 269	0.83 171	3.21 109	1.12 288	4.25 334	2.91 236	2.06 196	1.76 174	2.47 259	1.17 140	1.93 124	1.65 208	0.50 318	0.26 133	0.43 307	0.29 188	0.46 262	0.39 80
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.
DN-CSS_ROB	2.89 256	9.72 413	19.71 245	2.07 401	0.90 203	4.01 266	0.61 55	4.06 257	3.35 319	1.66 106	1.89 231	1.39 114	1.06 110	3.24 211	1.88 252	0.44 264	0.19 10	0.44 309	0.29 188	0.40 192	0.42 95

ACV-stereo	2.96 268	1.09 228	20.34 319	1.37 281	1.05 246	4.65 400	1.09 280	2.82 95	1.68 65	1.48 86	1.32 67	5.40 423	4.22 399	7.83 309	2.08 283	0.46 285	0.52 303	0.33 197	0.30 206	0.45 252	0.71 228

IGEV_Zeroshot_test	2.66 211	0.75 118	21.55 435	1.50 325	0.89 198	2.21 56	0.90 220	3.52 157	1.83 81	2.17 229	1.57 123	4.09 379	1.60 227	1.73 98	1.21 108	0.32 102	0.33 184	0.28 89	0.30 206	0.44 244	6.09 413

CFNet_ucs	2.32 122	0.75 118	17.05 158	0.90 67	0.81 166	3.86 231	0.68 90	4.31 353	2.68 195	2.13 216	2.04 263	3.30 328	1.24 151	2.63 186	1.23 113	0.37 194	0.46 274	0.56 368	0.30 206	0.67 348	0.53 161

IER	2.09 77	0.91 176	14.11 97	0.97 115	1.15 269	3.17 106	0.89 205	3.59 163	2.39 157	2.15 223	1.98 254	2.27 233	2.11 307	2.39 170	1.80 240	0.35 161	0.24 99	0.36 249	0.30 206	0.34 127	0.42 95

RAFT_CTSACE	2.41 146	1.83 323	20.33 318	1.77 379	1.39 319	3.50 158	1.03 266	3.25 134	1.64 58	1.80 133	2.04 263	2.82 292	1.78 273	2.11 139	1.10 92	0.27 27	0.24 99	0.28 89	0.30 206	0.31 66	0.33 29

NINENet	2.59 187	0.89 168	16.09 133	1.16 191	1.07 250	4.50 372	0.75 134	4.43 389	2.61 188	2.18 232	1.91 240	3.61 355	1.03 92	7.92 310	1.18 102	0.49 308	0.34 192	0.41 292	0.30 206	0.42 221	0.44 105

AASNet	2.65 206	3.20 364	20.19 294	1.38 285	1.49 334	3.84 225	1.06 274	3.92 221	3.28 299	2.07 202	2.28 313	1.95 200	1.28 156	2.19 151	2.17 291	0.42 239	0.33 184	0.45 316	0.30 206	0.59 317	0.52 156

PSMNet-ADL	2.01 67	0.78 138	2.89 22	1.11 165	0.86 185	4.13 294	0.80 164	3.84 207	2.26 136	1.74 123	1.87 227	2.90 298	1.81 279	10.37 365	2.34 303	0.49 308	0.47 284	0.29 105	0.30 206	0.39 188	0.56 172

ADLNet2	3.20 305	1.43 283	20.11 291	1.22 217	1.78 389	3.86 231	1.47 339	3.96 230	3.89 372	2.26 259	2.49 343	4.63 410	1.92 295	10.68 372	2.00 273	0.42 239	0.37 213	0.29 105	0.30 206	0.51 293	0.46 117

Pruner-Stereo	2.33 125	0.70 81	20.66 366	2.05 400	0.48 45	4.73 419	0.78 149	2.55 73	2.70 198	2.47 319	1.57 123	1.48 126	1.03 92	1.71 91	1.55 182	0.48 302	0.21 40	0.34 216	0.30 206	0.31 66	0.42 95

ICVP	2.19 90	0.72 90	19.18 212	1.03 140	0.88 197	4.22 327	0.94 244	3.44 154	1.69 67	1.68 109	1.76 174	1.35 108	1.19 145	1.80 109	1.40 154	0.58 349	0.37 213	0.34 216	0.30 206	0.41 212	0.59 190
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
sCroCo_RVC	1.81 54	0.93 188	19.44 227	1.04 144	1.05 246	0.97 4	0.61 55	2.08 35	1.36 5	0.71 5	1.28 60	0.82 40	1.10 120	1.31 35	0.97 69	0.54 339	0.41 246	0.33 197	0.30 206	0.46 262	0.48 132

222	3.82 362	0.88 165	6.92 51	1.15 185	0.99 226	3.27 119	0.64 75	4.57 410	5.37 433	2.43 313	2.32 320	1.41 117	1.44 189	10.64 370	18.51 456	0.32 102	4.89 430	0.32 163	0.30 206	0.34 127	9.80 436

xxxx	4.25 382	0.86 159	14.59 109	1.30 256	1.16 271	3.51 161	0.63 70	4.56 408	5.42 436	2.33 286	2.29 315	2.04 216	1.39 173	10.23 359	18.00 452	0.33 125	7.15 440	0.31 145	0.30 206	0.35 141	8.33 428

HGLStereo	2.74 233	1.03 218	20.80 378	1.24 225	1.55 345	3.62 183	0.94 244	3.83 206	2.09 107	2.18 232	2.20 299	3.11 316	2.12 309	5.65 254	2.07 282	0.50 318	0.34 192	0.32 163	0.30 206	0.42 221	0.50 142

cf-r	2.93 260	2.19 343	20.59 358	1.49 322	1.35 313	4.18 313	0.92 237	3.73 188	3.12 272	2.16 227	1.82 200	3.40 335	1.44 189	8.22 312	1.93 264	0.34 146	0.31 172	0.33 197	0.30 206	0.38 174	0.45 109

DISCO	2.40 140	0.99 214	11.99 76	1.81 381	1.12 264	3.47 149	1.24 311	3.34 143	2.57 183	2.73 349	1.96 250	4.52 403	1.90 293	4.18 234	3.62 350	0.37 194	0.27 143	0.31 145	0.30 206	0.70 356	0.62 202

rvit_0105_6	1.10 19	1.17 240	3.33 25	0.93 84	0.55 73	1.45 26	0.79 156	2.51 61	3.30 308	0.78 10	0.74 3	1.03 68	0.75 36	1.45 59	0.97 69	0.42 239	0.43 258	0.34 216	0.31 223	0.44 244	0.38 72

rvit_0105_4	1.63 41	1.29 265	12.50 79	0.94 91	0.54 69	1.56 30	0.84 185	2.84 97	3.25 293	0.82 14	0.94 16	1.10 74	0.86 62	1.65 79	1.07 88	0.43 256	0.45 269	0.35 234	0.31 223	0.44 244	0.45 109

test_sample1	2.29 115	0.72 90	5.74 44	1.51 327	0.86 185	2.35 63	0.64 75	4.07 259	3.45 340	2.01 181	1.51 101	1.70 147	1.71 263	9.53 334	1.73 227	0.31 86	0.97 360	0.31 145	0.31 223	0.33 105	6.12 414

CASnet	0.85 2	0.59 25	1.66 11	0.91 71	0.30 1	1.37 22	0.73 115	1.63 8	1.94 95	1.66 106	1.14 38	0.66 12	0.63 16	1.07 6	0.90 49	0.37 194	0.17 3	0.41 292	0.31 223	0.33 105	0.23 5
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
x	2.94 264	0.83 151	16.07 132	1.51 327	0.83 171	2.13 53	0.96 253	3.97 233	4.73 414	1.73 120	1.43 89	1.61 134	1.27 153	2.24 159	1.71 221	0.29 46	6.91 438	0.34 216	0.31 223	0.34 127	9.60 435

DisPM	2.29 115	0.61 37	20.25 305	1.79 380	0.52 65	4.58 389	0.77 144	2.50 60	2.22 128	2.49 324	1.82 200	1.45 123	1.01 90	2.73 195	1.04 82	0.48 302	0.20 21	0.32 163	0.31 223	0.32 84	0.45 109

Wz-Net-LNSev	2.78 242	6.16 391	17.27 163	1.24 225	1.65 372	3.49 156	1.55 348	3.70 181	3.61 352	1.96 162	1.76 174	3.30 328	2.17 318	2.78 197	2.24 296	0.49 308	0.35 201	0.32 163	0.31 223	0.56 308	0.65 214

sAnonymous2	2.00 64	1.54 295	21.24 422	0.93 84	0.89 198	1.21 8	0.62 65	2.58 76	2.28 140	0.86 21	1.04 20	0.73 23	1.22 148	1.10 8	0.85 39	0.30 70	0.25 112	0.31 145	0.31 223	1.06 397	0.72 231

CroCo_RVC	2.00 64	1.54 295	21.24 422	0.93 84	0.89 198	1.21 8	0.62 65	2.58 76	2.28 140	0.86 21	1.04 20	0.73 23	1.22 148	1.10 8	0.85 39	0.30 70	0.25 112	0.31 145	0.31 223	1.06 397	0.72 231

GES	2.26 105	0.79 141	19.68 243	1.12 175	0.59 89	4.30 341	1.01 260	3.90 216	1.59 41	1.78 128	1.78 185	1.28 100	1.75 268	1.80 109	1.61 197	0.42 239	0.29 156	0.33 197	0.31 223	0.45 252	0.50 142

ac_64	2.93 260	0.87 162	19.66 236	1.35 272	1.70 379	3.29 125	0.92 237	3.56 160	3.46 342	1.91 144	1.79 188	3.90 369	1.76 270	10.23 359	1.93 264	0.44 264	0.32 178	0.33 197	0.31 223	0.35 141	0.51 148

GwcNet-RSSM	3.13 292	5.08 385	19.86 260	1.28 247	1.20 283	4.12 291	1.11 286	3.89 214	2.80 212	2.13 216	1.81 198	3.11 316	1.46 196	10.33 364	2.19 294	0.36 182	0.34 192	0.35 234	0.31 223	0.45 252	0.43 101

BEATNet_4x	2.65 206	4.43 383	18.10 182	1.41 297	0.59 89	3.44 143	1.02 263	4.08 267	2.97 241	2.28 264	1.75 173	2.18 226	1.61 232	2.80 199	3.54 348	0.39 216	0.25 112	0.47 324	0.31 223	0.61 322	0.86 266

test_sample2	2.20 94	0.70 81	6.07 45	1.49 322	0.81 166	2.96 91	0.86 194	4.13 285	3.31 310	2.07 202	1.54 114	1.56 130	1.63 243	10.61 368	1.80 240	0.33 125	0.77 343	0.32 163	0.32 236	0.38 174	2.35 358

GrayStereo	3.68 355	0.56 10	20.61 360	1.71 369	0.90 203	4.17 310	8.11 455	3.17 124	4.13 381	2.80 360	2.49 343	1.70 147	17.06 461	2.83 200	1.25 124	0.37 194	0.23 79	0.27 63	0.32 236	0.30 59	0.57 176

RAFT	2.36 131	1.62 304	18.03 181	1.75 376	0.54 69	1.91 40	0.91 230	3.24 131	3.65 356	1.64 101	1.73 170	3.45 338	1.58 223	1.82 112	1.74 230	0.42 239	1.06 364	0.40 285	0.32 236	0.44 244	1.03 288

rafts_anoy	2.76 239	1.68 309	20.42 327	1.42 304	3.90 444	3.03 96	0.61 55	3.24 131	1.66 62	1.42 79	1.26 56	1.19 89	1.11 123	2.13 142	1.64 205	0.33 125	8.77 450	0.32 163	0.32 236	0.32 84	0.38 72

test_xeample	4.19 378	0.93 188	14.09 96	1.16 191	1.17 273	3.28 122	0.80 164	4.63 417	5.30 429	2.46 318	2.35 322	1.39 114	1.42 184	10.88 378	17.68 450	0.30 70	6.50 437	0.32 163	0.32 236	0.36 159	8.38 430

