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	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

USTest	0.01 9	0.02 12	0.00 1	0.14 99	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

CREStereo++_RVC	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
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
s12784h	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

TANstereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

XX-TBD	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

CREStereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
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	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

MEDIAN_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

AVERAGE_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

Wz-Net-TNSev	0.02 15	0.05 49	0.04 43	0.07 47	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.06 55	0.04 45	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-SNSev	0.03 29	0.09 66	0.07 58	0.09 55	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 68	0.07 59	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 44	0.24 125	0.20 167	0.23 152	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 177	0.21 180	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 230	0.10 69	0.12 83	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 94	0.11 97	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 212	0.10 69	0.12 83	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 94	0.10 75	0.01 9	0.01 9	0.01 10	0.01 10

HITNet	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10
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
NVstereo2D	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWC_ROB	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCDC_ROB	0.01 9	0.01 9	0.02 14	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCK	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PSMNet-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

FACV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

IGEV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

CoDeX	0.15 124	0.70 246	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 378	0.02 15	0.69 373	0.75 388	0.01 9	0.02 20	0.02 20

coex-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

fast-acv-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

CBFPSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

iinet-f	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

Wz-Net-LNSev-Ref	0.11 87	0.44 184	0.33 230	0.39 212	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 262	0.36 260	0.02 18	0.02 20	0.02 20	0.02 20

psmg	0.43 265	1.91 426	0.92 401	1.91 477	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 507	1.44 500	0.04 72	0.03 53	0.02 20	0.03 50

CSP-Net	0.34 204	1.29 392	1.19 425	1.36 456	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 468	1.21 478	0.03 38	0.09 111	0.02 20	0.09 111

SFCPSM	0.17 136	0.78 251	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 412	0.02 15	0.75 384	0.76 390	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 165	1.31 394	0.74 379	0.92 353	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 382	0.75 384	0.02 18	0.02 20	0.02 20	0.02 20

MFN_U_SF_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MSC_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MFN_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCMid	0.08 51	0.02 12	0.02 14	1.01 371	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 71	0.09 109	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 53	0.02 12	0.04 43	0.90 348	0.06 110	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 131	0.36 285	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 87	0.02 12	0.02 14	1.62 470	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 87	0.04 74	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 50

AnyNet_C32	0.14 112	0.04 37	0.03 36	2.22 489	0.04 78	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 76	0.02 21	0.07 103	0.04 74	0.02 15	0.02 15	0.03 38	0.03 53	0.02 20	0.03 50

RYNet	0.02 15	0.02 12	0.02 14	0.03 28	0.03 48	0.03 40	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.03 52	0.03 39	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM0	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

zh-sn7	0.10 66	0.98 290	0.14 126	0.15 109	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 125	0.13 136	0.03 38	0.03 53	0.03 43	0.03 50

zh-mn7	0.12 96	1.14 326	0.17 152	0.20 136	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 150	0.16 145	0.03 38	0.03 53	0.03 43	0.03 50

w-ln-seven-2	0.14 112	1.22 388	0.28 198	0.32 187	0.04 78	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 213	0.27 202	0.04 72	0.03 53	0.03 43	0.03 50

G2L-ROB	0.03 29	0.06 54	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

G2L-Stereo_test	0.03 29	0.04 37	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

coex_refinement	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

G2L-Stereo	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

TCMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 73	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.03 34	0.03 36	0.03 38	0.03 53	0.03 43	0.03 50

TCMNet-wrong-test	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.02 20	0.03 34	0.03 36	0.03 38	0.03 53	0.03 43	0.03 50

YMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 53	0.03 43	0.03 50

YMNet_1	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 53	0.03 43	0.03 50

DualNet (step1)	0.10 66	1.05 317	0.12 102	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 73	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 113	0.03 38	0.03 53	0.03 43	0.03 50

test_sample9	0.10 66	1.05 317	0.12 102	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 73	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 113	0.03 38	0.03 53	0.03 43	0.03 50

test_sample8	0.10 66	1.05 317	0.12 102	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 113	0.03 38	0.03 53	0.03 43	0.03 50

test_sample7	0.09 53	1.00 299	0.11 89	0.11 75	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 73	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 113	0.03 38	0.03 53	0.03 43	0.03 50

test_sample6	0.09 53	0.97 289	0.10 69	0.10 58	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample4	0.10 66	1.03 313	0.12 102	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.13 136	0.03 38	0.03 53	0.03 43	0.03 50

test_sample3	0.09 53	0.87 266	0.10 69	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 53	1.03 313	0.11 89	0.11 75	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 53	0.87 266	0.12 102	0.11 75	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 73	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 53	1.01 307	0.09 65	0.09 55	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 53	0.95 286	0.09 65	0.10 58	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

qqq1	0.25 165	3.70 512	0.14 126	0.14 99	0.04 78	0.06 91	0.05 92	0.06 93	0.05 96	0.06 95	0.05 99	0.04 76	0.05 93	0.06 87	0.05 87	0.13 109	0.12 113	0.06 93	0.05 95	0.03 43	0.04 78

fff1	0.25 165	3.70 512	0.14 126	0.14 99	0.04 78	0.06 91	0.05 92	0.06 93	0.05 96	0.06 95	0.05 99	0.04 76	0.05 93	0.06 87	0.05 87	0.13 109	0.12 113	0.06 93	0.05 95	0.03 43	0.04 78

1111x	0.10 66	1.14 326	0.13 121	0.14 99	0.03 48	0.04 76	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.11 97	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 53	1.01 307	0.10 69	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.03 50

qqq	0.16 132	2.01 434	0.12 102	0.15 109	0.04 78	0.06 91	0.05 92	0.06 93	0.04 80	0.06 95	0.03 52	0.06 96	0.03 52	0.06 87	0.03 48	0.12 94	0.14 140	0.04 72	0.04 77	0.03 43	0.03 50

x	0.11 87	1.15 329	0.15 142	0.14 99	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 73	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 116	0.15 143	0.03 38	0.03 53	0.03 43	0.03 50

test_xeample	0.10 66	1.09 322	0.13 121	0.12 83	0.03 48	0.03 40	0.03 50	0.04 76	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 116	0.14 140	0.03 38	0.03 53	0.03 43	0.03 50

BEATNet_4x	0.11 87	0.03 31	0.03 36	1.60 467	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 81	0.03 48	0.03 34	0.03 36	0.03 38	0.03 53	0.03 43	0.03 50

ADCL	0.11 87	0.03 31	0.03 36	1.60 467	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 81	0.03 48	0.03 34	0.03 36	0.03 38	0.03 53	0.03 43	0.03 50

ADCRef	0.12 96	0.03 31	0.04 43	1.71 473	0.04 78	0.03 40	0.03 50	0.04 76	0.04 80	0.04 73	0.03 52	0.04 76	0.03 52	0.06 87	0.04 74	0.04 44	0.04 45	0.04 72	0.04 77	0.03 43	0.04 78

ADCPNet	0.10 66	0.03 31	0.04 43	1.27 444	0.03 48	0.04 76	0.03 50	0.03 42	0.03 55	0.04 73	0.03 52	0.04 76	0.03 52	0.08 106	0.04 74	0.04 44	0.03 36	0.03 38	0.03 53	0.03 43	0.03 50

z-mn7	0.16 132	1.21 382	0.33 230	0.41 238	0.04 78	0.04 76	0.03 50	0.04 76	0.04 80	0.04 73	0.04 87	0.04 76	0.04 83	0.04 71	0.04 74	0.35 231	0.31 234	0.04 72	0.04 77	0.04 76	0.04 78

z-ln-s-r	0.21 150	1.40 400	0.53 332	0.56 301	0.04 78	0.05 88	0.04 80	0.05 88	0.05 96	0.05 90	0.04 87	0.05 90	0.04 83	0.05 81	0.05 87	0.57 336	0.44 307	0.04 72	0.04 77	0.04 76	0.04 78

w-ln-seven	0.18 139	1.47 402	0.33 230	0.40 226	0.04 78	0.04 76	0.04 80	0.04 76	0.04 80	0.04 73	0.04 87	0.04 76	0.04 83	0.04 71	0.04 74	0.38 251	0.32 239	0.05 85	0.04 77	0.04 76	0.04 78

test_sample5	0.10 66	1.07 320	0.11 89	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 53	0.04 76	0.03 50

DualNet	0.10 66	1.07 320	0.11 89	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 53	0.04 76	0.03 50

GASNet	0.05 41	0.04 37	0.12 102	0.04 37	0.04 78	0.04 76	0.05 92	0.04 76	0.04 80	0.12 126	0.04 87	0.06 96	0.04 83	0.04 71	0.04 74	0.04 44	0.04 45	0.04 72	0.04 77	0.04 76	0.04 78

222	0.10 66	0.99 297	0.12 102	0.13 95	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 113	0.03 38	0.02 20	0.04 76	0.03 50

xxxx	0.11 87	1.16 331	0.16 145	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.16 145	0.03 38	0.04 77	0.04 76	0.04 78

EDNetEfficientorigin	0.04 38	0.06 54	0.04 43	0.05 43	0.04 78	0.05 88	0.04 80	0.05 88	0.04 80	0.05 90	0.04 87	0.05 90	0.04 83	0.05 81	0.04 74	0.05 51	0.03 36	0.06 93	0.03 53	0.04 76	0.03 50

EDNetEfficient	0.04 38	0.05 49	0.04 43	0.04 37	0.03 48	0.04 76	0.03 50	0.04 76	0.03 55	0.04 73	0.03 52	0.04 76	0.03 52	0.04 71	0.03 48	0.05 51	0.03 36	0.05 85	0.03 53	0.04 76	0.03 50

FADNet-RVC-Resample	0.12 96	0.04 37	0.04 43	0.04 37	0.04 78	0.04 76	0.04 80	0.04 76	0.04 80	0.04 73	0.04 87	0.04 76	0.04 83	0.04 71	1.57 521	0.04 44	0.04 45	0.04 72	0.05 95	0.04 76	0.06 104

FADNet_RVC	0.12 96	0.04 37	0.04 43	0.05 43	0.04 78	0.04 76	0.04 80	0.04 76	0.04 80	0.04 73	0.04 87	0.04 76	0.05 93	0.04 71	1.65 525	0.05 51	0.04 45	0.04 72	0.04 77	0.04 76	0.04 78

FADNet	0.12 96	0.05 49	0.04 43	0.04 37	0.04 78	0.04 76	0.04 80	0.04 76	0.04 80	0.04 73	0.04 87	0.04 76	0.05 93	0.04 71	1.66 527	0.06 55	0.04 45	0.04 72	0.04 77	0.04 76	0.04 78

ADCP+	0.15 124	0.04 37	0.04 43	2.20 488	0.04 78	0.04 76	0.04 80	0.04 76	0.04 80	0.04 73	0.05 99	0.04 76	0.04 83	0.08 106	0.04 74	0.04 44	0.04 45	0.04 72	0.04 77	0.04 76	0.04 78

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 78	0.04 76	0.04 80	0.04 76	0.04 80	0.04 73	0.04 87	0.04 76	0.04 83	0.04 71	0.04 74	0.04 44	0.04 45	0.04 72	0.04 77	0.04 76	0.04 78
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DFGA-Net	0.05 41	0.06 54	0.04 43	0.06 46	0.04 78	0.06 91	0.04 80	0.06 93	0.04 80	0.06 95	0.04 87	0.06 96	0.04 83	0.06 87	0.04 74	0.06 55	0.04 45	0.05 85	0.04 77	0.05 91	0.04 78

mmm	0.14 112	1.83 417	0.12 102	0.11 75	0.03 48	0.03 40	0.03 50	0.03 42	0.04 80	0.03 40	0.03 52	0.03 42	0.03 52	0.06 87	0.04 74	0.12 94	0.11 97	0.05 85	0.04 77	0.05 91	0.04 78

11t1	0.17 136	2.16 443	0.13 121	0.13 95	0.04 78	0.06 91	0.04 80	0.06 93	0.04 80	0.06 95	0.03 52	0.06 96	0.03 52	0.06 87	0.05 87	0.18 150	0.12 113	0.06 93	0.03 53	0.05 91	0.03 50

APVNet	0.09 53	0.05 49	0.04 43	0.05 43	0.04 78	0.05 88	0.90 423	0.06 93	0.04 80	0.05 90	0.04 87	0.05 90	0.04 83	0.05 81	0.04 74	0.05 51	0.04 45	0.05 85	0.04 77	0.05 91	0.05 96

DA	0.09 53	0.13 83	0.39 265	0.08 49	0.05 98	0.07 102	0.05 92	0.13 127	0.05 96	0.06 95	0.05 99	0.06 96	0.05 93	0.06 87	0.05 87	0.06 55	0.05 56	0.14 128	0.13 156	0.06 95	0.05 96

GGEV	0.09 53	0.13 83	0.39 265	0.08 49	0.05 98	0.07 102	0.05 92	0.13 127	0.05 96	0.06 95	0.05 99	0.06 96	0.05 93	0.06 87	0.05 87	0.06 55	0.05 56	0.14 128	0.13 156	0.06 95	0.05 96

ISRNet	0.11 87	0.05 49	0.36 250	0.24 157	0.07 111	0.13 127	0.05 92	0.06 93	0.05 96	0.05 90	0.05 99	0.13 128	0.05 93	0.05 81	0.09 109	0.24 184	0.20 177	0.10 108	0.05 95	0.06 95	0.13 151

ffm	0.25 165	3.83 518	0.12 102	0.12 83	0.05 98	0.06 91	0.05 92	0.06 93	0.05 96	0.03 40	0.03 52	0.06 96	0.05 93	0.06 87	0.05 87	0.12 94	0.12 113	0.05 85	0.04 77	0.06 95	0.04 78

ff1	0.25 165	3.83 518	0.12 102	0.12 83	0.05 98	0.06 91	0.05 92	0.06 93	0.05 96	0.03 40	0.03 52	0.06 96	0.05 93	0.06 87	0.05 87	0.12 94	0.12 113	0.05 85	0.04 77	0.06 95	0.04 78

mmx	0.25 165	3.83 518	0.12 102	0.12 83	0.05 98	0.06 91	0.05 92	0.06 93	0.05 96	0.03 40	0.03 52	0.06 96	0.05 93	0.06 87	0.05 87	0.12 94	0.12 113	0.05 85	0.04 77	0.06 95	0.04 78

AASNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 98	0.06 91	0.05 92	0.05 88	0.06 108	0.06 95	0.06 109	0.05 90	0.06 109	0.06 87	0.05 87	0.08 62	0.08 61	0.08 102	0.05 95	0.06 95	0.05 96

SACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 98	0.06 91	0.05 92	0.05 88	0.06 108	0.06 95	0.06 109	0.05 90	0.06 109	0.06 87	0.05 87	0.08 62	0.08 61	0.08 102	0.05 95	0.06 95	0.05 96

AACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 98	0.06 91	0.05 92	0.05 88	0.06 108	0.06 95	0.06 109	0.05 90	0.06 109	0.06 87	0.05 87	0.08 62	0.08 61	0.08 102	0.05 95	0.06 95	0.05 96

FINET	0.07 49	0.08 58	0.07 58	0.07 47	0.07 111	0.08 104	0.06 108	0.08 106	0.07 111	0.08 105	0.07 112	0.08 105	0.06 109	0.07 103	0.07 102	0.08 62	0.07 59	0.07 98	0.07 105	0.06 95	0.06 104

BridgeDepth_RVC	0.07 49	0.08 58	0.11 89	0.11 75	0.05 98	0.08 104	0.05 92	0.08 106	0.05 96	0.08 105	0.05 99	0.08 105	0.05 93	0.08 106	0.05 87	0.11 88	0.10 75	0.07 98	0.05 95	0.07 105	0.05 96
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
BridgeDepth	0.08 51	0.08 58	0.11 89	0.11 75	0.05 98	0.08 104	0.05 92	0.08 106	0.07 111	0.08 105	0.05 99	0.08 105	0.05 93	0.09 110	0.08 104	0.15 125	0.11 97	0.07 98	0.05 95	0.07 105	0.06 104
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
GwcNet	0.12 96	0.07 57	0.05 57	0.08 49	0.05 98	0.08 104	1.20 451	0.07 103	0.05 96	0.05 90	0.05 99	0.08 105	0.05 93	0.08 106	0.03 48	0.07 60	0.05 56	0.06 93	0.05 95	0.07 105	0.05 96

FADNet-RVC	0.13 103	0.04 37	0.04 43	0.04 37	0.04 78	0.04 76	0.05 92	0.04 76	0.04 80	0.04 73	0.05 99	0.04 76	0.05 93	0.04 71	1.71 530	0.04 44	0.04 45	0.04 72	0.04 77	0.07 105	0.04 78

BEATNet-Init1	0.19 142	0.08 58	0.08 60	2.23 490	0.08 113	0.08 104	0.07 111	0.07 103	0.08 115	0.08 105	0.07 112	0.08 105	0.07 113	0.11 125	0.08 104	0.08 62	0.08 61	0.08 102	0.07 105	0.08 109	0.08 108

SuperB	0.21 150	0.10 68	2.51 554	0.12 83	0.09 115	0.10 112	0.09 114	0.08 106	0.07 111	0.10 112	0.09 116	0.09 111	0.07 113	0.07 103	0.07 102	0.07 60	0.08 61	0.07 98	0.07 105	0.08 109	0.07 107

DeepPrunerF	0.19 142	0.08 58	0.08 60	2.23 490	0.08 113	0.08 104	0.07 111	0.07 103	0.08 115	0.08 105	0.07 112	0.08 105	0.07 113	0.11 125	0.08 104	0.08 62	0.08 61	0.08 102	0.07 105	0.08 109	0.08 108

SepStereo	0.09 53	0.09 66	0.10 69	0.09 55	0.09 115	0.09 110	0.09 114	0.10 111	0.08 115	0.10 112	0.09 116	0.09 111	0.09 117	0.09 110	0.08 104	0.09 68	0.08 61	0.09 107	0.08 109	0.09 112	0.08 108

AnonymousM	0.10 66	0.10 68	0.10 69	0.10 58	0.10 122	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

PVD	0.10 66	0.10 68	0.10 69	0.10 58	0.10 122	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SHD	0.10 66	0.10 68	0.10 69	0.10 58	0.10 122	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SAMSARA	0.10 66	0.10 68	0.10 69	0.10 58	0.10 122	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

XQC	0.10 66	0.10 68	0.10 69	0.10 58	0.10 122	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTSC	0.10 66	0.10 68	0.10 69	0.10 58	0.10 122	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTS	0.10 66	0.10 68	0.10 69	0.10 58	0.10 122	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTSA	0.10 66	0.10 68	0.10 69	0.10 58	0.10 122	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MADNet+	0.10 66	0.10 68	0.10 69	0.10 58	0.10 122	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MADNet++	0.10 66	0.10 68	0.10 69	0.10 58	0.10 122	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MatchStereo	0.54 308	0.12 81	2.38 552	2.32 496	0.09 115	0.09 110	0.08 113	0.09 110	0.07 111	0.09 110	0.07 112	0.09 111	0.07 113	0.09 110	0.08 104	2.34 530	2.34 548	0.12 122	0.11 130	0.11 123	0.10 116

JetRed	0.11 87	0.12 81	0.11 89	0.11 75	0.11 137	0.11 123	0.14 153	0.11 123	0.11 134	0.12 126	0.11 134	0.11 124	0.11 133	0.11 125	0.11 127	0.11 88	0.16 145	0.11 119	0.11 130	0.11 123	0.11 129

JetBlue	0.11 87	0.11 79	0.12 102	0.13 95	0.14 158	0.11 123	0.11 132	0.11 123	0.11 134	0.11 124	0.11 134	0.11 124	0.11 133	0.12 129	0.12 142	0.11 88	0.11 97	0.11 119	0.11 130	0.11 123	0.11 129

ac_64	0.22 154	0.13 83	0.19 164	0.23 152	0.10 122	0.26 201	1.02 438	0.14 129	0.10 119	0.28 202	0.14 162	0.17 150	0.19 193	0.28 209	0.09 109	0.22 166	0.16 145	0.23 185	0.17 189	0.11 123	0.12 145

PASM	0.39 243	3.06 497	1.36 491	1.58 463	0.09 115	0.11 123	0.11 132	0.11 123	0.11 134	0.09 110	0.09 116	0.11 124	0.09 117	0.09 110	0.09 109	0.11 88	0.11 97	0.11 119	0.09 111	0.11 123	0.11 129

LRCNet_RVC	0.13 103	0.13 83	0.09 65	0.13 95	0.10 122	0.14 128	0.10 119	0.14 129	0.10 119	0.23 177	0.10 120	0.20 161	0.10 121	0.24 184	0.11 127	0.11 88	0.09 70	0.12 122	0.14 161	0.12 128	0.09 111

DRN-Test	0.14 112	0.13 83	0.09 65	0.14 99	0.09 115	0.15 135	0.09 114	0.14 129	0.10 119	0.14 128	0.09 116	0.14 129	0.09 117	0.13 130	0.09 109	0.12 94	0.09 70	0.12 122	0.09 111	0.12 128	0.73 398

