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	0.14 101	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

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	0.20 169	0.23 155	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 180	0.21 183	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 227	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	0.50 211	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

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

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

test_sample6	0.09 54	0.97 286	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_sample3	0.09 54	0.87 263	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	1.03 309	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	0.87 263	0.12 103	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 54	1.01 303	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	0.95 283	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

CoDeX	0.15 126	0.70 244	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 378	0.02 15	0.69 374	0.75 387	0.01 9	0.02 20	0.02 20

ttt	0.10 67	1.09 320	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	0.02 20	0.03 43	0.02 20

1111x	0.10 67	1.14 325	0.13 123	0.14 101	0.03 48	0.04 78	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 110	0.11 98	0.03 38	0.02 20	0.03 43	0.02 20

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

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

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

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

Wz-Net-LNSev-Ref	0.11 89	0.44 183	0.33 231	0.39 212	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 262	0.36 260	0.02 18	0.02 20	0.02 20	0.02 20

SFCPSM	0.17 138	0.78 249	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 413	0.02 15	0.75 385	0.76 389	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 168	1.31 395	0.74 379	0.92 351	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 380	0.75 385	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

ADCMid	0.08 52	0.02 12	0.02 14	1.01 369	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 111	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 54	0.02 12	0.04 44	0.90 346	0.06 111	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 133	0.36 286	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

zh-sn7	0.10 67	0.98 287	0.14 128	0.15 111	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 126	0.13 138	0.03 38	0.03 54	0.03 43	0.03 51

zh-mn7	0.12 98	1.14 325	0.17 154	0.20 138	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 152	0.16 147	0.03 38	0.03 54	0.03 43	0.03 51

w-ln-seven-2	0.14 114	1.22 389	0.28 201	0.32 188	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 214	0.27 205	0.04 73	0.03 54	0.03 43	0.03 51

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 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

TCMNet-wrong-test	0.03 29	0.04 37	0.03 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 54	0.03 43	0.03 51

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 54	0.03 43	0.03 51

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 54	0.03 43	0.03 51

DualNet (step1)	0.10 67	1.05 314	0.12 103	0.12 84	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 114	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 67	1.05 314	0.12 103	0.12 84	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 114	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 67	1.05 314	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 54	0.03 43	0.03 51

test_sample7	0.09 54	1.00 295	0.11 90	0.11 76	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 114	0.03 38	0.03 54	0.03 43	0.03 51

test_sample5	0.10 67	1.07 318	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 54	0.04 77	0.03 51

test_sample4	0.10 67	1.03 309	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	0.13 110	0.13 138	0.03 38	0.03 54	0.03 43	0.03 51

11t1	0.17 138	2.16 445	0.13 123	0.13 97	0.04 79	0.06 93	0.04 82	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.05 89	0.18 152	0.12 114	0.06 94	0.03 54	0.05 92	0.03 51

DualNet	0.10 67	1.07 318	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 54	0.04 77	0.03 51

xxx	0.09 54	1.01 303	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 51

qqq	0.16 134	2.01 436	0.12 103	0.15 111	0.04 79	0.06 93	0.05 94	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.03 48	0.12 94	0.14 142	0.04 73	0.04 78	0.03 43	0.03 51

x	0.11 89	1.15 328	0.15 144	0.14 101	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 117	0.15 145	0.03 38	0.03 54	0.03 43	0.03 51

psmg	0.43 266	1.91 428	0.92 402	1.91 479	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 509	1.44 502	0.04 73	0.03 54	0.02 20	0.03 51

222	0.10 67	0.99 290	0.12 103	0.13 97	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 114	0.03 38	0.02 20	0.04 77	0.03 51

test_xeample	0.10 67	1.09 320	0.13 123	0.12 84	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 117	0.14 142	0.03 38	0.03 54	0.03 43	0.03 51

EDNetEfficientorigin	0.04 38	0.06 54	0.04 44	0.05 43	0.04 79	0.05 90	0.04 82	0.05 89	0.04 82	0.05 92	0.04 89	0.05 91	0.04 85	0.05 83	0.04 76	0.05 51	0.03 36	0.06 94	0.03 54	0.04 77	0.03 51

EDNetEfficient	0.04 38	0.05 49	0.04 44	0.04 37	0.03 48	0.04 78	0.03 50	0.04 77	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.04 72	0.03 48	0.05 51	0.03 36	0.05 86	0.03 54	0.04 77	0.03 51

BEATNet_4x	0.11 89	0.03 31	0.03 37	1.60 468	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 83	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 89	0.03 31	0.03 37	1.60 468	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 83	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

AnyNet_C01	0.11 89	0.02 12	0.02 14	1.62 471	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 89	0.04 76	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

AnyNet_C32	0.14 114	0.04 37	0.03 37	2.22 491	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 105	0.04 76	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

ADCPNet	0.10 67	0.03 31	0.04 44	1.27 444	0.03 48	0.04 78	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 108	0.04 76	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

z-mn7	0.16 134	1.21 383	0.33 231	0.41 238	0.04 79	0.04 78	0.03 50	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	0.35 231	0.31 236	0.04 73	0.04 78	0.04 77	0.04 79

z-ln-s-r	0.21 153	1.40 401	0.53 333	0.56 300	0.04 79	0.05 90	0.04 82	0.05 89	0.05 98	0.05 92	0.04 89	0.05 91	0.04 85	0.05 83	0.05 89	0.57 336	0.44 307	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven	0.18 141	1.47 403	0.33 231	0.40 226	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	0.38 251	0.32 240	0.05 86	0.04 78	0.04 77	0.04 79

DFGA-Net	0.05 41	0.06 54	0.04 44	0.06 46	0.04 79	0.06 93	0.04 82	0.06 95	0.04 82	0.06 97	0.04 89	0.06 98	0.04 85	0.06 89	0.04 76	0.06 55	0.04 45	0.05 86	0.04 78	0.05 92	0.04 79

qqq1	0.25 168	3.70 513	0.14 128	0.14 101	0.04 79	0.06 93	0.05 94	0.06 95	0.05 98	0.06 97	0.05 101	0.04 77	0.05 95	0.06 89	0.05 89	0.13 110	0.12 114	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 168	3.70 513	0.14 128	0.14 101	0.04 79	0.06 93	0.05 94	0.06 95	0.05 98	0.06 97	0.05 101	0.04 77	0.05 95	0.06 89	0.05 89	0.13 110	0.12 114	0.06 94	0.05 96	0.03 43	0.04 79

mmm	0.14 114	1.83 419	0.12 103	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.04 82	0.03 40	0.03 52	0.03 42	0.03 52	0.06 89	0.04 76	0.12 94	0.11 98	0.05 86	0.04 78	0.05 92	0.04 79

ffm	0.25 168	3.83 519	0.12 103	0.12 84	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 94	0.12 114	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 168	3.83 519	0.12 103	0.12 84	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 94	0.12 114	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 168	3.83 519	0.12 103	0.12 84	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 94	0.12 114	0.05 86	0.04 78	0.06 96	0.04 79

GASNet	0.05 41	0.04 37	0.12 103	0.04 37	0.04 79	0.04 78	0.05 94	0.04 77	0.04 82	0.12 128	0.04 89	0.06 98	0.04 85	0.04 72	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

xxxx	0.11 89	1.16 330	0.16 147	0.12 84	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 110	0.16 147	0.03 38	0.04 78	0.04 77	0.04 79

FADNet_RVC	0.12 98	0.04 37	0.04 44	0.05 43	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.05 95	0.04 72	1.65 528	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet-RVC	0.13 105	0.04 37	0.04 44	0.04 37	0.04 79	0.04 78	0.05 94	0.04 77	0.04 82	0.04 74	0.05 101	0.04 77	0.05 95	0.04 72	1.71 533	0.04 44	0.04 45	0.04 73	0.04 78	0.07 106	0.04 79

FADNet	0.12 98	0.05 49	0.04 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.05 95	0.04 72	1.66 530	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCRef	0.12 98	0.03 31	0.04 44	1.71 475	0.04 79	0.03 40	0.03 50	0.04 77	0.04 82	0.04 74	0.03 52	0.04 77	0.03 52	0.06 89	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

ADCP+	0.15 126	0.04 37	0.04 44	2.20 490	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.05 101	0.04 77	0.04 85	0.08 108	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

NVStereoNet_ROB	0.04 38	0.04 37	0.04 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
BridgeDepth_RVC	0.07 49	0.08 59	0.11 90	0.11 76	0.05 99	0.08 106	0.05 94	0.08 108	0.05 98	0.08 107	0.05 101	0.08 107	0.05 95	0.08 108	0.05 89	0.11 88	0.10 75	0.07 99	0.05 96	0.07 106	0.05 97
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
DA	0.09 54	0.13 84	0.39 265	0.08 49	0.05 99	0.07 104	0.05 94	0.13 129	0.05 98	0.06 97	0.05 101	0.06 98	0.05 95	0.06 89	0.05 89	0.06 55	0.05 56	0.14 129	0.13 157	0.06 96	0.05 97

GGEV	0.09 54	0.13 84	0.39 265	0.08 49	0.05 99	0.07 104	0.05 94	0.13 129	0.05 98	0.06 97	0.05 101	0.06 98	0.05 95	0.06 89	0.05 89	0.06 55	0.05 56	0.14 129	0.13 157	0.06 96	0.05 97

AASNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 110	0.06 97	0.06 111	0.05 91	0.06 111	0.06 89	0.05 89	0.08 62	0.08 61	0.08 103	0.05 96	0.06 96	0.05 97

SACVNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 110	0.06 97	0.06 111	0.05 91	0.06 111	0.06 89	0.05 89	0.08 62	0.08 61	0.08 103	0.05 96	0.06 96	0.05 97

AACVNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 110	0.06 97	0.06 111	0.05 91	0.06 111	0.06 89	0.05 89	0.08 62	0.08 61	0.08 103	0.05 96	0.06 96	0.05 97

APVNet	0.09 54	0.05 49	0.04 44	0.05 43	0.04 79	0.05 90	0.90 424	0.06 95	0.04 82	0.05 92	0.04 89	0.05 91	0.04 85	0.05 83	0.04 76	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

GwcNet	0.12 98	0.07 58	0.05 58	0.08 49	0.05 99	0.08 106	1.20 452	0.07 105	0.05 98	0.05 92	0.05 101	0.08 107	0.05 95	0.08 108	0.03 48	0.07 60	0.05 56	0.06 94	0.05 96	0.07 106	0.05 97

BridgeDepth	0.08 52	0.08 59	0.11 90	0.11 76	0.05 99	0.08 106	0.05 94	0.08 108	0.07 113	0.08 107	0.05 101	0.08 107	0.05 95	0.09 112	0.08 106	0.15 126	0.11 98	0.07 99	0.05 96	0.07 106	0.06 105
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
FINET	0.07 49	0.08 59	0.07 59	0.07 47	0.07 112	0.08 106	0.06 110	0.08 108	0.07 113	0.08 107	0.07 114	0.08 107	0.06 111	0.07 105	0.07 104	0.08 62	0.07 59	0.07 99	0.07 106	0.06 96	0.06 105

FADNet-RVC-Resample	0.12 98	0.04 37	0.04 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	1.57 524	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 105

SuperB	0.21 153	0.10 69	2.51 558	0.12 84	0.09 116	0.10 114	0.09 116	0.08 108	0.07 113	0.10 114	0.09 118	0.09 113	0.07 115	0.07 105	0.07 104	0.07 60	0.08 61	0.07 99	0.07 106	0.08 110	0.07 108

SepStereo	0.09 54	0.09 67	0.10 70	0.09 55	0.09 116	0.09 112	0.09 116	0.10 113	0.08 117	0.10 114	0.09 118	0.09 113	0.09 119	0.09 112	0.08 106	0.09 68	0.08 61	0.09 108	0.08 110	0.09 113	0.08 109

BEATNet-Init1	0.19 144	0.08 59	0.08 61	2.23 492	0.08 114	0.08 106	0.07 113	0.07 105	0.08 117	0.08 107	0.07 114	0.08 107	0.07 115	0.11 127	0.08 106	0.08 62	0.08 61	0.08 103	0.07 106	0.08 110	0.08 109

DeepPrunerF	0.19 144	0.08 59	0.08 61	2.23 492	0.08 114	0.08 106	0.07 113	0.07 105	0.08 117	0.08 107	0.07 114	0.08 107	0.07 115	0.11 127	0.08 106	0.08 62	0.08 61	0.08 103	0.07 106	0.08 110	0.08 109

