Low-res two-view results

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

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

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

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

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

Method	all	deliv. area 1l	deliv. area 1s	deliv. area 2l	deliv. area 2s	deliv. area 3l	deliv. area 3s	elect. 1l	elect. 1s	elect. 2l	elect. 2s	elect. 3l	elect. 3s	facade 1s	forest 1s	forest 2s	playg. 1l	playg. 1s	playg. 2l	playg. 2s	playg. 3l	playg. 3s	terra. 1s	terra. 2s	terra. 1l	terra. 1s	terra. 2l	terra. 2s

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	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	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	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	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	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	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	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	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

HITNet	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9
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
STStereo	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

NVstereo2D	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWC_ROB	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

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

PWCK	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

coex_refinement	0.02 15	0.03 23	0.02 14	0.03 23	0.02 15	0.03 22	0.02 15	0.03 24	0.02 15	0.03 21	0.02 15	0.03 24	0.02 15	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.03 22	0.02 16	0.03 23	0.02 15	0.02 15	0.02 15	0.03 24	0.02 15	0.03 22	0.02 15

G2L-Stereo	0.02 15	0.03 23	0.02 14	0.03 23	0.02 15	0.03 22	0.02 15	0.03 24	0.02 15	0.03 21	0.02 15	0.03 24	0.02 15	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.03 22	0.02 16	0.03 23	0.02 15	0.02 15	0.02 15	0.03 24	0.02 15	0.03 22	0.02 15

iinet-f	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

MFN_U_SF_RVC	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

MSC_U_SF_DS_RVC	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

MFN_U_SF_DS_RVC	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

RYNet	0.02 15	0.02 14	0.02 14	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.04 28	0.03 25	0.02 15	0.02 16	0.03 23	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

LSM0	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

YMNet	0.03 23	0.03 23	0.03 23	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.03 27	0.03 21	0.03 26	0.03 24	0.03 23	0.03 27	0.03 26	0.03 26	0.03 20	0.03 25	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.04 32	0.03 24	0.03 26	0.03 22	0.03 25

DFGA-Net	0.04 24	0.06 38	0.03 23	0.06 37	0.03 23	0.05 36	0.03 26	0.05 35	0.03 27	0.05 27	0.03 26	0.05 35	0.03 23	0.03 27	0.03 26	0.03 26	0.05 35	0.03 25	0.05 33	0.03 26	0.06 41	0.03 26	0.03 25	0.03 25	0.06 41	0.03 26	0.06 41	0.03 25

AASNet	0.05 25	0.08 42	0.08 40	0.07 41	0.05 37	0.05 36	0.05 39	0.07 39	0.05 38	0.05 27	0.05 37	0.05 35	0.05 41	0.06 40	0.07 42	0.05 39	0.05 35	0.05 39	0.05 33	0.05 39	0.05 35	0.05 40	0.04 32	0.05 38	0.05 36	0.05 38	0.05 36	0.05 38

SACVNet	0.05 25	0.08 42	0.08 40	0.07 41	0.05 37	0.05 36	0.05 39	0.07 39	0.05 38	0.05 27	0.05 37	0.05 35	0.05 41	0.06 40	0.07 42	0.05 39	0.05 35	0.05 39	0.05 33	0.05 39	0.05 35	0.05 40	0.04 32	0.05 38	0.05 36	0.05 38	0.05 36	0.05 38

AACVNet	0.05 25	0.08 42	0.08 40	0.07 41	0.05 37	0.05 36	0.05 39	0.07 39	0.05 38	0.05 27	0.05 37	0.05 35	0.05 41	0.06 40	0.07 42	0.05 39	0.05 35	0.05 39	0.05 33	0.05 39	0.05 35	0.05 40	0.04 32	0.05 38	0.05 36	0.05 38	0.05 36	0.05 38

FADE	0.05 25	0.05 37	0.05 30	0.05 36	0.04 32	0.03 22	0.03 26	0.05 35	0.04 32	0.06 33	0.03 26	0.02 15	0.04 33	0.05 35	0.07 42	0.07 45	0.07 43	0.05 39	0.06 41	0.04 32	0.09 48	0.08 49	0.06 41	0.05 38	0.06 41	0.05 38	0.05 36	0.04 32

DispViT+	0.06 29	0.09 46	0.08 40	0.06 37	0.04 32	0.06 43	0.04 33	0.08 45	0.07 44	0.06 33	0.04 32	0.06 43	0.04 33	0.07 43	0.05 39	0.05 39	0.06 42	0.04 31	0.06 41	0.04 32	0.06 41	0.04 33	0.05 38	0.04 32	0.07 43	0.04 32	0.06 41	0.04 32

ADCS	0.06 29	0.02 14	0.04 25	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.02 15	1.03 206	0.02 15	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.02 15	0.01 9	0.02 15	0.02 15	0.03 25	0.02 15	0.02 15	0.02 15	0.04 30	0.02 15

BridgeDepth_RVC	0.07 31	0.11 58	0.10 47	0.08 44	0.05 37	0.08 46	0.05 39	0.11 58	0.05 38	0.07 35	0.05 37	0.07 44	0.05 41	0.10 52	0.05 39	0.05 39	0.08 45	0.05 39	0.08 45	0.05 39	0.08 46	0.05 40	0.05 38	0.05 38	0.08 45	0.05 38	0.08 46	0.05 38
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
BridgeDepth	0.07 31	0.11 58	0.10 47	0.08 44	0.05 37	0.08 46	0.05 39	0.11 58	0.05 38	0.07 35	0.05 37	0.07 44	0.05 41	0.10 52	0.05 39	0.05 39	0.08 45	0.05 39	0.08 45	0.05 39	0.07 43	0.05 40	0.05 38	0.05 38	0.08 45	0.07 45	0.08 46	0.06 45
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
FINET	0.07 31	0.08 42	0.07 37	0.08 44	0.07 46	0.08 46	0.07 45	0.08 45	0.07 44	0.08 37	0.07 46	0.08 46	0.07 46	0.07 43	0.07 42	0.07 45	0.07 43	0.07 46	0.07 43	0.07 46	0.08 46	0.07 45	0.07 42	0.06 46	0.07 43	0.07 45	0.08 46	0.06 45

BEATNet_4x	0.08 34	0.03 23	0.06 35	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.03 27	1.47 237	0.03 26	0.03 24	0.03 23	0.03 27	0.03 26	0.03 26	0.03 20	0.03 25	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.03 25	0.03 24	0.03 26	0.03 22	0.03 25

ADCL	0.08 34	0.03 23	0.06 35	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.03 27	1.47 237	0.03 26	0.03 24	0.03 23	0.03 27	0.03 26	0.03 26	0.03 20	0.03 25	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.03 25	0.03 24	0.03 26	0.03 22	0.03 25

ADCMid	0.08 34	0.02 14	0.13 78	0.03 23	0.02 15	0.03 22	0.02 15	0.02 15	0.02 15	1.32 228	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.07 43	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 25

AnyNet_C01	0.08 34	0.03 23	0.04 25	0.02 15	0.03 23	0.03 22	0.02 15	0.02 15	0.02 15	1.46 236	0.02 15	0.03 24	0.03 23	0.02 15	0.02 15	0.02 15	0.04 28	0.02 15	0.03 22	0.02 16	0.02 15	0.02 15	0.02 15	0.03 25	0.02 15	0.02 15	0.03 22	0.03 25

ADCPNet	0.08 34	0.03 23	0.04 25	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.03 27	1.32 228	0.03 26	0.03 24	0.03 23	0.03 27	0.03 26	0.03 26	0.03 20	0.03 25	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.03 25	0.03 24	0.03 26	0.04 30	0.03 25

SepStereo	0.09 39	0.09 46	0.09 44	0.09 49	0.10 51	0.09 49	0.08 48	0.09 47	0.08 48	0.09 38	0.08 47	0.09 50	0.09 50	0.08 48	0.08 49	0.09 50	0.09 49	0.08 50	0.09 49	0.08 48	0.09 48	0.08 49	0.09 46	0.09 50	0.10 50	0.08 49	0.10 50	0.09 50

APVNet	0.09 39	0.06 38	0.04 25	0.06 37	0.04 32	0.05 36	0.04 33	0.05 35	1.08 260	0.05 27	0.05 37	0.05 35	0.04 33	0.05 35	0.04 33	0.04 32	0.05 35	0.04 31	0.05 33	0.04 32	0.05 35	0.04 33	0.04 32	0.04 32	0.05 36	0.04 32	0.05 36	0.04 32

AnonymousM	0.10 41	0.10 48	0.10 47	0.10 50	0.10 51	0.10 50	0.10 52	0.10 48	0.10 52	0.10 40	0.10 53	0.10 51	0.10 53	0.10 52	0.10 53	0.10 52	0.10 51	0.10 52	0.10 51	0.10 52	0.10 51	0.10 53	0.10 49	0.10 53	0.10 50	0.10 51	0.10 50	0.10 54

FADNet-RVC-Resample	0.10 41	0.04 32	0.05 30	0.04 32	0.05 37	0.05 36	0.05 39	0.07 39	0.05 38	0.05 27	0.05 37	0.05 35	0.04 33	0.05 35	0.04 33	0.04 32	0.05 35	0.05 39	0.05 33	0.05 39	0.05 35	0.04 33	1.53 280	0.04 32	0.05 36	0.05 38	0.06 41	0.05 38

FADNet_RVC	0.10 41	0.03 23	0.04 25	0.03 23	0.04 32	0.05 36	0.04 33	0.04 31	0.04 32	0.03 21	0.04 32	0.04 31	0.03 23	0.04 32	0.03 26	0.03 26	0.04 28	0.04 31	0.04 30	0.04 32	0.04 31	0.03 26	1.63 285	0.03 25	0.03 24	0.04 32	0.03 22	0.04 32

PVD	0.10 41	0.10 48	0.10 47	0.10 50	0.10 51	0.10 50	0.10 52	0.10 48	0.10 52	0.10 40	0.10 53	0.10 51	0.10 53	0.10 52	0.10 53	0.10 52	0.10 51	0.10 52	0.10 51	0.10 52	0.10 51	0.10 53	0.10 49	0.10 53	0.10 50	0.10 51	0.10 50	0.10 54

SHD	0.10 41	0.10 48	0.10 47	0.10 50	0.10 51	0.10 50	0.10 52	0.10 48	0.10 52	0.10 40	0.10 53	0.10 51	0.10 53	0.10 52	0.10 53	0.10 52	0.10 51	0.10 52	0.10 51	0.10 52	0.10 51	0.10 53	0.10 49	0.10 53	0.10 50	0.10 51	0.10 50	0.10 54

SAMSARA	0.10 41	0.10 48	0.10 47	0.10 50	0.10 51	0.10 50	0.10 52	0.10 48	0.10 52	0.10 40	0.10 53	0.10 51	0.10 53	0.10 52	0.10 53	0.10 52	0.10 51	0.10 52	0.10 51	0.10 52	0.10 51	0.10 53	0.10 49	0.10 53	0.10 50	0.10 51	0.10 50	0.10 54

XQC	0.10 41	0.10 48	0.10 47	0.10 50	0.10 51	0.10 50	0.10 52	0.10 48	0.10 52	0.10 40	0.10 53	0.10 51	0.10 53	0.10 52	0.10 53	0.10 52	0.10 51	0.10 52	0.10 51	0.10 52	0.10 51	0.10 53	0.10 49	0.10 53	0.10 50	0.10 51	0.10 50	0.10 54

RTSC	0.10 41	0.10 48	0.10 47	0.10 50	0.10 51	0.10 50	0.10 52	0.10 48	0.10 52	0.10 40	0.10 53	0.10 51	0.10 53	0.10 52	0.10 53	0.10 52	0.10 51	0.10 52	0.10 51	0.10 52	0.10 51	0.10 53	0.10 49	0.10 53	0.10 50	0.10 51	0.10 50	0.10 54

RTS	0.10 41	0.10 48	0.10 47	0.10 50	0.10 51	0.10 50	0.10 52	0.10 48	0.10 52	0.10 40	0.10 53	0.10 51	0.10 53	0.10 52	0.10 53	0.10 52	0.10 51	0.10 52	0.10 51	0.10 52	0.10 51	0.10 53	0.10 49	0.10 53	0.10 50	0.10 51	0.10 50	0.10 54

RTSA	0.10 41	0.10 48	0.10 47	0.10 50	0.10 51	0.10 50	0.10 52	0.10 48	0.10 52	0.10 40	0.10 53	0.10 51	0.10 53	0.10 52	0.10 53	0.10 52	0.10 51	0.10 52	0.10 51	0.10 52	0.10 51	0.10 53	0.10 49	0.10 53	0.10 50	0.10 51	0.10 50	0.10 54

MADNet+	0.10 41	0.10 48	0.10 47	0.10 50	0.10 51	0.10 50	0.10 52	0.10 48	0.10 52	0.10 40	0.10 53	0.10 51	0.10 53	0.10 52	0.10 53	0.10 52	0.10 51	0.10 52	0.10 51	0.10 52	0.10 51	0.10 53	0.10 49	0.10 53	0.10 50	0.10 51	0.10 50	0.10 54

MADNet++	0.10 41	0.10 48	0.10 47	0.10 50	0.10 51	0.10 50	0.10 52	0.10 48	0.10 52	0.10 40	0.10 53	0.10 51	0.10 53	0.10 52	0.10 53	0.10 52	0.10 51	0.10 52	0.10 51	0.10 52	0.10 51	0.10 53	0.10 49	0.10 53	0.10 50	0.10 51	0.10 50	0.10 54

LRCNet_RVC	0.11 53	0.12 61	0.09 44	0.12 61	0.09 49	0.12 61	0.09 49	0.12 61	0.09 50	0.12 50	0.09 51	0.11 61	0.09 50	0.09 49	0.09 50	0.09 50	0.12 62	0.16 93	0.21 96	0.09 51	0.12 62	0.09 51	0.09 46	0.09 50	0.12 62	0.28 131	0.12 62	0.09 50

FADNet-RVC	0.11 53	0.04 32	0.05 30	0.04 32	0.05 37	0.04 32	0.04 33	0.05 35	0.04 32	0.04 25	0.04 32	0.04 31	0.04 33	0.05 35	0.04 33	0.04 32	0.04 28	0.04 31	0.05 33	0.04 32	0.04 31	0.04 33	1.79 291	0.04 32	0.04 31	0.04 32	0.04 30	0.05 38

FADNet	0.11 53	0.04 32	0.05 30	0.06 37	0.05 37	0.04 32	0.04 33	0.04 31	0.04 32	0.04 25	0.05 37	0.05 35	0.04 33	0.05 35	0.04 33	0.04 32	0.04 28	0.04 31	0.04 30	0.05 39	0.05 35	0.04 33	1.74 289	0.04 32	0.04 31	0.05 38	0.04 30	0.05 38

ProNet	0.12 56	0.18 77	0.11 63	0.14 65	0.10 51	0.14 66	0.11 63	0.14 63	0.11 64	0.14 51	0.10 53	0.14 65	0.10 53	0.10 52	0.11 64	0.10 52	0.15 72	0.10 52	0.14 64	0.10 52	0.14 64	0.10 53	0.11 62	0.10 53	0.15 70	0.10 51	0.14 65	0.10 54

IPLG	0.12 56	0.15 67	0.12 69	0.14 65	0.11 64	0.14 66	0.11 63	0.14 63	0.11 64	0.15 56	0.11 64	0.14 65	0.11 65	0.12 78	0.11 64	0.11 64	0.14 65	0.11 67	0.14 64	0.11 65	0.14 64	0.11 65	0.11 62	0.11 67	0.14 65	0.11 65	0.14 65	0.11 66

MIPNet	0.12 56	0.15 67	0.12 69	0.14 65	0.11 64	0.14 66	0.11 63	0.14 63	0.11 64	0.15 56	0.11 64	0.14 65	0.11 65	0.12 78	0.11 64	0.11 64	0.14 65	0.11 67	0.15 72	0.11 65	0.14 64	0.11 65	0.11 62	0.11 67	0.14 65	0.11 65	0.14 65	0.11 66

AnyNet_C32	0.12 56	0.03 23	0.07 37	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.02 15	2.33 277	0.04 32	0.04 31	0.03 23	0.02 15	0.03 26	0.04 32	0.04 28	0.04 31	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.03 25	0.04 31	0.03 26	0.03 22	0.02 15

ADCP+	0.12 56	0.04 32	0.07 37	0.04 32	0.05 37	0.04 32	0.04 33	0.04 31	0.04 32	2.28 269	0.05 37	0.05 35	0.04 33	0.04 32	0.04 33	0.04 32	0.05 35	0.04 31	0.05 33	0.04 32	0.04 31	0.04 33	0.04 32	0.05 38	0.04 31	0.04 32	0.04 30	0.04 32

S2M2_L	0.13 61	0.14 66	0.10 47	0.14 65	0.10 51	0.15 74	0.10 52	0.30 116	0.10 52	0.14 51	0.17 95	0.14 65	0.10 53	0.10 52	0.10 53	0.10 52	0.14 65	0.10 52	0.14 64	0.10 52	0.14 64	0.10 53	0.10 49	0.10 53	0.15 70	0.10 51	0.14 65	0.10 54
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
CIPLG	0.13 61	0.15 67	0.12 69	0.14 65	0.11 64	0.14 66	0.11 63	0.15 71	0.11 64	0.15 56	0.11 64	0.15 74	0.11 65	0.12 78	0.12 81	0.11 64	0.15 72	0.11 67	0.15 72	0.11 65	0.14 64	0.11 65	0.11 62	0.12 81	0.15 70	0.12 81	0.15 72	0.12 80

