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	0.14 102	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 67	0.07 58	0.09 56	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 70	0.07 59	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 45	0.24 125	0.20 167	0.23 154	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	0.23 179	0.21 182	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 45	0.54 234	0.10 71	0.12 86	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 96	0.11 100	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 42	0.50 216	0.10 71	0.12 86	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 96	0.10 77	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

VMBase	0.03 29	0.09 67	0.08 60	0.09 56	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	0.08 63	0.08 62	0.03 38	0.02 20	0.02 20	0.02 20

G2L-ROB	0.03 29	0.06 54	0.02 14	0.03 28	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 40	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 44	0.02 20

G2L-Stereo_test	0.03 29	0.04 37	0.02 14	0.03 28	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 40	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 44	0.02 20

coex_refinement	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 40	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 44	0.02 20

G2L-Stereo	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 40	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 44	0.02 20

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

DualNet (step1)	0.10 68	1.05 321	0.12 102	0.12 86	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.04 74	0.02 20	0.03 43	0.03 53	0.03 40	0.03 49	0.12 96	0.12 114	0.03 38	0.03 54	0.03 44	0.03 51

test_sample9	0.10 68	1.05 321	0.12 102	0.12 86	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.04 74	0.02 20	0.03 43	0.03 53	0.03 40	0.03 49	0.12 96	0.12 114	0.03 38	0.03 54	0.03 44	0.03 51

test_sample2	0.09 55	1.03 317	0.11 91	0.11 78	0.03 49	0.03 41	0.03 51	0.03 43	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 40	0.02 20	0.09 70	0.09 72	0.03 38	0.02 20	0.03 44	0.02 20

test_sample1	0.09 55	0.87 270	0.12 102	0.11 78	0.03 49	0.03 41	0.03 51	0.03 43	0.02 21	0.04 74	0.02 20	0.03 43	0.03 53	0.03 40	0.03 49	0.10 75	0.10 77	0.03 38	0.02 20	0.03 44	0.02 20

SMFormer	0.09 55	1.01 311	0.09 67	0.09 56	0.03 49	0.03 41	0.02 20	0.03 43	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 40	0.02 20	0.09 70	0.09 72	0.03 38	0.02 20	0.03 44	0.02 20

tta	0.09 55	0.95 290	0.09 67	0.10 61	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 40	0.02 20	0.09 70	0.10 77	0.03 38	0.02 20	0.03 44	0.02 20

CoDeX	0.15 124	0.70 251	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	0.67 383	0.02 15	0.69 379	0.75 393	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 89	0.44 188	0.33 232	0.39 214	0.02 21	0.03 41	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	0.39 265	0.36 264	0.02 18	0.02 20	0.02 20	0.02 20

psmg	0.43 269	1.91 435	0.92 411	1.91 487	0.02 21	0.02 19	0.03 51	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	1.97 517	1.44 510	0.04 73	0.03 54	0.02 20	0.03 51

CSP-Net	0.34 205	1.29 396	1.19 436	1.36 465	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	1.26 477	1.21 487	0.03 38	0.09 113	0.02 20	0.09 113

SFCPSM	0.17 135	0.78 256	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	0.79 419	0.02 15	0.75 390	0.76 395	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 167	1.31 398	0.74 386	0.92 358	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 43	0.02 21	0.02 20	0.02 20	0.87 387	0.75 390	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 53	0.02 12	0.02 14	1.01 376	0.03 49	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 72	0.09 111	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 55	0.02 12	0.04 43	0.90 353	0.06 112	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 133	0.36 290	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 89	0.02 12	0.02 14	1.62 480	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 41	0.02 20	0.02 20	0.02 21	0.06 88	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

RYNet	0.02 15	0.02 12	0.02 14	0.03 28	0.03 49	0.03 41	0.02 20	0.02 20	0.02 21	0.03 41	0.02 20	0.02 20	0.03 53	0.03 40	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 68	0.98 294	0.14 126	0.15 112	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.15 125	0.13 137	0.03 38	0.03 54	0.03 44	0.03 51

zh-mn7	0.12 98	1.14 330	0.17 153	0.20 137	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.18 151	0.16 147	0.03 38	0.03 54	0.03 44	0.03 51

w-ln-seven-2	0.14 112	1.22 392	0.28 199	0.32 189	0.04 79	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.32 216	0.27 205	0.04 73	0.03 54	0.03 44	0.03 51

TCMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.04 74	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.03 34	0.03 36	0.03 38	0.03 54	0.03 44	0.03 51

TCMNet-wrong-test	0.03 29	0.04 37	0.03 36	0.03 28	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.02 20	0.03 34	0.03 36	0.03 38	0.03 54	0.03 44	0.03 51

YMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 49	0.03 41	0.02 20	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.02 20	0.03 49	0.03 34	0.03 36	0.03 38	0.03 54	0.03 44	0.03 51

YMNet_1	0.03 29	0.04 37	0.03 36	0.03 28	0.03 49	0.03 41	0.02 20	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.02 20	0.03 49	0.03 34	0.03 36	0.03 38	0.03 54	0.03 44	0.03 51

test_sample8	0.10 68	1.05 321	0.12 102	0.12 86	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.12 96	0.12 114	0.03 38	0.03 54	0.03 44	0.03 51

test_sample7	0.09 55	1.00 303	0.11 91	0.11 78	0.02 21	0.03 41	0.03 51	0.03 43	0.03 56	0.04 74	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.12 96	0.12 114	0.03 38	0.03 54	0.03 44	0.03 51

test_sample6	0.09 55	0.97 293	0.10 71	0.10 61	0.03 49	0.03 41	0.02 20	0.03 43	0.02 21	0.03 41	0.03 53	0.03 43	0.02 21	0.03 40	0.02 20	0.10 75	0.10 77	0.03 38	0.02 20	0.03 44	0.02 20

test_sample5	0.10 68	1.07 324	0.11 91	0.10 61	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.10 75	0.10 77	0.03 38	0.03 54	0.04 77	0.03 51

test_sample4	0.10 68	1.03 317	0.12 102	0.10 61	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.13 111	0.13 137	0.03 38	0.03 54	0.03 44	0.03 51

test_sample3	0.09 55	0.87 270	0.10 71	0.12 86	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.12 96	0.10 77	0.03 38	0.02 20	0.03 44	0.02 20

mmm	0.14 112	1.83 424	0.12 102	0.11 78	0.03 49	0.03 41	0.03 51	0.03 43	0.04 81	0.03 41	0.03 53	0.03 43	0.03 53	0.06 88	0.04 75	0.12 96	0.11 100	0.05 86	0.04 78	0.05 92	0.04 79

11t1	0.17 135	2.16 452	0.13 121	0.13 98	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.03 53	0.06 98	0.03 53	0.06 88	0.05 89	0.18 151	0.12 114	0.06 94	0.03 54	0.05 92	0.03 51

DualNet	0.10 68	1.07 324	0.11 91	0.10 61	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.10 75	0.10 77	0.03 38	0.03 54	0.04 77	0.03 51

ffm	0.25 167	3.83 528	0.12 102	0.12 86	0.05 99	0.06 92	0.05 93	0.06 94	0.05 98	0.03 41	0.03 53	0.06 98	0.05 95	0.06 88	0.05 89	0.12 96	0.12 114	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 167	3.83 528	0.12 102	0.12 86	0.05 99	0.06 92	0.05 93	0.06 94	0.05 98	0.03 41	0.03 53	0.06 98	0.05 95	0.06 88	0.05 89	0.12 96	0.12 114	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 167	3.83 528	0.12 102	0.12 86	0.05 99	0.06 92	0.05 93	0.06 94	0.05 98	0.03 41	0.03 53	0.06 98	0.05 95	0.06 88	0.05 89	0.12 96	0.12 114	0.05 86	0.04 78	0.06 96	0.04 79

1111x	0.10 68	1.14 330	0.13 121	0.14 102	0.03 49	0.04 77	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.13 111	0.11 100	0.03 38	0.02 20	0.03 44	0.02 20

xxx	0.09 55	1.01 311	0.10 71	0.10 61	0.03 49	0.03 41	0.03 51	0.03 43	0.02 21	0.03 41	0.03 53	0.03 43	0.02 21	0.03 40	0.02 20	0.10 75	0.10 77	0.03 38	0.02 20	0.03 44	0.03 51

qqq	0.16 131	2.01 443	0.12 102	0.15 112	0.04 79	0.06 92	0.05 93	0.06 94	0.04 81	0.06 96	0.03 53	0.06 98	0.03 53	0.06 88	0.03 49	0.12 96	0.14 141	0.04 73	0.04 78	0.03 44	0.03 51

x	0.11 89	1.15 333	0.15 142	0.14 102	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.04 74	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.14 118	0.15 144	0.03 38	0.03 54	0.03 44	0.03 51

BUS	0.83 381	1.91 435	0.92 411	4.48 561	0.02 21	0.40 259	0.04 81	0.41 268	0.02 21	0.48 316	0.03 53	0.41 276	0.05 95	0.03 40	0.05 89	1.97 517	4.19 586	0.33 234	0.23 211	0.34 223	0.27 217

BSDual-CNN	0.81 372	1.91 435	0.92 411	4.48 561	0.02 21	0.42 295	0.06 110	0.41 268	0.02 21	0.48 316	0.03 53	0.02 20	0.02 21	0.03 40	0.02 20	1.97 517	4.19 586	0.33 234	0.23 211	0.34 223	0.27 217

hknet	1.10 429	1.85 428	3.49 584	4.48 561	0.02 21	0.42 295	0.06 110	0.41 268	0.02 21	0.48 316	0.03 53	0.41 276	0.03 53	0.42 287	0.03 49	4.39 572	4.19 586	0.33 234	0.23 211	0.34 223	0.27 217

222	0.10 68	0.99 301	0.12 102	0.13 98	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.12 96	0.12 114	0.03 38	0.02 20	0.04 77	0.03 51

xxxx	0.11 89	1.16 335	0.16 145	0.12 86	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.13 111	0.16 147	0.03 38	0.04 78	0.04 77	0.04 79

test_xeample	0.10 68	1.09 326	0.13 121	0.12 86	0.03 49	0.03 41	0.03 51	0.04 77	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.14 118	0.14 141	0.03 38	0.03 54	0.03 44	0.03 51

EDNetEfficient	0.04 39	0.05 49	0.04 43	0.04 37	0.03 49	0.04 77	0.03 51	0.04 77	0.03 56	0.04 74	0.03 53	0.04 77	0.03 53	0.04 72	0.03 49	0.05 51	0.03 36	0.05 86	0.03 54	0.04 77	0.03 51

BEATNet_4x	0.11 89	0.03 31	0.03 36	1.60 477	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.05 82	0.03 49	0.03 34	0.03 36	0.03 38	0.03 54	0.03 44	0.03 51

ADCL	0.11 89	0.03 31	0.03 36	1.60 477	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.05 82	0.03 49	0.03 34	0.03 36	0.03 38	0.03 54	0.03 44	0.03 51

ADCRef	0.12 98	0.03 31	0.04 43	1.71 483	0.04 79	0.03 41	0.03 51	0.04 77	0.04 81	0.04 74	0.03 53	0.04 77	0.03 53	0.06 88	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.03 44	0.04 79

AnyNet_C32	0.14 112	0.04 37	0.03 36	2.22 499	0.04 79	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.04 77	0.02 21	0.07 105	0.04 75	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

ADCPNet	0.10 68	0.03 31	0.04 43	1.27 450	0.03 49	0.04 77	0.03 51	0.03 43	0.03 56	0.04 74	0.03 53	0.04 77	0.03 53	0.08 108	0.04 75	0.04 44	0.03 36	0.03 38	0.03 54	0.03 44	0.03 51

z-mn7	0.16 131	1.21 386	0.33 232	0.41 239	0.04 79	0.04 77	0.03 51	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.35 234	0.31 239	0.04 73	0.04 78	0.04 77	0.04 79

z-ln-s-r	0.21 151	1.40 405	0.53 338	0.56 306	0.04 79	0.05 89	0.04 81	0.05 89	0.05 98	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.05 89	0.57 341	0.44 312	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven	0.18 138	1.47 407	0.33 232	0.40 227	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.38 253	0.32 243	0.05 86	0.04 78	0.04 77	0.04 79

DFGA-Net	0.05 42	0.06 54	0.04 43	0.06 46	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.04 88	0.06 98	0.04 84	0.06 88	0.04 75	0.06 55	0.04 45	0.05 86	0.04 78	0.05 92	0.04 79

GASNet	0.05 42	0.04 37	0.12 102	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.12 128	0.04 88	0.06 98	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

NINENet	0.69 343	3.87 531	1.20 439	1.98 492	0.05 99	0.40 259	0.04 81	0.40 253	0.05 98	0.41 267	0.04 88	0.41 276	0.05 95	0.40 259	0.05 89	1.79 505	1.56 519	0.34 242	0.22 205	0.34 223	0.23 190

APVNet	0.09 55	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 432	0.06 94	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 98

EDNetEfficientorigin	0.04 39	0.06 54	0.04 43	0.05 43	0.04 79	0.05 89	0.04 81	0.05 89	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.03 36	0.06 94	0.03 54	0.04 77	0.03 51

FADNet-RVC-Resample	0.12 98	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	1.57 531	0.04 44	0.04 45	0.04 73	0.05 97	0.04 77	0.06 106

FADNet_RVC	0.12 98	0.04 37	0.04 43	0.05 43	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 95	0.04 72	1.65 535	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet	0.12 98	0.05 49	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 95	0.04 72	1.66 537	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

NVStereoNet_ROB	0.04 39	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DispViT+	0.07 50	0.24 125	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.06 94	0.04 81	0.06 96	0.05 100	0.06 98	0.04 84	0.06 88	0.04 75	0.06 55	0.07 59	0.06 94	0.04 78	0.06 96	0.04 79

BridgeDepth_RVC	0.07 50	0.08 59	0.11 91	0.11 78	0.05 99	0.08 106	0.05 93	0.08 108	0.05 98	0.08 107	0.05 100	0.08 108	0.05 95	0.08 108	0.05 89	0.11 90	0.10 77	0.07 100	0.05 97	0.07 107	0.05 98
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
BridgeDepth	0.08 53	0.08 59	0.11 91	0.11 78	0.05 99	0.08 106	0.05 93	0.08 108	0.07 113	0.08 107	0.05 100	0.08 108	0.05 95	0.09 112	0.08 106	0.15 125	0.11 100	0.07 100	0.05 97	0.07 107	0.06 106
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
DA	0.09 55	0.13 85	0.39 268	0.08 49	0.05 99	0.07 104	0.05 93	0.13 129	0.05 98	0.06 96	0.05 100	0.06 98	0.05 95	0.06 88	0.05 89	0.06 55	0.05 56	0.14 130	0.13 155	0.06 96	0.05 98

GGEV	0.09 55	0.13 85	0.39 268	0.08 49	0.05 99	0.07 104	0.05 93	0.13 129	0.05 98	0.06 96	0.05 100	0.06 98	0.05 95	0.06 88	0.05 89	0.06 55	0.05 56	0.14 130	0.13 155	0.06 96	0.05 98

ISRNet	0.11 89	0.05 49	0.36 253	0.24 159	0.07 113	0.13 129	0.05 93	0.06 94	0.05 98	0.05 91	0.05 100	0.13 131	0.05 95	0.05 82	0.09 111	0.24 186	0.20 178	0.10 110	0.05 97	0.06 96	0.13 150

qqq1	0.25 167	3.70 522	0.14 126	0.14 102	0.04 79	0.06 92	0.05 93	0.06 94	0.05 98	0.06 96	0.05 100	0.04 77	0.05 95	0.06 88	0.05 89	0.13 111	0.12 114	0.06 94	0.05 97	0.03 44	0.04 79

fff1	0.25 167	3.70 522	0.14 126	0.14 102	0.04 79	0.06 92	0.05 93	0.06 94	0.05 98	0.06 96	0.05 100	0.04 77	0.05 95	0.06 88	0.05 89	0.13 111	0.12 114	0.06 94	0.05 97	0.03 44	0.04 79

GwcNet	0.12 98	0.07 58	0.05 57	0.08 49	0.05 99	0.08 106	1.20 461	0.07 105	0.05 98	0.05 91	0.05 100	0.08 108	0.05 95	0.08 108	0.03 49	0.07 61	0.05 56	0.06 94	0.05 97	0.07 107	0.05 98

FADNet-RVC	0.13 105	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.05 95	0.04 72	1.71 540	0.04 44	0.04 45	0.04 73	0.04 78	0.07 107	0.04 79

ADCP+	0.15 124	0.04 37	0.04 43	2.20 498	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.04 84	0.08 108	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

AASNet	0.06 45	0.08 59	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 110	0.06 96	0.06 111	0.05 91	0.06 111	0.06 88	0.05 89	0.08 63	0.08 62	0.08 104	0.05 97	0.06 96	0.05 98

SACVNet	0.06 45	0.08 59	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 110	0.06 96	0.06 111	0.05 91	0.06 111	0.06 88	0.05 89	0.08 63	0.08 62	0.08 104	0.05 97	0.06 96	0.05 98

AACVNet	0.06 45	0.08 59	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 110	0.06 96	0.06 111	0.05 91	0.06 111	0.06 88	0.05 89	0.08 63	0.08 62	0.08 104	0.05 97	0.06 96	0.05 98

MatchStereo	0.54 313	0.12 83	2.38 563	2.32 506	0.09 117	0.09 112	0.08 115	0.09 112	0.07 113	0.09 112	0.07 114	0.09 114	0.07 115	0.09 112	0.08 106	2.34 540	2.34 558	0.12 124	0.11 132	0.11 125	0.10 118

FINET	0.07 50	0.08 59	0.07 58	0.07 47	0.07 113	0.08 106	0.06 110	0.08 108	0.07 113	0.08 107	0.07 114	0.08 108	0.06 111	0.07 105	0.07 104	0.08 63	0.07 59	0.07 100	0.07 107	0.06 96	0.06 106

BEATNet-Init1	0.19 142	0.08 59	0.08 60	2.23 500	0.08 115	0.08 106	0.07 113	0.07 105	0.08 117	0.08 107	0.07 114	0.08 108	0.07 115	0.11 127	0.08 106	0.08 63	0.08 62	0.08 104	0.07 107	0.08 111	0.08 110

DeepPrunerF	0.19 142	0.08 59	0.08 60	2.23 500	0.08 115	0.08 106	0.07 113	0.07 105	0.08 117	0.08 107	0.07 114	0.08 108	0.07 115	0.11 127	0.08 106	0.08 63	0.08 62	0.08 104	0.07 107	0.08 111	0.08 110

SepStereo	0.09 55	0.09 67	0.10 71	0.09 56	0.09 117	0.09 112	0.09 116	0.10 113	0.08 117	0.10 114	0.09 118	0.09 114	0.09 119	0.09 112	0.08 106	0.09 70	0.08 62	0.09 109	0.08 111	0.09 114	0.08 110

SuperB	0.21 151	0.10 70	2.51 565	0.12 86	0.09 117	0.10 114	0.09 116	0.08 108	0.07 113	0.10 114	0.09 118	0.09 114	0.07 115	0.07 105	0.07 104	0.07 61	0.08 62	0.07 100	0.07 107	0.08 111	0.07 109

PASM	0.39 246	3.06 507	1.36 502	1.58 473	0.09 117	0.11 125	0.11 134	0.11 125	0.11 136	0.09 112	0.09 118	0.11 127	0.09 119	0.09 112	0.09 111	0.11 90	0.11 100	0.11 121	0.09 113	0.11 125	0.11 131

DRN-Test	0.14 112	0.13 85	0.09 67	0.14 102	0.09 117	0.15 137	0.09 116	0.14 131	0.10 121	0.14 130	0.09 118	0.14 132	0.09 119	0.13 132	0.09 111	0.12 96	0.09 72	0.12 124	0.09 113	0.12 131	0.73 405

S2M2_L	0.12 98	0.14 91	0.10 71	0.15 112	0.10 124	0.14 130	0.10 121	0.14 131	0.10 121	0.15 136	0.10 122	0.14 132	0.10 123	0.14 133	0.10 117	0.13 111	0.10 77	0.13 128	0.09 113	0.13 133	0.09 113
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
CAS++	0.17 135	0.27 135	0.21 173	0.10 61	0.21 209	0.15 137	0.22 198	0.10 113	0.21 198	0.22 174	0.10 122	0.19 158	0.18 188	0.10 116	0.19 186	0.20 159	0.19 176	0.18 163	0.10 120	0.19 162	0.18 178
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
AnonymousM	0.10 68	0.10 70	0.10 71	0.10 61	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 117	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

LRCNet_RVC	0.13 105	0.13 85	0.09 67	0.13 98	0.10 124	0.14 130	0.10 121	0.14 131	0.10 121	0.23 178	0.10 122	0.20 161	0.10 123	0.24 185	0.11 129	0.11 90	0.09 72	0.12 124	0.14 161	0.12 131	0.09 113

PVD	0.10 68	0.10 70	0.10 71	0.10 61	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 117	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

SHD	0.10 68	0.10 70	0.10 71	0.10 61	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 117	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

SAMSARA	0.10 68	0.10 70	0.10 71	0.10 61	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 117	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

XQC	0.10 68	0.10 70	0.10 71	0.10 61	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 117	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

RTSC	0.10 68	0.10 70	0.10 71	0.10 61	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 117	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

RTS	0.10 68	0.10 70	0.10 71	0.10 61	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 117	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

RTSA	0.10 68	0.10 70	0.10 71	0.10 61	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 117	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

MADNet+	0.10 68	0.10 70	0.10 71	0.10 61	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 117	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

MADNet++	0.10 68	0.10 70	0.10 71	0.10 61	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 117	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

