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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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	0.46 237	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

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
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

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

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

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
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

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

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

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

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)
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

LoS	0.15 139	0.10 102	0.08 94	0.10 88	0.11 117	0.09 70	0.07 77	0.50 233	0.05 13	0.32 216	0.36 228	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

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

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

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

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

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

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

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

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	0.45 223	0.09 59	0.10 53	0.17 81	0.12 91	0.14 74	0.09 67	0.17 115	0.09 73	0.28 225	0.07 72	0.17 113	0.15 110	0.12 54	0.13 56

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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-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

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

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

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

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

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
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

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

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

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

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

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

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

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.
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

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

LE_ROB	0.40 218	0.20 186	0.16 181	0.41 213	0.43 223	0.33 207	0.44 220	0.34 210	0.29 216	0.32 216	0.21 189	1.25 246	1.40 259	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	1.39 260	1.32 258

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

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.
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

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

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

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

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

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
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

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	0.39 222	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

MDST_ROB	0.22 184	0.27 210	0.14 168	0.47 217	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

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

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

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

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

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

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)
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

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

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

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

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

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

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

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

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

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

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
MeshStereo	0.30 205	0.26 206	0.20 202	0.49 219	0.36 218	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
DDUNet	0.26 194	0.20 186	0.12 150	0.37 203	0.30 212	0.40 216	0.47 223	0.20 149	0.16 155	0.16 52	0.25 208	0.16 87	0.08 84	1.63 241	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

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

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

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

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

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

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	4.24 264	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

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

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

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

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
UDG	0.26 194	0.20 186	0.13 159	0.38 207	0.31 213	0.38 214	0.51 226	0.19 130	0.16 155	0.19 86	0.23 199	0.17 91	0.09 95	1.45 237	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

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

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

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

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

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

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

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	0.32 216	0.20 184	0.45 195	0.28 198	0.31 216	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

STStereo	0.37 214	0.44 226	0.31 225	0.75 231	0.49 229	0.57 224	0.43 219	0.35 211	0.30 218	0.34 224	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	0.49 230	0.37 233	0.75 239	0.54 222

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	1.39 248	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	0.31 229	0.23 199	0.33 215	0.24 201	0.35 203	0.48 215

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

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

edge stereo	0.31 208	0.23 198	0.20 202	0.41 213	0.35 216	0.42 219	0.39 216	0.38 219	0.22 193	0.23 121	0.38 229	0.69 217	0.33 211	0.30 214	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

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

DispFullNet	0.48 223	0.50 227	0.19 199	1.14 234	0.40 221	0.77 233	1.22 239	0.32 205	0.24 196	0.24 137	0.27 213	0.84 231	0.48 227	1.62 240	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

FAT-Stereo	0.26 194	0.19 183	0.17 189	0.38 207	0.36 218	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

S-Stereo	0.30 205	0.22 194	0.17 189	0.41 213	0.39 220	0.41 217	0.37 210	0.25 184	0.25 201	0.26 172	0.44 232	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	0.53 234	0.23 199	0.22 177	0.19 172	0.27 186	0.38 196

PVD	0.38 215	0.38 221	0.20 202	0.47 217	0.35 216	0.50 223	0.40 217	0.38 219	0.34 226	0.23 121	0.28 216	0.52 207	0.51 228	0.50 225	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	0.44 228	0.57 249	0.46 221	0.72 236

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

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

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.
SQANet	0.45 222	0.54 229	0.14 168	1.41 237	0.51 230	1.23 237	0.83 234	0.30 201	0.24 196	0.34 224	0.24 202	0.64 211	0.19 177	1.12 235	0.17 195	0.14 167	0.24 175	0.20 198	0.40 209	0.22 205	0.16 95	0.14 163	1.58 242	0.17 187	0.20 156	0.16 132	0.26 183	0.39 200

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	0.36 228	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

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

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

DPSNet	0.39 217	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	2.16 258	0.43 222	0.10 124	0.17 195	0.15 183	0.35 224	0.28 222	2.04 260	0.27 215	0.25 211	0.16 182	0.28 225	0.25 211	0.38 224	0.24 201	0.39 212	0.51 219

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
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	0.33 220	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

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	0.35 227	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

