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

coex_refinement	0.02 15	0.03 23	0.02 14	0.03 23	0.02 15	0.03 22	0.02 15	0.03 24	0.02 15	0.03 21	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.03 22	0.02 16	0.03 23	0.02 15	0.02 15	0.02 15	0.03 24	0.02 15	0.03 22	0.02 15

G2L-Stereo	0.02 15	0.03 23	0.02 14	0.03 23	0.02 15	0.03 22	0.02 15	0.03 24	0.02 15	0.03 21	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.03 22	0.02 16	0.03 23	0.02 15	0.02 15	0.02 15	0.03 24	0.02 15	0.03 22	0.02 15

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

RYNet	0.02 15	0.02 14	0.02 14	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.04 28	0.03 25	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

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

YMNet	0.03 23	0.03 23	0.03 23	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.03 27	0.03 21	0.03 26	0.03 23	0.03 23	0.03 27	0.03 26	0.03 26	0.03 20	0.03 25	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.04 32	0.03 24	0.03 26	0.03 22	0.03 25

DFGA-Net	0.04 24	0.06 37	0.03 23	0.06 36	0.03 23	0.05 35	0.03 26	0.05 35	0.03 27	0.05 27	0.03 26	0.05 34	0.03 23	0.03 27	0.03 26	0.03 26	0.05 35	0.03 25	0.05 33	0.03 26	0.06 41	0.03 26	0.03 25	0.03 25	0.06 41	0.03 26	0.06 41	0.03 25

AASNet	0.05 25	0.08 41	0.08 39	0.07 39	0.05 35	0.05 35	0.05 37	0.07 38	0.05 37	0.05 27	0.05 35	0.05 34	0.05 39	0.06 39	0.07 41	0.05 39	0.05 35	0.05 38	0.05 33	0.05 37	0.05 35	0.05 39	0.04 32	0.05 37	0.05 36	0.05 37	0.05 36	0.05 36

SACVNet	0.05 25	0.08 41	0.08 39	0.07 39	0.05 35	0.05 35	0.05 37	0.07 38	0.05 37	0.05 27	0.05 35	0.05 34	0.05 39	0.06 39	0.07 41	0.05 39	0.05 35	0.05 38	0.05 33	0.05 37	0.05 35	0.05 39	0.04 32	0.05 37	0.05 36	0.05 37	0.05 36	0.05 36

AACVNet	0.05 25	0.08 41	0.08 39	0.07 39	0.05 35	0.05 35	0.05 37	0.07 38	0.05 37	0.05 27	0.05 35	0.05 34	0.05 39	0.06 39	0.07 41	0.05 39	0.05 35	0.05 38	0.05 33	0.05 37	0.05 35	0.05 39	0.04 32	0.05 37	0.05 36	0.05 37	0.05 36	0.05 36

ADCS	0.06 28	0.02 14	0.04 25	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.02 15	1.03 204	0.02 15	0.02 15	0.03 23	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 25	0.02 15	0.02 15	0.02 15	0.04 30	0.02 15

BridgeDepth_RVC	0.07 29	0.11 56	0.10 45	0.08 42	0.05 35	0.08 44	0.05 37	0.11 56	0.05 37	0.07 33	0.05 35	0.07 42	0.05 39	0.10 50	0.05 39	0.05 39	0.08 43	0.05 38	0.08 43	0.05 37	0.08 45	0.05 39	0.05 38	0.05 37	0.08 43	0.05 37	0.08 45	0.05 36
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
BridgeDepth	0.07 29	0.11 56	0.10 45	0.08 42	0.05 35	0.08 44	0.05 37	0.11 56	0.05 37	0.07 33	0.05 35	0.07 42	0.05 39	0.10 50	0.05 39	0.05 39	0.08 43	0.05 38	0.08 43	0.05 37	0.07 42	0.05 39	0.05 38	0.05 37	0.08 43	0.07 43	0.08 45	0.06 43
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
FINET	0.07 29	0.08 41	0.07 36	0.08 42	0.07 44	0.08 44	0.07 43	0.08 44	0.07 43	0.08 35	0.07 44	0.08 44	0.07 44	0.07 42	0.07 41	0.07 44	0.07 42	0.07 44	0.07 41	0.07 44	0.08 45	0.07 44	0.07 40	0.06 44	0.07 42	0.07 43	0.08 45	0.06 43

BEATNet_4x	0.08 32	0.03 23	0.06 34	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.03 27	1.47 235	0.03 26	0.03 23	0.03 23	0.03 27	0.03 26	0.03 26	0.03 20	0.03 25	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.03 25	0.03 24	0.03 26	0.03 22	0.03 25

ADCL	0.08 32	0.03 23	0.06 34	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.03 27	1.47 235	0.03 26	0.03 23	0.03 23	0.03 27	0.03 26	0.03 26	0.03 20	0.03 25	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.03 25	0.03 24	0.03 26	0.03 22	0.03 25

ADCMid	0.08 32	0.02 14	0.13 76	0.03 23	0.02 15	0.03 22	0.02 15	0.02 15	0.02 15	1.32 226	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 41	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 25

AnyNet_C01	0.08 32	0.03 23	0.04 25	0.02 15	0.03 23	0.03 22	0.02 15	0.02 15	0.02 15	1.46 234	0.02 15	0.03 23	0.03 23	0.02 15	0.02 15	0.02 15	0.04 28	0.02 15	0.03 22	0.02 16	0.02 15	0.02 15	0.02 15	0.03 25	0.02 15	0.02 15	0.03 22	0.03 25

ADCPNet	0.08 32	0.03 23	0.04 25	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.03 27	1.32 226	0.03 26	0.03 23	0.03 23	0.03 27	0.03 26	0.03 26	0.03 20	0.03 25	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.03 25	0.03 24	0.03 26	0.04 30	0.03 25

SepStereo	0.09 37	0.09 45	0.09 42	0.09 47	0.10 49	0.09 47	0.08 46	0.09 45	0.08 46	0.09 36	0.08 45	0.09 48	0.09 48	0.08 46	0.08 47	0.09 49	0.09 47	0.08 48	0.09 47	0.08 46	0.09 47	0.08 48	0.09 44	0.09 48	0.10 48	0.08 47	0.10 49	0.09 48

APVNet	0.09 37	0.06 37	0.04 25	0.06 36	0.04 32	0.05 35	0.04 32	0.05 35	1.08 258	0.05 27	0.05 35	0.05 34	0.04 33	0.05 35	0.04 33	0.04 32	0.05 35	0.04 31	0.05 33	0.04 32	0.05 35	0.04 33	0.04 32	0.04 32	0.05 36	0.04 32	0.05 36	0.04 32

AnonymousM	0.10 39	0.10 46	0.10 45	0.10 48	0.10 49	0.10 48	0.10 50	0.10 46	0.10 50	0.10 38	0.10 51	0.10 49	0.10 51	0.10 50	0.10 51	0.10 51	0.10 49	0.10 50	0.10 49	0.10 50	0.10 50	0.10 52	0.10 47	0.10 51	0.10 48	0.10 49	0.10 49	0.10 52

FADNet-RVC-Resample	0.10 39	0.04 32	0.05 30	0.04 32	0.05 35	0.05 35	0.05 37	0.07 38	0.05 37	0.05 27	0.05 35	0.05 34	0.04 33	0.05 35	0.04 33	0.04 32	0.05 35	0.05 38	0.05 33	0.05 37	0.05 35	0.04 33	1.53 278	0.04 32	0.05 36	0.05 37	0.06 41	0.05 36

FADNet_RVC	0.10 39	0.03 23	0.04 25	0.03 23	0.04 32	0.05 35	0.04 32	0.04 31	0.04 32	0.03 21	0.04 31	0.04 30	0.03 23	0.04 32	0.03 26	0.03 26	0.04 28	0.04 31	0.04 30	0.04 32	0.04 31	0.03 26	1.63 283	0.03 25	0.03 24	0.04 32	0.03 22	0.04 32

PVD	0.10 39	0.10 46	0.10 45	0.10 48	0.10 49	0.10 48	0.10 50	0.10 46	0.10 50	0.10 38	0.10 51	0.10 49	0.10 51	0.10 50	0.10 51	0.10 51	0.10 49	0.10 50	0.10 49	0.10 50	0.10 50	0.10 52	0.10 47	0.10 51	0.10 48	0.10 49	0.10 49	0.10 52

SHD	0.10 39	0.10 46	0.10 45	0.10 48	0.10 49	0.10 48	0.10 50	0.10 46	0.10 50	0.10 38	0.10 51	0.10 49	0.10 51	0.10 50	0.10 51	0.10 51	0.10 49	0.10 50	0.10 49	0.10 50	0.10 50	0.10 52	0.10 47	0.10 51	0.10 48	0.10 49	0.10 49	0.10 52

SAMSARA	0.10 39	0.10 46	0.10 45	0.10 48	0.10 49	0.10 48	0.10 50	0.10 46	0.10 50	0.10 38	0.10 51	0.10 49	0.10 51	0.10 50	0.10 51	0.10 51	0.10 49	0.10 50	0.10 49	0.10 50	0.10 50	0.10 52	0.10 47	0.10 51	0.10 48	0.10 49	0.10 49	0.10 52

XQC	0.10 39	0.10 46	0.10 45	0.10 48	0.10 49	0.10 48	0.10 50	0.10 46	0.10 50	0.10 38	0.10 51	0.10 49	0.10 51	0.10 50	0.10 51	0.10 51	0.10 49	0.10 50	0.10 49	0.10 50	0.10 50	0.10 52	0.10 47	0.10 51	0.10 48	0.10 49	0.10 49	0.10 52

RTSC	0.10 39	0.10 46	0.10 45	0.10 48	0.10 49	0.10 48	0.10 50	0.10 46	0.10 50	0.10 38	0.10 51	0.10 49	0.10 51	0.10 50	0.10 51	0.10 51	0.10 49	0.10 50	0.10 49	0.10 50	0.10 50	0.10 52	0.10 47	0.10 51	0.10 48	0.10 49	0.10 49	0.10 52

RTS	0.10 39	0.10 46	0.10 45	0.10 48	0.10 49	0.10 48	0.10 50	0.10 46	0.10 50	0.10 38	0.10 51	0.10 49	0.10 51	0.10 50	0.10 51	0.10 51	0.10 49	0.10 50	0.10 49	0.10 50	0.10 50	0.10 52	0.10 47	0.10 51	0.10 48	0.10 49	0.10 49	0.10 52

RTSA	0.10 39	0.10 46	0.10 45	0.10 48	0.10 49	0.10 48	0.10 50	0.10 46	0.10 50	0.10 38	0.10 51	0.10 49	0.10 51	0.10 50	0.10 51	0.10 51	0.10 49	0.10 50	0.10 49	0.10 50	0.10 50	0.10 52	0.10 47	0.10 51	0.10 48	0.10 49	0.10 49	0.10 52

MADNet+	0.10 39	0.10 46	0.10 45	0.10 48	0.10 49	0.10 48	0.10 50	0.10 46	0.10 50	0.10 38	0.10 51	0.10 49	0.10 51	0.10 50	0.10 51	0.10 51	0.10 49	0.10 50	0.10 49	0.10 50	0.10 50	0.10 52	0.10 47	0.10 51	0.10 48	0.10 49	0.10 49	0.10 52

MADNet++	0.10 39	0.10 46	0.10 45	0.10 48	0.10 49	0.10 48	0.10 50	0.10 46	0.10 50	0.10 38	0.10 51	0.10 49	0.10 51	0.10 50	0.10 51	0.10 51	0.10 49	0.10 50	0.10 49	0.10 50	0.10 50	0.10 52	0.10 47	0.10 51	0.10 48	0.10 49	0.10 49	0.10 52

LRCNet_RVC	0.11 51	0.12 59	0.09 42	0.12 59	0.09 47	0.12 59	0.09 47	0.12 59	0.09 48	0.12 48	0.09 49	0.11 59	0.09 48	0.09 47	0.09 48	0.09 49	0.12 60	0.16 92	0.21 95	0.09 49	0.12 61	0.09 50	0.09 44	0.09 48	0.12 60	0.28 130	0.12 61	0.09 48

FADNet-RVC	0.11 51	0.04 32	0.05 30	0.04 32	0.05 35	0.04 31	0.04 32	0.05 35	0.04 32	0.04 25	0.04 31	0.04 30	0.04 33	0.05 35	0.04 33	0.04 32	0.04 28	0.04 31	0.05 33	0.04 32	0.04 31	0.04 33	1.79 289	0.04 32	0.04 31	0.04 32	0.04 30	0.05 36

FADNet	0.11 51	0.04 32	0.05 30	0.06 36	0.05 35	0.04 31	0.04 32	0.04 31	0.04 32	0.04 25	0.05 35	0.05 34	0.04 33	0.05 35	0.04 33	0.04 32	0.04 28	0.04 31	0.04 30	0.05 37	0.05 35	0.04 33	1.74 287	0.04 32	0.04 31	0.05 37	0.04 30	0.05 36

ProNet	0.12 54	0.18 75	0.11 61	0.14 63	0.10 49	0.14 64	0.11 61	0.14 61	0.11 62	0.14 49	0.10 51	0.14 63	0.10 51	0.10 50	0.11 62	0.10 51	0.15 70	0.10 50	0.14 62	0.10 50	0.14 63	0.10 52	0.11 60	0.10 51	0.15 68	0.10 49	0.14 64	0.10 52

IPLG	0.12 54	0.15 65	0.12 67	0.14 63	0.11 62	0.14 64	0.11 61	0.14 61	0.11 62	0.15 54	0.11 62	0.14 63	0.11 63	0.12 77	0.11 62	0.11 63	0.14 63	0.11 65	0.14 62	0.11 63	0.14 63	0.11 64	0.11 60	0.11 65	0.14 63	0.11 63	0.14 64	0.11 64

MIPNet	0.12 54	0.15 65	0.12 67	0.14 63	0.11 62	0.14 64	0.11 61	0.14 61	0.11 62	0.15 54	0.11 62	0.14 63	0.11 63	0.12 77	0.11 62	0.11 63	0.14 63	0.11 65	0.15 70	0.11 63	0.14 63	0.11 64	0.11 60	0.11 65	0.14 63	0.11 63	0.14 64	0.11 64

AnyNet_C32	0.12 54	0.03 23	0.07 36	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.02 15	2.33 275	0.04 31	0.04 30	0.03 23	0.02 15	0.03 26	0.04 32	0.04 28	0.04 31	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.03 25	0.04 31	0.03 26	0.03 22	0.02 15

ADCP+	0.12 54	0.04 32	0.07 36	0.04 32	0.05 35	0.04 31	0.04 32	0.04 31	0.04 32	2.28 267	0.05 35	0.05 34	0.04 33	0.04 32	0.04 33	0.04 32	0.05 35	0.04 31	0.05 33	0.04 32	0.04 31	0.04 33	0.04 32	0.05 37	0.04 31	0.04 32	0.04 30	0.04 32

S2M2_L	0.13 59	0.14 64	0.10 45	0.14 63	0.10 49	0.15 72	0.10 50	0.30 115	0.10 50	0.14 49	0.17 94	0.14 63	0.10 51	0.10 50	0.10 51	0.10 51	0.14 63	0.10 50	0.14 62	0.10 50	0.14 63	0.10 52	0.10 47	0.10 51	0.15 68	0.10 49	0.14 64	0.10 52
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
CIPLG	0.13 59	0.15 65	0.12 67	0.14 63	0.11 62	0.14 64	0.11 61	0.15 69	0.11 62	0.15 54	0.11 62	0.15 72	0.11 63	0.12 77	0.12 80	0.11 63	0.15 70	0.11 65	0.15 70	0.11 63	0.14 63	0.11 64	0.11 60	0.12 80	0.15 68	0.12 80	0.15 71	0.12 79

IPLGR_C	0.13 59	0.16 70	0.14 80	0.15 71	0.11 62	0.14 64	0.11 61	0.14 61	0.11 62	0.14 49	0.11 62	0.14 63	0.11 63	0.12 77	0.11 62	0.11 63	0.14 63	0.11 65	0.14 62	0.11 63	0.14 63	0.11 64	0.11 60	0.11 65	0.14 63	0.11 63	0.15 71	0.11 64

IPLGR	0.13 59	0.15 65	0.12 67	0.14 63	0.11 62	0.14 64	0.11 61	0.14 61	0.13 84	0.15 54	0.11 62	0.14 63	0.12 83	0.12 77	0.11 62	0.11 63	0.14 63	0.11 65	0.14 62	0.11 63	0.14 63	0.11 64	0.11 60	0.12 80	0.15 68	0.11 63	0.14 64	0.11 64

ACRE	0.13 59	0.16 70	0.12 67	0.14 63	0.11 62	0.14 64	0.11 61	0.15 69	0.11 62	0.14 49	0.11 62	0.14 63	0.11 63	0.12 77	0.11 62	0.11 63	0.14 63	0.11 65	0.14 62	0.11 63	0.14 63	0.11 64	0.11 60	0.11 65	0.14 63	0.11 63	0.14 64	0.11 64

