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

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

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

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

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

ADCS	0.06 24	0.02 14	0.04 21	0.02 15	0.03 21	0.02 15	0.02 15	0.02 15	0.02 15	1.03 145	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

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

BEATNet_4x	0.08 26	0.03 23	0.06 30	0.03 23	0.03 21	0.03 22	0.03 24	0.03 24	0.03 25	1.47 173	0.03 24	0.03 23	0.03 21	0.03 25	0.03 24	0.03 24	0.03 20	0.03 23	0.03 22	0.03 24	0.03 23	0.03 24	0.03 23	0.03 23	0.03 24	0.03 24	0.03 22	0.03 23

ADCL	0.08 26	0.03 23	0.06 30	0.03 23	0.03 21	0.03 22	0.03 24	0.03 24	0.03 25	1.47 173	0.03 24	0.03 23	0.03 21	0.03 25	0.03 24	0.03 24	0.03 20	0.03 23	0.03 22	0.03 24	0.03 23	0.03 24	0.03 23	0.03 23	0.03 24	0.03 24	0.03 22	0.03 23

ADCMid	0.08 26	0.02 14	0.13 68	0.03 23	0.02 15	0.03 22	0.02 15	0.02 15	0.02 15	1.32 166	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.07 37	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 23

AnyNet_C01	0.08 26	0.03 23	0.04 21	0.02 15	0.03 21	0.03 22	0.02 15	0.02 15	0.02 15	1.46 172	0.02 15	0.03 23	0.03 21	0.02 15	0.02 15	0.02 15	0.04 25	0.02 15	0.03 22	0.02 16	0.02 15	0.02 15	0.02 15	0.03 23	0.02 15	0.02 15	0.03 22	0.03 23

ADCPNet	0.08 26	0.03 23	0.04 21	0.03 23	0.03 21	0.03 22	0.03 24	0.03 24	0.03 25	1.32 166	0.03 24	0.03 23	0.03 21	0.03 25	0.03 24	0.03 24	0.03 20	0.03 23	0.03 22	0.03 24	0.03 23	0.03 24	0.03 23	0.03 23	0.03 24	0.03 24	0.04 27	0.03 23

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

APVNet	0.09 31	0.06 34	0.04 21	0.06 33	0.04 28	0.05 32	0.04 28	0.05 32	1.08 196	0.05 24	0.05 31	0.05 31	0.04 29	0.05 31	0.04 29	0.04 28	0.05 32	0.04 27	0.05 30	0.04 28	0.05 32	0.04 29	0.04 28	0.04 29	0.05 33	0.04 28	0.05 33	0.04 28

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

FADNet-RVC-Resample	0.10 33	0.04 29	0.05 26	0.04 29	0.05 31	0.05 32	0.05 33	0.07 34	0.05 33	0.05 24	0.05 31	0.05 31	0.04 29	0.05 31	0.04 29	0.04 28	0.05 32	0.05 34	0.05 30	0.05 33	0.05 32	0.04 29	1.53 210	0.04 29	0.05 33	0.05 33	0.06 37	0.05 32

FADNet_RVC	0.10 33	0.03 23	0.04 21	0.03 23	0.04 28	0.05 32	0.04 28	0.04 28	0.04 28	0.03 21	0.04 27	0.04 27	0.03 21	0.04 28	0.03 24	0.03 24	0.04 25	0.04 27	0.04 27	0.04 28	0.04 28	0.03 24	1.63 211	0.03 23	0.03 24	0.04 28	0.03 22	0.04 28

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

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

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

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

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

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

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

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

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

LRCNet_RVC	0.11 45	0.12 53	0.09 38	0.12 53	0.09 41	0.12 53	0.09 41	0.12 53	0.09 41	0.12 41	0.09 42	0.11 52	0.09 41	0.09 42	0.09 42	0.09 41	0.12 53	0.16 73	0.21 73	0.09 42	0.12 53	0.09 42	0.09 37	0.09 41	0.12 53	0.28 102	0.12 53	0.09 41

FADNet-RVC	0.11 45	0.04 29	0.05 26	0.04 29	0.05 31	0.04 28	0.04 28	0.05 32	0.04 28	0.04 22	0.04 27	0.04 27	0.04 29	0.05 31	0.04 29	0.04 28	0.04 25	0.04 27	0.05 30	0.04 28	0.04 28	0.04 29	1.79 217	0.04 29	0.04 28	0.04 28	0.04 27	0.05 32

FADNet	0.11 45	0.04 29	0.05 26	0.06 33	0.05 31	0.04 28	0.04 28	0.04 28	0.04 28	0.04 22	0.05 31	0.05 31	0.04 29	0.05 31	0.04 29	0.04 28	0.04 25	0.04 27	0.04 27	0.05 33	0.05 32	0.04 29	1.74 215	0.04 29	0.04 28	0.05 33	0.04 27	0.05 32

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

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

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

AnyNet_C32	0.12 48	0.03 23	0.07 32	0.03 23	0.03 21	0.03 22	0.03 24	0.03 24	0.02 15	2.33 206	0.04 27	0.04 27	0.03 21	0.02 15	0.03 24	0.04 28	0.04 25	0.04 27	0.03 22	0.03 24	0.03 23	0.03 24	0.03 23	0.03 23	0.04 28	0.03 24	0.03 22	0.02 15

ADCP+	0.12 48	0.04 29	0.07 32	0.04 29	0.05 31	0.04 28	0.04 28	0.04 28	0.04 28	2.28 200	0.05 31	0.05 31	0.04 29	0.04 28	0.04 29	0.04 28	0.05 32	0.04 27	0.05 30	0.04 28	0.04 28	0.04 29	0.04 28	0.05 33	0.04 28	0.04 28	0.04 27	0.04 28

CIPLG	0.13 53	0.15 57	0.12 60	0.14 56	0.11 55	0.14 57	0.11 54	0.15 63	0.11 54	0.15 46	0.11 55	0.15 64	0.11 55	0.12 62	0.12 65	0.11 54	0.15 62	0.11 57	0.15 62	0.11 55	0.14 55	0.11 55	0.11 52	0.12 64	0.15 61	0.12 65	0.15 62	0.12 64

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

IPLGR	0.13 53	0.15 57	0.12 60	0.14 56	0.11 55	0.14 57	0.11 54	0.14 55	0.13 69	0.15 46	0.11 55	0.14 56	0.12 68	0.12 62	0.11 54	0.11 54	0.14 56	0.11 57	0.14 55	0.11 55	0.14 55	0.11 55	0.11 52	0.12 64	0.15 61	0.11 55	0.14 56	0.11 56

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

ICVP	0.13 53	0.16 62	0.11 54	0.16 64	0.11 55	0.16 65	0.11 54	0.16 65	0.11 54	0.16 52	0.11 55	0.16 66	0.11 55	0.11 58	0.11 54	0.11 54	0.16 64	0.11 57	0.16 64	0.11 55	0.16 64	0.11 55	0.11 52	0.11 56	0.16 65	0.11 55	0.16 64	0.11 56
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ADCRef	0.13 53	0.04 29	0.05 26	0.04 29	0.04 28	0.04 28	0.09 41	0.04 28	0.04 28	2.46 209	0.04 27	0.04 27	0.04 29	0.04 28	0.04 29	0.04 28	0.04 25	0.04 27	0.04 27	0.04 28	0.04 28	0.04 29	0.04 28	0.05 33	0.04 28	0.04 28	0.04 27	0.04 28

GMStereo	0.14 59	0.13 55	0.14 71	0.14 56	0.14 71	0.14 57	0.14 70	0.14 55	0.14 71	0.14 42	0.14 72	0.14 56	0.14 72	0.14 71	0.14 72	0.14 71	0.14 56	0.14 71	0.14 55	0.14 72	0.14 55	0.14 72	0.14 68	0.14 71	0.14 56	0.14 70	0.14 56	0.14 72
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
HSM	0.14 59	0.17 65	0.11 54	0.17 66	0.11 55	0.17 66	0.12 65	0.17 68	0.11 54	0.17 53	0.11 55	0.17 68	0.11 55	0.12 62	0.12 65	0.12 63	0.17 67	0.12 67	0.17 65	0.12 67	0.17 65	0.12 66	0.12 63	0.12 64	0.17 66	0.12 65	0.17 65	0.12 64

ELAS_RVC	0.14 59	0.18 66	0.11 54	0.19 69	0.11 55	0.18 67	0.13 69	0.16 65	0.11 54	0.17 53	0.11 55	0.14 56	0.11 55	0.09 42	0.11 54	0.12 63	0.17 67	0.10 43	0.18 67	0.11 55	0.18 66	0.11 55	0.10 40	0.11 56	0.19 70	0.11 55	0.19 68	0.12 64
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.14 59	0.19 70	0.11 54	0.20 71	0.11 55	0.20 70	0.12 65	0.18 70	0.12 64	0.18 55	0.12 67	0.19 71	0.11 55	0.11 58	0.11 54	0.11 54	0.18 69	0.11 57	0.19 70	0.11 55	0.19 68	0.11 55	0.11 52	0.11 56	0.20 71	0.11 55	0.20 70	0.12 64
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ELAS	0.14 59	0.23 78	0.10 41	0.19 69	0.11 55	0.20 70	0.11 54	0.16 65	0.10 43	0.15 46	0.11 55	0.15 64	0.11 55	0.09 42	0.11 54	0.11 54	0.16 64	0.10 43	0.17 65	0.11 55	0.18 66	0.11 55	0.09 37	0.10 44	0.18 67	0.11 55	0.19 68	0.12 64
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
BEATNet-Init1	0.15 64	0.07 35	0.10 41	0.08 38	0.07 38	0.07 38	0.07 37	0.07 34	0.07 37	2.19 197	0.08 39	0.08 38	0.07 38	0.07 38	0.07 35	0.07 38	0.08 39	0.07 38	0.08 39	0.08 39	0.07 38	0.07 38	0.07 34	0.07 39	0.08 39	0.07 38	0.07 38	0.07 39

DeepPrunerF	0.15 64	0.07 35	0.10 41	0.08 38	0.07 38	0.07 38	0.07 37	0.07 34	0.07 37	2.19 197	0.08 39	0.08 38	0.07 38	0.07 38	0.07 35	0.07 38	0.08 39	0.07 38	0.08 39	0.08 39	0.07 38	0.07 38	0.07 34	0.07 39	0.08 39	0.07 38	0.07 38	0.07 39

DeepPruner_ROB	0.15 64	0.18 66	0.12 60	0.18 67	0.12 67	0.18 67	0.12 65	0.18 70	0.13 69	0.18 55	0.12 67	0.18 70	0.12 68	0.13 69	0.12 65	0.13 69	0.18 69	0.13 70	0.18 67	0.12 67	0.19 68	0.12 66	0.13 67	0.12 64	0.18 67	0.12 65	0.18 66	0.12 64

LALA_ROB	0.15 64	0.21 72	0.12 60	0.21 73	0.12 67	0.20 70	0.14 70	0.20 72	0.12 64	0.22 60	0.12 67	0.16 66	0.12 68	0.10 45	0.12 65	0.12 63	0.21 74	0.11 57	0.22 74	0.12 67	0.20 70	0.12 66	0.11 52	0.12 64	0.21 74	0.14 70	0.21 73	0.13 71

IGEV_Zeroshot_test	0.18 68	0.22 74	0.18 81	0.21 73	0.18 81	0.20 70	0.17 77	0.20 72	0.16 73	0.25 67	0.16 75	0.21 73	0.17 77	0.16 75	0.18 81	0.15 73	0.20 72	0.16 73	0.20 71	0.18 82	0.21 72	0.17 79	0.17 72	0.17 76	0.20 71	0.17 77	0.20 70	0.16 73

dd	0.18 68	0.22 74	0.16 73	0.22 75	0.15 72	0.22 76	0.15 72	0.21 75	0.15 72	0.21 58	0.15 73	0.21 73	0.15 73	0.15 72	0.15 74	0.15 73	0.22 76	0.14 71	0.22 74	0.14 72	0.22 75	0.15 73	0.16 70	0.15 73	0.23 80	0.15 72	0.22 74	0.16 73

dad	0.18 68	0.23 78	0.16 73	0.22 75	0.15 72	0.22 76	0.15 72	0.22 77	0.16 73	0.21 58	0.15 73	0.22 76	0.15 73	0.15 72	0.16 75	0.17 75	0.23 81	0.17 77	0.23 81	0.15 74	0.22 75	0.15 73	0.15 69	0.15 73	0.22 76	0.15 72	0.22 74	0.16 73

