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	0.09 2	0.09 4	0.09 3	0.07 3	0.05 3	0.09 4	0.08 10	0.08 2	0.04 2	0.06 1	0.17 14	0.06 1	0.04 1	0.05 5	0.14 1	0.14 1	0.15 2	0.13 3	0.13 1	0.09 2	0.14 1	0.08 1	0.08 11	0.07 3	0.11 1	0.10 1	0.10 1	0.08 1

CroCo-Stereo	0.08 1	0.06 1	0.05 1	0.05 1	0.03 2	0.05 1	0.03 1	0.08 2	0.03 1	0.07 2	0.02 1	0.08 2	0.04 1	0.02 1	0.15 3	0.16 3	0.14 1	0.12 1	0.14 2	0.08 1	0.15 2	0.09 2	0.03 1	0.04 1	0.15 2	0.14 2	0.15 3	0.10 2
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
RAFT	0.13 4	0.08 3	0.09 3	0.11 7	0.05 3	0.15 16	0.04 2	0.18 10	0.10 5	0.10 3	0.13 5	0.13 6	0.08 5	0.03 2	0.15 3	0.15 2	0.17 4	0.12 1	0.18 3	0.09 2	0.15 2	0.14 6	0.04 3	0.08 4	0.22 12	0.21 10	0.23 14	0.20 11

StereoVision	0.14 6	0.10 5	0.09 3	0.07 3	0.10 8	0.11 6	0.07 6	0.13 5	0.17 21	0.13 6	0.12 4	0.11 3	0.08 5	0.04 4	0.20 11	0.21 12	0.20 5	0.16 5	0.18 3	0.14 6	0.16 4	0.14 6	0.04 3	0.10 6	0.23 13	0.22 15	0.25 17	0.25 19

CroCo-Stereo Lap2	0.10 3	0.07 2	0.06 2	0.06 2	0.06 5	0.06 2	0.04 2	0.06 1	0.05 3	0.14 8	0.05 2	0.11 3	0.05 3	0.03 2	0.14 1	0.17 4	0.16 3	0.14 4	0.19 7	0.09 2	0.18 5	0.10 3	0.03 1	0.06 2	0.16 4	0.18 7	0.15 3	0.11 3

RYNet	0.18 9	0.16 10	0.13 10	0.11 7	0.12 16	0.13 10	0.09 12	0.16 7	0.27 97	0.13 6	0.15 11	0.13 6	0.10 9	0.09 15	0.23 23	0.19 7	0.20 5	0.27 34	0.22 8	0.14 6	0.18 5	0.15 10	0.25 127	0.14 16	0.20 7	0.50 114	0.22 8	0.16 6

AEACV	0.13 4	0.17 14	0.09 3	0.12 10	0.11 13	0.09 4	0.05 4	0.10 4	0.06 4	0.12 4	0.11 3	0.11 3	0.06 4	0.08 11	0.17 5	0.17 4	0.22 8	0.17 7	0.24 11	0.12 5	0.19 7	0.13 4	0.06 5	0.09 5	0.15 2	0.17 6	0.15 3	0.13 4

TDLM	0.16 7	0.19 20	0.14 14	0.15 17	0.17 30	0.15 16	0.11 25	0.16 7	0.14 12	0.12 4	0.22 32	0.17 8	0.14 22	0.10 18	0.17 5	0.18 6	0.21 7	0.20 9	0.18 3	0.14 6	0.19 7	0.13 4	0.11 22	0.15 19	0.17 5	0.16 4	0.18 6	0.18 8

AANet_RVC	0.20 14	0.19 20	0.18 43	0.14 14	0.17 30	0.12 8	0.12 30	0.18 10	0.19 30	0.15 9	0.21 28	0.18 9	0.15 28	0.13 28	0.26 39	0.23 17	0.24 10	0.26 28	0.22 8	0.22 43	0.20 9	0.19 15	0.16 71	0.16 23	0.26 26	0.26 23	0.26 18	0.34 46

delet	0.17 8	0.16 10	0.16 26	0.20 40	0.14 20	0.19 32	0.12 30	0.15 6	0.13 9	0.19 10	0.17 14	0.19 10	0.11 12	0.15 36	0.20 11	0.19 7	0.22 8	0.20 9	0.18 3	0.18 22	0.21 10	0.14 6	0.11 22	0.13 13	0.20 7	0.20 9	0.18 6	0.22 13

AASNet	0.20 14	0.22 36	0.15 19	0.21 44	0.18 41	0.24 56	0.17 70	0.23 13	0.14 12	0.22 13	0.26 49	0.21 11	0.13 19	0.16 40	0.20 11	0.22 14	0.28 16	0.23 18	0.24 11	0.19 27	0.23 11	0.19 15	0.12 28	0.16 23	0.23 13	0.21 10	0.22 8	0.19 9

MMNet	0.20 14	0.20 26	0.17 33	0.21 44	0.17 30	0.20 35	0.14 46	0.23 13	0.16 19	0.19 10	0.20 25	0.27 17	0.11 12	0.22 97	0.21 18	0.21 12	0.27 14	0.24 20	0.29 18	0.18 22	0.23 11	0.15 10	0.12 28	0.15 19	0.23 13	0.23 16	0.22 8	0.25 19

HCRNet	0.24 28	0.30 85	0.15 19	0.34 107	0.15 21	0.25 65	0.15 55	0.30 26	0.14 12	0.69 203	0.32 63	0.39 53	0.14 22	0.17 47	0.20 11	0.20 10	0.30 21	0.22 14	0.33 29	0.15 11	0.24 13	0.15 10	0.16 71	0.12 9	0.20 7	0.24 18	0.24 15	0.22 13

GANet	0.22 22	0.20 26	0.20 54	0.22 47	0.23 66	0.24 56	0.19 81	0.31 28	0.17 21	0.24 15	0.21 28	0.29 23	0.14 22	0.14 31	0.21 18	0.24 19	0.29 18	0.31 61	0.24 11	0.15 11	0.24 13	0.19 15	0.16 71	0.17 34	0.23 13	0.21 10	0.26 18	0.24 17

CVANet_RVC	0.22 22	0.29 81	0.21 61	0.29 83	0.22 62	0.25 65	0.15 55	0.27 20	0.16 19	0.24 15	0.34 70	0.23 13	0.19 51	0.14 31	0.20 11	0.22 14	0.25 12	0.24 20	0.24 11	0.17 19	0.24 13	0.17 13	0.13 43	0.18 44	0.23 13	0.19 8	0.22 8	0.23 15

test croco	0.21 18	0.17 14	0.14 14	0.14 14	0.11 13	0.16 21	0.09 12	0.30 26	0.12 7	0.41 47	0.14 9	0.26 16	0.10 9	0.07 7	0.24 27	0.26 30	0.35 31	0.28 39	0.34 31	0.17 19	0.26 16	0.21 23	0.09 14	0.15 19	0.25 23	0.25 20	0.27 20	0.34 46

test_5	0.20 14	0.18 17	0.14 14	0.17 23	0.10 8	0.15 16	0.11 25	0.25 16	0.15 15	0.29 21	0.13 5	0.29 23	0.30 116	0.07 7	0.20 11	0.24 19	0.26 13	0.22 14	0.23 10	0.14 6	0.26 16	0.23 28	0.07 6	0.17 34	0.25 23	0.26 23	0.31 23	0.26 21

UPFNet	0.28 39	0.25 49	0.26 97	0.26 70	0.23 66	0.30 83	0.21 87	0.34 36	0.25 77	0.35 30	0.32 63	0.33 37	0.21 61	0.23 112	0.31 65	0.28 39	0.37 42	0.31 61	0.37 38	0.23 47	0.27 18	0.24 31	0.18 94	0.20 61	0.28 32	0.29 39	0.32 27	0.29 27

CAS	0.27 38	0.21 32	0.17 33	0.21 44	0.17 30	0.18 27	0.09 12	0.33 33	0.20 42	0.33 24	0.38 92	0.29 23	0.19 51	0.17 47	0.28 50	0.26 30	0.37 42	0.26 28	0.38 41	0.20 34	0.29 19	0.27 39	0.16 71	0.18 44	0.36 59	0.36 72	0.40 57	0.55 112

AFF-stereo	0.22 22	0.22 36	0.18 43	0.15 17	0.13 18	0.20 35	0.09 12	0.38 49	0.19 30	0.42 56	0.20 25	0.30 27	0.11 12	0.08 11	0.19 9	0.24 19	0.28 16	0.19 8	0.35 35	0.15 11	0.29 19	0.19 15	0.09 14	0.12 9	0.27 28	0.28 36	0.32 27	0.24 17

MIF-Stereo (partial)	0.21 18	0.16 10	0.15 19	0.13 13	0.12 16	0.16 21	0.08 10	0.28 22	0.19 30	0.30 22	0.18 17	0.21 11	0.12 18	0.10 18	0.24 27	0.26 30	0.35 31	0.27 34	0.30 19	0.17 19	0.30 21	0.20 20	0.10 18	0.16 23	0.27 28	0.23 16	0.27 20	0.27 23

MIF-Stereo	0.21 18	0.15 7	0.11 7	0.12 10	0.09 7	0.13 10	0.07 6	0.22 12	0.15 15	0.37 35	0.17 14	0.28 21	0.17 38	0.12 24	0.23 23	0.24 19	0.35 31	0.26 28	0.38 41	0.18 22	0.30 21	0.17 13	0.11 22	0.14 16	0.26 26	0.35 68	0.22 8	0.27 23

RAFT_CTSACE	0.21 18	0.15 7	0.13 10	0.11 7	0.11 13	0.19 32	0.13 37	0.27 20	0.15 15	0.48 98	0.13 5	0.33 37	0.25 88	0.12 24	0.21 18	0.22 14	0.29 18	0.20 9	0.27 16	0.14 6	0.30 21	0.31 62	0.07 6	0.13 13	0.25 23	0.26 23	0.31 23	0.21 12

iRaftStereo_RVC	0.18 9	0.15 7	0.11 7	0.10 6	0.10 8	0.12 8	0.06 5	0.26 18	0.11 6	0.27 18	0.25 47	0.24 15	0.11 12	0.09 15	0.18 7	0.20 10	0.29 18	0.22 14	0.26 15	0.15 11	0.30 21	0.23 28	0.08 11	0.12 9	0.21 10	0.21 10	0.27 20	0.19 9

StereoIM	0.19 13	0.14 6	0.13 10	0.08 5	0.07 6	0.08 3	0.07 6	0.17 9	0.12 7	0.26 17	0.13 5	0.28 21	0.09 8	0.06 6	0.20 11	0.24 19	0.31 23	0.26 28	0.32 26	0.15 11	0.31 25	0.19 15	0.07 6	0.12 9	0.28 32	0.31 47	0.31 23	0.37 51

RAFT+CT+SA	0.23 26	0.20 26	0.16 26	0.19 31	0.13 18	0.15 16	0.12 30	0.33 33	0.19 30	0.44 69	0.14 9	0.34 41	0.29 112	0.09 15	0.23 23	0.29 50	0.27 14	0.22 14	0.31 22	0.19 27	0.31 25	0.35 85	0.07 6	0.17 34	0.29 34	0.27 28	0.31 23	0.28 26

RAFT + AFF	0.18 9	0.18 17	0.11 7	0.16 22	0.10 8	0.14 14	0.09 12	0.25 16	0.15 15	0.33 24	0.16 12	0.31 29	0.11 12	0.07 7	0.18 7	0.19 7	0.33 25	0.16 5	0.31 22	0.16 17	0.31 25	0.14 6	0.07 6	0.11 7	0.21 10	0.16 4	0.14 2	0.13 4

DMCA	0.23 26	0.19 20	0.21 61	0.18 28	0.19 48	0.17 23	0.18 77	0.29 25	0.23 62	0.23 14	0.28 55	0.29 23	0.17 38	0.19 68	0.25 33	0.25 25	0.30 21	0.29 47	0.27 16	0.20 34	0.31 25	0.20 20	0.19 100	0.18 44	0.24 18	0.27 28	0.22 8	0.27 23

HITNet	0.28 39	0.27 66	0.21 61	0.22 47	0.21 55	0.22 46	0.15 55	0.41 56	0.22 57	0.50 110	0.35 75	0.44 68	0.21 61	0.17 47	0.26 39	0.24 19	0.33 25	0.31 61	0.31 22	0.19 27	0.32 29	0.28 46	0.16 71	0.18 44	0.31 42	0.28 36	0.44 75	0.42 70
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
PS-NSSS	0.45 129	0.52 173	0.38 141	0.68 179	0.40 146	0.56 170	0.44 155	0.57 156	0.31 123	0.58 178	0.35 75	1.11 184	0.31 121	0.28 138	0.40 113	0.30 61	0.40 56	0.36 94	0.71 131	0.32 98	0.32 29	0.21 23	0.26 131	0.29 120	0.47 99	0.47 106	0.47 81	0.62 128

LL-Strereo2	0.24 28	0.18 17	0.14 14	0.17 23	0.15 21	0.13 10	0.09 12	0.36 38	0.21 49	0.51 120	0.18 17	0.33 37	0.17 38	0.10 18	0.25 33	0.28 39	0.39 52	0.27 34	0.45 74	0.22 43	0.33 31	0.20 20	0.12 28	0.14 16	0.24 18	0.27 28	0.33 34	0.26 21

IER	0.29 43	0.24 43	0.24 83	0.24 58	0.21 55	0.25 65	0.17 70	0.35 37	0.21 49	0.36 31	0.45 126	0.51 99	0.20 56	0.24 117	0.32 76	0.29 50	0.38 47	0.31 61	0.33 29	0.23 47	0.33 31	0.27 39	0.20 110	0.19 57	0.30 38	0.32 49	0.35 38	0.39 63

UNet	0.32 63	0.28 71	0.27 98	0.29 83	0.27 94	0.31 88	0.21 87	0.41 56	0.26 89	0.41 47	0.37 85	0.39 53	0.28 107	0.25 125	0.31 65	0.30 61	0.43 80	0.35 89	0.39 45	0.26 65	0.33 31	0.32 73	0.19 100	0.26 110	0.34 50	0.37 77	0.37 48	0.41 67

anonymousdsp	0.18 9	0.16 10	0.13 10	0.12 10	0.10 8	0.13 10	0.09 12	0.24 15	0.13 9	0.28 20	0.16 12	0.23 13	0.08 5	0.11 23	0.19 9	0.23 17	0.24 10	0.20 9	0.30 19	0.15 11	0.34 34	0.21 23	0.09 14	0.11 7	0.19 6	0.15 3	0.24 15	0.16 6