ICVP	0.13 59	0.16 70	0.11 61	0.16 79	0.11 62	0.16 80	0.11 61	0.16 71	0.11 62	0.16 66	0.11 62	0.16 80	0.11 63	0.11 66	0.11 62	0.11 63	0.16 79	0.11 65	0.16 78	0.11 63	0.16 79	0.11 64	0.11 60	0.11 65	0.16 79	0.11 63	0.16 79	0.11 64
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ADCRef	0.13 59	0.04 32	0.05 30	0.04 32	0.04 32	0.04 31	0.09 47	0.04 31	0.04 32	2.46 278	0.04 31	0.04 30	0.04 33	0.04 32	0.04 33	0.04 32	0.04 28	0.04 31	0.04 30	0.04 32	0.04 31	0.04 33	0.04 32	0.05 37	0.04 31	0.04 32	0.04 30	0.04 32

GMStereo	0.14 66	0.13 62	0.14 80	0.14 63	0.14 89	0.14 64	0.14 86	0.14 61	0.14 88	0.14 49	0.14 88	0.14 63	0.14 89	0.14 88	0.14 89	0.14 89	0.14 63	0.14 88	0.14 62	0.14 89	0.14 63	0.14 90	0.14 85	0.14 88	0.14 63	0.14 86	0.14 64	0.14 89
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
HSM	0.14 66	0.17 74	0.11 61	0.17 82	0.11 62	0.17 81	0.12 80	0.17 75	0.11 62	0.17 70	0.11 62	0.17 84	0.11 63	0.12 77	0.12 80	0.12 79	0.17 82	0.12 82	0.17 80	0.12 82	0.17 82	0.12 82	0.12 78	0.12 80	0.17 81	0.12 80	0.17 82	0.12 79

ELAS_RVC	0.14 66	0.18 75	0.11 61	0.19 88	0.11 62	0.18 83	0.13 84	0.16 71	0.11 62	0.17 70	0.11 62	0.14 63	0.11 63	0.09 47	0.11 62	0.12 79	0.17 82	0.10 50	0.18 84	0.11 63	0.18 84	0.11 64	0.10 47	0.11 65	0.19 87	0.11 63	0.19 86	0.12 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.14 66	0.19 80	0.11 61	0.20 90	0.11 62	0.20 91	0.12 80	0.18 77	0.12 78	0.18 72	0.12 81	0.19 90	0.11 63	0.11 66	0.11 62	0.11 63	0.18 86	0.11 65	0.19 88	0.11 63	0.19 88	0.11 64	0.11 60	0.11 65	0.20 91	0.11 63	0.20 91	0.12 79
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ELAS	0.14 66	0.23 89	0.10 45	0.19 88	0.11 62	0.20 91	0.11 61	0.16 71	0.10 50	0.15 54	0.11 62	0.15 72	0.11 63	0.09 47	0.11 62	0.11 63	0.16 79	0.10 50	0.17 80	0.11 63	0.18 84	0.11 64	0.09 44	0.10 51	0.18 84	0.11 63	0.19 86	0.12 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DDVS	0.15 71	0.18 75	0.13 76	0.18 85	0.13 86	0.19 88	0.13 84	0.18 77	0.13 84	0.18 72	0.13 87	0.18 87	0.13 88	0.13 84	0.13 85	0.13 85	0.18 86	0.13 85	0.18 84	0.13 88	0.18 84	0.13 87	0.13 83	0.10 51	0.19 87	0.14 86	0.19 86	0.13 87

BEATNet-Init1	0.15 71	0.07 39	0.10 45	0.08 42	0.07 44	0.07 42	0.07 43	0.07 38	0.07 43	2.19 263	0.08 45	0.08 44	0.07 44	0.07 42	0.07 41	0.07 44	0.08 43	0.07 44	0.08 43	0.08 46	0.07 42	0.07 44	0.07 40	0.07 45	0.08 43	0.07 43	0.07 43	0.07 45

DeepPrunerF	0.15 71	0.07 39	0.10 45	0.08 42	0.07 44	0.07 42	0.07 43	0.07 38	0.07 43	2.19 263	0.08 45	0.08 44	0.07 44	0.07 42	0.07 41	0.07 44	0.08 43	0.07 44	0.08 43	0.08 46	0.07 42	0.07 44	0.07 40	0.07 45	0.08 43	0.07 43	0.07 43	0.07 45

DeepPruner_ROB	0.15 71	0.18 75	0.12 67	0.18 85	0.12 82	0.18 83	0.12 80	0.18 77	0.13 84	0.18 72	0.12 81	0.18 87	0.12 83	0.13 84	0.12 80	0.13 85	0.18 86	0.13 85	0.18 84	0.12 82	0.19 88	0.12 82	0.13 83	0.12 80	0.18 84	0.12 80	0.18 84	0.12 79

LALA_ROB	0.15 71	0.21 83	0.12 67	0.21 95	0.12 82	0.20 91	0.14 86	0.20 80	0.12 78	0.22 81	0.12 81	0.16 80	0.12 83	0.10 50	0.12 80	0.12 79	0.21 96	0.11 65	0.22 96	0.12 82	0.20 92	0.12 82	0.11 60	0.12 80	0.21 96	0.14 86	0.21 95	0.13 87

GCAP-BAT	0.17 76	1.25 221	0.20 97	0.15 71	0.11 62	0.15 72	0.11 61	0.21 84	0.11 62	0.15 54	0.11 62	0.15 72	0.11 63	0.11 66	0.11 62	0.11 63	0.15 70	0.11 65	0.15 70	0.11 63	0.15 72	0.11 64	0.11 60	0.11 65	0.15 68	0.11 63	0.15 71	0.11 64

test_for_model	0.17 76	1.25 221	0.20 97	0.15 71	0.11 62	0.15 72	0.11 61	0.21 84	0.11 62	0.15 54	0.11 62	0.15 72	0.11 63	0.11 66	0.11 62	0.11 63	0.15 70	0.11 65	0.15 70	0.11 63	0.15 72	0.11 64	0.11 60	0.11 65	0.15 68	0.11 63	0.15 71	0.11 64

testlalala2	0.17 76	1.25 221	0.20 97	0.15 71	0.11 62	0.15 72	0.11 61	0.21 84	0.11 62	0.15 54	0.11 62	0.15 72	0.11 63	0.11 66	0.11 62	0.11 63	0.15 70	0.11 65	0.15 70	0.11 63	0.15 72	0.11 64	0.11 60	0.11 65	0.15 68	0.11 63	0.15 71	0.11 64

testlalala	0.17 76	1.25 221	0.20 97	0.15 71	0.11 62	0.15 72	0.11 61	0.21 84	0.11 62	0.15 54	0.11 62	0.15 72	0.11 63	0.11 66	0.11 62	0.11 63	0.15 70	0.11 65	0.15 70	0.11 63	0.15 72	0.11 64	0.11 60	0.11 65	0.15 68	0.11 63	0.15 71	0.11 64

testlalala_base	0.17 76	1.25 221	0.20 97	0.15 71	0.11 62	0.15 72	0.11 61	0.21 84	0.11 62	0.15 54	0.11 62	0.15 72	0.11 63	0.11 66	0.11 62	0.11 63	0.15 70	0.11 65	0.15 70	0.11 63	0.15 72	0.11 64	0.11 60	0.11 65	0.15 68	0.11 63	0.15 71	0.11 64

GCAP-Stereo	0.17 76	1.25 221	0.20 97	0.15 71	0.11 62	0.15 72	0.11 61	0.21 84	0.11 62	0.15 54	0.11 62	0.15 72	0.11 63	0.11 66	0.11 62	0.11 63	0.15 70	0.11 65	0.15 70	0.11 63	0.15 72	0.11 64	0.11 60	0.11 65	0.15 68	0.11 63	0.15 71	0.11 64

IGEV_Zeroshot_test	0.18 82	0.22 85	0.18 91	0.21 95	0.18 104	0.20 91	0.17 96	0.20 80	0.16 90	0.25 92	0.16 92	0.21 95	0.17 96	0.16 93	0.18 102	0.15 92	0.20 92	0.16 92	0.20 91	0.18 104	0.21 95	0.17 99	0.17 91	0.17 94	0.20 91	0.17 96	0.20 91	0.16 92

dd	0.18 82	0.22 85	0.16 82	0.22 97	0.15 90	0.22 98	0.15 90	0.21 84	0.15 89	0.21 79	0.15 89	0.21 95	0.15 91	0.15 90	0.15 91	0.15 92	0.22 98	0.14 88	0.22 96	0.14 89	0.22 98	0.15 92	0.16 89	0.15 91	0.23 103	0.15 90	0.22 97	0.16 92

dad	0.18 82	0.23 89	0.16 82	0.22 97	0.15 90	0.22 98	0.15 90	0.22 92	0.16 90	0.21 79	0.15 89	0.22 98	0.15 91	0.15 90	0.16 93	0.17 95	0.23 103	0.17 96	0.23 103	0.15 92	0.22 98	0.15 92	0.15 87	0.15 91	0.22 98	0.15 90	0.22 97	0.16 92

MSKI-zero shot	0.19 85	0.21 83	0.16 82	0.22 97	0.16 93	0.23 106	0.17 96	0.22 92	0.17 95	0.22 81	0.17 94	0.22 98	0.16 93	0.19 106	0.16 93	0.17 95	0.23 103	0.16 92	0.22 96	0.16 93	0.22 98	0.17 99	0.16 89	0.17 94	0.22 98	0.19 107	0.22 97	0.16 92

MIM_Stereo	0.19 85	0.23 89	0.18 91	0.22 97	0.16 93	0.22 98	0.16 94	0.21 84	0.16 90	0.22 81	0.17 94	0.21 95	0.17 96	0.20 107	0.18 102	0.17 95	0.22 98	0.18 106	0.22 96	0.16 93	0.21 95	0.16 95	0.17 91	0.17 94	0.21 96	0.16 94	0.22 97	0.20 109

UNet	0.19 85	0.13 62	0.09 42	0.13 62	0.09 47	0.13 62	0.09 47	0.13 60	0.09 48	0.90 184	0.09 49	0.13 62	0.09 48	0.10 50	0.09 48	0.70 226	0.13 62	0.09 49	0.13 60	0.10 50	0.91 219	0.09 50	0.10 47	0.09 48	0.13 61	0.10 49	0.13 63	0.09 48

iResNet	0.19 85	0.23 89	0.17 86	0.22 97	0.17 97	0.22 98	0.19 107	0.22 92	0.17 95	0.22 81	0.17 94	0.22 98	0.17 96	0.17 95	0.17 97	0.17 95	0.22 98	0.17 96	0.22 96	0.17 97	0.23 104	0.17 99	0.18 102	0.17 94	0.23 103	0.17 96	0.23 105	0.17 98

ACV-stereo	0.20 89	0.23 89	0.17 86	0.23 104	0.17 97	0.23 106	0.17 96	0.23 100	0.17 95	0.23 87	0.17 94	0.23 104	0.17 96	0.17 95	0.17 97	0.17 95	0.24 108	0.17 96	0.23 103	0.17 97	0.24 107	0.17 99	0.17 91	0.17 94	0.23 103	0.17 96	0.23 105	0.17 98

DAS	0.20 89	0.20 81	0.20 97	0.20 90	0.20 110	0.20 91	0.20 109	0.20 80	0.20 107	0.20 77	0.20 109	0.20 93	0.20 108	0.20 107	0.20 110	0.20 105	0.20 92	0.20 112	0.20 91	0.20 111	0.20 92	0.20 111	0.20 107	0.20 108	0.20 91	0.20 108	0.20 91	0.20 109

ASD4	0.20 89	0.20 81	0.20 97	0.20 90	0.20 110	0.20 91	0.20 109	0.20 80	0.20 107	0.20 77	0.20 109	0.20 93	0.20 108	0.20 107	0.20 110	0.20 105	0.20 92	0.20 112	0.20 91	0.20 111	0.20 92	0.20 111	0.20 107	0.20 108	0.20 91	0.20 108	0.20 91	0.20 109

iResNetv2_ROB	0.20 89	0.22 85	0.19 95	0.23 104	0.19 108	0.22 98	0.17 96	0.22 92	0.17 95	0.22 81	0.17 94	0.22 98	0.17 96	0.18 102	0.18 102	0.19 104	0.22 98	0.17 96	0.23 103	0.17 97	0.25 109	0.18 107	0.17 91	0.18 105	0.23 103	0.17 96	0.25 114	0.17 98

ITSA-stereo	0.21 93	0.16 70	0.12 67	0.16 79	0.13 86	0.18 83	0.14 86	0.16 71	1.89 294	0.16 66	0.12 81	0.17 84	0.12 83	0.13 84	0.13 85	0.13 85	0.17 82	0.13 85	0.17 80	0.12 82	0.16 79	0.12 82	0.12 78	0.12 80	0.17 81	0.12 80	0.16 79	0.12 79

Pointernet	0.22 94	0.41 129	0.38 144	0.22 97	0.17 97	0.22 98	0.17 96	0.41 145	0.17 95	0.22 81	0.17 94	0.22 98	0.17 96	0.18 102	0.18 102	0.18 101	0.23 103	0.18 106	0.23 103	0.18 104	0.23 104	0.18 107	0.17 91	0.17 94	0.22 98	0.18 105	0.22 97	0.17 98

JetRed	0.22 94	0.11 56	0.12 67	0.11 58	0.11 62	0.11 58	0.11 61	0.11 56	0.11 62	2.93 288	0.11 62	0.11 59	0.11 63	0.11 66	0.11 62	0.12 79	0.11 59	0.11 65	0.11 59	0.11 63	0.11 60	0.11 64	0.11 60	0.11 65	0.11 59	0.11 63	0.11 60	0.11 64

JetBlue	0.23 96	0.12 59	0.13 76	0.12 59	0.12 82	0.12 59	0.11 61	0.14 61	0.12 78	3.07 289	0.12 81	0.12 61	0.11 63	0.11 66	0.13 85	0.13 85	0.12 60	0.12 82	0.13 60	0.11 63	0.12 61	0.13 87	0.12 78	0.14 88	0.13 61	0.12 80	0.12 61	0.11 64

SFCPSM	0.23 96	0.18 75	0.13 76	0.18 85	0.12 82	0.18 83	0.80 239	0.17 75	0.12 78	0.88 183	0.12 81	0.17 84	0.12 83	0.13 84	0.12 80	0.12 79	0.18 86	0.12 82	0.18 84	0.12 82	1.18 250	0.13 87	0.12 78	0.12 80	0.18 84	0.13 85	0.18 84	0.12 79

S2M2_XL	0.24 98	1.32 235	0.86 225	0.17 82	0.11 62	0.17 81	0.11 61	1.05 231	0.12 78	0.16 66	0.11 62	0.16 80	0.11 63	0.11 66	0.11 62	0.11 63	0.17 82	0.11 65	0.17 80	0.11 63	0.17 82	0.11 64	0.11 60	0.11 65	0.17 81	0.11 63	0.17 82	0.11 64
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
LoS_RVC	0.25 99	0.25 101	0.25 113	0.25 112	0.25 120	0.25 116	0.25 120	0.25 105	0.25 119	0.25 92	0.25 123	0.25 113	0.25 121	0.26 123	0.25 123	0.26 120	0.25 114	0.25 122	0.26 117	0.25 123	0.25 109	0.25 120	0.25 118	0.25 121	0.25 115	0.25 121	0.25 114	0.25 121

tt_ll	0.25 99	0.25 101	0.25 113	0.25 112	0.25 120	0.25 116	0.25 120	0.25 105	0.25 119	0.25 92	0.25 123	0.25 113	0.25 121	0.26 123	0.25 123	0.26 120	0.25 114	0.25 122	0.26 117	0.25 123	0.25 109	0.25 120	0.25 118	0.25 121	0.25 115	0.25 121	0.25 114	0.25 121

CAS	0.25 99	0.25 101	0.25 113	0.25 112	0.26 122	0.26 122	0.26 122	0.25 105	0.25 119	0.25 92	0.25 123	0.25 113	0.25 121	0.25 121	0.25 123	0.25 117	0.26 120	0.25 122	0.26 117	0.26 127	0.25 109	0.25 120	0.25 118	0.26 125	0.25 115	0.26 125	0.25 114	0.25 121

LoS	0.25 99	0.25 101	0.27 117	0.27 119	0.26 122	0.25 116	0.26 122	0.26 110	0.25 119	0.26 98	0.25 123	0.25 113	0.25 121	0.26 123	0.25 123	0.25 117	0.25 114	0.25 122	0.25 114	0.25 123	0.27 116	0.25 120	0.26 122	0.26 125	0.26 119	0.25 121	0.25 114	0.25 121
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
castereo++	0.26 103	1.28 231	1.07 242	0.15 71	0.13 86	0.15 72	0.14 86	1.22 244	0.13 84	0.16 66	0.17 94	0.16 80	0.14 89	0.14 88	0.15 91	0.14 89	0.15 70	0.14 88	0.16 78	0.14 89	0.16 79	0.14 90	0.14 85	0.14 88	0.16 79	0.14 86	0.16 79	0.15 90

MatchStereo	0.27 104	0.12 59	2.51 299	0.12 59	0.11 62	0.12 59	0.11 61	2.54 288	0.08 46	0.09 36	0.08 45	0.08 44	0.07 44	0.07 42	0.09 48	0.07 44	0.09 47	0.07 44	0.09 47	0.07 44	0.09 47	0.07 44	0.08 43	0.07 45	0.08 43	0.08 47	0.09 48	0.08 47

model_zeroshot	0.27 104	0.30 111	0.19 95	0.36 138	0.23 118	0.25 116	0.27 126	0.33 118	0.21 110	0.35 107	0.22 115	0.25 113	0.27 129	0.26 123	0.23 118	0.26 120	0.35 132	0.22 115	0.36 134	0.23 120	0.25 109	0.27 127	0.27 124	0.23 118	0.36 134	0.22 115	0.25 114	0.27 129