S2M2_L	0.12 98	0.14 90	0.10 70	0.15 111	0.10 123	0.14 130	0.10 121	0.14 131	0.10 121	0.15 136	0.10 122	0.14 131	0.10 123	0.14 133	0.10 117	0.13 110	0.10 75	0.13 127	0.09 112	0.13 132	0.09 112
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
CSP-Net	0.34 204	1.29 393	1.19 427	1.36 457	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 470	1.21 480	0.03 38	0.09 112	0.02 20	0.09 112

LRCNet_RVC	0.13 105	0.13 84	0.09 66	0.13 97	0.10 123	0.14 130	0.10 121	0.14 131	0.10 121	0.23 180	0.10 122	0.20 163	0.10 123	0.24 187	0.11 129	0.11 88	0.09 70	0.12 123	0.14 163	0.12 130	0.09 112

ELAS_RVC	0.14 114	0.16 92	0.10 70	0.15 111	0.10 123	0.18 157	0.11 134	0.19 157	0.11 136	0.19 156	0.12 147	0.18 156	0.11 135	0.19 158	0.12 144	0.14 117	0.08 61	0.14 129	0.09 112	0.15 144	0.09 112
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 105	0.16 92	0.11 90	0.15 111	0.09 116	0.18 157	0.11 134	0.18 155	0.11 136	0.17 150	0.11 136	0.18 156	0.11 135	0.18 155	0.11 129	0.14 117	0.08 61	0.14 129	0.08 110	0.14 134	0.09 112
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MatchStereo	0.54 309	0.12 82	2.38 556	2.32 498	0.09 116	0.09 112	0.08 115	0.09 112	0.07 113	0.09 112	0.07 114	0.09 113	0.07 115	0.09 112	0.08 106	2.34 532	2.34 550	0.12 123	0.11 131	0.11 124	0.10 117

AnonymousM	0.10 67	0.10 69	0.10 70	0.10 59	0.10 123	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

PVD	0.10 67	0.10 69	0.10 70	0.10 59	0.10 123	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

SHD	0.10 67	0.10 69	0.10 70	0.10 59	0.10 123	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

SAMSARA	0.10 67	0.10 69	0.10 70	0.10 59	0.10 123	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

XQC	0.10 67	0.10 69	0.10 70	0.10 59	0.10 123	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

RTSC	0.10 67	0.10 69	0.10 70	0.10 59	0.10 123	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

RTS	0.10 67	0.10 69	0.10 70	0.10 59	0.10 123	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

RTSA	0.10 67	0.10 69	0.10 70	0.10 59	0.10 123	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

MADNet+	0.10 67	0.10 69	0.10 70	0.10 59	0.10 123	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

MADNet++	0.10 67	0.10 69	0.10 70	0.10 59	0.10 123	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

PDISCO_ROB	0.83 375	2.80 495	3.49 575	0.14 101	0.11 139	0.17 153	0.09 116	0.15 143	0.10 121	0.15 136	0.12 147	0.16 142	0.14 161	3.30 560	0.13 150	0.14 117	2.34 550	0.16 147	0.12 149	2.62 540	0.10 117

SGM_RVC	0.15 126	0.17 98	0.11 90	0.18 132	0.11 139	0.19 160	0.11 134	0.19 157	0.12 155	0.19 156	0.12 147	0.20 163	0.12 152	0.19 158	0.12 144	0.16 136	0.11 98	0.17 155	0.10 119	0.17 154	0.10 117
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
S2M2_XL	0.14 114	0.17 98	0.12 103	0.17 130	0.11 139	0.17 153	0.11 134	0.17 152	0.11 136	0.17 150	0.11 136	0.17 152	0.11 135	0.17 152	0.11 129	0.16 136	0.11 98	0.16 147	0.11 131	0.16 148	0.11 130
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
ITSA-stereo	0.15 126	0.17 98	0.13 123	0.20 138	0.13 158	0.19 160	0.13 153	0.18 155	0.13 158	0.19 156	0.13 159	0.18 156	0.14 161	0.18 155	0.14 154	0.16 136	0.11 98	0.15 144	0.14 163	0.18 158	0.11 130

test_for_model	0.15 126	0.23 117	0.18 163	0.21 148	0.11 139	0.16 145	0.11 134	0.16 144	0.11 136	0.16 141	0.11 136	0.16 142	0.11 135	0.16 143	0.11 129	0.21 166	0.18 176	0.14 129	0.11 131	0.14 134	0.11 130

testlalala2	0.13 105	0.16 92	0.11 90	0.15 111	0.11 139	0.16 145	0.11 134	0.16 144	0.11 136	0.16 141	0.11 136	0.16 142	0.11 135	0.16 143	0.11 129	0.14 117	0.11 98	0.14 129	0.11 131	0.14 134	0.11 130

JetRed	0.11 89	0.12 82	0.11 90	0.11 76	0.11 139	0.11 125	0.14 155	0.11 125	0.11 136	0.12 128	0.11 136	0.11 126	0.11 135	0.11 127	0.11 129	0.11 88	0.16 147	0.11 120	0.11 131	0.11 124	0.11 130

JetBlue	0.11 89	0.11 80	0.12 103	0.13 97	0.14 160	0.11 125	0.11 134	0.11 125	0.11 136	0.11 126	0.11 136	0.11 126	0.11 135	0.12 131	0.12 144	0.11 88	0.11 98	0.11 120	0.11 131	0.11 124	0.11 130

testlalala_base	0.13 105	0.16 92	0.11 90	0.15 111	0.11 139	0.15 137	0.11 134	0.16 144	0.11 136	0.16 141	0.11 136	0.16 142	0.11 135	0.16 143	0.11 129	0.14 117	0.11 98	0.14 129	0.11 131	0.14 134	0.11 130

CIPLG	0.13 105	0.21 112	0.12 103	0.16 122	0.11 139	0.15 137	0.11 134	0.14 131	0.11 136	0.15 136	0.12 147	0.15 141	0.11 135	0.14 133	0.11 129	0.15 126	0.12 114	0.14 129	0.11 131	0.14 134	0.11 130

IPLG	0.13 105	0.20 106	0.14 128	0.15 111	0.11 139	0.14 130	0.11 134	0.14 131	0.11 136	0.14 130	0.11 136	0.14 131	0.11 135	0.14 133	0.11 129	0.15 126	0.12 114	0.14 129	0.11 131	0.14 134	0.11 130

MIPNet	0.14 114	0.21 112	0.17 154	0.16 122	0.11 139	0.15 137	0.12 150	0.14 131	0.11 136	0.16 141	0.11 136	0.14 131	0.11 135	0.14 133	0.11 129	0.14 117	0.12 114	0.14 129	0.11 131	0.14 134	0.11 130

IPLGR	0.14 114	0.24 126	0.14 128	0.16 122	0.12 155	0.15 137	0.12 150	0.14 131	0.11 136	0.15 136	0.12 147	0.14 131	0.11 135	0.14 133	0.11 129	0.15 126	0.12 114	0.14 129	0.11 131	0.14 134	0.11 130

ACRE	0.13 105	0.21 112	0.14 128	0.15 111	0.11 139	0.14 130	0.11 134	0.14 131	0.11 136	0.14 130	0.12 147	0.14 131	0.11 135	0.14 133	0.11 129	0.15 126	0.12 114	0.14 129	0.11 131	0.14 134	0.11 130

ICVP	0.15 126	0.53 224	0.11 90	0.16 122	0.11 139	0.16 145	0.11 134	0.16 144	0.11 136	0.16 141	0.11 136	0.16 142	0.11 135	0.16 143	0.11 129	0.16 136	0.11 98	0.16 147	0.11 131	0.16 148	0.11 130
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
aanetorigin	0.13 105	0.11 80	0.11 90	0.11 76	0.11 139	0.11 125	0.11 134	0.11 125	0.11 136	0.11 126	0.12 147	0.11 126	0.11 135	0.11 127	0.11 129	0.11 88	0.11 98	0.14 129	0.11 131	0.49 319	0.11 130

PASM	0.39 243	3.06 499	1.36 495	1.58 464	0.09 116	0.11 125	0.11 134	0.11 125	0.11 136	0.09 112	0.09 118	0.11 126	0.09 119	0.09 112	0.09 111	0.11 88	0.11 98	0.11 120	0.09 112	0.11 124	0.11 130

LALA_ROB	0.15 126	0.19 102	0.12 103	0.18 132	0.11 139	0.20 165	0.12 150	0.21 172	0.12 155	0.20 162	0.12 147	0.20 163	0.12 152	0.21 173	0.13 150	0.17 144	0.10 75	0.18 165	0.11 131	0.18 158	0.11 130

FADE	0.07 49	0.06 54	0.02 14	0.09 55	0.10 123	0.03 40	0.03 50	0.05 89	0.03 55	0.04 74	0.03 52	0.05 91	0.03 52	0.04 72	0.03 48	0.15 126	0.10 75	0.17 155	0.13 157	0.11 124	0.11 130

ProNet	0.14 114	0.20 106	0.14 128	0.16 122	0.11 139	0.16 145	0.11 134	0.17 152	0.11 136	0.17 150	0.12 147	0.17 152	0.13 157	0.17 152	0.12 144	0.15 126	0.11 98	0.16 147	0.11 131	0.15 144	0.12 147

IPLGR_C	0.14 114	0.20 106	0.12 103	0.15 111	0.11 139	0.14 130	0.15 160	0.14 131	0.11 136	0.15 136	0.12 147	0.14 131	0.11 135	0.16 143	0.11 129	0.15 126	0.12 114	0.14 129	0.12 149	0.15 144	0.12 147

ac_64	0.22 157	0.13 84	0.19 166	0.23 155	0.10 123	0.26 204	1.02 439	0.14 131	0.10 121	0.28 205	0.14 164	0.17 152	0.19 195	0.28 212	0.09 111	0.22 169	0.16 147	0.23 188	0.17 191	0.11 124	0.12 147

ACVNet	0.20 146	0.19 102	0.14 128	0.20 138	0.14 160	0.20 165	0.96 431	0.21 172	0.14 160	0.20 162	0.13 159	0.21 171	0.14 161	0.20 162	0.14 154	0.17 144	0.12 114	0.17 155	0.12 149	0.17 154	0.12 147

acv_ft	0.20 146	0.19 102	0.14 128	0.20 138	0.14 160	0.20 165	0.96 431	0.21 172	0.14 160	0.20 162	0.13 159	0.21 171	0.14 161	0.20 162	0.14 154	0.17 144	0.12 114	0.17 155	0.12 149	0.17 154	0.12 147

HSM	0.14 114	0.16 92	0.12 103	0.17 130	0.12 155	0.17 153	0.11 134	0.17 152	0.11 136	0.17 150	0.12 147	0.17 152	0.12 152	0.17 152	0.12 144	0.16 136	0.11 98	0.16 147	0.11 131	0.16 148	0.12 147

ISRNet	0.11 89	0.05 49	0.36 251	0.24 160	0.07 112	0.13 129	0.05 94	0.06 95	0.05 98	0.05 92	0.05 101	0.13 130	0.05 95	0.05 83	0.09 111	0.24 187	0.20 179	0.10 109	0.05 96	0.06 96	0.13 153

castereo++	0.54 309	3.59 510	1.15 421	1.31 451	0.14 160	0.16 145	0.14 155	0.16 144	0.14 160	0.16 141	0.14 164	0.16 142	0.13 157	0.16 143	0.14 154	1.45 484	1.16 427	0.15 144	0.14 163	0.15 144	0.13 153

DDVS	0.30 184	3.10 500	0.14 128	0.19 135	0.14 160	0.19 160	0.14 155	0.20 163	0.14 160	0.19 156	0.13 159	0.16 142	0.13 157	0.19 158	0.13 150	0.17 144	0.13 138	0.17 155	0.13 157	0.17 154	0.13 153

HCRNet	1.22 476	7.11 563	3.00 560	3.55 542	0.33 283	0.29 212	0.14 155	0.19 157	0.15 170	0.33 224	0.29 248	0.25 196	0.14 161	0.22 177	0.33 265	3.64 557	3.00 554	0.76 389	0.32 283	0.18 158	0.13 153