MSKI-zero shot	0.19 71	0.21 72	0.16 73	0.22 75	0.16 74	0.23 83	0.17 77	0.22 77	0.17 78	0.22 60	0.17 77	0.22 76	0.16 75	0.19 84	0.16 75	0.17 75	0.23 81	0.16 73	0.22 74	0.16 75	0.22 75	0.17 79	0.16 70	0.17 76	0.22 76	0.19 84	0.22 74	0.16 73

MIM_Stereo	0.19 71	0.23 78	0.18 81	0.22 75	0.16 74	0.22 76	0.16 75	0.21 75	0.16 73	0.22 60	0.17 77	0.21 73	0.17 77	0.20 85	0.18 81	0.17 75	0.22 76	0.18 84	0.22 74	0.16 75	0.21 72	0.16 75	0.17 72	0.17 76	0.21 74	0.16 75	0.22 74	0.20 85

UNet	0.19 71	0.13 55	0.09 38	0.13 55	0.09 41	0.13 55	0.09 41	0.13 54	0.09 41	0.90 137	0.09 42	0.13 55	0.09 41	0.10 45	0.09 42	0.70 170	0.13 55	0.09 42	0.13 53	0.10 43	0.91 172	0.09 42	0.10 40	0.09 41	0.13 54	0.10 42	0.13 55	0.09 41

iResNet	0.19 71	0.23 78	0.17 77	0.22 75	0.17 77	0.22 76	0.19 84	0.22 77	0.17 78	0.22 60	0.17 77	0.22 76	0.17 77	0.17 76	0.17 78	0.17 75	0.22 76	0.17 77	0.22 74	0.17 77	0.23 81	0.17 79	0.18 79	0.17 76	0.23 80	0.17 77	0.23 81	0.17 78

DAS	0.20 75	0.20 71	0.20 86	0.20 71	0.20 86	0.20 70	0.20 86	0.20 72	0.20 85	0.20 57	0.20 86	0.20 72	0.20 86	0.20 85	0.20 87	0.20 82	0.20 72	0.20 88	0.20 71	0.20 87	0.20 70	0.20 87	0.20 83	0.20 86	0.20 71	0.20 85	0.20 70	0.20 85

iResNetv2_ROB	0.20 75	0.22 74	0.19 85	0.23 81	0.19 84	0.22 76	0.17 77	0.22 77	0.17 78	0.22 60	0.17 77	0.22 76	0.17 77	0.18 81	0.18 81	0.19 81	0.22 76	0.17 77	0.23 81	0.17 77	0.25 83	0.18 84	0.17 72	0.18 83	0.23 80	0.17 77	0.25 88	0.17 78

JetRed	0.22 77	0.11 52	0.12 60	0.11 52	0.11 55	0.11 52	0.11 54	0.11 52	0.11 54	2.93 216	0.11 55	0.11 52	0.11 55	0.11 58	0.11 54	0.12 63	0.11 52	0.11 57	0.11 52	0.11 55	0.11 52	0.11 55	0.11 52	0.11 56	0.11 52	0.11 55	0.11 52	0.11 56

JetBlue	0.23 78	0.12 53	0.13 68	0.12 53	0.12 67	0.12 53	0.11 54	0.14 55	0.12 64	3.07 217	0.12 67	0.12 54	0.11 55	0.11 58	0.13 70	0.13 69	0.12 53	0.12 67	0.13 53	0.11 55	0.12 53	0.13 70	0.12 63	0.14 71	0.13 54	0.12 65	0.12 53	0.11 56

SFCPSM	0.23 78	0.18 66	0.13 68	0.18 67	0.12 67	0.18 67	0.80 180	0.17 68	0.12 64	0.88 136	0.12 67	0.17 68	0.12 68	0.13 69	0.12 65	0.12 63	0.18 69	0.12 67	0.18 67	0.12 67	1.18 190	0.13 70	0.12 63	0.12 64	0.18 67	0.13 69	0.18 66	0.12 64

LoS_RVC	0.25 80	0.25 89	0.25 95	0.25 88	0.25 94	0.25 91	0.25 96	0.25 89	0.25 94	0.25 67	0.25 97	0.25 88	0.25 96	0.26 98	0.25 97	0.26 94	0.25 89	0.25 96	0.26 92	0.25 97	0.25 83	0.25 94	0.25 93	0.25 97	0.25 90	0.25 95	0.25 88	0.25 96

tt_ll	0.25 80	0.25 89	0.25 95	0.25 88	0.25 94	0.25 91	0.25 96	0.25 89	0.25 94	0.25 67	0.25 97	0.25 88	0.25 96	0.26 98	0.25 97	0.26 94	0.25 89	0.25 96	0.26 92	0.25 97	0.25 83	0.25 94	0.25 93	0.25 97	0.25 90	0.25 95	0.25 88	0.25 96

CAS	0.25 80	0.25 89	0.25 95	0.25 88	0.26 96	0.26 96	0.26 98	0.25 89	0.25 94	0.25 67	0.25 97	0.25 88	0.25 96	0.25 96	0.25 97	0.25 91	0.26 95	0.25 96	0.26 92	0.26 101	0.25 83	0.25 94	0.25 93	0.26 100	0.25 90	0.26 99	0.25 88	0.25 96

LoS	0.25 80	0.25 89	0.27 99	0.27 94	0.26 96	0.25 91	0.26 98	0.26 94	0.25 94	0.26 73	0.25 97	0.25 88	0.25 96	0.26 98	0.25 97	0.25 91	0.25 89	0.25 96	0.25 89	0.25 97	0.27 89	0.25 94	0.26 97	0.26 100	0.26 94	0.25 95	0.25 88	0.25 96

DLNR_Zeroshot_test	0.27 84	0.30 99	0.23 89	0.30 99	0.22 88	0.31 100	0.24 94	0.29 97	0.23 91	0.38 87	0.23 91	0.29 98	0.23 93	0.22 88	0.23 92	0.23 86	0.30 100	0.34 120	0.29 98	0.23 94	0.29 93	0.29 114	0.22 86	0.23 94	0.30 99	0.23 91	0.30 97	0.23 93

SPstereo	0.27 84	0.33 103	0.23 89	0.32 102	0.23 92	0.31 100	0.23 91	0.31 98	0.23 91	0.31 75	0.24 94	0.31 100	0.23 93	0.23 91	0.23 92	0.23 86	0.31 101	0.23 93	0.31 100	0.23 94	0.31 94	0.23 92	0.23 90	0.23 94	0.31 100	0.23 91	0.31 98	0.23 93

HGLStereo	0.27 84	0.25 89	0.21 87	0.35 110	0.21 87	0.35 107	0.21 88	0.34 106	0.21 87	0.39 90	0.21 88	0.34 103	0.21 89	0.22 88	0.21 88	0.21 83	0.35 107	0.22 90	0.35 107	0.22 90	0.35 102	0.22 88	0.21 84	0.21 89	0.35 107	0.21 87	0.35 105	0.21 88

iResNet_ROB	0.28 87	0.32 102	0.24 94	0.33 103	0.26 96	0.32 102	0.24 94	0.33 101	0.25 94	0.33 76	0.24 94	0.35 106	0.24 95	0.23 91	0.24 96	0.25 91	0.32 102	0.24 95	0.36 110	0.24 96	0.32 95	0.28 104	0.24 92	0.24 96	0.32 101	0.24 94	0.33 99	0.24 95

IMH-64-1	0.29 88	0.23 78	0.23 89	0.23 81	0.22 88	0.22 76	0.23 91	0.22 77	0.22 89	2.02 191	0.23 91	0.23 81	0.22 90	0.23 91	0.23 92	0.23 86	0.23 81	0.22 90	0.23 81	0.22 90	0.22 75	0.22 88	0.22 86	0.22 91	0.22 76	0.22 89	0.22 74	0.22 89

IMH-64	0.29 88	0.23 78	0.23 89	0.23 81	0.22 88	0.22 76	0.23 91	0.22 77	0.22 89	2.02 191	0.23 91	0.23 81	0.22 90	0.23 91	0.23 92	0.23 86	0.23 81	0.22 90	0.23 81	0.22 90	0.22 75	0.22 88	0.22 86	0.22 91	0.22 76	0.22 89	0.22 74	0.22 89

UPFNet	0.29 88	0.24 85	0.16 73	0.24 85	0.16 74	0.24 86	0.16 75	0.23 85	0.16 73	1.19 158	0.16 75	0.23 81	0.16 75	0.17 76	0.16 75	0.89 179	0.24 85	0.16 73	0.24 85	0.18 82	1.20 192	0.16 75	0.17 72	0.16 75	0.24 85	0.16 75	0.24 82	0.16 73

WAO-6	0.30 91	0.22 74	0.23 89	0.22 75	0.23 92	0.23 83	0.22 90	0.22 77	0.23 91	2.21 199	0.22 90	0.22 76	0.22 90	0.22 88	0.22 91	0.23 86	0.22 76	0.23 93	0.22 74	0.22 90	0.22 75	0.22 88	0.22 86	0.22 91	0.23 80	0.23 91	0.22 74	0.22 89

anonymity	0.30 91	0.34 105	0.27 99	0.33 103	0.27 101	0.33 103	0.28 105	0.33 101	0.28 105	0.33 76	0.28 106	0.33 101	0.28 103	0.28 106	0.28 106	0.28 101	0.34 104	0.28 102	0.34 104	0.28 104	0.34 97	0.27 101	0.27 99	0.27 103	0.34 104	0.28 102	0.34 103	0.28 104

iRaft-Stereo_20w	0.30 91	0.46 125	0.27 99	0.34 105	0.26 96	0.35 107	0.28 105	0.34 106	0.26 100	0.34 79	0.26 101	0.34 103	0.26 102	0.26 98	0.26 102	0.26 94	0.34 104	0.26 100	0.34 104	0.26 101	0.34 97	0.26 100	0.26 97	0.26 100	0.34 104	0.26 99	0.34 103	0.26 101

MMNet	0.30 91	0.24 85	0.17 77	0.24 85	0.17 77	0.24 86	0.17 77	0.23 85	0.18 82	1.21 160	0.17 77	0.23 81	0.17 77	0.17 76	0.17 78	0.89 179	0.24 85	0.17 77	0.24 85	0.17 77	1.22 194	0.16 75	0.17 72	0.17 76	0.24 85	0.17 77	0.24 82	0.17 78

delet	0.30 91	0.24 85	0.17 77	0.24 85	0.17 77	0.24 86	0.17 77	0.23 85	0.16 73	1.21 160	0.17 77	0.24 86	0.17 77	0.17 76	0.17 78	0.91 183	0.24 85	0.17 77	0.24 85	0.17 77	1.23 196	0.17 79	0.17 72	0.17 76	0.24 85	0.17 77	0.24 82	0.17 78

psm_up	0.30 91	0.24 85	0.17 77	0.25 88	0.17 77	0.24 86	0.17 77	0.24 88	0.17 78	1.20 159	0.17 77	0.23 81	0.17 77	0.17 76	0.18 81	0.90 182	0.24 85	0.17 77	0.25 89	0.17 77	1.24 199	0.17 79	0.17 72	0.17 76	0.24 85	0.17 77	0.24 82	0.17 78

MLCV	0.30 91	0.33 103	0.28 102	0.34 105	0.28 103	0.33 103	0.28 105	0.33 101	0.29 113	0.33 76	0.27 104	0.33 101	0.28 103	0.26 98	0.29 114	0.28 101	0.33 103	0.28 102	0.33 101	0.28 104	0.33 96	0.27 101	0.28 100	0.28 105	0.33 102	0.28 102	0.33 99	0.28 104

DN-CSS_ROB	0.30 91	0.34 105	0.29 107	0.34 105	0.27 101	0.34 105	0.28 105	0.33 101	0.27 102	0.34 79	0.27 104	0.34 103	0.28 103	0.29 108	0.27 104	0.26 94	0.35 107	0.29 111	0.33 101	0.28 104	0.34 97	0.28 104	0.28 100	0.27 103	0.34 104	0.28 102	0.33 99	0.28 104

