Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	deliv. area 1l	deliv. area 1s	deliv. area 2l	deliv. area 2s	deliv. area 3l	deliv. area 3s	elect. 1l	elect. 1s	elect. 2l	elect. 2s	elect. 3l	elect. 3s	facade 1s	forest 1s	forest 2s	playg. 1l	playg. 1s	playg. 2l	playg. 2s	playg. 3l	playg. 3s	terra. 1s	terra. 2s	terra. 1l	terra. 1s	terra. 2l	terra. 2s

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

CroCo-Stereo	0.02 1	0.01 1	0.02 1	0.01 1	0.01 2	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.00 1	0.04 1	0.05 2	0.04 2	0.03 1	0.03 1	0.02 1	0.03 1	0.02 1	0.00 1	0.01 1	0.04 2	0.03 1	0.02 1	0.02 1
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
CroCo-Stereo Lap2	0.03 3	0.02 2	0.02 1	0.01 1	0.01 2	0.02 2	0.02 2	0.02 3	0.02 3	0.03 4	0.02 2	0.02 3	0.03 8	0.01 2	0.05 3	0.05 2	0.04 2	0.05 3	0.04 3	0.04 3	0.04 3	0.04 4	0.01 2	0.02 2	0.05 3	0.05 3	0.05 5	0.03 3

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

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

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

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

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

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

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

HCRNet	0.11 63	0.17 174	0.06 49	0.22 177	0.08 65	0.15 136	0.08 86	0.13 52	0.04 6	0.46 237	0.12 99	0.24 166	0.07 67	0.07 76	0.08 28	0.06 5	0.14 50	0.08 18	0.20 140	0.08 47	0.09 18	0.05 10	0.11 149	0.06 38	0.06 6	0.05 3	0.05 5	0.08 18

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

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

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

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

LoS	0.15 139	0.10 102	0.08 94	0.10 88	0.11 117	0.09 70	0.07 77	0.50 233	0.05 13	0.32 216	0.36 228	0.36 186	0.06 48	0.09 110	0.09 59	0.10 53	0.20 128	0.09 41	0.14 74	0.11 106	0.21 168	0.09 73	0.07 89	0.07 72	0.17 113	0.11 48	0.20 149	0.21 152

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

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

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

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

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

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

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

CREStereo	0.11 63	0.08 78	0.06 49	0.08 57	0.08 65	0.07 49	0.05 31	0.18 112	0.05 13	0.26 172	0.08 49	0.18 105	0.06 48	0.08 94	0.08 28	0.10 53	0.22 153	0.09 41	0.13 62	0.08 47	0.20 155	0.09 73	0.06 68	0.05 22	0.11 44	0.13 71	0.17 111	0.15 76
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
GANet	0.06 10	0.07 50	0.06 49	0.06 31	0.06 40	0.07 49	0.06 61	0.07 20	0.05 13	0.06 13	0.07 30	0.05 10	0.04 17	0.04 26	0.07 12	0.08 19	0.08 11	0.10 57	0.07 8	0.05 9	0.07 11	0.05 10	0.05 52	0.05 22	0.08 15	0.07 11	0.06 12	0.06 13

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

TestStereo1	0.09 33	0.07 50	0.06 49	0.04 10	0.05 22	0.06 35	0.06 61	0.07 20	0.07 42	0.09 23	0.07 30	0.11 38	0.14 153	0.04 26	0.09 59	0.10 53	0.11 26	0.09 41	0.09 28	0.08 47	0.13 57	0.12 140	0.02 7	0.04 7	0.15 89	0.13 71	0.16 98	0.20 138

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

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

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

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

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

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

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

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

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

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

HITNet	0.09 33	0.07 50	0.06 49	0.08 57	0.08 65	0.08 58	0.05 31	0.11 37	0.07 42	0.19 86	0.08 49	0.12 43	0.06 48	0.07 76	0.08 28	0.08 19	0.13 37	0.11 65	0.10 34	0.06 18	0.10 26	0.09 73	0.06 68	0.06 38	0.12 51	0.11 48	0.16 98	0.13 56
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
DLNR_Zeroshot_test	10.12 267	32.06 276	0.05 25	54.44 276	0.09 84	0.18 160	50.47 276	0.19 130	0.08 59	0.27 185	0.07 30	0.20 130	0.04 17	0.14 168	62.26 276	70.60 276	0.33 220	0.18 188	0.25 178	0.11 106	0.20 155	0.08 42	0.07 89	0.09 109	0.18 133	0.15 110	0.20 149	0.26 171