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

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

CC-Net-ROB	0.28 201	0.40 222	0.28 218	0.56 222	0.44 224	0.41 217	0.38 214	0.32 205	0.20 186	0.33 220	0.28 216	0.68 216	0.10 108	0.32 220	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

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
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	0.32 216	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
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

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	0.50 237	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	0.28 225	0.31 221	0.27 197	0.23 196	0.32 196	0.38 196

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

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

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.
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

FADE		0.34 217	0.30 221	0.40 211	0.33 214	0.47 222	0.42 218	0.40 223	0.79 246	0.31 214	0.33 226		0.88 244	0.29 211	0.26 215	0.28 228	0.51 238	0.38 236	1.98 259	0.59 240	0.58 252	0.48 249	0.27 222	0.45 233	0.41 227	0.32 224	0.91 249	1.30 257

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	0.46 237	0.30 221	0.50 203	0.32 208	0.25 200	0.27 218	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

BEATNet-Init1	0.49 225	0.42 223	0.28 218	0.79 233	0.40 221	0.60 227	0.45 221	0.41 227	0.27 211	0.30 212	0.22 194	0.89 234	0.84 242	0.25 200	0.27 218	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	0.49 230	0.35 231	2.05 264	0.88 246

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	0.28 220	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

MANE	0.41 219	0.36 218	0.33 226	0.61 225	0.44 224	0.44 220	0.46 222	0.42 228	0.25 201	0.23 121	0.22 194	0.65 213	0.28 198	0.30 214	0.28 220	0.29 229	0.32 217	0.42 239	0.37 206	0.23 206	0.30 222	0.26 222	0.26 210	0.34 227	0.54 235	0.40 235	1.07 255	0.87 244

ELAS_RVC	0.43 221	0.43 224	0.36 228	0.64 226	0.44 224	0.62 229	0.50 224	0.39 221	0.25 201	0.25 158	0.30 221	1.23 245	0.30 202	0.31 216	0.28 220	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	0.50 232	0.38 234	0.78 243	0.70 234
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.42 220	0.43 224	0.36 228	0.64 226	0.44 224	0.58 226	0.50 224	0.40 223	0.26 206	0.25 158	0.28 216	0.94 237	0.30 202	0.31 216	0.28 220	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	0.54 235	0.40 235	0.77 242	0.74 239
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ACVNet_1	0.74 236	0.79 239	0.40 232	2.04 257	0.96 245	1.88 254	1.51 244	0.59 239	0.28 214	0.43 235	0.49 235	0.71 218	0.61 233	2.21 253	0.32 224	0.25 218	0.32 217	0.31 226	0.60 222	0.31 223	0.29 221	0.21 211	2.72 252	0.33 225	0.40 225	0.26 214	0.37 208	0.38 196

SAMSARA	0.48 223	0.23 198	0.39 230	0.23 180	0.23 195	0.22 187	0.22 190	0.44 231	0.38 231	0.31 214	0.21 189	0.30 179	0.47 225	0.17 180	0.32 224	0.34 230	0.25 190	0.32 227	0.46 215	0.32 226	0.47 244	0.52 253	0.15 172	0.33 225	1.39 264	1.54 262	1.41 261	1.46 260

STTRV1_RVC	0.38 215	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	0.47 224	0.32 224	0.18 205	0.59 245	0.20 198	1.14 248	0.30 221	0.59 253	0.22 214	0.43 230	0.43 232	0.25 191	0.54 246	0.34 201	0.64 231

otaku	0.58 228	0.71 233	0.29 220	1.70 248	0.84 238	1.49 242	1.00 235	0.40 223	0.34 226	0.38 231	0.31 224	0.65 213	0.26 195	1.35 236	0.33 227	0.25 218	0.20 128	0.23 210	0.69 225	0.30 221	0.22 184	0.17 186	2.24 245	0.28 217	0.29 205	0.18 161	0.30 192	0.39 200

Ntro	0.63 231	0.72 234	0.30 221	1.78 250	0.84 238	1.55 243	1.09 237	0.48 232	0.37 229	0.38 231	0.38 229	0.72 220	0.26 195	1.51 239	0.35 228	0.27 224	0.22 153	0.24 213	0.69 225	0.31 223	0.22 184	0.17 186	2.49 248	0.30 220	0.31 210	0.22 189	0.37 208	0.42 206

