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

CroCo-Stereo	0.36 2	0.21 1	0.15 1	0.11 1	0.10 2	0.19 2	0.06 1	0.33 3	0.14 2	0.31 3	0.05 1	0.37 6	0.14 1	0.18 3	1.64 17	1.08 24	0.38 2	0.38 5	0.52 5	0.21 1	0.65 12	0.90 8	0.17 2	0.15 2	0.39 3	0.31 3	0.45 3	0.26 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
CroCo-Stereo Lap2	0.35 1	0.23 3	0.15 1	0.11 1	0.12 3	0.16 1	0.08 2	0.35 4	0.15 4	0.47 12	0.10 2	0.33 3	0.15 3	0.16 1	1.27 7	1.03 19	0.37 1	0.37 4	0.46 3	0.22 2	0.60 8	0.93 9	0.17 2	0.14 1	0.40 4	0.34 6	0.41 2	0.27 3

StereoVision	0.36 2	0.28 4	0.22 4	0.13 3	0.18 6	0.21 3	0.14 5	0.30 2	0.23 6	0.35 6	0.18 3	0.35 4	0.17 5	0.17 2	1.03 4	0.80 6	0.47 4	0.36 3	0.44 2	0.23 3	0.47 3	0.59 4	0.16 1	0.22 5	0.41 5	0.40 10	0.72 10	0.36 8

RAFT	0.65 12	0.22 2	0.20 3	0.28 7	0.13 4	0.31 9	0.08 2	0.97 63	0.18 5	0.79 62	0.19 4	0.28 1	0.16 4	0.20 5	7.28 115	1.41 63	0.42 3	0.27 1	0.54 7	0.36 7	0.45 2	0.42 1	0.21 4	0.17 3	0.41 5	0.33 5	0.91 17	0.27 3

test croco	0.75 15	0.88 92	0.39 13	0.33 16	0.61 75	0.35 13	0.30 34	0.89 54	0.35 19	0.72 43	0.24 5	0.73 37	0.35 17	0.21 7	2.10 31	1.66 98	0.73 32	0.72 55	1.01 27	0.43 11	1.85 85	1.92 33	0.36 10	0.39 12	0.72 41	0.61 30	0.75 12	0.74 45

AEACV	3.45 155	0.93 111	0.35 10	0.29 9	0.21 8	0.27 5	0.12 4	0.28 1	0.14 2	0.24 2	0.24 5	0.36 5	0.22 7	0.21 7	30.09 172	24.13 260	0.59 13	0.46 8	1.65 63	0.91 107	0.89 24	28.36 264	0.27 5	0.21 4	0.36 1	0.31 3	0.63 7	0.28 5

RAFT + AFF	2.00 113	0.49 11	0.46 23	0.41 29	0.20 7	0.43 32	0.21 11	0.65 17	0.24 7	0.56 15	0.27 7	0.78 54	0.22 7	0.32 16	39.56 188	0.96 13	0.71 28	0.38 5	1.92 70	0.39 8	0.79 19	1.40 20	0.33 7	0.40 17	0.73 42	0.35 7	0.59 5	0.30 6

MIF-Stereo	0.64 11	0.44 8	0.35 10	0.21 5	0.25 9	0.35 13	0.18 7	0.62 15	0.31 13	0.75 50	0.29 8	0.69 30	0.36 21	0.25 10	1.85 24	1.53 80	0.60 16	0.65 37	1.69 64	0.47 16	1.19 46	1.30 17	0.39 18	0.33 9	0.56 19	0.55 24	0.55 4	0.58 22

RAFT_CTSACE	0.75 15	0.94 113	0.33 7	0.36 20	0.34 19	0.34 11	0.24 17	1.23 95	0.27 9	0.64 32	0.29 8	0.72 36	0.56 57	0.34 21	2.96 62	1.22 42	0.55 7	0.44 7	0.81 18	0.35 6	0.87 22	2.64 47	0.47 37	0.38 11	0.54 16	0.41 13	1.58 66	0.39 9

StereoIM	0.61 9	0.48 10	0.31 5	0.17 4	0.27 11	0.21 3	0.18 7	0.44 6	0.33 15	1.08 110	0.30 10	0.52 11	0.24 9	0.19 4	1.98 26	1.30 53	0.63 20	0.60 28	1.24 38	0.47 16	0.91 30	1.19 15	0.39 18	0.28 6	0.64 31	0.66 38	0.62 6	0.82 58

MIF-Stereo (partial)	0.77 19	0.77 54	0.34 8	0.29 9	0.38 27	0.36 15	0.31 35	0.54 8	0.40 25	0.61 25	0.32 11	0.55 13	0.40 24	0.24 9	2.14 34	1.65 96	0.69 25	0.76 68	0.93 24	0.48 18	1.52 68	1.76 30	0.42 23	0.39 12	0.64 31	0.70 42	2.25 112	0.86 63

RAFT+CT+SA	0.90 26	0.97 122	0.42 19	0.45 42	0.29 13	0.39 22	0.21 11	1.63 154	0.35 19	0.73 46	0.32 11	0.91 78	0.69 89	0.41 44	1.58 12	1.43 66	0.59 13	0.60 28	2.18 77	0.50 19	0.90 25	5.09 81	0.35 9	0.43 23	0.55 17	0.43 16	1.56 61	0.49 13

TestStereo1	1.09 38	0.99 132	0.41 16	0.38 22	0.37 25	0.41 25	0.27 27	1.02 69	0.40 25	0.80 66	0.34 13	0.61 18	0.74 100	0.53 91	2.97 63	1.78 107	0.74 34	0.54 16	3.12 113	0.57 27	1.44 57	5.38 87	0.37 12	0.43 23	0.59 26	1.04 93	2.53 144	0.60 29

SA-5K	1.09 38	0.99 132	0.41 16	0.38 22	0.37 25	0.41 25	0.27 27	1.02 69	0.40 25	0.80 66	0.34 13	0.61 18	0.74 100	0.53 91	2.97 63	1.78 107	0.74 34	0.54 16	3.12 113	0.57 27	1.44 57	5.38 87	0.37 12	0.43 23	0.59 26	1.04 93	2.53 144	0.60 29

TESTraft	1.04 35	0.98 128	0.44 21	0.41 29	0.34 19	0.41 25	0.26 24	1.12 78	0.40 25	0.98 100	0.35 15	0.64 21	0.76 108	0.53 91	3.11 70	1.82 111	0.74 34	0.52 13	3.10 112	0.57 27	1.16 44	3.86 63	0.37 12	0.45 28	0.58 23	1.17 112	2.52 142	0.60 29

RYNet	2.44 124	0.41 7	0.36 12	0.30 12	0.32 15	0.41 25	0.25 22	0.61 12	0.56 70	0.33 4	0.36 16	0.41 9	0.26 10	0.27 12	52.15 251	0.73 3	0.48 6	1.00 137	0.57 9	0.31 4	0.54 6	0.42 1	0.40 20	0.34 10	0.58 23	1.58 145	1.32 40	0.49 13

SA	1.14 44	0.95 117	0.46 23	0.55 61	0.54 61	0.50 45	0.25 22	1.59 149	0.47 42	0.72 43	0.40 17	0.73 37	0.59 67	0.62 121	2.09 30	2.12 124	0.82 60	0.82 83	3.31 125	0.67 55	1.46 60	4.78 74	0.36 10	0.69 84	0.78 49	1.11 102	2.64 156	0.72 44

AANet_RVC	0.56 7	0.46 9	0.41 16	0.33 16	0.61 75	0.28 6	0.34 46	0.61 12	0.58 75	0.43 9	0.40 17	0.40 7	0.49 37	0.34 21	1.48 9	0.84 10	0.56 9	0.53 14	0.58 10	0.53 23	0.47 3	0.52 3	0.34 8	0.40 17	0.58 23	0.56 26	1.05 23	0.97 78

dd	0.93 28	0.81 68	0.54 36	1.07 151	0.45 33	0.87 130	0.50 89	0.86 46	0.42 31	0.83 71	0.44 19	1.28 127	0.40 24	0.56 105	2.32 42	1.06 22	1.03 113	0.74 63	2.01 75	0.62 41	0.87 22	1.54 27	0.52 62	0.75 93	0.86 66	0.58 29	1.74 77	1.43 131

delet	0.53 5	0.58 13	0.49 28	0.36 20	0.50 45	0.51 47	0.31 35	0.50 7	0.30 12	0.56 15	0.44 19	0.47 10	0.36 21	0.48 73	1.21 6	0.72 2	0.58 11	0.48 10	0.47 4	0.42 10	0.61 9	0.70 5	0.41 22	0.47 33	0.52 13	0.36 9	1.09 27	0.51 17

MIM_Stereo	1.71 92	0.77 54	0.56 41	0.43 33	0.38 27	0.47 36	0.23 13	1.50 133	0.32 14	0.56 15	0.46 21	0.65 24	0.28 11	0.39 37	6.21 111	11.24 219	0.65 21	0.82 83	3.32 127	0.89 103	1.35 54	10.19 143	0.38 16	0.51 40	0.55 17	0.42 15	1.96 92	0.58 22

AFF-stereo	3.18 150	0.71 27	0.65 50	0.31 13	0.33 17	0.55 61	0.23 13	0.87 50	0.42 31	1.36 128	0.46 21	0.67 26	0.35 17	0.26 11	46.76 219	1.18 36	0.62 19	0.86 96	2.87 105	0.45 13	4.82 129	15.89 212	0.44 29	0.47 33	0.82 58	0.68 41	2.38 127	0.56 18

GMOStereo	1.98 108	0.75 43	0.52 32	0.62 77	0.53 55	0.47 36	0.47 82	1.54 139	0.48 46	0.87 79	0.47 23	0.77 48	0.58 62	0.38 31	10.16 130	5.49 194	0.81 55	0.88 104	3.13 115	0.81 88	1.81 81	16.83 219	0.49 45	0.56 48	1.11 113	0.74 45	1.57 62	0.58 22

error version	1.98 108	0.75 43	0.52 32	0.62 77	0.53 55	0.47 36	0.47 82	1.54 139	0.48 46	0.87 79	0.47 23	0.77 48	0.58 62	0.38 31	10.16 130	5.49 194	0.81 55	0.88 104	3.13 115	0.81 88	1.81 81	16.83 219	0.49 45	0.56 48	1.11 113	0.74 45	1.57 62	0.58 22

test-v	1.98 108	0.75 43	0.52 32	0.62 77	0.53 55	0.47 36	0.47 82	1.54 139	0.48 46	0.87 79	0.47 23	0.77 48	0.58 62	0.38 31	10.16 130	5.49 194	0.81 55	0.88 104	3.13 115	0.81 88	1.81 81	16.83 219	0.49 45	0.56 48	1.11 113	0.74 45	1.57 62	0.58 22

test-2	1.98 108	0.75 43	0.52 32	0.62 77	0.53 55	0.47 36	0.47 82	1.54 139	0.48 46	0.87 79	0.47 23	0.77 48	0.58 62	0.38 31	10.16 130	5.49 194	0.81 55	0.88 104	3.13 115	0.81 88	1.81 81	16.83 219	0.49 45	0.56 48	1.11 113	0.74 45	1.57 62	0.58 22

GMStereo	0.82 22	0.99 132	0.40 15	0.49 46	0.48 38	0.56 63	0.46 79	0.79 32	0.47 42	0.55 14	0.47 23	0.84 69	0.41 27	0.37 30	1.71 18	1.08 24	0.77 46	0.54 16	1.93 72	0.59 34	1.20 48	2.06 35	0.45 32	0.57 52	0.77 46	0.67 40	1.86 86	0.57 20
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
Sa-1000	1.22 50	0.77 54	0.49 28	0.49 46	0.61 75	0.51 47	0.29 32	1.69 159	0.53 63	0.73 46	0.48 28	0.73 37	0.66 84	0.76 150	3.04 68	1.97 118	0.98 101	0.95 122	3.31 125	0.63 43	1.92 89	4.89 75	0.37 12	0.82 109	1.15 122	1.22 117	2.35 121	0.75 47

AASNet	0.55 6	0.74 40	0.50 30	0.35 18	0.61 75	0.52 52	0.42 64	0.65 17	0.28 11	0.41 8	0.50 29	0.40 7	0.32 15	0.44 61	1.04 5	0.73 3	0.55 7	0.61 32	0.68 12	0.51 20	0.62 10	0.94 10	0.46 36	0.50 38	0.52 13	0.44 17	0.74 11	0.45 11

test_3	2.64 130	1.02 143	1.12 138	0.65 87	0.63 86	0.57 68	0.45 75	1.95 175	0.41 30	0.88 86	0.51 30	1.47 141	0.54 52	0.40 41	14.93 147	11.79 225	0.88 75	0.83 89	6.54 181	0.76 76	5.54 142	11.70 172	0.49 45	0.88 130	0.99 92	1.12 105	3.23 182	0.98 82

PS-NSSS	1.13 43	1.45 190	0.73 59	1.20 169	0.95 137	1.22 169	1.06 142	0.80 35	0.55 67	0.74 48	0.51 30	2.17 168	1.08 159	0.93 169	2.02 28	0.96 13	0.89 76	0.74 63	1.56 53	0.65 51	0.97 33	0.79 6	1.65 207	0.55 47	1.13 119	0.96 78	3.19 181	1.11 101

ProNet	0.42 4	0.28 4	0.34 8	0.26 6	0.15 5	0.28 6	0.40 61	0.38 5	0.13 1	0.16 1	0.52 32	0.29 2	0.14 1	0.20 5	1.47 8	1.03 19	0.47 4	0.35 2	0.36 1	0.31 4	0.41 1	1.45 25	0.43 25	0.31 7	0.36 1	0.20 1	0.40 1	0.26 1

raft_robust	1.38 66	0.94 113	0.55 37	0.60 73	0.48 38	0.59 78	0.38 57	2.05 190	0.53 63	1.67 150	0.52 32	0.83 64	0.81 122	0.49 77	3.50 81	1.90 113	0.92 83	0.86 96	4.99 156	0.61 37	3.19 108	5.05 80	0.47 37	0.64 69	1.04 103	1.06 96	1.58 66	0.99 87

test_4	2.06 116	0.75 43	0.84 77	0.43 33	0.36 24	0.36 15	0.27 27	0.78 30	0.34 17	0.75 50	0.53 34	0.91 78	0.35 17	0.41 44	13.80 144	13.16 232	0.68 24	0.72 55	1.64 58	0.61 37	1.21 51	11.03 159	0.48 41	0.52 41	0.66 37	0.71 43	2.72 161	0.61 32

