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+	0.45 40	0.21 7	0.43 13	0.41 8	0.39 215	0.15 1	0.19 1	0.44 1	0.36 1	0.26 1	0.25 1	0.31 2	0.41 34	1.43 214	0.30 7	0.17 40	0.12 12	0.15 4	0.11 7	1.16 432	1.70 446

Selective-IGEV	0.39 10	0.24 30	0.50 24	0.44 31	0.25 23	0.46 33	0.33 48	1.25 187	0.40 2	0.35 4	0.45 9	0.52 46	0.30 8	1.07 145	0.30 7	0.14 4	0.12 12	0.17 23	0.13 19	0.16 18	0.13 4

LoS_RVC	0.42 21	0.26 61	0.40 9	0.44 31	0.82 399	0.51 70	0.44 157	0.64 5	0.41 3	0.44 17	0.78 74	0.44 14	0.47 62	0.56 20	0.36 52	0.13 1	0.12 12	0.14 1	0.10 2	0.13 1	0.84 423

IGEV-BASED-STEREO-	0.70 193	3.18 466	2.55 426	0.39 5	0.23 8	0.44 27	0.23 5	0.63 4	0.42 4	0.44 17	0.44 8	0.34 4	0.28 4	0.56 20	0.29 4	1.35 440	0.10 1	0.22 150	0.19 132	0.46 374	1.31 439

RSM	0.39 10	0.24 30	0.49 21	0.46 45	0.26 26	0.47 35	0.40 111	0.92 62	0.44 5	0.41 10	0.42 5	0.65 84	0.33 15	1.07 145	0.29 4	0.15 7	0.12 12	0.17 23	0.13 19	0.17 35	0.13 4

IGEV-Stereo++	0.30 1	0.20 2	0.40 9	0.46 45	0.30 95	0.33 6	0.22 3	0.75 17	0.45 6	0.32 2	0.41 4	0.32 3	0.48 72	0.38 2	0.27 2	0.15 7	0.11 4	0.15 4	0.12 13	0.15 8	0.13 4

RSM++	0.38 9	0.24 30	0.51 30	0.47 53	0.26 26	0.50 55	0.41 124	0.79 27	0.45 6	0.37 6	0.45 9	0.60 71	0.35 20	1.02 131	0.30 7	0.15 7	0.13 51	0.17 23	0.14 37	0.18 61	0.13 4

testlalala	0.45 40	0.28 102	0.59 69	0.42 13	0.39 215	0.71 179	0.39 105	1.08 136	0.45 6	1.24 260	0.80 83	0.61 75	0.36 22	0.54 15	0.33 25	0.20 140	0.13 51	0.18 52	0.12 13	0.15 8	0.15 37

test_xeample3	0.42 21	0.28 102	0.69 122	0.43 15	0.33 148	0.56 95	0.38 92	0.79 27	0.45 6	0.53 46	0.46 11	0.44 14	0.44 46	1.38 202	0.31 14	0.18 73	0.14 92	0.19 70	0.15 47	0.17 35	0.16 56

IGEV++	0.40 15	0.22 18	0.51 30	0.52 143	0.29 78	0.45 30	0.25 8	1.65 275	0.46 10	0.37 6	0.57 33	0.46 22	0.45 49	0.50 9	0.38 70	0.19 111	0.12 12	0.16 15	0.13 19	0.16 18	0.15 37

EGLCR-Stereo	0.37 5	0.22 18	0.51 30	0.43 15	0.26 26	0.44 27	0.22 3	0.99 91	0.48 11	0.42 12	0.42 5	0.67 92	0.29 7	0.86 93	0.33 25	0.17 40	0.12 12	0.19 70	0.17 98	0.17 35	0.15 37

Occ-G	0.42 21	0.21 7	0.48 18	0.41 8	0.26 26	0.42 20	0.62 285	0.77 21	0.49 12	0.43 15	0.66 43	1.02 222	0.46 53	0.78 71	0.41 92	0.16 15	0.13 51	0.18 52	0.13 19	0.16 18	0.16 56

UniTT-Stereo	0.36 3	0.23 23	0.59 69	0.48 74	0.36 176	0.40 13	0.32 44	0.53 2	0.49 12	0.54 48	0.55 28	0.36 6	0.31 10	0.58 24	0.51 171	0.20 140	0.15 146	0.17 23	0.15 47	0.19 93	0.15 37

ff7	0.43 25	0.27 84	0.56 49	0.44 31	0.33 148	0.50 55	0.42 127	0.87 46	0.50 14	0.49 34	0.53 20	0.44 14	0.48 72	1.38 202	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

IGEVStereo-DCA	0.46 44	0.28 102	0.56 49	0.43 15	0.33 148	0.49 46	0.42 127	0.87 46	0.50 14	0.47 25	0.48 13	0.48 29	0.46 53	2.03 301	0.30 7	0.19 111	0.14 92	0.19 70	0.15 47	0.16 18	0.18 105

ffff	0.43 25	0.27 84	0.56 49	0.44 31	0.33 148	0.50 55	0.42 127	0.87 46	0.50 14	0.49 34	0.53 20	0.44 14	0.48 72	1.38 202	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

rrr	0.46 44	0.28 102	0.73 158	0.43 15	0.33 148	0.49 46	0.38 92	0.76 20	0.50 14	0.47 25	0.48 13	0.48 29	0.46 53	2.03 301	0.30 7	0.19 111	0.14 92	0.19 70	0.15 47	0.16 18	0.16 56

11t	0.43 25	0.27 84	0.56 49	0.44 31	0.33 148	0.50 55	0.42 127	0.87 46	0.50 14	0.49 34	0.53 20	0.44 14	0.48 72	1.38 202	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

MaDis-Stereo	0.36 3	0.25 49	0.58 62	0.44 31	0.34 163	0.30 5	0.30 35	0.72 13	0.50 14	0.37 6	0.36 3	0.58 65	0.49 80	0.52 11	0.36 52	0.19 111	0.16 181	0.19 70	0.15 47	0.18 61	0.14 19

ccc-4	0.43 25	0.27 84	0.56 49	0.44 31	0.33 148	0.50 55	0.42 127	0.87 46	0.50 14	0.49 34	0.53 20	0.44 14	0.48 72	1.38 202	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

MyStereo07	0.48 57	0.29 132	0.50 24	0.55 194	0.45 259	0.59 107	0.79 330	1.05 116	0.51 21	0.48 29	0.53 20	0.43 12	0.55 108	1.30 184	0.34 39	0.17 40	0.16 181	0.24 206	0.20 164	0.23 202	0.20 167

testlalala_base	0.77 237	0.40 296	0.70 128	0.65 306	0.50 285	0.79 216	0.28 26	1.50 236	0.51 21	0.73 79	0.90 98	0.69 99	0.54 101	0.66 45	0.40 81	2.82 451	0.14 92	0.17 23	0.12 13	2.68 446	0.19 140

anonymousdsp	0.43 25	0.27 84	0.53 38	0.44 31	0.32 131	0.50 55	0.42 127	0.89 54	0.51 21	0.49 34	0.53 20	0.47 26	0.47 62	1.33 190	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

IGEV-Stereo	0.43 25	0.27 84	0.54 43	0.45 41	0.32 131	0.50 55	0.42 127	0.90 60	0.51 21	0.49 34	0.53 20	0.47 26	0.47 62	1.32 188	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
U	9.45 467	0.21 7	0.58 62	0.47 53	53.11 483	61.27 488	0.24 7	0.70 12	0.52 25	0.36 5	0.28 2	0.29 1	0.35 20	0.33 1	0.26 1	0.19 111	0.11 4	60.50 485	8.88 473	0.17 35	0.13 4

AIO-Stereo	0.37 5	0.25 49	0.51 30	0.47 53	0.23 8	0.45 30	0.39 105	1.07 131	0.52 25	0.41 10	0.48 13	0.52 46	0.25 1	0.72 57	0.30 7	0.16 15	0.12 12	0.17 23	0.13 19	0.16 18	0.13 4

MoCha-V2	0.40 15	0.20 2	0.49 21	0.50 97	0.21 4	0.44 27	0.33 48	0.93 68	0.53 27	0.53 46	0.53 20	0.42 10	0.58 130	1.09 149	0.27 2	0.14 4	0.12 12	0.15 4	0.12 13	0.17 35	0.15 37

AEACV	0.37 5	0.24 30	0.52 35	0.47 53	0.51 296	0.37 11	0.38 92	0.65 6	0.53 27	0.42 12	0.56 31	0.46 22	0.60 134	0.53 13	0.30 7	0.16 15	0.13 51	0.18 52	0.15 47	0.17 35	0.14 19

plain	0.46 44	0.27 84	1.01 287	0.50 97	0.40 225	0.35 8	0.37 86	0.87 46	0.56 29	0.43 15	0.76 70	0.42 10	0.40 32	1.13 156	0.45 127	0.21 169	0.15 146	0.24 206	0.19 132	0.24 217	0.16 56

rvit_stereo_0081_aga	0.44 33	0.34 241	0.73 158	0.51 124	0.41 232	0.50 55	0.40 111	0.81 36	0.57 30	0.58 52	0.56 31	0.53 51	0.43 41	0.66 45	0.40 81	0.26 277	0.21 279	0.22 150	0.20 164	0.26 239	0.18 105

SPstereo	0.40 15	0.28 102	0.68 111	0.47 53	0.25 23	0.53 79	0.32 44	0.82 39	0.58 31	0.65 65	0.69 53	0.58 65	0.42 37	0.47 6	0.29 4	0.17 40	0.14 92	0.17 23	0.13 19	0.17 35	0.14 19

ProNet	0.43 25	0.28 102	0.58 62	0.43 15	0.30 95	0.56 95	0.52 219	1.00 95	0.58 31	0.44 17	0.49 16	0.43 12	0.43 41	1.28 180	0.36 52	0.15 7	0.13 51	0.19 70	0.16 81	0.17 35	0.16 56

GLC_STEREO	0.39 10	0.25 49	0.41 11	0.54 172	0.23 8	0.48 36	0.30 35	0.73 14	0.58 31	0.52 45	0.73 64	0.51 41	0.31 10	0.64 39	0.42 102	0.17 40	0.20 258	0.23 186	0.19 132	0.21 154	0.17 80

XX-Stereo	0.63 150	0.26 61	1.90 405	0.81 383	0.67 359	0.43 25	0.23 5	1.03 105	0.58 31	0.65 65	1.56 331	1.41 315	0.39 29	1.28 180	0.35 46	0.20 140	0.14 92	0.20 97	0.19 132	0.18 61	0.14 19

MIF-Stereo (partial)	0.45 40	0.25 49	0.70 128	0.50 97	0.52 304	0.35 8	0.26 15	0.91 61	0.59 35	0.45 22	0.71 59	0.51 41	0.51 86	1.11 153	0.45 127	0.20 140	0.16 181	0.23 186	0.20 164	0.24 217	0.18 105

Pointernet	0.37 5	0.20 2	0.57 58	0.43 15	0.28 63	0.51 70	0.27 22	0.93 68	0.61 36	0.47 25	0.63 40	0.49 36	0.38 28	0.49 8	0.33 25	0.17 40	0.13 51	0.14 1	0.11 7	0.13 1	0.12 3

sCroCo_RVC	0.49 61	0.40 296	1.02 294	0.65 306	0.60 340	0.52 74	0.40 111	0.83 42	0.61 36	0.44 17	0.74 66	0.49 36	0.50 84	0.63 38	0.48 153	0.26 277	0.27 337	0.23 186	0.22 231	0.29 281	0.25 243

model_zeroshot	0.48 57	0.29 132	0.86 222	0.51 124	0.36 176	0.69 166	0.37 86	1.12 148	0.62 38	0.85 109	0.84 87	0.66 89	0.37 23	0.73 61	0.34 39	0.20 140	0.16 181	0.19 70	0.16 81	0.17 35	0.16 56

CAS	0.63 150	0.18 1	0.37 2	2.27 445	0.84 401	0.57 100	0.54 232	0.79 27	0.62 38	0.48 29	0.70 56	0.36 6	0.26 2	0.45 4	0.35 46	2.24 446	0.10 1	0.14 1	0.09 1	0.15 8	1.06 435

test_4	0.53 75	0.22 18	0.56 49	0.54 172	0.32 131	0.64 128	0.39 105	0.80 33	0.62 38	0.92 121	1.87 380	0.68 94	0.42 37	1.16 160	0.37 60	0.15 7	0.13 51	0.20 97	0.22 231	0.20 120	0.15 37

UGAM-zero	1.00 320	0.30 151	0.93 259	0.47 53	0.30 95	0.57 100	0.25 8	2.25 412	0.63 41	1.01 147	1.10 171	2.73 424	1.85 410	6.26 422	0.40 81	0.17 40	0.14 92	0.19 70	0.15 47	0.16 18	0.17 80

RAStereo	0.34 2	0.21 7	0.66 103	0.47 53	0.27 42	0.26 2	0.29 30	0.69 10	0.63 41	0.32 2	0.42 5	0.45 20	0.31 10	0.45 4	0.34 39	0.17 40	0.15 146	0.19 70	0.15 47	0.18 61	0.13 4

11t1	0.52 66	0.28 102	0.68 111	0.51 124	0.28 63	0.83 234	0.39 105	1.22 179	0.63 41	0.84 105	0.74 66	0.68 94	0.68 165	0.91 103	0.57 199	0.21 169	0.18 225	0.19 70	0.16 81	0.20 120	0.21 183

IGEV_Zeroshot_test	0.53 75	0.30 151	0.99 278	0.56 207	0.35 166	0.41 16	0.32 44	1.37 205	0.63 41	1.00 144	1.09 167	0.95 197	0.41 34	0.83 85	0.39 77	0.18 73	0.12 12	0.19 70	0.18 112	0.19 93	0.17 80

GCAP-BAT	0.49 61	0.31 184	0.64 90	0.41 8	0.46 269	0.70 173	0.35 64	0.77 21	0.64 45	0.86 111	1.00 126	0.77 117	0.37 23	1.18 164	0.36 52	0.18 73	0.14 92	0.18 52	0.13 19	0.17 35	0.15 37

MSKI-zero shot	0.55 105	0.26 61	0.57 58	0.51 124	0.26 26	0.69 166	0.28 26	1.18 163	0.64 45	0.91 119	1.32 263	0.82 136	0.33 15	1.92 290	0.32 16	0.17 40	0.12 12	0.17 23	0.13 19	0.16 18	0.16 56

HH	0.63 150	0.30 151	0.77 192	0.50 97	0.32 131	0.49 46	0.46 177	1.65 275	0.64 45	0.69 69	1.09 167	1.63 354	0.85 229	1.90 288	0.37 60	0.18 73	0.13 51	0.19 70	0.17 98	0.19 93	0.16 56

HanStereo	0.63 150	0.30 151	0.77 192	0.50 97	0.32 131	0.49 46	0.46 177	1.65 275	0.64 45	0.69 69	1.09 167	1.63 354	0.85 229	1.90 288	0.37 60	0.18 73	0.13 51	0.19 70	0.17 98	0.19 93	0.16 56

Patchmatch Stereo++	0.55 105	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.29 30	1.05 116	0.64 45	1.12 182	0.96 111	0.83 143	0.60 134	1.37 198	0.45 127	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105
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	0.54 90	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.41 124	1.04 110	0.64 45	1.12 182	0.96 111	0.82 136	0.61 142	1.06 141	0.45 127	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

ROB_FTStereo_v2	0.54 90	0.30 151	0.73 158	0.50 97	0.27 42	0.64 128	0.42 127	1.05 116	0.64 45	1.12 182	0.96 111	0.83 143	0.60 134	1.12 155	0.46 141	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

ROB_FTStereo	0.54 90	0.30 151	0.73 158	0.50 97	0.27 42	0.64 128	0.25 8	1.05 116	0.64 45	1.12 182	0.95 109	0.82 136	0.61 142	1.15 158	0.45 127	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

HUI-Stereo	0.52 66	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.30 35	1.04 110	0.64 45	1.12 182	0.96 111	0.83 143	0.60 134	0.79 75	0.45 127	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

iGMRVC	0.56 114	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.38 92	1.05 116	0.64 45	1.12 182	0.96 111	0.83 143	0.60 134	1.52 229	0.46 141	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

iRAFT	0.55 105	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.29 30	1.05 116	0.64 45	1.12 182	0.96 111	0.83 143	0.60 134	1.37 198	0.45 127	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

AnonymousM	0.59 130	1.11 425	0.41 11	0.44 31	0.32 131	0.43 25	0.47 183	1.05 116	0.64 45	0.98 137	0.63 40	0.67 92	0.43 41	0.59 25	0.41 92	0.20 140	0.15 146	1.84 444	0.84 435	0.14 3	0.13 4

RAFT-IKP	0.54 90	0.30 151	0.73 158	0.50 97	0.27 42	0.59 107	0.36 76	1.04 110	0.64 45	1.12 182	0.96 111	0.83 143	0.61 142	1.22 169	0.45 127	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

EAI-Stereo	0.65 167	0.28 102	0.69 122	0.53 157	0.27 42	0.60 114	0.40 111	2.28 415	0.64 45	0.71 73	3.18 425	0.57 60	0.43 41	1.06 141	0.41 92	0.18 73	0.13 51	0.17 23	0.17 98	0.17 35	0.17 80

AIO-Stereo-zeroshot	0.72 202	0.35 261	1.70 391	0.49 88	0.56 318	0.63 125	0.38 92	2.41 426	0.65 59	0.77 86	1.07 158	1.82 376	0.95 279	0.93 110	0.43 111	0.20 140	0.13 51	0.21 123	0.25 278	0.28 270	0.26 264

CES	0.48 57	0.20 2	0.37 2	0.39 5	1.39 437	0.55 92	0.35 64	0.98 89	0.66 60	0.44 17	0.66 43	0.35 5	0.27 3	0.56 20	0.33 25	0.15 7	0.13 51	0.15 4	0.10 2	0.19 93	1.46 441

MyStereo06	0.61 139	0.28 102	0.95 267	0.56 207	0.46 269	0.61 118	0.73 314	1.78 310	0.67 61	1.03 154	1.12 184	1.13 259	0.56 112	0.78 71	0.41 92	0.17 40	0.16 181	0.23 186	0.20 164	0.22 177	0.20 167

LL-Strereo2	0.52 66	0.33 219	0.69 122	0.52 143	0.37 188	0.70 173	0.30 35	1.13 151	0.67 61	0.94 127	0.78 74	0.91 175	0.42 37	1.05 140	0.42 102	0.17 40	0.16 181	0.29 300	0.25 278	0.21 154	0.16 56

DIP-Stereo	0.62 143	0.30 151	0.83 214	0.48 74	0.36 176	0.95 269	0.33 48	2.37 423	0.67 61	1.25 265	1.00 126	0.68 94	0.51 86	0.91 103	0.61 214	0.18 73	0.15 146	0.21 123	0.17 98	0.19 93	0.19 140
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
rvit_stereo_0080	0.44 33	0.32 200	0.71 140	0.47 53	0.36 176	0.42 20	0.55 247	0.82 39	0.68 64	0.50 41	0.60 35	0.55 53	0.47 62	0.59 25	0.44 114	0.26 277	0.21 279	0.20 97	0.20 164	0.31 301	0.19 140

whm_eth	0.44 33	0.32 200	0.71 140	0.47 53	0.36 176	0.42 20	0.55 247	0.82 39	0.68 64	0.50 41	0.60 35	0.55 53	0.47 62	0.59 25	0.44 114	0.26 277	0.21 279	0.20 97	0.20 164	0.31 301	0.19 140