MSC_U_SF_DS_RVC	0.35 212	0.36 218	0.39 230	0.46 216	0.28 206	0.30 199	0.28 205	0.50 233	0.46 235	0.39 234	0.30 221	0.37 188	0.36 215	0.31 216	0.35 228	0.26 220	0.21 141	0.27 219	0.71 227	0.37 230	0.27 215	0.29 226	0.30 228	0.38 230	0.32 213	0.24 201	0.29 190	0.39 200

LRCNet_RVC	9.85 266	16.31 272	0.59 244	24.99 273	21.12 274	23.54 274	20.75 272	1.45 262	0.48 236	21.31 274	13.10 270	22.63 273	3.34 263	28.36 275	0.38 230	0.27 224	7.74 268	1.15 262	23.52 274	3.99 264	0.46 243	0.30 227	27.02 274	1.72 263	0.35 219	0.21 181	0.42 218	0.37 195

ACVNet-4b	0.69 234	0.75 236	0.33 226	1.72 249	0.94 244	1.61 248	1.42 242	0.33 209	0.32 223	0.38 231	0.26 210	1.20 244	0.29 201	2.16 251	0.39 231	0.37 231	0.33 220	0.24 213	0.57 220	0.38 231	0.16 95	0.14 163	2.71 251	0.23 199	0.29 205	0.32 224	0.39 212	0.40 203

PWCK	0.88 241	1.24 254	0.61 247	1.53 239	0.85 240	1.21 236	1.03 236	1.08 256	0.72 241	0.70 247	0.83 253	1.48 250	0.87 243	0.69 232	0.40 232	0.41 232	0.73 255	0.47 241	3.04 264	0.67 251	0.56 251	0.43 244	0.94 240	0.74 252	0.72 245	0.36 232	0.69 235	0.73 238

JetBlue	0.70 235	0.56 230	0.69 252	0.73 230	0.61 234	0.78 234	0.68 231	0.52 236	0.91 249	0.46 237	0.29 220	3.18 261	0.38 218	0.52 226	0.44 233	0.43 236	0.70 254	0.53 248	0.66 224	0.51 234	0.54 249	0.58 254	0.75 236	0.56 243	0.55 237	0.42 237	0.96 252	0.99 249

AMNet	0.49 225	0.50 227	0.47 234	0.50 220	0.47 228	0.61 228	0.52 227	0.31 204	0.29 216	0.29 211	0.69 246	0.72 220	0.13 139	0.53 227	0.44 233	0.55 244	0.57 243	0.58 253	0.48 216	0.48 233	0.59 253	0.48 249	0.26 210	0.48 235	0.44 228	0.52 243	0.58 229	0.63 230

IMH-64-1	0.90 243	0.95 242	0.51 235	1.59 241	0.98 248	1.58 244	1.73 251	0.75 245	0.74 243	0.33 220	0.61 239	0.83 229	0.94 245	2.59 255	0.50 235	0.42 233	0.48 233	0.36 234	0.92 237	0.55 237	0.39 230	0.30 227	3.14 256	0.50 237	0.81 246	0.34 228	0.60 231	0.80 241

IMH-64	0.90 243	0.95 242	0.51 235	1.59 241	0.98 248	1.58 244	1.73 251	0.75 245	0.74 243	0.33 220	0.61 239	0.83 229	0.94 245	2.59 255	0.50 235	0.42 233	0.48 233	0.36 234	0.92 237	0.55 237	0.39 230	0.30 227	3.14 256	0.50 237	0.81 246	0.34 228	0.60 231	0.80 241

ACVNet_2	0.83 240	0.92 241	0.56 241	1.99 255	0.99 250	1.84 253	1.55 247	0.68 243	0.40 234	0.53 241	0.47 233	1.02 241	0.67 238	1.93 244	0.51 237	0.45 237	0.38 228	0.33 230	1.01 241	0.42 232	0.34 225	0.24 219	2.58 249	0.53 240	0.60 240	0.26 214	0.52 223	0.55 223

