Low-res two-view results

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

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

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

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

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

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

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

CroCo-Stereo	0.02 1	0.01 1	0.02 1	0.01 1	0.01 2	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.00 1	0.04 1	0.05 2	0.04 2	0.03 1	0.03 1	0.02 1	0.03 1	0.02 1	0.00 1	0.01 1	0.04 2	0.03 1	0.02 1	0.02 1
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
AEACV	0.04 4	0.03 4	0.02 1	0.04 10	0.03 7	0.02 2	0.02 2	0.03 4	0.03 4	0.03 4	0.03 4	0.03 4	0.02 3	0.01 2	0.05 3	0.06 5	0.05 4	0.05 3	0.07 8	0.04 3	0.06 6	0.03 3	0.01 2	0.02 2	0.06 6	0.06 8	0.04 3	0.03 3

CroCo-Stereo Lap2	0.03 3	0.02 2	0.02 1	0.01 1	0.01 2	0.02 2	0.02 2	0.02 3	0.02 3	0.03 4	0.02 2	0.02 3	0.03 8	0.01 2	0.05 3	0.05 2	0.04 2	0.05 3	0.04 3	0.04 3	0.04 3	0.04 4	0.01 2	0.02 2	0.05 3	0.05 3	0.05 5	0.03 3

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

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

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

anonymousdsp	0.05 6	0.04 9	0.03 5	0.03 4	0.04 11	0.04 10	0.04 21	0.06 10	0.05 13	0.06 13	0.04 5	0.03 4	0.02 3	0.03 13	0.06 6	0.07 12	0.08 11	0.06 8	0.08 16	0.05 9	0.09 18	0.05 10	0.03 20	0.03 5	0.05 3	0.05 3	0.05 5	0.05 6

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

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

RYNet	0.06 10	0.04 9	0.04 10	0.04 10	0.04 11	0.04 10	0.03 10	0.04 5	0.11 111	0.05 9	0.04 5	0.04 7	0.03 8	0.03 13	0.07 12	0.06 5	0.07 7	0.08 18	0.07 8	0.05 9	0.05 4	0.04 4	0.11 148	0.04 7	0.06 6	0.13 71	0.06 12	0.05 6

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

AASNet	0.06 10	0.06 29	0.04 10	0.09 71	0.07 54	0.08 57	0.05 30	0.08 25	0.04 6	0.07 20	0.07 30	0.07 17	0.04 17	0.04 26	0.06 6	0.07 12	0.10 21	0.08 18	0.08 16	0.06 18	0.07 11	0.06 23	0.04 36	0.06 38	0.08 15	0.07 11	0.06 12	0.06 13

GANet	0.06 10	0.07 50	0.06 49	0.06 31	0.06 39	0.07 49	0.06 60	0.07 20	0.05 13	0.06 13	0.07 30	0.05 10	0.04 17	0.04 26	0.07 12	0.08 19	0.08 11	0.10 57	0.07 8	0.05 9	0.07 11	0.05 10	0.05 52	0.05 22	0.08 15	0.07 11	0.06 12	0.06 13

anonymousdsp2	0.08 28	0.07 50	0.05 25	0.06 31	0.05 22	0.06 35	0.05 30	0.12 40	0.06 27	0.17 61	0.06 18	0.08 21	0.04 17	0.05 42	0.07 12	0.08 19	0.13 37	0.08 18	0.10 34	0.07 30	0.12 44	0.06 23	0.05 52	0.06 38	0.09 22	0.08 15	0.08 22	0.07 15

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

DMCA	0.07 21	0.05 19	0.07 72	0.06 31	0.06 39	0.05 21	0.07 76	0.09 28	0.06 27	0.06 13	0.09 63	0.07 17	0.06 48	0.06 54	0.07 12	0.08 19	0.11 26	0.10 57	0.08 16	0.07 30	0.09 18	0.05 10	0.06 68	0.05 22	0.08 15	0.10 30	0.05 5	0.07 15

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

4D-IteraStereo	0.09 33	0.06 29	0.05 25	0.06 31	0.06 39	0.06 35	0.04 21	0.15 66	0.10 99	0.22 106	0.08 49	0.14 68	0.06 48	0.03 13	0.08 28	0.10 52	0.17 80	0.09 41	0.11 40	0.07 30	0.15 79	0.05 10	0.03 20	0.05 22	0.10 30	0.10 30	0.08 22	0.08 18

IPLG	0.09 33	0.07 50	0.07 72	0.07 51	0.07 54	0.06 35	0.05 30	0.15 66	0.06 27	0.22 106	0.06 18	0.15 73	0.05 30	0.04 26	0.08 28	0.10 52	0.16 68	0.10 57	0.14 73	0.09 66	0.13 56	0.08 42	0.04 36	0.07 72	0.13 58	0.11 48	0.11 46	0.08 18

raft+_RVC	0.08 28	0.06 29	0.04 10	0.06 31	0.06 39	0.07 49	0.04 21	0.10 34	0.08 59	0.17 61	0.08 49	0.09 24	0.04 17	0.04 26	0.08 28	0.07 12	0.13 37	0.09 41	0.11 40	0.06 18	0.13 56	0.05 10	0.03 20	0.05 22	0.10 30	0.09 20	0.09 27	0.08 18

RALCasStereoNet	0.09 33	0.08 77	0.06 49	0.09 71	0.07 54	0.06 35	0.05 30	0.12 40	0.05 13	0.18 73	0.07 30	0.12 42	0.05 30	0.04 26	0.09 58	0.10 52	0.18 99	0.12 90	0.13 61	0.08 47	0.15 79	0.08 42	0.05 52	0.06 38	0.12 51	0.09 20	0.10 32	0.08 18

HCRNet	0.11 62	0.17 173	0.06 49	0.22 176	0.08 64	0.15 135	0.08 85	0.13 51	0.04 6	0.46 235	0.12 99	0.24 165	0.07 67	0.07 76	0.08 28	0.06 5	0.14 50	0.08 18	0.20 139	0.08 47	0.09 18	0.05 10	0.11 148	0.06 38	0.06 6	0.05 3	0.05 5	0.08 18

AANet_RVC	0.06 10	0.05 19	0.06 49	0.05 20	0.06 39	0.04 10	0.05 30	0.05 8	0.06 27	0.05 9	0.06 18	0.05 10	0.04 17	0.04 26	0.07 12	0.07 12	0.08 11	0.08 18	0.07 8	0.07 30	0.07 11	0.06 23	0.05 52	0.05 22	0.07 10	0.09 20	0.06 12	0.08 18

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

MIF-Stereo	0.07 21	0.04 9	0.04 10	0.04 10	0.03 7	0.05 21	0.03 10	0.06 10	0.05 13	0.06 13	0.04 5	0.07 17	0.12 125	0.07 76	0.08 28	0.07 12	0.11 26	0.08 18	0.08 16	0.07 30	0.09 18	0.08 42	0.08 109	0.04 7	0.09 22	0.16 131	0.06 12	0.09 25

AnonymousM	0.08 28	0.05 19	0.04 10	0.06 31	0.05 22	0.04 10	0.04 21	0.13 51	0.05 13	0.20 94	0.06 18	0.11 38	0.03 8	0.06 54	0.09 58	0.09 32	0.19 114	0.08 18	0.12 50	0.07 30	0.16 94	0.06 23	0.04 36	0.04 7	0.08 15	0.11 48	0.10 32	0.09 25

ARAFT	0.07 21	0.04 9	0.04 10	0.05 20	0.05 22	0.05 21	0.02 2	0.09 28	0.06 27	0.12 32	0.06 18	0.12 42	0.03 8	0.03 13	0.07 12	0.07 12	0.12 35	0.09 41	0.09 28	0.05 9	0.11 30	0.07 34	0.03 20	0.04 7	0.09 22	0.09 20	0.09 27	0.09 25

RAFT-Stereo + iAFF	0.08 28	0.06 29	0.05 25	0.05 20	0.04 11	0.04 10	0.04 21	0.14 61	0.07 42	0.21 102	0.04 5	0.12 42	0.04 17	0.03 13	0.07 12	0.09 32	0.09 17	0.06 8	0.10 34	0.05 9	0.11 30	0.05 10	0.03 20	0.05 22	0.12 51	0.09 20	0.09 27	0.09 25

CVANet_RVC	0.07 21	0.07 50	0.07 72	0.08 57	0.06 39	0.07 49	0.05 30	0.06 10	0.05 13	0.06 13	0.09 63	0.05 10	0.04 17	0.04 26	0.08 28	0.08 19	0.08 11	0.08 18	0.08 16	0.06 18	0.08 15	0.05 10	0.04 36	0.05 22	0.08 15	0.07 11	0.07 17	0.09 25

CASnet	0.10 52	0.06 29	0.05 25	0.08 57	0.09 83	0.11 100	0.05 30	0.18 111	0.10 99	0.23 120	0.11 89	0.13 58	0.06 48	0.07 76	0.09 58	0.10 52	0.16 68	0.08 18	0.18 119	0.07 30	0.14 70	0.06 23	0.06 68	0.06 38	0.12 51	0.10 30	0.14 77	0.10 31
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CIPLG	0.09 33	0.06 29	0.05 25	0.06 31	0.06 39	0.09 69	0.06 60	0.18 111	0.06 27	0.20 94	0.08 49	0.12 42	0.06 48	0.06 54	0.08 28	0.10 52	0.17 80	0.11 65	0.11 40	0.09 66	0.13 56	0.06 23	0.04 36	0.06 38	0.10 30	0.09 20	0.10 32	0.10 31

IPLGR_C	0.09 33	0.06 29	0.05 25	0.06 31	0.06 39	0.09 69	0.06 60	0.18 111	0.06 27	0.20 94	0.08 49	0.12 42	0.07 67	0.06 54	0.08 28	0.10 52	0.17 80	0.11 65	0.11 40	0.09 66	0.13 56	0.06 23	0.04 36	0.06 38	0.10 30	0.09 20	0.10 32	0.10 31

ACRE	0.09 33	0.06 29	0.05 25	0.06 31	0.06 39	0.09 69	0.06 60	0.18 111	0.06 27	0.20 94	0.08 49	0.12 42	0.07 67	0.06 54	0.08 28	0.10 52	0.17 80	0.11 65	0.11 40	0.09 66	0.13 56	0.06 23	0.04 36	0.06 38	0.10 30	0.10 30	0.10 32	0.10 31

raftrobust	0.10 52	0.08 77	0.06 49	0.08 57	0.07 54	0.05 21	0.04 21	0.14 61	0.06 27	0.25 157	0.07 30	0.12 42	0.05 30	0.05 42	0.08 28	0.09 32	0.18 99	0.11 65	0.11 40	0.09 66	0.17 114	0.08 42	0.05 52	0.05 22	0.13 58	0.12 58	0.10 32	0.10 31

MMNet	0.06 10	0.06 29	0.04 10	0.08 57	0.06 39	0.06 35	0.05 30	0.07 20	0.05 13	0.05 9	0.05 12	0.09 24	0.04 17	0.04 26	0.07 12	0.07 12	0.08 11	0.08 18	0.07 8	0.06 18	0.06 6	0.05 10	0.04 36	0.05 22	0.07 10	0.08 15	0.07 17	0.10 31

UPFNet	0.09 33	0.08 77	0.08 93	0.09 71	0.07 54	0.09 69	0.06 60	0.12 40	0.09 78	0.14 39	0.09 63	0.12 42	0.06 48	0.07 76	0.08 28	0.10 52	0.13 37	0.11 65	0.10 34	0.07 30	0.09 18	0.07 34	0.06 68	0.06 38	0.09 22	0.10 30	0.10 32	0.10 31

DN-CSS_ROB	0.11 62	0.09 89	0.11 136	0.08 57	0.09 83	0.08 57	0.08 85	0.16 75	0.10 99	0.23 120	0.17 158	0.18 104	0.14 152	0.05 42	0.08 28	0.09 32	0.13 37	0.10 57	0.18 119	0.09 66	0.11 30	0.08 42	0.07 88	0.08 87	0.13 58	0.10 30	0.12 54	0.10 31

test-3	0.10 52	0.06 29	0.04 10	0.06 31	0.08 64	0.05 21	0.05 30	0.17 83	0.07 42	0.24 136	0.07 30	0.19 115	0.07 67	0.06 54	0.10 91	0.10 52	0.21 140	0.09 41	0.15 84	0.10 86	0.16 94	0.09 73	0.05 52	0.06 38	0.09 22	0.10 30	0.12 54	0.11 39

test_1	0.10 52	0.06 29	0.04 10	0.06 31	0.08 64	0.05 21	0.05 30	0.17 83	0.07 42	0.24 136	0.07 30	0.19 115	0.07 67	0.06 54	0.10 91	0.10 52	0.21 140	0.09 41	0.15 84	0.10 86	0.16 94	0.09 73	0.05 52	0.06 38	0.09 22	0.10 30	0.12 54	0.11 39

rafts_anoy	0.09 33	0.08 77	0.07 72	0.07 51	0.07 54	0.06 35	0.05 30	0.13 51	0.05 13	0.17 61	0.09 63	0.12 42	0.05 30	0.03 13	0.09 58	0.10 52	0.15 56	0.12 90	0.13 61	0.07 30	0.14 70	0.08 42	0.03 20	0.06 38	0.11 44	0.10 30	0.09 27	0.11 39

RALAANet	0.09 33	0.08 77	0.06 49	0.07 51	0.05 22	0.08 57	0.05 30	0.10 34	0.07 42	0.12 32	0.09 63	0.10 30	0.06 48	0.03 13	0.08 28	0.09 32	0.13 37	0.11 65	0.15 84	0.08 47	0.12 44	0.07 34	0.04 36	0.06 38	0.11 44	0.10 30	0.11 46	0.11 39

UNet	0.10 52	0.09 89	0.08 93	0.10 87	0.08 64	0.09 69	0.08 85	0.15 66	0.08 59	0.17 61	0.09 63	0.13 58	0.09 94	0.07 76	0.09 58	0.10 52	0.16 68	0.13 116	0.12 50	0.08 47	0.11 30	0.09 73	0.08 109	0.09 108	0.11 44	0.13 71	0.10 32	0.11 39

