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-BASED-STEREO-	0.20 134	0.72 440	0.70 364	0.17 6	0.08 3	0.15 6	0.15 37	0.18 2	0.16 4	0.13 7	0.12 4	0.09 1	0.08 1	0.16 10	0.13 35	0.35 431	0.04 1	0.08 88	0.07 67	0.11 263	0.23 409

AIO-Stereo	0.13 6	0.10 36	0.22 13	0.20 79	0.09 10	0.16 14	0.15 37	0.27 40	0.16 4	0.13 7	0.15 22	0.13 17	0.08 1	0.18 30	0.11 1	0.06 1	0.05 7	0.07 21	0.07 67	0.06 8	0.06 28

Selective-IGEV	0.12 2	0.09 15	0.22 13	0.19 36	0.10 28	0.15 6	0.14 21	0.27 40	0.15 2	0.13 7	0.14 20	0.13 17	0.08 1	0.21 64	0.12 11	0.06 1	0.05 7	0.07 21	0.06 33	0.06 8	0.05 1

RAStereo	0.13 6	0.12 106	0.27 40	0.22 172	0.11 53	0.15 6	0.18 121	0.23 16	0.23 63	0.13 7	0.17 30	0.11 6	0.09 4	0.15 5	0.13 35	0.08 119	0.06 83	0.08 88	0.06 33	0.07 51	0.05 1

U	1.00 443	0.09 15	0.21 8	0.21 118	3.68 469	6.12 472	0.14 21	0.21 6	0.21 39	0.11 3	0.11 3	0.10 2	0.09 4	0.12 1	0.11 1	0.07 22	0.05 7	5.42 475	2.90 473	0.07 51	0.06 28

RSM++	0.12 2	0.09 15	0.19 3	0.20 79	0.09 10	0.17 22	0.15 37	0.21 6	0.19 16	0.12 4	0.12 4	0.14 33	0.09 4	0.20 48	0.12 11	0.06 1	0.05 7	0.07 21	0.07 67	0.07 51	0.05 1

RSM	0.12 2	0.09 15	0.20 6	0.20 79	0.09 10	0.16 14	0.15 37	0.23 16	0.18 11	0.13 7	0.13 10	0.15 41	0.09 4	0.21 64	0.12 11	0.06 1	0.05 7	0.07 21	0.07 67	0.06 8	0.05 1

CAS	0.15 36	0.07 1	0.21 8	0.41 422	0.16 275	0.20 77	0.18 121	0.22 8	0.19 16	0.15 22	0.19 42	0.11 6	0.09 4	0.14 2	0.13 35	0.29 424	0.04 1	0.06 1	0.04 1	0.06 8	0.14 332

EGLCR-Stereo	0.13 6	0.08 3	0.20 6	0.18 12	0.09 10	0.21 100	0.13 9	0.27 40	0.21 39	0.13 7	0.10 2	0.15 41	0.09 4	0.20 48	0.13 35	0.07 22	0.05 7	0.07 21	0.07 67	0.06 8	0.06 28

IGEV-Stereo+	0.12 2	0.08 3	0.17 2	0.18 12	0.13 163	0.09 1	0.11 3	0.16 1	0.15 2	0.10 1	0.08 1	0.10 2	0.10 10	0.21 64	0.11 1	0.07 22	0.05 7	0.06 1	0.05 11	0.16 348	0.24 414

RAFT-Stereo-weight	0.15 36	0.09 15	0.26 32	0.20 79	0.10 28	0.19 53	0.17 86	0.36 158	0.29 137	0.24 100	0.20 58	0.19 77	0.10 10	0.18 30	0.15 75	0.07 22	0.05 7	0.07 21	0.05 11	0.06 8	0.05 1

CAS++	0.16 47	0.12 106	0.27 40	0.18 12	0.12 96	0.17 22	0.15 37	0.42 217	0.24 75	0.19 66	0.18 37	0.13 17	0.10 10	0.21 64	0.12 11	0.12 304	0.10 315	0.11 272	0.08 136	0.10 218	0.09 196
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MGS-Stereo	0.14 17	0.11 82	0.32 86	0.19 36	0.11 53	0.18 30	0.17 86	0.20 4	0.22 48	0.14 18	0.24 90	0.15 41	0.10 10	0.18 30	0.12 11	0.07 22	0.06 83	0.07 21	0.06 33	0.10 218	0.06 28

MSKI-zero shot	0.17 61	0.09 15	0.43 226	0.20 79	0.11 53	0.21 100	0.15 37	0.32 98	0.21 39	0.23 86	0.24 90	0.23 124	0.10 10	0.31 190	0.13 35	0.07 22	0.06 83	0.07 21	0.06 33	0.06 8	0.06 28

DLNR_Zeroshot_test	10.44 475	12.10 482	19.93 482	106.08 490	23.66 487	0.14 4	0.13 9	3.22 471	0.17 8	0.16 39	0.23 79	0.16 50	0.10 10	0.31 190	0.15 75	2.36 470	0.06 83	0.07 21	0.07 67	39.70 488	0.06 28

CES	0.14 17	0.08 3	0.19 3	0.17 6	0.22 371	0.18 30	0.16 59	0.23 16	0.19 16	0.14 18	0.17 30	0.14 33	0.10 10	0.18 30	0.12 11	0.07 22	0.05 7	0.06 1	0.04 1	0.08 101	0.18 373

XX-Stereo	0.21 151	0.10 36	0.83 389	0.26 328	0.17 295	0.23 143	0.13 9	0.40 191	0.18 11	0.20 69	0.41 259	0.31 224	0.10 10	0.32 196	0.12 11	0.08 119	0.06 83	0.08 88	0.08 136	0.07 51	0.05 1

GCAP-BAT	0.16 47	0.11 82	0.36 137	0.18 12	0.13 163	0.21 100	0.16 59	0.23 16	0.18 11	0.26 119	0.28 115	0.20 84	0.11 18	0.24 89	0.17 124	0.07 22	0.06 83	0.07 21	0.06 33	0.05 1	0.06 28

IGEV-Stereo++	0.11 1	0.08 3	0.15 1	0.19 36	0.11 53	0.14 4	0.10 1	0.22 8	0.18 11	0.10 1	0.13 10	0.10 2	0.11 18	0.14 2	0.11 1	0.06 1	0.05 7	0.06 1	0.05 11	0.06 8	0.05 1

Occ-G	0.13 6	0.08 3	0.21 8	0.17 6	0.10 28	0.15 6	0.19 159	0.22 8	0.19 16	0.13 7	0.19 42	0.21 95	0.11 18	0.17 17	0.14 59	0.07 22	0.06 83	0.07 21	0.06 33	0.07 51	0.06 28

Pointernet	0.13 6	0.07 1	0.27 40	0.19 36	0.11 53	0.20 77	0.12 5	0.31 89	0.24 75	0.15 22	0.15 22	0.13 17	0.11 18	0.17 17	0.13 35	0.08 119	0.05 7	0.06 1	0.05 11	0.06 8	0.05 1

test_for_model	0.29 301	0.89 449	0.34 107	0.69 442	0.49 433	0.20 77	0.16 59	0.30 81	0.23 63	0.28 138	0.15 22	0.13 17	0.11 18	0.17 17	0.13 35	0.29 424	0.10 315	0.06 1	0.04 1	0.86 453	0.18 373

MaDis-Stereo	0.14 17	0.13 164	0.26 32	0.19 36	0.14 204	0.16 14	0.13 9	0.25 27	0.21 39	0.13 7	0.14 20	0.14 33	0.11 18	0.17 17	0.17 124	0.08 119	0.07 183	0.08 88	0.06 33	0.07 51	0.06 28

UniTT-Stereo	0.14 17	0.10 36	0.30 67	0.21 118	0.13 163	0.17 22	0.13 9	0.19 3	0.18 11	0.15 22	0.20 58	0.10 2	0.11 18	0.18 30	0.16 96	0.08 119	0.06 83	0.07 21	0.06 33	0.08 101	0.06 28

CASnet	0.14 17	0.12 106	0.22 13	0.22 172	0.08 3	0.16 14	0.15 37	0.27 40	0.25 86	0.22 83	0.20 58	0.15 41	0.11 18	0.17 17	0.13 35	0.07 22	0.05 7	0.11 272	0.09 219	0.08 101	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
testlalala	0.15 36	0.10 36	0.36 137	0.19 36	0.12 96	0.23 143	0.16 59	0.26 30	0.19 16	0.24 100	0.19 42	0.14 33	0.11 18	0.16 10	0.13 35	0.07 22	0.05 7	0.07 21	0.06 33	0.05 1	0.05 1

4D-IteraStereo	0.17 61	0.16 256	0.50 282	0.21 118	0.14 204	0.19 53	0.17 86	0.28 54	0.28 119	0.23 86	0.20 58	0.20 84	0.11 18	0.19 41	0.14 59	0.06 1	0.04 1	0.10 220	0.08 136	0.08 101	0.06 28

GLC_STEREO	0.15 36	0.10 36	0.24 21	0.21 118	0.09 10	0.17 22	0.15 37	0.23 16	0.27 105	0.17 48	0.20 58	0.17 55	0.11 18	0.23 83	0.16 96	0.07 22	0.09 293	0.09 151	0.08 136	0.07 51	0.06 28

CREStereo++_RVC	0.15 36	0.08 3	0.26 32	0.17 6	0.11 53	0.18 30	0.13 9	0.22 8	0.30 148	0.21 78	0.30 138	0.13 17	0.11 18	0.16 10	0.15 75	0.07 22	0.04 1	0.06 1	0.15 369	0.06 8	0.05 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
WCG-NET	0.14 17	0.09 15	0.23 16	0.19 36	0.11 53	0.21 100	0.13 9	0.28 54	0.21 39	0.18 61	0.19 42	0.18 63	0.12 30	0.22 74	0.12 11	0.08 119	0.05 7	0.07 21	0.06 33	0.08 101	0.06 28

model_zeroshot	0.17 61	0.11 82	0.39 177	0.20 79	0.12 96	0.24 162	0.15 37	0.34 119	0.22 48	0.30 194	0.20 58	0.22 104	0.12 30	0.24 89	0.14 59	0.08 119	0.07 183	0.07 21	0.07 67	0.07 51	0.07 85

WCG-NET（raft）	0.14 17	0.09 15	0.23 16	0.17 6	0.08 3	0.19 53	0.16 59	0.23 16	0.26 95	0.18 61	0.19 42	0.20 84	0.12 30	0.21 64	0.12 11	0.06 1	0.06 83	0.06 1	0.05 11	0.06 8	0.05 1

testlalala2	0.18 82	0.10 36	0.50 282	0.36 409	0.25 395	0.23 143	0.14 21	0.34 119	0.24 75	0.25 108	0.25 97	0.21 95	0.12 30	0.16 10	0.16 96	0.07 22	0.06 83	0.07 21	0.07 67	0.06 8	0.06 28

IGEV++	0.13 6	0.10 36	0.23 16	0.21 118	0.10 28	0.15 6	0.15 37	0.29 65	0.16 4	0.12 4	0.15 22	0.12 8	0.12 30	0.17 17	0.14 59	0.07 22	0.06 83	0.07 21	0.05 11	0.07 51	0.07 85

Former-RAFT_DAM_RVC	0.17 61	0.13 164	0.24 21	0.19 36	0.13 163	0.24 162	0.17 86	0.30 81	0.37 224	0.43 357	0.17 30	0.13 17	0.12 30	0.19 41	0.15 75	0.08 119	0.07 183	0.09 151	0.07 67	0.09 163	0.08 142

ff7	0.14 17	0.12 106	0.27 40	0.19 36	0.12 96	0.21 100	0.18 121	0.27 40	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.07 85

IGEVStereo-DCA	0.14 17	0.11 82	0.27 40	0.19 36	0.12 96	0.20 77	0.18 121	0.27 40	0.20 28	0.15 22	0.12 4	0.14 33	0.12 30	0.28 157	0.14 59	0.07 22	0.06 83	0.08 88	0.07 67	0.07 51	0.07 85

ffff	0.14 17	0.12 106	0.27 40	0.19 36	0.12 96	0.21 100	0.18 121	0.27 40	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.07 85

rrr	0.17 61	0.11 82	0.57 317	0.19 36	0.12 96	0.20 77	0.18 121	0.35 140	0.22 48	0.15 22	0.12 4	0.14 33	0.12 30	0.28 157	0.14 59	0.07 22	0.06 83	0.08 88	0.07 67	0.07 51	0.07 85

11t	0.14 17	0.12 106	0.27 40	0.19 36	0.12 96	0.21 100	0.18 121	0.27 40	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.07 85

LL-Strereo2	0.18 82	0.18 286	0.39 177	0.22 172	0.12 96	0.24 162	0.13 9	0.31 89	0.23 63	0.24 100	0.20 58	0.24 136	0.12 30	0.26 129	0.15 75	0.06 1	0.06 83	0.12 308	0.09 219	0.08 101	0.07 85

anonymousdsp	0.14 17	0.12 106	0.27 40	0.19 36	0.12 96	0.21 100	0.18 121	0.28 54	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.08 101	0.07 85

ProNet	0.14 17	0.12 106	0.25 27	0.19 36	0.11 53	0.19 53	0.19 159	0.27 40	0.20 28	0.14 18	0.13 10	0.13 17	0.12 30	0.24 89	0.12 11	0.06 1	0.05 7	0.07 21	0.06 33	0.07 51	0.07 85

CroCo-Stereo Lap2	0.15 36	0.15 233	0.28 51	0.25 296	0.18 316	0.11 2	0.19 159	0.28 54	0.21 39	0.13 7	0.16 27	0.15 41	0.12 30	0.17 17	0.14 59	0.07 22	0.07 183	0.08 88	0.06 33	0.08 101	0.07 85

ccc-4	0.14 17	0.12 106	0.27 40	0.19 36	0.12 96	0.21 100	0.18 121	0.27 40	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.07 85

IGEV-Stereo	0.14 17	0.12 106	0.27 40	0.19 36	0.12 96	0.21 100	0.18 121	0.28 54	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.08 101	0.07 85
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
test-3	0.16 47	0.09 15	0.31 80	0.21 118	0.11 53	0.18 30	0.16 59	0.30 81	0.27 105	0.26 119	0.16 27	0.22 104	0.12 30	0.26 129	0.18 143	0.06 1	0.04 1	0.08 88	0.08 136	0.06 8	0.06 28

test_1	0.16 47	0.09 15	0.31 80	0.21 118	0.11 53	0.18 30	0.16 59	0.30 81	0.27 105	0.25 108	0.16 27	0.22 104	0.12 30	0.26 129	0.18 143	0.06 1	0.04 1	0.08 88	0.08 136	0.06 8	0.06 28

CroCo-Stereo	0.14 17	0.13 164	0.24 21	0.25 296	0.11 53	0.11 2	0.18 121	0.32 98	0.23 63	0.12 4	0.12 4	0.18 63	0.12 30	0.14 2	0.13 35	0.08 119	0.06 83	0.07 21	0.05 11	0.07 51	0.06 28
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
iRaftStereo_RVC	0.16 47	0.12 106	0.26 32	0.21 118	0.11 53	0.20 77	0.17 86	0.32 98	0.23 63	0.20 69	0.25 97	0.18 63	0.12 30	0.20 48	0.15 75	0.07 22	0.05 7	0.09 151	0.09 219	0.08 101	0.07 85

TANstereo	0.15 36	0.09 15	0.28 51	0.16 4	0.08 3	0.25 175	0.14 21	0.23 16	0.28 119	0.24 100	0.30 138	0.16 50	0.12 30	0.17 17	0.13 35	0.08 119	0.07 183	0.06 1	0.05 11	0.06 8	0.07 85

XX-TBD	0.15 36	0.18 286	0.28 51	0.22 172	0.10 28	0.22 124	0.15 37	0.22 8	0.27 105	0.22 83	0.26 105	0.14 33	0.12 30	0.16 10	0.13 35	0.08 119	0.05 7	0.06 1	0.04 1	0.07 51	0.06 28

test_xeample3	0.16 47	0.11 82	0.56 314	0.19 36	0.12 96	0.20 77	0.18 121	0.35 140	0.20 28	0.16 39	0.12 4	0.13 17	0.12 30	0.24 89	0.15 75	0.07 22	0.06 83	0.07 21	0.08 136	0.07 51	0.07 85

rvit_stereo_0081_aga	0.16 47	0.14 203	0.28 51	0.21 118	0.13 163	0.19 53	0.17 86	0.23 16	0.24 75	0.17 48	0.21 69	0.19 77	0.13 54	0.19 41	0.14 59	0.11 268	0.08 260	0.09 151	0.08 136	0.09 163	0.07 85

rvit_stereo_0080	0.15 36	0.13 164	0.25 27	0.19 36	0.13 163	0.15 6	0.20 201	0.28 54	0.24 75	0.15 22	0.17 30	0.19 77	0.13 54	0.19 41	0.15 75	0.11 268	0.08 260	0.08 88	0.08 136	0.10 218	0.07 85

trnet	0.13 6	0.08 3	0.21 8	0.15 2	0.07 1	0.21 100	0.12 5	0.24 26	0.24 75	0.16 39	0.21 69	0.15 41	0.13 54	0.18 30	0.13 35	0.08 119	0.05 7	0.06 1	0.04 1	0.06 8	0.05 1

MyStereo07	0.16 47	0.12 106	0.26 32	0.22 172	0.14 204	0.25 175	0.23 276	0.29 65	0.21 39	0.15 22	0.13 10	0.12 8	0.13 54	0.25 114	0.13 35	0.07 22	0.07 183	0.09 151	0.08 136	0.08 101	0.08 142

AE-Stereo	0.17 61	0.11 82	0.31 80	0.24 259	0.14 204	0.23 143	0.18 121	0.34 119	0.29 137	0.15 22	0.25 97	0.21 95	0.13 54	0.20 48	0.14 59	0.07 22	0.08 260	0.09 151	0.10 255	0.07 51	0.06 28

whm_eth	0.15 36	0.13 164	0.25 27	0.19 36	0.13 163	0.15 6	0.20 201	0.28 54	0.24 75	0.15 22	0.17 30	0.19 77	0.13 54	0.19 41	0.15 75	0.11 268	0.08 260	0.08 88	0.08 136	0.10 218	0.07 85

IGEV_Zeroshot_test	0.18 82	0.10 36	0.65 348	0.20 79	0.12 96	0.19 53	0.15 37	0.34 119	0.19 16	0.28 138	0.22 76	0.27 173	0.13 54	0.23 83	0.18 143	0.07 22	0.06 83	0.08 88	0.08 136	0.07 51	0.06 28

MIM_Stereo	0.18 82	0.12 106	0.38 164	0.20 79	0.11 53	0.17 22	0.14 21	0.35 140	0.25 86	0.27 128	0.35 199	0.23 124	0.13 54	0.27 145	0.16 96	0.06 1	0.07 183	0.08 88	0.08 136	0.08 101	0.06 28

SPstereo	0.14 17	0.14 203	0.33 100	0.20 79	0.09 10	0.21 100	0.10 1	0.26 30	0.20 28	0.18 61	0.19 42	0.15 41	0.13 54	0.17 17	0.13 35	0.07 22	0.06 83	0.07 21	0.05 11	0.06 8	0.06 28