DCVSM-stereo	0.27 104	0.38 123	0.22 106	0.38 144	0.22 113	0.38 146	0.22 114	0.29 113	0.22 113	0.29 100	0.22 115	0.29 124	0.22 115	0.22 113	0.21 112	0.21 108	0.38 143	0.22 115	0.38 142	0.22 115	0.38 137	0.22 114	0.21 109	0.25 121	0.38 141	0.21 112	0.38 140	0.21 113

DLNR_Zeroshot_test	0.27 104	0.30 111	0.23 108	0.30 124	0.22 113	0.31 126	0.24 118	0.29 113	0.23 116	0.38 116	0.23 118	0.29 124	0.23 119	0.22 113	0.23 118	0.23 113	0.30 125	0.34 152	0.29 123	0.23 120	0.29 120	0.29 143	0.22 112	0.23 118	0.30 124	0.23 118	0.30 124	0.23 119

HGLStereo	0.27 104	0.25 101	0.21 105	0.35 134	0.21 112	0.35 133	0.21 112	0.34 124	0.21 110	0.39 119	0.21 112	0.34 130	0.21 113	0.22 113	0.21 112	0.21 108	0.35 132	0.22 115	0.35 131	0.22 115	0.35 128	0.22 114	0.21 109	0.21 112	0.35 132	0.21 112	0.35 132	0.21 113

iResNet_ROB	0.28 109	0.32 115	0.24 112	0.33 128	0.26 122	0.32 128	0.24 118	0.33 118	0.25 119	0.33 102	0.24 121	0.35 133	0.24 120	0.23 117	0.24 122	0.25 117	0.32 127	0.24 121	0.36 134	0.24 122	0.32 122	0.28 133	0.24 117	0.24 120	0.32 126	0.24 120	0.33 126	0.24 120

IGEV-FE	0.29 110	2.85 275	0.36 140	0.20 90	0.17 97	0.19 88	0.17 96	0.37 132	0.17 95	0.19 75	0.17 94	0.19 90	0.17 96	0.17 95	0.17 97	0.17 95	0.19 91	0.17 96	0.19 88	0.17 97	0.19 88	0.17 99	0.17 91	0.17 94	0.19 87	0.17 96	0.19 86	0.17 98

IMH-64-1	0.29 110	0.23 89	0.23 108	0.23 104	0.22 113	0.22 98	0.23 116	0.22 92	0.22 113	2.02 256	0.23 118	0.23 104	0.22 115	0.23 117	0.23 118	0.23 113	0.23 103	0.22 115	0.23 103	0.22 115	0.22 98	0.22 114	0.22 112	0.22 115	0.22 98	0.22 115	0.22 97	0.22 115

IMH-64	0.29 110	0.23 89	0.23 108	0.23 104	0.22 113	0.22 98	0.23 116	0.22 92	0.22 113	2.02 256	0.23 118	0.23 104	0.22 115	0.23 117	0.23 118	0.23 113	0.23 103	0.22 115	0.23 103	0.22 115	0.22 98	0.22 114	0.22 112	0.22 115	0.22 98	0.22 115	0.22 97	0.22 115

UPFNet	0.29 110	0.24 97	0.16 82	0.24 109	0.16 93	0.24 110	0.16 94	0.23 100	0.16 90	1.19 217	0.16 92	0.23 104	0.16 93	0.17 95	0.16 93	0.89 239	0.24 108	0.16 92	0.24 109	0.18 104	1.20 253	0.16 95	0.17 91	0.16 93	0.24 109	0.16 94	0.24 107	0.16 92

WAO-6	0.30 114	0.22 85	0.23 108	0.22 97	0.23 118	0.23 106	0.22 114	0.22 92	0.23 116	2.21 266	0.22 115	0.22 98	0.22 115	0.22 113	0.22 116	0.23 113	0.22 98	0.23 120	0.22 96	0.22 115	0.22 98	0.22 114	0.22 112	0.22 115	0.23 103	0.23 118	0.22 97	0.22 115

anonymity	0.30 114	0.34 117	0.27 117	0.33 128	0.27 127	0.33 129	0.28 133	0.33 118	0.28 133	0.33 102	0.28 134	0.33 128	0.28 131	0.28 135	0.28 135	0.28 130	0.34 129	0.28 130	0.34 129	0.28 132	0.34 124	0.27 127	0.27 124	0.27 129	0.34 129	0.28 130	0.34 130	0.28 132

iRaft-Stereo_20w	0.30 114	0.46 141	0.27 117	0.34 130	0.26 122	0.35 133	0.28 133	0.34 124	0.26 126	0.34 105	0.26 127	0.34 130	0.26 127	0.26 123	0.26 128	0.26 120	0.34 129	0.26 126	0.34 129	0.26 127	0.34 124	0.26 126	0.26 122	0.26 125	0.34 129	0.26 125	0.34 130	0.26 126

MMNet	0.30 114	0.24 97	0.17 86	0.24 109	0.17 97	0.24 110	0.17 96	0.23 100	0.18 103	1.21 220	0.17 94	0.23 104	0.17 96	0.17 95	0.17 97	0.89 239	0.24 108	0.17 96	0.24 109	0.17 97	1.22 255	0.16 95	0.17 91	0.17 94	0.24 109	0.17 96	0.24 107	0.17 98

delet	0.30 114	0.24 97	0.17 86	0.24 109	0.17 97	0.24 110	0.17 96	0.23 100	0.16 90	1.21 220	0.17 94	0.24 111	0.17 96	0.17 95	0.17 97	0.91 243	0.24 108	0.17 96	0.24 109	0.17 97	1.23 257	0.17 99	0.17 91	0.17 94	0.24 109	0.17 96	0.24 107	0.17 98

psm_up	0.30 114	0.24 97	0.17 86	0.25 112	0.17 97	0.24 110	0.17 96	0.24 104	0.17 95	1.20 219	0.17 94	0.23 104	0.17 96	0.17 95	0.18 102	0.90 242	0.24 108	0.17 96	0.25 114	0.17 97	1.24 260	0.17 99	0.17 91	0.17 94	0.24 109	0.17 96	0.24 107	0.17 98

MLCV	0.30 114	0.33 116	0.28 120	0.34 130	0.28 131	0.33 129	0.28 133	0.33 118	0.29 141	0.33 102	0.27 131	0.33 128	0.28 131	0.26 123	0.29 143	0.28 130	0.33 128	0.28 130	0.33 126	0.28 132	0.33 123	0.27 127	0.28 129	0.28 133	0.33 127	0.28 130	0.33 126	0.28 132

DN-CSS_ROB	0.30 114	0.34 117	0.29 125	0.34 130	0.27 127	0.34 131	0.28 133	0.33 118	0.27 128	0.34 105	0.27 131	0.34 130	0.28 131	0.29 137	0.27 131	0.26 120	0.35 132	0.29 139	0.33 126	0.28 132	0.34 124	0.28 133	0.28 129	0.27 129	0.34 129	0.28 130	0.33 126	0.28 132

UNDER WATER-64	0.31 122	0.25 101	0.25 113	0.26 117	0.26 122	0.25 116	0.26 122	0.25 105	0.26 126	1.69 241	0.26 127	0.25 113	0.25 121	0.25 121	0.26 128	0.26 120	0.25 114	0.26 126	0.26 117	0.26 127	0.25 109	0.25 120	0.25 118	0.25 121	0.26 119	0.26 125	0.25 114	0.26 126

LG-Stereo_L2	0.32 123	0.45 138	0.36 140	0.37 140	0.27 127	0.37 142	0.27 126	0.43 150	0.27 128	0.36 113	0.31 148	0.36 139	0.27 129	0.27 130	0.27 131	0.30 140	0.37 140	0.27 129	0.37 138	0.27 131	0.37 134	0.27 127	0.27 124	0.27 129	0.37 138	0.27 128	0.37 138	0.27 129

CASnet	0.32 123	0.53 157	0.34 137	0.27 119	0.31 149	0.34 131	0.29 146	0.31 116	0.32 146	0.25 92	0.31 148	0.27 121	0.40 174	0.45 177	0.27 131	0.30 140	0.26 120	0.40 174	0.28 122	0.37 164	0.28 118	0.39 173	0.29 135	0.40 176	0.29 123	0.28 130	0.24 107	0.30 147
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.32 123	0.45 138	0.29 125	0.36 138	0.29 141	0.36 138	0.29 146	0.36 131	0.29 141	0.35 107	0.29 142	0.35 133	0.28 131	0.27 130	0.28 135	0.28 130	0.35 132	0.28 130	0.35 131	0.28 132	0.35 128	0.28 133	0.29 135	0.29 141	0.36 134	0.29 143	0.36 135	0.29 141

RSM	0.33 126	0.36 121	0.31 132	0.39 155	0.32 151	0.36 138	0.30 149	0.35 127	0.38 163	0.35 107	0.31 148	0.35 133	0.30 143	0.30 140	0.31 148	0.30 140	0.36 137	0.31 146	0.36 134	0.30 146	0.36 132	0.31 148	0.31 145	0.31 147	0.36 134	0.31 149	0.36 135	0.31 150

SQANet	0.33 126	0.28 108	0.28 120	0.28 123	0.28 131	0.29 124	0.28 133	0.28 111	0.28 133	1.59 238	0.28 134	0.28 123	0.28 131	0.28 135	0.28 135	0.28 130	0.28 123	0.28 130	0.29 123	0.28 132	0.28 118	0.28 133	0.28 129	0.28 133	0.28 122	0.28 130	0.28 122	0.28 132

DGSMNet	0.33 126	0.42 135	0.28 120	0.40 156	0.28 131	0.40 156	0.28 133	0.40 143	0.28 133	0.40 125	0.28 134	0.39 148	0.28 131	0.27 130	0.28 135	0.28 130	0.40 157	0.28 130	0.42 163	0.29 141	0.41 152	0.31 148	0.29 135	0.28 133	0.41 156	0.28 130	0.42 159	0.29 141

castereo	0.34 129	1.59 240	1.39 261	0.17 82	0.15 90	0.18 83	0.26 122	1.74 259	0.17 95	0.19 75	0.18 106	0.18 87	0.20 108	0.20 107	0.22 116	0.21 108	0.18 86	0.17 96	0.19 88	0.16 93	0.18 84	0.20 111	0.17 91	0.21 112	0.19 87	0.17 96	0.19 86	0.16 92

RAFT-Test	0.34 129	0.45 138	0.30 129	0.38 144	0.32 151	0.40 156	0.32 153	0.39 141	0.32 146	0.39 119	0.30 145	0.37 141	0.29 140	0.30 140	0.30 145	0.29 138	0.38 143	0.30 143	0.38 142	0.29 141	0.38 137	0.29 143	0.29 135	0.30 145	0.38 141	0.30 146	0.38 140	0.30 147

RAFT + AFF	0.34 129	0.29 109	0.32 135	0.31 126	0.30 146	0.39 153	0.32 153	0.39 141	0.30 143	0.39 119	0.32 151	0.39 148	0.32 148	0.35 149	0.36 158	0.32 149	0.38 143	0.31 146	0.38 142	0.31 150	0.38 137	0.28 133	0.37 163	0.34 154	0.38 141	0.30 146	0.38 140	0.28 132

ETE_ROB	0.35 132	0.35 120	0.35 138	0.35 134	0.35 159	0.35 133	0.35 156	0.35 127	0.35 155	0.35 107	0.35 157	0.35 133	0.35 155	0.35 149	0.35 154	0.35 155	0.35 132	0.35 156	0.35 131	0.35 158	0.35 128	0.35 155	0.35 154	0.35 158	0.35 132	0.35 156	0.35 132	0.35 157

VIP-Stereo	0.36 133	2.00 249	1.11 245	0.26 117	0.16 93	0.24 110	0.15 90	2.00 269	0.23 116	0.24 88	0.15 89	0.23 104	0.16 93	0.16 93	0.16 93	0.15 92	0.24 108	0.15 91	0.24 109	0.16 93	0.24 107	0.15 92	0.15 87	0.20 108	0.24 109	0.15 90	0.24 107	0.15 90

GREAT-IGEV	0.36 133	0.46 141	0.33 136	0.43 167	0.30 146	0.43 167	0.30 149	0.45 152	0.30 143	0.42 133	0.30 145	0.43 162	0.30 143	0.30 140	0.30 145	0.30 140	0.43 164	0.30 143	0.43 164	0.30 146	0.43 158	0.30 146	0.30 143	0.30 145	0.43 162	0.30 146	0.43 161	0.30 147

EKT-Stereo	0.36 133	0.50 154	0.30 129	0.40 156	0.29 141	0.40 156	0.29 146	0.35 127	0.30 143	0.47 142	0.30 145	0.35 133	0.32 148	0.29 137	0.34 152	0.33 151	0.59 196	0.31 146	0.39 153	0.29 141	0.37 134	0.38 164	0.29 135	0.31 147	0.58 200	0.28 130	0.51 186	0.29 141

GEStereo_RVC	0.36 133	0.23 89	0.18 91	0.23 104	0.18 104	0.23 106	0.19 107	0.22 92	0.19 105	0.24 88	0.20 109	0.24 111	0.18 106	0.18 102	0.18 102	0.21 108	0.25 114	0.18 106	0.22 96	0.18 104	0.23 104	0.18 107	0.19 105	0.20 108	0.23 103	0.20 108	4.43 310	0.19 107

DMCA	0.36 133	0.38 123	0.37 142	0.35 134	0.35 159	0.35 133	0.36 162	0.35 127	0.36 160	0.36 113	0.37 166	0.36 139	0.36 160	0.36 154	0.35 154	0.37 160	0.36 137	0.36 158	0.36 134	0.36 162	0.36 132	0.35 155	0.36 159	0.36 161	0.37 138	0.36 159	0.36 135	0.36 162

DDF-Stereo	0.37 138	0.57 167	0.50 179	0.40 156	0.32 151	0.40 156	0.32 153	0.53 176	0.32 146	0.39 119	0.32 151	0.39 148	0.32 148	0.32 143	0.32 150	0.32 149	0.40 157	0.32 150	0.40 154	0.32 151	0.40 151	0.32 151	0.32 146	0.32 149	0.40 151	0.32 151	0.40 151	0.32 152

XPNet_ROB	0.37 138	0.37 122	0.37 142	0.37 140	0.37 165	0.37 142	0.37 167	0.37 132	0.37 162	0.37 115	0.37 166	0.37 141	0.37 162	0.37 156	0.37 161	0.37 160	0.37 140	0.37 163	0.37 138	0.37 164	0.37 134	0.37 161	0.37 163	0.37 167	0.37 138	0.37 165	0.37 138	0.37 165

GIP-stereo	0.38 140	0.56 164	0.40 148	0.45 170	0.33 154	0.44 169	0.35 156	0.49 166	0.33 150	0.43 134	0.32 151	0.42 158	0.31 145	0.33 144	0.33 151	0.34 152	0.40 157	0.32 150	0.40 154	0.32 151	0.43 158	0.38 164	0.33 149	0.32 149	0.43 162	0.32 151	0.42 159	0.34 156

Former-RAFT_DAM_RVC	0.38 140	1.06 205	0.54 187	0.59 202	0.27 127	0.46 170	0.27 126	0.46 153	0.27 128	0.46 139	0.27 131	0.46 165	0.26 127	0.27 130	0.27 131	0.26 120	0.46 166	0.26 126	0.45 167	0.30 146	0.46 161	0.27 127	0.27 124	0.27 129	0.46 165	0.27 128	0.45 163	0.26 126

CES	0.38 140	0.34 117	0.44 159	0.43 167	0.33 154	0.37 142	0.44 186	0.37 132	0.38 163	0.45 137	0.35 157	0.35 133	0.41 175	0.45 177	0.36 158	0.36 157	0.36 137	0.45 184	0.43 164	0.35 158	0.34 124	0.46 184	0.36 159	0.36 161	0.42 161	0.34 155	0.35 132	0.38 168

PML	0.39 143	0.56 164	0.29 125	0.55 196	0.28 131	0.56 198	0.28 133	0.51 173	0.28 133	0.50 148	0.28 134	0.51 186	0.28 131	0.29 137	0.28 135	0.29 138	0.56 194	0.29 139	0.57 201	0.28 132	0.56 193	0.28 133	0.28 129	0.29 141	0.56 197	0.28 130	0.56 195	0.28 132

DEFOM-Stereo_RVC	0.40 144	2.14 258	1.91 286	0.20 90	0.18 104	0.19 88	0.17 96	2.23 272	0.19 105	0.24 88	0.21 112	0.19 90	0.21 113	0.20 107	0.18 102	0.20 105	0.20 92	0.18 106	0.20 91	0.19 109	0.19 88	0.17 99	0.18 102	0.17 94	0.20 91	0.20 108	0.21 95	0.19 107

GASTEREO	0.41 145	0.54 158	0.44 159	0.48 180	0.35 159	0.48 182	0.35 156	0.53 176	0.35 155	0.46 139	0.35 157	0.46 165	0.35 155	0.35 149	0.35 154	0.35 155	0.47 170	0.35 156	0.47 172	0.35 158	0.47 165	0.38 164	0.35 154	0.35 158	0.48 176	0.35 156	0.47 168	0.35 157

