Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

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

USTest	0.01 9	0.02 12	0.00 1	0.14 100	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

CREStereo++_RVC	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

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

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

CREStereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

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

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

Wz-Net-TNSev	0.02 15	0.05 49	0.04 44	0.07 47	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.06 55	0.04 45	0.01 9	0.01 9	0.01 10	0.01 10

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

Wz-Net-LNSev	0.06 44	0.24 126	0.20 168	0.23 154	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 179	0.21 182	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 231	0.10 70	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	0.50 213	0.10 70	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

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	0.70 248	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	0.67 381	0.02 15	0.69 376	0.75 390	0.01 9	0.02 20	0.02 20

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

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

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

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

Wz-Net-LNSev-Ref	0.11 88	0.44 185	0.33 232	0.39 214	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	0.39 264	0.36 262	0.02 18	0.02 20	0.02 20	0.02 20

psmg	0.43 268	1.91 429	0.92 406	1.91 480	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	1.97 510	1.44 503	0.04 72	0.03 53	0.02 20	0.03 50

CSP-Net	0.34 206	1.29 394	1.19 430	1.36 459	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	1.26 471	1.21 481	0.03 38	0.09 111	0.02 20	0.09 111

SFCPSM	0.17 137	0.78 253	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	0.79 416	0.02 15	0.75 387	0.76 392	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 167	1.31 396	0.74 384	0.92 355	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	0.87 384	0.75 387	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

ADCMid	0.08 52	0.02 12	0.02 14	1.01 373	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 71	0.09 110	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 54	0.02 12	0.04 44	0.90 350	0.06 110	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 132	0.36 288	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 88	0.02 12	0.02 14	1.62 473	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 88	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 50

AnyNet_C32	0.14 113	0.04 37	0.03 37	2.22 492	0.04 78	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 76	0.02 21	0.07 104	0.04 75	0.02 15	0.02 15	0.03 38	0.03 53	0.02 20	0.03 50

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

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

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

zh-sn7	0.10 67	0.98 292	0.14 127	0.15 110	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 125	0.13 137	0.03 38	0.03 53	0.03 43	0.03 50

zh-mn7	0.12 97	1.14 328	0.17 153	0.20 137	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	0.18 151	0.16 146	0.03 38	0.03 53	0.03 43	0.03 50

w-ln-seven-2	0.14 113	1.22 390	0.28 200	0.32 189	0.04 78	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 215	0.27 204	0.04 72	0.03 53	0.03 43	0.03 50

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

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

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

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

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

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

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

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

DualNet (step1)	0.10 67	1.05 319	0.12 103	0.12 84	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 73	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 114	0.03 38	0.03 53	0.03 43	0.03 50

test_sample9	0.10 67	1.05 319	0.12 103	0.12 84	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 73	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 114	0.03 38	0.03 53	0.03 43	0.03 50

test_sample8	0.10 67	1.05 319	0.12 103	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 53	0.03 43	0.03 50

test_sample7	0.09 54	1.00 301	0.11 90	0.11 76	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 73	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 114	0.03 38	0.03 53	0.03 43	0.03 50

test_sample6	0.09 54	0.97 291	0.10 70	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_sample4	0.10 67	1.03 315	0.12 103	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	0.13 109	0.13 137	0.03 38	0.03 53	0.03 43	0.03 50

test_sample3	0.09 54	0.87 268	0.10 70	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

test_sample2	0.09 54	1.03 315	0.11 90	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 54	0.87 268	0.12 103	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 73	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 54	1.01 309	0.09 66	0.09 55	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 54	0.95 288	0.09 66	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

qqq1	0.25 167	3.70 515	0.14 127	0.14 100	0.04 78	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 76	0.05 94	0.06 88	0.05 88	0.13 109	0.12 114	0.06 93	0.05 95	0.03 43	0.04 78

fff1	0.25 167	3.70 515	0.14 127	0.14 100	0.04 78	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 76	0.05 94	0.06 88	0.05 88	0.13 109	0.12 114	0.06 93	0.05 95	0.03 43	0.04 78

1111x	0.10 67	1.14 328	0.13 122	0.14 100	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	0.13 109	0.11 98	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 54	1.01 309	0.10 70	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 50

qqq	0.16 133	2.01 437	0.12 103	0.15 110	0.04 78	0.06 92	0.05 93	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.03 48	0.12 94	0.14 141	0.04 72	0.04 77	0.03 43	0.03 50

x	0.11 88	1.15 331	0.15 143	0.14 100	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 73	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 116	0.15 144	0.03 38	0.03 53	0.03 43	0.03 50

test_xeample	0.10 67	1.09 324	0.13 122	0.12 84	0.03 48	0.03 40	0.03 50	0.04 76	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 116	0.14 141	0.03 38	0.03 53	0.03 43	0.03 50

BEATNet_4x	0.11 88	0.03 31	0.03 37	1.60 470	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 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 53	0.03 43	0.03 50

ADCL	0.11 88	0.03 31	0.03 37	1.60 470	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 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 53	0.03 43	0.03 50

ADCRef	0.12 97	0.03 31	0.04 44	1.71 476	0.04 78	0.03 40	0.03 50	0.04 76	0.04 81	0.04 73	0.03 52	0.04 76	0.03 52	0.06 88	0.04 75	0.04 44	0.04 45	0.04 72	0.04 77	0.03 43	0.04 78

ADCPNet	0.10 67	0.03 31	0.04 44	1.27 447	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.04 73	0.03 52	0.04 76	0.03 52	0.08 107	0.04 75	0.04 44	0.03 36	0.03 38	0.03 53	0.03 43	0.03 50

z-mn7	0.16 133	1.21 384	0.33 232	0.41 240	0.04 78	0.04 77	0.03 50	0.04 76	0.04 81	0.04 73	0.04 88	0.04 76	0.04 84	0.04 71	0.04 75	0.35 233	0.31 236	0.04 72	0.04 77	0.04 76	0.04 78

z-ln-s-r	0.21 152	1.40 402	0.53 336	0.56 303	0.04 78	0.05 89	0.04 81	0.05 88	0.05 97	0.05 91	0.04 88	0.05 90	0.04 84	0.05 82	0.05 88	0.57 338	0.44 309	0.04 72	0.04 77	0.04 76	0.04 78

w-ln-seven	0.18 140	1.47 404	0.33 232	0.40 228	0.04 78	0.04 77	0.04 81	0.04 76	0.04 81	0.04 73	0.04 88	0.04 76	0.04 84	0.04 71	0.04 75	0.38 253	0.32 241	0.05 85	0.04 77	0.04 76	0.04 78

test_sample5	0.10 67	1.07 322	0.11 90	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 53	0.04 76	0.03 50

DualNet	0.10 67	1.07 322	0.11 90	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 53	0.04 76	0.03 50

GASNet	0.05 41	0.04 37	0.12 103	0.04 37	0.04 78	0.04 77	0.05 93	0.04 76	0.04 81	0.12 127	0.04 88	0.06 97	0.04 84	0.04 71	0.04 75	0.04 44	0.04 45	0.04 72	0.04 77	0.04 76	0.04 78

222	0.10 67	0.99 299	0.12 103	0.13 96	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 76	0.03 50

xxxx	0.11 88	1.16 333	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	0.13 109	0.16 146	0.03 38	0.04 77	0.04 76	0.04 78

EDNetEfficientorigin	0.04 38	0.06 54	0.04 44	0.05 43	0.04 78	0.05 89	0.04 81	0.05 88	0.04 81	0.05 91	0.04 88	0.05 90	0.04 84	0.05 82	0.04 75	0.05 51	0.03 36	0.06 93	0.03 53	0.04 76	0.03 50

EDNetEfficient	0.04 38	0.05 49	0.04 44	0.04 37	0.03 48	0.04 77	0.03 50	0.04 76	0.03 55	0.04 73	0.03 52	0.04 76	0.03 52	0.04 71	0.03 48	0.05 51	0.03 36	0.05 85	0.03 53	0.04 76	0.03 50

FADNet-RVC-Resample	0.12 97	0.04 37	0.04 44	0.04 37	0.04 78	0.04 77	0.04 81	0.04 76	0.04 81	0.04 73	0.04 88	0.04 76	0.04 84	0.04 71	1.57 525	0.04 44	0.04 45	0.04 72	0.05 95	0.04 76	0.06 104

FADNet_RVC	0.12 97	0.04 37	0.04 44	0.05 43	0.04 78	0.04 77	0.04 81	0.04 76	0.04 81	0.04 73	0.04 88	0.04 76	0.05 94	0.04 71	1.65 529	0.05 51	0.04 45	0.04 72	0.04 77	0.04 76	0.04 78

FADNet	0.12 97	0.05 49	0.04 44	0.04 37	0.04 78	0.04 77	0.04 81	0.04 76	0.04 81	0.04 73	0.04 88	0.04 76	0.05 94	0.04 71	1.66 531	0.06 55	0.04 45	0.04 72	0.04 77	0.04 76	0.04 78

ADCP+	0.15 125	0.04 37	0.04 44	2.20 491	0.04 78	0.04 77	0.04 81	0.04 76	0.04 81	0.04 73	0.05 100	0.04 76	0.04 84	0.08 107	0.04 75	0.04 44	0.04 45	0.04 72	0.04 77	0.04 76	0.04 78

NVStereoNet_ROB	0.04 38	0.04 37	0.04 44	0.04 37	0.04 78	0.04 77	0.04 81	0.04 76	0.04 81	0.04 73	0.04 88	0.04 76	0.04 84	0.04 71	0.04 75	0.04 44	0.04 45	0.04 72	0.04 77	0.04 76	0.04 78
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DFGA-Net	0.05 41	0.06 54	0.04 44	0.06 46	0.04 78	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.04 88	0.06 97	0.04 84	0.06 88	0.04 75	0.06 55	0.04 45	0.05 85	0.04 77	0.05 91	0.04 78

mmm	0.14 113	1.83 420	0.12 103	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.04 81	0.03 40	0.03 52	0.03 42	0.03 52	0.06 88	0.04 75	0.12 94	0.11 98	0.05 85	0.04 77	0.05 91	0.04 78

11t1	0.17 137	2.16 446	0.13 122	0.13 96	0.04 78	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.05 88	0.18 151	0.12 114	0.06 93	0.03 53	0.05 91	0.03 50

APVNet	0.09 54	0.05 49	0.04 44	0.05 43	0.04 78	0.05 89	0.90 427	0.06 94	0.04 81	0.05 91	0.04 88	0.05 90	0.04 84	0.05 82	0.04 75	0.05 51	0.04 45	0.05 85	0.04 77	0.05 91	0.05 96

DA	0.09 54	0.13 84	0.39 268	0.08 49	0.05 98	0.07 103	0.05 93	0.13 128	0.05 97	0.06 96	0.05 100	0.06 97	0.05 94	0.06 88	0.05 88	0.06 55	0.05 56	0.14 128	0.13 156	0.06 95	0.05 96

GGEV	0.09 54	0.13 84	0.39 268	0.08 49	0.05 98	0.07 103	0.05 93	0.13 128	0.05 97	0.06 96	0.05 100	0.06 97	0.05 94	0.06 88	0.05 88	0.06 55	0.05 56	0.14 128	0.13 156	0.06 95	0.05 96

ISRNet	0.11 88	0.05 49	0.36 253	0.24 159	0.07 111	0.13 128	0.05 93	0.06 94	0.05 97	0.05 91	0.05 100	0.13 129	0.05 94	0.05 82	0.09 110	0.24 186	0.20 178	0.10 108	0.05 95	0.06 95	0.13 152

ffm	0.25 167	3.83 521	0.12 103	0.12 84	0.05 98	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 94	0.12 114	0.05 85	0.04 77	0.06 95	0.04 78

ff1	0.25 167	3.83 521	0.12 103	0.12 84	0.05 98	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 94	0.12 114	0.05 85	0.04 77	0.06 95	0.04 78

mmx	0.25 167	3.83 521	0.12 103	0.12 84	0.05 98	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 94	0.12 114	0.05 85	0.04 77	0.06 95	0.04 78

AASNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 98	0.06 92	0.05 93	0.05 88	0.06 109	0.06 96	0.06 110	0.05 90	0.06 110	0.06 88	0.05 88	0.08 62	0.08 61	0.08 102	0.05 95	0.06 95	0.05 96

SACVNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 98	0.06 92	0.05 93	0.05 88	0.06 109	0.06 96	0.06 110	0.05 90	0.06 110	0.06 88	0.05 88	0.08 62	0.08 61	0.08 102	0.05 95	0.06 95	0.05 96

AACVNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 98	0.06 92	0.05 93	0.05 88	0.06 109	0.06 96	0.06 110	0.05 90	0.06 110	0.06 88	0.05 88	0.08 62	0.08 61	0.08 102	0.05 95	0.06 95	0.05 96

FINET	0.07 49	0.08 59	0.07 59	0.07 47	0.07 111	0.08 105	0.06 109	0.08 107	0.07 112	0.08 106	0.07 113	0.08 106	0.06 110	0.07 104	0.07 103	0.08 62	0.07 59	0.07 98	0.07 105	0.06 95	0.06 104

BridgeDepth_RVC	0.07 49	0.08 59	0.11 90	0.11 76	0.05 98	0.08 105	0.05 93	0.08 107	0.05 97	0.08 106	0.05 100	0.08 106	0.05 94	0.08 107	0.05 88	0.11 88	0.10 75	0.07 98	0.05 95	0.07 105	0.05 96
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
BridgeDepth	0.08 52	0.08 59	0.11 90	0.11 76	0.05 98	0.08 105	0.05 93	0.08 107	0.07 112	0.08 106	0.05 100	0.08 106	0.05 94	0.09 111	0.08 105	0.15 125	0.11 98	0.07 98	0.05 95	0.07 105	0.06 104
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
GwcNet	0.12 97	0.07 58	0.05 58	0.08 49	0.05 98	0.08 105	1.20 455	0.07 104	0.05 97	0.05 91	0.05 100	0.08 106	0.05 94	0.08 107	0.03 48	0.07 60	0.05 56	0.06 93	0.05 95	0.07 105	0.05 96

FADNet-RVC	0.13 104	0.04 37	0.04 44	0.04 37	0.04 78	0.04 77	0.05 93	0.04 76	0.04 81	0.04 73	0.05 100	0.04 76	0.05 94	0.04 71	1.71 534	0.04 44	0.04 45	0.04 72	0.04 77	0.07 105	0.04 78

BEATNet-Init1	0.19 143	0.08 59	0.08 61	2.23 493	0.08 113	0.08 105	0.07 112	0.07 104	0.08 116	0.08 106	0.07 113	0.08 106	0.07 114	0.11 126	0.08 105	0.08 62	0.08 61	0.08 102	0.07 105	0.08 109	0.08 108

SuperB	0.21 152	0.10 69	2.51 559	0.12 84	0.09 115	0.10 113	0.09 115	0.08 107	0.07 112	0.10 113	0.09 117	0.09 112	0.07 114	0.07 104	0.07 103	0.07 60	0.08 61	0.07 98	0.07 105	0.08 109	0.07 107

DeepPrunerF	0.19 143	0.08 59	0.08 61	2.23 493	0.08 113	0.08 105	0.07 112	0.07 104	0.08 116	0.08 106	0.07 113	0.08 106	0.07 114	0.11 126	0.08 105	0.08 62	0.08 61	0.08 102	0.07 105	0.08 109	0.08 108

SepStereo	0.09 54	0.09 67	0.10 70	0.09 55	0.09 115	0.09 111	0.09 115	0.10 112	0.08 116	0.10 113	0.09 117	0.09 112	0.09 118	0.09 111	0.08 105	0.09 68	0.08 61	0.09 107	0.08 109	0.09 112	0.08 108

AnonymousM	0.10 67	0.10 69	0.10 70	0.10 59	0.10 122	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

PVD	0.10 67	0.10 69	0.10 70	0.10 59	0.10 122	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SHD	0.10 67	0.10 69	0.10 70	0.10 59	0.10 122	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SAMSARA	0.10 67	0.10 69	0.10 70	0.10 59	0.10 122	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

XQC	0.10 67	0.10 69	0.10 70	0.10 59	0.10 122	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTSC	0.10 67	0.10 69	0.10 70	0.10 59	0.10 122	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTS	0.10 67	0.10 69	0.10 70	0.10 59	0.10 122	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTSA	0.10 67	0.10 69	0.10 70	0.10 59	0.10 122	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MADNet+	0.10 67	0.10 69	0.10 70	0.10 59	0.10 122	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MADNet++	0.10 67	0.10 69	0.10 70	0.10 59	0.10 122	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MatchStereo	0.54 311	0.12 82	2.38 557	2.32 499	0.09 115	0.09 111	0.08 114	0.09 111	0.07 112	0.09 111	0.07 113	0.09 112	0.07 114	0.09 111	0.08 105	2.34 533	2.34 551	0.12 122	0.11 130	0.11 123	0.10 116

JetRed	0.11 88	0.12 82	0.11 90	0.11 76	0.11 138	0.11 124	0.14 154	0.11 124	0.11 135	0.12 127	0.11 135	0.11 125	0.11 134	0.11 126	0.11 128	0.11 88	0.16 146	0.11 119	0.11 130	0.11 123	0.11 129

JetBlue	0.11 88	0.11 80	0.12 103	0.13 96	0.14 159	0.11 124	0.11 133	0.11 124	0.11 135	0.11 125	0.11 135	0.11 125	0.11 134	0.12 130	0.12 143	0.11 88	0.11 98	0.11 119	0.11 130	0.11 123	0.11 129

ac_64	0.22 156	0.13 84	0.19 165	0.23 154	0.10 122	0.26 203	1.02 442	0.14 130	0.10 120	0.28 204	0.14 163	0.17 151	0.19 194	0.28 211	0.09 110	0.22 168	0.16 146	0.23 187	0.17 190	0.11 123	0.12 146

PASM	0.39 245	3.06 500	1.36 496	1.58 466	0.09 115	0.11 124	0.11 133	0.11 124	0.11 135	0.09 111	0.09 117	0.11 125	0.09 118	0.09 111	0.09 110	0.11 88	0.11 98	0.11 119	0.09 111	0.11 123	0.11 129

FADE	0.07 49	0.06 54	0.02 14	0.09 55	0.10 122	0.03 40	0.03 50	0.05 88	0.03 55	0.04 73	0.03 52	0.05 90	0.03 52	0.04 71	0.03 48	0.15 125	0.10 75	0.17 154	0.13 156	0.11 123	0.11 129

LRCNet_RVC	0.13 104	0.13 84	0.09 66	0.13 96	0.10 122	0.14 129	0.10 120	0.14 130	0.10 120	0.23 179	0.10 121	0.20 162	0.10 122	0.24 186	0.11 128	0.11 88	0.09 70	0.12 122	0.14 162	0.12 129	0.09 111

DRN-Test	0.14 113	0.13 84	0.09 66	0.14 100	0.09 115	0.15 136	0.09 115	0.14 130	0.10 120	0.14 129	0.09 117	0.14 130	0.09 118	0.13 131	0.09 110	0.12 94	0.09 70	0.12 122	0.09 111	0.12 129	0.73 403

S2M2_L	0.12 97	0.14 90	0.10 70	0.15 110	0.10 122	0.14 129	0.10 120	0.14 130	0.10 120	0.15 135	0.10 121	0.14 130	0.10 122	0.14 132	0.10 116	0.13 109	0.10 75	0.13 126	0.09 111	0.13 131	0.09 111
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
StereoDRNet	0.15 125	0.14 90	0.10 70	0.14 100	0.09 115	0.15 136	0.09 115	0.14 130	0.09 119	0.14 129	0.10 121	0.14 130	0.09 118	0.14 132	0.09 110	0.13 109	0.10 75	0.13 126	0.09 111	0.13 131	0.82 416

test_for_model	0.15 125	0.23 117	0.18 162	0.21 147	0.11 138	0.16 144	0.11 133	0.16 143	0.11 135	0.16 140	0.11 135	0.16 141	0.11 134	0.16 142	0.11 128	0.21 165	0.18 175	0.14 128	0.11 130	0.14 133	0.11 129

testlalala2	0.13 104	0.16 92	0.11 90	0.15 110	0.11 138	0.16 144	0.11 133	0.16 143	0.11 135	0.16 140	0.11 135	0.16 141	0.11 134	0.16 142	0.11 128	0.14 116	0.11 98	0.14 128	0.11 130	0.14 133	0.11 129

testlalala_base	0.13 104	0.16 92	0.11 90	0.15 110	0.11 138	0.15 136	0.11 133	0.16 143	0.11 135	0.16 140	0.11 135	0.16 141	0.11 134	0.16 142	0.11 128	0.14 116	0.11 98	0.14 128	0.11 130	0.14 133	0.11 129

CIPLG	0.13 104	0.21 112	0.12 103	0.16 121	0.11 138	0.15 136	0.11 133	0.14 130	0.11 135	0.15 135	0.12 146	0.15 140	0.11 134	0.14 132	0.11 128	0.15 125	0.12 114	0.14 128	0.11 130	0.14 133	0.11 129

IPLG	0.13 104	0.20 106	0.14 127	0.15 110	0.11 138	0.14 129	0.11 133	0.14 130	0.11 135	0.14 129	0.11 135	0.14 130	0.11 134	0.14 132	0.11 128	0.15 125	0.12 114	0.14 128	0.11 130	0.14 133	0.11 129

