Low-res two-view results

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

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

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

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

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

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

IGEV-Stereo+	0.23 2	0.14 2	0.26 8	0.32 10	0.19 13	0.12 1	0.17 1	0.29 1	0.29 6	0.21 1	0.15 1	0.22 2	0.22 14	0.40 27	0.22 1	0.14 41	0.10 12	0.12 2	0.09 8	0.15 100	0.86 439

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

test_4	0.36 93	0.18 45	0.31 19	0.44 249	0.25 140	0.20 2	0.34 149	0.56 56	0.41 59	0.59 105	1.45 387	0.43 77	0.25 25	0.63 186	0.28 68	0.12 4	0.10 12	0.17 109	0.19 248	0.15 100	0.11 15

CroCo-Stereo	0.26 11	0.22 154	0.36 48	0.48 305	0.22 55	0.20 2	0.29 81	0.51 37	0.44 70	0.28 10	0.23 3	0.42 70	0.26 35	0.29 3	0.26 44	0.15 93	0.13 178	0.13 15	0.11 26	0.16 133	0.12 47
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
IGEV-Stereo++	0.21 1	0.15 7	0.27 10	0.37 64	0.19 13	0.22 5	0.18 2	0.42 10	0.35 28	0.22 2	0.28 12	0.24 3	0.18 2	0.27 2	0.22 1	0.12 4	0.09 3	0.12 2	0.10 16	0.12 11	0.10 3

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

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

DLNR_Zeroshot_test	20.09 477	36.28 484	38.04 481	169.85 489	61.80 485	0.23 7	0.20 3	13.88 476	0.37 44	0.44 65	0.66 112	0.43 77	0.21 10	0.62 176	0.28 68	5.46 474	0.10 12	0.15 60	0.11 26	72.60 488	0.11 15

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

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

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

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

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

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

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

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

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

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

SST-Stereo	0.40 150	0.19 67	0.45 157	0.42 212	0.25 140	0.25 19	0.21 8	0.66 116	0.47 85	1.08 375	0.79 167	0.72 228	0.43 157	0.77 277	0.35 147	0.16 134	0.11 69	0.20 215	0.16 149	0.19 218	0.15 135

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

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

CASnet	0.30 39	0.20 92	0.33 28	0.41 174	0.16 3	0.26 21	0.24 37	0.52 44	0.53 99	0.52 88	0.54 77	0.39 50	0.24 22	0.40 27	0.26 44	0.14 41	0.10 12	0.22 269	0.18 220	0.18 184	0.11 15
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.27 14	0.17 28	0.31 19	0.34 17	0.45 381	0.26 21	0.28 73	0.37 2	0.32 15	0.30 17	0.46 44	0.31 16	0.37 124	0.36 14	0.24 14	0.14 41	0.10 12	0.15 60	0.12 46	0.13 28	0.11 15

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CREStereo++_RVC	0.32 48	0.15 7	0.23 1	0.31 7	0.24 114	0.27 31	0.22 14	0.46 22	0.88 264	0.46 72	0.80 170	0.30 10	0.26 35	0.36 14	0.33 116	0.13 17	0.09 3	0.13 15	0.51 430	0.13 28	0.09 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
AFF-stereo	0.38 124	0.19 67	0.39 87	0.37 64	0.21 40	0.27 31	0.31 116	0.65 107	0.66 146	0.64 135	1.13 323	0.76 253	0.39 138	0.55 103	0.33 116	0.11 1	0.09 3	0.16 83	0.16 149	0.13 28	0.11 15

AIO-Stereo-zeroshot1	0.48 225	0.21 125	1.26 412	0.39 116	0.51 397	0.28 44	0.30 95	1.25 379	0.44 70	0.68 164	1.11 314	0.86 285	0.33 97	0.67 222	0.27 56	0.15 93	0.11 69	0.17 109	0.20 272	0.22 276	0.24 310

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

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

CAS++	0.32 48	0.24 210	0.36 48	0.37 64	0.26 177	0.28 44	0.23 25	0.87 227	0.50 91	0.47 75	0.45 39	0.26 6	0.21 10	0.49 75	0.24 14	0.23 300	0.19 313	0.22 269	0.17 196	0.21 255	0.16 177
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MIF-Stereo (partial)	0.31 42	0.18 45	0.37 61	0.41 174	0.31 287	0.28 44	0.23 25	0.47 23	0.42 64	0.31 18	0.63 101	0.36 43	0.35 107	0.57 123	0.31 94	0.17 168	0.13 178	0.19 187	0.17 196	0.18 184	0.14 114

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

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

AnonymousM	0.41 161	0.81 421	0.29 14	0.34 17	0.22 55	0.28 44	0.38 224	0.53 53	0.41 59	0.70 178	0.49 55	0.47 95	0.27 42	0.41 32	0.31 94	0.15 93	0.12 119	1.51 444	0.26 357	0.12 11	0.10 3

IGEV-BASED-STEREO-	0.56 303	3.08 470	2.43 446	0.31 7	0.18 8	0.29 52	0.20 3	0.37 2	0.32 15	0.28 10	0.24 6	0.18 1	0.18 2	0.31 5	0.22 1	1.09 447	0.08 1	0.17 109	0.16 149	0.14 63	0.97 448

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

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

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

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

AAGNet	1.43 429	0.20 92	0.48 205	0.44 249	0.25 140	0.29 52	0.31 116	0.65 107	0.68 153	0.97 336	0.86 204	0.67 206	0.62 262	0.64 197	20.63 475	0.16 134	0.11 69	0.19 187	0.15 119	0.19 218	0.12 47

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

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

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

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

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

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

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

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

IGEV-Stereo	0.29 26	0.21 125	0.38 70	0.37 64	0.25 140	0.30 60	0.35 170	0.63 95	0.35 28	0.39 46	0.33 19	0.33 27	0.28 54	0.59 156	0.25 21	0.14 41	0.10 12	0.17 109	0.12 46	0.14 63	0.15 135
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
PSM-softLoss	0.38 124	0.20 92	0.48 205	0.41 174	0.26 177	0.30 60	0.35 170	0.69 144	0.46 81	0.62 117	0.82 181	0.59 155	0.33 97	0.70 240	0.39 192	0.19 226	0.12 119	0.20 215	0.18 220	0.16 133	0.22 298

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

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

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

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

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

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

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

RCA-Stereo	0.35 75	0.17 28	0.34 38	0.38 89	0.22 55	0.31 72	0.34 149	0.68 136	1.24 387	0.45 67	0.65 107	0.47 95	0.43 157	0.38 22	0.27 56	0.13 17	0.10 12	0.14 25	0.11 26	0.11 1	0.11 15

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

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

iRaft-Stereo_20w	0.39 139	0.19 67	0.57 273	0.37 64	0.27 204	0.31 72	0.24 37	1.44 413	0.29 6	0.69 172	0.53 75	0.60 161	0.42 151	0.83 300	0.27 56	0.14 41	0.11 69	0.14 25	0.13 71	0.15 100	0.13 75

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

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

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

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

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

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

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

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

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

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

LoS	0.29 26	0.15 7	0.30 17	0.29 3	0.18 8	0.33 86	0.29 81	0.51 37	0.72 169	0.34 25	0.52 73	0.41 63	0.28 54	0.47 65	0.28 68	0.15 93	0.11 69	0.13 15	0.09 8	0.11 1	0.11 15
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
HHNet	0.41 161	0.17 28	0.41 103	0.34 17	0.37 334	0.33 86	0.34 149	0.69 144	0.75 185	0.86 278	1.30 361	0.52 113	0.32 87	0.52 89	0.35 147	0.15 93	0.11 69	0.19 187	0.15 119	0.15 100	0.24 310

RAFT-345	0.40 150	0.18 45	0.40 95	0.38 89	0.22 55	0.33 86	0.26 52	0.61 83	0.51 93	0.74 208	1.79 410	0.45 84	0.33 97	0.66 212	0.36 163	0.14 41	0.11 69	0.18 148	0.14 96	0.13 28	0.13 75

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

UGAM-zero	0.46 201	0.19 67	0.62 288	0.37 64	0.23 89	0.34 93	0.21 8	1.15 334	0.39 54	0.66 156	0.61 98	1.70 417	0.91 369	0.75 266	0.25 21	0.14 41	0.11 69	0.15 60	0.12 46	0.13 28	0.13 75

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

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

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

RAFT_CTSACE	0.45 194	0.20 92	0.44 145	0.45 271	0.27 204	0.34 93	0.39 246	0.60 77	0.73 176	0.76 217	1.44 384	0.83 274	0.38 127	1.08 371	0.26 44	0.12 4	0.13 178	0.18 148	0.16 149	0.15 100	0.11 15

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

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

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

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

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

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

EGLCR-Stereo	0.25 6	0.16 16	0.33 28	0.34 17	0.20 28	0.35 101	0.20 3	0.52 44	0.36 34	0.28 10	0.27 9	0.41 63	0.18 2	0.45 50	0.26 44	0.14 41	0.10 12	0.16 83	0.14 96	0.13 28	0.11 15

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

ASMatch	0.48 225	0.19 67	0.45 157	0.39 116	0.28 226	0.37 111	0.26 52	0.74 178	0.68 153	0.76 217	2.34 425	0.61 166	0.52 204	0.62 176	0.37 178	0.14 41	0.12 119	0.17 109	0.15 119	0.14 63	0.21 283

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

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

CREStereo	0.28 19	0.15 7	0.24 4	0.27 1	0.17 4	0.37 111	0.25 44	0.51 37	0.72 169	0.42 59	0.51 65	0.32 18	0.26 35	0.38 22	0.25 21	0.16 134	0.11 69	0.12 2	0.08 1	0.12 11	0.11 15
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
StereoVision	0.42 168	0.28 282	0.45 157	0.49 320	0.28 226	0.38 124	0.38 224	0.72 168	0.62 120	0.44 65	1.14 326	0.54 121	0.39 138	0.56 112	0.34 130	0.21 263	0.24 356	0.25 316	0.24 337	0.26 320	0.16 177

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

SPstereo	0.28 19	0.19 67	0.40 95	0.38 89	0.19 13	0.38 124	0.23 25	0.57 59	0.41 59	0.45 67	0.49 55	0.39 50	0.27 42	0.33 9	0.23 10	0.14 41	0.12 119	0.14 25	0.11 26	0.12 11	0.11 15

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

rvit_0105_6	0.38 124	0.28 282	0.64 302	0.50 334	0.30 266	0.39 128	0.38 224	0.51 37	0.67 148	0.40 51	0.45 39	0.50 106	0.41 149	0.54 99	0.36 163	0.27 339	0.26 370	0.24 303	0.21 293	0.22 276	0.16 177

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

test_for_model	0.82 369	3.60 471	0.39 87	2.35 459	2.07 459	0.39 128	0.28 73	0.42 10	0.45 77	0.71 184	0.31 17	0.30 10	0.27 42	0.34 10	0.25 21	0.34 389	0.11 69	0.13 15	0.09 8	3.49 470	0.18 211

LL-Strereo	0.57 309	0.27 268	0.68 320	0.48 305	0.34 321	0.39 128	0.48 309	0.94 251	0.97 311	0.83 264	0.78 158	1.10 353	1.18 405	1.33 401	0.49 257	0.17 168	0.14 206	0.22 269	0.19 248	0.16 133	0.17 195

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

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

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

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

CrosDoStereo	0.50 257	0.18 45	0.45 157	0.38 89	0.24 114	0.40 132	1.18 432	0.67 126	0.86 251	0.94 324	1.37 370	0.63 174	0.77 336	0.65 204	0.45 234	0.15 93	0.12 119	0.17 109	0.18 220	0.14 63	0.14 114