GwcNet-ADL	0.41 145	0.41 129	0.41 150	0.41 163	0.41 176	0.41 160	0.41 178	0.41 145	0.41 175	0.41 126	0.41 179	0.41 154	0.41 175	0.41 168	0.41 178	0.41 172	0.41 160	0.41 176	0.41 159	0.41 177	0.41 152	0.41 177	0.41 175	0.41 177	0.41 156	0.41 177	0.41 155	0.41 177

PSMNet-ADL	0.41 145	0.41 129	0.41 150	0.41 163	0.41 176	0.41 160	0.41 178	0.41 145	0.41 175	0.41 126	0.41 179	0.41 154	0.41 175	0.41 168	0.41 178	0.41 172	0.41 160	0.41 176	0.41 159	0.41 177	0.41 152	0.41 177	0.41 175	0.41 177	0.41 156	0.41 177	0.41 155	0.41 177

GANet-ADL	0.41 145	0.41 129	0.41 150	0.41 163	0.41 176	0.41 160	0.41 178	0.41 145	0.41 175	0.41 126	0.41 179	0.41 154	0.41 175	0.41 168	0.41 178	0.41 172	0.41 160	0.41 176	0.41 159	0.41 177	0.41 152	0.41 177	0.41 175	0.41 177	0.41 156	0.41 177	0.41 155	0.41 177

ADLNet	0.41 145	0.41 129	0.41 150	0.41 163	0.41 176	0.41 160	0.41 178	0.41 145	0.41 175	0.41 126	0.41 179	0.41 154	0.41 175	0.41 168	0.41 178	0.41 172	0.41 160	0.41 176	0.41 159	0.41 177	0.41 152	0.41 177	0.41 175	0.41 177	0.41 156	0.41 177	0.41 155	0.41 177

GEAStereo	0.42 150	0.55 160	0.44 159	0.48 180	0.35 159	0.48 182	0.35 156	0.54 178	0.35 155	0.47 142	0.36 160	0.47 170	0.41 175	0.38 158	0.38 163	0.38 163	0.51 185	0.36 158	0.51 190	0.38 168	0.48 172	0.35 155	0.35 154	0.36 161	0.52 188	0.37 165	0.48 174	0.36 162

GSStereo	0.42 150	0.56 164	0.44 159	0.48 180	0.36 164	0.48 182	0.36 162	0.54 178	0.36 160	0.47 142	0.36 160	0.47 170	0.36 160	0.36 154	0.35 154	0.36 157	0.48 175	0.36 158	0.48 179	0.36 162	0.48 172	0.36 160	0.36 159	0.36 161	0.48 176	0.36 159	0.48 174	0.35 157

gasm-f	0.42 150	0.55 160	0.44 159	0.48 180	0.35 159	0.48 182	0.35 156	0.54 178	0.35 155	0.47 142	0.36 160	0.47 170	0.41 175	0.38 158	0.38 163	0.38 163	0.51 185	0.36 158	0.51 190	0.38 168	0.48 172	0.35 155	0.35 154	0.36 161	0.52 188	0.37 165	0.48 174	0.36 162

DEFOM-Stereo	0.43 153	1.60 242	1.47 266	0.30 124	0.28 131	0.31 126	0.28 133	1.65 257	0.25 119	0.29 100	0.26 127	0.30 126	0.29 140	0.27 130	0.26 128	0.26 120	0.30 125	0.29 139	0.30 125	0.26 127	0.29 120	0.29 143	0.27 124	0.26 125	0.30 124	0.29 143	0.30 124	0.29 141

GES	0.43 153	0.41 129	0.31 132	0.35 134	0.30 146	0.47 176	0.28 133	0.33 118	0.28 133	0.35 107	0.29 142	2.95 293	0.38 165	0.35 149	0.30 145	0.34 152	0.34 129	0.30 143	0.33 126	0.30 146	0.35 128	0.30 146	0.33 149	0.33 152	0.33 127	0.31 149	0.33 126	0.29 141

MSCF	0.44 155	0.60 172	0.47 166	0.50 188	0.40 174	0.50 189	0.38 170	0.57 186	0.38 163	0.48 146	0.38 169	0.48 178	0.38 165	0.38 158	0.38 163	0.38 163	0.49 180	0.38 166	0.49 183	0.39 175	0.50 180	0.38 164	0.38 167	0.38 168	0.49 181	0.38 169	0.49 182	0.38 168

LG-Stereo_L1	0.44 155	0.58 170	0.49 178	0.51 191	0.38 169	0.51 191	0.38 170	0.56 184	0.38 163	0.50 148	0.38 169	0.50 183	0.38 165	0.38 158	0.38 163	0.38 163	0.52 187	0.38 166	0.52 193	0.38 168	0.51 182	0.38 164	0.38 167	0.38 168	0.52 188	0.38 169	0.51 186	0.40 175

FCDSN-DC	0.44 155	0.31 113	0.35 138	0.34 130	0.28 131	0.35 133	0.30 149	0.32 117	0.25 119	1.32 226	0.24 121	1.00 238	0.32 148	0.35 149	0.34 152	0.30 140	0.72 208	0.37 163	0.48 179	0.32 151	0.53 188	0.49 198	0.23 116	0.29 141	0.50 182	0.42 182	0.61 201	0.71 231
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
LG-Stereo_Zeroshot	0.45 158	0.57 167	0.45 164	0.54 193	0.37 165	0.53 195	0.37 167	0.56 184	0.40 172	0.53 154	0.38 169	0.53 190	0.37 162	0.37 156	0.37 161	0.37 160	0.55 190	0.38 166	0.53 195	0.37 164	0.53 188	0.37 161	0.37 163	0.39 175	0.54 193	0.37 165	0.54 192	0.37 165

WAO-7	0.46 159	0.38 123	0.38 144	0.38 144	0.38 169	0.38 146	0.38 170	0.38 135	0.38 163	2.57 282	0.38 169	0.38 144	0.38 165	0.38 158	0.38 163	0.38 163	0.38 143	0.38 166	0.38 142	0.38 168	0.38 137	0.38 164	0.38 167	0.38 168	0.38 141	0.38 169	0.38 140	0.38 168

Venus	0.46 159	0.38 123	0.40 148	0.38 144	0.38 169	0.39 153	0.38 170	0.38 135	0.38 163	2.71 284	0.38 169	0.38 144	0.38 165	0.38 158	0.38 163	0.38 163	0.38 143	0.38 166	0.38 142	0.38 168	0.38 137	0.38 164	0.38 167	0.38 168	0.38 141	0.38 169	0.39 150	0.38 168

HanzoNet	0.47 161	0.39 127	0.38 144	0.38 144	0.38 169	0.38 146	0.38 170	0.40 143	0.38 163	2.63 283	0.38 169	0.38 144	0.38 165	0.38 158	0.38 163	0.39 171	0.38 143	0.38 166	0.38 142	0.42 182	0.38 137	0.39 173	0.39 173	0.38 168	0.38 141	0.38 169	0.38 140	0.39 174

IMH	0.47 161	0.40 128	0.39 147	0.38 144	0.38 169	0.38 146	0.38 170	0.38 135	0.40 172	2.79 286	0.38 169	0.38 144	0.38 165	0.38 158	0.38 163	0.38 163	0.39 153	0.38 166	0.38 142	0.40 176	0.38 137	0.38 164	0.38 167	0.38 168	0.38 141	0.38 169	0.38 140	0.38 168

LL-Strereo2	0.47 161	2.60 271	0.51 183	0.38 144	0.28 131	0.37 142	0.28 133	0.55 182	0.35 155	0.44 136	0.34 156	0.44 164	0.34 153	0.34 145	0.36 158	0.36 157	0.47 170	0.36 158	0.47 172	0.35 158	0.47 165	0.35 155	0.35 154	0.35 158	0.46 165	0.35 156	0.47 168	0.35 157

GMOStereo	0.50 164	0.44 136	2.38 296	0.40 156	0.34 156	0.42 164	0.36 162	1.96 264	0.34 151	0.41 126	0.36 160	0.42 158	0.35 155	0.34 145	0.38 163	0.31 145	0.39 153	0.34 152	0.40 154	0.33 155	0.39 146	0.33 152	0.33 149	0.34 154	0.40 151	0.36 159	0.40 151	0.32 152

error version	0.50 164	0.44 136	2.38 296	0.40 156	0.34 156	0.42 164	0.36 162	1.96 264	0.34 151	0.41 126	0.36 160	0.42 158	0.35 155	0.34 145	0.38 163	0.31 145	0.39 153	0.34 152	0.40 154	0.33 155	0.39 146	0.33 152	0.33 149	0.34 154	0.40 151	0.36 159	0.40 151	0.32 152

SANet	0.50 164	0.50 154	0.50 179	0.50 188	0.50 202	0.50 189	0.50 202	0.50 170	0.50 201	0.50 148	0.50 201	0.50 183	0.50 200	0.50 194	0.50 203	0.50 199	0.50 183	0.50 202	0.50 187	0.50 203	0.50 180	0.50 204	0.50 197	0.50 199	0.50 182	0.50 203	0.50 184	0.50 197

PDISCO_ROB	0.50 164	0.15 65	0.11 61	0.16 79	3.16 304	0.13 62	0.12 80	0.14 61	0.12 78	0.15 54	0.11 62	2.55 292	0.11 63	2.20 289	0.13 85	0.12 79	0.16 79	0.10 50	0.14 62	0.12 82	0.15 72	0.12 82	0.12 78	0.12 80	0.15 68	0.10 49	2.75 293	0.09 48

otaku	0.52 168	0.46 141	0.48 172	0.46 171	0.46 185	0.46 170	0.46 187	0.46 153	0.47 190	1.88 245	0.46 187	0.46 165	0.46 187	0.46 179	0.46 187	0.46 181	0.47 170	0.46 185	0.46 168	0.46 187	0.47 165	0.46 184	0.46 183	0.46 186	0.47 171	0.46 186	0.46 164	0.47 187

HaxPig	0.52 168	0.48 150	0.47 166	0.47 176	0.47 189	0.47 176	0.47 191	0.47 159	0.47 190	1.80 242	0.47 191	0.47 170	0.47 190	0.47 183	0.47 191	0.47 188	0.47 170	0.47 192	0.47 172	0.47 192	0.47 165	0.47 192	0.47 189	0.47 190	0.47 171	0.47 193	0.47 168	0.47 187

UNDER WATER	0.52 168	0.47 147	0.47 166	0.47 176	0.47 189	0.47 176	0.47 191	0.47 159	0.47 190	1.90 246	0.47 191	0.47 170	0.47 190	0.47 183	0.47 191	0.47 188	0.46 166	0.47 192	0.47 172	0.47 192	0.46 161	0.47 192	0.47 189	0.48 194	0.47 171	0.47 193	0.47 168	0.47 187

Dean	0.52 168	0.46 141	0.48 172	0.46 171	0.46 185	0.46 170	0.46 187	0.46 153	0.46 185	1.90 246	0.46 187	0.47 170	0.46 187	0.46 179	0.46 187	0.46 181	0.48 175	0.46 185	0.46 168	0.46 187	0.46 161	0.46 184	0.46 183	0.46 186	0.46 165	0.46 186	0.46 164	0.46 184

Ntro	0.53 172	0.47 147	0.50 179	0.46 171	0.48 194	0.47 176	0.47 191	0.46 153	0.46 185	2.05 258	0.47 191	0.47 170	0.49 198	0.47 183	0.47 191	0.46 181	0.48 175	0.46 185	0.49 183	0.46 187	0.47 165	0.46 184	0.46 183	0.47 190	0.46 165	0.46 186	0.47 168	0.47 187

RainbowNet	0.53 172	0.48 150	0.48 172	0.48 180	0.48 194	0.48 182	0.48 195	0.48 162	0.48 194	1.92 248	0.48 196	0.48 178	0.48 194	0.48 188	0.48 196	0.48 191	0.48 175	0.48 196	0.48 179	0.48 196	0.48 172	0.48 195	0.48 192	0.48 194	0.48 176	0.48 197	0.48 174	0.48 193

LVE	0.53 172	0.47 147	0.48 172	0.47 176	0.47 189	0.47 176	0.47 191	0.48 162	0.47 190	1.96 253	0.47 191	0.47 170	0.47 190	0.47 183	0.47 191	0.47 188	0.47 170	0.47 192	0.47 172	0.47 192	0.47 165	0.47 192	0.47 189	0.47 190	0.47 171	0.47 193	0.47 168	0.47 187

ACVNet_1	0.53 172	0.46 141	0.48 172	0.47 176	0.47 189	0.46 170	0.48 195	0.48 162	0.48 194	2.07 259	0.47 191	0.48 178	0.48 194	0.47 183	0.47 191	0.46 181	0.49 180	0.47 192	0.47 172	0.47 192	0.48 172	0.46 184	0.46 183	0.48 194	0.47 171	0.47 193	0.48 174	0.47 187

ACVNet-4b	0.53 172	0.46 141	0.47 166	0.46 171	0.46 185	0.46 170	0.46 187	0.46 153	0.46 185	2.17 262	0.46 187	0.46 165	0.47 190	0.46 179	0.46 187	0.46 181	0.46 166	0.46 185	0.46 168	0.46 187	0.46 161	0.46 184	0.46 183	0.47 190	0.46 165	0.46 186	0.46 164	0.46 184

AIO-test2	0.54 177	0.65 176	0.55 190	0.60 203	0.50 202	0.60 202	0.49 198	0.65 191	0.48 194	0.60 160	0.49 199	0.59 196	0.50 200	0.50 194	0.49 200	0.49 195	0.60 197	0.50 202	0.60 203	0.49 200	0.60 197	0.49 198	0.50 197	0.51 201	0.60 203	0.48 197	0.60 198	0.50 197

AIO-test1	0.54 177	0.64 175	0.54 187	0.60 203	0.49 198	0.61 204	0.49 198	0.64 190	0.49 199	0.59 158	0.48 196	0.60 198	0.50 200	0.48 188	0.48 196	0.48 191	0.60 197	0.48 196	0.60 203	0.48 196	0.60 197	0.49 198	0.49 194	0.49 197	0.59 202	0.49 200	0.60 198	0.49 194

notaker	0.54 177	0.48 150	0.48 172	0.48 180	0.48 194	0.48 182	0.49 198	0.48 162	0.48 194	1.95 252	0.48 196	0.48 178	0.48 194	0.48 188	0.48 196	0.48 191	0.48 175	0.48 196	0.48 179	0.48 196	0.49 178	0.48 195	0.48 192	0.49 197	0.48 176	0.48 197	0.48 174	0.49 194

FSD	0.55 180	0.55 160	0.42 156	0.54 193	0.42 181	0.55 197	0.43 184	0.54 178	0.42 180	0.59 158	0.42 184	0.54 192	0.44 183	0.43 174	0.42 184	0.42 177	0.55 190	0.42 182	2.46 288	0.44 185	0.55 191	0.43 182	0.42 179	0.44 184	0.55 194	0.43 184	0.55 193	0.53 203

ACVNet_2	0.55 180	0.49 153	0.50 179	0.49 186	0.49 198	0.49 188	0.49 198	0.49 166	0.49 199	2.14 261	0.49 199	0.50 183	0.49 198	0.49 191	0.49 200	0.49 195	0.50 183	0.49 201	0.50 187	0.49 200	0.49 178	0.49 198	0.49 194	0.50 199	0.50 182	0.49 200	0.50 184	0.49 194

CFNet	0.55 180	0.25 101	0.18 91	0.25 112	0.18 104	0.25 116	0.18 106	0.25 105	0.18 103	0.25 92	0.18 106	0.25 113	0.18 106	0.18 102	0.18 102	0.18 101	0.25 114	0.18 106	0.25 114	0.18 104	5.31 322	4.36 322	0.18 102	0.18 105	0.25 115	0.18 105	0.25 114	0.18 106

PSMNet_ROB	0.55 180	0.55 160	0.56 193	0.56 197	0.55 206	0.56 198	0.55 206	0.55 182	0.55 205	0.55 155	0.55 206	0.55 193	0.55 208	0.55 197	0.56 208	0.55 203	0.55 190	0.55 208	0.55 198	0.55 206	0.55 191	0.55 207	0.55 202	0.55 207	0.55 194	0.55 208	0.55 193	0.55 204

IER	0.56 184	2.72 274	2.20 290	0.38 144	0.29 141	0.38 146	0.27 126	2.77 289	0.27 128	0.38 116	0.28 134	0.37 141	0.25 121	0.26 123	0.25 123	0.26 120	0.38 143	0.29 139	0.38 142	0.25 123	0.39 146	0.25 120	0.29 135	0.29 141	0.40 151	0.25 121	0.38 140	0.25 121

LG-Stereo	0.57 185	0.58 170	0.43 157	0.54 193	0.65 217	0.95 229	0.69 232	0.69 193	0.38 163	0.52 152	0.37 166	0.53 190	0.37 162	0.68 224	0.73 234	0.72 230	0.70 205	0.37 163	0.54 197	0.37 164	0.54 190	0.37 161	0.37 163	0.56 208	0.95 230	0.59 213	0.84 219	0.37 165