GMStereo	2.01 67	2.26 345	20.93 389	0.90 67	0.48 45	1.67 34	0.56 37	1.90 22	2.19 122	1.58 95	1.31 66	0.87 49	0.74 33	1.68 82	1.00 76	0.41 229	0.21 40	0.30 126	0.32 236	0.50 288	0.46 117
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
delet	2.66 211	1.11 232	18.42 189	1.05 148	1.65 372	3.47 149	2.00 382	3.81 203	2.82 217	2.15 223	2.11 279	2.62 275	1.88 292	5.38 248	2.21 295	0.34 146	0.38 226	0.40 285	0.32 236	0.45 252	0.54 166

UPFNet	2.23 97	0.86 159	14.25 99	1.28 247	1.44 329	3.51 161	1.34 321	4.05 255	2.11 114	2.44 316	1.53 103	2.41 251	1.39 173	3.62 220	1.91 259	0.41 229	0.41 246	0.37 260	0.32 236	0.44 244	0.48 132

UGAM	2.78 242	0.78 138	19.69 244	0.93 84	0.73 142	3.27 119	1.02 263	2.88 99	3.06 264	1.40 75	2.76 371	3.51 348	1.28 156	10.74 373	1.44 163	0.30 70	0.30 166	0.40 285	0.33 244	0.37 164	0.49 137

DCVSM-stereo	2.31 121	0.72 90	20.28 308	1.15 185	0.93 213	2.53 73	0.75 134	2.70 85	1.69 67	2.56 330	1.53 103	3.27 326	1.71 263	2.23 157	1.38 151	0.36 182	0.53 305	0.41 292	0.33 244	0.46 262	0.64 210

SMFormer	2.40 140	0.73 96	8.34 58	1.41 297	0.61 96	2.04 46	0.72 108	4.30 342	4.43 398	2.41 309	2.40 330	1.94 196	1.52 212	10.99 383	3.10 339	0.35 161	0.84 348	0.36 249	0.33 244	0.40 192	0.77 244

tta	2.44 151	0.73 96	8.34 58	1.41 297	0.61 96	2.04 46	0.72 108	4.30 342	4.43 398	2.41 309	2.40 330	1.94 196	1.52 212	10.99 383	3.10 339	0.35 161	0.84 348	0.36 249	0.33 244	0.31 66	1.75 334

ToySt	2.53 168	0.89 168	19.20 214	1.12 175	0.95 220	3.47 149	1.13 290	3.72 184	2.25 133	1.36 72	1.71 162	2.22 229	1.59 226	2.14 145	1.81 244	0.28 38	0.64 327	0.30 126	0.33 244	0.43 231	5.14 407

test_5	2.45 153	1.43 283	19.72 247	1.20 208	1.39 319	3.88 237	1.25 312	4.03 248	1.98 99	1.74 123	1.82 200	1.86 183	1.78 273	3.57 217	1.35 138	0.33 125	0.21 40	0.35 234	0.33 244	0.34 127	0.43 101

Sa-1000	2.54 172	1.47 287	20.36 321	1.16 191	0.55 73	4.07 280	1.39 329	4.49 397	3.01 250	2.06 196	2.79 372	1.84 181	1.43 188	2.68 190	1.53 176	0.31 86	0.26 133	0.36 249	0.33 244	0.37 164	0.46 117

dd	2.27 108	3.06 362	20.18 293	0.96 108	0.51 62	4.24 333	0.74 124	1.94 25	2.43 166	1.48 86	1.28 60	1.19 89	1.05 107	1.82 112	1.69 215	0.63 362	0.34 192	0.35 234	0.33 244	0.61 322	0.57 176

AACVNet	2.77 241	1.64 307	19.22 216	1.57 340	0.86 185	3.28 122	0.74 124	3.31 141	1.66 62	2.06 196	1.82 200	2.47 259	1.40 177	10.95 382	1.92 263	0.41 229	0.35 201	0.38 275	0.33 244	0.46 262	0.61 198

FTStereo	3.74 358	0.60 32	20.43 328	0.99 125	0.66 121	4.34 345	11.24 457	2.63 81	1.95 96	2.58 332	5.03 419	1.90 189	13.77 454	3.70 221	1.28 132	0.41 229	0.24 99	0.31 145	0.33 244	0.32 84	2.08 349

1111x	4.75 405	1.05 220	20.89 386	1.28 247	1.02 234	3.81 222	0.88 204	4.65 419	5.52 437	2.43 313	2.27 310	1.97 206	1.81 279	12.40 431	18.19 454	0.32 102	9.06 455	0.32 163	0.34 254	0.38 174	6.34 416

LL-Strereo	4.26 384	13.69 437	20.37 322	1.24 225	2.18 409	2.90 88	1.08 276	4.35 370	2.22 128	3.20 391	2.26 307	3.29 327	3.13 368	11.30 400	1.91 259	0.33 125	3.89 426	0.46 322	0.34 254	0.54 299	6.47 417

RAFT+CT+SA	2.32 122	1.30 268	19.71 245	1.01 132	1.41 324	4.04 271	0.92 237	3.96 230	1.64 58	1.64 101	1.69 156	1.63 138	1.18 143	3.06 209	1.19 105	0.28 38	0.22 55	0.32 163	0.34 254	0.34 127	0.47 125

psmg	1.63 41	0.64 47	3.82 31	0.96 108	0.86 185	4.35 346	1.41 332	4.11 276	2.29 144	2.68 344	2.09 277	2.58 271	1.30 161	1.79 103	1.44 163	0.39 216	0.29 156	0.33 197	0.34 254	0.38 174	0.44 105

NF-Stereo	2.68 218	0.67 64	21.09 406	2.43 412	0.47 40	4.67 404	0.67 82	3.68 174	4.30 393	2.11 212	1.62 135	1.36 110	1.09 115	6.07 267	1.24 118	0.45 273	0.20 21	0.36 249	0.34 254	0.32 84	0.37 65

OCTAStereo	2.67 215	0.67 64	21.08 401	2.43 412	0.47 40	4.67 404	0.67 82	3.68 174	4.31 396	2.11 212	1.62 135	1.36 110	1.09 115	6.02 264	1.25 124	0.45 273	0.20 21	0.36 249	0.34 254	0.32 84	0.37 65

RE-Stereo	2.67 215	0.67 64	21.08 401	2.43 412	0.47 40	4.67 404	0.67 82	3.68 174	4.30 393	2.11 212	1.62 135	1.36 110	1.09 115	6.01 261	1.26 129	0.45 273	0.20 21	0.36 249	0.34 254	0.32 84	0.37 65

TVStereo	2.67 215	0.67 64	21.08 401	2.43 412	0.47 40	4.67 404	0.67 82	3.68 174	4.30 393	2.11 212	1.62 135	1.36 110	1.09 115	6.01 261	1.26 129	0.45 273	0.20 21	0.36 249	0.34 254	0.32 84	0.37 65

RAFT-RH_RVC	2.72 227	0.64 47	20.10 288	1.48 320	0.49 52	4.46 363	0.56 37	1.73 16	2.86 227	3.06 380	5.50 421	2.02 213	1.28 156	6.70 284	1.56 183	0.46 285	0.22 55	0.37 260	0.34 254	0.29 44	0.33 29

pcwnet_v2	2.73 232	0.70 81	22.43 456	1.11 165	1.02 234	3.58 173	0.80 164	4.31 353	3.42 333	2.39 304	2.28 313	2.99 304	1.68 256	3.31 213	1.54 179	0.44 264	0.51 300	0.41 292	0.34 254	0.62 327	0.74 240

psm_up	3.04 280	1.30 268	18.97 204	1.31 259	1.51 337	3.86 231	1.22 308	4.26 335	2.31 149	2.72 347	1.83 213	2.43 255	1.68 256	12.86 442	1.78 235	0.43 256	0.41 246	0.41 292	0.34 254	0.46 262	0.67 220

StereoDRNet-Refined	2.23 97	0.98 205	10.62 70	1.25 240	0.78 160	3.29 125	0.71 105	3.96 230	2.20 125	2.43 313	2.05 270	2.97 302	1.46 196	6.87 290	2.33 302	0.37 194	0.25 112	0.42 303	0.34 254	0.47 275	0.80 252
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
PWCDC_ROB	3.62 348	9.86 414	17.35 165	1.62 350	1.57 352	4.19 321	1.01 260	4.35 370	4.20 384	2.26 259	7.36 426	2.73 281	2.75 347	4.10 231	4.51 362	1.47 423	0.37 213	0.39 280	0.34 254	1.22 414	0.73 236

ttt	4.23 381	0.75 118	19.96 269	1.48 320	1.31 306	3.69 196	0.87 198	4.65 419	5.33 430	2.45 317	2.39 328	2.44 257	1.54 217	11.35 402	16.49 433	0.43 256	4.35 427	0.37 260	0.35 267	0.41 212	4.01 398

LL-Strereo2	2.36 131	1.81 320	19.35 222	1.04 144	1.03 238	3.73 204	1.35 324	2.70 85	2.04 104	1.76 126	1.44 91	1.82 178	0.73 28	1.48 64	1.53 176	0.33 125	0.30 166	0.55 365	0.35 267	0.30 59	3.51 390

iRaft-Stereo_20w	3.11 287	0.69 75	18.89 200	1.00 129	1.09 256	5.03 430	1.00 259	5.86 447	2.46 173	2.83 364	1.64 145	3.06 311	4.30 401	3.08 210	1.74 230	0.31 86	0.30 166	0.27 63	0.35 267	0.42 221	7.93 420

Anonymous3	2.20 94	0.80 143	20.08 285	0.86 44	0.86 185	4.46 363	0.84 185	3.64 171	1.40 8	1.37 73	1.40 83	1.11 76	1.03 92	1.71 91	1.24 118	0.75 388	0.58 317	0.34 216	0.35 267	0.48 282	0.65 214

ADLNet	3.23 312	1.19 249	21.03 395	1.36 276	1.61 359	3.69 196	1.23 309	4.05 255	3.41 331	2.72 347	2.29 315	4.00 375	1.77 272	11.21 397	2.15 289	0.42 239	0.43 258	0.36 249	0.35 267	0.47 275	0.82 254

ARAFT	3.24 314	13.49 432	19.88 263	0.93 84	0.49 52	4.16 305	1.40 330	4.37 375	3.21 282	2.40 308	1.91 240	1.70 147	1.04 99	6.43 277	1.45 167	0.37 194	0.19 10	0.37 260	0.35 267	0.37 164	0.35 43

RYNet	3.15 296	1.48 288	16.27 143	1.24 225	1.39 319	3.67 192	1.44 337	4.09 271	3.20 279	2.26 259	1.70 158	3.83 366	2.15 314	13.64 454	3.23 343	0.45 273	0.45 269	0.50 344	0.35 267	0.81 377	0.83 256

DeepPruner_ROB	2.61 194	1.97 331	19.32 221	1.03 140	1.20 283	4.38 348	0.90 220	3.44 154	1.77 75	2.61 338	1.54 114	2.77 289	1.27 153	5.05 241	2.08 283	0.52 334	0.40 239	0.37 260	0.35 267	0.52 295	0.62 202

