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	0.22 7	0.03 1	0.09 8	0.01 1	0.00 1	0.12 85	0.75 138	0.01 1	0.01 1	0.00 1	0.00 1	0.05 1	0.00 1	0.22 114	1.31 7	1.03 19	0.22 12	0.01 2	0.09 6	0.12 16	0.24 7	1.33 15	0.03 39	0.01 1	0.07 20	0.00 1	0.05 1	0.00 1

TDLM	0.20 3	0.10 10	0.21 17	0.08 24	0.23 50	0.02 34	0.04 25	0.19 26	0.04 8	0.02 24	0.10 60	0.67 75	0.05 14	0.10 75	0.43 1	0.28 1	0.35 30	0.20 29	0.02 1	0.01 1	0.12 1	1.22 12	0.05 49	0.01 1	0.00 1	0.02 13	0.41 13	0.41 63

MoCha-V2	0.34 10	0.06 6	0.32 31	0.01 1	0.02 4	0.08 75	0.01 2	0.01 1	0.01 1	0.00 1	0.00 1	0.18 6	0.06 20	0.00 1	2.26 21	1.80 69	0.21 11	0.28 44	0.05 2	0.20 28	0.36 12	2.93 42	0.07 70	0.02 3	0.01 3	0.00 1	0.15 5	0.00 1

HCRNet	0.49 18	0.39 61	0.36 40	0.29 67	0.12 25	0.01 8	0.06 42	0.03 6	0.01 1	1.48 136	0.00 1	0.20 10	0.05 14	0.01 6	2.61 29	0.78 10	0.42 42	0.07 9	0.32 11	0.12 16	0.37 13	2.22 31	0.02 30	0.02 3	0.02 5	0.02 13	3.33 80	0.03 14

RYNet	0.61 25	0.04 2	0.00 1	0.02 3	0.04 7	0.00 1	0.01 2	0.03 6	0.04 8	0.07 30	0.00 1	0.07 2	0.12 39	0.00 1	4.57 86	0.66 6	0.12 2	0.99 142	0.37 13	0.02 2	0.25 8	0.10 1	0.05 49	0.03 5	0.08 22	7.32 178	1.40 29	0.12 38

CroCo-Stereo Lap2	0.18 2	0.11 12	0.04 5	0.05 8	0.06 12	0.00 1	0.01 2	0.03 6	0.05 11	0.24 54	0.00 1	0.16 5	0.06 20	0.01 6	1.29 6	1.05 21	0.06 1	0.04 6	0.06 3	0.05 5	0.40 14	0.86 10	0.00 1	0.04 6	0.04 12	0.01 5	0.05 1	0.00 1

CroCo-Stereo	0.21 5	0.09 9	0.03 3	0.05 8	0.07 17	0.00 1	0.00 1	0.04 12	0.05 11	0.00 1	0.00 1	0.09 4	0.07 22	0.00 1	1.51 11	1.11 22	0.17 9	0.08 13	0.76 21	0.05 5	0.40 14	0.85 9	0.00 1	0.04 6	0.04 12	0.01 5	0.08 3	0.00 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
iRaftStereo_RVC	0.35 12	0.21 21	0.33 33	0.22 42	0.15 28	0.02 34	0.02 9	0.05 15	0.08 24	0.00 1	0.00 1	0.28 18	0.11 37	0.03 29	1.35 8	0.98 16	0.35 30	0.07 9	0.49 16	0.17 25	1.05 37	2.96 43	0.00 1	0.05 8	0.09 23	0.01 5	0.23 7	0.04 17

CVANet_RVC	0.42 15	0.29 40	0.82 102	0.60 126	0.31 68	0.18 108	0.03 17	1.58 88	0.25 77	0.12 41	0.28 82	0.84 88	0.05 14	0.11 80	0.69 2	0.46 2	0.36 32	0.25 38	0.08 5	0.08 11	0.20 5	1.95 24	0.02 30	0.05 8	0.06 19	0.03 17	0.70 18	1.10 94

StereoVision	0.13 1	0.11 12	0.03 3	0.04 6	0.04 7	0.00 1	0.03 17	0.04 12	0.03 5	0.03 26	0.00 1	0.19 9	0.02 4	0.02 17	1.02 4	0.79 11	0.13 6	0.02 3	0.30 10	0.04 3	0.21 6	0.19 2	0.00 1	0.06 10	0.04 12	0.00 1	0.12 4	0.00 1

RAFT	0.28 8	0.04 2	0.31 28	0.02 3	0.00 1	0.12 85	0.12 70	0.93 67	0.01 1	0.69 87	0.00 1	0.18 6	0.00 1	0.01 6	2.07 17	1.23 30	0.23 14	0.00 1	0.06 3	0.21 33	0.15 3	0.60 5	0.00 1	0.06 10	0.03 9	0.01 5	0.34 11	0.00 1

delet	0.21 5	0.08 7	0.24 21	0.06 11	0.05 9	0.02 34	0.04 25	0.02 3	0.05 11	0.34 64	0.00 1	0.20 10	0.04 9	0.02 17	1.45 10	0.53 3	0.23 14	0.07 9	0.12 8	0.06 7	0.15 3	0.38 4	0.01 7	0.06 10	0.01 3	0.01 5	1.50 33	0.02 10

anonymousdsp	0.56 21	0.10 10	0.36 40	0.24 52	0.07 17	0.09 79	0.01 2	0.04 12	0.05 11	0.00 1	2.27 141	0.22 14	0.20 62	0.00 1	2.28 24	1.41 46	0.28 21	0.17 27	0.52 17	0.67 100	0.56 19	3.56 62	0.31 129	0.07 13	0.02 5	0.01 5	1.65 36	0.01 8

AASNet	0.20 3	0.45 71	0.24 21	0.09 28	0.09 20	0.00 1	0.08 52	0.05 15	0.05 11	0.26 55	0.00 1	0.18 6	0.04 9	0.01 6	1.13 5	0.68 7	0.12 2	0.04 6	0.09 6	0.16 23	0.29 9	0.77 8	0.01 7	0.07 13	0.00 1	0.02 13	0.49 15	0.03 14

AANet_RVC	0.29 9	0.05 4	0.28 26	0.06 11	0.21 46	0.00 1	0.24 101	0.03 6	0.17 60	0.34 64	0.01 43	0.08 3	0.04 9	0.01 6	2.17 19	0.58 4	0.16 8	0.07 9	0.44 15	0.20 28	0.13 2	0.33 3	0.03 39	0.07 13	0.02 5	0.06 22	1.15 25	0.86 81

GMStereo	0.56 21	0.94 131	0.07 6	0.25 56	0.06 12	0.01 8	0.02 9	0.15 25	0.07 21	0.00 1	0.00 1	0.41 37	0.01 3	0.01 6	2.04 16	1.15 26	0.34 28	0.18 28	2.72 80	0.11 14	1.52 56	2.04 29	0.00 1	0.08 16	0.20 45	0.03 17	2.65 55	0.04 17
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
AEACV	0.55 20	0.71 107	0.34 34	0.04 6	0.05 9	0.10 82	0.02 9	0.02 3	0.03 5	0.00 1	0.00 1	0.20 10	0.13 42	0.05 46	2.71 32	2.52 110	0.12 2	0.64 94	1.33 38	0.95 121	0.81 27	3.06 49	0.32 131	0.09 17	0.02 5	0.20 39	0.41 13	0.00 1

LoS_RVC	1.27 84	1.54 160	0.85 104	0.06 11	0.55 116	0.01 8	0.13 73	0.23 31	0.73 118	1.70 140	0.22 78	0.64 70	0.69 129	0.11 80	3.79 60	3.07 130	0.75 80	1.99 188	3.69 105	0.64 92	4.98 155	4.94 108	0.22 113	0.10 18	0.37 59	0.50 64	0.82 19	0.93 88

tt_ll	1.27 84	1.54 160	0.85 104	0.06 11	0.55 116	0.01 8	0.13 73	0.23 31	0.73 118	1.70 140	0.22 78	0.64 70	0.69 129	0.11 80	3.79 60	3.07 130	0.75 80	1.99 188	3.69 105	0.64 92	4.98 155	4.94 108	0.22 113	0.10 18	0.37 59	0.50 64	0.82 19	0.93 88

ADLNet	0.79 37	0.95 132	0.12 11	0.22 42	0.28 64	0.09 79	0.05 33	1.25 77	0.10 36	0.32 62	0.06 54	2.48 136	0.08 25	0.20 106	3.48 47	1.14 25	0.48 48	0.11 16	0.60 19	0.23 35	0.60 21	3.03 47	0.01 7	0.10 18	0.91 91	0.83 82	3.15 69	0.34 57

MMNet	0.34 10	0.21 21	0.07 6	0.05 8	0.06 12	0.00 1	0.12 70	0.03 6	0.04 8	0.22 52	0.00 1	0.36 25	0.02 4	0.05 46	2.17 19	0.69 8	0.33 27	0.15 23	0.34 12	0.07 8	0.34 11	0.60 5	0.06 55	0.10 18	0.03 9	0.05 21	2.93 62	0.02 10

Former-RAFT_DAM_RVC	0.83 42	0.08 7	0.36 40	0.18 37	0.21 46	0.01 8	0.06 42	1.75 94	0.21 71	0.14 43	0.15 71	0.45 42	0.16 51	0.03 29	4.05 74	1.87 72	0.36 32	0.42 70	1.67 44	0.17 25	1.76 77	4.52 92	0.02 30	0.11 22	0.38 61	2.70 127	0.33 10	0.33 55

TestStereo	0.64 27	0.64 96	0.54 73	0.22 42	0.11 24	0.01 8	0.03 17	1.87 102	0.23 73	0.30 59	0.00 1	0.37 29	0.08 25	0.01 6	1.75 14	0.93 14	0.45 45	0.23 37	2.92 87	0.12 16	1.51 55	1.70 18	0.05 49	0.11 22	0.21 49	0.46 60	2.24 47	0.13 40

CAS	0.89 48	0.22 24	0.39 49	0.21 40	0.24 53	0.03 46	0.36 115	0.23 31	0.62 111	1.28 123	0.16 72	0.38 31	0.84 146	0.12 87	3.10 39	1.87 72	0.94 105	0.75 113	1.30 36	0.58 83	2.82 104	3.00 44	0.03 39	0.12 24	0.13 33	0.72 78	1.80 41	1.89 115

CES	1.32 87	0.24 31	0.36 40	0.14 33	0.22 48	0.05 60	0.19 93	5.29 201	0.76 120	0.42 75	0.61 105	0.86 92	0.85 147	0.26 119	4.28 77	3.41 152	1.21 128	1.06 148	1.85 52	1.16 134	4.19 142	3.75 67	0.15 96	0.12 24	0.23 52	0.34 55	1.47 32	2.15 122

GANet	0.63 26	0.72 109	0.73 90	0.46 114	0.40 101	1.37 161	0.41 119	0.45 47	0.06 18	0.21 48	2.81 161	2.16 131	0.28 75	0.47 153	0.89 3	0.62 5	0.74 79	0.38 59	0.38 14	0.07 8	0.30 10	1.98 27	0.14 93	0.13 26	0.20 45	0.03 17	0.52 16	0.22 46

CFNet	0.72 33	0.50 79	0.71 86	0.48 117	0.45 110	0.06 73	0.27 105	0.58 57	0.09 31	0.65 86	0.04 51	0.84 88	0.10 34	0.05 46	2.80 34	0.75 9	0.60 66	0.09 14	0.84 25	0.41 59	1.10 39	1.22 12	0.03 39	0.13 26	0.58 74	1.14 92	3.44 87	1.47 102

CREStereo++_RVC	1.20 77	0.23 26	1.65 151	0.28 65	0.43 108	0.01 8	0.17 87	2.02 108	0.26 78	0.61 83	0.08 58	0.50 51	0.15 47	0.05 46	3.91 67	2.85 124	0.95 106	0.50 82	2.77 82	0.31 45	3.04 111	3.84 71	0.13 90	0.14 28	1.10 101	1.31 100	4.38 137	0.77 79
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
AF-Net	1.33 88	0.56 84	1.00 117	0.36 94	0.81 135	1.01 151	2.56 172	2.36 123	1.15 143	0.48 76	0.65 107	3.84 147	0.16 51	0.30 130	3.50 49	1.17 27	0.52 54	0.02 3	1.74 48	0.53 77	0.81 27	4.34 85	0.06 55	0.14 28	0.93 92	0.61 70	3.84 104	2.40 127

Nwc_Net	1.33 88	0.56 84	1.00 117	0.36 94	0.81 135	1.01 151	2.56 172	2.36 123	1.15 143	0.48 76	0.65 107	3.84 147	0.16 51	0.30 130	3.50 49	1.17 27	0.52 54	0.02 3	1.74 48	0.53 77	0.81 27	4.34 85	0.06 55	0.14 28	0.93 92	0.61 70	3.84 104	2.40 127

TestStereo1	0.93 51	0.98 138	0.22 19	0.07 19	0.18 33	0.01 8	0.04 25	1.07 71	0.08 24	0.11 35	0.00 1	0.39 34	0.56 115	0.12 87	4.92 103	2.03 87	0.28 21	0.22 32	2.98 89	0.20 28	1.56 59	3.94 73	0.01 7	0.15 31	0.10 27	1.19 95	3.74 97	0.05 22

RAFT_CTSACE	0.74 34	0.81 119	0.44 57	0.25 56	0.08 19	0.15 100	0.03 17	1.99 107	0.06 18	0.00 1	0.11 61	0.47 45	0.46 103	0.01 6	2.74 33	1.26 32	0.29 26	0.16 25	0.77 22	0.13 20	0.79 25	4.54 93	0.01 7	0.15 31	0.25 54	0.01 5	3.88 109	0.04 17

SA-5K	0.93 51	0.98 138	0.22 19	0.07 19	0.18 33	0.01 8	0.04 25	1.07 71	0.08 24	0.11 35	0.00 1	0.39 34	0.56 115	0.12 87	4.92 103	2.03 87	0.28 21	0.22 32	2.98 89	0.20 28	1.56 59	3.94 73	0.01 7	0.15 31	0.10 27	1.19 95	3.74 97	0.05 22

PMTNet	1.51 97	0.60 91	1.30 133	0.27 62	0.26 60	0.02 34	0.18 90	0.51 52	0.56 106	0.71 89	0.33 87	0.59 56	0.48 106	0.09 70	6.84 156	3.43 153	0.91 101	0.38 59	6.13 134	0.44 63	4.00 138	3.52 61	0.13 90	0.15 31	3.04 155	1.29 99	1.36 27	3.30 136

STTStereo	1.36 91	0.86 123	0.78 99	0.40 104	0.33 80	0.08 75	1.20 148	0.43 45	1.52 157	1.38 133	0.24 80	2.01 129	0.27 73	0.38 142	9.23 180	1.30 38	0.40 37	0.33 52	1.27 35	0.20 28	1.56 59	1.97 26	0.16 98	0.15 31	0.10 27	1.81 115	3.62 93	4.69 142

