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	1.38 215	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	4.90 257	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	1.72 233	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	18.98 267	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	8.90 256	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	229.91 273	0.56 133	0.60 139	0.99 177

SQANet	1.43 214	2.22 231	0.78 210	2.62 232	1.77 227	2.84 233	2.44 228	0.73 191	0.53 173	0.87 218	0.58 169	2.10 208	0.64 181	2.13 230	0.50 154	0.40 133	0.67 191	0.59 199	7.14 244	0.54 182	0.49 128	0.45 128	2.94 239	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	1.46 220	0.53 178	2.47 228	0.96 214	1.72 222	0.73 197	0.72 189	0.54 175	0.59 181	0.42 115	1.08 182	11.90 252	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	3.20 251	1.82 235	8.20 259	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	1.80 226	0.59 190	1.74 219	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	2.80 246	1.97 237	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	1.32 214	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	2.40 232	1.10 226	2.76 234	2.09 234	3.09 236	3.08 241	1.03 212	0.99 214	1.10 233	0.61 175	2.97 223	1.00 200	2.77 240	0.73 198	0.66 211	1.26 228	0.73 216	4.74 228	1.07 227	0.57 166	0.49 154	3.77 242	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	2.58 238	0.90 219	2.93 236	2.07 231	3.14 238	2.73 232	0.88 204	0.84 204	1.00 223	0.66 184	2.38 211	0.95 195	2.39 232	0.67 189	0.52 186	0.79 207	0.62 203	8.04 248	0.90 218	0.59 172	0.53 172	3.56 240	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	2.71 241	0.98 222	3.00 238	2.17 236	3.23 239	2.98 236	0.96 207	0.92 208	1.04 230	0.76 200	2.47 213	0.76 185	2.51 234	0.68 191	0.53 189	0.83 214	0.65 206	8.03 247	0.98 222	0.60 176	0.54 175	3.62 241	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	1.45 217	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	0.95 221	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	15.27 262	56.75 273	0.73 207	77.82 273	0.28 104	0.40 124	71.42 273	0.57 156	0.22 57	0.55 157	0.36 81	0.58 132	0.18 45	4.39 262	79.54 273	81.74 273	15.51 264	11.63 261	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	3.82 254	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	3.82 254	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	1.07 224	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	11.92 261	1.06 216	1.26 232	4.81 257	43.47 271	6.01 261	35.61 269	7.74 263	6.23 259	0.58 178	3.83 256	32.58 268	46.83 269	0.27 135	0.44 135	0.32 85	0.53 153	0.43 146	23.28 261	0.75 207	0.67 194	0.51 167	0.56 200	8.03 263	23.19 264	17.00 264	20.55 265	35.43 268

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	5.03 250	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	115.67 273	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	2.66 238	1.83 227	1.92 245	2.87 235	2.02 230	2.68 230	1.85 226	3.30 256	1.63 235	0.82 216	5.71 259	8.58 257	10.17 250	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	2.33 239	1.79 234	2.66 244	3.63 243

RainbowNet	1.68 221	2.49 233	1.41 234	2.98 237	2.30 238	3.12 237	2.99 238	1.00 209	0.77 196	1.29 241	0.74 193	2.63 215	1.68 215	2.76 239	1.03 223	0.77 220	1.07 223	0.76 218	2.86 213	1.15 229	0.74 205	0.59 184	3.90 243	0.77 211	1.10 214	1.16 213	1.31 217	2.07 219

DDUNet	1.05 197	1.89 228	0.53 178	2.36 226	2.10 235	2.19 225	2.32 227	0.54 140	0.68 187	0.48 98	0.80 203	1.20 191	0.24 79	2.51 234	0.69 195	0.55 190	0.83 214	0.49 169	1.68 194	0.57 188	0.75 206	0.64 197	1.31 230	0.39 163	0.57 145	0.59 140	0.69 155	0.67 142

