Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

ADCMid	0.08 26	0.02 14	0.13 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 37	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 23

ADCS	0.06 24	0.02 14	0.04 21	0.02 15	0.03 21	0.02 15	0.02 15	0.02 15	0.02 15	1.03 161	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

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	1.46 188	0.02 15	0.03 23	0.03 21	0.02 15	0.02 15	0.02 15	0.04 25	0.02 15	0.03 22	0.02 16	0.02 15	0.02 15	0.02 15	0.03 23	0.02 15	0.02 15	0.03 22	0.03 23

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

BEATNet_4x	0.08 26	0.03 23	0.06 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 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 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 23	0.03 21	0.03 25	0.03 24	0.03 24	0.03 20	0.03 23	0.03 22	0.03 24	0.03 23	0.03 24	0.03 23	0.03 23	0.03 24	0.03 24	0.03 22	0.03 23

ADCPNet	0.08 26	0.03 23	0.04 21	0.03 23	0.03 21	0.03 22	0.03 24	0.03 24	0.03 25	1.32 182	0.03 24	0.03 23	0.03 21	0.03 25	0.03 24	0.03 24	0.03 20	0.03 23	0.03 22	0.03 24	0.03 23	0.03 24	0.03 23	0.03 23	0.03 24	0.03 24	0.04 27	0.03 23

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

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

FADNet_RVC	0.10 33	0.03 23	0.04 21	0.03 23	0.04 28	0.05 32	0.04 28	0.04 28	0.04 28	0.03 21	0.04 27	0.04 27	0.03 21	0.04 28	0.03 24	0.03 24	0.04 25	0.04 27	0.04 27	0.04 28	0.04 28	0.03 24	1.63 229	0.03 23	0.03 24	0.04 28	0.03 22	0.04 28

FADNet-RVC	0.11 45	0.04 29	0.05 26	0.04 29	0.05 31	0.04 28	0.04 28	0.05 32	0.04 28	0.04 22	0.04 27	0.04 27	0.04 29	0.05 31	0.04 29	0.04 28	0.04 25	0.04 27	0.05 30	0.04 28	0.04 28	0.04 29	1.79 235	0.04 29	0.04 28	0.04 28	0.04 27	0.05 33

FADNet	0.11 45	0.04 29	0.05 26	0.06 34	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 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

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	2.46 225	0.04 27	0.04 27	0.04 29	0.04 28	0.04 29	0.04 28	0.04 25	0.04 27	0.04 27	0.04 28	0.04 28	0.04 29	0.04 28	0.05 33	0.04 28	0.04 28	0.04 27	0.04 28

AnyNet_C32	0.12 48	0.03 23	0.07 33	0.03 23	0.03 21	0.03 22	0.03 24	0.03 24	0.02 15	2.33 222	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 33	0.04 29	0.05 31	0.04 28	0.04 28	0.04 28	0.04 28	2.28 216	0.05 31	0.05 31	0.04 29	0.04 28	0.04 29	0.04 28	0.05 32	0.04 27	0.05 30	0.04 28	0.04 28	0.04 29	0.04 28	0.05 33	0.04 28	0.04 28	0.04 27	0.04 28

AASNet	0.05 21	0.08 37	0.08 36	0.07 36	0.05 31	0.05 32	0.05 33	0.07 35	0.05 33	0.05 24	0.05 31	0.05 31	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 37	0.08 36	0.07 36	0.05 31	0.05 32	0.05 33	0.07 35	0.05 33	0.05 24	0.05 31	0.05 31	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 37	0.08 36	0.07 36	0.05 31	0.05 32	0.05 33	0.07 35	0.05 33	0.05 24	0.05 31	0.05 31	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

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 35	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 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

FADE			0.05 26	0.05 33				0.05 32		0.06 29			0.04 29	0.05 31	0.07 35	0.07 38	0.07 38	0.05 34		0.04 28	0.09 41	0.08 41	0.06 34	0.05 33	0.06 38		0.05 33	0.04 28

FINET	0.07 25	0.08 37	0.07 33	0.08 39	0.07 38	0.08 40	0.07 37	0.08 41	0.07 37	0.08 30	0.07 38	0.08 38	0.07 39	0.07 39	0.07 35	0.07 38	0.07 38	0.07 39	0.07 37	0.07 39	0.08 40	0.07 38	0.07 35	0.06 39	0.07 39	0.07 38	0.08 41	0.06 39

BEATNet-Init1	0.15 64	0.07 35	0.10 42	0.08 39	0.07 38	0.07 38	0.07 37	0.07 35	0.07 37	2.19 213	0.08 39	0.08 38	0.07 39	0.07 39	0.07 35	0.07 38	0.08 40	0.07 39	0.08 39	0.08 40	0.07 38	0.07 38	0.07 35	0.07 40	0.08 40	0.07 38	0.07 39	0.07 40

DeepPrunerF	0.15 64	0.07 35	0.10 42	0.08 39	0.07 38	0.07 38	0.07 37	0.07 35	0.07 37	2.19 213	0.08 39	0.08 38	0.07 39	0.07 39	0.07 35	0.07 38	0.08 40	0.07 39	0.08 39	0.08 40	0.07 38	0.07 38	0.07 35	0.07 40	0.08 40	0.07 38	0.07 39	0.07 40

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

UNet	0.19 77	0.13 55	0.09 39	0.13 56	0.09 41	0.13 55	0.09 41	0.13 55	0.09 41	0.90 150	0.09 42	0.13 55	0.09 42	0.10 46	0.09 43	0.70 183	0.13 56	0.09 43	0.13 53	0.10 44	0.91 184	0.09 43	0.10 41	0.09 42	0.13 55	0.10 42	0.13 56	0.09 42

ProNet	0.12 48	0.18 66	0.11 55	0.14 57	0.10 43	0.14 57	0.11 54	0.14 56	0.11 54	0.14 43	0.10 44	0.14 56	0.10 45	0.10 46	0.11 55	0.10 44	0.15 63	0.10 44	0.14 55	0.10 44	0.14 56	0.10 45	0.11 53	0.10 45	0.15 62	0.10 42	0.14 57	0.10 46

AnonymousM	0.10 33	0.10 42	0.10 42	0.10 43	0.10 43	0.10 42	0.10 44	0.10 43	0.10 43	0.10 32	0.10 44	0.10 42	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 42	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 42	0.10 42	0.10 46

PVD	0.10 33	0.10 42	0.10 42	0.10 43	0.10 43	0.10 42	0.10 44	0.10 43	0.10 43	0.10 32	0.10 44	0.10 42	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 42	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 42	0.10 42	0.10 46

SHD	0.10 33	0.10 42	0.10 42	0.10 43	0.10 43	0.10 42	0.10 44	0.10 43	0.10 43	0.10 32	0.10 44	0.10 42	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 42	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 42	0.10 42	0.10 46

SAMSARA	0.10 33	0.10 42	0.10 42	0.10 43	0.10 43	0.10 42	0.10 44	0.10 43	0.10 43	0.10 32	0.10 44	0.10 42	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 42	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 42	0.10 42	0.10 46

XQC	0.10 33	0.10 42	0.10 42	0.10 43	0.10 43	0.10 42	0.10 44	0.10 43	0.10 43	0.10 32	0.10 44	0.10 42	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 42	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 42	0.10 42	0.10 46

RTSC	0.10 33	0.10 42	0.10 42	0.10 43	0.10 43	0.10 42	0.10 44	0.10 43	0.10 43	0.10 32	0.10 44	0.10 42	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 42	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 42	0.10 42	0.10 46

RTS	0.10 33	0.10 42	0.10 42	0.10 43	0.10 43	0.10 42	0.10 44	0.10 43	0.10 43	0.10 32	0.10 44	0.10 42	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 42	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 42	0.10 42	0.10 46

RTSA	0.10 33	0.10 42	0.10 42	0.10 43	0.10 43	0.10 42	0.10 44	0.10 43	0.10 43	0.10 32	0.10 44	0.10 42	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 42	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 42	0.10 42	0.10 46

MADNet+	0.10 33	0.10 42	0.10 42	0.10 43	0.10 43	0.10 42	0.10 44	0.10 43	0.10 43	0.10 32	0.10 44	0.10 42	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 42	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 42	0.10 42	0.10 46

MADNet++	0.10 33	0.10 42	0.10 42	0.10 43	0.10 43	0.10 42	0.10 44	0.10 43	0.10 43	0.10 32	0.10 44	0.10 42	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 42	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 42	0.10 42	0.10 46

PDISCO_ROB	0.50 134	0.15 57	0.11 55	0.16 71	3.16 247	0.13 55	0.12 71	0.14 56	0.12 70	0.15 47	0.11 55	2.55 235	0.11 56	2.20 236	0.13 77	0.12 70	0.16 71	0.10 44	0.14 55	0.12 74	0.15 64	0.12 73	0.12 70	0.12 71	0.15 62	0.10 42	2.75 235	0.09 42

ELAS_RVC	0.14 59	0.18 66	0.11 55	0.19 76	0.11 55	0.18 73	0.13 75	0.16 66	0.11 54	0.17 60	0.11 55	0.14 56	0.11 56	0.09 43	0.11 55	0.12 70	0.17 74	0.10 44	0.18 73	0.11 56	0.18 73	0.11 56	0.10 41	0.11 57	0.19 77	0.11 55	0.19 75	0.12 71
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.14 59	0.23 79	0.10 42	0.19 76	0.11 55	0.20 76	0.11 54	0.16 66	0.10 43	0.15 47	0.11 55	0.15 64	0.11 56	0.09 43	0.11 55	0.11 55	0.16 71	0.10 44	0.17 71	0.11 56	0.18 73	0.11 56	0.09 38	0.10 45	0.18 74	0.11 55	0.19 75	0.12 71
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
GCAP-BAT	0.17 68	1.25 191	0.20 88	0.15 64	0.11 55	0.15 65	0.11 54	0.21 77	0.11 54	0.15 47	0.11 55	0.15 64	0.11 56	0.11 59	0.11 55	0.11 55	0.15 63	0.11 58	0.15 62	0.11 56	0.15 64	0.11 56	0.11 53	0.11 57	0.15 62	0.11 55	0.15 63	0.11 57

test_for_model	0.17 68	1.25 191	0.20 88	0.15 64	0.11 55	0.15 65	0.11 54	0.21 77	0.11 54	0.15 47	0.11 55	0.15 64	0.11 56	0.11 59	0.11 55	0.11 55	0.15 63	0.11 58	0.15 62	0.11 56	0.15 64	0.11 56	0.11 53	0.11 57	0.15 62	0.11 55	0.15 63	0.11 57

testlalala2	0.17 68	1.25 191	0.20 88	0.15 64	0.11 55	0.15 65	0.11 54	0.21 77	0.11 54	0.15 47	0.11 55	0.15 64	0.11 56	0.11 59	0.11 55	0.11 55	0.15 63	0.11 58	0.15 62	0.11 56	0.15 64	0.11 56	0.11 53	0.11 57	0.15 62	0.11 55	0.15 63	0.11 57

JetRed	0.22 84	0.11 52	0.12 61	0.11 53	0.11 55	0.11 52	0.11 54	0.11 53	0.11 54	2.93 232	0.11 55	0.11 52	0.11 56	0.11 59	0.11 55	0.12 70	0.11 53	0.11 58	0.11 52	0.11 56	0.11 53	0.11 56	0.11 53	0.11 57	0.11 53	0.11 55	0.11 53	0.11 57

testlalala	0.17 68	1.25 191	0.20 88	0.15 64	0.11 55	0.15 65	0.11 54	0.21 77	0.11 54	0.15 47	0.11 55	0.15 64	0.11 56	0.11 59	0.11 55	0.11 55	0.15 63	0.11 58	0.15 62	0.11 56	0.15 64	0.11 56	0.11 53	0.11 57	0.15 62	0.11 55	0.15 63	0.11 57

testlalala_base	0.17 68	1.25 191	0.20 88	0.15 64	0.11 55	0.15 65	0.11 54	0.21 77	0.11 54	0.15 47	0.11 55	0.15 64	0.11 56	0.11 59	0.11 55	0.11 55	0.15 63	0.11 58	0.15 62	0.11 56	0.15 64	0.11 56	0.11 53	0.11 57	0.15 62	0.11 55	0.15 63	0.11 57

SPstereo	0.17 68	1.25 191	0.20 88	0.15 64	0.11 55	0.15 65	0.11 54	0.21 77	0.11 54	0.15 47	0.11 55	0.15 64	0.11 56	0.11 59	0.11 55	0.11 55	0.15 63	0.11 58	0.15 62	0.11 56	0.15 64	0.11 56	0.11 53	0.11 57	0.15 62	0.11 55	0.15 63	0.11 57

