Low-res two-view results

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

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

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

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

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

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

CREStereo++_RVC	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

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

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

CREStereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

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

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

HITNet	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
STStereo	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

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

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

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

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

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

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

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

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

ADCMid	0.08 27	0.02 14	0.13 69	0.03 23	0.02 15	0.03 22	0.02 15	0.02 15	0.02 15	1.32 182	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 38	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 23

ADCS	0.06 25	0.02 14	0.04 21	0.02 15	0.03 21	0.02 15	0.02 15	0.02 15	0.02 15	1.03 161	0.02 15	0.02 15	0.03 21	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.02 15	0.01 9	0.02 15	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.04 27	0.02 15

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

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

FADE	0.05 21	0.05 34	0.05 26	0.05 33	0.04 28	0.03 22	0.03 24	0.05 32	0.04 28	0.06 29	0.03 24	0.02 15	0.04 29	0.05 31	0.07 35	0.07 38	0.07 38	0.05 34	0.06 37	0.04 28	0.09 41	0.08 41	0.06 34	0.05 33	0.06 38	0.05 33	0.05 33	0.04 28

BEATNet_4x	0.08 27	0.03 23	0.06 31	0.03 23	0.03 21	0.03 22	0.03 24	0.03 24	0.03 25	1.47 189	0.03 24	0.03 24	0.03 21	0.03 25	0.03 24	0.03 24	0.03 20	0.03 23	0.03 22	0.03 24	0.03 23	0.03 24	0.03 23	0.03 23	0.03 24	0.03 24	0.03 22	0.03 23

ADCL	0.08 27	0.03 23	0.06 31	0.03 23	0.03 21	0.03 22	0.03 24	0.03 24	0.03 25	1.47 189	0.03 24	0.03 24	0.03 21	0.03 25	0.03 24	0.03 24	0.03 20	0.03 23	0.03 22	0.03 24	0.03 23	0.03 24	0.03 23	0.03 23	0.03 24	0.03 24	0.03 22	0.03 23

AnyNet_C01	0.08 27	0.03 23	0.04 21	0.02 15	0.03 21	0.03 22	0.02 15	0.02 15	0.02 15	1.46 188	0.02 15	0.03 24	0.03 21	0.02 15	0.02 15	0.02 15	0.04 25	0.02 15	0.03 22	0.02 16	0.02 15	0.02 15	0.02 15	0.03 23	0.02 15	0.02 15	0.03 22	0.03 23

ADCPNet	0.08 27	0.03 23	0.04 21	0.03 23	0.03 21	0.03 22	0.03 24	0.03 24	0.03 25	1.32 182	0.03 24	0.03 24	0.03 21	0.03 25	0.03 24	0.03 24	0.03 20	0.03 23	0.03 22	0.03 24	0.03 23	0.03 24	0.03 23	0.03 23	0.03 24	0.03 24	0.04 27	0.03 23

FADNet_RVC	0.10 34	0.03 23	0.04 21	0.03 23	0.04 28	0.05 33	0.04 29	0.04 28	0.04 28	0.03 21	0.04 28	0.04 28	0.03 21	0.04 28	0.03 24	0.03 24	0.04 25	0.04 27	0.04 27	0.04 28	0.04 28	0.03 24	1.63 229	0.03 23	0.03 24	0.04 28	0.03 22	0.04 28

FADNet-RVC	0.11 46	0.04 29	0.05 26	0.04 29	0.05 32	0.04 29	0.04 29	0.05 32	0.04 28	0.04 22	0.04 28	0.04 28	0.04 29	0.05 31	0.04 29	0.04 28	0.04 25	0.04 27	0.05 30	0.04 28	0.04 28	0.04 29	1.79 235	0.04 29	0.04 28	0.04 28	0.04 27	0.05 33

ADCRef	0.13 54	0.04 29	0.05 26	0.04 29	0.04 28	0.04 29	0.09 42	0.04 28	0.04 28	2.46 225	0.04 28	0.04 28	0.04 29	0.04 28	0.04 29	0.04 28	0.04 25	0.04 27	0.04 27	0.04 28	0.04 28	0.04 29	0.04 28	0.05 33	0.04 28	0.04 28	0.04 27	0.04 28

AnyNet_C32	0.12 49	0.03 23	0.07 33	0.03 23	0.03 21	0.03 22	0.03 24	0.03 24	0.02 15	2.33 222	0.04 28	0.04 28	0.03 21	0.02 15	0.03 24	0.04 28	0.04 25	0.04 27	0.03 22	0.03 24	0.03 23	0.03 24	0.03 23	0.03 23	0.04 28	0.03 24	0.03 22	0.02 15

AASNet	0.05 21	0.08 38	0.08 36	0.07 36	0.05 32	0.05 33	0.05 34	0.07 35	0.05 34	0.05 24	0.05 32	0.05 32	0.05 36	0.06 36	0.07 35	0.05 35	0.05 32	0.05 34	0.05 30	0.05 34	0.05 32	0.05 35	0.04 28	0.05 33	0.05 33	0.05 33	0.05 33	0.05 33

SACVNet	0.05 21	0.08 38	0.08 36	0.07 36	0.05 32	0.05 33	0.05 34	0.07 35	0.05 34	0.05 24	0.05 32	0.05 32	0.05 36	0.06 36	0.07 35	0.05 35	0.05 32	0.05 34	0.05 30	0.05 34	0.05 32	0.05 35	0.04 28	0.05 33	0.05 33	0.05 33	0.05 33	0.05 33

AACVNet	0.05 21	0.08 38	0.08 36	0.07 36	0.05 32	0.05 33	0.05 34	0.07 35	0.05 34	0.05 24	0.05 32	0.05 32	0.05 36	0.06 36	0.07 35	0.05 35	0.05 32	0.05 34	0.05 30	0.05 34	0.05 32	0.05 35	0.04 28	0.05 33	0.05 33	0.05 33	0.05 33	0.05 33

APVNet	0.09 32	0.06 35	0.04 21	0.06 34	0.04 28	0.05 33	0.04 29	0.05 32	1.08 212	0.05 24	0.05 32	0.05 32	0.04 29	0.05 31	0.04 29	0.04 28	0.05 32	0.04 27	0.05 30	0.04 28	0.05 32	0.04 29	0.04 28	0.04 29	0.05 33	0.04 28	0.05 33	0.04 28

FADNet-RVC-Resample	0.10 34	0.04 29	0.05 26	0.04 29	0.05 32	0.05 33	0.05 34	0.07 35	0.05 34	0.05 24	0.05 32	0.05 32	0.04 29	0.05 31	0.04 29	0.04 28	0.05 32	0.05 34	0.05 30	0.05 34	0.05 32	0.04 29	1.53 228	0.04 29	0.05 33	0.05 33	0.06 38	0.05 33

FADNet	0.11 46	0.04 29	0.05 26	0.06 34	0.05 32	0.04 29	0.04 29	0.04 28	0.04 28	0.04 22	0.05 32	0.05 32	0.04 29	0.05 31	0.04 29	0.04 28	0.04 25	0.04 27	0.04 27	0.05 34	0.05 32	0.04 29	1.74 233	0.04 29	0.04 28	0.05 33	0.04 27	0.05 33

ADCP+	0.12 49	0.04 29	0.07 33	0.04 29	0.05 32	0.04 29	0.04 29	0.04 28	0.04 28	2.28 216	0.05 32	0.05 32	0.04 29	0.04 28	0.04 29	0.04 28	0.05 32	0.04 27	0.05 30	0.04 28	0.04 28	0.04 29	0.04 28	0.05 33	0.04 28	0.04 28	0.04 27	0.04 28

FINET	0.07 26	0.08 38	0.07 33	0.08 39	0.07 39	0.08 41	0.07 38	0.08 41	0.07 38	0.08 30	0.07 39	0.08 39	0.07 39	0.07 39	0.07 35	0.07 38	0.07 38	0.07 39	0.07 38	0.07 39	0.08 40	0.07 38	0.07 35	0.06 39	0.07 39	0.07 39	0.08 41	0.06 39

BEATNet-Init1	0.15 65	0.07 36	0.10 42	0.08 39	0.07 39	0.07 39	0.07 38	0.07 35	0.07 38	2.19 213	0.08 40	0.08 39	0.07 39	0.07 39	0.07 35	0.07 38	0.08 40	0.07 39	0.08 40	0.08 40	0.07 38	0.07 38	0.07 35	0.07 40	0.08 40	0.07 39	0.07 39	0.07 40

DeepPrunerF	0.15 65	0.07 36	0.10 42	0.08 39	0.07 39	0.07 39	0.07 38	0.07 35	0.07 38	2.19 213	0.08 40	0.08 39	0.07 39	0.07 39	0.07 35	0.07 38	0.08 40	0.07 39	0.08 40	0.08 40	0.07 38	0.07 38	0.07 35	0.07 40	0.08 40	0.07 39	0.07 39	0.07 40

SepStereo	0.09 32	0.09 42	0.09 39	0.09 42	0.10 44	0.09 42	0.08 41	0.09 42	0.08 41	0.09 31	0.08 40	0.09 42	0.09 42	0.08 42	0.08 42	0.09 42	0.09 42	0.08 42	0.09 42	0.08 40	0.09 41	0.08 41	0.09 38	0.09 42	0.10 42	0.08 42	0.10 42	0.09 42

AnonymousM	0.10 34	0.10 43	0.10 42	0.10 43	0.10 44	0.10 43	0.10 45	0.10 43	0.10 44	0.10 32	0.10 45	0.10 43	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 43	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 43	0.10 42	0.10 46

PVD	0.10 34	0.10 43	0.10 42	0.10 43	0.10 44	0.10 43	0.10 45	0.10 43	0.10 44	0.10 32	0.10 45	0.10 43	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 43	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 43	0.10 42	0.10 46

SHD	0.10 34	0.10 43	0.10 42	0.10 43	0.10 44	0.10 43	0.10 45	0.10 43	0.10 44	0.10 32	0.10 45	0.10 43	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 43	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 43	0.10 42	0.10 46

SAMSARA	0.10 34	0.10 43	0.10 42	0.10 43	0.10 44	0.10 43	0.10 45	0.10 43	0.10 44	0.10 32	0.10 45	0.10 43	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 43	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 43	0.10 42	0.10 46

XQC	0.10 34	0.10 43	0.10 42	0.10 43	0.10 44	0.10 43	0.10 45	0.10 43	0.10 44	0.10 32	0.10 45	0.10 43	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 43	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 43	0.10 42	0.10 46

RTSC	0.10 34	0.10 43	0.10 42	0.10 43	0.10 44	0.10 43	0.10 45	0.10 43	0.10 44	0.10 32	0.10 45	0.10 43	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 43	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 43	0.10 42	0.10 46

RTS	0.10 34	0.10 43	0.10 42	0.10 43	0.10 44	0.10 43	0.10 45	0.10 43	0.10 44	0.10 32	0.10 45	0.10 43	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 43	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 43	0.10 42	0.10 46

RTSA	0.10 34	0.10 43	0.10 42	0.10 43	0.10 44	0.10 43	0.10 45	0.10 43	0.10 44	0.10 32	0.10 45	0.10 43	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 43	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 43	0.10 42	0.10 46

MADNet+	0.10 34	0.10 43	0.10 42	0.10 43	0.10 44	0.10 43	0.10 45	0.10 43	0.10 44	0.10 32	0.10 45	0.10 43	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 43	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 43	0.10 42	0.10 46

MADNet++	0.10 34	0.10 43	0.10 42	0.10 43	0.10 44	0.10 43	0.10 45	0.10 43	0.10 44	0.10 32	0.10 45	0.10 43	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 43	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 43	0.10 42	0.10 46

JetRed	0.22 85	0.11 53	0.12 61	0.11 53	0.11 56	0.11 53	0.11 55	0.11 53	0.11 55	2.93 232	0.11 56	0.11 53	0.11 56	0.11 59	0.11 55	0.12 70	0.11 53	0.11 58	0.11 53	0.11 56	0.11 53	0.11 56	0.11 53	0.11 57	0.11 53	0.11 56	0.11 53	0.11 57

LRCNet_RVC	0.11 46	0.12 54	0.09 39	0.12 54	0.09 42	0.12 54	0.09 42	0.12 54	0.09 42	0.12 42	0.09 43	0.11 53	0.09 42	0.09 43	0.09 43	0.09 42	0.12 54	0.16 80	0.21 81	0.09 43	0.12 54	0.09 43	0.09 38	0.09 42	0.12 54	0.28 112	0.12 54	0.09 42

JetBlue	0.23 87	0.12 54	0.13 69	0.12 54	0.12 74	0.12 54	0.11 55	0.14 56	0.12 71	3.07 233	0.12 74	0.12 55	0.11 56	0.11 59	0.13 77	0.13 76	0.12 54	0.12 74	0.13 54	0.11 56	0.12 54	0.13 77	0.12 70	0.14 78	0.13 55	0.12 72	0.12 54	0.11 57

UNet	0.19 78	0.13 56	0.09 39	0.13 56	0.09 42	0.13 56	0.09 42	0.13 55	0.09 42	0.90 150	0.09 43	0.13 56	0.09 42	0.10 46	0.09 43	0.70 183	0.13 56	0.09 43	0.13 54	0.10 44	0.91 184	0.09 43	0.10 41	0.09 42	0.13 55	0.10 43	0.13 56	0.09 42

ProNet	0.12 49	0.18 67	0.11 55	0.14 57	0.10 44	0.14 58	0.11 55	0.14 56	0.11 55	0.14 43	0.10 45	0.14 57	0.10 45	0.10 46	0.11 55	0.10 44	0.15 63	0.10 44	0.14 56	0.10 44	0.14 56	0.10 45	0.11 53	0.10 45	0.15 62	0.10 43	0.14 57	0.10 46

