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
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 7	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 3	0.01 2	0.02 2	0.06 5	0.06 5	0.05 4	0.03 3

AEACV	0.04 4	0.03 4	0.02 1	0.04 11	0.03 7	0.02 2	0.02 2	0.03 4	0.03 4	0.03 4	0.04 4	0.03 4	0.02 3	0.02 6	0.06 5	0.06 4	0.05 4	0.05 3	0.07 8	0.04 3	0.06 6	0.04 3	0.01 2	0.02 2	0.06 5	0.07 9	0.04 3	0.03 3

delet	0.05 5	0.05 19	0.04 9	0.06 31	0.05 22	0.05 21	0.05 31	0.04 5	0.04 5	0.06 13	0.05 11	0.10 29	0.05 29	0.03 13	0.07 9	0.06 4	0.07 8	0.06 8	0.06 5	0.06 18	0.06 6	0.04 3	0.03 20	0.05 19	0.07 9	0.07 9	0.05 4	0.04 5

TDLM	0.05 5	0.04 9	0.04 9	0.04 11	0.04 11	0.04 10	0.03 10	0.04 5	0.04 5	0.04 6	0.06 17	0.04 7	0.03 7	0.03 13	0.06 5	0.06 4	0.06 5	0.06 8	0.06 5	0.04 3	0.05 4	0.04 3	0.03 20	0.04 7	0.05 3	0.06 5	0.05 4	0.05 6

iRaftStereo_RVC	0.05 5	0.03 4	0.03 5	0.03 4	0.03 7	0.03 5	0.02 2	0.05 7	0.04 5	0.06 13	0.05 11	0.05 10	0.03 7	0.02 6	0.06 5	0.06 4	0.10 21	0.07 13	0.07 8	0.05 9	0.09 18	0.05 8	0.02 7	0.03 5	0.07 9	0.06 5	0.05 4	0.05 6

RYNet	0.06 10	0.04 9	0.04 9	0.04 11	0.04 11	0.04 10	0.03 10	0.05 7	0.11 110	0.05 9	0.04 4	0.04 7	0.03 7	0.03 13	0.07 9	0.06 4	0.07 8	0.08 18	0.07 8	0.05 9	0.05 4	0.05 8	0.11 149	0.04 7	0.06 5	0.15 100	0.06 11	0.05 6

AANet_RVC	0.06 10	0.05 19	0.06 47	0.05 20	0.06 39	0.04 10	0.05 31	0.05 7	0.06 25	0.05 9	0.06 17	0.05 10	0.04 17	0.04 26	0.08 21	0.07 12	0.08 11	0.08 18	0.07 8	0.07 29	0.07 10	0.07 32	0.05 50	0.05 19	0.07 9	0.08 15	0.06 11	0.08 17

StereoIM	0.07 19	0.04 9	0.05 23	0.03 4	0.02 4	0.03 5	0.03 10	0.06 10	0.06 25	0.04 6	0.06 17	0.10 29	0.05 29	0.02 6	0.07 9	0.08 17	0.10 21	0.09 42	0.07 8	0.05 9	0.10 24	0.10 86	0.01 2	0.05 19	0.12 47	0.18 150	0.13 65	0.16 86

StereoVision	0.06 10	0.03 4	0.04 9	0.03 4	0.03 7	0.03 5	0.02 2	0.06 10	0.11 110	0.02 2	0.05 11	0.03 4	0.06 46	0.01 2	0.09 38	0.10 46	0.06 5	0.05 3	0.08 16	0.07 29	0.06 6	0.05 8	0.02 7	0.04 7	0.10 25	0.07 9	0.10 32	0.12 48

MIF-Stereo	0.07 19	0.04 9	0.04 9	0.03 4	0.03 7	0.05 21	0.03 10	0.06 10	0.05 12	0.06 13	0.04 4	0.07 17	0.12 123	0.07 75	0.08 21	0.07 12	0.11 26	0.08 18	0.08 16	0.07 29	0.09 18	0.08 37	0.07 88	0.04 7	0.10 25	0.16 117	0.06 11	0.10 28

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 5	0.14 39	0.07 29	0.04 7	0.03 7	0.03 13	0.07 9	0.08 17	0.13 37	0.07 13	0.09 28	0.06 18	0.11 29	0.06 18	0.02 7	0.04 7	0.08 14	0.07 9	0.07 16	0.05 6

LL-Strereo2	0.07 19	0.03 4	0.03 5	0.04 11	0.05 22	0.04 10	0.03 10	0.06 10	0.07 40	0.15 45	0.07 29	0.08 21	0.05 29	0.04 26	0.08 21	0.09 30	0.13 37	0.07 13	0.10 34	0.06 18	0.10 24	0.06 18	0.03 20	0.04 7	0.08 14	0.10 25	0.08 22	0.05 6

anonymousdsp	0.05 5	0.04 9	0.04 9	0.03 4	0.04 11	0.04 10	0.04 22	0.06 10	0.05 12	0.06 13	0.04 4	0.03 4	0.02 3	0.03 13	0.07 9	0.08 17	0.08 11	0.06 8	0.08 16	0.05 9	0.09 18	0.05 8	0.03 20	0.03 5	0.05 3	0.05 3	0.05 4	0.05 6

RAFT_CTSACE	0.07 19	0.04 9	0.06 47	0.03 4	0.04 11	0.05 21	0.05 31	0.06 10	0.06 25	0.09 23	0.04 4	0.10 29	0.09 93	0.03 13	0.08 21	0.08 17	0.11 26	0.07 13	0.07 8	0.05 9	0.12 35	0.08 37	0.03 20	0.06 35	0.12 47	0.12 53	0.12 54	0.16 86

RAFT + AFF	0.05 5	0.04 9	0.03 5	0.05 20	0.04 11	0.04 10	0.03 10	0.06 10	0.08 58	0.09 23	0.05 11	0.09 23	0.02 3	0.02 6	0.05 3	0.06 4	0.09 15	0.06 8	0.06 5	0.04 3	0.07 10	0.05 8	0.02 7	0.04 7	0.07 9	0.05 3	0.05 4	0.06 12

CVANet_RVC	0.07 19	0.07 50	0.07 71	0.08 57	0.06 39	0.07 49	0.05 31	0.06 10	0.05 12	0.06 13	0.09 63	0.05 10	0.04 17	0.04 26	0.08 21	0.08 17	0.08 11	0.08 18	0.08 16	0.06 18	0.08 15	0.06 18	0.04 34	0.05 19	0.08 14	0.07 9	0.07 16	0.10 28

PWCDC_ROB	0.13 93	0.06 29	0.09 103	0.07 52	0.13 140	0.08 58	0.13 143	0.06 10	0.24 197	0.09 23	0.15 136	0.10 29	0.45 224	0.26 201	0.12 122	0.10 46	0.09 15	0.12 90	0.08 16	0.11 102	0.08 15	0.12 132	0.19 188	0.13 162	0.08 14	0.14 79	0.08 22	0.18 118

TestStereo1	0.09 33	0.07 50	0.06 47	0.04 11	0.05 22	0.06 33	0.06 61	0.07 20	0.07 40	0.09 23	0.07 29	0.11 36	0.14 152	0.04 26	0.10 64	0.10 46	0.11 26	0.09 42	0.09 28	0.08 45	0.13 56	0.12 132	0.02 7	0.05 19	0.15 82	0.14 79	0.16 97	0.20 135

SA-5K	0.09 33	0.07 50	0.06 47	0.04 11	0.05 22	0.06 33	0.06 61	0.07 20	0.07 40	0.09 23	0.07 29	0.11 36	0.14 152	0.04 26	0.10 64	0.10 46	0.11 26	0.09 42	0.09 28	0.08 45	0.13 56	0.12 132	0.02 7	0.05 19	0.15 82	0.14 79	0.16 97	0.20 135

RAFT	0.06 10	0.03 4	0.05 23	0.03 4	0.02 4	0.03 5	0.02 2	0.07 20	0.04 5	0.04 6	0.06 17	0.07 17	0.05 29	0.01 2	0.06 5	0.06 4	0.06 5	0.05 3	0.05 4	0.04 3	0.06 6	0.07 32	0.01 2	0.04 7	0.13 56	0.14 79	0.13 65	0.15 75

MMNet	0.06 10	0.06 29	0.05 23	0.08 57	0.06 39	0.06 33	0.05 31	0.07 20	0.06 25	0.05 9	0.06 17	0.09 23	0.04 17	0.04 26	0.07 9	0.07 12	0.09 15	0.08 18	0.07 8	0.06 18	0.07 10	0.05 8	0.04 34	0.05 19	0.07 9	0.08 15	0.07 16	0.10 28

test croco	0.06 10	0.04 9	0.04 9	0.04 11	0.04 11	0.05 21	0.03 10	0.08 24	0.04 5	0.09 23	0.05 11	0.06 14	0.02 3	0.02 6	0.07 9	0.08 17	0.12 35	0.08 18	0.08 16	0.06 18	0.08 15	0.04 3	0.02 7	0.05 19	0.09 22	0.10 25	0.08 22	0.09 23

MIF-Stereo (partial)	0.06 10	0.05 19	0.06 47	0.05 20	0.04 11	0.05 21	0.03 10	0.08 24	0.07 40	0.07 20	0.04 4	0.05 10	0.06 46	0.04 26	0.08 21	0.08 17	0.11 26	0.08 18	0.08 16	0.05 9	0.09 18	0.05 8	0.02 7	0.06 35	0.10 25	0.08 15	0.07 16	0.08 17

AASNet	0.07 19	0.06 29	0.04 9	0.09 72	0.07 55	0.08 58	0.05 31	0.08 24	0.05 12	0.07 20	0.07 29	0.07 17	0.04 17	0.04 26	0.07 9	0.07 12	0.10 21	0.08 18	0.08 16	0.06 18	0.07 10	0.06 18	0.04 34	0.06 35	0.08 14	0.08 15	0.06 11	0.06 12

GANet	0.07 19	0.07 50	0.06 47	0.06 31	0.06 39	0.07 49	0.06 61	0.08 24	0.05 12	0.06 13	0.07 29	0.06 14	0.04 17	0.04 26	0.07 9	0.08 17	0.09 15	0.10 55	0.07 8	0.05 9	0.07 10	0.05 8	0.05 50	0.05 19	0.08 14	0.07 9	0.07 16	0.06 12

iinet-f	0.10 51	0.09 90	0.06 47	0.08 57	0.06 39	0.09 71	0.06 61	0.09 28	0.07 40	0.18 74	0.11 85	0.11 36	0.10 106	0.06 53	0.09 38	0.10 46	0.14 49	0.09 42	0.19 127	0.09 66	0.12 35	0.06 18	0.05 50	0.06 35	0.11 41	0.10 25	0.15 89	0.12 48

TESTraft	0.09 33	0.06 29	0.06 47	0.04 11	0.04 11	0.05 21	0.06 61	0.09 28	0.08 58	0.09 23	0.08 46	0.12 42	0.13 138	0.03 13	0.09 38	0.10 46	0.11 26	0.09 42	0.08 16	0.07 29	0.13 56	0.12 132	0.02 7	0.05 19	0.14 74	0.13 62	0.14 76	0.20 135

test_5	0.08 28	0.05 19	0.07 71	0.04 11	0.04 11	0.04 10	0.04 22	0.09 28	0.05 12	0.05 9	0.07 29	0.12 42	0.12 123	0.02 6	0.08 21	0.09 30	0.07 8	0.07 13	0.08 16	0.06 18	0.10 24	0.10 86	0.02 7	0.08 85	0.10 25	0.14 79	0.13 65	0.18 118

ARAFT	0.07 19	0.04 9	0.04 9	0.05 20	0.05 22	0.05 21	0.02 2	0.09 28	0.06 25	0.12 32	0.06 17	0.12 42	0.03 7	0.03 13	0.07 9	0.07 12	0.12 35	0.09 42	0.09 28	0.05 9	0.11 29	0.08 37	0.03 20	0.04 7	0.10 25	0.09 21	0.09 27	0.09 23

DMCA	0.07 19	0.05 19	0.07 71	0.06 31	0.06 39	0.05 21	0.07 77	0.09 28	0.07 40	0.06 13	0.09 63	0.07 17	0.06 46	0.06 53	0.08 21	0.08 17	0.11 26	0.10 55	0.08 16	0.07 29	0.09 18	0.06 18	0.06 67	0.06 35	0.08 14	0.10 25	0.06 11	0.08 17

PDISCO_ROB	0.12 82	0.13 141	0.13 157	0.10 89	0.08 65	0.09 71	0.09 103	0.09 28	0.08 58	0.11 30	0.10 71	0.06 14	0.05 29	0.05 42	0.10 64	0.12 118	0.14 49	0.16 164	0.09 28	0.10 85	0.14 71	0.13 149	0.04 34	0.08 85	0.17 108	0.21 177	0.32 195	0.20 135

raft+_RVC	0.08 28	0.06 29	0.05 23	0.06 31	0.06 39	0.07 49	0.04 22	0.10 34	0.08 58	0.17 61	0.08 46	0.09 23	0.04 17	0.04 26	0.08 21	0.08 17	0.13 37	0.09 42	0.11 38	0.06 18	0.13 56	0.06 18	0.04 34	0.05 19	0.11 41	0.09 21	0.09 27	0.09 23

RALAANet	0.09 33	0.08 78	0.06 47	0.07 52	0.06 39	0.08 58	0.05 31	0.10 34	0.07 40	0.12 32	0.10 71	0.10 29	0.06 46	0.03 13	0.09 38	0.09 30	0.13 37	0.11 66	0.16 94	0.09 66	0.12 35	0.08 37	0.04 34	0.06 35	0.12 47	0.10 25	0.11 46	0.11 36

DISCO	0.11 60	0.10 102	0.08 93	0.10 89	0.09 83	0.11 98	0.09 103	0.10 34	0.08 58	0.15 45	0.11 85	0.12 42	0.07 65	0.06 53	0.09 38	0.11 81	0.15 58	0.10 55	0.14 69	0.10 85	0.12 35	0.10 86	0.06 67	0.09 107	0.14 74	0.12 53	0.13 65	0.11 36

Former-RAFT_DAM_RVC	0.10 51	0.07 50	0.07 71	0.08 57	0.05 22	0.07 49	0.03 10	0.11 37	0.15 150	0.20 94	0.14 120	0.12 42	0.07 65	0.07 75	0.09 38	0.09 30	0.16 66	0.11 66	0.12 49	0.08 45	0.12 35	0.11 114	0.06 67	0.07 67	0.12 47	0.15 100	0.12 54	0.16 86