MC-Stereo	0.43 25	0.23 23	0.48 18	0.51 124	0.28 63	0.39 12	0.32 44	0.88 53	0.68 64	0.60 60	0.84 87	0.56 58	0.61 142	1.03 132	0.31 14	0.17 40	0.11 4	0.17 23	0.15 47	0.16 18	0.13 4

sAnonymous2	0.55 105	0.56 359	1.46 373	0.60 253	0.51 296	0.48 36	0.52 219	0.79 27	0.68 64	0.50 41	0.67 46	0.46 22	0.62 147	0.59 25	0.40 81	0.22 193	0.17 208	0.22 150	0.21 204	0.86 421	0.56 394

CroCo_RVC	0.55 105	0.56 359	1.46 373	0.60 253	0.51 296	0.48 36	0.52 219	0.79 27	0.68 64	0.50 41	0.67 46	0.46 22	0.62 147	0.59 25	0.40 81	0.22 193	0.17 208	0.22 150	0.21 204	0.86 421	0.56 394

testlalala2	0.58 125	0.27 84	0.68 111	1.72 439	1.27 436	0.68 161	0.42 127	0.93 68	0.70 69	0.90 115	0.93 105	0.76 114	0.34 19	0.52 11	0.40 81	0.18 73	0.15 146	0.17 23	0.13 19	0.17 35	0.17 80

iRaft-Stereo_20w	0.65 167	0.31 184	1.00 283	0.47 53	0.34 163	0.73 185	0.30 35	2.96 438	0.70 69	1.15 205	1.14 193	0.76 114	0.65 162	1.11 153	0.38 70	0.17 40	0.13 51	0.18 52	0.16 81	0.19 93	0.18 105

PSM-softLoss	0.78 244	0.31 184	0.77 192	0.58 229	0.32 131	0.56 95	0.40 111	1.18 163	0.70 69	1.24 260	1.07 158	0.83 143	0.52 90	5.36 402	0.53 185	0.24 233	0.15 146	0.25 244	0.22 231	0.20 120	0.25 243

KMStereo	0.78 244	0.31 184	0.77 192	0.58 229	0.32 131	0.56 95	0.40 111	1.18 163	0.70 69	1.24 260	1.07 158	0.83 143	0.52 90	5.36 402	0.53 185	0.24 233	0.15 146	0.25 244	0.22 231	0.20 120	0.25 243

DeepStereo_RVC	0.55 105	0.29 132	0.72 146	0.51 124	0.30 95	0.59 107	0.33 48	1.03 105	0.70 69	1.16 215	0.93 105	0.83 143	0.94 274	0.96 113	0.54 190	0.21 169	0.14 92	0.21 123	0.19 132	0.24 217	0.24 231

CroCo-Stereo Lap2	0.44 33	0.34 241	0.77 192	0.61 266	0.79 390	0.28 4	0.35 64	0.75 17	0.71 74	0.38 9	0.50 17	0.72 106	0.55 108	0.57 23	0.47 148	0.17 40	0.18 225	0.19 70	0.16 81	0.21 154	0.20 167

CAS++	0.47 51	0.31 184	0.56 49	0.47 53	0.32 131	0.42 20	0.28 26	1.76 302	0.72 75	0.71 73	0.72 62	0.37 8	0.28 4	0.69 48	0.33 25	0.27 292	0.22 297	0.26 263	0.21 204	0.29 281	0.19 140
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
CRE-IMP	0.55 105	0.30 151	0.74 173	0.52 143	0.29 78	0.79 216	0.25 8	1.04 110	0.72 75	1.09 167	0.95 109	0.81 131	0.57 121	1.10 150	0.50 166	0.21 169	0.14 92	0.23 186	0.19 132	0.28 270	0.22 200

R-Stereo Train	0.57 120	0.26 61	0.63 84	0.54 172	0.36 176	0.69 166	0.54 232	1.22 179	0.72 75	1.61 371	1.50 319	0.75 110	0.53 96	0.64 39	0.44 114	0.18 73	0.15 146	0.17 23	0.15 47	0.17 35	0.17 80

RAFT-Stereo	0.57 120	0.26 61	0.63 84	0.54 172	0.36 176	0.69 166	0.54 232	1.22 179	0.72 75	1.61 371	1.50 319	0.75 110	0.53 96	0.64 39	0.44 114	0.18 73	0.15 146	0.17 23	0.15 47	0.17 35	0.17 80
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
gcap-zeroshot	0.53 75	0.28 102	0.89 246	0.49 88	0.28 63	0.76 199	0.37 86	1.34 200	0.73 79	0.89 113	0.67 46	1.35 308	0.51 86	0.79 75	0.33 25	0.18 73	0.15 146	0.18 52	0.15 47	0.17 35	0.16 56

rvit_stereo_ft	0.47 51	0.35 261	0.87 233	0.67 325	0.42 237	0.40 13	0.59 277	0.81 36	0.74 80	0.46 23	0.55 28	0.57 60	0.49 80	0.65 43	0.50 166	0.25 257	0.17 208	0.22 150	0.22 231	0.24 217	0.17 80

AIO-Stereo-zeroshot1	0.98 313	0.39 290	3.21 435	0.50 97	0.63 349	0.64 128	0.39 105	2.36 421	0.75 81	0.95 128	4.63 441	1.81 374	0.56 112	0.96 113	0.41 92	0.18 73	0.13 51	0.21 123	0.26 295	0.32 309	0.35 331

MIM_Stereo	0.57 120	0.24 30	0.92 257	0.46 45	0.30 95	0.54 86	0.28 26	1.27 189	0.75 81	1.00 144	1.16 203	0.93 186	0.53 96	1.45 218	0.61 214	0.16 15	0.16 181	0.20 97	0.19 132	0.17 35	0.14 19

DLNR_Zeroshot_test	23.17 477	48.52 490	43.29 482	176.68 489	78.69 485	0.35 8	0.21 2	23.41 476	0.75 81	0.66 67	0.86 90	0.59 70	0.30 8	1.56 239	0.44 114	9.57 475	0.12 12	0.18 52	0.14 37	76.92 488	0.16 56

FTStereo	0.91 292	0.26 61	0.56 49	0.54 172	0.33 148	0.66 150	1.87 435	1.00 95	0.75 81	1.75 383	4.15 436	1.04 229	1.65 394	1.57 240	0.46 141	0.19 111	0.16 181	0.23 186	0.21 204	0.18 61	0.63 407

cross-raft	0.54 90	0.25 49	0.61 77	0.52 143	0.29 78	0.68 161	0.37 86	1.46 227	0.76 85	1.01 147	1.06 155	1.28 294	0.46 53	0.71 54	0.35 46	0.15 7	0.12 12	0.18 52	0.16 81	0.19 93	0.14 19

RAFT	0.64 161	0.30 151	0.73 158	0.59 242	0.33 148	0.68 161	0.58 269	1.04 110	0.76 85	1.08 161	1.19 215	1.65 359	0.93 269	1.06 141	0.56 196	0.21 169	0.18 225	0.27 277	0.24 265	0.22 177	0.17 80

knoymous	0.51 65	0.29 132	0.47 16	0.43 15	0.30 95	0.55 92	0.55 247	1.02 101	0.77 87	0.98 137	0.85 89	0.94 189	0.56 112	0.85 90	0.45 127	0.20 140	0.14 92	0.26 263	0.14 37	0.23 202	0.23 218

iRaftStereo_RVC	0.47 51	0.26 61	0.64 90	0.50 97	0.29 78	0.53 79	0.33 48	1.05 116	0.77 87	0.84 105	1.00 126	0.55 53	0.37 23	0.81 80	0.40 81	0.17 40	0.12 12	0.22 150	0.20 164	0.19 93	0.15 37

ACVNet-DCA	0.56 114	0.31 184	0.50 24	0.54 172	0.26 26	1.18 317	0.51 209	1.42 217	0.78 89	0.58 52	0.79 78	0.48 29	0.88 247	1.46 220	0.32 16	0.20 140	0.12 12	0.25 244	0.15 47	0.22 177	0.21 183

1test111	0.54 90	0.31 184	0.50 24	0.54 172	0.26 26	1.18 317	0.51 209	1.42 217	0.78 89	0.58 52	0.79 78	0.48 29	0.88 247	0.88 95	0.59 204	0.20 140	0.12 12	0.25 244	0.15 47	0.22 177	0.21 183

DCRE	0.82 259	0.26 61	0.70 128	0.58 229	0.44 252	0.54 86	0.48 192	0.95 79	0.78 89	0.78 88	7.33 456	0.86 156	0.52 90	0.76 67	0.41 92	0.16 15	0.16 181	0.19 70	0.17 98	0.18 61	0.17 80

qqq	0.57 120	0.34 241	0.71 140	0.47 53	0.27 42	0.64 128	0.62 285	1.42 217	0.78 89	0.80 93	0.92 102	0.95 197	0.77 192	0.88 95	0.59 204	0.21 169	0.20 258	0.24 206	0.23 253	0.22 177	0.21 183

x	0.54 90	0.31 184	0.61 77	0.47 53	0.30 95	0.67 154	0.47 183	1.53 250	0.79 93	0.81 97	0.83 85	0.78 121	0.70 171	0.70 51	0.62 217	0.21 169	0.19 241	0.22 150	0.19 132	0.21 154	0.20 167

CASnet	0.41 20	0.25 49	0.48 18	0.50 97	0.20 2	0.50 55	0.36 76	0.81 36	0.80 94	0.83 103	0.68 49	0.48 29	0.31 10	0.54 15	0.32 16	0.18 73	0.12 12	0.27 277	0.22 231	0.23 202	0.14 19
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RAFT-Test	0.54 90	0.25 49	0.64 90	0.47 53	0.30 95	0.97 277	0.27 22	1.24 185	0.81 95	0.96 130	1.12 184	1.28 294	0.48 72	0.71 54	0.36 52	0.17 40	0.13 51	0.17 23	0.14 37	0.16 18	0.16 56

CRFU-Net	0.86 279	0.39 290	1.00 283	0.65 306	0.57 321	1.78 388	0.86 348	2.15 393	0.81 95	1.38 322	1.18 208	1.64 357	1.19 344	1.35 194	0.90 300	0.26 277	0.22 297	0.21 123	0.19 132	0.23 202	0.24 231

AACVNet	0.86 279	0.35 261	0.79 202	0.82 388	0.39 215	0.76 199	0.49 201	1.61 267	0.81 95	1.08 161	1.33 265	1.30 298	0.93 269	4.34 385	0.74 252	0.25 257	0.21 279	0.28 290	0.22 231	0.29 281	0.25 243

CroCo-Stereo	0.40 15	0.31 184	0.73 158	0.58 229	0.27 42	0.26 2	0.33 48	0.95 79	0.81 95	0.42 12	0.47 12	0.65 84	0.47 62	0.39 3	0.34 39	0.18 73	0.15 146	0.16 15	0.14 37	0.19 93	0.16 56
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
Anonymous3	0.61 139	0.44 313	1.11 321	0.59 242	0.49 278	0.93 264	0.65 291	0.93 68	0.81 95	0.72 78	0.88 95	0.65 84	0.69 168	1.06 141	0.53 185	0.35 354	0.30 359	0.26 263	0.26 295	0.31 301	0.27 273

anonymousdsp2	0.53 75	0.27 84	0.74 173	0.48 74	0.29 78	0.76 199	0.47 183	1.61 267	0.82 100	0.77 86	0.77 72	0.75 110	0.47 62	1.03 132	0.40 81	0.18 73	0.13 51	0.18 52	0.13 19	0.19 93	0.18 105

test_for_model	1.30 367	3.71 469	0.58 62	3.22 459	2.84 459	0.59 107	0.33 48	1.40 213	0.83 101	1.42 336	0.61 37	0.52 46	0.37 23	0.51 10	0.33 25	2.46 447	0.15 146	0.16 15	0.11 7	4.39 469	1.50 442

MGS-Stereo	0.42 21	0.26 61	0.58 62	0.44 31	0.28 63	0.50 55	0.34 60	0.57 3	0.83 101	0.46 23	1.31 257	0.52 46	0.33 15	0.65 43	0.36 52	0.19 111	0.16 181	0.18 52	0.15 47	0.17 35	0.16 56

TANstereo	0.44 33	0.21 7	0.44 14	0.41 8	0.21 4	0.65 142	0.26 15	0.79 27	0.83 101	0.93 122	0.98 120	0.51 41	0.46 53	0.54 15	0.35 46	0.18 73	0.24 317	0.16 15	0.13 19	0.16 18	0.26 264

test_sample1	0.61 139	0.29 132	0.75 176	0.50 97	0.31 114	0.76 199	0.48 192	1.59 260	0.84 104	0.90 115	0.94 108	0.88 164	0.95 279	1.16 160	0.67 232	0.22 193	0.18 225	0.20 97	0.19 132	0.21 154	0.21 183

KYRaft	0.75 230	0.28 102	0.62 81	0.56 207	0.29 78	0.67 154	0.86 348	0.94 75	0.84 104	1.62 374	2.21 401	1.16 263	1.02 310	1.57 240	0.40 81	0.20 140	0.13 51	0.22 150	0.28 325	0.20 120	1.02 430

mmm	0.63 150	0.35 261	0.72 146	0.51 124	0.30 95	0.86 245	0.54 232	1.59 260	0.86 106	1.07 160	1.38 285	0.79 125	0.75 180	0.91 103	0.58 202	0.22 193	0.18 225	0.29 300	0.25 278	0.25 228	0.23 218

CASS	0.65 167	0.34 241	0.72 146	0.56 207	0.27 42	0.78 212	0.42 127	1.59 260	0.86 106	1.30 287	1.25 232	0.87 160	0.84 226	0.84 87	0.54 190	0.35 354	0.19 241	0.26 263	0.21 204	0.28 270	0.42 358
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
SST-Stereo	0.83 265	0.28 102	0.72 146	0.59 242	0.31 114	0.72 182	0.26 15	1.09 138	0.86 106	1.47 343	1.10 171	1.00 213	0.87 242	5.73 414	0.45 127	0.22 193	0.13 51	0.23 186	0.19 132	0.23 202	0.18 105

GES	0.66 174	0.34 241	0.90 250	0.59 242	0.38 205	0.94 265	0.57 265	2.11 386	0.86 106	1.02 151	1.11 177	0.66 89	0.79 202	0.99 123	0.61 214	0.27 292	0.19 241	0.20 97	0.20 164	0.21 154	0.30 301

iRaft-Stereo_5w	0.85 274	0.29 132	0.91 253	0.53 157	0.43 245	0.49 46	0.68 302	0.99 91	0.87 110	0.79 91	1.34 272	1.46 326	0.91 257	5.11 397	1.11 330	0.17 40	0.14 92	0.22 150	0.18 112	0.20 120	0.20 167

NRIStereo	0.60 133	0.29 132	0.69 122	0.53 157	0.28 63	0.63 125	0.33 48	1.08 136	0.87 110	1.14 199	0.87 93	0.91 175	0.59 131	2.24 320	0.49 160	0.20 140	0.14 92	0.21 123	0.19 132	0.21 154	0.17 80

GrayStereo	0.82 259	0.26 61	0.58 62	0.63 285	0.37 188	0.76 199	1.86 434	1.11 146	0.87 110	1.99 404	1.89 382	1.08 237	1.82 409	1.39 207	0.48 153	0.19 111	0.14 92	0.19 70	0.21 204	0.18 61	0.39 349

GMM-Stereo	0.74 222	0.25 49	0.59 69	0.54 172	0.34 163	0.72 182	0.99 375	1.01 100	0.87 110	1.36 315	1.78 368	1.12 254	0.81 211	2.09 307	0.46 141	0.18 73	0.12 12	0.25 244	0.25 278	0.20 120	0.85 424

Selective-RAFT	0.52 66	0.28 102	0.79 202	0.55 194	0.27 42	0.91 253	0.33 48	0.80 33	0.88 114	0.58 52	0.63 40	0.81 131	0.77 192	1.29 183	0.48 153	0.19 111	0.14 92	0.17 23	0.15 47	0.19 93	0.17 80

LCNet	0.72 202	0.28 102	0.52 35	0.55 194	0.31 114	0.69 166	0.54 232	1.00 95	0.88 114	1.19 233	1.34 272	0.97 205	1.34 368	2.56 340	0.45 127	0.18 73	0.13 51	0.21 123	0.25 278	0.27 253	0.73 418

Prome-Stereo	0.75 230	0.27 84	0.53 38	0.55 194	0.32 131	0.59 107	0.97 371	0.89 54	0.88 114	1.45 340	2.46 413	0.91 175	1.41 371	1.58 242	0.44 114	0.18 73	0.13 51	0.19 70	0.17 98	0.20 120	0.92 426

anonymousa	0.72 202	0.27 84	0.75 176	0.47 53	0.63 349	1.43 355	0.45 171	1.24 185	0.89 117	1.28 274	1.75 365	1.62 351	1.13 335	0.69 48	0.59 204	0.19 111	0.16 181	0.23 186	0.25 278	0.20 120	0.18 105

TRStereo	0.60 133	0.60 377	0.97 274	0.74 365	0.67 359	0.46 33	0.38 92	1.85 331	0.89 117	0.79 91	0.80 83	0.88 164	0.39 29	1.10 150	0.41 92	0.23 218	0.15 146	0.23 186	0.24 265	0.17 35	0.15 37

DEmStereo	0.97 309	0.23 23	0.79 202	0.47 53	0.32 131	1.04 292	0.56 255	0.93 68	0.89 117	1.39 327	2.14 399	1.02 222	2.07 423	5.64 412	0.77 266	0.17 40	0.15 146	0.20 97	0.20 164	0.18 61	0.20 167

ICVP	0.63 150	0.33 219	0.57 58	0.61 266	0.40 225	0.80 222	0.58 269	1.61 267	0.89 117	0.90 115	1.24 228	0.88 164	0.73 176	0.72 57	0.88 296	0.29 314	0.21 279	0.22 150	0.21 204	0.24 217	0.27 273
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
EKT-Stereo	0.53 75	0.30 151	0.73 158	0.58 229	0.60 340	0.51 70	0.48 192	0.94 75	0.90 121	0.71 73	0.88 95	0.77 117	0.43 41	1.07 145	0.40 81	0.22 193	0.16 181	0.21 123	0.18 112	0.20 120	0.22 200

NF-Stereo	0.80 251	0.30 151	0.75 176	0.60 253	0.31 114	0.64 128	0.44 157	1.21 171	0.90 121	1.29 279	1.02 140	0.82 136	0.57 121	5.40 406	0.48 153	0.23 218	0.14 92	0.24 206	0.20 164	0.20 120	0.30 301

OCTAStereo	0.80 251	0.30 151	0.75 176	0.60 253	0.31 114	0.64 128	0.44 157	1.21 171	0.90 121	1.29 279	1.01 132	0.82 136	0.57 121	5.35 401	0.48 153	0.24 233	0.14 92	0.24 206	0.20 164	0.20 120	0.30 301

RE-Stereo	0.80 251	0.30 151	0.75 176	0.60 253	0.31 114	0.64 128	0.44 157	1.21 171	0.90 121	1.29 279	1.01 132	0.81 131	0.57 121	5.37 404	0.48 153	0.24 233	0.14 92	0.24 206	0.20 164	0.20 120	0.30 301

TVStereo	0.80 251	0.30 151	0.75 176	0.60 253	0.31 114	0.64 128	0.44 157	1.21 171	0.90 121	1.29 279	1.01 132	0.81 131	0.57 121	5.37 404	0.48 153	0.24 233	0.14 92	0.24 206	0.20 164	0.20 120	0.30 301

DDVS	0.78 244	0.41 303	0.94 263	0.60 253	0.43 245	1.30 336	0.43 144	1.40 213	0.91 126	1.20 237	1.15 199	1.43 317	0.64 156	2.18 315	0.89 297	0.28 305	0.22 297	0.26 263	0.23 253	0.31 301	0.33 322