LVE	0.95 246	0.97 245	0.71 254	1.84 252	1.35 255	1.59 246	1.52 245	0.78 249	0.64 239	0.81 252	0.91 254	0.72 220	1.00 249	2.18 252	0.53 238	0.48 239	0.57 243	0.53 248	1.09 245	0.64 247	0.45 241	0.38 241	2.74 254	0.69 248	0.83 250	0.44 239	0.84 246	0.52 221

PSMNet_ROB	0.78 238	0.97 245	0.60 246	1.62 246	0.90 242	1.47 241	1.19 238	0.56 238	0.73 242	0.74 248	0.62 242	0.84 231	0.82 240	1.49 238	0.53 238	0.42 233	0.52 240	0.40 238	0.84 234	0.62 245	0.40 236	0.30 227	1.85 243	0.48 235	0.67 243	0.32 224	0.76 240	0.46 214

IMH	0.93 245	0.98 247	0.53 238	1.61 243	0.97 247	1.64 249	1.76 253	0.75 245	0.77 245	0.34 224	0.61 239	0.96 238	1.05 253	2.67 257	0.54 240	0.46 238	0.49 236	0.38 236	0.94 239	0.60 241	0.39 230	0.30 227	3.14 256	0.53 240	0.82 248	0.45 240	0.65 233	0.79 240

SPS-STEREO	0.59 230	0.57 231	0.52 237	0.55 221	0.54 232	0.65 230	0.52 227	0.39 221	0.66 240	0.37 229	0.78 251	0.78 225	0.64 235	0.53 227	0.55 241	0.57 247	0.68 250	0.64 257	0.74 230	0.72 252	0.77 259	0.66 258	0.26 210	0.53 240	0.53 234	0.56 248	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	0.58 228	0.57 231	0.54 239	0.59 224	0.55 233	0.68 231	0.56 229	0.42 228	0.38 231	0.37 229	0.77 250	0.75 224	0.65 236	0.54 229	0.55 241	0.56 245	0.68 250	0.61 255	0.71 227	0.64 247	0.69 256	0.62 256	0.27 222	0.50 237	0.52 233	0.53 245	0.74 237	0.68 233

MADNet+	0.55 227	0.36 218	0.63 248	0.56 222	0.52 231	0.45 221	0.38 214	0.63 240	0.52 237	0.53 241	0.41 231	0.81 228	0.67 238	0.33 221	0.57 243	0.49 241	0.56 242	0.50 244	0.82 233	0.52 235	0.47 244	0.43 244	0.51 233	0.47 234	0.82 248	0.70 252	0.58 229	0.72 236

TorneroNet-64	1.07 250	1.00 248	0.57 242	1.94 253	0.88 241	1.98 257	2.01 255	0.63 240	0.88 248	0.58 244	0.49 235	1.83 255	1.71 261	2.88 262	0.62 244	0.51 242	0.46 232	0.46 240	1.17 249	0.61 244	0.34 225	0.37 238	3.40 259	0.56 243	0.64 242	0.48 241	0.68 234	1.11 252

RainbowNet	0.77 237	0.87 240	0.46 233	1.83 251	0.91 243	1.59 246	1.47 243	0.42 228	0.38 231	0.47 240	0.34 227	0.90 235	0.60 232	1.97 246	0.62 244	0.48 239	0.34 222	0.33 230	0.90 236	0.58 239	0.33 223	0.23 217	2.82 255	0.39 231	0.40 225	0.34 228	0.44 219	0.48 215

Dean	1.06 249	1.03 249	0.79 257	2.27 259	1.31 254	1.96 255	1.56 250	0.92 251	0.94 253	0.88 256	0.76 249	1.19 243	1.17 256	2.09 250	0.64 246	0.60 248	0.60 246	0.56 250	1.23 252	0.73 253	0.45 241	0.36 237	2.73 253	0.71 249	0.95 255	0.55 247	1.05 254	0.62 229

TorneroNet	1.08 251	1.09 250	0.66 251	1.94 253	0.96 245	2.16 258	2.02 256	0.65 242	0.91 249	0.67 246	0.56 238	1.67 254	1.15 255	2.94 264	0.65 247	0.52 243	0.48 233	0.51 245	1.12 246	0.65 249	0.39 230	0.43 244	3.52 260	0.57 246	0.68 244	0.48 241	0.84 246	1.01 250