ADLNet	0.34 76	0.39 138	0.25 91	0.33 99	0.29 108	0.36 112	0.32 128	0.42 58	0.25 77	0.37 35	0.38 92	0.60 144	0.28 107	0.50 191	0.31 65	0.30 61	0.40 56	0.31 61	0.38 41	0.28 75	0.34 34	0.28 46	0.28 141	0.19 57	0.36 59	0.40 91	0.35 38	0.36 49

RAFT-Stereo + iAFF	0.25 31	0.24 43	0.21 61	0.17 23	0.15 21	0.18 27	0.10 20	0.47 85	0.19 30	0.43 64	0.22 32	0.39 53	0.13 19	0.10 18	0.23 23	0.25 25	0.32 24	0.21 13	0.39 45	0.18 22	0.34 34	0.23 28	0.12 28	0.17 34	0.35 56	0.27 28	0.34 35	0.33 43

AF-Net	0.40 98	0.36 117	0.35 136	0.39 128	0.44 152	0.43 138	0.38 141	0.44 62	0.43 155	0.37 35	0.49 138	0.58 132	0.32 124	0.31 150	0.41 121	0.36 109	0.35 31	0.36 94	0.45 74	0.30 87	0.34 34	0.30 56	0.33 152	0.30 124	0.38 65	0.42 93	0.59 134	0.47 87

Nwc_Net	0.40 98	0.36 117	0.35 136	0.39 128	0.44 152	0.43 138	0.38 141	0.44 62	0.43 155	0.37 35	0.49 138	0.58 132	0.32 124	0.31 150	0.41 121	0.36 109	0.35 31	0.36 94	0.45 74	0.30 87	0.34 34	0.30 56	0.33 152	0.30 124	0.38 65	0.42 93	0.59 134	0.47 87

NLCA_NET_v2_RVC	0.38 90	0.38 132	0.38 141	0.34 107	0.47 161	0.32 92	0.52 173	0.40 54	0.44 158	0.41 47	0.41 106	0.56 119	0.26 92	0.41 178	0.43 130	0.30 61	0.39 52	0.33 73	0.40 54	0.27 70	0.34 34	0.27 39	0.22 113	0.24 90	0.37 62	0.47 106	0.40 57	0.44 75
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MIM_Stereo	0.22 22	0.17 14	0.16 26	0.19 31	0.15 21	0.20 35	0.10 20	0.28 22	0.13 9	0.43 64	0.19 22	0.31 29	0.10 9	0.12 24	0.21 18	0.28 39	0.36 40	0.26 28	0.34 31	0.20 34	0.35 40	0.24 31	0.08 11	0.16 23	0.24 18	0.21 10	0.32 27	0.23 15

TESTraft	0.25 31	0.21 32	0.15 19	0.15 17	0.16 26	0.14 14	0.13 37	0.28 22	0.26 89	0.41 47	0.19 22	0.27 17	0.30 116	0.07 7	0.24 27	0.31 76	0.34 28	0.24 20	0.30 19	0.18 22	0.35 40	0.39 100	0.09 14	0.17 34	0.34 50	0.33 55	0.35 38	0.31 35

IPLG	0.30 51	0.28 71	0.24 83	0.22 47	0.20 51	0.25 65	0.15 55	0.45 67	0.19 30	0.45 73	0.28 55	0.45 73	0.18 45	0.23 112	0.33 80	0.29 50	0.43 80	0.35 89	0.40 54	0.28 75	0.35 40	0.44 124	0.12 28	0.20 61	0.35 56	0.36 72	0.37 48	0.37 51

ARAFT	0.24 28	0.20 26	0.15 19	0.20 40	0.16 26	0.20 35	0.10 20	0.32 29	0.19 30	0.45 73	0.24 36	0.34 41	0.13 19	0.10 18	0.24 27	0.25 25	0.41 67	0.34 78	0.34 31	0.16 17	0.35 40	0.21 23	0.11 22	0.13 13	0.29 34	0.24 18	0.32 27	0.29 27

FINET	0.31 59	0.30 85	0.31 117	0.34 107	0.24 73	0.27 74	0.29 120	0.36 38	0.28 106	0.39 42	0.26 49	0.37 49	0.23 75	0.22 97	0.43 130	0.35 102	0.37 42	0.28 39	0.46 78	0.25 58	0.35 40	0.28 46	0.24 124	0.24 90	0.35 56	0.27 28	0.39 54	0.32 42

CFNet	0.34 76	0.31 93	0.25 91	0.38 123	0.32 120	0.30 83	0.23 100	0.46 75	0.26 89	0.41 47	0.36 81	0.58 132	0.30 116	0.24 117	0.28 50	0.26 30	0.39 52	0.34 78	0.37 38	0.26 65	0.35 40	0.22 27	0.17 79	0.24 90	0.47 99	0.39 88	0.46 77	0.51 99

TestStereo1	0.26 35	0.24 43	0.15 19	0.17 23	0.17 30	0.17 23	0.13 37	0.32 29	0.24 68	0.43 64	0.18 17	0.27 17	0.33 127	0.08 11	0.25 33	0.30 61	0.35 31	0.24 20	0.32 26	0.19 27	0.36 46	0.40 106	0.12 28	0.17 34	0.34 50	0.33 55	0.39 54	0.31 35

SA-5K	0.26 35	0.24 43	0.15 19	0.17 23	0.17 30	0.17 23	0.13 37	0.32 29	0.24 68	0.43 64	0.18 17	0.27 17	0.33 127	0.08 11	0.25 33	0.30 61	0.35 31	0.24 20	0.32 26	0.19 27	0.36 46	0.40 106	0.12 28	0.17 34	0.34 50	0.33 55	0.39 54	0.31 35

MIPNet	0.35 81	0.32 102	0.24 83	0.26 70	0.23 66	0.27 74	0.15 55	0.50 103	0.20 42	0.45 73	0.37 85	0.52 102	0.29 112	0.22 97	0.35 97	0.33 89	0.46 108	0.37 105	0.51 90	0.37 117	0.36 46	0.44 124	0.14 51	0.19 57	0.46 97	0.51 121	0.42 71	0.51 99

raft+_RVC	0.25 31	0.22 36	0.17 33	0.19 31	0.18 41	0.18 27	0.13 37	0.38 49	0.19 30	0.46 86	0.30 60	0.34 41	0.16 31	0.13 28	0.25 33	0.26 30	0.33 25	0.27 34	0.37 38	0.19 27	0.36 46	0.26 35	0.10 18	0.15 19	0.30 38	0.29 39	0.36 46	0.30 32

RALAANet	0.29 43	0.31 93	0.23 77	0.22 47	0.21 55	0.23 51	0.16 65	0.38 49	0.19 30	0.33 24	0.38 92	0.35 46	0.18 45	0.15 36	0.33 80	0.29 50	0.38 47	0.37 105	0.48 84	0.27 70	0.36 46	0.29 53	0.15 62	0.20 61	0.34 50	0.30 43	0.35 38	0.35 48

STTStereo	0.39 96	0.42 147	0.43 157	0.37 119	0.43 150	0.34 107	0.49 167	0.37 43	0.33 134	0.38 40	0.43 123	0.51 99	0.30 116	0.38 170	0.47 144	0.32 85	0.41 67	0.40 130	0.40 54	0.29 82	0.36 46	0.28 46	0.22 113	0.28 117	0.40 75	0.45 102	0.40 57	0.62 128

DISCO	0.32 63	0.30 85	0.23 77	0.31 89	0.28 104	0.33 96	0.30 125	0.32 29	0.29 114	0.40 45	0.41 106	0.32 33	0.20 56	0.23 112	0.32 76	0.29 50	0.42 75	0.32 70	0.46 78	0.29 82	0.36 46	0.31 62	0.19 100	0.24 90	0.37 62	0.36 72	0.41 64	0.38 55

anonymousdsp2	0.26 35	0.28 71	0.18 43	0.19 31	0.16 26	0.21 41	0.14 46	0.37 43	0.19 30	0.38 40	0.22 32	0.36 48	0.16 31	0.14 31	0.22 22	0.26 30	0.36 40	0.25 25	0.56 106	0.21 38	0.37 53	0.31 62	0.13 43	0.18 44	0.31 42	0.25 20	0.38 51	0.29 27

SA	0.30 51	0.27 66	0.17 33	0.18 28	0.17 30	0.24 56	0.10 20	0.47 85	0.26 89	0.54 142	0.20 25	0.46 81	0.14 22	0.12 24	0.30 55	0.30 61	0.41 67	0.30 57	0.40 54	0.23 47	0.37 53	0.37 93	0.10 18	0.20 61	0.41 80	0.38 79	0.49 96	0.37 51

DSFCA	0.33 71	0.39 138	0.32 123	0.31 89	0.27 94	0.35 109	0.25 107	0.36 38	0.29 114	0.32 23	0.42 115	0.38 51	0.22 69	0.19 68	0.32 76	0.31 76	0.38 47	0.36 94	0.46 78	0.26 65	0.37 53	0.37 93	0.23 120	0.24 90	0.38 65	0.35 68	0.34 35	0.43 73

DMCA-RVC	0.31 59	0.25 49	0.28 101	0.25 62	0.27 94	0.24 56	0.25 107	0.36 38	0.31 123	0.33 24	0.38 92	0.54 109	0.24 79	0.20 79	0.40 113	0.35 102	0.35 31	0.34 78	0.35 35	0.29 82	0.37 53	0.33 78	0.22 113	0.24 90	0.29 34	0.29 39	0.36 46	0.41 67

PA-Net	0.50 150	0.59 184	0.54 180	0.40 132	0.53 178	0.42 133	0.53 178	0.56 149	0.52 172	0.46 86	0.41 106	0.49 91	0.48 164	0.49 188	0.54 166	0.42 149	0.37 42	0.44 152	0.43 66	0.45 158	0.37 53	0.48 147	0.27 135	0.39 163	0.52 127	0.87 187	0.45 76	0.99 177
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NVstereo2D	0.41 111	0.37 123	0.31 117	0.45 144	0.38 139	0.56 170	0.56 182	0.45 67	0.29 114	0.41 47	0.42 115	0.44 68	0.23 75	0.59 202	0.51 158	0.41 142	0.48 119	0.43 146	0.40 54	0.32 98	0.37 53	0.28 46	0.45 187	0.30 124	0.52 127	0.36 72	0.40 57	0.44 75

iResNet_ROB	0.35 81	0.30 85	0.27 98	0.32 96	0.21 55	0.33 96	0.22 92	0.45 67	0.27 97	0.45 73	0.42 115	0.38 51	0.48 164	0.19 68	0.28 50	0.29 50	0.45 97	0.36 94	0.55 101	0.24 56	0.37 53	0.27 39	0.19 100	0.25 100	0.44 92	0.39 88	0.47 81	0.47 87

DN-CSS_ROB	0.36 86	0.31 93	0.30 107	0.31 89	0.30 113	0.25 65	0.17 70	0.51 115	0.25 77	0.51 120	0.56 163	0.56 119	0.36 139	0.18 56	0.31 65	0.28 39	0.41 67	0.31 61	0.81 144	0.27 70	0.37 53	0.25 33	0.22 113	0.32 140	0.37 62	0.32 49	0.41 64	0.38 55

PWCDC_ROB	0.45 129	0.20 26	0.30 107	0.20 40	0.33 126	0.23 51	0.29 120	0.26 18	0.96 211	0.21 12	0.54 158	0.30 27	2.04 222	0.49 188	0.51 158	0.41 142	0.38 47	0.41 138	0.39 45	0.37 117	0.37 53	0.61 190	0.35 158	0.31 133	0.24 18	0.49 111	0.35 38	0.53 107

test_4	0.25 31	0.19 20	0.17 33	0.14 14	0.15 21	0.11 6	0.07 6	0.38 49	0.20 42	0.53 135	0.18 17	0.34 41	0.16 31	0.15 36	0.24 27	0.27 36	0.35 31	0.25 25	0.31 22	0.21 38	0.38 62	0.31 62	0.10 18	0.17 34	0.31 42	0.33 55	0.34 35	0.36 49

rafts_anoy	0.29 43	0.30 85	0.23 77	0.22 47	0.24 73	0.23 51	0.14 46	0.44 62	0.18 27	0.44 69	0.34 70	0.40 58	0.16 31	0.14 31	0.33 80	0.30 61	0.40 56	0.37 105	0.40 54	0.25 58	0.38 62	0.29 53	0.12 28	0.20 61	0.38 65	0.33 55	0.35 38	0.41 67

CFNet_pseudo	0.38 90	0.32 102	0.34 132	0.41 136	0.33 126	0.38 118	0.28 115	0.51 115	0.29 114	0.54 142	0.52 153	0.46 81	0.42 158	0.24 117	0.41 121	0.33 89	0.39 52	0.36 94	0.46 78	0.25 58	0.38 62	0.31 62	0.19 100	0.26 110	0.43 91	0.46 103	0.52 118	0.55 112

FADNet-RVC	0.41 111	0.37 123	0.28 101	0.41 136	0.33 126	0.33 96	0.32 128	0.53 137	0.30 119	0.52 129	0.41 106	0.59 140	0.35 135	0.25 125	0.51 158	0.37 115	0.43 80	0.34 78	0.75 137	0.40 131	0.38 62	0.39 100	0.28 141	0.36 151	0.47 99	0.52 123	0.40 57	0.53 107

RP	0.43 120	0.45 155	0.48 167	0.48 153	0.43 150	0.46 143	0.47 157	0.47 85	0.45 161	0.34 28	0.61 175	0.57 127	0.42 158	0.33 157	0.40 113	0.35 102	0.43 80	0.35 89	0.49 86	0.34 107	0.38 62	0.37 93	0.29 147	0.35 147	0.49 115	0.44 98	0.53 120	0.58 122

NaN_ROB	0.56 161	0.47 161	0.48 167	0.51 159	0.59 186	0.42 133	0.39 146	0.72 189	0.48 167	0.64 194	0.49 138	1.54 199	0.48 164	0.32 155	0.47 144	0.36 109	0.42 75	0.40 130	0.55 101	0.46 163	0.38 62	0.33 78	0.27 135	0.49 180	0.68 171	0.75 174	0.72 165	1.21 187

GMStereo	0.32 63	0.32 102	0.20 54	0.27 74	0.25 78	0.31 88	0.24 104	0.48 91	0.25 77	0.37 35	0.30 60	0.54 109	0.27 105	0.19 68	0.30 55	0.30 61	0.45 97	0.29 47	0.56 106	0.32 98	0.39 68	0.25 33	0.18 94	0.22 73	0.39 71	0.30 43	0.47 81	0.33 43
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
psm_up	0.42 115	0.38 132	0.41 150	0.45 144	0.33 126	0.46 143	0.27 112	0.50 103	0.51 170	0.43 64	0.42 115	0.45 73	0.40 155	0.30 144	0.40 113	0.35 102	0.47 112	0.38 111	0.56 106	0.34 107	0.39 68	0.33 78	0.25 127	0.39 163	0.54 134	0.59 140	0.56 127	0.52 103