LoS	0.14 17	0.08 3	0.27 40	0.16 4	0.09 10	0.22 124	0.14 21	0.26 30	0.26 95	0.15 22	0.18 37	0.18 63	0.13 54	0.22 74	0.14 59	0.08 119	0.06 83	0.06 1	0.04 1	0.06 8	0.06 28
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MC-Stereo	0.14 17	0.09 15	0.25 27	0.21 118	0.09 10	0.18 30	0.16 59	0.23 16	0.19 16	0.18 61	0.23 79	0.16 50	0.13 54	0.22 74	0.13 35	0.07 22	0.05 7	0.07 21	0.07 67	0.06 8	0.05 1

test_4	0.18 82	0.12 106	0.34 107	0.23 215	0.12 96	0.18 30	0.22 253	0.26 30	0.24 75	0.24 100	0.47 326	0.22 104	0.13 54	0.24 89	0.16 96	0.06 1	0.05 7	0.09 151	0.09 219	0.07 51	0.05 1

test_3	0.18 82	0.11 82	0.32 86	0.24 259	0.11 53	0.22 124	0.25 313	0.31 89	0.31 160	0.25 108	0.18 37	0.23 124	0.13 54	0.25 114	0.19 168	0.06 1	0.05 7	0.09 151	0.10 255	0.07 51	0.06 28

TRStereo	0.19 120	0.17 272	0.47 259	0.23 215	0.19 334	0.19 53	0.16 59	0.52 317	0.28 119	0.20 69	0.19 42	0.21 95	0.13 54	0.24 89	0.13 35	0.09 191	0.06 83	0.09 151	0.11 292	0.06 8	0.06 28

CREStereo	0.13 6	0.08 3	0.21 8	0.14 1	0.08 3	0.22 124	0.15 37	0.25 27	0.24 75	0.16 39	0.21 69	0.14 33	0.13 54	0.18 30	0.13 35	0.09 191	0.05 7	0.06 1	0.04 1	0.07 51	0.06 28
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
rvit_stereo_0081	0.16 47	0.11 82	0.24 21	0.21 118	0.12 96	0.16 14	0.17 86	0.22 8	0.33 180	0.16 39	0.18 37	0.18 63	0.14 69	0.20 48	0.16 96	0.11 268	0.08 260	0.09 151	0.08 136	0.09 163	0.07 85

rvit_stereo_0082	0.16 47	0.11 82	0.24 21	0.21 118	0.12 96	0.16 14	0.17 86	0.22 8	0.33 180	0.16 39	0.18 37	0.18 63	0.14 69	0.20 48	0.16 96	0.11 268	0.08 260	0.09 151	0.08 136	0.09 163	0.07 85

gcap-zeroshot	0.17 61	0.11 82	0.36 137	0.20 79	0.12 96	0.26 193	0.16 59	0.30 81	0.22 48	0.26 119	0.20 58	0.30 213	0.14 69	0.20 48	0.13 35	0.07 22	0.06 83	0.07 21	0.07 67	0.06 8	0.06 28

MoCha-V2	0.13 6	0.08 3	0.26 32	0.23 215	0.09 10	0.16 14	0.15 37	0.26 30	0.16 4	0.15 22	0.15 22	0.13 17	0.14 69	0.20 48	0.11 1	0.06 1	0.07 183	0.06 1	0.06 33	0.06 8	0.05 1

testlalala_base	0.20 134	0.13 164	0.35 117	0.25 296	0.15 250	0.25 175	0.16 59	0.34 119	0.17 8	0.19 66	0.26 105	0.17 55	0.14 69	0.18 30	0.16 96	0.39 436	0.09 293	0.07 21	0.05 11	0.45 431	0.08 142

RAFT-Test	0.17 61	0.10 36	0.38 164	0.19 36	0.12 96	0.25 175	0.17 86	0.33 112	0.23 63	0.23 86	0.29 126	0.27 173	0.14 69	0.20 48	0.14 59	0.07 22	0.06 83	0.07 21	0.07 67	0.06 8	0.06 28

AnonymousM	0.17 61	0.19 302	0.24 21	0.18 12	0.10 28	0.18 30	0.17 86	0.30 81	0.23 63	0.26 119	0.20 58	0.18 63	0.14 69	0.19 41	0.14 59	0.09 191	0.06 83	0.38 429	0.15 369	0.06 8	0.05 1

test-1	0.17 61	0.11 82	0.40 184	0.23 215	0.13 163	0.22 124	0.23 276	0.34 119	0.26 95	0.20 69	0.24 90	0.22 104	0.14 69	0.16 10	0.20 181	0.07 22	0.06 83	0.08 88	0.07 67	0.06 8	0.08 142

sCroCo_RVC	0.18 82	0.14 203	0.49 272	0.27 352	0.18 316	0.22 124	0.17 86	0.27 40	0.23 63	0.14 18	0.22 76	0.17 55	0.14 69	0.21 64	0.15 75	0.10 235	0.11 336	0.09 151	0.09 219	0.09 163	0.09 196

PMTNet	0.15 36	0.08 3	0.23 16	0.15 2	0.09 10	0.23 143	0.16 59	0.25 27	0.23 63	0.17 48	0.21 69	0.16 50	0.14 69	0.22 74	0.13 35	0.29 424	0.05 7	0.06 1	0.04 1	0.07 51	0.06 28

R-Stereo Train	0.18 82	0.09 15	0.32 86	0.22 172	0.12 96	0.22 124	0.19 159	0.42 217	0.19 16	0.31 211	0.45 310	0.20 84	0.14 69	0.18 30	0.15 75	0.08 119	0.06 83	0.07 21	0.06 33	0.06 8	0.06 28

RAFT-Stereo	0.18 82	0.09 15	0.32 86	0.22 172	0.12 96	0.22 124	0.19 159	0.42 217	0.19 16	0.31 211	0.45 310	0.20 84	0.14 69	0.18 30	0.15 75	0.08 119	0.06 83	0.07 21	0.06 33	0.06 8	0.06 28
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
EKT-Stereo	0.38 363	0.12 106	0.38 164	0.42 423	3.88 471	0.21 100	0.17 86	0.35 140	0.28 119	0.20 69	0.20 58	0.23 124	0.15 81	0.28 157	0.16 96	0.09 191	0.07 183	0.09 151	0.07 67	0.09 163	0.09 196

LoS_RVC	0.13 6	0.10 36	0.19 3	0.18 12	0.16 275	0.20 77	0.18 121	0.20 4	0.17 8	0.13 7	0.19 42	0.12 8	0.15 81	0.17 17	0.13 35	0.06 1	0.05 7	0.06 1	0.04 1	0.05 1	0.12 300

anonymousdsp2	0.17 61	0.10 36	0.28 51	0.20 79	0.11 53	0.25 175	0.17 86	0.41 203	0.31 160	0.23 86	0.23 79	0.22 104	0.15 81	0.25 114	0.15 75	0.07 22	0.05 7	0.07 21	0.05 11	0.08 101	0.07 85

CIPLG	0.21 151	0.21 327	0.55 310	0.23 215	0.15 250	0.25 175	0.20 201	0.35 140	0.29 137	0.31 211	0.33 179	0.22 104	0.15 81	0.26 129	0.20 181	0.08 119	0.07 183	0.07 21	0.07 67	0.08 101	0.08 142

IPLGR_C	0.21 151	0.22 339	0.60 328	0.23 215	0.15 250	0.24 162	0.20 201	0.35 140	0.29 137	0.31 211	0.32 159	0.22 104	0.15 81	0.25 114	0.20 181	0.08 119	0.07 183	0.07 21	0.07 67	0.08 101	0.08 142

ACRE	0.21 151	0.20 314	0.62 339	0.23 215	0.15 250	0.24 162	0.20 201	0.35 140	0.28 119	0.31 211	0.32 159	0.22 104	0.15 81	0.25 114	0.20 181	0.08 119	0.07 183	0.07 21	0.07 67	0.08 101	0.08 142

Pruner-Stereo	0.19 120	0.11 82	0.34 107	0.29 372	0.12 96	0.19 53	0.17 86	0.31 89	0.29 137	0.33 244	0.32 159	0.25 143	0.15 81	0.24 89	0.21 203	0.09 191	0.06 83	0.09 151	0.08 136	0.08 101	0.09 196

cross-raft	0.17 61	0.12 106	0.41 207	0.23 215	0.10 28	0.20 77	0.24 298	0.33 112	0.23 63	0.23 86	0.28 115	0.29 197	0.15 81	0.17 17	0.15 75	0.06 1	0.05 7	0.07 21	0.07 67	0.06 8	0.05 1

raft+_RVC	0.18 82	0.14 203	0.32 86	0.21 118	0.15 250	0.21 100	0.16 59	0.38 172	0.34 189	0.21 78	0.28 115	0.20 84	0.15 81	0.24 89	0.19 168	0.08 119	0.06 83	0.08 88	0.07 67	0.07 51	0.08 142

RALCasStereoNet	0.18 82	0.15 233	0.33 100	0.21 118	0.14 204	0.21 100	0.18 121	0.31 89	0.25 86	0.21 78	0.29 126	0.22 104	0.15 81	0.27 145	0.17 124	0.08 119	0.10 315	0.07 21	0.06 33	0.09 163	0.09 196

RALAANet	0.19 120	0.18 286	0.37 145	0.23 215	0.14 204	0.23 143	0.13 9	0.37 167	0.29 137	0.28 138	0.26 105	0.25 143	0.15 81	0.26 129	0.18 143	0.08 119	0.06 83	0.09 151	0.08 136	0.09 163	0.06 28

GMStereo	0.19 120	0.25 353	0.40 184	0.21 118	0.12 96	0.22 124	0.19 159	0.29 65	0.40 262	0.25 108	0.23 79	0.16 50	0.15 81	0.25 114	0.19 168	0.09 191	0.06 83	0.08 88	0.08 136	0.10 218	0.08 142
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CFNet-RSSM	0.17 61	0.10 36	0.40 184	0.20 79	0.11 53	0.20 77	0.15 37	0.36 158	0.30 148	0.23 86	0.21 69	0.26 164	0.15 81	0.20 48	0.13 35	0.07 22	0.05 7	0.07 21	0.07 67	0.06 8	0.05 1

Gwc-CoAtRS	0.17 61	0.10 36	0.37 145	0.20 79	0.12 96	0.19 53	0.15 37	0.32 98	0.28 119	0.23 86	0.23 79	0.27 173	0.15 81	0.20 48	0.13 35	0.07 22	0.05 7	0.07 21	0.07 67	0.06 8	0.06 28

rvit_stereo_0083	0.16 47	0.12 106	0.26 32	0.21 118	0.13 163	0.17 22	0.17 86	0.22 8	0.34 189	0.16 39	0.21 69	0.19 77	0.16 95	0.21 64	0.16 96	0.11 268	0.10 315	0.10 220	0.08 136	0.09 163	0.07 85

rvit_stereo_ft	0.17 61	0.14 203	0.30 67	0.25 296	0.14 204	0.17 22	0.21 230	0.28 54	0.26 95	0.16 39	0.19 42	0.20 84	0.16 95	0.22 74	0.17 124	0.11 268	0.07 183	0.09 151	0.09 219	0.09 163	0.07 85

tt1	0.18 82	0.14 203	0.35 117	0.23 215	0.11 53	0.30 254	0.19 159	0.35 140	0.44 298	0.17 48	0.19 42	0.13 17	0.16 95	0.27 145	0.11 1	0.08 119	0.05 7	0.08 88	0.06 33	0.08 101	0.08 142

plain	0.17 61	0.13 164	0.43 226	0.21 118	0.13 163	0.16 14	0.17 86	0.27 40	0.22 48	0.16 39	0.26 105	0.13 17	0.16 95	0.27 145	0.16 96	0.08 119	0.06 83	0.10 220	0.07 67	0.10 218	0.07 85

StereoVision	0.22 179	0.18 286	0.37 145	0.27 352	0.17 295	0.23 143	0.22 253	0.38 172	0.31 160	0.20 69	0.51 341	0.22 104	0.16 95	0.28 157	0.18 143	0.11 268	0.12 353	0.13 328	0.13 350	0.10 218	0.07 85

MIF-Stereo (partial)	0.16 47	0.10 36	0.34 107	0.21 118	0.15 250	0.15 6	0.13 9	0.28 54	0.25 86	0.17 48	0.26 105	0.15 41	0.16 95	0.25 114	0.17 124	0.09 191	0.06 83	0.10 220	0.08 136	0.09 163	0.08 142

AEACV	0.13 6	0.09 15	0.23 16	0.18 12	0.19 334	0.19 53	0.16 59	0.23 16	0.14 1	0.13 7	0.17 30	0.13 17	0.16 95	0.16 10	0.12 11	0.07 22	0.05 7	0.07 21	0.08 136	0.07 51	0.06 28

Any-RAFT	0.17 61	0.08 3	0.31 80	0.19 36	0.10 28	0.29 237	0.16 59	0.42 217	0.30 148	0.24 100	0.27 111	0.27 173	0.16 95	0.21 64	0.12 11	0.08 119	0.05 7	0.06 1	0.05 11	0.07 51	0.06 28

DCRE	0.20 134	0.13 164	0.40 184	0.21 118	0.15 250	0.20 77	0.19 159	0.30 81	0.27 105	0.22 83	0.80 413	0.23 124	0.16 95	0.23 83	0.15 75	0.07 22	0.07 183	0.07 21	0.08 136	0.07 51	0.06 28

knoymous	0.17 61	0.09 15	0.32 86	0.17 6	0.11 53	0.21 100	0.17 86	0.32 98	0.23 63	0.23 86	0.28 115	0.27 173	0.16 95	0.23 83	0.16 96	0.09 191	0.06 83	0.09 151	0.06 33	0.09 163	0.09 196

DisPM	0.19 120	0.10 36	0.35 117	0.23 215	0.13 163	0.18 30	0.20 201	0.29 65	0.29 137	0.33 244	0.34 188	0.23 124	0.16 95	0.33 202	0.16 96	0.09 191	0.06 83	0.09 151	0.08 136	0.07 51	0.11 278

RAFT+CT+SA	0.21 151	0.18 286	0.33 100	0.25 296	0.18 316	0.23 143	0.29 347	0.40 191	0.36 215	0.24 100	0.38 230	0.18 63	0.16 95	0.32 196	0.16 96	0.07 22	0.05 7	0.09 151	0.12 327	0.09 163	0.09 196

dd	0.22 179	0.26 364	0.40 184	0.22 172	0.12 96	0.25 175	0.21 230	0.32 98	0.44 298	0.29 165	0.28 115	0.25 143	0.16 95	0.30 184	0.25 259	0.12 304	0.07 183	0.10 220	0.08 136	0.11 263	0.09 196

PFNet+	0.20 134	0.10 36	0.37 145	0.21 118	0.12 96	0.17 22	0.19 159	0.29 65	0.34 189	0.33 244	0.32 159	0.24 136	0.16 95	0.32 196	0.17 124	0.10 235	0.07 183	0.11 272	0.10 255	0.08 101	0.12 300

NF-Stereo	0.20 134	0.10 36	0.35 117	0.24 259	0.12 96	0.21 100	0.18 121	0.38 172	0.32 168	0.28 138	0.30 138	0.22 104	0.16 95	0.51 270	0.20 181	0.08 119	0.06 83	0.09 151	0.08 136	0.08 101	0.13 314

OCTAStereo	0.20 134	0.10 36	0.35 117	0.24 259	0.12 96	0.21 100	0.18 121	0.38 172	0.32 168	0.28 138	0.30 138	0.22 104	0.16 95	0.51 270	0.20 181	0.08 119	0.06 83	0.09 151	0.08 136	0.08 101	0.13 314

PSM-softLoss	0.21 151	0.10 36	0.39 177	0.24 259	0.12 96	0.20 77	0.18 121	0.38 172	0.26 95	0.29 165	0.32 159	0.24 136	0.16 95	0.52 276	0.20 181	0.09 191	0.06 83	0.10 220	0.09 219	0.08 101	0.12 300

KMStereo	0.21 151	0.10 36	0.39 177	0.24 259	0.12 96	0.20 77	0.18 121	0.38 172	0.26 95	0.29 165	0.32 159	0.24 136	0.16 95	0.52 276	0.20 181	0.09 191	0.06 83	0.10 220	0.09 219	0.08 101	0.12 300

RE-Stereo	0.20 134	0.10 36	0.35 117	0.24 259	0.12 96	0.21 100	0.18 121	0.38 172	0.32 168	0.28 138	0.30 138	0.22 104	0.16 95	0.51 270	0.20 181	0.08 119	0.06 83	0.09 151	0.08 136	0.08 101	0.13 314

TVStereo	0.20 134	0.10 36	0.35 117	0.24 259	0.12 96	0.21 100	0.18 121	0.38 172	0.32 168	0.28 138	0.30 138	0.22 104	0.16 95	0.51 270	0.20 181	0.08 119	0.06 83	0.09 151	0.08 136	0.08 101	0.13 314

RAFT-345	0.21 151	0.10 36	0.46 251	0.22 172	0.11 53	0.20 77	0.16 59	0.26 30	0.25 86	0.27 128	0.66 392	0.21 95	0.16 95	0.55 290	0.21 203	0.07 22	0.06 83	0.08 88	0.07 67	0.06 8	0.06 28

rafts_anoy	0.18 82	0.15 233	0.35 117	0.22 172	0.14 204	0.19 53	0.17 86	0.32 98	0.30 148	0.23 86	0.25 97	0.20 84	0.16 95	0.22 74	0.19 168	0.08 119	0.07 183	0.10 220	0.12 327	0.09 163	0.08 142

sAnonymous2	0.20 134	0.21 327	0.58 322	0.24 259	0.17 295	0.22 124	0.19 159	0.34 119	0.28 119	0.17 48	0.19 42	0.17 55	0.16 95	0.17 17	0.14 59	0.10 235	0.07 183	0.09 151	0.08 136	0.23 401	0.17 361

CroCo_RVC	0.20 134	0.21 327	0.58 322	0.24 259	0.17 295	0.22 124	0.19 159	0.34 119	0.28 119	0.17 48	0.19 42	0.17 55	0.16 95	0.17 17	0.14 59	0.10 235	0.07 183	0.09 151	0.08 136	0.23 401	0.17 361

EAI-Stereo	0.21 151	0.10 36	0.33 100	0.21 118	0.12 96	0.30 254	0.46 415	0.46 253	0.20 28	0.25 108	0.50 335	0.17 55	0.16 95	0.24 89	0.23 239	0.07 22	0.06 83	0.07 21	0.10 255	0.06 8	0.07 85

rvit_0105_6	0.19 120	0.14 203	0.34 107	0.23 215	0.14 204	0.18 30	0.20 201	0.29 65	0.37 224	0.18 61	0.22 76	0.23 124	0.17 120	0.26 129	0.17 124	0.15 356	0.13 364	0.13 328	0.11 292	0.11 263	0.08 142

GCST	0.47 393	0.60 434	0.57 317	1.04 457	0.48 432	0.38 330	0.11 3	0.40 191	0.32 168	0.41 342	0.34 188	0.29 197	0.17 120	0.46 251	0.19 168	0.69 449	0.42 442	0.79 451	0.62 453	0.62 440	0.46 440

GMStereo_Zeroshot	0.24 222	0.21 327	0.45 244	0.26 328	0.13 163	0.28 217	0.15 37	0.39 184	0.35 203	0.37 299	0.43 287	0.40 303	0.17 120	0.34 208	0.20 181	0.12 304	0.07 183	0.13 328	0.07 67	0.16 348	0.09 196

RCA-Stereo	0.16 47	0.09 15	0.25 27	0.20 79	0.10 28	0.19 53	0.17 86	0.36 158	0.35 203	0.20 69	0.25 97	0.17 55	0.17 120	0.18 30	0.14 59	0.07 22	0.05 7	0.07 21	0.06 33	0.06 8	0.05 1