MFMNet_re	0.66 232	0.73 235	0.65 249	0.77 232	0.62 235	0.82 235	0.70 233	0.52 236	0.54 238	0.54 243	0.65 243	0.80 227	0.51 228	0.59 231	0.66 248	0.67 251	0.82 257	0.69 258	0.74 230	0.62 245	0.70 257	0.64 257	0.45 231	0.56 243	0.59 239	0.63 250	0.74 237	0.87 244

UNDER WATER-64	1.40 256	1.36 255	0.88 260	2.85 263	1.93 265	2.78 263	2.66 263	1.36 261	0.92 251	1.04 260	1.17 260	1.88 256	1.30 258	3.03 265	0.75 249	0.56 245	0.68 250	0.57 252	1.13 247	0.54 236	0.43 238	0.51 251	4.08 267	0.91 258	1.02 257	1.10 260	0.80 244	1.60 262

WAO-8	1.00 247	1.11 251	0.76 255	1.61 243	1.24 252	1.74 251	1.55 247	0.93 252	0.98 255	0.81 252	0.67 244	1.66 251	1.00 249	2.08 248	0.77 250	0.68 252	0.63 247	0.52 246	1.05 242	0.81 255	0.47 244	0.37 238	0.78 237	0.75 253	1.10 259	0.73 253	0.95 250	1.16 254

Venus	1.00 247	1.11 251	0.76 255	1.61 243	1.24 252	1.74 251	1.55 247	0.93 252	0.98 255	0.81 252	0.67 244	1.66 251	1.00 249	2.08 248	0.77 250	0.68 252	0.63 247	0.52 246	1.05 242	0.81 255	0.47 244	0.37 238	0.78 237	0.75 253	1.10 259	0.73 253	0.95 250	1.16 254

WAO-6	0.82 239	0.95 242	0.59 244	1.30 236	1.05 251	1.25 238	1.39 241	0.77 248	0.84 247	0.79 250	0.69 246	0.74 223	1.00 249	1.94 245	0.78 252	0.61 249	0.53 241	0.48 242	0.78 232	0.60 241	0.55 250	0.51 251	0.49 232	0.57 246	0.83 250	0.42 237	0.76 240	0.85 243

WAO-7	0.66 232	0.75 236	0.65 249	0.72 229	0.78 236	0.57 224	0.66 230	0.97 255	0.96 254	0.63 245	0.78 251	0.79 226	0.83 241	0.55 230	0.83 253	0.71 255	0.42 231	0.35 233	0.94 239	0.66 250	0.43 238	0.34 236	0.16 175	0.83 256	0.56 238	0.64 251	0.57 228	0.70 234

UNDER WATER	1.40 256	1.42 258	0.86 259	2.83 262	1.92 264	2.74 262	2.57 262	1.28 260	1.01 257	0.88 256	0.97 255	1.88 256	1.26 257	3.09 267	0.83 253	0.62 250	0.66 249	0.56 250	1.20 251	0.60 241	0.42 237	0.47 248	4.04 266	0.98 261	1.08 258	0.99 258	0.87 248	1.67 264

HanzoNet	1.74 259	1.62 261	0.80 258	2.26 258	1.70 262	2.72 261	2.54 261	1.25 259	1.85 263	0.92 259	1.28 262	4.37 265	3.81 264	3.36 268	0.88 255	0.78 257	1.06 260	0.94 261	2.54 262	1.03 260	0.89 261	0.88 261	3.79 264	0.73 250	1.12 261	1.00 259	1.29 259	1.57 261