UDG	1.07 199	1.95 229	0.54 180	2.29 224	2.24 237	2.00 224	2.51 229	0.59 167	0.72 191	0.59 181	0.83 208	1.14 186	0.31 121	2.36 231	0.66 187	0.50 177	0.89 217	0.61 202	1.81 200	0.61 195	0.78 207	0.70 205	1.26 229	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	1.31 221	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	1.85 225	2.91 246	1.43 236	3.48 245	2.62 247	3.35 244	3.34 243	1.17 219	0.93 209	1.03 227	0.87 209	2.83 221	1.40 208	2.82 243	0.83 210	0.56 191	1.32 233	0.81 223	6.24 237	1.02 224	0.83 212	0.72 208	4.04 246	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	2.32 236	2.71 241	1.69 242	3.41 244	2.53 245	3.05 235	3.01 239	1.38 230	1.11 215	1.11 234	0.96 215	2.71 218	1.91 219	2.55 238	0.95 220	0.76 219	1.77 243	0.76 218	16.37 258	1.21 233	0.87 215	0.72 208	3.93 245	1.11 236	1.70 229	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	1.16 236	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	4.47 248	1.62 224	3.30 258	2.34 225	1.90 229	2.28 226	1.66 225	2.83 253	3.11 252	0.83 217	1.12 225	7.77 254	8.15 248	0.56 200	0.79 204	0.87 225	0.82 211	13.62 262	5.80 234	0.59 189	0.94 217	0.60 187	0.48 189	0.91 224	7.29 258	9.34 260	14.90 263	26.25 265

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	2.18 232	3.00 251	1.41 234	3.65 246	3.00 252	3.31 241	3.34 243	1.62 239	1.76 237	1.34 244	1.15 227	3.10 225	3.59 231	2.78 241	1.12 232	0.88 226	1.64 240	1.06 238	3.90 223	1.55 245	0.98 219	0.82 217	4.20 248	1.27 240	2.36 242	1.90 236	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	1.75 223	1.50 223	1.58 238	2.10 222	1.51 224	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	1.44 246	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	1.56 229	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	1.45 227	1.30 215	1.77 212

PSMNet_ROB	1.96 227	2.74 243	1.24 229	2.52 229	1.79 228	3.39 247	2.92 235	1.22 221	1.19 218	1.32 243	1.42 232	2.74 220	3.87 234	2.53 237	1.17 237	0.79 222	1.30 230	0.85 227	5.35 232	1.19 230	1.06 224	0.97 223	4.07 247	1.12 238	1.56 228	1.42 225	1.57 223	1.58 203

IMH	2.38 237	2.57 237	1.64 241	3.03 241	2.50 244	3.36 245	3.51 247	1.45 234	1.91 241	1.03 227	1.08 221	3.49 231	8.04 247	3.63 249	1.13 235	0.90 229	1.63 238	0.99 234	4.48 226	1.36 239	1.08 225	0.96 222	4.57 251	1.11 236	2.03 233	1.61 230	1.79 228	3.48 242

IMH-64-1	2.14 230	2.52 234	1.62 239	3.01 239	2.45 240	3.32 242	3.49 245	1.41 231	1.89 239	1.00 223	1.09 222	3.32 227	4.52 238	3.28 247	1.18 238	0.90 229	1.59 236	0.94 229	3.67 218	1.33 236	1.12 226	1.00 228	4.55 249	1.06 232	2.07 234	1.40 222	1.68 225	2.36 226

IMH-64	2.14 230	2.52 234	1.62 239	3.01 239	2.45 240	3.32 242	3.49 245	1.41 231	1.89 239	1.00 223	1.09 222	3.32 227	4.52 238	3.28 247	1.18 238	0.90 229	1.59 236	0.94 229	3.67 218	1.33 236	1.12 226	1.00 228	4.55 249	1.06 232	2.07 234	1.40 222	1.68 225	2.36 226