LL-Strereo2	0.81 40	0.27 37	0.35 36	0.09 28	0.14 27	0.17 106	0.08 52	2.21 117	0.19 66	0.00 1	0.00 1	0.26 17	0.05 14	0.20 106	2.27 23	2.72 118	0.12 2	0.15 23	2.40 64	0.52 76	1.77 78	5.39 116	0.06 55	0.17 36	0.43 64	0.12 30	1.55 35	0.31 53

TESTraft	1.00 56	0.95 132	0.32 31	0.06 11	0.17 31	0.01 8	0.03 17	1.49 86	0.07 21	0.78 93	0.00 1	0.46 43	0.64 124	0.19 101	4.75 96	2.06 93	0.26 20	0.20 29	2.78 83	0.36 56	1.26 45	4.60 96	0.07 70	0.17 36	0.11 31	1.53 105	3.70 95	0.04 17

HITNet	0.68 29	0.16 16	0.11 10	0.07 19	0.10 23	0.01 8	0.03 17	1.72 92	0.79 123	0.11 35	0.00 1	0.77 85	0.28 75	0.12 87	2.69 30	1.17 27	0.45 45	0.14 20	0.72 20	0.25 38	1.61 65	2.80 40	0.01 7	0.17 36	0.04 12	0.15 33	3.40 84	0.41 63
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
StereoIM	0.39 14	0.23 26	0.35 36	0.07 19	0.15 28	0.02 34	0.04 25	0.08 18	0.07 21	1.22 121	0.00 1	0.23 15	0.03 6	0.02 17	1.62 12	1.29 37	0.14 7	0.29 46	1.62 42	0.12 16	0.84 30	1.37 16	0.01 7	0.18 39	0.20 45	0.16 35	0.17 6	0.04 17

test_5	0.76 35	0.61 93	0.21 17	0.02 3	0.02 4	0.11 83	0.01 2	2.75 153	0.05 11	0.00 1	4.29 175	0.49 47	0.44 96	0.00 1	1.73 13	1.27 36	0.22 12	0.14 20	1.14 31	0.09 12	0.46 17	3.08 51	0.01 7	0.19 40	0.09 23	0.00 1	2.97 64	0.02 10

GLC_STEREO	0.93 51	0.48 76	0.65 78	0.25 56	0.33 80	0.03 46	0.11 68	2.37 129	0.20 67	0.16 46	0.04 51	0.38 31	0.15 47	0.02 17	3.66 53	2.05 92	0.67 72	0.25 38	2.56 72	0.42 62	2.90 105	3.06 49	0.09 80	0.19 40	0.09 23	0.10 27	3.70 95	0.31 53

PS-NSSS	1.79 112	3.17 192	0.42 53	3.20 181	0.92 144	2.08 173	1.19 147	0.39 40	0.16 59	0.38 70	0.00 1	11.59 187	1.18 160	0.50 158	5.15 108	0.89 12	0.71 77	0.28 44	4.31 116	0.17 25	0.97 34	0.64 7	2.37 200	0.19 40	1.58 123	0.76 80	3.28 77	1.77 112

RAFT+CT+SA	0.77 36	0.83 121	0.24 21	0.15 34	0.05 9	0.01 8	0.02 9	2.46 132	0.09 31	0.11 35	0.00 1	0.89 96	0.40 92	0.01 6	1.42 9	1.63 60	0.18 10	0.21 31	2.39 63	0.27 41	0.93 32	4.66 99	0.01 7	0.20 43	0.13 33	0.02 13	3.33 80	0.05 22

AACVNet	1.07 65	0.61 93	0.44 57	0.65 128	0.80 133	0.12 85	0.17 87	0.37 39	0.20 67	0.17 47	0.14 69	0.60 60	0.24 70	0.26 119	4.81 100	2.04 91	0.61 67	0.40 64	1.72 47	0.41 59	1.80 79	3.08 51	0.40 137	0.20 43	0.52 69	1.51 104	4.20 131	2.32 124

raft+_RVC	0.80 38	0.41 66	0.45 62	0.34 84	0.24 53	0.03 46	0.08 52	2.24 118	0.09 31	0.07 30	0.00 1	0.42 39	0.08 25	0.02 17	3.49 48	3.16 137	0.48 48	0.12 17	2.60 75	0.82 110	0.94 33	3.69 65	0.03 39	0.20 43	0.35 58	0.14 32	0.69 17	0.35 59

ARAFT	0.80 38	0.22 24	0.31 28	0.31 73	0.12 25	0.01 8	0.02 9	0.24 36	0.09 31	1.28 123	0.00 1	0.53 54	0.04 9	0.09 70	3.18 42	1.99 83	0.51 53	0.34 54	2.69 79	0.14 21	1.96 86	2.75 37	0.02 30	0.20 43	0.80 89	0.03 17	3.53 88	0.13 40

test_4	0.84 45	0.11 12	0.61 76	0.30 71	0.20 41	0.08 75	0.30 106	0.10 22	0.10 36	0.03 26	0.61 105	0.79 86	0.16 51	0.18 100	3.62 52	3.39 149	0.24 16	0.43 74	1.98 53	0.30 44	1.21 43	3.26 56	0.09 80	0.21 47	0.23 52	0.33 53	3.56 90	0.25 50

AFF-stereo	0.88 47	0.32 45	0.50 67	0.35 91	0.20 41	0.11 83	0.37 116	0.41 42	0.11 39	1.15 114	0.00 1	0.66 74	0.07 22	0.02 17	4.33 78	1.39 45	0.40 37	0.90 130	3.49 102	0.26 40	1.61 65	2.83 41	0.02 30	0.22 48	0.49 67	0.18 36	3.16 70	0.10 28

RAFT + AFF	0.48 17	0.05 4	0.01 2	0.22 42	0.03 6	0.04 52	0.14 77	0.03 6	0.03 5	0.00 1	0.00 1	0.32 23	0.03 6	0.07 57	4.66 90	0.97 15	0.56 62	0.09 14	2.34 61	0.04 3	0.69 23	1.96 25	0.02 30	0.22 48	0.15 39	0.12 30	0.24 8	0.01 8

DMCA	0.36 13	0.36 59	0.19 16	0.17 35	0.09 20	0.02 34	0.05 33	0.02 3	0.05 11	0.58 82	0.00 1	0.39 34	0.05 14	0.01 6	2.07 17	0.98 16	0.54 56	0.12 17	0.23 9	0.10 13	0.46 17	1.38 17	0.01 7	0.22 48	0.03 9	0.08 24	1.30 26	0.15 42

MIF-Stereo	0.45 16	0.30 43	0.37 45	0.08 24	0.19 38	0.01 8	0.02 9	0.10 22	0.09 31	0.00 1	0.00 1	0.49 47	0.09 29	0.05 46	2.28 24	1.53 54	0.28 21	0.43 74	1.84 51	0.14 21	1.17 41	1.99 28	0.01 7	0.23 51	0.16 42	0.10 27	0.26 9	0.03 14

NLCA_NET_v2_RVC	1.21 80	0.81 119	0.50 67	0.22 42	0.48 113	0.03 46	1.73 161	1.18 75	2.43 179	2.04 153	0.11 61	0.74 80	0.09 29	0.55 162	6.88 158	1.12 23	0.38 34	0.30 48	1.67 44	0.28 42	0.80 26	1.75 20	0.15 96	0.25 52	0.13 33	3.23 132	2.70 56	2.04 118
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	0.83 42	0.15 15	0.44 57	0.34 84	0.24 53	0.12 85	0.08 52	2.02 108	0.08 24	0.00 1	0.24 80	0.31 22	0.10 34	0.03 29	3.34 43	2.91 125	0.24 16	0.67 99	2.62 76	0.89 116	1.44 53	3.49 59	0.06 55	0.26 53	0.20 45	0.24 41	1.72 38	0.18 44

RALCasStereoNet	1.00 56	0.37 60	1.07 123	0.37 96	0.32 78	0.06 73	0.20 96	2.08 114	0.15 54	1.01 106	0.04 51	0.61 66	0.16 51	0.03 29	3.74 56	3.43 153	0.41 40	0.26 40	1.40 39	0.75 106	1.44 53	4.55 94	0.03 39	0.26 53	0.78 88	1.36 101	0.91 22	1.22 98

MGS-Stereo	0.68 29	0.97 137	0.65 78	0.25 56	0.18 33	0.01 8	0.05 33	0.07 17	0.14 48	0.00 1	0.00 1	0.30 19	0.15 47	0.03 29	5.25 112	1.01 18	0.41 40	0.26 40	1.09 29	0.44 63	1.38 48	2.76 38	0.03 39	0.27 55	0.34 57	0.25 42	1.72 38	0.24 48

rafts_anoy	0.92 50	0.33 52	0.86 106	0.37 96	0.24 53	0.05 60	0.07 47	2.48 134	0.14 48	0.01 20	0.00 1	0.20 10	0.04 9	0.02 17	3.97 69	3.08 132	0.56 62	0.40 64	2.20 59	0.34 51	1.65 67	3.86 72	0.02 30	0.27 55	0.99 97	0.73 79	0.87 21	0.98 92

TANstereo	1.73 106	1.38 156	0.72 87	0.26 60	0.35 84	0.62 137	0.07 47	0.52 53	0.46 93	0.27 56	1.08 120	0.36 25	0.20 62	1.04 183	3.37 45	2.99 127	0.99 108	1.69 176	9.06 157	3.49 194	3.58 128	4.48 90	3.34 209	0.28 57	0.05 16	0.67 74	5.35 160	0.09 26

XX-TBD	1.73 106	1.38 156	0.72 87	0.26 60	0.35 84	0.62 137	0.07 47	0.52 53	0.46 93	0.27 56	1.08 120	0.36 25	0.20 62	1.04 183	3.37 45	2.99 127	0.99 108	1.69 176	9.06 157	3.49 194	3.58 128	4.48 90	3.34 209	0.28 57	0.05 16	0.67 74	5.35 160	0.09 26

raftrobust	1.17 71	0.44 69	0.99 116	0.41 105	0.37 91	0.04 52	0.12 70	2.45 131	0.14 48	0.51 80	0.00 1	0.72 78	0.24 70	0.09 70	4.74 93	4.01 173	0.39 36	0.35 55	5.19 125	0.34 51	1.89 81	4.58 95	0.21 107	0.28 57	1.21 107	0.47 61	1.09 24	0.35 59

panet	1.17 71	0.32 45	0.93 113	0.22 42	0.19 38	0.01 8	0.08 52	2.54 135	0.38 87	0.63 84	0.99 117	0.76 83	0.58 118	0.06 54	3.83 62	3.16 137	0.91 101	0.55 87	2.21 60	0.76 108	2.97 108	3.47 58	0.06 55	0.29 60	1.28 108	1.05 90	2.55 53	0.92 87

UDGNet	2.73 143	1.17 152	0.42 53	10.90 211	5.53 200	8.65 208	3.60 188	1.70 91	0.27 79	0.22 52	0.12 65	0.80 87	0.12 39	9.72 227	4.00 73	1.35 41	0.73 78	0.54 86	3.02 93	0.60 87	2.78 100	6.16 138	3.41 211	0.29 60	1.70 126	1.69 112	3.06 66	1.10 94

CFNet_pseudo	1.04 61	0.55 83	0.68 80	0.46 114	0.53 115	0.05 60	0.02 9	0.61 59	0.10 36	0.91 101	0.11 61	0.88 94	0.56 115	0.52 161	5.81 132	1.84 70	0.55 61	0.37 56	2.85 85	0.41 59	1.09 38	3.10 53	0.59 163	0.29 60	0.61 77	0.63 72	2.23 46	1.75 111

CREStereo	1.20 77	0.33 52	0.95 115	0.24 52	0.19 38	0.01 8	0.06 42	2.65 142	0.54 100	0.64 85	1.05 118	0.72 78	0.59 119	0.07 57	3.92 68	3.45 157	0.86 98	0.42 70	2.19 58	0.72 102	3.10 113	3.56 62	0.10 83	0.29 60	1.20 106	1.09 91	2.54 52	0.90 84
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
UPFNet	0.52 19	0.31 44	0.76 94	0.22 42	0.28 64	0.02 34	0.05 33	0.09 21	0.08 24	0.38 70	0.00 1	0.38 31	0.03 6	0.24 116	3.16 41	1.04 20	0.34 28	0.14 20	0.59 18	0.34 51	0.44 16	1.09 11	0.01 7	0.30 64	0.05 16	0.01 5	3.54 89	0.05 22

dd	1.06 64	0.48 76	0.31 28	1.86 168	0.06 12	0.26 121	0.16 82	0.47 49	0.06 18	0.11 35	0.01 43	2.18 132	0.07 22	0.20 106	4.43 80	1.13 24	1.19 125	0.38 59	6.03 131	0.38 57	0.67 22	1.85 22	0.14 93	0.32 65	0.63 80	0.09 26	3.27 76	1.90 116

DISCO	0.90 49	0.96 136	0.36 40	0.06 11	0.36 86	0.63 139	0.54 131	0.23 31	0.32 85	1.72 142	0.58 103	0.41 37	0.29 77	0.04 42	2.98 38	1.47 50	1.02 113	0.31 51	3.32 96	0.56 82	1.01 35	3.01 45	0.13 90	0.33 66	0.13 33	0.33 53	2.81 59	0.43 65

MIF-Stereo (partial)	0.58 24	0.39 61	0.42 53	0.07 19	0.22 48	0.02 34	0.03 17	0.08 18	0.11 39	0.01 20	0.01 43	0.50 51	0.12 39	0.03 29	2.35 26	1.69 65	0.25 18	0.60 92	0.91 26	0.11 14	1.40 49	2.26 33	0.01 7	0.34 67	0.12 32	0.29 49	2.91 61	0.38 61

IER	0.69 31	0.46 73	0.29 27	0.30 71	0.18 33	0.01 8	0.09 60	0.42 43	0.11 39	1.07 110	0.07 57	1.62 123	0.05 14	0.20 106	3.15 40	1.25 31	0.40 37	0.16 25	0.82 23	0.44 63	0.57 20	2.22 31	0.21 107	0.34 67	0.09 23	1.03 89	2.96 63	0.28 51