IPLGR_C	0.13 61	0.16 72	0.14 82	0.15 73	0.11 64	0.14 66	0.11 63	0.14 63	0.11 64	0.14 51	0.11 64	0.14 65	0.11 65	0.12 78	0.11 64	0.11 64	0.14 65	0.11 67	0.14 64	0.11 65	0.14 64	0.11 65	0.11 62	0.11 67	0.14 65	0.11 65	0.15 72	0.11 66

IPLGR	0.13 61	0.15 67	0.12 69	0.14 65	0.11 64	0.14 66	0.11 63	0.14 63	0.13 85	0.15 56	0.11 64	0.14 65	0.12 84	0.12 78	0.11 64	0.11 64	0.14 65	0.11 67	0.14 64	0.11 65	0.14 64	0.11 65	0.11 62	0.12 81	0.15 70	0.11 65	0.14 65	0.11 66

ACRE	0.13 61	0.16 72	0.12 69	0.14 65	0.11 64	0.14 66	0.11 63	0.15 71	0.11 64	0.14 51	0.11 64	0.14 65	0.11 65	0.12 78	0.11 64	0.11 64	0.14 65	0.11 67	0.14 64	0.11 65	0.14 64	0.11 65	0.11 62	0.11 67	0.14 65	0.11 65	0.14 65	0.11 66

ICVP	0.13 61	0.16 72	0.11 63	0.16 80	0.11 64	0.16 81	0.11 63	0.16 73	0.11 64	0.16 67	0.11 64	0.16 81	0.11 65	0.11 68	0.11 64	0.11 64	0.16 80	0.11 67	0.16 79	0.11 65	0.16 79	0.11 65	0.11 62	0.11 67	0.16 80	0.11 65	0.16 79	0.11 66
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ADCRef	0.13 61	0.04 32	0.05 30	0.04 32	0.04 32	0.04 32	0.09 49	0.04 31	0.04 32	2.46 280	0.04 32	0.04 31	0.04 33	0.04 32	0.04 33	0.04 32	0.04 28	0.04 31	0.04 30	0.04 32	0.04 31	0.04 33	0.04 32	0.05 38	0.04 31	0.04 32	0.04 30	0.04 32

GMStereo	0.14 68	0.13 64	0.14 82	0.14 65	0.14 90	0.14 66	0.14 87	0.14 63	0.14 89	0.14 51	0.14 89	0.14 65	0.14 90	0.14 89	0.14 90	0.14 89	0.14 65	0.14 89	0.14 64	0.14 90	0.14 64	0.14 90	0.14 86	0.14 89	0.14 65	0.14 87	0.14 65	0.14 90
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
HSM	0.14 68	0.17 76	0.11 63	0.17 83	0.11 64	0.17 82	0.12 81	0.17 77	0.11 64	0.17 71	0.11 64	0.17 85	0.11 65	0.12 78	0.12 81	0.12 79	0.17 83	0.12 83	0.17 81	0.12 83	0.17 82	0.12 82	0.12 79	0.12 81	0.17 82	0.12 81	0.17 82	0.12 80

ELAS_RVC	0.14 68	0.18 77	0.11 63	0.19 89	0.11 64	0.18 84	0.13 85	0.16 73	0.11 64	0.17 71	0.11 64	0.14 65	0.11 65	0.09 49	0.11 64	0.12 79	0.17 83	0.10 52	0.18 85	0.11 65	0.18 84	0.11 65	0.10 49	0.11 67	0.19 88	0.11 65	0.19 86	0.12 80
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.14 68	0.19 82	0.11 63	0.20 91	0.11 64	0.20 92	0.12 81	0.18 79	0.12 79	0.18 73	0.12 82	0.19 91	0.11 65	0.11 68	0.11 64	0.11 64	0.18 87	0.11 67	0.19 89	0.11 65	0.19 88	0.11 65	0.11 62	0.11 67	0.20 92	0.11 65	0.20 91	0.12 80
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ELAS	0.14 68	0.23 91	0.10 47	0.19 89	0.11 64	0.20 92	0.11 63	0.16 73	0.10 52	0.15 56	0.11 64	0.15 74	0.11 65	0.09 49	0.11 64	0.11 64	0.16 80	0.10 52	0.17 81	0.11 65	0.18 84	0.11 65	0.09 46	0.10 53	0.18 85	0.11 65	0.19 86	0.12 80
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DDVS	0.15 73	0.18 77	0.13 78	0.18 86	0.13 87	0.19 89	0.13 85	0.18 79	0.13 85	0.18 73	0.13 88	0.18 88	0.13 89	0.13 85	0.13 86	0.13 85	0.18 87	0.13 86	0.18 85	0.13 89	0.18 84	0.13 87	0.13 84	0.10 53	0.19 88	0.14 87	0.19 86	0.13 88

BEATNet-Init1	0.15 73	0.07 40	0.10 47	0.08 44	0.07 46	0.07 44	0.07 45	0.07 39	0.07 44	2.19 265	0.08 47	0.08 46	0.07 46	0.07 43	0.07 42	0.07 45	0.08 45	0.07 46	0.08 45	0.08 48	0.07 43	0.07 45	0.07 42	0.07 47	0.08 45	0.07 45	0.07 44	0.07 47

DeepPrunerF	0.15 73	0.07 40	0.10 47	0.08 44	0.07 46	0.07 44	0.07 45	0.07 39	0.07 44	2.19 265	0.08 47	0.08 46	0.07 46	0.07 43	0.07 42	0.07 45	0.08 45	0.07 46	0.08 45	0.08 48	0.07 43	0.07 45	0.07 42	0.07 47	0.08 45	0.07 45	0.07 44	0.07 47

DeepPruner_ROB	0.15 73	0.18 77	0.12 69	0.18 86	0.12 83	0.18 84	0.12 81	0.18 79	0.13 85	0.18 73	0.12 82	0.18 88	0.12 84	0.13 85	0.12 81	0.13 85	0.18 87	0.13 86	0.18 85	0.12 83	0.19 88	0.12 82	0.13 84	0.12 81	0.18 85	0.12 81	0.18 84	0.12 80

LALA_ROB	0.15 73	0.21 85	0.12 69	0.21 96	0.12 83	0.20 92	0.14 87	0.20 82	0.12 79	0.22 82	0.12 82	0.16 81	0.12 84	0.10 52	0.12 81	0.12 79	0.21 97	0.11 67	0.22 97	0.12 83	0.20 92	0.12 82	0.11 62	0.12 81	0.21 97	0.14 87	0.21 95	0.13 88

test_for_model	0.17 78	1.25 225	0.20 99	0.15 73	0.11 64	0.15 74	0.11 63	0.21 86	0.11 64	0.15 56	0.11 64	0.15 74	0.11 65	0.11 68	0.11 64	0.11 64	0.15 72	0.11 67	0.15 72	0.11 65	0.15 73	0.11 65	0.11 62	0.11 67	0.15 70	0.11 65	0.15 72	0.11 66

GCAPDPT-zeroshot4090	0.17 78	1.25 225	0.20 99	0.15 73	0.11 64	0.15 74	0.11 63	0.21 86	0.11 64	0.15 56	0.11 64	0.15 74	0.11 65	0.11 68	0.11 64	0.11 64	0.15 72	0.11 67	0.15 72	0.11 65	0.15 73	0.11 65	0.11 62	0.11 67	0.15 70	0.11 65	0.15 72	0.11 66

testlalala	0.17 78	1.25 225	0.20 99	0.15 73	0.11 64	0.15 74	0.11 63	0.21 86	0.11 64	0.15 56	0.11 64	0.15 74	0.11 65	0.11 68	0.11 64	0.11 64	0.15 72	0.11 67	0.15 72	0.11 65	0.15 73	0.11 65	0.11 62	0.11 67	0.15 70	0.11 65	0.15 72	0.11 66

GCAPDPT-zeroshot	0.17 78	1.25 225	0.20 99	0.15 73	0.11 64	0.15 74	0.11 63	0.21 86	0.11 64	0.15 56	0.11 64	0.15 74	0.11 65	0.11 68	0.11 64	0.11 64	0.15 72	0.11 67	0.15 72	0.11 65	0.15 73	0.11 65	0.11 62	0.11 67	0.15 70	0.11 65	0.15 72	0.11 66

GCAP-Stereo	0.17 78	1.25 225	0.20 99	0.15 73	0.11 64	0.15 74	0.11 63	0.21 86	0.11 64	0.15 56	0.11 64	0.15 74	0.11 65	0.11 68	0.11 64	0.11 64	0.15 72	0.11 67	0.15 72	0.11 65	0.15 73	0.11 65	0.11 62	0.11 67	0.15 70	0.11 65	0.15 72	0.11 66

IGEV_Zeroshot_test	0.18 83	0.22 87	0.18 93	0.21 96	0.18 105	0.20 92	0.17 97	0.20 82	0.16 91	0.25 93	0.16 93	0.21 96	0.17 97	0.16 94	0.18 103	0.15 92	0.20 93	0.16 93	0.20 92	0.18 105	0.21 95	0.17 99	0.17 92	0.17 95	0.20 92	0.17 97	0.20 91	0.16 93

dd	0.18 83	0.22 87	0.16 84	0.22 98	0.15 91	0.22 99	0.15 91	0.21 86	0.15 90	0.21 80	0.15 90	0.21 96	0.15 92	0.15 91	0.15 92	0.15 92	0.22 99	0.14 89	0.22 97	0.14 90	0.22 98	0.15 92	0.16 90	0.15 92	0.23 104	0.15 91	0.22 97	0.16 93

dad	0.18 83	0.23 91	0.16 84	0.22 98	0.15 91	0.22 99	0.15 91	0.22 93	0.16 91	0.21 80	0.15 90	0.22 99	0.15 92	0.15 91	0.16 94	0.17 95	0.23 104	0.17 97	0.23 104	0.15 93	0.22 98	0.15 92	0.15 88	0.15 92	0.22 99	0.15 91	0.22 97	0.16 93

MSKI-zero shot	0.19 86	0.21 85	0.16 84	0.22 98	0.16 94	0.23 107	0.17 97	0.22 93	0.17 96	0.22 82	0.17 95	0.22 99	0.16 94	0.19 107	0.16 94	0.17 95	0.23 104	0.16 93	0.22 97	0.16 94	0.22 98	0.17 99	0.16 90	0.17 95	0.22 99	0.19 108	0.22 97	0.16 93

MIM_Stereo	0.19 86	0.23 91	0.18 93	0.22 98	0.16 94	0.22 99	0.16 95	0.21 86	0.16 91	0.22 82	0.17 95	0.21 96	0.17 97	0.20 108	0.18 103	0.17 95	0.22 99	0.18 107	0.22 97	0.16 94	0.21 95	0.16 95	0.17 92	0.17 95	0.21 97	0.16 95	0.22 97	0.20 110

UNet	0.19 86	0.13 64	0.09 44	0.13 64	0.09 49	0.13 64	0.09 49	0.13 62	0.09 50	0.90 187	0.09 51	0.13 64	0.09 50	0.10 52	0.09 50	0.70 228	0.13 64	0.09 51	0.13 62	0.10 52	0.91 221	0.09 51	0.10 49	0.09 50	0.13 63	0.10 51	0.13 64	0.09 50

iResNet	0.19 86	0.23 91	0.17 88	0.22 98	0.17 98	0.22 99	0.19 108	0.22 93	0.17 96	0.22 82	0.17 95	0.22 99	0.17 97	0.17 96	0.17 98	0.17 95	0.22 99	0.17 97	0.22 97	0.17 98	0.23 104	0.17 99	0.18 103	0.17 95	0.23 104	0.17 97	0.23 105	0.17 99

ACV-stereo	0.20 90	0.23 91	0.17 88	0.23 105	0.17 98	0.23 107	0.17 97	0.23 101	0.17 96	0.23 88	0.17 95	0.23 105	0.17 97	0.17 96	0.17 98	0.17 95	0.24 109	0.17 97	0.23 104	0.17 98	0.24 107	0.17 99	0.17 92	0.17 95	0.23 104	0.17 97	0.23 105	0.17 99

DAS	0.20 90	0.20 83	0.20 99	0.20 91	0.20 111	0.20 92	0.20 110	0.20 82	0.20 108	0.20 78	0.20 110	0.20 94	0.20 109	0.20 108	0.20 111	0.20 105	0.20 93	0.20 113	0.20 92	0.20 112	0.20 92	0.20 111	0.20 108	0.20 109	0.20 92	0.20 109	0.20 91	0.20 110

ASD4	0.20 90	0.20 83	0.20 99	0.20 91	0.20 111	0.20 92	0.20 110	0.20 82	0.20 108	0.20 78	0.20 110	0.20 94	0.20 109	0.20 108	0.20 111	0.20 105	0.20 93	0.20 113	0.20 92	0.20 112	0.20 92	0.20 111	0.20 108	0.20 109	0.20 92	0.20 109	0.20 91	0.20 110

iResNetv2_ROB	0.20 90	0.22 87	0.19 97	0.23 105	0.19 109	0.22 99	0.17 97	0.22 93	0.17 96	0.22 82	0.17 95	0.22 99	0.17 97	0.18 103	0.18 103	0.19 104	0.22 99	0.17 97	0.23 104	0.17 98	0.25 109	0.18 107	0.17 92	0.18 106	0.23 104	0.17 97	0.25 114	0.17 99

ITSA-stereo	0.21 94	0.16 72	0.12 69	0.16 80	0.13 87	0.18 84	0.14 87	0.16 73	1.89 296	0.16 67	0.12 82	0.17 85	0.12 84	0.13 85	0.13 86	0.13 85	0.17 83	0.13 86	0.17 81	0.12 83	0.16 79	0.12 82	0.12 79	0.12 81	0.17 82	0.12 81	0.16 79	0.12 80

Pointernet	0.22 95	0.41 131	0.38 147	0.22 98	0.17 98	0.22 99	0.17 97	0.41 148	0.17 96	0.22 82	0.17 95	0.22 99	0.17 97	0.18 103	0.18 103	0.18 101	0.23 104	0.18 107	0.23 104	0.18 105	0.23 104	0.18 107	0.17 92	0.17 95	0.22 99	0.18 106	0.22 97	0.17 99

JetRed	0.22 95	0.11 58	0.12 69	0.11 60	0.11 64	0.11 60	0.11 63	0.11 58	0.11 64	2.93 290	0.11 64	0.11 61	0.11 65	0.11 68	0.11 64	0.12 79	0.11 61	0.11 67	0.11 61	0.11 65	0.11 61	0.11 65	0.11 62	0.11 67	0.11 61	0.11 65	0.11 61	0.11 66

JetBlue	0.23 97	0.12 61	0.13 78	0.12 61	0.12 83	0.12 61	0.11 63	0.14 63	0.12 79	3.07 291	0.12 82	0.12 63	0.11 65	0.11 68	0.13 86	0.13 85	0.12 62	0.12 83	0.13 62	0.11 65	0.12 62	0.13 87	0.12 79	0.14 89	0.13 63	0.12 81	0.12 62	0.11 66

SFCPSM	0.23 97	0.18 77	0.13 78	0.18 86	0.12 83	0.18 84	0.80 241	0.17 77	0.12 79	0.88 186	0.12 82	0.17 85	0.12 84	0.13 85	0.12 81	0.12 79	0.18 87	0.12 83	0.18 85	0.12 83	1.18 251	0.13 87	0.12 79	0.12 81	0.18 85	0.13 86	0.18 84	0.12 80

S2M2_XL	0.24 99	1.32 236	0.86 227	0.17 83	0.11 64	0.17 82	0.11 63	1.05 233	0.12 79	0.16 67	0.11 64	0.16 81	0.11 65	0.11 68	0.11 64	0.11 64	0.17 83	0.11 67	0.17 81	0.11 65	0.17 82	0.11 65	0.11 62	0.11 67	0.17 82	0.11 65	0.17 82	0.11 66
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
LoS_RVC	0.25 100	0.25 103	0.25 114	0.25 113	0.25 121	0.25 117	0.25 121	0.25 106	0.25 120	0.25 93	0.25 124	0.25 114	0.25 122	0.26 124	0.25 124	0.26 120	0.25 115	0.25 123	0.26 118	0.25 124	0.25 109	0.25 120	0.25 119	0.25 122	0.25 116	0.25 122	0.25 114	0.25 122

tt_ll	0.25 100	0.25 103	0.25 114	0.25 113	0.25 121	0.25 117	0.25 121	0.25 106	0.25 120	0.25 93	0.25 124	0.25 114	0.25 122	0.26 124	0.25 124	0.26 120	0.25 115	0.25 123	0.26 118	0.25 124	0.25 109	0.25 120	0.25 119	0.25 122	0.25 116	0.25 122	0.25 114	0.25 122

CAS	0.25 100	0.25 103	0.25 114	0.25 113	0.26 123	0.26 123	0.26 123	0.25 106	0.25 120	0.25 93	0.25 124	0.25 114	0.25 122	0.25 122	0.25 124	0.25 117	0.26 121	0.25 123	0.26 118	0.26 128	0.25 109	0.25 120	0.25 119	0.26 126	0.25 116	0.26 126	0.25 114	0.25 122

LoS	0.25 100	0.25 103	0.27 118	0.27 120	0.26 123	0.25 117	0.26 123	0.26 111	0.25 120	0.26 99	0.25 124	0.25 114	0.25 122	0.26 124	0.25 124	0.25 117	0.25 115	0.25 123	0.25 115	0.25 124	0.27 116	0.25 120	0.26 123	0.26 126	0.26 120	0.25 122	0.25 114	0.25 122
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
castereo++	0.26 104	1.28 235	1.07 244	0.15 73	0.13 87	0.15 74	0.14 87	1.22 246	0.13 85	0.16 67	0.17 95	0.16 81	0.14 90	0.14 89	0.15 92	0.14 89	0.15 72	0.14 89	0.16 79	0.14 90	0.16 79	0.14 90	0.14 86	0.14 89	0.16 80	0.14 87	0.16 79	0.15 91