UNDER WATER-64	0.31 99	0.25 89	0.25 95	0.26 93	0.26 96	0.25 91	0.26 98	0.25 89	0.26 100	1.69 178	0.26 101	0.25 88	0.25 96	0.25 96	0.26 102	0.26 94	0.25 89	0.26 100	0.26 92	0.26 101	0.25 83	0.25 94	0.25 93	0.25 97	0.26 94	0.26 99	0.25 88	0.26 101

CASnet	0.32 100	0.53 140	0.34 118	0.27 94	0.31 119	0.34 105	0.29 117	0.31 98	0.32 118	0.25 67	0.31 119	0.27 95	0.40 136	0.45 136	0.27 104	0.30 111	0.26 95	0.40 134	0.28 97	0.37 130	0.28 91	0.39 132	0.29 106	0.40 137	0.29 98	0.28 102	0.24 82	0.30 118
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.32 100	0.45 123	0.29 107	0.36 114	0.29 112	0.36 112	0.29 117	0.36 113	0.29 113	0.35 81	0.29 114	0.35 106	0.28 103	0.27 104	0.28 106	0.28 101	0.35 107	0.28 102	0.35 107	0.28 104	0.35 102	0.28 104	0.29 106	0.29 113	0.36 110	0.29 115	0.36 109	0.29 113

SQANet	0.33 102	0.28 96	0.28 102	0.28 98	0.28 103	0.29 98	0.28 105	0.28 95	0.28 105	1.59 176	0.28 106	0.28 97	0.28 103	0.28 106	0.28 106	0.28 101	0.28 98	0.28 102	0.29 98	0.28 104	0.28 91	0.28 104	0.28 100	0.28 105	0.28 97	0.28 102	0.28 95	0.28 104

DGSMNet	0.33 102	0.42 120	0.28 102	0.40 128	0.28 103	0.40 128	0.28 105	0.40 124	0.28 105	0.40 95	0.28 106	0.39 120	0.28 103	0.27 104	0.28 106	0.28 101	0.40 129	0.28 102	0.42 133	0.29 113	0.41 122	0.31 117	0.29 106	0.28 105	0.41 127	0.28 102	0.42 129	0.29 113

RAFT-Test	0.34 104	0.45 123	0.30 111	0.38 118	0.32 121	0.40 128	0.32 123	0.39 122	0.32 118	0.39 90	0.30 117	0.37 113	0.29 112	0.30 111	0.30 116	0.29 109	0.38 116	0.30 114	0.38 115	0.29 113	0.38 109	0.29 114	0.29 106	0.30 117	0.38 114	0.30 117	0.38 112	0.30 118

RAFT + AFF	0.34 104	0.29 97	0.32 117	0.31 100	0.30 117	0.39 125	0.32 123	0.39 122	0.30 115	0.39 90	0.32 120	0.39 120	0.32 117	0.35 117	0.36 124	0.32 118	0.38 116	0.31 116	0.38 115	0.31 119	0.38 109	0.28 104	0.37 126	0.34 123	0.38 114	0.30 117	0.38 112	0.28 104

ETE_ROB	0.35 106	0.35 108	0.35 119	0.35 110	0.35 127	0.35 107	0.35 125	0.35 109	0.35 125	0.35 81	0.35 124	0.35 106	0.35 123	0.35 117	0.35 122	0.35 122	0.35 107	0.35 124	0.35 107	0.35 126	0.35 102	0.35 123	0.35 122	0.35 127	0.35 107	0.35 124	0.35 105	0.35 125

EKT-Stereo	0.36 107	0.50 137	0.30 111	0.40 128	0.29 112	0.40 128	0.29 117	0.35 109	0.30 115	0.47 108	0.30 117	0.35 106	0.32 117	0.29 108	0.34 120	0.33 119	0.59 155	0.31 116	0.39 125	0.29 113	0.37 107	0.38 127	0.29 106	0.31 118	0.58 158	0.28 102	0.51 147	0.29 113

GEStereo_RVC	0.36 107	0.23 78	0.18 81	0.23 81	0.18 81	0.23 83	0.19 84	0.22 77	0.19 84	0.24 65	0.20 86	0.24 86	0.18 84	0.18 81	0.18 81	0.21 83	0.25 89	0.18 84	0.22 74	0.18 82	0.23 81	0.18 84	0.19 81	0.20 86	0.23 80	0.20 85	4.43 235	0.19 84

DMCA	0.36 107	0.38 110	0.37 121	0.35 110	0.35 127	0.35 107	0.36 127	0.35 109	0.36 127	0.36 85	0.37 129	0.36 112	0.36 127	0.36 121	0.35 122	0.37 125	0.36 112	0.36 125	0.36 110	0.36 129	0.36 106	0.35 123	0.36 124	0.36 129	0.37 112	0.36 126	0.36 109	0.36 127

XPNet_ROB	0.37 110	0.37 109	0.37 121	0.37 115	0.37 129	0.37 116	0.37 131	0.37 114	0.37 128	0.37 86	0.37 129	0.37 113	0.37 128	0.37 122	0.37 127	0.37 125	0.37 114	0.37 127	0.37 112	0.37 130	0.37 107	0.37 126	0.37 126	0.37 131	0.37 112	0.37 130	0.37 111	0.37 128

CES	0.38 111	0.34 105	0.44 134	0.43 138	0.33 123	0.37 116	0.44 145	0.37 114	0.38 129	0.45 105	0.35 124	0.35 106	0.41 137	0.45 136	0.36 124	0.36 123	0.36 112	0.45 142	0.43 134	0.35 126	0.34 97	0.46 141	0.36 124	0.36 129	0.42 132	0.34 123	0.35 105	0.38 129

PML	0.39 112	0.56 142	0.29 107	0.55 156	0.28 103	0.56 157	0.28 105	0.51 149	0.28 105	0.50 109	0.28 106	0.51 148	0.28 103	0.29 108	0.28 106	0.29 109	0.56 153	0.29 111	0.57 160	0.28 104	0.56 150	0.28 104	0.28 100	0.29 113	0.56 155	0.28 102	0.56 152	0.28 104

GwcNet-ADL	0.41 113	0.41 115	0.41 127	0.41 134	0.41 137	0.41 131	0.41 138	0.41 126	0.41 136	0.41 96	0.41 137	0.41 125	0.41 137	0.41 129	0.41 138	0.41 132	0.41 130	0.41 136	0.41 129	0.41 137	0.41 122	0.41 135	0.41 134	0.41 138	0.41 127	0.41 137	0.41 125	0.41 136

PSMNet-ADL	0.41 113	0.41 115	0.41 127	0.41 134	0.41 137	0.41 131	0.41 138	0.41 126	0.41 136	0.41 96	0.41 137	0.41 125	0.41 137	0.41 129	0.41 138	0.41 132	0.41 130	0.41 136	0.41 129	0.41 137	0.41 122	0.41 135	0.41 134	0.41 138	0.41 127	0.41 137	0.41 125	0.41 136

GANet-ADL	0.41 113	0.41 115	0.41 127	0.41 134	0.41 137	0.41 131	0.41 138	0.41 126	0.41 136	0.41 96	0.41 137	0.41 125	0.41 137	0.41 129	0.41 138	0.41 132	0.41 130	0.41 136	0.41 129	0.41 137	0.41 122	0.41 135	0.41 134	0.41 138	0.41 127	0.41 137	0.41 125	0.41 136

ADLNet	0.41 113	0.41 115	0.41 127	0.41 134	0.41 137	0.41 131	0.41 138	0.41 126	0.41 136	0.41 96	0.41 137	0.41 125	0.41 137	0.41 129	0.41 138	0.41 132	0.41 130	0.41 136	0.41 129	0.41 137	0.41 122	0.41 135	0.41 134	0.41 138	0.41 127	0.41 137	0.41 125	0.41 136

GES	0.43 117	0.41 115	0.31 114	0.35 110	0.30 117	0.47 144	0.28 105	0.33 101	0.28 105	0.35 81	0.29 114	2.95 221	0.38 129	0.35 117	0.30 116	0.34 120	0.34 104	0.30 114	0.33 101	0.30 118	0.35 102	0.30 116	0.33 118	0.33 121	0.33 102	0.31 119	0.33 99	0.29 113

FCDSN-DC	0.44 118	0.31 100	0.35 119	0.34 105	0.28 103	0.35 107	0.30 120	0.32 100	0.25 94	1.32 166	0.24 94	1.00 181	0.32 117	0.35 117	0.34 120	0.30 111	0.72 165	0.37 127	0.48 146	0.32 121	0.53 148	0.49 155	0.23 90	0.29 113	0.50 146	0.42 142	0.61 156	0.71 174
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
WAO-7	0.46 119	0.38 110	0.38 123	0.38 118	0.38 132	0.38 119	0.38 133	0.38 116	0.38 129	2.57 210	0.38 131	0.38 116	0.38 129	0.38 123	0.38 128	0.38 127	0.38 116	0.38 129	0.38 115	0.38 132	0.38 109	0.38 127	0.38 128	0.38 132	0.38 114	0.38 131	0.38 112	0.38 129

Venus	0.46 119	0.38 110	0.40 126	0.38 118	0.38 132	0.39 125	0.38 133	0.38 116	0.38 129	2.71 212	0.38 131	0.38 116	0.38 129	0.38 123	0.38 128	0.38 127	0.38 116	0.38 129	0.38 115	0.38 132	0.38 109	0.38 127	0.38 128	0.38 132	0.38 114	0.38 131	0.39 121	0.38 129

MyStereo	0.47 121	3.97 210	0.31 114	0.34 105	0.32 121	0.36 112	0.30 120	0.35 109	0.31 117	0.51 111	0.45 143	0.35 106	0.31 114	0.31 112	0.32 119	0.31 113	0.35 107	0.31 116	0.34 104	0.31 119	0.34 97	0.32 119	0.31 115	0.32 119	0.35 107	0.31 119	0.35 105	0.30 118

HanzoNet	0.47 121	0.39 113	0.38 123	0.38 118	0.38 132	0.38 119	0.38 133	0.40 124	0.38 129	2.63 211	0.38 131	0.38 116	0.38 129	0.38 123	0.38 128	0.39 131	0.38 116	0.38 129	0.38 115	0.42 142	0.38 109	0.39 132	0.39 132	0.38 132	0.38 114	0.38 131	0.38 112	0.39 134

IMH	0.47 121	0.40 114	0.39 125	0.38 118	0.38 132	0.38 119	0.38 133	0.38 116	0.40 134	2.79 214	0.38 131	0.38 116	0.38 129	0.38 123	0.38 128	0.38 127	0.39 125	0.38 129	0.38 115	0.40 136	0.38 109	0.38 127	0.38 128	0.38 132	0.38 114	0.38 131	0.38 112	0.38 129

LL-Strereo2	0.47 121	2.60 201	0.51 150	0.38 118	0.28 103	0.37 116	0.28 105	0.55 153	0.35 125	0.44 104	0.34 123	0.44 133	0.34 121	0.34 113	0.36 124	0.36 123	0.47 138	0.36 125	0.47 140	0.35 126	0.47 132	0.35 123	0.35 122	0.35 127	0.46 134	0.35 124	0.47 135	0.35 125

GMOStereo	0.50 125	0.44 121	2.38 225	0.40 128	0.34 124	0.42 135	0.36 127	1.96 205	0.34 121	0.41 96	0.36 126	0.42 129	0.35 123	0.34 113	0.38 128	0.31 113	0.39 125	0.34 120	0.40 126	0.33 123	0.39 117	0.33 120	0.33 118	0.34 123	0.40 123	0.36 126	0.40 122	0.32 122

error version	0.50 125	0.44 121	2.38 225	0.40 128	0.34 124	0.42 135	0.36 127	1.96 205	0.34 121	0.41 96	0.36 126	0.42 129	0.35 123	0.34 113	0.38 128	0.31 113	0.39 125	0.34 120	0.40 126	0.33 123	0.39 117	0.33 120	0.33 118	0.34 123	0.40 123	0.36 126	0.40 122	0.32 122