FTStereo	0.56 303	0.20 92	0.37 61	0.41 174	0.25 140	0.40 132	0.79 402	0.66 116	0.43 66	1.09 377	3.27 445	0.70 215	0.73 325	0.55 103	0.33 116	0.14 41	0.13 178	0.19 187	0.17 196	0.15 100	0.30 351

DeepStereo_LL	0.50 257	0.18 45	0.45 157	0.38 89	0.24 114	0.40 132	1.18 432	0.67 126	0.86 251	0.94 324	1.37 370	0.63 174	0.77 336	0.65 204	0.45 234	0.15 93	0.12 119	0.17 109	0.18 220	0.14 63	0.14 114

Prome-Stereo	0.46 201	0.19 67	0.35 43	0.44 249	0.26 177	0.40 132	0.45 291	0.68 136	0.44 70	0.96 332	1.84 412	0.59 155	0.67 292	0.61 169	0.32 104	0.14 41	0.11 69	0.16 83	0.14 96	0.16 133	0.29 344

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

sAnonymous2	0.40 150	0.39 353	0.85 368	0.48 305	0.37 334	0.40 132	0.46 294	0.57 59	0.52 96	0.38 38	0.46 44	0.35 37	0.42 151	0.43 40	0.30 87	0.19 226	0.14 206	0.18 148	0.17 196	0.57 423	0.44 406

CroCo_RVC	0.40 150	0.39 353	0.85 368	0.48 305	0.37 334	0.40 132	0.46 294	0.57 59	0.52 96	0.38 38	0.46 44	0.35 37	0.42 151	0.43 40	0.30 87	0.19 226	0.14 206	0.18 148	0.17 196	0.57 423	0.44 406

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

RAFT-Stereo	0.39 139	0.18 45	0.42 123	0.42 212	0.26 177	0.40 132	0.32 133	0.72 168	0.34 19	0.89 297	1.28 357	0.57 132	0.35 107	0.42 36	0.32 104	0.15 93	0.12 119	0.14 25	0.12 46	0.14 63	0.13 75
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
rvit_0105_4	0.41 161	0.29 293	0.71 334	0.50 334	0.29 252	0.41 145	0.41 269	0.55 54	0.73 176	0.45 67	0.48 52	0.55 124	0.44 166	0.57 123	0.36 163	0.28 347	0.26 370	0.25 316	0.22 310	0.23 293	0.18 211

UGAM	0.52 273	0.22 154	0.46 174	0.45 271	0.25 140	0.41 145	0.52 335	0.62 89	1.16 373	0.76 217	1.13 323	1.32 382	0.57 231	1.00 355	0.53 278	0.17 168	0.14 206	0.25 316	0.21 293	0.15 100	0.13 75

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

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

UDGNet	0.48 225	0.77 418	0.50 229	0.48 305	0.31 287	0.41 145	0.34 149	0.70 158	0.92 289	0.65 144	0.60 95	0.58 140	0.43 157	0.63 186	0.41 201	0.32 375	0.15 235	0.66 430	0.19 248	0.36 374	0.21 283

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

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

DCRE	0.37 109	0.18 45	0.46 174	0.45 271	0.32 303	0.42 152	0.37 203	0.63 95	0.51 93	0.47 75	0.94 237	0.56 127	0.36 121	0.52 89	0.32 104	0.14 41	0.13 178	0.15 60	0.14 96	0.14 63	0.13 75

GMStereo	0.39 139	0.37 339	0.54 258	0.40 146	0.26 177	0.42 152	0.36 190	0.59 67	1.04 342	0.55 97	0.51 65	0.37 45	0.35 107	0.54 99	0.41 201	0.19 226	0.13 178	0.16 83	0.17 196	0.24 306	0.18 211
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
WCG-NET	0.29 26	0.15 7	0.36 48	0.36 49	0.23 89	0.43 154	0.23 25	0.48 25	0.46 81	0.40 51	0.47 49	0.46 91	0.28 54	0.55 103	0.25 21	0.15 93	0.11 69	0.13 15	0.12 46	0.13 28	0.12 47

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

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

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

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

PFNet	0.42 168	0.18 45	0.58 277	0.43 231	0.24 114	0.43 154	0.32 133	0.74 178	0.78 207	1.00 348	0.74 137	0.68 207	0.39 138	0.72 250	0.37 178	0.16 134	0.10 12	0.20 215	0.15 119	0.16 133	0.13 75

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

testlalala2	0.36 93	0.18 45	0.45 157	0.89 429	0.53 402	0.44 160	0.26 52	0.61 83	0.49 87	0.68 164	0.56 85	0.44 82	0.24 22	0.34 10	0.31 94	0.15 93	0.12 119	0.14 25	0.10 16	0.13 28	0.13 75

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

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

KYRaft	0.48 225	0.20 92	0.38 70	0.44 249	0.23 89	0.44 160	0.37 203	0.66 116	0.41 59	0.94 324	1.73 406	0.79 262	0.41 149	0.63 186	0.31 94	0.16 134	0.11 69	0.18 148	0.22 310	0.16 133	0.78 434

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

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

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

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

raft+_RVC	0.38 124	0.19 67	0.35 43	0.37 64	0.25 140	0.45 167	0.37 203	0.78 199	0.89 277	0.51 83	0.78 158	0.50 106	0.29 67	0.53 96	0.40 198	0.15 93	0.12 119	0.17 109	0.15 119	0.14 63	0.12 47

PMTNet	0.32 48	0.16 16	0.24 4	0.29 3	0.18 8	0.45 167	0.22 14	0.56 56	0.63 131	0.46 72	0.54 77	0.39 50	0.34 104	0.48 72	0.24 14	0.75 435	0.10 12	0.12 2	0.08 1	0.12 11	0.11 15

CAS	0.34 61	0.13 1	0.25 7	1.28 442	0.30 266	0.46 171	0.38 224	0.48 25	0.47 85	0.34 25	0.52 73	0.24 3	0.19 5	0.29 3	0.27 56	0.69 433	0.08 1	0.12 2	0.08 1	0.12 11	0.15 135

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

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

LCNet	0.41 161	0.20 92	0.32 24	0.44 249	0.24 114	0.47 173	0.29 81	0.67 126	0.53 99	0.72 196	1.03 285	0.66 199	0.60 251	0.58 141	0.34 130	0.14 41	0.10 12	0.19 187	0.19 248	0.21 255	0.36 380

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

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

anonymousdsp2	0.35 75	0.20 92	0.43 133	0.37 64	0.24 114	0.48 175	0.31 116	0.86 220	0.65 143	0.55 97	0.50 58	0.50 106	0.34 104	0.56 112	0.31 94	0.14 41	0.10 12	0.14 25	0.10 16	0.16 133	0.14 114

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

rvit_0105_3	0.47 214	0.34 322	0.77 361	0.54 372	0.31 287	0.49 179	0.47 301	0.63 95	0.79 215	0.65 144	0.59 93	0.64 181	0.50 198	0.65 204	0.39 192	0.29 354	0.27 376	0.29 360	0.28 368	0.21 255	0.20 265

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

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

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

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

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

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

DCVSM-stereo	0.49 242	0.27 268	0.53 254	0.39 116	0.29 252	0.51 186	0.26 52	0.75 184	0.75 185	1.11 381	0.75 139	1.05 341	0.72 323	0.60 162	0.47 251	0.20 249	0.19 313	0.24 303	0.20 272	0.25 314	0.30 351

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

GMM-Stereo	0.44 184	0.19 67	0.36 48	0.42 212	0.25 140	0.51 186	0.47 301	0.71 164	0.53 99	0.76 217	1.37 370	0.76 253	0.38 127	0.60 162	0.33 116	0.15 93	0.10 12	0.20 215	0.19 248	0.16 133	0.27 331

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

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

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

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

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

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

111	0.40 150	0.17 28	0.41 103	0.34 17	0.19 13	0.52 190	0.28 73	0.74 178	1.16 373	0.50 81	0.91 229	0.63 174	0.48 184	0.61 169	0.35 147	0.14 41	0.10 12	0.14 25	0.12 46	0.13 28	0.13 75

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

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

GrayStereo	0.49 242	0.19 67	0.42 123	0.46 291	0.28 226	0.53 196	0.67 373	0.69 144	0.63 131	1.02 355	1.47 390	0.78 260	0.76 332	0.56 112	0.33 116	0.14 41	0.12 119	0.17 109	0.17 196	0.15 100	0.29 344

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

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

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

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

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

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

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

xx1	0.39 139	0.23 174	0.33 28	0.41 174	0.22 55	0.55 205	0.38 224	0.67 126	1.06 353	0.41 54	0.50 58	0.65 194	0.53 207	0.57 123	0.25 21	0.16 134	0.10 12	0.20 215	0.19 248	0.18 184	0.17 195

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

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

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

ff1	0.49 242	0.26 251	0.49 216	0.37 64	0.25 140	0.55 205	0.37 203	0.68 136	1.04 342	0.73 203	0.96 249	0.71 219	0.53 207	1.01 356	0.88 358	0.16 134	0.10 12	0.25 316	0.21 293	0.16 133	0.16 177

mmx	0.53 279	0.26 251	0.49 216	0.37 64	0.25 140	0.55 205	0.37 203	1.16 340	1.03 338	0.73 203	0.96 249	0.71 219	0.53 207	1.01 356	0.88 358	0.20 249	0.15 235	0.25 316	0.21 293	0.22 276	0.20 265

xxx	0.53 279	0.26 251	0.49 216	0.37 64	0.25 140	0.55 205	0.37 203	1.16 340	1.03 338	0.73 203	0.96 249	0.71 219	0.53 207	1.01 356	0.88 358	0.20 249	0.15 235	0.25 316	0.21 293	0.22 276	0.20 265

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

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

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

FENet	0.42 168	0.22 154	0.38 70	0.39 116	0.24 114	0.55 205	0.32 133	0.79 202	0.70 158	0.71 184	0.72 124	0.63 174	0.57 231	0.62 176	0.44 226	0.19 226	0.13 178	0.19 187	0.17 196	0.18 184	0.19 243

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

ITSA-stereo	0.53 279	0.28 282	0.52 246	0.40 146	0.23 89	0.56 218	0.34 149	1.24 375	1.24 387	0.80 232	0.81 177	0.72 228	0.58 240	0.82 292	0.65 308	0.21 263	0.17 283	0.23 288	0.21 293	0.22 276	0.26 322

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

PSM-AAD	0.48 225	0.20 92	0.37 61	0.43 231	0.23 89	0.56 218	0.50 318	0.65 107	0.70 158	1.07 372	1.12 317	0.58 140	0.92 373	0.61 169	0.32 104	0.15 93	0.11 69	0.25 316	0.26 357	0.18 184	0.43 405

aanetorigin	0.83 375	0.56 399	1.87 438	0.49 320	0.38 343	0.56 218	0.66 371	0.70 158	1.00 326	2.42 443	2.02 419	1.31 377	1.18 405	0.93 342	1.13 401	0.20 249	0.18 299	0.20 215	0.19 248	0.27 330	0.30 351

FADNet_RVC	0.55 292	0.37 339	1.17 403	0.44 249	0.31 287	0.56 218	0.34 149	1.06 298	0.88 264	0.67 158	0.90 226	0.61 166	0.65 284	0.93 342	0.70 321	0.21 263	0.18 299	0.26 332	0.23 323	0.31 350	0.28 338