SGM_RVC	6.11 429	1.10 231	20.44 329	2.15 402	0.66 121	15.87 467	3.98 443	5.00 430	6.19 446	9.79 458	11.46 450	8.23 442	12.63 451	12.32 430	9.15 394	0.54 339	0.39 236	0.41 292	0.35 267	0.55 302	1.05 290
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
rvit_0105_5	1.72 50	1.26 256	13.05 84	0.92 79	0.56 77	1.92 43	0.90 220	3.07 117	3.04 259	0.98 44	1.24 50	1.19 89	0.93 77	1.55 74	1.22 110	0.43 256	0.43 258	0.37 260	0.36 276	0.43 231	0.51 148

test_sample3	2.65 206	0.75 118	15.69 126	1.42 304	0.85 181	3.14 104	0.73 115	4.28 338	3.21 282	2.28 264	1.79 188	1.78 170	1.46 196	11.11 392	1.84 247	0.36 182	0.46 274	0.34 216	0.36 276	0.40 192	0.76 243

xx1	3.69 356	0.94 191	19.66 236	1.87 384	0.42 25	4.47 366	0.73 115	4.24 325	4.01 376	1.21 59	1.89 231	1.78 170	1.36 167	2.20 152	0.81 28	0.31 86	18.77 470	0.33 197	0.36 276	0.35 141	8.09 422

StereoVision	2.36 131	1.15 239	20.38 323	1.07 156	1.79 390	2.58 76	0.61 55	3.14 121	2.34 151	1.33 70	3.46 400	1.85 182	0.88 66	2.12 140	2.01 274	0.46 285	0.36 207	0.37 260	0.36 276	0.50 288	0.41 88

qqq	2.96 268	0.88 165	15.54 124	1.27 245	0.74 146	2.29 61	0.90 220	4.07 259	4.63 408	1.63 100	1.32 67	1.78 170	1.36 167	5.19 244	1.68 212	0.29 46	6.43 436	0.33 197	0.36 276	0.35 141	8.09 422

TRStereo	2.86 250	2.12 339	19.98 272	1.68 363	1.18 275	4.35 346	1.05 272	5.07 432	3.48 344	1.56 91	1.39 81	1.75 155	0.85 59	2.01 132	1.50 172	0.43 256	0.34 192	0.33 197	0.36 276	0.36 159	7.50 419

SFCPSM	2.16 84	0.75 118	15.82 128	0.91 71	0.98 224	3.74 206	1.27 314	4.15 292	2.56 181	1.90 143	1.82 200	1.64 139	1.39 173	2.51 176	1.57 186	0.36 182	0.28 151	0.39 280	0.36 276	0.36 159	0.50 142

hitnet-ft	2.99 274	1.23 255	19.37 224	0.96 108	0.90 203	3.76 209	0.79 156	3.60 165	2.68 195	2.31 273	2.04 263	3.63 358	1.49 205	11.70 419	2.37 307	0.45 273	0.54 306	0.44 309	0.36 276	0.54 299	0.56 172

CFNet	3.04 280	6.89 397	16.27 143	1.36 276	1.24 294	4.09 285	0.72 108	4.15 292	3.00 246	1.69 113	1.88 229	2.27 233	1.45 191	11.41 404	2.12 288	0.36 182	0.29 156	0.43 307	0.36 276	0.48 282	0.38 72

LE_ROB	19.18 468	12.99 430	48.22 479	8.42 469	23.91 472	7.26 448	19.71 465	9.92 456	38.58 477	43.44 475	21.85 466	28.15 473	41.18 476	23.00 468	54.71 481	0.38 209	0.34 192	0.32 163	0.36 276	0.43 231	0.49 137

test_sample4	2.68 218	0.76 128	15.85 129	1.45 313	0.83 171	3.10 98	0.72 108	4.31 353	3.37 321	2.39 304	1.90 239	1.72 151	1.47 201	11.13 394	1.86 250	0.36 182	0.47 284	0.35 234	0.37 286	0.42 221	0.85 262

H2IRNET	2.19 90	0.83 151	19.13 208	1.25 240	0.61 96	4.48 370	0.44 17	2.94 103	1.86 85	1.08 51	2.29 315	1.67 140	1.40 177	2.18 150	1.64 205	0.41 229	0.21 40	0.33 197	0.37 286	0.38 174	0.39 80

anonymousa	3.14 293	0.83 151	19.20 214	1.62 350	9.63 461	2.06 50	0.78 149	2.93 101	2.20 125	1.95 160	2.17 290	3.41 336	1.81 279	1.33 39	1.67 210	0.29 46	8.64 448	0.34 216	0.37 286	0.32 84	1.33 307

raft_robust	3.17 300	2.15 342	20.28 308	1.06 152	0.55 73	3.86 231	0.46 19	4.42 387	2.77 208	1.70 115	1.37 77	7.48 437	6.35 422	6.81 289	1.44 163	0.31 86	0.74 341	0.30 126	0.37 286	0.32 84	0.57 176

DSFCA	2.38 136	1.03 218	11.06 72	1.15 185	1.18 275	3.97 262	1.75 365	3.63 169	2.44 170	3.14 387	1.68 153	2.90 298	2.48 337	5.38 248	3.17 342	0.49 308	0.45 269	0.37 260	0.37 286	0.54 299	0.46 117

DMCA-RVC	2.72 227	3.31 366	20.08 285	1.27 245	1.13 266	2.49 70	0.85 190	3.43 152	1.85 84	3.04 379	1.58 129	1.99 208	1.51 208	6.42 276	2.86 327	0.39 216	0.31 172	0.44 309	0.37 286	0.47 275	0.65 214

StereoDRNet	3.07 283	2.92 361	16.33 145	1.36 276	1.57 352	3.45 146	2.04 386	3.77 193	2.85 221	3.31 396	1.85 218	2.78 290	1.79 276	10.85 377	3.41 345	0.45 273	0.36 207	0.39 280	0.37 286	0.62 327	0.85 262

DLCB_ROB	2.55 177	1.32 271	10.26 69	1.31 259	1.04 244	2.94 89	1.29 315	3.81 203	2.73 201	2.93 370	2.17 290	3.37 334	1.53 216	10.40 366	3.26 344	0.42 239	0.35 201	0.41 292	0.37 286	0.43 231	0.68 221

PWC_ROB	3.32 324	4.61 384	14.41 103	1.46 315	1.90 396	3.21 109	1.15 295	4.39 381	3.46 342	3.13 384	3.40 398	2.79 291	2.34 327	9.17 327	6.94 380	0.61 354	0.34 192	0.61 381	0.37 286	0.73 363	1.40 311

DDVS	1.78 52	0.84 156	3.58 27	1.32 265	1.15 269	3.17 106	0.77 144	3.35 144	1.86 85	1.88 140	1.91 240	2.91 300	1.42 184	6.19 270	1.85 248	0.47 293	0.65 330	0.35 234	0.38 295	0.48 282	1.01 284

rvit_stereo_0075_2	2.14 82	0.76 128	21.42 432	0.91 71	1.26 297	2.49 70	0.68 90	2.30 47	2.10 109	1.42 79	1.86 223	1.45 123	0.85 59	1.49 65	1.03 81	0.47 293	0.40 239	0.48 329	0.38 295	0.47 275	0.53 161

ssnet_v2	2.81 245	1.39 278	21.16 415	1.25 240	0.90 203	3.86 231	1.63 355	4.10 273	3.22 288	2.79 357	1.96 250	3.78 363	1.70 261	2.53 181	3.12 341	0.44 264	0.37 213	0.42 303	0.38 295	0.59 317	0.58 188

Wz-Net-MNSev	3.26 318	7.24 399	17.26 162	1.58 342	1.37 317	3.27 119	2.45 400	4.10 273	4.50 406	2.61 338	2.17 290	2.33 240	3.02 364	7.48 303	2.88 330	0.46 285	0.39 236	0.37 260	0.38 295	0.61 322	0.63 205

SA	2.55 177	1.54 295	20.70 371	1.12 175	0.48 45	4.26 335	1.33 320	4.45 393	3.28 299	1.68 109	1.96 250	1.69 144	2.25 322	2.60 184	1.57 186	0.30 70	0.29 156	0.37 260	0.38 295	0.36 159	0.47 125

PSMNet-RSSM	2.91 258	1.55 298	20.10 288	1.32 265	1.30 302	4.19 321	0.95 248	3.78 194	2.28 140	2.28 264	1.80 193	2.64 276	1.87 290	9.83 342	1.93 264	0.37 194	0.33 184	0.35 234	0.38 295	0.46 262	0.40 83

CFNet-ft	2.87 252	1.80 317	20.20 295	1.10 161	1.54 341	4.09 285	0.89 205	2.97 112	1.88 88	1.93 148	1.70 158	3.50 345	1.60 227	9.35 330	2.17 291	0.35 161	0.32 178	0.61 381	0.38 295	0.55 302	0.45 109

CFNet_RVC	2.87 252	1.80 317	20.20 295	1.10 161	1.54 341	4.09 285	0.89 205	2.97 112	1.88 88	1.93 148	1.70 158	3.50 345	1.60 227	9.35 330	2.17 291	0.35 161	0.32 178	0.61 381	0.38 295	0.55 302	0.45 109

test_sample5	2.68 218	0.76 128	14.56 107	1.40 293	0.83 171	3.11 101	0.74 124	4.33 364	4.48 404	2.29 268	2.04 263	1.67 140	1.45 191	11.18 395	1.88 252	0.37 194	0.47 284	0.37 260	0.39 303	0.43 231	0.78 247

DualNet	2.68 218	0.76 128	14.56 107	1.40 293	0.83 171	3.11 101	0.74 124	4.33 364	4.48 404	2.35 290	2.13 282	1.67 140	1.45 191	11.18 395	1.88 252	0.37 194	0.47 284	0.37 260	0.39 303	0.43 231	0.78 247

PFNet+	2.46 155	0.64 47	21.10 408	0.98 119	0.48 45	4.63 397	0.83 176	2.47 57	3.48 344	2.14 218	1.67 151	1.34 106	1.03 92	4.66 238	1.35 138	0.49 308	0.33 184	0.38 275	0.39 303	0.33 105	0.49 137

PSM-softLoss	2.62 197	0.65 54	21.11 410	2.46 416	0.49 52	4.68 412	0.68 90	2.61 79	4.23 387	2.14 218	1.47 95	1.42 118	0.99 85	6.04 265	1.24 118	0.47 293	0.23 79	0.37 260	0.39 303	0.33 105	0.34 37

KMStereo	2.62 197	0.65 54	21.11 410	2.46 416	0.49 52	4.68 412	0.68 90	2.61 79	4.23 387	2.14 218	1.47 95	1.42 118	0.99 85	6.04 265	1.24 118	0.47 293	0.23 79	0.37 260	0.39 303	0.33 105	0.34 37

RAFT + AFF	3.98 372	14.10 445	20.78 376	1.16 191	1.96 399	4.14 299	2.00 382	4.56 408	3.52 348	2.23 250	2.51 347	2.27 233	4.92 408	8.94 324	2.82 325	0.33 125	0.60 320	0.48 329	0.39 303	0.81 377	1.03 288

GwcNet	3.26 318	3.93 375	20.24 304	1.38 285	2.04 404	3.24 116	1.53 344	3.72 184	3.66 357	2.17 229	2.25 306	3.55 353	1.69 258	9.38 332	3.03 335	0.48 302	0.49 294	0.46 322	0.39 303	0.66 346	0.86 266