SANet	0.50 125	0.50 137	0.50 147	0.50 153	0.50 160	0.50 153	0.50 160	0.50 146	0.50 158	0.50 109	0.50 156	0.50 146	0.50 158	0.50 152	0.50 159	0.50 155	0.50 148	0.50 158	0.50 152	0.50 159	0.50 143	0.50 159	0.50 153	0.50 156	0.50 146	0.50 158	0.50 145	0.50 154

PDISCO_ROB	0.50 125	0.15 57	0.11 54	0.16 64	3.16 231	0.13 55	0.12 65	0.14 55	0.12 64	0.15 46	0.11 55	2.55 220	0.11 55	2.20 219	0.13 70	0.12 63	0.16 64	0.10 43	0.14 55	0.12 67	0.15 63	0.12 66	0.12 63	0.12 64	0.15 61	0.10 42	2.75 219	0.09 41

otaku	0.52 129	0.46 125	0.48 141	0.46 140	0.46 144	0.46 139	0.46 147	0.46 131	0.47 149	1.88 181	0.46 144	0.46 134	0.46 145	0.46 138	0.46 145	0.46 139	0.47 138	0.46 143	0.46 136	0.46 145	0.47 132	0.46 141	0.46 140	0.46 145	0.47 139	0.46 144	0.46 131	0.47 145

HaxPig	0.52 129	0.48 133	0.47 136	0.47 145	0.47 148	0.47 144	0.47 151	0.47 136	0.47 149	1.80 179	0.47 148	0.47 137	0.47 148	0.47 142	0.47 149	0.47 146	0.47 138	0.47 149	0.47 140	0.47 150	0.47 132	0.47 149	0.47 146	0.47 148	0.47 139	0.47 150	0.47 135	0.47 145

UNDER WATER	0.52 129	0.47 130	0.47 136	0.47 145	0.47 148	0.47 144	0.47 151	0.47 136	0.47 149	1.90 182	0.47 148	0.47 137	0.47 148	0.47 142	0.47 149	0.47 146	0.46 135	0.47 149	0.47 140	0.47 150	0.46 129	0.47 149	0.47 146	0.48 152	0.47 139	0.47 150	0.47 135	0.47 145

Dean	0.52 129	0.46 125	0.48 141	0.46 140	0.46 144	0.46 139	0.46 147	0.46 131	0.46 145	1.90 182	0.46 144	0.47 137	0.46 145	0.46 138	0.46 145	0.46 139	0.48 142	0.46 143	0.46 136	0.46 145	0.46 129	0.46 141	0.46 140	0.46 145	0.46 134	0.46 144	0.46 131	0.46 142

Ntro	0.53 133	0.47 130	0.50 147	0.46 140	0.48 153	0.47 144	0.47 151	0.46 131	0.46 145	2.05 193	0.47 148	0.47 137	0.49 156	0.47 142	0.47 149	0.46 139	0.48 142	0.46 143	0.49 149	0.46 145	0.47 132	0.46 141	0.46 140	0.47 148	0.46 134	0.46 144	0.47 135	0.47 145

RainbowNet	0.53 133	0.48 133	0.48 141	0.48 149	0.48 153	0.48 150	0.48 155	0.48 139	0.48 153	1.92 184	0.48 153	0.48 142	0.48 152	0.48 147	0.48 154	0.48 149	0.48 142	0.48 153	0.48 146	0.48 154	0.48 138	0.48 152	0.48 149	0.48 152	0.48 144	0.48 154	0.48 140	0.48 151

LVE	0.53 133	0.47 130	0.48 141	0.47 145	0.47 148	0.47 144	0.47 151	0.48 139	0.47 149	1.96 188	0.47 148	0.47 137	0.47 148	0.47 142	0.47 149	0.47 146	0.47 138	0.47 149	0.47 140	0.47 150	0.47 132	0.47 149	0.47 146	0.47 148	0.47 139	0.47 150	0.47 135	0.47 145

ACVNet_1	0.53 133	0.46 125	0.48 141	0.47 145	0.47 148	0.46 139	0.48 155	0.48 139	0.48 153	2.07 194	0.47 148	0.48 142	0.48 152	0.47 142	0.47 149	0.46 139	0.49 146	0.47 149	0.47 140	0.47 150	0.48 138	0.46 141	0.46 140	0.48 152	0.47 139	0.47 150	0.48 140	0.47 145

ACVNet-4b	0.53 133	0.46 125	0.47 136	0.46 140	0.46 144	0.46 139	0.46 147	0.46 131	0.46 145	2.17 196	0.46 144	0.46 134	0.47 148	0.46 138	0.46 145	0.46 139	0.46 135	0.46 143	0.46 136	0.46 145	0.46 129	0.46 141	0.46 140	0.47 148	0.46 134	0.46 144	0.46 131	0.46 142

notaker	0.54 138	0.48 133	0.48 141	0.48 149	0.48 153	0.48 150	0.49 158	0.48 139	0.48 153	1.95 187	0.48 153	0.48 142	0.48 152	0.48 147	0.48 154	0.48 149	0.48 142	0.48 153	0.48 146	0.48 154	0.49 141	0.48 152	0.48 149	0.49 155	0.48 144	0.48 154	0.48 140	0.49 152

ACVNet_2	0.55 139	0.49 136	0.50 147	0.49 151	0.49 157	0.49 152	0.49 158	0.49 143	0.49 157	2.14 195	0.49 155	0.50 146	0.49 156	0.49 149	0.49 157	0.49 152	0.50 148	0.49 157	0.50 152	0.49 157	0.49 141	0.49 155	0.49 151	0.50 156	0.50 146	0.49 156	0.50 145	0.49 152

CFNet	0.55 139	0.25 89	0.18 81	0.25 88	0.18 81	0.25 91	0.18 83	0.25 89	0.18 82	0.25 67	0.18 84	0.25 88	0.18 84	0.18 81	0.18 81	0.18 79	0.25 89	0.18 84	0.25 89	0.18 82	5.31 245	4.36 245	0.18 79	0.18 83	0.25 90	0.18 83	0.25 88	0.18 83

PSMNet_ROB	0.55 139	0.55 141	0.56 157	0.56 157	0.55 163	0.56 157	0.55 164	0.55 153	0.55 161	0.55 113	0.55 161	0.55 151	0.55 163	0.55 154	0.56 162	0.55 159	0.55 152	0.55 162	0.55 157	0.55 162	0.55 149	0.55 162	0.55 157	0.55 163	0.55 154	0.55 163	0.55 151	0.55 158

IER	0.56 142	2.72 202	2.20 220	0.38 118	0.29 112	0.38 119	0.27 101	2.77 218	0.27 102	0.38 87	0.28 106	0.37 113	0.25 96	0.26 98	0.25 97	0.26 94	0.38 116	0.29 111	0.38 115	0.25 97	0.39 117	0.25 94	0.29 106	0.29 113	0.40 123	0.25 95	0.38 112	0.25 96

CASS	0.58 143	0.89 157	0.55 155	0.56 157	0.55 163	0.60 161	0.57 167	0.57 155	0.56 163	0.55 113	0.56 162	0.56 152	0.50 158	0.63 163	0.56 162	0.56 160	0.62 157	0.62 169	0.59 161	0.56 163	0.56 150	0.48 152	0.60 162	0.56 164	0.57 157	0.60 167	0.57 154	0.59 161
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DISCO	0.59 144	0.29 97	0.22 88	0.27 94	5.05 248	0.30 99	0.21 88	0.28 95	0.21 87	0.27 74	0.21 88	0.27 95	0.20 86	0.21 87	0.21 88	0.21 83	0.27 97	0.21 89	0.27 96	0.21 89	0.27 89	0.23 92	0.21 84	0.21 89	0.27 96	0.21 87	5.06 241	0.22 89

LMCR-Stereo	0.61 145	0.61 143	0.61 162	0.61 161	0.61 169	0.67 166	0.61 171	0.61 156	0.61 169	0.61 116	0.61 168	0.61 155	0.61 168	0.61 159	0.61 168	0.61 164	0.61 156	0.61 168	0.61 162	0.61 168	0.61 153	0.61 168	0.61 163	0.61 170	0.61 160	0.61 169	0.61 156	0.61 167

AANet_RVC	0.61 145	0.31 100	5.05 237	0.31 100	0.19 84	0.24 86	0.20 86	5.86 233	0.20 85	0.24 65	0.18 84	0.25 88	0.20 86	0.23 91	0.21 88	0.18 79	0.37 114	0.18 84	0.24 85	0.19 86	0.25 83	0.19 86	0.19 81	0.19 85	0.24 85	0.15 72	0.24 82	0.20 85

iRaftStereo_RVC	0.62 147	1.76 185	2.24 222	0.52 155	0.37 129	0.53 156	0.38 133	2.51 216	0.38 129	0.51 111	0.38 131	0.51 148	0.38 129	0.38 123	0.38 128	0.38 127	0.52 150	0.38 129	0.52 156	0.38 132	0.52 146	0.38 127	0.38 128	0.38 132	0.52 152	0.39 135	0.52 149	0.38 129

ARAFT	0.64 148	0.74 150	0.62 163	0.70 169	0.56 165	0.72 169	0.55 164	0.72 162	0.54 160	0.73 124	0.56 162	0.72 166	0.56 164	0.56 155	0.62 169	0.63 166	0.73 167	0.53 161	0.73 169	0.54 161	0.72 162	0.65 171	0.62 164	0.56 164	0.72 166	0.54 161	0.72 163	0.57 159

test_1	0.65 149	4.37 214	2.38 225	0.40 128	0.34 124	0.42 135	0.36 127	1.96 205	0.34 121	0.41 96	0.36 126	0.42 129	0.35 123	0.34 113	0.38 128	0.31 113	0.39 125	0.34 120	0.40 126	0.33 123	0.39 117	0.33 120	0.33 118	0.34 123	0.40 123	0.36 126	0.40 122	0.32 122

HH	0.66 150	2.13 191	0.47 136	0.37 115	0.29 112	0.36 112	0.27 101	0.49 143	0.44 142	0.78 128	0.68 173	0.67 160	0.90 183	0.62 160	0.90 183	0.53 157	0.88 177	0.48 153	0.37 112	0.29 113	0.63 156	0.66 174	0.66 168	0.51 158	1.06 187	0.61 169	1.08 185	0.60 163

HanStereo	0.66 150	2.13 191	0.47 136	0.37 115	0.29 112	0.36 112	0.27 101	0.49 143	0.44 142	0.78 128	0.68 173	0.67 160	0.90 183	0.62 160	0.90 183	0.53 157	0.88 177	0.48 153	0.37 112	0.29 113	0.63 156	0.66 174	0.66 168	0.51 158	1.06 187	0.61 169	1.08 185	0.60 163

DSFCA	0.66 150	0.73 148	0.74 168	0.68 165	0.65 173	0.64 163	0.65 174	0.65 158	0.65 171	0.66 119	0.65 171	0.65 157	0.64 170	0.65 168	0.65 173	0.65 168	0.65 159	0.65 173	0.65 164	0.65 171	0.65 159	0.65 171	0.65 167	0.65 175	0.66 162	0.66 174	0.65 159	0.65 171

4D-IteraStereo	0.67 153	3.40 206	1.05 185	0.71 170	0.83 182	0.47 144	0.27 101	0.47 136	0.27 102	0.35 81	0.26 101	0.68 162	0.84 181	0.41 129	0.54 161	0.89 179	0.74 169	0.88 184	0.73 169	0.87 184	0.42 127	0.27 101	0.28 100	0.28 105	0.36 110	0.28 102	0.68 160	0.90 182

RAFT-Stereo + iAFF	0.67 153	0.74 150	0.60 160	0.79 175	0.61 169	0.76 170	0.57 167	0.71 161	0.56 163	0.71 122	0.54 160	0.72 166	0.66 173	0.65 168	0.65 173	0.64 167	0.74 169	0.64 172	0.74 171	0.63 169	0.73 163	0.65 171	0.64 166	0.64 174	0.74 168	0.61 169	0.73 164	0.64 169

TorneroNet-64	0.69 155	0.65 145	0.30 111	0.27 94	0.47 148	0.28 97	0.35 125	0.34 106	0.80 178	7.93 251	0.29 114	0.30 99	0.31 114	0.81 177	0.28 106	0.27 100	0.29 99	0.28 102	0.85 177	0.83 182	0.62 155	0.28 104	0.30 114	0.28 105	0.52 152	0.29 115	0.29 96	0.27 103

