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

CREStereo++_RVC	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
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	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

TANstereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

XX-TBD	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

CREStereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
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	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

MEDIAN_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

AVERAGE_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

HITNet	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9
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
STStereo	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

NVstereo2D	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWC_ROB	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCDC_ROB	0.01 9	0.02 14	0.02 14	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCK	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

iinet-f	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

MFN_U_SF_RVC	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

MSC_U_SF_DS_RVC	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

MFN_U_SF_DS_RVC	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

ADCMid	0.08 26	0.02 14	0.13 68	0.03 23	0.02 15	0.03 22	0.02 15	0.02 15	0.02 15	1.32 181	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.07 37	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 23

ADCS	0.06 24	0.02 14	0.04 21	0.02 15	0.03 21	0.02 15	0.02 15	0.02 15	0.02 15	1.03 160	0.02 15	0.02 15	0.03 21	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.02 15	0.01 9	0.02 15	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.04 27	0.02 15

AnyNet_C01	0.08 26	0.03 23	0.04 21	0.02 15	0.03 21	0.03 22	0.02 15	0.02 15	0.02 15	1.46 187	0.02 15	0.03 23	0.03 21	0.02 15	0.02 15	0.02 15	0.04 25	0.02 15	0.03 22	0.02 16	0.02 15	0.02 15	0.02 15	0.03 23	0.02 15	0.02 15	0.03 22	0.03 23

LSM0	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

BEATNet_4x	0.08 26	0.03 23	0.06 30	0.03 23	0.03 21	0.03 22	0.03 24	0.03 24	0.03 25	1.47 188	0.03 24	0.03 23	0.03 21	0.03 25	0.03 24	0.03 24	0.03 20	0.03 23	0.03 22	0.03 24	0.03 23	0.03 24	0.03 23	0.03 23	0.03 24	0.03 24	0.03 22	0.03 23

ADCL	0.08 26	0.03 23	0.06 30	0.03 23	0.03 21	0.03 22	0.03 24	0.03 24	0.03 25	1.47 188	0.03 24	0.03 23	0.03 21	0.03 25	0.03 24	0.03 24	0.03 20	0.03 23	0.03 22	0.03 24	0.03 23	0.03 24	0.03 23	0.03 23	0.03 24	0.03 24	0.03 22	0.03 23

ADCPNet	0.08 26	0.03 23	0.04 21	0.03 23	0.03 21	0.03 22	0.03 24	0.03 24	0.03 25	1.32 181	0.03 24	0.03 23	0.03 21	0.03 25	0.03 24	0.03 24	0.03 20	0.03 23	0.03 22	0.03 24	0.03 23	0.03 24	0.03 23	0.03 23	0.03 24	0.03 24	0.04 27	0.03 23

RYNet	0.02 15	0.02 14	0.02 14	0.02 15	0.03 21	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 21	0.02 15	0.02 15	0.02 15	0.04 25	0.03 23	0.02 15	0.02 16	0.03 23	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

APVNet	0.09 31	0.06 34	0.04 21	0.06 33	0.04 28	0.05 32	0.04 28	0.05 32	1.08 211	0.05 24	0.05 31	0.05 31	0.04 29	0.05 31	0.04 29	0.04 28	0.05 32	0.04 27	0.05 30	0.04 28	0.05 32	0.04 29	0.04 28	0.04 29	0.05 33	0.04 28	0.05 33	0.04 28

FADNet_RVC	0.10 33	0.03 23	0.04 21	0.03 23	0.04 28	0.05 32	0.04 28	0.04 28	0.04 28	0.03 21	0.04 27	0.04 27	0.03 21	0.04 28	0.03 24	0.03 24	0.04 25	0.04 27	0.04 27	0.04 28	0.04 28	0.03 24	1.63 228	0.03 23	0.03 24	0.04 28	0.03 22	0.04 28

FADNet-RVC	0.11 45	0.04 29	0.05 26	0.04 29	0.05 31	0.04 28	0.04 28	0.05 32	0.04 28	0.04 22	0.04 27	0.04 27	0.04 29	0.05 31	0.04 29	0.04 28	0.04 25	0.04 27	0.05 30	0.04 28	0.04 28	0.04 29	1.79 234	0.04 29	0.04 28	0.04 28	0.04 27	0.05 32

FADNet	0.11 45	0.04 29	0.05 26	0.06 33	0.05 31	0.04 28	0.04 28	0.04 28	0.04 28	0.04 22	0.05 31	0.05 31	0.04 29	0.05 31	0.04 29	0.04 28	0.04 25	0.04 27	0.04 27	0.05 33	0.05 32	0.04 29	1.74 232	0.04 29	0.04 28	0.05 33	0.04 27	0.05 32

ADCRef	0.13 53	0.04 29	0.05 26	0.04 29	0.04 28	0.04 28	0.09 41	0.04 28	0.04 28	2.46 224	0.04 27	0.04 27	0.04 29	0.04 28	0.04 29	0.04 28	0.04 25	0.04 27	0.04 27	0.04 28	0.04 28	0.04 29	0.04 28	0.05 33	0.04 28	0.04 28	0.04 27	0.04 28

AnyNet_C32	0.12 48	0.03 23	0.07 32	0.03 23	0.03 21	0.03 22	0.03 24	0.03 24	0.02 15	2.33 221	0.04 27	0.04 27	0.03 21	0.02 15	0.03 24	0.04 28	0.04 25	0.04 27	0.03 22	0.03 24	0.03 23	0.03 24	0.03 23	0.03 23	0.04 28	0.03 24	0.03 22	0.02 15

ADCP+	0.12 48	0.04 29	0.07 32	0.04 29	0.05 31	0.04 28	0.04 28	0.04 28	0.04 28	2.28 215	0.05 31	0.05 31	0.04 29	0.04 28	0.04 29	0.04 28	0.05 32	0.04 27	0.05 30	0.04 28	0.04 28	0.04 29	0.04 28	0.05 33	0.04 28	0.04 28	0.04 27	0.04 28

AASNet	0.05 21	0.08 37	0.08 35	0.07 35	0.05 31	0.05 32	0.05 33	0.07 34	0.05 33	0.05 24	0.05 31	0.05 31	0.05 35	0.06 35	0.07 35	0.05 35	0.05 32	0.05 34	0.05 30	0.05 33	0.05 32	0.05 35	0.04 28	0.05 33	0.05 33	0.05 33	0.05 33	0.05 32

SACVNet	0.05 21	0.08 37	0.08 35	0.07 35	0.05 31	0.05 32	0.05 33	0.07 34	0.05 33	0.05 24	0.05 31	0.05 31	0.05 35	0.06 35	0.07 35	0.05 35	0.05 32	0.05 34	0.05 30	0.05 33	0.05 32	0.05 35	0.04 28	0.05 33	0.05 33	0.05 33	0.05 33	0.05 32

AACVNet	0.05 21	0.08 37	0.08 35	0.07 35	0.05 31	0.05 32	0.05 33	0.07 34	0.05 33	0.05 24	0.05 31	0.05 31	0.05 35	0.06 35	0.07 35	0.05 35	0.05 32	0.05 34	0.05 30	0.05 33	0.05 32	0.05 35	0.04 28	0.05 33	0.05 33	0.05 33	0.05 33	0.05 32

FADNet-RVC-Resample	0.10 33	0.04 29	0.05 26	0.04 29	0.05 31	0.05 32	0.05 33	0.07 34	0.05 33	0.05 24	0.05 31	0.05 31	0.04 29	0.05 31	0.04 29	0.04 28	0.05 32	0.05 34	0.05 30	0.05 33	0.05 32	0.04 29	1.53 227	0.04 29	0.05 33	0.05 33	0.06 38	0.05 32

FINET	0.07 25	0.08 37	0.07 32	0.08 38	0.07 38	0.08 40	0.07 37	0.08 40	0.07 37	0.08 29	0.07 38	0.08 38	0.07 38	0.07 38	0.07 35	0.07 38	0.07 38	0.07 38	0.07 37	0.07 38	0.08 40	0.07 38	0.07 34	0.06 38	0.07 38	0.07 38	0.08 41	0.06 38

BEATNet-Init1	0.15 64	0.07 35	0.10 41	0.08 38	0.07 38	0.07 38	0.07 37	0.07 34	0.07 37	2.19 212	0.08 39	0.08 38	0.07 38	0.07 38	0.07 35	0.07 38	0.08 39	0.07 38	0.08 39	0.08 39	0.07 38	0.07 38	0.07 34	0.07 39	0.08 39	0.07 38	0.07 39	0.07 39

DeepPrunerF	0.15 64	0.07 35	0.10 41	0.08 38	0.07 38	0.07 38	0.07 37	0.07 34	0.07 37	2.19 212	0.08 39	0.08 38	0.07 38	0.07 38	0.07 35	0.07 38	0.08 39	0.07 38	0.08 39	0.08 39	0.07 38	0.07 38	0.07 34	0.07 39	0.08 39	0.07 38	0.07 39	0.07 39

SepStereo	0.09 31	0.09 41	0.09 38	0.09 41	0.10 43	0.09 41	0.08 40	0.09 41	0.08 40	0.09 30	0.08 39	0.09 41	0.09 41	0.08 41	0.08 41	0.09 42	0.09 41	0.08 41	0.09 41	0.08 39	0.09 41	0.08 41	0.09 37	0.09 41	0.10 41	0.08 41	0.10 42	0.09 41

UNet	0.19 77	0.13 55	0.09 38	0.13 55	0.09 41	0.13 55	0.09 41	0.13 54	0.09 41	0.90 149	0.09 42	0.13 55	0.09 41	0.10 45	0.09 42	0.70 183	0.13 55	0.09 42	0.13 53	0.10 43	0.91 184	0.09 43	0.10 40	0.09 41	0.13 54	0.10 42	0.13 56	0.09 41

ProNet	0.12 48	0.18 66	0.11 54	0.14 56	0.10 43	0.14 57	0.11 54	0.14 55	0.11 54	0.14 42	0.10 44	0.14 56	0.10 44	0.10 45	0.11 54	0.10 44	0.15 62	0.10 43	0.14 55	0.10 43	0.14 56	0.10 45	0.11 52	0.10 44	0.15 61	0.10 42	0.14 57	0.10 45

AnonymousM	0.10 33	0.10 42	0.10 41	0.10 42	0.10 43	0.10 42	0.10 44	0.10 42	0.10 43	0.10 31	0.10 44	0.10 42	0.10 44	0.10 45	0.10 44	0.10 44	0.10 42	0.10 43	0.10 42	0.10 43	0.10 43	0.10 45	0.10 40	0.10 44	0.10 41	0.10 42	0.10 42	0.10 45

PVD	0.10 33	0.10 42	0.10 41	0.10 42	0.10 43	0.10 42	0.10 44	0.10 42	0.10 43	0.10 31	0.10 44	0.10 42	0.10 44	0.10 45	0.10 44	0.10 44	0.10 42	0.10 43	0.10 42	0.10 43	0.10 43	0.10 45	0.10 40	0.10 44	0.10 41	0.10 42	0.10 42	0.10 45

SHD	0.10 33	0.10 42	0.10 41	0.10 42	0.10 43	0.10 42	0.10 44	0.10 42	0.10 43	0.10 31	0.10 44	0.10 42	0.10 44	0.10 45	0.10 44	0.10 44	0.10 42	0.10 43	0.10 42	0.10 43	0.10 43	0.10 45	0.10 40	0.10 44	0.10 41	0.10 42	0.10 42	0.10 45

SAMSARA	0.10 33	0.10 42	0.10 41	0.10 42	0.10 43	0.10 42	0.10 44	0.10 42	0.10 43	0.10 31	0.10 44	0.10 42	0.10 44	0.10 45	0.10 44	0.10 44	0.10 42	0.10 43	0.10 42	0.10 43	0.10 43	0.10 45	0.10 40	0.10 44	0.10 41	0.10 42	0.10 42	0.10 45

XQC	0.10 33	0.10 42	0.10 41	0.10 42	0.10 43	0.10 42	0.10 44	0.10 42	0.10 43	0.10 31	0.10 44	0.10 42	0.10 44	0.10 45	0.10 44	0.10 44	0.10 42	0.10 43	0.10 42	0.10 43	0.10 43	0.10 45	0.10 40	0.10 44	0.10 41	0.10 42	0.10 42	0.10 45

RTSC	0.10 33	0.10 42	0.10 41	0.10 42	0.10 43	0.10 42	0.10 44	0.10 42	0.10 43	0.10 31	0.10 44	0.10 42	0.10 44	0.10 45	0.10 44	0.10 44	0.10 42	0.10 43	0.10 42	0.10 43	0.10 43	0.10 45	0.10 40	0.10 44	0.10 41	0.10 42	0.10 42	0.10 45

RTS	0.10 33	0.10 42	0.10 41	0.10 42	0.10 43	0.10 42	0.10 44	0.10 42	0.10 43	0.10 31	0.10 44	0.10 42	0.10 44	0.10 45	0.10 44	0.10 44	0.10 42	0.10 43	0.10 42	0.10 43	0.10 43	0.10 45	0.10 40	0.10 44	0.10 41	0.10 42	0.10 42	0.10 45

RTSA	0.10 33	0.10 42	0.10 41	0.10 42	0.10 43	0.10 42	0.10 44	0.10 42	0.10 43	0.10 31	0.10 44	0.10 42	0.10 44	0.10 45	0.10 44	0.10 44	0.10 42	0.10 43	0.10 42	0.10 43	0.10 43	0.10 45	0.10 40	0.10 44	0.10 41	0.10 42	0.10 42	0.10 45

MADNet+	0.10 33	0.10 42	0.10 41	0.10 42	0.10 43	0.10 42	0.10 44	0.10 42	0.10 43	0.10 31	0.10 44	0.10 42	0.10 44	0.10 45	0.10 44	0.10 44	0.10 42	0.10 43	0.10 42	0.10 43	0.10 43	0.10 45	0.10 40	0.10 44	0.10 41	0.10 42	0.10 42	0.10 45

MADNet++	0.10 33	0.10 42	0.10 41	0.10 42	0.10 43	0.10 42	0.10 44	0.10 42	0.10 43	0.10 31	0.10 44	0.10 42	0.10 44	0.10 45	0.10 44	0.10 44	0.10 42	0.10 43	0.10 42	0.10 43	0.10 43	0.10 45	0.10 40	0.10 44	0.10 41	0.10 42	0.10 42	0.10 45