CASS	0.58 186	0.89 191	0.55 190	0.56 197	0.55 206	0.60 202	0.57 212	0.57 186	0.56 207	0.55 155	0.56 207	0.56 194	0.50 200	0.63 209	0.56 208	0.56 206	0.62 200	0.62 217	0.59 202	0.56 208	0.56 193	0.48 195	0.60 209	0.56 208	0.57 199	0.60 215	0.57 197	0.59 209
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DISCO	0.59 187	0.29 109	0.22 106	0.27 119	5.05 325	0.30 125	0.21 112	0.28 111	0.21 110	0.27 99	0.21 112	0.27 121	0.20 108	0.21 112	0.21 112	0.21 108	0.27 122	0.21 114	0.27 121	0.21 114	0.27 116	0.23 119	0.21 109	0.21 112	0.27 121	0.21 112	5.06 318	0.22 115

LMCR-Stereo	0.61 188	0.61 173	0.61 200	0.61 206	0.61 213	0.67 209	0.61 217	0.61 188	0.61 214	0.61 161	0.61 214	0.61 199	0.61 215	0.61 205	0.61 215	0.61 210	0.61 199	0.61 216	0.61 205	0.61 214	0.61 199	0.61 214	0.61 210	0.61 217	0.61 205	0.61 216	0.61 201	0.61 215

AANet_RVC	0.61 188	0.31 113	5.05 314	0.31 126	0.19 108	0.24 110	0.20 109	5.86 310	0.20 107	0.24 88	0.18 106	0.25 113	0.20 108	0.23 117	0.21 112	0.18 101	0.37 140	0.18 106	0.24 109	0.19 109	0.25 109	0.19 110	0.19 105	0.19 107	0.24 109	0.15 90	0.24 107	0.20 109

iRaftStereo_RVC	0.62 190	1.76 245	2.24 292	0.52 192	0.37 165	0.53 195	0.38 170	2.51 283	0.38 163	0.51 151	0.38 169	0.51 186	0.38 165	0.38 158	0.38 163	0.38 163	0.52 187	0.38 166	0.52 193	0.38 168	0.52 185	0.38 164	0.38 167	0.38 168	0.52 188	0.39 175	0.52 189	0.38 168

ARAFT	0.64 191	0.74 182	0.62 201	0.70 215	0.56 208	0.72 212	0.55 206	0.72 197	0.54 204	0.73 169	0.56 207	0.72 210	0.56 210	0.56 199	0.62 216	0.63 212	0.73 209	0.53 207	0.73 211	0.54 205	0.72 207	0.65 217	0.62 211	0.56 208	0.72 210	0.54 206	0.72 208	0.57 206

test_1	0.65 192	4.37 289	2.38 296	0.40 156	0.34 156	0.42 164	0.36 162	1.96 264	0.34 151	0.41 126	0.36 160	0.42 158	0.35 155	0.34 145	0.38 163	0.31 145	0.39 153	0.34 152	0.40 154	0.33 155	0.39 146	0.33 152	0.33 149	0.34 154	0.40 151	0.36 159	0.40 151	0.32 152

zero-FE	0.66 193	0.80 185	0.56 193	0.79 219	0.58 210	0.82 217	0.55 206	0.76 199	0.56 207	0.75 171	0.58 211	0.75 214	0.59 213	0.57 200	0.56 208	0.55 203	0.79 213	0.55 208	0.78 217	0.55 206	0.85 216	0.58 209	0.55 202	0.57 212	0.80 216	0.57 210	0.80 213	0.57 206

HH	0.66 193	2.13 253	0.47 166	0.37 140	0.29 141	0.36 138	0.27 126	0.49 166	0.44 182	0.78 172	0.68 226	0.67 204	0.90 243	0.62 206	0.90 242	0.53 201	0.88 221	0.48 196	0.37 138	0.29 141	0.63 202	0.66 220	0.66 215	0.51 201	1.06 247	0.61 216	1.08 246	0.60 211

HanStereo	0.66 193	2.13 253	0.47 166	0.37 140	0.29 141	0.36 138	0.27 126	0.49 166	0.44 182	0.78 172	0.68 226	0.67 204	0.90 243	0.62 206	0.90 242	0.53 201	0.88 221	0.48 196	0.37 138	0.29 141	0.63 202	0.66 220	0.66 215	0.51 201	1.06 247	0.61 216	1.08 246	0.60 211

DSFCA	0.66 193	0.73 180	0.74 208	0.68 211	0.65 217	0.64 206	0.65 222	0.65 191	0.65 216	0.66 164	0.65 217	0.65 201	0.64 216	0.65 212	0.65 219	0.65 214	0.65 202	0.65 220	0.65 207	0.65 217	0.65 205	0.65 217	0.65 214	0.65 220	0.66 207	0.66 220	0.65 204	0.65 217

STTRV1_RVC	0.66 193	1.59 240	0.52 186	0.69 212	0.61 213	0.66 208	0.43 184	0.88 207	0.45 184	0.71 167	0.62 215	0.69 207	0.45 186	0.62 206	0.40 176	0.44 179	0.80 215	0.59 213	0.76 216	0.63 215	0.80 210	0.46 184	0.64 212	0.61 217	0.72 210	0.54 206	0.80 213	0.60 211

4D-IteraStereo	0.67 198	3.40 280	1.05 239	0.71 216	0.83 239	0.47 176	0.27 126	0.47 159	0.27 128	0.35 107	0.26 127	0.68 206	0.84 239	0.41 168	0.54 205	0.89 239	0.74 211	0.88 243	0.73 211	0.87 243	0.42 157	0.27 127	0.28 129	0.28 133	0.36 134	0.28 130	0.68 205	0.90 242

RAFT-Stereo + iAFF	0.67 198	0.74 182	0.60 199	0.79 219	0.61 213	0.76 213	0.57 212	0.71 196	0.56 207	0.71 167	0.54 205	0.72 210	0.66 218	0.65 212	0.65 219	0.64 213	0.74 211	0.64 219	0.74 213	0.63 215	0.73 208	0.65 217	0.64 212	0.64 219	0.74 212	0.61 216	0.73 209	0.64 216

Occ-G	0.68 200	0.54 158	3.16 304	0.57 201	0.45 184	0.52 194	0.40 177	3.44 295	0.46 185	0.52 152	0.45 186	0.51 186	0.44 183	0.44 176	0.40 176	0.45 180	0.55 190	0.41 176	0.53 195	0.43 183	0.52 185	0.40 175	0.44 182	0.45 185	0.55 194	0.44 185	0.53 191	0.44 183

TorneroNet-64	0.69 201	0.65 176	0.30 129	0.27 119	0.47 189	0.28 123	0.35 156	0.34 124	0.80 233	7.93 327	0.29 142	0.30 126	0.31 145	0.81 235	0.28 135	0.27 129	0.29 124	0.28 130	0.85 223	0.83 241	0.62 201	0.28 133	0.30 143	0.28 133	0.52 188	0.29 143	0.29 123	0.27 129

DDUNet	0.69 201	0.84 189	0.59 198	0.84 225	0.59 211	0.87 223	0.57 212	0.84 204	0.59 213	0.82 179	0.58 211	0.85 223	0.57 211	0.59 204	0.59 212	0.57 207	0.87 220	0.59 213	0.85 223	0.59 213	0.85 216	0.59 212	0.59 207	0.59 213	0.87 221	0.59 213	0.84 219	0.59 209

UDG	0.70 203	0.87 190	0.56 193	0.87 226	0.59 211	0.84 220	0.59 215	0.85 205	0.57 210	0.84 181	0.59 213	0.84 222	0.60 214	0.58 201	0.60 213	0.59 208	0.85 219	0.59 213	0.87 225	0.58 210	0.87 218	0.60 213	0.57 206	0.59 213	0.87 221	0.58 212	0.86 222	0.60 211

MaskLacGwcNet_RVC	0.70 203	6.91 302	0.46 165	0.46 171	0.46 185	0.46 170	0.46 187	0.46 153	0.46 185	0.46 139	0.46 187	0.46 165	0.46 187	0.46 179	0.46 187	0.46 181	0.46 166	0.46 185	0.46 168	0.46 187	0.47 165	0.46 184	0.46 183	0.46 186	0.46 165	0.46 186	0.46 164	0.46 184

HCRNet	0.71 205	6.06 300	3.15 303	0.50 188	0.22 113	0.21 97	0.15 90	3.04 291	0.34 151	0.43 134	0.33 155	0.43 162	0.33 152	0.15 90	0.14 89	0.14 89	0.21 96	0.17 96	0.47 172	0.20 111	0.21 95	0.16 95	0.32 146	0.33 152	0.50 182	0.33 154	0.49 182	0.28 132

AFF-stereo	0.71 205	0.73 180	0.65 203	0.82 223	0.63 216	0.83 218	0.63 219	0.73 198	0.65 216	0.82 179	0.73 232	0.74 213	0.64 216	0.63 209	0.62 216	0.62 211	0.73 209	0.63 218	0.74 213	0.72 232	0.80 210	0.58 209	0.70 231	0.71 234	0.79 214	0.69 230	0.78 211	0.72 233

DMCA-RVC	0.71 205	0.72 178	0.72 204	0.71 216	0.70 229	0.70 210	0.70 235	0.70 195	0.71 228	0.70 166	0.71 230	0.71 209	0.70 229	0.70 227	0.71 232	0.70 226	0.70 205	0.71 233	0.70 208	0.71 230	0.70 206	0.70 232	0.71 233	0.71 234	0.70 208	0.72 234	0.71 206	0.70 229

PA-Net	0.71 205	0.62 174	0.55 190	0.69 212	0.71 230	0.70 210	0.69 232	0.69 193	0.74 231	0.73 169	0.75 233	0.59 196	0.72 232	0.82 236	0.79 237	0.83 236	0.67 204	0.76 236	0.81 221	0.67 224	0.61 199	0.76 235	0.68 229	0.65 220	0.82 219	0.76 237	0.71 206	0.69 228
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
AIO-Stereo-zeroshot1	0.74 209	0.57 167	0.57 196	0.56 197	0.92 242	1.07 247	0.63 219	1.03 228	0.82 237	0.49 147	0.77 234	0.69 207	0.54 207	0.58 201	0.54 205	0.86 238	1.06 242	0.72 234	1.06 245	0.79 235	0.58 196	0.87 241	0.59 207	0.46 186	0.76 213	0.46 186	1.05 243	0.97 247

AEACV	0.74 209	0.52 156	3.10 301	0.60 203	0.48 194	0.56 198	0.48 195	3.02 290	0.83 238	0.61 161	0.62 215	0.72 210	0.50 200	0.49 191	0.49 200	0.48 191	0.58 195	0.50 202	0.55 198	0.48 196	0.56 193	0.50 204	0.50 197	0.51 201	0.58 200	0.51 205	0.60 198	0.51 200

MyStereo04	0.76 211	4.78 295	0.62 201	0.63 209	0.54 205	0.65 207	0.56 210	0.61 188	0.58 211	0.61 161	0.56 207	0.63 200	0.57 211	0.63 209	0.60 213	0.60 209	0.64 201	0.56 211	0.63 206	0.58 210	0.63 202	0.62 216	0.55 202	0.60 215	0.63 206	0.57 210	0.64 203	0.58 208

RSM++	0.77 212	0.91 192	0.72 204	0.83 224	0.71 230	0.83 218	0.72 236	0.81 203	0.71 228	0.81 178	0.71 230	0.81 221	0.71 231	0.71 229	0.71 232	0.70 226	0.83 218	0.72 234	0.83 222	0.81 240	0.83 214	0.72 234	0.71 233	0.71 234	0.88 223	0.71 232	0.83 218	0.70 229

test-3	0.78 213	4.38 290	1.80 278	0.62 207	0.49 198	0.62 205	0.50 202	1.86 260	0.64 215	0.69 165	0.52 203	0.66 202	0.38 165	0.58 201	0.57 211	0.46 181	0.66 203	0.46 185	0.50 187	0.44 185	0.48 172	0.58 209	0.54 201	0.60 215	0.70 208	0.46 186	0.48 174	0.50 197

WQFJX	0.80 214	1.24 220	0.74 208	0.98 235	0.66 219	0.98 231	0.66 223	0.97 216	0.66 218	0.94 190	0.66 218	0.94 229	0.66 218	0.66 215	0.66 221	0.66 215	0.98 229	0.66 222	0.98 233	0.66 219	0.99 227	0.66 220	0.66 215	0.66 222	0.99 232	0.66 220	0.99 230	0.66 218

AdaDepth	0.80 214	0.95 197	1.02 235	0.95 231	0.67 225	0.95 229	0.67 229	0.94 213	0.67 225	0.92 185	0.67 224	0.94 229	0.67 223	0.67 219	0.67 225	0.67 219	0.95 226	0.67 225	0.95 232	0.67 224	0.96 226	0.68 230	0.67 220	0.67 227	0.96 231	0.67 224	0.95 229	0.67 220

CroCo-Stereo	0.80 214	2.51 266	0.41 150	1.27 262	0.41 176	1.27 261	0.41 178	1.27 246	0.41 175	1.27 223	0.41 179	1.27 259	0.41 175	0.41 168	0.41 178	0.41 172	1.28 260	0.41 176	1.27 259	0.41 177	1.27 261	0.41 177	0.42 179	0.41 177	1.27 263	0.41 177	1.27 261	0.41 177
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
NaN_ROB	0.80 214	0.80 185	0.80 220	0.80 221	0.80 236	0.80 215	0.80 239	0.80 201	0.80 233	0.80 176	0.80 237	0.80 219	0.80 235	0.80 233	0.80 238	0.80 234	0.80 215	0.80 239	0.80 219	0.80 238	0.80 210	0.80 237	0.80 238	0.80 238	0.80 216	0.80 239	0.80 213	0.80 237

CSAN	0.80 214	0.80 185	0.80 220	0.80 221	0.80 236	0.80 215	0.80 239	0.80 201	0.80 233	0.80 176	0.80 237	0.80 219	0.80 235	0.80 233	0.80 238	0.80 234	0.80 215	0.80 239	0.80 219	0.80 238	0.80 210	0.80 237	0.80 238	0.80 238	0.80 216	0.80 239	0.80 213	0.80 237

WQFJA1	0.81 219	1.29 233	0.74 208	0.99 237	0.66 219	0.99 233	0.66 223	0.98 218	0.66 218	0.95 193	0.66 218	0.95 231	0.66 218	0.66 215	0.66 221	0.66 215	0.99 231	0.67 225	0.99 234	0.66 219	0.99 227	0.67 224	0.67 220	0.66 222	0.99 232	0.66 220	0.99 230	0.67 220

WQFJX1	0.81 219	1.29 233	0.74 208	0.99 237	0.66 219	0.99 233	0.66 223	0.98 218	0.66 218	0.95 193	0.66 218	0.95 231	0.66 218	0.66 215	0.66 221	0.66 215	0.99 231	0.67 225	0.99 234	0.66 219	0.99 227	0.67 224	0.67 220	0.66 222	0.99 232	0.66 220	0.99 230	0.67 220

NLMM1	0.81 219	1.28 231	0.75 213	0.98 235	0.66 219	0.98 231	0.66 223	0.97 216	0.66 218	0.94 190	0.66 218	0.95 231	0.67 223	0.67 219	0.67 225	0.67 219	1.00 235	0.67 225	0.99 234	0.66 219	0.99 227	0.67 224	0.67 220	0.66 222	0.99 232	0.67 224	1.00 235	0.67 220

NLMM	0.81 219	1.27 228	0.75 213	0.99 237	0.67 225	0.99 233	0.67 229	0.98 218	0.66 218	0.95 193	0.67 224	0.95 231	0.67 223	0.67 219	0.66 221	0.67 219	0.99 231	0.67 225	0.99 234	0.67 224	0.99 227	0.67 224	0.67 220	0.67 227	1.01 241	0.67 224	0.99 230	0.67 220

NLSM3	0.81 219	1.27 228	0.75 213	0.99 237	0.66 219	0.99 233	0.66 223	0.98 218	0.67 225	0.95 193	0.66 218	0.95 231	0.66 218	0.67 219	0.67 225	0.66 215	0.99 231	0.66 222	0.99 234	0.66 219	0.99 227	0.67 224	0.66 215	0.66 222	0.99 232	0.67 224	1.00 235	0.67 220

NLCSM	0.81 219	1.26 227	0.74 208	0.99 237	0.66 219	0.99 233	0.66 223	0.98 218	0.66 218	0.95 193	0.66 218	0.95 231	0.67 223	0.68 224	0.67 225	0.68 224	1.00 235	0.66 222	1.00 239	0.67 224	0.99 227	0.67 224	0.66 215	0.67 227	0.99 232	0.67 224	0.99 230	0.67 220

gcap-zeroshot	0.81 219	1.03 203	0.84 224	0.93 229	0.85 240	0.84 220	0.62 218	1.21 243	0.53 203	0.79 174	0.84 240	0.77 215	0.70 229	0.84 238	0.67 225	0.74 231	1.18 255	0.52 206	0.91 226	0.79 235	0.84 215	0.61 214	0.83 240	0.69 233	0.93 229	0.82 241	0.85 221	0.66 218

AIO-Stereo	0.82 226	1.06 205	0.73 207	0.97 234	0.74 232	1.06 246	0.60 216	1.04 230	0.90 241	1.00 199	1.01 251	0.78 216	0.85 241	0.74 231	0.62 216	0.67 219	1.12 245	0.55 208	0.70 208	0.65 217	0.93 223	0.66 220	0.67 220	0.67 227	0.82 219	0.74 235	0.92 223	0.83 239

