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

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

HITNet	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
NVstereo2D	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

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

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

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

CoDeX	0.15 125	0.70 244	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	0.67 377	0.02 15	0.69 374	0.75 387	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

SFCPSM	0.17 137	0.78 249	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 412	0.02 15	0.75 385	0.76 389	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

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

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

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

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

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

TCMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

TCMNet-wrong-test	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.02 20	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

YMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

YMNet_1	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

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

GASNet	0.05 41	0.04 37	0.12 102	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 82	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

EDNetEfficient	0.04 38	0.05 49	0.04 43	0.04 37	0.03 48	0.04 77	0.03 50	0.04 77	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.04 72	0.03 48	0.05 51	0.03 36	0.05 86	0.03 54	0.04 77	0.03 51

FADNet-RVC-Resample	0.12 97	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	1.57 523	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 105

FADNet-RVC	0.13 104	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 82	0.04 74	0.05 100	0.04 77	0.05 94	0.04 72	1.71 532	0.04 44	0.04 45	0.04 73	0.04 78	0.07 106	0.04 79

FADNet	0.12 97	0.05 49	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.66 529	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	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
APVNet	0.09 53	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 423	0.06 95	0.04 82	0.05 92	0.04 88	0.05 91	0.04 84	0.05 83	0.04 75	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

EDNetEfficientorigin	0.04 38	0.06 54	0.04 43	0.05 43	0.04 79	0.05 89	0.04 81	0.05 89	0.04 82	0.05 92	0.04 88	0.05 91	0.04 84	0.05 83	0.04 75	0.05 51	0.03 36	0.06 94	0.03 54	0.04 77	0.03 51

FADNet_RVC	0.12 97	0.04 37	0.04 43	0.05 43	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.65 527	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

DFGA-Net	0.05 41	0.06 54	0.04 43	0.06 46	0.04 79	0.06 92	0.04 81	0.06 95	0.04 82	0.06 97	0.04 88	0.06 98	0.04 84	0.06 89	0.04 75	0.06 55	0.04 45	0.05 86	0.04 78	0.05 92	0.04 79

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

FINET	0.07 49	0.08 59	0.07 58	0.07 47	0.07 112	0.08 105	0.06 109	0.08 108	0.07 113	0.08 107	0.07 113	0.08 107	0.06 110	0.07 105	0.07 103	0.08 62	0.07 59	0.07 99	0.07 106	0.06 96	0.06 105

DA	0.09 53	0.13 84	0.39 264	0.08 49	0.05 99	0.07 103	0.05 93	0.13 129	0.05 98	0.06 97	0.05 100	0.06 98	0.05 94	0.06 89	0.05 88	0.06 55	0.05 56	0.14 129	0.13 157	0.06 96	0.05 97

GGEV	0.09 53	0.13 84	0.39 264	0.08 49	0.05 99	0.07 103	0.05 93	0.13 129	0.05 98	0.06 97	0.05 100	0.06 98	0.05 94	0.06 89	0.05 88	0.06 55	0.05 56	0.14 129	0.13 157	0.06 96	0.05 97

AASNet	0.06 44	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 97	0.06 110	0.05 91	0.06 110	0.06 89	0.05 88	0.08 62	0.08 61	0.08 103	0.05 96	0.06 96	0.05 97

SACVNet	0.06 44	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 97	0.06 110	0.05 91	0.06 110	0.06 89	0.05 88	0.08 62	0.08 61	0.08 103	0.05 96	0.06 96	0.05 97

AACVNet	0.06 44	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 97	0.06 110	0.05 91	0.06 110	0.06 89	0.05 88	0.08 62	0.08 61	0.08 103	0.05 96	0.06 96	0.05 97

GwcNet	0.12 97	0.07 58	0.05 57	0.08 49	0.05 99	0.08 105	1.20 451	0.07 105	0.05 98	0.05 92	0.05 100	0.08 107	0.05 94	0.08 108	0.03 48	0.07 60	0.05 56	0.06 94	0.05 96	0.07 106	0.05 97

SMFormer	0.09 53	1.01 303	0.09 65	0.09 55	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

Wz-Net-SNSev	0.03 29	0.09 67	0.07 58	0.09 55	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 68	0.07 59	0.01 9	0.01 9	0.01 10	0.01 10

SepStereo	0.09 53	0.09 67	0.10 69	0.09 55	0.09 116	0.09 111	0.09 115	0.10 113	0.08 117	0.10 114	0.09 117	0.09 113	0.09 118	0.09 112	0.08 105	0.09 68	0.08 61	0.09 108	0.08 110	0.09 113	0.08 109

FADE		0.06 54		0.09 55	0.10 123			0.05 89	0.03 55	0.04 74		0.05 91		0.04 72		0.15 126	0.10 75	0.17 155	0.13 157	0.11 124	0.11 130

test_sample6	0.09 53	0.97 286	0.10 69	0.10 59	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample5	0.10 66	1.07 318	0.11 89	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 54	0.04 77	0.03 51

test_sample4	0.10 66	1.03 309	0.12 102	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 110	0.13 138	0.03 38	0.03 54	0.03 43	0.03 51

CAS++	0.17 137	0.27 134	0.21 174	0.10 59	0.21 210	0.15 136	0.22 198	0.10 113	0.21 199	0.22 176	0.10 121	0.19 160	0.18 189	0.10 116	0.19 187	0.20 159	0.19 177	0.18 165	0.10 119	0.19 164	0.18 180
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
tta	0.09 53	0.95 283	0.09 65	0.10 59	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

DualNet	0.10 66	1.07 318	0.11 89	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 54	0.04 77	0.03 51

xxx	0.09 53	1.01 303	0.10 69	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.03 51

AnonymousM	0.10 66	0.10 69	0.10 69	0.10 59	0.10 123	0.10 113	0.10 120	0.10 113	0.10 121	0.10 114	0.10 121	0.10 116	0.10 122	0.10 116	0.10 116	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

PVD	0.10 66	0.10 69	0.10 69	0.10 59	0.10 123	0.10 113	0.10 120	0.10 113	0.10 121	0.10 114	0.10 121	0.10 116	0.10 122	0.10 116	0.10 116	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

SHD	0.10 66	0.10 69	0.10 69	0.10 59	0.10 123	0.10 113	0.10 120	0.10 113	0.10 121	0.10 114	0.10 121	0.10 116	0.10 122	0.10 116	0.10 116	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

SAMSARA	0.10 66	0.10 69	0.10 69	0.10 59	0.10 123	0.10 113	0.10 120	0.10 113	0.10 121	0.10 114	0.10 121	0.10 116	0.10 122	0.10 116	0.10 116	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

XQC	0.10 66	0.10 69	0.10 69	0.10 59	0.10 123	0.10 113	0.10 120	0.10 113	0.10 121	0.10 114	0.10 121	0.10 116	0.10 122	0.10 116	0.10 116	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

RTSC	0.10 66	0.10 69	0.10 69	0.10 59	0.10 123	0.10 113	0.10 120	0.10 113	0.10 121	0.10 114	0.10 121	0.10 116	0.10 122	0.10 116	0.10 116	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

RTS	0.10 66	0.10 69	0.10 69	0.10 59	0.10 123	0.10 113	0.10 120	0.10 113	0.10 121	0.10 114	0.10 121	0.10 116	0.10 122	0.10 116	0.10 116	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

RTSA	0.10 66	0.10 69	0.10 69	0.10 59	0.10 123	0.10 113	0.10 120	0.10 113	0.10 121	0.10 114	0.10 121	0.10 116	0.10 122	0.10 116	0.10 116	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

MADNet+	0.10 66	0.10 69	0.10 69	0.10 59	0.10 123	0.10 113	0.10 120	0.10 113	0.10 121	0.10 114	0.10 121	0.10 116	0.10 122	0.10 116	0.10 116	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

MADNet++	0.10 66	0.10 69	0.10 69	0.10 59	0.10 123	0.10 113	0.10 120	0.10 113	0.10 121	0.10 114	0.10 121	0.10 116	0.10 122	0.10 116	0.10 116	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

BridgeDepth_RVC	0.07 49	0.08 59	0.11 89	0.11 76	0.05 99	0.08 105	0.05 93	0.08 108	0.05 98	0.08 107	0.05 100	0.08 107	0.05 94	0.08 108	0.05 88	0.11 88	0.10 75	0.07 99	0.05 96	0.07 106	0.05 97
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
BridgeDepth	0.08 51	0.08 59	0.11 89	0.11 76	0.05 99	0.08 105	0.05 93	0.08 108	0.07 113	0.08 107	0.05 100	0.08 107	0.05 94	0.09 112	0.08 105	0.15 126	0.11 98	0.07 99	0.05 96	0.07 106	0.06 105
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
test_sample7	0.09 53	1.00 295	0.11 89	0.11 76	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 114	0.03 38	0.03 54	0.03 43	0.03 51

test_sample2	0.09 53	1.03 309	0.11 89	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 53	0.87 263	0.12 102	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

JetRed	0.11 88	0.12 82	0.11 89	0.11 76	0.11 139	0.11 124	0.14 154	0.11 125	0.11 136	0.12 128	0.11 135	0.11 126	0.11 134	0.11 127	0.11 128	0.11 88	0.16 147	0.11 120	0.11 131	0.11 124	0.11 130

mmm	0.14 113	1.83 419	0.12 102	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.04 82	0.03 40	0.03 52	0.03 42	0.03 52	0.06 89	0.04 75	0.12 94	0.11 98	0.05 86	0.04 78	0.05 92	0.04 79

aanetorigin	0.13 104	0.11 80	0.11 89	0.11 76	0.11 139	0.11 124	0.11 133	0.11 125	0.11 136	0.11 126	0.12 146	0.11 126	0.11 134	0.11 127	0.11 128	0.11 88	0.11 98	0.14 129	0.11 131	0.49 319	0.11 130

DualNet (step1)	0.10 66	1.05 314	0.12 102	0.12 84	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 114	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 66	1.05 314	0.12 102	0.12 84	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 114	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 66	1.05 314	0.12 102	0.12 84	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 114	0.03 38	0.03 54	0.03 43	0.03 51

test_sample3	0.09 53	0.87 263	0.10 69	0.12 84	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

ffm	0.25 167	3.83 519	0.12 102	0.12 84	0.05 99	0.06 92	0.05 93	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 94	0.06 89	0.05 88	0.12 94	0.12 114	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 167	3.83 519	0.12 102	0.12 84	0.05 99	0.06 92	0.05 93	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 94	0.06 89	0.05 88	0.12 94	0.12 114	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 167	3.83 519	0.12 102	0.12 84	0.05 99	0.06 92	0.05 93	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 94	0.06 89	0.05 88	0.12 94	0.12 114	0.05 86	0.04 78	0.06 96	0.04 79

ttt	0.10 66	1.09 320	0.12 102	0.12 84	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 114	0.03 38	0.02 20	0.03 43	0.02 20

Wz-Net-MNSev	0.06 44	0.54 227	0.10 69	0.12 84	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 94	0.11 98	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 211	0.10 69	0.12 84	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 94	0.10 75	0.01 9	0.01 9	0.01 10	0.01 10

xxxx	0.11 88	1.16 330	0.16 146	0.12 84	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 110	0.16 147	0.03 38	0.04 78	0.04 77	0.04 79

test_xeample	0.10 66	1.09 320	0.13 122	0.12 84	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 117	0.14 142	0.03 38	0.03 54	0.03 43	0.03 51

SuperB	0.21 152	0.10 69	2.51 557	0.12 84	0.09 116	0.10 113	0.09 115	0.08 108	0.07 113	0.10 114	0.09 117	0.09 113	0.07 114	0.07 105	0.07 103	0.07 60	0.08 61	0.07 99	0.07 106	0.08 110	0.07 108

JetBlue	0.11 88	0.11 80	0.12 102	0.13 97	0.14 160	0.11 124	0.11 133	0.11 125	0.11 136	0.11 126	0.11 135	0.11 126	0.11 134	0.12 131	0.12 143	0.11 88	0.11 98	0.11 120	0.11 131	0.11 124	0.11 130

11t1	0.17 137	2.16 445	0.13 122	0.13 97	0.04 79	0.06 92	0.04 81	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.05 88	0.18 152	0.12 114	0.06 94	0.03 54	0.05 92	0.03 51

LRCNet_RVC	0.13 104	0.13 84	0.09 65	0.13 97	0.10 123	0.14 129	0.10 120	0.14 131	0.10 121	0.23 180	0.10 121	0.20 163	0.10 122	0.24 187	0.11 128	0.11 88	0.09 70	0.12 123	0.14 163	0.12 130	0.09 112

222	0.10 66	0.99 290	0.12 102	0.13 97	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 114	0.03 38	0.02 20	0.04 77	0.03 51

USTest	0.01 9	0.02 12	0.00 1	0.14 101	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

qqq1	0.25 167	3.70 513	0.14 127	0.14 101	0.04 79	0.06 92	0.05 93	0.06 95	0.05 98	0.06 97	0.05 100	0.04 77	0.05 94	0.06 89	0.05 88	0.13 110	0.12 114	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 167	3.70 513	0.14 127	0.14 101	0.04 79	0.06 92	0.05 93	0.06 95	0.05 98	0.06 97	0.05 100	0.04 77	0.05 94	0.06 89	0.05 88	0.13 110	0.12 114	0.06 94	0.05 96	0.03 43	0.04 79

1111x	0.10 66	1.14 325	0.13 122	0.14 101	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 110	0.11 98	0.03 38	0.02 20	0.03 43	0.02 20

x	0.11 88	1.15 328	0.15 143	0.14 101	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 117	0.15 145	0.03 38	0.03 54	0.03 43	0.03 51

GMStereo	0.14 113	0.13 84	0.14 127	0.14 101	0.14 160	0.14 129	0.14 154	0.14 131	0.14 160	0.14 130	0.14 163	0.14 131	0.14 160	0.14 133	0.14 153	0.14 117	0.14 142	0.14 129	0.14 163	0.14 134	0.14 158
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.29 182	0.90 271	0.10 69	0.14 101	0.10 123	0.14 129	0.10 120	0.91 389	0.69 398	0.14 130	0.11 135	0.14 131	0.11 134	0.14 133	0.10 116	0.12 94	0.09 70	0.12 123	0.09 112	0.88 379	0.76 406

DRN-Test	0.14 113	0.13 84	0.09 65	0.14 101	0.09 116	0.15 136	0.09 115	0.14 131	0.10 121	0.14 130	0.09 117	0.14 131	0.09 118	0.13 132	0.09 110	0.12 94	0.09 70	0.12 123	0.09 112	0.12 130	0.73 400

StereoDRNet	0.15 125	0.14 90	0.10 69	0.14 101	0.09 116	0.15 136	0.09 115	0.14 131	0.09 120	0.14 130	0.10 121	0.14 131	0.09 118	0.14 133	0.09 110	0.13 110	0.10 75	0.13 127	0.09 112	0.13 132	0.82 412

PDISCO_ROB	0.83 374	2.80 495	3.49 574	0.14 101	0.11 139	0.17 152	0.09 115	0.15 143	0.10 121	0.15 136	0.12 146	0.16 142	0.14 160	3.30 560	0.13 149	0.14 117	2.34 550	0.16 147	0.12 149	2.62 540	0.10 117

zh-sn7	0.10 66	0.98 287	0.14 127	0.15 111	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 126	0.13 138	0.03 38	0.03 54	0.03 43	0.03 51

xyz-stereo	0.18 140	0.50 211	0.16 146	0.15 111	0.16 180	0.16 144	0.16 164	0.16 144	0.16 174	0.16 141	0.16 174	0.16 142	0.16 172	0.16 143	0.16 169	0.16 136	0.16 147	0.16 147	0.16 171	0.16 148	0.16 162

S2M2_L	0.12 97	0.14 90	0.10 69	0.15 111	0.10 123	0.14 129	0.10 120	0.14 131	0.10 121	0.15 136	0.10 121	0.14 131	0.10 122	0.14 133	0.10 116	0.13 110	0.10 75	0.13 127	0.09 112	0.13 132	0.09 112
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
testlalala2	0.13 104	0.16 92	0.11 89	0.15 111	0.11 139	0.16 144	0.11 133	0.16 144	0.11 136	0.16 141	0.11 135	0.16 142	0.11 134	0.16 143	0.11 128	0.14 117	0.11 98	0.14 129	0.11 131	0.14 134	0.11 130

testlalala_base	0.13 104	0.16 92	0.11 89	0.15 111	0.11 139	0.15 136	0.11 133	0.16 144	0.11 136	0.16 141	0.11 135	0.16 142	0.11 134	0.16 143	0.11 128	0.14 117	0.11 98	0.14 129	0.11 131	0.14 134	0.11 130

qqq	0.16 133	2.01 436	0.12 102	0.15 111	0.04 79	0.06 92	0.05 93	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.03 48	0.12 94	0.14 142	0.04 73	0.04 78	0.03 43	0.03 51

IPLG	0.13 104	0.20 106	0.14 127	0.15 111	0.11 139	0.14 129	0.11 133	0.14 131	0.11 136	0.14 130	0.11 135	0.14 131	0.11 134	0.14 133	0.11 128	0.15 126	0.12 114	0.14 129	0.11 131	0.14 134	0.11 130

IPLGR_C	0.14 113	0.20 106	0.12 102	0.15 111	0.11 139	0.14 129	0.15 159	0.14 131	0.11 136	0.15 136	0.12 146	0.14 131	0.11 134	0.16 143	0.11 128	0.15 126	0.12 114	0.14 129	0.12 149	0.15 144	0.12 147

ACRE	0.13 104	0.21 112	0.14 127	0.15 111	0.11 139	0.14 129	0.11 133	0.14 131	0.11 136	0.14 130	0.12 146	0.14 131	0.11 134	0.14 133	0.11 128	0.15 126	0.12 114	0.14 129	0.11 131	0.14 134	0.11 130

ELAS_RVC	0.14 113	0.16 92	0.10 69	0.15 111	0.10 123	0.18 156	0.11 133	0.19 157	0.11 136	0.19 156	0.12 146	0.18 156	0.11 134	0.19 158	0.12 143	0.14 117	0.08 61	0.14 129	0.09 112	0.15 144	0.09 112
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 104	0.16 92	0.11 89	0.15 111	0.09 116	0.18 156	0.11 133	0.18 155	0.11 136	0.17 150	0.11 135	0.18 156	0.11 134	0.18 155	0.11 128	0.14 117	0.08 61	0.14 129	0.08 110	0.14 134	0.09 112
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
xyz-stereo-finetune2	0.18 140	0.48 205	0.16 146	0.16 122	0.15 171	0.15 136	0.16 164	0.16 144	0.16 174	0.16 141	0.16 174	0.16 142	0.16 172	0.16 143	0.16 169	0.16 136	0.16 147	0.16 147	0.16 171	0.16 148	0.16 162

xyz-stereo-finetune	0.28 177	0.49 207	0.16 146	0.16 122	0.16 180	0.16 144	0.16 164	0.22 176	0.30 255	0.32 219	0.31 267	0.32 224	0.31 268	0.32 223	0.32 255	0.32 214	0.33 251	0.31 223	0.32 283	0.31 208	0.32 262

GMStereo_Zeroshot	0.16 133	0.16 92	0.16 146	0.16 122	0.16 180	0.16 144	0.16 164	0.16 144	0.16 174	0.16 141	0.16 174	0.16 142	0.16 172	0.16 143	0.16 169	0.16 136	0.16 147	0.16 147	0.16 171	0.16 148	0.16 162

ProNet	0.14 113	0.20 106	0.14 127	0.16 122	0.11 139	0.16 144	0.11 133	0.17 152	0.11 136	0.17 150	0.12 146	0.17 152	0.13 156	0.17 152	0.12 143	0.15 126	0.11 98	0.16 147	0.11 131	0.15 144	0.12 147

CIPLG	0.13 104	0.21 112	0.12 102	0.16 122	0.11 139	0.15 136	0.11 133	0.14 131	0.11 136	0.15 136	0.12 146	0.15 141	0.11 134	0.14 133	0.11 128	0.15 126	0.12 114	0.14 129	0.11 131	0.14 134	0.11 130

MIPNet	0.14 113	0.21 112	0.17 153	0.16 122	0.11 139	0.15 136	0.12 149	0.14 131	0.11 136	0.16 141	0.11 135	0.14 131	0.11 134	0.14 133	0.11 128	0.14 117	0.12 114	0.14 129	0.11 131	0.14 134	0.11 130