StereoDRNet	0.15 124	0.14 91	0.10 71	0.14 102	0.09 117	0.15 137	0.09 116	0.14 131	0.09 120	0.14 130	0.10 122	0.14 132	0.09 119	0.14 133	0.09 111	0.13 111	0.10 77	0.13 128	0.09 113	0.13 133	0.82 421

S2M2_XL	0.14 112	0.17 97	0.12 102	0.17 129	0.11 140	0.17 150	0.11 134	0.17 149	0.11 136	0.17 147	0.11 136	0.17 150	0.11 135	0.17 149	0.11 129	0.16 135	0.11 100	0.16 145	0.11 132	0.16 146	0.11 131
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
JetRed	0.11 89	0.12 83	0.11 91	0.11 78	0.11 140	0.11 125	0.14 152	0.11 125	0.11 136	0.12 128	0.11 136	0.11 127	0.11 135	0.11 127	0.11 129	0.11 90	0.16 147	0.11 121	0.11 132	0.11 125	0.11 131

JetBlue	0.11 89	0.11 81	0.12 102	0.13 98	0.14 158	0.11 125	0.11 134	0.11 125	0.11 136	0.11 126	0.11 136	0.11 127	0.11 135	0.12 131	0.12 141	0.11 90	0.11 100	0.11 121	0.11 132	0.11 125	0.11 131

IPLG	0.13 105	0.20 105	0.14 126	0.15 112	0.11 140	0.14 130	0.11 134	0.14 131	0.11 136	0.14 130	0.11 136	0.14 132	0.11 135	0.14 133	0.11 129	0.15 125	0.12 114	0.14 130	0.11 132	0.14 135	0.11 131

MIPNet	0.14 112	0.21 112	0.17 153	0.16 121	0.11 140	0.15 137	0.12 147	0.14 131	0.11 136	0.16 141	0.11 136	0.14 132	0.11 135	0.14 133	0.11 129	0.14 118	0.12 114	0.14 130	0.11 132	0.14 135	0.11 131

ICVP	0.15 124	0.53 230	0.11 91	0.16 121	0.11 140	0.16 144	0.11 134	0.16 144	0.11 136	0.16 141	0.11 136	0.16 143	0.11 135	0.16 143	0.11 129	0.16 135	0.11 100	0.16 145	0.11 132	0.16 146	0.11 131
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
UNet	0.29 182	0.90 278	0.10 71	0.14 102	0.10 124	0.14 130	0.10 121	0.91 395	0.69 402	0.14 130	0.11 136	0.14 132	0.11 135	0.14 133	0.10 117	0.12 96	0.09 72	0.12 124	0.09 113	0.88 386	0.76 412

ELAS	0.13 105	0.16 93	0.11 91	0.15 112	0.09 117	0.18 154	0.11 134	0.18 152	0.11 136	0.17 147	0.11 136	0.18 154	0.11 135	0.18 152	0.11 129	0.14 118	0.08 62	0.14 130	0.08 111	0.14 135	0.09 113
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ProNet	0.14 112	0.20 105	0.14 126	0.16 121	0.11 140	0.16 144	0.11 134	0.17 149	0.11 136	0.17 147	0.12 144	0.17 150	0.13 154	0.17 149	0.12 141	0.15 125	0.11 100	0.16 145	0.11 132	0.15 142	0.12 144

CIPLG	0.13 105	0.21 112	0.12 102	0.16 121	0.11 140	0.15 137	0.11 134	0.14 131	0.11 136	0.15 136	0.12 144	0.15 142	0.11 135	0.14 133	0.11 129	0.15 125	0.12 114	0.14 130	0.11 132	0.14 135	0.11 131

IPLGR_C	0.14 112	0.20 105	0.12 102	0.15 112	0.11 140	0.14 130	0.15 157	0.14 131	0.11 136	0.15 136	0.12 144	0.14 132	0.11 135	0.16 143	0.11 129	0.15 125	0.12 114	0.14 130	0.12 147	0.15 142	0.12 144

IPLGR	0.14 112	0.24 125	0.14 126	0.16 121	0.12 153	0.15 137	0.12 147	0.14 131	0.11 136	0.15 136	0.12 144	0.14 132	0.11 135	0.14 133	0.11 129	0.15 125	0.12 114	0.14 130	0.11 132	0.14 135	0.11 131

ACRE	0.13 105	0.21 112	0.14 126	0.15 112	0.11 140	0.14 130	0.11 134	0.14 131	0.11 136	0.14 130	0.12 144	0.14 132	0.11 135	0.14 133	0.11 129	0.15 125	0.12 114	0.14 130	0.11 132	0.14 135	0.11 131

aanetorigin	0.13 105	0.11 81	0.11 91	0.11 78	0.11 140	0.11 125	0.11 134	0.11 125	0.11 136	0.11 126	0.12 144	0.11 127	0.11 135	0.11 127	0.11 129	0.11 90	0.11 100	0.14 130	0.11 132	0.49 325	0.11 131

cf-r	0.66 335	2.17 453	0.12 102	0.18 131	0.12 153	0.18 154	2.70 573	2.60 547	0.12 152	0.18 151	0.12 144	0.18 154	0.12 149	0.18 152	0.12 141	0.15 125	0.11 100	0.15 142	0.11 132	1.81 507	1.74 548

HSM	0.14 112	0.16 93	0.12 102	0.17 129	0.12 153	0.17 150	0.11 134	0.17 149	0.11 136	0.17 147	0.12 144	0.17 150	0.12 149	0.17 149	0.12 141	0.16 135	0.11 100	0.16 145	0.11 132	0.16 146	0.12 144

PDISCO_ROB	0.83 381	2.80 502	3.49 584	0.14 102	0.11 140	0.17 150	0.09 116	0.15 143	0.10 121	0.15 136	0.12 144	0.16 143	0.14 158	3.30 567	0.13 147	0.14 118	2.34 558	0.16 145	0.12 147	2.62 548	0.10 118

LALA_ROB	0.15 124	0.19 101	0.12 102	0.18 131	0.11 140	0.20 162	0.12 147	0.21 169	0.12 152	0.20 159	0.12 144	0.20 161	0.12 149	0.21 171	0.13 147	0.17 143	0.10 77	0.18 163	0.11 132	0.18 156	0.11 131

ELAS_RVC	0.14 112	0.16 93	0.10 71	0.15 112	0.10 124	0.18 154	0.11 134	0.19 154	0.11 136	0.19 153	0.12 144	0.18 154	0.11 135	0.19 155	0.12 141	0.14 118	0.08 62	0.14 130	0.09 113	0.15 142	0.09 113
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 124	0.17 97	0.11 91	0.18 131	0.11 140	0.19 157	0.11 134	0.19 154	0.12 152	0.19 153	0.12 144	0.20 161	0.12 149	0.19 155	0.12 141	0.16 135	0.11 100	0.17 153	0.10 120	0.17 152	0.10 118
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DDVS	0.30 183	3.10 508	0.14 126	0.19 134	0.14 158	0.19 157	0.14 152	0.20 160	0.14 157	0.19 153	0.13 156	0.16 143	0.13 154	0.19 155	0.13 147	0.17 143	0.13 137	0.17 153	0.13 155	0.17 152	0.13 150

ITSA-stereo	0.15 124	0.17 97	0.13 121	0.20 137	0.13 156	0.19 157	0.13 150	0.18 152	0.13 155	0.19 153	0.13 156	0.18 154	0.14 158	0.18 152	0.14 151	0.16 135	0.11 100	0.15 142	0.14 161	0.18 156	0.11 131

ACVNet	0.20 144	0.19 101	0.14 126	0.20 137	0.14 158	0.20 162	0.96 439	0.21 169	0.14 157	0.20 159	0.13 156	0.21 169	0.14 158	0.20 159	0.14 151	0.17 143	0.12 114	0.17 153	0.12 147	0.17 152	0.12 144

acv_ft	0.20 144	0.19 101	0.14 126	0.20 137	0.14 158	0.20 162	0.96 439	0.21 169	0.14 157	0.20 159	0.13 156	0.21 169	0.14 158	0.20 159	0.14 151	0.17 143	0.12 114	0.17 153	0.12 147	0.17 152	0.12 144

DeepPruner_ROB	0.16 131	0.18 100	0.13 121	0.19 134	0.13 156	0.19 157	0.13 150	0.19 154	0.13 155	0.19 153	0.13 156	0.19 158	0.13 154	0.19 155	0.13 147	0.18 151	0.13 137	0.18 163	0.13 155	0.18 156	0.13 150

castereo++	0.54 313	3.59 519	1.15 430	1.31 459	0.14 158	0.16 144	0.14 152	0.16 144	0.14 157	0.16 141	0.14 161	0.16 143	0.13 154	0.16 143	0.14 151	1.45 492	1.16 436	0.15 142	0.14 161	0.15 142	0.13 150

GMStereo	0.14 112	0.13 85	0.14 126	0.14 102	0.14 158	0.14 130	0.14 152	0.14 131	0.14 157	0.14 130	0.14 161	0.14 132	0.14 158	0.14 133	0.14 151	0.14 118	0.14 141	0.14 130	0.14 161	0.14 135	0.14 155
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.22 155	0.13 85	0.19 164	0.23 154	0.10 124	0.26 203	1.02 447	0.14 131	0.10 121	0.28 204	0.14 161	0.17 150	0.19 193	0.28 211	0.09 111	0.22 168	0.16 147	0.23 188	0.17 191	0.11 125	0.12 144

hitnet-ft	0.79 364	2.78 501	0.14 126	0.20 137	0.14 158	0.21 174	2.89 574	2.80 561	0.14 157	0.20 159	0.14 161	0.20 161	0.14 158	0.20 159	0.14 151	0.17 143	0.12 114	0.17 153	0.12 147	2.54 547	2.33 565

GANet-RSSM	0.75 355	1.91 435	0.14 126	0.47 267	0.14 158	0.21 174	3.21 590	2.30 533	0.14 157	0.46 303	0.14 161	0.23 184	0.18 188	0.21 171	0.14 151	0.18 151	0.27 205	0.37 266	0.13 155	2.13 517	2.12 558

PSMNet-RSSM	0.77 360	2.76 496	0.14 126	0.20 137	0.14 158	0.20 162	2.66 571	2.79 560	0.14 157	0.21 172	0.14 161	0.21 169	0.14 158	0.20 159	0.14 151	0.17 143	0.12 114	0.17 153	0.12 147	2.52 539	2.31 563

GwcNet-RSSM	0.77 360	2.77 498	0.14 126	0.20 137	0.14 158	0.20 162	2.67 572	2.78 559	0.14 157	0.20 159	0.14 161	0.20 161	0.14 158	0.21 171	0.14 151	0.17 143	0.12 114	0.17 153	0.12 147	2.52 539	2.31 563

CFNet-ft	0.55 318	1.57 410	0.14 126	0.20 137	0.14 158	0.20 162	2.53 569	1.61 501	0.14 157	0.20 159	0.14 161	0.20 161	0.14 158	0.20 159	0.14 151	0.17 143	0.12 114	0.17 153	0.12 147	1.56 495	1.24 511

RSGM-EC	0.24 163	0.24 125	0.15 142	0.22 150	0.15 169	0.22 176	0.15 157	0.22 174	0.15 167	0.24 185	0.15 169	0.22 178	0.15 168	0.22 175	1.19 461	0.20 159	0.17 167	0.24 196	0.14 161	0.20 164	0.14 155

acva	0.24 163	0.24 125	0.15 142	0.22 150	0.15 169	0.22 176	0.15 157	0.22 174	0.15 167	0.24 185	0.15 169	0.22 178	0.15 168	0.22 175	1.19 461	0.20 159	0.17 167	0.24 196	0.14 161	0.20 164	0.14 155

dd	0.23 161	0.98 294	0.16 145	0.23 154	0.15 169	0.23 184	0.15 157	0.23 180	0.15 167	0.23 178	0.15 169	0.24 190	0.17 179	0.23 181	0.15 161	0.22 168	0.15 144	0.21 175	0.15 167	0.22 173	0.16 160

xyz-stereo-finetune2	0.18 138	0.48 210	0.16 145	0.16 121	0.15 169	0.15 137	0.16 162	0.16 144	0.16 171	0.16 141	0.16 172	0.16 143	0.16 170	0.16 143	0.16 167	0.16 135	0.16 147	0.16 145	0.16 171	0.16 146	0.16 160

xyz-stereo	0.18 138	0.50 216	0.16 145	0.15 112	0.16 178	0.16 144	0.16 162	0.16 144	0.16 171	0.16 141	0.16 172	0.16 143	0.16 170	0.16 143	0.16 167	0.16 135	0.16 147	0.16 145	0.16 171	0.16 146	0.16 160

castereo	0.61 325	3.79 527	1.35 494	1.52 472	0.15 169	0.17 150	0.16 162	0.20 160	0.21 198	0.18 151	0.16 172	0.21 169	0.12 149	0.26 203	0.17 172	1.43 491	1.38 506	0.17 153	0.16 171	0.18 156	0.16 160

GCAPDPT-zeroshot4090	0.18 138	0.20 105	0.16 145	0.20 137	0.16 178	0.20 162	0.16 162	0.21 169	0.16 171	0.20 159	0.16 172	0.21 169	0.17 179	0.20 159	0.16 167	0.19 155	0.15 144	0.19 166	0.15 167	0.19 162	0.15 158

GMStereo_Zeroshot	0.16 131	0.16 93	0.16 145	0.16 121	0.16 178	0.16 144	0.16 162	0.16 144	0.16 171	0.16 141	0.16 172	0.16 143	0.16 170	0.16 143	0.16 167	0.16 135	0.16 147	0.16 145	0.16 171	0.16 146	0.16 160

dad	0.23 161	1.03 317	0.16 145	0.23 154	0.15 169	0.24 187	0.15 157	0.24 183	0.16 171	0.23 178	0.16 172	0.24 190	0.16 170	0.23 181	0.15 161	0.22 168	0.16 147	0.22 180	0.16 171	0.22 173	0.16 160

BStereo	0.22 155	0.23 117	0.20 167	0.24 159	0.20 200	0.23 184	0.33 273	0.39 246	0.17 180	0.23 178	0.17 178	0.23 184	0.16 170	0.24 185	0.17 172	0.23 179	0.16 147	0.22 180	0.20 198	0.22 173	0.16 160

Wave_Phase_stereo	0.22 155	0.23 117	0.20 167	0.24 159	0.20 200	0.23 184	0.33 273	0.39 246	0.17 180	0.23 178	0.17 178	0.23 184	0.16 170	0.24 185	0.17 172	0.23 179	0.16 147	0.22 180	0.20 198	0.22 173	0.16 160

RAFT-FEzeroshot	0.34 205	0.26 132	0.17 153	0.21 148	0.17 183	0.20 162	0.16 162	0.20 160	0.16 171	0.20 159	0.17 178	0.21 169	0.16 170	0.27 207	0.24 205	0.19 155	0.16 147	0.19 166	0.16 171	0.26 190	3.08 581

RAFT-FE	0.34 205	0.26 132	0.17 153	0.21 148	0.17 183	0.20 162	0.16 162	0.20 160	0.16 171	0.20 159	0.17 178	0.21 169	0.16 170	0.27 207	0.24 205	0.19 155	0.16 147	0.19 166	0.16 171	0.26 190	3.08 581

IGEV-FE	0.35 214	0.37 155	0.17 153	0.19 134	0.17 183	0.20 162	0.17 171	0.19 154	0.17 180	0.19 153	0.17 178	0.19 158	0.17 179	0.37 245	0.36 290	0.19 155	0.17 167	0.19 166	0.17 191	0.38 259	2.84 572

tg	0.21 151	0.25 131	0.21 173	0.26 173	0.17 183	0.24 187	0.17 171	0.24 183	0.17 180	0.24 185	0.17 178	0.24 190	0.17 179	0.24 185	0.17 172	0.24 186	0.17 167	0.23 188	0.16 171	0.23 184	0.16 160

ACV-stereo	0.30 183	2.08 445	0.25 188	0.25 166	0.18 193	0.24 187	0.17 171	0.24 183	0.18 185	0.24 185	0.17 178	0.25 196	0.17 179	0.24 185	0.17 172	0.22 168	0.16 147	0.22 180	0.16 171	0.22 173	0.16 160

IGEV_Zeroshot_test	0.20 144	0.19 101	0.40 274	0.30 179	0.17 183	0.22 176	0.17 171	0.21 169	0.17 180	0.20 159	0.17 178	0.21 169	0.18 188	0.21 171	0.17 172	0.20 159	0.16 147	0.20 172	0.16 171	0.20 164	0.17 174

MSKI-zero shot	0.24 163	0.21 112	0.49 320	0.65 323	0.18 193	0.22 176	0.17 171	0.23 180	0.18 185	0.21 172	0.17 178	0.23 184	0.28 241	0.23 181	0.18 183	0.21 166	0.16 147	0.21 175	0.16 171	0.21 171	0.16 160

MIM_Stereo	0.25 167	0.23 117	0.66 360	0.80 343	0.17 183	0.22 176	0.17 171	0.23 180	0.18 185	0.26 200	0.17 178	0.21 169	0.17 179	0.25 193	0.17 172	0.23 179	0.16 147	0.21 175	0.17 191	0.22 173	0.17 174

MMNet	0.44 274	1.24 394	0.17 153	0.25 166	0.17 183	0.25 195	0.18 178	1.26 485	0.93 440	0.25 192	0.17 178	0.25 196	0.18 188	0.25 193	0.17 172	0.23 179	0.16 147	0.23 188	0.16 171	1.20 434	0.99 435

delet	0.43 269	1.21 386	0.17 153	0.25 166	0.17 183	0.25 195	0.18 178	1.26 485	0.95 442	0.25 192	0.17 178	0.25 196	0.17 179	0.25 193	0.17 172	0.23 179	0.16 147	0.22 180	0.16 171	1.18 430	0.98 434

psm_up	0.43 269	1.19 339	0.17 153	0.25 166	0.18 193	0.25 195	0.19 182	1.26 485	0.91 435	0.26 200	0.17 178	0.25 196	0.17 179	0.25 193	0.17 172	0.22 168	0.17 167	0.23 188	0.16 171	1.18 430	0.99 435

UPFNet	0.42 268	1.20 340	0.17 153	0.24 159	0.17 183	0.25 195	0.17 171	1.19 433	0.90 434	0.25 192	0.17 178	0.24 190	0.17 179	0.25 193	0.17 172	0.22 168	0.17 167	0.22 180	0.16 171	1.15 422	0.93 430

iResNet	0.20 144	0.23 117	0.18 162	0.24 159	0.18 193	0.24 187	0.20 186	0.24 183	0.18 185	0.23 178	0.17 178	0.23 184	0.18 188	0.23 181	0.18 183	0.22 168	0.16 147	0.21 175	0.16 171	0.21 171	0.16 160

VIP-Stereo	0.70 344	2.97 506	2.43 564	2.49 513	0.16 178	0.25 195	0.16 162	0.25 190	0.16 171	0.25 192	0.18 193	0.25 196	0.16 170	0.26 203	0.16 167	1.86 507	1.26 489	0.23 188	0.15 167	0.23 184	0.15 158

iResNetv2_ROB	0.20 144	0.23 117	0.18 162	0.24 159	0.20 200	0.24 187	0.18 178	0.24 183	0.18 185	0.24 185	0.18 193	0.23 184	0.19 193	0.24 185	0.18 183	0.21 166	0.16 147	0.21 175	0.16 171	0.22 173	0.16 160

DEFOM-Stereo_RVC	0.83 381	5.18 553	1.98 552	2.19 497	0.17 183	0.19 157	0.18 178	0.19 154	0.16 171	0.20 159	0.19 195	0.22 178	0.22 205	0.20 159	0.15 161	2.28 534	2.13 553	0.24 196	0.17 191	0.18 156	0.16 160

Pointernet	0.21 151	0.22 116	0.19 164	0.24 159	0.19 197	0.24 187	0.19 182	0.24 183	0.19 191	0.24 185	0.19 195	0.24 190	0.19 193	0.24 185	0.19 186	0.22 168	0.17 167	0.22 180	0.17 191	0.22 173	0.17 174

CFNet	1.37 489	5.27 556	0.19 164	5.49 584	0.19 197	0.28 208	0.19 182	0.28 199	0.19 191	0.28 204	0.19 195	0.28 209	4.35 595	0.28 211	0.19 186	0.23 179	0.17 167	0.23 188	4.21 604	4.81 581	0.17 174

AANet_RVC	1.26 484	0.31 144	4.99 595	5.93 587	0.20 200	0.25 195	0.20 186	0.25 190	0.20 193	0.23 178	0.19 195	0.25 196	0.20 197	0.25 193	0.20 190	5.66 596	4.76 589	0.26 204	0.30 269	0.24 186	0.27 217

DLNR-FE	0.28 177	0.89 275	0.30 207	0.34 196	0.19 197	0.28 208	0.19 182	0.28 199	0.20 193	0.28 204	0.20 199	0.28 209	0.20 197	0.28 211	0.20 190	0.33 221	0.28 212	0.25 199	0.19 197	0.24 186	0.19 180

test_for_model	0.24 163	0.24 125	0.46 297	0.45 260	0.21 209	0.24 187	0.20 186	0.24 183	0.20 193	0.24 185	0.20 199	0.24 190	0.20 197	0.24 185	0.19 186	0.26 194	0.25 194	0.19 166	0.15 167	0.20 164	0.19 180

ssnet_v2	0.68 340	1.96 442	1.25 490	0.29 178	0.20 200	0.30 212	0.20 186	0.29 204	0.22 201	1.50 503	0.20 199	0.31 223	0.20 197	0.27 207	0.22 196	0.24 186	1.49 513	0.26 204	0.18 196	3.90 558	0.19 180

DAS	0.20 144	0.20 105	0.20 167	0.20 137	0.20 200	0.20 162	0.20 186	0.20 160	0.20 193	0.20 159	0.20 199	0.20 161	0.20 197	0.20 159	0.20 190	0.20 159	0.20 178	0.20 172	0.20 198	0.20 164	0.20 183