HGLStereo	0.11 62	0.10 101	0.08 93	0.09 71	0.10 99	0.09 69	0.06 60	0.14 61	0.08 59	0.18 73	0.15 138	0.09 24	0.06 48	0.08 94	0.09 58	0.10 52	0.17 80	0.13 116	0.14 73	0.10 86	0.11 30	0.09 73	0.08 109	0.08 87	0.13 58	0.12 58	0.10 32	0.11 39

DMCA-RVC	0.10 52	0.08 77	0.11 136	0.08 57	0.09 83	0.08 57	0.08 85	0.12 40	0.09 78	0.13 36	0.13 111	0.13 58	0.07 67	0.06 54	0.13 158	0.12 129	0.14 50	0.13 116	0.11 40	0.10 86	0.12 44	0.09 73	0.07 88	0.09 108	0.10 30	0.10 30	0.10 32	0.11 39

FADNet-RVC-Resample	0.13 94	0.10 101	0.12 149	0.12 115	0.10 99	0.13 117	0.10 117	0.16 75	0.13 133	0.18 73	0.13 111	0.17 90	0.11 117	0.10 123	0.10 91	0.09 32	0.13 37	0.15 153	0.15 84	0.17 181	0.15 79	0.12 139	0.10 139	0.13 161	0.17 112	0.13 71	0.12 54	0.11 39

ADCP+	0.11 62	0.10 101	0.08 93	0.09 71	0.07 54	0.09 69	0.08 85	0.13 51	0.11 111	0.16 52	0.12 99	0.18 104	0.08 83	0.07 76	0.10 91	0.09 32	0.16 68	0.11 65	0.14 73	0.09 66	0.12 44	0.09 73	0.08 109	0.08 87	0.11 44	0.15 109	0.11 46	0.11 39

DISCO	0.10 52	0.10 101	0.08 93	0.10 87	0.09 83	0.11 100	0.09 102	0.10 34	0.08 59	0.15 46	0.10 79	0.12 42	0.07 67	0.06 54	0.09 58	0.11 93	0.15 56	0.10 57	0.14 73	0.10 86	0.12 44	0.10 104	0.06 68	0.09 108	0.14 75	0.11 48	0.13 64	0.11 39

StereoVision	0.06 10	0.03 4	0.04 10	0.03 4	0.03 7	0.03 5	0.02 2	0.06 10	0.11 111	0.02 2	0.05 12	0.03 4	0.06 48	0.01 2	0.08 28	0.10 52	0.06 5	0.05 3	0.08 16	0.07 30	0.06 6	0.05 10	0.02 7	0.04 7	0.10 30	0.08 15	0.10 32	0.12 49

iinet-f	0.10 52	0.09 89	0.06 49	0.08 57	0.06 39	0.09 69	0.06 60	0.09 28	0.07 42	0.18 73	0.11 89	0.10 30	0.10 107	0.06 54	0.08 28	0.09 32	0.14 50	0.09 41	0.18 119	0.09 66	0.11 30	0.06 23	0.05 52	0.06 38	0.11 44	0.10 30	0.15 88	0.12 49

GLC_STEREO	0.13 94	0.11 113	0.12 149	0.12 115	0.11 116	0.10 91	0.10 117	0.19 129	0.07 42	0.25 157	0.13 111	0.12 42	0.07 67	0.07 76	0.08 28	0.12 129	0.24 174	0.11 65	0.17 106	0.09 66	0.27 214	0.15 173	0.07 88	0.07 72	0.15 88	0.09 20	0.20 148	0.12 49

GMStereo	0.12 84	0.12 126	0.07 72	0.11 104	0.11 116	0.13 117	0.09 102	0.17 83	0.10 99	0.17 61	0.13 111	0.21 144	0.11 117	0.07 76	0.10 91	0.09 32	0.17 80	0.10 57	0.17 106	0.12 122	0.14 70	0.09 73	0.07 88	0.09 108	0.14 75	0.13 71	0.15 88	0.12 49
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
FINET	0.12 84	0.11 113	0.12 149	0.12 115	0.10 99	0.11 100	0.13 142	0.15 66	0.12 126	0.13 36	0.12 99	0.13 58	0.09 94	0.09 109	0.15 183	0.13 145	0.15 56	0.11 65	0.16 98	0.09 66	0.13 56	0.10 104	0.10 139	0.10 123	0.12 51	0.10 30	0.13 64	0.12 49

NVstereo2D	0.15 138	0.11 113	0.11 136	0.19 166	0.14 150	0.21 183	0.24 196	0.13 51	0.11 111	0.16 52	0.14 125	0.10 30	0.07 67	0.39 220	0.11 127	0.11 93	0.21 140	0.14 139	0.15 84	0.10 86	0.12 44	0.08 42	0.24 202	0.08 87	0.14 75	0.12 58	0.14 77	0.12 49

iResNetv2_ROB	0.12 84	0.08 77	0.07 72	0.12 115	0.09 83	0.12 108	0.08 85	0.17 83	0.08 59	0.22 106	0.12 99	0.20 129	0.15 160	0.06 54	0.08 28	0.08 19	0.16 68	0.11 65	0.17 106	0.10 86	0.14 70	0.09 73	0.09 126	0.10 123	0.14 75	0.12 58	0.19 136	0.12 49

LoS_RVC	0.09 33	0.07 50	0.05 25	0.05 20	0.06 39	0.06 35	0.05 30	0.13 51	0.08 59	0.18 73	0.11 89	0.12 42	0.06 48	0.07 76	0.08 28	0.09 32	0.10 21	0.08 18	0.12 50	0.08 47	0.16 94	0.09 73	0.05 52	0.06 38	0.14 75	0.10 30	0.10 32	0.13 56

tt_ll	0.09 33	0.07 50	0.05 25	0.05 20	0.06 39	0.06 35	0.05 30	0.13 51	0.08 59	0.18 73	0.11 89	0.12 42	0.06 48	0.07 76	0.08 28	0.09 32	0.10 21	0.08 18	0.12 50	0.08 47	0.16 94	0.09 73	0.05 52	0.06 38	0.14 75	0.10 30	0.10 32	0.13 56

UDGNet	0.15 138	0.13 139	0.09 103	0.18 160	0.17 168	0.16 142	0.19 176	0.15 66	0.11 111	0.16 52	0.14 125	0.15 73	0.05 30	0.45 221	0.09 58	0.10 52	0.17 80	0.12 90	0.14 73	0.09 66	0.17 114	0.09 73	0.28 223	0.07 72	0.17 112	0.15 109	0.12 54	0.13 56

MIPNet	0.11 62	0.09 89	0.06 49	0.07 51	0.08 64	0.07 49	0.05 30	0.17 83	0.06 27	0.23 120	0.07 30	0.15 73	0.08 83	0.05 42	0.09 58	0.10 52	0.17 80	0.11 65	0.20 139	0.12 122	0.13 56	0.10 104	0.05 52	0.07 72	0.15 88	0.13 71	0.11 46	0.13 56

TestStereo	0.13 94	0.12 126	0.10 121	0.11 104	0.08 64	0.11 100	0.10 117	0.18 111	0.11 111	0.24 136	0.13 111	0.20 129	0.08 83	0.06 54	0.11 127	0.10 52	0.20 127	0.11 65	0.20 139	0.10 86	0.21 167	0.10 104	0.06 68	0.12 151	0.19 145	0.11 48	0.12 54	0.13 56

DSFCA	0.11 62	0.13 139	0.09 103	0.10 87	0.08 64	0.11 100	0.11 127	0.12 40	0.09 78	0.12 32	0.13 111	0.14 68	0.07 67	0.05 42	0.09 58	0.11 93	0.15 56	0.13 116	0.16 98	0.10 86	0.13 56	0.12 139	0.07 88	0.09 108	0.12 51	0.13 71	0.10 32	0.13 56

CFNet	0.12 84	0.11 113	0.08 93	0.14 132	0.12 130	0.11 100	0.09 102	0.19 129	0.10 99	0.18 73	0.12 99	0.25 166	0.10 107	0.08 94	0.08 28	0.09 32	0.17 80	0.12 90	0.12 50	0.09 66	0.11 30	0.08 42	0.06 68	0.09 108	0.15 88	0.12 58	0.13 64	0.13 56

HITNet	0.09 33	0.07 50	0.06 49	0.08 57	0.08 64	0.08 57	0.05 30	0.11 37	0.07 42	0.19 86	0.08 49	0.12 42	0.06 48	0.07 76	0.08 28	0.08 19	0.13 37	0.11 65	0.10 34	0.06 18	0.10 26	0.09 73	0.06 68	0.06 38	0.12 51	0.11 48	0.16 97	0.13 56
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
DLCB_ROB	0.13 94	0.12 126	0.11 136	0.10 87	0.10 99	0.10 91	0.09 102	0.16 75	0.11 111	0.18 73	0.17 158	0.19 115	0.13 138	0.11 134	0.11 127	0.10 52	0.17 80	0.13 116	0.13 61	0.10 86	0.17 114	0.10 104	0.09 126	0.12 151	0.27 196	0.16 131	0.16 97	0.13 56

CAS	0.09 33	0.07 50	0.05 25	0.06 31	0.05 22	0.05 21	0.04 21	0.14 61	0.05 13	0.11 30	0.10 79	0.11 38	0.05 30	0.07 76	0.08 28	0.09 32	0.11 26	0.10 57	0.14 73	0.07 30	0.12 44	0.07 34	0.05 52	0.05 22	0.13 58	0.11 48	0.09 27	0.14 65

IER	0.09 33	0.07 50	0.07 72	0.09 71	0.07 54	0.08 57	0.06 60	0.12 40	0.07 42	0.14 39	0.11 89	0.10 30	0.07 67	0.06 54	0.08 28	0.09 32	0.15 56	0.11 65	0.11 40	0.07 30	0.11 30	0.07 34	0.06 68	0.06 38	0.10 30	0.10 30	0.11 46	0.14 65

raft_robust	0.12 84	0.09 89	0.09 103	0.11 104	0.06 39	0.09 69	0.06 60	0.15 66	0.08 59	0.23 120	0.07 30	0.20 129	0.11 117	0.09 109	0.11 127	0.12 129	0.16 68	0.12 90	0.13 61	0.10 86	0.15 79	0.11 123	0.03 20	0.07 72	0.18 132	0.16 131	0.15 88	0.14 65

test_3	0.11 62	0.07 50	0.07 72	0.06 31	0.08 64	0.05 21	0.05 30	0.17 83	0.09 78	0.24 136	0.09 63	0.21 144	0.11 117	0.06 54	0.13 158	0.13 145	0.20 127	0.09 41	0.14 73	0.10 86	0.18 127	0.08 42	0.04 36	0.08 87	0.13 58	0.15 109	0.13 64	0.14 65

TANstereo	0.11 62	0.06 29	0.06 49	0.10 87	0.09 83	0.09 69	0.06 60	0.12 40	0.08 59	0.22 106	0.08 49	0.13 58	0.07 67	0.08 94	0.10 91	0.13 145	0.20 127	0.13 116	0.18 119	0.08 47	0.18 127	0.09 73	0.06 68	0.06 38	0.10 30	0.10 30	0.15 88	0.14 65

XX-TBD	0.11 62	0.06 29	0.06 49	0.10 87	0.09 83	0.09 69	0.06 60	0.12 40	0.08 59	0.22 106	0.08 49	0.13 58	0.07 67	0.08 94	0.10 91	0.13 145	0.20 127	0.13 116	0.18 119	0.08 47	0.18 127	0.09 73	0.06 68	0.06 38	0.10 30	0.10 30	0.15 88	0.14 65

ADLNet	0.12 84	0.11 113	0.08 93	0.12 115	0.10 99	0.16 142	0.12 137	0.14 61	0.07 42	0.13 36	0.10 79	0.25 166	0.10 107	0.28 208	0.09 58	0.10 52	0.17 80	0.09 41	0.13 61	0.09 66	0.11 30	0.08 42	0.13 164	0.06 38	0.13 58	0.12 58	0.12 54	0.14 65

FADNet-RVC	0.14 117	0.13 139	0.10 121	0.18 160	0.11 116	0.14 124	0.09 102	0.21 157	0.09 78	0.19 86	0.17 158	0.17 90	0.12 125	0.11 134	0.14 172	0.15 182	0.18 99	0.13 116	0.18 119	0.15 165	0.12 44	0.12 139	0.12 158	0.11 136	0.20 155	0.16 131	0.14 77	0.14 65

AF-Net	0.15 138	0.13 139	0.13 158	0.14 132	0.18 174	0.15 135	0.14 148	0.17 83	0.16 154	0.17 61	0.21 188	0.18 104	0.12 125	0.10 123	0.17 194	0.16 190	0.13 37	0.14 139	0.15 84	0.11 105	0.11 30	0.10 104	0.13 164	0.10 123	0.14 75	0.15 109	0.20 148	0.14 65

Nwc_Net	0.15 138	0.13 139	0.13 158	0.14 132	0.18 174	0.15 135	0.14 148	0.17 83	0.16 154	0.17 61	0.21 188	0.18 104	0.12 125	0.10 123	0.17 194	0.16 190	0.13 37	0.14 139	0.15 84	0.11 105	0.11 30	0.10 104	0.13 164	0.10 123	0.14 75	0.15 109	0.20 148	0.14 65

DeepPrunerF	0.11 62	0.10 101	0.10 121	0.13 125	0.13 140	0.09 69	0.09 102	0.15 66	0.11 111	0.12 32	0.14 125	0.10 30	0.09 94	0.07 76	0.12 139	0.11 93	0.11 26	0.13 116	0.13 61	0.11 105	0.13 56	0.08 42	0.08 109	0.08 87	0.17 112	0.14 93	0.11 46	0.14 65

MyStereo04	0.14 117	0.12 126	0.10 121	0.08 57	0.09 83	0.10 91	0.08 85	0.22 165	0.19 175	0.24 136	0.16 148	0.23 157	0.11 117	0.04 26	0.10 91	0.11 93	0.17 80	0.12 90	0.21 150	0.12 122	0.16 94	0.11 123	0.06 68	0.11 136	0.21 167	0.12 58	0.16 97	0.15 76