IPLGR	0.14 113	0.24 126	0.14 127	0.16 122	0.12 155	0.15 136	0.12 149	0.14 131	0.11 136	0.15 136	0.12 146	0.14 131	0.11 134	0.14 133	0.11 128	0.15 126	0.12 114	0.14 129	0.11 131	0.14 134	0.11 130

ICVP	0.15 125	0.53 224	0.11 89	0.16 122	0.11 139	0.16 144	0.11 133	0.16 144	0.11 136	0.16 141	0.11 135	0.16 142	0.11 134	0.16 143	0.11 128	0.16 136	0.11 98	0.16 147	0.11 131	0.16 148	0.11 130
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
S2M2_XL	0.14 113	0.17 98	0.12 102	0.17 130	0.11 139	0.17 152	0.11 133	0.17 152	0.11 136	0.17 150	0.11 135	0.17 152	0.11 134	0.17 152	0.11 128	0.16 136	0.11 98	0.16 147	0.11 131	0.16 148	0.11 130
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
HSM	0.14 113	0.16 92	0.12 102	0.17 130	0.12 155	0.17 152	0.11 133	0.17 152	0.11 136	0.17 150	0.12 146	0.17 152	0.12 151	0.17 152	0.12 143	0.16 136	0.11 98	0.16 147	0.11 131	0.16 148	0.12 147

cf-r	0.66 330	2.17 446	0.12 102	0.18 132	0.12 155	0.18 156	2.70 564	2.60 540	0.12 155	0.18 154	0.12 146	0.18 156	0.12 151	0.18 155	0.12 143	0.15 126	0.11 98	0.15 144	0.11 131	1.81 499	1.74 541

LALA_ROB	0.15 125	0.19 102	0.12 102	0.18 132	0.11 139	0.20 164	0.12 149	0.21 172	0.12 155	0.20 162	0.12 146	0.20 163	0.12 151	0.21 173	0.13 149	0.17 144	0.10 75	0.18 165	0.11 131	0.18 158	0.11 130

SGM_RVC	0.15 125	0.17 98	0.11 89	0.18 132	0.11 139	0.19 159	0.11 133	0.19 157	0.12 155	0.19 156	0.12 146	0.20 163	0.12 151	0.19 158	0.12 143	0.16 136	0.11 98	0.17 155	0.10 119	0.17 154	0.10 117
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
IGEV-FE	0.35 212	0.37 152	0.17 153	0.19 135	0.17 184	0.20 164	0.17 172	0.19 157	0.17 182	0.19 156	0.17 179	0.19 160	0.17 181	0.37 244	0.36 285	0.19 156	0.17 167	0.19 168	0.17 191	0.38 257	2.84 564

DDVS	0.30 183	3.10 500	0.14 127	0.19 135	0.14 160	0.19 159	0.14 154	0.20 163	0.14 160	0.19 156	0.13 158	0.16 142	0.13 156	0.19 158	0.13 149	0.17 144	0.13 138	0.17 155	0.13 157	0.17 154	0.13 153

DeepPruner_ROB	0.16 133	0.18 101	0.13 122	0.19 135	0.13 158	0.19 159	0.13 152	0.19 157	0.13 158	0.19 156	0.13 158	0.19 160	0.13 156	0.19 158	0.13 149	0.18 152	0.13 138	0.18 165	0.13 157	0.18 158	0.13 153

zh-mn7	0.12 97	1.14 325	0.17 153	0.20 138	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 152	0.16 147	0.03 38	0.03 54	0.03 43	0.03 51

ITSA-stereo	0.15 125	0.17 98	0.13 122	0.20 138	0.13 158	0.19 159	0.13 152	0.18 155	0.13 158	0.19 156	0.13 158	0.18 156	0.14 160	0.18 155	0.14 153	0.16 136	0.11 98	0.15 144	0.14 163	0.18 158	0.11 130

DAS	0.20 145	0.20 106	0.20 168	0.20 138	0.20 201	0.20 164	0.20 187	0.20 163	0.20 195	0.20 162	0.20 200	0.20 163	0.20 198	0.20 162	0.20 190	0.20 159	0.20 179	0.20 172	0.20 198	0.20 165	0.20 184

ASD4	0.20 145	0.20 106	0.20 168	0.20 138	0.20 201	0.20 164	0.20 187	0.20 163	0.20 195	0.20 162	0.20 200	0.20 163	0.20 198	0.20 162	0.20 190	0.20 159	0.20 179	0.20 172	0.20 198	0.20 165	0.20 184

ACVNet	0.20 145	0.19 102	0.14 127	0.20 138	0.14 160	0.20 164	0.96 430	0.21 172	0.14 160	0.20 162	0.13 158	0.21 171	0.14 160	0.20 162	0.14 153	0.17 144	0.12 114	0.17 155	0.12 149	0.17 154	0.12 147

acv_ft	0.20 145	0.19 102	0.14 127	0.20 138	0.14 160	0.20 164	0.96 430	0.21 172	0.14 160	0.20 162	0.13 158	0.21 171	0.14 160	0.20 162	0.14 153	0.17 144	0.12 114	0.17 155	0.12 149	0.17 154	0.12 147

hitnet-ft	0.79 358	2.78 494	0.14 127	0.20 138	0.14 160	0.21 175	2.89 565	2.80 554	0.14 160	0.20 162	0.14 163	0.20 163	0.14 160	0.20 162	0.14 153	0.17 144	0.12 114	0.17 155	0.12 149	2.54 539	2.33 558

PSMNet-RSSM	0.77 354	2.76 489	0.14 127	0.20 138	0.14 160	0.20 164	2.66 562	2.79 553	0.14 160	0.21 174	0.14 163	0.21 171	0.14 160	0.20 162	0.14 153	0.17 144	0.12 114	0.17 155	0.12 149	2.52 531	2.31 556

GwcNet-RSSM	0.77 354	2.77 491	0.14 127	0.20 138	0.14 160	0.20 164	2.67 563	2.78 552	0.14 160	0.20 162	0.14 163	0.20 163	0.14 160	0.21 173	0.14 153	0.17 144	0.12 114	0.17 155	0.12 149	2.52 531	2.31 556

CFNet-ft	0.55 313	1.57 406	0.14 127	0.20 138	0.14 160	0.20 164	2.53 561	1.61 494	0.14 160	0.20 162	0.14 163	0.20 163	0.14 160	0.20 162	0.14 153	0.17 144	0.12 114	0.17 155	0.12 149	1.56 487	1.24 504

RAFT-FEzeroshot	0.34 203	0.26 131	0.17 153	0.21 148	0.17 184	0.20 164	0.16 164	0.20 163	0.16 174	0.20 162	0.17 179	0.21 171	0.16 172	0.27 208	0.24 206	0.19 156	0.16 147	0.19 168	0.16 171	0.26 190	3.08 573

RAFT-FE	0.34 203	0.26 131	0.17 153	0.21 148	0.17 184	0.20 164	0.16 164	0.20 163	0.16 174	0.20 162	0.17 179	0.21 171	0.16 172	0.27 208	0.24 206	0.19 156	0.16 147	0.19 168	0.16 171	0.26 190	3.08 573

test_for_model	0.15 125	0.23 117	0.18 162	0.21 148	0.11 139	0.16 144	0.11 133	0.16 144	0.11 136	0.16 141	0.11 135	0.16 142	0.11 134	0.16 143	0.11 128	0.21 166	0.18 176	0.14 129	0.11 131	0.14 134	0.11 130

RSGM-EC	0.24 164	0.24 126	0.15 143	0.22 151	0.15 171	0.22 177	0.15 159	0.22 176	0.15 170	0.24 187	0.15 171	0.22 179	0.15 170	0.22 177	1.19 451	0.20 159	0.17 167	0.24 196	0.14 163	0.20 165	0.14 158

acva	0.24 164	0.24 126	0.15 143	0.22 151	0.15 171	0.22 177	0.15 159	0.22 176	0.15 170	0.24 187	0.15 171	0.22 179	0.15 170	0.22 177	1.19 451	0.20 159	0.17 167	0.24 196	0.14 163	0.20 165	0.14 158

IMH-64-1	0.22 156	0.23 117	0.23 179	0.22 151	0.22 212	0.22 177	0.22 198	0.22 176	0.22 202	0.22 176	0.22 207	0.22 179	0.22 205	0.22 177	0.22 196	0.22 169	0.22 187	0.23 188	0.22 205	0.22 173	0.23 192

IMH-64	0.22 156	0.23 117	0.23 179	0.22 151	0.22 212	0.22 177	0.22 198	0.22 176	0.22 202	0.22 176	0.22 207	0.22 179	0.22 205	0.22 177	0.22 196	0.22 169	0.22 187	0.23 188	0.22 205	0.22 173	0.23 192

WAO-6	0.22 156	0.23 117	0.22 176	0.23 155	0.22 212	0.22 177	0.22 198	0.22 176	0.22 202	0.22 176	0.22 207	0.22 179	0.22 205	0.22 177	0.22 196	0.22 169	0.22 187	0.22 180	0.22 205	0.22 173	0.22 190

Wz-Net-LNSev	0.06 44	0.24 126	0.20 168	0.23 155	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	0.23 180	0.21 183	0.02 18	0.01 9	0.01 10	0.01 10

dd	0.23 162	0.98 287	0.16 146	0.23 155	0.15 171	0.23 185	0.15 159	0.23 182	0.15 170	0.23 180	0.15 171	0.24 191	0.17 181	0.23 183	0.15 163	0.22 169	0.15 145	0.21 175	0.15 169	0.22 173	0.16 162

dad	0.23 162	1.03 309	0.16 146	0.23 155	0.15 171	0.24 188	0.15 159	0.24 185	0.16 174	0.23 180	0.16 174	0.24 191	0.16 172	0.23 183	0.15 163	0.22 169	0.16 147	0.22 180	0.16 171	0.22 173	0.16 162

ac_64	0.22 156	0.13 84	0.19 165	0.23 155	0.10 123	0.26 203	1.02 438	0.14 131	0.10 121	0.28 205	0.14 163	0.17 152	0.19 194	0.28 212	0.09 110	0.22 169	0.16 147	0.23 188	0.17 191	0.11 124	0.12 147

BStereo	0.22 156	0.23 117	0.20 168	0.24 160	0.20 201	0.23 185	0.33 268	0.39 245	0.17 182	0.23 180	0.17 179	0.23 185	0.16 172	0.24 187	0.17 173	0.23 180	0.16 147	0.22 180	0.20 198	0.22 173	0.16 162

Wave_Phase_stereo	0.22 156	0.23 117	0.20 168	0.24 160	0.20 201	0.23 185	0.33 268	0.39 245	0.17 182	0.23 180	0.17 179	0.23 185	0.16 172	0.24 187	0.17 173	0.23 180	0.16 147	0.22 180	0.20 198	0.22 173	0.16 162

ISRNet	0.11 88	0.05 49	0.36 250	0.24 160	0.07 112	0.13 128	0.05 93	0.06 95	0.05 98	0.05 92	0.05 100	0.13 130	0.05 94	0.05 83	0.09 110	0.24 187	0.20 179	0.10 109	0.05 96	0.06 96	0.13 153

Pointernet	0.21 152	0.22 116	0.19 165	0.24 160	0.19 198	0.24 188	0.19 183	0.24 185	0.19 193	0.24 187	0.19 196	0.24 191	0.19 194	0.24 187	0.19 187	0.22 169	0.17 167	0.22 180	0.17 191	0.22 173	0.17 176

UPFNet	0.42 264	1.20 335	0.17 153	0.24 160	0.17 184	0.25 195	0.17 172	1.19 428	0.90 426	0.25 193	0.17 179	0.24 191	0.17 181	0.25 194	0.17 173	0.22 169	0.17 167	0.22 180	0.16 171	1.15 415	0.93 422

iResNetv2_ROB	0.20 145	0.23 117	0.18 162	0.24 160	0.20 201	0.24 188	0.18 179	0.24 185	0.18 187	0.24 187	0.18 194	0.23 185	0.19 194	0.24 187	0.18 184	0.21 166	0.16 147	0.21 175	0.16 171	0.22 173	0.16 162

iResNet	0.20 145	0.23 117	0.18 162	0.24 160	0.18 194	0.24 188	0.20 187	0.24 185	0.18 187	0.23 180	0.17 179	0.23 185	0.18 189	0.23 183	0.18 184	0.22 169	0.16 147	0.21 175	0.16 171	0.21 171	0.16 162

ACV-stereo	0.30 183	2.08 438	0.25 189	0.25 167	0.18 194	0.24 188	0.17 172	0.24 185	0.18 187	0.24 187	0.17 179	0.25 196	0.17 181	0.24 187	0.17 173	0.22 169	0.16 147	0.22 180	0.16 171	0.22 173	0.16 162

LoS_RVC	0.30 183	1.14 325	0.25 189	0.25 167	0.25 225	0.26 203	0.25 214	0.25 191	0.25 216	0.25 193	0.25 224	0.26 206	0.26 227	0.26 204	0.25 214	0.26 195	0.26 198	0.25 199	0.25 224	0.26 190	0.26 209

CAS	0.30 183	1.17 331	0.25 189	0.25 167	0.25 225	0.26 203	0.25 214	0.25 191	0.26 229	0.25 193	0.25 224	0.25 196	0.25 218	0.25 194	0.25 214	0.26 195	0.26 198	0.26 204	0.25 224	0.26 190	0.25 203

LoS	0.25 167	0.27 134	0.25 189	0.25 167	0.25 225	0.25 195	0.25 214	0.26 196	0.25 216	0.25 193	0.25 224	0.25 196	0.25 218	0.25 194	0.25 214	0.26 195	0.25 195	0.25 199	0.26 230	0.26 190	0.25 203
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MMNet	0.44 270	1.24 391	0.17 153	0.25 167	0.17 184	0.25 195	0.18 179	1.26 482	0.93 432	0.25 193	0.17 179	0.25 196	0.18 189	0.25 194	0.17 173	0.23 180	0.16 147	0.23 188	0.16 171	1.20 426	0.99 427

delet	0.43 265	1.21 383	0.17 153	0.25 167	0.17 184	0.25 195	0.18 179	1.26 482	0.95 434	0.25 193	0.17 179	0.25 196	0.17 181	0.25 194	0.17 173	0.23 180	0.16 147	0.22 180	0.16 171	1.18 423	0.98 426

psm_up	0.43 265	1.19 334	0.17 153	0.25 167	0.18 194	0.25 195	0.19 183	1.26 482	0.91 427	0.26 201	0.17 179	0.25 196	0.17 181	0.25 194	0.17 173	0.22 169	0.17 167	0.23 188	0.16 171	1.18 423	0.99 427

Select-FE	0.41 253	0.44 183	0.23 179	0.26 174	0.22 212	0.26 203	0.22 198	0.26 196	0.23 208	0.26 201	0.23 211	0.26 206	0.23 211	0.45 298	0.42 327	0.25 193	0.22 187	0.25 199	0.22 205	0.45 296	2.90 565

tg	0.21 152	0.25 130	0.21 174	0.26 174	0.17 184	0.24 188	0.17 172	0.24 185	0.17 182	0.24 187	0.17 179	0.24 191	0.17 181	0.24 187	0.17 173	0.24 187	0.17 167	0.23 188	0.16 171	0.23 184	0.16 162

UNDER WATER-64	0.25 167	0.26 131	0.25 189	0.26 174	0.25 225	0.25 195	0.25 214	0.25 191	0.25 216	0.25 193	0.25 224	0.25 196	0.25 218	0.26 204	0.25 214	0.25 193	0.25 195	0.25 199	0.25 224	0.25 188	0.25 203

GEStereo_RVC	0.86 385	4.45 533	0.20 168	0.27 177	0.20 201	0.27 207	0.20 187	0.26 196	0.18 187	5.03 588	0.20 200	0.27 208	0.19 194	0.27 208	0.21 194	0.20 159	0.19 177	0.19 168	4.02 592	0.20 165	0.18 180

SQANet	0.28 177	0.28 137	0.28 200	0.28 178	0.28 240	0.28 208	0.28 233	0.28 200	0.28 238	0.28 205	0.28 242	0.28 209	0.28 242	0.28 212	0.28 230	0.28 200	0.28 211	0.28 210	0.28 243	0.28 197	0.28 230

ssnet_v2	0.68 335	1.96 435	1.25 482	0.29 179	0.20 201	0.30 212	0.20 187	0.29 205	0.22 202	1.50 496	0.20 200	0.31 222	0.20 198	0.27 208	0.22 196	0.24 187	1.49 505	0.26 204	0.18 196	3.90 549	0.19 182

MultiAttention	0.30 183	0.30 140	0.30 208	0.30 180	0.30 259	0.30 212	0.30 247	0.30 207	0.30 255	0.30 210	0.30 259	0.30 218	0.30 256	0.30 218	0.30 247	0.30 208	0.30 230	0.30 217	0.30 267	0.30 203	0.30 248

MSAF-DinoV2	0.30 183	0.30 140	0.30 208	0.30 180	0.30 259	0.30 212	0.30 247	0.30 207	0.30 255	0.30 210	0.30 259	0.30 218	0.30 256	0.30 218	0.30 247	0.30 208	0.30 230	0.30 217	0.30 267	0.30 203	0.30 248

IGEV_Zeroshot_test	0.20 145	0.19 102	0.40 269	0.30 180	0.17 184	0.22 177	0.17 172	0.21 172	0.17 182	0.20 162	0.17 179	0.21 171	0.18 189	0.21 173	0.17 173	0.20 159	0.16 147	0.20 172	0.16 171	0.20 165	0.17 176

GMOStereo	0.37 224	0.45 191	0.23 179	0.30 180	0.37 306	0.41 273	0.36 293	0.41 267	0.35 289	0.43 286	0.36 299	0.41 274	0.40 312	0.41 273	0.36 285	0.34 222	0.22 187	0.47 336	0.37 315	0.39 266	0.33 269

DANet	0.30 183	0.30 140	0.30 208	0.30 180	0.30 259	0.30 212	0.30 247	0.30 207	0.30 255	0.30 210	0.30 259	0.30 218	0.30 256	0.30 218	0.30 247	0.30 208	0.30 230	0.30 217	0.30 267	0.30 203	0.30 248
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
xxxxx1	0.31 190	0.91 273	0.23 179	0.31 185	0.23 218	0.31 217	0.23 206	0.33 215	0.25 216	0.31 214	0.24 218	0.33 227	0.25 218	0.32 223	0.24 206	0.28 200	0.28 211	0.28 210	0.28 243	0.29 200	0.27 217

tt_ll	0.31 190	0.91 273	0.23 179	0.31 185	0.23 218	0.31 217	0.23 206	0.33 215	0.25 216	0.31 214	0.24 218	0.33 227	0.25 218	0.32 223	0.24 206	0.28 200	0.28 211	0.28 210	0.28 243	0.29 200	0.27 217

ff	0.31 190	0.91 273	0.23 179	0.31 185	0.23 218	0.31 217	0.23 206	0.33 215	0.25 216	0.31 214	0.24 218	0.33 227	0.25 218	0.32 223	0.24 206	0.28 200	0.28 211	0.28 210	0.28 243	0.29 200	0.27 217

w-ln-seven-2	0.14 113	1.22 389	0.28 200	0.32 188	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 214	0.27 205	0.04 73	0.03 54	0.03 43	0.03 51

WCG-NET（raft）	0.32 198	1.24 391	0.24 186	0.32 188	0.24 223	0.32 225	0.23 206	0.32 212	0.24 211	0.32 219	0.24 218	0.32 224	0.24 215	0.32 223	0.24 206	0.30 208	0.23 192	0.30 217	0.23 211	0.30 203	0.23 192

CASnet	0.35 212	0.51 219	0.44 286	0.32 188	0.31 269	0.24 188	0.34 281	0.36 227	0.25 216	0.31 214	0.37 306	0.30 218	0.33 279	0.25 194	0.45 332	0.37 240	0.37 262	0.33 232	0.35 307	0.34 221	0.37 291
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
iResNet_ROB	0.28 177	0.32 144	0.24 186	0.32 188	0.25 225	0.32 225	0.24 211	0.32 212	0.24 211	0.33 224	0.24 218	0.35 234	0.24 215	0.33 229	0.24 206	0.31 213	0.24 194	0.32 224	0.24 219	0.32 210	0.24 202

model_zeroshot	0.27 176	0.20 106	0.27 196	0.33 192	0.21 210	0.37 242	0.22 198	0.37 233	0.24 211	0.26 201	0.27 235	0.33 227	0.21 204	0.25 194	0.27 220	0.32 214	0.20 179	0.34 240	0.23 211	0.25 188	0.26 209

tt1	0.31 190	0.93 280	0.24 186	0.33 192	0.23 218	0.31 217	0.24 211	0.32 212	0.24 211	0.32 219	0.23 211	0.32 224	0.25 218	0.32 223	0.24 206	0.27 198	0.26 198	0.27 208	0.26 230	0.27 195	0.27 217