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

IPLG	0.12 48	0.15 57	0.12 61	0.14 57	0.11 55	0.14 57	0.11 54	0.14 56	0.11 54	0.15 47	0.11 55	0.14 56	0.11 56	0.12 69	0.11 55	0.11 55	0.14 57	0.11 58	0.14 55	0.11 56	0.14 56	0.11 56	0.11 53	0.11 57	0.14 57	0.11 55	0.14 57	0.11 57

IPLGR_C	0.13 53	0.16 62	0.14 72	0.15 64	0.11 55	0.14 57	0.11 54	0.14 56	0.11 54	0.14 43	0.11 55	0.14 56	0.11 56	0.12 69	0.11 55	0.11 55	0.14 57	0.11 58	0.14 55	0.11 56	0.14 56	0.11 56	0.11 53	0.11 57	0.14 57	0.11 55	0.15 63	0.11 57

MIPNet	0.12 48	0.15 57	0.12 61	0.14 57	0.11 55	0.14 57	0.11 54	0.14 56	0.11 54	0.15 47	0.11 55	0.14 56	0.11 56	0.12 69	0.11 55	0.11 55	0.14 57	0.11 58	0.15 62	0.11 56	0.14 56	0.11 56	0.11 53	0.11 57	0.14 57	0.11 55	0.14 57	0.11 57

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

ACRE	0.13 53	0.16 62	0.12 61	0.14 57	0.11 55	0.14 57	0.11 54	0.15 64	0.11 54	0.14 43	0.11 55	0.14 56	0.11 56	0.12 69	0.11 55	0.11 55	0.14 57	0.11 58	0.14 55	0.11 56	0.14 56	0.11 56	0.11 53	0.11 57	0.14 57	0.11 55	0.14 57	0.11 57

ICVP	0.13 53	0.16 62	0.11 55	0.16 71	0.11 55	0.16 71	0.11 54	0.16 66	0.11 54	0.16 59	0.11 55	0.16 72	0.11 56	0.11 59	0.11 55	0.11 55	0.16 71	0.11 58	0.16 70	0.11 56	0.16 71	0.11 56	0.11 53	0.11 57	0.16 72	0.11 55	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 64	0.21 73	0.12 61	0.21 81	0.12 73	0.20 76	0.14 76	0.20 73	0.12 70	0.22 68	0.12 73	0.16 72	0.12 75	0.10 46	0.12 72	0.12 70	0.21 82	0.11 58	0.22 81	0.12 74	0.20 77	0.12 73	0.11 53	0.12 71	0.21 82	0.14 76	0.21 81	0.13 78

SGM_RVC	0.14 59	0.19 70	0.11 55	0.20 78	0.11 55	0.20 76	0.12 71	0.18 71	0.12 70	0.18 62	0.12 73	0.19 77	0.11 56	0.11 59	0.11 55	0.11 55	0.18 76	0.11 58	0.19 76	0.11 56	0.19 75	0.11 56	0.11 53	0.11 57	0.20 78	0.11 55	0.20 77	0.12 71
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
JetBlue	0.23 86	0.12 53	0.13 69	0.12 54	0.12 73	0.12 53	0.11 54	0.14 56	0.12 70	3.07 233	0.12 73	0.12 54	0.11 56	0.11 59	0.13 77	0.13 76	0.12 54	0.12 74	0.13 53	0.11 56	0.12 54	0.13 77	0.12 70	0.14 78	0.13 55	0.12 71	0.12 54	0.11 57

SFCPSM	0.23 86	0.18 66	0.13 69	0.18 74	0.12 73	0.18 73	0.80 193	0.17 69	0.12 70	0.88 149	0.12 73	0.17 74	0.12 75	0.13 76	0.12 72	0.12 70	0.18 76	0.12 74	0.18 73	0.12 74	1.18 205	0.13 77	0.12 70	0.12 71	0.18 74	0.13 75	0.18 73	0.12 71

HSM	0.14 59	0.17 65	0.11 55	0.17 73	0.11 55	0.17 72	0.12 71	0.17 69	0.11 54	0.17 60	0.11 55	0.17 74	0.11 56	0.12 69	0.12 72	0.12 70	0.17 74	0.12 74	0.17 71	0.12 74	0.17 72	0.12 73	0.12 70	0.12 71	0.17 73	0.12 71	0.17 72	0.12 71

DeepPruner_ROB	0.15 64	0.18 66	0.12 61	0.18 74	0.12 73	0.18 73	0.12 71	0.18 71	0.13 75	0.18 62	0.12 73	0.18 76	0.12 75	0.13 76	0.12 72	0.13 76	0.18 76	0.13 77	0.18 73	0.12 74	0.19 75	0.12 73	0.13 74	0.12 71	0.18 74	0.12 71	0.18 73	0.12 71

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

GMStereo	0.14 59	0.13 55	0.14 72	0.14 57	0.14 77	0.14 57	0.14 76	0.14 56	0.14 77	0.14 43	0.14 78	0.14 56	0.14 79	0.14 78	0.14 79	0.14 78	0.14 57	0.14 78	0.14 55	0.14 79	0.14 56	0.14 79	0.14 75	0.14 78	0.14 57	0.14 76	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
IGEV_Zeroshot_test	0.18 74	0.22 75	0.18 82	0.21 81	0.18 88	0.20 76	0.17 83	0.20 73	0.16 79	0.25 76	0.16 81	0.21 80	0.17 84	0.16 82	0.18 88	0.15 80	0.20 79	0.16 80	0.20 77	0.18 89	0.21 80	0.17 86	0.17 79	0.17 83	0.20 78	0.17 83	0.20 77	0.16 80

MSKI-zero shot	0.19 77	0.21 73	0.16 74	0.22 83	0.16 80	0.23 91	0.17 83	0.22 85	0.17 84	0.22 68	0.17 83	0.22 83	0.16 82	0.19 92	0.16 82	0.17 82	0.23 89	0.16 80	0.22 81	0.16 82	0.22 83	0.17 86	0.16 77	0.17 83	0.22 84	0.19 91	0.22 82	0.16 80

LRCNet_RVC	0.11 45	0.12 53	0.09 39	0.12 54	0.09 41	0.12 53	0.09 41	0.12 54	0.09 41	0.12 42	0.09 42	0.11 52	0.09 42	0.09 43	0.09 43	0.09 42	0.12 54	0.16 80	0.21 80	0.09 43	0.12 54	0.09 43	0.09 38	0.09 42	0.12 54	0.28 111	0.12 54	0.09 42

UPFNet	0.29 96	0.24 86	0.16 74	0.24 94	0.16 80	0.24 94	0.16 81	0.23 93	0.16 79	1.19 174	0.16 81	0.23 89	0.16 82	0.17 83	0.16 82	0.89 194	0.24 94	0.16 80	0.24 93	0.18 89	1.20 208	0.16 82	0.17 79	0.16 82	0.24 94	0.16 81	0.24 91	0.16 80

dad	0.18 74	0.23 79	0.16 74	0.22 83	0.15 78	0.22 83	0.15 78	0.22 85	0.16 79	0.21 66	0.15 79	0.22 83	0.15 80	0.15 79	0.16 82	0.17 82	0.23 89	0.17 84	0.23 88	0.15 81	0.22 83	0.15 80	0.15 76	0.15 80	0.22 84	0.15 78	0.22 82	0.16 80

HCRNet	0.71 170	6.06 240	3.15 246	0.50 162	0.22 96	0.21 82	0.15 78	3.04 235	0.34 129	0.43 113	0.33 132	0.43 140	0.33 130	0.15 79	0.14 79	0.14 78	0.21 82	0.17 84	0.47 149	0.20 95	0.21 80	0.16 82	0.32 126	0.33 130	0.50 156	0.33 131	0.49 154	0.28 114

MMNet	0.30 99	0.24 86	0.17 78	0.24 94	0.17 83	0.24 94	0.17 83	0.23 93	0.18 89	1.21 176	0.17 83	0.23 89	0.17 84	0.17 83	0.17 85	0.89 194	0.24 94	0.17 84	0.24 93	0.17 84	1.22 210	0.16 82	0.17 79	0.17 83	0.24 94	0.17 83	0.24 91	0.17 85

delet	0.30 99	0.24 86	0.17 78	0.24 94	0.17 83	0.24 94	0.17 83	0.23 93	0.16 79	1.21 176	0.17 83	0.24 94	0.17 84	0.17 83	0.17 85	0.91 198	0.24 94	0.17 84	0.24 93	0.17 84	1.23 212	0.17 86	0.17 79	0.17 83	0.24 94	0.17 83	0.24 91	0.17 85

psm_up	0.30 99	0.24 86	0.17 78	0.25 97	0.17 83	0.24 94	0.17 83	0.24 96	0.17 84	1.20 175	0.17 83	0.23 89	0.17 84	0.17 83	0.18 88	0.90 197	0.24 94	0.17 84	0.25 97	0.17 84	1.24 215	0.17 86	0.17 79	0.17 83	0.24 94	0.17 83	0.24 91	0.17 85

iResNetv2_ROB	0.20 81	0.22 75	0.19 86	0.23 90	0.19 91	0.22 83	0.17 83	0.22 85	0.17 84	0.22 68	0.17 83	0.22 83	0.17 84	0.18 88	0.18 88	0.19 89	0.22 84	0.17 84	0.23 88	0.17 84	0.25 92	0.18 91	0.17 79	0.18 91	0.23 89	0.17 83	0.25 97	0.17 85

iResNet	0.19 77	0.23 79	0.17 78	0.22 83	0.17 83	0.22 83	0.19 91	0.22 85	0.17 84	0.22 68	0.17 83	0.22 83	0.17 84	0.17 83	0.17 85	0.17 82	0.22 84	0.17 84	0.22 81	0.17 84	0.23 89	0.17 86	0.18 87	0.17 83	0.23 89	0.17 83	0.23 90	0.17 85

Pointernet	0.22 84	0.41 117	0.38 131	0.22 83	0.17 83	0.22 83	0.17 83	0.41 134	0.17 84	0.22 68	0.17 83	0.22 83	0.17 84	0.18 88	0.18 88	0.18 86	0.23 89	0.18 91	0.23 88	0.18 89	0.23 89	0.18 91	0.17 79	0.17 83	0.22 84	0.18 89	0.22 82	0.17 85

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

GEStereo_RVC	0.36 116	0.23 79	0.18 82	0.23 90	0.18 88	0.23 91	0.19 91	0.22 85	0.19 91	0.24 74	0.20 93	0.24 94	0.18 92	0.18 88	0.18 88	0.21 92	0.25 98	0.18 91	0.22 81	0.18 89	0.23 89	0.18 91	0.19 89	0.20 94	0.23 89	0.20 92	4.43 252	0.19 92

CFNet	0.55 148	0.25 90	0.18 82	0.25 97	0.18 88	0.25 99	0.18 90	0.25 97	0.18 89	0.25 76	0.18 91	0.25 96	0.18 92	0.18 88	0.18 88	0.18 86	0.25 98	0.18 91	0.25 97	0.18 89	5.31 262	4.36 262	0.18 87	0.18 91	0.25 99	0.18 89	0.25 97	0.18 91

AANet_RVC	0.61 154	0.31 102	5.05 255	0.31 109	0.19 91	0.24 94	0.20 93	5.86 251	0.20 92	0.24 74	0.18 91	0.25 96	0.20 94	0.23 100	0.21 97	0.18 86	0.37 123	0.18 91	0.24 93	0.19 94	0.25 92	0.19 94	0.19 89	0.19 93	0.24 94	0.15 78	0.24 91	0.20 93

DAS	0.20 81	0.20 71	0.20 88	0.20 78	0.20 93	0.20 76	0.20 93	0.20 73	0.20 92	0.20 64	0.20 93	0.20 78	0.20 94	0.20 93	0.20 95	0.20 90	0.20 79	0.20 96	0.20 77	0.20 95	0.20 77	0.20 95	0.20 91	0.20 94	0.20 78	0.20 92	0.20 77	0.20 93

ASD4	0.20 81	0.20 71	0.20 88	0.20 78	0.20 93	0.20 76	0.20 93	0.20 73	0.20 92	0.20 64	0.20 93	0.20 78	0.20 94	0.20 93	0.20 95	0.20 90	0.20 79	0.20 96	0.20 77	0.20 95	0.20 77	0.20 95	0.20 91	0.20 94	0.20 78	0.20 92	0.20 77	0.20 93