G-Net	0.82 226	1.77 246	0.78 218	0.78 218	0.78 234	0.78 214	0.78 237	0.78 200	0.79 232	0.79 174	0.78 235	0.78 216	0.78 234	0.78 232	0.78 236	0.78 232	0.79 213	0.79 237	0.79 218	0.79 235	0.79 209	0.79 236	0.79 237	0.79 237	0.79 214	0.79 238	0.79 212	0.79 236

NLSM1	0.83 228	1.27 228	0.77 216	0.99 237	0.69 227	0.99 233	0.68 231	0.99 223	0.68 227	0.96 198	0.68 226	0.96 237	0.68 227	0.68 224	0.67 225	0.70 226	1.00 235	0.68 230	1.02 244	0.68 228	1.03 238	0.69 231	0.67 220	0.67 227	1.02 244	0.69 230	1.04 242	0.71 231

ktn	0.84 229	1.15 210	0.54 187	1.16 257	1.26 271	0.51 191	0.53 205	0.51 173	0.66 218	4.54 310	0.51 202	0.52 189	0.52 206	0.66 215	0.51 204	0.51 200	1.37 265	1.17 264	0.49 183	0.51 204	1.23 257	0.51 206	0.67 220	0.51 201	0.51 186	0.68 229	0.51 186	0.51 200

KSHMR	0.85 230	0.72 178	0.51 183	0.49 186	0.49 198	0.51 191	1.07 259	0.50 170	0.48 194	6.04 322	0.52 203	0.66 202	0.98 249	0.49 191	0.77 235	0.49 195	1.17 252	0.51 205	0.49 183	1.06 257	0.51 182	0.49 198	0.49 194	0.51 201	1.04 245	0.49 200	0.81 217	0.72 233

CroCo-Stereo Lap2	0.85 230	2.86 277	0.43 157	1.33 264	0.43 183	1.31 262	0.42 183	1.32 247	0.42 180	1.31 225	0.44 185	1.32 261	0.44 183	0.43 174	0.44 185	0.43 178	1.35 261	0.43 183	1.32 262	0.43 183	1.31 262	0.43 182	0.43 181	0.42 183	1.31 264	0.42 182	1.31 262	0.43 182

MLG-Stereo	0.87 232	1.33 236	0.93 228	0.62 207	1.00 245	1.16 252	0.55 206	0.86 206	0.83 238	1.19 217	0.40 177	1.30 260	0.81 237	0.65 212	0.45 186	1.01 253	1.17 252	0.46 185	1.29 261	0.58 210	1.05 240	0.90 244	0.73 236	0.87 243	0.60 203	1.01 252	1.13 250	0.51 200

DGTPSM_ROB	0.92 233	0.93 196	0.91 226	0.93 229	0.91 241	0.92 225	0.93 245	0.92 210	0.92 242	0.92 185	0.91 242	0.91 225	0.93 246	0.91 239	0.92 246	0.92 246	0.92 224	0.92 244	0.92 227	0.90 244	0.91 219	0.92 245	0.93 244	0.94 248	0.92 227	0.91 243	0.92 223	0.97 247

pmcnn	0.92 233	0.92 193	0.92 227	0.92 227	0.92 242	0.92 225	0.92 243	0.92 210	0.92 242	0.92 185	0.92 244	0.92 228	0.92 245	0.92 241	0.92 246	0.92 246	0.92 224	0.92 244	0.92 227	0.92 248	0.92 221	0.92 245	0.92 243	0.92 247	0.92 227	0.92 244	0.92 223	0.92 245

AIO-Stereo-zeroshot	0.93 235	0.77 184	0.82 222	1.16 257	0.75 233	0.99 233	0.92 243	0.91 208	0.99 248	0.94 190	0.91 242	1.15 249	0.88 242	0.92 241	1.00 249	0.67 219	0.98 229	1.00 249	0.75 215	0.91 245	1.18 250	0.87 241	0.89 242	0.90 244	1.08 250	1.07 257	0.74 210	0.89 241

HSM-Net_RVC	0.93 235	1.09 208	0.79 219	1.10 250	0.78 234	1.09 248	0.79 238	1.16 238	0.80 233	1.14 209	0.79 236	1.17 252	0.77 233	0.73 230	0.83 240	0.78 232	1.19 256	0.79 237	1.18 254	0.72 232	1.19 252	0.80 237	0.72 235	0.80 238	1.18 258	0.74 235	1.14 251	0.73 235
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.93 235	8.54 315	0.41 150	0.56 197	0.37 165	0.56 198	0.37 167	0.50 170	0.40 172	0.56 157	5.24 326	0.56 194	0.34 153	0.40 167	0.41 178	0.34 152	0.53 189	0.40 174	0.56 200	0.38 168	0.52 185	0.40 175	0.40 174	0.41 177	0.56 197	0.40 176	0.56 195	0.40 175

DPSimNet_ROB	0.93 235	1.04 204	0.83 223	1.05 248	0.82 238	1.04 244	0.83 242	1.03 228	0.89 240	1.03 204	0.84 240	1.03 243	0.84 239	0.83 237	0.84 241	0.83 236	1.14 247	0.84 241	1.12 250	0.84 242	1.04 239	0.88 243	0.83 240	0.84 242	1.07 249	0.83 242	1.15 252	0.88 240

DPSM_ROB	0.93 235	0.92 193	0.94 229	0.96 232	1.02 250	0.92 225	0.98 246	0.95 214	0.92 242	0.92 185	0.92 244	0.91 225	0.97 247	0.92 241	0.91 244	0.91 243	0.96 227	0.94 246	0.93 230	0.91 245	0.93 223	0.92 245	0.93 244	0.91 245	0.91 225	0.99 246	0.92 223	0.91 243

DPSM	0.93 235	0.92 193	0.94 229	0.96 232	1.02 250	0.92 225	0.98 246	0.95 214	0.92 242	0.92 185	0.92 244	0.91 225	0.97 247	0.92 241	0.91 244	0.91 243	0.96 227	0.94 246	0.93 230	0.91 245	0.93 223	0.92 245	0.93 244	0.91 245	0.91 225	0.99 246	0.92 223	0.91 243

GANet	1.00 241	1.00 198	1.00 231	1.00 243	1.00 245	1.00 240	1.00 251	1.00 224	1.00 249	1.00 199	1.00 248	1.00 238	1.00 251	1.00 248	1.00 249	1.00 250	1.00 235	1.00 249	1.00 239	1.00 250	1.00 234	1.00 250	1.00 249	1.00 251	1.00 238	1.00 249	1.00 235	1.00 249

TDLM	1.00 241	1.00 198	1.00 231	1.00 243	1.00 245	1.00 240	1.00 251	1.00 224	1.00 249	1.00 199	1.00 248	1.00 238	1.00 251	1.00 248	1.00 249	1.00 250	1.00 235	1.00 249	1.00 239	1.00 250	1.00 234	1.00 250	1.00 249	1.00 251	1.00 238	1.00 249	1.00 235	1.00 249

CVANet_RVC	1.00 241	1.00 198	1.00 231	1.00 243	1.00 245	1.00 240	1.00 251	1.00 224	1.00 249	1.00 199	1.00 248	1.00 238	1.00 251	1.00 248	1.00 249	1.00 250	1.00 235	1.00 249	1.00 239	1.00 250	1.00 234	1.00 250	1.00 249	1.00 251	1.00 238	1.00 249	1.00 235	1.00 249

ccs_rob	1.00 241	10.06 321	0.31 132	0.44 169	0.31 149	0.43 167	0.31 152	0.43 150	0.32 146	0.45 137	0.32 151	1.20 256	0.31 145	7.02 326	0.31 148	0.31 145	0.44 165	0.31 146	0.44 166	0.32 151	0.44 160	0.31 148	0.32 146	0.32 149	0.44 164	0.32 151	0.43 161	0.31 150

trnet	1.01 245	1.01 201	1.01 234	1.01 246	1.01 249	1.01 243	1.01 254	1.01 227	1.01 252	1.01 203	1.01 251	1.01 242	1.01 255	1.01 251	1.01 253	1.01 253	1.01 241	1.01 253	1.01 243	1.01 253	1.01 237	1.01 253	1.01 252	1.01 254	1.01 241	1.01 252	1.01 241	1.01 252

CFNet_pseudo	1.01 245	9.78 319	0.29 125	0.38 144	0.28 131	0.38 146	0.28 133	0.38 135	0.28 133	0.39 119	0.28 134	0.39 148	0.28 131	9.50 327	0.29 143	0.28 130	0.38 143	0.28 130	0.38 142	0.28 132	0.38 137	0.28 133	0.28 129	0.28 133	0.38 141	0.28 130	0.38 140	0.28 132

pcwnet_v2	1.01 245	9.73 318	0.28 120	0.38 144	0.28 131	0.38 146	0.28 133	0.38 135	0.28 133	0.38 116	0.28 134	0.39 148	0.28 131	9.61 328	0.28 135	0.28 130	0.38 143	0.28 130	0.38 142	0.28 132	0.38 137	0.28 133	0.29 135	0.28 133	0.38 141	0.28 130	0.38 140	0.28 132

FlowAnything	1.02 248	2.51 266	0.58 197	1.60 271	0.56 208	1.61 271	0.56 210	1.60 256	0.55 205	1.61 239	0.56 207	1.61 268	0.55 208	0.55 197	0.55 207	0.55 203	1.61 271	0.56 211	1.61 269	0.56 208	1.62 269	0.55 207	0.56 205	0.56 208	1.62 272	0.56 209	1.62 270	0.56 205

WAO-8	1.02 248	1.50 239	1.49 267	0.40 156	0.40 174	1.56 270	0.98 246	1.55 255	0.58 211	4.18 306	0.40 177	0.79 218	0.48 194	0.91 239	0.39 175	0.99 249	0.71 207	0.70 232	0.51 190	0.77 234	1.07 242	0.82 240	0.69 230	0.96 250	1.01 241	1.30 273	1.10 248	1.38 277

UCFNet_RVC	1.03 250	10.10 322	0.28 120	0.38 144	0.28 131	0.39 153	0.28 133	0.38 135	0.28 133	0.39 119	0.28 134	0.39 148	0.29 140	9.62 329	0.28 135	0.28 130	0.38 143	0.28 130	0.38 142	0.28 132	0.39 146	0.28 133	0.29 135	0.28 133	0.39 150	0.28 130	0.38 140	0.29 141

GLC_STEREO	1.05 251	1.01 201	1.02 235	1.02 247	1.02 250	1.05 245	1.06 256	1.05 231	1.05 254	1.04 206	1.05 254	1.05 244	1.04 256	1.06 255	1.05 255	1.06 257	1.06 242	1.05 256	1.06 245	1.05 256	1.06 241	1.06 256	1.04 254	1.05 256	1.04 245	1.05 255	1.06 244	1.06 254

FC-DCNN	1.10 252	0.81 188	0.77 216	0.63 209	0.42 181	0.86 222	0.64 221	0.91 208	0.96 246	1.11 207	0.80 237	1.07 245	0.81 237	0.67 219	1.75 287	1.30 272	1.41 267	0.85 242	1.28 260	0.71 230	2.12 281	1.32 272	0.52 200	0.81 241	1.64 273	1.40 280	2.39 287	1.75 290

RP	1.14 253	1.16 212	1.15 248	1.17 259	1.10 258	1.16 252	1.15 261	1.10 233	1.16 263	1.15 210	1.08 256	1.16 250	1.15 262	1.15 262	1.14 262	1.16 262	1.16 250	1.10 258	1.10 247	1.10 260	1.16 246	1.11 259	1.10 258	1.19 268	1.14 254	1.19 268	1.07 245	1.10 257

Abc-Net	1.14 253	1.16 212	1.18 252	1.10 250	1.10 258	1.16 252	1.18 265	1.16 238	1.13 260	1.11 207	1.16 261	1.16 250	1.12 260	1.10 256	1.17 265	1.16 262	1.16 250	1.10 258	1.16 251	1.14 263	1.17 248	1.16 262	1.11 259	1.09 261	1.10 251	1.10 260	1.16 253	1.17 262
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
MM-Stereo_test2	1.15 255	1.90 248	1.10 243	1.37 266	0.94 244	1.36 263	0.98 246	1.48 253	0.98 247	1.37 230	0.98 247	1.37 265	0.98 249	0.95 245	0.94 248	0.95 248	1.37 265	0.95 248	1.38 264	0.95 249	1.38 266	0.95 249	0.95 247	0.95 249	1.37 267	0.95 245	1.37 266	0.95 246

TorneroNet	1.15 255	1.10 209	0.51 183	0.69 212	0.51 204	1.10 249	0.50 202	0.51 173	0.51 202	13.92 329	1.17 265	0.49 182	0.51 205	0.54 196	0.48 196	0.49 195	0.49 180	0.65 220	0.70 208	0.49 200	0.51 182	0.49 198	0.67 220	1.36 276	0.51 186	0.50 203	0.52 189	1.23 269

RGC	1.15 255	1.16 212	1.17 251	1.15 255	1.11 260	1.21 258	1.21 272	1.10 233	1.15 261	1.16 213	1.11 258	1.17 252	1.09 258	1.14 261	1.11 259	1.16 262	1.19 256	1.11 261	1.10 247	1.15 265	1.11 243	1.19 265	1.16 262	1.12 263	1.17 256	1.10 260	1.16 253	1.17 262

NCC-stereo	1.15 255	1.17 215	1.12 247	1.10 250	1.15 261	1.14 250	1.15 261	1.15 236	1.12 259	1.17 216	1.17 265	1.11 247	1.17 266	1.11 258	1.10 258	1.16 262	1.12 245	1.11 261	1.16 251	1.13 262	1.23 257	1.16 262	1.19 266	1.11 262	1.18 258	1.17 265	1.17 256	1.13 260

edge stereo	1.15 255	1.18 216	1.11 245	1.12 253	1.17 265	1.17 257	1.17 263	1.16 238	1.18 267	1.16 213	1.17 265	1.17 252	1.13 261	1.11 258	1.11 259	1.12 259	1.17 252	1.17 264	1.11 249	1.17 266	1.17 248	1.17 264	1.18 264	1.14 264	1.11 252	1.18 266	1.12 249	1.11 258

Nwc_Net	1.15 255	1.15 210	1.15 248	1.09 249	1.19 267	1.16 252	1.17 263	1.15 236	1.16 263	1.16 213	1.16 261	1.08 246	1.16 263	1.11 258	1.15 264	1.18 266	1.11 244	1.10 258	1.16 251	1.17 266	1.16 246	1.13 261	1.18 264	1.20 269	1.11 252	1.15 263	1.16 253	1.20 265

stereogan	1.17 261	1.19 218	1.15 248	1.15 255	1.15 261	1.15 251	1.19 266	1.19 241	1.15 261	1.15 210	1.16 261	1.19 255	1.19 267	1.19 264	1.19 266	1.19 267	1.15 248	1.19 267	1.19 255	1.19 269	1.15 245	1.19 265	1.15 261	1.15 265	1.16 255	1.15 263	1.19 257	1.20 265

MM-Stereo_test3	1.22 262	1.60 242	1.19 255	1.48 269	1.02 250	1.48 268	0.99 250	1.54 254	1.03 253	1.41 232	1.03 253	1.44 267	1.00 251	1.04 253	1.04 254	1.02 255	1.42 268	1.04 254	1.48 267	1.01 253	1.48 267	1.03 254	1.06 256	1.04 255	1.53 270	1.04 254	1.49 267	1.04 253

FAT-Stereo	1.22 262	1.23 219	1.19 255	1.21 261	1.24 270	1.24 260	1.19 266	1.25 245	1.24 270	1.25 222	1.19 268	1.20 256	1.24 271	1.20 265	1.21 268	1.25 271	1.22 258	1.21 269	1.25 258	1.23 272	1.22 255	1.19 265	1.19 266	1.24 272	1.25 261	1.20 269	1.19 257	1.25 271

S-Stereo	1.22 262	1.18 216	1.19 255	1.20 260	1.23 269	1.23 259	1.19 266	1.19 241	1.18 267	1.27 223	1.20 269	1.20 256	1.20 268	1.23 267	1.22 270	1.23 270	1.23 259	1.23 271	1.20 256	1.25 273	1.20 253	1.22 271	1.25 270	1.24 272	1.20 260	1.22 272	1.26 260	1.24 270

SPS-STEREO	1.25 265	1.47 238	1.06 241	1.54 270	1.08 256	1.52 269	1.20 271	1.44 251	1.06 256	1.49 237	1.10 257	1.41 266	1.10 259	0.98 246	1.08 257	1.12 259	1.47 269	1.04 254	1.53 268	1.14 263	1.52 268	1.07 257	1.02 253	1.05 256	1.48 269	1.07 257	1.55 268	1.11 258
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RASNet	1.39 266	1.37 237	1.35 259	1.38 267	1.40 274	1.39 266	1.77 288	1.36 248	1.74 287	1.36 229	1.36 274	1.36 264	1.36 274	1.36 269	1.35 272	1.41 279	1.36 263	1.36 277	1.36 263	1.35 276	1.36 264	1.35 275	1.36 273	1.35 275	1.36 266	1.35 276	1.36 265	1.35 273