DLNR-FE	0.28 177	0.89 268	0.30 208	0.34 194	0.19 198	0.28 208	0.19 183	0.28 200	0.20 195	0.28 205	0.20 200	0.28 209	0.20 198	0.28 212	0.20 190	0.33 218	0.28 211	0.25 199	0.19 197	0.24 186	0.19 182

H2IRNET	0.34 203	0.34 146	0.34 240	0.34 194	0.34 293	0.34 229	0.34 281	0.34 219	0.34 286	0.34 226	0.34 286	0.34 232	0.34 284	0.34 231	0.34 277	0.34 222	0.34 255	0.34 240	0.34 295	0.34 221	0.34 275

DMCA	0.36 218	0.38 156	0.37 254	0.35 196	0.35 296	0.36 237	0.36 293	0.36 227	0.35 289	0.35 231	0.37 306	0.36 240	0.36 294	0.35 234	0.36 285	0.36 236	0.36 260	0.35 256	0.36 313	0.36 240	0.36 287

MLCV	0.31 190	0.35 147	0.27 196	0.35 196	0.28 240	0.35 234	0.27 225	0.35 223	0.28 238	0.36 234	0.27 235	0.35 234	0.27 235	0.35 234	0.27 220	0.34 222	0.27 205	0.34 240	0.27 238	0.34 221	0.27 217

ETE_ROB	0.35 212	0.35 147	0.35 248	0.35 196	0.35 296	0.35 234	0.35 286	0.35 223	0.35 289	0.35 231	0.35 295	0.35 234	0.35 291	0.35 234	0.35 281	0.35 231	0.35 257	0.35 256	0.35 307	0.35 233	0.35 284

DN-CSS_ROB	0.31 190	0.35 147	0.28 200	0.35 196	0.28 240	0.34 229	0.27 225	0.34 219	0.25 216	0.35 231	0.27 235	0.36 240	0.26 227	0.34 231	0.28 230	0.35 231	0.28 211	0.34 240	0.28 243	0.34 221	0.27 217

Any-RAFT	0.32 198	0.36 150	0.27 196	0.36 200	0.27 235	0.36 237	0.27 225	0.36 227	0.27 235	0.36 234	0.27 235	0.36 240	0.27 235	0.36 240	0.28 230	0.36 236	0.28 211	0.36 261	0.28 243	0.36 240	0.28 230

CES	0.39 242	0.47 199	0.36 250	0.36 200	0.37 306	0.45 304	0.35 286	0.35 223	0.40 320	0.36 234	0.44 343	0.47 312	0.36 294	0.44 295	0.36 285	0.37 240	0.39 275	0.44 319	0.35 307	0.37 244	0.36 287

HGLStereo	0.28 177	0.29 139	0.22 176	0.36 200	0.22 212	0.36 237	0.21 193	0.36 227	0.21 199	0.42 280	0.21 206	0.36 240	0.22 205	0.36 240	0.21 194	0.34 222	0.21 183	0.34 240	0.21 202	0.34 221	0.21 187

PAM	0.39 242	1.88 424	0.34 240	0.37 203	0.41 332	0.45 304	0.22 198	0.28 200	0.23 208	0.28 205	0.24 218	0.29 215	0.23 211	0.29 216	0.23 202	0.38 251	0.32 240	0.38 272	0.37 315	0.32 210	0.22 190

RSM	0.36 218	0.36 150	0.43 284	0.37 203	0.42 342	0.49 325	0.42 332	0.37 233	0.28 238	0.36 234	0.29 247	0.36 240	0.30 256	0.37 244	0.28 230	0.34 222	0.31 236	0.34 240	0.35 307	0.40 272	0.29 235

XPNet_ROB	0.37 224	0.37 152	0.37 254	0.37 203	0.37 306	0.37 242	0.37 299	0.37 233	0.37 302	0.37 239	0.37 306	0.37 246	0.37 299	0.37 244	0.37 294	0.37 240	0.37 262	0.37 264	0.37 315	0.37 244	0.37 291

Monster-pub-mixall	0.44 270	0.56 231	0.60 341	0.38 206	0.27 235	0.37 242	0.27 225	0.37 233	0.29 244	0.38 240	0.27 235	0.38 248	0.29 249	0.85 391	0.27 220	1.46 485	0.26 198	0.34 240	0.26 230	0.36 240	0.53 354

GCAP-BAT	0.33 201	0.78 249	0.32 225	0.38 206	0.25 225	0.34 229	0.25 214	0.34 219	0.26 229	0.34 226	0.25 224	0.35 234	0.26 227	0.35 234	0.27 220	0.36 236	0.30 230	0.32 224	0.24 219	0.32 210	0.26 209

WAO-8	0.38 230	0.38 156	0.38 257	0.38 206	0.38 313	0.38 249	0.38 305	0.38 241	0.38 306	0.38 240	0.38 311	0.38 248	0.38 303	0.38 247	0.38 297	0.38 251	0.38 268	0.38 272	0.37 315	0.38 257	0.38 298

WAO-7	0.38 230	0.38 156	0.38 257	0.38 206	0.38 313	0.38 249	0.38 305	0.38 241	0.38 306	0.38 240	0.38 311	0.38 248	0.38 303	0.38 247	0.38 297	0.38 251	0.38 268	0.38 272	0.38 328	0.38 257	0.38 298

Venus	0.38 230	0.38 156	0.38 257	0.38 206	0.38 313	0.37 242	0.38 305	0.37 233	0.37 302	0.41 266	0.37 306	0.39 253	0.37 299	0.38 247	0.38 297	0.37 240	0.38 268	0.38 272	0.37 315	0.37 244	0.38 298

IMH	0.38 230	0.38 156	0.38 257	0.38 206	0.38 313	0.38 249	0.38 305	0.38 241	0.38 306	0.42 280	0.38 311	0.40 261	0.38 303	0.38 247	0.38 297	0.38 251	0.38 268	0.39 283	0.38 328	0.38 257	0.38 298

Monster-pub-eth3d	0.45 273	0.57 232	0.60 341	0.39 212	0.28 240	0.37 242	0.28 233	0.37 233	0.30 255	0.39 246	0.29 247	0.39 253	0.30 256	0.92 401	0.27 220	1.42 482	0.28 211	0.34 240	0.28 243	0.37 244	0.53 354

1test111	0.37 224	1.02 307	0.30 208	0.39 212	0.29 249	0.40 257	0.28 233	0.39 245	0.29 244	0.39 246	0.29 247	0.39 253	0.28 242	0.40 258	0.29 240	0.33 218	0.32 240	0.33 232	0.31 277	0.32 210	0.31 257

cc1	0.37 224	1.02 307	0.30 208	0.39 212	0.29 249	0.40 257	0.28 233	0.39 245	0.29 244	0.39 246	0.29 247	0.39 253	0.28 242	0.40 258	0.29 240	0.33 218	0.32 240	0.33 232	0.31 277	0.32 210	0.31 257

HanzoNet	0.39 242	0.38 156	0.40 269	0.39 212	0.41 332	0.38 249	0.38 305	0.38 241	0.38 306	0.39 246	0.39 320	0.38 248	0.38 303	0.39 255	0.40 312	0.38 251	0.38 268	0.40 288	0.38 328	0.38 257	0.40 307

testlalala	0.32 198	0.81 255	0.31 220	0.39 212	0.26 233	0.33 227	0.24 211	0.33 215	0.26 229	0.32 219	0.26 230	0.33 227	0.23 211	0.33 229	0.23 202	0.35 231	0.31 236	0.30 217	0.24 219	0.31 208	0.21 187

gwcnet-sp	0.82 370	1.72 412	1.48 504	0.39 212	0.15 171	0.31 217	0.21 193	0.20 163	0.25 216	1.61 500	0.23 211	0.28 209	0.26 227	0.20 162	0.15 163	0.24 187	1.33 490	0.32 224	0.16 171	6.75 587	0.23 192

scenet	0.82 370	1.72 412	1.48 504	0.39 212	0.15 171	0.31 217	0.21 193	0.20 163	0.25 216	1.61 500	0.23 211	0.28 209	0.26 227	0.20 162	0.15 163	0.24 187	1.33 490	0.32 224	0.16 171	6.75 587	0.23 192

ssnet	0.82 370	1.72 412	1.48 504	0.39 212	0.15 171	0.31 217	0.21 193	0.20 163	0.25 216	1.61 500	0.23 211	0.28 209	0.26 227	0.20 162	0.15 163	0.24 187	1.33 490	0.32 224	0.16 171	6.75 587	0.23 192

Wz-Net-LNSev-Ref	0.11 88	0.44 183	0.33 230	0.39 212	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 262	0.36 260	0.02 18	0.02 20	0.02 20	0.02 20

iRaft-Stereo_5w	0.34 203	0.42 179	0.31 220	0.39 212	0.30 259	0.38 249	0.30 247	0.40 252	0.29 244	0.40 252	0.37 306	0.41 274	0.34 284	0.38 247	0.30 247	0.34 222	0.27 205	0.34 240	0.26 230	0.34 221	0.26 209

iRaft-Stereo_20w	0.34 203	0.41 172	0.31 220	0.39 212	0.29 249	0.40 257	0.32 258	0.41 267	0.32 270	0.38 240	0.30 259	0.39 253	0.30 256	0.38 247	0.32 255	0.35 231	0.27 205	0.34 240	0.27 238	0.34 221	0.29 235

RAFT + AFF	0.31 190	0.45 191	0.34 240	0.39 212	0.28 240	0.38 249	0.33 268	0.29 205	0.31 266	0.30 210	0.30 259	0.29 215	0.27 235	0.29 216	0.30 247	0.28 200	0.29 222	0.29 215	0.29 253	0.27 195	0.32 262

StereoDRNet-Refined	0.33 201	0.39 162	0.26 195	0.39 212	0.26 233	0.40 257	0.26 222	0.40 252	0.26 229	0.39 246	0.26 230	0.39 253	0.26 227	0.39 255	0.26 219	0.37 240	0.25 195	0.37 264	0.25 224	0.37 244	0.37 291
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	1.11 422	0.39 162	5.28 587	0.39 212	0.20 201	0.39 255	0.27 225	0.39 245	0.22 202	0.38 240	0.20 200	0.38 248	0.20 198	6.95 599	0.22 196	0.30 208	0.21 183	0.27 208	0.21 202	5.25 580	0.21 187

Replicate-Monster	0.45 273	0.57 232	0.60 341	0.40 226	0.29 249	0.37 242	0.27 225	0.37 233	0.30 255	0.40 252	0.31 267	0.40 261	0.30 256	0.99 409	0.27 220	1.36 478	0.31 236	0.34 240	0.30 267	0.36 240	0.54 357

w-ln-seven	0.18 140	1.47 403	0.33 230	0.40 226	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.38 251	0.32 240	0.05 86	0.04 78	0.04 77	0.04 79

DCVSM-stereo	0.36 218	1.89 425	0.22 176	0.40 226	0.22 212	0.40 257	0.22 198	0.40 252	0.22 202	0.40 252	0.22 207	0.40 261	0.22 205	0.40 258	0.22 196	0.28 200	0.21 183	0.28 210	0.21 202	0.28 197	0.20 184

IGEV++	0.34 203	0.43 180	0.30 208	0.40 226	0.29 249	0.40 257	0.29 242	0.40 252	0.29 244	0.40 252	0.29 247	0.40 261	0.29 249	0.40 258	0.30 247	0.38 251	0.29 222	0.37 264	0.29 253	0.37 244	0.29 235

ACVNet-DCA	0.37 224	1.00 295	0.30 208	0.40 226	0.29 249	0.40 257	0.29 242	0.40 252	0.29 244	0.40 252	0.29 247	0.40 261	0.29 249	0.39 255	0.28 230	0.33 218	0.32 240	0.33 232	0.32 283	0.33 217	0.32 262

xx1	0.38 230	1.03 309	0.31 220	0.40 226	0.31 269	0.41 273	0.28 233	0.40 252	0.29 244	0.40 252	0.29 247	0.40 261	0.29 249	0.40 258	0.29 240	0.34 222	0.33 251	0.34 240	0.32 283	0.34 221	0.32 262

knoymous	0.40 246	0.40 164	0.40 269	0.40 226	0.40 324	0.40 257	0.40 319	0.40 252	0.40 320	0.40 252	0.40 323	0.40 261	0.40 312	0.40 258	0.40 312	0.40 266	0.40 278	0.40 288	0.40 332	0.40 272	0.40 307

anonymousa	0.40 246	0.40 164	0.40 269	0.40 226	0.40 324	0.40 257	0.40 319	0.40 252	0.40 320	0.40 252	0.40 323	0.40 261	0.40 312	0.40 258	0.40 312	0.40 266	0.40 278	0.40 288	0.40 332	0.40 272	0.40 307

riskmin	0.40 246	0.40 164	0.40 269	0.40 226	0.40 324	0.40 257	0.40 319	0.40 252	0.40 320	0.40 252	0.40 323	0.40 261	0.40 312	0.40 258	0.40 312	0.40 266	0.40 278	0.40 288	0.40 332	0.40 272	0.40 307

Anonymous_2	0.40 246	0.40 164	0.40 269	0.40 226	0.40 324	0.40 257	0.40 319	0.40 252	0.40 320	0.40 252	0.40 323	0.40 261	0.40 312	0.40 258	0.40 312	0.40 266	0.40 278	0.40 288	0.40 332	0.40 272	0.40 307

Anonymous_1	0.40 246	0.40 164	0.40 269	0.40 226	0.40 324	0.40 257	0.40 319	0.40 252	0.40 320	0.40 252	0.40 323	0.40 261	0.40 312	0.40 258	0.40 312	0.40 266	0.40 278	0.40 288	0.40 332	0.40 272	0.40 307

AdaStereo	0.40 246	0.40 164	0.40 269	0.40 226	0.40 324	0.40 257	0.40 319	0.40 252	0.40 320	0.40 252	0.40 323	0.40 261	0.40 312	0.40 258	0.40 312	0.40 266	0.40 278	0.40 288	0.40 332	0.40 272	0.40 307
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
Zero-FE251	0.36 218	0.40 164	0.28 200	0.41 238	0.28 240	0.41 273	0.28 233	0.41 267	0.28 238	0.41 266	0.28 242	0.41 274	0.28 242	0.42 286	0.30 247	0.37 240	0.26 198	0.37 264	0.27 238	0.45 296	0.56 365

z-mn7	0.16 133	1.21 383	0.33 230	0.41 238	0.04 79	0.04 77	0.03 50	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.35 231	0.31 236	0.04 73	0.04 78	0.04 77	0.04 79

RAFT-Test	0.36 218	0.37 152	0.33 230	0.41 238	0.32 271	0.41 273	0.32 258	0.41 267	0.32 270	0.41 266	0.32 271	0.41 274	0.32 271	0.41 273	0.33 264	0.37 240	0.29 222	0.37 264	0.29 253	0.38 257	0.31 257

GwcNet-ADL	0.41 253	0.41 172	0.41 278	0.41 238	0.41 332	0.41 273	0.41 327	0.41 267	0.41 329	0.41 266	0.41 329	0.41 274	0.41 323	0.41 273	0.41 319	0.41 274	0.41 287	0.41 305	0.41 339	0.41 282	0.41 314

PSMNet-ADL	0.41 253	0.41 172	0.41 278	0.41 238	0.41 332	0.41 273	0.41 327	0.41 267	0.41 329	0.41 266	0.41 329	0.41 274	0.41 323	0.41 273	0.41 319	0.41 274	0.41 287	0.41 305	0.41 339	0.41 282	0.41 314

GANet-ADL	0.41 253	0.41 172	0.41 278	0.41 238	0.41 332	0.41 273	0.41 327	0.41 267	0.41 329	0.41 266	0.41 329	0.41 274	0.41 323	0.41 273	0.41 319	0.41 274	0.41 287	0.41 305	0.41 339	0.41 282	0.41 314

ADLNet2	0.41 253	0.41 172	0.41 278	0.41 238	0.41 332	0.41 273	0.41 327	0.41 267	0.41 329	0.41 266	0.41 329	0.41 274	0.41 323	0.41 273	0.41 319	0.41 274	0.41 287	0.41 305	0.41 339	0.41 282	0.41 314

ADLNet	0.41 253	0.41 172	0.41 278	0.41 238	0.41 332	0.41 273	0.41 327	0.41 267	0.41 329	0.41 266	0.41 329	0.41 274	0.41 323	0.41 273	0.41 319	0.41 274	0.41 287	0.41 305	0.41 339	0.41 282	0.41 314

GES	0.66 330	2.34 462	0.29 204	0.41 238	0.29 249	0.41 273	0.29 242	0.42 285	0.29 244	0.40 252	0.41 329	0.41 274	0.30 256	0.51 338	0.29 240	0.32 214	0.29 222	0.32 224	2.46 565	2.49 527	0.30 248

DGSMNet	0.34 203	0.41 172	0.27 196	0.41 238	0.28 240	0.41 273	0.28 233	0.41 267	0.27 235	0.41 266	0.27 235	0.42 292	0.27 235	0.41 273	0.28 230	0.40 266	0.29 222	0.40 288	0.28 243	0.40 272	0.27 217

HiDET	0.38 230	0.44 183	0.30 208	0.42 248	0.30 259	0.42 293	0.30 247	0.42 285	0.30 255	0.44 291	0.30 259	0.42 292	0.30 256	0.42 286	0.68 383	0.37 240	0.32 240	0.40 288	0.29 253	0.37 244	0.29 235

LCMNet	0.38 230	0.44 183	0.30 208	0.42 248	0.30 259	0.42 293	0.30 247	0.42 285	0.30 255	0.45 293	0.30 259	0.42 292	0.30 256	0.42 286	0.69 393	0.37 240	0.32 240	0.40 288	0.29 253	0.37 244	0.29 235

CSFM-Stereo	0.38 230	0.44 183	0.30 208	0.42 248	0.30 259	0.42 293	0.30 247	0.43 291	0.30 255	0.44 291	0.30 259	0.42 292	0.30 256	0.42 286	0.73 404	0.37 240	0.32 240	0.40 288	0.29 253	0.37 244	0.30 248

HART	0.38 230	0.45 191	0.34 240	0.42 248	0.33 283	0.41 273	0.34 281	0.42 285	0.33 277	0.43 286	0.34 286	0.42 292	0.34 284	0.41 273	0.38 297	0.40 266	0.32 240	0.42 316	0.32 283	0.40 272	0.32 262

RAFT-Stereo-weight	0.45 273	1.90 427	0.34 240	0.42 248	0.36 302	0.43 300	0.35 286	0.42 285	0.34 286	0.42 280	0.34 286	0.44 300	0.34 284	0.41 273	0.34 277	0.38 251	0.32 240	0.38 272	0.32 283	0.38 257	0.33 269

Gwc-CoAtRS	0.41 253	1.49 404	0.32 225	0.42 248	0.32 271	0.41 273	0.32 258	0.41 267	0.33 277	0.41 266	0.32 271	0.41 274	0.32 271	0.41 273	0.32 255	0.39 262	0.28 211	0.39 283	0.28 243	0.40 272	0.28 230

MS-F	0.38 230	0.44 183	0.31 220	0.43 254	0.30 259	0.43 300	0.31 256	0.43 291	0.31 266	0.45 293	0.31 267	0.43 299	0.31 268	0.43 292	0.69 393	0.38 251	0.33 251	0.40 288	0.30 267	0.38 257	0.30 248

RCA-Stereo	0.51 303	3.22 505	0.34 240	0.44 255	0.34 293	0.44 303	0.34 281	0.43 291	0.34 286	0.43 286	0.34 286	0.44 300	0.33 279	0.43 292	0.33 264	0.38 251	0.29 222	0.38 272	0.29 253	0.38 257	0.29 235

CFNet-RSSM	0.91 392	4.89 539	0.34 240	0.44 255	1.07 448	1.62 504	1.40 518	0.91 389	0.35 289	1.60 497	1.39 518	0.64 371	0.34 284	0.44 295	0.33 264	0.41 274	0.35 257	0.75 387	0.30 267	0.41 282	0.29 235

fffy	0.38 230	0.43 180	0.33 230	0.46 257	0.33 283	0.45 304	0.32 258	0.45 295	0.32 270	0.45 293	0.32 271	0.45 302	0.33 279	0.45 298	0.32 255	0.38 251	0.38 268	0.38 272	0.37 315	0.37 244	0.36 287

otaku	0.46 279	0.46 195	0.46 292	0.46 257	0.46 350	0.46 310	0.46 342	0.46 299	0.46 343	0.46 299	0.46 349	0.46 306	0.46 340	0.46 303	0.46 336	0.46 297	0.46 310	0.46 327	0.46 352	0.46 299	0.46 328