GEStereo_RVC	0.86 393	4.45 543	0.20 167	0.27 176	0.20 200	0.27 207	0.20 186	0.26 195	0.18 185	5.03 597	0.20 199	0.27 208	0.19 193	0.27 207	0.21 194	0.20 159	0.19 176	0.19 166	4.02 602	0.20 164	0.18 178

ASD4	0.20 144	0.20 105	0.20 167	0.20 137	0.20 200	0.20 162	0.20 186	0.20 160	0.20 193	0.20 159	0.20 199	0.20 161	0.20 197	0.20 159	0.20 190	0.20 159	0.20 178	0.20 172	0.20 198	0.20 164	0.20 183

DISCO	1.11 431	0.39 165	5.28 597	0.39 214	0.20 200	0.39 257	0.27 224	0.39 246	0.22 201	0.38 241	0.20 199	0.38 250	0.20 197	6.95 608	0.22 196	0.30 208	0.21 182	0.27 208	0.21 202	5.25 590	0.21 186

HGLStereo	0.28 177	0.29 140	0.22 175	0.36 202	0.22 212	0.36 239	0.21 193	0.36 228	0.21 198	0.42 281	0.21 206	0.36 242	0.22 205	0.36 241	0.21 194	0.34 225	0.21 182	0.34 242	0.21 202	0.34 223	0.21 186

DCVSM-stereo	0.36 220	1.89 432	0.22 175	0.40 227	0.22 212	0.40 259	0.22 198	0.40 253	0.22 201	0.40 253	0.22 207	0.40 263	0.22 205	0.40 259	0.22 196	0.28 200	0.21 182	0.28 210	0.21 202	0.28 197	0.20 183

WAO-6	0.22 155	0.23 117	0.22 175	0.23 154	0.22 212	0.22 176	0.22 198	0.22 174	0.22 201	0.22 174	0.22 207	0.22 178	0.22 205	0.22 175	0.22 196	0.22 168	0.22 186	0.22 180	0.22 205	0.22 173	0.22 188

IMH-64-1	0.22 155	0.23 117	0.23 178	0.22 150	0.22 212	0.22 176	0.22 198	0.22 174	0.22 201	0.22 174	0.22 207	0.22 178	0.22 205	0.22 175	0.22 196	0.22 168	0.22 186	0.23 188	0.22 205	0.22 173	0.23 190

IMH-64	0.22 155	0.23 117	0.23 178	0.22 150	0.22 212	0.22 176	0.22 198	0.22 174	0.22 201	0.22 174	0.22 207	0.22 178	0.22 205	0.22 175	0.22 196	0.22 168	0.22 186	0.23 188	0.22 205	0.22 173	0.23 190

Select-FE	0.41 257	0.44 188	0.23 178	0.26 173	0.22 212	0.26 203	0.22 198	0.26 195	0.23 207	0.26 200	0.23 211	0.26 206	0.23 211	0.45 302	0.42 333	0.25 192	0.22 186	0.25 199	0.22 205	0.45 301	2.90 573

tt1	0.31 190	0.93 287	0.24 185	0.33 193	0.23 218	0.31 218	0.24 211	0.32 213	0.24 210	0.32 221	0.23 211	0.32 227	0.25 217	0.32 224	0.24 205	0.27 198	0.26 198	0.27 208	0.26 229	0.27 195	0.27 217

DLNR_Zeroshot_test	0.31 190	0.28 138	0.47 305	0.79 341	0.24 223	0.30 212	0.26 221	0.30 206	0.24 210	0.32 221	0.23 211	0.31 223	0.24 214	0.30 217	0.23 202	0.29 207	0.26 198	0.29 215	0.24 219	0.33 219	0.23 190

gwcnet-sp	0.82 377	1.72 416	1.48 512	0.39 214	0.15 169	0.31 218	0.21 193	0.20 160	0.25 215	1.61 507	0.23 211	0.28 209	0.26 226	0.20 159	0.15 161	0.24 186	1.33 497	0.32 226	0.16 171	6.75 597	0.23 190

scenet	0.82 377	1.72 416	1.48 512	0.39 214	0.15 169	0.31 218	0.21 193	0.20 160	0.25 215	1.61 507	0.23 211	0.28 209	0.26 226	0.20 159	0.15 161	0.24 186	1.33 497	0.32 226	0.16 171	6.75 597	0.23 190

ssnet	0.82 377	1.72 416	1.48 512	0.39 214	0.15 169	0.31 218	0.21 193	0.20 160	0.25 215	1.61 507	0.23 211	0.28 209	0.26 226	0.20 159	0.15 161	0.24 186	1.33 497	0.32 226	0.16 171	6.75 597	0.23 190

FENet	0.54 313	1.52 409	1.19 436	1.41 468	0.23 218	0.35 236	0.23 206	0.35 224	0.23 207	0.34 227	0.23 211	0.35 236	0.23 211	0.35 235	0.23 202	1.40 489	1.07 420	0.32 226	0.23 211	0.33 219	0.23 190

PAM	0.39 246	1.88 431	0.34 242	0.37 205	0.41 338	0.45 309	0.22 198	0.28 199	0.23 207	0.28 204	0.24 218	0.29 215	0.23 211	0.29 215	0.23 202	0.38 253	0.32 243	0.38 274	0.37 320	0.32 211	0.22 188

WCG-NET（raft）	0.32 199	1.24 394	0.24 185	0.32 189	0.24 223	0.32 227	0.23 206	0.32 213	0.24 210	0.32 221	0.24 218	0.32 227	0.24 214	0.32 224	0.24 205	0.30 208	0.23 191	0.30 217	0.23 211	0.30 203	0.23 190

xxxxx1	0.31 190	0.91 280	0.23 178	0.31 185	0.23 218	0.31 218	0.23 206	0.33 217	0.25 215	0.31 215	0.24 218	0.33 230	0.25 217	0.32 224	0.24 205	0.28 200	0.28 212	0.28 210	0.28 245	0.29 200	0.27 217

tt_ll	0.31 190	0.91 280	0.23 178	0.31 185	0.23 218	0.31 218	0.23 206	0.33 217	0.25 215	0.31 215	0.24 218	0.33 230	0.25 217	0.32 224	0.24 205	0.28 200	0.28 212	0.28 210	0.28 245	0.29 200	0.27 217

ff	0.31 190	0.91 280	0.23 178	0.31 185	0.23 218	0.31 218	0.23 206	0.33 217	0.25 215	0.31 215	0.24 218	0.33 230	0.25 217	0.32 224	0.24 205	0.28 200	0.28 212	0.28 210	0.28 245	0.29 200	0.27 217

iResNet_ROB	0.28 177	0.32 146	0.24 185	0.32 189	0.25 225	0.32 227	0.24 211	0.32 213	0.24 210	0.33 225	0.24 218	0.35 236	0.24 214	0.33 231	0.24 205	0.31 214	0.24 193	0.32 226	0.24 219	0.32 211	0.24 200

GCAP-BAT	0.33 203	0.78 256	0.32 226	0.38 208	0.25 225	0.34 231	0.25 213	0.34 220	0.26 228	0.34 227	0.25 224	0.35 236	0.26 226	0.35 235	0.27 219	0.36 238	0.30 233	0.32 226	0.24 219	0.32 211	0.26 207

UNDER WATER-64	0.25 167	0.26 132	0.25 188	0.26 173	0.25 225	0.25 195	0.25 213	0.25 190	0.25 215	0.25 192	0.25 224	0.25 196	0.25 217	0.26 203	0.25 213	0.25 192	0.25 194	0.25 199	0.25 223	0.25 188	0.25 201

LoS_RVC	0.30 183	1.14 330	0.25 188	0.25 166	0.25 225	0.26 203	0.25 213	0.25 190	0.25 215	0.25 192	0.25 224	0.26 206	0.26 226	0.26 203	0.25 213	0.26 194	0.26 198	0.25 199	0.25 223	0.26 190	0.26 207

CAS	0.30 183	1.17 336	0.25 188	0.25 166	0.25 225	0.26 203	0.25 213	0.25 190	0.26 228	0.25 192	0.25 224	0.25 196	0.25 217	0.25 193	0.25 213	0.26 194	0.26 198	0.26 204	0.25 223	0.26 190	0.25 201

LoS	0.25 167	0.27 135	0.25 188	0.25 166	0.25 225	0.25 195	0.25 213	0.26 195	0.25 215	0.25 192	0.25 224	0.25 196	0.25 217	0.25 193	0.25 213	0.26 194	0.25 194	0.25 199	0.26 229	0.26 190	0.25 201
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CroCo-Stereo	0.73 352	1.22 392	0.25 188	1.22 445	0.25 225	1.22 488	0.25 213	1.22 482	0.25 215	1.22 490	0.25 224	1.22 494	0.25 217	1.22 493	0.25 213	1.22 476	0.26 198	1.21 502	0.25 223	1.22 482	0.25 201
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
FE-Mocha	0.35 214	0.71 252	0.40 274	0.47 267	0.27 234	0.34 231	0.27 224	0.34 220	0.26 228	0.34 227	0.26 230	0.34 234	0.27 234	0.34 232	0.27 219	0.44 294	0.41 292	0.33 234	0.29 255	0.32 211	0.29 236

CroCo-Stereo Lap2	0.77 360	1.29 396	0.29 203	1.27 450	0.29 248	1.27 492	0.26 221	1.26 485	0.26 228	1.26 491	0.26 230	1.27 498	0.26 226	1.26 494	0.27 219	1.27 478	0.27 205	1.27 505	0.27 238	1.27 485	0.27 217

CRFU-Net	0.65 333	1.67 414	1.22 486	1.96 491	0.27 234	0.41 275	0.27 224	0.41 268	0.27 233	0.40 253	0.26 230	0.41 276	0.27 234	0.40 259	0.27 219	1.80 506	1.62 526	0.34 242	0.23 211	0.33 219	0.23 190

StereoDRNet-Refined	0.33 203	0.39 165	0.26 194	0.39 214	0.26 233	0.40 259	0.26 221	0.40 253	0.26 228	0.39 247	0.26 230	0.39 255	0.26 226	0.39 256	0.26 218	0.37 242	0.25 194	0.37 266	0.25 223	0.37 246	0.37 296
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
Monster-pub-mixall	0.44 274	0.56 238	0.60 347	0.38 208	0.27 234	0.37 244	0.27 224	0.37 234	0.29 242	0.38 241	0.27 234	0.38 250	0.29 248	0.85 397	0.27 219	1.46 493	0.26 198	0.34 242	0.26 229	0.36 242	0.53 359

model_zeroshot	0.27 176	0.20 105	0.27 195	0.33 193	0.21 209	0.37 244	0.22 198	0.37 234	0.24 210	0.26 200	0.27 234	0.33 230	0.21 204	0.25 193	0.27 219	0.32 216	0.20 178	0.34 242	0.23 211	0.25 188	0.26 207

Any-RAFT	0.32 199	0.36 153	0.27 195	0.36 202	0.27 234	0.36 239	0.27 224	0.36 228	0.27 233	0.36 235	0.27 234	0.36 242	0.27 234	0.36 241	0.28 229	0.36 238	0.28 212	0.36 263	0.28 245	0.36 242	0.28 231

IER	0.88 396	7.04 572	2.23 557	2.75 519	0.28 239	0.43 302	0.25 213	0.39 246	0.25 215	0.41 267	0.27 234	0.39 255	0.25 217	0.40 259	0.28 229	0.37 242	0.28 212	0.37 266	0.25 223	0.37 246	0.25 201

DGSMNet	0.34 205	0.41 177	0.27 195	0.41 239	0.28 239	0.41 275	0.28 232	0.41 268	0.27 233	0.41 267	0.27 234	0.42 294	0.27 234	0.41 274	0.28 229	0.40 270	0.29 224	0.40 293	0.28 245	0.40 277	0.27 217

MLCV	0.31 190	0.35 150	0.27 195	0.35 198	0.28 239	0.35 236	0.27 224	0.35 224	0.28 236	0.36 235	0.27 234	0.35 236	0.27 234	0.35 235	0.27 219	0.34 225	0.27 205	0.34 242	0.27 238	0.34 223	0.27 217

DN-CSS_ROB	0.31 190	0.35 150	0.28 199	0.35 198	0.28 239	0.34 231	0.27 224	0.34 220	0.25 215	0.35 232	0.27 234	0.36 242	0.26 226	0.34 232	0.28 229	0.35 234	0.28 212	0.34 242	0.28 245	0.34 223	0.27 217

Zero-FE251	0.36 220	0.40 167	0.28 199	0.41 239	0.28 239	0.41 275	0.28 232	0.41 268	0.28 236	0.41 267	0.28 241	0.41 276	0.28 241	0.42 287	0.30 246	0.37 242	0.26 198	0.37 266	0.27 238	0.45 301	0.56 370

LG-Stereo_L2	0.34 205	0.37 155	0.38 260	0.47 267	0.28 239	0.39 257	0.28 232	0.39 246	0.28 236	0.39 247	0.28 241	0.39 255	0.28 241	0.38 248	0.28 229	0.42 292	0.35 261	0.36 263	0.26 229	0.35 235	0.26 207

GIP-stereo	0.36 220	0.49 212	0.39 268	0.48 272	0.32 275	0.41 275	0.28 232	0.40 253	0.30 253	0.41 267	0.28 241	0.40 263	0.28 241	0.42 287	0.28 229	0.45 297	0.32 243	0.38 274	0.30 269	0.37 246	0.27 217

TorneroNet-64	0.45 277	0.27 135	0.30 207	0.58 309	0.27 234	0.70 380	0.30 246	0.28 199	0.73 417	0.73 384	0.28 241	0.71 383	0.66 386	0.75 385	0.27 219	0.27 198	0.29 224	0.37 266	0.75 423	0.28 197	0.30 249

SQANet	0.28 177	0.28 138	0.28 199	0.28 177	0.28 239	0.28 208	0.28 232	0.28 199	0.28 236	0.28 204	0.28 241	0.28 209	0.28 241	0.28 211	0.28 229	0.28 200	0.28 212	0.28 210	0.28 245	0.28 197	0.28 231

Monster-pub-eth3d	0.45 277	0.57 239	0.60 347	0.39 214	0.28 239	0.37 244	0.28 232	0.37 234	0.30 253	0.39 247	0.29 246	0.39 255	0.30 255	0.92 407	0.27 219	1.42 490	0.28 212	0.34 242	0.28 245	0.37 246	0.53 359

DEFOM-Stereo	0.68 340	3.11 509	1.40 508	1.63 481	0.25 225	0.31 218	0.25 213	0.31 211	0.28 236	0.31 215	0.29 246	0.29 215	0.27 234	0.31 221	0.28 229	1.59 499	1.47 512	0.30 217	0.29 255	0.30 203	0.28 231

RSM	0.36 220	0.36 153	0.43 289	0.37 205	0.42 348	0.49 330	0.42 338	0.37 234	0.28 236	0.36 235	0.29 246	0.36 242	0.30 255	0.37 245	0.28 229	0.34 225	0.31 239	0.34 242	0.35 311	0.40 277	0.29 236

IGEV++	0.34 205	0.43 185	0.30 207	0.40 227	0.29 248	0.40 259	0.29 241	0.40 253	0.29 242	0.40 253	0.29 246	0.40 263	0.29 248	0.40 259	0.30 246	0.38 253	0.29 224	0.37 266	0.29 255	0.37 246	0.29 236

ACVNet-DCA	0.37 228	1.00 303	0.30 207	0.40 227	0.29 248	0.40 259	0.29 241	0.40 253	0.29 242	0.40 253	0.29 246	0.40 263	0.29 248	0.39 256	0.28 229	0.33 221	0.32 243	0.33 234	0.32 287	0.33 219	0.32 265

xx1	0.38 234	1.03 317	0.31 220	0.40 227	0.31 271	0.41 275	0.28 232	0.40 253	0.29 242	0.40 253	0.29 246	0.40 263	0.29 248	0.40 259	0.29 239	0.34 225	0.33 255	0.34 242	0.32 287	0.34 223	0.32 265

1test111	0.37 228	1.02 315	0.30 207	0.39 214	0.29 248	0.40 259	0.28 232	0.39 246	0.29 242	0.39 247	0.29 246	0.39 255	0.28 241	0.40 259	0.29 239	0.33 221	0.32 243	0.33 234	0.31 280	0.32 211	0.31 258

cc1	0.37 228	1.02 315	0.30 207	0.39 214	0.29 248	0.40 259	0.28 232	0.39 246	0.29 242	0.39 247	0.29 246	0.39 255	0.28 241	0.40 259	0.29 239	0.33 221	0.32 243	0.33 234	0.31 280	0.32 211	0.31 258

IGEV-Stereo	0.35 214	0.44 188	0.45 293	0.49 278	0.30 258	0.37 244	0.30 246	0.36 228	0.30 253	0.36 235	0.29 246	0.36 242	0.29 248	0.36 241	0.30 246	0.46 302	0.39 280	0.32 226	0.24 219	0.32 211	0.25 201
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
PML	0.46 283	1.36 402	0.29 203	0.58 309	0.30 258	0.57 367	0.29 241	0.57 354	0.29 242	0.57 363	0.29 246	0.57 367	0.29 248	0.56 357	0.29 239	0.52 328	0.30 233	0.53 369	0.31 280	0.53 342	0.30 249

HCRNet	1.22 482	7.11 573	3.00 568	3.55 550	0.33 287	0.29 211	0.14 152	0.19 154	0.15 167	0.33 225	0.29 246	0.25 196	0.14 158	0.22 175	0.33 269	3.64 566	3.00 563	0.76 395	0.32 287	0.18 156	0.13 150

UCFNet_RVC	2.75 563	10.06 594	0.29 203	10.31 611	0.29 248	0.42 295	0.29 241	0.43 292	0.29 242	0.42 281	0.29 246	0.42 294	9.87 612	0.43 293	0.29 239	0.36 238	9.84 612	0.36 263	0.26 229	9.77 611	0.26 207

HiDET	0.38 234	0.44 188	0.30 207	0.42 249	0.30 258	0.42 295	0.30 246	0.42 286	0.30 253	0.44 294	0.30 258	0.42 294	0.30 255	0.42 287	0.68 391	0.37 242	0.32 243	0.40 293	0.29 255	0.37 246	0.29 236

LCMNet	0.38 234	0.44 188	0.30 207	0.42 249	0.30 258	0.42 295	0.30 246	0.42 286	0.30 253	0.45 297	0.30 258	0.42 294	0.30 255	0.42 287	0.69 399	0.37 242	0.32 243	0.40 293	0.29 255	0.37 246	0.29 236

CSFM-Stereo	0.38 234	0.44 188	0.30 207	0.42 249	0.30 258	0.42 295	0.30 246	0.43 292	0.30 253	0.44 294	0.30 258	0.42 294	0.30 255	0.42 287	0.73 409	0.37 242	0.32 243	0.40 293	0.29 255	0.37 246	0.30 249

MultiAttention	0.30 183	0.30 141	0.30 207	0.30 179	0.30 258	0.30 212	0.30 246	0.30 206	0.30 253	0.30 210	0.30 258	0.30 219	0.30 255	0.30 217	0.30 246	0.30 208	0.30 233	0.30 217	0.30 269	0.30 203	0.30 249

MSAF-DinoV2	0.30 183	0.30 141	0.30 207	0.30 179	0.30 258	0.30 212	0.30 246	0.30 206	0.30 253	0.30 210	0.30 258	0.30 219	0.30 255	0.30 217	0.30 246	0.30 208	0.30 233	0.30 217	0.30 269	0.30 203	0.30 249

testlalala	0.49 300	2.86 504	0.39 268	0.49 278	0.30 258	0.43 302	0.30 246	0.43 292	0.30 253	0.43 287	0.30 258	0.43 301	0.30 255	0.43 293	0.30 246	0.45 297	0.36 264	0.38 274	0.26 229	0.38 259	0.26 207

GCAPDPT-zeroshot	0.36 220	0.40 167	0.30 207	0.43 255	0.30 258	0.43 302	0.30 246	0.43 292	0.31 267	0.43 287	0.30 258	0.43 301	0.30 255	0.44 298	0.31 255	0.39 265	0.28 212	0.39 287	0.27 238	0.39 270	0.26 207

iRaft-Stereo_20w	0.34 205	0.41 177	0.31 220	0.39 214	0.29 248	0.40 259	0.32 262	0.41 268	0.32 273	0.38 241	0.30 258	0.39 255	0.30 255	0.38 248	0.32 259	0.35 234	0.27 205	0.34 242	0.27 238	0.34 223	0.29 236

RAFT + AFF	0.31 190	0.45 196	0.34 242	0.39 214	0.28 239	0.38 251	0.33 273	0.29 204	0.31 267	0.30 210	0.30 258	0.29 215	0.27 234	0.29 215	0.30 246	0.28 200	0.29 224	0.29 215	0.29 255	0.27 195	0.32 265

DANet	0.30 183	0.30 141	0.30 207	0.30 179	0.30 258	0.30 212	0.30 246	0.30 206	0.30 253	0.30 210	0.30 258	0.30 219	0.30 255	0.30 217	0.30 246	0.30 208	0.30 233	0.30 217	0.30 269	0.30 203	0.30 249
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
gcap_with_dpt	0.36 220	0.40 167	0.31 220	0.44 257	0.31 271	0.44 307	0.31 259	0.43 292	0.30 253	0.44 294	0.31 268	0.44 304	0.31 272	0.43 293	0.31 255	0.38 253	0.27 205	0.38 274	0.27 238	0.38 259	0.27 217