S2M2_L	0.12 96	0.14 89	0.10 69	0.15 109	0.10 122	0.14 128	0.10 119	0.14 129	0.10 119	0.15 134	0.10 120	0.14 129	0.10 121	0.14 131	0.10 115	0.13 109	0.10 75	0.13 126	0.09 111	0.13 130	0.09 111
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
StereoDRNet	0.15 124	0.14 89	0.10 69	0.14 99	0.09 115	0.15 135	0.09 114	0.14 129	0.09 118	0.14 128	0.10 120	0.14 129	0.09 117	0.14 131	0.09 109	0.13 109	0.10 75	0.13 126	0.09 111	0.13 130	0.82 411

test_for_model	0.15 124	0.23 116	0.18 161	0.21 145	0.11 137	0.16 143	0.11 132	0.16 142	0.11 134	0.16 139	0.11 134	0.16 140	0.11 133	0.16 141	0.11 127	0.21 163	0.18 174	0.14 128	0.11 130	0.14 132	0.11 129

testlalala2	0.13 103	0.16 91	0.11 89	0.15 109	0.11 137	0.16 143	0.11 132	0.16 142	0.11 134	0.16 139	0.11 134	0.16 140	0.11 133	0.16 141	0.11 127	0.14 116	0.11 97	0.14 128	0.11 130	0.14 132	0.11 129

testlalala_base	0.13 103	0.16 91	0.11 89	0.15 109	0.11 137	0.15 135	0.11 132	0.16 142	0.11 134	0.16 139	0.11 134	0.16 140	0.11 133	0.16 141	0.11 127	0.14 116	0.11 97	0.14 128	0.11 130	0.14 132	0.11 129

CIPLG	0.13 103	0.21 111	0.12 102	0.16 120	0.11 137	0.15 135	0.11 132	0.14 129	0.11 134	0.15 134	0.12 145	0.15 139	0.11 133	0.14 131	0.11 127	0.15 125	0.12 113	0.14 128	0.11 130	0.14 132	0.11 129

IPLG	0.13 103	0.20 105	0.14 126	0.15 109	0.11 137	0.14 128	0.11 132	0.14 129	0.11 134	0.14 128	0.11 134	0.14 129	0.11 133	0.14 131	0.11 127	0.15 125	0.12 113	0.14 128	0.11 130	0.14 132	0.11 129

MIPNet	0.14 112	0.21 111	0.17 152	0.16 120	0.11 137	0.15 135	0.12 148	0.14 129	0.11 134	0.16 139	0.11 134	0.14 129	0.11 133	0.14 131	0.11 127	0.14 116	0.12 113	0.14 128	0.11 130	0.14 132	0.11 129

IPLGR	0.14 112	0.24 125	0.14 126	0.16 120	0.12 153	0.15 135	0.12 148	0.14 129	0.11 134	0.15 134	0.12 145	0.14 129	0.11 133	0.14 131	0.11 127	0.15 125	0.12 113	0.14 128	0.11 130	0.14 132	0.11 129

ACRE	0.13 103	0.21 111	0.14 126	0.15 109	0.11 137	0.14 128	0.11 132	0.14 129	0.11 134	0.14 128	0.12 145	0.14 129	0.11 133	0.14 131	0.11 127	0.15 125	0.12 113	0.14 128	0.11 130	0.14 132	0.11 129

GMStereo	0.14 112	0.13 83	0.14 126	0.14 99	0.14 158	0.14 128	0.14 153	0.14 129	0.14 158	0.14 128	0.14 162	0.14 129	0.14 159	0.14 131	0.14 152	0.14 116	0.14 140	0.14 128	0.14 161	0.14 132	0.14 156
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ELAS	0.13 103	0.16 91	0.11 89	0.15 109	0.09 115	0.18 155	0.11 132	0.18 153	0.11 134	0.17 148	0.11 134	0.18 154	0.11 133	0.18 153	0.11 127	0.14 116	0.08 61	0.14 128	0.08 109	0.14 132	0.09 111
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
castereo++	0.54 308	3.59 509	1.15 419	1.31 452	0.14 158	0.16 143	0.14 153	0.16 142	0.14 158	0.16 139	0.14 162	0.16 140	0.13 155	0.16 141	0.14 152	1.45 482	1.16 427	0.15 143	0.14 161	0.15 142	0.13 151

ProNet	0.14 112	0.20 105	0.14 126	0.16 120	0.11 137	0.16 143	0.11 132	0.17 150	0.11 134	0.17 148	0.12 145	0.17 150	0.13 155	0.17 150	0.12 142	0.15 125	0.11 97	0.16 146	0.11 130	0.15 142	0.12 145

IPLGR_C	0.14 112	0.20 105	0.12 102	0.15 109	0.11 137	0.14 128	0.15 158	0.14 129	0.11 134	0.15 134	0.12 145	0.14 129	0.11 133	0.16 141	0.11 127	0.15 125	0.12 113	0.14 128	0.12 148	0.15 142	0.12 145

ELAS_RVC	0.14 112	0.16 91	0.10 69	0.15 109	0.10 122	0.18 155	0.11 132	0.19 155	0.11 134	0.19 154	0.12 145	0.18 154	0.11 133	0.19 156	0.12 142	0.14 116	0.08 61	0.14 128	0.09 111	0.15 142	0.09 111
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
S2M2_XL	0.14 112	0.17 97	0.12 102	0.17 128	0.11 137	0.17 151	0.11 132	0.17 150	0.11 134	0.17 148	0.11 134	0.17 150	0.11 133	0.17 150	0.11 127	0.16 134	0.11 97	0.16 146	0.11 130	0.16 146	0.11 129
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
xyz-stereo-finetune2	0.18 139	0.48 206	0.16 145	0.16 120	0.15 169	0.15 135	0.16 163	0.16 142	0.16 172	0.16 139	0.16 173	0.16 140	0.16 171	0.16 141	0.16 168	0.16 134	0.16 145	0.16 146	0.16 169	0.16 146	0.16 160

xyz-stereo	0.18 139	0.50 212	0.16 145	0.15 109	0.16 178	0.16 143	0.16 163	0.16 142	0.16 172	0.16 139	0.16 173	0.16 140	0.16 171	0.16 141	0.16 168	0.16 134	0.16 145	0.16 146	0.16 169	0.16 146	0.16 160

GMStereo_Zeroshot	0.16 132	0.16 91	0.16 145	0.16 120	0.16 178	0.16 143	0.16 163	0.16 142	0.16 172	0.16 139	0.16 173	0.16 140	0.16 171	0.16 141	0.16 168	0.16 134	0.16 145	0.16 146	0.16 169	0.16 146	0.16 160

ICVP	0.15 124	0.53 226	0.11 89	0.16 120	0.11 137	0.16 143	0.11 132	0.16 142	0.11 134	0.16 139	0.11 134	0.16 140	0.11 133	0.16 141	0.11 127	0.16 134	0.11 97	0.16 146	0.11 130	0.16 146	0.11 129
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HSM	0.14 112	0.16 91	0.12 102	0.17 128	0.12 153	0.17 151	0.11 132	0.17 150	0.11 134	0.17 148	0.12 145	0.17 150	0.12 150	0.17 150	0.12 142	0.16 134	0.11 97	0.16 146	0.11 130	0.16 146	0.12 145

DDVS	0.30 181	3.10 498	0.14 126	0.19 133	0.14 158	0.19 158	0.14 153	0.20 161	0.14 158	0.19 154	0.13 157	0.16 140	0.13 155	0.19 156	0.13 148	0.17 142	0.13 136	0.17 154	0.13 156	0.17 152	0.13 151

ACVNet	0.20 144	0.19 101	0.14 126	0.20 136	0.14 158	0.20 163	0.96 430	0.21 169	0.14 158	0.20 160	0.13 157	0.21 168	0.14 159	0.20 160	0.14 152	0.17 142	0.12 113	0.17 154	0.12 148	0.17 152	0.12 145

acv_ft	0.20 144	0.19 101	0.14 126	0.20 136	0.14 158	0.20 163	0.96 430	0.21 169	0.14 158	0.20 160	0.13 157	0.21 168	0.14 159	0.20 160	0.14 152	0.17 142	0.12 113	0.17 154	0.12 148	0.17 152	0.12 145

SGM_RVC	0.15 124	0.17 97	0.11 89	0.18 130	0.11 137	0.19 158	0.11 132	0.19 155	0.12 153	0.19 154	0.12 145	0.20 161	0.12 150	0.19 156	0.12 142	0.16 134	0.11 97	0.17 154	0.10 118	0.17 152	0.10 116
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DEFOM-Stereo_RVC	0.83 374	5.18 543	1.98 541	2.19 487	0.17 182	0.19 158	0.18 178	0.19 155	0.16 172	0.20 160	0.19 195	0.22 176	0.22 203	0.20 160	0.15 162	2.28 524	2.13 543	0.24 193	0.17 189	0.18 156	0.16 160

castereo	0.61 320	3.79 517	1.35 483	1.52 462	0.15 169	0.17 151	0.16 163	0.20 161	0.21 196	0.18 152	0.16 173	0.21 168	0.12 150	0.26 201	0.17 172	1.43 481	1.38 497	0.17 154	0.16 169	0.18 156	0.16 160

ITSA-stereo	0.15 124	0.17 97	0.13 121	0.20 136	0.13 156	0.19 158	0.13 151	0.18 153	0.13 156	0.19 154	0.13 157	0.18 154	0.14 159	0.18 153	0.14 152	0.16 134	0.11 97	0.15 143	0.14 161	0.18 156	0.11 129

HCRNet	1.22 472	7.11 563	3.00 557	3.55 539	0.33 282	0.29 209	0.14 153	0.19 155	0.15 168	0.33 224	0.29 245	0.25 193	0.14 159	0.22 174	0.33 265	3.64 556	3.00 553	0.76 390	0.32 282	0.18 156	0.13 151

DeepPruner_ROB	0.16 132	0.18 100	0.13 121	0.19 133	0.13 156	0.19 158	0.13 151	0.19 155	0.13 156	0.19 154	0.13 157	0.19 158	0.13 155	0.19 156	0.13 148	0.18 150	0.13 136	0.18 163	0.13 156	0.18 156	0.13 151

LALA_ROB	0.15 124	0.19 101	0.12 102	0.18 130	0.11 137	0.20 163	0.12 148	0.21 169	0.12 153	0.20 160	0.12 145	0.20 161	0.12 150	0.21 170	0.13 148	0.17 142	0.10 75	0.18 163	0.11 130	0.18 156	0.11 129

CAS++	0.17 136	0.27 133	0.21 172	0.10 58	0.21 207	0.15 135	0.22 196	0.10 111	0.21 196	0.22 173	0.10 120	0.19 158	0.18 188	0.10 114	0.19 186	0.20 157	0.19 175	0.18 163	0.10 118	0.19 162	0.18 178
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
RSGM-EC	0.24 162	0.24 125	0.15 142	0.22 148	0.15 169	0.22 175	0.15 158	0.22 173	0.15 168	0.24 184	0.15 170	0.22 176	0.15 169	0.22 174	1.19 451	0.20 157	0.17 165	0.24 193	0.14 161	0.20 163	0.14 156

acva	0.24 162	0.24 125	0.15 142	0.22 148	0.15 169	0.22 175	0.15 158	0.22 173	0.15 168	0.24 184	0.15 170	0.22 176	0.15 169	0.22 174	1.19 451	0.20 157	0.17 165	0.24 193	0.14 161	0.20 163	0.14 156

IGEV_Zeroshot_test	0.20 144	0.19 101	0.40 270	0.30 177	0.17 182	0.22 175	0.17 171	0.21 169	0.17 180	0.20 160	0.17 178	0.21 168	0.18 188	0.21 170	0.17 172	0.20 157	0.16 145	0.20 170	0.16 169	0.20 163	0.17 174

DAS	0.20 144	0.20 105	0.20 167	0.20 136	0.20 199	0.20 163	0.20 186	0.20 161	0.20 193	0.20 160	0.20 199	0.20 161	0.20 197	0.20 160	0.20 189	0.20 157	0.20 177	0.20 170	0.20 196	0.20 163	0.20 182

GEStereo_RVC	0.86 386	4.45 533	0.20 167	0.27 174	0.20 199	0.27 205	0.20 186	0.26 193	0.18 185	5.03 588	0.20 199	0.27 205	0.19 193	0.27 205	0.21 192	0.20 157	0.19 175	0.19 166	4.02 592	0.20 163	0.18 178

MSKI-zero shot	0.24 162	0.21 111	0.49 315	0.65 318	0.18 192	0.22 175	0.17 171	0.23 179	0.18 185	0.21 171	0.17 178	0.23 182	0.28 240	0.23 180	0.18 183	0.21 163	0.16 145	0.21 172	0.16 169	0.21 168	0.16 160

iResNet	0.20 144	0.23 116	0.18 161	0.24 157	0.18 192	0.24 186	0.20 186	0.24 182	0.18 185	0.23 177	0.17 178	0.23 182	0.18 188	0.23 180	0.18 183	0.22 166	0.16 145	0.21 172	0.16 169	0.21 168	0.16 160

BStereo	0.22 154	0.23 116	0.20 167	0.24 157	0.20 199	0.23 183	0.33 269	0.39 245	0.17 180	0.23 177	0.17 178	0.23 182	0.16 171	0.24 184	0.17 172	0.23 177	0.16 145	0.22 177	0.20 196	0.22 170	0.16 160

Wave_Phase_stereo	0.22 154	0.23 116	0.20 167	0.24 157	0.20 199	0.23 183	0.33 269	0.39 245	0.17 180	0.23 177	0.17 178	0.23 182	0.16 171	0.24 184	0.17 172	0.23 177	0.16 145	0.22 177	0.20 196	0.22 170	0.16 160

ACV-stereo	0.30 181	2.08 436	0.25 187	0.25 164	0.18 192	0.24 186	0.17 171	0.24 182	0.18 185	0.24 184	0.17 178	0.25 193	0.17 180	0.24 184	0.17 172	0.22 166	0.16 145	0.22 177	0.16 169	0.22 170	0.16 160

Pointernet	0.21 150	0.22 115	0.19 164	0.24 157	0.19 196	0.24 186	0.19 182	0.24 182	0.19 191	0.24 184	0.19 195	0.24 188	0.19 193	0.24 184	0.19 186	0.22 166	0.17 165	0.22 177	0.17 189	0.22 170	0.17 174

WAO-6	0.22 154	0.23 116	0.22 174	0.23 152	0.22 209	0.22 175	0.22 196	0.22 173	0.22 199	0.22 173	0.22 205	0.22 176	0.22 203	0.22 174	0.22 194	0.22 166	0.22 184	0.22 177	0.22 202	0.22 170	0.22 187

IMH-64-1	0.22 154	0.23 116	0.23 177	0.22 148	0.22 209	0.22 175	0.22 196	0.22 173	0.22 199	0.22 173	0.22 205	0.22 176	0.22 203	0.22 174	0.22 194	0.22 166	0.22 184	0.23 185	0.22 202	0.22 170	0.23 189

IMH-64	0.22 154	0.23 116	0.23 177	0.22 148	0.22 209	0.22 175	0.22 196	0.22 173	0.22 199	0.22 173	0.22 205	0.22 176	0.22 203	0.22 174	0.22 194	0.22 166	0.22 184	0.23 185	0.22 202	0.22 170	0.23 189

MIM_Stereo	0.25 165	0.23 116	0.66 354	0.80 338	0.17 182	0.22 175	0.17 171	0.23 179	0.18 185	0.26 198	0.17 178	0.21 168	0.17 180	0.25 191	0.17 172	0.23 177	0.16 145	0.21 172	0.17 189	0.22 170	0.17 174

dd	0.23 160	0.98 290	0.16 145	0.23 152	0.15 169	0.23 183	0.15 158	0.23 179	0.15 168	0.23 177	0.15 170	0.24 188	0.17 180	0.23 180	0.15 162	0.22 166	0.15 143	0.21 172	0.15 167	0.22 170	0.16 160

dad	0.23 160	1.03 313	0.16 145	0.23 152	0.15 169	0.24 186	0.15 158	0.24 182	0.16 172	0.23 177	0.16 173	0.24 188	0.16 171	0.23 180	0.15 162	0.22 166	0.16 145	0.22 177	0.16 169	0.22 170	0.16 160

iResNetv2_ROB	0.20 144	0.23 116	0.18 161	0.24 157	0.20 199	0.24 186	0.18 178	0.24 182	0.18 185	0.24 184	0.18 193	0.23 182	0.19 193	0.24 184	0.18 183	0.21 163	0.16 145	0.21 172	0.16 169	0.22 170	0.16 160

VIP-Stereo	0.70 338	2.97 496	2.43 553	2.49 503	0.16 178	0.25 193	0.16 163	0.25 188	0.16 172	0.25 190	0.18 193	0.25 193	0.16 171	0.26 201	0.16 168	1.86 497	1.26 480	0.23 185	0.15 167	0.23 181	0.15 159

tg	0.21 150	0.25 129	0.21 172	0.26 171	0.17 182	0.24 186	0.17 171	0.24 182	0.17 180	0.24 184	0.17 178	0.24 188	0.17 180	0.24 184	0.17 172	0.24 184	0.17 165	0.23 185	0.16 169	0.23 181	0.16 160

DLNR-FE	0.28 175	0.89 271	0.30 206	0.34 194	0.19 196	0.28 206	0.19 182	0.28 197	0.20 193	0.28 202	0.20 199	0.28 206	0.20 197	0.28 209	0.20 189	0.33 218	0.28 208	0.25 196	0.19 195	0.24 183	0.19 180

AANet_RVC	1.26 474	0.31 142	4.99 584	5.93 576	0.20 199	0.25 193	0.20 186	0.25 188	0.20 193	0.23 177	0.19 195	0.25 193	0.20 197	0.25 191	0.20 189	5.66 586	4.76 579	0.26 201	0.30 264	0.24 183	0.27 214

model_zeroshot	0.27 174	0.20 105	0.27 194	0.33 191	0.21 207	0.37 243	0.22 196	0.37 233	0.24 208	0.26 198	0.27 233	0.33 227	0.21 202	0.25 191	0.27 218	0.32 213	0.20 177	0.34 240	0.23 208	0.25 185	0.26 206

UNDER WATER-64	0.25 165	0.26 130	0.25 187	0.26 171	0.25 222	0.25 193	0.25 212	0.25 188	0.25 213	0.25 190	0.25 222	0.25 193	0.25 216	0.26 201	0.25 212	0.25 190	0.25 192	0.25 196	0.25 221	0.25 185	0.25 200

RAFT-FEzeroshot	0.34 204	0.26 130	0.17 152	0.21 145	0.17 182	0.20 163	0.16 163	0.20 161	0.16 172	0.20 160	0.17 178	0.21 168	0.16 171	0.27 205	0.24 204	0.19 154	0.16 145	0.19 166	0.16 169	0.26 187	3.08 570

RAFT-FE	0.34 204	0.26 130	0.17 152	0.21 145	0.17 182	0.20 163	0.16 163	0.20 161	0.16 172	0.20 160	0.17 178	0.21 168	0.16 171	0.27 205	0.24 204	0.19 154	0.16 145	0.19 166	0.16 169	0.26 187	3.08 570

LoS_RVC	0.30 181	1.14 326	0.25 187	0.25 164	0.25 222	0.26 201	0.25 212	0.25 188	0.25 213	0.25 190	0.25 222	0.26 203	0.26 225	0.26 201	0.25 212	0.26 192	0.26 195	0.25 196	0.25 221	0.26 187	0.26 206

CAS	0.30 181	1.17 332	0.25 187	0.25 164	0.25 222	0.26 201	0.25 212	0.25 188	0.26 226	0.25 190	0.25 222	0.25 193	0.25 216	0.25 191	0.25 212	0.26 192	0.26 195	0.26 201	0.25 221	0.26 187	0.25 200

LoS	0.25 165	0.27 133	0.25 187	0.25 164	0.25 222	0.25 193	0.25 212	0.26 193	0.25 213	0.25 190	0.25 222	0.25 193	0.25 216	0.25 191	0.25 212	0.26 192	0.25 192	0.25 196	0.26 227	0.26 187	0.25 200
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
tt1	0.31 188	0.93 283	0.24 184	0.33 191	0.23 215	0.31 216	0.24 209	0.32 211	0.24 208	0.32 219	0.23 209	0.32 224	0.25 216	0.32 222	0.24 204	0.27 195	0.26 195	0.27 205	0.26 227	0.27 192	0.27 214

RAFT + AFF	0.31 188	0.45 192	0.34 240	0.39 212	0.28 237	0.38 250	0.33 269	0.29 202	0.31 264	0.30 208	0.30 257	0.29 212	0.27 233	0.29 213	0.30 245	0.28 197	0.29 219	0.29 212	0.29 250	0.27 192	0.32 261

DCVSM-stereo	0.36 219	1.89 423	0.22 174	0.40 226	0.22 209	0.40 258	0.22 196	0.40 252	0.22 199	0.40 252	0.22 205	0.40 261	0.22 203	0.40 258	0.22 194	0.28 197	0.21 180	0.28 207	0.21 199	0.28 194	0.20 182

TorneroNet-64	0.45 273	0.27 133	0.30 206	0.58 304	0.27 232	0.70 376	0.30 245	0.28 197	0.73 411	0.73 379	0.28 240	0.71 378	0.66 381	0.75 381	0.27 218	0.27 195	0.29 219	0.37 264	0.75 416	0.28 194	0.30 245