DeepPruner_ROB	0.16 134	0.18 101	0.13 123	0.19 135	0.13 158	0.19 160	0.13 153	0.19 157	0.13 158	0.19 156	0.13 159	0.19 160	0.13 157	0.19 158	0.13 150	0.18 152	0.13 138	0.18 165	0.13 157	0.18 158	0.13 153

RSGM-EC	0.24 165	0.24 126	0.15 144	0.22 151	0.15 171	0.22 178	0.15 160	0.22 176	0.15 170	0.24 187	0.15 172	0.22 179	0.15 171	0.22 177	1.19 452	0.20 159	0.17 167	0.24 196	0.14 163	0.20 165	0.14 158

acva	0.24 165	0.24 126	0.15 144	0.22 151	0.15 171	0.22 178	0.15 160	0.22 176	0.15 170	0.24 187	0.15 172	0.22 179	0.15 171	0.22 177	1.19 452	0.20 159	0.17 167	0.24 196	0.14 163	0.20 165	0.14 158

GMStereo	0.14 114	0.13 84	0.14 128	0.14 101	0.14 160	0.14 130	0.14 155	0.14 131	0.14 160	0.14 130	0.14 164	0.14 131	0.14 161	0.14 133	0.14 154	0.14 117	0.14 142	0.14 129	0.14 163	0.14 134	0.14 158
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
VIP-Stereo	0.70 340	2.97 498	2.43 557	2.49 505	0.16 180	0.25 196	0.16 165	0.25 191	0.16 174	0.25 193	0.18 195	0.25 196	0.16 173	0.26 204	0.16 170	1.86 499	1.26 482	0.23 188	0.15 169	0.23 184	0.15 161

BStereo	0.22 157	0.23 117	0.20 169	0.24 160	0.20 201	0.23 186	0.33 269	0.39 245	0.17 182	0.23 180	0.17 180	0.23 185	0.16 173	0.24 187	0.17 174	0.23 180	0.16 147	0.22 180	0.20 198	0.22 173	0.16 162

Wave_Phase_stereo	0.22 157	0.23 117	0.20 169	0.24 160	0.20 201	0.23 186	0.33 269	0.39 245	0.17 182	0.23 180	0.17 180	0.23 185	0.16 173	0.24 187	0.17 174	0.23 180	0.16 147	0.22 180	0.20 198	0.22 173	0.16 162

xyz-stereo-finetune2	0.18 141	0.48 205	0.16 147	0.16 122	0.15 171	0.15 137	0.16 165	0.16 144	0.16 174	0.16 141	0.16 175	0.16 142	0.16 173	0.16 143	0.16 170	0.16 136	0.16 147	0.16 147	0.16 171	0.16 148	0.16 162

xyz-stereo	0.18 141	0.50 211	0.16 147	0.15 111	0.16 180	0.16 145	0.16 165	0.16 144	0.16 174	0.16 141	0.16 175	0.16 142	0.16 173	0.16 143	0.16 170	0.16 136	0.16 147	0.16 147	0.16 171	0.16 148	0.16 162

DEFOM-Stereo_RVC	0.83 375	5.18 543	1.98 545	2.19 489	0.17 184	0.19 160	0.18 180	0.19 157	0.16 174	0.20 162	0.19 197	0.22 179	0.22 206	0.20 162	0.15 164	2.28 526	2.13 545	0.24 196	0.17 191	0.18 158	0.16 162

castereo	0.61 321	3.79 518	1.35 487	1.52 463	0.15 171	0.17 153	0.16 165	0.20 163	0.21 199	0.18 154	0.16 175	0.21 171	0.12 152	0.26 204	0.17 174	1.43 483	1.38 499	0.17 155	0.16 171	0.18 158	0.16 162

tg	0.21 153	0.25 130	0.21 175	0.26 174	0.17 184	0.24 189	0.17 173	0.24 185	0.17 182	0.24 187	0.17 180	0.24 191	0.17 182	0.24 187	0.17 174	0.24 187	0.17 167	0.23 188	0.16 171	0.23 184	0.16 162

ACV-stereo	0.30 184	2.08 438	0.25 190	0.25 167	0.18 194	0.24 189	0.17 173	0.24 185	0.18 187	0.24 187	0.17 180	0.25 196	0.17 182	0.24 187	0.17 174	0.22 169	0.16 147	0.22 180	0.16 171	0.22 173	0.16 162

GMStereo_Zeroshot	0.16 134	0.16 92	0.16 147	0.16 122	0.16 180	0.16 145	0.16 165	0.16 144	0.16 174	0.16 141	0.16 175	0.16 142	0.16 173	0.16 143	0.16 170	0.16 136	0.16 147	0.16 147	0.16 171	0.16 148	0.16 162

MSKI-zero shot	0.24 165	0.21 112	0.49 315	0.65 317	0.18 194	0.22 178	0.17 173	0.23 182	0.18 187	0.21 174	0.17 180	0.23 185	0.28 243	0.23 183	0.18 185	0.21 166	0.16 147	0.21 175	0.16 171	0.21 171	0.16 162

dd	0.23 163	0.98 287	0.16 147	0.23 155	0.15 171	0.23 186	0.15 160	0.23 182	0.15 170	0.23 180	0.15 172	0.24 191	0.17 182	0.23 183	0.15 164	0.22 169	0.15 145	0.21 175	0.15 169	0.22 173	0.16 162

dad	0.23 163	1.03 309	0.16 147	0.23 155	0.15 171	0.24 189	0.15 160	0.24 185	0.16 174	0.23 180	0.16 175	0.24 191	0.16 173	0.23 183	0.15 164	0.22 169	0.16 147	0.22 180	0.16 171	0.22 173	0.16 162

iResNetv2_ROB	0.20 146	0.23 117	0.18 163	0.24 160	0.20 201	0.24 189	0.18 180	0.24 185	0.18 187	0.24 187	0.18 195	0.23 185	0.19 195	0.24 187	0.18 185	0.21 166	0.16 147	0.21 175	0.16 171	0.22 173	0.16 162

iResNet	0.20 146	0.23 117	0.18 163	0.24 160	0.18 194	0.24 189	0.20 188	0.24 185	0.18 187	0.23 180	0.17 180	0.23 185	0.18 190	0.23 183	0.18 185	0.22 169	0.16 147	0.21 175	0.16 171	0.21 171	0.16 162

Pointernet	0.21 153	0.22 116	0.19 166	0.24 160	0.19 198	0.24 189	0.19 184	0.24 185	0.19 193	0.24 187	0.19 197	0.24 191	0.19 195	0.24 187	0.19 188	0.22 169	0.17 167	0.22 180	0.17 191	0.22 173	0.17 176

IGEV_Zeroshot_test	0.20 146	0.19 102	0.40 270	0.30 180	0.17 184	0.22 178	0.17 173	0.21 172	0.17 182	0.20 162	0.17 180	0.21 171	0.18 190	0.21 173	0.17 174	0.20 159	0.16 147	0.20 172	0.16 171	0.20 165	0.17 176

MIM_Stereo	0.25 168	0.23 117	0.66 355	0.80 336	0.17 184	0.22 178	0.17 173	0.23 182	0.18 187	0.26 201	0.17 180	0.21 171	0.17 182	0.25 194	0.17 174	0.23 180	0.16 147	0.21 175	0.17 191	0.22 173	0.17 176

CFNet	1.37 483	5.27 546	0.19 166	5.49 574	0.19 198	0.28 209	0.19 184	0.28 200	0.19 193	0.28 205	0.19 197	0.28 209	4.35 586	0.28 212	0.19 188	0.23 180	0.17 167	0.23 188	4.21 594	4.81 571	0.17 176

CAS++	0.17 138	0.27 134	0.21 175	0.10 59	0.21 210	0.15 137	0.22 199	0.10 113	0.21 199	0.22 176	0.10 122	0.19 160	0.18 190	0.10 116	0.19 188	0.20 159	0.19 177	0.18 165	0.10 119	0.19 164	0.18 180
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
GEStereo_RVC	0.86 386	4.45 533	0.20 169	0.27 177	0.20 201	0.27 208	0.20 188	0.26 196	0.18 187	5.03 588	0.20 201	0.27 208	0.19 195	0.27 208	0.21 195	0.20 159	0.19 177	0.19 168	4.02 592	0.20 165	0.18 180

DLNR-FE	0.28 178	0.89 268	0.30 209	0.34 194	0.19 198	0.28 209	0.19 184	0.28 200	0.20 195	0.28 205	0.20 201	0.28 209	0.20 199	0.28 212	0.20 191	0.33 218	0.28 211	0.25 199	0.19 197	0.24 186	0.19 182

ssnet_v2	0.68 336	1.96 435	1.25 483	0.29 179	0.20 201	0.30 213	0.20 188	0.29 205	0.22 202	1.50 496	0.20 201	0.31 222	0.20 199	0.27 208	0.22 197	0.24 187	1.49 505	0.26 204	0.18 196	3.90 549	0.19 182

DCVSM-stereo	0.36 219	1.89 425	0.22 177	0.40 226	0.22 212	0.40 258	0.22 199	0.40 252	0.22 202	0.40 252	0.22 208	0.40 261	0.22 206	0.40 258	0.22 197	0.28 200	0.21 183	0.28 210	0.21 202	0.28 197	0.20 184

DAS	0.20 146	0.20 106	0.20 169	0.20 138	0.20 201	0.20 165	0.20 188	0.20 163	0.20 195	0.20 162	0.20 201	0.20 163	0.20 199	0.20 162	0.20 191	0.20 159	0.20 179	0.20 172	0.20 198	0.20 165	0.20 184

ASD4	0.20 146	0.20 106	0.20 169	0.20 138	0.20 201	0.20 165	0.20 188	0.20 163	0.20 195	0.20 162	0.20 201	0.20 163	0.20 199	0.20 162	0.20 191	0.20 159	0.20 179	0.20 172	0.20 198	0.20 165	0.20 184

testlalala	0.32 199	0.81 255	0.31 221	0.39 212	0.26 233	0.33 228	0.24 212	0.33 215	0.26 229	0.32 219	0.26 231	0.33 227	0.23 212	0.33 229	0.23 203	0.35 231	0.31 236	0.30 217	0.24 219	0.31 208	0.21 187

HGLStereo	0.28 178	0.29 139	0.22 177	0.36 200	0.22 212	0.36 238	0.21 194	0.36 227	0.21 199	0.42 280	0.21 207	0.36 240	0.22 206	0.36 240	0.21 195	0.34 222	0.21 183	0.34 240	0.21 202	0.34 221	0.21 187

DISCO	1.11 423	0.39 162	5.28 588	0.39 212	0.20 201	0.39 256	0.27 226	0.39 245	0.22 202	0.38 240	0.20 201	0.38 248	0.20 199	6.95 599	0.22 197	0.30 208	0.21 183	0.27 208	0.21 202	5.25 580	0.21 187

PAM	0.39 243	1.88 424	0.34 241	0.37 203	0.41 332	0.45 305	0.22 199	0.28 200	0.23 208	0.28 205	0.24 219	0.29 215	0.23 212	0.29 216	0.23 203	0.38 251	0.32 240	0.38 272	0.37 315	0.32 210	0.22 190

WAO-6	0.22 157	0.23 117	0.22 177	0.23 155	0.22 212	0.22 178	0.22 199	0.22 176	0.22 202	0.22 176	0.22 208	0.22 179	0.22 206	0.22 177	0.22 197	0.22 169	0.22 187	0.22 180	0.22 205	0.22 173	0.22 190

WCG-NET（raft）	0.32 199	1.24 391	0.24 187	0.32 188	0.24 223	0.32 226	0.23 207	0.32 212	0.24 211	0.32 219	0.24 219	0.32 224	0.24 216	0.32 223	0.24 207	0.30 208	0.23 192	0.30 217	0.23 211	0.30 203	0.23 192

IMH-64-1	0.22 157	0.23 117	0.23 180	0.22 151	0.22 212	0.22 178	0.22 199	0.22 176	0.22 202	0.22 176	0.22 208	0.22 179	0.22 206	0.22 177	0.22 197	0.22 169	0.22 187	0.23 188	0.22 205	0.22 173	0.23 192

IMH-64	0.22 157	0.23 117	0.23 180	0.22 151	0.22 212	0.22 178	0.22 199	0.22 176	0.22 202	0.22 176	0.22 208	0.22 179	0.22 206	0.22 177	0.22 197	0.22 169	0.22 187	0.23 188	0.22 205	0.22 173	0.23 192