Ntro	0.47 285	0.47 199	0.46 292	0.46 257	0.46 350	0.47 315	0.47 347	0.46 299	0.47 348	0.46 299	0.46 349	0.47 312	0.46 340	0.47 307	0.47 343	0.47 302	0.46 310	0.46 327	0.46 352	0.46 299	0.46 328

Dean	0.46 279	0.46 195	0.46 292	0.46 257	0.46 350	0.46 310	0.46 342	0.46 299	0.46 343	0.47 305	0.46 349	0.46 306	0.46 340	0.46 303	0.46 336	0.46 297	0.46 310	0.46 327	0.46 352	0.46 299	0.46 328

ACVNet_1	0.46 279	0.47 199	0.46 292	0.46 257	0.46 350	0.46 310	0.46 342	0.46 299	0.47 348	0.46 299	0.46 349	0.46 306	0.46 340	0.46 303	0.46 336	0.46 297	0.46 310	0.47 336	0.46 352	0.46 299	0.46 328

ACVNet-4b	0.46 279	0.46 195	0.46 292	0.46 257	0.46 350	0.46 310	0.46 342	0.46 299	0.46 343	0.46 299	0.46 349	0.46 306	0.46 340	0.47 307	0.46 336	0.46 297	0.46 310	0.46 327	0.46 352	0.46 299	0.46 328

FE-Mocha	0.35 212	0.71 245	0.40 269	0.47 263	0.27 235	0.34 229	0.27 225	0.34 219	0.26 229	0.34 226	0.26 230	0.34 232	0.27 235	0.34 231	0.27 220	0.44 290	0.41 287	0.33 232	0.29 253	0.32 210	0.29 235

LG-Stereo_L2	0.34 203	0.37 152	0.38 257	0.47 263	0.28 240	0.39 255	0.28 233	0.39 245	0.28 238	0.39 246	0.28 242	0.39 253	0.28 242	0.38 247	0.28 230	0.42 288	0.35 257	0.36 261	0.26 230	0.35 233	0.26 209

UNDER WATER	0.47 285	0.47 199	0.47 299	0.47 263	0.47 356	0.47 315	0.47 347	0.47 305	0.47 348	0.47 305	0.47 357	0.47 312	0.46 340	0.47 307	0.47 343	0.47 302	0.47 318	0.47 336	0.46 352	0.47 311	0.47 335

LVE	0.47 285	0.47 199	0.47 299	0.47 263	0.49 362	0.47 315	0.47 347	0.47 305	0.49 357	0.47 305	0.47 357	0.47 312	0.46 340	0.47 307	0.47 343	0.47 302	0.47 318	0.48 344	0.47 359	0.47 311	0.47 335

GANet-RSSM	0.75 349	1.91 428	0.14 127	0.47 263	0.14 160	0.21 175	3.21 581	2.30 526	0.14 160	0.46 299	0.14 163	0.23 185	0.18 189	0.21 173	0.14 153	0.18 152	0.27 205	0.37 264	0.13 157	2.13 509	2.12 551

GREAT-IGEV	0.38 230	0.43 180	0.36 250	0.48 268	0.32 271	0.45 304	0.32 258	0.45 295	0.32 270	0.45 293	0.32 271	0.45 302	0.32 271	0.45 298	0.32 255	0.44 290	0.33 251	0.41 305	0.29 253	0.41 282	0.29 235

GIP-stereo	0.36 218	0.49 207	0.39 264	0.48 268	0.32 271	0.41 273	0.28 233	0.40 252	0.30 255	0.41 266	0.28 242	0.40 261	0.28 242	0.42 286	0.28 230	0.45 293	0.32 240	0.38 272	0.30 267	0.37 244	0.27 217

mms	0.40 246	0.45 191	0.35 248	0.48 268	0.36 302	0.47 315	0.34 281	0.45 295	0.38 306	0.47 305	0.33 278	0.45 302	0.32 271	0.45 298	0.32 255	0.39 262	0.38 268	0.38 272	0.37 315	0.39 266	0.39 304

ccccc	0.41 253	0.44 183	0.34 240	0.48 268	0.35 296	0.48 320	0.35 286	0.51 334	0.35 289	0.47 305	0.35 295	0.47 312	0.34 284	0.47 307	0.35 281	0.41 274	0.40 278	0.40 288	0.40 332	0.41 282	0.39 304

RainbowNet	0.48 290	0.48 205	0.48 307	0.48 268	0.48 360	0.48 320	0.48 356	0.48 309	0.48 355	0.48 312	0.48 361	0.48 319	0.48 349	0.48 316	0.48 349	0.48 306	0.48 322	0.48 344	0.48 362	0.48 315	0.48 337

notaker	0.48 290	0.49 207	0.48 307	0.48 268	0.48 360	0.48 320	0.48 356	0.48 309	0.49 357	0.48 312	0.48 361	0.48 319	0.48 349	0.48 316	0.48 349	0.48 306	0.48 322	0.48 344	0.48 362	0.48 315	0.49 342

gcap-zeroshot	0.35 212	0.32 144	0.37 254	0.49 274	0.39 322	0.33 227	0.21 193	0.26 196	0.35 289	0.42 280	0.34 286	0.49 323	0.29 249	0.47 307	0.39 308	0.34 222	0.17 167	0.38 272	0.23 211	0.48 315	0.34 275

MyStereo07	0.60 317	3.72 516	0.48 307	0.49 274	0.41 332	0.36 237	0.32 258	0.49 313	0.43 337	0.51 339	0.42 339	0.49 323	0.43 332	0.51 338	0.64 372	0.49 309	0.45 308	0.34 240	0.32 283	0.35 233	0.43 322

MyStereo04	0.56 315	3.72 516	0.59 339	0.49 274	0.41 332	0.36 237	0.32 258	0.37 233	0.31 266	0.34 226	0.46 349	0.35 234	0.32 271	0.35 234	0.33 264	0.49 309	0.45 308	0.34 240	0.32 283	0.35 233	0.43 322

HaxPig	0.47 285	0.47 199	0.47 299	0.49 274	0.47 356	0.47 315	0.47 347	0.47 305	0.47 348	0.47 305	0.47 357	0.47 312	0.47 348	0.47 307	0.47 343	0.47 302	0.47 318	0.47 336	0.47 359	0.47 311	0.48 337

ACVNet_2	0.49 296	0.49 207	0.49 314	0.49 274	0.49 362	0.49 325	0.49 358	0.49 313	0.49 357	0.49 319	0.49 364	0.49 323	0.49 354	0.49 322	0.49 351	0.49 309	0.49 325	0.49 349	0.49 365	0.49 319	0.49 342

IGEV-Stereo	0.35 212	0.44 183	0.45 288	0.49 274	0.30 259	0.37 242	0.30 247	0.36 227	0.30 255	0.36 234	0.29 247	0.36 240	0.29 249	0.36 240	0.30 247	0.46 297	0.39 275	0.32 224	0.24 219	0.32 210	0.25 203
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
psmorigin	0.41 253	0.46 195	0.33 230	0.49 274	0.33 283	0.49 325	0.33 268	0.49 313	0.33 277	0.49 319	0.33 278	0.49 323	0.33 279	0.51 338	0.33 264	0.41 274	0.30 230	0.41 305	0.30 267	0.79 365	0.29 235

252Zero-FE	0.45 273	0.50 211	0.36 250	0.50 281	0.36 302	0.50 333	0.36 293	0.50 321	0.36 300	0.49 319	0.36 299	0.49 323	0.36 294	0.54 347	0.41 319	0.45 293	0.34 255	0.45 323	0.34 295	0.55 338	0.75 404

water-stereo	0.41 253	0.84 258	0.46 292	0.50 281	0.33 283	0.45 304	0.33 268	0.45 295	0.32 270	0.45 293	0.32 271	0.45 302	0.32 271	0.45 298	0.32 255	0.44 290	0.41 287	0.39 283	0.31 277	0.39 266	0.32 262

DilatedVolume-Stereo	0.43 265	0.86 261	0.48 307	0.50 281	0.33 283	0.46 310	0.33 268	0.46 299	0.33 277	0.46 299	0.33 278	0.47 312	0.33 279	0.47 307	0.34 277	0.45 293	0.42 296	0.40 288	0.33 291	0.47 311	0.38 298

FoundationStereo	0.50 298	0.50 211	0.50 318	0.50 281	0.50 366	0.50 333	0.50 360	0.50 321	0.50 360	0.50 332	0.50 366	0.50 338	0.50 357	0.50 329	0.50 352	0.50 315	0.50 331	0.50 353	0.50 367	0.50 324	0.50 345

StereoAnything_RVC	0.50 298	0.50 211	0.50 318	0.50 281	0.50 366	0.50 333	0.50 360	0.50 321	0.50 360	0.50 332	0.50 366	0.50 338	0.50 357	0.50 329	0.50 352	0.50 315	0.50 331	0.50 353	0.50 367	0.50 324	0.50 345

dual_stereo	0.50 298	0.50 211	0.50 318	0.50 281	0.50 366	0.50 333	0.50 360	0.50 321	0.50 360	0.50 332	0.50 366	0.50 338	0.50 357	0.50 329	0.50 352	0.50 315	0.50 331	0.50 353	0.50 367	0.50 324	0.50 345

TorneroNet	0.66 330	0.53 224	0.50 318	0.50 281	0.64 391	1.06 417	0.70 398	0.50 321	0.51 367	0.49 319	0.69 404	0.49 323	0.50 357	0.48 316	1.15 444	0.71 359	0.49 325	1.14 438	1.08 442	0.49 319	0.49 342

ccnet	0.80 360	2.28 454	0.33 230	0.50 281	0.33 283	0.50 333	0.33 268	0.50 321	0.33 277	0.49 319	0.33 278	0.49 323	1.56 510	2.38 530	0.33 264	0.41 274	0.29 222	0.42 316	1.57 525	2.28 515	0.29 235

SANet	0.50 298	0.50 211	0.50 318	0.50 281	0.50 366	0.50 333	0.50 360	0.50 321	0.50 360	0.50 332	0.50 366	0.50 338	0.50 357	0.50 329	0.50 352	0.50 315	0.50 331	0.50 353	0.50 367	0.50 324	0.50 345

fffft	0.48 290	0.51 219	0.45 288	0.52 290	0.45 348	0.52 348	0.45 340	0.52 338	0.48 355	0.53 345	0.45 347	0.52 349	0.45 337	0.52 343	0.46 336	0.51 321	0.41 287	0.50 353	0.41 339	0.50 324	0.41 314
1: 1. 1
DDF-Stereo	0.43 265	1.15 328	0.57 337	0.53 291	0.32 271	0.41 273	0.32 258	0.41 267	0.32 270	0.41 266	0.32 271	0.41 274	0.32 271	0.40 258	0.32 255	0.52 323	0.50 331	0.38 272	0.31 277	0.39 266	0.31 257

UGAM-zero	0.51 303	2.17 446	0.39 264	0.53 291	0.36 302	0.50 333	0.36 293	0.50 321	0.36 300	0.49 319	0.36 299	0.50 338	0.35 291	0.50 329	0.36 285	0.49 309	0.37 262	0.47 336	0.35 307	0.46 299	0.34 275

GCST	0.50 298	2.08 438	0.38 257	0.53 291	0.35 296	0.49 325	0.35 286	0.50 321	0.35 289	0.49 319	0.35 295	0.49 323	0.35 291	0.49 322	0.35 281	0.48 306	0.37 262	0.45 323	0.33 291	0.44 292	0.33 269

depthmonostereo	0.44 270	0.85 260	0.46 292	0.54 294	0.40 324	0.52 348	0.38 305	0.52 338	0.35 289	0.47 305	0.34 286	0.46 306	0.34 284	0.47 307	0.34 277	0.45 293	0.43 300	0.41 305	0.33 291	0.41 282	0.32 262

SCV_C0	0.45 273	0.88 265	0.49 314	0.54 294	0.37 306	0.48 320	0.37 299	0.48 309	0.37 302	0.48 312	0.36 299	0.48 319	0.37 299	0.49 322	0.37 294	0.50 315	0.41 287	0.44 319	0.34 295	0.44 292	0.34 275

SCV	0.46 279	0.94 282	0.45 288	0.54 294	0.37 306	0.48 320	0.38 305	0.48 309	0.37 302	0.48 312	0.39 320	0.48 319	0.37 299	0.49 322	0.37 294	0.50 315	0.46 310	0.44 319	0.34 295	0.44 292	0.34 275

UGAM	0.51 303	2.23 451	0.39 264	0.54 294	0.35 296	0.50 333	0.35 286	0.49 313	0.35 289	0.49 319	0.35 295	0.49 323	0.36 294	0.50 329	0.36 285	0.49 309	0.37 262	0.45 323	0.34 295	0.45 296	0.34 275

FCDSN-DC	0.41 253	0.59 235	0.64 350	0.54 294	0.33 283	0.50 333	0.37 299	0.42 285	0.40 320	0.61 363	0.43 341	0.50 338	0.49 354	0.38 247	0.32 255	0.28 200	0.23 192	0.26 204	0.22 205	0.35 233	0.28 230
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
PSMNet_ROB	0.54 308	0.54 227	0.54 333	0.54 294	0.53 375	0.54 353	0.54 368	0.53 340	0.54 370	0.54 350	0.54 376	0.54 353	0.53 364	0.54 347	0.54 362	0.54 327	0.53 340	0.54 365	0.54 373	0.54 337	0.54 357

z-ln-s-r	0.21 152	1.40 401	0.53 332	0.56 300	0.04 79	0.05 89	0.04 81	0.05 89	0.05 98	0.05 92	0.04 88	0.05 91	0.04 84	0.05 83	0.05 88	0.57 336	0.44 307	0.04 73	0.04 78	0.04 77	0.04 79

GASTEREO	0.48 290	1.21 383	0.47 299	0.57 301	0.38 313	0.50 333	0.38 305	0.50 321	0.38 306	0.50 332	0.38 311	0.50 338	0.38 303	0.50 329	0.38 297	0.52 323	0.42 296	0.46 327	0.34 295	0.46 299	0.34 275

CASS	0.57 316	0.89 268	0.56 335	0.57 301	0.56 378	0.56 355	0.56 369	0.56 346	0.53 368	0.57 358	0.57 379	0.59 366	0.48 349	0.56 352	0.57 365	0.55 333	0.56 344	0.47 336	0.56 378	0.62 344	0.56 365
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
MSCF	0.51 303	1.40 401	0.49 314	0.58 303	0.38 313	0.50 333	0.38 305	0.54 342	0.41 329	0.52 342	0.41 329	0.53 350	0.42 329	0.53 345	0.41 319	0.60 339	0.47 318	0.48 344	0.37 315	0.48 315	0.38 298

TorneroNet-64	0.45 273	0.27 134	0.30 208	0.58 303	0.27 235	0.70 374	0.30 247	0.28 200	0.73 411	0.73 379	0.28 242	0.71 378	0.66 380	0.75 379	0.27 220	0.27 198	0.29 222	0.37 264	0.75 415	0.28 197	0.30 248

PML	0.46 279	1.36 399	0.29 204	0.58 303	0.30 259	0.57 361	0.29 242	0.57 349	0.29 244	0.57 358	0.29 247	0.57 362	0.29 249	0.56 352	0.29 240	0.52 323	0.30 230	0.53 364	0.31 277	0.53 336	0.30 248

GSStereo	0.81 365	4.28 532	0.50 318	0.59 306	0.40 324	0.51 345	0.38 305	0.50 321	0.38 306	0.50 332	0.38 311	0.50 338	3.79 577	0.50 329	0.38 297	0.54 327	0.43 300	0.46 327	0.34 295	0.46 299	0.35 284

MyStereo8	0.71 342	3.92 525	0.52 328	0.59 306	0.52 372	0.57 361	0.53 366	0.59 354	0.50 360	0.59 362	0.51 372	0.57 362	0.50 357	0.56 352	0.52 359	0.54 327	0.49 325	0.54 365	0.49 365	0.55 338	0.50 345

LL-Strereo2	0.48 290	1.73 417	0.51 325	0.59 306	0.34 293	0.42 293	0.33 268	0.40 252	0.31 266	0.42 280	0.33 278	0.42 292	0.31 268	0.44 295	0.39 308	0.60 339	0.51 336	0.44 319	0.33 291	0.44 292	0.33 269

PA-Net	11.80 601	223.51 627	0.62 347	0.59 306	0.71 405	0.59 363	0.73 404	0.67 365	0.73 411	0.55 353	0.61 384	0.60 367	0.74 403	0.63 365	0.73 404	0.66 352	0.60 351	0.69 380	0.66 399	0.72 355	0.65 384
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
WCG-NET	0.61 320	1.21 383	0.54 333	0.61 310	0.53 375	0.67 372	0.53 366	0.66 364	0.53 368	0.64 369	0.53 375	0.65 374	0.53 364	0.59 359	0.52 359	0.65 350	0.48 322	0.64 374	0.52 371	0.58 341	0.50 345

LG-Stereo_L1	0.47 285	0.52 221	0.47 299	0.62 311	0.39 322	0.53 350	0.40 319	0.53 340	0.39 319	0.53 345	0.39 320	0.53 350	0.39 311	0.53 345	0.39 308	0.55 333	0.46 310	0.49 349	0.37 315	0.49 319	0.37 291

MonSter	0.60 317	0.64 241	0.52 328	0.62 311	0.44 345	2.07 519	0.44 335	0.62 359	0.44 340	0.62 366	0.44 343	0.62 370	0.44 334	0.62 361	0.44 331	0.58 337	0.42 296	0.62 371	0.46 352	0.58 341	0.42 321

LG-Stereo_Zeroshot	0.48 290	0.55 229	0.47 299	0.63 313	0.41 332	0.56 355	0.44 335	0.56 346	0.41 329	0.56 355	0.41 329	0.57 362	0.42 329	0.56 352	0.41 319	0.55 333	0.43 300	0.51 358	0.37 315	0.51 330	0.37 291

MyStereo06	0.75 349	4.12 526	0.60 341	0.63 313	0.61 387	0.62 367	0.66 380	0.56 346	0.45 342	0.55 353	0.48 361	0.54 353	0.46 340	0.57 357	0.45 332	0.60 339	0.57 346	0.64 374	0.55 374	0.72 355	0.55 362

MyStereo05	0.80 360	4.12 526	0.63 348	0.63 313	0.61 387	0.62 367	0.66 380	0.65 362	0.62 380	0.67 373	0.61 384	0.65 374	0.58 369	0.67 370	0.55 364	0.60 339	0.57 346	0.64 374	0.55 374	0.72 355	0.55 362

LG-Stereo	0.60 317	0.58 234	0.47 299	0.64 316	0.74 410	1.00 404	0.69 394	0.57 349	0.41 329	0.57 358	0.41 329	0.57 362	0.41 323	1.00 411	0.75 408	0.91 382	0.51 336	0.52 361	0.37 315	0.52 332	0.37 291

MSKI-zero shot	0.24 164	0.21 112	0.49 314	0.65 317	0.18 194	0.22 177	0.17 172	0.23 182	0.18 187	0.21 174	0.17 179	0.23 185	0.28 242	0.23 183	0.18 184	0.21 166	0.16 147	0.21 175	0.16 171	0.21 171	0.16 162

LMCR-Stereo	0.65 328	0.63 239	0.65 353	0.65 317	0.65 393	0.66 371	0.63 376	0.58 352	0.65 384	0.63 368	0.64 388	0.65 374	0.65 377	0.66 368	0.66 376	0.66 352	0.64 359	0.65 377	0.67 403	0.68 349	0.73 400

DSFCA	0.66 330	0.73 247	0.78 384	0.65 317	0.65 393	0.64 369	0.64 377	0.65 362	0.63 382	0.64 369	0.64 388	0.64 371	0.64 375	0.65 367	0.65 373	0.65 350	0.65 361	0.65 377	0.65 397	0.66 347	0.64 379

AIO-test1	0.54 308	0.60 238	0.52 328	0.66 320	0.47 356	0.61 364	0.47 347	0.58 352	0.46 343	0.61 363	0.46 349	0.61 368	0.45 337	0.62 361	0.45 332	0.61 343	0.52 338	0.57 367	0.48 362	0.57 340	0.48 337