RAFT-RH_RVC	0.56 303	0.17 28	0.41 103	0.37 64	0.23 89	0.57 223	0.24 37	0.60 77	0.70 158	1.19 389	3.94 456	0.56 127	0.38 127	0.65 204	0.36 163	0.13 17	0.11 69	0.20 215	0.14 96	0.12 11	0.13 75

AANet_RVC	0.57 309	0.32 309	0.54 258	0.45 271	0.27 204	0.57 223	0.48 309	1.00 273	1.28 396	0.86 278	1.33 365	0.87 291	0.58 240	1.07 369	0.75 332	0.18 197	0.12 119	0.15 60	0.13 71	0.18 184	0.18 211

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

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

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

testlalala_base	0.46 201	0.25 232	0.41 103	0.46 291	0.33 313	0.58 225	0.25 44	0.57 59	0.34 19	0.51 83	0.56 85	0.46 91	0.30 78	0.43 40	0.31 94	1.47 455	0.11 69	0.14 25	0.09 8	1.59 444	0.13 75

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

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

DRaft	0.49 242	0.17 28	0.47 186	0.37 64	0.25 140	0.58 225	0.40 255	0.65 107	0.85 246	1.02 355	1.75 409	0.50 106	0.82 351	0.63 186	0.40 198	0.13 17	0.11 69	0.16 83	0.16 149	0.14 63	0.15 135

ICVP	0.46 201	0.25 232	0.38 70	0.48 305	0.28 226	0.58 225	0.43 280	1.00 273	0.70 158	0.67 158	0.95 245	0.75 247	0.55 223	0.53 96	0.54 282	0.23 300	0.17 283	0.19 187	0.17 196	0.19 218	0.20 265
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
CFNet_pseudo	0.46 201	0.24 210	0.52 246	0.37 64	0.27 204	0.58 225	0.30 95	0.86 220	0.88 264	0.82 252	1.03 285	0.75 247	0.47 179	0.58 141	0.44 226	0.17 168	0.12 119	0.24 303	0.16 149	0.24 306	0.19 243

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

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

ccs_rob	0.46 201	0.24 210	0.52 246	0.37 64	0.27 204	0.58 225	0.31 116	0.86 220	0.88 264	0.82 252	1.02 281	0.75 247	0.47 179	0.58 141	0.44 226	0.17 168	0.12 119	0.24 303	0.16 149	0.24 306	0.19 243

rvit_105_1	0.54 290	0.40 357	0.76 356	0.58 385	0.37 334	0.59 237	0.68 378	0.70 158	0.94 301	0.82 252	0.69 119	0.73 239	0.58 240	0.78 281	0.54 282	0.32 375	0.29 384	0.31 369	0.34 392	0.23 293	0.20 265

Sa-1000	0.48 225	0.24 210	0.41 103	0.45 271	0.25 140	0.59 237	0.34 149	0.81 208	0.93 294	0.82 252	1.50 391	0.53 117	0.45 171	0.92 336	0.30 87	0.15 93	0.12 119	0.21 256	0.19 248	0.15 100	0.13 75

dad	0.58 316	0.50 383	0.64 302	0.43 231	0.30 266	0.59 237	0.36 190	0.78 199	1.25 392	1.01 353	1.17 338	1.15 364	0.53 207	0.68 232	0.50 258	0.35 394	0.23 348	0.37 391	0.21 293	0.29 336	0.20 265

DEmStereo	0.48 225	0.17 28	0.50 229	0.38 89	0.25 140	0.59 237	0.34 149	0.63 95	0.74 182	0.89 297	1.66 402	0.58 140	1.06 393	0.60 162	0.42 205	0.14 41	0.11 69	0.16 83	0.16 149	0.14 63	0.15 135

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

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

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

STTStereo	0.55 292	0.37 339	0.76 356	0.44 249	0.31 287	0.60 243	0.44 289	0.96 261	0.86 251	0.99 343	0.90 226	0.96 316	0.58 240	0.71 245	0.61 299	0.25 321	0.23 348	0.26 332	0.32 388	0.24 306	0.23 304

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

CASS	0.45 194	0.27 268	0.42 123	0.48 305	0.22 55	0.61 245	0.34 149	0.97 264	0.62 120	0.71 184	0.85 201	0.61 166	0.55 223	0.57 123	0.41 201	0.29 354	0.16 264	0.22 269	0.18 220	0.22 276	0.28 338
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
pcwnet_v2	0.58 316	0.28 282	0.84 367	0.45 271	0.35 327	0.61 245	0.35 170	1.27 383	1.21 382	0.99 343	1.27 355	0.72 228	0.58 240	0.67 222	0.48 255	0.27 339	0.21 332	0.24 303	0.23 323	0.29 336	0.29 344

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

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

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

iResNet_ROB	0.52 273	0.21 125	0.53 254	0.37 64	0.21 40	0.61 245	0.29 81	1.51 422	1.32 400	0.90 304	1.02 281	0.80 270	0.62 262	0.76 270	0.43 210	0.16 134	0.12 119	0.13 15	0.09 8	0.15 100	0.18 211

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

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

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

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

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

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

GASNet	0.67 337	0.72 414	0.96 381	0.70 419	0.48 390	0.62 252	0.47 301	1.08 306	1.03 338	0.94 324	0.82 181	0.93 310	0.83 355	1.33 401	0.80 340	0.31 364	0.22 338	0.29 360	0.28 368	0.44 397	0.24 310

DIP-Stereo	0.39 139	0.21 125	0.50 229	0.41 174	0.28 226	0.62 252	0.27 63	0.77 194	0.40 55	0.64 135	0.86 204	0.52 113	0.33 97	0.66 212	0.42 205	0.15 93	0.13 178	0.17 109	0.14 96	0.15 100	0.15 135
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
iResNetv2_ROB	0.52 273	0.27 268	0.69 326	0.38 89	0.25 140	0.62 252	0.35 170	1.17 345	1.01 330	0.99 343	1.06 301	0.88 296	0.67 292	0.66 212	0.39 192	0.19 226	0.13 178	0.15 60	0.11 26	0.18 184	0.16 177

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

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

SACVNet	0.58 316	0.34 322	0.55 263	0.55 376	0.36 329	0.63 261	0.48 309	1.13 322	0.77 200	1.02 355	1.06 301	1.02 333	0.74 327	0.90 326	0.51 268	0.27 339	0.21 332	0.25 316	0.24 337	0.29 336	0.36 380

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

BEATNet_4x	0.46 201	0.32 309	0.56 269	0.37 64	0.19 13	0.63 261	0.35 170	1.01 280	0.72 169	0.77 223	0.83 187	0.70 215	0.59 247	0.68 232	0.53 278	0.16 134	0.12 119	0.16 83	0.14 96	0.24 306	0.16 177

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

HITNet	0.41 161	0.26 251	0.45 157	0.33 14	0.17 4	0.63 261	0.30 95	0.93 247	0.64 138	0.71 184	0.82 181	0.64 181	0.52 204	0.59 156	0.43 210	0.14 41	0.10 12	0.15 60	0.13 71	0.19 218	0.12 47
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
test_sample5	0.47 214	0.26 251	0.49 216	0.36 49	0.22 55	0.64 268	0.39 246	1.13 322	0.81 224	0.77 223	0.94 237	0.64 181	0.54 218	0.65 204	0.43 210	0.21 263	0.16 264	0.22 269	0.20 272	0.22 276	0.20 265

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

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

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

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

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

UCFNet_RVC	0.49 242	0.26 251	0.35 43	0.39 116	0.26 177	0.64 268	0.36 190	1.15 334	0.84 239	0.67 158	0.88 218	0.88 296	0.59 247	0.58 141	0.45 234	0.24 311	0.17 283	0.27 344	0.27 363	0.25 314	0.23 304

ttt	0.51 264	0.25 232	0.43 133	0.38 89	0.24 114	0.65 275	0.38 224	1.18 348	1.05 346	0.72 196	1.08 307	0.63 174	0.49 187	0.84 305	0.59 294	0.24 311	0.21 332	0.22 269	0.20 272	0.24 306	0.24 310

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

FADNet	0.61 328	0.51 386	1.10 393	0.45 271	0.44 377	0.65 275	0.41 269	1.19 350	1.05 346	0.70 178	0.84 192	0.98 321	0.66 289	0.82 292	0.50 258	0.29 354	0.30 388	0.27 344	0.30 375	0.46 404	0.35 378

1111x	0.55 292	0.22 154	0.46 174	0.38 89	0.20 28	0.66 278	0.43 280	1.23 368	0.99 320	0.71 184	0.99 268	0.95 314	0.69 302	0.90 326	1.08 394	0.18 197	0.17 283	0.18 148	0.19 248	0.20 234	0.18 211

TDLM	0.57 309	0.33 317	0.49 216	0.51 349	0.30 266	0.66 278	0.73 395	1.03 287	1.01 330	0.82 252	1.10 313	0.84 278	0.70 315	0.86 314	0.58 290	0.28 347	0.17 283	0.25 316	0.22 310	0.26 320	0.19 243

NLCA_NET_v2_RVC	0.53 279	0.32 309	0.64 302	0.44 249	0.30 266	0.66 278	0.44 289	1.04 290	0.88 264	0.91 309	0.91 229	0.99 322	0.60 251	0.68 232	0.60 297	0.21 263	0.17 283	0.22 269	0.22 310	0.21 255	0.21 283
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	0.58 316	0.44 369	0.62 288	0.42 212	0.33 313	0.66 278	0.58 356	1.02 283	0.86 251	0.77 223	1.28 357	0.72 228	0.64 278	0.82 292	0.59 294	0.31 364	0.26 370	0.40 399	0.27 363	0.33 360	0.26 322

CVANet_RVC	0.57 309	0.33 317	0.44 145	0.47 300	0.32 303	0.67 282	0.61 365	1.05 295	0.93 294	0.85 272	1.04 291	1.01 328	0.73 325	0.83 300	0.52 275	0.29 354	0.19 313	0.27 344	0.25 346	0.31 350	0.21 283

AdaStereo	0.50 257	0.32 309	0.47 186	0.48 305	0.25 140	0.67 282	0.32 133	1.17 345	0.88 264	0.75 210	0.99 268	0.75 247	0.49 187	0.67 222	0.46 244	0.27 339	0.12 119	0.28 352	0.18 220	0.23 293	0.18 211
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
PSMNet-ADL	0.48 225	0.27 268	0.40 95	0.48 305	0.30 266	0.68 284	0.37 203	0.90 239	0.80 217	0.61 115	0.80 170	0.92 308	0.62 262	0.72 250	0.63 304	0.23 300	0.18 299	0.18 148	0.20 272	0.22 276	0.20 265

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

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

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

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

EDNetEfficient	1.46 430	0.80 420	6.12 461	0.47 300	0.39 347	0.69 286	0.83 405	0.90 239	2.77 448	3.50 460	1.96 417	1.66 415	2.03 444	1.26 394	4.18 454	0.21 263	0.18 299	0.21 256	0.20 272	0.41 392	0.39 393

HBP-ISP	0.59 323	0.45 373	0.43 133	0.45 271	0.33 313	0.70 290	0.28 73	1.11 316	1.00 326	0.83 264	1.18 340	0.65 194	0.68 298	0.88 319	0.52 275	0.35 394	0.38 415	0.47 412	0.41 411	0.38 383	0.31 358

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

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

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

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

DDVS	0.52 273	0.30 301	0.56 269	0.41 174	0.31 287	0.71 295	0.34 149	0.91 243	0.67 148	0.85 272	0.89 222	1.12 357	0.46 175	0.86 314	0.60 297	0.22 287	0.16 264	0.22 269	0.18 220	0.25 314	0.26 322