SQANet	0.28 175	0.28 136	0.28 198	0.28 175	0.28 237	0.28 206	0.28 231	0.28 197	0.28 235	0.28 202	0.28 240	0.28 206	0.28 240	0.28 209	0.28 228	0.28 197	0.28 208	0.28 207	0.28 240	0.28 194	0.28 227

xxxxx1	0.31 188	0.91 276	0.23 177	0.31 183	0.23 215	0.31 216	0.23 204	0.33 215	0.25 213	0.31 213	0.24 216	0.33 227	0.25 216	0.32 222	0.24 204	0.28 197	0.28 208	0.28 207	0.28 240	0.29 197	0.27 214

tt_ll	0.31 188	0.91 276	0.23 177	0.31 183	0.23 215	0.31 216	0.23 204	0.33 215	0.25 213	0.31 213	0.24 216	0.33 227	0.25 216	0.32 222	0.24 204	0.28 197	0.28 208	0.28 207	0.28 240	0.29 197	0.27 214

ff	0.31 188	0.91 276	0.23 177	0.31 183	0.23 215	0.31 216	0.23 204	0.33 215	0.25 213	0.31 213	0.24 216	0.33 227	0.25 216	0.32 222	0.24 204	0.28 197	0.28 208	0.28 207	0.28 240	0.29 197	0.27 214

MultiAttention	0.30 181	0.30 139	0.30 206	0.30 177	0.30 256	0.30 210	0.30 245	0.30 204	0.30 252	0.30 208	0.30 257	0.30 216	0.30 254	0.30 215	0.30 245	0.30 205	0.30 228	0.30 214	0.30 264	0.30 200	0.30 245

MSAF-DinoV2	0.30 181	0.30 139	0.30 206	0.30 177	0.30 256	0.30 210	0.30 245	0.30 204	0.30 252	0.30 208	0.30 257	0.30 216	0.30 254	0.30 215	0.30 245	0.30 205	0.30 228	0.30 214	0.30 264	0.30 200	0.30 245

DEFOM-Stereo	0.68 334	3.11 499	1.40 497	1.63 471	0.25 222	0.31 216	0.25 212	0.31 209	0.28 235	0.31 213	0.29 245	0.29 212	0.27 233	0.31 219	0.28 228	1.59 489	1.47 502	0.30 214	0.29 250	0.30 200	0.28 227

WCG-NET（raft）	0.32 197	1.24 390	0.24 184	0.32 187	0.24 220	0.32 225	0.23 204	0.32 211	0.24 208	0.32 219	0.24 216	0.32 224	0.24 213	0.32 222	0.24 204	0.30 205	0.23 189	0.30 214	0.23 208	0.30 200	0.23 189

DANet	0.30 181	0.30 139	0.30 206	0.30 177	0.30 256	0.30 210	0.30 245	0.30 204	0.30 252	0.30 208	0.30 257	0.30 216	0.30 254	0.30 215	0.30 245	0.30 205	0.30 228	0.30 214	0.30 264	0.30 200	0.30 245
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DStereoO	0.31 188	0.31 142	0.31 218	0.30 177	0.40 324	0.31 216	0.30 245	0.30 204	0.34 285	0.29 207	0.31 265	0.29 212	0.30 254	0.31 219	0.31 253	0.31 211	0.29 219	0.31 221	0.30 264	0.31 205	0.31 254

DStereoSA	0.32 197	0.52 222	0.34 240	0.31 183	0.31 267	0.30 210	0.30 245	0.31 209	0.30 252	0.31 213	0.31 265	0.31 220	0.30 254	0.31 219	0.31 253	0.30 205	0.32 239	0.31 221	0.31 275	0.31 205	0.31 254

xyz-stereo-finetune	0.28 175	0.49 208	0.16 145	0.16 120	0.16 178	0.16 143	0.16 163	0.22 173	0.30 252	0.32 219	0.31 265	0.32 224	0.31 269	0.32 222	0.32 255	0.32 213	0.33 251	0.31 221	0.32 282	0.31 205	0.32 261

testlalala	0.32 197	0.81 257	0.31 218	0.39 212	0.26 230	0.33 228	0.24 209	0.33 215	0.26 226	0.32 219	0.26 228	0.33 227	0.23 209	0.33 229	0.23 200	0.35 231	0.31 234	0.30 214	0.24 216	0.31 205	0.21 184

DStereoFS	0.32 197	0.33 146	0.32 224	0.33 191	0.30 256	0.32 225	0.32 258	0.32 211	0.31 264	0.30 208	0.31 265	0.31 220	0.30 254	0.32 222	0.32 255	0.32 213	0.31 234	0.30 214	0.47 359	0.32 209	0.34 274

FE-Mocha	0.35 213	0.71 247	0.40 270	0.47 263	0.27 232	0.34 230	0.27 223	0.34 219	0.26 226	0.34 226	0.26 228	0.34 232	0.27 233	0.34 231	0.27 218	0.44 290	0.41 287	0.33 232	0.29 250	0.32 209	0.29 232

PAM	0.39 243	1.88 422	0.34 240	0.37 203	0.41 333	0.45 305	0.22 196	0.28 197	0.23 205	0.28 202	0.24 216	0.29 212	0.23 209	0.29 213	0.23 200	0.38 251	0.32 239	0.38 272	0.37 315	0.32 209	0.22 187

GCAP-BAT	0.33 202	0.78 251	0.32 224	0.38 206	0.25 222	0.34 230	0.25 212	0.34 219	0.26 226	0.34 226	0.25 222	0.35 234	0.26 225	0.35 234	0.27 218	0.36 236	0.30 228	0.32 224	0.24 216	0.32 209	0.26 206

1test111	0.37 225	1.02 311	0.30 206	0.39 212	0.29 246	0.40 258	0.28 231	0.39 245	0.29 241	0.39 246	0.29 245	0.39 253	0.28 240	0.40 258	0.29 238	0.33 218	0.32 239	0.33 232	0.31 275	0.32 209	0.31 254

cc1	0.37 225	1.02 311	0.30 206	0.39 212	0.29 246	0.40 258	0.28 231	0.39 245	0.29 241	0.39 246	0.29 245	0.39 253	0.28 240	0.40 258	0.29 238	0.33 218	0.32 239	0.33 232	0.31 275	0.32 209	0.31 254

IGEV-Stereo	0.35 213	0.44 184	0.45 289	0.49 274	0.30 256	0.37 243	0.30 245	0.36 227	0.30 252	0.36 234	0.29 245	0.36 240	0.29 247	0.36 240	0.30 245	0.46 297	0.39 275	0.32 224	0.24 216	0.32 209	0.25 200
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iResNet_ROB	0.28 175	0.32 144	0.24 184	0.32 187	0.25 222	0.32 225	0.24 209	0.32 211	0.24 208	0.33 224	0.24 216	0.35 234	0.24 213	0.33 229	0.24 204	0.31 211	0.24 191	0.32 224	0.24 216	0.32 209	0.24 199

ACVNet-DCA	0.37 225	1.00 299	0.30 206	0.40 226	0.29 246	0.40 258	0.29 240	0.40 252	0.29 241	0.40 252	0.29 245	0.40 261	0.29 247	0.39 255	0.28 228	0.33 218	0.32 239	0.33 232	0.32 282	0.33 217	0.32 261

DLNR_Zeroshot_test	0.31 188	0.28 136	0.47 300	0.79 336	0.24 220	0.30 210	0.26 220	0.30 204	0.24 208	0.32 219	0.23 209	0.31 220	0.24 213	0.30 215	0.23 200	0.29 204	0.26 195	0.29 212	0.24 216	0.33 217	0.23 189

CRFU-Net	0.65 327	1.67 408	1.22 475	1.96 481	0.27 232	0.41 274	0.27 223	0.41 267	0.27 232	0.40 252	0.26 228	0.41 274	0.27 233	0.40 258	0.27 218	1.80 496	1.62 516	0.34 240	0.23 208	0.33 217	0.23 189

FENet	0.54 308	1.52 404	1.19 425	1.41 459	0.23 215	0.35 235	0.23 204	0.35 223	0.23 205	0.34 226	0.23 209	0.35 234	0.23 209	0.35 234	0.23 200	1.40 479	1.07 411	0.32 224	0.23 208	0.33 217	0.23 189

H2IRNET	0.34 204	0.34 147	0.34 240	0.34 194	0.34 292	0.34 230	0.34 282	0.34 219	0.34 285	0.34 226	0.34 287	0.34 232	0.34 285	0.34 231	0.34 278	0.34 222	0.34 255	0.34 240	0.34 294	0.34 221	0.34 274

xx1	0.38 231	1.03 313	0.31 218	0.40 226	0.31 267	0.41 274	0.28 231	0.40 252	0.29 241	0.40 252	0.29 245	0.40 261	0.29 247	0.40 258	0.29 238	0.34 222	0.33 251	0.34 240	0.32 282	0.34 221	0.32 261

CASnet	0.35 213	0.51 220	0.44 287	0.32 187	0.31 267	0.24 186	0.34 282	0.36 227	0.25 213	0.31 213	0.37 306	0.30 216	0.33 280	0.25 191	0.45 333	0.37 240	0.37 262	0.33 232	0.35 306	0.34 221	0.37 292
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
BUS	0.83 374	1.91 426	0.92 401	4.48 550	0.02 21	0.40 258	0.04 80	0.41 267	0.02 21	0.48 312	0.03 52	0.41 274	0.05 93	0.03 39	0.05 87	1.97 507	4.19 576	0.33 232	0.23 208	0.34 221	0.27 214

NINENet	0.69 337	3.87 521	1.20 428	1.98 482	0.05 98	0.40 258	0.04 80	0.40 252	0.05 96	0.41 266	0.04 87	0.41 274	0.05 93	0.40 258	0.05 87	1.79 495	1.56 509	0.34 240	0.22 202	0.34 221	0.23 189

BSDual-CNN	0.81 366	1.91 426	0.92 401	4.48 550	0.02 21	0.42 294	0.06 108	0.41 267	0.02 21	0.48 312	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 507	4.19 576	0.33 232	0.23 208	0.34 221	0.27 214

hknet	1.10 419	1.85 419	3.49 573	4.48 550	0.02 21	0.42 294	0.06 108	0.41 267	0.02 21	0.48 312	0.03 52	0.41 274	0.03 52	0.42 286	0.03 48	4.39 562	4.19 576	0.33 232	0.23 208	0.34 221	0.27 214

iRaft-Stereo_5w	0.34 204	0.42 180	0.31 218	0.39 212	0.30 256	0.38 250	0.30 245	0.40 252	0.29 241	0.40 252	0.37 306	0.41 274	0.34 285	0.38 247	0.30 245	0.34 222	0.27 202	0.34 240	0.26 227	0.34 221	0.26 206

iRaft-Stereo_20w	0.34 204	0.41 173	0.31 218	0.39 212	0.29 246	0.40 258	0.32 258	0.41 267	0.32 269	0.38 240	0.30 257	0.39 253	0.30 254	0.38 247	0.32 255	0.35 231	0.27 202	0.34 240	0.27 235	0.34 221	0.29 232

HGLStereo	0.28 175	0.29 138	0.22 174	0.36 200	0.22 209	0.36 238	0.21 191	0.36 227	0.21 196	0.42 280	0.21 204	0.36 240	0.22 203	0.36 240	0.21 192	0.34 222	0.21 180	0.34 240	0.21 199	0.34 221	0.21 184

MLCV	0.31 188	0.35 148	0.27 194	0.35 196	0.28 237	0.35 235	0.27 223	0.35 223	0.28 235	0.36 234	0.27 233	0.35 234	0.27 233	0.35 234	0.27 218	0.34 222	0.27 202	0.34 240	0.27 235	0.34 221	0.27 214

DN-CSS_ROB	0.31 188	0.35 148	0.28 198	0.35 196	0.28 237	0.34 230	0.27 223	0.34 219	0.25 213	0.35 231	0.27 233	0.36 240	0.26 225	0.34 231	0.28 228	0.35 231	0.28 208	0.34 240	0.28 240	0.34 221	0.27 214

LG-Stereo_L2	0.34 204	0.37 153	0.38 257	0.47 263	0.28 237	0.39 256	0.28 231	0.39 245	0.28 235	0.39 246	0.28 240	0.39 253	0.28 240	0.38 247	0.28 228	0.42 288	0.35 257	0.36 261	0.26 227	0.35 233	0.26 206

MyStereo07	0.60 317	3.72 515	0.48 308	0.49 274	0.41 333	0.36 238	0.32 258	0.49 313	0.43 336	0.51 340	0.42 340	0.49 323	0.43 333	0.51 339	0.64 373	0.49 309	0.45 308	0.34 240	0.32 282	0.35 233	0.43 322

MyStereo04	0.56 315	3.72 515	0.59 339	0.49 274	0.41 333	0.36 238	0.32 258	0.37 233	0.31 264	0.34 226	0.46 350	0.35 234	0.32 272	0.35 234	0.33 265	0.49 309	0.45 308	0.34 240	0.32 282	0.35 233	0.43 322

HH	0.71 341	2.54 470	0.74 379	1.10 377	0.32 270	0.41 274	0.37 299	0.69 368	0.78 415	0.73 379	0.90 427	0.75 386	1.00 422	0.84 389	0.69 393	0.69 355	0.40 278	0.35 256	0.26 227	0.35 233	0.26 206

HanStereo	0.71 341	2.54 470	0.74 379	1.10 377	0.32 270	0.41 274	0.37 299	0.69 368	0.78 415	0.73 379	0.90 427	0.75 386	1.00 422	0.84 389	0.69 393	0.69 355	0.40 278	0.35 256	0.26 227	0.35 233	0.26 206

FCDSN-DC	0.41 254	0.59 238	0.64 350	0.54 295	0.33 282	0.50 335	0.37 299	0.42 285	0.40 319	0.61 364	0.43 342	0.50 338	0.49 355	0.38 247	0.32 255	0.28 197	0.23 189	0.26 201	0.22 202	0.35 233	0.28 227
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ETE_ROB	0.35 213	0.35 148	0.35 248	0.35 196	0.35 295	0.35 235	0.35 287	0.35 223	0.35 289	0.35 231	0.35 296	0.35 234	0.35 291	0.35 234	0.35 282	0.35 231	0.35 257	0.35 256	0.35 306	0.35 233	0.35 284

Monster-pub-mixall	0.44 270	0.56 234	0.60 341	0.38 206	0.27 232	0.37 243	0.27 223	0.37 233	0.29 241	0.38 240	0.27 233	0.38 248	0.29 247	0.85 393	0.27 218	1.46 483	0.26 195	0.34 240	0.26 227	0.36 240	0.53 353

Replicate-Monster	0.45 273	0.57 235	0.60 341	0.40 226	0.29 246	0.37 243	0.27 223	0.37 233	0.30 252	0.40 252	0.31 265	0.40 261	0.30 254	0.99 411	0.27 218	1.36 476	0.31 234	0.34 240	0.30 264	0.36 240	0.54 356

Any-RAFT	0.32 197	0.36 151	0.27 194	0.36 200	0.27 232	0.36 238	0.27 223	0.36 227	0.27 232	0.36 234	0.27 233	0.36 240	0.27 233	0.36 240	0.28 228	0.36 236	0.28 208	0.36 261	0.28 240	0.36 240	0.28 227

DMCA	0.36 219	0.38 157	0.37 254	0.35 196	0.35 295	0.36 238	0.36 293	0.36 227	0.35 289	0.35 231	0.37 306	0.36 240	0.36 294	0.35 234	0.36 285	0.36 236	0.36 260	0.35 256	0.36 312	0.36 240	0.36 287

HiDET	0.38 231	0.44 184	0.30 206	0.42 248	0.30 256	0.42 294	0.30 245	0.42 285	0.30 252	0.44 291	0.30 257	0.42 292	0.30 254	0.42 286	0.68 385	0.37 240	0.32 239	0.40 288	0.29 250	0.37 244	0.29 232

LCMNet	0.38 231	0.44 184	0.30 206	0.42 248	0.30 256	0.42 294	0.30 245	0.42 285	0.30 252	0.45 293	0.30 257	0.42 292	0.30 254	0.42 286	0.69 393	0.37 240	0.32 239	0.40 288	0.29 250	0.37 244	0.29 232

CSFM-Stereo	0.38 231	0.44 184	0.30 206	0.42 248	0.30 256	0.42 294	0.30 245	0.43 291	0.30 252	0.44 291	0.30 257	0.42 292	0.30 254	0.42 286	0.73 403	0.37 240	0.32 239	0.40 288	0.29 250	0.37 244	0.30 245

Monster-pub-eth3d	0.45 273	0.57 235	0.60 341	0.39 212	0.28 237	0.37 243	0.28 231	0.37 233	0.30 252	0.39 246	0.29 245	0.39 253	0.30 254	0.92 403	0.27 218	1.42 480	0.28 208	0.34 240	0.28 240	0.37 244	0.53 353

GIP-stereo	0.36 219	0.49 208	0.39 265	0.48 268	0.32 270	0.41 274	0.28 231	0.40 252	0.30 252	0.41 266	0.28 240	0.40 261	0.28 240	0.42 286	0.28 228	0.45 293	0.32 239	0.38 272	0.30 264	0.37 244	0.27 214

fffy	0.38 231	0.43 181	0.33 230	0.46 257	0.33 282	0.45 305	0.32 258	0.45 295	0.32 269	0.45 293	0.32 272	0.45 302	0.33 280	0.45 298	0.32 255	0.38 251	0.38 268	0.38 272	0.37 315	0.37 244	0.36 287

IGEV++	0.34 204	0.43 181	0.30 206	0.40 226	0.29 246	0.40 258	0.29 240	0.40 252	0.29 241	0.40 252	0.29 245	0.40 261	0.29 247	0.40 258	0.30 245	0.38 251	0.29 219	0.37 264	0.29 250	0.37 244	0.29 232

Venus	0.38 231	0.38 157	0.38 257	0.38 206	0.38 312	0.37 243	0.38 306	0.37 233	0.37 301	0.41 266	0.37 306	0.39 253	0.37 299	0.38 247	0.38 297	0.37 240	0.38 268	0.38 272	0.37 315	0.37 244	0.38 299

EKT-Stereo	0.37 225	0.40 165	0.44 287	1.07 375	0.29 246	0.34 230	0.31 256	0.36 227	0.29 241	0.38 240	0.31 265	0.37 246	0.30 254	0.36 240	0.29 238	0.34 222	0.28 208	0.39 283	0.30 264	0.37 244	0.30 245

CES	0.39 243	0.47 200	0.36 250	0.36 200	0.37 305	0.45 305	0.35 287	0.35 223	0.40 319	0.36 234	0.44 344	0.47 312	0.36 294	0.44 295	0.36 285	0.37 240	0.39 275	0.44 319	0.35 306	0.37 244	0.36 287

IER	0.88 389	7.04 562	2.23 546	2.75 508	0.28 237	0.43 301	0.25 212	0.39 245	0.25 213	0.41 266	0.27 233	0.39 253	0.25 216	0.40 258	0.28 228	0.37 240	0.28 208	0.37 264	0.25 221	0.37 244	0.25 200

StereoDRNet-Refined	0.33 202	0.39 163	0.26 193	0.39 212	0.26 230	0.40 258	0.26 220	0.40 252	0.26 226	0.39 246	0.26 228	0.39 253	0.26 225	0.39 255	0.26 217	0.37 240	0.25 192	0.37 264	0.25 221	0.37 244	0.37 292
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.37 225	0.37 153	0.37 254	0.37 203	0.37 305	0.37 243	0.37 299	0.37 233	0.37 301	0.37 239	0.37 306	0.37 246	0.37 299	0.37 244	0.37 294	0.37 240	0.37 262	0.37 264	0.37 315	0.37 244	0.37 292

MonSter++	0.38 231	0.44 184	0.31 218	0.43 254	0.30 256	0.43 301	0.31 256	0.43 291	0.31 264	0.45 293	0.31 265	0.43 299	0.31 269	0.43 292	0.69 393	0.38 251	0.33 251	0.40 288	0.30 264	0.38 257	0.30 245

IGEV-FE	0.35 213	0.37 153	0.17 152	0.19 133	0.17 182	0.20 163	0.17 171	0.19 155	0.17 180	0.19 154	0.17 178	0.19 158	0.17 180	0.37 244	0.36 285	0.19 154	0.17 165	0.19 166	0.17 189	0.38 257	2.84 561

RAFT-Stereo-weight	0.45 273	1.90 425	0.34 240	0.42 248	0.36 301	0.43 301	0.35 287	0.42 285	0.34 285	0.42 280	0.34 287	0.44 300	0.34 285	0.41 273	0.34 278	0.38 251	0.32 239	0.38 272	0.32 282	0.38 257	0.33 268

WAO-8	0.38 231	0.38 157	0.38 257	0.38 206	0.38 312	0.38 250	0.38 306	0.38 241	0.38 305	0.38 240	0.38 311	0.38 248	0.38 303	0.38 247	0.38 297	0.38 251	0.38 268	0.38 272	0.37 315	0.38 257	0.38 299

WAO-7	0.38 231	0.38 157	0.38 257	0.38 206	0.38 312	0.38 250	0.38 306	0.38 241	0.38 305	0.38 240	0.38 311	0.38 248	0.38 303	0.38 247	0.38 297	0.38 251	0.38 268	0.38 272	0.38 328	0.38 257	0.38 299

HanzoNet	0.39 243	0.38 157	0.40 270	0.39 212	0.41 333	0.38 250	0.38 306	0.38 241	0.38 305	0.39 246	0.39 321	0.38 248	0.38 303	0.39 255	0.40 313	0.38 251	0.38 268	0.40 288	0.38 328	0.38 257	0.40 307

IMH	0.38 231	0.38 157	0.38 257	0.38 206	0.38 312	0.38 250	0.38 306	0.38 241	0.38 305	0.42 280	0.38 311	0.40 261	0.38 303	0.38 247	0.38 297	0.38 251	0.38 268	0.39 283	0.38 328	0.38 257	0.38 299