DISCO	0.59 153	0.29 98	0.22 97	0.27 103	5.05 265	0.30 108	0.21 96	0.28 103	0.21 95	0.27 83	0.21 96	0.27 104	0.20 94	0.21 96	0.21 97	0.21 92	0.27 106	0.21 98	0.27 104	0.21 98	0.27 99	0.23 101	0.21 93	0.21 97	0.27 105	0.21 95	5.06 258	0.22 98

model_zeroshot	0.27 92	0.30 100	0.19 86	0.36 121	0.23 100	0.25 99	0.27 108	0.33 108	0.21 95	0.35 89	0.22 98	0.25 96	0.27 112	0.26 106	0.23 101	0.26 102	0.35 115	0.22 99	0.36 116	0.23 103	0.25 92	0.27 109	0.27 107	0.23 102	0.36 117	0.22 97	0.25 97	0.27 112

IMH-64-1	0.29 96	0.23 79	0.23 98	0.23 90	0.22 96	0.22 83	0.23 99	0.22 85	0.22 98	2.02 207	0.23 100	0.23 89	0.22 99	0.23 100	0.23 101	0.23 95	0.23 89	0.22 99	0.23 88	0.22 99	0.22 83	0.22 97	0.22 95	0.22 99	0.22 84	0.22 97	0.22 82	0.22 98

IMH-64	0.29 96	0.23 79	0.23 98	0.23 90	0.22 96	0.22 83	0.23 99	0.22 85	0.22 98	2.02 207	0.23 100	0.23 89	0.22 99	0.23 100	0.23 101	0.23 95	0.23 89	0.22 99	0.23 88	0.22 99	0.22 83	0.22 97	0.22 95	0.22 99	0.22 84	0.22 97	0.22 82	0.22 98

HGLStereo	0.27 92	0.25 90	0.21 96	0.35 117	0.21 95	0.35 115	0.21 96	0.34 114	0.21 95	0.39 100	0.21 96	0.34 111	0.21 98	0.22 97	0.21 97	0.21 92	0.35 115	0.22 99	0.35 113	0.22 99	0.35 110	0.22 97	0.21 93	0.21 97	0.35 115	0.21 95	0.35 114	0.21 97

WAO-6	0.30 99	0.22 75	0.23 98	0.22 83	0.23 100	0.23 91	0.22 98	0.22 85	0.23 100	2.21 215	0.22 98	0.22 83	0.22 99	0.22 97	0.22 100	0.23 95	0.22 84	0.23 103	0.22 81	0.22 99	0.22 83	0.22 97	0.22 95	0.22 99	0.23 89	0.23 100	0.22 82	0.22 98

iResNet_ROB	0.28 95	0.32 104	0.24 102	0.33 111	0.26 104	0.32 110	0.24 101	0.33 108	0.25 102	0.33 84	0.24 103	0.35 114	0.24 103	0.23 100	0.24 105	0.25 99	0.32 110	0.24 104	0.36 116	0.24 105	0.32 104	0.28 114	0.24 100	0.24 104	0.32 109	0.24 102	0.33 108	0.24 103

LoS_RVC	0.25 88	0.25 90	0.25 103	0.25 97	0.25 102	0.25 99	0.25 103	0.25 97	0.25 102	0.25 76	0.25 105	0.25 96	0.25 104	0.26 106	0.25 106	0.26 102	0.25 98	0.25 105	0.26 100	0.25 106	0.25 92	0.25 102	0.25 101	0.25 105	0.25 99	0.25 103	0.25 97	0.25 104

tt_ll	0.25 88	0.25 90	0.25 103	0.25 97	0.25 102	0.25 99	0.25 103	0.25 97	0.25 102	0.25 76	0.25 105	0.25 96	0.25 104	0.26 106	0.25 106	0.26 102	0.25 98	0.25 105	0.26 100	0.25 106	0.25 92	0.25 102	0.25 101	0.25 105	0.25 99	0.25 103	0.25 97	0.25 104

CAS	0.25 88	0.25 90	0.25 103	0.25 97	0.26 104	0.26 105	0.26 105	0.25 97	0.25 102	0.25 76	0.25 105	0.25 96	0.25 104	0.25 104	0.25 106	0.25 99	0.26 104	0.25 105	0.26 100	0.26 110	0.25 92	0.25 102	0.25 101	0.26 108	0.25 99	0.26 107	0.25 97	0.25 104

LoS	0.25 88	0.25 90	0.27 107	0.27 103	0.26 104	0.25 99	0.26 105	0.26 102	0.25 102	0.26 82	0.25 105	0.25 96	0.25 104	0.26 106	0.25 106	0.25 99	0.25 98	0.25 105	0.25 97	0.25 106	0.27 99	0.25 102	0.26 105	0.26 108	0.26 103	0.25 103	0.25 97	0.25 104
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Former-RAFT_DAM_RVC	0.38 120	1.06 176	0.54 163	0.59 171	0.27 109	0.46 147	0.27 108	0.46 140	0.27 110	0.46 117	0.27 112	0.46 142	0.26 110	0.27 113	0.27 113	0.26 102	0.46 144	0.26 109	0.45 144	0.30 127	0.46 138	0.27 109	0.27 107	0.27 111	0.46 143	0.27 110	0.45 140	0.26 109

UNDER WATER-64	0.31 107	0.25 90	0.25 103	0.26 102	0.26 104	0.25 99	0.26 105	0.25 97	0.26 108	1.69 194	0.26 109	0.25 96	0.25 104	0.25 104	0.26 111	0.26 102	0.25 98	0.26 109	0.26 100	0.26 110	0.25 92	0.25 102	0.25 101	0.25 105	0.26 103	0.26 107	0.25 97	0.26 109

iRaft-Stereo_20w	0.30 99	0.46 128	0.27 107	0.34 113	0.26 104	0.35 115	0.28 114	0.34 114	0.26 108	0.34 87	0.26 109	0.34 111	0.26 110	0.26 106	0.26 111	0.26 102	0.34 112	0.26 109	0.34 111	0.26 110	0.34 106	0.26 108	0.26 105	0.26 108	0.34 112	0.26 107	0.34 112	0.26 109

TorneroNet-64	0.69 166	0.65 150	0.30 119	0.27 103	0.47 158	0.28 106	0.35 134	0.34 114	0.80 189	7.93 268	0.29 123	0.30 108	0.31 125	0.81 190	0.28 116	0.27 110	0.29 108	0.28 112	0.85 189	0.83 196	0.62 167	0.28 114	0.30 124	0.28 114	0.52 162	0.29 124	0.29 106	0.27 112

SQANet	0.33 110	0.28 97	0.28 110	0.28 107	0.28 112	0.29 107	0.28 114	0.28 103	0.28 114	1.59 192	0.28 115	0.28 106	0.28 113	0.28 116	0.28 116	0.28 111	0.28 107	0.28 112	0.29 106	0.28 113	0.28 101	0.28 114	0.28 110	0.28 114	0.28 106	0.28 111	0.28 105	0.28 114

Any-RAFT	0.32 108	0.45 126	0.29 115	0.36 121	0.29 121	0.36 120	0.29 126	0.36 121	0.29 122	0.35 89	0.29 123	0.35 114	0.28 113	0.27 113	0.28 116	0.28 111	0.35 115	0.28 112	0.35 113	0.28 113	0.35 110	0.28 114	0.29 116	0.29 122	0.36 117	0.29 124	0.36 117	0.29 123

anonymity	0.30 99	0.34 106	0.27 107	0.33 111	0.27 109	0.33 111	0.28 114	0.33 108	0.28 114	0.33 84	0.28 115	0.33 109	0.28 113	0.28 116	0.28 116	0.28 111	0.34 112	0.28 112	0.34 111	0.28 113	0.34 106	0.27 109	0.27 107	0.27 111	0.34 112	0.28 111	0.34 112	0.28 114

CFNet_pseudo	1.01 200	9.78 259	0.29 115	0.38 126	0.28 112	0.38 127	0.28 114	0.38 124	0.28 114	0.39 100	0.28 115	0.39 128	0.28 113	9.50 268	0.29 124	0.28 111	0.38 125	0.28 112	0.38 123	0.28 113	0.38 118	0.28 114	0.28 110	0.28 114	0.38 123	0.28 111	0.38 121	0.28 114

pcwnet_v2	1.01 200	9.73 258	0.28 110	0.38 126	0.28 112	0.38 127	0.28 114	0.38 124	0.28 114	0.38 97	0.28 115	0.39 128	0.28 113	9.61 269	0.28 116	0.28 111	0.38 125	0.28 112	0.38 123	0.28 113	0.38 118	0.28 114	0.29 116	0.28 114	0.38 123	0.28 111	0.38 121	0.28 114

DGSMNet	0.33 110	0.42 123	0.28 110	0.40 137	0.28 112	0.40 136	0.28 114	0.40 132	0.28 114	0.40 105	0.28 115	0.39 128	0.28 113	0.27 113	0.28 116	0.28 111	0.40 138	0.28 112	0.42 141	0.29 122	0.41 131	0.31 127	0.29 116	0.28 114	0.41 136	0.28 111	0.42 138	0.29 123

UCFNet_RVC	1.03 204	10.10 262	0.28 110	0.38 126	0.28 112	0.39 133	0.28 114	0.38 124	0.28 114	0.39 100	0.28 115	0.39 128	0.29 122	9.62 270	0.28 116	0.28 111	0.38 125	0.28 112	0.38 123	0.28 113	0.39 126	0.28 114	0.29 116	0.28 114	0.39 131	0.28 111	0.38 121	0.29 123

MLCV	0.30 99	0.33 105	0.28 110	0.34 113	0.28 112	0.33 111	0.28 114	0.33 108	0.29 122	0.33 84	0.27 112	0.33 109	0.28 113	0.26 106	0.29 124	0.28 111	0.33 111	0.28 112	0.33 108	0.28 113	0.33 105	0.27 109	0.28 110	0.28 114	0.33 110	0.28 111	0.33 108	0.28 114

IER	0.56 151	2.72 219	2.20 236	0.38 126	0.29 121	0.38 127	0.27 108	2.77 233	0.27 110	0.38 97	0.28 115	0.37 121	0.25 104	0.26 106	0.25 106	0.26 102	0.38 125	0.29 121	0.38 123	0.25 106	0.39 126	0.25 102	0.29 116	0.29 122	0.40 132	0.25 103	0.38 121	0.25 104

PML	0.39 122	0.56 146	0.29 115	0.55 165	0.28 112	0.56 167	0.28 114	0.51 159	0.28 114	0.50 121	0.28 115	0.51 157	0.28 113	0.29 118	0.28 116	0.29 119	0.56 164	0.29 121	0.57 170	0.28 113	0.56 161	0.28 114	0.28 110	0.29 122	0.56 166	0.28 111	0.56 163	0.28 114

DN-CSS_ROB	0.30 99	0.34 106	0.29 115	0.34 113	0.27 109	0.34 113	0.28 114	0.33 108	0.27 110	0.34 87	0.27 112	0.34 111	0.28 113	0.29 118	0.27 113	0.26 102	0.35 115	0.29 121	0.33 108	0.28 113	0.34 106	0.28 114	0.28 110	0.27 111	0.34 112	0.28 111	0.33 108	0.28 114

RAFT-Test	0.34 113	0.45 126	0.30 119	0.38 126	0.32 130	0.40 136	0.32 132	0.39 130	0.32 126	0.39 100	0.30 126	0.37 121	0.29 122	0.30 121	0.30 126	0.29 119	0.38 125	0.30 124	0.38 123	0.29 122	0.38 118	0.29 124	0.29 116	0.30 126	0.38 123	0.30 126	0.38 121	0.30 128

GES	0.43 127	0.41 117	0.31 122	0.35 117	0.30 126	0.47 153	0.28 114	0.33 108	0.28 114	0.35 89	0.29 123	2.95 236	0.38 139	0.35 127	0.30 126	0.34 130	0.34 112	0.30 124	0.33 108	0.30 127	0.35 110	0.30 126	0.33 128	0.33 130	0.33 110	0.31 128	0.33 108	0.29 123

RSM	0.33 110	0.36 110	0.31 122	0.39 136	0.32 130	0.36 120	0.30 129	0.35 117	0.38 137	0.35 89	0.31 128	0.35 114	0.30 124	0.30 121	0.31 128	0.30 121	0.36 120	0.31 126	0.36 116	0.30 127	0.36 114	0.31 127	0.31 125	0.31 127	0.36 117	0.31 128	0.36 117	0.31 130