AFF-stereo	0.06 10	0.05 19	0.05 23	0.05 20	0.04 11	0.04 10	0.03 10	0.11 37	0.06 25	0.16 52	0.05 11	0.08 21	0.03 7	0.02 6	0.07 9	0.08 17	0.08 11	0.05 3	0.09 28	0.04 3	0.09 18	0.05 8	0.02 7	0.04 7	0.10 25	0.08 15	0.07 16	0.07 15

HITNet	0.09 33	0.07 50	0.06 47	0.08 57	0.08 65	0.08 58	0.05 31	0.11 37	0.07 40	0.19 86	0.08 46	0.12 42	0.07 65	0.07 75	0.09 38	0.08 17	0.13 37	0.10 55	0.10 34	0.07 29	0.11 29	0.09 62	0.06 67	0.06 35	0.12 47	0.11 38	0.16 97	0.14 63
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
anonymousdsp2	0.08 28	0.07 50	0.05 23	0.06 31	0.05 22	0.06 33	0.05 31	0.12 40	0.06 25	0.17 61	0.06 17	0.09 23	0.04 17	0.05 42	0.07 9	0.08 17	0.13 37	0.08 18	0.11 38	0.07 29	0.13 56	0.07 32	0.05 50	0.06 35	0.09 22	0.08 15	0.08 22	0.07 15

IER	0.09 33	0.07 50	0.07 71	0.09 72	0.07 55	0.09 71	0.06 61	0.12 40	0.07 40	0.14 39	0.11 85	0.11 36	0.07 65	0.06 53	0.09 38	0.09 30	0.14 49	0.11 66	0.11 38	0.07 29	0.12 35	0.08 37	0.06 67	0.06 35	0.10 25	0.11 38	0.11 46	0.14 63

Sa-1000	0.11 60	0.07 50	0.07 71	0.06 31	0.05 22	0.09 71	0.03 10	0.12 40	0.07 40	0.18 74	0.08 46	0.19 115	0.05 29	0.06 53	0.10 64	0.10 46	0.16 66	0.12 90	0.14 69	0.09 66	0.17 103	0.10 86	0.04 34	0.05 19	0.19 140	0.16 117	0.13 65	0.20 135

SA	0.10 51	0.07 50	0.07 71	0.06 31	0.05 22	0.08 58	0.04 22	0.12 40	0.05 12	0.16 52	0.07 29	0.16 84	0.03 7	0.04 26	0.10 64	0.10 46	0.13 37	0.11 66	0.12 49	0.09 66	0.14 71	0.10 86	0.03 20	0.06 35	0.16 98	0.15 100	0.13 65	0.21 150

test_4	0.09 33	0.05 19	0.07 71	0.05 20	0.06 39	0.03 5	0.02 2	0.12 40	0.09 78	0.17 61	0.06 17	0.09 23	0.06 46	0.03 13	0.09 38	0.10 46	0.15 58	0.08 18	0.10 34	0.07 29	0.17 103	0.09 62	0.02 7	0.07 67	0.10 25	0.14 79	0.12 54	0.19 127

TANstereo	0.11 60	0.06 29	0.06 47	0.10 89	0.09 83	0.08 58	0.06 61	0.12 40	0.08 58	0.22 108	0.08 46	0.13 54	0.08 78	0.08 93	0.10 64	0.13 143	0.19 115	0.13 117	0.18 117	0.08 45	0.18 121	0.10 86	0.06 67	0.06 35	0.11 41	0.11 38	0.15 89	0.14 63

XX-TBD	0.11 60	0.06 29	0.06 47	0.10 89	0.09 83	0.08 58	0.06 61	0.12 40	0.08 58	0.22 108	0.08 46	0.13 54	0.08 78	0.08 93	0.10 64	0.13 143	0.19 115	0.13 117	0.18 117	0.08 45	0.18 121	0.10 86	0.06 67	0.06 35	0.11 41	0.11 38	0.15 89	0.14 63

RALCasStereoNet	0.09 33	0.08 78	0.06 47	0.09 72	0.07 55	0.06 33	0.05 31	0.12 40	0.05 12	0.18 74	0.07 29	0.12 42	0.05 29	0.04 26	0.10 64	0.10 46	0.18 101	0.12 90	0.14 69	0.08 45	0.15 75	0.08 37	0.05 50	0.06 35	0.12 47	0.10 25	0.10 32	0.08 17

UPFNet	0.09 33	0.08 78	0.08 93	0.09 72	0.08 65	0.09 71	0.06 61	0.12 40	0.09 78	0.14 39	0.10 71	0.12 42	0.06 46	0.07 75	0.08 21	0.10 46	0.13 37	0.11 66	0.10 34	0.07 29	0.10 24	0.07 32	0.06 67	0.07 67	0.09 22	0.11 38	0.10 32	0.11 36

DSFCA	0.11 60	0.12 126	0.09 103	0.10 89	0.08 65	0.11 98	0.11 126	0.12 40	0.09 78	0.12 32	0.14 120	0.14 68	0.08 78	0.05 42	0.10 64	0.11 81	0.15 58	0.12 90	0.16 94	0.10 85	0.13 56	0.12 132	0.07 88	0.09 107	0.13 56	0.14 79	0.10 32	0.13 54

DMCA-RVC	0.10 51	0.08 78	0.11 132	0.08 57	0.09 83	0.08 58	0.08 85	0.12 40	0.09 78	0.13 36	0.13 107	0.13 54	0.07 65	0.06 53	0.14 153	0.12 118	0.14 49	0.13 117	0.11 38	0.10 85	0.12 35	0.10 86	0.07 88	0.09 107	0.10 25	0.10 25	0.10 32	0.11 36

BEATNet_4x	0.11 60	0.10 102	0.08 93	0.09 72	0.09 83	0.09 71	0.08 85	0.12 40	0.08 58	0.21 103	0.09 63	0.15 74	0.09 93	0.08 93	0.11 95	0.10 46	0.13 37	0.13 117	0.11 38	0.08 45	0.13 56	0.12 132	0.08 111	0.08 85	0.13 56	0.13 62	0.18 128	0.18 118

LoS_RVC	0.09 33	0.07 50	0.05 23	0.05 20	0.06 39	0.06 33	0.05 31	0.13 52	0.08 58	0.18 74	0.11 85	0.12 42	0.06 46	0.07 75	0.09 38	0.09 30	0.10 21	0.08 18	0.12 49	0.08 45	0.17 103	0.09 62	0.05 50	0.06 35	0.15 82	0.11 38	0.10 32	0.13 54

tt_ll	0.09 33	0.07 50	0.05 23	0.05 20	0.06 39	0.06 33	0.05 31	0.13 52	0.08 58	0.18 74	0.11 85	0.12 42	0.06 46	0.07 75	0.09 38	0.09 30	0.10 21	0.08 18	0.12 49	0.08 45	0.17 103	0.09 62	0.05 50	0.06 35	0.15 82	0.11 38	0.10 32	0.13 54

RAFT+CT+SA	0.09 33	0.05 19	0.07 71	0.05 20	0.05 22	0.04 10	0.05 31	0.13 52	0.07 40	0.08 22	0.07 29	0.15 74	0.13 138	0.04 26	0.11 95	0.10 46	0.09 15	0.08 18	0.08 16	0.06 18	0.12 35	0.11 114	0.02 7	0.06 35	0.13 56	0.13 62	0.11 46	0.17 99

AnonymousM	0.08 28	0.05 19	0.04 9	0.06 31	0.05 22	0.04 10	0.04 22	0.13 52	0.05 12	0.20 94	0.06 17	0.11 36	0.03 7	0.06 53	0.10 64	0.10 46	0.19 115	0.09 42	0.12 49	0.07 29	0.16 90	0.06 18	0.04 34	0.04 7	0.08 14	0.11 38	0.10 32	0.10 28

rafts_anoy	0.09 33	0.08 78	0.07 71	0.07 52	0.07 55	0.06 33	0.05 31	0.13 52	0.05 12	0.17 61	0.10 71	0.12 42	0.05 29	0.03 13	0.10 64	0.10 46	0.15 58	0.12 90	0.14 69	0.07 29	0.15 75	0.08 37	0.04 34	0.06 35	0.11 41	0.10 25	0.09 27	0.11 36

HCRNet	0.12 82	0.17 174	0.06 47	0.22 178	0.08 65	0.15 135	0.08 85	0.13 52	0.04 5	0.46 236	0.12 97	0.24 164	0.07 65	0.07 75	0.08 21	0.06 4	0.14 49	0.08 18	0.20 140	0.08 45	0.10 24	0.05 8	0.11 149	0.06 35	0.06 5	0.06 5	0.05 4	0.08 17

STTStereo	0.13 93	0.14 154	0.17 188	0.13 125	0.15 159	0.13 118	0.21 184	0.13 52	0.14 140	0.15 45	0.15 136	0.17 89	0.10 106	0.11 134	0.14 153	0.12 118	0.15 58	0.15 152	0.13 62	0.11 102	0.12 35	0.10 86	0.07 88	0.09 107	0.15 82	0.14 79	0.12 54	0.16 86

NLCA_NET_v2_RVC	0.13 93	0.13 141	0.14 167	0.14 134	0.16 161	0.13 118	0.21 184	0.13 52	0.15 150	0.16 52	0.16 147	0.21 141	0.10 106	0.15 176	0.12 122	0.12 118	0.16 66	0.12 90	0.11 38	0.09 66	0.12 35	0.10 86	0.08 111	0.09 107	0.13 56	0.13 62	0.11 46	0.16 86
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NVstereo2D	0.15 135	0.11 114	0.11 132	0.19 167	0.14 150	0.21 183	0.24 197	0.13 52	0.11 110	0.16 52	0.14 120	0.10 29	0.08 78	0.40 221	0.12 122	0.12 118	0.21 143	0.14 139	0.16 94	0.10 85	0.12 35	0.09 62	0.25 204	0.08 85	0.15 82	0.13 62	0.14 76	0.13 54

CAS	0.09 33	0.07 50	0.05 23	0.06 31	0.05 22	0.05 21	0.04 22	0.14 61	0.06 25	0.11 30	0.11 85	0.11 36	0.05 29	0.07 75	0.09 38	0.09 30	0.11 26	0.10 55	0.14 69	0.07 29	0.12 35	0.08 37	0.05 50	0.05 19	0.13 56	0.11 38	0.09 27	0.14 63

raftrobust	0.10 51	0.08 78	0.06 47	0.08 57	0.07 55	0.05 21	0.04 22	0.14 61	0.06 25	0.25 159	0.08 46	0.13 54	0.05 29	0.05 42	0.09 38	0.09 30	0.17 82	0.12 90	0.12 49	0.09 66	0.17 103	0.08 37	0.05 50	0.06 35	0.13 56	0.12 53	0.10 32	0.11 36

ADLNet	0.13 93	0.11 114	0.08 93	0.13 125	0.10 99	0.16 143	0.13 143	0.14 61	0.07 40	0.13 36	0.10 71	0.25 167	0.11 117	0.29 210	0.10 64	0.10 46	0.17 82	0.09 42	0.13 62	0.09 66	0.11 29	0.09 62	0.13 164	0.06 35	0.13 56	0.13 62	0.12 54	0.14 63

RAFT-Stereo + iAFF	0.08 28	0.06 29	0.05 23	0.05 20	0.04 11	0.04 10	0.04 22	0.14 61	0.07 40	0.21 103	0.04 4	0.12 42	0.04 17	0.03 13	0.08 21	0.09 30	0.09 15	0.06 8	0.11 38	0.05 9	0.11 29	0.06 18	0.03 20	0.05 19	0.13 56	0.09 21	0.09 27	0.09 23

HGLStereo	0.11 60	0.10 102	0.08 93	0.09 72	0.10 99	0.09 71	0.06 61	0.14 61	0.08 58	0.18 74	0.15 136	0.09 23	0.06 46	0.08 93	0.10 64	0.10 46	0.17 82	0.13 117	0.14 69	0.10 85	0.12 35	0.10 86	0.08 111	0.09 107	0.13 56	0.13 62	0.10 32	0.11 36

ADCP+	0.11 60	0.10 102	0.08 93	0.09 72	0.07 55	0.09 71	0.08 85	0.14 61	0.11 110	0.16 52	0.12 97	0.18 104	0.08 78	0.07 75	0.11 95	0.10 46	0.16 66	0.11 66	0.14 69	0.09 66	0.12 35	0.09 62	0.08 111	0.08 85	0.11 41	0.16 117	0.11 46	0.11 36

4D-IteraStereo	0.09 33	0.06 29	0.05 23	0.06 31	0.06 39	0.06 33	0.04 22	0.15 67	0.10 98	0.22 108	0.08 46	0.14 68	0.06 46	0.03 13	0.09 38	0.10 46	0.17 82	0.09 42	0.11 38	0.08 45	0.15 75	0.06 18	0.03 20	0.05 19	0.10 25	0.10 25	0.08 22	0.08 17

raft_robust	0.12 82	0.09 90	0.09 103	0.11 104	0.06 39	0.09 71	0.06 61	0.15 67	0.08 58	0.23 121	0.07 29	0.20 130	0.11 117	0.09 109	0.11 95	0.12 118	0.16 66	0.12 90	0.14 69	0.10 85	0.15 75	0.11 114	0.03 20	0.08 85	0.18 127	0.17 135	0.15 89	0.14 63

iRaft-Stereo_20w	0.13 93	0.07 50	0.05 23	0.12 116	0.12 128	0.12 109	0.09 103	0.15 67	0.10 98	0.28 198	0.10 71	0.19 115	0.04 17	0.10 121	0.10 64	0.11 81	0.23 162	0.11 66	0.15 84	0.13 138	0.20 149	0.08 37	0.09 126	0.06 35	0.18 127	0.15 100	0.20 149	0.26 170

IPLG	0.10 51	0.07 50	0.07 71	0.07 52	0.07 55	0.06 33	0.05 31	0.15 67	0.06 25	0.22 108	0.06 17	0.15 74	0.05 29	0.04 26	0.09 38	0.10 46	0.16 66	0.10 55	0.14 69	0.09 66	0.13 56	0.08 37	0.04 34	0.07 67	0.13 56	0.12 53	0.11 46	0.09 23

FINET	0.12 82	0.12 126	0.12 146	0.12 116	0.10 99	0.11 98	0.13 143	0.15 67	0.12 125	0.13 36	0.12 97	0.13 54	0.10 106	0.09 109	0.18 188	0.13 143	0.16 66	0.11 66	0.17 103	0.10 85	0.13 56	0.10 86	0.10 140	0.10 123	0.13 56	0.11 38	0.13 65	0.13 54