ELAS	1.96 227	1.69 225	1.23 228	2.25 223	1.75 226	2.41 227	1.49 223	1.55 237	1.80 238	0.89 219	2.14 247	7.05 251	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	3.21 252	2.53 250	2.67 246	3.05 237
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
STTRV1_RVC		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		1.10 228	1.18 229	0.79 214		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	0.96 222	0.97 227	0.98 207	0.92 194	1.30 215	1.42 197

ELAS_RVC	1.92 226	1.47 221	1.24 229	2.08 221	1.53 225	3.37 246	1.51 224	1.46 235	1.11 215	0.91 221	2.26 248	6.93 249	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	3.02 248	2.05 239	2.69 247	2.88 235
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
LVE	2.29 235	2.69 240	1.56 237	4.79 256	2.63 248	3.26 240	3.58 248	1.30 225	1.38 227	1.61 250	1.27 229	2.94 222	3.52 230	2.79 242	1.07 229	0.88 226	1.50 235	1.09 239	6.15 236	1.42 240	1.24 232	1.14 237	3.90 243	1.43 247	2.52 245	1.66 231	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	1.06 226	1.04 237	1.03 219	0.91 228	13.68 256	0.88 217	1.24 232	0.89 220	1.13 225	1.02 230	1.25 221	1.42 225	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	2.33 239	2.27 245	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	1.06 226	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	2.08 240	1.04 198	1.74 208

WAO-8	2.81 239	2.84 244	1.93 246	4.63 253	2.49 242	3.42 248	2.87 233	1.88 245	3.27 254	1.37 245	1.46 234	4.92 236	7.73 245	3.64 250	1.31 241	1.16 240	1.83 244	1.15 243	6.68 241	2.14 252	1.34 236	1.05 231	2.87 237	1.34 242	3.29 253	2.12 241	2.43 241	4.61 249

WAO-6	1.99 229	2.09 230	1.24 229	2.53 230	2.08 233	2.68 230	2.63 231	1.44 233	1.93 242	1.37 245	1.15 227	3.11 226	4.32 237	2.51 234	1.45 247	1.18 242	1.76 242	1.09 239	2.63 210	1.34 238	1.34 236	1.26 243	2.43 235	1.33 241	2.19 237	1.97 237	1.94 234	2.72 234

TorneroNet	5.35 253	3.54 253	2.08 250	3.85 248	3.06 253	4.35 253	4.55 252	1.78 243	5.81 258	1.30 242	1.48 237	6.10 247	59.26 272	3.90 258	1.29 240	0.98 234	2.50 252	1.23 245	15.91 257	1.53 244	1.34 236	1.07 235	5.16 255	1.38 244	2.49 244	2.34 248	2.12 236	4.10 245

Venus	2.81 239	2.84 244	1.93 246	4.63 253	2.49 242	3.42 248	2.87 233	1.88 245	3.27 254	1.37 245	1.46 234	4.92 236	7.73 245	3.64 250	1.31 241	1.16 240	1.83 244	1.15 243	6.68 241	2.14 252	1.34 236	1.05 231	2.87 237	1.34 242	3.29 253	2.12 241	2.43 241	4.61 249

TorneroNet-64	4.00 246	3.59 254	1.93 246	4.36 252	2.95 250	4.26 251	4.58 254	1.71 241	6.44 260	1.23 240	1.09 222	5.61 243	25.81 260	3.97 259	1.34 244	0.95 232	2.58 253	1.26 246	11.84 253	1.51 242	1.36 240	1.04 230	4.94 254	1.42 246	2.25 238	2.47 249	1.83 231	5.55 254