SGM-Forest	4.96 410	0.86 159	21.02 394	1.22 217	0.83 171	4.05 275	3.26 423	4.40 382	3.49 346	4.40 425	3.69 404	4.66 411	13.91 457	11.94 426	17.16 445	0.66 366	0.46 274	0.49 342	0.39 303	0.49 287	1.77 338
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	4.12 376	1.27 260	21.14 412	1.52 330	0.85 181	3.80 218	3.89 442	4.58 412	3.02 254	3.56 406	2.37 325	4.44 398	13.88 456	11.23 399	3.78 352	0.56 346	0.43 258	0.48 329	0.39 303	0.55 302	0.74 240
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
test_sample6	2.71 225	0.76 128	14.30 100	1.43 310	0.83 171	3.17 106	0.79 156	4.40 382	4.65 412	2.35 290	2.13 282	1.69 144	1.45 191	11.48 408	1.99 268	0.39 216	0.46 274	0.38 275	0.40 312	0.43 231	0.77 244

ffm	4.27 385	0.98 205	21.04 396	1.24 225	1.03 238	3.64 185	0.87 198	4.23 319	4.73 414	2.31 273	2.40 330	3.49 341	1.64 246	2.29 164	0.78 17	0.30 70	19.28 477	0.48 329	0.40 312	0.31 66	14.02 447

ff1	5.58 417	0.98 205	21.04 396	1.24 225	1.03 238	3.64 185	0.87 198	4.23 319	4.73 414	2.31 273	2.40 330	3.49 341	1.64 246	12.40 431	16.90 437	0.30 70	19.28 477	0.48 329	0.40 312	0.31 66	14.02 447

mmx	4.56 396	0.98 205	21.04 396	1.24 225	1.03 238	3.64 185	0.87 198	4.53 404	5.34 431	2.31 273	2.40 330	3.49 341	1.64 246	12.40 431	16.90 437	0.34 146	5.98 434	0.48 329	0.40 312	0.46 262	5.71 410

xxx	4.56 396	0.98 205	21.04 396	1.24 225	1.03 238	3.64 185	0.87 198	4.53 404	5.34 431	2.31 273	2.40 330	3.49 341	1.64 246	12.40 431	16.90 437	0.34 146	5.98 434	0.48 329	0.40 312	0.46 262	5.71 410

fast-acv-ft	2.62 197	1.62 304	20.48 341	1.45 313	1.39 319	3.16 105	1.16 297	3.41 150	2.45 172	1.97 164	2.15 285	2.68 278	2.15 314	2.92 205	2.47 313	0.43 256	0.40 239	0.45 316	0.40 312	0.62 327	0.64 210

SuperB	5.03 411	8.93 406	20.96 391	1.51 327	1.11 261	3.88 237	3.00 417	4.24 325	3.13 273	2.53 327	2.10 278	2.74 284	3.37 382	8.76 320	19.44 462	0.45 273	0.34 192	0.53 356	0.40 312	11.97 472	1.15 297

TDLM	3.20 305	1.58 299	18.80 196	1.70 368	1.10 259	4.29 339	2.17 392	3.81 203	3.27 297	2.89 366	1.98 254	2.06 221	1.70 261	12.44 437	2.15 289	0.58 349	0.31 172	0.56 368	0.40 312	0.58 315	1.59 327

NaN_ROB	4.73 404	6.66 395	21.89 439	1.26 244	1.28 299	3.49 156	3.02 419	4.38 379	3.93 373	3.65 408	2.55 351	2.97 302	5.01 409	13.23 448	17.43 448	0.38 209	0.42 257	0.38 275	0.40 312	0.50 288	1.82 341

XPNet_ROB	2.99 274	1.58 299	17.06 160	1.38 285	0.99 226	3.91 243	1.62 354	4.20 308	2.42 163	2.87 365	2.03 261	2.31 238	1.72 266	10.76 374	3.60 349	0.55 342	0.49 294	0.48 329	0.40 312	0.53 296	0.85 262

ITSA-stereo	2.11 78	0.85 157	7.84 56	1.24 225	0.68 132	4.06 279	0.91 230	4.30 342	2.57 183	1.94 154	1.77 181	1.61 134	2.12 309	6.12 268	2.79 322	0.42 239	0.38 226	0.40 285	0.41 322	0.51 293	1.26 304

test_sample7	2.85 249	0.81 146	14.48 105	1.59 345	0.77 158	2.42 68	1.08 276	4.40 382	4.92 422	2.20 243	1.85 218	1.90 189	2.00 298	6.87 290	1.75 232	0.47 293	1.36 375	0.44 309	0.41 322	0.47 275	6.81 418

PSM-AAD	3.41 333	0.58 17	20.55 349	0.95 101	0.56 77	4.46 363	7.40 453	3.11 119	1.58 38	2.30 270	2.56 352	1.26 98	16.19 459	2.47 174	1.00 76	0.32 102	0.22 55	0.58 373	0.41 322	0.37 164	1.32 306

FADNet-RVC	3.23 312	12.51 427	17.02 157	1.17 198	0.81 166	3.52 163	1.09 280	4.16 294	2.74 203	1.44 83	1.29 64	1.86 183	1.76 270	9.82 341	2.46 311	0.39 216	0.38 226	0.40 285	0.41 322	0.68 353	0.59 190

UCFNet_RVC	2.53 168	1.29 265	20.56 351	1.42 304	1.40 323	4.01 266	1.04 271	2.79 91	1.67 64	2.27 262	1.88 229	2.94 301	1.50 206	3.48 214	1.68 212	0.37 194	0.29 156	0.52 352	0.41 322	0.55 302	0.51 148

mmm	2.70 223	0.80 143	8.26 57	1.50 325	1.18 275	2.44 69	0.85 190	4.08 267	4.59 407	2.31 273	1.95 249	1.51 127	1.55 220	2.33 167	1.72 224	0.31 86	7.71 441	0.45 316	0.42 327	0.40 192	9.56 434

Syn2CoEx	3.42 335	7.66 401	20.57 355	1.42 304	1.18 275	2.49 70	1.64 358	4.07 259	2.68 195	2.51 326	2.27 310	2.89 297	3.15 371	9.56 335	2.58 317	0.52 334	0.45 269	0.53 356	0.42 327	0.79 375	1.00 282

RTSC	3.44 336	6.78 396	16.53 150	1.76 378	1.54 341	3.53 165	0.94 244	4.22 314	2.97 241	3.65 408	3.23 394	3.31 330	2.29 323	6.22 271	7.41 386	0.61 354	1.32 374	0.37 260	0.42 327	0.78 371	0.98 280

NLCA_NET_v2_RVC	2.76 239	1.48 288	19.72 247	1.62 350	2.00 401	3.95 256	0.86 194	3.92 221	2.51 176	2.56 330	1.69 156	2.83 294	1.61 232	5.65 254	1.78 235	0.48 302	0.36 207	0.38 275	0.42 327	0.56 308	0.77 244
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
DRN-Test	3.17 300	1.30 268	19.66 236	1.41 297	1.60 358	3.61 180	1.47 339	4.18 303	2.83 218	3.48 402	1.92 246	2.58 271	2.50 340	10.81 375	2.90 331	0.49 308	0.49 294	0.44 309	0.42 327	0.57 312	0.78 247

rvit_0105_3	1.97 58	1.34 274	16.03 131	0.98 119	0.59 89	2.37 66	1.08 276	3.30 138	3.01 250	1.21 59	1.47 95	1.24 97	1.04 99	1.82 112	1.23 113	0.47 293	0.44 265	0.40 285	0.43 332	0.43 231	0.55 169

SACVNet	3.06 282	1.61 303	19.29 220	1.46 315	1.18 275	4.05 275	1.48 341	4.03 248	2.58 186	2.75 351	1.89 231	2.55 266	1.38 170	11.33 401	2.28 300	0.51 324	0.41 246	0.48 329	0.43 332	0.57 312	0.93 276

GANet	3.64 349	1.76 314	19.65 235	1.92 389	1.04 244	3.91 243	2.51 404	3.86 210	2.81 216	3.13 384	3.03 383	3.19 319	2.19 319	12.43 436	8.23 392	0.60 353	0.43 258	0.52 352	0.43 332	0.63 333	0.63 205

PS-NSSS	3.11 287	1.60 302	19.48 229	1.00 129	1.53 340	4.12 291	1.08 276	4.59 415	2.80 212	2.19 237	2.38 326	1.76 161	1.39 173	11.79 423	1.94 267	0.69 371	0.45 269	0.95 414	0.43 332	1.03 395	1.00 282

FINET	10.59 453	14.44 453	25.84 466	2.30 407	3.90 444	21.74 469	25.19 469	8.85 455	16.99 462	2.68 344	15.19 460	11.45 447	13.83 455	6.71 286	15.11 428	0.80 391	8.59 447	0.53 356	0.44 336	0.62 327	16.67 464

FADNet-RVC-Resample	3.31 322	8.52 404	22.84 457	1.18 202	0.91 208	3.52 163	1.35 324	4.13 285	2.32 150	1.75 125	1.35 72	2.26 232	1.51 208	9.51 333	2.03 277	0.42 239	0.38 226	0.42 303	0.44 336	0.59 317	0.71 228

FADNet	3.20 305	11.55 423	16.16 136	1.24 225	0.95 220	3.30 128	0.87 198	4.00 238	2.73 201	1.42 79	1.35 72	2.51 262	2.04 302	9.95 350	2.39 309	0.44 264	0.46 274	0.40 285	0.44 336	1.13 407	0.61 198

DANet	2.82 246	1.17 240	10.20 68	1.87 384	1.72 382	3.25 118	1.15 295	4.36 372	3.02 254	3.42 400	2.18 295	4.09 379	1.79 276	9.78 340	4.32 358	0.55 342	0.57 310	0.60 378	0.44 336	0.65 342	1.25 303
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
MDST_ROB	6.31 430	1.18 243	22.96 460	2.56 421	2.69 421	21.07 468	2.01 384	4.79 428	2.87 229	9.49 454	4.45 413	4.10 381	4.48 404	22.33 466	17.61 449	0.79 390	0.44 265	0.47 324	0.44 336	0.47 275	0.95 278

SDNR	4.37 388	2.22 344	20.63 363	1.60 346	0.99 226	5.15 431	0.67 82	4.36 372	5.55 439	4.89 431	7.17 424	5.50 426	1.58 223	17.48 463	4.33 359	0.80 391	0.72 340	0.59 374	0.45 341	1.18 411	1.43 315

SANet	6.43 432	13.71 439	22.08 448	1.43 310	1.00 232	6.86 446	3.78 440	4.71 422	11.10 454	4.71 430	8.72 438	7.47 436	7.91 439	12.46 438	18.12 453	0.51 324	0.47 284	0.50 344	0.45 341	0.94 391	1.60 329

GASNet	3.86 365	15.35 464	21.16 415	1.63 353	1.25 296	2.35 63	1.11 286	4.11 276	2.86 227	1.99 168	2.11 279	2.99 304	2.16 316	10.62 369	3.75 351	0.71 375	0.37 213	0.61 381	0.46 343	0.91 387	0.70 226

KYRaft	2.55 177	0.57 15	20.60 359	0.98 119	0.51 62	4.38 348	1.76 366	2.51 61	1.59 41	2.48 321	2.98 381	1.99 208	3.36 381	2.17 148	0.96 66	0.34 146	0.22 55	0.33 197	0.46 343	0.38 174	2.44 362

APVNet	3.24 314	1.59 301	21.72 438	1.36 276	1.52 339	3.93 251	1.12 288	3.58 161	2.80 212	2.32 284	2.02 259	3.05 309	1.96 296	11.77 422	2.61 319	0.44 264	0.46 274	0.65 392	0.47 345	0.73 363	0.73 236

CVANet_RVC	3.32 324	1.63 306	21.06 400	1.66 359	1.29 301	3.99 264	1.55 348	3.98 234	3.00 246	3.51 403	2.06 272	2.58 271	1.72 266	12.46 438	1.70 218	0.62 359	0.34 192	0.53 356	0.47 345	0.64 336	1.66 332

aanetorigin	3.34 328	2.00 332	17.58 172	1.20 208	1.57 352	2.57 74	3.75 438	2.73 87	2.10 109	6.11 441	4.27 411	2.88 296	5.64 415	5.46 251	4.60 364	0.53 336	0.46 274	0.45 316	0.48 347	1.15 408	1.22 300