AE-Stereo	0.12 84	0.09 89	0.08 93	0.11 104	0.09 83	0.08 57	0.05 30	0.17 83	0.14 142	0.24 136	0.09 63	0.19 115	0.10 107	0.07 76	0.10 91	0.12 129	0.24 174	0.13 116	0.16 98	0.11 105	0.18 127	0.09 73	0.05 52	0.09 108	0.13 58	0.14 93	0.15 88	0.15 76

RAFT_CTSACE	0.07 21	0.04 9	0.06 49	0.03 4	0.04 11	0.05 21	0.05 30	0.06 10	0.06 27	0.09 23	0.04 5	0.10 30	0.09 94	0.03 13	0.07 12	0.08 19	0.11 26	0.07 13	0.07 8	0.05 9	0.12 44	0.08 42	0.03 20	0.06 38	0.12 51	0.13 71	0.12 54	0.15 76

dd	0.14 117	0.12 126	0.07 72	0.25 187	0.10 99	0.19 169	0.09 102	0.17 83	0.08 59	0.17 61	0.08 49	0.33 180	0.08 83	0.06 54	0.10 91	0.11 93	0.24 174	0.11 65	0.25 177	0.09 66	0.15 79	0.09 73	0.06 68	0.09 108	0.17 112	0.13 71	0.18 127	0.15 76

cross-raft	0.14 117	0.08 77	0.07 72	0.08 57	0.10 99	0.12 108	0.08 85	0.17 83	0.13 133	0.27 184	0.11 89	0.21 144	0.05 30	0.11 134	0.13 158	0.14 166	0.22 152	0.11 65	0.23 167	0.13 140	0.23 195	0.09 73	0.06 68	0.08 87	0.22 176	0.17 148	0.14 77	0.15 76

RAFT	0.06 10	0.03 4	0.05 25	0.03 4	0.02 4	0.03 5	0.02 2	0.07 20	0.04 6	0.04 6	0.06 18	0.07 17	0.05 30	0.01 2	0.06 6	0.06 5	0.07 7	0.05 3	0.05 4	0.04 3	0.06 6	0.07 34	0.01 2	0.04 7	0.13 58	0.14 93	0.13 64	0.15 76

CREStereo++_RVC	0.11 62	0.07 50	0.05 25	0.08 57	0.08 64	0.08 57	0.07 76	0.16 75	0.09 78	0.26 171	0.09 63	0.17 90	0.13 138	0.08 94	0.08 28	0.10 52	0.20 127	0.08 18	0.13 61	0.07 30	0.19 137	0.08 42	0.06 68	0.06 38	0.14 75	0.11 48	0.16 97	0.15 76
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
Anonymous	0.14 117	0.10 101	0.10 121	0.10 87	0.10 99	0.10 91	0.08 85	0.19 129	0.09 78	0.20 94	0.13 111	0.19 115	0.18 171	0.07 76	0.14 172	0.14 166	0.21 140	0.17 175	0.18 119	0.15 165	0.22 183	0.16 181	0.06 68	0.10 123	0.23 183	0.17 148	0.19 136	0.15 76

CREStereo	0.11 62	0.08 77	0.06 49	0.08 57	0.08 64	0.07 49	0.05 30	0.18 111	0.05 13	0.26 171	0.08 49	0.18 104	0.06 48	0.08 94	0.08 28	0.10 52	0.22 152	0.09 41	0.13 61	0.08 47	0.20 154	0.09 73	0.06 68	0.05 22	0.11 44	0.13 71	0.17 110	0.15 76
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.11 62	0.10 101	0.06 49	0.12 115	0.09 83	0.07 49	0.06 60	0.18 111	0.06 27	0.28 199	0.06 18	0.18 104	0.04 17	0.07 76	0.09 58	0.11 93	0.19 114	0.09 41	0.14 73	0.08 47	0.17 114	0.09 73	0.07 88	0.05 22	0.13 58	0.12 58	0.17 110	0.15 76

FADNet	0.16 153	0.15 160	0.10 121	0.20 170	0.10 99	0.19 169	0.13 142	0.20 148	0.13 133	0.22 106	0.24 201	0.17 90	0.14 152	0.12 151	0.17 194	0.16 190	0.16 68	0.14 139	0.23 167	0.20 196	0.16 94	0.12 139	0.11 148	0.11 136	0.21 167	0.18 160	0.16 97	0.15 76

R-Stereo Train	0.13 94	0.07 50	0.07 72	0.09 71	0.10 99	0.15 135	0.05 30	0.16 75	0.12 126	0.28 199	0.12 99	0.20 129	0.08 83	0.11 134	0.09 58	0.11 93	0.24 174	0.12 90	0.16 98	0.11 105	0.21 167	0.11 123	0.08 109	0.07 72	0.15 88	0.15 109	0.16 97	0.15 76

RAFT-Stereo	0.13 94	0.07 50	0.07 72	0.09 71	0.10 99	0.15 135	0.05 30	0.16 75	0.12 126	0.28 199	0.12 99	0.20 129	0.08 83	0.11 134	0.09 58	0.11 93	0.24 174	0.12 90	0.16 98	0.11 105	0.21 167	0.11 123	0.08 109	0.07 72	0.15 88	0.15 109	0.16 97	0.15 76
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
NLCA_NET_v2_RVC	0.13 94	0.13 139	0.13 158	0.14 132	0.15 158	0.13 117	0.20 178	0.13 51	0.15 150	0.16 52	0.16 148	0.21 144	0.09 94	0.15 175	0.10 91	0.12 129	0.15 56	0.12 90	0.11 40	0.09 66	0.11 30	0.09 73	0.08 109	0.08 87	0.13 58	0.13 71	0.11 46	0.15 76
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
iResNet_ROB	0.11 62	0.08 77	0.07 72	0.11 104	0.08 64	0.12 108	0.07 76	0.15 66	0.08 59	0.23 120	0.10 79	0.15 73	0.15 160	0.06 54	0.07 12	0.09 32	0.17 80	0.12 90	0.13 61	0.09 66	0.14 70	0.09 73	0.07 88	0.08 87	0.14 75	0.12 58	0.15 88	0.15 76

MyStereo	0.14 117	0.13 139	0.10 121	0.10 87	0.10 99	0.11 100	0.08 85	0.23 173	0.20 185	0.25 157	0.16 148	0.23 157	0.13 138	0.04 26	0.10 91	0.11 93	0.18 99	0.12 90	0.21 150	0.12 122	0.16 94	0.12 139	0.06 68	0.11 136	0.22 176	0.13 71	0.16 97	0.16 91

StereoIM	0.07 21	0.04 9	0.05 25	0.03 4	0.02 4	0.03 5	0.03 10	0.06 10	0.06 27	0.04 6	0.06 18	0.10 30	0.05 30	0.02 7	0.07 12	0.08 19	0.10 21	0.09 41	0.07 8	0.05 9	0.10 26	0.10 104	0.01 2	0.05 22	0.11 44	0.18 160	0.13 64	0.16 91

CES	0.11 62	0.06 29	0.06 49	0.06 31	0.08 64	0.07 49	0.05 30	0.35 210	0.05 13	0.15 46	0.23 198	0.13 58	0.04 17	0.08 94	0.08 28	0.10 52	0.19 114	0.08 18	0.14 73	0.08 47	0.28 219	0.08 42	0.07 88	0.04 7	0.14 75	0.11 48	0.13 64	0.16 91

IPLGR	0.12 84	0.09 89	0.09 103	0.09 71	0.10 99	0.09 69	0.07 76	0.18 111	0.09 78	0.22 106	0.10 79	0.15 73	0.07 67	0.06 54	0.09 58	0.11 93	0.17 80	0.11 65	0.20 139	0.12 122	0.15 79	0.08 42	0.04 36	0.08 87	0.16 100	0.13 71	0.14 77	0.16 91

AACVNet	0.14 117	0.13 139	0.10 121	0.13 125	0.13 140	0.14 124	0.10 117	0.19 129	0.11 111	0.22 106	0.17 158	0.13 58	0.10 107	0.09 109	0.11 127	0.11 93	0.21 140	0.13 116	0.17 106	0.12 122	0.16 94	0.11 123	0.11 148	0.11 136	0.17 112	0.13 71	0.14 77	0.16 91

ICVP	0.15 138	0.13 139	0.14 167	0.12 115	0.12 130	0.13 117	0.10 117	0.17 83	0.12 126	0.17 61	0.13 111	0.18 104	0.12 125	0.09 109	0.12 139	0.13 145	0.18 99	0.15 153	0.15 84	0.14 151	0.17 114	0.13 156	0.20 190	0.11 136	0.19 145	0.19 171	0.17 110	0.16 91
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
sAnonymous2	0.14 117	0.09 89	0.10 121	0.10 87	0.09 83	0.09 69	0.11 127	0.22 165	0.11 111	0.23 120	0.16 148	0.15 73	0.10 107	0.06 54	0.12 139	0.13 145	0.18 99	0.15 153	0.21 150	0.14 151	0.16 94	0.14 162	0.04 36	0.10 123	0.17 112	0.17 148	0.17 110	0.16 91

CroCo_RVC	0.14 117	0.09 89	0.10 121	0.10 87	0.09 83	0.09 69	0.11 127	0.22 165	0.11 111	0.23 120	0.16 148	0.15 73	0.10 107	0.06 54	0.12 139	0.13 145	0.18 99	0.15 153	0.21 150	0.14 151	0.16 94	0.14 162	0.04 36	0.10 123	0.17 112	0.17 148	0.17 110	0.16 91

STTStereo	0.13 94	0.14 153	0.17 188	0.13 125	0.15 158	0.13 117	0.20 178	0.13 51	0.13 133	0.15 46	0.15 138	0.17 90	0.10 107	0.11 134	0.12 139	0.12 129	0.15 56	0.14 139	0.13 61	0.11 105	0.12 44	0.10 104	0.07 88	0.09 108	0.15 88	0.13 71	0.12 54	0.16 91

ADCL	0.14 117	0.12 126	0.11 136	0.13 125	0.11 116	0.14 124	0.10 117	0.17 83	0.15 150	0.22 106	0.16 148	0.21 144	0.12 125	0.09 109	0.10 91	0.11 93	0.16 68	0.13 116	0.17 106	0.12 122	0.18 127	0.13 156	0.11 148	0.11 136	0.16 100	0.15 109	0.16 97	0.16 91

Any-RAFT	0.13 94	0.07 50	0.05 25	0.10 87	0.09 83	0.12 108	0.08 85	0.17 83	0.10 99	0.26 171	0.09 63	0.20 129	0.08 83	0.10 123	0.09 58	0.10 52	0.22 152	0.11 65	0.20 139	0.10 86	0.21 167	0.09 73	0.08 109	0.06 38	0.16 100	0.15 109	0.17 110	0.17 101

RAFT-Test	0.13 94	0.07 50	0.06 49	0.09 71	0.11 116	0.13 117	0.09 102	0.17 83	0.11 111	0.27 184	0.10 79	0.20 129	0.05 30	0.12 151	0.10 91	0.11 93	0.23 160	0.12 90	0.21 150	0.14 151	0.21 167	0.11 123	0.06 68	0.08 87	0.17 112	0.15 109	0.17 110	0.17 101

RAFT+CT+SA	0.09 33	0.05 19	0.07 72	0.05 20	0.05 22	0.04 10	0.05 30	0.13 51	0.08 59	0.08 22	0.07 30	0.15 73	0.13 138	0.04 26	0.10 91	0.10 52	0.09 17	0.08 18	0.08 16	0.06 18	0.12 44	0.11 123	0.02 7	0.06 38	0.13 58	0.12 58	0.11 46	0.17 101

GMOStereo	0.11 62	0.07 50	0.09 103	0.06 31	0.05 22	0.06 35	0.05 30	0.17 83	0.09 78	0.24 136	0.07 30	0.17 90	0.09 94	0.05 42	0.10 91	0.11 93	0.17 80	0.08 18	0.12 50	0.08 47	0.19 137	0.08 42	0.03 20	0.06 38	0.18 132	0.16 131	0.14 77	0.17 101

error version	0.11 62	0.07 50	0.09 103	0.06 31	0.05 22	0.06 35	0.05 30	0.17 83	0.09 78	0.24 136	0.07 30	0.17 90	0.09 94	0.05 42	0.10 91	0.11 93	0.17 80	0.08 18	0.12 50	0.08 47	0.19 137	0.08 42	0.03 20	0.06 38	0.18 132	0.16 131	0.14 77	0.17 101

test-v	0.11 62	0.07 50	0.09 103	0.06 31	0.05 22	0.06 35	0.05 30	0.17 83	0.09 78	0.24 136	0.07 30	0.17 90	0.09 94	0.05 42	0.10 91	0.11 93	0.17 80	0.08 18	0.12 50	0.08 47	0.19 137	0.08 42	0.03 20	0.06 38	0.18 132	0.16 131	0.14 77	0.17 101

SACVNet	0.15 138	0.14 153	0.13 158	0.16 147	0.13 140	0.14 124	0.12 137	0.19 129	0.17 162	0.19 86	0.17 158	0.14 68	0.07 67	0.14 167	0.13 158	0.13 145	0.19 114	0.16 163	0.20 139	0.13 140	0.16 94	0.14 162	0.12 158	0.13 161	0.20 155	0.18 160	0.19 136	0.17 101

GANet-ADL	0.15 138	0.12 126	0.09 103	0.14 132	0.12 130	0.16 142	0.12 137	0.20 148	0.10 99	0.25 157	0.15 138	0.22 156	0.12 125	0.21 194	0.09 58	0.11 93	0.25 189	0.14 139	0.20 139	0.14 151	0.19 137	0.09 73	0.08 109	0.10 123	0.17 112	0.15 109	0.20 148	0.17 101

test-2	0.11 62	0.07 50	0.09 103	0.06 31	0.05 22	0.06 35	0.05 30	0.17 83	0.09 78	0.24 136	0.07 30	0.17 90	0.09 94	0.05 42	0.10 91	0.11 93	0.17 80	0.08 18	0.12 50	0.08 47	0.19 137	0.08 42	0.03 20	0.06 38	0.18 132	0.16 131	0.14 77	0.17 101

test-1	0.14 117	0.06 29	0.07 72	0.11 104	0.10 99	0.18 159	0.14 148	0.19 129	0.13 133	0.28 199	0.10 79	0.19 115	0.11 117	0.12 151	0.12 139	0.13 145	0.22 152	0.12 90	0.22 158	0.10 86	0.24 202	0.08 42	0.09 126	0.08 87	0.21 167	0.18 160	0.15 88	0.17 101