DispFullNet	2.28 234	2.67 239	3.43 259	2.54 231	2.31 239	2.65 229	2.56 230	1.35 229	1.31 224	2.15 256	0.96 215	8.62 258	2.71 229	2.49 233	1.12 232	1.67 253	2.75 254	1.39 247	6.61 240	2.05 251	1.38 241	1.06 233	1.21 226	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	1.38 215	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	1.09 230	1.13 239	1.27 229	1.05 236	7.90 246	1.19 230	1.40 242	1.27 245	1.25 228	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	1.52 248	1.31 247	1.87 246	1.00 235	1.93 203	1.21 233	1.55 243	1.17 238	0.98 223	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	1.28 213	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	1.12 232	1.23 244	1.30 230	1.13 242	3.84 221	1.20 232	1.66 244	1.24 242	1.22 227	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	5.04 251	3.41 252	2.38 252	4.77 255	3.49 256	4.30 252	4.29 250	2.24 250	1.95 243	1.89 252	1.87 244	3.78 233	56.60 271	4.26 260	1.69 251	1.43 249	2.22 248	1.60 250	9.78 249	1.73 247	1.68 245	1.48 249	6.29 260	1.57 250	2.43 243	2.17 244	2.30 239	4.47 248

notaker	3.58 242	3.59 254	2.75 255	6.07 258	3.32 255	4.63 255	4.56 253	2.01 248	2.21 246	1.90 253	1.51 238	7.09 252	15.50 258	3.77 255	1.72 253	1.50 250	2.35 250	1.70 252	10.97 251	2.01 250	1.69 246	1.56 250	4.87 253	1.70 252	1.51 226	1.68 232	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	1.10 231	1.41 248	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	11.87 260	15.78 264	1.38 233	34.17 269	2.55 246	31.72 270	9.59 262	2.52 252	2.49 248	0.96 222	2.28 249	18.81 262	32.29 264	0.54 198	1.70 252	0.88 226	0.80 209	0.66 207	61.61 272	16.09 266	1.78 248	1.44 248	0.75 212	1.12 238	14.82 262	2.79 251	37.47 270	23.61 263

ktn	4.83 249	2.95 249	2.02 249	3.73 247	2.99 251	3.77 250	4.53 251	1.75 242	2.92 251	2.10 255	1.52 239	11.18 261	36.94 266	3.71 252	2.06 255	1.82 254	2.47 251	1.99 253	18.72 259	1.98 249	1.88 249	1.74 252	4.75 252	1.91 254	2.11 236	2.29 246	2.70 248	3.98 244

PWCK	3.72 243	2.52 234	1.72 243	3.06 242	2.07 231	3.03 234	2.98 236	1.97 247	2.05 244	2.27 257	3.31 253	5.51 241	3.67 232	1.40 228	1.32 243	0.97 233	1.74 241	1.10 241	42.82 270	1.70 246	1.90 250	1.23 241	2.24 234	1.51 248	1.84 230	2.15 243	1.79 228	2.46 228

UNDER WATER-64	3.96 245	4.37 257	2.51 254	7.01 260	4.82 260	5.45 259	5.56 256	3.42 258	2.88 250	1.94 254	1.97 245	7.85 255	8.75 249	4.47 263	1.68 250	1.29 246	3.73 257	1.68 251	6.02 235	2.22 254	1.91 251	1.82 253	7.96 264	1.98 255	2.95 247	4.40 257	2.80 249	5.47 252

UNDER WATER	3.87 244	4.07 256	2.45 253	6.40 259	4.68 259	5.32 258	5.36 255	3.27 254	3.11 252	1.70 251	1.81 243	7.54 253	10.28 251	4.28 261	1.61 249	1.24 245	3.62 256	1.58 249	6.48 239	2.35 256	1.91 251	1.64 251	7.43 263	2.14 256	3.08 249	3.53 253	2.66 244	4.95 251

LSM0	6.82 255	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	59.80 272	70.35 272	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	1.41 224	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	1.06 226	1.62 252	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	3.47 241	2.94 248	2.19 251	4.01 251	3.28 254	4.39 254	3.86 249	2.36 251	2.38 247	1.19 239	0.90 212	7.02 250	1.50 211	3.19 246	1.37 245	1.50 250	2.33 249	2.09 254	3.87 222	1.73 247	2.93 255	2.27 254	1.98 232	1.67 251	2.33 239	4.93 258	2.98 250	22.60 262