MIPNet	0.14 113	0.21 112	0.17 153	0.16 121	0.11 138	0.15 136	0.12 149	0.14 130	0.11 135	0.16 140	0.11 135	0.14 130	0.11 134	0.14 132	0.11 128	0.14 116	0.12 114	0.14 128	0.11 130	0.14 133	0.11 129

IPLGR	0.14 113	0.24 126	0.14 127	0.16 121	0.12 154	0.15 136	0.12 149	0.14 130	0.11 135	0.15 135	0.12 146	0.14 130	0.11 134	0.14 132	0.11 128	0.15 125	0.12 114	0.14 128	0.11 130	0.14 133	0.11 129

ACRE	0.13 104	0.21 112	0.14 127	0.15 110	0.11 138	0.14 129	0.11 133	0.14 130	0.11 135	0.14 129	0.12 146	0.14 130	0.11 134	0.14 132	0.11 128	0.15 125	0.12 114	0.14 128	0.11 130	0.14 133	0.11 129

GMStereo	0.14 113	0.13 84	0.14 127	0.14 100	0.14 159	0.14 129	0.14 154	0.14 130	0.14 159	0.14 129	0.14 163	0.14 130	0.14 160	0.14 132	0.14 153	0.14 116	0.14 141	0.14 128	0.14 162	0.14 133	0.14 157
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ELAS	0.13 104	0.16 92	0.11 90	0.15 110	0.09 115	0.18 156	0.11 133	0.18 154	0.11 135	0.17 149	0.11 135	0.18 155	0.11 134	0.18 154	0.11 128	0.14 116	0.08 61	0.14 128	0.08 109	0.14 133	0.09 111
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
castereo++	0.54 311	3.59 512	1.15 424	1.31 455	0.14 159	0.16 144	0.14 154	0.16 143	0.14 159	0.16 140	0.14 163	0.16 141	0.13 156	0.16 142	0.14 153	1.45 485	1.16 430	0.15 143	0.14 162	0.15 143	0.13 152

ProNet	0.14 113	0.20 106	0.14 127	0.16 121	0.11 138	0.16 144	0.11 133	0.17 151	0.11 135	0.17 149	0.12 146	0.17 151	0.13 156	0.17 151	0.12 143	0.15 125	0.11 98	0.16 146	0.11 130	0.15 143	0.12 146

IPLGR_C	0.14 113	0.20 106	0.12 103	0.15 110	0.11 138	0.14 129	0.15 159	0.14 130	0.11 135	0.15 135	0.12 146	0.14 130	0.11 134	0.16 142	0.11 128	0.15 125	0.12 114	0.14 128	0.12 148	0.15 143	0.12 146

ELAS_RVC	0.14 113	0.16 92	0.10 70	0.15 110	0.10 122	0.18 156	0.11 133	0.19 156	0.11 135	0.19 155	0.12 146	0.18 155	0.11 134	0.19 157	0.12 143	0.14 116	0.08 61	0.14 128	0.09 111	0.15 143	0.09 111
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
S2M2_XL	0.14 113	0.17 98	0.12 103	0.17 129	0.11 138	0.17 152	0.11 133	0.17 151	0.11 135	0.17 149	0.11 135	0.17 151	0.11 134	0.17 151	0.11 128	0.16 135	0.11 98	0.16 146	0.11 130	0.16 147	0.11 129
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
xyz-stereo-finetune2	0.18 140	0.48 207	0.16 146	0.16 121	0.15 170	0.15 136	0.16 164	0.16 143	0.16 173	0.16 140	0.16 174	0.16 141	0.16 172	0.16 142	0.16 169	0.16 135	0.16 146	0.16 146	0.16 170	0.16 147	0.16 161

xyz-stereo	0.18 140	0.50 213	0.16 146	0.15 110	0.16 179	0.16 144	0.16 164	0.16 143	0.16 173	0.16 140	0.16 174	0.16 141	0.16 172	0.16 142	0.16 169	0.16 135	0.16 146	0.16 146	0.16 170	0.16 147	0.16 161

GMStereo_Zeroshot	0.16 133	0.16 92	0.16 146	0.16 121	0.16 179	0.16 144	0.16 164	0.16 143	0.16 173	0.16 140	0.16 174	0.16 141	0.16 172	0.16 142	0.16 169	0.16 135	0.16 146	0.16 146	0.16 170	0.16 147	0.16 161

ICVP	0.15 125	0.53 227	0.11 90	0.16 121	0.11 138	0.16 144	0.11 133	0.16 143	0.11 135	0.16 140	0.11 135	0.16 141	0.11 134	0.16 142	0.11 128	0.16 135	0.11 98	0.16 146	0.11 130	0.16 147	0.11 129
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HSM	0.14 113	0.16 92	0.12 103	0.17 129	0.12 154	0.17 152	0.11 133	0.17 151	0.11 135	0.17 149	0.12 146	0.17 151	0.12 151	0.17 151	0.12 143	0.16 135	0.11 98	0.16 146	0.11 130	0.16 147	0.12 146

DDVS	0.30 183	3.10 501	0.14 127	0.19 134	0.14 159	0.19 159	0.14 154	0.20 162	0.14 159	0.19 155	0.13 158	0.16 141	0.13 156	0.19 157	0.13 149	0.17 143	0.13 137	0.17 154	0.13 156	0.17 153	0.13 152

ACVNet	0.20 145	0.19 102	0.14 127	0.20 137	0.14 159	0.20 164	0.96 434	0.21 171	0.14 159	0.20 161	0.13 158	0.21 170	0.14 160	0.20 161	0.14 153	0.17 143	0.12 114	0.17 154	0.12 148	0.17 153	0.12 146

acv_ft	0.20 145	0.19 102	0.14 127	0.20 137	0.14 159	0.20 164	0.96 434	0.21 171	0.14 159	0.20 161	0.13 158	0.21 170	0.14 160	0.20 161	0.14 153	0.17 143	0.12 114	0.17 154	0.12 148	0.17 153	0.12 146

SGM_RVC	0.15 125	0.17 98	0.11 90	0.18 131	0.11 138	0.19 159	0.11 133	0.19 156	0.12 154	0.19 155	0.12 146	0.20 162	0.12 151	0.19 157	0.12 143	0.16 135	0.11 98	0.17 154	0.10 118	0.17 153	0.10 116
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DEFOM-Stereo_RVC	0.83 379	5.18 546	1.98 546	2.19 490	0.17 183	0.19 159	0.18 179	0.19 156	0.16 173	0.20 161	0.19 196	0.22 178	0.22 205	0.20 161	0.15 163	2.28 527	2.13 546	0.24 195	0.17 190	0.18 157	0.16 161

castereo	0.61 323	3.79 520	1.35 488	1.52 465	0.15 170	0.17 152	0.16 164	0.20 162	0.21 198	0.18 153	0.16 174	0.21 170	0.12 151	0.26 203	0.17 173	1.43 484	1.38 500	0.17 154	0.16 170	0.18 157	0.16 161

ITSA-stereo	0.15 125	0.17 98	0.13 122	0.20 137	0.13 157	0.19 159	0.13 152	0.18 154	0.13 157	0.19 155	0.13 158	0.18 155	0.14 160	0.18 154	0.14 153	0.16 135	0.11 98	0.15 143	0.14 162	0.18 157	0.11 129

HCRNet	1.22 477	7.11 566	3.00 562	3.55 543	0.33 284	0.29 211	0.14 154	0.19 156	0.15 169	0.33 226	0.29 247	0.25 195	0.14 160	0.22 176	0.33 267	3.64 559	3.00 556	0.76 392	0.32 284	0.18 157	0.13 152

DeepPruner_ROB	0.16 133	0.18 101	0.13 122	0.19 134	0.13 157	0.19 159	0.13 152	0.19 156	0.13 157	0.19 155	0.13 158	0.19 159	0.13 156	0.19 157	0.13 149	0.18 151	0.13 137	0.18 164	0.13 156	0.18 157	0.13 152

LALA_ROB	0.15 125	0.19 102	0.12 103	0.18 131	0.11 138	0.20 164	0.12 149	0.21 171	0.12 154	0.20 161	0.12 146	0.20 162	0.12 151	0.21 172	0.13 149	0.17 143	0.10 75	0.18 164	0.11 130	0.18 157	0.11 129

CAS++	0.17 137	0.27 134	0.21 174	0.10 59	0.21 209	0.15 136	0.22 198	0.10 112	0.21 198	0.22 175	0.10 121	0.19 159	0.18 189	0.10 115	0.19 187	0.20 158	0.19 176	0.18 164	0.10 118	0.19 163	0.18 179
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
RSGM-EC	0.24 164	0.24 126	0.15 143	0.22 150	0.15 170	0.22 177	0.15 159	0.22 175	0.15 169	0.24 186	0.15 171	0.22 178	0.15 170	0.22 176	1.19 455	0.20 158	0.17 166	0.24 195	0.14 162	0.20 164	0.14 157

acva	0.24 164	0.24 126	0.15 143	0.22 150	0.15 170	0.22 177	0.15 159	0.22 175	0.15 169	0.24 186	0.15 171	0.22 178	0.15 170	0.22 176	1.19 455	0.20 158	0.17 166	0.24 195	0.14 162	0.20 164	0.14 157

IGEV_Zeroshot_test	0.20 145	0.19 102	0.40 273	0.30 179	0.17 183	0.22 177	0.17 172	0.21 171	0.17 181	0.20 161	0.17 179	0.21 170	0.18 189	0.21 172	0.17 173	0.20 158	0.16 146	0.20 171	0.16 170	0.20 164	0.17 175

DAS	0.20 145	0.20 106	0.20 168	0.20 137	0.20 200	0.20 164	0.20 187	0.20 162	0.20 194	0.20 161	0.20 200	0.20 162	0.20 198	0.20 161	0.20 190	0.20 158	0.20 178	0.20 171	0.20 197	0.20 164	0.20 183

GEStereo_RVC	0.86 391	4.45 536	0.20 168	0.27 176	0.20 200	0.27 207	0.20 187	0.26 195	0.18 186	5.03 591	0.20 200	0.27 207	0.19 194	0.27 207	0.21 194	0.20 158	0.19 176	0.19 167	4.02 595	0.20 164	0.18 179

ASD4	0.20 145	0.20 106	0.20 168	0.20 137	0.20 200	0.20 164	0.20 187	0.20 162	0.20 194	0.20 161	0.20 200	0.20 162	0.20 198	0.20 161	0.20 190	0.20 158	0.20 178	0.20 171	0.20 197	0.20 164	0.20 183

MSKI-zero shot	0.24 164	0.21 112	0.49 318	0.65 320	0.18 193	0.22 177	0.17 172	0.23 181	0.18 186	0.21 173	0.17 179	0.23 184	0.28 242	0.23 182	0.18 184	0.21 165	0.16 146	0.21 174	0.16 170	0.21 170	0.16 161

iResNet	0.20 145	0.23 117	0.18 162	0.24 159	0.18 193	0.24 188	0.20 187	0.24 184	0.18 186	0.23 179	0.17 179	0.23 184	0.18 189	0.23 182	0.18 184	0.22 168	0.16 146	0.21 174	0.16 170	0.21 170	0.16 161

BStereo	0.22 156	0.23 117	0.20 168	0.24 159	0.20 200	0.23 185	0.33 271	0.39 247	0.17 181	0.23 179	0.17 179	0.23 184	0.16 172	0.24 186	0.17 173	0.23 179	0.16 146	0.22 179	0.20 197	0.22 172	0.16 161

Wave_Phase_stereo	0.22 156	0.23 117	0.20 168	0.24 159	0.20 200	0.23 185	0.33 271	0.39 247	0.17 181	0.23 179	0.17 179	0.23 184	0.16 172	0.24 186	0.17 173	0.23 179	0.16 146	0.22 179	0.20 197	0.22 172	0.16 161

ACV-stereo	0.30 183	2.08 439	0.25 189	0.25 166	0.18 193	0.24 188	0.17 172	0.24 184	0.18 186	0.24 186	0.17 179	0.25 195	0.17 181	0.24 186	0.17 173	0.22 168	0.16 146	0.22 179	0.16 170	0.22 172	0.16 161

Pointernet	0.21 152	0.22 116	0.19 165	0.24 159	0.19 197	0.24 188	0.19 183	0.24 184	0.19 192	0.24 186	0.19 196	0.24 190	0.19 194	0.24 186	0.19 187	0.22 168	0.17 166	0.22 179	0.17 190	0.22 172	0.17 175

WAO-6	0.22 156	0.23 117	0.22 176	0.23 154	0.22 211	0.22 177	0.22 198	0.22 175	0.22 201	0.22 175	0.22 207	0.22 178	0.22 205	0.22 176	0.22 196	0.22 168	0.22 186	0.22 179	0.22 204	0.22 172	0.22 189

IMH-64-1	0.22 156	0.23 117	0.23 179	0.22 150	0.22 211	0.22 177	0.22 198	0.22 175	0.22 201	0.22 175	0.22 207	0.22 178	0.22 205	0.22 176	0.22 196	0.22 168	0.22 186	0.23 187	0.22 204	0.22 172	0.23 191

IMH-64	0.22 156	0.23 117	0.23 179	0.22 150	0.22 211	0.22 177	0.22 198	0.22 175	0.22 201	0.22 175	0.22 207	0.22 178	0.22 205	0.22 176	0.22 196	0.22 168	0.22 186	0.23 187	0.22 204	0.22 172	0.23 191

MIM_Stereo	0.25 167	0.23 117	0.66 358	0.80 340	0.17 183	0.22 177	0.17 172	0.23 181	0.18 186	0.26 200	0.17 179	0.21 170	0.17 181	0.25 193	0.17 173	0.23 179	0.16 146	0.21 174	0.17 190	0.22 172	0.17 175

dd	0.23 162	0.98 292	0.16 146	0.23 154	0.15 170	0.23 185	0.15 159	0.23 181	0.15 169	0.23 179	0.15 171	0.24 190	0.17 181	0.23 182	0.15 163	0.22 168	0.15 144	0.21 174	0.15 168	0.22 172	0.16 161

dad	0.23 162	1.03 315	0.16 146	0.23 154	0.15 170	0.24 188	0.15 159	0.24 184	0.16 173	0.23 179	0.16 174	0.24 190	0.16 172	0.23 182	0.15 163	0.22 168	0.16 146	0.22 179	0.16 170	0.22 172	0.16 161

iResNetv2_ROB	0.20 145	0.23 117	0.18 162	0.24 159	0.20 200	0.24 188	0.18 179	0.24 184	0.18 186	0.24 186	0.18 194	0.23 184	0.19 194	0.24 186	0.18 184	0.21 165	0.16 146	0.21 174	0.16 170	0.22 172	0.16 161

VIP-Stereo	0.70 342	2.97 499	2.43 558	2.49 506	0.16 179	0.25 195	0.16 164	0.25 190	0.16 173	0.25 192	0.18 194	0.25 195	0.16 172	0.26 203	0.16 169	1.86 500	1.26 483	0.23 187	0.15 168	0.23 183	0.15 160

tg	0.21 152	0.25 130	0.21 174	0.26 173	0.17 183	0.24 188	0.17 172	0.24 184	0.17 181	0.24 186	0.17 179	0.24 190	0.17 181	0.24 186	0.17 173	0.24 186	0.17 166	0.23 187	0.16 170	0.23 183	0.16 161

DLNR-FE	0.28 177	0.89 273	0.30 208	0.34 196	0.19 197	0.28 208	0.19 183	0.28 199	0.20 194	0.28 204	0.20 200	0.28 208	0.20 198	0.28 211	0.20 190	0.33 220	0.28 210	0.25 198	0.19 196	0.24 185	0.19 181

AANet_RVC	1.26 479	0.31 143	4.99 589	5.93 580	0.20 200	0.25 195	0.20 187	0.25 190	0.20 194	0.23 179	0.19 196	0.25 195	0.20 198	0.25 193	0.20 190	5.66 589	4.76 582	0.26 203	0.30 266	0.24 185	0.27 216

model_zeroshot	0.27 176	0.20 106	0.27 196	0.33 193	0.21 209	0.37 245	0.22 198	0.37 235	0.24 210	0.26 200	0.27 235	0.33 229	0.21 204	0.25 193	0.27 220	0.32 215	0.20 178	0.34 242	0.23 210	0.25 187	0.26 208

UNDER WATER-64	0.25 167	0.26 131	0.25 189	0.26 173	0.25 224	0.25 195	0.25 214	0.25 190	0.25 215	0.25 192	0.25 224	0.25 195	0.25 218	0.26 203	0.25 214	0.25 192	0.25 194	0.25 198	0.25 223	0.25 187	0.25 202

RAFT-FEzeroshot	0.34 206	0.26 131	0.17 153	0.21 147	0.17 183	0.20 164	0.16 164	0.20 162	0.16 173	0.20 161	0.17 179	0.21 170	0.16 172	0.27 207	0.24 206	0.19 155	0.16 146	0.19 167	0.16 170	0.26 189	3.08 575

RAFT-FE	0.34 206	0.26 131	0.17 153	0.21 147	0.17 183	0.20 164	0.16 164	0.20 162	0.16 173	0.20 161	0.17 179	0.21 170	0.16 172	0.27 207	0.24 206	0.19 155	0.16 146	0.19 167	0.16 170	0.26 189	3.08 575

LoS_RVC	0.30 183	1.14 328	0.25 189	0.25 166	0.25 224	0.26 203	0.25 214	0.25 190	0.25 215	0.25 192	0.25 224	0.26 205	0.26 227	0.26 203	0.25 214	0.26 194	0.26 197	0.25 198	0.25 223	0.26 189	0.26 208

CAS	0.30 183	1.17 334	0.25 189	0.25 166	0.25 224	0.26 203	0.25 214	0.25 190	0.26 228	0.25 192	0.25 224	0.25 195	0.25 218	0.25 193	0.25 214	0.26 194	0.26 197	0.26 203	0.25 223	0.26 189	0.25 202

LoS	0.25 167	0.27 134	0.25 189	0.25 166	0.25 224	0.25 195	0.25 214	0.26 195	0.25 215	0.25 192	0.25 224	0.25 195	0.25 218	0.25 193	0.25 214	0.26 194	0.25 194	0.25 198	0.26 229	0.26 189	0.25 202
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
tt1	0.31 190	0.93 285	0.24 186	0.33 193	0.23 217	0.31 218	0.24 211	0.32 213	0.24 210	0.32 221	0.23 211	0.32 226	0.25 218	0.32 224	0.24 206	0.27 197	0.26 197	0.27 207	0.26 229	0.27 194	0.27 216

RAFT + AFF	0.31 190	0.45 193	0.34 242	0.39 214	0.28 239	0.38 252	0.33 271	0.29 204	0.31 266	0.30 210	0.30 259	0.29 214	0.27 235	0.29 215	0.30 247	0.28 199	0.29 221	0.29 214	0.29 252	0.27 194	0.32 263

DCVSM-stereo	0.36 221	1.89 426	0.22 176	0.40 228	0.22 211	0.40 260	0.22 198	0.40 254	0.22 201	0.40 254	0.22 207	0.40 263	0.22 205	0.40 260	0.22 196	0.28 199	0.21 182	0.28 209	0.21 201	0.28 196	0.20 183

TorneroNet-64	0.45 276	0.27 134	0.30 208	0.58 306	0.27 234	0.70 378	0.30 247	0.28 199	0.73 415	0.73 382	0.28 242	0.71 380	0.66 384	0.75 383	0.27 220	0.27 197	0.29 221	0.37 266	0.75 419	0.28 196	0.30 247

SQANet	0.28 177	0.28 137	0.28 200	0.28 177	0.28 239	0.28 208	0.28 233	0.28 199	0.28 237	0.28 204	0.28 242	0.28 208	0.28 242	0.28 211	0.28 230	0.28 199	0.28 210	0.28 209	0.28 242	0.28 196	0.28 229

xxxxx1	0.31 190	0.91 278	0.23 179	0.31 185	0.23 217	0.31 218	0.23 206	0.33 217	0.25 215	0.31 215	0.24 218	0.33 229	0.25 218	0.32 224	0.24 206	0.28 199	0.28 210	0.28 209	0.28 242	0.29 199	0.27 216

tt_ll	0.31 190	0.91 278	0.23 179	0.31 185	0.23 217	0.31 218	0.23 206	0.33 217	0.25 215	0.31 215	0.24 218	0.33 229	0.25 218	0.32 224	0.24 206	0.28 199	0.28 210	0.28 209	0.28 242	0.29 199	0.27 216

ff	0.31 190	0.91 278	0.23 179	0.31 185	0.23 217	0.31 218	0.23 206	0.33 217	0.25 215	0.31 215	0.24 218	0.33 229	0.25 218	0.32 224	0.24 206	0.28 199	0.28 210	0.28 209	0.28 242	0.29 199	0.27 216

MultiAttention	0.30 183	0.30 140	0.30 208	0.30 179	0.30 258	0.30 212	0.30 247	0.30 206	0.30 254	0.30 210	0.30 259	0.30 218	0.30 256	0.30 217	0.30 247	0.30 207	0.30 230	0.30 216	0.30 266	0.30 202	0.30 247