LMCR-Stereo	0.13 94	0.09 89	0.07 72	0.11 104	0.08 64	0.11 100	0.09 102	0.18 111	0.09 78	0.19 86	0.14 125	0.19 115	0.14 152	0.10 123	0.09 58	0.11 93	0.20 127	0.13 116	0.19 133	0.10 86	0.18 127	0.10 104	0.08 109	0.08 87	0.15 88	0.13 71	0.18 127	0.17 101

sCroCo_RVC	0.14 117	0.09 89	0.09 103	0.08 57	0.07 54	0.10 91	0.07 76	0.19 129	0.14 142	0.18 73	0.12 99	0.13 58	0.14 152	0.06 54	0.13 158	0.15 182	0.22 152	0.15 153	0.22 158	0.13 140	0.21 167	0.16 181	0.06 68	0.12 151	0.17 112	0.16 131	0.17 110	0.17 101

APVNet	0.15 138	0.13 139	0.11 136	0.14 132	0.16 161	0.14 124	0.13 142	0.19 129	0.11 111	0.14 39	0.13 111	0.17 90	0.09 94	0.16 178	0.15 183	0.15 182	0.21 140	0.14 139	0.22 158	0.15 165	0.15 79	0.12 139	0.07 88	0.12 151	0.16 100	0.15 109	0.19 136	0.17 101

RASNet	0.11 62	0.10 101	0.09 103	0.10 87	0.07 54	0.08 57	0.08 85	0.19 129	0.09 78	0.17 61	0.10 79	0.13 58	0.08 83	0.06 54	0.08 28	0.10 52	0.15 56	0.09 41	0.12 50	0.06 18	0.15 79	0.09 73	0.05 52	0.10 123	0.13 58	0.11 48	0.17 110	0.17 101

CFNet_RVC	0.13 94	0.12 126	0.10 121	0.14 132	0.11 116	0.14 124	0.09 102	0.17 83	0.09 78	0.19 86	0.13 111	0.21 144	0.09 94	0.09 109	0.10 91	0.13 145	0.18 99	0.13 116	0.15 84	0.11 105	0.16 94	0.08 42	0.06 68	0.09 108	0.15 88	0.12 58	0.16 97	0.17 101

MSKI-zero shot	0.13 94	0.08 77	0.05 25	0.09 71	0.11 116	0.09 69	0.07 76	0.19 129	0.09 78	0.28 199	0.10 79	0.19 115	0.06 48	0.11 134	0.10 91	0.11 93	0.24 174	0.11 65	0.17 106	0.11 105	0.21 167	0.10 104	0.07 88	0.08 87	0.14 75	0.17 148	0.18 127	0.18 116

EKT-Stereo	0.15 138	0.10 101	0.07 72	0.13 125	0.12 130	0.16 142	0.17 166	0.18 111	0.11 111	0.26 171	0.17 158	0.17 90	0.07 67	0.11 134	0.09 58	0.11 93	0.24 174	0.15 153	0.23 167	0.12 122	0.24 202	0.10 104	0.07 88	0.08 87	0.20 155	0.15 109	0.17 110	0.18 116

EGLCR-Stereo	0.11 62	0.06 29	0.04 10	0.08 57	0.08 64	0.07 49	0.05 30	0.17 83	0.09 78	0.27 184	0.06 18	0.19 115	0.06 48	0.08 94	0.08 28	0.10 52	0.20 127	0.10 57	0.16 98	0.07 30	0.17 114	0.07 34	0.04 36	0.06 38	0.10 30	0.12 58	0.18 127	0.18 116

test_5	0.08 28	0.05 19	0.07 72	0.04 10	0.04 11	0.04 10	0.04 21	0.09 28	0.05 13	0.05 9	0.07 30	0.12 42	0.12 125	0.02 7	0.07 12	0.09 32	0.07 7	0.07 13	0.08 16	0.06 18	0.10 26	0.09 73	0.02 7	0.07 72	0.10 30	0.13 71	0.13 64	0.18 116

test_4	0.09 33	0.05 19	0.07 72	0.05 20	0.06 39	0.03 5	0.02 2	0.11 37	0.09 78	0.17 61	0.06 18	0.09 24	0.06 48	0.03 13	0.09 58	0.09 32	0.15 56	0.08 18	0.10 34	0.07 30	0.16 94	0.08 42	0.02 7	0.07 72	0.09 22	0.15 109	0.12 54	0.18 116

BEATNet_4x	0.11 62	0.10 101	0.08 93	0.09 71	0.09 83	0.09 69	0.08 85	0.12 40	0.08 59	0.21 102	0.09 63	0.15 73	0.09 94	0.07 76	0.10 91	0.09 32	0.13 37	0.13 116	0.11 40	0.08 47	0.13 56	0.11 123	0.08 109	0.07 72	0.13 58	0.13 71	0.18 127	0.18 116

RP	0.15 138	0.14 153	0.15 174	0.17 155	0.14 150	0.17 151	0.16 158	0.19 129	0.17 162	0.14 39	0.16 148	0.16 86	0.15 160	0.11 134	0.13 158	0.12 129	0.15 56	0.12 90	0.15 84	0.12 122	0.12 44	0.12 139	0.10 139	0.12 151	0.17 112	0.15 109	0.20 148	0.18 116

stereogan	0.16 153	0.15 160	0.15 174	0.16 147	0.18 174	0.18 159	0.16 158	0.20 148	0.19 175	0.14 39	0.16 148	0.20 129	0.18 171	0.13 163	0.14 172	0.13 145	0.16 68	0.14 139	0.17 106	0.14 151	0.14 70	0.12 139	0.13 164	0.13 161	0.16 100	0.16 131	0.23 165	0.18 116

ADCRef	0.13 94	0.10 101	0.09 103	0.10 87	0.08 64	0.09 69	0.08 85	0.17 83	0.14 142	0.21 102	0.15 138	0.15 73	0.13 138	0.05 42	0.10 91	0.11 93	0.16 68	0.14 139	0.19 133	0.12 122	0.15 79	0.12 139	0.09 126	0.11 136	0.13 58	0.18 160	0.13 64	0.18 116

MSMDNet	0.13 94	0.08 77	0.06 49	0.09 71	0.12 130	0.10 91	0.08 85	0.17 83	0.11 111	0.27 184	0.09 63	0.20 129	0.06 48	0.12 151	0.10 91	0.11 93	0.24 174	0.12 90	0.19 133	0.16 176	0.21 167	0.11 123	0.07 88	0.08 87	0.17 112	0.14 93	0.17 110	0.18 116

HSM	0.14 117	0.12 126	0.09 103	0.14 132	0.13 140	0.12 108	0.10 117	0.18 111	0.10 99	0.23 120	0.15 138	0.18 104	0.14 152	0.08 94	0.10 91	0.10 52	0.21 140	0.12 90	0.17 106	0.12 122	0.18 127	0.10 104	0.07 88	0.08 87	0.17 112	0.15 109	0.17 110	0.18 116

iResNet	0.16 153	0.11 113	0.09 103	0.15 143	0.13 140	0.17 151	0.12 137	0.21 157	0.14 142	0.25 157	0.13 111	0.35 183	0.32 207	0.08 94	0.10 91	0.11 93	0.20 127	0.12 90	0.25 177	0.14 151	0.18 127	0.11 123	0.12 158	0.13 161	0.18 132	0.14 93	0.20 148	0.18 116

PWCDC_ROB	0.13 94	0.06 29	0.09 103	0.07 51	0.13 140	0.08 57	0.13 142	0.06 10	0.24 195	0.09 23	0.15 138	0.09 24	0.43 221	0.26 202	0.10 91	0.10 52	0.09 17	0.12 90	0.08 16	0.11 105	0.08 15	0.11 123	0.19 187	0.13 161	0.07 10	0.13 71	0.08 22	0.18 116

anonymity	0.13 94	0.06 29	0.05 25	0.09 71	0.10 99	0.09 69	0.07 76	0.18 111	0.08 59	0.28 199	0.12 99	0.19 115	0.06 48	0.09 109	0.09 58	0.13 145	0.23 160	0.12 90	0.17 106	0.15 165	0.19 137	0.10 104	0.09 126	0.07 72	0.19 145	0.18 160	0.19 136	0.19 129

UDG	0.26 193	0.20 185	0.13 158	0.38 206	0.31 212	0.38 213	0.51 224	0.19 129	0.16 154	0.19 86	0.23 198	0.17 90	0.09 94	1.45 235	0.14 172	0.13 145	0.27 204	0.16 163	0.26 182	0.13 140	0.21 167	0.13 156	0.25 204	0.12 151	0.20 155	0.20 175	0.20 148	0.19 129

PSMNet-ADL	0.18 161	0.13 139	0.13 158	0.16 147	0.14 150	0.17 151	0.16 158	0.20 148	0.21 191	0.27 184	0.19 179	0.29 176	0.25 189	0.18 183	0.14 172	0.14 166	0.23 160	0.14 139	0.22 158	0.14 151	0.19 137	0.11 123	0.10 139	0.11 136	0.20 155	0.15 109	0.23 165	0.19 129

GEStereo_RVC	0.14 117	0.13 139	0.10 121	0.11 104	0.12 130	0.12 108	0.11 127	0.18 111	0.13 133	0.24 136	0.16 148	0.18 104	0.10 107	0.06 54	0.12 139	0.11 93	0.20 127	0.17 175	0.23 167	0.13 140	0.15 79	0.13 156	0.07 88	0.11 136	0.20 155	0.14 93	0.13 64	0.19 129

UCFNet_RVC	0.15 138	0.17 173	0.12 149	0.16 147	0.14 150	0.17 151	0.11 127	0.17 83	0.12 126	0.20 94	0.13 111	0.28 171	0.12 125	0.10 123	0.11 127	0.13 145	0.18 99	0.13 116	0.17 106	0.12 122	0.16 94	0.09 73	0.10 139	0.11 136	0.18 132	0.15 109	0.17 110	0.19 129

DeepPruner_ROB	0.14 117	0.13 139	0.11 136	0.12 115	0.11 116	0.10 91	0.09 102	0.17 83	0.12 126	0.21 102	0.18 171	0.15 73	0.13 138	0.08 94	0.12 139	0.11 93	0.19 114	0.15 153	0.19 133	0.11 105	0.17 114	0.14 162	0.10 139	0.11 136	0.17 112	0.16 131	0.17 110	0.19 129

MLCV	0.14 117	0.11 113	0.09 103	0.16 147	0.12 130	0.14 124	0.11 127	0.21 157	0.10 99	0.24 136	0.13 111	0.21 144	0.14 152	0.08 94	0.09 58	0.10 52	0.19 114	0.11 65	0.19 133	0.09 66	0.17 114	0.08 42	0.10 139	0.09 108	0.16 100	0.13 71	0.16 97	0.19 129

PDISCO_ROB	0.12 84	0.13 139	0.13 158	0.10 87	0.08 64	0.09 69	0.09 102	0.09 28	0.08 59	0.11 30	0.10 79	0.06 15	0.05 30	0.05 42	0.09 58	0.11 93	0.14 50	0.16 163	0.09 28	0.10 86	0.14 70	0.12 139	0.04 36	0.08 87	0.16 100	0.21 180	0.32 195	0.19 129

TestStereo1	0.09 33	0.07 50	0.06 49	0.04 10	0.05 22	0.06 35	0.06 60	0.07 20	0.07 42	0.09 23	0.07 30	0.11 38	0.14 152	0.04 26	0.09 58	0.10 52	0.11 26	0.09 41	0.09 28	0.08 47	0.13 56	0.12 139	0.02 7	0.04 7	0.15 88	0.13 71	0.16 97	0.20 137

TESTraft	0.09 33	0.06 29	0.06 49	0.04 10	0.04 11	0.05 21	0.06 60	0.09 28	0.08 59	0.09 23	0.08 49	0.12 42	0.13 138	0.03 13	0.09 58	0.10 52	0.11 26	0.09 41	0.08 16	0.07 30	0.13 56	0.12 139	0.02 7	0.05 22	0.14 75	0.12 58	0.14 77	0.20 137

SA-5K	0.09 33	0.07 50	0.06 49	0.04 10	0.05 22	0.06 35	0.06 60	0.07 20	0.07 42	0.09 23	0.07 30	0.11 38	0.14 152	0.04 26	0.09 58	0.10 52	0.11 26	0.09 41	0.09 28	0.08 47	0.13 56	0.12 139	0.02 7	0.04 7	0.15 88	0.13 71	0.16 97	0.20 137

Sa-1000	0.10 52	0.07 50	0.07 72	0.07 51	0.05 22	0.09 69	0.03 10	0.12 40	0.06 27	0.18 73	0.08 49	0.19 115	0.05 30	0.05 42	0.10 91	0.10 52	0.16 68	0.12 90	0.14 73	0.09 66	0.16 94	0.10 104	0.04 36	0.05 22	0.19 145	0.15 109	0.13 64	0.20 137

SA	0.10 52	0.07 50	0.06 49	0.06 31	0.05 22	0.08 57	0.04 21	0.12 40	0.05 13	0.16 52	0.07 30	0.16 86	0.03 8	0.04 26	0.09 58	0.09 32	0.13 37	0.11 65	0.12 50	0.09 66	0.14 70	0.10 104	0.03 20	0.06 38	0.16 100	0.14 93	0.13 64	0.20 137

TRStereo	0.13 94	0.07 50	0.05 25	0.09 71	0.08 64	0.17 151	0.13 142	0.18 111	0.07 42	0.25 157	0.09 63	0.20 129	0.04 17	0.10 123	0.09 58	0.10 52	0.22 152	0.11 65	0.22 158	0.13 140	0.19 137	0.09 73	0.09 126	0.07 72	0.16 100	0.15 109	0.24 173	0.20 137