DLNR_Zeroshot_test	0.31 191	0.28 137	0.47 300	0.79 334	0.24 223	0.30 213	0.26 223	0.30 207	0.24 211	0.32 219	0.23 212	0.31 222	0.24 216	0.30 218	0.23 203	0.29 207	0.26 198	0.29 215	0.24 219	0.33 217	0.23 192

gwcnet-sp	0.82 371	1.72 412	1.48 505	0.39 212	0.15 171	0.31 218	0.21 194	0.20 163	0.25 216	1.61 500	0.23 212	0.28 209	0.26 228	0.20 162	0.15 164	0.24 187	1.33 490	0.32 224	0.16 171	6.75 587	0.23 192

scenet	0.82 371	1.72 412	1.48 505	0.39 212	0.15 171	0.31 218	0.21 194	0.20 163	0.25 216	1.61 500	0.23 212	0.28 209	0.26 228	0.20 162	0.15 164	0.24 187	1.33 490	0.32 224	0.16 171	6.75 587	0.23 192

ssnet	0.82 371	1.72 412	1.48 505	0.39 212	0.15 171	0.31 218	0.21 194	0.20 163	0.25 216	1.61 500	0.23 212	0.28 209	0.26 228	0.20 162	0.15 164	0.24 187	1.33 490	0.32 224	0.16 171	6.75 587	0.23 192

CRFU-Net	0.65 329	1.67 410	1.22 479	1.96 483	0.27 235	0.41 274	0.27 226	0.41 267	0.27 235	0.40 252	0.26 231	0.41 274	0.27 236	0.40 258	0.27 221	1.80 498	1.62 518	0.34 240	0.23 211	0.33 217	0.23 192

NINENet	0.69 339	3.87 522	1.20 430	1.98 484	0.05 99	0.40 258	0.04 82	0.40 252	0.05 98	0.41 266	0.04 89	0.41 274	0.05 95	0.40 258	0.05 89	1.79 497	1.56 511	0.34 240	0.22 205	0.34 221	0.23 192

FENet	0.54 309	1.52 405	1.19 427	1.41 461	0.23 218	0.35 235	0.23 207	0.35 223	0.23 208	0.34 226	0.23 212	0.35 234	0.23 212	0.35 234	0.23 203	1.40 481	1.07 411	0.32 224	0.23 211	0.33 217	0.23 192

iResNet_ROB	0.28 178	0.32 144	0.24 187	0.32 188	0.25 225	0.32 226	0.24 212	0.32 212	0.24 211	0.33 224	0.24 219	0.35 234	0.24 216	0.33 229	0.24 207	0.31 213	0.24 194	0.32 224	0.24 219	0.32 210	0.24 202

UNDER WATER-64	0.25 168	0.26 131	0.25 190	0.26 174	0.25 225	0.25 196	0.25 215	0.25 191	0.25 216	0.25 193	0.25 225	0.25 196	0.25 219	0.26 204	0.25 215	0.25 193	0.25 195	0.25 199	0.25 224	0.25 188	0.25 203

CAS	0.30 184	1.17 331	0.25 190	0.25 167	0.25 225	0.26 204	0.25 215	0.25 191	0.26 229	0.25 193	0.25 225	0.25 196	0.25 219	0.25 194	0.25 215	0.26 195	0.26 198	0.26 204	0.25 224	0.26 190	0.25 203

LoS	0.25 168	0.27 134	0.25 190	0.25 167	0.25 225	0.25 196	0.25 215	0.26 196	0.25 216	0.25 193	0.25 225	0.25 196	0.25 219	0.25 194	0.25 215	0.26 195	0.25 195	0.25 199	0.26 230	0.26 190	0.25 203
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
IER	0.88 389	7.04 562	2.23 550	2.75 511	0.28 240	0.43 301	0.25 215	0.39 245	0.25 216	0.41 266	0.27 236	0.39 253	0.25 219	0.40 258	0.28 231	0.37 240	0.28 211	0.37 264	0.25 224	0.37 244	0.25 203

IGEV-Stereo	0.35 213	0.44 183	0.45 289	0.49 274	0.30 259	0.37 243	0.30 248	0.36 227	0.30 255	0.36 234	0.29 248	0.36 240	0.29 250	0.36 240	0.30 248	0.46 297	0.39 275	0.32 224	0.24 219	0.32 210	0.25 203
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CroCo-Stereo	0.73 348	1.22 389	0.25 190	1.22 440	0.25 225	1.22 485	0.25 215	1.22 479	0.25 216	1.22 487	0.25 225	1.22 490	0.25 219	1.22 490	0.25 215	1.22 469	0.26 198	1.21 496	0.25 224	1.22 475	0.25 203
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
LG-Stereo_L2	0.34 204	0.37 152	0.38 258	0.47 263	0.28 240	0.39 256	0.28 234	0.39 245	0.28 238	0.39 246	0.28 243	0.39 253	0.28 243	0.38 247	0.28 231	0.42 288	0.35 257	0.36 261	0.26 230	0.35 233	0.26 209

model_zeroshot	0.27 177	0.20 106	0.27 197	0.33 192	0.21 210	0.37 243	0.22 199	0.37 233	0.24 211	0.26 201	0.27 236	0.33 227	0.21 205	0.25 194	0.27 221	0.32 214	0.20 179	0.34 240	0.23 211	0.25 188	0.26 209

GCAP-BAT	0.33 202	0.78 249	0.32 226	0.38 206	0.25 225	0.34 230	0.25 215	0.34 219	0.26 229	0.34 226	0.25 225	0.35 234	0.26 228	0.35 234	0.27 221	0.36 236	0.30 230	0.32 224	0.24 219	0.32 210	0.26 209

HH	0.71 343	2.54 472	0.74 379	1.10 376	0.32 271	0.41 274	0.37 300	0.69 367	0.78 416	0.73 379	0.90 428	0.75 385	1.00 423	0.84 387	0.69 394	0.69 355	0.40 278	0.35 256	0.26 230	0.35 233	0.26 209

HanStereo	0.71 343	2.54 472	0.74 379	1.10 376	0.32 271	0.41 274	0.37 300	0.69 367	0.78 416	0.73 379	0.90 428	0.75 385	1.00 423	0.84 387	0.69 394	0.69 355	0.40 278	0.35 256	0.26 230	0.35 233	0.26 209

LoS_RVC	0.30 184	1.14 325	0.25 190	0.25 167	0.25 225	0.26 204	0.25 215	0.25 191	0.25 216	0.25 193	0.25 225	0.26 206	0.26 228	0.26 204	0.25 215	0.26 195	0.26 198	0.25 199	0.25 224	0.26 190	0.26 209

iRaft-Stereo_5w	0.34 204	0.42 179	0.31 221	0.39 212	0.30 259	0.38 250	0.30 248	0.40 252	0.29 244	0.40 252	0.37 307	0.41 274	0.34 285	0.38 247	0.30 248	0.34 222	0.27 205	0.34 240	0.26 230	0.34 221	0.26 209

UCFNet_RVC	2.75 556	10.06 584	0.29 205	10.31 601	0.29 249	0.42 294	0.29 243	0.43 291	0.29 244	0.42 280	0.29 248	0.42 292	9.87 603	0.43 292	0.29 241	0.36 236	9.84 602	0.36 261	0.26 230	9.77 601	0.26 209

GIP-stereo	0.36 219	0.49 207	0.39 265	0.48 268	0.32 271	0.41 274	0.28 234	0.40 252	0.30 255	0.41 266	0.28 243	0.40 261	0.28 243	0.42 286	0.28 231	0.45 293	0.32 240	0.38 272	0.30 267	0.37 244	0.27 217

tt1	0.31 191	0.93 280	0.24 187	0.33 192	0.23 218	0.31 218	0.24 212	0.32 212	0.24 211	0.32 219	0.23 212	0.32 224	0.25 219	0.32 223	0.24 207	0.27 198	0.26 198	0.27 208	0.26 230	0.27 195	0.27 217

xxxxx1	0.31 191	0.91 273	0.23 180	0.31 185	0.23 218	0.31 218	0.23 207	0.33 215	0.25 216	0.31 214	0.24 219	0.33 227	0.25 219	0.32 223	0.24 207	0.28 200	0.28 211	0.28 210	0.28 243	0.29 200	0.27 217

tt_ll	0.31 191	0.91 273	0.23 180	0.31 185	0.23 218	0.31 218	0.23 207	0.33 215	0.25 216	0.31 214	0.24 219	0.33 227	0.25 219	0.32 223	0.24 207	0.28 200	0.28 211	0.28 210	0.28 243	0.29 200	0.27 217

CroCo-Stereo Lap2	0.77 355	1.29 393	0.29 205	1.27 444	0.29 249	1.27 488	0.26 223	1.26 482	0.26 229	1.26 488	0.26 231	1.27 492	0.26 228	1.26 491	0.27 221	1.27 471	0.27 205	1.27 499	0.27 238	1.27 477	0.27 217

ff	0.31 191	0.91 273	0.23 180	0.31 185	0.23 218	0.31 218	0.23 207	0.33 215	0.25 216	0.31 214	0.24 219	0.33 227	0.25 219	0.32 223	0.24 207	0.28 200	0.28 211	0.28 210	0.28 243	0.29 200	0.27 217

BUS	0.83 375	1.91 428	0.92 402	4.48 552	0.02 21	0.40 258	0.04 82	0.41 267	0.02 21	0.48 312	0.03 52	0.41 274	0.05 95	0.03 39	0.05 89	1.97 509	4.19 576	0.33 232	0.23 211	0.34 221	0.27 217

BSDual-CNN	0.81 366	1.91 428	0.92 402	4.48 552	0.02 21	0.42 294	0.06 110	0.41 267	0.02 21	0.48 312	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 509	4.19 576	0.33 232	0.23 211	0.34 221	0.27 217

hknet	1.10 421	1.85 421	3.49 575	4.48 552	0.02 21	0.42 294	0.06 110	0.41 267	0.02 21	0.48 312	0.03 52	0.41 274	0.03 52	0.42 286	0.03 48	4.39 562	4.19 576	0.33 232	0.23 211	0.34 221	0.27 217

DGSMNet	0.34 204	0.41 172	0.27 197	0.41 238	0.28 240	0.41 274	0.28 234	0.41 267	0.27 235	0.41 266	0.27 236	0.42 292	0.27 236	0.41 273	0.28 231	0.40 266	0.29 222	0.40 288	0.28 243	0.40 272	0.27 217

AANet_RVC	1.26 478	0.31 143	4.99 586	5.93 577	0.20 201	0.25 196	0.20 188	0.25 191	0.20 195	0.23 180	0.19 197	0.25 196	0.20 199	0.25 194	0.20 191	5.66 586	4.76 579	0.26 204	0.30 267	0.24 186	0.27 217

MLCV	0.31 191	0.35 147	0.27 197	0.35 196	0.28 240	0.35 235	0.27 226	0.35 223	0.28 238	0.36 234	0.27 236	0.35 234	0.27 236	0.35 234	0.27 221	0.34 222	0.27 205	0.34 240	0.27 238	0.34 221	0.27 217

DN-CSS_ROB	0.31 191	0.35 147	0.28 201	0.35 196	0.28 240	0.34 230	0.27 226	0.34 219	0.25 216	0.35 231	0.27 236	0.36 240	0.26 228	0.34 231	0.28 231	0.35 231	0.28 211	0.34 240	0.28 243	0.34 221	0.27 217

DEFOM-Stereo	0.68 336	3.11 501	1.40 501	1.63 473	0.25 225	0.31 218	0.25 215	0.31 211	0.28 238	0.31 214	0.29 248	0.29 215	0.27 236	0.31 222	0.28 231	1.59 491	1.47 504	0.30 217	0.29 253	0.30 203	0.28 230

SQANet	0.28 178	0.28 137	0.28 201	0.28 178	0.28 240	0.28 209	0.28 234	0.28 200	0.28 238	0.28 205	0.28 243	0.28 209	0.28 243	0.28 212	0.28 231	0.28 200	0.28 211	0.28 210	0.28 243	0.28 197	0.28 230

Any-RAFT	0.32 199	0.36 150	0.27 197	0.36 200	0.27 235	0.36 238	0.27 226	0.36 227	0.27 235	0.36 234	0.27 236	0.36 240	0.27 236	0.36 240	0.28 231	0.36 236	0.28 211	0.36 261	0.28 243	0.36 240	0.28 230