DualNet (step1)	0.57 309	0.36 333	0.72 339	0.38 89	0.30 266	0.71 295	0.43 280	1.06 298	0.88 264	0.92 317	0.86 204	0.85 280	0.69 302	0.68 232	0.50 258	0.41 408	0.20 322	0.40 399	0.41 411	0.36 374	0.33 366

test_sample9	1.05 403	0.36 333	0.72 339	0.38 89	0.30 266	0.71 295	0.43 280	1.06 298	0.88 264	0.92 317	0.86 204	0.85 280	0.69 302	1.20 385	1.36 413	0.41 408	8.41 472	0.40 399	0.41 411	0.36 374	0.33 366

test_sample8	1.25 420	0.36 333	0.72 339	0.38 89	0.30 266	0.71 295	0.43 280	1.13 322	0.75 185	1.50 409	0.95 245	3.29 447	1.59 428	1.20 385	1.36 413	0.41 408	8.41 472	0.40 399	0.41 411	0.36 374	0.33 366

test_xeample	1.01 395	0.21 125	0.42 123	0.35 38	0.21 40	0.71 295	0.39 246	1.23 368	0.86 251	0.81 243	1.04 291	0.69 211	0.61 256	0.69 237	10.93 468	0.19 226	0.15 235	0.18 148	0.17 196	0.18 184	0.17 195

FAT-Stereo	0.73 354	0.33 317	0.75 351	0.49 320	0.37 334	0.71 295	0.59 358	1.36 401	1.30 398	1.03 363	1.40 376	1.59 414	1.15 401	0.87 316	0.86 352	0.28 347	0.28 379	0.28 352	0.23 323	0.28 333	0.38 391

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

DeepPrunerF	0.89 383	0.52 393	3.43 452	0.68 416	0.81 427	0.72 302	0.72 394	1.22 364	1.99 435	0.93 321	1.01 273	0.87 291	0.86 360	1.08 371	0.95 377	0.34 389	0.28 379	0.43 405	0.39 404	0.30 345	0.32 362

NOSS_ROB	0.57 309	0.39 353	0.39 87	0.44 249	0.30 266	0.73 303	0.54 343	1.03 287	1.08 362	0.67 158	0.87 211	0.76 253	0.57 231	0.77 277	0.47 251	0.38 401	0.38 415	0.44 407	0.42 415	0.37 379	0.34 373

AASNet	0.53 279	0.25 232	0.52 246	0.49 320	0.32 303	0.74 304	0.40 255	1.50 419	0.86 251	0.86 278	0.92 233	0.64 181	0.59 247	0.59 156	0.79 338	0.23 300	0.19 313	0.20 215	0.16 149	0.21 255	0.19 243

DSFCA	0.55 292	0.25 232	0.62 288	0.40 146	0.36 329	0.74 304	0.52 335	1.04 290	0.82 229	1.06 369	0.84 192	0.89 300	0.63 268	0.99 352	0.58 290	0.25 321	0.21 332	0.21 256	0.21 293	0.21 255	0.19 243

CBMV_ROB	0.59 323	0.37 339	0.38 70	0.39 116	0.28 226	0.74 304	0.28 73	1.00 273	0.98 315	0.94 324	1.25 353	0.81 272	0.78 341	0.87 316	0.50 258	0.36 397	0.37 413	0.43 405	0.40 406	0.33 360	0.30 351

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

THIR-Stereo	0.50 257	0.18 45	0.45 157	0.38 89	0.23 89	0.75 307	0.67 373	0.66 116	0.87 260	1.02 355	1.40 376	0.72 228	0.76 332	0.62 176	0.42 205	0.15 93	0.11 69	0.17 109	0.18 220	0.14 63	0.15 135

HSM	0.51 264	0.24 210	0.41 103	0.39 116	0.24 114	0.75 307	0.40 255	1.22 364	0.75 185	0.81 243	0.91 229	1.21 366	0.69 302	0.87 316	0.46 244	0.17 168	0.13 178	0.17 109	0.14 96	0.17 165	0.17 195

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

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

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

DLCB_ROB	0.58 316	0.28 282	0.47 186	0.49 320	0.32 303	0.77 310	0.50 318	0.99 269	0.92 289	1.04 364	1.14 326	1.21 366	0.69 302	0.88 319	0.69 318	0.20 249	0.20 322	0.22 269	0.22 310	0.21 255	0.18 211

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

hitnet-ft	0.55 292	0.27 268	0.39 87	0.41 174	0.28 226	0.78 314	0.40 255	0.92 245	0.90 279	0.82 252	1.01 273	1.13 361	0.70 315	0.78 281	0.67 314	0.28 347	0.20 322	0.28 352	0.22 310	0.29 336	0.26 322

PASM	0.90 386	0.64 410	1.69 433	0.69 418	0.69 424	0.78 314	0.84 408	1.03 287	1.26 395	1.19 389	1.15 331	1.31 377	0.98 385	1.24 392	1.03 388	0.52 424	0.56 437	0.59 429	0.66 437	0.56 421	0.54 426

222	1.18 415	0.22 154	0.44 145	0.37 64	0.22 55	0.79 317	0.37 203	1.31 390	0.89 277	0.92 317	1.08 307	0.72 228	0.71 319	0.66 212	13.89 471	0.20 249	0.15 235	0.17 109	0.16 149	0.18 184	0.19 243

XPNet_ROB	0.70 344	0.35 328	0.68 320	0.52 360	0.40 352	0.79 317	0.85 411	1.16 340	0.94 301	1.33 403	1.15 331	1.38 393	0.83 355	1.03 363	0.90 370	0.32 375	0.25 364	0.26 332	0.24 337	0.31 350	0.28 338

ETE_ROB	0.70 344	0.49 379	0.73 342	0.56 379	0.36 329	0.79 317	0.87 412	1.14 331	0.93 294	1.19 389	1.18 340	1.39 394	0.82 351	0.99 352	0.80 340	0.26 331	0.21 332	0.31 369	0.26 357	0.33 360	0.34 373

Anonymous_2	0.82 369	0.44 369	0.63 297	0.40 146	0.43 370	0.80 320	0.52 335	0.72 168	0.77 200	0.71 184	0.60 95	0.87 291	0.76 332	0.75 266	0.58 290	0.52 424	0.54 436	0.54 424	4.82 473	0.56 421	0.40 396

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

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

RP	0.76 357	0.36 333	0.63 297	0.66 410	0.58 415	0.80 320	0.55 347	1.14 331	1.22 384	0.97 336	1.65 400	1.43 398	1.32 415	1.01 356	0.84 347	0.33 383	0.30 388	0.36 387	0.30 375	0.34 366	0.34 373

edge stereo	0.76 357	0.38 349	0.74 347	0.52 360	0.43 370	0.80 320	0.53 339	1.28 385	1.06 353	1.28 399	1.38 375	1.81 419	1.11 398	1.08 371	0.85 351	0.33 383	0.32 400	0.41 403	0.28 368	0.32 355	0.36 380

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

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

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

Consistency-Raft	1.01 395	0.81 421	1.24 410	0.84 426	0.97 434	0.81 325	0.84 408	1.30 389	1.59 422	1.05 366	1.68 405	1.12 357	0.91 369	0.92 336	1.11 396	0.65 431	0.74 445	0.79 433	0.90 447	1.06 439	0.79 436

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

NCC-stereo	0.78 361	0.40 357	0.76 356	0.61 396	0.67 421	0.81 325	0.69 383	1.54 426	1.11 366	0.90 304	1.36 367	1.33 385	1.16 402	1.19 383	0.88 358	0.31 364	0.30 388	0.37 391	0.48 423	0.33 360	0.33 366

Abc-Net	0.78 361	0.40 357	0.76 356	0.61 396	0.67 421	0.81 325	0.69 383	1.54 426	1.11 366	0.90 304	1.36 367	1.33 385	1.16 402	1.19 383	0.88 358	0.31 364	0.30 388	0.37 391	0.48 423	0.33 360	0.33 366
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DANet	0.71 348	0.45 373	0.91 377	0.59 389	0.40 352	0.81 325	0.40 255	0.97 264	0.84 239	1.20 392	1.22 346	1.33 385	0.88 366	1.16 380	1.24 406	0.27 339	0.23 348	0.31 369	0.25 346	0.35 370	0.32 362
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
xxxx	1.01 395	0.22 154	0.43 133	0.36 49	0.21 40	0.82 333	0.36 190	1.32 391	0.88 264	0.71 184	0.94 237	0.97 318	0.63 268	0.64 197	10.58 467	0.20 249	0.16 264	0.18 148	0.17 196	0.19 218	0.19 243

S-Stereo	0.74 355	0.35 328	0.96 381	0.56 379	0.45 381	0.82 333	0.60 360	1.24 375	1.60 425	0.96 332	1.41 378	1.12 357	0.94 379	0.80 286	1.04 391	0.26 331	0.31 397	0.28 352	0.25 346	0.32 355	0.47 416

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

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

FINET	0.67 337	0.42 363	1.00 385	0.46 291	0.43 370	0.83 335	0.89 413	1.08 306	1.50 415	0.87 285	1.14 326	0.71 219	0.68 298	0.92 336	0.70 321	0.36 397	0.30 388	0.26 332	0.24 337	0.35 370	0.33 366

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

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

psmorigin	0.82 369	0.51 386	2.09 441	0.49 320	0.41 359	0.85 339	0.50 318	1.04 290	0.88 264	1.45 407	1.43 382	1.50 405	1.06 393	1.22 390	0.97 380	0.31 364	0.32 400	0.27 344	0.27 363	0.33 360	0.42 400

HSM-Net_RVC	0.53 279	0.22 154	0.35 43	0.37 64	0.21 40	0.85 339	0.37 203	1.23 368	0.93 294	0.90 304	1.15 331	1.26 370	0.63 268	0.72 250	0.48 255	0.17 168	0.13 178	0.16 83	0.15 119	0.17 165	0.15 135
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
acv_ft	0.51 264	0.23 174	0.56 269	0.44 249	0.28 226	0.86 342	0.39 246	0.91 243	0.80 217	0.97 336	0.96 249	0.79 262	0.59 247	0.63 186	0.87 356	0.17 168	0.15 235	0.16 83	0.15 119	0.17 165	0.15 135

SFCPSM	0.47 214	0.21 125	0.55 263	0.40 146	0.27 204	0.87 343	0.37 203	1.33 393	0.77 200	0.80 232	0.84 192	0.54 121	0.49 187	0.57 123	0.37 178	0.18 197	0.13 178	0.18 148	0.20 272	0.16 133	0.15 135

NVstereo2D	0.60 326	0.30 301	0.75 351	0.48 305	0.43 370	0.89 344	0.48 309	1.05 295	1.15 372	0.66 156	0.86 204	0.88 296	0.70 315	0.99 352	0.65 308	0.32 375	0.15 235	0.28 352	0.20 272	0.40 386	0.36 380

anonymousa	0.49 242	0.20 92	0.42 123	0.38 89	0.23 89	0.91 345	0.35 170	0.75 184	0.62 120	0.85 272	1.54 395	1.06 343	0.66 289	0.51 84	0.43 210	0.16 134	0.13 178	0.19 187	0.21 293	0.16 133	0.14 114

Syn2CoEx	0.71 348	0.51 386	0.95 379	0.64 402	0.45 381	0.91 345	0.53 339	1.48 416	1.13 369	0.93 321	1.35 366	1.02 333	0.99 386	0.92 336	0.80 340	0.30 361	0.27 376	0.28 352	0.24 337	0.23 293	0.24 310