GMOStereo	1.19 73	0.17 17	0.68 80	0.34 84	0.31 68	0.13 90	0.31 107	2.36 123	0.15 54	0.00 1	0.17 73	0.60 60	0.45 99	0.02 17	3.83 62	3.83 164	0.54 56	0.70 103	2.41 65	0.64 92	1.71 73	6.50 146	0.01 7	0.34 67	1.38 113	0.25 42	4.07 120	0.10 28

error version	1.19 73	0.17 17	0.68 80	0.34 84	0.31 68	0.13 90	0.31 107	2.36 123	0.15 54	0.00 1	0.17 73	0.60 60	0.45 99	0.02 17	3.83 62	3.83 164	0.54 56	0.70 103	2.41 65	0.64 92	1.71 73	6.50 146	0.01 7	0.34 67	1.38 113	0.25 42	4.07 120	0.10 28

test-v	1.19 73	0.17 17	0.68 80	0.34 84	0.31 68	0.13 90	0.31 107	2.36 123	0.15 54	0.00 1	0.17 73	0.60 60	0.45 99	0.02 17	3.83 62	3.83 164	0.54 56	0.70 103	2.41 65	0.64 92	1.71 73	6.50 146	0.01 7	0.34 67	1.38 113	0.25 42	4.07 120	0.10 28

test-2	1.19 73	0.17 17	0.68 80	0.34 84	0.31 68	0.13 90	0.31 107	2.36 123	0.15 54	0.00 1	0.17 73	0.60 60	0.45 99	0.02 17	3.83 62	3.83 164	0.54 56	0.70 103	2.41 65	0.64 92	1.71 73	6.50 146	0.01 7	0.34 67	1.38 113	0.25 42	4.07 120	0.10 28

HGLStereo	0.70 32	0.34 56	0.41 51	0.23 49	0.31 68	0.02 34	0.17 87	0.08 18	0.13 46	1.20 120	0.69 109	0.25 16	0.15 47	0.09 70	2.36 27	1.50 51	0.57 64	0.29 46	1.25 33	0.24 36	1.13 40	3.16 54	0.08 76	0.34 67	0.18 43	0.19 37	3.13 68	0.47 67

CASnet	0.96 55	0.54 82	0.54 73	0.24 52	0.36 86	0.05 60	0.26 104	0.52 53	0.18 64	0.06 29	0.06 54	0.70 77	0.36 85	0.01 6	4.36 79	1.50 51	0.66 71	0.40 64	2.56 72	0.34 51	3.82 135	4.34 85	0.03 39	0.35 74	1.67 125	0.11 29	1.72 38	0.23 47
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
UCFNet_RVC	1.41 95	2.75 185	0.68 80	0.60 126	0.80 133	0.26 121	0.16 82	0.28 37	0.23 73	0.93 102	0.37 89	2.60 138	1.05 158	0.07 57	6.13 144	1.33 40	0.70 75	0.52 85	2.48 69	0.62 89	1.87 80	3.20 55	1.04 183	0.35 74	1.83 129	1.96 117	2.11 42	3.29 135

raft_robust	1.38 92	0.73 112	0.63 77	0.27 62	0.23 50	0.01 8	0.05 33	3.04 164	0.24 75	1.16 115	0.02 49	0.61 66	0.67 126	0.07 57	3.67 55	2.22 99	0.80 83	0.66 96	5.14 124	0.33 49	3.43 125	6.40 145	0.01 7	0.37 76	1.19 105	1.48 103	2.86 60	0.96 91

sCroCo_RVC	1.89 115	0.25 35	0.34 34	0.06 11	0.20 41	0.16 104	0.04 25	0.81 64	1.73 169	1.94 150	0.44 97	1.12 102	0.88 152	0.12 87	4.48 82	5.29 192	2.26 166	1.77 180	5.32 127	2.13 168	5.92 170	7.47 167	0.10 83	0.37 76	0.60 76	1.61 109	4.41 139	1.14 96

SA	1.07 65	0.91 129	0.46 64	0.21 40	0.25 59	0.01 8	0.02 9	2.68 144	0.14 48	0.14 43	0.00 1	0.59 56	0.38 90	0.34 134	3.59 51	2.03 87	0.45 45	0.51 83	3.47 101	0.32 46	1.40 49	3.72 66	0.01 7	0.38 78	0.44 65	1.60 108	4.79 148	0.10 28

s12784h	2.36 131	2.32 179	2.69 182	1.64 161	0.77 132	0.08 75	0.06 42	2.09 115	0.54 100	1.17 116	0.13 68	1.69 125	0.67 126	0.04 42	3.36 44	3.26 141	1.00 112	0.40 64	3.79 108	0.49 69	5.47 166	4.44 89	0.16 98	0.38 78	3.34 164	5.45 162	7.07 181	11.25 186

XX-Stereo	3.82 169	0.53 81	2.00 167	1.20 153	0.31 68	0.38 126	0.57 133	1.46 84	0.40 90	2.50 160	7.33 204	5.11 160	1.04 157	0.11 80	7.05 161	6.53 212	1.29 135	0.81 120	7.44 143	0.89 116	4.26 144	5.80 125	0.45 148	0.39 80	27.22 233	3.57 134	5.16 155	9.43 177

DMCA-RVC	0.82 41	0.43 68	0.50 67	0.31 73	0.59 122	0.15 100	1.13 145	0.29 38	1.52 157	1.29 125	0.34 88	0.64 70	0.14 45	0.17 98	3.74 56	1.26 32	0.80 83	0.51 83	0.97 27	0.51 75	0.87 31	1.93 23	0.26 122	0.40 81	0.13 33	0.08 24	2.70 56	0.50 68

test croco	0.56 21	0.39 61	0.44 57	0.17 35	0.41 103	0.01 8	0.01 2	0.74 61	0.08 24	0.01 20	0.00 1	0.74 80	0.14 45	0.04 42	2.91 36	1.93 79	0.25 18	0.44 77	1.02 28	0.16 23	1.65 67	2.50 36	0.01 7	0.41 82	0.21 49	0.06 22	0.36 12	0.10 28

4D-IteraStereo	1.14 68	0.34 56	1.40 137	0.29 67	0.38 95	0.05 60	0.09 60	2.11 116	0.11 39	0.00 1	0.19 77	0.52 53	0.22 68	0.24 116	3.76 58	3.57 161	0.28 21	0.38 59	2.95 88	0.49 69	3.35 122	5.63 122	0.12 89	0.41 82	0.10 27	0.29 49	3.09 67	0.34 57

LoS	1.97 121	0.23 26	0.39 49	0.23 49	0.18 33	0.02 34	0.09 60	15.67 227	0.89 130	3.41 189	0.87 112	0.98 99	0.83 145	0.20 106	3.66 53	3.84 168	1.36 142	0.90 130	3.25 95	0.74 104	5.14 159	4.30 84	0.24 117	0.41 82	2.64 143	0.80 81	1.36 27	0.50 68

sAnonymous2	1.64 100	0.27 37	0.18 14	0.11 31	0.20 41	0.49 130	0.05 33	1.85 98	0.98 134	0.21 48	0.39 90	1.21 104	0.85 147	0.08 66	4.74 93	3.93 170	1.35 140	1.22 160	7.85 144	0.83 113	4.15 140	5.99 129	0.03 39	0.42 85	0.15 39	2.19 120	2.36 49	2.37 125

CroCo_RVC	1.64 100	0.27 37	0.18 14	0.11 31	0.20 41	0.49 130	0.05 33	1.85 98	0.98 134	0.21 48	0.39 90	1.21 104	0.85 147	0.08 66	4.74 93	3.93 170	1.35 140	1.22 160	7.85 144	0.83 113	4.15 140	5.99 129	0.03 39	0.42 85	0.15 39	2.19 120	2.36 49	2.37 125

RAFT-Stereo + iAFF	1.00 56	0.33 52	0.75 93	0.38 100	0.42 106	0.14 94	0.43 123	0.97 69	0.13 46	1.32 127	0.00 1	0.65 73	0.09 29	0.03 29	4.73 92	1.46 49	0.50 51	0.13 19	3.58 103	0.49 69	1.60 63	4.02 77	0.02 30	0.42 85	0.52 69	0.38 59	3.38 83	0.17 43

R-Stereo Train	2.40 133	1.12 147	1.98 165	1.00 145	0.24 53	0.05 60	0.07 47	2.02 108	1.01 137	1.35 130	2.47 150	1.55 120	0.47 104	0.19 101	5.66 125	4.74 178	1.71 155	1.04 145	7.24 141	1.14 129	5.08 157	7.81 177	0.06 55	0.42 85	2.90 150	4.55 154	3.22 73	5.57 150

RAFT-Stereo	2.40 133	1.12 147	1.98 165	1.00 145	0.24 53	0.05 60	0.07 47	2.02 108	1.01 137	1.35 130	2.47 150	1.55 120	0.47 104	0.19 101	5.66 125	4.74 178	1.71 155	1.04 145	7.24 141	1.14 129	5.08 157	7.81 177	0.06 55	0.42 85	2.90 150	4.55 154	3.22 73	5.57 150
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
CC-Net-ROB	5.62 186	8.62 215	1.87 162	23.08 220	6.72 209	15.74 217	8.55 211	0.45 47	0.82 124	1.55 138	0.00 1	24.53 208	3.35 177	3.39 211	5.49 118	0.89 12	2.73 177	1.76 179	12.04 186	0.82 110	1.32 47	1.73 19	9.22 223	0.42 85	3.22 161	2.53 126	2.45 51	8.44 173

TRStereo	3.75 168	3.07 189	7.59 217	0.37 96	0.17 31	7.92 204	0.24 101	2.99 161	0.91 132	2.72 163	1.68 133	5.88 168	0.65 125	0.15 94	5.57 120	5.35 194	0.86 98	0.80 118	7.01 140	1.31 139	4.10 139	7.50 169	0.34 132	0.43 91	2.67 146	12.33 207	12.84 208	5.90 153

CFNet_RVC	1.14 68	0.65 97	0.92 110	0.35 91	0.40 101	0.14 94	0.13 73	0.11 24	0.18 64	0.86 98	1.15 123	0.67 75	0.17 57	0.08 66	6.26 148	1.31 39	0.70 75	0.40 64	1.62 42	0.29 43	1.93 83	3.03 47	0.06 55	0.43 91	0.95 94	1.90 116	3.91 111	2.07 119

DeepPruner_ROB	1.92 118	0.41 66	0.92 110	0.51 120	0.67 125	0.53 135	2.45 171	1.72 92	0.84 127	1.37 132	2.27 141	0.75 82	0.55 113	0.12 87	8.56 175	2.33 103	1.28 134	1.20 157	2.67 78	0.58 83	6.00 172	4.19 80	0.75 177	0.44 93	0.66 82	6.01 166	3.18 71	0.91 85

DLCB_ROB	1.13 67	0.77 113	0.73 90	0.44 111	0.51 114	0.22 113	0.42 120	0.49 50	0.28 80	0.84 96	0.50 98	1.31 113	0.85 147	0.11 80	2.70 31	1.54 55	1.12 120	0.27 42	0.82 23	0.22 34	1.70 72	3.50 60	0.48 153	0.44 93	4.83 183	2.48 125	2.14 44	0.79 80

FADNet	2.26 130	0.45 71	0.77 96	0.54 123	1.08 146	0.02 34	3.28 183	0.88 65	0.38 87	0.80 94	0.57 102	2.60 138	0.50 109	0.67 168	9.91 185	1.94 81	0.91 101	1.08 150	9.92 170	1.76 153	2.78 100	4.21 81	0.11 87	0.47 95	2.92 152	3.57 134	3.57 91	5.35 149

NVstereo2D	0.93 51	0.48 76	0.17 13	0.24 52	0.42 106	0.41 127	0.08 52	1.64 89	0.59 109	0.87 99	1.05 118	0.42 39	0.21 66	0.08 66	5.64 122	2.38 107	0.82 88	0.59 90	1.71 46	0.24 36	1.26 45	2.48 35	0.06 55	0.47 95	1.31 109	0.29 49	1.04 23	0.24 48

EKT-Stereo	3.12 152	0.79 115	2.25 172	0.51 120	0.38 95	0.57 136	1.87 164	3.36 175	1.32 149	2.03 152	5.99 190	1.48 117	0.75 136	0.44 149	7.79 168	6.14 205	1.47 147	3.22 206	8.95 156	2.82 188	6.93 190	8.34 198	0.17 101	0.49 97	4.41 176	4.95 156	5.40 163	1.57 108

Any-RAFT	2.91 146	0.59 90	3.81 191	0.35 91	0.57 121	0.02 34	0.11 68	2.92 159	0.63 112	0.50 79	3.78 169	3.92 150	0.36 85	0.16 97	6.57 153	3.98 172	0.87 100	0.87 125	8.59 152	0.61 88	5.45 165	6.20 139	0.42 143	0.49 97	5.12 187	9.91 195	3.30 79	8.42 172

anonymousdsp2	1.03 60	0.29 40	0.37 45	0.23 49	0.09 20	0.03 46	0.04 25	1.33 79	0.08 24	0.02 24	2.28 144	0.33 24	0.18 59	0.27 123	2.59 28	2.50 109	0.44 44	0.56 88	3.69 105	1.14 129	1.68 70	5.57 120	0.24 117	0.50 99	0.41 62	0.15 33	2.74 58	0.02 10

AnonymousM	1.93 120	0.21 21	0.42 53	0.06 11	0.06 12	0.26 121	0.01 2	2.70 146	0.56 106	0.36 69	2.56 154	0.59 56	0.53 112	0.50 158	2.91 36	3.30 143	1.21 128	1.06 148	2.18 57	1.68 149	3.82 135	5.56 119	0.40 137	0.50 99	0.21 49	1.57 107	6.55 174	12.23 188

RALAANet	1.21 80	0.40 64	0.56 75	0.37 96	0.31 68	0.20 112	0.15 80	1.87 102	0.20 67	0.51 80	0.01 43	0.49 47	0.26 72	0.07 57	3.97 69	2.32 102	0.48 48	0.73 111	3.41 97	1.09 126	3.06 112	5.24 114	0.02 30	0.50 99	0.74 84	1.14 92	4.11 128	0.54 70

Anonymous3	3.42 158	0.60 91	0.93 113	0.09 28	1.35 153	0.50 132	0.03 17	3.46 178	1.28 147	1.11 111	0.80 111	10.89 185	1.36 166	0.45 151	8.96 178	6.97 221	3.85 186	3.08 204	11.46 181	2.32 175	7.35 193	12.18 229	0.38 136	0.51 102	1.75 127	3.57 134	5.30 158	1.85 114

PA-Net	2.07 125	0.95 132	1.62 150	0.31 73	2.13 178	0.17 106	0.70 137	0.21 28	1.90 172	0.84 96	1.44 127	0.30 19	0.21 66	0.84 174	7.47 164	1.66 63	0.38 34	0.37 56	1.25 33	0.74 104	1.66 69	4.96 110	0.64 167	0.51 102	1.03 98	11.53 205	2.31 48	9.73 181
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
iinet-f	1.66 103	1.28 154	0.38 47	0.81 138	0.15 28	0.24 118	0.13 73	0.42 43	0.21 71	1.91 148	3.98 171	0.30 19	0.27 73	0.07 57	6.30 150	2.65 117	0.43 43	0.30 48	8.10 150	1.14 129	2.10 88	6.32 141	0.26 122	0.52 104	1.42 118	0.21 40	4.26 133	0.60 72