DStereoFS	0.32 199	0.33 148	0.32 226	0.33 193	0.30 258	0.32 227	0.32 262	0.32 213	0.31 267	0.30 210	0.31 268	0.31 223	0.30 255	0.32 224	0.32 259	0.32 216	0.31 239	0.30 217	0.47 364	0.32 211	0.34 278

DStereoO	0.31 190	0.31 144	0.31 220	0.30 179	0.40 329	0.31 218	0.30 246	0.30 206	0.34 289	0.29 209	0.31 268	0.29 215	0.30 255	0.31 221	0.31 255	0.31 214	0.29 224	0.31 223	0.30 269	0.31 208	0.31 258

DStereoSA	0.32 199	0.52 226	0.34 242	0.31 185	0.31 271	0.30 212	0.30 246	0.31 211	0.30 253	0.31 215	0.31 268	0.31 223	0.30 255	0.31 221	0.31 255	0.30 208	0.32 243	0.31 223	0.31 280	0.31 208	0.31 258

MonSter++	0.38 234	0.44 188	0.31 220	0.43 255	0.30 258	0.43 302	0.31 259	0.43 292	0.31 267	0.45 297	0.31 268	0.43 301	0.31 272	0.43 293	0.69 399	0.38 253	0.33 255	0.40 293	0.30 269	0.38 259	0.30 249

Replicate-Monster	0.45 277	0.57 239	0.60 347	0.40 227	0.29 248	0.37 244	0.27 224	0.37 234	0.30 253	0.40 253	0.31 268	0.40 263	0.30 255	0.99 415	0.27 219	1.36 486	0.31 239	0.34 242	0.30 269	0.36 242	0.54 362

xyz-stereo-finetune	0.28 177	0.49 212	0.16 145	0.16 121	0.16 178	0.16 144	0.16 162	0.22 174	0.30 253	0.32 221	0.31 268	0.32 227	0.31 272	0.32 224	0.32 259	0.32 216	0.33 255	0.31 223	0.32 287	0.31 208	0.32 265

EKT-Stereo	0.37 228	0.40 167	0.44 291	1.07 381	0.29 248	0.34 231	0.31 259	0.36 228	0.29 242	0.38 241	0.31 268	0.37 248	0.30 255	0.36 241	0.29 239	0.34 225	0.28 212	0.39 287	0.30 269	0.37 246	0.30 249

DDF-Stereo	0.43 269	1.15 333	0.57 343	0.53 297	0.32 275	0.41 275	0.32 262	0.41 268	0.32 273	0.41 267	0.32 276	0.41 276	0.32 276	0.40 259	0.32 259	0.52 328	0.50 336	0.38 274	0.31 280	0.39 270	0.31 258

water-stereo	0.41 257	0.84 265	0.46 297	0.50 287	0.33 287	0.45 309	0.33 273	0.45 299	0.32 273	0.45 297	0.32 276	0.45 307	0.32 276	0.45 302	0.32 259	0.44 294	0.41 292	0.39 287	0.31 280	0.39 270	0.32 265

GREAT-IGEV	0.38 234	0.43 185	0.36 253	0.48 272	0.32 275	0.45 309	0.32 262	0.45 299	0.32 273	0.45 297	0.32 276	0.45 307	0.32 276	0.45 302	0.32 259	0.44 294	0.33 255	0.41 310	0.29 255	0.41 287	0.29 236
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
fffy	0.38 234	0.43 185	0.33 232	0.46 261	0.33 287	0.45 309	0.32 262	0.45 299	0.32 273	0.45 297	0.32 276	0.45 307	0.33 284	0.45 302	0.32 259	0.38 253	0.38 273	0.38 274	0.37 320	0.37 246	0.36 291

RAFT-Test	0.36 220	0.37 155	0.33 232	0.41 239	0.32 275	0.41 275	0.32 262	0.41 268	0.32 273	0.41 267	0.32 276	0.41 276	0.32 276	0.41 274	0.33 269	0.37 242	0.29 224	0.37 266	0.29 255	0.38 259	0.31 258

CFNet_pseudo	2.67 561	9.36 589	0.32 226	10.99 612	0.33 287	0.85 395	0.33 273	0.49 317	0.33 280	0.49 323	0.32 276	0.49 328	7.26 606	0.49 326	0.33 269	0.41 278	9.62 610	0.41 310	0.29 255	10.03 612	0.29 236

Gwc-CoAtRS	0.41 257	1.49 408	0.32 226	0.42 249	0.32 275	0.41 275	0.32 262	0.41 268	0.33 280	0.41 267	0.32 276	0.41 276	0.32 276	0.41 274	0.32 259	0.39 265	0.28 212	0.39 287	0.28 245	0.40 277	0.28 231

DilatedVolume-Stereo	0.43 269	0.86 268	0.48 313	0.50 287	0.33 287	0.46 315	0.33 273	0.46 303	0.33 280	0.46 303	0.33 283	0.47 317	0.33 284	0.47 311	0.34 282	0.45 297	0.42 301	0.40 293	0.33 295	0.47 317	0.38 303

mms	0.40 250	0.45 196	0.35 251	0.48 272	0.36 306	0.47 320	0.34 286	0.45 299	0.38 310	0.47 309	0.33 283	0.45 307	0.32 276	0.45 302	0.32 259	0.39 265	0.38 273	0.38 274	0.37 320	0.39 270	0.39 309

PCWNet_CMD	2.80 565	9.82 592	0.32 226	10.09 610	0.32 275	0.49 330	0.33 273	3.34 568	0.33 280	0.49 323	0.33 283	0.49 328	8.73 608	0.48 320	0.33 269	0.41 278	9.22 607	0.42 321	0.29 255	9.55 610	0.31 258

CFNet_ucs	2.73 562	9.64 591	0.33 232	9.92 608	0.32 275	0.49 330	0.33 273	0.49 317	0.33 280	0.49 323	0.33 283	0.49 328	8.98 610	0.48 320	0.33 269	0.41 278	9.96 613	0.40 293	0.29 255	10.12 613	0.54 362

LL-Strereo2	0.48 294	1.73 421	0.51 331	0.59 312	0.34 297	0.42 295	0.33 273	0.40 253	0.31 267	0.42 281	0.33 283	0.42 294	0.31 272	0.44 298	0.39 314	0.60 344	0.51 341	0.44 324	0.33 295	0.44 297	0.33 272

ccnet	0.80 367	2.28 461	0.33 232	0.50 287	0.33 287	0.50 339	0.33 273	0.50 326	0.33 280	0.49 323	0.33 283	0.49 328	1.56 518	2.38 537	0.33 269	0.41 278	0.29 224	0.42 321	1.57 533	2.28 523	0.29 236

psmorigin	0.41 257	0.46 200	0.33 232	0.49 278	0.33 287	0.49 330	0.33 273	0.49 317	0.33 280	0.49 323	0.33 283	0.49 328	0.33 284	0.51 343	0.33 269	0.41 278	0.30 233	0.41 310	0.30 269	0.79 372	0.29 236

ccs_rob	2.79 564	10.17 596	0.32 226	10.00 609	0.33 287	0.49 330	0.33 273	1.90 512	0.32 273	0.51 344	0.33 283	0.49 328	9.24 611	0.49 326	0.33 269	0.41 278	9.82 611	0.41 310	0.28 245	9.34 609	0.29 236

depthmonostereo	0.44 274	0.85 267	0.46 297	0.54 300	0.40 329	0.52 354	0.38 311	0.52 343	0.35 293	0.47 309	0.34 291	0.46 311	0.34 289	0.47 311	0.34 282	0.45 297	0.43 305	0.41 310	0.33 295	0.41 287	0.32 265

HART	0.38 234	0.45 196	0.34 242	0.42 249	0.33 287	0.41 275	0.34 286	0.42 286	0.33 280	0.43 287	0.34 291	0.42 294	0.34 289	0.41 274	0.38 302	0.40 270	0.32 243	0.42 321	0.32 287	0.40 277	0.32 265

RAFT-Stereo-weight	0.45 277	1.90 434	0.34 242	0.42 249	0.36 306	0.43 302	0.35 291	0.42 286	0.34 289	0.42 281	0.34 291	0.44 304	0.34 289	0.41 274	0.34 282	0.38 253	0.32 243	0.38 274	0.32 287	0.38 259	0.33 272

gcap-zeroshot	0.35 214	0.32 146	0.37 257	0.49 278	0.39 327	0.33 230	0.21 193	0.26 195	0.35 293	0.42 281	0.34 291	0.49 328	0.29 248	0.47 311	0.39 314	0.34 225	0.17 167	0.38 274	0.23 211	0.48 321	0.34 278

H2IRNET	0.34 205	0.34 149	0.34 242	0.34 196	0.34 297	0.34 231	0.34 286	0.34 220	0.34 289	0.34 227	0.34 291	0.34 234	0.34 289	0.34 232	0.34 282	0.34 225	0.34 259	0.34 242	0.34 299	0.34 223	0.34 278

Former-RAFT_DAM_RVC	0.49 300	0.98 294	0.64 356	0.84 348	0.46 356	0.45 309	0.35 291	0.47 309	0.47 352	0.45 297	0.34 291	0.46 311	0.48 355	0.46 307	0.35 286	0.39 265	0.71 384	0.39 287	0.35 311	0.41 287	0.41 319

RCA-Stereo	0.51 308	3.22 513	0.34 242	0.44 257	0.34 297	0.44 307	0.34 286	0.43 292	0.34 289	0.43 287	0.34 291	0.44 304	0.33 284	0.43 293	0.33 269	0.38 253	0.29 224	0.38 274	0.29 255	0.38 259	0.29 236

pcwnet_v2	2.66 560	9.89 593	0.33 232	9.89 607	0.32 275	0.50 339	0.32 262	0.49 317	0.33 280	0.49 323	0.34 291	0.49 328	8.76 609	0.48 320	0.33 269	0.41 278	9.58 609	0.40 293	0.29 255	9.01 608	0.63 380

MSMDNet	2.65 559	10.14 595	0.33 232	9.74 606	0.32 275	0.87 397	0.33 273	2.95 563	0.68 397	0.49 323	0.34 291	0.49 328	5.70 602	0.49 326	0.33 269	0.42 292	9.57 608	0.41 310	0.31 280	8.36 605	0.65 388

ccccc	0.41 257	0.44 188	0.34 242	0.48 272	0.35 300	0.48 325	0.35 291	0.51 339	0.35 293	0.47 309	0.35 300	0.47 317	0.34 289	0.47 311	0.35 286	0.41 278	0.40 283	0.40 293	0.40 337	0.41 287	0.39 309

UGAM	0.51 308	2.23 458	0.39 268	0.54 300	0.35 300	0.50 339	0.35 291	0.49 317	0.35 293	0.49 323	0.35 300	0.49 328	0.36 299	0.50 334	0.36 290	0.49 314	0.37 267	0.45 328	0.34 299	0.45 301	0.34 278

GCST	0.50 303	2.08 445	0.38 260	0.53 297	0.35 300	0.49 330	0.35 291	0.50 326	0.35 293	0.49 323	0.35 300	0.49 328	0.35 296	0.49 326	0.35 286	0.48 311	0.37 267	0.45 328	0.33 295	0.44 297	0.33 272

ETE_ROB	0.35 214	0.35 150	0.35 251	0.35 198	0.35 300	0.35 236	0.35 291	0.35 224	0.35 293	0.35 232	0.35 300	0.35 236	0.35 296	0.35 235	0.35 286	0.35 234	0.35 261	0.35 258	0.35 311	0.35 235	0.35 288

252Zero-FE	0.45 277	0.50 216	0.36 253	0.50 287	0.36 306	0.50 339	0.36 298	0.50 326	0.36 304	0.49 323	0.36 304	0.49 328	0.36 299	0.54 352	0.41 325	0.45 297	0.34 259	0.45 328	0.34 299	0.55 344	0.75 409

SCV_C0	0.45 277	0.88 272	0.49 320	0.54 300	0.37 310	0.48 325	0.37 304	0.48 313	0.37 306	0.48 316	0.36 304	0.48 324	0.37 304	0.49 326	0.37 299	0.50 320	0.41 292	0.44 324	0.34 299	0.44 297	0.34 278

UGAM-zero	0.51 308	2.17 453	0.39 268	0.53 297	0.36 306	0.50 339	0.36 298	0.50 326	0.36 304	0.49 323	0.36 304	0.50 343	0.35 296	0.50 334	0.36 290	0.49 314	0.37 267	0.47 341	0.35 311	0.46 304	0.34 278

GCAP-Stereo	0.75 355	4.15 539	0.42 288	0.75 339	0.35 300	0.78 388	0.40 325	0.79 381	0.38 310	0.78 393	0.36 304	0.78 394	0.36 299	0.79 387	0.39 314	0.75 369	0.39 280	0.76 395	0.39 336	0.75 366	0.39 309

GMOStereo	0.37 228	0.45 196	0.23 178	0.30 179	0.37 310	0.41 275	0.36 298	0.41 268	0.35 293	0.43 287	0.36 304	0.41 276	0.40 318	0.41 274	0.36 290	0.34 225	0.22 186	0.47 341	0.37 320	0.39 270	0.33 272

error version	0.93 406	4.47 544	2.35 560	1.99 493	0.37 310	0.41 275	0.36 298	0.41 268	0.35 293	0.43 287	0.36 304	0.41 276	0.40 318	0.41 274	0.36 290	1.87 509	2.16 554	0.47 341	0.37 320	0.39 270	0.33 272

test_1	0.93 406	4.47 544	2.35 560	1.99 493	0.37 310	0.41 275	0.36 298	0.41 268	0.35 293	0.43 287	0.36 304	0.41 276	0.40 318	0.41 274	0.36 290	1.87 509	2.16 554	0.47 341	0.37 320	0.39 270	0.33 272

Venus	0.38 234	0.38 159	0.38 260	0.38 208	0.38 317	0.37 244	0.38 311	0.37 234	0.37 306	0.41 267	0.37 311	0.39 255	0.37 304	0.38 248	0.38 302	0.37 242	0.38 273	0.38 274	0.37 320	0.37 246	0.38 303

CASnet	0.35 214	0.51 224	0.44 291	0.32 189	0.31 271	0.24 187	0.34 286	0.36 228	0.25 215	0.31 215	0.37 311	0.30 219	0.33 284	0.25 193	0.45 338	0.37 242	0.37 267	0.33 234	0.35 311	0.34 223	0.37 296
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
iRaft-Stereo_5w	0.34 205	0.42 184	0.31 220	0.39 214	0.30 258	0.38 251	0.30 246	0.40 253	0.29 242	0.40 253	0.37 311	0.41 276	0.34 289	0.38 248	0.30 246	0.34 225	0.27 205	0.34 242	0.26 229	0.34 223	0.26 207

DMCA	0.36 220	0.38 159	0.37 257	0.35 198	0.35 300	0.36 239	0.36 298	0.36 228	0.35 293	0.35 232	0.37 311	0.36 242	0.36 299	0.35 235	0.36 290	0.36 238	0.36 264	0.35 258	0.36 317	0.36 242	0.36 291

XPNet_ROB	0.37 228	0.37 155	0.37 257	0.37 205	0.37 310	0.37 244	0.37 304	0.37 234	0.37 306	0.37 240	0.37 311	0.37 248	0.37 304	0.37 245	0.37 299	0.37 242	0.37 267	0.37 266	0.37 320	0.37 246	0.37 296

Pro-Stereo	0.79 364	0.53 230	0.38 260	0.49 278	0.38 317	0.49 330	0.37 304	0.49 317	0.67 391	0.50 336	0.38 316	1.10 437	0.38 308	0.49 326	0.38 302	0.71 364	0.88 406	5.98 606	0.36 317	0.46 304	0.36 291

GEAStereo	0.62 328	3.91 532	0.48 313	0.69 328	0.38 317	0.51 351	0.38 311	0.51 339	0.38 310	0.53 350	0.38 316	0.50 343	0.38 308	0.51 343	0.38 302	0.54 332	0.43 305	0.46 332	0.34 299	0.46 304	0.34 278

GSStereo	0.81 372	4.28 542	0.50 324	0.59 312	0.40 329	0.51 351	0.38 311	0.50 326	0.38 310	0.50 336	0.38 316	0.50 343	3.79 587	0.50 334	0.38 302	0.54 332	0.43 305	0.46 332	0.34 299	0.46 304	0.35 288

GS-Stereo							0.38 311	0.50 326	0.38 310	0.50 336	0.38 316	0.50 343	3.79 587	0.50 334	0.38 302	0.54 332	0.43 305	0.46 332	0.34 299	0.46 304	0.35 288

gasm-f	0.62 328	3.91 532	0.48 313	0.69 328	0.38 317	0.51 351	0.38 311	0.51 339	0.38 310	0.53 350	0.38 316	0.50 343	0.38 308	0.51 343	0.38 302	0.54 332	0.43 305	0.46 332	0.34 299	0.46 304	0.34 278

GASTEREO	0.48 294	1.21 386	0.47 305	0.57 307	0.38 317	0.50 339	0.38 311	0.50 326	0.38 310	0.50 336	0.38 316	0.50 343	0.38 308	0.50 334	0.38 302	0.52 328	0.42 301	0.46 332	0.34 299	0.46 304	0.34 278

WAO-8	0.38 234	0.38 159	0.38 260	0.38 208	0.38 317	0.38 251	0.38 311	0.38 242	0.38 310	0.38 241	0.38 316	0.38 250	0.38 308	0.38 248	0.38 302	0.38 253	0.38 273	0.38 274	0.37 320	0.38 259	0.38 303

WAO-7	0.38 234	0.38 159	0.38 260	0.38 208	0.38 317	0.38 251	0.38 311	0.38 242	0.38 310	0.38 241	0.38 316	0.38 250	0.38 308	0.38 248	0.38 302	0.38 253	0.38 273	0.38 274	0.38 333	0.38 259	0.38 303

IMH	0.38 234	0.38 159	0.38 260	0.38 208	0.38 317	0.38 251	0.38 311	0.38 242	0.38 310	0.42 281	0.38 316	0.40 263	0.38 308	0.38 248	0.38 302	0.38 253	0.38 273	0.39 287	0.38 333	0.38 259	0.38 303

iRaftStereo_RVC	0.97 410	3.17 512	2.30 559	2.42 510	0.38 317	0.54 359	0.38 311	0.54 347	0.38 310	0.54 355	0.38 316	0.54 358	0.38 308	0.54 352	0.38 302	2.38 543	2.34 558	0.49 354	0.36 317	0.49 325	0.36 291

LG-Stereo_L1	0.47 289	0.52 226	0.47 305	0.62 317	0.39 327	0.53 356	0.40 325	0.53 345	0.39 323	0.53 350	0.39 326	0.53 355	0.39 317	0.53 350	0.39 314	0.55 338	0.46 315	0.49 354	0.37 320	0.49 325	0.37 296

SCV	0.46 283	0.94 289	0.45 293	0.54 300	0.37 310	0.48 325	0.38 311	0.48 313	0.37 306	0.48 316	0.39 326	0.48 324	0.37 304	0.49 326	0.37 299	0.50 320	0.46 315	0.44 324	0.34 299	0.44 297	0.34 278

HanzoNet	0.39 246	0.38 159	0.40 274	0.39 214	0.41 338	0.38 251	0.38 311	0.38 242	0.38 310	0.39 247	0.39 326	0.38 250	0.38 308	0.39 256	0.40 318	0.38 253	0.38 273	0.40 293	0.38 333	0.38 259	0.40 312

knoymous	0.40 250	0.40 167	0.40 274	0.40 227	0.40 329	0.40 259	0.40 325	0.40 253	0.40 324	0.40 253	0.40 329	0.40 263	0.40 318	0.40 259	0.40 318	0.40 270	0.40 283	0.40 293	0.40 337	0.40 277	0.40 312

anonymousa	0.40 250	0.40 167	0.40 274	0.40 227	0.40 329	0.40 259	0.40 325	0.40 253	0.40 324	0.40 253	0.40 329	0.40 263	0.40 318	0.40 259	0.40 318	0.40 270	0.40 283	0.40 293	0.40 337	0.40 277	0.40 312

riskmin	0.40 250	0.40 167	0.40 274	0.40 227	0.40 329	0.40 259	0.40 325	0.40 253	0.40 324	0.40 253	0.40 329	0.40 263	0.40 318	0.40 259	0.40 318	0.40 270	0.40 283	0.40 293	0.40 337	0.40 277	0.40 312

Anonymous_2	0.40 250	0.40 167	0.40 274	0.40 227	0.40 329	0.40 259	0.40 325	0.40 253	0.40 324	0.40 253	0.40 329	0.40 263	0.40 318	0.40 259	0.40 318	0.40 270	0.40 283	0.40 293	0.40 337	0.40 277	0.40 312

Anonymous_1	0.40 250	0.40 167	0.40 274	0.40 227	0.40 329	0.40 259	0.40 325	0.40 253	0.40 324	0.40 253	0.40 329	0.40 263	0.40 318	0.40 259	0.40 318	0.40 270	0.40 283	0.40 293	0.40 337	0.40 277	0.40 312

AdaStereo	0.40 250	0.40 167	0.40 274	0.40 227	0.40 329	0.40 259	0.40 325	0.40 253	0.40 324	0.40 253	0.40 329	0.40 263	0.40 318	0.40 259	0.40 318	0.40 270	0.40 283	0.40 293	0.40 337	0.40 277	0.40 312
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.
MSCF	0.51 308	1.40 405	0.49 320	0.58 309	0.38 317	0.50 339	0.38 311	0.54 347	0.41 333	0.52 347	0.41 335	0.53 355	0.42 335	0.53 350	0.41 325	0.60 344	0.47 323	0.48 349	0.37 320	0.48 321	0.38 303

LG-Stereo_Zeroshot	0.48 294	0.55 236	0.47 305	0.63 319	0.41 338	0.56 361	0.44 341	0.56 351	0.41 333	0.56 360	0.41 335	0.57 367	0.42 335	0.56 357	0.41 325	0.55 338	0.43 305	0.51 363	0.37 320	0.51 336	0.37 296