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

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

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

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

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

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

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

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

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

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

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

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

HGLStereo	0.11 63	0.10 102	0.08 94	0.09 72	0.10 100	0.09 70	0.06 61	0.14 62	0.08 59	0.18 73	0.15 138	0.09 24	0.06 48	0.08 94	0.09 59	0.10 53	0.17 81	0.13 117	0.14 74	0.10 87	0.11 30	0.09 73	0.08 110	0.08 88	0.13 59	0.12 58	0.10 32	0.11 39

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CREStereo++_RVC	0.11 63	0.07 50	0.05 25	0.08 57	0.08 65	0.08 58	0.07 77	0.16 76	0.09 78	0.26 172	0.09 63	0.17 91	0.13 139	0.08 94	0.08 28	0.10 53	0.20 128	0.08 18	0.13 62	0.07 30	0.19 138	0.08 42	0.06 68	0.06 38	0.14 76	0.11 48	0.16 98	0.15 76
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
Anonymous	0.14 118	0.10 102	0.10 122	0.10 88	0.10 100	0.10 92	0.08 86	0.19 130	0.09 78	0.20 94	0.13 111	0.19 116	0.18 172	0.07 76	0.14 173	0.14 167	0.21 141	0.17 176	0.18 120	0.15 166	0.22 184	0.16 182	0.06 68	0.10 124	0.23 184	0.17 149	0.19 137	0.15 76

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

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

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

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

FADNet-RVC	0.14 118	0.13 140	0.10 122	0.18 161	0.11 117	0.14 125	0.09 103	0.21 158	0.09 78	0.19 86	0.17 159	0.17 91	0.12 126	0.11 135	0.14 173	0.15 183	0.18 100	0.13 117	0.18 120	0.15 166	0.12 44	0.12 140	0.12 159	0.11 137	0.20 156	0.16 132	0.14 78	0.14 65

RASNet	0.11 63	0.10 102	0.09 104	0.10 88	0.07 55	0.08 58	0.08 86	0.19 130	0.09 78	0.17 61	0.10 79	0.13 59	0.08 84	0.06 54	0.08 28	0.10 53	0.15 56	0.09 41	0.12 50	0.06 18	0.15 80	0.09 73	0.05 52	0.10 124	0.13 59	0.11 48	0.17 111	0.17 102

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

CASnet	0.10 52	0.06 29	0.05 25	0.08 57	0.09 84	0.11 101	0.05 31	0.18 112	0.10 99	0.23 121	0.11 89	0.13 59	0.06 48	0.07 76	0.09 59	0.10 53	0.16 68	0.08 18	0.18 120	0.07 30	0.14 71	0.06 23	0.06 68	0.06 38	0.12 51	0.10 30	0.14 78	0.10 31
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.13 95	0.07 50	0.05 25	0.10 88	0.09 84	0.12 109	0.08 86	0.17 84	0.10 99	0.26 172	0.09 63	0.20 130	0.08 84	0.10 124	0.09 59	0.10 53	0.22 153	0.11 65	0.20 140	0.10 87	0.21 168	0.09 73	0.08 110	0.06 38	0.16 101	0.15 110	0.17 111	0.17 102

4D-IteraStereo	0.09 33	0.06 29	0.05 25	0.06 31	0.06 40	0.06 35	0.04 22	0.15 67	0.10 99	0.22 107	0.08 49	0.14 69	0.06 48	0.03 13	0.08 28	0.10 53	0.17 81	0.09 41	0.11 40	0.07 30	0.15 80	0.05 10	0.03 20	0.05 22	0.10 30	0.10 30	0.08 22	0.08 18

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

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

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

GMStereo	0.12 85	0.12 127	0.07 73	0.11 105	0.11 117	0.13 118	0.09 103	0.17 84	0.10 99	0.17 61	0.13 111	0.21 145	0.11 118	0.07 76	0.10 92	0.09 32	0.17 81	0.10 57	0.17 107	0.12 123	0.14 71	0.09 73	0.07 89	0.09 109	0.14 76	0.13 71	0.15 89	0.12 49
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
EAI-Stereo	0.13 95	0.07 50	0.04 10	0.10 88	0.10 100	0.10 92	0.09 103	0.17 84	0.10 99	0.26 172	0.11 89	0.20 130	0.05 30	0.10 124	0.10 92	0.11 94	0.23 161	0.12 91	0.18 120	0.12 123	0.19 138	0.08 42	0.08 110	0.08 88	0.16 101	0.14 93	0.15 89	0.20 138