DSFCA	0.83 42	0.44 69	0.51 71	0.29 67	0.59 122	0.05 60	0.61 135	0.23 31	0.55 104	0.49 78	0.58 103	0.48 46	0.11 37	0.04 42	2.83 35	1.42 47	0.78 82	0.72 109	1.15 32	0.65 98	1.24 44	3.01 45	0.21 107	0.53 105	0.55 72	0.83 82	3.19 72	0.46 66

NCC-stereo	2.13 126	1.68 165	1.46 142	1.00 145	1.37 154	0.89 147	2.88 178	2.59 139	2.86 185	0.34 64	2.72 158	2.40 133	1.41 167	0.27 123	5.18 109	1.38 43	0.85 93	0.98 138	2.99 91	1.01 123	1.54 57	4.72 102	0.43 144	0.53 105	2.61 141	4.44 151	4.09 125	4.93 145

Abc-Net	2.13 126	1.68 165	1.46 142	1.00 145	1.37 154	0.89 147	2.88 178	2.59 139	2.86 185	0.34 64	2.72 158	2.40 133	1.41 167	0.27 123	5.18 109	1.38 43	0.85 93	0.98 138	2.99 91	1.01 123	1.54 57	4.72 102	0.43 144	0.53 105	2.61 141	4.44 151	4.09 125	4.93 145
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RASNet	0.86 46	0.32 45	0.77 96	0.46 114	0.31 68	0.18 108	0.10 66	0.95 68	0.14 48	1.11 111	0.09 59	0.53 54	0.44 96	0.35 139	1.76 15	1.87 72	0.59 65	0.22 32	1.13 30	0.07 8	1.42 52	3.94 73	0.17 101	0.53 105	0.46 66	0.37 58	3.64 94	1.29 99

LMCR-Stereo	1.14 68	0.56 84	0.72 87	0.31 73	0.31 68	0.14 94	0.06 42	1.38 81	0.28 80	0.33 63	0.12 65	0.86 92	0.20 62	0.26 119	3.99 71	2.00 85	1.20 126	0.37 56	6.02 130	1.76 153	2.41 95	3.82 69	0.07 70	0.55 109	0.52 69	0.51 66	1.50 33	0.67 76

HSM	1.20 77	0.35 58	1.10 126	0.59 125	0.56 120	0.05 60	0.09 60	2.87 158	0.31 83	0.13 42	0.53 100	0.76 83	0.13 42	0.05 46	5.24 111	1.26 32	0.85 93	0.30 48	3.45 100	0.50 73	2.38 93	3.35 57	0.10 83	0.55 109	0.74 84	0.86 85	4.16 129	1.08 93

DeepPrunerF	2.93 147	1.75 167	0.35 36	3.49 184	9.49 216	1.73 169	4.02 190	0.70 60	3.19 187	0.69 87	1.51 129	0.60 60	0.34 81	0.14 93	7.97 170	3.53 159	1.21 128	0.76 114	4.64 121	0.73 103	2.31 90	4.11 79	0.65 168	0.58 111	15.77 221	3.70 140	3.75 99	1.43 101

RAFT-Test	3.05 149	0.69 103	1.82 161	1.09 151	0.81 135	0.25 119	0.43 123	3.13 169	0.76 120	1.06 109	6.42 196	1.03 101	0.91 154	0.35 139	5.61 121	6.66 216	1.32 138	0.61 93	10.76 179	1.74 152	6.54 184	7.48 168	0.56 156	0.59 112	2.76 149	10.02 196	4.56 143	4.35 141

UNet	0.67 28	0.32 45	0.47 65	0.27 62	0.23 50	0.03 46	0.15 80	0.55 56	0.14 48	1.13 113	0.00 1	0.61 66	0.17 57	0.15 94	2.26 21	1.51 53	0.50 51	0.22 32	1.51 41	0.25 38	0.75 24	1.79 21	0.18 103	0.60 113	0.07 20	0.32 52	3.43 86	0.61 73

anonymity	4.07 172	0.78 114	6.15 212	1.49 159	0.74 130	0.48 129	0.49 128	3.72 184	1.65 164	2.70 161	20.70 244	3.99 151	0.88 152	0.28 128	5.31 115	6.26 208	1.14 123	0.71 107	7.91 147	1.58 146	4.27 145	8.17 191	0.41 140	0.61 114	4.86 184	9.60 193	5.48 164	9.41 176

FADNet-RVC	2.02 123	0.32 45	0.74 92	0.33 80	1.23 150	0.05 60	3.02 181	0.60 58	0.24 75	1.02 107	0.31 86	6.30 171	0.33 79	0.34 134	10.06 186	2.10 94	0.84 92	0.81 120	6.91 139	1.97 159	2.36 92	3.78 68	0.20 106	0.61 114	1.94 131	1.65 110	3.28 77	3.13 132

cross-raft	2.64 140	0.79 115	1.76 158	0.43 109	0.89 140	0.23 114	0.18 90	3.08 166	0.70 116	0.77 90	2.13 138	1.21 104	0.69 129	0.41 146	5.43 117	5.90 200	1.22 132	0.59 90	10.82 180	1.85 156	6.50 180	8.26 192	0.45 148	0.63 116	2.66 145	4.41 150	4.46 141	4.88 144

ICVP	1.55 98	0.24 31	1.65 151	0.43 109	0.45 110	0.50 132	0.38 118	1.26 78	0.64 113	1.77 144	1.20 124	0.88 94	1.63 169	0.25 118	4.46 81	2.81 123	1.49 148	1.01 143	2.50 70	1.15 133	2.70 98	5.75 124	0.14 93	0.63 116	0.72 83	2.31 122	3.35 82	1.59 109
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ADCP+	3.65 167	2.02 170	2.68 181	1.32 157	1.94 171	1.22 158	4.40 191	1.11 73	9.44 216	1.76 143	5.45 183	9.05 179	0.37 89	0.98 179	6.99 160	2.36 105	0.61 67	0.92 132	6.14 135	0.94 120	2.80 102	5.58 121	0.36 135	0.63 116	3.00 153	12.42 208	3.57 91	10.51 184

Sa-1000	1.45 96	0.32 45	0.53 72	0.28 65	0.26 60	0.01 8	0.04 25	2.73 148	0.11 39	0.01 20	0.01 43	0.59 56	0.49 108	0.56 163	6.07 142	2.10 94	0.92 104	0.88 127	4.60 120	0.59 85	1.56 59	6.38 143	0.01 7	0.64 119	2.25 135	1.72 113	5.00 152	0.38 61

XPNet_ROB	3.41 157	2.62 182	1.58 149	0.80 137	1.56 161	1.24 159	0.96 141	0.89 66	1.54 159	1.17 116	3.26 164	26.85 211	0.38 90	0.40 144	6.47 152	2.54 112	3.57 184	0.89 128	3.41 97	1.26 136	3.53 126	7.67 174	0.87 181	0.64 119	0.96 96	2.39 123	9.98 198	4.70 143

PDISCO_ROB	1.24 83	0.57 87	0.10 9	0.66 129	0.32 78	0.01 8	0.57 133	0.78 63	0.49 98	1.25 122	0.94 116	0.36 25	0.32 78	0.19 101	3.99 71	2.19 97	0.98 107	1.44 167	2.38 62	0.62 89	2.92 106	4.93 107	0.18 103	0.64 119	1.52 122	0.53 67	3.95 117	0.62 74

DLNR_Zeroshot_test	23.08 231	78.93 266	7.15 216	99.97 266	0.34 82	0.16 104	98.90 266	3.23 174	0.54 100	3.12 175	2.31 148	6.01 170	0.92 155	21.35 232	96.48 266	100.00 270	25.46 242	22.19 253	22.79 212	2.43 177	9.32 214	9.14 206	0.06 55	0.65 122	2.36 138	3.89 145	2.16 45	3.20 133

CASS	2.93 147	1.06 143	2.39 175	2.21 175	1.17 148	0.52 134	2.81 176	2.79 154	1.05 140	1.80 146	3.40 165	1.68 124	0.59 119	0.05 46	4.51 83	3.20 140	5.58 205	1.31 164	9.56 165	1.64 148	7.26 191	7.98 184	0.05 49	0.66 123	3.62 170	2.70 127	4.35 134	5.22 148
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
IPLG	1.33 88	0.40 64	0.76 94	0.29 67	0.28 64	0.01 8	0.09 60	2.25 119	0.31 83	0.40 73	0.28 82	0.37 29	0.74 135	0.31 133	5.67 127	1.89 75	1.26 133	0.95 137	2.86 86	0.47 66	1.18 42	6.06 135	0.06 55	0.66 123	0.63 80	3.73 141	3.86 108	0.11 35

PSMNet-ADL	3.55 165	0.87 124	1.70 155	1.71 163	2.00 175	1.21 157	0.69 136	2.55 137	1.91 173	4.36 209	7.71 207	4.22 152	7.85 193	0.10 75	7.75 167	5.27 190	2.09 164	0.89 128	11.92 185	2.07 164	4.52 149	6.13 137	0.70 173	0.67 125	2.07 132	4.52 153	8.78 194	1.62 110

EGLCR-Stereo	1.68 104	0.23 26	2.17 171	0.08 24	0.28 64	0.09 79	0.09 60	0.50 51	1.17 146	0.11 35	2.55 153	0.62 69	0.67 126	0.03 29	4.24 76	3.69 162	1.12 120	1.22 160	4.58 119	0.59 85	4.19 142	7.51 170	0.24 117	0.68 126	1.05 100	0.64 73	6.73 177	0.33 55

PWCDC_ROB	3.09 150	0.52 80	0.24 21	0.38 100	0.92 144	0.25 119	0.37 116	1.16 74	8.67 213	0.14 43	2.36 149	0.85 90	32.24 233	0.72 171	6.25 146	3.40 151	2.00 162	0.94 135	2.65 77	1.03 125	3.63 131	9.35 209	0.27 126	0.68 126	0.55 72	0.69 76	1.44 30	1.79 113

MSKI-zero shot	3.55 165	0.69 103	1.78 160	0.20 38	0.41 103	0.19 110	0.14 77	3.13 169	0.94 133	0.80 94	6.42 196	3.89 149	0.60 122	0.03 29	5.84 133	6.80 219	1.44 144	1.01 143	11.77 183	2.28 171	6.56 185	8.63 200	0.24 117	0.71 128	4.66 180	11.34 203	7.75 187	7.55 168

IGEV_Zeroshot_test	4.05 171	0.80 118	8.10 219	6.86 200	0.41 103	2.27 176	1.89 165	3.90 186	1.41 154	2.09 154	8.67 213	4.78 157	1.00 156	0.23 115	5.53 119	6.82 220	1.05 115	0.73 111	9.30 164	1.98 161	7.38 194	8.89 204	0.47 151	0.72 129	5.72 191	5.34 161	5.93 169	7.12 165

SACVNet	1.77 111	0.88 125	1.11 127	0.67 130	1.41 159	0.84 144	0.94 140	2.65 142	0.54 100	1.31 126	0.02 49	0.95 98	0.40 92	0.39 143	6.01 141	2.36 105	1.71 155	0.42 70	4.84 123	0.82 110	3.03 110	6.05 134	0.11 87	0.73 130	1.33 110	1.66 111	4.02 118	2.55 129

psm_up	1.28 86	0.67 101	1.09 125	0.41 105	0.89 140	0.04 52	0.31 107	2.38 130	1.16 145	0.77 90	0.00 1	1.36 114	0.10 34	0.44 149	4.59 89	1.35 41	0.83 90	0.45 78	4.14 113	0.47 66	1.60 63	2.76 38	0.01 7	0.73 130	1.16 104	1.54 106	3.84 104	1.40 100

ACRE	1.04 61	0.24 31	0.80 100	0.33 80	0.36 86	0.04 52	0.34 112	0.21 28	0.48 97	0.08 34	0.14 69	1.30 112	0.09 29	0.45 151	4.77 99	1.62 59	0.82 88	0.43 74	2.08 55	0.33 49	2.40 94	4.72 102	0.06 55	0.74 132	1.10 101	0.28 47	3.80 101	0.11 35

CIPLG	1.04 61	0.23 26	0.82 102	0.32 78	0.36 86	0.04 52	0.34 112	0.21 28	0.50 99	0.07 30	0.11 61	1.24 108	0.08 25	0.42 148	4.82 102	1.65 62	0.85 93	0.39 63	2.02 54	0.32 46	2.35 91	4.69 101	0.05 49	0.75 133	1.10 101	0.35 56	3.79 100	0.12 38

IPLGR_C	1.02 59	0.24 31	0.77 96	0.31 73	0.36 86	0.04 52	0.35 114	0.20 27	0.47 96	0.07 30	0.12 65	1.26 110	0.09 29	0.41 146	4.52 84	1.63 60	0.81 85	0.45 78	2.10 56	0.32 46	2.41 95	4.67 100	0.07 70	0.75 133	1.04 99	0.28 47	3.80 101	0.11 35

test-1	3.29 156	0.29 40	1.96 164	0.33 80	0.26 60	0.23 114	0.42 120	3.11 168	0.84 127	3.35 185	3.99 172	5.66 167	0.78 139	0.19 101	6.33 151	6.00 202	1.70 154	1.62 173	10.71 178	1.73 151	5.37 162	9.64 211	0.07 70	0.76 135	3.30 163	6.12 168	5.48 164	8.68 175

RP	1.55 98	1.14 149	2.48 178	0.89 140	1.23 150	0.43 128	2.08 167	1.86 101	1.63 163	0.29 58	2.10 137	2.43 135	0.13 42	0.49 157	5.11 107	1.26 32	0.83 90	0.05 8	1.74 48	0.49 69	1.04 36	4.92 106	0.16 98	0.76 135	0.49 67	1.14 92	4.64 146	1.98 117