RAFT-Test	0.36 219	0.37 153	0.33 230	0.41 238	0.32 270	0.41 274	0.32 258	0.41 267	0.32 269	0.41 266	0.32 272	0.41 274	0.32 272	0.41 273	0.33 265	0.37 240	0.29 219	0.37 264	0.29 250	0.38 257	0.31 254

RCA-Stereo	0.51 303	3.22 503	0.34 240	0.44 255	0.34 292	0.44 304	0.34 282	0.43 291	0.34 285	0.43 286	0.34 287	0.44 300	0.33 280	0.43 292	0.33 265	0.38 251	0.29 219	0.38 272	0.29 250	0.38 257	0.29 232

DDF-Stereo	0.43 265	1.15 329	0.57 337	0.53 292	0.32 270	0.41 274	0.32 258	0.41 267	0.32 269	0.41 266	0.32 272	0.41 274	0.32 272	0.40 258	0.32 255	0.52 323	0.50 331	0.38 272	0.31 275	0.39 266	0.31 254

water-stereo	0.41 254	0.84 261	0.46 293	0.50 282	0.33 282	0.45 305	0.33 269	0.45 295	0.32 269	0.45 293	0.32 272	0.45 302	0.32 272	0.45 298	0.32 255	0.44 290	0.41 287	0.39 283	0.31 275	0.39 266	0.32 261

mms	0.40 247	0.45 192	0.35 248	0.48 268	0.36 301	0.47 316	0.34 282	0.45 295	0.38 305	0.47 305	0.33 279	0.45 302	0.32 272	0.45 298	0.32 255	0.39 262	0.38 268	0.38 272	0.37 315	0.39 266	0.39 305

GMOStereo	0.37 225	0.45 192	0.23 177	0.30 177	0.37 305	0.41 274	0.36 293	0.41 267	0.35 289	0.43 286	0.36 299	0.41 274	0.40 313	0.41 273	0.36 285	0.34 222	0.22 184	0.47 336	0.37 315	0.39 266	0.33 268

error version	0.93 399	4.47 534	2.35 549	1.99 483	0.37 305	0.41 274	0.36 293	0.41 267	0.35 289	0.43 286	0.36 299	0.41 274	0.40 313	0.41 273	0.36 285	1.87 499	2.16 544	0.47 336	0.37 315	0.39 266	0.33 268

test_1	0.93 399	4.47 534	2.35 549	1.99 483	0.37 305	0.41 274	0.36 293	0.41 267	0.35 289	0.43 286	0.36 299	0.41 274	0.40 313	0.41 273	0.36 285	1.87 499	2.16 544	0.47 336	0.37 315	0.39 266	0.33 268

HART	0.38 231	0.45 192	0.34 240	0.42 248	0.33 282	0.41 274	0.34 282	0.42 285	0.33 276	0.43 286	0.34 287	0.42 292	0.34 285	0.41 273	0.38 297	0.40 266	0.32 239	0.42 316	0.32 282	0.40 272	0.32 261

RSM	0.36 219	0.36 151	0.43 285	0.37 203	0.42 343	0.49 326	0.42 333	0.37 233	0.28 235	0.36 234	0.29 245	0.36 240	0.30 254	0.37 244	0.28 228	0.34 222	0.31 234	0.34 240	0.35 306	0.40 272	0.29 232

knoymous	0.40 247	0.40 165	0.40 270	0.40 226	0.40 324	0.40 258	0.40 320	0.40 252	0.40 319	0.40 252	0.40 324	0.40 261	0.40 313	0.40 258	0.40 313	0.40 266	0.40 278	0.40 288	0.40 332	0.40 272	0.40 307

anonymousa	0.40 247	0.40 165	0.40 270	0.40 226	0.40 324	0.40 258	0.40 320	0.40 252	0.40 319	0.40 252	0.40 324	0.40 261	0.40 313	0.40 258	0.40 313	0.40 266	0.40 278	0.40 288	0.40 332	0.40 272	0.40 307

riskmin	0.40 247	0.40 165	0.40 270	0.40 226	0.40 324	0.40 258	0.40 320	0.40 252	0.40 319	0.40 252	0.40 324	0.40 261	0.40 313	0.40 258	0.40 313	0.40 266	0.40 278	0.40 288	0.40 332	0.40 272	0.40 307

Anonymous_2	0.40 247	0.40 165	0.40 270	0.40 226	0.40 324	0.40 258	0.40 320	0.40 252	0.40 319	0.40 252	0.40 324	0.40 261	0.40 313	0.40 258	0.40 313	0.40 266	0.40 278	0.40 288	0.40 332	0.40 272	0.40 307

Anonymous_1	0.40 247	0.40 165	0.40 270	0.40 226	0.40 324	0.40 258	0.40 320	0.40 252	0.40 319	0.40 252	0.40 324	0.40 261	0.40 313	0.40 258	0.40 313	0.40 266	0.40 278	0.40 288	0.40 332	0.40 272	0.40 307

DGSMNet	0.34 204	0.41 173	0.27 194	0.41 238	0.28 237	0.41 274	0.28 231	0.41 267	0.27 232	0.41 266	0.27 233	0.42 292	0.27 233	0.41 273	0.28 228	0.40 266	0.29 219	0.40 288	0.28 240	0.40 272	0.27 214

Gwc-CoAtRS	0.41 254	1.49 403	0.32 224	0.42 248	0.32 270	0.41 274	0.32 258	0.41 267	0.33 276	0.41 266	0.32 272	0.41 274	0.32 272	0.41 273	0.32 255	0.39 262	0.28 208	0.39 283	0.28 240	0.40 272	0.28 227

AdaStereo	0.40 247	0.40 165	0.40 270	0.40 226	0.40 324	0.40 258	0.40 320	0.40 252	0.40 319	0.40 252	0.40 324	0.40 261	0.40 313	0.40 258	0.40 313	0.40 266	0.40 278	0.40 288	0.40 332	0.40 272	0.40 307
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
depthmonostereo	0.44 270	0.85 263	0.46 293	0.54 295	0.40 324	0.52 350	0.38 306	0.52 339	0.35 289	0.47 305	0.34 287	0.46 306	0.34 285	0.47 307	0.34 278	0.45 293	0.43 300	0.41 305	0.33 290	0.41 282	0.32 261

GREAT-IGEV	0.38 231	0.43 181	0.36 250	0.48 268	0.32 270	0.45 305	0.32 258	0.45 295	0.32 269	0.45 293	0.32 272	0.45 302	0.32 272	0.45 298	0.32 255	0.44 290	0.33 251	0.41 305	0.29 250	0.41 282	0.29 232

ccccc		0.44 184		0.48 268	0.35 295	0.48 321		0.51 335		0.47 305		0.47 312		0.47 307		0.41 274	0.40 278	0.40 288	0.40 332	0.41 282

Former-RAFT_DAM_RVC	0.49 296	0.98 290	0.64 350	0.84 343	0.46 351	0.45 305	0.35 287	0.47 305	0.47 347	0.45 293	0.34 287	0.46 306	0.48 350	0.46 303	0.35 282	0.39 262	0.71 378	0.39 283	0.35 306	0.41 282	0.41 314

GwcNet-ADL	0.41 254	0.41 173	0.41 279	0.41 238	0.41 333	0.41 274	0.41 328	0.41 267	0.41 328	0.41 266	0.41 330	0.41 274	0.41 324	0.41 273	0.41 320	0.41 274	0.41 287	0.41 305	0.41 339	0.41 282	0.41 314

PSMNet-ADL	0.41 254	0.41 173	0.41 279	0.41 238	0.41 333	0.41 274	0.41 328	0.41 267	0.41 328	0.41 266	0.41 330	0.41 274	0.41 324	0.41 273	0.41 320	0.41 274	0.41 287	0.41 305	0.41 339	0.41 282	0.41 314

GANet-ADL	0.41 254	0.41 173	0.41 279	0.41 238	0.41 333	0.41 274	0.41 328	0.41 267	0.41 328	0.41 266	0.41 330	0.41 274	0.41 324	0.41 273	0.41 320	0.41 274	0.41 287	0.41 305	0.41 339	0.41 282	0.41 314

ADLNet2	0.41 254	0.41 173	0.41 279	0.41 238	0.41 333	0.41 274	0.41 328	0.41 267	0.41 328	0.41 266	0.41 330	0.41 274	0.41 324	0.41 273	0.41 320	0.41 274	0.41 287	0.41 305	0.41 339	0.41 282	0.41 314

ADLNet	0.41 254	0.41 173	0.41 279	0.41 238	0.41 333	0.41 274	0.41 328	0.41 267	0.41 328	0.41 266	0.41 330	0.41 274	0.41 324	0.41 273	0.41 320	0.41 274	0.41 287	0.41 305	0.41 339	0.41 282	0.41 314

CFNet-RSSM	0.91 392	4.89 539	0.34 240	0.44 255	1.07 448	1.62 503	1.40 516	0.91 391	0.35 289	1.60 495	1.39 516	0.64 371	0.34 285	0.44 295	0.33 265	0.41 274	0.35 257	0.75 388	0.30 264	0.41 282	0.29 232

SCV_C0	0.45 273	0.88 268	0.49 315	0.54 295	0.37 305	0.48 321	0.37 299	0.48 309	0.37 301	0.48 312	0.36 299	0.48 319	0.37 299	0.49 322	0.37 294	0.50 315	0.41 287	0.44 319	0.34 294	0.44 292	0.34 274

SCV	0.46 279	0.94 285	0.45 289	0.54 295	0.37 305	0.48 321	0.38 306	0.48 309	0.37 301	0.48 312	0.39 321	0.48 319	0.37 299	0.49 322	0.37 294	0.50 315	0.46 310	0.44 319	0.34 294	0.44 292	0.34 274

GCST	0.50 298	2.08 436	0.38 257	0.53 292	0.35 295	0.49 326	0.35 287	0.50 322	0.35 289	0.49 319	0.35 296	0.49 323	0.35 291	0.49 322	0.35 282	0.48 306	0.37 262	0.45 323	0.33 290	0.44 292	0.33 268

LL-Strereo2	0.48 290	1.73 415	0.51 325	0.59 307	0.34 292	0.42 294	0.33 269	0.40 252	0.31 264	0.42 280	0.33 279	0.42 292	0.31 269	0.44 295	0.39 309	0.60 339	0.51 336	0.44 319	0.33 290	0.44 292	0.33 268

Select-FE	0.41 254	0.44 184	0.23 177	0.26 171	0.22 209	0.26 201	0.22 196	0.26 193	0.23 205	0.26 198	0.23 209	0.26 203	0.23 209	0.45 298	0.42 328	0.25 190	0.22 184	0.25 196	0.22 202	0.45 296	2.90 562

Zero-FE251	0.36 219	0.40 165	0.28 198	0.41 238	0.28 237	0.41 274	0.28 231	0.41 267	0.28 235	0.41 266	0.28 240	0.41 274	0.28 240	0.42 286	0.30 245	0.37 240	0.26 195	0.37 264	0.27 235	0.45 296	0.56 364

UGAM	0.51 303	2.23 449	0.39 265	0.54 295	0.35 295	0.50 335	0.35 287	0.49 313	0.35 289	0.49 319	0.35 296	0.49 323	0.36 294	0.50 330	0.36 285	0.49 309	0.37 262	0.45 323	0.34 294	0.45 296	0.34 274

Pro-Stereo	0.79 358	0.53 226	0.38 257	0.49 274	0.38 312	0.49 326	0.37 299	0.49 313	0.67 385	0.50 332	0.38 311	1.10 431	0.38 303	0.49 322	0.38 297	0.71 359	0.88 397	5.98 597	0.36 312	0.46 299	0.36 287

GEAStereo	0.62 322	3.91 522	0.48 308	0.69 323	0.38 312	0.51 347	0.38 306	0.51 335	0.38 305	0.53 346	0.38 311	0.50 338	0.38 303	0.51 339	0.38 297	0.54 327	0.43 300	0.46 327	0.34 294	0.46 299	0.34 274

GSStereo	0.81 366	4.28 532	0.50 319	0.59 307	0.40 324	0.51 347	0.38 306	0.50 322	0.38 305	0.50 332	0.38 311	0.50 338	3.79 577	0.50 330	0.38 297	0.54 327	0.43 300	0.46 327	0.34 294	0.46 299	0.35 284

GS-Stereo							0.38 306	0.50 322	0.38 305	0.50 332	0.38 311	0.50 338	3.79 577	0.50 330	0.38 297	0.54 327	0.43 300	0.46 327	0.34 294	0.46 299	0.35 284

gasm-f	0.62 322	3.91 522	0.48 308	0.69 323	0.38 312	0.51 347	0.38 306	0.51 335	0.38 305	0.53 346	0.38 311	0.50 338	0.38 303	0.51 339	0.38 297	0.54 327	0.43 300	0.46 327	0.34 294	0.46 299	0.34 274

GASTEREO	0.48 290	1.21 382	0.47 300	0.57 302	0.38 312	0.50 335	0.38 306	0.50 322	0.38 305	0.50 332	0.38 311	0.50 338	0.38 303	0.50 330	0.38 297	0.52 323	0.42 296	0.46 327	0.34 294	0.46 299	0.34 274

UGAM-zero	0.51 303	2.17 444	0.39 265	0.53 292	0.36 301	0.50 335	0.36 293	0.50 322	0.36 299	0.49 319	0.36 299	0.50 338	0.35 291	0.50 330	0.36 285	0.49 309	0.37 262	0.47 336	0.35 306	0.46 299	0.34 274

otaku	0.46 279	0.46 196	0.46 293	0.46 257	0.46 351	0.46 311	0.46 343	0.46 299	0.46 342	0.46 299	0.46 350	0.46 306	0.46 341	0.46 303	0.46 337	0.46 297	0.46 310	0.46 327	0.46 352	0.46 299	0.46 328

Ntro	0.47 285	0.47 200	0.46 293	0.46 257	0.46 351	0.47 316	0.47 348	0.46 299	0.47 347	0.46 299	0.46 350	0.47 312	0.46 341	0.47 307	0.47 344	0.47 302	0.46 310	0.46 327	0.46 352	0.46 299	0.46 328

Dean	0.46 279	0.46 196	0.46 293	0.46 257	0.46 351	0.46 311	0.46 343	0.46 299	0.46 342	0.47 305	0.46 350	0.46 306	0.46 341	0.46 303	0.46 337	0.46 297	0.46 310	0.46 327	0.46 352	0.46 299	0.46 328

ACVNet_1	0.46 279	0.47 200	0.46 293	0.46 257	0.46 351	0.46 311	0.46 343	0.46 299	0.47 347	0.46 299	0.46 350	0.46 306	0.46 341	0.46 303	0.46 337	0.46 297	0.46 310	0.47 336	0.46 352	0.46 299	0.46 328

ACVNet-4b	0.46 279	0.46 196	0.46 293	0.46 257	0.46 351	0.46 311	0.46 343	0.46 299	0.46 342	0.46 299	0.46 350	0.46 306	0.46 341	0.47 307	0.46 337	0.46 297	0.46 310	0.46 327	0.46 352	0.46 299	0.46 328

Selective-IGEV	0.51 303	0.55 232	0.45 289	0.69 323	0.45 349	0.61 366	0.45 341	0.50 322	0.40 319	0.56 356	0.44 344	0.55 357	0.40 313	0.72 376	0.67 378	0.59 338	0.46 310	0.45 323	0.34 294	0.46 299	0.37 292

DilatedVolume-Stereo	0.43 265	0.86 264	0.48 308	0.50 282	0.33 282	0.46 311	0.33 269	0.46 299	0.33 276	0.46 299	0.33 279	0.47 312	0.33 280	0.47 307	0.34 278	0.45 293	0.42 296	0.40 288	0.33 290	0.47 312	0.38 299

HaxPig	0.47 285	0.47 200	0.47 300	0.49 274	0.47 357	0.47 316	0.47 348	0.47 305	0.47 347	0.47 305	0.47 358	0.47 312	0.47 349	0.47 307	0.47 344	0.47 302	0.47 318	0.47 336	0.47 359	0.47 312	0.48 337

UNDER WATER	0.47 285	0.47 200	0.47 300	0.47 263	0.47 357	0.47 316	0.47 348	0.47 305	0.47 347	0.47 305	0.47 358	0.47 312	0.46 341	0.47 307	0.47 344	0.47 302	0.47 318	0.47 336	0.46 352	0.47 312	0.47 335

LVE	0.47 285	0.47 200	0.47 300	0.47 263	0.49 363	0.47 316	0.47 348	0.47 305	0.49 356	0.47 305	0.47 358	0.47 312	0.46 341	0.47 307	0.47 344	0.47 302	0.47 318	0.48 344	0.47 359	0.47 312	0.47 335

MSCF	0.51 303	1.40 400	0.49 315	0.58 304	0.38 312	0.50 335	0.38 306	0.54 343	0.41 328	0.52 343	0.41 330	0.53 350	0.42 330	0.53 346	0.41 320	0.60 339	0.47 318	0.48 344	0.37 315	0.48 316	0.38 299

gcap-zeroshot	0.35 213	0.32 144	0.37 254	0.49 274	0.39 322	0.33 228	0.21 191	0.26 193	0.35 289	0.42 280	0.34 287	0.49 323	0.29 247	0.47 307	0.39 309	0.34 222	0.17 165	0.38 272	0.23 208	0.48 316	0.34 274

RainbowNet	0.48 290	0.48 206	0.48 308	0.48 268	0.48 361	0.48 321	0.48 357	0.48 309	0.48 354	0.48 312	0.48 362	0.48 319	0.48 350	0.48 316	0.48 350	0.48 306	0.48 322	0.48 344	0.48 363	0.48 316	0.48 337

notaker	0.48 290	0.49 208	0.48 308	0.48 268	0.48 361	0.48 321	0.48 357	0.48 309	0.49 356	0.48 312	0.48 362	0.48 319	0.48 350	0.48 316	0.48 350	0.48 306	0.48 322	0.48 344	0.48 363	0.48 316	0.49 342

LG-Stereo_L1	0.47 285	0.52 222	0.47 300	0.62 312	0.39 322	0.53 352	0.40 320	0.53 341	0.39 318	0.53 346	0.39 321	0.53 350	0.39 312	0.53 346	0.39 309	0.55 333	0.46 310	0.49 349	0.37 315	0.49 320	0.37 292

TorneroNet	0.66 329	0.53 226	0.50 319	0.50 282	0.64 391	1.06 422	0.70 399	0.50 322	0.51 366	0.49 319	0.69 403	0.49 323	0.50 358	0.48 316	1.15 444	0.71 359	0.49 325	1.14 437	1.08 442	0.49 320	0.49 342

ACVNet_2	0.49 296	0.49 208	0.49 315	0.49 274	0.49 363	0.49 326	0.49 359	0.49 313	0.49 356	0.49 319	0.49 365	0.49 323	0.49 355	0.49 322	0.49 352	0.49 309	0.49 325	0.49 349	0.49 366	0.49 320	0.49 342

iRaftStereo_RVC	0.97 403	3.17 502	2.30 548	2.42 500	0.38 312	0.54 355	0.38 306	0.54 343	0.38 305	0.54 351	0.38 311	0.54 353	0.38 303	0.54 348	0.38 297	2.38 533	2.34 548	0.49 349	0.36 312	0.49 320	0.36 287

aanetorigin	0.13 103	0.11 79	0.11 89	0.11 75	0.11 137	0.11 123	0.11 132	0.11 123	0.11 134	0.11 124	0.12 145	0.11 124	0.11 133	0.11 125	0.11 127	0.11 88	0.11 97	0.14 128	0.11 130	0.49 320	0.11 129

FoundationStereo	0.50 298	0.50 212	0.50 319	0.50 282	0.50 367	0.50 335	0.50 361	0.50 322	0.50 359	0.50 332	0.50 367	0.50 338	0.50 358	0.50 330	0.50 353	0.50 315	0.50 331	0.50 353	0.50 368	0.50 325	0.50 345

StereoAnything_RVC	0.50 298	0.50 212	0.50 319	0.50 282	0.50 367	0.50 335	0.50 361	0.50 322	0.50 359	0.50 332	0.50 367	0.50 338	0.50 358	0.50 330	0.50 353	0.50 315	0.50 331	0.50 353	0.50 368	0.50 325	0.50 345

fffft	0.48 290	0.51 220	0.45 289	0.52 291	0.45 349	0.52 350	0.45 341	0.52 339	0.48 354	0.53 346	0.45 348	0.52 349	0.45 338	0.52 344	0.46 337	0.51 321	0.41 287	0.50 353	0.41 339	0.50 325	0.41 314
1: 1. 1
dual_stereo	0.50 298	0.50 212	0.50 319	0.50 282	0.50 367	0.50 335	0.50 361	0.50 322	0.50 359	0.50 332	0.50 367	0.50 338	0.50 358	0.50 330	0.50 353	0.50 315	0.50 331	0.50 353	0.50 368	0.50 325	0.50 345

KSHMR	0.66 329	0.50 212	0.48 308	1.15 385	0.52 373	0.49 326	0.51 365	0.49 313	0.71 405	0.67 374	0.50 367	1.16 439	1.11 432	0.66 369	0.52 360	0.49 309	0.49 325	0.51 358	0.66 399	0.50 325	1.14 441