FCDSN-DC	0.41 254	0.59 235	0.64 351	0.54 294	0.33 283	0.50 334	0.37 300	0.42 285	0.40 320	0.61 363	0.43 342	0.50 338	0.49 355	0.38 247	0.32 256	0.28 200	0.23 192	0.26 204	0.22 205	0.35 233	0.28 230
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
Gwc-CoAtRS	0.41 254	1.49 404	0.32 226	0.42 248	0.32 271	0.41 274	0.32 259	0.41 267	0.33 277	0.41 266	0.32 272	0.41 274	0.32 272	0.41 273	0.32 256	0.39 262	0.28 211	0.39 283	0.28 243	0.40 272	0.28 230

HiDET	0.38 231	0.44 183	0.30 209	0.42 248	0.30 259	0.42 294	0.30 248	0.42 285	0.30 255	0.44 291	0.30 260	0.42 292	0.30 257	0.42 286	0.68 384	0.37 240	0.32 240	0.40 288	0.29 253	0.37 244	0.29 235

LCMNet	0.38 231	0.44 183	0.30 209	0.42 248	0.30 259	0.42 294	0.30 248	0.42 285	0.30 255	0.45 293	0.30 260	0.42 292	0.30 257	0.42 286	0.69 394	0.37 240	0.32 240	0.40 288	0.29 253	0.37 244	0.29 235

FE-Mocha	0.35 213	0.71 245	0.40 270	0.47 263	0.27 235	0.34 230	0.27 226	0.34 219	0.26 229	0.34 226	0.26 231	0.34 232	0.27 236	0.34 231	0.27 221	0.44 290	0.41 287	0.33 232	0.29 253	0.32 210	0.29 235

GREAT-IGEV	0.38 231	0.43 180	0.36 251	0.48 268	0.32 271	0.45 305	0.32 259	0.45 295	0.32 270	0.45 293	0.32 272	0.45 302	0.32 272	0.45 298	0.32 256	0.44 290	0.33 251	0.41 305	0.29 253	0.41 282	0.29 235

RSM	0.36 219	0.36 150	0.43 285	0.37 203	0.42 342	0.49 326	0.42 333	0.37 233	0.28 238	0.36 234	0.29 248	0.36 240	0.30 257	0.37 244	0.28 231	0.34 222	0.31 236	0.34 240	0.35 307	0.40 272	0.29 235

IGEV++	0.34 204	0.43 180	0.30 209	0.40 226	0.29 249	0.40 258	0.29 243	0.40 252	0.29 244	0.40 252	0.29 248	0.40 261	0.29 250	0.40 258	0.30 248	0.38 251	0.29 222	0.37 264	0.29 253	0.37 244	0.29 235

RCA-Stereo	0.51 304	3.22 505	0.34 241	0.44 255	0.34 293	0.44 304	0.34 282	0.43 291	0.34 286	0.43 286	0.34 287	0.44 300	0.33 280	0.43 292	0.33 265	0.38 251	0.29 222	0.38 272	0.29 253	0.38 257	0.29 235

iRaft-Stereo_20w	0.34 204	0.41 172	0.31 221	0.39 212	0.29 249	0.40 258	0.32 259	0.41 267	0.32 270	0.38 240	0.30 260	0.39 253	0.30 257	0.38 247	0.32 256	0.35 231	0.27 205	0.34 240	0.27 238	0.34 221	0.29 235

CFNet_pseudo	2.67 554	9.36 579	0.32 226	10.99 602	0.33 283	0.85 389	0.33 269	0.49 313	0.33 277	0.49 319	0.32 272	0.49 323	7.26 597	0.49 322	0.33 265	0.41 274	9.62 600	0.41 305	0.29 253	10.03 602	0.29 235

ccnet	0.80 361	2.28 454	0.33 231	0.50 281	0.33 283	0.50 334	0.33 269	0.50 321	0.33 277	0.49 319	0.33 279	0.49 323	1.56 511	2.38 530	0.33 265	0.41 274	0.29 222	0.42 316	1.57 525	2.28 515	0.29 235

CFNet-RSSM	0.91 393	4.89 539	0.34 241	0.44 255	1.07 448	1.62 505	1.40 519	0.91 389	0.35 289	1.60 497	1.39 519	0.64 371	0.34 285	0.44 295	0.33 265	0.41 274	0.35 257	0.75 387	0.30 267	0.41 282	0.29 235

psmorigin	0.41 254	0.46 195	0.33 231	0.49 274	0.33 283	0.49 326	0.33 269	0.49 313	0.33 277	0.49 319	0.33 279	0.49 323	0.33 280	0.51 338	0.33 265	0.41 274	0.30 230	0.41 305	0.30 267	0.79 365	0.29 235

ccs_rob	2.79 557	10.17 586	0.32 226	10.00 599	0.33 283	0.49 326	0.33 269	1.90 505	0.32 270	0.51 339	0.33 279	0.49 323	9.24 602	0.49 322	0.33 265	0.41 274	9.82 601	0.41 305	0.28 243	9.34 599	0.29 235

MS-F	0.38 231	0.44 183	0.31 221	0.43 254	0.30 259	0.43 301	0.31 257	0.43 291	0.31 266	0.45 293	0.31 268	0.43 299	0.31 269	0.43 292	0.69 394	0.38 251	0.33 251	0.40 288	0.30 267	0.38 257	0.30 248

CSFM-Stereo	0.38 231	0.44 183	0.30 209	0.42 248	0.30 259	0.42 294	0.30 248	0.43 291	0.30 255	0.44 291	0.30 260	0.42 292	0.30 257	0.42 286	0.73 405	0.37 240	0.32 240	0.40 288	0.29 253	0.37 244	0.30 248

MultiAttention	0.30 184	0.30 140	0.30 209	0.30 180	0.30 259	0.30 213	0.30 248	0.30 207	0.30 255	0.30 210	0.30 260	0.30 218	0.30 257	0.30 218	0.30 248	0.30 208	0.30 230	0.30 217	0.30 267	0.30 203	0.30 248

MSAF-DinoV2	0.30 184	0.30 140	0.30 209	0.30 180	0.30 259	0.30 213	0.30 248	0.30 207	0.30 255	0.30 210	0.30 260	0.30 218	0.30 257	0.30 218	0.30 248	0.30 208	0.30 230	0.30 217	0.30 267	0.30 203	0.30 248

TorneroNet-64	0.45 274	0.27 134	0.30 209	0.58 303	0.27 235	0.70 375	0.30 248	0.28 200	0.73 411	0.73 379	0.28 243	0.71 378	0.66 381	0.75 379	0.27 221	0.27 198	0.29 222	0.37 264	0.75 415	0.28 197	0.30 248

EKT-Stereo	0.37 225	0.40 164	0.44 287	1.07 374	0.29 249	0.34 230	0.31 257	0.36 227	0.29 244	0.38 240	0.31 268	0.37 246	0.30 257	0.36 240	0.29 241	0.34 222	0.28 211	0.39 283	0.30 267	0.37 244	0.30 248

PML	0.46 280	1.36 399	0.29 205	0.58 303	0.30 259	0.57 362	0.29 243	0.57 349	0.29 244	0.57 358	0.29 248	0.57 362	0.29 250	0.56 352	0.29 241	0.52 323	0.30 230	0.53 364	0.31 277	0.53 336	0.30 248

GES	0.66 331	2.34 462	0.29 205	0.41 238	0.29 249	0.41 274	0.29 243	0.42 285	0.29 244	0.40 252	0.41 330	0.41 274	0.30 257	0.51 338	0.29 241	0.32 214	0.29 222	0.32 224	2.46 565	2.49 527	0.30 248

DANet	0.30 184	0.30 140	0.30 209	0.30 180	0.30 259	0.30 213	0.30 248	0.30 207	0.30 255	0.30 210	0.30 260	0.30 218	0.30 257	0.30 218	0.30 248	0.30 208	0.30 230	0.30 217	0.30 267	0.30 203	0.30 248
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DDF-Stereo	0.43 266	1.15 328	0.57 338	0.53 291	0.32 271	0.41 274	0.32 259	0.41 267	0.32 270	0.41 266	0.32 272	0.41 274	0.32 272	0.40 258	0.32 256	0.52 323	0.50 331	0.38 272	0.31 277	0.39 266	0.31 257

1test111	0.37 225	1.02 307	0.30 209	0.39 212	0.29 249	0.40 258	0.28 234	0.39 245	0.29 244	0.39 246	0.29 248	0.39 253	0.28 243	0.40 258	0.29 241	0.33 218	0.32 240	0.33 232	0.31 277	0.32 210	0.31 257

cc1	0.37 225	1.02 307	0.30 209	0.39 212	0.29 249	0.40 258	0.28 234	0.39 245	0.29 244	0.39 246	0.29 248	0.39 253	0.28 243	0.40 258	0.29 241	0.33 218	0.32 240	0.33 232	0.31 277	0.32 210	0.31 257

PCWNet_CMD	2.80 558	9.82 582	0.32 226	10.09 600	0.32 271	0.49 326	0.33 269	3.34 560	0.33 277	0.49 319	0.33 279	0.49 323	8.73 599	0.48 316	0.33 265	0.41 274	9.22 597	0.42 316	0.29 253	9.55 600	0.31 257

RAFT-Test	0.36 219	0.37 152	0.33 231	0.41 238	0.32 271	0.41 274	0.32 259	0.41 267	0.32 270	0.41 266	0.32 272	0.41 274	0.32 272	0.41 273	0.33 265	0.37 240	0.29 222	0.37 264	0.29 253	0.38 257	0.31 257

water-stereo	0.41 254	0.84 258	0.46 293	0.50 281	0.33 283	0.45 305	0.33 269	0.45 295	0.32 270	0.45 293	0.32 272	0.45 302	0.32 272	0.45 298	0.32 256	0.44 290	0.41 287	0.39 283	0.31 277	0.39 266	0.32 262

depthmonostereo	0.44 271	0.85 260	0.46 293	0.54 294	0.40 324	0.52 349	0.38 306	0.52 338	0.35 289	0.47 305	0.34 287	0.46 306	0.34 285	0.47 307	0.34 278	0.45 293	0.43 300	0.41 305	0.33 291	0.41 282	0.32 262

xyz-stereo-finetune	0.28 178	0.49 207	0.16 147	0.16 122	0.16 180	0.16 145	0.16 165	0.22 176	0.30 255	0.32 219	0.31 268	0.32 224	0.31 269	0.32 223	0.32 256	0.32 214	0.33 251	0.31 223	0.32 283	0.31 208	0.32 262

HART	0.38 231	0.45 191	0.34 241	0.42 248	0.33 283	0.41 274	0.34 282	0.42 285	0.33 277	0.43 286	0.34 287	0.42 292	0.34 285	0.41 273	0.38 298	0.40 266	0.32 240	0.42 316	0.32 283	0.40 272	0.32 262

ACVNet-DCA	0.37 225	1.00 295	0.30 209	0.40 226	0.29 249	0.40 258	0.29 243	0.40 252	0.29 244	0.40 252	0.29 248	0.40 261	0.29 250	0.39 255	0.28 231	0.33 218	0.32 240	0.33 232	0.32 283	0.33 217	0.32 262

xx1	0.38 231	1.03 309	0.31 221	0.40 226	0.31 269	0.41 274	0.28 234	0.40 252	0.29 244	0.40 252	0.29 248	0.40 261	0.29 250	0.40 258	0.29 241	0.34 222	0.33 251	0.34 240	0.32 283	0.34 221	0.32 262

RAFT + AFF	0.31 191	0.45 191	0.34 241	0.39 212	0.28 240	0.38 250	0.33 269	0.29 205	0.31 266	0.30 210	0.30 260	0.29 215	0.27 236	0.29 216	0.30 248	0.28 200	0.29 222	0.29 215	0.29 253	0.27 195	0.32 262

GCST	0.50 299	2.08 438	0.38 258	0.53 291	0.35 296	0.49 326	0.35 287	0.50 321	0.35 289	0.49 319	0.35 296	0.49 323	0.35 292	0.49 322	0.35 282	0.48 306	0.37 262	0.45 323	0.33 291	0.44 292	0.33 269

RAFT-Stereo-weight	0.45 274	1.90 427	0.34 241	0.42 248	0.36 302	0.43 301	0.35 287	0.42 285	0.34 286	0.42 280	0.34 287	0.44 300	0.34 285	0.41 273	0.34 278	0.38 251	0.32 240	0.38 272	0.32 283	0.38 257	0.33 269