MSMDNet	2.61 138	0.70 106	1.72 157	0.38 100	0.62 124	0.23 114	0.18 90	3.09 167	0.67 115	1.02 107	2.22 140	1.22 107	2.43 175	0.35 139	5.26 114	6.79 218	1.36 142	0.58 89	10.46 176	3.11 190	6.34 178	7.92 182	0.41 140	0.76 135	2.48 139	3.98 146	3.04 65	3.06 131

iRaft-Stereo_20w	4.82 181	1.53 159	8.41 221	7.63 202	1.90 169	3.40 186	1.71 160	3.40 177	2.25 177	3.58 192	9.41 219	3.70 146	1.31 163	0.48 155	5.41 116	5.85 199	1.31 137	0.85 123	9.58 166	1.92 158	5.27 161	7.69 175	0.65 168	0.77 138	4.40 175	14.15 213	11.18 203	12.46 189

pcwnet_v2	1.99 122	0.65 97	0.87 107	0.77 136	1.17 148	0.72 140	0.24 101	1.75 94	0.66 114	3.33 181	1.75 136	1.49 119	1.91 171	1.68 198	6.75 154	2.30 101	1.12 120	0.69 102	4.33 117	0.50 73	2.08 87	4.26 82	1.07 186	0.77 138	1.43 119	2.18 119	4.16 129	5.20 147

test_3	1.92 118	1.16 151	1.42 138	0.44 111	0.39 100	0.14 94	0.20 96	2.79 154	0.17 60	0.38 70	0.41 94	4.32 155	0.36 85	0.03 29	6.25 146	3.34 145	0.68 73	0.67 99	9.18 162	0.53 77	3.20 115	7.85 180	0.06 55	0.80 140	0.95 94	1.27 98	3.85 107	0.94 90

stereogan	2.15 128	2.03 171	1.44 141	1.52 160	2.14 179	1.79 170	1.07 144	1.88 104	1.10 141	1.33 129	1.43 126	5.96 169	0.51 110	0.34 134	5.92 135	1.93 79	1.03 114	0.41 69	4.12 112	0.95 121	1.69 71	6.00 131	0.26 122	0.81 141	0.61 77	1.42 102	6.77 178	3.73 138

test-3	1.89 115	1.05 142	1.54 145	0.41 105	0.38 95	0.14 94	0.19 93	2.73 148	0.17 60	0.35 68	0.42 95	4.22 152	0.35 83	0.03 29	5.92 135	3.44 155	0.64 69	0.66 96	9.08 160	0.54 81	3.27 118	8.02 186	0.08 76	0.82 142	0.74 84	1.01 87	3.94 115	0.87 82

test_1	1.89 115	1.07 145	1.54 145	0.41 105	0.38 95	0.14 94	0.19 93	2.73 148	0.17 60	0.31 61	0.40 93	4.23 154	0.35 83	0.03 29	5.96 138	3.44 155	0.64 69	0.65 95	9.10 161	0.53 77	3.29 119	8.03 187	0.08 76	0.82 142	0.74 84	1.01 87	3.94 115	0.89 83

GES	1.73 106	0.33 52	0.48 66	0.58 124	0.43 108	0.28 124	0.51 130	2.03 112	0.90 131	1.18 118	0.55 101	0.49 47	0.23 69	0.02 17	8.51 174	2.72 118	1.06 116	0.76 114	9.71 167	1.71 150	3.36 123	4.34 85	0.23 115	0.83 144	0.42 63	0.35 56	2.56 54	2.21 123

iResNetv2_ROB	1.40 94	0.83 121	0.41 51	1.30 156	0.37 91	0.05 60	0.14 77	3.17 171	0.20 67	1.97 151	0.28 82	2.49 137	0.40 92	0.06 54	3.78 59	1.57 56	1.08 118	0.22 32	6.10 132	0.67 100	3.61 130	2.04 29	0.26 122	0.83 144	0.62 79	0.54 68	4.07 120	0.71 77

GANet-ADL	2.63 139	0.65 97	2.25 172	1.16 152	1.13 147	1.61 166	0.77 139	1.97 106	1.02 139	3.19 179	3.22 163	1.48 117	0.33 79	0.03 29	6.00 140	4.08 174	2.52 173	0.78 117	7.88 146	2.05 163	3.56 127	6.68 152	0.27 126	0.86 146	1.51 121	6.92 173	5.25 157	3.84 139

iResNet_ROB	1.22 82	0.71 107	0.44 57	0.45 113	0.34 82	0.04 52	0.16 82	3.05 165	0.12 45	1.32 127	0.00 1	0.93 97	0.34 81	0.05 46	4.57 86	1.86 71	0.81 85	0.48 80	6.00 129	0.34 51	1.95 84	1.30 14	0.31 129	0.91 147	0.33 56	0.95 86	3.93 113	1.14 96

HH	3.49 163	0.47 74	5.11 202	0.68 131	0.69 127	0.93 149	1.38 152	3.19 172	0.82 124	2.81 164	2.29 145	5.39 161	0.81 142	0.34 134	5.69 128	7.67 228	0.99 108	1.08 150	9.91 168	2.70 185	7.76 196	8.27 194	0.57 158	0.93 148	3.44 166	8.42 186	5.63 167	6.30 160

HanStereo	3.49 163	0.47 74	5.11 202	0.68 131	0.69 127	0.93 149	1.38 152	3.19 172	0.82 124	2.81 164	2.29 145	5.39 161	0.81 142	0.34 134	5.69 128	7.67 228	0.99 108	1.08 150	9.91 168	2.70 185	7.76 196	8.27 194	0.57 158	0.93 148	3.44 166	8.42 186	5.63 167	6.30 160

MyStereo04	2.45 135	0.72 109	1.28 130	0.73 134	0.84 138	0.04 52	0.16 82	2.58 138	0.98 134	3.09 174	0.72 110	1.71 126	0.16 51	0.07 57	5.25 112	3.37 147	0.81 85	1.04 145	10.31 174	2.51 180	5.56 167	5.11 111	1.16 189	0.94 150	3.03 154	8.41 184	4.87 150	0.64 75

DDUNet	13.01 213	20.50 228	4.63 195	37.04 231	24.81 230	34.87 234	32.65 232	1.85 98	1.66 166	1.47 135	3.83 170	13.22 192	4.08 184	83.62 243	6.26 148	2.41 108	8.99 219	3.82 209	18.78 197	4.54 201	7.88 199	7.25 159	16.92 232	0.99 151	1.50 120	0.70 77	4.90 151	2.09 120

MyStereo	2.72 141	0.79 115	2.81 183	0.74 135	0.88 139	0.12 85	0.16 82	2.33 122	0.55 104	3.57 191	2.91 162	1.91 127	0.18 59	0.07 57	5.96 138	3.15 136	0.69 74	0.80 118	10.57 177	2.46 178	5.40 163	5.96 128	1.06 185	1.00 152	3.89 172	9.87 194	5.08 153	0.58 71

dad	4.27 174	0.90 127	0.38 47	10.18 210	1.67 164	1.51 164	12.20 217	12.33 218	0.11 39	3.40 187	0.00 1	1.94 128	3.49 179	0.26 119	6.16 145	1.44 48	1.74 158	0.71 107	14.06 191	0.66 99	3.23 116	4.00 76	0.21 107	1.02 153	6.09 194	0.19 37	17.62 220	9.71 180

DN-CSS_ROB	1.68 104	0.57 87	1.42 138	0.83 139	0.73 129	0.05 60	0.22 100	2.83 156	0.40 90	1.50 137	3.57 168	1.02 100	0.43 95	0.09 70	4.11 75	1.61 58	1.34 139	0.84 122	8.83 154	0.39 58	4.42 148	3.67 64	0.09 80	1.02 153	0.13 33	0.55 69	3.24 75	1.52 104

MIPNet	1.76 110	0.72 109	0.87 107	0.32 78	0.55 116	0.01 8	0.08 52	1.77 96	0.38 87	2.09 154	0.92 114	0.44 41	0.76 137	0.27 123	5.64 122	2.03 87	1.52 150	0.93 134	3.87 109	1.34 141	1.41 51	6.39 144	0.07 70	1.05 155	2.65 144	7.16 175	3.90 110	0.29 52

AE-Stereo	1.73 106	0.32 45	2.11 169	0.34 84	0.37 91	0.05 60	0.43 123	0.44 46	0.32 85	0.04 28	0.00 1	3.48 145	0.44 96	0.07 57	4.68 91	3.77 163	1.11 119	0.92 132	4.18 114	1.16 134	3.77 134	7.03 158	0.18 103	1.06 156	3.29 162	2.09 118	4.84 149	0.18 44

BEATNet_4x	1.65 102	0.58 89	0.35 36	0.20 38	0.38 95	0.15 100	0.46 126	1.78 97	1.70 168	0.40 73	0.50 98	1.13 103	0.62 123	0.65 166	6.09 143	3.02 129	2.14 165	1.81 181	1.48 40	0.79 109	5.22 160	7.76 176	0.08 76	1.07 157	0.32 55	0.48 62	3.92 112	1.49 103

RGC	2.76 145	2.10 176	5.00 199	1.68 162	1.94 171	1.93 171	1.23 150	2.03 112	1.49 156	0.88 100	4.67 179	2.77 142	2.63 176	0.70 170	5.76 131	1.89 75	1.20 126	0.48 80	4.42 118	1.33 140	2.66 97	6.08 136	0.21 107	1.11 158	2.55 140	5.20 158	5.35 160	7.17 166

Anonymous	2.36 131	0.25 35	0.14 12	0.08 24	0.27 63	0.15 100	0.05 33	3.01 162	1.34 152	1.45 134	0.01 43	1.37 115	1.20 161	0.20 106	4.75 96	5.59 197	2.65 176	1.74 178	12.24 188	2.28 171	6.44 179	7.90 181	0.10 83	1.12 159	1.58 123	1.79 114	4.58 144	1.55 105

IPLGR	2.02 123	0.67 101	0.81 101	0.38 100	0.47 112	0.01 8	0.08 52	1.39 82	0.28 80	2.32 157	2.30 147	0.46 43	0.79 141	0.20 106	6.88 158	1.99 83	1.44 144	1.35 165	5.56 128	1.85 156	2.94 107	6.20 139	0.06 55	1.13 160	3.39 165	6.80 172	3.93 113	0.75 78

SGM-Forest	3.19 153	2.07 173	0.45 62	6.33 197	2.00 175	2.67 179	0.10 66	1.46 84	0.76 120	2.49 159	0.91 113	6.65 174	6.47 187	0.48 155	6.84 156	3.08 132	0.85 93	0.33 52	3.65 104	0.62 89	2.81 103	5.69 123	0.84 180	1.18 161	3.88 171	3.84 144	11.86 206	7.73 170
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
ADCRef	3.22 154	2.76 186	1.07 123	0.70 133	2.26 183	2.09 174	2.76 175	1.00 70	5.91 203	1.91 148	1.10 122	1.28 111	0.78 139	1.43 193	8.09 171	3.52 158	1.51 149	1.18 155	8.68 153	2.26 170	3.23 116	6.00 131	1.89 196	1.20 162	3.12 160	7.80 181	3.41 85	10.10 183

APVNet	1.38 92	1.06 143	0.27 25	0.33 80	0.37 91	0.28 124	0.50 129	0.39 40	0.42 92	0.93 102	0.42 95	0.85 90	0.19 61	0.15 94	4.81 100	3.10 135	1.87 160	0.94 135	4.74 122	0.89 116	2.23 89	5.90 127	0.05 49	1.23 163	0.19 44	0.48 62	3.80 101	0.91 85

FINET	2.25 129	0.61 93	1.06 122	0.48 117	0.55 116	0.75 143	0.98 142	1.18 75	1.87 171	0.30 59	3.46 167	1.25 109	2.35 173	0.80 173	14.13 211	2.94 126	1.14 123	0.42 70	2.74 81	1.28 138	2.71 99	4.08 78	0.43 144	1.24 164	3.04 155	5.74 164	1.70 37	3.42 137

NaN_ROB	3.44 159	1.18 153	1.20 129	0.92 142	3.15 188	0.73 141	1.61 159	3.36 175	2.57 182	0.98 105	1.25 125	21.11 205	0.77 138	1.26 190	5.06 106	1.79 68	1.06 116	0.76 114	2.52 71	1.44 143	1.95 84	3.82 69	0.52 154	1.30 165	4.05 173	10.09 198	4.78 147	13.66 193

ETE_ROB	5.10 184	4.12 201	1.76 158	1.25 154	2.22 182	2.82 180	2.07 166	1.56 87	4.21 197	1.88 147	5.58 186	37.59 224	0.86 151	1.44 194	10.38 189	2.80 122	4.20 193	0.98 138	5.24 126	1.97 159	4.87 154	7.58 171	0.77 179	1.38 166	2.34 136	3.79 143	15.93 217	8.21 171

ADCL	4.20 173	3.62 196	2.45 176	1.72 164	1.80 165	3.15 183	4.53 194	2.29 120	13.19 223	2.81 164	4.88 181	2.96 143	0.72 133	1.36 192	7.16 162	2.76 121	2.35 169	2.20 194	6.83 138	2.31 174	6.19 174	6.77 154	1.40 192	1.47 167	6.63 198	6.49 170	4.40 138	11.08 185

GEStereo_RVC	2.49 137	0.90 127	1.02 120	1.03 150	0.74 130	1.57 165	1.21 149	2.68 144	0.58 108	0.77 90	0.39 90	2.62 141	0.36 85	0.11 80	4.94 105	4.65 177	2.05 163	2.17 193	9.07 159	2.10 167	3.74 133	9.71 212	0.55 155	1.49 168	0.81 90	0.84 84	4.45 140	6.73 163

RTSC	3.11 151	0.95 132	1.93 163	0.51 120	0.89 140	1.05 153	2.90 180	1.64 89	1.98 174	2.28 156	2.71 157	1.60 122	1.14 159	1.24 188	11.23 194	4.78 181	4.92 203	2.00 190	8.11 151	1.61 147	4.78 153	6.97 157	0.34 132	1.52 169	1.35 111	1.21 97	4.60 145	9.80 182

LALA_ROB	4.53 178	4.80 205	1.68 153	1.27 155	2.16 180	2.28 177	1.42 156	1.88 104	2.60 183	2.71 162	5.56 184	33.12 216	0.72 133	0.88 176	10.88 192	2.59 114	3.47 182	1.83 182	4.21 115	2.04 162	4.39 147	7.30 162	0.41 140	1.52 169	2.35 137	3.60 137	8.94 195	7.68 169

NCCL2	2.48 136	2.35 180	1.52 144	1.33 158	1.96 174	0.23 114	1.25 151	1.33 79	1.30 148	1.63 139	2.57 155	1.38 116	0.55 113	0.40 144	7.49 166	2.59 114	1.77 159	0.67 99	2.58 74	0.83 113	3.36 123	6.56 150	1.66 194	1.53 171	4.71 182	4.33 148	4.24 132	6.90 164

FADNet-RVC-Resample	1.87 113	0.69 103	1.01 119	0.50 119	0.67 125	0.19 110	1.39 155	1.43 83	0.87 129	0.94 104	0.92 114	5.52 165	0.52 111	1.00 180	7.45 163	1.91 78	1.44 144	1.98 187	3.91 110	1.13 128	1.92 82	4.61 98	0.23 115	1.54 172	0.58 74	3.08 130	2.12 43	3.05 130

FADNet_RVC	4.48 177	2.12 177	1.42 138	3.57 186	3.69 190	1.20 156	2.37 170	2.30 121	1.42 155	1.77 144	4.48 176	9.79 182	6.84 191	1.84 202	12.73 203	3.36 146	3.55 183	4.20 213	17.52 195	3.76 197	5.93 171	8.26 192	0.72 175	1.64 173	1.78 128	3.63 138	5.12 154	5.99 157