AE-Stereo	1.87 102	0.86 85	1.31 171	0.82 121	0.55 65	0.58 71	0.78 122	0.83 41	0.49 52	0.79 62	0.54 35	1.31 131	0.72 95	0.52 88	2.79 57	4.03 172	1.04 116	0.97 128	3.06 111	1.16 131	4.60 127	15.60 208	0.55 73	1.04 156	1.33 142	1.34 125	1.95 91	0.86 63

dad	1.73 95	0.98 128	0.82 73	2.17 203	1.18 158	1.11 158	4.08 206	1.66 157	0.63 89	1.21 118	0.54 35	1.12 110	2.00 180	0.63 125	3.74 85	1.25 47	1.14 133	0.82 83	2.70 98	0.80 83	1.47 63	2.54 46	0.73 133	1.01 150	2.41 207	0.71 43	5.51 214	3.77 193

test-3	2.64 130	1.01 139	1.14 142	0.63 82	0.62 82	0.58 71	0.45 75	1.98 182	0.42 31	0.86 76	0.54 35	1.48 142	0.53 45	0.41 44	15.10 148	11.78 224	0.86 68	0.82 83	6.54 181	0.74 69	5.58 144	11.75 173	0.51 56	0.90 134	0.91 75	1.01 85	3.11 177	0.97 78

test_1	2.64 130	1.01 139	1.14 142	0.63 82	0.62 82	0.58 71	0.45 75	1.98 182	0.42 31	0.86 76	0.54 35	1.48 142	0.53 45	0.41 44	15.10 148	11.82 227	0.86 68	0.82 83	6.53 180	0.74 69	5.60 145	11.75 173	0.50 51	0.90 134	0.91 75	1.01 85	3.11 177	0.98 82

4D-IteraStereo	2.05 115	0.63 16	1.16 147	0.49 46	0.44 32	0.41 25	0.26 24	1.43 125	0.38 23	0.75 50	0.55 39	0.79 57	0.42 30	0.46 69	9.38 126	11.47 222	0.71 28	0.68 42	2.81 104	0.64 45	3.95 117	11.85 175	0.52 62	0.58 56	0.71 40	0.84 59	2.34 119	0.63 37

CASnet	1.22 50	0.92 105	0.55 37	0.41 29	0.45 33	0.39 22	0.24 17	0.92 57	0.50 55	0.78 59	0.56 40	0.91 78	0.54 52	0.38 31	3.31 76	1.35 59	0.77 46	0.51 12	1.43 46	0.56 25	7.13 163	5.44 92	0.45 32	0.48 36	1.22 131	0.50 22	1.47 51	0.78 54
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
iRaftStereo_RVC	0.69 14	0.56 12	0.45 22	0.29 9	0.31 14	0.34 11	0.20 10	0.68 21	0.26 8	0.46 11	0.56 40	0.60 14	0.30 12	0.29 14	1.71 18	0.98 16	0.60 16	0.47 9	0.75 16	0.45 13	1.03 36	4.25 67	0.38 16	0.42 22	0.49 10	0.41 13	0.78 13	0.48 12

ARAFT	1.32 57	0.72 32	0.50 30	0.35 18	0.34 19	0.44 34	0.24 17	0.65 17	0.35 19	2.25 179	0.56 40	0.60 14	0.30 12	0.43 57	2.15 35	1.46 71	0.75 38	0.75 67	2.78 102	0.58 31	2.25 98	12.47 185	0.45 32	0.39 12	0.94 83	0.40 10	1.98 94	0.57 20

LL-Strereo2	1.57 82	0.66 19	0.65 50	0.40 27	0.35 22	0.32 10	0.23 13	1.48 129	0.42 31	0.68 39	0.57 43	0.63 20	0.32 15	0.67 138	2.65 50	7.88 210	0.65 21	0.55 21	1.37 43	0.70 60	1.80 78	15.65 210	0.50 51	0.40 17	0.65 34	0.62 31	1.06 25	0.56 18

IPLG	3.07 146	0.76 51	0.72 58	0.43 33	0.54 61	0.56 63	0.53 94	1.62 151	0.36 22	0.62 29	0.58 44	0.79 57	0.68 86	0.49 77	50.96 242	1.74 106	1.12 130	0.97 128	3.52 132	0.64 45	1.11 40	6.45 107	0.52 62	0.82 109	0.92 81	1.91 169	2.86 166	0.71 43

RAFT-Stereo + iAFF	3.00 145	0.73 38	0.91 91	0.43 33	0.41 29	0.58 71	0.28 31	0.99 66	0.60 81	1.54 138	0.59 45	0.80 60	0.40 24	0.28 13	44.82 211	1.22 42	0.69 25	0.53 14	2.71 99	0.62 41	2.23 97	13.76 200	0.50 51	0.59 59	0.90 73	0.75 49	2.54 146	0.66 39

UPFNet	0.78 20	0.71 27	0.89 85	0.55 61	0.65 92	0.60 81	0.56 96	0.72 22	0.57 72	0.59 21	0.59 45	0.64 21	0.47 35	0.61 116	1.83 23	1.02 18	0.77 46	0.69 50	0.92 22	0.73 68	0.70 15	1.04 11	0.55 73	0.67 80	0.64 31	0.57 28	2.18 105	0.59 28

MMNet	0.63 10	0.58 13	0.47 25	0.39 25	0.56 68	0.43 32	0.31 35	0.61 12	0.40 25	0.39 7	0.60 47	0.68 28	0.35 17	0.52 88	1.55 10	0.80 6	0.77 46	0.60 28	0.76 17	0.55 24	0.65 12	0.87 7	0.44 29	0.60 62	0.52 13	0.49 21	1.49 55	0.50 15

raft+_RVC	1.58 84	0.74 40	0.75 62	0.41 29	0.35 22	0.52 52	0.32 39	1.47 128	0.45 37	0.63 30	0.61 48	0.69 30	0.39 23	0.30 15	4.83 99	4.95 187	0.76 40	0.56 24	1.64 58	0.60 36	0.96 32	16.85 223	0.50 51	0.45 28	0.78 49	0.62 31	0.88 16	0.68 40

HCRNet	0.75 15	0.79 63	0.43 20	0.55 61	0.27 11	0.42 31	0.38 57	0.63 16	0.34 17	1.59 141	0.61 48	0.67 26	0.31 14	0.42 52	2.11 32	0.81 8	0.65 21	0.48 10	0.68 12	0.44 12	0.80 21	2.42 42	0.40 20	0.45 28	0.46 8	0.48 20	2.14 101	0.50 15

Former-RAFT_DAM_RVC	1.44 70	0.64 17	0.58 43	0.44 41	0.42 30	0.38 18	0.27 27	1.25 98	0.49 52	0.85 75	0.62 50	0.76 45	0.54 52	0.35 23	12.82 141	1.55 88	0.72 30	0.71 52	2.02 76	0.58 31	1.72 76	6.96 115	0.42 23	0.39 12	0.82 58	1.19 113	0.71 9	0.77 52

CREStereo++_RVC	1.81 100	0.91 101	1.09 133	0.52 55	0.61 75	0.41 25	0.29 32	1.37 121	0.56 70	0.83 71	0.63 51	0.77 48	0.86 131	0.40 41	2.94 60	3.08 145	0.98 101	0.63 35	2.71 99	0.56 25	4.98 135	6.57 109	0.59 91	0.53 43	1.06 106	1.06 96	12.85 244	0.97 78
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
PMTNet	1.59 85	0.94 113	1.06 125	0.49 46	0.51 49	0.49 41	0.32 39	0.83 41	0.72 103	0.83 71	0.63 51	0.89 75	0.50 40	0.42 52	7.10 113	4.35 178	0.96 97	0.57 25	2.41 86	0.58 31	5.99 148	6.00 104	0.61 98	0.41 20	1.97 197	1.03 90	1.16 31	1.19 113

DMCA	0.68 13	0.72 32	0.65 50	0.40 27	0.49 42	0.54 56	0.34 46	0.59 11	0.55 67	0.79 62	0.64 53	0.73 37	0.41 27	0.47 71	1.60 16	0.99 17	0.76 40	0.68 42	0.68 12	0.52 22	0.71 16	1.17 13	0.51 56	0.57 52	0.50 12	0.55 24	1.06 25	0.62 35

RASNet	1.02 33	0.75 43	0.95 102	0.64 86	0.64 89	0.67 99	0.45 75	0.98 65	0.62 86	1.21 118	0.64 53	0.76 45	0.74 100	0.43 57	1.59 14	1.52 78	0.78 51	0.68 42	1.06 29	0.70 60	1.24 52	4.37 68	0.47 37	0.84 114	0.80 54	0.83 57	2.17 104	1.08 97

TestStereo	0.82 22	0.94 113	0.85 79	0.56 66	0.47 36	0.68 101	0.35 54	1.21 93	0.42 31	0.90 88	0.65 55	0.88 71	0.55 55	0.39 37	1.59 14	0.96 13	0.77 46	0.54 16	1.41 45	0.57 27	1.30 53	1.32 18	0.48 41	0.49 37	0.79 52	0.81 53	1.39 42	0.79 55

RALAANet	1.79 99	0.71 27	0.88 83	0.54 59	0.55 65	0.63 92	0.43 68	1.30 109	0.52 62	0.93 94	0.65 55	0.74 43	0.60 68	0.33 19	8.49 121	1.53 80	0.78 51	0.91 115	2.18 77	1.09 128	3.35 111	15.13 205	0.55 73	0.79 104	0.92 81	1.03 90	2.08 99	0.77 52

Anonymous	1.99 112	0.80 66	0.63 48	0.50 50	0.57 69	0.61 83	0.40 61	1.53 138	1.14 150	2.17 176	0.66 57	1.14 116	1.08 159	0.60 114	3.00 65	4.37 179	1.40 158	1.27 185	3.68 134	1.28 144	7.10 160	12.24 180	0.62 100	1.03 152	1.17 123	1.12 105	2.45 133	1.16 110

CIPLG	1.37 63	0.71 27	0.91 91	0.59 71	0.53 55	0.54 56	0.36 56	0.81 37	0.59 80	0.76 54	0.68 58	1.04 99	0.53 45	0.64 129	3.08 69	1.45 70	0.93 88	0.67 40	3.23 120	0.64 45	1.66 72	10.56 149	0.58 86	0.84 114	1.03 100	0.66 38	2.36 122	0.61 32

GLC_STEREO	1.38 66	0.90 98	0.91 91	0.58 69	0.62 82	0.49 41	0.43 68	1.68 158	0.48 46	0.77 58	0.68 58	0.81 62	0.62 74	0.61 116	9.99 129	1.91 114	0.92 83	0.60 28	1.71 65	0.71 65	2.58 103	3.85 62	0.48 41	0.57 52	0.69 38	0.56 26	2.36 122	0.87 66

UNet	0.90 26	0.77 54	0.77 65	0.61 75	0.61 75	0.61 83	0.57 101	0.90 55	0.60 81	1.20 114	0.68 58	0.77 48	0.58 62	0.67 138	1.80 22	1.20 40	0.83 62	0.73 58	1.14 35	0.83 97	0.90 25	1.35 19	0.65 110	0.77 97	0.70 39	0.79 50	2.48 136	0.95 76

DMCA-RVC	0.94 29	0.74 40	0.78 67	0.62 77	0.78 111	0.58 71	1.11 150	0.77 28	1.39 162	1.36 128	0.68 58	0.88 71	0.57 58	0.58 109	2.43 46	1.16 32	0.91 80	0.78 71	0.99 26	0.78 78	0.94 31	1.41 23	0.55 73	0.72 90	0.62 29	0.64 34	1.82 81	0.91 71

CC-Net-ROB	1.72 94	1.82 203	1.21 157	1.92 195	1.84 195	2.43 208	1.64 168	0.93 59	0.96 130	1.27 123	0.68 58	5.86 218	2.76 187	1.47 201	2.26 39	0.95 12	1.46 163	1.26 184	2.79 103	0.96 114	1.12 42	1.41 23	3.28 225	0.73 91	1.31 137	1.15 111	1.47 51	1.57 135

IPLGR_C	1.36 61	0.72 32	0.89 85	0.59 71	0.54 61	0.54 56	0.34 46	0.81 37	0.58 75	0.76 54	0.69 63	1.05 100	0.53 45	0.64 129	2.77 53	1.41 63	0.92 83	0.69 50	3.26 121	0.64 45	1.68 74	10.52 147	0.58 86	0.83 112	1.01 96	0.65 37	2.40 129	0.61 32

ACRE	1.36 61	0.71 27	0.88 83	0.61 75	0.53 55	0.55 61	0.35 54	0.81 37	0.58 75	0.76 54	0.69 63	1.06 101	0.53 45	0.64 129	2.80 58	1.39 62	0.92 83	0.68 42	3.26 121	0.64 45	1.68 74	10.53 148	0.58 86	0.83 112	1.03 100	0.64 34	2.40 129	0.62 35

psm_up	1.12 41	0.88 92	1.03 121	0.79 115	0.95 137	0.77 118	0.66 112	1.33 113	1.03 138	0.87 79	0.69 63	1.12 110	0.76 108	0.76 150	2.94 60	1.17 35	0.96 97	0.82 83	2.32 84	0.85 100	1.44 57	1.89 32	0.51 56	0.92 139	1.03 100	1.08 99	1.62 72	1.09 98

rafts_anoy	1.69 91	0.82 70	0.95 102	0.45 42	0.51 49	0.54 56	0.46 79	1.57 148	0.51 59	0.61 25	0.70 66	0.71 33	0.49 37	0.36 26	8.16 118	6.28 201	0.82 60	0.79 73	2.48 91	0.65 51	1.66 72	11.09 162	0.54 72	0.54 44	1.00 95	0.90 70	0.96 20	0.99 87

CFNet	0.87 24	0.85 81	0.83 74	0.78 111	0.74 104	0.62 85	0.56 96	0.84 44	0.49 52	0.67 38	0.70 66	0.96 92	0.68 86	0.45 67	2.29 41	0.88 11	0.76 40	0.66 39	0.94 25	0.80 83	1.07 37	1.08 12	0.50 51	0.54 44	0.91 75	1.03 90	1.67 75	1.14 104

HITNet	0.97 32	0.66 19	0.64 49	0.69 93	0.50 45	0.40 24	0.33 43	1.25 98	0.87 121	0.70 40	0.70 66	0.94 87	0.53 45	0.39 37	2.05 29	1.16 32	0.69 25	0.64 36	0.84 19	0.61 37	2.15 94	4.61 71	0.49 45	0.60 62	0.63 30	0.63 33	1.82 81	0.82 58
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
raftrobust	1.74 96	0.68 24	1.00 113	0.55 61	0.51 49	0.45 35	0.34 46	1.54 139	0.48 46	0.94 97	0.72 69	0.88 71	0.53 45	0.41 44	7.35 116	5.79 198	0.73 32	0.71 52	4.77 153	0.68 56	2.01 92	10.90 154	0.65 110	0.50 38	1.06 106	0.86 65	1.05 23	0.84 60