Anonymous3	0.18 161	0.15 160	0.11 136	0.15 143	0.10 99	0.14 124	0.11 127	0.22 165	0.19 175	0.27 184	0.15 138	0.27 169	0.12 125	0.13 163	0.25 213	0.17 197	0.23 160	0.18 187	0.26 182	0.17 181	0.24 202	0.20 205	0.09 126	0.10 123	0.21 167	0.20 175	0.22 164	0.20 137

CFNet_pseudo	0.13 94	0.11 113	0.11 136	0.14 132	0.11 116	0.12 108	0.11 127	0.19 129	0.12 126	0.24 136	0.14 125	0.16 86	0.15 160	0.08 94	0.09 58	0.10 52	0.16 68	0.13 116	0.13 61	0.08 47	0.15 79	0.08 42	0.08 109	0.09 108	0.15 88	0.14 93	0.19 136	0.20 137

GES	0.14 117	0.11 113	0.07 72	0.09 71	0.11 116	0.15 135	0.09 102	0.20 148	0.09 78	0.23 120	0.12 99	0.17 90	0.11 117	0.14 167	0.10 91	0.10 52	0.23 160	0.14 139	0.24 173	0.14 151	0.17 114	0.17 185	0.11 148	0.09 108	0.15 88	0.14 93	0.21 160	0.20 137

EAI-Stereo	0.13 94	0.07 50	0.04 10	0.10 87	0.10 99	0.10 91	0.09 102	0.17 83	0.10 99	0.26 171	0.11 89	0.20 129	0.05 30	0.10 123	0.10 91	0.11 93	0.23 160	0.12 90	0.18 119	0.12 122	0.19 137	0.08 42	0.08 109	0.08 87	0.16 100	0.14 93	0.15 88	0.20 137

psm_up	0.14 117	0.11 113	0.13 158	0.15 143	0.12 130	0.14 124	0.11 127	0.20 148	0.16 154	0.19 86	0.12 99	0.15 73	0.17 169	0.10 123	0.12 139	0.12 129	0.19 114	0.13 116	0.17 106	0.11 105	0.15 79	0.09 73	0.10 139	0.16 181	0.18 132	0.16 131	0.17 110	0.20 137

NCC-stereo	0.17 156	0.16 165	0.16 180	0.16 147	0.17 168	0.18 159	0.18 169	0.19 129	0.20 185	0.16 52	0.19 179	0.21 144	0.21 179	0.12 151	0.20 206	0.18 204	0.18 99	0.19 192	0.18 119	0.15 165	0.15 79	0.15 173	0.15 171	0.12 151	0.18 132	0.17 148	0.24 173	0.20 137

Abc-Net	0.17 156	0.16 165	0.16 180	0.16 147	0.17 168	0.18 159	0.18 169	0.19 129	0.20 185	0.16 52	0.19 179	0.21 144	0.21 179	0.12 151	0.20 206	0.18 204	0.18 99	0.19 192	0.18 119	0.15 165	0.15 79	0.15 173	0.15 171	0.12 151	0.18 132	0.17 148	0.24 173	0.20 137
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
PS-NSSS	0.17 156	0.19 182	0.17 188	0.23 179	0.18 174	0.18 159	0.16 158	0.22 165	0.13 133	0.23 120	0.20 183	0.44 193	0.08 83	0.11 134	0.12 139	0.10 52	0.13 37	0.13 116	0.26 182	0.11 105	0.11 30	0.07 34	0.18 182	0.15 173	0.17 112	0.21 180	0.13 64	0.20 137

LoS	0.15 138	0.10 101	0.08 93	0.10 87	0.11 116	0.09 69	0.07 76	0.50 231	0.05 13	0.32 214	0.36 226	0.36 185	0.06 48	0.09 109	0.09 58	0.10 52	0.20 127	0.09 41	0.14 73	0.11 105	0.21 167	0.09 73	0.07 88	0.07 72	0.17 112	0.11 48	0.20 148	0.21 151

GwcNet-ADL	0.17 156	0.12 126	0.11 136	0.19 166	0.14 150	0.17 151	0.14 148	0.21 157	0.14 142	0.24 136	0.17 158	0.32 179	0.16 165	0.19 187	0.11 127	0.14 166	0.22 152	0.15 153	0.23 167	0.13 140	0.18 127	0.11 123	0.05 52	0.10 123	0.18 132	0.15 109	0.19 136	0.21 151

s12784h	0.12 84	0.09 89	0.06 49	0.11 104	0.09 83	0.08 57	0.06 60	0.18 111	0.07 42	0.27 184	0.11 89	0.19 115	0.08 83	0.07 76	0.08 28	0.09 32	0.21 140	0.08 18	0.15 84	0.07 30	0.20 154	0.08 42	0.05 52	0.07 72	0.16 100	0.14 93	0.18 127	0.21 151

CASS	0.15 138	0.12 126	0.10 121	0.14 132	0.12 130	0.16 142	0.10 117	0.19 129	0.15 150	0.26 171	0.12 99	0.20 129	0.12 125	0.09 109	0.11 127	0.12 129	0.23 160	0.12 90	0.23 167	0.09 66	0.19 137	0.10 104	0.07 88	0.09 108	0.23 183	0.14 93	0.19 136	0.22 154
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
dad	0.18 161	0.16 165	0.11 136	0.36 200	0.16 161	0.24 192	0.21 188	0.24 179	0.09 78	0.22 106	0.11 89	0.38 188	0.11 117	0.08 94	0.12 139	0.10 52	0.27 204	0.12 90	0.29 189	0.10 86	0.19 137	0.12 139	0.08 109	0.13 161	0.18 132	0.14 93	0.31 193	0.22 154

DDUNet	0.26 193	0.20 185	0.12 149	0.37 202	0.30 211	0.40 215	0.47 221	0.20 148	0.16 154	0.16 52	0.25 207	0.16 86	0.08 83	1.63 239	0.13 158	0.14 166	0.21 140	0.14 139	0.25 177	0.13 140	0.18 127	0.12 139	0.25 204	0.15 173	0.17 112	0.18 160	0.18 127	0.22 154

FADNet_RVC	0.18 161	0.14 153	0.13 158	0.20 170	0.15 158	0.14 124	0.13 142	0.24 179	0.14 142	0.24 136	0.17 158	0.27 169	0.21 179	0.14 167	0.14 172	0.12 129	0.19 114	0.17 175	0.31 193	0.15 165	0.19 137	0.14 162	0.11 148	0.14 170	0.20 155	0.21 180	0.18 127	0.22 154

HH	0.13 94	0.06 29	0.05 25	0.11 104	0.11 116	0.16 142	0.08 85	0.19 129	0.07 42	0.28 199	0.08 49	0.18 104	0.05 30	0.12 151	0.10 91	0.10 52	0.23 160	0.12 90	0.15 84	0.10 86	0.20 154	0.08 42	0.07 88	0.08 87	0.13 58	0.14 93	0.19 136	0.23 158

HanStereo	0.13 94	0.06 29	0.05 25	0.11 104	0.11 116	0.16 142	0.08 85	0.19 129	0.07 42	0.28 199	0.08 49	0.18 104	0.05 30	0.12 151	0.10 91	0.10 52	0.23 160	0.12 90	0.15 84	0.10 86	0.20 154	0.08 42	0.07 88	0.08 87	0.13 58	0.14 93	0.19 136	0.23 158

AnyNet_C32	0.20 173	0.16 165	0.15 174	0.17 155	0.17 168	0.19 169	0.16 158	0.25 183	0.22 192	0.25 157	0.23 198	0.23 157	0.18 171	0.14 167	0.19 203	0.18 204	0.28 211	0.22 206	0.29 189	0.18 188	0.27 214	0.21 210	0.16 174	0.17 186	0.22 176	0.20 175	0.21 160	0.23 158

MaskLacGwcNet_RVC	0.36 212	0.16 165	0.12 149	0.26 189	0.22 190	0.22 186	0.27 203	0.24 179	0.15 150	0.24 136	0.16 148	4.24 262	0.22 186	0.19 187	0.13 158	0.13 145	0.34 221	0.22 206	0.31 193	0.20 196	0.23 195	0.18 193	0.22 194	0.14 170	0.20 155	0.19 171	0.21 160	0.24 161

RGC	0.19 166	0.17 173	0.17 188	0.19 166	0.20 184	0.20 174	0.15 153	0.22 165	0.26 205	0.17 61	0.20 183	0.21 144	0.24 187	0.15 175	0.23 210	0.18 204	0.18 99	0.16 163	0.18 119	0.16 176	0.17 114	0.13 156	0.12 158	0.15 173	0.20 155	0.21 180	0.23 165	0.24 161

HSM-Net_RVC	0.15 138	0.12 126	0.10 121	0.17 155	0.13 140	0.14 124	0.10 117	0.18 111	0.14 142	0.25 157	0.18 171	0.28 171	0.16 165	0.11 134	0.11 127	0.11 93	0.19 114	0.13 116	0.16 98	0.11 105	0.17 114	0.11 123	0.08 109	0.11 136	0.19 145	0.16 131	0.23 165	0.24 161
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ccs_rob	0.20 173	0.15 160	0.11 136	0.26 189	0.16 161	0.26 195	0.20 178	0.22 165	0.16 154	0.25 157	0.24 201	0.57 208	0.24 187	0.17 179	0.12 139	0.13 145	0.23 160	0.15 153	0.21 150	0.15 165	0.21 167	0.11 123	0.12 158	0.11 136	0.20 155	0.16 131	0.18 127	0.24 161

NCCL2	0.17 156	0.17 173	0.16 180	0.13 125	0.13 140	0.13 117	0.12 137	0.21 157	0.17 162	0.22 106	0.15 138	0.23 157	0.13 138	0.09 109	0.15 183	0.16 190	0.18 99	0.17 175	0.19 133	0.17 181	0.21 167	0.17 185	0.11 148	0.16 181	0.25 190	0.26 213	0.20 148	0.24 161

SGM-Forest	0.19 166	0.18 179	0.16 180	0.23 179	0.18 174	0.20 174	0.18 169	0.23 173	0.17 162	0.20 94	0.15 138	0.23 157	0.18 171	0.22 195	0.17 194	0.18 204	0.19 114	0.17 175	0.18 119	0.15 165	0.17 114	0.18 193	0.25 204	0.18 189	0.22 176	0.18 160	0.25 178	0.24 161
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
iRaft-Stereo_20w	0.13 94	0.07 50	0.05 25	0.12 115	0.12 130	0.12 108	0.09 102	0.16 75	0.10 99	0.28 199	0.09 63	0.19 115	0.04 17	0.10 123	0.09 58	0.11 93	0.24 174	0.11 65	0.15 84	0.13 140	0.20 154	0.08 42	0.09 126	0.06 38	0.17 112	0.13 71	0.20 148	0.25 167

SFCPSM	0.20 173	0.15 160	0.12 149	0.22 176	0.16 161	0.20 174	0.18 169	0.22 165	0.20 185	0.26 171	0.24 201	0.34 182	0.33 210	0.14 167	0.12 139	0.12 129	0.24 174	0.16 163	0.32 195	0.19 192	0.19 137	0.13 156	0.14 169	0.12 151	0.21 167	0.17 148	0.20 148	0.25 167

LALA_ROB	0.22 183	0.25 202	0.16 180	0.19 166	0.17 168	0.22 186	0.16 158	0.17 83	0.19 175	0.24 136	0.21 188	0.64 210	0.15 160	0.13 163	0.23 210	0.17 197	0.27 204	0.22 206	0.22 158	0.18 188	0.20 154	0.20 205	0.14 169	0.15 173	0.20 155	0.22 188	0.35 202	0.25 167

DLNR_Zeroshot_test	10.12 264	32.06 273	0.05 25	54.44 273	0.09 83	0.18 159	50.47 273	0.19 129	0.08 59	0.27 184	0.07 30	0.20 129	0.04 17	0.14 167	62.26 273	70.60 273	0.33 219	0.18 187	0.25 177	0.11 105	0.20 154	0.08 42	0.07 88	0.09 108	0.18 132	0.15 109	0.20 148	0.26 170

HBP-ISP	0.21 178	0.16 165	0.12 149	0.26 189	0.22 190	0.22 186	0.17 166	0.29 197	0.18 167	0.27 184	0.18 171	0.21 144	0.12 125	0.28 208	0.10 91	0.14 166	0.26 197	0.19 192	0.20 139	0.12 122	0.22 183	0.23 216	0.26 209	0.23 198	0.24 186	0.24 200	0.23 165	0.26 170

NOSS_ROB	0.21 178	0.14 153	0.15 174	0.20 170	0.19 179	0.20 174	0.22 189	0.29 197	0.18 167	0.25 157	0.15 138	0.21 144	0.13 138	0.27 207	0.13 158	0.14 166	0.26 197	0.21 200	0.22 158	0.17 181	0.23 195	0.22 213	0.26 209	0.24 206	0.26 193	0.22 188	0.24 173	0.26 170

ETE_ROB	0.22 183	0.23 197	0.15 174	0.20 170	0.16 161	0.19 169	0.17 166	0.18 111	0.19 175	0.22 106	0.22 193	0.65 212	0.16 165	0.14 167	0.14 172	0.14 166	0.30 214	0.19 192	0.24 173	0.19 192	0.21 167	0.18 193	0.16 174	0.15 173	0.22 176	0.28 218	0.41 216	0.26 170

IGEV_Zeroshot_test	0.14 117	0.07 50	0.05 25	0.13 125	0.13 140	0.10 91	0.11 127	0.17 83	0.09 78	0.28 199	0.09 63	0.23 157	0.05 30	0.12 151	0.09 58	0.11 93	0.23 160	0.11 65	0.16 98	0.12 122	0.20 154	0.09 73	0.09 126	0.06 38	0.19 145	0.14 93	0.23 165	0.27 174

pcwnet_v2	0.15 138	0.12 126	0.12 149	0.16 147	0.14 150	0.17 151	0.14 148	0.20 148	0.13 133	0.22 106	0.14 125	0.19 115	0.18 171	0.12 151	0.10 91	0.12 129	0.18 99	0.13 116	0.17 106	0.12 122	0.16 94	0.11 123	0.09 126	0.10 123	0.19 145	0.20 175	0.19 136	0.27 174