HBP-ISP	1.47 267	1.07 207	1.03 237	1.30 263	1.08 256	1.36 263	1.06 256	1.44 251	1.25 272	1.97 254	1.51 279	1.65 270	1.58 280	0.98 246	1.58 280	1.68 286	1.98 276	1.32 272	2.02 276	1.28 274	2.95 293	1.89 294	0.97 248	1.06 258	1.26 262	0.99 246	1.94 273	1.43 280

PS-NSSS	1.48 268	4.46 292	1.35 259	1.35 265	1.35 273	1.41 267	1.34 274	1.36 248	1.35 275	1.40 231	1.35 273	1.33 262	1.35 273	1.37 270	1.40 275	1.35 273	1.35 261	1.35 275	1.39 265	1.44 281	1.35 263	1.34 274	1.35 272	1.38 279	1.35 265	1.33 275	1.34 263	1.38 277

CC-Net-ROB	1.51 269	4.40 291	1.69 275	1.39 268	1.40 274	1.37 265	1.40 279	1.36 248	1.39 276	1.41 232	1.36 274	1.35 263	1.38 276	1.39 272	1.39 273	1.36 274	1.36 263	1.35 275	1.39 265	1.39 277	1.37 265	1.36 276	1.41 277	1.48 281	1.39 268	1.42 281	1.35 264	1.35 273

GANetREF_RVC	1.52 270	2.01 250	1.21 258	1.98 276	1.21 268	1.98 276	1.21 272	1.98 267	1.21 269	1.99 255	1.21 270	1.98 276	1.21 270	1.02 252	1.21 268	1.21 269	1.99 277	1.21 269	1.99 275	1.21 270	1.99 275	1.21 268	1.21 268	1.21 270	1.99 278	1.21 270	1.99 276	1.21 267
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
MonStereo1	1.60 271	2.69 273	1.46 264	1.99 277	1.31 272	1.99 277	1.36 275	1.99 268	1.31 273	1.84 243	1.32 272	1.89 271	1.31 272	1.32 268	1.30 271	1.36 274	1.94 273	1.33 274	1.93 272	1.30 275	1.92 272	1.33 273	1.31 271	1.31 274	1.94 275	1.31 274	1.93 272	1.31 272

R-Stereo Train	1.62 272	2.01 250	1.41 262	1.97 274	1.40 274	1.96 274	1.39 276	1.93 262	1.39 276	1.92 248	1.38 276	1.94 274	1.39 277	1.40 273	1.45 276	1.38 276	1.96 274	1.37 278	1.97 273	1.39 277	1.98 273	1.41 278	1.40 275	1.37 277	1.97 276	1.38 277	1.96 274	1.37 275

RAFT-Stereo	1.62 272	2.01 250	1.41 262	1.97 274	1.40 274	1.96 274	1.39 276	1.93 262	1.39 276	1.92 248	1.38 276	1.94 274	1.39 277	1.40 273	1.45 276	1.38 276	1.96 274	1.37 278	1.97 273	1.39 277	1.98 273	1.41 278	1.40 275	1.37 277	1.97 276	1.38 277	1.96 274	1.37 275
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DPSMNet_ROB	1.62 272	1.60 242	1.59 268	1.61 272	1.69 283	1.66 272	1.61 281	1.70 258	1.65 285	1.62 240	1.60 282	1.61 268	1.60 281	1.60 276	1.59 281	1.62 284	1.60 270	1.63 285	1.62 270	1.68 288	1.70 270	1.60 281	1.64 284	1.60 283	1.61 271	1.60 283	1.60 269	1.59 283

MonStereo	1.66 275	2.63 272	1.46 264	1.99 277	1.41 278	2.03 278	1.39 276	2.04 270	1.43 279	1.94 251	1.40 278	1.92 273	1.37 275	1.38 271	1.39 273	1.39 278	1.99 277	1.38 280	2.04 277	1.41 280	2.02 277	1.37 277	1.39 274	1.38 279	1.99 278	1.38 277	2.01 277	1.39 279

MoCha-V2	1.75 276	27.02 337	0.72 204	0.92 227	0.69 227	0.89 224	0.69 232	0.92 210	0.71 228	0.87 182	0.69 229	0.88 224	0.68 227	0.70 227	0.68 231	0.69 225	0.90 223	0.69 231	0.92 227	0.69 229	0.92 221	0.71 233	0.70 231	0.67 227	0.88 223	0.71 232	0.92 223	0.68 227

MFMNet_re	1.77 277	1.89 247	1.72 276	1.88 273	1.69 283	1.89 273	1.67 285	1.91 261	1.70 286	1.87 244	1.67 286	1.89 271	1.68 286	1.67 280	1.67 286	1.70 287	1.88 272	1.68 287	1.88 271	1.67 286	1.89 271	1.68 287	1.70 286	1.71 288	1.87 274	1.68 291	1.87 271	1.68 288

MM-Stereo_test1	1.85 278	3.50 282	1.61 269	2.12 279	1.47 279	2.14 279	1.47 280	2.33 279	1.53 280	2.12 260	1.54 280	2.19 278	1.53 279	1.54 275	1.53 278	1.53 280	2.20 279	1.54 281	2.24 278	1.57 282	2.21 283	1.49 280	1.59 279	1.49 282	2.15 283	1.52 282	2.15 279	1.54 282

plain	1.96 279	3.33 279	1.04 238	3.24 295	1.04 254	3.24 296	1.04 255	3.26 293	1.05 254	3.26 291	1.13 259	3.27 295	1.06 257	1.05 254	1.05 255	1.05 256	3.28 294	1.05 256	3.29 293	1.06 257	3.30 294	1.05 255	1.05 255	1.06 258	3.30 295	1.06 256	3.30 296	1.06 254

UDGNet	1.97 280	2.43 264	1.67 273	2.46 287	1.70 285	2.44 286	1.69 286	2.34 280	1.63 284	2.35 276	1.67 286	2.37 287	1.67 285	1.68 281	1.64 285	1.67 285	2.44 286	1.64 286	2.43 286	1.67 286	2.43 289	1.66 285	1.67 285	1.63 287	2.43 288	1.66 289	2.42 288	1.66 287

LG-G_1	1.99 281	2.56 269	1.63 271	2.54 290	1.62 281	2.55 291	1.61 281	2.51 283	1.61 281	2.50 280	1.62 284	2.50 289	1.61 282	1.61 277	1.61 282	1.61 281	2.55 290	1.61 282	2.55 291	1.61 283	2.55 291	1.61 282	1.61 280	1.61 284	2.55 291	1.61 284	2.54 290	1.61 284

LG-G	1.99 281	2.56 269	1.63 271	2.54 290	1.62 281	2.55 291	1.61 281	2.51 283	1.61 281	2.50 280	1.62 284	2.50 289	1.61 282	1.61 277	1.61 282	1.61 281	2.55 290	1.61 282	2.55 291	1.61 283	2.55 291	1.61 282	1.61 280	1.61 284	2.55 291	1.61 284	2.54 290	1.61 284

LGtest1	1.99 281	2.55 268	1.62 270	2.54 290	1.61 280	2.54 288	1.61 281	2.51 283	1.61 281	2.49 279	1.61 283	2.49 288	1.61 282	1.61 277	1.61 282	1.61 281	2.55 290	1.62 284	2.54 290	1.61 283	2.54 290	1.61 282	1.61 280	1.61 284	2.54 290	1.61 284	2.54 290	1.61 284

FBW_ROB	2.04 284	2.50 265	1.75 277	2.45 286	1.78 286	2.40 284	1.74 287	2.47 282	1.77 288	2.37 277	1.81 288	2.30 281	1.80 287	1.78 282	1.88 295	1.80 288	2.41 285	1.77 288	2.43 286	1.83 290	2.39 287	1.81 292	1.76 288	1.75 289	2.56 293	1.75 292	2.30 284	1.74 289

TRStereo	2.05 285	2.13 253	1.85 280	2.27 280	1.84 288	2.28 280	1.84 291	2.29 275	1.87 291	2.29 270	1.86 290	2.30 281	1.87 291	2.30 296	1.87 292	2.08 295	2.29 281	1.87 291	2.30 280	1.87 292	2.08 278	1.72 288	1.86 292	2.30 301	2.13 280	1.84 294	2.29 281	1.87 293

XX-Stereo	2.05 285	2.13 253	1.85 280	2.27 280	1.84 288	2.28 280	1.84 291	2.29 275	1.87 291	2.29 270	1.86 290	2.30 281	1.87 291	2.30 296	1.87 292	2.08 295	2.29 281	1.87 291	2.30 280	1.87 292	2.08 278	1.72 288	1.86 292	2.30 301	2.13 280	1.84 294	2.29 281	1.87 293

EAI-Stereo	2.05 285	2.13 253	1.85 280	2.27 280	1.84 288	2.28 280	1.84 291	2.29 275	1.87 291	2.29 270	1.86 290	2.30 281	1.87 291	2.30 296	1.87 292	2.08 295	2.29 281	1.87 291	2.30 280	1.87 292	2.08 278	1.72 288	1.86 292	2.30 301	2.13 280	1.84 294	2.29 281	1.87 293

AF-Net	2.06 288	25.73 336	1.18 252	1.12 253	1.16 264	1.16 252	1.19 266	1.10 233	1.17 266	1.15 210	1.14 260	1.11 247	1.16 263	1.16 263	1.14 262	1.11 258	1.15 248	1.13 263	1.21 257	1.17 266	1.11 243	1.21 268	1.17 263	1.17 266	1.17 256	1.11 262	1.20 259	1.13 260

UniTT-Stereo	2.12 289	3.66 284	1.10 243	3.48 298	1.15 261	3.57 299	1.11 260	3.44 295	1.16 263	3.52 293	1.16 261	3.50 296	1.16 263	1.10 256	1.13 261	1.15 261	3.61 295	1.17 264	3.64 294	1.12 261	3.58 297	1.12 260	1.12 260	1.17 266	3.53 298	1.18 266	3.52 298	1.18 264

HUF	2.22 290	2.33 260	2.24 292	2.35 284	2.07 294	2.45 287	2.11 298	2.42 281	2.13 298	2.19 263	2.15 297	2.10 277	2.09 296	2.27 294	2.04 297	2.08 295	2.44 286	2.12 298	2.38 285	2.18 299	2.29 285	2.22 298	2.12 299	2.12 296	2.52 289	2.10 299	2.22 280	2.15 300

AIO_test	2.22 290	2.36 263	2.10 288	2.47 288	2.15 295	2.54 288	2.06 297	2.27 273	2.09 297	2.29 270	2.13 296	2.30 281	2.09 296	2.25 292	2.15 299	1.95 293	2.52 289	2.08 296	2.32 283	2.21 301	2.20 282	2.26 300	2.05 298	2.06 294	2.40 287	2.16 301	2.52 289	2.05 299

RAStereo	2.24 292	3.70 285	1.18 252	3.73 302	1.18 266	3.69 301	1.19 266	3.73 298	1.24 270	3.72 296	1.21 270	3.76 300	1.20 268	1.20 265	1.20 267	1.20 268	3.74 300	1.20 268	3.75 300	1.21 270	3.77 301	1.21 268	1.21 268	1.21 270	3.82 302	1.21 270	3.82 302	1.21 267

AIO_rvc	2.25 293	2.35 262	2.10 288	2.47 288	2.17 296	2.54 288	2.15 299	2.32 278	2.21 299	2.29 270	2.28 299	2.33 286	2.09 296	2.26 293	2.14 298	2.08 295	2.49 288	2.09 297	2.53 289	2.14 298	2.34 286	2.23 299	2.14 300	2.18 297	2.19 284	2.15 300	2.35 286	2.22 301

NCCL2	2.27 294	2.27 259	2.28 295	2.27 280	2.28 300	2.28 280	2.28 301	2.27 273	2.28 301	2.28 267	2.28 299	2.29 280	2.28 300	2.28 295	2.29 301	2.28 302	2.28 280	2.28 302	2.27 279	2.28 303	2.28 284	2.28 302	2.28 302	2.28 299	2.28 285	2.28 303	2.11 278	2.28 304

STTStereo	2.30 295	2.34 261	2.26 294	2.37 285	2.23 297	2.40 284	2.35 302	2.20 271	2.33 302	2.28 267	2.31 301	2.19 278	2.37 301	2.20 289	2.31 302	2.23 301	2.38 284	2.25 301	2.33 284	2.27 302	2.39 287	2.27 301	2.31 303	2.29 300	2.37 286	2.32 304	2.34 285	2.26 303

NLCA_NET_v2_RVC	2.50 296	2.85 275	1.90 285	2.90 293	2.77 302	2.88 293	2.85 304	2.51 283	2.85 304	2.88 287	1.99 295	2.50 289	2.76 303	2.20 289	1.57 279	2.64 303	2.89 293	2.63 303	5.69 322	1.03 255	2.01 276	2.71 303	2.74 306	2.73 304	2.87 294	1.64 287	1.00 235	1.49 281
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MIF-Stereo (partial)	2.52 297	3.41 281	1.05 239	3.29 296	1.05 255	3.29 298	1.06 256	3.30 294	1.06 256	3.31 292	1.06 255	4.97 317	2.72 302	2.72 299	2.71 303	2.70 304	6.57 324	2.19 299	5.08 319	1.08 259	3.36 295	1.07 257	1.07 257	1.07 260	3.35 297	1.07 257	3.36 297	1.07 256

sCroCo_RVC	2.76 298	4.00 286	1.82 279	4.00 306	1.83 287	3.98 306	1.82 289	3.99 299	1.81 289	4.14 303	2.76 302	4.13 308	1.82 289	1.83 283	1.83 288	1.82 289	4.01 305	1.82 290	3.98 303	1.86 291	4.00 306	1.82 293	1.83 290	1.84 290	4.02 308	1.81 293	4.00 306	1.83 292

sAnonymous2	2.87 299	4.16 287	1.89 283	4.26 310	1.87 291	4.23 309	1.92 294	4.17 300	1.94 295	4.16 304	1.92 293	4.20 309	1.92 294	1.96 285	1.86 290	1.87 291	4.25 308	1.90 294	4.23 308	1.91 295	4.26 309	1.93 295	1.89 295	1.90 291	4.07 309	1.91 297	5.09 321	1.93 297

CroCo_RVC	2.87 299	4.16 287	1.89 283	4.26 310	1.87 291	4.23 309	1.92 294	4.17 300	1.94 295	4.16 304	1.92 293	4.20 309	1.92 294	1.96 285	1.86 290	1.87 291	4.25 308	1.90 294	4.23 308	1.91 295	4.26 309	1.93 295	1.89 295	1.90 291	4.07 309	1.91 297	5.09 321	1.93 297

Anonymous3	3.36 301	4.93 297	2.20 290	4.92 317	2.23 297	4.90 317	2.23 300	4.89 306	2.24 300	4.95 316	2.21 298	4.91 316	2.21 299	2.18 288	2.22 300	2.22 300	4.86 315	2.20 300	4.90 315	2.20 300	4.96 318	2.21 297	2.21 301	2.21 298	6.30 323	2.21 302	4.90 314	2.23 302

StereoVision	3.44 302	10.12 323	1.68 274	5.44 322	2.26 299	5.87 322	1.97 296	5.17 309	1.31 273	5.80 320	1.56 281	5.62 322	1.84 290	1.97 287	1.91 296	1.84 290	4.98 317	1.32 272	5.60 320	1.71 289	5.35 323	1.73 291	1.97 297	1.96 293	5.40 320	1.65 288	5.08 319	1.76 291

DPSNet	3.67 303	3.61 283	3.62 309	3.64 299	3.61 313	3.64 300	3.65 313	3.64 297	3.67 312	3.67 295	3.65 311	3.68 298	3.69 317	3.69 311	3.69 318	3.68 315	3.70 297	3.70 314	3.69 299	3.69 315	3.71 300	3.69 312	3.67 313	3.69 315	3.68 301	3.67 312	3.68 300	3.67 309

MaDis-Stereo	3.69 304	10.19 324	2.01 287	6.09 323	2.01 293	5.94 323	1.82 289	6.14 314	1.85 290	6.59 323	1.82 289	6.01 323	1.81 288	1.83 283	1.83 288	2.02 294	5.87 321	1.79 289	5.93 323	2.06 297	4.63 314	1.67 286	1.84 291	2.08 295	5.90 321	1.66 289	6.34 324	1.87 293

Sa-1000	3.84 305	7.71 307	6.81 324	4.15 308	2.86 303	3.27 297	3.87 319	5.99 311	4.35 323	2.78 285	3.71 312	3.88 301	3.56 313	3.88 314	3.64 311	2.71 305	3.72 298	3.27 309	3.67 298	3.15 309	3.51 296	3.36 310	2.70 305	3.49 309	3.32 296	3.76 316	2.87 294	3.76 316

MLG-Stereo_test2	3.86 306	4.96 298	3.13 302	4.65 315	3.27 309	5.17 321	3.07 306	5.01 308	3.01 305	4.93 315	3.03 304	4.56 314	3.32 310	3.26 304	3.33 309	3.30 311	5.17 320	3.19 307	4.86 314	2.96 308	5.04 320	3.25 306	2.67 304	3.15 306	4.98 317	3.05 307	4.59 312	3.30 308

MLG-Stereo_test3	3.87 307	4.64 293	3.29 306	5.17 320	3.23 307	4.83 316	3.02 305	4.95 307	3.22 307	4.31 307	3.33 309	5.08 319	3.20 309	3.23 303	2.77 304	3.20 310	4.99 318	3.24 308	4.93 316	2.94 305	4.82 317	3.33 309	3.33 309	3.29 308	5.19 319	3.02 306	5.08 319	2.93 307