MSAF-DinoV2	0.30 183	0.30 140	0.30 208	0.30 179	0.30 258	0.30 212	0.30 247	0.30 206	0.30 254	0.30 210	0.30 259	0.30 218	0.30 256	0.30 217	0.30 247	0.30 207	0.30 230	0.30 216	0.30 266	0.30 202	0.30 247

DEFOM-Stereo	0.68 338	3.11 502	1.40 502	1.63 474	0.25 224	0.31 218	0.25 214	0.31 211	0.28 237	0.31 215	0.29 247	0.29 214	0.27 235	0.31 221	0.28 230	1.59 492	1.47 505	0.30 216	0.29 252	0.30 202	0.28 229

WCG-NET（raft）	0.32 199	1.24 392	0.24 186	0.32 189	0.24 222	0.32 227	0.23 206	0.32 213	0.24 210	0.32 221	0.24 218	0.32 226	0.24 215	0.32 224	0.24 206	0.30 207	0.23 191	0.30 216	0.23 210	0.30 202	0.23 191

DANet	0.30 183	0.30 140	0.30 208	0.30 179	0.30 258	0.30 212	0.30 247	0.30 206	0.30 254	0.30 210	0.30 259	0.30 218	0.30 256	0.30 217	0.30 247	0.30 207	0.30 230	0.30 216	0.30 266	0.30 202	0.30 247
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DStereoO	0.31 190	0.31 143	0.31 220	0.30 179	0.40 326	0.31 218	0.30 247	0.30 206	0.34 287	0.29 209	0.31 267	0.29 214	0.30 256	0.31 221	0.31 255	0.31 213	0.29 221	0.31 223	0.30 266	0.31 207	0.31 256

DStereoSA	0.32 199	0.52 223	0.34 242	0.31 185	0.31 269	0.30 212	0.30 247	0.31 211	0.30 254	0.31 215	0.31 267	0.31 222	0.30 256	0.31 221	0.31 255	0.30 207	0.32 241	0.31 223	0.31 277	0.31 207	0.31 256

xyz-stereo-finetune	0.28 177	0.49 209	0.16 146	0.16 121	0.16 179	0.16 144	0.16 164	0.22 175	0.30 254	0.32 221	0.31 267	0.32 226	0.31 271	0.32 224	0.32 257	0.32 215	0.33 253	0.31 223	0.32 284	0.31 207	0.32 263

testlalala	0.32 199	0.81 259	0.31 220	0.39 214	0.26 232	0.33 230	0.24 211	0.33 217	0.26 228	0.32 221	0.26 230	0.33 229	0.23 211	0.33 231	0.23 202	0.35 233	0.31 236	0.30 216	0.24 218	0.31 207	0.21 186

DStereoFS	0.32 199	0.33 147	0.32 226	0.33 193	0.30 258	0.32 227	0.32 260	0.32 213	0.31 266	0.30 210	0.31 267	0.31 222	0.30 256	0.32 224	0.32 257	0.32 215	0.31 236	0.30 216	0.47 361	0.32 211	0.34 276

FE-Mocha	0.35 215	0.71 249	0.40 273	0.47 265	0.27 234	0.34 232	0.27 225	0.34 221	0.26 228	0.34 228	0.26 230	0.34 234	0.27 235	0.34 233	0.27 220	0.44 292	0.41 289	0.33 234	0.29 252	0.32 211	0.29 234

PAM	0.39 245	1.88 425	0.34 242	0.37 205	0.41 335	0.45 307	0.22 198	0.28 199	0.23 207	0.28 204	0.24 218	0.29 214	0.23 211	0.29 215	0.23 202	0.38 253	0.32 241	0.38 274	0.37 317	0.32 211	0.22 189

GCAP-BAT	0.33 204	0.78 253	0.32 226	0.38 208	0.25 224	0.34 232	0.25 214	0.34 221	0.26 228	0.34 228	0.25 224	0.35 236	0.26 227	0.35 236	0.27 220	0.36 238	0.30 230	0.32 226	0.24 218	0.32 211	0.26 208

1test111	0.37 227	1.02 313	0.30 208	0.39 214	0.29 248	0.40 260	0.28 233	0.39 247	0.29 243	0.39 248	0.29 247	0.39 255	0.28 242	0.40 260	0.29 240	0.33 220	0.32 241	0.33 234	0.31 277	0.32 211	0.31 256

cc1	0.37 227	1.02 313	0.30 208	0.39 214	0.29 248	0.40 260	0.28 233	0.39 247	0.29 243	0.39 248	0.29 247	0.39 255	0.28 242	0.40 260	0.29 240	0.33 220	0.32 241	0.33 234	0.31 277	0.32 211	0.31 256

IGEV-Stereo	0.35 215	0.44 185	0.45 292	0.49 276	0.30 258	0.37 245	0.30 247	0.36 229	0.30 254	0.36 236	0.29 247	0.36 242	0.29 249	0.36 242	0.30 247	0.46 299	0.39 277	0.32 226	0.24 218	0.32 211	0.25 202
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iResNet_ROB	0.28 177	0.32 145	0.24 186	0.32 189	0.25 224	0.32 227	0.24 211	0.32 213	0.24 210	0.33 226	0.24 218	0.35 236	0.24 215	0.33 231	0.24 206	0.31 213	0.24 193	0.32 226	0.24 218	0.32 211	0.24 201

ACVNet-DCA	0.37 227	1.00 301	0.30 208	0.40 228	0.29 248	0.40 260	0.29 242	0.40 254	0.29 243	0.40 254	0.29 247	0.40 263	0.29 249	0.39 257	0.28 230	0.33 220	0.32 241	0.33 234	0.32 284	0.33 219	0.32 263

DLNR_Zeroshot_test	0.31 190	0.28 137	0.47 303	0.79 338	0.24 222	0.30 212	0.26 222	0.30 206	0.24 210	0.32 221	0.23 211	0.31 222	0.24 215	0.30 217	0.23 202	0.29 206	0.26 197	0.29 214	0.24 218	0.33 219	0.23 191

CRFU-Net	0.65 331	1.67 411	1.22 480	1.96 484	0.27 234	0.41 276	0.27 225	0.41 269	0.27 234	0.40 254	0.26 230	0.41 276	0.27 235	0.40 260	0.27 220	1.80 499	1.62 519	0.34 242	0.23 210	0.33 219	0.23 191

FENet	0.54 311	1.52 406	1.19 430	1.41 462	0.23 217	0.35 237	0.23 206	0.35 225	0.23 207	0.34 228	0.23 211	0.35 236	0.23 211	0.35 236	0.23 202	1.40 482	1.07 414	0.32 226	0.23 210	0.33 219	0.23 191

H2IRNET	0.34 206	0.34 148	0.34 242	0.34 196	0.34 294	0.34 232	0.34 284	0.34 221	0.34 287	0.34 228	0.34 289	0.34 234	0.34 287	0.34 233	0.34 280	0.34 224	0.34 257	0.34 242	0.34 296	0.34 223	0.34 276

xx1	0.38 233	1.03 315	0.31 220	0.40 228	0.31 269	0.41 276	0.28 233	0.40 254	0.29 243	0.40 254	0.29 247	0.40 263	0.29 249	0.40 260	0.29 240	0.34 224	0.33 253	0.34 242	0.32 284	0.34 223	0.32 263

CASnet	0.35 215	0.51 221	0.44 290	0.32 189	0.31 269	0.24 188	0.34 284	0.36 229	0.25 215	0.31 215	0.37 309	0.30 218	0.33 282	0.25 193	0.45 336	0.37 242	0.37 264	0.33 234	0.35 308	0.34 223	0.37 294
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
BUS	0.83 379	1.91 429	0.92 406	4.48 554	0.02 21	0.40 260	0.04 81	0.41 269	0.02 21	0.48 314	0.03 52	0.41 276	0.05 94	0.03 39	0.05 88	1.97 510	4.19 579	0.33 234	0.23 210	0.34 223	0.27 216

NINENet	0.69 341	3.87 524	1.20 433	1.98 485	0.05 98	0.40 260	0.04 81	0.40 254	0.05 97	0.41 268	0.04 88	0.41 276	0.05 94	0.40 260	0.05 88	1.79 498	1.56 512	0.34 242	0.22 204	0.34 223	0.23 191

BSDual-CNN	0.81 370	1.91 429	0.92 406	4.48 554	0.02 21	0.42 296	0.06 109	0.41 269	0.02 21	0.48 314	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 510	4.19 579	0.33 234	0.23 210	0.34 223	0.27 216

hknet	1.10 424	1.85 422	3.49 578	4.48 554	0.02 21	0.42 296	0.06 109	0.41 269	0.02 21	0.48 314	0.03 52	0.41 276	0.03 52	0.42 288	0.03 48	4.39 565	4.19 579	0.33 234	0.23 210	0.34 223	0.27 216

iRaft-Stereo_5w	0.34 206	0.42 181	0.31 220	0.39 214	0.30 258	0.38 252	0.30 247	0.40 254	0.29 243	0.40 254	0.37 309	0.41 276	0.34 287	0.38 249	0.30 247	0.34 224	0.27 204	0.34 242	0.26 229	0.34 223	0.26 208

iRaft-Stereo_20w	0.34 206	0.41 174	0.31 220	0.39 214	0.29 248	0.40 260	0.32 260	0.41 269	0.32 271	0.38 242	0.30 259	0.39 255	0.30 256	0.38 249	0.32 257	0.35 233	0.27 204	0.34 242	0.27 237	0.34 223	0.29 234

HGLStereo	0.28 177	0.29 139	0.22 176	0.36 202	0.22 211	0.36 240	0.21 193	0.36 229	0.21 198	0.42 282	0.21 206	0.36 242	0.22 205	0.36 242	0.21 194	0.34 224	0.21 182	0.34 242	0.21 201	0.34 223	0.21 186

MLCV	0.31 190	0.35 149	0.27 196	0.35 198	0.28 239	0.35 237	0.27 225	0.35 225	0.28 237	0.36 236	0.27 235	0.35 236	0.27 235	0.35 236	0.27 220	0.34 224	0.27 204	0.34 242	0.27 237	0.34 223	0.27 216

DN-CSS_ROB	0.31 190	0.35 149	0.28 200	0.35 198	0.28 239	0.34 232	0.27 225	0.34 221	0.25 215	0.35 233	0.27 235	0.36 242	0.26 227	0.34 233	0.28 230	0.35 233	0.28 210	0.34 242	0.28 242	0.34 223	0.27 216

LG-Stereo_L2	0.34 206	0.37 154	0.38 260	0.47 265	0.28 239	0.39 258	0.28 233	0.39 247	0.28 237	0.39 248	0.28 242	0.39 255	0.28 242	0.38 249	0.28 230	0.42 290	0.35 259	0.36 263	0.26 229	0.35 235	0.26 208

MyStereo07	0.60 320	3.72 518	0.48 311	0.49 276	0.41 335	0.36 240	0.32 260	0.49 315	0.43 339	0.51 342	0.42 343	0.49 325	0.43 336	0.51 341	0.64 376	0.49 311	0.45 310	0.34 242	0.32 284	0.35 235	0.43 325

MyStereo04	0.56 318	3.72 518	0.59 343	0.49 276	0.41 335	0.36 240	0.32 260	0.37 235	0.31 266	0.34 228	0.46 353	0.35 236	0.32 274	0.35 236	0.33 267	0.49 311	0.45 310	0.34 242	0.32 284	0.35 235	0.43 325

HH	0.71 345	2.54 473	0.74 384	1.10 380	0.32 272	0.41 276	0.37 302	0.69 370	0.78 419	0.73 382	0.90 431	0.75 388	1.00 426	0.84 391	0.69 397	0.69 357	0.40 280	0.35 258	0.26 229	0.35 235	0.26 208

HanStereo	0.71 345	2.54 473	0.74 384	1.10 380	0.32 272	0.41 276	0.37 302	0.69 370	0.78 419	0.73 382	0.90 431	0.75 388	1.00 426	0.84 391	0.69 397	0.69 357	0.40 280	0.35 258	0.26 229	0.35 235	0.26 208

FCDSN-DC	0.41 256	0.59 239	0.64 354	0.54 297	0.33 284	0.50 337	0.37 302	0.42 287	0.40 322	0.61 366	0.43 345	0.50 340	0.49 358	0.38 249	0.32 257	0.28 199	0.23 191	0.26 203	0.22 204	0.35 235	0.28 229
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ETE_ROB	0.35 215	0.35 149	0.35 251	0.35 198	0.35 297	0.35 237	0.35 289	0.35 225	0.35 291	0.35 233	0.35 298	0.35 236	0.35 294	0.35 236	0.35 284	0.35 233	0.35 259	0.35 258	0.35 308	0.35 235	0.35 286

Monster-pub-mixall	0.44 273	0.56 235	0.60 345	0.38 208	0.27 234	0.37 245	0.27 225	0.37 235	0.29 243	0.38 242	0.27 235	0.38 250	0.29 249	0.85 395	0.27 220	1.46 486	0.26 197	0.34 242	0.26 229	0.36 242	0.53 357

Replicate-Monster	0.45 276	0.57 236	0.60 345	0.40 228	0.29 248	0.37 245	0.27 225	0.37 235	0.30 254	0.40 254	0.31 267	0.40 263	0.30 256	0.99 413	0.27 220	1.36 479	0.31 236	0.34 242	0.30 266	0.36 242	0.54 360

Any-RAFT	0.32 199	0.36 152	0.27 196	0.36 202	0.27 234	0.36 240	0.27 225	0.36 229	0.27 234	0.36 236	0.27 235	0.36 242	0.27 235	0.36 242	0.28 230	0.36 238	0.28 210	0.36 263	0.28 242	0.36 242	0.28 229

DMCA	0.36 221	0.38 158	0.37 257	0.35 198	0.35 297	0.36 240	0.36 296	0.36 229	0.35 291	0.35 233	0.37 309	0.36 242	0.36 297	0.35 236	0.36 288	0.36 238	0.36 262	0.35 258	0.36 314	0.36 242	0.36 289

HiDET	0.38 233	0.44 185	0.30 208	0.42 250	0.30 258	0.42 296	0.30 247	0.42 287	0.30 254	0.44 293	0.30 259	0.42 294	0.30 256	0.42 288	0.68 389	0.37 242	0.32 241	0.40 290	0.29 252	0.37 246	0.29 234

LCMNet	0.38 233	0.44 185	0.30 208	0.42 250	0.30 258	0.42 296	0.30 247	0.42 287	0.30 254	0.45 295	0.30 259	0.42 294	0.30 256	0.42 288	0.69 397	0.37 242	0.32 241	0.40 290	0.29 252	0.37 246	0.29 234

CSFM-Stereo	0.38 233	0.44 185	0.30 208	0.42 250	0.30 258	0.42 296	0.30 247	0.43 293	0.30 254	0.44 293	0.30 259	0.42 294	0.30 256	0.42 288	0.73 407	0.37 242	0.32 241	0.40 290	0.29 252	0.37 246	0.30 247

Monster-pub-eth3d	0.45 276	0.57 236	0.60 345	0.39 214	0.28 239	0.37 245	0.28 233	0.37 235	0.30 254	0.39 248	0.29 247	0.39 255	0.30 256	0.92 405	0.27 220	1.42 483	0.28 210	0.34 242	0.28 242	0.37 246	0.53 357

GIP-stereo	0.36 221	0.49 209	0.39 268	0.48 270	0.32 272	0.41 276	0.28 233	0.40 254	0.30 254	0.41 268	0.28 242	0.40 263	0.28 242	0.42 288	0.28 230	0.45 295	0.32 241	0.38 274	0.30 266	0.37 246	0.27 216

fffy	0.38 233	0.43 182	0.33 232	0.46 259	0.33 284	0.45 307	0.32 260	0.45 297	0.32 271	0.45 295	0.32 274	0.45 304	0.33 282	0.45 300	0.32 257	0.38 253	0.38 270	0.38 274	0.37 317	0.37 246	0.36 289

IGEV++	0.34 206	0.43 182	0.30 208	0.40 228	0.29 248	0.40 260	0.29 242	0.40 254	0.29 243	0.40 254	0.29 247	0.40 263	0.29 249	0.40 260	0.30 247	0.38 253	0.29 221	0.37 266	0.29 252	0.37 246	0.29 234

Venus	0.38 233	0.38 158	0.38 260	0.38 208	0.38 314	0.37 245	0.38 309	0.37 235	0.37 304	0.41 268	0.37 309	0.39 255	0.37 302	0.38 249	0.38 300	0.37 242	0.38 270	0.38 274	0.37 317	0.37 246	0.38 301

EKT-Stereo	0.37 227	0.40 166	0.44 290	1.07 378	0.29 248	0.34 232	0.31 258	0.36 229	0.29 243	0.38 242	0.31 267	0.37 248	0.30 256	0.36 242	0.29 240	0.34 224	0.28 210	0.39 285	0.30 266	0.37 246	0.30 247

CES	0.39 245	0.47 201	0.36 253	0.36 202	0.37 307	0.45 307	0.35 289	0.35 225	0.40 322	0.36 236	0.44 347	0.47 314	0.36 297	0.44 297	0.36 288	0.37 242	0.39 277	0.44 321	0.35 308	0.37 246	0.36 289

IER	0.88 394	7.04 565	2.23 551	2.75 512	0.28 239	0.43 303	0.25 214	0.39 247	0.25 215	0.41 268	0.27 235	0.39 255	0.25 218	0.40 260	0.28 230	0.37 242	0.28 210	0.37 266	0.25 223	0.37 246	0.25 202

StereoDRNet-Refined	0.33 204	0.39 164	0.26 195	0.39 214	0.26 232	0.40 260	0.26 222	0.40 254	0.26 228	0.39 248	0.26 230	0.39 255	0.26 227	0.39 257	0.26 219	0.37 242	0.25 194	0.37 266	0.25 223	0.37 246	0.37 294
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.37 227	0.37 154	0.37 257	0.37 205	0.37 307	0.37 245	0.37 302	0.37 235	0.37 304	0.37 241	0.37 309	0.37 248	0.37 302	0.37 246	0.37 297	0.37 242	0.37 264	0.37 266	0.37 317	0.37 246	0.37 294

MonSter++	0.38 233	0.44 185	0.31 220	0.43 256	0.30 258	0.43 303	0.31 258	0.43 293	0.31 266	0.45 295	0.31 267	0.43 301	0.31 271	0.43 294	0.69 397	0.38 253	0.33 253	0.40 290	0.30 266	0.38 259	0.30 247

IGEV-FE	0.35 215	0.37 154	0.17 153	0.19 134	0.17 183	0.20 164	0.17 172	0.19 156	0.17 181	0.19 155	0.17 179	0.19 159	0.17 181	0.37 246	0.36 288	0.19 155	0.17 166	0.19 167	0.17 190	0.38 259	2.84 566

RAFT-Stereo-weight	0.45 276	1.90 428	0.34 242	0.42 250	0.36 303	0.43 303	0.35 289	0.42 287	0.34 287	0.42 282	0.34 289	0.44 302	0.34 287	0.41 275	0.34 280	0.38 253	0.32 241	0.38 274	0.32 284	0.38 259	0.33 270

WAO-8	0.38 233	0.38 158	0.38 260	0.38 208	0.38 314	0.38 252	0.38 309	0.38 243	0.38 308	0.38 242	0.38 314	0.38 250	0.38 306	0.38 249	0.38 300	0.38 253	0.38 270	0.38 274	0.37 317	0.38 259	0.38 301

WAO-7	0.38 233	0.38 158	0.38 260	0.38 208	0.38 314	0.38 252	0.38 309	0.38 243	0.38 308	0.38 242	0.38 314	0.38 250	0.38 306	0.38 249	0.38 300	0.38 253	0.38 270	0.38 274	0.38 330	0.38 259	0.38 301

HanzoNet	0.39 245	0.38 158	0.40 273	0.39 214	0.41 335	0.38 252	0.38 309	0.38 243	0.38 308	0.39 248	0.39 324	0.38 250	0.38 306	0.39 257	0.40 316	0.38 253	0.38 270	0.40 290	0.38 330	0.38 259	0.40 310

IMH	0.38 233	0.38 158	0.38 260	0.38 208	0.38 314	0.38 252	0.38 309	0.38 243	0.38 308	0.42 282	0.38 314	0.40 263	0.38 306	0.38 249	0.38 300	0.38 253	0.38 270	0.39 285	0.38 330	0.38 259	0.38 301

RAFT-Test	0.36 221	0.37 154	0.33 232	0.41 240	0.32 272	0.41 276	0.32 260	0.41 269	0.32 271	0.41 268	0.32 274	0.41 276	0.32 274	0.41 275	0.33 267	0.37 242	0.29 221	0.37 266	0.29 252	0.38 259	0.31 256

RCA-Stereo	0.51 306	3.22 506	0.34 242	0.44 257	0.34 294	0.44 306	0.34 284	0.43 293	0.34 287	0.43 288	0.34 289	0.44 302	0.33 282	0.43 294	0.33 267	0.38 253	0.29 221	0.38 274	0.29 252	0.38 259	0.29 234