SANet	0.50 298	0.50 212	0.50 319	0.50 282	0.50 367	0.50 335	0.50 361	0.50 322	0.50 359	0.50 332	0.50 367	0.50 338	0.50 358	0.50 330	0.50 353	0.50 315	0.50 331	0.50 353	0.50 368	0.50 325	0.50 345

LG-Stereo_Zeroshot	0.48 290	0.55 232	0.47 300	0.63 314	0.41 333	0.56 357	0.44 336	0.56 347	0.41 328	0.56 356	0.41 330	0.57 362	0.42 330	0.56 353	0.41 320	0.55 333	0.43 300	0.51 358	0.37 315	0.51 331	0.37 292

Occ-G	1.12 422	0.52 222	3.72 578	3.50 538	0.50 367	0.56 357	0.47 348	0.54 343	0.46 342	0.54 351	0.41 330	0.54 353	0.42 330	0.52 344	0.42 328	3.42 555	4.02 575	0.52 361	0.45 350	0.51 331	0.44 325

FSD					0.44 346	0.56 357	0.44 336	0.55 346	0.44 339	0.56 356	0.44 344	0.56 360	0.44 335	0.56 353	0.46 337	0.61 343	0.42 296	0.52 361	0.42 347	0.52 333

LG-Stereo	0.60 317	0.58 237	0.47 300	0.64 317	0.74 410	1.00 407	0.69 395	0.57 350	0.41 328	0.57 359	0.41 330	0.57 362	0.41 324	1.00 413	0.75 408	0.91 383	0.51 336	0.52 361	0.37 315	0.52 333	0.37 292

ktn	0.72 344	0.53 226	1.08 414	1.14 383	0.51 372	1.22 483	1.36 509	0.51 335	0.59 374	0.51 340	0.51 373	0.69 377	1.20 443	0.67 371	0.51 358	0.51 321	0.49 325	0.58 368	0.66 399	0.52 333	0.53 353

LL-Strereo	1.01 412	5.06 541	1.63 510	0.70 327	1.43 516	0.56 357	0.46 343	0.57 350	0.50 359	0.57 359	0.50 367	1.58 499	0.49 355	0.59 360	0.50 353	1.64 492	0.52 338	0.51 358	1.37 511	0.52 333	0.45 327

PML	0.46 279	1.36 398	0.29 202	0.58 304	0.30 256	0.57 363	0.29 240	0.57 350	0.29 241	0.57 359	0.29 245	0.57 362	0.29 247	0.56 353	0.29 238	0.52 323	0.30 228	0.53 364	0.31 275	0.53 337	0.30 245

PSMNet_ROB	0.54 308	0.54 230	0.54 333	0.54 295	0.53 376	0.54 355	0.54 369	0.53 341	0.54 369	0.54 351	0.54 377	0.54 353	0.53 365	0.54 348	0.54 363	0.54 327	0.53 340	0.54 365	0.54 374	0.54 338	0.54 356

252Zero-FE	0.45 273	0.50 212	0.36 250	0.50 282	0.36 301	0.50 335	0.36 293	0.50 322	0.36 299	0.49 319	0.36 299	0.49 323	0.36 294	0.54 348	0.41 320	0.45 293	0.34 255	0.45 323	0.34 294	0.55 339	0.75 402

MyStereo8	0.71 341	3.92 524	0.52 328	0.59 307	0.52 373	0.57 363	0.53 367	0.59 355	0.50 359	0.59 363	0.51 373	0.57 362	0.50 358	0.56 353	0.52 360	0.54 327	0.49 325	0.54 365	0.49 366	0.55 339	0.50 345

AIO-test1	0.54 308	0.60 240	0.52 328	0.66 321	0.47 357	0.61 366	0.47 348	0.58 353	0.46 342	0.61 364	0.46 350	0.61 368	0.45 338	0.62 362	0.45 333	0.61 343	0.52 338	0.57 367	0.48 363	0.57 341	0.48 337

AIO-test2	0.55 313	0.59 238	0.52 328	0.67 322	0.47 357	0.61 366	0.47 348	0.61 359	0.47 347	0.61 364	0.47 358	0.61 368	0.48 350	0.62 362	0.47 344	0.64 349	0.53 340	0.58 368	0.47 359	0.58 342	0.48 337

MonSter	0.60 317	0.64 243	0.52 328	0.62 312	0.44 346	2.07 518	0.44 336	0.62 360	0.44 339	0.62 367	0.44 344	0.62 370	0.44 335	0.62 362	0.44 332	0.58 337	0.42 296	0.62 371	0.46 352	0.58 342	0.42 321

WCG-NET	0.61 320	1.21 382	0.54 333	0.61 311	0.53 376	0.67 374	0.53 367	0.66 365	0.53 367	0.64 370	0.53 376	0.65 374	0.53 365	0.59 360	0.52 360	0.65 350	0.48 322	0.64 374	0.52 372	0.58 342	0.50 345

CASS	0.57 316	0.89 271	0.56 335	0.57 302	0.56 379	0.56 357	0.56 370	0.56 347	0.53 367	0.57 359	0.57 379	0.59 366	0.48 350	0.56 353	0.57 366	0.55 333	0.56 344	0.47 336	0.56 379	0.62 345	0.56 364
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
SMoEStereo_RVC	0.63 324	0.75 250	0.51 325	0.73 332	0.53 376	0.71 378	0.47 348	0.67 366	0.58 372	0.74 384	0.60 380	0.72 381	0.53 365	0.74 380	0.51 358	0.61 343	0.62 356	0.62 371	0.61 386	0.63 346	0.61 370

DispNO	1.00 406	0.63 241	0.43 285	3.45 534	0.44 346	0.65 372	0.43 335	0.64 362	0.43 336	0.64 370	0.43 342	0.64 371	3.03 555	0.64 367	0.43 331	4.55 565	0.43 300	0.63 373	0.43 348	0.63 346	0.43 322

test-3	0.98 405	4.13 528	1.85 530	1.85 474	0.61 387	0.69 375	0.37 299	0.63 361	0.61 377	0.66 373	0.51 373	0.73 383	0.44 335	0.57 358	0.54 363	1.68 493	1.81 528	0.40 288	0.43 348	0.66 348	0.50 345

DSFCA	0.66 329	0.73 249	0.78 385	0.65 318	0.65 393	0.64 371	0.64 378	0.65 363	0.63 380	0.64 370	0.64 388	0.64 371	0.64 376	0.65 368	0.65 374	0.65 350	0.65 360	0.65 377	0.65 397	0.66 348	0.64 380

999	1.00 406	1.12 325	0.59 339	1.10 377	1.21 506	1.09 427	0.52 366	1.08 415	1.43 518	1.18 437	1.35 510	0.98 412	0.52 364	0.91 399	0.85 419	0.72 361	1.46 501	0.83 403	0.98 434	0.68 350	1.41 513

anonymity	0.63 324	0.69 245	0.56 335	0.71 329	0.56 379	0.71 378	0.56 370	0.71 371	0.56 370	0.72 378	0.56 378	0.71 378	0.56 369	0.71 374	0.58 367	0.68 354	0.55 342	0.68 379	0.55 375	0.68 350	0.54 356

LMCR-Stereo	0.65 327	0.63 241	0.65 353	0.65 318	0.65 393	0.66 373	0.63 377	0.58 353	0.65 382	0.63 369	0.64 388	0.65 374	0.65 378	0.66 369	0.66 377	0.66 352	0.64 358	0.65 377	0.67 403	0.68 350	0.73 398

FC-DCNN	1.07 417	1.09 322	0.98 406	0.89 347	0.52 373	1.41 496	0.91 424	1.21 476	1.24 504	1.96 507	2.05 561	1.91 508	1.30 496	1.27 490	1.08 438	0.80 369	0.60 351	0.58 368	0.41 339	0.68 350	0.54 356

DMCA-RVC	0.70 338	0.80 254	0.70 368	0.70 327	0.70 403	0.70 376	0.70 399	0.71 371	0.70 400	0.70 377	0.71 410	0.71 378	0.70 395	0.70 373	0.69 393	0.69 355	0.70 374	0.69 380	0.70 408	0.69 354	0.70 390

DStereoRT	0.73 346	0.81 257	0.73 378	0.71 329	0.74 410	0.73 380	0.75 407	0.71 371	0.71 405	0.74 384	0.72 413	0.73 383	0.80 410	0.71 374	0.73 403	0.76 365	0.71 378	0.73 384	0.72 413	0.70 355	0.76 404

4D-IteraStereo	0.78 357	3.13 500	0.89 394	0.69 323	0.32 270	0.40 258	0.32 258	0.76 375	0.97 436	0.52 343	0.65 390	0.89 401	0.32 272	0.76 382	0.98 430	0.83 377	0.94 403	0.35 256	0.27 235	0.70 355	0.89 416

MyStereo06	0.75 349	4.12 526	0.60 341	0.63 314	0.61 387	0.62 369	0.66 381	0.56 347	0.45 341	0.55 354	0.48 362	0.54 353	0.46 341	0.57 358	0.45 333	0.60 339	0.57 346	0.64 374	0.55 375	0.72 357	0.55 361

MyStereo05	0.80 361	4.12 526	0.63 348	0.63 314	0.61 387	0.62 369	0.66 381	0.65 363	0.62 378	0.67 374	0.61 384	0.65 374	0.58 370	0.67 371	0.55 365	0.60 339	0.57 346	0.64 374	0.55 375	0.72 357	0.55 361

PA-Net	11.80 600	223.51 627	0.62 347	0.59 307	0.71 405	0.59 365	0.73 405	0.67 366	0.73 411	0.55 354	0.61 384	0.60 367	0.74 402	0.63 366	0.73 403	0.66 352	0.60 351	0.69 380	0.66 399	0.72 357	0.65 382
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
iGMRVC	0.84 377	2.85 494	0.72 374	0.72 331	0.73 408	0.77 382	0.79 412	0.73 374	0.74 413	0.73 379	0.72 413	0.73 383	0.76 405	0.73 378	0.73 403	0.72 361	0.73 381	0.73 384	0.72 413	0.73 360	0.72 395

GCAP-Stereo	0.75 349	4.15 529	0.42 284	0.75 334	0.35 295	0.78 384	0.40 320	0.79 377	0.38 305	0.78 388	0.36 299	0.78 389	0.36 294	0.79 383	0.39 309	0.75 364	0.39 275	0.76 390	0.39 331	0.75 361	0.39 305

zero-FE	0.72 344	1.31 394	0.66 354	0.92 353	0.60 382	0.82 389	0.58 372	0.82 383	0.58 372	0.81 392	0.60 380	0.81 395	0.60 372	0.82 387	0.58 367	0.74 363	0.59 350	0.73 384	0.52 372	0.76 362	0.51 352

PAM_32	0.64 326	2.38 464	0.51 325	0.92 353	0.43 345	0.53 352	0.44 336	0.87 385	0.43 336	0.52 343	0.45 348	0.53 350	0.40 313	0.54 348	0.46 337	0.62 347	0.56 344	0.48 344	0.45 350	0.76 362	0.44 325

RAFT-Stereo + iAFF	0.70 338	0.72 248	0.71 371	0.80 338	0.62 390	0.82 389	0.61 375	0.81 382	0.62 378	0.81 392	0.63 386	0.80 392	0.70 395	0.73 378	0.61 372	0.76 365	0.61 355	0.74 387	0.61 386	0.77 364	0.61 370

ARAFT	0.68 334	0.81 257	0.63 348	0.74 333	0.60 382	0.78 384	0.62 376	0.77 376	0.66 384	0.74 384	0.63 386	0.75 386	0.62 375	0.83 388	0.60 370	0.70 358	0.55 342	0.70 382	0.60 384	0.78 365	0.55 361

AFF-stereo	0.73 346	0.88 268	0.67 358	0.75 334	0.68 400	0.75 381	0.64 378	0.80 379	0.72 408	0.83 394	0.70 405	0.82 396	0.64 376	0.84 389	0.67 378	0.77 367	0.63 357	0.81 398	0.63 388	0.78 365	0.62 373

Selective-RAFT-Error	0.88 389	0.84 261	0.98 406	0.86 346	0.97 438	0.88 394	0.95 429	0.84 384	0.99 439	0.92 401	0.82 425	0.84 397	0.98 421	0.87 394	0.97 429	0.81 372	0.83 394	0.79 393	0.82 425	0.79 367	0.85 413

psmorigin	0.41 254	0.46 196	0.33 230	0.49 274	0.33 282	0.49 326	0.33 269	0.49 313	0.33 276	0.49 319	0.33 279	0.49 323	0.33 280	0.51 339	0.33 265	0.41 274	0.30 228	0.41 305	0.30 264	0.79 367	0.29 232

G-Net	0.79 358	0.79 253	0.79 388	0.79 336	0.79 422	0.79 386	0.79 412	0.79 377	0.79 418	0.79 389	0.79 422	0.79 391	0.79 409	0.79 383	0.79 412	0.79 368	0.79 388	0.79 393	0.79 420	0.79 367	0.79 407

AEACV	1.12 422	0.52 222	3.12 569	3.24 523	0.86 426	0.53 352	0.49 359	0.60 357	0.47 347	0.53 346	0.49 365	0.55 357	0.45 338	0.55 352	0.47 344	3.01 550	3.88 573	0.71 383	0.60 384	0.80 370	0.48 337

NaN_ROB	0.80 361	0.80 254	0.80 389	0.80 338	0.80 424	0.80 387	0.80 415	0.80 379	0.80 419	0.80 390	0.80 423	0.80 392	0.80 410	0.80 385	0.80 414	0.80 369	0.80 391	0.80 396	0.80 422	0.80 370	0.80 408

CSAN	0.80 361	0.80 254	0.80 389	0.80 338	0.80 424	0.80 387	0.80 415	0.80 379	0.80 419	0.80 390	0.80 423	0.80 392	0.80 410	0.80 385	0.80 414	0.80 369	0.80 391	0.80 396	0.80 422	0.80 370	0.80 408

FlowAnything_test	1.02 414	1.72 410	0.71 371	1.59 464	0.70 403	1.61 501	0.69 395	1.61 492	0.70 400	1.60 495	0.70 405	1.61 503	0.69 393	1.61 499	0.70 399	0.81 372	0.58 348	0.81 398	0.55 375	0.81 373	0.56 364

Selective-RAFT	0.89 391	0.89 271	0.72 374	1.16 390	0.78 421	1.06 422	0.82 418	0.87 385	0.97 436	1.00 409	0.91 430	0.90 402	1.00 422	0.89 397	0.93 426	0.83 377	0.83 394	0.82 402	0.82 425	0.81 373	0.82 411

FlowAnything	1.02 414	1.71 409	0.72 374	1.59 464	0.69 401	1.60 500	0.69 395	1.61 492	0.70 400	1.60 495	0.69 403	1.60 500	0.69 393	1.61 499	0.69 393	0.81 372	0.58 348	0.81 398	0.56 379	0.82 375	0.56 364

DCRE	0.84 377	1.89 423	0.77 384	0.94 359	0.72 407	0.88 394	0.73 405	0.87 385	0.78 415	0.90 397	0.71 410	0.88 399	0.67 383	0.88 395	0.73 403	0.81 372	0.68 367	0.81 398	0.70 408	0.82 375	0.70 390

RSM++	0.76 353	0.82 260	0.66 354	0.85 345	0.64 391	0.85 391	0.71 402	0.94 398	0.64 381	0.87 395	0.67 393	0.87 398	0.65 378	0.84 389	0.65 374	0.81 372	0.70 374	0.79 393	0.71 411	0.83 377	0.70 390

UDG	0.80 361	2.21 448	0.60 341	0.91 350	0.60 382	0.90 397	0.58 372	0.88 388	0.60 375	0.90 397	0.60 380	0.88 399	0.60 372	0.90 398	0.58 367	0.86 381	0.60 351	0.84 404	0.59 383	0.84 378	0.61 370

DDUNet	0.81 366	2.45 468	0.57 337	0.90 348	0.60 382	0.88 394	0.59 374	0.90 389	0.60 375	0.88 396	0.60 380	0.90 402	0.58 370	0.88 395	0.60 370	0.84 379	0.60 351	0.86 406	0.57 381	0.86 379	0.60 369

MoCha-V2	2.11 518	26.97 605	0.78 385	0.92 353	0.77 420	0.96 404	0.72 404	0.90 389	0.72 408	0.94 405	0.70 405	0.90 402	0.71 399	0.91 399	0.71 401	0.85 380	0.71 378	0.88 407	0.69 406	0.87 380	0.67 386

UNet	0.29 180	0.90 274	0.10 69	0.14 99	0.10 122	0.14 128	0.10 119	0.91 391	0.69 396	0.14 128	0.11 134	0.14 129	0.11 133	0.14 131	0.10 115	0.12 94	0.09 70	0.12 122	0.09 111	0.88 381	0.76 404

AdaDepth	0.86 386	0.93 283	0.71 371	1.01 371	1.07 448	1.02 419	0.71 402	1.00 402	0.71 405	1.01 416	0.71 410	1.00 413	0.72 400	1.14 437	0.71 401	0.92 386	0.64 358	0.90 408	0.64 393	0.89 382	0.69 389

AIO-Stereo-zeroshot1	0.75 349	0.92 281	0.85 393	0.96 364	0.59 381	1.27 486	0.44 336	0.59 355	0.69 396	0.91 399	0.68 398	0.55 357	0.61 374	1.06 426	0.83 418	0.62 347	0.70 374	0.90 408	0.41 339	0.89 382	0.56 364

ToySt	0.92 394	2.11 439	0.90 397	0.95 361	0.79 422	0.99 406	0.78 411	0.94 398	0.81 422	0.94 405	0.78 421	0.95 409	0.77 407	0.94 405	0.86 420	0.91 383	0.79 388	0.85 405	0.77 417	0.89 382	0.73 398

ff7	1.68 485	2.68 476	1.35 483	0.97 365	0.89 428	1.84 504	2.15 554	2.12 512	1.80 539	2.05 517	1.56 522	2.33 523	2.12 545	2.23 520	2.25 557	1.31 470	1.07 411	1.48 505	1.41 514	0.90 385	1.04 432

ffff	1.68 485	2.68 476	1.35 483	0.97 365	0.89 428	1.84 504	2.15 554	2.12 512	1.80 539	2.05 517	1.56 522	2.33 523	2.12 545	2.23 520	2.25 557	1.31 470	1.07 411	1.48 505	1.41 514	0.90 385	1.04 432

ccc-4	1.68 485	2.68 476	1.35 483	0.97 365	0.89 428	1.84 504	2.15 554	2.12 512	1.80 539	2.05 517	1.56 522	2.33 523	2.12 545	2.23 520	2.25 557	1.31 470	1.07 411	1.48 505	1.41 514	0.90 385	1.04 432

WQFJA1++	0.84 377	0.98 290	0.67 358	1.26 443	0.75 412	1.00 407	0.67 385	1.00 402	0.67 385	1.00 409	0.67 393	1.00 413	0.67 383	1.00 413	0.67 378	0.96 393	0.67 362	0.91 411	0.63 388	0.92 388	0.63 374

WQFJA1	0.85 383	0.98 290	0.67 358	1.29 448	0.76 417	1.01 413	0.67 385	1.02 413	0.67 385	1.02 420	0.67 393	1.01 419	0.67 383	1.01 419	0.68 385	0.99 399	0.67 362	0.93 417	0.64 393	0.92 388	0.65 382

WQFJX1	0.84 377	0.98 290	0.67 358	1.30 450	0.75 412	1.01 413	0.67 385	1.01 409	0.67 385	1.01 416	0.67 393	1.01 419	0.68 387	1.00 413	0.68 385	0.98 398	0.67 362	0.92 414	0.64 393	0.92 388	0.64 380

NLMM	0.84 377	1.00 299	0.67 358	1.27 444	0.75 412	1.00 407	0.68 389	1.00 402	0.67 385	1.00 409	0.67 393	1.02 423	0.67 383	1.02 423	0.67 378	0.97 394	0.67 362	0.93 417	0.63 388	0.92 388	0.63 374

pmcnn	0.92 394	0.92 281	0.92 401	0.92 353	0.92 433	0.92 399	0.92 425	0.92 394	0.92 430	0.92 401	0.92 433	0.92 405	0.92 417	0.92 403	0.92 422	0.92 386	0.92 401	0.92 414	0.92 429	0.92 388	0.92 419

NLMM1	0.86 386	0.98 290	0.69 367	1.48 461	0.75 412	1.01 413	0.69 395	1.00 402	0.69 396	1.00 409	0.70 405	1.00 413	0.68 387	1.01 419	0.67 378	0.97 394	0.68 367	0.92 414	0.63 388	0.93 393	0.63 374

NLSM3	0.85 383	0.99 297	0.68 365	1.29 448	0.76 417	1.01 413	0.68 389	1.01 409	0.68 391	1.02 420	0.68 398	1.01 419	0.68 387	1.01 419	0.68 385	0.97 394	0.68 367	0.93 417	0.64 393	0.93 393	0.63 374

DPSM_ROB	0.92 394	0.91 276	0.91 399	0.91 350	0.92 433	0.92 399	0.92 425	0.92 394	0.91 426	0.93 403	0.91 430	0.92 405	0.90 415	0.91 399	0.92 422	0.92 386	0.91 399	0.91 411	0.92 429	0.93 393	0.93 420

DPSM	0.92 394	0.91 276	0.91 399	0.91 350	0.92 433	0.92 399	0.92 425	0.92 394	0.91 426	0.93 403	0.91 430	0.92 405	0.90 415	0.91 399	0.92 422	0.92 386	0.91 399	0.91 411	0.92 429	0.93 393	0.93 420