AIO-test2	0.55 313	0.59 235	0.52 328	0.67 321	0.47 356	0.61 364	0.47 347	0.61 358	0.47 348	0.61 363	0.47 357	0.61 368	0.48 349	0.62 361	0.47 343	0.64 349	0.53 340	0.58 368	0.47 359	0.58 341	0.48 337

GEAStereo	0.62 323	3.91 523	0.48 307	0.69 322	0.38 313	0.51 345	0.38 305	0.51 334	0.38 306	0.53 345	0.38 311	0.50 338	0.38 303	0.51 338	0.38 297	0.54 327	0.43 300	0.46 327	0.34 295	0.46 299	0.34 275

gasm-f	0.62 323	3.91 523	0.48 307	0.69 322	0.38 313	0.51 345	0.38 305	0.51 334	0.38 306	0.53 345	0.38 311	0.50 338	0.38 303	0.51 338	0.38 297	0.54 327	0.43 300	0.46 327	0.34 295	0.46 299	0.34 275

4D-IteraStereo	0.78 357	3.13 502	0.89 394	0.69 322	0.32 271	0.40 257	0.32 258	0.76 373	0.97 437	0.52 342	0.65 390	0.89 400	0.32 271	0.76 380	0.98 430	0.83 375	0.94 403	0.35 256	0.27 238	0.70 354	0.89 418

Selective-IGEV	0.51 303	0.55 229	0.45 288	0.69 322	0.45 348	0.61 364	0.45 340	0.50 321	0.40 320	0.56 355	0.44 343	0.55 357	0.40 312	0.72 374	0.67 377	0.59 338	0.46 310	0.45 323	0.34 295	0.46 299	0.37 291

LL-Strereo	1.01 413	5.06 541	1.63 513	0.70 326	1.43 518	0.56 355	0.46 342	0.57 349	0.50 360	0.57 358	0.50 366	1.58 501	0.49 354	0.59 359	0.50 352	1.64 494	0.52 338	0.51 358	1.37 513	0.52 332	0.45 327

DMCA-RVC	0.70 339	0.80 252	0.70 367	0.70 326	0.70 403	0.70 374	0.70 398	0.71 370	0.70 401	0.70 376	0.71 411	0.71 378	0.70 396	0.70 372	0.69 393	0.69 355	0.70 375	0.69 380	0.70 408	0.69 353	0.70 392

anonymity	0.63 325	0.69 243	0.56 335	0.71 328	0.56 378	0.71 376	0.56 369	0.71 370	0.56 371	0.72 377	0.56 378	0.71 378	0.56 368	0.71 373	0.58 366	0.68 354	0.55 342	0.68 379	0.55 374	0.68 349	0.54 357

iGMRVC	0.84 377	2.85 496	0.72 374	0.72 329	0.73 408	0.77 379	0.79 411	0.73 372	0.74 413	0.73 379	0.72 414	0.73 383	0.76 406	0.73 376	0.73 404	0.72 360	0.73 381	0.73 384	0.72 413	0.73 358	0.72 397

SMoEStereo_RVC	0.63 325	0.75 248	0.51 325	0.73 330	0.53 375	0.71 376	0.47 347	0.67 365	0.58 373	0.74 384	0.60 380	0.72 381	0.53 364	0.74 378	0.51 357	0.61 343	0.62 356	0.62 371	0.61 386	0.63 345	0.61 371

ARAFT	0.68 335	0.81 255	0.63 348	0.74 331	0.60 381	0.78 381	0.62 375	0.77 374	0.66 386	0.74 384	0.63 386	0.75 385	0.62 374	0.83 386	0.60 369	0.70 358	0.55 342	0.70 382	0.60 384	0.78 363	0.55 362

GCAP-Stereo	0.75 349	4.15 529	0.42 283	0.75 332	0.35 296	0.78 381	0.40 319	0.79 375	0.38 306	0.78 387	0.36 299	0.78 388	0.36 294	0.79 381	0.39 308	0.75 363	0.39 275	0.76 389	0.39 331	0.75 359	0.39 304

AFF-stereo	0.73 347	0.88 265	0.67 358	0.75 332	0.68 400	0.75 378	0.64 377	0.80 377	0.72 408	0.83 393	0.70 407	0.82 395	0.64 375	0.84 387	0.67 377	0.77 365	0.63 357	0.81 397	0.63 388	0.78 363	0.62 374

DLNR_Zeroshot_test	0.31 190	0.28 137	0.47 299	0.79 334	0.24 223	0.30 212	0.26 222	0.30 207	0.24 211	0.32 219	0.23 211	0.31 222	0.24 215	0.30 218	0.23 202	0.29 207	0.26 198	0.29 215	0.24 219	0.33 217	0.23 192

G-Net	0.79 358	0.79 251	0.79 387	0.79 334	0.79 422	0.79 383	0.79 411	0.79 375	0.79 419	0.79 388	0.79 422	0.79 390	0.79 410	0.79 381	0.79 412	0.79 366	0.79 389	0.79 392	0.79 419	0.79 365	0.79 408

MIM_Stereo	0.25 167	0.23 117	0.66 354	0.80 336	0.17 184	0.22 177	0.17 172	0.23 182	0.18 187	0.26 201	0.17 179	0.21 171	0.17 181	0.25 194	0.17 173	0.23 180	0.16 147	0.21 175	0.17 191	0.22 173	0.17 176

RAFT-Stereo + iAFF	0.70 339	0.72 246	0.71 371	0.80 336	0.62 390	0.82 386	0.61 374	0.81 380	0.62 380	0.81 391	0.63 386	0.80 391	0.70 396	0.73 376	0.61 371	0.76 364	0.61 355	0.74 386	0.61 386	0.77 362	0.61 371

NaN_ROB	0.80 360	0.80 252	0.80 388	0.80 336	0.80 424	0.80 384	0.80 414	0.80 377	0.80 420	0.80 389	0.80 423	0.80 391	0.80 411	0.80 383	0.80 414	0.80 367	0.80 392	0.80 395	0.80 421	0.80 368	0.80 409

CSAN	0.80 360	0.80 252	0.80 388	0.80 336	0.80 424	0.80 384	0.80 414	0.80 377	0.80 420	0.80 389	0.80 423	0.80 391	0.80 411	0.80 383	0.80 414	0.80 367	0.80 392	0.80 395	0.80 421	0.80 368	0.80 409

AIO-Stereo	0.84 377	0.66 242	0.70 367	0.83 340	0.67 397	0.98 402	0.82 418	1.14 419	0.72 408	1.03 420	0.74 417	1.03 425	1.09 431	0.99 409	0.45 332	1.04 404	0.73 381	0.95 423	0.74 414	0.94 397	0.46 328

Former-RAFT_DAM_RVC	0.49 296	0.98 287	0.64 350	0.84 341	0.46 350	0.45 304	0.35 286	0.47 305	0.47 348	0.45 293	0.34 286	0.46 306	0.48 349	0.46 303	0.35 281	0.39 262	0.71 379	0.39 283	0.35 307	0.41 282	0.41 314

test_xeample3	1.10 420	1.81 418	0.61 346	0.84 341	0.49 362	0.77 379	0.66 380	0.92 392	1.40 519	0.68 375	0.46 349	0.78 388	0.54 367	1.72 504	1.48 520	1.34 475	1.52 507	1.35 504	1.67 538	1.33 479	1.55 522

RSM++	0.76 353	0.82 257	0.66 354	0.85 343	0.64 391	0.85 388	0.71 401	0.94 396	0.64 383	0.87 394	0.67 393	0.87 397	0.65 377	0.84 387	0.65 373	0.81 370	0.70 375	0.79 392	0.71 411	0.83 375	0.70 392

Selective-RAFT-Error	0.88 388	0.84 258	0.98 407	0.86 344	0.97 438	0.88 391	0.95 429	0.84 382	0.99 440	0.92 400	0.82 425	0.84 396	0.98 421	0.87 392	0.97 429	0.81 370	0.83 395	0.79 392	0.82 424	0.79 365	0.85 415

FC-DCNN	1.07 418	1.09 320	0.98 407	0.89 345	0.52 372	1.41 497	0.91 424	1.21 478	1.24 507	1.96 509	2.05 563	1.91 510	1.30 498	1.27 492	1.08 438	0.80 367	0.60 351	0.58 368	0.41 339	0.68 349	0.54 357

DDUNet	0.81 365	2.45 470	0.57 337	0.90 346	0.60 381	0.88 391	0.59 373	0.90 387	0.60 376	0.88 395	0.60 380	0.90 401	0.58 369	0.88 393	0.60 369	0.84 377	0.60 351	0.86 405	0.57 380	0.86 377	0.60 370

ADCS	0.09 53	0.02 12	0.04 43	0.90 346	0.06 111	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	0.36 285	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

UDG	0.80 360	2.21 450	0.60 341	0.91 348	0.60 381	0.90 394	0.58 371	0.88 386	0.60 376	0.90 396	0.60 380	0.88 398	0.60 371	0.90 396	0.58 366	0.86 379	0.60 351	0.84 403	0.59 383	0.84 376	0.61 371

DPSM_ROB	0.92 395	0.91 273	0.91 399	0.91 348	0.92 433	0.92 396	0.92 425	0.92 392	0.91 427	0.93 402	0.91 430	0.92 404	0.90 415	0.91 397	0.92 422	0.92 385	0.91 399	0.91 410	0.92 429	0.93 391	0.93 422

DPSM	0.92 395	0.91 273	0.91 399	0.91 348	0.92 433	0.92 396	0.92 425	0.92 392	0.91 427	0.93 402	0.91 430	0.92 404	0.90 415	0.91 397	0.92 422	0.92 385	0.91 399	0.91 410	0.92 429	0.93 391	0.93 422

zero-FE	0.72 345	1.31 395	0.66 354	0.92 351	0.60 381	0.82 386	0.58 371	0.82 381	0.58 373	0.81 391	0.60 380	0.81 394	0.60 371	0.82 385	0.58 366	0.74 362	0.59 350	0.73 384	0.52 371	0.76 360	0.51 352

tt45	1.04 417	0.88 265	1.36 494	0.92 351	1.03 446	1.51 500	0.79 411	0.70 369	0.88 425	0.74 384	0.90 427	1.60 502	0.72 401	1.60 499	0.75 408	0.91 382	0.78 388	1.52 511	0.79 419	1.14 413	1.32 509

PAM_32	0.64 327	2.38 466	0.51 325	0.92 351	0.43 344	0.53 350	0.44 335	0.87 383	0.43 337	0.52 342	0.45 347	0.53 350	0.40 312	0.54 347	0.46 336	0.62 347	0.56 344	0.48 344	0.45 350	0.76 360	0.44 325

MoCha-V2	2.11 521	26.97 605	0.78 384	0.92 351	0.77 417	0.96 401	0.72 403	0.90 387	0.72 408	0.94 404	0.70 407	0.90 401	0.71 400	0.91 397	0.71 402	0.85 378	0.71 379	0.88 406	0.69 406	0.87 378	0.67 388

Syn2CoEx	0.25 167	1.31 395	0.74 378	0.92 351	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 380	0.75 385	0.02 18	0.02 20	0.02 20	0.02 20

pmcnn	0.92 395	0.92 278	0.92 401	0.92 351	0.92 433	0.92 396	0.92 425	0.92 392	0.92 431	0.92 400	0.92 433	0.92 404	0.92 417	0.92 401	0.92 422	0.92 385	0.92 401	0.92 412	0.92 429	0.92 387	0.92 421

DCRE	0.84 377	1.89 425	0.77 383	0.94 357	0.72 407	0.88 391	0.73 404	0.87 383	0.78 416	0.90 396	0.71 411	0.88 398	0.67 382	0.88 393	0.73 404	0.81 370	0.68 367	0.81 397	0.70 408	0.82 373	0.70 392

DGTPSM_ROB	0.93 400	1.00 295	0.92 401	0.94 357	0.96 437	0.91 395	0.92 425	0.91 389	0.96 436	0.91 398	0.96 434	0.93 407	0.92 417	0.94 403	0.92 422	0.92 385	0.92 401	0.90 407	0.92 429	0.94 397	0.91 420

ToySt	0.92 395	2.11 441	0.90 397	0.95 359	0.79 422	0.99 403	0.78 410	0.94 396	0.81 423	0.94 404	0.78 421	0.95 408	0.77 408	0.94 403	0.86 420	0.91 382	0.79 389	0.85 404	0.77 416	0.89 380	0.73 400

R-Stereo Train	0.81 365	0.96 284	0.67 358	0.95 359	0.67 397	0.95 399	0.68 386	0.95 398	0.68 390	0.95 406	0.68 396	0.96 409	0.68 385	0.96 407	0.68 383	0.94 390	0.68 367	0.94 421	0.68 404	0.94 397	0.68 389

RAFT-Stereo	0.81 365	0.96 284	0.67 358	0.95 359	0.67 397	0.95 399	0.68 386	0.95 398	0.68 390	0.95 406	0.68 396	0.96 409	0.68 385	0.96 407	0.68 383	0.94 390	0.68 367	0.94 421	0.68 404	0.94 397	0.68 389
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AIO-Stereo-zeroshot1	0.75 349	0.92 278	0.85 393	0.96 362	0.59 380	1.27 487	0.44 335	0.59 354	0.69 398	0.91 398	0.68 396	0.55 357	0.61 373	1.06 425	0.83 418	0.62 347	0.70 375	0.90 407	0.41 339	0.89 380	0.56 365

ff7	1.68 488	2.68 478	1.35 486	0.97 363	0.89 428	1.84 505	2.15 556	2.12 514	1.80 542	2.05 519	1.56 524	2.33 525	2.12 547	2.23 522	2.25 559	1.31 472	1.07 411	1.48 508	1.41 516	0.90 383	1.04 434

ffff	1.68 488	2.68 478	1.35 486	0.97 363	0.89 428	1.84 505	2.15 556	2.12 514	1.80 542	2.05 519	1.56 524	2.33 525	2.12 547	2.23 522	2.25 559	1.31 472	1.07 411	1.48 508	1.41 516	0.90 383	1.04 434

ccc-4	1.68 488	2.68 478	1.35 486	0.97 363	0.89 428	1.84 505	2.15 556	2.12 514	1.80 542	2.05 519	1.56 524	2.33 525	2.12 547	2.23 522	2.25 559	1.31 472	1.07 411	1.48 508	1.41 516	0.90 383	1.04 434

GANet	1.00 407	1.00 295	1.00 409	1.00 366	1.00 439	1.00 404	1.00 433	1.00 400	1.00 441	1.00 408	1.00 437	1.00 412	1.00 422	1.00 411	1.00 432	1.00 400	1.00 404	1.00 428	1.00 436	1.00 402	1.00 429

TDLM	1.00 407	1.00 295	1.00 409	1.00 366	1.00 439	1.00 404	1.00 433	1.00 400	1.00 441	1.00 408	1.00 437	1.00 412	1.00 422	1.00 411	1.00 432	1.00 400	1.00 404	1.00 428	1.00 436	1.00 402	1.00 429

CVANet_RVC	1.00 407	1.00 295	1.00 409	1.00 366	1.00 439	1.00 404	1.00 433	1.00 400	1.00 441	1.00 408	1.00 437	1.00 412	1.00 422	1.00 411	1.00 432	1.00 400	1.00 404	1.00 428	1.00 436	1.00 402	1.00 429

AdaDepth	0.86 385	0.93 280	0.71 371	1.01 369	1.07 448	1.02 414	0.71 401	1.00 400	0.71 406	1.01 412	0.71 411	1.00 412	0.72 401	1.14 436	0.71 402	0.92 385	0.64 359	0.90 407	0.64 392	0.89 380	0.69 391

trnet	1.01 413	1.01 303	1.01 412	1.01 369	1.01 443	1.01 408	1.01 436	1.01 404	1.01 444	1.01 412	1.01 440	1.01 416	1.01 428	1.01 415	1.01 435	1.01 403	1.01 407	1.01 431	1.01 440	1.01 405	1.01 432

ADCMid	0.08 51	0.02 12	0.02 14	1.01 369	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 110	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

STTRV1_RVC	0.82 370	1.60 408	0.70 367	1.01 369	0.60 381	1.07 420	0.69 394	1.01 404	0.60 376	0.72 377	0.55 377	1.02 422	0.68 385	1.03 422	0.67 377	0.89 381	0.63 357	0.92 412	0.57 380	0.90 383	0.65 384

edge stereo	2.43 546	27.07 606	1.14 418	1.06 373	1.14 451	1.08 421	1.17 448	1.16 423	1.14 448	1.10 426	1.16 448	1.09 430	1.16 440	1.10 431	1.16 447	1.10 409	1.11 421	1.16 440	1.19 450	1.13 412	1.11 437

EKT-Stereo	0.37 224	0.40 164	0.44 286	1.07 374	0.29 249	0.34 229	0.31 256	0.36 227	0.29 244	0.38 240	0.31 267	0.37 246	0.30 256	0.36 240	0.29 240	0.34 222	0.28 211	0.39 283	0.30 267	0.37 244	0.30 248

GLC_STEREO	1.07 418	1.01 303	1.06 414	1.07 374	1.05 447	1.06 417	1.08 440	1.08 415	1.05 447	1.07 424	1.06 442	1.08 428	1.05 430	1.06 425	1.10 439	1.07 406	1.09 417	1.05 436	1.05 441	1.06 409	1.12 439

999	1.00 407	1.12 324	0.59 339	1.10 376	1.21 508	1.09 423	0.52 365	1.08 415	1.43 521	1.18 437	1.35 512	0.98 411	0.52 363	0.91 397	0.85 419	0.72 360	1.46 503	0.83 402	0.98 434	0.68 349	1.41 517

HH	0.71 342	2.54 472	0.74 378	1.10 376	0.32 271	0.41 273	0.37 299	0.69 367	0.78 416	0.73 379	0.90 427	0.75 385	1.00 422	0.84 387	0.69 393	0.69 355	0.40 278	0.35 256	0.26 230	0.35 233	0.26 209

HanStereo	0.71 342	2.54 472	0.74 378	1.10 376	0.32 271	0.41 273	0.37 299	0.69 367	0.78 416	0.73 379	0.90 427	0.75 385	1.00 422	0.84 387	0.69 393	0.69 355	0.40 278	0.35 256	0.26 230	0.35 233	0.26 209

DPSimNet_ROB	0.97 404	1.18 333	0.81 390	1.10 376	0.91 432	1.02 414	0.82 418	1.04 413	0.91 427	1.03 420	0.86 426	1.28 493	0.82 413	1.03 422	0.89 421	1.17 418	0.81 394	1.02 432	0.82 424	1.08 410	0.81 411

MSMD_ROB	1.19 425	1.10 323	0.70 367	1.10 376	0.60 381	1.10 425	0.70 398	1.10 418	0.70 401	1.10 426	0.70 407	1.10 432	0.70 396	7.00 600	0.70 399	1.10 409	0.70 375	1.10 437	0.70 408	1.10 411	0.70 392

AF-Net	2.37 543	25.71 601	1.17 422	1.13 381	1.15 452	1.15 432	1.18 449	1.19 428	1.16 450	1.10 426	1.15 445	1.10 432	1.18 441	1.12 435	1.15 444	1.10 409	1.10 420	1.17 444	1.15 446	1.16 417	1.12 439

ktn	0.72 345	0.53 224	1.08 415	1.14 382	0.51 371	1.22 484	1.36 511	0.51 334	0.59 375	0.51 339	0.51 372	0.69 377	1.20 443	0.67 370	0.51 357	0.51 321	0.49 325	0.58 368	0.66 399	0.52 332	0.53 354

Nwc_Net	2.37 543	25.95 602	1.15 420	1.14 382	1.15 452	1.08 421	1.14 444	1.17 425	1.16 450	1.14 435	1.15 445	1.08 428	1.15 436	1.11 433	1.14 443	1.10 409	1.11 421	1.16 440	1.09 443	1.16 417	1.15 444

KSHMR	0.66 330	0.50 211	0.48 307	1.15 384	0.52 372	0.49 325	0.51 364	0.49 313	0.71 406	0.67 373	0.50 366	1.16 439	1.11 432	0.66 368	0.52 359	0.49 309	0.49 325	0.51 358	0.66 399	0.50 324	1.14 443

HBP-ISP	1.24 476	1.72 412	1.65 514	1.15 384	0.76 414	1.40 496	0.88 421	1.67 500	1.02 445	1.69 504	1.38 517	1.69 506	1.21 491	1.87 511	1.21 500	1.05 405	0.79 389	0.97 426	0.80 421	1.19 425	0.75 404