HGLStereo	0.32 63	0.32 102	0.25 91	0.27 74	0.27 94	0.28 79	0.17 70	0.39 53	0.23 62	0.40 45	0.56 163	0.33 37	0.19 51	0.24 117	0.30 55	0.34 98	0.44 89	0.39 122	0.41 61	0.28 75	0.39 68	0.32 73	0.18 94	0.25 100	0.40 75	0.38 79	0.35 38	0.33 43

FADNet-RVC-Resample	0.40 98	0.31 93	0.32 123	0.36 114	0.29 108	0.33 96	0.27 112	0.53 137	0.32 126	0.57 175	0.37 85	0.53 106	0.34 129	0.30 144	0.41 121	0.31 76	0.41 67	0.42 144	0.55 101	0.43 147	0.39 68	0.46 135	0.25 127	0.43 172	0.44 92	0.42 93	0.37 48	0.53 107

iinet-f	0.34 76	0.26 61	0.24 83	0.24 58	0.18 41	0.35 109	0.16 65	0.33 33	0.21 49	0.42 56	0.73 189	0.44 68	0.35 135	0.18 56	0.30 55	0.34 98	0.43 80	0.28 39	0.86 152	0.33 104	0.40 72	0.26 35	0.17 79	0.18 44	0.39 71	0.29 39	0.46 77	0.39 63

CIPLG	0.29 43	0.26 61	0.17 33	0.22 47	0.17 30	0.24 56	0.14 46	0.50 103	0.17 21	0.46 86	0.37 85	0.45 73	0.22 69	0.25 125	0.30 55	0.30 61	0.43 80	0.29 47	0.39 45	0.28 75	0.40 72	0.28 46	0.13 43	0.18 44	0.31 42	0.25 20	0.32 27	0.29 27

dd	0.38 90	0.40 141	0.21 61	0.82 194	0.25 78	0.53 165	0.24 104	0.46 75	0.19 30	0.47 94	0.24 36	0.66 154	0.21 61	0.20 79	0.38 106	0.34 98	0.57 169	0.30 57	0.75 137	0.28 75	0.40 72	0.31 62	0.17 79	0.24 90	0.44 92	0.32 49	0.51 108	0.40 65

IPLGR_C	0.29 43	0.26 61	0.17 33	0.22 47	0.17 30	0.24 56	0.14 46	0.50 103	0.17 21	0.46 86	0.37 85	0.45 73	0.24 79	0.25 125	0.30 55	0.30 61	0.43 80	0.30 57	0.39 45	0.28 75	0.40 72	0.28 46	0.13 43	0.17 34	0.31 42	0.26 23	0.32 27	0.30 32

IPLGR	0.38 90	0.41 144	0.25 91	0.35 113	0.32 120	0.28 79	0.18 77	0.50 103	0.27 97	0.48 98	0.48 136	0.52 102	0.25 88	0.22 97	0.37 103	0.31 76	0.42 75	0.39 122	0.63 121	0.38 123	0.40 72	0.48 147	0.14 51	0.22 73	0.48 109	0.47 106	0.48 85	0.46 79

ACRE	0.29 43	0.26 61	0.17 33	0.22 47	0.17 30	0.24 56	0.14 46	0.50 103	0.17 21	0.46 86	0.37 85	0.45 73	0.23 75	0.25 125	0.30 55	0.30 61	0.43 80	0.29 47	0.39 45	0.29 82	0.40 72	0.27 39	0.13 43	0.18 44	0.30 38	0.26 23	0.32 27	0.29 27

RASNet	0.31 59	0.32 102	0.30 107	0.27 74	0.24 73	0.26 71	0.20 85	0.46 75	0.26 89	0.41 47	0.33 66	0.40 58	0.25 88	0.20 79	0.25 33	0.28 39	0.38 47	0.30 57	0.34 31	0.21 38	0.40 72	0.29 53	0.14 51	0.30 124	0.33 49	0.34 63	0.49 96	0.47 87

CC-Net-ROB	0.71 179	0.91 209	0.59 190	1.38 216	0.85 206	1.25 214	0.86 204	0.69 184	0.45 161	0.71 204	0.47 134	1.95 204	0.34 129	0.62 209	0.49 150	0.33 89	0.52 148	0.48 164	1.06 176	0.43 147	0.40 72	0.27 39	0.85 218	0.41 167	0.65 166	0.64 152	0.56 127	0.93 174

iResNetv2_ROB	0.37 88	0.30 85	0.23 77	0.34 107	0.29 108	0.38 118	0.22 92	0.46 75	0.25 77	0.46 86	0.56 163	0.56 119	0.41 157	0.22 97	0.30 55	0.29 50	0.40 56	0.34 78	0.66 127	0.31 94	0.40 72	0.32 73	0.23 120	0.30 124	0.44 92	0.36 72	0.50 102	0.46 79

Sa-1000	0.32 63	0.29 81	0.17 33	0.20 40	0.20 51	0.23 51	0.10 20	0.49 96	0.28 106	0.55 157	0.26 49	0.46 81	0.17 38	0.20 79	0.31 65	0.31 76	0.45 97	0.33 73	0.50 87	0.22 43	0.41 81	0.43 120	0.14 51	0.20 61	0.42 85	0.41 92	0.51 108	0.40 65

test-3	0.33 71	0.25 49	0.20 54	0.25 62	0.25 78	0.24 56	0.15 55	0.50 103	0.21 49	0.51 120	0.24 36	0.63 150	0.24 79	0.17 47	0.34 90	0.29 50	0.45 97	0.31 61	0.84 148	0.30 87	0.41 81	0.42 115	0.12 28	0.20 61	0.31 42	0.27 28	0.41 64	0.38 55

test_1	0.33 71	0.25 49	0.20 54	0.25 62	0.25 78	0.24 56	0.15 55	0.50 103	0.21 49	0.51 120	0.24 36	0.64 152	0.24 79	0.16 40	0.34 90	0.29 50	0.45 97	0.31 61	0.85 150	0.30 87	0.41 81	0.42 115	0.12 28	0.20 61	0.31 42	0.27 28	0.41 64	0.38 55

CREStereo++_RVC	0.32 63	0.25 49	0.18 43	0.23 57	0.25 78	0.22 46	0.15 55	0.45 67	0.26 89	0.48 98	0.28 55	0.48 87	0.44 160	0.18 56	0.26 39	0.30 61	0.47 112	0.25 25	0.38 41	0.23 47	0.41 81	0.30 56	0.13 43	0.24 90	0.40 75	0.32 49	0.51 108	0.52 103
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
raftrobust	0.31 59	0.25 49	0.21 61	0.22 47	0.21 55	0.19 32	0.14 46	0.49 96	0.18 27	0.54 142	0.34 70	0.44 68	0.18 45	0.16 40	0.35 97	0.31 76	0.42 75	0.32 70	0.42 64	0.29 82	0.41 81	0.31 62	0.14 51	0.17 34	0.41 80	0.38 79	0.38 51	0.38 55

RALCasStereoNet	0.30 51	0.31 93	0.21 61	0.28 79	0.23 66	0.22 46	0.15 55	0.45 67	0.19 30	0.48 98	0.30 60	0.44 68	0.19 51	0.14 31	0.33 80	0.30 61	0.44 89	0.38 111	0.39 45	0.25 58	0.41 81	0.26 35	0.13 43	0.21 70	0.40 75	0.33 55	0.35 38	0.38 55

DeepPrunerF	0.55 159	0.29 81	0.30 107	0.37 119	0.86 207	0.30 83	0.37 138	0.42 58	0.34 138	0.34 28	0.53 155	0.34 41	0.22 69	0.31 150	0.38 106	0.40 133	0.42 75	0.34 78	0.56 106	0.36 113	0.41 81	0.33 78	0.27 135	0.26 110	4.90 258	0.50 114	0.38 51	0.46 79

ADCP+	0.49 146	0.35 115	0.36 139	0.33 99	0.26 87	0.39 123	0.38 141	0.48 91	0.98 212	0.42 56	0.61 175	0.85 170	0.26 92	0.30 144	0.33 80	0.32 85	0.41 67	0.35 89	0.62 118	0.27 70	0.41 81	0.37 93	0.24 124	0.22 73	0.41 80	1.72 234	0.43 73	1.18 184

CASnet	0.30 51	0.26 61	0.18 43	0.22 47	0.20 51	0.27 74	0.12 30	0.48 91	0.24 68	0.54 142	0.35 75	0.55 115	0.21 61	0.19 68	0.27 42	0.25 25	0.37 42	0.23 18	0.54 99	0.20 34	0.42 89	0.31 62	0.15 62	0.18 44	0.30 38	0.27 28	0.40 57	0.42 70
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LoS_RVC	0.29 43	0.25 49	0.22 72	0.15 17	0.19 48	0.18 27	0.12 30	0.37 43	0.21 49	0.42 56	0.38 92	0.32 33	0.20 56	0.18 56	0.31 65	0.27 36	0.34 28	0.28 39	0.43 66	0.21 38	0.42 89	0.33 78	0.15 62	0.23 80	0.48 109	0.34 63	0.41 64	0.46 79

tt_ll	0.29 43	0.25 49	0.22 72	0.15 17	0.19 48	0.18 27	0.12 30	0.37 43	0.21 49	0.42 56	0.38 92	0.32 33	0.20 56	0.18 56	0.31 65	0.27 36	0.34 28	0.28 39	0.43 66	0.21 38	0.42 89	0.33 78	0.15 62	0.23 80	0.48 109	0.34 63	0.41 64	0.46 79

GMOStereo	0.30 51	0.23 39	0.16 26	0.19 31	0.18 41	0.21 41	0.13 37	0.46 75	0.25 77	0.56 165	0.24 36	0.43 63	0.26 92	0.16 40	0.27 42	0.28 39	0.40 56	0.29 47	0.44 69	0.23 47	0.42 89	0.45 128	0.12 28	0.16 23	0.42 85	0.38 79	0.48 85	0.31 35

error version	0.30 51	0.23 39	0.16 26	0.19 31	0.18 41	0.21 41	0.13 37	0.46 75	0.25 77	0.56 165	0.24 36	0.43 63	0.26 92	0.16 40	0.27 42	0.28 39	0.40 56	0.29 47	0.44 69	0.23 47	0.42 89	0.45 128	0.12 28	0.16 23	0.42 85	0.38 79	0.48 85	0.31 35

test-v	0.30 51	0.23 39	0.16 26	0.19 31	0.18 41	0.21 41	0.13 37	0.46 75	0.25 77	0.56 165	0.24 36	0.43 63	0.26 92	0.16 40	0.27 42	0.28 39	0.40 56	0.29 47	0.44 69	0.23 47	0.42 89	0.45 128	0.12 28	0.16 23	0.42 85	0.38 79	0.48 85	0.31 35

AACVNet	0.41 111	0.37 123	0.33 126	0.41 136	0.45 158	0.42 133	0.28 115	0.48 91	0.32 126	0.50 110	0.51 147	0.47 85	0.24 79	0.26 132	0.41 121	0.36 109	0.47 112	0.42 144	0.52 92	0.42 140	0.42 89	0.39 100	0.26 131	0.32 140	0.47 99	0.50 114	0.50 102	0.62 128

test-2	0.30 51	0.23 39	0.16 26	0.19 31	0.18 41	0.21 41	0.13 37	0.46 75	0.25 77	0.56 165	0.24 36	0.43 63	0.26 92	0.16 40	0.27 42	0.28 39	0.40 56	0.29 47	0.44 69	0.23 47	0.42 89	0.45 128	0.12 28	0.16 23	0.42 85	0.38 79	0.48 85	0.31 35

pcwnet_v2	0.45 129	0.36 117	0.38 141	0.47 150	0.37 137	0.46 143	0.38 141	0.51 115	0.35 140	0.54 142	0.61 175	0.50 98	0.75 184	0.35 161	0.46 140	0.36 109	0.47 112	0.38 111	0.53 97	0.30 87	0.42 89	0.31 62	0.25 127	0.32 140	0.58 150	0.58 137	0.59 134	0.68 146

MLCV	0.46 135	0.38 132	0.34 132	0.54 165	0.39 143	0.49 152	0.33 130	0.59 167	0.31 123	0.49 105	0.59 170	0.72 162	0.57 176	0.22 97	0.39 108	0.29 50	0.49 125	0.38 111	1.01 170	0.33 104	0.42 89	0.43 120	0.28 141	0.36 151	0.51 124	0.56 133	0.54 122	0.54 110

4D-IteraStereo	0.28 39	0.20 26	0.18 43	0.26 70	0.16 26	0.17 23	0.11 25	0.46 75	0.24 68	0.53 135	0.27 54	0.41 60	0.17 38	0.13 28	0.27 42	0.29 50	0.41 67	0.34 78	0.42 64	0.26 65	0.43 99	0.32 73	0.11 22	0.16 23	0.29 34	0.30 43	0.40 57	0.30 32

ICVP	0.43 120	0.38 132	0.47 164	0.40 132	0.36 133	0.40 124	0.28 115	0.47 85	0.33 134	0.46 86	0.45 126	0.49 91	0.37 146	0.24 117	0.40 113	0.38 122	0.45 97	0.39 122	0.53 97	0.39 127	0.43 99	0.59 184	0.55 199	0.34 145	0.48 109	0.55 130	0.51 108	0.55 112
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
TANstereo	0.40 98	0.25 49	0.18 43	0.29 83	0.27 94	0.33 96	0.17 70	0.37 43	0.20 42	0.45 73	0.21 28	0.31 29	0.26 92	0.22 97	0.61 179	0.56 191	0.51 140	0.68 211	0.97 166	0.74 204	0.43 99	0.35 85	0.85 218	0.22 73	0.27 28	0.32 49	0.49 96	0.38 55

XX-TBD	0.40 98	0.25 49	0.18 43	0.29 83	0.27 94	0.33 96	0.17 70	0.37 43	0.20 42	0.45 73	0.21 28	0.31 29	0.26 92	0.22 97	0.61 179	0.56 191	0.51 140	0.68 211	0.97 166	0.74 204	0.43 99	0.35 85	0.85 218	0.22 73	0.27 28	0.32 49	0.49 96	0.38 55

NCC-stereo	0.51 153	0.47 161	0.43 157	0.49 154	0.51 170	0.50 155	0.51 168	0.51 115	0.57 176	0.36 31	0.59 170	0.62 146	0.55 173	0.36 166	0.53 164	0.41 142	0.46 108	0.50 172	0.58 113	0.41 134	0.43 99	0.40 106	0.43 184	0.36 151	0.57 145	0.72 167	0.73 168	0.65 139

stereogan	0.49 146	0.47 161	0.46 162	0.52 160	0.54 180	0.56 170	0.48 162	0.52 129	0.45 161	0.39 42	0.49 138	0.70 161	0.49 168	0.34 159	0.49 150	0.40 133	0.45 97	0.40 130	0.63 121	0.41 134	0.43 99	0.39 100	0.38 164	0.37 157	0.47 99	0.50 114	0.77 173	0.60 125