LL-Strereo2	0.48 291	1.73 417	0.51 326	0.59 306	0.34 293	0.42 294	0.33 269	0.40 252	0.31 266	0.42 280	0.33 279	0.42 292	0.31 269	0.44 295	0.39 309	0.60 339	0.51 336	0.44 319	0.33 291	0.44 292	0.33 269

GMOStereo	0.37 225	0.45 191	0.23 180	0.30 180	0.37 306	0.41 274	0.36 294	0.41 267	0.35 289	0.43 286	0.36 300	0.41 274	0.40 313	0.41 273	0.36 286	0.34 222	0.22 187	0.47 336	0.37 315	0.39 266	0.33 269

error version	0.93 401	4.47 534	2.35 553	1.99 485	0.37 306	0.41 274	0.36 294	0.41 267	0.35 289	0.43 286	0.36 300	0.41 274	0.40 313	0.41 273	0.36 286	1.87 501	2.16 546	0.47 336	0.37 315	0.39 266	0.33 269

test_1	0.93 401	4.47 534	2.35 553	1.99 485	0.37 306	0.41 274	0.36 294	0.41 267	0.35 289	0.43 286	0.36 300	0.41 274	0.40 313	0.41 273	0.36 286	1.87 501	2.16 546	0.47 336	0.37 315	0.39 266	0.33 269

GEAStereo	0.62 324	3.91 523	0.48 308	0.69 322	0.38 313	0.51 346	0.38 306	0.51 334	0.38 306	0.53 345	0.38 312	0.50 338	0.38 304	0.51 338	0.38 298	0.54 327	0.43 300	0.46 327	0.34 295	0.46 299	0.34 275

gasm-f	0.62 324	3.91 523	0.48 308	0.69 322	0.38 313	0.51 346	0.38 306	0.51 334	0.38 306	0.53 345	0.38 312	0.50 338	0.38 304	0.51 338	0.38 298	0.54 327	0.43 300	0.46 327	0.34 295	0.46 299	0.34 275

GASTEREO	0.48 291	1.21 383	0.47 300	0.57 301	0.38 313	0.50 334	0.38 306	0.50 321	0.38 306	0.50 332	0.38 312	0.50 338	0.38 304	0.50 329	0.38 298	0.52 323	0.42 296	0.46 327	0.34 295	0.46 299	0.34 275

SCV_C0	0.45 274	0.88 265	0.49 315	0.54 294	0.37 306	0.48 321	0.37 300	0.48 309	0.37 302	0.48 312	0.36 300	0.48 319	0.37 300	0.49 322	0.37 295	0.50 315	0.41 287	0.44 319	0.34 295	0.44 292	0.34 275

SCV	0.46 280	0.94 282	0.45 289	0.54 294	0.37 306	0.48 321	0.38 306	0.48 309	0.37 302	0.48 312	0.39 321	0.48 319	0.37 300	0.49 322	0.37 295	0.50 315	0.46 310	0.44 319	0.34 295	0.44 292	0.34 275

UGAM-zero	0.51 304	2.17 446	0.39 265	0.53 291	0.36 302	0.50 334	0.36 294	0.50 321	0.36 300	0.49 319	0.36 300	0.50 338	0.35 292	0.50 329	0.36 286	0.49 309	0.37 262	0.47 336	0.35 307	0.46 299	0.34 275

UGAM	0.51 304	2.23 451	0.39 265	0.54 294	0.35 296	0.50 334	0.35 287	0.49 313	0.35 289	0.49 319	0.35 296	0.49 323	0.36 295	0.50 329	0.36 286	0.49 309	0.37 262	0.45 323	0.34 295	0.45 296	0.34 275

gcap-zeroshot	0.35 213	0.32 144	0.37 255	0.49 274	0.39 322	0.33 228	0.21 194	0.26 196	0.35 289	0.42 280	0.34 287	0.49 323	0.29 250	0.47 307	0.39 309	0.34 222	0.17 167	0.38 272	0.23 211	0.48 315	0.34 275

H2IRNET	0.34 204	0.34 146	0.34 241	0.34 194	0.34 293	0.34 230	0.34 282	0.34 219	0.34 286	0.34 226	0.34 287	0.34 232	0.34 285	0.34 231	0.34 278	0.34 222	0.34 255	0.34 240	0.34 295	0.34 221	0.34 275

GSStereo	0.81 366	4.28 532	0.50 319	0.59 306	0.40 324	0.51 346	0.38 306	0.50 321	0.38 306	0.50 332	0.38 312	0.50 338	3.79 578	0.50 329	0.38 298	0.54 327	0.43 300	0.46 327	0.34 295	0.46 299	0.35 284

GS-Stereo							0.38 306	0.50 321	0.38 306	0.50 332	0.38 312	0.50 338	3.79 578	0.50 329	0.38 298	0.54 327	0.43 300	0.46 327	0.34 295	0.46 299	0.35 284

ETE_ROB	0.35 213	0.35 147	0.35 249	0.35 196	0.35 296	0.35 235	0.35 287	0.35 223	0.35 289	0.35 231	0.35 296	0.35 234	0.35 292	0.35 234	0.35 282	0.35 231	0.35 257	0.35 256	0.35 307	0.35 233	0.35 284

fffy	0.38 231	0.43 180	0.33 231	0.46 257	0.33 283	0.45 305	0.32 259	0.45 295	0.32 270	0.45 293	0.32 272	0.45 302	0.33 280	0.45 298	0.32 256	0.38 251	0.38 268	0.38 272	0.37 315	0.37 244	0.36 287

CES	0.39 243	0.47 199	0.36 251	0.36 200	0.37 306	0.45 305	0.35 287	0.35 223	0.40 320	0.36 234	0.44 344	0.47 312	0.36 295	0.44 295	0.36 286	0.37 240	0.39 275	0.44 319	0.35 307	0.37 244	0.36 287

iRaftStereo_RVC	0.97 405	3.17 504	2.30 552	2.42 502	0.38 313	0.54 354	0.38 306	0.54 342	0.38 306	0.54 350	0.38 312	0.54 353	0.38 304	0.54 347	0.38 298	2.38 535	2.34 550	0.49 349	0.36 313	0.49 319	0.36 287

DMCA	0.36 219	0.38 156	0.37 255	0.35 196	0.35 296	0.36 238	0.36 294	0.36 227	0.35 289	0.35 231	0.37 307	0.36 240	0.36 295	0.35 234	0.36 286	0.36 236	0.36 260	0.35 256	0.36 313	0.36 240	0.36 287

LG-Stereo_L1	0.47 286	0.52 221	0.47 300	0.62 311	0.39 322	0.53 351	0.40 320	0.53 340	0.39 319	0.53 345	0.39 321	0.53 350	0.39 312	0.53 345	0.39 309	0.55 333	0.46 310	0.49 349	0.37 315	0.49 319	0.37 291

LG-Stereo_Zeroshot	0.48 291	0.55 229	0.47 300	0.63 313	0.41 332	0.56 356	0.44 336	0.56 346	0.41 329	0.56 355	0.41 330	0.57 362	0.42 330	0.56 352	0.41 320	0.55 333	0.43 300	0.51 358	0.37 315	0.51 330	0.37 291

LG-Stereo	0.60 318	0.58 234	0.47 300	0.64 316	0.74 410	1.00 405	0.69 395	0.57 349	0.41 329	0.57 358	0.41 330	0.57 362	0.41 324	1.00 411	0.75 409	0.91 382	0.51 336	0.52 361	0.37 315	0.52 332	0.37 291

CASnet	0.35 213	0.51 219	0.44 287	0.32 188	0.31 269	0.24 189	0.34 282	0.36 227	0.25 216	0.31 214	0.37 307	0.30 218	0.33 280	0.25 194	0.45 333	0.37 240	0.37 262	0.33 232	0.35 307	0.34 221	0.37 291
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Selective-IGEV	0.51 304	0.55 229	0.45 289	0.69 322	0.45 348	0.61 365	0.45 341	0.50 321	0.40 320	0.56 355	0.44 344	0.55 357	0.40 313	0.72 374	0.67 378	0.59 338	0.46 310	0.45 323	0.34 295	0.46 299	0.37 291

StereoDRNet-Refined	0.33 202	0.39 162	0.26 196	0.39 212	0.26 233	0.40 258	0.26 223	0.40 252	0.26 229	0.39 246	0.26 231	0.39 253	0.26 228	0.39 255	0.26 220	0.37 240	0.25 195	0.37 264	0.25 224	0.37 244	0.37 291
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.37 225	0.37 152	0.37 255	0.37 203	0.37 306	0.37 243	0.37 300	0.37 233	0.37 302	0.37 239	0.37 307	0.37 246	0.37 300	0.37 244	0.37 295	0.37 240	0.37 262	0.37 264	0.37 315	0.37 244	0.37 291

MSCF	0.51 304	1.40 401	0.49 315	0.58 303	0.38 313	0.50 334	0.38 306	0.54 342	0.41 329	0.52 342	0.41 330	0.53 350	0.42 330	0.53 345	0.41 320	0.60 339	0.47 318	0.48 344	0.37 315	0.48 315	0.38 298

DilatedVolume-Stereo	0.43 266	0.86 261	0.48 308	0.50 281	0.33 283	0.46 311	0.33 269	0.46 299	0.33 277	0.46 299	0.33 279	0.47 312	0.33 280	0.47 307	0.34 278	0.45 293	0.42 296	0.40 288	0.33 291	0.47 311	0.38 298

WAO-8	0.38 231	0.38 156	0.38 258	0.38 206	0.38 313	0.38 250	0.38 306	0.38 241	0.38 306	0.38 240	0.38 312	0.38 248	0.38 304	0.38 247	0.38 298	0.38 251	0.38 268	0.38 272	0.37 315	0.38 257	0.38 298

WAO-7	0.38 231	0.38 156	0.38 258	0.38 206	0.38 313	0.38 250	0.38 306	0.38 241	0.38 306	0.38 240	0.38 312	0.38 248	0.38 304	0.38 247	0.38 298	0.38 251	0.38 268	0.38 272	0.38 328	0.38 257	0.38 298

Venus	0.38 231	0.38 156	0.38 258	0.38 206	0.38 313	0.37 243	0.38 306	0.37 233	0.37 302	0.41 266	0.37 307	0.39 253	0.37 300	0.38 247	0.38 298	0.37 240	0.38 268	0.38 272	0.37 315	0.37 244	0.38 298

IMH	0.38 231	0.38 156	0.38 258	0.38 206	0.38 313	0.38 250	0.38 306	0.38 241	0.38 306	0.42 280	0.38 312	0.40 261	0.38 304	0.38 247	0.38 298	0.38 251	0.38 268	0.39 283	0.38 328	0.38 257	0.38 298

mms	0.40 247	0.45 191	0.35 249	0.48 268	0.36 302	0.47 316	0.34 282	0.45 295	0.38 306	0.47 305	0.33 279	0.45 302	0.32 272	0.45 298	0.32 256	0.39 262	0.38 268	0.38 272	0.37 315	0.39 266	0.39 304

ccccc	0.41 254	0.44 183	0.34 241	0.48 268	0.35 296	0.48 321	0.35 287	0.51 334	0.35 289	0.47 305	0.35 296	0.47 312	0.34 285	0.47 307	0.35 282	0.41 274	0.40 278	0.40 288	0.40 332	0.41 282	0.39 304

GCAP-Stereo	0.75 350	4.15 529	0.42 284	0.75 332	0.35 296	0.78 382	0.40 320	0.79 375	0.38 306	0.78 387	0.36 300	0.78 388	0.36 295	0.79 381	0.39 309	0.75 363	0.39 275	0.76 389	0.39 331	0.75 359	0.39 304

HanzoNet	0.39 243	0.38 156	0.40 270	0.39 212	0.41 332	0.38 250	0.38 306	0.38 241	0.38 306	0.39 246	0.39 321	0.38 248	0.38 304	0.39 255	0.40 313	0.38 251	0.38 268	0.40 288	0.38 328	0.38 257	0.40 307

knoymous	0.40 247	0.40 164	0.40 270	0.40 226	0.40 324	0.40 258	0.40 320	0.40 252	0.40 320	0.40 252	0.40 324	0.40 261	0.40 313	0.40 258	0.40 313	0.40 266	0.40 278	0.40 288	0.40 332	0.40 272	0.40 307

anonymousa	0.40 247	0.40 164	0.40 270	0.40 226	0.40 324	0.40 258	0.40 320	0.40 252	0.40 320	0.40 252	0.40 324	0.40 261	0.40 313	0.40 258	0.40 313	0.40 266	0.40 278	0.40 288	0.40 332	0.40 272	0.40 307

riskmin	0.40 247	0.40 164	0.40 270	0.40 226	0.40 324	0.40 258	0.40 320	0.40 252	0.40 320	0.40 252	0.40 324	0.40 261	0.40 313	0.40 258	0.40 313	0.40 266	0.40 278	0.40 288	0.40 332	0.40 272	0.40 307