PSM-AAD	0.79 248	0.27 84	0.53 38	0.55 194	0.28 63	0.77 207	1.24 402	0.99 91	0.91 126	1.66 377	1.57 335	0.81 131	2.19 427	1.65 251	0.44 114	0.19 111	0.14 92	0.38 369	0.32 357	0.21 154	0.70 415

test-1	0.52 66	0.26 61	1.04 301	0.56 207	0.32 131	0.61 118	0.38 92	1.10 140	0.91 126	0.78 88	1.01 132	0.77 117	0.52 90	0.60 36	0.42 102	0.17 40	0.14 92	0.20 97	0.17 98	0.20 120	0.23 218

TestStereo	0.64 161	0.39 290	0.71 140	0.51 124	0.27 42	0.56 95	0.42 127	1.03 105	0.91 126	0.80 93	1.00 126	0.68 94	0.52 90	3.25 364	0.45 127	0.22 193	0.15 146	0.24 206	0.18 112	0.27 253	0.16 56

raftrobust	0.52 66	0.25 49	0.56 49	0.65 306	0.52 304	0.49 46	0.34 60	0.98 89	0.91 126	1.30 287	0.87 93	0.63 78	0.81 211	0.78 71	0.41 92	0.19 111	0.15 146	0.16 15	0.14 37	0.15 8	0.16 56

ASMatch	0.88 284	0.26 61	0.69 122	0.51 124	0.35 166	0.48 36	0.37 86	1.12 148	0.92 131	1.10 175	3.28 426	0.96 203	0.98 293	4.90 394	0.49 160	0.19 111	0.16 181	0.22 150	0.19 132	0.19 93	0.27 273

ac_64	0.82 259	0.29 132	0.81 208	0.71 351	0.60 340	1.05 293	0.54 232	1.99 366	0.92 131	1.18 229	1.06 155	1.99 392	1.08 325	1.94 294	0.97 310	0.27 292	0.22 297	0.24 206	0.23 253	0.22 177	0.19 140

StereoVision	0.65 167	0.34 241	0.86 222	0.59 242	0.40 225	0.50 55	0.41 124	1.09 138	0.93 133	0.71 73	2.50 414	0.82 136	0.57 121	1.03 132	0.49 160	0.25 257	0.28 344	0.29 300	0.28 325	0.36 326	0.20 167

RALCasStereoNet	0.54 90	0.30 151	0.66 103	0.59 242	0.51 296	0.61 118	0.52 219	0.94 75	0.93 133	0.70 71	1.01 132	0.78 121	0.44 46	1.33 190	0.47 148	0.20 140	0.16 181	0.18 52	0.16 81	0.20 120	0.19 140

DN-CSS_ROB	0.64 161	0.32 200	1.05 302	0.55 194	0.40 225	0.54 86	0.45 171	1.21 171	0.93 133	1.03 154	1.47 309	0.69 99	0.63 152	1.76 274	0.49 160	0.18 73	0.14 92	0.25 244	0.22 231	0.22 177	0.20 167

LoS	0.40 15	0.21 7	0.44 14	0.37 3	0.22 6	0.50 55	0.40 111	1.00 95	0.94 136	0.48 29	0.66 43	0.48 29	0.40 32	0.60 36	0.37 60	0.18 73	0.14 92	0.16 15	0.11 7	0.14 3	0.14 19
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
IRAFT_RVC	0.88 284	0.28 102	0.76 186	0.63 285	0.31 114	0.65 142	1.02 380	1.22 179	0.94 136	1.22 246	1.04 151	1.01 220	0.98 293	5.82 416	0.53 185	0.22 193	0.12 12	0.25 244	0.20 164	0.20 120	0.19 140

rvit_stereo_0083	0.47 51	0.33 219	0.81 208	0.56 207	0.36 176	0.50 55	0.44 157	0.68 9	0.95 138	0.49 34	0.57 33	0.55 53	0.49 80	0.88 95	0.46 141	0.25 257	0.25 324	0.24 206	0.20 164	0.24 217	0.17 80

rvit_stereo_0081	0.44 33	0.33 219	0.64 90	0.54 172	0.35 166	0.41 16	0.44 157	0.66 7	0.95 138	0.48 29	0.52 18	0.50 39	0.46 53	0.82 83	0.44 114	0.25 257	0.20 258	0.22 150	0.19 132	0.25 228	0.17 80

rvit_stereo_0082	0.44 33	0.33 219	0.64 90	0.54 172	0.35 166	0.41 16	0.44 157	0.66 7	0.95 138	0.48 29	0.52 18	0.50 39	0.46 53	0.82 83	0.44 114	0.25 257	0.20 258	0.22 150	0.19 132	0.25 228	0.17 80

ACRE	0.61 139	0.33 219	1.01 287	0.58 229	0.49 278	0.75 194	0.47 183	1.06 129	0.95 138	1.37 317	1.55 327	0.62 76	0.46 53	0.83 85	0.70 240	0.23 218	0.15 146	0.19 70	0.16 81	0.18 61	0.21 183

RAFT_R40	0.83 265	0.28 102	0.73 158	0.59 242	0.31 114	0.69 166	0.44 157	1.10 140	0.95 138	1.47 343	1.10 171	1.00 213	0.85 229	5.53 408	0.46 141	0.22 193	0.13 51	0.23 186	0.20 164	0.23 202	0.18 105

WCG-NET	0.46 44	0.23 23	0.52 35	0.45 41	0.35 166	0.70 173	0.26 15	0.95 79	0.96 143	0.74 81	0.69 53	0.65 84	0.52 90	0.88 95	0.33 25	0.18 73	0.13 51	0.16 15	0.15 47	0.16 18	0.17 80

CIPLG	0.62 143	0.33 219	0.96 272	0.58 229	0.50 285	0.75 194	0.48 192	1.05 116	0.96 143	1.40 328	1.57 335	0.64 81	0.48 72	0.89 101	0.70 240	0.23 218	0.15 146	0.19 70	0.16 81	0.19 93	0.21 183

IPLGR_C	0.62 143	0.33 219	0.99 278	0.58 229	0.49 278	0.76 199	0.48 192	1.10 140	0.96 143	1.40 328	1.56 331	0.62 76	0.48 72	0.80 77	0.71 245	0.23 218	0.15 146	0.19 70	0.16 81	0.19 93	0.21 183

GMOStereo	0.53 75	0.26 61	0.65 97	0.50 97	0.29 78	0.52 74	0.43 144	0.89 54	0.96 143	1.41 330	1.14 193	0.85 152	0.56 112	0.59 25	0.38 70	0.16 15	0.14 92	0.24 206	0.21 204	0.20 120	0.15 37

error version	0.53 75	0.26 61	0.65 97	0.50 97	0.29 78	0.52 74	0.43 144	0.89 54	0.96 143	1.41 330	1.14 193	0.85 152	0.56 112	0.59 25	0.38 70	0.16 15	0.14 92	0.24 206	0.21 204	0.20 120	0.15 37

test-v	0.53 75	0.26 61	0.65 97	0.50 97	0.29 78	0.52 74	0.43 144	0.89 54	0.96 143	1.41 330	1.14 193	0.85 152	0.56 112	0.59 25	0.38 70	0.16 15	0.14 92	0.24 206	0.21 204	0.20 120	0.15 37

test-2	0.53 75	0.26 61	0.65 97	0.50 97	0.29 78	0.52 74	0.43 144	0.89 54	0.96 143	1.41 330	1.14 193	0.85 152	0.56 112	0.59 25	0.38 70	0.16 15	0.14 92	0.24 206	0.21 204	0.20 120	0.15 37

DeepPruner_ROB	0.74 222	0.48 331	0.87 233	0.57 223	0.44 252	0.79 216	0.54 232	1.73 290	0.96 143	1.38 322	1.27 242	1.24 279	0.73 176	1.43 214	0.73 251	0.34 347	0.28 344	0.27 277	0.26 295	0.31 301	0.31 311

ToySt	0.66 174	0.33 219	1.23 339	0.51 124	0.33 148	0.86 245	0.68 302	1.10 140	0.97 151	0.84 105	1.08 162	1.25 283	0.94 274	1.01 128	0.74 252	0.19 111	0.19 241	0.24 206	0.24 265	0.27 253	0.23 218

Anonymous_2	1.30 367	0.55 356	0.82 211	0.52 143	0.58 330	1.01 285	0.64 289	1.25 187	0.97 151	0.96 130	0.78 74	1.33 303	1.29 360	1.03 132	0.74 252	0.62 419	0.64 436	1.06 436	9.63 474	1.16 432	0.49 382

RAFT_CTSACE	0.63 150	0.26 61	0.88 240	0.55 194	0.51 296	0.71 179	0.44 157	0.80 33	0.97 151	0.97 133	1.84 375	1.18 267	0.68 165	1.47 224	0.36 52	0.16 15	0.15 146	0.21 123	0.20 164	0.20 120	0.14 19

THIR-Stereo	1.02 326	0.27 84	0.69 122	0.49 88	0.28 63	0.95 269	1.34 409	1.03 105	0.97 151	1.34 310	1.90 383	1.17 264	1.58 387	6.44 426	0.78 268	0.19 111	0.14 92	0.21 123	0.22 231	0.19 93	0.20 167

DRaft	0.80 251	0.24 30	0.70 128	0.45 41	0.30 95	0.97 277	0.53 227	1.05 116	0.97 151	1.78 386	2.02 392	0.80 127	1.74 401	2.73 347	0.72 248	0.17 40	0.14 92	0.20 97	0.20 164	0.18 61	0.21 183

BUS	0.74 222	0.32 200	0.68 111	0.54 172	0.44 252	2.34 418	0.42 127	2.16 396	0.98 156	1.20 237	1.11 177	1.03 226	0.62 147	0.91 103	0.70 240	0.24 233	0.17 208	0.25 244	0.22 231	0.22 177	0.22 200

BSDual-CNN	0.71 200	0.32 200	0.68 111	0.54 172	0.44 252	1.27 331	0.65 291	2.16 396	0.98 156	1.20 237	1.11 177	1.12 254	0.74 178	0.91 103	0.66 229	0.24 233	0.17 208	0.25 244	0.22 231	0.22 177	0.22 200

psmg	0.72 202	0.32 200	0.68 111	0.50 97	0.44 252	1.48 358	0.75 319	1.94 357	0.98 156	1.21 241	1.33 265	1.12 254	0.74 178	0.91 103	0.66 229	0.24 233	0.19 241	0.25 244	0.25 278	0.23 202	0.22 200

CrosDoStereo	1.58 391	0.24 30	0.72 146	0.48 74	0.29 78	0.67 154	12.49 470	1.10 140	0.98 156	1.34 310	1.75 365	1.00 213	1.89 412	6.65 429	0.81 279	0.19 111	0.15 146	0.20 97	0.22 231	0.18 61	0.19 140

AAGNet	1.83 408	0.28 102	0.72 146	0.61 266	0.32 131	0.67 154	0.51 209	0.96 86	0.98 156	1.47 343	1.20 218	1.00 213	1.18 341	2.83 349	22.77 476	0.22 193	0.13 51	0.22 150	0.19 132	0.23 202	0.15 37

DeepStereo_LL	1.58 391	0.24 30	0.72 146	0.48 74	0.29 78	0.67 154	12.49 470	1.10 140	0.98 156	1.34 310	1.75 365	1.00 213	1.89 412	6.65 429	0.81 279	0.19 111	0.15 146	0.20 97	0.22 231	0.18 61	0.19 140

LMCR-Stereo	0.82 259	0.46 322	0.88 240	0.75 368	0.43 245	1.33 340	0.56 255	2.43 428	0.98 156	1.53 356	1.49 316	0.74 108	1.00 303	1.63 249	0.89 297	0.28 305	0.17 208	0.22 150	0.17 98	0.29 281	0.20 167

DisPM	0.66 174	0.28 102	0.72 146	0.61 266	0.35 166	0.62 124	0.45 171	1.02 101	0.99 163	1.56 364	1.10 171	0.80 127	0.59 131	2.37 331	0.41 92	0.23 218	0.14 92	0.23 186	0.21 204	0.20 120	0.25 243

IER	0.70 193	0.31 184	1.02 294	0.48 74	0.52 304	1.34 342	0.51 209	1.17 158	0.99 163	1.23 252	1.34 272	1.12 254	1.11 330	0.99 123	0.71 245	0.20 140	0.16 181	0.21 123	0.21 204	0.20 120	0.19 140

PFNet	0.91 292	0.26 61	1.10 319	0.63 285	0.32 131	0.64 128	0.56 255	1.17 158	0.99 163	1.47 343	1.08 162	0.98 206	0.69 168	6.62 428	0.54 190	0.20 140	0.12 12	0.24 206	0.19 132	0.20 120	0.17 80

Pruner-Stereo	0.62 143	0.29 132	0.70 128	0.61 266	0.31 114	0.63 125	0.43 144	1.17 158	0.99 163	1.53 356	1.08 162	0.95 197	0.55 108	1.35 194	0.51 171	0.23 218	0.14 92	0.24 206	0.21 204	0.21 154	0.23 218

raft+_RVC	0.53 75	0.26 61	0.54 43	0.60 253	0.47 274	0.54 86	0.54 232	1.27 189	0.99 163	0.76 82	1.03 148	0.70 103	0.56 112	0.93 110	0.47 148	0.18 73	0.14 92	0.19 70	0.18 112	0.18 61	0.15 37

test_sample2	0.62 143	0.29 132	0.74 173	0.50 97	0.28 63	0.80 222	0.61 282	1.61 267	1.00 168	0.88 112	0.99 122	0.94 189	0.83 223	1.16 160	0.51 171	0.23 218	0.18 225	0.22 150	0.21 204	0.23 202	0.22 200

test-3	0.54 90	0.22 18	0.68 111	0.47 53	0.27 42	0.58 102	0.35 64	0.92 62	1.00 168	1.32 299	0.69 53	0.87 160	0.45 49	1.68 261	0.37 60	0.16 15	0.11 4	0.20 97	0.16 81	0.17 35	0.13 4

test_1	0.54 90	0.22 18	0.68 111	0.47 53	0.27 42	0.58 102	0.35 64	0.92 62	1.00 168	1.28 274	0.68 49	0.87 160	0.45 49	1.67 256	0.37 60	0.16 15	0.11 4	0.20 97	0.16 81	0.17 35	0.13 4

PSMNet-ADL	0.72 202	0.35 261	0.62 81	0.69 339	0.46 269	1.14 307	0.44 157	1.37 205	1.01 171	0.83 103	1.17 206	1.33 303	0.96 286	1.43 214	0.95 305	0.33 339	0.22 297	0.21 123	0.23 253	0.27 253	0.29 289

HHNet	0.62 143	0.26 61	0.63 84	0.43 15	0.45 259	0.50 55	0.58 269	1.07 131	1.01 171	1.25 265	2.23 402	0.70 103	0.61 142	1.07 145	0.47 148	0.20 140	0.13 51	0.23 186	0.19 132	0.19 93	0.30 301

DMCA-RVC	0.74 222	0.40 296	1.27 348	0.66 313	0.49 278	0.77 207	0.47 183	1.35 202	1.01 171	1.53 356	1.01 132	1.29 297	0.82 215	1.31 185	0.78 268	0.27 292	0.21 279	0.35 355	0.27 305	0.32 309	0.24 231

DCVSM-stereo	0.72 202	0.35 261	0.76 186	0.55 194	0.42 237	0.73 185	0.38 92	1.21 171	1.02 174	1.79 389	1.04 151	1.62 351	1.03 312	1.04 138	0.79 274	0.24 233	0.27 337	0.29 300	0.24 265	0.30 292	0.36 336

4D-IteraStereo	0.48 57	0.24 30	0.76 186	0.50 97	0.44 252	0.66 150	0.31 40	0.87 46	1.02 174	1.03 154	0.72 62	0.78 121	0.32 14	0.64 39	0.37 60	0.17 40	0.11 4	0.23 186	0.19 132	0.19 93	0.13 4

DMCA	0.67 183	0.34 241	0.90 250	0.51 124	0.44 252	0.86 245	0.47 183	1.42 217	1.02 174	1.17 224	1.12 184	1.23 277	0.75 180	0.78 71	0.95 305	0.25 257	0.19 241	0.27 277	0.19 132	0.24 217	0.27 273

HITNet	0.65 167	0.40 296	0.77 192	0.48 74	0.24 13	1.05 293	0.49 201	1.76 302	1.02 174	1.18 229	1.18 208	0.89 172	0.80 208	0.85 90	0.79 274	0.17 40	0.12 12	0.21 123	0.17 98	0.29 281	0.15 37
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
RAFT+CT+SA	0.58 125	0.29 132	0.60 74	0.66 313	0.37 188	0.42 20	0.55 247	1.27 189	1.03 178	0.70 71	1.22 222	0.60 71	0.70 171	1.64 250	0.41 92	0.18 73	0.13 51	0.22 150	0.22 231	0.21 154	0.18 105

IIG-Stereo	0.96 303	0.31 184	0.72 146	0.88 405	0.33 148	0.61 118	0.26 15	1.19 169	1.03 178	1.69 379	1.37 281	1.46 326	0.75 180	6.96 437	0.51 171	0.19 111	0.14 92	0.23 186	0.18 112	0.20 120	0.14 19

rafts_anoy	0.52 66	0.29 132	0.59 69	0.59 242	0.50 285	0.53 79	0.40 111	1.11 146	1.03 178	0.84 105	0.83 85	0.68 94	0.54 101	0.72 57	0.51 171	0.19 111	0.14 92	0.24 206	0.26 295	0.21 154	0.18 105

SFCPSM	0.70 193	0.28 102	1.02 294	0.51 124	0.38 205	1.37 345	0.66 296	2.00 367	1.03 178	1.17 224	1.21 220	0.82 136	0.78 198	1.03 132	0.53 185	0.21 169	0.17 208	0.22 150	0.24 265	0.21 154	0.19 140

riskmin	0.56 114	0.27 84	0.60 74	0.43 15	0.31 114	0.83 234	0.42 127	1.14 152	1.04 182	0.73 79	0.75 68	1.11 253	1.01 305	0.81 80	0.51 171	0.20 140	0.14 92	0.24 206	0.15 47	0.24 217	0.25 243

NINENet	0.77 237	0.37 278	0.78 200	0.62 277	0.51 296	2.34 418	0.42 127	1.83 327	1.04 182	1.14 199	1.23 226	1.03 226	0.62 147	1.24 176	0.70 240	0.28 305	0.23 308	0.31 317	0.21 204	0.26 239	0.25 243

UNet	0.83 265	0.34 241	1.31 352	0.58 229	0.74 376	1.58 367	0.49 201	1.41 215	1.04 182	1.21 241	1.08 162	1.54 339	1.12 333	1.65 251	1.09 325	0.23 218	0.17 208	0.25 244	0.20 164	0.25 228	0.22 200

PMTNet	0.46 44	0.21 7	0.38 5	0.37 3	0.23 8	0.71 179	0.27 22	0.74 16	1.04 182	0.64 63	0.70 56	0.55 53	0.47 62	0.86 93	0.35 46	1.00 429	0.13 51	0.15 4	0.10 2	0.15 8	0.13 4

Any-RAFT	0.53 75	0.24 30	0.47 16	0.47 53	0.27 42	1.00 284	0.25 8	1.58 259	1.05 186	0.85 109	0.99 122	1.06 231	0.47 62	0.70 51	0.32 16	0.18 73	0.13 51	0.16 15	0.13 19	0.16 18	0.16 56