MaskLacGwcNet_RVC	3.77 359	1.65 308	20.61 360	2.55 420	1.63 364	4.29 339	1.67 361	3.99 236	2.56 181	1.76 126	1.93 247	3.03 308	1.41 182	13.24 449	2.02 276	4.47 458	1.63 384	1.12 422	0.48 347	2.42 434	2.85 372

stereogan	3.26 318	1.26 256	18.01 180	1.38 285	1.66 375	3.76 209	1.64 358	4.06 257	3.86 370	3.23 392	2.70 366	5.02 417	2.85 350	9.88 344	1.85 248	0.71 375	0.51 300	0.69 397	0.48 347	0.86 383	0.85 262

coex-ft	20.00 469	11.54 422	120.82 487	1.18 202	1.30 302	2.36 65	1.99 379	2.96 110	13.96 458	129.83 488	8.40 436	5.88 429	52.82 482	9.93 348	31.13 477	0.61 354	0.62 325	0.50 344	0.49 350	1.10 404	2.63 366

Wz-Net-SNSev	3.47 342	10.51 418	16.90 155	1.65 358	1.20 283	3.29 125	2.03 385	4.16 294	3.03 256	2.35 290	2.39 328	3.48 340	2.12 309	7.95 311	4.28 357	0.51 324	0.40 239	0.53 356	0.49 350	0.74 367	1.46 319

WZ-Net	4.39 390	12.37 426	17.44 167	1.47 319	1.42 326	3.76 209	2.27 396	4.17 298	3.11 270	2.89 366	2.24 304	4.05 377	5.69 417	10.89 379	12.07 411	0.66 366	0.41 246	0.47 324	0.49 350	0.78 371	1.12 294

dad	2.65 206	3.40 368	19.45 228	1.05 148	0.65 117	4.21 325	0.84 185	2.10 37	2.77 208	2.32 284	1.72 164	1.72 151	1.27 153	3.86 223	2.04 279	1.06 406	0.40 239	2.04 434	0.49 350	0.78 371	0.83 256

GMM-Stereo	2.52 164	0.56 10	20.57 355	0.92 79	0.83 171	4.18 313	1.88 373	2.51 61	2.40 160	2.48 321	2.30 318	1.69 144	1.84 285	2.93 206	1.25 124	0.32 102	0.19 10	0.33 197	0.49 350	0.37 164	2.40 360

ETE_ROB	2.93 260	2.12 339	17.80 178	1.13 180	0.94 218	3.71 201	1.53 344	4.29 340	2.98 243	3.32 397	2.13 282	2.34 243	1.51 208	8.68 319	2.82 325	0.44 264	0.40 239	0.51 349	0.49 350	0.56 308	0.80 252

AF-Net	3.15 296	2.65 355	18.81 197	1.37 281	1.76 386	3.30 128	1.57 350	4.20 308	3.05 262	2.76 352	2.94 380	4.50 401	3.21 373	5.88 259	3.07 337	0.88 398	0.39 236	0.72 403	0.50 356	0.75 368	0.66 219

G-Net	4.16 377	1.39 278	20.31 316	2.30 407	2.91 425	4.68 412	2.86 414	3.35 144	2.44 170	4.43 426	9.43 442	6.89 434	3.83 392	8.91 322	4.83 368	0.80 391	0.80 346	0.70 398	0.50 356	0.95 392	0.97 279

RTS	4.29 386	9.35 409	18.25 186	2.79 429	2.29 414	4.98 428	3.41 426	4.72 423	4.27 391	4.35 423	3.10 388	4.93 414	3.14 369	7.71 307	6.99 381	0.71 375	0.68 334	0.51 349	0.50 356	1.07 399	1.98 345

RTSA	4.29 386	9.35 409	18.25 186	2.79 429	2.29 414	4.98 428	3.41 426	4.72 423	4.27 391	4.35 423	3.10 388	4.93 414	3.14 369	7.71 307	6.99 381	0.71 375	0.68 334	0.51 349	0.50 356	1.07 399	1.98 345

CBMV_ROB	4.57 398	0.90 173	21.30 426	1.46 315	0.89 198	4.43 360	1.69 363	4.51 402	3.14 274	5.97 439	4.23 410	4.16 384	7.83 436	11.06 387	16.47 432	0.61 354	0.55 308	0.53 356	0.51 360	0.56 308	0.59 190

NOSS_ROB	3.12 290	0.89 168	19.03 205	2.01 396	1.07 250	3.90 240	0.97 255	4.32 361	3.08 266	2.94 372	2.19 298	3.85 368	1.18 143	11.75 421	1.69 215	0.69 371	0.54 306	0.57 371	0.52 361	0.57 312	0.72 231

WCMA_ROB	5.78 421	2.42 349	21.71 437	1.67 360	1.55 345	4.07 280	3.53 432	4.14 289	4.73 414	6.59 443	10.89 447	12.82 451	9.59 446	10.17 356	12.65 416	1.05 405	0.61 322	0.52 352	0.52 361	0.71 361	5.64 409

psmorigin	6.62 435	1.45 285	87.38 485	1.55 337	0.97 223	2.86 83	1.42 333	3.30 138	2.12 116	3.74 410	2.45 339	5.15 420	2.59 343	10.55 367	2.91 332	0.55 342	0.68 334	0.48 329	0.53 363	0.73 363	1.02 286

ADCP+	4.42 391	12.67 429	18.95 202	1.12 175	1.55 345	4.30 341	3.60 435	4.01 240	3.80 366	2.30 270	1.71 162	3.93 370	4.29 400	3.49 215	18.77 460	0.40 226	0.41 246	0.63 388	0.53 363	0.67 348	1.35 308

LALA_ROB	2.88 254	2.13 341	19.08 206	1.10 161	0.99 226	3.91 243	1.81 370	4.50 401	3.04 259	3.32 397	1.87 227	2.75 286	1.66 253	4.06 230	4.02 354	0.47 293	0.44 265	0.55 365	0.53 363	0.61 322	0.73 236

Wz-Net-TNSev	4.22 379	13.55 433	15.87 130	1.57 340	1.19 281	3.61 180	2.48 402	4.38 379	3.45 340	2.29 268	1.91 240	4.20 388	2.86 351	12.11 428	10.56 399	0.61 354	0.59 318	0.48 329	0.54 366	0.93 390	1.24 302

FAT-Stereo	3.38 331	0.88 165	19.96 269	1.28 247	1.20 283	3.44 143	1.97 378	4.26 335	3.15 276	3.14 387	3.92 407	3.50 345	3.28 375	11.68 418	2.04 279	0.65 365	0.68 334	0.48 329	0.54 366	0.63 333	0.91 271

STTStereo	2.62 197	1.28 263	19.16 210	1.52 330	1.55 345	3.84 225	0.89 205	3.75 189	2.59 187	2.23 250	1.59 131	2.48 261	1.58 223	5.11 242	1.72 224	0.38 209	0.41 246	0.47 324	0.54 366	0.53 296	0.75 242

NVstereo2D	2.79 244	1.13 236	13.75 89	1.37 281	1.47 333	3.57 171	1.38 328	4.17 298	3.77 365	2.04 191	1.72 164	3.05 309	1.75 268	10.84 376	1.72 224	0.62 359	0.48 291	0.56 368	0.54 366	0.79 375	1.02 286

NCCL2	2.96 268	4.07 380	15.75 127	1.24 225	1.03 238	3.48 155	2.55 405	3.79 195	2.39 157	2.78 355	1.80 193	2.41 251	1.67 255	10.27 362	2.48 314	0.46 285	0.41 246	0.57 371	0.55 370	0.61 322	0.86 266

CSAN	5.95 423	13.70 438	21.94 442	1.35 272	0.93 213	3.65 189	3.46 428	4.73 425	4.26 390	3.98 415	7.70 428	3.54 352	6.94 430	22.83 467	16.00 431	0.53 336	0.47 284	0.50 344	0.55 370	0.65 342	1.22 300

edge stereo	3.45 338	1.08 225	22.14 449	1.31 259	1.36 314	2.68 77	1.54 346	4.13 285	3.27 297	2.94 372	3.27 396	4.34 396	2.48 337	11.60 414	2.79 322	0.62 359	0.64 327	0.79 408	0.56 372	0.70 356	0.82 254

FC-DCNN v2	7.41 445	0.98 205	22.19 451	1.75 376	1.64 368	8.98 453	2.37 399	7.60 451	9.44 453	11.09 464	11.95 453	20.04 462	16.35 460	12.99 444	17.14 444	0.72 380	0.57 310	0.59 374	0.57 373	0.64 336	0.68 221

FC-DCNN	7.08 442	1.01 216	21.89 439	1.74 374	1.64 368	8.18 452	2.31 397	6.50 449	9.16 452	10.85 463	11.33 449	19.85 461	13.33 453	12.94 443	17.10 441	0.72 380	0.57 310	0.59 374	0.57 373	0.64 336	0.69 224

DPSNet	3.94 371	2.01 333	14.69 110	1.58 342	1.30 302	4.17 310	2.08 388	4.57 410	4.63 408	2.78 355	1.99 257	3.79 364	7.88 438	10.66 371	11.35 405	0.94 401	0.99 362	0.41 292	0.57 373	1.09 402	1.40 311

UGAM-zero	3.14 293	0.62 42	20.64 364	1.02 136	0.93 213	2.87 84	0.51 29	4.52 403	1.57 35	2.19 237	1.65 148	5.78 427	3.40 384	9.89 345	1.71 221	0.33 125	0.44 265	0.28 89	0.59 376	0.30 59	3.59 391

RP	3.26 318	1.73 313	17.70 177	1.56 339	1.93 398	3.43 142	1.94 375	4.18 303	2.72 200	2.77 353	3.05 384	3.96 373	2.69 345	10.17 356	2.86 327	1.04 404	0.50 298	0.71 400	0.59 376	0.75 368	0.83 256

SHD	3.22 309	4.21 381	14.19 98	2.37 410	2.12 408	2.77 79	1.19 299	4.24 325	3.25 293	4.64 429	2.73 368	3.62 357	2.76 348	6.30 274	4.75 367	0.66 366	1.25 373	0.52 352	0.59 376	0.69 355	1.64 331

FCDSN-DC	6.71 440	1.18 243	21.61 436	1.29 252	1.10 259	4.38 348	2.59 407	4.58 412	5.52 437	9.58 455	11.19 448	19.17 459	17.69 463	13.03 445	17.11 442	0.73 383	0.57 310	0.61 381	0.60 379	0.71 361	0.92 273
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MeshStereo	5.67 420	1.80 317	21.28 424	1.40 293	1.14 267	4.38 348	3.83 441	5.51 443	4.85 421	10.12 460	11.72 452	11.44 446	5.87 418	13.86 456	12.31 412	0.68 370	0.61 322	0.61 381	0.60 379	0.73 363	0.68 221
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
rvit_105_1	2.17 87	1.36 276	16.82 153	1.09 160	0.68 132	2.78 81	1.26 313	3.55 159	2.90 234	1.40 75	1.57 123	1.29 102	1.14 132	2.91 204	1.49 171	0.55 342	0.47 284	0.45 316	0.61 381	0.45 252	0.63 205

FADNet_RVC	3.10 286	7.62 400	19.12 207	1.05 148	0.93 213	4.09 285	0.84 185	4.34 369	2.05 105	1.54 89	1.78 185	1.61 134	1.50 206	8.92 323	2.64 321	0.50 318	0.38 226	0.44 309	0.61 381	0.91 387	1.16 298

XQC	3.41 333	6.58 394	15.18 116	1.97 391	1.62 361	3.40 135	1.76 366	4.53 404	3.67 359	3.40 399	2.45 339	3.73 360	2.91 353	6.78 287	5.36 371	0.73 383	0.90 353	0.60 378	0.61 381	1.02 394	0.99 281