UNet	0.11 60	0.09 90	0.09 103	0.10 89	0.08 65	0.10 91	0.08 85	0.15 67	0.08 58	0.17 61	0.10 71	0.13 54	0.09 93	0.07 75	0.09 38	0.10 46	0.16 66	0.13 117	0.12 49	0.08 45	0.12 35	0.09 62	0.08 111	0.09 107	0.12 47	0.14 79	0.10 32	0.11 36

DeepPrunerF	0.12 82	0.10 102	0.11 132	0.13 125	0.14 150	0.09 71	0.09 103	0.15 67	0.11 110	0.12 32	0.14 120	0.10 29	0.09 93	0.07 75	0.13 135	0.11 81	0.11 26	0.13 117	0.13 62	0.11 102	0.13 56	0.09 62	0.08 111	0.08 85	0.17 108	0.15 100	0.11 46	0.14 63

iResNet_ROB	0.11 60	0.08 78	0.07 71	0.11 104	0.08 65	0.12 109	0.08 85	0.15 67	0.08 58	0.23 121	0.11 85	0.15 74	0.15 160	0.06 53	0.08 21	0.09 30	0.16 66	0.12 90	0.14 69	0.09 66	0.15 75	0.10 86	0.07 88	0.08 85	0.15 82	0.12 53	0.15 89	0.15 75

UDGNet	0.15 135	0.13 141	0.10 116	0.18 161	0.17 167	0.16 143	0.20 178	0.16 75	0.11 110	0.16 52	0.14 120	0.16 84	0.05 29	0.44 222	0.10 64	0.10 46	0.17 82	0.12 90	0.14 69	0.09 66	0.17 103	0.10 86	0.29 226	0.07 67	0.17 108	0.16 117	0.12 54	0.13 54

CREStereo++_RVC	0.11 60	0.07 50	0.05 23	0.08 57	0.09 83	0.08 58	0.07 77	0.16 75	0.09 78	0.26 173	0.09 63	0.17 89	0.13 138	0.08 93	0.09 38	0.10 46	0.19 115	0.08 18	0.13 62	0.07 29	0.20 149	0.08 37	0.06 67	0.06 35	0.14 74	0.12 53	0.16 97	0.15 75
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
FADNet-RVC-Resample	0.13 93	0.10 102	0.12 146	0.12 116	0.10 99	0.13 118	0.10 117	0.16 75	0.13 133	0.18 74	0.13 107	0.17 89	0.12 123	0.10 121	0.11 95	0.09 30	0.13 37	0.15 152	0.15 84	0.18 186	0.15 75	0.13 149	0.10 140	0.14 169	0.17 108	0.13 62	0.12 54	0.12 48

R-Stereo Train	0.13 93	0.07 50	0.07 71	0.09 72	0.10 99	0.15 135	0.05 31	0.16 75	0.12 125	0.28 198	0.13 107	0.21 141	0.08 78	0.11 134	0.10 64	0.11 81	0.23 162	0.12 90	0.16 94	0.11 102	0.21 164	0.11 114	0.08 111	0.07 67	0.15 82	0.14 79	0.16 97	0.15 75

RTSC	0.14 117	0.11 114	0.11 132	0.12 116	0.11 116	0.12 109	0.10 117	0.16 75	0.14 140	0.18 74	0.13 107	0.15 74	0.14 152	0.08 93	0.13 135	0.13 143	0.20 130	0.13 117	0.21 146	0.12 123	0.16 90	0.12 132	0.07 88	0.10 123	0.16 98	0.17 135	0.21 160	0.33 186

RAFT-Stereo	0.13 93	0.07 50	0.07 71	0.09 72	0.10 99	0.15 135	0.05 31	0.16 75	0.12 125	0.28 198	0.13 107	0.21 141	0.08 78	0.11 134	0.10 64	0.11 81	0.23 162	0.12 90	0.16 94	0.11 102	0.21 164	0.11 114	0.08 111	0.07 67	0.15 82	0.14 79	0.16 97	0.15 75
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DLCB_ROB	0.14 117	0.12 126	0.12 146	0.10 89	0.10 99	0.10 91	0.09 103	0.16 75	0.12 125	0.18 74	0.17 157	0.19 115	0.13 138	0.11 134	0.12 122	0.11 81	0.16 66	0.13 117	0.14 69	0.10 85	0.18 121	0.11 114	0.09 126	0.12 151	0.27 195	0.16 117	0.16 97	0.14 63

XPNet_ROB	0.18 159	0.21 189	0.14 167	0.15 144	0.16 161	0.15 135	0.15 154	0.16 75	0.14 140	0.19 86	0.19 176	0.49 201	0.13 138	0.11 134	0.16 173	0.14 162	0.25 188	0.16 164	0.18 117	0.14 148	0.17 103	0.19 195	0.13 164	0.14 169	0.18 127	0.17 135	0.32 195	0.29 180

DN-CSS_ROB	0.11 60	0.09 90	0.12 146	0.08 57	0.09 83	0.08 58	0.08 85	0.16 75	0.10 98	0.23 121	0.17 157	0.19 115	0.14 152	0.05 42	0.09 38	0.09 30	0.13 37	0.10 55	0.18 117	0.09 66	0.12 35	0.08 37	0.07 88	0.08 85	0.13 56	0.11 38	0.12 54	0.11 36

AE-Stereo	0.13 93	0.09 90	0.08 93	0.11 104	0.09 83	0.08 58	0.05 31	0.17 84	0.14 140	0.24 137	0.10 71	0.19 115	0.10 106	0.07 75	0.11 95	0.12 118	0.24 180	0.13 117	0.17 103	0.11 102	0.19 136	0.10 86	0.05 50	0.09 107	0.14 74	0.14 79	0.15 89	0.14 63

IGEV_Zeroshot_test	0.14 117	0.07 50	0.06 47	0.13 125	0.13 140	0.10 91	0.11 126	0.17 84	0.09 78	0.28 198	0.10 71	0.23 158	0.05 29	0.12 152	0.10 64	0.11 81	0.23 162	0.11 66	0.17 103	0.12 123	0.20 149	0.10 86	0.09 126	0.06 35	0.20 150	0.15 100	0.23 166	0.27 173

EKT-Stereo	0.15 135	0.10 102	0.07 71	0.13 125	0.13 140	0.16 143	0.17 167	0.17 84	0.11 110	0.26 173	0.17 157	0.17 89	0.07 65	0.11 134	0.11 95	0.11 81	0.24 180	0.15 152	0.24 172	0.12 123	0.25 205	0.10 86	0.07 88	0.08 85	0.20 150	0.16 117	0.17 110	0.17 99

Any-RAFT	0.13 93	0.07 50	0.06 47	0.11 104	0.09 83	0.12 109	0.08 85	0.17 84	0.10 98	0.26 173	0.09 63	0.20 130	0.08 78	0.11 134	0.11 95	0.11 81	0.22 153	0.11 66	0.21 146	0.10 85	0.22 177	0.10 86	0.08 111	0.06 35	0.16 98	0.16 117	0.17 110	0.17 99

RAFT-Test	0.13 93	0.07 50	0.06 47	0.09 72	0.11 116	0.13 118	0.08 85	0.17 84	0.11 110	0.27 186	0.11 85	0.20 130	0.05 29	0.12 152	0.10 64	0.11 81	0.23 162	0.12 90	0.21 146	0.14 148	0.21 164	0.11 114	0.07 88	0.08 85	0.17 108	0.16 117	0.17 110	0.17 99

EGLCR-Stereo	0.11 60	0.06 29	0.04 9	0.08 57	0.08 65	0.07 49	0.05 31	0.17 84	0.09 78	0.27 186	0.06 17	0.19 115	0.06 46	0.08 93	0.08 21	0.10 46	0.20 130	0.10 55	0.16 94	0.07 29	0.17 103	0.08 37	0.04 34	0.06 35	0.10 25	0.13 62	0.18 128	0.17 99

dd	0.14 117	0.12 126	0.07 71	0.25 188	0.11 116	0.19 169	0.09 103	0.17 84	0.08 58	0.17 61	0.08 46	0.33 181	0.08 78	0.06 53	0.11 95	0.11 81	0.24 180	0.11 66	0.25 176	0.09 66	0.15 75	0.09 62	0.06 67	0.09 107	0.17 108	0.13 62	0.18 128	0.14 63

MIPNet	0.11 60	0.09 90	0.06 47	0.07 52	0.08 65	0.07 49	0.05 31	0.17 84	0.06 25	0.23 121	0.07 29	0.16 84	0.08 78	0.05 42	0.10 64	0.11 81	0.17 82	0.11 66	0.20 140	0.12 123	0.13 56	0.11 114	0.05 50	0.07 67	0.16 98	0.15 100	0.11 46	0.13 54

GMOStereo	0.11 60	0.07 50	0.09 103	0.06 31	0.05 22	0.06 33	0.05 31	0.17 84	0.09 78	0.24 137	0.07 29	0.17 89	0.09 93	0.05 42	0.11 95	0.12 118	0.17 82	0.08 18	0.12 49	0.08 45	0.19 136	0.08 37	0.03 20	0.07 67	0.18 127	0.18 150	0.14 76	0.17 99

error version	0.11 60	0.07 50	0.09 103	0.06 31	0.05 22	0.06 33	0.05 31	0.17 84	0.09 78	0.24 137	0.07 29	0.17 89	0.09 93	0.05 42	0.11 95	0.12 118	0.17 82	0.08 18	0.12 49	0.08 45	0.19 136	0.08 37	0.03 20	0.07 67	0.18 127	0.18 150	0.14 76	0.17 99

test-v	0.11 60	0.07 50	0.09 103	0.06 31	0.05 22	0.06 33	0.05 31	0.17 84	0.09 78	0.24 137	0.07 29	0.17 89	0.09 93	0.05 42	0.11 95	0.12 118	0.17 82	0.08 18	0.12 49	0.08 45	0.19 136	0.08 37	0.03 20	0.07 67	0.18 127	0.18 150	0.14 76	0.17 99

test-3	0.10 51	0.06 29	0.04 9	0.06 31	0.08 65	0.06 33	0.05 31	0.17 84	0.07 40	0.24 137	0.08 46	0.19 115	0.08 78	0.06 53	0.11 95	0.11 81	0.20 130	0.10 55	0.15 84	0.10 85	0.16 90	0.10 86	0.05 50	0.06 35	0.10 25	0.11 38	0.12 54	0.11 36

test_1	0.10 51	0.06 29	0.04 9	0.06 31	0.08 65	0.06 33	0.05 31	0.17 84	0.07 40	0.24 137	0.08 46	0.19 115	0.08 78	0.06 53	0.11 95	0.11 81	0.20 130	0.10 55	0.15 84	0.10 85	0.16 90	0.10 86	0.05 50	0.06 35	0.10 25	0.11 38	0.12 54	0.11 36

test_3	0.11 60	0.07 50	0.07 71	0.06 31	0.08 65	0.05 21	0.05 31	0.17 84	0.10 98	0.24 137	0.09 63	0.22 154	0.12 123	0.06 53	0.13 135	0.13 143	0.20 130	0.09 42	0.14 69	0.10 85	0.18 121	0.09 62	0.04 34	0.08 85	0.13 56	0.14 79	0.13 65	0.14 63

test-2	0.11 60	0.07 50	0.09 103	0.06 31	0.05 22	0.06 33	0.05 31	0.17 84	0.09 78	0.24 137	0.07 29	0.17 89	0.09 93	0.05 42	0.11 95	0.12 118	0.17 82	0.08 18	0.12 49	0.08 45	0.19 136	0.08 37	0.03 20	0.07 67	0.18 127	0.18 150	0.14 76	0.17 99

cross-raft	0.14 117	0.08 78	0.07 71	0.08 57	0.10 99	0.12 109	0.08 85	0.17 84	0.13 133	0.27 186	0.12 97	0.21 141	0.05 29	0.11 134	0.13 135	0.14 162	0.22 153	0.11 66	0.23 166	0.13 138	0.23 188	0.10 86	0.06 67	0.08 85	0.22 173	0.18 150	0.14 76	0.16 86

ICVP	0.15 135	0.13 141	0.14 167	0.12 116	0.12 128	0.13 118	0.10 117	0.17 84	0.12 125	0.17 61	0.14 120	0.18 104	0.12 123	0.09 109	0.13 135	0.14 162	0.18 101	0.15 152	0.16 94	0.14 148	0.17 103	0.14 158	0.20 190	0.11 136	0.19 140	0.19 167	0.17 110	0.17 99
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GMStereo	0.12 82	0.12 126	0.07 71	0.11 104	0.11 116	0.13 118	0.09 103	0.17 84	0.10 98	0.17 61	0.14 120	0.22 154	0.11 117	0.07 75	0.10 64	0.09 30	0.17 82	0.10 55	0.17 103	0.12 123	0.15 75	0.09 62	0.07 88	0.09 107	0.14 74	0.13 62	0.15 89	0.12 48
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
AF-Net	0.15 135	0.13 141	0.13 157	0.14 134	0.18 173	0.15 135	0.14 149	0.17 84	0.16 154	0.17 61	0.21 185	0.18 104	0.12 123	0.10 121	0.18 188	0.16 185	0.14 49	0.14 139	0.15 84	0.11 102	0.12 35	0.11 114	0.13 164	0.10 123	0.15 82	0.16 117	0.20 149	0.15 75

Nwc_Net	0.15 135	0.13 141	0.13 157	0.14 134	0.18 173	0.15 135	0.14 149	0.17 84	0.16 154	0.17 61	0.21 185	0.18 104	0.12 123	0.10 121	0.18 188	0.16 185	0.14 49	0.14 139	0.15 84	0.11 102	0.12 35	0.11 114	0.13 164	0.10 123	0.15 82	0.16 117	0.20 149	0.15 75

ADCRef	0.13 93	0.10 102	0.10 116	0.10 89	0.08 65	0.09 71	0.09 103	0.17 84	0.14 140	0.20 94	0.15 136	0.15 74	0.13 138	0.05 42	0.11 95	0.11 81	0.16 66	0.14 139	0.19 127	0.12 123	0.16 90	0.12 132	0.09 126	0.11 136	0.14 74	0.18 150	0.13 65	0.19 127