DDF-Stereo	0.43 268	1.15 331	0.57 341	0.53 294	0.32 272	0.41 276	0.32 260	0.41 269	0.32 271	0.41 268	0.32 274	0.41 276	0.32 274	0.40 260	0.32 257	0.52 325	0.50 333	0.38 274	0.31 277	0.39 268	0.31 256

water-stereo	0.41 256	0.84 263	0.46 296	0.50 284	0.33 284	0.45 307	0.33 271	0.45 297	0.32 271	0.45 295	0.32 274	0.45 304	0.32 274	0.45 300	0.32 257	0.44 292	0.41 289	0.39 285	0.31 277	0.39 268	0.32 263

mms	0.40 249	0.45 193	0.35 251	0.48 270	0.36 303	0.47 318	0.34 284	0.45 297	0.38 308	0.47 307	0.33 281	0.45 304	0.32 274	0.45 300	0.32 257	0.39 264	0.38 270	0.38 274	0.37 317	0.39 268	0.39 307

GMOStereo	0.37 227	0.45 193	0.23 179	0.30 179	0.37 307	0.41 276	0.36 296	0.41 269	0.35 291	0.43 288	0.36 302	0.41 276	0.40 316	0.41 275	0.36 288	0.34 224	0.22 186	0.47 338	0.37 317	0.39 268	0.33 270

error version	0.93 404	4.47 537	2.35 554	1.99 486	0.37 307	0.41 276	0.36 296	0.41 269	0.35 291	0.43 288	0.36 302	0.41 276	0.40 316	0.41 275	0.36 288	1.87 502	2.16 547	0.47 338	0.37 317	0.39 268	0.33 270

test_1	0.93 404	4.47 537	2.35 554	1.99 486	0.37 307	0.41 276	0.36 296	0.41 269	0.35 291	0.43 288	0.36 302	0.41 276	0.40 316	0.41 275	0.36 288	1.87 502	2.16 547	0.47 338	0.37 317	0.39 268	0.33 270

HART	0.38 233	0.45 193	0.34 242	0.42 250	0.33 284	0.41 276	0.34 284	0.42 287	0.33 278	0.43 288	0.34 289	0.42 294	0.34 287	0.41 275	0.38 300	0.40 268	0.32 241	0.42 318	0.32 284	0.40 274	0.32 263

RSM	0.36 221	0.36 152	0.43 288	0.37 205	0.42 345	0.49 328	0.42 336	0.37 235	0.28 237	0.36 236	0.29 247	0.36 242	0.30 256	0.37 246	0.28 230	0.34 224	0.31 236	0.34 242	0.35 308	0.40 274	0.29 234

knoymous	0.40 249	0.40 166	0.40 273	0.40 228	0.40 326	0.40 260	0.40 323	0.40 254	0.40 322	0.40 254	0.40 327	0.40 263	0.40 316	0.40 260	0.40 316	0.40 268	0.40 280	0.40 290	0.40 334	0.40 274	0.40 310

anonymousa	0.40 249	0.40 166	0.40 273	0.40 228	0.40 326	0.40 260	0.40 323	0.40 254	0.40 322	0.40 254	0.40 327	0.40 263	0.40 316	0.40 260	0.40 316	0.40 268	0.40 280	0.40 290	0.40 334	0.40 274	0.40 310

riskmin	0.40 249	0.40 166	0.40 273	0.40 228	0.40 326	0.40 260	0.40 323	0.40 254	0.40 322	0.40 254	0.40 327	0.40 263	0.40 316	0.40 260	0.40 316	0.40 268	0.40 280	0.40 290	0.40 334	0.40 274	0.40 310

Anonymous_2	0.40 249	0.40 166	0.40 273	0.40 228	0.40 326	0.40 260	0.40 323	0.40 254	0.40 322	0.40 254	0.40 327	0.40 263	0.40 316	0.40 260	0.40 316	0.40 268	0.40 280	0.40 290	0.40 334	0.40 274	0.40 310

Anonymous_1	0.40 249	0.40 166	0.40 273	0.40 228	0.40 326	0.40 260	0.40 323	0.40 254	0.40 322	0.40 254	0.40 327	0.40 263	0.40 316	0.40 260	0.40 316	0.40 268	0.40 280	0.40 290	0.40 334	0.40 274	0.40 310

DGSMNet	0.34 206	0.41 174	0.27 196	0.41 240	0.28 239	0.41 276	0.28 233	0.41 269	0.27 234	0.41 268	0.27 235	0.42 294	0.27 235	0.41 275	0.28 230	0.40 268	0.29 221	0.40 290	0.28 242	0.40 274	0.27 216

Gwc-CoAtRS	0.41 256	1.49 405	0.32 226	0.42 250	0.32 272	0.41 276	0.32 260	0.41 269	0.33 278	0.41 268	0.32 274	0.41 276	0.32 274	0.41 275	0.32 257	0.39 264	0.28 210	0.39 285	0.28 242	0.40 274	0.28 229

AdaStereo	0.40 249	0.40 166	0.40 273	0.40 228	0.40 326	0.40 260	0.40 323	0.40 254	0.40 322	0.40 254	0.40 327	0.40 263	0.40 316	0.40 260	0.40 316	0.40 268	0.40 280	0.40 290	0.40 334	0.40 274	0.40 310
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
depthmonostereo	0.44 273	0.85 265	0.46 296	0.54 297	0.40 326	0.52 352	0.38 309	0.52 341	0.35 291	0.47 307	0.34 289	0.46 308	0.34 287	0.47 309	0.34 280	0.45 295	0.43 302	0.41 307	0.33 292	0.41 284	0.32 263

GREAT-IGEV	0.38 233	0.43 182	0.36 253	0.48 270	0.32 272	0.45 307	0.32 260	0.45 297	0.32 271	0.45 295	0.32 274	0.45 304	0.32 274	0.45 300	0.32 257	0.44 292	0.33 253	0.41 307	0.29 252	0.41 284	0.29 234

ccccc	0.41 256	0.44 185	0.34 242	0.48 270	0.35 297	0.48 323	0.35 289	0.51 337	0.35 291	0.47 307	0.35 298	0.47 314	0.34 287	0.47 309	0.35 284	0.41 276	0.40 280	0.40 290	0.40 334	0.41 284	0.39 307

Former-RAFT_DAM_RVC	0.49 299	0.98 292	0.64 354	0.84 345	0.46 353	0.45 307	0.35 289	0.47 307	0.47 350	0.45 295	0.34 289	0.46 308	0.48 353	0.46 305	0.35 284	0.39 264	0.71 381	0.39 285	0.35 308	0.41 284	0.41 317

GwcNet-ADL	0.41 256	0.41 174	0.41 282	0.41 240	0.41 335	0.41 276	0.41 331	0.41 269	0.41 331	0.41 268	0.41 333	0.41 276	0.41 327	0.41 275	0.41 323	0.41 276	0.41 289	0.41 307	0.41 341	0.41 284	0.41 317

PSMNet-ADL	0.41 256	0.41 174	0.41 282	0.41 240	0.41 335	0.41 276	0.41 331	0.41 269	0.41 331	0.41 268	0.41 333	0.41 276	0.41 327	0.41 275	0.41 323	0.41 276	0.41 289	0.41 307	0.41 341	0.41 284	0.41 317

GANet-ADL	0.41 256	0.41 174	0.41 282	0.41 240	0.41 335	0.41 276	0.41 331	0.41 269	0.41 331	0.41 268	0.41 333	0.41 276	0.41 327	0.41 275	0.41 323	0.41 276	0.41 289	0.41 307	0.41 341	0.41 284	0.41 317

ADLNet2	0.41 256	0.41 174	0.41 282	0.41 240	0.41 335	0.41 276	0.41 331	0.41 269	0.41 331	0.41 268	0.41 333	0.41 276	0.41 327	0.41 275	0.41 323	0.41 276	0.41 289	0.41 307	0.41 341	0.41 284	0.41 317

ADLNet	0.41 256	0.41 174	0.41 282	0.41 240	0.41 335	0.41 276	0.41 331	0.41 269	0.41 331	0.41 268	0.41 333	0.41 276	0.41 327	0.41 275	0.41 323	0.41 276	0.41 289	0.41 307	0.41 341	0.41 284	0.41 317

CFNet-RSSM	0.91 397	4.89 542	0.34 242	0.44 257	1.07 451	1.62 506	1.40 520	0.91 393	0.35 291	1.60 498	1.39 520	0.64 373	0.34 287	0.44 297	0.33 267	0.41 276	0.35 259	0.75 390	0.30 266	0.41 284	0.29 234

SCV_C0	0.45 276	0.88 270	0.49 318	0.54 297	0.37 307	0.48 323	0.37 302	0.48 311	0.37 304	0.48 314	0.36 302	0.48 321	0.37 302	0.49 324	0.37 297	0.50 317	0.41 289	0.44 321	0.34 296	0.44 294	0.34 276

SCV	0.46 282	0.94 287	0.45 292	0.54 297	0.37 307	0.48 323	0.38 309	0.48 311	0.37 304	0.48 314	0.39 324	0.48 321	0.37 302	0.49 324	0.37 297	0.50 317	0.46 312	0.44 321	0.34 296	0.44 294	0.34 276

GCST	0.50 301	2.08 439	0.38 260	0.53 294	0.35 297	0.49 328	0.35 289	0.50 324	0.35 291	0.49 321	0.35 298	0.49 325	0.35 294	0.49 324	0.35 284	0.48 308	0.37 264	0.45 325	0.33 292	0.44 294	0.33 270

LL-Strereo2	0.48 293	1.73 418	0.51 329	0.59 309	0.34 294	0.42 296	0.33 271	0.40 254	0.31 266	0.42 282	0.33 281	0.42 294	0.31 271	0.44 297	0.39 312	0.60 341	0.51 338	0.44 321	0.33 292	0.44 294	0.33 270

Select-FE	0.41 256	0.44 185	0.23 179	0.26 173	0.22 211	0.26 203	0.22 198	0.26 195	0.23 207	0.26 200	0.23 211	0.26 205	0.23 211	0.45 300	0.42 331	0.25 192	0.22 186	0.25 198	0.22 204	0.45 298	2.90 567

Zero-FE251	0.36 221	0.40 166	0.28 200	0.41 240	0.28 239	0.41 276	0.28 233	0.41 269	0.28 237	0.41 268	0.28 242	0.41 276	0.28 242	0.42 288	0.30 247	0.37 242	0.26 197	0.37 266	0.27 237	0.45 298	0.56 368

UGAM	0.51 306	2.23 452	0.39 268	0.54 297	0.35 297	0.50 337	0.35 289	0.49 315	0.35 291	0.49 321	0.35 298	0.49 325	0.36 297	0.50 332	0.36 288	0.49 311	0.37 264	0.45 325	0.34 296	0.45 298	0.34 276

Pro-Stereo	0.79 362	0.53 227	0.38 260	0.49 276	0.38 314	0.49 328	0.37 302	0.49 315	0.67 389	0.50 334	0.38 314	1.10 434	0.38 306	0.49 324	0.38 300	0.71 361	0.88 400	5.98 600	0.36 314	0.46 301	0.36 289

GEAStereo	0.62 326	3.91 525	0.48 311	0.69 325	0.38 314	0.51 349	0.38 309	0.51 337	0.38 308	0.53 348	0.38 314	0.50 340	0.38 306	0.51 341	0.38 300	0.54 329	0.43 302	0.46 329	0.34 296	0.46 301	0.34 276

GSStereo	0.81 370	4.28 535	0.50 322	0.59 309	0.40 326	0.51 349	0.38 309	0.50 324	0.38 308	0.50 334	0.38 314	0.50 340	3.79 581	0.50 332	0.38 300	0.54 329	0.43 302	0.46 329	0.34 296	0.46 301	0.35 286

GS-Stereo							0.38 309	0.50 324	0.38 308	0.50 334	0.38 314	0.50 340	3.79 581	0.50 332	0.38 300	0.54 329	0.43 302	0.46 329	0.34 296	0.46 301	0.35 286

gasm-f	0.62 326	3.91 525	0.48 311	0.69 325	0.38 314	0.51 349	0.38 309	0.51 337	0.38 308	0.53 348	0.38 314	0.50 340	0.38 306	0.51 341	0.38 300	0.54 329	0.43 302	0.46 329	0.34 296	0.46 301	0.34 276

GASTEREO	0.48 293	1.21 384	0.47 303	0.57 304	0.38 314	0.50 337	0.38 309	0.50 324	0.38 308	0.50 334	0.38 314	0.50 340	0.38 306	0.50 332	0.38 300	0.52 325	0.42 298	0.46 329	0.34 296	0.46 301	0.34 276

UGAM-zero	0.51 306	2.17 447	0.39 268	0.53 294	0.36 303	0.50 337	0.36 296	0.50 324	0.36 302	0.49 321	0.36 302	0.50 340	0.35 294	0.50 332	0.36 288	0.49 311	0.37 264	0.47 338	0.35 308	0.46 301	0.34 276

otaku	0.46 282	0.46 197	0.46 296	0.46 259	0.46 353	0.46 313	0.46 346	0.46 301	0.46 345	0.46 301	0.46 353	0.46 308	0.46 344	0.46 305	0.46 340	0.46 299	0.46 312	0.46 329	0.46 354	0.46 301	0.46 331

Ntro	0.47 288	0.47 201	0.46 296	0.46 259	0.46 353	0.47 318	0.47 351	0.46 301	0.47 350	0.46 301	0.46 353	0.47 314	0.46 344	0.47 309	0.47 347	0.47 304	0.46 312	0.46 329	0.46 354	0.46 301	0.46 331

Dean	0.46 282	0.46 197	0.46 296	0.46 259	0.46 353	0.46 313	0.46 346	0.46 301	0.46 345	0.47 307	0.46 353	0.46 308	0.46 344	0.46 305	0.46 340	0.46 299	0.46 312	0.46 329	0.46 354	0.46 301	0.46 331

ACVNet_1	0.46 282	0.47 201	0.46 296	0.46 259	0.46 353	0.46 313	0.46 346	0.46 301	0.47 350	0.46 301	0.46 353	0.46 308	0.46 344	0.46 305	0.46 340	0.46 299	0.46 312	0.47 338	0.46 354	0.46 301	0.46 331

ACVNet-4b	0.46 282	0.46 197	0.46 296	0.46 259	0.46 353	0.46 313	0.46 346	0.46 301	0.46 345	0.46 301	0.46 353	0.46 308	0.46 344	0.47 309	0.46 340	0.46 299	0.46 312	0.46 329	0.46 354	0.46 301	0.46 331

Selective-IGEV	0.51 306	0.55 233	0.45 292	0.69 325	0.45 351	0.61 368	0.45 344	0.50 324	0.40 322	0.56 358	0.44 347	0.55 359	0.40 316	0.72 378	0.67 381	0.59 340	0.46 312	0.45 325	0.34 296	0.46 301	0.37 294

DilatedVolume-Stereo	0.43 268	0.86 266	0.48 311	0.50 284	0.33 284	0.46 313	0.33 271	0.46 301	0.33 278	0.46 301	0.33 281	0.47 314	0.33 282	0.47 309	0.34 280	0.45 295	0.42 298	0.40 290	0.33 292	0.47 314	0.38 301

HaxPig	0.47 288	0.47 201	0.47 303	0.49 276	0.47 359	0.47 318	0.47 351	0.47 307	0.47 350	0.47 307	0.47 361	0.47 314	0.47 352	0.47 309	0.47 347	0.47 304	0.47 320	0.47 338	0.47 361	0.47 314	0.48 340

UNDER WATER	0.47 288	0.47 201	0.47 303	0.47 265	0.47 359	0.47 318	0.47 351	0.47 307	0.47 350	0.47 307	0.47 361	0.47 314	0.46 344	0.47 309	0.47 347	0.47 304	0.47 320	0.47 338	0.46 354	0.47 314	0.47 338

LVE	0.47 288	0.47 201	0.47 303	0.47 265	0.49 365	0.47 318	0.47 351	0.47 307	0.49 359	0.47 307	0.47 361	0.47 314	0.46 344	0.47 309	0.47 347	0.47 304	0.47 320	0.48 346	0.47 361	0.47 314	0.47 338

MSCF	0.51 306	1.40 402	0.49 318	0.58 306	0.38 314	0.50 337	0.38 309	0.54 345	0.41 331	0.52 345	0.41 333	0.53 352	0.42 333	0.53 348	0.41 323	0.60 341	0.47 320	0.48 346	0.37 317	0.48 318	0.38 301

gcap-zeroshot	0.35 215	0.32 145	0.37 257	0.49 276	0.39 324	0.33 230	0.21 193	0.26 195	0.35 291	0.42 282	0.34 289	0.49 325	0.29 249	0.47 309	0.39 312	0.34 224	0.17 166	0.38 274	0.23 210	0.48 318	0.34 276

RainbowNet	0.48 293	0.48 207	0.48 311	0.48 270	0.48 363	0.48 323	0.48 360	0.48 311	0.48 357	0.48 314	0.48 365	0.48 321	0.48 353	0.48 318	0.48 353	0.48 308	0.48 324	0.48 346	0.48 365	0.48 318	0.48 340

notaker	0.48 293	0.49 209	0.48 311	0.48 270	0.48 363	0.48 323	0.48 360	0.48 311	0.49 359	0.48 314	0.48 365	0.48 321	0.48 353	0.48 318	0.48 353	0.48 308	0.48 324	0.48 346	0.48 365	0.48 318	0.49 345

LG-Stereo_L1	0.47 288	0.52 223	0.47 303	0.62 314	0.39 324	0.53 354	0.40 323	0.53 343	0.39 321	0.53 348	0.39 324	0.53 352	0.39 315	0.53 348	0.39 312	0.55 335	0.46 312	0.49 351	0.37 317	0.49 322	0.37 294

TorneroNet	0.66 333	0.53 227	0.50 322	0.50 284	0.64 394	1.06 424	0.70 403	0.50 324	0.51 369	0.49 321	0.69 407	0.49 325	0.50 361	0.48 318	1.15 448	0.71 361	0.49 327	1.14 440	1.08 445	0.49 322	0.49 345

ACVNet_2	0.49 299	0.49 209	0.49 318	0.49 276	0.49 365	0.49 328	0.49 362	0.49 315	0.49 359	0.49 321	0.49 368	0.49 325	0.49 358	0.49 324	0.49 355	0.49 311	0.49 327	0.49 351	0.49 368	0.49 322	0.49 345

iRaftStereo_RVC	0.97 408	3.17 505	2.30 553	2.42 503	0.38 314	0.54 357	0.38 309	0.54 345	0.38 308	0.54 353	0.38 314	0.54 355	0.38 306	0.54 350	0.38 300	2.38 536	2.34 551	0.49 351	0.36 314	0.49 322	0.36 289

aanetorigin	0.13 104	0.11 80	0.11 90	0.11 76	0.11 138	0.11 124	0.11 133	0.11 124	0.11 135	0.11 125	0.12 146	0.11 125	0.11 134	0.11 126	0.11 128	0.11 88	0.11 98	0.14 128	0.11 130	0.49 322	0.11 129

FoundationStereo	0.50 301	0.50 213	0.50 322	0.50 284	0.50 369	0.50 337	0.50 364	0.50 324	0.50 362	0.50 334	0.50 370	0.50 340	0.50 361	0.50 332	0.50 356	0.50 317	0.50 333	0.50 355	0.50 370	0.50 327	0.50 348

StereoAnything_RVC	0.50 301	0.50 213	0.50 322	0.50 284	0.50 369	0.50 337	0.50 364	0.50 324	0.50 362	0.50 334	0.50 370	0.50 340	0.50 361	0.50 332	0.50 356	0.50 317	0.50 333	0.50 355	0.50 370	0.50 327	0.50 348

fffft	0.48 293	0.51 221	0.45 292	0.52 293	0.45 351	0.52 352	0.45 344	0.52 341	0.48 357	0.53 348	0.45 351	0.52 351	0.45 341	0.52 346	0.46 340	0.51 323	0.41 289	0.50 355	0.41 341	0.50 327	0.41 317
1: 1. 1
dual_stereo	0.50 301	0.50 213	0.50 322	0.50 284	0.50 369	0.50 337	0.50 364	0.50 324	0.50 362	0.50 334	0.50 370	0.50 340	0.50 361	0.50 332	0.50 356	0.50 317	0.50 333	0.50 355	0.50 370	0.50 327	0.50 348

KSHMR	0.66 333	0.50 213	0.48 311	1.15 388	0.52 375	0.49 328	0.51 368	0.49 315	0.71 409	0.67 376	0.50 370	1.16 442	1.11 436	0.66 371	0.52 363	0.49 311	0.49 327	0.51 360	0.66 402	0.50 327	1.14 446

SANet	0.50 301	0.50 213	0.50 322	0.50 284	0.50 369	0.50 337	0.50 364	0.50 324	0.50 362	0.50 334	0.50 370	0.50 340	0.50 361	0.50 332	0.50 356	0.50 317	0.50 333	0.50 355	0.50 370	0.50 327	0.50 348

LG-Stereo_Zeroshot	0.48 293	0.55 233	0.47 303	0.63 316	0.41 335	0.56 359	0.44 339	0.56 349	0.41 331	0.56 358	0.41 333	0.57 364	0.42 333	0.56 355	0.41 323	0.55 335	0.43 302	0.51 360	0.37 317	0.51 333	0.37 294