HBP-ISP	3.78 360	9.10 408	20.83 380	1.72 370	1.14 267	4.54 378	2.82 412	4.61 416	3.03 256	4.13 419	1.98 254	1.88 187	3.31 376	11.06 387	1.52 175	0.74 386	0.57 310	0.67 394	0.62 384	0.65 342	0.64 210

ADCRef	3.66 351	5.95 390	15.50 123	1.20 208	1.41 324	3.93 251	1.61 352	3.92 221	2.77 208	3.13 384	2.20 299	2.40 247	2.78 349	6.23 273	16.59 434	0.50 318	0.35 201	0.63 388	0.62 384	0.58 315	0.92 273

PDISCO_ROB	3.32 324	5.22 387	18.16 184	2.03 398	2.19 411	4.52 377	1.63 355	4.74 426	3.32 315	2.22 248	2.18 295	3.71 359	2.41 332	5.36 247	2.43 310	1.35 416	0.79 345	0.72 403	0.62 384	1.31 418	1.53 323

PSMNet_ROB	3.38 331	5.24 388	20.61 360	1.24 225	1.22 290	3.76 209	1.64 358	3.59 163	2.80 212	2.07 202	1.72 164	2.75 286	1.79 276	11.42 406	4.58 363	0.42 239	0.38 226	0.50 344	0.62 384	0.62 327	0.69 224

PA-Net	3.45 338	2.50 350	20.39 326	1.42 304	1.20 283	3.39 134	1.73 364	3.93 225	3.57 351	1.94 154	2.17 290	3.02 307	1.87 290	11.67 415	6.48 378	0.40 226	0.55 308	0.44 309	0.63 388	0.55 302	1.13 295
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
Nwc_Net	3.03 278	1.90 328	19.16 210	1.38 285	1.69 378	3.53 165	1.19 299	4.03 248	2.19 122	2.79 357	2.84 375	3.80 365	2.46 336	6.93 293	2.87 329	0.96 402	0.41 246	0.59 374	0.68 389	0.60 321	0.65 214

MSMD_ROB	5.99 424	1.29 265	19.23 217	1.40 293	0.84 179	10.25 455	2.05 387	4.20 308	6.02 445	10.42 462	8.00 429	22.21 464	9.45 445	11.67 415	8.73 393	0.76 389	0.59 318	0.67 394	0.68 389	0.67 348	0.72 231

ccnet	3.03 278	1.48 288	12.88 82	1.54 333	1.26 297	3.71 201	2.32 398	4.11 276	3.05 262	2.92 369	3.21 392	2.86 295	2.40 330	9.87 343	4.19 355	0.80 391	0.76 342	0.71 400	0.70 391	0.78 371	1.07 291

ADCS	4.77 406	12.63 428	17.40 166	1.72 370	1.34 311	3.90 240	3.60 435	4.30 342	3.54 349	5.11 434	2.81 374	4.44 398	3.05 367	6.15 269	19.32 461	0.74 386	0.68 334	0.70 398	0.70 391	1.25 416	1.98 345

AnyNet_C01	4.68 400	10.90 420	16.41 147	2.03 398	1.62 361	6.25 440	6.40 450	4.19 306	5.13 428	4.03 416	3.77 405	4.14 383	3.26 374	7.23 296	11.19 401	0.64 363	0.80 346	0.65 392	0.72 393	2.18 430	2.08 349

SAMSARA	4.67 399	6.50 393	16.40 146	4.62 461	3.13 432	6.62 444	3.49 429	5.24 433	3.04 259	7.78 447	3.07 385	5.32 421	4.05 396	9.98 351	6.42 376	0.69 371	2.39 404	0.60 378	0.74 394	0.99 393	2.26 357

LCNet	2.54 172	0.60 32	20.89 386	1.01 132	0.57 85	3.60 178	1.21 307	3.20 126	1.70 69	2.17 229	1.76 174	1.43 120	4.12 397	3.61 218	0.94 59	0.32 102	0.20 21	0.28 89	0.76 395	0.50 288	1.83 343

GANetREF_RVC	3.45 338	5.10 386	19.89 264	1.58 342	0.80 164	4.13 294	1.82 371	4.24 325	3.33 317	1.91 144	1.76 174	2.46 258	1.83 284	13.17 447	1.87 251	0.83 396	0.57 310	0.79 408	0.77 396	1.21 413	0.91 271
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
ADCL	4.70 402	4.04 378	16.12 134	1.35 272	1.28 299	5.46 436	10.88 456	4.08 267	4.25 389	5.97 439	4.51 414	4.29 393	5.60 413	6.37 275	15.21 429	0.54 339	0.48 291	0.88 412	0.78 397	0.86 383	1.01 284

RGC	3.35 329	1.84 325	18.13 183	1.52 330	1.79 390	3.33 130	1.37 327	4.18 303	2.39 157	2.96 375	3.23 394	3.98 374	2.71 346	11.53 409	3.42 346	0.90 399	0.48 291	0.79 408	0.79 398	0.75 368	0.89 269

DeepPrunerF	4.00 373	5.64 389	16.81 152	1.36 276	1.75 384	3.69 196	1.54 346	4.24 325	13.98 459	2.21 246	1.77 181	2.73 281	2.29 323	10.90 380	6.64 379	0.71 375	0.61 322	0.77 407	0.79 398	0.87 385	0.79 251

S-Stereo	3.51 345	0.96 198	22.00 447	1.38 285	1.50 335	3.55 168	2.49 403	4.27 337	3.00 246	2.38 302	3.94 408	3.73 360	1.84 285	11.89 425	2.59 318	0.64 363	0.71 339	0.49 342	0.81 400	0.68 353	1.31 305

AnyNet_C32	4.49 393	9.53 411	13.85 90	1.67 360	1.56 349	5.40 435	4.06 444	4.03 248	3.69 360	4.21 422	3.09 387	3.09 314	3.38 383	8.24 313	18.76 459	0.56 346	0.64 327	0.53 356	0.81 400	1.36 420	1.42 314

PVD	3.91 368	4.36 382	13.89 94	2.81 431	4.79 454	3.80 218	1.94 375	3.89 214	4.11 379	5.75 437	3.56 401	3.59 354	3.34 379	6.44 278	6.44 377	0.73 383	2.84 411	0.74 406	0.84 402	0.82 379	3.45 389

LSM	13.03 461	7.72 403	21.01 393	55.44 483	85.65 481	3.65 189	6.27 449	3.91 220	5.06 426	5.63 435	13.91 458	3.53 351	3.46 387	9.93 348	4.36 360	0.72 380	0.95 357	0.72 403	0.85 403	1.09 402	26.67 476

EDNetEfficientorigin	12.42 457	3.26 365	179.44 489	1.21 213	1.00 232	2.89 87	1.82 371	3.05 115	5.37 433	8.87 451	4.78 416	4.17 385	4.80 407	9.91 346	11.32 404	0.41 229	0.41 246	0.62 387	0.88 404	1.33 419	2.81 371

NCC-stereo	3.49 343	2.07 336	20.23 302	1.31 259	1.76 386	4.04 271	1.42 333	4.01 240	2.34 151	3.06 380	2.59 355	3.51 348	3.02 364	10.02 354	5.44 372	1.38 418	0.66 332	0.64 390	0.88 404	0.67 348	0.84 260

Abc-Net	3.49 343	2.07 336	20.23 302	1.31 259	1.76 386	4.04 271	1.42 333	4.01 240	2.34 151	3.06 380	2.59 355	3.51 348	3.02 364	10.02 354	5.44 372	1.38 418	0.66 332	0.64 390	0.88 404	0.67 348	0.84 260
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
MFMNet_re	3.44 336	8.89 405	19.36 223	3.25 439	1.91 397	3.13 103	1.99 379	3.60 165	4.16 383	3.17 390	2.86 376	2.25 231	2.41 332	2.61 185	2.35 304	1.13 409	1.06 364	0.94 413	0.91 407	1.29 417	1.57 325

AIO-Stereo-zeroshot	2.84 248	1.17 240	20.72 373	1.15 185	2.05 405	3.61 180	0.49 22	4.63 417	2.10 109	1.41 78	1.66 150	6.02 430	2.40 330	2.79 198	2.09 286	0.30 70	0.51 300	0.31 145	0.96 408	0.59 317	1.93 344

FBW_ROB	3.91 368	2.07 336	15.46 122	1.60 346	1.16 271	3.80 218	1.48 341	4.37 375	3.41 331	2.53 327	2.45 339	4.19 387	2.10 305	15.17 461	9.45 396	0.86 397	0.65 330	1.54 431	0.96 408	1.08 401	3.80 392

GCST	2.86 250	3.95 377	20.52 345	1.93 390	1.56 349	1.74 35	0.50 26	3.69 178	2.10 109	1.79 131	1.64 145	1.60 133	1.29 159	5.27 246	1.90 256	2.10 429	0.77 343	1.45 428	0.97 410	1.15 408	1.38 310

UDGNet	2.34 127	1.71 312	20.28 308	1.42 304	0.62 106	4.39 352	0.67 82	1.82 20	2.28 140	1.40 75	1.21 46	0.99 64	1.00 87	2.23 157	1.23 113	1.14 410	0.35 201	1.30 427	0.98 411	1.11 405	0.62 202

MADNet+	4.46 392	11.36 421	14.35 102	2.23 404	2.50 420	4.18 313	2.86 414	5.46 440	4.43 398	2.74 350	2.69 365	4.55 404	3.43 385	8.97 325	9.42 395	1.47 423	2.06 393	1.09 420	1.02 412	1.54 424	2.96 378

PASM	3.22 309	2.89 358	15.38 120	2.00 394	1.57 352	2.77 79	1.96 377	3.62 168	2.75 204	2.95 374	2.26 307	3.10 315	2.24 321	11.87 424	2.46 311	0.97 403	1.06 364	0.87 411	1.02 412	1.20 412	1.41 313

SPS-STEREO	5.18 412	10.36 416	21.09 406	1.74 374	1.72 382	3.24 116	2.26 395	3.92 221	4.12 380	5.06 433	3.66 403	5.43 424	3.33 378	9.56 335	12.34 413	1.17 412	1.17 370	1.07 418	1.03 414	1.17 410	10.25 438
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
EDNetEfficient	5.62 419	2.26 345	17.51 168	1.67 360	3.59 438	3.99 264	7.25 451	3.14 121	5.63 441	11.52 465	4.82 417	3.94 371	12.48 450	8.39 316	20.56 464	0.46 285	0.46 274	0.48 329	1.06 415	1.65 428	1.62 330

CC-Net-ROB	3.82 362	3.41 369	20.20 295	2.40 411	1.66 375	4.49 371	1.61 352	4.77 427	3.08 266	2.06 196	2.06 272	1.99 208	1.60 227	12.57 440	1.91 259	2.82 436	2.19 395	2.67 445	1.06 415	2.31 433	1.59 327

anonymity	2.02 69	1.28 263	5.16 39	1.73 372	1.63 364	1.86 37	1.06 274	3.50 156	2.42 163	2.19 237	2.11 279	1.88 187	3.89 393	1.92 121	1.56 183	1.11 408	1.14 368	1.08 419	1.11 417	1.05 396	2.68 367

SQANet	4.22 379	14.03 444	20.30 314	2.78 427	2.75 423	3.41 138	1.48 341	3.66 172	2.25 133	2.62 340	1.77 181	2.68 278	1.90 293	7.41 302	3.78 352	2.97 438	1.42 377	1.85 433	1.13 418	3.28 438	2.86 373