RAFT_CTSACE	0.21 151	0.16 256	0.41 207	0.25 296	0.15 250	0.22 124	0.24 298	0.32 98	0.28 119	0.33 244	0.51 341	0.29 197	0.17 120	0.32 196	0.13 35	0.06 1	0.07 183	0.09 151	0.08 136	0.08 101	0.06 28

IPLG	0.21 151	0.15 233	0.53 301	0.21 118	0.12 96	0.28 217	0.17 86	0.42 217	0.30 148	0.33 244	0.32 159	0.15 41	0.17 120	0.50 265	0.21 203	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.06 28

GMOStereo	0.18 82	0.14 203	0.30 67	0.22 172	0.12 96	0.20 77	0.27 329	0.26 30	0.28 119	0.31 211	0.32 159	0.26 164	0.17 120	0.15 5	0.12 11	0.07 22	0.07 183	0.10 220	0.08 136	0.08 101	0.05 1

error version	0.18 82	0.14 203	0.30 67	0.22 172	0.12 96	0.20 77	0.27 329	0.26 30	0.28 119	0.31 211	0.32 159	0.26 164	0.17 120	0.15 5	0.12 11	0.07 22	0.07 183	0.10 220	0.08 136	0.08 101	0.05 1

test-v	0.18 82	0.14 203	0.30 67	0.22 172	0.12 96	0.20 77	0.27 329	0.26 30	0.28 119	0.31 211	0.32 159	0.26 164	0.17 120	0.15 5	0.12 11	0.07 22	0.07 183	0.10 220	0.08 136	0.08 101	0.05 1

Patchmatch Stereo++	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.14 21	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.17 120	0.26 129	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142
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
ROB_FTStereo_v2	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.16 59	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.17 120	0.24 89	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

ROB_FTStereo	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.14 21	0.29 65	0.22 48	0.28 138	0.28 115	0.25 143	0.17 120	0.24 89	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

HUI-Stereo	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.14 21	0.29 65	0.22 48	0.28 138	0.28 115	0.25 143	0.17 120	0.22 74	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

iGMRVC	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.15 37	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.17 120	0.27 145	0.17 124	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

RAFT-RH_RVC	0.25 249	0.11 82	0.45 244	0.21 118	0.12 96	0.25 175	0.14 21	0.27 40	0.27 105	0.38 310	1.15 434	0.23 124	0.17 120	0.57 303	0.24 250	0.07 22	0.05 7	0.10 220	0.07 67	0.06 8	0.07 85

iRAFT	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.14 21	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.17 120	0.26 129	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

CRE-IMP	0.18 82	0.12 106	0.37 145	0.22 172	0.11 53	0.24 162	0.17 86	0.29 65	0.21 39	0.27 128	0.26 105	0.24 136	0.17 120	0.23 83	0.18 143	0.08 119	0.05 7	0.10 220	0.07 67	0.10 218	0.10 246

test-2	0.18 82	0.14 203	0.30 67	0.22 172	0.12 96	0.20 77	0.27 329	0.26 30	0.28 119	0.31 211	0.32 159	0.26 164	0.17 120	0.15 5	0.12 11	0.07 22	0.07 183	0.10 220	0.08 136	0.08 101	0.05 1

s12784h	0.17 61	0.09 15	0.26 32	0.18 12	0.07 1	0.32 277	0.19 159	0.37 167	0.32 168	0.23 86	0.25 97	0.18 63	0.17 120	0.25 114	0.16 96	0.07 22	0.05 7	0.07 21	0.05 11	0.06 8	0.05 1

raftrobust	0.16 47	0.13 164	0.29 61	0.22 172	0.15 250	0.19 53	0.13 9	0.32 98	0.26 95	0.26 119	0.20 58	0.19 77	0.17 120	0.21 64	0.15 75	0.08 119	0.06 83	0.07 21	0.06 33	0.06 8	0.07 85

RAFT-Stereo + iAFF	0.17 61	0.14 203	0.32 86	0.20 79	0.09 10	0.19 53	0.17 86	0.32 98	0.30 148	0.25 108	0.33 179	0.20 84	0.17 120	0.19 41	0.15 75	0.06 1	0.05 7	0.07 21	0.07 67	0.07 51	0.05 1

AFF-stereo	0.18 82	0.15 233	0.32 86	0.21 118	0.10 28	0.18 30	0.18 121	0.33 112	0.27 105	0.25 108	0.37 218	0.25 143	0.17 120	0.24 89	0.15 75	0.06 1	0.05 7	0.08 88	0.08 136	0.07 51	0.05 1

DIP-Stereo	0.18 82	0.12 106	0.33 100	0.20 79	0.13 163	0.28 217	0.12 5	0.42 217	0.25 86	0.27 128	0.32 159	0.21 95	0.17 120	0.25 114	0.20 181	0.07 22	0.06 83	0.08 88	0.06 33	0.07 51	0.08 142
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
AIO-Stereo-zeroshot1	0.25 249	0.14 203	0.95 412	0.21 118	0.27 402	0.20 77	0.19 159	0.48 271	0.25 86	0.26 119	0.55 361	0.34 247	0.18 143	0.25 114	0.17 124	0.07 22	0.06 83	0.08 88	0.12 327	0.12 299	0.12 300

MyStereo8	0.22 179	0.15 233	0.63 342	0.21 118	0.17 295	0.31 269	0.16 59	0.36 158	0.32 168	0.28 138	0.36 209	0.25 143	0.18 143	0.25 114	0.28 280	0.08 119	0.07 183	0.08 88	0.07 67	0.10 218	0.12 300

MyStereo06	0.20 134	0.12 106	0.57 317	0.21 118	0.14 204	0.25 175	0.23 276	0.40 191	0.21 39	0.30 194	0.24 90	0.31 224	0.18 143	0.22 74	0.18 143	0.07 22	0.07 183	0.09 151	0.08 136	0.08 101	0.08 142

ACVNet-DCA	0.18 82	0.14 203	0.38 164	0.23 215	0.11 53	0.31 269	0.19 159	0.41 203	0.27 105	0.17 48	0.19 42	0.13 17	0.18 143	0.28 157	0.11 1	0.08 119	0.05 7	0.08 88	0.06 33	0.09 163	0.09 196

1test111	0.19 120	0.14 203	0.38 164	0.23 215	0.11 53	0.31 269	0.19 159	0.41 203	0.27 105	0.17 48	0.19 42	0.13 17	0.18 143	0.34 208	0.22 221	0.08 119	0.05 7	0.08 88	0.06 33	0.09 163	0.09 196

cc1	0.18 82	0.14 203	0.38 164	0.23 215	0.11 53	0.31 269	0.19 159	0.35 140	0.47 328	0.17 48	0.19 42	0.13 17	0.18 143	0.28 157	0.11 1	0.08 119	0.05 7	0.08 88	0.06 33	0.08 101	0.08 142

HH	0.18 82	0.12 106	0.55 310	0.22 172	0.12 96	0.18 30	0.18 121	0.34 119	0.19 16	0.20 69	0.24 90	0.34 247	0.18 143	0.29 172	0.12 11	0.07 22	0.05 7	0.07 21	0.07 67	0.07 51	0.06 28

HanStereo	0.18 82	0.12 106	0.55 310	0.22 172	0.12 96	0.18 30	0.18 121	0.34 119	0.19 16	0.20 69	0.24 90	0.34 247	0.18 143	0.29 172	0.12 11	0.07 22	0.05 7	0.07 21	0.07 67	0.07 51	0.06 28

Selective-RAFT	0.17 61	0.12 106	0.30 67	0.24 259	0.10 28	0.29 237	0.15 37	0.32 98	0.31 160	0.17 48	0.17 30	0.21 95	0.18 143	0.28 157	0.17 124	0.07 22	0.06 83	0.07 21	0.07 67	0.08 101	0.06 28

NRIStereo	0.18 82	0.11 82	0.35 117	0.23 215	0.11 53	0.24 162	0.20 201	0.29 65	0.26 95	0.26 119	0.25 97	0.25 143	0.18 143	0.34 208	0.18 143	0.07 22	0.06 83	0.09 151	0.07 67	0.09 163	0.08 142

PSM-adaLoss	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.16 59	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.18 143	0.24 89	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

RAFT-IKP	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.15 37	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.18 143	0.25 114	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

Anonymous3	0.23 196	0.18 286	0.63 342	0.27 352	0.18 316	0.41 346	0.23 276	0.43 228	0.35 203	0.23 86	0.27 111	0.20 84	0.18 143	0.27 145	0.18 143	0.12 304	0.11 336	0.10 220	0.10 255	0.11 263	0.12 300

TestStereo	0.21 151	0.19 302	0.40 184	0.25 296	0.10 28	0.22 124	0.21 230	0.31 89	0.31 160	0.23 86	0.34 188	0.22 104	0.18 143	0.62 329	0.18 143	0.08 119	0.06 83	0.10 220	0.07 67	0.11 263	0.06 28

rvit_0105_5	0.21 151	0.15 233	0.38 164	0.23 215	0.13 163	0.22 124	0.24 298	0.36 158	0.39 247	0.21 78	0.23 79	0.26 164	0.19 157	0.26 129	0.19 168	0.15 356	0.13 364	0.12 308	0.12 327	0.10 218	0.09 196

rvit_0105_4	0.20 134	0.15 233	0.38 164	0.23 215	0.14 204	0.20 77	0.22 253	0.33 112	0.39 247	0.19 66	0.24 90	0.25 143	0.19 157	0.27 145	0.17 124	0.16 371	0.13 364	0.13 328	0.11 292	0.11 263	0.08 142

Sa-1000	0.22 179	0.15 233	0.35 117	0.23 215	0.13 163	0.28 217	0.23 276	0.47 260	0.39 247	0.30 194	0.50 335	0.26 164	0.19 157	0.33 202	0.16 96	0.07 22	0.06 83	0.10 220	0.11 292	0.08 101	0.06 28

UDGNet	0.23 196	0.31 393	0.38 164	0.24 259	0.14 204	0.24 162	0.18 121	0.32 98	0.43 284	0.29 165	0.28 115	0.24 136	0.19 157	0.29 172	0.20 181	0.15 356	0.07 183	0.21 399	0.11 292	0.14 329	0.10 246

IPLGR	0.21 151	0.13 164	0.61 331	0.21 118	0.11 53	0.25 175	0.18 121	0.41 203	0.37 224	0.28 138	0.27 111	0.21 95	0.19 157	0.37 224	0.18 143	0.07 22	0.06 83	0.08 88	0.07 67	0.07 51	0.06 28

GANet-ADL	0.21 151	0.12 106	0.45 244	0.23 215	0.14 204	0.29 237	0.19 159	0.46 253	0.35 203	0.25 108	0.32 159	0.32 233	0.19 157	0.24 89	0.20 181	0.10 235	0.07 183	0.07 21	0.06 33	0.09 163	0.10 246

OMP-Stereo	0.23 196	0.14 203	0.35 117	0.29 372	0.13 163	0.21 100	0.16 59	0.37 167	0.33 180	0.34 263	0.30 138	0.34 247	0.19 157	0.70 357	0.24 250	0.07 22	0.06 83	0.09 151	0.07 67	0.07 51	0.06 28

PFNet	0.23 196	0.10 36	0.57 317	0.24 259	0.14 204	0.22 124	0.19 159	0.39 184	0.33 180	0.35 279	0.32 159	0.27 173	0.19 157	0.64 336	0.22 221	0.09 191	0.05 7	0.09 151	0.07 67	0.08 101	0.07 85

ARAFT	0.24 222	0.21 327	0.78 374	0.22 172	0.12 96	0.29 237	0.24 298	0.43 228	0.32 168	0.33 244	0.28 115	0.28 188	0.19 157	0.49 262	0.18 143	0.07 22	0.06 83	0.12 308	0.11 292	0.09 163	0.06 28

rvit_stereo_0075_2	0.24 222	0.17 272	0.50 282	0.26 328	0.22 371	0.22 124	0.15 37	0.40 191	0.35 203	0.27 128	0.37 218	0.29 197	0.20 166	0.28 157	0.19 168	0.17 382	0.12 353	0.19 393	0.12 327	0.13 314	0.13 314

H2IRNET	0.18 82	0.13 164	0.35 117	0.21 118	0.12 96	0.20 77	0.15 37	0.27 40	0.30 148	0.17 48	0.31 152	0.25 143	0.20 166	0.24 89	0.18 143	0.07 22	0.06 83	0.09 151	0.10 255	0.09 163	0.06 28

BUS	0.23 196	0.12 106	0.28 51	0.25 296	0.14 204	0.43 361	0.17 86	0.56 360	0.34 189	0.34 263	0.35 199	0.32 233	0.20 166	0.26 129	0.21 203	0.10 235	0.07 183	0.11 272	0.10 255	0.09 163	0.09 196

NINENet	0.25 249	0.15 233	0.37 145	0.23 215	0.16 275	0.43 361	0.17 86	0.60 388	0.46 323	0.32 233	0.37 218	0.32 233	0.20 166	0.42 239	0.21 203	0.10 235	0.10 315	0.12 308	0.08 136	0.11 263	0.10 246

iRaft-Stereo_20w	0.19 120	0.10 36	0.46 251	0.19 36	0.13 163	0.25 175	0.19 159	0.52 317	0.19 16	0.29 165	0.21 69	0.22 104	0.20 166	0.28 157	0.18 143	0.07 22	0.06 83	0.07 21	0.08 136	0.08 101	0.08 142

GwcNet-ADL	0.22 179	0.14 203	0.58 322	0.24 259	0.13 163	0.22 124	0.23 276	0.49 279	0.40 262	0.27 128	0.29 126	0.30 213	0.20 166	0.26 129	0.23 239	0.09 191	0.07 183	0.07 21	0.07 67	0.09 163	0.09 196

DN-CSS_ROB	0.22 179	0.25 353	0.47 259	0.24 259	0.14 204	0.25 175	0.12 5	0.40 191	0.33 180	0.29 165	0.42 275	0.22 104	0.20 166	0.33 202	0.19 168	0.07 22	0.06 83	0.11 272	0.11 292	0.11 263	0.07 85

DDVS	0.25 249	0.15 233	0.39 177	0.24 259	0.17 295	0.34 300	0.21 230	0.41 203	0.30 148	0.33 244	0.41 259	0.48 345	0.21 173	0.52 276	0.27 276	0.11 268	0.09 293	0.11 272	0.09 219	0.13 314	0.14 332

rvit_0105_3	0.23 196	0.17 272	0.40 184	0.25 296	0.15 250	0.24 162	0.28 342	0.38 172	0.41 272	0.25 108	0.25 97	0.28 188	0.21 173	0.28 157	0.20 181	0.15 356	0.13 364	0.14 350	0.15 369	0.10 218	0.09 196

TestStereo1	0.21 151	0.16 256	0.32 86	0.26 328	0.13 163	0.26 193	0.27 329	0.40 191	0.36 215	0.29 165	0.39 243	0.22 104	0.21 173	0.33 202	0.17 124	0.07 22	0.06 83	0.09 151	0.08 136	0.08 101	0.07 85

SA-5K	0.21 151	0.16 256	0.32 86	0.26 328	0.13 163	0.26 193	0.27 329	0.40 191	0.36 215	0.29 165	0.39 243	0.22 104	0.21 173	0.33 202	0.17 124	0.07 22	0.06 83	0.09 151	0.08 136	0.08 101	0.07 85

dad	0.28 290	0.31 393	0.44 234	0.21 118	0.14 204	0.30 254	0.20 201	0.33 112	0.49 346	0.44 363	0.44 298	0.45 331	0.21 173	0.41 237	0.26 272	0.20 401	0.11 336	0.20 397	0.11 292	0.14 329	0.10 246

HHNet	0.22 179	0.12 106	0.52 297	0.18 12	0.18 316	0.20 77	0.20 201	0.34 119	0.31 160	0.32 233	0.59 372	0.20 84	0.21 173	0.24 89	0.31 302	0.08 119	0.05 7	0.09 151	0.07 67	0.08 101	0.11 278

IIG-Stereo	0.23 196	0.13 164	0.35 117	0.29 372	0.12 96	0.23 143	0.14 21	0.38 172	0.31 160	0.34 263	0.37 218	0.33 240	0.21 173	0.70 357	0.26 272	0.08 119	0.06 83	0.09 151	0.07 67	0.07 51	0.06 28

GMM-Stereo	0.21 151	0.10 36	0.43 226	0.23 215	0.13 163	0.24 162	0.25 313	0.37 167	0.27 105	0.30 194	0.45 310	0.27 173	0.21 173	0.31 190	0.17 124	0.07 22	0.05 7	0.10 220	0.09 219	0.08 101	0.19 381

111	0.20 134	0.17 272	0.40 184	0.18 12	0.09 10	0.24 162	0.17 86	0.41 203	0.45 309	0.23 86	0.29 126	0.29 197	0.21 173	0.24 89	0.18 143	0.07 22	0.05 7	0.07 21	0.06 33	0.07 51	0.08 142

SFCPSM	0.22 179	0.10 36	0.51 293	0.21 118	0.14 204	0.34 300	0.22 253	0.55 345	0.39 247	0.29 165	0.32 159	0.23 124	0.21 173	0.27 145	0.19 168	0.09 191	0.07 183	0.09 151	0.09 219	0.09 163	0.08 142

HITNet	0.20 134	0.17 272	0.43 226	0.19 36	0.08 3	0.27 202	0.14 21	0.42 217	0.30 148	0.29 165	0.32 159	0.27 173	0.21 173	0.28 157	0.25 259	0.07 22	0.05 7	0.07 21	0.06 33	0.09 163	0.06 28
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
AdaStereo	0.24 222	0.16 256	0.37 145	0.24 259	0.12 96	0.32 277	0.17 86	0.54 335	0.42 279	0.33 244	0.38 230	0.35 261	0.21 173	0.30 184	0.22 221	0.14 344	0.06 83	0.13 328	0.08 136	0.11 263	0.08 142
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.
MLCV	0.22 179	0.16 256	0.44 234	0.21 118	0.08 3	0.29 237	0.19 159	0.38 172	0.37 224	0.38 310	0.44 298	0.31 224	0.21 173	0.41 237	0.24 250	0.07 22	0.05 7	0.06 1	0.05 11	0.07 51	0.06 28

UGAM	0.26 264	0.14 203	0.45 244	0.25 296	0.12 96	0.23 143	0.25 313	0.32 98	0.41 272	0.31 211	0.42 275	0.41 306	0.22 186	0.92 415	0.22 221	0.08 119	0.06 83	0.14 350	0.12 327	0.10 218	0.07 85

test_sample3	0.23 196	0.12 106	0.43 226	0.19 36	0.12 96	0.32 277	0.20 201	0.50 287	0.34 189	0.31 211	0.33 179	0.29 197	0.22 186	0.53 282	0.22 221	0.10 235	0.07 183	0.09 151	0.08 136	0.10 218	0.10 246

MyStereo05	0.23 196	0.12 106	0.57 317	0.21 118	0.14 204	0.25 175	0.23 276	0.48 271	0.52 364	0.31 211	0.23 79	0.25 143	0.22 186	0.30 184	0.21 203	0.07 22	0.07 183	0.09 151	0.08 136	0.08 101	0.08 142