EKT-Stereo	0.36 116	0.50 140	0.30 119	0.40 137	0.29 121	0.40 136	0.29 126	0.35 117	0.30 124	0.47 119	0.30 126	0.35 114	0.32 127	0.29 118	0.34 130	0.33 129	0.59 166	0.31 126	0.39 133	0.29 122	0.37 116	0.38 137	0.29 116	0.31 127	0.58 169	0.28 111	0.51 157	0.29 123

RAFT + AFF	0.34 113	0.29 98	0.32 125	0.31 109	0.30 126	0.39 133	0.32 132	0.39 130	0.30 124	0.39 100	0.32 130	0.39 128	0.32 127	0.35 127	0.36 134	0.32 128	0.38 125	0.31 126	0.38 123	0.31 130	0.38 118	0.28 114	0.37 136	0.34 132	0.38 123	0.30 126	0.38 121	0.28 114

ccs_rob	1.00 196	10.06 261	0.31 122	0.44 148	0.31 128	0.43 146	0.31 131	0.43 139	0.32 126	0.45 115	0.32 130	1.20 212	0.31 125	7.02 267	0.31 128	0.31 124	0.44 143	0.31 126	0.44 143	0.32 131	0.44 137	0.31 127	0.32 126	0.32 129	0.44 142	0.32 130	0.43 139	0.31 130

DLNR_Zeroshot_test	0.27 92	0.30 100	0.23 98	0.30 108	0.22 96	0.31 109	0.24 101	0.29 105	0.23 100	0.38 97	0.23 100	0.29 107	0.23 102	0.22 97	0.23 101	0.23 95	0.30 109	0.34 130	0.29 106	0.23 103	0.29 103	0.29 124	0.22 95	0.23 102	0.30 108	0.23 100	0.30 107	0.23 102

GMOStereo	0.50 134	0.44 124	2.38 241	0.40 137	0.34 133	0.42 143	0.36 136	1.96 220	0.34 129	0.41 106	0.36 136	0.42 137	0.35 133	0.34 123	0.38 138	0.31 124	0.39 134	0.34 130	0.40 134	0.33 133	0.39 126	0.33 130	0.33 128	0.34 132	0.40 132	0.36 135	0.40 131	0.32 132

error version	0.50 134	0.44 124	2.38 241	0.40 137	0.34 133	0.42 143	0.36 136	1.96 220	0.34 129	0.41 106	0.36 136	0.42 137	0.35 133	0.34 123	0.38 138	0.31 124	0.39 134	0.34 130	0.40 134	0.33 133	0.39 126	0.33 130	0.33 128	0.34 132	0.40 132	0.36 135	0.40 131	0.32 132

test_1	0.65 158	4.37 232	2.38 241	0.40 137	0.34 133	0.42 143	0.36 136	1.96 220	0.34 129	0.41 106	0.36 136	0.42 137	0.35 133	0.34 123	0.38 138	0.31 124	0.39 134	0.34 130	0.40 134	0.33 133	0.39 126	0.33 130	0.33 128	0.34 132	0.40 132	0.36 135	0.40 131	0.32 132

ETE_ROB	0.35 115	0.35 109	0.35 127	0.35 117	0.35 136	0.35 115	0.35 134	0.35 117	0.35 133	0.35 89	0.35 134	0.35 114	0.35 133	0.35 127	0.35 132	0.35 132	0.35 115	0.35 134	0.35 113	0.35 136	0.35 110	0.35 133	0.35 132	0.35 136	0.35 115	0.35 133	0.35 114	0.35 135

LL-Strereo2	0.47 131	2.60 218	0.51 159	0.38 126	0.28 112	0.37 124	0.28 114	0.55 162	0.35 133	0.44 114	0.34 133	0.44 141	0.34 131	0.34 123	0.36 134	0.36 133	0.47 148	0.36 135	0.47 149	0.35 136	0.47 142	0.35 133	0.35 132	0.35 136	0.46 143	0.35 133	0.47 145	0.35 135

DMCA	0.36 116	0.38 112	0.37 129	0.35 117	0.35 136	0.35 115	0.36 136	0.35 117	0.36 135	0.36 95	0.37 139	0.36 120	0.36 137	0.36 131	0.35 132	0.37 135	0.36 120	0.36 135	0.36 116	0.36 139	0.36 114	0.35 133	0.36 134	0.36 138	0.37 121	0.36 135	0.36 117	0.36 137

FCDSN-DC	0.44 128	0.31 102	0.35 127	0.34 113	0.28 112	0.35 115	0.30 129	0.32 107	0.25 102	1.32 182	0.24 103	1.00 194	0.32 127	0.35 127	0.34 130	0.30 121	0.72 175	0.37 137	0.48 155	0.32 131	0.53 159	0.49 166	0.23 99	0.29 122	0.50 156	0.42 151	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.
XPNet_ROB	0.37 119	0.37 111	0.37 129	0.37 123	0.37 138	0.37 124	0.37 140	0.37 122	0.37 136	0.37 96	0.37 139	0.37 121	0.37 138	0.37 132	0.37 137	0.37 135	0.37 123	0.37 137	0.37 120	0.37 140	0.37 116	0.37 136	0.37 136	0.37 140	0.37 121	0.37 139	0.37 120	0.37 138

WAO-7	0.46 129	0.38 112	0.38 131	0.38 126	0.38 141	0.38 127	0.38 142	0.38 124	0.38 137	2.57 226	0.38 141	0.38 124	0.38 139	0.38 133	0.38 138	0.38 137	0.38 125	0.38 139	0.38 123	0.38 142	0.38 118	0.38 137	0.38 138	0.38 141	0.38 123	0.38 140	0.38 121	0.38 139

HanzoNet	0.47 131	0.39 115	0.38 131	0.38 126	0.38 141	0.38 127	0.38 142	0.40 132	0.38 137	2.63 227	0.38 141	0.38 124	0.38 139	0.38 133	0.38 138	0.39 141	0.38 125	0.38 139	0.38 123	0.42 152	0.38 118	0.39 142	0.39 142	0.38 141	0.38 123	0.38 140	0.38 121	0.39 144

Venus	0.46 129	0.38 112	0.40 135	0.38 126	0.38 141	0.39 133	0.38 142	0.38 124	0.38 137	2.71 228	0.38 141	0.38 124	0.38 139	0.38 133	0.38 138	0.38 137	0.38 125	0.38 139	0.38 123	0.38 142	0.38 118	0.38 137	0.38 138	0.38 141	0.38 123	0.38 140	0.39 130	0.38 139

IMH	0.47 131	0.40 116	0.39 134	0.38 126	0.38 141	0.38 127	0.38 142	0.38 124	0.40 143	2.79 230	0.38 141	0.38 124	0.38 139	0.38 133	0.38 138	0.38 137	0.39 134	0.38 139	0.38 123	0.40 146	0.38 118	0.38 137	0.38 138	0.38 141	0.38 123	0.38 140	0.38 121	0.38 139

iRaftStereo_RVC	0.62 156	1.76 202	2.24 238	0.52 164	0.37 138	0.53 166	0.38 142	2.51 231	0.38 137	0.51 123	0.38 141	0.51 157	0.38 139	0.38 133	0.38 138	0.38 137	0.52 160	0.38 139	0.52 165	0.38 142	0.52 156	0.38 137	0.38 138	0.38 141	0.52 162	0.39 144	0.52 159	0.38 139

CASnet	0.32 108	0.53 143	0.34 126	0.27 103	0.31 128	0.34 113	0.29 126	0.31 106	0.32 126	0.25 76	0.31 128	0.27 104	0.40 146	0.45 147	0.27 113	0.30 121	0.26 104	0.40 144	0.28 105	0.37 140	0.28 101	0.39 142	0.29 116	0.40 146	0.29 107	0.28 111	0.24 91	0.30 128
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CFNet_RVC	0.93 190	8.54 255	0.41 136	0.56 166	0.37 138	0.56 167	0.37 140	0.50 156	0.40 143	0.56 127	5.24 266	0.56 162	0.34 131	0.40 138	0.41 149	0.34 130	0.53 161	0.40 144	0.56 169	0.38 142	0.52 156	0.40 144	0.40 143	0.41 147	0.56 166	0.40 145	0.56 163	0.40 145

Occ-G	0.68 165	0.54 144	3.16 247	0.57 170	0.45 153	0.52 165	0.40 147	3.44 239	0.46 154	0.52 124	0.45 153	0.51 157	0.44 153	0.44 146	0.40 147	0.45 149	0.55 162	0.41 146	0.53 166	0.43 153	0.52 156	0.40 144	0.44 150	0.45 154	0.55 164	0.44 153	0.53 161	0.44 152

GwcNet-ADL	0.41 123	0.41 117	0.41 136	0.41 143	0.41 146	0.41 139	0.41 148	0.41 134	0.41 145	0.41 106	0.41 147	0.41 133	0.41 147	0.41 139	0.41 149	0.41 142	0.41 139	0.41 146	0.41 137	0.41 147	0.41 131	0.41 146	0.41 144	0.41 147	0.41 136	0.41 146	0.41 134	0.41 146

PSMNet-ADL	0.41 123	0.41 117	0.41 136	0.41 143	0.41 146	0.41 139	0.41 148	0.41 134	0.41 145	0.41 106	0.41 147	0.41 133	0.41 147	0.41 139	0.41 149	0.41 142	0.41 139	0.41 146	0.41 137	0.41 147	0.41 131	0.41 146	0.41 144	0.41 147	0.41 136	0.41 146	0.41 134	0.41 146

GANet-ADL	0.41 123	0.41 117	0.41 136	0.41 143	0.41 146	0.41 139	0.41 148	0.41 134	0.41 145	0.41 106	0.41 147	0.41 133	0.41 147	0.41 139	0.41 149	0.41 142	0.41 139	0.41 146	0.41 137	0.41 147	0.41 131	0.41 146	0.41 144	0.41 147	0.41 136	0.41 146	0.41 134	0.41 146

CroCo-Stereo	0.80 179	2.51 217	0.41 136	1.27 218	0.41 146	1.27 216	0.41 148	1.27 207	0.41 145	1.27 179	0.41 147	1.27 215	0.41 147	0.41 139	0.41 149	0.41 142	1.28 216	0.41 146	1.27 216	0.41 147	1.27 216	0.41 146	0.42 148	0.41 147	1.27 218	0.41 146	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
ADLNet	0.41 123	0.41 117	0.41 136	0.41 143	0.41 146	0.41 139	0.41 148	0.41 134	0.41 145	0.41 106	0.41 147	0.41 133	0.41 147	0.41 139	0.41 149	0.41 142	0.41 139	0.41 146	0.41 137	0.41 147	0.41 131	0.41 146	0.41 144	0.41 147	0.41 136	0.41 146	0.41 134	0.41 146

CroCo-Stereo Lap2	0.85 186	2.86 221	0.43 142	1.33 220	0.43 152	1.31 217	0.42 153	1.32 208	0.42 150	1.31 181	0.44 152	1.32 216	0.44 153	0.43 145	0.44 155	0.43 147	1.35 217	0.43 152	1.32 218	0.43 153	1.31 217	0.43 151	0.43 149	0.42 153	1.31 219	0.42 151	1.31 216	0.43 151

CES	0.38 120	0.34 106	0.44 143	0.43 147	0.33 132	0.37 124	0.44 155	0.37 122	0.38 137	0.45 115	0.35 134	0.35 114	0.41 147	0.45 147	0.36 134	0.36 133	0.36 120	0.45 153	0.43 142	0.35 136	0.34 106	0.46 152	0.36 134	0.36 138	0.42 141	0.34 132	0.35 114	0.38 139

otaku	0.52 138	0.46 128	0.48 150	0.46 149	0.46 154	0.46 147	0.46 156	0.46 140	0.47 159	1.88 197	0.46 154	0.46 142	0.46 156	0.46 149	0.46 156	0.46 150	0.47 148	0.46 154	0.46 145	0.46 156	0.47 142	0.46 152	0.46 151	0.46 155	0.47 149	0.46 154	0.46 141	0.47 156

Ntro	0.53 142	0.47 133	0.50 156	0.46 149	0.48 163	0.47 153	0.47 160	0.46 140	0.46 154	2.05 209	0.47 158	0.47 146	0.49 167	0.47 153	0.47 160	0.46 150	0.48 152	0.46 154	0.49 158	0.46 156	0.47 142	0.46 152	0.46 151	0.47 159	0.46 143	0.46 154	0.47 145	0.47 156