Anonymous_2	0.40 247	0.40 164	0.40 270	0.40 226	0.40 324	0.40 258	0.40 320	0.40 252	0.40 320	0.40 252	0.40 324	0.40 261	0.40 313	0.40 258	0.40 313	0.40 266	0.40 278	0.40 288	0.40 332	0.40 272	0.40 307

Anonymous_1	0.40 247	0.40 164	0.40 270	0.40 226	0.40 324	0.40 258	0.40 320	0.40 252	0.40 320	0.40 252	0.40 324	0.40 261	0.40 313	0.40 258	0.40 313	0.40 266	0.40 278	0.40 288	0.40 332	0.40 272	0.40 307

AdaStereo	0.40 247	0.40 164	0.40 270	0.40 226	0.40 324	0.40 258	0.40 320	0.40 252	0.40 320	0.40 252	0.40 324	0.40 261	0.40 313	0.40 258	0.40 313	0.40 266	0.40 278	0.40 288	0.40 332	0.40 272	0.40 307
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
fffft	0.48 291	0.51 219	0.45 289	0.52 290	0.45 348	0.52 349	0.45 341	0.52 338	0.48 355	0.53 345	0.45 348	0.52 349	0.45 338	0.52 343	0.46 337	0.51 321	0.41 287	0.50 353	0.41 339	0.50 324	0.41 314
1: 1. 1
Former-RAFT_DAM_RVC	0.49 297	0.98 287	0.64 351	0.84 341	0.46 350	0.45 305	0.35 287	0.47 305	0.47 348	0.45 293	0.34 287	0.46 306	0.48 350	0.46 303	0.35 282	0.39 262	0.71 379	0.39 283	0.35 307	0.41 282	0.41 314

GwcNet-ADL	0.41 254	0.41 172	0.41 279	0.41 238	0.41 332	0.41 274	0.41 328	0.41 267	0.41 329	0.41 266	0.41 330	0.41 274	0.41 324	0.41 273	0.41 320	0.41 274	0.41 287	0.41 305	0.41 339	0.41 282	0.41 314

PSMNet-ADL	0.41 254	0.41 172	0.41 279	0.41 238	0.41 332	0.41 274	0.41 328	0.41 267	0.41 329	0.41 266	0.41 330	0.41 274	0.41 324	0.41 273	0.41 320	0.41 274	0.41 287	0.41 305	0.41 339	0.41 282	0.41 314

GANet-ADL	0.41 254	0.41 172	0.41 279	0.41 238	0.41 332	0.41 274	0.41 328	0.41 267	0.41 329	0.41 266	0.41 330	0.41 274	0.41 324	0.41 273	0.41 320	0.41 274	0.41 287	0.41 305	0.41 339	0.41 282	0.41 314

ADLNet2	0.41 254	0.41 172	0.41 279	0.41 238	0.41 332	0.41 274	0.41 328	0.41 267	0.41 329	0.41 266	0.41 330	0.41 274	0.41 324	0.41 273	0.41 320	0.41 274	0.41 287	0.41 305	0.41 339	0.41 282	0.41 314

ADLNet	0.41 254	0.41 172	0.41 279	0.41 238	0.41 332	0.41 274	0.41 328	0.41 267	0.41 329	0.41 266	0.41 330	0.41 274	0.41 324	0.41 273	0.41 320	0.41 274	0.41 287	0.41 305	0.41 339	0.41 282	0.41 314

MonSter	0.60 318	0.64 241	0.52 329	0.62 311	0.44 345	2.07 520	0.44 336	0.62 359	0.44 340	0.62 366	0.44 344	0.62 370	0.44 335	0.62 361	0.44 332	0.58 337	0.42 296	0.62 371	0.46 352	0.58 341	0.42 321

DispNO	1.00 408	0.63 239	0.43 285	3.45 537	0.44 345	0.65 371	0.43 335	0.64 361	0.43 337	0.64 369	0.43 342	0.64 371	3.03 557	0.64 366	0.43 331	4.55 565	0.43 300	0.63 373	0.43 348	0.63 345	0.43 322

MyStereo07	0.60 318	3.72 516	0.48 308	0.49 274	0.41 332	0.36 238	0.32 259	0.49 313	0.43 337	0.51 339	0.42 340	0.49 323	0.43 333	0.51 338	0.64 373	0.49 309	0.45 308	0.34 240	0.32 283	0.35 233	0.43 322

MyStereo04	0.56 316	3.72 516	0.59 340	0.49 274	0.41 332	0.36 238	0.32 259	0.37 233	0.31 266	0.34 226	0.46 350	0.35 234	0.32 272	0.35 234	0.33 265	0.49 309	0.45 308	0.34 240	0.32 283	0.35 233	0.43 322

PAM_32	0.64 328	2.38 466	0.51 326	0.92 351	0.43 344	0.53 351	0.44 336	0.87 383	0.43 337	0.52 342	0.45 348	0.53 350	0.40 313	0.54 347	0.46 337	0.62 347	0.56 344	0.48 344	0.45 350	0.76 360	0.44 325

Occ-G	1.12 424	0.52 221	3.72 580	3.50 541	0.50 366	0.56 356	0.47 348	0.54 342	0.46 343	0.54 350	0.41 330	0.54 353	0.42 330	0.52 343	0.42 328	3.42 556	4.02 575	0.52 361	0.45 350	0.51 330	0.44 325

LL-Strereo	1.01 414	5.06 541	1.63 514	0.70 326	1.43 518	0.56 356	0.46 343	0.57 349	0.50 360	0.57 358	0.50 367	1.58 501	0.49 355	0.59 359	0.50 353	1.64 494	0.52 338	0.51 358	1.37 513	0.52 332	0.45 327

MLG-Stereo	0.92 396	0.90 271	0.84 393	1.27 444	0.49 362	1.38 495	0.88 422	1.41 492	0.97 437	0.73 379	1.09 444	1.26 491	0.43 333	0.72 374	1.05 438	1.13 415	0.49 325	1.18 447	0.66 399	1.01 405	0.46 328

AIO-Stereo	0.84 378	0.66 242	0.70 368	0.83 340	0.67 397	0.98 403	0.82 419	1.14 419	0.72 408	1.03 420	0.74 418	1.03 425	1.09 432	0.99 409	0.45 333	1.04 404	0.73 381	0.95 423	0.74 414	0.94 397	0.46 328

otaku	0.46 280	0.46 195	0.46 293	0.46 257	0.46 350	0.46 311	0.46 343	0.46 299	0.46 343	0.46 299	0.46 350	0.46 306	0.46 341	0.46 303	0.46 337	0.46 297	0.46 310	0.46 327	0.46 352	0.46 299	0.46 328

Ntro	0.47 286	0.47 199	0.46 293	0.46 257	0.46 350	0.47 316	0.47 348	0.46 299	0.47 348	0.46 299	0.46 350	0.47 312	0.46 341	0.47 307	0.47 344	0.47 302	0.46 310	0.46 327	0.46 352	0.46 299	0.46 328

Dean	0.46 280	0.46 195	0.46 293	0.46 257	0.46 350	0.46 311	0.46 343	0.46 299	0.46 343	0.47 305	0.46 350	0.46 306	0.46 341	0.46 303	0.46 337	0.46 297	0.46 310	0.46 327	0.46 352	0.46 299	0.46 328

ACVNet_1	0.46 280	0.47 199	0.46 293	0.46 257	0.46 350	0.46 311	0.46 343	0.46 299	0.47 348	0.46 299	0.46 350	0.46 306	0.46 341	0.46 303	0.46 337	0.46 297	0.46 310	0.47 336	0.46 352	0.46 299	0.46 328

ACVNet-4b	0.46 280	0.46 195	0.46 293	0.46 257	0.46 350	0.46 311	0.46 343	0.46 299	0.46 343	0.46 299	0.46 350	0.46 306	0.46 341	0.47 307	0.46 337	0.46 297	0.46 310	0.46 327	0.46 352	0.46 299	0.46 328

UNDER WATER	0.47 286	0.47 199	0.47 300	0.47 263	0.47 356	0.47 316	0.47 348	0.47 305	0.47 348	0.47 305	0.47 358	0.47 312	0.46 341	0.47 307	0.47 344	0.47 302	0.47 318	0.47 336	0.46 352	0.47 311	0.47 335

LVE	0.47 286	0.47 199	0.47 300	0.47 263	0.49 362	0.47 316	0.47 348	0.47 305	0.49 357	0.47 305	0.47 358	0.47 312	0.46 341	0.47 307	0.47 344	0.47 302	0.47 318	0.48 344	0.47 359	0.47 311	0.47 335

AIO-test2	0.55 314	0.59 235	0.52 329	0.67 321	0.47 356	0.61 365	0.47 348	0.61 358	0.47 348	0.61 363	0.47 358	0.61 368	0.48 350	0.62 361	0.47 344	0.64 349	0.53 340	0.58 368	0.47 359	0.58 341	0.48 337

AIO-test1	0.54 309	0.60 238	0.52 329	0.66 320	0.47 356	0.61 365	0.47 348	0.58 352	0.46 343	0.61 363	0.46 350	0.61 368	0.45 338	0.62 361	0.45 333	0.61 343	0.52 338	0.57 367	0.48 362	0.57 340	0.48 337

RainbowNet	0.48 291	0.48 205	0.48 308	0.48 268	0.48 360	0.48 321	0.48 357	0.48 309	0.48 355	0.48 312	0.48 362	0.48 319	0.48 350	0.48 316	0.48 350	0.48 306	0.48 322	0.48 344	0.48 362	0.48 315	0.48 337

HaxPig	0.47 286	0.47 199	0.47 300	0.49 274	0.47 356	0.47 316	0.47 348	0.47 305	0.47 348	0.47 305	0.47 358	0.47 312	0.47 349	0.47 307	0.47 344	0.47 302	0.47 318	0.47 336	0.47 359	0.47 311	0.48 337

AEACV	1.12 424	0.52 221	3.12 572	3.24 526	0.86 426	0.53 351	0.49 359	0.60 356	0.47 348	0.53 345	0.49 365	0.55 357	0.45 338	0.55 351	0.47 344	3.01 552	3.88 573	0.71 383	0.60 384	0.80 368	0.48 337

TorneroNet	0.66 331	0.53 224	0.50 319	0.50 281	0.64 391	1.06 418	0.70 399	0.50 321	0.51 367	0.49 319	0.69 405	0.49 323	0.50 358	0.48 316	1.15 445	0.71 359	0.49 325	1.14 438	1.08 442	0.49 319	0.49 342

notaker	0.48 291	0.49 207	0.48 308	0.48 268	0.48 360	0.48 321	0.48 357	0.48 309	0.49 357	0.48 312	0.48 362	0.48 319	0.48 350	0.48 316	0.48 350	0.48 306	0.48 322	0.48 344	0.48 362	0.48 315	0.49 342

ACVNet_2	0.49 297	0.49 207	0.49 315	0.49 274	0.49 362	0.49 326	0.49 359	0.49 313	0.49 357	0.49 319	0.49 365	0.49 323	0.49 355	0.49 322	0.49 352	0.49 309	0.49 325	0.49 349	0.49 365	0.49 319	0.49 342

FoundationStereo	0.50 299	0.50 211	0.50 319	0.50 281	0.50 366	0.50 334	0.50 361	0.50 321	0.50 360	0.50 332	0.50 367	0.50 338	0.50 358	0.50 329	0.50 353	0.50 315	0.50 331	0.50 353	0.50 367	0.50 324	0.50 345