IPLG	0.12 49	0.15 58	0.12 61	0.14 57	0.11 56	0.14 58	0.11 55	0.14 56	0.11 55	0.15 47	0.11 56	0.14 57	0.11 56	0.12 69	0.11 55	0.11 55	0.14 57	0.11 58	0.14 56	0.11 56	0.14 56	0.11 56	0.11 53	0.11 57	0.14 57	0.11 56	0.14 57	0.11 57

IPLGR_C	0.13 54	0.16 63	0.14 72	0.15 64	0.11 56	0.14 58	0.11 55	0.14 56	0.11 55	0.14 43	0.11 56	0.14 57	0.11 56	0.12 69	0.11 55	0.11 55	0.14 57	0.11 58	0.14 56	0.11 56	0.14 56	0.11 56	0.11 53	0.11 57	0.14 57	0.11 56	0.15 63	0.11 57

MIPNet	0.12 49	0.15 58	0.12 61	0.14 57	0.11 56	0.14 58	0.11 55	0.14 56	0.11 55	0.15 47	0.11 56	0.14 57	0.11 56	0.12 69	0.11 55	0.11 55	0.14 57	0.11 58	0.15 63	0.11 56	0.14 56	0.11 56	0.11 53	0.11 57	0.14 57	0.11 56	0.14 57	0.11 57

IPLGR	0.13 54	0.15 58	0.12 61	0.14 57	0.11 56	0.14 58	0.11 55	0.14 56	0.13 76	0.15 47	0.11 56	0.14 57	0.12 75	0.12 69	0.11 55	0.11 55	0.14 57	0.11 58	0.14 56	0.11 56	0.14 56	0.11 56	0.11 53	0.12 71	0.15 62	0.11 56	0.14 57	0.11 57

ACRE	0.13 54	0.16 63	0.12 61	0.14 57	0.11 56	0.14 58	0.11 55	0.15 64	0.11 55	0.14 43	0.11 56	0.14 57	0.11 56	0.12 69	0.11 55	0.11 55	0.14 57	0.11 58	0.14 56	0.11 56	0.14 56	0.11 56	0.11 53	0.11 57	0.14 57	0.11 56	0.14 57	0.11 57

GMStereo	0.14 60	0.13 56	0.14 72	0.14 57	0.14 78	0.14 58	0.14 77	0.14 56	0.14 78	0.14 43	0.14 79	0.14 57	0.14 79	0.14 78	0.14 79	0.14 78	0.14 57	0.14 78	0.14 56	0.14 79	0.14 56	0.14 79	0.14 75	0.14 78	0.14 57	0.14 77	0.14 57	0.14 79
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ELAS_RVC	0.14 60	0.18 67	0.11 55	0.19 76	0.11 56	0.18 74	0.13 76	0.16 66	0.11 55	0.17 60	0.11 56	0.14 57	0.11 56	0.09 43	0.11 55	0.12 70	0.17 74	0.10 44	0.18 74	0.11 56	0.18 73	0.11 56	0.10 41	0.11 57	0.19 77	0.11 56	0.19 75	0.12 71
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
GCAP-BAT	0.17 69	1.25 192	0.20 88	0.15 64	0.11 56	0.15 66	0.11 55	0.21 77	0.11 55	0.15 47	0.11 56	0.15 65	0.11 56	0.11 59	0.11 55	0.11 55	0.15 63	0.11 58	0.15 63	0.11 56	0.15 64	0.11 56	0.11 53	0.11 57	0.15 62	0.11 56	0.15 63	0.11 57

test_for_model	0.17 69	1.25 192	0.20 88	0.15 64	0.11 56	0.15 66	0.11 55	0.21 77	0.11 55	0.15 47	0.11 56	0.15 65	0.11 56	0.11 59	0.11 55	0.11 55	0.15 63	0.11 58	0.15 63	0.11 56	0.15 64	0.11 56	0.11 53	0.11 57	0.15 62	0.11 56	0.15 63	0.11 57

testlalala2	0.17 69	1.25 192	0.20 88	0.15 64	0.11 56	0.15 66	0.11 55	0.21 77	0.11 55	0.15 47	0.11 56	0.15 65	0.11 56	0.11 59	0.11 55	0.11 55	0.15 63	0.11 58	0.15 63	0.11 56	0.15 64	0.11 56	0.11 53	0.11 57	0.15 62	0.11 56	0.15 63	0.11 57

testlalala	0.17 69	1.25 192	0.20 88	0.15 64	0.11 56	0.15 66	0.11 55	0.21 77	0.11 55	0.15 47	0.11 56	0.15 65	0.11 56	0.11 59	0.11 55	0.11 55	0.15 63	0.11 58	0.15 63	0.11 56	0.15 64	0.11 56	0.11 53	0.11 57	0.15 62	0.11 56	0.15 63	0.11 57

testlalala_base	0.17 69	1.25 192	0.20 88	0.15 64	0.11 56	0.15 66	0.11 55	0.21 77	0.11 55	0.15 47	0.11 56	0.15 65	0.11 56	0.11 59	0.11 55	0.11 55	0.15 63	0.11 58	0.15 63	0.11 56	0.15 64	0.11 56	0.11 53	0.11 57	0.15 62	0.11 56	0.15 63	0.11 57

SPstereo	0.17 69	1.25 192	0.20 88	0.15 64	0.11 56	0.15 66	0.11 55	0.21 77	0.11 55	0.15 47	0.11 56	0.15 65	0.11 56	0.11 59	0.11 55	0.11 55	0.15 63	0.11 58	0.15 63	0.11 56	0.15 64	0.11 56	0.11 53	0.11 57	0.15 62	0.11 56	0.15 63	0.11 57

CIPLG	0.13 54	0.15 58	0.12 61	0.14 57	0.11 56	0.14 58	0.11 55	0.15 64	0.11 55	0.15 47	0.11 56	0.15 65	0.11 56	0.12 69	0.12 72	0.11 55	0.15 63	0.11 58	0.15 63	0.11 56	0.14 56	0.11 56	0.11 53	0.12 71	0.15 62	0.12 72	0.15 63	0.12 71

ELAS	0.14 60	0.23 80	0.10 42	0.19 76	0.11 56	0.20 77	0.11 55	0.16 66	0.10 44	0.15 47	0.11 56	0.15 65	0.11 56	0.09 43	0.11 55	0.11 55	0.16 71	0.10 44	0.17 72	0.11 56	0.18 73	0.11 56	0.09 38	0.10 45	0.18 74	0.11 56	0.19 75	0.12 71
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ICVP	0.13 54	0.16 63	0.11 55	0.16 71	0.11 56	0.16 72	0.11 55	0.16 66	0.11 55	0.16 59	0.11 56	0.16 73	0.11 56	0.11 59	0.11 55	0.11 55	0.16 71	0.11 58	0.16 71	0.11 56	0.16 71	0.11 56	0.11 53	0.11 57	0.16 72	0.11 56	0.16 71	0.11 57
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
LALA_ROB	0.15 65	0.21 74	0.12 61	0.21 81	0.12 74	0.20 77	0.14 77	0.20 73	0.12 71	0.22 68	0.12 74	0.16 73	0.12 75	0.10 46	0.12 72	0.12 70	0.21 82	0.11 58	0.22 82	0.12 74	0.20 77	0.12 73	0.11 53	0.12 71	0.21 82	0.14 77	0.21 81	0.13 78

SFCPSM	0.23 87	0.18 67	0.13 69	0.18 74	0.12 74	0.18 74	0.80 194	0.17 69	0.12 71	0.88 149	0.12 74	0.17 75	0.12 75	0.13 76	0.12 72	0.12 70	0.18 76	0.12 74	0.18 74	0.12 74	1.18 205	0.13 77	0.12 70	0.12 71	0.18 74	0.13 76	0.18 73	0.12 71

HSM	0.14 60	0.17 66	0.11 55	0.17 73	0.11 56	0.17 73	0.12 72	0.17 69	0.11 55	0.17 60	0.11 56	0.17 75	0.11 56	0.12 69	0.12 72	0.12 70	0.17 74	0.12 74	0.17 72	0.12 74	0.17 72	0.12 73	0.12 70	0.12 71	0.17 73	0.12 72	0.17 72	0.12 71

DeepPruner_ROB	0.15 65	0.18 67	0.12 61	0.18 74	0.12 74	0.18 74	0.12 72	0.18 71	0.13 76	0.18 62	0.12 74	0.18 77	0.12 75	0.13 76	0.12 72	0.13 76	0.18 76	0.13 77	0.18 74	0.12 74	0.19 75	0.12 73	0.13 74	0.12 71	0.18 74	0.12 72	0.18 73	0.12 71

SGM_RVC	0.14 60	0.19 71	0.11 55	0.20 78	0.11 56	0.20 77	0.12 72	0.18 71	0.12 71	0.18 62	0.12 74	0.19 78	0.11 56	0.11 59	0.11 55	0.11 55	0.18 76	0.11 58	0.19 77	0.11 56	0.19 75	0.11 56	0.11 53	0.11 57	0.20 78	0.11 56	0.20 77	0.12 71
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DAS	0.20 82	0.20 72	0.20 88	0.20 78	0.20 94	0.20 77	0.20 94	0.20 73	0.20 93	0.20 64	0.20 94	0.20 79	0.20 94	0.20 93	0.20 95	0.20 90	0.20 79	0.20 96	0.20 78	0.20 95	0.20 77	0.20 95	0.20 91	0.20 94	0.20 78	0.20 93	0.20 77	0.20 93

ASD4	0.20 82	0.20 72	0.20 88	0.20 78	0.20 94	0.20 77	0.20 94	0.20 73	0.20 93	0.20 64	0.20 94	0.20 79	0.20 94	0.20 93	0.20 95	0.20 90	0.20 79	0.20 96	0.20 78	0.20 95	0.20 77	0.20 95	0.20 91	0.20 94	0.20 78	0.20 93	0.20 77	0.20 93

IGEV_Zeroshot_test	0.18 75	0.22 76	0.18 82	0.21 81	0.18 89	0.20 77	0.17 84	0.20 73	0.16 80	0.25 76	0.16 82	0.21 81	0.17 84	0.16 82	0.18 88	0.15 80	0.20 79	0.16 80	0.20 78	0.18 89	0.21 80	0.17 86	0.17 79	0.17 83	0.20 78	0.17 84	0.20 77	0.16 80

MIM_Stereo	0.19 78	0.23 80	0.18 82	0.22 83	0.16 81	0.22 84	0.16 82	0.21 77	0.16 80	0.22 68	0.17 84	0.21 81	0.17 84	0.20 93	0.18 88	0.17 82	0.22 84	0.18 91	0.22 82	0.16 82	0.21 80	0.16 82	0.17 79	0.17 83	0.21 82	0.16 82	0.22 82	0.20 93

dd	0.18 75	0.22 76	0.16 74	0.22 83	0.15 79	0.22 84	0.15 79	0.21 77	0.15 79	0.21 66	0.15 80	0.21 81	0.15 80	0.15 79	0.15 81	0.15 80	0.22 84	0.14 78	0.22 82	0.14 79	0.22 83	0.15 80	0.16 77	0.15 80	0.23 89	0.15 79	0.22 82	0.16 80

Pointernet	0.22 85	0.41 118	0.38 131	0.22 83	0.17 84	0.22 84	0.17 84	0.41 134	0.17 85	0.22 68	0.17 84	0.22 84	0.17 84	0.18 88	0.18 88	0.18 86	0.23 89	0.18 91	0.23 89	0.18 89	0.23 89	0.18 91	0.17 79	0.17 83	0.22 84	0.18 90	0.22 82	0.17 85

WAO-6	0.30 100	0.22 76	0.23 98	0.22 83	0.23 101	0.23 92	0.22 99	0.22 85	0.23 101	2.21 215	0.22 99	0.22 84	0.22 99	0.22 97	0.22 100	0.23 95	0.22 84	0.23 103	0.22 82	0.22 99	0.22 83	0.22 97	0.22 95	0.22 99	0.23 89	0.23 101	0.22 82	0.22 98

MSKI-zero shot	0.19 78	0.21 74	0.16 74	0.22 83	0.16 81	0.23 92	0.17 84	0.22 85	0.17 85	0.22 68	0.17 84	0.22 84	0.16 82	0.19 92	0.16 82	0.17 82	0.23 89	0.16 80	0.22 82	0.16 82	0.22 83	0.17 86	0.16 77	0.17 83	0.22 84	0.19 92	0.22 82	0.16 80

dad	0.18 75	0.23 80	0.16 74	0.22 83	0.15 79	0.22 84	0.15 79	0.22 85	0.16 80	0.21 66	0.15 80	0.22 84	0.15 80	0.15 79	0.16 82	0.17 82	0.23 89	0.17 84	0.23 89	0.15 81	0.22 83	0.15 80	0.15 76	0.15 80	0.22 84	0.15 79	0.22 82	0.16 80

iResNetv2_ROB	0.20 82	0.22 76	0.19 86	0.23 90	0.19 92	0.22 84	0.17 84	0.22 85	0.17 85	0.22 68	0.17 84	0.22 84	0.17 84	0.18 88	0.18 88	0.19 89	0.22 84	0.17 84	0.23 89	0.17 84	0.25 92	0.18 91	0.17 79	0.18 91	0.23 89	0.17 84	0.25 97	0.17 85

iResNet	0.19 78	0.23 80	0.17 78	0.22 83	0.17 84	0.22 84	0.19 92	0.22 85	0.17 85	0.22 68	0.17 84	0.22 84	0.17 84	0.17 83	0.17 85	0.17 82	0.22 84	0.17 84	0.22 82	0.17 84	0.23 89	0.17 86	0.18 87	0.17 83	0.23 89	0.17 84	0.23 90	0.17 85