AF-Net	0.81 368	0.39 353	0.68 320	0.64 402	0.54 405	0.91 345	0.51 332	1.61 430	1.31 399	0.96 332	2.02 419	1.46 399	1.26 413	1.11 376	0.99 384	0.32 375	0.24 356	0.39 396	0.27 363	0.30 345	0.25 317

PWC_ROB	0.87 379	0.52 393	1.28 413	0.50 334	0.32 303	0.91 345	0.37 203	1.36 401	1.46 413	1.61 416	2.59 434	1.16 365	1.01 389	1.34 403	1.40 417	0.25 321	0.18 299	0.28 352	0.20 272	0.29 336	0.28 338

RGC	0.79 364	0.59 403	0.71 334	0.65 407	0.65 420	0.92 349	0.58 356	1.29 386	1.05 346	1.07 372	1.45 387	1.47 402	1.03 390	1.21 389	0.88 358	0.32 375	0.30 388	0.48 416	0.40 406	0.37 379	0.37 385

DGSMNet	0.76 357	0.55 398	1.29 415	0.58 385	0.62 418	0.94 350	0.70 388	1.26 381	1.11 366	0.83 264	1.24 351	1.00 325	0.71 319	1.03 363	0.81 343	0.34 389	0.29 384	0.41 403	0.40 406	0.57 423	0.55 427

PA-Net	0.67 337	0.43 365	0.83 366	0.50 334	0.53 402	0.94 350	0.68 378	1.10 311	1.14 371	0.80 232	0.88 218	0.87 291	0.77 336	1.02 361	0.88 358	0.24 311	0.41 422	0.29 360	0.44 416	0.26 320	0.34 373
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
GANet	0.70 344	0.37 339	0.55 263	0.51 349	0.34 321	0.94 350	0.96 419	1.08 306	0.94 301	1.04 364	1.98 418	1.13 361	0.88 366	1.12 377	0.66 311	0.25 321	0.26 370	0.27 344	0.22 310	0.31 350	0.22 298

ssnet_v2	0.58 316	0.28 282	0.56 269	0.43 231	0.29 252	0.95 353	0.59 358	1.13 322	0.99 320	0.93 321	0.80 170	0.99 322	0.64 278	0.82 292	0.94 374	0.25 321	0.22 338	0.23 288	0.24 337	0.20 234	0.19 243

Wz-Net-SNSev	0.91 387	0.73 415	2.13 442	0.56 379	0.45 381	0.95 353	1.13 431	1.34 395	1.24 387	1.02 355	1.30 361	1.46 399	0.86 360	1.81 430	1.50 418	0.25 321	0.23 348	0.25 316	0.26 357	0.32 355	0.29 344

pmcnn	1.23 418	0.29 293	0.96 381	0.40 146	0.23 89	0.95 353	0.69 383	1.16 340	1.28 396	1.67 422	2.33 424	11.15 472	0.86 360	0.93 342	0.88 358	0.15 93	0.12 119	0.12 2	0.10 16	0.15 100	0.15 135

StereoDRNet-Refined	0.58 316	0.32 309	0.54 258	0.46 291	0.30 266	0.96 356	0.40 255	1.00 273	0.94 301	1.12 382	1.08 307	0.96 316	0.67 292	0.90 326	0.89 368	0.17 168	0.13 178	0.22 269	0.21 293	0.20 234	0.19 243
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
anonymity	0.97 392	0.89 427	1.05 389	0.92 430	1.03 439	0.97 357	0.81 404	1.29 386	0.91 284	1.07 372	0.98 263	1.00 325	0.95 382	1.02 361	0.92 373	0.96 441	0.95 460	0.90 436	0.91 450	0.92 433	0.94 442

SHD	0.93 390	0.50 383	1.18 404	0.59 389	0.46 388	0.97 357	0.48 309	1.70 435	2.15 437	1.58 413	1.37 370	1.42 397	1.19 407	1.31 399	1.60 419	0.31 364	0.26 370	0.32 374	0.33 391	0.40 386	0.42 400

NaN_ROB	0.69 342	0.44 369	0.69 326	0.51 349	0.33 313	0.97 357	1.06 426	1.22 364	1.19 379	1.24 397	0.96 249	1.08 350	0.78 341	1.20 385	0.67 314	0.24 311	0.30 388	0.23 288	0.24 337	0.23 293	0.25 317

PSMNet_ROB	0.64 332	0.37 339	0.65 308	0.56 379	0.42 365	0.97 357	0.83 405	1.21 356	0.92 289	0.79 230	1.02 281	1.08 350	0.63 268	0.82 292	0.91 372	0.29 354	0.20 322	0.31 369	0.31 382	0.26 320	0.23 304

NCCL2	0.72 352	0.41 361	0.65 308	0.64 402	0.44 377	0.98 361	1.20 434	1.11 316	1.00 326	0.98 341	0.96 249	1.49 404	0.87 363	0.90 326	0.79 338	0.31 364	0.26 370	0.39 396	0.39 404	0.32 355	0.32 362

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

SuperB	1.04 400	0.37 339	4.81 459	0.43 231	0.31 287	0.99 362	0.46 294	1.02 283	2.09 436	1.09 377	1.09 311	0.75 247	0.81 347	1.06 366	1.76 424	0.19 226	0.15 235	0.17 109	0.15 119	2.82 465	0.26 322

LALA_ROB	0.74 355	0.43 365	0.69 326	0.54 372	0.40 352	1.01 364	0.95 418	1.21 356	1.07 359	1.22 394	1.12 317	1.56 411	0.79 343	1.04 365	0.86 352	0.33 383	0.22 338	0.35 383	0.30 375	0.35 370	0.31 358

CBMV	0.64 332	0.35 328	0.41 103	0.42 212	0.25 140	1.01 364	0.77 399	1.13 322	1.09 364	1.17 387	1.22 346	1.04 337	0.75 329	0.88 319	0.63 304	0.28 347	0.30 388	0.34 381	0.30 375	0.26 320	0.26 322
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
UDG	0.88 381	0.82 424	0.67 317	1.00 434	0.96 433	1.02 366	0.57 355	1.13 322	0.99 320	0.90 304	0.97 262	1.31 377	0.99 386	0.85 312	0.84 347	0.54 428	0.32 400	1.77 447	0.40 406	0.94 434	0.66 430

LSM	4.74 466	0.77 418	10.16 465	0.70 419	56.56 484	1.02 366	1.00 424	1.24 375	1.62 426	2.04 433	2.34 425	1.33 385	1.17 404	1.38 410	1.09 395	0.33 383	0.49 434	0.39 396	0.46 417	0.51 412	10.09 474

SGM-Forest	0.62 329	0.32 309	0.39 87	0.43 231	0.30 266	1.02 366	0.55 347	1.09 310	1.05 346	1.06 369	1.18 340	1.10 353	0.67 292	0.88 319	0.62 301	0.31 364	0.33 406	0.33 379	0.30 375	0.30 345	0.28 338
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Wz-Net-LNSev-Ref	0.63 331	0.28 282	0.99 384	0.40 146	0.30 266	1.03 369	0.56 352	1.10 311	0.99 320	0.97 336	1.22 346	1.06 343	0.69 302	1.07 369	0.95 377	0.19 226	0.11 69	0.16 83	0.13 71	0.22 276	0.21 283

DDUNet	1.06 404	2.56 467	0.68 320	1.21 439	1.26 444	1.03 369	0.69 383	1.11 316	0.94 301	0.96 332	1.22 346	1.27 371	0.82 351	0.93 342	0.72 327	0.84 438	0.38 415	1.99 450	0.60 435	1.10 440	0.85 438

StereoDRNet	0.64 332	0.33 317	0.68 320	0.51 349	0.43 370	1.03 369	0.53 339	1.47 415	0.99 320	1.10 379	0.87 211	1.07 348	0.71 319	0.82 292	0.88 358	0.23 300	0.19 313	0.25 316	0.23 323	0.27 330	0.19 243

PWCDC_ROB	0.89 383	0.49 379	0.80 365	0.74 423	0.40 352	1.03 369	0.39 246	1.33 393	2.35 443	1.02 355	3.77 451	0.81 272	0.92 373	1.20 385	0.90 370	0.34 389	0.22 338	0.24 303	0.20 272	0.34 366	0.29 344

EDNetEfficientorigin	9.93 471	1.15 439	175.16 489	0.48 305	0.36 329	1.04 373	0.68 378	1.24 375	2.69 447	3.17 457	2.50 430	2.30 431	2.07 445	1.76 428	2.21 435	0.20 249	0.18 299	0.24 303	0.19 248	0.51 412	0.50 422

Nwc_Net	0.78 361	0.38 349	0.73 342	0.60 394	0.55 407	1.05 374	0.55 347	1.67 434	1.05 346	0.88 293	1.86 414	1.40 396	1.09 396	1.10 374	0.87 356	0.30 361	0.25 364	0.36 387	0.38 400	0.29 336	0.29 344

GCST	0.83 375	1.22 441	0.74 347	1.58 445	1.01 438	1.06 375	0.23 25	0.78 199	0.78 207	0.97 336	0.65 107	0.78 260	0.35 107	0.92 336	0.34 130	0.96 441	0.65 441	1.20 441	0.81 444	0.91 432	0.70 431

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

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

ADCMid	1.14 410	0.52 393	2.23 444	0.53 366	0.43 370	1.07 376	0.75 397	1.23 368	1.05 346	2.15 437	1.44 384	1.50 405	1.43 421	1.56 416	5.01 458	0.26 331	0.24 356	0.29 360	0.31 382	0.37 379	0.33 366

ADCRef	0.80 365	0.43 365	1.32 418	0.50 334	0.45 381	1.07 376	0.51 332	1.07 302	0.98 315	1.17 387	1.42 379	0.87 291	0.91 369	0.85 312	3.19 445	0.18 197	0.16 264	0.23 288	0.23 323	0.22 276	0.21 283

GwcNet	0.69 342	0.36 333	1.10 393	0.51 349	0.42 365	1.08 380	0.50 318	1.21 356	1.16 373	1.00 348	1.37 370	1.06 343	0.79 343	0.92 336	0.94 374	0.25 321	0.24 356	0.24 303	0.22 310	0.23 293	0.26 322

ccnet	0.82 369	0.57 401	0.75 351	0.54 372	0.59 416	1.09 381	0.66 371	1.38 404	0.94 301	1.12 382	1.44 384	1.29 374	0.92 373	0.95 351	1.24 406	0.49 420	0.42 424	0.50 421	0.47 421	0.51 412	0.46 411

SQANet	0.82 369	0.74 416	0.67 317	1.13 437	0.98 436	1.11 382	0.47 301	1.07 302	0.83 234	0.91 309	1.05 295	1.03 335	0.74 327	1.01 356	0.64 306	0.61 430	0.24 356	1.03 439	0.35 395	1.18 441	0.58 428

NVStereoNet_ROB	1.24 419	0.90 428	1.13 397	0.86 427	0.88 428	1.11 382	0.99 422	1.42 410	1.53 417	1.59 415	2.48 429	2.24 430	1.53 423	1.96 438	1.30 411	0.76 436	0.70 442	0.78 432	1.00 452	0.71 429	0.88 440
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
CBFPSM	0.59 323	0.22 154	1.31 416	0.38 89	0.27 204	1.12 384	0.65 370	0.79 202	0.82 229	0.80 232	0.81 177	1.35 391	0.87 363	0.67 222	0.76 333	0.16 134	0.15 235	0.15 60	0.16 149	0.17 165	0.22 298