SPstereo	0.89 242	0.77 238	0.70 253	0.66 228	0.80 237	0.69 232	0.69 232	1.11 257	0.93 252	0.74 248	1.18 261	0.98 239	1.42 260	0.93 234	0.88 255	1.07 260	0.95 259	0.61 255	1.18 250	0.81 255	0.85 260	0.74 260	0.64 235	0.91 258	0.87 252	0.74 255	1.15 256	0.89 247

notaker	1.27 254	1.41 257	0.58 243	2.37 261	1.48 257	2.34 260	2.27 260	0.94 254	1.62 260	0.79 250	1.07 258	1.66 251	1.08 254	3.06 266	0.94 257	0.69 254	0.68 250	0.49 243	1.62 258	0.84 258	0.53 248	0.45 247	3.70 263	0.80 255	0.61 241	0.52 243	0.80 244	0.92 248

ktn	1.24 253	1.39 256	0.55 240	1.62 246	1.59 260	1.68 250	2.12 257	0.86 250	1.75 262	0.90 258	1.11 259	1.11 242	0.95 248	2.57 254	0.97 258	0.73 256	0.80 256	0.59 254	1.41 255	0.76 254	0.68 255	0.67 259	3.69 262	0.73 250	0.92 254	0.75 256	1.19 258	1.28 256

KSHMR	1.33 255	1.42 258	1.04 261	2.27 259	1.44 256	2.23 259	2.12 257	1.21 258	1.06 258	1.13 261	1.06 257	1.27 247	0.94 245	2.89 263	1.08 259	0.95 259	0.85 258	0.83 260	1.32 254	0.97 259	0.72 258	0.58 254	3.52 260	1.07 262	0.99 256	0.77 257	1.00 253	1.07 251

DPSimNet_ROB	1.21 252	1.20 253	1.29 262	1.47 238	1.59 260	1.30 240	1.35 240	0.68 243	1.69 261	1.67 263	1.03 256	1.45 249	0.66 237	2.04 247	1.20 260	0.89 258	1.16 261	0.79 259	1.61 257	1.38 262	1.04 262	1.24 262	0.79 239	0.84 257	0.87 252	1.20 261	1.17 257	1.12 253

MADNet++	1.86 260	1.58 260	1.74 264	1.27 235	1.74 263	1.26 239	1.53 246	1.62 264	2.07 264	1.84 264	2.22 263	2.60 259	2.72 262	0.75 233	1.39 261	1.54 261	2.01 263	1.47 263	2.12 261	2.13 263	3.35 264	3.26 264	1.23 241	2.21 264	1.21 263	2.25 264	1.76 263	1.32 258

JetRed	1.62 258	1.82 262	1.71 263	1.58 240	1.50 258	1.97 256	2.21 259	1.51 263	1.47 259	0.82 255	0.74 248	2.63 260	0.43 222	1.73 242	1.48 262	1.54 261	1.67 262	2.94 265	1.42 256	1.08 261	2.30 263	2.07 263	1.99 244	0.97 260	1.16 262	1.70 263	1.57 262	1.60 262

ASD4	6.34 262	2.35 263	2.75 265	1.99 255	1.58 259	3.01 264	1.85 254	1.79 265	3.29 265	1.60 262	2.34 264	0.98 239	6.55 265	1.73 242	2.95 263	3.66 263	3.63 264	7.56 266	2.70 263	4.74 266	5.26 266	6.41 266	2.64 250	2.43 265	17.21 271	28.48 271	19.85 271	31.77 271

PML	8.20 263	7.62 268	3.39 266	9.64 271	5.14 266	9.56 272	5.20 268	6.48 268	18.29 271	6.44 267	3.30 265	16.82 268	29.20 276	5.41 269	6.10 264	3.93 264	7.39 267	2.64 264	20.47 273	4.70 265	3.50 265	3.87 265	3.98 265	4.21 266	6.16 266	4.40 265	16.76 270	6.85 265

DPSMNet_ROB	8.63 264	3.69 265	8.74 268	2.98 264	5.70 267	3.37 265	4.41 266	3.70 266	9.03 266	3.00 265	6.88 267	3.53 262	10.11 267	2.70 258	10.47 265	10.76 265	3.81 265	12.92 269	4.77 266	10.22 267	5.99 268	13.86 269	4.50 270	8.50 267	10.06 269	27.81 269	11.04 268	30.59 269

DGTPSM_ROB	8.63 264	3.68 264	8.73 267	2.98 264	5.70 267	3.37 265	4.41 266	3.70 266	9.03 266	3.00 265	6.85 266	3.53 262	10.07 266	2.70 258	10.47 265	10.76 265	3.81 265	12.91 268	4.74 265	10.22 267	5.98 267	13.86 269	4.49 269	8.50 267	10.06 269	27.81 269	11.04 268	30.59 269