DDUNet	0.69 155	0.84 155	0.59 159	0.84 179	0.59 167	0.87 179	0.57 167	0.84 168	0.59 168	0.82 133	0.58 165	0.85 176	0.57 165	0.59 158	0.59 165	0.57 161	0.87 176	0.59 165	0.85 177	0.59 166	0.85 170	0.59 166	0.59 161	0.59 166	0.87 175	0.59 166	0.84 173	0.59 161

UDG	0.70 157	0.87 156	0.56 157	0.87 180	0.59 167	0.84 177	0.59 170	0.85 169	0.57 165	0.84 135	0.59 166	0.84 175	0.60 167	0.58 156	0.60 166	0.59 162	0.85 175	0.59 165	0.87 179	0.58 164	0.87 171	0.60 167	0.57 159	0.59 166	0.87 175	0.58 165	0.86 174	0.60 163

MaskLacGwcNet_RVC	0.70 157	6.91 227	0.46 135	0.46 140	0.46 144	0.46 139	0.46 147	0.46 131	0.46 145	0.46 107	0.46 144	0.46 134	0.46 145	0.46 138	0.46 145	0.46 139	0.46 135	0.46 143	0.46 136	0.46 145	0.47 132	0.46 141	0.46 140	0.46 145	0.46 134	0.46 144	0.46 131	0.46 142

HCRNet	0.71 159	6.06 225	3.15 230	0.50 153	0.22 88	0.21 75	0.15 72	3.04 220	0.34 121	0.43 103	0.33 122	0.43 132	0.33 120	0.15 72	0.14 72	0.14 71	0.21 74	0.17 77	0.47 140	0.20 87	0.21 72	0.16 75	0.32 116	0.33 121	0.50 146	0.33 122	0.49 144	0.28 104

AFF-stereo	0.71 159	0.73 148	0.65 165	0.82 178	0.63 172	0.83 176	0.63 172	0.73 163	0.65 171	0.82 133	0.73 176	0.74 169	0.64 170	0.63 163	0.62 169	0.62 165	0.73 167	0.63 171	0.74 171	0.72 176	0.80 166	0.58 164	0.70 174	0.71 177	0.79 170	0.69 176	0.78 167	0.72 175

DMCA-RVC	0.71 159	0.72 146	0.72 167	0.71 170	0.70 175	0.70 167	0.70 177	0.70 160	0.71 175	0.70 121	0.71 175	0.71 165	0.70 174	0.70 172	0.71 175	0.70 170	0.70 162	0.71 176	0.70 166	0.71 174	0.70 160	0.70 176	0.71 175	0.71 177	0.70 164	0.72 177	0.71 161	0.70 173

PA-Net	0.71 159	0.62 144	0.55 155	0.69 166	0.71 176	0.70 167	0.69 176	0.69 159	0.74 176	0.73 124	0.75 177	0.59 154	0.72 175	0.82 178	0.79 178	0.83 177	0.67 161	0.76 177	0.81 176	0.67 173	0.61 153	0.76 177	0.68 172	0.65 175	0.82 174	0.76 179	0.71 161	0.69 172
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
AEACV	0.74 163	0.52 139	3.10 229	0.60 160	0.48 153	0.56 157	0.48 155	3.02 219	0.83 182	0.61 116	0.62 169	0.72 166	0.50 158	0.49 149	0.49 157	0.48 149	0.58 154	0.50 158	0.55 157	0.48 154	0.56 150	0.50 159	0.50 153	0.51 158	0.58 158	0.51 160	0.60 155	0.51 156

MyStereo04	0.76 164	4.78 219	0.62 163	0.63 163	0.54 162	0.65 164	0.56 166	0.61 156	0.58 166	0.61 116	0.56 162	0.63 156	0.57 165	0.63 163	0.60 166	0.60 163	0.64 158	0.56 164	0.63 163	0.58 164	0.63 156	0.62 169	0.55 157	0.60 168	0.63 161	0.57 164	0.64 158	0.58 160

test-3	0.78 165	4.38 215	1.80 211	0.62 162	0.49 157	0.62 162	0.50 160	1.86 201	0.64 170	0.69 120	0.52 158	0.66 158	0.38 129	0.58 156	0.57 164	0.46 139	0.66 160	0.46 143	0.50 152	0.44 144	0.48 138	0.58 164	0.54 156	0.60 168	0.70 164	0.46 144	0.48 140	0.50 154

MyStereo03	0.79 166	4.96 222	0.60 160	0.72 172	0.58 166	0.77 171	0.44 145	0.51 149	0.55 161	0.73 124	0.60 167	0.68 162	0.61 168	0.63 163	0.62 169	0.66 169	0.70 162	0.55 162	0.69 165	0.65 171	0.71 161	0.57 163	0.58 160	0.61 170	0.68 163	0.60 167	0.75 166	0.63 168

CroCo-Stereo	0.80 167	2.51 200	0.41 127	1.27 202	0.41 137	1.27 201	0.41 138	1.27 192	0.41 136	1.27 163	0.41 137	1.27 200	0.41 137	0.41 129	0.41 138	0.41 132	1.28 200	0.41 136	1.27 200	0.41 137	1.27 200	0.41 135	0.42 138	0.41 138	1.27 202	0.41 137	1.27 199	0.41 136
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
NaN_ROB	0.80 167	0.80 152	0.80 172	0.80 176	0.80 179	0.80 173	0.80 180	0.80 166	0.80 178	0.80 131	0.80 180	0.80 173	0.80 178	0.80 175	0.80 179	0.80 175	0.80 172	0.80 180	0.80 174	0.80 180	0.80 166	0.80 179	0.80 178	0.80 180	0.80 172	0.80 181	0.80 169	0.80 179

CSAN	0.80 167	0.80 152	0.80 172	0.80 176	0.80 179	0.80 173	0.80 180	0.80 166	0.80 178	0.80 131	0.80 180	0.80 173	0.80 178	0.80 175	0.80 179	0.80 175	0.80 172	0.80 180	0.80 174	0.80 180	0.80 166	0.80 179	0.80 178	0.80 180	0.80 172	0.80 181	0.80 169	0.80 179

G-Net	0.82 170	1.77 186	0.78 170	0.78 174	0.78 177	0.78 172	0.78 178	0.78 164	0.79 177	0.79 130	0.78 178	0.78 170	0.78 177	0.78 174	0.78 177	0.78 172	0.79 171	0.79 178	0.79 173	0.79 179	0.79 165	0.79 178	0.79 177	0.79 179	0.79 170	0.79 180	0.79 168	0.79 178

MyStereo02	0.84 171	4.69 218	0.69 166	0.73 173	0.65 173	0.80 173	0.66 175	0.79 165	0.67 174	0.77 127	0.66 172	0.78 170	0.65 172	0.63 163	0.63 172	0.79 174	0.72 165	0.62 169	0.72 168	0.59 166	0.74 164	0.62 169	0.63 165	0.62 173	0.78 169	0.62 173	0.74 165	0.64 169

ktn	0.84 171	1.15 170	0.54 154	1.16 198	1.26 207	0.51 154	0.53 163	0.51 149	0.66 173	4.54 235	0.51 157	0.52 150	0.52 162	0.66 170	0.51 160	0.51 156	1.37 205	1.17 201	0.49 149	0.51 160	1.23 196	0.51 161	0.67 170	0.51 158	0.51 150	0.68 175	0.51 147	0.51 156

KSHMR	0.85 173	0.72 146	0.51 150	0.49 151	0.49 157	0.51 154	1.07 196	0.50 146	0.48 153	6.04 245	0.52 158	0.66 158	0.98 189	0.49 149	0.77 176	0.49 152	1.17 194	0.51 160	0.49 149	1.06 194	0.51 144	0.49 155	0.49 151	0.51 158	1.04 185	0.49 156	0.81 172	0.72 175

CroCo-Stereo Lap2	0.85 173	2.86 204	0.43 133	1.33 204	0.43 143	1.31 202	0.42 143	1.32 193	0.42 141	1.31 165	0.44 142	1.32 201	0.44 143	0.43 135	0.44 144	0.43 137	1.35 201	0.43 141	1.32 202	0.43 143	1.31 201	0.43 140	0.43 139	0.42 144	1.31 203	0.42 142	1.31 200	0.43 141

DGTPSM_ROB	0.92 175	0.93 161	0.91 175	0.93 182	0.91 183	0.92 180	0.93 185	0.92 172	0.92 184	0.92 138	0.91 184	0.91 177	0.93 186	0.91 180	0.92 187	0.92 186	0.92 179	0.92 185	0.92 180	0.90 185	0.91 172	0.92 184	0.93 182	0.94 188	0.92 179	0.91 184	0.92 175	0.97 186

pmcnn	0.92 175	0.92 158	0.92 176	0.92 181	0.92 184	0.92 180	0.92 184	0.92 172	0.92 184	0.92 138	0.92 185	0.92 180	0.92 185	0.92 182	0.92 187	0.92 186	0.92 179	0.92 185	0.92 180	0.92 188	0.92 174	0.92 184	0.92 181	0.92 187	0.92 179	0.92 185	0.92 175	0.92 185

HSM-Net_RVC	0.93 177	1.09 168	0.79 171	1.10 191	0.78 177	1.09 189	0.79 179	1.16 186	0.80 178	1.14 150	0.79 179	1.17 193	0.77 176	0.73 173	0.83 181	0.78 172	1.19 196	0.79 178	1.18 195	0.72 176	1.19 191	0.80 179	0.72 176	0.80 180	1.18 197	0.74 178	1.14 189	0.73 177
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.93 177	8.54 240	0.41 127	0.56 157	0.37 129	0.56 157	0.37 131	0.50 146	0.40 134	0.56 115	5.24 249	0.56 152	0.34 121	0.40 128	0.41 138	0.34 120	0.53 151	0.40 134	0.56 159	0.38 132	0.52 146	0.40 134	0.40 133	0.41 138	0.56 155	0.40 136	0.56 152	0.40 135

DPSimNet_ROB	0.93 177	1.04 166	0.83 174	1.05 189	0.82 181	1.04 187	0.83 183	1.03 179	0.89 183	1.03 145	0.84 183	1.03 185	0.84 181	0.83 179	0.84 182	0.83 177	1.14 189	0.84 182	1.12 191	0.84 183	1.04 180	0.88 183	0.83 180	0.84 184	1.07 189	0.83 183	1.15 190	0.88 181

DPSM_ROB	0.93 177	0.92 158	0.94 177	0.96 183	1.02 188	0.92 180	0.98 186	0.95 174	0.92 184	0.92 138	0.92 185	0.91 177	0.97 187	0.92 182	0.91 185	0.91 183	0.96 181	0.94 187	0.93 182	0.91 186	0.93 175	0.92 184	0.93 182	0.91 185	0.91 177	0.99 186	0.92 175	0.91 183

DPSM	0.93 177	0.92 158	0.94 177	0.96 183	1.02 188	0.92 180	0.98 186	0.95 174	0.92 184	0.92 138	0.92 185	0.91 177	0.97 187	0.92 182	0.91 185	0.91 183	0.96 181	0.94 187	0.93 182	0.91 186	0.93 175	0.92 184	0.93 182	0.91 185	0.91 177	0.99 186	0.92 175	0.91 183

GANet	1.00 182	1.00 162	1.00 179	1.00 185	1.00 185	1.00 184	1.00 189	1.00 176	1.00 189	1.00 142	1.00 188	1.00 181	1.00 190	1.00 187	1.00 189	1.00 189	1.00 183	1.00 189	1.00 184	1.00 189	1.00 177	1.00 188	1.00 186	1.00 190	1.00 181	1.00 189	1.00 179	1.00 187

TDLM	1.00 182	1.00 162	1.00 179	1.00 185	1.00 185	1.00 184	1.00 189	1.00 176	1.00 189	1.00 142	1.00 188	1.00 181	1.00 190	1.00 187	1.00 189	1.00 189	1.00 183	1.00 189	1.00 184	1.00 189	1.00 177	1.00 188	1.00 186	1.00 190	1.00 181	1.00 189	1.00 179	1.00 187