LG-Stereo	0.60 322	0.58 241	0.47 305	0.64 322	0.74 416	1.00 411	0.69 400	0.57 354	0.41 333	0.57 363	0.41 335	0.57 367	0.41 329	1.00 417	0.75 414	0.91 389	0.51 341	0.52 366	0.37 320	0.52 338	0.37 296

Occ-G	1.12 432	0.52 226	3.72 589	3.50 549	0.50 372	0.56 361	0.47 353	0.54 347	0.46 347	0.54 355	0.41 335	0.54 358	0.42 335	0.52 348	0.42 333	3.42 565	4.02 585	0.52 366	0.45 355	0.51 336	0.44 330

GwcNet-ADL	0.41 257	0.41 177	0.41 283	0.41 239	0.41 338	0.41 275	0.41 333	0.41 268	0.41 333	0.41 267	0.41 335	0.41 276	0.41 329	0.41 274	0.41 325	0.41 278	0.41 292	0.41 310	0.41 344	0.41 287	0.41 319

PSMNet-ADL	0.41 257	0.41 177	0.41 283	0.41 239	0.41 338	0.41 275	0.41 333	0.41 268	0.41 333	0.41 267	0.41 335	0.41 276	0.41 329	0.41 274	0.41 325	0.41 278	0.41 292	0.41 310	0.41 344	0.41 287	0.41 319

GANet-ADL	0.41 257	0.41 177	0.41 283	0.41 239	0.41 338	0.41 275	0.41 333	0.41 268	0.41 333	0.41 267	0.41 335	0.41 276	0.41 329	0.41 274	0.41 325	0.41 278	0.41 292	0.41 310	0.41 344	0.41 287	0.41 319

ADLNet2	0.41 257	0.41 177	0.41 283	0.41 239	0.41 338	0.41 275	0.41 333	0.41 268	0.41 333	0.41 267	0.41 335	0.41 276	0.41 329	0.41 274	0.41 325	0.41 278	0.41 292	0.41 310	0.41 344	0.41 287	0.41 319

ADLNet	0.41 257	0.41 177	0.41 283	0.41 239	0.41 338	0.41 275	0.41 333	0.41 268	0.41 333	0.41 267	0.41 335	0.41 276	0.41 329	0.41 274	0.41 325	0.41 278	0.41 292	0.41 310	0.41 344	0.41 287	0.41 319

GES	0.66 335	2.34 469	0.29 203	0.41 239	0.29 248	0.41 275	0.29 241	0.42 286	0.29 242	0.40 253	0.41 335	0.41 276	0.30 255	0.51 343	0.29 239	0.32 216	0.29 224	0.32 226	2.46 573	2.49 535	0.30 249

MyStereo07	0.60 322	3.72 525	0.48 313	0.49 278	0.41 338	0.36 239	0.32 262	0.49 317	0.43 341	0.51 344	0.42 345	0.49 328	0.43 338	0.51 343	0.64 378	0.49 314	0.45 313	0.34 242	0.32 287	0.35 235	0.43 327

CFNet_RVC	2.38 553	8.71 584	0.38 260	9.33 603	0.42 348	0.56 361	0.42 338	0.60 361	0.38 310	0.62 371	0.42 345	0.56 365	7.29 607	0.62 366	0.42 333	0.53 331	0.37 267	0.49 354	0.34 299	8.30 604	6.87 610

DispNO	1.00 413	0.63 246	0.43 289	3.45 545	0.44 351	0.65 376	0.43 340	0.64 366	0.43 341	0.64 374	0.43 347	0.64 376	3.03 565	0.64 371	0.43 336	4.55 575	0.43 305	0.63 378	0.43 353	0.63 351	0.43 327

FCDSN-DC	0.41 257	0.59 242	0.64 356	0.54 300	0.33 287	0.50 339	0.37 304	0.42 286	0.40 324	0.61 368	0.43 347	0.50 343	0.49 360	0.38 248	0.32 259	0.28 200	0.23 191	0.26 204	0.22 205	0.35 235	0.28 231
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FSD	0.61 325	0.59 242	0.50 324	2.58 517	0.44 351	0.56 361	0.44 341	0.55 350	0.44 344	0.56 360	0.44 349	0.56 365	0.44 340	0.56 357	0.46 342	0.61 348	0.42 301	0.52 366	0.42 352	0.52 338	0.51 357

MonSter	0.60 322	0.64 248	0.52 334	0.62 317	0.44 351	2.07 527	0.44 341	0.62 364	0.44 344	0.62 371	0.44 349	0.62 375	0.44 340	0.62 366	0.44 337	0.58 342	0.42 301	0.62 376	0.46 357	0.58 347	0.42 326

CES	0.39 246	0.47 204	0.36 253	0.36 202	0.37 310	0.45 309	0.35 291	0.35 224	0.40 324	0.36 235	0.44 349	0.47 317	0.36 299	0.44 298	0.36 290	0.37 242	0.39 280	0.44 324	0.35 311	0.37 246	0.36 291

Selective-IGEV	0.51 308	0.55 236	0.45 293	0.69 328	0.45 354	0.61 370	0.45 346	0.50 326	0.40 324	0.56 360	0.44 349	0.55 362	0.40 318	0.72 380	0.67 383	0.59 343	0.46 315	0.45 328	0.34 299	0.46 304	0.37 296

fffft	0.48 294	0.51 224	0.45 293	0.52 296	0.45 354	0.52 354	0.45 346	0.52 343	0.48 359	0.53 350	0.45 353	0.52 354	0.45 343	0.52 348	0.46 342	0.51 326	0.41 292	0.50 358	0.41 344	0.50 330	0.41 319
1: 1. 1
PAM_32	0.64 332	2.38 473	0.51 331	0.92 358	0.43 350	0.53 356	0.44 341	0.87 389	0.43 341	0.52 347	0.45 353	0.53 355	0.40 318	0.54 352	0.46 342	0.62 352	0.56 349	0.48 349	0.45 355	0.76 367	0.44 330

AIO-test1	0.54 313	0.60 245	0.52 334	0.66 326	0.47 362	0.61 370	0.47 353	0.58 357	0.46 347	0.61 368	0.46 355	0.61 373	0.45 343	0.62 366	0.45 338	0.61 348	0.52 343	0.57 372	0.48 368	0.57 346	0.48 342

MyStereo04	0.56 320	3.72 525	0.59 345	0.49 278	0.41 338	0.36 239	0.32 262	0.37 234	0.31 267	0.34 227	0.46 355	0.35 236	0.32 276	0.35 235	0.33 269	0.49 314	0.45 313	0.34 242	0.32 287	0.35 235	0.43 327

otaku	0.46 283	0.46 200	0.46 297	0.46 261	0.46 356	0.46 315	0.46 348	0.46 303	0.46 347	0.46 303	0.46 355	0.46 311	0.46 346	0.46 307	0.46 342	0.46 302	0.46 315	0.46 332	0.46 357	0.46 304	0.46 333

Ntro	0.47 289	0.47 204	0.46 297	0.46 261	0.46 356	0.47 320	0.47 353	0.46 303	0.47 352	0.46 303	0.46 355	0.47 317	0.46 346	0.47 311	0.47 349	0.47 307	0.46 315	0.46 332	0.46 357	0.46 304	0.46 333

Dean	0.46 283	0.46 200	0.46 297	0.46 261	0.46 356	0.46 315	0.46 348	0.46 303	0.46 347	0.47 309	0.46 355	0.46 311	0.46 346	0.46 307	0.46 342	0.46 302	0.46 315	0.46 332	0.46 357	0.46 304	0.46 333

ACVNet_1	0.46 283	0.47 204	0.46 297	0.46 261	0.46 356	0.46 315	0.46 348	0.46 303	0.47 352	0.46 303	0.46 355	0.46 311	0.46 346	0.46 307	0.46 342	0.46 302	0.46 315	0.47 341	0.46 357	0.46 304	0.46 333

ACVNet-4b	0.46 283	0.46 200	0.46 297	0.46 261	0.46 356	0.46 315	0.46 348	0.46 303	0.46 347	0.46 303	0.46 355	0.46 311	0.46 346	0.47 311	0.46 342	0.46 302	0.46 315	0.46 332	0.46 357	0.46 304	0.46 333

test_xeample3	1.10 429	1.81 423	0.61 352	0.84 348	0.49 368	0.77 386	0.66 386	0.92 398	1.40 526	0.68 380	0.46 355	0.78 394	0.54 373	1.72 511	1.48 528	1.34 483	1.52 515	1.35 510	1.67 546	1.33 487	1.55 529

AIO-test2	0.55 318	0.59 242	0.52 334	0.67 327	0.47 362	0.61 370	0.47 353	0.61 363	0.47 352	0.61 368	0.47 363	0.61 373	0.48 355	0.62 366	0.47 349	0.64 354	0.53 345	0.58 373	0.47 364	0.58 347	0.48 342

HaxPig	0.47 289	0.47 204	0.47 305	0.49 278	0.47 362	0.47 320	0.47 353	0.47 309	0.47 352	0.47 309	0.47 363	0.47 317	0.47 354	0.47 311	0.47 349	0.47 307	0.47 323	0.47 341	0.47 364	0.47 317	0.48 342

UNDER WATER	0.47 289	0.47 204	0.47 305	0.47 267	0.47 362	0.47 320	0.47 353	0.47 309	0.47 352	0.47 309	0.47 363	0.47 317	0.46 346	0.47 311	0.47 349	0.47 307	0.47 323	0.47 341	0.46 357	0.47 317	0.47 340

LVE	0.47 289	0.47 204	0.47 305	0.47 267	0.49 368	0.47 320	0.47 353	0.47 309	0.49 361	0.47 309	0.47 363	0.47 317	0.46 346	0.47 311	0.47 349	0.47 307	0.47 323	0.48 349	0.47 364	0.47 317	0.47 340

MyStereo06	0.75 355	4.12 536	0.60 347	0.63 319	0.61 393	0.62 373	0.66 386	0.56 351	0.45 346	0.55 358	0.48 367	0.54 358	0.46 346	0.57 362	0.45 338	0.60 344	0.57 351	0.64 379	0.55 380	0.72 362	0.55 367

RainbowNet	0.48 294	0.48 210	0.48 313	0.48 272	0.48 366	0.48 325	0.48 362	0.48 313	0.48 359	0.48 316	0.48 367	0.48 324	0.48 355	0.48 320	0.48 355	0.48 311	0.48 327	0.48 349	0.48 368	0.48 321	0.48 342

notaker	0.48 294	0.49 212	0.48 313	0.48 272	0.48 366	0.48 325	0.48 362	0.48 313	0.49 361	0.48 316	0.48 367	0.48 324	0.48 355	0.48 320	0.48 355	0.48 311	0.48 327	0.48 349	0.48 368	0.48 321	0.49 347

ACVNet_2	0.49 300	0.49 212	0.49 320	0.49 278	0.49 368	0.49 330	0.49 364	0.49 317	0.49 361	0.49 323	0.49 370	0.49 328	0.49 360	0.49 326	0.49 357	0.49 314	0.49 330	0.49 354	0.49 371	0.49 325	0.49 347

AEACV	1.12 432	0.52 226	3.12 580	3.24 534	0.86 435	0.53 356	0.49 364	0.60 361	0.47 352	0.53 350	0.49 370	0.55 362	0.45 343	0.55 356	0.47 349	3.01 560	3.88 583	0.71 388	0.60 390	0.80 375	0.48 342

FoundationStereo	0.50 303	0.50 216	0.50 324	0.50 287	0.50 372	0.50 339	0.50 366	0.50 326	0.50 364	0.50 336	0.50 372	0.50 343	0.50 363	0.50 334	0.50 358	0.50 320	0.50 336	0.50 358	0.50 373	0.50 330	0.50 350

StereoAnything_RVC	0.50 303	0.50 216	0.50 324	0.50 287	0.50 372	0.50 339	0.50 366	0.50 326	0.50 364	0.50 336	0.50 372	0.50 343	0.50 363	0.50 334	0.50 358	0.50 320	0.50 336	0.50 358	0.50 373	0.50 330	0.50 350

dual_stereo	0.50 303	0.50 216	0.50 324	0.50 287	0.50 372	0.50 339	0.50 366	0.50 326	0.50 364	0.50 336	0.50 372	0.50 343	0.50 363	0.50 334	0.50 358	0.50 320	0.50 336	0.50 358	0.50 373	0.50 330	0.50 350

KSHMR	0.66 335	0.50 216	0.48 313	1.15 391	0.52 378	0.49 330	0.51 370	0.49 317	0.71 411	0.67 378	0.50 372	1.16 445	1.11 442	0.66 373	0.52 365	0.49 314	0.49 330	0.51 363	0.66 405	0.50 330	1.14 452

LL-Strereo	1.01 419	5.06 551	1.63 521	0.70 332	1.43 526	0.56 361	0.46 348	0.57 354	0.50 364	0.57 363	0.50 372	1.58 508	0.49 360	0.59 364	0.50 358	1.64 502	0.52 343	0.51 363	1.37 521	0.52 338	0.45 332

SANet	0.50 303	0.50 216	0.50 324	0.50 287	0.50 372	0.50 339	0.50 366	0.50 326	0.50 364	0.50 336	0.50 372	0.50 343	0.50 363	0.50 334	0.50 358	0.50 320	0.50 336	0.50 358	0.50 373	0.50 330	0.50 350

MyStereo8	0.71 347	3.92 534	0.52 334	0.59 312	0.52 378	0.57 367	0.53 372	0.59 359	0.50 364	0.59 367	0.51 378	0.57 367	0.50 363	0.56 357	0.52 365	0.54 332	0.49 330	0.54 370	0.49 371	0.55 344	0.50 350

ktn	0.72 350	0.53 230	1.08 425	1.14 389	0.51 377	1.22 488	1.36 519	0.51 339	0.59 379	0.51 344	0.51 378	0.69 382	1.20 453	0.67 375	0.51 363	0.51 326	0.49 330	0.58 373	0.66 405	0.52 338	0.53 359

test-3	0.98 412	4.13 538	1.85 541	1.85 484	0.61 393	0.69 379	0.37 304	0.63 365	0.61 383	0.66 377	0.51 378	0.73 388	0.44 340	0.57 362	0.54 368	1.68 503	1.81 538	0.40 293	0.43 353	0.66 353	0.50 350

WCG-NET	0.61 325	1.21 386	0.54 339	0.61 316	0.53 381	0.67 378	0.53 372	0.66 369	0.53 372	0.64 374	0.53 381	0.65 379	0.53 370	0.59 364	0.52 365	0.65 355	0.48 327	0.64 379	0.52 377	0.58 347	0.50 350

PSMNet_ROB	0.54 313	0.54 234	0.54 339	0.54 300	0.53 381	0.54 359	0.54 374	0.53 345	0.54 374	0.54 355	0.54 382	0.54 358	0.53 370	0.54 352	0.54 368	0.54 332	0.53 345	0.54 370	0.54 379	0.54 343	0.54 362

STTRV1_RVC	0.82 377	1.60 412	0.70 374	1.01 376	0.60 387	1.07 429	0.69 400	1.01 413	0.60 380	0.72 382	0.55 383	1.02 428	0.68 392	1.03 429	0.67 383	0.89 388	0.63 362	0.92 419	0.57 386	0.90 390	0.65 388

anonymity	0.63 330	0.69 250	0.56 341	0.71 334	0.56 384	0.71 382	0.56 375	0.71 375	0.56 375	0.72 382	0.56 384	0.71 383	0.56 374	0.71 378	0.58 372	0.68 359	0.55 347	0.68 384	0.55 380	0.68 355	0.54 362

CASS	0.57 321	0.89 275	0.56 341	0.57 307	0.56 384	0.56 361	0.56 375	0.56 351	0.53 372	0.57 363	0.57 385	0.59 371	0.48 355	0.56 357	0.57 371	0.55 338	0.56 349	0.47 341	0.56 384	0.62 350	0.56 370
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
zero-FE	0.72 350	1.31 398	0.66 360	0.92 358	0.60 387	0.82 393	0.58 377	0.82 387	0.58 377	0.81 397	0.60 386	0.81 400	0.60 377	0.82 391	0.58 372	0.74 368	0.59 355	0.73 389	0.52 377	0.76 367	0.51 357

SMoEStereo_RVC	0.63 330	0.75 255	0.51 331	0.73 337	0.53 381	0.71 382	0.47 353	0.67 370	0.58 377	0.74 389	0.60 386	0.72 386	0.53 370	0.74 384	0.51 363	0.61 348	0.62 361	0.62 376	0.61 392	0.63 351	0.61 376

DDUNet	0.81 372	2.45 477	0.57 343	0.90 353	0.60 387	0.88 398	0.59 379	0.90 393	0.60 380	0.88 401	0.60 386	0.90 407	0.58 375	0.88 399	0.60 375	0.84 384	0.60 356	0.86 411	0.57 386	0.86 384	0.60 375

UDG	0.80 367	2.21 457	0.60 347	0.91 355	0.60 387	0.90 401	0.58 377	0.88 392	0.60 380	0.90 402	0.60 386	0.88 404	0.60 377	0.90 402	0.58 372	0.86 386	0.60 356	0.84 409	0.59 389	0.84 383	0.61 376

MyStereo05	0.80 367	4.12 536	0.63 354	0.63 319	0.61 393	0.62 373	0.66 386	0.65 367	0.62 384	0.67 378	0.61 390	0.65 379	0.58 375	0.67 375	0.55 370	0.60 344	0.57 351	0.64 379	0.55 380	0.72 362	0.55 367

PA-Net	11.80 611	223.51 637	0.62 353	0.59 312	0.71 411	0.59 369	0.73 411	0.67 370	0.73 417	0.55 358	0.61 390	0.60 372	0.74 408	0.63 370	0.73 409	0.66 357	0.60 356	0.69 385	0.66 405	0.72 362	0.65 388
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ARAFT	0.68 340	0.81 262	0.63 354	0.74 338	0.60 387	0.78 388	0.62 381	0.77 380	0.66 390	0.74 389	0.63 392	0.75 391	0.62 380	0.83 392	0.60 375	0.70 363	0.55 347	0.70 387	0.60 390	0.78 370	0.55 367

RAFT-Stereo + iAFF	0.70 344	0.72 253	0.71 378	0.80 343	0.62 396	0.82 393	0.61 380	0.81 386	0.62 384	0.81 397	0.63 392	0.80 397	0.70 401	0.73 382	0.61 377	0.76 370	0.61 360	0.74 392	0.61 392	0.77 369	0.61 376

LMCR-Stereo	0.65 333	0.63 246	0.65 359	0.65 323	0.65 399	0.66 377	0.63 382	0.58 357	0.65 388	0.63 373	0.64 394	0.65 379	0.65 383	0.66 373	0.66 382	0.66 357	0.64 364	0.65 382	0.67 409	0.68 355	0.73 405

DSFCA	0.66 335	0.73 254	0.78 392	0.65 323	0.65 399	0.64 375	0.64 383	0.65 367	0.63 386	0.64 374	0.64 394	0.64 376	0.64 381	0.65 372	0.65 379	0.65 355	0.65 366	0.65 382	0.65 403	0.66 353	0.64 386

plain	1.88 504	3.16 511	0.64 356	3.10 529	0.65 399	3.10 565	0.64 383	3.12 564	0.65 388	3.10 565	0.65 396	3.11 566	0.65 383	3.12 564	0.65 379	3.12 561	0.65 366	3.13 564	0.65 403	3.13 552	0.65 388

4D-IteraStereo	0.78 363	3.13 510	0.89 404	0.69 328	0.32 275	0.40 259	0.32 262	0.76 379	0.97 445	0.52 347	0.65 396	0.89 406	0.32 276	0.76 386	0.98 439	0.83 382	0.94 412	0.35 258	0.27 238	0.70 360	0.89 426

MIF-Stereo (partial)	2.58 558	3.31 516	0.66 360	3.18 533	0.66 402	3.18 566	0.66 386	3.21 565	0.67 391	3.19 566	0.66 398	3.19 567	0.66 386	3.31 568	0.68 391	5.09 592	1.79 537	8.23 611	1.67 546	6.18 595	1.38 523

WQFJA1++	0.84 384	0.98 294	0.67 364	1.26 449	0.75 418	1.00 411	0.67 390	1.00 406	0.67 391	1.00 414	0.67 399	1.00 418	0.67 388	1.00 417	0.67 383	0.96 399	0.67 368	0.91 416	0.63 394	0.92 394	0.63 380

WQFJA1	0.85 390	0.98 294	0.67 364	1.29 455	0.76 423	1.01 417	0.67 390	1.02 418	0.67 391	1.02 425	0.67 399	1.01 424	0.67 388	1.01 423	0.68 391	0.99 405	0.67 368	0.93 423	0.64 399	0.92 394	0.65 388

WQFJX1	0.84 384	0.98 294	0.67 364	1.30 457	0.75 418	1.01 417	0.67 390	1.01 413	0.67 391	1.01 421	0.67 399	1.01 424	0.68 392	1.00 417	0.68 391	0.98 404	0.67 368	0.92 419	0.64 399	0.92 394	0.64 386

NLMM	0.84 384	1.00 303	0.67 364	1.27 450	0.75 418	1.00 411	0.68 394	1.00 406	0.67 391	1.00 414	0.67 399	1.02 428	0.67 388	1.02 427	0.67 383	0.97 400	0.67 368	0.93 423	0.63 394	0.92 394	0.63 380

RSM++	0.76 359	0.82 264	0.66 360	0.85 350	0.64 397	0.85 395	0.71 408	0.94 402	0.64 387	0.87 400	0.67 399	0.87 403	0.65 383	0.84 393	0.65 379	0.81 377	0.70 380	0.79 398	0.71 417	0.83 382	0.70 397

