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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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	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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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)
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

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

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
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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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)
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

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

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

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
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

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

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

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
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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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
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

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

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

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

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

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
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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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
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

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

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

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

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
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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

ASD4																								2.43 263

Low-res two-view benchmark