CSP-Net	0.97 309	0.38 285	0.83 214	0.53 157	0.41 232	1.63 371	0.77 325	2.00 367	1.05 186	1.25 265	1.20 218	1.33 303	0.83 223	4.93 396	0.85 292	0.32 331	0.22 297	0.20 97	0.20 164	0.23 202	0.25 243

test_3	0.55 105	0.23 23	0.71 140	0.53 157	0.28 63	0.61 118	0.40 111	0.92 62	1.05 186	1.19 233	0.68 49	0.93 186	0.44 46	1.67 256	0.39 77	0.15 7	0.12 12	0.22 150	0.19 132	0.21 154	0.14 19

IPLG	0.69 189	0.27 84	0.97 274	0.51 124	0.43 245	0.79 216	0.33 48	1.21 171	1.06 189	1.30 287	1.10 171	0.52 46	0.55 108	3.16 362	0.63 221	0.16 15	0.14 92	0.19 70	0.16 81	0.18 61	0.17 80

OMP-Stereo	0.94 299	0.33 219	0.72 146	0.90 409	0.31 114	0.49 46	0.36 76	1.16 156	1.06 189	1.58 370	1.12 184	1.46 326	0.69 168	6.94 436	0.49 160	0.19 111	0.14 92	0.24 206	0.18 112	0.20 120	0.14 19

RALAANet	0.60 133	0.33 219	0.87 233	0.62 277	0.50 285	0.69 166	0.31 40	1.21 171	1.06 189	1.09 167	1.16 203	0.88 164	0.46 53	1.22 169	0.42 102	0.19 111	0.15 146	0.21 123	0.17 98	0.27 253	0.17 80

ARAFT	0.77 237	0.36 271	1.49 380	0.51 124	0.31 114	0.90 251	0.82 340	1.90 344	1.06 189	1.62 374	1.24 228	1.02 222	0.64 156	1.84 281	0.50 166	0.18 73	0.14 92	0.28 290	0.27 305	0.17 35	0.16 56

BEATNet_4x	0.73 219	0.49 334	1.17 333	0.53 157	0.26 26	1.03 290	0.55 247	1.82 322	1.06 189	1.21 241	1.22 222	0.96 203	0.91 257	1.01 128	1.06 319	0.21 169	0.14 92	0.24 206	0.19 132	0.37 330	0.21 183

RAFT-Stereo-weight	0.47 51	0.24 30	0.53 38	0.48 74	0.27 42	0.60 114	0.35 64	1.02 101	1.07 194	0.99 140	0.78 74	0.76 114	0.28 4	0.76 67	0.36 52	0.16 15	0.12 12	0.17 23	0.15 47	0.16 18	0.15 37

hknet	0.77 237	0.32 200	0.95 267	0.54 172	0.38 205	1.27 331	0.65 291	2.16 396	1.07 194	1.20 237	1.11 177	1.59 347	0.81 211	1.37 198	0.66 229	0.22 193	0.17 208	0.25 244	0.22 231	0.22 177	0.22 200

FENet	0.60 133	0.28 102	0.63 84	0.54 172	0.33 148	0.83 234	0.38 92	1.27 189	1.07 194	1.00 144	0.86 90	0.99 212	0.85 229	0.96 113	0.68 236	0.22 193	0.15 146	0.23 186	0.20 164	0.22 177	0.23 218

ACVNet	0.63 150	0.31 184	0.54 43	0.54 172	0.36 176	0.80 222	0.46 177	1.37 205	1.07 194	0.93 122	1.30 251	1.08 237	0.85 229	0.80 77	0.94 303	0.21 169	0.19 241	0.21 123	0.18 112	0.22 177	0.18 105

acv_ft	0.75 230	0.31 184	0.95 267	0.70 344	0.86 404	1.24 327	0.53 227	1.44 224	1.07 194	1.24 260	1.30 251	1.08 237	0.92 260	0.80 77	1.34 356	0.21 169	0.19 241	0.21 123	0.18 112	0.21 154	0.18 105

MIPNet	0.56 114	0.28 102	0.94 263	0.49 88	0.33 148	0.66 150	0.38 92	1.35 202	1.08 199	1.06 158	0.92 102	0.60 71	0.79 202	0.73 61	0.52 178	0.17 40	0.14 92	0.19 70	0.16 81	0.18 61	0.17 80

AASNet	0.76 236	0.35 261	0.91 253	0.79 377	0.81 397	1.14 307	0.56 255	2.02 374	1.08 199	1.22 246	1.24 228	0.93 186	0.76 188	0.77 70	1.16 335	0.27 292	0.23 308	0.24 206	0.20 164	0.28 270	0.24 231

RAFT-RH_RVC	1.03 327	0.24 30	0.67 108	0.49 88	0.28 63	0.81 228	0.33 48	0.83 42	1.08 199	2.05 407	4.65 443	1.04 229	0.57 121	5.98 421	0.50 166	0.18 73	0.13 51	0.26 263	0.20 164	0.16 18	0.17 80

APVNet	1.06 331	0.53 352	1.42 366	0.84 392	0.79 390	1.92 397	0.82 340	1.90 344	1.08 199	1.08 161	1.43 298	1.56 342	1.13 335	3.07 357	1.58 384	0.31 325	0.34 377	0.42 384	0.36 377	0.36 326	0.37 340

Gwc-CoAtRS	0.52 66	0.24 30	0.68 111	0.48 74	0.29 78	0.64 128	0.25 8	1.16 156	1.08 199	1.01 147	1.00 126	1.12 254	0.56 112	0.69 48	0.37 60	0.16 15	0.13 51	0.17 23	0.15 47	0.15 8	0.15 37

GANet-RSSM	0.72 202	0.28 102	0.63 84	0.64 294	0.58 330	0.80 222	0.58 269	1.89 341	1.08 199	1.04 157	1.25 232	1.15 262	1.04 314	1.49 226	0.62 217	0.25 257	0.19 241	0.22 150	0.22 231	0.22 177	0.21 183

WCG-NET（raft）	0.45 40	0.21 7	0.55 48	0.40 7	0.24 13	0.50 55	0.36 76	0.73 14	1.09 205	0.71 73	0.76 70	0.92 184	0.51 86	0.84 87	0.34 39	0.16 15	0.12 12	0.15 4	0.14 37	0.14 3	0.14 19

AE-Stereo	0.49 61	0.27 84	0.67 108	0.60 253	0.39 215	0.67 154	0.46 177	1.18 163	1.09 205	0.47 25	0.75 68	0.69 99	0.47 62	0.59 25	0.40 81	0.16 15	0.15 146	0.21 123	0.20 164	0.19 93	0.15 37

SQANet	1.31 369	0.88 411	1.08 314	1.83 442	1.44 438	1.44 356	0.75 319	1.74 294	1.09 205	1.32 299	1.26 239	1.28 294	1.01 305	1.50 228	0.83 286	2.50 448	0.34 377	1.47 440	0.55 416	2.32 442	1.57 443

RAFT-Stereo + iAFF	0.54 90	0.25 49	0.68 111	0.43 15	0.24 13	0.40 13	0.34 60	1.04 110	1.09 205	1.32 299	1.60 339	0.80 127	0.68 165	0.67 47	0.39 77	0.13 1	0.10 1	0.18 52	0.17 98	0.17 35	0.13 4

FADNet_RVC	0.83 265	0.51 344	1.83 403	0.54 172	0.42 237	1.19 321	0.46 177	1.51 242	1.09 205	0.89 113	1.24 228	0.91 175	0.87 242	2.11 309	1.11 330	0.27 292	0.22 297	0.31 317	0.28 325	0.43 359	0.38 346

UPFNet	0.80 251	0.32 200	0.90 250	0.59 242	0.74 376	1.26 330	0.80 336	1.52 244	1.10 210	1.30 287	1.12 184	1.30 298	0.84 226	1.67 256	1.09 325	0.24 233	0.24 317	0.24 206	0.23 253	0.25 228	0.18 105

PSMNet-RSSM	0.72 202	0.30 151	0.61 77	0.63 285	0.42 237	0.73 185	0.56 255	1.92 351	1.10 210	1.09 167	1.37 281	1.22 272	0.98 293	1.28 180	0.72 248	0.27 292	0.19 241	0.27 277	0.29 336	0.24 217	0.24 231

RAFT-345	0.84 270	0.25 49	0.66 103	0.50 97	0.27 42	0.54 86	0.42 127	0.83 42	1.11 212	1.32 299	2.34 407	0.86 156	0.54 101	5.72 413	0.47 148	0.18 73	0.13 51	0.22 150	0.17 98	0.17 35	0.16 56

CREStereo	0.39 10	0.21 7	0.38 5	0.34 1	0.22 6	0.53 79	0.29 30	0.77 21	1.11 212	0.58 52	0.71 59	0.51 41	0.41 34	0.54 15	0.34 39	0.18 73	0.13 51	0.15 4	0.10 2	0.14 3	0.14 19
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
MaskLacGwcNet_RVC	1.10 341	1.02 418	1.00 283	0.82 388	0.67 359	1.93 398	0.93 365	1.62 271	1.11 212	1.15 205	1.25 232	1.50 334	0.79 202	1.96 296	0.76 260	1.89 442	0.34 377	0.79 427	0.36 377	1.25 436	0.83 422

STTStereo	0.78 244	0.50 341	1.22 338	0.64 294	0.54 310	0.89 248	0.54 232	1.44 224	1.11 212	1.38 322	1.09 167	1.27 291	0.85 229	1.43 214	0.83 286	0.29 314	0.27 337	0.33 337	0.39 383	0.32 309	0.30 301

rvit_stereo_0075_2	0.64 161	0.46 322	1.05 302	0.66 313	0.66 356	0.53 79	0.48 192	1.20 170	1.12 216	0.76 82	0.92 102	0.78 121	0.53 96	1.03 132	0.59 204	0.37 362	0.28 344	0.40 379	0.31 349	0.37 330	0.32 316

trnet	0.39 10	0.21 7	0.37 2	0.36 2	0.20 2	0.53 79	0.29 30	0.78 25	1.12 216	0.59 59	0.71 59	0.53 51	0.42 37	0.54 15	0.34 39	0.18 73	0.13 51	0.15 4	0.10 2	0.14 3	0.13 4

Former-RAFT_DAM_RVC	0.46 44	0.36 271	0.71 140	0.47 53	0.36 176	0.67 154	0.35 64	0.78 25	1.12 216	0.61 61	0.62 39	0.39 9	0.39 29	0.71 54	0.39 77	0.20 140	0.17 208	0.22 150	0.18 112	0.23 202	0.19 140

GMStereo_Zeroshot	0.67 183	0.61 378	1.01 287	0.64 294	0.37 188	0.84 241	0.35 64	1.05 116	1.12 216	1.12 182	1.06 155	1.27 291	0.54 101	1.19 166	0.59 204	0.32 331	0.17 208	0.31 317	0.18 112	0.52 388	0.22 200

CBFPSM	0.92 294	0.33 219	1.86 404	0.49 88	0.38 205	1.75 381	0.84 342	1.39 211	1.12 216	1.09 167	0.99 122	2.37 411	1.66 398	1.32 188	1.42 373	0.19 111	0.18 225	0.20 97	0.20 164	0.21 154	0.33 322

test_5	0.65 167	0.30 151	0.75 176	0.67 325	0.50 285	0.92 260	0.52 219	1.39 211	1.12 216	0.76 82	1.11 177	1.00 213	0.90 254	1.53 233	0.45 127	0.18 73	0.13 51	0.23 186	0.22 231	0.21 154	0.19 140

SACVNet	0.85 274	0.46 322	0.85 216	0.81 383	0.56 318	0.80 222	0.79 330	1.68 282	1.12 216	1.34 310	1.33 265	1.25 283	0.94 274	2.39 333	0.76 260	0.34 347	0.26 329	0.31 317	0.29 336	0.35 320	0.44 367

GANet-ADL	0.60 133	0.35 261	0.72 146	0.64 294	0.40 225	0.68 161	0.51 209	1.49 232	1.12 216	0.95 128	1.08 162	0.91 175	0.57 121	0.76 67	0.55 194	0.26 277	0.18 225	0.18 52	0.16 81	0.23 202	0.25 243

STrans-v2	1.04 330	0.28 102	0.96 272	0.49 88	0.32 131	0.68 161	0.79 330	2.47 430	1.12 216	1.12 182	1.46 308	1.40 313	1.46 377	6.70 433	0.43 111	0.18 73	0.13 51	0.20 97	0.18 112	0.18 61	0.18 105

TransformOpticalFlow	0.96 303	0.28 102	0.89 246	0.52 143	0.31 114	0.66 150	0.54 232	1.75 296	1.12 216	1.09 167	1.44 301	1.37 312	1.01 305	6.70 433	0.42 102	0.19 111	0.12 12	0.20 97	0.19 132	0.18 61	0.19 140

psm_up	0.77 237	0.34 241	0.70 128	0.66 313	0.58 330	1.05 293	0.92 361	1.52 244	1.12 216	1.26 269	1.16 203	1.31 301	1.23 352	1.20 167	0.81 279	0.25 257	0.29 355	0.31 317	0.27 305	0.27 253	0.25 243

PSMNet_ROB	0.90 289	0.52 348	1.17 333	0.72 354	0.61 343	1.27 331	1.12 391	1.76 302	1.12 216	1.09 167	1.28 247	1.45 324	0.89 253	1.65 251	1.42 373	0.33 339	0.25 324	0.37 366	0.39 383	0.35 320	0.29 289

IPLGR	0.58 125	0.27 84	1.14 329	0.48 74	0.28 63	0.65 142	0.33 48	1.22 179	1.13 228	1.18 229	1.05 153	0.69 99	0.66 164	0.96 113	0.52 178	0.17 40	0.15 146	0.20 97	0.17 98	0.20 120	0.18 105

HCRNet	0.70 193	0.39 290	0.73 158	0.60 253	0.59 337	0.76 199	0.35 64	1.22 179	1.13 228	1.02 151	0.99 122	1.02 222	0.76 188	2.19 317	0.70 240	0.28 305	0.19 241	0.28 290	0.23 253	0.25 228	0.23 218

test_sample5	0.69 189	0.34 241	0.87 233	0.52 143	0.30 95	0.84 241	0.54 232	1.83 327	1.14 230	1.11 181	1.25 232	0.88 164	0.78 198	1.23 171	0.65 226	0.26 277	0.20 258	0.27 277	0.27 305	0.27 253	0.26 264

DualNet	0.70 193	0.34 241	0.87 233	0.52 143	0.30 95	0.84 241	0.54 232	1.83 327	1.14 230	1.14 199	1.33 265	0.88 164	0.78 198	1.23 171	0.65 226	0.26 277	0.20 258	0.27 277	0.27 305	0.27 253	0.26 264

iinet-f	0.99 315	0.45 320	3.71 440	0.55 194	0.43 245	1.81 389	0.68 302	1.14 152	1.14 230	1.18 229	1.42 294	1.58 346	1.44 374	1.34 193	1.59 386	0.24 233	0.23 308	0.20 97	0.19 132	0.26 239	0.25 243

gwcnet-sp	0.74 222	0.33 219	1.44 367	0.57 223	0.45 259	1.40 350	0.54 232	1.50 236	1.14 230	1.30 287	1.02 140	0.94 189	0.82 215	1.39 207	0.76 260	0.21 169	0.21 279	0.22 150	0.21 204	0.22 177	0.22 200

scenet	0.74 222	0.33 219	1.44 367	0.57 223	0.45 259	1.40 350	0.54 232	1.50 236	1.14 230	1.30 287	1.02 140	0.94 189	0.82 215	1.39 207	0.76 260	0.21 169	0.21 279	0.22 150	0.21 204	0.22 177	0.22 200

ssnet	0.74 222	0.33 219	1.44 367	0.57 223	0.45 259	1.40 350	0.54 232	1.50 236	1.14 230	1.30 287	1.02 140	0.94 189	0.82 215	1.39 207	0.76 260	0.21 169	0.21 279	0.22 150	0.21 204	0.22 177	0.22 200

PFNet+	0.59 130	0.28 102	0.77 192	0.53 157	0.30 95	0.59 107	0.31 40	0.92 62	1.14 230	1.33 307	1.10 171	0.79 125	0.57 121	1.31 185	0.49 160	0.25 257	0.17 208	0.28 290	0.26 295	0.21 154	0.25 243

AFF-stereo	0.58 125	0.25 49	0.64 90	0.46 45	0.29 78	0.34 7	0.38 92	1.15 154	1.14 230	1.17 224	1.60 339	1.10 249	0.71 174	0.97 119	0.43 111	0.13 1	0.11 4	0.19 70	0.19 132	0.17 35	0.14 19

CFNet-RSSM	0.54 90	0.24 30	0.70 128	0.48 74	0.28 63	0.60 114	0.27 22	1.49 232	1.14 230	1.06 158	0.93 105	1.08 237	0.54 101	0.70 51	0.35 46	0.16 15	0.12 12	0.17 23	0.15 47	0.16 18	0.14 19

UCFNet_RVC	0.69 189	0.35 261	0.49 21	0.64 294	0.39 215	0.85 244	0.58 269	1.75 296	1.14 230	0.97 133	1.19 215	1.17 264	0.93 269	0.99 123	0.62 217	0.28 305	0.20 258	0.34 347	0.31 349	0.32 309	0.27 273

PS-NSSS	0.99 315	0.58 366	0.93 259	0.58 229	0.57 321	0.91 253	0.80 336	1.81 321	1.14 230	1.14 199	1.67 356	1.00 213	0.83 223	4.62 389	0.78 268	0.37 362	0.31 365	0.52 402	0.32 357	0.45 368	0.38 346

test_sample8	2.19 424	0.49 334	1.13 325	0.56 207	0.39 215	1.02 287	0.73 314	1.82 322	1.15 241	2.26 413	1.30 251	4.94 446	2.52 436	2.27 324	7.92 451	0.57 412	12.61 478	0.62 420	0.67 426	0.45 368	0.42 358

test_sample6	0.71 200	0.34 241	0.87 233	0.52 143	0.30 95	0.82 229	0.58 269	1.79 315	1.15 241	1.14 199	1.33 265	0.91 175	0.79 202	1.31 185	0.74 252	0.27 292	0.21 279	0.27 277	0.29 336	0.28 270	0.27 273

test_sample4	0.69 189	0.33 219	0.91 253	0.51 124	0.30 95	0.92 260	0.52 219	1.87 336	1.15 241	1.14 199	1.18 208	0.87 160	0.75 180	1.18 164	0.68 236	0.25 257	0.20 258	0.26 263	0.26 295	0.26 239	0.25 243

test_sample3	0.68 187	0.32 200	0.88 240	0.52 143	0.30 95	0.97 277	0.52 219	1.86 334	1.15 241	1.08 161	1.11 177	0.88 164	0.71 174	1.17 163	0.68 236	0.25 257	0.20 258	0.25 244	0.25 278	0.25 228	0.25 243

cf-r	0.73 219	0.30 151	0.77 192	0.55 194	0.63 349	0.78 212	0.48 192	1.79 315	1.15 241	1.13 196	1.26 239	1.43 317	0.87 242	1.40 212	0.85 292	0.25 257	0.18 225	0.22 150	0.23 253	0.19 93	0.19 140

CFNet-ft	0.72 202	0.32 200	0.54 43	0.66 313	0.54 310	0.83 234	0.55 247	1.37 205	1.15 241	0.93 122	1.28 247	1.57 343	0.97 289	1.35 194	0.81 279	0.26 277	0.20 258	0.33 337	0.25 278	0.30 292	0.23 218