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

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

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

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

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

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

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

UDGNet	0.15 139	0.13 140	0.09 104	0.18 161	0.17 169	0.16 143	0.19 177	0.15 67	0.11 111	0.16 52	0.14 125	0.15 74	0.05 30	0.45 223	0.09 59	0.10 53	0.17 81	0.12 91	0.14 74	0.09 67	0.17 115	0.09 73	0.28 225	0.07 72	0.17 113	0.15 110	0.12 54	0.13 56

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

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

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

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

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

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

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

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

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

NVstereo2D	0.15 139	0.11 114	0.11 137	0.19 167	0.14 151	0.21 184	0.24 197	0.13 52	0.11 111	0.16 52	0.14 125	0.10 30	0.07 67	0.39 222	0.11 128	0.11 94	0.21 141	0.14 140	0.15 85	0.10 87	0.12 44	0.08 42	0.24 203	0.08 88	0.14 76	0.12 58	0.14 78	0.12 49

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

ICVP	0.15 139	0.13 140	0.14 168	0.12 116	0.12 131	0.13 118	0.10 118	0.17 84	0.12 126	0.17 61	0.13 111	0.18 105	0.12 126	0.09 110	0.12 140	0.13 146	0.18 100	0.15 154	0.15 85	0.14 152	0.17 115	0.13 157	0.20 191	0.11 137	0.19 146	0.19 172	0.17 111	0.16 91
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
CFNet_pseudo	0.13 95	0.11 114	0.11 137	0.14 133	0.11 117	0.12 109	0.11 128	0.19 130	0.12 126	0.24 137	0.14 125	0.16 87	0.15 161	0.08 94	0.09 59	0.10 53	0.16 68	0.13 117	0.13 62	0.08 47	0.15 80	0.08 42	0.08 110	0.09 109	0.15 89	0.14 93	0.19 137	0.20 138

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

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

RAFT-Stereo	0.13 95	0.07 50	0.07 73	0.09 72	0.10 100	0.15 136	0.05 31	0.16 76	0.12 126	0.28 200	0.12 99	0.20 130	0.08 84	0.11 135	0.09 59	0.11 94	0.24 175	0.12 91	0.16 99	0.11 106	0.21 168	0.11 123	0.08 110	0.07 72	0.15 89	0.15 110	0.16 98	0.15 76
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
UCFNet_RVC	0.15 139	0.17 174	0.12 150	0.16 148	0.14 151	0.17 152	0.11 128	0.17 84	0.12 126	0.20 94	0.13 111	0.28 172	0.12 126	0.10 124	0.11 128	0.13 146	0.18 100	0.13 117	0.17 107	0.12 123	0.16 95	0.09 73	0.10 140	0.11 137	0.18 133	0.15 110	0.17 111	0.19 130

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

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

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

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

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

FADNet-RVC-Resample	0.13 95	0.10 102	0.12 150	0.12 116	0.10 100	0.13 118	0.10 118	0.16 76	0.13 133	0.18 73	0.13 111	0.17 91	0.11 118	0.10 124	0.10 92	0.09 32	0.13 37	0.15 154	0.15 85	0.17 182	0.15 80	0.12 140	0.10 140	0.13 162	0.17 113	0.13 71	0.12 54	0.11 39

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

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

RTSC	0.14 118	0.11 114	0.10 122	0.12 116	0.11 117	0.12 109	0.10 118	0.16 76	0.13 133	0.18 73	0.13 111	0.15 74	0.13 139	0.08 94	0.11 128	0.13 146	0.20 128	0.13 117	0.21 151	0.12 123	0.16 95	0.12 140	0.07 89	0.10 124	0.16 101	0.16 132	0.21 161	0.32 188

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

AE-Stereo	0.12 85	0.09 90	0.08 94	0.11 105	0.09 84	0.08 58	0.05 31	0.17 84	0.14 142	0.24 137	0.09 63	0.19 116	0.10 108	0.07 76	0.10 92	0.12 130	0.24 175	0.13 117	0.16 99	0.11 106	0.18 128	0.09 73	0.05 52	0.09 109	0.13 59	0.14 93	0.15 89	0.15 76