PDISCO_ROB	0.50 134	0.15 57	0.11 54	0.16 70	3.16 247	0.13 55	0.12 71	0.14 55	0.12 70	0.15 46	0.11 55	2.55 235	0.11 55	2.20 235	0.13 76	0.12 70	0.16 70	0.10 43	0.14 55	0.12 73	0.15 64	0.12 73	0.12 69	0.12 70	0.15 61	0.10 42	2.75 235	0.09 41

ELAS_RVC	0.14 59	0.18 66	0.11 54	0.19 75	0.11 55	0.18 73	0.13 75	0.16 65	0.11 54	0.17 59	0.11 55	0.14 56	0.11 55	0.09 42	0.11 54	0.12 70	0.17 73	0.10 43	0.18 73	0.11 55	0.18 73	0.11 56	0.10 40	0.11 56	0.19 76	0.11 55	0.19 75	0.12 70
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.14 59	0.23 79	0.10 41	0.19 75	0.11 55	0.20 76	0.11 54	0.16 65	0.10 43	0.15 46	0.11 55	0.15 64	0.11 55	0.09 42	0.11 54	0.11 55	0.16 70	0.10 43	0.17 71	0.11 55	0.18 73	0.11 56	0.09 37	0.10 44	0.18 73	0.11 55	0.19 75	0.12 70
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
GCAP-BAT	0.17 68	1.25 191	0.20 87	0.15 63	0.11 55	0.15 65	0.11 54	0.21 76	0.11 54	0.15 46	0.11 55	0.15 64	0.11 55	0.11 58	0.11 54	0.11 55	0.15 62	0.11 57	0.15 62	0.11 55	0.15 64	0.11 56	0.11 52	0.11 56	0.15 61	0.11 55	0.15 63	0.11 56

test_for_model	0.17 68	1.25 191	0.20 87	0.15 63	0.11 55	0.15 65	0.11 54	0.21 76	0.11 54	0.15 46	0.11 55	0.15 64	0.11 55	0.11 58	0.11 54	0.11 55	0.15 62	0.11 57	0.15 62	0.11 55	0.15 64	0.11 56	0.11 52	0.11 56	0.15 61	0.11 55	0.15 63	0.11 56

testlalala2	0.17 68	1.25 191	0.20 87	0.15 63	0.11 55	0.15 65	0.11 54	0.21 76	0.11 54	0.15 46	0.11 55	0.15 64	0.11 55	0.11 58	0.11 54	0.11 55	0.15 62	0.11 57	0.15 62	0.11 55	0.15 64	0.11 56	0.11 52	0.11 56	0.15 61	0.11 55	0.15 63	0.11 56

JetRed	0.22 84	0.11 52	0.12 60	0.11 52	0.11 55	0.11 52	0.11 54	0.11 52	0.11 54	2.93 231	0.11 55	0.11 52	0.11 55	0.11 58	0.11 54	0.12 70	0.11 52	0.11 57	0.11 52	0.11 55	0.11 53	0.11 56	0.11 52	0.11 56	0.11 52	0.11 55	0.11 53	0.11 56

testlalala	0.17 68	1.25 191	0.20 87	0.15 63	0.11 55	0.15 65	0.11 54	0.21 76	0.11 54	0.15 46	0.11 55	0.15 64	0.11 55	0.11 58	0.11 54	0.11 55	0.15 62	0.11 57	0.15 62	0.11 55	0.15 64	0.11 56	0.11 52	0.11 56	0.15 61	0.11 55	0.15 63	0.11 56

testlalala_base	0.17 68	1.25 191	0.20 87	0.15 63	0.11 55	0.15 65	0.11 54	0.21 76	0.11 54	0.15 46	0.11 55	0.15 64	0.11 55	0.11 58	0.11 54	0.11 55	0.15 62	0.11 57	0.15 62	0.11 55	0.15 64	0.11 56	0.11 52	0.11 56	0.15 61	0.11 55	0.15 63	0.11 56

SPstereo	0.17 68	1.25 191	0.20 87	0.15 63	0.11 55	0.15 65	0.11 54	0.21 76	0.11 54	0.15 46	0.11 55	0.15 64	0.11 55	0.11 58	0.11 54	0.11 55	0.15 62	0.11 57	0.15 62	0.11 55	0.15 64	0.11 56	0.11 52	0.11 56	0.15 61	0.11 55	0.15 63	0.11 56

CIPLG	0.13 53	0.15 57	0.12 60	0.14 56	0.11 55	0.14 57	0.11 54	0.15 63	0.11 54	0.15 46	0.11 55	0.15 64	0.11 55	0.12 68	0.12 71	0.11 55	0.15 62	0.11 57	0.15 62	0.11 55	0.14 56	0.11 56	0.11 52	0.12 70	0.15 61	0.12 71	0.15 63	0.12 70

IPLG	0.12 48	0.15 57	0.12 60	0.14 56	0.11 55	0.14 57	0.11 54	0.14 55	0.11 54	0.15 46	0.11 55	0.14 56	0.11 55	0.12 68	0.11 54	0.11 55	0.14 56	0.11 57	0.14 55	0.11 55	0.14 56	0.11 56	0.11 52	0.11 56	0.14 56	0.11 55	0.14 57	0.11 56

IPLGR_C	0.13 53	0.16 62	0.14 71	0.15 63	0.11 55	0.14 57	0.11 54	0.14 55	0.11 54	0.14 42	0.11 55	0.14 56	0.11 55	0.12 68	0.11 54	0.11 55	0.14 56	0.11 57	0.14 55	0.11 55	0.14 56	0.11 56	0.11 52	0.11 56	0.14 56	0.11 55	0.15 63	0.11 56

MIPNet	0.12 48	0.15 57	0.12 60	0.14 56	0.11 55	0.14 57	0.11 54	0.14 55	0.11 54	0.15 46	0.11 55	0.14 56	0.11 55	0.12 68	0.11 54	0.11 55	0.14 56	0.11 57	0.15 62	0.11 55	0.14 56	0.11 56	0.11 52	0.11 56	0.14 56	0.11 55	0.14 57	0.11 56

IPLGR	0.13 53	0.15 57	0.12 60	0.14 56	0.11 55	0.14 57	0.11 54	0.14 55	0.13 75	0.15 46	0.11 55	0.14 56	0.12 74	0.12 68	0.11 54	0.11 55	0.14 56	0.11 57	0.14 55	0.11 55	0.14 56	0.11 56	0.11 52	0.12 70	0.15 61	0.11 55	0.14 57	0.11 56

ACRE	0.13 53	0.16 62	0.12 60	0.14 56	0.11 55	0.14 57	0.11 54	0.15 63	0.11 54	0.14 42	0.11 55	0.14 56	0.11 55	0.12 68	0.11 54	0.11 55	0.14 56	0.11 57	0.14 55	0.11 55	0.14 56	0.11 56	0.11 52	0.11 56	0.14 56	0.11 55	0.14 57	0.11 56

ICVP	0.13 53	0.16 62	0.11 54	0.16 70	0.11 55	0.16 71	0.11 54	0.16 65	0.11 54	0.16 58	0.11 55	0.16 72	0.11 55	0.11 58	0.11 54	0.11 55	0.16 70	0.11 57	0.16 70	0.11 55	0.16 71	0.11 56	0.11 52	0.11 56	0.16 71	0.11 55	0.16 71	0.11 56
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
LALA_ROB	0.15 64	0.21 73	0.12 60	0.21 80	0.12 73	0.20 76	0.14 76	0.20 72	0.12 70	0.22 67	0.12 73	0.16 72	0.12 74	0.10 45	0.12 71	0.12 70	0.21 81	0.11 57	0.22 81	0.12 73	0.20 77	0.12 73	0.11 52	0.12 70	0.21 81	0.14 76	0.21 81	0.13 77

SGM_RVC	0.14 59	0.19 70	0.11 54	0.20 77	0.11 55	0.20 76	0.12 71	0.18 70	0.12 70	0.18 61	0.12 73	0.19 77	0.11 55	0.11 58	0.11 54	0.11 55	0.18 75	0.11 57	0.19 76	0.11 55	0.19 75	0.11 56	0.11 52	0.11 56	0.20 77	0.11 55	0.20 77	0.12 70
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
JetBlue	0.23 86	0.12 53	0.13 68	0.12 53	0.12 73	0.12 53	0.11 54	0.14 55	0.12 70	3.07 232	0.12 73	0.12 54	0.11 55	0.11 58	0.13 76	0.13 76	0.12 53	0.12 73	0.13 53	0.11 55	0.12 54	0.13 77	0.12 69	0.14 77	0.13 54	0.12 71	0.12 54	0.11 56

SFCPSM	0.23 86	0.18 66	0.13 68	0.18 73	0.12 73	0.18 73	0.80 193	0.17 68	0.12 70	0.88 148	0.12 73	0.17 74	0.12 74	0.13 75	0.12 71	0.12 70	0.18 75	0.12 73	0.18 73	0.12 73	1.18 205	0.13 77	0.12 69	0.12 70	0.18 73	0.13 75	0.18 73	0.12 70

HSM	0.14 59	0.17 65	0.11 54	0.17 72	0.11 55	0.17 72	0.12 71	0.17 68	0.11 54	0.17 59	0.11 55	0.17 74	0.11 55	0.12 68	0.12 71	0.12 70	0.17 73	0.12 73	0.17 71	0.12 73	0.17 72	0.12 73	0.12 69	0.12 70	0.17 72	0.12 71	0.17 72	0.12 70

DeepPruner_ROB	0.15 64	0.18 66	0.12 60	0.18 73	0.12 73	0.18 73	0.12 71	0.18 70	0.13 75	0.18 61	0.12 73	0.18 76	0.12 74	0.13 75	0.12 71	0.13 76	0.18 75	0.13 76	0.18 73	0.12 73	0.19 75	0.12 73	0.13 73	0.12 70	0.18 73	0.12 71	0.18 73	0.12 70

dd	0.18 74	0.22 75	0.16 73	0.22 82	0.15 78	0.22 83	0.15 78	0.21 76	0.15 78	0.21 65	0.15 79	0.21 80	0.15 79	0.15 78	0.15 80	0.15 80	0.22 83	0.14 77	0.22 81	0.14 78	0.22 83	0.15 80	0.16 76	0.15 79	0.23 88	0.15 78	0.22 82	0.16 79

GMStereo	0.14 59	0.13 55	0.14 71	0.14 56	0.14 77	0.14 57	0.14 76	0.14 55	0.14 77	0.14 42	0.14 78	0.14 56	0.14 78	0.14 77	0.14 78	0.14 78	0.14 56	0.14 77	0.14 55	0.14 78	0.14 56	0.14 79	0.14 74	0.14 77	0.14 56	0.14 76	0.14 57	0.14 78
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
IGEV_Zeroshot_test	0.18 74	0.22 75	0.18 81	0.21 80	0.18 88	0.20 76	0.17 83	0.20 72	0.16 79	0.25 75	0.16 81	0.21 80	0.17 83	0.16 81	0.18 87	0.15 80	0.20 78	0.16 79	0.20 77	0.18 88	0.21 80	0.17 86	0.17 78	0.17 82	0.20 77	0.17 83	0.20 77	0.16 79

MSKI-zero shot	0.19 77	0.21 73	0.16 73	0.22 82	0.16 80	0.23 91	0.17 83	0.22 84	0.17 84	0.22 67	0.17 83	0.22 83	0.16 81	0.19 91	0.16 81	0.17 82	0.23 88	0.16 79	0.22 81	0.16 81	0.22 83	0.17 86	0.16 76	0.17 82	0.22 83	0.19 91	0.22 82	0.16 79

LRCNet_RVC	0.11 45	0.12 53	0.09 38	0.12 53	0.09 41	0.12 53	0.09 41	0.12 53	0.09 41	0.12 41	0.09 42	0.11 52	0.09 41	0.09 42	0.09 42	0.09 42	0.12 53	0.16 79	0.21 80	0.09 42	0.12 54	0.09 43	0.09 37	0.09 41	0.12 53	0.28 111	0.12 54	0.09 41

UPFNet	0.29 96	0.24 86	0.16 73	0.24 93	0.16 80	0.24 94	0.16 81	0.23 92	0.16 79	1.19 173	0.16 81	0.23 89	0.16 81	0.17 82	0.16 81	0.89 194	0.24 93	0.16 79	0.24 93	0.18 88	1.20 208	0.16 82	0.17 78	0.16 81	0.24 93	0.16 81	0.24 91	0.16 79

dad	0.18 74	0.23 79	0.16 73	0.22 82	0.15 78	0.22 83	0.15 78	0.22 84	0.16 79	0.21 65	0.15 79	0.22 83	0.15 79	0.15 78	0.16 81	0.17 82	0.23 88	0.17 83	0.23 88	0.15 80	0.22 83	0.15 80	0.15 75	0.15 79	0.22 83	0.15 78	0.22 82	0.16 79

HCRNet	0.71 170	6.06 240	3.15 245	0.50 161	0.22 96	0.21 82	0.15 78	3.04 234	0.34 129	0.43 112	0.33 132	0.43 140	0.33 129	0.15 78	0.14 78	0.14 78	0.21 81	0.17 83	0.47 149	0.20 94	0.21 80	0.16 82	0.32 125	0.33 129	0.50 155	0.33 131	0.49 154	0.28 113