DANet	1.08 336	0.61 378	1.32 355	0.85 397	0.72 372	1.37 345	0.51 209	1.54 252	1.15 241	1.78 386	1.54 325	2.01 394	1.11 330	2.90 352	2.00 402	0.33 339	0.30 359	0.40 379	0.30 345	0.44 365	0.45 369
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
CFNet_RVC	0.72 202	0.32 200	0.54 43	0.66 313	0.54 310	0.83 234	0.55 247	1.37 205	1.15 241	0.93 122	1.28 247	1.57 343	0.97 289	1.35 194	0.81 279	0.26 277	0.20 258	0.33 337	0.25 278	0.30 292	0.23 218

GCST	1.08 336	1.47 439	0.93 259	1.73 440	1.14 427	1.30 336	0.31 40	1.33 195	1.16 249	1.29 279	0.97 119	0.98 206	0.49 80	2.08 306	0.46 141	1.19 439	0.70 439	1.30 439	0.85 437	1.02 428	0.89 425

anonymity	1.12 346	0.97 414	1.21 336	1.07 426	1.12 424	1.08 299	0.89 354	1.95 359	1.16 249	1.29 279	1.26 239	1.22 272	1.09 328	1.15 158	1.01 315	1.02 432	1.00 455	0.97 432	0.97 443	0.98 425	0.99 429

DDUNet	1.50 386	2.69 463	1.12 323	1.77 441	1.88 443	1.84 393	0.92 361	1.70 287	1.16 249	1.38 322	1.79 369	1.60 349	1.12 333	1.37 198	1.08 323	1.10 437	0.76 440	2.37 449	0.94 441	2.00 440	1.37 440

rvit_0105_4	0.56 114	0.38 285	1.06 306	0.66 313	0.38 205	0.53 79	0.53 227	0.84 45	1.17 252	0.56 50	0.61 37	0.72 106	0.59 131	0.98 120	0.45 127	0.32 331	0.33 376	0.29 300	0.25 278	0.29 281	0.23 218

rvit_0105_3	0.63 150	0.44 313	1.08 314	0.72 354	0.40 225	0.64 128	0.71 310	1.03 105	1.17 252	0.82 101	0.70 56	0.80 127	0.70 171	0.91 103	0.56 196	0.35 354	0.34 377	0.34 347	0.32 357	0.27 253	0.28 285

H2IRNET	0.56 114	0.26 61	0.66 103	0.47 53	0.35 166	0.41 16	0.26 15	0.92 62	1.17 252	0.61 61	1.28 247	1.08 237	0.86 237	0.99 123	0.63 221	0.19 111	0.16 181	0.22 150	0.25 278	0.21 154	0.18 105

CoDeX	0.73 219	0.29 132	0.93 259	0.54 172	0.36 176	1.14 307	0.61 282	2.34 420	1.17 252	1.16 215	1.25 232	0.91 175	0.87 242	1.33 190	0.64 225	0.20 140	0.16 181	0.21 123	0.18 112	0.20 120	0.18 105

LL-Strereo	1.33 372	0.39 290	1.38 362	0.61 266	0.61 343	0.75 194	0.66 296	1.63 273	1.17 252	1.56 364	1.60 339	2.03 397	2.12 424	9.72 465	0.97 310	0.21 169	0.18 225	0.27 277	0.23 253	0.22 177	0.25 243

GEStereo_RVC	0.90 289	0.37 278	0.99 278	0.64 294	0.50 285	0.95 269	0.79 330	2.42 427	1.17 252	1.16 215	1.11 177	1.26 287	0.92 260	3.24 363	0.90 300	0.29 314	0.19 241	0.23 186	0.20 164	0.27 253	0.29 289

StereoDRNet-Refined	0.80 251	0.41 303	0.88 240	0.62 277	0.42 237	1.33 340	0.48 192	1.52 244	1.17 252	1.45 340	1.44 301	1.44 322	0.90 254	1.26 178	1.24 343	0.20 140	0.16 181	0.27 277	0.24 265	0.25 228	0.28 285
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
rvit_0105_5	0.58 125	0.39 290	1.05 302	0.66 313	0.37 188	0.58 102	0.56 255	0.94 75	1.18 259	0.64 63	0.68 49	0.75 110	0.63 152	0.88 95	0.50 166	0.32 331	0.32 372	0.30 311	0.27 305	0.28 270	0.25 243

rvit_105_1	0.72 202	0.52 348	1.01 287	0.78 375	0.49 278	0.75 194	0.87 350	1.12 148	1.18 259	0.99 140	0.79 78	0.90 173	0.77 192	1.26 178	0.75 257	0.41 375	0.36 391	0.36 363	0.41 388	0.30 292	0.33 322

ACV-stereo	0.99 315	0.51 344	1.41 365	0.56 207	0.41 232	2.43 422	0.57 265	1.15 154	1.18 259	0.81 97	1.01 132	3.39 433	2.14 425	1.60 245	1.07 322	0.27 292	0.22 297	0.22 150	0.22 231	0.28 270	0.32 316

FADNet-RVC	0.88 284	0.67 387	1.93 407	0.60 253	0.48 275	0.91 253	0.60 281	1.71 288	1.18 259	0.90 115	0.96 111	1.36 309	0.92 260	2.25 322	1.17 337	0.30 318	0.29 355	0.32 329	0.32 357	0.41 350	0.35 331

NLCA_NET_v2_RVC	0.79 248	0.43 310	1.05 302	0.64 294	0.58 330	0.95 269	0.53 227	1.53 250	1.18 259	1.37 317	1.15 199	1.43 317	0.88 247	1.61 247	0.84 289	0.25 257	0.22 297	0.27 277	0.27 305	0.29 281	0.29 289
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AdaStereo	0.70 193	0.43 310	0.75 176	0.73 362	0.37 188	0.92 260	0.53 227	1.85 331	1.18 259	1.12 182	1.23 226	1.07 236	0.65 162	0.96 113	0.63 221	0.31 325	0.15 146	0.32 329	0.21 204	0.29 281	0.22 200
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
RAFT + AFF	1.00 320	0.42 307	1.09 316	0.67 325	0.50 285	1.22 325	1.24 402	2.24 411	1.19 265	1.30 287	1.56 331	1.17 264	1.49 382	3.44 371	0.83 286	0.21 169	0.25 324	0.30 311	0.26 295	0.27 253	0.27 273

psmorigin	1.52 388	0.69 390	10.52 461	0.68 336	0.59 337	1.13 306	0.70 308	1.57 258	1.19 265	1.99 404	1.79 369	2.26 405	1.47 379	2.09 307	1.36 360	0.39 369	0.40 402	0.34 347	0.33 364	0.43 359	0.56 394

DSFCA	0.93 297	0.34 241	1.06 306	0.52 143	0.65 354	1.55 365	0.93 365	1.49 232	1.19 265	1.56 364	1.15 199	1.50 334	0.96 286	3.07 357	1.02 316	0.30 318	0.26 329	0.25 244	0.25 278	0.28 270	0.24 231

HSM	1.19 359	0.32 200	0.65 97	0.57 223	0.38 205	1.23 326	0.59 277	2.25 412	1.19 265	1.30 287	1.25 232	1.94 387	1.03 312	9.32 459	0.71 245	0.22 193	0.16 181	0.20 97	0.16 81	0.21 154	0.21 183

ETE_ROB	0.96 303	0.64 384	1.16 331	0.69 339	0.48 275	1.14 307	1.13 392	1.77 306	1.19 265	1.91 401	1.45 303	1.73 367	1.05 318	1.60 245	1.14 333	0.32 331	0.26 329	0.38 369	0.34 369	0.39 343	0.41 354

rvit_0105_6	0.53 75	0.37 278	0.98 277	0.65 306	0.38 205	0.51 70	0.51 209	0.77 21	1.20 270	0.54 48	0.55 28	0.65 84	0.53 96	0.94 112	0.44 114	0.32 331	0.32 372	0.28 290	0.24 265	0.28 270	0.21 183

DAS	0.84 270	0.34 241	1.03 298	0.64 294	0.69 367	0.77 207	0.63 287	1.54 252	1.20 270	1.79 389	1.55 327	0.95 197	1.04 314	2.83 349	0.60 212	0.21 169	0.16 181	0.25 244	0.18 112	0.27 253	0.22 200

SepStereo	0.82 259	0.34 241	1.03 298	0.64 294	0.69 367	0.77 207	0.63 287	1.54 252	1.20 270	1.79 389	1.55 327	0.95 197	1.04 314	2.30 326	0.60 212	0.21 169	0.16 181	0.25 244	0.18 112	0.27 253	0.22 200

HGLStereo	0.85 274	0.38 285	0.94 263	0.80 380	1.03 417	1.17 316	0.58 269	1.52 244	1.20 270	1.19 233	1.62 346	1.13 259	1.20 347	1.80 278	1.06 319	0.24 233	0.24 317	0.24 206	0.21 204	0.23 202	0.27 273

GwcNet-RSSM	0.77 237	0.32 200	1.01 287	0.62 277	0.54 310	0.78 212	0.51 209	1.73 290	1.20 270	1.09 167	1.37 281	1.46 326	0.85 229	1.53 233	1.09 325	0.25 257	0.18 225	0.23 186	0.24 265	0.20 120	0.19 140

FADNet-RVC-Resample	0.84 270	0.47 327	2.10 411	0.61 266	0.45 259	1.07 298	0.61 282	1.59 260	1.20 270	1.08 161	0.98 120	1.03 226	0.98 293	2.17 312	0.72 248	0.23 218	0.22 297	0.30 311	0.32 357	0.35 320	0.34 326

DualNet (step1)	0.83 265	0.49 334	1.13 325	0.56 207	0.39 215	1.02 287	0.73 314	1.78 310	1.21 276	1.22 246	1.18 208	1.08 237	0.92 260	1.23 171	0.67 232	0.57 412	0.28 344	0.62 420	0.67 426	0.45 368	0.42 358

test_sample9	1.86 411	0.49 334	1.13 325	0.56 207	0.39 215	1.02 287	0.73 314	1.78 310	1.21 276	1.22 246	1.18 208	1.08 237	0.92 260	2.27 324	7.92 451	0.57 412	12.61 478	0.62 420	0.67 426	0.45 368	0.42 358

test_sample7	0.74 222	0.37 278	0.76 186	0.52 143	0.35 166	0.91 253	0.67 299	1.78 310	1.21 276	1.22 246	1.18 208	1.08 237	0.92 260	1.23 171	0.67 232	0.31 325	0.28 344	0.32 329	0.31 349	0.33 316	0.29 289

DispNO	0.93 297	0.30 151	1.34 360	0.55 194	0.55 316	0.89 248	0.49 201	1.48 230	1.21 276	1.17 224	1.27 242	1.19 268	0.90 254	5.23 399	0.74 252	0.22 193	0.17 208	0.24 206	0.21 204	0.19 93	0.20 167

TestStereo1	0.63 150	0.28 102	0.75 176	0.76 370	0.31 114	0.48 36	0.43 144	1.30 193	1.21 276	0.97 133	1.31 257	0.64 81	0.77 192	1.75 269	0.42 102	0.20 140	0.15 146	0.22 150	0.18 112	0.21 154	0.17 80

SA-5K	0.63 150	0.28 102	0.75 176	0.76 370	0.31 114	0.48 36	0.43 144	1.30 193	1.21 276	0.97 133	1.31 257	0.64 81	0.77 192	1.75 269	0.42 102	0.20 140	0.15 146	0.22 150	0.18 112	0.21 154	0.17 80

CFNet_pseudo	0.66 174	0.32 200	0.86 222	0.48 74	0.39 215	0.70 173	0.40 111	1.33 195	1.22 282	1.16 215	1.34 272	1.24 279	0.64 156	0.98 120	0.59 204	0.21 169	0.16 181	0.33 337	0.19 132	0.36 326	0.25 243

G-Net	1.66 398	0.63 382	1.56 383	1.11 428	0.74 376	2.98 437	0.91 359	1.55 256	1.22 282	2.76 432	8.18 463	2.32 409	2.53 437	1.92 290	1.87 394	0.48 398	0.44 410	0.45 390	0.31 349	0.60 405	0.57 398

ccs_rob	0.66 174	0.33 219	0.86 222	0.48 74	0.39 215	0.70 173	0.40 111	1.33 195	1.22 282	1.16 215	1.34 272	1.23 277	0.64 156	0.98 120	0.59 204	0.21 169	0.16 181	0.35 355	0.20 164	0.37 330	0.25 243

UDG	1.41 381	2.65 462	0.99 278	1.44 437	1.64 441	1.34 342	0.80 336	1.60 264	1.23 285	1.23 252	1.71 359	2.01 394	1.34 368	1.47 224	1.41 369	0.90 427	0.54 430	2.29 447	0.75 430	1.84 439	1.04 432

MLCV	0.72 202	0.34 241	1.10 319	0.51 124	0.23 8	0.91 253	0.39 105	1.33 195	1.23 285	1.46 342	1.55 327	1.01 220	0.64 156	1.95 295	0.80 278	0.18 73	0.12 12	0.18 52	0.14 37	0.19 93	0.17 80

DLCB_ROB	0.86 279	0.40 296	0.78 200	0.68 336	0.54 310	1.11 302	0.84 342	1.49 232	1.23 285	1.64 376	1.65 352	1.70 364	0.91 257	1.70 263	1.05 317	0.25 257	0.24 317	0.26 263	0.27 305	0.27 253	0.24 231

XPNet_ROB	0.96 303	0.49 334	1.09 316	0.72 354	0.57 321	1.11 302	1.14 393	1.66 280	1.23 285	1.85 396	1.39 289	1.64 357	1.11 330	1.80 278	1.42 373	0.38 366	0.30 359	0.33 337	0.29 336	0.37 330	0.34 326

raft_robust	0.68 187	0.30 151	0.64 90	0.52 143	0.26 26	0.54 86	0.35 64	1.33 195	1.24 289	1.16 215	1.07 158	0.60 71	0.54 101	3.58 374	0.37 60	0.18 73	0.14 92	0.20 97	0.22 231	0.20 120	0.16 56

ADLNet2	0.88 284	0.34 241	1.17 333	0.77 373	0.64 352	1.12 305	0.76 322	1.74 294	1.24 289	1.21 241	1.65 352	1.71 365	1.05 318	1.67 256	1.17 337	0.24 233	0.21 279	0.21 123	0.22 231	0.26 239	0.29 289

GANet	1.36 375	0.47 327	0.86 222	0.67 325	0.45 259	1.34 342	1.73 427	1.64 274	1.24 289	1.49 351	2.38 408	1.55 341	1.20 347	9.30 458	0.93 302	0.30 318	0.31 365	0.33 337	0.28 325	0.39 343	0.30 301

fff	0.53 75	0.24 30	0.70 128	0.43 15	0.24 13	0.48 36	0.36 76	1.07 131	1.25 292	1.10 175	1.02 140	0.57 60	1.06 321	0.73 61	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.15 8	0.19 140

s12784h	0.52 66	0.20 2	0.38 5	0.41 8	0.19 1	0.96 273	0.34 60	1.17 158	1.25 292	0.81 97	0.90 98	0.63 78	0.50 84	1.45 218	0.42 102	0.14 4	0.12 12	0.17 23	0.11 7	0.18 61	0.11 1

csc	0.53 75	0.24 30	0.70 128	0.43 15	0.24 13	0.48 36	0.36 76	1.07 131	1.25 292	1.10 175	1.02 140	0.57 60	1.06 321	0.73 61	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.15 8	0.19 140

cscssc	0.53 75	0.24 30	0.70 128	0.43 15	0.24 13	0.48 36	0.36 76	1.07 131	1.25 292	1.10 175	1.02 140	0.57 60	1.06 321	0.73 61	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.15 8	0.19 140

iResNet	0.75 230	0.40 296	1.36 361	0.67 325	0.29 78	0.92 260	0.59 277	1.52 244	1.25 292	1.28 274	1.48 314	0.94 189	0.76 188	1.62 248	0.78 268	0.18 73	0.14 92	0.18 52	0.15 47	0.22 177	0.23 218

GwcNet-ADL	0.64 161	0.31 184	0.79 202	0.56 207	0.41 232	0.60 114	0.58 269	1.41 215	1.26 297	1.08 161	1.13 189	0.91 175	0.60 134	1.04 138	0.78 268	0.27 292	0.18 225	0.18 52	0.18 112	0.25 228	0.29 289

ccnet	1.12 346	0.67 387	1.01 287	0.78 375	0.73 375	1.72 379	0.99 375	1.84 330	1.26 297	1.47 343	1.85 377	1.75 372	1.29 360	1.75 269	1.88 396	0.57 412	0.53 427	0.57 417	0.55 416	0.59 401	0.54 390

RGC	1.14 351	0.79 403	1.26 345	0.91 412	0.96 415	1.52 362	0.77 325	1.92 351	1.26 297	1.54 360	1.93 385	2.02 396	1.54 384	2.25 322	1.31 353	0.44 389	0.35 386	0.58 418	0.48 404	0.47 375	0.46 372

CC-Net-ROB	1.49 384	1.26 432	1.27 348	0.88 405	0.79 390	1.76 383	1.00 377	1.79 315	1.26 297	1.10 175	1.61 343	1.21 270	0.99 301	8.13 452	0.84 289	1.09 436	0.41 404	2.20 445	0.46 400	1.20 435	0.48 378

TDLM	1.06 331	0.44 313	0.79 202	0.63 285	0.50 285	0.89 248	1.44 414	1.48 230	1.26 297	1.12 182	1.40 291	1.08 237	0.98 293	6.65 429	0.78 268	0.33 339	0.21 279	0.33 337	0.26 295	0.37 330	0.24 231

CVANet_RVC	1.07 333	0.43 310	0.76 186	0.60 253	0.50 285	0.90 251	0.97 371	1.52 244	1.26 297	1.33 307	1.38 285	1.24 279	1.18 341	6.75 435	0.75 257	0.34 347	0.23 308	0.34 347	0.29 336	0.42 354	0.27 273

XX-TBD	0.46 44	0.70 393	0.35 1	0.79 377	0.25 23	0.58 102	0.26 15	0.69 10	1.27 303	0.76 82	1.00 126	0.45 20	0.33 15	0.47 6	0.37 60	0.19 111	0.15 146	0.15 4	0.11 7	0.17 35	0.14 19

MMNet	0.84 270	0.32 200	1.09 316	0.60 253	0.59 337	1.85 394	0.49 201	1.51 242	1.27 303	1.37 317	1.15 199	1.26 287	1.18 341	1.67 256	1.22 341	0.19 111	0.18 225	0.23 186	0.22 231	0.25 228	0.21 183

Nwc_Net	1.09 339	0.49 334	1.33 357	0.89 408	0.80 395	1.49 360	0.66 296	2.19 405	1.27 303	1.32 299	2.26 403	1.96 389	1.54 384	1.92 290	1.34 356	0.40 371	0.30 359	0.43 386	0.45 397	0.38 339	0.37 340

ADCRef	1.35 374	0.55 356	2.37 422	0.72 354	0.77 386	1.94 399	0.78 327	1.91 348	1.27 303	1.57 368	1.59 338	1.36 309	1.41 371	1.54 235	7.53 446	0.23 218	0.20 258	0.32 329	0.30 345	0.29 281	0.29 289

CBMV_ROB	0.90 289	0.44 313	0.63 84	0.51 124	0.37 188	1.25 329	0.49 201	1.77 306	1.27 303	1.41 330	2.00 389	1.33 303	1.08 325	2.17 312	0.76 260	0.43 384	0.42 406	0.47 395	0.44 395	0.41 350	0.36 336

1111x	1.70 403	0.29 132	0.86 222	0.51 124	0.27 42	1.01 285	0.68 302	2.22 409	1.28 308	1.13 196	1.40 291	1.21 270	1.10 329	5.53 408	15.20 467	0.22 193	0.21 279	0.22 150	0.22 231	0.24 217	0.22 200