IMH-64-1	0.29 97	0.23 80	0.23 98	0.23 90	0.22 97	0.22 84	0.23 100	0.22 85	0.22 99	2.02 207	0.23 101	0.23 90	0.22 99	0.23 100	0.23 101	0.23 95	0.23 89	0.22 99	0.23 89	0.22 99	0.22 83	0.22 97	0.22 95	0.22 99	0.22 84	0.22 98	0.22 82	0.22 98

IMH-64	0.29 97	0.23 80	0.23 98	0.23 90	0.22 97	0.22 84	0.23 100	0.22 85	0.22 99	2.02 207	0.23 101	0.23 90	0.22 99	0.23 100	0.23 101	0.23 95	0.23 89	0.22 99	0.23 89	0.22 99	0.22 83	0.22 97	0.22 95	0.22 99	0.22 84	0.22 98	0.22 82	0.22 98

MMNet	0.30 100	0.24 87	0.17 78	0.24 94	0.17 84	0.24 95	0.17 84	0.23 93	0.18 90	1.21 176	0.17 84	0.23 90	0.17 84	0.17 83	0.17 85	0.89 194	0.24 94	0.17 84	0.24 94	0.17 84	1.22 210	0.16 82	0.17 79	0.17 83	0.24 94	0.17 84	0.24 91	0.17 85

psm_up	0.30 100	0.24 87	0.17 78	0.25 97	0.17 84	0.24 95	0.17 84	0.24 96	0.17 85	1.20 175	0.17 84	0.23 90	0.17 84	0.17 83	0.18 88	0.90 197	0.24 94	0.17 84	0.25 98	0.17 84	1.24 215	0.17 86	0.17 79	0.17 83	0.24 94	0.17 84	0.24 91	0.17 85

UPFNet	0.29 97	0.24 87	0.16 74	0.24 94	0.16 81	0.24 95	0.16 82	0.23 93	0.16 80	1.19 174	0.16 82	0.23 90	0.16 82	0.17 83	0.16 82	0.89 194	0.24 94	0.16 80	0.24 94	0.18 89	1.20 208	0.16 82	0.17 79	0.16 82	0.24 94	0.16 82	0.24 91	0.16 80

GEStereo_RVC	0.36 117	0.23 80	0.18 82	0.23 90	0.18 89	0.23 92	0.19 92	0.22 85	0.19 92	0.24 74	0.20 94	0.24 95	0.18 92	0.18 88	0.18 88	0.21 92	0.25 98	0.18 91	0.22 82	0.18 89	0.23 89	0.18 91	0.19 89	0.20 94	0.23 89	0.20 93	4.43 252	0.19 92

delet	0.30 100	0.24 87	0.17 78	0.24 94	0.17 84	0.24 95	0.17 84	0.23 93	0.16 80	1.21 176	0.17 84	0.24 95	0.17 84	0.17 83	0.17 85	0.91 198	0.24 94	0.17 84	0.24 94	0.17 84	1.23 212	0.17 86	0.17 79	0.17 83	0.24 94	0.17 84	0.24 91	0.17 85

model_zeroshot	0.27 93	0.30 101	0.19 86	0.36 121	0.23 101	0.25 100	0.27 109	0.33 108	0.21 96	0.35 89	0.22 99	0.25 97	0.27 112	0.26 106	0.23 101	0.26 102	0.35 115	0.22 99	0.36 117	0.23 103	0.25 92	0.27 109	0.27 107	0.23 102	0.36 117	0.22 98	0.25 97	0.27 112

UNDER WATER-64	0.31 108	0.25 91	0.25 103	0.26 102	0.26 105	0.25 100	0.26 106	0.25 97	0.26 109	1.69 194	0.26 110	0.25 97	0.25 104	0.25 104	0.26 111	0.26 102	0.25 98	0.26 109	0.26 101	0.26 110	0.25 92	0.25 102	0.25 101	0.25 105	0.26 103	0.26 108	0.25 97	0.26 109

LoS_RVC	0.25 89	0.25 91	0.25 103	0.25 97	0.25 103	0.25 100	0.25 104	0.25 97	0.25 103	0.25 76	0.25 106	0.25 97	0.25 104	0.26 106	0.25 106	0.26 102	0.25 98	0.25 105	0.26 101	0.25 106	0.25 92	0.25 102	0.25 101	0.25 105	0.25 99	0.25 104	0.25 97	0.25 104

tt_ll	0.25 89	0.25 91	0.25 103	0.25 97	0.25 103	0.25 100	0.25 104	0.25 97	0.25 103	0.25 76	0.25 106	0.25 97	0.25 104	0.26 106	0.25 106	0.26 102	0.25 98	0.25 105	0.26 101	0.25 106	0.25 92	0.25 102	0.25 101	0.25 105	0.25 99	0.25 104	0.25 97	0.25 104

CAS	0.25 89	0.25 91	0.25 103	0.25 97	0.26 105	0.26 106	0.26 106	0.25 97	0.25 103	0.25 76	0.25 106	0.25 97	0.25 104	0.25 104	0.25 106	0.25 99	0.26 104	0.25 105	0.26 101	0.26 110	0.25 92	0.25 102	0.25 101	0.26 108	0.25 99	0.26 108	0.25 97	0.25 104

LoS	0.25 89	0.25 91	0.27 107	0.27 103	0.26 105	0.25 100	0.26 106	0.26 102	0.25 103	0.26 82	0.25 106	0.25 97	0.25 104	0.26 106	0.25 106	0.25 99	0.25 98	0.25 105	0.25 98	0.25 106	0.27 99	0.25 102	0.26 105	0.26 108	0.26 103	0.25 104	0.25 97	0.25 104
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CFNet	0.55 149	0.25 91	0.18 82	0.25 97	0.18 89	0.25 100	0.18 91	0.25 97	0.18 90	0.25 76	0.18 92	0.25 97	0.18 92	0.18 88	0.18 88	0.18 86	0.25 98	0.18 91	0.25 98	0.18 89	5.31 262	4.36 262	0.18 87	0.18 91	0.25 99	0.18 90	0.25 97	0.18 91

AANet_RVC	0.61 155	0.31 103	5.05 255	0.31 109	0.19 92	0.24 95	0.20 94	5.86 251	0.20 93	0.24 74	0.18 92	0.25 97	0.20 94	0.23 100	0.21 97	0.18 86	0.37 123	0.18 91	0.24 94	0.19 94	0.25 92	0.19 94	0.19 89	0.19 93	0.24 94	0.15 79	0.24 91	0.20 93

CASnet	0.32 109	0.53 144	0.34 126	0.27 103	0.31 129	0.34 114	0.29 127	0.31 106	0.32 127	0.25 76	0.31 129	0.27 105	0.40 146	0.45 147	0.27 113	0.30 121	0.26 104	0.40 144	0.28 106	0.37 140	0.28 101	0.39 142	0.29 116	0.40 146	0.29 107	0.28 112	0.24 91	0.30 128
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
DISCO	0.59 154	0.29 99	0.22 97	0.27 103	5.05 266	0.30 109	0.21 97	0.28 103	0.21 96	0.27 83	0.21 97	0.27 105	0.20 94	0.21 96	0.21 97	0.21 92	0.27 106	0.21 98	0.27 105	0.21 98	0.27 99	0.23 101	0.21 93	0.21 97	0.27 105	0.21 96	5.06 258	0.22 98

SQANet	0.33 111	0.28 98	0.28 110	0.28 107	0.28 113	0.29 108	0.28 115	0.28 103	0.28 115	1.59 192	0.28 116	0.28 107	0.28 113	0.28 116	0.28 116	0.28 111	0.28 107	0.28 112	0.29 107	0.28 113	0.28 101	0.28 114	0.28 110	0.28 114	0.28 106	0.28 112	0.28 105	0.28 114

DLNR_Zeroshot_test	0.27 93	0.30 101	0.23 98	0.30 108	0.22 97	0.31 110	0.24 102	0.29 105	0.23 101	0.38 97	0.23 101	0.29 108	0.23 102	0.22 97	0.23 101	0.23 95	0.30 109	0.34 130	0.29 107	0.23 103	0.29 103	0.29 124	0.22 95	0.23 102	0.30 108	0.23 101	0.30 107	0.23 102

TorneroNet-64	0.69 167	0.65 151	0.30 119	0.27 103	0.47 159	0.28 107	0.35 135	0.34 114	0.80 190	7.93 268	0.29 124	0.30 109	0.31 125	0.81 190	0.28 116	0.27 110	0.29 108	0.28 112	0.85 190	0.83 196	0.62 167	0.28 114	0.30 124	0.28 114	0.52 162	0.29 125	0.29 106	0.27 112

anonymity	0.30 100	0.34 107	0.27 107	0.33 111	0.27 110	0.33 112	0.28 115	0.33 108	0.28 115	0.33 84	0.28 116	0.33 110	0.28 113	0.28 116	0.28 116	0.28 111	0.34 112	0.28 112	0.34 112	0.28 113	0.34 106	0.27 109	0.27 107	0.27 111	0.34 112	0.28 112	0.34 112	0.28 114

MLCV	0.30 100	0.33 106	0.28 110	0.34 113	0.28 113	0.33 112	0.28 115	0.33 108	0.29 123	0.33 84	0.27 113	0.33 110	0.28 113	0.26 106	0.29 124	0.28 111	0.33 111	0.28 112	0.33 109	0.28 113	0.33 105	0.27 109	0.28 110	0.28 114	0.33 110	0.28 112	0.33 108	0.28 114

iRaft-Stereo_20w	0.30 100	0.46 129	0.27 107	0.34 113	0.26 105	0.35 116	0.28 115	0.34 114	0.26 109	0.34 87	0.26 110	0.34 112	0.26 110	0.26 106	0.26 111	0.26 102	0.34 112	0.26 109	0.34 112	0.26 110	0.34 106	0.26 108	0.26 105	0.26 108	0.34 112	0.26 108	0.34 112	0.26 109

HGLStereo	0.27 93	0.25 91	0.21 96	0.35 117	0.21 96	0.35 116	0.21 97	0.34 114	0.21 96	0.39 100	0.21 97	0.34 112	0.21 98	0.22 97	0.21 97	0.21 92	0.35 115	0.22 99	0.35 114	0.22 99	0.35 110	0.22 97	0.21 93	0.21 97	0.35 115	0.21 96	0.35 114	0.21 97

DN-CSS_ROB	0.30 100	0.34 107	0.29 115	0.34 113	0.27 110	0.34 114	0.28 115	0.33 108	0.27 111	0.34 87	0.27 113	0.34 112	0.28 113	0.29 118	0.27 113	0.26 102	0.35 115	0.29 121	0.33 109	0.28 113	0.34 106	0.28 114	0.28 110	0.27 111	0.34 112	0.28 112	0.33 108	0.28 114

RSM	0.33 111	0.36 111	0.31 122	0.39 136	0.32 131	0.36 121	0.30 130	0.35 117	0.38 138	0.35 89	0.31 129	0.35 115	0.30 124	0.30 121	0.31 128	0.30 121	0.36 120	0.31 126	0.36 117	0.30 127	0.36 114	0.31 127	0.31 125	0.31 127	0.36 117	0.31 129	0.36 117	0.31 130

EKT-Stereo	0.36 117	0.50 141	0.30 119	0.40 137	0.29 122	0.40 137	0.29 127	0.35 117	0.30 125	0.47 119	0.30 127	0.35 115	0.32 127	0.29 118	0.34 130	0.33 129	0.59 166	0.31 126	0.39 134	0.29 122	0.37 116	0.38 137	0.29 116	0.31 127	0.58 169	0.28 112	0.51 157	0.29 123

Any-RAFT	0.32 109	0.45 127	0.29 115	0.36 121	0.29 122	0.36 121	0.29 127	0.36 121	0.29 123	0.35 89	0.29 124	0.35 115	0.28 113	0.27 113	0.28 116	0.28 111	0.35 115	0.28 112	0.35 114	0.28 113	0.35 110	0.28 114	0.29 116	0.29 122	0.36 117	0.29 125	0.36 117	0.29 123

CES	0.38 121	0.34 107	0.44 143	0.43 147	0.33 133	0.37 125	0.44 156	0.37 122	0.38 138	0.45 115	0.35 135	0.35 115	0.41 147	0.45 147	0.36 134	0.36 133	0.36 120	0.45 153	0.43 143	0.35 136	0.34 106	0.46 152	0.36 134	0.36 138	0.42 141	0.34 133	0.35 114	0.38 139

iResNet_ROB	0.28 96	0.32 105	0.24 102	0.33 111	0.26 105	0.32 111	0.24 102	0.33 108	0.25 103	0.33 84	0.24 104	0.35 115	0.24 103	0.23 100	0.24 105	0.25 99	0.32 110	0.24 104	0.36 117	0.24 105	0.32 104	0.28 114	0.24 100	0.24 104	0.32 109	0.24 103	0.33 108	0.24 103

ETE_ROB	0.35 116	0.35 110	0.35 127	0.35 117	0.35 137	0.35 116	0.35 135	0.35 117	0.35 134	0.35 89	0.35 135	0.35 115	0.35 133	0.35 127	0.35 132	0.35 132	0.35 115	0.35 134	0.35 114	0.35 136	0.35 110	0.35 133	0.35 132	0.35 136	0.35 115	0.35 134	0.35 114	0.35 135

DMCA	0.36 117	0.38 113	0.37 129	0.35 117	0.35 137	0.35 116	0.36 137	0.35 117	0.36 136	0.36 95	0.37 140	0.36 121	0.36 137	0.36 131	0.35 132	0.37 135	0.36 120	0.36 135	0.36 117	0.36 139	0.36 114	0.35 133	0.36 134	0.36 138	0.37 121	0.36 136	0.36 117	0.36 137