MMNet	0.30 99	0.24 86	0.17 77	0.24 93	0.17 83	0.24 94	0.17 83	0.23 92	0.18 89	1.21 175	0.17 83	0.23 89	0.17 83	0.17 82	0.17 84	0.89 194	0.24 93	0.17 83	0.24 93	0.17 83	1.22 210	0.16 82	0.17 78	0.17 82	0.24 93	0.17 83	0.24 91	0.17 84

delet	0.30 99	0.24 86	0.17 77	0.24 93	0.17 83	0.24 94	0.17 83	0.23 92	0.16 79	1.21 175	0.17 83	0.24 94	0.17 83	0.17 82	0.17 84	0.91 198	0.24 93	0.17 83	0.24 93	0.17 83	1.23 212	0.17 86	0.17 78	0.17 82	0.24 93	0.17 83	0.24 91	0.17 84

psm_up	0.30 99	0.24 86	0.17 77	0.25 96	0.17 83	0.24 94	0.17 83	0.24 95	0.17 84	1.20 174	0.17 83	0.23 89	0.17 83	0.17 82	0.18 87	0.90 197	0.24 93	0.17 83	0.25 97	0.17 83	1.24 215	0.17 86	0.17 78	0.17 82	0.24 93	0.17 83	0.24 91	0.17 84

iResNetv2_ROB	0.20 81	0.22 75	0.19 85	0.23 89	0.19 91	0.22 83	0.17 83	0.22 84	0.17 84	0.22 67	0.17 83	0.22 83	0.17 83	0.18 87	0.18 87	0.19 89	0.22 83	0.17 83	0.23 88	0.17 83	0.25 92	0.18 91	0.17 78	0.18 90	0.23 88	0.17 83	0.25 97	0.17 84

iResNet	0.19 77	0.23 79	0.17 77	0.22 82	0.17 83	0.22 83	0.19 91	0.22 84	0.17 84	0.22 67	0.17 83	0.22 83	0.17 83	0.17 82	0.17 84	0.17 82	0.22 83	0.17 83	0.22 81	0.17 83	0.23 89	0.17 86	0.18 86	0.17 82	0.23 88	0.17 83	0.23 90	0.17 84

Pointernet	0.22 84	0.41 117	0.38 130	0.22 82	0.17 83	0.22 83	0.17 83	0.41 133	0.17 84	0.22 67	0.17 83	0.22 83	0.17 83	0.18 87	0.18 87	0.18 86	0.23 88	0.18 90	0.23 88	0.18 88	0.23 89	0.18 91	0.17 78	0.17 82	0.22 83	0.18 89	0.22 82	0.17 84

MIM_Stereo	0.19 77	0.23 79	0.18 81	0.22 82	0.16 80	0.22 83	0.16 81	0.21 76	0.16 79	0.22 67	0.17 83	0.21 80	0.17 83	0.20 92	0.18 87	0.17 82	0.22 83	0.18 90	0.22 81	0.16 81	0.21 80	0.16 82	0.17 78	0.17 82	0.21 81	0.16 81	0.22 82	0.20 92

GEStereo_RVC	0.36 116	0.23 79	0.18 81	0.23 89	0.18 88	0.23 91	0.19 91	0.22 84	0.19 91	0.24 73	0.20 93	0.24 94	0.18 91	0.18 87	0.18 87	0.21 92	0.25 97	0.18 90	0.22 81	0.18 88	0.23 89	0.18 91	0.19 88	0.20 93	0.23 88	0.20 92	4.43 252	0.19 91

CFNet	0.55 148	0.25 90	0.18 81	0.25 96	0.18 88	0.25 99	0.18 90	0.25 96	0.18 89	0.25 75	0.18 91	0.25 96	0.18 91	0.18 87	0.18 87	0.18 86	0.25 97	0.18 90	0.25 97	0.18 88	5.31 262	4.36 262	0.18 86	0.18 90	0.25 98	0.18 89	0.25 97	0.18 90

AANet_RVC	0.61 154	0.31 102	5.05 254	0.31 108	0.19 91	0.24 94	0.20 93	5.86 250	0.20 92	0.24 73	0.18 91	0.25 96	0.20 93	0.23 99	0.21 96	0.18 86	0.37 122	0.18 90	0.24 93	0.19 93	0.25 92	0.19 94	0.19 88	0.19 92	0.24 93	0.15 78	0.24 91	0.20 92

DAS	0.20 81	0.20 71	0.20 87	0.20 77	0.20 93	0.20 76	0.20 93	0.20 72	0.20 92	0.20 63	0.20 93	0.20 78	0.20 93	0.20 92	0.20 94	0.20 90	0.20 78	0.20 95	0.20 77	0.20 94	0.20 77	0.20 95	0.20 90	0.20 93	0.20 77	0.20 92	0.20 77	0.20 92

ASD4	0.20 81	0.20 71	0.20 87	0.20 77	0.20 93	0.20 76	0.20 93	0.20 72	0.20 92	0.20 63	0.20 93	0.20 78	0.20 93	0.20 92	0.20 94	0.20 90	0.20 78	0.20 95	0.20 77	0.20 94	0.20 77	0.20 95	0.20 90	0.20 93	0.20 77	0.20 92	0.20 77	0.20 92

DISCO	0.59 153	0.29 98	0.22 96	0.27 102	5.05 265	0.30 108	0.21 96	0.28 102	0.21 95	0.27 82	0.21 96	0.27 104	0.20 93	0.21 95	0.21 96	0.21 92	0.27 105	0.21 97	0.27 104	0.21 97	0.27 99	0.23 101	0.21 92	0.21 96	0.27 104	0.21 95	5.06 258	0.22 97

model_zeroshot	0.27 92	0.30 100	0.19 85	0.36 120	0.23 100	0.25 99	0.27 108	0.33 107	0.21 95	0.35 88	0.22 98	0.25 96	0.27 111	0.26 105	0.23 100	0.26 102	0.35 114	0.22 98	0.36 116	0.23 102	0.25 92	0.27 109	0.27 106	0.23 101	0.36 116	0.22 97	0.25 97	0.27 111

IMH-64-1	0.29 96	0.23 79	0.23 97	0.23 89	0.22 96	0.22 83	0.23 99	0.22 84	0.22 98	2.02 206	0.23 100	0.23 89	0.22 98	0.23 99	0.23 100	0.23 95	0.23 88	0.22 98	0.23 88	0.22 98	0.22 83	0.22 97	0.22 94	0.22 98	0.22 83	0.22 97	0.22 82	0.22 97

IMH-64	0.29 96	0.23 79	0.23 97	0.23 89	0.22 96	0.22 83	0.23 99	0.22 84	0.22 98	2.02 206	0.23 100	0.23 89	0.22 98	0.23 99	0.23 100	0.23 95	0.23 88	0.22 98	0.23 88	0.22 98	0.22 83	0.22 97	0.22 94	0.22 98	0.22 83	0.22 97	0.22 82	0.22 97

HGLStereo	0.27 92	0.25 90	0.21 95	0.35 116	0.21 95	0.35 115	0.21 96	0.34 113	0.21 95	0.39 99	0.21 96	0.34 111	0.21 97	0.22 96	0.21 96	0.21 92	0.35 114	0.22 98	0.35 113	0.22 98	0.35 110	0.22 97	0.21 92	0.21 96	0.35 114	0.21 95	0.35 114	0.21 96

WAO-6	0.30 99	0.22 75	0.23 97	0.22 82	0.23 100	0.23 91	0.22 98	0.22 84	0.23 100	2.21 214	0.22 98	0.22 83	0.22 98	0.22 96	0.22 99	0.23 95	0.22 83	0.23 102	0.22 81	0.22 98	0.22 83	0.22 97	0.22 94	0.22 98	0.23 88	0.23 100	0.22 82	0.22 97

iResNet_ROB	0.28 95	0.32 104	0.24 101	0.33 110	0.26 104	0.32 110	0.24 101	0.33 107	0.25 102	0.33 83	0.24 103	0.35 114	0.24 102	0.23 99	0.24 104	0.25 99	0.32 109	0.24 103	0.36 116	0.24 104	0.32 104	0.28 114	0.24 99	0.24 103	0.32 108	0.24 102	0.33 108	0.24 102

LoS_RVC	0.25 88	0.25 90	0.25 102	0.25 96	0.25 102	0.25 99	0.25 103	0.25 96	0.25 102	0.25 75	0.25 105	0.25 96	0.25 103	0.26 105	0.25 105	0.26 102	0.25 97	0.25 104	0.26 100	0.25 105	0.25 92	0.25 102	0.25 100	0.25 104	0.25 98	0.25 103	0.25 97	0.25 103

tt_ll	0.25 88	0.25 90	0.25 102	0.25 96	0.25 102	0.25 99	0.25 103	0.25 96	0.25 102	0.25 75	0.25 105	0.25 96	0.25 103	0.26 105	0.25 105	0.26 102	0.25 97	0.25 104	0.26 100	0.25 105	0.25 92	0.25 102	0.25 100	0.25 104	0.25 98	0.25 103	0.25 97	0.25 103

CAS	0.25 88	0.25 90	0.25 102	0.25 96	0.26 104	0.26 105	0.26 105	0.25 96	0.25 102	0.25 75	0.25 105	0.25 96	0.25 103	0.25 103	0.25 105	0.25 99	0.26 103	0.25 104	0.26 100	0.26 109	0.25 92	0.25 102	0.25 100	0.26 107	0.25 98	0.26 107	0.25 97	0.25 103

LoS	0.25 88	0.25 90	0.27 106	0.27 102	0.26 104	0.25 99	0.26 105	0.26 101	0.25 102	0.26 81	0.25 105	0.25 96	0.25 103	0.26 105	0.25 105	0.25 99	0.25 97	0.25 104	0.25 97	0.25 105	0.27 99	0.25 102	0.26 104	0.26 107	0.26 102	0.25 103	0.25 97	0.25 103
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Former-RAFT_DAM_RVC	0.38 120	1.06 176	0.54 162	0.59 170	0.27 109	0.46 147	0.27 108	0.46 139	0.27 110	0.46 116	0.27 112	0.46 142	0.26 109	0.27 112	0.27 112	0.26 102	0.46 143	0.26 108	0.45 144	0.30 126	0.46 138	0.27 109	0.27 106	0.27 110	0.46 142	0.27 110	0.45 140	0.26 108

UNDER WATER-64	0.31 107	0.25 90	0.25 102	0.26 101	0.26 104	0.25 99	0.26 105	0.25 96	0.26 108	1.69 193	0.26 109	0.25 96	0.25 103	0.25 103	0.26 110	0.26 102	0.25 97	0.26 108	0.26 100	0.26 109	0.25 92	0.25 102	0.25 100	0.25 104	0.26 102	0.26 107	0.25 97	0.26 108

iRaft-Stereo_20w	0.30 99	0.46 128	0.27 106	0.34 112	0.26 104	0.35 115	0.28 114	0.34 113	0.26 108	0.34 86	0.26 109	0.34 111	0.26 109	0.26 105	0.26 110	0.26 102	0.34 111	0.26 108	0.34 111	0.26 109	0.34 106	0.26 108	0.26 104	0.26 107	0.34 111	0.26 107	0.34 112	0.26 108

TorneroNet-64	0.69 166	0.65 150	0.30 118	0.27 102	0.47 158	0.28 106	0.35 134	0.34 113	0.80 189	7.93 267	0.29 123	0.30 108	0.31 124	0.81 189	0.28 115	0.27 110	0.29 107	0.28 111	0.85 189	0.83 195	0.62 167	0.28 114	0.30 123	0.28 113	0.52 161	0.29 124	0.29 106	0.27 111

SQANet	0.33 110	0.28 97	0.28 109	0.28 106	0.28 112	0.29 107	0.28 114	0.28 102	0.28 114	1.59 191	0.28 115	0.28 106	0.28 112	0.28 115	0.28 115	0.28 111	0.28 106	0.28 111	0.29 106	0.28 112	0.28 101	0.28 114	0.28 109	0.28 113	0.28 105	0.28 111	0.28 105	0.28 113

Any-RAFT	0.32 108	0.45 126	0.29 114	0.36 120	0.29 121	0.36 120	0.29 126	0.36 120	0.29 122	0.35 88	0.29 123	0.35 114	0.28 112	0.27 112	0.28 115	0.28 111	0.35 114	0.28 111	0.35 113	0.28 112	0.35 110	0.28 114	0.29 115	0.29 121	0.36 116	0.29 124	0.36 117	0.29 122

anonymity	0.30 99	0.34 106	0.27 106	0.33 110	0.27 109	0.33 111	0.28 114	0.33 107	0.28 114	0.33 83	0.28 115	0.33 109	0.28 112	0.28 115	0.28 115	0.28 111	0.34 111	0.28 111	0.34 111	0.28 112	0.34 106	0.27 109	0.27 106	0.27 110	0.34 111	0.28 111	0.34 112	0.28 113

CFNet_pseudo	1.01 200	9.78 259	0.29 114	0.38 125	0.28 112	0.38 127	0.28 114	0.38 123	0.28 114	0.39 99	0.28 115	0.39 128	0.28 112	9.50 267	0.29 123	0.28 111	0.38 124	0.28 111	0.38 123	0.28 112	0.38 118	0.28 114	0.28 109	0.28 113	0.38 122	0.28 111	0.38 121	0.28 113

pcwnet_v2	1.01 200	9.73 258	0.28 109	0.38 125	0.28 112	0.38 127	0.28 114	0.38 123	0.28 114	0.38 96	0.28 115	0.39 128	0.28 112	9.61 268	0.28 115	0.28 111	0.38 124	0.28 111	0.38 123	0.28 112	0.38 118	0.28 114	0.29 115	0.28 113	0.38 122	0.28 111	0.38 121	0.28 113

DGSMNet	0.33 110	0.42 123	0.28 109	0.40 136	0.28 112	0.40 136	0.28 114	0.40 131	0.28 114	0.40 104	0.28 115	0.39 128	0.28 112	0.27 112	0.28 115	0.28 111	0.40 137	0.28 111	0.42 141	0.29 121	0.41 131	0.31 127	0.29 115	0.28 113	0.41 135	0.28 111	0.42 138	0.29 122

UCFNet_RVC	1.03 204	10.10 262	0.28 109	0.38 125	0.28 112	0.39 133	0.28 114	0.38 123	0.28 114	0.39 99	0.28 115	0.39 128	0.29 121	9.62 269	0.28 115	0.28 111	0.38 124	0.28 111	0.38 123	0.28 112	0.39 126	0.28 114	0.29 115	0.28 113	0.39 130	0.28 111	0.38 121	0.29 122

MLCV	0.30 99	0.33 105	0.28 109	0.34 112	0.28 112	0.33 111	0.28 114	0.33 107	0.29 122	0.33 83	0.27 112	0.33 109	0.28 112	0.26 105	0.29 123	0.28 111	0.33 110	0.28 111	0.33 108	0.28 112	0.33 105	0.27 109	0.28 109	0.28 113	0.33 109	0.28 111	0.33 108	0.28 113

IER	0.56 151	2.72 219	2.20 235	0.38 125	0.29 121	0.38 127	0.27 108	2.77 232	0.27 110	0.38 96	0.28 115	0.37 121	0.25 103	0.26 105	0.25 105	0.26 102	0.38 124	0.29 120	0.38 123	0.25 105	0.39 126	0.25 102	0.29 115	0.29 121	0.40 131	0.25 103	0.38 121	0.25 103