GASNet	0.99 315	0.97 414	1.72 394	0.98 418	0.68 365	0.83 234	0.67 299	1.60 264	1.28 308	1.31 297	1.22 222	1.22 272	1.21 350	2.41 334	1.41 369	0.43 384	0.26 329	0.36 363	0.34 369	0.55 394	0.31 311

HBP-ISP	0.96 303	0.58 366	0.72 146	0.61 266	0.46 269	1.64 373	0.76 322	1.86 334	1.28 308	1.30 287	1.53 323	0.86 156	0.94 274	3.27 365	0.69 239	0.45 390	0.44 410	0.54 408	0.48 404	0.47 375	0.40 350

HSM-Net_RVC	0.87 283	0.29 132	0.53 38	0.53 157	0.30 95	1.15 312	0.55 247	3.57 446	1.28 308	1.53 356	1.74 362	1.68 362	0.93 269	1.49 226	0.77 266	0.22 193	0.17 208	0.19 70	0.18 112	0.20 120	0.19 140
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_ucs	0.70 193	0.33 219	0.88 240	0.50 97	0.43 245	0.74 189	0.44 157	1.60 264	1.29 312	1.22 246	1.54 325	1.09 247	0.63 152	0.99 123	0.59 204	0.25 257	0.20 258	0.37 366	0.21 204	0.40 347	0.28 285

SDNR	1.62 396	0.51 344	2.17 415	0.53 157	0.56 318	3.80 448	0.45 171	1.54 252	1.29 312	1.33 307	2.41 411	1.08 237	0.96 286	11.18 469	1.16 335	0.66 423	0.63 435	0.43 386	0.32 357	0.64 408	0.67 412

Wz-Net-LNSev-Ref	0.99 315	0.40 296	1.82 401	0.66 313	0.62 348	2.05 406	0.78 327	1.91 348	1.29 312	1.54 360	1.42 294	1.51 336	1.23 352	1.99 298	1.33 354	0.23 218	0.14 92	0.20 97	0.15 47	0.27 253	0.26 264

CREStereo++_RVC	0.47 51	0.21 7	0.38 5	0.45 41	0.38 205	0.45 30	0.25 8	0.75 17	1.29 312	0.80 93	1.21 220	0.47 26	0.37 23	0.53 13	0.44 114	0.16 15	0.11 4	0.15 4	0.80 433	0.18 61	0.11 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
xxxx	1.51 387	0.28 102	0.68 111	0.54 172	0.28 63	1.16 314	0.44 157	2.19 405	1.29 312	1.09 167	1.36 279	1.22 272	0.85 229	1.79 277	15.70 469	0.24 233	0.21 279	0.21 123	0.20 164	0.22 177	0.23 218

test_xeample	1.45 383	0.28 102	0.65 97	0.51 124	0.28 63	0.94 265	0.59 277	2.14 391	1.29 312	1.24 260	1.51 321	0.88 164	0.86 237	1.46 220	15.10 466	0.22 193	0.20 258	0.22 150	0.20 164	0.22 177	0.22 200

DCANet-4	0.54 90	0.26 61	1.07 311	0.42 13	0.24 13	0.48 36	0.36 76	0.99 91	1.30 318	1.10 175	1.02 140	0.56 58	0.75 180	0.73 61	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.15 8	0.19 140

ADStereo(finetuned)	0.57 120	0.24 30	1.06 306	0.43 15	0.24 13	0.49 46	0.35 64	1.05 116	1.30 318	1.12 182	1.03 148	0.58 65	1.20 347	0.84 87	0.51 171	0.16 15	0.13 51	0.17 23	0.13 19	0.18 61	0.19 140

SA	0.66 174	0.30 151	0.82 211	0.61 266	0.30 95	0.58 102	0.38 92	1.44 224	1.30 318	0.96 130	1.36 279	0.66 89	0.95 279	1.85 284	0.42 102	0.19 111	0.15 146	0.25 244	0.23 253	0.21 154	0.17 80

DCANet	0.54 90	0.24 30	0.70 128	0.43 15	0.24 13	0.49 46	0.36 76	1.05 116	1.30 318	1.12 182	1.03 148	0.58 65	0.92 260	0.81 80	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.18 61	0.19 140

MyStereo8	0.65 167	0.29 132	1.00 283	0.58 229	0.49 278	0.91 253	0.35 64	1.18 163	1.31 322	1.16 215	1.27 242	0.90 173	0.64 156	0.72 57	0.95 305	0.18 73	0.14 92	0.20 97	0.18 112	0.22 177	0.26 264

PCWNet_CMD	0.66 174	0.32 200	0.88 240	0.49 88	0.37 188	0.78 212	0.40 111	1.42 217	1.31 322	1.16 215	1.31 257	1.25 283	0.62 147	0.89 101	0.57 199	0.20 140	0.16 181	0.27 277	0.19 132	0.40 347	0.25 243

222	1.61 395	0.29 132	0.67 108	0.56 207	0.29 78	1.06 296	0.42 127	2.17 402	1.31 322	1.31 297	1.52 322	0.92 184	0.94 274	1.76 274	17.65 470	0.24 233	0.20 258	0.21 123	0.19 132	0.22 177	0.23 218

MSMDNet	0.66 174	0.32 200	0.87 233	0.49 88	0.37 188	0.79 216	0.40 111	1.43 223	1.31 322	1.15 205	1.31 257	1.24 279	0.63 152	0.88 95	0.57 199	0.21 169	0.16 181	0.26 263	0.19 132	0.39 343	0.24 231

UGAM	1.14 351	0.27 84	0.95 267	0.53 157	0.42 237	0.70 173	0.72 313	0.95 79	1.32 326	0.98 137	1.48 314	1.78 373	0.87 242	9.65 464	0.87 295	0.21 169	0.18 225	0.30 311	0.24 265	0.19 93	0.16 56

Wz-Net-LNSev	1.03 327	0.67 387	2.71 431	0.64 294	0.84 401	1.75 381	1.00 377	1.80 318	1.32 326	1.28 274	1.25 232	1.65 359	1.22 351	1.39 207	1.40 365	0.28 305	0.26 329	0.24 206	0.23 253	0.33 316	0.32 316

CFNet	0.96 303	0.36 271	1.01 287	0.62 277	0.42 237	0.99 282	0.47 183	1.90 344	1.32 326	0.99 140	1.39 289	1.10 249	0.86 237	5.58 411	0.79 274	0.23 218	0.17 208	0.28 290	0.27 305	0.26 239	0.21 183

StereoDRNet	0.98 313	0.47 327	1.70 391	0.76 370	0.94 412	1.51 361	0.91 359	1.92 351	1.32 326	1.61 371	1.13 189	1.47 331	0.97 289	1.75 269	1.46 378	0.28 305	0.23 308	0.29 300	0.27 305	0.35 320	0.27 273

Sa-1000	0.72 202	0.29 132	0.76 186	0.59 242	0.30 95	0.73 185	0.37 86	1.62 271	1.33 330	1.28 274	2.04 393	0.86 156	0.75 180	1.84 281	0.38 70	0.19 111	0.14 92	0.25 244	0.23 253	0.20 120	0.16 56

hitnet-ft	0.79 248	0.35 261	0.57 58	0.58 229	0.42 237	0.96 273	0.46 177	1.47 229	1.33 330	1.19 233	1.22 222	1.81 374	0.98 293	1.66 255	0.94 303	0.33 339	0.28 344	0.34 347	0.27 305	0.35 320	0.31 311

FADNet	0.92 294	0.61 378	1.81 400	0.62 277	0.55 316	0.96 273	0.57 265	1.78 310	1.33 330	0.93 122	1.01 132	1.36 309	1.01 305	2.71 346	0.75 257	0.33 339	0.34 377	0.31 317	0.34 369	0.59 401	0.40 350

ttt	0.94 299	0.34 241	0.59 69	0.61 266	0.37 188	0.94 265	0.50 208	2.17 402	1.34 333	1.23 252	1.61 343	0.91 175	0.76 188	1.85 284	3.97 432	0.30 318	0.26 329	0.26 263	0.24 265	0.29 281	0.29 289

ssnet_v2	0.88 284	0.36 271	1.02 294	0.62 277	0.38 205	1.32 339	0.97 371	2.07 382	1.34 333	1.37 317	1.18 208	1.54 339	0.92 260	1.10 150	1.65 387	0.30 318	0.27 337	0.30 311	0.28 325	0.27 253	0.26 264

UDGNet	0.72 202	1.17 430	0.80 207	0.77 373	0.41 232	0.77 207	0.38 92	0.97 87	1.34 333	0.81 97	0.88 95	0.71 105	0.60 134	1.21 168	0.54 190	0.52 403	0.19 241	1.02 435	0.26 295	0.71 417	0.31 311

dd	0.59 130	0.48 331	0.97 274	0.55 194	0.32 131	0.64 128	0.47 183	1.02 101	1.34 333	0.78 88	0.86 90	0.58 65	0.54 101	1.01 128	0.86 294	0.28 305	0.18 225	0.26 263	0.19 132	0.32 309	0.24 231

NCC-stereo	1.10 341	0.54 353	1.24 342	0.84 392	0.94 412	1.29 334	0.89 354	2.01 371	1.34 333	1.32 299	1.74 362	1.88 377	1.74 401	2.35 329	1.25 344	0.45 390	0.37 393	0.45 390	0.58 419	0.42 354	0.42 358

Abc-Net	1.10 341	0.54 353	1.24 342	0.84 392	0.94 412	1.29 334	0.89 354	2.01 371	1.34 333	1.32 299	1.74 362	1.88 377	1.74 401	2.35 329	1.25 344	0.45 390	0.37 393	0.45 390	0.58 419	0.42 354	0.42 358
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCP+	1.99 419	0.48 331	7.73 453	0.66 313	0.91 408	2.30 416	1.05 383	1.82 322	1.34 333	1.54 360	1.32 263	1.74 369	1.61 391	2.17 312	13.37 462	0.24 233	0.21 279	0.32 329	0.28 325	0.37 330	0.29 289

iResNetv2_ROB	0.80 251	0.37 278	1.71 393	0.56 207	0.37 188	0.94 265	0.64 289	1.73 290	1.34 333	1.23 252	1.42 294	1.26 287	0.92 260	1.85 284	0.56 196	0.23 218	0.15 146	0.19 70	0.14 37	0.24 217	0.19 140

DGSMNet	1.14 351	0.76 401	2.49 425	0.81 383	0.86 404	1.39 349	1.39 411	2.13 387	1.35 341	1.26 269	1.63 349	1.48 332	0.98 293	1.75 269	1.10 328	0.45 390	0.43 407	0.55 412	0.49 407	0.75 419	0.70 415

delet	0.85 274	0.32 200	0.95 267	0.65 306	0.66 356	1.64 373	0.84 342	1.75 296	1.35 341	1.32 299	1.30 251	1.30 298	0.88 247	1.68 261	1.10 328	0.21 169	0.21 279	0.24 206	0.24 265	0.21 154	0.21 183

RASNet	1.12 346	0.30 151	0.91 253	0.66 313	0.77 386	0.97 277	0.57 265	1.37 205	1.35 341	1.02 151	1.34 272	2.11 401	1.43 373	7.09 438	1.39 364	0.19 111	0.17 208	0.17 23	0.19 132	0.18 61	0.16 56

otaku	1.60 393	1.11 425	1.21 336	2.20 444	1.56 440	1.97 401	1.24 402	2.07 382	1.36 344	1.44 338	1.62 346	1.73 367	1.19 344	1.73 268	0.98 312	2.89 453	0.57 432	1.74 441	0.60 423	2.78 448	1.94 449

ADLNet	0.85 274	0.36 271	0.89 246	0.85 397	0.72 372	1.24 327	0.76 322	1.82 322	1.36 344	1.52 355	1.35 278	1.27 291	0.99 301	1.23 171	1.15 334	0.27 292	0.20 258	0.26 263	0.25 278	0.28 270	0.30 301

NCCL2	1.00 320	0.56 359	1.06 306	0.75 368	0.57 321	1.31 338	1.72 426	1.77 306	1.36 344	1.50 352	1.17 206	1.91 382	1.17 338	1.54 235	1.29 351	0.35 354	0.31 365	0.45 390	0.44 395	0.40 347	0.40 350

SGM-Forest	1.24 361	0.38 285	0.60 74	0.52 143	0.37 188	1.56 366	1.30 407	1.65 275	1.36 344	2.11 410	1.79 369	1.63 354	0.93 269	7.48 446	0.95 305	0.36 358	0.37 393	0.39 374	0.34 369	0.37 330	0.32 316
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
mmx	1.39 378	0.33 219	0.85 216	0.53 157	0.37 188	0.74 189	0.56 255	2.13 387	1.37 348	1.15 205	1.45 303	1.06 231	0.82 215	7.22 439	7.61 447	0.24 233	0.19 241	0.31 317	0.27 305	0.30 292	0.25 243

xxx	1.39 378	0.33 219	0.85 216	0.53 157	0.37 188	0.74 189	0.56 255	2.13 387	1.37 348	1.15 205	1.45 303	1.06 231	0.82 215	7.22 439	7.61 447	0.24 233	0.19 241	0.31 317	0.27 305	0.30 292	0.25 243

aanetorigin	1.23 360	0.79 403	2.78 433	0.70 344	0.79 390	0.99 282	1.06 385	1.06 129	1.37 348	3.52 443	2.61 416	1.72 366	1.63 392	1.99 298	1.78 391	0.25 257	0.24 317	0.26 263	0.25 278	0.38 339	0.45 369

edge stereo	1.11 344	0.50 341	1.30 351	0.71 351	0.65 354	1.14 307	0.75 319	1.93 355	1.37 348	1.71 380	1.83 373	2.54 417	1.44 374	2.43 335	1.23 342	0.42 379	0.41 404	0.54 408	0.35 373	0.42 354	0.46 372

Ntro	1.64 397	1.15 428	1.23 339	2.48 449	1.83 442	2.09 408	1.16 396	1.96 360	1.38 352	1.21 241	1.62 346	1.62 351	1.29 360	1.87 287	1.11 330	3.04 454	0.56 431	1.82 443	0.64 424	2.80 449	2.05 450

RCA-Stereo	0.50 64	0.23 23	0.58 62	0.48 74	0.33 148	0.55 92	0.45 171	0.97 87	1.38 352	0.68 68	1.05 153	0.63 78	0.80 208	0.59 25	0.32 16	0.17 40	0.12 12	0.17 23	0.14 37	0.16 18	0.14 19

NVstereo2D	0.92 294	0.41 303	1.48 378	0.72 354	0.72 372	1.20 323	0.87 350	1.75 296	1.38 352	0.99 140	1.13 189	1.26 287	0.98 293	2.21 319	0.89 297	0.43 384	0.20 258	0.38 369	0.24 265	0.57 397	0.63 407

LALA_ROB	1.01 324	0.59 369	1.16 331	0.67 325	0.51 296	1.63 371	1.26 406	1.69 284	1.38 352	1.81 393	1.37 281	1.94 387	1.02 310	1.58 242	1.38 361	0.37 362	0.27 337	0.43 386	0.37 380	0.43 359	0.37 340

SMFormer	0.75 230	0.30 151	0.86 222	0.46 45	0.26 26	0.82 229	0.43 144	2.05 376	1.39 356	1.23 252	1.47 309	0.98 206	0.95 279	1.71 264	0.82 284	0.24 233	0.20 258	0.22 150	0.21 204	0.23 202	0.24 231

tta	0.75 230	0.30 151	0.86 222	0.46 45	0.26 26	0.82 229	0.43 144	2.05 376	1.39 356	1.23 252	1.47 309	0.98 206	0.95 279	1.71 264	0.82 284	0.24 233	0.20 258	0.22 150	0.21 204	0.18 61	0.18 105

qqq1	0.72 202	0.30 151	0.86 222	0.46 45	0.26 26	0.82 229	0.43 144	2.05 376	1.39 356	1.23 252	1.47 309	0.98 206	0.95 279	1.71 264	0.44 114	0.24 233	0.20 258	0.18 52	0.15 47	0.18 61	0.18 105

fff1	0.72 202	0.30 151	0.86 222	0.46 45	0.26 26	0.82 229	0.43 144	2.05 376	1.39 356	1.23 252	1.47 309	0.98 206	0.95 279	1.71 264	0.44 114	0.24 233	0.20 258	0.18 52	0.15 47	0.18 61	0.18 105

Wz-Net-SNSev	1.49 384	1.23 431	6.27 451	0.68 336	0.67 359	1.37 345	1.41 412	2.00 367	1.39 356	1.48 349	1.61 343	2.29 406	1.32 366	3.93 376	2.14 407	0.31 325	0.28 344	0.31 317	0.33 364	0.42 354	0.36 336

MyStereo04	0.67 183	0.29 132	1.07 311	0.55 194	0.45 259	0.59 107	0.79 330	1.50 236	1.40 361	0.91 119	0.91 100	0.74 108	0.86 237	1.52 229	0.62 217	0.17 40	0.16 181	0.24 206	0.20 164	0.23 202	0.20 167

GMStereo	0.55 105	0.45 320	0.94 263	0.50 97	0.32 131	0.64 128	0.43 144	1.00 95	1.40 361	0.82 101	0.73 64	0.51 41	0.45 49	0.85 90	0.55 194	0.24 233	0.15 146	0.20 97	0.21 204	0.31 301	0.24 231
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
NOSS_ROB	1.26 364	0.46 322	0.62 81	0.56 207	0.38 205	1.06 296	0.78 327	1.73 290	1.40 361	1.01 147	1.43 298	1.10 249	0.75 180	10.62 468	0.65 226	0.45 390	0.43 407	0.48 396	0.45 397	0.44 365	0.41 354

MyStereo05	0.66 174	0.28 102	1.07 311	0.56 207	0.46 269	0.61 118	0.73 314	1.34 200	1.41 364	1.15 205	0.91 100	0.77 117	0.80 208	1.41 213	0.63 221	0.17 40	0.16 181	0.23 186	0.20 164	0.22 177	0.20 167

111	0.60 133	0.23 23	0.70 128	0.43 15	0.24 13	0.72 182	0.42 127	1.18 163	1.41 364	0.80 93	1.38 285	1.10 249	0.79 202	0.96 113	0.58 202	0.18 73	0.13 51	0.17 23	0.15 47	0.17 35	0.19 140

MDST_ROB	1.67 399	0.34 241	1.58 385	0.92 414	0.58 330	4.26 454	1.11 389	2.83 435	1.41 364	4.49 454	2.55 415	1.45 324	0.97 289	7.79 449	1.17 337	0.31 325	0.25 324	0.37 366	0.33 364	0.31 301	0.30 301

fast-acv-ft	0.94 299	0.44 313	1.40 363	0.58 229	0.51 296	1.77 386	0.69 306	1.36 204	1.42 367	1.29 279	1.86 378	1.74 369	1.25 355	1.52 229	1.38 361	0.26 277	0.28 344	0.28 290	0.28 325	0.27 253	0.26 264

CBMV	0.95 302	0.44 313	0.66 103	0.53 157	0.35 166	1.53 363	1.63 425	1.69 284	1.42 367	2.00 406	1.60 339	1.43 317	1.17 338	1.59 244	0.99 313	0.34 347	0.34 377	0.39 374	0.33 364	0.33 316	0.32 316
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
PA-Net	1.01 324	0.57 363	1.29 350	0.64 294	0.74 376	1.19 321	0.84 342	1.69 284	1.43 369	1.16 215	1.19 215	1.32 302	1.19 344	3.42 369	1.25 344	0.29 314	0.45 414	0.33 337	0.49 407	0.32 309	0.47 375
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DRN-Test	1.00 320	0.44 313	1.13 325	0.70 344	0.81 397	1.62 370	0.79 330	2.14 391	1.44 370	1.78 386	1.33 265	1.43 317	1.05 318	2.18 315	1.53 383	0.27 292	0.21 279	0.31 317	0.30 345	0.32 309	0.28 285