SPstereo	2.24 233	1.49 222	1.89 244	1.52 218	1.44 223	1.58 221	1.36 220	2.01 248	1.65 236	1.52 249	2.53 250	2.99 224	5.33 242	1.61 229	1.87 254	2.90 257	2.09 247	2.24 255	2.84 212	2.23 255	2.95 256	2.64 255	1.71 231	1.81 253	1.98 232	2.32 247	2.62 243	3.27 240

HanzoNet	10.34 257	6.49 261	3.95 260	14.30 263	6.07 261	19.42 264	21.47 267	6.96 262	10.04 262	2.64 259	2.68 252	30.46 266	52.16 270	23.13 269	2.36 256	2.79 256	5.38 259	2.60 257	25.05 262	5.07 260	3.22 257	2.85 256	8.74 265	2.65 257	4.75 256	4.05 256	4.27 255	5.54 253

MeshStereo	1.81 224	1.02 213	0.72 206	1.89 220	1.26 222	1.43 218	0.87 206	1.14 217	0.79 199	0.66 200	0.89 210	8.39 256	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	1.97 231	1.46 228	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	5.25 252	2.91 246	3.05 256	2.71 233	2.70 249	2.74 232	3.01 239	3.28 255	3.44 256	2.70 260	24.36 268	5.90 246	13.71 256	2.93 244	2.87 258	4.00 259	3.18 255	2.34 256	22.47 260	3.37 258	4.40 259	3.75 260	2.59 236	2.84 259	3.39 255	3.00 252	3.30 252	6.87 255

JetRed	5.83 254	4.38 258	5.23 261	3.30 243	4.12 258	5.85 260	9.23 261	4.20 259	2.78 249	2.31 258	2.00 246	5.46 240	1.20 204	5.68 264	3.38 259	3.88 258	6.46 262	6.52 259	3.80 220	2.98 257	6.60 260	4.97 261	5.41 256	2.73 258	9.22 259	21.91 265	5.29 257	18.57 260

LRCNet_RVC	19.16 265	27.96 266	9.75 263	30.25 268	27.88 269	31.68 269	26.10 268	20.49 270	8.68 261	28.66 270	28.73 269	30.64 267	23.65 259	32.48 270	8.43 261	1.88 255	23.05 267	16.90 265	40.24 267	17.44 267	6.93 261	3.35 258	35.23 269	25.28 268	1.49 225	1.01 206	5.96 258	3.25 239

MADNet++	4.30 247	2.97 250	3.19 257	2.44 227	3.80 257	2.62 228	3.22 242	3.36 257	4.11 257	3.55 261	3.66 255	5.40 239	4.86 240	3.12 245	2.43 257	4.06 260	3.95 258	3.22 258	6.34 238	4.44 259	7.73 262	13.41 263	2.00 233	3.91 260	3.19 250	7.99 259	3.68 254	3.33 241

DGTPSM_ROB	10.91 258	5.63 259	16.64 264	3.95 249	7.34 262	4.92 256	7.44 257	4.30 260	11.23 263	4.12 262	8.40 260	4.53 234	13.14 253	3.85 256	12.94 262	13.80 262	6.33 260	15.35 263	7.08 243	11.58 262	8.21 263	20.96 264	5.52 257	10.97 264	11.26 260	29.88 268	12.66 260	32.49 266

DPSMNet_ROB	11.00 259	5.63 259	16.64 264	3.96 250	7.34 262	4.92 256	7.44 257	4.30 260	11.25 264	4.13 263	8.58 261	4.57 235	14.55 257	3.88 257	12.94 262	13.80 262	6.34 261	15.40 264	7.85 245	11.58 262	8.22 264	20.97 265	5.52 257	10.97 264	11.28 261	29.87 267	12.66 260	32.49 266