RAFT-Test	0.34 114	0.45 127	0.30 119	0.38 126	0.32 131	0.40 137	0.32 133	0.39 130	0.32 127	0.39 100	0.30 127	0.37 122	0.29 122	0.30 121	0.30 126	0.29 119	0.38 125	0.30 124	0.38 124	0.29 122	0.38 118	0.29 124	0.29 116	0.30 126	0.38 123	0.30 127	0.38 121	0.30 128

IER	0.56 152	2.72 220	2.20 236	0.38 126	0.29 122	0.38 128	0.27 109	2.77 233	0.27 111	0.38 97	0.28 116	0.37 122	0.25 104	0.26 106	0.25 106	0.26 102	0.38 125	0.29 121	0.38 124	0.25 106	0.39 126	0.25 102	0.29 116	0.29 122	0.40 132	0.25 104	0.38 121	0.25 104

XPNet_ROB	0.37 120	0.37 112	0.37 129	0.37 123	0.37 139	0.37 125	0.37 141	0.37 122	0.37 137	0.37 96	0.37 140	0.37 122	0.37 138	0.37 132	0.37 137	0.37 135	0.37 123	0.37 137	0.37 121	0.37 140	0.37 116	0.37 136	0.37 136	0.37 140	0.37 121	0.37 140	0.37 120	0.37 138

WAO-7	0.46 130	0.38 113	0.38 131	0.38 126	0.38 142	0.38 128	0.38 143	0.38 124	0.38 138	2.57 226	0.38 142	0.38 125	0.38 139	0.38 133	0.38 138	0.38 137	0.38 125	0.38 139	0.38 124	0.38 142	0.38 118	0.38 137	0.38 138	0.38 141	0.38 123	0.38 141	0.38 121	0.38 139

HanzoNet	0.47 132	0.39 116	0.38 131	0.38 126	0.38 142	0.38 128	0.38 143	0.40 132	0.38 138	2.63 227	0.38 142	0.38 125	0.38 139	0.38 133	0.38 138	0.39 141	0.38 125	0.38 139	0.38 124	0.42 152	0.38 118	0.39 142	0.39 142	0.38 141	0.38 123	0.38 141	0.38 121	0.39 144

Venus	0.46 130	0.38 113	0.40 135	0.38 126	0.38 142	0.39 134	0.38 143	0.38 124	0.38 138	2.71 228	0.38 142	0.38 125	0.38 139	0.38 133	0.38 138	0.38 137	0.38 125	0.38 139	0.38 124	0.38 142	0.38 118	0.38 137	0.38 138	0.38 141	0.38 123	0.38 141	0.39 130	0.38 139

IMH	0.47 132	0.40 117	0.39 134	0.38 126	0.38 142	0.38 128	0.38 143	0.38 124	0.40 144	2.79 230	0.38 142	0.38 125	0.38 139	0.38 133	0.38 138	0.38 137	0.39 134	0.38 139	0.38 124	0.40 146	0.38 118	0.38 137	0.38 138	0.38 141	0.38 123	0.38 141	0.38 121	0.38 139

CFNet_pseudo	1.01 201	9.78 260	0.29 115	0.38 126	0.28 113	0.38 128	0.28 115	0.38 124	0.28 115	0.39 100	0.28 116	0.39 129	0.28 113	9.50 268	0.29 124	0.28 111	0.38 125	0.28 112	0.38 124	0.28 113	0.38 118	0.28 114	0.28 110	0.28 114	0.38 123	0.28 112	0.38 121	0.28 114

pcwnet_v2	1.01 201	9.73 259	0.28 110	0.38 126	0.28 113	0.38 128	0.28 115	0.38 124	0.28 115	0.38 97	0.28 116	0.39 129	0.28 113	9.61 269	0.28 116	0.28 111	0.38 125	0.28 112	0.38 124	0.28 113	0.38 118	0.28 114	0.29 116	0.28 114	0.38 123	0.28 112	0.38 121	0.28 114

DGSMNet	0.33 111	0.42 124	0.28 110	0.40 137	0.28 113	0.40 137	0.28 115	0.40 132	0.28 115	0.40 105	0.28 116	0.39 129	0.28 113	0.27 113	0.28 116	0.28 111	0.40 138	0.28 112	0.42 142	0.29 122	0.41 131	0.31 127	0.29 116	0.28 114	0.41 136	0.28 112	0.42 138	0.29 123

RAFT + AFF	0.34 114	0.29 99	0.32 125	0.31 109	0.30 127	0.39 134	0.32 133	0.39 130	0.30 125	0.39 100	0.32 131	0.39 129	0.32 127	0.35 127	0.36 134	0.32 128	0.38 125	0.31 126	0.38 124	0.31 130	0.38 118	0.28 114	0.37 136	0.34 132	0.38 123	0.30 127	0.38 121	0.28 114

UCFNet_RVC	1.03 205	10.10 263	0.28 110	0.38 126	0.28 113	0.39 134	0.28 115	0.38 124	0.28 115	0.39 100	0.28 116	0.39 129	0.29 122	9.62 270	0.28 116	0.28 111	0.38 125	0.28 112	0.38 124	0.28 113	0.39 126	0.28 114	0.29 116	0.28 114	0.39 131	0.28 112	0.38 121	0.29 123

GwcNet-ADL	0.41 124	0.41 118	0.41 136	0.41 143	0.41 147	0.41 140	0.41 149	0.41 134	0.41 146	0.41 106	0.41 148	0.41 134	0.41 147	0.41 139	0.41 149	0.41 142	0.41 139	0.41 146	0.41 138	0.41 147	0.41 131	0.41 146	0.41 144	0.41 147	0.41 136	0.41 147	0.41 134	0.41 146

PSMNet-ADL	0.41 124	0.41 118	0.41 136	0.41 143	0.41 147	0.41 140	0.41 149	0.41 134	0.41 146	0.41 106	0.41 148	0.41 134	0.41 147	0.41 139	0.41 149	0.41 142	0.41 139	0.41 146	0.41 138	0.41 147	0.41 131	0.41 146	0.41 144	0.41 147	0.41 136	0.41 147	0.41 134	0.41 146

GANet-ADL	0.41 124	0.41 118	0.41 136	0.41 143	0.41 147	0.41 140	0.41 149	0.41 134	0.41 146	0.41 106	0.41 148	0.41 134	0.41 147	0.41 139	0.41 149	0.41 142	0.41 139	0.41 146	0.41 138	0.41 147	0.41 131	0.41 146	0.41 144	0.41 147	0.41 136	0.41 147	0.41 134	0.41 146

ADLNet	0.41 124	0.41 118	0.41 136	0.41 143	0.41 147	0.41 140	0.41 149	0.41 134	0.41 146	0.41 106	0.41 148	0.41 134	0.41 147	0.41 139	0.41 149	0.41 142	0.41 139	0.41 146	0.41 138	0.41 147	0.41 131	0.41 146	0.41 144	0.41 147	0.41 136	0.41 147	0.41 134	0.41 146

GMOStereo	0.50 135	0.44 125	2.38 241	0.40 137	0.34 134	0.42 144	0.36 137	1.96 220	0.34 130	0.41 106	0.36 137	0.42 138	0.35 133	0.34 123	0.38 138	0.31 124	0.39 134	0.34 130	0.40 135	0.33 133	0.39 126	0.33 130	0.33 128	0.34 132	0.40 132	0.36 136	0.40 131	0.32 132

error version	0.50 135	0.44 125	2.38 241	0.40 137	0.34 134	0.42 144	0.36 137	1.96 220	0.34 130	0.41 106	0.36 137	0.42 138	0.35 133	0.34 123	0.38 138	0.31 124	0.39 134	0.34 130	0.40 135	0.33 133	0.39 126	0.33 130	0.33 128	0.34 132	0.40 132	0.36 136	0.40 131	0.32 132

test_1	0.65 159	4.37 233	2.38 241	0.40 137	0.34 134	0.42 144	0.36 137	1.96 220	0.34 130	0.41 106	0.36 137	0.42 138	0.35 133	0.34 123	0.38 138	0.31 124	0.39 134	0.34 130	0.40 135	0.33 133	0.39 126	0.33 130	0.33 128	0.34 132	0.40 132	0.36 136	0.40 131	0.32 132

HCRNet	0.71 171	6.06 241	3.15 246	0.50 162	0.22 97	0.21 83	0.15 79	3.04 235	0.34 130	0.43 113	0.33 133	0.43 141	0.33 130	0.15 79	0.14 79	0.14 78	0.21 82	0.17 84	0.47 150	0.20 95	0.21 80	0.16 82	0.32 126	0.33 130	0.50 156	0.33 132	0.49 154	0.28 114

LL-Strereo2	0.47 132	2.60 219	0.51 159	0.38 126	0.28 113	0.37 125	0.28 115	0.55 162	0.35 134	0.44 114	0.34 134	0.44 142	0.34 131	0.34 123	0.36 134	0.36 133	0.47 148	0.36 135	0.47 150	0.35 136	0.47 142	0.35 133	0.35 132	0.35 136	0.46 143	0.35 134	0.47 145	0.35 135

Former-RAFT_DAM_RVC	0.38 121	1.06 177	0.54 163	0.59 171	0.27 110	0.46 148	0.27 109	0.46 140	0.27 111	0.46 117	0.27 113	0.46 143	0.26 110	0.27 113	0.27 113	0.26 102	0.46 144	0.26 109	0.45 145	0.30 127	0.46 138	0.27 109	0.27 107	0.27 111	0.46 143	0.27 111	0.45 140	0.26 109

otaku	0.52 139	0.46 129	0.48 150	0.46 149	0.46 155	0.46 148	0.46 157	0.46 140	0.47 160	1.88 197	0.46 155	0.46 143	0.46 156	0.46 149	0.46 156	0.46 150	0.47 148	0.46 154	0.46 146	0.46 156	0.47 142	0.46 152	0.46 151	0.46 155	0.47 149	0.46 155	0.46 141	0.47 156

ACVNet-4b	0.53 143	0.46 129	0.47 145	0.46 149	0.46 155	0.46 148	0.46 157	0.46 140	0.46 155	2.17 212	0.46 155	0.46 143	0.47 159	0.46 149	0.46 156	0.46 150	0.46 144	0.46 154	0.46 146	0.46 156	0.46 138	0.46 152	0.46 151	0.47 159	0.46 143	0.46 155	0.46 141	0.46 153

MaskLacGwcNet_RVC	0.70 169	6.91 243	0.46 144	0.46 149	0.46 155	0.46 148	0.46 157	0.46 140	0.46 155	0.46 117	0.46 155	0.46 143	0.46 156	0.46 149	0.46 156	0.46 150	0.46 144	0.46 154	0.46 146	0.46 156	0.47 142	0.46 152	0.46 151	0.46 155	0.46 143	0.46 155	0.46 141	0.46 153

Ntro	0.53 143	0.47 134	0.50 156	0.46 149	0.48 164	0.47 154	0.47 161	0.46 140	0.46 155	2.05 209	0.47 159	0.47 147	0.49 167	0.47 153	0.47 160	0.46 150	0.48 152	0.46 154	0.49 159	0.46 156	0.47 142	0.46 152	0.46 151	0.47 159	0.46 143	0.46 155	0.47 145	0.47 156

HaxPig	0.52 139	0.48 137	0.47 145	0.47 154	0.47 159	0.47 154	0.47 161	0.47 146	0.47 160	1.80 195	0.47 159	0.47 147	0.47 159	0.47 153	0.47 160	0.47 157	0.47 148	0.47 160	0.47 150	0.47 161	0.47 142	0.47 160	0.47 157	0.47 159	0.47 149	0.47 162	0.47 145	0.47 156

UNDER WATER	0.52 139	0.47 134	0.47 145	0.47 154	0.47 159	0.47 154	0.47 161	0.47 146	0.47 160	1.90 198	0.47 159	0.47 147	0.47 159	0.47 153	0.47 160	0.47 157	0.46 144	0.47 160	0.47 150	0.47 161	0.46 138	0.47 160	0.47 157	0.48 163	0.47 149	0.47 162	0.47 145	0.47 156

LVE	0.53 143	0.47 134	0.48 150	0.47 154	0.47 159	0.47 154	0.47 161	0.48 149	0.47 160	1.96 204	0.47 159	0.47 147	0.47 159	0.47 153	0.47 160	0.47 157	0.47 148	0.47 160	0.47 150	0.47 161	0.47 142	0.47 160	0.47 157	0.47 159	0.47 149	0.47 162	0.47 145	0.47 156

Dean	0.52 139	0.46 129	0.48 150	0.46 149	0.46 155	0.46 148	0.46 157	0.46 140	0.46 155	1.90 198	0.46 155	0.47 147	0.46 156	0.46 149	0.46 156	0.46 150	0.48 152	0.46 154	0.46 146	0.46 156	0.46 138	0.46 152	0.46 151	0.46 155	0.46 143	0.46 155	0.46 141	0.46 153

RainbowNet	0.53 143	0.48 137	0.48 150	0.48 158	0.48 164	0.48 160	0.48 165	0.48 149	0.48 164	1.92 200	0.48 164	0.48 152	0.48 163	0.48 158	0.48 165	0.48 160	0.48 152	0.48 164	0.48 156	0.48 165	0.48 148	0.48 163	0.48 160	0.48 163	0.48 154	0.48 166	0.48 150	0.48 162

notaker	0.54 148	0.48 137	0.48 150	0.48 158	0.48 164	0.48 160	0.49 168	0.48 149	0.48 164	1.95 203	0.48 164	0.48 152	0.48 163	0.48 158	0.48 165	0.48 160	0.48 152	0.48 164	0.48 156	0.48 165	0.49 151	0.48 163	0.48 160	0.49 166	0.48 154	0.48 166	0.48 150	0.49 163