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

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

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

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

HSM-Net_RVC	0.15 139	0.12 127	0.10 122	0.17 156	0.13 141	0.14 125	0.10 118	0.18 112	0.14 142	0.25 158	0.18 172	0.28 172	0.16 166	0.11 135	0.11 128	0.11 94	0.19 115	0.13 117	0.16 99	0.11 106	0.17 115	0.11 123	0.08 110	0.11 137	0.19 146	0.16 132	0.23 166	0.24 162
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iResNet	0.16 154	0.11 114	0.09 104	0.15 144	0.13 141	0.17 152	0.12 138	0.21 158	0.14 142	0.25 158	0.13 111	0.35 184	0.32 208	0.08 94	0.10 92	0.11 94	0.20 128	0.12 91	0.25 178	0.14 152	0.18 128	0.11 123	0.12 159	0.13 162	0.18 133	0.14 93	0.20 149	0.18 117

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

Former-RAFT_DAM_RVC	0.10 52	0.07 50	0.06 49	0.08 57	0.05 22	0.07 49	0.03 10	0.11 37	0.15 150	0.20 94	0.15 138	0.11 38	0.07 67	0.08 94	0.08 28	0.09 32	0.16 68	0.11 65	0.12 50	0.08 47	0.12 44	0.11 123	0.06 68	0.07 72	0.12 51	0.14 93	0.12 54	0.16 91

CASS	0.15 139	0.12 127	0.10 122	0.14 133	0.12 131	0.16 143	0.10 118	0.19 130	0.15 150	0.26 172	0.12 99	0.20 130	0.12 126	0.09 110	0.11 128	0.12 130	0.23 161	0.12 91	0.23 168	0.09 67	0.19 138	0.10 104	0.07 89	0.09 109	0.23 184	0.14 93	0.19 137	0.22 155
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
MaskLacGwcNet_RVC	0.36 213	0.16 166	0.12 150	0.26 190	0.22 191	0.22 187	0.27 204	0.24 180	0.15 150	0.24 137	0.16 149	4.24 264	0.22 187	0.19 188	0.13 159	0.13 146	0.34 222	0.22 207	0.31 194	0.20 197	0.23 196	0.18 194	0.22 195	0.14 171	0.20 156	0.19 172	0.21 161	0.24 162

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

NLCA_NET_v2_RVC	0.13 95	0.13 140	0.13 159	0.14 133	0.15 159	0.13 118	0.20 179	0.13 52	0.15 150	0.16 52	0.16 149	0.21 145	0.09 95	0.15 176	0.10 92	0.12 130	0.15 56	0.12 91	0.11 40	0.09 67	0.11 30	0.09 73	0.08 110	0.08 88	0.13 59	0.13 71	0.11 46	0.15 76
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
DDUNet	0.26 194	0.20 186	0.12 150	0.37 203	0.30 212	0.40 216	0.47 223	0.20 149	0.16 155	0.16 52	0.25 208	0.16 87	0.08 84	1.63 241	0.13 159	0.14 167	0.21 141	0.14 140	0.25 178	0.13 141	0.18 128	0.12 140	0.25 205	0.15 174	0.17 113	0.18 161	0.18 128	0.22 155

UDG	0.26 194	0.20 186	0.13 159	0.38 207	0.31 213	0.38 214	0.51 226	0.19 130	0.16 155	0.19 86	0.23 199	0.17 91	0.09 95	1.45 237	0.14 173	0.13 146	0.27 205	0.16 164	0.26 183	0.13 141	0.21 168	0.13 157	0.25 205	0.12 152	0.20 156	0.20 176	0.20 149	0.19 130

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

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

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

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

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

MDST_ROB	0.22 184	0.27 210	0.14 168	0.47 217	0.24 198	0.36 210	0.20 179	0.24 180	0.16 155	0.26 172	0.14 125	0.28 172	0.25 190	0.11 135	0.11 128	0.12 130	0.21 141	0.12 91	0.17 107	0.12 123	0.19 138	0.10 104	0.11 149	0.12 152	0.34 218	0.23 196	0.56 227	0.31 185

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

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

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

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

SGM-Forest	0.19 167	0.18 180	0.16 181	0.23 180	0.18 175	0.20 175	0.18 170	0.23 174	0.17 163	0.20 94	0.15 138	0.23 158	0.18 172	0.22 196	0.17 195	0.18 205	0.19 115	0.17 176	0.18 120	0.15 166	0.17 115	0.18 194	0.25 205	0.18 190	0.22 177	0.18 161	0.25 179	0.24 162
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
HBP-ISP	0.21 179	0.16 166	0.12 150	0.26 190	0.22 191	0.22 187	0.17 167	0.29 198	0.18 168	0.27 185	0.18 172	0.21 145	0.12 126	0.28 209	0.10 92	0.14 167	0.26 198	0.19 193	0.20 140	0.12 123	0.22 184	0.23 217	0.26 210	0.23 199	0.24 187	0.24 201	0.23 166	0.26 171