WQFJX	0.85 390	1.00 303	0.68 371	1.30 457	0.75 418	1.01 417	0.68 394	1.01 413	0.68 397	1.01 421	0.68 404	1.03 430	0.68 392	1.02 427	0.67 383	0.97 400	0.67 368	0.93 423	0.63 394	0.94 403	0.63 380

NLSM3	0.85 390	0.99 301	0.68 371	1.29 455	0.76 423	1.01 417	0.68 394	1.01 413	0.68 397	1.02 425	0.68 404	1.01 424	0.68 392	1.01 423	0.68 391	0.97 400	0.68 373	0.93 423	0.64 399	0.93 399	0.63 380

AIO-Stereo-zeroshot1	0.75 355	0.92 285	0.85 403	0.96 369	0.59 386	1.27 492	0.44 341	0.59 359	0.69 402	0.91 404	0.68 404	0.55 362	0.61 379	1.06 431	0.83 427	0.62 352	0.70 380	0.90 413	0.41 344	0.89 387	0.56 370

R-Stereo Train	0.81 372	0.96 291	0.67 364	0.95 366	0.67 403	0.95 406	0.68 394	0.95 404	0.68 397	0.95 412	0.68 404	0.96 415	0.68 392	0.96 413	0.68 391	0.94 397	0.68 373	0.94 427	0.68 410	0.94 403	0.68 394

RAFT-Stereo	0.81 372	0.96 291	0.67 364	0.95 366	0.67 403	0.95 406	0.68 394	0.95 404	0.68 397	0.95 412	0.68 404	0.96 415	0.68 392	0.96 413	0.68 391	0.94 397	0.68 373	0.94 427	0.68 410	0.94 403	0.68 394
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
FlowAnything	1.02 421	1.71 415	0.72 381	1.59 474	0.69 407	1.60 509	0.69 400	1.61 501	0.70 406	1.60 504	0.69 409	1.60 509	0.69 399	1.61 508	0.69 399	0.81 377	0.58 353	0.81 403	0.56 384	0.82 380	0.56 370

TorneroNet	0.66 335	0.53 230	0.50 324	0.50 287	0.64 397	1.06 426	0.70 405	0.50 326	0.51 371	0.49 323	0.69 409	0.49 328	0.50 363	0.48 320	1.15 454	0.71 364	0.49 330	1.14 443	1.08 452	0.49 325	0.49 347

NLMM1	0.86 393	0.98 294	0.69 373	1.48 471	0.75 418	1.01 417	0.69 400	1.00 406	0.69 402	1.00 414	0.70 411	1.00 418	0.68 392	1.01 423	0.67 383	0.97 400	0.68 373	0.92 419	0.63 394	0.93 399	0.63 380

FlowAnything_test	1.02 421	1.72 416	0.71 378	1.59 474	0.70 409	1.61 510	0.69 400	1.61 501	0.70 406	1.60 504	0.70 411	1.61 512	0.69 399	1.61 508	0.70 405	0.81 377	0.58 353	0.81 403	0.55 380	0.81 378	0.56 370

MoCha-V2	2.11 529	26.97 615	0.78 392	0.92 358	0.77 426	0.96 408	0.72 410	0.90 393	0.72 414	0.94 410	0.70 411	0.90 407	0.71 405	0.91 403	0.71 407	0.85 385	0.71 384	0.88 412	0.69 412	0.87 385	0.67 393

AFF-stereo	0.73 352	0.88 272	0.67 364	0.75 339	0.68 406	0.75 385	0.64 383	0.80 383	0.72 414	0.83 399	0.70 411	0.82 401	0.64 381	0.84 393	0.67 383	0.77 372	0.63 362	0.81 403	0.63 394	0.78 370	0.62 379

MSMD_ROB	1.19 434	1.10 328	0.70 374	1.10 383	0.60 387	1.10 433	0.70 405	1.10 423	0.70 406	1.10 431	0.70 411	1.10 437	0.70 401	7.00 609	0.70 405	1.10 415	0.70 380	1.10 442	0.70 414	1.10 417	0.70 397

AdaDepth	0.86 393	0.93 287	0.71 378	1.01 376	1.07 457	1.02 423	0.71 408	1.00 406	0.71 411	1.01 421	0.71 416	1.00 418	0.72 406	1.14 442	0.71 407	0.92 392	0.64 364	0.90 413	0.64 399	0.89 387	0.69 396

DCRE	0.84 384	1.89 432	0.77 391	0.94 364	0.72 413	0.88 398	0.73 411	0.87 389	0.78 421	0.90 402	0.71 416	0.88 404	0.67 388	0.88 399	0.73 409	0.81 377	0.68 373	0.81 403	0.70 414	0.82 380	0.70 397

DMCA-RVC	0.70 344	0.80 259	0.70 374	0.70 332	0.70 409	0.70 380	0.70 405	0.71 375	0.70 406	0.70 381	0.71 416	0.71 383	0.70 401	0.70 377	0.69 399	0.69 360	0.70 380	0.69 385	0.70 414	0.69 359	0.70 397

DStereoRT	0.73 352	0.81 262	0.73 385	0.71 334	0.74 416	0.73 384	0.75 413	0.71 375	0.71 411	0.74 389	0.72 419	0.73 388	0.80 417	0.71 378	0.73 409	0.76 370	0.71 384	0.73 389	0.72 419	0.70 360	0.76 412

11t	1.27 485	2.70 488	1.34 492	1.32 460	0.89 437	1.30 494	1.34 516	1.64 504	0.57 376	1.45 502	0.72 419	1.05 432	1.29 505	1.07 434	1.29 517	1.49 494	1.02 417	0.97 432	1.15 456	1.48 492	1.31 515

UniTT-Stereo	2.03 522	3.43 518	0.72 381	3.42 544	0.73 414	3.27 568	0.68 394	3.38 569	0.69 402	3.29 568	0.72 419	3.28 569	0.70 401	3.35 570	0.68 391	3.39 564	0.68 373	3.31 567	0.69 412	3.37 553	0.73 405

iGMRVC	0.84 384	2.85 503	0.72 381	0.72 336	0.73 414	0.77 386	0.79 418	0.73 378	0.74 419	0.73 384	0.72 419	0.73 388	0.76 411	0.73 382	0.73 409	0.72 366	0.73 387	0.73 389	0.72 419	0.73 365	0.72 402

AIO-Stereo	0.84 384	0.66 249	0.70 374	0.83 347	0.67 403	0.98 409	0.82 427	1.14 424	0.72 414	1.03 427	0.74 423	1.03 430	1.09 441	0.99 415	0.45 338	1.04 410	0.73 387	0.95 429	0.74 421	0.94 403	0.46 333

HSM-Net_RVC	0.95 409	1.17 336	0.78 392	1.18 398	0.71 411	1.16 441	0.75 413	1.09 422	0.80 427	1.10 431	0.75 424	1.17 446	0.74 408	1.17 445	0.80 422	1.13 421	0.73 387	1.17 450	0.77 425	1.16 424	0.72 402
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
Wavelet-MonSter	1.00 413	1.21 386	0.76 389	1.94 488	1.01 452	1.11 436	0.76 415	1.15 425	0.76 420	1.11 436	0.76 425	1.14 443	0.76 411	1.11 439	0.76 416	1.21 474	0.90 407	1.02 438	0.71 417	1.02 413	0.71 401

RAStereo	2.23 543	3.64 521	0.76 389	3.65 553	0.86 435	3.66 573	0.76 415	3.67 573	0.81 430	3.66 570	0.76 425	3.66 572	0.77 413	3.68 572	0.77 417	3.68 567	0.77 393	3.69 572	0.77 425	3.70 556	0.77 414

Hybrid-DGEV	1.03 423	1.75 422	0.80 396	1.28 454	0.78 427	1.26 491	0.80 421	1.26 485	0.78 421	1.26 491	0.78 427	1.26 495	0.78 415	1.26 494	0.78 418	1.15 424	0.75 390	1.14 443	0.74 421	1.14 419	0.75 409

ToySt	0.92 401	2.11 448	0.90 407	0.95 366	0.79 429	0.99 410	0.78 417	0.94 402	0.81 430	0.94 410	0.78 427	0.95 414	0.77 413	0.94 409	0.86 429	0.91 389	0.79 397	0.85 410	0.77 425	0.89 387	0.73 405

Hybrid-DGEV-2	1.05 425	1.83 424	0.83 400	1.33 461	0.82 434	1.30 494	0.81 424	1.26 485	0.79 425	1.29 493	0.79 429	1.26 495	0.80 417	1.26 494	0.79 419	1.20 428	0.78 395	1.18 453	0.77 425	1.20 434	0.77 414

G-Net	0.79 364	0.79 258	0.79 395	0.79 341	0.79 429	0.79 390	0.79 418	0.79 381	0.79 425	0.79 394	0.79 429	0.79 396	0.79 416	0.79 387	0.79 419	0.79 373	0.79 397	0.79 398	0.79 429	0.79 372	0.79 417

NaN_ROB	0.80 367	0.80 259	0.80 396	0.80 343	0.80 431	0.80 391	0.80 421	0.80 383	0.80 427	0.80 395	0.80 431	0.80 397	0.80 417	0.80 389	0.80 422	0.80 374	0.80 400	0.80 401	0.80 431	0.80 375	0.80 418

CSAN	0.80 367	0.80 259	0.80 396	0.80 343	0.80 431	0.80 391	0.80 421	0.80 383	0.80 427	0.80 395	0.80 431	0.80 397	0.80 417	0.80 389	0.80 422	0.80 374	0.80 400	0.80 401	0.80 431	0.80 375	0.80 418

Hybrid-DGEV-03	1.07 426	1.83 424	0.83 400	1.34 462	0.81 433	1.32 496	0.81 424	1.31 491	0.81 430	1.31 494	0.82 433	1.32 500	0.82 421	1.32 498	0.81 425	1.19 426	0.77 393	1.19 455	0.76 424	1.19 432	0.77 414

Selective-RAFT-Error	0.88 396	0.84 265	0.98 416	0.86 351	0.97 447	0.88 398	0.95 438	0.84 388	0.99 448	0.92 406	0.82 433	0.84 402	0.98 430	0.87 398	0.97 438	0.81 377	0.83 403	0.79 398	0.82 434	0.79 372	0.85 423

DPSimNet_ROB	0.97 410	1.18 338	0.81 399	1.10 383	0.91 441	1.02 423	0.82 427	1.04 419	0.91 435	1.03 427	0.86 435	1.28 499	0.82 421	1.03 429	0.89 430	1.17 425	0.81 402	1.02 438	0.82 434	1.08 416	0.81 420

tt45	1.04 424	0.88 272	1.36 502	0.92 358	1.03 455	1.51 508	0.79 418	0.70 374	0.88 433	0.74 389	0.90 436	1.60 509	0.72 406	1.60 506	0.75 414	0.91 389	0.78 395	1.52 517	0.79 429	1.14 419	1.32 516

HH	0.71 347	2.54 479	0.74 386	1.10 383	0.32 275	0.41 275	0.37 304	0.69 372	0.78 421	0.73 384	0.90 436	0.75 391	1.00 431	0.84 393	0.69 399	0.69 360	0.40 283	0.35 258	0.26 229	0.35 235	0.26 207

HanStereo	0.71 347	2.54 479	0.74 386	1.10 383	0.32 275	0.41 275	0.37 304	0.69 372	0.78 421	0.73 384	0.90 436	0.75 391	1.00 431	0.84 393	0.69 399	0.69 360	0.40 283	0.35 258	0.26 229	0.35 235	0.26 207

Selective-RAFT	0.89 398	0.89 275	0.72 381	1.16 396	0.78 427	1.06 426	0.82 427	0.87 389	0.97 445	1.00 414	0.91 439	0.90 407	1.00 431	0.89 401	0.93 435	0.83 382	0.83 403	0.82 407	0.82 434	0.81 378	0.82 421

DPSM_ROB	0.92 401	0.91 280	0.91 409	0.91 355	0.92 442	0.92 403	0.92 434	0.92 398	0.91 435	0.93 408	0.91 439	0.92 410	0.90 424	0.91 403	0.92 431	0.92 392	0.91 408	0.91 416	0.92 438	0.93 399	0.93 430

DPSM	0.92 401	0.91 280	0.91 409	0.91 355	0.92 442	0.92 403	0.92 434	0.92 398	0.91 435	0.93 408	0.91 439	0.92 410	0.90 424	0.91 403	0.92 431	0.92 392	0.91 408	0.91 416	0.92 438	0.93 399	0.93 430

pmcnn	0.92 401	0.92 285	0.92 411	0.92 358	0.92 442	0.92 403	0.92 434	0.92 398	0.92 439	0.92 406	0.92 442	0.92 410	0.92 426	0.92 407	0.92 431	0.92 392	0.92 410	0.92 419	0.92 438	0.92 394	0.92 429

DGTPSM_ROB	0.93 406	1.00 303	0.92 411	0.94 364	0.96 446	0.91 402	0.92 434	0.91 395	0.96 444	0.91 404	0.96 443	0.93 413	0.92 426	0.94 409	0.92 431	0.92 392	0.92 410	0.90 413	0.92 438	0.94 403	0.91 428

AIO-Stereo-zeroshot	0.91 399	0.86 268	0.89 404	1.25 448	0.69 407	1.05 425	0.81 424	1.16 428	0.50 364	1.12 437	0.97 444	0.72 386	0.82 421	1.06 431	0.95 436	0.61 348	0.87 405	1.03 440	0.85 437	1.04 414	1.01 441

MM-Stereo_test2	1.20 435	1.85 428	1.05 422	1.46 470	0.94 445	1.36 499	0.99 441	1.36 493	0.95 442	1.41 499	0.98 445	1.40 505	0.96 428	1.37 500	0.95 436	1.37 488	1.06 419	1.33 507	0.93 442	1.29 486	0.89 426

GANet	1.00 413	1.00 303	1.00 418	1.00 373	1.00 448	1.00 411	1.00 442	1.00 406	1.00 449	1.00 414	1.00 446	1.00 418	1.00 431	1.00 417	1.00 441	1.00 406	1.00 413	1.00 434	1.00 445	1.00 408	1.00 437

TDLM	1.00 413	1.00 303	1.00 418	1.00 373	1.00 448	1.00 411	1.00 442	1.00 406	1.00 449	1.00 414	1.00 446	1.00 418	1.00 431	1.00 417	1.00 441	1.00 406	1.00 413	1.00 434	1.00 445	1.00 408	1.00 437

CVANet_RVC	1.00 413	1.00 303	1.00 418	1.00 373	1.00 448	1.00 411	1.00 442	1.00 406	1.00 449	1.00 414	1.00 446	1.00 418	1.00 431	1.00 417	1.00 441	1.00 406	1.00 413	1.00 434	1.00 445	1.00 408	1.00 437

trnet	1.01 419	1.01 311	1.01 421	1.01 376	1.01 452	1.01 417	1.01 445	1.01 413	1.01 452	1.01 421	1.01 449	1.01 424	1.01 437	1.01 423	1.01 444	1.01 409	1.01 416	1.01 437	1.01 450	1.01 411	1.01 441

MM-Stereo_test3	1.27 485	2.07 444	1.18 434	1.60 477	1.02 454	1.45 506	1.01 445	1.40 497	1.04 454	1.44 501	1.03 450	1.46 507	1.02 438	1.44 504	1.02 445	1.51 497	1.12 433	1.32 506	0.98 443	1.38 490	0.97 433

BPD-Stereo	1.53 492	1.36 402	1.06 423	1.42 469	1.23 519	1.41 504	1.07 449	1.43 499	1.12 456	1.42 500	1.06 451	1.83 515	1.07 440	1.42 503	1.07 447	1.27 478	1.38 506	6.80 607	1.00 445	1.26 484	1.00 437

GLC_STEREO	1.07 426	1.01 311	1.06 423	1.07 381	1.05 456	1.06 426	1.08 450	1.08 420	1.05 455	1.07 429	1.06 451	1.08 433	1.05 439	1.06 431	1.10 449	1.07 412	1.09 426	1.05 441	1.05 451	1.06 415	1.12 448

MLG-Stereo	0.92 401	0.90 278	0.84 402	1.27 450	0.49 368	1.38 501	0.88 430	1.41 498	0.97 445	0.73 384	1.09 453	1.26 495	0.43 338	0.72 380	1.05 446	1.13 421	0.49 330	1.18 453	0.66 405	1.01 411	0.46 333

ours_stereo	1.20 435	1.21 386	0.90 407	1.64 482	1.11 459	1.35 497	0.67 390	1.76 508	0.93 440	1.70 512	1.10 454	1.39 503	0.75 410	1.41 502	0.81 425	1.60 501	1.03 418	1.33 507	1.00 445	1.61 497	0.72 402

AF-Net	2.37 551	25.71 611	1.17 432	1.13 388	1.15 461	1.15 440	1.18 459	1.19 433	1.16 459	1.10 431	1.15 455	1.10 437	1.18 451	1.12 441	1.15 454	1.10 415	1.10 429	1.17 450	1.15 456	1.16 424	1.12 448

RP	2.33 547	25.00 608	1.13 427	1.15 391	1.15 461	1.10 433	1.15 455	1.15 425	1.15 458	1.12 437	1.15 455	1.09 435	1.13 443	1.10 437	1.15 454	1.11 420	1.09 426	1.16 446	1.12 454	1.16 424	1.17 457

Nwc_Net	2.37 551	25.95 612	1.15 430	1.14 389	1.15 461	1.08 430	1.14 454	1.17 430	1.16 459	1.14 440	1.15 455	1.08 433	1.15 446	1.11 439	1.14 453	1.10 415	1.11 430	1.16 446	1.09 453	1.16 424	1.15 453

RGC	2.36 549	25.48 609	1.19 436	1.15 391	1.15 461	1.10 433	1.16 457	1.17 430	1.16 459	1.12 437	1.16 458	1.11 441	1.13 443	1.09 435	1.18 459	1.10 415	1.15 435	1.16 446	1.12 454	1.14 419	1.12 448

NCC-stereo	2.36 549	25.52 610	1.17 432	1.15 391	1.17 466	1.11 436	1.11 451	1.15 425	1.16 459	1.10 431	1.16 458	1.10 437	1.15 446	1.14 442	1.13 452	1.09 413	1.11 430	1.15 445	1.16 458	1.17 429	1.17 457

edge stereo	2.43 554	27.07 616	1.14 428	1.06 380	1.14 460	1.08 430	1.17 458	1.16 428	1.14 457	1.10 431	1.16 458	1.09 435	1.16 450	1.10 437	1.16 457	1.10 415	1.11 430	1.16 446	1.19 460	1.13 418	1.11 446

Abc-Net	2.32 546	24.75 607	1.14 428	1.17 397	1.17 466	1.11 436	1.15 455	1.17 430	1.21 511	1.08 430	1.16 458	1.12 442	1.14 445	1.09 435	1.17 458	1.09 413	1.16 436	1.17 450	1.17 459	1.16 424	1.11 446
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 547	24.38 606	1.18 434	1.18 398	1.18 468	1.14 439	1.18 459	1.19 433	1.19 465	1.14 440	1.18 462	1.14 443	1.18 451	1.14 442	1.18 459	1.14 423	1.14 434	1.19 455	1.19 460	1.15 422	1.19 461

DisPM	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

CrosDoStereo	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

PFNet+	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

LCNet	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

HHNet	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

Patchmatch Stereo++	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462
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	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

STrans-v2	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

TransformOpticalFlow	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

OMP-Stereo	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

IIG-Stereo	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

NF-Stereo	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

OCTAStereo	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

PSM-softLoss	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

KMStereo	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

NRIStereo	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

PSM-adaLoss	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

PSM-AAD	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

FTStereo	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

ROB_FTStereo_v2	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

ROB_FTStereo	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

Consistency-Raft	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

KYRaft	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

HUI-Stereo	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

ASMatch	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

DeepStereo_LL	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

DEmStereo	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

SST-Stereo	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

THIR-Stereo	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

RAFT_R40	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

DRaft	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

PFNet	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

GrayStereo	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

RE-Stereo	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

Pruner-Stereo	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

TVStereo	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

DeepStereo_RVC	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

RAFT-RH_RVC	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

IRAFT_RVC	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

RAFT-345	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

iRAFT	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

CRE-IMP	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

GMM-Stereo	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

RAFT-IKP	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

Prome-Stereo	1.20 435	1.20 340	1.20 439	1.20 400	1.20 469	1.20 442	1.20 461	1.20 436	1.20 466	1.20 444	1.20 463	1.20 448	1.20 453	1.20 447	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 462

MaDis-Stereo	3.19 568	6.02 571	1.12 426	5.61 586	1.16 465	5.43 601	1.02 447	5.15 600	0.70 406	5.43 600	1.21 508	5.03 602	0.97 429	4.85 594	0.99 440	4.53 574	1.16 436	5.53 601	1.25 513	5.37 591	1.30 514

FAT-Stereo	2.46 555	26.05 613	1.23 488	1.23 447	1.22 517	1.20 442	1.24 509	1.23 484	1.23 513	1.19 443	1.22 509	1.21 493	1.24 501	1.20 447	1.24 510	1.21 474	1.17 439	1.22 503	1.25 513	1.20 434	1.24 511

GANetREF_RVC	1.55 493	1.94 441	1.22 486	1.88 485	1.21 515	1.88 516	1.22 507	1.88 510	1.22 512	1.88 513	1.22 509	1.88 516	1.22 500	1.89 519	1.22 509	1.87 509	1.22 488	1.88 531	1.22 509	1.88 509	1.22 508
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
S-Stereo	2.51 556	26.86 614	1.23 488	1.22 445	1.22 517	1.24 490	1.25 510	1.22 482	1.24 514	1.21 489	1.24 511	1.19 447	1.27 503	1.19 446	1.24 510	1.19 426	1.20 441	1.25 504	1.19 460	1.24 483	1.23 510