ACVNet_1	0.53 143	0.46 129	0.48 150	0.47 154	0.47 159	0.46 148	0.48 165	0.48 149	0.48 164	2.07 210	0.47 159	0.48 152	0.48 163	0.47 153	0.47 160	0.46 150	0.49 156	0.47 160	0.47 150	0.47 161	0.48 148	0.46 152	0.46 151	0.48 163	0.47 149	0.47 162	0.48 150	0.47 156

TorneroNet	1.15 210	1.10 181	0.51 159	0.69 178	0.51 172	1.10 206	0.50 170	0.51 159	0.51 170	13.92 270	1.17 218	0.49 155	0.51 172	0.54 164	0.48 165	0.49 163	0.49 156	0.65 184	0.70 176	0.49 168	0.51 154	0.49 166	0.67 181	1.36 227	0.51 160	0.50 170	0.52 159	1.23 221

ACVNet_2	0.55 149	0.49 140	0.50 156	0.49 160	0.49 168	0.49 162	0.49 168	0.49 153	0.49 168	2.14 211	0.49 166	0.50 156	0.49 167	0.49 160	0.49 168	0.49 163	0.50 158	0.49 168	0.50 162	0.49 168	0.49 151	0.49 166	0.49 162	0.50 167	0.50 156	0.49 168	0.50 155	0.49 163

SANet	0.50 135	0.50 141	0.50 156	0.50 162	0.50 171	0.50 163	0.50 170	0.50 156	0.50 169	0.50 121	0.50 167	0.50 156	0.50 169	0.50 163	0.50 170	0.50 166	0.50 158	0.50 169	0.50 162	0.50 170	0.50 153	0.50 170	0.50 164	0.50 167	0.50 156	0.50 170	0.50 155	0.50 165

Occ-G	0.68 166	0.54 145	3.16 247	0.57 170	0.45 154	0.52 166	0.40 148	3.44 239	0.46 155	0.52 124	0.45 154	0.51 158	0.44 153	0.44 146	0.40 147	0.45 149	0.55 162	0.41 146	0.53 167	0.43 153	0.52 156	0.40 144	0.44 150	0.45 154	0.55 164	0.44 154	0.53 161	0.44 152

PML	0.39 123	0.56 147	0.29 115	0.55 165	0.28 113	0.56 168	0.28 115	0.51 159	0.28 115	0.50 121	0.28 116	0.51 158	0.28 113	0.29 118	0.28 116	0.29 119	0.56 164	0.29 121	0.57 171	0.28 113	0.56 161	0.28 114	0.28 110	0.29 122	0.56 166	0.28 112	0.56 163	0.28 114

iRaftStereo_RVC	0.62 157	1.76 203	2.24 238	0.52 164	0.37 139	0.53 167	0.38 143	2.51 231	0.38 138	0.51 123	0.38 142	0.51 158	0.38 139	0.38 133	0.38 138	0.38 137	0.52 160	0.38 139	0.52 166	0.38 142	0.52 156	0.38 137	0.38 138	0.38 141	0.52 162	0.39 145	0.52 159	0.38 139

ktn	0.84 186	1.15 182	0.54 163	1.16 213	1.26 224	0.51 164	0.53 173	0.51 159	0.66 184	4.54 253	0.51 168	0.52 161	0.52 173	0.66 180	0.51 171	0.51 167	1.37 221	1.17 217	0.49 159	0.51 171	1.23 212	0.51 172	0.67 181	0.51 169	0.51 160	0.68 185	0.51 157	0.51 167

PSMNet_ROB	0.55 149	0.55 146	0.56 167	0.56 166	0.55 174	0.56 168	0.55 174	0.55 162	0.55 173	0.55 125	0.55 172	0.55 162	0.55 175	0.55 165	0.56 174	0.55 170	0.55 162	0.55 174	0.55 168	0.55 173	0.55 160	0.55 173	0.55 168	0.55 174	0.55 164	0.55 175	0.55 162	0.55 169

CASS	0.58 153	0.89 164	0.55 165	0.56 166	0.55 174	0.60 172	0.57 177	0.57 164	0.56 174	0.55 125	0.56 173	0.56 163	0.50 169	0.63 175	0.56 174	0.56 171	0.62 168	0.62 181	0.59 172	0.56 174	0.56 161	0.48 163	0.60 173	0.56 175	0.57 168	0.60 179	0.57 165	0.59 172
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CFNet_RVC	0.93 191	8.54 256	0.41 136	0.56 166	0.37 139	0.56 168	0.37 141	0.50 156	0.40 144	0.56 127	5.24 267	0.56 163	0.34 131	0.40 138	0.41 149	0.34 130	0.53 161	0.40 144	0.56 170	0.38 142	0.52 156	0.40 144	0.40 143	0.41 147	0.56 166	0.40 146	0.56 163	0.40 145

PA-Net	0.71 171	0.62 150	0.55 165	0.69 178	0.71 186	0.70 178	0.69 188	0.69 168	0.74 188	0.73 136	0.75 188	0.59 165	0.72 188	0.82 191	0.79 192	0.83 191	0.67 172	0.76 191	0.81 188	0.67 183	0.61 165	0.76 190	0.68 184	0.65 184	0.82 184	0.76 192	0.71 172	0.69 183
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
LMCR-Stereo	0.61 155	0.61 149	0.61 172	0.61 173	0.61 179	0.67 177	0.61 182	0.61 165	0.61 180	0.61 128	0.61 178	0.61 166	0.61 180	0.61 171	0.61 180	0.61 175	0.61 167	0.61 180	0.61 173	0.61 178	0.61 165	0.61 178	0.61 174	0.61 181	0.61 171	0.61 180	0.61 167	0.61 178

MyStereo04	0.76 177	4.78 237	0.62 173	0.63 175	0.54 173	0.65 175	0.56 176	0.61 165	0.58 177	0.61 128	0.56 173	0.63 167	0.57 177	0.63 175	0.60 178	0.60 174	0.64 169	0.56 176	0.63 174	0.58 175	0.63 168	0.62 180	0.55 168	0.60 179	0.63 172	0.57 176	0.64 169	0.58 171

DSFCA	0.66 160	0.73 154	0.74 180	0.68 177	0.65 183	0.64 174	0.65 187	0.65 167	0.65 182	0.66 131	0.65 181	0.65 168	0.64 181	0.65 178	0.65 184	0.65 179	0.65 170	0.65 184	0.65 175	0.65 181	0.65 171	0.65 181	0.65 178	0.65 184	0.66 173	0.66 184	0.65 170	0.65 180

KSHMR	0.85 187	0.72 152	0.51 159	0.49 160	0.49 168	0.51 164	1.07 212	0.50 156	0.48 164	6.04 263	0.52 169	0.66 169	0.98 204	0.49 160	0.77 190	0.49 163	1.17 209	0.51 171	0.49 159	1.06 210	0.51 154	0.49 166	0.49 162	0.51 169	1.04 200	0.49 168	0.81 182	0.72 187

test-3	0.78 179	4.38 234	1.80 227	0.62 174	0.49 168	0.62 173	0.50 170	1.86 216	0.64 181	0.69 132	0.52 169	0.66 169	0.38 139	0.58 167	0.57 176	0.46 150	0.66 171	0.46 154	0.50 162	0.44 155	0.48 148	0.58 174	0.54 167	0.60 179	0.70 174	0.46 155	0.48 150	0.50 165

HH	0.66 160	2.13 209	0.47 145	0.37 123	0.29 122	0.36 121	0.27 109	0.49 153	0.44 152	0.78 138	0.68 182	0.67 171	0.90 198	0.62 172	0.90 197	0.53 168	0.88 187	0.48 164	0.37 121	0.29 122	0.63 168	0.66 184	0.66 179	0.51 169	1.06 202	0.61 180	1.08 201	0.60 174

HanStereo	0.66 160	2.13 209	0.47 145	0.37 123	0.29 122	0.36 121	0.27 109	0.49 153	0.44 152	0.78 138	0.68 182	0.67 171	0.90 198	0.62 172	0.90 197	0.53 168	0.88 187	0.48 164	0.37 121	0.29 122	0.63 168	0.66 184	0.66 179	0.51 169	1.06 202	0.61 180	1.08 201	0.60 174

4D-IteraStereo	0.67 164	3.40 225	1.05 200	0.71 182	0.83 195	0.47 154	0.27 109	0.47 146	0.27 111	0.35 89	0.26 110	0.68 173	0.84 194	0.41 139	0.54 172	0.89 194	0.74 178	0.88 198	0.73 179	0.87 198	0.42 136	0.27 109	0.28 110	0.28 114	0.36 117	0.28 112	0.68 171	0.90 196

AIO-Stereo-zeroshot1	0.74 175	0.57 148	0.57 169	0.56 166	0.92 198	1.07 204	0.63 184	1.03 191	0.82 194	0.49 120	0.77 189	0.69 174	0.54 174	0.58 167	0.54 172	0.86 193	1.06 199	0.72 189	1.06 203	0.79 190	0.58 164	0.87 196	0.59 171	0.46 155	0.76 179	0.46 155	1.05 198	0.97 200

STTRV1_RVC	0.66 160	1.59 201	0.52 162	0.69 178	0.61 179	0.66 176	0.43 155	0.88 179	0.45 154	0.71 134	0.62 179	0.69 174	0.45 155	0.62 172	0.40 147	0.44 148	0.80 181	0.59 177	0.76 184	0.63 179	0.80 176	0.46 152	0.64 176	0.61 181	0.72 176	0.54 173	0.80 179	0.60 174

DMCA-RVC	0.71 171	0.72 152	0.72 176	0.71 182	0.70 185	0.70 178	0.70 190	0.70 169	0.71 185	0.70 133	0.71 185	0.71 176	0.70 185	0.70 182	0.71 188	0.70 183	0.70 173	0.71 188	0.70 176	0.71 185	0.70 172	0.70 187	0.71 188	0.71 189	0.70 174	0.72 189	0.71 172	0.70 184

AEACV	0.74 175	0.52 143	3.10 245	0.60 172	0.48 164	0.56 168	0.48 165	3.02 234	0.83 195	0.61 128	0.62 179	0.72 177	0.50 169	0.49 160	0.49 168	0.48 160	0.58 165	0.50 169	0.55 168	0.48 165	0.56 161	0.50 170	0.50 164	0.51 169	0.58 169	0.51 172	0.60 166	0.51 167

ARAFT	0.64 158	0.74 156	0.62 173	0.70 181	0.56 176	0.72 180	0.55 174	0.72 171	0.54 172	0.73 136	0.56 173	0.72 177	0.56 176	0.56 166	0.62 181	0.63 177	0.73 176	0.53 173	0.73 179	0.54 172	0.72 173	0.65 181	0.62 175	0.56 175	0.72 176	0.54 173	0.72 174	0.57 170

RAFT-Stereo + iAFF	0.67 164	0.74 156	0.60 171	0.79 185	0.61 179	0.76 181	0.57 177	0.71 170	0.56 174	0.71 134	0.54 171	0.72 177	0.66 183	0.65 178	0.65 184	0.64 178	0.74 178	0.64 183	0.74 181	0.63 179	0.73 174	0.65 181	0.64 176	0.64 183	0.74 178	0.61 180	0.73 175	0.64 179

AFF-stereo	0.71 171	0.73 154	0.65 175	0.82 188	0.63 182	0.83 185	0.63 184	0.73 172	0.65 182	0.82 145	0.73 187	0.74 180	0.64 181	0.63 175	0.62 181	0.62 176	0.73 176	0.63 182	0.74 181	0.72 187	0.80 176	0.58 174	0.70 186	0.71 189	0.79 180	0.69 186	0.78 177	0.72 187

gcap-zeroshot	0.81 183	1.03 175	0.84 188	0.93 194	0.85 196	0.84 187	0.62 183	1.21 205	0.53 171	0.79 140	0.84 195	0.77 181	0.70 185	0.84 193	0.67 186	0.74 186	1.18 211	0.52 172	0.91 193	0.79 190	0.84 181	0.61 178	0.83 194	0.69 188	0.93 194	0.82 196	0.85 185	0.66 181

AIO-Stereo	0.82 184	1.06 177	0.73 179	0.97 198	0.74 188	1.06 203	0.60 181	1.04 193	0.90 197	1.00 156	1.01 205	0.78 182	0.85 196	0.74 186	0.62 181	0.67 180	1.12 202	0.55 174	0.70 176	0.65 181	0.93 188	0.66 184	0.67 181	0.67 186	0.82 184	0.74 190	0.92 187	0.83 193

G-Net	0.82 184	1.77 204	0.78 182	0.78 184	0.78 190	0.78 182	0.78 192	0.78 173	0.79 189	0.79 140	0.78 190	0.78 182	0.78 190	0.78 187	0.78 191	0.78 187	0.79 180	0.79 192	0.79 185	0.79 190	0.79 175	0.79 191	0.79 191	0.79 192	0.79 180	0.79 193	0.79 178	0.79 190

WAO-8	1.02 204	1.50 200	1.49 220	0.40 137	0.40 146	1.56 224	0.98 201	1.55 214	0.58 177	4.18 250	0.40 147	0.79 184	0.48 163	0.91 194	0.39 146	0.99 203	0.71 174	0.70 187	0.51 165	0.77 189	1.07 197	0.82 195	0.69 185	0.96 203	1.01 198	1.30 225	1.10 203	1.38 228

NaN_ROB	0.80 180	0.80 159	0.80 184	0.80 186	0.80 192	0.80 183	0.80 194	0.80 174	0.80 190	0.80 142	0.80 192	0.80 185	0.80 191	0.80 188	0.80 193	0.80 189	0.80 181	0.80 194	0.80 186	0.80 193	0.80 176	0.80 192	0.80 192	0.80 193	0.80 182	0.80 194	0.80 179	0.80 191