ADLNet	2.55 127	0.99 132	0.77 65	0.63 82	0.76 106	0.65 94	0.53 94	1.11 77	0.61 84	0.58 20	0.72 69	1.70 155	0.61 69	0.88 165	46.09 215	1.06 22	0.75 38	0.68 42	0.86 20	0.75 72	0.79 19	1.96 34	0.55 73	0.58 56	0.96 89	0.96 78	1.63 73	0.76 51

FCDSN-DC	3.99 171	0.97 122	2.81 225	1.39 178	1.40 176	1.15 161	1.19 155	0.91 56	0.91 125	1.04 105	0.72 69	1.58 151	0.75 103	0.63 125	52.37 252	2.42 135	1.30 149	1.13 162	1.11 34	0.80 83	7.88 177	16.59 217	0.81 153	2.41 216	1.31 137	1.68 151	1.29 39	1.11 101
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FADNet-RVC	2.70 133	0.72 32	0.93 98	0.78 111	1.09 150	0.60 81	2.77 192	0.92 57	0.62 86	1.01 103	0.73 72	1.50 144	0.65 81	0.62 121	38.99 185	1.71 100	0.92 83	0.91 115	2.27 83	1.57 163	2.69 105	4.17 65	0.53 68	0.80 105	1.47 162	1.12 105	1.45 49	1.38 127

SACVNet	1.42 69	0.96 121	1.03 121	0.93 132	1.15 156	0.95 141	0.99 139	1.50 133	0.82 113	1.21 118	0.74 73	0.99 96	0.73 98	0.70 143	3.38 78	1.50 76	1.24 144	0.85 94	2.24 81	0.96 114	2.50 102	5.99 103	0.69 125	0.90 134	1.04 103	1.06 96	2.02 95	1.29 122

RALCasStereoNet	1.87 102	0.84 75	1.02 119	0.54 59	0.55 65	0.62 85	0.48 86	1.48 129	0.46 41	1.01 103	0.74 73	0.92 83	0.50 40	0.36 26	6.19 110	11.19 218	0.81 55	0.76 68	1.55 51	0.68 56	1.46 60	13.06 191	0.52 62	0.66 78	0.94 83	1.13 109	0.96 20	1.14 104

iResNet_ROB	1.32 57	0.86 85	0.86 81	0.65 87	0.60 73	0.69 103	0.66 112	2.64 215	0.58 75	1.71 152	0.75 75	0.97 93	0.82 126	0.49 77	5.86 107	1.53 80	0.93 88	0.86 96	2.96 106	0.68 56	2.22 95	1.21 16	0.62 100	0.95 144	0.86 66	0.98 83	2.65 158	1.02 90

LoS_RVC	1.52 77	1.26 170	0.96 104	0.32 14	0.52 52	0.38 18	0.34 46	0.73 24	0.57 72	2.10 172	0.76 76	0.73 37	0.72 95	0.35 23	4.43 95	3.80 167	0.91 80	2.29 223	3.41 129	0.70 60	4.52 124	6.76 110	0.56 80	0.44 26	0.84 60	0.85 63	0.93 18	0.98 82

tt_ll	1.52 77	1.26 170	0.96 104	0.32 14	0.52 52	0.38 18	0.34 46	0.73 24	0.57 72	2.10 172	0.76 76	0.73 37	0.72 95	0.35 23	4.43 95	3.80 167	0.91 80	2.29 223	3.41 129	0.70 60	4.52 124	6.76 110	0.56 80	0.44 26	0.84 60	0.85 63	0.93 18	0.98 82

BEATNet_4x	1.77 98	0.78 61	0.79 68	0.76 104	0.70 98	0.51 47	0.49 88	1.23 95	1.31 160	0.84 74	0.76 76	1.06 101	0.76 108	0.67 138	8.95 122	2.41 134	1.91 182	1.42 191	1.30 40	0.88 102	4.99 136	9.14 133	0.51 56	1.03 152	0.77 46	0.82 54	1.85 83	1.10 99

NLCA_NET_v2_RVC	1.09 38	0.93 111	0.85 79	0.74 101	0.81 119	0.66 96	1.22 159	1.07 73	2.23 203	1.99 165	0.76 76	0.97 93	0.63 75	0.94 171	2.41 45	1.05 21	0.74 34	0.72 55	1.32 41	0.70 60	0.90 25	1.40 20	0.59 91	0.61 64	0.74 43	1.58 145	1.48 54	1.26 121
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
IER	0.95 31	0.83 71	0.60 44	0.50 50	0.52 52	0.58 71	0.48 86	0.80 35	0.50 55	1.12 112	0.77 80	1.06 101	0.50 40	0.78 155	3.59 83	1.11 28	0.76 40	0.65 37	0.91 21	0.78 78	0.76 17	2.32 40	0.66 113	0.67 80	0.65 34	1.01 85	2.05 97	0.74 45

LMCR-Stereo	1.14 44	0.84 75	0.91 91	0.55 61	0.63 86	0.66 96	0.34 46	1.12 78	0.64 91	0.82 69	0.77 80	0.94 87	0.49 37	0.44 61	3.22 75	1.57 92	1.06 120	0.76 68	2.19 79	1.43 155	1.90 86	4.46 69	0.53 68	0.81 108	0.87 68	0.86 65	1.11 29	0.94 73

sCroCo_RVC	1.92 106	0.68 24	0.57 42	0.38 22	0.50 45	0.76 117	0.43 68	0.94 61	1.56 177	1.51 137	0.77 80	1.06 101	0.96 148	0.50 84	3.03 66	5.07 190	1.25 146	1.23 177	2.55 92	1.40 152	7.89 178	12.35 183	0.45 32	0.64 69	0.94 83	1.12 105	2.34 119	1.04 93

GANetREF_RVC	1.35 60	1.22 163	1.01 117	1.18 163	1.10 151	1.02 151	0.81 125	1.25 98	1.15 151	1.30 125	0.77 80	2.55 179	0.96 148	0.63 125	2.28 40	1.23 44	1.09 124	0.99 133	2.42 88	0.90 106	2.22 95	1.72 29	0.79 150	1.12 162	1.31 137	1.27 119	2.62 153	1.48 133
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
GEStereo_RVC	1.88 104	0.97 122	1.01 117	1.01 146	0.88 126	1.12 159	1.07 144	1.65 156	0.82 113	0.90 88	0.78 84	1.38 135	0.79 117	0.64 129	2.40 44	2.33 130	1.22 141	1.22 176	4.10 144	1.26 143	5.16 140	12.04 178	0.73 133	1.21 168	0.95 86	0.97 81	2.49 138	1.64 141

STTStereo	1.06 37	0.95 117	0.90 88	0.79 115	0.77 109	0.70 106	1.10 147	0.86 46	1.48 170	1.26 122	0.78 84	1.13 113	0.78 115	0.94 171	2.76 52	1.16 32	0.76 40	0.73 58	1.10 32	0.66 54	1.18 45	1.53 26	0.62 100	0.58 56	0.78 49	1.22 117	1.76 79	1.40 129

TDLM	0.57 8	0.62 15	0.66 54	0.43 33	0.58 72	0.49 41	0.51 92	0.72 22	0.45 37	0.33 4	0.80 86	0.83 64	0.46 33	0.46 69	0.67 1	0.67 1	0.59 13	0.55 21	0.52 5	0.51 20	0.51 5	1.17 13	0.44 29	0.41 20	0.42 7	0.35 7	0.64 8	0.70 41

UCFNet_RVC	2.81 135	1.27 172	0.90 88	0.89 131	0.94 136	0.78 121	0.62 106	0.78 30	0.68 97	0.91 90	0.80 86	1.29 128	1.02 154	0.50 84	42.02 203	1.15 30	0.85 63	0.83 89	6.67 185	0.85 100	1.51 66	2.89 50	1.15 186	0.75 93	1.10 110	1.14 110	1.58 66	2.10 162

CFNet_pseudo	1.71 92	0.79 63	0.89 85	0.83 122	0.79 115	0.71 107	0.43 68	0.93 59	0.53 63	0.94 97	0.81 88	0.94 87	0.88 136	0.82 161	15.18 150	1.47 74	0.79 53	0.73 58	7.38 199	0.78 78	1.08 39	2.74 49	0.74 139	0.70 87	0.91 75	0.91 73	1.47 51	1.13 103

APVNet	1.28 53	1.03 145	0.68 55	0.69 93	0.78 111	0.87 130	0.89 132	0.79 32	0.72 103	0.91 90	0.83 89	0.92 83	0.61 69	0.59 111	3.31 76	1.71 100	1.16 136	0.99 133	3.22 119	0.92 108	1.91 88	4.73 73	0.58 86	1.11 161	0.80 54	0.84 59	1.90 88	0.97 78

HSM	1.47 73	0.76 51	1.02 119	0.81 119	0.80 117	0.56 63	0.56 96	1.86 173	0.60 81	0.76 54	0.85 90	0.90 76	0.68 86	0.60 114	11.58 138	1.15 30	0.96 97	0.74 63	2.61 94	0.74 69	2.26 99	2.51 45	0.60 96	0.87 123	0.95 86	0.98 83	2.08 99	1.02 90

DLCB_ROB	1.03 34	0.92 105	0.91 91	0.74 101	0.83 125	0.75 115	0.77 121	0.88 51	0.73 105	0.93 94	0.85 90	1.06 101	0.94 144	0.70 143	1.57 11	1.24 46	1.03 113	0.73 58	0.92 22	0.75 72	1.48 64	2.49 43	0.81 153	0.77 97	1.35 146	1.30 122	1.49 55	0.95 76

CES	1.47 73	0.78 61	0.61 45	0.46 45	0.57 69	0.52 52	0.23 13	1.50 133	0.68 97	0.78 59	0.86 92	0.86 70	0.90 137	0.39 37	7.38 117	3.09 146	1.24 144	1.04 146	1.48 48	1.19 134	4.63 128	5.40 89	0.67 116	0.45 28	0.87 68	0.82 54	1.16 31	1.15 107

s12784h	2.36 123	1.12 155	1.42 176	1.12 155	0.93 133	0.62 85	0.40 61	1.36 119	0.68 97	1.05 108	0.86 92	1.10 108	0.94 144	0.43 57	2.88 59	4.87 186	1.00 107	0.73 58	3.80 137	0.59 34	7.79 174	9.50 136	0.55 73	0.69 84	1.89 192	1.97 176	11.65 241	3.89 194

DSFCA	0.94 29	0.84 75	0.75 62	0.66 90	0.78 111	0.62 85	0.79 124	0.75 27	0.78 109	0.78 59	0.86 92	0.79 57	0.52 44	0.44 61	1.95 25	1.21 41	0.89 76	0.87 100	1.03 28	0.81 88	1.11 40	2.19 39	0.73 133	0.80 105	0.84 60	0.96 78	1.89 87	0.85 61

MyStereo04	1.85 101	0.92 105	1.06 125	0.81 119	0.90 128	0.59 78	0.43 68	1.56 145	0.99 131	2.30 181	0.87 95	1.46 140	0.57 58	0.41 44	3.53 82	2.81 141	0.93 88	1.01 141	5.44 163	2.73 204	4.96 132	6.15 106	1.83 211	0.96 146	1.39 153	1.73 154	2.57 150	0.94 73

UDGNet	1.40 68	1.04 146	0.83 74	1.64 190	1.39 174	1.70 191	1.25 161	1.21 93	0.81 112	0.63 30	0.87 95	0.92 83	0.42 30	1.61 203	2.12 33	1.25 47	0.87 70	0.89 108	2.45 90	0.92 108	1.95 91	5.71 96	1.28 193	0.54 44	1.21 129	1.10 101	2.15 102	1.02 90

iResNetv2_ROB	1.65 89	0.91 101	0.76 64	1.13 157	0.66 93	0.73 112	0.56 96	2.62 213	0.67 96	1.76 154	0.87 95	1.36 134	0.77 114	0.42 52	5.48 105	1.34 58	1.04 116	0.74 63	4.59 150	0.89 103	7.80 176	2.09 37	0.62 100	0.93 141	0.89 72	0.86 65	3.12 180	0.90 68

AACVNet	1.30 55	0.89 95	0.74 60	0.93 132	0.95 137	0.73 112	0.64 108	0.88 51	0.64 91	0.74 48	0.88 98	0.83 64	0.67 85	0.62 121	9.20 123	1.41 63	0.87 70	0.84 92	1.21 36	0.80 83	1.51 66	2.50 44	0.75 142	0.69 84	0.88 70	1.11 102	1.91 89	1.31 123

sAnonymous2	1.46 71	0.77 54	0.55 37	0.43 33	0.48 38	0.71 107	0.42 64	1.28 104	0.99 131	0.65 35	0.88 98	1.13 113	0.96 148	0.36 26	2.58 47	2.36 132	1.11 126	1.05 151	3.69 135	0.96 114	4.96 132	7.11 117	0.64 107	0.61 64	0.84 60	1.39 129	1.25 36	1.23 117

CroCo_RVC	1.46 71	0.77 54	0.55 37	0.43 33	0.48 38	0.71 107	0.42 64	1.28 104	0.99 131	0.65 35	0.88 98	1.13 113	0.96 148	0.36 26	2.58 47	2.36 132	1.11 126	1.05 151	3.69 135	0.96 114	4.96 132	7.11 117	0.64 107	0.61 64	0.84 60	1.39 129	1.25 36	1.23 117

CVANet_RVC	0.80 21	0.73 38	0.92 97	0.86 128	0.64 89	0.72 110	0.62 106	1.17 85	0.55 67	0.47 12	0.89 101	0.91 78	0.48 36	0.51 86	0.84 2	0.75 5	0.61 18	0.59 26	0.56 8	0.63 43	0.66 14	3.82 60	0.43 25	0.47 33	0.57 20	0.44 17	0.78 13	1.05 94

DISCO	1.04 35	0.98 128	0.62 46	0.57 67	0.62 82	0.84 127	0.83 128	0.77 28	0.82 113	1.98 164	0.89 101	0.68 28	0.70 90	0.45 67	1.98 26	1.35 59	1.00 107	0.81 78	1.83 66	0.81 88	1.00 34	2.90 51	0.62 100	0.65 75	0.74 43	0.84 59	2.03 96	0.85 61

CAS	1.16 48	0.81 68	0.47 25	0.51 53	0.49 42	0.38 18	0.31 35	0.56 9	0.45 37	1.20 114	0.90 103	0.64 21	0.97 152	0.32 16	3.11 70	2.22 128	0.98 101	0.85 94	1.21 36	0.64 45	3.95 117	5.48 93	0.47 37	0.31 7	0.85 65	0.92 75	1.21 34	1.15 107

SGM-Forest	5.08 187	1.24 166	0.79 68	2.11 202	1.57 184	1.42 180	0.58 102	1.40 122	0.90 123	4.89 238	0.91 104	2.72 184	12.97 231	0.64 129	17.84 159	3.50 158	0.87 70	0.68 42	9.60 212	0.82 94	7.51 168	17.96 236	0.87 170	1.09 158	1.69 183	1.75 155	5.90 217	34.83 258
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FADNet	2.84 138	0.83 71	0.90 88	0.83 122	1.04 143	0.62 85	2.08 178	0.99 66	0.76 107	0.92 93	0.92 105	1.18 118	0.78 115	0.76 150	40.37 194	1.50 76	0.97 100	1.03 145	2.68 97	1.57 163	3.20 109	5.00 78	0.51 56	0.68 82	1.58 174	1.68 151	1.54 59	1.82 146

GES	1.63 88	0.75 43	0.83 74	0.79 115	0.73 103	0.82 125	0.67 114	1.36 119	0.95 129	1.65 148	0.95 106	0.78 54	0.65 81	0.66 136	6.17 109	1.65 96	1.02 112	0.91 115	5.50 164	1.23 140	4.23 120	5.40 89	0.67 116	0.96 146	0.81 57	0.83 57	1.52 57	1.65 142

HGLStereo	0.89 25	0.66 19	0.79 68	0.52 55	0.71 100	0.57 68	0.50 89	0.67 20	0.51 59	1.67 150	0.96 107	0.66 25	0.57 58	0.54 98	1.73 20	1.28 51	0.85 63	0.78 71	1.10 32	0.68 56	1.07 37	2.08 36	0.51 56	0.68 82	0.75 45	0.79 50	1.59 71	0.81 56

FADNet-RVC-Resample	2.26 121	0.88 92	1.00 113	0.72 97	0.82 122	0.64 93	1.20 156	1.09 75	0.94 127	0.99 101	0.96 107	1.71 156	0.79 117	1.00 177	25.20 166	1.54 85	1.23 143	1.59 199	1.55 51	1.07 125	1.59 70	6.84 113	0.60 96	1.24 170	0.88 70	1.96 175	1.44 45	1.54 134

AF-Net	1.15 46	0.85 81	1.00 113	0.77 107	0.93 133	1.00 148	2.29 182	1.51 136	1.06 140	0.57 18	0.96 107	1.40 137	0.64 78	0.75 148	2.20 37	1.08 24	0.85 63	0.62 33	1.83 66	0.79 81	0.90 25	2.97 52	0.66 113	0.65 75	0.98 90	0.89 68	1.58 66	1.24 119

Nwc_Net	1.15 46	0.85 81	1.00 113	0.77 107	0.93 133	1.00 148	2.29 182	1.51 136	1.06 140	0.57 18	0.96 107	1.40 137	0.64 78	0.75 148	2.20 37	1.08 24	0.85 63	0.62 33	1.83 66	0.79 81	0.90 25	2.97 52	0.66 113	0.65 75	0.98 90	0.89 68	1.58 66	1.24 119

MIPNet	2.96 144	0.92 105	0.91 91	0.50 50	0.67 96	0.56 63	0.61 105	1.33 113	0.54 66	2.05 170	0.97 111	0.83 64	0.81 122	0.49 77	40.68 196	1.72 102	1.31 150	0.97 128	3.26 121	1.24 141	1.50 65	9.35 134	0.59 91	1.03 152	1.35 146	1.98 177	2.90 169	0.81 56

Anonymous3	2.34 122	0.87 88	0.96 104	0.57 67	1.20 160	0.90 135	0.70 117	2.43 208	1.12 146	1.04 105	0.97 111	2.57 180	1.18 167	0.58 109	4.83 99	8.57 212	1.53 168	1.46 194	5.31 161	1.61 166	6.76 156	10.34 145	0.73 133	0.71 88	1.11 113	1.40 132	2.31 114	1.33 125

LoS	1.62 87	0.79 63	0.65 50	0.53 57	0.57 69	0.67 99	0.39 59	2.55 212	0.90 123	1.22 121	0.98 113	0.98 95	0.87 134	0.44 61	4.09 91	3.52 160	1.45 160	0.94 121	2.24 81	0.75 72	6.08 150	7.76 122	0.68 119	0.64 69	1.18 127	0.97 81	1.10 28	0.87 66

PDISCO_ROB	1.12 41	0.87 88	0.62 46	0.79 115	0.70 98	0.54 56	0.76 120	0.95 62	0.69 100	1.78 155	0.98 113	0.75 44	0.63 75	0.65 134	2.15 35	1.54 85	0.99 104	1.10 159	1.60 57	0.82 94	1.80 78	2.71 48	0.57 84	0.84 114	1.20 128	0.84 59	2.56 148	0.90 68

CREStereo	1.57 82	0.92 105	0.99 111	0.53 57	0.43 31	0.49 41	0.26 24	1.44 127	0.71 102	0.87 79	1.01 115	0.95 90	0.76 108	0.44 61	7.17 114	4.29 176	0.93 88	0.59 26	2.41 86	0.65 51	5.45 141	5.19 83	0.61 98	0.63 68	1.02 99	1.01 85	1.74 77	0.98 82
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
CFNet_RVC	2.61 129	0.87 88	0.97 107	0.76 104	0.82 122	0.73 112	0.52 93	0.74 26	0.66 95	0.87 79	1.03 116	0.90 76	0.61 69	0.52 88	44.12 209	1.18 36	0.85 63	0.81 78	2.35 85	0.76 76	1.46 60	2.38 41	0.53 68	0.73 91	0.99 92	1.11 102	1.93 90	1.22 116

NVstereo2D	2.85 139	0.83 71	0.80 71	0.70 95	0.80 117	0.92 139	0.81 125	1.18 89	0.76 107	0.93 94	1.03 116	0.81 62	0.55 55	0.72 146	52.45 253	1.56 90	0.94 92	0.87 100	1.64 58	0.72 67	1.14 43	1.60 28	0.76 144	0.87 123	1.08 109	0.79 50	1.01 22	0.75 47

TANstereo	1.55 79	1.06 150	0.94 100	0.68 91	0.76 106	0.90 135	0.33 43	0.86 46	0.64 91	0.70 40	1.05 118	0.60 14	0.61 69	1.01 178	2.77 53	2.92 143	1.00 107	1.15 165	1.49 49	1.30 147	5.05 138	5.77 98	1.42 197	0.59 59	0.57 20	0.90 70	5.94 218	0.75 47

XX-TBD	1.55 79	1.06 150	0.94 100	0.68 91	0.76 106	0.90 135	0.33 43	0.86 46	0.64 91	0.70 40	1.05 118	0.60 14	0.61 69	1.01 178	2.77 53	2.92 143	1.00 107	1.15 165	1.49 49	1.30 147	5.05 138	5.77 98	1.42 197	0.59 59	0.57 20	0.90 70	5.94 218	0.75 47

ADCRef	4.89 184	1.42 185	1.03 121	0.78 111	1.79 192	1.25 172	1.80 169	1.00 68	5.53 239	1.84 158	1.05 118	1.16 117	0.93 142	1.23 194	53.67 256	2.00 119	1.15 135	1.05 151	3.90 140	1.36 150	2.10 93	4.11 64	2.09 213	1.09 158	2.26 202	4.58 212	2.46 135	29.47 253

stereogan	1.50 76	1.32 175	1.15 145	1.13 157	1.31 168	1.13 160	1.02 141	1.26 101	1.04 139	1.20 114	1.09 121	1.65 153	0.90 137	0.67 138	2.78 56	1.43 66	1.01 111	0.81 78	1.83 66	0.99 119	1.36 55	8.05 125	0.73 133	0.92 139	0.91 75	1.08 99	2.36 122	1.37 126

pcwnet_v2	3.23 151	0.83 71	0.97 107	0.93 132	1.14 155	0.96 142	0.69 116	1.17 85	0.87 121	2.03 168	1.10 122	1.29 128	1.08 159	1.26 195	45.42 212	1.62 95	1.08 123	0.89 108	6.88 195	0.84 99	3.07 107	4.23 66	1.04 181	0.91 137	1.05 105	1.19 113	2.44 131	2.19 167

RainbowNet	6.38 203	3.77 234	2.95 229	4.59 228	3.15 231	4.28 225	10.99 243	2.04 189	1.97 196	1.89 163	1.11 123	3.92 198	3.08 196	3.63 227	42.37 206	1.96 117	4.60 215	1.56 198	16.57 226	8.71 248	11.66 213	11.28 166	10.57 256	2.32 209	2.23 201	2.29 191	2.78 163	6.05 211

ICVP	1.60 86	0.75 43	1.11 137	0.77 107	0.78 111	0.87 130	0.64 108	1.10 76	0.85 117	1.37 131	1.11 123	0.95 90	1.12 164	0.57 107	3.12 72	2.05 123	1.33 152	1.00 137	1.56 53	1.07 125	3.91 116	10.82 153	0.69 125	0.87 123	0.95 86	1.21 115	1.52 57	1.14 104
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
AMNet	1.31 56	1.12 155	1.05 124	1.14 159	1.12 154	1.27 174	1.07 144	1.35 116	1.13 147	1.10 111	1.11 123	1.55 148	1.26 168	1.20 192	1.75 21	1.59 94	1.37 156	1.23 177	1.37 43	1.22 137	1.40 56	1.40 20	1.25 192	1.26 172	1.26 132	1.70 153	1.54 59	1.65 142

RP	1.29 54	1.05 148	1.26 165	0.96 137	1.11 152	0.85 128	1.39 164	1.24 97	1.30 159	0.61 25	1.16 126	1.27 125	0.75 103	0.72 146	3.49 80	1.12 29	0.95 94	0.68 42	1.24 38	0.83 97	1.02 35	4.57 70	0.63 105	0.91 137	0.90 73	1.02 89	2.51 140	1.20 115

DeepPrunerF	4.26 174	1.62 198	0.74 60	2.93 216	4.99 249	2.40 206	3.44 198	0.88 51	3.92 228	0.79 62	1.16 126	0.71 33	0.57 58	0.63 125	43.07 208	2.04 122	1.04 116	0.87 100	2.42 88	0.92 108	1.80 78	2.10 38	0.88 173	0.82 109	28.99 256	1.77 160	2.48 136	1.16 110

RTS	3.66 164	1.19 158	1.07 129	0.99 140	1.30 166	1.36 178	3.80 203	1.35 116	1.49 172	2.37 183	1.17 128	1.84 159	1.14 165	1.07 183	42.35 204	3.22 150	2.05 190	1.43 192	4.07 142	1.94 181	4.46 122	5.32 85	1.05 182	1.34 174	1.91 193	5.04 218	2.33 117	2.12 163

RTSA	3.66 164	1.19 158	1.07 129	0.99 140	1.30 166	1.36 178	3.80 203	1.35 116	1.49 172	2.37 183	1.17 128	1.84 159	1.14 165	1.07 183	42.35 204	3.22 150	2.05 190	1.43 192	4.07 142	1.94 181	4.46 122	5.32 85	1.05 182	1.34 174	1.91 193	5.04 218	2.33 117	2.12 163

Ntro	7.30 213	6.21 246	2.53 218	8.29 238	3.01 227	5.20 232	8.21 226	1.40 122	1.51 174	1.44 135	1.19 130	3.90 196	2.78 189	3.15 221	35.64 178	1.27 49	10.61 236	1.27 185	45.74 256	1.93 180	14.28 247	11.91 176	11.38 260	2.65 223	1.73 185	2.28 190	2.54 146	4.94 200

ACVNet-4b	15.72 248	4.04 238	2.68 220	44.32 264	2.83 221	6.13 238	62.22 268	1.84 169	1.78 190	1.65 148	1.24 131	4.40 207	112.58 271	3.38 224	47.32 222	1.32 56	16.00 257	1.73 206	55.10 262	2.19 195	14.48 252	16.37 216	7.30 244	3.18 241	1.64 178	1.88 167	2.20 107	4.57 197

NCCL2	1.66 90	1.30 173	1.16 147	1.12 155	1.48 178	0.80 122	1.13 153	1.07 73	1.15 151	1.84 158	1.26 132	1.12 110	0.84 129	0.83 162	4.07 89	1.52 78	1.22 141	0.89 108	1.35 42	0.93 111	2.49 101	5.97 102	1.47 202	1.14 164	1.49 165	1.40 132	3.78 202	1.89 152

NaN_ROB	2.45 125	1.12 155	1.08 131	0.97 138	1.86 198	0.90 135	1.61 167	1.33 113	10.69 252	1.00 102	1.27 133	2.58 181	0.94 144	1.20 192	17.00 155	1.43 66	1.03 113	0.90 113	1.56 53	1.21 136	1.90 86	3.45 55	0.81 153	1.12 162	1.54 173	2.00 179	2.39 128	3.23 187

PA-Net	1.33 59	0.99 132	1.18 153	0.77 107	1.35 172	0.69 103	0.90 133	0.82 40	1.17 153	0.82 69	1.28 134	0.78 54	0.79 117	0.93 169	4.45 97	1.31 55	0.72 30	0.80 76	1.06 29	0.89 103	1.19 46	4.70 72	0.68 119	0.85 121	1.01 96	2.17 185	1.45 49	2.09 160
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
IPLGR	3.62 162	0.90 98	0.93 98	0.65 87	0.68 97	0.51 47	0.44 74	1.14 82	0.45 37	2.02 167	1.29 135	0.88 71	0.76 108	0.48 73	49.71 232	1.92 115	1.37 156	1.13 162	3.29 124	1.45 157	3.00 106	15.33 206	0.59 91	1.08 157	1.51 169	1.93 173	3.46 191	0.91 71

NCC-stereo	1.37 63	1.25 168	1.13 139	1.00 142	1.08 146	0.98 145	1.87 172	1.76 163	1.58 178	0.60 22	1.33 136	1.22 119	1.08 159	0.78 155	3.16 73	1.19 38	0.95 94	1.00 137	1.64 58	1.00 120	1.20 48	3.65 56	0.84 161	0.84 114	1.28 134	1.57 143	1.44 45	1.60 138

Abc-Net	1.37 63	1.25 168	1.13 139	1.00 142	1.08 146	0.98 145	1.87 172	1.76 163	1.58 178	0.60 22	1.33 136	1.22 119	1.08 159	0.78 155	3.16 73	1.19 38	0.95 94	1.00 137	1.64 58	1.00 120	1.20 48	3.65 56	0.84 161	0.84 114	1.28 134	1.57 143	1.44 45	1.60 138
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ACVNet_1	7.23 211	3.88 236	3.60 236	16.55 245	3.61 238	6.82 242	10.77 240	1.61 150	1.77 188	1.62 144	1.34 138	4.64 208	3.07 195	7.87 239	46.54 218	1.46 71	11.70 244	1.77 207	20.85 236	1.62 167	14.44 251	9.86 138	7.17 243	2.93 237	1.84 188	2.33 193	2.75 162	2.71 175

SQANet	6.61 207	4.52 241	2.25 210	19.46 249	2.80 220	5.78 235	5.10 208	1.62 151	1.42 163	1.20 114	1.35 139	3.49 192	2.47 183	2.79 216	39.69 189	1.32 56	10.61 236	1.08 157	20.69 235	1.49 160	12.87 221	10.98 157	11.36 259	1.61 182	1.68 182	2.30 192	2.67 160	5.76 209

iinet-f	1.26 52	1.10 153	0.69 56	0.94 136	0.47 36	0.72 110	0.58 102	0.79 32	0.50 55	2.11 174	1.35 139	0.83 64	0.64 78	0.38 31	3.97 87	1.88 112	0.79 53	0.68 42	3.04 109	1.08 127	1.61 71	3.40 54	0.68 119	0.75 93	1.14 120	0.64 34	2.22 111	0.90 68

FC-DCNN	4.51 179	1.62 198	4.08 240	2.84 214	2.39 210	3.98 221	10.51 237	2.63 214	1.71 184	2.88 200	1.36 141	4.19 204	1.34 171	0.70 143	7.04 112	2.00 119	1.35 155	1.04 146	9.58 210	0.98 118	9.23 192	16.30 215	0.86 166	1.84 189	4.65 225	2.21 187	7.62 230	16.90 236

DDUNet	2.19 119	2.74 219	2.17 207	2.93 216	2.67 216	3.05 216	2.77 192	1.17 85	1.11 145	1.60 142	1.37 142	2.26 174	1.70 176	2.81 217	2.35 43	1.30 53	2.80 204	2.43 235	2.64 95	2.90 208	1.94 90	4.91 76	2.77 222	1.00 148	1.10 110	0.94 76	2.50 139	1.10 99

otaku	6.32 201	5.21 242	2.43 216	18.55 248	3.05 228	6.58 240	5.21 211	1.43 125	1.44 165	1.31 126	1.39 143	3.94 199	2.76 187	3.25 222	26.81 168	1.43 66	10.64 238	1.19 174	20.32 233	1.71 171	13.88 237	11.69 171	11.83 261	2.03 199	1.64 178	2.05 180	2.52 142	6.37 212

cross-raft	2.82 137	0.91 101	1.18 153	0.75 103	0.90 128	0.66 96	0.46 79	2.03 188	0.61 84	0.95 99	1.42 144	1.08 107	0.76 108	0.53 91	8.24 120	5.88 199	1.09 124	0.80 76	6.99 197	2.68 203	12.15 214	17.17 228	0.72 130	0.78 102	1.60 176	1.91 169	1.66 74	2.34 170

MFN_U_SF_DS_RVC	4.37 178	1.52 193	1.06 125	2.01 198	1.95 203	2.24 202	6.41 218	2.14 191	2.21 202	1.72 153	1.55 145	2.74 187	6.14 208	6.25 237	28.17 170	1.81 109	1.51 164	1.06 154	5.38 162	1.78 174	12.52 216	8.92 132	1.51 205	1.25 171	2.26 202	3.39 207	3.05 175	7.55 216

DeepPruner_ROB	1.89 105	0.77 54	0.97 107	0.86 128	0.91 130	0.80 122	5.39 212	1.26 101	0.91 125	1.47 136	1.61 146	0.92 83	0.82 126	0.56 105	4.41 93	1.54 85	1.07 122	1.06 154	2.72 101	0.80 83	7.63 170	7.36 120	0.87 170	0.77 97	0.91 75	1.47 137	2.20 107	0.99 87

Dean	7.71 222	3.73 233	2.70 222	34.51 259	4.04 243	5.77 234	11.08 244	2.27 202	2.38 206	2.20 177	1.67 147	5.02 213	5.62 206	3.37 223	48.84 228	1.81 109	12.14 247	1.69 203	9.97 213	2.18 193	14.18 241	9.87 139	7.32 245	2.79 232	3.52 218	2.90 199	3.53 194	3.17 185

RGC	1.56 81	1.33 177	1.98 203	1.18 163	1.24 161	1.20 167	1.06 142	1.20 91	1.09 143	0.91 90	1.67 147	1.23 121	1.26 168	0.92 168	4.08 90	1.27 49	1.06 120	0.86 96	1.92 70	1.10 129	1.72 76	5.40 89	0.79 150	1.03 152	1.17 123	1.52 140	2.20 107	1.83 147

LVE	12.08 237	3.68 231	2.75 223	55.08 268	4.35 247	8.14 249	74.25 271	1.97 179	2.42 207	2.31 182	1.72 149	4.79 209	5.02 205	3.47 226	40.00 193	2.29 129	11.14 240	1.88 213	50.99 261	2.03 186	10.30 199	12.06 179	5.50 233	3.25 243	3.73 220	3.25 204	3.10 176	6.68 215

TRStereo	7.27 212	1.32 175	1.93 198	0.85 127	0.64 89	2.31 205	0.87 130	2.20 195	0.84 116	4.40 229	1.76 150	2.27 175	0.75 103	0.53 91	9.78 127	18.00 253	0.89 76	0.90 113	5.70 171	1.69 170	7.47 167	17.27 231	0.63 105	0.64 69	1.43 156	106.42 274	3.23 182	1.61 140

MSMDNet	3.50 157	0.89 95	1.16 147	0.58 69	0.75 105	0.62 85	0.50 89	2.02 186	0.62 86	1.04 105	1.76 150	1.11 109	12.05 228	0.61 116	12.99 142	10.73 217	1.17 137	0.81 78	6.92 196	1.46 159	11.45 212	17.23 230	0.72 130	0.84 114	1.47 162	1.81 161	1.28 38	1.94 156

XPNet_ROB	1.76 97	1.58 196	1.17 151	0.93 132	1.17 157	1.05 154	0.98 138	0.97 63	1.17 153	1.07 109	1.79 152	4.38 206	0.73 98	0.80 159	2.59 49	1.58 93	1.78 179	0.97 128	1.45 47	1.06 124	2.58 103	8.45 130	0.94 177	0.88 130	0.99 92	1.31 123	3.33 187	1.71 144

DN-CSS_ROB	1.49 75	0.84 75	1.08 131	0.88 130	0.88 126	0.50 45	0.39 59	2.00 185	0.63 89	1.55 139	1.79 152	1.00 97	0.81 122	0.41 44	3.48 79	1.46 71	1.12 130	0.95 122	5.28 160	0.75 72	4.20 119	3.69 58	0.56 80	1.01 150	0.80 54	0.82 54	2.06 98	1.31 123

PWCDC_ROB	2.81 135	0.72 32	0.69 56	0.63 82	0.95 137	0.69 103	0.70 117	1.04 72	1.58 178	0.64 32	1.84 154	0.91 78	3.56 201	0.77 154	39.21 186	2.17 126	1.31 150	0.99 133	1.59 56	1.01 122	3.34 110	5.82 100	0.72 130	0.87 123	0.77 46	0.94 76	1.13 30	1.19 113

IMH	9.35 227	3.37 227	3.55 235	4.56 227	3.42 235	4.71 230	8.11 225	3.47 226	3.11 219	1.42 134	1.87 155	5.75 217	16.21 242	47.47 269	51.66 244	2.73 139	9.15 232	2.36 230	20.87 237	2.09 192	8.20 183	10.33 144	8.06 253	2.34 210	7.63 236	5.85 225	3.76 201	10.29 224

ACVNet_2	7.60 217	3.56 228	2.92 228	21.71 254	3.45 236	5.03 231	10.20 234	1.84 169	1.75 186	1.88 160	1.90 156	4.13 202	3.42 200	3.13 220	48.14 225	1.55 88	12.78 250	1.59 199	33.01 244	1.79 175	11.17 210	7.89 123	6.76 242	2.80 233	3.11 216	2.99 202	3.50 193	3.10 183

MSC_U_SF_DS_RVC	5.15 189	2.25 215	1.46 180	2.42 208	2.07 208	2.04 199	5.18 210	1.97 179	2.61 208	2.96 202	1.93 157	3.79 195	10.20 219	10.36 244	27.56 169	3.55 162	3.01 205	1.99 217	14.19 221	3.59 220	7.40 166	9.91 140	2.85 224	1.93 193	2.42 209	2.82 198	2.19 106	6.53 213

UDG	4.03 172	2.77 220	2.35 215	2.93 216	2.67 216	3.00 215	2.72 191	1.31 112	1.13 147	1.64 147	1.94 158	2.23 171	1.70 176	2.77 215	48.50 226	1.67 99	3.08 206	2.35 228	2.67 96	2.91 209	3.58 114	5.04 79	2.66 217	1.23 169	1.07 108	1.28 121	2.36 122	1.15 107

MFMNet_re	3.46 156	1.42 185	1.49 182	1.53 187	1.89 200	2.00 197	2.86 195	2.64 215	2.15 201	1.61 143	1.95 159	3.90 196	2.80 190	1.04 181	16.75 153	4.11 173	2.68 203	1.96 216	6.65 184	2.58 202	14.03 238	5.20 84	1.88 212	2.03 199	1.41 154	1.32 124	3.30 186	2.21 168

IMH-64-1	7.69 220	3.33 224	3.54 233	4.78 229	3.41 233	4.66 227	7.94 222	3.50 227	3.08 217	1.39 132	1.97 160	5.46 215	11.00 223	5.06 234	51.74 245	4.54 182	6.41 224	2.30 225	19.20 229	2.05 188	8.35 184	10.70 151	7.76 250	2.38 211	6.01 231	4.61 213	13.27 246	9.08 218

IMH-64	7.69 220	3.33 224	3.54 233	4.78 229	3.41 233	4.66 227	7.94 222	3.50 227	3.08 217	1.39 132	1.97 160	5.46 215	11.00 223	5.06 234	51.74 245	4.54 182	6.41 224	2.30 225	19.20 229	2.05 188	8.35 184	10.70 151	7.76 250	2.38 211	6.01 231	4.61 213	13.27 246	9.08 218

test_5	0.76 18	0.91 101	0.32 6	0.39 25	0.26 10	0.36 15	0.19 9	1.79 167	0.33 15	0.60 22	1.97 160	0.76 45	0.75 103	0.33 19	1.58 12	1.23 44	0.57 10	0.55 21	1.09 31	0.40 9	0.64 11	1.83 31	0.31 6	0.46 32	0.47 9	0.40 10	1.72 76	0.44 10

FADNet_RVC	3.56 160	1.23 164	1.25 164	1.44 182	1.84 195	1.07 155	1.92 175	1.49 131	1.21 155	1.36 128	1.98 163	2.15 167	1.78 178	1.70 204	24.01 164	3.18 148	2.07 192	2.72 238	5.67 170	1.96 183	6.65 154	9.51 137	0.82 157	1.59 181	1.21 129	1.51 138	12.03 242	2.86 178

ADCL	5.74 196	1.87 204	1.62 186	1.28 172	1.42 177	1.61 188	2.34 185	1.29 106	5.06 237	3.00 204	1.99 164	1.30 130	0.87 134	1.13 188	49.88 234	1.73 105	1.64 169	1.77 207	3.04 109	1.41 153	3.47 112	3.84 61	1.23 189	1.32 173	9.34 243	11.37 240	11.30 239	28.87 252

RTSC	3.28 152	0.98 128	1.45 179	0.78 111	0.96 141	1.01 150	2.41 186	1.17 85	1.33 161	2.40 188	2.02 165	1.27 125	1.03 155	1.14 189	40.84 199	3.19 149	1.99 185	1.31 188	4.15 145	1.44 156	3.49 113	5.65 94	0.68 119	1.18 166	1.17 123	1.04 93	2.44 131	2.09 160

MyStereo	1.93 107	0.95 117	1.26 165	0.84 126	0.91 130	0.57 68	0.43 68	1.29 106	0.74 106	2.38 185	2.06 166	1.54 147	0.70 90	0.40 41	4.03 88	2.60 137	0.90 79	0.93 119	5.50 164	2.53 200	4.90 131	7.06 116	1.36 195	1.00 148	1.50 166	2.17 185	2.66 159	0.94 73

MADNet+	4.92 185	2.05 209	1.88 195	2.10 201	2.41 211	1.62 189	5.57 213	2.53 211	2.09 198	2.66 196	2.11 167	4.11 201	2.91 193	2.54 213	41.01 200	5.19 191	4.09 213	1.69 203	4.60 151	3.68 222	13.15 228	7.71 121	1.76 209	3.65 247	3.07 214	2.16 184	3.24 184	3.28 189

DLNR_Zeroshot_test	24.07 259	81.88 273	1.95 200	101.60 273	0.50 45	0.56 63	81.29 272	2.29 204	0.50 55	4.86 236	2.13 168	3.03 188	0.93 142	12.16 247	103.32 270	142.13 275	34.14 264	19.58 262	8.61 206	4.90 228	8.02 181	28.05 261	0.55 73	0.85 121	1.36 149	1.54 141	1.21 34	1.87 150

notaker	13.32 243	13.02 258	4.84 241	18.53 247	6.99 256	8.41 251	14.34 250	3.85 235	3.23 221	2.91 201	2.14 169	31.16 259	43.76 258	4.86 232	85.76 268	2.65 138	12.81 251	2.79 241	43.18 253	2.96 211	14.95 254	11.46 169	7.77 252	3.13 239	2.66 212	2.97 201	3.75 200	4.87 199

ADCP+	5.11 188	1.52 193	1.70 188	1.08 153	1.55 180	1.22 169	2.28 180	1.03 71	2.69 212	3.96 223	2.19 170	2.25 173	0.63 75	0.98 176	54.20 258	1.53 80	0.87 70	0.96 125	4.27 147	0.95 112	2.45 100	3.80 59	0.74 139	0.80 105	2.41 207	11.13 239	7.77 231	23.00 243

CASS	2.25 120	1.02 143	1.23 160	1.34 176	1.04 143	0.89 133	5.14 209	1.41 124	1.02 137	1.29 124	2.38 171	1.25 123	0.84 129	0.53 91	3.59 83	2.58 136	3.60 209	1.09 158	3.45 131	1.24 141	7.99 180	9.49 135	0.68 119	0.88 130	1.59 175	1.27 119	2.51 140	1.41 130
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
WAO-6	7.60 217	2.96 222	2.69 221	8.39 240	2.91 224	4.09 223	9.80 232	3.51 229	3.29 223	1.83 157	2.44 172	6.58 222	10.28 222	3.07 218	50.48 240	2.35 131	13.45 254	1.89 214	9.14 207	2.24 196	14.27 244	12.25 181	3.34 227	2.73 230	7.78 237	7.61 233	4.78 212	11.18 226

LALA_ROB	2.09 117	2.18 211	1.21 157	1.07 151	1.32 170	1.18 162	1.12 151	1.19 90	1.45 167	2.05 170	2.76 173	3.68 194	0.92 140	0.96 174	4.76 98	1.53 80	1.45 160	1.18 173	2.60 93	1.36 150	3.60 115	8.26 129	0.80 152	1.16 165	1.35 146	1.44 135	3.89 205	2.12 163

FBW_ROB	5.25 191	2.41 217	2.49 217	2.72 212	2.98 226	2.61 209	6.30 217	1.78 166	1.10 144	2.52 190	2.82 174	4.91 212	8.67 213	6.67 238	49.93 235	1.28 51	1.82 180	0.97 128	9.21 208	1.68 169	9.07 190	5.89 101	4.29 231	1.84 189	1.48 164	1.92 171	1.81 80	2.56 173

SHD	3.64 163	1.05 148	2.15 206	1.16 162	1.24 161	1.21 168	2.45 187	1.63 154	1.66 181	2.43 189	2.96 175	1.83 158	2.53 185	0.95 173	39.82 190	3.82 169	1.89 181	1.51 195	4.16 146	2.08 191	5.74 147	5.69 95	0.74 139	1.99 196	1.92 195	1.81 161	1.97 93	1.86 149

UNDER WATER	16.74 251	8.01 254	5.18 247	15.67 244	9.29 261	8.94 253	36.85 263	8.38 258	6.23 241	4.21 228	3.00 176	18.64 251	96.12 269	15.60 255	37.14 181	10.17 215	14.68 256	2.79 241	47.09 258	8.60 244	17.12 260	13.21 193	17.04 265	5.56 254	6.15 233	15.22 245	6.39 223	14.80 233

XQC	3.85 170	1.31 174	1.36 173	1.30 174	1.53 179	1.33 177	2.55 189	1.62 151	1.46 169	2.54 191	3.01 177	1.69 154	4.90 204	1.38 199	44.59 210	3.43 156	1.76 178	1.35 189	3.99 141	1.75 173	4.57 126	5.16 82	0.89 174	1.42 176	2.05 199	2.68 196	2.31 114	2.06 159

ADCS	7.02 209	1.96 208	1.96 201	1.45 183	2.34 209	1.96 195	3.44 198	2.25 200	3.95 230	2.64 195	3.13 178	3.52 193	17.50 246	2.18 210	52.87 255	11.38 220	3.10 207	2.55 236	5.10 157	2.56 201	10.82 207	10.12 142	1.74 208	2.12 204	2.53 211	10.38 238	7.40 229	18.54 238

ADCMid	5.86 197	2.21 213	2.60 219	1.42 180	2.94 225	2.42 207	4.52 207	1.96 177	2.94 215	1.88 160	3.14 179	2.67 182	2.81 191	1.59 202	50.47 239	3.62 165	2.00 187	1.84 212	7.49 200	2.45 198	5.56 143	8.48 131	2.66 217	1.57 180	2.29 204	8.47 235	7.21 228	20.87 241

ETE_ROB	2.14 118	1.95 207	1.29 169	1.08 153	1.39 174	1.29 176	1.47 165	1.12 78	2.26 204	1.35 127	3.17 180	3.39 191	0.94 144	1.14 189	5.12 102	1.56 90	2.63 201	0.99 133	2.98 107	1.22 137	4.29 121	8.09 127	0.91 175	1.09 158	1.28 134	1.38 128	2.37 126	1.87 150

UNDER WATER-64	11.94 235	7.33 253	5.26 248	17.03 246	7.50 258	8.66 252	16.40 253	8.75 259	4.42 234	4.46 231	3.23 181	17.69 250	16.25 244	9.32 242	46.44 216	10.50 216	13.88 255	3.04 244	12.89 220	8.65 246	14.27 244	14.74 203	10.97 257	4.47 251	6.36 234	18.61 248	9.42 235	21.90 242

JetRed	12.58 239	6.94 252	7.73 255	4.83 232	6.78 255	9.44 254	10.92 242	5.31 246	4.60 235	5.84 258	3.34 182	8.16 231	8.25 212	9.89 243	50.58 241	14.44 240	10.47 235	7.92 253	7.78 204	5.56 232	18.07 262	24.74 257	11.23 258	4.59 252	12.62 246	25.80 253	25.52 258	28.19 250

SAMSARA	4.67 183	1.33 177	1.79 190	1.51 185	1.56 183	1.58 186	3.79 202	2.22 198	1.93 194	2.38 185	3.37 183	2.12 166	9.35 216	2.02 209	37.97 183	5.46 193	2.03 189	1.62 201	4.95 155	2.84 207	6.73 155	6.13 105	1.00 179	2.01 197	4.21 223	6.28 227	4.36 208	5.44 205

KSHMR	21.80 257	6.71 251	4.04 239	99.23 272	6.14 253	41.63 268	70.49 270	3.63 231	8.86 247	3.60 215	3.42 184	6.78 224	84.46 268	17.61 256	40.67 195	3.96 171	10.14 233	2.82 243	90.71 269	2.91 209	12.90 222	12.31 182	9.04 255	2.84 236	19.52 251	5.56 222	8.25 232	10.42 225

CSAN	3.35 154	1.35 180	1.16 147	1.52 186	2.04 206	1.26 173	7.98 224	1.54 139	10.46 249	2.39 187	3.42 184	5.12 214	2.55 186	1.14 189	8.20 119	1.38 61	1.73 176	1.10 159	3.33 128	1.72 172	6.90 158	10.63 150	0.82 157	1.50 178	1.94 196	3.78 211	2.45 133	2.93 179

STTRV1_RVC	7.62 219	1.35 180	1.13 139	1.70 191	1.33 171	2.15 201	1.82 170	1.56 145	1.45 167	1.88 160	3.47 186	3.12 189	4.87 203	1.12 187	49.09 230	6.48 202	11.18 241	1.07 156	41.45 251	10.39 255	9.37 193	18.83 243	1.22 188	2.21 206	5.53 227	2.91 200	5.85 215	13.08 229

PWC_ROB	2.85 139	1.23 164	1.47 181	0.98 139	1.11 152	1.27 174	1.99 176	1.27 103	1.94 195	1.81 156	3.58 187	2.35 177	3.05 194	1.01 178	14.14 146	4.27 175	2.10 193	1.91 215	3.81 138	1.66 168	5.64 146	8.18 128	0.85 165	2.03 199	1.36 149	1.46 136	3.11 177	3.25 188

EGLCR-Stereo	3.59 161	0.87 88	1.26 165	0.45 42	0.49 42	0.62 85	0.24 17	0.84 44	1.44 165	0.72 43	3.96 188	0.80 60	0.65 81	0.51 86	4.34 92	8.11 211	1.11 126	1.11 161	3.53 133	0.71 65	5.00 137	35.96 266	0.56 80	0.71 88	1.01 96	0.91 73	20.20 255	0.86 63

JetBlue	11.01 233	9.35 255	6.18 253	8.36 239	7.13 257	10.04 255	10.87 241	5.04 243	4.04 231	2.99 203	3.99 189	9.99 243	9.75 217	8.16 240	48.50 226	14.21 239	7.41 228	5.05 251	7.73 201	3.91 223	13.36 231	18.71 242	8.17 254	3.64 246	11.32 245	18.46 247	12.54 243	28.46 251

PVD	4.32 177	1.44 189	2.25 210	1.41 179	1.77 191	1.75 192	2.70 190	3.05 222	2.66 211	3.00 204	4.25 190	2.70 183	3.99 202	1.37 198	39.86 191	3.83 170	2.30 198	2.28 222	4.67 152	2.74 205	7.12 162	6.88 114	1.06 184	1.88 192	3.05 213	2.71 197	2.99 172	2.93 179

MLCV	2.04 114	0.89 95	0.99 111	1.37 177	1.31 168	1.02 151	1.01 140	2.14 191	0.80 110	2.00 166	4.28 191	1.74 157	1.62 175	0.48 73	3.03 66	2.01 121	1.33 152	0.96 125	6.76 188	1.13 130	6.05 149	5.71 96	0.68 119	1.73 186	1.32 141	1.39 129	2.32 116	1.07 95

R-Stereo Train	3.50 157	1.01 139	1.23 160	1.00 142	0.66 93	0.77 118	0.32 39	1.30 109	1.01 134	1.63 145	4.33 192	1.34 132	0.71 92	0.42 52	34.59 176	4.42 180	1.66 173	1.02 143	6.76 188	1.16 131	7.74 172	13.63 196	0.52 62	0.64 69	1.53 171	1.66 149	1.39 42	1.92 154

RAFT-Stereo	3.50 157	1.01 139	1.23 160	1.00 142	0.66 93	0.77 118	0.32 39	1.30 109	1.01 134	1.63 145	4.33 192	1.34 132	0.71 92	0.42 52	34.59 176	4.42 180	1.66 173	1.02 143	6.76 188	1.16 131	7.74 172	13.63 196	0.52 62	0.64 69	1.53 171	1.66 149	1.39 42	1.92 154
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AnyNet_C01	7.46 216	2.22 214	2.25 210	2.99 220	1.99 205	1.80 194	6.11 214	3.82 234	5.59 240	3.15 208	4.35 194	4.84 210	6.54 209	2.23 211	58.48 260	14.06 237	6.69 226	3.67 246	4.82 154	3.18 216	8.68 188	13.81 201	2.41 215	2.39 214	5.67 228	3.29 206	8.76 234	17.77 237

SANet	6.32 201	2.20 212	1.79 190	2.07 200	2.63 215	3.36 217	10.20 234	4.41 240	7.43 245	2.04 169	4.35 194	8.33 232	12.55 229	1.80 206	47.09 221	1.72 102	6.07 223	1.51 195	4.45 148	1.81 176	9.80 196	10.36 146	1.21 187	2.72 229	2.04 198	5.93 226	3.67 197	9.02 217

AnonymousM	2.90 142	0.65 18	0.48 27	0.51 53	0.33 17	0.52 52	0.24 17	1.70 160	0.47 42	0.75 50	4.40 196	0.71 33	0.46 33	0.47 71	2.68 51	3.64 166	1.18 138	1.04 146	1.95 73	3.61 221	4.88 130	12.46 184	0.67 116	0.66 78	0.60 28	1.21 115	15.66 253	16.35 235

AnyNet_C32	6.19 198	1.45 190	1.40 174	1.28 172	1.69 188	1.43 181	3.69 201	1.56 145	5.23 238	2.63 194	4.52 197	2.23 171	1.34 171	1.41 200	54.68 259	3.51 159	2.24 196	2.06 221	3.81 138	1.98 184	7.39 165	11.40 167	1.23 189	1.87 191	5.90 230	14.50 243	6.04 220	20.74 240

G-Net	6.30 200	1.67 200	1.86 193	1.46 184	1.83 194	1.49 185	1.31 162	4.92 242	8.45 246	3.15 208	4.65 198	7.94 229	6.81 210	0.87 164	16.87 154	7.83 209	1.93 184	2.71 237	5.65 169	6.44 238	9.07 190	11.41 168	1.44 199	2.80 233	1.78 187	18.73 249	6.49 224	30.54 254

edge stereo	6.57 206	1.88 205	3.13 232	2.21 205	1.87 199	2.69 212	3.15 196	4.49 241	3.41 224	3.95 222	4.81 199	6.45 221	20.30 248	1.11 186	18.59 160	14.65 243	2.02 188	1.64 202	36.45 245	6.00 235	7.11 161	13.70 199	1.44 199	2.08 203	2.35 206	2.08 183	3.74 198	5.94 210

EKT-Stereo	4.27 176	0.97 122	1.18 153	0.73 98	0.77 109	0.89 133	1.18 154	2.02 186	1.53 176	1.56 140	4.82 200	1.25 123	0.80 121	0.54 98	31.80 173	14.62 242	1.26 147	1.36 190	5.54 166	7.66 241	9.42 194	17.09 227	0.57 84	0.75 93	1.41 154	1.82 165	2.56 148	1.07 95

iResNet	2.85 139	0.97 122	0.97 107	1.43 181	1.80 193	1.47 184	1.12 151	1.81 168	1.13 147	2.59 193	4.97 201	1.93 161	2.37 182	0.49 77	10.52 135	7.03 204	1.43 159	1.23 177	6.83 193	1.98 184	10.31 200	4.92 77	0.64 107	2.13 205	1.14 120	1.54 141	2.80 164	1.38 127

DPSNet	6.19 198	1.58 196	1.40 174	1.82 192	2.77 219	2.27 203	2.04 177	1.97 179	2.91 214	2.12 175	5.08 202	10.47 246	6.82 211	8.77 241	19.95 162	11.92 230	5.92 222	3.73 247	17.76 227	9.60 254	12.18 215	17.85 233	3.88 229	3.21 242	2.31 205	3.71 209	2.62 153	2.45 171

ktn	29.25 263	4.04 238	95.12 273	14.38 243	5.47 250	18.03 259	17.50 255	16.11 263	67.22 272	2.86 199	5.27 203	171.03 273	80.57 267	10.72 246	76.12 266	3.35 155	21.01 262	2.75 239	90.20 268	29.10 265	15.07 256	11.01 158	7.65 249	3.01 238	5.09 226	5.80 223	4.72 211	6.57 214

HH	3.66 164	0.67 22	1.44 177	0.83 122	0.81 119	0.96 142	1.10 147	1.85 171	0.86 118	5.18 245	5.29 204	1.95 162	0.86 131	0.61 116	11.66 139	15.16 246	0.99 104	1.04 146	6.30 178	3.12 214	13.50 234	13.59 194	0.86 166	0.94 142	1.45 157	1.81 161	3.81 203	2.04 157

HanStereo	3.66 164	0.67 22	1.44 177	0.83 122	0.81 119	0.96 142	1.10 147	1.85 171	0.86 118	5.18 245	5.29 204	1.95 162	0.86 131	0.61 116	11.66 139	15.16 246	0.99 104	1.04 146	6.30 178	3.12 214	13.50 234	13.59 194	0.86 166	0.94 142	1.45 157	1.81 161	3.81 203	2.04 157

TorneroNet-64	13.22 242	6.29 248	5.03 246	34.00 258	3.73 242	10.39 256	16.61 254	3.46 225	12.22 258	2.26 180	5.35 206	17.42 249	34.25 255	14.90 252	47.42 223	3.17 147	13.22 253	2.42 233	36.46 246	9.14 251	14.27 244	12.82 188	5.64 234	2.71 226	14.05 249	13.61 241	3.58 195	12.45 228

DAS	3.10 147	1.00 137	1.10 135	1.19 166	1.08 146	1.08 156	1.21 157	1.75 161	1.79 191	3.25 211	5.47 207	2.72 184	3.29 198	0.55 101	5.31 103	7.12 205	2.42 199	1.23 177	6.24 176	1.85 177	12.96 224	10.93 155	0.78 147	1.97 194	1.37 151	1.75 155	2.60 151	1.57 135

SepStereo	3.10 147	1.00 137	1.10 135	1.19 166	1.08 146	1.08 156	1.21 157	1.75 161	1.79 191	3.25 211	5.47 207	2.72 184	3.29 198	0.55 101	5.31 103	7.12 205	2.42 199	1.23 177	6.24 176	1.85 177	12.96 224	10.93 155	0.78 147	1.97 194	1.37 151	1.75 155	2.60 151	1.57 135

test-1	4.23 173	0.69 26	1.20 156	0.60 73	0.60 73	0.75 115	0.64 108	1.95 175	0.80 110	4.00 224	5.47 207	2.20 170	0.79 117	0.41 44	24.74 165	12.65 231	1.45 160	1.51 195	6.68 186	6.25 236	10.73 206	20.07 247	0.58 86	0.87 123	1.46 159	1.76 159	2.89 168	2.51 172

SFCPSM	10.77 231	1.34 179	1.09 133	1.15 160	1.19 159	1.19 165	0.90 133	1.29 106	1.76 187	2.70 197	5.58 210	4.33 205	10.25 221	1.08 185	51.59 243	5.22 192	1.99 185	1.17 169	161.66 274	4.44 224	7.65 171	11.04 160	0.84 161	1.68 185	1.34 144	1.75 155	3.44 190	3.04 182

HSM-Net_RVC	3.81 169	1.09 152	1.14 142	1.82 192	1.25 163	0.94 140	0.70 117	2.28 203	1.07 142	2.74 198	5.68 211	38.55 261	1.46 174	0.55 101	5.03 101	1.95 116	1.20 140	0.79 73	1.99 74	1.22 137	7.13 163	13.94 202	0.84 161	2.30 208	1.64 178	1.51 138	2.21 110	1.75 145
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
PWCK	10.29 230	3.91 237	2.77 224	4.89 233	3.54 237	7.32 245	8.68 227	3.93 236	4.63 236	4.65 233	5.75 212	24.50 256	9.85 218	3.38 224	35.70 180	3.25 152	10.92 239	2.38 231	72.59 266	5.10 229	14.78 253	8.07 126	3.71 228	2.51 218	7.91 239	7.44 230	6.33 221	9.46 221

PSMNet-ADL	4.56 181	0.97 122	1.17 151	1.19 166	1.28 164	1.04 153	0.92 135	1.77 165	1.26 157	3.47 214	6.08 213	1.51 145	3.10 197	0.57 107	51.86 249	9.30 213	1.51 164	0.96 125	5.92 173	1.28 144	6.83 157	12.62 187	0.87 170	0.88 130	1.17 123	1.43 134	3.02 173	1.17 112

FAT-Stereo	4.52 180	1.20 161	2.24 209	1.53 187	1.85 197	1.44 182	1.59 166	3.56 230	1.83 193	3.65 217	6.20 214	6.73 223	2.83 192	1.06 182	10.97 136	14.80 244	2.18 194	2.42 233	5.19 159	8.70 247	13.23 229	13.14 192	0.95 178	2.77 231	1.34 144	2.22 188	3.04 174	5.45 206

GANet	1.17 49	0.80 66	0.81 72	0.71 96	0.71 100	1.18 162	0.64 108	0.83 41	0.47 42	0.61 25	6.20 214	2.19 169	0.44 32	0.65 134	0.94 3	0.81 8	0.87 70	0.79 73	0.65 11	0.46 15	0.56 7	6.49 108	0.53 68	0.57 52	0.65 34	0.47 19	0.85 15	0.70 41

pmcnn	6.42 204	1.56 195	1.60 185	2.69 210	3.39 232	2.12 200	10.59 239	2.67 217	2.61 208	2.54 191	6.38 216	6.37 220	16.22 243	0.89 166	16.23 152	14.56 241	4.57 214	3.30 245	7.74 202	7.59 240	13.62 236	22.89 253	6.22 241	2.53 219	1.86 190	3.14 203	4.68 210	4.77 198

CBMV	5.62 195	1.43 187	1.24 163	1.61 189	1.61 185	1.96 195	2.28 180	3.43 224	1.48 170	3.08 207	6.42 217	7.79 228	9.12 214	0.62 121	17.34 157	13.54 233	2.64 202	1.27 185	9.58 210	1.19 134	10.31 200	16.88 224	0.86 166	2.04 202	1.64 178	1.86 166	4.52 209	26.08 248
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	12.84 240	32.58 263	1.86 193	20.66 253	2.84 222	7.65 247	3.50 200	4.02 237	1.51 174	3.73 220	6.49 218	3.22 190	42.47 257	0.80 159	50.42 238	2.20 127	1.29 148	0.83 89	18.69 228	1.42 154	12.92 223	18.51 239	1.50 204	1.82 187	24.51 254	15.09 244	31.82 261	34.42 257

GANet-ADL	3.14 149	0.92 105	1.31 171	1.05 150	1.05 145	1.24 171	0.92 135	1.20 91	1.01 134	3.66 219	6.58 219	1.07 106	0.81 122	0.49 77	11.53 137	4.97 189	1.73 176	0.91 115	6.57 183	2.05 188	8.13 182	18.07 237	0.71 128	0.95 144	1.11 113	1.99 178	2.91 170	1.84 148

GwcNet-ADL	2.59 128	1.24 166	1.55 184	1.27 171	1.36 173	0.98 145	0.84 129	1.49 131	0.86 118	3.20 210	6.66 220	2.00 165	1.04 156	0.79 158	3.85 86	4.95 187	1.68 175	0.89 108	5.11 158	2.44 197	6.48 153	11.06 161	0.92 176	1.18 166	1.31 137	1.92 171	2.15 102	2.69 174

NOSS_ROB	4.59 182	1.38 184	0.84 77	1.18 163	1.29 165	1.18 162	0.68 115	2.34 206	1.43 164	4.86 236	6.67 221	6.78 224	1.06 158	10.45 245	17.10 156	14.19 238	1.64 169	1.16 167	3.03 108	1.02 123	14.13 239	17.92 235	0.82 157	1.66 184	1.27 133	4.91 216	3.40 189	1.44 132

MSKI-zero shot	3.77 168	0.85 81	1.15 145	0.73 98	0.63 86	0.68 101	0.56 96	1.86 173	0.94 127	0.88 86	6.74 222	1.62 152	0.71 92	0.43 57	15.96 151	13.56 234	1.52 166	1.01 141	6.81 192	8.64 245	10.46 203	16.23 214	0.59 91	0.87 123	1.50 166	1.95 174	1.85 83	3.10 183

HBP-ISP	6.55 205	1.35 180	2.23 208	1.99 196	1.62 186	1.78 193	0.81 125	2.50 209	1.26 157	4.90 239	6.79 223	1.42 139	0.75 103	14.52 251	52.81 254	19.38 256	1.33 152	1.14 164	6.08 174	7.98 243	12.72 220	19.17 245	0.83 160	1.51 179	2.15 200	2.05 180	3.91 207	3.74 192

XX-Stereo	13.13 241	0.72 32	1.28 168	1.04 149	0.54 61	0.81 124	0.87 130	1.13 81	0.51 59	4.52 232	6.79 223	1.56 150	1.04 156	0.49 77	39.98 192	16.92 251	1.52 166	0.95 122	6.78 191	0.95 112	6.18 151	13.69 198	0.71 128	0.52 41	237.32 275	1.37 127	2.63 155	3.58 190

DispFullNet	16.30 250	3.61 230	4.99 245	3.31 221	3.08 229	3.50 220	3.23 197	6.46 248	2.69 212	5.18 245	6.80 225	88.00 269	15.13 240	2.74 214	39.32 187	24.41 261	4.06 212	3.86 248	139.45 271	28.19 263	12.57 217	15.74 211	2.71 219	2.38 211	4.19 222	2.67 195	6.81 227	5.03 201

SPS-STEREO	6.95 208	1.75 202	1.96 201	2.47 209	1.71 189	2.67 210	7.51 221	2.73 218	1.77 188	3.62 216	6.80 225	4.88 211	2.19 181	1.30 196	41.49 201	11.88 229	3.62 210	2.04 218	36.63 247	2.04 187	14.17 240	17.87 234	1.48 203	2.69 224	2.50 210	3.26 205	3.74 198	2.81 177
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
IGEV_Zeroshot_test	4.26 174	0.84 75	1.93 198	2.97 219	0.71 100	3.42 218	1.32 163	2.22 198	1.67 182	4.20 227	6.87 227	2.33 176	1.00 153	0.48 73	9.28 124	11.41 221	1.04 116	0.84 92	5.57 167	4.84 227	8.38 186	21.42 250	0.65 110	0.84 114	1.46 159	1.58 145	14.79 249	2.96 181

CBMV_ROB	7.32 215	1.49 192	2.01 204	2.37 207	1.95 203	2.94 214	2.85 194	6.45 247	1.67 182	5.35 253	6.91 228	9.95 242	11.78 226	0.67 138	38.78 184	6.71 203	3.91 211	1.19 174	10.02 214	2.47 199	9.67 195	17.08 226	0.81 153	1.62 183	7.83 238	10.07 237	5.85 215	25.35 247

EAI-Stereo	5.34 192	1.04 146	2.30 213	1.02 147	1.55 180	0.85 128	1.91 174	2.21 197	2.99 216	0.81 68	6.93 229	1.39 136	0.83 128	0.54 98	26.39 167	49.22 267	1.18 138	1.17 169	7.74 202	1.54 162	8.92 189	12.00 177	0.78 147	2.02 198	1.46 159	2.24 189	3.36 188	1.89 152

Any-RAFT	2.70 133	0.95 117	1.29 169	0.76 104	0.79 115	0.51 47	0.42 64	1.99 184	0.58 75	0.86 76	6.97 230	1.52 146	0.51 43	0.44 61	5.49 106	3.45 157	0.94 92	0.93 119	6.85 194	0.82 94	14.24 243	11.16 163	0.70 127	0.78 102	1.62 177	1.89 168	2.28 113	4.18 196

iRaft-Stereo_20w	5.41 193	1.35 180	2.82 226	2.69 210	1.55 180	1.58 186	1.23 160	1.96 177	3.24 222	5.53 255	7.00 231	1.55 148	1.33 170	0.55 101	6.14 108	9.93 214	1.65 172	0.87 100	6.14 175	5.54 231	8.40 187	20.46 248	0.73 133	0.87 123	1.71 184	34.19 261	11.64 240	5.53 208

RAFT-Test	3.32 153	0.86 85	1.22 159	1.02 147	0.82 122	0.59 78	0.58 102	2.18 194	0.70 101	1.12 112	7.31 232	1.02 98	0.91 139	0.59 111	9.35 125	11.60 223	1.14 133	0.81 78	7.01 198	1.28 144	10.82 207	17.19 229	0.76 144	0.77 97	1.51 169	4.92 217	1.38 41	2.16 166

WAO-7	9.07 225	3.01 223	5.43 250	29.81 257	2.48 212	4.10 224	9.87 233	2.50 209	4.12 232	4.70 234	7.51 233	8.00 230	14.77 239	1.87 207	40.78 198	2.16 125	12.66 248	2.78 240	45.71 255	2.18 193	10.61 204	10.06 141	1.41 196	2.61 222	3.09 215	4.78 215	2.98 171	5.05 202

LSM0	11.96 236	1.70 201	2.88 227	2.75 213	2.51 213	3.46 219	9.27 230	4.20 238	4.16 233	3.65 217	7.52 234	7.40 226	10.23 220	1.32 197	64.87 264	78.56 272	4.73 217	2.33 227	20.33 234	4.80 226	14.31 248	17.05 225	1.30 194	3.15 240	3.41 217	15.40 246	6.33 221	25.24 246

ADCPNet	7.22 210	1.20 161	3.00 231	1.33 175	3.12 230	1.46 183	9.28 231	2.20 195	3.19 220	4.19 225	7.62 235	2.54 178	15.76 241	1.74 205	49.34 231	3.53 161	2.22 195	1.25 183	19.78 231	3.05 213	6.47 152	6.78 112	4.59 232	1.45 177	3.90 221	5.06 220	3.90 206	26.91 249

ELAS	10.84 232	3.56 228	4.96 244	4.79 231	4.42 248	5.56 233	6.51 219	7.57 250	3.94 229	5.28 251	7.73 236	9.90 240	11.95 227	3.98 230	51.90 250	4.58 184	7.45 229	9.46 255	9.29 209	2.75 206	13.28 230	17.44 232	2.75 220	3.75 248	17.66 250	27.22 255	13.08 245	31.86 256
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS_RVC	9.44 228	3.33 224	5.58 251	4.11 224	3.68 239	7.49 246	6.29 216	7.70 253	3.76 227	5.25 249	7.74 237	9.89 238	11.05 225	3.12 219	47.81 224	4.61 185	7.01 227	9.67 257	11.32 216	2.99 212	13.48 232	18.09 238	2.75 220	4.11 250	20.24 252	23.51 251	5.06 213	5.25 203
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MADNet++	9.58 229	4.14 240	6.28 254	4.33 226	5.76 252	4.05 222	8.92 229	7.11 249	7.31 244	5.28 251	7.81 238	7.63 227	9.16 215	13.24 248	22.87 163	20.42 257	7.52 230	6.31 252	10.37 215	7.95 242	14.23 242	18.70 241	4.07 230	5.38 253	5.79 229	22.37 250	9.94 236	11.72 227

SPstereo	8.41 223	2.31 216	3.95 238	2.18 204	2.05 207	2.28 204	2.16 179	2.96 221	3.64 226	3.06 206	8.02 239	29.77 258	17.20 245	2.43 212	31.88 174	17.57 252	3.57 208	3.97 249	8.09 205	6.45 239	12.57 217	16.11 213	2.37 214	2.82 235	4.26 224	7.25 229	13.62 248	14.60 232

SGM_RVC	11.64 234	2.80 221	1.89 196	2.92 215	2.54 214	4.66 227	8.81 228	7.78 255	3.50 225	5.57 256	8.27 240	9.89 238	12.97 231	0.97 175	4.41 93	2.83 142	7.65 231	1.17 169	40.85 249	6.32 237	10.68 205	24.24 255	1.79 210	3.32 244	27.82 255	35.58 262	31.94 263	43.00 264
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
SGM-ForestM	13.80 244	10.32 257	8.18 256	4.90 234	3.69 240	7.87 248	10.55 238	7.61 251	10.68 251	5.09 243	8.30 241	9.49 237	12.89 230	4.42 231	49.85 233	13.64 236	10.21 234	1.16 167	11.67 219	8.91 249	11.41 211	24.59 256	3.28 225	5.76 255	31.49 258	36.13 263	19.13 254	41.30 263

FINET	8.71 224	0.76 51	1.06 125	0.73 98	0.61 75	0.65 94	0.96 137	1.14 82	10.65 250	0.64 32	8.32 242	1.23 121	12.97 231	0.66 136	19.47 161	15.19 248	1.11 126	0.67 40	4.45 148	3.30 217	6.92 159	25.13 258	0.48 41	1.82 187	33.04 260	36.43 265	1.44 45	45.32 268

MANE	15.81 249	9.88 256	8.25 257	5.12 237	6.22 254	8.39 250	11.49 246	7.67 252	10.83 254	4.97 240	8.34 243	8.98 236	12.97 231	3.88 229	48.84 228	18.39 254	11.83 245	20.15 263	11.32 216	9.38 253	13.48 232	26.38 260	2.78 223	12.22 259	32.08 259	36.35 264	33.31 264	43.41 265

MeshStereo	9.32 226	2.66 218	2.34 214	4.20 225	2.89 223	4.28 225	2.45 187	8.29 257	9.16 248	5.14 244	8.46 244	11.16 247	13.23 236	0.85 163	51.81 248	15.66 249	4.76 218	1.82 211	21.81 238	1.92 179	15.41 257	19.79 246	1.07 185	2.40 215	8.53 242	5.45 221	10.67 237	15.48 234
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
STStereo	17.90 253	3.70 232	5.94 252	43.89 263	5.62 251	39.01 266	13.50 249	7.84 256	10.79 253	5.25 249	8.94 245	24.58 257	30.28 254	1.98 208	59.79 263	13.60 235	5.75 221	1.79 209	40.86 250	5.29 230	11.04 209	15.34 207	2.47 216	11.83 258	23.98 253	30.27 257	23.75 257	36.15 259

DPSM_ROB	21.09 255	17.18 259	22.68 262	10.13 241	9.29 261	13.96 257	14.47 251	11.66 260	15.25 260	9.00 259	8.97 246	10.35 244	13.24 237	19.82 259	59.61 261	26.09 262	18.75 258	21.25 264	14.76 222	15.47 258	28.53 265	28.20 262	7.44 247	16.13 263	34.47 262	39.29 268	38.28 267	45.08 266

DPSM	21.09 255	17.18 259	22.68 262	10.13 241	9.29 261	13.96 257	14.47 251	11.66 260	15.25 260	9.00 259	8.97 246	10.35 244	13.24 237	19.82 259	59.61 261	26.09 262	18.75 258	21.25 264	14.76 222	15.47 258	28.53 265	28.20 262	7.44 247	16.13 263	34.47 262	39.29 268	38.28 267	45.08 266

SGM+DAISY	15.03 247	3.86 235	5.41 249	3.96 223	3.71 241	6.66 241	7.44 220	7.77 254	10.90 255	5.69 257	8.99 248	9.93 241	13.12 235	3.67 228	45.62 213	18.93 255	4.69 216	3.97 249	15.74 225	13.34 257	15.06 255	28.38 265	1.46 201	13.52 262	34.47 262	36.45 266	37.75 266	45.36 269

DGTPSM_ROB	18.53 254	6.49 249	18.04 260	4.98 235	8.90 259	5.93 236	18.56 256	5.08 244	12.04 256	5.07 242	9.28 249	12.68 248	55.86 264	15.28 253	66.30 265	20.57 258	19.32 260	16.27 260	24.75 239	20.04 260	16.70 259	22.25 251	6.01 239	12.63 260	13.88 247	32.46 259	14.80 250	36.23 260

MFN_U_SF_RVC	5.03 186	1.91 206	1.84 192	2.23 206	1.92 202	2.67 210	6.14 215	2.41 207	1.98 197	4.44 230	10.81 250	4.14 203	2.48 184	4.92 233	32.71 175	3.59 163	2.29 197	1.81 210	11.46 218	3.54 219	7.96 179	7.26 119	1.24 191	3.78 249	1.85 189	3.74 210	2.83 165	3.90 195

S-Stereo	5.20 190	1.19 158	1.90 197	1.82 192	1.73 190	1.68 190	2.29 182	2.74 219	2.14 200	3.32 213	13.02 251	5.98 219	1.85 179	0.89 166	28.39 171	16.06 250	1.91 182	2.35 228	5.62 168	9.27 252	7.51 168	15.02 204	1.62 206	2.70 225	1.33 142	2.06 182	2.88 167	3.20 186

CasAABBNet	43.13 267	34.58 266	45.64 266	20.16 250	18.53 264	28.05 263	29.10 259	23.25 265	30.68 263	18.72 266	18.11 252	20.71 255	37.91 256	39.77 266	120.31 273	53.12 269	37.70 268	42.54 268	29.33 241	30.54 266	57.52 274	65.08 271	14.60 262	32.33 268	69.15 272	79.07 271	76.98 270	90.93 274

anonymousdsp	2.48 126	0.38 6	0.39 13	0.28 7	0.32 15	0.29 8	0.15 6	0.56 9	0.27 9	0.43 9	18.77 253	0.54 12	0.20 6	0.32 16	13.20 143	1.48 75	0.58 11	0.54 16	0.70 15	0.61 37	0.78 18	23.15 254	0.43 25	0.39 12	0.49 10	0.29 2	1.16 31	0.33 7

anonymousdsp2	2.94 143	0.84 75	0.87 82	0.43 33	0.45 33	0.58 71	0.34 46	1.16 84	0.38 23	0.66 37	21.85 254	0.70 32	0.41 27	0.59 111	13.83 145	3.60 164	0.76 40	0.71 52	2.22 80	1.35 149	1.52 68	21.23 249	0.43 25	0.62 67	0.79 52	0.50 22	1.85 83	0.65 38

HanzoNet	48.72 271	45.82 268	75.50 272	62.48 269	48.71 268	62.22 272	81.53 273	55.12 273	62.18 271	15.62 263	22.35 255	75.50 267	105.13 270	172.23 275	54.19 257	11.79 225	63.30 273	9.59 256	142.68 273	22.42 262	19.77 263	25.86 259	34.29 267	5.85 256	9.77 244	9.44 236	8.54 233	13.60 230

LE_ROB	30.50 264	24.69 261	35.49 265	34.61 260	56.81 273	18.87 260	58.99 267	31.76 268	41.68 267	5.39 254	26.68 256	46.42 262	49.67 261	13.45 249	40.69 197	4.22 174	12.06 246	1.23 177	46.44 257	37.28 269	12.68 219	19.06 244	48.23 269	22.44 265	30.42 257	31.57 258	31.85 262	40.86 262

DPSMNet_ROB	24.31 260	6.50 250	18.05 261	5.02 236	8.92 260	6.00 237	18.76 257	5.09 245	12.07 257	5.20 248	26.86 257	20.02 252	160.56 274	15.40 254	77.59 267	20.75 259	19.63 261	16.57 261	37.30 248	20.17 261	17.40 261	22.27 252	6.03 240	12.63 260	13.98 248	32.46 259	14.87 251	36.24 261

MaskLacGwcNet_RVC	22.39 258	1.43 187	1.63 187	2.01 198	1.89 200	2.00 197	4.03 205	2.25 200	2.65 210	5.01 241	28.79 258	216.21 275	50.44 263	5.46 236	37.62 182	4.30 177	5.35 219	12.78 259	28.48 240	1.49 160	14.42 250	12.87 190	1.01 180	2.45 217	1.87 191	7.04 228	145.49 276	5.50 207

LRCNet_RVC	27.23 262	30.79 262	14.68 259	35.16 261	31.14 267	36.50 265	30.07 262	23.05 264	12.67 259	36.10 270	33.27 259	37.41 260	28.58 253	37.19 265	51.77 247	7.29 207	31.08 263	27.01 267	67.79 265	28.97 264	22.94 264	11.62 170	39.23 268	30.57 267	7.31 235	2.54 194	11.22 238	9.26 220

ccs_rob	5.44 194	1.11 154	1.53 183	1.20 169	0.97 142	1.19 165	1.07 144	2.86 220	1.25 156	4.19 225	35.07 260	8.65 235	1.42 173	0.76 150	35.68 179	6.12 200	1.64 169	1.17 169	5.87 172	1.60 165	10.36 202	12.86 189	0.76 144	2.22 207	1.10 110	1.34 125	2.64 156	2.22 169

MyStereo03	43.72 268	34.56 264	45.65 267	20.26 251	18.69 265	28.02 261	29.16 260	23.39 266	30.77 264	18.18 264	35.20 261	20.70 253	26.70 251	40.08 267	119.88 271	56.08 270	37.63 266	42.68 269	29.42 242	31.78 267	57.39 272	70.86 272	14.99 263	32.55 269	69.07 270	79.07 271	76.99 271	90.81 272

MyStereo02	43.03 266	34.56 264	45.65 267	20.26 251	0.00 1	28.02 261	29.16 260	23.39 266	30.77 264	18.18 264	35.20 261	20.70 253	26.70 251	40.08 267	119.88 271	56.08 270	37.63 266	42.68 269	29.42 242	31.78 267	57.39 272	70.86 272	14.99 263	32.55 269	69.07 270	79.07 271	76.99 271	90.81 272

TorneroNet	25.03 261	6.23 247	3.71 237	95.21 271	4.04 243	30.59 264	28.04 258	4.36 239	17.91 262	2.20 177	37.98 263	81.16 268	72.52 265	18.24 257	46.94 220	2.75 140	13.19 252	2.38 231	87.74 267	9.05 250	15.54 258	12.50 186	5.92 238	2.71 226	49.11 267	8.21 234	3.60 196	13.88 231

WAO-8	14.11 245	5.49 243	4.86 242	26.82 255	4.15 245	6.96 243	11.78 247	3.65 232	6.35 242	31.53 268	38.68 264	8.33 232	22.49 249	20.27 261	50.28 236	3.34 153	11.20 242	2.04 218	55.23 263	5.70 233	9.91 197	11.24 164	5.91 236	2.59 220	8.00 240	7.57 231	6.79 225	9.89 222

Venus	14.11 245	5.49 243	4.86 242	26.82 255	4.15 245	6.96 243	11.78 247	3.65 232	6.35 242	31.53 268	38.68 264	8.33 232	22.49 249	20.27 261	50.28 236	3.34 153	11.20 242	2.04 218	55.23 263	5.70 233	9.91 197	11.24 164	5.91 236	2.59 220	8.00 240	7.57 231	6.79 225	9.89 222

HaxPig	44.55 269	46.74 269	47.29 269	47.70 265	48.78 269	47.59 269	48.40 264	49.50 269	47.10 268	49.76 271	50.30 266	49.05 263	45.31 259	54.53 270	41.50 202	40.24 264	50.13 270	52.04 271	44.70 254	43.04 270	46.59 268	44.52 267	51.78 270	45.41 271	33.76 261	25.29 252	28.70 259	23.20 244

AVERAGE_ROB	46.10 270	48.44 270	48.15 270	49.32 266	50.20 270	48.59 270	49.79 265	50.71 271	48.61 269	51.66 272	52.51 267	50.25 264	47.27 260	55.77 271	43.02 207	41.01 265	52.37 271	54.54 272	47.19 259	45.40 271	48.69 269	44.71 268	52.87 271	46.96 272	35.70 265	26.55 254	30.75 260	23.74 245

BEATNet-Init1	54.98 273	76.29 272	23.41 264	86.88 270	56.39 272	86.85 273	69.29 269	49.55 270	36.32 266	11.75 261	54.61 268	64.36 266	78.43 266	21.46 263	91.69 269	51.99 268	38.14 269	22.22 266	101.82 270	73.02 273	54.14 271	49.15 270	27.76 266	24.21 266	58.43 269	37.31 267	77.81 273	61.10 270

MEDIAN_ROB	49.56 272	51.56 271	50.68 271	52.75 267	53.71 271	52.03 271	53.33 266	54.25 272	52.17 270	54.87 273	55.86 269	53.55 265	50.14 262	59.05 272	46.45 217	44.58 266	55.75 272	57.86 273	50.47 260	48.81 272	52.02 270	47.66 269	56.65 272	49.99 273	38.96 266	30.09 256	33.54 265	31.34 255

anonymity	7.31 214	0.90 98	1.71 189	1.15 160	0.92 132	0.82 125	0.78 122	2.16 193	1.73 185	3.78 221	97.18 270	1.99 164	0.92 140	0.53 91	9.97 128	7.82 208	1.13 132	0.89 108	6.68 186	1.45 157	7.79 174	18.56 240	0.75 142	0.77 97	1.50 166	1.58 145	21.11 256	2.77 176

DGSMNet	12.30 238	2.15 210	2.14 205	1.99 196	1.68 187	2.73 213	1.82 170	3.08 223	2.11 199	12.64 262	99.93 271	4.00 200	18.54 247	19.58 258	45.95 214	15.08 245	12.73 249	10.09 258	15.38 224	4.59 225	13.00 226	15.62 209	7.34 246	3.49 245	1.76 186	5.84 224	3.48 192	5.37 204

PSMNet_ROB	17.18 252	5.57 245	2.98 230	3.51 222	2.73 218	6.41 239	10.28 236	2.31 205	2.27 205	4.77 235	140.21 272	98.21 270	6.08 207	34.53 264	10.47 134	1.72 102	5.37 220	1.72 205	20.16 232	3.45 218	13.00 226	8.00 124	63.38 273	2.71 226	3.54 219	3.57 208	3.25 185	3.61 191

ASD4	134.83 274	150.48 274	108.50 275	110.82 274	88.00 274	125.03 274	105.44 274	136.72 274	123.82 274	135.87 275	158.63 273	173.00 274	136.63 272	115.82 274	127.89 275	135.23 274	155.86 274	115.66 275	140.66 272	177.26 275	252.80 276	257.80 275	104.93 274	114.70 274	133.56 273	71.40 270	95.71 274	88.19 271

PML	39.12 265	38.07 267	12.03 258	39.14 262	28.99 266	40.52 267	11.18 245	14.17 262	98.92 273	27.80 267	165.99 274	107.70 271	159.11 273	13.58 250	17.37 158	11.85 228	35.22 265	8.64 254	42.84 252	11.21 256	14.35 249	16.59 217	5.89 235	7.24 257	52.84 268	13.89 242	42.19 269	18.91 239

DPSimNet_ROB	146.58 275	193.45 275	99.23 274	195.37 275	175.02 275	155.06 275	112.88 275	167.32 275	164.47 275	99.95 274	205.57 275	169.31 272	207.38 275	93.94 273	127.45 274	85.03 273	166.41 275	87.66 274	201.24 275	103.73 274	162.25 275	98.87 274	105.97 275	134.73 275	157.15 274	183.74 275	136.27 275	168.25 275

FADE																					35.97 267						15.03 252

Low-res two-view benchmark