WQFJX	0.85 383	1.00 299	0.68 365	1.30 450	0.75 412	1.01 413	0.68 389	1.01 409	0.68 391	1.01 416	0.68 398	1.03 424	0.68 387	1.02 423	0.67 378	0.97 394	0.67 362	0.93 417	0.63 388	0.94 397	0.63 374

AIO-Stereo	0.84 377	0.66 244	0.70 368	0.83 342	0.67 397	0.98 405	0.82 418	1.14 419	0.72 408	1.03 422	0.74 417	1.03 424	1.09 431	0.99 411	0.45 333	1.04 404	0.73 381	0.95 423	0.74 415	0.94 397	0.46 328

R-Stereo Train	0.81 366	0.96 287	0.67 358	0.95 361	0.67 397	0.95 402	0.68 389	0.95 400	0.68 391	0.95 407	0.68 398	0.96 410	0.68 387	0.96 409	0.68 385	0.94 391	0.68 367	0.94 421	0.68 404	0.94 397	0.68 387

RAFT-Stereo	0.81 366	0.96 287	0.67 358	0.95 361	0.67 397	0.95 402	0.68 389	0.95 400	0.68 391	0.95 407	0.68 398	0.96 410	0.68 387	0.96 409	0.68 385	0.94 391	0.68 367	0.94 421	0.68 404	0.94 397	0.68 387
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DGTPSM_ROB	0.93 399	1.00 299	0.92 401	0.94 359	0.96 437	0.91 398	0.92 425	0.91 391	0.96 435	0.91 399	0.96 434	0.93 408	0.92 417	0.94 405	0.92 422	0.92 386	0.92 401	0.90 408	0.92 429	0.94 397	0.91 418

GANet	1.00 406	1.00 299	1.00 408	1.00 368	1.00 439	1.00 407	1.00 433	1.00 402	1.00 440	1.00 409	1.00 437	1.00 413	1.00 422	1.00 413	1.00 432	1.00 400	1.00 404	1.00 428	1.00 436	1.00 402	1.00 427

TDLM	1.00 406	1.00 299	1.00 408	1.00 368	1.00 439	1.00 407	1.00 433	1.00 402	1.00 440	1.00 409	1.00 437	1.00 413	1.00 422	1.00 413	1.00 432	1.00 400	1.00 404	1.00 428	1.00 436	1.00 402	1.00 427

CVANet_RVC	1.00 406	1.00 299	1.00 408	1.00 368	1.00 439	1.00 407	1.00 433	1.00 402	1.00 440	1.00 409	1.00 437	1.00 413	1.00 422	1.00 413	1.00 432	1.00 400	1.00 404	1.00 428	1.00 436	1.00 402	1.00 427

MLG-Stereo	0.92 394	0.90 274	0.84 392	1.27 444	0.49 363	1.38 493	0.88 421	1.41 490	0.97 436	0.73 379	1.09 443	1.26 489	0.43 333	0.72 376	1.05 437	1.13 415	0.49 325	1.18 446	0.66 399	1.01 405	0.46 328

trnet	1.01 412	1.01 307	1.01 411	1.01 371	1.01 443	1.01 413	1.01 436	1.01 409	1.01 443	1.01 416	1.01 440	1.01 419	1.01 428	1.01 419	1.01 435	1.01 403	1.01 407	1.01 431	1.01 440	1.01 405	1.01 430

Wavelet-MonSter	1.00 406	1.21 382	0.76 382	1.94 478	1.01 443	1.11 431	0.76 409	1.15 420	0.76 414	1.11 431	0.76 419	1.14 437	0.76 405	1.11 434	0.76 410	1.21 465	0.90 398	1.02 432	0.71 411	1.02 407	0.71 394

AIO-Stereo-zeroshot	0.91 392	0.86 264	0.89 394	1.25 442	0.69 401	1.05 421	0.81 417	1.16 423	0.50 359	1.12 432	0.97 435	0.72 381	0.82 413	1.06 426	0.95 427	0.61 343	0.87 396	1.03 434	0.85 428	1.04 408	1.01 430

GLC_STEREO	1.07 417	1.01 307	1.06 413	1.07 375	1.05 447	1.06 422	1.08 440	1.08 415	1.05 446	1.07 424	1.06 442	1.08 427	1.05 430	1.06 426	1.10 439	1.07 406	1.09 417	1.05 435	1.05 441	1.06 409	1.12 437

DPSimNet_ROB	0.97 403	1.18 334	0.81 391	1.10 377	0.91 432	1.02 419	0.82 418	1.04 414	0.91 426	1.03 422	0.86 426	1.28 491	0.82 413	1.03 425	0.89 421	1.17 418	0.81 393	1.02 432	0.82 425	1.08 410	0.81 410

MSMD_ROB	1.19 424	1.10 324	0.70 368	1.10 377	0.60 382	1.10 428	0.70 399	1.10 418	0.70 400	1.10 426	0.70 405	1.10 431	0.70 395	7.00 600	0.70 399	1.10 409	0.70 374	1.10 436	0.70 408	1.10 411	0.70 390

edge stereo	2.43 543	27.07 606	1.14 417	1.06 374	1.14 451	1.08 425	1.17 448	1.16 423	1.14 447	1.10 426	1.16 448	1.09 429	1.16 440	1.10 432	1.16 447	1.10 409	1.11 421	1.16 439	1.19 450	1.13 412	1.11 435

tt45	1.04 416	0.88 268	1.36 491	0.92 353	1.03 446	1.51 499	0.79 412	0.70 370	0.88 424	0.74 384	0.90 427	1.60 500	0.72 400	1.60 497	0.75 408	0.91 383	0.78 387	1.52 508	0.79 420	1.14 413	1.32 505

RGC	2.36 538	25.48 599	1.19 425	1.15 385	1.15 452	1.10 428	1.16 447	1.17 425	1.16 449	1.12 432	1.16 448	1.11 435	1.13 433	1.09 430	1.18 449	1.10 409	1.15 426	1.16 439	1.12 444	1.14 413	1.12 437

UPFNet	0.42 264	1.20 336	0.17 152	0.24 157	0.17 182	0.25 193	0.17 171	1.19 428	0.90 425	0.25 190	0.17 178	0.24 188	0.17 180	0.25 191	0.17 172	0.22 166	0.17 165	0.22 177	0.16 169	1.15 415	0.93 420

stereogan	2.33 536	24.38 596	1.18 423	1.18 392	1.18 459	1.14 434	1.18 449	1.19 428	1.19 455	1.14 435	1.18 452	1.14 437	1.18 441	1.14 437	1.18 449	1.14 417	1.14 425	1.19 447	1.19 450	1.15 415	1.19 450

AF-Net	2.37 540	25.71 601	1.17 421	1.13 382	1.15 452	1.15 435	1.18 449	1.19 428	1.16 449	1.10 426	1.15 445	1.10 431	1.18 441	1.12 436	1.15 444	1.10 409	1.10 420	1.17 443	1.15 446	1.16 417	1.12 437

RP	2.33 536	25.00 598	1.13 416	1.15 385	1.15 452	1.10 428	1.15 445	1.15 420	1.15 448	1.12 432	1.15 445	1.09 429	1.13 433	1.10 432	1.15 444	1.11 414	1.09 417	1.16 439	1.12 444	1.16 417	1.17 446

Nwc_Net	2.37 540	25.95 602	1.15 419	1.14 383	1.15 452	1.08 425	1.14 444	1.17 425	1.16 449	1.14 435	1.15 445	1.08 427	1.15 436	1.11 434	1.14 443	1.10 409	1.11 421	1.16 439	1.09 443	1.16 417	1.15 442

Abc-Net	2.32 535	24.75 597	1.14 417	1.17 391	1.17 457	1.11 431	1.15 445	1.17 425	1.21 501	1.08 425	1.16 448	1.12 436	1.14 435	1.09 430	1.17 448	1.09 407	1.16 427	1.17 443	1.17 449	1.16 417	1.11 435
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
HSM-Net_RVC	0.95 402	1.17 332	0.78 385	1.18 392	0.71 405	1.16 436	0.75 407	1.09 417	0.80 419	1.10 426	0.75 418	1.17 440	0.74 402	1.17 440	0.80 414	1.13 415	0.73 381	1.17 443	0.77 417	1.16 417	0.72 395
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NCC-stereo	2.36 538	25.52 600	1.17 421	1.15 385	1.17 457	1.11 431	1.11 441	1.15 420	1.16 449	1.10 426	1.16 448	1.10 431	1.15 436	1.14 437	1.13 442	1.09 407	1.11 421	1.15 438	1.16 448	1.17 422	1.17 446

delet	0.43 265	1.21 382	0.17 152	0.25 164	0.17 182	0.25 193	0.18 178	1.26 480	0.95 433	0.25 190	0.17 178	0.25 193	0.17 180	0.25 191	0.17 172	0.23 177	0.16 145	0.22 177	0.16 169	1.18 423	0.98 424

psm_up	0.43 265	1.19 335	0.17 152	0.25 164	0.18 192	0.25 193	0.19 182	1.26 480	0.91 426	0.26 198	0.17 178	0.25 193	0.17 180	0.25 191	0.17 172	0.22 166	0.17 165	0.23 185	0.16 169	1.18 423	0.99 425

HBP-ISP	1.24 473	1.72 410	1.65 511	1.15 385	0.76 417	1.40 495	0.88 421	1.67 498	1.02 444	1.69 502	1.38 515	1.69 504	1.21 489	1.87 509	1.21 498	1.05 405	0.79 388	0.97 426	0.80 422	1.19 425	0.75 402

DisPM	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

CrosDoStereo	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

PFNet+	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

LCNet	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

HHNet	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

Patchmatch Stereo++	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

STrans-v2	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

TransformOpticalFlow	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

OMP-Stereo	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

IIG-Stereo	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

NF-Stereo	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

OCTAStereo	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

PSM-softLoss	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

KMStereo	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

NRIStereo	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

PSM-adaLoss	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

PSM-AAD	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

FTStereo	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

ROB_FTStereo_v2	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

ROB_FTStereo	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

Consistency-Raft	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

KYRaft	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

HUI-Stereo	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

ASMatch	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

DeepStereo_LL	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

DEmStereo	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

SST-Stereo	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

THIR-Stereo	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

RAFT_R40	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

DRaft	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

PFNet	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

GrayStereo	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

RE-Stereo	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

Pruner-Stereo	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

TVStereo	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

DeepStereo_RVC	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

RAFT-RH_RVC	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

IRAFT_RVC	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

RAFT-345	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

iRAFT	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

CRE-IMP	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

GMM-Stereo	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

RAFT-IKP	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

Prome-Stereo	1.20 425	1.20 336	1.20 428	1.20 394	1.20 460	1.20 437	1.20 451	1.20 431	1.20 456	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 448	1.20 453	1.20 426	1.20 451

MMNet	0.44 270	1.24 390	0.17 152	0.25 164	0.17 182	0.25 193	0.18 178	1.26 480	0.93 431	0.25 190	0.17 178	0.25 193	0.18 188	0.25 191	0.17 172	0.23 177	0.16 145	0.23 185	0.16 169	1.20 426	0.99 425

FAT-Stereo	2.46 544	26.05 603	1.23 477	1.23 441	1.22 508	1.20 437	1.24 499	1.23 479	1.23 503	1.19 438	1.22 499	1.21 487	1.24 491	1.20 442	1.24 500	1.21 465	1.17 430	1.22 494	1.25 503	1.20 426	1.24 500

CroCo-Stereo	0.73 346	1.22 388	0.25 187	1.22 439	0.25 222	1.22 483	0.25 212	1.22 477	0.25 213	1.22 485	0.25 222	1.22 488	0.25 216	1.22 488	0.25 212	1.22 467	0.26 195	1.21 493	0.25 221	1.22 473	0.25 200
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
S-Stereo	2.51 545	26.86 604	1.23 477	1.22 439	1.22 508	1.24 485	1.25 500	1.22 477	1.24 504	1.21 484	1.24 501	1.19 441	1.27 493	1.19 441	1.24 500	1.19 419	1.20 432	1.25 495	1.19 450	1.24 474	1.23 499

CroCo-Stereo Lap2	0.77 354	1.29 392	0.29 202	1.27 444	0.29 246	1.27 486	0.26 220	1.26 480	0.26 226	1.26 486	0.26 228	1.27 490	0.26 225	1.26 489	0.27 218	1.27 469	0.27 202	1.27 496	0.27 235	1.27 475	0.27 214

MM-Stereo_test2	1.20 425	1.85 419	1.05 412	1.46 460	0.94 436	1.36 491	0.99 432	1.36 485	0.95 433	1.41 491	0.98 436	1.40 496	0.96 419	1.37 492	0.95 427	1.37 478	1.06 410	1.33 498	0.93 433	1.29 476	0.89 416

test_xeample3	1.10 419	1.81 416	0.61 346	0.84 343	0.49 363	0.77 382	0.66 381	0.92 394	1.40 516	0.68 376	0.46 350	0.78 389	0.54 368	1.72 502	1.48 518	1.34 473	1.52 505	1.35 501	1.67 536	1.33 477	1.55 518

MaskLacGwcNet_RVC	1.35 477	1.35 397	1.35 483	1.35 455	1.35 510	1.35 489	1.35 507	1.36 485	1.35 512	1.36 489	1.35 510	1.36 492	1.36 501	1.36 491	1.35 511	1.35 474	1.35 493	1.35 501	1.35 508	1.35 478	1.35 509

PS-NSSS	1.38 480	1.39 399	1.34 481	1.34 454	1.35 510	1.38 493	1.37 514	1.35 484	1.38 515	1.34 487	1.34 509	1.39 494	1.38 504	1.70 501	1.40 515	1.36 476	1.36 494	1.36 503	1.37 511	1.37 479	1.36 510

MM-Stereo_test3	1.27 475	2.07 435	1.18 423	1.60 467	1.02 445	1.45 497	1.01 436	1.40 489	1.04 445	1.44 492	1.03 441	1.46 498	1.02 429	1.44 495	1.02 436	1.51 487	1.12 424	1.32 497	0.98 434	1.38 480	0.97 423

CC-Net-ROB	1.36 478	1.33 396	1.33 480	1.36 456	1.38 513	1.36 491	1.33 505	1.37 487	1.34 509	1.35 488	1.36 512	1.38 493	1.34 499	1.38 493	1.38 514	1.35 474	1.38 497	1.33 498	1.35 508	1.43 481	1.34 508

11t	1.27 475	2.70 479	1.34 481	1.32 453	0.89 428	1.30 488	1.34 506	1.64 495	0.57 371	1.45 493	0.72 413	1.05 426	1.29 495	1.07 429	1.29 507	1.49 484	1.02 408	0.97 426	1.15 446	1.48 482	1.31 504

IGEVStereo-DCA	1.77 489	4.21 530	1.84 528	2.49 503	2.11 555	2.54 541	1.36 509	1.65 496	1.17 453	2.75 550	1.90 544	2.54 536	1.15 436	0.94 405	1.11 440	1.50 485	1.32 481	0.96 424	1.46 520	1.49 483	0.88 414

rrr	1.77 489	4.21 530	1.84 528	2.49 503	2.11 555	2.54 541	1.36 509	1.65 496	1.17 453	2.75 550	1.90 544	2.54 536	1.15 436	0.94 405	1.11 440	1.50 485	1.32 481	0.96 424	1.46 520	1.49 483	0.88 414

CFNet-ft	0.55 313	1.57 405	0.14 126	0.20 136	0.14 158	0.20 163	2.53 559	1.61 492	0.14 158	0.20 160	0.14 162	0.20 161	0.14 159	0.20 160	0.14 152	0.17 142	0.12 113	0.17 154	0.12 148	1.56 485	1.24 500

DPSMNet_ROB	1.60 484	1.59 406	1.70 513	1.59 464	1.59 522	1.61 501	1.61 525	1.60 491	1.60 522	1.62 501	1.59 525	1.60 500	1.60 510	1.60 497	1.59 522	1.59 489	1.60 515	1.59 509	1.59 528	1.59 486	1.59 523

ours_stereo	1.20 425	1.21 382	0.90 397	1.64 472	1.11 450	1.35 489	0.67 385	1.76 499	0.93 431	1.70 503	1.10 444	1.39 494	0.75 404	1.41 494	0.81 417	1.60 491	1.03 409	1.33 498	1.00 436	1.61 487	0.72 395

4.25_new	2.00 501	2.33 456	1.82 524	3.32 528	1.69 530	1.95 512	1.99 548	2.72 540	1.71 528	2.72 544	1.97 550	2.01 514	1.74 522	1.77 504	1.28 505	2.18 515	2.01 535	2.48 547	1.58 526	1.65 488	1.17 446

4.5w_new	2.00 501	2.33 456	1.82 524	3.32 528	1.69 530	1.95 512	1.99 548	2.72 540	1.71 528	2.72 544	1.97 550	2.01 514	1.74 522	1.77 504	1.28 505	2.18 515	2.01 535	2.48 547	1.58 526	1.65 488	1.17 446

RASNet	1.49 481	1.65 407	1.45 499	1.38 458	1.43 516	1.47 498	1.36 509	1.38 488	1.36 513	1.39 490	1.60 526	1.45 497	1.45 507	1.51 496	2.21 556	1.53 488	1.36 494	1.36 503	1.36 510	1.66 490	1.36 510

2w_stereo	1.99 497	2.36 463	1.81 519	3.24 523	1.67 527	1.94 509	1.98 545	2.72 540	1.68 524	2.72 544	1.94 547	1.98 512	1.74 522	1.79 506	1.27 504	1.95 506	2.00 533	2.53 549	1.60 529	1.68 491	1.15 442

3.75w	1.99 497	2.31 454	1.83 527	3.16 521	1.65 526	1.93 508	1.98 545	2.72 540	1.68 524	2.73 549	1.97 550	2.00 513	1.72 519	1.81 507	1.25 503	2.27 523	2.01 535	2.38 541	1.42 517	1.71 492	1.24 500

RAFT_CTSACE	1.92 494	3.71 514	1.72 516	1.88 475	1.72 534	2.04 516	1.42 519	2.18 517	1.89 550	2.02 514	1.97 550	1.95 509	2.06 544	1.93 511	1.62 523	1.76 494	1.66 519	2.02 526	1.73 544	1.73 493	1.43 515

4.25w-stereo	1.98 496	2.72 483	1.46 500	3.47 535	1.43 516	2.07 518	1.98 545	2.53 537	1.52 520	2.71 543	1.98 556	1.81 505	1.62 512	1.96 512	1.36 512	1.88 502	2.00 533	2.53 549	1.61 530	1.74 494	1.15 442

4.5w-stereo	1.99 497	2.33 456	1.81 519	3.28 525	1.68 529	1.94 509	1.99 548	2.72 540	1.70 527	2.72 544	1.99 559	1.97 511	1.68 514	1.76 503	1.29 507	1.91 504	2.02 539	2.53 549	1.61 530	1.75 495	1.16 445

2.75w_new	1.99 497	2.34 460	1.81 519	3.14 519	1.62 524	1.94 509	1.99 548	2.72 540	1.71 528	2.72 544	1.99 559	1.90 507	1.73 520	1.82 508	1.29 507	2.37 532	2.01 535	2.31 536	1.42 517	1.77 496	1.22 497

cf-r	0.66 329	2.17 444	0.12 102	0.18 130	0.12 153	0.18 155	2.70 563	2.60 538	0.12 153	0.18 152	0.12 145	0.18 154	0.12 150	0.18 153	0.12 142	0.15 125	0.11 97	0.15 143	0.11 130	1.81 497	1.74 537

MFMNet_re	1.81 492	1.91 426	1.71 515	1.95 480	1.70 533	1.95 512	1.70 530	1.96 504	1.74 535	1.97 509	1.72 534	1.95 509	1.71 518	1.97 513	1.71 530	1.86 497	1.62 516	1.85 515	1.66 535	1.86 498	1.64 529

GANetREF_RVC	1.55 482	1.94 432	1.22 475	1.88 475	1.21 506	1.88 507	1.22 497	1.88 501	1.22 502	1.88 504	1.22 499	1.88 506	1.22 490	1.89 510	1.22 499	1.87 499	1.22 479	1.88 522	1.22 499	1.88 499	1.22 497
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
SPS-STEREO	1.59 483	1.91 426	1.21 474	1.94 478	1.20 460	2.00 515	1.23 498	1.99 506	1.24 504	2.00 512	1.25 502	2.03 516	1.26 492	2.00 514	1.29 507	1.90 503	1.18 431	1.89 523	1.21 498	1.89 500	1.20 451
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MC-Stereo	1.76 488	2.96 495	1.37 493	2.14 486	1.37 512	2.14 521	1.36 509	2.14 515	1.37 514	2.14 521	1.37 513	2.14 518	1.37 503	2.14 519	1.37 513	1.97 507	1.32 481	1.97 525	1.32 507	1.98 501	1.33 506

MM-Stereo_test1	1.80 491	3.41 507	1.52 506	2.12 485	1.41 515	2.04 516	1.41 517	2.05 510	1.46 519	2.04 516	1.41 517	2.05 517	1.42 506	2.05 515	1.43 517	2.04 511	1.54 508	1.94 524	1.38 513	1.99 502	1.33 506

MonStereo1	1.94 495	2.77 489	1.52 506	3.73 546	1.51 519	2.13 520	1.42 519	2.32 525	1.52 520	2.31 529	1.50 520	2.53 533	1.59 509	2.34 527	1.56 520	1.91 504	1.36 494	1.86 518	1.31 506	2.07 503	1.53 516