CoDeX	0.23 196	0.12 106	0.46 251	0.21 118	0.14 204	0.29 237	0.21 230	0.53 328	0.41 272	0.29 165	0.35 199	0.29 197	0.22 186	0.48 257	0.19 168	0.09 191	0.06 83	0.08 88	0.07 67	0.08 101	0.07 85

ttt	0.29 301	0.12 106	0.34 107	0.21 118	0.13 163	0.29 237	0.20 201	0.56 360	0.47 328	0.31 211	0.44 298	0.30 213	0.22 186	0.65 342	0.85 417	0.13 321	0.10 315	0.10 220	0.10 255	0.11 263	0.11 278

CFNet_ucs	0.24 222	0.13 164	0.50 282	0.20 79	0.15 250	0.28 217	0.17 86	0.49 279	0.45 309	0.32 233	0.42 275	0.39 290	0.22 186	0.31 190	0.21 203	0.11 268	0.08 260	0.12 308	0.09 219	0.12 299	0.11 278

DCANet-4	0.19 120	0.10 36	0.52 297	0.19 36	0.09 10	0.19 53	0.18 121	0.36 158	0.39 247	0.29 165	0.30 138	0.17 55	0.22 186	0.20 48	0.18 143	0.07 22	0.05 7	0.07 21	0.05 11	0.05 1	0.07 85

test_5	0.23 196	0.19 302	0.38 164	0.26 328	0.18 316	0.25 175	0.29 347	0.40 191	0.37 224	0.29 165	0.40 251	0.25 143	0.22 186	0.34 208	0.18 143	0.07 22	0.05 7	0.09 151	0.09 219	0.10 218	0.10 246

RAFT	0.21 151	0.17 272	0.32 86	0.24 259	0.12 96	0.25 175	0.27 329	0.35 140	0.28 119	0.33 244	0.33 179	0.38 278	0.22 186	0.29 172	0.17 124	0.08 119	0.08 260	0.11 272	0.10 255	0.10 218	0.06 28

HCRNet	0.24 222	0.25 353	0.33 100	0.34 399	0.16 275	0.27 202	0.18 121	0.43 228	0.35 203	0.30 194	0.35 199	0.32 233	0.22 186	0.44 245	0.20 181	0.13 321	0.08 260	0.13 328	0.11 292	0.10 218	0.09 196

iResNet	0.24 222	0.18 286	0.61 331	0.25 296	0.11 53	0.29 237	0.21 230	0.42 217	0.43 284	0.33 244	0.43 287	0.27 173	0.22 186	0.34 208	0.26 272	0.07 22	0.05 7	0.07 21	0.06 33	0.08 101	0.07 85

AIO-Stereo-zeroshot	0.23 196	0.13 164	0.83 389	0.20 79	0.21 355	0.23 143	0.17 86	0.48 271	0.27 105	0.23 86	0.29 126	0.39 290	0.23 197	0.25 114	0.15 75	0.08 119	0.06 83	0.08 88	0.11 292	0.11 263	0.10 246

test_sample5	0.24 222	0.13 164	0.42 215	0.21 118	0.12 96	0.30 254	0.21 230	0.50 287	0.34 189	0.32 233	0.41 259	0.29 197	0.23 197	0.55 290	0.21 203	0.10 235	0.07 183	0.10 220	0.09 219	0.11 263	0.10 246

test_sample4	0.24 222	0.13 164	0.43 226	0.20 79	0.12 96	0.32 277	0.21 230	0.51 302	0.34 189	0.31 211	0.37 218	0.28 188	0.23 197	0.53 282	0.21 203	0.10 235	0.07 183	0.10 220	0.09 219	0.11 263	0.10 246

MyStereo04	0.23 196	0.12 106	0.55 310	0.22 172	0.14 204	0.25 175	0.23 276	0.49 279	0.52 364	0.28 138	0.23 79	0.27 173	0.23 197	0.30 184	0.22 221	0.07 22	0.07 183	0.09 151	0.08 136	0.08 101	0.08 142

11t1	0.18 82	0.10 36	0.30 67	0.20 79	0.11 53	0.27 202	0.17 86	0.35 140	0.23 63	0.25 108	0.23 79	0.23 124	0.23 197	0.25 114	0.18 143	0.09 191	0.07 183	0.07 21	0.06 33	0.09 163	0.09 196

DualNet	0.24 222	0.13 164	0.42 215	0.21 118	0.12 96	0.30 254	0.21 230	0.50 287	0.34 189	0.33 244	0.43 287	0.29 197	0.23 197	0.55 290	0.21 203	0.10 235	0.07 183	0.10 220	0.09 219	0.11 263	0.10 246

ffm	0.22 179	0.12 106	0.42 215	0.20 79	0.13 163	0.28 217	0.20 201	0.35 140	0.44 298	0.30 194	0.42 275	0.34 247	0.23 197	0.27 145	0.11 1	0.08 119	0.05 7	0.11 272	0.10 255	0.08 101	0.08 142

ff1	0.29 301	0.12 106	0.42 215	0.20 79	0.13 163	0.28 217	0.20 201	0.35 140	0.44 298	0.30 194	0.42 275	0.34 247	0.23 197	0.81 397	1.08 429	0.08 119	0.05 7	0.11 272	0.10 255	0.08 101	0.08 142

mmx	0.31 317	0.12 106	0.42 215	0.20 79	0.13 163	0.28 217	0.20 201	0.55 345	0.45 309	0.30 194	0.42 275	0.34 247	0.23 197	0.81 397	1.08 429	0.10 235	0.07 183	0.11 272	0.10 255	0.11 263	0.10 246

xxx	0.31 317	0.12 106	0.42 215	0.20 79	0.13 163	0.28 217	0.20 201	0.55 345	0.45 309	0.30 194	0.42 275	0.34 247	0.23 197	0.81 397	1.08 429	0.10 235	0.07 183	0.11 272	0.10 255	0.11 263	0.10 246

raft_robust	0.22 179	0.17 272	0.30 67	0.22 172	0.12 96	0.23 143	0.22 253	0.49 279	0.48 337	0.32 233	0.32 159	0.26 164	0.23 197	0.53 282	0.15 75	0.07 22	0.06 83	0.08 88	0.10 255	0.08 101	0.06 28

SA	0.22 179	0.16 256	0.36 137	0.23 215	0.13 163	0.24 162	0.23 276	0.45 243	0.40 262	0.27 128	0.44 298	0.23 124	0.23 197	0.33 202	0.17 124	0.07 22	0.06 83	0.10 220	0.11 292	0.08 101	0.06 28

iRaft-Stereo_5w	0.23 196	0.18 286	0.44 234	0.22 172	0.13 163	0.19 53	0.19 159	0.37 167	0.32 168	0.28 138	0.37 218	0.34 247	0.23 197	0.65 342	0.27 276	0.06 1	0.06 83	0.08 88	0.07 67	0.09 163	0.08 142

CFNet_pseudo	0.23 196	0.13 164	0.47 259	0.19 36	0.13 163	0.26 193	0.16 59	0.44 233	0.44 298	0.29 165	0.37 218	0.38 278	0.23 197	0.29 172	0.21 203	0.09 191	0.06 83	0.11 272	0.08 136	0.11 263	0.09 196

GES	0.22 179	0.12 106	0.42 215	0.20 79	0.14 204	0.27 202	0.19 159	0.49 279	0.33 180	0.30 194	0.36 209	0.25 143	0.23 197	0.29 172	0.22 221	0.10 235	0.08 260	0.08 88	0.07 67	0.10 218	0.11 278

DCANet	0.18 82	0.13 164	0.40 184	0.19 36	0.09 10	0.19 53	0.18 121	0.34 119	0.39 247	0.29 165	0.31 152	0.18 63	0.23 197	0.20 48	0.19 168	0.07 22	0.05 7	0.07 21	0.05 11	0.06 8	0.07 85

FENet	0.21 151	0.11 82	0.45 244	0.21 118	0.12 96	0.26 193	0.17 86	0.41 203	0.35 203	0.30 194	0.31 152	0.29 197	0.23 197	0.26 129	0.23 239	0.09 191	0.06 83	0.09 151	0.09 219	0.09 163	0.09 196

ccs_rob	0.23 196	0.13 164	0.47 259	0.20 79	0.13 163	0.26 193	0.17 86	0.44 233	0.44 298	0.29 165	0.37 218	0.38 278	0.23 197	0.29 172	0.21 203	0.09 191	0.06 83	0.11 272	0.08 136	0.11 263	0.09 196

test_sample6	0.25 249	0.13 164	0.41 207	0.21 118	0.11 53	0.30 254	0.22 253	0.51 302	0.35 203	0.33 244	0.43 287	0.30 213	0.24 215	0.57 303	0.22 221	0.10 235	0.07 183	0.10 220	0.10 255	0.11 263	0.10 246

test_sample2	0.21 151	0.10 36	0.28 51	0.19 36	0.11 53	0.27 202	0.21 230	0.43 228	0.29 137	0.26 119	0.31 152	0.30 213	0.24 215	0.45 248	0.18 143	0.09 191	0.07 183	0.08 88	0.07 67	0.09 163	0.09 196

xx1	0.20 134	0.14 203	0.38 164	0.23 215	0.11 53	0.31 269	0.19 159	0.35 140	0.47 328	0.17 48	0.19 42	0.28 188	0.24 215	0.28 157	0.11 1	0.08 119	0.05 7	0.10 220	0.09 219	0.09 163	0.09 196

mmm	0.21 151	0.12 106	0.31 80	0.22 172	0.12 96	0.28 217	0.21 230	0.41 203	0.27 105	0.29 165	0.38 230	0.29 197	0.24 215	0.29 172	0.22 221	0.09 191	0.07 183	0.11 272	0.09 219	0.10 218	0.09 196

PCWNet_CMD	0.23 196	0.13 164	0.48 267	0.20 79	0.13 163	0.28 217	0.16 59	0.46 253	0.46 323	0.29 165	0.36 209	0.37 270	0.24 215	0.28 157	0.20 181	0.09 191	0.06 83	0.10 220	0.08 136	0.11 263	0.09 196

CASS	0.21 151	0.15 233	0.32 86	0.26 328	0.11 53	0.28 217	0.19 159	0.39 184	0.30 148	0.32 233	0.34 188	0.25 143	0.24 215	0.25 114	0.20 181	0.13 321	0.08 260	0.11 272	0.09 219	0.11 263	0.11 278
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
riskmin	0.18 82	0.09 15	0.34 107	0.18 12	0.12 96	0.24 162	0.16 59	0.34 119	0.28 119	0.21 78	0.23 79	0.33 240	0.24 215	0.23 83	0.17 124	0.09 191	0.06 83	0.09 151	0.06 33	0.10 218	0.10 246

qqq	0.20 134	0.12 106	0.31 80	0.20 79	0.11 53	0.23 143	0.19 159	0.41 203	0.27 105	0.24 100	0.28 115	0.28 188	0.24 215	0.34 208	0.22 221	0.08 119	0.07 183	0.10 220	0.09 219	0.09 163	0.09 196

x	0.19 120	0.11 82	0.29 61	0.20 79	0.11 53	0.26 193	0.18 121	0.41 203	0.29 137	0.25 108	0.29 126	0.28 188	0.24 215	0.26 129	0.23 239	0.09 191	0.07 183	0.08 88	0.07 67	0.09 163	0.08 142

BSDual-CNN	0.23 196	0.12 106	0.28 51	0.25 296	0.14 204	0.35 313	0.21 230	0.56 360	0.34 189	0.34 263	0.35 199	0.38 278	0.24 215	0.26 129	0.21 203	0.10 235	0.07 183	0.11 272	0.10 255	0.09 163	0.09 196

psmg	0.23 196	0.12 106	0.28 51	0.21 118	0.14 204	0.35 313	0.23 276	0.51 302	0.34 189	0.35 279	0.38 230	0.38 278	0.24 215	0.26 129	0.21 203	0.10 235	0.08 260	0.10 220	0.10 255	0.09 163	0.08 142

MIPNet	0.21 151	0.15 233	0.52 297	0.21 118	0.12 96	0.27 202	0.20 201	0.45 243	0.37 224	0.30 194	0.23 79	0.19 77	0.24 215	0.27 145	0.19 168	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.06 28

RAFT_R40	0.21 151	0.10 36	0.37 145	0.24 259	0.13 163	0.18 30	0.18 121	0.31 89	0.29 137	0.33 244	0.33 179	0.30 213	0.24 215	0.55 290	0.18 143	0.08 119	0.05 7	0.10 220	0.08 136	0.08 101	0.07 85

IRAFT_RVC	0.22 179	0.12 106	0.39 177	0.26 328	0.11 53	0.18 30	0.24 298	0.40 191	0.37 224	0.31 211	0.30 138	0.29 197	0.24 215	0.55 290	0.22 221	0.08 119	0.06 83	0.10 220	0.08 136	0.08 101	0.07 85

xxxx	0.34 339	0.10 36	0.29 61	0.19 36	0.11 53	0.37 323	0.20 201	0.58 375	0.38 238	0.29 165	0.42 275	0.38 278	0.24 215	0.46 251	2.20 461	0.11 268	0.07 183	0.09 151	0.08 136	0.09 163	0.09 196

DMCA	0.22 179	0.14 203	0.36 137	0.22 172	0.14 204	0.27 202	0.20 201	0.43 228	0.38 238	0.31 211	0.32 159	0.33 240	0.24 215	0.24 89	0.28 280	0.11 268	0.08 260	0.10 220	0.08 136	0.10 218	0.11 278

MSMDNet	0.23 196	0.13 164	0.48 267	0.20 79	0.13 163	0.28 217	0.16 59	0.46 253	0.46 323	0.29 165	0.36 209	0.37 270	0.24 215	0.28 157	0.20 181	0.09 191	0.06 83	0.09 151	0.08 136	0.11 263	0.09 196

AASNet	0.27 271	0.19 302	0.49 272	0.26 328	0.17 295	0.34 300	0.20 201	0.62 400	0.48 337	0.35 279	0.40 251	0.32 233	0.25 232	0.28 157	0.34 318	0.11 268	0.09 293	0.10 220	0.08 136	0.13 314	0.11 278

SST-Stereo	0.21 151	0.10 36	0.37 145	0.24 259	0.13 163	0.19 53	0.17 86	0.31 89	0.24 75	0.34 263	0.33 179	0.29 197	0.25 232	0.56 300	0.17 124	0.08 119	0.05 7	0.10 220	0.08 136	0.09 163	0.07 85

ICVP	0.23 196	0.13 164	0.44 234	0.26 328	0.14 204	0.29 237	0.25 313	0.45 243	0.33 180	0.29 165	0.43 287	0.35 261	0.25 232	0.26 129	0.23 239	0.12 304	0.09 293	0.09 151	0.08 136	0.09 163	0.10 246
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GEStereo_RVC	0.27 271	0.20 314	0.44 234	0.27 352	0.16 275	0.33 288	0.25 313	0.56 360	0.54 371	0.34 263	0.38 230	0.34 247	0.25 232	0.51 270	0.28 280	0.12 304	0.08 260	0.09 151	0.08 136	0.11 263	0.11 278

CFNet-ft	0.24 222	0.15 233	0.35 117	0.18 12	0.15 250	0.30 254	0.21 230	0.39 184	0.36 215	0.28 138	0.40 251	0.43 317	0.25 232	0.47 255	0.24 250	0.12 304	0.07 183	0.12 308	0.11 292	0.12 299	0.09 196

BEATNet_4x	0.22 179	0.18 286	0.47 259	0.22 172	0.10 28	0.28 217	0.14 21	0.46 253	0.32 168	0.31 211	0.34 188	0.31 224	0.25 232	0.31 190	0.29 290	0.08 119	0.06 83	0.08 88	0.06 33	0.10 218	0.08 142

CFNet_RVC	0.24 222	0.15 233	0.35 117	0.18 12	0.15 250	0.30 254	0.21 230	0.39 184	0.36 215	0.28 138	0.40 251	0.43 317	0.25 232	0.47 255	0.24 250	0.12 304	0.07 183	0.12 308	0.11 292	0.12 299	0.09 196

UCFNet_RVC	0.24 222	0.16 256	0.34 107	0.18 12	0.15 250	0.33 288	0.16 59	0.46 253	0.35 203	0.29 165	0.35 199	0.39 290	0.25 232	0.34 208	0.22 221	0.13 321	0.08 260	0.13 328	0.14 361	0.13 314	0.12 300

iResNetv2_ROB	0.27 271	0.26 364	0.72 368	0.23 215	0.13 163	0.29 237	0.18 121	0.52 317	0.49 346	0.37 299	0.45 310	0.39 290	0.25 232	0.34 208	0.20 181	0.08 119	0.06 83	0.07 21	0.05 11	0.12 299	0.09 196

rvit_105_1	0.27 271	0.19 302	0.46 251	0.27 352	0.19 334	0.30 254	0.35 380	0.44 233	0.51 357	0.31 211	0.31 152	0.31 224	0.26 241	0.35 217	0.25 259	0.15 356	0.14 372	0.15 364	0.17 389	0.11 263	0.10 246

test_sample1	0.20 134	0.10 36	0.28 51	0.19 36	0.12 96	0.28 217	0.19 159	0.41 203	0.25 86	0.26 119	0.31 152	0.29 197	0.26 241	0.44 245	0.21 203	0.09 191	0.07 183	0.08 88	0.07 67	0.09 163	0.09 196

SMFormer	0.25 249	0.12 106	0.40 184	0.19 36	0.10 28	0.27 202	0.19 159	0.51 302	0.45 309	0.34 263	0.41 259	0.31 224	0.26 241	0.58 309	0.28 280	0.10 235	0.07 183	0.08 88	0.08 136	0.09 163	0.09 196

tta	0.24 222	0.12 106	0.40 184	0.19 36	0.10 28	0.27 202	0.19 159	0.51 302	0.45 309	0.34 263	0.41 259	0.31 224	0.26 241	0.58 309	0.28 280	0.10 235	0.07 183	0.08 88	0.08 136	0.08 101	0.07 85

qqq1	0.24 222	0.12 106	0.40 184	0.19 36	0.10 28	0.27 202	0.19 159	0.51 302	0.45 309	0.34 263	0.41 259	0.31 224	0.26 241	0.58 309	0.16 96	0.10 235	0.07 183	0.07 21	0.06 33	0.08 101	0.07 85

fff1	0.24 222	0.12 106	0.40 184	0.19 36	0.10 28	0.27 202	0.19 159	0.51 302	0.45 309	0.34 263	0.41 259	0.31 224	0.26 241	0.58 309	0.16 96	0.10 235	0.07 183	0.07 21	0.06 33	0.08 101	0.07 85

anonymousa	0.23 196	0.11 82	0.50 282	0.21 118	0.16 275	0.31 269	0.20 201	0.36 158	0.35 203	0.32 233	0.50 335	0.39 290	0.26 241	0.22 74	0.20 181	0.08 119	0.06 83	0.09 151	0.11 292	0.07 51	0.08 142

CSP-Net	0.27 271	0.15 233	0.30 67	0.21 118	0.14 204	0.44 363	0.24 298	0.50 287	0.40 262	0.41 342	0.43 287	0.42 314	0.26 241	0.66 347	0.28 280	0.12 304	0.08 260	0.08 88	0.08 136	0.10 218	0.09 196

KYRaft	0.22 179	0.10 36	0.30 67	0.23 215	0.12 96	0.23 143	0.23 276	0.35 140	0.24 75	0.35 279	0.54 357	0.34 247	0.26 241	0.29 172	0.15 75	0.07 22	0.05 7	0.09 151	0.10 255	0.08 101	0.31 425

ASMatch	0.23 196	0.11 82	0.51 293	0.24 259	0.14 204	0.19 53	0.17 86	0.31 89	0.28 119	0.28 138	0.68 396	0.27 173	0.26 241	0.50 265	0.22 221	0.07 22	0.06 83	0.08 88	0.07 67	0.06 8	0.11 278

test_xeample	0.34 339	0.10 36	0.29 61	0.19 36	0.11 53	0.33 288	0.23 276	0.55 345	0.38 238	0.32 233	0.45 310	0.29 197	0.26 241	0.57 303	2.24 463	0.10 235	0.07 183	0.09 151	0.08 136	0.09 163	0.09 196

ACVNet	0.23 196	0.13 164	0.35 117	0.18 12	0.15 250	0.27 202	0.23 276	0.39 184	0.44 298	0.28 138	0.41 259	0.38 278	0.26 241	0.27 145	0.32 307	0.08 119	0.07 183	0.08 88	0.07 67	0.10 218	0.07 85

cf-r	0.24 222	0.15 233	0.44 234	0.21 118	0.14 204	0.27 202	0.22 253	0.42 217	0.40 262	0.30 194	0.42 275	0.42 314	0.26 241	0.43 241	0.25 259	0.11 268	0.06 83	0.08 88	0.10 255	0.08 101	0.08 142

PSMNet-RSSM	0.24 222	0.15 233	0.36 137	0.21 118	0.14 204	0.25 175	0.20 201	0.48 271	0.37 224	0.30 194	0.44 298	0.38 278	0.26 241	0.52 276	0.22 221	0.12 304	0.07 183	0.11 272	0.13 350	0.10 218	0.09 196

GwcNet-RSSM	0.26 264	0.17 272	0.46 251	0.21 118	0.13 163	0.28 217	0.23 276	0.44 233	0.42 279	0.31 211	0.45 310	0.40 303	0.26 241	0.55 290	0.28 280	0.11 268	0.07 183	0.09 151	0.10 255	0.09 163	0.08 142

HSM-Net_RVC	0.27 271	0.11 82	0.42 215	0.19 36	0.11 53	0.34 300	0.20 201	0.62 400	0.43 284	0.40 333	0.43 287	0.50 356	0.26 241	0.76 380	0.22 221	0.08 119	0.07 183	0.07 21	0.07 67	0.08 101	0.08 142
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DeepPruner_ROB	0.26 264	0.19 302	0.44 234	0.21 118	0.16 275	0.30 254	0.21 230	0.52 317	0.32 168	0.35 279	0.38 230	0.39 290	0.26 241	0.42 239	0.24 250	0.15 356	0.11 336	0.11 272	0.11 292	0.14 329	0.13 314

iResNet_ROB	0.25 249	0.19 302	0.40 184	0.20 79	0.12 96	0.30 254	0.16 59	0.55 345	0.53 368	0.38 310	0.43 287	0.37 270	0.26 241	0.38 228	0.22 221	0.08 119	0.06 83	0.06 1	0.04 1	0.09 163	0.09 196

DispNO	0.27 271	0.18 286	0.62 339	0.23 215	0.17 295	0.25 175	0.22 253	0.45 243	0.41 272	0.32 233	0.39 243	0.38 278	0.27 259	0.77 386	0.27 276	0.09 191	0.07 183	0.10 220	0.10 255	0.08 101	0.08 142

SDNR	0.42 379	0.21 327	0.82 388	0.21 118	0.18 316	1.27 451	0.17 86	0.50 287	0.49 346	0.42 351	0.81 414	0.38 278	0.27 259	1.19 437	0.38 331	0.23 405	0.24 424	0.17 379	0.13 350	0.17 363	0.20 391

gwcnet-sp	0.24 222	0.13 164	0.63 342	0.22 172	0.14 204	0.34 300	0.22 253	0.44 233	0.39 247	0.35 279	0.34 188	0.27 173	0.27 259	0.35 217	0.25 259	0.09 191	0.08 260	0.09 151	0.09 219	0.09 163	0.09 196

scenet	0.24 222	0.13 164	0.63 342	0.22 172	0.14 204	0.34 300	0.22 253	0.44 233	0.39 247	0.35 279	0.34 188	0.27 173	0.27 259	0.35 217	0.25 259	0.09 191	0.08 260	0.09 151	0.09 219	0.09 163	0.09 196

ssnet	0.24 222	0.13 164	0.63 342	0.22 172	0.14 204	0.34 300	0.22 253	0.44 233	0.39 247	0.35 279	0.34 188	0.27 173	0.27 259	0.35 217	0.25 259	0.09 191	0.08 260	0.09 151	0.09 219	0.09 163	0.09 196

hknet	0.25 249	0.14 203	0.40 184	0.25 296	0.15 250	0.35 313	0.21 230	0.56 360	0.37 224	0.34 263	0.35 199	0.43 317	0.27 259	0.37 224	0.21 203	0.09 191	0.07 183	0.11 272	0.10 255	0.09 163	0.09 196

ADLNet	0.28 290	0.15 233	0.42 215	0.23 215	0.19 334	0.34 300	0.23 276	0.53 328	0.43 284	0.42 351	0.41 259	0.44 327	0.27 259	0.55 290	0.35 322	0.11 268	0.08 260	0.11 272	0.11 292	0.11 263	0.12 300

222	0.41 376	0.10 36	0.29 61	0.19 36	0.11 53	0.36 318	0.20 201	0.57 368	0.39 247	0.35 279	0.44 298	0.30 213	0.27 259	0.55 290	3.56 468	0.11 268	0.07 183	0.08 88	0.08 136	0.09 163	0.09 196

acv_ft	0.25 249	0.13 164	0.40 184	0.23 215	0.19 334	0.34 300	0.21 230	0.45 243	0.44 298	0.38 310	0.41 259	0.38 278	0.27 259	0.27 145	0.35 322	0.08 119	0.07 183	0.08 88	0.07 67	0.11 263	0.07 85

FADNet-RVC-Resample	0.29 301	0.25 353	0.93 409	0.26 328	0.16 275	0.32 277	0.21 230	0.47 260	0.39 247	0.35 279	0.38 230	0.33 240	0.27 259	0.53 282	0.24 250	0.10 235	0.10 315	0.14 350	0.13 350	0.13 314	0.16 350

FADNet_RVC	0.30 310	0.28 374	0.83 389	0.23 215	0.15 250	0.30 254	0.17 86	0.49 279	0.37 224	0.30 194	0.38 230	0.30 213	0.27 259	0.52 276	0.31 302	0.14 344	0.14 372	0.14 350	0.16 381	0.21 392	0.23 409

MaskLacGwcNet_RVC	0.36 348	0.36 405	0.53 301	0.34 399	0.19 334	0.51 388	0.24 298	0.55 345	0.38 238	0.41 342	0.47 326	0.47 339	0.27 259	0.73 367	0.30 296	0.36 432	0.19 408	0.27 411	0.17 389	0.26 411	0.23 409

CFNet	0.27 271	0.20 314	0.44 234	0.22 172	0.14 204	0.33 288	0.14 21	0.51 302	0.45 309	0.30 194	0.40 251	0.38 278	0.27 259	0.76 380	0.25 259	0.09 191	0.07 183	0.11 272	0.11 292	0.11 263	0.08 142

NLCA_NET_v2_RVC	0.27 271	0.21 327	0.59 326	0.25 296	0.18 316	0.29 237	0.22 253	0.50 287	0.40 262	0.38 310	0.41 259	0.43 317	0.27 259	0.43 241	0.29 290	0.11 268	0.08 260	0.10 220	0.10 255	0.10 218	0.11 278
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
ITSA-stereo	0.25 249	0.15 233	0.33 100	0.23 215	0.11 53	0.27 202	0.18 121	0.56 360	0.59 385	0.31 211	0.32 159	0.33 240	0.28 273	0.49 262	0.30 296	0.11 268	0.08 260	0.11 272	0.10 255	0.11 263	0.13 314

1111x	0.32 326	0.11 82	0.40 184	0.22 172	0.11 53	0.32 277	0.26 324	0.59 380	0.43 284	0.31 211	0.41 259	0.39 290	0.28 273	0.76 380	1.37 445	0.09 191	0.08 260	0.09 151	0.10 255	0.09 163	0.08 142

fff	0.19 120	0.13 164	0.40 184	0.18 12	0.09 10	0.19 53	0.18 121	0.35 140	0.43 284	0.29 165	0.30 138	0.18 63	0.28 273	0.20 48	0.18 143	0.07 22	0.05 7	0.07 21	0.05 11	0.05 1	0.07 85

AACVNet	0.26 264	0.16 256	0.37 145	0.22 172	0.14 204	0.29 237	0.19 159	0.41 203	0.31 160	0.38 310	0.42 275	0.43 317	0.28 273	0.73 367	0.25 259	0.11 268	0.08 260	0.11 272	0.09 219	0.13 314	0.11 278

PSMNet-ADL	0.25 249	0.15 233	0.32 86	0.26 328	0.14 204	0.31 269	0.22 253	0.44 233	0.36 215	0.27 128	0.33 179	0.41 306	0.28 273	0.61 321	0.29 290	0.11 268	0.09 293	0.09 151	0.11 292	0.10 218	0.10 246

DeepStereo_RVC	0.18 82	0.11 82	0.40 184	0.21 118	0.11 53	0.19 53	0.16 59	0.28 54	0.22 48	0.27 128	0.27 111	0.23 124	0.28 273	0.24 89	0.18 143	0.08 119	0.06 83	0.09 151	0.07 67	0.09 163	0.10 246

Prome-Stereo	0.21 151	0.10 36	0.30 67	0.24 259	0.12 96	0.23 143	0.23 276	0.36 158	0.25 86	0.33 244	0.59 372	0.24 136	0.28 273	0.29 172	0.16 96	0.07 22	0.05 7	0.08 88	0.07 67	0.08 101	0.20 391

csc	0.19 120	0.13 164	0.40 184	0.18 12	0.09 10	0.19 53	0.18 121	0.35 140	0.43 284	0.29 165	0.30 138	0.18 63	0.28 273	0.20 48	0.18 143	0.07 22	0.05 7	0.07 21	0.05 11	0.05 1	0.07 85

cscssc	0.19 120	0.13 164	0.40 184	0.18 12	0.09 10	0.19 53	0.18 121	0.35 140	0.43 284	0.29 165	0.30 138	0.18 63	0.28 273	0.20 48	0.18 143	0.07 22	0.05 7	0.07 21	0.05 11	0.05 1	0.07 85

UPFNet	0.25 249	0.12 106	0.38 164	0.24 259	0.19 334	0.37 323	0.28 342	0.48 271	0.38 238	0.34 263	0.37 218	0.37 270	0.28 273	0.39 230	0.33 314	0.10 235	0.09 293	0.10 220	0.10 255	0.10 218	0.08 142

GANet-RSSM	0.24 222	0.14 203	0.36 137	0.21 118	0.14 204	0.27 202	0.21 230	0.45 243	0.33 180	0.29 165	0.39 243	0.39 290	0.28 273	0.58 309	0.23 239	0.11 268	0.07 183	0.09 151	0.09 219	0.10 218	0.09 196

STTStereo	0.28 290	0.20 314	0.61 331	0.25 296	0.17 295	0.29 237	0.24 298	0.47 260	0.39 247	0.39 325	0.41 259	0.44 327	0.28 273	0.40 235	0.28 280	0.13 321	0.12 353	0.13 328	0.16 381	0.12 299	0.11 278

StereoDRNet-Refined	0.27 271	0.17 272	0.35 117	0.25 296	0.14 204	0.37 323	0.21 230	0.47 260	0.41 272	0.44 363	0.51 341	0.41 306	0.28 273	0.45 248	0.37 329	0.09 191	0.06 83	0.11 272	0.11 292	0.10 218	0.10 246
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NOSS_ROB	0.31 317	0.20 314	0.35 117	0.24 259	0.16 275	0.32 277	0.19 159	0.52 317	0.48 337	0.33 244	0.36 209	0.42 314	0.28 273	0.93 417	0.24 250	0.19 398	0.20 413	0.24 408	0.22 410	0.17 363	0.17 361

DCVSM-stereo	0.24 222	0.13 164	0.52 297	0.20 79	0.14 204	0.26 193	0.13 9	0.34 119	0.34 189	0.41 342	0.33 179	0.47 339	0.29 287	0.30 184	0.22 221	0.10 235	0.10 315	0.11 272	0.10 255	0.12 299	0.15 342

ssnet_v2	0.28 290	0.16 256	0.44 234	0.22 172	0.15 250	0.40 343	0.30 357	0.57 368	0.46 323	0.38 310	0.36 209	0.47 339	0.29 287	0.38 228	0.39 339	0.13 321	0.11 336	0.11 272	0.11 292	0.11 263	0.11 278

DAS	0.27 271	0.12 106	0.42 215	0.24 259	0.18 316	0.29 237	0.24 298	0.45 243	0.45 309	0.41 342	0.44 298	0.34 247	0.29 287	0.75 375	0.21 203	0.09 191	0.07 183	0.09 151	0.07 67	0.09 163	0.09 196

SepStereo	0.26 264	0.12 106	0.42 215	0.24 259	0.18 316	0.29 237	0.24 298	0.45 243	0.45 309	0.41 342	0.44 298	0.34 247	0.29 287	0.64 336	0.21 203	0.09 191	0.07 183	0.09 151	0.07 67	0.09 163	0.09 196

LMCR-Stereo	0.26 264	0.18 286	0.49 272	0.28 369	0.14 204	0.36 318	0.23 276	0.54 335	0.34 189	0.39 325	0.40 251	0.29 197	0.29 287	0.37 224	0.27 276	0.11 268	0.07 183	0.09 151	0.07 67	0.13 314	0.09 196

pcwnet_v2	0.32 326	0.15 233	1.26 437	0.23 215	0.18 316	0.32 277	0.18 121	0.59 380	0.60 389	0.36 294	0.45 310	0.35 261	0.29 287	0.36 222	0.25 259	0.14 344	0.11 336	0.12 308	0.11 292	0.14 329	0.15 342

DSFCA	0.27 271	0.13 164	0.36 137	0.20 79	0.17 295	0.38 330	0.31 361	0.47 260	0.43 284	0.43 357	0.37 218	0.39 290	0.29 287	0.52 276	0.32 307	0.12 304	0.10 315	0.10 220	0.11 292	0.11 263	0.10 246

FADNet-RVC	0.31 317	0.35 402	0.78 374	0.25 296	0.20 348	0.33 288	0.20 201	0.49 279	0.40 262	0.34 263	0.39 243	0.41 306	0.29 287	0.63 334	0.31 302	0.13 321	0.14 372	0.14 350	0.15 369	0.19 381	0.19 381

TDLM	0.30 310	0.21 327	0.38 164	0.28 369	0.15 250	0.33 288	0.32 365	0.52 317	0.47 328	0.38 310	0.43 287	0.39 290	0.29 287	0.91 414	0.28 280	0.14 344	0.08 260	0.13 328	0.11 292	0.12 299	0.10 246

AANet_RVC	0.31 317	0.22 339	0.50 282	0.23 215	0.14 204	0.30 254	0.24 298	0.47 260	0.54 371	0.38 310	0.60 377	0.43 317	0.29 287	0.87 406	0.40 345	0.11 268	0.07 183	0.07 21	0.07 67	0.09 163	0.09 196

DualNet (step1)	0.28 290	0.19 302	0.50 282	0.18 12	0.16 275	0.34 300	0.20 201	0.51 302	0.38 238	0.37 299	0.34 188	0.37 270	0.30 297	0.39 230	0.23 239	0.23 405	0.09 293	0.28 417	0.24 414	0.18 374	0.16 350

test_sample9	0.42 379	0.19 302	0.50 282	0.18 12	0.16 275	0.34 300	0.20 201	0.51 302	0.38 238	0.37 299	0.34 188	0.37 270	0.30 297	0.66 347	0.91 420	0.23 405	1.82 468	0.28 417	0.24 414	0.18 374	0.16 350

test_sample7	0.25 249	0.15 233	0.35 117	0.20 79	0.14 204	0.28 217	0.21 230	0.51 302	0.38 238	0.37 299	0.34 188	0.37 270	0.30 297	0.39 230	0.23 239	0.14 344	0.09 293	0.13 328	0.12 327	0.13 314	0.12 300

GASNet	0.36 348	0.46 418	0.88 401	0.34 399	0.23 383	0.35 313	0.22 253	0.60 388	0.53 368	0.40 333	0.37 218	0.45 331	0.30 297	0.79 390	0.35 322	0.15 356	0.10 315	0.14 350	0.14 361	0.22 398	0.12 300

Wz-Net-LNSev-Ref	0.30 310	0.20 314	0.70 364	0.21 118	0.17 295	0.46 370	0.27 329	0.50 287	0.49 346	0.42 351	0.55 361	0.43 317	0.30 297	0.46 251	0.38 331	0.09 191	0.06 83	0.07 21	0.06 33	0.11 263	0.10 246

ADLNet2	0.30 310	0.17 272	0.72 368	0.23 215	0.17 295	0.36 318	0.24 298	0.52 317	0.51 357	0.32 233	0.38 230	0.45 331	0.30 297	0.69 354	0.35 322	0.10 235	0.08 260	0.09 151	0.09 219	0.12 299	0.10 246

LCNet	0.21 151	0.11 82	0.29 61	0.25 296	0.12 96	0.23 143	0.19 159	0.34 119	0.26 95	0.28 138	0.35 199	0.26 164	0.30 297	0.35 217	0.17 124	0.07 22	0.05 7	0.09 151	0.10 255	0.13 314	0.22 403

AAGNet	0.33 332	0.11 82	0.37 145	0.25 296	0.16 275	0.20 77	0.19 159	0.30 81	0.27 105	0.35 279	0.35 199	0.27 173	0.30 297	0.44 245	2.66 465	0.08 119	0.05 7	0.10 220	0.07 67	0.08 101	0.06 28

FINET	0.34 339	0.27 371	0.80 383	0.24 259	0.24 388	0.36 318	0.34 377	0.54 335	0.72 413	0.39 325	0.47 326	0.32 233	0.30 297	0.51 270	0.32 307	0.19 398	0.17 398	0.13 328	0.12 327	0.18 374	0.16 350

delet	0.27 271	0.14 203	0.40 184	0.23 215	0.19 334	0.41 346	0.29 347	0.49 279	0.48 337	0.33 244	0.41 259	0.37 270	0.30 297	0.48 257	0.34 318	0.09 191	0.09 293	0.11 272	0.12 327	0.08 101	0.08 142

ac_64	0.27 271	0.13 164	0.41 207	0.24 259	0.17 295	0.36 318	0.22 253	0.46 253	0.33 180	0.35 279	0.36 209	0.52 364	0.30 297	0.62 329	0.32 307	0.11 268	0.09 293	0.10 220	0.10 255	0.09 163	0.08 142

NVstereo2D	0.31 317	0.16 256	0.54 304	0.24 259	0.22 371	0.42 353	0.28 342	0.58 375	0.56 379	0.28 138	0.38 230	0.40 303	0.30 297	0.71 360	0.28 280	0.13 321	0.08 260	0.13 328	0.10 255	0.19 381	0.16 350

PS-NSSS	0.32 326	0.30 387	0.46 251	0.23 215	0.17 295	0.33 288	0.24 298	0.57 368	0.41 272	0.37 299	0.52 349	0.35 261	0.30 297	0.80 394	0.30 296	0.17 382	0.14 372	0.21 399	0.15 369	0.15 341	0.13 314

StereoDRNet	0.32 326	0.22 339	0.61 331	0.27 352	0.21 355	0.42 353	0.30 357	0.61 392	0.48 337	0.46 370	0.39 243	0.48 345	0.30 297	0.57 303	0.40 345	0.11 268	0.09 293	0.12 308	0.11 292	0.12 299	0.10 246

ToySt	0.24 222	0.16 256	0.48 267	0.21 118	0.13 163	0.29 237	0.29 347	0.39 184	0.39 247	0.27 128	0.35 199	0.39 290	0.31 311	0.31 190	0.29 290	0.08 119	0.09 293	0.10 220	0.11 292	0.11 263	0.10 246

ADStereo(finetuned)	0.19 120	0.13 164	0.49 272	0.19 36	0.09 10	0.19 53	0.18 121	0.34 119	0.39 247	0.29 165	0.31 152	0.18 63	0.31 311	0.21 64	0.19 168	0.07 22	0.05 7	0.07 21	0.05 11	0.06 8	0.07 85

TransformOpticalFlow	0.24 222	0.13 164	0.56 314	0.23 215	0.11 53	0.21 100	0.19 159	0.40 191	0.32 168	0.30 194	0.43 287	0.36 266	0.31 311	0.61 321	0.20 181	0.07 22	0.05 7	0.08 88	0.07 67	0.06 8	0.07 85

RAFT + AFF	0.27 271	0.23 346	0.50 282	0.25 296	0.17 295	0.30 254	0.33 375	0.52 317	0.40 262	0.28 138	0.30 138	0.30 213	0.31 311	0.62 329	0.24 250	0.09 191	0.10 315	0.11 272	0.10 255	0.11 263	0.11 278

CVANet_RVC	0.30 310	0.19 302	0.41 207	0.26 328	0.16 275	0.33 288	0.26 324	0.52 317	0.47 328	0.40 333	0.46 319	0.43 317	0.31 311	0.89 410	0.26 272	0.14 344	0.09 293	0.14 350	0.13 350	0.14 329	0.10 246

HSM	0.28 290	0.16 256	0.35 117	0.20 79	0.15 250	0.33 288	0.19 159	0.53 328	0.37 224	0.36 294	0.38 230	0.67 408	0.31 311	0.89 410	0.23 239	0.08 119	0.06 83	0.08 88	0.07 67	0.08 101	0.08 142

PSMNet_ROB	0.33 332	0.24 349	0.54 304	0.31 385	0.21 355	0.42 353	0.43 409	0.59 380	0.47 328	0.37 299	0.44 298	0.49 350	0.31 311	0.64 336	0.43 355	0.14 344	0.10 315	0.15 364	0.14 361	0.13 314	0.11 278

SACVNet	0.30 310	0.20 314	0.41 207	0.25 296	0.18 316	0.34 300	0.25 313	0.52 317	0.40 262	0.41 342	0.44 298	0.46 337	0.32 318	0.71 360	0.25 259	0.13 321	0.10 315	0.12 308	0.12 327	0.16 348	0.17 361

GwcNet	0.35 344	0.23 346	0.88 401	0.25 296	0.24 388	0.48 381	0.27 329	0.55 345	0.57 382	0.38 310	0.52 349	0.51 360	0.32 318	0.60 316	0.41 351	0.13 321	0.11 336	0.12 308	0.11 292	0.13 314	0.14 332

FADNet	0.32 326	0.36 405	0.74 372	0.23 215	0.22 371	0.37 323	0.19 159	0.53 328	0.48 337	0.32 233	0.36 209	0.43 317	0.32 318	0.64 336	0.25 259	0.16 371	0.16 393	0.14 350	0.16 381	0.24 404	0.19 381

UGAM-zero	0.23 196	0.10 36	0.54 304	0.19 36	0.13 163	0.21 100	0.14 21	0.44 233	0.22 48	0.28 138	0.28 115	0.51 360	0.33 321	0.65 342	0.14 59	0.07 22	0.06 83	0.07 21	0.08 136	0.06 8	0.07 85

SQANet	0.40 374	0.48 422	0.67 352	0.48 430	0.39 424	0.48 381	0.22 253	0.51 302	0.43 284	0.40 333	0.47 326	0.47 339	0.33 321	0.54 288	0.32 307	0.36 432	0.15 386	0.40 431	0.21 403	0.45 431	0.31 425

IER	0.23 196	0.12 106	0.39 177	0.20 79	0.14 204	0.31 269	0.19 159	0.42 217	0.36 215	0.33 244	0.40 251	0.32 233	0.33 321	0.29 172	0.22 221	0.09 191	0.07 183	0.08 88	0.08 136	0.09 163	0.08 142

DGSMNet	0.61 421	0.29 381	0.91 405	0.51 433	0.70 446	0.62 410	1.38 468	0.59 380	0.55 376	0.37 299	0.61 383	0.52 364	0.33 321	0.65 342	0.43 355	0.53 439	0.60 456	0.67 444	0.61 452	0.63 441	0.61 452

MMNet	0.27 271	0.14 203	0.49 272	0.24 259	0.17 295	0.47 376	0.22 253	0.45 243	0.51 357	0.39 325	0.41 259	0.36 266	0.33 321	0.39 230	0.34 318	0.08 119	0.07 183	0.09 151	0.09 219	0.10 218	0.08 142

UNet	0.28 290	0.14 203	0.69 358	0.23 215	0.20 348	0.44 363	0.22 253	0.50 287	0.40 262	0.34 263	0.39 243	0.43 317	0.33 321	0.40 235	0.31 302	0.09 191	0.07 183	0.10 220	0.08 136	0.10 218	0.08 142

HGLStereo	0.27 271	0.14 203	0.46 251	0.24 259	0.21 355	0.33 288	0.23 276	0.50 287	0.42 279	0.35 279	0.48 332	0.41 306	0.33 321	0.45 248	0.33 314	0.11 268	0.10 315	0.09 151	0.09 219	0.10 218	0.12 300

DLCB_ROB	0.28 290	0.16 256	0.34 107	0.27 352	0.16 275	0.38 330	0.25 313	0.48 271	0.43 284	0.46 370	0.46 319	0.51 360	0.33 321	0.53 282	0.33 314	0.10 235	0.10 315	0.11 272	0.11 292	0.10 218	0.09 196

iinet-f	0.30 310	0.18 286	1.03 423	0.20 79	0.15 250	0.44 363	0.22 253	0.45 243	0.37 224	0.35 279	0.44 298	0.41 306	0.34 329	0.34 208	0.40 345	0.10 235	0.09 293	0.08 88	0.08 136	0.13 314	0.11 278

hitnet-ft	0.29 301	0.17 272	0.40 184	0.19 36	0.14 204	0.39 338	0.23 276	0.44 233	0.41 272	0.36 294	0.46 319	0.53 368	0.34 329	0.76 380	0.32 307	0.14 344	0.10 315	0.13 328	0.10 255	0.15 341	0.13 314

DRN-Test	0.33 332	0.17 272	0.61 331	0.27 352	0.19 334	0.46 370	0.29 347	0.65 408	0.51 357	0.47 377	0.46 319	0.44 327	0.34 329	0.62 329	0.41 351	0.12 304	0.08 260	0.13 328	0.12 327	0.12 299	0.10 246

PWCDC_ROB	0.38 363	0.30 387	0.60 328	0.33 397	0.20 348	0.42 353	0.19 159	0.58 375	0.89 431	0.42 351	1.26 438	0.36 266	0.34 329	0.50 265	0.38 331	0.18 393	0.11 336	0.11 272	0.09 219	0.19 381	0.13 314

fast-acv-ft	0.31 317	0.20 314	0.81 385	0.24 259	0.18 316	0.46 370	0.27 329	0.41 203	0.49 346	0.39 325	0.55 361	0.49 350	0.35 333	0.37 224	0.38 331	0.11 268	0.11 336	0.11 272	0.12 327	0.12 299	0.09 196

Wz-Net-LNSev	0.34 339	0.29 381	0.91 405	0.26 328	0.21 355	0.47 376	0.31 361	0.54 335	0.54 371	0.44 363	0.52 349	0.50 356	0.35 333	0.39 230	0.39 339	0.11 268	0.11 336	0.10 220	0.09 219	0.14 329	0.13 314

STrans-v2	0.24 222	0.13 164	0.54 304	0.21 118	0.12 96	0.23 143	0.21 230	0.47 260	0.28 119	0.31 211	0.42 275	0.36 266	0.35 333	0.62 329	0.23 239	0.07 22	0.05 7	0.08 88	0.07 67	0.06 8	0.06 28

MDST_ROB	0.48 396	0.14 203	0.95 412	0.30 379	0.21 355	1.33 454	0.32 365	0.77 431	0.56 379	1.06 440	0.71 401	0.49 350	0.35 333	1.26 443	0.38 331	0.13 321	0.11 336	0.16 373	0.13 350	0.12 299	0.12 300

Wz-Net-MNSev	0.36 348	0.26 364	0.79 380	0.26 328	0.21 355	0.59 405	0.38 394	0.55 345	0.56 379	0.48 380	0.54 357	0.53 368	0.36 337	0.60 316	0.44 359	0.11 268	0.09 293	0.11 272	0.11 292	0.15 341	0.13 314

DDUNet	0.41 376	0.50 427	0.48 267	0.44 426	0.39 424	0.46 370	0.32 365	0.50 287	0.43 284	0.45 367	0.52 349	0.57 378	0.36 337	0.48 257	0.33 314	0.33 429	0.21 414	0.55 439	0.25 417	0.37 428	0.32 428

DMCA-RVC	0.27 271	0.21 327	0.61 331	0.28 369	0.17 295	0.29 237	0.21 230	0.42 217	0.35 203	0.40 333	0.37 218	0.39 290	0.36 337	0.43 241	0.30 296	0.13 321	0.10 315	0.15 364	0.11 292	0.13 314	0.10 246

RTSC	0.39 368	0.28 374	0.78 374	0.27 352	0.18 316	0.49 384	0.22 253	0.59 380	0.84 429	0.55 400	0.53 354	0.49 350	0.36 337	0.67 351	0.82 413	0.13 321	0.10 315	0.11 272	0.12 327	0.17 363	0.17 361

PA-Net	0.37 357	0.28 374	0.83 389	0.31 385	0.28 407	0.39 338	0.42 407	0.51 302	0.55 376	0.34 263	0.42 275	0.41 306	0.36 337	0.79 390	0.49 373	0.12 304	0.23 422	0.16 373	0.23 412	0.12 299	0.18 373
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DISCO	0.32 326	0.13 164	0.51 293	0.25 296	0.16 275	0.48 381	0.25 313	0.50 287	0.57 382	0.37 299	0.45 310	0.62 392	0.36 337	0.64 336	0.49 373	0.09 191	0.07 183	0.09 151	0.08 136	0.12 299	0.11 278

ETE_ROB	0.34 339	0.26 364	0.45 244	0.29 372	0.18 316	0.40 343	0.37 388	0.57 368	0.47 328	0.50 381	0.50 335	0.62 392	0.36 337	0.55 290	0.38 331	0.13 321	0.10 315	0.14 350	0.12 327	0.16 348	0.16 350

LALA_ROB	0.36 348	0.25 353	0.46 251	0.30 379	0.21 355	0.47 376	0.39 399	0.61 392	0.51 357	0.52 392	0.51 341	0.69 414	0.36 337	0.50 265	0.43 355	0.17 382	0.11 336	0.16 373	0.14 361	0.17 363	0.15 342

psm_up	0.29 301	0.16 256	0.41 207	0.26 328	0.17 295	0.32 277	0.26 324	0.55 345	0.43 284	0.36 294	0.40 251	0.45 331	0.37 345	0.58 309	0.30 296	0.11 268	0.12 353	0.13 328	0.12 327	0.10 218	0.10 246

RASNet	0.28 290	0.14 203	0.44 234	0.22 172	0.18 316	0.32 277	0.19 159	0.48 271	0.38 238	0.29 165	0.43 287	0.47 339	0.37 345	0.79 390	0.36 328	0.09 191	0.07 183	0.07 21	0.09 219	0.07 51	0.07 85

XPNet_ROB	0.33 332	0.20 314	0.43 226	0.27 352	0.18 316	0.37 323	0.31 361	0.55 345	0.50 354	0.51 386	0.53 354	0.58 381	0.37 345	0.63 334	0.45 362	0.17 382	0.12 353	0.13 328	0.12 327	0.15 341	0.14 332

pmcnn	0.50 401	0.20 314	0.78 374	0.24 259	0.26 400	0.39 338	0.30 357	0.51 302	0.50 354	0.54 399	1.23 437	2.52 461	0.37 345	0.77 386	0.95 423	0.08 119	0.06 83	0.06 1	0.05 11	0.10 218	0.08 142

CBFPSM	0.27 271	0.16 256	0.67 352	0.20 79	0.14 204	0.38 330	0.25 313	0.40 191	0.36 215	0.33 244	0.36 209	0.56 374	0.38 349	0.32 196	0.38 331	0.08 119	0.08 260	0.07 21	0.08 136	0.09 163	0.11 278

Anonymous_2	0.37 357	0.21 327	0.47 259	0.20 79	0.21 355	0.42 353	0.26 324	0.38 172	0.29 137	0.33 244	0.30 138	0.44 327	0.38 349	0.36 222	0.29 290	0.26 414	0.29 432	0.44 433	1.41 468	0.34 425	0.21 398

HBP-ISP	0.33 332	0.30 387	0.72 368	0.22 172	0.16 275	0.32 277	0.22 253	0.54 335	0.44 298	0.41 342	0.49 333	0.33 240	0.38 349	0.73 367	0.25 259	0.18 393	0.19 408	0.24 408	0.20 400	0.16 348	0.13 314

APVNet	0.36 348	0.20 314	0.70 364	0.26 328	0.22 371	0.52 397	0.35 380	0.61 392	0.44 298	0.38 310	0.52 349	0.48 345	0.38 349	0.84 402	0.46 368	0.13 321	0.14 372	0.15 364	0.16 381	0.16 348	0.15 342

CC-Net-ROB	0.43 383	0.47 420	0.65 348	0.37 415	0.23 383	0.51 388	0.29 347	0.66 414	0.49 346	0.46 370	0.51 341	0.48 345	0.38 349	0.96 422	0.35 322	0.34 430	0.23 422	0.55 439	0.25 417	0.31 422	0.20 391

Wz-Net-SNSev	0.43 383	0.41 417	1.27 438	0.30 379	0.21 355	0.44 363	0.41 404	0.61 392	0.65 399	0.46 370	0.65 390	0.62 392	0.39 354	0.74 374	0.59 391	0.12 304	0.11 336	0.12 308	0.13 350	0.16 348	0.14 332

RYNet	0.37 357	0.18 286	0.59 326	0.25 296	0.28 407	0.61 409	0.32 365	0.59 380	0.59 385	0.41 342	0.38 230	0.57 378	0.39 354	0.87 406	0.53 383	0.11 268	0.08 260	0.12 308	0.11 292	0.18 374	0.18 373

NCCL2	0.35 344	0.26 364	0.49 272	0.36 409	0.22 371	0.41 346	0.41 404	0.53 328	0.42 279	0.47 377	0.46 319	0.61 390	0.39 354	0.55 290	0.37 329	0.16 371	0.13 364	0.21 399	0.21 403	0.16 348	0.16 350

LL-Strereo	0.29 301	0.25 353	0.58 322	0.25 296	0.21 355	0.23 143	0.24 298	0.55 345	0.42 279	0.34 263	0.32 159	0.41 306	0.40 357	0.94 419	0.23 239	0.08 119	0.07 183	0.11 272	0.09 219	0.09 163	0.09 196

GANet	0.36 348	0.22 339	0.49 272	0.29 372	0.17 295	0.41 346	0.38 394	0.57 368	0.45 309	0.46 370	0.75 407	0.55 372	0.40 357	0.94 419	0.41 351	0.13 321	0.13 364	0.13 328	0.11 292	0.14 329	0.11 278

PDISCO_ROB	0.43 383	0.30 387	0.67 352	0.43 424	0.36 423	0.67 415	0.32 365	0.72 427	0.76 418	0.43 357	0.53 354	0.63 400	0.40 357	0.66 347	0.47 370	0.21 402	0.12 353	0.21 399	0.19 399	0.25 405	0.20 391

PWC_ROB	0.38 363	0.29 381	0.69 358	0.25 296	0.20 348	0.38 330	0.19 159	0.58 375	0.67 403	0.57 403	0.85 418	0.51 360	0.40 357	0.71 360	0.52 381	0.13 321	0.09 293	0.14 350	0.10 255	0.17 363	0.14 332

DRaft	0.24 222	0.10 36	0.34 107	0.18 12	0.12 96	0.28 217	0.23 276	0.33 112	0.39 247	0.38 310	0.61 383	0.21 95	0.41 361	0.48 257	0.42 354	0.07 22	0.06 83	0.08 88	0.08 136	0.07 51	0.08 142

S-Stereo	0.38 363	0.20 314	1.05 424	0.27 352	0.22 371	0.38 330	0.32 365	0.55 345	0.66 400	0.39 325	0.59 372	0.49 350	0.41 361	0.75 375	0.40 345	0.12 304	0.15 386	0.13 328	0.13 350	0.16 348	0.21 398

DeepPrunerF	0.44 389	0.29 381	1.29 440	0.33 397	0.30 415	0.35 313	0.36 384	0.62 400	1.15 447	0.40 333	0.44 298	0.39 290	0.41 361	0.80 394	0.52 381	0.18 393	0.14 372	0.23 406	0.21 403	0.17 363	0.17 361

DANet	0.35 344	0.23 346	0.60 328	0.36 409	0.22 371	0.39 338	0.25 313	0.48 271	0.43 284	0.52 392	0.50 335	0.59 383	0.41 361	0.76 380	0.49 373	0.13 321	0.11 336	0.14 350	0.12 327	0.17 363	0.15 342
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NaN_ROB	0.41 376	0.28 374	0.62 339	0.30 379	0.19 334	0.51 388	0.47 419	0.58 375	0.59 385	0.56 401	0.47 326	0.49 350	0.41 361	1.21 440	0.64 400	0.12 304	0.18 404	0.12 308	0.13 350	0.11 263	0.14 332

FBW_ROB	0.43 383	0.26 364	0.54 304	0.31 385	0.20 348	0.51 388	0.32 365	0.70 424	0.60 389	0.59 404	0.55 361	0.65 403	0.41 361	1.40 448	0.51 380	0.13 321	0.17 398	0.21 399	0.16 381	0.17 363	0.18 373

SGM-Forest	0.36 348	0.17 272	0.47 259	0.23 215	0.16 275	0.45 368	0.41 404	0.55 345	0.48 337	0.52 392	0.60 377	0.52 364	0.41 361	0.85 403	0.50 378	0.17 382	0.17 398	0.17 379	0.15 369	0.15 341	0.15 342
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.33 332	0.21 327	0.54 304	0.23 215	0.13 163	0.42 353	0.33 375	0.53 328	0.48 337	0.52 392	0.49 333	0.50 356	0.41 361	0.56 300	0.31 302	0.15 356	0.16 393	0.18 386	0.16 381	0.13 314	0.13 314
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ACV-stereo	0.29 301	0.18 286	0.79 380	0.23 215	0.16 275	0.47 376	0.19 159	0.36 158	0.34 189	0.29 165	0.33 179	0.67 408	0.42 369	0.54 288	0.30 296	0.10 235	0.09 293	0.09 151	0.09 219	0.10 218	0.11 278

MFN_U_SF_DS_RVC	0.51 405	0.50 427	0.86 398	0.39 419	0.24 388	0.84 431	0.55 430	0.56 360	0.62 394	0.60 405	0.68 396	0.62 392	0.42 369	1.13 435	0.43 355	0.23 405	0.27 428	0.27 411	0.35 431	0.25 405	0.29 422

stereogan	0.37 357	0.17 272	0.65 348	0.27 352	0.22 371	0.62 410	0.26 324	0.59 380	0.63 397	0.43 357	0.60 377	0.67 408	0.42 369	0.68 352	0.35 322	0.13 321	0.14 372	0.14 350	0.12 327	0.19 381	0.17 361

CBMV_ROB	0.33 332	0.18 286	0.53 301	0.21 118	0.14 204	0.33 288	0.20 201	0.51 302	0.45 309	0.51 386	0.55 361	0.45 331	0.42 369	0.71 360	0.32 307	0.18 393	0.19 408	0.23 406	0.21 403	0.14 329	0.15 342

ACVNet-4b	0.72 431	0.81 444	1.33 442	0.72 444	0.50 435	0.80 429	0.31 361	0.71 426	0.80 423	0.50 381	0.72 405	0.95 430	0.43 373	0.96 422	1.20 441	1.13 466	0.21 414	0.76 448	0.45 438	0.65 444	0.46 440

UDG	0.40 374	0.46 418	0.49 272	0.40 421	0.35 422	0.47 376	0.27 329	0.54 335	0.47 328	0.39 325	0.45 310	0.59 383	0.44 374	0.46 251	0.39 339	0.26 414	0.19 408	0.48 435	0.22 410	0.34 425	0.26 418

Syn2CoEx	0.36 348	0.31 393	0.78 374	0.34 399	0.21 355	0.41 346	0.28 342	0.61 392	0.49 346	0.42 351	0.56 367	0.45 331	0.44 374	0.69 354	0.38 331	0.17 382	0.14 372	0.15 364	0.12 327	0.13 314	0.12 300

GANetREF_RVC	0.43 383	0.47 420	0.69 358	0.38 417	0.20 348	0.51 388	0.48 423	0.66 414	0.66 400	0.46 370	0.46 319	0.50 356	0.44 374	0.90 413	0.39 339	0.27 419	0.21 414	0.32 425	0.18 395	0.27 415	0.22 403
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
otaku	0.57 415	0.62 436	0.87 400	0.63 440	0.44 429	0.73 420	0.37 388	0.65 408	0.66 400	0.51 386	0.75 407	0.66 407	0.45 377	0.69 354	0.46 368	0.53 439	0.34 437	0.55 439	0.35 431	0.60 439	0.45 437

ccnet	0.42 379	0.31 393	0.48 267	0.27 352	0.32 418	0.60 408	0.32 365	0.65 408	0.46 323	0.53 397	0.66 392	0.56 374	0.45 377	0.72 365	0.61 394	0.26 414	0.19 408	0.24 408	0.21 403	0.26 411	0.22 403

SuperB	0.49 398	0.28 374	2.23 454	0.23 215	0.15 250	0.41 346	0.32 365	0.47 260	0.82 424	0.43 357	0.50 335	0.33 240	0.45 377	0.68 352	1.08 429	0.10 235	0.07 183	0.09 151	0.08 136	0.98 460	0.14 332

RGC	0.39 368	0.32 398	0.64 347	0.34 399	0.27 402	0.40 343	0.29 347	0.57 368	0.53 368	0.45 367	0.64 389	0.62 392	0.45 377	0.72 365	0.39 339	0.15 356	0.15 386	0.21 399	0.20 400	0.18 374	0.19 381

Nwc_Net	0.37 357	0.25 353	0.68 357	0.31 385	0.24 388	0.44 363	0.30 357	0.65 408	0.50 354	0.37 299	0.69 400	0.58 381	0.45 377	0.60 316	0.40 345	0.15 356	0.12 353	0.19 393	0.21 403	0.14 329	0.13 314

PASM	0.45 390	0.35 402	0.90 404	0.35 408	0.33 419	0.39 338	0.38 394	0.50 287	0.61 392	0.52 392	0.51 341	0.62 392	0.45 377	0.93 417	0.48 371	0.26 414	0.29 432	0.29 421	0.33 429	0.29 420	0.26 418

CRFU-Net	0.28 290	0.14 203	0.45 244	0.25 296	0.15 250	0.45 368	0.23 276	0.50 287	0.30 148	0.43 357	0.41 259	0.48 345	0.46 383	0.43 241	0.29 290	0.11 268	0.10 315	0.09 151	0.08 136	0.10 218	0.10 246

CrosDoStereo	0.31 317	0.10 36	0.49 272	0.18 12	0.12 96	0.22 124	1.11 464	0.34 119	0.37 224	0.38 310	0.61 383	0.28 188	0.46 383	0.61 321	0.57 385	0.07 22	0.06 83	0.08 88	0.08 136	0.07 51	0.07 85

DeepStereo_LL	0.31 317	0.10 36	0.49 272	0.18 12	0.12 96	0.22 124	1.11 464	0.34 119	0.37 224	0.38 310	0.61 383	0.28 188	0.46 383	0.61 321	0.57 385	0.07 22	0.06 83	0.08 88	0.08 136	0.07 51	0.07 85

RP	0.35 344	0.22 339	0.51 293	0.31 385	0.24 388	0.37 323	0.28 342	0.50 287	0.58 384	0.40 333	0.63 388	0.61 390	0.47 386	0.61 321	0.39 339	0.16 371	0.15 386	0.17 379	0.15 369	0.17 363	0.17 361

NCC-stereo	0.39 368	0.25 353	0.69 358	0.32 391	0.28 407	0.46 370	0.36 384	0.65 408	0.52 364	0.40 333	0.57 368	0.56 374	0.47 386	0.73 367	0.45 362	0.17 382	0.14 372	0.18 386	0.25 417	0.16 348	0.16 350

Abc-Net	0.39 368	0.25 353	0.69 358	0.32 391	0.28 407	0.46 370	0.36 384	0.65 408	0.52 364	0.40 333	0.57 368	0.56 374	0.47 386	0.73 367	0.45 362	0.17 382	0.14 372	0.18 386	0.25 417	0.16 348	0.16 350
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SHD	0.42 379	0.27 371	0.81 385	0.31 385	0.25 395	0.42 353	0.22 253	0.66 414	0.94 438	0.63 409	0.60 377	0.59 383	0.47 386	0.59 315	0.58 390	0.15 356	0.13 364	0.16 373	0.16 381	0.20 389	0.22 403

XQC	0.43 383	0.37 410	0.96 414	0.34 399	0.25 395	0.53 398	0.34 377	0.60 388	0.73 416	0.51 386	0.46 319	0.57 378	0.47 386	0.70 357	0.72 405	0.17 382	0.12 353	0.18 386	0.15 369	0.25 405	0.23 409

ADCRef	0.38 363	0.24 349	0.88 401	0.26 328	0.21 355	0.49 384	0.27 329	0.52 317	0.48 337	0.50 381	0.58 370	0.35 261	0.47 386	0.48 257	1.29 444	0.09 191	0.08 260	0.12 308	0.12 327	0.11 263	0.11 278

DEmStereo	0.26 264	0.09 15	0.47 259	0.19 36	0.12 96	0.30 254	0.25 313	0.28 54	0.36 215	0.36 294	0.58 370	0.25 143	0.48 392	0.53 282	0.44 359	0.07 22	0.06 83	0.08 88	0.08 136	0.06 8	0.07 85

AF-Net	0.37 357	0.26 364	0.56 314	0.32 391	0.23 383	0.41 346	0.29 347	0.61 392	0.64 398	0.42 351	0.68 396	0.65 403	0.49 393	0.57 303	0.44 359	0.15 356	0.11 336	0.19 393	0.14 361	0.15 341	0.13 314

THIR-Stereo	0.29 301	0.12 106	0.41 207	0.19 36	0.11 53	0.28 217	0.72 442	0.32 98	0.35 203	0.37 299	0.65 390	0.34 247	0.50 394	0.57 303	0.45 362	0.07 22	0.06 83	0.08 88	0.09 219	0.07 51	0.07 85

FAT-Stereo	0.36 348	0.18 286	0.73 371	0.26 328	0.18 316	0.33 288	0.29 347	0.60 388	0.59 385	0.46 370	0.60 377	0.60 386	0.50 394	0.61 321	0.34 318	0.13 321	0.14 372	0.13 328	0.12 327	0.14 329	0.18 373

edge stereo	0.39 368	0.22 339	0.81 385	0.27 352	0.22 371	0.37 323	0.24 298	0.56 360	0.54 371	0.53 397	0.60 377	0.71 417	0.50 394	0.78 388	0.40 345	0.16 371	0.14 372	0.19 393	0.14 361	0.16 348	0.17 361

Ntro	0.58 416	0.64 437	0.92 407	0.66 441	0.50 435	0.77 424	0.36 384	0.66 414	0.70 410	0.50 381	0.59 372	0.65 403	0.51 397	0.75 375	0.45 362	0.56 443	0.32 436	0.56 442	0.34 430	0.63 441	0.46 440

psmorigin	0.50 401	0.25 353	3.03 463	0.24 259	0.19 334	0.38 330	0.22 253	0.50 287	0.44 298	0.64 411	0.68 396	0.71 417	0.51 397	0.85 403	0.45 362	0.14 344	0.17 398	0.13 328	0.14 361	0.16 348	0.21 398

ADCP+	0.45 390	0.24 349	1.15 431	0.25 296	0.22 371	0.56 400	0.39 399	0.54 335	0.51 357	0.44 363	0.51 341	0.46 337	0.52 399	0.56 300	1.89 457	0.10 235	0.08 260	0.11 272	0.10 255	0.14 329	0.13 314

WZ-Net	0.52 409	0.38 412	1.90 452	0.30 379	0.24 388	0.57 403	0.48 423	0.62 400	0.78 421	0.50 381	0.71 401	0.68 412	0.54 400	0.98 425	0.84 414	0.13 321	0.10 315	0.11 272	0.12 327	0.19 381	0.20 391

aanetorigin	0.39 368	0.29 381	1.09 426	0.24 259	0.19 334	0.28 217	0.37 388	0.33 112	0.47 328	0.94 432	0.82 415	0.52 364	0.54 400	0.49 262	0.50 378	0.11 268	0.09 293	0.10 220	0.10 255	0.16 348	0.15 342

AnyNet_C32	0.51 405	0.40 414	1.10 429	0.29 372	0.28 407	0.59 405	0.58 432	0.54 335	0.60 389	0.62 407	0.66 392	0.54 370	0.54 400	0.78 388	1.74 454	0.15 356	0.14 372	0.15 364	0.17 389	0.20 389	0.20 391

LSM	1.64 460	0.40 414	2.56 460	2.02 469	17.61 480	0.51 388	0.52 427	0.61 392	0.76 418	0.82 426	1.11 432	0.63 400	0.54 400	0.75 375	0.49 373	0.16 371	0.24 424	0.18 386	0.21 403	0.25 405	2.42 472

FTStereo	0.28 290	0.10 36	0.43 226	0.23 215	0.13 163	0.21 100	0.53 429	0.34 119	0.26 95	0.38 310	0.95 425	0.30 213	0.56 404	0.32 196	0.18 143	0.08 119	0.06 83	0.09 151	0.08 136	0.07 51	0.19 381

ADCPNet	0.48 396	0.29 381	1.60 448	0.27 352	0.23 383	0.70 419	0.38 394	0.53 328	0.51 357	0.51 386	0.59 372	0.67 408	0.56 404	0.60 316	1.14 434	0.15 356	0.18 404	0.14 350	0.23 412	0.19 381	0.19 381

SAMSARA	0.56 412	0.39 413	0.80 383	0.60 438	0.46 430	1.00 440	1.23 467	0.67 419	0.68 406	0.71 418	0.54 357	0.89 427	0.57 406	0.81 397	0.62 396	0.19 398	0.22 418	0.18 386	0.18 395	0.27 415	0.25 416

RTS	0.78 437	0.48 422	4.68 465	0.34 399	0.28 407	1.12 444	0.46 415	0.62 400	1.03 439	0.73 419	0.89 423	0.60 386	0.59 407	1.61 451	1.16 437	0.14 344	0.11 336	0.15 364	0.15 369	0.21 392	0.19 381

RTSA	0.78 437	0.48 422	4.68 465	0.34 399	0.28 407	1.12 444	0.46 415	0.62 400	1.03 439	0.73 419	0.89 423	0.60 386	0.59 407	1.61 451	1.16 437	0.14 344	0.11 336	0.15 364	0.15 369	0.21 392	0.19 381

RainbowNet	0.72 431	0.89 449	1.02 421	0.82 447	0.63 444	0.78 427	0.52 427	0.81 438	0.93 437	0.60 405	0.79 412	0.80 422	0.60 409	0.80 394	0.57 385	0.78 453	0.55 452	0.78 449	0.49 441	0.76 449	0.58 447

Wz-Net-TNSev	0.51 405	0.58 432	1.61 450	0.25 296	0.21 355	0.65 412	0.45 413	0.63 406	0.69 408	0.51 386	0.54 357	0.71 417	0.60 409	1.00 426	0.77 409	0.15 356	0.15 386	0.13 328	0.15 369	0.21 392	0.20 391

anonymity	0.56 412	0.54 431	0.70 364	0.47 429	0.61 442	0.56 400	0.43 409	0.69 423	0.49 346	0.63 409	0.55 361	0.54 370	0.60 409	0.61 321	0.57 385	0.55 442	0.53 449	0.50 436	0.54 447	0.51 433	0.56 445

Consistency-Raft	0.55 411	0.48 422	1.02 421	0.45 427	0.49 433	0.49 384	0.47 419	0.72 427	0.72 413	0.45 367	0.82 415	0.47 339	0.60 409	0.50 265	0.63 399	0.39 436	0.39 440	0.44 433	0.51 444	0.52 434	0.37 431

G-Net	0.46 392	0.25 353	0.86 398	0.34 399	0.28 407	0.90 436	0.35 380	0.47 260	0.45 309	0.68 415	1.22 436	0.64 402	0.60 409	0.61 321	0.57 385	0.16 371	0.14 372	0.17 379	0.13 350	0.22 398	0.19 381

ADCL	0.47 393	0.22 339	1.00 418	0.27 352	0.19 334	0.74 421	0.64 437	0.54 335	0.69 408	0.56 401	0.71 401	0.55 372	0.60 409	0.60 316	1.43 446	0.11 268	0.09 293	0.13 328	0.13 350	0.14 329	0.14 332

ADCS	0.58 416	0.40 414	1.35 443	0.29 372	0.24 388	0.55 399	0.45 413	0.67 419	0.83 427	0.76 424	0.71 401	0.68 412	0.60 409	0.76 380	2.23 462	0.16 371	0.16 393	0.16 373	0.17 389	0.22 398	0.22 403

AnyNet_C01	0.65 424	0.58 432	2.60 461	0.32 391	0.26 400	0.88 434	0.61 435	0.63 406	0.62 394	0.68 415	0.96 426	0.76 420	0.60 409	0.96 422	1.43 446	0.16 371	0.16 393	0.17 379	0.17 389	0.23 401	0.23 409

CSAN	0.50 401	0.35 402	0.78 374	0.36 409	0.23 383	0.56 400	0.59 434	0.61 392	0.70 410	0.64 411	0.78 411	0.65 403	0.60 409	1.38 447	0.62 396	0.21 402	0.17 398	0.20 397	0.20 400	0.18 374	0.18 373

MFN_U_SF_RVC	0.56 412	0.51 429	1.19 432	0.38 417	0.22 371	0.69 416	0.27 329	0.80 436	0.67 403	0.73 419	0.74 406	0.87 424	0.61 418	0.81 397	0.76 406	0.29 424	0.27 428	0.32 425	0.37 435	0.32 424	0.31 425

ADCMid	0.49 398	0.34 400	1.13 430	0.26 328	0.21 355	0.51 388	0.37 388	0.57 368	0.54 371	0.75 423	0.66 392	0.62 392	0.64 419	0.64 336	1.68 451	0.13 321	0.12 353	0.17 379	0.17 389	0.20 389	0.17 361

test_sample8	0.49 398	0.19 302	0.50 282	0.18 12	0.16 275	0.34 300	0.20 201	0.55 345	0.34 189	0.62 407	0.38 230	1.15 436	0.67 420	0.66 347	0.91 420	0.23 405	1.82 468	0.28 417	0.24 414	0.18 374	0.16 350

MSC_U_SF_DS_RVC	0.68 427	0.64 437	1.06 425	0.45 427	0.27 402	1.40 457	0.58 432	0.78 432	0.92 435	0.84 427	0.86 419	0.88 426	0.68 421	1.33 446	0.68 403	0.37 434	0.29 432	0.34 427	0.36 434	0.43 429	0.37 431

DPSNet	0.47 393	0.24 349	0.93 409	0.27 352	0.20 348	0.75 423	0.57 431	0.84 440	0.79 422	0.47 377	0.51 341	0.60 386	0.69 422	0.87 406	0.71 404	0.16 371	0.13 364	0.12 308	0.10 255	0.25 405	0.21 398

SPS-STEREO	0.69 428	0.61 435	0.98 416	0.52 435	0.57 440	0.74 421	0.50 426	0.78 432	0.62 394	0.95 434	0.86 419	0.94 428	0.70 423	1.01 427	0.87 418	0.58 445	0.51 446	0.50 436	0.50 443	0.55 436	0.58 447
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SANet	0.53 410	0.28 374	0.96 414	0.26 328	0.15 250	0.69 416	0.44 412	0.67 419	1.34 449	0.67 414	0.98 427	0.94 428	0.71 424	0.89 410	0.76 406	0.14 344	0.12 353	0.12 308	0.11 292	0.17 363	0.16 350

ACVNet_1	0.72 431	0.81 444	1.37 444	0.72 444	0.53 438	0.77 424	0.42 407	0.85 443	0.90 433	0.74 422	0.75 407	1.32 442	0.72 425	1.02 428	0.55 384	0.54 441	0.31 435	0.71 446	0.35 431	0.64 443	0.45 437

SGM_RVC	0.50 401	0.19 302	0.50 282	0.25 296	0.15 250	0.69 416	0.39 399	0.68 422	0.82 424	0.95 434	0.84 417	1.13 433	0.76 426	1.16 436	0.60 393	0.16 371	0.16 393	0.16 373	0.16 381	0.16 348	0.17 361
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MFMNet_re	0.72 431	0.76 442	0.99 417	0.62 439	0.70 446	0.77 424	0.67 438	0.75 429	0.83 427	0.78 425	0.86 419	0.69 414	0.78 427	0.71 360	0.61 394	0.66 448	0.59 455	0.61 443	0.58 451	0.68 447	0.71 456

PSM-AAD	0.25 249	0.10 36	0.30 67	0.24 259	0.12 96	0.26 193	0.38 394	0.34 119	0.28 119	0.35 279	0.39 243	0.28 188	0.79 428	0.30 184	0.16 96	0.07 22	0.06 83	0.12 308	0.11 292	0.08 101	0.21 398

GrayStereo	0.25 249	0.09 15	0.32 86	0.26 328	0.13 163	0.23 143	0.47 419	0.34 119	0.30 148	0.39 325	0.47 326	0.30 213	0.79 428	0.29 172	0.16 96	0.07 22	0.06 83	0.08 88	0.09 219	0.07 51	0.13 314