PML	0.39 122	0.56 146	0.29 114	0.55 164	0.28 112	0.56 167	0.28 114	0.51 158	0.28 114	0.50 120	0.28 115	0.51 157	0.28 112	0.29 117	0.28 115	0.29 119	0.56 163	0.29 120	0.57 170	0.28 112	0.56 161	0.28 114	0.28 109	0.29 121	0.56 165	0.28 111	0.56 163	0.28 113

DN-CSS_ROB	0.30 99	0.34 106	0.29 114	0.34 112	0.27 109	0.34 113	0.28 114	0.33 107	0.27 110	0.34 86	0.27 112	0.34 111	0.28 112	0.29 117	0.27 112	0.26 102	0.35 114	0.29 120	0.33 108	0.28 112	0.34 106	0.28 114	0.28 109	0.27 110	0.34 111	0.28 111	0.33 108	0.28 113

RAFT-Test	0.34 113	0.45 126	0.30 118	0.38 125	0.32 130	0.40 136	0.32 132	0.39 129	0.32 126	0.39 99	0.30 126	0.37 121	0.29 121	0.30 120	0.30 125	0.29 119	0.38 124	0.30 123	0.38 123	0.29 121	0.38 118	0.29 124	0.29 115	0.30 125	0.38 122	0.30 126	0.38 121	0.30 127

GES	0.43 127	0.41 117	0.31 121	0.35 116	0.30 126	0.47 153	0.28 114	0.33 107	0.28 114	0.35 88	0.29 123	2.95 236	0.38 138	0.35 126	0.30 125	0.34 130	0.34 111	0.30 123	0.33 108	0.30 126	0.35 110	0.30 126	0.33 127	0.33 129	0.33 109	0.31 128	0.33 108	0.29 122

RSM	0.33 110	0.36 110	0.31 121	0.39 135	0.32 130	0.36 120	0.30 129	0.35 116	0.38 137	0.35 88	0.31 128	0.35 114	0.30 123	0.30 120	0.31 127	0.30 121	0.36 119	0.31 125	0.36 116	0.30 126	0.36 114	0.31 127	0.31 124	0.31 126	0.36 116	0.31 128	0.36 117	0.31 129

EKT-Stereo	0.36 116	0.50 140	0.30 118	0.40 136	0.29 121	0.40 136	0.29 126	0.35 116	0.30 124	0.47 118	0.30 126	0.35 114	0.32 126	0.29 117	0.34 129	0.33 129	0.59 165	0.31 125	0.39 133	0.29 121	0.37 116	0.38 137	0.29 115	0.31 126	0.58 168	0.28 111	0.51 157	0.29 122

RAFT + AFF	0.34 113	0.29 98	0.32 124	0.31 108	0.30 126	0.39 133	0.32 132	0.39 129	0.30 124	0.39 99	0.32 130	0.39 128	0.32 126	0.35 126	0.36 133	0.32 128	0.38 124	0.31 125	0.38 123	0.31 129	0.38 118	0.28 114	0.37 135	0.34 131	0.38 122	0.30 126	0.38 121	0.28 113

ccs_rob	1.00 196	10.06 261	0.31 121	0.44 147	0.31 128	0.43 146	0.31 131	0.43 138	0.32 126	0.45 114	0.32 130	1.20 212	0.31 124	7.02 266	0.31 127	0.31 124	0.44 142	0.31 125	0.44 143	0.32 130	0.44 137	0.31 127	0.32 125	0.32 128	0.44 141	0.32 130	0.43 139	0.31 129

DLNR_Zeroshot_test	0.27 92	0.30 100	0.23 97	0.30 107	0.22 96	0.31 109	0.24 101	0.29 104	0.23 100	0.38 96	0.23 100	0.29 107	0.23 101	0.22 96	0.23 100	0.23 95	0.30 108	0.34 129	0.29 106	0.23 102	0.29 103	0.29 124	0.22 94	0.23 101	0.30 107	0.23 100	0.30 107	0.23 101

GMOStereo	0.50 134	0.44 124	2.38 240	0.40 136	0.34 133	0.42 143	0.36 136	1.96 219	0.34 129	0.41 105	0.36 136	0.42 137	0.35 132	0.34 122	0.38 137	0.31 124	0.39 133	0.34 129	0.40 134	0.33 132	0.39 126	0.33 130	0.33 127	0.34 131	0.40 131	0.36 135	0.40 131	0.32 131

error version	0.50 134	0.44 124	2.38 240	0.40 136	0.34 133	0.42 143	0.36 136	1.96 219	0.34 129	0.41 105	0.36 136	0.42 137	0.35 132	0.34 122	0.38 137	0.31 124	0.39 133	0.34 129	0.40 134	0.33 132	0.39 126	0.33 130	0.33 127	0.34 131	0.40 131	0.36 135	0.40 131	0.32 131

test_1	0.65 158	4.37 232	2.38 240	0.40 136	0.34 133	0.42 143	0.36 136	1.96 219	0.34 129	0.41 105	0.36 136	0.42 137	0.35 132	0.34 122	0.38 137	0.31 124	0.39 133	0.34 129	0.40 134	0.33 132	0.39 126	0.33 130	0.33 127	0.34 131	0.40 131	0.36 135	0.40 131	0.32 131

ETE_ROB	0.35 115	0.35 109	0.35 126	0.35 116	0.35 136	0.35 115	0.35 134	0.35 116	0.35 133	0.35 88	0.35 134	0.35 114	0.35 132	0.35 126	0.35 131	0.35 132	0.35 114	0.35 133	0.35 113	0.35 135	0.35 110	0.35 133	0.35 131	0.35 135	0.35 114	0.35 133	0.35 114	0.35 134

LL-Strereo2	0.47 131	2.60 218	0.51 158	0.38 125	0.28 112	0.37 124	0.28 114	0.55 161	0.35 133	0.44 113	0.34 133	0.44 141	0.34 130	0.34 122	0.36 133	0.36 133	0.47 147	0.36 134	0.47 149	0.35 135	0.47 142	0.35 133	0.35 131	0.35 135	0.46 142	0.35 133	0.47 145	0.35 134

DMCA	0.36 116	0.38 112	0.37 128	0.35 116	0.35 136	0.35 115	0.36 136	0.35 116	0.36 135	0.36 94	0.37 139	0.36 120	0.36 136	0.36 130	0.35 131	0.37 135	0.36 119	0.36 134	0.36 116	0.36 138	0.36 114	0.35 133	0.36 133	0.36 137	0.37 120	0.36 135	0.36 117	0.36 136

FCDSN-DC	0.44 128	0.31 102	0.35 126	0.34 112	0.28 112	0.35 115	0.30 129	0.32 106	0.25 102	1.32 181	0.24 103	1.00 194	0.32 126	0.35 126	0.34 129	0.30 121	0.72 174	0.37 136	0.48 155	0.32 130	0.53 159	0.49 166	0.23 98	0.29 121	0.50 155	0.42 151	0.61 167	0.71 185
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
XPNet_ROB	0.37 119	0.37 111	0.37 128	0.37 122	0.37 138	0.37 124	0.37 140	0.37 121	0.37 136	0.37 95	0.37 139	0.37 121	0.37 137	0.37 131	0.37 136	0.37 135	0.37 122	0.37 136	0.37 120	0.37 139	0.37 116	0.37 136	0.37 135	0.37 139	0.37 120	0.37 139	0.37 120	0.37 137

WAO-7	0.46 129	0.38 112	0.38 130	0.38 125	0.38 141	0.38 127	0.38 142	0.38 123	0.38 137	2.57 225	0.38 141	0.38 124	0.38 138	0.38 132	0.38 137	0.38 137	0.38 124	0.38 138	0.38 123	0.38 141	0.38 118	0.38 137	0.38 137	0.38 140	0.38 122	0.38 140	0.38 121	0.38 138

HanzoNet	0.47 131	0.39 115	0.38 130	0.38 125	0.38 141	0.38 127	0.38 142	0.40 131	0.38 137	2.63 226	0.38 141	0.38 124	0.38 138	0.38 132	0.38 137	0.39 141	0.38 124	0.38 138	0.38 123	0.42 151	0.38 118	0.39 142	0.39 141	0.38 140	0.38 122	0.38 140	0.38 121	0.39 143

Venus	0.46 129	0.38 112	0.40 134	0.38 125	0.38 141	0.39 133	0.38 142	0.38 123	0.38 137	2.71 227	0.38 141	0.38 124	0.38 138	0.38 132	0.38 137	0.38 137	0.38 124	0.38 138	0.38 123	0.38 141	0.38 118	0.38 137	0.38 137	0.38 140	0.38 122	0.38 140	0.39 130	0.38 138

IMH	0.47 131	0.40 116	0.39 133	0.38 125	0.38 141	0.38 127	0.38 142	0.38 123	0.40 143	2.79 229	0.38 141	0.38 124	0.38 138	0.38 132	0.38 137	0.38 137	0.39 133	0.38 138	0.38 123	0.40 145	0.38 118	0.38 137	0.38 137	0.38 140	0.38 122	0.38 140	0.38 121	0.38 138

iRaftStereo_RVC	0.62 156	1.76 202	2.24 237	0.52 163	0.37 138	0.53 166	0.38 142	2.51 230	0.38 137	0.51 122	0.38 141	0.51 157	0.38 138	0.38 132	0.38 137	0.38 137	0.52 159	0.38 138	0.52 165	0.38 141	0.52 156	0.38 137	0.38 137	0.38 140	0.52 161	0.39 144	0.52 159	0.38 138

CASnet	0.32 108	0.53 143	0.34 125	0.27 102	0.31 128	0.34 113	0.29 126	0.31 105	0.32 126	0.25 75	0.31 128	0.27 104	0.40 145	0.45 146	0.27 112	0.30 121	0.26 103	0.40 143	0.28 105	0.37 139	0.28 101	0.39 142	0.29 115	0.40 145	0.29 106	0.28 111	0.24 91	0.30 127
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CFNet_RVC	0.93 190	8.54 255	0.41 135	0.56 165	0.37 138	0.56 167	0.37 140	0.50 155	0.40 143	0.56 126	5.24 266	0.56 162	0.34 130	0.40 137	0.41 148	0.34 130	0.53 160	0.40 143	0.56 169	0.38 141	0.52 156	0.40 144	0.40 142	0.41 146	0.56 165	0.40 145	0.56 163	0.40 144

Occ-G	0.68 165	0.54 144	3.16 246	0.57 169	0.45 153	0.52 165	0.40 147	3.44 238	0.46 154	0.52 123	0.45 153	0.51 157	0.44 152	0.44 145	0.40 146	0.45 149	0.55 161	0.41 145	0.53 166	0.43 152	0.52 156	0.40 144	0.44 149	0.45 153	0.55 163	0.44 153	0.53 161	0.44 151

GwcNet-ADL	0.41 123	0.41 117	0.41 135	0.41 142	0.41 146	0.41 139	0.41 148	0.41 133	0.41 145	0.41 105	0.41 147	0.41 133	0.41 146	0.41 138	0.41 148	0.41 142	0.41 138	0.41 145	0.41 137	0.41 146	0.41 131	0.41 146	0.41 143	0.41 146	0.41 135	0.41 146	0.41 134	0.41 145

PSMNet-ADL	0.41 123	0.41 117	0.41 135	0.41 142	0.41 146	0.41 139	0.41 148	0.41 133	0.41 145	0.41 105	0.41 147	0.41 133	0.41 146	0.41 138	0.41 148	0.41 142	0.41 138	0.41 145	0.41 137	0.41 146	0.41 131	0.41 146	0.41 143	0.41 146	0.41 135	0.41 146	0.41 134	0.41 145

GANet-ADL	0.41 123	0.41 117	0.41 135	0.41 142	0.41 146	0.41 139	0.41 148	0.41 133	0.41 145	0.41 105	0.41 147	0.41 133	0.41 146	0.41 138	0.41 148	0.41 142	0.41 138	0.41 145	0.41 137	0.41 146	0.41 131	0.41 146	0.41 143	0.41 146	0.41 135	0.41 146	0.41 134	0.41 145

CroCo-Stereo	0.80 179	2.51 217	0.41 135	1.27 217	0.41 146	1.27 216	0.41 148	1.27 206	0.41 145	1.27 178	0.41 147	1.27 215	0.41 146	0.41 138	0.41 148	0.41 142	1.28 215	0.41 145	1.27 216	0.41 146	1.27 216	0.41 146	0.42 147	0.41 146	1.27 217	0.41 146	1.27 215	0.41 145
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
ADLNet	0.41 123	0.41 117	0.41 135	0.41 142	0.41 146	0.41 139	0.41 148	0.41 133	0.41 145	0.41 105	0.41 147	0.41 133	0.41 146	0.41 138	0.41 148	0.41 142	0.41 138	0.41 145	0.41 137	0.41 146	0.41 131	0.41 146	0.41 143	0.41 146	0.41 135	0.41 146	0.41 134	0.41 145

CroCo-Stereo Lap2	0.85 186	2.86 221	0.43 141	1.33 219	0.43 152	1.31 217	0.42 153	1.32 207	0.42 150	1.31 180	0.44 152	1.32 216	0.44 152	0.43 144	0.44 154	0.43 147	1.35 216	0.43 151	1.32 218	0.43 152	1.31 217	0.43 151	0.43 148	0.42 152	1.31 218	0.42 151	1.31 216	0.43 150

CES	0.38 120	0.34 106	0.44 142	0.43 146	0.33 132	0.37 124	0.44 155	0.37 121	0.38 137	0.45 114	0.35 134	0.35 114	0.41 146	0.45 146	0.36 133	0.36 133	0.36 119	0.45 152	0.43 142	0.35 135	0.34 106	0.46 152	0.36 133	0.36 137	0.42 140	0.34 132	0.35 114	0.38 138

otaku	0.52 138	0.46 128	0.48 149	0.46 148	0.46 154	0.46 147	0.46 156	0.46 139	0.47 159	1.88 196	0.46 154	0.46 142	0.46 155	0.46 148	0.46 155	0.46 150	0.47 147	0.46 153	0.46 145	0.46 155	0.47 142	0.46 152	0.46 150	0.46 154	0.47 148	0.46 154	0.46 141	0.47 155