TRStereo	2.00 501	2.13 440	1.85 530	2.27 492	1.84 538	2.28 525	1.84 534	2.29 520	1.86 544	2.30 526	1.87 539	2.30 520	1.87 528	2.08 516	1.72 532	2.08 512	1.72 522	2.08 528	1.72 541	2.08 504	1.72 534

XX-Stereo	2.00 501	2.13 440	1.85 530	2.27 492	1.84 538	2.28 525	1.84 534	2.29 520	1.86 544	2.30 526	1.87 539	2.30 520	1.87 528	2.08 516	1.72 532	2.08 512	1.72 522	2.08 528	1.72 541	2.08 504	1.72 534

EAI-Stereo	2.00 501	2.13 440	1.85 530	2.27 492	1.84 538	2.28 525	1.84 534	2.29 520	1.86 544	2.30 526	1.87 539	2.30 520	1.87 528	2.08 516	1.72 532	2.08 512	1.72 522	2.08 528	1.72 541	2.08 504	1.72 534

GANet-RSSM	0.75 349	1.91 426	0.14 126	0.47 263	0.14 158	0.21 173	3.21 580	2.30 524	0.14 158	0.46 299	0.14 162	0.23 182	0.18 188	0.21 170	0.14 152	0.18 150	0.27 202	0.37 264	0.13 156	2.13 507	2.12 547

AIO_rvc	2.18 522	2.34 460	1.87 534	2.32 496	1.94 547	2.40 530	1.89 542	2.37 528	2.07 559	2.52 539	1.95 549	2.44 530	1.99 540	2.41 531	1.89 549	2.32 529	2.09 541	2.24 532	2.18 557	2.21 508	2.23 550

asda	2.17 520	2.54 470	1.81 519	3.47 535	1.78 536	2.50 537	1.86 538	2.61 539	1.68 524	2.61 541	1.83 536	2.37 527	1.73 520	2.44 534	1.88 548	2.51 541	1.84 529	2.34 538	1.62 532	2.23 509	1.77 538

HUF	2.18 522	2.30 453	1.99 544	2.34 498	2.02 552	2.41 531	2.06 553	2.38 529	1.89 550	2.36 531	1.85 537	2.56 538	1.98 538	2.31 526	1.97 552	2.30 527	2.03 540	2.30 535	2.11 555	2.23 509	2.16 548

AIO_test	2.18 522	2.09 438	2.04 545	2.42 500	2.01 549	2.47 533	1.94 544	2.34 527	2.03 558	2.56 540	1.94 547	2.43 529	1.94 535	2.41 531	1.87 547	2.39 534	2.10 542	2.35 540	1.91 554	2.25 511	2.19 549

NCCL2	2.28 534	2.27 451	2.28 547	2.28 495	2.28 562	2.27 523	2.29 557	2.28 518	2.28 560	2.27 525	2.28 562	2.28 519	2.27 548	2.27 523	2.28 561	2.28 524	2.28 547	2.27 533	2.29 561	2.27 512	2.29 551

ccnet	0.80 361	2.28 452	0.33 230	0.50 282	0.33 282	0.50 335	0.33 269	0.50 322	0.33 276	0.49 319	0.33 279	0.49 323	1.56 508	2.38 528	0.33 265	0.41 274	0.29 219	0.42 316	1.57 523	2.28 513	0.29 232

STTStereo	3.73 562	30.40 610	2.37 551	2.39 499	2.31 564	2.35 528	2.33 558	2.29 520	2.42 561	2.32 530	2.34 563	2.33 523	2.36 549	2.30 525	2.27 560	2.35 531	2.22 546	2.31 536	2.22 558	2.29 514	2.34 555

qwe	2.18 522	2.60 473	1.58 508	3.83 548	1.90 546	2.53 539	1.90 543	2.48 533	1.73 533	2.37 532	1.92 546	2.53 533	1.68 514	2.56 537	1.83 541	2.52 543	1.87 531	2.07 527	1.68 538	2.32 515	1.71 533

FBW_ROB	2.12 519	2.46 469	1.77 518	2.49 503	1.79 537	2.38 529	1.83 533	2.46 532	1.78 538	2.48 537	1.97 550	2.40 528	1.78 525	2.42 533	1.83 541	2.31 528	1.85 530	2.38 541	1.82 546	2.35 516	1.84 539

asd	2.18 522	2.77 489	1.58 508	3.59 540	2.00 548	2.58 543	1.85 537	2.39 530	1.71 528	2.47 536	1.97 550	2.59 540	1.61 511	2.56 537	1.79 539	2.51 541	1.99 532	2.11 531	1.62 532	2.36 517	1.60 524

monsterstereo	2.20 528	2.33 456	1.95 539	3.65 542	2.07 554	2.49 535	1.61 525	2.48 533	1.83 542	2.45 535	1.61 528	2.67 544	1.86 527	2.64 541	1.94 550	2.48 540	1.66 519	2.34 538	1.68 538	2.40 518	1.86 541

monsters	2.18 522	2.41 466	1.96 540	3.47 535	2.03 553	2.53 539	1.64 527	2.48 533	1.73 533	2.40 533	1.50 520	2.62 541	1.94 535	2.59 539	1.94 550	2.44 536	1.57 510	2.28 534	1.87 548	2.42 519	1.86 541

UDGNet	2.23 532	5.40 551	1.72 516	2.48 502	1.69 530	2.51 538	1.69 529	2.51 536	1.72 532	2.50 538	1.69 533	2.52 532	1.69 516	2.50 535	1.68 528	2.41 535	1.70 521	2.42 543	1.69 540	2.42 519	1.64 529

1w_stereo	2.05 516	2.32 455	1.35 483	3.74 547	2.01 549	2.73 549	1.42 519	1.88 501	1.93 552	2.03 515	1.28 505	2.71 545	1.99 540	2.72 547	1.72 532	2.20 517	1.32 481	1.87 519	1.86 547	2.45 521	1.54 517

LG-G_1	2.22 529	2.71 481	1.89 535	2.77 510	1.87 544	2.75 551	1.87 540	2.76 548	1.87 548	2.75 550	1.87 539	2.76 552	1.87 528	2.75 551	1.86 544	2.47 538	1.58 511	2.45 544	1.57 523	2.45 521	1.57 520

LG-G	2.22 529	2.71 481	1.89 535	2.77 510	1.87 544	2.75 551	1.87 540	2.76 548	1.87 548	2.75 550	1.87 539	2.76 552	1.87 528	2.75 551	1.86 544	2.47 538	1.58 511	2.45 544	1.57 523	2.45 521	1.57 520

LGtest1	2.22 529	2.70 479	1.89 535	2.76 509	1.86 541	2.75 551	1.86 538	2.75 547	1.86 544	2.75 550	1.86 538	2.77 554	1.87 528	2.75 551	1.86 544	2.46 537	1.58 511	2.45 544	1.56 522	2.45 521	1.56 519

4.5_new	2.00 501	1.84 418	1.98 541	2.77 510	2.16 557	2.27 523	1.28 504	2.09 511	1.98 554	2.01 513	1.28 505	2.71 545	1.98 538	2.51 536	1.65 525	2.26 520	1.33 488	1.87 519	1.87 548	2.49 525	1.60 524

GES	0.66 329	2.34 460	0.29 202	0.41 238	0.29 246	0.41 274	0.29 240	0.42 285	0.29 241	0.40 252	0.41 330	0.41 274	0.30 254	0.51 339	0.29 238	0.32 213	0.29 219	0.32 224	2.46 563	2.49 525	0.30 245

3w_stereo	2.04 514	2.24 450	1.70 513	3.15 520	2.18 561	2.49 535	1.26 502	2.03 509	1.98 554	1.98 510	1.33 508	2.72 549	1.99 540	2.59 539	1.72 532	2.22 519	1.33 488	1.85 515	1.88 553	2.50 527	1.58 522

3.25w	2.04 514	2.20 446	1.48 501	3.03 517	2.17 559	2.63 545	1.39 515	1.96 504	1.95 553	1.96 507	1.37 513	2.71 545	1.96 537	2.71 545	1.73 537	2.26 520	1.32 481	1.87 519	1.87 548	2.51 528	1.63 528

2.25w	2.00 501	1.86 421	1.98 541	2.95 516	2.17 559	2.26 522	1.35 507	2.42 531	2.00 557	2.07 520	1.27 504	2.53 533	1.99 540	2.29 524	1.49 519	2.21 518	1.32 481	1.85 515	1.87 548	2.52 529	1.62 527

PSMNet-RSSM	0.77 354	2.76 487	0.14 126	0.20 136	0.14 158	0.20 163	2.66 561	2.79 551	0.14 158	0.21 171	0.14 162	0.21 168	0.14 159	0.20 160	0.14 152	0.17 142	0.12 113	0.17 154	0.12 148	2.52 529	2.31 552

GwcNet-RSSM	0.77 354	2.77 489	0.14 126	0.20 136	0.14 158	0.20 163	2.67 562	2.78 550	0.14 158	0.20 160	0.14 162	0.20 161	0.14 159	0.21 170	0.14 152	0.17 142	0.12 113	0.17 154	0.12 148	2.52 529	2.31 552

4w-stereo	2.02 509	2.72 483	1.44 498	3.36 531	1.59 522	2.48 534	1.72 531	2.28 518	1.24 504	2.24 524	1.65 530	2.56 538	1.32 498	2.39 530	1.98 553	2.67 546	1.51 504	1.66 511	1.24 501	2.53 532	1.88 546

2.5w	2.01 508	2.40 465	1.37 493	3.28 525	2.01 549	2.71 546	1.43 522	1.82 500	1.83 542	1.90 506	1.41 517	2.71 545	1.35 500	2.71 545	1.85 543	2.66 544	1.53 506	1.64 510	1.23 500	2.53 532	1.87 543

3.25w_new	2.03 511	2.72 483	1.35 483	3.33 530	1.57 520	2.72 547	1.53 524	2.15 516	1.33 508	2.15 522	1.60 526	2.63 542	1.30 496	2.72 547	1.99 554	2.67 546	1.53 506	1.75 513	1.25 503	2.53 532	1.87 543

3.5w_stereo	2.03 511	2.72 483	1.35 483	3.41 532	1.57 520	2.72 547	1.49 523	2.01 508	1.34 509	2.15 522	1.61 528	2.63 542	1.36 501	2.72 547	1.99 554	2.66 544	1.58 511	1.68 512	1.24 501	2.53 532	1.87 543

IGEV	2.02 509	2.20 446	1.82 524	2.90 515	2.16 557	2.41 531	1.25 500	2.00 507	1.98 554	1.99 511	1.31 507	2.72 549	1.93 534	2.67 544	1.69 529	2.26 520	1.32 481	1.83 514	1.87 548	2.53 532	1.61 526

hitnet-ft	0.79 358	2.78 492	0.14 126	0.20 136	0.14 158	0.21 173	2.89 564	2.80 552	0.14 158	0.20 160	0.14 162	0.20 161	0.14 159	0.20 160	0.14 152	0.17 142	0.12 113	0.17 154	0.12 148	2.54 537	2.33 554

PDISCO_ROB	0.83 374	2.80 493	3.49 573	0.14 99	0.11 137	0.17 151	0.09 114	0.15 141	0.10 119	0.15 134	0.12 145	0.16 140	0.14 159	3.30 558	0.13 148	0.14 116	2.34 548	0.16 146	0.12 148	2.62 538	0.10 116

sCroCo_RVC	2.10 517	2.76 487	1.92 538	2.78 513	1.39 514	2.73 549	1.41 517	2.73 546	1.40 516	2.77 555	1.41 517	2.74 551	1.40 505	2.74 550	1.40 515	2.72 548	1.42 499	2.72 553	1.44 519	2.79 539	1.42 514

NLCA_NET_v2_RVC	5.04 590	50.87 620	2.78 556	2.87 514	2.71 566	2.78 554	0.47 348	2.88 553	2.86 566	1.89 505	2.67 565	2.79 555	2.79 554	2.78 554	2.83 563	2.82 549	2.82 552	2.83 554	2.77 565	2.83 540	2.76 560
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NLSM1	2.93 555	3.24 504	2.57 555	4.04 549	2.66 565	3.30 560	2.55 560	3.29 558	2.55 562	3.35 560	2.48 564	3.28 559	2.47 550	3.34 560	2.49 562	3.26 552	2.55 551	3.13 555	2.57 564	3.00 541	2.46 558

plain	1.88 493	3.16 501	0.64 350	3.10 518	0.65 393	3.10 556	0.64 378	3.12 555	0.65 382	3.10 556	0.65 390	3.11 556	0.65 378	3.12 555	0.65 374	3.12 551	0.65 360	3.13 555	0.65 397	3.13 542	0.65 382

UniTT-Stereo	2.03 511	3.43 508	0.72 374	3.42 533	0.73 408	3.27 559	0.68 389	3.38 560	0.69 396	3.29 559	0.72 413	3.28 559	0.70 395	3.35 561	0.68 385	3.39 554	0.68 367	3.31 558	0.69 406	3.37 543	0.73 398

MonStereo	2.17 520	2.41 466	1.49 505	2.67 507	1.67 527	2.60 544	2.04 552	2.32 525	1.76 536	2.44 534	1.68 532	2.50 531	1.69 516	2.38 528	1.80 540	2.28 524	1.78 525	2.63 552	2.14 556	3.47 544	1.68 532

DPSNet	3.66 560	3.60 510	3.62 576	3.63 541	3.64 587	3.65 563	3.65 586	3.66 563	3.67 583	3.67 562	3.65 584	3.67 563	3.66 572	3.66 562	3.68 581	3.68 557	3.66 571	3.67 562	3.68 587	3.67 545	3.67 584

RAStereo	2.23 532	3.64 511	0.76 382	3.65 542	0.86 426	3.66 564	0.76 409	3.67 564	0.81 422	3.66 561	0.76 419	3.66 562	0.77 407	3.68 563	0.77 411	3.68 557	0.77 386	3.69 563	0.77 417	3.70 546	0.77 406

SA	4.33 579	7.35 564	6.85 594	5.96 577	4.09 592	3.59 562	3.15 579	3.82 565	2.64 563	3.91 563	3.85 587	3.57 561	2.72 553	3.13 556	4.03 588	7.09 596	6.86 591	3.57 560	3.12 577	3.85 547	3.51 583

ssnet_v2	0.68 334	1.96 433	1.25 479	0.29 176	0.20 199	0.30 210	0.20 186	0.29 202	0.22 199	1.50 494	0.20 199	0.31 220	0.20 197	0.27 205	0.22 194	0.24 184	1.49 503	0.26 201	0.18 194	3.90 548	0.19 180

TestStereo1	4.60 581	8.41 571	6.44 591	6.86 582	3.79 589	3.97 566	3.78 588	3.99 567	3.74 585	3.97 564	3.52 582	3.94 566	3.58 569	3.98 566	3.72 583	6.82 593	6.50 589	3.76 564	3.66 585	3.90 548	3.74 587

SA-5K	4.60 581	8.41 571	6.44 591	6.86 582	3.79 589	3.97 566	3.78 588	3.99 567	3.74 585	3.97 564	3.52 582	3.94 566	3.58 569	3.98 566	3.72 583	6.82 593	6.50 589	3.76 564	3.66 585	3.90 548	3.74 587

NLCSM	3.67 561	4.08 525	3.19 572	4.80 565	3.26 580	3.99 568	3.24 581	4.25 570	3.18 579	4.09 566	3.27 579	4.14 568	3.18 567	4.13 568	3.28 577	4.06 559	3.10 561	3.85 567	3.14 578	3.91 551	3.27 580

test_4	4.88 587	8.13 569	6.98 595	7.46 585	4.44 594	4.25 570	3.85 590	4.04 569	3.92 589	4.13 567	3.91 588	4.18 570	3.84 579	4.14 569	4.06 589	7.01 595	7.13 592	4.53 569	3.72 588	4.09 552	3.72 585

test_3	5.01 589	8.86 576	7.77 597	8.09 587	2.76 567	4.13 569	4.05 592	3.88 566	3.76 587	4.33 569	4.13 591	3.71 564	3.91 580	4.21 570	4.06 589	7.93 597	7.69 594	4.53 569	3.91 590	4.17 553	4.29 593

RAFT+CT+SA	4.28 577	7.62 567	4.91 583	5.55 574	2.28 562	3.09 555	3.64 585	4.49 572	3.07 572	4.80 584	3.35 580	4.77 587	3.70 574	4.29 571	3.05 566	5.58 585	5.98 586	3.58 561	3.78 589	4.26 554	3.72 585

test_5	4.62 584	7.55 566	6.23 589	6.32 579	3.40 583	5.29 591	3.50 583	3.53 562	4.11 591	4.28 568	4.47 594	4.26 571	4.38 586	3.68 563	3.24 576	5.89 587	5.60 583	4.84 586	3.50 583	4.33 555	3.93 591

Sa-1000	4.34 580	8.37 570	6.84 593	6.98 584	4.45 595	3.58 561	3.00 565	3.42 561	3.39 581	2.61 541	4.00 590	3.83 565	4.01 583	3.90 565	3.90 586	5.98 589	5.62 584	3.76 564	2.34 562	4.35 556	2.47 559

cross-raft	4.83 586	7.52 565	6.43 590	6.63 580	3.96 591	4.51 572	3.99 591	4.49 572	3.96 590	4.52 571	3.96 589	4.50 572	3.97 582	4.50 573	3.97 587	6.65 591	6.44 588	4.33 568	3.92 591	4.35 556	3.91 590

sAnonymous2	3.31 558	2.63 474	1.38 495	3.71 544	1.86 541	4.70 584	1.11 441	4.82 587	2.72 564	5.45 592	1.98 556	4.59 577	2.64 551	2.65 542	6.21 597	4.37 560	1.08 415	5.16 590	2.24 559	4.52 558	2.39 556

CroCo_RVC	3.31 558	2.63 474	1.38 495	3.71 544	1.86 541	4.70 584	1.11 441	4.82 587	2.72 564	5.45 592	1.98 556	4.59 577	2.64 551	2.65 542	6.21 597	4.37 560	1.08 415	5.16 590	2.24 559	4.52 558	2.39 556

rvit_105_1	3.83 563	5.22 544	3.01 558	4.53 553	3.01 568	4.51 572	3.01 566	4.56 574	3.04 567	4.53 573	3.03 568	4.55 575	3.03 555	4.56 574	3.04 564	4.57 566	3.05 554	4.57 571	3.05 569	4.57 560	3.05 565

rvit_0105_6	3.87 567	5.73 558	3.10 568	4.69 563	3.12 578	4.54 574	3.02 567	4.56 574	3.04 567	4.54 575	3.03 568	4.54 573	3.04 558	4.56 574	3.05 566	4.58 569	3.05 554	4.58 573	3.05 569	4.58 561	3.05 565

rvit_stereo_0081	3.83 563	5.23 545	3.01 558	4.53 553	3.03 570	4.55 578	3.02 567	4.56 574	3.04 567	4.52 571	3.02 566	4.54 573	3.03 555	4.56 574	3.04 564	4.57 566	3.05 554	4.57 571	3.05 569	4.58 561	3.05 565

rvit_stereo_0082	3.86 565	5.82 559	3.01 558	4.53 553	3.03 570	4.54 574	3.02 567	4.56 574	3.04 567	4.53 573	3.02 566	4.55 575	3.04 558	4.57 577	3.05 566	4.57 566	3.05 554	4.58 573	3.05 569	4.58 561	3.06 568

rvit_stereo_0081_aga	3.86 565	5.33 548	3.02 561	4.55 559	3.04 574	4.54 574	3.02 567	4.64 581	3.06 571	4.54 575	3.04 570	4.62 582	3.08 562	4.62 580	3.07 569	4.58 569	3.06 558	4.60 575	3.08 573	4.63 564	3.07 569

rvit_stereo_0080	3.89 568	5.70 556	3.04 563	4.54 556	3.03 570	4.56 579	3.05 573	4.60 578	3.07 572	4.58 578	3.06 571	4.59 577	3.06 560	4.61 578	3.08 570	4.63 571	3.09 559	4.64 577	3.10 574	4.65 565	3.10 572

whm_eth	3.89 568	5.70 556	3.04 563	4.54 556	3.03 570	4.56 579	3.05 573	4.60 578	3.07 572	4.58 578	3.06 571	4.59 577	3.06 560	4.61 578	3.08 570	4.63 571	3.09 559	4.64 577	3.10 574	4.65 565	3.10 572

rvit_stereo_0083	3.92 572	5.30 547	3.06 566	4.61 562	3.09 577	4.67 583	3.08 576	4.66 582	3.09 576	4.62 581	3.10 576	4.66 585	3.11 564	4.67 582	3.16 575	4.72 576	3.16 565	4.77 584	3.11 576	4.66 567	3.11 574

rvit_stereo_ft	3.93 573	5.44 553	3.05 565	4.59 560	3.06 575	4.61 582	3.08 576	4.67 583	3.12 577	4.63 582	3.10 576	4.65 584	3.11 564	4.69 584	3.13 574	4.70 574	3.14 564	4.71 582	3.15 579	4.74 568	3.16 577