MatchStereo	0.27 105	0.12 61	2.51 301	0.12 61	0.11 64	0.12 61	0.11 63	2.54 290	0.08 48	0.09 38	0.08 47	0.08 46	0.07 46	0.07 43	0.09 50	0.07 45	0.09 49	0.07 46	0.09 49	0.07 46	0.09 48	0.07 45	0.08 45	0.07 47	0.08 45	0.08 49	0.09 49	0.08 49

model_zeroshot	0.27 105	0.30 113	0.19 97	0.36 139	0.23 119	0.25 117	0.27 127	0.33 119	0.21 111	0.35 108	0.22 116	0.25 114	0.27 130	0.26 124	0.23 119	0.26 120	0.35 133	0.22 116	0.36 135	0.23 121	0.25 109	0.27 127	0.27 125	0.23 119	0.36 135	0.22 116	0.25 114	0.27 130

DCVSM-stereo	0.27 105	0.38 125	0.22 107	0.38 145	0.22 114	0.38 147	0.22 115	0.29 114	0.22 114	0.29 101	0.22 116	0.29 125	0.22 116	0.22 114	0.21 113	0.21 108	0.38 144	0.22 116	0.38 143	0.22 116	0.38 137	0.22 114	0.21 110	0.25 122	0.38 142	0.21 113	0.38 140	0.21 114

DLNR_Zeroshot_test	0.27 105	0.30 113	0.23 109	0.30 125	0.22 114	0.31 127	0.24 119	0.29 114	0.23 117	0.38 117	0.23 119	0.29 125	0.23 120	0.22 114	0.23 119	0.23 113	0.30 126	0.34 155	0.29 124	0.23 121	0.29 120	0.29 145	0.22 113	0.23 119	0.30 125	0.23 119	0.30 124	0.23 120

HGLStereo	0.27 105	0.25 103	0.21 106	0.35 135	0.21 113	0.35 134	0.21 113	0.34 125	0.21 111	0.39 120	0.21 113	0.34 131	0.21 114	0.22 114	0.21 113	0.21 108	0.35 133	0.22 116	0.35 132	0.22 116	0.35 128	0.22 114	0.21 110	0.21 113	0.35 133	0.21 113	0.35 132	0.21 114

iResNet_ROB	0.28 110	0.32 117	0.24 113	0.33 129	0.26 123	0.32 129	0.24 119	0.33 119	0.25 120	0.33 103	0.24 122	0.35 134	0.24 121	0.23 118	0.24 123	0.25 117	0.32 128	0.24 122	0.36 135	0.24 123	0.32 122	0.28 133	0.24 118	0.24 121	0.32 127	0.24 121	0.33 126	0.24 121

IGEV-FE	0.29 111	2.85 277	0.36 143	0.20 91	0.17 98	0.19 89	0.17 97	0.37 133	0.17 96	0.19 76	0.17 95	0.19 91	0.17 97	0.17 96	0.17 98	0.17 95	0.19 92	0.17 97	0.19 89	0.17 98	0.19 88	0.17 99	0.17 92	0.17 95	0.19 88	0.17 97	0.19 86	0.17 99

IMH-64-1	0.29 111	0.23 91	0.23 109	0.23 105	0.22 114	0.22 99	0.23 117	0.22 93	0.22 114	2.02 258	0.23 119	0.23 105	0.22 116	0.23 118	0.23 119	0.23 113	0.23 104	0.22 116	0.23 104	0.22 116	0.22 98	0.22 114	0.22 113	0.22 116	0.22 99	0.22 116	0.22 97	0.22 116

IMH-64	0.29 111	0.23 91	0.23 109	0.23 105	0.22 114	0.22 99	0.23 117	0.22 93	0.22 114	2.02 258	0.23 119	0.23 105	0.22 116	0.23 118	0.23 119	0.23 113	0.23 104	0.22 116	0.23 104	0.22 116	0.22 98	0.22 114	0.22 113	0.22 116	0.22 99	0.22 116	0.22 97	0.22 116

UPFNet	0.29 111	0.24 99	0.16 84	0.24 110	0.16 94	0.24 111	0.16 95	0.23 101	0.16 91	1.19 219	0.16 93	0.23 105	0.16 94	0.17 96	0.16 94	0.89 240	0.24 109	0.16 93	0.24 110	0.18 105	1.20 254	0.16 95	0.17 92	0.16 94	0.24 110	0.16 95	0.24 107	0.16 93

WAO-6	0.30 115	0.22 87	0.23 109	0.22 98	0.23 119	0.23 107	0.22 115	0.22 93	0.23 117	2.21 268	0.22 116	0.22 99	0.22 116	0.22 114	0.22 117	0.23 113	0.22 99	0.23 121	0.22 97	0.22 116	0.22 98	0.22 114	0.22 113	0.22 116	0.23 104	0.23 119	0.22 97	0.22 116

anonymity	0.30 115	0.34 119	0.27 118	0.33 129	0.27 128	0.33 130	0.28 134	0.33 119	0.28 134	0.33 103	0.28 135	0.33 129	0.28 132	0.28 136	0.28 136	0.28 130	0.34 130	0.28 131	0.34 130	0.28 133	0.34 124	0.27 127	0.27 125	0.27 130	0.34 130	0.28 131	0.34 130	0.28 133

iRaft-Stereo_20w	0.30 115	0.46 145	0.27 118	0.34 131	0.26 123	0.35 134	0.28 134	0.34 125	0.26 127	0.34 106	0.26 128	0.34 131	0.26 128	0.26 124	0.26 129	0.26 120	0.34 130	0.26 127	0.34 130	0.26 128	0.34 124	0.26 126	0.26 123	0.26 126	0.34 130	0.26 126	0.34 130	0.26 127

MMNet	0.30 115	0.24 99	0.17 88	0.24 110	0.17 98	0.24 111	0.17 97	0.23 101	0.18 104	1.21 222	0.17 95	0.23 105	0.17 97	0.17 96	0.17 98	0.89 240	0.24 109	0.17 97	0.24 110	0.17 98	1.22 256	0.16 95	0.17 92	0.17 95	0.24 110	0.17 97	0.24 107	0.17 99

delet	0.30 115	0.24 99	0.17 88	0.24 110	0.17 98	0.24 111	0.17 97	0.23 101	0.16 91	1.21 222	0.17 95	0.24 112	0.17 97	0.17 96	0.17 98	0.91 244	0.24 109	0.17 97	0.24 110	0.17 98	1.23 258	0.17 99	0.17 92	0.17 95	0.24 110	0.17 97	0.24 107	0.17 99

psm_up	0.30 115	0.24 99	0.17 88	0.25 113	0.17 98	0.24 111	0.17 97	0.24 105	0.17 96	1.20 221	0.17 95	0.23 105	0.17 97	0.17 96	0.18 103	0.90 243	0.24 109	0.17 97	0.25 115	0.17 98	1.24 261	0.17 99	0.17 92	0.17 95	0.24 110	0.17 97	0.24 107	0.17 99

MLCV	0.30 115	0.33 118	0.28 121	0.34 131	0.28 132	0.33 130	0.28 134	0.33 119	0.29 142	0.33 103	0.27 132	0.33 129	0.28 132	0.26 124	0.29 144	0.28 130	0.33 129	0.28 131	0.33 127	0.28 133	0.33 123	0.27 127	0.28 130	0.28 134	0.33 128	0.28 131	0.33 126	0.28 133

DN-CSS_ROB	0.30 115	0.34 119	0.29 126	0.34 131	0.27 128	0.34 132	0.28 134	0.33 119	0.27 129	0.34 106	0.27 132	0.34 131	0.28 132	0.29 138	0.27 132	0.26 120	0.35 133	0.29 140	0.33 127	0.28 133	0.34 124	0.28 133	0.28 130	0.27 130	0.34 130	0.28 131	0.33 126	0.28 133

UNDER WATER-64	0.31 123	0.25 103	0.25 114	0.26 118	0.26 123	0.25 117	0.26 123	0.25 106	0.26 127	1.69 243	0.26 128	0.25 114	0.25 122	0.25 122	0.26 129	0.26 120	0.25 115	0.26 127	0.26 118	0.26 128	0.25 109	0.25 120	0.25 119	0.25 122	0.26 120	0.26 126	0.25 114	0.26 127

LG-Stereo_L2	0.32 124	0.45 142	0.36 143	0.37 141	0.27 128	0.37 143	0.27 127	0.43 153	0.27 129	0.36 114	0.31 151	0.36 140	0.27 130	0.27 131	0.27 132	0.30 142	0.37 141	0.27 130	0.37 139	0.27 132	0.37 134	0.27 127	0.27 125	0.27 130	0.37 139	0.27 129	0.37 138	0.27 130

CASnet	0.32 124	0.53 161	0.34 140	0.27 120	0.31 152	0.34 132	0.29 147	0.31 117	0.32 149	0.25 93	0.31 151	0.27 122	0.40 177	0.45 180	0.27 132	0.30 142	0.26 121	0.40 177	0.28 123	0.37 167	0.28 118	0.39 175	0.29 138	0.40 179	0.29 124	0.28 131	0.24 107	0.30 150
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.32 124	0.45 142	0.29 126	0.36 139	0.29 142	0.36 139	0.29 147	0.36 132	0.29 142	0.35 108	0.29 143	0.35 134	0.28 132	0.27 131	0.28 136	0.28 130	0.35 133	0.28 131	0.35 132	0.28 133	0.35 128	0.28 133	0.29 138	0.29 144	0.36 135	0.29 146	0.36 135	0.29 144

RSM	0.33 127	0.36 123	0.31 135	0.39 156	0.32 154	0.36 139	0.30 152	0.35 128	0.38 166	0.35 108	0.31 151	0.35 134	0.30 146	0.30 143	0.31 151	0.30 142	0.36 138	0.31 149	0.36 135	0.30 149	0.36 132	0.31 150	0.31 148	0.31 150	0.36 135	0.31 152	0.36 135	0.31 153

SQANet	0.33 127	0.28 110	0.28 121	0.28 124	0.28 132	0.29 125	0.28 134	0.28 112	0.28 134	1.59 240	0.28 135	0.28 124	0.28 132	0.28 136	0.28 136	0.28 130	0.28 124	0.28 131	0.29 124	0.28 133	0.28 118	0.28 133	0.28 130	0.28 134	0.28 123	0.28 131	0.28 122	0.28 133

DGSMNet	0.33 127	0.42 137	0.28 121	0.40 157	0.28 132	0.40 157	0.28 134	0.40 146	0.28 134	0.40 128	0.28 135	0.39 149	0.28 132	0.27 131	0.28 136	0.28 130	0.40 158	0.28 131	0.42 164	0.29 142	0.41 152	0.31 150	0.29 138	0.28 134	0.41 157	0.28 131	0.42 161	0.29 144

gcap_with_dpt	0.34 130	0.42 137	0.29 126	0.42 168	0.29 142	0.42 165	0.29 147	0.39 142	0.29 142	0.39 120	0.29 143	0.39 149	0.29 141	0.29 138	0.29 144	0.28 130	0.42 165	0.29 140	0.42 164	0.29 142	0.42 157	0.28 133	0.28 130	0.28 134	0.41 157	0.28 131	0.41 155	0.28 133

castereo	0.34 130	1.59 242	1.39 263	0.17 83	0.15 91	0.18 84	0.26 123	1.74 261	0.17 96	0.19 76	0.18 107	0.18 88	0.20 109	0.20 108	0.22 117	0.21 108	0.18 87	0.17 97	0.19 89	0.16 94	0.18 84	0.20 111	0.17 92	0.21 113	0.19 88	0.17 97	0.19 86	0.16 93

GCAP-BAT	0.34 130	0.42 137	0.29 126	0.42 168	0.29 142	0.42 165	0.29 147	0.39 142	0.29 142	0.39 120	0.29 143	0.39 149	0.29 141	0.29 138	0.29 144	0.28 130	0.42 165	0.29 140	0.42 164	0.29 142	0.42 157	0.28 133	0.28 130	0.28 134	0.41 157	0.28 131	0.41 155	0.28 133

RAFT-Test	0.34 130	0.45 142	0.30 132	0.38 145	0.32 154	0.40 157	0.32 156	0.39 142	0.32 149	0.39 120	0.30 148	0.37 142	0.29 141	0.30 143	0.30 148	0.29 140	0.38 144	0.30 146	0.38 143	0.29 142	0.38 137	0.29 145	0.29 138	0.30 148	0.38 142	0.30 149	0.38 140	0.30 150

RAFT + AFF	0.34 130	0.29 111	0.32 138	0.31 127	0.30 149	0.39 154	0.32 156	0.39 142	0.30 146	0.39 120	0.32 154	0.39 149	0.32 151	0.35 152	0.36 161	0.32 151	0.38 144	0.31 149	0.38 143	0.31 153	0.38 137	0.28 133	0.37 166	0.34 157	0.38 142	0.30 149	0.38 140	0.28 133

ETE_ROB	0.35 135	0.35 122	0.35 141	0.35 135	0.35 162	0.35 134	0.35 159	0.35 128	0.35 158	0.35 108	0.35 160	0.35 134	0.35 158	0.35 152	0.35 157	0.35 157	0.35 133	0.35 159	0.35 132	0.35 161	0.35 128	0.35 157	0.35 157	0.35 161	0.35 133	0.35 159	0.35 132	0.35 160

VIP-Stereo	0.36 136	2.00 251	1.11 247	0.26 118	0.16 94	0.24 111	0.15 91	2.00 271	0.23 117	0.24 89	0.15 90	0.23 105	0.16 94	0.16 94	0.16 94	0.15 92	0.24 109	0.15 92	0.24 110	0.16 94	0.24 107	0.15 92	0.15 88	0.20 109	0.24 110	0.15 91	0.24 107	0.15 91

GREAT-IGEV	0.36 136	0.46 145	0.33 139	0.43 170	0.30 149	0.43 170	0.30 152	0.45 155	0.30 146	0.42 136	0.30 148	0.43 165	0.30 146	0.30 143	0.30 148	0.30 142	0.43 167	0.30 146	0.43 167	0.30 149	0.43 160	0.30 148	0.30 146	0.30 148	0.43 165	0.30 149	0.43 163	0.30 150
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
EKT-Stereo	0.36 136	0.50 158	0.30 132	0.40 157	0.29 142	0.40 157	0.29 147	0.35 128	0.30 146	0.47 145	0.30 148	0.35 134	0.32 151	0.29 138	0.34 155	0.33 153	0.59 199	0.31 149	0.39 154	0.29 142	0.37 134	0.38 166	0.29 138	0.31 150	0.58 203	0.28 131	0.51 188	0.29 144

GEStereo_RVC	0.36 136	0.23 91	0.18 93	0.23 105	0.18 105	0.23 107	0.19 108	0.22 93	0.19 106	0.24 89	0.20 110	0.24 112	0.18 107	0.18 103	0.18 103	0.21 108	0.25 115	0.18 107	0.22 97	0.18 105	0.23 104	0.18 107	0.19 106	0.20 109	0.23 104	0.20 109	4.43 313	0.19 108

DMCA	0.36 136	0.38 125	0.37 145	0.35 135	0.35 162	0.35 134	0.36 165	0.35 128	0.36 163	0.36 114	0.37 169	0.36 140	0.36 163	0.36 157	0.35 157	0.37 162	0.36 138	0.36 161	0.36 135	0.36 165	0.36 132	0.35 157	0.36 162	0.36 164	0.37 139	0.36 162	0.36 135	0.36 165

DDF-Stereo	0.37 141	0.57 171	0.50 182	0.40 157	0.32 154	0.40 157	0.32 156	0.53 179	0.32 149	0.39 120	0.32 154	0.39 149	0.32 151	0.32 146	0.32 153	0.32 151	0.40 158	0.32 153	0.40 155	0.32 154	0.40 151	0.32 153	0.32 149	0.32 152	0.40 152	0.32 154	0.40 151	0.32 155

XPNet_ROB	0.37 141	0.37 124	0.37 145	0.37 141	0.37 168	0.37 143	0.37 170	0.37 133	0.37 165	0.37 116	0.37 169	0.37 142	0.37 165	0.37 159	0.37 164	0.37 162	0.37 141	0.37 166	0.37 139	0.37 167	0.37 134	0.37 163	0.37 166	0.37 170	0.37 139	0.37 168	0.37 138	0.37 168

GIP-stereo	0.38 143	0.56 168	0.40 151	0.45 173	0.33 157	0.44 172	0.35 159	0.49 169	0.33 153	0.43 137	0.32 154	0.42 161	0.31 148	0.33 147	0.33 154	0.34 154	0.40 158	0.32 153	0.40 155	0.32 154	0.43 160	0.38 166	0.33 152	0.32 152	0.43 165	0.32 154	0.42 161	0.34 159

Former-RAFT_DAM_RVC	0.38 143	1.06 209	0.54 190	0.59 205	0.27 128	0.46 173	0.27 127	0.46 156	0.27 129	0.46 142	0.27 132	0.46 168	0.26 128	0.27 131	0.27 132	0.26 120	0.46 169	0.26 127	0.45 170	0.30 149	0.46 163	0.27 127	0.27 125	0.27 130	0.46 168	0.27 129	0.45 165	0.26 127