RTSC	0.87 379	0.48 376	1.23 409	0.52 360	0.37 334	1.13 385	0.50 318	1.34 395	1.79 430	1.51 410	1.24 351	1.12 357	0.81 347	1.62 420	2.16 434	0.25 321	0.19 313	0.23 288	0.24 337	0.30 345	0.31 358

DISCO	0.70 344	0.26 251	0.68 320	0.44 249	0.31 287	1.14 386	0.51 332	1.23 368	1.23 385	0.81 243	1.05 295	1.50 405	0.85 358	1.82 431	1.03 388	0.19 226	0.15 235	0.18 148	0.16 149	0.24 306	0.23 304

CSAN	0.83 375	0.49 379	0.77 361	0.60 394	0.41 359	1.14 386	1.06 426	1.19 350	1.46 413	1.32 401	1.43 382	1.37 392	1.19 407	1.27 396	0.86 352	0.39 403	0.31 397	0.36 387	0.37 397	0.35 370	0.34 373

Wz-Net-LNSev	0.71 348	0.51 386	1.36 424	0.50 334	0.41 359	1.15 388	0.69 383	1.21 356	1.07 359	1.02 355	1.12 317	1.08 350	0.87 363	0.89 324	0.89 368	0.24 311	0.22 338	0.21 256	0.19 248	0.26 320	0.26 322

GANetREF_RVC	0.80 365	0.75 417	0.86 373	0.66 410	0.42 365	1.15 388	0.98 420	1.14 331	1.19 379	1.01 353	1.02 281	1.10 353	0.90 368	1.15 379	0.76 333	0.48 418	0.39 419	0.57 426	0.38 400	0.63 427	0.46 411
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
DRN-Test	0.66 336	0.32 309	0.66 314	0.50 334	0.39 347	1.15 388	0.61 365	1.49 418	1.01 330	1.12 382	1.08 307	1.06 343	0.69 302	0.77 277	0.94 374	0.23 300	0.17 283	0.26 332	0.25 346	0.25 314	0.21 283

fast-acv-ft	0.64 332	0.30 301	0.73 342	0.45 271	0.34 321	1.17 391	0.49 315	0.86 220	0.98 315	1.02 355	1.36 367	1.29 374	0.85 358	0.76 270	0.81 343	0.21 263	0.23 348	0.23 288	0.23 323	0.21 255	0.20 265

FBW_ROB	0.88 381	0.50 383	0.85 368	0.55 376	0.40 352	1.17 391	0.78 401	1.50 419	1.37 403	1.33 403	1.27 355	1.48 403	1.00 388	2.57 451	0.98 383	0.25 321	0.32 400	0.45 408	0.30 375	0.34 366	0.28 338

APVNet	0.71 348	0.37 339	0.89 376	0.56 379	0.45 381	1.18 393	0.68 378	1.41 409	0.85 246	0.81 243	1.15 331	1.04 337	0.81 347	1.10 374	1.17 402	0.26 331	0.28 379	0.32 374	0.31 382	0.29 336	0.30 351

iinet-f	0.67 337	0.26 251	2.15 443	0.39 116	0.31 287	1.19 394	0.56 352	0.84 214	0.84 239	0.80 232	1.17 338	1.05 341	0.84 357	0.71 245	1.21 405	0.20 249	0.18 299	0.17 109	0.15 119	0.20 234	0.20 265

ACV-stereo	0.62 329	0.34 322	1.00 385	0.43 231	0.31 287	1.20 395	0.40 255	0.75 184	0.83 234	0.64 135	0.77 147	2.10 427	1.03 390	0.81 289	0.64 306	0.21 263	0.17 283	0.18 148	0.18 220	0.21 255	0.21 283

CRFU-Net	0.57 309	0.27 268	0.57 273	0.46 291	0.30 266	1.20 395	0.52 335	1.10 311	0.56 113	1.00 348	0.98 263	1.06 343	0.79 343	0.81 289	0.71 325	0.21 263	0.19 313	0.18 148	0.16 149	0.18 184	0.19 243

CSP-Net	0.56 303	0.27 268	0.49 216	0.41 174	0.28 226	1.22 397	0.50 318	1.23 368	0.72 169	0.95 331	0.95 245	0.89 300	0.62 262	0.83 300	0.62 301	0.26 331	0.17 283	0.17 109	0.17 196	0.18 184	0.17 195

XQC	0.89 383	0.65 411	1.31 416	0.67 413	0.52 401	1.22 397	0.68 378	1.26 381	1.52 416	1.14 385	1.11 314	1.28 373	1.04 392	1.40 411	1.77 425	0.38 401	0.24 356	0.37 391	0.31 382	0.53 417	0.47 416

WCMA_ROB	1.14 410	0.36 333	0.76 356	0.49 320	0.44 377	1.23 399	0.67 373	1.11 316	1.23 385	2.84 451	3.95 457	3.28 446	1.83 438	1.25 393	0.99 384	0.44 412	0.34 408	0.34 381	0.37 397	0.41 392	0.40 396

DispFullNet	1.60 435	2.63 468	2.75 448	2.56 463	1.79 454	1.24 400	0.47 301	1.37 403	1.45 412	1.87 427	1.50 391	1.55 410	2.46 448	2.04 440	1.04 391	0.59 429	0.18 299	2.32 459	0.68 439	2.29 458	1.14 452

MFMNet_re	1.14 410	0.97 435	1.19 405	0.99 432	0.95 432	1.25 401	1.22 437	1.39 405	1.55 419	1.69 423	1.67 404	1.21 366	1.53 423	1.12 377	0.99 384	0.87 440	0.75 449	0.79 433	0.75 441	0.90 431	0.94 442

ADCS	1.51 432	0.61 406	3.42 451	0.59 389	0.51 397	1.27 402	1.08 429	1.59 428	1.81 431	1.91 431	1.66 402	1.51 408	1.42 420	1.94 437	8.60 466	0.33 383	0.32 400	0.33 379	0.36 396	0.44 397	0.42 400

CC-Net-ROB	0.82 369	0.96 432	0.85 368	0.58 385	0.45 381	1.27 402	0.70 388	1.17 345	1.02 333	0.83 264	1.23 350	0.90 304	0.77 336	1.06 366	0.69 318	0.46 414	0.34 408	1.71 446	0.38 400	0.59 426	0.36 380

RYNet	0.72 352	0.35 328	0.64 302	0.53 366	0.67 421	1.31 404	0.67 373	1.20 354	1.18 377	1.05 366	0.87 211	1.27 371	0.93 378	0.93 342	1.27 410	0.22 287	0.16 264	0.26 332	0.23 323	0.40 386	0.39 393

coex-ft	6.43 469	1.51 450	87.33 488	0.49 320	0.38 343	1.34 405	1.21 436	1.16 340	8.09 465	12.12 472	2.79 438	2.77 439	3.31 459	1.16 380	3.15 444	0.24 311	0.23 348	0.27 344	0.24 337	0.45 401	0.37 385

WZ-Net	1.19 416	0.59 403	4.07 456	0.62 400	0.51 397	1.34 405	1.31 444	1.32 391	1.74 429	1.53 412	1.65 400	1.74 418	1.28 414	2.25 445	2.01 431	0.27 339	0.21 332	0.23 288	0.25 346	0.40 386	0.39 393

FCDSN-DC	1.39 428	0.56 399	0.65 308	0.74 423	0.59 416	1.38 407	0.63 367	1.35 398	1.39 406	3.26 458	4.50 462	4.61 453	2.63 452	1.58 418	1.03 388	0.46 414	0.42 424	0.48 416	0.47 421	0.50 411	0.50 422
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MaskLacGwcNet_RVC	0.67 337	0.81 421	0.73 342	0.53 366	0.37 334	1.40 408	0.53 339	1.04 290	0.79 215	0.88 293	0.94 237	0.95 314	0.53 207	0.93 342	0.58 290	0.39 403	0.30 388	0.57 426	0.31 382	0.53 417	0.30 351

ADCPNet	1.03 399	0.48 376	2.70 447	0.54 372	0.42 365	1.40 408	0.75 397	1.13 322	1.07 359	1.22 394	1.42 379	1.68 416	1.09 396	1.36 408	3.45 449	0.30 361	0.28 379	0.29 360	0.32 388	0.37 379	0.35 378

AnyNet_C32	1.16 414	0.62 409	2.40 445	0.57 384	0.55 407	1.41 410	1.34 445	1.18 348	1.24 387	1.49 408	1.42 379	1.39 394	1.20 409	1.55 414	4.82 456	0.29 354	0.28 379	0.29 360	0.34 392	0.38 383	0.42 400

SANet	1.07 406	0.41 361	1.06 390	0.48 305	0.30 266	1.41 410	0.94 417	1.42 410	3.36 454	1.58 413	2.43 428	2.33 433	1.70 433	1.34 403	1.07 393	0.28 347	0.24 356	0.26 332	0.23 323	0.34 366	0.30 351

SPS-STEREO	1.25 420	0.93 429	1.06 390	1.04 435	1.03 439	1.41 410	0.91 416	1.51 422	1.19 379	2.09 435	1.83 411	1.94 424	1.39 418	1.62 420	1.39 416	0.97 443	0.94 459	0.90 436	0.89 446	0.96 436	0.96 445
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
Wz-Net-MNSev	0.76 357	0.40 357	1.34 419	0.50 334	0.40 352	1.44 413	0.83 405	1.15 334	1.16 373	1.25 398	1.20 345	1.13 361	0.81 347	1.16 380	1.00 387	0.22 287	0.19 313	0.24 303	0.23 323	0.28 333	0.26 322

ADCP+	1.06 404	0.35 328	1.51 431	0.49 320	0.51 397	1.45 414	0.55 347	1.25 379	1.03 338	1.16 386	1.15 331	1.10 353	1.07 395	1.56 416	6.75 464	0.19 226	0.16 264	0.23 288	0.21 293	0.28 333	0.21 283

RainbowNet	1.35 425	1.49 448	1.19 405	1.88 451	1.45 445	1.48 415	1.07 428	1.61 430	1.55 419	1.20 392	1.59 398	1.54 409	1.13 399	1.34 403	0.97 380	1.36 454	0.70 442	1.82 448	0.79 443	1.71 446	1.07 451

PVD	1.28 422	0.67 413	1.28 413	0.74 423	0.62 418	1.50 416	0.84 408	1.99 441	2.96 449	2.18 438	2.36 427	1.85 422	1.95 442	1.92 435	1.94 429	0.39 403	0.36 412	0.49 419	0.37 397	0.51 412	0.64 429

Wz-Net-TNSev	1.14 410	1.06 438	4.32 458	0.49 320	0.42 365	1.51 417	1.11 430	1.48 416	1.40 408	1.22 394	1.26 354	1.58 413	1.43 421	1.76 428	1.70 421	0.32 375	0.31 397	0.26 332	0.30 375	0.41 392	0.41 399

SGM+DAISY	1.35 425	0.94 431	1.25 411	0.96 431	1.00 437	1.52 418	1.02 425	1.34 395	1.21 382	2.64 446	2.65 436	2.44 434	1.56 426	1.64 423	1.26 408	0.97 443	0.95 460	0.90 436	0.90 447	0.94 434	0.96 445

SGM_RVC	0.97 392	0.28 282	0.41 103	0.39 116	0.22 55	1.55 419	0.73 395	1.51 422	1.25 392	2.25 440	1.92 415	2.58 437	1.56 426	2.02 439	1.19 404	0.27 339	0.27 376	0.27 344	0.25 346	0.25 314	0.25 317
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
FC-DCNN	1.59 434	0.51 386	0.66 314	0.61 396	0.49 392	1.56 420	0.70 388	1.66 433	1.53 417	4.64 465	4.62 463	5.85 462	3.34 461	1.84 432	1.11 396	0.46 414	0.42 424	0.47 412	0.46 417	0.48 407	0.46 411