Abc-Net	0.51 153	0.47 161	0.43 157	0.49 154	0.51 170	0.50 155	0.51 168	0.51 115	0.57 176	0.36 31	0.59 170	0.62 146	0.55 173	0.36 166	0.53 164	0.41 142	0.46 108	0.50 172	0.58 113	0.41 134	0.43 99	0.40 106	0.43 184	0.36 151	0.57 145	0.72 167	0.73 168	0.65 139
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
CFNet_RVC	0.38 90	0.40 141	0.33 126	0.38 123	0.35 132	0.38 118	0.25 107	0.44 62	0.28 106	0.45 73	0.49 138	0.46 81	0.26 92	0.24 117	0.40 113	0.33 89	0.43 80	0.36 94	0.44 69	0.31 94	0.43 99	0.31 62	0.19 100	0.26 110	0.49 115	0.49 111	0.50 102	0.52 103

raft_robust	0.34 76	0.27 66	0.19 52	0.29 83	0.22 62	0.22 46	0.16 65	0.52 129	0.28 106	0.64 194	0.25 47	0.48 87	0.26 92	0.18 56	0.32 76	0.33 89	0.44 89	0.34 78	0.52 92	0.28 75	0.44 107	0.47 143	0.12 28	0.21 70	0.44 92	0.44 98	0.49 96	0.46 79

test_3	0.35 81	0.25 49	0.20 54	0.25 62	0.25 78	0.23 51	0.15 55	0.51 115	0.23 62	0.54 142	0.24 36	0.67 155	0.28 107	0.17 47	0.34 90	0.31 76	0.45 97	0.33 73	0.86 152	0.32 98	0.44 107	0.50 159	0.11 22	0.22 73	0.38 65	0.38 79	0.41 64	0.37 51

AnonymousM	0.28 39	0.19 20	0.14 14	0.18 28	0.17 30	0.15 16	0.11 25	0.42 58	0.17 21	0.47 94	0.28 55	0.35 46	0.11 12	0.15 36	0.27 42	0.31 76	0.45 97	0.28 39	0.39 45	0.19 27	0.44 107	0.26 35	0.14 51	0.16 23	0.24 18	0.30 43	0.48 85	0.67 142

DLCB_ROB	0.40 98	0.36 117	0.35 136	0.32 96	0.32 120	0.31 88	0.27 112	0.42 58	0.34 138	0.46 86	0.49 138	0.54 109	0.37 146	0.30 144	0.37 103	0.33 89	0.44 89	0.38 111	0.40 54	0.32 98	0.44 107	0.34 84	0.27 135	0.31 133	0.81 197	0.57 136	0.55 124	0.46 79

PDISCO_ROB	0.34 76	0.31 93	0.32 123	0.28 79	0.24 73	0.30 83	0.21 87	0.36 38	0.24 68	0.27 18	0.35 75	0.32 33	0.24 79	0.18 56	0.36 101	0.40 133	0.40 56	0.51 176	0.36 37	0.31 94	0.44 107	0.40 106	0.17 79	0.25 100	0.41 80	0.43 97	0.62 143	0.46 79

APVNet	0.42 115	0.37 123	0.30 107	0.36 114	0.39 143	0.47 148	0.36 137	0.51 115	0.32 126	0.36 31	0.52 153	0.41 60	0.24 79	0.30 144	0.45 137	0.48 171	0.55 164	0.48 164	0.63 121	0.45 158	0.45 112	0.35 85	0.26 131	0.36 151	0.47 99	0.35 68	0.60 139	0.45 77

UCFNet_RVC	0.42 115	0.52 173	0.34 132	0.47 150	0.42 148	0.42 133	0.30 125	0.49 96	0.32 126	0.51 120	0.48 136	0.68 159	0.36 139	0.26 132	0.40 113	0.32 85	0.41 67	0.38 111	0.48 84	0.30 87	0.45 112	0.31 62	0.28 141	0.30 124	0.61 159	0.49 111	0.48 85	0.61 126

iResNet	0.59 167	0.41 144	0.43 157	0.52 160	0.48 162	0.66 184	0.40 149	0.65 176	0.43 155	0.50 110	0.55 160	1.10 183	1.23 207	0.24 117	0.57 173	0.40 133	0.53 153	0.45 157	1.70 196	0.45 158	0.45 112	0.43 120	0.33 152	0.52 186	0.55 140	0.60 144	0.67 153	0.67 142

LMCR-Stereo	0.37 88	0.31 93	0.23 77	0.25 62	0.25 78	0.33 96	0.19 81	0.44 62	0.27 97	0.45 73	0.35 75	0.51 99	0.34 129	0.21 92	0.35 97	0.35 102	0.50 136	0.38 111	0.74 135	0.41 134	0.46 115	0.44 124	0.20 110	0.23 80	0.40 75	0.38 79	0.51 108	0.51 99

CREStereo	0.32 63	0.27 66	0.22 72	0.25 62	0.20 51	0.22 46	0.12 30	0.49 96	0.20 42	0.50 110	0.24 36	0.54 109	0.22 69	0.20 79	0.29 53	0.33 89	0.49 125	0.26 28	0.41 61	0.22 43	0.46 115	0.30 56	0.15 62	0.21 70	0.39 71	0.34 63	0.48 85	0.52 103
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	0.33 71	0.28 71	0.20 54	0.26 70	0.22 62	0.20 35	0.19 81	0.45 67	0.21 49	0.50 110	0.24 36	0.52 102	0.15 28	0.18 56	0.31 65	0.33 89	0.47 112	0.28 39	0.55 101	0.25 58	0.46 115	0.27 39	0.16 71	0.16 23	0.46 97	0.37 77	0.48 85	0.64 135

FADNet	0.46 135	0.38 132	0.31 117	0.42 140	0.32 120	0.40 124	0.46 156	0.59 167	0.35 140	0.56 165	0.53 155	0.59 140	0.39 154	0.28 138	0.50 154	0.38 122	0.40 56	0.39 122	0.94 161	0.43 147	0.46 115	0.41 111	0.29 147	0.31 133	0.55 140	0.62 148	0.48 85	0.63 133

BEATNet_4x	0.35 81	0.29 81	0.24 83	0.27 74	0.26 87	0.26 71	0.22 92	0.45 67	0.28 106	0.57 175	0.33 66	0.49 91	0.28 107	0.19 68	0.35 97	0.33 89	0.40 56	0.40 130	0.39 45	0.25 58	0.46 115	0.47 143	0.21 112	0.25 100	0.36 59	0.34 63	0.51 108	0.48 92

SGM-Forest	0.51 153	0.48 168	0.34 132	0.75 187	0.49 166	0.51 160	0.39 146	0.54 140	0.33 134	0.49 105	0.35 75	0.75 166	0.57 176	0.43 181	0.42 128	0.40 133	0.44 89	0.41 138	0.47 82	0.36 113	0.46 115	0.42 115	0.37 162	0.39 163	0.67 167	0.55 130	1.11 203	0.81 163
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
EAI-Stereo	0.43 120	0.30 85	0.21 61	0.36 114	0.30 113	0.44 140	0.39 146	0.57 156	0.28 106	0.51 120	0.34 70	0.58 132	0.18 45	0.19 68	0.48 148	0.47 166	0.49 125	0.36 94	0.97 166	0.46 163	0.47 121	0.46 135	0.14 51	0.23 80	0.55 140	0.44 98	0.65 151	0.71 148

RGC	0.56 161	0.53 177	0.64 197	0.54 165	0.54 180	0.59 175	0.43 152	0.58 160	0.60 180	0.45 73	0.70 187	0.65 153	0.69 183	0.44 183	0.60 178	0.46 159	0.49 125	0.44 152	0.62 118	0.44 155	0.47 121	0.42 115	0.39 170	0.42 169	0.62 162	0.77 178	0.72 165	0.79 156

HSM-Net_RVC	0.50 150	0.37 123	0.39 146	0.56 169	0.44 152	0.46 143	0.28 115	0.55 145	0.39 150	0.57 175	0.63 181	0.89 174	0.56 175	0.31 150	0.39 108	0.35 102	0.49 125	0.41 138	0.56 106	0.34 107	0.47 121	0.46 135	0.28 141	0.41 167	0.67 167	0.79 182	0.77 173	0.72 149
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
MyStereo04	0.43 120	0.39 138	0.40 149	0.34 107	0.31 117	0.26 71	0.22 92	0.51 115	0.37 144	0.50 110	0.37 85	0.55 115	0.28 107	0.17 47	0.50 154	0.39 127	0.44 89	0.39 122	1.11 179	0.40 131	0.48 124	0.44 124	0.17 79	0.31 133	0.53 131	0.61 147	0.65 151	0.51 99

anonymity	1.14 206	0.25 49	0.65 201	0.38 123	0.28 104	0.36 112	0.21 87	0.56 149	0.26 89	0.53 135	18.98 269	0.52 102	0.22 69	0.20 79	0.31 65	0.44 155	0.48 119	0.32 70	0.83 145	0.45 158	0.48 124	0.46 135	0.18 94	0.22 73	0.68 171	0.98 202	0.58 131	0.98 176

GANet-ADL	0.47 140	0.42 147	0.33 126	0.43 142	0.42 148	0.48 151	0.35 134	0.51 115	0.33 134	0.54 142	0.50 144	0.63 150	0.34 129	0.35 161	0.47 144	0.39 127	0.53 153	0.38 111	0.79 140	0.51 178	0.48 124	0.41 111	0.30 150	0.30 124	0.52 127	0.59 140	0.63 147	0.72 149

XX-Stereo	8.90 258	0.24 43	0.17 33	0.40 132	0.21 55	0.44 140	0.17 70	0.55 145	0.23 62	0.52 129	0.45 126	0.58 132	0.16 31	0.20 79	0.40 113	0.47 166	0.49 125	0.37 105	0.63 121	0.38 123	0.48 124	0.38 99	0.14 51	0.20 61	229.91 275	0.56 133	0.60 139	0.99 177

SQANet	1.43 214	2.22 232	0.78 210	2.62 233	1.77 228	2.84 234	2.44 228	0.73 191	0.53 173	0.87 218	0.58 169	2.10 208	0.64 181	2.13 231	0.50 154	0.40 133	0.67 191	0.59 199	7.14 244	0.54 182	0.49 128	0.45 128	2.94 241	0.45 176	0.75 185	0.89 192	0.97 193	1.58 203

EGLCR-Stereo	0.32 63	0.28 71	0.18 43	0.24 58	0.25 78	0.33 96	0.11 25	0.48 91	0.20 42	0.49 105	0.19 22	0.49 91	0.15 28	0.17 47	0.24 27	0.28 39	0.45 97	0.31 61	0.45 74	0.25 58	0.49 128	0.41 111	0.14 51	0.18 44	0.34 50	0.31 47	0.74 170	0.57 121

iRaft-Stereo_20w	0.51 153	0.32 102	0.83 212	0.81 193	0.32 120	0.47 148	0.31 127	0.55 145	0.28 106	0.54 142	0.46 131	0.59 140	0.14 22	0.22 97	0.41 121	0.39 127	0.49 125	0.33 73	0.88 154	0.43 147	0.49 128	0.39 100	0.15 62	0.18 44	0.72 182	0.88 188	1.07 202	1.22 189

UDGNet	0.49 146	0.45 155	0.30 107	1.05 207	0.79 201	0.91 202	0.70 194	0.47 85	0.30 119	0.45 73	0.46 131	0.45 73	0.16 31	1.01 225	0.30 55	0.30 61	0.45 97	0.39 122	0.50 87	0.32 98	0.49 128	0.36 91	0.57 201	0.23 80	0.54 134	0.42 93	0.43 73	0.47 87

GwcNet-ADL	0.56 161	0.57 182	0.48 167	0.72 183	0.51 170	0.55 168	0.42 151	0.58 160	0.38 145	0.54 142	0.73 189	0.89 174	0.48 164	0.39 173	0.46 140	0.46 159	0.56 167	0.43 146	0.90 156	0.48 168	0.49 128	0.51 167	0.38 164	0.35 147	0.61 159	0.75 174	0.53 120	0.85 169

ADCRef	0.48 144	0.37 123	0.33 126	0.33 99	0.31 117	0.44 140	0.38 141	0.47 85	0.68 187	0.47 94	0.51 147	0.56 119	0.35 135	0.27 135	0.43 130	0.40 133	0.47 112	0.44 152	0.84 148	0.37 117	0.49 128	0.48 147	0.30 150	0.31 133	0.49 115	0.88 188	0.49 96	1.04 181

HSM	0.40 98	0.37 123	0.30 107	0.39 128	0.36 133	0.33 96	0.28 115	0.56 149	0.29 114	0.50 110	0.51 147	0.49 91	0.37 146	0.24 117	0.39 108	0.34 98	0.52 148	0.36 94	0.50 87	0.35 111	0.49 128	0.35 85	0.19 100	0.29 120	0.48 109	0.54 128	0.54 122	0.55 112

AE-Stereo	0.38 90	0.32 102	0.23 77	0.34 107	0.25 78	0.29 81	0.16 65	0.49 96	0.24 68	0.55 157	0.22 32	0.67 155	0.23 75	0.19 68	0.33 80	0.35 102	0.52 148	0.41 138	0.59 116	0.37 117	0.50 135	0.50 159	0.14 51	0.30 124	0.51 124	0.46 103	0.55 124	0.48 92

MyStereo	0.45 129	0.40 141	0.41 150	0.36 114	0.32 120	0.27 74	0.23 100	0.52 129	0.38 145	0.51 120	0.40 103	0.55 115	0.34 129	0.18 56	0.52 162	0.38 122	0.44 89	0.39 122	1.19 182	0.42 140	0.50 135	0.48 147	0.19 100	0.31 133	0.60 155	0.65 154	0.70 160	0.49 95

GES	0.40 98	0.37 123	0.25 91	0.31 89	0.30 113	0.41 131	0.26 110	0.46 75	0.28 106	0.49 105	0.40 103	0.43 63	0.26 92	0.30 144	0.45 137	0.40 133	0.53 153	0.43 146	0.97 166	0.42 140	0.50 135	0.41 111	0.23 120	0.30 124	0.38 65	0.35 68	0.47 81	0.49 95

SACVNet	0.46 135	0.42 147	0.38 141	0.44 143	0.41 147	0.40 124	0.43 152	0.52 129	0.47 165	0.52 129	0.45 126	0.45 73	0.25 88	0.32 155	0.44 135	0.40 133	0.50 136	0.45 157	0.63 121	0.48 168	0.51 138	0.43 120	0.29 147	0.34 145	0.64 165	0.58 137	0.62 143	0.61 126

