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

ProNet	0.02 1	0.02 2	0.02 1	0.02 3	0.02 4	0.02 2	0.02 2	0.01 1	0.01 1	0.02 2	0.02 2	0.01 1	0.01 1	0.01 2	0.04 1	0.04 1	0.03 1	0.03 1	0.03 1	0.02 1	0.03 1	0.02 1	0.01 2	0.02 2	0.03 1	0.03 1	0.02 1	0.02 1

CroCo-Stereo	0.02 1	0.01 1	0.02 1	0.01 1	0.01 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	0.00 1	0.04 1	0.05 2	0.04 2	0.03 1	0.03 1	0.02 1	0.03 1	0.02 1	0.00 1	0.01 1	0.04 2	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
test croco	0.06 10	0.04 9	0.04 10	0.04 10	0.04 11	0.05 21	0.03 10	0.08 25	0.04 6	0.09 23	0.05 12	0.06 15	0.02 3	0.02 7	0.07 12	0.08 19	0.12 35	0.08 18	0.08 16	0.06 18	0.08 15	0.04 4	0.02 7	0.05 22	0.09 22	0.09 20	0.08 22	0.09 25

MIM_Stereo	0.06 10	0.04 9	0.03 5	0.05 20	0.05 22	0.05 21	0.03 10	0.06 10	0.04 6	0.14 39	0.06 18	0.04 7	0.02 3	0.03 13	0.07 12	0.08 19	0.13 37	0.07 13	0.09 28	0.06 18	0.11 30	0.06 23	0.02 7	0.04 7	0.08 15	0.07 11	0.07 17	0.05 6

AEACV	0.04 4	0.03 4	0.02 1	0.04 10	0.03 7	0.02 2	0.02 2	0.03 4	0.03 4	0.03 4	0.03 4	0.03 4	0.02 3	0.01 2	0.05 3	0.06 5	0.05 4	0.05 3	0.07 8	0.04 3	0.06 6	0.03 3	0.01 2	0.02 2	0.06 6	0.06 8	0.04 3	0.03 3

anonymousdsp	0.05 6	0.04 9	0.03 5	0.03 4	0.04 11	0.04 10	0.04 22	0.06 10	0.05 13	0.06 13	0.04 5	0.03 4	0.02 3	0.03 13	0.06 6	0.07 12	0.08 11	0.06 8	0.08 16	0.05 9	0.09 18	0.05 10	0.03 20	0.03 5	0.05 3	0.05 3	0.05 5	0.05 6

RAFT + AFF	0.05 6	0.04 9	0.03 5	0.05 20	0.04 11	0.04 10	0.03 10	0.06 10	0.08 59	0.09 23	0.05 12	0.09 24	0.02 3	0.02 7	0.05 3	0.05 2	0.09 17	0.06 8	0.06 7	0.04 3	0.07 11	0.05 10	0.02 7	0.04 7	0.07 10	0.05 3	0.05 5	0.05 6

CroCo-Stereo Lap2	0.03 3	0.02 2	0.02 1	0.01 1	0.01 2	0.02 2	0.02 2	0.02 3	0.02 3	0.03 4	0.02 2	0.02 3	0.03 8	0.01 2	0.05 3	0.05 2	0.04 2	0.05 3	0.04 3	0.04 3	0.04 3	0.04 4	0.01 2	0.02 2	0.05 3	0.05 3	0.05 5	0.03 3

SA	0.10 52	0.07 50	0.06 49	0.06 31	0.05 22	0.08 58	0.04 22	0.12 41	0.05 13	0.16 52	0.07 30	0.16 87	0.03 8	0.04 26	0.09 59	0.09 32	0.13 37	0.11 65	0.12 50	0.09 67	0.14 71	0.10 104	0.03 20	0.06 38	0.16 101	0.14 93	0.13 65	0.20 138

AnonymousM	0.08 28	0.05 19	0.04 10	0.06 31	0.05 22	0.04 10	0.04 22	0.13 52	0.05 13	0.20 94	0.06 18	0.11 38	0.03 8	0.06 54	0.09 59	0.09 32	0.19 115	0.08 18	0.12 50	0.07 30	0.16 95	0.06 23	0.04 36	0.04 7	0.08 15	0.11 48	0.10 32	0.09 25

iRaftStereo_RVC	0.05 6	0.03 4	0.03 5	0.03 4	0.03 7	0.03 5	0.02 2	0.05 8	0.04 6	0.06 13	0.05 12	0.05 10	0.03 8	0.02 7	0.06 6	0.06 5	0.10 21	0.07 13	0.07 8	0.05 9	0.09 18	0.04 4	0.02 7	0.03 5	0.07 10	0.06 8	0.05 5	0.05 6

XX-Stereo	0.14 118	0.05 19	0.05 25	0.10 88	0.08 65	0.17 152	0.07 77	0.18 112	0.10 99	0.27 185	0.09 63	0.20 130	0.03 8	0.09 110	0.10 92	0.12 130	0.23 161	0.11 65	0.20 140	0.11 106	0.20 155	0.08 42	0.08 110	0.07 72	0.22 177	0.16 132	0.17 111	0.36 194

ARAFT	0.07 21	0.04 9	0.04 10	0.05 20	0.05 22	0.05 21	0.02 2	0.09 28	0.06 27	0.12 32	0.06 18	0.12 43	0.03 8	0.03 13	0.07 12	0.07 12	0.12 35	0.09 41	0.09 28	0.05 9	0.11 30	0.07 34	0.03 20	0.04 7	0.09 22	0.09 20	0.09 27	0.09 25

AFF-stereo	0.06 10	0.05 19	0.05 25	0.05 20	0.04 11	0.04 10	0.03 10	0.11 37	0.06 27	0.16 52	0.04 5	0.08 21	0.03 8	0.02 7	0.06 6	0.08 19	0.08 11	0.05 3	0.09 28	0.04 3	0.09 18	0.05 10	0.02 7	0.04 7	0.10 30	0.08 15	0.07 17	0.07 15

RYNet	0.06 10	0.04 9	0.04 10	0.04 10	0.04 11	0.04 10	0.03 10	0.04 5	0.11 111	0.05 9	0.04 5	0.04 7	0.03 8	0.03 13	0.07 12	0.06 5	0.07 7	0.08 18	0.07 8	0.05 9	0.05 4	0.04 4	0.11 149	0.04 7	0.06 6	0.13 71	0.06 12	0.05 6

TDLM	0.04 4	0.04 9	0.04 10	0.04 10	0.04 11	0.04 10	0.03 10	0.04 5	0.03 4	0.04 6	0.06 18	0.04 7	0.03 8	0.03 13	0.06 6	0.06 5	0.06 5	0.06 8	0.05 4	0.04 3	0.05 4	0.04 4	0.03 20	0.04 7	0.05 3	0.05 3	0.05 5	0.05 6

DLNR_Zeroshot_test	10.12 265	32.06 274	0.05 25	54.44 274	0.09 84	0.18 160	50.47 274	0.19 130	0.08 59	0.27 185	0.07 30	0.20 130	0.04 17	0.14 168	62.26 274	70.60 274	0.33 220	0.18 188	0.25 178	0.11 106	0.20 155	0.08 42	0.07 89	0.09 109	0.18 133	0.15 110	0.20 149	0.26 171

anonymousdsp2	0.08 28	0.07 50	0.05 25	0.06 31	0.05 22	0.06 35	0.05 31	0.12 41	0.06 27	0.17 61	0.06 18	0.08 21	0.04 17	0.05 42	0.07 12	0.08 19	0.13 37	0.08 18	0.10 34	0.07 30	0.12 44	0.06 23	0.05 52	0.06 38	0.09 22	0.08 15	0.08 22	0.07 15

CES	0.11 63	0.06 29	0.06 49	0.06 31	0.08 65	0.07 49	0.05 31	0.35 211	0.05 13	0.15 46	0.23 199	0.13 59	0.04 17	0.08 94	0.08 28	0.10 53	0.19 115	0.08 18	0.14 74	0.08 47	0.28 220	0.08 42	0.07 89	0.04 7	0.14 76	0.11 48	0.13 65	0.16 91

iRaft-Stereo_20w	0.13 95	0.07 50	0.05 25	0.12 116	0.12 131	0.12 109	0.09 103	0.16 76	0.10 99	0.28 200	0.09 63	0.19 116	0.04 17	0.10 124	0.09 59	0.11 94	0.24 175	0.11 65	0.15 85	0.13 141	0.20 155	0.08 42	0.09 127	0.06 38	0.17 113	0.13 71	0.20 149	0.25 168

AASNet	0.06 10	0.06 29	0.04 10	0.09 72	0.07 55	0.08 58	0.05 31	0.08 25	0.04 6	0.07 20	0.07 30	0.07 17	0.04 17	0.04 26	0.06 6	0.07 12	0.10 21	0.08 18	0.08 16	0.06 18	0.07 11	0.06 23	0.04 36	0.06 38	0.08 15	0.07 11	0.06 12	0.06 13

TRStereo	0.13 95	0.07 50	0.05 25	0.09 72	0.08 65	0.17 152	0.13 143	0.18 112	0.07 42	0.25 158	0.09 63	0.20 130	0.04 17	0.10 124	0.09 59	0.10 53	0.22 153	0.11 65	0.22 159	0.13 141	0.19 138	0.09 73	0.09 127	0.07 72	0.16 101	0.15 110	0.24 174	0.20 138

raft+_RVC	0.08 28	0.06 29	0.04 10	0.06 31	0.06 40	0.07 49	0.04 22	0.10 34	0.08 59	0.17 61	0.08 49	0.09 24	0.04 17	0.04 26	0.08 28	0.07 12	0.13 37	0.09 41	0.11 40	0.06 18	0.13 57	0.05 10	0.03 20	0.05 22	0.10 30	0.09 20	0.09 27	0.08 18

RAFT-Stereo + iAFF	0.08 28	0.06 29	0.05 25	0.05 20	0.04 11	0.04 10	0.04 22	0.14 62	0.07 42	0.21 103	0.04 5	0.12 43	0.04 17	0.03 13	0.07 12	0.09 32	0.09 17	0.06 8	0.10 34	0.05 9	0.11 30	0.05 10	0.03 20	0.05 22	0.12 51	0.09 20	0.09 27	0.09 25

MMNet	0.06 10	0.06 29	0.04 10	0.08 57	0.06 40	0.06 35	0.05 31	0.07 20	0.05 13	0.05 9	0.05 12	0.09 24	0.04 17	0.04 26	0.07 12	0.07 12	0.08 11	0.08 18	0.07 8	0.06 18	0.06 6	0.05 10	0.04 36	0.05 22	0.07 10	0.08 15	0.07 17	0.10 31

PMTNet	0.11 63	0.10 102	0.06 49	0.12 116	0.09 84	0.07 49	0.06 61	0.18 112	0.06 27	0.28 200	0.06 18	0.18 105	0.04 17	0.07 76	0.09 59	0.11 94	0.19 115	0.09 41	0.14 74	0.08 47	0.17 115	0.09 73	0.07 89	0.05 22	0.13 59	0.12 58	0.17 111	0.15 76

GANet	0.06 10	0.07 50	0.06 49	0.06 31	0.06 40	0.07 49	0.06 61	0.07 20	0.05 13	0.06 13	0.07 30	0.05 10	0.04 17	0.04 26	0.07 12	0.08 19	0.08 11	0.10 57	0.07 8	0.05 9	0.07 11	0.05 10	0.05 52	0.05 22	0.08 15	0.07 11	0.06 12	0.06 13

CVANet_RVC	0.07 21	0.07 50	0.07 73	0.08 57	0.06 40	0.07 49	0.05 31	0.06 10	0.05 13	0.06 13	0.09 63	0.05 10	0.04 17	0.04 26	0.08 28	0.08 19	0.08 11	0.08 18	0.08 16	0.06 18	0.08 15	0.05 10	0.04 36	0.05 22	0.08 15	0.07 11	0.07 17	0.09 25

AANet_RVC	0.06 10	0.05 19	0.06 49	0.05 20	0.06 40	0.04 10	0.05 31	0.05 8	0.06 27	0.05 9	0.06 18	0.05 10	0.04 17	0.04 26	0.07 12	0.07 12	0.08 11	0.08 18	0.07 8	0.07 30	0.07 11	0.06 23	0.05 52	0.05 22	0.07 10	0.09 20	0.06 12	0.08 18

StereoIM	0.07 21	0.04 9	0.05 25	0.03 4	0.02 4	0.03 5	0.03 10	0.06 10	0.06 27	0.04 6	0.06 18	0.10 30	0.05 30	0.02 7	0.07 12	0.08 19	0.10 21	0.09 41	0.07 8	0.05 9	0.10 26	0.10 104	0.01 2	0.05 22	0.11 44	0.18 161	0.13 65	0.16 91

IGEV_Zeroshot_test	0.14 118	0.07 50	0.05 25	0.13 126	0.13 141	0.10 92	0.11 128	0.17 84	0.09 78	0.28 200	0.09 63	0.23 158	0.05 30	0.12 152	0.09 59	0.11 94	0.23 161	0.11 65	0.16 99	0.12 123	0.20 155	0.09 73	0.09 127	0.06 38	0.19 146	0.14 93	0.23 166	0.27 175

RAFT-Test	0.13 95	0.07 50	0.06 49	0.09 72	0.11 117	0.13 118	0.09 103	0.17 84	0.11 111	0.27 185	0.10 79	0.20 130	0.05 30	0.12 152	0.10 92	0.11 94	0.23 161	0.12 91	0.21 151	0.14 152	0.21 168	0.11 123	0.06 68	0.08 88	0.17 113	0.15 110	0.17 111	0.17 102

HH	0.13 95	0.06 29	0.05 25	0.11 105	0.11 117	0.16 143	0.08 86	0.19 130	0.07 42	0.28 200	0.08 49	0.18 105	0.05 30	0.12 152	0.10 92	0.10 53	0.23 161	0.12 91	0.15 85	0.10 87	0.20 155	0.08 42	0.07 89	0.08 88	0.13 59	0.14 93	0.19 137	0.23 159

HanStereo	0.13 95	0.06 29	0.05 25	0.11 105	0.11 117	0.16 143	0.08 86	0.19 130	0.07 42	0.28 200	0.08 49	0.18 105	0.05 30	0.12 152	0.10 92	0.10 53	0.23 161	0.12 91	0.15 85	0.10 87	0.20 155	0.08 42	0.07 89	0.08 88	0.13 59	0.14 93	0.19 137	0.23 159