FCDSN-DC	0.25 190	0.25 202	0.25 212	0.28 196	0.26 202	0.26 195	0.34 207	0.28 191	0.18 167	0.20 94	0.17 158	0.20 129	0.12 125	0.29 210	0.26 214	0.26 219	0.29 212	0.28 221	0.27 186	0.21 198	0.25 210	0.25 219	0.26 209	0.32 222	0.26 193	0.24 200	0.26 182	0.27 174
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
NaN_ROB	0.19 166	0.20 185	0.19 198	0.20 170	0.20 184	0.16 142	0.15 153	0.27 188	0.19 175	0.23 120	0.18 171	0.47 199	0.16 165	0.11 134	0.13 158	0.12 129	0.15 56	0.14 139	0.21 150	0.19 192	0.13 56	0.10 104	0.09 126	0.20 191	0.24 186	0.21 180	0.26 182	0.28 177

DAS	0.19 166	0.11 113	0.09 103	0.24 185	0.19 179	0.18 159	0.20 178	0.23 173	0.18 167	0.24 136	0.14 125	0.38 188	0.21 179	0.09 109	0.12 139	0.11 93	0.25 189	0.16 163	0.22 158	0.15 165	0.20 154	0.14 162	0.18 182	0.13 161	0.19 145	0.17 148	0.23 165	0.29 178

SepStereo	0.19 166	0.11 113	0.09 103	0.24 185	0.19 179	0.18 159	0.20 178	0.23 173	0.18 167	0.24 136	0.14 125	0.38 188	0.21 179	0.09 109	0.12 139	0.11 93	0.25 189	0.16 163	0.22 158	0.15 165	0.20 154	0.14 162	0.18 182	0.13 161	0.19 145	0.17 148	0.23 165	0.29 178

ADCMid	0.21 178	0.18 179	0.17 188	0.18 160	0.19 179	0.20 174	0.16 158	0.29 197	0.25 200	0.24 136	0.19 179	0.36 185	0.21 179	0.12 151	0.16 188	0.16 190	0.25 189	0.18 187	0.37 205	0.19 192	0.24 202	0.18 193	0.17 180	0.15 173	0.24 186	0.20 175	0.25 178	0.29 178

CC-Net-ROB	0.28 200	0.40 220	0.28 217	0.56 220	0.44 222	0.41 216	0.38 213	0.32 204	0.20 185	0.33 218	0.28 215	0.68 215	0.10 107	0.32 218	0.19 203	0.13 145	0.14 50	0.16 163	0.39 207	0.18 188	0.15 79	0.09 73	0.23 198	0.24 206	0.21 167	0.21 180	0.19 136	0.29 178

XPNet_ROB	0.18 161	0.21 190	0.14 167	0.15 143	0.16 161	0.15 135	0.15 153	0.15 66	0.14 142	0.19 86	0.18 171	0.49 200	0.13 138	0.11 134	0.13 158	0.14 166	0.25 189	0.16 163	0.18 119	0.14 151	0.17 114	0.18 193	0.13 164	0.13 161	0.17 112	0.17 148	0.31 193	0.29 178

FC-DCNN	0.27 199	0.28 211	0.26 215	0.36 200	0.28 205	0.32 202	0.37 209	0.32 204	0.19 175	0.22 106	0.18 171	0.23 157	0.13 138	0.29 210	0.26 214	0.26 219	0.29 212	0.27 218	0.28 188	0.21 198	0.25 210	0.25 219	0.26 209	0.31 220	0.30 207	0.25 206	0.29 189	0.30 183

MFN_U_SF_DS_RVC	0.25 190	0.25 202	0.20 201	0.29 197	0.22 190	0.22 186	0.23 193	0.36 213	0.27 210	0.36 226	0.22 193	0.45 194	0.32 207	0.19 187	0.17 194	0.17 197	0.17 80	0.16 163	0.29 189	0.14 151	0.20 154	0.18 193	0.27 221	0.23 198	0.29 204	0.25 206	0.33 198	0.31 184

GANetREF_RVC	0.26 193	0.26 205	0.30 220	0.23 179	0.23 194	0.23 191	0.24 196	0.35 210	0.33 223	0.32 214	0.17 158	0.50 202	0.38 217	0.12 151	0.20 206	0.17 197	0.19 114	0.21 200	0.35 203	0.21 198	0.23 195	0.15 173	0.22 194	0.29 218	0.27 196	0.21 180	0.36 206	0.31 184
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
MDST_ROB	0.22 183	0.27 209	0.14 167	0.47 215	0.24 197	0.36 209	0.20 178	0.24 179	0.16 154	0.26 171	0.14 125	0.28 171	0.25 189	0.11 134	0.11 127	0.12 129	0.21 140	0.12 90	0.17 106	0.12 122	0.19 137	0.10 104	0.11 148	0.12 151	0.34 217	0.23 195	0.56 226	0.31 184

XQC	0.28 200	0.30 214	0.26 215	0.37 202	0.28 205	0.37 211	0.37 209	0.40 222	0.30 217	0.32 214	0.20 183	0.45 194	0.28 197	0.31 214	0.14 172	0.14 166	0.20 127	0.21 200	0.33 198	0.23 205	0.22 183	0.20 205	0.23 198	0.24 206	0.32 212	0.25 206	0.44 218	0.32 187

RTSC	0.14 117	0.11 113	0.10 121	0.12 115	0.11 116	0.12 108	0.10 117	0.16 75	0.13 133	0.18 73	0.13 111	0.15 73	0.13 138	0.08 94	0.11 127	0.13 145	0.20 127	0.13 116	0.21 150	0.12 122	0.16 94	0.12 139	0.07 88	0.10 123	0.16 100	0.16 131	0.21 160	0.32 187

ADCPNet	0.22 183	0.17 173	0.16 180	0.20 170	0.19 179	0.20 174	0.18 169	0.27 188	0.23 194	0.26 171	0.22 193	0.26 168	0.28 197	0.15 175	0.16 188	0.17 197	0.24 174	0.17 175	0.32 195	0.23 205	0.24 202	0.19 201	0.17 180	0.21 194	0.25 190	0.22 188	0.27 185	0.33 189

CBMV_ROB	0.21 178	0.14 153	0.15 174	0.26 189	0.22 190	0.21 183	0.22 189	0.28 191	0.17 162	0.26 171	0.17 158	0.28 171	0.17 169	0.26 202	0.11 127	0.12 129	0.26 197	0.17 175	0.18 119	0.16 176	0.21 167	0.19 201	0.26 209	0.20 191	0.24 186	0.25 206	0.25 178	0.33 189

PA-Net	0.19 166	0.21 190	0.25 212	0.14 132	0.20 184	0.18 159	0.20 178	0.21 157	0.19 175	0.18 73	0.14 125	0.17 90	0.21 179	0.26 202	0.16 188	0.18 204	0.15 56	0.19 192	0.13 61	0.17 181	0.14 70	0.15 173	0.10 139	0.16 181	0.17 112	0.25 206	0.17 110	0.35 191
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
SGM-ForestM	0.24 189	0.22 193	0.16 180	0.37 202	0.24 197	0.32 202	0.24 196	0.28 191	0.20 185	0.23 120	0.17 158	0.51 204	0.25 189	0.20 192	0.12 139	0.13 145	0.23 160	0.16 163	0.24 173	0.14 151	0.19 137	0.16 181	0.21 193	0.16 181	0.35 218	0.24 200	0.51 221	0.35 191

XX-Stereo	0.14 117	0.05 19	0.05 25	0.10 87	0.08 64	0.17 151	0.07 76	0.18 111	0.10 99	0.27 184	0.09 63	0.20 129	0.03 8	0.09 109	0.10 91	0.12 129	0.23 160	0.11 65	0.20 139	0.11 105	0.20 154	0.08 42	0.08 109	0.07 72	0.22 176	0.16 131	0.17 110	0.36 193

LRCNet_RVC	9.85 263	16.31 269	0.59 242	24.99 270	21.12 271	23.54 271	20.75 269	1.45 260	0.48 235	21.31 271	13.10 267	22.63 271	3.34 261	28.36 272	0.38 228	0.27 223	7.74 265	1.15 260	23.52 270	3.99 262	0.46 242	0.30 226	27.02 270	1.72 261	0.35 218	0.21 180	0.42 217	0.37 194

ACVNet_1	0.74 234	0.79 237	0.40 230	2.04 254	0.96 243	1.88 252	1.51 242	0.59 237	0.28 213	0.43 233	0.49 233	0.71 217	0.61 232	2.21 250	0.32 222	0.25 217	0.32 216	0.31 225	0.60 221	0.31 222	0.29 220	0.21 210	2.72 248	0.33 224	0.40 224	0.26 213	0.37 207	0.38 195

DGSMNet	0.34 210	0.28 211	0.23 211	0.40 210	0.33 213	0.37 211	0.37 209	0.28 191	0.25 200	0.25 157	0.50 235	0.45 194	0.31 204	0.25 199	0.23 210	0.19 213	0.51 237	0.32 226	0.72 228	0.35 228	0.37 228	0.38 240	0.28 223	0.31 220	0.27 196	0.23 195	0.32 195	0.38 195

S-Stereo	0.30 204	0.22 193	0.17 188	0.41 211	0.39 218	0.41 216	0.37 209	0.25 183	0.25 200	0.26 171	0.44 230	0.54 207	0.36 214	0.24 197	0.16 188	0.14 166	0.27 204	0.27 218	0.34 200	0.28 215	0.23 195	0.22 213	0.53 231	0.23 198	0.22 176	0.19 171	0.27 185	0.38 195

CSAN	0.26 193	0.31 215	0.30 220	0.26 189	0.23 194	0.21 183	0.18 169	0.28 191	0.36 227	0.35 225	0.24 201	0.51 204	0.26 194	0.14 167	0.18 201	0.17 197	0.19 114	0.20 197	0.26 182	0.25 210	0.22 183	0.20 205	0.18 182	0.27 212	0.30 207	0.23 195	0.38 210	0.38 195

SQANet	0.45 220	0.54 227	0.14 167	1.41 235	0.51 228	1.23 235	0.83 232	0.30 200	0.24 195	0.34 222	0.24 201	0.64 210	0.19 176	1.12 233	0.17 194	0.14 166	0.24 174	0.20 197	0.40 208	0.22 204	0.16 94	0.14 162	1.58 239	0.17 186	0.20 155	0.16 131	0.26 182	0.39 199

otaku	0.58 226	0.71 231	0.29 219	1.70 246	0.84 236	1.49 240	1.00 233	0.40 222	0.34 225	0.38 229	0.31 223	0.65 212	0.26 194	1.35 234	0.33 225	0.25 217	0.20 127	0.23 209	0.69 224	0.30 220	0.22 183	0.17 185	2.24 242	0.28 216	0.29 204	0.18 160	0.30 191	0.39 199

MSC_U_SF_DS_RVC	0.35 211	0.36 216	0.39 228	0.46 214	0.28 205	0.30 198	0.28 204	0.50 231	0.46 234	0.39 232	0.30 220	0.37 187	0.36 214	0.31 214	0.35 226	0.26 219	0.21 140	0.27 218	0.71 226	0.37 229	0.27 214	0.29 225	0.30 226	0.38 229	0.32 212	0.24 200	0.29 189	0.39 199

ACVNet-4b	0.69 232	0.75 234	0.33 224	1.72 247	0.94 242	1.61 246	1.42 240	0.33 208	0.32 222	0.38 229	0.26 209	1.20 242	0.29 200	2.16 248	0.39 229	0.37 229	0.33 219	0.24 212	0.57 219	0.38 230	0.16 94	0.14 162	2.71 247	0.23 198	0.29 204	0.32 223	0.39 211	0.40 202

CBMV	0.22 183	0.18 179	0.17 188	0.23 179	0.21 187	0.20 174	0.18 169	0.27 188	0.19 175	0.28 199	0.11 89	0.29 176	0.13 138	0.24 197	0.13 158	0.14 166	0.24 174	0.18 187	0.20 139	0.16 176	0.21 167	0.18 193	0.24 202	0.23 198	0.26 193	0.22 188	0.35 202	0.40 202
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ADCS	0.28 200	0.22 193	0.21 207	0.26 189	0.24 197	0.25 193	0.23 193	0.36 213	0.30 217	0.23 120	0.27 212	0.46 198	0.35 213	0.20 192	0.19 203	0.18 204	0.32 216	0.24 212	0.48 215	0.28 215	0.36 227	0.28 224	0.19 187	0.23 198	0.31 209	0.25 206	0.30 191	0.41 204

Ntro	0.63 229	0.72 232	0.30 220	1.78 248	0.84 236	1.55 241	1.09 235	0.48 230	0.37 228	0.38 229	0.38 227	0.72 219	0.26 194	1.51 237	0.35 226	0.27 223	0.22 152	0.24 212	0.69 224	0.31 222	0.22 183	0.17 185	2.49 245	0.30 219	0.31 209	0.22 188	0.37 207	0.42 205

FAT-Stereo	0.26 193	0.19 182	0.17 188	0.38 206	0.36 216	0.30 198	0.25 200	0.26 185	0.18 167	0.27 184	0.25 207	0.33 180	0.36 214	0.26 202	0.16 188	0.15 182	0.26 197	0.23 209	0.33 198	0.21 198	0.22 183	0.19 201	0.22 194	0.22 196	0.21 167	0.22 188	0.32 195	0.42 205

G-Net	0.29 203	0.24 200	0.19 198	0.23 179	0.21 187	0.36 209	0.23 193	0.30 200	0.27 210	0.33 218	0.32 224	0.93 235	0.25 189	0.18 183	0.18 201	0.18 204	0.26 197	0.21 200	0.43 211	0.31 222	0.26 213	0.17 185	0.18 182	0.18 189	0.27 196	0.23 195	0.40 215	0.42 205