MLG-Stereo_test2	4.28 577	5.46 554	3.69 577	4.86 567	3.72 588	5.58 593	3.42 582	4.81 586	3.77 588	4.85 585	3.72 586	5.55 594	3.63 571	5.58 592	3.53 580	4.41 563	3.28 569	4.99 588	2.95 567	4.75 569	3.13 575

rvit_0105_3	3.91 570	5.33 548	3.06 566	4.60 561	3.07 576	4.60 581	3.06 575	4.62 580	3.08 575	4.60 580	3.07 574	4.62 582	3.08 562	4.67 582	3.10 573	4.70 574	3.11 562	4.77 584	3.19 581	4.77 570	3.14 576

rvit_0105_4	3.91 570	5.47 555	3.02 561	4.54 556	3.02 569	4.54 574	3.03 571	4.75 584	3.17 578	4.57 577	3.06 571	4.61 581	3.16 566	4.65 581	3.09 572	4.66 573	3.11 562	4.68 580	3.18 580	4.81 571	3.16 577

CFNet	1.37 479	5.27 546	0.19 164	5.49 573	0.19 196	0.28 206	0.19 182	0.28 197	0.19 191	0.28 202	0.19 195	0.28 206	4.35 585	0.28 209	0.19 186	0.23 177	0.17 165	0.23 185	4.21 594	4.81 571	0.17 174

MLG-Stereo_test3	4.26 576	4.85 538	3.95 579	5.35 572	3.60 585	4.75 587	3.76 587	5.49 593	3.71 584	5.39 590	3.69 585	4.82 588	3.66 572	4.85 585	3.73 585	4.93 577	3.19 568	4.69 581	2.99 568	4.84 573	2.98 564

MLG-Stereo_test1	4.25 575	5.34 550	3.61 575	5.31 571	3.63 586	5.23 590	3.57 584	5.38 592	3.65 582	5.23 589	3.47 581	4.76 586	3.74 575	4.85 585	3.71 582	4.96 578	3.18 567	4.71 582	2.92 566	4.86 574	2.90 562

raft_robust	4.71 585	7.75 568	5.40 588	6.81 581	3.31 581	4.28 571	4.20 593	4.32 571	4.37 594	4.35 570	4.35 593	4.14 568	3.75 576	4.30 572	4.20 591	6.67 592	6.37 587	3.36 559	4.24 595	4.86 574	3.25 579

Anonymous3	2.55 546	3.26 505	1.65 511	3.28 525	1.63 525	3.24 558	1.68 528	3.27 557	1.66 523	3.28 558	1.67 531	3.25 558	1.66 513	3.27 557	1.64 524	3.26 552	1.65 518	3.30 557	1.65 534	4.95 576	1.65 531

TestStereo	4.88 587	4.75 536	4.79 582	4.87 568	4.92 596	4.81 589	4.90 596	4.78 585	4.77 595	4.87 586	4.89 595	4.90 590	4.91 588	4.99 589	4.79 593	4.98 579	4.87 580	4.87 587	4.92 597	5.00 577	5.00 594

rvit_0105_5	4.10 574	5.40 551	3.13 571	4.71 564	3.15 579	4.72 586	3.10 578	4.90 589	3.27 580	4.69 583	3.16 578	4.84 589	3.25 568	4.96 588	3.34 578	5.05 581	3.39 570	5.10 589	3.40 582	5.11 578	3.42 581

FC-DCNN v2	5.10 591	5.15 542	4.49 581	5.07 570	3.37 582	6.87 596	4.75 595	5.04 590	6.34 599	7.84 600	5.06 596	6.72 600	4.09 584	4.99 589	5.44 596	5.03 580	3.16 565	4.67 579	4.86 596	5.15 579	3.89 589

DISCO	1.11 421	0.39 163	5.28 586	0.39 212	0.20 199	0.39 256	0.27 223	0.39 245	0.22 199	0.38 240	0.20 199	0.38 248	0.20 197	6.95 599	0.22 194	0.30 205	0.21 180	0.27 205	0.21 199	5.25 580	0.21 184

MaDis-Stereo	3.19 557	6.02 561	1.12 415	5.61 575	1.16 456	5.43 592	1.02 438	5.15 591	0.70 400	5.43 591	1.21 498	5.03 592	0.97 420	4.85 585	0.99 431	4.53 564	1.16 427	5.53 592	1.25 503	5.37 581	1.30 503

DispFullNet	4.61 583	4.84 537	3.12 569	5.00 569	3.57 584	4.75 587	3.03 571	7.75 600	4.17 592	4.91 587	3.09 575	6.20 596	3.95 581	6.71 596	3.51 579	5.30 584	3.67 572	5.86 596	3.63 584	5.61 582	3.46 582

StereoVision	3.15 556	5.00 540	0.89 394	4.83 566	1.00 439	3.93 565	1.27 503	6.37 594	1.34 509	5.67 594	1.26 503	5.84 595	1.27 493	5.03 591	1.24 500	5.10 583	1.09 417	4.61 576	0.57 381	5.62 583	1.12 437

SGM-Forest	5.21 593	5.92 560	4.08 580	6.18 578	4.16 593	6.31 595	4.34 594	6.50 595	4.33 593	6.14 596	4.21 592	6.61 599	4.55 587	6.67 595	4.48 592	5.94 588	3.94 574	5.85 595	4.03 593	5.79 584	4.17 592
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MIF-Stereo (partial)	2.58 547	3.31 506	0.66 354	3.18 522	0.66 396	3.18 557	0.66 381	3.21 556	0.67 385	3.19 557	0.66 392	3.19 557	0.66 381	3.31 559	0.68 385	5.09 582	1.79 527	8.23 601	1.67 536	6.18 585	1.38 512

RAFT	6.73 596	9.36 579	7.40 596	8.51 590	6.55 600	6.88 597	6.60 600	6.79 596	6.60 600	6.80 597	6.72 602	5.31 593	5.50 591	6.61 594	6.61 600	8.42 599	5.89 585	5.73 593	5.45 601	6.61 586	6.24 598

gwcnet-sp	0.82 371	1.72 410	1.48 501	0.39 212	0.15 169	0.31 216	0.21 191	0.20 161	0.25 213	1.61 498	0.23 209	0.28 206	0.26 225	0.20 160	0.15 162	0.24 184	1.33 488	0.32 224	0.16 169	6.75 587	0.23 189

scenet	0.82 371	1.72 410	1.48 501	0.39 212	0.15 169	0.31 216	0.21 191	0.20 161	0.25 213	1.61 498	0.23 209	0.28 206	0.26 225	0.20 160	0.15 162	0.24 184	1.33 488	0.32 224	0.16 169	6.75 587	0.23 189

ssnet	0.82 371	1.72 410	1.48 501	0.39 212	0.15 169	0.31 216	0.21 191	0.20 161	0.25 213	1.61 498	0.23 209	0.28 206	0.26 225	0.20 160	0.15 162	0.24 184	1.33 488	0.32 224	0.16 169	6.75 587	0.23 189

test-1	6.46 594	9.16 578	8.03 600	8.09 587	5.62 599	6.11 594	6.35 599	6.85 597	4.94 596	6.08 595	6.29 601	4.98 591	6.43 593	6.22 593	6.36 599	6.16 590	7.47 593	5.82 594	5.44 600	7.11 590	5.68 597

test-v	7.53 598	11.89 587	7.98 598	9.36 593	7.14 601	7.06 598	7.09 601	7.37 598	6.91 601	7.29 598	5.71 599	6.45 597	6.93 594	6.73 597	7.27 601	8.93 602	7.85 595	6.98 598	6.80 602	7.56 591	7.34 600

test-2	7.53 598	11.89 587	7.98 598	9.36 593	7.14 601	7.06 598	7.09 601	7.37 598	6.91 601	7.29 598	5.71 599	6.45 597	6.93 594	6.73 597	7.27 601	8.93 602	7.85 595	6.98 598	6.80 602	7.56 591	7.34 600

rvit_stereo_0075_2	6.64 595	8.80 575	5.25 585	7.89 586	5.27 598	7.90 600	5.27 597	7.92 601	5.28 597	7.91 601	5.29 598	7.93 601	5.27 589	7.92 601	5.28 594	7.93 597	5.28 582	7.93 600	5.29 599	7.93 593	5.28 596

CFNet_RVC	2.38 542	8.71 574	0.38 257	9.33 592	0.42 343	0.56 357	0.42 333	0.60 357	0.38 305	0.62 367	0.42 340	0.56 360	7.29 597	0.62 362	0.42 328	0.53 326	0.37 262	0.49 349	0.34 294	8.30 594	6.87 599

MSMDNet	2.65 548	10.14 585	0.33 230	9.74 595	0.32 270	0.87 393	0.33 269	2.95 554	0.68 391	0.49 319	0.34 287	0.49 323	5.70 592	0.49 322	0.33 265	0.42 288	9.57 598	0.41 305	0.31 275	8.36 595	0.65 382

U	5.15 592	8.49 573	1.81 519	8.49 589	1.77 535	8.49 601	1.77 532	8.51 602	1.77 537	8.49 602	1.77 535	8.50 602	1.78 525	8.58 602	1.77 538	8.54 600	1.78 525	8.55 602	1.78 545	8.55 596	1.84 539

SGM+DAISY	7.06 597	9.15 577	5.38 587	8.84 591	5.18 597	8.80 602	5.31 598	8.79 603	5.28 597	8.89 603	5.20 597	8.93 603	5.33 590	8.95 603	5.36 595	8.70 601	5.21 581	8.74 603	5.20 598	8.89 597	5.15 595

pcwnet_v2	2.66 549	9.89 583	0.33 230	9.89 596	0.32 270	0.50 335	0.32 258	0.49 313	0.33 276	0.49 319	0.34 287	0.49 323	8.76 599	0.48 316	0.33 265	0.41 274	9.58 599	0.40 288	0.29 250	9.01 598	0.63 374

ccs_rob	2.79 553	10.17 586	0.32 224	10.00 598	0.33 282	0.49 326	0.33 269	1.90 503	0.32 269	0.51 340	0.33 279	0.49 323	9.24 601	0.49 322	0.33 265	0.41 274	9.82 601	0.41 305	0.28 240	9.34 599	0.29 232

PCWNet_CMD	2.80 554	9.82 582	0.32 224	10.09 599	0.32 270	0.49 326	0.33 269	3.34 559	0.33 276	0.49 319	0.33 279	0.49 323	8.73 598	0.48 316	0.33 265	0.41 274	9.22 597	0.42 316	0.29 250	9.55 600	0.31 254

UCFNet_RVC	2.75 552	10.06 584	0.29 202	10.31 600	0.29 246	0.42 294	0.29 240	0.43 291	0.29 241	0.42 280	0.29 245	0.42 292	9.87 602	0.43 292	0.29 238	0.36 236	9.84 602	0.36 261	0.26 227	9.77 601	0.26 206

CFNet_pseudo	2.67 550	9.36 579	0.32 224	10.99 601	0.33 282	0.85 391	0.33 269	0.49 313	0.33 276	0.49 319	0.32 272	0.49 323	7.26 596	0.49 322	0.33 265	0.41 274	9.62 600	0.41 305	0.29 250	10.03 602	0.29 232

CFNet_ucs	2.73 551	9.64 581	0.33 230	9.92 597	0.32 270	0.49 326	0.33 269	0.49 313	0.33 276	0.49 319	0.33 279	0.49 323	8.98 600	0.48 316	0.33 265	0.41 274	9.96 603	0.40 288	0.29 250	10.12 603	0.54 356

rafts_anoy	20.00 602	20.00 589	20.00 602	20.00 602	20.00 604	20.00 603	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 605	20.00 604	20.00 605	20.00 604	20.00 603

raft+_RVC	20.00 602	20.00 589	20.00 602	20.00 602	20.00 604	20.00 603	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 605	20.00 604	20.00 605	20.00 604	20.00 603

raftrobust	20.00 602	20.00 589	20.00 602	20.00 602	20.00 604	20.00 603	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 605	20.00 604	20.00 605	20.00 604	20.00 603

CasAABBNet	20.00 602	20.00 589	20.00 602	20.00 602	20.00 604	20.00 603	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 605	20.00 604	20.00 605	20.00 604	20.00 603

RALCasStereoNet	20.00 602	20.00 589	20.00 602	20.00 602	20.00 604	20.00 603	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 605	20.00 604	20.00 605	20.00 604	20.00 603

RALAANet	20.00 602	20.00 589	20.00 602	20.00 602	20.00 604	20.00 603	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 604	20.00 605	20.00 604	20.00 605	20.00 604	20.00 603

MANE	19.05 601	23.00 595	15.00 601	23.00 608	15.00 603	24.00 609	16.00 603	24.00 610	16.00 603	22.00 610	15.00 603	23.00 610	16.00 603	23.00 610	15.00 603	22.00 610	15.00 604	22.00 610	15.00 604	22.00 610	15.00 602

111	30.40 608	30.94 611	29.72 609	32.61 609	30.02 611	33.57 610	30.47 611	31.50 611	29.39 611	30.98 611	29.11 611	29.78 611	30.39 614	29.45 611	30.76 614	30.08 611	29.02 612	29.92 611	30.32 615	29.86 611	30.17 610

tt	500032.53 626	34.60 613	29.72 609	37.47 618	34.41 616	36.85 616	35.22 616	34.71 615	33.55 613	34.50 612	35.43 615	33.81 615	10000000.00 631	33.57 615	33.13 615	33.68 615	35.00 617	34.03 616	35.26 618	30.96 612	34.63 615

DCANet	500032.53 626	34.60 613	29.72 609	37.47 618	34.41 616	36.85 616	35.22 616	34.71 615	33.55 613	34.50 612	35.43 615	33.81 615	10000000.00 631	33.57 615	33.13 615	33.68 615	35.00 617	34.03 616	35.26 618	30.96 612	34.63 615

ADStereo(finetuned)	36.13 611	36.63 616	38.07 619	36.97 614	33.25 615	35.91 615	34.45 615	36.36 618	32.99 612	38.14 622	36.71 618	36.69 618	34.13 615	38.57 622	40.79 621	37.60 622	36.58 619	35.90 619	33.36 616	35.42 614	34.04 614

DCANet-4	35.22 610	34.54 612	35.08 615	33.58 613	35.47 618	34.55 611	35.53 618	36.08 617	35.85 615	35.92 617	35.77 617	35.18 617	35.48 616	35.39 617	37.15 620	34.55 617	33.92 616	35.02 618	34.90 617	35.79 615	34.74 617

Reg-Stereo(zero)	37.00 612	37.00 617	37.00 616	37.00 615	37.00 619	37.00 618	37.00 619	37.00 619	37.00 616	37.00 618	37.00 619	37.00 619	37.00 617	37.00 618	37.00 617	37.00 619	37.00 620	37.00 620	37.00 620	37.00 616	37.00 618

HI	37.00 612	37.00 617	37.00 616	37.00 615	37.00 619	37.00 618	37.00 619	37.00 619	37.00 616	37.00 618	37.00 619	37.00 619	37.00 617	37.00 618	37.00 617	37.00 619	37.00 620	37.00 620	37.00 620	37.00 616	37.00 618

CoSv	37.00 612	37.00 617	37.00 616	37.00 615	37.00 619	37.00 618	37.00 619	37.00 619	37.00 616	37.00 618	37.00 619	37.00 619	37.00 617	37.00 618	37.00 617	37.00 619	37.00 620	37.00 620	37.00 620	37.00 616	37.00 618

WCMA_ROB	31.10 609	35.43 615	27.12 608	39.51 620	23.10 610	38.78 621	25.30 610	37.49 622	25.39 610	37.29 621	27.02 610	38.52 622	26.48 610	37.80 621	26.44 610	36.28 618	22.65 611	33.90 615	22.30 611	37.10 619	24.18 609

NOSS_ROB	102.95 616	153.00 625	121.00 623	51.00 621	44.00 622	165.00 625	127.00 624	153.00 625	119.00 621	164.00 626	125.00 624	168.00 626	120.00 622	153.00 625	117.00 624	49.00 623	44.00 623	49.00 623	44.00 623	49.00 620	44.00 621

CBMV	128.50 617	1422.70 632	53.10 621	79.50 622	51.30 623	77.30 623	49.70 622	74.00 623	48.20 620	77.20 624	48.80 623	73.90 624	48.00 621	73.80 624	48.80 623	70.40 624	45.10 624	68.90 624	46.10 624	68.20 621	45.00 622
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 615	87.70 621	41.95 620	113.75 623	65.62 624	75.05 622	55.25 623	75.64 624	45.04 619	71.61 623	41.75 622	72.81 623	44.06 620	68.38 623	44.63 622	101.89 625	59.57 625	107.10 625	61.05 625	104.38 622	59.38 623

MeshStereo	159.24 618	171.00 626	160.68 626	162.58 624	160.59 625	164.01 624	160.35 625	158.51 626	158.56 622	158.34 625	160.12 625	158.56 625	159.92 623	157.26 626	158.94 625	154.38 626	158.36 626	155.75 626	159.13 627	153.67 623	154.07 624
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
AE-Stereo	201.80 619	123.00 622	115.00 622	219.00 625	218.00 627	223.00 626	244.00 627	217.00 627	236.00 624	202.00 627	203.00 626	205.00 627	208.00 624	225.00 627	204.00 626	210.00 627	198.00 627	197.00 627	184.00 628	204.00 624	201.00 625

MGS-Stereo	239.45 620	123.00 622	135.00 624	266.00 626	286.00 628	277.00 627	305.00 628	271.00 628	242.00 625	274.00 628	279.00 628	255.00 628	270.00 626	268.00 628	297.00 628	221.00 628	247.00 629	216.00 628	123.00 626	217.00 625	217.00 627

EGLCR-Stereo	246.90 621	129.00 624	139.00 625	266.00 626	286.00 628	277.00 627	305.00 628	271.00 628	242.00 625	274.00 628	279.00 628	255.00 628	270.00 626	268.00 628	297.00 628	230.00 629	247.00 629	216.00 628	223.00 630	237.00 626	227.00 628

DLCB_ROB	284.23 622	354.61 628	207.27 627	363.24 628	206.46 626	364.72 629	210.41 626	364.72 630	210.41 623	364.81 630	208.64 627	364.81 630	208.64 625	364.72 630	210.41 627	354.70 630	205.53 628	354.70 630	205.53 629	354.70 627	205.53 626

LE_ROB	396.57 623	471.28 629	329.84 628	471.48 629	308.15 630	526.83 630	322.10 630	488.15 631	323.76 627	495.46 631	317.97 630	497.17 631	320.10 628	481.62 631	326.76 630	462.71 631	298.97 631	466.16 631	285.98 631	447.62 628	289.21 629

SGM-ForestM	596.69 624	677.77 630	444.52 629	699.85 630	517.25 631	732.94 631	488.29 631	770.79 632	460.11 628	750.81 632	487.98 631	792.79 632	499.41 629	730.90 632	475.81 631	720.03 632	491.16 632	663.96 632	418.60 632	674.76 629	436.05 630

CBMV_ROB	818.48 625	913.88 631	709.52 630	862.84 631	597.78 632	1073.99 632	700.52 632	1015.66 633	702.59 629	1115.65 633	760.02 632	1130.24 633	721.57 630	1037.41 633	692.65 632	814.05 633	564.29 633	843.28 633	595.31 633	915.51 630	602.92 631

111111	10000000.00 631	10000000.00 633	10000000.00 631	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 634	10000000.00 630	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 631	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 631	10000000.00 632

SGD-Stereo	10000000.00 631	10000000.00 633	10000000.00 631	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 634	10000000.00 630	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 631	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 631	10000000.00 632

IGEV-Stereo++	10000000.00 631	10000000.00 633	10000000.00 631	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 634	10000000.00 630	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 631	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 631	10000000.00 632

IGEV-BASED-STEREO-	10000000.00 631	10000000.00 633	10000000.00 631	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 634	10000000.00 630	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 631	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 631	10000000.00 632

IGEV-Stereo+	10000000.00 631	10000000.00 633	10000000.00 631	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 634	10000000.00 630	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 631	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 631	10000000.00 632

SDNR	10000000.00 631	10000000.00 633	10000000.00 631	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 634	10000000.00 630	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 631	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 631	10000000.00 632

anonymousdsp2	10000000.00 631	10000000.00 633	10000000.00 631	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 634	10000000.00 630	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 631	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 631	10000000.00 632

anonymousdsp	10000000.00 631	10000000.00 633	10000000.00 631	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 634	10000000.00 630	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 631	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 631	10000000.00 632

fff	1000028.16 628	29.62 607	29.72 609	32.61 609	30.02 611	35.13 612	31.83 612	32.07 612	10000000.00 630	35.27 614	29.82 612	32.45 612	30.15 611	32.35 612	30.09 611	31.04 612	29.55 613	30.64 612	30.14 612	10000000.00 631	30.77 611

csc	1000028.16 628	29.62 607	29.72 609	32.61 609	30.02 611	35.13 612	31.83 612	32.07 612	10000000.00 630	35.27 614	29.82 612	32.45 612	30.15 611	32.35 612	30.09 611	31.04 612	29.55 613	30.64 612	30.14 612	10000000.00 631	30.77 611

cscssc	1000028.16 628	29.62 607	29.72 609	32.61 609	30.02 611	35.13 612	31.83 612	32.07 612	10000000.00 630	35.27 614	29.82 612	32.45 612	30.15 611	32.35 612	30.09 611	31.04 612	29.55 613	30.64 612	30.14 612	10000000.00 631	30.77 611

test_example2	10000000.00 631	10000000.00 633	10000000.00 631	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 634	10000000.00 630	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 631	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 631	10000000.00 632

DIP-Stereo	10000000.00 631	10000000.00 633	10000000.00 631	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 634	10000000.00 630	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 631	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 631	10000000.00 632
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ASD4		0.20 105

Low-res two-view benchmark