Consistency-Raft	2.93 260	1.93 329	19.72 247	1.41 297	1.75 384	3.85 228	1.32 319	4.09 271	2.75 204	1.82 135	2.66 361	1.81 176	4.34 403	2.29 164	2.08 283	0.90 399	0.94 356	1.03 416	1.13 418	1.71 429	1.10 293

SGM-ForestM	15.60 464	14.94 460	28.17 470	7.84 466	10.49 462	23.43 471	24.58 468	20.87 472	16.87 460	15.92 470	15.89 463	27.08 472	22.45 471	24.86 472	28.42 476	3.85 451	8.90 451	0.55 365	1.15 420	0.64 336	15.05 453

otaku	5.59 418	14.82 458	20.70 371	3.13 436	2.70 422	3.91 243	2.56 406	3.90 216	2.48 174	2.25 253	9.38 441	4.06 378	2.32 326	9.59 337	14.37 424	3.52 446	1.66 385	2.15 437	1.19 421	3.73 445	3.35 386

AIO-Stereo-zeroshot1	3.20 305	1.87 326	21.91 441	1.18 202	2.03 403	4.07 280	0.98 257	3.99 236	2.17 120	1.57 93	5.62 423	4.27 390	2.92 354	2.69 193	2.50 315	0.27 27	0.49 294	0.31 145	1.20 422	0.92 389	3.04 379

ADCMid	4.55 395	10.78 419	17.67 176	1.32 265	1.43 327	4.62 395	2.24 394	4.22 314	4.97 425	3.93 414	3.01 382	3.84 367	3.66 389	4.22 235	18.57 458	0.69 371	0.62 325	1.09 420	1.20 422	1.48 422	1.49 321

MSC_U_SF_DS_RVC	4.90 409	13.94 443	16.59 151	1.69 364	1.46 331	6.15 439	3.52 431	5.47 441	3.95 374	2.77 353	2.74 369	4.81 413	2.49 339	13.78 455	5.33 370	2.34 432	3.46 422	1.05 417	1.21 424	2.28 432	2.94 377

CREStereo++_RVC	1.98 59	0.59 25	19.94 268	0.87 51	0.55 73	4.02 268	0.31 2	1.75 17	2.09 107	1.65 104	2.20 299	0.85 43	0.65 19	1.03 4	0.72 10	0.29 46	0.16 2	0.23 9	1.22 425	0.25 7	0.22 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
ELAS_RVC	6.36 431	2.53 351	20.21 299	2.67 424	2.48 418	4.90 427	11.89 458	4.84 429	6.31 449	9.03 452	8.54 437	8.09 441	12.73 452	9.32 329	13.25 418	1.92 427	2.18 394	1.51 430	1.31 426	1.40 421	2.15 352
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	6.58 434	2.54 352	20.08 285	2.66 423	2.48 418	15.49 465	7.29 452	5.50 442	5.72 442	10.05 459	8.94 440	6.91 435	10.83 448	8.33 314	14.27 423	1.92 427	2.19 395	1.23 425	1.31 426	1.62 425	2.17 354
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Ntro	4.83 407	14.73 455	20.47 335	3.24 438	2.97 427	4.12 291	1.88 373	4.00 238	2.57 183	1.79 131	2.15 285	3.34 333	2.16 316	10.01 353	7.34 383	3.53 447	1.77 387	2.13 436	1.32 428	3.89 447	3.23 380

SGM+DAISY	13.18 462	14.36 450	24.65 465	8.10 467	13.49 465	22.47 470	25.54 470	12.13 459	17.08 463	14.77 467	15.82 462	12.17 450	13.97 458	12.65 441	18.22 455	8.40 468	9.18 456	1.23 425	1.33 429	1.23 415	16.81 469

MFN_U_SF_RVC	4.08 375	13.72 440	15.13 115	2.00 394	1.43 327	3.73 204	1.68 362	4.11 276	3.39 329	2.93 370	2.38 326	4.39 397	3.63 388	8.63 318	6.14 374	1.14 410	1.07 367	1.01 415	1.35 430	1.63 426	2.09 351

JetBlue	6.69 439	12.01 425	14.30 100	1.98 393	4.64 453	11.97 458	12.29 459	5.39 438	4.32 397	3.81 412	4.51 414	9.50 444	6.53 426	10.22 358	14.50 425	1.32 415	1.47 378	1.18 423	1.36 431	7.48 467	5.05 406

WAO-7	6.00 425	14.29 448	20.46 332	1.97 391	1.51 337	5.31 434	3.06 421	5.00 430	5.92 444	4.55 428	8.87 439	6.52 432	6.47 425	13.38 451	13.85 420	1.35 416	1.24 372	1.48 429	1.36 431	1.63 426	1.79 340

PWCK	6.49 433	13.40 431	20.27 307	2.95 432	1.61 359	5.68 438	7.63 454	5.37 437	4.77 419	3.90 413	7.48 427	7.96 439	5.63 414	15.15 460	10.93 400	3.21 441	1.55 382	2.34 438	1.43 433	6.05 460	2.45 363

BEATNet-Init1	51.93 483	71.67 485	99.39 486	10.91 473	13.10 463	84.39 487	59.36 481	73.78 485	67.97 482	88.09 486	88.15 486	91.73 487	97.51 487	85.13 489	72.56 488	2.59 433	5.18 432	1.20 424	1.49 434	10.61 471	13.83 444

ACVNet_2	6.09 426	15.28 463	21.36 429	3.30 440	3.17 433	4.50 372	3.00 417	4.70 421	3.96 375	3.52 404	5.34 420	7.79 438	2.95 355	12.40 431	13.76 419	3.28 442	2.23 397	2.70 446	1.70 435	3.52 440	3.24 381

AnonymousM	1.38 29	1.33 272	2.35 17	0.95 101	0.56 77	4.03 270	0.67 82	2.63 81	2.49 175	1.51 88	1.36 75	1.15 80	1.00 87	1.26 24	1.04 82	0.41 229	0.46 274	2.07 435	1.71 436	0.25 7	0.40 83

ADCPNet	4.25 382	4.04 378	21.95 443	1.33 269	1.31 306	6.34 442	2.63 408	4.07 259	3.23 291	2.81 361	2.21 302	4.27 390	6.08 420	6.01 261	11.73 410	0.67 369	1.17 370	0.71 400	1.71 436	0.87 385	1.82 341

RainbowNet	5.20 413	15.03 461	21.14 412	3.66 446	3.25 436	4.18 313	2.98 416	4.22 314	3.20 279	2.30 270	2.65 360	4.24 389	2.97 357	9.92 347	6.29 375	3.92 452	2.27 399	2.71 447	1.73 438	3.82 446	3.43 388

NVStereoNet_ROB	6.63 436	9.57 412	19.28 219	3.19 437	2.11 407	3.69 196	1.99 379	4.32 361	6.27 448	3.26 395	24.57 470	5.45 425	11.39 449	13.56 452	12.37 414	2.79 434	2.05 392	1.76 432	1.75 439	1.49 423	1.75 334
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ACVNet-4b	6.98 441	14.78 456	22.17 450	3.56 443	3.11 431	4.14 299	2.23 393	4.08 267	3.84 367	1.67 108	3.96 409	5.86 428	2.87 352	10.30 363	17.16 445	26.09 478	2.24 398	2.53 440	1.79 440	3.91 448	3.28 383

ACVNet_1	6.63 436	14.79 457	21.40 430	3.59 445	3.17 433	4.69 417	2.46 401	4.24 325	3.34 318	3.11 383	2.86 376	23.21 465	4.59 406	11.06 387	12.59 415	3.75 448	2.34 401	2.60 442	1.80 441	3.70 442	3.31 384

MFN_U_SF_DS_RVC	4.38 389	13.66 435	13.95 95	1.39 292	1.58 357	5.18 432	3.31 424	4.53 404	3.22 288	2.60 334	2.62 358	4.99 416	2.11 307	13.99 458	4.21 356	1.53 425	2.56 409	0.67 394	1.82 442	0.83 382	2.92 376

WAO-6	6.68 438	9.03 407	20.68 367	2.98 433	2.79 424	11.93 457	3.56 434	5.39 438	11.65 456	3.55 405	9.59 443	6.77 433	6.72 427	12.28 429	11.56 406	2.88 437	2.36 402	2.50 439	1.84 443	2.89 437	2.72 369

Dean	8.35 449	15.23 462	22.34 453	3.76 448	3.55 437	4.81 426	3.51 430	5.34 434	5.37 433	4.49 427	26.13 471	25.59 471	4.33 402	11.21 397	13.12 417	3.78 449	2.31 400	2.90 448	1.89 444	4.04 449	3.34 385

LVE	7.57 446	15.80 465	21.28 424	3.69 447	3.19 435	4.54 378	2.78 409	10.13 457	11.63 455	3.24 393	11.52 451	18.10 458	4.55 405	11.67 415	10.30 398	4.62 464	2.95 414	2.56 441	1.91 445	3.63 441	3.26 382

WAO-8	12.61 458	16.02 466	21.99 445	3.55 441	3.10 429	15.07 463	2.80 410	12.81 462	19.10 469	7.93 449	13.05 455	11.75 448	8.46 443	83.86 487	15.10 426	3.51 444	1.94 390	3.54 458	1.96 446	3.72 443	2.89 374

Venus	12.61 458	16.02 466	21.99 445	3.55 441	3.10 429	15.07 463	2.80 410	12.81 462	19.10 469	7.93 449	13.05 455	11.75 448	8.46 443	83.86 487	15.10 426	3.51 444	1.94 390	3.54 458	1.96 446	3.72 443	2.89 374

EAI-Stereo	4.89 408	0.69 75	7.74 55	0.99 125	1.63 364	4.68 412	51.52 480	5.79 446	3.37 321	3.64 407	7.24 425	1.10 74	0.95 81	2.51 176	1.71 221	0.33 125	0.31 172	0.28 89	2.04 448	0.28 29	0.92 273

DualNet (step1)	3.32 324	1.19 249	20.68 367	1.11 165	0.87 194	4.22 327	1.20 302	4.40 382	4.92 422	2.20 243	1.85 218	1.90 189	2.00 298	6.87 290	1.75 232	1.41 420	1.36 375	4.19 462	2.07 449	0.70 356	1.43 315

test_sample9	4.68 400	1.19 249	20.68 367	1.11 165	0.87 194	4.22 327	1.20 302	4.40 382	4.92 422	2.20 243	1.85 218	1.90 189	2.00 298	11.08 390	11.57 408	1.41 420	14.65 467	4.19 462	2.07 449	0.70 356	1.43 315

test_sample8	5.57 416	1.19 249	20.68 367	1.11 165	0.87 194	4.22 327	1.20 302	4.43 389	3.76 363	5.63 435	1.97 253	12.99 452	6.34 421	11.08 390	11.57 408	1.41 420	14.65 467	4.19 462	2.07 449	0.70 356	1.43 315

IMH-64-1	6.10 427	13.83 441	17.55 169	4.34 454	3.78 441	4.79 424	5.94 447	5.34 434	4.20 384	4.10 417	8.31 434	5.07 418	6.92 428	9.63 338	7.36 384	4.60 461	2.96 416	3.04 449	2.14 452	4.30 450	3.88 395

IMH-64	6.10 427	13.83 441	17.55 169	4.34 454	3.78 441	4.79 424	5.94 447	5.34 434	4.20 384	4.10 417	8.31 434	5.07 418	6.92 428	9.63 338	7.36 384	4.60 461	2.96 416	3.04 449	2.14 452	4.30 450	3.88 395

IMH	7.25 443	16.24 468	21.08 401	4.40 456	3.79 443	5.46 436	3.03 420	5.58 444	6.26 447	4.92 432	10.32 445	9.24 443	8.30 441	13.62 453	11.56 406	4.84 465	3.00 419	3.09 452	2.14 452	4.38 452	3.83 394