SPS-STEREO	1.59 494	1.91 435	1.21 485	1.94 488	1.20 469	2.00 524	1.23 508	1.99 515	1.24 514	2.00 521	1.25 512	2.03 526	1.26 502	2.00 523	1.29 517	1.90 513	1.18 440	1.89 532	1.21 508	1.89 510	1.20 462
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
StereoVision	3.15 567	5.00 550	0.89 404	4.83 577	1.00 448	3.93 574	1.27 513	6.37 603	1.34 519	5.67 603	1.26 513	5.84 605	1.27 503	5.03 600	1.24 510	5.10 593	1.09 426	4.61 585	0.57 386	5.62 593	1.12 448

2.25w	2.00 512	1.86 430	1.98 552	2.95 527	2.17 569	2.26 531	1.35 517	2.42 540	2.00 567	2.07 529	1.27 514	2.53 543	1.99 550	2.29 533	1.49 529	2.21 528	1.32 490	1.85 524	1.87 558	2.52 539	1.62 538

4.5_new	2.00 512	1.84 427	1.98 552	2.77 521	2.16 567	2.27 532	1.28 514	2.09 520	1.98 564	2.01 522	1.28 515	2.71 555	1.98 548	2.51 545	1.65 535	2.26 530	1.33 497	1.87 528	1.87 558	2.49 535	1.60 535

1w_stereo	2.05 527	2.32 464	1.35 494	3.74 558	2.01 559	2.73 558	1.42 529	1.88 510	1.93 562	2.03 524	1.28 515	2.71 555	1.99 550	2.72 556	1.72 542	2.20 527	1.32 490	1.87 528	1.86 557	2.45 531	1.54 528

IGEV	2.02 520	2.20 455	1.82 535	2.90 526	2.16 567	2.41 540	1.25 510	2.00 516	1.98 564	1.99 520	1.31 517	2.72 559	1.93 544	2.67 553	1.69 539	2.26 530	1.32 490	1.83 523	1.87 558	2.53 542	1.61 537

3w_stereo	2.04 525	2.24 459	1.70 524	3.15 531	2.18 571	2.49 544	1.26 512	2.03 518	1.98 564	1.98 519	1.33 518	2.72 559	1.99 550	2.59 548	1.72 542	2.22 529	1.33 497	1.85 524	1.88 563	2.50 537	1.58 533

PS-NSSS	1.38 490	1.39 404	1.34 492	1.34 462	1.35 520	1.38 501	1.37 524	1.35 492	1.38 525	1.34 495	1.34 519	1.39 503	1.38 514	1.70 510	1.40 525	1.36 486	1.36 503	1.36 512	1.37 521	1.37 489	1.36 521

999	1.00 413	1.12 329	0.59 345	1.10 383	1.21 515	1.09 432	0.52 371	1.08 420	1.43 528	1.18 442	1.35 520	0.98 417	0.52 369	0.91 403	0.85 428	0.72 366	1.46 511	0.83 408	0.98 443	0.68 355	1.41 524

MaskLacGwcNet_RVC	1.35 487	1.35 401	1.35 494	1.35 464	1.35 520	1.35 497	1.35 517	1.36 493	1.35 522	1.36 497	1.35 520	1.36 501	1.36 511	1.36 499	1.35 521	1.35 484	1.35 502	1.35 510	1.35 518	1.35 488	1.35 520

CC-Net-ROB	1.36 488	1.33 400	1.33 491	1.36 465	1.38 523	1.36 499	1.33 515	1.37 495	1.34 519	1.35 496	1.36 522	1.38 502	1.34 509	1.38 501	1.38 524	1.35 484	1.38 506	1.33 507	1.35 518	1.43 491	1.34 519

3.25w	2.04 525	2.20 455	1.48 512	3.03 528	2.17 569	2.63 554	1.39 525	1.96 513	1.95 563	1.96 516	1.37 523	2.71 555	1.96 547	2.71 554	1.73 547	2.26 530	1.32 490	1.87 528	1.87 558	2.51 538	1.63 539

MC-Stereo	1.76 499	2.96 505	1.37 504	2.14 496	1.37 522	2.14 530	1.36 519	2.14 524	1.37 524	2.14 530	1.37 523	2.14 528	1.37 513	2.14 528	1.37 523	1.97 517	1.32 490	1.97 534	1.32 517	1.98 511	1.33 517

HBP-ISP	1.24 483	1.72 416	1.65 522	1.15 391	0.76 423	1.40 503	0.88 430	1.67 507	1.02 453	1.69 511	1.38 525	1.69 513	1.21 499	1.87 518	1.21 508	1.05 411	0.79 397	0.97 432	0.80 431	1.19 432	0.75 409

CFNet-RSSM	0.91 399	4.89 549	0.34 242	0.44 257	1.07 457	1.62 512	1.40 526	0.91 395	0.35 293	1.60 504	1.39 526	0.64 376	0.34 289	0.44 298	0.33 269	0.41 278	0.35 261	0.75 393	0.30 269	0.41 287	0.29 236

2.5w	2.01 519	2.40 474	1.37 504	3.28 536	2.01 559	2.71 555	1.43 532	1.82 509	1.83 552	1.90 515	1.41 527	2.71 555	1.35 510	2.71 554	1.85 553	2.66 554	1.53 516	1.64 519	1.23 510	2.53 542	1.87 554

MM-Stereo_test1	1.80 502	3.41 517	1.52 517	2.12 495	1.41 525	2.04 525	1.41 527	2.05 519	1.46 529	2.04 525	1.41 527	2.05 527	1.42 516	2.05 524	1.43 527	2.04 521	1.54 518	1.94 533	1.38 523	1.99 512	1.33 517

sCroCo_RVC	2.10 528	2.76 496	1.92 549	2.78 524	1.39 524	2.73 558	1.41 527	2.73 555	1.40 526	2.77 564	1.41 527	2.74 561	1.40 515	2.74 559	1.40 525	2.72 558	1.42 509	2.72 562	1.44 529	2.79 549	1.42 525

MonStereo1	1.94 506	2.77 498	1.52 517	3.73 557	1.51 529	2.13 529	1.42 529	2.32 534	1.52 530	2.31 538	1.50 530	2.53 543	1.59 519	2.34 536	1.56 530	1.91 514	1.36 503	1.86 527	1.31 516	2.07 513	1.53 527

monsters	2.18 533	2.41 475	1.96 551	3.47 546	2.03 563	2.53 548	1.64 537	2.48 542	1.73 543	2.40 542	1.50 530	2.62 551	1.94 545	2.59 548	1.94 560	2.44 546	1.57 520	2.28 543	1.87 558	2.42 529	1.86 552

ff7	1.68 496	2.68 485	1.35 494	0.97 370	0.89 437	1.84 513	2.15 564	2.12 521	1.80 549	2.05 526	1.56 532	2.33 533	2.12 555	2.23 529	2.25 567	1.31 480	1.07 420	1.48 514	1.41 524	0.90 390	1.04 443

ffff	1.68 496	2.68 485	1.35 494	0.97 370	0.89 437	1.84 513	2.15 564	2.12 521	1.80 549	2.05 526	1.56 532	2.33 533	2.12 555	2.23 529	2.25 567	1.31 480	1.07 420	1.48 514	1.41 524	0.90 390	1.04 443

ccc-4	1.68 496	2.68 485	1.35 494	0.97 370	0.89 437	1.84 513	2.15 564	2.12 521	1.80 549	2.05 526	1.56 532	2.33 533	2.12 555	2.23 529	2.25 567	1.31 480	1.07 420	1.48 514	1.41 524	0.90 390	1.04 443

DPSMNet_ROB	1.60 495	1.59 411	1.70 524	1.59 474	1.59 532	1.61 510	1.61 535	1.60 500	1.60 532	1.62 510	1.59 535	1.60 509	1.60 520	1.60 506	1.59 532	1.59 499	1.60 525	1.59 518	1.59 538	1.59 496	1.59 534

3.25w_new	2.03 522	2.72 492	1.35 494	3.33 541	1.57 530	2.72 556	1.53 534	2.15 525	1.33 518	2.15 531	1.60 536	2.63 552	1.30 506	2.72 556	1.99 564	2.67 556	1.53 516	1.75 522	1.25 513	2.53 542	1.87 554

RASNet	1.49 491	1.65 413	1.45 510	1.38 467	1.43 526	1.47 507	1.36 519	1.38 496	1.36 523	1.39 498	1.60 536	1.45 506	1.45 517	1.51 505	2.21 566	1.53 498	1.36 503	1.36 512	1.36 520	1.66 500	1.36 521

3.5w_stereo	2.03 522	2.72 492	1.35 494	3.41 543	1.57 530	2.72 556	1.49 533	2.01 517	1.34 519	2.15 531	1.61 538	2.63 552	1.36 511	2.72 556	1.99 564	2.66 554	1.58 521	1.68 521	1.24 511	2.53 542	1.87 554

monsterstereo	2.20 539	2.33 465	1.95 550	3.65 553	2.07 564	2.49 544	1.61 535	2.48 542	1.83 552	2.45 544	1.61 538	2.67 554	1.86 537	2.64 550	1.94 560	2.48 550	1.66 529	2.34 547	1.68 548	2.40 528	1.86 552

4w-stereo	2.02 520	2.72 492	1.44 509	3.36 542	1.59 532	2.48 543	1.72 541	2.28 527	1.24 514	2.24 533	1.65 540	2.56 548	1.32 508	2.39 539	1.98 563	2.67 556	1.51 514	1.66 520	1.24 511	2.53 542	1.88 557

Anonymous3	2.55 557	3.26 515	1.65 522	3.28 536	1.63 535	3.24 567	1.68 538	3.27 566	1.66 533	3.28 567	1.67 541	3.25 568	1.66 523	3.27 566	1.64 534	3.26 562	1.65 528	3.30 566	1.65 544	4.95 586	1.65 542

MonStereo	2.17 531	2.41 475	1.49 516	2.67 518	1.67 537	2.60 553	2.04 562	2.32 534	1.76 546	2.44 543	1.68 542	2.50 541	1.69 526	2.38 537	1.80 550	2.28 534	1.78 535	2.63 561	2.14 566	3.47 554	1.68 543

UDGNet	2.23 543	5.40 561	1.72 527	2.48 512	1.69 540	2.51 547	1.69 539	2.51 545	1.72 542	2.50 547	1.69 543	2.52 542	1.69 526	2.50 544	1.68 538	2.41 545	1.70 531	2.42 552	1.69 550	2.42 529	1.64 540

MFMNet_re	1.81 503	1.91 435	1.71 526	1.95 490	1.70 543	1.95 521	1.70 540	1.96 513	1.74 545	1.97 518	1.72 544	1.95 519	1.71 528	1.97 522	1.71 540	1.86 507	1.62 526	1.85 524	1.66 545	1.86 508	1.64 540

U	5.15 603	8.49 583	1.81 530	8.49 600	1.77 545	8.49 610	1.77 542	8.51 611	1.77 547	8.49 611	1.77 545	8.50 612	1.78 535	8.58 611	1.77 548	8.54 610	1.78 535	8.55 612	1.78 555	8.55 606	1.84 550

asda	2.17 531	2.54 479	1.81 530	3.47 546	1.78 546	2.50 546	1.86 548	2.61 548	1.68 534	2.61 550	1.83 546	2.37 537	1.73 530	2.44 543	1.88 558	2.51 551	1.84 539	2.34 547	1.62 542	2.23 519	1.77 549

HUF	2.18 533	2.30 462	1.99 555	2.34 508	2.02 562	2.41 540	2.06 563	2.38 538	1.89 560	2.36 540	1.85 547	2.56 548	1.98 548	2.31 535	1.97 562	2.30 537	2.03 550	2.30 544	2.11 565	2.23 519	2.16 559

LGtest1	2.22 540	2.70 488	1.89 546	2.76 520	1.86 551	2.75 560	1.86 548	2.75 556	1.86 554	2.75 559	1.86 548	2.77 564	1.87 538	2.75 560	1.86 554	2.46 547	1.58 521	2.45 553	1.56 532	2.45 531	1.56 530

LG-G_1	2.22 540	2.71 490	1.89 546	2.77 521	1.87 554	2.75 560	1.87 550	2.76 557	1.87 558	2.75 559	1.87 549	2.76 562	1.87 538	2.75 560	1.86 554	2.47 548	1.58 521	2.45 553	1.57 533	2.45 531	1.57 531

LG-G	2.22 540	2.71 490	1.89 546	2.77 521	1.87 554	2.75 560	1.87 550	2.76 557	1.87 558	2.75 559	1.87 549	2.76 562	1.87 538	2.75 560	1.86 554	2.47 548	1.58 521	2.45 553	1.57 533	2.45 531	1.57 531

TRStereo	2.00 512	2.13 449	1.85 541	2.27 502	1.84 548	2.28 534	1.84 544	2.29 529	1.86 554	2.30 535	1.87 549	2.30 530	1.87 538	2.08 525	1.72 542	2.08 522	1.72 532	2.08 537	1.72 551	2.08 514	1.72 545

XX-Stereo	2.00 512	2.13 449	1.85 541	2.27 502	1.84 548	2.28 534	1.84 544	2.29 529	1.86 554	2.30 535	1.87 549	2.30 530	1.87 538	2.08 525	1.72 542	2.08 522	1.72 532	2.08 537	1.72 551	2.08 514	1.72 545

EAI-Stereo	2.00 512	2.13 449	1.85 541	2.27 502	1.84 548	2.28 534	1.84 544	2.29 529	1.86 554	2.30 535	1.87 549	2.30 530	1.87 538	2.08 525	1.72 542	2.08 522	1.72 532	2.08 537	1.72 551	2.08 514	1.72 545

IGEVStereo-DCA	1.77 500	4.21 540	1.84 539	2.49 513	2.11 565	2.54 550	1.36 519	1.65 505	1.17 463	2.75 559	1.90 554	2.54 546	1.15 446	0.94 409	1.11 450	1.50 495	1.32 490	0.96 430	1.46 530	1.49 493	0.88 424

rrr	1.77 500	4.21 540	1.84 539	2.49 513	2.11 565	2.54 550	1.36 519	1.65 505	1.17 463	2.75 559	1.90 554	2.54 546	1.15 446	0.94 409	1.11 450	1.50 495	1.32 490	0.96 430	1.46 530	1.49 493	0.88 424

qwe	2.18 533	2.60 482	1.58 519	3.83 559	1.90 556	2.53 548	1.90 553	2.48 542	1.73 543	2.37 541	1.92 556	2.53 543	1.68 524	2.56 546	1.83 551	2.52 553	1.87 541	2.07 536	1.68 548	2.32 525	1.71 544

2w_stereo	1.99 508	2.36 472	1.81 530	3.24 534	1.67 537	1.94 518	1.98 555	2.72 549	1.68 534	2.72 553	1.94 557	1.98 522	1.74 532	1.79 515	1.27 514	1.95 516	2.00 543	2.53 558	1.60 539	1.68 501	1.15 453

AIO_test	2.18 533	2.09 447	2.04 556	2.42 510	2.01 559	2.47 542	1.94 554	2.34 536	2.03 568	2.56 549	1.94 557	2.43 539	1.94 545	2.41 540	1.87 557	2.39 544	2.10 552	2.35 549	1.91 564	2.25 521	2.19 560

AIO_rvc	2.18 533	2.34 469	1.87 545	2.32 506	1.94 557	2.40 539	1.89 552	2.37 537	2.07 569	2.52 548	1.95 559	2.44 540	1.99 550	2.41 540	1.89 559	2.32 539	2.09 551	2.24 541	2.18 567	2.21 518	2.23 561

asd	2.18 533	2.77 498	1.58 519	3.59 551	2.00 558	2.58 552	1.85 547	2.39 539	1.71 538	2.47 545	1.97 560	2.59 550	1.61 521	2.56 546	1.79 549	2.51 551	1.99 542	2.11 540	1.62 542	2.36 527	1.60 535

4.25_new	2.00 512	2.33 465	1.82 535	3.32 539	1.69 540	1.95 521	1.99 558	2.72 549	1.71 538	2.72 553	1.97 560	2.01 524	1.74 532	1.77 513	1.28 515	2.18 525	2.01 545	2.48 556	1.58 536	1.65 498	1.17 457

4.5w_new	2.00 512	2.33 465	1.82 535	3.32 539	1.69 540	1.95 521	1.99 558	2.72 549	1.71 538	2.72 553	1.97 560	2.01 524	1.74 532	1.77 513	1.28 515	2.18 525	2.01 545	2.48 556	1.58 536	1.65 498	1.17 457

3.75w	1.99 508	2.31 463	1.83 538	3.16 532	1.65 536	1.93 517	1.98 555	2.72 549	1.68 534	2.73 558	1.97 560	2.00 523	1.72 529	1.81 516	1.25 513	2.27 533	2.01 545	2.38 550	1.42 527	1.71 502	1.24 511

RAFT_CTSACE	1.92 505	3.71 524	1.72 527	1.88 485	1.72 544	2.04 525	1.42 529	2.18 526	1.89 560	2.02 523	1.97 560	1.95 519	2.06 554	1.93 520	1.62 533	1.76 504	1.66 529	2.02 535	1.73 554	1.73 503	1.43 526

FBW_ROB	2.12 530	2.46 478	1.77 529	2.49 513	1.79 547	2.38 538	1.83 543	2.46 541	1.78 548	2.48 546	1.97 560	2.40 538	1.78 535	2.42 542	1.83 551	2.31 538	1.85 540	2.38 550	1.82 556	2.35 526	1.84 550

4.25w-stereo	1.98 507	2.72 492	1.46 511	3.47 546	1.43 526	2.07 527	1.98 555	2.53 546	1.52 530	2.71 552	1.98 566	1.81 514	1.62 522	1.96 521	1.36 522	1.88 512	2.00 543	2.53 558	1.61 540	1.74 504	1.15 453

sAnonymous2	3.31 569	2.63 483	1.38 506	3.71 555	1.86 551	4.70 593	1.11 451	4.82 596	2.72 574	5.45 601	1.98 566	4.59 587	2.64 561	2.65 551	6.21 607	4.37 570	1.08 424	5.16 599	2.24 569	4.52 568	2.39 567

CroCo_RVC	3.31 569	2.63 483	1.38 506	3.71 555	1.86 551	4.70 593	1.11 451	4.82 596	2.72 574	5.45 601	1.98 566	4.59 587	2.64 561	2.65 551	6.21 607	4.37 570	1.08 424	5.16 599	2.24 569	4.52 568	2.39 567

4.5w-stereo	1.99 508	2.33 465	1.81 530	3.28 536	1.68 539	1.94 518	1.99 558	2.72 549	1.70 537	2.72 553	1.99 569	1.97 521	1.68 524	1.76 512	1.29 517	1.91 514	2.02 549	2.53 558	1.61 540	1.75 505	1.16 456

2.75w_new	1.99 508	2.34 469	1.81 530	3.14 530	1.62 534	1.94 518	1.99 558	2.72 549	1.71 538	2.72 553	1.99 569	1.90 517	1.73 530	1.82 517	1.29 517	2.37 542	2.01 545	2.31 545	1.42 527	1.77 506	1.22 508

FC-DCNN	1.07 426	1.09 326	0.98 416	0.89 352	0.52 378	1.41 504	0.91 433	1.21 481	1.24 514	1.96 516	2.05 571	1.91 518	1.30 506	1.27 497	1.08 448	0.80 374	0.60 356	0.58 373	0.41 344	0.68 355	0.54 362

NCCL2	2.28 545	2.27 460	2.28 558	2.28 505	2.28 572	2.27 532	2.29 567	2.28 527	2.28 570	2.27 534	2.28 572	2.28 529	2.27 558	2.27 532	2.28 571	2.28 534	2.28 557	2.27 542	2.29 571	2.27 522	2.29 562

STTStereo	3.73 573	30.40 620	2.37 562	2.39 509	2.31 574	2.35 537	2.33 568	2.29 529	2.42 571	2.32 539	2.34 573	2.33 533	2.36 559	2.30 534	2.27 570	2.35 541	2.22 556	2.31 545	2.22 568	2.29 524	2.34 566

NLSM1	2.93 566	3.24 514	2.57 566	4.04 560	2.66 575	3.30 569	2.55 570	3.29 567	2.55 572	3.35 569	2.48 574	3.28 569	2.47 560	3.34 569	2.49 572	3.26 562	2.55 561	3.13 564	2.57 574	3.00 551	2.46 569