MSMDNet	0.13 93	0.08 78	0.06 47	0.09 72	0.12 128	0.10 91	0.08 85	0.17 84	0.11 110	0.27 186	0.10 71	0.20 130	0.06 46	0.12 152	0.10 64	0.11 81	0.23 162	0.12 90	0.19 127	0.16 176	0.21 164	0.12 132	0.07 88	0.08 85	0.17 108	0.15 100	0.17 110	0.18 118

CFNet_RVC	0.13 93	0.12 126	0.10 116	0.14 134	0.11 116	0.14 125	0.09 103	0.17 84	0.09 78	0.19 86	0.13 107	0.21 141	0.09 93	0.10 121	0.12 122	0.13 143	0.18 101	0.13 117	0.15 84	0.11 102	0.16 90	0.09 62	0.06 67	0.09 107	0.16 98	0.13 62	0.16 97	0.17 99

UCFNet_RVC	0.15 135	0.17 174	0.12 146	0.16 148	0.14 150	0.17 152	0.11 126	0.17 84	0.13 133	0.21 103	0.13 107	0.28 171	0.12 123	0.10 121	0.12 122	0.13 143	0.18 101	0.13 117	0.17 103	0.12 123	0.17 103	0.09 62	0.10 140	0.11 136	0.19 140	0.16 117	0.17 110	0.20 135

DeepPruner_ROB	0.14 117	0.13 141	0.11 132	0.12 116	0.11 116	0.11 98	0.09 103	0.17 84	0.12 125	0.21 103	0.18 167	0.15 74	0.13 138	0.08 93	0.14 153	0.11 81	0.18 101	0.15 152	0.19 127	0.11 102	0.18 121	0.14 158	0.10 140	0.11 136	0.17 108	0.17 135	0.17 110	0.19 127

iResNetv2_ROB	0.12 82	0.08 78	0.08 93	0.12 116	0.09 83	0.12 109	0.08 85	0.17 84	0.08 58	0.22 108	0.12 97	0.20 130	0.16 165	0.07 75	0.09 38	0.09 30	0.16 66	0.11 66	0.17 103	0.10 85	0.15 75	0.10 86	0.09 126	0.10 123	0.15 82	0.13 62	0.19 136	0.12 48

CASnet	0.10 51	0.06 29	0.05 23	0.08 57	0.09 83	0.11 98	0.05 31	0.18 110	0.10 98	0.23 121	0.11 85	0.13 54	0.06 46	0.08 93	0.10 64	0.10 46	0.16 66	0.08 18	0.19 127	0.08 45	0.14 71	0.06 18	0.06 67	0.06 35	0.12 47	0.10 25	0.14 76	0.10 28
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
anonymity	0.13 93	0.06 29	0.05 23	0.09 72	0.10 99	0.09 71	0.07 77	0.18 110	0.08 58	0.28 198	0.13 107	0.19 115	0.06 46	0.09 109	0.10 64	0.13 143	0.23 162	0.12 90	0.17 103	0.15 164	0.20 149	0.10 86	0.09 126	0.07 67	0.20 150	0.19 167	0.19 136	0.19 127

CIPLG	0.09 33	0.06 29	0.05 23	0.06 31	0.06 39	0.09 71	0.06 61	0.18 110	0.06 25	0.20 94	0.08 46	0.13 54	0.07 65	0.06 53	0.08 21	0.10 46	0.17 82	0.11 66	0.11 38	0.09 66	0.13 56	0.06 18	0.04 34	0.06 35	0.10 25	0.10 25	0.10 32	0.10 28

IPLGR_C	0.09 33	0.06 29	0.05 23	0.06 31	0.06 39	0.09 71	0.06 61	0.18 110	0.06 25	0.20 94	0.08 46	0.13 54	0.07 65	0.06 53	0.08 21	0.11 81	0.17 82	0.11 66	0.11 38	0.09 66	0.13 56	0.06 18	0.04 34	0.06 35	0.10 25	0.09 21	0.10 32	0.10 28

IPLGR	0.12 82	0.09 90	0.09 103	0.09 72	0.10 99	0.09 71	0.07 77	0.18 110	0.09 78	0.22 108	0.10 71	0.16 84	0.07 65	0.06 53	0.10 64	0.11 81	0.17 82	0.11 66	0.21 146	0.12 123	0.16 90	0.09 62	0.04 34	0.08 85	0.16 98	0.14 79	0.14 76	0.16 86

ACRE	0.09 33	0.06 29	0.05 23	0.06 31	0.06 39	0.09 71	0.06 61	0.18 110	0.06 25	0.20 94	0.08 46	0.13 54	0.07 65	0.06 53	0.08 21	0.10 46	0.17 82	0.11 66	0.11 38	0.09 66	0.13 56	0.06 18	0.04 34	0.06 35	0.10 25	0.10 25	0.10 32	0.10 28

TRStereo	0.13 93	0.07 50	0.05 23	0.09 72	0.08 65	0.17 152	0.12 138	0.18 110	0.07 40	0.25 159	0.09 63	0.20 130	0.05 29	0.10 121	0.10 64	0.11 81	0.21 143	0.11 66	0.22 159	0.14 148	0.19 136	0.09 62	0.09 126	0.07 67	0.17 108	0.17 135	0.24 173	0.19 127

LMCR-Stereo	0.13 93	0.09 90	0.07 71	0.11 104	0.08 65	0.11 98	0.09 103	0.18 110	0.09 78	0.19 86	0.14 120	0.19 115	0.14 152	0.10 121	0.10 64	0.11 81	0.20 130	0.13 117	0.19 127	0.11 102	0.18 121	0.10 86	0.08 111	0.08 85	0.15 82	0.13 62	0.19 136	0.17 99

GEStereo_RVC	0.14 117	0.13 141	0.10 116	0.11 104	0.12 128	0.12 109	0.11 126	0.18 110	0.13 133	0.24 137	0.16 147	0.18 104	0.10 106	0.06 53	0.13 135	0.12 118	0.20 130	0.16 164	0.23 166	0.13 138	0.16 90	0.14 158	0.07 88	0.11 136	0.21 162	0.15 100	0.13 65	0.20 135

s12784h	0.12 82	0.09 90	0.06 47	0.11 104	0.09 83	0.08 58	0.06 61	0.18 110	0.07 40	0.26 173	0.12 97	0.19 115	0.09 93	0.07 75	0.09 38	0.10 46	0.20 130	0.08 18	0.15 84	0.07 29	0.20 149	0.08 37	0.05 50	0.07 67	0.16 98	0.15 100	0.18 128	0.21 150

XX-Stereo	0.14 117	0.05 19	0.05 23	0.10 89	0.07 55	0.17 152	0.07 77	0.18 110	0.10 98	0.27 186	0.09 63	0.21 141	0.03 7	0.10 121	0.11 95	0.12 118	0.22 153	0.11 66	0.21 146	0.11 102	0.20 149	0.09 62	0.08 111	0.07 67	0.23 182	0.17 135	0.17 110	0.35 192

EAI-Stereo	0.13 93	0.07 50	0.04 9	0.10 89	0.10 99	0.10 91	0.09 103	0.18 110	0.10 98	0.26 173	0.11 85	0.20 130	0.05 29	0.10 121	0.10 64	0.12 118	0.22 153	0.12 90	0.19 127	0.12 123	0.19 136	0.09 62	0.08 111	0.08 85	0.16 98	0.15 100	0.16 97	0.20 135

CREStereo	0.11 60	0.08 78	0.06 47	0.08 57	0.08 65	0.07 49	0.05 31	0.18 110	0.05 12	0.26 173	0.08 46	0.18 104	0.06 46	0.08 93	0.09 38	0.10 46	0.22 153	0.08 18	0.13 62	0.08 45	0.20 149	0.09 62	0.06 67	0.06 35	0.12 47	0.13 62	0.17 110	0.16 86
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
PMTNet	0.11 60	0.10 102	0.06 47	0.12 116	0.09 83	0.07 49	0.06 61	0.18 110	0.06 25	0.28 198	0.06 17	0.18 104	0.04 17	0.07 75	0.10 64	0.11 81	0.18 101	0.08 18	0.14 69	0.08 45	0.18 121	0.10 86	0.07 88	0.05 19	0.13 56	0.12 53	0.17 110	0.16 86

ADCL	0.14 117	0.12 126	0.11 132	0.13 125	0.11 116	0.14 125	0.11 126	0.18 110	0.16 154	0.22 108	0.16 147	0.21 141	0.13 138	0.09 109	0.12 122	0.12 118	0.17 82	0.13 117	0.18 117	0.13 138	0.19 136	0.14 158	0.11 149	0.11 136	0.17 108	0.16 117	0.16 97	0.17 99

HSM-Net_RVC	0.16 150	0.12 126	0.10 116	0.17 156	0.13 140	0.14 125	0.10 117	0.18 110	0.14 140	0.25 159	0.18 167	0.28 171	0.17 168	0.11 134	0.12 122	0.11 81	0.19 115	0.13 117	0.17 103	0.11 102	0.18 121	0.12 132	0.08 111	0.11 136	0.19 140	0.17 135	0.23 166	0.24 159
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
HSM	0.14 117	0.12 126	0.09 103	0.14 134	0.13 140	0.12 109	0.11 126	0.18 110	0.11 110	0.23 121	0.15 136	0.18 104	0.14 152	0.08 93	0.12 122	0.11 81	0.21 143	0.12 90	0.17 103	0.12 123	0.18 121	0.11 114	0.07 88	0.08 85	0.17 108	0.16 117	0.17 110	0.18 118

ETE_ROB	0.22 181	0.23 199	0.15 174	0.20 172	0.16 161	0.19 169	0.17 167	0.18 110	0.19 174	0.21 103	0.22 194	0.64 212	0.16 165	0.14 168	0.17 180	0.14 162	0.30 215	0.19 193	0.25 176	0.19 190	0.22 177	0.18 186	0.16 175	0.15 172	0.22 173	0.28 216	0.41 217	0.27 173

LALA_ROB	0.22 181	0.25 203	0.16 178	0.19 167	0.17 167	0.22 187	0.16 159	0.18 110	0.19 174	0.24 137	0.21 185	0.63 211	0.15 160	0.13 165	0.26 214	0.17 197	0.27 204	0.22 205	0.23 166	0.19 190	0.20 149	0.21 207	0.14 170	0.15 172	0.20 150	0.22 185	0.35 203	0.26 170

MSKI-zero shot	0.13 93	0.08 78	0.05 23	0.09 72	0.11 116	0.09 71	0.07 77	0.19 129	0.09 78	0.28 198	0.10 71	0.19 115	0.06 46	0.11 134	0.11 95	0.12 118	0.23 162	0.11 66	0.17 103	0.11 102	0.22 177	0.10 86	0.07 88	0.08 85	0.14 74	0.17 135	0.18 128	0.18 118

DLNR_Zeroshot_test	10.02 264	31.66 274	0.05 23	54.25 274	0.10 99	0.18 160	50.40 274	0.19 129	0.08 58	0.27 186	0.07 29	0.20 130	0.04 17	0.14 168	60.23 273	70.55 274	0.34 220	0.18 188	0.26 180	0.11 102	0.20 149	0.08 37	0.07 88	0.09 107	0.19 140	0.15 100	0.20 149	0.25 167

HH	0.13 93	0.06 29	0.05 23	0.11 104	0.12 128	0.16 143	0.08 85	0.19 129	0.08 58	0.28 198	0.08 46	0.18 104	0.06 46	0.12 152	0.11 95	0.11 81	0.23 162	0.12 90	0.16 94	0.11 102	0.20 149	0.08 37	0.07 88	0.08 85	0.13 56	0.15 100	0.19 136	0.24 159

HanStereo	0.13 93	0.06 29	0.05 23	0.11 104	0.12 128	0.16 143	0.08 85	0.19 129	0.08 58	0.28 198	0.08 46	0.18 104	0.06 46	0.12 152	0.11 95	0.11 81	0.23 162	0.12 90	0.16 94	0.11 102	0.20 149	0.08 37	0.07 88	0.08 85	0.13 56	0.15 100	0.19 136	0.24 159

CASS	0.15 135	0.12 126	0.10 116	0.14 134	0.12 128	0.16 143	0.10 117	0.19 129	0.15 150	0.26 173	0.12 97	0.20 130	0.12 123	0.09 109	0.13 135	0.12 118	0.23 162	0.12 90	0.24 172	0.10 85	0.20 149	0.11 114	0.07 88	0.09 107	0.23 182	0.14 79	0.19 136	0.22 154
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
GLC_STEREO	0.13 93	0.11 114	0.12 146	0.12 116	0.11 116	0.11 98	0.10 117	0.19 129	0.07 40	0.25 159	0.13 107	0.13 54	0.07 65	0.07 75	0.09 38	0.12 118	0.24 180	0.11 66	0.17 103	0.09 66	0.27 214	0.16 177	0.07 88	0.07 67	0.16 98	0.10 25	0.20 149	0.12 48

SACVNet	0.16 150	0.14 154	0.13 157	0.16 148	0.13 140	0.14 125	0.12 138	0.19 129	0.17 161	0.19 86	0.17 157	0.14 68	0.07 65	0.14 168	0.15 165	0.14 162	0.19 115	0.16 164	0.20 140	0.13 138	0.17 103	0.14 158	0.12 160	0.13 162	0.21 162	0.19 167	0.19 136	0.17 99

AACVNet	0.14 117	0.13 141	0.10 116	0.13 125	0.13 140	0.14 125	0.10 117	0.19 129	0.11 110	0.22 108	0.18 167	0.14 68	0.10 106	0.09 109	0.12 122	0.11 81	0.21 143	0.13 117	0.17 103	0.12 123	0.16 90	0.11 114	0.11 149	0.11 136	0.18 127	0.14 79	0.14 76	0.16 86

test-1	0.15 135	0.06 29	0.07 71	0.11 104	0.10 99	0.18 160	0.14 149	0.19 129	0.13 133	0.28 198	0.10 71	0.19 115	0.11 117	0.12 152	0.13 135	0.14 162	0.22 153	0.12 90	0.23 166	0.10 85	0.24 199	0.09 62	0.09 126	0.08 85	0.21 162	0.18 150	0.15 89	0.18 118

TestStereo	0.13 93	0.12 126	0.10 116	0.11 104	0.08 65	0.11 98	0.10 117	0.19 129	0.11 110	0.24 137	0.14 120	0.20 130	0.08 78	0.06 53	0.12 122	0.10 46	0.20 130	0.11 66	0.20 140	0.10 85	0.21 164	0.11 114	0.06 67	0.12 151	0.19 140	0.11 38	0.12 54	0.13 54