Ntro	0.53 142	0.47 133	0.50 155	0.46 148	0.48 163	0.47 153	0.47 160	0.46 139	0.46 154	2.05 208	0.47 158	0.47 146	0.49 166	0.47 152	0.47 159	0.46 150	0.48 151	0.46 153	0.49 158	0.46 155	0.47 142	0.46 152	0.46 150	0.47 158	0.46 142	0.46 154	0.47 145	0.47 155

Dean	0.52 138	0.46 128	0.48 149	0.46 148	0.46 154	0.46 147	0.46 156	0.46 139	0.46 154	1.90 197	0.46 154	0.47 146	0.46 155	0.46 148	0.46 155	0.46 150	0.48 151	0.46 153	0.46 145	0.46 155	0.46 138	0.46 152	0.46 150	0.46 154	0.46 142	0.46 154	0.46 141	0.46 152

ACVNet-4b	0.53 142	0.46 128	0.47 144	0.46 148	0.46 154	0.46 147	0.46 156	0.46 139	0.46 154	2.17 211	0.46 154	0.46 142	0.47 158	0.46 148	0.46 155	0.46 150	0.46 143	0.46 153	0.46 145	0.46 155	0.46 138	0.46 152	0.46 150	0.47 158	0.46 142	0.46 154	0.46 141	0.46 152

test-3	0.78 178	4.38 233	1.80 226	0.62 173	0.49 167	0.62 172	0.50 169	1.86 215	0.64 180	0.69 131	0.52 168	0.66 168	0.38 138	0.58 166	0.57 175	0.46 150	0.66 170	0.46 153	0.50 161	0.44 154	0.48 148	0.58 174	0.54 166	0.60 178	0.70 173	0.46 154	0.48 150	0.50 164

MaskLacGwcNet_RVC	0.70 168	6.91 242	0.46 143	0.46 148	0.46 154	0.46 147	0.46 156	0.46 139	0.46 154	0.46 116	0.46 154	0.46 142	0.46 155	0.46 148	0.46 155	0.46 150	0.46 143	0.46 153	0.46 145	0.46 155	0.47 142	0.46 152	0.46 150	0.46 154	0.46 142	0.46 154	0.46 141	0.46 152

HaxPig	0.52 138	0.48 136	0.47 144	0.47 153	0.47 158	0.47 153	0.47 160	0.47 145	0.47 159	1.80 194	0.47 158	0.47 146	0.47 158	0.47 152	0.47 159	0.47 157	0.47 147	0.47 159	0.47 149	0.47 160	0.47 142	0.47 160	0.47 156	0.47 158	0.47 148	0.47 161	0.47 145	0.47 155

UNDER WATER	0.52 138	0.47 133	0.47 144	0.47 153	0.47 158	0.47 153	0.47 160	0.47 145	0.47 159	1.90 197	0.47 158	0.47 146	0.47 158	0.47 152	0.47 159	0.47 157	0.46 143	0.47 159	0.47 149	0.47 160	0.46 138	0.47 160	0.47 156	0.48 162	0.47 148	0.47 161	0.47 145	0.47 155

LVE	0.53 142	0.47 133	0.48 149	0.47 153	0.47 158	0.47 153	0.47 160	0.48 148	0.47 159	1.96 203	0.47 158	0.47 146	0.47 158	0.47 152	0.47 159	0.47 157	0.47 147	0.47 159	0.47 149	0.47 160	0.47 142	0.47 160	0.47 156	0.47 158	0.47 148	0.47 161	0.47 145	0.47 155

ACVNet_1	0.53 142	0.46 128	0.48 149	0.47 153	0.47 158	0.46 147	0.48 164	0.48 148	0.48 163	2.07 209	0.47 158	0.48 151	0.48 162	0.47 152	0.47 159	0.46 150	0.49 155	0.47 159	0.47 149	0.47 160	0.48 148	0.46 152	0.46 150	0.48 162	0.47 148	0.47 161	0.48 150	0.47 155

RainbowNet	0.53 142	0.48 136	0.48 149	0.48 157	0.48 163	0.48 159	0.48 164	0.48 148	0.48 163	1.92 199	0.48 163	0.48 151	0.48 162	0.48 157	0.48 164	0.48 160	0.48 151	0.48 163	0.48 155	0.48 164	0.48 148	0.48 163	0.48 159	0.48 162	0.48 153	0.48 165	0.48 150	0.48 161

notaker	0.54 147	0.48 136	0.48 149	0.48 157	0.48 163	0.48 159	0.49 167	0.48 148	0.48 163	1.95 202	0.48 163	0.48 151	0.48 162	0.48 157	0.48 164	0.48 160	0.48 151	0.48 163	0.48 155	0.48 164	0.49 151	0.48 163	0.48 159	0.49 165	0.48 153	0.48 165	0.48 150	0.49 162

HH	0.66 159	2.13 208	0.47 144	0.37 122	0.29 121	0.36 120	0.27 108	0.49 152	0.44 151	0.78 137	0.68 181	0.67 170	0.90 197	0.62 171	0.90 196	0.53 168	0.88 186	0.48 163	0.37 120	0.29 121	0.63 168	0.66 184	0.66 178	0.51 168	1.06 201	0.61 179	1.08 201	0.60 173

HanStereo	0.66 159	2.13 208	0.47 144	0.37 122	0.29 121	0.36 120	0.27 108	0.49 152	0.44 151	0.78 137	0.68 181	0.67 170	0.90 197	0.62 171	0.90 196	0.53 168	0.88 186	0.48 163	0.37 120	0.29 121	0.63 168	0.66 184	0.66 178	0.51 168	1.06 201	0.61 179	1.08 201	0.60 173

ACVNet_2	0.55 148	0.49 139	0.50 155	0.49 159	0.49 167	0.49 161	0.49 167	0.49 152	0.49 167	2.14 210	0.49 165	0.50 155	0.49 166	0.49 159	0.49 167	0.49 163	0.50 157	0.49 167	0.50 161	0.49 167	0.49 151	0.49 166	0.49 161	0.50 166	0.50 155	0.49 167	0.50 155	0.49 162

AEACV	0.74 174	0.52 142	3.10 244	0.60 171	0.48 163	0.56 167	0.48 164	3.02 233	0.83 194	0.61 127	0.62 178	0.72 176	0.50 168	0.49 159	0.49 167	0.48 160	0.58 164	0.50 168	0.55 167	0.48 164	0.56 161	0.50 170	0.50 163	0.51 168	0.58 168	0.51 171	0.60 166	0.51 166

SANet	0.50 134	0.50 140	0.50 155	0.50 161	0.50 170	0.50 162	0.50 169	0.50 155	0.50 168	0.50 120	0.50 166	0.50 155	0.50 168	0.50 162	0.50 169	0.50 166	0.50 157	0.50 168	0.50 161	0.50 169	0.50 153	0.50 170	0.50 163	0.50 166	0.50 155	0.50 169	0.50 155	0.50 164

KSHMR	0.85 186	0.72 151	0.51 158	0.49 159	0.49 167	0.51 163	1.07 211	0.50 155	0.48 163	6.04 262	0.52 168	0.66 168	0.98 203	0.49 159	0.77 189	0.49 163	1.17 208	0.51 170	0.49 158	1.06 209	0.51 154	0.49 166	0.49 161	0.51 168	1.04 199	0.49 167	0.81 182	0.72 186

gcap-zeroshot	0.81 182	1.03 174	0.84 187	0.93 193	0.85 195	0.84 186	0.62 182	1.21 204	0.53 170	0.79 139	0.84 194	0.77 180	0.70 184	0.84 192	0.67 185	0.74 186	1.18 210	0.52 171	0.91 192	0.79 189	0.84 181	0.61 178	0.83 193	0.69 187	0.93 193	0.82 195	0.85 185	0.66 180

ARAFT	0.64 157	0.74 155	0.62 172	0.70 180	0.56 175	0.72 179	0.55 173	0.72 170	0.54 171	0.73 135	0.56 172	0.72 176	0.56 175	0.56 165	0.62 180	0.63 177	0.73 175	0.53 172	0.73 178	0.54 171	0.72 173	0.65 181	0.62 174	0.56 174	0.72 175	0.54 172	0.72 174	0.57 169

AIO-Stereo	0.82 183	1.06 176	0.73 178	0.97 197	0.74 187	1.06 202	0.60 180	1.04 192	0.90 196	1.00 155	1.01 204	0.78 181	0.85 195	0.74 185	0.62 180	0.67 180	1.12 201	0.55 173	0.70 175	0.65 180	0.93 188	0.66 184	0.67 180	0.67 185	0.82 183	0.74 189	0.92 187	0.83 192

PSMNet_ROB	0.55 148	0.55 145	0.56 166	0.56 165	0.55 173	0.56 167	0.55 173	0.55 161	0.55 172	0.55 124	0.55 171	0.55 161	0.55 174	0.55 164	0.56 173	0.55 170	0.55 161	0.55 173	0.55 167	0.55 172	0.55 160	0.55 173	0.55 167	0.55 173	0.55 163	0.55 174	0.55 162	0.55 168

MyStereo04	0.76 176	4.78 236	0.62 172	0.63 174	0.54 172	0.65 174	0.56 175	0.61 164	0.58 176	0.61 127	0.56 172	0.63 166	0.57 176	0.63 174	0.60 177	0.60 174	0.64 168	0.56 175	0.63 173	0.58 174	0.63 168	0.62 180	0.55 167	0.60 178	0.63 171	0.57 175	0.64 169	0.58 170

DDUNet	0.69 166	0.84 161	0.59 169	0.84 189	0.59 176	0.87 189	0.57 176	0.84 176	0.59 178	0.82 144	0.58 175	0.85 188	0.57 176	0.59 169	0.59 176	0.57 172	0.87 185	0.59 176	0.85 189	0.59 176	0.85 182	0.59 176	0.59 170	0.59 176	0.87 185	0.59 177	0.84 184	0.59 171

UDG	0.70 168	0.87 162	0.56 166	0.87 190	0.59 176	0.84 186	0.59 179	0.85 177	0.57 175	0.84 146	0.59 176	0.84 187	0.60 178	0.58 166	0.60 177	0.59 173	0.85 184	0.59 176	0.87 191	0.58 174	0.87 183	0.60 177	0.57 169	0.59 176	0.87 185	0.58 176	0.86 186	0.60 173

STTRV1_RVC	0.66 159	1.59 200	0.52 161	0.69 177	0.61 178	0.66 175	0.43 154	0.88 178	0.45 153	0.71 133	0.62 178	0.69 173	0.45 154	0.62 171	0.40 146	0.44 148	0.80 180	0.59 176	0.76 183	0.63 178	0.80 176	0.46 152	0.64 175	0.61 180	0.72 175	0.54 172	0.80 179	0.60 173

LMCR-Stereo	0.61 154	0.61 148	0.61 171	0.61 172	0.61 178	0.67 176	0.61 181	0.61 164	0.61 179	0.61 127	0.61 177	0.61 165	0.61 179	0.61 170	0.61 179	0.61 175	0.61 166	0.61 179	0.61 172	0.61 177	0.61 165	0.61 178	0.61 173	0.61 180	0.61 170	0.61 179	0.61 167	0.61 177

CASS	0.58 152	0.89 163	0.55 164	0.56 165	0.55 173	0.60 171	0.57 176	0.57 163	0.56 173	0.55 124	0.56 172	0.56 162	0.50 168	0.63 174	0.56 173	0.56 171	0.62 167	0.62 180	0.59 171	0.56 173	0.56 161	0.48 163	0.60 172	0.56 174	0.57 167	0.60 178	0.57 165	0.59 171
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
AFF-stereo	0.71 170	0.73 153	0.65 174	0.82 187	0.63 181	0.83 184	0.63 183	0.73 171	0.65 181	0.82 144	0.73 186	0.74 179	0.64 180	0.63 174	0.62 180	0.62 176	0.73 175	0.63 181	0.74 180	0.72 186	0.80 176	0.58 174	0.70 185	0.71 188	0.79 179	0.69 185	0.78 177	0.72 186

RAFT-Stereo + iAFF	0.67 163	0.74 155	0.60 170	0.79 184	0.61 178	0.76 180	0.57 176	0.71 169	0.56 173	0.71 133	0.54 170	0.72 176	0.66 182	0.65 177	0.65 183	0.64 178	0.74 177	0.64 182	0.74 180	0.63 178	0.73 174	0.65 181	0.64 175	0.64 182	0.74 177	0.61 179	0.73 175	0.64 178

TorneroNet	1.15 209	1.10 180	0.51 158	0.69 177	0.51 171	1.10 205	0.50 169	0.51 158	0.51 169	13.92 269	1.17 217	0.49 154	0.51 171	0.54 163	0.48 164	0.49 163	0.49 155	0.65 183	0.70 175	0.49 167	0.51 154	0.49 166	0.67 180	1.36 226	0.51 159	0.50 169	0.52 159	1.23 220

DSFCA	0.66 159	0.73 153	0.74 179	0.68 176	0.65 182	0.64 173	0.65 186	0.65 166	0.65 181	0.66 130	0.65 180	0.65 167	0.64 180	0.65 177	0.65 183	0.65 179	0.65 169	0.65 183	0.65 174	0.65 180	0.65 171	0.65 181	0.65 177	0.65 183	0.66 172	0.66 183	0.65 170	0.65 179

MoCha-V2	1.75 226	27.02 277	0.72 175	0.92 191	0.69 183	0.89 190	0.69 187	0.92 181	0.71 184	0.87 147	0.69 183	0.88 189	0.68 183	0.70 181	0.68 186	0.69 182	0.90 188	0.69 185	0.92 193	0.69 183	0.92 186	0.71 188	0.70 185	0.67 185	0.88 187	0.71 186	0.92 187	0.68 181

WAO-8	1.02 203	1.50 199	1.49 219	0.40 136	0.40 145	1.56 223	0.98 200	1.55 213	0.58 176	4.18 249	0.40 146	0.79 183	0.48 162	0.91 193	0.39 145	0.99 203	0.71 173	0.70 186	0.51 164	0.77 188	1.07 197	0.82 195	0.69 184	0.96 202	1.01 197	1.30 224	1.10 203	1.38 227

DMCA-RVC	0.71 170	0.72 151	0.72 175	0.71 181	0.70 184	0.70 177	0.70 189	0.70 168	0.71 184	0.70 132	0.71 184	0.71 175	0.70 184	0.70 181	0.71 187	0.70 183	0.70 172	0.71 187	0.70 175	0.71 184	0.70 172	0.70 187	0.71 187	0.71 188	0.70 173	0.72 188	0.71 172	0.70 183