LE_ROB	4.42 464	0.24 210	2.75 448	0.42 212	0.23 89	1.57 421	0.90 415	1.71 436	17.88 478	16.56 480	4.88 464	5.17 460	18.85 480	1.63 422	14.62 472	0.17 168	0.14 206	0.16 83	0.16 149	0.19 218	0.17 195

DPSNet	0.99 394	0.42 363	1.88 439	0.53 366	0.41 359	1.59 422	1.26 440	2.21 445	1.43 409	1.10 379	1.11 314	1.46 399	1.95 442	1.34 403	1.26 408	0.34 389	0.25 364	0.25 316	0.21 293	0.46 404	0.37 385

FC-DCNN v2	1.65 438	0.51 386	0.65 308	0.61 396	0.49 392	1.61 423	0.70 388	1.75 437	1.56 421	4.74 467	4.91 465	6.46 466	3.31 459	1.91 434	1.11 396	0.46 414	0.42 424	0.47 412	0.46 417	0.48 407	0.46 411

ADCL	1.04 400	0.38 349	1.35 420	0.50 334	0.39 347	1.61 423	0.89 413	1.29 386	1.39 406	1.29 400	1.50 391	1.24 369	1.24 410	1.37 409	4.87 457	0.21 263	0.19 313	0.25 316	0.25 346	0.29 336	0.27 331

MSMD_ROB	1.21 417	0.49 379	0.62 288	0.59 389	0.50 394	1.62 425	0.67 373	1.23 368	1.24 387	2.45 444	3.77 451	3.09 443	2.98 457	1.32 400	0.81 343	0.45 413	0.41 422	0.49 419	0.51 430	0.47 406	0.44 406

otaku	1.04 400	0.93 429	0.88 375	1.33 443	1.05 441	1.66 426	0.70 388	1.40 408	1.18 377	1.08 375	1.32 364	1.33 385	0.91 369	1.23 391	0.76 333	0.72 434	0.46 433	1.24 442	0.50 428	1.40 442	0.75 432

MeshStereo	1.34 423	0.43 365	0.54 258	0.44 249	0.34 321	1.66 426	0.60 360	1.94 439	1.37 403	4.47 464	3.25 443	4.71 455	1.94 441	1.92 435	1.17 402	0.35 394	0.35 410	0.37 391	0.31 382	0.32 355	0.32 362
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
PDISCO_ROB	0.91 387	0.48 376	1.06 390	0.99 432	0.97 434	1.67 428	0.63 367	1.64 432	1.59 422	1.06 369	1.18 340	1.31 377	0.79 343	1.55 414	0.97 380	0.49 420	0.22 338	0.45 408	0.40 406	0.45 401	0.37 385

Ntro	1.09 408	0.97 435	0.91 377	1.44 444	1.19 443	1.69 429	0.80 403	1.35 398	1.25 392	1.00 348	1.29 360	1.31 377	0.97 384	1.26 394	0.84 347	0.84 438	0.43 428	1.36 443	0.50 428	1.56 443	0.78 434

stereogan	0.80 365	0.31 306	0.71 334	0.59 389	0.50 394	1.72 430	0.48 309	1.35 398	1.37 403	1.00 348	1.46 389	1.56 411	0.95 382	1.29 397	0.84 347	0.28 347	0.29 384	0.29 360	0.25 346	0.38 383	0.38 391

SAMSARA	1.07 406	0.65 411	1.19 405	1.06 436	0.90 429	1.76 431	1.76 459	1.46 414	1.44 411	1.51 410	1.16 336	2.00 426	1.14 400	1.48 412	1.31 412	0.39 403	0.44 430	0.35 383	0.38 400	0.49 409	0.49 421

ACVNet_1	1.46 430	1.33 445	1.12 396	1.91 453	1.62 448	1.83 432	0.98 420	2.00 442	1.85 432	1.39 406	1.53 394	2.32 432	1.53 423	1.34 403	1.11 396	1.30 451	0.50 435	2.06 456	0.58 434	1.93 454	0.95 444

ACVNet-4b	1.35 425	1.31 444	1.10 393	1.90 452	1.59 447	1.92 433	0.77 399	1.52 425	1.62 426	1.05 366	1.60 399	2.11 428	0.94 379	1.64 423	0.77 337	1.30 451	0.35 410	2.03 454	0.67 438	1.88 452	0.84 437

MFN_U_SF_RVC	1.09 408	0.59 403	1.97 440	0.67 413	0.44 377	1.93 434	0.60 360	1.85 438	1.36 401	1.61 416	1.54 395	1.95 425	1.37 417	1.64 423	1.73 422	0.40 407	0.37 413	0.45 408	0.48 423	0.44 397	0.44 406

AnyNet_C01	1.56 433	1.05 437	7.45 463	0.64 402	0.54 405	1.99 435	1.38 447	1.43 412	1.36 401	1.63 419	1.92 415	1.84 420	1.33 416	2.40 447	4.03 451	0.33 383	0.32 400	0.32 374	0.34 392	0.44 397	0.45 410

ELAS_RVC	1.60 435	0.61 406	1.01 387	0.70 419	0.56 410	2.00 436	1.89 462	1.96 440	2.65 446	3.33 459	3.26 444	3.03 440	3.41 462	2.49 449	2.09 433	0.52 424	0.45 431	0.50 421	0.48 423	0.54 419	0.52 424
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
G-Net	0.95 391	0.46 375	1.04 388	0.64 402	0.48 390	2.12 437	0.64 369	1.01 280	0.87 260	1.75 424	2.82 441	1.30 376	1.64 432	1.06 366	0.96 379	0.36 397	0.29 384	0.35 383	0.25 346	0.45 401	0.42 400

ACVNet_2	1.65 438	1.27 443	1.41 427	1.75 448	1.62 448	2.22 438	1.20 434	2.30 446	2.62 445	1.78 425	2.56 431	3.03 440	1.61 429	1.54 413	1.12 400	1.06 446	0.58 439	1.82 448	0.70 440	1.82 448	0.96 445

IMH-64-1	1.86 440	1.62 453	1.16 399	2.20 456	1.89 456	2.33 439	1.30 441	2.89 450	2.29 440	1.66 420	2.80 439	2.49 435	1.61 429	2.10 441	1.78 426	1.60 456	0.74 445	2.43 460	1.02 453	2.12 455	1.17 455

IMH-64	1.86 440	1.62 453	1.16 399	2.20 456	1.89 456	2.33 439	1.30 441	2.89 450	2.29 440	1.66 420	2.80 439	2.49 435	1.61 429	2.10 441	1.78 426	1.60 456	0.74 445	2.43 460	1.02 453	2.12 455	1.17 455

MDST_ROB	0.91 387	0.27 268	0.85 368	0.63 401	0.41 359	2.53 441	0.71 393	1.60 429	1.13 369	2.83 450	1.73 406	0.97 318	0.69 302	1.61 419	0.73 328	0.25 321	0.22 338	0.32 374	0.28 368	0.25 314	0.24 310

MFN_U_SF_DS_RVC	1.02 398	0.57 401	1.51 431	0.67 413	0.50 394	2.57 442	1.66 455	1.20 354	1.43 409	1.38 405	1.57 397	1.33 385	0.92 373	1.64 423	0.88 358	0.37 400	0.39 419	0.46 411	0.60 435	0.41 392	0.40 396

WAO-6	2.04 447	1.50 449	1.16 399	1.70 447	1.67 452	2.69 443	1.44 451	3.06 452	3.63 457	1.98 432	3.27 445	3.54 451	2.07 445	2.36 446	2.22 437	1.31 453	0.91 455	2.04 455	1.22 462	1.73 447	1.27 459

Dean	1.98 444	1.36 446	1.36 424	2.12 455	1.81 455	2.74 444	1.36 446	3.37 459	3.80 458	2.08 434	3.32 447	3.21 445	1.82 436	1.71 427	1.67 420	1.27 448	0.77 451	1.99 450	0.90 447	1.86 449	1.03 450

LVE	2.12 449	1.44 447	1.36 424	1.99 454	1.78 453	2.75 445	1.79 460	2.82 449	3.95 459	1.90 430	4.33 461	3.52 450	1.81 435	2.24 444	1.74 423	1.74 460	0.87 454	2.06 456	1.13 458	1.91 453	1.35 460

MADNet+	2.23 450	2.43 464	10.85 466	1.22 440	0.91 430	2.76 446	1.40 448	2.12 444	1.67 428	1.32 401	1.74 408	1.86 423	1.74 434	6.25 466	4.41 455	0.65 431	0.64 440	0.58 428	0.54 432	0.80 430	0.76 433

RTS	1.98 444	0.96 432	11.36 467	0.65 407	0.57 413	2.77 447	1.40 448	1.39 405	2.26 438	1.89 428	2.56 431	1.32 382	1.25 411	5.20 464	4.05 452	0.31 364	0.22 338	0.29 360	0.29 373	0.40 386	0.37 385

RTSA	1.98 444	0.96 432	11.36 467	0.65 407	0.57 413	2.77 447	1.40 448	1.39 405	2.26 438	1.89 428	2.56 431	1.32 382	1.25 411	5.20 464	4.05 452	0.31 364	0.22 338	0.29 360	0.29 373	0.40 386	0.37 385

WAO-7	1.90 442	1.20 440	1.35 420	1.27 441	1.06 442	2.84 449	1.56 454	3.23 455	3.06 452	2.23 439	3.33 448	3.17 444	2.28 447	3.12 452	2.21 435	1.02 445	0.91 455	1.06 440	1.03 455	1.04 438	0.97 448

PWCK	1.92 443	1.66 456	3.12 450	1.65 446	0.91 430	2.84 449	2.26 465	2.10 443	2.41 444	2.36 442	2.31 423	2.22 429	1.82 436	3.43 455	2.03 432	1.61 458	0.71 444	1.51 444	0.82 445	1.69 445	0.91 441

KSHMR	2.57 451	1.93 459	1.69 433	2.63 465	2.42 464	2.86 451	2.07 463	3.27 457	6.50 463	2.49 445	3.36 450	3.41 449	1.92 440	2.49 449	1.94 429	2.13 465	1.40 465	2.79 469	1.50 465	2.73 463	1.77 463

DPSimNet_ROB	3.58 460	2.45 465	8.57 464	2.53 461	2.37 463	2.88 452	3.77 470	3.14 454	3.23 453	4.71 466	3.86 454	4.68 454	4.87 467	4.07 462	5.62 459	2.33 468	2.33 468	2.47 463	2.52 469	2.51 462	2.64 469

notaker	2.76 452	2.29 463	1.80 437	2.96 467	2.58 468	2.90 453	1.75 458	3.24 456	3.05 451	2.78 449	4.24 460	6.15 465	2.51 450	3.34 454	2.75 443	2.31 467	1.18 463	3.00 470	1.65 466	2.84 466	1.97 464

IMH	2.04 447	1.62 453	1.20 408	2.20 456	1.89 456	2.91 454	1.30 441	3.11 453	3.03 450	1.81 426	3.35 449	3.03 440	1.90 439	2.48 448	1.80 428	1.66 459	0.77 451	2.45 462	1.04 456	2.15 457	1.19 458