CVANet_RVC	1.00 182	1.00 162	1.00 179	1.00 185	1.00 185	1.00 184	1.00 189	1.00 176	1.00 189	1.00 142	1.00 188	1.00 181	1.00 190	1.00 187	1.00 189	1.00 189	1.00 183	1.00 189	1.00 184	1.00 189	1.00 177	1.00 188	1.00 186	1.00 190	1.00 181	1.00 189	1.00 179	1.00 187

ccs_rob	1.00 182	10.06 245	0.31 114	0.44 139	0.31 119	0.43 138	0.31 122	0.43 130	0.32 118	0.45 105	0.32 120	1.20 197	0.31 114	7.02 249	0.31 118	0.31 113	0.44 134	0.31 116	0.44 135	0.32 121	0.44 128	0.31 117	0.32 116	0.32 119	0.44 133	0.32 121	0.43 130	0.31 121

CFNet_pseudo	1.01 186	9.78 243	0.29 107	0.38 118	0.28 103	0.38 119	0.28 105	0.38 116	0.28 105	0.39 90	0.28 106	0.39 120	0.28 103	9.50 250	0.29 114	0.28 101	0.38 116	0.28 102	0.38 115	0.28 104	0.38 109	0.28 104	0.28 100	0.28 105	0.38 114	0.28 102	0.38 112	0.28 104

pcwnet_v2	1.01 186	9.73 242	0.28 102	0.38 118	0.28 103	0.38 119	0.28 105	0.38 116	0.28 105	0.38 87	0.28 106	0.39 120	0.28 103	9.61 251	0.28 106	0.28 101	0.38 116	0.28 102	0.38 115	0.28 104	0.38 109	0.28 104	0.29 106	0.28 105	0.38 114	0.28 102	0.38 112	0.28 104

WAO-8	1.02 188	1.50 182	1.49 204	0.40 128	0.40 136	1.56 208	0.98 186	1.55 199	0.58 166	4.18 232	0.40 136	0.79 172	0.48 152	0.91 180	0.39 136	0.99 188	0.71 164	0.70 175	0.51 155	0.77 178	1.07 182	0.82 182	0.69 173	0.96 189	1.01 184	1.30 208	1.10 187	1.38 211

UCFNet_RVC	1.03 189	10.10 246	0.28 102	0.38 118	0.28 103	0.39 125	0.28 105	0.38 116	0.28 105	0.39 90	0.28 106	0.39 120	0.29 112	9.62 252	0.28 106	0.28 101	0.38 116	0.28 102	0.38 115	0.28 104	0.39 117	0.28 104	0.29 106	0.28 105	0.39 122	0.28 102	0.38 112	0.29 113

GLC_STEREO	1.05 190	1.01 165	1.02 182	1.02 188	1.02 188	1.05 188	1.06 193	1.05 180	1.05 192	1.04 147	1.05 191	1.05 186	1.04 193	1.06 192	1.05 192	1.06 193	1.06 186	1.05 193	1.06 187	1.05 193	1.06 181	1.06 192	1.04 190	1.05 193	1.04 185	1.05 192	1.06 183	1.06 190

FC-DCNN	1.10 191	0.81 154	0.77 169	0.63 163	0.42 142	0.86 178	0.64 173	0.91 171	0.96 188	1.11 148	0.80 180	1.07 187	0.81 180	0.67 171	1.75 217	1.30 207	1.41 206	0.85 183	1.28 201	0.71 174	2.12 215	1.32 207	0.52 155	0.81 183	1.64 209	1.40 213	2.39 217	1.75 219

RP	1.14 192	1.16 172	1.15 191	1.17 199	1.10 195	1.16 193	1.15 198	1.10 181	1.16 201	1.15 151	1.08 193	1.16 191	1.15 199	1.15 199	1.14 199	1.16 198	1.16 192	1.10 195	1.10 188	1.10 197	1.16 186	1.11 195	1.10 193	1.19 205	1.14 193	1.19 204	1.07 184	1.10 193

Abc-Net	1.14 192	1.16 172	1.18 195	1.10 191	1.10 195	1.16 193	1.18 202	1.16 186	1.13 198	1.11 148	1.16 198	1.16 191	1.12 197	1.10 193	1.17 202	1.16 198	1.16 192	1.10 195	1.16 192	1.14 200	1.17 188	1.16 198	1.11 194	1.09 198	1.10 190	1.10 196	1.16 191	1.17 198
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
TorneroNet	1.15 194	1.10 169	0.51 150	0.69 166	0.51 161	1.10 190	0.50 160	0.51 149	0.51 159	13.92 252	1.17 202	0.49 145	0.51 161	0.54 153	0.48 154	0.49 152	0.49 146	0.65 173	0.70 166	0.49 157	0.51 144	0.49 155	0.67 170	1.36 211	0.51 150	0.50 158	0.52 149	1.23 204

RGC	1.15 194	1.16 172	1.17 194	1.15 196	1.11 197	1.21 198	1.21 208	1.10 181	1.15 199	1.16 154	1.11 195	1.17 193	1.09 195	1.14 198	1.11 196	1.16 198	1.19 196	1.11 198	1.10 188	1.15 202	1.11 183	1.19 201	1.16 197	1.12 200	1.17 195	1.10 196	1.16 191	1.17 198

NCC-stereo	1.15 194	1.17 175	1.12 190	1.10 191	1.15 198	1.14 191	1.15 198	1.15 184	1.12 197	1.17 157	1.17 202	1.11 189	1.17 203	1.11 195	1.10 195	1.16 198	1.12 188	1.11 198	1.16 192	1.13 199	1.23 196	1.16 198	1.19 201	1.11 199	1.18 197	1.17 201	1.17 194	1.13 196

edge stereo	1.15 194	1.18 176	1.11 189	1.12 194	1.17 202	1.17 197	1.17 200	1.16 186	1.18 205	1.16 154	1.17 202	1.17 193	1.13 198	1.11 195	1.11 196	1.12 195	1.17 194	1.17 201	1.11 190	1.17 203	1.17 188	1.17 200	1.18 199	1.14 201	1.11 191	1.18 202	1.12 188	1.11 194

Nwc_Net	1.15 194	1.15 170	1.15 191	1.09 190	1.19 203	1.16 193	1.17 200	1.15 184	1.16 201	1.16 154	1.16 198	1.08 188	1.16 200	1.11 195	1.15 201	1.18 202	1.11 187	1.10 195	1.16 192	1.17 203	1.16 186	1.13 197	1.18 199	1.20 206	1.11 191	1.15 199	1.16 191	1.20 201

stereogan	1.17 199	1.19 178	1.15 191	1.15 196	1.15 198	1.15 192	1.19 203	1.19 189	1.15 199	1.15 151	1.16 198	1.19 196	1.19 204	1.19 201	1.19 203	1.19 203	1.15 190	1.19 204	1.19 196	1.19 206	1.15 185	1.19 201	1.15 196	1.15 202	1.16 194	1.15 199	1.19 195	1.20 201

FAT-Stereo	1.22 200	1.23 179	1.19 197	1.21 201	1.24 206	1.24 200	1.19 203	1.25 191	1.24 208	1.25 162	1.19 205	1.20 197	1.24 207	1.20 202	1.21 204	1.25 206	1.22 198	1.21 205	1.25 199	1.23 208	1.22 194	1.19 201	1.19 201	1.24 208	1.25 200	1.20 205	1.19 195	1.25 206

S-Stereo	1.22 200	1.18 176	1.19 197	1.20 200	1.23 205	1.23 199	1.19 203	1.19 189	1.18 205	1.27 163	1.20 206	1.20 197	1.20 205	1.23 203	1.22 206	1.23 205	1.23 199	1.23 207	1.20 197	1.25 209	1.20 192	1.22 206	1.25 204	1.24 208	1.20 199	1.22 207	1.26 198	1.24 205

SPS-STEREO	1.25 202	1.47 181	1.06 187	1.54 208	1.08 193	1.52 207	1.20 207	1.44 197	1.06 194	1.49 175	1.10 194	1.41 205	1.10 196	0.98 185	1.08 194	1.12 195	1.47 207	1.04 192	1.53 206	1.14 200	1.52 205	1.07 193	1.02 189	1.05 193	1.48 207	1.07 194	1.55 204	1.11 194
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RASNet	1.39 203	1.37 180	1.35 200	1.38 206	1.40 209	1.39 205	1.77 218	1.36 194	1.74 218	1.36 169	1.36 209	1.36 204	1.36 209	1.36 204	1.35 207	1.41 212	1.36 203	1.36 212	1.36 203	1.35 211	1.36 203	1.35 209	1.36 206	1.35 210	1.36 205	1.35 210	1.36 203	1.35 207

HBP-ISP	1.47 204	1.07 167	1.03 183	1.30 203	1.08 193	1.36 203	1.06 193	1.44 197	1.25 209	1.97 189	1.51 213	1.65 207	1.58 213	0.98 185	1.58 213	1.68 215	1.98 212	1.32 208	2.02 212	1.28 210	2.95 220	1.89 223	0.97 185	1.06 195	1.26 201	0.99 186	1.94 207	1.43 213

PS-NSSS	1.48 205	4.46 217	1.35 200	1.35 205	1.35 208	1.41 206	1.34 210	1.36 194	1.35 211	1.40 170	1.35 208	1.33 202	1.35 208	1.37 205	1.40 209	1.35 208	1.35 201	1.35 210	1.39 204	1.44 215	1.35 202	1.34 208	1.35 205	1.38 214	1.35 204	1.33 209	1.34 201	1.38 211

CC-Net-ROB	1.51 206	4.40 216	1.69 208	1.39 207	1.40 209	1.37 204	1.40 213	1.36 194	1.39 212	1.41 171	1.36 209	1.35 203	1.38 210	1.39 206	1.39 208	1.36 209	1.36 203	1.35 210	1.39 204	1.39 212	1.37 204	1.36 210	1.41 209	1.48 215	1.39 206	1.42 214	1.35 202	1.35 207

GANetREF_RVC	1.52 207	2.01 188	1.21 199	1.98 213	1.21 204	1.98 213	1.21 208	1.98 208	1.21 207	1.99 190	1.21 207	1.98 211	1.21 206	1.02 190	1.21 204	1.21 204	1.99 213	1.21 205	1.99 211	1.21 207	1.99 210	1.21 204	1.21 203	1.21 207	1.99 213	1.21 206	1.99 210	1.21 203
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
R-Stereo Train	1.62 208	2.01 188	1.41 202	1.97 211	1.40 209	1.96 211	1.39 211	1.93 203	1.39 212	1.92 184	1.38 211	1.94 209	1.39 211	1.40 207	1.45 210	1.38 210	1.96 210	1.37 213	1.97 209	1.39 212	1.98 208	1.41 211	1.40 207	1.37 212	1.97 211	1.38 211	1.96 208	1.37 209

RAFT-Stereo	1.62 208	2.01 188	1.41 202	1.97 211	1.40 209	1.96 211	1.39 211	1.93 203	1.39 212	1.92 184	1.38 211	1.94 209	1.39 211	1.40 207	1.45 210	1.38 210	1.96 210	1.37 213	1.97 209	1.39 212	1.98 208	1.41 211	1.40 207	1.37 212	1.97 211	1.38 211	1.96 208	1.37 209
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DPSMNet_ROB	1.62 208	1.60 184	1.59 205	1.61 209	1.69 213	1.66 209	1.61 214	1.70 200	1.65 216	1.62 177	1.60 215	1.61 206	1.60 214	1.60 209	1.59 214	1.62 213	1.60 208	1.63 215	1.62 207	1.68 218	1.70 206	1.60 213	1.64 212	1.60 216	1.61 208	1.60 215	1.60 205	1.59 215

MFMNet_re	1.77 211	1.89 187	1.72 209	1.88 210	1.69 213	1.89 210	1.67 215	1.91 202	1.70 217	1.87 180	1.67 216	1.89 208	1.68 216	1.67 210	1.67 216	1.70 216	1.88 209	1.68 217	1.88 208	1.67 216	1.89 207	1.68 216	1.70 214	1.71 218	1.87 210	1.68 220	1.87 206	1.68 217

test croco	1.96 212	3.33 205	1.04 184	3.24 222	1.04 191	3.24 223	1.04 192	3.26 221	1.05 192	3.26 218	1.13 196	3.27 222	1.06 194	1.05 191	1.05 192	1.05 192	3.28 222	1.05 193	3.29 220	1.06 194	3.30 221	1.05 191	1.05 191	1.06 195	3.30 222	1.06 193	3.30 222	1.06 190