GANetREF_RVC	2.72 141	1.88 168	1.03 121	2.10 172	1.40 158	1.09 154	0.21 98	4.74 192	1.62 162	3.74 197	0.06 54	10.56 184	0.82 144	0.10 75	4.53 85	1.59 57	1.29 135	0.98 138	6.76 137	0.75 106	3.12 114	2.45 34	0.21 107	1.71 174	4.31 174	3.74 142	7.02 180	5.71 152
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
GwcNet-ADL	3.44 159	3.11 191	3.40 188	3.24 182	2.51 184	0.88 146	0.42 120	2.96 160	0.71 117	3.80 200	7.12 202	7.96 175	1.21 162	0.20 106	4.76 98	4.86 185	2.42 171	0.72 109	8.04 149	2.75 187	3.31 120	5.54 118	0.28 128	1.76 175	2.68 147	5.24 159	4.37 135	8.53 174

EAI-Stereo	3.47 161	1.08 146	3.31 187	1.01 149	2.20 181	0.86 145	2.15 168	3.02 163	2.01 175	0.21 48	6.99 200	3.36 144	0.71 132	0.17 98	8.65 176	6.60 214	1.21 128	1.15 154	10.39 175	1.82 155	4.60 150	8.03 187	0.69 171	1.76 175	2.14 133	5.97 165	7.35 184	6.22 159

UDG	13.28 216	21.47 229	5.08 200	37.13 232	29.51 233	32.00 230	40.03 235	2.62 141	1.78 170	2.40 158	5.74 188	12.64 189	4.23 185	74.90 240	7.47 164	2.61 116	9.44 220	3.24 207	19.57 203	5.01 205	8.74 210	7.28 160	12.84 229	1.84 177	1.35 111	2.91 129	4.53 142	2.12 121

RTS	6.13 189	1.54 160	1.31 134	0.94 143	1.83 166	4.15 191	5.45 196	2.74 151	3.33 189	2.85 168	1.61 131	8.52 177	1.31 163	1.13 185	14.79 220	6.12 203	7.56 214	2.52 198	18.82 198	3.48 192	6.23 175	8.15 189	1.11 187	1.90 178	8.24 201	21.58 232	6.64 175	21.79 211

RTSA	6.13 189	1.54 160	1.31 134	0.94 143	1.83 166	4.15 191	5.45 196	2.74 151	3.33 189	2.85 168	1.61 131	8.52 177	1.31 163	1.13 185	14.79 220	6.12 203	7.56 214	2.52 198	18.82 198	3.48 192	6.23 175	8.15 189	1.11 187	1.90 178	8.24 201	21.58 232	6.64 175	21.79 211

SQANet	19.01 221	32.39 235	7.05 215	58.51 237	34.20 234	58.54 239	40.35 236	4.32 189	1.69 167	4.85 214	1.45 128	32.05 215	6.71 190	57.82 237	11.24 195	1.77 67	6.68 212	1.66 174	31.16 220	2.08 166	8.23 202	7.99 185	54.11 242	2.11 180	5.60 189	10.88 202	10.17 200	19.67 207

MFN_U_SF_DS_RVC	7.94 199	3.78 198	1.17 128	9.35 207	4.27 195	8.06 205	8.52 210	11.24 216	8.55 212	4.88 215	4.04 173	17.24 200	9.50 199	6.06 221	14.53 219	3.53 159	2.28 167	1.12 153	19.59 204	2.56 181	8.24 203	9.72 213	3.14 207	2.11 180	11.98 215	14.76 214	10.14 199	14.15 194

HBP-ISP	4.03 170	3.61 195	4.65 196	4.90 193	2.67 185	3.96 190	0.21 98	4.13 188	1.33 150	3.40 187	4.53 177	5.06 158	0.59 119	1.99 203	8.66 177	8.18 230	1.95 161	1.49 169	3.09 94	1.55 145	5.74 168	9.32 208	0.67 170	2.28 182	3.06 157	5.01 157	10.99 202	5.93 156

SFCPSM	5.84 188	2.89 187	1.36 136	1.97 169	1.59 162	1.65 167	0.56 132	2.54 135	4.75 200	3.16 176	7.74 208	15.48 197	23.57 220	1.24 188	11.21 193	4.79 182	2.53 174	1.55 170	22.65 211	7.42 215	4.60 150	6.67 151	0.69 171	2.33 183	4.62 177	4.35 149	6.18 170	9.49 178

ccs_rob	4.98 182	1.51 158	2.53 179	2.16 173	0.89 140	3.24 184	1.79 163	4.91 194	1.34 152	4.26 207	15.64 235	28.82 212	10.34 201	0.50 158	6.81 155	5.55 195	2.39 170	1.57 171	6.45 136	2.16 169	6.28 177	6.95 156	0.40 137	2.33 183	1.38 113	2.46 124	4.37 135	7.31 167

XQC	5.77 187	3.33 193	2.00 167	3.49 184	4.00 193	3.75 189	3.56 185	6.60 206	3.33 189	2.89 170	5.57 185	6.45 172	8.10 195	1.78 200	12.28 199	5.97 201	4.03 191	1.85 183	11.48 182	3.98 199	6.63 186	9.37 210	0.62 164	2.51 185	9.28 208	15.19 216	11.40 205	6.32 162

ADCPNet	7.46 195	2.07 173	4.11 193	2.81 179	6.39 205	3.36 185	8.24 208	5.53 202	7.83 210	3.76 198	7.86 209	5.53 166	14.04 208	3.15 209	13.54 208	6.64 215	4.80 200	2.06 191	18.97 201	5.05 206	8.54 205	10.30 220	2.99 204	2.59 186	9.61 210	17.77 221	7.74 186	16.22 197

MLCV	2.73 143	0.66 100	0.90 109	2.64 178	1.41 159	1.10 155	1.01 143	3.58 182	0.61 110	3.69 196	4.23 174	5.51 164	3.78 181	0.11 80	5.65 124	2.01 86	1.68 153	0.87 125	10.28 173	1.26 136	3.32 121	5.13 113	0.34 132	2.60 187	2.68 147	3.08 130	4.10 127	1.55 105

ADCMid	7.46 195	4.47 202	5.08 200	2.16 173	4.40 196	5.87 196	8.05 207	9.24 210	12.39 221	3.16 176	7.69 206	10.20 183	10.41 202	3.13 208	12.60 202	5.58 196	5.05 204	2.83 203	19.52 202	4.27 200	8.70 207	10.59 222	5.48 217	2.86 188	5.69 190	10.08 197	5.48 164	16.37 198

otaku	22.42 229	43.20 240	9.38 224	63.06 243	42.07 241	64.13 248	51.05 237	6.07 205	4.42 198	10.13 229	1.74 135	33.95 218	10.96 203	66.92 239	12.03 198	1.89 75	8.57 217	1.66 174	38.00 230	7.96 220	8.85 211	8.28 196	54.71 243	2.95 189	9.04 205	9.25 190	14.25 214	20.70 209

CSAN	5.32 185	2.66 183	1.69 154	3.30 183	3.85 192	2.05 172	2.31 169	5.00 197	4.86 202	3.78 199	2.69 156	17.88 202	11.82 205	1.17 187	10.17 187	1.96 82	2.51 172	1.35 165	6.12 133	2.50 179	3.97 137	4.60 96	0.56 156	2.97 190	6.49 196	16.18 219	7.96 190	13.30 192

HSM-Net_RVC	3.23 155	1.35 155	1.70 155	2.82 180	2.07 177	0.73 141	0.46 126	3.48 179	1.14 142	3.44 190	5.99 190	8.07 176	3.38 178	0.27 123	5.71 130	2.35 104	1.54 151	0.27 42	3.44 99	1.35 142	4.35 146	6.00 131	0.70 173	3.05 191	4.68 181	6.45 169	6.23 171	6.18 158
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
MDST_ROB	11.38 209	16.72 225	3.53 189	29.03 224	10.09 219	21.13 223	6.30 200	6.03 204	2.39 178	3.16 176	5.82 189	11.55 186	29.02 227	0.67 168	15.26 225	3.18 139	1.65 152	0.66 96	8.85 155	2.07 164	5.87 169	6.71 153	2.26 198	3.08 192	28.29 235	22.14 234	37.48 243	24.36 219

CBMV_ROB	7.04 194	2.92 188	2.91 184	8.40 205	6.54 208	5.80 195	3.57 186	5.09 198	2.49 180	3.84 202	4.70 180	21.33 206	14.76 210	0.47 153	10.48 190	3.84 168	3.13 180	1.58 172	12.20 187	8.81 221	6.17 173	5.80 125	0.47 151	3.14 193	9.16 207	15.50 218	13.69 211	13.29 191

Ntro	23.84 234	41.67 238	11.59 227	63.69 245	43.73 242	62.95 246	57.60 240	8.47 209	6.35 206	11.89 235	2.51 152	35.10 221	7.96 194	75.67 241	12.59 201	1.67 64	9.55 221	2.68 202	39.05 231	9.79 226	8.70 207	8.40 199	55.40 244	3.24 194	11.18 214	15.16 215	14.07 213	23.09 216

NOSS_ROB	3.47 161	3.88 200	0.50 67	2.22 176	1.85 168	2.58 178	0.05 33	2.70 146	1.59 160	3.61 193	1.69 134	2.61 140	3.90 183	1.01 181	9.33 181	5.76 198	3.02 179	1.87 185	2.83 84	1.09 126	5.42 164	6.93 155	0.46 150	3.37 195	3.09 159	10.15 199	8.01 191	4.05 140

SHD	5.09 183	1.15 150	3.12 186	1.80 165	1.94 171	1.71 168	2.82 177	5.09 198	4.76 201	2.82 167	5.39 182	5.07 159	9.79 200	0.87 175	11.37 196	6.33 211	4.71 199	2.67 201	13.97 190	3.50 196	7.31 192	8.29 197	0.44 147	3.88 196	5.02 186	7.49 179	4.03 119	12.20 187

FCDSN-DC	1.87 113	0.93 130	2.12 170	1.84 166	1.62 163	1.35 160	1.17 146	0.74 61	0.46 93	1.19 119	0.30 85	2.02 130	0.48 106	0.28 128	5.91 134	2.18 96	2.34 168	2.10 192	1.30 36	0.47 66	2.99 109	5.42 117	0.57 158	3.93 197	2.22 134	3.45 133	1.45 31	1.56 107
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MaskLacGwcNet_RVC	8.85 202	1.66 164	6.09 211	4.62 192	3.79 191	3.05 182	6.94 204	3.69 183	3.58 192	4.74 213	10.17 221	65.85 253	12.11 206	7.99 225	7.88 169	5.27 190	4.63 197	5.31 218	18.89 200	2.67 183	8.70 207	10.19 218	1.05 184	4.09 198	5.01 185	9.52 192	6.30 173	15.16 196

AnyNet_C32	6.34 192	2.03 171	2.98 185	1.85 167	2.88 187	3.58 187	6.75 203	4.57 191	12.25 220	3.05 173	7.04 201	4.71 156	1.88 170	2.57 206	14.38 217	6.24 207	6.31 209	4.36 216	12.98 189	3.18 191	11.94 225	11.62 226	1.98 197	4.21 199	6.60 197	10.55 200	6.27 172	14.36 195

FC-DCNN	4.43 175	4.58 203	5.93 209	9.82 209	4.79 198	8.76 209	4.48 193	4.47 190	1.65 164	2.91 172	2.13 138	6.53 173	2.41 174	0.30 130	4.57 86	2.52 110	2.76 178	1.21 158	3.98 111	0.89 116	3.66 132	4.91 105	0.73 176	4.23 200	8.24 201	6.03 167	7.69 185	9.53 179

edge stereo	11.93 211	6.96 213	11.28 226	14.49 212	12.53 222	16.91 218	13.06 219	12.62 221	7.43 208	6.06 219	15.07 232	38.54 226	18.86 214	1.55 195	12.90 204	7.43 224	6.14 207	3.10 205	25.46 217	4.74 202	8.16 201	10.22 219	4.20 213	4.35 201	9.83 212	8.13 183	13.68 210	28.51 226

ACVNet-4b	27.62 237	43.15 239	14.04 232	69.86 254	48.10 245	70.20 256	77.34 254	10.63 215	9.55 217	15.00 241	1.55 130	59.33 247	11.37 204	93.44 251	12.94 205	2.57 113	15.66 230	5.69 222	33.68 224	14.13 232	9.17 213	7.28 160	59.49 248	4.60 202	12.85 217	9.43 191	15.52 216	19.12 204

SGM-ForestM	13.51 217	15.62 223	5.25 204	19.43 217	9.27 214	19.59 222	12.46 218	12.78 222	8.97 215	3.34 184	9.27 216	36.07 223	25.37 222	2.03 204	16.48 228	3.39 149	4.90 202	1.21 158	22.28 208	2.96 189	6.90 189	5.25 115	1.83 195	4.68 203	27.51 234	25.27 238	34.85 241	27.72 225

iResNet	4.46 176	0.88 125	0.92 110	2.61 177	2.85 186	4.95 193	1.38 152	4.97 195	1.33 150	3.66 195	3.45 166	12.37 188	16.29 212	0.06 54	9.09 179	3.33 144	2.53 174	1.85 183	16.79 194	2.68 184	4.65 152	4.29 83	0.25 121	4.69 204	1.88 130	4.19 147	5.32 159	3.22 134

AMNet	6.93 193	3.82 199	2.53 179	4.00 188	5.78 202	6.99 200	3.24 182	2.46 132	2.51 181	3.39 186	6.36 195	9.40 181	2.06 172	7.30 222	5.92 135	9.99 236	13.66 228	7.81 232	8.03 148	7.76 219	11.45 222	8.81 202	2.81 202	4.73 205	5.75 192	7.80 181	13.20 209	19.55 206

DAS	4.65 179	0.98 138	1.28 130	1.99 170	1.39 156	1.39 162	1.58 157	3.52 180	4.17 195	3.33 181	6.18 193	12.75 190	6.50 188	0.10 75	8.31 172	4.81 183	4.46 195	2.26 195	10.21 171	5.35 208	6.51 182	7.66 172	0.57 158	4.84 206	4.63 178	7.17 176	7.79 188	5.90 153

SepStereo	4.65 179	0.98 138	1.28 130	1.99 170	1.39 156	1.39 162	1.58 157	3.52 180	4.17 195	3.33 181	6.18 193	12.75 190	6.50 188	0.10 75	8.31 172	4.81 183	4.46 195	2.26 195	10.21 171	5.35 208	6.51 182	7.66 172	0.57 158	4.84 206	4.63 178	7.17 176	7.79 188	5.90 153