Occ-G	1.12 427	0.52 223	3.72 583	3.50 542	0.50 369	0.56 359	0.47 351	0.54 345	0.46 345	0.54 353	0.41 333	0.54 355	0.42 333	0.52 346	0.42 331	3.42 558	4.02 578	0.52 363	0.45 352	0.51 333	0.44 328

FSD	0.61 323	0.59 239	0.50 322	2.58 510	0.44 348	0.56 359	0.44 339	0.55 348	0.44 342	0.56 358	0.44 347	0.56 362	0.44 338	0.56 355	0.46 340	0.61 345	0.42 298	0.52 363	0.42 349	0.52 335	0.51 355

LG-Stereo	0.60 320	0.58 238	0.47 303	0.64 319	0.74 413	1.00 409	0.69 398	0.57 352	0.41 331	0.57 361	0.41 333	0.57 364	0.41 327	1.00 415	0.75 412	0.91 386	0.51 338	0.52 363	0.37 317	0.52 335	0.37 294

ktn	0.72 348	0.53 227	1.08 419	1.14 386	0.51 374	1.22 486	1.36 513	0.51 337	0.59 377	0.51 342	0.51 376	0.69 379	1.20 447	0.67 373	0.51 361	0.51 323	0.49 327	0.58 370	0.66 402	0.52 335	0.53 357

LL-Strereo	1.01 417	5.06 544	1.63 515	0.70 329	1.43 519	0.56 359	0.46 346	0.57 352	0.50 362	0.57 361	0.50 370	1.58 502	0.49 358	0.59 362	0.50 356	1.64 495	0.52 340	0.51 360	1.37 514	0.52 335	0.45 330

PML	0.46 282	1.36 400	0.29 204	0.58 306	0.30 258	0.57 365	0.29 242	0.57 352	0.29 243	0.57 361	0.29 247	0.57 364	0.29 249	0.56 355	0.29 240	0.52 325	0.30 230	0.53 366	0.31 277	0.53 339	0.30 247

PSMNet_ROB	0.54 311	0.54 231	0.54 337	0.54 297	0.53 378	0.54 357	0.54 372	0.53 343	0.54 372	0.54 353	0.54 380	0.54 355	0.53 368	0.54 350	0.54 366	0.54 329	0.53 342	0.54 367	0.54 376	0.54 340	0.54 360

252Zero-FE	0.45 276	0.50 213	0.36 253	0.50 284	0.36 303	0.50 337	0.36 296	0.50 324	0.36 302	0.49 321	0.36 302	0.49 325	0.36 297	0.54 350	0.41 323	0.45 295	0.34 257	0.45 325	0.34 296	0.55 341	0.75 407

MyStereo8	0.71 345	3.92 527	0.52 332	0.59 309	0.52 375	0.57 365	0.53 370	0.59 357	0.50 362	0.59 365	0.51 376	0.57 364	0.50 361	0.56 355	0.52 363	0.54 329	0.49 327	0.54 367	0.49 368	0.55 341	0.50 348

AIO-test1	0.54 311	0.60 242	0.52 332	0.66 323	0.47 359	0.61 368	0.47 351	0.58 355	0.46 345	0.61 366	0.46 353	0.61 370	0.45 341	0.62 364	0.45 336	0.61 345	0.52 340	0.57 369	0.48 365	0.57 343	0.48 340

AIO-test2	0.55 316	0.59 239	0.52 332	0.67 324	0.47 359	0.61 368	0.47 351	0.61 361	0.47 350	0.61 366	0.47 361	0.61 370	0.48 353	0.62 364	0.47 347	0.64 351	0.53 342	0.58 370	0.47 361	0.58 344	0.48 340

MonSter	0.60 320	0.64 245	0.52 332	0.62 314	0.44 348	2.07 521	0.44 339	0.62 362	0.44 342	0.62 369	0.44 347	0.62 372	0.44 338	0.62 364	0.44 335	0.58 339	0.42 298	0.62 373	0.46 354	0.58 344	0.42 324

WCG-NET	0.61 323	1.21 384	0.54 337	0.61 313	0.53 378	0.67 376	0.53 370	0.66 367	0.53 370	0.64 372	0.53 379	0.65 376	0.53 368	0.59 362	0.52 363	0.65 352	0.48 324	0.64 376	0.52 374	0.58 344	0.50 348

CASS	0.57 319	0.89 273	0.56 339	0.57 304	0.56 381	0.56 359	0.56 373	0.56 349	0.53 370	0.57 361	0.57 383	0.59 368	0.48 353	0.56 355	0.57 369	0.55 335	0.56 346	0.47 338	0.56 381	0.62 347	0.56 368
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
SMoEStereo_RVC	0.63 328	0.75 252	0.51 329	0.73 334	0.53 378	0.71 380	0.47 351	0.67 368	0.58 375	0.74 387	0.60 384	0.72 383	0.53 368	0.74 382	0.51 361	0.61 345	0.62 358	0.62 373	0.61 389	0.63 348	0.61 374

DispNO	1.00 411	0.63 243	0.43 288	3.45 538	0.44 348	0.65 374	0.43 338	0.64 364	0.43 339	0.64 372	0.43 345	0.64 373	3.03 559	0.64 369	0.43 334	4.55 568	0.43 302	0.63 375	0.43 350	0.63 348	0.43 325

test-3	0.98 410	4.13 531	1.85 535	1.85 477	0.61 390	0.69 377	0.37 302	0.63 363	0.61 381	0.66 375	0.51 376	0.73 385	0.44 338	0.57 360	0.54 366	1.68 496	1.81 531	0.40 290	0.43 350	0.66 350	0.50 348

DSFCA	0.66 333	0.73 251	0.78 390	0.65 320	0.65 396	0.64 373	0.64 381	0.65 365	0.63 384	0.64 372	0.64 392	0.64 373	0.64 379	0.65 370	0.65 377	0.65 352	0.65 363	0.65 379	0.65 400	0.66 350	0.64 384

999	1.00 411	1.12 327	0.59 343	1.10 380	1.21 509	1.09 430	0.52 369	1.08 418	1.43 522	1.18 440	1.35 514	0.98 414	0.52 367	0.91 401	0.85 423	0.72 363	1.46 504	0.83 405	0.98 437	0.68 352	1.41 518

anonymity	0.63 328	0.69 247	0.56 339	0.71 331	0.56 381	0.71 380	0.56 373	0.71 373	0.56 373	0.72 380	0.56 382	0.71 380	0.56 372	0.71 376	0.58 370	0.68 356	0.55 344	0.68 381	0.55 377	0.68 352	0.54 360

LMCR-Stereo	0.65 331	0.63 243	0.65 357	0.65 320	0.65 396	0.66 375	0.63 380	0.58 355	0.65 386	0.63 371	0.64 392	0.65 376	0.65 381	0.66 371	0.66 380	0.66 354	0.64 361	0.65 379	0.67 406	0.68 352	0.73 403

FC-DCNN	1.07 422	1.09 324	0.98 411	0.89 349	0.52 375	1.41 499	0.91 428	1.21 479	1.24 508	1.96 510	2.05 565	1.91 511	1.30 500	1.27 493	1.08 442	0.80 371	0.60 353	0.58 370	0.41 341	0.68 352	0.54 360

DMCA-RVC	0.70 342	0.80 256	0.70 372	0.70 329	0.70 406	0.70 378	0.70 403	0.71 373	0.70 404	0.70 379	0.71 414	0.71 380	0.70 399	0.70 375	0.69 397	0.69 357	0.70 377	0.69 382	0.70 411	0.69 356	0.70 395

DStereoRT	0.73 350	0.81 259	0.73 383	0.71 331	0.74 413	0.73 382	0.75 411	0.71 373	0.71 409	0.74 387	0.72 417	0.73 385	0.80 414	0.71 376	0.73 407	0.76 367	0.71 381	0.73 386	0.72 416	0.70 357	0.76 409

4D-IteraStereo	0.78 361	3.13 503	0.89 399	0.69 325	0.32 272	0.40 260	0.32 260	0.76 377	0.97 440	0.52 345	0.65 394	0.89 403	0.32 274	0.76 384	0.98 434	0.83 379	0.94 406	0.35 258	0.27 237	0.70 357	0.89 421

MyStereo06	0.75 353	4.12 529	0.60 345	0.63 316	0.61 390	0.62 371	0.66 384	0.56 349	0.45 344	0.55 356	0.48 365	0.54 355	0.46 344	0.57 360	0.45 336	0.60 341	0.57 348	0.64 376	0.55 377	0.72 359	0.55 365

MyStereo05	0.80 365	4.12 529	0.63 352	0.63 316	0.61 390	0.62 371	0.66 384	0.65 365	0.62 382	0.67 376	0.61 388	0.65 376	0.58 373	0.67 373	0.55 368	0.60 341	0.57 348	0.64 376	0.55 377	0.72 359	0.55 365

PA-Net	11.80 605	223.51 630	0.62 351	0.59 309	0.71 408	0.59 367	0.73 409	0.67 368	0.73 415	0.55 356	0.61 388	0.60 369	0.74 406	0.63 368	0.73 407	0.66 354	0.60 353	0.69 382	0.66 402	0.72 359	0.65 386
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
iGMRVC	0.84 382	2.85 497	0.72 379	0.72 333	0.73 411	0.77 384	0.79 416	0.73 376	0.74 417	0.73 382	0.72 417	0.73 385	0.76 409	0.73 380	0.73 407	0.72 363	0.73 384	0.73 386	0.72 416	0.73 362	0.72 400

GCAP-Stereo	0.75 353	4.15 532	0.42 287	0.75 336	0.35 297	0.78 386	0.40 323	0.79 379	0.38 308	0.78 391	0.36 302	0.78 391	0.36 297	0.79 385	0.39 312	0.75 366	0.39 277	0.76 392	0.39 333	0.75 363	0.39 307

zero-FE	0.72 348	1.31 396	0.66 358	0.92 355	0.60 384	0.82 391	0.58 375	0.82 385	0.58 375	0.81 395	0.60 384	0.81 397	0.60 375	0.82 389	0.58 370	0.74 365	0.59 352	0.73 386	0.52 374	0.76 364	0.51 355

PAM_32	0.64 330	2.38 467	0.51 329	0.92 355	0.43 347	0.53 354	0.44 339	0.87 387	0.43 339	0.52 345	0.45 351	0.53 352	0.40 316	0.54 350	0.46 340	0.62 349	0.56 346	0.48 346	0.45 352	0.76 364	0.44 328

RAFT-Stereo + iAFF	0.70 342	0.72 250	0.71 376	0.80 340	0.62 393	0.82 391	0.61 378	0.81 384	0.62 382	0.81 395	0.63 390	0.80 394	0.70 399	0.73 380	0.61 375	0.76 367	0.61 357	0.74 389	0.61 389	0.77 366	0.61 374

ARAFT	0.68 338	0.81 259	0.63 352	0.74 335	0.60 384	0.78 386	0.62 379	0.77 378	0.66 388	0.74 387	0.63 390	0.75 388	0.62 378	0.83 390	0.60 373	0.70 360	0.55 344	0.70 384	0.60 387	0.78 367	0.55 365

AFF-stereo	0.73 350	0.88 270	0.67 362	0.75 336	0.68 403	0.75 383	0.64 381	0.80 381	0.72 412	0.83 397	0.70 409	0.82 398	0.64 379	0.84 391	0.67 381	0.77 369	0.63 359	0.81 400	0.63 391	0.78 367	0.62 377

Selective-RAFT-Error	0.88 394	0.84 263	0.98 411	0.86 348	0.97 441	0.88 396	0.95 433	0.84 386	0.99 443	0.92 404	0.82 429	0.84 399	0.98 425	0.87 396	0.97 433	0.81 374	0.83 397	0.79 395	0.82 428	0.79 369	0.85 418

psmorigin	0.41 256	0.46 197	0.33 232	0.49 276	0.33 284	0.49 328	0.33 271	0.49 315	0.33 278	0.49 321	0.33 281	0.49 325	0.33 282	0.51 341	0.33 267	0.41 276	0.30 230	0.41 307	0.30 266	0.79 369	0.29 234

G-Net	0.79 362	0.79 255	0.79 393	0.79 338	0.79 425	0.79 388	0.79 416	0.79 379	0.79 422	0.79 392	0.79 426	0.79 393	0.79 413	0.79 385	0.79 416	0.79 370	0.79 391	0.79 395	0.79 423	0.79 369	0.79 412

AEACV	1.12 427	0.52 223	3.12 574	3.24 527	0.86 429	0.53 354	0.49 362	0.60 359	0.47 350	0.53 348	0.49 368	0.55 359	0.45 341	0.55 354	0.47 347	3.01 553	3.88 576	0.71 385	0.60 387	0.80 372	0.48 340

NaN_ROB	0.80 365	0.80 256	0.80 394	0.80 340	0.80 427	0.80 389	0.80 419	0.80 381	0.80 423	0.80 393	0.80 427	0.80 394	0.80 414	0.80 387	0.80 418	0.80 371	0.80 394	0.80 398	0.80 425	0.80 372	0.80 413

CSAN	0.80 365	0.80 256	0.80 394	0.80 340	0.80 427	0.80 389	0.80 419	0.80 381	0.80 423	0.80 393	0.80 427	0.80 394	0.80 414	0.80 387	0.80 418	0.80 371	0.80 394	0.80 398	0.80 425	0.80 372	0.80 413

FlowAnything_test	1.02 419	1.72 413	0.71 376	1.59 467	0.70 406	1.61 504	0.69 398	1.61 495	0.70 404	1.60 498	0.70 409	1.61 506	0.69 397	1.61 502	0.70 403	0.81 374	0.58 350	0.81 400	0.55 377	0.81 375	0.56 368

Selective-RAFT	0.89 396	0.89 273	0.72 379	1.16 393	0.78 424	1.06 424	0.82 422	0.87 387	0.97 440	1.00 412	0.91 434	0.90 404	1.00 426	0.89 399	0.93 430	0.83 379	0.83 397	0.82 404	0.82 428	0.81 375	0.82 416

FlowAnything	1.02 419	1.71 412	0.72 379	1.59 467	0.69 404	1.60 503	0.69 398	1.61 495	0.70 404	1.60 498	0.69 407	1.60 503	0.69 397	1.61 502	0.69 397	0.81 374	0.58 350	0.81 400	0.56 381	0.82 377	0.56 368

DCRE	0.84 382	1.89 426	0.77 389	0.94 361	0.72 410	0.88 396	0.73 409	0.87 387	0.78 419	0.90 400	0.71 414	0.88 401	0.67 386	0.88 397	0.73 407	0.81 374	0.68 370	0.81 400	0.70 411	0.82 377	0.70 395

RSM++	0.76 357	0.82 262	0.66 358	0.85 347	0.64 394	0.85 393	0.71 406	0.94 400	0.64 385	0.87 398	0.67 397	0.87 400	0.65 381	0.84 391	0.65 377	0.81 374	0.70 377	0.79 395	0.71 414	0.83 379	0.70 395

UDG	0.80 365	2.21 451	0.60 345	0.91 352	0.60 384	0.90 399	0.58 375	0.88 390	0.60 378	0.90 400	0.60 384	0.88 401	0.60 375	0.90 400	0.58 370	0.86 383	0.60 353	0.84 406	0.59 386	0.84 380	0.61 374

DDUNet	0.81 370	2.45 471	0.57 341	0.90 350	0.60 384	0.88 396	0.59 377	0.90 391	0.60 378	0.88 399	0.60 384	0.90 404	0.58 373	0.88 397	0.60 373	0.84 381	0.60 353	0.86 408	0.57 383	0.86 381	0.60 373

MoCha-V2	2.11 523	26.97 608	0.78 390	0.92 355	0.77 423	0.96 406	0.72 408	0.90 391	0.72 412	0.94 408	0.70 409	0.90 404	0.71 403	0.91 401	0.71 405	0.85 382	0.71 381	0.88 409	0.69 409	0.87 382	0.67 391

UNet	0.29 182	0.90 276	0.10 70	0.14 100	0.10 122	0.14 129	0.10 120	0.91 393	0.69 400	0.14 129	0.11 135	0.14 130	0.11 134	0.14 132	0.10 116	0.12 94	0.09 70	0.12 122	0.09 111	0.88 383	0.76 409

AdaDepth	0.86 391	0.93 285	0.71 376	1.01 373	1.07 451	1.02 421	0.71 406	1.00 404	0.71 409	1.01 419	0.71 414	1.00 415	0.72 404	1.14 440	0.71 405	0.92 389	0.64 361	0.90 410	0.64 396	0.89 384	0.69 394

AIO-Stereo-zeroshot1	0.75 353	0.92 283	0.85 398	0.96 366	0.59 383	1.27 489	0.44 339	0.59 357	0.69 400	0.91 402	0.68 402	0.55 359	0.61 377	1.06 429	0.83 422	0.62 349	0.70 377	0.90 410	0.41 341	0.89 384	0.56 368

ToySt	0.92 399	2.11 442	0.90 402	0.95 363	0.79 425	0.99 408	0.78 415	0.94 400	0.81 426	0.94 408	0.78 425	0.95 411	0.77 411	0.94 407	0.86 424	0.91 386	0.79 391	0.85 407	0.77 420	0.89 384	0.73 403

ff7	1.68 490	2.68 479	1.35 488	0.97 367	0.89 431	1.84 507	2.15 558	2.12 515	1.80 543	2.05 520	1.56 526	2.33 526	2.12 549	2.23 523	2.25 561	1.31 473	1.07 414	1.48 508	1.41 517	0.90 387	1.04 437

ffff	1.68 490	2.68 479	1.35 488	0.97 367	0.89 431	1.84 507	2.15 558	2.12 515	1.80 543	2.05 520	1.56 526	2.33 526	2.12 549	2.23 523	2.25 561	1.31 473	1.07 414	1.48 508	1.41 517	0.90 387	1.04 437

ccc-4	1.68 490	2.68 479	1.35 488	0.97 367	0.89 431	1.84 507	2.15 558	2.12 515	1.80 543	2.05 520	1.56 526	2.33 526	2.12 549	2.23 523	2.25 561	1.31 473	1.07 414	1.48 508	1.41 517	0.90 387	1.04 437

STTRV1_RVC	0.82 375	1.60 409	0.70 372	1.01 373	0.60 384	1.07 427	0.69 398	1.01 411	0.60 378	0.72 380	0.55 381	1.02 425	0.68 390	1.03 427	0.67 381	0.89 385	0.63 359	0.92 416	0.57 383	0.90 387	0.65 386

WQFJA1++	0.84 382	0.98 292	0.67 362	1.26 446	0.75 415	1.00 409	0.67 388	1.00 404	0.67 389	1.00 412	0.67 397	1.00 415	0.67 386	1.00 415	0.67 381	0.96 396	0.67 365	0.91 413	0.63 391	0.92 391	0.63 378

WQFJA1	0.85 388	0.98 292	0.67 362	1.29 451	0.76 420	1.01 415	0.67 388	1.02 416	0.67 389	1.02 423	0.67 397	1.01 421	0.67 386	1.01 421	0.68 389	0.99 402	0.67 365	0.93 420	0.64 396	0.92 391	0.65 386

WQFJX1	0.84 382	0.98 292	0.67 362	1.30 453	0.75 415	1.01 415	0.67 388	1.01 411	0.67 389	1.01 419	0.67 397	1.01 421	0.68 390	1.00 415	0.68 389	0.98 401	0.67 365	0.92 416	0.64 396	0.92 391	0.64 384

NLMM	0.84 382	1.00 301	0.67 362	1.27 447	0.75 415	1.00 409	0.68 392	1.00 404	0.67 389	1.00 412	0.67 397	1.02 425	0.67 386	1.02 425	0.67 381	0.97 397	0.67 365	0.93 420	0.63 391	0.92 391	0.63 378

pmcnn	0.92 399	0.92 283	0.92 406	0.92 355	0.92 436	0.92 401	0.92 429	0.92 396	0.92 434	0.92 404	0.92 437	0.92 407	0.92 421	0.92 405	0.92 426	0.92 389	0.92 404	0.92 416	0.92 432	0.92 391	0.92 424

NLMM1	0.86 391	0.98 292	0.69 371	1.48 464	0.75 415	1.01 415	0.69 398	1.00 404	0.69 400	1.00 412	0.70 409	1.00 415	0.68 390	1.01 421	0.67 381	0.97 397	0.68 370	0.92 416	0.63 391	0.93 396	0.63 378

NLSM3	0.85 388	0.99 299	0.68 369	1.29 451	0.76 420	1.01 415	0.68 392	1.01 411	0.68 395	1.02 423	0.68 402	1.01 421	0.68 390	1.01 421	0.68 389	0.97 397	0.68 370	0.93 420	0.64 396	0.93 396	0.63 378

DPSM_ROB	0.92 399	0.91 278	0.91 404	0.91 352	0.92 436	0.92 401	0.92 429	0.92 396	0.91 430	0.93 406	0.91 434	0.92 407	0.90 419	0.91 401	0.92 426	0.92 389	0.91 402	0.91 413	0.92 432	0.93 396	0.93 425