CSAN	0.80 180	0.80 159	0.80 184	0.80 186	0.80 192	0.80 183	0.80 194	0.80 174	0.80 190	0.80 142	0.80 192	0.80 185	0.80 191	0.80 188	0.80 193	0.80 189	0.80 181	0.80 194	0.80 186	0.80 193	0.80 176	0.80 192	0.80 192	0.80 193	0.80 182	0.80 194	0.80 179	0.80 191

RSM++	0.77 178	0.91 165	0.72 176	0.83 189	0.71 186	0.83 185	0.72 191	0.81 176	0.71 185	0.81 144	0.71 185	0.81 187	0.71 187	0.71 184	0.71 188	0.70 183	0.83 184	0.72 189	0.83 189	0.81 195	0.83 180	0.72 189	0.71 188	0.71 189	0.88 188	0.71 187	0.83 183	0.70 184

UDG	0.70 169	0.87 163	0.56 167	0.87 191	0.59 177	0.84 187	0.59 180	0.85 178	0.57 176	0.84 147	0.59 177	0.84 188	0.60 179	0.58 167	0.60 178	0.59 173	0.85 185	0.59 177	0.87 192	0.58 175	0.87 183	0.60 177	0.57 170	0.59 177	0.87 186	0.58 177	0.86 186	0.60 174

DDUNet	0.69 167	0.84 162	0.59 170	0.84 190	0.59 177	0.87 190	0.57 177	0.84 177	0.59 179	0.82 145	0.58 176	0.85 189	0.57 177	0.59 170	0.59 177	0.57 172	0.87 186	0.59 177	0.85 190	0.59 177	0.85 182	0.59 176	0.59 171	0.59 177	0.87 186	0.59 178	0.84 184	0.59 172

MoCha-V2	1.75 227	27.02 278	0.72 176	0.92 192	0.69 184	0.89 191	0.69 188	0.92 182	0.71 185	0.87 148	0.69 184	0.88 190	0.68 184	0.70 182	0.68 187	0.69 182	0.90 189	0.69 186	0.92 194	0.69 184	0.92 186	0.71 188	0.70 186	0.67 186	0.88 188	0.71 187	0.92 187	0.68 182

DGTPSM_ROB	0.92 189	0.93 169	0.91 189	0.93 194	0.91 197	0.92 192	0.93 200	0.92 182	0.92 198	0.92 151	0.91 197	0.91 191	0.93 201	0.91 194	0.92 201	0.92 201	0.92 190	0.92 199	0.92 194	0.90 199	0.91 184	0.92 199	0.93 198	0.94 202	0.92 192	0.91 198	0.92 187	0.97 200

DPSM_ROB	0.93 191	0.92 166	0.94 191	0.96 196	1.02 204	0.92 192	0.98 201	0.95 185	0.92 198	0.92 151	0.92 199	0.91 191	0.97 202	0.92 196	0.91 199	0.91 198	0.96 192	0.94 201	0.93 197	0.91 200	0.93 188	0.92 199	0.93 198	0.91 199	0.91 190	0.99 200	0.92 187	0.91 197

DPSM	0.93 191	0.92 166	0.94 191	0.96 196	1.02 204	0.92 192	0.98 201	0.95 185	0.92 198	0.92 151	0.92 199	0.91 191	0.97 202	0.92 196	0.91 199	0.91 198	0.96 192	0.94 201	0.93 197	0.91 200	0.93 188	0.92 199	0.93 198	0.91 199	0.91 190	0.99 200	0.92 187	0.91 197

pmcnn	0.92 189	0.92 166	0.92 190	0.92 192	0.92 198	0.92 192	0.92 198	0.92 182	0.92 198	0.92 151	0.92 199	0.92 194	0.92 200	0.92 196	0.92 201	0.92 201	0.92 190	0.92 199	0.92 194	0.92 203	0.92 186	0.92 199	0.92 197	0.92 201	0.92 192	0.92 199	0.92 187	0.92 199

FCDSN-DC	0.44 129	0.31 103	0.35 127	0.34 113	0.28 113	0.35 116	0.30 130	0.32 107	0.25 103	1.32 182	0.24 104	1.00 195	0.32 127	0.35 127	0.34 130	0.30 121	0.72 175	0.37 137	0.48 156	0.32 131	0.53 159	0.49 166	0.23 99	0.29 122	0.50 156	0.42 152	0.61 167	0.71 186
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
GANet	1.00 197	1.00 170	1.00 193	1.00 199	1.00 200	1.00 197	1.00 204	1.00 187	1.00 204	1.00 156	1.00 202	1.00 195	1.00 205	1.00 202	1.00 203	1.00 204	1.00 195	1.00 203	1.00 199	1.00 204	1.00 191	1.00 203	1.00 202	1.00 204	1.00 195	1.00 203	1.00 193	1.00 202

TDLM	1.00 197	1.00 170	1.00 193	1.00 199	1.00 200	1.00 197	1.00 204	1.00 187	1.00 204	1.00 156	1.00 202	1.00 195	1.00 205	1.00 202	1.00 203	1.00 204	1.00 195	1.00 203	1.00 199	1.00 204	1.00 191	1.00 203	1.00 202	1.00 204	1.00 195	1.00 203	1.00 193	1.00 202

CVANet_RVC	1.00 197	1.00 170	1.00 193	1.00 199	1.00 200	1.00 197	1.00 204	1.00 187	1.00 204	1.00 156	1.00 202	1.00 195	1.00 205	1.00 202	1.00 203	1.00 204	1.00 195	1.00 203	1.00 199	1.00 204	1.00 191	1.00 203	1.00 202	1.00 204	1.00 195	1.00 203	1.00 193	1.00 202

trnet	1.01 201	1.01 173	1.01 196	1.01 202	1.01 203	1.01 200	1.01 207	1.01 190	1.01 207	1.01 160	1.01 205	1.01 199	1.01 208	1.01 205	1.01 207	1.01 207	1.01 198	1.01 207	1.01 202	1.01 207	1.01 194	1.01 206	1.01 205	1.01 207	1.01 198	1.01 206	1.01 197	1.01 205

DPSimNet_ROB	0.93 191	1.04 176	0.83 187	1.05 204	0.82 194	1.04 201	0.83 197	1.03 191	0.89 196	1.03 161	0.84 195	1.03 200	0.84 194	0.83 192	0.84 196	0.83 191	1.14 204	0.84 196	1.12 208	0.84 197	1.04 195	0.88 198	0.83 194	0.84 197	1.07 204	0.83 197	1.15 206	0.88 194

GLC_STEREO	1.05 206	1.01 173	1.02 197	1.02 203	1.02 204	1.05 202	1.06 209	1.05 194	1.05 208	1.04 163	1.05 207	1.05 201	1.04 209	1.06 208	1.05 208	1.06 209	1.06 199	1.05 209	1.06 203	1.05 209	1.06 196	1.06 208	1.04 207	1.05 208	1.04 200	1.05 207	1.06 199	1.06 206

FC-DCNN	1.10 207	0.81 161	0.77 181	0.63 175	0.42 152	0.86 189	0.64 186	0.91 180	0.96 202	1.11 164	0.80 192	1.07 202	0.81 193	0.67 181	1.75 234	1.30 224	1.41 222	0.85 197	1.28 218	0.71 185	2.12 231	1.32 224	0.52 166	0.81 196	1.64 225	1.40 230	2.39 233	1.75 236

Nwc_Net	1.15 210	1.15 182	1.15 206	1.09 205	1.19 220	1.16 209	1.17 216	1.15 198	1.16 217	1.16 170	1.16 214	1.08 203	1.16 216	1.11 211	1.15 217	1.18 218	1.11 201	1.10 211	1.16 209	1.17 219	1.16 201	1.13 213	1.18 216	1.20 221	1.11 207	1.15 215	1.16 207	1.20 217

AF-Net	2.06 235	25.73 277	1.18 210	1.12 209	1.16 217	1.16 209	1.19 219	1.10 195	1.17 220	1.15 167	1.14 213	1.11 204	1.16 216	1.16 216	1.14 215	1.11 210	1.15 205	1.13 216	1.21 215	1.17 219	1.11 198	1.21 220	1.17 215	1.17 218	1.17 211	1.11 214	1.20 213	1.13 212

NCC-stereo	1.15 210	1.17 187	1.12 205	1.10 206	1.15 214	1.14 207	1.15 214	1.15 198	1.12 213	1.17 173	1.17 218	1.11 204	1.17 219	1.11 211	1.10 211	1.16 214	1.12 202	1.11 214	1.16 209	1.13 215	1.23 212	1.16 214	1.19 218	1.11 214	1.18 213	1.17 217	1.17 210	1.13 212

AIO-Stereo-zeroshot	0.93 191	0.77 158	0.82 186	1.16 213	0.75 189	0.99 196	0.92 198	0.91 180	0.99 203	0.94 155	0.91 197	1.15 206	0.88 197	0.92 196	1.00 203	0.67 180	0.98 194	1.00 203	0.75 183	0.91 200	1.18 205	0.87 196	0.89 196	0.90 198	1.08 205	1.07 209	0.74 176	0.89 195

RP	1.14 208	1.16 184	1.15 206	1.17 215	1.10 211	1.16 209	1.15 214	1.10 195	1.16 217	1.15 167	1.08 209	1.16 207	1.15 215	1.15 215	1.14 215	1.16 214	1.16 207	1.10 211	1.10 205	1.10 213	1.16 201	1.11 211	1.10 210	1.19 220	1.14 209	1.19 220	1.07 200	1.10 209

Abc-Net	1.14 208	1.16 184	1.18 210	1.10 206	1.10 211	1.16 209	1.18 218	1.16 200	1.13 214	1.11 164	1.16 214	1.16 207	1.12 213	1.10 209	1.17 218	1.16 214	1.16 207	1.10 211	1.16 209	1.14 216	1.17 203	1.16 214	1.11 211	1.09 213	1.10 206	1.10 212	1.16 207	1.17 214
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RGC	1.15 210	1.16 184	1.17 209	1.15 211	1.11 213	1.21 214	1.21 225	1.10 195	1.15 215	1.16 170	1.11 211	1.17 209	1.09 211	1.14 214	1.11 212	1.16 214	1.19 212	1.11 214	1.10 205	1.15 218	1.11 198	1.19 217	1.16 214	1.12 215	1.17 211	1.10 212	1.16 207	1.17 214

edge stereo	1.15 210	1.18 188	1.11 204	1.12 209	1.17 218	1.17 213	1.17 216	1.16 200	1.18 221	1.16 170	1.17 218	1.17 209	1.13 214	1.11 211	1.11 212	1.12 211	1.17 209	1.17 217	1.11 207	1.17 219	1.17 203	1.17 216	1.18 216	1.14 216	1.11 207	1.18 218	1.12 204	1.11 210

HSM-Net_RVC	0.93 191	1.09 180	0.79 183	1.10 206	0.78 190	1.09 205	0.79 193	1.16 200	0.80 190	1.14 166	0.79 191	1.17 209	0.77 189	0.73 185	0.83 195	0.78 187	1.19 212	0.79 192	1.18 212	0.72 187	1.19 207	0.80 192	0.72 190	0.80 193	1.18 213	0.74 190	1.14 205	0.73 189
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
stereogan	1.17 215	1.19 190	1.15 206	1.15 211	1.15 214	1.15 208	1.19 219	1.19 203	1.15 215	1.15 167	1.16 214	1.19 212	1.19 220	1.19 217	1.19 219	1.19 219	1.15 205	1.19 220	1.19 213	1.19 222	1.15 200	1.19 217	1.15 213	1.15 217	1.16 210	1.15 215	1.19 211	1.20 217

FAT-Stereo	1.22 216	1.23 191	1.19 213	1.21 217	1.24 223	1.24 216	1.19 219	1.25 206	1.24 224	1.25 178	1.19 221	1.20 213	1.24 224	1.20 218	1.21 221	1.25 223	1.22 214	1.21 222	1.25 216	1.23 225	1.22 210	1.19 217	1.19 218	1.24 224	1.25 216	1.20 221	1.19 211	1.25 223

S-Stereo	1.22 216	1.18 188	1.19 213	1.20 216	1.23 222	1.23 215	1.19 219	1.19 203	1.18 221	1.27 179	1.20 222	1.20 213	1.20 221	1.23 220	1.22 223	1.23 222	1.23 215	1.23 224	1.20 214	1.25 226	1.20 208	1.22 223	1.25 222	1.24 224	1.20 215	1.22 224	1.26 214	1.24 222

ccs_rob	1.00 197	10.06 262	0.31 122	0.44 148	0.31 129	0.43 147	0.31 132	0.43 139	0.32 127	0.45 115	0.32 131	1.20 213	0.31 125	7.02 267	0.31 128	0.31 124	0.44 143	0.31 126	0.44 144	0.32 131	0.44 137	0.31 127	0.32 126	0.32 129	0.44 142	0.32 131	0.43 139	0.31 130

CroCo-Stereo	0.80 180	2.51 218	0.41 136	1.27 218	0.41 147	1.27 217	0.41 149	1.27 207	0.41 146	1.27 179	0.41 148	1.27 216	0.41 147	0.41 139	0.41 149	0.41 142	1.28 216	0.41 146	1.27 217	0.41 147	1.27 216	0.41 146	0.42 148	0.41 147	1.27 218	0.41 147	1.27 215	0.41 146
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	0.85 187	2.86 222	0.43 142	1.33 220	0.43 153	1.31 218	0.42 154	1.32 208	0.42 151	1.31 181	0.44 153	1.32 217	0.44 153	0.43 145	0.44 155	0.43 147	1.35 217	0.43 152	1.32 219	0.43 153	1.31 217	0.43 151	0.43 149	0.42 153	1.31 219	0.42 152	1.31 216	0.43 151