SHD	0.21 178	0.17 173	0.20 201	0.18 160	0.16 161	0.18 159	0.20 178	0.26 185	0.16 154	0.27 184	0.18 171	0.23 157	0.31 204	0.17 179	0.14 172	0.14 166	0.19 114	0.17 175	0.32 195	0.17 181	0.20 154	0.17 185	0.16 174	0.16 181	0.23 183	0.28 218	0.25 178	0.43 208

PWC_ROB	0.22 183	0.20 185	0.14 167	0.18 160	0.17 168	0.16 142	0.20 178	0.21 157	0.26 205	0.15 46	0.20 183	0.28 171	0.62 233	0.13 163	0.12 139	0.13 145	0.27 204	0.18 187	0.36 204	0.18 188	0.22 183	0.17 185	0.16 174	0.24 206	0.19 145	0.18 160	0.24 173	0.43 208

SGM_RVC	0.25 190	0.24 200	0.17 188	0.39 209	0.27 204	0.34 207	0.26 201	0.28 191	0.19 175	0.25 157	0.18 171	0.42 191	0.30 201	0.17 179	0.12 139	0.13 145	0.23 160	0.15 153	0.25 177	0.13 140	0.19 137	0.15 173	0.19 187	0.17 186	0.33 214	0.22 188	0.55 225	0.43 208
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
AnyNet_C01	0.31 207	0.22 193	0.20 201	0.22 176	0.26 202	0.25 193	0.24 196	0.37 216	0.37 228	0.26 171	0.28 215	0.49 200	0.33 210	0.18 183	0.28 218	0.21 215	0.38 227	0.32 226	0.64 222	0.32 225	0.39 229	0.31 231	0.26 209	0.25 210	0.33 214	0.32 223	0.34 200	0.44 211

pmcnn	0.19 166	0.14 153	0.11 136	0.18 160	0.13 140	0.19 169	0.16 158	0.20 148	0.18 167	0.26 171	0.14 125	0.35 183	0.25 189	0.09 109	0.09 58	0.11 93	0.25 189	0.14 139	0.24 173	0.14 151	0.22 183	0.14 162	0.11 148	0.11 136	0.21 167	0.18 160	0.39 211	0.45 212

PSMNet_ROB	0.78 236	0.97 243	0.60 244	1.62 244	0.90 240	1.47 239	1.19 236	0.56 236	0.73 241	0.74 246	0.62 240	0.84 230	0.82 239	1.49 236	0.53 236	0.42 231	0.52 238	0.40 236	0.84 233	0.62 243	0.40 235	0.30 226	1.85 240	0.48 233	0.67 241	0.32 223	0.76 239	0.46 213

RainbowNet	0.77 235	0.87 238	0.46 231	1.83 249	0.91 241	1.59 244	1.47 241	0.42 226	0.38 230	0.47 238	0.34 225	0.90 234	0.60 231	1.97 243	0.62 242	0.48 237	0.34 221	0.33 229	0.90 235	0.58 238	0.33 222	0.23 216	2.82 251	0.39 230	0.40 224	0.34 226	0.44 218	0.48 214

SANet	0.30 204	0.21 190	0.21 207	0.25 187	0.21 187	0.31 200	0.22 189	0.30 200	0.31 220	0.27 184	0.26 209	1.39 246	0.38 217	0.22 195	0.14 172	0.14 166	0.26 197	0.21 200	0.30 192	0.21 198	0.24 202	0.20 205	0.31 227	0.23 198	0.33 214	0.24 200	0.35 202	0.48 214

MeshStereo	0.30 204	0.26 205	0.20 201	0.49 217	0.36 216	0.35 208	0.26 201	0.32 204	0.28 213	0.30 211	0.27 212	0.61 209	0.47 224	0.18 183	0.12 139	0.14 166	0.26 197	0.17 175	0.27 186	0.17 181	0.27 214	0.21 210	0.25 204	0.20 191	0.36 220	0.28 218	0.54 224	0.49 216
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
MFN_U_SF_RVC	0.31 207	0.29 213	0.21 207	0.33 198	0.28 205	0.31 200	0.29 205	0.37 216	0.24 195	0.46 235	0.30 220	0.50 202	0.32 207	0.25 199	0.27 216	0.24 216	0.18 99	0.23 209	0.58 220	0.28 215	0.24 202	0.27 223	0.22 194	0.27 212	0.31 209	0.25 206	0.37 207	0.50 217

LSM0	3.45 259	0.27 209	0.18 197	0.38 206	0.29 210	0.39 214	0.36 208	0.51 233	0.31 220	0.45 234	0.47 231	0.71 217	0.57 230	0.19 187	23.17 267	59.79 272	0.36 224	0.26 216	1.29 251	0.33 227	0.44 239	0.32 232	0.23 198	0.27 212	0.36 220	0.29 221	0.53 223	0.51 218

DPSNet	0.39 215	0.19 182	0.17 188	0.27 195	0.25 200	0.29 197	0.19 176	0.26 185	0.24 195	0.18 73	0.17 158	2.16 256	0.43 221	0.10 123	0.17 194	0.15 182	0.35 223	0.28 221	2.04 257	0.27 214	0.25 210	0.16 181	0.28 223	0.25 210	0.38 223	0.24 200	0.39 211	0.51 218

LVE	0.95 244	0.97 243	0.71 252	1.84 250	1.35 253	1.59 244	1.52 243	0.78 247	0.64 238	0.81 250	0.91 252	0.72 219	1.00 247	2.18 249	0.53 236	0.48 237	0.57 241	0.53 246	1.09 244	0.64 245	0.45 240	0.38 240	2.74 250	0.69 246	0.83 248	0.44 237	0.84 245	0.52 220

STStereo	0.37 213	0.44 224	0.31 223	0.75 229	0.49 227	0.57 222	0.43 217	0.35 210	0.30 217	0.34 222	0.24 201	0.85 232	0.53 229	0.19 187	0.14 172	0.16 190	0.25 189	0.16 163	0.45 213	0.16 176	0.23 195	0.19 201	0.20 190	0.23 198	0.49 228	0.37 231	0.75 238	0.54 221

ACVNet_2	0.83 238	0.92 239	0.56 239	1.99 253	0.99 248	1.84 251	1.55 245	0.68 241	0.40 233	0.53 239	0.47 231	1.02 239	0.67 237	1.93 241	0.51 235	0.45 235	0.38 227	0.33 229	1.01 240	0.42 231	0.34 224	0.24 218	2.58 246	0.53 238	0.60 238	0.26 213	0.52 222	0.55 222

edge stereo	0.31 207	0.23 197	0.20 201	0.41 211	0.35 214	0.42 218	0.39 215	0.38 218	0.22 192	0.23 120	0.38 227	0.69 216	0.33 210	0.30 212	0.15 183	0.16 190	0.31 215	0.21 200	0.42 209	0.21 198	0.23 195	0.17 185	0.25 204	0.22 196	0.27 196	0.23 195	0.39 211	0.55 222

RTS	0.20 173	0.16 165	0.14 167	0.17 155	0.14 150	0.20 174	0.15 153	0.23 173	0.26 205	0.15 46	0.14 125	0.14 68	0.20 177	0.11 134	0.13 158	0.15 182	0.24 174	0.17 175	0.34 200	0.24 208	0.22 183	0.15 173	0.09 126	0.15 173	0.28 202	0.27 216	0.28 187	0.55 222

RTSA	0.20 173	0.16 165	0.14 167	0.17 155	0.14 150	0.20 174	0.15 153	0.23 173	0.26 205	0.15 46	0.14 125	0.14 68	0.20 177	0.11 134	0.13 158	0.15 182	0.24 174	0.17 175	0.34 200	0.24 208	0.22 183	0.15 173	0.09 126	0.15 173	0.28 202	0.27 216	0.28 187	0.55 222

FBW_ROB	0.26 193	0.26 205	0.25 212	0.37 202	0.25 200	0.32 202	0.20 178	0.21 157	0.18 167	0.27 184	0.20 183	0.45 194	0.31 204	0.26 202	0.20 206	0.20 214	0.27 204	0.17 175	0.51 218	0.14 151	0.21 167	0.14 162	0.16 174	0.28 216	0.21 167	0.19 171	0.33 198	0.55 222

DispFullNet	0.48 221	0.50 225	0.19 198	1.14 232	0.40 219	0.77 231	1.22 237	0.32 204	0.24 195	0.24 136	0.27 212	0.84 230	0.48 226	1.62 238	0.15 183	0.15 182	0.49 235	0.34 231	1.08 243	0.26 211	0.24 202	0.18 193	0.20 190	0.21 194	0.27 196	0.17 148	0.35 202	0.59 227

Dean	1.06 247	1.03 247	0.79 255	2.27 256	1.31 252	1.96 253	1.56 248	0.92 249	0.94 251	0.88 254	0.76 247	1.19 241	1.17 254	2.09 247	0.64 244	0.60 246	0.60 244	0.56 248	1.23 250	0.73 251	0.45 240	0.36 236	2.73 249	0.71 247	0.95 253	0.55 245	1.05 252	0.62 228

AMNet	0.49 223	0.50 225	0.47 232	0.50 218	0.47 226	0.61 226	0.52 225	0.31 203	0.29 215	0.29 210	0.69 244	0.72 219	0.13 138	0.53 225	0.44 231	0.55 242	0.57 241	0.58 251	0.48 215	0.48 232	0.59 251	0.48 248	0.26 209	0.48 233	0.44 226	0.52 241	0.58 228	0.63 229

STTRV1_RVC		0.26 205	0.22 210	0.35 199	0.28 205	0.32 202	0.29 205	0.36 213	0.33 223	0.27 184	0.26 209	0.42 191	0.41 220	0.47 222	0.32 222	0.18 204	0.59 243	0.20 197		0.30 220	0.59 251	0.22 213		0.43 231	0.25 190	0.54 244	0.34 200	0.64 230

SPS-STEREO	0.59 228	0.57 229	0.52 235	0.55 219	0.54 230	0.65 228	0.52 225	0.39 220	0.66 239	0.37 227	0.78 249	0.78 224	0.64 234	0.53 225	0.55 239	0.57 245	0.68 248	0.64 255	0.74 229	0.72 250	0.77 257	0.66 256	0.26 209	0.53 238	0.53 232	0.56 246	0.70 235	0.65 231
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	0.58 226	0.57 229	0.54 237	0.59 222	0.55 231	0.68 229	0.56 227	0.42 226	0.38 230	0.37 227	0.77 248	0.75 223	0.65 235	0.54 227	0.55 239	0.56 243	0.68 248	0.61 253	0.71 226	0.64 245	0.69 254	0.62 254	0.27 221	0.50 235	0.52 231	0.53 243	0.74 236	0.68 232

WAO-7	0.66 230	0.75 234	0.65 247	0.72 227	0.78 234	0.57 222	0.66 228	0.97 253	0.96 252	0.63 243	0.78 249	0.79 225	0.83 240	0.55 228	0.83 251	0.71 253	0.42 230	0.35 232	0.94 238	0.66 248	0.43 237	0.34 235	0.16 174	0.83 254	0.56 236	0.64 249	0.57 227	0.70 233

ELAS_RVC	0.43 219	0.43 222	0.36 226	0.64 224	0.44 222	0.62 227	0.50 222	0.39 220	0.25 200	0.25 157	0.30 220	1.23 243	0.30 201	0.31 214	0.28 218	0.27 223	0.37 226	0.30 223	0.42 209	0.26 211	0.34 224	0.32 232	0.26 209	0.37 227	0.50 230	0.38 232	0.78 242	0.70 233
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PVD	0.38 214	0.38 219	0.20 201	0.47 215	0.35 214	0.50 221	0.40 216	0.38 218	0.34 225	0.23 120	0.28 215	0.52 206	0.51 227	0.50 223	0.16 188	0.17 197	0.41 229	0.26 216	0.49 217	0.28 215	0.39 229	0.40 242	0.23 198	0.27 212	0.44 226	0.57 247	0.46 220	0.72 235

MADNet+	0.55 225	0.36 216	0.63 246	0.56 220	0.52 229	0.45 220	0.38 213	0.63 238	0.52 236	0.53 239	0.41 229	0.81 227	0.67 237	0.33 219	0.57 241	0.49 239	0.56 240	0.50 242	0.82 232	0.52 234	0.47 243	0.43 243	0.51 230	0.47 232	0.82 246	0.70 250	0.58 228	0.72 235

PWCK	0.88 239	1.24 252	0.61 245	1.53 237	0.85 238	1.21 234	1.03 234	1.08 254	0.72 240	0.70 245	0.83 251	1.48 248	0.87 242	0.69 230	0.40 230	0.41 230	0.73 253	0.47 239	3.04 260	0.67 249	0.56 250	0.43 243	0.94 237	0.74 250	0.72 243	0.36 230	0.69 234	0.73 237

ELAS	0.42 218	0.43 222	0.36 226	0.64 224	0.44 222	0.58 224	0.50 222	0.40 222	0.26 205	0.25 157	0.28 215	0.94 236	0.30 201	0.31 214	0.28 218	0.27 223	0.36 224	0.30 223	0.43 211	0.26 211	0.33 222	0.32 232	0.26 209	0.37 227	0.54 233	0.40 233	0.77 241	0.74 238
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
IMH	0.93 243	0.98 245	0.53 236	1.61 241	0.97 245	1.64 247	1.76 251	0.75 243	0.77 244	0.34 222	0.61 237	0.96 237	1.05 251	2.67 254	0.54 238	0.46 236	0.49 235	0.38 235	0.94 238	0.60 239	0.39 229	0.30 226	3.14 252	0.53 238	0.82 246	0.45 238	0.65 232	0.79 239

IMH-64-1	0.90 241	0.95 240	0.51 233	1.59 239	0.98 246	1.58 242	1.73 249	0.75 243	0.74 242	0.33 218	0.61 237	0.83 228	0.94 243	2.59 252	0.50 233	0.42 231	0.48 232	0.36 233	0.92 236	0.55 236	0.39 229	0.30 226	3.14 252	0.50 235	0.81 244	0.34 226	0.60 230	0.80 240

IMH-64	0.90 241	0.95 240	0.51 233	1.59 239	0.98 246	1.58 242	1.73 249	0.75 243	0.74 242	0.33 218	0.61 237	0.83 228	0.94 243	2.59 252	0.50 233	0.42 231	0.48 232	0.36 233	0.92 236	0.55 236	0.39 229	0.30 226	3.14 252	0.50 235	0.81 244	0.34 226	0.60 230	0.80 240

WAO-6	0.82 237	0.95 240	0.59 242	1.30 234	1.05 249	1.25 236	1.39 239	0.77 246	0.84 245	0.79 248	0.69 244	0.74 222	1.00 247	1.94 242	0.78 250	0.61 247	0.53 239	0.48 240	0.78 231	0.60 239	0.55 249	0.51 249	0.49 229	0.57 244	0.83 248	0.42 235	0.76 239	0.85 242

MANE	0.41 217	0.36 216	0.33 224	0.61 223	0.44 222	0.44 219	0.46 220	0.42 226	0.25 200	0.23 120	0.22 193	0.65 212	0.28 197	0.30 212	0.28 218	0.29 227	0.32 216	0.42 237	0.37 205	0.23 205	0.30 221	0.26 221	0.26 209	0.34 226	0.54 233	0.40 233	1.07 253	0.87 243

MFMNet_re	0.66 230	0.73 233	0.65 247	0.77 230	0.62 233	0.82 233	0.70 231	0.52 234	0.54 237	0.54 241	0.65 241	0.80 226	0.51 227	0.59 229	0.66 246	0.67 249	0.82 255	0.69 256	0.74 229	0.62 243	0.70 255	0.64 255	0.45 228	0.56 241	0.59 237	0.63 248	0.74 236	0.87 243

BEATNet-Init1	0.49 223	0.42 221	0.28 217	0.79 231	0.40 219	0.60 225	0.45 219	0.41 225	0.27 210	0.30 211	0.22 193	0.89 233	0.84 241	0.25 199	0.27 216	0.26 219	0.27 204	0.25 215	0.84 233	0.28 215	0.27 214	0.26 221	0.26 209	0.32 222	0.49 228	0.35 229	2.05 262	0.88 245

SPstereo	0.89 240	0.77 236	0.70 251	0.66 226	0.80 235	0.69 230	0.69 230	1.11 255	0.93 250	0.74 246	1.18 259	0.98 238	1.42 258	0.93 232	0.88 253	1.07 258	0.95 257	0.61 253	1.18 248	0.81 253	0.85 258	0.74 258	0.64 232	0.91 256	0.87 250	0.74 253	1.15 254	0.89 246

notaker	1.27 252	1.41 255	0.58 241	2.37 258	1.48 255	2.34 258	2.27 257	0.94 252	1.62 258	0.79 248	1.07 256	1.66 249	1.08 252	3.06 263	0.94 255	0.69 252	0.68 248	0.49 241	1.62 256	0.84 256	0.53 247	0.45 246	3.70 259	0.80 253	0.61 239	0.52 241	0.80 243	0.92 247

JetBlue	0.70 233	0.56 228	0.69 250	0.73 228	0.61 232	0.78 232	0.68 229	0.52 234	0.91 247	0.46 235	0.29 219	3.18 259	0.38 217	0.52 224	0.44 231	0.43 234	0.70 252	0.53 246	0.66 223	0.51 233	0.54 248	0.58 252	0.75 233	0.56 241	0.55 235	0.42 235	0.96 250	0.99 248

TorneroNet	1.08 249	1.09 248	0.66 249	1.94 251	0.96 243	2.16 256	2.02 253	0.65 240	0.91 247	0.67 244	0.56 236	1.67 252	1.15 253	2.94 261	0.65 245	0.52 241	0.48 232	0.51 243	1.12 245	0.65 247	0.39 229	0.43 243	3.52 256	0.57 244	0.68 242	0.48 239	0.84 245	1.01 249

KSHMR	1.33 253	1.42 256	1.04 259	2.27 256	1.44 254	2.23 257	2.12 254	1.21 256	1.06 256	1.13 259	1.06 255	1.27 245	0.94 243	2.89 260	1.08 257	0.95 257	0.85 256	0.83 258	1.32 252	0.97 257	0.72 256	0.58 252	3.52 256	1.07 260	0.99 254	0.77 255	1.00 251	1.07 250

TorneroNet-64	1.07 248	1.00 246	0.57 240	1.94 251	0.88 239	1.98 255	2.01 252	0.63 238	0.88 246	0.58 242	0.49 233	1.83 253	1.71 259	2.88 259	0.62 242	0.51 240	0.46 231	0.46 238	1.17 247	0.61 242	0.34 224	0.37 237	3.40 255	0.56 241	0.64 240	0.48 239	0.68 233	1.11 251

DPSimNet_ROB	1.21 250	1.20 251	1.29 260	1.47 236	1.59 257	1.30 238	1.35 238	0.68 241	1.69 259	1.67 260	1.03 254	1.45 247	0.66 236	2.04 244	1.20 258	0.89 256	1.16 259	0.79 257	1.61 255	1.38 260	1.04 260	1.24 260	0.79 236	0.84 255	0.87 250	1.20 259	1.17 255	1.12 252

WAO-8	1.00 245	1.11 249	0.76 253	1.61 241	1.24 250	1.74 249	1.55 245	0.93 250	0.98 253	0.81 250	0.67 242	1.66 249	1.00 247	2.08 245	0.77 248	0.68 250	0.63 245	0.52 244	1.05 241	0.81 253	0.47 243	0.37 237	0.78 234	0.75 251	1.10 257	0.73 251	0.95 248	1.16 253

Venus	1.00 245	1.11 249	0.76 253	1.61 241	1.24 250	1.74 249	1.55 245	0.93 250	0.98 253	0.81 250	0.67 242	1.66 249	1.00 247	2.08 245	0.77 248	0.68 250	0.63 245	0.52 244	1.05 241	0.81 253	0.47 243	0.37 237	0.78 234	0.75 251	1.10 257	0.73 251	0.95 248	1.16 253

ktn	1.24 251	1.39 254	0.55 238	1.62 244	1.59 257	1.68 248	2.12 254	0.86 248	1.75 260	0.90 256	1.11 257	1.11 240	0.95 246	2.57 251	0.97 256	0.73 254	0.80 254	0.59 252	1.41 253	0.76 252	0.68 253	0.67 257	3.69 258	0.73 248	0.92 252	0.75 254	1.19 256	1.28 255

MADNet++	1.86 258	1.58 258	1.74 262	1.27 233	1.74 260	1.26 237	1.53 244	1.62 262	2.07 262	1.84 261	2.22 261	2.60 257	2.72 260	0.75 231	1.39 259	1.54 259	2.01 261	1.47 261	2.12 258	2.13 261	3.35 262	3.26 262	1.23 238	2.21 262	1.21 261	2.25 262	1.76 261	1.32 256

LE_ROB	0.40 216	0.20 185	0.16 180	0.41 211	0.43 221	0.33 206	0.44 218	0.34 209	0.29 215	0.32 214	0.21 188	1.25 244	1.40 257	0.11 134	0.10 91	0.11 93	0.21 140	0.13 116	0.20 139	0.13 140	0.22 183	0.12 139	0.12 158	0.14 170	0.36 220	0.31 222	1.39 258	1.32 256

SAMSARA	0.48 221	0.23 197	0.39 228	0.23 179	0.23 194	0.22 186	0.22 189	0.44 229	0.38 230	0.31 213	0.21 188	0.30 178	0.47 224	0.17 179	0.32 222	0.34 228	0.25 189	0.32 226	0.46 214	0.32 225	0.47 243	0.52 251	0.15 171	0.33 224	1.39 262	1.54 260	1.41 259	1.46 258

HanzoNet	1.74 257	1.62 259	0.80 256	2.26 255	1.70 259	2.72 259	2.54 258	1.25 257	1.85 261	0.92 257	1.28 260	4.37 263	3.81 262	3.36 265	0.88 253	0.78 255	1.06 258	0.94 259	2.54 259	1.03 258	0.89 259	0.88 259	3.79 260	0.73 248	1.12 259	1.00 257	1.29 257	1.57 259

JetRed	1.62 256	1.82 260	1.71 261	1.58 238	1.50 256	1.97 254	2.21 256	1.51 261	1.47 257	0.82 253	0.74 246	2.63 258	0.43 221	1.73 240	1.48 260	1.54 259	1.67 260	2.94 263	1.42 254	1.08 259	2.30 261	2.07 261	1.99 241	0.97 258	1.16 260	1.70 261	1.57 260	1.60 260

UNDER WATER-64	1.40 254	1.36 253	0.88 258	2.85 260	1.93 262	2.78 261	2.66 260	1.36 259	0.92 249	1.04 258	1.17 258	1.88 254	1.30 256	3.03 262	0.75 247	0.56 243	0.68 248	0.57 250	1.13 246	0.54 235	0.43 237	0.51 249	4.08 263	0.91 256	1.02 255	1.10 258	0.80 243	1.60 260

UNDER WATER	1.40 254	1.42 256	0.86 257	2.83 259	1.92 261	2.74 260	2.57 259	1.28 258	1.01 255	0.88 254	0.97 253	1.88 254	1.26 255	3.09 264	0.83 251	0.62 248	0.66 247	0.56 248	1.20 249	0.60 239	0.42 236	0.47 247	4.04 262	0.98 259	1.08 256	0.99 256	0.87 247	1.67 262

PML	8.20 260	7.62 265	3.39 263	9.64 268	5.14 263	9.56 269	5.20 265	6.48 265	18.29 268	6.44 264	3.30 262	16.82 266	29.20 273	5.41 266	6.10 261	3.93 261	7.39 264	2.64 262	20.47 269	4.70 263	3.50 263	3.87 263	3.98 261	4.21 264	6.16 264	4.40 263	16.76 268	6.85 263

AVERAGE_ROB	24.43 269	29.85 272	27.27 273	31.30 272	29.70 273	30.00 273	31.47 272	26.59 273	24.68 273	34.31 273	27.39 273	31.23 273	21.35 269	30.69 273	28.19 272	24.02 268	26.74 273	21.17 270	30.34 272	27.38 273	20.48 270	16.18 268	32.28 272	24.32 274	8.51 266	7.76 264	7.92 264	8.46 264

MEDIAN_ROB	20.47 268	25.88 271	24.03 272	26.51 271	25.55 272	25.88 272	26.99 271	21.23 272	19.72 269	28.73 272	22.19 272	24.61 272	16.74 268	26.47 271	23.75 268	18.44 267	22.03 272	14.75 267	26.69 271	23.31 269	15.11 267	11.56 265	27.65 271	18.39 270	7.22 265	9.33 265	8.28 265	11.75 265

HaxPig	16.02 267	19.59 270	18.75 268	21.25 269	20.52 270	21.33 270	22.30 270	17.00 271	14.71 267	19.29 270	17.19 271	17.46 267	12.16 265	22.51 270	17.80 266	14.90 266	17.75 268	9.40 264	18.97 265	15.48 268	9.47 266	7.16 264	23.74 269	15.28 269	4.31 263	12.19 266	6.81 263	15.11 266

DPSMNet_ROB	8.63 261	3.69 262	8.74 265	2.98 261	5.70 264	3.37 262	4.41 263	3.70 263	9.03 263	3.00 262	6.88 264	3.53 260	10.11 264	2.70 255	10.47 262	10.76 262	3.81 262	12.92 266	4.77 262	10.22 264	5.99 265	13.86 266	4.50 266	8.50 265	10.06 267	27.81 267	11.04 266	30.59 267

DGTPSM_ROB	8.63 261	3.68 261	8.73 264	2.98 261	5.70 264	3.37 262	4.41 263	3.70 263	9.03 263	3.00 262	6.85 263	3.53 260	10.07 263	2.70 255	10.47 262	10.76 262	3.81 262	12.91 265	4.74 261	10.22 264	5.98 264	13.86 266	4.49 265	8.50 265	10.06 267	27.81 267	11.04 266	30.59 267

DPSM_ROB	13.01 265	6.29 263	9.52 266	4.44 263	6.37 266	4.34 264	3.59 261	8.20 266	10.79 265	6.64 265	7.87 265	9.69 264	12.99 266	2.80 257	12.81 264	13.68 264	9.16 266	16.58 268	9.87 263	12.33 266	16.73 268	17.95 269	2.26 243	10.56 267	28.34 269	36.91 269	31.06 269	39.57 269

DPSM	13.01 265	6.29 263	9.52 266	4.44 263	6.37 266	4.34 264	3.59 261	8.20 266	10.79 265	6.64 265	7.87 265	9.69 264	12.99 266	2.80 257	12.81 264	13.68 264	9.16 266	16.58 268	9.87 263	12.33 266	16.73 268	17.95 269	2.26 243	10.56 267	28.34 269	36.91 269	31.06 269	39.57 269

CasAABBNet	26.14 271	12.60 266	19.00 269	8.89 265	12.76 268	8.55 266	7.26 268	16.43 268	21.86 272	13.67 269	15.79 268	19.63 270	26.13 270	5.53 267	25.80 271	27.48 269	18.01 269	33.35 271	20.00 268	24.70 270	33.62 273	35.57 271	4.48 264	21.32 273	57.07 273	74.41 273	62.39 271	79.48 271

MyStereo03	26.19 272	12.62 267	19.14 270	8.95 266	12.80 269	8.76 267	7.25 266	16.48 269	21.77 270	13.39 267	15.86 269	19.52 268	26.18 271	5.65 268	25.76 269	27.53 270	18.31 270	33.40 272	19.83 266	24.80 271	33.59 271	36.18 272	4.55 267	21.29 271	56.99 271	74.31 271	62.53 272	79.67 272

MyStereo02	25.72 270	12.62 267	19.14 270	8.95 266	0.00 1	8.76 267	7.25 266	16.48 269	21.77 270	13.39 267	15.86 269	19.52 268	26.18 271	5.65 268	25.76 269	27.53 270	18.31 270	33.40 272	19.83 266	24.80 271	33.59 271	36.18 272	4.55 267	21.29 271	56.99 271	74.31 271	62.53 272	79.67 272

ASD4																								2.43 263

Low-res two-view benchmark