LL-Strereo2	0.07 21	0.03 4	0.03 5	0.04 10	0.05 22	0.04 10	0.03 10	0.06 10	0.07 42	0.14 39	0.07 30	0.08 21	0.05 30	0.04 26	0.07 12	0.08 19	0.14 50	0.07 13	0.10 34	0.06 18	0.10 26	0.06 23	0.03 20	0.04 7	0.08 15	0.09 20	0.08 22	0.05 6

CAS	0.09 33	0.07 50	0.05 25	0.06 31	0.05 22	0.05 21	0.04 22	0.14 62	0.05 13	0.11 30	0.10 79	0.11 38	0.05 30	0.07 76	0.08 28	0.09 32	0.11 26	0.10 57	0.14 74	0.07 30	0.12 44	0.07 34	0.05 52	0.05 22	0.13 59	0.11 48	0.09 27	0.14 65

Sa-1000	0.10 52	0.07 50	0.07 73	0.07 51	0.05 22	0.09 70	0.03 10	0.12 41	0.06 27	0.18 73	0.08 49	0.19 116	0.05 30	0.05 42	0.10 92	0.10 53	0.16 68	0.12 91	0.14 74	0.09 67	0.16 95	0.10 104	0.04 36	0.05 22	0.19 146	0.15 110	0.13 65	0.20 138

UDGNet	0.15 139	0.13 140	0.09 104	0.18 161	0.17 169	0.16 143	0.19 177	0.15 67	0.11 111	0.16 52	0.14 125	0.15 74	0.05 30	0.45 222	0.09 59	0.10 53	0.17 81	0.12 91	0.14 74	0.09 67	0.17 115	0.09 73	0.28 224	0.07 72	0.17 113	0.15 110	0.12 54	0.13 56

IPLG	0.09 33	0.07 50	0.07 73	0.07 51	0.07 55	0.06 35	0.05 31	0.15 67	0.06 27	0.22 107	0.06 18	0.15 74	0.05 30	0.04 26	0.08 28	0.10 53	0.16 68	0.10 57	0.14 74	0.09 67	0.13 57	0.08 42	0.04 36	0.07 72	0.13 59	0.11 48	0.11 46	0.08 18

cross-raft	0.14 118	0.08 78	0.07 73	0.08 57	0.10 100	0.12 109	0.08 86	0.17 84	0.13 133	0.27 185	0.11 89	0.21 145	0.05 30	0.11 135	0.13 159	0.14 167	0.22 153	0.11 65	0.23 168	0.13 141	0.23 196	0.09 73	0.06 68	0.08 88	0.22 177	0.17 149	0.14 78	0.15 76

RAFT	0.06 10	0.03 4	0.05 25	0.03 4	0.02 4	0.03 5	0.02 2	0.07 20	0.04 6	0.04 6	0.06 18	0.07 17	0.05 30	0.01 2	0.06 6	0.06 5	0.07 7	0.05 3	0.05 4	0.04 3	0.06 6	0.07 34	0.01 2	0.04 7	0.13 59	0.14 93	0.13 65	0.15 76

rafts_anoy	0.09 33	0.08 78	0.07 73	0.07 51	0.07 55	0.06 35	0.05 31	0.13 52	0.05 13	0.17 61	0.09 63	0.12 43	0.05 30	0.03 13	0.09 59	0.10 53	0.15 56	0.12 91	0.13 62	0.07 30	0.14 71	0.08 42	0.03 20	0.06 38	0.11 44	0.10 30	0.09 27	0.11 39

raftrobust	0.10 52	0.08 78	0.06 49	0.08 57	0.07 55	0.05 21	0.04 22	0.14 62	0.06 27	0.25 158	0.07 30	0.12 43	0.05 30	0.05 42	0.08 28	0.09 32	0.18 100	0.11 65	0.11 40	0.09 67	0.17 115	0.08 42	0.05 52	0.05 22	0.13 59	0.12 58	0.10 32	0.10 31

RALCasStereoNet	0.09 33	0.08 78	0.06 49	0.09 72	0.07 55	0.06 35	0.05 31	0.12 41	0.05 13	0.18 73	0.07 30	0.12 43	0.05 30	0.04 26	0.09 59	0.10 53	0.18 100	0.12 91	0.13 62	0.08 47	0.15 80	0.08 42	0.05 52	0.06 38	0.12 51	0.09 20	0.10 32	0.08 18

EAI-Stereo	0.13 95	0.07 50	0.04 10	0.10 88	0.10 100	0.10 92	0.09 103	0.17 84	0.10 99	0.26 172	0.11 89	0.20 130	0.05 30	0.10 124	0.10 92	0.11 94	0.23 161	0.12 91	0.18 120	0.12 123	0.19 138	0.08 42	0.08 110	0.08 88	0.16 101	0.14 93	0.15 89	0.20 138

delet	0.05 6	0.05 19	0.04 10	0.06 31	0.05 22	0.05 21	0.05 31	0.04 5	0.04 6	0.06 13	0.05 12	0.10 30	0.05 30	0.03 13	0.07 12	0.06 5	0.07 7	0.06 8	0.05 4	0.06 18	0.06 6	0.04 4	0.03 20	0.04 7	0.06 6	0.06 8	0.04 3	0.04 5

PDISCO_ROB	0.12 85	0.13 140	0.13 159	0.10 88	0.08 65	0.09 70	0.09 103	0.09 28	0.08 59	0.11 30	0.10 79	0.06 15	0.05 30	0.05 42	0.09 59	0.11 94	0.14 50	0.16 164	0.09 28	0.10 87	0.14 71	0.12 140	0.04 36	0.08 88	0.16 101	0.21 181	0.32 196	0.19 130

MSKI-zero shot	0.13 95	0.08 78	0.05 25	0.09 72	0.11 117	0.09 70	0.07 77	0.19 130	0.09 78	0.28 200	0.10 79	0.19 116	0.06 48	0.11 135	0.10 92	0.11 94	0.24 175	0.11 65	0.17 107	0.11 106	0.21 168	0.10 104	0.07 89	0.08 88	0.14 76	0.17 149	0.18 128	0.18 117

StereoVision	0.06 10	0.03 4	0.04 10	0.03 4	0.03 7	0.03 5	0.02 2	0.06 10	0.11 111	0.02 2	0.05 12	0.03 4	0.06 48	0.01 2	0.08 28	0.10 53	0.06 5	0.05 3	0.08 16	0.07 30	0.06 6	0.05 10	0.02 7	0.04 7	0.10 30	0.08 15	0.10 32	0.12 49

MIF-Stereo (partial)	0.06 10	0.05 19	0.06 49	0.05 20	0.04 11	0.05 21	0.03 10	0.08 25	0.07 42	0.07 20	0.04 5	0.05 10	0.06 48	0.04 26	0.08 28	0.08 19	0.11 26	0.08 18	0.08 16	0.05 9	0.09 18	0.05 10	0.02 7	0.06 38	0.10 30	0.08 15	0.07 17	0.08 18

CASnet	0.10 52	0.06 29	0.05 25	0.08 57	0.09 84	0.11 101	0.05 31	0.18 112	0.10 99	0.23 121	0.11 89	0.13 59	0.06 48	0.07 76	0.09 59	0.10 53	0.16 68	0.08 18	0.18 120	0.07 30	0.14 71	0.06 23	0.06 68	0.06 38	0.12 51	0.10 30	0.14 78	0.10 31
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
4D-IteraStereo	0.09 33	0.06 29	0.05 25	0.06 31	0.06 40	0.06 35	0.04 22	0.15 67	0.10 99	0.22 107	0.08 49	0.14 69	0.06 48	0.03 13	0.08 28	0.10 53	0.17 81	0.09 41	0.11 40	0.07 30	0.15 80	0.05 10	0.03 20	0.05 22	0.10 30	0.10 30	0.08 22	0.08 18

LoS_RVC	0.09 33	0.07 50	0.05 25	0.05 20	0.06 40	0.06 35	0.05 31	0.13 52	0.08 59	0.18 73	0.11 89	0.12 43	0.06 48	0.07 76	0.08 28	0.09 32	0.10 21	0.08 18	0.12 50	0.08 47	0.16 95	0.09 73	0.05 52	0.06 38	0.14 76	0.10 30	0.10 32	0.13 56

tt_ll	0.09 33	0.07 50	0.05 25	0.05 20	0.06 40	0.06 35	0.05 31	0.13 52	0.08 59	0.18 73	0.11 89	0.12 43	0.06 48	0.07 76	0.08 28	0.09 32	0.10 21	0.08 18	0.12 50	0.08 47	0.16 95	0.09 73	0.05 52	0.06 38	0.14 76	0.10 30	0.10 32	0.13 56

LoS	0.15 139	0.10 102	0.08 94	0.10 88	0.11 117	0.09 70	0.07 77	0.50 232	0.05 13	0.32 215	0.36 227	0.36 186	0.06 48	0.09 110	0.09 59	0.10 53	0.20 128	0.09 41	0.14 74	0.11 106	0.21 168	0.09 73	0.07 89	0.07 72	0.17 113	0.11 48	0.20 149	0.21 152

EGLCR-Stereo	0.11 63	0.06 29	0.04 10	0.08 57	0.08 65	0.07 49	0.05 31	0.17 84	0.09 78	0.27 185	0.06 18	0.19 116	0.06 48	0.08 94	0.08 28	0.10 53	0.20 128	0.10 57	0.16 99	0.07 30	0.17 115	0.07 34	0.04 36	0.06 38	0.10 30	0.12 58	0.18 128	0.18 117

anonymity	0.13 95	0.06 29	0.05 25	0.09 72	0.10 100	0.09 70	0.07 77	0.18 112	0.08 59	0.28 200	0.12 99	0.19 116	0.06 48	0.09 110	0.09 59	0.13 146	0.23 161	0.12 91	0.17 107	0.15 166	0.19 138	0.10 104	0.09 127	0.07 72	0.19 146	0.18 161	0.19 137	0.19 130

test_4	0.09 33	0.05 19	0.07 73	0.05 20	0.06 40	0.03 5	0.02 2	0.11 37	0.09 78	0.17 61	0.06 18	0.09 24	0.06 48	0.03 13	0.09 59	0.09 32	0.15 56	0.08 18	0.10 34	0.07 30	0.16 95	0.08 42	0.02 7	0.07 72	0.09 22	0.15 110	0.12 54	0.18 117

CIPLG	0.09 33	0.06 29	0.05 25	0.06 31	0.06 40	0.09 70	0.06 61	0.18 112	0.06 27	0.20 94	0.08 49	0.12 43	0.06 48	0.06 54	0.08 28	0.10 53	0.17 81	0.11 65	0.11 40	0.09 67	0.13 57	0.06 23	0.04 36	0.06 38	0.10 30	0.09 20	0.10 32	0.10 31

RALAANet	0.09 33	0.08 78	0.06 49	0.07 51	0.05 22	0.08 58	0.05 31	0.10 34	0.07 42	0.12 32	0.09 63	0.10 30	0.06 48	0.03 13	0.08 28	0.09 32	0.13 37	0.11 65	0.15 85	0.08 47	0.12 44	0.07 34	0.04 36	0.06 38	0.11 44	0.10 30	0.11 46	0.11 39

UPFNet	0.09 33	0.08 78	0.08 94	0.09 72	0.07 55	0.09 70	0.06 61	0.12 41	0.09 78	0.14 39	0.09 63	0.12 43	0.06 48	0.07 76	0.08 28	0.10 53	0.13 37	0.11 65	0.10 34	0.07 30	0.09 18	0.07 34	0.06 68	0.06 38	0.09 22	0.10 30	0.10 32	0.10 31

CREStereo	0.11 63	0.08 78	0.06 49	0.08 57	0.08 65	0.07 49	0.05 31	0.18 112	0.05 13	0.26 172	0.08 49	0.18 105	0.06 48	0.08 94	0.08 28	0.10 53	0.22 153	0.09 41	0.13 62	0.08 47	0.20 155	0.09 73	0.06 68	0.05 22	0.11 44	0.13 71	0.17 111	0.15 76
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 63	0.10 102	0.08 94	0.09 72	0.10 100	0.09 70	0.06 61	0.14 62	0.08 59	0.18 73	0.15 138	0.09 24	0.06 48	0.08 94	0.09 59	0.10 53	0.17 81	0.13 117	0.14 74	0.10 87	0.11 30	0.09 73	0.08 110	0.08 88	0.13 59	0.12 58	0.10 32	0.11 39

DMCA	0.07 21	0.05 19	0.07 73	0.06 31	0.06 40	0.05 21	0.07 77	0.09 28	0.06 27	0.06 13	0.09 63	0.07 17	0.06 48	0.06 54	0.07 12	0.08 19	0.11 26	0.10 57	0.08 16	0.07 30	0.09 18	0.05 10	0.06 68	0.05 22	0.08 15	0.10 30	0.05 5	0.07 15

MSMDNet	0.13 95	0.08 78	0.06 49	0.09 72	0.12 131	0.10 92	0.08 86	0.17 84	0.11 111	0.27 185	0.09 63	0.20 130	0.06 48	0.12 152	0.10 92	0.11 94	0.24 175	0.12 91	0.19 134	0.16 177	0.21 168	0.11 123	0.07 89	0.08 88	0.17 113	0.14 93	0.17 111	0.18 117

HITNet	0.09 33	0.07 50	0.06 49	0.08 57	0.08 65	0.08 58	0.05 31	0.11 37	0.07 42	0.19 86	0.08 49	0.12 43	0.06 48	0.07 76	0.08 28	0.08 19	0.13 37	0.11 65	0.10 34	0.06 18	0.10 26	0.09 73	0.06 68	0.06 38	0.12 51	0.11 48	0.16 98	0.13 56
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 52	0.07 50	0.06 49	0.08 57	0.05 22	0.07 49	0.03 10	0.11 37	0.15 150	0.20 94	0.15 138	0.11 38	0.07 67	0.08 94	0.08 28	0.09 32	0.16 68	0.11 65	0.12 50	0.08 47	0.12 44	0.11 123	0.06 68	0.07 72	0.12 51	0.14 93	0.12 54	0.16 91

EKT-Stereo	0.15 139	0.10 102	0.07 73	0.13 126	0.12 131	0.16 143	0.17 167	0.18 112	0.11 111	0.26 172	0.17 159	0.17 91	0.07 67	0.11 135	0.09 59	0.11 94	0.24 175	0.15 154	0.23 168	0.12 123	0.24 203	0.10 104	0.07 89	0.08 88	0.20 156	0.15 110	0.17 111	0.18 117

IER	0.09 33	0.07 50	0.07 73	0.09 72	0.07 55	0.08 58	0.06 61	0.12 41	0.07 42	0.14 39	0.11 89	0.10 30	0.07 67	0.06 54	0.08 28	0.09 32	0.15 56	0.11 65	0.11 40	0.07 30	0.11 30	0.07 34	0.06 68	0.06 38	0.10 30	0.10 30	0.11 46	0.14 65