CFNet_pseudo	0.13 93	0.11 114	0.11 132	0.14 134	0.11 116	0.12 109	0.11 126	0.19 129	0.12 125	0.24 137	0.14 120	0.17 89	0.15 160	0.09 109	0.10 64	0.10 46	0.16 66	0.13 117	0.13 62	0.08 45	0.15 75	0.08 37	0.08 111	0.09 107	0.15 82	0.14 79	0.19 136	0.21 150

Anonymous	0.15 135	0.10 102	0.10 116	0.10 89	0.10 99	0.10 91	0.08 85	0.19 129	0.09 78	0.20 94	0.13 107	0.19 115	0.17 168	0.07 75	0.14 153	0.15 180	0.20 130	0.17 177	0.18 117	0.15 164	0.23 188	0.16 177	0.06 67	0.10 123	0.23 182	0.18 150	0.19 136	0.15 75

APVNet	0.15 135	0.13 141	0.11 132	0.13 125	0.17 167	0.15 135	0.13 143	0.19 129	0.11 110	0.14 39	0.13 107	0.17 89	0.09 93	0.16 179	0.17 180	0.16 185	0.21 143	0.14 139	0.22 159	0.15 164	0.15 75	0.12 132	0.07 88	0.12 151	0.17 108	0.15 100	0.19 136	0.17 99

RP	0.15 135	0.14 154	0.16 178	0.17 156	0.14 150	0.17 152	0.16 159	0.19 129	0.17 161	0.14 39	0.16 147	0.16 84	0.15 160	0.11 134	0.14 153	0.12 118	0.15 58	0.12 90	0.15 84	0.12 123	0.12 35	0.13 149	0.10 140	0.12 151	0.17 108	0.17 135	0.20 149	0.18 118

NCC-stereo	0.18 159	0.16 166	0.16 178	0.16 148	0.18 173	0.18 160	0.18 169	0.19 129	0.20 187	0.16 52	0.19 176	0.21 141	0.21 180	0.12 152	0.22 204	0.18 203	0.18 101	0.19 193	0.19 127	0.15 164	0.16 90	0.15 168	0.15 172	0.12 151	0.19 140	0.18 150	0.24 173	0.20 135

Abc-Net	0.18 159	0.16 166	0.16 178	0.16 148	0.18 173	0.18 160	0.18 169	0.19 129	0.20 187	0.16 52	0.19 176	0.21 141	0.21 180	0.12 152	0.22 204	0.18 203	0.18 101	0.19 193	0.19 127	0.15 164	0.16 90	0.15 168	0.15 172	0.12 151	0.19 140	0.18 150	0.24 173	0.20 135
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RASNet	0.11 60	0.10 102	0.10 116	0.09 72	0.07 55	0.08 58	0.08 85	0.19 129	0.09 78	0.17 61	0.10 71	0.13 54	0.09 93	0.06 53	0.09 38	0.10 46	0.14 49	0.09 42	0.12 49	0.06 18	0.15 75	0.09 62	0.05 50	0.10 123	0.13 56	0.12 53	0.17 110	0.17 99

DDUNet	0.26 194	0.21 189	0.12 146	0.38 205	0.31 212	0.41 216	0.48 222	0.20 146	0.16 154	0.16 52	0.25 204	0.17 89	0.08 78	1.61 240	0.15 165	0.14 162	0.21 143	0.15 152	0.25 176	0.14 148	0.18 121	0.13 149	0.25 204	0.16 180	0.17 108	0.19 167	0.18 128	0.22 154

UDG	0.26 194	0.21 189	0.13 157	0.39 209	0.32 213	0.39 214	0.53 227	0.20 146	0.16 154	0.19 86	0.23 196	0.17 89	0.09 93	1.45 236	0.16 173	0.13 143	0.27 204	0.16 164	0.27 186	0.14 148	0.22 177	0.14 158	0.25 204	0.12 151	0.21 162	0.21 177	0.21 160	0.19 127

PSMNet-ADL	0.18 159	0.13 141	0.13 157	0.16 148	0.14 150	0.17 152	0.16 159	0.20 146	0.22 192	0.27 186	0.20 183	0.29 177	0.26 191	0.18 181	0.16 173	0.14 162	0.23 162	0.14 139	0.22 159	0.14 148	0.19 136	0.11 114	0.10 140	0.11 136	0.20 150	0.16 117	0.23 166	0.20 135

GANet-ADL	0.15 135	0.12 126	0.09 103	0.14 134	0.12 128	0.16 143	0.12 138	0.20 146	0.10 98	0.25 159	0.15 136	0.22 154	0.12 123	0.21 195	0.11 95	0.11 81	0.25 188	0.14 139	0.21 146	0.14 148	0.19 136	0.10 86	0.08 111	0.10 123	0.17 108	0.16 117	0.20 149	0.17 99

pcwnet_v2	0.16 150	0.12 126	0.12 146	0.16 148	0.14 150	0.17 152	0.14 149	0.20 146	0.13 133	0.22 108	0.14 120	0.19 115	0.18 172	0.12 152	0.11 95	0.12 118	0.18 101	0.14 139	0.17 103	0.12 123	0.16 90	0.11 114	0.09 126	0.11 136	0.20 150	0.19 167	0.19 136	0.28 177

sCroCo_RVC	0.14 117	0.09 90	0.09 103	0.08 57	0.07 55	0.10 91	0.07 77	0.20 146	0.14 140	0.18 74	0.12 97	0.13 54	0.14 152	0.06 53	0.14 153	0.16 185	0.22 153	0.15 152	0.22 159	0.13 138	0.21 164	0.16 177	0.06 67	0.12 151	0.18 127	0.15 100	0.17 110	0.17 99

GES	0.14 117	0.11 114	0.07 71	0.09 72	0.11 116	0.15 135	0.09 103	0.20 146	0.09 78	0.23 121	0.12 97	0.17 89	0.11 117	0.14 168	0.12 122	0.11 81	0.23 162	0.14 139	0.24 172	0.14 148	0.18 121	0.18 186	0.11 149	0.09 107	0.15 82	0.13 62	0.21 160	0.20 135

psm_up	0.15 135	0.11 114	0.13 157	0.15 144	0.12 128	0.14 125	0.11 126	0.20 146	0.17 161	0.19 86	0.13 107	0.15 74	0.17 168	0.10 121	0.14 153	0.12 118	0.19 115	0.13 117	0.17 103	0.11 102	0.15 75	0.10 86	0.10 140	0.16 180	0.18 127	0.17 135	0.17 110	0.19 127

stereogan	0.16 150	0.15 162	0.15 174	0.16 148	0.18 173	0.18 160	0.16 159	0.20 146	0.19 174	0.14 39	0.16 147	0.20 130	0.18 172	0.13 165	0.16 173	0.13 143	0.16 66	0.14 139	0.18 117	0.14 148	0.15 75	0.13 149	0.13 164	0.13 162	0.16 98	0.17 135	0.23 166	0.18 118

CFNet	0.12 82	0.11 114	0.08 93	0.14 134	0.12 128	0.11 98	0.09 103	0.20 146	0.10 98	0.18 74	0.12 97	0.25 167	0.10 106	0.08 93	0.09 38	0.09 30	0.17 82	0.12 90	0.12 49	0.09 66	0.12 35	0.08 37	0.06 67	0.10 123	0.15 82	0.13 62	0.13 65	0.13 54

pmcnn	0.19 167	0.14 154	0.11 132	0.18 161	0.13 140	0.19 169	0.16 159	0.20 146	0.19 174	0.26 173	0.15 136	0.35 184	0.26 191	0.09 109	0.11 95	0.11 81	0.25 188	0.14 139	0.24 172	0.14 148	0.23 188	0.15 168	0.11 149	0.11 136	0.21 162	0.19 167	0.40 215	0.46 213

GwcNet-ADL	0.17 156	0.12 126	0.11 132	0.19 167	0.14 150	0.17 152	0.14 149	0.21 157	0.14 140	0.24 137	0.17 157	0.32 180	0.16 165	0.20 190	0.13 135	0.14 162	0.23 162	0.15 152	0.23 166	0.13 138	0.18 121	0.12 132	0.06 67	0.10 123	0.19 140	0.16 117	0.19 136	0.22 154

FADNet-RVC	0.15 135	0.13 141	0.11 132	0.18 161	0.12 128	0.14 125	0.10 117	0.21 157	0.09 78	0.19 86	0.17 157	0.18 104	0.12 123	0.11 134	0.17 180	0.15 180	0.18 101	0.13 117	0.18 117	0.15 164	0.12 35	0.13 149	0.12 160	0.11 136	0.21 162	0.16 117	0.14 76	0.15 75

FADNet	0.16 150	0.15 162	0.10 116	0.20 172	0.10 99	0.19 169	0.13 143	0.21 157	0.13 133	0.22 108	0.26 209	0.17 89	0.14 152	0.12 152	0.20 200	0.16 185	0.16 66	0.14 139	0.23 166	0.20 197	0.16 90	0.13 149	0.11 149	0.11 136	0.21 162	0.17 135	0.16 97	0.15 75

PA-Net	0.19 167	0.21 189	0.25 213	0.14 134	0.20 184	0.18 160	0.21 184	0.21 157	0.19 174	0.17 61	0.15 136	0.17 89	0.21 180	0.26 201	0.17 180	0.18 203	0.15 58	0.19 193	0.13 62	0.17 180	0.14 71	0.16 177	0.10 140	0.16 180	0.18 127	0.27 212	0.17 110	0.35 192
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MLCV	0.14 117	0.11 114	0.09 103	0.16 148	0.12 128	0.14 125	0.11 126	0.21 157	0.10 98	0.24 137	0.13 107	0.21 141	0.15 160	0.08 93	0.10 64	0.10 46	0.19 115	0.11 66	0.19 127	0.09 66	0.18 121	0.09 62	0.10 140	0.09 107	0.17 108	0.14 79	0.16 97	0.20 135

iResNet	0.17 156	0.11 114	0.10 116	0.15 144	0.13 140	0.17 152	0.12 138	0.21 157	0.14 140	0.25 159	0.14 120	0.35 184	0.32 204	0.08 93	0.12 122	0.11 81	0.20 130	0.12 90	0.26 180	0.15 164	0.18 121	0.12 132	0.11 149	0.13 162	0.18 127	0.15 100	0.20 149	0.19 127

NCCL2	0.18 159	0.17 174	0.16 178	0.13 125	0.13 140	0.13 118	0.12 138	0.21 157	0.18 167	0.22 108	0.15 136	0.23 158	0.13 138	0.10 121	0.17 180	0.16 185	0.19 115	0.17 177	0.19 127	0.17 180	0.22 177	0.18 186	0.11 149	0.16 180	0.26 192	0.26 202	0.20 149	0.24 159

FBW_ROB	0.27 199	0.26 206	0.25 213	0.38 205	0.26 201	0.32 203	0.20 178	0.21 157	0.19 174	0.27 186	0.21 185	0.45 195	0.32 204	0.26 201	0.22 204	0.20 214	0.27 204	0.17 177	0.52 219	0.14 148	0.22 177	0.15 168	0.17 180	0.28 216	0.22 173	0.19 167	0.33 197	0.57 225

PWC_ROB	0.23 188	0.20 187	0.14 167	0.18 161	0.17 167	0.16 143	0.20 178	0.21 157	0.27 209	0.15 45	0.21 185	0.28 171	0.63 233	0.13 165	0.14 153	0.13 143	0.27 204	0.18 188	0.37 205	0.19 190	0.22 177	0.18 186	0.16 175	0.24 206	0.20 150	0.19 167	0.24 173	0.44 209

Anonymous3	0.18 159	0.15 162	0.11 132	0.15 144	0.10 99	0.14 125	0.11 126	0.22 166	0.19 174	0.27 186	0.15 136	0.27 170	0.12 123	0.12 152	0.27 216	0.18 203	0.22 153	0.18 188	0.26 180	0.17 180	0.25 205	0.21 207	0.09 126	0.10 123	0.21 162	0.21 177	0.22 165	0.20 135

sAnonymous2	0.14 117	0.09 90	0.10 116	0.10 89	0.09 83	0.09 71	0.11 126	0.22 166	0.11 110	0.23 121	0.17 157	0.15 74	0.10 106	0.06 53	0.13 135	0.14 162	0.18 101	0.15 152	0.21 146	0.14 148	0.17 103	0.15 168	0.05 50	0.10 123	0.17 108	0.17 135	0.17 110	0.16 86

CroCo_RVC	0.14 117	0.09 90	0.10 116	0.10 89	0.09 83	0.09 71	0.11 126	0.22 166	0.11 110	0.23 121	0.17 157	0.15 74	0.10 106	0.06 53	0.13 135	0.14 162	0.18 101	0.15 152	0.21 146	0.14 148	0.17 103	0.15 168	0.05 50	0.10 123	0.17 108	0.17 135	0.17 110	0.16 86

SFCPSM	0.20 173	0.14 154	0.12 146	0.21 176	0.16 161	0.20 175	0.18 169	0.22 166	0.20 187	0.25 159	0.24 199	0.34 183	0.34 211	0.14 168	0.13 135	0.13 143	0.24 180	0.16 164	0.32 194	0.19 190	0.19 136	0.13 149	0.14 170	0.12 151	0.22 173	0.18 150	0.20 149	0.25 167

RGC	0.19 167	0.17 174	0.17 188	0.19 167	0.20 184	0.20 175	0.15 154	0.22 166	0.26 206	0.17 61	0.21 185	0.21 141	0.24 188	0.15 176	0.24 211	0.19 211	0.18 101	0.16 164	0.19 127	0.16 176	0.17 103	0.14 158	0.13 164	0.16 180	0.21 162	0.21 177	0.24 173	0.25 167

ccs_rob	0.20 173	0.15 162	0.12 146	0.26 190	0.16 161	0.26 196	0.20 178	0.22 166	0.16 154	0.25 159	0.24 199	0.58 209	0.25 189	0.18 181	0.13 135	0.13 143	0.23 162	0.15 152	0.21 146	0.16 176	0.21 164	0.12 132	0.12 160	0.11 136	0.20 150	0.16 117	0.18 128	0.23 157

PS-NSSS	0.17 156	0.19 183	0.18 193	0.23 180	0.18 173	0.18 160	0.16 159	0.22 166	0.12 125	0.23 121	0.21 185	0.44 194	0.08 78	0.11 134	0.14 153	0.10 46	0.13 37	0.13 117	0.26 180	0.11 102	0.11 29	0.07 32	0.18 186	0.15 172	0.17 108	0.21 177	0.14 76	0.20 135

MyStereo04	0.14 117	0.12 126	0.11 132	0.08 57	0.09 83	0.11 98	0.08 85	0.23 173	0.19 174	0.24 137	0.16 147	0.23 158	0.11 117	0.04 26	0.11 95	0.11 81	0.17 82	0.12 90	0.21 146	0.12 123	0.17 103	0.12 132	0.06 67	0.12 151	0.21 162	0.14 79	0.16 97	0.15 75

MyStereo	0.14 117	0.13 141	0.11 132	0.10 89	0.10 99	0.11 98	0.08 85	0.23 173	0.20 187	0.24 137	0.16 147	0.23 158	0.13 138	0.04 26	0.11 95	0.11 81	0.18 101	0.12 90	0.21 146	0.13 138	0.17 103	0.12 132	0.06 67	0.11 136	0.22 173	0.14 79	0.17 110	0.17 99

DAS	0.19 167	0.11 114	0.10 116	0.24 185	0.19 180	0.18 160	0.21 184	0.23 173	0.18 167	0.24 137	0.14 120	0.38 189	0.21 180	0.09 109	0.13 135	0.12 118	0.25 188	0.16 164	0.22 159	0.15 164	0.21 164	0.14 158	0.17 180	0.13 162	0.20 150	0.18 150	0.23 166	0.30 181

SepStereo	0.19 167	0.11 114	0.10 116	0.24 185	0.19 180	0.18 160	0.21 184	0.23 173	0.18 167	0.24 137	0.14 120	0.38 189	0.21 180	0.09 109	0.13 135	0.12 118	0.25 188	0.16 164	0.22 159	0.15 164	0.21 164	0.14 158	0.17 180	0.13 162	0.20 150	0.18 150	0.23 166	0.30 181

SGM-Forest	0.20 173	0.18 180	0.16 178	0.23 180	0.18 173	0.21 183	0.18 169	0.23 173	0.17 161	0.20 94	0.16 147	0.23 158	0.18 172	0.22 196	0.18 188	0.18 203	0.19 115	0.17 177	0.18 117	0.15 164	0.18 121	0.19 195	0.25 204	0.19 191	0.22 173	0.18 150	0.26 182	0.24 159
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
dad	0.18 159	0.16 166	0.12 146	0.36 201	0.16 161	0.24 193	0.21 184	0.24 178	0.09 78	0.22 108	0.11 85	0.38 189	0.12 123	0.08 93	0.13 135	0.11 81	0.27 204	0.13 117	0.30 190	0.11 102	0.19 136	0.12 132	0.09 126	0.13 162	0.19 140	0.14 79	0.31 193	0.24 159

FADNet_RVC	0.18 159	0.14 154	0.13 157	0.20 172	0.15 159	0.14 125	0.13 143	0.24 178	0.14 140	0.24 137	0.18 167	0.28 171	0.22 186	0.14 168	0.15 165	0.12 118	0.20 130	0.17 177	0.32 194	0.15 164	0.20 149	0.15 168	0.11 149	0.15 172	0.20 150	0.21 177	0.18 128	0.23 157

MaskLacGwcNet_RVC	0.36 213	0.16 166	0.13 157	0.26 190	0.22 189	0.23 191	0.27 204	0.24 178	0.15 150	0.24 137	0.16 147	4.16 263	0.22 186	0.19 187	0.14 153	0.13 143	0.33 218	0.22 205	0.32 194	0.20 197	0.24 199	0.19 195	0.22 196	0.14 169	0.20 150	0.20 176	0.21 160	0.24 159

RTS	0.20 173	0.16 166	0.14 167	0.17 156	0.14 150	0.20 175	0.15 154	0.24 178	0.25 202	0.15 45	0.14 120	0.14 68	0.20 178	0.11 134	0.15 165	0.16 185	0.24 180	0.17 177	0.35 201	0.24 207	0.23 188	0.16 177	0.09 126	0.15 172	0.29 203	0.26 202	0.28 188	0.55 222

RTSA	0.20 173	0.16 166	0.14 167	0.17 156	0.14 150	0.20 175	0.15 154	0.24 178	0.25 202	0.15 45	0.14 120	0.14 68	0.20 178	0.11 134	0.15 165	0.16 185	0.24 180	0.17 177	0.35 201	0.24 207	0.23 188	0.16 177	0.09 126	0.15 172	0.29 203	0.26 202	0.28 188	0.55 222

MDST_ROB	0.23 188	0.26 206	0.15 174	0.46 215	0.24 198	0.36 209	0.20 178	0.24 178	0.16 154	0.26 173	0.15 136	0.28 171	0.27 195	0.11 134	0.13 135	0.13 143	0.21 143	0.12 90	0.18 117	0.12 123	0.20 149	0.11 114	0.11 149	0.12 151	0.36 219	0.25 201	0.57 227	0.33 186

S-Stereo	0.30 205	0.22 194	0.18 193	0.42 213	0.39 219	0.41 216	0.37 209	0.25 184	0.24 197	0.26 173	0.44 231	0.55 208	0.36 214	0.24 198	0.18 188	0.14 162	0.27 204	0.27 219	0.35 201	0.28 216	0.23 188	0.23 214	0.53 232	0.23 198	0.23 182	0.19 167	0.27 185	0.38 196

FAT-Stereo	0.26 194	0.19 183	0.17 188	0.38 205	0.37 217	0.31 199	0.25 201	0.26 185	0.18 167	0.28 198	0.25 204	0.33 181	0.36 214	0.26 201	0.18 188	0.16 185	0.27 204	0.23 210	0.33 198	0.21 199	0.22 177	0.19 195	0.22 196	0.22 195	0.22 173	0.22 185	0.33 197	0.43 206

AnyNet_C32	0.21 178	0.16 166	0.15 174	0.17 156	0.17 167	0.19 169	0.16 159	0.26 185	0.22 192	0.25 159	0.24 199	0.24 164	0.18 172	0.14 168	0.22 204	0.18 203	0.28 211	0.22 205	0.30 190	0.19 190	0.28 216	0.23 214	0.16 175	0.18 189	0.22 173	0.22 185	0.21 160	0.24 159

DPSNet	0.40 216	0.19 183	0.18 193	0.27 196	0.26 201	0.29 198	0.19 176	0.26 185	0.24 197	0.18 74	0.17 157	2.15 257	0.44 223	0.10 121	0.20 200	0.16 185	0.35 223	0.28 222	2.00 258	0.27 214	0.25 205	0.17 184	0.28 224	0.25 210	0.40 224	0.27 212	0.39 211	0.53 219

SHD	0.22 181	0.17 174	0.21 207	0.18 161	0.17 167	0.19 169	0.20 178	0.27 188	0.17 161	0.27 186	0.19 176	0.24 164	0.32 204	0.17 180	0.16 173	0.15 180	0.19 115	0.17 177	0.33 198	0.18 186	0.21 164	0.18 186	0.16 175	0.17 185	0.24 186	0.28 216	0.25 179	0.43 206

CBMV	0.22 181	0.18 180	0.18 193	0.23 180	0.22 189	0.20 175	0.18 169	0.27 188	0.19 174	0.28 198	0.11 85	0.30 178	0.13 138	0.24 198	0.16 173	0.14 162	0.25 188	0.18 188	0.20 140	0.16 176	0.22 177	0.19 195	0.24 203	0.23 198	0.27 195	0.24 192	0.36 206	0.42 203
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
DGSMNet	0.34 211	0.27 211	0.24 212	0.41 212	0.33 214	0.37 212	0.37 209	0.28 190	0.25 202	0.25 159	0.52 236	0.45 195	0.32 204	0.26 201	0.25 212	0.20 214	0.52 238	0.32 226	0.75 230	0.35 229	0.38 229	0.39 240	0.28 224	0.31 221	0.27 195	0.24 192	0.33 197	0.37 194

FCDSN-DC	0.25 190	0.25 203	0.26 215	0.28 197	0.26 201	0.26 196	0.35 208	0.28 190	0.18 167	0.20 94	0.18 167	0.21 141	0.12 123	0.29 210	0.25 212	0.26 220	0.29 213	0.28 222	0.28 187	0.21 199	0.25 205	0.25 218	0.26 210	0.32 223	0.27 195	0.24 192	0.26 182	0.27 173
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ADCPNet	0.22 181	0.17 174	0.16 178	0.20 172	0.20 184	0.20 175	0.18 169	0.28 190	0.23 194	0.26 173	0.23 196	0.26 169	0.29 199	0.15 176	0.19 196	0.17 197	0.24 180	0.17 177	0.32 194	0.23 206	0.25 205	0.20 204	0.17 180	0.22 195	0.25 188	0.24 192	0.27 185	0.34 190

NaN_ROB	0.19 167	0.20 187	0.19 199	0.19 167	0.20 184	0.16 143	0.15 154	0.28 190	0.19 174	0.23 121	0.18 167	0.46 198	0.17 168	0.11 134	0.14 153	0.13 143	0.15 58	0.14 139	0.21 146	0.19 190	0.13 56	0.11 114	0.09 126	0.21 192	0.25 188	0.23 190	0.26 182	0.28 177

CBMV_ROB	0.22 181	0.14 154	0.16 178	0.26 190	0.23 193	0.21 183	0.22 190	0.28 190	0.17 161	0.26 173	0.17 157	0.28 171	0.18 172	0.26 201	0.13 135	0.12 118	0.26 197	0.17 177	0.19 127	0.17 180	0.21 164	0.19 195	0.26 210	0.21 192	0.25 188	0.27 212	0.25 179	0.34 190

CSAN	0.26 194	0.30 215	0.30 220	0.26 190	0.23 193	0.21 183	0.19 176	0.28 190	0.37 229	0.35 226	0.24 199	0.51 206	0.27 195	0.14 168	0.22 204	0.17 197	0.19 115	0.20 198	0.26 180	0.25 211	0.22 177	0.20 204	0.17 180	0.27 213	0.31 208	0.26 202	0.39 211	0.38 196

SGM_RVC	0.25 190	0.24 201	0.18 193	0.39 209	0.27 204	0.34 208	0.26 202	0.28 190	0.19 174	0.25 159	0.18 167	0.42 192	0.31 202	0.18 181	0.14 153	0.13 143	0.23 162	0.15 152	0.26 180	0.14 148	0.19 136	0.15 168	0.19 188	0.17 185	0.34 215	0.24 192	0.56 226	0.45 211
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
HBP-ISP	0.21 178	0.16 166	0.13 157	0.26 190	0.23 193	0.22 187	0.18 169	0.29 197	0.18 167	0.28 198	0.19 176	0.22 154	0.12 123	0.28 209	0.11 95	0.14 162	0.26 197	0.19 193	0.20 140	0.13 138	0.23 188	0.23 214	0.26 210	0.24 206	0.25 188	0.24 192	0.23 166	0.26 170

SGM-ForestM	0.25 190	0.22 194	0.16 178	0.37 203	0.24 198	0.32 203	0.24 197	0.29 197	0.21 191	0.23 121	0.18 167	0.50 203	0.26 191	0.20 190	0.15 165	0.13 143	0.23 162	0.16 164	0.25 176	0.15 164	0.20 149	0.17 184	0.21 194	0.17 185	0.37 220	0.26 202	0.52 222	0.37 194

SQANet	0.46 221	0.56 228	0.14 167	1.44 236	0.52 229	1.25 236	0.85 233	0.30 199	0.23 194	0.34 223	0.25 204	0.66 214	0.19 177	1.15 234	0.19 196	0.14 162	0.25 188	0.20 198	0.42 209	0.22 204	0.17 103	0.14 158	1.56 240	0.17 185	0.21 162	0.17 135	0.27 185	0.41 201

G-Net	0.29 202	0.24 201	0.19 199	0.24 185	0.21 188	0.36 209	0.23 193	0.30 199	0.27 209	0.33 219	0.33 225	0.89 235	0.25 189	0.19 187	0.21 202	0.18 203	0.26 197	0.22 205	0.44 211	0.31 223	0.27 214	0.18 186	0.18 186	0.18 189	0.28 199	0.24 192	0.40 215	0.41 201

ADCMid	0.22 181	0.18 180	0.17 188	0.18 161	0.19 180	0.20 175	0.16 159	0.30 199	0.25 202	0.24 137	0.19 176	0.36 186	0.21 180	0.12 152	0.18 188	0.16 185	0.25 188	0.18 188	0.37 205	0.19 190	0.24 199	0.20 204	0.17 180	0.15 172	0.24 186	0.22 185	0.25 179	0.30 181

NOSS_ROB	0.21 178	0.14 154	0.16 178	0.21 176	0.19 180	0.20 175	0.22 190	0.30 199	0.18 167	0.25 159	0.16 147	0.21 141	0.13 138	0.27 208	0.15 165	0.14 162	0.26 197	0.21 201	0.22 159	0.17 180	0.23 188	0.22 211	0.26 210	0.24 206	0.26 192	0.23 190	0.24 173	0.27 173

SANet	0.31 207	0.21 189	0.21 207	0.25 188	0.22 189	0.31 199	0.22 190	0.31 203	0.32 222	0.27 186	0.27 211	1.36 247	0.39 220	0.22 196	0.17 180	0.14 162	0.26 197	0.21 201	0.30 190	0.21 199	0.25 205	0.21 207	0.30 227	0.23 198	0.34 215	0.26 202	0.35 203	0.49 215

CC-Net-ROB	0.28 201	0.40 221	0.29 218	0.57 222	0.44 222	0.42 218	0.38 213	0.32 204	0.19 174	0.33 219	0.28 215	0.69 217	0.10 106	0.32 217	0.21 202	0.13 143	0.14 49	0.16 164	0.40 208	0.18 186	0.15 75	0.09 62	0.23 199	0.24 206	0.22 173	0.21 177	0.19 136	0.28 177

AMNet	0.49 222	0.50 226	0.48 233	0.49 218	0.47 227	0.61 227	0.51 225	0.32 204	0.28 212	0.30 211	0.68 243	0.72 219	0.13 138	0.53 226	0.44 229	0.55 243	0.57 241	0.58 250	0.48 216	0.48 233	0.58 251	0.50 247	0.26 210	0.48 234	0.45 227	0.52 241	0.58 228	0.65 230

MeshStereo	0.30 205	0.26 206	0.20 201	0.49 218	0.37 217	0.36 209	0.26 202	0.32 204	0.28 212	0.30 211	0.28 215	0.60 210	0.48 226	0.18 181	0.15 165	0.14 162	0.26 197	0.17 177	0.28 187	0.18 186	0.28 216	0.22 211	0.25 204	0.21 192	0.37 220	0.30 221	0.55 225	0.51 217
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
ACVNet-4b	0.70 233	0.78 237	0.34 226	1.74 248	0.95 243	1.64 246	1.43 241	0.33 207	0.31 220	0.38 229	0.26 209	1.23 245	0.29 199	2.19 249	0.42 228	0.37 230	0.34 220	0.24 213	0.59 221	0.38 231	0.17 103	0.15 168	2.71 248	0.23 198	0.30 207	0.32 223	0.39 211	0.42 203

FC-DCNN	0.27 199	0.28 212	0.27 216	0.36 201	0.28 206	0.32 203	0.38 213	0.33 207	0.19 174	0.22 108	0.19 176	0.23 158	0.13 138	0.29 210	0.26 214	0.27 223	0.29 213	0.27 219	0.29 189	0.22 204	0.26 213	0.25 218	0.26 210	0.31 221	0.31 208	0.26 202	0.30 190	0.30 181

DispFullNet	0.49 222	0.53 227	0.20 201	1.14 233	0.43 221	0.79 232	1.26 238	0.33 207	0.24 197	0.24 137	0.27 211	0.85 230	0.50 227	1.59 239	0.18 188	0.15 180	0.51 236	0.34 232	1.12 244	0.26 212	0.25 205	0.19 195	0.20 190	0.22 195	0.28 199	0.18 150	0.35 203	0.61 228

CES	0.12 82	0.06 29	0.06 47	0.06 31	0.08 65	0.07 49	0.05 31	0.35 210	0.05 12	0.15 45	0.23 196	0.13 54	0.04 17	0.08 93	0.09 38	0.11 81	0.19 115	0.08 18	0.14 69	0.08 45	0.28 216	0.08 37	0.07 88	0.04 7	0.14 74	0.11 38	0.14 76	0.16 86

GANetREF_RVC	0.26 194	0.26 206	0.30 220	0.23 180	0.23 193	0.23 191	0.24 197	0.35 210	0.33 224	0.32 215	0.18 167	0.50 203	0.38 218	0.12 152	0.22 204	0.18 203	0.20 130	0.21 201	0.35 201	0.21 199	0.24 199	0.16 177	0.22 196	0.29 219	0.28 199	0.21 177	0.36 206	0.33 186
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
STStereo	0.38 214	0.43 223	0.31 223	0.74 229	0.50 228	0.58 223	0.43 218	0.35 210	0.31 220	0.34 223	0.25 204	0.83 229	0.55 230	0.20 190	0.17 180	0.16 185	0.25 188	0.16 164	0.46 214	0.17 180	0.24 199	0.19 195	0.20 190	0.23 198	0.52 230	0.41 231	0.76 239	0.59 227

LE_ROB	0.42 217	0.19 183	0.17 188	0.40 211	0.44 222	0.33 207	0.44 219	0.35 210	0.29 217	0.32 215	0.21 185	1.22 244	1.73 259	0.11 134	0.11 95	0.11 81	0.21 143	0.13 117	0.21 146	0.13 138	0.23 188	0.13 149	0.12 160	0.15 172	0.39 223	0.36 226	1.46 260	1.45 258

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	0.27 186	0.27 211	0.42 192	0.41 221	0.48 223		0.19 211	0.59 243	0.20 198		0.30 221	0.59 253			0.43 232	0.26 192	0.56 243	0.34 201	0.67 232

MFN_U_SF_DS_RVC	0.25 190	0.25 203	0.20 201	0.29 198	0.22 189	0.22 187	0.23 193	0.37 215	0.28 212	0.35 226	0.22 194	0.46 198	0.32 204	0.20 190	0.19 196	0.17 197	0.17 82	0.16 164	0.30 190	0.14 148	0.21 164	0.19 195	0.27 222	0.23 198	0.29 203	0.26 202	0.33 197	0.31 185

ADCS	0.29 202	0.22 194	0.21 207	0.26 190	0.25 200	0.25 194	0.23 193	0.37 215	0.30 218	0.23 121	0.27 211	0.47 200	0.36 214	0.20 190	0.22 204	0.19 211	0.32 217	0.24 213	0.49 217	0.28 216	0.37 228	0.30 224	0.20 190	0.23 198	0.31 208	0.28 216	0.30 190	0.43 206

AnyNet_C01	0.32 210	0.22 194	0.20 201	0.22 178	0.27 204	0.25 194	0.24 197	0.37 215	0.37 229	0.26 173	0.29 217	0.49 201	0.33 210	0.18 181	0.32 220	0.22 216	0.39 228	0.32 226	0.65 223	0.33 227	0.41 234	0.33 230	0.26 210	0.26 212	0.34 215	0.34 224	0.34 201	0.45 211

MFN_U_SF_RVC	0.31 207	0.28 212	0.21 207	0.33 199	0.29 210	0.31 199	0.29 206	0.38 218	0.24 197	0.46 236	0.31 222	0.50 203	0.34 211	0.25 200	0.30 217	0.25 217	0.19 115	0.23 210	0.58 220	0.29 218	0.25 205	0.28 223	0.21 194	0.27 213	0.31 208	0.26 202	0.37 208	0.51 217

PVD	0.39 215	0.38 220	0.20 201	0.47 217	0.36 215	0.50 222	0.40 217	0.38 218	0.34 227	0.23 121	0.29 217	0.52 207	0.51 228	0.50 224	0.19 196	0.17 197	0.40 229	0.26 217	0.50 218	0.29 218	0.40 230	0.41 242	0.23 199	0.27 213	0.45 227	0.59 246	0.46 221	0.73 236

edge stereo	0.31 207	0.22 194	0.20 201	0.42 213	0.36 215	0.42 218	0.39 215	0.39 220	0.23 194	0.23 121	0.39 228	0.68 215	0.34 211	0.30 213	0.17 180	0.17 197	0.31 216	0.21 201	0.42 209	0.21 199	0.24 199	0.18 186	0.25 204	0.23 198	0.28 199	0.24 192	0.39 211	0.55 222

otaku	0.59 227	0.73 233	0.30 220	1.73 247	0.85 237	1.52 241	1.01 234	0.40 221	0.33 224	0.38 229	0.32 224	0.68 215	0.26 191	1.38 235	0.35 223	0.25 217	0.21 143	0.23 210	0.71 225	0.30 221	0.23 188	0.18 186	2.19 243	0.28 216	0.29 203	0.18 150	0.31 193	0.42 203

XQC	0.29 202	0.30 215	0.27 216	0.37 203	0.28 206	0.37 212	0.37 209	0.40 221	0.30 218	0.32 215	0.20 183	0.45 195	0.28 198	0.31 214	0.16 173	0.15 180	0.21 143	0.22 205	0.34 200	0.24 207	0.22 177	0.21 207	0.23 199	0.25 210	0.33 213	0.27 212	0.44 219	0.33 186

ELAS_RVC	0.44 220	0.43 223	0.36 227	0.63 225	0.44 222	0.62 228	0.50 223	0.40 221	0.26 206	0.25 159	0.31 222	1.20 242	0.31 202	0.32 217	0.31 218	0.28 225	0.37 226	0.30 224	0.44 211	0.27 214	0.35 225	0.33 230	0.26 210	0.38 229	0.52 230	0.41 231	0.78 242	0.74 237
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SPS-STEREO	0.60 229	0.57 230	0.53 234	0.55 220	0.54 231	0.65 229	0.52 226	0.40 221	0.68 240	0.37 228	0.78 247	0.78 225	0.64 235	0.53 226	0.59 239	0.57 246	0.67 248	0.63 256	0.75 230	0.72 251	0.77 258	0.68 256	0.26 210	0.54 241	0.54 232	0.60 247	0.70 235	0.66 231
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
ELAS	0.43 219	0.43 223	0.36 227	0.64 226	0.45 225	0.58 223	0.50 223	0.40 221	0.27 209	0.25 159	0.30 220	0.92 236	0.32 204	0.32 217	0.31 218	0.28 225	0.36 225	0.30 224	0.45 213	0.26 212	0.34 224	0.33 230	0.26 210	0.37 228	0.56 234	0.43 234	0.78 242	0.76 238
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
BEATNet-Init1	0.51 225	0.41 222	0.29 218	0.78 232	0.41 220	0.60 226	0.46 220	0.41 226	0.28 212	0.30 211	0.25 204	0.87 232	0.91 242	0.26 201	0.33 222	0.26 220	0.28 211	0.25 216	0.98 239	0.29 218	0.29 220	0.27 221	0.26 210	0.32 223	0.51 229	0.38 230	2.12 263	0.96 247

RainbowNet	0.78 236	0.90 239	0.47 232	1.86 250	0.92 240	1.63 245	1.48 242	0.42 227	0.37 229	0.47 239	0.34 226	0.92 236	0.62 232	2.02 244	0.65 242	0.48 238	0.35 223	0.33 230	0.92 235	0.58 239	0.33 223	0.24 217	2.80 252	0.39 231	0.40 224	0.35 225	0.44 219	0.50 216

MANE	0.42 217	0.36 217	0.33 225	0.61 224	0.45 225	0.44 220	0.47 221	0.43 228	0.26 206	0.23 121	0.24 199	0.64 212	0.29 199	0.31 214	0.32 220	0.30 228	0.33 218	0.42 238	0.38 207	0.24 207	0.31 222	0.27 221	0.26 210	0.35 227	0.57 235	0.44 235	1.10 254	0.98 249

SGM+DAISY	0.59 227	0.58 231	0.54 237	0.58 223	0.55 232	0.69 230	0.57 228	0.43 228	0.39 232	0.38 229	0.78 247	0.75 223	0.65 236	0.54 228	0.62 241	0.56 244	0.67 248	0.61 253	0.72 227	0.64 246	0.71 255	0.65 255	0.27 222	0.51 236	0.54 232	0.57 244	0.75 238	0.71 235

SAMSARA	0.49 222	0.23 199	0.39 230	0.23 180	0.23 193	0.22 187	0.23 193	0.44 230	0.39 232	0.31 214	0.21 185	0.30 178	0.47 225	0.18 181	0.35 223	0.34 229	0.26 197	0.32 226	0.47 215	0.32 226	0.48 244	0.54 250	0.15 172	0.33 225	1.40 262	1.58 261	1.42 259	1.48 259

Ntro	0.64 230	0.74 234	0.31 223	1.81 249	0.85 237	1.57 242	1.10 236	0.48 231	0.36 228	0.38 229	0.39 228	0.74 221	0.27 195	1.54 238	0.37 226	0.28 225	0.23 162	0.24 213	0.71 225	0.31 223	0.23 188	0.18 186	2.45 246	0.30 220	0.31 208	0.24 192	0.38 210	0.44 209

LoS	0.16 150	0.10 102	0.08 93	0.10 89	0.11 116	0.09 71	0.07 77	0.50 232	0.05 12	0.32 215	0.36 227	0.36 186	0.06 46	0.09 109	0.09 38	0.10 46	0.19 115	0.09 42	0.15 84	0.11 102	0.21 164	0.09 62	0.07 88	0.07 67	0.18 127	0.12 53	0.20 149	0.21 150

MSC_U_SF_DS_RVC	0.35 212	0.36 217	0.38 229	0.46 215	0.28 206	0.31 199	0.28 205	0.51 233	0.46 235	0.39 233	0.29 217	0.37 188	0.36 214	0.31 214	0.38 227	0.26 220	0.22 153	0.27 219	0.72 227	0.37 230	0.28 216	0.31 225	0.30 227	0.38 229	0.33 213	0.26 202	0.30 190	0.38 196

LSM0	3.23 259	0.28 212	0.18 193	0.38 205	0.30 211	0.39 214	0.37 209	0.51 233	0.32 222	0.45 235	0.47 232	0.71 218	0.59 231	0.19 187	16.94 266	59.67 273	0.37 226	0.26 217	1.34 252	0.34 228	0.45 239	0.34 234	0.23 199	0.28 216	0.38 222	0.31 222	0.53 223	0.53 219

MFMNet_re	0.66 231	0.72 232	0.65 248	0.77 231	0.62 233	0.82 234	0.70 232	0.52 235	0.53 238	0.54 242	0.65 242	0.79 226	0.51 228	0.59 230	0.68 245	0.67 250	0.81 255	0.69 257	0.74 229	0.62 244	0.71 255	0.64 254	0.45 229	0.57 242	0.59 238	0.62 249	0.74 237	0.88 244

JetBlue	0.71 234	0.56 228	0.71 250	0.74 229	0.62 233	0.79 232	0.69 230	0.53 236	0.93 250	0.46 236	0.30 220	3.22 260	0.38 218	0.52 225	0.46 230	0.44 235	0.73 253	0.53 245	0.68 224	0.52 234	0.57 249	0.60 252	0.74 234	0.57 242	0.57 235	0.46 236	0.97 251	0.96 247

PSMNet_ROB	0.80 237	0.99 244	0.62 244	1.64 240	0.93 242	1.51 240	1.20 237	0.57 237	0.73 241	0.74 247	0.63 241	0.86 231	0.84 240	1.52 237	0.58 236	0.42 232	0.54 239	0.41 237	0.87 234	0.62 244	0.42 236	0.31 225	1.83 241	0.48 234	0.69 243	0.37 227	0.76 239	0.47 214

ACVNet_1	0.75 235	0.82 238	0.41 231	2.07 255	0.98 244	1.94 253	1.52 243	0.59 238	0.28 212	0.43 234	0.50 235	0.73 220	0.63 233	2.24 251	0.36 225	0.25 217	0.34 220	0.32 226	0.62 222	0.31 223	0.30 221	0.22 211	2.71 248	0.33 225	0.41 226	0.28 216	0.37 208	0.39 200

TorneroNet-64	1.09 249	1.03 247	0.60 241	1.99 252	0.92 240	2.06 256	2.05 253	0.63 239	0.87 246	0.58 243	0.49 233	1.90 254	1.89 260	2.91 260	0.67 243	0.51 241	0.48 232	0.47 239	1.23 249	0.61 242	0.35 225	0.38 237	3.33 256	0.57 242	0.64 241	0.52 241	0.69 234	1.15 252

MADNet+	0.56 226	0.37 219	0.63 245	0.56 221	0.53 230	0.45 221	0.39 215	0.64 240	0.51 237	0.53 240	0.40 230	0.81 228	0.67 237	0.34 220	0.61 240	0.50 240	0.58 242	0.50 242	0.84 233	0.53 235	0.49 247	0.44 243	0.51 231	0.47 233	0.82 245	0.71 251	0.58 228	0.70 233

TorneroNet	1.11 250	1.11 249	0.67 249	2.05 254	1.00 245	2.29 257	2.05 253	0.65 241	0.89 248	0.68 245	0.57 237	1.74 253	1.26 255	2.97 262	0.71 246	0.52 242	0.50 235	0.51 244	1.18 247	0.65 248	0.41 234	0.44 243	3.48 257	0.58 245	0.67 242	0.49 239	0.85 246	1.02 250

ACVNet_2	0.84 239	0.95 240	0.58 240	2.04 253	1.03 249	1.88 252	1.56 246	0.68 242	0.39 232	0.53 240	0.49 233	1.05 240	0.68 238	1.97 243	0.53 233	0.44 235	0.40 229	0.33 230	1.06 241	0.42 232	0.35 225	0.25 218	2.54 247	0.53 239	0.61 239	0.28 216	0.53 223	0.58 226

DPSimNet_ROB		1.23 252	1.31 261	1.49 237	1.60 258	1.34 239	1.37 239	0.68 242	1.70 260	1.68 261	1.03 255	1.48 248	0.82 239	2.08 245	1.45 259	0.92 257		0.81 258	1.64 256	1.41 261	1.08 261	1.28 260	0.79 235	0.87 256		1.26 260	1.18 256	1.16 253

IMH-64-1	0.91 242	0.98 242	0.53 234	1.64 240	1.01 247	1.62 243	1.75 250	0.76 244	0.74 242	0.33 219	0.61 238	0.87 232	0.95 244	2.61 253	0.53 233	0.42 232	0.49 233	0.36 233	0.96 236	0.55 236	0.40 230	0.31 225	3.11 253	0.51 236	0.82 245	0.37 227	0.60 231	0.78 240

IMH-64	0.91 242	0.98 242	0.53 234	1.64 240	1.01 247	1.62 243	1.75 250	0.76 244	0.74 242	0.33 219	0.61 238	0.87 232	0.95 244	2.61 253	0.53 233	0.42 232	0.49 233	0.36 233	0.96 236	0.55 236	0.40 230	0.31 225	3.11 253	0.51 236	0.82 245	0.37 227	0.60 231	0.78 240

IMH	0.95 244	1.00 246	0.55 238	1.66 246	1.00 245	1.69 248	1.78 252	0.76 244	0.77 245	0.34 223	0.61 238	1.01 239	1.07 252	2.69 255	0.58 236	0.46 237	0.51 236	0.38 236	0.98 239	0.60 240	0.40 230	0.32 229	3.11 253	0.53 239	0.83 248	0.48 238	0.65 233	0.79 242

WAO-6	0.83 238	0.96 241	0.61 242	1.33 235	1.06 250	1.28 238	1.42 240	0.78 247	0.87 246	0.78 249	0.70 246	0.77 224	1.02 249	1.95 242	0.81 248	0.62 248	0.55 240	0.49 241	0.80 232	0.60 240	0.57 249	0.53 249	0.50 230	0.58 245	0.85 249	0.46 236	0.77 241	0.83 243

LVE	0.97 245	0.99 244	0.73 253	1.89 251	1.39 254	1.65 247	1.53 244	0.79 248	0.65 239	0.81 251	0.92 253	0.74 221	1.01 248	2.21 250	0.58 236	0.48 238	0.59 243	0.54 248	1.13 245	0.64 246	0.46 241	0.40 241	2.73 251	0.69 247	0.85 249	0.50 240	0.85 246	0.54 221

ktn	1.26 251	1.42 255	0.57 239	1.65 245	1.61 259	1.75 249	2.16 256	0.86 249	1.75 261	0.89 257	1.11 258	1.18 241	0.96 246	2.60 252	1.03 255	0.73 255	0.82 256	0.61 253	1.47 255	0.76 253	0.70 254	0.69 257	3.64 259	0.73 249	0.93 252	0.81 256	1.20 257	1.25 256

WAO-8	1.02 246	1.14 250	0.79 254	1.64 240	1.25 251	1.78 250	1.57 247	0.93 250	1.01 254	0.81 251	0.68 243	1.72 250	1.03 250	2.08 245	0.82 249	0.68 251	0.65 246	0.53 245	1.09 242	0.82 255	0.48 244	0.38 237	0.81 236	0.75 252	1.12 257	0.77 253	0.96 249	1.21 254

Venus	1.02 246	1.14 250	0.79 254	1.64 240	1.25 251	1.78 250	1.57 247	0.93 250	1.01 254	0.81 251	0.68 243	1.72 250	1.03 250	2.08 245	0.82 249	0.68 251	0.65 246	0.53 245	1.09 242	0.82 255	0.48 244	0.38 237	0.81 236	0.75 252	1.12 257	0.77 253	0.96 249	1.21 254

Dean	1.08 248	1.06 248	0.80 256	2.30 256	1.35 253	1.99 254	1.58 249	0.93 250	0.93 250	0.88 256	0.78 247	1.21 243	1.22 254	2.13 248	0.67 243	0.60 247	0.62 245	0.57 249	1.25 251	0.74 252	0.46 241	0.37 236	2.72 250	0.71 248	1.00 254	0.60 247	1.05 253	0.64 229

notaker	1.30 252	1.44 256	0.61 242	2.42 259	1.51 256	2.40 259	2.31 258	0.95 253	1.64 259	0.79 250	1.07 256	1.73 252	1.18 253	3.10 264	1.04 256	0.69 253	0.70 251	0.50 242	1.66 257	0.85 257	0.56 248	0.47 246	3.67 260	0.80 254	0.62 240	0.58 245	0.81 244	0.95 246

WAO-7	0.67 232	0.75 235	0.64 247	0.72 228	0.78 235	0.58 223	0.66 229	0.97 254	0.97 253	0.62 244	0.81 251	0.79 226	0.84 240	0.55 229	0.86 251	0.71 254	0.44 231	0.36 233	0.96 236	0.67 249	0.44 237	0.35 235	0.16 175	0.83 255	0.57 235	0.67 250	0.58 228	0.70 233

PWCK	0.90 241	1.24 253	0.63 245	1.55 238	0.86 239	1.23 235	1.04 235	1.09 255	0.75 244	0.70 246	0.81 251	1.52 249	0.91 242	0.71 231	0.46 230	0.41 231	0.74 254	0.47 239	3.07 261	0.67 249	0.58 251	0.45 245	0.95 238	0.74 251	0.74 244	0.41 231	0.70 235	0.76 238

SPstereo	0.89 240	0.77 236	0.71 250	0.66 227	0.80 236	0.69 230	0.69 230	1.10 256	0.91 249	0.74 247	1.22 260	0.97 238	1.44 258	0.93 233	0.89 253	1.06 259	0.96 258	0.62 255	1.20 248	0.81 254	0.87 259	0.79 258	0.64 233	0.91 257	0.89 251	0.74 252	1.16 255	0.90 245

KSHMR	1.34 253	1.44 256	1.07 260	2.31 257	1.48 255	2.31 258	2.15 255	1.22 257	1.07 257	1.13 260	1.07 256	1.30 246	0.96 246	2.92 261	1.12 257	0.95 258	0.87 257	0.84 259	1.34 252	0.97 258	0.74 257	0.60 252	3.48 257	1.07 261	0.99 253	0.77 253	1.01 252	1.06 251

HanzoNet	1.79 257	1.65 260	0.85 257	2.31 257	1.74 260	2.83 262	2.55 259	1.29 258	1.86 262	0.92 258	1.28 261	4.71 264	3.85 263	3.43 266	0.96 254	0.79 256	1.10 259	0.95 260	2.68 260	1.04 259	0.93 260	0.92 259	3.78 261	0.73 249	1.15 259	1.07 258	1.29 258	1.61 262

UNDER WATER	1.42 254	1.45 258	0.89 258	2.87 260	1.98 263	2.78 260	2.64 260	1.29 258	1.04 256	0.87 255	0.98 254	1.95 255	1.30 256	3.12 265	0.87 252	0.63 249	0.68 250	0.58 250	1.23 249	0.61 242	0.44 237	0.50 247	3.95 262	0.99 260	1.09 256	1.04 257	0.88 248	1.67 263

UNDER WATER-64	1.42 254	1.40 254	0.92 259	2.88 261	1.97 262	2.82 261	2.72 261	1.37 260	0.94 252	1.04 259	1.15 259	1.96 256	1.33 257	3.07 263	0.80 247	0.56 244	0.70 251	0.58 250	1.17 246	0.55 236	0.45 239	0.54 250	3.98 263	0.92 258	1.03 255	1.13 259	0.81 244	1.60 261

LRCNet_RVC	9.94 263	17.32 270	0.72 252	25.08 271	21.25 272	23.72 272	20.86 270	1.45 261	0.48 236	21.28 272	13.07 268	22.69 272	3.57 262	28.32 273	0.47 232	0.27 223	8.45 265	1.25 261	23.54 271	4.04 263	0.47 243	0.33 230	26.91 271	1.58 262	0.35 218	0.22 185	0.43 218	0.38 196

JetRed	1.64 256	1.79 261	1.70 262	1.59 239	1.52 257	2.02 255	2.26 257	1.52 262	1.47 258	0.82 254	0.78 247	2.67 259	0.43 222	1.78 241	1.47 260	1.56 261	1.74 260	2.93 264	1.44 254	1.10 260	2.36 262	2.20 261	1.98 242	0.98 259	1.19 260	1.77 262	1.58 261	1.56 260

MADNet++	1.87 258	1.58 259	1.74 263	1.28 234	1.74 260	1.25 236	1.55 245	1.63 263	2.10 263	1.84 262	2.24 262	2.56 258	2.74 261	0.75 232	1.43 258	1.55 260	2.00 261	1.47 262	2.11 259	2.11 262	3.28 263	3.23 262	1.22 239	2.22 263	1.23 261	2.58 263	1.77 262	1.36 257

DPSMNet_ROB	8.62 262	3.66 263	8.40 266	2.97 262	5.69 266	3.37 263	4.40 264	3.70 264	9.03 264	3.00 263	6.93 265	3.52 261	10.07 265	2.69 255	10.46 262	10.76 263	3.81 262	12.88 266	4.76 263	10.21 265	5.93 265	13.78 266	4.47 266	8.55 265	10.10 268	27.91 268	11.06 268	30.64 268

DGTPSM_ROB	8.61 261	3.65 262	8.39 265	2.97 262	5.68 265	3.37 263	4.40 264	3.70 264	9.03 264	3.00 263	6.91 264	3.52 261	10.03 264	2.69 255	10.46 262	10.76 263	3.81 262	12.88 266	4.73 262	10.21 265	5.93 265	13.78 266	4.46 265	8.55 265	10.09 267	27.91 268	11.05 267	30.64 268

PML	8.17 260	7.65 266	3.51 264	9.56 269	5.16 264	9.57 270	5.23 266	6.49 266	17.89 269	6.44 265	3.24 263	16.63 267	29.28 274	5.47 267	6.12 261	3.95 262	7.38 264	2.69 263	20.47 270	4.69 264	3.59 264	3.96 263	3.98 263	4.20 264	5.71 264	4.30 264	16.67 269	6.70 264

DPSM_ROB	12.93 265	6.06 264	9.07 267	4.34 264	6.33 267	4.24 265	3.55 262	8.20 267	10.79 266	6.62 266	7.89 266	9.68 265	12.99 267	2.78 258	12.36 264	13.66 265	8.95 266	16.55 269	9.69 264	12.30 267	16.52 269	17.76 269	2.26 244	10.59 267	28.41 269	36.73 270	31.10 270	39.69 270

DPSM	12.93 265	6.06 264	9.07 267	4.34 264	6.33 267	4.24 265	3.55 262	8.20 267	10.79 266	6.62 266	7.89 266	9.68 265	12.99 267	2.78 258	12.36 264	13.66 265	8.95 266	16.55 269	9.69 264	12.30 267	16.52 269	17.76 269	2.26 244	10.59 267	28.41 269	36.73 270	31.10 270	39.69 270

CasAABBNet	25.99 271	12.23 269	18.16 269	8.64 266	12.70 270	8.22 267	7.18 267	16.43 269	21.85 273	13.64 270	15.80 269	19.61 271	26.12 271	5.47 267	25.18 271	27.55 272	17.67 268	33.30 272	19.65 269	24.62 271	33.10 272	35.23 271	4.49 267	21.39 273	57.22 273	74.08 274	62.47 272	79.73 272

MyStereo03	26.03 272	12.17 267	18.23 270	8.74 267	12.69 269	8.44 268	7.21 268	16.48 270	21.77 271	13.32 268	15.90 270	19.49 269	26.17 272	5.59 269	24.91 269	27.50 270	17.88 270	33.36 273	19.50 267	24.77 272	33.22 273	36.10 272	4.56 268	21.35 271	57.13 271	73.97 272	62.60 273	79.92 273

MyStereo02	25.56 270	12.17 267	18.23 270	8.74 267	0.00 1	8.44 268	7.21 268	16.48 270	21.77 271	13.32 268	15.90 270	19.49 269	26.17 272	5.59 269	24.91 269	27.50 270	17.88 270	33.36 273	19.50 267	24.77 272	33.22 273	36.10 272	4.56 268	21.35 271	57.13 271	73.97 272	62.60 273	79.92 273

HaxPig	16.12 267	19.70 271	18.82 272	21.25 270	20.53 271	21.35 271	22.27 271	17.00 272	14.68 268	19.29 271	17.18 272	18.07 268	12.18 266	22.52 271	17.87 267	14.95 267	17.87 269	9.54 265	18.95 266	15.62 269	9.98 267	7.75 264	23.74 270	15.32 269	4.46 263	12.22 267	6.85 264	15.21 267

MEDIAN_ROB	20.51 268	25.88 272	24.09 273	26.47 272	25.52 273	25.87 273	26.98 272	21.19 273	19.61 270	28.55 273	22.12 273	24.85 273	16.74 269	26.52 272	23.53 268	18.59 268	22.10 272	14.86 268	26.41 272	23.30 270	15.47 268	11.96 265	27.64 272	18.47 270	7.32 265	9.55 266	8.34 266	11.88 266

AVERAGE_ROB	24.46 269	29.85 273	27.17 274	31.26 273	29.68 274	30.01 274	31.43 273	26.55 274	24.57 274	34.19 274	27.26 274	31.45 274	21.40 270	30.75 274	28.23 272	24.11 269	26.75 273	21.47 271	30.01 273	27.38 274	20.81 271	16.76 268	32.29 273	24.48 274	8.40 266	7.77 265	7.95 265	8.54 265

Low-res two-view benchmark