Wz-Net-MNSev	1.11 344	0.58 366	2.23 418	0.66 313	0.71 370	1.95 400	1.46 415	1.98 365	1.45 371	1.79 389	1.43 298	1.49 333	1.33 367	1.97 297	1.42 373	0.27 292	0.23 308	0.28 290	0.28 325	0.34 319	0.31 311

RYNet	1.17 358	0.49 334	1.24 342	0.70 344	0.97 416	1.71 377	0.92 361	1.91 348	1.46 372	1.38 322	1.14 193	1.88 377	1.30 364	4.24 381	1.87 394	0.26 277	0.21 279	0.35 355	0.27 305	0.55 394	0.54 390

GwcNet	1.08 336	0.51 344	2.33 420	0.79 377	1.18 430	1.76 383	0.70 308	1.68 282	1.47 373	1.41 330	1.64 350	1.74 369	1.04 314	2.20 318	1.41 369	0.30 318	0.29 355	0.29 300	0.27 305	0.30 292	0.35 331

ADCMid	1.89 415	0.73 395	5.06 444	0.72 354	0.67 359	2.00 404	1.14 393	1.97 364	1.48 374	2.86 435	1.81 372	2.37 411	2.05 422	2.24 320	10.39 459	0.33 339	0.31 365	0.39 374	0.43 393	0.50 382	0.44 367

AnyNet_C32	1.96 417	1.10 422	5.17 445	0.90 409	1.11 422	2.12 410	2.37 454	1.85 331	1.48 374	2.45 423	1.70 358	2.05 399	1.64 393	2.50 338	10.28 458	0.37 362	0.34 377	0.35 355	0.41 388	0.49 381	0.54 390

NaN_ROB	1.13 349	0.55 356	1.15 330	0.64 294	0.48 275	1.61 369	2.03 443	1.72 289	1.48 374	2.09 409	1.27 242	1.40 313	1.08 325	3.94 377	1.30 352	0.28 305	0.34 377	0.28 290	0.28 325	0.30 292	0.33 322

dad	0.86 279	0.66 386	1.06 306	0.56 207	0.37 188	0.76 199	0.44 157	1.17 158	1.50 377	1.44 338	1.27 242	1.34 307	0.75 180	2.52 339	0.84 289	0.42 379	0.27 337	0.83 428	0.26 295	0.41 350	0.29 289

DISCO	1.03 327	0.34 241	1.11 321	0.69 339	0.45 259	2.07 407	0.84 342	2.13 387	1.50 377	1.15 205	1.33 265	2.40 413	1.07 324	2.60 342	1.51 382	0.23 218	0.18 225	0.22 150	0.20 164	0.31 301	0.27 273

PASM	1.34 373	0.92 412	2.62 429	0.86 399	0.87 406	1.03 290	1.08 387	1.50 236	1.51 379	1.82 394	1.41 293	1.68 362	1.26 357	4.87 393	1.34 356	0.61 418	0.65 438	0.68 424	0.78 432	0.69 415	0.68 414

GANetREF_RVC	1.07 333	0.86 408	1.31 352	0.82 388	0.53 307	1.41 354	1.31 408	1.76 302	1.52 380	1.27 272	1.31 257	1.46 326	1.24 354	2.03 301	0.96 309	0.56 411	0.45 414	0.67 423	0.50 409	0.88 423	0.59 401
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
SPS-STEREO	1.67 399	1.04 419	1.23 339	1.21 430	1.13 426	1.82 391	1.11 389	2.16 396	1.52 380	3.07 442	2.32 405	2.82 426	1.80 406	4.11 380	2.04 403	1.03 433	0.99 454	0.97 432	0.94 441	1.03 430	1.02 430
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
pmcnn	2.37 430	0.42 307	2.71 431	0.63 285	0.43 245	1.54 364	1.19 399	2.01 371	1.53 382	2.64 428	7.60 457	18.07 472	1.45 376	3.44 371	2.78 416	0.18 73	0.15 146	0.15 4	0.12 13	0.20 120	0.18 105

Syn2CoEx	1.14 351	0.69 390	1.66 389	0.80 380	0.67 359	1.40 350	0.88 352	2.06 381	1.54 383	1.25 265	1.58 337	1.42 316	1.50 383	4.09 379	1.40 365	0.36 358	0.32 372	0.34 347	0.29 336	0.29 281	0.34 326

ADCPNet	1.85 410	0.69 390	8.07 454	0.71 351	0.58 330	2.79 432	1.22 401	1.94 357	1.54 383	1.88 397	1.69 357	2.46 416	2.04 420	2.37 331	6.48 441	0.38 366	0.37 393	0.38 369	0.43 393	0.47 375	0.45 369

AANet_RVC	1.16 357	0.52 348	1.49 380	0.65 306	0.45 259	0.75 194	0.69 306	1.42 217	1.55 385	1.34 310	1.87 380	1.53 338	0.78 198	7.43 444	1.38 361	0.25 257	0.17 208	0.19 70	0.16 81	0.22 177	0.26 264

pcwnet_v2	0.97 309	0.37 278	4.33 441	0.62 277	0.54 310	0.79 216	0.45 171	2.02 374	1.58 386	1.42 336	1.64 350	1.09 247	0.79 202	1.24 176	0.67 232	0.32 331	0.25 324	0.29 300	0.27 305	0.37 330	0.35 331

iResNet_ROB	0.77 237	0.30 151	0.99 278	0.57 223	0.36 176	0.83 234	0.36 76	2.33 418	1.58 386	1.27 272	1.30 251	1.25 283	0.84 226	1.65 251	0.79 274	0.20 140	0.14 92	0.17 23	0.12 13	0.18 61	0.27 273

AF-Net	1.13 349	0.52 348	1.33 357	0.86 399	0.91 408	1.38 348	0.71 310	2.16 396	1.62 388	1.56 364	2.40 410	1.99 392	1.65 394	1.81 280	1.48 380	0.48 398	0.28 344	0.49 398	0.33 364	0.39 343	0.32 316

RP	1.09 339	0.50 341	1.12 323	0.90 409	1.04 418	1.11 302	0.84 342	1.80 318	1.62 388	1.55 363	2.00 389	1.90 381	1.78 404	1.84 281	1.25 344	0.52 403	0.36 391	0.48 396	0.36 377	0.45 368	0.43 365

FAT-Stereo	1.07 333	0.41 303	1.32 355	0.72 354	0.58 330	1.08 299	0.89 354	1.96 360	1.65 390	1.75 383	1.98 388	2.03 397	1.48 380	2.02 300	1.18 340	0.42 379	0.35 386	0.34 347	0.29 336	0.35 320	0.53 389

SGM+DAISY	2.41 433	1.07 420	2.14 414	1.18 429	1.10 421	2.14 411	1.36 410	1.96 360	1.66 391	5.46 462	7.07 454	4.95 447	4.32 455	5.50 407	2.26 409	1.04 434	1.02 457	0.99 434	0.97 443	1.02 428	1.04 432

ITSA-stereo	0.82 259	0.36 271	0.82 211	0.54 172	0.31 114	0.80 222	0.47 183	2.17 402	1.67 392	1.13 196	1.13 189	0.94 189	0.86 237	2.46 336	1.00 314	0.26 277	0.23 308	0.28 290	0.27 305	0.28 270	0.36 336

ADCL	1.72 406	0.57 363	3.66 438	0.67 325	0.61 343	2.61 428	1.85 433	1.96 360	1.67 392	1.90 400	1.83 373	2.06 400	1.90 414	2.13 310	9.15 455	0.26 277	0.24 317	0.34 347	0.32 357	0.38 339	0.35 331

SGM_RVC	1.68 401	0.36 271	0.61 77	0.59 242	0.29 78	2.25 414	1.18 398	2.38 424	1.68 394	3.60 444	2.67 418	3.69 436	2.42 433	8.13 452	1.90 397	0.31 325	0.31 365	0.30 311	0.28 325	0.30 292	0.29 289
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MFN_U_SF_RVC	1.52 388	0.84 405	3.42 436	0.87 404	0.66 356	2.56 426	0.95 369	2.36 421	1.70 395	1.98 403	1.86 378	2.45 415	1.79 405	2.95 353	2.58 412	0.52 403	0.48 419	0.55 412	0.59 422	0.59 401	0.61 405

FBW_ROB	1.71 405	0.62 381	1.45 371	0.67 325	0.61 343	1.81 389	1.08 387	2.52 431	1.70 395	1.77 385	1.73 361	1.98 391	1.25 355	12.57 471	1.84 393	0.34 347	0.37 393	0.56 415	0.38 382	0.45 368	0.43 365

DispFullNet	2.34 429	2.85 464	3.66 438	3.08 458	2.27 449	1.97 401	0.67 299	2.00 367	1.70 395	2.52 424	2.00 389	2.23 403	5.86 459	3.44 371	1.58 384	1.01 430	0.32 372	2.64 458	1.94 463	2.85 453	2.24 452

stereogan	1.15 355	0.42 307	1.40 363	0.86 399	0.84 401	2.38 420	0.71 310	1.88 339	1.73 398	1.72 381	1.94 387	2.31 408	1.29 360	2.07 305	1.08 323	0.36 358	0.35 386	0.39 374	0.31 349	0.51 386	0.46 372

WCMA_ROB	1.84 409	0.47 327	1.31 352	0.69 339	0.57 321	2.11 409	1.14 393	1.87 336	1.73 398	4.04 448	6.43 451	5.62 451	3.61 448	2.59 341	1.94 399	0.52 403	0.44 410	0.39 374	0.42 391	0.48 378	0.47 375

Wz-Net-TNSev	1.88 412	2.08 456	7.66 452	0.67 325	0.64 352	2.42 421	1.83 432	2.33 418	1.74 400	1.57 368	1.56 331	2.58 418	1.90 414	4.86 392	3.12 420	0.39 369	0.37 393	0.33 337	0.37 380	0.53 390	0.58 399

DPSNet	1.69 402	0.59 369	4.33 441	0.70 344	0.57 321	2.02 405	1.62 424	3.35 444	1.78 401	1.48 349	1.38 285	2.17 402	2.84 440	4.77 391	3.66 428	0.48 398	0.31 365	0.29 300	0.25 278	0.64 408	0.48 378

MSMD_ROB	1.99 419	0.59 369	0.89 246	0.70 344	0.61 343	3.95 450	0.94 367	1.80 318	1.79 402	4.41 452	4.43 437	8.17 460	3.66 449	3.40 367	1.33 354	0.52 403	0.48 419	0.54 408	0.58 419	0.53 390	0.50 383

FCDSN-DC	2.32 428	0.63 382	0.81 208	0.84 392	0.75 382	2.23 413	0.94 367	2.09 385	1.80 403	5.45 461	7.72 460	7.77 459	6.93 466	3.39 366	1.80 392	0.52 403	0.48 419	0.52 402	0.51 412	0.57 397	0.58 399
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
AnyNet_C01	2.26 426	1.78 445	10.22 460	0.93 415	0.74 376	2.92 435	2.20 449	2.29 416	1.80 403	2.53 425	2.41 411	2.71 423	1.73 400	3.41 368	6.72 443	0.41 375	0.39 400	0.40 379	0.42 391	0.67 413	0.63 407

MFN_U_SF_DS_RVC	1.74 407	0.87 409	3.56 437	0.80 380	0.75 382	3.72 445	2.44 456	1.82 322	1.82 405	1.74 382	1.91 384	1.92 385	1.26 357	7.69 448	1.28 350	0.45 390	0.47 418	0.52 402	0.77 431	0.50 382	0.50 383

MFMNet_re	1.40 380	1.14 427	1.68 390	1.39 434	1.07 419	1.48 358	1.43 413	1.87 336	1.82 405	2.26 413	2.19 400	1.51 336	1.86 411	1.52 229	1.25 344	0.93 428	0.83 443	0.84 429	0.80 433	0.99 427	1.05 434

XQC	1.37 376	0.87 409	2.56 427	0.84 392	0.69 367	1.83 392	0.89 354	2.07 382	1.88 407	1.88 397	1.53 323	1.91 382	1.55 386	2.85 351	3.05 418	0.48 398	0.29 355	0.44 389	0.39 383	0.69 415	0.60 404

RainbowNet	1.97 418	1.76 444	1.57 384	2.81 452	2.21 447	1.98 403	1.81 430	2.54 432	1.89 408	1.50 352	1.84 375	1.96 389	1.65 394	2.14 311	1.25 344	3.33 460	0.85 447	2.39 452	0.98 445	2.82 451	2.22 451

SAMSARA	1.55 390	0.84 405	2.61 428	1.22 431	1.07 419	2.50 424	1.93 438	2.05 376	1.89 408	2.75 431	1.66 354	2.81 425	1.69 399	3.08 359	1.97 401	0.46 396	0.51 425	0.42 384	0.46 400	0.58 399	0.59 401

CSAN	1.41 381	0.59 369	1.26 345	0.70 344	0.50 285	1.76 383	1.78 428	1.77 306	1.90 410	2.35 418	2.32 405	1.92 385	1.94 416	5.56 410	1.49 381	0.43 384	0.35 386	0.40 379	0.41 388	0.43 359	0.41 354

Consistency-Raft	1.25 363	0.99 416	1.93 407	1.02 422	1.21 432	0.96 273	1.01 379	1.75 296	1.92 411	1.36 315	2.12 397	1.44 322	1.01 305	1.14 157	1.40 365	0.72 424	0.82 442	0.89 430	0.98 445	1.31 437	0.95 427

PWC_ROB	1.24 361	0.76 401	2.46 424	0.72 354	0.78 388	1.15 312	0.49 201	1.75 296	1.92 411	2.31 415	3.07 423	1.59 347	1.40 370	2.46 336	2.10 406	0.33 339	0.22 297	0.35 355	0.24 265	0.38 339	0.41 354

NVStereoNet_ROB	1.88 412	1.07 420	1.45 371	1.07 426	1.17 428	1.47 357	1.48 417	1.89 341	1.93 413	1.94 402	4.67 444	3.08 430	1.80 406	6.51 427	1.65 387	1.06 435	0.86 449	1.08 437	1.32 450	0.93 424	1.26 438
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
WZ-Net	1.95 416	0.95 413	10.10 458	0.86 399	0.78 388	1.69 376	1.60 423	2.20 408	1.98 414	2.08 408	1.93 385	2.30 407	1.97 417	5.30 400	3.17 423	0.34 347	0.26 329	0.29 300	0.31 349	0.51 386	0.47 375

RTSC	1.29 365	0.73 395	2.44 423	0.83 391	0.57 321	1.85 394	0.65 291	1.88 339	2.00 415	2.20 412	1.66 354	1.60 349	1.26 357	2.33 328	3.92 430	0.32 331	0.23 308	0.27 277	0.29 336	0.37 330	0.37 340

LRCNet_RVC	22.74 476	32.10 482	21.97 470	29.84 479	26.23 476	4.42 455	0.81 339	22.66 475	2.02 416	26.93 480	29.26 480	23.06 481	15.59 470	23.84 478	18.88 471	31.75 482	19.90 483	34.65 481	32.13 482	30.54 481	28.32 482

S-Stereo	1.15 355	0.46 322	2.17 415	0.81 383	0.80 395	1.21 324	1.19 399	1.93 355	2.02 416	1.47 343	2.11 396	1.57 343	1.17 338	2.05 304	1.41 369	0.40 371	0.40 402	0.35 355	0.31 349	0.44 365	0.70 415

MeshStereo	2.26 426	0.56 359	0.92 257	0.61 266	0.49 278	2.60 427	1.02 380	3.18 441	2.05 418	7.40 468	4.98 447	7.58 457	2.98 443	6.37 425	1.96 400	0.43 384	0.43 407	0.45 390	0.39 383	0.43 359	0.42 358
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	1.32 371	0.65 385	1.44 367	1.36 432	1.46 439	2.55 425	0.92 361	2.45 429	2.07 419	1.37 317	1.49 316	1.65 359	1.00 303	2.82 348	1.35 359	1.01 430	0.27 337	0.54 408	0.47 402	0.71 417	0.73 418

ACVNet-4b	2.15 422	1.41 436	1.64 387	2.80 451	2.31 451	2.31 417	1.24 402	2.32 417	2.14 420	1.26 269	2.39 409	2.66 421	1.48 380	5.95 420	1.06 319	3.20 458	0.45 414	2.37 449	0.89 438	2.83 452	2.37 454

ADCS	2.25 425	0.99 416	5.55 446	0.81 383	0.74 376	2.19 412	1.80 429	2.27 414	2.14 420	2.80 434	2.13 398	2.40 413	2.03 419	2.64 344	13.69 463	0.41 375	0.39 400	0.40 379	0.45 397	0.58 399	0.56 394

FINET	0.97 309	0.54 353	1.60 386	0.63 285	0.79 390	1.08 299	1.07 386	1.56 257	2.20 422	1.15 205	1.49 316	0.94 189	0.88 247	2.32 327	1.05 317	0.42 379	0.35 386	0.32 329	0.28 325	0.43 359	0.38 346

ACVNet_1	2.18 423	1.45 438	1.72 394	2.85 453	2.33 452	2.28 415	1.46 415	3.08 440	2.22 423	1.82 394	2.05 394	3.56 434	1.98 418	3.09 360	1.40 365	3.17 455	0.60 434	2.40 453	0.92 440	2.91 455	2.37 454

MADNet+	2.69 440	3.22 467	11.53 462	1.44 437	1.12 424	3.19 439	1.81 430	2.85 436	2.37 424	1.68 378	2.07 395	2.85 427	2.18 426	7.41 443	5.23 437	0.79 425	0.76 440	0.69 426	0.65 425	0.98 425	0.95 427

SuperB	2.53 436	0.59 369	18.45 467	0.69 339	0.50 285	1.87 396	0.88 352	1.67 281	2.39 425	1.50 352	1.42 294	1.14 261	1.15 337	4.28 384	5.07 436	0.24 233	0.19 241	0.22 150	0.19 132	7.86 474	0.34 326

JetBlue	3.97 450	2.01 451	10.19 459	1.38 433	2.84 459	10.53 467	9.54 468	3.60 447	2.41 426	2.73 430	3.39 428	4.54 440	4.31 454	7.85 451	6.84 444	0.88 426	0.93 453	0.89 430	0.91 439	1.74 438	1.91 448

LSM	6.33 460	1.10 422	13.19 463	1.41 436	68.17 484	1.64 373	1.90 437	1.92 351	2.46 427	2.99 438	3.11 424	1.88 377	1.80 406	2.61 343	2.06 405	0.41 375	0.58 433	0.50 399	0.57 418	0.64 408	17.66 479

ffm	0.72 202	0.33 219	0.85 216	0.53 157	0.37 188	0.74 189	0.56 255	0.95 79	2.47 428	1.15 205	1.45 303	1.06 231	0.82 215	1.55 237	0.32 16	0.20 140	0.12 12	0.31 317	0.27 305	0.19 93	0.20 167

ff1	1.37 376	0.33 219	0.85 216	0.53 157	0.37 188	0.74 189	0.56 255	0.95 79	2.47 428	1.15 205	1.45 303	1.06 231	0.82 215	7.22 439	7.61 447	0.20 140	0.12 12	0.31 317	0.27 305	0.19 93	0.20 167

tt1	0.62 143	0.32 200	0.51 30	0.54 172	0.26 26	1.16 314	0.48 192	0.95 79	2.47 428	0.57 51	0.77 72	0.49 36	0.81 211	1.55 237	0.32 16	0.20 140	0.12 12	0.24 206	0.15 47	0.19 93	0.20 167