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

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

FCDSN-DC	0.25 191	0.25 203	0.25 213	0.28 197	0.26 203	0.26 196	0.34 208	0.28 192	0.18 168	0.20 94	0.17 159	0.20 130	0.12 126	0.29 211	0.26 215	0.26 220	0.29 213	0.28 222	0.27 187	0.21 199	0.25 211	0.25 220	0.26 210	0.32 223	0.26 194	0.24 201	0.26 183	0.27 175
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FAT-Stereo	0.26 194	0.19 183	0.17 189	0.38 207	0.36 218	0.30 199	0.25 201	0.26 186	0.18 168	0.27 185	0.25 208	0.33 181	0.36 215	0.26 203	0.16 189	0.15 183	0.26 198	0.23 210	0.33 199	0.21 199	0.22 184	0.19 202	0.22 195	0.22 197	0.21 168	0.22 189	0.32 196	0.42 206

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

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

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

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

Anonymous3	0.18 162	0.15 161	0.11 137	0.15 144	0.10 100	0.14 125	0.11 128	0.22 166	0.19 176	0.27 185	0.15 138	0.27 170	0.12 126	0.13 164	0.25 214	0.17 198	0.23 161	0.18 188	0.26 183	0.17 182	0.24 203	0.20 206	0.09 127	0.10 124	0.21 168	0.20 176	0.22 165	0.20 138

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

PA-Net	0.19 167	0.21 191	0.25 213	0.14 133	0.20 185	0.18 160	0.20 179	0.21 158	0.19 176	0.18 73	0.14 125	0.17 91	0.21 180	0.26 203	0.16 189	0.18 205	0.15 56	0.19 193	0.13 62	0.17 182	0.14 71	0.15 174	0.10 140	0.16 182	0.17 113	0.25 207	0.17 111	0.35 192
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
FC-DCNN	0.27 200	0.28 212	0.26 216	0.36 201	0.28 206	0.32 203	0.37 210	0.32 205	0.19 176	0.22 107	0.18 172	0.23 158	0.13 139	0.29 211	0.26 215	0.26 220	0.29 213	0.27 219	0.28 189	0.21 199	0.25 211	0.25 220	0.26 210	0.31 221	0.30 208	0.25 207	0.29 190	0.30 184

NaN_ROB	0.19 167	0.20 186	0.19 199	0.20 171	0.20 185	0.16 143	0.15 154	0.27 189	0.19 176	0.23 121	0.18 172	0.47 200	0.16 166	0.11 135	0.13 159	0.12 130	0.15 56	0.14 140	0.21 151	0.19 193	0.13 57	0.10 104	0.09 127	0.20 192	0.24 187	0.21 181	0.26 183	0.28 178

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

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

SGM_RVC	0.25 191	0.24 201	0.17 189	0.39 210	0.27 205	0.34 208	0.26 202	0.28 192	0.19 176	0.25 158	0.18 172	0.42 192	0.30 202	0.17 180	0.12 140	0.13 146	0.23 161	0.15 154	0.25 178	0.13 141	0.19 138	0.15 174	0.19 188	0.17 187	0.33 215	0.22 189	0.55 226	0.43 209
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
CBMV	0.22 184	0.18 180	0.17 189	0.23 180	0.21 188	0.20 175	0.18 170	0.27 189	0.19 176	0.28 200	0.11 89	0.29 177	0.13 139	0.24 198	0.13 159	0.14 167	0.24 175	0.18 188	0.20 140	0.16 177	0.21 168	0.18 194	0.24 203	0.23 199	0.26 194	0.22 189	0.35 203	0.40 203
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MyStereo	0.14 118	0.13 140	0.10 122	0.10 88	0.10 100	0.11 101	0.08 86	0.23 174	0.20 186	0.25 158	0.16 149	0.23 158	0.13 139	0.04 26	0.10 92	0.11 94	0.18 100	0.12 91	0.21 151	0.12 123	0.16 95	0.12 140	0.06 68	0.11 137	0.22 177	0.13 71	0.16 98	0.16 91