Dean	0.52 138	0.46 128	0.48 150	0.46 149	0.46 154	0.46 147	0.46 156	0.46 140	0.46 154	1.90 198	0.46 154	0.47 146	0.46 156	0.46 149	0.46 156	0.46 150	0.48 152	0.46 154	0.46 145	0.46 156	0.46 138	0.46 152	0.46 151	0.46 155	0.46 143	0.46 154	0.46 141	0.46 153

ACVNet-4b	0.53 142	0.46 128	0.47 145	0.46 149	0.46 154	0.46 147	0.46 156	0.46 140	0.46 154	2.17 212	0.46 154	0.46 142	0.47 159	0.46 149	0.46 156	0.46 150	0.46 144	0.46 154	0.46 145	0.46 156	0.46 138	0.46 152	0.46 151	0.47 159	0.46 143	0.46 154	0.46 141	0.46 153

test-3	0.78 178	4.38 233	1.80 227	0.62 174	0.49 167	0.62 172	0.50 169	1.86 216	0.64 180	0.69 132	0.52 168	0.66 168	0.38 139	0.58 167	0.57 176	0.46 150	0.66 171	0.46 154	0.50 161	0.44 155	0.48 148	0.58 174	0.54 167	0.60 179	0.70 174	0.46 154	0.48 150	0.50 165

MaskLacGwcNet_RVC	0.70 168	6.91 242	0.46 144	0.46 149	0.46 154	0.46 147	0.46 156	0.46 140	0.46 154	0.46 117	0.46 154	0.46 142	0.46 156	0.46 149	0.46 156	0.46 150	0.46 144	0.46 154	0.46 145	0.46 156	0.47 142	0.46 152	0.46 151	0.46 155	0.46 143	0.46 154	0.46 141	0.46 153

HaxPig	0.52 138	0.48 136	0.47 145	0.47 154	0.47 158	0.47 153	0.47 160	0.47 146	0.47 159	1.80 195	0.47 158	0.47 146	0.47 159	0.47 153	0.47 160	0.47 157	0.47 148	0.47 160	0.47 149	0.47 161	0.47 142	0.47 160	0.47 157	0.47 159	0.47 149	0.47 161	0.47 145	0.47 156

UNDER WATER	0.52 138	0.47 133	0.47 145	0.47 154	0.47 158	0.47 153	0.47 160	0.47 146	0.47 159	1.90 198	0.47 158	0.47 146	0.47 159	0.47 153	0.47 160	0.47 157	0.46 144	0.47 160	0.47 149	0.47 161	0.46 138	0.47 160	0.47 157	0.48 163	0.47 149	0.47 161	0.47 145	0.47 156

LVE	0.53 142	0.47 133	0.48 150	0.47 154	0.47 158	0.47 153	0.47 160	0.48 149	0.47 159	1.96 204	0.47 158	0.47 146	0.47 159	0.47 153	0.47 160	0.47 157	0.47 148	0.47 160	0.47 149	0.47 161	0.47 142	0.47 160	0.47 157	0.47 159	0.47 149	0.47 161	0.47 145	0.47 156

ACVNet_1	0.53 142	0.46 128	0.48 150	0.47 154	0.47 158	0.46 147	0.48 164	0.48 149	0.48 163	2.07 210	0.47 158	0.48 151	0.48 163	0.47 153	0.47 160	0.46 150	0.49 156	0.47 160	0.47 149	0.47 161	0.48 148	0.46 152	0.46 151	0.48 163	0.47 149	0.47 161	0.48 150	0.47 156

RainbowNet	0.53 142	0.48 136	0.48 150	0.48 158	0.48 163	0.48 159	0.48 164	0.48 149	0.48 163	1.92 200	0.48 163	0.48 151	0.48 163	0.48 158	0.48 165	0.48 160	0.48 152	0.48 164	0.48 155	0.48 165	0.48 148	0.48 163	0.48 160	0.48 163	0.48 154	0.48 165	0.48 150	0.48 162

notaker	0.54 147	0.48 136	0.48 150	0.48 158	0.48 163	0.48 159	0.49 167	0.48 149	0.48 163	1.95 203	0.48 163	0.48 151	0.48 163	0.48 158	0.48 165	0.48 160	0.48 152	0.48 164	0.48 155	0.48 165	0.49 151	0.48 163	0.48 160	0.49 166	0.48 154	0.48 165	0.48 150	0.49 163

HH	0.66 159	2.13 208	0.47 145	0.37 123	0.29 121	0.36 120	0.27 108	0.49 153	0.44 151	0.78 138	0.68 181	0.67 170	0.90 198	0.62 172	0.90 197	0.53 168	0.88 187	0.48 164	0.37 120	0.29 122	0.63 168	0.66 184	0.66 179	0.51 169	1.06 202	0.61 179	1.08 201	0.60 174

HanStereo	0.66 159	2.13 208	0.47 145	0.37 123	0.29 121	0.36 120	0.27 108	0.49 153	0.44 151	0.78 138	0.68 181	0.67 170	0.90 198	0.62 172	0.90 197	0.53 168	0.88 187	0.48 164	0.37 120	0.29 122	0.63 168	0.66 184	0.66 179	0.51 169	1.06 202	0.61 179	1.08 201	0.60 174

ACVNet_2	0.55 148	0.49 139	0.50 156	0.49 160	0.49 167	0.49 161	0.49 167	0.49 153	0.49 167	2.14 211	0.49 165	0.50 155	0.49 167	0.49 160	0.49 168	0.49 163	0.50 158	0.49 168	0.50 161	0.49 168	0.49 151	0.49 166	0.49 162	0.50 167	0.50 156	0.49 167	0.50 155	0.49 163

AEACV	0.74 174	0.52 142	3.10 245	0.60 172	0.48 163	0.56 167	0.48 164	3.02 234	0.83 194	0.61 128	0.62 178	0.72 176	0.50 169	0.49 160	0.49 168	0.48 160	0.58 165	0.50 169	0.55 167	0.48 165	0.56 161	0.50 170	0.50 164	0.51 169	0.58 169	0.51 171	0.60 166	0.51 167

SANet	0.50 134	0.50 140	0.50 156	0.50 162	0.50 170	0.50 162	0.50 169	0.50 156	0.50 168	0.50 121	0.50 166	0.50 155	0.50 169	0.50 163	0.50 170	0.50 166	0.50 158	0.50 169	0.50 161	0.50 170	0.50 153	0.50 170	0.50 164	0.50 167	0.50 156	0.50 169	0.50 155	0.50 165

KSHMR	0.85 186	0.72 151	0.51 159	0.49 160	0.49 167	0.51 163	1.07 211	0.50 156	0.48 163	6.04 263	0.52 168	0.66 168	0.98 204	0.49 160	0.77 190	0.49 163	1.17 209	0.51 171	0.49 158	1.06 210	0.51 154	0.49 166	0.49 162	0.51 169	1.04 200	0.49 167	0.81 182	0.72 187

gcap-zeroshot	0.81 182	1.03 174	0.84 188	0.93 194	0.85 195	0.84 186	0.62 182	1.21 205	0.53 170	0.79 140	0.84 194	0.77 180	0.70 185	0.84 193	0.67 186	0.74 186	1.18 211	0.52 172	0.91 192	0.79 190	0.84 181	0.61 178	0.83 194	0.69 188	0.93 194	0.82 195	0.85 185	0.66 181

ARAFT	0.64 157	0.74 155	0.62 173	0.70 181	0.56 175	0.72 179	0.55 173	0.72 171	0.54 171	0.73 136	0.56 172	0.72 176	0.56 176	0.56 166	0.62 181	0.63 177	0.73 176	0.53 173	0.73 178	0.54 172	0.72 173	0.65 181	0.62 175	0.56 175	0.72 176	0.54 172	0.72 174	0.57 170

AIO-Stereo	0.82 183	1.06 176	0.73 179	0.97 198	0.74 187	1.06 202	0.60 180	1.04 193	0.90 196	1.00 156	1.01 204	0.78 181	0.85 196	0.74 186	0.62 181	0.67 180	1.12 202	0.55 174	0.70 175	0.65 181	0.93 188	0.66 184	0.67 181	0.67 186	0.82 184	0.74 189	0.92 187	0.83 193

PSMNet_ROB	0.55 148	0.55 145	0.56 167	0.56 166	0.55 173	0.56 167	0.55 173	0.55 162	0.55 172	0.55 125	0.55 171	0.55 161	0.55 175	0.55 165	0.56 174	0.55 170	0.55 162	0.55 174	0.55 167	0.55 173	0.55 160	0.55 173	0.55 168	0.55 174	0.55 164	0.55 174	0.55 162	0.55 169

MyStereo04	0.76 176	4.78 236	0.62 173	0.63 175	0.54 172	0.65 174	0.56 175	0.61 165	0.58 176	0.61 128	0.56 172	0.63 166	0.57 177	0.63 175	0.60 178	0.60 174	0.64 169	0.56 176	0.63 173	0.58 175	0.63 168	0.62 180	0.55 168	0.60 179	0.63 172	0.57 175	0.64 169	0.58 171

DDUNet	0.69 166	0.84 161	0.59 170	0.84 190	0.59 176	0.87 189	0.57 176	0.84 177	0.59 178	0.82 145	0.58 175	0.85 188	0.57 177	0.59 170	0.59 177	0.57 172	0.87 186	0.59 177	0.85 189	0.59 177	0.85 182	0.59 176	0.59 171	0.59 177	0.87 186	0.59 177	0.84 184	0.59 172

UDG	0.70 168	0.87 162	0.56 167	0.87 191	0.59 176	0.84 186	0.59 179	0.85 178	0.57 175	0.84 147	0.59 176	0.84 187	0.60 179	0.58 167	0.60 178	0.59 173	0.85 185	0.59 177	0.87 191	0.58 175	0.87 183	0.60 177	0.57 170	0.59 177	0.87 186	0.58 176	0.86 186	0.60 174

STTRV1_RVC	0.66 159	1.59 200	0.52 162	0.69 178	0.61 178	0.66 175	0.43 154	0.88 179	0.45 153	0.71 134	0.62 178	0.69 173	0.45 155	0.62 172	0.40 147	0.44 148	0.80 181	0.59 177	0.76 183	0.63 179	0.80 176	0.46 152	0.64 176	0.61 181	0.72 176	0.54 172	0.80 179	0.60 174

LMCR-Stereo	0.61 154	0.61 148	0.61 172	0.61 173	0.61 178	0.67 176	0.61 181	0.61 165	0.61 179	0.61 128	0.61 177	0.61 165	0.61 180	0.61 171	0.61 180	0.61 175	0.61 167	0.61 180	0.61 172	0.61 178	0.61 165	0.61 178	0.61 174	0.61 181	0.61 171	0.61 179	0.61 167	0.61 178

CASS	0.58 152	0.89 163	0.55 165	0.56 166	0.55 173	0.60 171	0.57 176	0.57 164	0.56 173	0.55 125	0.56 172	0.56 162	0.50 169	0.63 175	0.56 174	0.56 171	0.62 168	0.62 181	0.59 171	0.56 174	0.56 161	0.48 163	0.60 173	0.56 175	0.57 168	0.60 178	0.57 165	0.59 172
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
AFF-stereo	0.71 170	0.73 153	0.65 175	0.82 188	0.63 181	0.83 184	0.63 183	0.73 172	0.65 181	0.82 145	0.73 186	0.74 179	0.64 181	0.63 175	0.62 181	0.62 176	0.73 176	0.63 182	0.74 180	0.72 187	0.80 176	0.58 174	0.70 186	0.71 189	0.79 180	0.69 185	0.78 177	0.72 187

RAFT-Stereo + iAFF	0.67 163	0.74 155	0.60 171	0.79 185	0.61 178	0.76 180	0.57 176	0.71 170	0.56 173	0.71 134	0.54 170	0.72 176	0.66 183	0.65 178	0.65 184	0.64 178	0.74 178	0.64 183	0.74 180	0.63 179	0.73 174	0.65 181	0.64 176	0.64 183	0.74 178	0.61 179	0.73 175	0.64 179

TorneroNet	1.15 209	1.10 180	0.51 159	0.69 178	0.51 171	1.10 205	0.50 169	0.51 159	0.51 169	13.92 270	1.17 217	0.49 154	0.51 172	0.54 164	0.48 165	0.49 163	0.49 156	0.65 184	0.70 175	0.49 168	0.51 154	0.49 166	0.67 181	1.36 227	0.51 160	0.50 169	0.52 159	1.23 221

DSFCA	0.66 159	0.73 153	0.74 180	0.68 177	0.65 182	0.64 173	0.65 186	0.65 167	0.65 181	0.66 131	0.65 180	0.65 167	0.64 181	0.65 178	0.65 184	0.65 179	0.65 170	0.65 184	0.65 174	0.65 181	0.65 171	0.65 181	0.65 178	0.65 184	0.66 173	0.66 183	0.65 170	0.65 180