SHD	1.31 369	0.71 394	2.34 421	0.86 399	0.75 382	1.77 386	0.65 291	2.22 409	2.50 431	2.40 422	1.71 359	1.91 382	1.60 390	1.93 293	2.37 410	0.38 366	0.31 365	0.38 369	0.40 387	0.48 378	0.50 383

FC-DCNN	2.72 443	0.59 369	0.86 222	0.73 362	0.57 321	2.91 434	1.04 382	3.01 439	2.60 432	6.83 463	7.64 458	9.92 464	6.33 464	5.21 398	3.14 421	0.53 409	0.48 419	0.51 400	0.50 409	0.53 390	0.51 387

FC-DCNN v2	2.81 444	0.59 369	0.85 216	0.73 362	0.57 321	2.97 436	1.05 383	3.39 445	2.61 433	6.98 464	7.67 459	10.38 467	6.31 463	5.75 415	3.37 426	0.53 409	0.48 419	0.51 400	0.50 409	0.53 390	0.51 387

MSC_U_SF_DS_RVC	2.12 421	1.15 428	3.10 434	1.05 423	0.76 385	5.03 459	2.40 455	2.16 396	2.62 434	1.89 399	2.28 404	2.69 422	1.65 394	9.35 460	2.04 403	0.64 422	0.51 425	0.68 424	0.71 429	1.09 431	0.67 412

RTS	2.67 438	1.38 433	15.28 465	0.99 419	1.26 434	3.78 446	1.96 440	2.15 393	2.62 434	2.61 426	2.85 421	2.60 419	1.59 388	6.27 423	5.71 439	0.40 371	0.28 344	0.35 355	0.35 373	0.50 382	0.48 378

RTSA	2.67 438	1.38 433	15.28 465	0.99 419	1.26 434	3.78 446	1.96 440	2.15 393	2.62 434	2.61 426	2.85 421	2.60 419	1.59 388	6.27 423	5.71 439	0.40 371	0.28 344	0.35 355	0.35 373	0.50 382	0.48 378

IMH-64-1	2.70 441	1.79 446	1.46 373	3.26 461	2.66 455	3.23 441	2.10 444	4.08 449	2.75 437	2.34 416	3.81 433	3.06 428	2.22 428	4.25 382	2.59 413	3.75 464	0.84 444	2.75 459	1.35 451	3.15 457	2.60 460

IMH-64	2.70 441	1.79 446	1.46 373	3.26 461	2.66 455	3.23 441	2.10 444	4.08 449	2.75 437	2.34 416	3.81 433	3.06 428	2.22 428	4.25 382	2.59 413	3.75 464	0.84 444	2.75 459	1.35 451	3.15 457	2.60 460

ACVNet_2	2.43 434	1.41 436	2.04 409	2.62 450	2.24 448	2.63 429	1.88 436	3.31 442	3.01 439	2.19 411	3.45 429	4.62 441	2.04 420	4.50 387	1.47 379	2.55 449	0.64 436	2.22 446	0.84 435	2.69 447	2.29 453

xx1	0.67 183	0.31 184	0.50 24	0.54 172	0.26 26	1.18 317	0.51 209	0.93 68	3.05 440	0.58 52	0.79 78	0.95 197	0.77 192	1.46 220	0.32 16	0.20 140	0.12 12	0.24 206	0.23 253	0.22 177	0.21 183

cc1	0.64 161	0.31 184	0.50 24	0.54 172	0.26 26	1.18 317	0.51 209	0.93 68	3.05 440	0.58 52	0.79 78	0.48 29	0.88 247	1.46 220	0.32 16	0.20 140	0.12 12	0.25 244	0.15 47	0.19 93	0.19 140

PWCDC_ROB	1.29 365	0.75 400	1.33 357	1.05 423	0.88 407	1.73 380	0.52 219	1.89 341	3.28 442	1.29 279	4.88 446	1.22 272	1.46 377	1.77 276	1.45 377	0.60 417	0.26 329	0.29 300	0.25 278	0.52 388	0.37 340

PVD	1.70 403	0.84 405	2.26 419	0.94 417	0.83 400	2.48 423	0.97 371	2.59 433	3.35 443	3.01 440	2.77 419	2.34 410	2.47 435	2.67 345	3.14 421	0.47 397	0.45 414	0.59 419	0.48 404	0.59 401	0.75 420

EDNetEfficientorigin	10.57 468	1.47 439	177.42 489	0.67 325	0.53 307	1.58 367	1.16 396	1.90 344	3.37 444	4.71 456	3.38 427	3.10 431	2.69 439	3.13 361	3.58 427	0.25 257	0.23 308	0.33 337	0.27 305	0.83 420	0.81 421

ELAS	2.37 430	0.74 398	1.54 382	0.99 419	0.92 410	4.78 456	2.33 453	3.33 443	3.37 444	5.05 460	4.77 445	3.67 435	4.53 456	3.42 369	4.50 434	0.62 419	0.53 427	0.55 412	0.53 414	0.63 406	0.64 411
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
notaker	3.98 451	2.40 461	2.68 430	3.82 468	3.27 465	3.97 451	2.14 447	4.78 457	3.45 446	4.12 451	6.94 453	7.65 458	3.26 445	7.82 450	5.30 438	4.04 468	1.41 463	3.36 468	2.10 465	3.88 463	3.31 466

PWCK	2.88 446	2.05 454	5.72 448	2.08 443	1.11 422	3.55 443	3.90 464	2.86 437	3.54 447	3.03 441	3.63 431	3.10 431	2.31 430	8.15 454	3.09 419	2.12 445	0.91 452	1.75 442	0.98 445	2.57 445	1.18 437

IMH	3.21 448	1.85 450	1.48 378	3.25 460	2.69 457	4.07 452	2.02 442	4.41 454	3.80 448	2.72 429	7.11 455	4.75 444	2.92 441	5.92 418	2.55 411	3.85 467	0.88 450	2.78 461	1.36 453	3.19 459	2.59 459

WAO-7	2.66 437	1.40 435	1.73 396	1.39 434	1.17 428	3.93 449	1.94 439	4.11 451	3.88 449	2.92 436	5.50 448	4.18 439	3.00 444	7.63 447	3.71 429	1.13 438	1.00 455	1.17 438	1.13 449	1.18 434	1.09 436

EDNetEfficient	2.37 430	1.10 422	8.08 455	0.74 365	0.71 370	0.98 281	1.56 420	1.46 227	4.06 450	4.90 457	2.82 420	2.25 404	3.48 447	2.95 353	9.97 456	0.26 277	0.24 317	0.26 263	0.30 345	0.68 414	0.61 405

ELAS_RVC	2.48 435	0.74 398	1.90 405	1.05 423	0.92 410	2.76 430	4.01 465	2.76 434	4.11 451	4.69 455	4.63 441	4.62 441	5.96 461	3.97 378	3.96 431	0.63 421	0.53 427	0.56 415	0.52 413	0.64 408	0.63 407
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MADNet++	5.01 455	3.14 465	4.91 443	4.55 472	3.94 469	5.20 460	4.41 466	4.40 453	4.13 452	4.95 458	6.08 449	4.74 443	5.37 457	9.40 461	10.67 460	4.65 470	4.15 470	3.97 470	3.34 469	4.09 465	4.08 471

JetRed	6.91 463	8.80 473	25.96 475	2.85 453	3.25 464	13.98 473	11.87 469	6.25 465	4.28 453	4.45 453	4.56 439	6.69 453	5.46 458	7.46 445	14.05 464	2.59 450	3.31 467	2.59 457	2.29 467	4.20 466	3.36 467

Dean	2.91 447	1.53 441	2.07 410	2.96 457	2.51 454	3.15 438	2.14 447	4.75 456	4.41 454	2.76 432	6.10 450	5.53 450	2.37 431	2.97 355	1.92 398	3.18 456	0.85 447	2.51 456	1.04 448	2.88 454	2.47 457

WAO-6	2.81 444	1.60 442	1.46 373	2.36 448	2.28 450	3.55 443	2.29 452	4.21 452	4.56 455	2.36 420	4.51 438	4.88 445	2.66 438	4.60 388	4.07 433	1.72 441	1.15 461	2.31 448	1.46 456	2.31 441	1.85 447

LVE	3.31 449	1.67 443	1.64 387	2.85 453	2.42 453	3.20 440	2.26 451	4.78 457	5.05 456	2.35 418	6.91 452	6.02 452	2.37 431	9.15 456	2.17 408	3.19 457	1.08 460	2.38 451	1.47 457	2.81 450	2.40 456

DeepPrunerF	1.60 393	0.73 395	5.81 449	0.88 405	1.19 431	0.91 253	0.95 369	2.19 405	5.24 457	1.17 224	1.30 251	1.19 268	1.30 364	4.90 394	1.66 389	0.42 379	0.34 377	0.52 402	0.47 402	0.41 350	0.40 350

tt	6.58 462	0.26 61	6.10 450	3.77 467	2.16 444	11.55 468	19.63 473	13.33 474	5.74 458	2.96 437	2.65 417	4.97 448	6.33 464	3.81 375	7.24 445	9.15 474	11.32 477	5.89 474	6.24 472	6.03 470	2.55 458

SANet	1.88 412	0.57 363	2.18 417	0.63 285	0.40 225	2.80 433	1.57 422	2.39 425	5.88 459	2.36 420	3.57 430	3.72 437	2.97 442	4.74 390	1.76 390	0.34 347	0.30 359	0.32 329	0.29 336	0.48 378	0.37 340

DPSimNet_ROB	11.20 471	4.98 470	35.43 479	2.90 456	4.52 470	7.89 463	17.09 472	4.66 455	6.06 460	14.89 474	10.93 468	17.29 471	36.81 483	13.18 472	15.68 468	2.86 452	6.29 471	5.75 473	5.09 471	3.91 464	7.70 473

SGM-ForestM	6.52 461	0.38 285	1.26 345	0.63 285	0.35 166	13.59 472	5.32 467	6.32 466	6.70 461	11.14 470	9.18 465	22.51 480	13.93 469	16.89 473	20.07 472	0.36 358	0.37 393	0.36 363	0.35 373	0.36 326	0.34 326

ktn	4.70 454	2.38 460	2.12 413	3.76 466	3.24 463	4.85 457	2.95 462	5.52 459	7.37 462	4.07 450	19.32 475	7.46 456	3.47 446	7.39 442	2.95 417	4.04 468	1.85 466	3.26 467	2.22 466	3.08 456	2.65 462

HanzoNet	11.04 470	3.62 468	8.10 456	4.08 471	3.55 468	4.90 458	2.73 460	7.19 467	10.10 463	31.86 484	28.92 479	21.96 479	36.36 481	18.08 474	10.17 457	7.94 473	3.32 468	3.47 469	3.31 468	7.06 473	4.04 470

coex-ft	8.13 465	2.13 457	98.04 488	0.67 325	0.53 307	1.71 377	1.56 420	1.65 275	11.11 464	18.17 478	3.75 432	3.88 438	7.61 467	2.98 356	6.49 442	0.30 318	0.30 359	0.32 329	0.31 349	0.66 412	0.50 383

UNDER WATER-64	5.27 457	2.32 458	8.78 457	3.93 469	3.54 467	7.61 462	3.03 463	5.84 462	14.19 465	4.04 448	4.04 435	9.39 463	6.26 462	5.93 419	8.48 453	3.60 463	1.51 464	3.13 464	1.88 461	4.29 467	3.61 468

Anonymous_1	43.04 485	18.73 476	24.79 472	21.81 476	46.26 482	27.80 474	37.60 480	28.08 479	16.14 466	14.66 473	14.30 469	20.65 473	17.88 473	21.56 475	25.94 477	117.93 489	8.92 474	100.65 486	126.50 486	158.64 489	12.08 476

DGTPSM_ROB	13.01 472	8.23 471	21.87 468	9.51 474	18.10 471	11.56 469	32.01 478	10.63 471	16.20 467	7.03 465	19.48 476	10.15 465	16.66 471	9.83 466	22.42 474	4.75 471	8.68 472	5.37 471	10.25 475	6.16 471	11.36 474

DPSMNet_ROB	13.02 473	8.23 471	21.91 469	9.53 475	18.11 472	11.56 469	32.02 479	10.64 472	16.23 468	7.05 466	19.49 477	10.16 466	16.66 471	9.85 467	22.43 475	4.77 472	8.68 472	5.38 472	10.26 476	6.17 472	11.36 474

WAO-8	4.40 452	1.82 448	1.79 398	2.34 446	2.20 445	9.19 464	1.53 418	6.09 463	16.46 469	3.94 446	7.84 461	7.32 454	3.72 451	9.41 462	3.31 424	2.00 443	1.07 458	2.44 454	1.37 454	2.50 443	1.68 444

Venus	4.40 452	1.82 448	1.79 398	2.34 446	2.20 445	9.19 464	1.53 418	6.09 463	16.46 469	3.94 446	7.84 461	7.32 454	3.72 451	9.41 462	3.31 424	2.00 443	1.07 458	2.44 454	1.37 454	2.50 443	1.68 444

UNDER WATER	5.08 456	2.33 459	5.55 446	3.94 470	3.51 466	5.20 460	2.72 459	5.61 461	16.52 471	3.84 445	4.60 440	9.21 462	5.89 460	5.90 417	8.66 454	3.75 464	1.34 462	3.18 466	1.88 461	4.33 468	3.61 468

DPSM_ROB	19.08 474	19.14 477	25.17 473	22.15 477	20.85 474	28.17 475	37.82 481	26.56 477	16.85 472	14.14 471	14.84 470	21.70 474	18.75 474	21.87 476	26.55 478	10.16 477	9.30 475	10.47 476	10.42 477	14.03 475	12.61 477

DPSM	19.08 474	19.14 477	25.17 473	22.15 477	20.85 474	28.17 475	37.82 481	26.56 477	16.85 472	14.14 471	14.84 470	21.70 474	18.75 474	21.87 476	26.55 478	10.16 477	9.30 475	10.47 476	10.42 477	14.03 475	12.61 477

TorneroNet-64	5.30 458	2.03 452	1.74 397	3.43 463	2.81 458	10.09 466	2.12 446	9.10 470	17.12 474	4.96 459	9.27 466	10.72 469	3.70 450	9.20 457	4.55 435	3.31 459	0.84 444	2.88 462	1.55 458	3.49 460	3.04 463

MANE	6.19 459	0.59 369	1.03 298	0.93 415	1.22 433	13.38 471	2.69 457	12.81 473	17.94 475	8.21 469	10.82 467	14.72 470	11.68 468	11.39 470	11.90 461	0.59 416	0.50 424	0.52 402	1.76 460	0.55 394	0.54 390

xxxxx1	54.10 487	25.67 479	27.13 476	113.43 486	96.96 486	30.69 479	47.44 483	32.38 481	25.60 476	17.75 475	17.27 472	21.81 476	21.02 476	24.43 479	33.82 480	33.37 483	40.54 484	157.71 487	175.86 487	66.16 485	72.93 487

tt_ll	54.10 487	25.67 479	27.13 476	113.43 486	96.96 486	30.69 479	47.44 483	32.38 481	25.60 476	17.75 475	17.27 472	21.81 476	21.02 476	24.43 479	33.82 480	33.37 483	40.54 484	157.71 487	175.86 487	66.16 485	72.93 487

ff	54.10 487	25.67 479	27.13 476	113.43 486	96.96 486	30.69 479	47.44 483	32.38 481	25.60 476	17.75 475	17.27 472	21.81 476	21.02 476	24.43 479	33.82 480	33.37 483	40.54 484	157.71 487	175.86 487	66.16 485	72.93 487

LE_ROB	8.05 464	0.37 278	23.53 471	0.74 365	0.33 148	2.77 431	2.87 461	3.71 448	27.24 479	25.39 479	8.87 464	8.46 461	26.71 479	6.65 429	21.99 473	0.21 169	0.19 241	0.20 97	0.21 204	0.25 228	0.22 200

PML	51.67 486	36.25 483	13.28 464	7.46 473	20.81 473	108.69 489	232.22 490	8.72 468	27.82 480	87.01 489	269.67 490	69.67 489	61.95 489	24.76 482	14.20 465	9.74 476	3.40 469	9.62 475	4.70 470	18.74 477	4.72 472

BEATNet-Init1	26.87 478	13.43 475	70.68 487	0.91 412	0.68 365	57.02 487	21.06 474	32.82 484	32.67 481	52.12 488	53.61 487	66.05 488	49.56 488	48.79 489	34.71 483	0.49 402	0.44 410	0.53 407	0.53 414	0.63 406	0.59 401

LSM0	42.82 484	38.75 486	50.81 486	47.07 485	109.38 489	57.00 486	76.02 486	53.74 489	33.71 482	29.02 483	30.41 483	43.87 487	37.22 484	43.91 487	53.54 489	20.52 481	18.62 480	21.10 480	21.11 481	28.41 480	42.22 483

CasAABBNet	38.33 479	38.46 484	50.35 484	44.75 484	41.84 480	56.68 484	76.37 487	53.22 487	33.83 483	28.31 481	29.54 481	43.62 486	37.71 485	43.84 486	53.41 488	20.30 479	18.70 481	21.07 478	21.07 480	28.24 478	25.34 480

Selective-RAFT-Error	38.39 480	38.47 485	50.44 485	44.73 483	41.97 481	56.68 484	76.38 488	53.24 488	33.92 484	28.34 482	29.85 482	43.60 485	38.20 486	43.75 485	53.34 487	20.38 480	18.70 481	21.09 479	21.05 479	28.30 479	25.43 481

HaxPig	38.92 481	41.40 487	41.64 480	29.95 480	32.27 477	28.90 477	27.60 475	29.73 480	37.71 485	43.82 485	43.87 484	33.17 482	35.56 480	41.53 483	40.37 485	43.94 486	47.51 488	45.82 482	47.08 484	42.38 482	44.15 485

AVERAGE_ROB	40.43 482	42.37 488	42.73 481	36.96 482	35.58 479	30.50 478	27.61 476	36.71 486	38.39 486	44.91 486	44.36 485	37.45 484	36.70 482	41.88 484	40.35 484	45.43 487	46.81 487	47.11 483	46.35 483	42.51 483	43.87 484

MEDIAN_ROB	42.00 483	44.40 489	44.29 483	35.15 481	34.95 478	31.28 482	29.60 477	35.88 485	40.02 487	47.20 487	46.64 486	37.37 483	38.48 487	44.35 488	42.45 486	48.03 488	49.39 489	49.71 484	49.03 485	45.14 484	46.65 486

KSHMR	8.75 466	2.06 455	2.11 412	3.53 465	3.11 462	4.13 453	2.69 457	5.60 460	61.37 488	3.00 439	55.83 488	4.98 449	2.45 434	4.49 386	2.61 415	3.46 461	1.55 465	3.14 465	1.94 463	3.72 462	3.18 465

TorneroNet	10.70 469	2.03 452	1.82 401	3.43 463	3.01 461	43.83 483	2.22 450	8.87 469	67.47 489	7.17 467	27.36 478	10.68 468	3.85 453	8.67 455	7.65 450	3.59 462	0.88 450	3.04 463	1.57 459	3.71 461	3.17 464

test_example2	192.40 490	210.76 491	206.48 490	199.83 490	204.73 490	172.94 490	183.52 489	133.93 490	133.41 490	191.38 490	196.19 489	187.13 490	178.77 490	205.33 490	208.00 490	222.09 490	238.72 490	186.54 490	190.54 490	227.34 490	170.31 490

ASD4		10.99 474

Low-res two-view benchmark