MLG-Stereo_test1	3.87 307	4.67 294	3.29 306	5.26 321	3.25 308	5.04 319	3.11 307	4.43 302	3.27 308	5.02 318	3.21 306	4.71 315	3.10 307	3.22 302	3.06 306	2.98 308	5.03 319	3.18 306	4.95 317	2.94 305	4.70 316	3.32 307	3.30 308	3.27 307	5.17 318	3.08 308	5.02 317	2.85 306

SA	3.93 309	7.22 303	4.74 311	4.15 308	3.88 319	3.70 302	4.02 322	6.67 319	3.95 317	3.64 294	3.74 313	3.63 297	3.00 305	3.51 306	3.68 317	3.68 315	3.73 299	3.71 315	3.64 294	3.48 310	3.58 297	2.97 305	3.69 314	3.61 310	3.55 300	3.42 309	3.64 299	3.79 317

TestStereo1	4.11 310	7.79 309	6.72 322	3.93 303	3.81 316	3.96 304	3.58 311	6.96 322	3.74 314	3.90 298	3.76 314	3.89 302	3.57 314	3.70 312	3.66 314	3.34 312	3.80 301	3.62 311	3.66 296	3.68 313	3.91 303	3.70 313	3.65 311	3.67 312	3.88 303	3.53 310	3.89 303	3.68 312

SA-5K	4.11 310	7.79 309	6.72 322	3.93 303	3.81 316	3.96 304	3.58 311	6.96 322	3.74 314	3.90 298	3.76 314	3.89 302	3.57 314	3.70 312	3.66 314	3.34 312	3.80 301	3.62 311	3.66 296	3.68 313	3.91 303	3.70 313	3.65 311	3.67 312	3.88 303	3.53 310	3.89 303	3.68 312

test_4	4.11 310	8.05 312	6.64 320	4.52 313	3.68 314	3.00 294	3.40 310	6.21 317	3.29 309	4.07 302	3.84 317	4.04 306	3.76 319	3.56 309	3.67 316	3.76 318	4.04 306	3.79 317	4.10 304	3.53 311	3.98 305	3.74 316	3.55 310	3.61 310	3.94 307	3.75 315	3.73 301	3.73 315

test-1	4.11 310	7.65 306	4.93 312	3.65 300	3.58 311	4.70 315	3.74 317	4.73 304	4.06 319	3.72 296	4.11 321	3.70 299	3.49 312	3.36 305	3.65 313	4.17 323	3.92 303	4.04 321	4.19 307	3.75 316	4.69 315	4.18 319	3.88 317	3.90 317	4.73 313	3.77 317	3.12 295	3.68 312

TESTraft	4.16 314	8.03 311	6.81 324	3.99 305	3.68 314	3.93 303	3.70 315	6.86 321	3.69 313	3.93 300	3.88 319	3.93 304	3.59 316	3.65 310	3.64 311	3.68 315	3.92 303	3.72 316	3.92 301	3.57 312	3.84 302	3.70 313	3.71 315	3.67 312	3.91 306	3.74 314	3.92 305	3.67 309

raft_robust	4.19 315	7.78 308	6.08 317	3.30 297	3.85 318	4.03 307	3.73 316	6.25 318	3.30 310	4.44 309	3.28 308	4.01 305	3.82 320	4.29 319	3.70 319	4.01 320	4.48 313	3.42 310	4.11 305	3.76 317	4.05 307	3.32 307	3.85 316	3.82 316	4.71 312	3.83 318	4.09 307	3.80 318

RAFT_CTSACE	4.43 316	8.26 314	6.10 318	4.62 314	4.01 321	4.54 314	3.65 313	6.09 313	3.93 316	4.64 312	4.14 322	4.26 311	4.13 322	3.91 315	3.88 320	4.06 322	4.30 310	4.03 320	4.27 310	3.92 318	4.26 309	3.67 311	3.91 318	4.16 320	4.82 314	4.08 322	4.20 309	3.67 309

RAFT+CT+SA	4.43 316	7.34 305	6.71 321	5.01 318	4.38 322	4.40 311	3.85 318	6.15 316	4.30 322	4.89 314	3.26 307	4.49 313	3.01 306	4.53 320	3.36 310	3.65 314	3.64 296	4.39 323	3.94 302	4.28 321	4.44 312	4.30 321	4.24 323	4.52 322	3.90 305	3.85 319	4.89 313	4.00 320

cross-raft	4.43 316	7.31 304	6.46 319	4.47 312	3.95 320	4.46 312	3.95 320	6.70 320	3.97 318	4.41 308	3.82 316	4.38 312	3.94 321	3.95 317	3.95 322	3.95 319	4.45 312	3.95 319	4.46 311	3.95 319	4.46 313	3.95 317	3.95 320	3.94 319	4.40 311	3.95 321	4.45 311	3.95 319

test_5	4.51 319	8.85 317	5.35 316	3.66 301	3.56 310	5.10 320	4.47 324	6.14 314	4.07 320	4.96 317	3.87 318	5.14 321	4.17 324	3.53 307	4.39 323	4.53 324	4.15 307	3.62 311	4.74 313	2.94 305	3.63 299	4.53 323	4.20 322	4.54 323	4.86 315	3.68 313	4.95 315	4.06 321

test_3	4.55 320	10.96 325	7.69 328	4.04 307	3.60 312	4.10 308	3.98 321	7.94 324	4.56 324	3.99 301	4.03 320	4.08 307	3.74 318	3.99 318	3.91 321	4.05 321	4.33 311	3.89 318	4.14 306	4.00 320	4.11 308	4.02 318	4.01 321	3.91 318	3.53 298	3.94 320	4.19 308	4.20 322

FC-DCNN v2	4.74 321	3.16 278	3.16 304	3.16 294	3.16 304	3.16 295	3.16 309	3.16 292	3.16 306	3.16 290	3.16 305	3.16 294	3.16 308	3.16 301	3.16 307	3.16 309	6.72 325	6.72 327	6.72 325	6.72 329	6.72 325	6.72 330	6.72 329	6.72 327	6.72 324	6.72 327	6.72 326	6.72 328

TestStereo	4.92 322	4.80 296	4.98 313	4.82 316	4.97 324	4.91 318	4.78 325	4.80 305	4.88 325	4.78 313	4.80 324	4.99 318	4.81 325	4.83 321	4.87 325	4.97 326	4.93 316	5.01 325	5.03 318	4.90 324	5.02 319	5.02 324	5.06 324	5.04 324	4.93 316	4.89 324	5.01 316	5.09 324

DispFullNet	4.96 323	5.67 299	3.30 308	5.01 318	3.21 306	4.50 313	3.11 307	4.43 302	3.44 311	4.60 311	3.46 310	5.13 320	3.44 311	3.53 307	3.20 308	2.87 307	4.80 314	3.15 305	4.70 312	4.83 323	9.02 330	5.98 327	5.95 328	6.21 326	8.84 329	5.85 326	9.76 331	5.91 326

SGM-Forest	5.07 324	6.74 301	4.17 310	6.46 324	4.68 323	6.21 325	4.38 323	6.00 312	4.14 321	5.84 321	4.44 323	6.28 324	4.16 323	3.92 316	4.56 324	4.60 325	6.15 322	4.27 322	6.12 324	4.31 322	5.99 324	4.27 320	3.92 319	4.27 321	6.13 322	4.10 323	6.18 323	4.49 323
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
U	5.23 325	8.71 316	2.75 300	8.64 329	2.76 301	8.65 329	2.79 303	8.67 328	2.79 303	8.70 328	2.79 303	8.70 329	2.79 304	2.79 300	2.80 305	2.80 306	8.84 329	2.82 304	8.82 329	2.89 304	8.84 329	2.83 304	2.83 307	2.82 305	8.87 330	2.83 305	8.84 330	2.83 305

SGM+DAISY	6.35 326	8.16 313	5.14 315	8.12 328	5.08 326	8.12 328	5.16 326	8.01 325	5.18 327	7.92 326	5.14 325	7.89 328	5.14 326	4.95 322	5.33 326	5.32 327	8.14 328	5.16 326	8.16 328	5.16 325	8.21 328	5.19 325	5.12 325	5.12 325	8.18 328	5.24 325	8.12 329	5.11 325

RAFT	6.60 327	9.99 320	8.33 329	7.21 327	6.55 327	5.95 324	5.87 327	8.70 329	5.02 326	5.10 319	6.69 327	7.06 327	6.94 329	6.17 325	7.09 329	6.84 328	6.47 323	4.72 324	5.60 320	5.60 326	5.11 321	5.97 326	6.93 330	6.89 328	7.16 325	7.08 330	6.58 325	6.66 327

test-v	7.17 328	11.53 326	7.63 326	7.17 325	6.87 328	7.48 326	6.90 328	8.14 326	6.88 328	6.93 324	7.42 328	7.05 325	6.14 327	6.05 323	6.86 327	6.99 329	7.60 326	6.75 328	6.90 326	6.66 327	7.83 326	6.36 328	5.89 326	7.34 329	7.19 326	6.75 328	7.52 327	6.77 329

test-2	7.17 328	11.53 326	7.63 326	7.17 325	6.87 328	7.48 326	6.90 328	8.14 326	6.88 328	6.93 324	7.42 328	7.05 325	6.14 327	6.05 323	6.86 327	6.99 329	7.60 326	6.75 328	6.90 326	6.66 327	7.83 326	6.36 328	5.89 326	7.34 329	7.19 326	6.75 328	7.52 327	6.77 329

MANE	18.41 330	23.00 335	16.00 330	22.00 337	15.00 330	22.00 337	15.00 330	22.00 337	15.00 330	21.00 337	15.00 330	22.00 337	15.00 330	15.00 330	17.00 330	15.00 331	23.00 337	15.00 330	22.00 337	15.00 330	23.00 338	15.00 331	18.00 331	15.00 331	24.00 338	17.00 331	24.00 339	16.00 331

rafts_anoy	20.00 331	20.00 328	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 331	20.00 331	20.00 332	20.00 330	20.00 331	20.00 330	20.00 331	20.00 331	20.00 332	20.00 332	20.00 332	20.00 331	20.00 332	20.00 332	20.00 332

raft+_RVC	20.00 331	20.00 328	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 331	20.00 331	20.00 332	20.00 330	20.00 331	20.00 330	20.00 331	20.00 331	20.00 332	20.00 332	20.00 332	20.00 331	20.00 332	20.00 332	20.00 332

raftrobust	20.00 331	20.00 328	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 331	20.00 331	20.00 332	20.00 330	20.00 331	20.00 330	20.00 331	20.00 331	20.00 332	20.00 332	20.00 332	20.00 331	20.00 332	20.00 332	20.00 332

CasAABBNet	20.00 331	20.00 328	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 331	20.00 331	20.00 332	20.00 330	20.00 331	20.00 330	20.00 331	20.00 331	20.00 332	20.00 332	20.00 332	20.00 331	20.00 332	20.00 332	20.00 332

RALCasStereoNet	20.00 331	20.00 328	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 331	20.00 331	20.00 332	20.00 330	20.00 331	20.00 330	20.00 331	20.00 331	20.00 332	20.00 332	20.00 332	20.00 331	20.00 332	20.00 332	20.00 332

RALAANet	20.00 331	20.00 328	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 331	20.00 331	20.00 332	20.00 330	20.00 331	20.00 330	20.00 331	20.00 331	20.00 332	20.00 332	20.00 332	20.00 331	20.00 332	20.00 332	20.00 332

MSMDNet	20.00 331	20.00 328	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 330	20.00 331	20.00 331	20.00 331	20.00 332	20.00 330	20.00 331	20.00 330	20.00 331	20.00 331	20.00 332	20.00 332	20.00 332	20.00 331	20.00 332	20.00 332	20.00 332

Reg-Stereo(zero)	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 339	37.00 338	37.00 338	37.00 338	37.00 338	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 340	37.00 339

HI	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 339	37.00 338	37.00 338	37.00 338	37.00 338	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 340	37.00 339

CoSv	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 338	37.00 339	37.00 338	37.00 338	37.00 338	37.00 338	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 340	37.00 339

MDST_ROB	61.15 341	72.66 342	46.52 341	70.00 341	44.89 341	64.24 341	43.75 341	73.65 341	48.92 342	72.70 342	42.40 341	60.70 341	50.23 341	50.07 342	67.69 342	68.60 343	83.13 342	47.77 341	82.48 342	46.00 341	95.93 343	53.44 343	50.66 342	45.00 342	84.99 343	53.64 343	79.01 343	52.07 343

CBMV	101.59 342	71.60 341	48.40 342	72.70 342	49.00 342	79.60 342	48.40 342	80.90 342	46.90 341	68.90 341	49.00 342	78.00 342	572.10 350	49.50 341	51.30 341	48.40 342	72.20 341	639.60 350	79.40 341	48.90 342	79.50 342	51.40 342	52.30 343	48.30 343	80.20 342	49.10 342	79.60 344	47.60 342
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	151.99 343	131.36 343	140.69 343	151.38 343	151.40 343	150.79 343	151.72 343	149.36 343	159.46 343	146.42 343	150.73 343	149.06 346	176.22 342	143.94 343	133.10 345	133.45 346	153.30 344	154.22 343	154.67 344	153.95 344	156.90 346	156.53 346	160.21 344	162.72 344	154.57 344	160.59 344	153.47 345	163.50 344
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
NOSS_ROB	248.11 344	409.00 348	288.00 345	412.00 345	280.00 345	411.00 348	288.00 345	356.00 344	275.00 348	379.00 348	303.00 348	415.00 348	278.00 347	260.00 348	104.00 343	103.00 344	126.00 343	108.00 342	118.00 343	98.00 343	126.00 345	104.00 345	268.00 347	216.00 346	279.00 348	201.00 345	288.00 349	206.00 345

AE-Stereo	252.48 345	202.00 344	361.00 347	502.00 347	324.00 347	321.00 344	482.00 350	423.00 347	227.00 347	201.00 344	273.00 347	101.00 343	207.00 343	198.00 344	183.00 346	181.00 347	221.00 345	232.00 347	477.00 346	220.00 346	111.00 344	100.00 344	219.00 346	214.00 345	204.00 345	211.00 346	200.00 346	222.00 347

MGS-Stereo	264.93 346	208.00 345	362.00 348	512.00 348	350.00 348	326.00 345	443.00 349	410.00 346	210.00 344	232.00 346	215.00 344	125.00 344	217.00 344	216.00 346	127.00 344	122.00 345	223.00 346	230.00 345	487.00 348	255.00 347	250.00 347	223.00 348	272.00 348	228.00 348	241.00 346	220.00 348	214.00 347	235.00 348

EGLCR-Stereo	276.81 347	209.00 346	366.00 349	514.00 349	354.00 349	336.00 346	422.00 347	440.00 348	220.00 346	231.00 345	245.00 346	135.00 345	237.00 346	218.00 347	197.00 347	222.00 349	223.00 346	230.00 345	487.00 348	255.00 347	250.00 347	273.00 349	272.00 348	228.00 348	241.00 346	220.00 348	214.00 347	235.00 348

DLCB_ROB	280.78 348	376.74 347	215.59 344	376.74 344	215.59 344	376.74 347	215.59 344	366.42 345	218.39 345	366.42 347	218.39 345	366.42 347	218.39 345	209.96 345	219.76 348	219.38 348	376.72 348	216.43 344	376.72 345	216.43 345	376.72 349	216.43 347	216.14 345	216.14 347	376.69 349	217.67 347	376.69 350	217.67 346

LE_ROB	387.11 349	453.07 349	321.39 346	500.23 346	323.05 346	493.99 349	324.56 346	477.63 349	322.28 349	465.51 349	322.97 349	486.37 349	334.17 348	305.26 349	320.63 349	327.66 350	476.08 349	315.70 348	483.76 347	335.15 349	469.64 350	309.74 350	315.90 350	318.85 350	498.41 350	328.85 350	491.00 351	330.08 350

SGM-ForestM	522.49 350	676.08 350	448.56 350	638.17 350	433.15 350	639.59 350	427.03 348	617.52 350	439.90 350	604.63 350	429.02 350	611.68 350	432.74 349	420.18 350	451.96 350	465.85 351	601.06 350	403.73 349	659.15 350	405.50 350	669.64 351	437.21 351	455.85 351	425.66 351	689.82 351	481.65 351	662.43 352	479.61 351

CBMV_ROB	1133.35 351	1280.38 351	976.92 351	1317.57 351	1021.62 351	1282.66 351	1022.22 351	1213.88 351	982.57 351	1194.12 351	975.90 351	1357.87 351	1090.02 351	943.32 351	1021.85 351	1006.47 352	1309.01 351	986.29 351	1499.40 351	986.35 351	1359.35 352	975.96 352	975.21 352	969.30 352	1337.82 352	1042.34 352	1398.25 353	1073.86 352

111111	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 353

SGD-Stereo	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 353

IGEV-Stereo++	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 353

IGEV-BASED-STEREO-	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 353

IGEV-Stereo+	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 353

anonymousdsp2	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 353

anonymousdsp	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 353

AMNet	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 353

GS-Stereo																							0.36 159	0.36 161	0.48 176	0.36 159	0.48 174	0.35 157

FADE																0.07 44					0.09 47	0.08 48					0.05 36

Low-res two-view benchmark