RP	2.33 539	25.00 598	1.13 417	1.15 384	1.15 452	1.10 425	1.15 445	1.15 420	1.15 449	1.12 432	1.15 445	1.09 430	1.13 433	1.10 431	1.15 444	1.11 414	1.09 417	1.16 440	1.12 444	1.16 417	1.17 448

RGC	2.36 541	25.48 599	1.19 426	1.15 384	1.15 452	1.10 425	1.16 447	1.17 425	1.16 450	1.12 432	1.16 448	1.11 435	1.13 433	1.09 429	1.18 449	1.10 409	1.15 426	1.16 440	1.12 444	1.14 413	1.12 439

NCC-stereo	2.36 541	25.52 600	1.17 422	1.15 384	1.17 457	1.11 428	1.11 441	1.15 420	1.16 450	1.10 426	1.16 448	1.10 432	1.15 436	1.14 436	1.13 442	1.09 407	1.11 421	1.15 439	1.16 448	1.17 422	1.17 448

Selective-RAFT	0.89 390	0.89 268	0.72 374	1.16 389	0.78 421	1.06 417	0.82 418	0.87 383	0.97 437	1.00 408	0.91 430	0.90 401	1.00 422	0.89 395	0.93 426	0.83 375	0.83 395	0.82 401	0.82 424	0.81 371	0.82 412

Abc-Net	2.32 538	24.75 597	1.14 418	1.17 390	1.17 457	1.11 428	1.15 445	1.17 425	1.21 504	1.08 425	1.16 448	1.12 436	1.14 435	1.09 429	1.17 448	1.09 407	1.16 427	1.17 444	1.17 449	1.16 417	1.11 437
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 539	24.38 596	1.18 424	1.18 391	1.18 459	1.14 431	1.18 449	1.19 428	1.19 456	1.14 435	1.18 452	1.14 437	1.18 441	1.14 436	1.18 449	1.14 417	1.14 425	1.19 448	1.19 450	1.15 415	1.19 452

HSM-Net_RVC	0.95 403	1.17 331	0.78 384	1.18 391	0.71 405	1.16 433	0.75 407	1.09 417	0.80 420	1.10 426	0.75 418	1.17 440	0.74 403	1.17 440	0.80 414	1.13 415	0.73 381	1.17 444	0.77 416	1.16 417	0.72 397
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
FS-TRT-Baseline	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453
1853532: FS-TRT-Baseline: No-Enhancement Baseline for ETH3D Low-Res Two-View. Technical report (online)
FS-TRT-Harmonizegood	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453
1853532: FS-TRT-Harmonize: Photometric Harmonization for ETH3D Low-Res Two-View. Technical report (online)
DisPM	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

CrosDoStereo	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

PFNet+	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

LCNet	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

HHNet	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

Patchmatch Stereo++	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453
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	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

STrans-v2	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

TransformOpticalFlow	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

OMP-Stereo	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

IIG-Stereo	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

NF-Stereo	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

OCTAStereo	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

PSM-softLoss	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

KMStereo	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

NRIStereo	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

PSM-adaLoss	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

PSM-AAD	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

FTStereo	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

ROB_FTStereo_v2	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

ROB_FTStereo	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

Consistency-Raft	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

KYRaft	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

HUI-Stereo	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

ASMatch	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

DeepStereo_LL	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

DEmStereo	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

SST-Stereo	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

THIR-Stereo	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

RAFT_R40	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

DRaft	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

PFNet	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

GrayStereo	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

RE-Stereo	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

Pruner-Stereo	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

TVStereo	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

DeepStereo_RVC	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

RAFT-RH_RVC	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

IRAFT_RVC	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

RAFT-345	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

iRAFT	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

CRE-IMP	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

GMM-Stereo	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

RAFT-IKP	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

Prome-Stereo	1.20 426	1.20 335	1.20 429	1.20 393	1.20 460	1.20 436	1.20 451	1.20 431	1.20 457	1.20 439	1.20 453	1.20 442	1.20 443	1.20 442	1.20 453	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

CroCo-Stereo	0.73 347	1.22 389	0.25 189	1.22 440	0.25 225	1.22 484	0.25 214	1.22 479	0.25 216	1.22 487	0.25 224	1.22 490	0.25 218	1.22 490	0.25 214	1.22 469	0.26 198	1.21 496	0.25 224	1.22 475	0.25 203
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
S-Stereo	2.51 548	26.86 604	1.23 480	1.22 440	1.22 510	1.24 486	1.25 502	1.22 479	1.24 507	1.21 486	1.24 503	1.19 441	1.27 495	1.19 441	1.24 502	1.19 419	1.20 432	1.25 498	1.19 450	1.24 476	1.23 503

FAT-Stereo	2.46 547	26.05 603	1.23 480	1.23 442	1.22 510	1.20 436	1.24 501	1.23 481	1.23 506	1.19 438	1.22 501	1.21 489	1.24 493	1.20 442	1.24 502	1.21 467	1.17 430	1.22 497	1.25 505	1.20 426	1.24 504

AIO-Stereo-zeroshot	0.91 392	0.86 261	0.89 394	1.25 443	0.69 401	1.05 416	0.81 416	1.16 423	0.50 360	1.12 432	0.97 435	0.72 381	0.82 413	1.06 425	0.95 427	0.61 343	0.87 397	1.03 435	0.85 427	1.04 408	1.01 432

MLG-Stereo	0.92 395	0.90 271	0.84 392	1.27 444	0.49 362	1.38 494	0.88 421	1.41 492	0.97 437	0.73 379	1.09 443	1.26 491	0.43 332	0.72 374	1.05 437	1.13 415	0.49 325	1.18 447	0.66 399	1.01 405	0.46 328

CroCo-Stereo Lap2	0.77 354	1.29 393	0.29 204	1.27 444	0.29 249	1.27 487	0.26 222	1.26 482	0.26 229	1.26 488	0.26 230	1.27 492	0.26 227	1.26 491	0.27 220	1.27 471	0.27 205	1.27 499	0.27 238	1.27 477	0.27 217

ADCPNet	0.10 66	0.03 31	0.04 43	1.27 444	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 108	0.04 75	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

WQFJA1	0.84 377	0.99 290	0.67 358	1.28 447	0.75 411	1.01 408	0.68 386	1.01 404	0.67 387	1.01 412	0.67 393	1.01 416	0.67 382	1.01 415	0.67 377	0.97 392	0.67 363	0.92 412	0.63 388	0.92 387	0.63 375

WQFJX1	0.84 377	0.99 290	0.67 358	1.28 447	0.75 411	1.01 408	0.68 386	1.01 404	0.67 387	1.01 412	0.67 393	1.01 416	0.67 382	1.01 415	0.67 377	0.97 392	0.67 363	0.92 412	0.63 388	0.92 387	0.63 375

NLMM1	0.84 377	0.99 290	0.67 358	1.28 447	0.75 411	1.01 408	0.67 384	1.01 404	0.68 390	1.01 412	0.68 396	1.01 416	0.68 385	1.01 415	0.68 383	0.97 392	0.67 363	0.93 416	0.63 388	0.92 387	0.64 379

NLSM3	0.85 383	0.99 290	0.68 364	1.29 450	0.76 414	1.01 408	0.68 386	1.01 404	0.68 390	1.02 418	0.68 396	1.01 416	0.68 385	1.01 415	0.68 383	0.97 392	0.68 367	0.93 416	0.64 392	0.93 391	0.63 375

NLMM	0.85 383	1.00 295	0.68 364	1.31 451	0.76 414	1.01 408	0.68 386	1.02 410	0.68 390	1.02 418	0.68 396	1.02 422	0.68 385	1.02 421	0.68 383	0.98 396	0.68 367	0.93 416	0.64 392	0.93 391	0.64 379

castereo++	0.54 308	3.59 510	1.15 420	1.31 451	0.14 160	0.16 144	0.14 154	0.16 144	0.14 160	0.16 141	0.14 163	0.16 142	0.13 156	0.16 143	0.14 153	1.45 484	1.16 427	0.15 144	0.14 163	0.15 144	0.13 153

NLSM1	0.86 385	1.03 309	0.68 364	1.32 453	0.77 417	1.09 423	0.73 404	1.04 413	0.68 390	1.03 420	0.68 396	1.03 425	0.68 385	1.04 424	0.68 383	0.98 396	0.67 363	0.93 416	0.64 392	0.93 391	0.64 379

11t	1.27 478	2.70 481	1.34 484	1.32 453	0.89 428	1.30 489	1.34 508	1.64 497	0.57 372	1.45 495	0.72 414	1.05 427	1.29 497	1.07 428	1.29 509	1.49 486	1.02 408	0.97 426	1.15 446	1.48 484	1.31 508

PS-NSSS	1.38 483	1.39 400	1.34 484	1.34 455	1.35 512	1.38 494	1.37 516	1.35 486	1.38 518	1.34 489	1.34 511	1.39 496	1.38 506	1.70 503	1.40 517	1.36 478	1.36 496	1.36 506	1.37 513	1.37 481	1.36 514

MaskLacGwcNet_RVC	1.35 480	1.35 398	1.35 486	1.35 456	1.35 512	1.35 490	1.35 509	1.36 487	1.35 515	1.36 491	1.35 512	1.36 494	1.36 503	1.36 493	1.35 513	1.35 476	1.35 495	1.35 504	1.35 510	1.35 480	1.35 513

WQFJX	0.90 391	1.05 314	0.92 401	1.36 457	0.77 417	1.19 435	0.81 416	1.03 411	0.77 415	1.04 423	0.69 404	1.02 422	0.69 393	1.16 439	0.70 399	0.99 398	0.68 367	0.93 416	0.64 392	0.93 391	0.64 379

CSP-Net	0.34 203	1.29 393	1.19 426	1.36 457	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	1.26 470	1.21 480	0.03 38	0.09 112	0.02 20	0.09 112

CC-Net-ROB	1.36 481	1.33 397	1.33 483	1.36 457	1.38 515	1.36 492	1.33 507	1.37 489	1.34 512	1.35 490	1.36 514	1.38 495	1.34 501	1.38 495	1.38 516	1.35 476	1.38 499	1.33 501	1.35 510	1.43 483	1.34 512

RASNet	1.49 484	1.65 409	1.45 502	1.38 460	1.43 518	1.47 499	1.36 511	1.38 490	1.36 516	1.39 492	1.60 528	1.45 499	1.45 509	1.51 498	2.21 558	1.53 490	1.36 496	1.36 506	1.36 512	1.66 492	1.36 514

FENet	0.54 308	1.52 405	1.19 426	1.41 461	0.23 218	0.35 234	0.23 206	0.35 223	0.23 208	0.34 226	0.23 211	0.35 234	0.23 211	0.35 234	0.23 202	1.40 481	1.07 411	0.32 224	0.23 211	0.33 217	0.23 192

MM-Stereo_test2	1.20 426	1.85 421	1.05 413	1.46 462	0.94 436	1.36 492	0.99 432	1.36 487	0.95 434	1.41 493	0.98 436	1.40 498	0.96 419	1.37 494	0.95 427	1.37 480	1.06 410	1.33 501	0.93 433	1.29 478	0.89 418

castereo	0.61 320	3.79 518	1.35 486	1.52 463	0.15 171	0.17 152	0.16 164	0.20 163	0.21 199	0.18 154	0.16 174	0.21 171	0.12 151	0.26 204	0.17 173	1.43 483	1.38 499	0.17 155	0.16 171	0.18 158	0.16 162

PASM	0.39 242	3.06 499	1.36 494	1.58 464	0.09 116	0.11 124	0.11 133	0.11 125	0.11 136	0.09 112	0.09 117	0.11 126	0.09 118	0.09 112	0.09 110	0.11 88	0.11 98	0.11 120	0.09 112	0.11 124	0.11 130

FlowAnything_test	1.02 415	1.72 412	0.71 371	1.59 465	0.70 403	1.61 502	0.69 394	1.61 494	0.70 401	1.60 497	0.70 407	1.61 505	0.69 393	1.61 501	0.70 399	0.81 370	0.58 348	0.81 397	0.55 374	0.81 371	0.56 365

FlowAnything	1.02 415	1.71 411	0.72 374	1.59 465	0.69 401	1.60 501	0.69 394	1.61 494	0.70 401	1.60 497	0.69 404	1.60 502	0.69 393	1.61 501	0.69 393	0.81 370	0.58 348	0.81 397	0.56 378	0.82 373	0.56 365

DPSMNet_ROB	1.60 487	1.59 407	1.70 516	1.59 465	1.59 524	1.61 502	1.61 527	1.60 493	1.60 525	1.62 503	1.59 527	1.60 502	1.60 512	1.60 499	1.59 524	1.59 491	1.60 517	1.59 512	1.59 530	1.59 488	1.59 527

MM-Stereo_test3	1.27 478	2.07 437	1.18 424	1.60 468	1.02 445	1.45 498	1.01 436	1.40 491	1.04 446	1.44 494	1.03 441	1.46 500	1.02 429	1.44 497	1.02 436	1.51 489	1.12 424	1.32 500	0.98 434	1.38 482	0.97 425

BEATNet_4x	0.11 88	0.03 31	0.03 36	1.60 468	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 83	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 88	0.03 31	0.03 36	1.60 468	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 83	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

NLCSM	0.91 392	1.00 295	0.83 391	1.62 471	0.77 417	1.16 433	0.68 386	1.03 411	0.68 390	1.01 412	0.68 396	1.01 416	0.68 385	1.01 415	0.68 383	0.99 398	0.74 384	1.02 432	0.90 428	0.95 401	0.83 414

AnyNet_C01	0.11 88	0.02 12	0.02 14	1.62 471	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 89	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

DEFOM-Stereo	0.68 335	3.11 501	1.40 500	1.63 473	0.25 225	0.31 217	0.25 214	0.31 211	0.28 238	0.31 214	0.29 247	0.29 215	0.27 235	0.31 222	0.28 230	1.59 491	1.47 504	0.30 217	0.29 253	0.30 203	0.28 230

ours_stereo	1.20 426	1.21 383	0.90 397	1.64 474	1.11 450	1.35 490	0.67 384	1.76 501	0.93 432	1.70 505	1.10 444	1.39 496	0.75 405	1.41 496	0.81 417	1.60 493	1.03 409	1.33 501	1.00 436	1.61 489	0.72 397

ADCRef	0.12 97	0.03 31	0.04 43	1.71 475	0.04 79	0.03 40	0.03 50	0.04 77	0.04 82	0.04 74	0.03 52	0.04 77	0.03 52	0.06 89	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

test-3	0.98 406	4.13 528	1.85 533	1.85 476	0.61 387	0.69 373	0.37 299	0.63 360	0.61 379	0.66 372	0.51 372	0.73 383	0.44 334	0.57 357	0.54 362	1.68 495	1.81 530	0.40 288	0.43 348	0.66 347	0.50 345

RAFT_CTSACE	1.92 497	3.71 515	1.72 519	1.88 477	1.72 536	2.04 517	1.42 521	2.18 519	1.89 553	2.02 516	1.97 552	1.95 511	2.06 546	1.93 513	1.62 525	1.76 496	1.66 521	2.02 529	1.73 546	1.73 495	1.43 519

GANetREF_RVC	1.55 485	1.94 434	1.22 478	1.88 477	1.21 508	1.88 508	1.22 499	1.88 503	1.22 505	1.88 506	1.22 501	1.88 508	1.22 492	1.89 512	1.22 501	1.87 501	1.22 481	1.88 525	1.22 501	1.88 501	1.22 501
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
psmg	0.43 265	1.91 428	0.92 401	1.91 479	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 509	1.44 502	0.04 73	0.03 54	0.02 20	0.03 51

Wavelet-MonSter	1.00 407	1.21 383	0.76 381	1.94 480	1.01 443	1.11 428	0.76 408	1.15 420	0.76 414	1.11 431	0.76 419	1.14 437	0.76 406	1.11 433	0.76 410	1.21 467	0.90 398	1.02 432	0.71 411	1.02 407	0.71 396

SPS-STEREO	1.59 486	1.91 428	1.21 477	1.94 480	1.20 460	2.00 516	1.23 500	1.99 508	1.24 507	2.00 514	1.25 504	2.03 518	1.26 494	2.00 516	1.29 509	1.90 505	1.18 431	1.89 526	1.21 500	1.89 502	1.20 453
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	1.81 495	1.91 428	1.71 518	1.95 482	1.70 535	1.95 513	1.70 532	1.96 506	1.74 538	1.97 511	1.72 536	1.95 511	1.71 520	1.97 515	1.71 532	1.86 499	1.62 518	1.85 518	1.66 537	1.86 500	1.64 533

CRFU-Net	0.65 328	1.67 410	1.22 478	1.96 483	0.27 235	0.41 273	0.27 225	0.41 267	0.27 235	0.40 252	0.26 230	0.41 274	0.27 235	0.40 258	0.27 220	1.80 498	1.62 518	0.34 240	0.23 211	0.33 217	0.23 192

NINENet	0.69 338	3.87 522	1.20 429	1.98 484	0.05 99	0.40 257	0.04 81	0.40 252	0.05 98	0.41 266	0.04 88	0.41 274	0.05 94	0.40 258	0.05 88	1.79 497	1.56 511	0.34 240	0.22 205	0.34 221	0.23 192

error version	0.93 400	4.47 534	2.35 552	1.99 485	0.37 306	0.41 273	0.36 293	0.41 267	0.35 289	0.43 286	0.36 299	0.41 274	0.40 312	0.41 273	0.36 285	1.87 501	2.16 546	0.47 336	0.37 315	0.39 266	0.33 269

test_1	0.93 400	4.47 534	2.35 552	1.99 485	0.37 306	0.41 273	0.36 293	0.41 267	0.35 289	0.43 286	0.36 299	0.41 274	0.40 312	0.41 273	0.36 285	1.87 501	2.16 546	0.47 336	0.37 315	0.39 266	0.33 269

MM-Stereo_test1	1.80 494	3.41 508	1.52 509	2.12 487	1.41 517	2.04 517	1.41 519	2.05 512	1.46 522	2.04 518	1.41 519	2.05 519	1.42 508	2.05 517	1.43 519	2.04 513	1.54 510	1.94 527	1.38 515	1.99 504	1.33 510

MC-Stereo	1.76 491	2.96 497	1.37 496	2.14 488	1.37 514	2.14 522	1.36 511	2.14 517	1.37 517	2.14 523	1.37 515	2.14 520	1.37 505	2.14 521	1.37 515	1.97 509	1.32 483	1.97 528	1.32 509	1.98 503	1.33 510

DEFOM-Stereo_RVC	0.83 374	5.18 543	1.98 544	2.19 489	0.17 184	0.19 159	0.18 179	0.19 157	0.16 174	0.20 162	0.19 196	0.22 179	0.22 205	0.20 162	0.15 163	2.28 526	2.13 545	0.24 196	0.17 191	0.18 158	0.16 162

ADCP+	0.15 125	0.04 37	0.04 43	2.20 490	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	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

AnyNet_C32	0.14 113	0.04 37	0.03 36	2.22 491	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	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

BEATNet-Init1	0.19 143	0.08 59	0.08 60	2.23 492	0.08 114	0.08 105	0.07 112	0.07 105	0.08 117	0.08 107	0.07 113	0.08 107	0.07 114	0.11 127	0.08 105	0.08 62	0.08 61	0.08 103	0.07 106	0.08 110	0.08 109

DeepPrunerF	0.19 143	0.08 59	0.08 60	2.23 492	0.08 114	0.08 105	0.07 112	0.07 105	0.08 117	0.08 107	0.07 113	0.08 107	0.07 114	0.11 127	0.08 105	0.08 62	0.08 61	0.08 103	0.07 106	0.08 110	0.08 109

TRStereo	2.00 504	2.13 442	1.85 533	2.27 494	1.84 540	2.28 526	1.84 536	2.29 522	1.86 547	2.30 528	1.87 541	2.30 522	1.87 530	2.08 518	1.72 534	2.08 514	1.72 524	2.08 531	1.72 543	2.08 506	1.72 538

XX-Stereo	2.00 504	2.13 442	1.85 533	2.27 494	1.84 540	2.28 526	1.84 536	2.29 522	1.86 547	2.30 528	1.87 541	2.30 522	1.87 530	2.08 518	1.72 534	2.08 514	1.72 524	2.08 531	1.72 543	2.08 506	1.72 538