AIO-Stereo-zeroshot1	0.74 174	0.57 147	0.57 168	0.56 165	0.92 197	1.07 203	0.63 183	1.03 190	0.82 193	0.49 119	0.77 188	0.69 173	0.54 173	0.58 166	0.54 171	0.86 193	1.06 198	0.72 188	1.06 202	0.79 189	0.58 164	0.87 196	0.59 170	0.46 154	0.76 178	0.46 154	1.05 198	0.97 199

RSM++	0.77 177	0.91 164	0.72 175	0.83 188	0.71 185	0.83 184	0.72 190	0.81 175	0.71 184	0.81 143	0.71 184	0.81 186	0.71 186	0.71 183	0.71 187	0.70 183	0.83 183	0.72 188	0.83 188	0.81 194	0.83 180	0.72 189	0.71 187	0.71 188	0.88 187	0.71 186	0.83 183	0.70 183

PA-Net	0.71 170	0.62 149	0.55 164	0.69 177	0.71 185	0.70 177	0.69 187	0.69 167	0.74 187	0.73 135	0.75 187	0.59 164	0.72 187	0.82 190	0.79 191	0.83 191	0.67 171	0.76 190	0.81 187	0.67 182	0.61 165	0.76 190	0.68 183	0.65 183	0.82 183	0.76 191	0.71 172	0.69 182
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
G-Net	0.82 183	1.77 203	0.78 181	0.78 183	0.78 189	0.78 181	0.78 191	0.78 172	0.79 188	0.79 139	0.78 189	0.78 181	0.78 189	0.78 186	0.78 190	0.78 187	0.79 179	0.79 191	0.79 184	0.79 189	0.79 175	0.79 191	0.79 190	0.79 191	0.79 179	0.79 192	0.79 178	0.79 189

HSM-Net_RVC	0.93 190	1.09 179	0.79 182	1.10 205	0.78 189	1.09 204	0.79 192	1.16 199	0.80 189	1.14 165	0.79 190	1.17 208	0.77 188	0.73 184	0.83 194	0.78 187	1.19 211	0.79 191	1.18 211	0.72 186	1.19 207	0.80 192	0.72 189	0.80 192	1.18 212	0.74 189	1.14 205	0.73 188
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NaN_ROB	0.80 179	0.80 158	0.80 183	0.80 185	0.80 191	0.80 182	0.80 193	0.80 173	0.80 189	0.80 141	0.80 191	0.80 184	0.80 190	0.80 187	0.80 192	0.80 189	0.80 180	0.80 193	0.80 185	0.80 192	0.80 176	0.80 192	0.80 191	0.80 192	0.80 181	0.80 193	0.80 179	0.80 190

CSAN	0.80 179	0.80 158	0.80 183	0.80 185	0.80 191	0.80 182	0.80 193	0.80 173	0.80 189	0.80 141	0.80 191	0.80 184	0.80 190	0.80 187	0.80 192	0.80 189	0.80 180	0.80 193	0.80 185	0.80 192	0.80 176	0.80 192	0.80 191	0.80 192	0.80 181	0.80 193	0.80 179	0.80 190

DPSimNet_ROB	0.93 190	1.04 175	0.83 186	1.05 203	0.82 193	1.04 200	0.83 196	1.03 190	0.89 195	1.03 160	0.84 194	1.03 199	0.84 193	0.83 191	0.84 195	0.83 191	1.14 203	0.84 195	1.12 207	0.84 196	1.04 195	0.88 198	0.83 193	0.84 196	1.07 203	0.83 196	1.15 206	0.88 193

FC-DCNN	1.10 206	0.81 160	0.77 180	0.63 174	0.42 151	0.86 188	0.64 185	0.91 179	0.96 201	1.11 163	0.80 191	1.07 201	0.81 192	0.67 180	1.75 233	1.30 224	1.41 221	0.85 196	1.28 217	0.71 184	2.12 231	1.32 224	0.52 165	0.81 195	1.64 224	1.40 229	2.39 233	1.75 235

4D-IteraStereo	0.67 163	3.40 224	1.05 199	0.71 181	0.83 194	0.47 153	0.27 108	0.47 145	0.27 110	0.35 88	0.26 109	0.68 172	0.84 193	0.41 138	0.54 171	0.89 194	0.74 177	0.88 197	0.73 178	0.87 197	0.42 136	0.27 109	0.28 109	0.28 113	0.36 116	0.28 111	0.68 171	0.90 195

DGTPSM_ROB	0.92 188	0.93 168	0.91 188	0.93 193	0.91 196	0.92 191	0.93 199	0.92 181	0.92 197	0.92 150	0.91 196	0.91 190	0.93 200	0.91 193	0.92 200	0.92 201	0.92 189	0.92 198	0.92 193	0.90 198	0.91 184	0.92 199	0.93 197	0.94 201	0.92 191	0.91 197	0.92 187	0.97 199

pmcnn	0.92 188	0.92 165	0.92 189	0.92 191	0.92 197	0.92 191	0.92 197	0.92 181	0.92 197	0.92 150	0.92 198	0.92 193	0.92 199	0.92 195	0.92 200	0.92 201	0.92 189	0.92 198	0.92 193	0.92 202	0.92 186	0.92 199	0.92 196	0.92 200	0.92 191	0.92 198	0.92 187	0.92 198

DPSM_ROB	0.93 190	0.92 165	0.94 190	0.96 195	1.02 203	0.92 191	0.98 200	0.95 184	0.92 197	0.92 150	0.92 198	0.91 190	0.97 201	0.92 195	0.91 198	0.91 198	0.96 191	0.94 200	0.93 196	0.91 199	0.93 188	0.92 199	0.93 197	0.91 198	0.91 189	0.99 199	0.92 187	0.91 196

DPSM	0.93 190	0.92 165	0.94 190	0.96 195	1.02 203	0.92 191	0.98 200	0.95 184	0.92 197	0.92 150	0.92 198	0.91 190	0.97 201	0.92 195	0.91 198	0.91 198	0.96 191	0.94 200	0.93 196	0.91 199	0.93 188	0.92 199	0.93 197	0.91 198	0.91 189	0.99 199	0.92 187	0.91 196

AIO-Stereo-zeroshot	0.93 190	0.77 157	0.82 185	1.16 212	0.75 188	0.99 195	0.92 197	0.91 179	0.99 202	0.94 154	0.91 196	1.15 205	0.88 196	0.92 195	1.00 202	0.67 180	0.98 193	1.00 202	0.75 182	0.91 199	1.18 205	0.87 196	0.89 195	0.90 197	1.08 204	1.07 208	0.74 176	0.89 194

GANet	1.00 196	1.00 169	1.00 192	1.00 198	1.00 199	1.00 196	1.00 203	1.00 186	1.00 203	1.00 155	1.00 201	1.00 194	1.00 204	1.00 201	1.00 202	1.00 204	1.00 194	1.00 202	1.00 198	1.00 203	1.00 191	1.00 203	1.00 201	1.00 203	1.00 194	1.00 202	1.00 193	1.00 201

TDLM	1.00 196	1.00 169	1.00 192	1.00 198	1.00 199	1.00 196	1.00 203	1.00 186	1.00 203	1.00 155	1.00 201	1.00 194	1.00 204	1.00 201	1.00 202	1.00 204	1.00 194	1.00 202	1.00 198	1.00 203	1.00 191	1.00 203	1.00 201	1.00 203	1.00 194	1.00 202	1.00 193	1.00 201

CVANet_RVC	1.00 196	1.00 169	1.00 192	1.00 198	1.00 199	1.00 196	1.00 203	1.00 186	1.00 203	1.00 155	1.00 201	1.00 194	1.00 204	1.00 201	1.00 202	1.00 204	1.00 194	1.00 202	1.00 198	1.00 203	1.00 191	1.00 203	1.00 201	1.00 203	1.00 194	1.00 202	1.00 193	1.00 201

trnet	1.01 200	1.01 172	1.01 195	1.01 201	1.01 202	1.01 199	1.01 206	1.01 189	1.01 206	1.01 159	1.01 204	1.01 198	1.01 207	1.01 204	1.01 206	1.01 207	1.01 197	1.01 206	1.01 201	1.01 206	1.01 194	1.01 206	1.01 204	1.01 206	1.01 197	1.01 205	1.01 197	1.01 204

SPS-STEREO	1.25 217	1.47 198	1.06 201	1.54 223	1.08 208	1.52 222	1.20 223	1.44 211	1.06 209	1.49 190	1.10 209	1.41 220	1.10 211	0.98 199	1.08 209	1.12 211	1.47 222	1.04 207	1.53 222	1.14 215	1.52 221	1.07 209	1.02 205	1.05 207	1.48 222	1.07 208	1.55 220	1.11 209
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
plain	1.96 228	3.33 223	1.04 198	3.24 238	1.04 206	3.24 239	1.04 207	3.26 236	1.05 207	3.26 234	1.13 211	3.27 238	1.06 209	1.05 206	1.05 207	1.05 208	3.28 237	1.05 208	3.29 236	1.06 209	3.30 237	1.05 207	1.05 207	1.06 209	3.30 237	1.06 207	3.30 238	1.06 205

GLC_STEREO	1.05 205	1.01 172	1.02 196	1.02 202	1.02 203	1.05 201	1.06 208	1.05 193	1.05 207	1.04 162	1.05 206	1.05 200	1.04 208	1.06 207	1.05 207	1.06 209	1.06 198	1.05 208	1.06 202	1.05 208	1.06 196	1.06 208	1.04 206	1.05 207	1.04 199	1.05 206	1.06 199	1.06 205

RP	1.14 207	1.16 183	1.15 205	1.17 214	1.10 210	1.16 208	1.15 213	1.10 194	1.16 216	1.15 166	1.08 208	1.16 206	1.15 214	1.15 214	1.14 214	1.16 214	1.16 206	1.10 210	1.10 204	1.10 212	1.16 201	1.11 211	1.10 209	1.19 219	1.14 208	1.19 219	1.07 200	1.10 208

Nwc_Net	1.15 209	1.15 181	1.15 205	1.09 204	1.19 219	1.16 208	1.17 215	1.15 197	1.16 216	1.16 169	1.16 213	1.08 202	1.16 215	1.11 210	1.15 216	1.18 218	1.11 200	1.10 210	1.16 208	1.17 218	1.16 201	1.13 213	1.18 215	1.20 220	1.11 206	1.15 214	1.16 207	1.20 216

Abc-Net	1.14 207	1.16 183	1.18 209	1.10 205	1.10 210	1.16 208	1.18 217	1.16 199	1.13 213	1.11 163	1.16 213	1.16 206	1.12 212	1.10 208	1.17 217	1.16 214	1.16 206	1.10 210	1.16 208	1.14 215	1.17 203	1.16 214	1.11 210	1.09 212	1.10 205	1.10 211	1.16 207	1.17 213
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RGC	1.15 209	1.16 183	1.17 208	1.15 210	1.11 212	1.21 213	1.21 224	1.10 194	1.15 214	1.16 169	1.11 210	1.17 208	1.09 210	1.14 213	1.11 211	1.16 214	1.19 211	1.11 213	1.10 204	1.15 217	1.11 198	1.19 217	1.16 213	1.12 214	1.17 210	1.10 211	1.16 207	1.17 213

NCC-stereo	1.15 209	1.17 186	1.12 204	1.10 205	1.15 213	1.14 206	1.15 213	1.15 197	1.12 212	1.17 172	1.17 217	1.11 203	1.17 218	1.11 210	1.10 210	1.16 214	1.12 201	1.11 213	1.16 208	1.13 214	1.23 212	1.16 214	1.19 217	1.11 213	1.18 212	1.17 216	1.17 210	1.13 211

AF-Net	2.06 234	25.73 276	1.18 209	1.12 208	1.16 216	1.16 208	1.19 218	1.10 194	1.17 219	1.15 166	1.14 212	1.11 203	1.16 215	1.16 215	1.14 214	1.11 210	1.15 204	1.13 215	1.21 214	1.17 218	1.11 198	1.21 220	1.17 214	1.17 217	1.17 210	1.11 213	1.20 213	1.13 211

ktn	0.84 185	1.15 181	0.54 162	1.16 212	1.26 223	0.51 163	0.53 172	0.51 158	0.66 183	4.54 252	0.51 167	0.52 160	0.52 172	0.66 179	0.51 170	0.51 167	1.37 220	1.17 216	0.49 158	0.51 170	1.23 212	0.51 172	0.67 180	0.51 168	0.51 159	0.68 184	0.51 157	0.51 166

UniTT-Stereo	2.12 235	3.66 227	1.10 202	3.48 241	1.15 213	3.57 242	1.11 212	3.44 238	1.16 216	3.52 236	1.16 213	3.50 239	1.16 215	1.10 208	1.13 213	1.15 213	3.61 238	1.17 216	3.64 237	1.12 213	3.58 240	1.12 212	1.12 211	1.17 217	3.53 240	1.18 217	3.52 240	1.18 215

edge stereo	1.15 209	1.18 187	1.11 203	1.12 208	1.17 217	1.17 212	1.17 215	1.16 199	1.18 220	1.16 169	1.17 217	1.17 208	1.13 213	1.11 210	1.11 211	1.12 211	1.17 208	1.17 216	1.11 206	1.17 218	1.17 203	1.17 216	1.18 215	1.14 215	1.11 206	1.18 217	1.12 204	1.11 209

stereogan	1.17 214	1.19 189	1.15 205	1.15 210	1.15 213	1.15 207	1.19 218	1.19 202	1.15 214	1.15 166	1.16 213	1.19 211	1.19 219	1.19 216	1.19 218	1.19 219	1.15 204	1.19 219	1.19 212	1.19 221	1.15 200	1.19 217	1.15 212	1.15 216	1.16 209	1.15 214	1.19 211	1.20 216

RAStereo	2.24 236	3.70 228	1.18 209	3.73 245	1.18 218	3.69 244	1.19 218	3.73 241	1.24 223	3.72 239	1.21 222	3.76 243	1.20 220	1.20 217	1.20 219	1.20 220	3.74 243	1.20 220	3.75 243	1.21 222	3.77 244	1.21 220	1.21 219	1.21 221	3.82 244	1.21 221	3.82 244	1.21 218