PS-NSSS	1.48 221	4.46 236	1.35 216	1.35 221	1.35 225	1.41 222	1.34 227	1.36 209	1.35 228	1.40 186	1.35 225	1.33 218	1.35 225	1.37 222	1.40 226	1.35 225	1.35 217	1.35 227	1.39 221	1.44 232	1.35 218	1.34 225	1.35 223	1.38 230	1.35 220	1.33 226	1.34 217	1.38 228

CC-Net-ROB	1.51 222	4.40 235	1.69 224	1.39 223	1.40 226	1.37 220	1.40 230	1.36 209	1.39 229	1.41 187	1.36 226	1.35 219	1.38 227	1.39 223	1.39 225	1.36 226	1.36 219	1.35 227	1.39 221	1.39 229	1.37 220	1.36 227	1.41 227	1.48 231	1.39 222	1.42 231	1.35 218	1.35 224

RASNet	1.39 219	1.37 198	1.35 216	1.38 222	1.40 226	1.39 221	1.77 235	1.36 209	1.74 235	1.36 185	1.36 226	1.36 220	1.36 226	1.36 221	1.35 224	1.41 229	1.36 219	1.36 229	1.36 220	1.35 228	1.36 219	1.35 226	1.36 224	1.35 226	1.36 221	1.35 227	1.36 219	1.35 224

SPS-STEREO	1.25 218	1.47 199	1.06 202	1.54 224	1.08 209	1.52 223	1.20 224	1.44 212	1.06 210	1.49 191	1.10 210	1.41 221	1.10 212	0.98 200	1.08 210	1.12 211	1.47 223	1.04 208	1.53 223	1.14 216	1.52 221	1.07 209	1.02 206	1.05 208	1.48 223	1.07 209	1.55 220	1.11 210
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DPSMNet_ROB	1.62 224	1.60 202	1.59 221	1.61 225	1.69 230	1.66 225	1.61 231	1.70 215	1.65 233	1.62 193	1.60 232	1.61 222	1.60 231	1.60 226	1.59 231	1.62 230	1.60 224	1.63 232	1.62 224	1.68 235	1.70 222	1.60 230	1.64 230	1.60 232	1.61 224	1.60 232	1.60 221	1.59 232

HBP-ISP	1.47 220	1.07 179	1.03 198	1.30 219	1.08 209	1.36 219	1.06 209	1.44 212	1.25 226	1.97 205	1.51 230	1.65 223	1.58 230	0.98 200	1.58 230	1.68 232	1.98 228	1.32 225	2.02 229	1.28 227	2.95 236	1.89 240	0.97 201	1.06 210	1.26 217	0.99 200	1.94 223	1.43 230

MFMNet_re	1.77 228	1.89 205	1.72 225	1.88 226	1.69 230	1.89 226	1.67 232	1.91 217	1.70 234	1.87 196	1.67 233	1.89 224	1.68 233	1.67 227	1.67 233	1.70 233	1.88 225	1.68 234	1.88 225	1.67 233	1.89 223	1.68 233	1.70 232	1.71 234	1.87 226	1.68 237	1.87 222	1.68 234

R-Stereo Train	1.62 224	2.01 206	1.41 218	1.97 227	1.40 226	1.96 227	1.39 228	1.93 218	1.39 229	1.92 200	1.38 228	1.94 225	1.39 228	1.40 224	1.45 227	1.38 227	1.96 226	1.37 230	1.97 226	1.39 229	1.98 224	1.41 228	1.40 225	1.37 228	1.97 227	1.38 228	1.96 224	1.37 226

RAFT-Stereo	1.62 224	2.01 206	1.41 218	1.97 227	1.40 226	1.96 227	1.39 228	1.93 218	1.39 229	1.92 200	1.38 228	1.94 225	1.39 228	1.40 224	1.45 227	1.38 227	1.96 226	1.37 230	1.97 226	1.39 229	1.98 224	1.41 228	1.40 225	1.37 228	1.97 227	1.38 228	1.96 224	1.37 226
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
GANetREF_RVC	1.52 223	2.01 206	1.21 215	1.98 229	1.21 221	1.98 229	1.21 225	1.98 223	1.21 223	1.99 206	1.21 223	1.98 227	1.21 223	1.02 206	1.21 221	1.21 221	1.99 229	1.21 222	1.99 228	1.21 223	1.99 226	1.21 220	1.21 220	1.21 222	1.99 229	1.21 222	1.99 226	1.21 219
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
STTStereo	2.30 239	2.34 215	2.26 239	2.37 234	2.23 241	2.40 234	2.35 246	2.20 224	2.33 246	2.28 216	2.31 245	2.19 228	2.37 245	2.20 236	2.31 246	2.23 244	2.38 234	2.25 245	2.33 234	2.27 246	2.39 233	2.27 244	2.31 246	2.29 243	2.37 234	2.32 247	2.34 232	2.26 246

NCCL2	2.27 238	2.27 214	2.28 240	2.27 230	2.28 244	2.28 230	2.28 245	2.27 225	2.28 245	2.28 216	2.28 244	2.29 229	2.28 244	2.28 239	2.29 245	2.28 245	2.28 230	2.28 246	2.27 230	2.28 247	2.28 232	2.28 245	2.28 245	2.28 242	2.28 233	2.28 246	2.11 227	2.28 247

TRStereo	2.05 232	2.13 209	1.85 229	2.27 230	1.84 235	2.28 230	1.84 238	2.29 226	1.87 239	2.29 219	1.86 237	2.30 230	1.87 238	2.30 240	1.87 239	2.08 240	2.29 231	1.87 238	2.30 231	1.87 239	2.08 228	1.72 234	1.86 238	2.30 244	2.13 230	1.84 240	2.29 228	1.87 239

XX-Stereo	2.05 232	2.13 209	1.85 229	2.27 230	1.84 235	2.28 230	1.84 238	2.29 226	1.87 239	2.29 219	1.86 237	2.30 230	1.87 238	2.30 240	1.87 239	2.08 240	2.29 231	1.87 238	2.30 231	1.87 239	2.08 228	1.72 234	1.86 238	2.30 244	2.13 230	1.84 240	2.29 228	1.87 239

EAI-Stereo	2.05 232	2.13 209	1.85 229	2.27 230	1.84 235	2.28 230	1.84 238	2.29 226	1.87 239	2.29 219	1.86 237	2.30 230	1.87 238	2.30 240	1.87 239	2.08 240	2.29 231	1.87 238	2.30 231	1.87 239	2.08 228	1.72 234	1.86 238	2.30 244	2.13 230	1.84 240	2.29 228	1.87 239

FBW_ROB	2.04 231	2.50 217	1.75 226	2.45 235	1.78 233	2.40 234	1.74 234	2.47 230	1.77 236	2.37 224	1.81 235	2.30 230	1.80 234	1.78 229	1.88 242	1.80 234	2.41 235	1.77 235	2.43 235	1.83 237	2.39 233	1.81 238	1.76 234	1.75 235	2.56 236	1.75 238	2.30 231	1.74 235

UDGNet	1.97 230	2.43 216	1.67 222	2.46 236	1.70 232	2.44 236	1.69 233	2.34 229	1.63 232	2.35 223	1.67 233	2.37 234	1.67 232	1.68 228	1.64 232	1.67 231	2.44 236	1.64 233	2.43 235	1.67 233	2.43 235	1.66 231	1.67 231	1.63 233	2.43 235	1.66 235	2.42 234	1.66 233

NLCA_NET_v2_RVC	2.50 240	2.85 221	1.90 234	2.90 237	2.77 246	2.88 237	2.85 248	2.51 231	2.85 248	2.88 231	1.99 242	2.50 235	2.76 247	2.20 236	1.57 229	2.64 246	2.89 237	2.63 247	5.69 263	1.03 208	2.01 227	2.71 246	2.74 248	2.73 247	2.87 237	1.64 233	1.00 193	1.49 231
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PDISCO_ROB	0.50 135	0.15 58	0.11 55	0.16 71	3.16 248	0.13 56	0.12 72	0.14 56	0.12 71	0.15 47	0.11 56	2.55 236	0.11 56	2.20 236	0.13 77	0.12 70	0.16 71	0.10 44	0.14 56	0.12 74	0.15 64	0.12 73	0.12 70	0.12 71	0.15 62	0.10 43	2.75 235	0.09 42

GES	0.43 128	0.41 118	0.31 122	0.35 117	0.30 127	0.47 154	0.28 115	0.33 108	0.28 115	0.35 89	0.29 124	2.95 237	0.38 139	0.35 127	0.30 126	0.34 130	0.34 112	0.30 124	0.33 109	0.30 127	0.35 110	0.30 126	0.33 128	0.33 130	0.33 110	0.31 129	0.33 108	0.29 123

FC-DCNN v2	4.74 262	3.16 223	3.16 247	3.16 238	3.16 248	3.16 239	3.16 250	3.16 236	3.16 249	3.16 234	3.16 248	3.16 238	3.16 251	3.16 245	3.16 249	3.16 251	6.72 266	6.72 268	6.72 266	6.72 270	6.72 265	6.72 270	6.72 269	6.72 267	6.72 264	6.72 267	6.72 265	6.72 268

plain	1.96 229	3.33 224	1.04 199	3.24 239	1.04 207	3.24 240	1.04 208	3.26 237	1.05 208	3.26 235	1.13 212	3.27 239	1.06 210	1.05 207	1.05 208	1.05 208	3.28 238	1.05 209	3.29 237	1.06 210	3.30 237	1.05 207	1.05 208	1.06 210	3.30 238	1.06 208	3.30 238	1.06 206

UniTT-Stereo	2.12 236	3.66 228	1.10 203	3.48 242	1.15 214	3.57 243	1.11 213	3.44 239	1.16 217	3.52 237	1.16 214	3.50 240	1.16 216	1.10 209	1.13 214	1.15 213	3.61 239	1.17 217	3.64 238	1.12 214	3.58 240	1.12 212	1.12 212	1.17 218	3.53 241	1.18 218	3.52 240	1.18 216

SA	3.93 250	7.22 244	4.74 252	4.15 252	3.88 260	3.70 246	4.02 263	6.67 260	3.95 258	3.64 238	3.74 254	3.63 241	3.00 249	3.51 247	3.68 258	3.68 255	3.73 243	3.71 256	3.64 238	3.48 251	3.58 240	2.97 248	3.69 254	3.61 250	3.55 243	3.42 249	3.64 241	3.79 257

DPSNet	3.67 247	3.61 227	3.62 250	3.64 243	3.61 254	3.64 244	3.65 254	3.64 241	3.67 253	3.67 239	3.65 252	3.68 242	3.69 258	3.69 252	3.69 259	3.68 255	3.70 241	3.70 255	3.69 243	3.69 256	3.71 243	3.69 252	3.67 253	3.69 255	3.68 244	3.67 252	3.68 242	3.67 249

test-1	4.11 251	7.65 247	4.93 253	3.65 244	3.58 252	4.70 259	3.74 258	4.73 247	4.06 260	3.72 240	4.11 262	3.70 243	3.49 253	3.36 246	3.65 254	4.17 263	3.92 247	4.04 262	4.19 251	3.75 257	4.69 258	4.18 259	3.88 257	3.90 257	4.73 256	3.77 257	3.12 237	3.68 252

RAStereo	2.24 237	3.70 229	1.18 210	3.73 246	1.18 219	3.69 245	1.19 219	3.73 242	1.24 224	3.72 240	1.21 223	3.76 244	1.20 221	1.20 218	1.20 220	1.20 220	3.74 244	1.20 221	3.75 244	1.21 223	3.77 244	1.21 220	1.21 220	1.21 222	3.82 245	1.21 222	3.82 244	1.21 219

Sa-1000	3.84 249	7.71 248	6.81 265	4.15 252	2.86 247	3.27 241	3.87 260	5.99 252	4.35 264	2.78 229	3.71 253	3.88 245	3.56 254	3.88 255	3.64 252	2.71 248	3.72 242	3.27 250	3.67 242	3.15 250	3.51 239	3.36 250	2.70 247	3.49 249	3.32 239	3.76 256	2.87 236	3.76 256

TestStereo1	4.11 251	7.79 250	6.72 263	3.93 247	3.81 257	3.96 248	3.58 252	6.96 263	3.74 255	3.90 242	3.76 255	3.89 246	3.57 255	3.70 253	3.66 255	3.34 252	3.80 245	3.62 252	3.66 240	3.68 254	3.91 246	3.70 253	3.65 251	3.67 252	3.88 246	3.53 250	3.89 245	3.68 252

SA-5K	4.11 251	7.79 250	6.72 263	3.93 247	3.81 257	3.96 248	3.58 252	6.96 263	3.74 255	3.90 242	3.76 255	3.89 246	3.57 255	3.70 253	3.66 255	3.34 252	3.80 245	3.62 252	3.66 240	3.68 254	3.91 246	3.70 253	3.65 251	3.67 252	3.88 246	3.53 250	3.89 245	3.68 252