ELAS	1.63 437	0.61 406	0.95 379	0.68 416	0.55 407	3.01 455	1.55 453	2.39 447	2.33 442	3.64 461	3.89 455	2.75 438	2.90 456	2.15 443	2.27 440	0.52 424	0.45 431	0.50 421	0.48 423	0.54 419	0.52 424
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
LRCNet_RVC	21.24 478	31.15 483	21.41 473	28.98 480	23.82 478	3.13 456	0.60 360	20.96 481	1.59 422	25.58 481	28.15 483	21.99 481	14.79 471	21.94 482	16.41 473	28.89 486	14.87 480	33.53 482	31.28 482	29.51 484	26.16 482

SDNR	0.86 378	0.37 339	1.47 429	0.40 146	0.38 343	3.38 457	0.33 142	0.90 239	0.98 315	0.99 343	2.09 422	0.59 155	0.71 319	1.29 397	0.70 321	0.51 423	0.56 437	0.36 387	0.26 357	0.43 396	0.46 411

U	0.45 194	0.16 16	0.32 24	0.40 146	0.71 426	3.55 458	0.20 3	0.41 7	0.38 48	0.26 6	0.23 3	0.24 3	0.22 14	0.26 1	0.22 1	0.15 93	0.09 3	0.88 435	0.13 71	0.13 28	0.11 15

HanzoNet	6.76 470	2.45 465	4.22 457	3.19 469	2.94 470	3.62 459	2.28 466	4.79 468	7.20 464	14.00 476	13.19 475	17.49 476	22.30 481	13.25 474	6.19 461	4.20 471	1.93 467	3.10 471	2.56 470	3.35 468	2.88 471

UNDER WATER	3.46 458	2.07 461	3.64 454	3.09 468	2.48 465	3.75 460	2.42 467	3.31 458	13.77 471	2.90 455	2.95 442	5.84 461	3.69 463	3.69 458	3.48 450	2.07 464	1.11 462	2.70 467	1.40 463	2.84 466	1.98 465

ktn	2.98 456	2.25 462	1.73 435	2.84 466	2.53 467	3.76 461	2.15 464	3.70 461	5.47 462	2.75 448	5.17 467	5.94 463	2.48 449	3.23 453	2.46 441	2.34 469	1.44 466	2.78 468	2.03 468	2.45 461	2.01 466

MSC_U_SF_DS_RVC	1.34 423	0.87 426	1.76 436	0.86 427	0.56 410	4.29 462	1.79 460	1.50 419	1.98 434	1.61 416	1.85 413	1.84 420	1.41 419	1.89 433	1.36 413	0.48 418	0.40 421	0.56 425	0.57 433	0.69 428	0.48 418

MADNet++	4.03 461	2.70 469	3.44 453	3.72 472	3.44 471	4.44 463	3.52 469	3.95 463	3.61 456	4.46 463	4.98 466	4.10 452	4.58 466	7.00 469	5.89 460	3.74 470	3.67 471	3.27 472	2.71 471	3.70 471	3.66 472

WAO-8	2.92 454	1.55 451	1.35 420	1.79 449	1.63 450	5.23 464	1.22 437	4.58 465	12.56 469	2.84 451	4.07 459	4.83 456	2.72 454	3.49 456	2.25 438	1.27 448	0.91 455	1.99 450	1.15 460	1.86 449	1.15 453

Venus	2.92 454	1.55 451	1.35 420	1.79 449	1.63 450	5.23 464	1.22 437	4.58 465	12.56 469	2.84 451	4.06 458	4.83 456	2.72 454	3.49 456	2.25 438	1.27 448	0.91 455	1.99 450	1.15 460	1.86 449	1.15 453

UNDER WATER-64	3.53 459	2.01 460	3.94 455	3.22 470	2.49 466	5.41 466	2.60 468	3.43 460	12.41 468	3.03 456	2.68 437	6.07 464	4.04 464	3.79 460	3.33 446	2.02 463	1.24 464	2.63 465	1.46 464	2.78 464	2.08 467

TorneroNet-64	3.44 457	1.86 457	1.42 428	2.58 464	2.28 462	6.87 467	1.68 456	4.70 467	12.03 466	2.31 441	5.59 468	8.25 468	2.55 451	3.97 461	2.73 442	1.81 461	0.74 445	2.57 464	1.07 457	2.35 459	1.44 461

MANE	4.13 463	0.51 386	0.64 302	0.66 410	0.56 410	6.89 468	0.99 422	7.55 470	12.04 467	6.68 470	8.57 471	10.69 471	9.45 470	7.59 470	6.39 462	0.49 420	0.43 428	0.48 416	0.98 451	0.49 409	0.48 418

SGM-ForestM	4.04 462	0.32 309	0.46 174	0.43 231	0.27 204	7.50 469	1.45 452	3.84 462	4.24 460	8.19 471	6.76 469	19.00 478	9.08 469	10.74 473	6.62 463	0.31 364	0.33 406	0.32 374	0.32 388	0.29 336	0.29 344

JetBlue	2.78 453	1.26 442	7.04 462	1.16 438	1.48 446	8.00 470	6.02 471	2.60 448	1.92 433	2.12 436	2.64 435	3.34 448	3.05 458	6.49 467	3.39 447	0.78 437	0.76 450	0.75 431	0.76 442	0.97 437	1.18 457

DPSMNet_ROB	12.08 473	8.00 473	21.00 472	8.97 475	16.79 474	10.67 471	30.89 479	9.02 473	15.17 474	6.51 469	15.41 479	9.04 469	14.85 472	9.27 472	21.67 476	4.58 473	8.57 474	5.09 475	9.29 476	5.90 473	10.95 475

DGTPSM_ROB	12.07 472	8.00 473	20.99 471	8.93 474	16.78 473	10.67 471	30.87 478	9.01 472	15.16 473	6.50 468	15.41 479	9.04 469	14.85 472	9.25 471	21.67 476	4.57 472	8.57 474	5.08 474	9.28 475	5.90 473	10.95 475

tt	6.20 468	0.20 92	5.89 460	3.55 471	2.07 459	11.26 473	19.21 474	11.74 474	5.46 461	2.69 447	2.04 421	4.87 459	6.25 468	3.70 459	7.09 465	8.32 475	11.17 479	4.93 473	5.41 474	5.74 472	2.37 468

JetRed	5.27 467	5.84 472	12.81 470	2.36 460	2.83 469	12.23 474	10.50 473	4.46 464	3.60 455	3.86 462	3.83 453	4.85 458	4.18 465	6.78 468	11.96 469	2.17 466	2.96 470	2.18 458	1.97 467	3.38 469	2.68 470

TorneroNet	4.53 465	1.89 458	1.48 430	2.55 462	2.27 461	13.78 475	1.69 457	4.84 469	23.73 483	2.89 454	7.70 470	7.06 467	2.69 453	4.26 463	3.42 448	1.84 462	0.77 451	2.68 466	1.13 458	2.42 460	1.47 462

HaxPig	31.96 479	37.24 485	34.27 480	24.37 479	24.88 479	18.26 476	19.86 475	20.64 480	28.52 484	35.97 486	38.75 486	25.57 482	28.72 484	33.88 484	34.39 484	35.94 487	38.87 487	37.80 483	40.48 483	39.68 485	41.15 487

Anonymous_1	33.25 480	18.26 476	23.92 474	20.54 476	21.28 477	25.59 477	35.94 480	22.01 484	15.57 475	13.33 473	13.49 476	18.08 477	15.29 474	20.36 475	24.60 478	16.28 482	8.84 476	66.59 486	118.00 486	155.73 489	11.23 477

DPSM_ROB	17.78 475	18.63 477	24.31 478	20.90 477	19.47 475	25.97 478	36.21 481	21.23 482	16.24 476	13.38 474	14.06 477	19.18 479	16.30 475	20.78 476	25.67 479	9.38 477	9.23 477	9.49 477	9.82 477	13.51 476	11.91 478

DPSM	17.78 475	18.63 477	24.31 478	20.90 477	19.47 475	25.97 478	36.21 481	21.23 482	16.24 476	13.38 474	14.06 477	19.18 479	16.30 475	20.78 476	25.67 479	9.38 477	9.23 477	9.49 477	9.82 477	13.51 476	11.91 478

MEDIAN_ROB	37.38 486	40.85 490	40.60 483	32.31 481	31.85 480	27.20 480	24.55 476	29.10 485	33.19 488	42.09 488	41.76 488	33.35 483	34.39 488	39.78 486	37.07 485	43.64 489	44.10 489	44.12 485	43.40 485	41.51 487	42.76 489

xxxxx1	36.64 483	19.51 479	24.21 475	61.66 486	64.63 486	27.28 481	40.10 483	20.25 477	18.63 479	14.07 477	12.97 472	17.26 473	17.36 477	21.70 479	27.93 481	13.18 479	18.50 482	111.26 487	133.37 487	29.24 481	39.73 484

tt_ll	36.64 483	19.51 479	24.21 475	61.66 486	64.63 486	27.28 481	40.10 483	20.25 477	18.63 479	14.07 477	12.97 472	17.26 473	17.36 477	21.70 479	27.93 481	13.18 479	18.50 482	111.26 487	133.37 487	29.24 481	39.73 484

ff	36.64 483	19.51 479	24.21 475	61.66 486	64.63 486	27.28 481	40.10 483	20.25 477	18.63 479	14.07 477	12.97 472	17.26 473	17.36 477	21.70 479	27.93 481	13.18 479	18.50 482	111.26 487	133.37 487	29.24 481	39.73 484

AVERAGE_ROB	37.58 487	40.13 489	40.15 482	34.81 482	33.82 481	28.55 484	25.10 477	32.02 486	34.06 489	41.28 487	40.66 487	34.46 484	34.81 489	39.18 485	37.57 486	42.78 488	43.44 488	43.82 484	43.03 484	40.47 486	41.51 488

BEATNet-Init1	15.13 474	0.82 424	50.86 487	0.72 422	0.53 402	38.10 485	7.03 472	11.83 475	14.25 472	29.78 485	30.17 485	48.21 488	22.64 482	26.78 483	18.11 474	0.42 411	0.38 415	0.47 412	0.46 417	0.51 412	0.48 418

CasAABBNet	35.74 481	37.43 486	48.72 485	42.22 483	39.20 482	52.24 486	73.12 488	42.61 487	32.62 486	26.78 482	27.95 481	38.58 485	32.60 485	41.67 487	51.65 488	18.74 483	18.57 485	19.15 480	19.77 480	27.20 478	23.98 480

Selective-RAFT-Error	35.84 482	37.49 487	48.83 486	42.26 484	39.24 483	52.30 487	73.09 487	42.66 488	32.61 485	26.80 483	28.30 484	38.84 487	33.51 487	41.68 488	51.59 487	18.82 484	18.58 486	19.17 481	19.80 481	27.28 479	24.05 481

LSM0	38.95 488	37.60 488	48.58 484	43.57 485	91.06 489	52.57 488	72.57 486	43.17 489	32.63 487	26.97 484	27.97 482	38.65 486	32.94 486	41.86 489	51.78 489	18.89 485	18.41 481	19.13 479	19.63 479	27.29 480	33.77 483

PML	40.80 489	29.24 482	11.87 469	7.20 473	14.47 472	92.13 489	213.69 490	7.63 471	23.35 482	74.72 489	190.14 490	50.17 489	26.15 483	21.39 478	12.70 470	8.76 476	2.92 469	8.45 476	3.25 472	13.26 475	4.42 473

test_example2	176.61 490	205.14 491	198.86 490	188.60 490	190.98 490	152.67 490	170.61 489	94.86 490	123.55 490	178.88 490	179.48 489	158.94 490	141.34 490	192.61 490	198.96 490	203.76 490	236.37 490	164.13 490	173.55 490	218.58 490	160.41 490

ASD4		8.86 475

Low-res two-view benchmark