SGM_RVC	11.04 206	10.51 219	3.94 192	16.88 214	9.65 218	15.55 216	8.47 209	9.54 211	6.09 204	4.15 204	7.87 210	25.06 209	19.78 217	0.97 178	9.49 183	2.25 100	3.81 185	1.26 163	21.86 207	2.34 176	6.63 186	5.12 112	2.33 199	4.85 208	18.97 225	16.47 220	33.79 238	30.47 228
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
PWC_ROB	7.58 197	2.00 169	5.48 205	0.90 141	1.32 152	2.25 175	5.46 198	2.83 156	16.84 231	3.83 201	8.10 211	5.42 163	39.62 240	1.01 181	9.69 184	5.15 187	6.62 210	4.25 214	16.71 193	4.76 203	8.56 206	10.40 221	0.63 165	4.96 209	3.07 158	3.69 139	7.15 183	24.07 218

STTRV1_RVC		2.66 183	1.55 147	5.84 194	1.90 169	6.01 197	3.60 188	4.11 187	3.93 194	4.64 211	6.71 198	16.96 199	21.63 219	1.68 198		5.04 186	18.60 235	1.18 155		12.74 231	19.16 245			5.05 210	9.07 206	12.15 206	12.79 207	31.40 230

pmcnn	8.69 200	3.07 189	2.45 176	6.53 199	5.75 201	7.18 201	4.96 195	4.79 193	2.03 176	4.24 206	12.14 224	19.36 204	21.49 218	0.91 177	9.48 182	6.75 217	6.67 211	4.39 217	22.61 210	5.09 207	10.91 221	7.84 179	4.51 215	5.07 211	6.90 200	5.26 160	17.73 221	26.48 224

RainbowNet	28.72 240	46.67 242	19.30 240	69.82 253	47.14 243	68.90 255	70.63 249	10.00 212	3.26 188	17.63 243	2.27 141	46.57 235	29.74 228	91.67 248	17.86 230	3.37 147	12.50 227	5.59 220	44.74 238	17.11 237	10.33 218	8.87 203	58.90 247	5.15 212	14.30 219	12.58 209	17.44 219	23.01 215

G-Net	11.11 207	4.89 207	9.62 225	4.05 189	4.71 197	7.69 203	2.56 172	10.07 213	15.27 227	5.01 216	15.52 234	47.57 239	9.25 198	0.66 167	11.93 197	8.70 232	5.83 206	4.33 215	24.55 215	15.55 234	8.38 204	9.97 216	3.01 205	5.25 213	6.16 195	13.40 212	22.59 225	23.59 217

FAT-Stereo	7.68 198	2.26 178	8.90 223	7.33 201	12.67 223	6.25 198	3.58 187	7.41 207	3.60 193	5.82 217	12.39 225	18.45 203	9.06 197	1.35 191	12.36 200	6.54 213	3.93 187	4.03 212	15.97 192	6.36 211	7.78 198	9.24 207	0.76 178	5.29 214	3.49 168	6.98 174	8.20 192	17.22 201

SAMSARA	20.09 222	2.60 181	5.52 207	4.28 191	4.10 194	3.59 188	5.57 199	15.80 228	10.05 218	4.59 210	5.59 187	9.22 180	24.85 221	3.88 212	16.25 226	8.47 231	6.17 208	3.82 209	22.29 209	5.87 210	19.35 247	26.82 259	1.02 182	5.45 215	80.31 265	91.77 266	78.09 266	77.23 266

ACVNet_1	28.17 239	43.81 241	17.24 237	67.32 249	49.50 247	66.04 253	82.98 259	16.42 230	8.08 211	11.43 234	7.19 203	34.00 219	27.09 224	93.81 252	14.92 222	2.21 98	17.82 234	6.77 230	36.07 228	11.39 229	10.56 220	7.42 165	59.65 249	6.11 216	20.40 229	15.24 217	10.18 201	16.93 199

PVD	13.07 214	5.77 209	8.84 222	7.67 203	7.35 211	10.40 211	7.28 205	21.12 238	19.70 238	3.65 194	8.76 214	16.32 198	27.90 225	3.25 210	14.97 223	8.92 234	11.32 223	6.23 227	25.56 218	7.56 216	12.68 228	14.11 239	1.29 191	6.16 217	16.97 222	25.32 239	18.21 222	35.51 236

MeshStereo	13.92 218	10.29 217	5.80 208	24.32 223	15.33 224	17.65 220	7.76 206	12.34 219	7.38 207	4.65 212	9.09 215	38.22 225	30.61 230	0.62 164	14.44 218	7.42 223	4.05 192	2.65 200	19.82 205	2.63 182	14.32 235	9.90 215	1.27 190	6.42 218	22.75 230	19.43 225	33.41 236	33.14 232
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
DispFullNet	27.09 236	40.76 237	20.37 241	53.27 236	39.67 239	45.72 237	56.25 239	14.00 224	12.78 222	14.18 238	10.07 220	43.95 233	34.00 235	86.26 244	13.33 206	13.62 243	31.37 253	16.57 251	52.58 245	15.02 233	15.98 238	12.66 233	15.43 231	6.52 219	8.73 204	8.65 189	16.24 218	33.48 233

CBMV	6.33 191	3.75 197	1.57 148	3.96 187	3.58 189	2.97 181	1.75 162	3.89 185	2.67 184	4.14 203	2.72 158	14.42 194	3.85 182	0.73 172	10.81 191	6.26 208	4.67 198	2.29 197	9.29 163	1.51 144	8.03 200	7.42 165	0.63 165	6.58 220	6.79 199	7.57 180	20.00 223	28.98 227
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MFN_U_SF_RVC	11.03 205	6.12 211	3.70 190	9.72 208	5.50 199	12.91 214	11.38 215	12.61 220	7.46 209	12.18 236	14.75 231	23.19 207	14.11 209	9.33 226	18.32 231	5.16 188	4.41 194	3.43 208	39.06 232	6.67 214	10.28 217	11.18 224	1.45 193	6.88 221	9.80 211	8.50 188	9.76 196	19.96 208

ADCS	10.79 204	5.73 208	4.98 198	4.16 190	6.39 205	6.60 199	6.53 201	10.15 214	15.87 229	4.18 205	7.59 205	13.56 193	18.31 213	4.53 217	14.24 213	11.99 242	10.80 222	7.09 231	25.37 216	9.28 224	16.45 241	16.31 245	2.97 203	7.03 222	10.05 213	20.56 228	11.21 204	19.51 205

S-Stereo	9.64 203	2.07 173	4.59 194	8.70 206	8.72 213	12.93 215	19.52 224	5.25 200	6.14 205	6.12 220	20.39 243	29.19 213	7.43 192	0.64 165	14.26 214	7.63 227	4.01 190	5.81 223	18.32 196	6.45 213	7.46 195	9.84 214	12.36 228	7.40 223	3.61 169	6.74 171	7.10 182	17.56 202

DGSMNet	12.26 212	4.87 206	8.31 220	6.01 196	6.04 204	7.30 202	6.59 202	7.90 208	4.51 199	11.38 233	32.66 252	17.48 201	8.74 196	4.36 216	14.01 210	14.50 245	17.26 232	9.25 235	41.69 235	11.54 230	21.38 250	24.41 252	4.74 216	7.56 224	5.44 188	11.45 204	8.55 193	13.11 190

MSC_U_SF_DS_RVC	11.75 210	10.45 218	6.25 213	17.50 215	6.77 210	8.15 206	11.44 216	18.23 232	23.22 242	11.11 231	4.62 178	15.32 196	6.08 186	10.68 229	16.27 227	6.19 206	3.94 188	5.52 219	39.73 233	7.74 218	9.53 216	12.33 230	7.02 219	7.63 225	14.72 220	12.91 211	6.89 179	16.97 200

SANet	11.19 208	4.59 204	6.27 214	5.98 195	6.03 203	9.51 210	3.52 184	15.63 225	13.49 224	2.90 171	8.65 212	59.91 248	26.52 223	3.01 207	14.30 215	3.26 141	7.32 213	3.86 211	11.91 184	3.94 198	6.50 180	7.39 163	2.61 201	7.75 226	12.68 216	17.80 222	13.93 212	22.99 214

AnyNet_C01	13.13 215	6.35 212	5.48 205	6.38 198	6.46 207	5.73 194	10.15 213	12.79 223	16.56 230	5.83 218	9.31 217	26.51 210	19.60 215	5.31 220	17.84 229	13.62 243	17.55 233	15.56 248	35.24 226	11.09 228	19.28 246	17.31 247	7.05 220	7.85 227	13.46 218	10.79 201	9.89 197	21.58 210

LSM0	23.31 232	6.07 210	4.80 197	15.07 213	10.87 220	17.08 219	14.50 220	23.84 240	15.74 228	14.73 240	18.40 240	35.77 222	35.06 236	1.58 196	76.98 263	85.81 264	14.68 229	5.68 221	56.53 252	17.15 238	23.95 253	21.89 250	4.26 214	8.21 228	17.36 223	20.39 227	29.27 231	33.71 234

FBW_ROB	8.77 201	9.60 216	5.96 210	20.47 219	9.29 215	12.71 213	9.20 212	4.97 195	1.59 160	3.30 180	6.98 199	15.27 195	3.59 180	7.76 224	10.34 188	1.71 66	3.43 181	0.86 124	34.07 225	2.29 173	6.89 188	6.34 142	9.32 224	8.81 229	5.75 192	8.41 184	5.24 156	22.62 213

MFMNet_re	16.81 220	13.74 221	7.85 218	23.81 222	9.51 217	34.14 233	18.04 221	12.31 217	19.02 236	10.33 230	12.96 226	38.69 227	15.16 211	1.61 197	18.46 232	10.89 240	28.67 249	12.10 240	31.52 221	10.43 227	18.75 244	11.05 223	8.52 222	9.85 230	9.47 209	5.57 163	24.17 226	37.24 238

MANE	21.44 228	17.36 226	16.07 236	34.52 229	24.54 229	25.94 226	19.26 223	20.13 237	18.43 235	6.42 221	15.25 233	40.88 229	36.30 237	4.35 215	18.72 235	10.55 239	8.23 216	29.63 258	23.68 214	4.94 204	11.81 224	8.91 205	3.02 206	10.18 231	36.19 246	32.24 249	51.66 256	49.72 252

STStereo	20.61 225	24.96 231	17.24 237	39.82 233	27.48 232	32.58 231	22.87 228	19.77 235	17.77 233	8.05 224	19.67 241	46.38 234	37.96 239	2.15 205	18.66 234	4.75 180	4.82 201	1.95 186	33.25 223	6.38 212	9.07 212	8.67 201	3.28 208	10.68 232	31.80 238	27.62 244	40.75 245	38.09 240

ELAS	20.62 226	22.76 230	14.59 233	35.29 230	24.88 231	31.90 229	20.66 227	17.34 231	17.05 232	7.97 223	18.32 239	48.39 240	31.67 231	4.13 214	14.30 215	5.24 189	11.47 224	6.10 226	23.02 213	7.62 217	13.14 229	14.53 240	9.46 225	10.75 233	34.52 241	27.84 245	41.52 248	42.31 247
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DPSNet	15.27 219	3.38 194	2.28 174	7.89 204	8.28 212	10.58 212	4.44 192	5.86 203	8.70 214	4.26 207	6.00 192	72.12 258	28.20 226	4.69 218	15.14 224	10.42 238	11.48 225	8.27 233	58.42 255	9.38 225	12.12 227	11.31 225	17.29 233	11.11 234	20.16 228	20.85 231	14.99 215	24.68 221

ELAS_RVC	20.43 224	19.80 227	14.61 234	33.93 228	22.90 227	33.71 232	20.10 226	15.64 226	12.18 219	8.45 225	19.69 242	54.25 246	33.97 234	4.07 213	13.47 207	5.30 193	11.89 226	6.49 229	21.52 206	8.87 222	14.06 232	14.69 241	9.63 226	11.88 235	32.34 239	25.79 240	41.56 249	40.71 244
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
IMH-64-1	35.05 244	48.99 245	25.77 247	61.80 239	50.28 250	62.71 244	68.79 244	27.80 243	35.88 245	10.10 227	14.48 229	46.82 236	41.96 243	94.04 253	19.93 238	7.49 225	22.67 238	9.35 236	48.46 240	21.14 241	14.12 233	12.56 231	59.91 251	12.21 236	41.64 249	20.57 229	27.79 229	39.03 241

IMH-64	35.05 244	48.99 245	25.77 247	61.80 239	50.28 250	62.71 244	68.79 244	27.80 243	35.88 245	10.10 227	14.48 229	46.82 236	41.96 243	94.04 253	19.93 238	7.49 225	22.67 238	9.35 236	48.46 240	21.14 241	14.12 233	12.56 231	59.91 251	12.21 236	41.64 249	20.57 229	27.79 229	39.03 241

BEATNet-Init1	25.27 235	27.76 232	13.76 231	44.57 235	24.32 228	38.91 235	25.10 229	19.51 234	20.03 239	9.35 226	16.15 236	47.35 238	48.89 250	4.71 219	23.55 244	11.00 241	8.78 218	5.84 224	49.88 243	20.70 240	15.01 236	14.94 242	7.37 221	12.57 238	35.78 244	26.22 241	60.85 263	49.36 251

IMH	36.38 246	50.15 249	26.16 249	62.16 242	50.12 249	63.98 247	68.96 246	28.54 247	38.29 248	11.29 232	14.14 227	50.26 242	54.45 258	94.09 255	20.59 240	7.40 222	23.63 240	10.28 238	49.17 242	22.78 245	13.74 231	11.88 228	59.95 253	13.42 239	41.71 251	23.99 236	29.69 233	41.45 245

SGM+DAISY	22.46 230	16.23 224	12.74 229	23.16 221	22.67 226	25.12 225	20.00 225	18.50 233	14.48 226	18.58 244	22.04 247	30.49 214	41.59 241	13.05 231	22.51 243	16.54 246	26.00 244	12.93 242	35.92 227	22.37 244	28.02 256	25.12 255	21.26 234	13.77 240	20.04 227	18.46 224	33.94 239	30.81 229

ACVNet_2	33.32 243	48.24 244	22.45 243	67.72 252	50.69 252	65.88 251	85.41 262	28.48 246	14.03 225	14.63 239	9.36 218	52.16 244	31.94 232	91.62 247	13.62 209	2.72 118	21.29 237	5.84 224	51.78 244	16.52 236	10.41 219	7.93 183	58.06 245	13.93 241	36.96 248	18.42 223	25.58 228	33.95 235

SPS-STEREO	20.98 227	14.87 222	11.99 228	19.90 218	20.87 225	18.85 221	10.39 214	16.04 229	19.39 237	19.65 245	21.64 246	33.32 217	37.38 238	7.51 223	19.34 237	17.18 249	26.65 245	16.12 250	32.93 222	23.87 246	31.45 258	25.37 256	13.83 230	14.33 242	17.76 224	19.97 226	29.60 232	26.21 222
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
PSMNet_ROB	32.72 241	49.56 248	17.71 239	65.01 247	47.98 244	61.81 243	62.32 241	19.85 236	21.78 241	27.64 249	25.28 248	42.80 231	43.52 245	83.58 242	21.88 242	4.36 175	19.43 236	6.46 228	43.95 237	16.36 235	13.14 229	11.66 227	58.31 246	14.57 243	31.67 237	24.32 237	29.94 234	18.64 203