TRStereo	0.46 135	0.42 147	0.77 208	0.38 123	0.24 73	0.79 192	0.37 138	0.50 103	0.23 62	0.51 120	0.33 66	0.67 155	0.14 22	0.19 68	0.34 90	0.41 142	0.48 119	0.35 89	0.55 101	0.36 113	0.51 138	0.46 135	0.13 43	0.19 57	0.57 145	0.62 148	1.22 212	0.79 156

s12784h	0.39 96	0.35 115	0.25 91	0.46 147	0.29 108	0.25 65	0.18 77	0.49 96	0.22 57	0.51 120	0.34 70	0.62 146	0.32 124	0.21 92	0.27 42	0.28 39	0.48 119	0.29 47	0.52 92	0.23 47	0.51 138	0.30 56	0.15 62	0.23 80	0.51 124	0.52 123	0.70 160	1.14 182

R-Stereo Train	0.40 98	0.28 71	0.29 104	0.33 99	0.27 94	0.37 114	0.14 46	0.51 115	0.25 77	0.54 142	0.42 115	0.56 119	0.26 92	0.21 92	0.34 90	0.41 142	0.52 148	0.38 111	0.70 129	0.37 117	0.51 138	0.48 147	0.17 79	0.28 117	0.54 134	0.65 154	0.46 77	0.62 128

RAFT-Stereo	0.40 98	0.28 71	0.29 104	0.33 99	0.27 94	0.37 114	0.14 46	0.51 115	0.25 77	0.54 142	0.42 115	0.56 119	0.26 92	0.21 92	0.34 90	0.41 142	0.52 148	0.38 111	0.70 129	0.37 117	0.51 138	0.48 147	0.17 79	0.28 117	0.54 134	0.65 154	0.46 77	0.62 128
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MSKI-zero shot	0.46 135	0.28 71	0.20 54	0.31 89	0.27 94	0.33 96	0.24 104	0.56 149	0.24 68	0.53 135	0.40 103	0.55 115	0.21 61	0.19 68	0.33 80	0.42 149	0.51 140	0.36 94	1.37 187	0.41 134	0.52 143	0.47 143	0.16 71	0.23 80	0.49 115	1.13 212	0.80 177	0.78 154

LoS	0.41 111	0.33 111	0.21 61	0.28 79	0.31 117	0.27 74	0.16 65	1.20 220	0.22 57	0.76 210	0.69 186	0.57 127	0.27 105	0.20 79	0.31 65	0.39 127	0.46 108	0.29 47	0.52 92	0.26 65	0.52 143	0.37 93	0.17 79	0.18 44	0.59 151	0.47 106	0.48 85	0.58 122

test-1	0.45 129	0.24 43	0.22 72	0.28 79	0.29 108	0.50 155	0.29 120	0.58 160	0.32 126	0.55 157	0.41 106	0.58 132	0.30 116	0.20 79	0.39 108	0.39 127	0.50 136	0.40 130	1.04 172	0.38 123	0.52 143	0.63 194	0.17 79	0.32 140	0.60 155	0.69 165	0.58 131	0.89 171

TestStereo	0.35 81	0.33 111	0.28 101	0.33 99	0.23 66	0.34 107	0.22 92	0.54 140	0.24 68	0.64 194	0.28 55	0.53 106	0.21 61	0.18 56	0.30 55	0.25 25	0.44 89	0.27 34	0.58 113	0.27 70	0.52 143	0.32 73	0.18 94	0.26 110	0.41 80	0.33 55	0.50 102	0.43 73

Any-RAFT	0.43 120	0.27 66	0.51 174	0.37 119	0.28 104	0.31 88	0.21 87	0.50 103	0.26 89	0.48 98	0.54 158	0.57 127	0.19 51	0.19 68	0.33 80	0.37 115	0.49 125	0.34 78	0.83 145	0.33 104	0.53 147	0.42 115	0.17 79	0.23 80	0.70 175	0.84 184	0.50 102	0.89 171

sAnonymous2	0.40 98	0.28 71	0.24 83	0.25 62	0.23 66	0.32 92	0.22 92	0.56 149	0.30 119	0.41 47	0.38 92	0.39 53	0.29 112	0.18 56	0.46 140	0.50 177	0.53 153	0.49 169	0.80 142	0.42 140	0.53 147	0.56 178	0.19 100	0.25 100	0.50 121	0.52 123	0.51 108	0.56 117

CroCo_RVC	0.40 98	0.28 71	0.24 83	0.25 62	0.23 66	0.32 92	0.22 92	0.56 149	0.30 119	0.41 47	0.38 92	0.39 53	0.29 112	0.18 56	0.46 140	0.50 177	0.53 153	0.49 169	0.80 142	0.42 140	0.53 147	0.56 178	0.19 100	0.25 100	0.50 121	0.52 123	0.51 108	0.56 117

XPNet_ROB	0.55 159	0.57 182	0.42 154	0.41 136	0.44 152	0.49 152	0.43 152	0.40 54	0.47 165	0.48 98	0.57 166	1.88 203	0.36 139	0.31 150	0.52 162	0.43 151	0.65 185	0.43 146	0.60 117	0.39 127	0.53 147	0.66 199	0.34 155	0.38 159	0.49 115	0.53 127	0.96 192	0.64 135

PSMNet-ADL	0.56 161	0.47 161	0.47 164	0.52 160	0.48 162	0.51 160	0.47 157	0.58 160	0.46 164	0.64 194	0.68 185	0.77 168	0.81 188	0.39 173	0.51 158	0.46 159	0.53 153	0.41 138	1.18 180	0.50 175	0.54 151	0.45 128	0.39 170	0.35 147	0.56 143	0.67 160	0.85 186	0.50 97

RTSC	0.47 140	0.36 117	0.33 126	0.36 114	0.38 139	0.41 131	0.35 134	0.50 103	0.48 167	0.44 69	0.60 173	0.42 62	0.38 151	0.29 142	0.64 186	0.45 157	0.62 179	0.41 138	0.83 145	0.36 113	0.54 151	0.49 154	0.23 120	0.38 159	0.47 99	0.50 114	0.60 139	0.91 173

MSMDNet	0.42 115	0.32 102	0.21 61	0.27 74	0.26 87	0.37 114	0.23 100	0.51 115	0.25 77	0.52 129	0.42 115	0.54 109	0.21 61	0.20 79	0.39 108	0.52 186	0.51 140	0.38 111	1.02 171	0.59 189	0.54 151	0.53 172	0.17 79	0.23 80	0.53 131	0.46 103	0.59 134	0.63 133

MDST_ROB	1.62 217	1.46 221	0.53 178	2.47 229	0.96 214	1.72 222	0.73 197	0.72 189	0.54 175	0.59 181	0.42 115	1.08 182	11.90 254	0.28 138	0.49 150	0.37 115	0.51 140	0.36 94	0.72 132	0.41 134	0.54 151	0.36 91	0.38 164	0.47 178	3.20 252	1.82 236	8.20 260	2.54 233

RAFT-Test	0.43 120	0.31 93	0.21 61	0.37 119	0.26 87	0.35 109	0.22 92	0.53 137	0.24 68	0.53 135	0.46 131	0.54 109	0.22 69	0.20 79	0.37 103	0.51 182	0.51 140	0.37 105	1.04 172	0.48 168	0.55 155	0.50 159	0.16 71	0.23 80	0.56 143	0.51 121	0.62 143	0.65 139

GEStereo_RVC	0.47 140	0.41 144	0.31 117	0.39 128	0.37 137	0.42 133	0.33 130	0.52 129	0.32 126	0.50 110	0.41 106	0.59 140	0.38 151	0.27 135	0.54 166	0.50 177	0.60 174	0.56 194	0.90 156	0.46 163	0.55 155	0.47 143	0.24 124	0.38 159	0.49 115	0.47 106	0.50 102	0.80 161

SGM-ForestM	1.56 215	1.80 227	0.59 190	1.74 220	0.86 207	1.83 223	1.08 213	1.28 224	0.81 200	0.56 165	0.74 193	5.35 238	3.72 233	0.41 178	0.47 144	0.37 115	0.59 172	0.44 152	5.02 231	0.43 147	0.55 155	0.39 100	0.39 170	0.50 181	2.80 247	1.97 238	4.37 256	3.15 238

IGEV_Zeroshot_test	0.50 150	0.33 111	0.81 211	0.76 188	0.36 133	0.38 118	0.47 157	0.58 160	0.27 97	0.53 135	0.55 160	0.60 144	0.18 45	0.22 97	0.34 90	0.47 166	0.50 136	0.34 78	0.92 158	0.43 147	0.56 158	0.50 159	0.15 62	0.24 90	0.80 194	0.68 161	0.69 155	0.77 152

dad	0.61 170	0.45 155	0.30 107	1.01 206	0.46 160	0.63 178	1.26 218	1.15 218	0.27 97	0.79 214	0.32 63	0.76 167	0.53 172	0.21 92	0.42 128	0.36 109	0.66 187	0.34 78	1.27 185	0.31 94	0.56 158	0.30 56	0.22 113	0.36 151	0.59 151	0.39 88	1.70 227	0.97 175

DAS	0.61 170	0.42 147	0.30 107	0.62 173	0.48 162	0.54 166	0.48 162	0.59 167	0.67 185	0.45 73	0.73 189	1.19 187	0.62 178	0.25 125	0.54 166	0.46 159	0.71 198	0.51 176	0.96 163	0.66 199	0.56 158	0.63 194	0.41 179	0.62 199	0.71 179	0.72 167	0.82 179	0.79 156

SepStereo	0.61 170	0.42 147	0.30 107	0.62 173	0.48 162	0.54 166	0.48 162	0.59 167	0.67 185	0.45 73	0.73 189	1.19 187	0.62 178	0.25 125	0.54 166	0.46 159	0.71 198	0.51 176	0.96 163	0.66 199	0.56 158	0.63 194	0.41 179	0.62 199	0.71 179	0.72 167	0.82 179	0.79 156

cross-raft	0.42 115	0.32 102	0.22 72	0.32 96	0.26 87	0.32 92	0.19 81	0.54 140	0.27 97	0.55 157	0.39 101	0.58 132	0.20 56	0.20 79	0.36 101	0.48 171	0.51 140	0.37 105	1.06 176	0.44 155	0.56 158	0.59 184	0.14 51	0.25 100	0.57 145	0.54 128	0.59 134	0.59 124

NCCL2	0.49 146	0.47 161	0.48 167	0.40 132	0.38 139	0.38 118	0.33 130	0.55 145	0.44 158	0.58 178	0.47 134	0.53 106	0.36 139	0.28 138	0.57 173	0.47 166	0.49 125	0.45 157	0.57 111	0.44 155	0.56 158	0.54 175	0.34 155	0.45 176	0.70 175	0.72 167	0.61 142	0.81 163

CBMV_ROB	0.94 195	0.44 153	0.50 172	0.88 198	0.71 195	0.65 182	0.52 173	0.70 185	0.38 145	0.55 157	0.45 126	6.22 248	2.33 225	0.51 193	0.50 154	0.43 151	0.61 177	0.46 161	1.38 189	0.94 220	0.56 158	0.46 135	0.41 179	0.48 179	0.81 197	1.01 206	1.28 213	1.19 185

SGM_RVC	1.34 210	1.03 215	0.59 190	1.32 215	0.94 212	1.23 213	0.85 202	0.94 206	0.78 198	0.61 186	0.75 196	2.55 214	1.51 212	0.36 166	0.49 150	0.37 115	0.56 167	0.43 146	4.91 230	0.45 158	0.56 158	0.37 93	0.37 162	0.56 190	1.41 223	1.19 216	3.13 251	8.03 256
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ACVNet-4b	1.66 219	2.40 233	1.10 226	2.76 235	2.09 235	3.09 237	3.08 241	1.03 212	0.99 214	1.10 233	0.61 175	2.97 223	1.00 200	2.77 241	0.73 198	0.66 211	1.26 228	0.73 216	4.74 228	1.07 227	0.57 166	0.49 154	3.77 244	0.67 205	1.06 212	0.96 198	1.18 210	1.85 215

CASS	0.48 144	0.37 123	0.33 126	0.45 144	0.38 139	0.47 148	0.33 130	0.60 172	0.38 145	0.62 189	0.50 144	0.56 119	0.38 151	0.22 97	0.43 130	0.37 115	0.64 183	0.39 122	0.94 161	0.39 127	0.57 166	0.51 167	0.27 135	0.26 110	0.63 163	0.56 133	0.68 154	0.81 163
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DeepPruner_ROB	0.43 120	0.36 117	0.37 140	0.38 123	0.39 143	0.37 114	0.26 110	0.45 67	0.36 142	0.50 110	0.53 155	0.47 85	0.40 155	0.23 112	0.56 172	0.38 122	0.48 119	0.44 152	0.51 90	0.35 111	0.57 166	0.45 128	0.27 135	0.32 140	0.47 99	0.68 161	0.52 118	0.45 77

FADNet_RVC	0.59 167	0.48 168	0.39 146	0.65 177	0.45 158	0.40 124	0.35 134	0.61 173	0.42 154	0.62 189	0.60 173	0.94 177	0.78 187	0.38 170	0.79 204	0.38 122	0.60 174	0.55 192	1.68 194	0.51 178	0.58 169	0.72 208	0.28 141	0.42 169	0.50 121	0.68 161	0.51 108	0.69 147

ccs_rob	0.82 186	0.59 184	0.42 154	0.73 185	0.49 166	0.73 187	0.68 191	0.58 160	0.39 150	0.56 165	4.12 257	3.54 232	0.96 196	0.43 181	0.62 182	0.51 182	0.53 153	0.48 164	0.78 139	0.54 182	0.58 169	0.53 172	0.39 170	0.37 157	0.54 134	0.58 137	0.55 124	0.78 154

CSAN	0.70 178	0.70 198	0.60 195	0.68 179	0.61 189	0.58 174	0.48 162	0.77 198	0.73 192	0.79 214	0.57 166	1.34 197	1.03 201	0.35 161	0.58 176	0.45 157	0.57 169	0.53 185	0.74 135	0.60 192	0.58 169	0.51 167	0.44 186	0.61 196	0.77 188	1.10 210	0.88 189	1.19 185

otaku	1.67 220	2.58 239	0.90 219	2.93 237	2.07 232	3.14 239	2.73 232	0.88 204	0.84 204	1.00 223	0.66 184	2.38 211	0.95 195	2.39 233	0.67 189	0.52 186	0.79 207	0.62 203	8.04 248	0.90 218	0.59 172	0.53 172	3.56 242	0.62 199	0.95 205	0.96 198	1.19 211	1.74 208