CES	0.38 143	0.34 119	0.44 162	0.43 170	0.33 157	0.37 143	0.44 189	0.37 133	0.38 166	0.45 140	0.35 160	0.35 134	0.41 178	0.45 180	0.36 161	0.36 159	0.36 138	0.45 187	0.43 167	0.35 161	0.34 124	0.46 186	0.36 162	0.36 164	0.42 164	0.34 158	0.35 132	0.38 171

PML	0.39 146	0.56 168	0.29 126	0.55 199	0.28 132	0.56 201	0.28 134	0.51 176	0.28 134	0.50 151	0.28 135	0.51 189	0.28 132	0.29 138	0.28 136	0.29 140	0.56 197	0.29 140	0.57 204	0.28 133	0.56 195	0.28 133	0.28 130	0.29 144	0.56 200	0.28 131	0.56 197	0.28 133

DEFOM-Stereo_RVC	0.40 147	2.14 260	1.91 288	0.20 91	0.18 105	0.19 89	0.17 97	2.23 274	0.19 106	0.24 89	0.21 113	0.19 91	0.21 114	0.20 108	0.18 103	0.20 105	0.20 93	0.18 107	0.20 92	0.19 110	0.19 88	0.17 99	0.18 103	0.17 95	0.20 92	0.20 109	0.21 95	0.19 108

GASTEREO	0.41 148	0.54 162	0.44 162	0.48 183	0.35 162	0.48 185	0.35 159	0.53 179	0.35 158	0.46 142	0.35 160	0.46 168	0.35 158	0.35 152	0.35 157	0.35 157	0.47 173	0.35 159	0.47 175	0.35 161	0.47 167	0.38 166	0.35 157	0.35 161	0.48 179	0.35 159	0.47 170	0.35 160

GwcNet-ADL	0.41 148	0.41 131	0.41 153	0.41 164	0.41 179	0.41 161	0.41 181	0.41 148	0.41 178	0.41 129	0.41 182	0.41 157	0.41 178	0.41 171	0.41 181	0.41 174	0.41 161	0.41 179	0.41 160	0.41 180	0.41 152	0.41 179	0.41 178	0.41 180	0.41 157	0.41 180	0.41 155	0.41 180

PSMNet-ADL	0.41 148	0.41 131	0.41 153	0.41 164	0.41 179	0.41 161	0.41 181	0.41 148	0.41 178	0.41 129	0.41 182	0.41 157	0.41 178	0.41 171	0.41 181	0.41 174	0.41 161	0.41 179	0.41 160	0.41 180	0.41 152	0.41 179	0.41 178	0.41 180	0.41 157	0.41 180	0.41 155	0.41 180

GANet-ADL	0.41 148	0.41 131	0.41 153	0.41 164	0.41 179	0.41 161	0.41 181	0.41 148	0.41 178	0.41 129	0.41 182	0.41 157	0.41 178	0.41 171	0.41 181	0.41 174	0.41 161	0.41 179	0.41 160	0.41 180	0.41 152	0.41 179	0.41 178	0.41 180	0.41 157	0.41 180	0.41 155	0.41 180

ADLNet	0.41 148	0.41 131	0.41 153	0.41 164	0.41 179	0.41 161	0.41 181	0.41 148	0.41 178	0.41 129	0.41 182	0.41 157	0.41 178	0.41 171	0.41 181	0.41 174	0.41 161	0.41 179	0.41 160	0.41 180	0.41 152	0.41 179	0.41 178	0.41 180	0.41 157	0.41 180	0.41 155	0.41 180

GEAStereo	0.42 153	0.55 164	0.44 162	0.48 183	0.35 162	0.48 185	0.35 159	0.54 181	0.35 158	0.47 145	0.36 163	0.47 173	0.41 178	0.38 161	0.38 166	0.38 165	0.51 188	0.36 161	0.51 193	0.38 171	0.48 174	0.35 157	0.35 157	0.36 164	0.52 191	0.37 168	0.48 176	0.36 165

GSStereo	0.42 153	0.56 168	0.44 162	0.48 183	0.36 167	0.48 185	0.36 165	0.54 181	0.36 163	0.47 145	0.36 163	0.47 173	0.36 163	0.36 157	0.35 157	0.36 159	0.48 178	0.36 161	0.48 182	0.36 165	0.48 174	0.36 162	0.36 162	0.36 164	0.48 179	0.36 162	0.48 176	0.35 160

gasm-f	0.42 153	0.55 164	0.44 162	0.48 183	0.35 162	0.48 185	0.35 159	0.54 181	0.35 158	0.47 145	0.36 163	0.47 173	0.41 178	0.38 161	0.38 166	0.38 165	0.51 188	0.36 161	0.51 193	0.38 171	0.48 174	0.35 157	0.35 157	0.36 164	0.52 191	0.37 168	0.48 176	0.36 165

DEFOM-Stereo	0.43 156	1.60 244	1.47 268	0.30 125	0.28 132	0.31 127	0.28 134	1.65 259	0.25 120	0.29 101	0.26 128	0.30 127	0.29 141	0.27 131	0.26 129	0.26 120	0.30 126	0.29 140	0.30 126	0.26 128	0.29 120	0.29 145	0.27 125	0.26 126	0.30 125	0.29 146	0.30 124	0.29 144

GES	0.43 156	0.41 131	0.31 135	0.35 135	0.30 149	0.47 179	0.28 134	0.33 119	0.28 134	0.35 108	0.29 143	2.95 295	0.38 168	0.35 152	0.30 148	0.34 154	0.34 130	0.30 146	0.33 127	0.30 149	0.35 128	0.30 148	0.33 152	0.33 155	0.33 128	0.31 152	0.33 126	0.29 144

MSCF	0.44 158	0.60 176	0.47 169	0.50 191	0.40 177	0.50 192	0.38 173	0.57 189	0.38 166	0.48 149	0.38 172	0.48 181	0.38 168	0.38 161	0.38 166	0.38 165	0.49 183	0.38 169	0.49 186	0.39 178	0.50 182	0.38 166	0.38 170	0.38 171	0.49 184	0.38 172	0.49 184	0.38 171

LG-Stereo_L1	0.44 158	0.58 174	0.49 181	0.51 194	0.38 172	0.51 194	0.38 173	0.56 187	0.38 166	0.50 151	0.38 172	0.50 186	0.38 168	0.38 161	0.38 166	0.38 165	0.52 190	0.38 169	0.52 196	0.38 171	0.51 184	0.38 166	0.38 170	0.38 171	0.52 191	0.38 172	0.51 188	0.40 178

FCDSN-DC	0.44 158	0.31 115	0.35 141	0.34 131	0.28 132	0.35 134	0.30 152	0.32 118	0.25 120	1.32 228	0.24 122	1.00 240	0.32 151	0.35 152	0.34 155	0.30 142	0.72 211	0.37 166	0.48 182	0.32 154	0.53 190	0.49 200	0.23 117	0.29 144	0.50 185	0.42 185	0.61 203	0.71 234
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
LG-Stereo_Zeroshot	0.45 161	0.57 171	0.45 167	0.54 196	0.37 168	0.53 198	0.37 170	0.56 187	0.40 175	0.53 157	0.38 172	0.53 193	0.37 165	0.37 159	0.37 164	0.37 162	0.55 193	0.38 169	0.53 198	0.37 167	0.53 190	0.37 163	0.37 166	0.39 178	0.54 196	0.37 168	0.54 194	0.37 168

WAO-7	0.46 162	0.38 125	0.38 147	0.38 145	0.38 172	0.38 147	0.38 173	0.38 136	0.38 166	2.57 284	0.38 172	0.38 145	0.38 168	0.38 161	0.38 166	0.38 165	0.38 144	0.38 169	0.38 143	0.38 171	0.38 137	0.38 166	0.38 170	0.38 171	0.38 142	0.38 172	0.38 140	0.38 171

Venus	0.46 162	0.38 125	0.40 151	0.38 145	0.38 172	0.39 154	0.38 173	0.38 136	0.38 166	2.71 286	0.38 172	0.38 145	0.38 168	0.38 161	0.38 166	0.38 165	0.38 144	0.38 169	0.38 143	0.38 171	0.38 137	0.38 166	0.38 170	0.38 171	0.38 142	0.38 172	0.39 150	0.38 171

HanzoNet	0.47 164	0.39 129	0.38 147	0.38 145	0.38 172	0.38 147	0.38 173	0.40 146	0.38 166	2.63 285	0.38 172	0.38 145	0.38 168	0.38 161	0.38 166	0.39 173	0.38 144	0.38 169	0.38 143	0.42 185	0.38 137	0.39 175	0.39 176	0.38 171	0.38 142	0.38 172	0.38 140	0.39 177

IMH	0.47 164	0.40 130	0.39 150	0.38 145	0.38 172	0.38 147	0.38 173	0.38 136	0.40 175	2.79 288	0.38 172	0.38 145	0.38 168	0.38 161	0.38 166	0.38 165	0.39 154	0.38 169	0.38 143	0.40 179	0.38 137	0.38 166	0.38 170	0.38 171	0.38 142	0.38 172	0.38 140	0.38 171

LL-Strereo2	0.47 164	2.60 273	0.51 186	0.38 145	0.28 132	0.37 143	0.28 134	0.55 185	0.35 158	0.44 139	0.34 159	0.44 167	0.34 156	0.34 148	0.36 161	0.36 159	0.47 173	0.36 161	0.47 175	0.35 161	0.47 167	0.35 157	0.35 157	0.35 161	0.46 168	0.35 159	0.47 170	0.35 160

GMOStereo	0.50 167	0.44 140	2.38 298	0.40 157	0.34 159	0.42 165	0.36 165	1.96 266	0.34 154	0.41 129	0.36 163	0.42 161	0.35 158	0.34 148	0.38 166	0.31 147	0.39 154	0.34 155	0.40 155	0.33 158	0.39 146	0.33 154	0.33 152	0.34 157	0.40 152	0.36 162	0.40 151	0.32 155

error version	0.50 167	0.44 140	2.38 298	0.40 157	0.34 159	0.42 165	0.36 165	1.96 266	0.34 154	0.41 129	0.36 163	0.42 161	0.35 158	0.34 148	0.38 166	0.31 147	0.39 154	0.34 155	0.40 155	0.33 158	0.39 146	0.33 154	0.33 152	0.34 157	0.40 152	0.36 162	0.40 151	0.32 155

SANet	0.50 167	0.50 158	0.50 182	0.50 191	0.50 205	0.50 192	0.50 205	0.50 173	0.50 204	0.50 151	0.50 204	0.50 186	0.50 203	0.50 197	0.50 206	0.50 201	0.50 186	0.50 205	0.50 190	0.50 206	0.50 182	0.50 206	0.50 200	0.50 202	0.50 185	0.50 206	0.50 186	0.50 200

PDISCO_ROB	0.50 167	0.15 67	0.11 63	0.16 80	3.16 307	0.13 64	0.12 81	0.14 63	0.12 79	0.15 56	0.11 64	2.55 294	0.11 65	2.20 291	0.13 86	0.12 79	0.16 80	0.10 52	0.14 64	0.12 83	0.15 73	0.12 82	0.12 79	0.12 81	0.15 70	0.10 51	2.75 294	0.09 50

otaku	0.52 171	0.46 145	0.48 175	0.46 174	0.46 188	0.46 173	0.46 190	0.46 156	0.47 193	1.88 247	0.46 190	0.46 168	0.46 190	0.46 182	0.46 190	0.46 183	0.47 173	0.46 188	0.46 171	0.46 190	0.47 167	0.46 186	0.46 186	0.46 189	0.47 174	0.46 189	0.46 166	0.47 190

HaxPig	0.52 171	0.48 154	0.47 169	0.47 179	0.47 192	0.47 179	0.47 194	0.47 162	0.47 193	1.80 244	0.47 194	0.47 173	0.47 193	0.47 186	0.47 194	0.47 190	0.47 173	0.47 195	0.47 175	0.47 195	0.47 167	0.47 194	0.47 192	0.47 193	0.47 174	0.47 196	0.47 170	0.47 190

UNDER WATER	0.52 171	0.47 151	0.47 169	0.47 179	0.47 192	0.47 179	0.47 194	0.47 162	0.47 193	1.90 248	0.47 194	0.47 173	0.47 193	0.47 186	0.47 194	0.47 190	0.46 169	0.47 195	0.47 175	0.47 195	0.46 163	0.47 194	0.47 192	0.48 197	0.47 174	0.47 196	0.47 170	0.47 190

Dean	0.52 171	0.46 145	0.48 175	0.46 174	0.46 188	0.46 173	0.46 190	0.46 156	0.46 188	1.90 248	0.46 190	0.47 173	0.46 190	0.46 182	0.46 190	0.46 183	0.48 178	0.46 188	0.46 171	0.46 190	0.46 163	0.46 186	0.46 186	0.46 189	0.46 168	0.46 189	0.46 166	0.46 187

Ntro	0.53 175	0.47 151	0.50 182	0.46 174	0.48 197	0.47 179	0.47 194	0.46 156	0.46 188	2.05 260	0.47 194	0.47 173	0.49 201	0.47 186	0.47 194	0.46 183	0.48 178	0.46 188	0.49 186	0.46 190	0.47 167	0.46 186	0.46 186	0.47 193	0.46 168	0.46 189	0.47 170	0.47 190

RainbowNet	0.53 175	0.48 154	0.48 175	0.48 183	0.48 197	0.48 185	0.48 198	0.48 165	0.48 197	1.92 250	0.48 199	0.48 181	0.48 197	0.48 191	0.48 199	0.48 193	0.48 178	0.48 199	0.48 182	0.48 199	0.48 174	0.48 197	0.48 195	0.48 197	0.48 179	0.48 200	0.48 176	0.48 196

LVE	0.53 175	0.47 151	0.48 175	0.47 179	0.47 192	0.47 179	0.47 194	0.48 165	0.47 193	1.96 255	0.47 194	0.47 173	0.47 193	0.47 186	0.47 194	0.47 190	0.47 173	0.47 195	0.47 175	0.47 195	0.47 167	0.47 194	0.47 192	0.47 193	0.47 174	0.47 196	0.47 170	0.47 190

ACVNet_1	0.53 175	0.46 145	0.48 175	0.47 179	0.47 192	0.46 173	0.48 198	0.48 165	0.48 197	2.07 261	0.47 194	0.48 181	0.48 197	0.47 186	0.47 194	0.46 183	0.49 183	0.47 195	0.47 175	0.47 195	0.48 174	0.46 186	0.46 186	0.48 197	0.47 174	0.47 196	0.48 176	0.47 190

ACVNet-4b	0.53 175	0.46 145	0.47 169	0.46 174	0.46 188	0.46 173	0.46 190	0.46 156	0.46 188	2.17 264	0.46 190	0.46 168	0.47 193	0.46 182	0.46 190	0.46 183	0.46 169	0.46 188	0.46 171	0.46 190	0.46 163	0.46 186	0.46 186	0.47 193	0.46 168	0.46 189	0.46 166	0.46 187

AIO-test2	0.54 180	0.65 180	0.55 193	0.60 206	0.50 205	0.60 205	0.49 201	0.65 194	0.48 197	0.60 163	0.49 202	0.59 199	0.50 203	0.50 197	0.49 203	0.49 197	0.60 200	0.50 205	0.60 206	0.49 203	0.60 199	0.49 200	0.50 200	0.51 204	0.60 206	0.48 200	0.60 200	0.50 200

AIO-test1	0.54 180	0.64 179	0.54 190	0.60 206	0.49 201	0.61 207	0.49 201	0.64 193	0.49 202	0.59 161	0.48 199	0.60 201	0.50 203	0.48 191	0.48 199	0.48 193	0.60 200	0.48 199	0.60 206	0.48 199	0.60 199	0.49 200	0.49 197	0.49 200	0.59 205	0.49 203	0.60 200	0.49 197

notaker	0.54 180	0.48 154	0.48 175	0.48 183	0.48 197	0.48 185	0.49 201	0.48 165	0.48 197	1.95 254	0.48 199	0.48 181	0.48 197	0.48 191	0.48 199	0.48 193	0.48 178	0.48 199	0.48 182	0.48 199	0.49 180	0.48 197	0.48 195	0.49 200	0.48 179	0.48 200	0.48 176	0.49 197

FSD	0.55 183	0.55 164	0.42 159	0.54 196	0.42 184	0.55 200	0.43 187	0.54 181	0.42 183	0.59 161	0.42 187	0.54 195	0.44 186	0.43 177	0.42 187	0.42 179	0.55 193	0.42 185	2.46 290	0.44 188	0.55 193	0.43 184	0.42 182	0.44 187	0.55 197	0.43 187	0.55 195	0.53 206

ACVNet_2	0.55 183	0.49 157	0.50 182	0.49 189	0.49 201	0.49 191	0.49 201	0.49 169	0.49 202	2.14 263	0.49 202	0.50 186	0.49 201	0.49 194	0.49 203	0.49 197	0.50 186	0.49 204	0.50 190	0.49 203	0.49 180	0.49 200	0.49 197	0.50 202	0.50 185	0.49 203	0.50 186	0.49 197

CFNet	0.55 183	0.25 103	0.18 93	0.25 113	0.18 105	0.25 117	0.18 107	0.25 106	0.18 104	0.25 93	0.18 107	0.25 114	0.18 107	0.18 103	0.18 103	0.18 101	0.25 115	0.18 107	0.25 115	0.18 105	5.31 325	4.36 325	0.18 103	0.18 106	0.25 116	0.18 106	0.25 114	0.18 107

