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	deliv. area 1l	deliv. area 1s	deliv. area 2l	deliv. area 2s	deliv. area 3l	deliv. area 3s	elect. 1l	elect. 1s	elect. 2l	elect. 2s	elect. 3l	elect. 3s	facade 1s	forest 1s	forest 2s	playg. 1l	playg. 1s	playg. 2l	playg. 2s	playg. 3l	playg. 3s	terra. 1s	terra. 2s	terra. 1l	terra. 1s	terra. 2l	terra. 2s

Pointernet	0.02 1	0.02 2	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.02 3	0.02 3	0.02 3	0.02 3	0.02 3	0.01 1	0.01 2	0.03 1	0.04 1	0.03 1	0.02 1	0.03 1	0.02 1	0.02 1	0.02 1	0.01 2	0.01 1	0.03 1	0.03 1	0.02 1	0.02 1

ProNet	0.02 1	0.02 2	0.02 2	0.02 5	0.02 5	0.02 3	0.02 6	0.01 1	0.01 1	0.02 3	0.02 3	0.01 1	0.01 1	0.01 2	0.04 2	0.04 1	0.03 1	0.03 2	0.03 1	0.02 1	0.03 2	0.02 1	0.01 2	0.02 3	0.03 1	0.03 1	0.02 1	0.02 1

CroCo-Stereo	0.02 1	0.01 1	0.02 2	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.00 1	0.04 2	0.05 3	0.04 3	0.03 2	0.03 1	0.02 1	0.03 2	0.02 1	0.00 1	0.01 1	0.04 5	0.03 1	0.02 1	0.02 1
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
IGEV-Stereo++	0.03 4	0.02 2	0.03 9	0.03 10	0.03 10	0.03 10	0.02 6	0.04 11	0.04 12	0.04 13	0.03 7	0.03 8	0.02 5	0.02 9	0.05 4	0.05 3	0.04 3	0.04 4	0.04 4	0.04 7	0.04 5	0.04 10	0.03 28	0.03 10	0.03 1	0.05 8	0.03 6	0.03 5

RAStereo	0.03 4	0.02 2	0.02 2	0.02 5	0.02 5	0.02 3	0.01 1	0.03 8	0.02 3	0.03 6	0.02 3	0.04 13	0.03 16	0.02 9	0.05 4	0.06 9	0.05 9	0.05 9	0.04 4	0.03 4	0.06 13	0.03 5	0.01 2	0.02 3	0.06 12	0.05 8	0.04 11	0.04 11

U	0.03 4	0.02 2	0.02 2	0.01 1	0.01 1	0.02 3	0.01 1	0.02 3	0.02 3	0.01 1	0.01 1	0.02 3	0.02 5	0.01 2	0.05 4	0.05 3	0.05 9	0.04 4	0.04 4	0.03 4	0.05 8	0.03 5	0.01 2	0.02 3	0.04 5	0.04 5	0.02 1	0.03 5

AIO-Stereo	0.03 4	0.03 9	0.03 9	0.02 5	0.03 10	0.03 10	0.02 6	0.02 3	0.03 9	0.03 6	0.03 7	0.02 3	0.02 5	0.02 9	0.05 4	0.05 3	0.04 3	0.04 4	0.05 9	0.03 4	0.04 5	0.03 5	0.02 12	0.02 3	0.04 5	0.04 5	0.03 6	0.03 5

RSM	0.03 4	0.03 9	0.03 9	0.02 5	0.03 10	0.03 10	0.02 6	0.03 8	0.02 3	0.03 6	0.04 10	0.04 13	0.02 5	0.02 9	0.06 11	0.06 9	0.04 3	0.04 4	0.05 9	0.04 7	0.05 8	0.03 5	0.01 2	0.03 10	0.04 5	0.05 8	0.03 6	0.03 5

MoCha-V2	0.03 4	0.02 2	0.02 2	0.02 5	0.02 5	0.02 3	0.01 1	0.02 3	0.02 3	0.03 6	0.03 7	0.02 3	0.01 1	0.01 2	0.05 4	0.05 3	0.04 3	0.04 4	0.04 4	0.04 7	0.03 2	0.02 1	0.01 2	0.02 3	0.03 1	0.03 1	0.02 1	0.02 1

CroCo-Stereo Lap2	0.03 4	0.02 2	0.02 2	0.01 1	0.01 1	0.02 3	0.02 6	0.02 3	0.02 3	0.03 6	0.02 3	0.02 3	0.03 16	0.01 2	0.05 4	0.05 3	0.04 3	0.05 9	0.04 4	0.04 7	0.04 5	0.04 10	0.01 2	0.02 3	0.06 12	0.06 14	0.05 14	0.03 5

Occ-G	0.04 11	0.04 18	0.03 9	0.04 20	0.03 10	0.03 10	0.02 6	0.04 11	0.03 9	0.03 6	0.05 19	0.03 8	0.02 5	0.02 9	0.06 11	0.06 9	0.06 13	0.06 16	0.07 16	0.04 7	0.05 8	0.03 5	0.04 44	0.03 10	0.05 9	0.04 5	0.03 6	0.05 14

RSM++	0.04 11	0.03 9	0.03 9	0.03 10	0.04 18	0.02 3	0.03 19	0.05 15	0.05 20	0.04 13	0.04 10	0.05 18	0.02 5	0.02 9	0.07 17	0.07 20	0.05 9	0.05 9	0.05 9	0.04 7	0.07 18	0.04 10	0.02 12	0.03 10	0.06 12	0.05 8	0.04 11	0.04 11

AEACV	0.04 11	0.03 9	0.02 2	0.04 20	0.03 10	0.02 3	0.02 6	0.03 8	0.03 9	0.03 6	0.04 10	0.03 8	0.02 5	0.02 9	0.06 11	0.06 9	0.05 9	0.05 9	0.07 16	0.04 7	0.06 13	0.04 10	0.01 2	0.02 3	0.06 12	0.07 19	0.04 11	0.03 5

anonymousdsp	0.05 14	0.04 18	0.04 20	0.03 10	0.04 18	0.04 19	0.04 40	0.06 19	0.05 20	0.06 22	0.04 10	0.03 8	0.02 5	0.03 22	0.07 17	0.08 26	0.08 20	0.06 16	0.08 25	0.05 18	0.09 27	0.05 17	0.03 28	0.03 10	0.05 9	0.05 8	0.05 14	0.05 14

iRaftStereo_RVC	0.05 14	0.03 9	0.03 9	0.03 10	0.03 10	0.03 10	0.02 6	0.05 15	0.04 12	0.06 22	0.05 19	0.05 18	0.03 16	0.02 9	0.06 11	0.06 9	0.10 30	0.07 23	0.07 16	0.05 18	0.09 27	0.05 17	0.02 12	0.03 10	0.07 18	0.06 14	0.05 14	0.05 14

RAFT + AFF	0.05 14	0.04 18	0.03 9	0.05 31	0.04 18	0.04 19	0.03 19	0.06 19	0.08 71	0.09 32	0.05 19	0.09 34	0.02 5	0.02 9	0.05 4	0.06 9	0.09 24	0.06 16	0.06 13	0.04 7	0.07 18	0.05 17	0.02 12	0.04 18	0.07 18	0.05 8	0.05 14	0.06 22

delet	0.05 14	0.05 29	0.04 20	0.06 49	0.05 31	0.05 39	0.05 49	0.04 11	0.04 12	0.06 22	0.05 19	0.10 40	0.05 41	0.03 22	0.07 17	0.06 9	0.07 17	0.06 16	0.06 13	0.06 27	0.06 13	0.04 10	0.03 28	0.05 30	0.07 18	0.07 19	0.05 14	0.04 11

TDLM	0.05 14	0.04 18	0.04 20	0.04 20	0.04 18	0.04 19	0.03 19	0.04 11	0.04 12	0.04 13	0.06 33	0.04 13	0.03 16	0.03 22	0.06 11	0.06 9	0.06 13	0.06 16	0.06 13	0.04 7	0.05 8	0.04 10	0.03 28	0.04 18	0.05 9	0.06 14	0.05 14	0.05 14

IGEV-Stereo+	0.06 19	0.03 9	0.03 9	0.03 10	0.04 18	0.04 19	0.03 19	0.16 92	0.06 36	0.20 104	0.06 33	0.06 24	0.03 16	0.04 36	0.07 17	0.08 26	0.10 30	0.06 16	0.09 37	0.07 38	0.12 44	0.06 27	0.03 28	0.03 10	0.07 18	0.06 14	0.03 6	0.06 22

plain	0.06 19	0.04 18	0.04 20	0.04 20	0.04 18	0.05 39	0.03 19	0.08 33	0.04 12	0.09 32	0.05 19	0.06 24	0.02 5	0.02 9	0.07 17	0.08 26	0.12 45	0.08 28	0.08 25	0.06 27	0.08 24	0.04 10	0.02 12	0.05 30	0.09 33	0.10 37	0.08 33	0.09 34

StereoVision	0.06 19	0.03 9	0.04 20	0.03 10	0.03 10	0.03 10	0.02 6	0.06 19	0.11 130	0.02 3	0.05 19	0.03 8	0.06 65	0.01 2	0.09 56	0.10 64	0.06 13	0.05 9	0.08 25	0.07 38	0.06 13	0.05 17	0.02 12	0.04 18	0.10 42	0.07 19	0.10 49	0.12 66

MIF-Stereo (partial)	0.06 19	0.05 29	0.06 67	0.05 31	0.04 18	0.05 39	0.03 19	0.08 33	0.07 53	0.07 29	0.04 10	0.05 18	0.06 65	0.04 36	0.08 33	0.08 26	0.11 36	0.08 28	0.08 25	0.05 18	0.09 27	0.05 17	0.02 12	0.06 54	0.10 42	0.08 25	0.07 26	0.08 28

MIM_Stereo	0.06 19	0.04 18	0.03 9	0.05 31	0.05 31	0.05 39	0.03 19	0.06 19	0.04 12	0.14 49	0.07 46	0.04 13	0.03 16	0.03 22	0.07 17	0.08 26	0.13 48	0.07 23	0.09 37	0.06 27	0.11 38	0.06 27	0.02 12	0.04 18	0.08 25	0.07 19	0.07 26	0.05 14

RAFT	0.06 19	0.03 9	0.05 41	0.03 10	0.02 5	0.03 10	0.02 6	0.07 29	0.04 12	0.04 13	0.06 33	0.07 28	0.05 41	0.01 2	0.06 11	0.06 9	0.06 13	0.05 9	0.05 9	0.04 7	0.06 13	0.07 42	0.01 2	0.04 18	0.13 76	0.14 97	0.13 83	0.15 93

AFF-stereo	0.06 19	0.05 29	0.05 41	0.05 31	0.04 18	0.04 19	0.03 19	0.11 46	0.06 36	0.16 62	0.05 19	0.08 32	0.03 16	0.02 9	0.07 17	0.08 26	0.08 20	0.05 9	0.09 37	0.04 7	0.09 27	0.05 17	0.02 12	0.04 18	0.10 42	0.08 25	0.07 26	0.07 26

MMNet	0.06 19	0.06 46	0.05 41	0.08 75	0.06 50	0.06 51	0.05 49	0.07 29	0.06 36	0.05 18	0.06 33	0.09 34	0.04 28	0.04 36	0.07 17	0.07 20	0.09 24	0.08 28	0.07 16	0.06 27	0.07 18	0.05 17	0.04 44	0.05 30	0.07 18	0.08 25	0.07 26	0.10 45

RYNet	0.06 19	0.04 18	0.04 20	0.04 20	0.04 18	0.04 19	0.03 19	0.05 15	0.11 130	0.05 18	0.04 10	0.04 13	0.03 16	0.03 22	0.07 17	0.06 9	0.07 17	0.08 28	0.07 16	0.05 18	0.05 8	0.05 17	0.11 169	0.04 18	0.06 12	0.15 118	0.06 21	0.05 14

AANet_RVC	0.06 19	0.05 29	0.06 67	0.05 31	0.06 50	0.04 19	0.05 49	0.05 15	0.06 36	0.05 18	0.06 33	0.05 18	0.04 28	0.04 36	0.08 33	0.07 20	0.08 20	0.08 28	0.07 16	0.07 38	0.07 18	0.07 42	0.05 67	0.05 30	0.07 18	0.08 25	0.06 21	0.08 28

IGEV-BASED-STEREO-	0.07 29	0.05 29	0.03 9	0.04 20	0.05 31	0.04 19	0.02 6	0.11 46	0.06 36	0.22 118	0.05 19	0.05 18	0.02 5	0.03 22	0.07 17	0.09 41	0.12 45	0.08 28	0.09 37	0.07 38	0.16 107	0.07 42	0.02 12	0.03 10	0.07 18	0.08 25	0.07 26	0.05 14

MaDis-Stereo	0.07 29	0.04 18	0.05 41	0.03 10	0.02 5	0.03 10	0.03 19	0.06 19	0.06 36	0.04 13	0.06 33	0.10 40	0.05 41	0.02 9	0.07 17	0.08 26	0.10 30	0.09 54	0.07 16	0.05 18	0.10 33	0.10 105	0.01 2	0.05 30	0.12 65	0.18 168	0.13 83	0.16 103

UniTT-Stereo	0.07 29	0.04 18	0.04 20	0.03 10	0.03 10	0.05 39	0.03 19	0.06 19	0.05 20	0.06 22	0.04 10	0.07 28	0.12 146	0.07 92	0.08 33	0.07 20	0.11 36	0.08 28	0.08 25	0.07 38	0.09 27	0.08 55	0.07 105	0.04 18	0.10 42	0.16 135	0.06 21	0.10 45

LL-Strereo2	0.07 29	0.03 9	0.03 9	0.04 20	0.05 31	0.04 19	0.03 19	0.06 19	0.07 53	0.15 55	0.07 46	0.08 32	0.05 41	0.04 36	0.08 33	0.09 41	0.13 48	0.07 23	0.10 45	0.06 27	0.10 33	0.06 27	0.03 28	0.04 18	0.08 25	0.10 37	0.08 33	0.05 14

RAFT_CTSACE	0.07 29	0.04 18	0.06 67	0.03 10	0.04 18	0.05 39	0.05 49	0.06 19	0.06 36	0.09 32	0.04 10	0.10 40	0.09 116	0.03 22	0.08 33	0.08 26	0.11 36	0.07 23	0.07 16	0.05 18	0.12 44	0.08 55	0.03 28	0.06 54	0.12 65	0.12 71	0.12 72	0.16 103

AASNet	0.07 29	0.06 46	0.04 20	0.09 92	0.07 66	0.08 77	0.05 49	0.08 33	0.05 20	0.07 29	0.07 46	0.07 28	0.04 28	0.04 36	0.07 17	0.07 20	0.10 30	0.08 28	0.08 25	0.06 27	0.07 18	0.06 27	0.04 44	0.06 54	0.08 25	0.08 25	0.06 21	0.06 22

ARAFT	0.07 29	0.04 18	0.04 20	0.05 31	0.05 31	0.05 39	0.02 6	0.09 37	0.06 36	0.12 42	0.06 33	0.12 54	0.03 16	0.03 22	0.07 17	0.07 20	0.12 45	0.09 54	0.09 37	0.05 18	0.11 38	0.08 55	0.03 28	0.04 18	0.10 42	0.09 32	0.09 44	0.09 34

DMCA	0.07 29	0.05 29	0.07 94	0.06 49	0.06 50	0.05 39	0.07 96	0.09 37	0.07 53	0.06 22	0.09 84	0.07 28	0.06 65	0.06 64	0.08 33	0.08 26	0.11 36	0.10 67	0.08 25	0.07 38	0.09 27	0.06 27	0.06 85	0.06 54	0.08 25	0.10 37	0.06 21	0.08 28

GANet	0.07 29	0.07 68	0.06 67	0.06 49	0.06 50	0.07 67	0.06 80	0.08 33	0.05 20	0.06 22	0.07 46	0.06 24	0.04 28	0.04 36	0.07 17	0.08 26	0.09 24	0.10 67	0.07 16	0.05 18	0.07 18	0.05 17	0.05 67	0.05 30	0.08 25	0.07 19	0.07 26	0.06 22

CVANet_RVC	0.07 29	0.07 68	0.07 94	0.08 75	0.06 50	0.07 67	0.05 49	0.06 19	0.05 20	0.06 22	0.09 84	0.05 18	0.04 28	0.04 36	0.08 33	0.08 26	0.08 20	0.08 28	0.08 25	0.06 27	0.08 24	0.06 27	0.04 44	0.05 30	0.08 25	0.07 19	0.07 26	0.10 45

MGS-Stereo	0.08 39	0.06 46	0.04 20	0.05 31	0.05 31	0.04 19	0.03 19	0.12 50	0.05 20	0.09 32	0.07 46	0.10 40	0.04 28	0.05 52	0.07 17	0.08 26	0.15 69	0.11 84	0.12 60	0.09 84	0.13 66	0.07 42	0.05 67	0.05 30	0.10 42	0.09 32	0.11 63	0.10 45

anonymousdsp2	0.08 39	0.07 68	0.05 41	0.06 49	0.05 31	0.06 51	0.05 49	0.12 50	0.06 36	0.17 71	0.06 33	0.09 34	0.04 28	0.05 52	0.07 17	0.08 26	0.13 48	0.08 28	0.11 49	0.07 38	0.13 66	0.07 42	0.05 67	0.06 54	0.09 33	0.08 25	0.08 33	0.07 26

test_5	0.08 39	0.05 29	0.07 94	0.04 20	0.04 18	0.04 19	0.04 40	0.09 37	0.05 20	0.05 18	0.07 46	0.12 54	0.12 146	0.02 9	0.08 33	0.09 41	0.07 17	0.07 23	0.08 25	0.06 27	0.10 33	0.10 105	0.02 12	0.08 106	0.10 42	0.14 97	0.13 83	0.18 135

AnonymousM	0.08 39	0.05 29	0.04 20	0.06 49	0.05 31	0.04 19	0.04 40	0.13 69	0.05 20	0.20 104	0.06 33	0.11 48	0.03 16	0.06 64	0.10 83	0.10 64	0.19 132	0.09 54	0.12 60	0.07 38	0.16 107	0.06 27	0.04 44	0.04 18	0.08 25	0.11 56	0.10 49	0.10 45

raft+_RVC	0.08 39	0.06 46	0.05 41	0.06 49	0.06 50	0.07 67	0.04 40	0.10 43	0.08 71	0.17 71	0.08 64	0.09 34	0.04 28	0.04 36	0.08 33	0.08 26	0.13 48	0.09 54	0.11 49	0.06 27	0.13 66	0.06 27	0.04 44	0.05 30	0.11 59	0.09 32	0.09 44	0.09 34

RAFT-Stereo + iAFF	0.08 39	0.06 46	0.05 41	0.05 31	0.04 18	0.04 19	0.04 40	0.14 78	0.07 53	0.21 113	0.04 10	0.12 54	0.04 28	0.03 22	0.08 33	0.09 41	0.09 24	0.06 16	0.11 49	0.05 18	0.11 38	0.06 27	0.03 28	0.05 30	0.13 76	0.09 32	0.09 44	0.09 34

GCAP-BAT	0.09 45	0.05 29	0.04 20	0.05 31	0.07 66	0.04 19	0.03 19	0.12 50	0.08 71	0.23 133	0.05 19	0.15 86	0.05 41	0.06 64	0.08 33	0.09 41	0.18 113	0.10 67	0.13 75	0.08 56	0.14 82	0.07 42	0.04 44	0.05 30	0.09 33	0.10 37	0.08 33	0.09 34

test_for_model	0.09 45	0.05 29	0.04 20	0.05 31	0.07 66	0.04 19	0.03 19	0.12 50	0.08 71	0.23 133	0.05 19	0.15 86	0.05 41	0.06 64	0.08 33	0.09 41	0.18 113	0.10 67	0.13 75	0.08 56	0.14 82	0.07 42	0.04 44	0.05 30	0.09 33	0.10 37	0.08 33	0.09 34

testlalala2	0.09 45	0.05 29	0.04 20	0.05 31	0.07 66	0.04 19	0.03 19	0.12 50	0.08 71	0.23 133	0.05 19	0.15 86	0.05 41	0.06 64	0.08 33	0.09 41	0.18 113	0.10 67	0.13 75	0.08 56	0.14 82	0.07 42	0.04 44	0.05 30	0.09 33	0.10 37	0.08 33	0.09 34

testlalala	0.09 45	0.05 29	0.04 20	0.05 31	0.07 66	0.04 19	0.03 19	0.12 50	0.08 71	0.23 133	0.05 19	0.15 86	0.05 41	0.06 64	0.08 33	0.09 41	0.18 113	0.10 67	0.13 75	0.08 56	0.14 82	0.07 42	0.04 44	0.05 30	0.09 33	0.10 37	0.08 33	0.09 34

testlalala_base	0.09 45	0.05 29	0.04 20	0.05 31	0.07 66	0.04 19	0.03 19	0.12 50	0.08 71	0.23 133	0.05 19	0.15 86	0.05 41	0.06 64	0.08 33	0.09 41	0.18 113	0.10 67	0.13 75	0.08 56	0.14 82	0.07 42	0.04 44	0.05 30	0.09 33	0.10 37	0.08 33	0.09 34

SPstereo	0.09 45	0.05 29	0.04 20	0.05 31	0.07 66	0.04 19	0.03 19	0.12 50	0.08 71	0.23 133	0.05 19	0.15 86	0.05 41	0.06 64	0.08 33	0.09 41	0.18 113	0.10 67	0.13 75	0.08 56	0.14 82	0.07 42	0.04 44	0.05 30	0.09 33	0.10 37	0.08 33	0.09 34

4D-IteraStereo	0.09 45	0.06 46	0.05 41	0.06 49	0.06 50	0.06 51	0.04 40	0.15 84	0.10 118	0.22 118	0.08 64	0.14 80	0.06 65	0.03 22	0.09 56	0.10 64	0.17 94	0.09 54	0.11 49	0.08 56	0.15 92	0.06 27	0.03 28	0.05 30	0.10 42	0.10 37	0.08 33	0.08 28

LoS_RVC	0.09 45	0.07 68	0.05 41	0.05 31	0.06 50	0.06 51	0.05 49	0.13 69	0.08 71	0.18 84	0.11 108	0.12 54	0.06 65	0.07 92	0.09 56	0.09 41	0.10 30	0.08 28	0.12 60	0.08 56	0.17 121	0.09 80	0.05 67	0.06 54	0.15 102	0.11 56	0.10 49	0.13 72

tt_ll	0.09 45	0.07 68	0.05 41	0.05 31	0.06 50	0.06 51	0.05 49	0.13 69	0.08 71	0.18 84	0.11 108	0.12 54	0.06 65	0.07 92	0.09 56	0.09 41	0.10 30	0.08 28	0.12 60	0.08 56	0.17 121	0.09 80	0.05 67	0.06 54	0.15 102	0.11 56	0.10 49	0.13 72

CAS	0.09 45	0.07 68	0.05 41	0.06 49	0.05 31	0.05 39	0.04 40	0.14 78	0.06 36	0.11 40	0.11 108	0.11 48	0.05 41	0.07 92	0.09 56	0.09 41	0.11 36	0.10 67	0.14 88	0.07 38	0.12 44	0.08 55	0.05 67	0.05 30	0.13 76	0.11 56	0.09 44	0.14 81

TestStereo1	0.09 45	0.07 68	0.06 67	0.04 20	0.05 31	0.06 51	0.06 80	0.07 29	0.07 53	0.09 32	0.07 46	0.11 48	0.14 175	0.04 36	0.10 83	0.10 64	0.11 36	0.09 54	0.09 37	0.08 56	0.13 66	0.12 153	0.02 12	0.05 30	0.15 102	0.14 97	0.16 115	0.20 154

TESTraft	0.09 45	0.06 46	0.06 67	0.04 20	0.04 18	0.05 39	0.06 80	0.09 37	0.08 71	0.09 32	0.08 64	0.12 54	0.13 161	0.03 22	0.09 56	0.10 64	0.11 36	0.09 54	0.08 25	0.07 38	0.13 66	0.12 153	0.02 12	0.05 30	0.14 94	0.13 80	0.14 94	0.20 154

IER	0.09 45	0.07 68	0.07 94	0.09 92	0.07 66	0.09 90	0.06 80	0.12 50	0.07 53	0.14 49	0.11 108	0.11 48	0.07 86	0.06 64	0.09 56	0.09 41	0.14 60	0.11 84	0.11 49	0.07 38	0.12 44	0.08 55	0.06 85	0.06 54	0.10 42	0.11 56	0.11 63	0.14 81

RAFT+CT+SA	0.09 45	0.05 29	0.07 94	0.05 31	0.05 31	0.04 19	0.05 49	0.13 69	0.07 53	0.08 31	0.07 46	0.15 86	0.13 161	0.04 36	0.11 116	0.10 64	0.09 24	0.08 28	0.08 25	0.06 27	0.12 44	0.11 133	0.02 12	0.06 54	0.13 76	0.13 80	0.11 63	0.17 116

SA-5K	0.09 45	0.07 68	0.06 67	0.04 20	0.05 31	0.06 51	0.06 80	0.07 29	0.07 53	0.09 32	0.07 46	0.11 48	0.14 175	0.04 36	0.10 83	0.10 64	0.11 36	0.09 54	0.09 37	0.08 56	0.13 66	0.12 153	0.02 12	0.05 30	0.15 102	0.14 97	0.16 115	0.20 154

test_4	0.09 45	0.05 29	0.07 94	0.05 31	0.06 50	0.03 10	0.02 6	0.12 50	0.09 97	0.17 71	0.06 33	0.09 34	0.06 65	0.03 22	0.09 56	0.10 64	0.15 69	0.08 28	0.10 45	0.07 38	0.17 121	0.09 80	0.02 12	0.07 86	0.10 42	0.14 97	0.12 72	0.19 145

CIPLG	0.09 45	0.06 46	0.05 41	0.06 49	0.06 50	0.09 90	0.06 80	0.18 129	0.06 36	0.20 104	0.08 64	0.13 66	0.07 86	0.06 64	0.08 33	0.10 64	0.17 94	0.11 84	0.11 49	0.09 84	0.13 66	0.06 27	0.04 44	0.06 54	0.10 42	0.10 37	0.10 49	0.10 45

IPLGR_C	0.09 45	0.06 46	0.05 41	0.06 49	0.06 50	0.09 90	0.06 80	0.18 129	0.06 36	0.20 104	0.08 64	0.13 66	0.07 86	0.06 64	0.08 33	0.11 100	0.17 94	0.11 84	0.11 49	0.09 84	0.13 66	0.06 27	0.04 44	0.06 54	0.10 42	0.09 32	0.10 49	0.10 45

ACRE	0.09 45	0.06 46	0.05 41	0.06 49	0.06 50	0.09 90	0.06 80	0.18 129	0.06 36	0.20 104	0.08 64	0.13 66	0.07 86	0.06 64	0.08 33	0.10 64	0.17 94	0.11 84	0.11 49	0.09 84	0.13 66	0.06 27	0.04 44	0.06 54	0.10 42	0.10 37	0.10 49	0.10 45

rafts_anoy	0.09 45	0.08 98	0.07 94	0.07 70	0.07 66	0.06 51	0.05 49	0.13 69	0.05 20	0.17 71	0.10 94	0.12 54	0.05 41	0.03 22	0.10 83	0.10 64	0.15 69	0.12 110	0.14 88	0.07 38	0.15 92	0.08 55	0.04 44	0.06 54	0.11 59	0.10 37	0.09 44	0.11 54

RALCasStereoNet	0.09 45	0.08 98	0.06 67	0.09 92	0.07 66	0.06 51	0.05 49	0.12 50	0.05 20	0.18 84	0.07 46	0.12 54	0.05 41	0.04 36	0.10 83	0.10 64	0.18 113	0.12 110	0.14 88	0.08 56	0.15 92	0.08 55	0.05 67	0.06 54	0.12 65	0.10 37	0.10 49	0.08 28

RALAANet	0.09 45	0.08 98	0.06 67	0.07 70	0.06 50	0.08 77	0.05 49	0.10 43	0.07 53	0.12 42	0.10 94	0.10 40	0.06 65	0.03 22	0.09 56	0.09 41	0.13 48	0.11 84	0.16 113	0.09 84	0.12 44	0.08 55	0.04 44	0.06 54	0.12 65	0.10 37	0.11 63	0.11 54

UPFNet	0.09 45	0.08 98	0.08 116	0.09 92	0.08 82	0.09 90	0.06 80	0.12 50	0.09 97	0.14 49	0.10 94	0.12 54	0.06 65	0.07 92	0.08 33	0.10 64	0.13 48	0.11 84	0.10 45	0.07 38	0.10 33	0.07 42	0.06 85	0.07 86	0.09 33	0.11 56	0.10 49	0.11 54

HITNet	0.09 45	0.07 68	0.06 67	0.08 75	0.08 82	0.08 77	0.05 49	0.11 46	0.07 53	0.19 96	0.08 64	0.12 54	0.07 86	0.07 92	0.09 56	0.08 26	0.13 48	0.10 67	0.10 45	0.07 38	0.11 38	0.09 80	0.06 85	0.06 54	0.12 65	0.11 56	0.16 115	0.14 81
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
Former-RAFT_DAM_RVC	0.10 69	0.07 68	0.07 94	0.08 75	0.05 31	0.07 67	0.03 19	0.11 46	0.15 172	0.20 104	0.14 142	0.12 54	0.07 86	0.07 92	0.09 56	0.09 41	0.16 78	0.11 84	0.12 60	0.08 56	0.12 44	0.11 133	0.06 85	0.07 86	0.12 65	0.15 118	0.12 72	0.16 103

CASnet	0.10 69	0.06 46	0.05 41	0.08 75	0.09 101	0.11 116	0.05 49	0.18 129	0.10 118	0.23 133	0.11 108	0.13 66	0.06 65	0.08 109	0.10 83	0.10 64	0.16 78	0.08 28	0.19 145	0.08 56	0.14 82	0.06 27	0.06 85	0.06 54	0.12 65	0.10 37	0.14 94	0.10 45
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
iinet-f	0.10 69	0.09 112	0.06 67	0.08 75	0.06 50	0.09 90	0.06 80	0.09 37	0.07 53	0.18 84	0.11 108	0.11 48	0.10 129	0.06 64	0.09 56	0.10 64	0.14 60	0.09 54	0.19 145	0.09 84	0.12 44	0.06 27	0.05 67	0.06 54	0.11 59	0.10 37	0.15 107	0.12 66

SA	0.10 69	0.07 68	0.07 94	0.06 49	0.05 31	0.08 77	0.04 40	0.12 50	0.05 20	0.16 62	0.07 46	0.16 102	0.03 16	0.04 36	0.10 83	0.10 64	0.13 48	0.11 84	0.12 60	0.09 84	0.14 82	0.10 105	0.03 28	0.06 54	0.16 118	0.15 118	0.13 83	0.21 169

IPLG	0.10 69	0.07 68	0.07 94	0.07 70	0.07 66	0.06 51	0.05 49	0.15 84	0.06 36	0.22 118	0.06 33	0.15 86	0.05 41	0.04 36	0.09 56	0.10 64	0.16 78	0.10 67	0.14 88	0.09 84	0.13 66	0.08 55	0.04 44	0.07 86	0.13 76	0.12 71	0.11 63	0.09 34

test-3	0.10 69	0.06 46	0.04 20	0.06 49	0.08 82	0.06 51	0.05 49	0.17 102	0.07 53	0.24 155	0.08 64	0.19 134	0.08 100	0.06 64	0.11 116	0.11 100	0.20 147	0.10 67	0.15 103	0.10 104	0.16 107	0.10 105	0.05 67	0.06 54	0.10 42	0.11 56	0.12 72	0.11 54

test_1	0.10 69	0.06 46	0.04 20	0.06 49	0.08 82	0.06 51	0.05 49	0.17 102	0.07 53	0.24 155	0.08 64	0.19 134	0.08 100	0.06 64	0.11 116	0.11 100	0.20 147	0.10 67	0.15 103	0.10 104	0.16 107	0.10 105	0.05 67	0.06 54	0.10 42	0.11 56	0.12 72	0.11 54

raftrobust	0.10 69	0.08 98	0.06 67	0.08 75	0.07 66	0.05 39	0.04 40	0.14 78	0.06 36	0.25 176	0.08 64	0.13 66	0.05 41	0.05 52	0.09 56	0.09 41	0.17 94	0.12 110	0.12 60	0.09 84	0.17 121	0.08 55	0.05 67	0.06 54	0.13 76	0.12 71	0.10 49	0.11 54

DMCA-RVC	0.10 69	0.08 98	0.11 154	0.08 75	0.09 101	0.08 77	0.08 104	0.12 50	0.09 97	0.13 46	0.13 130	0.13 66	0.07 86	0.06 64	0.14 175	0.12 136	0.14 60	0.13 137	0.11 49	0.10 104	0.12 44	0.10 105	0.07 105	0.09 129	0.10 42	0.10 37	0.10 49	0.11 54

trnet	0.11 78	0.08 98	0.05 41	0.08 75	0.08 82	0.07 67	0.05 49	0.18 129	0.05 20	0.27 204	0.08 64	0.18 122	0.06 65	0.08 109	0.09 56	0.10 64	0.21 159	0.08 28	0.12 60	0.08 56	0.20 166	0.09 80	0.06 85	0.05 30	0.12 65	0.14 97	0.18 146	0.17 116

EGLCR-Stereo	0.11 78	0.06 46	0.04 20	0.08 75	0.08 82	0.07 67	0.05 49	0.17 102	0.09 97	0.27 204	0.06 33	0.19 134	0.06 65	0.08 109	0.08 33	0.10 64	0.20 147	0.10 67	0.16 113	0.07 38	0.17 121	0.08 55	0.04 44	0.06 54	0.10 42	0.13 80	0.18 146	0.17 116

Sa-1000	0.11 78	0.07 68	0.07 94	0.06 49	0.05 31	0.09 90	0.03 19	0.12 50	0.07 53	0.18 84	0.08 64	0.19 134	0.05 41	0.06 64	0.10 83	0.10 64	0.16 78	0.12 110	0.14 88	0.09 84	0.17 121	0.10 105	0.04 44	0.05 30	0.19 161	0.16 135	0.13 83	0.20 154

MIPNet	0.11 78	0.09 112	0.06 67	0.07 70	0.08 82	0.07 67	0.05 49	0.17 102	0.06 36	0.23 133	0.07 46	0.16 102	0.08 100	0.05 52	0.10 83	0.11 100	0.17 94	0.11 84	0.20 158	0.12 143	0.13 66	0.11 133	0.05 67	0.07 86	0.16 118	0.15 118	0.11 63	0.13 72

GMOStereo	0.11 78	0.07 68	0.09 126	0.06 49	0.05 31	0.06 51	0.05 49	0.17 102	0.09 97	0.24 155	0.07 46	0.17 107	0.09 116	0.05 52	0.11 116	0.12 136	0.17 94	0.08 28	0.12 60	0.08 56	0.19 153	0.08 55	0.03 28	0.07 86	0.18 147	0.18 168	0.14 94	0.17 116

error version	0.11 78	0.07 68	0.09 126	0.06 49	0.05 31	0.06 51	0.05 49	0.17 102	0.09 97	0.24 155	0.07 46	0.17 107	0.09 116	0.05 52	0.11 116	0.12 136	0.17 94	0.08 28	0.12 60	0.08 56	0.19 153	0.08 55	0.03 28	0.07 86	0.18 147	0.18 168	0.14 94	0.17 116

test-v	0.11 78	0.07 68	0.09 126	0.06 49	0.05 31	0.06 51	0.05 49	0.17 102	0.09 97	0.24 155	0.07 46	0.17 107	0.09 116	0.05 52	0.11 116	0.12 136	0.17 94	0.08 28	0.12 60	0.08 56	0.19 153	0.08 55	0.03 28	0.07 86	0.18 147	0.18 168	0.14 94	0.17 116

test_3	0.11 78	0.07 68	0.07 94	0.06 49	0.08 82	0.05 39	0.05 49	0.17 102	0.10 118	0.24 155	0.09 84	0.22 174	0.12 146	0.06 64	0.13 157	0.13 165	0.20 147	0.09 54	0.14 88	0.10 104	0.18 138	0.09 80	0.04 44	0.08 106	0.13 76	0.14 97	0.13 83	0.14 81

test-2	0.11 78	0.07 68	0.09 126	0.06 49	0.05 31	0.06 51	0.05 49	0.17 102	0.09 97	0.24 155	0.07 46	0.17 107	0.09 116	0.05 52	0.11 116	0.12 136	0.17 94	0.08 28	0.12 60	0.08 56	0.19 153	0.08 55	0.03 28	0.07 86	0.18 147	0.18 168	0.14 94	0.17 116

CREStereo++_RVC	0.11 78	0.07 68	0.05 41	0.08 75	0.09 101	0.08 77	0.07 96	0.16 92	0.09 97	0.26 190	0.09 84	0.17 107	0.13 161	0.08 109	0.09 56	0.10 64	0.19 132	0.08 28	0.13 75	0.07 38	0.20 166	0.08 55	0.06 85	0.06 54	0.14 94	0.12 71	0.16 115	0.15 93
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
TANstereo	0.11 78	0.06 46	0.06 67	0.10 109	0.09 101	0.08 77	0.06 80	0.12 50	0.08 71	0.22 118	0.08 64	0.13 66	0.08 100	0.08 109	0.10 83	0.13 165	0.19 132	0.13 137	0.18 136	0.08 56	0.18 138	0.10 105	0.06 85	0.06 54	0.11 59	0.11 56	0.15 107	0.14 81

XX-TBD	0.11 78	0.06 46	0.06 67	0.10 109	0.09 101	0.08 77	0.06 80	0.12 50	0.08 71	0.22 118	0.08 64	0.13 66	0.08 100	0.08 109	0.10 83	0.13 165	0.19 132	0.13 137	0.18 136	0.08 56	0.18 138	0.10 105	0.06 85	0.06 54	0.11 59	0.11 56	0.15 107	0.14 81

UNet	0.11 78	0.09 112	0.09 126	0.10 109	0.08 82	0.10 110	0.08 104	0.15 84	0.08 71	0.17 71	0.10 94	0.13 66	0.09 116	0.07 92	0.09 56	0.10 64	0.16 78	0.13 137	0.12 60	0.08 56	0.12 44	0.09 80	0.08 129	0.09 129	0.12 65	0.14 97	0.10 49	0.11 54

CREStereo	0.11 78	0.08 98	0.06 67	0.08 75	0.08 82	0.07 67	0.05 49	0.18 129	0.05 20	0.26 190	0.08 64	0.18 122	0.06 65	0.08 109	0.09 56	0.10 64	0.22 170	0.08 28	0.13 75	0.08 56	0.20 166	0.09 80	0.06 85	0.06 54	0.12 65	0.13 80	0.17 128	0.16 103
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
HGLStereo	0.11 78	0.10 125	0.08 116	0.09 92	0.10 117	0.09 90	0.06 80	0.14 78	0.08 71	0.18 84	0.15 158	0.09 34	0.06 65	0.08 109	0.10 83	0.10 64	0.17 94	0.13 137	0.14 88	0.10 104	0.12 44	0.10 105	0.08 129	0.09 129	0.13 76	0.13 80	0.10 49	0.11 54

DSFCA	0.11 78	0.12 148	0.09 126	0.10 109	0.08 82	0.11 116	0.11 147	0.12 50	0.09 97	0.12 42	0.14 142	0.14 80	0.08 100	0.05 52	0.10 83	0.11 100	0.15 69	0.12 110	0.16 113	0.10 104	0.13 66	0.12 153	0.07 105	0.09 129	0.13 76	0.14 97	0.10 49	0.13 72

PMTNet	0.11 78	0.10 125	0.06 67	0.12 135	0.09 101	0.07 67	0.06 80	0.18 129	0.06 36	0.28 217	0.06 33	0.18 122	0.04 28	0.07 92	0.10 83	0.11 100	0.18 113	0.08 28	0.14 88	0.08 56	0.18 138	0.10 105	0.07 105	0.05 30	0.13 76	0.12 71	0.17 128	0.16 103

BEATNet_4x	0.11 78	0.10 125	0.08 116	0.09 92	0.09 101	0.09 90	0.08 104	0.12 50	0.08 71	0.21 113	0.09 84	0.15 86	0.09 116	0.08 109	0.11 116	0.10 64	0.13 48	0.13 137	0.11 49	0.08 56	0.13 66	0.12 153	0.08 129	0.08 106	0.13 76	0.13 80	0.18 146	0.18 135

ADCP+	0.11 78	0.10 125	0.08 116	0.09 92	0.07 66	0.09 90	0.08 104	0.14 78	0.11 130	0.16 62	0.12 120	0.18 122	0.08 100	0.07 92	0.11 116	0.10 64	0.16 78	0.11 84	0.14 88	0.09 84	0.12 44	0.09 80	0.08 129	0.08 106	0.11 59	0.16 135	0.11 63	0.11 54

RASNet	0.11 78	0.10 125	0.10 139	0.09 92	0.07 66	0.08 77	0.08 104	0.19 151	0.09 97	0.17 71	0.10 94	0.13 66	0.09 116	0.06 64	0.09 56	0.10 64	0.14 60	0.09 54	0.12 60	0.06 27	0.15 92	0.09 80	0.05 67	0.10 146	0.13 76	0.12 71	0.17 128	0.17 116

DISCO	0.11 78	0.10 125	0.08 116	0.10 109	0.09 101	0.11 116	0.09 121	0.10 43	0.08 71	0.15 55	0.11 108	0.12 54	0.07 86	0.06 64	0.09 56	0.11 100	0.15 69	0.10 67	0.14 88	0.10 104	0.12 44	0.10 105	0.06 85	0.09 129	0.14 94	0.12 71	0.13 83	0.11 54

iResNet_ROB	0.11 78	0.08 98	0.07 94	0.11 123	0.08 82	0.12 127	0.08 104	0.15 84	0.08 71	0.23 133	0.11 108	0.15 86	0.15 183	0.06 64	0.08 33	0.09 41	0.16 78	0.12 110	0.14 88	0.09 84	0.15 92	0.10 105	0.07 105	0.08 106	0.15 102	0.12 71	0.15 107	0.15 93

DN-CSS_ROB	0.11 78	0.09 112	0.12 167	0.08 75	0.09 101	0.08 77	0.08 104	0.16 92	0.10 118	0.23 133	0.17 178	0.19 134	0.14 175	0.05 52	0.09 56	0.09 41	0.13 48	0.10 67	0.18 136	0.09 84	0.12 44	0.08 55	0.07 105	0.08 106	0.13 76	0.11 56	0.12 72	0.11 54

CES	0.12 101	0.06 46	0.06 67	0.06 49	0.08 82	0.07 67	0.05 49	0.35 232	0.05 20	0.15 55	0.23 218	0.13 66	0.04 28	0.08 109	0.09 56	0.11 100	0.19 132	0.08 28	0.14 88	0.08 56	0.28 238	0.08 55	0.07 105	0.04 18	0.14 94	0.11 56	0.14 94	0.16 103

raft_robust	0.12 101	0.09 112	0.09 126	0.11 123	0.06 50	0.09 90	0.06 80	0.15 84	0.08 71	0.23 133	0.07 46	0.20 149	0.11 140	0.09 126	0.11 116	0.12 136	0.16 78	0.12 110	0.14 88	0.10 104	0.15 92	0.11 133	0.03 28	0.08 106	0.18 147	0.17 153	0.15 107	0.14 81

IPLGR	0.12 101	0.09 112	0.09 126	0.09 92	0.10 117	0.09 90	0.07 96	0.18 129	0.09 97	0.22 118	0.10 94	0.16 102	0.07 86	0.06 64	0.10 83	0.11 100	0.17 94	0.11 84	0.21 164	0.12 143	0.16 107	0.09 80	0.04 44	0.08 106	0.16 118	0.14 97	0.14 94	0.16 103

s12784h	0.12 101	0.09 112	0.06 67	0.11 123	0.09 101	0.08 77	0.06 80	0.18 129	0.07 53	0.26 190	0.12 120	0.19 134	0.09 116	0.07 92	0.09 56	0.10 64	0.20 147	0.08 28	0.15 103	0.07 38	0.20 166	0.08 55	0.05 67	0.07 86	0.16 118	0.15 118	0.18 146	0.21 169

HCRNet	0.12 101	0.17 195	0.06 67	0.22 199	0.08 82	0.15 154	0.08 104	0.13 69	0.04 12	0.46 258	0.12 120	0.24 185	0.07 86	0.07 92	0.08 33	0.06 9	0.14 60	0.08 28	0.20 158	0.08 56	0.10 33	0.05 17	0.11 169	0.06 54	0.06 12	0.06 14	0.05 14	0.08 28

GMStereo	0.12 101	0.12 148	0.07 94	0.11 123	0.11 133	0.13 136	0.09 121	0.17 102	0.10 118	0.17 71	0.14 142	0.22 174	0.11 140	0.07 92	0.10 83	0.09 41	0.17 94	0.10 67	0.17 122	0.12 143	0.15 92	0.09 80	0.07 105	0.09 129	0.14 94	0.13 80	0.15 107	0.12 66
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
FINET	0.12 101	0.12 148	0.12 167	0.12 135	0.10 117	0.11 116	0.13 164	0.15 84	0.12 145	0.13 46	0.12 120	0.13 66	0.10 129	0.09 126	0.18 209	0.13 165	0.16 78	0.11 84	0.17 122	0.10 104	0.13 66	0.10 105	0.10 160	0.10 146	0.13 76	0.11 56	0.13 83	0.13 72

DeepPrunerF	0.12 101	0.10 125	0.11 154	0.13 145	0.14 170	0.09 90	0.09 121	0.15 84	0.11 130	0.12 42	0.14 142	0.10 40	0.09 116	0.07 92	0.13 157	0.11 100	0.11 36	0.13 137	0.13 75	0.11 121	0.13 66	0.09 80	0.08 129	0.08 106	0.17 128	0.15 118	0.11 63	0.14 81

CFNet	0.12 101	0.11 136	0.08 116	0.14 154	0.12 146	0.11 116	0.09 121	0.20 167	0.10 118	0.18 84	0.12 120	0.25 189	0.10 129	0.08 109	0.09 56	0.09 41	0.17 94	0.12 110	0.12 60	0.09 84	0.12 44	0.08 55	0.06 85	0.10 146	0.15 102	0.13 80	0.13 83	0.13 72

iResNetv2_ROB	0.12 101	0.08 98	0.08 116	0.12 135	0.09 101	0.12 127	0.08 104	0.17 102	0.08 71	0.22 118	0.12 120	0.20 149	0.16 188	0.07 92	0.09 56	0.09 41	0.16 78	0.11 84	0.17 122	0.10 104	0.15 92	0.10 105	0.09 146	0.10 146	0.15 102	0.13 80	0.19 156	0.12 66

PDISCO_ROB	0.12 101	0.13 163	0.13 178	0.10 109	0.08 82	0.09 90	0.09 121	0.09 37	0.08 71	0.11 40	0.10 94	0.06 24	0.05 41	0.05 52	0.10 83	0.12 136	0.14 60	0.16 186	0.09 37	0.10 104	0.14 82	0.13 169	0.04 44	0.08 106	0.17 128	0.21 198	0.32 217	0.20 154

gcap-zeroshot	0.13 112	0.08 98	0.06 67	0.08 75	0.11 133	0.11 116	0.09 121	0.18 129	0.09 97	0.28 217	0.08 64	0.20 149	0.07 86	0.10 138	0.10 83	0.12 136	0.23 179	0.11 84	0.28 205	0.13 160	0.20 166	0.11 133	0.07 105	0.08 106	0.12 65	0.18 168	0.17 128	0.19 145

AE-Stereo	0.13 112	0.09 112	0.08 116	0.11 123	0.09 101	0.08 77	0.05 49	0.17 102	0.14 162	0.24 155	0.10 94	0.19 134	0.10 129	0.07 92	0.11 116	0.12 136	0.24 198	0.13 137	0.17 122	0.11 121	0.19 153	0.10 105	0.05 67	0.09 129	0.14 94	0.14 97	0.15 107	0.14 81

MSKI-zero shot	0.13 112	0.08 98	0.05 41	0.09 92	0.11 133	0.09 90	0.07 96	0.19 151	0.09 97	0.28 217	0.10 94	0.19 134	0.06 65	0.11 152	0.11 116	0.12 136	0.23 179	0.11 84	0.17 122	0.11 121	0.22 199	0.10 105	0.07 105	0.08 106	0.14 94	0.17 153	0.18 146	0.18 135

Any-RAFT	0.13 112	0.07 68	0.06 67	0.11 123	0.09 101	0.12 127	0.08 104	0.17 102	0.10 118	0.26 190	0.09 84	0.20 149	0.08 100	0.11 152	0.11 116	0.11 100	0.22 170	0.11 84	0.21 164	0.10 104	0.22 199	0.10 105	0.08 129	0.06 54	0.16 118	0.16 135	0.17 128	0.17 116

RAFT-Test	0.13 112	0.07 68	0.06 67	0.09 92	0.11 133	0.13 136	0.08 104	0.17 102	0.11 130	0.27 204	0.11 108	0.20 149	0.05 41	0.12 172	0.10 83	0.11 100	0.23 179	0.12 110	0.21 164	0.14 170	0.21 185	0.11 133	0.07 105	0.08 106	0.17 128	0.16 135	0.17 128	0.17 116

HH	0.13 112	0.06 46	0.05 41	0.11 123	0.12 146	0.16 164	0.08 104	0.19 151	0.08 71	0.28 217	0.08 64	0.18 122	0.06 65	0.12 172	0.11 116	0.11 100	0.23 179	0.12 110	0.16 113	0.11 121	0.20 166	0.08 55	0.07 105	0.08 106	0.13 76	0.15 118	0.19 156	0.24 178

HanStereo	0.13 112	0.06 46	0.05 41	0.11 123	0.12 146	0.16 164	0.08 104	0.19 151	0.08 71	0.28 217	0.08 64	0.18 122	0.06 65	0.12 172	0.11 116	0.11 100	0.23 179	0.12 110	0.16 113	0.11 121	0.20 166	0.08 55	0.07 105	0.08 106	0.13 76	0.15 118	0.19 156	0.24 178

anonymity	0.13 112	0.06 46	0.05 41	0.09 92	0.10 117	0.09 90	0.07 96	0.18 129	0.08 71	0.28 217	0.13 130	0.19 134	0.06 65	0.09 126	0.10 83	0.13 165	0.23 179	0.12 110	0.17 122	0.15 186	0.20 166	0.10 105	0.09 146	0.07 86	0.20 171	0.19 186	0.19 156	0.19 145

iRaft-Stereo_20w	0.13 112	0.07 68	0.05 41	0.12 135	0.12 146	0.12 127	0.09 121	0.15 84	0.10 118	0.28 217	0.10 94	0.19 134	0.04 28	0.10 138	0.10 83	0.11 100	0.23 179	0.11 84	0.15 103	0.13 160	0.20 166	0.08 55	0.09 146	0.06 54	0.18 147	0.15 118	0.20 168	0.26 189

GLC_STEREO	0.13 112	0.11 136	0.12 167	0.12 135	0.11 133	0.11 116	0.10 137	0.19 151	0.07 53	0.25 176	0.13 130	0.13 66	0.07 86	0.07 92	0.09 56	0.12 136	0.24 198	0.11 84	0.17 122	0.09 84	0.27 236	0.16 199	0.07 105	0.07 86	0.16 118	0.10 37	0.20 168	0.12 66

TRStereo	0.13 112	0.07 68	0.05 41	0.09 92	0.08 82	0.17 173	0.12 159	0.18 129	0.07 53	0.25 176	0.09 84	0.20 149	0.05 41	0.10 138	0.10 83	0.11 100	0.21 159	0.11 84	0.22 176	0.14 170	0.19 153	0.09 80	0.09 146	0.07 86	0.17 128	0.17 153	0.24 194	0.19 145

LMCR-Stereo	0.13 112	0.09 112	0.07 94	0.11 123	0.08 82	0.11 116	0.09 121	0.18 129	0.09 97	0.19 96	0.14 142	0.19 134	0.14 175	0.10 138	0.10 83	0.11 100	0.20 147	0.13 137	0.19 145	0.11 121	0.18 138	0.10 105	0.08 129	0.08 106	0.15 102	0.13 80	0.19 156	0.17 116

TestStereo	0.13 112	0.12 148	0.10 139	0.11 123	0.08 82	0.11 116	0.10 137	0.19 151	0.11 130	0.24 155	0.14 142	0.20 149	0.08 100	0.06 64	0.12 143	0.10 64	0.20 147	0.11 84	0.20 158	0.10 104	0.21 185	0.11 133	0.06 85	0.12 172	0.19 161	0.11 56	0.12 72	0.13 72

CFNet_pseudo	0.13 112	0.11 136	0.11 154	0.14 154	0.11 133	0.12 127	0.11 147	0.19 151	0.12 145	0.24 155	0.14 142	0.17 107	0.15 183	0.09 126	0.10 83	0.10 64	0.16 78	0.13 137	0.13 75	0.08 56	0.15 92	0.08 55	0.08 129	0.09 129	0.15 102	0.14 97	0.19 156	0.21 169

ADLNet	0.13 112	0.11 136	0.08 116	0.13 145	0.10 117	0.16 164	0.13 164	0.14 78	0.07 53	0.13 46	0.10 94	0.25 189	0.11 140	0.29 231	0.10 83	0.10 64	0.17 94	0.09 54	0.13 75	0.09 84	0.11 38	0.09 80	0.13 185	0.06 54	0.13 76	0.13 80	0.12 72	0.14 81

EAI-Stereo	0.13 112	0.07 68	0.04 20	0.10 109	0.10 117	0.10 110	0.09 121	0.18 129	0.10 118	0.26 190	0.11 108	0.20 149	0.05 41	0.10 138	0.10 83	0.12 136	0.22 170	0.12 110	0.19 145	0.12 143	0.19 153	0.09 80	0.08 129	0.08 106	0.16 118	0.15 118	0.16 115	0.20 154

FADNet-RVC-Resample	0.13 112	0.10 125	0.12 167	0.12 135	0.10 117	0.13 136	0.10 137	0.16 92	0.13 154	0.18 84	0.13 130	0.17 107	0.12 146	0.10 138	0.11 116	0.09 41	0.13 48	0.15 174	0.15 103	0.18 207	0.15 92	0.13 169	0.10 160	0.14 190	0.17 128	0.13 80	0.12 72	0.12 66

STTStereo	0.13 112	0.14 175	0.17 209	0.13 145	0.15 179	0.13 136	0.21 205	0.13 69	0.14 162	0.15 55	0.15 158	0.17 107	0.10 129	0.11 152	0.14 175	0.12 136	0.15 69	0.15 174	0.13 75	0.11 121	0.12 44	0.10 105	0.07 105	0.09 129	0.15 102	0.14 97	0.12 72	0.16 103

R-Stereo Train	0.13 112	0.07 68	0.07 94	0.09 92	0.10 117	0.15 154	0.05 49	0.16 92	0.12 145	0.28 217	0.13 130	0.21 161	0.08 100	0.11 152	0.10 83	0.11 100	0.23 179	0.12 110	0.16 113	0.11 121	0.21 185	0.11 133	0.08 129	0.07 86	0.15 102	0.14 97	0.16 115	0.15 93

ADCRef	0.13 112	0.10 125	0.10 139	0.10 109	0.08 82	0.09 90	0.09 121	0.17 102	0.14 162	0.20 104	0.15 158	0.15 86	0.13 161	0.05 52	0.11 116	0.11 100	0.16 78	0.14 161	0.19 145	0.12 143	0.16 107	0.12 153	0.09 146	0.11 158	0.14 94	0.18 168	0.13 83	0.19 145

RAFT-Stereo	0.13 112	0.07 68	0.07 94	0.09 92	0.10 117	0.15 154	0.05 49	0.16 92	0.12 145	0.28 217	0.13 130	0.21 161	0.08 100	0.11 152	0.10 83	0.11 100	0.23 179	0.12 110	0.16 113	0.11 121	0.21 185	0.11 133	0.08 129	0.07 86	0.15 102	0.14 97	0.16 115	0.15 93
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MSMDNet	0.13 112	0.08 98	0.06 67	0.09 92	0.12 146	0.10 110	0.08 104	0.17 102	0.11 130	0.27 204	0.10 94	0.20 149	0.06 65	0.12 172	0.10 83	0.11 100	0.23 179	0.12 110	0.19 145	0.16 197	0.21 185	0.12 153	0.07 105	0.08 106	0.17 128	0.15 118	0.17 128	0.18 135

CFNet_RVC	0.13 112	0.12 148	0.10 139	0.14 154	0.11 133	0.14 144	0.09 121	0.17 102	0.09 97	0.19 96	0.13 130	0.21 161	0.09 116	0.10 138	0.12 143	0.13 165	0.18 113	0.13 137	0.15 103	0.11 121	0.16 107	0.09 80	0.06 85	0.09 129	0.16 118	0.13 80	0.16 115	0.17 116

NLCA_NET_v2_RVC	0.13 112	0.13 163	0.14 188	0.14 154	0.16 181	0.13 136	0.21 205	0.13 69	0.15 172	0.16 62	0.16 169	0.21 161	0.10 129	0.15 197	0.12 143	0.12 136	0.16 78	0.12 110	0.11 49	0.09 84	0.12 44	0.10 105	0.08 129	0.09 129	0.13 76	0.13 80	0.11 63	0.16 103
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PWCDC_ROB	0.13 112	0.06 46	0.09 126	0.07 70	0.13 159	0.08 77	0.13 164	0.06 19	0.24 219	0.09 32	0.15 158	0.10 40	0.45 246	0.26 222	0.12 143	0.10 64	0.09 24	0.12 110	0.08 25	0.11 121	0.08 24	0.12 153	0.19 209	0.13 183	0.08 25	0.14 97	0.08 33	0.18 135

model_zeroshot	0.14 137	0.09 112	0.06 67	0.10 109	0.10 117	0.13 136	0.08 104	0.20 167	0.12 145	0.28 217	0.09 84	0.22 174	0.06 65	0.11 152	0.10 83	0.12 136	0.26 216	0.13 137	0.28 205	0.12 143	0.21 185	0.13 169	0.11 169	0.09 129	0.18 147	0.18 168	0.18 146	0.18 135

MyStereo04	0.14 137	0.12 148	0.11 154	0.08 75	0.09 101	0.11 116	0.08 104	0.23 195	0.19 196	0.24 155	0.16 169	0.23 179	0.11 140	0.04 36	0.11 116	0.11 100	0.17 94	0.12 110	0.21 164	0.12 143	0.17 121	0.12 153	0.06 85	0.12 172	0.21 184	0.14 97	0.16 115	0.15 93

IGEV_Zeroshot_test	0.14 137	0.07 68	0.06 67	0.13 145	0.13 159	0.10 110	0.11 147	0.17 102	0.09 97	0.28 217	0.10 94	0.23 179	0.05 41	0.12 172	0.10 83	0.11 100	0.23 179	0.11 84	0.17 122	0.12 143	0.20 166	0.10 105	0.09 146	0.06 54	0.20 171	0.15 118	0.23 187	0.27 192

dd	0.14 137	0.12 148	0.07 94	0.25 209	0.11 133	0.19 190	0.09 121	0.17 102	0.08 71	0.17 71	0.08 64	0.33 203	0.08 100	0.06 64	0.11 116	0.11 100	0.24 198	0.11 84	0.25 193	0.09 84	0.15 92	0.09 80	0.06 85	0.09 129	0.17 128	0.13 80	0.18 146	0.14 81

AACVNet	0.14 137	0.13 163	0.10 139	0.13 145	0.13 159	0.14 144	0.10 137	0.19 151	0.11 130	0.22 118	0.18 188	0.14 80	0.10 129	0.09 126	0.12 143	0.11 100	0.21 159	0.13 137	0.17 122	0.12 143	0.16 107	0.11 133	0.11 169	0.11 158	0.18 147	0.14 97	0.14 94	0.16 103

cross-raft	0.14 137	0.08 98	0.07 94	0.08 75	0.10 117	0.12 127	0.08 104	0.17 102	0.13 154	0.27 204	0.12 120	0.21 161	0.05 41	0.11 152	0.13 157	0.14 184	0.22 170	0.11 84	0.23 183	0.13 160	0.23 210	0.10 105	0.06 85	0.08 106	0.22 195	0.18 168	0.14 94	0.16 103

GEStereo_RVC	0.14 137	0.13 163	0.10 139	0.11 123	0.12 146	0.12 127	0.11 147	0.18 129	0.13 154	0.24 155	0.16 169	0.18 122	0.10 129	0.06 64	0.13 157	0.12 136	0.20 147	0.16 186	0.23 183	0.13 160	0.16 107	0.14 180	0.07 105	0.11 158	0.21 184	0.15 118	0.13 83	0.20 154

sAnonymous2	0.14 137	0.09 112	0.10 139	0.10 109	0.09 101	0.09 90	0.11 147	0.22 188	0.11 130	0.23 133	0.17 178	0.15 86	0.10 129	0.06 64	0.13 157	0.14 184	0.18 113	0.15 174	0.21 164	0.14 170	0.17 121	0.15 190	0.05 67	0.10 146	0.17 128	0.17 153	0.17 128	0.16 103

CroCo_RVC	0.14 137	0.09 112	0.10 139	0.10 109	0.09 101	0.09 90	0.11 147	0.22 188	0.11 130	0.23 133	0.17 178	0.15 86	0.10 129	0.06 64	0.13 157	0.14 184	0.18 113	0.15 174	0.21 164	0.14 170	0.17 121	0.15 190	0.05 67	0.10 146	0.17 128	0.17 153	0.17 128	0.16 103

sCroCo_RVC	0.14 137	0.09 112	0.09 126	0.08 75	0.07 66	0.10 110	0.07 96	0.20 167	0.14 162	0.18 84	0.12 120	0.13 66	0.14 175	0.06 64	0.14 175	0.16 206	0.22 170	0.15 174	0.22 176	0.13 160	0.21 185	0.16 199	0.06 85	0.12 172	0.18 147	0.15 118	0.17 128	0.17 116

XX-Stereo	0.14 137	0.05 29	0.05 41	0.10 109	0.07 66	0.17 173	0.07 96	0.18 129	0.10 118	0.27 204	0.09 84	0.21 161	0.03 16	0.10 138	0.11 116	0.12 136	0.22 170	0.11 84	0.21 164	0.11 121	0.20 166	0.09 80	0.08 129	0.07 86	0.23 204	0.17 153	0.17 128	0.35 214

GES	0.14 137	0.11 136	0.07 94	0.09 92	0.11 133	0.15 154	0.09 121	0.20 167	0.09 97	0.23 133	0.12 120	0.17 107	0.11 140	0.14 189	0.12 143	0.11 100	0.23 179	0.14 161	0.24 189	0.14 170	0.18 138	0.18 207	0.11 169	0.09 129	0.15 102	0.13 80	0.21 181	0.20 154

RTSC	0.14 137	0.11 136	0.11 154	0.12 135	0.11 133	0.12 127	0.10 137	0.16 92	0.14 162	0.18 84	0.13 130	0.15 86	0.14 175	0.08 109	0.13 157	0.13 165	0.20 147	0.13 137	0.21 164	0.12 143	0.16 107	0.12 153	0.07 105	0.10 146	0.16 118	0.17 153	0.21 181	0.33 207

ADCL	0.14 137	0.12 148	0.11 154	0.13 145	0.11 133	0.14 144	0.11 147	0.18 129	0.16 176	0.22 118	0.16 169	0.21 161	0.13 161	0.09 126	0.12 143	0.12 136	0.17 94	0.13 137	0.18 136	0.13 160	0.19 153	0.14 180	0.11 169	0.11 158	0.17 128	0.16 135	0.16 115	0.17 116

DeepPruner_ROB	0.14 137	0.13 163	0.11 154	0.12 135	0.11 133	0.11 116	0.09 121	0.17 102	0.12 145	0.21 113	0.18 188	0.15 86	0.13 161	0.08 109	0.14 175	0.11 100	0.18 113	0.15 174	0.19 145	0.11 121	0.18 138	0.14 180	0.10 160	0.11 158	0.17 128	0.17 153	0.17 128	0.19 145

MLCV	0.14 137	0.11 136	0.09 126	0.16 169	0.12 146	0.14 144	0.11 147	0.21 179	0.10 118	0.24 155	0.13 130	0.21 161	0.15 183	0.08 109	0.10 83	0.10 64	0.19 132	0.11 84	0.19 145	0.09 84	0.18 138	0.09 80	0.10 160	0.09 129	0.17 128	0.14 97	0.16 115	0.20 154

HSM	0.14 137	0.12 148	0.09 126	0.14 154	0.13 159	0.12 127	0.11 147	0.18 129	0.11 130	0.23 133	0.15 158	0.18 122	0.14 175	0.08 109	0.12 143	0.11 100	0.21 159	0.12 110	0.17 122	0.12 143	0.18 138	0.11 133	0.07 105	0.08 106	0.17 128	0.16 135	0.17 128	0.18 135

DLCB_ROB	0.14 137	0.12 148	0.12 167	0.10 109	0.10 117	0.10 110	0.09 121	0.16 92	0.12 145	0.18 84	0.17 178	0.19 134	0.13 161	0.11 152	0.12 143	0.11 100	0.16 78	0.13 137	0.14 88	0.10 104	0.18 138	0.11 133	0.09 146	0.12 172	0.27 216	0.16 135	0.16 115	0.14 81

AIO-Stereo-zeroshot1	0.15 155	0.07 68	0.05 41	0.12 135	0.13 159	0.15 154	0.09 121	0.17 102	0.13 154	0.28 217	0.09 84	0.23 179	0.05 41	0.12 172	0.12 143	0.12 136	0.26 216	0.12 110	0.33 219	0.11 121	0.20 166	0.13 169	0.08 129	0.07 86	0.22 195	0.20 196	0.20 168	0.33 207

AIO-Stereo-zeroshot	0.15 155	0.07 68	0.06 67	0.15 164	0.12 146	0.15 154	0.10 137	0.18 129	0.09 97	0.26 190	0.08 64	0.19 134	0.08 100	0.11 152	0.11 116	0.12 136	0.25 206	0.13 137	0.26 197	0.12 143	0.20 166	0.11 133	0.08 129	0.07 86	0.20 171	0.19 186	0.20 168	0.31 204

EKT-Stereo	0.15 155	0.10 125	0.07 94	0.13 145	0.13 159	0.16 164	0.17 188	0.17 102	0.11 130	0.26 190	0.17 178	0.17 107	0.07 86	0.11 152	0.11 116	0.11 100	0.24 198	0.15 174	0.24 189	0.12 143	0.25 226	0.10 105	0.07 105	0.08 106	0.20 171	0.16 135	0.17 128	0.17 116

CASS	0.15 155	0.12 148	0.10 139	0.14 154	0.12 146	0.16 164	0.10 137	0.19 151	0.15 172	0.26 190	0.12 120	0.20 149	0.12 146	0.09 126	0.13 157	0.12 136	0.23 179	0.12 110	0.24 189	0.10 104	0.20 166	0.11 133	0.07 105	0.09 129	0.23 204	0.14 97	0.19 156	0.22 173
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
UDGNet	0.15 155	0.13 163	0.10 139	0.18 182	0.17 187	0.16 164	0.20 199	0.16 92	0.11 130	0.16 62	0.14 142	0.16 102	0.05 41	0.44 244	0.10 83	0.10 64	0.17 94	0.12 110	0.14 88	0.09 84	0.17 121	0.10 105	0.29 248	0.07 86	0.17 128	0.16 135	0.12 72	0.13 72

GANet-ADL	0.15 155	0.12 148	0.09 126	0.14 154	0.12 146	0.16 164	0.12 159	0.20 167	0.10 118	0.25 176	0.15 158	0.22 174	0.12 146	0.21 216	0.11 116	0.11 100	0.25 206	0.14 161	0.21 164	0.14 170	0.19 153	0.10 105	0.08 129	0.10 146	0.17 128	0.16 135	0.20 168	0.17 116

test-1	0.15 155	0.06 46	0.07 94	0.11 123	0.10 117	0.18 181	0.14 170	0.19 151	0.13 154	0.28 217	0.10 94	0.19 134	0.11 140	0.12 172	0.13 157	0.14 184	0.22 170	0.12 110	0.23 183	0.10 104	0.24 220	0.09 80	0.09 146	0.08 106	0.21 184	0.18 168	0.15 107	0.18 135

ICVP	0.15 155	0.13 163	0.14 188	0.12 135	0.12 146	0.13 136	0.10 137	0.17 102	0.12 145	0.17 71	0.14 142	0.18 122	0.12 146	0.09 126	0.13 157	0.14 184	0.18 113	0.15 174	0.16 113	0.14 170	0.17 121	0.14 180	0.20 211	0.11 158	0.19 161	0.19 186	0.17 128	0.17 116
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
APVNet	0.15 155	0.13 163	0.11 154	0.13 145	0.17 187	0.15 154	0.13 164	0.19 151	0.11 130	0.14 49	0.13 130	0.17 107	0.09 116	0.16 200	0.17 201	0.16 206	0.21 159	0.14 161	0.22 176	0.15 186	0.15 92	0.12 153	0.07 105	0.12 172	0.17 128	0.15 118	0.19 156	0.17 116

psm_up	0.15 155	0.11 136	0.13 178	0.15 164	0.12 146	0.14 144	0.11 147	0.20 167	0.17 183	0.19 96	0.13 130	0.15 86	0.17 191	0.10 138	0.14 175	0.12 136	0.19 132	0.13 137	0.17 122	0.11 121	0.15 92	0.10 105	0.10 160	0.16 201	0.18 147	0.17 153	0.17 128	0.19 145

FADNet-RVC	0.15 155	0.13 163	0.11 154	0.18 182	0.12 146	0.14 144	0.10 137	0.21 179	0.09 97	0.19 96	0.17 178	0.18 122	0.12 146	0.11 152	0.17 201	0.15 202	0.18 113	0.13 137	0.18 136	0.15 186	0.12 44	0.13 169	0.12 181	0.11 158	0.21 184	0.16 135	0.14 94	0.15 93

AF-Net	0.15 155	0.13 163	0.13 178	0.14 154	0.18 193	0.15 154	0.14 170	0.17 102	0.16 176	0.17 71	0.21 207	0.18 122	0.12 146	0.10 138	0.18 209	0.16 206	0.14 60	0.14 161	0.15 103	0.11 121	0.12 44	0.11 133	0.13 185	0.10 146	0.15 102	0.16 135	0.20 168	0.15 93

RP	0.15 155	0.14 175	0.16 199	0.17 177	0.14 170	0.17 173	0.16 180	0.19 151	0.17 183	0.14 49	0.16 169	0.16 102	0.15 183	0.11 152	0.14 175	0.12 136	0.15 69	0.12 110	0.15 103	0.12 143	0.12 44	0.13 169	0.10 160	0.12 172	0.17 128	0.17 153	0.20 168	0.18 135

Nwc_Net	0.15 155	0.13 163	0.13 178	0.14 154	0.18 193	0.15 154	0.14 170	0.17 102	0.16 176	0.17 71	0.21 207	0.18 122	0.12 146	0.10 138	0.18 209	0.16 206	0.14 60	0.14 161	0.15 103	0.11 121	0.12 44	0.11 133	0.13 185	0.10 146	0.15 102	0.16 135	0.20 168	0.15 93

UCFNet_RVC	0.15 155	0.17 195	0.12 167	0.16 169	0.14 170	0.17 173	0.11 147	0.17 102	0.13 154	0.21 113	0.13 130	0.28 193	0.12 146	0.10 138	0.12 143	0.13 165	0.18 113	0.13 137	0.17 122	0.12 143	0.17 121	0.09 80	0.10 160	0.11 158	0.19 161	0.16 135	0.17 128	0.20 154

NVstereo2D	0.15 155	0.11 136	0.11 154	0.19 188	0.14 170	0.21 204	0.24 218	0.13 69	0.11 130	0.16 62	0.14 142	0.10 40	0.08 100	0.40 243	0.12 143	0.12 136	0.21 159	0.14 161	0.16 113	0.10 104	0.12 44	0.09 80	0.25 225	0.08 106	0.15 102	0.13 80	0.14 94	0.13 72

LoS	0.16 171	0.10 125	0.08 116	0.10 109	0.11 133	0.09 90	0.07 96	0.50 254	0.05 20	0.32 237	0.36 249	0.36 208	0.06 65	0.09 126	0.09 56	0.10 64	0.19 132	0.09 54	0.15 103	0.11 121	0.21 185	0.09 80	0.07 105	0.07 86	0.18 147	0.12 71	0.20 168	0.21 169
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
SACVNet	0.16 171	0.14 175	0.13 178	0.16 169	0.13 159	0.14 144	0.12 159	0.19 151	0.17 183	0.19 96	0.17 178	0.14 80	0.07 86	0.14 189	0.15 186	0.14 184	0.19 132	0.16 186	0.20 158	0.13 160	0.17 121	0.14 180	0.12 181	0.13 183	0.21 184	0.19 186	0.19 156	0.17 116

pcwnet_v2	0.16 171	0.12 148	0.12 167	0.16 169	0.14 170	0.17 173	0.14 170	0.20 167	0.13 154	0.22 118	0.14 142	0.19 134	0.18 194	0.12 172	0.11 116	0.12 136	0.18 113	0.14 161	0.17 122	0.12 143	0.16 107	0.11 133	0.09 146	0.11 158	0.20 171	0.19 186	0.19 156	0.28 196

FADNet	0.16 171	0.15 183	0.10 139	0.20 193	0.10 117	0.19 190	0.13 164	0.21 179	0.13 154	0.22 118	0.26 231	0.17 107	0.14 175	0.12 172	0.20 221	0.16 206	0.16 78	0.14 161	0.23 183	0.20 218	0.16 107	0.13 169	0.11 169	0.11 158	0.21 184	0.17 153	0.16 115	0.15 93

stereogan	0.16 171	0.15 183	0.15 195	0.16 169	0.18 193	0.18 181	0.16 180	0.20 167	0.19 196	0.14 49	0.16 169	0.20 149	0.18 194	0.13 186	0.16 194	0.13 165	0.16 78	0.14 161	0.18 136	0.14 170	0.15 92	0.13 169	0.13 185	0.13 183	0.16 118	0.17 153	0.23 187	0.18 135

HSM-Net_RVC	0.16 171	0.12 148	0.10 139	0.17 177	0.13 159	0.14 144	0.10 137	0.18 129	0.14 162	0.25 176	0.18 188	0.28 193	0.17 191	0.11 152	0.12 143	0.11 100	0.19 132	0.13 137	0.17 122	0.11 121	0.18 138	0.12 153	0.08 129	0.11 158	0.19 161	0.17 153	0.23 187	0.24 178
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
GwcNet-ADL	0.17 177	0.12 148	0.11 154	0.19 188	0.14 170	0.17 173	0.14 170	0.21 179	0.14 162	0.24 155	0.17 178	0.32 202	0.16 188	0.20 211	0.13 157	0.14 184	0.23 179	0.15 174	0.23 183	0.13 160	0.18 138	0.12 153	0.06 85	0.10 146	0.19 161	0.16 135	0.19 156	0.22 173

PS-NSSS	0.17 177	0.19 204	0.18 214	0.23 201	0.18 193	0.18 181	0.16 180	0.22 188	0.12 145	0.23 133	0.21 207	0.44 216	0.08 100	0.11 152	0.14 175	0.10 64	0.13 48	0.13 137	0.26 197	0.11 121	0.11 38	0.07 42	0.18 207	0.15 193	0.17 128	0.21 198	0.14 94	0.20 154

iResNet	0.17 177	0.11 136	0.10 139	0.15 164	0.13 159	0.17 173	0.12 159	0.21 179	0.14 162	0.25 176	0.14 142	0.35 206	0.32 226	0.08 109	0.12 143	0.11 100	0.20 147	0.12 110	0.26 197	0.15 186	0.18 138	0.12 153	0.11 169	0.13 183	0.18 147	0.15 118	0.20 168	0.19 145

dad	0.18 180	0.16 187	0.12 167	0.36 222	0.16 181	0.24 214	0.21 205	0.24 199	0.09 97	0.22 118	0.11 108	0.38 211	0.12 146	0.08 109	0.13 157	0.11 100	0.27 225	0.13 137	0.30 211	0.11 121	0.19 153	0.12 153	0.09 146	0.13 183	0.19 161	0.14 97	0.31 214	0.24 178

PSMNet-ADL	0.18 180	0.13 163	0.13 178	0.16 169	0.14 170	0.17 173	0.16 180	0.20 167	0.22 214	0.27 204	0.20 205	0.29 199	0.26 213	0.18 202	0.16 194	0.14 184	0.23 179	0.14 161	0.22 176	0.14 170	0.19 153	0.11 133	0.10 160	0.11 158	0.20 171	0.16 135	0.23 187	0.20 154

Anonymous3	0.18 180	0.15 183	0.11 154	0.15 164	0.10 117	0.14 144	0.11 147	0.22 188	0.19 196	0.27 204	0.15 158	0.27 192	0.12 146	0.12 172	0.27 238	0.18 224	0.22 170	0.18 209	0.26 197	0.17 201	0.25 226	0.21 228	0.09 146	0.10 146	0.21 184	0.21 198	0.22 186	0.20 154

FADNet_RVC	0.18 180	0.14 175	0.13 178	0.20 193	0.15 179	0.14 144	0.13 164	0.24 199	0.14 162	0.24 155	0.18 188	0.28 193	0.22 208	0.14 189	0.15 186	0.12 136	0.20 147	0.17 199	0.32 215	0.15 186	0.20 166	0.15 190	0.11 169	0.15 193	0.20 171	0.21 198	0.18 146	0.23 176

NCC-stereo	0.18 180	0.16 187	0.16 199	0.16 169	0.18 193	0.18 181	0.18 190	0.19 151	0.20 210	0.16 62	0.19 197	0.21 161	0.21 202	0.12 172	0.22 225	0.18 224	0.18 113	0.19 214	0.19 145	0.15 186	0.16 107	0.15 190	0.15 193	0.12 172	0.19 161	0.18 168	0.24 194	0.20 154

Abc-Net	0.18 180	0.16 187	0.16 199	0.16 169	0.18 193	0.18 181	0.18 190	0.19 151	0.20 210	0.16 62	0.19 197	0.21 161	0.21 202	0.12 172	0.22 225	0.18 224	0.18 113	0.19 214	0.19 145	0.15 186	0.16 107	0.15 190	0.15 193	0.12 172	0.19 161	0.18 168	0.24 194	0.20 154
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
NCCL2	0.18 180	0.17 195	0.16 199	0.13 145	0.13 159	0.13 136	0.12 159	0.21 179	0.18 189	0.22 118	0.15 158	0.23 179	0.13 161	0.10 138	0.17 201	0.16 206	0.19 132	0.17 199	0.19 145	0.17 201	0.22 199	0.18 207	0.11 169	0.16 201	0.26 213	0.26 223	0.20 168	0.24 178

XPNet_ROB	0.18 180	0.21 210	0.14 188	0.15 164	0.16 181	0.15 154	0.15 175	0.16 92	0.14 162	0.19 96	0.19 197	0.49 223	0.13 161	0.11 152	0.16 194	0.14 184	0.25 206	0.16 186	0.18 136	0.14 170	0.17 121	0.19 216	0.13 185	0.14 190	0.18 147	0.17 153	0.32 217	0.29 199

DAS	0.19 188	0.11 136	0.10 139	0.24 206	0.19 200	0.18 181	0.21 205	0.23 195	0.18 189	0.24 155	0.14 142	0.38 211	0.21 202	0.09 126	0.13 157	0.12 136	0.25 206	0.16 186	0.22 176	0.15 186	0.21 185	0.14 180	0.17 201	0.13 183	0.20 171	0.18 168	0.23 187	0.30 200

SepStereo	0.19 188	0.11 136	0.10 139	0.24 206	0.19 200	0.18 181	0.21 205	0.23 195	0.18 189	0.24 155	0.14 142	0.38 211	0.21 202	0.09 126	0.13 157	0.12 136	0.25 206	0.16 186	0.22 176	0.15 186	0.21 185	0.14 180	0.17 201	0.13 183	0.20 171	0.18 168	0.23 187	0.30 200

RGC	0.19 188	0.17 195	0.17 209	0.19 188	0.20 204	0.20 196	0.15 175	0.22 188	0.26 228	0.17 71	0.21 207	0.21 161	0.24 210	0.15 197	0.24 232	0.19 232	0.18 113	0.16 186	0.19 145	0.16 197	0.17 121	0.14 180	0.13 185	0.16 201	0.21 184	0.21 198	0.24 194	0.25 186

PA-Net	0.19 188	0.21 210	0.25 234	0.14 154	0.20 204	0.18 181	0.21 205	0.21 179	0.19 196	0.17 71	0.15 158	0.17 107	0.21 202	0.26 222	0.17 201	0.18 224	0.15 69	0.19 214	0.13 75	0.17 201	0.14 82	0.16 199	0.10 160	0.16 201	0.18 147	0.27 234	0.17 128	0.35 214
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NaN_ROB	0.19 188	0.20 208	0.19 220	0.19 188	0.20 204	0.16 164	0.15 175	0.28 211	0.19 196	0.23 133	0.18 188	0.46 220	0.17 191	0.11 152	0.14 175	0.13 165	0.15 69	0.14 161	0.21 164	0.19 211	0.13 66	0.11 133	0.09 146	0.21 213	0.25 209	0.23 211	0.26 203	0.28 196

pmcnn	0.19 188	0.14 175	0.11 154	0.18 182	0.13 159	0.19 190	0.16 180	0.20 167	0.19 196	0.26 190	0.15 158	0.35 206	0.26 213	0.09 126	0.11 116	0.11 100	0.25 206	0.14 161	0.24 189	0.14 170	0.23 210	0.15 190	0.11 169	0.11 158	0.21 184	0.19 186	0.40 237	0.46 235

SFCPSM	0.20 194	0.14 175	0.12 167	0.21 197	0.16 181	0.20 196	0.18 190	0.22 188	0.20 210	0.25 176	0.24 221	0.34 205	0.34 233	0.14 189	0.13 157	0.13 165	0.24 198	0.16 186	0.32 215	0.19 211	0.19 153	0.13 169	0.14 191	0.12 172	0.22 195	0.18 168	0.20 168	0.25 186

RTS	0.20 194	0.16 187	0.14 188	0.17 177	0.14 170	0.20 196	0.15 175	0.24 199	0.25 224	0.15 55	0.14 142	0.14 80	0.20 200	0.11 152	0.15 186	0.16 206	0.24 198	0.17 199	0.35 223	0.24 229	0.23 210	0.16 199	0.09 146	0.15 193	0.29 224	0.26 223	0.28 209	0.55 244

RTSA	0.20 194	0.16 187	0.14 188	0.17 177	0.14 170	0.20 196	0.15 175	0.24 199	0.25 224	0.15 55	0.14 142	0.14 80	0.20 200	0.11 152	0.15 186	0.16 206	0.24 198	0.17 199	0.35 223	0.24 229	0.23 210	0.16 199	0.09 146	0.15 193	0.29 224	0.26 223	0.28 209	0.55 244

ccs_rob	0.20 194	0.15 183	0.12 167	0.26 211	0.16 181	0.26 217	0.20 199	0.22 188	0.16 176	0.25 176	0.24 221	0.58 231	0.25 211	0.18 202	0.13 157	0.13 165	0.23 179	0.15 174	0.21 164	0.16 197	0.21 185	0.12 153	0.12 181	0.11 158	0.20 171	0.16 135	0.18 146	0.23 176

SGM-Forest	0.20 194	0.18 201	0.16 199	0.23 201	0.18 193	0.21 204	0.18 190	0.23 195	0.17 183	0.20 104	0.16 169	0.23 179	0.18 194	0.22 217	0.18 209	0.18 224	0.19 132	0.17 199	0.18 136	0.15 186	0.18 138	0.19 216	0.25 225	0.19 212	0.22 195	0.18 168	0.26 203	0.24 178
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
HBP-ISP	0.21 199	0.16 187	0.13 178	0.26 211	0.23 213	0.22 208	0.18 190	0.29 218	0.18 189	0.28 217	0.19 197	0.22 174	0.12 146	0.28 230	0.11 116	0.14 184	0.26 216	0.19 214	0.20 158	0.13 160	0.23 210	0.23 235	0.26 231	0.24 227	0.25 209	0.24 213	0.23 187	0.26 189

AnyNet_C32	0.21 199	0.16 187	0.15 195	0.17 177	0.17 187	0.19 190	0.16 180	0.26 206	0.22 214	0.25 176	0.24 221	0.24 185	0.18 194	0.14 189	0.22 225	0.18 224	0.28 232	0.22 226	0.30 211	0.19 211	0.28 238	0.23 235	0.16 196	0.18 210	0.22 195	0.22 206	0.21 181	0.24 178

NOSS_ROB	0.21 199	0.14 175	0.16 199	0.21 197	0.19 200	0.20 196	0.22 211	0.30 220	0.18 189	0.25 176	0.16 169	0.21 161	0.13 161	0.27 229	0.15 186	0.14 184	0.26 216	0.21 222	0.22 176	0.17 201	0.23 210	0.22 232	0.26 231	0.24 227	0.26 213	0.23 211	0.24 194	0.27 192

SHD	0.22 202	0.17 195	0.21 228	0.18 182	0.17 187	0.19 190	0.20 199	0.27 209	0.17 183	0.27 204	0.19 197	0.24 185	0.32 226	0.17 201	0.16 194	0.15 202	0.19 132	0.17 199	0.33 219	0.18 207	0.21 185	0.18 207	0.16 196	0.17 206	0.24 207	0.28 238	0.25 200	0.43 228

ADCMid	0.22 202	0.18 201	0.17 209	0.18 182	0.19 200	0.20 196	0.16 180	0.30 220	0.25 224	0.24 155	0.19 197	0.36 208	0.21 202	0.12 172	0.18 209	0.16 206	0.25 206	0.18 209	0.37 227	0.19 211	0.24 220	0.20 225	0.17 201	0.15 193	0.24 207	0.22 206	0.25 200	0.30 200

ADCPNet	0.22 202	0.17 195	0.16 199	0.20 193	0.20 204	0.20 196	0.18 190	0.28 211	0.23 216	0.26 190	0.23 218	0.26 191	0.29 221	0.15 197	0.19 217	0.17 218	0.24 198	0.17 199	0.32 215	0.23 228	0.25 226	0.20 225	0.17 201	0.22 216	0.25 209	0.24 213	0.27 206	0.34 212

CBMV_ROB	0.22 202	0.14 175	0.16 199	0.26 211	0.23 213	0.21 204	0.22 211	0.28 211	0.17 183	0.26 190	0.17 178	0.28 193	0.18 194	0.26 222	0.13 157	0.12 136	0.26 216	0.17 199	0.19 145	0.17 201	0.21 185	0.19 216	0.26 231	0.21 213	0.25 209	0.27 234	0.25 200	0.34 212

ETE_ROB	0.22 202	0.23 220	0.15 195	0.20 193	0.16 181	0.19 190	0.17 188	0.18 129	0.19 196	0.21 113	0.22 216	0.64 234	0.16 188	0.14 189	0.17 201	0.14 184	0.30 237	0.19 214	0.25 193	0.19 211	0.22 199	0.18 207	0.16 196	0.15 193	0.22 195	0.28 238	0.41 239	0.27 192

LALA_ROB	0.22 202	0.25 224	0.16 199	0.19 188	0.17 187	0.22 208	0.16 180	0.18 129	0.19 196	0.24 155	0.21 207	0.63 233	0.15 183	0.13 186	0.26 235	0.17 218	0.27 225	0.22 226	0.23 183	0.19 211	0.20 166	0.21 228	0.14 191	0.15 193	0.20 171	0.22 206	0.35 225	0.26 189

CBMV	0.22 202	0.18 201	0.18 214	0.23 201	0.22 209	0.20 196	0.18 190	0.27 209	0.19 196	0.28 217	0.11 108	0.30 200	0.13 161	0.24 219	0.16 194	0.14 184	0.25 206	0.18 209	0.20 158	0.16 197	0.22 199	0.19 216	0.24 224	0.23 219	0.27 216	0.24 213	0.36 228	0.42 225
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	0.23 209	0.26 227	0.15 195	0.46 237	0.24 218	0.36 231	0.20 199	0.24 199	0.16 176	0.26 190	0.15 158	0.28 193	0.27 217	0.11 152	0.13 157	0.13 165	0.21 159	0.12 110	0.18 136	0.12 143	0.20 166	0.11 133	0.11 169	0.12 172	0.36 241	0.25 222	0.57 249	0.33 207

PWC_ROB	0.23 209	0.20 208	0.14 188	0.18 182	0.17 187	0.16 164	0.20 199	0.21 179	0.27 231	0.15 55	0.21 207	0.28 193	0.63 255	0.13 186	0.14 175	0.13 165	0.27 225	0.18 209	0.37 227	0.19 211	0.22 199	0.18 207	0.16 196	0.24 227	0.20 171	0.19 186	0.24 194	0.44 231

FCDSN-DC	0.25 211	0.25 224	0.26 236	0.28 218	0.26 221	0.26 217	0.35 229	0.28 211	0.18 189	0.20 104	0.18 188	0.21 161	0.12 146	0.29 231	0.25 233	0.26 241	0.29 234	0.28 244	0.28 205	0.21 220	0.25 226	0.25 240	0.26 231	0.32 245	0.27 216	0.24 213	0.26 203	0.27 192
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_DS_RVC	0.25 211	0.25 224	0.20 222	0.29 219	0.22 209	0.22 208	0.23 214	0.37 237	0.28 234	0.35 248	0.22 216	0.46 220	0.32 226	0.20 211	0.19 217	0.17 218	0.17 94	0.16 186	0.30 211	0.14 170	0.21 185	0.19 216	0.27 244	0.23 219	0.29 224	0.26 223	0.33 219	0.31 204

SGM-ForestM	0.25 211	0.22 215	0.16 199	0.37 224	0.24 218	0.32 224	0.24 218	0.29 218	0.21 213	0.23 133	0.18 188	0.50 225	0.26 213	0.20 211	0.15 186	0.13 165	0.23 179	0.16 186	0.25 193	0.15 186	0.20 166	0.17 205	0.21 215	0.17 206	0.37 242	0.26 223	0.52 244	0.37 216

SGM_RVC	0.25 211	0.24 222	0.18 214	0.39 231	0.27 224	0.34 230	0.26 223	0.28 211	0.19 196	0.25 176	0.18 188	0.42 214	0.31 224	0.18 202	0.14 175	0.13 165	0.23 179	0.15 174	0.26 197	0.14 170	0.19 153	0.15 190	0.19 209	0.17 206	0.34 237	0.24 213	0.56 248	0.45 233
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DDUNet	0.26 215	0.21 210	0.12 167	0.38 227	0.31 233	0.41 238	0.48 244	0.20 167	0.16 176	0.16 62	0.25 226	0.17 107	0.08 100	1.61 261	0.15 186	0.14 184	0.21 159	0.15 174	0.25 193	0.14 170	0.18 138	0.13 169	0.25 225	0.16 201	0.17 128	0.19 186	0.18 146	0.22 173

UDG	0.26 215	0.21 210	0.13 178	0.39 231	0.32 234	0.39 236	0.53 249	0.20 167	0.16 176	0.19 96	0.23 218	0.17 107	0.09 116	1.45 257	0.16 194	0.13 165	0.27 225	0.16 186	0.27 204	0.14 170	0.22 199	0.14 180	0.25 225	0.12 172	0.21 184	0.21 198	0.21 181	0.19 145

FAT-Stereo	0.26 215	0.19 204	0.17 209	0.38 227	0.37 238	0.31 220	0.25 222	0.26 206	0.18 189	0.28 217	0.25 226	0.33 203	0.36 236	0.26 222	0.18 209	0.16 206	0.27 225	0.23 231	0.33 219	0.21 220	0.22 199	0.19 216	0.22 217	0.22 216	0.22 195	0.22 206	0.33 219	0.43 228

GANetREF_RVC	0.26 215	0.26 227	0.30 242	0.23 201	0.23 213	0.23 212	0.24 218	0.35 232	0.33 246	0.32 237	0.18 188	0.50 225	0.38 240	0.12 172	0.22 225	0.18 224	0.20 147	0.21 222	0.35 223	0.21 220	0.24 220	0.16 199	0.22 217	0.29 240	0.28 220	0.21 198	0.36 228	0.33 207
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
CSAN	0.26 215	0.30 237	0.30 242	0.26 211	0.23 213	0.21 204	0.19 197	0.28 211	0.37 251	0.35 248	0.24 221	0.51 228	0.27 217	0.14 189	0.22 225	0.17 218	0.19 132	0.20 219	0.26 197	0.25 233	0.22 199	0.20 225	0.17 201	0.27 234	0.31 229	0.26 223	0.39 233	0.38 218

FC-DCNN v2	0.27 220	0.28 233	0.27 237	0.37 224	0.29 230	0.32 224	0.38 234	0.33 228	0.19 196	0.22 118	0.19 197	0.24 185	0.13 161	0.29 231	0.26 235	0.27 244	0.29 234	0.27 240	0.29 209	0.22 225	0.26 234	0.25 240	0.26 231	0.31 242	0.32 234	0.26 223	0.31 214	0.31 204

FC-DCNN	0.27 220	0.28 233	0.27 237	0.36 222	0.28 226	0.32 224	0.38 234	0.33 228	0.19 196	0.22 118	0.19 197	0.23 179	0.13 161	0.29 231	0.26 235	0.27 244	0.29 234	0.27 240	0.29 209	0.22 225	0.26 234	0.25 240	0.26 231	0.31 242	0.31 229	0.26 223	0.30 211	0.30 200

FBW_ROB	0.27 220	0.26 227	0.25 234	0.38 227	0.26 221	0.32 224	0.20 199	0.21 179	0.19 196	0.27 204	0.21 207	0.45 217	0.32 226	0.26 222	0.22 225	0.20 235	0.27 225	0.17 199	0.52 241	0.14 170	0.22 199	0.15 190	0.17 201	0.28 237	0.22 195	0.19 186	0.33 219	0.57 247

CC-Net-ROB	0.28 223	0.40 243	0.29 240	0.57 244	0.44 243	0.42 240	0.38 234	0.32 225	0.19 196	0.33 241	0.28 237	0.69 239	0.10 129	0.32 239	0.21 223	0.13 165	0.14 60	0.16 186	0.40 230	0.18 207	0.15 92	0.09 80	0.23 220	0.24 227	0.22 195	0.21 198	0.19 156	0.28 196

G-Net	0.29 224	0.24 222	0.19 220	0.24 206	0.21 208	0.36 231	0.23 214	0.30 220	0.27 231	0.33 241	0.33 247	0.89 257	0.25 211	0.19 208	0.21 223	0.18 224	0.26 216	0.22 226	0.44 233	0.31 245	0.27 236	0.18 207	0.18 207	0.18 210	0.28 220	0.24 213	0.40 237	0.41 223

XQC	0.29 224	0.30 237	0.27 237	0.37 224	0.28 226	0.37 234	0.37 230	0.40 243	0.30 240	0.32 237	0.20 205	0.45 217	0.28 220	0.31 236	0.16 194	0.15 202	0.21 159	0.22 226	0.34 222	0.24 229	0.22 199	0.21 228	0.23 220	0.25 231	0.33 235	0.27 234	0.44 241	0.33 207

ADCS	0.29 224	0.22 215	0.21 228	0.26 211	0.25 220	0.25 215	0.23 214	0.37 237	0.30 240	0.23 133	0.27 233	0.47 222	0.36 236	0.20 211	0.22 225	0.19 232	0.32 239	0.24 234	0.49 239	0.28 238	0.37 250	0.30 247	0.20 211	0.23 219	0.31 229	0.28 238	0.30 211	0.43 228

S-Stereo	0.30 227	0.22 215	0.18 214	0.42 235	0.39 240	0.41 238	0.37 230	0.25 205	0.24 219	0.26 190	0.44 253	0.55 230	0.36 236	0.24 219	0.18 209	0.14 184	0.27 225	0.27 240	0.35 223	0.28 238	0.23 210	0.23 235	0.53 255	0.23 219	0.23 204	0.19 186	0.27 206	0.38 218

MeshStereo	0.30 227	0.26 227	0.20 222	0.49 240	0.37 238	0.36 231	0.26 223	0.32 225	0.28 234	0.30 233	0.28 237	0.60 232	0.48 248	0.18 202	0.15 186	0.14 184	0.26 216	0.17 199	0.28 205	0.18 207	0.28 238	0.22 232	0.25 225	0.21 213	0.37 242	0.30 243	0.55 247	0.51 239
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
MFN_U_SF_RVC	0.31 229	0.28 233	0.21 228	0.33 220	0.29 230	0.31 220	0.29 227	0.38 240	0.24 219	0.46 258	0.31 244	0.50 225	0.34 233	0.25 221	0.30 239	0.25 238	0.19 132	0.23 231	0.58 242	0.29 240	0.25 226	0.28 246	0.21 215	0.27 234	0.31 229	0.26 223	0.37 230	0.51 239

edge stereo	0.31 229	0.22 215	0.20 222	0.42 235	0.36 236	0.42 240	0.39 237	0.39 242	0.23 216	0.23 133	0.39 250	0.68 237	0.34 233	0.30 235	0.17 201	0.17 218	0.31 238	0.21 222	0.42 231	0.21 220	0.24 220	0.18 207	0.25 225	0.23 219	0.28 220	0.24 213	0.39 233	0.55 244

SANet	0.31 229	0.21 210	0.21 228	0.25 209	0.22 209	0.31 220	0.22 211	0.31 224	0.32 244	0.27 204	0.27 233	1.36 269	0.39 242	0.22 217	0.17 201	0.14 184	0.26 216	0.21 222	0.30 211	0.21 220	0.25 226	0.21 228	0.30 249	0.23 219	0.34 237	0.26 223	0.35 225	0.49 237

AnyNet_C01	0.32 232	0.22 215	0.20 222	0.22 199	0.27 224	0.25 215	0.24 218	0.37 237	0.37 251	0.26 190	0.29 239	0.49 223	0.33 232	0.18 202	0.32 242	0.22 237	0.39 250	0.32 248	0.65 245	0.33 249	0.41 256	0.33 253	0.26 231	0.26 233	0.34 237	0.34 246	0.34 223	0.45 233

DGSMNet	0.34 233	0.27 232	0.24 233	0.41 234	0.33 235	0.37 234	0.37 230	0.28 211	0.25 224	0.25 176	0.52 258	0.45 217	0.32 226	0.26 222	0.25 233	0.20 235	0.52 260	0.32 248	0.75 252	0.35 251	0.38 251	0.39 263	0.28 246	0.31 242	0.27 216	0.24 213	0.33 219	0.37 216

MSC_U_SF_DS_RVC	0.35 234	0.36 239	0.38 251	0.46 237	0.28 226	0.31 220	0.28 226	0.51 255	0.46 257	0.39 255	0.29 239	0.37 210	0.36 236	0.31 236	0.38 249	0.26 241	0.22 170	0.27 240	0.72 249	0.37 252	0.28 238	0.31 248	0.30 249	0.38 251	0.33 235	0.26 223	0.30 211	0.38 218

MaskLacGwcNet_RVC	0.36 235	0.16 187	0.13 178	0.26 211	0.22 209	0.23 212	0.27 225	0.24 199	0.15 172	0.24 155	0.16 169	4.16 285	0.22 208	0.19 208	0.14 175	0.13 165	0.33 240	0.22 226	0.32 215	0.20 218	0.24 220	0.19 216	0.22 217	0.14 190	0.20 171	0.20 196	0.21 181	0.24 178

STStereo	0.38 236	0.43 245	0.31 245	0.74 250	0.50 249	0.58 245	0.43 240	0.35 232	0.31 242	0.34 245	0.25 226	0.83 251	0.55 252	0.20 211	0.17 201	0.16 206	0.25 206	0.16 186	0.46 236	0.17 201	0.24 220	0.19 216	0.20 211	0.23 219	0.52 252	0.41 253	0.76 261	0.59 249

PVD	0.39 237	0.38 242	0.20 222	0.47 239	0.36 236	0.50 244	0.40 239	0.38 240	0.34 249	0.23 133	0.29 239	0.52 229	0.51 250	0.50 246	0.19 217	0.17 218	0.40 251	0.26 238	0.50 240	0.29 240	0.40 252	0.41 265	0.23 220	0.27 234	0.45 249	0.59 268	0.46 243	0.73 258

STTRV1_RVC	0.39 237	0.26 227	0.22 232	0.35 221	0.28 226	0.32 224	0.29 227	0.36 236	0.33 246	0.27 204	0.27 233	0.42 214	0.41 243	0.48 245	0.38 249	0.19 232	0.59 265	0.20 219	1.22 270	0.30 243	0.59 275	0.23 235	0.43 251	0.43 254	0.26 213	0.56 265	0.34 223	0.67 254

DPSNet	0.40 239	0.19 204	0.18 214	0.27 217	0.26 221	0.29 219	0.19 197	0.26 206	0.24 219	0.18 84	0.17 178	2.15 279	0.44 245	0.10 138	0.20 221	0.16 206	0.35 245	0.28 244	2.00 280	0.27 236	0.25 226	0.17 205	0.28 246	0.25 231	0.40 246	0.27 234	0.39 233	0.53 241

MANE	0.42 240	0.36 239	0.33 247	0.61 246	0.45 246	0.44 242	0.47 243	0.43 250	0.26 228	0.23 133	0.24 221	0.64 234	0.29 221	0.31 236	0.32 242	0.30 250	0.33 240	0.42 260	0.38 229	0.24 229	0.31 244	0.27 244	0.26 231	0.35 249	0.57 257	0.44 257	1.10 277	0.98 270

LE_ROB	0.42 240	0.19 204	0.17 209	0.40 233	0.44 243	0.33 229	0.44 241	0.35 232	0.29 239	0.32 237	0.21 207	1.22 266	1.73 280	0.11 152	0.11 116	0.11 100	0.21 159	0.13 137	0.21 164	0.13 160	0.23 210	0.13 169	0.12 181	0.15 193	0.39 245	0.36 248	1.46 282	1.45 279

ELAS	0.43 242	0.43 245	0.36 249	0.64 248	0.45 246	0.58 245	0.50 245	0.40 243	0.27 231	0.25 176	0.30 242	0.92 258	0.32 226	0.32 239	0.31 240	0.28 247	0.36 247	0.30 246	0.45 235	0.26 234	0.34 246	0.33 253	0.26 231	0.37 250	0.56 256	0.43 256	0.78 264	0.76 260
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS_RVC	0.44 243	0.43 245	0.36 249	0.63 247	0.44 243	0.62 250	0.50 245	0.40 243	0.26 228	0.25 176	0.31 244	1.20 264	0.31 224	0.32 239	0.31 240	0.28 247	0.37 248	0.30 246	0.44 233	0.27 236	0.35 247	0.33 253	0.26 231	0.38 251	0.52 252	0.41 253	0.78 264	0.74 259
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SQANet	0.46 244	0.56 250	0.14 188	1.44 257	0.52 250	1.25 257	0.85 254	0.30 220	0.23 216	0.34 245	0.25 226	0.66 236	0.19 199	1.15 255	0.19 217	0.14 184	0.25 206	0.20 219	0.42 231	0.22 225	0.17 121	0.14 180	1.56 262	0.17 206	0.21 184	0.17 153	0.27 206	0.41 223

SAMSARA	0.49 245	0.23 220	0.39 252	0.23 201	0.23 213	0.22 208	0.23 214	0.44 252	0.39 254	0.31 236	0.21 207	0.30 200	0.47 247	0.18 202	0.35 245	0.34 251	0.26 216	0.32 248	0.47 237	0.32 248	0.48 266	0.54 273	0.15 193	0.33 247	1.40 284	1.58 282	1.42 281	1.48 280

AMNet	0.49 245	0.50 248	0.48 255	0.49 240	0.47 248	0.61 249	0.51 247	0.32 225	0.28 234	0.30 233	0.68 265	0.72 241	0.13 161	0.53 248	0.44 252	0.55 265	0.57 263	0.58 272	0.48 238	0.48 255	0.58 273	0.50 270	0.26 231	0.48 256	0.45 249	0.52 263	0.58 250	0.65 252

DispFullNet	0.49 245	0.53 249	0.20 222	1.14 254	0.43 242	0.79 253	1.26 259	0.33 228	0.24 219	0.24 155	0.27 233	0.85 252	0.50 249	1.59 260	0.18 209	0.15 202	0.51 258	0.34 254	1.12 266	0.26 234	0.25 226	0.19 216	0.20 211	0.22 216	0.28 220	0.18 168	0.35 225	0.61 250

BEATNet-Init1	0.51 248	0.41 244	0.29 240	0.78 253	0.41 241	0.60 248	0.46 242	0.41 248	0.28 234	0.30 233	0.25 226	0.87 254	0.91 264	0.26 222	0.33 244	0.26 241	0.28 232	0.25 237	0.98 261	0.29 240	0.29 242	0.27 244	0.26 231	0.32 245	0.51 251	0.38 252	2.12 285	0.96 268

MADNet+	0.56 249	0.37 241	0.63 267	0.56 243	0.53 251	0.45 243	0.39 237	0.64 262	0.51 259	0.53 262	0.40 252	0.81 250	0.67 259	0.34 242	0.61 263	0.50 262	0.58 264	0.50 264	0.84 255	0.53 257	0.49 269	0.44 266	0.51 254	0.47 255	0.82 267	0.71 273	0.58 250	0.70 255

otaku	0.59 250	0.73 255	0.30 242	1.73 268	0.85 257	1.52 262	1.01 255	0.40 243	0.33 246	0.38 251	0.32 246	0.68 237	0.26 213	1.38 256	0.35 245	0.25 238	0.21 159	0.23 231	0.71 247	0.30 243	0.23 210	0.18 207	2.19 265	0.28 237	0.29 224	0.18 168	0.31 214	0.42 225

SGM+DAISY	0.59 250	0.58 253	0.54 259	0.58 245	0.55 253	0.69 252	0.57 250	0.43 250	0.39 254	0.38 251	0.78 269	0.75 245	0.65 258	0.54 250	0.62 264	0.56 266	0.67 270	0.61 275	0.72 249	0.64 268	0.71 278	0.65 278	0.27 244	0.51 258	0.54 254	0.57 266	0.75 260	0.71 257

SPS-STEREO	0.60 252	0.57 252	0.53 256	0.55 242	0.54 252	0.65 251	0.52 248	0.40 243	0.68 262	0.37 250	0.78 269	0.78 247	0.64 257	0.53 248	0.59 262	0.57 268	0.67 270	0.63 277	0.75 252	0.72 273	0.77 281	0.68 279	0.26 231	0.54 263	0.54 254	0.60 269	0.70 257	0.66 253
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
Ntro	0.64 253	0.74 256	0.31 245	1.81 270	0.85 257	1.57 263	1.10 257	0.48 253	0.36 250	0.38 251	0.39 250	0.74 243	0.27 217	1.54 259	0.37 248	0.28 247	0.23 179	0.24 234	0.71 247	0.31 245	0.23 210	0.18 207	2.45 268	0.30 241	0.31 229	0.24 213	0.38 232	0.44 231

MFMNet_re	0.66 254	0.72 254	0.65 270	0.77 252	0.62 254	0.82 255	0.70 253	0.52 257	0.53 260	0.54 264	0.65 264	0.79 248	0.51 250	0.59 252	0.68 268	0.67 272	0.81 277	0.69 278	0.74 251	0.62 266	0.71 278	0.64 277	0.45 252	0.57 264	0.59 260	0.62 271	0.74 259	0.88 266

WAO-7	0.67 255	0.75 257	0.64 269	0.72 249	0.78 256	0.58 245	0.66 251	0.97 276	0.97 274	0.62 266	0.81 273	0.79 248	0.84 262	0.55 251	0.86 274	0.71 276	0.44 253	0.36 255	0.96 258	0.67 271	0.44 259	0.35 258	0.16 196	0.83 277	0.57 257	0.67 272	0.58 250	0.70 255

ACVNet-4b	0.70 256	0.78 258	0.34 248	1.74 269	0.95 263	1.64 267	1.43 262	0.33 228	0.31 242	0.38 251	0.26 231	1.23 267	0.29 221	2.19 271	0.42 251	0.37 252	0.34 242	0.24 234	0.59 243	0.38 253	0.17 121	0.15 190	2.71 271	0.23 219	0.30 228	0.32 245	0.39 233	0.42 225

JetBlue	0.71 257	0.56 250	0.71 272	0.74 250	0.62 254	0.79 253	0.69 252	0.53 258	0.93 271	0.46 258	0.30 242	3.22 282	0.38 240	0.52 247	0.46 253	0.44 257	0.73 275	0.53 267	0.68 246	0.52 256	0.57 271	0.60 275	0.74 256	0.57 264	0.57 257	0.46 258	0.97 274	0.96 268

ACVNet_1	0.75 258	0.82 259	0.41 253	2.07 277	0.98 264	1.94 274	1.52 264	0.59 260	0.28 234	0.43 256	0.50 257	0.73 242	0.63 255	2.24 273	0.36 247	0.25 238	0.34 242	0.32 248	0.62 244	0.31 245	0.30 243	0.22 232	2.71 271	0.33 247	0.41 248	0.28 238	0.37 230	0.39 222

RainbowNet	0.78 259	0.90 260	0.47 254	1.86 271	0.92 260	1.63 266	1.48 263	0.42 249	0.37 251	0.47 261	0.34 248	0.92 258	0.62 254	2.02 266	0.65 265	0.48 260	0.35 245	0.33 252	0.92 257	0.58 261	0.33 245	0.24 239	2.80 275	0.39 253	0.40 246	0.35 247	0.44 241	0.50 238

PSMNet_ROB	0.80 260	0.99 265	0.62 266	1.64 261	0.93 262	1.51 261	1.20 258	0.57 259	0.73 263	0.74 269	0.63 263	0.86 253	0.84 262	1.52 258	0.58 259	0.42 254	0.54 261	0.41 259	0.87 256	0.62 266	0.42 258	0.31 248	1.83 263	0.48 256	0.69 265	0.37 249	0.76 261	0.47 236

WAO-6	0.83 261	0.96 262	0.61 264	1.33 256	1.06 270	1.28 259	1.42 261	0.78 269	0.87 268	0.78 270	0.70 268	0.77 246	1.02 271	1.95 264	0.81 271	0.62 270	0.55 262	0.49 263	0.80 254	0.60 262	0.57 271	0.53 272	0.50 253	0.58 267	0.85 271	0.46 258	0.77 263	0.83 265

ACVNet_2	0.84 262	0.95 261	0.58 262	2.04 275	1.03 269	1.88 273	1.56 267	0.68 264	0.39 254	0.53 262	0.49 255	1.05 262	0.68 260	1.97 265	0.53 256	0.44 257	0.40 251	0.33 252	1.06 263	0.42 254	0.35 247	0.25 240	2.54 269	0.53 261	0.61 261	0.28 238	0.53 245	0.58 248

PWCK	0.90 263	1.24 274	0.63 267	1.55 259	0.86 259	1.23 256	1.04 256	1.09 277	0.75 266	0.70 268	0.81 273	1.52 271	0.91 264	0.71 253	0.46 253	0.41 253	0.74 276	0.47 261	3.07 284	0.67 271	0.58 273	0.45 268	0.95 260	0.74 273	0.74 266	0.41 253	0.70 257	0.76 260

IMH-64-1	0.91 264	0.98 263	0.53 256	1.64 261	1.01 267	1.62 264	1.75 271	0.76 266	0.74 264	0.33 241	0.61 260	0.87 254	0.95 266	2.61 275	0.53 256	0.42 254	0.49 255	0.36 255	0.96 258	0.55 258	0.40 252	0.31 248	3.11 276	0.51 258	0.82 267	0.37 249	0.60 253	0.78 262

IMH-64	0.91 264	0.98 263	0.53 256	1.64 261	1.01 267	1.62 264	1.75 271	0.76 266	0.74 264	0.33 241	0.61 260	0.87 254	0.95 266	2.61 275	0.53 256	0.42 254	0.49 255	0.36 255	0.96 258	0.55 258	0.40 252	0.31 248	3.11 276	0.51 258	0.82 267	0.37 249	0.60 253	0.78 262

IMH	0.95 266	1.00 267	0.55 260	1.66 267	1.00 265	1.69 269	1.78 273	0.76 266	0.77 267	0.34 245	0.61 260	1.01 260	1.07 274	2.69 277	0.58 259	0.46 259	0.51 258	0.38 258	0.98 261	0.60 262	0.40 252	0.32 252	3.11 276	0.53 261	0.83 270	0.48 260	0.65 255	0.79 264

LVE	0.97 267	0.99 265	0.73 274	1.89 272	1.39 274	1.65 268	1.53 265	0.79 270	0.65 261	0.81 272	0.92 275	0.74 243	1.01 270	2.21 272	0.58 259	0.48 260	0.59 265	0.54 270	1.13 267	0.64 268	0.46 263	0.40 264	2.73 274	0.69 269	0.85 271	0.50 262	0.85 268	0.54 243

WAO-8	1.02 268	1.14 271	0.79 275	1.64 261	1.25 271	1.78 271	1.57 268	0.93 272	1.01 275	0.81 272	0.68 265	1.72 272	1.03 272	2.08 267	0.82 272	0.68 273	0.65 268	0.53 267	1.09 264	0.82 276	0.48 266	0.38 260	0.81 258	0.75 274	1.12 279	0.77 274	0.96 272	1.21 275

Venus	1.02 268	1.14 271	0.79 275	1.64 261	1.25 271	1.78 271	1.57 268	0.93 272	1.01 275	0.81 272	0.68 265	1.72 272	1.03 272	2.08 267	0.82 272	0.68 273	0.65 268	0.53 267	1.09 264	0.82 276	0.48 266	0.38 260	0.81 258	0.75 274	1.12 279	0.77 274	0.96 272	1.21 275

Dean	1.08 270	1.06 269	0.80 277	2.30 278	1.35 273	1.99 275	1.58 270	0.93 272	0.93 271	0.88 277	0.78 269	1.21 265	1.22 276	2.13 270	0.67 266	0.60 269	0.62 267	0.57 271	1.25 273	0.74 274	0.46 263	0.37 259	2.72 273	0.71 270	1.00 276	0.60 269	1.05 276	0.64 251

TorneroNet-64	1.09 271	1.03 268	0.60 263	1.99 273	0.92 260	2.06 277	2.05 275	0.63 261	0.87 268	0.58 265	0.49 255	1.90 276	1.89 281	2.91 282	0.67 266	0.51 263	0.48 254	0.47 261	1.23 271	0.61 264	0.35 247	0.38 260	3.33 279	0.57 264	0.64 263	0.52 263	0.69 256	1.15 273

TorneroNet	1.11 272	1.11 270	0.67 271	2.05 276	1.00 265	2.29 278	2.05 275	0.65 263	0.89 270	0.68 267	0.57 259	1.74 275	1.26 277	2.97 284	0.71 269	0.52 264	0.50 257	0.51 266	1.18 269	0.65 270	0.41 256	0.44 266	3.48 280	0.58 267	0.67 264	0.49 261	0.85 268	1.02 271

DPSimNet_ROB	1.25 273	1.23 273	1.31 282	1.49 258	1.60 279	1.34 260	1.37 260	0.68 264	1.70 281	1.68 283	1.03 277	1.48 270	0.82 261	2.08 267	1.45 281	0.92 279	1.20 281	0.81 279	1.64 278	1.41 282	1.08 283	1.28 282	0.79 257	0.87 278	0.91 273	1.26 281	1.18 278	1.16 274

ktn	1.26 274	1.42 276	0.57 261	1.65 266	1.61 280	1.75 270	2.16 278	0.86 271	1.75 282	0.89 278	1.11 280	1.18 263	0.96 268	2.60 274	1.03 277	0.73 277	0.82 278	0.61 275	1.47 277	0.76 275	0.70 277	0.69 280	3.64 282	0.73 271	0.93 274	0.81 277	1.20 279	1.25 277

notaker	1.30 275	1.44 277	0.61 264	2.42 281	1.51 276	2.40 280	2.31 280	0.95 275	1.64 280	0.79 271	1.07 278	1.73 274	1.18 275	3.10 286	1.04 278	0.69 275	0.70 273	0.50 264	1.66 279	0.85 278	0.56 270	0.47 269	3.67 283	0.80 276	0.62 262	0.58 267	0.81 266	0.95 267

KSHMR	1.34 276	1.44 277	1.07 281	2.31 279	1.48 275	2.31 279	2.15 277	1.22 278	1.07 278	1.13 281	1.07 278	1.30 268	0.96 268	2.92 283	1.12 279	0.95 280	0.87 279	0.84 280	1.34 274	0.97 279	0.74 280	0.60 275	3.48 280	1.07 282	0.99 275	0.77 274	1.01 275	1.06 272

UNDER WATER-64	1.42 277	1.40 275	0.92 280	2.88 283	1.97 283	2.82 282	2.72 283	1.37 281	0.94 273	1.04 280	1.15 281	1.96 278	1.33 279	3.07 285	0.80 270	0.56 266	0.70 273	0.58 272	1.17 268	0.55 258	0.45 261	0.54 273	3.98 286	0.92 279	1.03 277	1.13 280	0.81 266	1.60 282

UNDER WATER	1.42 277	1.45 279	0.89 279	2.87 282	1.98 284	2.78 281	2.64 282	1.29 279	1.04 277	0.87 276	0.98 276	1.95 277	1.30 278	3.12 287	0.87 275	0.63 271	0.68 272	0.58 272	1.23 271	0.61 264	0.44 259	0.50 270	3.95 285	0.99 281	1.09 278	1.04 278	0.88 270	1.67 284

JetRed	1.64 279	1.79 282	1.70 283	1.59 260	1.52 277	2.02 276	2.26 279	1.52 283	1.47 279	0.82 275	0.78 269	2.67 281	0.43 244	1.78 263	1.47 282	1.56 282	1.74 282	2.93 285	1.44 276	1.10 281	2.36 284	2.20 283	1.98 264	0.98 280	1.19 282	1.77 283	1.58 283	1.56 281

HanzoNet	1.79 280	1.65 281	0.85 278	2.31 279	1.74 281	2.83 283	2.55 281	1.29 279	1.86 283	0.92 279	1.28 282	4.71 286	3.85 284	3.43 288	0.96 276	0.79 278	1.10 280	0.95 281	2.68 282	1.04 280	0.93 282	0.92 281	3.78 284	0.73 271	1.15 281	1.07 279	1.29 280	1.61 283

MADNet++	1.87 281	1.58 280	1.74 284	1.28 255	1.74 281	1.25 257	1.55 266	1.63 284	2.10 284	1.84 284	2.24 283	2.56 280	2.74 282	0.75 254	1.43 280	1.55 281	2.00 283	1.47 283	2.11 281	2.11 283	3.28 285	3.23 284	1.22 261	2.22 284	1.23 283	2.58 284	1.77 284	1.36 278

LSM0	3.23 282	0.28 233	0.18 214	0.38 227	0.30 232	0.39 236	0.37 230	0.51 255	0.32 244	0.45 257	0.47 254	0.71 240	0.59 253	0.19 208	16.94 289	59.67 293	0.37 248	0.26 238	1.34 274	0.34 250	0.45 261	0.34 257	0.23 220	0.28 237	0.38 244	0.31 244	0.53 245	0.53 241

ASD4	6.36 283	2.29 283	2.58 285	2.00 274	1.59 278	3.03 284	1.87 274	1.81 285	3.30 285	1.61 282	2.46 284	1.02 261	6.56 285	1.76 262	2.90 283	3.68 283	3.63 284	7.51 286	2.74 283	4.74 286	5.30 287	6.47 286	2.61 270	2.44 285	17.33 291	28.62 291	19.88 292	31.90 291

PML	8.17 284	7.65 288	3.51 286	9.56 289	5.16 285	9.57 290	5.23 288	6.49 288	17.89 291	6.44 287	3.24 285	16.63 289	29.28 294	5.47 289	6.12 284	3.95 284	7.38 287	2.69 284	20.47 291	4.69 285	3.59 286	3.96 285	3.98 286	4.20 286	5.71 286	4.30 285	16.67 291	6.70 285

DGTPSM_ROB	8.61 285	3.65 284	8.39 287	2.97 284	5.68 286	3.37 285	4.40 286	3.70 286	9.03 286	3.00 285	6.91 286	3.52 283	10.03 286	2.69 277	10.46 285	10.76 285	3.81 285	12.88 288	4.73 285	10.21 287	5.93 288	13.78 289	4.46 288	8.55 287	10.09 289	27.91 289	11.05 289	30.64 289

DPSMNet_ROB	8.62 286	3.66 285	8.40 288	2.97 284	5.69 287	3.37 285	4.40 286	3.70 286	9.03 286	3.00 285	6.93 287	3.52 283	10.07 287	2.69 277	10.46 285	10.76 285	3.81 285	12.88 288	4.76 286	10.21 287	5.93 288	13.78 289	4.47 289	8.55 287	10.10 290	27.91 289	11.06 290	30.64 289

LRCNet_RVC	9.94 287	17.32 290	0.72 273	25.08 291	21.25 292	23.72 292	20.86 290	1.45 282	0.48 258	21.28 292	13.07 290	22.69 292	3.57 283	28.32 293	0.47 255	0.27 244	8.45 288	1.25 282	23.54 292	4.04 284	0.47 265	0.33 253	26.91 292	1.58 283	0.35 240	0.22 206	0.43 240	0.38 218

DLNR_Zeroshot_test	10.02 288	31.66 294	0.05 41	54.25 294	0.10 117	0.18 181	50.40 294	0.19 151	0.08 71	0.27 204	0.07 46	0.20 149	0.04 28	0.14 189	60.23 294	70.55 294	0.34 242	0.18 209	0.26 197	0.11 121	0.20 166	0.08 55	0.07 105	0.09 129	0.19 161	0.15 118	0.20 168	0.25 186

DPSM_ROB	12.93 289	6.06 286	9.07 289	4.34 286	6.33 288	4.24 287	3.55 284	8.20 289	10.79 288	6.62 288	7.89 288	9.68 287	12.99 289	2.78 280	12.36 287	13.66 287	8.95 289	16.55 291	9.69 287	12.30 289	16.52 292	17.76 292	2.26 266	10.59 289	28.41 292	36.73 292	31.10 293	39.69 292

DPSM	12.93 289	6.06 286	9.07 289	4.34 286	6.33 288	4.24 287	3.55 284	8.20 289	10.79 288	6.62 288	7.89 288	9.68 287	12.99 289	2.78 280	12.36 287	13.66 287	8.95 289	16.55 291	9.69 287	12.30 289	16.52 292	17.76 292	2.26 266	10.59 289	28.41 292	36.73 292	31.10 293	39.69 292

HaxPig	16.12 291	19.70 291	18.82 292	21.25 290	20.53 291	21.35 291	22.27 291	17.00 292	14.68 290	19.29 291	17.18 292	18.07 290	12.18 288	22.52 291	17.87 290	14.95 289	17.87 292	9.54 287	18.95 289	15.62 291	9.98 290	7.75 287	23.74 291	15.32 291	4.46 285	12.22 288	6.85 286	15.21 288

MEDIAN_ROB	20.51 292	25.88 292	24.09 293	26.47 292	25.52 293	25.87 293	26.98 292	21.19 293	19.61 292	28.55 293	22.12 293	24.85 293	16.74 291	26.52 292	23.53 291	18.59 290	22.10 293	14.86 290	26.41 293	23.30 292	15.47 291	11.96 288	27.64 293	18.47 292	7.32 287	9.55 287	8.34 288	11.88 287

AVERAGE_ROB	24.46 293	29.85 293	27.17 294	31.26 293	29.68 294	30.01 294	31.43 293	26.55 294	24.57 294	34.19 294	27.26 294	31.45 294	21.40 292	30.75 294	28.23 293	24.11 291	26.75 294	21.47 293	30.01 294	27.38 294	20.81 294	16.76 291	32.29 294	24.48 294	8.40 288	7.77 286	7.95 287	8.54 286

CasAABBNet	25.99 294	12.23 289	18.16 291	8.64 288	12.70 290	8.22 289	7.18 289	16.43 291	21.85 293	13.64 290	15.80 291	19.61 291	26.12 293	5.47 289	25.18 292	27.55 292	17.67 291	33.30 294	19.65 290	24.62 293	33.10 295	35.23 294	4.49 290	21.39 293	57.22 294	74.08 294	62.47 295	79.73 294

FADE																					0.61 276						0.91 271

Low-res two-view benchmark