DPSM_ROB	13.01 268	6.29 266	9.52 269	4.44 266	6.37 269	4.34 267	3.59 264	8.20 269	10.79 268	6.64 268	7.87 268	9.69 266	12.99 269	2.80 260	12.81 267	13.68 267	9.16 269	16.58 271	9.87 267	12.33 269	16.73 271	17.95 272	2.26 246	10.56 269	28.34 272	36.91 272	31.06 272	39.57 272

DPSM	13.01 268	6.29 266	9.52 269	4.44 266	6.37 269	4.34 267	3.59 264	8.20 269	10.79 268	6.64 268	7.87 268	9.69 266	12.99 269	2.80 260	12.81 267	13.68 267	9.16 269	16.58 271	9.87 267	12.33 269	16.73 271	17.95 272	2.26 246	10.56 269	28.34 272	36.91 272	31.06 272	39.57 272

HaxPig	16.02 270	19.59 273	18.75 271	21.25 272	20.52 273	21.33 273	22.30 273	17.00 274	14.71 270	19.29 273	17.19 274	17.46 269	12.16 268	22.51 273	17.80 269	14.90 269	17.75 271	9.40 267	18.97 269	15.48 271	9.47 269	7.16 267	23.74 273	15.28 271	4.31 265	12.19 268	6.81 265	15.11 268

LSM0	3.45 261	0.27 210	0.18 198	0.38 207	0.29 211	0.39 215	0.36 209	0.51 235	0.31 221	0.45 236	0.47 233	0.71 218	0.57 231	0.19 188	23.17 270	59.79 275	0.36 225	0.26 217	1.29 253	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

MEDIAN_ROB	20.47 271	25.88 274	24.03 275	26.51 274	25.55 275	25.88 275	26.99 274	21.23 275	19.72 272	28.73 275	22.19 275	24.61 274	16.74 271	26.47 274	23.75 271	18.44 270	22.03 275	14.75 270	26.69 275	23.31 272	15.11 270	11.56 268	27.65 275	18.39 272	7.22 267	9.33 267	8.28 267	11.75 267

MyStereo03	26.19 275	12.62 270	19.14 273	8.95 269	12.80 272	8.76 270	7.25 269	16.48 272	21.77 273	13.39 270	15.86 272	19.52 270	26.18 274	5.65 271	25.76 272	27.53 273	18.31 273	33.40 275	19.83 270	24.80 274	33.59 274	36.18 275	4.55 271	21.29 273	56.99 274	74.31 274	62.53 275	79.67 275

MyStereo02	25.72 273	12.62 270	19.14 273	8.95 269	0.00 1	8.76 270	7.25 269	16.48 272	21.77 273	13.39 270	15.86 272	19.52 270	26.18 274	5.65 271	25.76 272	27.53 273	18.31 273	33.40 275	19.83 270	24.80 274	33.59 274	36.18 275	4.55 271	21.29 273	56.99 274	74.31 274	62.53 275	79.67 275

CasAABBNet	26.14 274	12.60 269	19.00 272	8.89 268	12.76 271	8.55 269	7.26 271	16.43 271	21.86 275	13.67 272	15.79 271	19.63 272	26.13 273	5.53 270	25.80 274	27.48 272	18.01 272	33.35 274	20.00 272	24.70 273	33.62 276	35.57 274	4.48 268	21.32 275	57.07 276	74.41 276	62.39 274	79.48 274

AVERAGE_ROB	24.43 272	29.85 275	27.27 276	31.30 275	29.70 276	30.00 276	31.47 275	26.59 276	24.68 276	34.31 276	27.39 276	31.23 275	21.35 272	30.69 276	28.19 275	24.02 271	26.74 276	21.17 273	30.34 276	27.38 276	20.48 273	16.18 271	32.28 276	24.32 276	8.51 268	7.76 266	7.92 266	8.46 266

DLNR_Zeroshot_test	10.12 267	32.06 276	0.05 25	54.44 276	0.09 84	0.18 160	50.47 276	0.19 130	0.08 59	0.27 185	0.07 30	0.20 130	0.04 17	0.14 168	62.26 276	70.60 276	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

Low-res two-view benchmark