MeshStereo	0.58 416	0.27 371	0.67 352	0.22 172	0.17 295	0.66 414	0.37 388	0.78 432	0.61 392	1.47 461	1.30 439	1.65 447	0.79 428	1.12 434	0.59 391	0.17 382	0.17 398	0.17 379	0.14 361	0.17 363	0.14 332
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
WCMA_ROB	0.51 405	0.21 327	0.65 348	0.25 296	0.21 355	0.58 404	0.32 365	0.54 335	0.55 376	0.95 434	1.40 442	1.28 440	0.81 431	0.73 367	0.62 396	0.18 393	0.15 386	0.15 364	0.15 369	0.19 381	0.19 381

PVD	0.58 416	0.34 400	0.84 394	0.39 419	0.31 417	0.59 405	0.47 419	0.80 436	1.25 448	0.92 431	1.09 430	0.79 421	0.82 432	0.85 403	0.76 406	0.21 402	0.18 404	0.22 405	0.18 395	0.27 415	0.35 430

NVStereoNet_ROB	0.67 426	0.49 426	0.83 389	0.48 430	0.40 426	0.51 388	0.46 415	0.70 424	0.77 420	0.84 427	1.72 454	1.02 432	0.83 433	1.23 441	0.79 411	0.32 428	0.38 439	0.40 431	0.46 439	0.36 427	0.41 435
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ACVNet_2	0.89 440	0.87 448	1.25 436	0.82 447	0.62 443	0.97 439	0.62 436	1.14 448	1.42 451	1.00 437	1.40 442	1.47 445	0.84 434	1.11 432	0.66 402	0.61 446	0.43 443	0.78 449	0.49 441	0.75 448	0.52 443

EDNetEfficientorigin	7.51 472	0.52 430	140.47 490	0.25 296	0.17 295	0.42 353	0.29 347	0.47 260	1.03 439	1.28 447	1.02 428	0.83 423	0.84 434	0.75 375	0.99 425	0.10 235	0.09 293	0.12 308	0.10 255	0.21 392	0.22 403

MADNet+	1.01 445	1.16 461	4.72 467	0.70 443	0.47 431	1.24 450	0.96 457	0.97 445	0.89 431	0.65 413	0.77 410	0.87 424	0.85 436	2.09 461	1.68 451	0.38 435	0.39 440	0.31 424	0.27 424	0.43 429	0.39 433

PWCK	1.00 443	1.17 462	1.70 451	0.91 450	0.41 427	1.19 448	0.92 455	1.10 446	1.14 446	1.16 445	1.14 433	1.25 439	0.88 437	1.75 457	1.04 428	0.87 457	0.50 444	0.87 452	0.53 446	0.96 459	0.52 443

DispFullNet	0.66 425	0.89 449	1.59 447	0.77 446	1.21 463	0.51 388	0.23 276	0.59 380	0.72 413	0.69 417	0.61 383	0.69 414	0.91 438	0.79 390	0.48 371	0.27 419	0.12 353	0.73 447	0.30 428	0.65 444	0.40 434

EDNetEfficient	0.63 422	0.37 410	2.40 458	0.26 328	0.25 395	0.38 330	0.49 425	0.41 203	1.06 442	1.38 450	0.87 422	0.62 392	0.95 439	0.65 342	1.65 450	0.11 268	0.09 293	0.10 220	0.11 292	0.19 381	0.17 361

IMH-64-1	0.91 441	0.86 446	0.84 394	0.97 452	0.75 448	0.92 437	0.71 440	1.27 449	1.10 444	0.89 429	1.45 444	1.14 434	0.96 440	1.19 437	0.84 414	0.74 450	0.51 446	0.97 454	0.55 448	0.84 451	0.60 449

IMH-64	0.91 441	0.86 446	0.84 394	0.97 452	0.75 448	0.92 437	0.71 440	1.27 449	1.10 444	0.89 429	1.45 444	1.14 434	0.96 440	1.19 437	0.84 414	0.74 450	0.51 446	0.97 454	0.55 448	0.84 451	0.60 449

MSMD_ROB	0.60 420	0.33 399	0.61 331	0.30 379	0.25 395	0.86 433	0.35 380	0.55 345	0.67 403	1.10 442	1.49 447	1.76 450	0.97 442	0.88 409	0.49 373	0.23 405	0.21 414	0.27 411	0.27 424	0.25 405	0.24 414

LVE	1.13 449	1.02 455	1.28 439	1.01 454	0.80 454	1.29 453	0.81 451	1.47 456	1.96 456	1.07 441	1.90 457	1.90 451	1.01 443	1.48 449	0.91 420	0.93 460	0.61 458	0.94 453	0.69 456	0.87 454	0.75 460

KSHMR	1.89 463	1.36 466	1.60 448	1.47 467	1.22 464	1.38 456	1.06 461	1.79 461	5.97 472	1.42 455	5.65 472	2.98 465	1.14 444	2.23 464	1.20 441	1.27 467	1.12 466	1.46 468	1.10 467	1.32 466	1.15 467

IMH	1.05 447	0.95 454	1.00 418	1.01 454	0.78 451	1.11 443	0.68 439	1.38 452	1.43 452	1.00 437	1.72 454	1.43 443	1.14 444	1.73 456	0.89 419	1.09 463	0.55 452	0.99 456	0.57 450	0.87 454	0.62 454

Dean	1.17 451	1.04 457	1.49 446	1.03 456	0.78 451	1.20 449	0.77 447	1.48 457	1.96 456	1.28 447	1.99 459	2.15 455	1.14 444	1.25 442	1.00 426	0.81 455	0.60 456	1.01 457	0.69 456	0.92 458	0.74 459

ELAS	0.74 435	0.36 405	0.85 397	0.36 409	0.33 419	1.36 455	0.77 447	0.93 444	0.92 435	1.41 453	1.53 449	1.16 437	1.17 447	0.95 421	1.03 427	0.26 414	0.25 426	0.28 417	0.28 427	0.31 422	0.30 423
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
WAO-7	1.01 445	0.89 449	0.93 409	0.83 449	0.66 445	1.18 446	0.81 451	1.40 453	1.57 454	1.11 443	1.76 456	1.45 444	1.19 448	1.50 450	1.14 434	0.61 446	0.62 459	0.70 445	0.68 455	0.66 446	0.60 449

WAO-6	1.07 448	0.93 453	0.92 407	0.96 451	0.78 451	1.28 452	0.75 444	1.34 451	2.00 458	1.02 439	1.54 450	1.59 446	1.22 449	1.31 445	1.14 434	0.78 453	0.55 452	1.02 458	0.75 459	0.83 450	0.69 455

SGM+DAISY	0.87 439	0.66 439	1.30 441	0.51 433	0.60 441	1.03 441	0.84 453	0.76 430	0.73 416	1.39 451	1.51 448	1.31 441	1.22 449	1.11 432	1.08 429	0.57 444	0.53 449	0.51 438	0.51 444	0.54 435	0.61 452

FCDSN-DC	0.63 422	0.31 393	0.61 331	0.36 409	0.30 415	0.65 412	0.37 388	0.66 414	0.68 406	1.14 444	1.54 450	1.71 449	1.26 451	0.92 415	0.64 400	0.24 411	0.22 418	0.27 411	0.26 421	0.27 415	0.27 421
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.70 429	0.30 387	0.69 358	0.32 391	0.27 402	0.81 430	0.39 399	0.79 435	0.82 424	1.41 453	1.58 452	1.98 452	1.26 451	1.02 428	0.77 409	0.24 411	0.22 418	0.27 411	0.26 421	0.26 411	0.26 418

FC-DCNN v2	0.71 430	0.30 387	0.67 352	0.32 391	0.27 402	0.84 431	0.39 399	0.84 440	0.85 430	1.44 457	1.64 453	2.09 454	1.28 453	1.06 430	0.80 412	0.24 411	0.22 418	0.27 411	0.26 421	0.26 411	0.25 416

JetBlue	1.14 450	0.76 442	2.36 456	0.59 437	0.75 448	3.04 468	1.78 469	1.11 447	0.90 433	0.94 432	1.10 431	1.66 448	1.28 453	2.09 461	1.72 453	0.43 438	0.36 438	0.38 429	0.38 437	0.58 438	0.56 445

ELAS_RVC	0.74 435	0.36 405	1.00 418	0.37 415	0.33 419	0.88 434	0.93 456	0.83 439	1.08 443	1.35 449	1.33 441	1.24 438	1.33 455	1.06 430	0.95 423	0.27 419	0.25 426	0.29 421	0.27 424	0.30 421	0.30 423
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
TorneroNet-64	1.43 454	1.03 456	1.20 433	1.10 458	0.86 457	2.26 465	0.73 443	1.84 462	3.84 468	1.25 446	2.25 464	2.69 463	1.42 456	1.76 458	1.43 446	0.76 452	0.50 444	1.09 459	0.66 454	1.23 463	0.76 461

WAO-8	1.46 456	1.10 459	1.09 426	1.10 458	0.84 455	2.06 461	0.75 444	1.84 462	3.83 466	1.44 457	2.21 462	2.15 455	1.43 457	3.17 467	1.19 439	0.91 458	0.65 461	1.09 459	0.79 460	0.90 456	0.71 456

Venus	1.46 456	1.10 459	1.09 426	1.10 458	0.84 455	2.06 461	0.75 444	1.84 462	3.83 466	1.44 457	2.21 462	2.15 455	1.43 457	3.17 467	1.19 439	0.91 458	0.65 461	1.09 459	0.79 460	0.90 456	0.71 456

ktn	1.77 462	1.36 466	1.22 434	1.43 466	1.14 462	1.52 458	1.08 462	1.51 459	3.96 469	2.77 468	4.69 469	3.35 466	1.46 459	1.69 455	1.25 443	1.43 468	0.77 465	1.45 467	0.99 465	1.32 466	0.96 463

JetRed	2.30 466	2.64 471	6.12 468	1.12 461	1.38 466	5.85 471	3.29 471	1.99 465	1.67 455	1.98 463	1.95 458	2.16 458	1.60 460	2.48 465	4.10 470	1.05 461	1.60 467	1.09 459	1.01 466	1.67 468	1.28 468

notaker	1.45 455	1.34 465	1.48 445	1.40 465	1.07 461	1.18 446	0.85 454	1.48 457	1.40 450	1.51 462	3.46 467	2.40 460	1.81 461	1.76 458	1.45 449	1.11 464	0.69 464	1.38 466	0.87 462	1.31 465	0.97 464

TorneroNet	2.22 464	1.08 458	1.24 435	1.14 462	0.90 458	5.58 470	0.80 449	2.12 467	8.69 474	2.58 466	5.42 471	3.88 468	1.97 462	1.78 460	1.87 456	0.86 456	0.54 451	1.15 463	0.74 458	1.23 463	0.85 462

UNDER WATER-64	1.55 458	1.19 463	2.52 459	1.31 463	0.95 459	2.12 463	1.21 466	1.45 455	3.19 462	1.43 456	1.32 440	2.64 462	2.04 463	1.63 453	1.83 455	1.11 464	0.67 463	1.28 464	0.92 463	1.19 461	1.02 465

coex-ft	3.44 468	0.73 441	48.55 488	0.24 259	0.19 334	0.50 387	0.43 409	0.47 260	2.40 460	7.03 473	1.20 435	0.97 431	2.23 464	0.73 367	1.92 458	0.12 304	0.15 386	0.14 350	0.12 327	0.21 392	0.43 436

UNDER WATER	1.59 459	1.22 464	2.36 456	1.38 464	1.03 460	1.67 460	1.10 463	1.54 460	3.63 464	1.44 457	1.47 446	2.85 464	2.25 465	1.67 454	1.94 459	1.06 462	0.62 459	1.31 465	0.93 464	1.21 462	1.02 465

MADNet++	2.26 465	1.80 469	2.06 453	2.13 471	1.97 468	2.61 467	1.79 470	2.38 468	2.16 459	2.75 467	2.65 465	2.38 459	2.43 466	3.17 467	3.21 466	2.17 469	1.95 470	1.94 470	1.63 469	2.06 469	2.01 471

SGM-ForestM	1.36 452	0.28 374	0.79 380	0.26 328	0.16 275	2.26 465	1.00 459	1.42 454	1.46 453	2.38 465	2.05 460	5.95 474	2.66 467	2.95 466	2.46 464	0.17 382	0.18 404	0.18 386	0.18 395	0.15 341	0.18 373

MANE	1.41 453	0.36 405	0.74 372	0.43 424	0.41 427	2.16 464	0.80 449	2.39 469	3.38 463	2.22 464	3.06 466	3.54 467	2.73 468	2.15 463	1.94 459	0.28 422	0.27 428	0.30 423	0.46 439	0.28 419	0.34 429

LE_ROB	1.76 461	0.20 314	2.68 462	0.48 430	0.52 437	0.78 427	0.96 457	0.84 440	6.61 473	7.40 474	2.08 461	2.08 453	4.83 469	1.27 444	3.79 469	0.10 235	0.08 260	0.12 308	0.11 292	0.11 263	0.10 246

tt	4.71 470	0.10 36	3.94 464	2.06 470	1.53 467	10.14 477	16.88 477	9.27 477	4.98 470	1.39 451	1.02 428	4.68 469	4.90 470	3.35 470	5.86 473	5.76 475	9.15 480	2.24 471	2.53 471	3.10 471	1.32 469

LRCNet_RVC	10.90 476	14.34 484	9.35 471	15.35 479	8.04 473	1.08 442	0.34 377	8.78 476	0.70 410	12.63 482	16.05 482	9.85 475	6.54 471	8.57 476	6.34 474	20.27 486	5.40 474	23.70 484	21.88 483	14.87 481	13.83 483

DPSimNet_ROB	4.34 469	4.23 472	6.89 470	3.67 472	3.68 469	4.75 469	5.21 473	2.67 470	3.68 465	5.82 472	3.95 468	5.57 470	6.72 472	3.46 471	4.48 471	4.05 474	2.88 473	4.68 474	3.12 474	3.69 472	3.62 474

HanzoNet	2.97 467	1.69 468	2.29 455	1.74 468	1.33 465	1.53 459	1.03 460	1.99 465	2.64 461	5.51 471	5.16 470	5.90 473	6.82 473	4.32 472	3.29 467	3.16 471	2.02 472	1.92 469	2.87 472	2.24 470	1.89 470

BEATNet-Init1	4.73 471	2.61 470	13.29 480	0.58 436	0.53 438	10.12 476	3.33 472	4.83 472	5.01 471	8.75 475	8.51 473	14.08 482	7.60 474	7.70 475	5.34 472	0.28 422	0.28 431	0.34 427	0.37 435	0.57 437	0.45 437

DPSMNet_ROB	8.40 474	5.11 474	10.49 479	5.58 475	10.25 475	8.34 474	23.62 482	6.07 475	13.45 481	4.93 470	10.88 479	5.66 472	10.44 475	6.24 474	12.64 477	3.98 473	7.61 476	3.76 473	7.30 478	4.20 474	7.51 476

DGTPSM_ROB	8.34 473	5.10 473	10.37 478	5.31 474	10.18 474	8.33 473	23.60 481	6.06 474	13.41 480	4.90 469	10.87 478	5.65 471	10.44 475	6.17 473	12.59 476	3.74 472	7.55 475	3.69 472	7.26 477	4.14 473	7.46 475

Anonymous_1	16.62 483	9.35 476	9.84 472	10.66 476	14.64 478	18.66 483	27.12 483	12.64 481	13.51 482	10.76 481	10.30 477	10.13 476	10.60 477	11.06 481	12.74 478	15.87 485	7.74 477	16.92 482	43.48 486	58.66 489	7.68 477

xxxxx1	15.27 479	9.54 477	10.31 473	20.13 482	18.88 481	17.08 479	23.03 478	10.36 478	10.99 476	9.21 476	9.62 474	10.74 477	10.61 478	10.72 478	13.89 481	7.97 479	9.20 481	31.85 487	44.72 487	12.84 478	13.69 480

tt_ll	15.27 479	9.54 477	10.31 473	20.13 482	18.88 481	17.08 479	23.03 478	10.36 478	10.99 476	9.21 476	9.62 474	10.74 477	10.61 478	10.72 478	13.89 481	7.97 479	9.20 481	31.85 487	44.72 487	12.84 478	13.69 480

ff	15.27 479	9.54 477	10.31 473	20.13 482	18.88 481	17.08 479	23.03 478	10.36 478	10.99 476	9.21 476	9.62 474	10.74 477	10.61 478	10.72 478	13.89 481	7.97 479	9.20 481	31.85 487	44.72 487	12.84 478	13.69 480

DPSM_ROB	11.49 477	9.87 480	10.35 476	11.13 477	11.31 476	19.11 484	27.51 484	13.37 482	14.21 483	10.31 479	11.06 480	10.96 480	11.27 481	11.96 482	13.59 479	6.78 477	8.19 478	6.03 476	7.09 475	7.93 475	7.73 478

DPSM	11.49 477	9.87 480	10.35 476	11.13 477	11.31 476	19.11 484	27.51 484	13.37 482	14.21 483	10.31 479	11.06 480	10.96 480	11.27 481	11.96 482	13.59 479	6.78 477	8.19 478	6.03 476	7.09 475	7.93 475	7.73 478

PML	16.10 482	12.82 483	6.78 469	5.23 473	7.76 472	33.92 486	66.56 489	5.30 473	10.28 475	26.12 488	68.59 489	20.51 484	13.49 483	10.06 477	6.78 475	5.96 476	2.00 471	6.04 478	2.18 470	8.96 477	2.60 473

HaxPig	17.72 484	20.22 488	19.73 481	16.53 480	16.51 479	9.27 475	9.33 474	14.34 484	13.27 479	18.65 483	18.70 483	17.35 483	16.77 484	17.04 484	16.45 484	22.05 487	20.89 487	22.27 483	21.53 482	21.29 485	22.13 487

MEDIAN_ROB	21.21 485	24.62 489	23.47 486	19.58 481	19.65 484	13.22 478	10.96 475	17.88 485	17.00 485	22.14 487	22.02 485	20.86 485	20.36 485	21.06 485	19.71 485	25.63 488	24.13 488	26.21 485	25.20 484	25.17 486	25.38 488

CasAABBNet	23.10 486	19.86 485	20.64 483	22.47 485	22.73 485	38.41 487	55.50 488	26.89 487	28.70 488	20.61 485	22.15 486	22.08 486	22.75 486	23.99 486	27.36 488	13.59 482	16.48 485	12.14 479	14.27 480	15.95 482	15.53 484

LSM0	24.24 488	19.98 487	22.32 485	24.22 487	40.14 489	38.48 488	55.20 486	26.95 488	28.57 487	20.49 484	21.83 484	22.26 488	22.75 486	24.22 488	27.30 487	13.66 484	16.32 484	12.19 481	14.15 479	16.10 484	17.66 486

Selective-RAFT-Error	23.16 487	19.93 486	20.87 484	22.54 486	22.81 486	38.52 489	55.47 487	27.01 489	28.83 489	20.66 486	22.25 487	22.09 487	22.80 488	24.09 487	27.36 488	13.61 483	16.48 485	12.15 480	14.28 481	15.99 483	15.57 485

AVERAGE_ROB	25.43 489	29.06 490	27.24 487	24.63 488	24.20 488	17.73 482	12.61 476	22.29 486	21.39 486	26.79 489	26.16 488	25.20 489	24.64 489	25.07 489	23.53 486	29.96 489	28.40 489	30.60 486	29.58 485	29.72 487	29.84 489

test_example2	101.33 490	108.28 491	68.15 489	98.43 489	106.93 490	89.75 490	102.43 490	36.80 490	97.65 490	129.04 490	130.15 490	65.26 490	66.62 490	92.11 490	80.24 490	144.10 490	199.48 490	81.81 490	103.01 490	125.01 490	101.27 490

ASD4		6.65 475

Low-res two-view benchmark