NLCA_NET_v2_RVC	5.04 601	50.87 630	2.78 567	2.87 525	2.71 576	2.78 563	0.47 353	2.88 562	2.86 576	1.89 514	2.67 575	2.79 565	2.79 564	2.78 563	2.83 573	2.82 559	2.82 562	2.83 563	2.77 575	2.83 550	2.76 571
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
rvit_stereo_0081	3.83 574	5.23 555	3.01 569	4.53 564	3.03 580	4.55 587	3.02 577	4.56 583	3.04 577	4.52 580	3.02 576	4.54 583	3.03 565	4.56 583	3.04 574	4.57 576	3.05 564	4.57 580	3.05 579	4.58 571	3.05 576

rvit_stereo_0082	3.86 576	5.82 569	3.01 569	4.53 564	3.03 580	4.54 583	3.02 577	4.56 583	3.04 577	4.53 582	3.02 576	4.55 585	3.04 568	4.57 586	3.05 576	4.57 576	3.05 564	4.58 582	3.05 579	4.58 571	3.06 579

rvit_0105_6	3.87 578	5.73 568	3.10 579	4.69 574	3.12 588	4.54 583	3.02 577	4.56 583	3.04 577	4.54 584	3.03 578	4.54 583	3.04 568	4.56 583	3.05 576	4.58 579	3.05 564	4.58 582	3.05 579	4.58 571	3.05 576

rvit_105_1	3.83 574	5.22 554	3.01 569	4.53 564	3.01 578	4.51 581	3.01 576	4.56 583	3.04 577	4.53 582	3.03 578	4.55 585	3.03 565	4.56 583	3.04 574	4.57 576	3.05 564	4.57 580	3.05 579	4.57 570	3.05 576

rvit_stereo_0081_aga	3.86 576	5.33 558	3.02 572	4.55 570	3.04 584	4.54 583	3.02 577	4.64 590	3.06 581	4.54 584	3.04 580	4.62 592	3.08 572	4.62 589	3.07 579	4.58 579	3.06 568	4.60 584	3.08 583	4.63 574	3.07 580

rvit_0105_4	3.91 581	5.47 565	3.02 572	4.54 567	3.02 579	4.54 583	3.03 581	4.75 593	3.17 588	4.57 586	3.06 581	4.61 591	3.16 576	4.65 590	3.09 582	4.66 583	3.11 572	4.68 589	3.18 590	4.81 581	3.16 588

rvit_stereo_0080	3.89 579	5.70 566	3.04 574	4.54 567	3.03 580	4.56 588	3.05 583	4.60 587	3.07 582	4.58 587	3.06 581	4.59 587	3.06 570	4.61 587	3.08 580	4.63 581	3.09 569	4.64 586	3.10 584	4.65 575	3.10 583

whm_eth	3.89 579	5.70 566	3.04 574	4.54 567	3.03 580	4.56 588	3.05 583	4.60 587	3.07 582	4.58 587	3.06 581	4.59 587	3.06 570	4.61 587	3.08 580	4.63 581	3.09 569	4.64 586	3.10 584	4.65 575	3.10 583

rvit_0105_3	3.91 581	5.33 558	3.06 577	4.60 572	3.07 586	4.60 590	3.06 585	4.62 589	3.08 585	4.60 589	3.07 584	4.62 592	3.08 572	4.67 591	3.10 583	4.70 584	3.11 572	4.77 593	3.19 591	4.77 580	3.14 587

DispFullNet	4.61 594	4.84 547	3.12 580	5.00 580	3.57 594	4.75 596	3.03 581	7.75 609	4.17 602	4.91 596	3.09 585	6.20 606	3.95 591	6.71 605	3.51 589	5.30 594	3.67 582	5.86 605	3.63 594	5.61 592	3.46 593

rvit_stereo_0083	3.92 583	5.30 557	3.06 577	4.61 573	3.09 587	4.67 592	3.08 586	4.66 591	3.09 586	4.62 590	3.10 586	4.66 595	3.11 574	4.67 591	3.16 585	4.72 586	3.16 575	4.77 593	3.11 586	4.66 577	3.11 585

rvit_stereo_ft	3.93 584	5.44 563	3.05 576	4.59 571	3.06 585	4.61 591	3.08 586	4.67 592	3.12 587	4.63 591	3.10 586	4.65 594	3.11 574	4.69 593	3.13 584	4.70 584	3.14 574	4.71 591	3.15 589	4.74 578	3.16 588

rvit_0105_5	4.10 585	5.40 561	3.13 582	4.71 575	3.15 589	4.72 595	3.10 588	4.90 598	3.27 590	4.69 592	3.16 588	4.84 599	3.25 578	4.96 597	3.34 588	5.05 591	3.39 580	5.10 598	3.40 592	5.11 588	3.42 592

NLCSM	3.67 572	4.08 535	3.19 583	4.80 576	3.26 590	3.99 577	3.24 591	4.25 579	3.18 589	4.09 575	3.27 589	4.14 578	3.18 577	4.13 577	3.28 587	4.06 569	3.10 571	3.85 576	3.14 588	3.91 561	3.27 591

RAFT+CT+SA	4.28 588	7.62 577	4.91 594	5.55 585	2.28 572	3.09 564	3.64 595	4.49 581	3.07 582	4.80 593	3.35 590	4.77 597	3.70 584	4.29 580	3.05 576	5.58 595	5.98 596	3.58 570	3.78 599	4.26 564	3.72 596

MLG-Stereo_test1	4.25 586	5.34 560	3.61 586	5.31 582	3.63 596	5.23 599	3.57 594	5.38 601	3.65 592	5.23 598	3.47 591	4.76 596	3.74 585	4.85 594	3.71 592	4.96 588	3.18 577	4.71 591	2.92 576	4.86 584	2.90 573

TestStereo1	4.60 592	8.41 581	6.44 602	6.86 593	3.79 599	3.97 575	3.78 598	3.99 576	3.74 595	3.97 573	3.52 592	3.94 576	3.58 579	3.98 575	3.72 593	6.82 603	6.50 599	3.76 573	3.66 595	3.90 558	3.74 598

SA-5K	4.60 592	8.41 581	6.44 602	6.86 593	3.79 599	3.97 575	3.78 598	3.99 576	3.74 595	3.97 573	3.52 592	3.94 576	3.58 579	3.98 575	3.72 593	6.82 603	6.50 599	3.76 573	3.66 595	3.90 558	3.74 598

DPSNet	3.66 571	3.60 520	3.62 587	3.63 552	3.64 597	3.65 572	3.65 596	3.66 572	3.67 593	3.67 571	3.65 594	3.67 573	3.66 582	3.66 571	3.68 591	3.68 567	3.66 581	3.67 571	3.68 597	3.67 555	3.67 595

MLG-Stereo_test3	4.26 587	4.85 548	3.95 590	5.35 583	3.60 595	4.75 596	3.76 597	5.49 602	3.71 594	5.39 599	3.69 595	4.82 598	3.66 582	4.85 594	3.73 595	4.93 587	3.19 578	4.69 590	2.99 578	4.84 583	2.98 575

MLG-Stereo_test2	4.28 588	5.46 564	3.69 588	4.86 578	3.72 598	5.58 602	3.42 592	4.81 595	3.77 598	4.85 594	3.72 596	5.55 604	3.63 581	5.58 601	3.53 590	4.41 573	3.28 579	4.99 597	2.95 577	4.75 579	3.13 586

SA	4.33 590	7.35 574	6.85 605	5.96 588	4.09 602	3.59 571	3.15 589	3.82 574	2.64 573	3.91 572	3.85 597	3.57 571	2.72 563	3.13 565	4.03 598	7.09 606	6.86 601	3.57 569	3.12 587	3.85 557	3.51 594

test_4	4.88 598	8.13 579	6.98 606	7.46 596	4.44 604	4.25 579	3.85 600	4.04 578	3.92 599	4.13 576	3.91 598	4.18 580	3.84 589	4.14 578	4.06 599	7.01 605	7.13 602	4.53 578	3.72 598	4.09 562	3.72 596

cross-raft	4.83 597	7.52 575	6.43 601	6.63 591	3.96 601	4.51 581	3.99 601	4.49 581	3.96 600	4.52 580	3.96 599	4.50 582	3.97 592	4.50 582	3.97 597	6.65 601	6.44 598	4.33 577	3.92 601	4.35 566	3.91 601

Sa-1000	4.34 591	8.37 580	6.84 604	6.98 595	4.45 605	3.58 570	3.00 575	3.42 570	3.39 591	2.61 550	4.00 600	3.83 575	4.01 593	3.90 574	3.90 596	5.98 599	5.62 594	3.76 573	2.34 572	4.35 566	2.47 570

test_3	5.01 600	8.86 586	7.77 608	8.09 598	2.76 577	4.13 578	4.05 602	3.88 575	3.76 597	4.33 578	4.13 601	3.71 574	3.91 590	4.21 579	4.06 599	7.93 607	7.69 604	4.53 578	3.91 600	4.17 563	4.29 604

SGM-Forest	5.21 604	5.92 570	4.08 591	6.18 589	4.16 603	6.31 604	4.34 604	6.50 604	4.33 603	6.14 605	4.21 602	6.61 609	4.55 597	6.67 604	4.48 602	5.94 598	3.94 584	5.85 604	4.03 603	5.79 594	4.17 603
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
raft_robust	4.71 596	7.75 578	5.40 599	6.81 592	3.31 591	4.28 580	4.20 603	4.32 580	4.37 604	4.35 579	4.35 603	4.14 578	3.75 586	4.30 581	4.20 601	6.67 602	6.37 597	3.36 568	4.24 605	4.86 584	3.25 590

test_5	4.62 595	7.55 576	6.23 600	6.32 590	3.40 593	5.29 600	3.50 593	3.53 571	4.11 601	4.28 577	4.47 604	4.26 581	4.38 596	3.68 572	3.24 586	5.89 597	5.60 593	4.84 595	3.50 593	4.33 565	3.93 602

TestStereo	4.88 598	4.75 546	4.79 593	4.87 579	4.92 606	4.81 598	4.90 606	4.78 594	4.77 605	4.87 595	4.89 605	4.90 600	4.91 598	4.99 598	4.79 603	4.98 589	4.87 590	4.87 596	4.92 607	5.00 587	5.00 605

FC-DCNN v2	5.10 602	5.15 552	4.49 592	5.07 581	3.37 592	6.87 605	4.75 605	5.04 599	6.34 609	7.84 609	5.06 606	6.72 610	4.09 594	4.99 598	5.44 606	5.03 590	3.16 575	4.67 588	4.86 606	5.15 589	3.89 600

SGM+DAISY	7.06 608	9.15 587	5.38 598	8.84 602	5.18 607	8.80 611	5.31 608	8.79 612	5.28 607	8.89 612	5.20 607	8.93 613	5.33 600	8.95 612	5.36 605	8.70 611	5.21 591	8.74 613	5.20 608	8.89 607	5.15 606

rvit_stereo_0075_2	6.64 606	8.80 585	5.25 596	7.89 597	5.27 608	7.90 609	5.27 607	7.92 610	5.28 607	7.91 610	5.29 608	7.93 611	5.27 599	7.92 610	5.28 604	7.93 607	5.28 592	7.93 610	5.29 609	7.93 603	5.28 607

test-v	7.53 609	11.89 597	7.98 609	9.36 604	7.14 611	7.06 607	7.09 611	7.37 607	6.91 611	7.29 607	5.71 609	6.45 607	6.93 604	6.73 606	7.27 611	8.93 612	7.85 605	6.98 608	6.80 612	7.56 601	7.34 611

test-2	7.53 609	11.89 597	7.98 609	9.36 604	7.14 611	7.06 607	7.09 611	7.37 607	6.91 611	7.29 607	5.71 609	6.45 607	6.93 604	6.73 606	7.27 611	8.93 612	7.85 605	6.98 608	6.80 612	7.56 601	7.34 611

test-1	6.46 605	9.16 588	8.03 611	8.09 598	5.62 609	6.11 603	6.35 609	6.85 606	4.94 606	6.08 604	6.29 611	4.98 601	6.43 603	6.22 602	6.36 609	6.16 600	7.47 603	5.82 603	5.44 610	7.11 600	5.68 608

RAFT	6.73 607	9.36 589	7.40 607	8.51 601	6.55 610	6.88 606	6.60 610	6.79 605	6.60 610	6.80 606	6.72 612	5.31 603	5.50 601	6.61 603	6.61 610	8.42 609	5.89 595	5.73 602	5.45 611	6.61 596	6.24 609

MANE	19.05 612	23.00 605	15.00 612	23.00 619	15.00 613	24.00 618	16.00 613	24.00 619	16.00 613	22.00 619	15.00 613	23.00 620	16.00 613	23.00 619	15.00 613	22.00 620	15.00 614	22.00 620	15.00 614	22.00 620	15.00 613

rafts_anoy	20.00 613	20.00 599	20.00 613	20.00 613	20.00 614	20.00 612	20.00 614	20.00 613	20.00 614	20.00 613	20.00 614	20.00 614	20.00 614	20.00 613	20.00 614	20.00 614	20.00 615	20.00 614	20.00 615	20.00 614	20.00 614

raft+_RVC	20.00 613	20.00 599	20.00 613	20.00 613	20.00 614	20.00 612	20.00 614	20.00 613	20.00 614	20.00 613	20.00 614	20.00 614	20.00 614	20.00 613	20.00 614	20.00 614	20.00 615	20.00 614	20.00 615	20.00 614	20.00 614

raftrobust	20.00 613	20.00 599	20.00 613	20.00 613	20.00 614	20.00 612	20.00 614	20.00 613	20.00 614	20.00 613	20.00 614	20.00 614	20.00 614	20.00 613	20.00 614	20.00 614	20.00 615	20.00 614	20.00 615	20.00 614	20.00 614

CasAABBNet	20.00 613	20.00 599	20.00 613	20.00 613	20.00 614	20.00 612	20.00 614	20.00 613	20.00 614	20.00 613	20.00 614	20.00 614	20.00 614	20.00 613	20.00 614	20.00 614	20.00 615	20.00 614	20.00 615	20.00 614	20.00 614

RALCasStereoNet	20.00 613	20.00 599	20.00 613	20.00 613	20.00 614	20.00 612	20.00 614	20.00 613	20.00 614	20.00 613	20.00 614	20.00 614	20.00 614	20.00 613	20.00 614	20.00 614	20.00 615	20.00 614	20.00 615	20.00 614	20.00 614

RALAANet	20.00 613	20.00 599	20.00 613	20.00 613	20.00 614	20.00 612	20.00 614	20.00 613	20.00 614	20.00 613	20.00 614	20.00 614	20.00 614	20.00 613	20.00 614	20.00 614	20.00 615	20.00 614	20.00 615	20.00 614	20.00 614

WCMA_ROB	31.10 620	35.43 625	27.12 619	39.51 631	23.10 620	38.78 630	25.30 620	37.49 631	25.39 620	37.29 630	27.02 620	38.52 632	26.48 620	37.80 630	26.44 620	36.28 628	22.65 621	33.90 625	22.30 621	37.10 629	24.18 620

111	30.40 619	30.94 621	29.72 620	32.61 620	30.02 621	33.57 619	30.47 621	31.50 620	29.39 621	30.98 620	29.11 621	29.78 621	30.39 624	29.45 620	30.76 624	30.08 621	29.02 622	29.92 621	30.32 625	29.86 621	30.17 621

fff	1000028.16 639	29.62 617	29.72 620	32.61 620	30.02 621	35.13 621	31.83 622	32.07 621	10000000.00 640	35.27 623	29.82 622	32.45 622	30.15 621	32.35 621	30.09 621	31.04 622	29.55 623	30.64 622	30.14 622	10000000.00 641	30.77 622

csc	1000028.16 639	29.62 617	29.72 620	32.61 620	30.02 621	35.13 621	31.83 622	32.07 621	10000000.00 640	35.27 623	29.82 622	32.45 622	30.15 621	32.35 621	30.09 621	31.04 622	29.55 623	30.64 622	30.14 622	10000000.00 641	30.77 622

cscssc	1000028.16 639	29.62 617	29.72 620	32.61 620	30.02 621	35.13 621	31.83 622	32.07 621	10000000.00 640	35.27 623	29.82 622	32.45 622	30.15 621	32.35 621	30.09 621	31.04 622	29.55 623	30.64 622	30.14 622	10000000.00 641	30.77 622

tt	500032.53 637	34.60 623	29.72 620	37.47 629	34.41 626	36.85 625	35.22 626	34.71 624	33.55 623	34.50 621	35.43 625	33.81 625	10000000.00 641	33.57 624	33.13 625	33.68 625	35.00 627	34.03 626	35.26 628	30.96 622	34.63 626

DCANet	500032.53 637	34.60 623	29.72 620	37.47 629	34.41 626	36.85 625	35.22 626	34.71 624	33.55 623	34.50 621	35.43 625	33.81 625	10000000.00 641	33.57 624	33.13 625	33.68 625	35.00 627	34.03 626	35.26 628	30.96 622	34.63 626

DCANet-4	35.22 621	34.54 622	35.08 626	33.58 624	35.47 628	34.55 620	35.53 628	36.08 626	35.85 625	35.92 626	35.77 627	35.18 627	35.48 626	35.39 626	37.15 630	34.55 627	33.92 626	35.02 628	34.90 627	35.79 625	34.74 628

ADStereo(finetuned)	36.13 622	36.63 626	38.07 630	36.97 625	33.25 625	35.91 624	34.45 625	36.36 627	32.99 622	38.14 631	36.71 628	36.69 628	34.13 625	38.57 631	40.79 631	37.60 632	36.58 629	35.90 629	33.36 626	35.42 624	34.04 625

Reg-Stereo(zero)	37.00 623	37.00 627	37.00 627	37.00 626	37.00 629	37.00 627	37.00 629	37.00 628	37.00 626	37.00 627	37.00 629	37.00 629	37.00 627	37.00 627	37.00 627	37.00 629	37.00 630	37.00 630	37.00 630	37.00 626	37.00 629

HI	37.00 623	37.00 627	37.00 627	37.00 626	37.00 629	37.00 627	37.00 629	37.00 628	37.00 626	37.00 627	37.00 629	37.00 629	37.00 627	37.00 627	37.00 627	37.00 629	37.00 630	37.00 630	37.00 630	37.00 626	37.00 629

CoSv	37.00 623	37.00 627	37.00 627	37.00 626	37.00 629	37.00 627	37.00 629	37.00 628	37.00 626	37.00 627	37.00 629	37.00 629	37.00 627	37.00 627	37.00 627	37.00 629	37.00 630	37.00 630	37.00 630	37.00 626	37.00 629

MDST_ROB	69.83 626	87.70 631	41.95 631	113.75 634	65.62 634	75.05 631	55.25 633	75.64 633	45.04 629	71.61 632	41.75 632	72.81 633	44.06 630	68.38 632	44.63 632	101.89 635	59.57 635	107.10 635	61.05 635	104.38 632	59.38 634

CBMV	128.50 628	1422.70 642	53.10 632	79.50 633	51.30 633	77.30 632	49.70 632	74.00 632	48.20 630	77.20 633	48.80 633	73.90 634	48.00 631	73.80 633	48.80 633	70.40 634	45.10 634	68.90 634	46.10 634	68.20 631	45.00 633
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NOSS_ROB	102.95 627	153.00 635	121.00 634	51.00 632	44.00 632	165.00 634	127.00 634	153.00 634	119.00 631	164.00 635	125.00 634	168.00 636	120.00 632	153.00 634	117.00 634	49.00 633	44.00 633	49.00 633	44.00 633	49.00 630	44.00 632

MeshStereo	159.24 629	171.00 636	160.68 637	162.58 635	160.59 635	164.01 633	160.35 635	158.51 635	158.56 632	158.34 634	160.12 635	158.56 635	159.92 633	157.26 635	158.94 635	154.38 636	158.36 636	155.75 636	159.13 637	153.67 633	154.07 635
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	201.80 630	123.00 632	115.00 633	219.00 636	218.00 637	223.00 635	244.00 637	217.00 636	236.00 634	202.00 636	203.00 636	205.00 637	208.00 634	225.00 636	204.00 636	210.00 637	198.00 637	197.00 637	184.00 638	204.00 634	201.00 636

DLCB_ROB	284.23 633	354.61 638	207.27 638	363.24 639	206.46 636	364.72 638	210.41 636	364.72 639	210.41 633	364.81 639	208.64 637	364.81 640	208.64 635	364.72 639	210.41 637	354.70 640	205.53 638	354.70 640	205.53 639	354.70 637	205.53 637

MGS-Stereo	239.45 631	123.00 632	135.00 635	266.00 637	286.00 638	277.00 636	305.00 638	271.00 637	242.00 635	274.00 637	279.00 638	255.00 638	270.00 636	268.00 637	297.00 638	221.00 638	247.00 639	216.00 638	123.00 636	217.00 635	217.00 638

EGLCR-Stereo	246.90 632	129.00 634	139.00 636	266.00 637	286.00 638	277.00 636	305.00 638	271.00 637	242.00 635	274.00 637	279.00 638	255.00 638	270.00 636	268.00 637	297.00 638	230.00 639	247.00 639	216.00 638	223.00 640	237.00 636	227.00 639

LE_ROB	396.57 634	471.28 639	329.84 639	471.48 640	308.15 640	526.83 639	322.10 640	488.15 640	323.76 637	495.46 640	317.97 640	497.17 641	320.10 638	481.62 640	326.76 640	462.71 641	298.97 641	466.16 641	285.98 641	447.62 638	289.21 640

SGM-ForestM	596.69 635	677.77 640	444.52 640	699.85 641	517.25 641	732.94 640	488.29 641	770.79 641	460.11 638	750.81 641	487.98 641	792.79 642	499.41 639	730.90 641	475.81 641	720.03 642	491.16 642	663.96 642	418.60 642	674.76 639	436.05 641

CBMV_ROB	818.48 636	913.88 641	709.52 641	862.84 642	597.78 642	1073.99 641	700.52 642	1015.66 642	702.59 639	1115.65 642	760.02 642	1130.24 643	721.57 640	1037.41 642	692.65 642	814.05 643	564.29 643	843.28 643	595.31 643	915.51 640	602.92 642

111111	10000000.00 642	10000000.00 643	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 640	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 643

SGD-Stereo	10000000.00 642	10000000.00 643	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 640	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 643

IGEV-Stereo++	10000000.00 642	10000000.00 643	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 640	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 643

IGEV-BASED-STEREO-	10000000.00 642	10000000.00 643	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 640	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 643

IGEV-Stereo+	10000000.00 642	10000000.00 643	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 640	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 643

SDNR	10000000.00 642	10000000.00 643	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 640	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 643

anonymousdsp2	10000000.00 642	10000000.00 643	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 640	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 643

anonymousdsp	10000000.00 642	10000000.00 643	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 640	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 643

test_example2	10000000.00 642	10000000.00 643	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 640	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 643

DIP-Stereo	10000000.00 642	10000000.00 643	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 640	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 643
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
FADE		0.06 54		0.09 56	0.10 124							0.05 91				0.15 125	0.10 77	0.17 153	0.13 155	0.11 125

Low-res two-view benchmark