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

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

Abc-Net	0.17 157	0.16 166	0.16 181	0.16 148	0.17 169	0.18 160	0.18 170	0.19 130	0.20 186	0.16 52	0.19 180	0.21 145	0.21 180	0.12 152	0.20 207	0.18 205	0.18 100	0.19 193	0.18 120	0.15 166	0.15 80	0.15 174	0.15 172	0.12 152	0.18 133	0.17 149	0.24 174	0.20 138
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
CC-Net-ROB	0.28 201	0.40 222	0.28 218	0.56 222	0.44 224	0.41 217	0.38 214	0.32 205	0.20 186	0.33 220	0.28 216	0.68 216	0.10 108	0.32 220	0.19 204	0.13 146	0.14 50	0.16 164	0.39 208	0.18 189	0.15 80	0.09 73	0.23 199	0.24 207	0.21 168	0.21 181	0.19 137	0.29 179

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

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

edge stereo	0.31 208	0.23 198	0.20 202	0.41 213	0.35 216	0.42 219	0.39 216	0.38 219	0.22 193	0.23 121	0.38 229	0.69 217	0.33 211	0.30 214	0.15 184	0.16 191	0.31 216	0.21 201	0.42 210	0.21 199	0.23 196	0.17 186	0.25 205	0.22 197	0.27 197	0.23 196	0.39 212	0.55 223

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

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

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

MFN_U_SF_RVC	0.31 208	0.29 214	0.21 208	0.33 199	0.28 206	0.31 201	0.29 206	0.37 217	0.24 196	0.46 237	0.30 221	0.50 203	0.32 208	0.25 200	0.27 218	0.24 217	0.18 100	0.23 210	0.58 221	0.28 216	0.24 203	0.27 224	0.22 195	0.27 213	0.31 210	0.25 207	0.37 208	0.50 218

DPSNet	0.39 217	0.19 183	0.17 189	0.27 196	0.25 201	0.29 198	0.19 177	0.26 186	0.24 196	0.18 73	0.17 159	2.16 258	0.43 222	0.10 124	0.17 195	0.15 183	0.35 224	0.28 222	2.04 260	0.27 215	0.25 211	0.16 182	0.28 225	0.25 211	0.38 224	0.24 201	0.39 212	0.51 219

DispFullNet	0.48 223	0.50 227	0.19 199	1.14 234	0.40 221	0.77 233	1.22 239	0.32 205	0.24 196	0.24 137	0.27 213	0.84 231	0.48 227	1.62 240	0.15 184	0.15 183	0.49 236	0.34 232	1.08 244	0.26 212	0.24 203	0.18 194	0.20 191	0.21 195	0.27 197	0.17 149	0.35 203	0.59 228

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

DGSMNet	0.34 211	0.28 212	0.23 212	0.40 211	0.33 214	0.37 212	0.37 210	0.28 192	0.25 201	0.25 158	0.50 237	0.45 195	0.31 205	0.25 200	0.23 211	0.19 214	0.51 238	0.32 227	0.72 229	0.35 229	0.37 229	0.38 241	0.28 225	0.31 221	0.27 197	0.23 196	0.32 196	0.38 196

S-Stereo	0.30 205	0.22 194	0.17 189	0.41 213	0.39 220	0.41 217	0.37 210	0.25 184	0.25 201	0.26 172	0.44 232	0.54 208	0.36 215	0.24 198	0.16 189	0.14 167	0.27 205	0.27 219	0.34 201	0.28 216	0.23 196	0.22 214	0.53 234	0.23 199	0.22 177	0.19 172	0.27 186	0.38 196

ADCMid	0.21 179	0.18 180	0.17 189	0.18 161	0.19 180	0.20 175	0.16 159	0.29 198	0.25 201	0.24 137	0.19 180	0.36 186	0.21 180	0.12 152	0.16 189	0.16 191	0.25 190	0.18 188	0.37 206	0.19 193	0.24 203	0.18 194	0.17 181	0.15 174	0.24 187	0.20 176	0.25 179	0.29 179

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

ELAS_RVC	0.43 221	0.43 224	0.36 228	0.64 226	0.44 224	0.62 229	0.50 224	0.39 221	0.25 201	0.25 158	0.30 221	1.23 245	0.30 202	0.31 216	0.28 220	0.27 224	0.37 227	0.30 224	0.42 210	0.26 212	0.34 225	0.32 233	0.26 210	0.37 228	0.50 232	0.38 234	0.78 243	0.70 234
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RGC	0.19 167	0.17 174	0.17 189	0.19 167	0.20 185	0.20 175	0.15 154	0.22 166	0.26 206	0.17 61	0.20 184	0.21 145	0.24 188	0.15 176	0.23 211	0.18 205	0.18 100	0.16 164	0.18 120	0.16 177	0.17 115	0.13 157	0.12 159	0.15 174	0.20 156	0.21 181	0.23 166	0.24 162