PSMNet_ROB	0.55 183	0.55 164	0.56 196	0.56 200	0.55 209	0.56 201	0.55 209	0.55 185	0.55 208	0.55 158	0.55 209	0.55 196	0.55 211	0.55 200	0.56 211	0.55 205	0.55 193	0.55 211	0.55 201	0.55 209	0.55 193	0.55 209	0.55 205	0.55 210	0.55 197	0.55 211	0.55 195	0.55 207

IER	0.56 187	2.72 276	2.20 292	0.38 145	0.29 142	0.38 147	0.27 127	2.77 291	0.27 129	0.38 117	0.28 135	0.37 142	0.25 122	0.26 124	0.25 124	0.26 120	0.38 144	0.29 140	0.38 143	0.25 124	0.39 146	0.25 120	0.29 138	0.29 144	0.40 152	0.25 122	0.38 140	0.25 122

LG-Stereo	0.57 188	0.58 174	0.43 160	0.54 196	0.65 220	0.95 232	0.69 234	0.69 196	0.38 166	0.52 155	0.37 169	0.53 193	0.37 165	0.68 227	0.73 236	0.72 231	0.70 208	0.37 166	0.54 200	0.37 167	0.54 192	0.37 163	0.37 166	0.56 211	0.95 233	0.59 216	0.84 221	0.37 168

CASS	0.58 189	0.89 195	0.55 193	0.56 200	0.55 209	0.60 205	0.57 215	0.57 189	0.56 210	0.55 158	0.56 210	0.56 197	0.50 203	0.63 212	0.56 211	0.56 208	0.62 203	0.62 220	0.59 205	0.56 211	0.56 195	0.48 197	0.60 212	0.56 211	0.57 202	0.60 218	0.57 199	0.59 212
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DISCO	0.59 190	0.29 111	0.22 107	0.27 120	5.05 329	0.30 126	0.21 113	0.28 112	0.21 111	0.27 100	0.21 113	0.27 122	0.20 109	0.21 113	0.21 113	0.21 108	0.27 123	0.21 115	0.27 122	0.21 115	0.27 116	0.23 119	0.21 110	0.21 113	0.27 122	0.21 113	5.06 321	0.22 116

LMCR-Stereo	0.61 191	0.61 177	0.61 203	0.61 209	0.61 216	0.67 212	0.61 220	0.61 191	0.61 217	0.61 164	0.61 217	0.61 202	0.61 218	0.61 208	0.61 218	0.61 212	0.61 202	0.61 219	0.61 208	0.61 217	0.61 201	0.61 216	0.61 213	0.61 220	0.61 208	0.61 219	0.61 203	0.61 218

AANet_RVC	0.61 191	0.31 115	5.05 318	0.31 127	0.19 109	0.24 111	0.20 110	5.86 314	0.20 108	0.24 89	0.18 107	0.25 114	0.20 109	0.23 118	0.21 113	0.18 101	0.37 141	0.18 107	0.24 110	0.19 110	0.25 109	0.19 110	0.19 106	0.19 108	0.24 110	0.15 91	0.24 107	0.20 110

iRaftStereo_RVC	0.62 193	1.76 247	2.24 294	0.52 195	0.37 168	0.53 198	0.38 173	2.51 285	0.38 166	0.51 154	0.38 172	0.51 189	0.38 168	0.38 161	0.38 166	0.38 165	0.52 190	0.38 169	0.52 196	0.38 171	0.52 187	0.38 166	0.38 170	0.38 171	0.52 191	0.39 178	0.52 191	0.38 171

ARAFT	0.64 194	0.74 186	0.62 204	0.70 218	0.56 211	0.72 215	0.55 209	0.72 200	0.54 207	0.73 172	0.56 210	0.72 213	0.56 213	0.56 202	0.62 219	0.63 214	0.73 212	0.53 210	0.73 214	0.54 208	0.72 209	0.65 219	0.62 214	0.56 211	0.72 213	0.54 209	0.72 210	0.57 209

test_1	0.65 195	4.37 292	2.38 298	0.40 157	0.34 159	0.42 165	0.36 165	1.96 266	0.34 154	0.41 129	0.36 163	0.42 161	0.35 158	0.34 148	0.38 166	0.31 147	0.39 154	0.34 155	0.40 155	0.33 158	0.39 146	0.33 154	0.33 152	0.34 157	0.40 152	0.36 162	0.40 151	0.32 155

zero-FE	0.66 196	0.80 189	0.56 196	0.79 222	0.58 213	0.82 220	0.55 209	0.76 202	0.56 210	0.75 174	0.58 214	0.75 217	0.59 216	0.57 203	0.56 211	0.55 205	0.79 216	0.55 211	0.78 220	0.55 209	0.85 218	0.58 211	0.55 205	0.57 215	0.80 219	0.57 213	0.80 215	0.57 209

HH	0.66 196	2.13 255	0.47 169	0.37 141	0.29 142	0.36 139	0.27 127	0.49 169	0.44 185	0.78 175	0.68 228	0.67 207	0.90 245	0.62 209	0.90 244	0.53 203	0.88 224	0.48 199	0.37 139	0.29 142	0.63 204	0.66 222	0.66 218	0.51 204	1.06 249	0.61 219	1.08 247	0.60 214

HanStereo	0.66 196	2.13 255	0.47 169	0.37 141	0.29 142	0.36 139	0.27 127	0.49 169	0.44 185	0.78 175	0.68 228	0.67 207	0.90 245	0.62 209	0.90 244	0.53 203	0.88 224	0.48 199	0.37 139	0.29 142	0.63 204	0.66 222	0.66 218	0.51 204	1.06 249	0.61 219	1.08 247	0.60 214

DSFCA	0.66 196	0.73 184	0.74 212	0.68 214	0.65 220	0.64 209	0.65 225	0.65 194	0.65 219	0.66 167	0.65 220	0.65 204	0.64 219	0.65 215	0.65 222	0.65 216	0.65 205	0.65 223	0.65 210	0.65 220	0.65 207	0.65 219	0.65 217	0.65 223	0.66 210	0.66 223	0.65 206	0.65 220

STTRV1_RVC	0.66 196	1.59 242	0.52 189	0.69 215	0.61 216	0.66 211	0.43 187	0.88 210	0.45 187	0.71 170	0.62 218	0.69 210	0.45 189	0.62 209	0.40 179	0.44 181	0.80 218	0.59 216	0.76 219	0.63 218	0.80 212	0.46 186	0.64 215	0.61 220	0.72 213	0.54 209	0.80 215	0.60 214

4D-IteraStereo	0.67 201	3.40 282	1.05 241	0.71 219	0.83 241	0.47 179	0.27 127	0.47 162	0.27 129	0.35 108	0.26 128	0.68 209	0.84 241	0.41 171	0.54 208	0.89 240	0.74 214	0.88 245	0.73 214	0.87 245	0.42 157	0.27 127	0.28 130	0.28 134	0.36 135	0.28 131	0.68 207	0.90 244

RAFT-Stereo + iAFF	0.67 201	0.74 186	0.60 202	0.79 222	0.61 216	0.76 216	0.57 215	0.71 199	0.56 210	0.71 170	0.54 208	0.72 213	0.66 222	0.65 215	0.65 222	0.64 215	0.74 214	0.64 222	0.74 216	0.63 218	0.73 210	0.65 219	0.64 215	0.64 222	0.74 215	0.61 219	0.73 211	0.64 219

Occ-G	0.68 203	0.54 162	3.16 307	0.57 204	0.45 187	0.52 197	0.40 180	3.44 298	0.46 188	0.52 155	0.45 189	0.51 189	0.44 186	0.44 179	0.40 179	0.45 182	0.55 193	0.41 179	0.53 198	0.43 186	0.52 187	0.40 177	0.44 185	0.45 188	0.55 197	0.44 188	0.53 193	0.44 186

TorneroNet-64	0.69 204	0.65 180	0.30 132	0.27 120	0.47 192	0.28 124	0.35 159	0.34 125	0.80 235	7.93 331	0.29 143	0.30 127	0.31 148	0.81 237	0.28 136	0.27 129	0.29 125	0.28 131	0.85 226	0.83 243	0.62 203	0.28 133	0.30 146	0.28 134	0.52 191	0.29 146	0.29 123	0.27 130

DDUNet	0.69 204	0.84 193	0.59 201	0.84 228	0.59 214	0.87 226	0.57 215	0.84 207	0.59 216	0.82 182	0.58 214	0.85 226	0.57 214	0.59 207	0.59 215	0.57 209	0.87 223	0.59 216	0.85 226	0.59 216	0.85 218	0.59 214	0.59 210	0.59 216	0.87 224	0.59 216	0.84 221	0.59 212

UDG	0.70 206	0.87 194	0.56 196	0.87 229	0.59 214	0.84 223	0.59 218	0.85 208	0.57 213	0.84 184	0.59 216	0.84 225	0.60 217	0.58 204	0.60 216	0.59 210	0.85 222	0.59 216	0.87 228	0.58 213	0.87 220	0.60 215	0.57 209	0.59 216	0.87 224	0.58 215	0.86 224	0.60 214

MaskLacGwcNet_RVC	0.70 206	6.91 306	0.46 168	0.46 174	0.46 188	0.46 173	0.46 190	0.46 156	0.46 188	0.46 142	0.46 190	0.46 168	0.46 190	0.46 182	0.46 190	0.46 183	0.46 169	0.46 188	0.46 171	0.46 190	0.47 167	0.46 186	0.46 186	0.46 189	0.46 168	0.46 189	0.46 166	0.46 187

HCRNet	0.71 208	6.06 304	3.15 306	0.50 191	0.22 114	0.21 98	0.15 91	3.04 293	0.34 154	0.43 137	0.33 158	0.43 165	0.33 155	0.15 91	0.14 90	0.14 89	0.21 97	0.17 97	0.47 175	0.20 112	0.21 95	0.16 95	0.32 149	0.33 155	0.50 185	0.33 157	0.49 184	0.28 133

AFF-stereo	0.71 208	0.73 184	0.65 206	0.82 226	0.63 219	0.83 221	0.63 222	0.73 201	0.65 219	0.82 182	0.73 234	0.74 216	0.64 219	0.63 212	0.62 219	0.62 213	0.73 212	0.63 221	0.74 216	0.72 234	0.80 212	0.58 211	0.70 232	0.71 236	0.79 217	0.69 233	0.78 213	0.72 235

DMCA-RVC	0.71 208	0.72 182	0.72 207	0.71 219	0.70 231	0.70 213	0.70 237	0.70 198	0.71 230	0.70 169	0.71 232	0.71 212	0.70 231	0.70 229	0.71 234	0.70 228	0.70 208	0.71 235	0.70 211	0.71 232	0.70 208	0.70 232	0.71 234	0.71 236	0.70 211	0.72 236	0.71 208	0.70 232

PA-Net	0.71 208	0.62 178	0.55 193	0.69 215	0.71 232	0.70 213	0.69 234	0.69 196	0.74 233	0.73 172	0.75 235	0.59 199	0.72 234	0.82 238	0.79 239	0.83 237	0.67 207	0.76 238	0.81 224	0.67 227	0.61 201	0.76 236	0.68 229	0.65 223	0.82 222	0.76 239	0.71 208	0.69 231
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
AIO-Stereo-zeroshot1	0.74 212	0.57 171	0.57 199	0.56 200	0.92 244	1.07 249	0.63 222	1.03 230	0.82 239	0.49 150	0.77 236	0.69 210	0.54 210	0.58 204	0.54 208	0.86 239	1.06 244	0.72 236	1.06 247	0.79 237	0.58 198	0.87 242	0.59 210	0.46 189	0.76 216	0.46 189	1.05 244	0.97 249

AEACV	0.74 212	0.52 160	3.10 304	0.60 206	0.48 197	0.56 201	0.48 198	3.02 292	0.83 240	0.61 164	0.62 218	0.72 213	0.50 203	0.49 194	0.49 203	0.48 193	0.58 198	0.50 205	0.55 201	0.48 199	0.56 195	0.50 206	0.50 200	0.51 204	0.58 203	0.51 208	0.60 200	0.51 203

MyStereo04	0.76 214	4.78 298	0.62 204	0.63 212	0.54 208	0.65 210	0.56 213	0.61 191	0.58 214	0.61 164	0.56 210	0.63 203	0.57 214	0.63 212	0.60 216	0.60 211	0.64 204	0.56 214	0.63 209	0.58 213	0.63 204	0.62 218	0.55 205	0.60 218	0.63 209	0.57 213	0.64 205	0.58 211

RSM++	0.77 215	0.91 196	0.72 207	0.83 227	0.71 232	0.83 221	0.72 238	0.81 206	0.71 230	0.81 181	0.71 232	0.81 224	0.71 233	0.71 231	0.71 234	0.70 228	0.83 221	0.72 236	0.83 225	0.81 242	0.83 216	0.72 235	0.71 234	0.71 236	0.88 226	0.71 234	0.83 220	0.70 232

test-3	0.78 216	4.38 293	1.80 280	0.62 210	0.49 201	0.62 208	0.50 205	1.86 262	0.64 218	0.69 168	0.52 206	0.66 205	0.38 168	0.58 204	0.57 214	0.46 183	0.66 206	0.46 188	0.50 190	0.44 188	0.48 174	0.58 211	0.54 204	0.60 218	0.70 211	0.46 189	0.48 176	0.50 200

WQFJA1++	0.80 217	1.24 224	0.73 210	0.97 237	0.65 220	0.97 234	0.65 225	0.97 219	0.65 219	0.94 193	0.66 221	0.94 232	0.65 221	0.66 218	0.65 222	0.66 217	0.98 232	0.66 225	0.98 236	0.66 222	0.98 229	0.66 222	0.66 218	0.66 225	0.98 235	0.66 223	0.98 232	0.66 221

NLMM	0.80 217	1.26 230	0.75 216	0.98 239	0.66 223	0.97 234	0.66 227	0.97 219	0.66 222	0.94 193	0.66 221	0.96 239	0.66 222	0.66 218	0.68 232	0.67 222	0.99 234	0.68 232	0.98 236	0.66 222	0.99 230	0.66 222	0.66 218	0.66 225	1.00 241	0.66 223	0.99 233	0.66 221

AdaDepth	0.80 217	0.95 201	1.02 237	0.95 234	0.67 228	0.95 232	0.67 231	0.94 216	0.67 227	0.92 188	0.67 225	0.94 232	0.67 228	0.67 223	0.67 229	0.67 222	0.95 229	0.67 228	0.95 235	0.67 227	0.96 228	0.68 230	0.67 224	0.67 229	0.96 234	0.67 227	0.95 231	0.67 226

CroCo-Stereo	0.80 217	2.51 268	0.41 153	1.27 264	0.41 179	1.27 263	0.41 181	1.27 248	0.41 178	1.27 225	0.41 182	1.27 261	0.41 178	0.41 171	0.41 181	0.41 174	1.28 262	0.41 179	1.27 261	0.41 180	1.27 262	0.41 179	0.42 182	0.41 180	1.27 265	0.41 180	1.27 262	0.41 180
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
NaN_ROB	0.80 217	0.80 189	0.80 222	0.80 224	0.80 238	0.80 218	0.80 241	0.80 204	0.80 235	0.80 179	0.80 239	0.80 222	0.80 237	0.80 235	0.80 240	0.80 235	0.80 218	0.80 241	0.80 222	0.80 240	0.80 212	0.80 238	0.80 240	0.80 240	0.80 219	0.80 241	0.80 215	0.80 239

CSAN	0.80 217	0.80 189	0.80 222	0.80 224	0.80 238	0.80 218	0.80 241	0.80 204	0.80 235	0.80 179	0.80 239	0.80 222	0.80 237	0.80 235	0.80 240	0.80 235	0.80 218	0.80 241	0.80 222	0.80 240	0.80 212	0.80 238	0.80 240	0.80 240	0.80 219	0.80 241	0.80 215	0.80 239

WQFJX1	0.81 223	1.27 232	0.74 212	0.98 239	0.67 228	0.98 236	0.67 231	0.97 219	0.67 227	0.94 193	0.67 225	0.95 235	0.66 222	0.66 218	0.66 225	0.67 222	0.99 234	0.67 228	0.98 236	0.68 230	0.99 230	0.66 222	0.66 218	0.66 225	0.99 236	0.66 223	1.00 235	0.66 221

WQFJX	0.81 223	1.27 232	0.74 212	0.99 241	0.66 223	0.99 238	0.66 227	0.99 225	0.66 222	0.95 198	0.66 221	0.95 235	0.67 228	0.67 223	0.66 225	0.66 217	0.99 234	0.66 225	1.00 240	0.66 222	0.99 230	0.67 228	0.68 229	0.67 229	0.99 236	0.67 227	0.99 233	0.67 226

NLMM1	0.81 223	1.26 230	0.74 212	1.00 243	0.66 223	0.99 238	0.67 231	0.98 222	0.66 222	0.94 193	0.67 225	0.94 232	0.66 222	0.66 218	0.66 225	0.66 217	1.00 238	0.67 228	1.00 240	0.66 222	0.99 230	0.71 233	0.73 237	0.67 229	0.99 236	0.67 227	1.00 235	0.66 221

NLSM3	0.81 223	1.27 232	0.75 216	0.99 241	0.66 223	0.99 238	0.66 227	0.98 222	0.67 227	0.95 198	0.66 221	0.95 235	0.66 222	0.67 223	0.67 229	0.66 217	0.99 234	0.66 225	0.99 239	0.66 222	0.99 230	0.67 228	0.66 218	0.66 225	0.99 236	0.67 227	1.00 235	0.67 226

gcap-zeroshot	0.81 223	1.03 207	0.84 226	0.93 232	0.85 242	0.84 223	0.62 221	1.21 245	0.53 206	0.79 177	0.84 242	0.77 218	0.70 231	0.84 240	0.67 229	0.74 232	1.18 257	0.52 209	0.91 229	0.79 237	0.84 217	0.61 216	0.83 242	0.69 235	0.93 232	0.82 243	0.85 223	0.66 221

WQFJA1	0.82 228	1.52 241	0.76 218	1.01 247	0.66 223	0.98 236	0.66 227	0.98 222	0.66 222	0.95 198	0.68 228	0.95 235	0.66 222	0.68 227	0.66 225	0.66 217	1.00 238	0.67 228	1.00 240	0.67 227	0.99 230	0.68 230	0.67 224	0.68 234	0.99 236	0.67 227	1.00 235	0.67 226

AIO-Stereo	0.82 228	1.06 209	0.73 210	0.97 237	0.74 234	1.06 248	0.60 219	1.04 232	0.90 243	1.00 201	1.01 253	0.78 219	0.85 243	0.74 233	0.62 219	0.67 222	1.12 247	0.55 211	0.70 211	0.65 220	0.93 225	0.66 222	0.67 224	0.67 229	0.82 222	0.74 237	0.92 225	0.83 241

G-Net	0.82 228	1.77 248	0.78 220	0.78 221	0.78 236	0.78 217	0.78 239	0.78 203	0.79 234	0.79 177	0.78 237	0.78 219	0.78 236	0.78 234	0.78 238	0.78 233	0.79 216	0.79 239	0.79 221	0.79 237	0.79 211	0.79 237	0.79 239	0.79 239	0.79 217	0.79 240	0.79 214	0.79 238

ktn	0.84 231	1.15 214	0.54 190	1.16 259	1.26 273	0.51 194	0.53 208	0.51 176	0.66 222	4.54 314	0.51 205	0.52 192	0.52 209	0.66 218	0.51 207	0.51 202	1.37 267	1.17 266	0.49 186	0.51 207	1.23 258	0.51 208	0.67 224	0.51 204	0.51 189	0.68 232	0.51 188	0.51 203

KSHMR	0.85 232	0.72 182	0.51 186	0.49 189	0.49 201	0.51 194	1.07 261	0.50 173	0.48 197	6.04 326	0.52 206	0.66 205	0.98 251	0.49 194	0.77 237	0.49 197	1.17 254	0.51 208	0.49 186	1.06 259	0.51 184	0.49 200	0.49 197	0.51 204	1.04 247	0.49 203	0.81 219	0.72 235

CroCo-Stereo Lap2	0.85 232	2.86 279	0.43 160	1.33 266	0.43 186	1.31 264	0.42 186	1.32 249	0.42 183	1.31 227	0.44 188	1.32 263	0.44 186	0.43 177	0.44 188	0.43 180	1.35 263	0.43 186	1.32 264	0.43 186	1.31 263	0.43 184	0.43 184	0.42 186	1.31 266	0.42 185	1.31 263	0.43 185

MLG-Stereo	0.87 234	1.33 237	0.93 230	0.62 210	1.00 247	1.16 254	0.55 209	0.86 209	0.83 240	1.19 219	0.40 180	1.30 262	0.81 239	0.65 215	0.45 189	1.01 254	1.17 254	0.46 188	1.29 263	0.58 213	1.05 241	0.90 245	0.73 237	0.87 245	0.60 206	1.01 254	1.13 251	0.51 203

DGTPSM_ROB	0.92 235	0.93 200	0.91 228	0.93 232	0.91 243	0.92 228	0.93 247	0.92 213	0.92 244	0.92 188	0.91 244	0.91 228	0.93 248	0.91 241	0.92 248	0.92 247	0.92 227	0.92 246	0.92 230	0.90 246	0.91 221	0.92 246	0.93 246	0.94 250	0.92 230	0.91 245	0.92 225	0.97 249

pmcnn	0.92 235	0.92 197	0.92 229	0.92 230	0.92 244	0.92 228	0.92 245	0.92 213	0.92 244	0.92 188	0.92 246	0.92 231	0.92 247	0.92 243	0.92 248	0.92 247	0.92 227	0.92 246	0.92 230	0.92 250	0.92 223	0.92 246	0.92 245	0.92 249	0.92 230	0.92 246	0.92 225	0.92 247

AIO-Stereo-zeroshot	0.93 237	0.77 188	0.82 224	1.16 259	0.75 235	0.99 238	0.92 245	0.91 211	0.99 250	0.94 193	0.91 244	1.15 251	0.88 244	0.92 243	1.00 251	0.67 222	0.98 232	1.00 251	0.75 218	0.91 247	1.18 251	0.87 242	0.89 244	0.90 246	1.08 252	1.07 259	0.74 212	0.89 243

HSM-Net_RVC	0.93 237	1.09 212	0.79 221	1.10 252	0.78 236	1.09 250	0.79 240	1.16 240	0.80 235	1.14 211	0.79 238	1.17 254	0.77 235	0.73 232	0.83 242	0.78 233	1.19 258	0.79 239	1.18 256	0.72 234	1.19 253	0.80 238	0.72 236	0.80 240	1.18 260	0.74 237	1.14 252	0.73 237
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.93 237	8.54 319	0.41 153	0.56 200	0.37 168	0.56 201	0.37 170	0.50 173	0.40 175	0.56 160	5.24 330	0.56 197	0.34 156	0.40 170	0.41 181	0.34 154	0.53 192	0.40 177	0.56 203	0.38 171	0.52 187	0.40 177	0.40 177	0.41 180	0.56 200	0.40 179	0.56 197	0.40 178

DPSimNet_ROB	0.93 237	1.04 208	0.83 225	1.05 250	0.82 240	1.04 246	0.83 244	1.03 230	0.89 242	1.03 206	0.84 242	1.03 245	0.84 241	0.83 239	0.84 243	0.83 237	1.14 249	0.84 243	1.12 252	0.84 244	1.04 240	0.88 244	0.83 242	0.84 244	1.07 251	0.83 244	1.15 253	0.88 242

DPSM_ROB	0.93 237	0.92 197	0.94 231	0.96 235	1.02 252	0.92 228	0.98 248	0.95 217	0.92 244	0.92 188	0.92 246	0.91 228	0.97 249	0.92 243	0.91 246	0.91 244	0.96 230	0.94 248	0.93 233	0.91 247	0.93 225	0.92 246	0.93 246	0.91 247	0.91 228	0.99 248	0.92 225	0.91 245

DPSM	0.93 237	0.92 197	0.94 231	0.96 235	1.02 252	0.92 228	0.98 248	0.95 217	0.92 244	0.92 188	0.92 246	0.91 228	0.97 249	0.92 243	0.91 246	0.91 244	0.96 230	0.94 248	0.93 233	0.91 247	0.93 225	0.92 246	0.93 246	0.91 247	0.91 228	0.99 248	0.92 225	0.91 245

GANet	1.00 243	1.00 202	1.00 233	1.00 243	1.00 247	1.00 242	1.00 253	1.00 226	1.00 251	1.00 201	1.00 250	1.00 240	1.00 253	1.00 250	1.00 251	1.00 251	1.00 238	1.00 251	1.00 240	1.00 252	1.00 236	1.00 251	1.00 251	1.00 253	1.00 241	1.00 251	1.00 235	1.00 251

TDLM	1.00 243	1.00 202	1.00 233	1.00 243	1.00 247	1.00 242	1.00 253	1.00 226	1.00 251	1.00 201	1.00 250	1.00 240	1.00 253	1.00 250	1.00 251	1.00 251	1.00 238	1.00 251	1.00 240	1.00 252	1.00 236	1.00 251	1.00 251	1.00 253	1.00 241	1.00 251	1.00 235	1.00 251

CVANet_RVC	1.00 243	1.00 202	1.00 233	1.00 243	1.00 247	1.00 242	1.00 253	1.00 226	1.00 251	1.00 201	1.00 250	1.00 240	1.00 253	1.00 250	1.00 251	1.00 251	1.00 238	1.00 251	1.00 240	1.00 252	1.00 236	1.00 251	1.00 251	1.00 253	1.00 241	1.00 251	1.00 235	1.00 251

ccs_rob	1.00 243	10.06 325	0.31 135	0.44 172	0.31 152	0.43 170	0.31 155	0.43 153	0.32 149	0.45 140	0.32 154	1.20 258	0.31 148	7.02 330	0.31 151	0.31 147	0.44 168	0.31 149	0.44 169	0.32 154	0.44 162	0.31 150	0.32 149	0.32 152	0.44 167	0.32 154	0.43 163	0.31 153

trnet	1.01 247	1.01 205	1.01 236	1.01 247	1.01 251	1.01 245	1.01 256	1.01 229	1.01 254	1.01 205	1.01 253	1.01 244	1.01 257	1.01 253	1.01 255	1.01 254	1.01 243	1.01 255	1.01 246	1.01 255	1.01 239	1.01 254	1.01 254	1.01 256	1.01 245	1.01 254	1.01 243	1.01 254

CFNet_pseudo	1.01 247	9.78 323	0.29 126	0.38 145	0.28 132	0.38 147	0.28 134	0.38 136	0.28 134	0.39 120	0.28 135	0.39 149	0.28 132	9.50 331	0.29 144	0.28 130	0.38 144	0.28 131	0.38 143	0.28 133	0.38 137	0.28 133	0.28 130	0.28 134	0.38 142	0.28 131	0.38 140	0.28 133

pcwnet_v2	1.01 247	9.73 322	0.28 121	0.38 145	0.28 132	0.38 147	0.28 134	0.38 136	0.28 134	0.38 117	0.28 135	0.39 149	0.28 132	9.61 332	0.28 136	0.28 130	0.38 144	0.28 131	0.38 143	0.28 133	0.38 137	0.28 133	0.29 138	0.28 134	0.38 142	0.28 131	0.38 140	0.28 133

FlowAnything	1.02 250	2.51 268	0.58 200	1.60 273	0.56 211	1.61 273	0.56 213	1.60 258	0.55 208	1.61 241	0.56 210	1.61 270	0.55 211	0.55 200	0.55 210	0.55 205	1.61 273	0.56 214	1.61 271	0.56 211	1.62 270	0.55 209	0.56 208	0.56 211	1.62 274	0.56 212	1.62 271	0.56 208

WAO-8	1.02 250	1.50 240	1.49 269	0.40 157	0.40 177	1.56 272	0.98 248	1.55 257	0.58 214	4.18 310	0.40 180	0.79 221	0.48 197	0.91 241	0.39 178	0.99 250	0.71 210	0.70 234	0.51 193	0.77 236	1.07 243	0.82 241	0.69 231	0.96 252	1.01 245	1.30 275	1.10 249	1.38 279

UCFNet_RVC	1.03 252	10.10 326	0.28 121	0.38 145	0.28 132	0.39 154	0.28 134	0.38 136	0.28 134	0.39 120	0.28 135	0.39 149	0.29 141	9.62 333	0.28 136	0.28 130	0.38 144	0.28 131	0.38 143	0.28 133	0.39 146	0.28 133	0.29 138	0.28 134	0.39 151	0.28 131	0.38 140	0.29 144

GLC_STEREO	1.05 253	1.01 205	1.02 237	1.02 249	1.02 252	1.05 247	1.06 258	1.05 233	1.05 256	1.04 208	1.05 256	1.05 246	1.04 258	1.06 257	1.05 257	1.06 258	1.06 244	1.05 258	1.06 247	1.05 258	1.06 242	1.06 257	1.04 256	1.05 258	1.04 247	1.05 257	1.06 245	1.06 256

FC-DCNN	1.10 254	0.81 192	0.77 219	0.63 212	0.42 184	0.86 225	0.64 224	0.91 211	0.96 248	1.11 209	0.80 239	1.07 247	0.81 239	0.67 223	1.75 289	1.30 273	1.41 269	0.85 244	1.28 262	0.71 232	2.12 282	1.32 273	0.52 203	0.81 243	1.64 275	1.40 282	2.39 288	1.75 292

RP	1.14 255	1.16 216	1.15 250	1.17 261	1.10 260	1.16 254	1.15 263	1.10 235	1.16 265	1.15 212	1.08 258	1.16 252	1.15 264	1.15 264	1.14 264	1.16 263	1.16 252	1.10 260	1.10 249	1.10 262	1.16 247	1.11 260	1.10 260	1.19 270	1.14 256	1.19 270	1.07 246	1.10 259

Abc-Net	1.14 255	1.16 216	1.18 254	1.10 252	1.10 260	1.16 254	1.18 267	1.16 240	1.13 262	1.11 209	1.16 263	1.16 252	1.12 262	1.10 258	1.17 267	1.16 263	1.16 252	1.10 260	1.16 253	1.14 265	1.17 249	1.16 263	1.11 261	1.09 263	1.10 253	1.10 262	1.16 254	1.17 264
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
MM-Stereo_test2	1.15 257	1.90 250	1.10 245	1.37 268	0.94 246	1.36 265	0.98 248	1.48 255	0.98 249	1.37 232	0.98 249	1.37 267	0.98 251	0.95 247	0.94 250	0.95 249	1.37 267	0.95 250	1.38 266	0.95 251	1.38 267	0.95 250	0.95 249	0.95 251	1.37 269	0.95 247	1.37 267	0.95 248

TorneroNet	1.15 257	1.10 213	0.51 186	0.69 215	0.51 207	1.10 251	0.50 205	0.51 176	0.51 205	13.92 333	1.17 267	0.49 185	0.51 208	0.54 199	0.48 199	0.49 197	0.49 183	0.65 223	0.70 211	0.49 203	0.51 184	0.49 200	0.67 224	1.36 278	0.51 189	0.50 206	0.52 191	1.23 271

RGC	1.15 257	1.16 216	1.17 253	1.15 257	1.11 262	1.21 260	1.21 274	1.10 235	1.15 263	1.16 215	1.11 260	1.17 254	1.09 260	1.14 263	1.11 261	1.16 263	1.19 258	1.11 263	1.10 249	1.15 267	1.11 244	1.19 266	1.16 264	1.12 265	1.17 258	1.10 262	1.16 254	1.17 264

NCC-stereo	1.15 257	1.17 219	1.12 249	1.10 252	1.15 263	1.14 252	1.15 263	1.15 238	1.12 261	1.17 218	1.17 267	1.11 249	1.17 268	1.11 260	1.10 260	1.16 263	1.12 247	1.11 263	1.16 253	1.13 264	1.23 258	1.16 263	1.19 268	1.11 264	1.18 260	1.17 267	1.17 257	1.13 262

edge stereo	1.15 257	1.18 220	1.11 247	1.12 255	1.17 267	1.17 259	1.17 265	1.16 240	1.18 269	1.16 215	1.17 267	1.17 254	1.13 263	1.11 260	1.11 261	1.12 260	1.17 254	1.17 266	1.11 251	1.17 268	1.17 249	1.17 265	1.18 266	1.14 266	1.11 254	1.18 268	1.12 250	1.11 260

Nwc_Net	1.15 257	1.15 214	1.15 250	1.09 251	1.19 269	1.16 254	1.17 265	1.15 238	1.16 265	1.16 215	1.16 263	1.08 248	1.16 265	1.11 260	1.15 266	1.18 267	1.11 246	1.10 260	1.16 253	1.17 268	1.16 247	1.13 262	1.18 266	1.20 271	1.11 254	1.15 265	1.16 254	1.20 267

stereogan	1.17 263	1.19 222	1.15 250	1.15 257	1.15 263	1.15 253	1.19 268	1.19 243	1.15 263	1.15 212	1.16 263	1.19 257	1.19 269	1.19 266	1.19 268	1.19 268	1.15 250	1.19 269	1.19 257	1.19 271	1.15 246	1.19 266	1.15 263	1.15 267	1.16 257	1.15 265	1.19 258	1.20 267

MM-Stereo_test3	1.22 264	1.60 244	1.19 257	1.48 271	1.02 252	1.48 270	0.99 252	1.54 256	1.03 255	1.41 234	1.03 255	1.44 269	1.00 253	1.04 255	1.04 256	1.02 256	1.42 270	1.04 256	1.48 269	1.01 255	1.48 268	1.03 255	1.06 258	1.04 257	1.53 272	1.04 256	1.49 268	1.04 255

FAT-Stereo	1.22 264	1.23 223	1.19 257	1.21 263	1.24 272	1.24 262	1.19 268	1.25 247	1.24 272	1.25 224	1.19 270	1.20 258	1.24 273	1.20 267	1.21 270	1.25 272	1.22 260	1.21 271	1.25 260	1.23 274	1.22 256	1.19 266	1.19 268	1.24 274	1.25 263	1.20 271	1.19 258	1.25 273

S-Stereo	1.22 264	1.18 220	1.19 257	1.20 262	1.23 271	1.23 261	1.19 268	1.19 243	1.18 269	1.27 225	1.20 271	1.20 258	1.20 270	1.23 269	1.22 272	1.23 271	1.23 261	1.23 273	1.20 258	1.25 275	1.20 254	1.22 272	1.25 272	1.24 274	1.20 262	1.22 274	1.26 261	1.24 272

SPS-STEREO	1.25 267	1.47 239	1.06 243	1.54 272	1.08 258	1.52 271	1.20 273	1.44 253	1.06 258	1.49 239	1.10 259	1.41 268	1.10 261	0.98 248	1.08 259	1.12 260	1.47 271	1.04 256	1.53 270	1.14 265	1.52 269	1.07 258	1.02 255	1.05 258	1.48 271	1.07 259	1.55 269	1.11 260
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RASNet	1.39 268	1.37 238	1.35 261	1.38 269	1.40 276	1.39 268	1.77 290	1.36 250	1.74 289	1.36 231	1.36 276	1.36 266	1.36 276	1.36 271	1.35 274	1.41 280	1.36 265	1.36 279	1.36 265	1.35 278	1.36 265	1.35 276	1.36 275	1.35 277	1.36 268	1.35 278	1.36 266	1.35 275

HBP-ISP	1.47 269	1.07 211	1.03 239	1.30 265	1.08 258	1.36 265	1.06 258	1.44 253	1.25 274	1.97 256	1.51 281	1.65 272	1.58 282	0.98 248	1.58 282	1.68 287	1.98 278	1.32 274	2.02 278	1.28 276	2.95 294	1.89 295	0.97 250	1.06 260	1.26 264	0.99 248	1.94 274	1.43 282

PS-NSSS	1.48 270	4.46 295	1.35 261	1.35 267	1.35 275	1.41 269	1.34 276	1.36 250	1.35 277	1.40 233	1.35 275	1.33 264	1.35 275	1.37 272	1.40 277	1.35 274	1.35 263	1.35 277	1.39 267	1.44 283	1.35 264	1.34 275	1.35 274	1.38 281	1.35 267	1.33 277	1.34 264	1.38 279

CC-Net-ROB	1.51 271	4.40 294	1.69 277	1.39 270	1.40 276	1.37 267	1.40 281	1.36 250	1.39 278	1.41 234	1.36 276	1.35 265	1.38 278	1.39 274	1.39 275	1.36 275	1.36 265	1.35 277	1.39 267	1.39 279	1.37 266	1.36 277	1.41 279	1.48 283	1.39 270	1.42 283	1.35 265	1.35 275

GANetREF_RVC	1.52 272	2.01 252	1.21 260	1.98 278	1.21 270	1.98 278	1.21 274	1.98 269	1.21 271	1.99 257	1.21 272	1.98 278	1.21 272	1.02 254	1.21 270	1.21 270	1.99 279	1.21 271	1.99 277	1.21 272	1.99 276	1.21 269	1.21 270	1.21 272	1.99 280	1.21 272	1.99 277	1.21 269
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
MonStereo1	1.60 273	2.69 275	1.46 266	1.99 279	1.31 274	1.99 279	1.36 277	1.99 270	1.31 275	1.84 245	1.32 274	1.89 273	1.31 274	1.32 270	1.30 273	1.36 275	1.94 275	1.33 276	1.93 274	1.30 277	1.92 273	1.33 274	1.31 273	1.31 276	1.94 277	1.31 276	1.93 273	1.31 274

R-Stereo Train	1.62 274	2.01 252	1.41 264	1.97 276	1.40 276	1.96 276	1.39 278	1.93 264	1.39 278	1.92 250	1.38 278	1.94 276	1.39 279	1.40 275	1.45 278	1.38 277	1.96 276	1.37 280	1.97 275	1.39 279	1.98 274	1.41 279	1.40 277	1.37 279	1.97 278	1.38 279	1.96 275	1.37 277

RAFT-Stereo	1.62 274	2.01 252	1.41 264	1.97 276	1.40 276	1.96 276	1.39 278	1.93 264	1.39 278	1.92 250	1.38 278	1.94 276	1.39 279	1.40 275	1.45 278	1.38 277	1.96 276	1.37 280	1.97 275	1.39 279	1.98 274	1.41 279	1.40 277	1.37 279	1.97 278	1.38 279	1.96 275	1.37 277
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DPSMNet_ROB	1.62 274	1.60 244	1.59 270	1.61 274	1.69 285	1.66 274	1.61 283	1.70 260	1.65 287	1.62 242	1.60 284	1.61 270	1.60 283	1.60 278	1.59 283	1.62 285	1.60 272	1.63 287	1.62 272	1.68 290	1.70 271	1.60 282	1.64 286	1.60 285	1.61 273	1.60 285	1.60 270	1.59 285

MonStereo	1.66 277	2.63 274	1.46 266	1.99 279	1.41 280	2.03 280	1.39 278	2.04 272	1.43 281	1.94 253	1.40 280	1.92 275	1.37 277	1.38 273	1.39 275	1.39 279	1.99 279	1.38 282	2.04 279	1.41 282	2.02 278	1.37 278	1.39 276	1.38 281	1.99 280	1.38 279	2.01 278	1.39 281

MoCha-V2	1.75 278	27.02 341	0.72 207	0.92 230	0.69 230	0.89 227	0.69 234	0.92 213	0.71 230	0.87 185	0.69 231	0.88 227	0.68 230	0.70 229	0.68 232	0.69 227	0.90 226	0.69 233	0.92 230	0.69 231	0.92 223	0.71 233	0.70 232	0.67 229	0.88 226	0.71 234	0.92 225	0.68 230

MFMNet_re	1.77 279	1.89 249	1.72 278	1.88 275	1.69 285	1.89 275	1.67 287	1.91 263	1.70 288	1.87 246	1.67 288	1.89 273	1.68 288	1.67 282	1.67 288	1.70 288	1.88 274	1.68 289	1.88 273	1.67 288	1.89 272	1.68 288	1.70 288	1.71 290	1.87 276	1.68 293	1.87 272	1.68 290

MM-Stereo_test1	1.85 280	3.50 284	1.61 271	2.12 281	1.47 281	2.14 281	1.47 282	2.33 281	1.53 282	2.12 262	1.54 282	2.19 280	1.53 281	1.54 277	1.53 280	1.53 281	2.20 281	1.54 283	2.24 280	1.57 284	2.21 284	1.49 281	1.59 281	1.49 284	2.15 285	1.52 284	2.15 280	1.54 284

plain	1.96 281	3.33 281	1.04 240	3.24 298	1.04 256	3.24 298	1.04 257	3.26 295	1.05 256	3.26 294	1.13 261	3.27 298	1.06 259	1.05 256	1.05 257	1.05 257	3.28 296	1.05 258	3.29 296	1.06 259	3.30 296	1.05 256	1.05 257	1.06 260	3.30 298	1.06 258	3.30 297	1.06 256

UDGNet	1.97 282	2.43 266	1.67 275	2.46 289	1.70 287	2.44 288	1.69 288	2.34 282	1.63 286	2.35 278	1.67 288	2.37 289	1.67 287	1.68 283	1.64 287	1.67 286	2.44 288	1.64 288	2.43 288	1.67 288	2.43 290	1.66 286	1.67 287	1.63 289	2.43 290	1.66 291	2.42 289	1.66 289

LG-G_1	1.99 283	2.56 271	1.63 273	2.54 292	1.62 283	2.55 293	1.61 283	2.51 285	1.61 283	2.50 282	1.62 286	2.50 291	1.61 284	1.61 279	1.61 284	1.61 282	2.55 292	1.61 284	2.55 293	1.61 285	2.55 292	1.61 283	1.61 282	1.61 286	2.55 293	1.61 286	2.54 291	1.61 286

LG-G	1.99 283	2.56 271	1.63 273	2.54 292	1.62 283	2.55 293	1.61 283	2.51 285	1.61 283	2.50 282	1.62 286	2.50 291	1.61 284	1.61 279	1.61 284	1.61 282	2.55 292	1.61 284	2.55 293	1.61 285	2.55 292	1.61 283	1.61 282	1.61 286	2.55 293	1.61 286	2.54 291	1.61 286

LGtest1	1.99 283	2.55 270	1.62 272	2.54 292	1.61 282	2.54 290	1.61 283	2.51 285	1.61 283	2.49 281	1.61 285	2.49 290	1.61 284	1.61 279	1.61 284	1.61 282	2.55 292	1.62 286	2.54 292	1.61 285	2.54 291	1.61 283	1.61 282	1.61 286	2.54 292	1.61 286	2.54 291	1.61 286

FBW_ROB	2.04 286	2.50 267	1.75 279	2.45 288	1.78 288	2.40 286	1.74 289	2.47 284	1.77 290	2.37 279	1.81 290	2.30 283	1.80 289	1.78 284	1.88 297	1.80 289	2.41 287	1.77 290	2.43 288	1.83 292	2.39 288	1.81 293	1.76 290	1.75 291	2.56 295	1.75 294	2.30 285	1.74 291

TRStereo	2.05 287	2.13 255	1.85 282	2.27 282	1.84 290	2.28 282	1.84 293	2.29 277	1.87 293	2.29 272	1.86 292	2.30 283	1.87 293	2.30 298	1.87 294	2.08 296	2.29 283	1.87 293	2.30 282	1.87 294	2.08 279	1.72 289	1.86 294	2.30 303	2.13 282	1.84 296	2.29 282	1.87 295

XX-Stereo	2.05 287	2.13 255	1.85 282	2.27 282	1.84 290	2.28 282	1.84 293	2.29 277	1.87 293	2.29 272	1.86 292	2.30 283	1.87 293	2.30 298	1.87 294	2.08 296	2.29 283	1.87 293	2.30 282	1.87 294	2.08 279	1.72 289	1.86 294	2.30 303	2.13 282	1.84 296	2.29 282	1.87 295

EAI-Stereo	2.05 287	2.13 255	1.85 282	2.27 282	1.84 290	2.28 282	1.84 293	2.29 277	1.87 293	2.29 272	1.86 292	2.30 283	1.87 293	2.30 298	1.87 294	2.08 296	2.29 283	1.87 293	2.30 282	1.87 294	2.08 279	1.72 289	1.86 294	2.30 303	2.13 282	1.84 296	2.29 282	1.87 295

AF-Net	2.06 290	25.73 340	1.18 254	1.12 255	1.16 266	1.16 254	1.19 268	1.10 235	1.17 268	1.15 212	1.14 262	1.11 249	1.16 265	1.16 265	1.14 264	1.11 259	1.15 250	1.13 265	1.21 259	1.17 268	1.11 244	1.21 269	1.17 265	1.17 268	1.17 258	1.11 264	1.20 260	1.13 262

UniTT-Stereo	2.12 291	3.66 286	1.10 245	3.48 301	1.15 263	3.57 302	1.11 262	3.44 298	1.16 265	3.52 296	1.16 263	3.50 299	1.16 265	1.10 258	1.13 263	1.15 262	3.61 298	1.17 266	3.64 297	1.12 263	3.58 299	1.12 261	1.12 262	1.17 268	3.53 301	1.18 268	3.52 300	1.18 266

HUF	2.22 292	2.33 262	2.24 294	2.35 286	2.07 296	2.45 289	2.11 300	2.42 283	2.13 300	2.19 265	2.15 299	2.10 279	2.09 298	2.27 296	2.04 299	2.08 296	2.44 288	2.12 300	2.38 287	2.18 301	2.29 286	2.22 299	2.12 301	2.12 298	2.52 291	2.10 301	2.22 281	2.15 302

AIO_test	2.22 292	2.36 265	2.10 290	2.47 290	2.15 297	2.54 290	2.06 299	2.27 275	2.09 299	2.29 272	2.13 298	2.30 283	2.09 298	2.25 294	2.15 301	1.95 294	2.52 291	2.08 298	2.32 285	2.21 303	2.20 283	2.26 301	2.05 300	2.06 296	2.40 289	2.16 303	2.52 290	2.05 301

RAStereo	2.24 294	3.70 287	1.18 254	3.73 305	1.18 268	3.69 304	1.19 268	3.73 301	1.24 272	3.72 299	1.21 272	3.76 303	1.20 270	1.20 267	1.20 269	1.20 269	3.74 303	1.20 270	3.75 303	1.21 272	3.77 303	1.21 269	1.21 270	1.21 272	3.82 305	1.21 272	3.82 304	1.21 269

AIO_rvc	2.25 295	2.35 264	2.10 290	2.47 290	2.17 298	2.54 290	2.15 301	2.32 280	2.21 301	2.29 272	2.28 301	2.33 288	2.09 298	2.26 295	2.14 300	2.08 296	2.49 290	2.09 299	2.53 291	2.14 300	2.34 287	2.23 300	2.14 302	2.18 299	2.19 286	2.15 302	2.35 287	2.22 303

NCCL2	2.27 296	2.27 261	2.28 297	2.27 282	2.28 302	2.28 282	2.28 303	2.27 275	2.28 303	2.28 269	2.28 301	2.29 282	2.28 302	2.28 297	2.29 303	2.28 303	2.28 282	2.28 304	2.27 281	2.28 305	2.28 285	2.28 303	2.28 304	2.28 301	2.28 287	2.28 305	2.11 279	2.28 306

STTStereo	2.30 297	2.34 263	2.26 296	2.37 287	2.23 299	2.40 286	2.35 304	2.20 273	2.33 304	2.28 269	2.31 303	2.19 280	2.37 303	2.20 291	2.31 304	2.23 302	2.38 286	2.25 303	2.33 286	2.27 304	2.39 288	2.27 302	2.31 305	2.29 302	2.37 288	2.32 306	2.34 286	2.26 305

NLCA_NET_v2_RVC	2.50 298	2.85 277	1.90 287	2.90 295	2.77 305	2.88 295	2.85 307	2.51 285	2.85 307	2.88 289	1.99 297	2.50 291	2.76 306	2.20 291	1.57 281	2.64 305	2.89 295	2.63 306	5.69 326	1.03 257	2.01 277	2.71 305	2.74 309	2.73 307	2.87 296	1.64 289	1.00 235	1.49 283
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MIF-Stereo (partial)	2.52 299	3.41 283	1.05 241	3.29 299	1.05 257	3.29 301	1.06 258	3.30 297	1.06 258	3.31 295	1.06 257	4.97 321	2.72 305	2.72 302	2.71 306	2.70 306	6.57 328	2.19 301	5.08 323	1.08 261	3.36 297	1.07 258	1.07 259	1.07 262	3.35 300	1.07 259	3.36 299	1.07 258

sCroCo_RVC	2.76 300	4.00 289	1.82 281	4.00 309	1.83 289	3.98 310	1.82 291	3.99 303	1.81 291	4.14 307	2.76 305	4.13 312	1.82 291	1.83 285	1.83 290	1.82 290	4.01 308	1.82 292	3.98 306	1.86 293	4.00 308	1.82 294	1.83 292	1.84 292	4.02 311	1.81 295	4.00 308	1.83 294

NLSM1	2.82 301	3.85 288	2.57 302	3.19 297	2.46 303	3.28 300	2.38 305	3.29 296	2.42 305	3.20 293	2.64 304	3.14 296	2.62 304	2.46 301	2.44 305	2.51 304	3.31 297	2.53 305	3.17 295	2.47 306	3.27 295	2.33 304	2.65 306	2.61 306	3.22 297	2.55 307	3.31 298	2.39 307

sAnonymous2	2.87 302	4.16 290	1.89 285	4.26 314	1.87 293	4.23 313	1.92 296	4.17 304	1.94 297	4.16 308	1.92 295	4.20 313	1.92 296	1.96 287	1.86 292	1.87 292	4.25 312	1.90 296	4.23 312	1.91 297	4.26 311	1.93 296	1.89 297	1.90 293	4.07 313	1.91 299	5.09 324	1.93 299

CroCo_RVC	2.87 302	4.16 290	1.89 285	4.26 314	1.87 293	4.23 313	1.92 296	4.17 304	1.94 297	4.16 308	1.92 295	4.20 313	1.92 296	1.96 287	1.86 292	1.87 292	4.25 312	1.90 296	4.23 312	1.91 297	4.26 311	1.93 296	1.89 297	1.90 293	4.07 313	1.91 299	5.09 324	1.93 299

Anonymous3	3.36 304	4.93 300	2.20 292	4.92 321	2.23 299	4.90 321	2.23 302	4.89 310	2.24 302	4.95 320	2.21 300	4.91 320	2.21 301	2.18 290	2.22 302	2.22 301	4.86 319	2.20 302	4.90 319	2.20 302	4.96 321	2.21 298	2.21 303	2.21 300	6.30 327	2.21 304	4.90 317	2.23 304

StereoVision	3.44 305	10.12 327	1.68 276	5.44 326	2.26 301	5.87 326	1.97 298	5.17 313	1.31 275	5.80 324	1.56 283	5.62 326	1.84 292	1.97 289	1.91 298	1.84 291	4.98 321	1.32 274	5.60 324	1.71 291	5.35 326	1.73 292	1.97 299	1.96 295	5.40 324	1.65 290	5.08 322	1.76 293

NLCSM	3.61 306	5.05 302	3.36 312	4.13 311	3.31 313	3.91 306	3.26 313	3.98 302	3.24 311	4.08 306	3.06 308	3.95 308	3.25 313	3.25 307	3.10 310	3.17 312	4.20 311	3.08 308	4.16 310	3.24 313	4.26 311	3.46 313	3.14 311	3.19 310	4.02 311	3.24 312	4.21 312	3.17 311

DPSNet	3.67 307	3.61 285	3.62 313	3.64 302	3.61 317	3.64 303	3.65 317	3.64 300	3.67 316	3.67 298	3.65 315	3.68 301	3.69 321	3.69 315	3.69 322	3.68 318	3.70 300	3.70 318	3.69 302	3.69 319	3.71 302	3.69 315	3.67 317	3.69 319	3.68 304	3.67 316	3.68 302	3.67 313

MaDis-Stereo	3.69 308	10.19 328	2.01 289	6.09 327	2.01 295	5.94 327	1.82 291	6.14 318	1.85 292	6.59 327	1.82 291	6.01 327	1.81 290	1.83 285	1.83 290	2.02 295	5.87 325	1.79 291	5.93 327	2.06 299	4.63 317	1.67 287	1.84 293	2.08 297	5.90 325	1.66 291	6.34 327	1.87 295

Sa-1000	3.84 309	7.71 311	6.81 328	4.15 312	2.86 306	3.27 299	3.87 323	5.99 315	4.35 327	2.78 287	3.71 316	3.88 304	3.56 317	3.88 318	3.64 315	2.71 307	3.72 301	3.27 313	3.67 301	3.15 312	3.51 298	3.36 312	2.70 308	3.49 313	3.32 299	3.76 320	2.87 295	3.76 320

MLG-Stereo_test2	3.86 310	4.96 301	3.13 305	4.65 319	3.27 312	5.17 325	3.07 309	5.01 312	3.01 308	4.93 319	3.03 307	4.56 318	3.32 314	3.26 308	3.33 313	3.30 314	5.17 324	3.19 311	4.86 318	2.96 311	5.04 323	3.25 308	2.67 307	3.15 309	4.98 321	3.05 310	4.59 315	3.30 312

MLG-Stereo_test3	3.87 311	4.64 296	3.29 309	5.17 324	3.23 310	4.83 320	3.02 308	4.95 311	3.22 310	4.31 311	3.33 313	5.08 323	3.20 312	3.23 306	2.77 307	3.20 313	4.99 322	3.24 312	4.93 320	2.94 308	4.82 320	3.33 311	3.33 313	3.29 312	5.19 323	3.02 309	5.08 322	2.93 310

MLG-Stereo_test1	3.87 311	4.67 297	3.29 309	5.26 325	3.25 311	5.04 323	3.11 310	4.43 306	3.27 312	5.02 322	3.21 310	4.71 319	3.10 310	3.22 305	3.06 309	2.98 310	5.03 323	3.18 310	4.95 321	2.94 308	4.70 319	3.32 309	3.30 312	3.27 311	5.17 322	3.08 311	5.02 320	2.85 309

SA	3.93 313	7.22 307	4.74 315	4.15 312	3.88 323	3.70 305	4.02 326	6.67 323	3.95 321	3.64 297	3.74 317	3.63 300	3.00 308	3.51 310	3.68 321	3.68 318	3.73 302	3.71 319	3.64 297	3.48 314	3.58 299	2.97 307	3.69 318	3.61 314	3.55 303	3.42 313	3.64 301	3.79 321

TestStereo1	4.11 314	7.79 313	6.72 326	3.93 306	3.81 320	3.96 308	3.58 315	6.96 326	3.74 318	3.90 301	3.76 318	3.89 305	3.57 318	3.70 316	3.66 318	3.34 315	3.80 304	3.62 315	3.66 299	3.68 317	3.91 305	3.70 316	3.65 315	3.67 316	3.88 306	3.53 314	3.89 305	3.68 316

SA-5K	4.11 314	7.79 313	6.72 326	3.93 306	3.81 320	3.96 308	3.58 315	6.96 326	3.74 318	3.90 301	3.76 318	3.89 305	3.57 318	3.70 316	3.66 318	3.34 315	3.80 304	3.62 315	3.66 299	3.68 317	3.91 305	3.70 316	3.65 315	3.67 316	3.88 306	3.53 314	3.89 305	3.68 316

test_4	4.11 314	8.05 316	6.64 324	4.52 317	3.68 318	3.00 296	3.40 314	6.21 321	3.29 313	4.07 305	3.84 321	4.04 310	3.76 323	3.56 313	3.67 320	3.76 321	4.04 309	3.79 321	4.10 307	3.53 315	3.98 307	3.74 319	3.55 314	3.61 314	3.94 310	3.75 319	3.73 303	3.73 319

test-1	4.11 314	7.65 310	4.93 316	3.65 303	3.58 315	4.70 319	3.74 321	4.73 308	4.06 323	3.72 299	4.11 325	3.70 302	3.49 316	3.36 309	3.65 317	4.17 326	3.92 306	4.04 325	4.19 311	3.75 320	4.69 318	4.18 322	3.88 321	3.90 321	4.73 317	3.77 321	3.12 296	3.68 316

TESTraft	4.16 318	8.03 315	6.81 328	3.99 308	3.68 318	3.93 307	3.70 319	6.86 325	3.69 317	3.93 303	3.88 323	3.93 307	3.59 320	3.65 314	3.64 315	3.68 318	3.92 306	3.72 320	3.92 304	3.57 316	3.84 304	3.70 316	3.71 319	3.67 316	3.91 309	3.74 318	3.92 307	3.67 313

raft_robust	4.19 319	7.78 312	6.08 321	3.30 300	3.85 322	4.03 311	3.73 320	6.25 322	3.30 314	4.44 313	3.28 312	4.01 309	3.82 324	4.29 323	3.70 323	4.01 323	4.48 317	3.42 314	4.11 308	3.76 321	4.05 309	3.32 309	3.85 320	3.82 320	4.71 316	3.83 322	4.09 309	3.80 322

RAFT_CTSACE	4.43 320	8.26 318	6.10 322	4.62 318	4.01 325	4.54 318	3.65 317	6.09 317	3.93 320	4.64 316	4.14 326	4.26 315	4.13 326	3.91 319	3.88 324	4.06 325	4.30 314	4.03 324	4.27 314	3.92 322	4.26 311	3.67 314	3.91 322	4.16 324	4.82 318	4.08 326	4.20 311	3.67 313

RAFT+CT+SA	4.43 320	7.34 309	6.71 325	5.01 322	4.38 326	4.40 315	3.85 322	6.15 320	4.30 326	4.89 318	3.26 311	4.49 317	3.01 309	4.53 324	3.36 314	3.65 317	3.64 299	4.39 327	3.94 305	4.28 325	4.44 315	4.30 324	4.24 327	4.52 326	3.90 308	3.85 323	4.89 316	4.00 324

cross-raft	4.43 320	7.31 308	6.46 323	4.47 316	3.95 324	4.46 316	3.95 324	6.70 324	3.97 322	4.41 312	3.82 320	4.38 316	3.94 325	3.95 321	3.95 326	3.95 322	4.45 316	3.95 323	4.46 315	3.95 323	4.46 316	3.95 320	3.95 324	3.94 323	4.40 315	3.95 325	4.45 314	3.95 323

test_5	4.51 323	8.85 321	5.35 320	3.66 304	3.56 314	5.10 324	4.47 328	6.14 318	4.07 324	4.96 321	3.87 322	5.14 325	4.17 328	3.53 311	4.39 327	4.53 327	4.15 310	3.62 315	4.74 317	2.94 308	3.63 301	4.53 326	4.20 326	4.54 327	4.86 319	3.68 317	4.95 318	4.06 325

test_3	4.55 324	10.96 329	7.69 332	4.04 310	3.60 316	4.10 312	3.98 325	7.94 328	4.56 328	3.99 304	4.03 324	4.08 311	3.74 322	3.99 322	3.91 325	4.05 324	4.33 315	3.89 322	4.14 309	4.00 324	4.11 310	4.02 321	4.01 325	3.91 322	3.53 301	3.94 324	4.19 310	4.20 326

FC-DCNN v2	4.74 325	3.16 280	3.16 307	3.16 296	3.16 307	3.16 297	3.16 312	3.16 294	3.16 309	3.16 292	3.16 309	3.16 297	3.16 311	3.16 304	3.16 311	3.16 311	6.72 329	6.72 331	6.72 329	6.72 333	6.72 328	6.72 333	6.72 333	6.72 331	6.72 328	6.72 331	6.72 329	6.72 332

TestStereo	4.92 326	4.80 299	4.98 317	4.82 320	4.97 328	4.91 322	4.78 329	4.80 309	4.88 329	4.78 317	4.80 328	4.99 322	4.81 329	4.83 325	4.87 329	4.97 329	4.93 320	5.01 329	5.03 322	4.90 328	5.02 322	5.02 327	5.06 328	5.04 328	4.93 320	4.89 328	5.01 319	5.09 328

DispFullNet	4.96 327	5.67 303	3.30 311	5.01 322	3.21 309	4.50 317	3.11 310	4.43 306	3.44 315	4.60 315	3.46 314	5.13 324	3.44 315	3.53 311	3.20 312	2.87 309	4.80 318	3.15 309	4.70 316	4.83 327	9.02 333	5.98 330	5.95 332	6.21 330	8.84 333	5.85 330	9.76 334	5.91 330

SGM-Forest	5.07 328	6.74 305	4.17 314	6.46 328	4.68 327	6.21 329	4.38 327	6.00 316	4.14 325	5.84 325	4.44 327	6.28 328	4.16 327	3.92 320	4.56 328	4.60 328	6.15 326	4.27 326	6.12 328	4.31 326	5.99 327	4.27 323	3.92 323	4.27 325	6.13 326	4.10 327	6.18 326	4.49 327
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
U	5.23 329	8.71 320	2.75 303	8.64 333	2.76 304	8.65 333	2.79 306	8.67 332	2.79 306	8.70 332	2.79 306	8.70 333	2.79 307	2.79 303	2.80 308	2.80 308	8.84 333	2.82 307	8.82 333	2.89 307	8.84 332	2.83 306	2.83 310	2.82 308	8.87 334	2.83 308	8.84 333	2.83 308

SGM+DAISY	6.35 330	8.16 317	5.14 319	8.12 332	5.08 330	8.12 332	5.16 330	8.01 329	5.18 331	7.92 330	5.14 329	7.89 332	5.14 330	4.95 326	5.33 330	5.32 330	8.14 332	5.16 330	8.16 332	5.16 329	8.21 331	5.19 328	5.12 329	5.12 329	8.18 332	5.24 329	8.12 332	5.11 329

RAFT	6.60 331	9.99 324	8.33 333	7.21 331	6.55 331	5.95 328	5.87 331	8.70 333	5.02 330	5.10 323	6.69 331	7.06 331	6.94 333	6.17 329	7.09 333	6.84 331	6.47 327	4.72 328	5.60 324	5.60 330	5.11 324	5.97 329	6.93 334	6.89 332	7.16 329	7.08 334	6.58 328	6.66 331

test-v	7.17 332	11.53 330	7.63 330	7.17 329	6.87 332	7.48 330	6.90 332	8.14 330	6.88 332	6.93 328	7.42 332	7.05 329	6.14 331	6.05 327	6.86 331	6.99 332	7.60 330	6.75 332	6.90 330	6.66 331	7.83 329	6.36 331	5.89 330	7.34 333	7.19 330	6.75 332	7.52 330	6.77 333

test-2	7.17 332	11.53 330	7.63 330	7.17 329	6.87 332	7.48 330	6.90 332	8.14 330	6.88 332	6.93 328	7.42 332	7.05 329	6.14 331	6.05 327	6.86 331	6.99 332	7.60 330	6.75 332	6.90 330	6.66 331	7.83 329	6.36 331	5.89 330	7.34 333	7.19 330	6.75 332	7.52 330	6.77 333

MANE	18.41 334	23.00 339	16.00 334	22.00 341	15.00 334	22.00 341	15.00 334	22.00 341	15.00 334	21.00 341	15.00 334	22.00 341	15.00 334	15.00 334	17.00 334	15.00 334	23.00 341	15.00 334	22.00 341	15.00 334	23.00 341	15.00 334	18.00 335	15.00 335	24.00 342	17.00 335	24.00 342	16.00 335

rafts_anoy	20.00 335	20.00 332	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 335	20.00 335	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 336	20.00 336	20.00 335	20.00 336	20.00 335	20.00 336

raft+_RVC	20.00 335	20.00 332	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 335	20.00 335	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 336	20.00 336	20.00 335	20.00 336	20.00 335	20.00 336

raftrobust	20.00 335	20.00 332	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 335	20.00 335	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 336	20.00 336	20.00 335	20.00 336	20.00 335	20.00 336

CasAABBNet	20.00 335	20.00 332	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 335	20.00 335	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 336	20.00 336	20.00 335	20.00 336	20.00 335	20.00 336

RALCasStereoNet	20.00 335	20.00 332	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 335	20.00 335	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 336	20.00 336	20.00 335	20.00 336	20.00 335	20.00 336

RALAANet	20.00 335	20.00 332	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 335	20.00 335	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 336	20.00 336	20.00 335	20.00 336	20.00 335	20.00 336

MSMDNet	20.00 335	20.00 332	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 335	20.00 335	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 336	20.00 336	20.00 335	20.00 336	20.00 335	20.00 336

Reg-Stereo(zero)	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 343	37.00 343	37.00 343	37.00 343	37.00 343	37.00 343

HI	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 343	37.00 343	37.00 343	37.00 343	37.00 343	37.00 343

CoSv	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 343	37.00 343	37.00 343	37.00 343	37.00 343	37.00 343

MDST_ROB	61.15 345	72.66 346	46.52 345	70.00 345	44.89 345	64.24 345	43.75 345	73.65 345	48.92 346	72.70 346	42.40 345	60.70 345	50.23 345	50.07 346	67.69 346	68.60 346	83.13 346	47.77 345	82.48 346	46.00 345	95.93 346	53.44 346	50.66 346	45.00 346	84.99 347	53.64 347	79.01 346	52.07 347

CBMV	101.59 346	71.60 345	48.40 346	72.70 346	49.00 346	79.60 346	48.40 346	80.90 346	46.90 345	68.90 345	49.00 346	78.00 346	572.10 354	49.50 345	51.30 345	48.40 345	72.20 345	639.60 354	79.40 345	48.90 346	79.50 345	51.40 345	52.30 347	48.30 347	80.20 346	49.10 346	79.60 347	47.60 346
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	151.99 347	131.36 347	140.69 347	151.38 347	151.40 347	150.79 347	151.72 347	149.36 347	159.46 347	146.42 347	150.73 347	149.06 350	176.22 346	143.94 347	133.10 349	133.45 349	153.30 348	154.22 347	154.67 348	153.95 348	156.90 349	156.53 349	160.21 348	162.72 348	154.57 348	160.59 348	153.47 348	163.50 348
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
NOSS_ROB	248.11 348	409.00 352	288.00 349	412.00 349	280.00 349	411.00 352	288.00 349	356.00 348	275.00 352	379.00 352	303.00 352	415.00 352	278.00 351	260.00 352	104.00 347	103.00 347	126.00 347	108.00 346	118.00 347	98.00 347	126.00 348	104.00 348	268.00 351	216.00 350	279.00 352	201.00 349	288.00 352	206.00 349

AE-Stereo	252.48 349	202.00 348	361.00 351	502.00 351	324.00 351	321.00 348	482.00 354	423.00 351	227.00 351	201.00 348	273.00 351	101.00 347	207.00 347	198.00 348	183.00 350	181.00 350	221.00 349	232.00 351	477.00 350	220.00 350	111.00 347	100.00 347	219.00 350	214.00 349	204.00 349	211.00 350	200.00 349	222.00 351

MGS-Stereo	264.93 350	208.00 349	362.00 352	512.00 352	350.00 352	326.00 349	443.00 353	410.00 350	210.00 348	232.00 350	215.00 348	125.00 348	217.00 348	216.00 350	127.00 348	122.00 348	223.00 350	230.00 349	487.00 352	255.00 351	250.00 350	223.00 351	272.00 352	228.00 352	241.00 350	220.00 352	214.00 350	235.00 352

EGLCR-Stereo	276.81 351	209.00 350	366.00 353	514.00 353	354.00 353	336.00 350	422.00 351	440.00 352	220.00 350	231.00 349	245.00 350	135.00 349	237.00 350	218.00 351	197.00 351	222.00 352	223.00 350	230.00 349	487.00 352	255.00 351	250.00 350	273.00 352	272.00 352	228.00 352	241.00 350	220.00 352	214.00 350	235.00 352

DLCB_ROB	280.78 352	376.74 351	215.59 348	376.74 348	215.59 348	376.74 351	215.59 348	366.42 349	218.39 349	366.42 351	218.39 349	366.42 351	218.39 349	209.96 349	219.76 352	219.38 351	376.72 352	216.43 348	376.72 349	216.43 349	376.72 352	216.43 350	216.14 349	216.14 351	376.69 353	217.67 351	376.69 353	217.67 350

LE_ROB	387.11 353	453.07 353	321.39 350	500.23 350	323.05 350	493.99 353	324.56 350	477.63 353	322.28 353	465.51 353	322.97 353	486.37 353	334.17 352	305.26 353	320.63 353	327.66 353	476.08 353	315.70 352	483.76 351	335.15 353	469.64 353	309.74 353	315.90 354	318.85 354	498.41 354	328.85 354	491.00 354	330.08 354

SGM-ForestM	522.49 354	676.08 354	448.56 354	638.17 354	433.15 354	639.59 354	427.03 352	617.52 354	439.90 354	604.63 354	429.02 354	611.68 354	432.74 353	420.18 354	451.96 354	465.85 354	601.06 354	403.73 353	659.15 354	405.50 354	669.64 354	437.21 354	455.85 355	425.66 355	689.82 355	481.65 355	662.43 355	479.61 355

CBMV_ROB	1133.35 355	1280.38 355	976.92 355	1317.57 355	1021.62 355	1282.66 355	1022.22 355	1213.88 355	982.57 355	1194.12 355	975.90 355	1357.87 355	1090.02 355	943.32 355	1021.85 355	1006.47 355	1309.01 355	986.29 355	1499.40 355	986.35 355	1359.35 355	975.96 355	975.21 356	969.30 356	1337.82 356	1042.34 356	1398.25 356	1073.86 356

111111	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357

SGD-Stereo	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357

IGEV-Stereo++	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357

IGEV-BASED-STEREO-	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357

IGEV-Stereo+	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357

anonymousdsp2	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357

anonymousdsp	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357

AMNet	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357

GS-Stereo																							0.36 162	0.36 164	0.48 179	0.36 162	0.48 176	0.35 160

Low-res two-view benchmark