EAI-Stereo	2.00 504	2.13 442	1.85 533	2.27 494	1.84 540	2.28 526	1.84 536	2.29 522	1.86 547	2.30 528	1.87 541	2.30 522	1.87 530	2.08 518	1.72 534	2.08 514	1.72 524	2.08 531	1.72 543	2.08 506	1.72 538

NCCL2	2.28 537	2.27 453	2.28 550	2.28 497	2.28 564	2.27 524	2.29 559	2.28 520	2.28 563	2.27 527	2.28 564	2.28 521	2.27 550	2.27 525	2.28 563	2.28 526	2.28 549	2.27 536	2.29 563	2.27 514	2.29 555

MatchStereo	0.54 308	0.12 82	2.38 555	2.32 498	0.09 116	0.09 111	0.08 114	0.09 112	0.07 113	0.09 112	0.07 113	0.09 113	0.07 114	0.09 112	0.08 105	2.34 532	2.34 550	0.12 123	0.11 131	0.11 124	0.10 117

AIO_rvc	2.18 525	2.34 462	1.87 537	2.32 498	1.94 549	2.40 531	1.89 544	2.37 530	2.07 562	2.52 541	1.95 551	2.44 532	1.99 542	2.41 533	1.89 551	2.32 531	2.09 543	2.24 535	2.18 559	2.21 510	2.23 554

HUF	2.18 525	2.30 455	1.99 547	2.34 500	2.02 554	2.41 532	2.06 555	2.38 531	1.89 553	2.36 533	1.85 539	2.56 540	1.98 540	2.31 528	1.97 554	2.30 529	2.03 542	2.30 538	2.11 557	2.23 511	2.16 552

STTStereo	3.73 563	30.40 610	2.37 554	2.39 501	2.31 566	2.35 529	2.33 560	2.29 522	2.42 564	2.32 532	2.34 565	2.33 525	2.36 551	2.30 527	2.27 562	2.35 533	2.22 548	2.31 539	2.22 560	2.29 516	2.34 559

AIO_test	2.18 525	2.09 440	2.04 548	2.42 502	2.01 551	2.47 534	1.94 546	2.34 529	2.03 561	2.56 542	1.94 549	2.43 531	1.94 537	2.41 533	1.87 549	2.39 536	2.10 544	2.35 543	1.91 556	2.25 513	2.19 553

iRaftStereo_RVC	0.97 404	3.17 504	2.30 551	2.42 502	0.38 313	0.54 353	0.38 305	0.54 342	0.38 306	0.54 350	0.38 311	0.54 353	0.38 303	0.54 347	0.38 297	2.38 535	2.34 550	0.49 349	0.36 313	0.49 319	0.36 287

UDGNet	2.23 535	5.40 551	1.72 519	2.48 504	1.69 532	2.51 539	1.69 531	2.51 538	1.72 535	2.50 540	1.69 535	2.52 534	1.69 518	2.50 537	1.68 530	2.41 537	1.70 523	2.42 546	1.69 542	2.42 521	1.64 533

VIP-Stereo	0.70 339	2.97 498	2.43 556	2.49 505	0.16 180	0.25 195	0.16 164	0.25 191	0.16 174	0.25 193	0.18 194	0.25 196	0.16 172	0.26 204	0.16 169	1.86 499	1.26 482	0.23 188	0.15 169	0.23 184	0.15 161

IGEVStereo-DCA	1.77 492	4.21 530	1.84 531	2.49 505	2.11 557	2.54 542	1.36 511	1.65 498	1.17 454	2.75 552	1.90 546	2.54 538	1.15 436	0.94 403	1.11 440	1.50 487	1.32 483	0.96 424	1.46 522	1.49 485	0.88 416

rrr	1.77 492	4.21 530	1.84 531	2.49 505	2.11 557	2.54 542	1.36 511	1.65 498	1.17 454	2.75 552	1.90 546	2.54 538	1.15 436	0.94 403	1.11 440	1.50 487	1.32 483	0.96 424	1.46 522	1.49 485	0.88 416

FBW_ROB	2.12 522	2.46 471	1.77 521	2.49 505	1.79 539	2.38 530	1.83 535	2.46 534	1.78 541	2.48 539	1.97 552	2.40 530	1.78 527	2.42 535	1.83 543	2.31 530	1.85 532	2.38 544	1.82 548	2.35 518	1.84 543

FSD	0.61 320	0.59 235	0.50 318	2.58 509	0.44 345	0.56 355	0.44 335	0.55 345	0.44 340	0.56 355	0.44 343	0.56 360	0.44 334	0.56 352	0.46 336	0.61 343	0.42 296	0.52 361	0.42 347	0.52 332	0.51 352

MonStereo	2.17 523	2.41 468	1.49 508	2.67 510	1.67 529	2.60 545	2.04 554	2.32 527	1.76 539	2.44 536	1.68 534	2.50 533	1.69 518	2.38 530	1.80 542	2.28 526	1.78 527	2.63 555	2.14 558	3.47 545	1.68 536

IER	0.88 388	7.04 562	2.23 549	2.75 511	0.28 240	0.43 300	0.25 214	0.39 245	0.25 216	0.41 266	0.27 235	0.39 253	0.25 218	0.40 258	0.28 230	0.37 240	0.28 211	0.37 264	0.25 224	0.37 244	0.25 203

LGtest1	2.22 532	2.70 481	1.89 538	2.76 512	1.86 543	2.75 552	1.86 540	2.75 549	1.86 547	2.75 552	1.86 540	2.77 556	1.87 530	2.75 553	1.86 546	2.46 539	1.58 513	2.45 547	1.56 524	2.45 523	1.56 523

4.5_new	2.00 504	1.84 420	1.98 544	2.77 513	2.16 559	2.27 524	1.28 506	2.09 513	1.98 557	2.01 515	1.28 507	2.71 547	1.98 540	2.51 538	1.65 527	2.26 522	1.33 490	1.87 522	1.87 550	2.49 527	1.60 528

LG-G_1	2.22 532	2.71 483	1.89 538	2.77 513	1.87 546	2.75 552	1.87 542	2.76 550	1.87 551	2.75 552	1.87 541	2.76 554	1.87 530	2.75 553	1.86 546	2.47 540	1.58 513	2.45 547	1.57 525	2.45 523	1.57 524

LG-G	2.22 532	2.71 483	1.89 538	2.77 513	1.87 546	2.75 552	1.87 542	2.76 550	1.87 551	2.75 552	1.87 541	2.76 554	1.87 530	2.75 553	1.86 546	2.47 540	1.58 513	2.45 547	1.57 525	2.45 523	1.57 524

sCroCo_RVC	2.10 520	2.76 489	1.92 541	2.78 516	1.39 516	2.73 550	1.41 519	2.73 548	1.40 519	2.77 557	1.41 519	2.74 553	1.40 507	2.74 552	1.40 517	2.72 550	1.42 501	2.72 556	1.44 521	2.79 541	1.42 518

NLCA_NET_v2_RVC	5.04 591	50.87 620	2.78 558	2.87 517	2.71 567	2.78 555	0.47 347	2.88 555	2.86 568	1.89 507	2.67 566	2.79 557	2.79 555	2.78 556	2.83 564	2.82 551	2.82 553	2.83 557	2.77 566	2.83 542	2.76 563
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
IGEV	2.02 512	2.20 448	1.82 527	2.90 518	2.16 559	2.41 532	1.25 502	2.00 509	1.98 557	1.99 513	1.31 509	2.72 551	1.93 536	2.67 546	1.69 531	2.26 522	1.32 483	1.83 517	1.87 550	2.53 534	1.61 530

2.25w	2.00 504	1.86 423	1.98 544	2.95 519	2.17 561	2.26 523	1.35 509	2.42 533	2.00 560	2.07 522	1.27 506	2.53 535	1.99 542	2.29 526	1.49 521	2.21 520	1.32 483	1.85 518	1.87 550	2.52 531	1.62 531

3.25w	2.04 517	2.20 448	1.48 504	3.03 520	2.17 561	2.63 546	1.39 517	1.96 506	1.95 556	1.96 509	1.37 515	2.71 547	1.96 539	2.71 547	1.73 539	2.26 522	1.32 483	1.87 522	1.87 550	2.51 530	1.63 532

plain	1.88 496	3.16 503	0.64 350	3.10 521	0.65 393	3.10 557	0.64 377	3.12 557	0.65 384	3.10 558	0.65 390	3.11 558	0.65 377	3.12 557	0.65 373	3.12 553	0.65 361	3.13 558	0.65 397	3.13 543	0.65 384

2.75w_new	1.99 500	2.34 462	1.81 522	3.14 522	1.62 526	1.94 510	1.99 550	2.72 542	1.71 531	2.72 546	1.99 561	1.90 509	1.73 522	1.82 510	1.29 509	2.37 534	2.01 537	2.31 539	1.42 519	1.77 498	1.22 501

3w_stereo	2.04 517	2.24 452	1.70 516	3.15 523	2.18 563	2.49 536	1.26 504	2.03 511	1.98 557	1.98 512	1.33 510	2.72 551	1.99 542	2.59 541	1.72 534	2.22 521	1.33 490	1.85 518	1.88 555	2.50 529	1.58 526

3.75w	1.99 500	2.31 456	1.83 530	3.16 524	1.65 528	1.93 509	1.98 547	2.72 542	1.68 527	2.73 551	1.97 552	2.00 515	1.72 521	1.81 509	1.25 505	2.27 525	2.01 537	2.38 544	1.42 519	1.71 494	1.24 504

MIF-Stereo (partial)	2.58 550	3.31 507	0.66 354	3.18 525	0.66 396	3.18 558	0.66 380	3.21 558	0.67 387	3.19 559	0.66 392	3.19 559	0.66 380	3.31 561	0.68 383	5.09 582	1.79 529	8.23 601	1.67 538	6.18 585	1.38 516

2w_stereo	1.99 500	2.36 465	1.81 522	3.24 526	1.67 529	1.94 510	1.98 547	2.72 542	1.68 527	2.72 546	1.94 549	1.98 514	1.74 524	1.79 508	1.27 506	1.95 508	2.00 535	2.53 552	1.60 531	1.68 493	1.15 444

AEACV	1.12 423	0.52 221	3.12 571	3.24 526	0.86 426	0.53 350	0.49 358	0.60 356	0.47 348	0.53 345	0.49 364	0.55 357	0.45 337	0.55 351	0.47 343	3.01 552	3.88 573	0.71 383	0.60 384	0.80 368	0.48 337

4.5w-stereo	1.99 500	2.33 458	1.81 522	3.28 528	1.68 531	1.94 510	1.99 550	2.72 542	1.70 530	2.72 546	1.99 561	1.97 513	1.68 516	1.76 505	1.29 509	1.91 506	2.02 541	2.53 552	1.61 532	1.75 497	1.16 447

2.5w	2.01 511	2.40 467	1.37 496	3.28 528	2.01 551	2.71 547	1.43 524	1.82 502	1.83 545	1.90 508	1.41 519	2.71 547	1.35 502	2.71 547	1.85 545	2.66 546	1.53 508	1.64 513	1.23 502	2.53 534	1.87 547

Anonymous3	2.55 549	3.26 506	1.65 514	3.28 528	1.63 527	3.24 559	1.68 530	3.27 559	1.66 526	3.28 560	1.67 533	3.25 560	1.66 515	3.27 559	1.64 526	3.26 554	1.65 520	3.30 559	1.65 536	4.95 576	1.65 535

4.25_new	2.00 504	2.33 458	1.82 527	3.32 531	1.69 532	1.95 513	1.99 550	2.72 542	1.71 531	2.72 546	1.97 552	2.01 516	1.74 524	1.77 506	1.28 507	2.18 517	2.01 537	2.48 550	1.58 528	1.65 490	1.17 448

4.5w_new	2.00 504	2.33 458	1.82 527	3.32 531	1.69 532	1.95 513	1.99 550	2.72 542	1.71 531	2.72 546	1.97 552	2.01 516	1.74 524	1.77 506	1.28 507	2.18 517	2.01 537	2.48 550	1.58 528	1.65 490	1.17 448

3.25w_new	2.03 514	2.72 485	1.35 486	3.33 533	1.57 522	2.72 548	1.53 526	2.15 518	1.33 511	2.15 524	1.60 528	2.63 544	1.30 498	2.72 549	1.99 556	2.67 548	1.53 508	1.75 516	1.25 505	2.53 534	1.87 547

4w-stereo	2.02 512	2.72 485	1.44 501	3.36 534	1.59 524	2.48 535	1.72 533	2.28 520	1.24 507	2.24 526	1.65 532	2.56 540	1.32 500	2.39 532	1.98 555	2.67 548	1.51 506	1.66 514	1.24 503	2.53 534	1.88 550

3.5w_stereo	2.03 514	2.72 485	1.35 486	3.41 535	1.57 522	2.72 548	1.49 525	2.01 510	1.34 512	2.15 524	1.61 530	2.63 544	1.36 503	2.72 549	1.99 556	2.66 546	1.58 513	1.68 515	1.24 503	2.53 534	1.87 547

UniTT-Stereo	2.03 514	3.43 509	0.72 374	3.42 536	0.73 408	3.27 560	0.68 386	3.38 561	0.69 398	3.29 561	0.72 414	3.28 561	0.70 396	3.35 562	0.68 383	3.39 555	0.68 367	3.31 560	0.69 406	3.37 544	0.73 400

DispNO	1.00 407	0.63 239	0.43 284	3.45 537	0.44 345	0.65 370	0.43 334	0.64 361	0.43 337	0.64 369	0.43 341	0.64 371	3.03 556	0.64 366	0.43 330	4.55 565	0.43 300	0.63 373	0.43 348	0.63 345	0.43 322

asda	2.17 523	2.54 472	1.81 522	3.47 538	1.78 538	2.50 538	1.86 540	2.61 541	1.68 527	2.61 543	1.83 538	2.37 529	1.73 522	2.44 536	1.88 550	2.51 543	1.84 531	2.34 541	1.62 534	2.23 511	1.77 542

4.25w-stereo	1.98 499	2.72 485	1.46 503	3.47 538	1.43 518	2.07 519	1.98 547	2.53 539	1.52 523	2.71 545	1.98 558	1.81 507	1.62 514	1.96 514	1.36 514	1.88 504	2.00 535	2.53 552	1.61 532	1.74 496	1.15 444

monsters	2.18 525	2.41 468	1.96 543	3.47 538	2.03 555	2.53 540	1.64 529	2.48 535	1.73 536	2.40 535	1.50 522	2.62 543	1.94 537	2.59 541	1.94 552	2.44 538	1.57 512	2.28 537	1.87 550	2.42 521	1.86 545

Occ-G	1.12 423	0.52 221	3.72 579	3.50 541	0.50 366	0.56 355	0.47 347	0.54 342	0.46 343	0.54 350	0.41 329	0.54 353	0.42 329	0.52 343	0.42 327	3.42 556	4.02 575	0.52 361	0.45 350	0.51 330	0.44 325

HCRNet	1.22 475	7.11 563	3.00 559	3.55 542	0.33 283	0.29 211	0.14 154	0.19 157	0.15 170	0.33 224	0.29 247	0.25 196	0.14 160	0.22 177	0.33 264	3.64 557	3.00 554	0.76 389	0.32 283	0.18 158	0.13 153

asd	2.18 525	2.77 491	1.58 511	3.59 543	2.00 550	2.58 544	1.85 539	2.39 532	1.71 531	2.47 538	1.97 552	2.59 542	1.61 513	2.56 539	1.79 541	2.51 543	1.99 534	2.11 534	1.62 534	2.36 519	1.60 528

DPSNet	3.66 562	3.60 511	3.62 577	3.63 544	3.64 587	3.65 563	3.65 586	3.66 564	3.67 584	3.67 563	3.65 584	3.67 564	3.66 572	3.66 563	3.68 581	3.68 558	3.66 571	3.67 564	3.68 587	3.67 546	3.67 586

monsterstereo	2.20 531	2.33 458	1.95 542	3.65 545	2.07 556	2.49 536	1.61 527	2.48 535	1.83 545	2.45 537	1.61 530	2.67 546	1.86 529	2.64 543	1.94 552	2.48 542	1.66 521	2.34 541	1.68 540	2.40 520	1.86 545

RAStereo	2.23 535	3.64 512	0.76 381	3.65 545	0.86 426	3.66 564	0.76 408	3.67 565	0.81 423	3.66 562	0.76 419	3.66 563	0.77 408	3.68 564	0.77 411	3.68 558	0.77 387	3.69 565	0.77 416	3.70 547	0.77 407

sAnonymous2	3.31 560	2.63 476	1.38 498	3.71 547	1.86 543	4.70 583	1.11 441	4.82 587	2.72 566	5.45 592	1.98 558	4.59 577	2.64 552	2.65 544	6.21 597	4.37 560	1.08 415	5.16 591	2.24 561	4.52 558	2.39 560

CroCo_RVC	3.31 560	2.63 476	1.38 498	3.71 547	1.86 543	4.70 583	1.11 441	4.82 587	2.72 566	5.45 592	1.98 558	4.59 577	2.64 552	2.65 544	6.21 597	4.37 560	1.08 415	5.16 591	2.24 561	4.52 558	2.39 560

MonStereo1	1.94 498	2.77 491	1.52 509	3.73 549	1.51 521	2.13 521	1.42 521	2.32 527	1.52 523	2.31 531	1.50 522	2.53 535	1.59 511	2.34 529	1.56 522	1.91 506	1.36 496	1.86 521	1.31 508	2.07 505	1.53 520

1w_stereo	2.05 519	2.32 457	1.35 486	3.74 550	2.01 551	2.73 550	1.42 521	1.88 503	1.93 555	2.03 517	1.28 507	2.71 547	1.99 542	2.72 549	1.72 534	2.20 519	1.32 483	1.87 522	1.86 549	2.45 523	1.54 521

qwe	2.18 525	2.60 475	1.58 511	3.83 551	1.90 548	2.53 540	1.90 545	2.48 535	1.73 536	2.37 534	1.92 548	2.53 535	1.68 516	2.56 539	1.83 543	2.52 545	1.87 533	2.07 530	1.68 540	2.32 517	1.71 537

BUS	0.83 374	1.91 428	0.92 401	4.48 552	0.02 21	0.40 257	0.04 81	0.41 267	0.02 21	0.48 312	0.03 52	0.41 274	0.05 94	0.03 39	0.05 88	1.97 509	4.19 576	0.33 232	0.23 211	0.34 221	0.27 217