WAO-6	37.66 247	47.81 243	21.43 242	60.52 238	52.73 253	58.92 240	64.84 242	27.98 245	43.38 250	33.02 254	17.53 237	43.36 232	50.95 252	89.65 245	33.50 249	18.63 253	24.84 241	13.57 244	42.17 236	25.77 248	21.16 249	19.52 248	35.00 237	18.52 244	43.20 252	29.62 246	37.17 242	41.96 246

MADNet+	20.34 223	8.33 214	14.90 235	18.17 216	11.98 221	8.55 207	19.20 222	28.96 248	17.96 234	12.55 237	11.63 223	34.32 220	30.36 229	10.57 228	26.85 246	16.66 247	27.39 247	10.40 239	40.88 234	18.27 239	19.91 248	15.53 243	9.97 227	19.40 245	35.72 243	22.38 235	21.31 224	37.09 237

TorneroNet-64	40.02 249	51.18 250	25.58 246	64.09 246	48.50 246	64.50 249	69.74 247	27.58 242	44.28 252	21.06 246	14.38 228	70.42 257	57.53 259	94.84 257	27.09 247	8.83 233	28.00 248	16.10 249	54.90 250	26.42 250	15.26 237	13.34 237	61.86 254	22.65 246	33.51 240	30.60 247	34.09 240	54.24 256

Dean	44.25 253	52.28 251	33.23 254	77.10 261	64.97 257	79.61 265	83.94 261	43.21 253	43.41 251	35.28 255	25.28 248	61.70 250	57.88 260	95.07 262	21.16 241	4.55 176	29.50 250	12.92 241	64.62 258	29.22 254	11.94 225	10.07 217	59.70 250	23.01 247	50.00 257	39.42 257	53.45 257	32.13 231

TorneroNet	40.95 251	54.80 252	28.35 250	67.47 251	50.00 248	66.00 252	71.75 250	26.53 241	45.69 253	24.20 247	21.34 245	68.12 254	53.25 257	94.92 259	27.93 248	9.57 235	26.82 246	16.87 252	54.27 248	24.50 247	16.26 239	13.93 238	62.31 255	23.32 248	36.59 247	27.14 243	43.07 250	50.69 253

LE_ROB	23.34 233	10.93 220	12.86 230	32.65 226	38.35 238	31.72 228	33.97 233	23.50 239	21.06 240	7.08 222	17.87 238	51.83 243	51.55 255	1.81 201	14.20 212	3.08 132	3.94 188	1.47 168	30.65 219	8.98 223	9.43 215	7.39 163	6.89 218	25.95 249	35.31 242	39.95 258	53.69 258	54.00 255

LVE	40.69 250	49.32 247	32.19 252	74.37 260	65.31 258	65.52 250	78.53 255	29.09 249	24.11 243	37.95 256	38.44 254	39.09 228	50.88 251	95.16 263	18.50 233	6.31 210	25.93 243	13.65 245	54.80 249	26.51 251	16.26 239	15.81 244	69.49 260	26.57 250	44.82 254	33.95 253	41.51 247	24.49 220

JetBlue	33.16 242	30.03 233	36.86 258	39.95 234	35.04 237	44.19 236	36.23 234	30.47 251	47.01 255	15.01 242	10.48 222	79.96 264	19.64 216	25.82 233	18.89 236	17.14 248	40.11 258	25.93 256	36.94 229	25.94 249	32.23 259	26.39 257	31.84 236	27.47 251	31.63 236	33.13 251	48.81 254	48.30 250

WAO-8	45.52 254	56.99 254	36.84 256	70.78 256	61.58 254	72.65 259	72.88 251	44.15 254	50.34 257	32.51 252	26.24 250	68.22 255	50.98 253	91.91 249	34.40 250	19.25 254	31.26 251	14.25 246	53.00 246	37.84 257	18.64 242	12.91 234	45.23 238	27.94 252	54.23 260	39.08 254	48.02 252	56.81 258

Venus	45.52 254	56.99 254	36.84 256	70.77 255	61.58 254	72.65 259	72.88 251	44.15 254	50.34 257	32.51 252	26.24 250	68.22 255	50.98 253	91.91 249	34.40 250	19.25 254	31.26 251	14.25 246	53.00 246	37.84 257	18.64 242	12.91 234	45.23 238	27.94 252	54.23 260	39.08 254	48.02 252	56.81 258

PWCK	39.46 248	63.60 257	25.26 244	73.87 259	41.94 240	61.54 242	51.88 238	54.42 258	37.36 247	26.43 248	38.00 253	62.72 252	47.31 247	27.64 234	24.07 245	10.09 237	32.07 254	12.97 243	84.14 264	29.01 253	25.42 254	16.79 246	48.17 241	30.69 254	35.86 245	32.01 248	32.05 235	40.21 243

WAO-7	28.15 238	31.17 234	25.54 245	33.41 227	34.99 236	22.62 224	28.62 231	47.75 257	47.89 256	29.08 250	39.82 256	41.47 230	41.79 242	12.75 230	36.14 253	18.16 250	17.03 231	8.88 234	47.38 239	21.69 243	11.73 223	12.95 236	3.79 212	33.81 255	23.20 231	26.44 242	24.41 227	37.61 239

ktn	53.49 258	64.55 258	32.09 251	67.37 250	73.02 264	67.18 254	79.08 256	39.47 252	71.03 263	45.61 261	66.57 263	53.73 245	46.66 246	95.58 264	51.51 258	35.27 258	42.24 260	32.53 259	61.67 256	36.66 256	34.35 261	37.51 260	63.57 256	39.21 256	45.92 255	42.82 259	58.10 261	61.01 260

HanzoNet	61.45 262	69.33 261	44.96 260	71.45 258	72.16 263	72.71 261	79.94 258	60.19 261	75.71 264	45.02 260	73.92 264	75.04 262	64.67 264	96.72 265	48.25 257	40.02 259	53.74 262	47.73 263	76.16 262	51.62 262	46.98 263	46.48 262	73.13 262	39.85 257	55.14 262	52.31 261	60.69 262	65.16 263

notaker	50.99 256	64.58 259	35.58 255	71.22 257	67.03 259	71.52 258	79.74 257	46.10 256	64.92 261	43.57 259	60.04 260	61.27 249	52.88 256	94.30 256	52.11 259	32.30 257	36.01 256	25.62 255	66.68 260	41.75 259	26.51 255	26.69 258	69.04 259	40.16 258	27.04 232	32.57 250	39.45 244	47.99 249

UNDER WATER-64	54.23 259	63.34 256	46.02 261	79.36 263	71.42 262	76.64 263	88.13 265	66.12 263	46.96 254	52.07 262	60.69 261	73.21 259	59.22 262	94.98 261	35.82 252	18.58 252	36.56 257	27.05 257	54.96 251	27.40 252	22.29 251	24.45 253	75.67 264	44.51 259	51.17 258	56.84 262	41.43 246	69.34 265

SPstereo	43.04 252	33.32 236	32.45 253	30.80 225	34.50 235	30.75 227	28.55 230	58.42 260	43.16 249	30.26 251	60.88 262	48.92 241	63.39 263	44.40 236	41.97 256	53.98 262	48.24 261	33.80 260	57.94 254	41.93 260	44.30 262	40.41 261	27.95 235	44.78 260	43.85 253	39.09 256	57.71 260	46.32 248

DPSimNet_ROB		56.83 253	60.12 264	63.44 244	74.40 265	61.08 241	66.03 243	29.26 250	91.88 266	80.83 264	53.70 258	74.56 260	48.76 249	90.67 246	61.12 260	47.44 261		43.29 262	68.79 261	60.06 264	52.83 264	61.42 263	45.69 240	46.03 261		63.34 263	56.49 259	56.41 257

JetRed	63.04 263	70.59 262	68.87 265	66.96 248	63.46 256	70.43 257	74.93 253	66.45 264	66.78 262	41.63 258	39.08 255	81.30 265	13.47 207	63.11 238	65.97 262	66.70 263	65.90 263	75.66 267	63.14 257	54.09 263	78.41 265	73.67 264	73.25 263	49.49 262	56.43 263	64.32 264	66.29 264	61.81 261

UNDER WATER	53.46 257	66.50 260	44.48 259	77.89 262	68.28 260	75.27 262	86.28 264	62.01 262	51.94 259	41.57 257	48.61 257	74.76 261	58.64 261	94.91 258	40.27 255	19.59 256	35.94 255	25.36 254	57.83 253	30.24 255	22.42 252	21.82 249	69.76 261	49.60 263	53.54 259	52.17 260	44.57 251	69.15 264

LRCNet_RVC	60.98 261	74.62 265	47.06 262	94.31 265	95.29 267	91.20 266	85.70 263	54.57 259	35.63 244	98.62 266	74.21 265	91.97 268	68.08 265	96.82 266	39.31 254	18.45 251	70.27 264	52.85 264	94.58 265	64.63 265	32.99 260	24.53 254	94.81 265	53.78 264	19.71 226	12.68 210	33.49 237	26.36 223

KSHMR	57.18 260	74.32 264	54.88 263	81.85 264	71.02 261	78.52 264	83.49 260	67.32 265	55.52 260	57.05 263	55.43 259	62.46 251	47.47 248	94.95 260	62.89 261	43.86 260	41.02 259	36.71 261	65.14 259	47.71 261	30.88 257	22.80 251	66.24 258	55.80 265	49.31 256	33.72 252	50.52 255	52.93 254

MADNet++	76.55 264	72.12 263	82.72 266	61.81 241	81.28 266	58.20 238	69.82 248	68.60 266	78.83 265	85.65 265	92.58 266	79.76 263	85.27 266	36.74 235	81.31 264	89.87 265	87.51 265	69.64 265	82.22 263	90.64 266	91.37 266	93.20 266	65.06 257	90.12 266	59.87 264	75.77 265	74.46 265	62.48 262

MEDIAN_ROB	97.62 267	99.11 267	98.47 268	100.00 267	99.99 268	100.00 270	100.00 270	99.48 269	98.33 267	100.00 269	99.95 270	98.03 269	96.13 267	99.95 268	99.43 267	98.46 267	98.58 267	98.67 268	99.88 268	97.97 267	93.64 268	96.55 268	100.00 268	97.27 267	87.22 266	92.69 267	89.89 267	95.94 268

PML	96.12 265	100.00 270	83.16 267	100.00 267	100.00 269	100.00 270	99.20 269	100.00 271	99.01 268	100.00 269	96.16 267	99.92 272	100.00 271	98.52 267	94.60 265	91.70 266	91.21 266	74.14 266	100.00 270	98.06 268	92.87 267	86.59 265	97.59 266	98.11 268	94.46 269	99.98 270	100.00 270	99.92 270

HaxPig	99.00 269	100.00 270	98.99 269	100.00 267	100.00 269	99.99 269	100.00 270	99.99 270	99.89 269	100.00 269	99.98 271	100.00 273	99.94 270	100.00 269	99.61 268	99.46 268	99.97 270	99.58 269	99.99 269	99.99 269	97.37 269	96.43 267	99.99 267	99.98 269	89.52 267	99.53 269	94.23 268	98.48 269

MyStereo03	100.00 274	100.00 270	100.00 271	100.00 267	100.00 269	100.00 270	100.00 270	100.00 271	100.00 270	100.00 269	100.00 272	100.00 273	100.00 271	100.00 269	100.00 272	100.00 270	100.00 271	100.00 272	100.00 270	100.00 272	100.00 273	100.00 272	100.00 268	100.00 270	100.00 270	100.00 271	100.00 270	100.00 271

MyStereo02	96.30 266	100.00 270	100.00 271	100.00 267	0.00 1	100.00 270	100.00 270	100.00 271	100.00 270	100.00 269	100.00 272	100.00 273	100.00 271	100.00 269	100.00 272	100.00 270	100.00 271	100.00 272	100.00 270	100.00 272	100.00 273	100.00 272	100.00 268	100.00 270	100.00 270	100.00 271	100.00 270	100.00 271

CasAABBNet	100.00 274	100.00 270	100.00 271	100.00 267	100.00 269	100.00 270	100.00 270	100.00 271	100.00 270	100.00 269	100.00 272	100.00 273	100.00 271	100.00 269	100.00 272	100.00 270	100.00 271	100.00 272	100.00 270	100.00 272	100.00 273	100.00 272	100.00 268	100.00 270	100.00 270	100.00 271	100.00 270	100.00 271

DPSMNet_ROB	99.54 271	99.78 269	100.00 271	100.00 267	100.00 269	100.00 270	100.00 270	99.19 267	100.00 270	99.32 267	99.65 268	91.68 267	99.16 269	100.00 269	99.94 270	100.00 270	99.83 269	99.99 270	99.59 267	99.99 269	99.77 271	99.66 270	100.00 268	100.00 270	100.00 270	100.00 271	100.00 270	100.00 271

DGTPSM_ROB	99.53 270	99.77 268	100.00 271	100.00 267	100.00 269	100.00 270	100.00 270	99.19 267	100.00 270	99.32 267	99.66 269	91.63 266	99.15 268	100.00 269	99.94 270	100.00 270	99.82 268	99.99 270	99.51 266	99.99 269	99.77 271	99.66 270	100.00 268	100.00 270	100.00 270	100.00 271	100.00 270	100.00 271

DPSM_ROB	99.91 272	100.00 270	100.00 271	100.00 267	100.00 269	98.90 267	98.96 267	100.00 271	100.00 270	100.00 269	100.00 272	99.76 270	100.00 271	100.00 269	100.00 272	100.00 270	100.00 271	100.00 272	100.00 270	100.00 272	100.00 273	100.00 272	100.00 268	100.00 270	100.00 270	100.00 271	100.00 270	100.00 271

DPSM	99.91 272	100.00 270	100.00 271	100.00 267	100.00 269	98.90 267	98.96 267	100.00 271	100.00 270	100.00 269	100.00 272	99.76 270	100.00 271	100.00 269	100.00 272	100.00 270	100.00 271	100.00 272	100.00 270	100.00 272	100.00 273	100.00 272	100.00 268	100.00 270	100.00 270	100.00 271	100.00 270	100.00 271

AVERAGE_ROB	98.96 268	100.00 270	99.80 270	100.00 267	100.00 269	100.00 270	100.00 270	100.00 271	100.00 270	100.00 269	100.00 272	100.00 273	100.00 271	100.00 269	99.80 269	99.85 269	100.00 271	100.00 272	100.00 270	100.00 272	98.20 270	99.54 269	100.00 268	100.00 270	93.40 268	93.83 268	94.40 269	93.22 267

Low-res two-view benchmark