FAT-Stereo	1.22 215	1.23 190	1.19 212	1.21 216	1.24 222	1.24 215	1.19 218	1.25 205	1.24 223	1.25 177	1.19 220	1.20 212	1.24 223	1.20 217	1.21 220	1.25 223	1.22 213	1.21 221	1.25 215	1.23 224	1.22 210	1.19 217	1.19 217	1.24 223	1.25 215	1.20 220	1.19 211	1.25 222

GANetREF_RVC	1.52 222	2.01 205	1.21 214	1.98 228	1.21 220	1.98 228	1.21 224	1.98 222	1.21 222	1.99 205	1.21 222	1.98 226	1.21 222	1.02 205	1.21 220	1.21 221	1.99 228	1.21 221	1.99 227	1.21 222	1.99 226	1.21 220	1.21 219	1.21 221	1.99 228	1.21 221	1.99 226	1.21 218
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
S-Stereo	1.22 215	1.18 187	1.19 212	1.20 215	1.23 221	1.23 214	1.19 218	1.19 202	1.18 220	1.27 178	1.20 221	1.20 212	1.20 220	1.23 219	1.22 222	1.23 222	1.23 214	1.23 223	1.20 213	1.25 225	1.20 208	1.22 223	1.25 221	1.24 223	1.20 214	1.22 223	1.26 214	1.24 221

StereoVision	3.44 245	10.12 263	1.68 222	5.44 262	2.26 242	5.87 262	1.97 242	5.17 249	1.31 226	5.80 260	1.56 230	5.62 262	1.84 236	1.97 233	1.91 242	1.84 236	4.98 260	1.32 224	5.60 260	1.71 235	5.35 263	1.73 237	1.97 242	1.96 238	5.40 259	1.65 233	5.08 259	1.76 236

HBP-ISP	1.47 219	1.07 178	1.03 197	1.30 218	1.08 208	1.36 218	1.06 208	1.44 211	1.25 225	1.97 204	1.51 229	1.65 222	1.58 229	0.98 199	1.58 229	1.68 232	1.98 227	1.32 224	2.02 228	1.28 226	2.95 236	1.89 240	0.97 200	1.06 209	1.26 216	0.99 199	1.94 223	1.43 229

CC-Net-ROB	1.51 221	4.40 234	1.69 223	1.39 222	1.40 225	1.37 219	1.40 229	1.36 208	1.39 228	1.41 186	1.36 225	1.35 218	1.38 226	1.39 222	1.39 224	1.36 226	1.36 218	1.35 226	1.39 220	1.39 228	1.37 220	1.36 227	1.41 226	1.48 230	1.39 221	1.42 230	1.35 218	1.35 223

PS-NSSS	1.48 220	4.46 235	1.35 215	1.35 220	1.35 224	1.41 221	1.34 226	1.36 208	1.35 227	1.40 185	1.35 224	1.33 217	1.35 224	1.37 221	1.40 225	1.35 225	1.35 216	1.35 226	1.39 220	1.44 231	1.35 218	1.34 225	1.35 222	1.38 229	1.35 219	1.33 225	1.34 217	1.38 227

RASNet	1.39 218	1.37 197	1.35 215	1.38 221	1.40 225	1.39 220	1.77 234	1.36 208	1.74 234	1.36 184	1.36 225	1.36 219	1.36 225	1.36 220	1.35 223	1.41 229	1.36 218	1.36 228	1.36 219	1.35 227	1.36 219	1.35 226	1.36 223	1.35 225	1.36 220	1.35 226	1.36 219	1.35 223

R-Stereo Train	1.62 223	2.01 205	1.41 217	1.97 226	1.40 225	1.96 226	1.39 227	1.93 217	1.39 228	1.92 199	1.38 227	1.94 224	1.39 227	1.40 223	1.45 226	1.38 227	1.96 225	1.37 229	1.97 225	1.39 228	1.98 224	1.41 228	1.40 224	1.37 227	1.97 226	1.38 227	1.96 224	1.37 225

RAFT-Stereo	1.62 223	2.01 205	1.41 217	1.97 226	1.40 225	1.96 226	1.39 227	1.93 217	1.39 228	1.92 199	1.38 227	1.94 224	1.39 227	1.40 223	1.45 226	1.38 227	1.96 225	1.37 229	1.97 225	1.39 228	1.98 224	1.41 228	1.40 224	1.37 227	1.97 226	1.38 227	1.96 224	1.37 225
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DPSMNet_ROB	1.62 223	1.60 201	1.59 220	1.61 224	1.69 229	1.66 224	1.61 230	1.70 214	1.65 232	1.62 192	1.60 231	1.61 221	1.60 230	1.60 225	1.59 230	1.62 230	1.60 223	1.63 231	1.62 223	1.68 234	1.70 222	1.60 230	1.64 229	1.60 231	1.61 223	1.60 231	1.60 221	1.59 231

UDGNet	1.97 229	2.43 215	1.67 221	2.46 235	1.70 231	2.44 235	1.69 232	2.34 228	1.63 231	2.35 222	1.67 232	2.37 233	1.67 231	1.68 227	1.64 231	1.67 231	2.44 235	1.64 232	2.43 234	1.67 232	2.43 235	1.66 231	1.67 230	1.63 232	2.43 234	1.66 234	2.42 234	1.66 232

MFMNet_re	1.77 227	1.89 204	1.72 224	1.88 225	1.69 229	1.89 225	1.67 231	1.91 216	1.70 233	1.87 195	1.67 232	1.89 223	1.68 232	1.67 226	1.67 232	1.70 233	1.88 224	1.68 233	1.88 224	1.67 232	1.89 223	1.68 233	1.70 231	1.71 233	1.87 225	1.68 236	1.87 222	1.68 233

FBW_ROB	2.04 230	2.50 216	1.75 225	2.45 234	1.78 232	2.40 233	1.74 233	2.47 229	1.77 235	2.37 223	1.81 234	2.30 229	1.80 233	1.78 228	1.88 241	1.80 234	2.41 234	1.77 234	2.43 234	1.83 236	2.39 233	1.81 238	1.76 233	1.75 234	2.56 235	1.75 237	2.30 231	1.74 234

MaDis-Stereo	3.69 247	10.19 264	2.01 234	6.09 263	2.01 239	5.94 263	1.82 235	6.14 254	1.85 237	6.59 263	1.82 235	6.01 263	1.81 234	1.83 229	1.83 234	2.02 239	5.87 261	1.79 235	5.93 263	2.06 243	4.63 257	1.67 232	1.84 236	2.08 239	5.90 260	1.66 234	6.34 263	1.87 238

sCroCo_RVC	2.76 241	4.00 229	1.82 227	4.00 249	1.83 233	3.98 249	1.82 235	3.99 242	1.81 236	4.14 246	2.76 245	4.13 251	1.82 235	1.83 229	1.83 234	1.82 235	4.01 248	1.82 236	3.98 246	1.86 237	4.00 249	1.82 239	1.83 235	1.84 235	4.02 250	1.81 238	4.00 248	1.83 237

TRStereo	2.05 231	2.13 208	1.85 228	2.27 229	1.84 234	2.28 229	1.84 237	2.29 225	1.87 238	2.29 218	1.86 236	2.30 229	1.87 237	2.30 239	1.87 238	2.08 240	2.29 230	1.87 237	2.30 230	1.87 238	2.08 228	1.72 234	1.86 237	2.30 243	2.13 229	1.84 239	2.29 228	1.87 238

XX-Stereo	2.05 231	2.13 208	1.85 228	2.27 229	1.84 234	2.28 229	1.84 237	2.29 225	1.87 238	2.29 218	1.86 236	2.30 229	1.87 237	2.30 239	1.87 238	2.08 240	2.29 230	1.87 237	2.30 230	1.87 238	2.08 228	1.72 234	1.86 237	2.30 243	2.13 229	1.84 239	2.29 228	1.87 238

EAI-Stereo	2.05 231	2.13 208	1.85 228	2.27 229	1.84 234	2.28 229	1.84 237	2.29 225	1.87 238	2.29 218	1.86 236	2.30 229	1.87 237	2.30 239	1.87 238	2.08 240	2.29 230	1.87 237	2.30 230	1.87 238	2.08 228	1.72 234	1.86 237	2.30 243	2.13 229	1.84 239	2.29 228	1.87 238

sAnonymous2	2.87 242	4.16 230	1.89 231	4.26 253	1.87 237	4.23 252	1.92 240	4.17 243	1.94 241	4.16 247	1.92 239	4.20 252	1.92 240	1.96 231	1.86 236	1.87 237	4.25 251	1.90 240	4.23 251	1.91 241	4.26 252	1.93 241	1.89 240	1.90 236	4.07 251	1.91 242	5.09 260	1.93 242

CroCo_RVC	2.87 242	4.16 230	1.89 231	4.26 253	1.87 237	4.23 252	1.92 240	4.17 243	1.94 241	4.16 247	1.92 239	4.20 252	1.92 240	1.96 231	1.86 236	1.87 237	4.25 251	1.90 240	4.23 251	1.91 241	4.26 252	1.93 241	1.89 240	1.90 236	4.07 251	1.91 242	5.09 260	1.93 242

MIF-Stereo (partial)	2.52 240	3.41 225	1.05 199	3.29 239	1.05 207	3.29 241	1.06 208	3.30 237	1.06 209	3.31 235	1.06 207	4.97 258	2.72 245	2.72 242	2.71 246	2.70 247	6.57 264	2.19 242	5.08 259	1.08 211	3.36 238	1.07 209	1.07 208	1.07 211	3.35 239	1.07 208	3.36 239	1.07 207

Anonymous3	3.36 244	4.93 238	2.20 235	4.92 259	2.23 240	4.90 259	2.23 243	4.89 248	2.24 243	4.95 257	2.21 242	4.91 257	2.21 242	2.18 234	2.22 243	2.22 243	4.86 258	2.20 243	4.90 257	2.20 244	4.96 259	2.21 243	2.21 243	2.21 240	6.30 262	2.21 244	4.90 255	2.23 244

STTStereo	2.30 238	2.34 214	2.26 238	2.37 233	2.23 240	2.40 233	2.35 245	2.20 223	2.33 245	2.28 215	2.31 244	2.19 227	2.37 244	2.20 235	2.31 245	2.23 244	2.38 233	2.25 244	2.33 233	2.27 245	2.39 233	2.27 244	2.31 245	2.29 242	2.37 233	2.32 246	2.34 232	2.26 245

NCCL2	2.27 237	2.27 213	2.28 239	2.27 229	2.28 243	2.28 229	2.28 244	2.27 224	2.28 244	2.28 215	2.28 243	2.29 228	2.28 243	2.28 238	2.29 244	2.28 245	2.28 229	2.28 245	2.27 229	2.28 246	2.28 232	2.28 245	2.28 244	2.28 241	2.28 232	2.28 245	2.11 227	2.28 246

NLCA_NET_v2_RVC	2.50 239	2.85 220	1.90 233	2.90 236	2.77 245	2.88 236	2.85 247	2.51 230	2.85 247	2.88 230	1.99 241	2.50 234	2.76 246	2.20 235	1.57 228	2.64 246	2.89 236	2.63 246	5.69 262	1.03 207	2.01 227	2.71 246	2.74 247	2.73 246	2.87 236	1.64 232	1.00 193	1.49 230
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
U	5.23 265	8.71 256	2.75 243	8.64 269	2.76 244	8.65 269	2.79 246	8.67 268	2.79 246	8.70 268	2.79 246	8.70 269	2.79 247	2.79 243	2.80 247	2.80 249	8.84 269	2.82 247	8.82 269	2.89 247	8.84 269	2.83 247	2.83 248	2.82 247	8.87 269	2.83 247	8.84 269	2.83 247

DispFullNet	4.96 263	5.67 239	3.30 248	5.01 260	3.21 249	4.50 256	3.11 248	4.43 245	3.44 251	4.60 253	3.46 250	5.13 260	3.44 251	3.53 247	3.20 249	2.87 250	4.80 257	3.15 248	4.70 255	4.83 263	9.02 270	5.98 267	5.95 267	6.21 265	8.84 268	5.85 265	9.76 270	5.91 265

Sa-1000	3.84 248	7.71 247	6.81 264	4.15 251	2.86 246	3.27 240	3.87 259	5.99 251	4.35 263	2.78 228	3.71 252	3.88 244	3.56 253	3.88 254	3.64 251	2.71 248	3.72 241	3.27 249	3.67 241	3.15 249	3.51 239	3.36 250	2.70 246	3.49 248	3.32 238	3.76 255	2.87 236	3.76 255

raft_robust	4.19 255	7.78 248	6.08 257	3.30 240	3.85 258	4.03 250	3.73 256	6.25 258	3.30 250	4.44 251	3.28 249	4.01 248	3.82 260	4.29 259	3.70 259	4.01 260	4.48 256	3.42 250	4.11 248	3.76 257	4.05 250	3.32 249	3.85 255	3.82 255	4.71 254	3.83 257	4.09 249	3.80 257

TestStereo1	4.11 250	7.79 249	6.72 262	3.93 246	3.81 256	3.96 247	3.58 251	6.96 262	3.74 254	3.90 241	3.76 254	3.89 245	3.57 254	3.70 252	3.66 254	3.34 252	3.80 244	3.62 251	3.66 239	3.68 253	3.91 246	3.70 253	3.65 250	3.67 251	3.88 245	3.53 249	3.89 245	3.68 251

test_5	4.51 259	8.85 257	5.35 256	3.66 244	3.56 250	5.10 261	4.47 264	6.14 254	4.07 260	4.96 258	3.87 258	5.14 261	4.17 264	3.53 247	4.39 263	4.53 264	4.15 250	3.62 251	4.74 256	2.94 248	3.63 242	4.53 263	4.20 261	4.54 262	4.86 257	3.68 252	4.95 256	4.06 260

SA-5K	4.11 250	7.79 249	6.72 262	3.93 246	3.81 256	3.96 247	3.58 251	6.96 262	3.74 254	3.90 241	3.76 254	3.89 245	3.57 254	3.70 252	3.66 254	3.34 252	3.80 244	3.62 251	3.66 239	3.68 253	3.91 246	3.70 253	3.65 250	3.67 251	3.88 245	3.53 249	3.89 245	3.68 251

DPSNet	3.67 246	3.61 226	3.62 249	3.64 242	3.61 253	3.64 243	3.65 253	3.64 240	3.67 252	3.67 238	3.65 251	3.68 241	3.69 257	3.69 251	3.69 258	3.68 255	3.70 240	3.70 254	3.69 242	3.69 255	3.71 243	3.69 252	3.67 252	3.69 254	3.68 243	3.67 251	3.68 242	3.67 248