PML	26.01 266	16.47 265	5.54 262	20.38 267	13.16 266	20.84 265	9.63 263	9.23 264	69.83 273	17.73 269	139.43 273	91.26 272	98.96 273	9.19 268	8.28 260	7.65 261	13.69 263	6.52 259	31.86 266	6.30 261	10.00 265	7.86 262	5.54 259	5.57 261	24.82 266	10.77 261	31.09 267	10.74 258

DPSM_ROB	17.13 263	15.19 262	21.09 266	8.59 261	8.29 264	12.91 262	8.41 259	9.74 265	14.29 265	8.00 264	8.92 262	10.02 259	13.15 254	3.71 252	17.12 264	17.90 264	17.95 265	19.75 266	13.14 254	14.59 264	24.07 266	27.10 266	6.34 261	14.03 266	30.70 268	38.45 269	35.86 268	43.05 269

DPSM	17.13 263	15.19 262	21.09 266	8.59 261	8.29 264	12.91 262	8.41 259	9.74 265	14.29 265	8.00 264	8.92 262	10.02 259	13.15 254	3.71 252	17.12 264	17.90 264	17.95 265	19.75 266	13.14 254	14.59 264	24.07 266	27.10 266	6.34 261	14.03 266	30.70 268	38.45 269	35.86 268	43.05 269

HaxPig	36.95 270	39.38 270	36.02 268	37.94 270	42.14 270	37.82 271	41.49 270	37.89 271	39.02 270	47.01 271	48.90 271	44.27 269	35.80 265	36.82 271	38.89 270	36.75 270	45.48 271	48.70 271	40.83 268	39.66 271	36.10 268	30.92 268	47.77 271	39.68 272	18.58 263	16.85 263	13.59 262	19.32 261

AVERAGE_ROB	39.07 271	42.10 271	39.04 269	43.37 271	44.15 272	43.08 272	43.88 271	43.21 272	40.00 271	47.62 272	48.04 270	44.84 270	39.97 267	43.46 273	38.33 269	36.44 269	46.53 272	49.04 272	41.84 269	40.32 272	39.63 269	34.70 269	46.76 270	39.74 273	24.66 265	16.71 262	19.73 264	17.80 259

MEDIAN_ROB	40.90 272	43.34 272	39.72 270	44.06 272	45.29 273	43.61 273	44.70 272	43.97 273	40.60 272	50.37 273	51.53 272	46.75 271	40.36 268	41.80 272	40.48 271	38.16 271	48.55 273	51.45 273	44.21 271	42.99 273	40.94 270	34.86 270	48.85 272	41.17 274	25.23 267	24.02 266	21.83 266	25.36 264

CasAABBNet	34.41 268	30.51 267	42.45 271	17.22 264	16.57 267	25.84 266	16.81 264	19.09 267	28.74 267	16.65 268	18.06 266	20.17 263	26.39 261	7.50 265	34.38 266	35.87 266	36.10 270	39.70 268	26.18 263	29.35 270	48.14 271	54.75 273	12.73 268	28.31 271	61.71 270	77.35 271	71.94 271	86.51 271

MyStereo03	34.45 269	30.52 268	42.47 272	17.26 265	16.71 268	26.07 267	16.92 265	19.55 268	28.76 268	16.17 266	17.98 264	20.17 263	26.47 262	7.52 266	34.40 267	35.99 267	36.08 268	39.75 269	26.27 264	29.34 268	48.43 272	54.62 271	12.72 266	28.26 269	61.75 271	77.38 272	72.05 272	86.69 272

MyStereo02	33.84 267	30.52 268	42.47 272	17.26 265	0.00 1	26.07 267	16.92 265	19.55 268	28.76 268	16.17 266	17.98 264	20.17 263	26.47 262	7.52 266	34.40 267	35.99 267	36.08 268	39.75 269	26.27 264	29.34 268	48.43 272	54.62 271	12.72 266	28.26 269	61.75 271	77.38 272	72.05 272	86.69 272

ASD4																								6.32 262

Low-res two-view benchmark