BSDual-CNN	0.81 365	1.91 428	0.92 401	4.48 552	0.02 21	0.42 293	0.06 109	0.41 267	0.02 21	0.48 312	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 509	4.19 576	0.33 232	0.23 211	0.34 221	0.27 217

hknet	1.10 420	1.85 421	3.49 574	4.48 552	0.02 21	0.42 293	0.06 109	0.41 267	0.02 21	0.48 312	0.03 52	0.41 274	0.03 52	0.42 286	0.03 48	4.39 562	4.19 576	0.33 232	0.23 211	0.34 221	0.27 217

rvit_105_1	3.83 564	5.22 544	3.01 560	4.53 555	3.01 569	4.51 571	3.01 567	4.56 574	3.04 569	4.53 573	3.03 569	4.55 575	3.03 556	4.56 574	3.04 565	4.57 566	3.05 555	4.57 572	3.05 570	4.57 560	3.05 568

rvit_stereo_0081	3.83 564	5.23 545	3.01 560	4.53 555	3.03 571	4.55 577	3.02 568	4.56 574	3.04 569	4.52 571	3.02 567	4.54 573	3.03 556	4.56 574	3.04 565	4.57 566	3.05 555	4.57 572	3.05 570	4.58 561	3.05 568

rvit_stereo_0082	3.86 566	5.82 559	3.01 560	4.53 555	3.03 571	4.54 573	3.02 568	4.56 574	3.04 569	4.53 573	3.02 567	4.55 575	3.04 559	4.57 577	3.05 567	4.57 566	3.05 555	4.58 574	3.05 570	4.58 561	3.06 571

rvit_0105_4	3.91 571	5.47 555	3.02 563	4.54 558	3.02 570	4.54 573	3.03 572	4.75 584	3.17 580	4.57 577	3.06 572	4.61 581	3.16 567	4.65 581	3.09 573	4.66 573	3.11 562	4.68 581	3.18 580	4.81 571	3.16 580

rvit_stereo_0080	3.89 569	5.70 556	3.04 565	4.54 558	3.03 571	4.56 578	3.05 574	4.60 578	3.07 574	4.58 578	3.06 572	4.59 577	3.06 561	4.61 578	3.08 571	4.63 571	3.09 560	4.64 578	3.10 575	4.65 565	3.10 575

whm_eth	3.89 569	5.70 556	3.04 565	4.54 558	3.03 571	4.56 578	3.05 574	4.60 578	3.07 574	4.58 578	3.06 572	4.59 577	3.06 561	4.61 578	3.08 571	4.63 571	3.09 560	4.64 578	3.10 575	4.65 565	3.10 575

rvit_stereo_0081_aga	3.86 566	5.33 548	3.02 563	4.55 561	3.04 575	4.54 573	3.02 568	4.64 581	3.06 573	4.54 575	3.04 571	4.62 582	3.08 563	4.62 580	3.07 570	4.58 569	3.06 559	4.60 576	3.08 574	4.63 564	3.07 572

rvit_stereo_ft	3.93 574	5.44 553	3.05 567	4.59 562	3.06 576	4.61 581	3.08 577	4.67 583	3.12 579	4.63 582	3.10 577	4.65 584	3.11 565	4.69 584	3.13 575	4.70 574	3.14 564	4.71 583	3.15 579	4.74 568	3.16 580

rvit_0105_3	3.91 571	5.33 548	3.06 568	4.60 563	3.07 577	4.60 580	3.06 576	4.62 580	3.08 577	4.60 580	3.07 575	4.62 582	3.08 563	4.67 582	3.10 574	4.70 574	3.11 562	4.77 585	3.19 581	4.77 570	3.14 579

rvit_stereo_0083	3.92 573	5.30 547	3.06 568	4.61 564	3.09 578	4.67 582	3.08 577	4.66 582	3.09 578	4.62 581	3.10 577	4.66 585	3.11 565	4.67 582	3.16 576	4.72 576	3.16 565	4.77 585	3.11 577	4.66 567	3.11 577

rvit_0105_6	3.87 568	5.73 558	3.10 570	4.69 565	3.12 579	4.54 573	3.02 568	4.56 574	3.04 569	4.54 575	3.03 569	4.54 573	3.04 559	4.56 574	3.05 567	4.58 569	3.05 555	4.58 574	3.05 570	4.58 561	3.05 568

rvit_0105_5	4.10 575	5.40 551	3.13 573	4.71 566	3.15 580	4.72 585	3.10 579	4.90 589	3.27 581	4.69 583	3.16 579	4.84 589	3.25 568	4.96 588	3.34 578	5.05 581	3.39 570	5.10 590	3.40 582	5.11 578	3.42 583

StereoVision	3.15 558	5.00 540	0.89 394	4.83 567	1.00 439	3.93 565	1.27 505	6.37 594	1.34 512	5.67 594	1.26 505	5.84 595	1.27 495	5.03 591	1.24 502	5.10 583	1.09 417	4.61 577	0.57 380	5.62 583	1.12 439

MLG-Stereo_test2	4.28 578	5.46 554	3.69 578	4.86 568	3.72 588	5.58 592	3.42 582	4.81 586	3.77 589	4.85 585	3.72 586	5.55 594	3.63 571	5.58 592	3.53 580	4.41 563	3.28 569	4.99 589	2.95 568	4.75 569	3.13 578

TestStereo	4.88 588	4.75 536	4.79 583	4.87 569	4.92 596	4.81 588	4.90 596	4.78 585	4.77 596	4.87 586	4.89 595	4.90 590	4.91 588	4.99 589	4.79 593	4.98 579	4.87 580	4.87 588	4.92 597	5.00 577	5.00 596

DispFullNet	4.61 584	4.84 537	3.12 571	5.00 570	3.57 584	4.75 586	3.03 572	7.75 600	4.17 593	4.91 587	3.09 576	6.20 596	3.95 581	6.71 596	3.51 579	5.30 584	3.67 572	5.86 597	3.63 584	5.61 582	3.46 584

FC-DCNN v2	5.10 592	5.15 542	4.49 582	5.07 571	3.37 582	6.87 595	4.75 595	5.04 590	6.34 600	7.84 600	5.06 596	6.72 600	4.09 584	4.99 589	5.44 596	5.03 580	3.16 565	4.67 580	4.86 596	5.15 579	3.89 591

MLG-Stereo_test1	4.25 576	5.34 550	3.61 576	5.31 572	3.63 586	5.23 589	3.57 584	5.38 592	3.65 583	5.23 589	3.47 581	4.76 586	3.74 575	4.85 585	3.71 582	4.96 578	3.18 567	4.71 583	2.92 567	4.86 574	2.90 565

MLG-Stereo_test3	4.26 577	4.85 538	3.95 580	5.35 573	3.60 585	4.75 586	3.76 587	5.49 593	3.71 585	5.39 590	3.69 585	4.82 588	3.66 572	4.85 585	3.73 585	4.93 577	3.19 568	4.69 582	2.99 569	4.84 573	2.98 567

CFNet	1.37 482	5.27 546	0.19 165	5.49 574	0.19 198	0.28 208	0.19 183	0.28 200	0.19 193	0.28 205	0.19 196	0.28 209	4.35 585	0.28 212	0.19 187	0.23 180	0.17 167	0.23 188	4.21 594	4.81 571	0.17 176

RAFT+CT+SA	4.28 578	7.62 567	4.91 584	5.55 575	2.28 564	3.09 556	3.64 585	4.49 572	3.07 574	4.80 584	3.35 580	4.77 587	3.70 574	4.29 571	3.05 567	5.58 585	5.98 586	3.58 563	3.78 589	4.26 554	3.72 587

MaDis-Stereo	3.19 559	6.02 561	1.12 416	5.61 576	1.16 456	5.43 591	1.02 438	5.15 591	0.70 401	5.43 591	1.21 500	5.03 592	0.97 420	4.85 585	0.99 431	4.53 564	1.16 427	5.53 593	1.25 505	5.37 581	1.30 507

AANet_RVC	1.26 477	0.31 143	4.99 585	5.93 577	0.20 201	0.25 195	0.20 187	0.25 191	0.20 195	0.23 180	0.19 196	0.25 196	0.20 198	0.25 194	0.20 190	5.66 586	4.76 579	0.26 204	0.30 267	0.24 186	0.27 217

SA	4.33 580	7.35 564	6.85 595	5.96 578	4.09 592	3.59 562	3.15 580	3.82 566	2.64 565	3.91 564	3.85 587	3.57 562	2.72 554	3.13 558	4.03 588	7.09 596	6.86 591	3.57 562	3.12 578	3.85 548	3.51 585

SGM-Forest	5.21 594	5.92 560	4.08 581	6.18 579	4.16 593	6.31 594	4.34 594	6.50 595	4.33 594	6.14 596	4.21 592	6.61 599	4.55 587	6.67 595	4.48 592	5.94 588	3.94 574	5.85 596	4.03 593	5.79 584	4.17 594
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test_5	4.62 585	7.55 566	6.23 590	6.32 580	3.40 583	5.29 590	3.50 583	3.53 563	4.11 592	4.28 568	4.47 594	4.26 571	4.38 586	3.68 564	3.24 577	5.89 587	5.60 583	4.84 587	3.50 583	4.33 555	3.93 593

cross-raft	4.83 587	7.52 565	6.43 591	6.63 581	3.96 591	4.51 571	3.99 591	4.49 572	3.96 591	4.52 571	3.96 589	4.50 572	3.97 582	4.50 573	3.97 587	6.65 591	6.44 588	4.33 569	3.92 591	4.35 556	3.91 592

raft_robust	4.71 586	7.75 568	5.40 589	6.81 582	3.31 581	4.28 570	4.20 593	4.32 571	4.37 595	4.35 570	4.35 593	4.14 569	3.75 576	4.30 572	4.20 591	6.67 592	6.37 587	3.36 561	4.24 595	4.86 574	3.25 582

TestStereo1	4.60 582	8.41 571	6.44 592	6.86 583	3.79 589	3.97 566	3.78 588	3.99 568	3.74 586	3.97 565	3.52 582	3.94 567	3.58 569	3.98 567	3.72 583	6.82 593	6.50 589	3.76 566	3.66 585	3.90 549	3.74 589

SA-5K	4.60 582	8.41 571	6.44 592	6.86 583	3.79 589	3.97 566	3.78 588	3.99 568	3.74 586	3.97 565	3.52 582	3.94 567	3.58 569	3.98 567	3.72 583	6.82 593	6.50 589	3.76 566	3.66 585	3.90 549	3.74 589

Sa-1000	4.34 581	8.37 570	6.84 594	6.98 585	4.45 595	3.58 561	3.00 566	3.42 562	3.39 582	2.61 543	4.00 590	3.83 566	4.01 583	3.90 566	3.90 586	5.98 589	5.62 584	3.76 566	2.34 564	4.35 556	2.47 562

test_4	4.88 588	8.13 569	6.98 596	7.46 586	4.44 594	4.25 569	3.85 590	4.04 570	3.92 590	4.13 567	3.91 588	4.18 570	3.84 579	4.14 569	4.06 589	7.01 595	7.13 592	4.53 570	3.72 588	4.09 552	3.72 587

rvit_stereo_0075_2	6.64 596	8.80 575	5.25 586	7.89 587	5.27 598	7.90 599	5.27 597	7.92 601	5.28 598	7.91 601	5.29 598	7.93 601	5.27 589	7.92 601	5.28 594	7.93 597	5.28 582	7.93 600	5.29 599	7.93 593	5.28 598

test_3	5.01 590	8.86 576	7.77 598	8.09 588	2.76 568	4.13 568	4.05 592	3.88 567	3.76 588	4.33 569	4.13 591	3.71 565	3.91 580	4.21 570	4.06 589	7.93 597	7.69 594	4.53 570	3.91 590	4.17 553	4.29 595

test-1	6.46 595	9.16 578	8.03 601	8.09 588	5.62 599	6.11 593	6.35 599	6.85 597	4.94 597	6.08 595	6.29 601	4.98 591	6.43 593	6.22 593	6.36 599	6.16 590	7.47 593	5.82 595	5.44 600	7.11 590	5.68 599

U	5.15 593	8.49 573	1.81 522	8.49 590	1.77 537	8.49 600	1.77 534	8.51 602	1.77 540	8.49 602	1.77 537	8.50 602	1.78 527	8.58 602	1.77 540	8.54 600	1.78 527	8.55 602	1.78 547	8.55 596	1.84 543

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

SGM+DAISY	7.06 598	9.15 577	5.38 588	8.84 592	5.18 597	8.80 601	5.31 598	8.79 603	5.28 598	8.89 603	5.20 597	8.93 603	5.33 590	8.95 603	5.36 595	8.70 601	5.21 581	8.74 603	5.20 598	8.89 597	5.15 597

CFNet_RVC	2.38 545	8.71 574	0.38 257	9.33 593	0.42 342	0.56 355	0.42 332	0.60 356	0.38 306	0.62 366	0.42 339	0.56 360	7.29 597	0.62 361	0.42 327	0.53 326	0.37 262	0.49 349	0.34 295	8.30 594	6.87 601

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

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

MSMDNet	2.65 551	10.14 585	0.33 230	9.74 596	0.32 271	0.87 390	0.33 268	2.95 556	0.68 390	0.49 319	0.34 286	0.49 323	5.70 592	0.49 322	0.33 264	0.42 288	9.57 598	0.41 305	0.31 277	8.36 595	0.65 384

pcwnet_v2	2.66 552	9.89 583	0.33 230	9.89 597	0.32 271	0.50 333	0.32 258	0.49 313	0.33 277	0.49 319	0.34 286	0.49 323	8.76 599	0.48 316	0.33 264	0.41 274	9.58 599	0.40 288	0.29 253	9.01 598	0.63 375

CFNet_ucs	2.73 554	9.64 581	0.33 230	9.92 598	0.32 271	0.49 325	0.33 268	0.49 313	0.33 277	0.49 319	0.33 278	0.49 323	8.98 600	0.48 316	0.33 264	0.41 274	9.96 603	0.40 288	0.29 253	10.12 603	0.54 357

ccs_rob	2.79 556	10.17 586	0.32 225	10.00 599	0.33 283	0.49 325	0.33 268	1.90 505	0.32 270	0.51 339	0.33 278	0.49 323	9.24 601	0.49 322	0.33 264	0.41 274	9.82 601	0.41 305	0.28 243	9.34 599	0.29 235

PCWNet_CMD	2.80 557	9.82 582	0.32 225	10.09 600	0.32 271	0.49 325	0.33 268	3.34 560	0.33 277	0.49 319	0.33 278	0.49 323	8.73 598	0.48 316	0.33 264	0.41 274	9.22 597	0.42 316	0.29 253	9.55 600	0.31 257

UCFNet_RVC	2.75 555	10.06 584	0.29 204	10.31 601	0.29 249	0.42 293	0.29 242	0.43 291	0.29 244	0.42 280	0.29 247	0.42 292	9.87 602	0.43 292	0.29 240	0.36 236	9.84 602	0.36 261	0.26 230	9.77 601	0.26 209

CFNet_pseudo	2.67 553	9.36 579	0.32 225	10.99 602	0.33 283	0.85 388	0.33 268	0.49 313	0.33 277	0.49 319	0.32 271	0.49 323	7.26 596	0.49 322	0.33 264	0.41 274	9.62 600	0.41 305	0.29 253	10.03 602	0.29 235

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

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

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

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

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

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

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

fff	1000028.16 629	29.62 607	29.72 610	32.61 610	30.02 611	35.13 611	31.83 612	32.07 612	10000000.00 631	35.27 614	29.82 612	32.45 612	30.15 611	32.35 612	30.09 611	31.04 612	29.55 613	30.64 612	30.14 612	10000000.00 631	30.77 613

csc	1000028.16 629	29.62 607	29.72 610	32.61 610	30.02 611	35.13 611	31.83 612	32.07 612	10000000.00 631	35.27 614	29.82 612	32.45 612	30.15 611	32.35 612	30.09 611	31.04 612	29.55 613	30.64 612	30.14 612	10000000.00 631	30.77 613

cscssc	1000028.16 629	29.62 607	29.72 610	32.61 610	30.02 611	35.13 611	31.83 612	32.07 612	10000000.00 631	35.27 614	29.82 612	32.45 612	30.15 611	32.35 612	30.09 611	31.04 612	29.55 613	30.64 612	30.14 612	10000000.00 631	30.77 613

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

DCANet-4	35.22 611	34.54 612	35.08 616	33.58 614	35.47 618	34.55 610	35.53 618	36.08 617	35.85 616	35.92 617	35.77 617	35.18 617	35.48 616	35.39 617	37.15 620	34.55 617	33.92 616	35.02 618	34.90 617	35.79 615	34.74 619

ADStereo(finetuned)	36.13 612	36.63 616	38.07 620	36.97 615	33.25 615	35.91 614	34.45 615	36.36 618	32.99 613	38.14 622	36.71 618	36.69 618	34.13 615	38.57 622	40.79 621	37.60 622	36.58 619	35.90 619	33.36 616	35.42 614	34.04 616

Reg-Stereo(zero)	37.00 613	37.00 617	37.00 617	37.00 616	37.00 619	37.00 617	37.00 619	37.00 619	37.00 617	37.00 618	37.00 619	37.00 619	37.00 617	37.00 618	37.00 617	37.00 619	37.00 620	37.00 620	37.00 620	37.00 616	37.00 620

HI	37.00 613	37.00 617	37.00 617	37.00 616	37.00 619	37.00 617	37.00 619	37.00 619	37.00 617	37.00 618	37.00 619	37.00 619	37.00 617	37.00 618	37.00 617	37.00 619	37.00 620	37.00 620	37.00 620	37.00 616	37.00 620

CoSv	37.00 613	37.00 617	37.00 617	37.00 616	37.00 619	37.00 617	37.00 619	37.00 619	37.00 617	37.00 618	37.00 619	37.00 619	37.00 617	37.00 618	37.00 617	37.00 619	37.00 620	37.00 620	37.00 620	37.00 616	37.00 620

tt	500032.53 627	34.60 613	29.72 610	37.47 619	34.41 616	36.85 615	35.22 616	34.71 615	33.55 614	34.50 612	35.43 615	33.81 615	10000000.00 631	33.57 615	33.13 615	33.68 615	35.00 617	34.03 616	35.26 618	30.96 612	34.63 617

DCANet	500032.53 627	34.60 613	29.72 610	37.47 619	34.41 616	36.85 615	35.22 616	34.71 615	33.55 614	34.50 612	35.43 615	33.81 615	10000000.00 631	33.57 615	33.13 615	33.68 615	35.00 617	34.03 616	35.26 618	30.96 612	34.63 617

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

NOSS_ROB	102.95 617	153.00 625	121.00 624	51.00 622	44.00 622	165.00 624	127.00 624	153.00 625	119.00 622	164.00 626	125.00 624	168.00 626	120.00 622	153.00 625	117.00 624	49.00 623	44.00 623	49.00 623	44.00 623	49.00 620	44.00 623

CBMV	128.50 618	1422.70 632	53.10 622	79.50 623	51.30 623	77.30 622	49.70 622	74.00 623	48.20 621	77.20 624	48.80 623	73.90 624	48.00 621	73.80 624	48.80 623	70.40 624	45.10 624	68.90 624	46.10 624	68.20 621	45.00 624
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 616	87.70 621	41.95 621	113.75 624	65.62 624	75.05 621	55.25 623	75.64 624	45.04 620	71.61 623	41.75 622	72.81 623	44.06 620	68.38 623	44.63 622	101.89 625	59.57 625	107.10 625	61.05 625	104.38 622	59.38 625

MeshStereo	159.24 619	171.00 626	160.68 627	162.58 625	160.59 625	164.01 623	160.35 625	158.51 626	158.56 623	158.34 625	160.12 625	158.56 625	159.92 623	157.26 626	158.94 625	154.38 626	158.36 626	155.75 626	159.13 627	153.67 623	154.07 626
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	201.80 620	123.00 622	115.00 623	219.00 626	218.00 627	223.00 625	244.00 627	217.00 627	236.00 625	202.00 627	203.00 626	205.00 627	208.00 624	225.00 627	204.00 626	210.00 627	198.00 627	197.00 627	184.00 628	204.00 624	201.00 627

MGS-Stereo	239.45 621	123.00 622	135.00 625	266.00 627	286.00 628	277.00 626	305.00 628	271.00 628	242.00 626	274.00 628	279.00 628	255.00 628	270.00 626	268.00 628	297.00 628	221.00 628	247.00 629	216.00 628	123.00 626	217.00 625	217.00 629

EGLCR-Stereo	246.90 622	129.00 624	139.00 626	266.00 627	286.00 628	277.00 626	305.00 628	271.00 628	242.00 626	274.00 628	279.00 628	255.00 628	270.00 626	268.00 628	297.00 628	230.00 629	247.00 629	216.00 628	223.00 630	237.00 626	227.00 630

DLCB_ROB	284.23 623	354.61 628	207.27 628	363.24 629	206.46 626	364.72 628	210.41 626	364.72 630	210.41 624	364.81 630	208.64 627	364.81 630	208.64 625	364.72 630	210.41 627	354.70 630	205.53 628	354.70 630	205.53 629	354.70 627	205.53 628

LE_ROB	396.57 624	471.28 629	329.84 629	471.48 630	308.15 630	526.83 629	322.10 630	488.15 631	323.76 628	495.46 631	317.97 630	497.17 631	320.10 628	481.62 631	326.76 630	462.71 631	298.97 631	466.16 631	285.98 631	447.62 628	289.21 631

SGM-ForestM	596.69 625	677.77 630	444.52 630	699.85 631	517.25 631	732.94 630	488.29 631	770.79 632	460.11 629	750.81 632	487.98 631	792.79 632	499.41 629	730.90 632	475.81 631	720.03 632	491.16 632	663.96 632	418.60 632	674.76 629	436.05 632

CBMV_ROB	818.48 626	913.88 631	709.52 631	862.84 632	597.78 632	1073.99 631	700.52 632	1015.66 633	702.59 630	1115.65 633	760.02 632	1130.24 633	721.57 630	1037.41 633	692.65 632	814.05 633	564.29 633	843.28 633	595.31 633	915.51 630	602.92 633

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

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

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

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

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

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

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

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

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

DIP-Stereo	10000000.00 632	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 634	10000000.00 631	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 631	10000000.00 634	10000000.00 633	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 631	10000000.00 634
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
GS-Stereo							0.38 305	0.50 321	0.38 306	0.50 332	0.38 311	0.50 338	3.79 577	0.50 329	0.38 297	0.54 327	0.43 300	0.46 327	0.34 295	0.46 299	0.35 284

Low-res two-view benchmark