SFCPSM	0.82 186	0.59 184	0.46 162	0.60 172	0.53 178	0.60 176	0.51 168	0.66 178	0.62 181	0.55 157	0.81 206	1.44 198	2.03 221	0.37 169	0.55 171	0.48 171	0.55 164	0.48 164	4.41 225	0.83 212	0.59 172	0.58 183	0.45 187	0.38 159	0.70 175	0.74 173	0.69 155	0.99 177

FCDSN-DC	0.52 157	0.52 173	0.51 174	0.53 163	0.50 168	0.50 155	0.52 173	0.56 149	0.36 142	0.61 186	0.36 81	0.48 87	0.34 129	0.47 187	0.63 184	0.57 196	0.65 185	0.62 203	0.54 99	0.48 168	0.59 172	0.50 159	0.38 164	0.62 199	0.53 131	0.55 130	0.51 108	0.54 110
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ADCL	0.56 161	0.50 171	0.39 146	0.42 140	0.36 133	0.51 160	0.55 181	0.58 160	1.58 233	0.56 165	0.64 182	0.62 146	0.37 146	0.33 157	0.41 121	0.39 127	0.48 119	0.40 130	0.73 134	0.38 123	0.59 172	0.52 171	0.34 155	0.35 147	0.63 163	0.68 161	0.57 129	1.34 194

Ntro	1.72 222	2.71 242	0.98 222	3.00 239	2.17 237	3.23 240	2.98 236	0.96 207	0.92 208	1.04 230	0.76 200	2.47 213	0.76 185	2.51 235	0.68 191	0.53 189	0.83 214	0.65 206	8.03 247	0.98 222	0.60 176	0.54 175	3.62 243	0.61 196	1.02 210	1.23 217	1.17 206	1.58 203

GLC_STEREO	0.36 86	0.31 93	0.29 104	0.31 89	0.27 94	0.30 83	0.23 100	0.49 96	0.22 57	0.54 142	0.43 123	0.48 87	0.21 61	0.22 97	0.29 53	0.31 76	0.54 162	0.33 73	0.47 82	0.30 87	0.60 176	0.46 135	0.18 94	0.24 90	0.39 71	0.28 36	0.57 129	0.42 70

FBW_ROB	0.91 193	0.96 212	0.70 205	1.45 218	0.89 210	1.09 210	0.86 204	0.66 178	0.53 173	0.56 165	0.61 175	1.19 187	0.77 186	0.79 216	0.63 184	0.43 151	0.70 196	0.52 183	4.11 224	0.43 147	0.60 176	0.46 135	0.95 222	0.94 226	0.75 185	0.85 186	0.85 186	1.31 192

LALA_ROB	0.65 175	0.64 192	0.51 174	0.50 156	0.50 168	0.65 182	0.51 168	0.54 140	0.65 184	0.55 157	0.75 196	2.33 210	0.45 162	0.38 170	0.71 196	0.47 166	0.67 191	0.57 196	0.66 127	0.49 174	0.60 176	0.62 192	0.38 164	0.43 172	0.54 134	0.71 166	0.95 191	0.80 161

DLNR_Zeroshot_test	15.27 265	56.75 275	0.73 207	77.82 275	0.28 104	0.40 124	71.42 275	0.57 156	0.22 57	0.55 157	0.36 81	0.58 132	0.18 45	4.39 263	79.54 275	81.74 275	15.51 266	11.63 262	5.39 233	0.34 107	0.61 180	0.49 154	0.15 62	0.29 120	0.59 151	0.50 114	0.69 155	0.64 135

ETE_ROB	0.66 177	0.65 193	0.42 154	0.54 165	0.51 170	0.66 184	0.47 157	0.51 115	0.58 178	0.52 129	0.75 196	2.41 212	0.44 160	0.40 175	0.61 179	0.48 171	0.70 196	0.50 172	0.72 132	0.50 175	0.62 181	0.61 190	0.39 170	0.44 175	0.60 155	0.72 167	1.17 206	0.85 169

HH	0.43 120	0.21 32	0.55 182	0.33 99	0.26 87	0.40 124	0.29 120	0.52 129	0.27 97	0.54 142	0.26 49	0.57 127	0.17 38	0.22 97	0.33 80	0.46 159	0.49 125	0.40 130	0.92 158	0.42 140	0.63 182	0.49 154	0.17 79	0.25 100	0.47 99	0.60 144	0.64 148	0.82 166

HanStereo	0.43 120	0.21 32	0.55 182	0.33 99	0.26 87	0.40 124	0.29 120	0.52 129	0.27 97	0.54 142	0.26 49	0.57 127	0.17 38	0.22 97	0.33 80	0.46 159	0.49 125	0.40 130	0.92 158	0.42 140	0.63 182	0.49 154	0.17 79	0.25 100	0.47 99	0.60 144	0.64 148	0.82 166

RTS	0.77 183	0.45 155	0.41 150	0.46 147	0.44 152	0.77 190	0.53 178	0.66 178	0.73 192	0.42 56	0.51 147	0.86 171	0.50 169	0.35 161	0.68 191	0.57 196	0.82 211	0.51 176	1.59 191	0.64 197	0.63 182	0.60 187	0.36 160	0.50 181	0.80 194	3.82 255	0.83 181	1.23 190

RTSA	0.77 183	0.45 155	0.41 150	0.46 147	0.44 152	0.77 190	0.53 178	0.66 178	0.73 192	0.42 56	0.51 147	0.86 171	0.50 169	0.35 161	0.68 191	0.57 196	0.82 211	0.51 176	1.59 191	0.64 197	0.63 182	0.60 187	0.36 160	0.50 181	0.80 194	3.82 255	0.83 181	1.23 190

GANetREF_RVC	0.61 170	0.56 180	0.58 187	0.56 169	0.52 176	0.55 168	0.52 173	0.85 201	0.63 182	0.78 212	0.44 125	1.00 180	0.63 180	0.34 159	0.62 182	0.44 155	0.53 153	0.51 176	0.85 150	0.51 178	0.63 182	0.48 147	0.48 189	0.59 193	0.71 179	0.65 154	0.81 178	0.79 156
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
FC-DCNN	0.63 174	0.69 197	0.64 197	0.98 204	0.65 191	0.89 199	0.65 188	0.76 196	0.40 153	0.72 207	0.41 106	0.80 169	0.35 135	0.51 193	0.59 177	0.56 191	0.67 191	0.56 194	0.62 118	0.50 175	0.63 182	0.50 159	0.39 170	0.59 193	0.77 188	0.65 154	0.78 175	0.83 168

NOSS_ROB	0.54 158	0.48 168	0.44 161	0.55 168	0.51 170	0.51 160	0.47 157	0.68 182	0.39 150	0.52 129	0.41 106	0.49 91	0.36 139	0.53 197	0.66 187	0.56 191	0.61 177	0.54 187	0.57 111	0.47 167	0.64 188	0.50 159	0.39 170	0.51 185	0.70 175	0.65 154	0.83 181	0.67 142

EKT-Stereo	0.47 140	0.38 132	0.27 98	0.50 156	0.33 126	0.49 152	0.51 168	0.51 115	0.23 62	0.50 110	0.41 106	0.56 119	0.24 79	0.22 97	0.43 130	0.51 182	0.54 162	0.52 183	0.89 155	0.40 131	0.65 189	0.56 178	0.17 79	0.25 100	0.72 182	0.63 151	0.64 148	0.56 117

HBP-ISP	0.60 169	0.53 177	0.58 187	0.79 192	0.57 184	0.61 177	0.52 173	0.70 185	0.38 145	0.62 189	0.51 147	0.67 155	0.31 121	0.60 205	0.68 191	0.66 211	0.57 169	0.48 164	0.52 92	0.48 168	0.65 189	0.65 198	0.38 164	0.52 186	0.68 171	0.77 178	1.06 200	0.73 151

S-Stereo	0.99 196	0.65 193	0.59 190	0.94 201	0.92 211	1.08 209	1.25 217	0.74 192	0.82 201	0.66 200	2.61 251	2.64 216	0.91 192	0.56 200	0.94 219	0.72 217	0.68 194	0.83 226	1.50 190	0.83 212	0.65 189	0.69 204	1.07 225	0.81 217	0.67 167	0.77 178	0.78 175	1.55 202

CES	0.33 71	0.19 20	0.19 52	0.19 31	0.21 55	0.20 35	0.09 12	0.85 201	0.18 27	0.42 56	0.55 160	0.49 91	0.16 31	0.20 79	0.31 65	0.37 115	0.47 112	0.28 39	0.41 61	0.24 56	0.66 192	0.35 85	0.17 79	0.18 44	0.42 85	0.33 55	0.42 71	0.50 97

SHD	0.65 175	0.44 153	0.55 182	0.57 171	0.55 182	0.50 155	0.48 162	0.74 192	0.69 189	0.63 193	0.65 183	0.68 159	0.97 197	0.42 180	0.81 208	0.57 196	0.69 195	0.50 172	1.20 183	0.56 187	0.66 192	0.68 201	0.39 170	0.52 186	0.68 171	0.78 181	0.70 160	1.03 180

MFN_U_SF_DS_RVC	0.84 188	0.70 198	0.52 177	0.96 203	0.67 194	0.87 198	0.76 199	1.02 211	0.93 209	0.78 212	0.62 180	1.32 196	0.98 198	0.64 211	0.78 203	0.52 186	0.51 140	0.45 157	1.73 198	0.46 163	0.67 194	0.70 205	0.61 205	0.56 190	1.11 215	1.24 219	0.99 197	1.46 198

LE_ROB	11.92 263	1.06 216	1.26 232	4.81 258	43.47 273	6.01 262	35.61 271	7.74 265	6.23 259	0.58 178	3.83 256	32.58 270	46.83 271	0.27 135	0.44 135	0.32 85	0.53 153	0.43 146	23.28 264	0.75 207	0.67 194	0.51 167	0.56 200	8.03 264	23.19 266	17.00 265	20.55 266	35.43 270

CBMV	0.71 179	0.52 173	0.47 164	0.62 173	0.52 176	0.56 170	0.41 150	0.70 185	0.63 182	0.61 186	0.39 101	1.30 195	0.47 163	0.46 186	0.72 197	0.62 204	0.62 179	0.54 187	0.79 140	0.48 168	0.67 194	0.50 159	0.40 178	0.71 208	0.79 191	0.75 174	1.53 222	2.47 229
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
sCroCo_RVC	0.40 98	0.30 85	0.24 83	0.24 58	0.22 62	0.29 81	0.18 77	0.50 103	0.32 126	0.44 69	0.33 66	0.37 49	0.37 146	0.17 47	0.45 137	0.60 202	0.55 164	0.47 163	0.64 126	0.39 127	0.68 197	0.62 192	0.22 113	0.31 133	0.48 109	0.44 98	0.58 131	0.48 92

FAT-Stereo	0.88 192	0.59 184	0.88 216	0.89 199	1.07 219	0.84 197	0.66 189	0.82 199	0.58 178	0.67 202	1.67 242	2.16 209	0.93 194	0.54 198	0.86 214	0.62 204	0.66 187	0.71 214	1.29 186	0.80 210	0.68 197	0.57 181	0.57 201	0.68 206	0.67 167	0.84 184	0.83 181	1.54 201

XQC	0.74 181	0.75 200	0.58 187	0.77 190	0.74 197	0.79 192	0.72 196	0.86 203	0.77 196	0.73 208	0.57 166	0.86 171	0.81 188	0.60 205	0.79 204	0.58 200	0.63 181	0.53 185	1.04 172	0.59 189	0.68 197	0.70 205	0.52 194	0.57 192	0.90 201	1.03 208	1.04 198	0.77 152

SANet	1.13 205	0.67 196	0.77 208	0.78 191	0.74 197	0.93 204	0.62 186	1.30 225	1.22 221	0.60 183	0.96 215	5.83 244	2.57 227	0.63 210	0.77 202	0.49 175	0.79 207	0.67 210	1.08 178	0.60 192	0.68 197	0.74 211	0.78 213	0.79 216	1.05 211	1.23 217	1.17 206	2.15 221

Anonymous	0.45 129	0.34 114	0.31 117	0.30 88	0.30 113	0.33 96	0.20 85	0.52 129	0.32 126	0.39 42	0.36 81	0.45 73	0.36 139	0.17 47	0.48 148	0.59 201	0.59 172	0.51 176	1.26 184	0.43 147	0.70 201	0.55 177	0.22 113	0.27 116	0.52 127	0.50 114	0.62 143	0.55 112

MaskLacGwcNet_RVC	5.03 251	0.51 172	0.68 204	0.72 183	0.57 184	0.64 181	0.77 201	0.61 173	0.48 167	0.53 135	1.02 219	115.67 275	1.14 202	0.84 218	0.57 173	0.49 175	0.71 198	0.66 207	2.72 211	0.55 185	0.72 202	0.68 201	0.41 179	0.42 169	0.75 185	0.81 183	0.72 165	1.51 200

edge stereo	1.12 203	0.82 206	1.07 225	1.15 208	1.06 218	1.25 214	1.10 214	1.12 215	0.83 202	0.65 199	1.43 233	3.44 230	1.41 209	0.68 213	0.74 199	0.69 215	0.81 210	0.62 203	2.86 213	0.74 204	0.73 203	0.75 212	0.74 211	0.66 204	0.95 205	0.88 188	1.16 205	2.01 217

STStereo	2.66 239	1.83 228	1.92 245	2.87 236	2.02 231	2.68 230	1.85 226	3.30 257	1.63 235	0.82 216	5.71 259	8.58 258	10.17 252	0.52 196	0.67 189	0.43 151	0.63 181	0.46 161	11.73 252	0.68 201	0.73 203	0.66 199	0.49 192	0.98 228	2.33 240	1.79 235	2.66 244	3.63 243

RainbowNet	1.68 221	2.49 234	1.41 234	2.98 238	2.30 239	3.12 238	2.99 238	1.00 209	0.77 196	1.29 241	0.74 193	2.63 215	1.68 215	2.76 240	1.03 223	0.77 220	1.07 223	0.76 218	2.86 213	1.15 229	0.74 205	0.59 184	3.90 245	0.77 211	1.10 214	1.16 213	1.31 217	2.07 219

DDUNet	1.05 197	1.89 229	0.53 178	2.36 227	2.10 236	2.19 225	2.32 227	0.54 140	0.68 187	0.48 98	0.80 203	1.20 191	0.24 79	2.51 235	0.69 195	0.55 190	0.83 214	0.49 169	1.68 194	0.57 188	0.75 206	0.64 197	1.31 232	0.39 163	0.57 145	0.59 140	0.69 155	0.67 142