UDGNet	1.97 213	2.43 198	1.67 206	2.46 220	1.70 215	2.44 220	1.69 216	2.34 214	1.63 215	2.35 207	1.67 216	2.37 218	1.67 215	1.68 211	1.64 215	1.67 214	2.44 220	1.64 216	2.43 218	1.67 216	2.43 219	1.66 214	1.67 213	1.63 217	2.43 219	1.66 218	2.42 218	1.66 216

FBW_ROB	2.04 214	2.50 199	1.75 210	2.45 219	1.78 216	2.40 218	1.74 217	2.47 215	1.77 219	2.37 208	1.81 218	2.30 214	1.80 217	1.78 212	1.88 225	1.80 217	2.41 219	1.77 218	2.43 218	1.83 220	2.39 217	1.81 221	1.76 216	1.75 219	2.56 220	1.75 221	2.30 215	1.74 218

TRStereo	2.05 215	2.13 191	1.85 213	2.27 214	1.84 218	2.28 214	1.84 221	2.29 211	1.87 222	2.29 203	1.86 220	2.30 214	1.87 221	2.30 223	1.87 222	2.08 223	2.29 215	1.87 221	2.30 214	1.87 222	2.08 212	1.72 217	1.86 220	2.30 228	2.13 214	1.84 223	2.29 212	1.87 222

XX-Stereo	2.05 215	2.13 191	1.85 213	2.27 214	1.84 218	2.28 214	1.84 221	2.29 211	1.87 222	2.29 203	1.86 220	2.30 214	1.87 221	2.30 223	1.87 222	2.08 223	2.29 215	1.87 221	2.30 214	1.87 222	2.08 212	1.72 217	1.86 220	2.30 228	2.13 214	1.84 223	2.29 212	1.87 222

EAI-Stereo	2.05 215	2.13 191	1.85 213	2.27 214	1.84 218	2.28 214	1.84 221	2.29 211	1.87 222	2.29 203	1.86 220	2.30 214	1.87 221	2.30 223	1.87 222	2.08 223	2.29 215	1.87 221	2.30 214	1.87 222	2.08 212	1.72 217	1.86 220	2.30 228	2.13 214	1.84 223	2.29 212	1.87 222

AF-Net	2.06 218	25.73 260	1.18 195	1.12 194	1.16 201	1.16 193	1.19 203	1.10 181	1.17 204	1.15 151	1.14 197	1.11 189	1.16 200	1.16 200	1.14 199	1.11 194	1.15 190	1.13 200	1.21 198	1.17 203	1.11 183	1.21 204	1.17 198	1.17 203	1.17 195	1.11 198	1.20 197	1.13 196

MIF-Stereo	2.12 219	3.66 209	1.10 188	3.48 225	1.15 198	3.57 226	1.11 197	3.44 223	1.16 201	3.52 220	1.16 198	3.50 223	1.16 200	1.10 193	1.13 198	1.15 197	3.61 223	1.17 201	3.64 221	1.12 198	3.58 224	1.12 196	1.12 195	1.17 203	3.53 225	1.18 202	3.52 224	1.18 200

NCCL2	2.27 220	2.27 196	2.28 224	2.27 214	2.28 227	2.28 214	2.28 228	2.27 210	2.28 228	2.28 200	2.28 227	2.29 213	2.28 227	2.28 222	2.29 228	2.28 228	2.28 214	2.28 229	2.27 213	2.28 230	2.28 216	2.28 228	2.28 227	2.28 226	2.28 217	2.28 229	2.11 211	2.28 230

STTStereo	2.30 221	2.34 197	2.26 223	2.37 218	2.23 224	2.40 218	2.35 229	2.20 209	2.33 229	2.28 200	2.31 228	2.19 212	2.37 228	2.20 219	2.31 229	2.23 227	2.38 218	2.25 228	2.33 217	2.27 229	2.39 217	2.27 227	2.31 228	2.29 227	2.37 218	2.32 230	2.34 216	2.26 229

NLCA_NET_v2_RVC	2.50 222	2.85 203	1.90 218	2.90 221	2.77 228	2.88 221	2.85 230	2.51 216	2.85 231	2.88 215	1.99 225	2.50 219	2.76 230	2.20 219	1.57 212	2.64 229	2.89 221	2.63 230	5.69 245	1.03 192	2.01 211	2.71 229	2.74 231	2.73 231	2.87 221	1.64 216	1.00 179	1.49 214
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MIF-Stereo (partial)	2.52 223	3.41 207	1.05 185	3.29 223	1.05 192	3.29 225	1.06 193	3.30 222	1.06 194	3.31 219	1.06 192	4.97 241	2.72 229	2.72 226	2.71 230	2.70 230	6.57 248	2.19 226	5.08 242	1.08 196	3.36 222	1.07 193	1.07 192	1.07 197	3.35 224	1.07 194	3.36 223	1.07 192

sCroCo_RVC	2.76 224	4.00 211	1.82 212	4.00 232	1.83 217	3.98 232	1.82 219	3.99 225	1.81 220	4.14 229	2.76 229	4.13 234	1.82 219	1.83 213	1.83 218	1.82 218	4.01 232	1.82 220	3.98 229	1.86 221	4.00 232	1.82 222	1.83 218	1.84 220	4.02 234	1.81 222	4.00 231	1.83 221

sAnonymous2	2.87 225	4.16 212	1.89 216	4.26 236	1.87 221	4.23 235	1.92 224	4.17 226	1.94 225	4.16 230	1.92 223	4.20 235	1.92 224	1.96 215	1.86 220	1.87 220	4.25 235	1.90 224	4.23 234	1.91 225	4.26 235	1.93 224	1.89 223	1.90 221	4.07 235	1.91 226	5.09 243	1.93 226

CroCo_RVC	2.87 225	4.16 212	1.89 216	4.26 236	1.87 221	4.23 235	1.92 224	4.17 226	1.94 225	4.16 230	1.92 223	4.20 235	1.92 224	1.96 215	1.86 220	1.87 220	4.25 235	1.90 224	4.23 234	1.91 225	4.26 235	1.93 224	1.89 223	1.90 221	4.07 235	1.91 226	5.09 243	1.93 226

Anonymous3	3.36 227	4.93 221	2.20 220	4.92 242	2.23 224	4.90 242	2.23 227	4.89 231	2.24 227	4.95 240	2.21 226	4.91 240	2.21 226	2.18 218	2.22 227	2.22 226	4.86 242	2.20 227	4.90 240	2.20 228	4.96 242	2.21 226	2.21 226	2.21 225	6.30 246	2.21 228	4.90 238	2.23 228

StereoVision	3.44 228	10.12 247	1.68 207	5.44 245	2.26 226	5.87 245	1.97 226	5.17 232	1.31 210	5.80 243	1.56 214	5.62 245	1.84 220	1.97 217	1.91 226	1.84 219	4.98 244	1.32 208	5.60 243	1.71 219	5.35 246	1.73 220	1.97 225	1.96 223	5.40 243	1.65 217	5.08 242	1.76 220

DPSNet	3.67 229	3.61 208	3.62 232	3.64 226	3.61 236	3.64 227	3.65 236	3.64 224	3.67 235	3.67 222	3.65 234	3.68 225	3.69 240	3.69 234	3.69 241	3.68 237	3.70 225	3.70 238	3.69 226	3.69 239	3.71 227	3.69 235	3.67 235	3.69 239	3.68 228	3.67 235	3.68 226	3.67 232

StereoIM	3.69 230	10.19 248	2.01 219	6.09 246	2.01 223	5.94 246	1.82 219	6.14 237	1.85 221	6.59 247	1.82 219	6.01 246	1.81 218	1.83 213	1.83 218	2.02 222	5.87 245	1.79 219	5.93 246	2.06 227	4.63 240	1.67 215	1.84 219	2.08 224	5.90 244	1.66 218	6.34 247	1.87 222

Sa-1000	3.84 231	7.71 232	6.81 247	4.15 234	2.86 229	3.27 224	3.87 242	5.99 234	4.35 246	2.78 213	3.71 235	3.88 227	3.56 236	3.88 237	3.64 234	2.71 231	3.72 226	3.27 233	3.67 225	3.15 232	3.51 223	3.36 233	2.70 230	3.49 233	3.32 223	3.76 239	2.87 220	3.76 239

SA	3.93 232	7.22 228	4.74 234	4.15 234	3.88 242	3.70 228	4.02 245	6.67 243	3.95 240	3.64 221	3.74 236	3.63 224	3.00 232	3.51 229	3.68 240	3.68 237	3.73 227	3.71 239	3.64 221	3.48 234	3.58 224	2.97 230	3.69 236	3.61 234	3.55 227	3.42 232	3.64 225	3.79 240

TestStereo1	4.11 233	7.79 234	6.72 245	3.93 229	3.81 239	3.96 230	3.58 234	6.96 246	3.74 237	3.90 224	3.76 237	3.89 228	3.57 237	3.70 235	3.66 237	3.34 234	3.80 228	3.62 235	3.66 223	3.68 237	3.91 229	3.70 236	3.65 233	3.67 236	3.88 229	3.53 233	3.89 228	3.68 235

SA-5K	4.11 233	7.79 234	6.72 245	3.93 229	3.81 239	3.96 230	3.58 234	6.96 246	3.74 237	3.90 224	3.76 237	3.89 228	3.57 237	3.70 235	3.66 237	3.34 234	3.80 228	3.62 235	3.66 223	3.68 237	3.91 229	3.70 236	3.65 233	3.67 236	3.88 229	3.53 233	3.89 228	3.68 235

test_4	4.11 233	8.05 237	6.64 243	4.52 239	3.68 237	3.00 222	3.40 233	6.21 241	3.29 232	4.07 228	3.84 240	4.04 232	3.76 242	3.56 232	3.67 239	3.76 240	4.04 233	3.79 241	4.10 230	3.53 235	3.98 231	3.74 239	3.55 232	3.61 234	3.94 233	3.75 238	3.73 227	3.73 238

test-1	4.11 233	7.65 231	4.93 235	3.65 227	3.58 234	4.70 241	3.74 240	4.73 229	4.06 242	3.72 223	4.11 244	3.70 226	3.49 235	3.36 228	3.65 236	4.17 245	3.92 230	4.04 245	4.19 233	3.75 240	4.69 241	4.18 242	3.88 239	3.90 241	4.73 239	3.77 240	3.12 221	3.68 235

TESTraft	4.16 237	8.03 236	6.81 247	3.99 231	3.68 237	3.93 229	3.70 238	6.86 245	3.69 236	3.93 226	3.88 242	3.93 230	3.59 239	3.65 233	3.64 234	3.68 237	3.92 230	3.72 240	3.92 227	3.57 236	3.84 228	3.70 236	3.71 237	3.67 236	3.91 232	3.74 237	3.92 230	3.67 232

raft_robust	4.19 238	7.78 233	6.08 240	3.30 224	3.85 241	4.03 233	3.73 239	6.25 242	3.30 233	4.44 234	3.28 232	4.01 231	3.82 243	4.29 242	3.70 242	4.01 242	4.48 240	3.42 234	4.11 231	3.76 241	4.05 233	3.32 232	3.85 238	3.82 240	4.71 238	3.83 241	4.09 232	3.80 241

Anonymous	4.38 239	6.03 224	2.67 228	6.71 248	3.03 230	5.98 248	3.20 232	6.18 240	2.49 230	6.13 246	3.16 230	6.07 247	2.97 231	3.15 227	3.09 231	3.15 233	6.62 249	3.20 232	6.32 248	3.16 233	6.80 248	3.15 231	2.63 229	3.20 232	7.02 247	2.85 231	6.13 245	3.25 231

RAFT_CTSACE	4.43 240	8.26 239	6.10 241	4.62 240	4.01 244	4.54 240	3.65 236	6.09 236	3.93 239	4.64 237	4.14 245	4.26 237	4.13 245	3.91 238	3.88 243	4.06 244	4.30 237	4.03 244	4.27 236	3.92 242	4.26 235	3.67 234	3.91 240	4.16 244	4.82 240	4.08 245	4.20 234	3.67 232

RAFT+CT+SA	4.43 240	7.34 230	6.71 244	5.01 243	4.38 245	4.40 237	3.85 241	6.15 239	4.30 245	4.89 239	3.26 231	4.49 239	3.01 233	4.53 243	3.36 233	3.65 236	3.64 224	4.39 247	3.94 228	4.28 245	4.44 238	4.30 244	4.24 245	4.52 246	3.90 231	3.85 242	4.89 237	4.00 243

cross-raft	4.43 240	7.31 229	6.46 242	4.47 238	3.95 243	4.46 238	3.95 243	6.70 244	3.97 241	4.41 233	3.82 239	4.38 238	3.94 244	3.95 240	3.95 245	3.95 241	4.45 239	3.95 243	4.46 237	3.95 243	4.46 239	3.95 240	3.95 242	3.94 243	4.40 237	3.95 244	4.45 236	3.95 242

test_5	4.51 243	8.85 241	5.35 239	3.66 228	3.56 233	5.10 244	4.47 247	6.14 237	4.07 243	4.96 241	3.87 241	5.14 244	4.17 247	3.53 230	4.39 246	4.53 246	4.15 234	3.62 235	4.74 239	2.94 231	3.63 226	4.53 246	4.20 244	4.54 247	4.86 241	3.68 236	4.95 239	4.06 244

test_3	4.55 244	10.96 249	7.69 251	4.04 233	3.60 235	4.10 234	3.98 244	7.94 248	4.56 247	3.99 227	4.03 243	4.08 233	3.74 241	3.99 241	3.91 244	4.05 243	4.33 238	3.89 242	4.14 232	4.00 244	4.11 234	4.02 241	4.01 243	3.91 242	3.53 225	3.94 243	4.19 233	4.20 245

TestStereo	4.92 245	4.80 220	4.98 236	4.82 241	4.97 247	4.91 243	4.78 248	4.80 230	4.88 248	4.78 238	4.80 247	4.99 242	4.81 248	4.83 244	4.87 248	4.97 248	4.93 243	5.01 249	5.03 241	4.90 248	5.02 243	5.02 247	5.06 246	5.04 248	4.93 242	4.89 247	5.01 240	5.09 247

DispFullNet	4.96 246	5.67 223	3.30 231	5.01 243	3.21 232	4.50 239	3.11 231	4.43 228	3.44 234	4.60 236	3.46 233	5.13 243	3.44 234	3.53 230	3.20 232	2.87 232	4.80 241	3.15 231	4.70 238	4.83 247	9.02 252	5.98 250	5.95 250	6.21 250	8.84 252	5.85 249	9.76 252	5.91 249

SGM-Forest	5.07 247	6.74 226	4.17 233	6.46 247	4.68 246	6.21 249	4.38 246	6.00 235	4.14 244	5.84 244	4.44 246	6.28 248	4.16 246	3.92 239	4.56 247	4.60 247	6.15 246	4.27 246	6.12 247	4.31 246	5.99 247	4.27 243	3.92 241	4.27 245	6.13 245	4.10 246	6.18 246	4.49 246
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
SGM+DAISY	6.35 248	8.16 238	5.14 238	8.12 252	5.08 249	8.12 252	5.16 249	8.01 249	5.18 250	7.92 250	5.14 248	7.89 252	5.14 249	4.95 245	5.33 249	5.32 249	8.14 252	5.16 250	8.16 251	5.16 249	8.21 251	5.19 248	5.12 247	5.12 249	8.18 251	5.24 248	8.12 251	5.11 248

RAFT	6.60 249	9.99 244	8.33 252	7.21 251	6.55 250	5.95 247	5.87 250	8.70 252	5.02 249	5.10 242	6.69 250	7.06 251	6.94 252	6.17 248	7.09 252	6.84 250	6.47 247	4.72 248	5.60 243	5.60 250	5.11 244	5.97 249	6.93 251	6.89 251	7.16 248	7.08 252	6.58 248	6.66 250

test-v	7.17 250	11.53 250	7.63 249	7.17 249	6.87 251	7.48 250	6.90 251	8.14 250	6.88 251	6.93 248	7.42 251	7.05 249	6.14 250	6.05 246	6.86 250	6.99 251	7.60 250	6.75 251	6.90 249	6.66 251	7.83 249	6.36 251	5.89 248	7.34 252	7.19 249	6.75 250	7.52 249	6.77 251

test-2	7.17 250	11.53 250	7.63 249	7.17 249	6.87 251	7.48 250	6.90 251	8.14 250	6.88 251	6.93 248	7.42 251	7.05 249	6.14 250	6.05 246	6.86 250	6.99 251	7.60 250	6.75 251	6.90 249	6.66 251	7.83 249	6.36 251	5.89 248	7.34 252	7.19 249	6.75 250	7.52 249	6.77 251

MANE	18.41 252	23.00 259	16.00 253	22.00 260	15.00 253	22.00 260	15.00 253	22.00 260	15.00 253	21.00 260	15.00 253	22.00 260	15.00 253	15.00 253	17.00 253	15.00 253	23.00 260	15.00 253	22.00 259	15.00 253	23.00 260	15.00 253	18.00 252	15.00 254	24.00 260	17.00 253	24.00 260	16.00 253

rafts_anoy	20.00 253	20.00 252	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 254	20.00 254	20.00 254	20.00 253	20.00 254	20.00 252	20.00 254	20.00 253	20.00 254	20.00 253	20.00 255	20.00 253	20.00 254	20.00 253	20.00 254

raft+_RVC	20.00 253	20.00 252	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 254	20.00 254	20.00 254	20.00 253	20.00 254	20.00 252	20.00 254	20.00 253	20.00 254	20.00 253	20.00 255	20.00 253	20.00 254	20.00 253	20.00 254

raftrobust	20.00 253	20.00 252	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 254	20.00 254	20.00 254	20.00 253	20.00 254	20.00 252	20.00 254	20.00 253	20.00 254	20.00 253	20.00 255	20.00 253	20.00 254	20.00 253	20.00 254

CasAABBNet	20.00 253	20.00 252	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 254	20.00 254	20.00 254	20.00 253	20.00 254	20.00 252	20.00 254	20.00 253	20.00 254	20.00 253	20.00 255	20.00 253	20.00 254	20.00 253	20.00 254

RALCasStereoNet	20.00 253	20.00 252	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 254	20.00 254	20.00 254	20.00 253	20.00 254	20.00 252	20.00 254	20.00 253	20.00 254	20.00 253	20.00 255	20.00 253	20.00 254	20.00 253	20.00 254

RALAANet	20.00 253	20.00 252	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 254	20.00 254	20.00 254	20.00 253	20.00 254	20.00 252	20.00 254	20.00 253	20.00 254	20.00 253	20.00 255	20.00 253	20.00 254	20.00 253	20.00 254

MSMDNet	20.00 253	20.00 252	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 253	20.00 254	20.00 254	20.00 254	20.00 254	20.00 253	20.00 254	20.00 252	20.00 254	20.00 253	20.00 254	20.00 253	20.00 255	20.00 253	20.00 254	20.00 253	20.00 254

MDST_ROB	61.15 260	72.66 262	46.52 261	70.00 261	44.89 261	64.24 261	43.75 261	73.65 261	48.92 262	72.70 262	42.40 261	60.70 261	50.23 261	50.07 262	67.69 262	68.60 262	83.13 262	47.77 261	82.48 261	46.00 261	95.93 262	53.44 262	50.66 260	45.00 262	84.99 262	53.64 262	79.01 261	52.07 262

CBMV	101.59 261	71.60 261	48.40 262	72.70 262	49.00 262	79.60 262	48.40 262	80.90 262	46.90 261	68.90 261	49.00 262	78.00 262	572.10 269	49.50 261	51.30 261	48.40 261	72.20 261	639.60 269	79.40 260	48.90 262	79.50 261	51.40 261	52.30 261	48.30 263	80.20 261	49.10 261	79.60 262	47.60 261
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	151.99 262	131.36 263	140.69 263	151.38 263	151.40 263	150.79 263	151.72 263	149.36 263	159.46 263	146.42 263	150.73 263	149.06 265	176.22 262	143.94 263	133.10 264	133.45 264	153.30 264	154.22 263	154.67 263	153.95 264	156.90 265	156.53 265	160.21 262	162.72 264	154.57 263	160.59 263	153.47 263	163.50 263
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
NOSS_ROB	248.11 263	409.00 267	288.00 265	412.00 265	280.00 265	411.00 267	288.00 265	356.00 264	275.00 267	379.00 267	303.00 267	415.00 267	278.00 266	260.00 267	104.00 263	103.00 263	126.00 263	108.00 262	118.00 262	98.00 263	126.00 264	104.00 264	268.00 265	216.00 266	279.00 266	201.00 264	288.00 266	206.00 264

AE-Stereo	252.48 264	202.00 264	361.00 267	502.00 267	324.00 267	321.00 264	482.00 269	423.00 266	227.00 266	201.00 264	273.00 266	101.00 263	207.00 263	198.00 264	183.00 265	181.00 265	221.00 265	232.00 266	477.00 265	220.00 266	111.00 263	100.00 263	219.00 264	214.00 265	204.00 264	211.00 265	200.00 264	222.00 266

EGLCR-Stereo	276.81 265	209.00 265	366.00 268	514.00 268	354.00 268	336.00 265	422.00 267	440.00 267	220.00 265	231.00 265	245.00 265	135.00 264	237.00 265	218.00 266	197.00 266	222.00 267	223.00 266	230.00 265	487.00 267	255.00 267	250.00 266	273.00 267	272.00 266	228.00 268	241.00 265	220.00 267	214.00 265	235.00 267

DLCB_ROB	280.78 266	376.74 266	215.59 264	376.74 264	215.59 264	376.74 266	215.59 264	366.42 265	218.39 264	366.42 266	218.39 264	366.42 266	218.39 264	209.96 265	219.76 267	219.38 266	376.72 267	216.43 264	376.72 264	216.43 265	376.72 267	216.43 266	216.14 263	216.14 267	376.69 267	217.67 266	376.69 267	217.67 265

LE_ROB	387.11 267	453.07 268	321.39 266	500.23 266	323.05 266	493.99 268	324.56 266	477.63 268	322.28 268	465.51 268	322.97 268	486.37 268	334.17 267	305.26 268	320.63 268	327.66 268	476.08 268	315.70 267	483.76 266	335.15 268	469.64 268	309.74 268	315.90 267	318.85 269	498.41 268	328.85 268	491.00 268	330.08 268

SGM-ForestM	522.49 268	676.08 269	448.56 269	638.17 269	433.15 269	639.59 269	427.03 268	617.52 269	439.90 269	604.63 269	429.02 269	611.68 269	432.74 268	420.18 269	451.96 269	465.85 269	601.06 269	403.73 268	659.15 268	405.50 269	669.64 269	437.21 269	455.85 268	425.66 270	689.82 269	481.65 269	662.43 269	479.61 269

CBMV_ROB	1133.35 269	1280.38 270	976.92 270	1317.57 270	1021.62 270	1282.66 270	1022.22 270	1213.88 270	982.57 270	1194.12 270	975.90 270	1357.87 270	1090.02 270	943.32 270	1021.85 270	1006.47 270	1309.01 270	986.29 270	1499.40 269	986.35 270	1359.35 270	975.96 270	975.21 269	969.30 271	1337.82 270	1042.34 270	1398.25 270	1073.86 270

anonymousdsp2	10000000.00 270	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 270	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 270	10000000.00 272	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271

anonymousdsp	10000000.00 270	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 270	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 270	10000000.00 272	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271

AMNet	10000000.00 270	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 270	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 270	10000000.00 272	10000000.00 271	10000000.00 271	10000000.00 271	10000000.00 271

ASD4																								0.20 86

STTRV1_RVC		1.59 183	0.52 153	0.69 166	0.61 169	0.66 165	0.43 144	0.88 170	0.45 144	0.71 122	0.62 169	0.69 164	0.45 144	0.62 160	0.40 137	0.44 138	0.80 172	0.59 165		0.63 169	0.80 166	0.46 141		0.61 170	0.72 166	0.54 161	0.80 169	0.60 163

Low-res two-view benchmark