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

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

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

ELAS	0.42 220	0.43 224	0.36 228	0.64 226	0.44 224	0.58 226	0.50 224	0.40 223	0.26 206	0.25 158	0.28 216	0.94 237	0.30 202	0.31 216	0.28 220	0.27 224	0.36 225	0.30 224	0.43 212	0.26 212	0.33 223	0.32 233	0.26 210	0.37 228	0.54 235	0.40 235	0.77 242	0.74 239
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MFN_U_SF_DS_RVC	0.25 191	0.25 203	0.20 202	0.29 198	0.22 191	0.22 187	0.23 194	0.36 214	0.27 211	0.36 228	0.22 194	0.45 195	0.32 208	0.19 188	0.17 195	0.17 198	0.17 81	0.16 164	0.29 190	0.14 152	0.20 155	0.18 194	0.27 222	0.23 199	0.29 205	0.25 207	0.33 199	0.31 185

BEATNet-Init1	0.49 225	0.42 223	0.28 218	0.79 233	0.40 221	0.60 227	0.45 221	0.41 227	0.27 211	0.30 212	0.22 194	0.89 234	0.84 242	0.25 200	0.27 218	0.26 220	0.27 205	0.25 216	0.84 234	0.28 216	0.27 215	0.26 222	0.26 210	0.32 223	0.49 230	0.35 231	2.05 264	0.88 246

G-Net	0.29 204	0.24 201	0.19 199	0.23 180	0.21 188	0.36 210	0.23 194	0.30 201	0.27 211	0.33 220	0.32 225	0.93 236	0.25 190	0.18 184	0.18 202	0.18 205	0.26 198	0.21 201	0.43 212	0.31 223	0.26 214	0.17 186	0.18 183	0.18 190	0.27 197	0.23 196	0.40 216	0.42 206

ACVNet_1	0.74 236	0.79 239	0.40 232	2.04 257	0.96 245	1.88 254	1.51 244	0.59 239	0.28 214	0.43 235	0.49 235	0.71 218	0.61 233	2.21 253	0.32 224	0.25 218	0.32 217	0.31 226	0.60 222	0.31 223	0.29 221	0.21 211	2.72 252	0.33 225	0.40 225	0.26 214	0.37 208	0.38 196

MeshStereo	0.30 205	0.26 206	0.20 202	0.49 219	0.36 218	0.35 209	0.26 202	0.32 205	0.28 214	0.30 212	0.27 213	0.61 210	0.47 225	0.18 184	0.12 140	0.14 167	0.26 198	0.17 176	0.27 187	0.17 182	0.27 215	0.21 211	0.25 205	0.20 192	0.36 221	0.28 219	0.54 225	0.49 217
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AMNet	0.49 225	0.50 227	0.47 234	0.50 220	0.47 228	0.61 228	0.52 227	0.31 204	0.29 216	0.29 211	0.69 246	0.72 220	0.13 139	0.53 227	0.44 233	0.55 244	0.57 243	0.58 253	0.48 216	0.48 233	0.59 253	0.48 249	0.26 210	0.48 235	0.44 228	0.52 243	0.58 229	0.63 230

LE_ROB	0.40 218	0.20 186	0.16 181	0.41 213	0.43 223	0.33 207	0.44 220	0.34 210	0.29 216	0.32 216	0.21 189	1.25 246	1.40 259	0.11 135	0.10 92	0.11 94	0.21 141	0.13 117	0.20 140	0.13 141	0.22 184	0.12 140	0.12 159	0.14 171	0.36 221	0.31 223	1.39 260	1.32 258

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

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

STStereo	0.37 214	0.44 226	0.31 225	0.75 231	0.49 229	0.57 224	0.43 219	0.35 211	0.30 218	0.34 224	0.24 202	0.85 233	0.53 230	0.19 188	0.14 173	0.16 191	0.25 190	0.16 164	0.45 214	0.16 177	0.23 196	0.19 202	0.20 191	0.23 199	0.49 230	0.37 233	0.75 239	0.54 222

LSM0	3.45 261	0.27 210	0.18 198	0.38 207	0.29 211	0.39 215	0.36 209	0.51 235	0.31 221	0.45 236	0.47 233	0.71 218	0.57 231	0.19 188	23.17 270	59.79 275	0.36 225	0.26 217	1.29 253	0.33 228	0.44 240	0.32 233	0.23 199	0.27 213	0.36 221	0.29 222	0.53 224	0.51 219