TESTraft	4.16 255	8.03 252	6.81 265	3.99 249	3.68 255	3.93 247	3.70 256	6.86 262	3.69 254	3.93 244	3.88 260	3.93 248	3.59 257	3.65 251	3.64 252	3.68 255	3.92 247	3.72 257	3.92 245	3.57 253	3.84 245	3.70 253	3.71 255	3.67 252	3.91 249	3.74 254	3.92 247	3.67 249

raft_robust	4.19 256	7.78 249	6.08 258	3.30 241	3.85 259	4.03 251	3.73 257	6.25 259	3.30 251	4.44 252	3.28 250	4.01 249	3.82 261	4.29 260	3.70 260	4.01 260	4.48 257	3.42 251	4.11 249	3.76 258	4.05 250	3.32 249	3.85 256	3.82 256	4.71 255	3.83 258	4.09 249	3.80 258

test_4	4.11 251	8.05 253	6.64 261	4.52 257	3.68 255	3.00 238	3.40 251	6.21 258	3.29 250	4.07 246	3.84 258	4.04 250	3.76 260	3.56 250	3.67 257	3.76 258	4.04 250	3.79 258	4.10 248	3.53 252	3.98 248	3.74 256	3.55 250	3.61 250	3.94 250	3.75 255	3.73 243	3.73 255

test_3	4.55 261	10.96 266	7.69 269	4.04 251	3.60 253	4.10 252	3.98 262	7.94 265	4.56 265	3.99 245	4.03 261	4.08 251	3.74 259	3.99 259	3.91 262	4.05 261	4.33 255	3.89 259	4.14 250	4.00 261	4.11 251	4.02 258	4.01 261	3.91 258	3.53 241	3.94 260	4.19 250	4.20 262

sCroCo_RVC	2.76 242	4.00 230	1.82 228	4.00 250	1.83 234	3.98 250	1.82 236	3.99 243	1.81 237	4.14 247	2.76 246	4.13 252	1.82 236	1.83 230	1.83 235	1.82 235	4.01 249	1.82 237	3.98 247	1.86 238	4.00 249	1.82 239	1.83 236	1.84 236	4.02 251	1.81 239	4.00 248	1.83 238

sAnonymous2	2.87 243	4.16 231	1.89 232	4.26 254	1.87 238	4.23 253	1.92 241	4.17 244	1.94 242	4.16 248	1.92 240	4.20 253	1.92 241	1.96 232	1.86 237	1.87 237	4.25 252	1.90 241	4.23 252	1.91 242	4.26 252	1.93 241	1.89 241	1.90 237	4.07 252	1.91 243	5.09 260	1.93 243

CroCo_RVC	2.87 243	4.16 231	1.89 232	4.26 254	1.87 238	4.23 253	1.92 241	4.17 244	1.94 242	4.16 248	1.92 240	4.20 253	1.92 241	1.96 232	1.86 237	1.87 237	4.25 252	1.90 241	4.23 252	1.91 242	4.26 252	1.93 241	1.89 241	1.90 237	4.07 252	1.91 243	5.09 260	1.93 243

RAFT_CTSACE	4.43 257	8.26 255	6.10 259	4.62 258	4.01 262	4.54 258	3.65 254	6.09 254	3.93 257	4.64 255	4.14 263	4.26 255	4.13 263	3.91 256	3.88 261	4.06 262	4.30 254	4.03 261	4.27 254	3.92 259	4.26 252	3.67 251	3.91 258	4.16 260	4.82 257	4.08 262	4.20 251	3.67 249

cross-raft	4.43 257	7.31 245	6.46 260	4.47 256	3.95 261	4.46 256	3.95 261	6.70 261	3.97 259	4.41 251	3.82 257	4.38 256	3.94 262	3.95 258	3.95 263	3.95 259	4.45 256	3.95 260	4.46 255	3.95 260	4.46 256	3.95 257	3.95 260	3.94 259	4.40 254	3.95 261	4.45 253	3.95 259

RAFT+CT+SA	4.43 257	7.34 246	6.71 262	5.01 261	4.38 263	4.40 255	3.85 259	6.15 257	4.30 263	4.89 257	3.26 249	4.49 257	3.01 250	4.53 261	3.36 251	3.65 254	3.64 240	4.39 264	3.94 246	4.28 262	4.44 255	4.30 261	4.24 263	4.52 262	3.90 248	3.85 259	4.89 254	4.00 260

Anonymous3	3.36 245	4.93 239	2.20 236	4.92 260	2.23 241	4.90 260	2.23 244	4.89 249	2.24 244	4.95 258	2.21 243	4.91 258	2.21 243	2.18 235	2.22 244	2.22 243	4.86 259	2.20 244	4.90 258	2.20 245	4.96 259	2.21 243	2.21 244	2.21 241	6.30 263	2.21 245	4.90 255	2.23 245

MIF-Stereo (partial)	2.52 241	3.41 226	1.05 200	3.29 240	1.05 208	3.29 242	1.06 209	3.30 238	1.06 210	3.31 236	1.06 208	4.97 259	2.72 246	2.72 243	2.71 247	2.70 247	6.57 265	2.19 243	5.08 260	1.08 212	3.36 238	1.07 209	1.07 209	1.07 212	3.35 240	1.07 209	3.36 239	1.07 208

TestStereo	4.92 263	4.80 238	4.98 254	4.82 259	4.97 265	4.91 261	4.78 266	4.80 248	4.88 266	4.78 256	4.80 265	4.99 260	4.81 266	4.83 262	4.87 266	4.97 266	4.93 260	5.01 266	5.03 259	4.90 265	5.02 260	5.02 264	5.06 264	5.04 264	4.93 259	4.89 264	5.01 257	5.09 264

DispFullNet	4.96 264	5.67 240	3.30 249	5.01 261	3.21 250	4.50 257	3.11 249	4.43 246	3.44 252	4.60 254	3.46 251	5.13 261	3.44 252	3.53 248	3.20 250	2.87 250	4.80 258	3.15 249	4.70 256	4.83 264	9.02 270	5.98 267	5.95 268	6.21 266	8.84 269	5.85 266	9.76 270	5.91 266

test_5	4.51 260	8.85 258	5.35 257	3.66 245	3.56 251	5.10 262	4.47 265	6.14 255	4.07 261	4.96 259	3.87 259	5.14 262	4.17 265	3.53 248	4.39 264	4.53 264	4.15 251	3.62 252	4.74 257	2.94 249	3.63 242	4.53 263	4.20 262	4.54 263	4.86 258	3.68 253	4.95 256	4.06 261

StereoVision	3.44 246	10.12 264	1.68 223	5.44 263	2.26 243	5.87 263	1.97 243	5.17 250	1.31 227	5.80 261	1.56 231	5.62 263	1.84 237	1.97 234	1.91 243	1.84 236	4.98 261	1.32 225	5.60 261	1.71 236	5.35 263	1.73 237	1.97 243	1.96 239	5.40 260	1.65 234	5.08 259	1.76 237

MaDis-Stereo	3.69 248	10.19 265	2.01 235	6.09 264	2.01 240	5.94 264	1.82 236	6.14 255	1.85 238	6.59 264	1.82 236	6.01 264	1.81 235	1.83 230	1.83 235	2.02 239	5.87 262	1.79 236	5.93 264	2.06 244	4.63 257	1.67 232	1.84 237	2.08 240	5.90 261	1.66 235	6.34 263	1.87 239

SGM-Forest	5.07 265	6.74 242	4.17 251	6.46 265	4.68 264	6.21 266	4.38 264	6.00 253	4.14 262	5.84 262	4.44 264	6.28 265	4.16 264	3.92 257	4.56 265	4.60 265	6.15 263	4.27 263	6.12 265	4.31 263	5.99 264	4.27 260	3.92 259	4.27 261	6.13 262	4.10 263	6.18 262	4.49 263
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test-v	7.17 269	11.53 267	7.63 267	7.17 266	6.87 269	7.48 267	6.90 269	8.14 267	6.88 269	6.93 265	7.42 269	7.05 266	6.14 268	6.05 264	6.86 268	6.99 269	7.60 267	6.75 269	6.90 267	6.66 268	7.83 266	6.36 268	5.89 266	7.34 269	7.19 266	6.75 268	7.52 266	6.77 269

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

RAFT	6.60 268	9.99 261	8.33 270	7.21 268	6.55 268	5.95 265	5.87 268	8.70 270	5.02 267	5.10 260	6.69 268	7.06 268	6.94 270	6.17 266	7.09 270	6.84 268	6.47 264	4.72 265	5.60 261	5.60 267	5.11 261	5.97 266	6.93 270	6.89 268	7.16 265	7.08 270	6.58 264	6.66 267

SGM+DAISY	6.35 267	8.16 254	5.14 256	8.12 269	5.08 267	8.12 269	5.16 267	8.01 266	5.18 268	7.92 267	5.14 266	7.89 269	5.14 267	4.95 263	5.33 267	5.32 267	8.14 269	5.16 267	8.16 269	5.16 266	8.21 268	5.19 265	5.12 265	5.12 265	8.18 268	5.24 265	8.12 268	5.11 265

U	5.23 266	8.71 257	2.75 244	8.64 270	2.76 245	8.65 270	2.79 247	8.67 269	2.79 247	8.70 269	2.79 247	8.70 270	2.79 248	2.79 244	2.80 248	2.80 249	8.84 270	2.82 248	8.82 270	2.89 248	8.84 269	2.83 247	2.83 249	2.82 248	8.87 270	2.83 248	8.84 269	2.83 248

rafts_anoy	20.00 272	20.00 269	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 272	20.00 272	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 272	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272

raft+_RVC	20.00 272	20.00 269	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 272	20.00 272	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 272	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272

raftrobust	20.00 272	20.00 269	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 272	20.00 272	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 272	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272

CasAABBNet	20.00 272	20.00 269	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 272	20.00 272	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 272	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272

RALCasStereoNet	20.00 272	20.00 269	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 272	20.00 272	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 272	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272

RALAANet	20.00 272	20.00 269	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 272	20.00 272	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 272	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272

MSMDNet	20.00 272	20.00 269	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 272	20.00 272	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272	20.00 272	20.00 272	20.00 271	20.00 272	20.00 271	20.00 272

MANE	18.41 271	23.00 276	16.00 271	22.00 278	15.00 271	22.00 278	15.00 271	22.00 278	15.00 271	21.00 278	15.00 271	22.00 278	15.00 271	15.00 271	17.00 271	15.00 271	23.00 278	15.00 271	22.00 278	15.00 271	23.00 278	15.00 271	18.00 271	15.00 271	24.00 278	17.00 271	24.00 278	16.00 271

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

CBMV	101.59 280	71.60 279	48.40 280	72.70 280	49.00 280	79.60 280	48.40 280	80.90 280	46.90 279	68.90 279	49.00 280	78.00 280	572.10 288	49.50 279	51.30 279	48.40 279	72.20 279	639.60 288	79.40 279	48.90 280	79.50 279	51.40 279	52.30 280	48.30 280	80.20 279	49.10 279	79.60 280	47.60 279
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
AE-Stereo	252.48 283	202.00 282	361.00 285	502.00 285	324.00 285	321.00 282	482.00 288	423.00 285	227.00 285	201.00 282	273.00 285	101.00 281	207.00 281	198.00 282	183.00 284	181.00 284	221.00 283	232.00 285	477.00 284	220.00 284	111.00 281	100.00 281	219.00 283	214.00 282	204.00 282	211.00 283	200.00 282	222.00 284

MGS-Stereo	264.93 284	208.00 283	362.00 286	512.00 286	350.00 286	326.00 283	443.00 287	410.00 284	210.00 282	232.00 284	215.00 282	125.00 282	217.00 282	216.00 284	127.00 282	122.00 282	223.00 284	230.00 283	487.00 286	255.00 285	250.00 284	223.00 285	272.00 285	228.00 285	241.00 283	220.00 285	214.00 283	235.00 285

EGLCR-Stereo	276.81 285	209.00 284	366.00 287	514.00 287	354.00 287	336.00 284	422.00 285	440.00 286	220.00 284	231.00 283	245.00 284	135.00 283	237.00 284	218.00 285	197.00 285	222.00 286	223.00 284	230.00 283	487.00 286	255.00 285	250.00 284	273.00 286	272.00 285	228.00 285	241.00 283	220.00 285	214.00 283	235.00 285

MeshStereo	151.99 281	131.36 281	140.69 281	151.38 281	151.40 281	150.79 281	151.72 281	149.36 281	159.46 281	146.42 281	150.73 281	149.06 284	176.22 280	143.94 281	133.10 283	133.45 283	153.30 282	154.22 281	154.67 282	153.95 282	156.90 283	156.53 283	160.21 281	162.72 281	154.57 281	160.59 281	153.47 281	163.50 281
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
DLCB_ROB	280.78 286	376.74 285	215.59 282	376.74 282	215.59 282	376.74 285	215.59 282	366.42 283	218.39 283	366.42 285	218.39 283	366.42 285	218.39 283	209.96 283	219.76 286	219.38 285	376.72 286	216.43 282	376.72 283	216.43 283	376.72 286	216.43 284	216.14 282	216.14 284	376.69 286	217.67 284	376.69 286	217.67 283

NOSS_ROB	248.11 282	409.00 286	288.00 283	412.00 283	280.00 283	411.00 286	288.00 283	356.00 282	275.00 286	379.00 286	303.00 286	415.00 286	278.00 285	260.00 286	104.00 281	103.00 281	126.00 281	108.00 280	118.00 281	98.00 281	126.00 282	104.00 282	268.00 284	216.00 283	279.00 285	201.00 282	288.00 285	206.00 282

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

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

CBMV_ROB	1133.35 289	1280.38 289	976.92 289	1317.57 289	1021.62 289	1282.66 289	1022.22 289	1213.88 289	982.57 289	1194.12 289	975.90 289	1357.87 289	1090.02 289	943.32 289	1021.85 289	1006.47 289	1309.01 289	986.29 289	1499.40 289	986.35 289	1359.35 289	975.96 289	975.21 289	969.30 289	1337.82 289	1042.34 289	1398.25 289	1073.86 289

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

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

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

anonymousdsp2	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290

anonymousdsp	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290

AMNet	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290	10000000.00 290

Low-res two-view benchmark