SA	3.93 249	7.22 243	4.74 251	4.15 251	3.88 259	3.70 245	4.02 262	6.67 259	3.95 257	3.64 237	3.74 253	3.63 240	3.00 248	3.51 246	3.68 257	3.68 255	3.73 242	3.71 255	3.64 237	3.48 250	3.58 240	2.97 248	3.69 253	3.61 249	3.55 242	3.42 248	3.64 241	3.79 256

TESTraft	4.16 254	8.03 251	6.81 264	3.99 248	3.68 254	3.93 246	3.70 255	6.86 261	3.69 253	3.93 243	3.88 259	3.93 247	3.59 256	3.65 250	3.64 251	3.68 255	3.92 246	3.72 256	3.92 244	3.57 252	3.84 245	3.70 253	3.71 254	3.67 251	3.91 248	3.74 253	3.92 247	3.67 248

test_4	4.11 250	8.05 252	6.64 260	4.52 256	3.68 254	3.00 237	3.40 250	6.21 257	3.29 249	4.07 245	3.84 257	4.04 249	3.76 259	3.56 249	3.67 256	3.76 258	4.04 249	3.79 257	4.10 247	3.53 251	3.98 248	3.74 256	3.55 249	3.61 249	3.94 249	3.75 254	3.73 243	3.73 254

test_3	4.55 260	10.96 265	7.69 268	4.04 250	3.60 252	4.10 251	3.98 261	7.94 264	4.56 264	3.99 244	4.03 260	4.08 250	3.74 258	3.99 258	3.91 261	4.05 261	4.33 254	3.89 258	4.14 249	4.00 260	4.11 251	4.02 258	4.01 260	3.91 257	3.53 240	3.94 259	4.19 250	4.20 261

cross-raft	4.43 256	7.31 244	6.46 259	4.47 255	3.95 260	4.46 255	3.95 260	6.70 260	3.97 258	4.41 250	3.82 256	4.38 255	3.94 261	3.95 257	3.95 262	3.95 259	4.45 255	3.95 259	4.46 254	3.95 259	4.46 256	3.95 257	3.95 259	3.94 258	4.40 253	3.95 260	4.45 253	3.95 258

RAFT_CTSACE	4.43 256	8.26 254	6.10 258	4.62 257	4.01 261	4.54 257	3.65 253	6.09 253	3.93 256	4.64 254	4.14 262	4.26 254	4.13 262	3.91 255	3.88 260	4.06 262	4.30 253	4.03 260	4.27 253	3.92 258	4.26 252	3.67 251	3.91 257	4.16 259	4.82 256	4.08 261	4.20 251	3.67 248

test-1	4.11 250	7.65 246	4.93 252	3.65 243	3.58 251	4.70 258	3.74 257	4.73 246	4.06 259	3.72 239	4.11 261	3.70 242	3.49 252	3.36 245	3.65 253	4.17 263	3.92 246	4.04 261	4.19 250	3.75 256	4.69 258	4.18 259	3.88 256	3.90 256	4.73 255	3.77 256	3.12 237	3.68 251

SGM-Forest	5.07 264	6.74 241	4.17 250	6.46 264	4.68 263	6.21 265	4.38 263	6.00 252	4.14 261	5.84 261	4.44 263	6.28 264	4.16 263	3.92 256	4.56 264	4.60 265	6.15 262	4.27 262	6.12 264	4.31 262	5.99 264	4.27 260	3.92 258	4.27 260	6.13 261	4.10 262	6.18 262	4.49 262
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
RAFT+CT+SA	4.43 256	7.34 245	6.71 261	5.01 260	4.38 262	4.40 254	3.85 258	6.15 256	4.30 262	4.89 256	3.26 248	4.49 256	3.01 249	4.53 260	3.36 250	3.65 254	3.64 239	4.39 263	3.94 245	4.28 261	4.44 255	4.30 261	4.24 262	4.52 261	3.90 247	3.85 258	4.89 254	4.00 259

RAFT	6.60 267	9.99 260	8.33 269	7.21 267	6.55 267	5.95 264	5.87 267	8.70 269	5.02 266	5.10 259	6.69 267	7.06 267	6.94 269	6.17 265	7.09 269	6.84 268	6.47 263	4.72 264	5.60 260	5.60 266	5.11 261	5.97 266	6.93 269	6.89 267	7.16 264	7.08 269	6.58 264	6.66 266

TestStereo	4.92 262	4.80 237	4.98 253	4.82 258	4.97 264	4.91 260	4.78 265	4.80 247	4.88 265	4.78 255	4.80 264	4.99 259	4.81 265	4.83 261	4.87 265	4.97 266	4.93 259	5.01 265	5.03 258	4.90 264	5.02 260	5.02 264	5.06 263	5.04 263	4.93 258	4.89 263	5.01 257	5.09 263

SGM+DAISY	6.35 266	8.16 253	5.14 255	8.12 268	5.08 266	8.12 268	5.16 266	8.01 265	5.18 267	7.92 266	5.14 265	7.89 268	5.14 266	4.95 262	5.33 266	5.32 267	8.14 268	5.16 266	8.16 268	5.16 265	8.21 268	5.19 265	5.12 264	5.12 264	8.18 267	5.24 264	8.12 268	5.11 264

FC-DCNN v2	4.74 261	3.16 222	3.16 246	3.16 237	3.16 247	3.16 238	3.16 249	3.16 235	3.16 248	3.16 233	3.16 247	3.16 237	3.16 250	3.16 244	3.16 248	3.16 251	6.72 265	6.72 267	6.72 265	6.72 269	6.72 265	6.72 270	6.72 268	6.72 266	6.72 263	6.72 266	6.72 265	6.72 267

test-v	7.17 268	11.53 266	7.63 266	7.17 265	6.87 268	7.48 266	6.90 268	8.14 266	6.88 268	6.93 264	7.42 268	7.05 265	6.14 267	6.05 263	6.86 267	6.99 269	7.60 266	6.75 268	6.90 266	6.66 267	7.83 266	6.36 268	5.89 265	7.34 268	7.19 265	6.75 267	7.52 266	6.77 268

test-2	7.17 268	11.53 266	7.63 266	7.17 265	6.87 268	7.48 266	6.90 268	8.14 266	6.88 268	6.93 264	7.42 268	7.05 265	6.14 267	6.05 263	6.86 267	6.99 269	7.60 266	6.75 268	6.90 266	6.66 267	7.83 266	6.36 268	5.89 265	7.34 268	7.19 265	6.75 267	7.52 266	6.77 268

MANE	18.41 270	23.00 275	16.00 270	22.00 277	15.00 270	22.00 277	15.00 270	22.00 277	15.00 270	21.00 277	15.00 270	22.00 277	15.00 270	15.00 270	17.00 270	15.00 271	23.00 277	15.00 270	22.00 277	15.00 270	23.00 278	15.00 271	18.00 270	15.00 270	24.00 277	17.00 270	24.00 278	16.00 270

rafts_anoy	20.00 271	20.00 268	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 271	20.00 271	20.00 272	20.00 270	20.00 271	20.00 270	20.00 271	20.00 271	20.00 272	20.00 271	20.00 271	20.00 270	20.00 271	20.00 271	20.00 271

raft+_RVC	20.00 271	20.00 268	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 271	20.00 271	20.00 272	20.00 270	20.00 271	20.00 270	20.00 271	20.00 271	20.00 272	20.00 271	20.00 271	20.00 270	20.00 271	20.00 271	20.00 271

raftrobust	20.00 271	20.00 268	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 271	20.00 271	20.00 272	20.00 270	20.00 271	20.00 270	20.00 271	20.00 271	20.00 272	20.00 271	20.00 271	20.00 270	20.00 271	20.00 271	20.00 271

CasAABBNet	20.00 271	20.00 268	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 271	20.00 271	20.00 272	20.00 270	20.00 271	20.00 270	20.00 271	20.00 271	20.00 272	20.00 271	20.00 271	20.00 270	20.00 271	20.00 271	20.00 271

RALCasStereoNet	20.00 271	20.00 268	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 271	20.00 271	20.00 272	20.00 270	20.00 271	20.00 270	20.00 271	20.00 271	20.00 272	20.00 271	20.00 271	20.00 270	20.00 271	20.00 271	20.00 271

RALAANet	20.00 271	20.00 268	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 271	20.00 271	20.00 272	20.00 270	20.00 271	20.00 270	20.00 271	20.00 271	20.00 272	20.00 271	20.00 271	20.00 270	20.00 271	20.00 271	20.00 271

MSMDNet	20.00 271	20.00 268	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 270	20.00 271	20.00 271	20.00 271	20.00 272	20.00 270	20.00 271	20.00 270	20.00 271	20.00 271	20.00 272	20.00 271	20.00 271	20.00 270	20.00 271	20.00 271	20.00 271

MDST_ROB	61.15 278	72.66 279	46.52 278	70.00 278	44.89 278	64.24 278	43.75 278	73.65 278	48.92 279	72.70 279	42.40 278	60.70 278	50.23 278	50.07 279	67.69 279	68.60 280	83.13 279	47.77 278	82.48 279	46.00 278	95.93 280	53.44 280	50.66 278	45.00 278	84.99 279	53.64 279	79.01 279	52.07 279

NOSS_ROB	248.11 281	409.00 285	288.00 282	412.00 282	280.00 282	411.00 285	288.00 282	356.00 281	275.00 285	379.00 285	303.00 285	415.00 285	278.00 284	260.00 285	104.00 280	103.00 281	126.00 280	108.00 279	118.00 280	98.00 280	126.00 282	104.00 282	268.00 283	216.00 282	279.00 284	201.00 281	288.00 285	206.00 281

MeshStereo	151.99 280	131.36 280	140.69 280	151.38 280	151.40 280	150.79 280	151.72 280	149.36 280	159.46 280	146.42 280	150.73 280	149.06 283	176.22 279	143.94 280	133.10 282	133.45 283	153.30 281	154.22 280	154.67 281	153.95 281	156.90 283	156.53 283	160.21 280	162.72 280	154.57 280	160.59 280	153.47 281	163.50 280
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
DLCB_ROB	280.78 285	376.74 284	215.59 281	376.74 281	215.59 281	376.74 284	215.59 281	366.42 282	218.39 282	366.42 284	218.39 282	366.42 284	218.39 282	209.96 282	219.76 285	219.38 285	376.72 285	216.43 281	376.72 282	216.43 282	376.72 286	216.43 284	216.14 281	216.14 283	376.69 285	217.67 283	376.69 286	217.67 282

MGS-Stereo	264.93 283	208.00 282	362.00 285	512.00 285	350.00 285	326.00 282	443.00 286	410.00 283	210.00 281	232.00 283	215.00 281	125.00 281	217.00 281	216.00 283	127.00 281	122.00 282	223.00 283	230.00 282	487.00 285	255.00 284	250.00 284	223.00 285	272.00 284	228.00 284	241.00 282	220.00 284	214.00 283	235.00 284

EGLCR-Stereo	276.81 284	209.00 283	366.00 286	514.00 286	354.00 286	336.00 283	422.00 284	440.00 285	220.00 283	231.00 282	245.00 283	135.00 282	237.00 283	218.00 284	197.00 284	222.00 286	223.00 283	230.00 282	487.00 285	255.00 284	250.00 284	273.00 286	272.00 284	228.00 284	241.00 282	220.00 284	214.00 283	235.00 284

AE-Stereo	252.48 282	202.00 281	361.00 284	502.00 284	324.00 284	321.00 281	482.00 287	423.00 284	227.00 284	201.00 281	273.00 284	101.00 280	207.00 280	198.00 281	183.00 283	181.00 284	221.00 282	232.00 284	477.00 283	220.00 283	111.00 281	100.00 281	219.00 282	214.00 281	204.00 281	211.00 282	200.00 282	222.00 283

LE_ROB	387.11 286	453.07 286	321.39 283	500.23 283	323.05 283	493.99 286	324.56 283	477.63 286	322.28 286	465.51 286	322.97 286	486.37 286	334.17 285	305.26 286	320.63 286	327.66 287	476.08 286	315.70 285	483.76 284	335.15 286	469.64 287	309.74 287	315.90 286	318.85 286	498.41 286	328.85 286	491.00 287	330.08 286

SGM-ForestM	522.49 287	676.08 287	448.56 287	638.17 287	433.15 287	639.59 287	427.03 285	617.52 287	439.90 287	604.63 287	429.02 287	611.68 287	432.74 286	420.18 287	451.96 287	465.85 288	601.06 287	403.73 286	659.15 287	405.50 287	669.64 288	437.21 288	455.85 287	425.66 287	689.82 287	481.65 287	662.43 288	479.61 287

CBMV	101.59 279	71.60 278	48.40 279	72.70 279	49.00 279	79.60 279	48.40 279	80.90 279	46.90 278	68.90 278	49.00 279	78.00 279	572.10 287	49.50 278	51.30 278	48.40 279	72.20 278	639.60 287	79.40 278	48.90 279	79.50 279	51.40 279	52.30 279	48.30 279	80.20 278	49.10 278	79.60 280	47.60 278
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
CBMV_ROB	1133.35 288	1280.38 288	976.92 288	1317.57 288	1021.62 288	1282.66 288	1022.22 288	1213.88 288	982.57 288	1194.12 288	975.90 288	1357.87 288	1090.02 288	943.32 288	1021.85 288	1006.47 289	1309.01 288	986.29 288	1499.40 288	986.35 288	1359.35 289	975.96 289	975.21 288	969.30 288	1337.82 288	1042.34 288	1398.25 289	1073.86 288

IGEV-Stereo++	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 290	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 290	10000000.00 290	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 290	10000000.00 289

IGEV-BASED-STEREO-	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 290	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 290	10000000.00 290	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 290	10000000.00 289

IGEV-Stereo+	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 290	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 290	10000000.00 290	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 290	10000000.00 289

anonymousdsp2	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 290	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 290	10000000.00 290	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 290	10000000.00 289

anonymousdsp	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 290	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 290	10000000.00 290	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 290	10000000.00 289

AMNet	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 290	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 290	10000000.00 290	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 289	10000000.00 290	10000000.00 289

FADE																0.07 38					0.09 41	0.08 41					0.05 33

Low-res two-view benchmark