SANet	0.30 205	0.21 191	0.21 208	0.25 188	0.21 188	0.31 201	0.22 190	0.30 201	0.31 221	0.27 185	0.26 210	1.39 248	0.38 218	0.22 196	0.14 173	0.14 167	0.26 198	0.21 201	0.30 193	0.21 199	0.24 203	0.20 206	0.31 229	0.23 199	0.33 215	0.24 201	0.35 203	0.48 215

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

STTRV1_RVC	0.38 215	0.26 206	0.22 211	0.35 200	0.28 206	0.32 203	0.29 206	0.36 214	0.33 224	0.27 185	0.26 210	0.42 192	0.41 221	0.47 224	0.32 224	0.18 205	0.59 245	0.20 198	1.14 248	0.30 221	0.59 253	0.22 214	0.43 230	0.43 232	0.25 191	0.54 246	0.34 201	0.64 231

GANetREF_RVC	0.26 194	0.26 206	0.30 221	0.23 180	0.23 195	0.23 192	0.24 197	0.35 211	0.33 224	0.32 216	0.17 159	0.50 203	0.38 218	0.12 152	0.20 207	0.17 198	0.19 115	0.21 201	0.35 204	0.21 199	0.23 196	0.15 174	0.22 195	0.29 219	0.27 197	0.21 181	0.36 207	0.31 185
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
otaku	0.58 228	0.71 233	0.29 220	1.70 248	0.84 238	1.49 242	1.00 235	0.40 223	0.34 226	0.38 231	0.31 224	0.65 213	0.26 195	1.35 236	0.33 227	0.25 218	0.20 128	0.23 210	0.69 225	0.30 221	0.22 184	0.17 186	2.24 245	0.28 217	0.29 205	0.18 161	0.30 192	0.39 200

PVD	0.38 215	0.38 221	0.20 202	0.47 217	0.35 216	0.50 223	0.40 217	0.38 219	0.34 226	0.23 121	0.28 216	0.52 207	0.51 228	0.50 225	0.16 189	0.17 198	0.41 230	0.26 217	0.49 218	0.28 216	0.39 230	0.40 243	0.23 199	0.27 213	0.44 228	0.57 249	0.46 221	0.72 236

CSAN	0.26 194	0.31 216	0.30 221	0.26 190	0.23 195	0.21 184	0.18 170	0.28 192	0.36 228	0.35 227	0.24 202	0.51 205	0.26 195	0.14 168	0.18 202	0.17 198	0.19 115	0.20 198	0.26 183	0.25 211	0.22 184	0.20 206	0.18 183	0.27 213	0.30 208	0.23 196	0.38 211	0.38 196

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

AnyNet_C01	0.31 208	0.22 194	0.20 202	0.22 177	0.26 203	0.25 194	0.24 197	0.37 217	0.37 229	0.26 172	0.28 216	0.49 201	0.33 211	0.18 184	0.28 220	0.21 216	0.38 228	0.32 227	0.64 223	0.32 226	0.39 230	0.31 232	0.26 210	0.25 211	0.33 215	0.32 224	0.34 201	0.44 212

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

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

SGM+DAISY	0.58 228	0.57 231	0.54 239	0.59 224	0.55 233	0.68 231	0.56 229	0.42 228	0.38 231	0.37 229	0.77 250	0.75 224	0.65 236	0.54 229	0.55 241	0.56 245	0.68 250	0.61 255	0.71 227	0.64 247	0.69 256	0.62 256	0.27 222	0.50 237	0.52 233	0.53 245	0.74 237	0.68 233

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

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

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

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

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

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

SPS-STEREO	0.59 230	0.57 231	0.52 237	0.55 221	0.54 232	0.65 230	0.52 227	0.39 221	0.66 240	0.37 229	0.78 251	0.78 225	0.64 235	0.53 227	0.55 241	0.57 247	0.68 250	0.64 257	0.74 230	0.72 252	0.77 259	0.66 258	0.26 210	0.53 240	0.53 234	0.56 248	0.70 236	0.65 232
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
PWCK	0.88 241	1.24 254	0.61 247	1.53 239	0.85 240	1.21 236	1.03 236	1.08 256	0.72 241	0.70 247	0.83 253	1.48 250	0.87 243	0.69 232	0.40 232	0.41 232	0.73 255	0.47 241	3.04 264	0.67 251	0.56 251	0.43 244	0.94 240	0.74 252	0.72 245	0.36 232	0.69 235	0.73 238

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Low-res two-view benchmark