DPSM	0.92 399	0.91 278	0.91 404	0.91 352	0.92 436	0.92 401	0.92 429	0.92 396	0.91 430	0.93 406	0.91 434	0.92 407	0.90 419	0.91 401	0.92 426	0.92 389	0.91 402	0.91 413	0.92 432	0.93 396	0.93 425

WQFJX	0.85 388	1.00 301	0.68 369	1.30 453	0.75 415	1.01 415	0.68 392	1.01 411	0.68 395	1.01 419	0.68 402	1.03 427	0.68 390	1.02 425	0.67 381	0.97 397	0.67 365	0.93 420	0.63 391	0.94 400	0.63 378

AIO-Stereo	0.84 382	0.66 246	0.70 372	0.83 344	0.67 400	0.98 407	0.82 422	1.14 422	0.72 412	1.03 425	0.74 421	1.03 427	1.09 435	0.99 413	0.45 336	1.04 407	0.73 384	0.95 426	0.74 418	0.94 400	0.46 331

R-Stereo Train	0.81 370	0.96 289	0.67 362	0.95 363	0.67 400	0.95 404	0.68 392	0.95 402	0.68 395	0.95 410	0.68 402	0.96 412	0.68 390	0.96 411	0.68 389	0.94 394	0.68 370	0.94 424	0.68 407	0.94 400	0.68 392

RAFT-Stereo	0.81 370	0.96 289	0.67 362	0.95 363	0.67 400	0.95 404	0.68 392	0.95 402	0.68 395	0.95 410	0.68 402	0.96 412	0.68 390	0.96 411	0.68 389	0.94 394	0.68 370	0.94 424	0.68 407	0.94 400	0.68 392
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DGTPSM_ROB	0.93 404	1.00 301	0.92 406	0.94 361	0.96 440	0.91 400	0.92 429	0.91 393	0.96 439	0.91 402	0.96 438	0.93 410	0.92 421	0.94 407	0.92 426	0.92 389	0.92 404	0.90 410	0.92 432	0.94 400	0.91 423

GANet	1.00 411	1.00 301	1.00 413	1.00 370	1.00 442	1.00 409	1.00 437	1.00 404	1.00 444	1.00 412	1.00 441	1.00 415	1.00 426	1.00 415	1.00 436	1.00 403	1.00 407	1.00 431	1.00 439	1.00 405	1.00 432

TDLM	1.00 411	1.00 301	1.00 413	1.00 370	1.00 442	1.00 409	1.00 437	1.00 404	1.00 444	1.00 412	1.00 441	1.00 415	1.00 426	1.00 415	1.00 436	1.00 403	1.00 407	1.00 431	1.00 439	1.00 405	1.00 432

CVANet_RVC	1.00 411	1.00 301	1.00 413	1.00 370	1.00 442	1.00 409	1.00 437	1.00 404	1.00 444	1.00 412	1.00 441	1.00 415	1.00 426	1.00 415	1.00 436	1.00 403	1.00 407	1.00 431	1.00 439	1.00 405	1.00 432

MLG-Stereo	0.92 399	0.90 276	0.84 397	1.27 447	0.49 365	1.38 496	0.88 425	1.41 493	0.97 440	0.73 382	1.09 447	1.26 492	0.43 336	0.72 378	1.05 441	1.13 418	0.49 327	1.18 449	0.66 402	1.01 408	0.46 331

trnet	1.01 417	1.01 309	1.01 416	1.01 373	1.01 446	1.01 415	1.01 440	1.01 411	1.01 447	1.01 419	1.01 444	1.01 421	1.01 432	1.01 421	1.01 439	1.01 406	1.01 410	1.01 434	1.01 443	1.01 408	1.01 435

Wavelet-MonSter	1.00 411	1.21 384	0.76 387	1.94 481	1.01 446	1.11 434	0.76 413	1.15 423	0.76 418	1.11 434	0.76 423	1.14 440	0.76 409	1.11 437	0.76 414	1.21 468	0.90 401	1.02 435	0.71 414	1.02 410	0.71 399

AIO-Stereo-zeroshot	0.91 397	0.86 266	0.89 399	1.25 445	0.69 404	1.05 423	0.81 421	1.16 426	0.50 362	1.12 435	0.97 439	0.72 383	0.82 417	1.06 429	0.95 431	0.61 345	0.87 399	1.03 437	0.85 431	1.04 411	1.01 435

GLC_STEREO	1.07 422	1.01 309	1.06 418	1.07 378	1.05 450	1.06 424	1.08 444	1.08 418	1.05 450	1.07 427	1.06 446	1.08 430	1.05 434	1.06 429	1.10 443	1.07 409	1.09 420	1.05 438	1.05 444	1.06 412	1.12 442

DPSimNet_ROB	0.97 408	1.18 336	0.81 396	1.10 380	0.91 435	1.02 421	0.82 422	1.04 417	0.91 430	1.03 425	0.86 430	1.28 494	0.82 417	1.03 427	0.89 425	1.17 421	0.81 396	1.02 435	0.82 428	1.08 413	0.81 415

MSMD_ROB	1.19 429	1.10 326	0.70 372	1.10 380	0.60 384	1.10 431	0.70 403	1.10 421	0.70 404	1.10 429	0.70 409	1.10 434	0.70 399	7.00 603	0.70 403	1.10 412	0.70 377	1.10 439	0.70 411	1.10 414	0.70 395

edge stereo	2.43 548	27.07 609	1.14 422	1.06 377	1.14 454	1.08 428	1.17 452	1.16 426	1.14 451	1.10 429	1.16 452	1.09 432	1.16 444	1.10 435	1.16 451	1.10 412	1.11 424	1.16 442	1.19 453	1.13 415	1.11 440

tt45	1.04 421	0.88 270	1.36 496	0.92 355	1.03 449	1.51 502	0.79 416	0.70 372	0.88 428	0.74 387	0.90 431	1.60 503	0.72 404	1.60 500	0.75 412	0.91 386	0.78 390	1.52 511	0.79 423	1.14 416	1.32 510

RGC	2.36 543	25.48 602	1.19 430	1.15 388	1.15 455	1.10 431	1.16 451	1.17 428	1.16 453	1.12 435	1.16 452	1.11 438	1.13 437	1.09 433	1.18 453	1.10 412	1.15 429	1.16 442	1.12 447	1.14 416	1.12 442

UPFNet	0.42 267	1.20 338	0.17 153	0.24 159	0.17 183	0.25 195	0.17 172	1.19 431	0.90 429	0.25 192	0.17 179	0.24 190	0.17 181	0.25 193	0.17 173	0.22 168	0.17 166	0.22 179	0.16 170	1.15 418	0.93 425

stereogan	2.33 541	24.38 599	1.18 428	1.18 395	1.18 462	1.14 437	1.18 453	1.19 431	1.19 459	1.14 438	1.18 456	1.14 440	1.18 445	1.14 440	1.18 453	1.14 420	1.14 428	1.19 450	1.19 453	1.15 418	1.19 455

AF-Net	2.37 545	25.71 604	1.17 426	1.13 385	1.15 455	1.15 438	1.18 453	1.19 431	1.16 453	1.10 429	1.15 449	1.10 434	1.18 445	1.12 439	1.15 448	1.10 412	1.10 423	1.17 446	1.15 449	1.16 420	1.12 442

RP	2.33 541	25.00 601	1.13 421	1.15 388	1.15 455	1.10 431	1.15 449	1.15 423	1.15 452	1.12 435	1.15 449	1.09 432	1.13 437	1.10 435	1.15 448	1.11 417	1.09 420	1.16 442	1.12 447	1.16 420	1.17 451

Nwc_Net	2.37 545	25.95 605	1.15 424	1.14 386	1.15 455	1.08 428	1.14 448	1.17 428	1.16 453	1.14 438	1.15 449	1.08 430	1.15 440	1.11 437	1.14 447	1.10 412	1.11 424	1.16 442	1.09 446	1.16 420	1.15 447

Abc-Net	2.32 540	24.75 600	1.14 422	1.17 394	1.17 460	1.11 434	1.15 449	1.17 428	1.21 505	1.08 428	1.16 452	1.12 439	1.14 439	1.09 433	1.17 452	1.09 410	1.16 430	1.17 446	1.17 452	1.16 420	1.11 440
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
HSM-Net_RVC	0.95 407	1.17 334	0.78 390	1.18 395	0.71 408	1.16 439	0.75 411	1.09 420	0.80 423	1.10 429	0.75 422	1.17 443	0.74 406	1.17 443	0.80 418	1.13 418	0.73 384	1.17 446	0.77 420	1.16 420	0.72 400
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NCC-stereo	2.36 543	25.52 603	1.17 426	1.15 388	1.17 460	1.11 434	1.11 445	1.15 423	1.16 453	1.10 429	1.16 452	1.10 434	1.15 440	1.14 440	1.13 446	1.09 410	1.11 424	1.15 441	1.16 451	1.17 425	1.17 451

delet	0.43 268	1.21 384	0.17 153	0.25 166	0.17 183	0.25 195	0.18 179	1.26 483	0.95 437	0.25 192	0.17 179	0.25 195	0.17 181	0.25 193	0.17 173	0.23 179	0.16 146	0.22 179	0.16 170	1.18 426	0.98 429

psm_up	0.43 268	1.19 337	0.17 153	0.25 166	0.18 193	0.25 195	0.19 183	1.26 483	0.91 430	0.26 200	0.17 179	0.25 195	0.17 181	0.25 193	0.17 173	0.22 168	0.17 166	0.23 187	0.16 170	1.18 426	0.99 430

HBP-ISP	1.24 478	1.72 413	1.65 516	1.15 388	0.76 420	1.40 498	0.88 425	1.67 501	1.02 448	1.69 505	1.38 519	1.69 507	1.21 493	1.87 512	1.21 502	1.05 408	0.79 391	0.97 429	0.80 425	1.19 428	0.75 407

DisPM	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

CrosDoStereo	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

PFNet+	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

LCNet	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

HHNet	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

Patchmatch Stereo++	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456
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	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

STrans-v2	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

TransformOpticalFlow	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

OMP-Stereo	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

IIG-Stereo	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

NF-Stereo	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

OCTAStereo	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

PSM-softLoss	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

KMStereo	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

NRIStereo	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

PSM-adaLoss	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

PSM-AAD	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

FTStereo	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

ROB_FTStereo_v2	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

ROB_FTStereo	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

Consistency-Raft	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

KYRaft	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

HUI-Stereo	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

ASMatch	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

DeepStereo_LL	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

DEmStereo	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

SST-Stereo	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

THIR-Stereo	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

RAFT_R40	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

DRaft	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

PFNet	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

GrayStereo	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

RE-Stereo	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

Pruner-Stereo	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

TVStereo	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

DeepStereo_RVC	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

RAFT-RH_RVC	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

IRAFT_RVC	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

RAFT-345	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

iRAFT	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

CRE-IMP	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

GMM-Stereo	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

RAFT-IKP	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

Prome-Stereo	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

MMNet	0.44 273	1.24 392	0.17 153	0.25 166	0.17 183	0.25 195	0.18 179	1.26 483	0.93 435	0.25 192	0.17 179	0.25 195	0.18 189	0.25 193	0.17 173	0.23 179	0.16 146	0.23 187	0.16 170	1.20 429	0.99 430

FAT-Stereo	2.46 549	26.05 606	1.23 482	1.23 444	1.22 511	1.20 440	1.24 503	1.23 482	1.23 507	1.19 441	1.22 503	1.21 490	1.24 495	1.20 445	1.24 504	1.21 468	1.17 433	1.22 497	1.25 506	1.20 429	1.24 505

CroCo-Stereo	0.73 350	1.22 390	0.25 189	1.22 442	0.25 224	1.22 486	0.25 214	1.22 480	0.25 215	1.22 488	0.25 224	1.22 491	0.25 218	1.22 491	0.25 214	1.22 470	0.26 197	1.21 496	0.25 223	1.22 476	0.25 202
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	2.51 550	26.86 607	1.23 482	1.22 442	1.22 511	1.24 488	1.25 504	1.22 480	1.24 508	1.21 487	1.24 505	1.19 444	1.27 497	1.19 444	1.24 504	1.19 422	1.20 435	1.25 498	1.19 453	1.24 477	1.23 504

CroCo-Stereo Lap2	0.77 358	1.29 394	0.29 204	1.27 447	0.29 248	1.27 489	0.26 222	1.26 483	0.26 228	1.26 489	0.26 230	1.27 493	0.26 227	1.26 492	0.27 220	1.27 472	0.27 204	1.27 499	0.27 237	1.27 478	0.27 216

MM-Stereo_test2	1.20 430	1.85 422	1.05 417	1.46 463	0.94 439	1.36 494	0.99 436	1.36 488	0.95 437	1.41 494	0.98 440	1.40 499	0.96 423	1.37 495	0.95 431	1.37 481	1.06 413	1.33 501	0.93 436	1.29 479	0.89 421

test_xeample3	1.10 424	1.81 419	0.61 350	0.84 345	0.49 365	0.77 384	0.66 384	0.92 396	1.40 520	0.68 378	0.46 353	0.78 391	0.54 371	1.72 505	1.48 522	1.34 476	1.52 508	1.35 504	1.67 539	1.33 480	1.55 523

MaskLacGwcNet_RVC	1.35 482	1.35 399	1.35 488	1.35 458	1.35 513	1.35 492	1.35 511	1.36 488	1.35 516	1.36 492	1.35 514	1.36 495	1.36 505	1.36 494	1.35 515	1.35 477	1.35 496	1.35 504	1.35 511	1.35 481	1.35 514

PS-NSSS	1.38 485	1.39 401	1.34 486	1.34 457	1.35 513	1.38 496	1.37 518	1.35 487	1.38 519	1.34 490	1.34 513	1.39 497	1.38 508	1.70 504	1.40 519	1.36 479	1.36 497	1.36 506	1.37 514	1.37 482	1.36 515

MM-Stereo_test3	1.27 480	2.07 438	1.18 428	1.60 470	1.02 448	1.45 500	1.01 440	1.40 492	1.04 449	1.44 495	1.03 445	1.46 501	1.02 433	1.44 498	1.02 440	1.51 490	1.12 427	1.32 500	0.98 437	1.38 483	0.97 428

CC-Net-ROB	1.36 483	1.33 398	1.33 485	1.36 459	1.38 516	1.36 494	1.33 509	1.37 490	1.34 513	1.35 491	1.36 516	1.38 496	1.34 503	1.38 496	1.38 518	1.35 477	1.38 500	1.33 501	1.35 511	1.43 484	1.34 513

11t	1.27 480	2.70 482	1.34 486	1.32 456	0.89 431	1.30 491	1.34 510	1.64 498	0.57 374	1.45 496	0.72 417	1.05 429	1.29 499	1.07 432	1.29 511	1.49 487	1.02 411	0.97 429	1.15 449	1.48 485	1.31 509

IGEVStereo-DCA	1.77 494	4.21 533	1.84 533	2.49 506	2.11 558	2.54 544	1.36 513	1.65 499	1.17 457	2.75 553	1.90 548	2.54 539	1.15 440	0.94 407	1.11 444	1.50 488	1.32 484	0.96 427	1.46 523	1.49 486	0.88 419

rrr	1.77 494	4.21 533	1.84 533	2.49 506	2.11 558	2.54 544	1.36 513	1.65 499	1.17 457	2.75 553	1.90 548	2.54 539	1.15 440	0.94 407	1.11 444	1.50 488	1.32 484	0.96 427	1.46 523	1.49 486	0.88 419

CFNet-ft	0.55 316	1.57 407	0.14 127	0.20 137	0.14 159	0.20 164	2.53 563	1.61 495	0.14 159	0.20 161	0.14 163	0.20 162	0.14 160	0.20 161	0.14 153	0.17 143	0.12 114	0.17 154	0.12 148	1.56 488	1.24 505

DPSMNet_ROB	1.60 489	1.59 408	1.70 518	1.59 467	1.59 525	1.61 504	1.61 529	1.60 494	1.60 526	1.62 504	1.59 529	1.60 503	1.60 514	1.60 500	1.59 526	1.59 492	1.60 518	1.59 512	1.59 531	1.59 489	1.59 528

ours_stereo	1.20 430	1.21 384	0.90 402	1.64 475	1.11 453	1.35 492	0.67 388	1.76 502	0.93 435	1.70 506	1.10 448	1.39 497	0.75 408	1.41 497	0.81 421	1.60 494	1.03 412	1.33 501	1.00 439	1.61 490	0.72 400

4.25_new	2.00 506	2.33 459	1.82 529	3.32 532	1.69 533	1.95 515	1.99 552	2.72 543	1.71 532	2.72 547	1.97 554	2.01 517	1.74 526	1.77 507	1.28 509	2.18 518	2.01 538	2.48 550	1.58 529	1.65 491	1.17 451

4.5w_new	2.00 506	2.33 459	1.82 529	3.32 532	1.69 533	1.95 515	1.99 552	2.72 543	1.71 532	2.72 547	1.97 554	2.01 517	1.74 526	1.77 507	1.28 509	2.18 518	2.01 538	2.48 550	1.58 529	1.65 491	1.17 451

RASNet	1.49 486	1.65 410	1.45 504	1.38 461	1.43 519	1.47 501	1.36 513	1.38 491	1.36 517	1.39 493	1.60 530	1.45 500	1.45 511	1.51 499	2.21 560	1.53 491	1.36 497	1.36 506	1.36 513	1.66 493	1.36 515

2w_stereo	1.99 502	2.36 466	1.81 524	3.24 527	1.67 530	1.94 512	1.98 549	2.72 543	1.68 528	2.72 547	1.94 551	1.98 515	1.74 526	1.79 509	1.27 508	1.95 509	2.00 536	2.53 552	1.60 532	1.68 494	1.15 447

3.75w	1.99 502	2.31 457	1.83 532	3.16 525	1.65 529	1.93 511	1.98 549	2.72 543	1.68 528	2.73 552	1.97 554	2.00 516	1.72 523	1.81 510	1.25 507	2.27 526	2.01 538	2.38 544	1.42 520	1.71 495	1.24 505

RAFT_CTSACE	1.92 499	3.71 517	1.72 521	1.88 478	1.72 537	2.04 519	1.42 523	2.18 520	1.89 554	2.02 517	1.97 554	1.95 512	2.06 548	1.93 514	1.62 527	1.76 497	1.66 522	2.02 529	1.73 547	1.73 496	1.43 520

4.25w-stereo	1.98 501	2.72 486	1.46 505	3.47 539	1.43 519	2.07 521	1.98 549	2.53 540	1.52 524	2.71 546	1.98 560	1.81 508	1.62 516	1.96 515	1.36 516	1.88 505	2.00 536	2.53 552	1.61 533	1.74 497	1.15 447

4.5w-stereo	1.99 502	2.33 459	1.81 524	3.28 529	1.68 532	1.94 512	1.99 552	2.72 543	1.70 531	2.72 547	1.99 563	1.97 514	1.68 518	1.76 506	1.29 511	1.91 507	2.02 542	2.53 552	1.61 533	1.75 498	1.16 450

2.75w_new	1.99 502	2.34 463	1.81 524	3.14 523	1.62 527	1.94 512	1.99 552	2.72 543	1.71 532	2.72 547	1.99 563	1.90 510	1.73 524	1.82 511	1.29 511	2.37 535	2.01 538	2.31 539	1.42 520	1.77 499	1.22 502

cf-r	0.66 333	2.17 447	0.12 103	0.18 131	0.12 154	0.18 156	2.70 567	2.60 541	0.12 154	0.18 153	0.12 146	0.18 155	0.12 151	0.18 154	0.12 143	0.15 125	0.11 98	0.15 143	0.11 130	1.81 500	1.74 542

MFMNet_re	1.81 497	1.91 429	1.71 520	1.95 483	1.70 536	1.95 515	1.70 534	1.96 507	1.74 539	1.97 512	1.72 538	1.95 512	1.71 522	1.97 516	1.71 534	1.86 500	1.62 519	1.85 518	1.66 538	1.86 501	1.64 534

GANetREF_RVC	1.55 487	1.94 435	1.22 480	1.88 478	1.21 509	1.88 510	1.22 501	1.88 504	1.22 506	1.88 507	1.22 503	1.88 509	1.22 494	1.89 513	1.22 503	1.87 502	1.22 482	1.88 525	1.22 502	1.88 502	1.22 502
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
SPS-STEREO	1.59 488	1.91 429	1.21 479	1.94 481	1.20 463	2.00 518	1.23 502	1.99 509	1.24 508	2.00 515	1.25 506	2.03 519	1.26 496	2.00 517	1.29 511	1.90 506	1.18 434	1.89 526	1.21 501	1.89 503	1.20 456
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MC-Stereo	1.76 493	2.96 498	1.37 498	2.14 489	1.37 515	2.14 524	1.36 513	2.14 518	1.37 518	2.14 524	1.37 517	2.14 521	1.37 507	2.14 522	1.37 517	1.97 510	1.32 484	1.97 528	1.32 510	1.98 504	1.33 511

MM-Stereo_test1	1.80 496	3.41 510	1.52 511	2.12 488	1.41 518	2.04 519	1.41 521	2.05 513	1.46 523	2.04 519	1.41 521	2.05 520	1.42 510	2.05 518	1.43 521	2.04 514	1.54 511	1.94 527	1.38 516	1.99 505	1.33 511