DDUNet	3.65 350	2.81 357	19.59 234	3.57 444	2.26 412	3.47 149	1.35 324	4.21 313	2.40 160	2.68 344	2.48 342	4.17 385	1.78 273	5.48 252	2.61 319	2.25 431	1.77 387	2.61 443	2.43 455	2.63 435	2.40 360

TorneroNet-64	10.52 452	14.33 449	21.95 443	4.29 453	3.76 440	13.77 462	2.83 413	14.96 468	23.11 472	10.24 461	23.77 469	13.44 453	8.15 440	13.98 457	17.70 451	4.03 454	2.73 410	3.23 454	2.53 456	7.27 466	4.35 402

UDG	3.84 364	2.91 359	20.05 279	2.98 433	1.98 400	3.95 256	1.18 298	4.43 389	2.24 130	2.47 319	2.53 350	4.49 400	2.44 335	6.52 279	4.74 366	2.14 430	1.77 387	2.64 444	2.58 457	2.66 436	2.19 356

ktn	22.24 472	14.37 451	20.30 314	4.54 459	4.02 447	6.52 443	4.50 445	6.78 450	78.80 485	84.67 485	100.54 487	58.48 482	8.39 442	13.13 446	17.09 440	4.61 463	3.24 421	3.49 456	2.62 458	4.70 456	3.96 397

TorneroNet	26.32 474	14.70 454	22.40 455	4.24 451	4.08 448	54.72 482	3.19 422	15.11 469	76.73 484	57.99 480	82.55 485	86.65 486	45.79 481	13.34 450	18.51 456	4.52 459	2.86 412	3.45 455	2.63 459	8.75 470	4.28 400

notaker	10.92 455	14.17 446	20.38 323	4.56 460	3.98 446	6.29 441	3.53 432	7.68 452	5.10 427	9.04 453	46.37 477	13.84 456	28.85 472	14.18 459	14.16 422	4.57 460	3.19 420	3.52 457	2.70 460	8.16 468	4.13 399

DispFullNet	4.71 403	3.93 375	23.92 463	4.00 449	3.01 428	3.38 132	1.31 318	4.23 319	3.26 295	6.31 442	2.92 378	4.03 376	7.80 435	3.93 227	5.15 369	2.80 435	1.61 383	3.11 453	2.70 460	3.32 439	3.38 387

KSHMR	17.50 467	14.38 452	22.35 454	4.50 458	4.51 451	8.17 451	3.33 425	15.44 470	76.15 483	7.32 445	61.40 481	56.33 481	5.66 416	32.91 475	13.97 421	4.42 456	2.99 418	3.64 461	2.79 462	5.13 458	4.55 404

UNDER WATER	11.28 456	13.60 434	22.90 459	5.11 462	4.53 452	7.75 450	3.75 438	12.50 460	21.62 471	7.80 448	10.68 446	23.75 467	35.20 473	11.54 410	17.40 447	4.46 457	2.95 414	4.23 465	2.90 463	6.57 462	6.27 415

UNDER WATER-64	10.08 451	14.27 447	22.85 458	5.26 463	4.88 455	11.00 456	4.57 446	11.41 458	17.25 464	7.68 446	9.72 444	15.96 457	21.47 470	11.12 393	16.63 435	4.38 455	2.88 413	4.41 466	2.95 464	7.12 465	5.81 412

JetRed	10.68 454	26.07 475	35.62 471	4.40 456	4.16 450	15.72 466	13.07 460	14.57 467	5.83 443	5.85 438	5.55 422	10.12 445	7.37 433	8.86 321	25.99 471	3.33 443	3.82 425	3.59 460	2.98 465	8.51 469	8.22 426

MANE	15.29 463	13.67 436	23.58 462	10.15 471	13.37 464	23.58 472	23.86 467	27.83 474	26.26 473	12.02 466	15.10 459	19.83 460	18.01 464	15.68 462	20.35 463	8.58 469	9.20 457	3.05 451	4.19 466	0.82 379	16.69 465

DGSMNet	8.13 448	2.31 348	18.62 191	2.77 426	13.96 466	6.91 447	42.17 479	4.16 294	2.53 179	2.25 253	3.21 392	3.41 336	1.69 258	9.19 328	3.03 335	3.79 450	10.31 460	11.70 476	5.68 467	4.38 452	10.58 439

MADNet++	8.64 450	6.17 392	13.88 93	6.61 464	5.25 456	10.15 454	14.20 461	5.89 448	8.25 451	7.14 444	8.18 431	6.41 431	9.84 447	11.71 420	16.73 436	9.65 470	5.03 431	8.63 470	5.68 467	4.83 457	8.57 431

PML	64.55 485	56.00 484	20.79 377	8.10 467	32.82 474	147.60 488	247.57 490	12.71 461	45.39 480	111.32 487	288.85 490	101.42 488	100.62 488	31.63 474	15.84 430	13.96 474	4.84 428	10.95 473	6.18 469	28.99 475	5.33 408

tt	7.29 444	0.58 17	7.34 52	4.04 450	2.30 416	12.04 459	20.18 466	15.60 471	7.41 450	3.46 401	3.36 397	5.36 422	6.39 424	4.27 236	7.46 387	9.80 471	11.53 465	7.04 469	7.45 470	6.31 461	3.81 393

DGTPSM_ROB	16.67 465	21.79 473	40.19 475	10.00 470	19.05 468	12.43 460	33.20 473	13.71 464	18.09 467	9.71 456	22.85 467	13.77 454	19.64 465	21.23 464	24.07 465	5.09 466	8.95 452	5.62 467	11.49 471	6.73 463	15.75 462

DPSM_ROB	20.83 470	20.01 471	26.54 468	23.64 475	22.42 470	31.06 474	39.94 477	34.02 476	17.42 465	15.35 468	16.05 464	24.04 468	20.69 468	23.28 470	27.60 473	10.77 472	9.41 458	11.68 474	11.50 472	14.48 473	16.71 466

DPSM	20.83 470	20.01 471	26.54 468	23.64 475	22.42 470	31.06 474	39.94 477	34.02 476	17.42 465	15.35 468	16.05 464	24.04 468	20.69 468	23.28 470	27.60 473	10.77 472	9.41 458	11.68 474	11.50 472	14.48 473	16.71 466

DPSMNet_ROB	16.76 466	21.81 474	40.95 476	10.20 472	19.08 469	12.43 460	33.21 474	13.73 465	18.21 468	9.76 457	22.88 468	13.78 455	19.64 465	21.39 465	24.21 466	5.20 467	8.97 453	5.63 468	11.51 474	6.80 464	15.82 463

Anonymous_2	4.03 374	0.99 214	11.19 74	1.20 208	1.71 380	3.68 195	0.93 242	3.76 190	1.63 56	2.07 202	1.43 89	4.76 412	2.34 327	1.86 118	1.78 235	0.82 395	2.42 405	8.69 471	16.64 475	4.38 452	8.29 427

LSM0	49.69 482	40.02 477	53.50 484	97.07 484	129.56 484	62.65 485	79.82 485	68.02 482	35.12 476	33.72 474	33.34 475	48.41 480	41.54 477	46.57 483	55.40 483	21.63 477	19.16 476	23.60 479	23.13 476	29.46 478	52.08 485

Selective-RAFT-Error	41.88 477	40.10 478	53.23 482	47.74 482	45.20 479	62.42 483	80.58 486	68.27 483	34.95 475	30.85 473	32.30 473	48.08 478	42.07 479	46.54 482	54.92 482	21.60 476	19.12 475	23.46 477	23.15 477	29.14 476	33.95 479

CasAABBNet	41.89 478	40.14 479	53.33 483	47.71 481	45.10 478	62.42 483	80.65 487	68.29 484	34.85 474	30.67 472	32.34 474	48.22 479	41.76 478	46.61 484	55.60 484	21.59 475	18.89 474	23.46 477	23.21 478	29.17 477	33.75 478

LRCNet_RVC	25.63 473	33.47 476	24.35 464	31.77 477	32.74 473	6.73 445	1.19 299	25.87 473	4.67 413	28.95 471	30.91 472	24.89 470	17.54 462	27.82 473	24.57 468	35.48 479	25.62 481	35.91 480	33.80 479	31.95 480	34.38 480

AVERAGE_ROB	44.46 480	45.87 481	46.48 478	40.54 480	38.62 476	32.95 477	30.49 471	46.80 480	43.31 479	49.57 477	48.93 479	44.57 476	39.87 474	45.01 481	43.89 479	48.70 482	50.65 483	50.80 481	49.79 480	45.54 482	46.89 483

HaxPig	43.31 479	43.63 480	45.01 477	33.88 478	35.67 475	32.79 476	30.52 472	45.50 479	42.95 478	48.75 476	48.14 478	43.24 474	40.44 475	44.58 480	43.63 478	47.17 481	49.30 482	51.65 482	50.37 481	43.72 481	45.27 482

MEDIAN_ROB	47.37 481	49.00 482	49.74 480	40.28 479	39.94 477	34.93 478	33.41 475	49.78 481	46.38 481	53.04 479	52.61 480	47.67 477	42.28 480	48.33 485	47.25 480	52.06 483	53.99 484	54.28 483	53.48 482	48.70 483	50.27 484

U	12.87 460	0.43 1	2.54 19	0.68 10	58.93 480	63.36 486	0.33 4	1.95 27	1.08 1	0.62 1	0.83 12	0.46 1	0.57 6	0.91 2	0.50 2	0.31 86	0.17 3	63.34 484	59.81 483	0.30 59	0.26 7

DPSimNet_ROB	143.68 489	156.64 489	170.66 488	162.59 485	135.40 485	195.13 489	174.01 488	141.76 489	167.78 490	174.58 489	138.78 488	186.01 489	183.75 489	82.32 486	97.85 489	151.24 488	102.48 486	131.25 486	82.78 484	115.21 485	123.37 486

HanzoNet	31.86 476	17.33 469	21.23 421	7.52 465	5.85 459	7.49 449	3.61 437	14.35 466	13.37 457	50.38 478	46.35 476	44.46 475	56.50 483	36.53 479	28.25 475	64.05 484	58.31 485	9.45 472	89.24 485	31.17 479	31.77 477

Anonymous_1	57.77 484	19.65 470	26.12 467	23.12 474	141.97 486	30.79 473	39.72 476	34.10 478	16.98 461	70.09 484	15.64 461	23.44 466	19.73 467	23.03 469	27.21 472	164.70 489	9.02 454	130.41 485	137.42 486	161.21 489	41.01 481

test_example2	213.42 490	219.67 490	222.97 490	213.78 487	220.82 490	199.03 490	200.49 489	189.27 490	143.61 489	211.05 490	218.08 489	210.69 490	205.21 490	221.14 490	216.49 490	236.74 490	242.08 490	213.66 487	216.96 487	235.55 490	231.06 490

xxxxx1	112.85 486	94.19 486	38.10 472	228.21 488	161.02 487	39.23 479	61.26 482	92.54 486	79.08 486	63.44 481	74.84 482	77.80 483	69.88 484	33.55 476	70.96 485	117.25 485	130.44 487	258.49 488	273.88 488	145.63 486	147.24 487

tt_ll	112.85 486	94.19 486	38.10 472	228.21 488	161.02 487	39.23 479	61.26 482	92.54 486	79.08 486	63.44 481	74.84 482	77.80 483	69.88 484	33.55 476	70.96 485	117.25 485	130.44 487	258.49 488	273.88 488	145.63 486	147.24 487

ff	112.85 486	94.19 486	38.10 472	228.21 488	161.02 487	39.23 479	61.26 482	92.54 486	79.08 486	63.44 481	74.84 482	77.80 483	69.88 484	33.55 476	70.96 485	117.25 485	130.44 487	258.49 488	273.88 488	145.63 486	147.24 487

Low-res two-view benchmark