GLC_STEREO	0.13 95	0.11 114	0.12 150	0.12 116	0.11 117	0.10 92	0.10 118	0.19 130	0.07 42	0.25 158	0.13 111	0.12 43	0.07 67	0.07 76	0.08 28	0.12 130	0.24 175	0.11 65	0.17 107	0.09 67	0.27 215	0.15 174	0.07 89	0.07 72	0.15 89	0.09 20	0.20 149	0.12 49

IPLGR_C	0.09 33	0.06 29	0.05 25	0.06 31	0.06 40	0.09 70	0.06 61	0.18 112	0.06 27	0.20 94	0.08 49	0.12 43	0.07 67	0.06 54	0.08 28	0.10 53	0.17 81	0.11 65	0.11 40	0.09 67	0.13 57	0.06 23	0.04 36	0.06 38	0.10 30	0.09 20	0.10 32	0.10 31

IPLGR	0.12 85	0.09 90	0.09 104	0.09 72	0.10 100	0.09 70	0.07 77	0.18 112	0.09 78	0.22 107	0.10 79	0.15 74	0.07 67	0.06 54	0.09 59	0.11 94	0.17 81	0.11 65	0.20 140	0.12 123	0.15 80	0.08 42	0.04 36	0.08 88	0.16 101	0.13 71	0.14 78	0.16 91

test-3	0.10 52	0.06 29	0.04 10	0.06 31	0.08 65	0.05 21	0.05 31	0.17 84	0.07 42	0.24 137	0.07 30	0.19 116	0.07 67	0.06 54	0.10 92	0.10 53	0.21 141	0.09 41	0.15 85	0.10 87	0.16 95	0.09 73	0.05 52	0.06 38	0.09 22	0.10 30	0.12 54	0.11 39

test_1	0.10 52	0.06 29	0.04 10	0.06 31	0.08 65	0.05 21	0.05 31	0.17 84	0.07 42	0.24 137	0.07 30	0.19 116	0.07 67	0.06 54	0.10 92	0.10 53	0.21 141	0.09 41	0.15 85	0.10 87	0.16 95	0.09 73	0.05 52	0.06 38	0.09 22	0.10 30	0.12 54	0.11 39

ACRE	0.09 33	0.06 29	0.05 25	0.06 31	0.06 40	0.09 70	0.06 61	0.18 112	0.06 27	0.20 94	0.08 49	0.12 43	0.07 67	0.06 54	0.08 28	0.10 53	0.17 81	0.11 65	0.11 40	0.09 67	0.13 57	0.06 23	0.04 36	0.06 38	0.10 30	0.10 30	0.10 32	0.10 31

SACVNet	0.15 139	0.14 154	0.13 159	0.16 148	0.13 141	0.14 125	0.12 138	0.19 130	0.17 163	0.19 86	0.17 159	0.14 69	0.07 67	0.14 168	0.13 159	0.13 146	0.19 115	0.16 164	0.20 140	0.13 141	0.16 95	0.14 163	0.12 159	0.13 162	0.20 156	0.18 161	0.19 137	0.17 102

TANstereo	0.11 63	0.06 29	0.06 49	0.10 88	0.09 84	0.09 70	0.06 61	0.12 41	0.08 59	0.22 107	0.08 49	0.13 59	0.07 67	0.08 94	0.10 92	0.13 146	0.20 128	0.13 117	0.18 120	0.08 47	0.18 128	0.09 73	0.06 68	0.06 38	0.10 30	0.10 30	0.15 89	0.14 65

XX-TBD	0.11 63	0.06 29	0.06 49	0.10 88	0.09 84	0.09 70	0.06 61	0.12 41	0.08 59	0.22 107	0.08 49	0.13 59	0.07 67	0.08 94	0.10 92	0.13 146	0.20 128	0.13 117	0.18 120	0.08 47	0.18 128	0.09 73	0.06 68	0.06 38	0.10 30	0.10 30	0.15 89	0.14 65

HCRNet	0.11 63	0.17 174	0.06 49	0.22 177	0.08 65	0.15 136	0.08 86	0.13 52	0.04 6	0.46 236	0.12 99	0.24 166	0.07 67	0.07 76	0.08 28	0.06 5	0.14 50	0.08 18	0.20 140	0.08 47	0.09 18	0.05 10	0.11 149	0.06 38	0.06 6	0.05 3	0.05 5	0.08 18

DSFCA	0.11 63	0.13 140	0.09 104	0.10 88	0.08 65	0.11 101	0.11 128	0.12 41	0.09 78	0.12 32	0.13 111	0.14 69	0.07 67	0.05 42	0.09 59	0.11 94	0.15 56	0.13 117	0.16 99	0.10 87	0.13 57	0.12 140	0.07 89	0.09 109	0.12 51	0.13 71	0.10 32	0.13 56

DMCA-RVC	0.10 52	0.08 78	0.11 137	0.08 57	0.09 84	0.08 58	0.08 86	0.12 41	0.09 78	0.13 36	0.13 111	0.13 59	0.07 67	0.06 54	0.13 159	0.12 130	0.14 50	0.13 117	0.11 40	0.10 87	0.12 44	0.09 73	0.07 89	0.09 109	0.10 30	0.10 30	0.10 32	0.11 39

NVstereo2D	0.15 139	0.11 114	0.11 137	0.19 167	0.14 151	0.21 184	0.24 197	0.13 52	0.11 111	0.16 52	0.14 125	0.10 30	0.07 67	0.39 221	0.11 128	0.11 94	0.21 141	0.14 140	0.15 85	0.10 87	0.12 44	0.08 42	0.24 203	0.08 88	0.14 76	0.12 58	0.14 78	0.12 49

DISCO	0.10 52	0.10 102	0.08 94	0.10 88	0.09 84	0.11 101	0.09 103	0.10 34	0.08 59	0.15 46	0.10 79	0.12 43	0.07 67	0.06 54	0.09 59	0.11 94	0.15 56	0.10 57	0.14 74	0.10 87	0.12 44	0.10 104	0.06 68	0.09 109	0.14 76	0.11 48	0.13 65	0.11 39

Any-RAFT	0.13 95	0.07 50	0.05 25	0.10 88	0.09 84	0.12 109	0.08 86	0.17 84	0.10 99	0.26 172	0.09 63	0.20 130	0.08 84	0.10 124	0.09 59	0.10 53	0.22 153	0.11 65	0.20 140	0.10 87	0.21 168	0.09 73	0.08 110	0.06 38	0.16 101	0.15 110	0.17 111	0.17 102

dd	0.14 118	0.12 127	0.07 73	0.25 188	0.10 100	0.19 170	0.09 103	0.17 84	0.08 59	0.17 61	0.08 49	0.33 181	0.08 84	0.06 54	0.10 92	0.11 94	0.24 175	0.11 65	0.25 178	0.09 67	0.15 80	0.09 73	0.06 68	0.09 109	0.17 113	0.13 71	0.18 128	0.15 76

DDUNet	0.26 194	0.20 186	0.12 150	0.37 203	0.30 212	0.40 216	0.47 222	0.20 149	0.16 155	0.16 52	0.25 208	0.16 87	0.08 84	1.63 240	0.13 159	0.14 167	0.21 141	0.14 140	0.25 178	0.13 141	0.18 128	0.12 140	0.25 205	0.15 174	0.17 113	0.18 161	0.18 128	0.22 155

MIPNet	0.11 63	0.09 90	0.06 49	0.07 51	0.08 65	0.07 49	0.05 31	0.17 84	0.06 27	0.23 121	0.07 30	0.15 74	0.08 84	0.05 42	0.09 59	0.10 53	0.17 81	0.11 65	0.20 140	0.12 123	0.13 57	0.10 104	0.05 52	0.07 72	0.15 89	0.13 71	0.11 46	0.13 56

s12784h	0.12 85	0.09 90	0.06 49	0.11 105	0.09 84	0.08 58	0.06 61	0.18 112	0.07 42	0.27 185	0.11 89	0.19 116	0.08 84	0.07 76	0.08 28	0.09 32	0.21 141	0.08 18	0.15 85	0.07 30	0.20 155	0.08 42	0.05 52	0.07 72	0.16 101	0.14 93	0.18 128	0.21 152

TestStereo	0.13 95	0.12 127	0.10 122	0.11 105	0.08 65	0.11 101	0.10 118	0.18 112	0.11 111	0.24 137	0.13 111	0.20 130	0.08 84	0.06 54	0.11 128	0.10 53	0.20 128	0.11 65	0.20 140	0.10 87	0.21 168	0.10 104	0.06 68	0.12 152	0.19 146	0.11 48	0.12 54	0.13 56

R-Stereo Train	0.13 95	0.07 50	0.07 73	0.09 72	0.10 100	0.15 136	0.05 31	0.16 76	0.12 126	0.28 200	0.12 99	0.20 130	0.08 84	0.11 135	0.09 59	0.11 94	0.24 175	0.12 91	0.16 99	0.11 106	0.21 168	0.11 123	0.08 110	0.07 72	0.15 89	0.15 110	0.16 98	0.15 76

ADCP+	0.11 63	0.10 102	0.08 94	0.09 72	0.07 55	0.09 70	0.08 86	0.13 52	0.11 111	0.16 52	0.12 99	0.18 105	0.08 84	0.07 76	0.10 92	0.09 32	0.16 68	0.11 65	0.14 74	0.09 67	0.12 44	0.09 73	0.08 110	0.08 88	0.11 44	0.15 110	0.11 46	0.11 39

RAFT-Stereo	0.13 95	0.07 50	0.07 73	0.09 72	0.10 100	0.15 136	0.05 31	0.16 76	0.12 126	0.28 200	0.12 99	0.20 130	0.08 84	0.11 135	0.09 59	0.11 94	0.24 175	0.12 91	0.16 99	0.11 106	0.21 168	0.11 123	0.08 110	0.07 72	0.15 89	0.15 110	0.16 98	0.15 76
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RASNet	0.11 63	0.10 102	0.09 104	0.10 88	0.07 55	0.08 58	0.08 86	0.19 130	0.09 78	0.17 61	0.10 79	0.13 59	0.08 84	0.06 54	0.08 28	0.10 53	0.15 56	0.09 41	0.12 50	0.06 18	0.15 80	0.09 73	0.05 52	0.10 124	0.13 59	0.11 48	0.17 111	0.17 102

PS-NSSS	0.17 157	0.19 183	0.17 189	0.23 180	0.18 175	0.18 160	0.16 159	0.22 166	0.13 133	0.23 121	0.20 184	0.44 194	0.08 84	0.11 135	0.12 140	0.10 53	0.13 37	0.13 117	0.26 183	0.11 106	0.11 30	0.07 34	0.18 183	0.15 174	0.17 113	0.21 181	0.13 65	0.20 138

RAFT_CTSACE	0.07 21	0.04 9	0.06 49	0.03 4	0.04 11	0.05 21	0.05 31	0.06 10	0.06 27	0.09 23	0.04 5	0.10 30	0.09 95	0.03 13	0.07 12	0.08 19	0.11 26	0.07 13	0.07 8	0.05 9	0.12 44	0.08 42	0.03 20	0.06 38	0.12 51	0.13 71	0.12 54	0.15 76

UDG	0.26 194	0.20 186	0.13 159	0.38 207	0.31 213	0.38 214	0.51 225	0.19 130	0.16 155	0.19 86	0.23 199	0.17 91	0.09 95	1.45 236	0.14 173	0.13 146	0.27 205	0.16 164	0.26 183	0.13 141	0.21 168	0.13 157	0.25 205	0.12 152	0.20 156	0.20 176	0.20 149	0.19 130

GMOStereo	0.11 63	0.07 50	0.09 104	0.06 31	0.05 22	0.06 35	0.05 31	0.17 84	0.09 78	0.24 137	0.07 30	0.17 91	0.09 95	0.05 42	0.10 92	0.11 94	0.17 81	0.08 18	0.12 50	0.08 47	0.19 138	0.08 42	0.03 20	0.06 38	0.18 133	0.16 132	0.14 78	0.17 102

error version	0.11 63	0.07 50	0.09 104	0.06 31	0.05 22	0.06 35	0.05 31	0.17 84	0.09 78	0.24 137	0.07 30	0.17 91	0.09 95	0.05 42	0.10 92	0.11 94	0.17 81	0.08 18	0.12 50	0.08 47	0.19 138	0.08 42	0.03 20	0.06 38	0.18 133	0.16 132	0.14 78	0.17 102

test-v	0.11 63	0.07 50	0.09 104	0.06 31	0.05 22	0.06 35	0.05 31	0.17 84	0.09 78	0.24 137	0.07 30	0.17 91	0.09 95	0.05 42	0.10 92	0.11 94	0.17 81	0.08 18	0.12 50	0.08 47	0.19 138	0.08 42	0.03 20	0.06 38	0.18 133	0.16 132	0.14 78	0.17 102

test-2	0.11 63	0.07 50	0.09 104	0.06 31	0.05 22	0.06 35	0.05 31	0.17 84	0.09 78	0.24 137	0.07 30	0.17 91	0.09 95	0.05 42	0.10 92	0.11 94	0.17 81	0.08 18	0.12 50	0.08 47	0.19 138	0.08 42	0.03 20	0.06 38	0.18 133	0.16 132	0.14 78	0.17 102

FINET	0.12 85	0.11 114	0.12 150	0.12 116	0.10 100	0.11 101	0.13 143	0.15 67	0.12 126	0.13 36	0.12 99	0.13 59	0.09 95	0.09 110	0.15 184	0.13 146	0.15 56	0.11 65	0.16 99	0.09 67	0.13 57	0.10 104	0.10 140	0.10 124	0.12 51	0.10 30	0.13 65	0.12 49

APVNet	0.15 139	0.13 140	0.11 137	0.14 133	0.16 162	0.14 125	0.13 143	0.19 130	0.11 111	0.14 39	0.13 111	0.17 91	0.09 95	0.16 179	0.15 184	0.15 183	0.21 141	0.14 140	0.22 159	0.15 166	0.15 80	0.12 140	0.07 89	0.12 152	0.16 101	0.15 110	0.19 137	0.17 102

UNet	0.10 52	0.09 90	0.08 94	0.10 88	0.08 65	0.09 70	0.08 86	0.15 67	0.08 59	0.17 61	0.09 63	0.13 59	0.09 95	0.07 76	0.09 59	0.10 53	0.16 68	0.13 117	0.12 50	0.08 47	0.11 30	0.09 73	0.08 110	0.09 109	0.11 44	0.13 71	0.10 32	0.11 39

BEATNet_4x	0.11 63	0.10 102	0.08 94	0.09 72	0.09 84	0.09 70	0.08 86	0.12 41	0.08 59	0.21 103	0.09 63	0.15 74	0.09 95	0.07 76	0.10 92	0.09 32	0.13 37	0.13 117	0.11 40	0.08 47	0.13 57	0.11 123	0.08 110	0.07 72	0.13 59	0.13 71	0.18 128	0.18 117

DeepPrunerF	0.11 63	0.10 102	0.10 122	0.13 126	0.13 141	0.09 70	0.09 103	0.15 67	0.11 111	0.12 32	0.14 125	0.10 30	0.09 95	0.07 76	0.12 140	0.11 94	0.11 26	0.13 117	0.13 62	0.11 106	0.13 57	0.08 42	0.08 110	0.08 88	0.17 113	0.14 93	0.11 46	0.14 65

CFNet_RVC	0.13 95	0.12 127	0.10 122	0.14 133	0.11 117	0.14 125	0.09 103	0.17 84	0.09 78	0.19 86	0.13 111	0.21 145	0.09 95	0.09 110	0.10 92	0.13 146	0.18 100	0.13 117	0.15 85	0.11 106	0.16 95	0.08 42	0.06 68	0.09 109	0.15 89	0.12 58	0.16 98	0.17 102

NLCA_NET_v2_RVC	0.13 95	0.13 140	0.13 159	0.14 133	0.15 159	0.13 118	0.20 179	0.13 52	0.15 150	0.16 52	0.16 149	0.21 145	0.09 95	0.15 176	0.10 92	0.12 130	0.15 56	0.12 91	0.11 40	0.09 67	0.11 30	0.09 73	0.08 110	0.08 88	0.13 59	0.13 71	0.11 46	0.15 76
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AE-Stereo	0.12 85	0.09 90	0.08 94	0.11 105	0.09 84	0.08 58	0.05 31	0.17 84	0.14 142	0.24 137	0.09 63	0.19 116	0.10 108	0.07 76	0.10 92	0.12 130	0.24 175	0.13 117	0.16 99	0.11 106	0.18 128	0.09 73	0.05 52	0.09 109	0.13 59	0.14 93	0.15 89	0.15 76

iinet-f	0.10 52	0.09 90	0.06 49	0.08 57	0.06 40	0.09 70	0.06 61	0.09 28	0.07 42	0.18 73	0.11 89	0.10 30	0.10 108	0.06 54	0.08 28	0.09 32	0.14 50	0.09 41	0.18 120	0.09 67	0.11 30	0.06 23	0.05 52	0.06 38	0.11 44	0.10 30	0.15 89	0.12 49

AACVNet	0.14 118	0.13 140	0.10 122	0.13 126	0.13 141	0.14 125	0.10 118	0.19 130	0.11 111	0.22 107	0.17 159	0.13 59	0.10 108	0.09 110	0.11 128	0.11 94	0.21 141	0.13 117	0.17 107	0.12 123	0.16 95	0.11 123	0.11 149	0.11 137	0.17 113	0.13 71	0.14 78	0.16 91

GEStereo_RVC	0.14 118	0.13 140	0.10 122	0.11 105	0.12 131	0.12 109	0.11 128	0.18 112	0.13 133	0.24 137	0.16 149	0.18 105	0.10 108	0.06 54	0.12 140	0.11 94	0.20 128	0.17 176	0.23 168	0.13 141	0.15 80	0.13 157	0.07 89	0.11 137	0.20 156	0.14 93	0.13 65	0.19 130

sAnonymous2	0.14 118	0.09 90	0.10 122	0.10 88	0.09 84	0.09 70	0.11 128	0.22 166	0.11 111	0.23 121	0.16 149	0.15 74	0.10 108	0.06 54	0.12 140	0.13 146	0.18 100	0.15 154	0.21 151	0.14 152	0.16 95	0.14 163	0.04 36	0.10 124	0.17 113	0.17 149	0.17 111	0.16 91

CroCo_RVC	0.14 118	0.09 90	0.10 122	0.10 88	0.09 84	0.09 70	0.11 128	0.22 166	0.11 111	0.23 121	0.16 149	0.15 74	0.10 108	0.06 54	0.12 140	0.13 146	0.18 100	0.15 154	0.21 151	0.14 152	0.16 95	0.14 163	0.04 36	0.10 124	0.17 113	0.17 149	0.17 111	0.16 91

ADLNet	0.12 85	0.11 114	0.08 94	0.12 116	0.10 100	0.16 143	0.12 138	0.14 62	0.07 42	0.13 36	0.10 79	0.25 167	0.10 108	0.28 209	0.09 59	0.10 53	0.17 81	0.09 41	0.13 62	0.09 67	0.11 30	0.08 42	0.13 165	0.06 38	0.13 59	0.12 58	0.12 54	0.14 65

STTStereo	0.13 95	0.14 154	0.17 189	0.13 126	0.15 159	0.13 118	0.20 179	0.13 52	0.13 133	0.15 46	0.15 138	0.17 91	0.10 108	0.11 135	0.12 140	0.12 130	0.15 56	0.14 140	0.13 62	0.11 106	0.12 44	0.10 104	0.07 89	0.09 109	0.15 89	0.13 71	0.12 54	0.16 91

CC-Net-ROB	0.28 201	0.40 221	0.28 218	0.56 221	0.44 223	0.41 217	0.38 214	0.32 205	0.20 186	0.33 219	0.28 216	0.68 216	0.10 108	0.32 219	0.19 204	0.13 146	0.14 50	0.16 164	0.39 208	0.18 189	0.15 80	0.09 73	0.23 199	0.24 207	0.21 168	0.21 181	0.19 137	0.29 179

CFNet	0.12 85	0.11 114	0.08 94	0.14 133	0.12 131	0.11 101	0.09 103	0.19 130	0.10 99	0.18 73	0.12 99	0.25 167	0.10 108	0.08 94	0.08 28	0.09 32	0.17 81	0.12 91	0.12 50	0.09 67	0.11 30	0.08 42	0.06 68	0.09 109	0.15 89	0.12 58	0.13 65	0.13 56

MyStereo04	0.14 118	0.12 127	0.10 122	0.08 57	0.09 84	0.10 92	0.08 86	0.22 166	0.19 176	0.24 137	0.16 149	0.23 158	0.11 118	0.04 26	0.10 92	0.11 94	0.17 81	0.12 91	0.21 151	0.12 123	0.16 95	0.11 123	0.06 68	0.11 137	0.21 168	0.12 58	0.16 98	0.15 76

raft_robust	0.12 85	0.09 90	0.09 104	0.11 105	0.06 40	0.09 70	0.06 61	0.15 67	0.08 59	0.23 121	0.07 30	0.20 130	0.11 118	0.09 110	0.11 128	0.12 130	0.16 68	0.12 91	0.13 62	0.10 87	0.15 80	0.11 123	0.03 20	0.07 72	0.18 133	0.16 132	0.15 89	0.14 65

dad	0.18 162	0.16 166	0.11 137	0.36 201	0.16 162	0.24 193	0.21 189	0.24 180	0.09 78	0.22 107	0.11 89	0.38 189	0.11 118	0.08 94	0.12 140	0.10 53	0.27 205	0.12 91	0.29 190	0.10 87	0.19 138	0.12 140	0.08 110	0.13 162	0.18 133	0.14 93	0.31 194	0.22 155

test_3	0.11 63	0.07 50	0.07 73	0.06 31	0.08 65	0.05 21	0.05 31	0.17 84	0.09 78	0.24 137	0.09 63	0.21 145	0.11 118	0.06 54	0.13 159	0.13 146	0.20 128	0.09 41	0.14 74	0.10 87	0.18 128	0.08 42	0.04 36	0.08 88	0.13 59	0.15 110	0.13 65	0.14 65

test-1	0.14 118	0.06 29	0.07 73	0.11 105	0.10 100	0.18 160	0.14 149	0.19 130	0.13 133	0.28 200	0.10 79	0.19 116	0.11 118	0.12 152	0.12 140	0.13 146	0.22 153	0.12 91	0.22 159	0.10 87	0.24 203	0.08 42	0.09 127	0.08 88	0.21 168	0.18 161	0.15 89	0.17 102

GES	0.14 118	0.11 114	0.07 73	0.09 72	0.11 117	0.15 136	0.09 103	0.20 149	0.09 78	0.23 121	0.12 99	0.17 91	0.11 118	0.14 168	0.10 92	0.10 53	0.23 161	0.14 140	0.24 174	0.14 152	0.17 115	0.17 186	0.11 149	0.09 109	0.15 89	0.14 93	0.21 161	0.20 138

GMStereo	0.12 85	0.12 127	0.07 73	0.11 105	0.11 117	0.13 118	0.09 103	0.17 84	0.10 99	0.17 61	0.13 111	0.21 145	0.11 118	0.07 76	0.10 92	0.09 32	0.17 81	0.10 57	0.17 107	0.12 123	0.14 71	0.09 73	0.07 89	0.09 109	0.14 76	0.13 71	0.15 89	0.12 49
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
FADNet-RVC-Resample	0.13 95	0.10 102	0.12 150	0.12 116	0.10 100	0.13 118	0.10 118	0.16 76	0.13 133	0.18 73	0.13 111	0.17 91	0.11 118	0.10 124	0.10 92	0.09 32	0.13 37	0.15 154	0.15 85	0.17 182	0.15 80	0.12 140	0.10 140	0.13 162	0.17 113	0.13 71	0.12 54	0.11 39

MIF-Stereo	0.07 21	0.04 9	0.04 10	0.04 10	0.03 7	0.05 21	0.03 10	0.06 10	0.05 13	0.06 13	0.04 5	0.07 17	0.12 126	0.07 76	0.08 28	0.07 12	0.11 26	0.08 18	0.08 16	0.07 30	0.09 18	0.08 42	0.08 110	0.04 7	0.09 22	0.16 132	0.06 12	0.09 25

CASS	0.15 139	0.12 127	0.10 122	0.14 133	0.12 131	0.16 143	0.10 118	0.19 130	0.15 150	0.26 172	0.12 99	0.20 130	0.12 126	0.09 110	0.11 128	0.12 130	0.23 161	0.12 91	0.23 168	0.09 67	0.19 138	0.10 104	0.07 89	0.09 109	0.23 184	0.14 93	0.19 137	0.22 155
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
HBP-ISP	0.21 179	0.16 166	0.12 150	0.26 190	0.22 191	0.22 187	0.17 167	0.29 198	0.18 168	0.27 185	0.18 172	0.21 145	0.12 126	0.28 209	0.10 92	0.14 167	0.26 198	0.19 193	0.20 140	0.12 123	0.22 184	0.23 217	0.26 210	0.23 199	0.24 187	0.24 201	0.23 166	0.26 171

test_5	0.08 28	0.05 19	0.07 73	0.04 10	0.04 11	0.04 10	0.04 22	0.09 28	0.05 13	0.05 9	0.07 30	0.12 43	0.12 126	0.02 7	0.07 12	0.09 32	0.07 7	0.07 13	0.08 16	0.06 18	0.10 26	0.09 73	0.02 7	0.07 72	0.10 30	0.13 71	0.13 65	0.18 117

GANet-ADL	0.15 139	0.12 127	0.09 104	0.14 133	0.12 131	0.16 143	0.12 138	0.20 149	0.10 99	0.25 158	0.15 138	0.22 157	0.12 126	0.21 195	0.09 59	0.11 94	0.25 190	0.14 140	0.20 140	0.14 152	0.19 138	0.09 73	0.08 110	0.10 124	0.17 113	0.15 110	0.20 149	0.17 102

ICVP	0.15 139	0.13 140	0.14 168	0.12 116	0.12 131	0.13 118	0.10 118	0.17 84	0.12 126	0.17 61	0.13 111	0.18 105	0.12 126	0.09 110	0.12 140	0.13 146	0.18 100	0.15 154	0.15 85	0.14 152	0.17 115	0.13 157	0.20 191	0.11 137	0.19 146	0.19 172	0.17 111	0.16 91
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Anonymous3	0.18 162	0.15 161	0.11 137	0.15 144	0.10 100	0.14 125	0.11 128	0.22 166	0.19 176	0.27 185	0.15 138	0.27 170	0.12 126	0.13 164	0.25 214	0.17 198	0.23 161	0.18 188	0.26 183	0.17 182	0.24 203	0.20 206	0.09 127	0.10 124	0.21 168	0.20 176	0.22 165	0.20 138

FCDSN-DC	0.25 191	0.25 203	0.25 213	0.28 197	0.26 203	0.26 196	0.34 208	0.28 192	0.18 168	0.20 94	0.17 159	0.20 130	0.12 126	0.29 211	0.26 215	0.26 220	0.29 213	0.28 222	0.27 187	0.21 199	0.25 211	0.25 220	0.26 210	0.32 223	0.26 194	0.24 201	0.26 183	0.27 175
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FADNet-RVC	0.14 118	0.13 140	0.10 122	0.18 161	0.11 117	0.14 125	0.09 103	0.21 158	0.09 78	0.19 86	0.17 159	0.17 91	0.12 126	0.11 135	0.14 173	0.15 183	0.18 100	0.13 117	0.18 120	0.15 166	0.12 44	0.12 140	0.12 159	0.11 137	0.20 156	0.16 132	0.14 78	0.14 65

AF-Net	0.15 139	0.13 140	0.13 159	0.14 133	0.18 175	0.15 136	0.14 149	0.17 84	0.16 155	0.17 61	0.21 189	0.18 105	0.12 126	0.10 124	0.17 195	0.16 191	0.13 37	0.14 140	0.15 85	0.11 106	0.11 30	0.10 104	0.13 165	0.10 124	0.14 76	0.15 110	0.20 149	0.14 65

Nwc_Net	0.15 139	0.13 140	0.13 159	0.14 133	0.18 175	0.15 136	0.14 149	0.17 84	0.16 155	0.17 61	0.21 189	0.18 105	0.12 126	0.10 124	0.17 195	0.16 191	0.13 37	0.14 140	0.15 85	0.11 106	0.11 30	0.10 104	0.13 165	0.10 124	0.14 76	0.15 110	0.20 149	0.14 65

ADCL	0.14 118	0.12 127	0.11 137	0.13 126	0.11 117	0.14 125	0.10 118	0.17 84	0.15 150	0.22 107	0.16 149	0.21 145	0.12 126	0.09 110	0.10 92	0.11 94	0.16 68	0.13 117	0.17 107	0.12 123	0.18 128	0.13 157	0.11 149	0.11 137	0.16 101	0.15 110	0.16 98	0.16 91

UCFNet_RVC	0.15 139	0.17 174	0.12 150	0.16 148	0.14 151	0.17 152	0.11 128	0.17 84	0.12 126	0.20 94	0.13 111	0.28 172	0.12 126	0.10 124	0.11 128	0.13 146	0.18 100	0.13 117	0.17 107	0.12 123	0.16 95	0.09 73	0.10 140	0.11 137	0.18 133	0.15 110	0.17 111	0.19 130

MyStereo	0.14 118	0.13 140	0.10 122	0.10 88	0.10 100	0.11 101	0.08 86	0.23 174	0.20 186	0.25 158	0.16 149	0.23 158	0.13 139	0.04 26	0.10 92	0.11 94	0.18 100	0.12 91	0.21 151	0.12 123	0.16 95	0.12 140	0.06 68	0.11 137	0.22 177	0.13 71	0.16 98	0.16 91

TESTraft	0.09 33	0.06 29	0.06 49	0.04 10	0.04 11	0.05 21	0.06 61	0.09 28	0.08 59	0.09 23	0.08 49	0.12 43	0.13 139	0.03 13	0.09 59	0.10 53	0.11 26	0.09 41	0.08 16	0.07 30	0.13 57	0.12 140	0.02 7	0.05 22	0.14 76	0.12 58	0.14 78	0.20 138

RAFT+CT+SA	0.09 33	0.05 19	0.07 73	0.05 20	0.05 22	0.04 10	0.05 31	0.13 52	0.08 59	0.08 22	0.07 30	0.15 74	0.13 139	0.04 26	0.10 92	0.10 53	0.09 17	0.08 18	0.08 16	0.06 18	0.12 44	0.11 123	0.02 7	0.06 38	0.13 59	0.12 58	0.11 46	0.17 102

CREStereo++_RVC	0.11 63	0.07 50	0.05 25	0.08 57	0.08 65	0.08 58	0.07 77	0.16 76	0.09 78	0.26 172	0.09 63	0.17 91	0.13 139	0.08 94	0.08 28	0.10 53	0.20 128	0.08 18	0.13 62	0.07 30	0.19 138	0.08 42	0.06 68	0.06 38	0.14 76	0.11 48	0.16 98	0.15 76
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
RTSC	0.14 118	0.11 114	0.10 122	0.12 116	0.11 117	0.12 109	0.10 118	0.16 76	0.13 133	0.18 73	0.13 111	0.15 74	0.13 139	0.08 94	0.11 128	0.13 146	0.20 128	0.13 117	0.21 151	0.12 123	0.16 95	0.12 140	0.07 89	0.10 124	0.16 101	0.16 132	0.21 161	0.32 188

ADCRef	0.13 95	0.10 102	0.09 104	0.10 88	0.08 65	0.09 70	0.08 86	0.17 84	0.14 142	0.21 103	0.15 138	0.15 74	0.13 139	0.05 42	0.10 92	0.11 94	0.16 68	0.14 140	0.19 134	0.12 123	0.15 80	0.12 140	0.09 127	0.11 137	0.13 59	0.18 161	0.13 65	0.18 117

FC-DCNN	0.27 200	0.28 212	0.26 216	0.36 201	0.28 206	0.32 203	0.37 210	0.32 205	0.19 176	0.22 107	0.18 172	0.23 158	0.13 139	0.29 211	0.26 215	0.26 220	0.29 213	0.27 219	0.28 189	0.21 199	0.25 211	0.25 220	0.26 210	0.31 221	0.30 208	0.25 207	0.29 190	0.30 184

DeepPruner_ROB	0.14 118	0.13 140	0.11 137	0.12 116	0.11 117	0.10 92	0.09 103	0.17 84	0.12 126	0.21 103	0.18 172	0.15 74	0.13 139	0.08 94	0.12 140	0.11 94	0.19 115	0.15 154	0.19 134	0.11 106	0.17 115	0.14 163	0.10 140	0.11 137	0.17 113	0.16 132	0.17 111	0.19 130

AMNet	0.49 224	0.50 226	0.47 233	0.50 219	0.47 227	0.61 227	0.52 226	0.31 204	0.29 216	0.29 211	0.69 245	0.72 220	0.13 139	0.53 226	0.44 232	0.55 243	0.57 242	0.58 252	0.48 216	0.48 233	0.59 252	0.48 249	0.26 210	0.48 234	0.44 227	0.52 242	0.58 229	0.63 230

NCCL2	0.17 157	0.17 174	0.16 181	0.13 126	0.13 141	0.13 118	0.12 138	0.21 158	0.17 163	0.22 107	0.15 138	0.23 158	0.13 139	0.09 110	0.15 184	0.16 191	0.18 100	0.17 176	0.19 134	0.17 182	0.21 168	0.17 186	0.11 149	0.16 182	0.25 191	0.26 214	0.20 149	0.24 162

DLCB_ROB	0.13 95	0.12 127	0.11 137	0.10 88	0.10 100	0.10 92	0.09 103	0.16 76	0.11 111	0.18 73	0.17 159	0.19 116	0.13 139	0.11 135	0.11 128	0.10 53	0.17 81	0.13 117	0.13 62	0.10 87	0.17 115	0.10 104	0.09 127	0.12 152	0.27 197	0.16 132	0.16 98	0.13 56

NOSS_ROB	0.21 179	0.14 154	0.15 175	0.20 171	0.19 180	0.20 175	0.22 190	0.29 198	0.18 168	0.25 158	0.15 138	0.21 145	0.13 139	0.27 208	0.13 159	0.14 167	0.26 198	0.21 201	0.22 159	0.17 182	0.23 196	0.22 214	0.26 210	0.24 207	0.26 194	0.22 189	0.24 174	0.26 171

XPNet_ROB	0.18 162	0.21 191	0.14 168	0.15 144	0.16 162	0.15 136	0.15 154	0.15 67	0.14 142	0.19 86	0.18 172	0.49 201	0.13 139	0.11 135	0.13 159	0.14 167	0.25 190	0.16 164	0.18 120	0.14 152	0.17 115	0.18 194	0.13 165	0.13 162	0.17 113	0.17 149	0.31 194	0.29 179

CBMV	0.22 184	0.18 180	0.17 189	0.23 180	0.21 188	0.20 175	0.18 170	0.27 189	0.19 176	0.28 200	0.11 89	0.29 177	0.13 139	0.24 198	0.13 159	0.14 167	0.24 175	0.18 188	0.20 140	0.16 177	0.21 168	0.18 194	0.24 203	0.23 199	0.26 194	0.22 189	0.35 203	0.40 203
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
TestStereo1	0.09 33	0.07 50	0.06 49	0.04 10	0.05 22	0.06 35	0.06 61	0.07 20	0.07 42	0.09 23	0.07 30	0.11 38	0.14 153	0.04 26	0.09 59	0.10 53	0.11 26	0.09 41	0.09 28	0.08 47	0.13 57	0.12 140	0.02 7	0.04 7	0.15 89	0.13 71	0.16 98	0.20 138

SA-5K	0.09 33	0.07 50	0.06 49	0.04 10	0.05 22	0.06 35	0.06 61	0.07 20	0.07 42	0.09 23	0.07 30	0.11 38	0.14 153	0.04 26	0.09 59	0.10 53	0.11 26	0.09 41	0.09 28	0.08 47	0.13 57	0.12 140	0.02 7	0.04 7	0.15 89	0.13 71	0.16 98	0.20 138

LMCR-Stereo	0.13 95	0.09 90	0.07 73	0.11 105	0.08 65	0.11 101	0.09 103	0.18 112	0.09 78	0.19 86	0.14 125	0.19 116	0.14 153	0.10 124	0.09 59	0.11 94	0.20 128	0.13 117	0.19 134	0.10 87	0.18 128	0.10 104	0.08 110	0.08 88	0.15 89	0.13 71	0.18 128	0.17 102

sCroCo_RVC	0.14 118	0.09 90	0.09 104	0.08 57	0.07 55	0.10 92	0.07 77	0.19 130	0.14 142	0.18 73	0.12 99	0.13 59	0.14 153	0.06 54	0.13 159	0.15 183	0.22 153	0.15 154	0.22 159	0.13 141	0.21 168	0.16 182	0.06 68	0.12 152	0.17 113	0.16 132	0.17 111	0.17 102

FADNet	0.16 154	0.15 161	0.10 122	0.20 171	0.10 100	0.19 170	0.13 143	0.20 149	0.13 133	0.22 107	0.24 202	0.17 91	0.14 153	0.12 152	0.17 195	0.16 191	0.16 68	0.14 140	0.23 168	0.20 197	0.16 95	0.12 140	0.11 149	0.11 137	0.21 168	0.18 161	0.16 98	0.15 76

MLCV	0.14 118	0.11 114	0.09 104	0.16 148	0.12 131	0.14 125	0.11 128	0.21 158	0.10 99	0.24 137	0.13 111	0.21 145	0.14 153	0.08 94	0.09 59	0.10 53	0.19 115	0.11 65	0.19 134	0.09 67	0.17 115	0.08 42	0.10 140	0.09 109	0.16 101	0.13 71	0.16 98	0.19 130

HSM	0.14 118	0.12 127	0.09 104	0.14 133	0.13 141	0.12 109	0.10 118	0.18 112	0.10 99	0.23 121	0.15 138	0.18 105	0.14 153	0.08 94	0.10 92	0.10 53	0.21 141	0.12 91	0.17 107	0.12 123	0.18 128	0.10 104	0.07 89	0.08 88	0.17 113	0.15 110	0.17 111	0.18 117

DN-CSS_ROB	0.11 63	0.09 90	0.11 137	0.08 57	0.09 84	0.08 58	0.08 86	0.16 76	0.10 99	0.23 121	0.17 159	0.18 105	0.14 153	0.05 42	0.08 28	0.09 32	0.13 37	0.10 57	0.18 120	0.09 67	0.11 30	0.08 42	0.07 89	0.08 88	0.13 59	0.10 30	0.12 54	0.10 31

CFNet_pseudo	0.13 95	0.11 114	0.11 137	0.14 133	0.11 117	0.12 109	0.11 128	0.19 130	0.12 126	0.24 137	0.14 125	0.16 87	0.15 161	0.08 94	0.09 59	0.10 53	0.16 68	0.13 117	0.13 62	0.08 47	0.15 80	0.08 42	0.08 110	0.09 109	0.15 89	0.14 93	0.19 137	0.20 138

RP	0.15 139	0.14 154	0.15 175	0.17 156	0.14 151	0.17 152	0.16 159	0.19 130	0.17 163	0.14 39	0.16 149	0.16 87	0.15 161	0.11 135	0.13 159	0.12 130	0.15 56	0.12 91	0.15 85	0.12 123	0.12 44	0.12 140	0.10 140	0.12 152	0.17 113	0.15 110	0.20 149	0.18 117

iResNetv2_ROB	0.12 85	0.08 78	0.07 73	0.12 116	0.09 84	0.12 109	0.08 86	0.17 84	0.08 59	0.22 107	0.12 99	0.20 130	0.15 161	0.06 54	0.08 28	0.08 19	0.16 68	0.11 65	0.17 107	0.10 87	0.14 71	0.09 73	0.09 127	0.10 124	0.14 76	0.12 58	0.19 137	0.12 49

iResNet_ROB	0.11 63	0.08 78	0.07 73	0.11 105	0.08 65	0.12 109	0.07 77	0.15 67	0.08 59	0.23 121	0.10 79	0.15 74	0.15 161	0.06 54	0.07 12	0.09 32	0.17 81	0.12 91	0.13 62	0.09 67	0.14 71	0.09 73	0.07 89	0.08 88	0.14 76	0.12 58	0.15 89	0.15 76

LALA_ROB	0.22 184	0.25 203	0.16 181	0.19 167	0.17 169	0.22 187	0.16 159	0.17 84	0.19 176	0.24 137	0.21 189	0.64 211	0.15 161	0.13 164	0.23 211	0.17 198	0.27 205	0.22 207	0.22 159	0.18 189	0.20 155	0.20 206	0.14 170	0.15 174	0.20 156	0.22 189	0.35 203	0.25 168

GwcNet-ADL	0.17 157	0.12 127	0.11 137	0.19 167	0.14 151	0.17 152	0.14 149	0.21 158	0.14 142	0.24 137	0.17 159	0.32 180	0.16 166	0.19 188	0.11 128	0.14 167	0.22 153	0.15 154	0.23 168	0.13 141	0.18 128	0.11 123	0.05 52	0.10 124	0.18 133	0.15 110	0.19 137	0.21 152

HSM-Net_RVC	0.15 139	0.12 127	0.10 122	0.17 156	0.13 141	0.14 125	0.10 118	0.18 112	0.14 142	0.25 158	0.18 172	0.28 172	0.16 166	0.11 135	0.11 128	0.11 94	0.19 115	0.13 117	0.16 99	0.11 106	0.17 115	0.11 123	0.08 110	0.11 137	0.19 146	0.16 132	0.23 166	0.24 162
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NaN_ROB	0.19 167	0.20 186	0.19 199	0.20 171	0.20 185	0.16 143	0.15 154	0.27 189	0.19 176	0.23 121	0.18 172	0.47 200	0.16 166	0.11 135	0.13 159	0.12 130	0.15 56	0.14 140	0.21 151	0.19 193	0.13 57	0.10 104	0.09 127	0.20 192	0.24 187	0.21 181	0.26 183	0.28 178

ETE_ROB	0.22 184	0.23 198	0.15 175	0.20 171	0.16 162	0.19 170	0.17 167	0.18 112	0.19 176	0.22 107	0.22 194	0.65 213	0.16 166	0.14 168	0.14 173	0.14 167	0.30 215	0.19 193	0.24 174	0.19 193	0.21 168	0.18 194	0.16 175	0.15 174	0.22 177	0.28 219	0.41 217	0.26 171

psm_up	0.14 118	0.11 114	0.13 159	0.15 144	0.12 131	0.14 125	0.11 128	0.20 149	0.16 155	0.19 86	0.12 99	0.15 74	0.17 170	0.10 124	0.12 140	0.12 130	0.19 115	0.13 117	0.17 107	0.11 106	0.15 80	0.09 73	0.10 140	0.16 182	0.18 133	0.16 132	0.17 111	0.20 138

CBMV_ROB	0.21 179	0.14 154	0.15 175	0.26 190	0.22 191	0.21 184	0.22 190	0.28 192	0.17 163	0.26 172	0.17 159	0.28 172	0.17 170	0.26 203	0.11 128	0.12 130	0.26 198	0.17 176	0.18 120	0.16 177	0.21 168	0.19 202	0.26 210	0.20 192	0.24 187	0.25 207	0.25 179	0.33 190

pcwnet_v2	0.15 139	0.12 127	0.12 150	0.16 148	0.14 151	0.17 152	0.14 149	0.20 149	0.13 133	0.22 107	0.14 125	0.19 116	0.18 172	0.12 152	0.10 92	0.12 130	0.18 100	0.13 117	0.17 107	0.12 123	0.16 95	0.11 123	0.09 127	0.10 124	0.19 146	0.20 176	0.19 137	0.27 175

Anonymous	0.14 118	0.10 102	0.10 122	0.10 88	0.10 100	0.10 92	0.08 86	0.19 130	0.09 78	0.20 94	0.13 111	0.19 116	0.18 172	0.07 76	0.14 173	0.14 167	0.21 141	0.17 176	0.18 120	0.15 166	0.22 184	0.16 182	0.06 68	0.10 124	0.23 184	0.17 149	0.19 137	0.15 76

stereogan	0.16 154	0.15 161	0.15 175	0.16 148	0.18 175	0.18 160	0.16 159	0.20 149	0.19 176	0.14 39	0.16 149	0.20 130	0.18 172	0.13 164	0.14 173	0.13 146	0.16 68	0.14 140	0.17 107	0.14 152	0.14 71	0.12 140	0.13 165	0.13 162	0.16 101	0.16 132	0.23 166	0.18 117

AnyNet_C32	0.20 174	0.16 166	0.15 175	0.17 156	0.17 169	0.19 170	0.16 159	0.25 184	0.22 193	0.25 158	0.23 199	0.23 158	0.18 172	0.14 168	0.19 204	0.18 205	0.28 212	0.22 207	0.29 190	0.18 189	0.27 215	0.21 211	0.16 175	0.17 187	0.22 177	0.20 176	0.21 161	0.23 159

SGM-Forest	0.19 167	0.18 180	0.16 181	0.23 180	0.18 175	0.20 175	0.18 170	0.23 174	0.17 163	0.20 94	0.15 138	0.23 158	0.18 172	0.22 196	0.17 195	0.18 205	0.19 115	0.17 176	0.18 120	0.15 166	0.17 115	0.18 194	0.25 205	0.18 190	0.22 177	0.18 161	0.25 179	0.24 162
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
SQANet	0.45 221	0.54 228	0.14 168	1.41 236	0.51 229	1.23 236	0.83 233	0.30 201	0.24 196	0.34 223	0.24 202	0.64 211	0.19 177	1.12 234	0.17 195	0.14 167	0.24 175	0.20 198	0.40 209	0.22 205	0.16 95	0.14 163	1.58 240	0.17 187	0.20 156	0.16 132	0.26 183	0.39 200

RTS	0.20 174	0.16 166	0.14 168	0.17 156	0.14 151	0.20 175	0.15 154	0.23 174	0.26 206	0.15 46	0.14 125	0.14 69	0.20 178	0.11 135	0.13 159	0.15 183	0.24 175	0.17 176	0.34 201	0.24 209	0.22 184	0.15 174	0.09 127	0.15 174	0.28 203	0.27 217	0.28 188	0.55 223

RTSA	0.20 174	0.16 166	0.14 168	0.17 156	0.14 151	0.20 175	0.15 154	0.23 174	0.26 206	0.15 46	0.14 125	0.14 69	0.20 178	0.11 135	0.13 159	0.15 183	0.24 175	0.17 176	0.34 201	0.24 209	0.22 184	0.15 174	0.09 127	0.15 174	0.28 203	0.27 217	0.28 188	0.55 223

DAS	0.19 167	0.11 114	0.09 104	0.24 186	0.19 180	0.18 160	0.20 179	0.23 174	0.18 168	0.24 137	0.14 125	0.38 189	0.21 180	0.09 110	0.12 140	0.11 94	0.25 190	0.16 164	0.22 159	0.15 166	0.20 155	0.14 163	0.18 183	0.13 162	0.19 146	0.17 149	0.23 166	0.29 179

SepStereo	0.19 167	0.11 114	0.09 104	0.24 186	0.19 180	0.18 160	0.20 179	0.23 174	0.18 168	0.24 137	0.14 125	0.38 189	0.21 180	0.09 110	0.12 140	0.11 94	0.25 190	0.16 164	0.22 159	0.15 166	0.20 155	0.14 163	0.18 183	0.13 162	0.19 146	0.17 149	0.23 166	0.29 179

FADNet_RVC	0.18 162	0.14 154	0.13 159	0.20 171	0.15 159	0.14 125	0.13 143	0.24 180	0.14 142	0.24 137	0.17 159	0.27 170	0.21 180	0.14 168	0.14 173	0.12 130	0.19 115	0.17 176	0.31 194	0.15 166	0.19 138	0.14 163	0.11 149	0.14 171	0.20 156	0.21 181	0.18 128	0.22 155

NCC-stereo	0.17 157	0.16 166	0.16 181	0.16 148	0.17 169	0.18 160	0.18 170	0.19 130	0.20 186	0.16 52	0.19 180	0.21 145	0.21 180	0.12 152	0.20 207	0.18 205	0.18 100	0.19 193	0.18 120	0.15 166	0.15 80	0.15 174	0.15 172	0.12 152	0.18 133	0.17 149	0.24 174	0.20 138

Abc-Net	0.17 157	0.16 166	0.16 181	0.16 148	0.17 169	0.18 160	0.18 170	0.19 130	0.20 186	0.16 52	0.19 180	0.21 145	0.21 180	0.12 152	0.20 207	0.18 205	0.18 100	0.19 193	0.18 120	0.15 166	0.15 80	0.15 174	0.15 172	0.12 152	0.18 133	0.17 149	0.24 174	0.20 138
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCMid	0.21 179	0.18 180	0.17 189	0.18 161	0.19 180	0.20 175	0.16 159	0.29 198	0.25 201	0.24 137	0.19 180	0.36 186	0.21 180	0.12 152	0.16 189	0.16 191	0.25 190	0.18 188	0.37 206	0.19 193	0.24 203	0.18 194	0.17 181	0.15 174	0.24 187	0.20 176	0.25 179	0.29 179

PA-Net	0.19 167	0.21 191	0.25 213	0.14 133	0.20 185	0.18 160	0.20 179	0.21 158	0.19 176	0.18 73	0.14 125	0.17 91	0.21 180	0.26 203	0.16 189	0.18 205	0.15 56	0.19 193	0.13 62	0.17 182	0.14 71	0.15 174	0.10 140	0.16 182	0.17 113	0.25 207	0.17 111	0.35 192
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MaskLacGwcNet_RVC	0.36 213	0.16 166	0.12 150	0.26 190	0.22 191	0.22 187	0.27 204	0.24 180	0.15 150	0.24 137	0.16 149	4.24 263	0.22 187	0.19 188	0.13 159	0.13 146	0.34 222	0.22 207	0.31 194	0.20 197	0.23 196	0.18 194	0.22 195	0.14 171	0.20 156	0.19 172	0.21 161	0.24 162

RGC	0.19 167	0.17 174	0.17 189	0.19 167	0.20 185	0.20 175	0.15 154	0.22 166	0.26 206	0.17 61	0.20 184	0.21 145	0.24 188	0.15 176	0.23 211	0.18 205	0.18 100	0.16 164	0.18 120	0.16 177	0.17 115	0.13 157	0.12 159	0.15 174	0.20 156	0.21 181	0.23 166	0.24 162

ccs_rob	0.20 174	0.15 161	0.11 137	0.26 190	0.16 162	0.26 196	0.20 179	0.22 166	0.16 155	0.25 158	0.24 202	0.57 209	0.24 188	0.17 180	0.12 140	0.13 146	0.23 161	0.15 154	0.21 151	0.15 166	0.21 168	0.11 123	0.12 159	0.11 137	0.20 156	0.16 132	0.18 128	0.24 162

PSMNet-ADL	0.18 162	0.13 140	0.13 159	0.16 148	0.14 151	0.17 152	0.16 159	0.20 149	0.21 192	0.27 185	0.19 180	0.29 177	0.25 190	0.18 184	0.14 173	0.14 167	0.23 161	0.14 140	0.22 159	0.14 152	0.19 138	0.11 123	0.10 140	0.11 137	0.20 156	0.15 110	0.23 166	0.19 130

G-Net	0.29 204	0.24 201	0.19 199	0.23 180	0.21 188	0.36 210	0.23 194	0.30 201	0.27 211	0.33 219	0.32 225	0.93 236	0.25 190	0.18 184	0.18 202	0.18 205	0.26 198	0.21 201	0.43 212	0.31 223	0.26 214	0.17 186	0.18 183	0.18 190	0.27 197	0.23 196	0.40 216	0.42 206

SGM-ForestM	0.24 190	0.22 194	0.16 181	0.37 203	0.24 198	0.32 203	0.24 197	0.28 192	0.20 186	0.23 121	0.17 159	0.51 205	0.25 190	0.20 193	0.12 140	0.13 146	0.23 161	0.16 164	0.24 174	0.14 152	0.19 138	0.16 182	0.21 194	0.16 182	0.35 219	0.24 201	0.51 222	0.35 192

MDST_ROB	0.22 184	0.27 210	0.14 168	0.47 216	0.24 198	0.36 210	0.20 179	0.24 180	0.16 155	0.26 172	0.14 125	0.28 172	0.25 190	0.11 135	0.11 128	0.12 130	0.21 141	0.12 91	0.17 107	0.12 123	0.19 138	0.10 104	0.11 149	0.12 152	0.34 218	0.23 196	0.56 227	0.31 185

pmcnn	0.19 167	0.14 154	0.11 137	0.18 161	0.13 141	0.19 170	0.16 159	0.20 149	0.18 168	0.26 172	0.14 125	0.35 184	0.25 190	0.09 110	0.09 59	0.11 94	0.25 190	0.14 140	0.24 174	0.14 152	0.22 184	0.14 163	0.11 149	0.11 137	0.21 168	0.18 161	0.39 212	0.45 213

otaku	0.58 227	0.71 232	0.29 220	1.70 247	0.84 237	1.49 241	1.00 234	0.40 223	0.34 226	0.38 230	0.31 224	0.65 213	0.26 195	1.35 235	0.33 226	0.25 218	0.20 128	0.23 210	0.69 225	0.30 221	0.22 184	0.17 186	2.24 243	0.28 217	0.29 205	0.18 161	0.30 192	0.39 200

Ntro	0.63 230	0.72 233	0.30 221	1.78 249	0.84 237	1.55 242	1.09 236	0.48 231	0.37 229	0.38 230	0.38 228	0.72 220	0.26 195	1.51 238	0.35 227	0.27 224	0.22 153	0.24 213	0.69 225	0.31 223	0.22 184	0.17 186	2.49 246	0.30 220	0.31 210	0.22 189	0.37 208	0.42 206

CSAN	0.26 194	0.31 216	0.30 221	0.26 190	0.23 195	0.21 184	0.18 170	0.28 192	0.36 228	0.35 226	0.24 202	0.51 205	0.26 195	0.14 168	0.18 202	0.17 198	0.19 115	0.20 198	0.26 183	0.25 211	0.22 184	0.20 206	0.18 183	0.27 213	0.30 208	0.23 196	0.38 211	0.38 196

XQC	0.28 201	0.30 215	0.26 216	0.37 203	0.28 206	0.37 212	0.37 210	0.40 223	0.30 218	0.32 215	0.20 184	0.45 195	0.28 198	0.31 215	0.14 173	0.14 167	0.20 128	0.21 201	0.33 199	0.23 206	0.22 184	0.20 206	0.23 199	0.24 207	0.32 213	0.25 207	0.44 219	0.32 188

ADCPNet	0.22 184	0.17 174	0.16 181	0.20 171	0.19 180	0.20 175	0.18 170	0.27 189	0.23 195	0.26 172	0.22 194	0.26 169	0.28 198	0.15 176	0.16 189	0.17 198	0.24 175	0.17 176	0.32 196	0.23 206	0.24 203	0.19 202	0.17 181	0.21 195	0.25 191	0.22 189	0.27 186	0.33 190

MANE	0.41 218	0.36 217	0.33 225	0.61 224	0.44 223	0.44 220	0.46 221	0.42 227	0.25 201	0.23 121	0.22 194	0.65 213	0.28 198	0.30 213	0.28 219	0.29 228	0.32 217	0.42 238	0.37 206	0.23 206	0.30 222	0.26 222	0.26 210	0.34 227	0.54 234	0.40 234	1.07 254	0.87 244

ACVNet-4b	0.69 233	0.75 235	0.33 225	1.72 248	0.94 243	1.61 247	1.42 241	0.33 209	0.32 223	0.38 230	0.26 210	1.20 243	0.29 201	2.16 249	0.39 230	0.37 230	0.33 220	0.24 213	0.57 220	0.38 231	0.16 95	0.14 163	2.71 248	0.23 199	0.29 205	0.32 224	0.39 212	0.40 203

ELAS_RVC	0.43 220	0.43 223	0.36 227	0.64 225	0.44 223	0.62 228	0.50 223	0.39 221	0.25 201	0.25 158	0.30 221	1.23 244	0.30 202	0.31 215	0.28 219	0.27 224	0.37 227	0.30 224	0.42 210	0.26 212	0.34 225	0.32 233	0.26 210	0.37 228	0.50 231	0.38 233	0.78 243	0.70 234
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.25 191	0.24 201	0.17 189	0.39 210	0.27 205	0.34 208	0.26 202	0.28 192	0.19 176	0.25 158	0.18 172	0.42 192	0.30 202	0.17 180	0.12 140	0.13 146	0.23 161	0.15 154	0.25 178	0.13 141	0.19 138	0.15 174	0.19 188	0.17 187	0.33 215	0.22 189	0.55 226	0.43 209
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ELAS	0.42 219	0.43 223	0.36 227	0.64 225	0.44 223	0.58 225	0.50 223	0.40 223	0.26 206	0.25 158	0.28 216	0.94 237	0.30 202	0.31 215	0.28 219	0.27 224	0.36 225	0.30 224	0.43 212	0.26 212	0.33 223	0.32 233	0.26 210	0.37 228	0.54 234	0.40 234	0.77 242	0.74 239
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DGSMNet	0.34 211	0.28 212	0.23 212	0.40 211	0.33 214	0.37 212	0.37 210	0.28 192	0.25 201	0.25 158	0.50 236	0.45 195	0.31 205	0.25 200	0.23 211	0.19 214	0.51 238	0.32 227	0.72 229	0.35 229	0.37 229	0.38 241	0.28 224	0.31 221	0.27 197	0.23 196	0.32 196	0.38 196

SHD	0.21 179	0.17 174	0.20 202	0.18 161	0.16 162	0.18 160	0.20 179	0.26 186	0.16 155	0.27 185	0.18 172	0.23 158	0.31 205	0.17 180	0.14 173	0.14 167	0.19 115	0.17 176	0.32 196	0.17 182	0.20 155	0.17 186	0.16 175	0.16 182	0.23 184	0.28 219	0.25 179	0.43 209

FBW_ROB	0.26 194	0.26 206	0.25 213	0.37 203	0.25 201	0.32 203	0.20 179	0.21 158	0.18 168	0.27 185	0.20 184	0.45 195	0.31 205	0.26 203	0.20 207	0.20 215	0.27 205	0.17 176	0.51 219	0.14 152	0.21 168	0.14 163	0.16 175	0.28 217	0.21 168	0.19 172	0.33 199	0.55 223

MFN_U_SF_RVC	0.31 208	0.29 214	0.21 208	0.33 199	0.28 206	0.31 201	0.29 206	0.37 217	0.24 196	0.46 236	0.30 221	0.50 203	0.32 208	0.25 200	0.27 217	0.24 217	0.18 100	0.23 210	0.58 221	0.28 216	0.24 203	0.27 224	0.22 195	0.27 213	0.31 210	0.25 207	0.37 208	0.50 218

MFN_U_SF_DS_RVC	0.25 191	0.25 203	0.20 202	0.29 198	0.22 191	0.22 187	0.23 194	0.36 214	0.27 211	0.36 227	0.22 194	0.45 195	0.32 208	0.19 188	0.17 195	0.17 198	0.17 81	0.16 164	0.29 190	0.14 152	0.20 155	0.18 194	0.27 222	0.23 199	0.29 205	0.25 207	0.33 199	0.31 185

iResNet	0.16 154	0.11 114	0.09 104	0.15 144	0.13 141	0.17 152	0.12 138	0.21 158	0.14 142	0.25 158	0.13 111	0.35 184	0.32 208	0.08 94	0.10 92	0.11 94	0.20 128	0.12 91	0.25 178	0.14 152	0.18 128	0.11 123	0.12 159	0.13 162	0.18 133	0.14 93	0.20 149	0.18 117

SFCPSM	0.20 174	0.15 161	0.12 150	0.22 177	0.16 162	0.20 175	0.18 170	0.22 166	0.20 186	0.26 172	0.24 202	0.34 183	0.33 211	0.14 168	0.12 140	0.12 130	0.24 175	0.16 164	0.32 196	0.19 193	0.19 138	0.13 157	0.14 170	0.12 152	0.21 168	0.17 149	0.20 149	0.25 168

edge stereo	0.31 208	0.23 198	0.20 202	0.41 212	0.35 215	0.42 219	0.39 216	0.38 219	0.22 193	0.23 121	0.38 228	0.69 217	0.33 211	0.30 213	0.15 184	0.16 191	0.31 216	0.21 201	0.42 210	0.21 199	0.23 196	0.17 186	0.25 205	0.22 197	0.27 197	0.23 196	0.39 212	0.55 223

AnyNet_C01	0.31 208	0.22 194	0.20 202	0.22 177	0.26 203	0.25 194	0.24 197	0.37 217	0.37 229	0.26 172	0.28 216	0.49 201	0.33 211	0.18 184	0.28 219	0.21 216	0.38 228	0.32 227	0.64 223	0.32 226	0.39 230	0.31 232	0.26 210	0.25 211	0.33 215	0.32 224	0.34 201	0.44 212

ADCS	0.28 201	0.22 194	0.21 208	0.26 190	0.24 198	0.25 194	0.23 194	0.36 214	0.30 218	0.23 121	0.27 213	0.46 199	0.35 214	0.20 193	0.19 204	0.18 205	0.32 217	0.24 213	0.48 216	0.28 216	0.36 228	0.28 225	0.19 188	0.23 199	0.31 210	0.25 207	0.30 192	0.41 205

FAT-Stereo	0.26 194	0.19 183	0.17 189	0.38 207	0.36 217	0.30 199	0.25 201	0.26 186	0.18 168	0.27 185	0.25 208	0.33 181	0.36 215	0.26 203	0.16 189	0.15 183	0.26 198	0.23 210	0.33 199	0.21 199	0.22 184	0.19 202	0.22 195	0.22 197	0.21 168	0.22 189	0.32 196	0.42 206

MSC_U_SF_DS_RVC	0.35 212	0.36 217	0.39 229	0.46 215	0.28 206	0.30 199	0.28 205	0.50 232	0.46 235	0.39 233	0.30 221	0.37 188	0.36 215	0.31 215	0.35 227	0.26 220	0.21 141	0.27 219	0.71 227	0.37 230	0.27 215	0.29 226	0.30 227	0.38 230	0.32 213	0.24 201	0.29 190	0.39 200

S-Stereo	0.30 205	0.22 194	0.17 189	0.41 212	0.39 219	0.41 217	0.37 210	0.25 184	0.25 201	0.26 172	0.44 231	0.54 208	0.36 215	0.24 198	0.16 189	0.14 167	0.27 205	0.27 219	0.34 201	0.28 216	0.23 196	0.22 214	0.53 232	0.23 199	0.22 177	0.19 172	0.27 186	0.38 196

JetBlue	0.70 234	0.56 229	0.69 251	0.73 229	0.61 233	0.78 233	0.68 230	0.52 235	0.91 248	0.46 236	0.29 220	3.18 260	0.38 218	0.52 225	0.44 232	0.43 235	0.70 253	0.53 247	0.66 224	0.51 234	0.54 249	0.58 253	0.75 234	0.56 242	0.55 236	0.42 236	0.96 251	0.99 249

GANetREF_RVC	0.26 194	0.26 206	0.30 221	0.23 180	0.23 195	0.23 192	0.24 197	0.35 211	0.33 224	0.32 215	0.17 159	0.50 203	0.38 218	0.12 152	0.20 207	0.17 198	0.19 115	0.21 201	0.35 204	0.21 199	0.23 196	0.15 174	0.22 195	0.29 219	0.27 197	0.21 181	0.36 207	0.31 185
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
SANet	0.30 205	0.21 191	0.21 208	0.25 188	0.21 188	0.31 201	0.22 190	0.30 201	0.31 221	0.27 185	0.26 210	1.39 247	0.38 218	0.22 196	0.14 173	0.14 167	0.26 198	0.21 201	0.30 193	0.21 199	0.24 203	0.20 206	0.31 228	0.23 199	0.33 215	0.24 201	0.35 203	0.48 215

STTRV1_RVC		0.26 206	0.22 211	0.35 200	0.28 206	0.32 203	0.29 206	0.36 214	0.33 224	0.27 185	0.26 210	0.42 192	0.41 221	0.47 223	0.32 223	0.18 205	0.59 244	0.20 198		0.30 221	0.59 252	0.22 214		0.43 232	0.25 191	0.54 245	0.34 201	0.64 231

JetRed	1.62 257	1.82 261	1.71 262	1.58 239	1.50 257	1.97 255	2.21 257	1.51 262	1.47 258	0.82 254	0.74 247	2.63 259	0.43 222	1.73 241	1.48 261	1.54 260	1.67 261	2.94 264	1.42 255	1.08 260	2.30 262	2.07 262	1.99 242	0.97 259	1.16 261	1.70 262	1.57 261	1.60 261

DPSNet	0.39 216	0.19 183	0.17 189	0.27 196	0.25 201	0.29 198	0.19 177	0.26 186	0.24 196	0.18 73	0.17 159	2.16 257	0.43 222	0.10 124	0.17 195	0.15 183	0.35 224	0.28 222	2.04 258	0.27 215	0.25 211	0.16 182	0.28 224	0.25 211	0.38 224	0.24 201	0.39 212	0.51 219

PWCDC_ROB	0.13 95	0.06 29	0.09 104	0.07 51	0.13 141	0.08 58	0.13 143	0.06 10	0.24 196	0.09 23	0.15 138	0.09 24	0.43 222	0.26 203	0.10 92	0.10 53	0.09 17	0.12 91	0.08 16	0.11 106	0.08 15	0.11 123	0.19 188	0.13 162	0.07 10	0.13 71	0.08 22	0.18 117

SAMSARA	0.48 222	0.23 198	0.39 229	0.23 180	0.23 195	0.22 187	0.22 190	0.44 230	0.38 231	0.31 214	0.21 189	0.30 179	0.47 225	0.17 180	0.32 223	0.34 229	0.25 190	0.32 227	0.46 215	0.32 226	0.47 244	0.52 252	0.15 172	0.33 225	1.39 263	1.54 261	1.41 260	1.46 259

MeshStereo	0.30 205	0.26 206	0.20 202	0.49 218	0.36 217	0.35 209	0.26 202	0.32 205	0.28 214	0.30 212	0.27 213	0.61 210	0.47 225	0.18 184	0.12 140	0.14 167	0.26 198	0.17 176	0.27 187	0.17 182	0.27 215	0.21 211	0.25 205	0.20 192	0.36 221	0.28 219	0.54 225	0.49 217
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
DispFullNet	0.48 222	0.50 226	0.19 199	1.14 233	0.40 220	0.77 232	1.22 238	0.32 205	0.24 196	0.24 137	0.27 213	0.84 231	0.48 227	1.62 239	0.15 184	0.15 183	0.49 236	0.34 232	1.08 244	0.26 212	0.24 203	0.18 194	0.20 191	0.21 195	0.27 197	0.17 149	0.35 203	0.59 228

PVD	0.38 215	0.38 220	0.20 202	0.47 216	0.35 215	0.50 222	0.40 217	0.38 219	0.34 226	0.23 121	0.28 216	0.52 207	0.51 228	0.50 224	0.16 189	0.17 198	0.41 230	0.26 217	0.49 218	0.28 216	0.39 230	0.40 243	0.23 199	0.27 213	0.44 227	0.57 248	0.46 221	0.72 236

MFMNet_re	0.66 231	0.73 234	0.65 248	0.77 231	0.62 234	0.82 234	0.70 232	0.52 235	0.54 238	0.54 242	0.65 242	0.80 227	0.51 228	0.59 230	0.66 247	0.67 250	0.82 256	0.69 257	0.74 230	0.62 244	0.70 256	0.64 256	0.45 229	0.56 242	0.59 238	0.63 249	0.74 237	0.87 244

STStereo	0.37 214	0.44 225	0.31 224	0.75 230	0.49 228	0.57 223	0.43 218	0.35 211	0.30 218	0.34 223	0.24 202	0.85 233	0.53 230	0.19 188	0.14 173	0.16 191	0.25 190	0.16 164	0.45 214	0.16 177	0.23 196	0.19 202	0.20 191	0.23 199	0.49 229	0.37 232	0.75 239	0.54 222

LSM0	3.45 260	0.27 210	0.18 198	0.38 207	0.29 211	0.39 215	0.36 209	0.51 234	0.31 221	0.45 235	0.47 232	0.71 218	0.57 231	0.19 188	23.17 268	59.79 273	0.36 225	0.26 217	1.29 252	0.33 228	0.44 240	0.32 233	0.23 199	0.27 213	0.36 221	0.29 222	0.53 224	0.51 219

RainbowNet	0.77 236	0.87 239	0.46 232	1.83 250	0.91 242	1.59 245	1.47 242	0.42 227	0.38 231	0.47 239	0.34 226	0.90 235	0.60 232	1.97 244	0.62 243	0.48 238	0.34 222	0.33 230	0.90 236	0.58 239	0.33 223	0.23 217	2.82 252	0.39 231	0.40 225	0.34 227	0.44 219	0.48 215

ACVNet_1	0.74 235	0.79 238	0.40 231	2.04 255	0.96 244	1.88 253	1.51 243	0.59 238	0.28 214	0.43 234	0.49 234	0.71 218	0.61 233	2.21 251	0.32 223	0.25 218	0.32 217	0.31 226	0.60 222	0.31 223	0.29 221	0.21 211	2.72 249	0.33 225	0.40 225	0.26 214	0.37 208	0.38 196

PWC_ROB	0.22 184	0.20 186	0.14 168	0.18 161	0.17 169	0.16 143	0.20 179	0.21 158	0.26 206	0.15 46	0.20 184	0.28 172	0.62 234	0.13 164	0.12 140	0.13 146	0.27 205	0.18 188	0.36 205	0.18 189	0.22 184	0.17 186	0.16 175	0.24 207	0.19 146	0.18 161	0.24 174	0.43 209

SPS-STEREO	0.59 229	0.57 230	0.52 236	0.55 220	0.54 231	0.65 229	0.52 226	0.39 221	0.66 240	0.37 228	0.78 250	0.78 225	0.64 235	0.53 226	0.55 240	0.57 246	0.68 249	0.64 256	0.74 230	0.72 251	0.77 258	0.66 257	0.26 210	0.53 239	0.53 233	0.56 247	0.70 236	0.65 232
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	0.58 227	0.57 230	0.54 238	0.59 223	0.55 232	0.68 230	0.56 228	0.42 227	0.38 231	0.37 228	0.77 249	0.75 224	0.65 236	0.54 228	0.55 240	0.56 244	0.68 249	0.61 254	0.71 227	0.64 246	0.69 255	0.62 255	0.27 222	0.50 236	0.52 232	0.53 244	0.74 237	0.68 233

DPSimNet_ROB	1.21 251	1.20 252	1.29 261	1.47 237	1.59 258	1.30 239	1.35 239	0.68 242	1.69 260	1.67 261	1.03 255	1.45 248	0.66 237	2.04 245	1.20 259	0.89 257	1.16 260	0.79 258	1.61 256	1.38 261	1.04 261	1.24 261	0.79 237	0.84 256	0.87 251	1.20 260	1.17 256	1.12 253

ACVNet_2	0.83 239	0.92 240	0.56 240	1.99 254	0.99 249	1.84 252	1.55 246	0.68 242	0.40 234	0.53 240	0.47 232	1.02 240	0.67 238	1.93 242	0.51 236	0.45 236	0.38 228	0.33 230	1.01 241	0.42 232	0.34 225	0.24 219	2.58 247	0.53 239	0.60 239	0.26 214	0.52 223	0.55 223

MADNet+	0.55 226	0.36 217	0.63 247	0.56 221	0.52 230	0.45 221	0.38 214	0.63 239	0.52 237	0.53 240	0.41 230	0.81 228	0.67 238	0.33 220	0.57 242	0.49 240	0.56 241	0.50 243	0.82 233	0.52 235	0.47 244	0.43 244	0.51 231	0.47 233	0.82 247	0.70 251	0.58 229	0.72 236

PSMNet_ROB	0.78 237	0.97 244	0.60 245	1.62 245	0.90 241	1.47 240	1.19 237	0.56 237	0.73 242	0.74 247	0.62 241	0.84 231	0.82 240	1.49 237	0.53 237	0.42 232	0.52 239	0.40 237	0.84 234	0.62 244	0.40 236	0.30 227	1.85 241	0.48 234	0.67 242	0.32 224	0.76 240	0.46 214