MonStereo1	1.94 500	2.77 492	1.52 511	3.73 550	1.51 522	2.13 523	1.42 523	2.32 528	1.52 524	2.31 532	1.50 524	2.53 536	1.59 513	2.34 530	1.56 524	1.91 507	1.36 497	1.86 521	1.31 509	2.07 506	1.53 521

TRStereo	2.00 506	2.13 443	1.85 535	2.27 495	1.84 541	2.28 528	1.84 538	2.29 523	1.86 548	2.30 529	1.87 543	2.30 523	1.87 532	2.08 519	1.72 536	2.08 515	1.72 525	2.08 531	1.72 544	2.08 507	1.72 539

XX-Stereo	2.00 506	2.13 443	1.85 535	2.27 495	1.84 541	2.28 528	1.84 538	2.29 523	1.86 548	2.30 529	1.87 543	2.30 523	1.87 532	2.08 519	1.72 536	2.08 515	1.72 525	2.08 531	1.72 544	2.08 507	1.72 539

EAI-Stereo	2.00 506	2.13 443	1.85 535	2.27 495	1.84 541	2.28 528	1.84 538	2.29 523	1.86 548	2.30 529	1.87 543	2.30 523	1.87 532	2.08 519	1.72 536	2.08 515	1.72 525	2.08 531	1.72 544	2.08 507	1.72 539

GANet-RSSM	0.75 353	1.91 429	0.14 127	0.47 265	0.14 159	0.21 175	3.21 584	2.30 527	0.14 159	0.46 301	0.14 163	0.23 184	0.18 189	0.21 172	0.14 153	0.18 151	0.27 204	0.37 266	0.13 156	2.13 510	2.12 552

AIO_rvc	2.18 527	2.34 463	1.87 539	2.32 499	1.94 550	2.40 533	1.89 546	2.37 531	2.07 563	2.52 542	1.95 553	2.44 533	1.99 544	2.41 534	1.89 553	2.32 532	2.09 544	2.24 535	2.18 560	2.21 511	2.23 555

asda	2.17 525	2.54 473	1.81 524	3.47 539	1.78 539	2.50 540	1.86 542	2.61 542	1.68 528	2.61 544	1.83 540	2.37 530	1.73 524	2.44 537	1.88 552	2.51 544	1.84 532	2.34 541	1.62 535	2.23 512	1.77 543

HUF	2.18 527	2.30 456	1.99 549	2.34 501	2.02 555	2.41 534	2.06 557	2.38 532	1.89 554	2.36 534	1.85 541	2.56 541	1.98 542	2.31 529	1.97 556	2.30 530	2.03 543	2.30 538	2.11 558	2.23 512	2.16 553

AIO_test	2.18 527	2.09 441	2.04 550	2.42 503	2.01 552	2.47 536	1.94 548	2.34 530	2.03 562	2.56 543	1.94 551	2.43 532	1.94 539	2.41 534	1.87 551	2.39 537	2.10 545	2.35 543	1.91 557	2.25 514	2.19 554

NCCL2	2.28 539	2.27 454	2.28 552	2.28 498	2.28 565	2.27 526	2.29 561	2.28 521	2.28 564	2.27 528	2.28 566	2.28 522	2.27 552	2.27 526	2.28 565	2.28 527	2.28 550	2.27 536	2.29 564	2.27 515	2.29 556

ccnet	0.80 365	2.28 455	0.33 232	0.50 284	0.33 284	0.50 337	0.33 271	0.50 324	0.33 278	0.49 321	0.33 281	0.49 325	1.56 512	2.38 531	0.33 267	0.41 276	0.29 221	0.42 318	1.57 526	2.28 516	0.29 234

STTStereo	3.73 567	30.40 613	2.37 556	2.39 502	2.31 567	2.35 531	2.33 562	2.29 523	2.42 565	2.32 533	2.34 567	2.33 526	2.36 553	2.30 528	2.27 564	2.35 534	2.22 549	2.31 539	2.22 561	2.29 517	2.34 560

qwe	2.18 527	2.60 476	1.58 513	3.83 552	1.90 549	2.53 542	1.90 547	2.48 536	1.73 537	2.37 535	1.92 550	2.53 536	1.68 518	2.56 540	1.83 545	2.52 546	1.87 534	2.07 530	1.68 541	2.32 518	1.71 538

FBW_ROB	2.12 524	2.46 472	1.77 523	2.49 506	1.79 540	2.38 532	1.83 537	2.46 535	1.78 542	2.48 540	1.97 554	2.40 531	1.78 529	2.42 536	1.83 545	2.31 531	1.85 533	2.38 544	1.82 549	2.35 519	1.84 544

asd	2.18 527	2.77 492	1.58 513	3.59 544	2.00 551	2.58 546	1.85 541	2.39 533	1.71 532	2.47 539	1.97 554	2.59 543	1.61 515	2.56 540	1.79 543	2.51 544	1.99 535	2.11 534	1.62 535	2.36 520	1.60 529

monsterstereo	2.20 533	2.33 459	1.95 544	3.65 546	2.07 557	2.49 538	1.61 529	2.48 536	1.83 546	2.45 538	1.61 532	2.67 547	1.86 531	2.64 544	1.94 554	2.48 543	1.66 522	2.34 541	1.68 541	2.40 521	1.86 546

monsters	2.18 527	2.41 469	1.96 545	3.47 539	2.03 556	2.53 542	1.64 531	2.48 536	1.73 537	2.40 536	1.50 524	2.62 544	1.94 539	2.59 542	1.94 554	2.44 539	1.57 513	2.28 537	1.87 551	2.42 522	1.86 546

UDGNet	2.23 537	5.40 554	1.72 521	2.48 505	1.69 533	2.51 541	1.69 533	2.51 539	1.72 536	2.50 541	1.69 537	2.52 535	1.69 520	2.50 538	1.68 532	2.41 538	1.70 524	2.42 546	1.69 543	2.42 522	1.64 534

1w_stereo	2.05 521	2.32 458	1.35 488	3.74 551	2.01 552	2.73 552	1.42 523	1.88 504	1.93 556	2.03 518	1.28 509	2.71 548	1.99 544	2.72 550	1.72 536	2.20 520	1.32 484	1.87 522	1.86 550	2.45 524	1.54 522

LG-G_1	2.22 534	2.71 484	1.89 540	2.77 514	1.87 547	2.75 554	1.87 544	2.76 551	1.87 552	2.75 553	1.87 543	2.76 555	1.87 532	2.75 554	1.86 548	2.47 541	1.58 514	2.45 547	1.57 526	2.45 524	1.57 525

LG-G	2.22 534	2.71 484	1.89 540	2.77 514	1.87 547	2.75 554	1.87 544	2.76 551	1.87 552	2.75 553	1.87 543	2.76 555	1.87 532	2.75 554	1.86 548	2.47 541	1.58 514	2.45 547	1.57 526	2.45 524	1.57 525

LGtest1	2.22 534	2.70 482	1.89 540	2.76 513	1.86 544	2.75 554	1.86 542	2.75 550	1.86 548	2.75 553	1.86 542	2.77 557	1.87 532	2.75 554	1.86 548	2.46 540	1.58 514	2.45 547	1.56 525	2.45 524	1.56 524

4.5_new	2.00 506	1.84 421	1.98 546	2.77 514	2.16 560	2.27 526	1.28 508	2.09 514	1.98 558	2.01 516	1.28 509	2.71 548	1.98 542	2.51 539	1.65 529	2.26 523	1.33 491	1.87 522	1.87 551	2.49 528	1.60 529

GES	0.66 333	2.34 463	0.29 204	0.41 240	0.29 248	0.41 276	0.29 242	0.42 287	0.29 243	0.40 254	0.41 333	0.41 276	0.30 256	0.51 341	0.29 240	0.32 215	0.29 221	0.32 226	2.46 566	2.49 528	0.30 247

3w_stereo	2.04 519	2.24 453	1.70 518	3.15 524	2.18 564	2.49 538	1.26 506	2.03 512	1.98 558	1.98 513	1.33 512	2.72 552	1.99 544	2.59 542	1.72 536	2.22 522	1.33 491	1.85 518	1.88 556	2.50 530	1.58 527

3.25w	2.04 519	2.20 449	1.48 506	3.03 521	2.17 562	2.63 548	1.39 519	1.96 507	1.95 557	1.96 510	1.37 517	2.71 548	1.96 541	2.71 548	1.73 541	2.26 523	1.32 484	1.87 522	1.87 551	2.51 531	1.63 533

2.25w	2.00 506	1.86 424	1.98 546	2.95 520	2.17 562	2.26 525	1.35 511	2.42 534	2.00 561	2.07 523	1.27 508	2.53 536	1.99 544	2.29 527	1.49 523	2.21 521	1.32 484	1.85 518	1.87 551	2.52 532	1.62 532

PSMNet-RSSM	0.77 358	2.76 490	0.14 127	0.20 137	0.14 159	0.20 164	2.66 565	2.79 554	0.14 159	0.21 173	0.14 163	0.21 170	0.14 160	0.20 161	0.14 153	0.17 143	0.12 114	0.17 154	0.12 148	2.52 532	2.31 557

GwcNet-RSSM	0.77 358	2.77 492	0.14 127	0.20 137	0.14 159	0.20 164	2.67 566	2.78 553	0.14 159	0.20 161	0.14 163	0.20 162	0.14 160	0.21 172	0.14 153	0.17 143	0.12 114	0.17 154	0.12 148	2.52 532	2.31 557

4w-stereo	2.02 514	2.72 486	1.44 503	3.36 535	1.59 525	2.48 537	1.72 535	2.28 521	1.24 508	2.24 527	1.65 534	2.56 541	1.32 502	2.39 533	1.98 557	2.67 549	1.51 507	1.66 514	1.24 504	2.53 535	1.88 551

2.5w	2.01 513	2.40 468	1.37 498	3.28 529	2.01 552	2.71 549	1.43 526	1.82 503	1.83 546	1.90 509	1.41 521	2.71 548	1.35 504	2.71 548	1.85 547	2.66 547	1.53 509	1.64 513	1.23 503	2.53 535	1.87 548

3.25w_new	2.03 516	2.72 486	1.35 488	3.33 534	1.57 523	2.72 550	1.53 528	2.15 519	1.33 512	2.15 525	1.60 530	2.63 545	1.30 500	2.72 550	1.99 558	2.67 549	1.53 509	1.75 516	1.25 506	2.53 535	1.87 548

3.5w_stereo	2.03 516	2.72 486	1.35 488	3.41 536	1.57 523	2.72 550	1.49 527	2.01 511	1.34 513	2.15 525	1.61 532	2.63 545	1.36 505	2.72 550	1.99 558	2.66 547	1.58 514	1.68 515	1.24 504	2.53 535	1.87 548

IGEV	2.02 514	2.20 449	1.82 529	2.90 519	2.16 560	2.41 534	1.25 504	2.00 510	1.98 558	1.99 514	1.31 511	2.72 552	1.93 538	2.67 547	1.69 533	2.26 523	1.32 484	1.83 517	1.87 551	2.53 535	1.61 531

hitnet-ft	0.79 362	2.78 495	0.14 127	0.20 137	0.14 159	0.21 175	2.89 568	2.80 555	0.14 159	0.20 161	0.14 163	0.20 162	0.14 160	0.20 161	0.14 153	0.17 143	0.12 114	0.17 154	0.12 148	2.54 540	2.33 559

PDISCO_ROB	0.83 379	2.80 496	3.49 578	0.14 100	0.11 138	0.17 152	0.09 115	0.15 142	0.10 120	0.15 135	0.12 146	0.16 141	0.14 160	3.30 561	0.13 149	0.14 116	2.34 551	0.16 146	0.12 148	2.62 541	0.10 116

sCroCo_RVC	2.10 522	2.76 490	1.92 543	2.78 517	1.39 517	2.73 552	1.41 521	2.73 549	1.40 520	2.77 558	1.41 521	2.74 554	1.40 509	2.74 553	1.40 519	2.72 551	1.42 502	2.72 556	1.44 522	2.79 542	1.42 519

NLCA_NET_v2_RVC	5.04 595	50.87 623	2.78 561	2.87 518	2.71 569	2.78 557	0.47 351	2.88 556	2.86 570	1.89 508	2.67 569	2.79 558	2.79 558	2.78 557	2.83 567	2.82 552	2.82 555	2.83 557	2.77 568	2.83 543	2.76 565
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NLSM1	2.93 560	3.24 507	2.57 560	4.04 553	2.66 568	3.30 563	2.55 564	3.29 561	2.55 566	3.35 563	2.48 568	3.28 562	2.47 554	3.34 563	2.49 566	3.26 555	2.55 554	3.13 558	2.57 567	3.00 544	2.46 563

plain	1.88 498	3.16 504	0.64 354	3.10 522	0.65 396	3.10 559	0.64 381	3.12 558	0.65 386	3.10 559	0.65 394	3.11 559	0.65 381	3.12 558	0.65 377	3.12 554	0.65 363	3.13 558	0.65 400	3.13 545	0.65 386

UniTT-Stereo	2.03 516	3.43 511	0.72 379	3.42 537	0.73 411	3.27 562	0.68 392	3.38 563	0.69 400	3.29 562	0.72 417	3.28 562	0.70 399	3.35 564	0.68 389	3.39 557	0.68 370	3.31 561	0.69 409	3.37 546	0.73 403

MonStereo	2.17 525	2.41 469	1.49 510	2.67 511	1.67 530	2.60 547	2.04 556	2.32 528	1.76 540	2.44 537	1.68 536	2.50 534	1.69 520	2.38 531	1.80 544	2.28 527	1.78 528	2.63 555	2.14 559	3.47 547	1.68 537

DPSNet	3.66 565	3.60 513	3.62 581	3.63 545	3.64 590	3.65 566	3.65 590	3.66 566	3.67 587	3.67 565	3.65 588	3.67 566	3.66 576	3.66 565	3.68 585	3.68 560	3.66 574	3.67 565	3.68 590	3.67 548	3.67 589

RAStereo	2.23 537	3.64 514	0.76 387	3.65 546	0.86 429	3.66 567	0.76 413	3.67 567	0.81 426	3.66 564	0.76 423	3.66 565	0.77 411	3.68 566	0.77 415	3.68 560	0.77 389	3.69 566	0.77 420	3.70 549	0.77 411

SA	4.33 584	7.35 567	6.85 599	5.96 581	4.09 595	3.59 565	3.15 583	3.82 568	2.64 567	3.91 566	3.85 591	3.57 564	2.72 557	3.13 559	4.03 592	7.09 599	6.86 594	3.57 563	3.12 580	3.85 550	3.51 588

ssnet_v2	0.68 338	1.96 436	1.25 484	0.29 178	0.20 200	0.30 212	0.20 187	0.29 204	0.22 201	1.50 497	0.20 200	0.31 222	0.20 198	0.27 207	0.22 196	0.24 186	1.49 506	0.26 203	0.18 195	3.90 551	0.19 181

TestStereo1	4.60 586	8.41 574	6.44 596	6.86 586	3.79 592	3.97 569	3.78 592	3.99 570	3.74 589	3.97 567	3.52 586	3.94 569	3.58 573	3.98 569	3.72 587	6.82 596	6.50 592	3.76 567	3.66 588	3.90 551	3.74 592

SA-5K	4.60 586	8.41 574	6.44 596	6.86 586	3.79 592	3.97 569	3.78 592	3.99 570	3.74 589	3.97 567	3.52 586	3.94 569	3.58 573	3.98 569	3.72 587	6.82 596	6.50 592	3.76 567	3.66 588	3.90 551	3.74 592

NLCSM	3.67 566	4.08 528	3.19 577	4.80 569	3.26 583	3.99 571	3.24 585	4.25 573	3.18 583	4.09 569	3.27 583	4.14 571	3.18 571	4.13 571	3.28 581	4.06 562	3.10 564	3.85 570	3.14 581	3.91 554	3.27 585

test_4	4.88 592	8.13 572	6.98 600	7.46 589	4.44 597	4.25 573	3.85 594	4.04 572	3.92 593	4.13 570	3.91 592	4.18 573	3.84 583	4.14 572	4.06 593	7.01 598	7.13 595	4.53 572	3.72 591	4.09 555	3.72 590

test_3	5.01 594	8.86 579	7.77 602	8.09 591	2.76 570	4.13 572	4.05 596	3.88 569	3.76 591	4.33 572	4.13 595	3.71 567	3.91 584	4.21 573	4.06 593	7.93 600	7.69 597	4.53 572	3.91 593	4.17 556	4.29 598

RAFT+CT+SA	4.28 582	7.62 570	4.91 588	5.55 578	2.28 565	3.09 558	3.64 589	4.49 575	3.07 576	4.80 587	3.35 584	4.77 590	3.70 578	4.29 574	3.05 570	5.58 588	5.98 589	3.58 564	3.78 592	4.26 557	3.72 590

test_5	4.62 589	7.55 569	6.23 594	6.32 583	3.40 586	5.29 594	3.50 587	3.53 565	4.11 595	4.28 571	4.47 598	4.26 574	4.38 590	3.68 566	3.24 580	5.89 590	5.60 586	4.84 589	3.50 586	4.33 558	3.93 596

Sa-1000	4.34 585	8.37 573	6.84 598	6.98 588	4.45 598	3.58 564	3.00 569	3.42 564	3.39 585	2.61 544	4.00 594	3.83 568	4.01 587	3.90 568	3.90 590	5.98 592	5.62 587	3.76 567	2.34 565	4.35 559	2.47 564

cross-raft	4.83 591	7.52 568	6.43 595	6.63 584	3.96 594	4.51 575	3.99 595	4.49 575	3.96 594	4.52 574	3.96 593	4.50 575	3.97 586	4.50 576	3.97 591	6.65 594	6.44 591	4.33 571	3.92 594	4.35 559	3.91 595

sAnonymous2	3.31 563	2.63 477	1.38 500	3.71 548	1.86 544	4.70 587	1.11 445	4.82 590	2.72 568	5.45 595	1.98 560	4.59 580	2.64 555	2.65 545	6.21 601	4.37 563	1.08 418	5.16 593	2.24 562	4.52 561	2.39 561

CroCo_RVC	3.31 563	2.63 477	1.38 500	3.71 548	1.86 544	4.70 587	1.11 445	4.82 590	2.72 568	5.45 595	1.98 560	4.59 580	2.64 555	2.65 545	6.21 601	4.37 563	1.08 418	5.16 593	2.24 562	4.52 561	2.39 561

rvit_105_1	3.83 568	5.22 547	3.01 563	4.53 557	3.01 571	4.51 575	3.01 570	4.56 577	3.04 571	4.53 576	3.03 572	4.55 578	3.03 559	4.56 577	3.04 568	4.57 569	3.05 557	4.57 574	3.05 572	4.57 563	3.05 570

rvit_0105_6	3.87 572	5.73 561	3.10 573	4.69 567	3.12 581	4.54 577	3.02 571	4.56 577	3.04 571	4.54 578	3.03 572	4.54 576	3.04 562	4.56 577	3.05 570	4.58 572	3.05 557	4.58 576	3.05 572	4.58 564	3.05 570

rvit_stereo_0081	3.83 568	5.23 548	3.01 563	4.53 557	3.03 573	4.55 581	3.02 571	4.56 577	3.04 571	4.52 574	3.02 570	4.54 576	3.03 559	4.56 577	3.04 568	4.57 569	3.05 557	4.57 574	3.05 572	4.58 564	3.05 570

rvit_stereo_0082	3.86 570	5.82 562	3.01 563	4.53 557	3.03 573	4.54 577	3.02 571	4.56 577	3.04 571	4.53 576	3.02 570	4.55 578	3.04 562	4.57 580	3.05 570	4.57 569	3.05 557	4.58 576	3.05 572	4.58 564	3.06 573

rvit_stereo_0081_aga	3.86 570	5.33 551	3.02 566	4.55 563	3.04 577	4.54 577	3.02 571	4.64 584	3.06 575	4.54 578	3.04 574	4.62 585	3.08 566	4.62 583	3.07 573	4.58 572	3.06 561	4.60 578	3.08 576	4.63 567	3.07 574

rvit_stereo_0080	3.89 573	5.70 559	3.04 568	4.54 560	3.03 573	4.56 582	3.05 577	4.60 581	3.07 576	4.58 581	3.06 575	4.59 580	3.06 564	4.61 581	3.08 574	4.63 574	3.09 562	4.64 580	3.10 577	4.65 568	3.10 577

whm_eth	3.89 573	5.70 559	3.04 568	4.54 560	3.03 573	4.56 582	3.05 577	4.60 581	3.07 576	4.58 581	3.06 575	4.59 580	3.06 564	4.61 581	3.08 574	4.63 574	3.09 562	4.64 580	3.10 577	4.65 568	3.10 577

rvit_stereo_0083	3.92 577	5.30 550	3.06 571	4.61 566	3.09 580	4.67 586	3.08 580	4.66 585	3.09 580	4.62 584	3.10 580	4.66 588	3.11 568	4.67 585	3.16 579	4.72 579	3.16 568	4.77 587	3.11 579	4.66 570	3.11 579

rvit_stereo_ft	3.93 578	5.44 556	3.05 570	4.59 564	3.06 578	4.61 585	3.08 580	4.67 586	3.12 581	4.63 585	3.10 580	4.65 587	3.11 568	4.69 587	3.13 578	4.70 577	3.14 567	4.71 585	3.15 582	4.74 571	3.16 582