UDG	1.07 199	1.95 230	0.54 180	2.29 225	2.24 238	2.00 224	2.51 229	0.59 167	0.72 191	0.59 181	0.83 208	1.14 186	0.31 121	2.36 232	0.66 187	0.50 177	0.89 217	0.61 202	1.81 200	0.61 195	0.78 207	0.70 205	1.26 231	0.43 172	0.61 159	0.64 152	0.69 155	0.64 135

PWC_ROB	0.76 182	0.54 179	0.66 203	0.47 150	0.56 183	0.52 164	0.70 194	0.65 176	1.26 223	0.47 94	0.75 196	0.74 164	2.10 224	0.40 175	0.79 204	0.51 182	0.83 214	0.60 200	1.37 187	0.68 201	0.78 207	0.68 201	0.35 158	0.65 203	0.60 155	0.59 140	0.76 171	1.59 206

ADCMid	0.80 185	0.59 184	0.57 186	0.53 163	0.59 186	0.75 188	0.76 199	0.93 205	1.21 220	0.54 142	0.80 203	0.99 178	0.98 198	0.44 183	0.84 212	0.60 202	0.74 202	0.55 192	1.72 197	0.55 185	0.79 209	0.81 216	0.60 204	0.50 181	0.79 191	0.90 193	0.71 163	1.76 211

ADCPNet	0.84 188	0.59 184	0.55 182	0.63 176	0.73 196	0.63 178	0.74 198	0.75 195	0.84 204	0.64 194	0.79 202	0.73 163	1.44 210	0.50 191	0.74 199	0.65 209	0.71 198	0.54 187	1.84 201	0.71 203	0.79 209	0.78 213	0.53 196	0.60 195	0.93 204	1.31 222	0.83 181	2.11 220

Anonymous3	0.56 161	0.45 155	0.31 117	0.31 89	0.33 126	0.46 143	0.37 138	0.57 156	0.51 170	0.56 165	0.38 92	1.04 181	0.36 139	0.26 132	0.76 201	0.69 215	0.66 187	0.58 198	1.04 172	0.51 178	0.81 211	0.97 223	0.26 131	0.29 120	0.59 151	0.62 148	0.76 171	0.56 117

ACVNet_1	1.85 226	2.91 247	1.43 236	3.48 246	2.62 248	3.35 245	3.34 243	1.17 219	0.93 209	1.03 227	0.87 209	2.83 221	1.40 208	2.82 244	0.83 210	0.56 191	1.32 233	0.81 223	6.24 237	1.02 224	0.83 212	0.72 208	4.04 248	0.78 214	1.22 219	0.99 205	0.97 193	1.37 196

MSC_U_SF_DS_RVC	1.08 201	1.02 213	0.89 218	1.25 212	0.83 205	0.90 201	1.07 212	1.23 222	1.56 231	1.03 227	0.76 200	1.19 187	0.86 191	0.98 223	0.98 221	0.74 218	0.64 183	0.72 215	3.50 217	0.86 216	0.85 213	0.98 226	0.82 217	0.89 222	1.20 218	0.93 196	0.86 188	1.68 207

G-Net	1.20 209	0.75 200	0.97 221	0.67 178	0.65 191	0.92 203	0.60 185	1.00 209	1.35 226	0.74 209	1.47 236	5.51 241	0.92 193	0.44 183	0.83 210	0.84 224	0.76 205	0.66 207	1.97 204	1.52 243	0.85 213	0.87 218	0.54 198	0.70 207	0.86 200	1.24 219	1.82 230	2.89 236

ACVNet_2	2.32 237	2.71 242	1.69 242	3.41 245	2.53 246	3.05 236	3.01 239	1.38 230	1.11 215	1.11 234	0.96 215	2.71 218	1.91 219	2.55 239	0.95 220	0.76 219	1.77 243	0.76 218	16.37 259	1.21 233	0.87 215	0.72 208	3.93 247	1.11 236	1.70 230	1.17 214	1.50 220	1.83 214

MFN_U_SF_RVC	1.10 202	0.86 207	0.65 201	0.98 204	0.79 201	1.12 211	1.03 211	1.10 214	0.83 202	1.09 232	1.61 241	1.55 200	1.22 206	0.86 220	1.16 237	0.66 211	0.60 174	0.60 200	4.87 229	0.76 208	0.88 216	0.90 221	0.53 196	0.82 218	0.98 207	0.92 194	0.98 195	1.32 193

MANE	4.47 249	1.62 225	3.30 259	2.34 226	1.90 230	2.28 226	1.66 225	2.83 254	3.11 252	0.83 217	1.12 225	7.77 255	8.15 248	0.56 200	0.79 204	0.87 225	0.82 211	13.62 264	5.80 234	0.59 189	0.94 217	0.60 187	0.48 189	0.91 224	7.29 259	9.34 261	14.90 264	26.25 266

pmcnn	0.86 191	0.56 180	0.38 141	0.70 181	0.60 188	0.81 195	0.62 186	0.63 175	0.44 158	0.49 105	0.81 206	1.86 202	2.35 226	0.23 112	0.54 166	0.64 208	0.74 202	0.54 187	2.20 207	0.60 192	0.94 217	0.57 181	0.51 193	0.53 189	0.78 190	0.75 174	1.48 219	2.01 217

Dean	2.18 233	3.00 252	1.41 234	3.65 247	3.00 253	3.31 242	3.34 243	1.62 239	1.76 237	1.34 244	1.15 227	3.10 225	3.59 231	2.78 242	1.12 233	0.88 226	1.64 240	1.06 238	3.90 223	1.55 245	0.98 219	0.82 217	4.20 250	1.27 240	2.36 243	1.90 237	2.17 237	1.95 216

AnyNet_C32	0.85 190	0.47 161	0.49 171	0.50 156	0.51 170	0.63 178	0.58 183	0.74 192	1.45 228	0.60 183	0.80 203	0.74 164	0.50 169	0.49 188	0.82 209	0.68 214	0.75 204	0.68 211	1.18 180	0.54 182	0.98 219	0.88 219	0.48 189	0.61 196	0.74 184	0.98 202	0.71 163	4.30 247

WAO-7	1.75 224	1.50 224	1.58 238	2.10 223	1.51 225	1.41 217	1.46 222	1.80 244	2.17 245	1.51 248	3.52 254	3.39 229	4.26 236	1.05 227	1.44 247	1.11 238	1.19 227	0.94 229	3.26 215	1.24 235	0.99 221	1.06 233	0.61 205	1.41 245	1.44 224	1.56 230	1.47 218	2.35 225

AMNet	0.92 194	0.91 209	0.88 216	0.91 200	0.95 213	0.96 205	0.87 206	0.71 188	0.88 206	0.90 220	0.98 218	0.99 178	0.64 181	0.95 222	0.89 217	1.00 235	1.06 220	0.97 233	0.96 163	0.97 221	1.02 222	0.97 223	0.52 194	0.91 224	0.91 202	0.98 202	1.06 200	1.14 182

PVD	1.07 199	0.87 208	0.87 215	0.94 201	0.87 209	1.00 207	0.85 202	1.55 237	1.56 231	0.60 183	0.93 213	1.21 192	1.66 214	0.79 216	0.88 215	0.77 220	1.06 220	0.78 221	1.74 199	0.84 214	1.05 223	1.08 236	0.65 207	0.76 210	1.19 217	1.45 228	1.30 215	1.77 212

PSMNet_ROB	1.96 228	2.74 244	1.24 229	2.52 230	1.79 229	3.39 248	2.92 235	1.22 221	1.19 218	1.32 243	1.42 232	2.74 220	3.87 234	2.53 238	1.17 238	0.79 222	1.30 230	0.85 227	5.35 232	1.19 230	1.06 224	0.97 223	4.07 249	1.12 238	1.56 228	1.42 226	1.57 223	1.58 203

IMH	2.38 238	2.57 238	1.64 241	3.03 242	2.50 245	3.36 246	3.51 247	1.45 234	1.91 241	1.03 227	1.08 221	3.49 231	8.04 247	3.63 250	1.13 236	0.90 229	1.63 238	0.99 234	4.48 226	1.36 239	1.08 225	0.96 222	4.57 253	1.11 236	2.03 234	1.61 231	1.79 228	3.48 242

IMH-64-1	2.14 231	2.52 235	1.62 239	3.01 240	2.45 241	3.32 243	3.49 245	1.41 231	1.89 239	1.00 223	1.09 222	3.32 227	4.52 238	3.28 248	1.18 239	0.90 229	1.59 236	0.94 229	3.67 218	1.33 236	1.12 226	1.00 228	4.55 251	1.06 232	2.07 235	1.40 223	1.68 225	2.36 226

IMH-64	2.14 231	2.52 235	1.62 239	3.01 240	2.45 241	3.32 243	3.49 245	1.41 231	1.89 239	1.00 223	1.09 222	3.32 227	4.52 238	3.28 248	1.18 239	0.90 229	1.59 236	0.94 229	3.67 218	1.33 236	1.12 226	1.00 228	4.55 251	1.06 232	2.07 235	1.40 223	1.68 225	2.36 226

ELAS	1.96 228	1.69 226	1.23 228	2.25 224	1.75 227	2.41 227	1.49 223	1.55 237	1.80 238	0.89 219	2.14 247	7.05 252	6.02 244	0.61 207	0.88 215	0.63 206	1.06 220	0.78 221	2.32 209	0.80 210	1.15 228	1.19 239	0.79 214	0.98 228	3.21 253	2.53 251	2.67 246	3.05 237
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
STTRV1_RVC	1.72 222	0.66 195	0.50 172	0.82 194	0.61 189	0.81 195	0.69 193	0.76 196	0.76 195	0.71 204	0.74 193	1.29 194	1.60 213	0.78 215	0.99 222	0.50 177	1.15 225	0.57 196	22.76 262	1.10 228	1.18 229	0.79 214	0.86 221	0.87 220	0.83 199	0.95 197	1.11 203	2.15 221

MFMNet_re	1.17 208	1.06 216	0.95 220	1.17 209	0.98 215	1.44 219	1.14 215	1.07 213	1.32 225	1.00 223	1.12 225	2.07 207	1.16 203	0.84 218	1.04 224	1.01 236	1.30 230	1.05 236	2.06 205	1.00 223	1.19 230	0.98 226	0.96 223	0.97 227	0.98 207	0.92 194	1.30 215	1.42 197

ELAS_RVC	1.92 227	1.47 222	1.24 229	2.08 222	1.53 226	3.37 247	1.51 224	1.46 235	1.11 215	0.91 221	2.26 248	6.93 250	6.00 243	0.61 207	0.85 213	0.63 206	1.07 223	0.81 223	2.14 206	0.85 215	1.19 230	1.19 239	0.81 216	1.04 231	3.02 249	2.05 240	2.69 247	2.88 235
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
LVE	2.29 236	2.69 241	1.56 237	4.79 257	2.63 249	3.26 241	3.58 248	1.30 225	1.38 227	1.61 250	1.27 229	2.94 222	3.52 230	2.79 243	1.07 230	0.88 226	1.50 235	1.09 239	6.15 236	1.42 240	1.24 232	1.14 237	3.90 245	1.43 247	2.52 246	1.66 232	2.05 235	2.34 224

DPSNet	1.63 218	0.63 191	0.62 196	0.87 197	0.82 204	1.02 208	0.59 184	0.68 182	0.90 207	0.45 73	0.50 144	5.87 245	2.58 228	0.29 142	1.06 227	1.04 237	1.03 219	0.91 228	13.68 257	0.88 217	1.24 232	0.89 220	1.13 226	1.02 230	1.25 221	1.42 226	1.17 206	1.35 195

SAMSARA	1.12 203	0.61 190	0.85 214	0.70 181	0.65 191	0.66 184	0.66 189	1.25 223	0.98 212	0.77 211	0.70 187	0.93 176	2.06 223	0.59 202	1.05 225	0.80 223	0.77 206	0.75 217	1.62 193	0.77 209	1.27 234	1.40 247	0.42 183	0.78 214	2.33 240	2.27 246	2.28 238	2.31 223

ADCS	1.05 197	0.75 200	0.64 197	0.73 185	0.75 199	0.80 194	0.68 191	0.98 208	1.58 233	0.62 189	0.89 210	1.13 185	1.68 215	0.59 202	1.06 227	1.18 242	1.01 218	0.82 225	1.89 202	0.93 219	1.30 235	1.26 243	0.59 203	0.77 211	0.99 209	2.08 241	1.04 198	1.74 208

WAO-8	2.81 240	2.84 245	1.93 246	4.63 254	2.49 243	3.42 249	2.87 233	1.88 246	3.27 254	1.37 245	1.46 234	4.92 236	7.73 245	3.64 251	1.31 242	1.16 240	1.83 244	1.15 243	6.68 241	2.14 252	1.34 236	1.05 231	2.87 239	1.34 242	3.29 254	2.12 242	2.43 241	4.61 249

WAO-6	1.99 230	2.09 231	1.24 229	2.53 231	2.08 234	2.68 230	2.63 231	1.44 233	1.93 242	1.37 245	1.15 227	3.11 226	4.32 237	2.51 235	1.45 248	1.18 242	1.76 242	1.09 239	2.63 210	1.34 238	1.34 236	1.26 243	2.43 237	1.33 241	2.19 238	1.97 238	1.94 234	2.72 234

TorneroNet	5.35 254	3.54 254	2.08 251	3.85 249	3.06 254	4.35 254	4.55 253	1.78 243	5.81 258	1.30 242	1.48 237	6.10 247	59.26 274	3.90 259	1.29 241	0.98 234	2.50 252	1.23 245	15.91 258	1.53 244	1.34 236	1.07 235	5.16 258	1.38 244	2.49 245	2.34 249	2.12 236	4.10 245

Venus	2.81 240	2.84 245	1.93 246	4.63 254	2.49 243	3.42 249	2.87 233	1.88 246	3.27 254	1.37 245	1.46 234	4.92 236	7.73 245	3.64 251	1.31 242	1.16 240	1.83 244	1.15 243	6.68 241	2.14 252	1.34 236	1.05 231	2.87 239	1.34 242	3.29 254	2.12 242	2.43 241	4.61 249

TorneroNet-64	4.00 247	3.59 255	1.93 246	4.36 253	2.95 251	4.26 252	4.58 255	1.71 241	6.44 260	1.23 240	1.09 222	5.61 243	25.81 262	3.97 260	1.34 245	0.95 232	2.58 253	1.26 246	11.84 253	1.51 242	1.36 240	1.04 230	4.94 257	1.42 246	2.25 239	2.47 250	1.83 231	5.55 254

DispFullNet	2.28 235	2.67 240	3.43 260	2.54 232	2.31 240	2.65 229	2.56 230	1.35 229	1.31 224	2.15 256	0.96 215	8.62 259	2.71 229	2.49 234	1.12 233	1.67 254	2.75 254	1.39 247	6.61 240	2.05 251	1.38 241	1.06 233	1.21 227	0.77 211	0.92 203	0.88 188	1.50 220	2.53 232