WAO-7	0.66 231	0.75 235	0.65 248	0.72 228	0.78 235	0.57 223	0.66 229	0.97 254	0.96 253	0.63 244	0.78 250	0.79 226	0.83 241	0.55 229	0.83 252	0.71 254	0.42 231	0.35 233	0.94 239	0.66 249	0.43 238	0.34 236	0.16 175	0.83 255	0.56 237	0.64 250	0.57 228	0.70 234

BEATNet-Init1	0.49 224	0.42 222	0.28 218	0.79 232	0.40 220	0.60 226	0.45 220	0.41 226	0.27 211	0.30 212	0.22 194	0.89 234	0.84 242	0.25 200	0.27 217	0.26 220	0.27 205	0.25 216	0.84 234	0.28 216	0.27 215	0.26 222	0.26 210	0.32 223	0.49 229	0.35 230	2.05 263	0.88 246

PWCK	0.88 240	1.24 253	0.61 246	1.53 238	0.85 239	1.21 235	1.03 235	1.08 255	0.72 241	0.70 246	0.83 252	1.48 249	0.87 243	0.69 231	0.40 231	0.41 231	0.73 254	0.47 240	3.04 261	0.67 250	0.56 251	0.43 244	0.94 238	0.74 251	0.72 244	0.36 231	0.69 235	0.73 238

IMH-64-1	0.90 242	0.95 241	0.51 234	1.59 240	0.98 247	1.58 243	1.73 250	0.75 244	0.74 243	0.33 219	0.61 238	0.83 229	0.94 244	2.59 253	0.50 234	0.42 232	0.48 233	0.36 234	0.92 237	0.55 237	0.39 230	0.30 227	3.14 253	0.50 236	0.81 245	0.34 227	0.60 231	0.80 241

IMH-64	0.90 242	0.95 241	0.51 234	1.59 240	0.98 247	1.58 243	1.73 250	0.75 244	0.74 243	0.33 219	0.61 238	0.83 229	0.94 244	2.59 253	0.50 234	0.42 232	0.48 233	0.36 234	0.92 237	0.55 237	0.39 230	0.30 227	3.14 253	0.50 236	0.81 245	0.34 227	0.60 231	0.80 241

KSHMR	1.33 254	1.42 257	1.04 260	2.27 257	1.44 255	2.23 258	2.12 255	1.21 257	1.06 257	1.13 260	1.06 256	1.27 246	0.94 244	2.89 261	1.08 258	0.95 258	0.85 257	0.83 259	1.32 253	0.97 258	0.72 257	0.58 253	3.52 257	1.07 261	0.99 255	0.77 256	1.00 252	1.07 251

ktn	1.24 252	1.39 255	0.55 239	1.62 245	1.59 258	1.68 249	2.12 255	0.86 249	1.75 261	0.90 257	1.11 258	1.11 241	0.95 247	2.57 252	0.97 257	0.73 255	0.80 255	0.59 253	1.41 254	0.76 253	0.68 254	0.67 258	3.69 259	0.73 249	0.92 253	0.75 255	1.19 257	1.28 256

WAO-8	1.00 246	1.11 250	0.76 254	1.61 242	1.24 251	1.74 250	1.55 246	0.93 251	0.98 254	0.81 251	0.67 243	1.66 250	1.00 248	2.08 246	0.77 249	0.68 251	0.63 246	0.52 245	1.05 242	0.81 254	0.47 244	0.37 238	0.78 235	0.75 252	1.10 258	0.73 252	0.95 249	1.16 254

WAO-6	0.82 238	0.95 241	0.59 243	1.30 235	1.05 250	1.25 237	1.39 240	0.77 247	0.84 246	0.79 249	0.69 245	0.74 223	1.00 248	1.94 243	0.78 251	0.61 248	0.53 240	0.48 241	0.78 232	0.60 240	0.55 250	0.51 250	0.49 230	0.57 245	0.83 249	0.42 236	0.76 240	0.85 243

Venus	1.00 246	1.11 250	0.76 254	1.61 242	1.24 251	1.74 250	1.55 246	0.93 251	0.98 254	0.81 251	0.67 243	1.66 250	1.00 248	2.08 246	0.77 249	0.68 251	0.63 246	0.52 245	1.05 242	0.81 254	0.47 244	0.37 238	0.78 235	0.75 252	1.10 258	0.73 252	0.95 249	1.16 254

LVE	0.95 245	0.97 244	0.71 253	1.84 251	1.35 254	1.59 245	1.52 244	0.78 248	0.64 239	0.81 251	0.91 253	0.72 220	1.00 248	2.18 250	0.53 237	0.48 238	0.57 242	0.53 247	1.09 245	0.64 246	0.45 241	0.38 241	2.74 251	0.69 247	0.83 249	0.44 238	0.84 246	0.52 221

IMH	0.93 244	0.98 246	0.53 237	1.61 242	0.97 246	1.64 248	1.76 252	0.75 244	0.77 245	0.34 223	0.61 238	0.96 238	1.05 252	2.67 255	0.54 239	0.46 237	0.49 236	0.38 236	0.94 239	0.60 240	0.39 230	0.30 227	3.14 253	0.53 239	0.82 247	0.45 239	0.65 233	0.79 240

notaker	1.27 253	1.41 256	0.58 242	2.37 259	1.48 256	2.34 259	2.27 258	0.94 253	1.62 259	0.79 249	1.07 257	1.66 250	1.08 253	3.06 264	0.94 256	0.69 253	0.68 249	0.49 242	1.62 257	0.84 257	0.53 248	0.45 247	3.70 260	0.80 254	0.61 240	0.52 242	0.80 244	0.92 248

TorneroNet	1.08 250	1.09 249	0.66 250	1.94 252	0.96 244	2.16 257	2.02 254	0.65 241	0.91 248	0.67 245	0.56 237	1.67 253	1.15 254	2.94 262	0.65 246	0.52 242	0.48 233	0.51 244	1.12 246	0.65 248	0.39 230	0.43 244	3.52 257	0.57 245	0.68 243	0.48 240	0.84 246	1.01 250

Dean	1.06 248	1.03 248	0.79 256	2.27 257	1.31 253	1.96 254	1.56 249	0.92 250	0.94 252	0.88 255	0.76 248	1.19 242	1.17 255	2.09 248	0.64 245	0.60 247	0.60 245	0.56 249	1.23 251	0.73 252	0.45 241	0.36 237	2.73 250	0.71 248	0.95 254	0.55 246	1.05 253	0.62 229

UNDER WATER	1.40 255	1.42 257	0.86 258	2.83 260	1.92 262	2.74 261	2.57 260	1.28 259	1.01 256	0.88 255	0.97 254	1.88 255	1.26 256	3.09 265	0.83 252	0.62 249	0.66 248	0.56 249	1.20 250	0.60 240	0.42 237	0.47 248	4.04 263	0.98 260	1.08 257	0.99 257	0.87 248	1.67 263

UNDER WATER-64	1.40 255	1.36 254	0.88 259	2.85 261	1.93 263	2.78 262	2.66 261	1.36 260	0.92 250	1.04 259	1.17 259	1.88 255	1.30 257	3.03 263	0.75 248	0.56 244	0.68 249	0.57 251	1.13 247	0.54 236	0.43 238	0.51 250	4.08 264	0.91 257	1.02 256	1.10 259	0.80 244	1.60 261

LE_ROB	0.40 217	0.20 186	0.16 181	0.41 212	0.43 222	0.33 207	0.44 219	0.34 210	0.29 216	0.32 215	0.21 189	1.25 245	1.40 258	0.11 135	0.10 92	0.11 94	0.21 141	0.13 117	0.20 140	0.13 141	0.22 184	0.12 140	0.12 159	0.14 171	0.36 221	0.31 223	1.39 259	1.32 257

SPstereo	0.89 241	0.77 237	0.70 252	0.66 227	0.80 236	0.69 231	0.69 231	1.11 256	0.93 251	0.74 247	1.18 260	0.98 239	1.42 259	0.93 233	0.88 254	1.07 259	0.95 258	0.61 254	1.18 249	0.81 254	0.85 259	0.74 259	0.64 233	0.91 257	0.87 251	0.74 254	1.15 255	0.89 247

TorneroNet-64	1.07 249	1.00 247	0.57 241	1.94 252	0.88 240	1.98 256	2.01 253	0.63 239	0.88 247	0.58 243	0.49 234	1.83 254	1.71 260	2.88 260	0.62 243	0.51 241	0.46 232	0.46 239	1.17 248	0.61 243	0.34 225	0.37 238	3.40 256	0.56 242	0.64 241	0.48 240	0.68 234	1.11 252

MADNet++	1.86 259	1.58 259	1.74 263	1.27 234	1.74 261	1.26 238	1.53 245	1.62 263	2.07 263	1.84 262	2.22 262	2.60 258	2.72 261	0.75 232	1.39 260	1.54 260	2.01 262	1.47 262	2.12 259	2.13 262	3.35 263	3.26 263	1.23 239	2.21 263	1.21 262	2.25 263	1.76 262	1.32 257

LRCNet_RVC	9.85 264	16.31 270	0.59 243	24.99 271	21.12 272	23.54 272	20.75 270	1.45 261	0.48 236	21.31 272	13.10 268	22.63 272	3.34 262	28.36 273	0.38 229	0.27 224	7.74 266	1.15 261	23.52 271	3.99 263	0.46 243	0.30 227	27.02 271	1.72 262	0.35 219	0.21 181	0.42 218	0.37 195

HanzoNet	1.74 258	1.62 260	0.80 257	2.26 256	1.70 260	2.72 260	2.54 259	1.25 258	1.85 262	0.92 258	1.28 261	4.37 264	3.81 263	3.36 266	0.88 254	0.78 256	1.06 259	0.94 260	2.54 260	1.03 259	0.89 260	0.88 260	3.79 261	0.73 249	1.12 260	1.00 258	1.29 258	1.57 260

DGTPSM_ROB	8.63 262	3.68 262	8.73 265	2.98 262	5.70 265	3.37 263	4.41 264	3.70 264	9.03 264	3.00 263	6.85 264	3.53 261	10.07 264	2.70 256	10.47 263	10.76 263	3.81 263	12.91 266	4.74 262	10.22 265	5.98 265	13.86 267	4.49 266	8.50 266	10.06 268	27.81 268	11.04 267	30.59 268

DPSMNet_ROB	8.63 262	3.69 263	8.74 266	2.98 262	5.70 265	3.37 263	4.41 264	3.70 264	9.03 264	3.00 263	6.88 265	3.53 261	10.11 265	2.70 256	10.47 263	10.76 263	3.81 263	12.92 267	4.77 263	10.22 265	5.99 266	13.86 267	4.50 267	8.50 266	10.06 268	27.81 268	11.04 267	30.59 268

HaxPig	16.02 268	19.59 271	18.75 269	21.25 270	20.52 271	21.33 271	22.30 271	17.00 272	14.71 268	19.29 271	17.19 272	17.46 268	12.16 266	22.51 271	17.80 267	14.90 267	17.75 269	9.40 265	18.97 266	15.48 269	9.47 267	7.16 265	23.74 270	15.28 270	4.31 264	12.19 267	6.81 264	15.11 267

DPSM_ROB	13.01 266	6.29 264	9.52 267	4.44 264	6.37 267	4.34 265	3.59 262	8.20 267	10.79 266	6.64 266	7.87 266	9.69 265	12.99 267	2.80 258	12.81 265	13.68 265	9.16 267	16.58 269	9.87 264	12.33 267	16.73 269	17.95 270	2.26 244	10.56 268	28.34 270	36.91 270	31.06 270	39.57 270

DPSM	13.01 266	6.29 264	9.52 267	4.44 264	6.37 267	4.34 265	3.59 262	8.20 267	10.79 266	6.64 266	7.87 266	9.69 265	12.99 267	2.80 258	12.81 265	13.68 265	9.16 267	16.58 269	9.87 264	12.33 267	16.73 269	17.95 270	2.26 244	10.56 268	28.34 270	36.91 270	31.06 270	39.57 270

MEDIAN_ROB	20.47 269	25.88 272	24.03 273	26.51 272	25.55 273	25.88 273	26.99 272	21.23 273	19.72 270	28.73 273	22.19 273	24.61 273	16.74 269	26.47 272	23.75 269	18.44 268	22.03 273	14.75 268	26.69 272	23.31 270	15.11 268	11.56 266	27.65 272	18.39 271	7.22 266	9.33 266	8.28 266	11.75 266

AVERAGE_ROB	24.43 270	29.85 273	27.27 274	31.30 273	29.70 274	30.00 274	31.47 273	26.59 274	24.68 274	34.31 274	27.39 274	31.23 274	21.35 270	30.69 274	28.19 273	24.02 269	26.74 274	21.17 271	30.34 273	27.38 274	20.48 271	16.18 269	32.28 273	24.32 275	8.51 267	7.76 265	7.92 265	8.46 265

CasAABBNet	26.14 272	12.60 267	19.00 270	8.89 266	12.76 269	8.55 267	7.26 269	16.43 269	21.86 273	13.67 270	15.79 269	19.63 271	26.13 271	5.53 268	25.80 272	27.48 270	18.01 270	33.35 272	20.00 269	24.70 271	33.62 274	35.57 272	4.48 265	21.32 274	57.07 274	74.41 274	62.39 272	79.48 272

MyStereo03	26.19 273	12.62 268	19.14 271	8.95 267	12.80 270	8.76 268	7.25 267	16.48 270	21.77 271	13.39 268	15.86 270	19.52 269	26.18 272	5.65 269	25.76 270	27.53 271	18.31 271	33.40 273	19.83 267	24.80 272	33.59 272	36.18 273	4.55 268	21.29 272	56.99 272	74.31 272	62.53 273	79.67 273

MyStereo02	25.72 271	12.62 268	19.14 271	8.95 267	0.00 1	8.76 268	7.25 267	16.48 270	21.77 271	13.39 268	15.86 270	19.52 269	26.18 272	5.65 269	25.76 270	27.53 271	18.31 271	33.40 273	19.83 267	24.80 272	33.59 272	36.18 273	4.55 268	21.29 272	56.99 272	74.31 272	62.53 273	79.67 273

PML	8.20 261	7.62 266	3.39 264	9.64 269	5.14 264	9.56 270	5.20 266	6.48 266	18.29 269	6.44 265	3.30 263	16.82 267	29.20 274	5.41 267	6.10 262	3.93 262	7.39 265	2.64 263	20.47 270	4.70 264	3.50 264	3.87 264	3.98 262	4.21 265	6.16 265	4.40 264	16.76 269	6.85 264

ASD4																								2.43 264

Low-res two-view benchmark