MLG-Stereo_test2	4.28 582	5.46 557	3.69 582	4.86 571	3.72 591	5.58 596	3.42 586	4.81 589	3.77 592	4.85 588	3.72 590	5.55 597	3.63 575	5.58 595	3.53 584	4.41 566	3.28 572	4.99 591	2.95 570	4.75 572	3.13 580

rvit_0105_3	3.91 575	5.33 551	3.06 571	4.60 565	3.07 579	4.60 584	3.06 579	4.62 583	3.08 579	4.60 583	3.07 578	4.62 585	3.08 566	4.67 585	3.10 577	4.70 577	3.11 565	4.77 587	3.19 584	4.77 573	3.14 581

rvit_0105_4	3.91 575	5.47 558	3.02 566	4.54 560	3.02 572	4.54 577	3.03 575	4.75 587	3.17 582	4.57 580	3.06 575	4.61 584	3.16 570	4.65 584	3.09 576	4.66 576	3.11 565	4.68 583	3.18 583	4.81 574	3.16 582

CFNet	1.37 484	5.27 549	0.19 165	5.49 577	0.19 197	0.28 208	0.19 183	0.28 199	0.19 192	0.28 204	0.19 196	0.28 208	4.35 589	0.28 211	0.19 187	0.23 179	0.17 166	0.23 187	4.21 597	4.81 574	0.17 175

MLG-Stereo_test3	4.26 581	4.85 541	3.95 584	5.35 576	3.60 588	4.75 590	3.76 591	5.49 596	3.71 588	5.39 593	3.69 589	4.82 591	3.66 576	4.85 588	3.73 589	4.93 580	3.19 571	4.69 584	2.99 571	4.84 576	2.98 569

MLG-Stereo_test1	4.25 580	5.34 553	3.61 580	5.31 575	3.63 589	5.23 593	3.57 588	5.38 595	3.65 586	5.23 592	3.47 585	4.76 589	3.74 579	4.85 588	3.71 586	4.96 581	3.18 570	4.71 585	2.92 569	4.86 577	2.90 567

raft_robust	4.71 590	7.75 571	5.40 593	6.81 585	3.31 584	4.28 574	4.20 597	4.32 574	4.37 598	4.35 573	4.35 597	4.14 571	3.75 580	4.30 575	4.20 595	6.67 595	6.37 590	3.36 562	4.24 598	4.86 577	3.25 584

Anonymous3	2.55 551	3.26 508	1.65 516	3.28 529	1.63 528	3.24 561	1.68 532	3.27 560	1.66 527	3.28 561	1.67 535	3.25 561	1.66 517	3.27 560	1.64 528	3.26 555	1.65 521	3.30 560	1.65 537	4.95 579	1.65 536

TestStereo	4.88 592	4.75 539	4.79 587	4.87 572	4.92 599	4.81 592	4.90 600	4.78 588	4.77 599	4.87 589	4.89 599	4.90 593	4.91 592	4.99 592	4.79 597	4.98 582	4.87 583	4.87 590	4.92 600	5.00 580	5.00 599

rvit_0105_5	4.10 579	5.40 554	3.13 576	4.71 568	3.15 582	4.72 589	3.10 582	4.90 592	3.27 584	4.69 586	3.16 582	4.84 592	3.25 572	4.96 591	3.34 582	5.05 584	3.39 573	5.10 592	3.40 585	5.11 581	3.42 586

FC-DCNN v2	5.10 596	5.15 545	4.49 586	5.07 574	3.37 585	6.87 599	4.75 599	5.04 593	6.34 603	7.84 603	5.06 600	6.72 603	4.09 588	4.99 592	5.44 600	5.03 583	3.16 568	4.67 582	4.86 599	5.15 582	3.89 594

DISCO	1.11 426	0.39 164	5.28 591	0.39 214	0.20 200	0.39 258	0.27 225	0.39 247	0.22 201	0.38 242	0.20 200	0.38 250	0.20 198	6.95 602	0.22 196	0.30 207	0.21 182	0.27 207	0.21 201	5.25 583	0.21 186

MaDis-Stereo	3.19 562	6.02 564	1.12 420	5.61 579	1.16 459	5.43 595	1.02 442	5.15 594	0.70 404	5.43 594	1.21 502	5.03 595	0.97 424	4.85 588	0.99 435	4.53 567	1.16 430	5.53 595	1.25 506	5.37 584	1.30 508

DispFullNet	4.61 588	4.84 540	3.12 574	5.00 573	3.57 587	4.75 590	3.03 575	7.75 603	4.17 596	4.91 590	3.09 579	6.20 599	3.95 585	6.71 599	3.51 583	5.30 587	3.67 575	5.86 599	3.63 587	5.61 585	3.46 587

StereoVision	3.15 561	5.00 543	0.89 399	4.83 570	1.00 442	3.93 568	1.27 507	6.37 597	1.34 513	5.67 597	1.26 507	5.84 598	1.27 497	5.03 594	1.24 504	5.10 586	1.09 420	4.61 579	0.57 383	5.62 586	1.12 442

SGM-Forest	5.21 598	5.92 563	4.08 585	6.18 582	4.16 596	6.31 598	4.34 598	6.50 598	4.33 597	6.14 599	4.21 596	6.61 602	4.55 591	6.67 598	4.48 596	5.94 591	3.94 577	5.85 598	4.03 596	5.79 587	4.17 597
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MIF-Stereo (partial)	2.58 552	3.31 509	0.66 358	3.18 526	0.66 399	3.18 560	0.66 384	3.21 559	0.67 389	3.19 560	0.66 396	3.19 560	0.66 384	3.31 562	0.68 389	5.09 585	1.79 530	8.23 604	1.67 539	6.18 588	1.38 517

RAFT	6.73 601	9.36 582	7.40 601	8.51 594	6.55 603	6.88 600	6.60 604	6.79 599	6.60 604	6.80 600	6.72 606	5.31 596	5.50 595	6.61 597	6.61 604	8.42 602	5.89 588	5.73 596	5.45 604	6.61 589	6.24 603

gwcnet-sp	0.82 375	1.72 413	1.48 506	0.39 214	0.15 170	0.31 218	0.21 193	0.20 162	0.25 215	1.61 501	0.23 211	0.28 208	0.26 227	0.20 161	0.15 163	0.24 186	1.33 491	0.32 226	0.16 170	6.75 590	0.23 191

scenet	0.82 375	1.72 413	1.48 506	0.39 214	0.15 170	0.31 218	0.21 193	0.20 162	0.25 215	1.61 501	0.23 211	0.28 208	0.26 227	0.20 161	0.15 163	0.24 186	1.33 491	0.32 226	0.16 170	6.75 590	0.23 191

ssnet	0.82 375	1.72 413	1.48 506	0.39 214	0.15 170	0.31 218	0.21 193	0.20 162	0.25 215	1.61 501	0.23 211	0.28 208	0.26 227	0.20 161	0.15 163	0.24 186	1.33 491	0.32 226	0.16 170	6.75 590	0.23 191

test-1	6.46 599	9.16 581	8.03 605	8.09 591	5.62 602	6.11 597	6.35 603	6.85 600	4.94 600	6.08 598	6.29 605	4.98 594	6.43 597	6.22 596	6.36 603	6.16 593	7.47 596	5.82 597	5.44 603	7.11 593	5.68 602

test-v	7.53 603	11.89 590	7.98 603	9.36 597	7.14 604	7.06 601	7.09 605	7.37 601	6.91 605	7.29 601	5.71 603	6.45 600	6.93 598	6.73 600	7.27 605	8.93 605	7.85 598	6.98 601	6.80 605	7.56 594	7.34 605

test-2	7.53 603	11.89 590	7.98 603	9.36 597	7.14 604	7.06 601	7.09 605	7.37 601	6.91 605	7.29 601	5.71 603	6.45 600	6.93 598	6.73 600	7.27 605	8.93 605	7.85 598	6.98 601	6.80 605	7.56 594	7.34 605

rvit_stereo_0075_2	6.64 600	8.80 578	5.25 590	7.89 590	5.27 601	7.90 603	5.27 601	7.92 604	5.28 601	7.91 604	5.29 602	7.93 604	5.27 593	7.92 604	5.28 598	7.93 600	5.28 585	7.93 603	5.29 602	7.93 596	5.28 601

CFNet_RVC	2.38 547	8.71 577	0.38 260	9.33 596	0.42 345	0.56 359	0.42 336	0.60 359	0.38 308	0.62 369	0.42 343	0.56 362	7.29 601	0.62 364	0.42 331	0.53 328	0.37 264	0.49 351	0.34 296	8.30 597	6.87 604

MSMDNet	2.65 553	10.14 588	0.33 232	9.74 599	0.32 272	0.87 395	0.33 271	2.95 557	0.68 395	0.49 321	0.34 289	0.49 325	5.70 596	0.49 324	0.33 267	0.42 290	9.57 601	0.41 307	0.31 277	8.36 598	0.65 386

U	5.15 597	8.49 576	1.81 524	8.49 593	1.77 538	8.49 604	1.77 536	8.51 605	1.77 541	8.49 605	1.77 539	8.50 605	1.78 529	8.58 605	1.77 542	8.54 603	1.78 528	8.55 605	1.78 548	8.55 599	1.84 544

SGM+DAISY	7.06 602	9.15 580	5.38 592	8.84 595	5.18 600	8.80 605	5.31 602	8.79 606	5.28 601	8.89 606	5.20 601	8.93 606	5.33 594	8.95 606	5.36 599	8.70 604	5.21 584	8.74 606	5.20 601	8.89 600	5.15 600

pcwnet_v2	2.66 554	9.89 586	0.33 232	9.89 600	0.32 272	0.50 337	0.32 260	0.49 315	0.33 278	0.49 321	0.34 289	0.49 325	8.76 603	0.48 318	0.33 267	0.41 276	9.58 602	0.40 290	0.29 252	9.01 601	0.63 378

ccs_rob	2.79 558	10.17 589	0.32 226	10.00 602	0.33 284	0.49 328	0.33 271	1.90 506	0.32 271	0.51 342	0.33 281	0.49 325	9.24 605	0.49 324	0.33 267	0.41 276	9.82 604	0.41 307	0.28 242	9.34 602	0.29 234

PCWNet_CMD	2.80 559	9.82 585	0.32 226	10.09 603	0.32 272	0.49 328	0.33 271	3.34 562	0.33 278	0.49 321	0.33 281	0.49 325	8.73 602	0.48 318	0.33 267	0.41 276	9.22 600	0.42 318	0.29 252	9.55 603	0.31 256

UCFNet_RVC	2.75 557	10.06 587	0.29 204	10.31 604	0.29 248	0.42 296	0.29 242	0.43 293	0.29 243	0.42 282	0.29 247	0.42 294	9.87 606	0.43 294	0.29 240	0.36 238	9.84 605	0.36 263	0.26 229	9.77 604	0.26 208

CFNet_pseudo	2.67 555	9.36 582	0.32 226	10.99 605	0.33 284	0.85 393	0.33 271	0.49 315	0.33 278	0.49 321	0.32 274	0.49 325	7.26 600	0.49 324	0.33 267	0.41 276	9.62 603	0.41 307	0.29 252	10.03 605	0.29 234

CFNet_ucs	2.73 556	9.64 584	0.33 232	9.92 601	0.32 272	0.49 328	0.33 271	0.49 315	0.33 278	0.49 321	0.33 281	0.49 325	8.98 604	0.48 318	0.33 267	0.41 276	9.96 606	0.40 290	0.29 252	10.12 606	0.54 360

rafts_anoy	20.00 607	20.00 592	20.00 607	20.00 606	20.00 607	20.00 606	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608

raft+_RVC	20.00 607	20.00 592	20.00 607	20.00 606	20.00 607	20.00 606	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608

raftrobust	20.00 607	20.00 592	20.00 607	20.00 606	20.00 607	20.00 606	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608

CasAABBNet	20.00 607	20.00 592	20.00 607	20.00 606	20.00 607	20.00 606	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608

RALCasStereoNet	20.00 607	20.00 592	20.00 607	20.00 606	20.00 607	20.00 606	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608

RALAANet	20.00 607	20.00 592	20.00 607	20.00 606	20.00 607	20.00 606	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608	20.00 607	20.00 608

MANE	19.05 606	23.00 598	15.00 606	23.00 612	15.00 606	24.00 612	16.00 607	24.00 613	16.00 607	22.00 613	15.00 607	23.00 613	16.00 607	23.00 613	15.00 607	22.00 613	15.00 607	22.00 613	15.00 607	22.00 613	15.00 607

111	30.40 613	30.94 614	29.72 614	32.61 613	30.02 614	33.57 613	30.47 615	31.50 614	29.39 615	30.98 614	29.11 615	29.78 614	30.39 618	29.45 614	30.76 618	30.08 614	29.02 615	29.92 614	30.32 618	29.86 614	30.17 615

tt	500032.53 631	34.60 616	29.72 614	37.47 622	34.41 619	36.85 619	35.22 620	34.71 618	33.55 617	34.50 615	35.43 619	33.81 618	10000000.00 635	33.57 618	33.13 619	33.68 618	35.00 620	34.03 619	35.26 621	30.96 615	34.63 620

DCANet	500032.53 631	34.60 616	29.72 614	37.47 622	34.41 619	36.85 619	35.22 620	34.71 618	33.55 617	34.50 615	35.43 619	33.81 618	10000000.00 635	33.57 618	33.13 619	33.68 618	35.00 620	34.03 619	35.26 621	30.96 615	34.63 620

ADStereo(finetuned)	36.13 616	36.63 619	38.07 624	36.97 618	33.25 618	35.91 618	34.45 619	36.36 621	32.99 616	38.14 625	36.71 622	36.69 621	34.13 619	38.57 625	40.79 625	37.60 625	36.58 622	35.90 622	33.36 619	35.42 617	34.04 619

DCANet-4	35.22 615	34.54 615	35.08 620	33.58 617	35.47 621	34.55 614	35.53 622	36.08 620	35.85 619	35.92 620	35.77 621	35.18 620	35.48 620	35.39 620	37.15 624	34.55 620	33.92 619	35.02 621	34.90 620	35.79 618	34.74 622

Reg-Stereo(zero)	37.00 617	37.00 620	37.00 621	37.00 619	37.00 622	37.00 621	37.00 623	37.00 622	37.00 620	37.00 621	37.00 623	37.00 622	37.00 621	37.00 621	37.00 621	37.00 622	37.00 623	37.00 623	37.00 623	37.00 619	37.00 623

HI	37.00 617	37.00 620	37.00 621	37.00 619	37.00 622	37.00 621	37.00 623	37.00 622	37.00 620	37.00 621	37.00 623	37.00 622	37.00 621	37.00 621	37.00 621	37.00 622	37.00 623	37.00 623	37.00 623	37.00 619	37.00 623

CoSv	37.00 617	37.00 620	37.00 621	37.00 619	37.00 622	37.00 621	37.00 623	37.00 622	37.00 620	37.00 621	37.00 623	37.00 622	37.00 621	37.00 621	37.00 621	37.00 622	37.00 623	37.00 623	37.00 623	37.00 619	37.00 623

WCMA_ROB	31.10 614	35.43 618	27.12 613	39.51 624	23.10 613	38.78 624	25.30 614	37.49 625	25.39 614	37.29 624	27.02 614	38.52 625	26.48 614	37.80 624	26.44 614	36.28 621	22.65 614	33.90 618	22.30 614	37.10 622	24.18 614

NOSS_ROB	102.95 621	153.00 628	121.00 628	51.00 625	44.00 625	165.00 628	127.00 628	153.00 628	119.00 625	164.00 629	125.00 628	168.00 629	120.00 626	153.00 628	117.00 628	49.00 626	44.00 626	49.00 626	44.00 626	49.00 623	44.00 626

CBMV	128.50 622	1422.70 635	53.10 626	79.50 626	51.30 626	77.30 626	49.70 626	74.00 626	48.20 624	77.20 627	48.80 627	73.90 627	48.00 625	73.80 627	48.80 627	70.40 627	45.10 627	68.90 627	46.10 627	68.20 624	45.00 627
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 620	87.70 624	41.95 625	113.75 627	65.62 627	75.05 625	55.25 627	75.64 627	45.04 623	71.61 626	41.75 626	72.81 626	44.06 624	68.38 626	44.63 626	101.89 628	59.57 628	107.10 628	61.05 628	104.38 625	59.38 628

MeshStereo	159.24 623	171.00 629	160.68 631	162.58 628	160.59 628	164.01 627	160.35 629	158.51 629	158.56 626	158.34 628	160.12 629	158.56 628	159.92 627	157.26 629	158.94 629	154.38 629	158.36 629	155.75 629	159.13 630	153.67 626	154.07 629
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	201.80 624	123.00 625	115.00 627	219.00 629	218.00 630	223.00 629	244.00 631	217.00 630	236.00 628	202.00 630	203.00 630	205.00 630	208.00 628	225.00 630	204.00 630	210.00 630	198.00 630	197.00 630	184.00 631	204.00 627	201.00 630

MGS-Stereo	239.45 625	123.00 625	135.00 629	266.00 630	286.00 631	277.00 630	305.00 632	271.00 631	242.00 629	274.00 631	279.00 632	255.00 631	270.00 630	268.00 631	297.00 632	221.00 631	247.00 632	216.00 631	123.00 629	217.00 628	217.00 632

EGLCR-Stereo	246.90 626	129.00 627	139.00 630	266.00 630	286.00 631	277.00 630	305.00 632	271.00 631	242.00 629	274.00 631	279.00 632	255.00 631	270.00 630	268.00 631	297.00 632	230.00 632	247.00 632	216.00 631	223.00 633	237.00 629	227.00 633

DLCB_ROB	284.23 627	354.61 631	207.27 632	363.24 632	206.46 629	364.72 632	210.41 630	364.72 633	210.41 627	364.81 633	208.64 631	364.81 633	208.64 629	364.72 633	210.41 631	354.70 633	205.53 631	354.70 633	205.53 632	354.70 630	205.53 631

LE_ROB	396.57 628	471.28 632	329.84 633	471.48 633	308.15 633	526.83 633	322.10 634	488.15 634	323.76 631	495.46 634	317.97 634	497.17 634	320.10 632	481.62 634	326.76 634	462.71 634	298.97 634	466.16 634	285.98 634	447.62 631	289.21 634

SGM-ForestM	596.69 629	677.77 633	444.52 634	699.85 634	517.25 634	732.94 634	488.29 635	770.79 635	460.11 632	750.81 635	487.98 635	792.79 635	499.41 633	730.90 635	475.81 635	720.03 635	491.16 635	663.96 635	418.60 635	674.76 632	436.05 635

CBMV_ROB	818.48 630	913.88 634	709.52 635	862.84 635	597.78 635	1073.99 635	700.52 636	1015.66 636	702.59 633	1115.65 636	760.02 636	1130.24 636	721.57 634	1037.41 636	692.65 636	814.05 636	564.29 636	843.28 636	595.31 636	915.51 633	602.92 636

111111	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 637	10000000.00 637	10000000.00 634	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 635	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 634	10000000.00 637

SGD-Stereo	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 637	10000000.00 637	10000000.00 634	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 635	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 634	10000000.00 637

IGEV-Stereo++	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 637	10000000.00 637	10000000.00 634	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 635	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 634	10000000.00 637

IGEV-BASED-STEREO-	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 637	10000000.00 637	10000000.00 634	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 635	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 634	10000000.00 637

IGEV-Stereo+	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 637	10000000.00 637	10000000.00 634	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 635	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 634	10000000.00 637

SDNR	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 637	10000000.00 637	10000000.00 634	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 635	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 634	10000000.00 637

anonymousdsp2	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 637	10000000.00 637	10000000.00 634	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 635	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 634	10000000.00 637

anonymousdsp	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 637	10000000.00 637	10000000.00 634	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 635	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 634	10000000.00 637

fff	1000028.16 633	29.62 610	29.72 614	32.61 613	30.02 614	35.13 615	31.83 616	32.07 615	10000000.00 634	35.27 617	29.82 616	32.45 615	30.15 615	32.35 615	30.09 615	31.04 615	29.55 616	30.64 615	30.14 615	10000000.00 634	30.77 616

csc	1000028.16 633	29.62 610	29.72 614	32.61 613	30.02 614	35.13 615	31.83 616	32.07 615	10000000.00 634	35.27 617	29.82 616	32.45 615	30.15 615	32.35 615	30.09 615	31.04 615	29.55 616	30.64 615	30.14 615	10000000.00 634	30.77 616

cscssc	1000028.16 633	29.62 610	29.72 614	32.61 613	30.02 614	35.13 615	31.83 616	32.07 615	10000000.00 634	35.27 617	29.82 616	32.45 615	30.15 615	32.35 615	30.09 615	31.04 615	29.55 616	30.64 615	30.14 615	10000000.00 634	30.77 616

test_example2	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 637	10000000.00 637	10000000.00 634	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 635	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 634	10000000.00 637

DIP-Stereo	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 636	10000000.00 637	10000000.00 637	10000000.00 634	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 635	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 637	10000000.00 634	10000000.00 637
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark