Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Wz-Net-MNSev	0.06 44	0.54 231	0.10 70	0.12 84	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 94	0.11 98	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 213	0.10 70	0.12 84	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 94	0.10 75	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

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

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

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

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

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

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

CoDeX	0.15 125	0.70 248	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 381	0.02 15	0.69 376	0.75 390	0.01 9	0.02 20	0.02 20

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

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

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

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

Wz-Net-LNSev-Ref	0.11 88	0.44 185	0.33 232	0.39 214	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 264	0.36 262	0.02 18	0.02 20	0.02 20	0.02 20

CSP-Net	0.34 206	1.29 394	1.19 430	1.36 459	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 471	1.21 481	0.03 38	0.09 111	0.02 20	0.09 111

SFCPSM	0.17 137	0.78 253	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 416	0.02 15	0.75 387	0.76 392	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 167	1.31 396	0.74 384	0.92 355	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 384	0.75 387	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

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

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

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

zh-mn7	0.12 97	1.14 328	0.17 153	0.20 137	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 151	0.16 146	0.03 38	0.03 53	0.03 43	0.03 50

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

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

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

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

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

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

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

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

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

test_sample8	0.10 67	1.05 319	0.12 103	0.12 84	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 114	0.03 38	0.03 53	0.03 43	0.03 50

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

test_sample6	0.09 54	0.97 291	0.10 70	0.10 59	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample5	0.10 67	1.07 322	0.11 90	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 53	0.04 76	0.03 50

test_sample4	0.10 67	1.03 315	0.12 103	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.13 137	0.03 38	0.03 53	0.03 43	0.03 50

test_sample3	0.09 54	0.87 268	0.10 70	0.12 84	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 54	1.03 315	0.11 90	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 54	0.87 268	0.12 103	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 73	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

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

tta	0.09 54	0.95 288	0.09 66	0.10 59	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

DualNet	0.10 67	1.07 322	0.11 90	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 53	0.04 76	0.03 50

1111x	0.10 67	1.14 328	0.13 122	0.14 100	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.11 98	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 54	1.01 309	0.10 70	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.03 50

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

BUS	0.83 379	1.91 429	0.92 406	4.48 554	0.02 21	0.40 260	0.04 81	0.41 269	0.02 21	0.48 314	0.03 52	0.41 276	0.05 94	0.03 39	0.05 88	1.97 510	4.19 579	0.33 234	0.23 210	0.34 223	0.27 216

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

psmg	0.43 268	1.91 429	0.92 406	1.91 480	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 510	1.44 503	0.04 72	0.03 53	0.02 20	0.03 50

222	0.10 67	0.99 299	0.12 103	0.13 96	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 114	0.03 38	0.02 20	0.04 76	0.03 50

xxxx	0.11 88	1.16 333	0.16 146	0.12 84	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.16 146	0.03 38	0.04 77	0.04 76	0.04 78

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

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

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

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

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

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

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

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

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

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

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

NVStereoNet_ROB	0.04 38	0.04 37	0.04 44	0.04 37	0.04 78	0.04 77	0.04 81	0.04 76	0.04 81	0.04 73	0.04 88	0.04 76	0.04 84	0.04 71	0.04 75	0.04 44	0.04 45	0.04 72	0.04 77	0.04 76	0.04 78
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
FADE	0.07 49	0.06 54	0.02 14	0.09 55	0.10 122	0.03 40	0.03 50	0.05 88	0.03 55	0.04 73	0.03 52	0.05 90	0.03 52	0.04 71	0.03 48	0.15 125	0.10 75	0.17 154	0.13 156	0.11 123	0.11 129

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

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

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

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

BEATNet_4x	0.11 88	0.03 31	0.03 37	1.60 470	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 53	0.03 43	0.03 50

ADCL	0.11 88	0.03 31	0.03 37	1.60 470	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 53	0.03 43	0.03 50

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

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

DFGA-Net	0.05 41	0.06 54	0.04 44	0.06 46	0.04 78	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.04 88	0.06 97	0.04 84	0.06 88	0.04 75	0.06 55	0.04 45	0.05 85	0.04 77	0.05 91	0.04 78

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

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

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

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

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

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

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

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

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

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

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

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

AnyNet_C01	0.11 88	0.02 12	0.02 14	1.62 473	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 88	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 50

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

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

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

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

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

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

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

BridgeDepth	0.08 52	0.08 59	0.11 90	0.11 76	0.05 98	0.08 105	0.05 93	0.08 107	0.07 112	0.08 106	0.05 100	0.08 106	0.05 94	0.09 111	0.08 105	0.15 125	0.11 98	0.07 98	0.05 95	0.07 105	0.06 104
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
SepStereo	0.09 54	0.09 67	0.10 70	0.09 55	0.09 115	0.09 111	0.09 115	0.10 112	0.08 116	0.10 113	0.09 117	0.09 112	0.09 118	0.09 111	0.08 105	0.09 68	0.08 61	0.09 107	0.08 109	0.09 112	0.08 108

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

CAS++	0.17 137	0.27 134	0.21 174	0.10 59	0.21 209	0.15 136	0.22 198	0.10 112	0.21 198	0.22 175	0.10 121	0.19 159	0.18 189	0.10 115	0.19 187	0.20 158	0.19 176	0.18 164	0.10 118	0.19 163	0.18 179
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
AnonymousM	0.10 67	0.10 69	0.10 70	0.10 59	0.10 122	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

S2M2_L	0.12 97	0.14 90	0.10 70	0.15 110	0.10 122	0.14 129	0.10 120	0.14 130	0.10 120	0.15 135	0.10 121	0.14 130	0.10 122	0.14 132	0.10 116	0.13 109	0.10 75	0.13 126	0.09 111	0.13 131	0.09 111
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
CIPLG	0.13 104	0.21 112	0.12 103	0.16 121	0.11 138	0.15 136	0.11 133	0.14 130	0.11 135	0.15 135	0.12 146	0.15 140	0.11 134	0.14 132	0.11 128	0.15 125	0.12 114	0.14 128	0.11 130	0.14 133	0.11 129

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

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

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

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

GMStereo	0.14 113	0.13 84	0.14 127	0.14 100	0.14 159	0.14 129	0.14 154	0.14 130	0.14 159	0.14 129	0.14 163	0.14 130	0.14 160	0.14 132	0.14 153	0.14 116	0.14 141	0.14 128	0.14 162	0.14 133	0.14 157
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.29 182	0.90 276	0.10 70	0.14 100	0.10 122	0.14 129	0.10 120	0.91 393	0.69 400	0.14 129	0.11 135	0.14 130	0.11 134	0.14 132	0.10 116	0.12 94	0.09 70	0.12 122	0.09 111	0.88 383	0.76 409

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

StereoDRNet	0.15 125	0.14 90	0.10 70	0.14 100	0.09 115	0.15 136	0.09 115	0.14 130	0.09 119	0.14 129	0.10 121	0.14 130	0.09 118	0.14 132	0.09 110	0.13 109	0.10 75	0.13 126	0.09 111	0.13 131	0.82 416

xyz-stereo-finetune2	0.18 140	0.48 207	0.16 146	0.16 121	0.15 170	0.15 136	0.16 164	0.16 143	0.16 173	0.16 140	0.16 174	0.16 141	0.16 172	0.16 142	0.16 169	0.16 135	0.16 146	0.16 146	0.16 170	0.16 147	0.16 161

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

castereo++	0.54 311	3.59 512	1.15 424	1.31 455	0.14 159	0.16 144	0.14 154	0.16 143	0.14 159	0.16 140	0.14 163	0.16 141	0.13 156	0.16 142	0.14 153	1.45 485	1.16 430	0.15 143	0.14 162	0.15 143	0.13 152

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

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

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

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

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

ICVP	0.15 125	0.53 227	0.11 90	0.16 121	0.11 138	0.16 144	0.11 133	0.16 143	0.11 135	0.16 140	0.11 135	0.16 141	0.11 134	0.16 142	0.11 128	0.16 135	0.11 98	0.16 146	0.11 130	0.16 147	0.11 129
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
S2M2_XL	0.14 113	0.17 98	0.12 103	0.17 129	0.11 138	0.17 152	0.11 133	0.17 151	0.11 135	0.17 149	0.11 135	0.17 151	0.11 134	0.17 151	0.11 128	0.16 135	0.11 98	0.16 146	0.11 130	0.16 147	0.11 129
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
ProNet	0.14 113	0.20 106	0.14 127	0.16 121	0.11 138	0.16 144	0.11 133	0.17 151	0.11 135	0.17 149	0.12 146	0.17 151	0.13 156	0.17 151	0.12 143	0.15 125	0.11 98	0.16 146	0.11 130	0.15 143	0.12 146

HSM	0.14 113	0.16 92	0.12 103	0.17 129	0.12 154	0.17 152	0.11 133	0.17 151	0.11 135	0.17 149	0.12 146	0.17 151	0.12 151	0.17 151	0.12 143	0.16 135	0.11 98	0.16 146	0.11 130	0.16 147	0.12 146

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

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

ELAS	0.13 104	0.16 92	0.11 90	0.15 110	0.09 115	0.18 156	0.11 133	0.18 154	0.11 135	0.17 149	0.11 135	0.18 155	0.11 134	0.18 154	0.11 128	0.14 116	0.08 61	0.14 128	0.08 109	0.14 133	0.09 111
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DDVS	0.30 183	3.10 501	0.14 127	0.19 134	0.14 159	0.19 159	0.14 154	0.20 162	0.14 159	0.19 155	0.13 158	0.16 141	0.13 156	0.19 157	0.13 149	0.17 143	0.13 137	0.17 154	0.13 156	0.17 153	0.13 152

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

ELAS_RVC	0.14 113	0.16 92	0.10 70	0.15 110	0.10 122	0.18 156	0.11 133	0.19 156	0.11 135	0.19 155	0.12 146	0.18 155	0.11 134	0.19 157	0.12 143	0.14 116	0.08 61	0.14 128	0.09 111	0.15 143	0.09 111
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 125	0.17 98	0.11 90	0.18 131	0.11 138	0.19 159	0.11 133	0.19 156	0.12 154	0.19 155	0.12 146	0.20 162	0.12 151	0.19 157	0.12 143	0.16 135	0.11 98	0.17 154	0.10 118	0.17 153	0.10 116
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DEFOM-Stereo_RVC	0.83 379	5.18 546	1.98 546	2.19 490	0.17 183	0.19 159	0.18 179	0.19 156	0.16 173	0.20 161	0.19 196	0.22 178	0.22 205	0.20 161	0.15 163	2.28 527	2.13 546	0.24 195	0.17 190	0.18 157	0.16 161

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CASnet	0.35 215	0.51 221	0.44 290	0.32 189	0.31 269	0.24 188	0.34 284	0.36 229	0.25 215	0.31 215	0.37 309	0.30 218	0.33 282	0.25 193	0.45 336	0.37 242	0.37 264	0.33 234	0.35 308	0.34 223	0.37 294
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CAS	0.30 183	1.17 334	0.25 189	0.25 166	0.25 224	0.26 203	0.25 214	0.25 190	0.26 228	0.25 192	0.25 224	0.25 195	0.25 218	0.25 193	0.25 214	0.26 194	0.26 197	0.26 203	0.25 223	0.26 189	0.25 202

LoS	0.25 167	0.27 134	0.25 189	0.25 166	0.25 224	0.25 195	0.25 214	0.26 195	0.25 215	0.25 192	0.25 224	0.25 195	0.25 218	0.25 193	0.25 214	0.26 194	0.25 194	0.25 198	0.26 229	0.26 189	0.25 202
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MMNet	0.44 273	1.24 392	0.17 153	0.25 166	0.17 183	0.25 195	0.18 179	1.26 483	0.93 435	0.25 192	0.17 179	0.25 195	0.18 189	0.25 193	0.17 173	0.23 179	0.16 146	0.23 187	0.16 170	1.20 429	0.99 430

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

tt1	0.31 190	0.93 285	0.24 186	0.33 193	0.23 217	0.31 218	0.24 211	0.32 213	0.24 210	0.32 221	0.23 211	0.32 226	0.25 218	0.32 224	0.24 206	0.27 197	0.26 197	0.27 207	0.26 229	0.27 194	0.27 216

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

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

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

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

iResNet_ROB	0.28 177	0.32 145	0.24 186	0.32 189	0.25 224	0.32 227	0.24 211	0.32 213	0.24 210	0.33 226	0.24 218	0.35 236	0.24 215	0.33 231	0.24 206	0.31 213	0.24 193	0.32 226	0.24 218	0.32 211	0.24 201

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

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

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

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

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

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

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

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

ETE_ROB	0.35 215	0.35 149	0.35 251	0.35 198	0.35 297	0.35 237	0.35 289	0.35 225	0.35 291	0.35 233	0.35 298	0.35 236	0.35 294	0.35 236	0.35 284	0.35 233	0.35 259	0.35 258	0.35 308	0.35 235	0.35 286

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

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

IGEV-Stereo	0.35 215	0.44 185	0.45 292	0.49 276	0.30 258	0.37 245	0.30 247	0.36 229	0.30 254	0.36 236	0.29 247	0.36 242	0.29 249	0.36 242	0.30 247	0.46 299	0.39 277	0.32 226	0.24 218	0.32 211	0.25 202
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
HGLStereo	0.28 177	0.29 139	0.22 176	0.36 202	0.22 211	0.36 240	0.21 193	0.36 229	0.21 198	0.42 282	0.21 206	0.36 242	0.22 205	0.36 242	0.21 194	0.34 224	0.21 182	0.34 242	0.21 201	0.34 223	0.21 186

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

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

XPNet_ROB	0.37 227	0.37 154	0.37 257	0.37 205	0.37 307	0.37 245	0.37 302	0.37 235	0.37 304	0.37 241	0.37 309	0.37 248	0.37 302	0.37 246	0.37 297	0.37 242	0.37 264	0.37 266	0.37 317	0.37 246	0.37 294

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

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

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

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

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

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

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

FCDSN-DC	0.41 256	0.59 239	0.64 354	0.54 297	0.33 284	0.50 337	0.37 302	0.42 287	0.40 322	0.61 366	0.43 345	0.50 340	0.49 358	0.38 249	0.32 257	0.28 199	0.23 191	0.26 203	0.22 204	0.35 235	0.28 229
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ACVNet-DCA	0.37 227	1.00 301	0.30 208	0.40 228	0.29 248	0.40 260	0.29 242	0.40 254	0.29 243	0.40 254	0.29 247	0.40 263	0.29 249	0.39 257	0.28 230	0.33 220	0.32 241	0.33 234	0.32 284	0.33 219	0.32 263

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

StereoDRNet-Refined	0.33 204	0.39 164	0.26 195	0.39 214	0.26 232	0.40 260	0.26 222	0.40 254	0.26 228	0.39 248	0.26 230	0.39 255	0.26 227	0.39 257	0.26 219	0.37 242	0.25 194	0.37 266	0.25 223	0.37 246	0.37 294
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DDF-Stereo	0.43 268	1.15 331	0.57 341	0.53 294	0.32 272	0.41 276	0.32 260	0.41 269	0.32 271	0.41 268	0.32 274	0.41 276	0.32 274	0.40 260	0.32 257	0.52 325	0.50 333	0.38 274	0.31 277	0.39 268	0.31 256

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

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

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

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

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

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

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

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

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

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

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

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

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

AdaStereo	0.40 249	0.40 166	0.40 273	0.40 228	0.40 326	0.40 260	0.40 323	0.40 254	0.40 322	0.40 254	0.40 327	0.40 263	0.40 316	0.40 260	0.40 316	0.40 268	0.40 280	0.40 290	0.40 334	0.40 274	0.40 310
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
HART	0.38 233	0.45 193	0.34 242	0.42 250	0.33 284	0.41 276	0.34 284	0.42 287	0.33 278	0.43 288	0.34 289	0.42 294	0.34 287	0.41 275	0.38 300	0.40 268	0.32 241	0.42 318	0.32 284	0.40 274	0.32 263

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

depthmonostereo	0.44 273	0.85 265	0.46 296	0.54 297	0.40 326	0.52 352	0.38 309	0.52 341	0.35 291	0.47 307	0.34 289	0.46 308	0.34 287	0.47 309	0.34 280	0.45 295	0.43 302	0.41 307	0.33 292	0.41 284	0.32 263

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

fffft	0.48 293	0.51 221	0.45 292	0.52 293	0.45 351	0.52 352	0.45 344	0.52 341	0.48 357	0.53 348	0.45 351	0.52 351	0.45 341	0.52 346	0.46 340	0.51 323	0.41 289	0.50 355	0.41 341	0.50 327	0.41 317
1: 1. 1
Occ-G	1.12 427	0.52 223	3.72 583	3.50 542	0.50 369	0.56 359	0.47 351	0.54 345	0.46 345	0.54 353	0.41 333	0.54 355	0.42 333	0.52 346	0.42 331	3.42 558	4.02 578	0.52 363	0.45 352	0.51 333	0.44 328

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

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

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

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

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

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

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

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

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

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

CASS	0.57 319	0.89 273	0.56 339	0.57 304	0.56 381	0.56 359	0.56 373	0.56 349	0.53 370	0.57 361	0.57 383	0.59 368	0.48 353	0.56 355	0.57 369	0.55 335	0.56 346	0.47 338	0.56 381	0.62 347	0.56 368
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
PML	0.46 282	1.36 400	0.29 204	0.58 306	0.30 258	0.57 365	0.29 242	0.57 352	0.29 243	0.57 361	0.29 247	0.57 364	0.29 249	0.56 355	0.29 240	0.52 325	0.30 230	0.53 366	0.31 277	0.53 339	0.30 247

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

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

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

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

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

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

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

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

PA-Net	11.80 605	223.51 630	0.62 351	0.59 309	0.71 408	0.59 367	0.73 409	0.67 368	0.73 415	0.55 356	0.61 388	0.60 369	0.74 406	0.63 368	0.73 407	0.66 354	0.60 353	0.69 382	0.66 402	0.72 359	0.65 386
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DispNO	1.00 411	0.63 243	0.43 288	3.45 538	0.44 348	0.65 374	0.43 338	0.64 364	0.43 339	0.64 372	0.43 345	0.64 373	3.03 559	0.64 369	0.43 334	4.55 568	0.43 302	0.63 375	0.43 350	0.63 348	0.43 325

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

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

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

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

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

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

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

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

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

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

iGMRVC	0.84 382	2.85 497	0.72 379	0.72 333	0.73 411	0.77 384	0.79 416	0.73 376	0.74 417	0.73 382	0.72 417	0.73 385	0.76 409	0.73 380	0.73 407	0.72 363	0.73 384	0.73 386	0.72 416	0.73 362	0.72 400

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

SMoEStereo_RVC	0.63 328	0.75 252	0.51 329	0.73 334	0.53 378	0.71 380	0.47 351	0.67 368	0.58 375	0.74 387	0.60 384	0.72 383	0.53 368	0.74 382	0.51 361	0.61 345	0.62 358	0.62 373	0.61 389	0.63 348	0.61 374

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

DGTPSM_ROB	0.93 404	1.00 301	0.92 406	0.94 361	0.96 440	0.91 400	0.92 429	0.91 393	0.96 439	0.91 402	0.96 438	0.93 410	0.92 421	0.94 407	0.92 426	0.92 389	0.92 404	0.90 410	0.92 432	0.94 400	0.91 423

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

RAFT-Stereo	0.81 370	0.96 289	0.67 362	0.95 363	0.67 400	0.95 404	0.68 392	0.95 402	0.68 395	0.95 410	0.68 402	0.96 412	0.68 390	0.96 411	0.68 389	0.94 394	0.68 370	0.94 424	0.68 407	0.94 400	0.68 392
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
Replicate-Monster	0.45 276	0.57 236	0.60 345	0.40 228	0.29 248	0.37 245	0.27 225	0.37 235	0.30 254	0.40 254	0.31 267	0.40 263	0.30 256	0.99 413	0.27 220	1.36 479	0.31 236	0.34 242	0.30 266	0.36 242	0.54 360

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Abc-Net	2.32 540	24.75 600	1.14 422	1.17 394	1.17 460	1.11 434	1.15 449	1.17 428	1.21 505	1.08 428	1.16 452	1.12 439	1.14 439	1.09 433	1.17 452	1.09 410	1.16 430	1.17 446	1.17 452	1.16 420	1.11 440
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 541	25.00 601	1.13 421	1.15 388	1.15 455	1.10 431	1.15 449	1.15 423	1.15 452	1.12 435	1.15 449	1.09 432	1.13 437	1.10 435	1.15 448	1.11 417	1.09 420	1.16 442	1.12 447	1.16 420	1.17 451

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

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

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

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

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

NCC-stereo	2.36 543	25.52 603	1.17 426	1.15 388	1.17 460	1.11 434	1.11 445	1.15 423	1.16 453	1.10 429	1.16 452	1.10 434	1.15 440	1.14 440	1.13 446	1.09 410	1.11 424	1.15 441	1.16 451	1.17 425	1.17 451

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

HSM-Net_RVC	0.95 407	1.17 334	0.78 390	1.18 395	0.71 408	1.16 439	0.75 411	1.09 420	0.80 423	1.10 429	0.75 422	1.17 443	0.74 406	1.17 443	0.80 418	1.13 418	0.73 384	1.17 446	0.77 420	1.16 420	0.72 400
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
S-Stereo	2.51 550	26.86 607	1.23 482	1.22 442	1.22 511	1.24 488	1.25 504	1.22 480	1.24 508	1.21 487	1.24 505	1.19 444	1.27 497	1.19 444	1.24 504	1.19 422	1.20 435	1.25 498	1.19 453	1.24 477	1.23 504

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

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

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

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

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

Patchmatch Stereo++	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 430	1.20 338	1.20 433	1.20 397	1.20 463	1.20 440	1.20 455	1.20 434	1.20 460	1.20 442	1.20 457	1.20 445	1.20 447	1.20 445	1.20 457	1.20 423	1.20 435	1.20 451	1.20 456	1.20 429	1.20 456

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CroCo-Stereo	0.73 350	1.22 390	0.25 189	1.22 442	0.25 224	1.22 486	0.25 214	1.22 480	0.25 215	1.22 488	0.25 224	1.22 491	0.25 218	1.22 491	0.25 214	1.22 470	0.26 197	1.21 496	0.25 223	1.22 476	0.25 202
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
CroCo-Stereo Lap2	0.77 358	1.29 394	0.29 204	1.27 447	0.29 248	1.27 489	0.26 222	1.26 483	0.26 228	1.26 489	0.26 230	1.27 493	0.26 227	1.26 492	0.27 220	1.27 472	0.27 204	1.27 499	0.27 237	1.27 478	0.27 216

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

GANetREF_RVC	1.55 487	1.94 435	1.22 480	1.88 478	1.21 509	1.88 510	1.22 501	1.88 504	1.22 506	1.88 507	1.22 503	1.88 509	1.22 494	1.89 513	1.22 503	1.87 502	1.22 482	1.88 525	1.22 502	1.88 502	1.22 502
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
RAFT_CTSACE	1.92 499	3.71 517	1.72 521	1.88 478	1.72 537	2.04 519	1.42 523	2.18 520	1.89 554	2.02 517	1.97 554	1.95 512	2.06 548	1.93 514	1.62 527	1.76 497	1.66 522	2.02 529	1.73 547	1.73 496	1.43 520

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

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

SPS-STEREO	1.59 488	1.91 429	1.21 479	1.94 481	1.20 463	2.00 518	1.23 502	1.99 509	1.24 508	2.00 515	1.25 506	2.03 519	1.26 496	2.00 517	1.29 511	1.90 506	1.18 434	1.89 526	1.21 501	1.89 503	1.20 456
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MM-Stereo_test1	1.80 496	3.41 510	1.52 511	2.12 488	1.41 518	2.04 519	1.41 521	2.05 513	1.46 523	2.04 519	1.41 521	2.05 520	1.42 510	2.05 518	1.43 521	2.04 514	1.54 511	1.94 527	1.38 516	1.99 505	1.33 511

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

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

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

MC-Stereo	1.76 493	2.96 498	1.37 498	2.14 489	1.37 515	2.14 524	1.36 513	2.14 518	1.37 518	2.14 524	1.37 517	2.14 521	1.37 507	2.14 522	1.37 517	1.97 510	1.32 484	1.97 528	1.32 510	1.98 504	1.33 511

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

NLCA_NET_v2_RVC	5.04 595	50.87 623	2.78 561	2.87 518	2.71 569	2.78 557	0.47 351	2.88 556	2.86 570	1.89 508	2.67 569	2.79 558	2.79 558	2.78 557	2.83 567	2.82 552	2.82 555	2.83 557	2.77 568	2.83 543	2.76 565
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
plain	1.88 498	3.16 504	0.64 354	3.10 522	0.65 396	3.10 559	0.64 381	3.12 558	0.65 386	3.10 559	0.65 394	3.11 559	0.65 381	3.12 558	0.65 377	3.12 554	0.65 363	3.13 558	0.65 400	3.13 545	0.65 386

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

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

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

MIF-Stereo (partial)	2.58 552	3.31 509	0.66 358	3.18 526	0.66 399	3.18 560	0.66 384	3.21 559	0.67 389	3.19 560	0.66 396	3.19 560	0.66 384	3.31 562	0.68 389	5.09 585	1.79 530	8.23 604	1.67 539	6.18 588	1.38 517

NLSM1	2.93 560	3.24 507	2.57 560	4.04 553	2.66 568	3.30 563	2.55 564	3.29 561	2.55 566	3.35 563	2.48 568	3.28 562	2.47 554	3.34 563	2.49 566	3.26 555	2.55 554	3.13 558	2.57 567	3.00 544	2.46 563

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

SGM-Forest	5.21 598	5.92 563	4.08 585	6.18 582	4.16 596	6.31 598	4.34 598	6.50 598	4.33 597	6.14 599	4.21 596	6.61 602	4.55 591	6.67 598	4.48 596	5.94 591	3.94 577	5.85 598	4.03 596	5.79 587	4.17 597
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
DispFullNet	4.61 588	4.84 540	3.12 574	5.00 573	3.57 587	4.75 590	3.03 575	7.75 603	4.17 596	4.91 590	3.09 579	6.20 599	3.95 585	6.71 599	3.51 583	5.30 587	3.67 575	5.86 599	3.63 587	5.61 585	3.46 587

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

MDST_ROB	69.83 620	87.70 624	41.95 625	113.75 627	65.62 627	75.05 625	55.25 627	75.64 627	45.04 623	71.61 626	41.75 626	72.81 626	44.06 624	68.38 626	44.63 626	101.89 628	59.57 628	107.10 628	61.05 628	104.38 625	59.38 628

CBMV	128.50 622	1422.70 635	53.10 626	79.50 626	51.30 626	77.30 626	49.70 626	74.00 626	48.20 624	77.20 627	48.80 627	73.90 627	48.00 625	73.80 627	48.80 627	70.40 627	45.10 627	68.90 627	46.10 627	68.20 624	45.00 627
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NOSS_ROB	102.95 621	153.00 628	121.00 628	51.00 625	44.00 625	165.00 628	127.00 628	153.00 628	119.00 625	164.00 629	125.00 628	168.00 629	120.00 626	153.00 628	117.00 628	49.00 626	44.00 626	49.00 626	44.00 626	49.00 623	44.00 626

MeshStereo	159.24 623	171.00 629	160.68 631	162.58 628	160.59 628	164.01 627	160.35 629	158.51 629	158.56 626	158.34 628	160.12 629	158.56 628	159.92 627	157.26 629	158.94 629	154.38 629	158.36 629	155.75 629	159.13 630	153.67 626	154.07 629
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 624	123.00 625	115.00 627	219.00 629	218.00 630	223.00 629	244.00 631	217.00 630	236.00 628	202.00 630	203.00 630	205.00 630	208.00 628	225.00 630	204.00 630	210.00 630	198.00 630	197.00 630	184.00 631	204.00 627	201.00 630

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Low-res two-view benchmark