SGM+DAISY	1.58 216	1.14 219	1.05 224	1.38 216	1.25 221	1.44 219	1.32 219	1.30 225	1.12 217	1.11 234	1.28 230	2.72 219	2.00 220	1.04 226	1.09 231	1.13 239	1.27 229	1.05 236	7.90 246	1.19 230	1.40 242	1.27 245	1.25 230	1.08 234	1.24 220	1.08 209	1.86 232	1.77 212

MADNet+	1.35 213	0.92 211	1.11 227	1.21 210	1.04 217	0.96 205	1.37 221	1.50 236	1.20 219	1.08 231	1.06 220	1.64 201	1.82 218	0.98 223	1.52 249	1.31 248	1.87 246	1.00 235	1.93 203	1.21 233	1.55 243	1.17 238	0.98 224	1.56 249	1.52 227	1.17 214	1.29 214	2.50 231

SPS-STEREO	1.34 210	1.09 218	1.04 223	1.28 214	1.18 220	1.20 212	0.98 210	1.33 228	1.23 222	1.12 236	1.29 231	2.02 205	1.20 204	0.94 221	1.12 233	1.23 244	1.30 230	1.13 242	3.84 221	1.20 232	1.66 244	1.24 242	1.22 229	1.09 235	1.17 216	1.11 211	1.58 224	1.46 198
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
KSHMR	5.04 252	3.41 253	2.38 253	4.77 256	3.49 257	4.30 253	4.29 251	2.24 251	1.95 243	1.89 252	1.87 244	3.78 233	56.60 273	4.26 261	1.69 252	1.43 250	2.22 248	1.60 250	9.78 249	1.73 247	1.68 245	1.48 249	6.29 263	1.57 250	2.43 244	2.17 245	2.30 239	4.47 248

notaker	3.58 243	3.59 255	2.75 256	6.07 260	3.32 256	4.63 256	4.56 254	2.01 249	2.21 246	1.90 253	1.51 238	7.09 253	15.50 260	3.77 256	1.72 254	1.50 251	2.35 250	1.70 252	10.97 251	2.01 250	1.69 246	1.56 250	4.87 256	1.70 252	1.51 226	1.68 233	1.89 233	2.48 230

AnyNet_C01	1.16 207	0.79 204	0.64 197	0.76 188	0.81 203	0.76 189	0.90 209	1.12 215	1.53 230	0.71 204	0.94 214	2.04 206	1.68 215	0.64 211	1.10 232	1.41 249	1.40 234	1.43 248	2.29 208	1.03 225	1.70 247	1.29 246	0.80 215	0.82 218	1.08 213	0.97 201	0.98 195	1.74 208

BEATNet-Init1	11.87 262	15.78 266	1.38 233	34.17 271	2.55 247	31.72 272	9.59 264	2.52 253	2.49 248	0.96 222	2.28 249	18.81 264	32.29 266	0.54 198	1.70 253	0.88 226	0.80 209	0.66 207	61.61 275	16.09 268	1.78 248	1.44 248	0.75 212	1.12 238	14.82 263	2.79 252	37.47 272	23.61 264

ktn	4.83 250	2.95 250	2.02 250	3.73 248	2.99 252	3.77 251	4.53 252	1.75 242	2.92 251	2.10 255	1.52 239	11.18 262	36.94 268	3.71 253	2.06 256	1.82 255	2.47 251	1.99 253	18.72 260	1.98 249	1.88 249	1.74 252	4.75 254	1.91 254	2.11 237	2.29 247	2.70 248	3.98 244

PWCK	3.72 244	2.52 235	1.72 243	3.06 243	2.07 232	3.03 235	2.98 236	1.97 248	2.05 244	2.27 257	3.31 253	5.51 241	3.67 232	1.40 229	1.32 244	0.97 233	1.74 241	1.10 241	42.82 273	1.70 246	1.90 250	1.23 241	2.24 236	1.51 248	1.84 231	2.15 244	1.79 228	2.46 228

UNDER WATER-64	3.96 246	4.37 258	2.51 255	7.01 262	4.82 262	5.45 260	5.56 258	3.42 259	2.88 250	1.94 254	1.97 245	7.85 256	8.75 251	4.47 264	1.68 251	1.29 247	3.73 257	1.68 251	6.02 235	2.22 254	1.91 251	1.82 253	7.96 267	1.98 255	2.95 248	4.40 258	2.80 249	5.47 252

UNDER WATER	3.87 245	4.07 257	2.45 254	6.40 261	4.68 261	5.32 259	5.36 257	3.27 255	3.11 252	1.70 251	1.81 243	7.54 254	10.28 253	4.28 262	1.61 250	1.24 245	3.62 256	1.58 249	6.48 239	2.35 256	1.91 251	1.64 251	7.43 266	2.14 256	3.08 250	3.53 254	2.66 244	4.95 251

LSM0	6.82 257	0.81 205	0.59 190	1.23 211	1.02 216	1.29 216	1.18 216	1.65 240	1.45 228	1.18 238	1.52 239	2.65 217	4.03 235	0.51 193	59.80 274	70.35 274	1.18 226	0.77 220	10.00 250	1.47 241	2.50 253	3.56 259	0.65 207	0.90 223	1.33 222	1.41 225	2.40 240	8.70 257

DGSMNet	1.34 210	0.76 203	0.84 213	0.84 196	0.77 200	0.89 199	0.87 206	0.82 199	0.69 189	1.13 237	5.02 258	1.26 193	0.85 190	0.72 214	1.06 227	1.62 253	1.63 238	0.95 232	3.26 215	1.05 226	2.68 254	2.86 257	0.72 210	0.88 221	0.79 191	0.96 198	0.90 190	1.21 187

JetBlue	3.47 242	2.94 249	2.19 252	4.01 252	3.28 255	4.39 255	3.86 249	2.36 252	2.38 247	1.19 239	0.90 212	7.02 251	1.50 211	3.19 247	1.37 246	1.50 251	2.33 249	2.09 254	3.87 222	1.73 247	2.93 255	2.27 254	1.98 234	1.67 251	2.33 240	4.93 259	2.98 250	22.60 263

SPstereo	2.24 234	1.49 223	1.89 244	1.52 219	1.44 224	1.58 221	1.36 220	2.01 249	1.65 236	1.52 249	2.53 250	2.99 224	5.33 242	1.61 230	1.87 255	2.90 258	2.09 247	2.24 255	2.84 212	2.23 255	2.95 256	2.64 255	1.71 233	1.81 253	1.98 233	2.32 248	2.62 243	3.27 240

HanzoNet	10.34 259	6.49 262	3.95 261	14.30 265	6.07 263	19.42 266	21.47 269	6.96 264	10.04 264	2.64 259	2.68 252	30.46 268	52.16 272	23.13 271	2.36 257	2.79 257	5.38 259	2.60 257	25.05 265	5.07 260	3.22 257	2.85 256	8.74 268	2.65 258	4.75 257	4.05 257	4.27 255	5.54 253

MeshStereo	1.81 225	1.02 213	0.72 206	1.89 221	1.26 222	1.43 218	0.87 206	1.14 217	0.79 199	0.66 200	0.89 210	8.39 257	5.02 241	0.40 175	0.89 217	0.65 209	0.66 187	0.54 187	4.56 227	0.61 195	3.32 258	0.80 215	0.65 207	0.75 209	1.97 232	1.46 229	3.34 253	4.12 246
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
DPSimNet_ROB	5.25 253	2.91 247	3.05 257	2.71 234	2.70 250	2.74 232	3.01 239	3.28 256	3.44 256	2.70 260	24.36 270	5.90 246	13.71 258	2.93 245	2.87 259	4.00 260	3.18 255	2.34 256	22.47 261	3.37 258	4.40 259	3.75 260	2.59 238	2.84 260	3.39 256	3.00 253	3.30 252	6.87 255

JetRed	5.83 256	4.38 259	5.23 262	3.30 244	4.12 260	5.85 261	9.23 263	4.20 260	2.78 249	2.31 258	2.00 246	5.46 240	1.20 204	5.68 265	3.38 260	3.88 259	6.46 262	6.52 260	3.80 220	2.98 257	6.60 260	4.97 261	5.41 259	2.73 259	9.22 260	21.91 266	5.29 258	18.57 261

LRCNet_RVC	19.16 268	27.96 268	9.75 264	30.25 270	27.88 271	31.68 271	26.10 270	20.49 272	8.68 263	28.66 272	28.73 271	30.64 269	23.65 261	32.48 272	8.43 262	1.88 256	23.05 269	16.90 267	40.24 270	17.44 269	6.93 261	3.35 258	35.23 272	25.28 269	1.49 225	1.01 206	5.96 259	3.25 239

FADE	5.66 255	1.41 220	2.00 249	1.25 212	1.43 223	2.81 233	4.08 250	1.86 245	7.46 262	3.68 262	14.46 264	14.74 263	8.31 249	1.28 228	1.05 225	1.28 246	6.68 263	3.60 259	22.95 263	9.97 263	7.36 262	7.22 262	1.21 227	2.26 257	1.66 229	1.24 219	4.68 257	16.99 259

MADNet++	4.30 248	2.97 251	3.19 258	2.44 228	3.80 258	2.62 228	3.22 242	3.36 258	4.11 257	3.55 261	3.66 255	5.40 239	4.86 240	3.12 246	2.43 258	4.06 261	3.95 258	3.22 258	6.34 238	4.44 259	7.73 263	13.41 264	2.00 235	3.91 261	3.19 251	7.99 260	3.68 254	3.33 241

DGTPSM_ROB	10.91 260	5.63 260	16.64 266	3.95 250	7.34 264	4.92 257	7.44 259	4.30 261	11.23 265	4.12 263	8.40 260	4.53 234	13.14 255	3.85 257	12.94 264	13.80 264	6.33 260	15.35 265	7.08 243	11.58 264	8.21 264	20.96 266	5.52 260	10.97 265	11.26 261	29.88 269	12.66 261	32.49 267

DPSMNet_ROB	11.00 261	5.63 260	16.64 266	3.96 251	7.34 264	4.92 257	7.44 259	4.30 261	11.25 266	4.13 264	8.58 261	4.57 235	14.55 259	3.88 258	12.94 264	13.80 264	6.34 261	15.40 266	7.85 245	11.58 264	8.22 265	20.97 267	5.52 260	10.97 265	11.28 262	29.87 268	12.66 261	32.49 267

PML	26.01 269	16.47 267	5.54 263	20.38 269	13.16 268	20.84 267	9.63 265	9.23 266	69.83 275	17.73 271	139.43 275	91.26 274	98.96 275	9.19 270	8.28 261	7.65 262	13.69 265	6.52 260	31.86 269	6.30 261	10.00 266	7.86 263	5.54 262	5.57 262	24.82 268	10.77 262	31.09 269	10.74 258

DPSM_ROB	17.13 266	15.19 264	21.09 268	8.59 263	8.29 266	12.91 264	8.41 261	9.74 267	14.29 267	8.00 266	8.92 262	10.02 260	13.15 256	3.71 253	17.12 266	17.90 266	17.95 267	19.75 268	13.14 255	14.59 266	24.07 267	27.10 268	6.34 264	14.03 267	30.70 270	38.45 271	35.86 270	43.05 271

DPSM	17.13 266	15.19 264	21.09 268	8.59 263	8.29 266	12.91 264	8.41 261	9.74 267	14.29 267	8.00 266	8.92 262	10.02 260	13.15 256	3.71 253	17.12 266	17.90 266	17.95 267	19.75 268	13.14 255	14.59 266	24.07 267	27.10 268	6.34 264	14.03 267	30.70 270	38.45 271	35.86 270	43.05 271

ASD4	12.52 264	6.67 263	12.84 265	5.48 259	3.87 259	6.84 263	5.02 256	5.91 263	7.15 261	6.66 265	16.95 265	6.35 249	8.66 250	6.71 266	11.33 263	10.11 263	10.26 264	13.13 263	11.97 254	7.84 262	30.87 269	17.58 265	4.78 255	6.32 263	21.54 265	31.43 270	26.84 268	35.02 269

HaxPig	36.95 273	39.38 272	36.02 270	37.94 272	42.14 272	37.82 273	41.49 272	37.89 273	39.02 272	47.01 273	48.90 273	44.27 271	35.80 267	36.82 273	38.89 272	36.75 272	45.48 273	48.70 273	40.83 271	39.66 273	36.10 270	30.92 270	47.77 274	39.68 273	18.58 264	16.85 264	13.59 263	19.32 262

AVERAGE_ROB	39.07 274	42.10 273	39.04 271	43.37 273	44.15 274	43.08 274	43.88 273	43.21 274	40.00 273	47.62 274	48.04 272	44.84 272	39.97 269	43.46 275	38.33 271	36.44 271	46.53 274	49.04 274	41.84 272	40.32 274	39.63 271	34.70 271	46.76 273	39.74 274	24.66 267	16.71 263	19.73 265	17.80 260

MEDIAN_ROB	40.90 275	43.34 274	39.72 272	44.06 274	45.29 275	43.61 275	44.70 274	43.97 275	40.60 274	50.37 275	51.53 274	46.75 273	40.36 270	41.80 274	40.48 273	38.16 273	48.55 275	51.45 275	44.21 274	42.99 275	40.94 272	34.86 272	48.85 275	41.17 275	25.23 269	24.02 267	21.83 267	25.36 265

CasAABBNet	34.41 271	30.51 269	42.45 273	17.22 266	16.57 269	25.84 268	16.81 266	19.09 269	28.74 269	16.65 270	18.06 268	20.17 265	26.39 263	7.50 267	34.38 268	35.87 268	36.10 272	39.70 270	26.18 266	29.35 272	48.14 273	54.75 275	12.73 271	28.31 272	61.71 272	77.35 273	71.94 273	86.51 273

MyStereo03	34.45 272	30.52 270	42.47 274	17.26 267	16.71 270	26.07 269	16.92 267	19.55 270	28.76 270	16.17 268	17.98 266	20.17 265	26.47 264	7.52 268	34.40 269	35.99 269	36.08 270	39.75 271	26.27 267	29.34 270	48.43 274	54.62 273	12.72 269	28.26 270	61.75 273	77.38 274	72.05 274	86.69 274

MyStereo02	33.84 270	30.52 270	42.47 274	17.26 267	0.00 1	26.07 269	16.92 267	19.55 270	28.76 270	16.17 268	17.98 266	20.17 265	26.47 264	7.52 268	34.40 269	35.99 269	36.08 270	39.75 271	26.27 267	29.34 270	48.43 274	54.62 273	12.72 269	28.26 270	61.75 273	77.38 274	72.05 274	86.69 274

Low-res two-view benchmark