MoCha-V2	1.75 226	27.02 277	0.72 176	0.92 192	0.69 183	0.89 190	0.69 187	0.92 182	0.71 184	0.87 148	0.69 183	0.88 189	0.68 184	0.70 182	0.68 187	0.69 182	0.90 189	0.69 186	0.92 193	0.69 184	0.92 186	0.71 188	0.70 186	0.67 186	0.88 188	0.71 186	0.92 187	0.68 182

WAO-8	1.02 203	1.50 199	1.49 220	0.40 137	0.40 145	1.56 223	0.98 200	1.55 214	0.58 176	4.18 250	0.40 146	0.79 183	0.48 163	0.91 194	0.39 146	0.99 203	0.71 174	0.70 187	0.51 164	0.77 189	1.07 197	0.82 195	0.69 185	0.96 203	1.01 198	1.30 224	1.10 203	1.38 228

DMCA-RVC	0.71 170	0.72 151	0.72 176	0.71 182	0.70 184	0.70 177	0.70 189	0.70 169	0.71 184	0.70 133	0.71 184	0.71 175	0.70 185	0.70 182	0.71 188	0.70 183	0.70 173	0.71 188	0.70 175	0.71 185	0.70 172	0.70 187	0.71 188	0.71 189	0.70 174	0.72 188	0.71 172	0.70 184

AIO-Stereo-zeroshot1	0.74 174	0.57 147	0.57 169	0.56 166	0.92 197	1.07 203	0.63 183	1.03 191	0.82 193	0.49 120	0.77 188	0.69 173	0.54 174	0.58 167	0.54 172	0.86 193	1.06 199	0.72 189	1.06 202	0.79 190	0.58 164	0.87 196	0.59 171	0.46 155	0.76 179	0.46 154	1.05 198	0.97 200

RSM++	0.77 177	0.91 164	0.72 176	0.83 189	0.71 185	0.83 184	0.72 190	0.81 176	0.71 184	0.81 144	0.71 184	0.81 186	0.71 187	0.71 184	0.71 188	0.70 183	0.83 184	0.72 189	0.83 188	0.81 195	0.83 180	0.72 189	0.71 188	0.71 189	0.88 188	0.71 186	0.83 183	0.70 184

PA-Net	0.71 170	0.62 149	0.55 165	0.69 178	0.71 185	0.70 177	0.69 187	0.69 168	0.74 187	0.73 136	0.75 187	0.59 164	0.72 188	0.82 191	0.79 192	0.83 191	0.67 172	0.76 191	0.81 187	0.67 183	0.61 165	0.76 190	0.68 184	0.65 184	0.82 184	0.76 191	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.
G-Net	0.82 183	1.77 203	0.78 182	0.78 184	0.78 189	0.78 181	0.78 191	0.78 173	0.79 188	0.79 140	0.78 189	0.78 181	0.78 190	0.78 187	0.78 191	0.78 187	0.79 180	0.79 192	0.79 184	0.79 190	0.79 175	0.79 191	0.79 191	0.79 192	0.79 180	0.79 192	0.79 178	0.79 190

HSM-Net_RVC	0.93 190	1.09 179	0.79 183	1.10 206	0.78 189	1.09 204	0.79 192	1.16 200	0.80 189	1.14 166	0.79 190	1.17 208	0.77 189	0.73 185	0.83 195	0.78 187	1.19 212	0.79 192	1.18 211	0.72 187	1.19 207	0.80 192	0.72 190	0.80 193	1.18 213	0.74 189	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
NaN_ROB	0.80 179	0.80 158	0.80 184	0.80 186	0.80 191	0.80 182	0.80 193	0.80 174	0.80 189	0.80 142	0.80 191	0.80 184	0.80 191	0.80 188	0.80 193	0.80 189	0.80 181	0.80 194	0.80 185	0.80 193	0.80 176	0.80 192	0.80 192	0.80 193	0.80 182	0.80 193	0.80 179	0.80 191

CSAN	0.80 179	0.80 158	0.80 184	0.80 186	0.80 191	0.80 182	0.80 193	0.80 174	0.80 189	0.80 142	0.80 191	0.80 184	0.80 191	0.80 188	0.80 193	0.80 189	0.80 181	0.80 194	0.80 185	0.80 193	0.80 176	0.80 192	0.80 192	0.80 193	0.80 182	0.80 193	0.80 179	0.80 191

DPSimNet_ROB	0.93 190	1.04 175	0.83 187	1.05 204	0.82 193	1.04 200	0.83 196	1.03 191	0.89 195	1.03 161	0.84 194	1.03 199	0.84 194	0.83 192	0.84 196	0.83 191	1.14 204	0.84 196	1.12 207	0.84 197	1.04 195	0.88 198	0.83 194	0.84 197	1.07 204	0.83 196	1.15 206	0.88 194

FC-DCNN	1.10 206	0.81 160	0.77 181	0.63 175	0.42 151	0.86 188	0.64 185	0.91 180	0.96 201	1.11 164	0.80 191	1.07 201	0.81 193	0.67 181	1.75 234	1.30 224	1.41 222	0.85 197	1.28 217	0.71 185	2.12 231	1.32 224	0.52 166	0.81 196	1.64 225	1.40 229	2.39 233	1.75 236

4D-IteraStereo	0.67 163	3.40 224	1.05 200	0.71 182	0.83 194	0.47 153	0.27 108	0.47 146	0.27 110	0.35 89	0.26 109	0.68 172	0.84 194	0.41 139	0.54 172	0.89 194	0.74 178	0.88 198	0.73 178	0.87 198	0.42 136	0.27 109	0.28 110	0.28 114	0.36 117	0.28 111	0.68 171	0.90 196

DGTPSM_ROB	0.92 188	0.93 168	0.91 189	0.93 194	0.91 196	0.92 191	0.93 199	0.92 182	0.92 197	0.92 151	0.91 196	0.91 190	0.93 201	0.91 194	0.92 201	0.92 201	0.92 190	0.92 199	0.92 193	0.90 199	0.91 184	0.92 199	0.93 198	0.94 202	0.92 192	0.91 197	0.92 187	0.97 200

pmcnn	0.92 188	0.92 165	0.92 190	0.92 192	0.92 197	0.92 191	0.92 197	0.92 182	0.92 197	0.92 151	0.92 198	0.92 193	0.92 200	0.92 196	0.92 201	0.92 201	0.92 190	0.92 199	0.92 193	0.92 203	0.92 186	0.92 199	0.92 197	0.92 201	0.92 192	0.92 198	0.92 187	0.92 199

DPSM_ROB	0.93 190	0.92 165	0.94 191	0.96 196	1.02 203	0.92 191	0.98 200	0.95 185	0.92 197	0.92 151	0.92 198	0.91 190	0.97 202	0.92 196	0.91 199	0.91 198	0.96 192	0.94 201	0.93 196	0.91 200	0.93 188	0.92 199	0.93 198	0.91 199	0.91 190	0.99 199	0.92 187	0.91 197

DPSM	0.93 190	0.92 165	0.94 191	0.96 196	1.02 203	0.92 191	0.98 200	0.95 185	0.92 197	0.92 151	0.92 198	0.91 190	0.97 202	0.92 196	0.91 199	0.91 198	0.96 192	0.94 201	0.93 196	0.91 200	0.93 188	0.92 199	0.93 198	0.91 199	0.91 190	0.99 199	0.92 187	0.91 197

AIO-Stereo-zeroshot	0.93 190	0.77 157	0.82 186	1.16 213	0.75 188	0.99 195	0.92 197	0.91 180	0.99 202	0.94 155	0.91 196	1.15 205	0.88 197	0.92 196	1.00 203	0.67 180	0.98 194	1.00 203	0.75 182	0.91 200	1.18 205	0.87 196	0.89 196	0.90 198	1.08 205	1.07 208	0.74 176	0.89 195

GANet	1.00 196	1.00 169	1.00 193	1.00 199	1.00 199	1.00 196	1.00 203	1.00 187	1.00 203	1.00 156	1.00 201	1.00 194	1.00 205	1.00 202	1.00 203	1.00 204	1.00 195	1.00 203	1.00 198	1.00 204	1.00 191	1.00 203	1.00 202	1.00 204	1.00 195	1.00 202	1.00 193	1.00 202

TDLM	1.00 196	1.00 169	1.00 193	1.00 199	1.00 199	1.00 196	1.00 203	1.00 187	1.00 203	1.00 156	1.00 201	1.00 194	1.00 205	1.00 202	1.00 203	1.00 204	1.00 195	1.00 203	1.00 198	1.00 204	1.00 191	1.00 203	1.00 202	1.00 204	1.00 195	1.00 202	1.00 193	1.00 202

CVANet_RVC	1.00 196	1.00 169	1.00 193	1.00 199	1.00 199	1.00 196	1.00 203	1.00 187	1.00 203	1.00 156	1.00 201	1.00 194	1.00 205	1.00 202	1.00 203	1.00 204	1.00 195	1.00 203	1.00 198	1.00 204	1.00 191	1.00 203	1.00 202	1.00 204	1.00 195	1.00 202	1.00 193	1.00 202

trnet	1.01 200	1.01 172	1.01 196	1.01 202	1.01 202	1.01 199	1.01 206	1.01 190	1.01 206	1.01 160	1.01 204	1.01 198	1.01 208	1.01 205	1.01 207	1.01 207	1.01 198	1.01 207	1.01 201	1.01 207	1.01 194	1.01 206	1.01 205	1.01 207	1.01 198	1.01 205	1.01 197	1.01 205

SPS-STEREO	1.25 217	1.47 198	1.06 202	1.54 224	1.08 208	1.52 222	1.20 223	1.44 212	1.06 209	1.49 191	1.10 209	1.41 220	1.10 212	0.98 200	1.08 210	1.12 211	1.47 223	1.04 208	1.53 222	1.14 216	1.52 221	1.07 209	1.02 206	1.05 208	1.48 223	1.07 208	1.55 220	1.11 210
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
plain	1.96 228	3.33 223	1.04 199	3.24 239	1.04 206	3.24 239	1.04 207	3.26 237	1.05 207	3.26 235	1.13 211	3.27 238	1.06 210	1.05 207	1.05 208	1.05 208	3.28 238	1.05 209	3.29 236	1.06 210	3.30 237	1.05 207	1.05 208	1.06 210	3.30 238	1.06 207	3.30 238	1.06 206

GLC_STEREO	1.05 205	1.01 172	1.02 197	1.02 203	1.02 203	1.05 201	1.06 208	1.05 194	1.05 207	1.04 163	1.05 206	1.05 200	1.04 209	1.06 208	1.05 208	1.06 209	1.06 199	1.05 209	1.06 202	1.05 209	1.06 196	1.06 208	1.04 207	1.05 208	1.04 200	1.05 206	1.06 199	1.06 206

RP	1.14 207	1.16 183	1.15 206	1.17 215	1.10 210	1.16 208	1.15 213	1.10 195	1.16 216	1.15 167	1.08 208	1.16 206	1.15 215	1.15 215	1.14 215	1.16 214	1.16 207	1.10 211	1.10 204	1.10 213	1.16 201	1.11 211	1.10 210	1.19 220	1.14 209	1.19 219	1.07 200	1.10 209

Nwc_Net	1.15 209	1.15 181	1.15 206	1.09 205	1.19 219	1.16 208	1.17 215	1.15 198	1.16 216	1.16 170	1.16 213	1.08 202	1.16 216	1.11 211	1.15 217	1.18 218	1.11 201	1.10 211	1.16 208	1.17 219	1.16 201	1.13 213	1.18 216	1.20 221	1.11 207	1.15 214	1.16 207	1.20 217

Abc-Net	1.14 207	1.16 183	1.18 210	1.10 206	1.10 210	1.16 208	1.18 217	1.16 200	1.13 213	1.11 164	1.16 213	1.16 206	1.12 213	1.10 209	1.17 218	1.16 214	1.16 207	1.10 211	1.16 208	1.14 216	1.17 203	1.16 214	1.11 211	1.09 213	1.10 206	1.10 211	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	1.15 209	1.16 183	1.17 209	1.15 211	1.11 212	1.21 213	1.21 224	1.10 195	1.15 214	1.16 170	1.11 210	1.17 208	1.09 211	1.14 214	1.11 212	1.16 214	1.19 212	1.11 214	1.10 204	1.15 218	1.11 198	1.19 217	1.16 214	1.12 215	1.17 211	1.10 211	1.16 207	1.17 214

NCC-stereo	1.15 209	1.17 186	1.12 205	1.10 206	1.15 213	1.14 206	1.15 213	1.15 198	1.12 212	1.17 173	1.17 217	1.11 203	1.17 219	1.11 211	1.10 211	1.16 214	1.12 202	1.11 214	1.16 208	1.13 215	1.23 212	1.16 214	1.19 218	1.11 214	1.18 213	1.17 216	1.17 210	1.13 212

AF-Net	2.06 234	25.73 276	1.18 210	1.12 209	1.16 216	1.16 208	1.19 218	1.10 195	1.17 219	1.15 167	1.14 212	1.11 203	1.16 216	1.16 216	1.14 215	1.11 210	1.15 205	1.13 216	1.21 214	1.17 219	1.11 198	1.21 220	1.17 215	1.17 218	1.17 211	1.11 213	1.20 213	1.13 212

ktn	0.84 185	1.15 181	0.54 163	1.16 213	1.26 223	0.51 163	0.53 172	0.51 159	0.66 183	4.54 253	0.51 167	0.52 160	0.52 173	0.66 180	0.51 171	0.51 167	1.37 221	1.17 217	0.49 158	0.51 171	1.23 212	0.51 172	0.67 181	0.51 169	0.51 160	0.68 184	0.51 157	0.51 167

UniTT-Stereo	2.12 235	3.66 227	1.10 203	3.48 242	1.15 213	3.57 242	1.11 212	3.44 239	1.16 216	3.52 237	1.16 213	3.50 239	1.16 216	1.10 209	1.13 214	1.15 213	3.61 239	1.17 217	3.64 237	1.12 214	3.58 240	1.12 212	1.12 212	1.17 218	3.53 241	1.18 217	3.52 240	1.18 216

edge stereo	1.15 209	1.18 187	1.11 204	1.12 209	1.17 217	1.17 212	1.17 215	1.16 200	1.18 220	1.16 170	1.17 217	1.17 208	1.13 214	1.11 211	1.11 212	1.12 211	1.17 209	1.17 217	1.11 206	1.17 219	1.17 203	1.17 216	1.18 216	1.14 216	1.11 207	1.18 217	1.12 204	1.11 210

stereogan	1.17 214	1.19 189	1.15 206	1.15 211	1.15 213	1.15 207	1.19 218	1.19 203	1.15 214	1.15 167	1.16 213	1.19 211	1.19 220	1.19 217	1.19 219	1.19 219	1.15 205	1.19 220	1.19 212	1.19 222	1.15 200	1.19 217	1.15 213	1.15 217	1.16 210	1.15 214	1.19 211	1.20 217

RAStereo	2.24 236	3.70 228	1.18 210	3.73 246	1.18 218	3.69 244	1.19 218	3.73 242	1.24 223	3.72 240	1.21 222	3.76 243	1.20 221	1.20 218	1.20 220	1.20 220	3.74 244	1.20 221	3.75 243	1.21 223	3.77 244	1.21 220	1.21 220	1.21 222	3.82 245	1.21 221	3.82 244	1.21 219

FAT-Stereo	1.22 215	1.23 190	1.19 213	1.21 217	1.24 222	1.24 215	1.19 218	1.25 206	1.24 223	1.25 178	1.19 220	1.20 212	1.24 224	1.20 218	1.21 221	1.25 223	1.22 214	1.21 222	1.25 215	1.23 225	1.22 210	1.19 217	1.19 218	1.24 224	1.25 216	1.20 220	1.19 211	1.25 223

GANetREF_RVC	1.52 222	2.01 205	1.21 215	1.98 229	1.21 220	1.98 228	1.21 224	1.98 223	1.21 222	1.99 206	1.21 222	1.98 226	1.21 223	1.02 206	1.21 221	1.21 221	1.99 229	1.21 222	1.99 227	1.21 223	1.99 226	1.21 220	1.21 220	1.21 222	1.99 229	1.21 221	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
S-Stereo	1.22 215	1.18 187	1.19 213	1.20 216	1.23 221	1.23 214	1.19 218	1.19 203	1.18 220	1.27 179	1.20 221	1.20 212	1.20 221	1.23 220	1.22 223	1.23 222	1.23 215	1.23 224	1.20 213	1.25 226	1.20 208	1.22 223	1.25 222	1.24 224	1.20 215	1.22 223	1.26 214	1.24 222

StereoVision	3.44 245	10.12 263	1.68 223	5.44 263	2.26 242	5.87 262	1.97 242	5.17 250	1.31 226	5.80 261	1.56 230	5.62 262	1.84 237	1.97 234	1.91 243	1.84 236	4.98 261	1.32 225	5.60 260	1.71 236	5.35 263	1.73 237	1.97 243	1.96 239	5.40 260	1.65 233	5.08 259	1.76 237

HBP-ISP	1.47 219	1.07 178	1.03 198	1.30 219	1.08 208	1.36 218	1.06 208	1.44 212	1.25 225	1.97 205	1.51 229	1.65 222	1.58 230	0.98 200	1.58 230	1.68 232	1.98 228	1.32 225	2.02 228	1.28 227	2.95 236	1.89 240	0.97 201	1.06 210	1.26 217	0.99 199	1.94 223	1.43 230

CC-Net-ROB	1.51 221	4.40 234	1.69 224	1.39 223	1.40 225	1.37 219	1.40 229	1.36 209	1.39 228	1.41 187	1.36 225	1.35 218	1.38 227	1.39 223	1.39 225	1.36 226	1.36 219	1.35 227	1.39 220	1.39 229	1.37 220	1.36 227	1.41 227	1.48 231	1.39 222	1.42 230	1.35 218	1.35 224

PS-NSSS	1.48 220	4.46 235	1.35 216	1.35 221	1.35 224	1.41 221	1.34 226	1.36 209	1.35 227	1.40 186	1.35 224	1.33 217	1.35 225	1.37 222	1.40 226	1.35 225	1.35 217	1.35 227	1.39 220	1.44 232	1.35 218	1.34 225	1.35 223	1.38 230	1.35 220	1.33 225	1.34 217	1.38 228

RASNet	1.39 218	1.37 197	1.35 216	1.38 222	1.40 225	1.39 220	1.77 234	1.36 209	1.74 234	1.36 185	1.36 225	1.36 219	1.36 226	1.36 221	1.35 224	1.41 229	1.36 219	1.36 229	1.36 219	1.35 228	1.36 219	1.35 226	1.36 224	1.35 226	1.36 221	1.35 226	1.36 219	1.35 224

R-Stereo Train	1.62 223	2.01 205	1.41 218	1.97 227	1.40 225	1.96 226	1.39 227	1.93 218	1.39 228	1.92 200	1.38 227	1.94 224	1.39 228	1.40 224	1.45 227	1.38 227	1.96 226	1.37 230	1.97 225	1.39 229	1.98 224	1.41 228	1.40 225	1.37 228	1.97 227	1.38 227	1.96 224	1.37 226

RAFT-Stereo	1.62 223	2.01 205	1.41 218	1.97 227	1.40 225	1.96 226	1.39 227	1.93 218	1.39 228	1.92 200	1.38 227	1.94 224	1.39 228	1.40 224	1.45 227	1.38 227	1.96 226	1.37 230	1.97 225	1.39 229	1.98 224	1.41 228	1.40 225	1.37 228	1.97 227	1.38 227	1.96 224	1.37 226
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DPSMNet_ROB	1.62 223	1.60 201	1.59 221	1.61 225	1.69 229	1.66 224	1.61 230	1.70 215	1.65 232	1.62 193	1.60 231	1.61 221	1.60 231	1.60 226	1.59 231	1.62 230	1.60 224	1.63 232	1.62 223	1.68 235	1.70 222	1.60 230	1.64 230	1.60 232	1.61 224	1.60 231	1.60 221	1.59 232

UDGNet	1.97 229	2.43 215	1.67 222	2.46 236	1.70 231	2.44 235	1.69 232	2.34 229	1.63 231	2.35 223	1.67 232	2.37 233	1.67 232	1.68 228	1.64 232	1.67 231	2.44 236	1.64 233	2.43 234	1.67 233	2.43 235	1.66 231	1.67 231	1.63 233	2.43 235	1.66 234	2.42 234	1.66 233

MFMNet_re	1.77 227	1.89 204	1.72 225	1.88 226	1.69 229	1.89 225	1.67 231	1.91 217	1.70 233	1.87 196	1.67 232	1.89 223	1.68 233	1.67 227	1.67 233	1.70 233	1.88 225	1.68 234	1.88 224	1.67 233	1.89 223	1.68 233	1.70 232	1.71 234	1.87 226	1.68 236	1.87 222	1.68 234

FBW_ROB	2.04 230	2.50 216	1.75 226	2.45 235	1.78 232	2.40 233	1.74 233	2.47 230	1.77 235	2.37 224	1.81 234	2.30 229	1.80 234	1.78 229	1.88 242	1.80 234	2.41 235	1.77 235	2.43 234	1.83 237	2.39 233	1.81 238	1.76 234	1.75 235	2.56 236	1.75 237	2.30 231	1.74 235

MaDis-Stereo	3.69 247	10.19 264	2.01 235	6.09 264	2.01 239	5.94 263	1.82 235	6.14 255	1.85 237	6.59 264	1.82 235	6.01 263	1.81 235	1.83 230	1.83 235	2.02 239	5.87 262	1.79 236	5.93 263	2.06 244	4.63 257	1.67 232	1.84 237	2.08 240	5.90 261	1.66 234	6.34 263	1.87 239

sCroCo_RVC	2.76 241	4.00 229	1.82 228	4.00 250	1.83 233	3.98 249	1.82 235	3.99 243	1.81 236	4.14 247	2.76 245	4.13 251	1.82 236	1.83 230	1.83 235	1.82 235	4.01 249	1.82 237	3.98 246	1.86 238	4.00 249	1.82 239	1.83 236	1.84 236	4.02 251	1.81 238	4.00 248	1.83 238

TRStereo	2.05 231	2.13 208	1.85 229	2.27 230	1.84 234	2.28 229	1.84 237	2.29 226	1.87 238	2.29 219	1.86 236	2.30 229	1.87 238	2.30 240	1.87 239	2.08 240	2.29 231	1.87 238	2.30 230	1.87 239	2.08 228	1.72 234	1.86 238	2.30 244	2.13 230	1.84 239	2.29 228	1.87 239

XX-Stereo	2.05 231	2.13 208	1.85 229	2.27 230	1.84 234	2.28 229	1.84 237	2.29 226	1.87 238	2.29 219	1.86 236	2.30 229	1.87 238	2.30 240	1.87 239	2.08 240	2.29 231	1.87 238	2.30 230	1.87 239	2.08 228	1.72 234	1.86 238	2.30 244	2.13 230	1.84 239	2.29 228	1.87 239

EAI-Stereo	2.05 231	2.13 208	1.85 229	2.27 230	1.84 234	2.28 229	1.84 237	2.29 226	1.87 238	2.29 219	1.86 236	2.30 229	1.87 238	2.30 240	1.87 239	2.08 240	2.29 231	1.87 238	2.30 230	1.87 239	2.08 228	1.72 234	1.86 238	2.30 244	2.13 230	1.84 239	2.29 228	1.87 239

sAnonymous2	2.87 242	4.16 230	1.89 232	4.26 254	1.87 237	4.23 252	1.92 240	4.17 244	1.94 241	4.16 248	1.92 239	4.20 252	1.92 241	1.96 232	1.86 237	1.87 237	4.25 252	1.90 241	4.23 251	1.91 242	4.26 252	1.93 241	1.89 241	1.90 237	4.07 252	1.91 242	5.09 260	1.93 243

CroCo_RVC	2.87 242	4.16 230	1.89 232	4.26 254	1.87 237	4.23 252	1.92 240	4.17 244	1.94 241	4.16 248	1.92 239	4.20 252	1.92 241	1.96 232	1.86 237	1.87 237	4.25 252	1.90 241	4.23 251	1.91 242	4.26 252	1.93 241	1.89 241	1.90 237	4.07 252	1.91 242	5.09 260	1.93 243

MIF-Stereo (partial)	2.52 240	3.41 225	1.05 200	3.29 240	1.05 207	3.29 241	1.06 208	3.30 238	1.06 209	3.31 236	1.06 207	4.97 258	2.72 246	2.72 243	2.71 247	2.70 247	6.57 265	2.19 243	5.08 259	1.08 212	3.36 238	1.07 209	1.07 209	1.07 212	3.35 240	1.07 208	3.36 239	1.07 208

Anonymous3	3.36 244	4.93 238	2.20 236	4.92 260	2.23 240	4.90 259	2.23 243	4.89 249	2.24 243	4.95 258	2.21 242	4.91 257	2.21 243	2.18 235	2.22 244	2.22 243	4.86 259	2.20 244	4.90 257	2.20 245	4.96 259	2.21 243	2.21 244	2.21 241	6.30 263	2.21 244	4.90 255	2.23 245

STTStereo	2.30 238	2.34 214	2.26 239	2.37 234	2.23 240	2.40 233	2.35 245	2.20 224	2.33 245	2.28 216	2.31 244	2.19 227	2.37 245	2.20 236	2.31 246	2.23 244	2.38 234	2.25 245	2.33 233	2.27 246	2.39 233	2.27 244	2.31 246	2.29 243	2.37 234	2.32 246	2.34 232	2.26 246

NCCL2	2.27 237	2.27 213	2.28 240	2.27 230	2.28 243	2.28 229	2.28 244	2.27 225	2.28 244	2.28 216	2.28 243	2.29 228	2.28 244	2.28 239	2.29 245	2.28 245	2.28 230	2.28 246	2.27 229	2.28 247	2.28 232	2.28 245	2.28 245	2.28 242	2.28 233	2.28 245	2.11 227	2.28 247

NLCA_NET_v2_RVC	2.50 239	2.85 220	1.90 234	2.90 237	2.77 245	2.88 236	2.85 247	2.51 231	2.85 247	2.88 231	1.99 241	2.50 234	2.76 247	2.20 236	1.57 229	2.64 246	2.89 237	2.63 247	5.69 262	1.03 208	2.01 227	2.71 246	2.74 248	2.73 247	2.87 237	1.64 232	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.
U	5.23 265	8.71 256	2.75 244	8.64 270	2.76 244	8.65 269	2.79 246	8.67 269	2.79 246	8.70 269	2.79 246	8.70 269	2.79 248	2.79 244	2.80 248	2.80 249	8.84 270	2.82 248	8.82 269	2.89 248	8.84 269	2.83 247	2.83 249	2.82 248	8.87 270	2.83 247	8.84 269	2.83 248

DispFullNet	4.96 263	5.67 239	3.30 249	5.01 261	3.21 249	4.50 256	3.11 248	4.43 246	3.44 251	4.60 254	3.46 250	5.13 260	3.44 252	3.53 248	3.20 250	2.87 250	4.80 258	3.15 249	4.70 255	4.83 264	9.02 270	5.98 267	5.95 268	6.21 266	8.84 269	5.85 265	9.76 270	5.91 266

Sa-1000	3.84 248	7.71 247	6.81 265	4.15 252	2.86 246	3.27 240	3.87 259	5.99 252	4.35 263	2.78 229	3.71 252	3.88 244	3.56 254	3.88 255	3.64 252	2.71 248	3.72 242	3.27 250	3.67 241	3.15 250	3.51 239	3.36 250	2.70 247	3.49 249	3.32 239	3.76 255	2.87 236	3.76 256

raft_robust	4.19 255	7.78 248	6.08 258	3.30 241	3.85 258	4.03 250	3.73 256	6.25 259	3.30 250	4.44 252	3.28 249	4.01 248	3.82 261	4.29 260	3.70 260	4.01 260	4.48 257	3.42 251	4.11 248	3.76 258	4.05 250	3.32 249	3.85 256	3.82 256	4.71 255	3.83 257	4.09 249	3.80 258

TestStereo1	4.11 250	7.79 249	6.72 263	3.93 247	3.81 256	3.96 247	3.58 251	6.96 263	3.74 254	3.90 242	3.76 254	3.89 245	3.57 255	3.70 253	3.66 255	3.34 252	3.80 245	3.62 252	3.66 239	3.68 254	3.91 246	3.70 253	3.65 251	3.67 252	3.88 246	3.53 249	3.89 245	3.68 252

test_5	4.51 259	8.85 257	5.35 257	3.66 245	3.56 250	5.10 261	4.47 264	6.14 255	4.07 260	4.96 259	3.87 258	5.14 261	4.17 265	3.53 248	4.39 264	4.53 264	4.15 251	3.62 252	4.74 256	2.94 249	3.63 242	4.53 263	4.20 262	4.54 263	4.86 258	3.68 252	4.95 256	4.06 261

SA-5K	4.11 250	7.79 249	6.72 263	3.93 247	3.81 256	3.96 247	3.58 251	6.96 263	3.74 254	3.90 242	3.76 254	3.89 245	3.57 255	3.70 253	3.66 255	3.34 252	3.80 245	3.62 252	3.66 239	3.68 254	3.91 246	3.70 253	3.65 251	3.67 252	3.88 246	3.53 249	3.89 245	3.68 252

DPSNet	3.67 246	3.61 226	3.62 250	3.64 243	3.61 253	3.64 243	3.65 253	3.64 241	3.67 252	3.67 239	3.65 251	3.68 241	3.69 258	3.69 252	3.69 259	3.68 255	3.70 241	3.70 255	3.69 242	3.69 256	3.71 243	3.69 252	3.67 253	3.69 255	3.68 244	3.67 251	3.68 242	3.67 249

SA	3.93 249	7.22 243	4.74 252	4.15 252	3.88 259	3.70 245	4.02 262	6.67 260	3.95 257	3.64 238	3.74 253	3.63 240	3.00 249	3.51 247	3.68 258	3.68 255	3.73 243	3.71 256	3.64 237	3.48 251	3.58 240	2.97 248	3.69 254	3.61 250	3.55 243	3.42 248	3.64 241	3.79 257

TESTraft	4.16 254	8.03 251	6.81 265	3.99 249	3.68 254	3.93 246	3.70 255	6.86 262	3.69 253	3.93 244	3.88 259	3.93 247	3.59 257	3.65 251	3.64 252	3.68 255	3.92 247	3.72 257	3.92 244	3.57 253	3.84 245	3.70 253	3.71 255	3.67 252	3.91 249	3.74 253	3.92 247	3.67 249

test_4	4.11 250	8.05 252	6.64 261	4.52 257	3.68 254	3.00 237	3.40 250	6.21 258	3.29 249	4.07 246	3.84 257	4.04 249	3.76 260	3.56 250	3.67 257	3.76 258	4.04 250	3.79 258	4.10 247	3.53 252	3.98 248	3.74 256	3.55 250	3.61 250	3.94 250	3.75 254	3.73 243	3.73 255

test_3	4.55 260	10.96 265	7.69 269	4.04 251	3.60 252	4.10 251	3.98 261	7.94 265	4.56 264	3.99 245	4.03 260	4.08 250	3.74 259	3.99 259	3.91 262	4.05 261	4.33 255	3.89 259	4.14 249	4.00 261	4.11 251	4.02 258	4.01 261	3.91 258	3.53 241	3.94 259	4.19 250	4.20 262

cross-raft	4.43 256	7.31 244	6.46 260	4.47 256	3.95 260	4.46 255	3.95 260	6.70 261	3.97 258	4.41 251	3.82 256	4.38 255	3.94 262	3.95 258	3.95 263	3.95 259	4.45 256	3.95 260	4.46 254	3.95 260	4.46 256	3.95 257	3.95 260	3.94 259	4.40 254	3.95 260	4.45 253	3.95 259

RAFT_CTSACE	4.43 256	8.26 254	6.10 259	4.62 258	4.01 261	4.54 257	3.65 253	6.09 254	3.93 256	4.64 255	4.14 262	4.26 254	4.13 263	3.91 256	3.88 261	4.06 262	4.30 254	4.03 261	4.27 253	3.92 259	4.26 252	3.67 251	3.91 258	4.16 260	4.82 257	4.08 261	4.20 251	3.67 249

test-1	4.11 250	7.65 246	4.93 253	3.65 244	3.58 251	4.70 258	3.74 257	4.73 247	4.06 259	3.72 240	4.11 261	3.70 242	3.49 253	3.36 246	3.65 254	4.17 263	3.92 247	4.04 262	4.19 250	3.75 257	4.69 258	4.18 259	3.88 257	3.90 257	4.73 256	3.77 256	3.12 237	3.68 252

SGM-Forest	5.07 264	6.74 241	4.17 251	6.46 265	4.68 263	6.21 265	4.38 263	6.00 253	4.14 261	5.84 262	4.44 263	6.28 264	4.16 264	3.92 257	4.56 265	4.60 265	6.15 263	4.27 263	6.12 264	4.31 263	5.99 264	4.27 260	3.92 259	4.27 261	6.13 262	4.10 262	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
RAFT+CT+SA	4.43 256	7.34 245	6.71 262	5.01 261	4.38 262	4.40 254	3.85 258	6.15 257	4.30 262	4.89 257	3.26 248	4.49 256	3.01 250	4.53 261	3.36 251	3.65 254	3.64 240	4.39 264	3.94 245	4.28 262	4.44 255	4.30 261	4.24 263	4.52 262	3.90 248	3.85 258	4.89 254	4.00 260

RAFT	6.60 267	9.99 260	8.33 270	7.21 268	6.55 267	5.95 264	5.87 267	8.70 270	5.02 266	5.10 260	6.69 267	7.06 267	6.94 270	6.17 266	7.09 270	6.84 268	6.47 264	4.72 265	5.60 260	5.60 267	5.11 261	5.97 266	6.93 270	6.89 268	7.16 265	7.08 269	6.58 264	6.66 267

TestStereo	4.92 262	4.80 237	4.98 254	4.82 259	4.97 264	4.91 260	4.78 265	4.80 248	4.88 265	4.78 256	4.80 264	4.99 259	4.81 266	4.83 262	4.87 266	4.97 266	4.93 260	5.01 266	5.03 258	4.90 265	5.02 260	5.02 264	5.06 264	5.04 264	4.93 259	4.89 263	5.01 257	5.09 264

SGM+DAISY	6.35 266	8.16 253	5.14 256	8.12 269	5.08 266	8.12 268	5.16 266	8.01 266	5.18 267	7.92 267	5.14 265	7.89 268	5.14 267	4.95 263	5.33 267	5.32 267	8.14 269	5.16 267	8.16 268	5.16 266	8.21 268	5.19 265	5.12 265	5.12 265	8.18 268	5.24 264	8.12 268	5.11 265

FC-DCNN v2	4.74 261	3.16 222	3.16 247	3.16 238	3.16 247	3.16 238	3.16 249	3.16 236	3.16 248	3.16 234	3.16 247	3.16 237	3.16 251	3.16 245	3.16 249	3.16 251	6.72 266	6.72 268	6.72 265	6.72 270	6.72 265	6.72 270	6.72 269	6.72 267	6.72 264	6.72 266	6.72 265	6.72 268

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

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

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

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

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

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

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

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

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

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

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

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

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

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

EGLCR-Stereo	276.81 284	209.00 283	366.00 287	514.00 287	354.00 286	336.00 283	422.00 284	440.00 286	220.00 283	231.00 283	245.00 283	135.00 282	237.00 284	218.00 285	197.00 285	222.00 286	223.00 284	230.00 283	487.00 285	255.00 285	250.00 284	273.00 286	272.00 285	228.00 285	241.00 283	220.00 284	214.00 283	235.00 285

AE-Stereo	252.48 282	202.00 281	361.00 285	502.00 285	324.00 284	321.00 281	482.00 287	423.00 285	227.00 284	201.00 282	273.00 284	101.00 280	207.00 281	198.00 282	183.00 284	181.00 284	221.00 283	232.00 285	477.00 283	220.00 284	111.00 281	100.00 281	219.00 283	214.00 282	204.00 282	211.00 282	200.00 282	222.00 284

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

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

CBMV	101.59 279	71.60 278	48.40 280	72.70 280	49.00 279	79.60 279	48.40 279	80.90 280	46.90 278	68.90 279	49.00 279	78.00 279	572.10 288	49.50 279	51.30 279	48.40 279	72.20 279	639.60 288	79.40 278	48.90 280	79.50 279	51.40 279	52.30 280	48.30 280	80.20 279	49.10 278	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
CBMV_ROB	1133.35 288	1280.38 288	976.92 289	1317.57 289	1021.62 288	1282.66 288	1022.22 288	1213.88 289	982.57 288	1194.12 289	975.90 288	1357.87 288	1090.02 289	943.32 289	1021.85 289	1006.47 289	1309.01 289	986.29 289	1499.40 288	986.35 289	1359.35 289	975.96 289	975.21 289	969.30 289	1337.82 289	1042.34 288	1398.25 289	1073.86 289

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

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

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

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

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

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

Low-res two-view benchmark