StereoAnything_RVC	0.50 299	0.50 211	0.50 319	0.50 281	0.50 366	0.50 334	0.50 361	0.50 321	0.50 360	0.50 332	0.50 367	0.50 338	0.50 358	0.50 329	0.50 353	0.50 315	0.50 331	0.50 353	0.50 367	0.50 324	0.50 345

dual_stereo	0.50 299	0.50 211	0.50 319	0.50 281	0.50 366	0.50 334	0.50 361	0.50 321	0.50 360	0.50 332	0.50 367	0.50 338	0.50 358	0.50 329	0.50 353	0.50 315	0.50 331	0.50 353	0.50 367	0.50 324	0.50 345

WCG-NET	0.61 321	1.21 383	0.54 334	0.61 310	0.53 375	0.67 373	0.53 367	0.66 364	0.53 368	0.64 369	0.53 376	0.65 374	0.53 365	0.59 359	0.52 360	0.65 350	0.48 322	0.64 374	0.52 371	0.58 341	0.50 345

MyStereo8	0.71 343	3.92 525	0.52 329	0.59 306	0.52 372	0.57 362	0.53 367	0.59 354	0.50 360	0.59 362	0.51 373	0.57 362	0.50 358	0.56 352	0.52 360	0.54 327	0.49 325	0.54 365	0.49 365	0.55 338	0.50 345

test-3	0.98 407	4.13 528	1.85 534	1.85 476	0.61 387	0.69 374	0.37 300	0.63 360	0.61 379	0.66 372	0.51 373	0.73 383	0.44 335	0.57 357	0.54 363	1.68 495	1.81 530	0.40 288	0.43 348	0.66 347	0.50 345

SANet	0.50 299	0.50 211	0.50 319	0.50 281	0.50 366	0.50 334	0.50 361	0.50 321	0.50 360	0.50 332	0.50 367	0.50 338	0.50 358	0.50 329	0.50 353	0.50 315	0.50 331	0.50 353	0.50 367	0.50 324	0.50 345

FSD	0.61 321	0.59 235	0.50 319	2.58 509	0.44 345	0.56 356	0.44 336	0.55 345	0.44 340	0.56 355	0.44 344	0.56 360	0.44 335	0.56 352	0.46 337	0.61 343	0.42 296	0.52 361	0.42 347	0.52 332	0.51 352

zero-FE	0.72 346	1.31 395	0.66 355	0.92 351	0.60 381	0.82 387	0.58 372	0.82 381	0.58 373	0.81 391	0.60 381	0.81 394	0.60 372	0.82 385	0.58 367	0.74 362	0.59 350	0.73 384	0.52 371	0.76 360	0.51 352

Monster-pub-eth3d	0.45 274	0.57 232	0.60 342	0.39 212	0.28 240	0.37 243	0.28 234	0.37 233	0.30 255	0.39 246	0.29 248	0.39 253	0.30 257	0.92 401	0.27 221	1.42 482	0.28 211	0.34 240	0.28 243	0.37 244	0.53 354

Monster-pub-mixall	0.44 271	0.56 231	0.60 342	0.38 206	0.27 235	0.37 243	0.27 226	0.37 233	0.29 244	0.38 240	0.27 236	0.38 248	0.29 250	0.85 391	0.27 221	1.46 485	0.26 198	0.34 240	0.26 230	0.36 240	0.53 354

ktn	0.72 346	0.53 224	1.08 416	1.14 382	0.51 371	1.22 485	1.36 512	0.51 334	0.59 375	0.51 339	0.51 373	0.69 377	1.20 444	0.67 370	0.51 358	0.51 321	0.49 325	0.58 368	0.66 399	0.52 332	0.53 354

Replicate-Monster	0.45 274	0.57 232	0.60 342	0.40 226	0.29 249	0.37 243	0.27 226	0.37 233	0.30 255	0.40 252	0.31 268	0.40 261	0.30 257	0.99 409	0.27 221	1.36 478	0.31 236	0.34 240	0.30 267	0.36 240	0.54 357

CFNet_ucs	2.73 555	9.64 581	0.33 231	9.92 598	0.32 271	0.49 326	0.33 269	0.49 313	0.33 277	0.49 319	0.33 279	0.49 323	8.98 601	0.48 316	0.33 265	0.41 274	9.96 603	0.40 288	0.29 253	10.12 603	0.54 357

anonymity	0.63 326	0.69 243	0.56 336	0.71 328	0.56 378	0.71 377	0.56 370	0.71 370	0.56 371	0.72 377	0.56 379	0.71 378	0.56 369	0.71 373	0.58 367	0.68 354	0.55 342	0.68 379	0.55 374	0.68 349	0.54 357

FC-DCNN	1.07 419	1.09 320	0.98 408	0.89 345	0.52 372	1.41 498	0.91 425	1.21 478	1.24 507	1.96 509	2.05 564	1.91 510	1.30 499	1.27 492	1.08 439	0.80 367	0.60 351	0.58 368	0.41 339	0.68 349	0.54 357

PSMNet_ROB	0.54 309	0.54 227	0.54 334	0.54 294	0.53 375	0.54 354	0.54 369	0.53 340	0.54 370	0.54 350	0.54 377	0.54 353	0.53 365	0.54 347	0.54 363	0.54 327	0.53 340	0.54 365	0.54 373	0.54 337	0.54 357

MyStereo06	0.75 350	4.12 526	0.60 342	0.63 313	0.61 387	0.62 368	0.66 381	0.56 346	0.45 342	0.55 353	0.48 362	0.54 353	0.46 341	0.57 357	0.45 333	0.60 339	0.57 346	0.64 374	0.55 374	0.72 355	0.55 362

MyStereo05	0.80 361	4.12 526	0.63 349	0.63 313	0.61 387	0.62 368	0.66 381	0.65 362	0.62 380	0.67 373	0.61 385	0.65 374	0.58 370	0.67 370	0.55 365	0.60 339	0.57 346	0.64 374	0.55 374	0.72 355	0.55 362

ARAFT	0.68 336	0.81 255	0.63 349	0.74 331	0.60 381	0.78 382	0.62 376	0.77 374	0.66 386	0.74 384	0.63 387	0.75 385	0.62 375	0.83 386	0.60 370	0.70 358	0.55 342	0.70 382	0.60 384	0.78 363	0.55 362

Zero-FE251	0.36 219	0.40 164	0.28 201	0.41 238	0.28 240	0.41 274	0.28 234	0.41 267	0.28 238	0.41 266	0.28 243	0.41 274	0.28 243	0.42 286	0.30 248	0.37 240	0.26 198	0.37 264	0.27 238	0.45 296	0.56 365

FlowAnything_test	1.02 416	1.72 412	0.71 372	1.59 465	0.70 403	1.61 503	0.69 395	1.61 494	0.70 401	1.60 497	0.70 408	1.61 505	0.69 394	1.61 501	0.70 400	0.81 370	0.58 348	0.81 397	0.55 374	0.81 371	0.56 365

FlowAnything	1.02 416	1.71 411	0.72 375	1.59 465	0.69 401	1.60 502	0.69 395	1.61 494	0.70 401	1.60 497	0.69 405	1.60 502	0.69 394	1.61 501	0.69 394	0.81 370	0.58 348	0.81 397	0.56 378	0.82 373	0.56 365

AIO-Stereo-zeroshot1	0.75 350	0.92 278	0.85 394	0.96 362	0.59 380	1.27 488	0.44 336	0.59 354	0.69 398	0.91 398	0.68 397	0.55 357	0.61 374	1.06 425	0.83 419	0.62 347	0.70 375	0.90 407	0.41 339	0.89 380	0.56 365

CASS	0.57 317	0.89 268	0.56 336	0.57 301	0.56 378	0.56 356	0.56 370	0.56 346	0.53 368	0.57 358	0.57 380	0.59 366	0.48 350	0.56 352	0.57 366	0.55 333	0.56 344	0.47 336	0.56 378	0.62 344	0.56 365
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DDUNet	0.81 366	2.45 470	0.57 338	0.90 346	0.60 381	0.88 392	0.59 374	0.90 387	0.60 376	0.88 395	0.60 381	0.90 401	0.58 370	0.88 393	0.60 370	0.84 377	0.60 351	0.86 405	0.57 380	0.86 377	0.60 370

SMoEStereo_RVC	0.63 326	0.75 248	0.51 326	0.73 330	0.53 375	0.71 377	0.47 348	0.67 365	0.58 373	0.74 384	0.60 381	0.72 381	0.53 365	0.74 378	0.51 358	0.61 343	0.62 356	0.62 371	0.61 386	0.63 345	0.61 371

UDG	0.80 361	2.21 450	0.60 342	0.91 348	0.60 381	0.90 395	0.58 372	0.88 386	0.60 376	0.90 396	0.60 381	0.88 398	0.60 372	0.90 396	0.58 367	0.86 379	0.60 351	0.84 403	0.59 383	0.84 376	0.61 371

RAFT-Stereo + iAFF	0.70 340	0.72 246	0.71 372	0.80 336	0.62 390	0.82 387	0.61 375	0.81 380	0.62 380	0.81 391	0.63 387	0.80 391	0.70 397	0.73 376	0.61 372	0.76 364	0.61 355	0.74 386	0.61 386	0.77 362	0.61 371

AFF-stereo	0.73 348	0.88 265	0.67 359	0.75 332	0.68 400	0.75 379	0.64 378	0.80 377	0.72 408	0.83 393	0.70 408	0.82 395	0.64 376	0.84 387	0.67 378	0.77 365	0.63 357	0.81 397	0.63 388	0.78 363	0.62 374

WQFJA1	0.84 378	0.99 290	0.67 359	1.28 447	0.75 411	1.01 409	0.68 387	1.01 404	0.67 387	1.01 412	0.67 394	1.01 416	0.67 383	1.01 415	0.67 378	0.97 392	0.67 363	0.92 412	0.63 388	0.92 387	0.63 375

WQFJX1	0.84 378	0.99 290	0.67 359	1.28 447	0.75 411	1.01 409	0.68 387	1.01 404	0.67 387	1.01 412	0.67 394	1.01 416	0.67 383	1.01 415	0.67 378	0.97 392	0.67 363	0.92 412	0.63 388	0.92 387	0.63 375

NLSM3	0.85 384	0.99 290	0.68 365	1.29 450	0.76 414	1.01 409	0.68 387	1.01 404	0.68 390	1.02 418	0.68 397	1.01 416	0.68 386	1.01 415	0.68 384	0.97 392	0.68 367	0.93 416	0.64 392	0.93 391	0.63 375

pcwnet_v2	2.66 553	9.89 583	0.33 231	9.89 597	0.32 271	0.50 334	0.32 259	0.49 313	0.33 277	0.49 319	0.34 287	0.49 323	8.76 600	0.48 316	0.33 265	0.41 274	9.58 599	0.40 288	0.29 253	9.01 598	0.63 375

WQFJX	0.90 392	1.05 314	0.92 402	1.36 457	0.77 417	1.19 436	0.81 417	1.03 411	0.77 415	1.04 423	0.69 405	1.02 422	0.69 394	1.16 439	0.70 400	0.99 398	0.68 367	0.93 416	0.64 392	0.93 391	0.64 379

NLMM1	0.84 378	0.99 290	0.67 359	1.28 447	0.75 411	1.01 409	0.67 385	1.01 404	0.68 390	1.01 412	0.68 397	1.01 416	0.68 386	1.01 415	0.68 384	0.97 392	0.67 363	0.93 416	0.63 388	0.92 387	0.64 379

NLMM	0.85 384	1.00 295	0.68 365	1.31 451	0.76 414	1.01 409	0.68 387	1.02 410	0.68 390	1.02 418	0.68 397	1.02 422	0.68 386	1.02 421	0.68 384	0.98 396	0.68 367	0.93 416	0.64 392	0.93 391	0.64 379

NLSM1	0.86 386	1.03 309	0.68 365	1.32 453	0.77 417	1.09 424	0.73 405	1.04 413	0.68 390	1.03 420	0.68 397	1.03 425	0.68 386	1.04 424	0.68 384	0.98 396	0.67 363	0.93 416	0.64 392	0.93 391	0.64 379

DSFCA	0.66 331	0.73 247	0.78 385	0.65 317	0.65 393	0.64 370	0.64 378	0.65 362	0.63 382	0.64 369	0.64 389	0.64 371	0.64 376	0.65 367	0.65 374	0.65 350	0.65 361	0.65 377	0.65 397	0.66 347	0.64 379

plain	1.88 497	3.16 503	0.64 351	3.10 521	0.65 393	3.10 558	0.64 378	3.12 557	0.65 384	3.10 558	0.65 391	3.11 558	0.65 378	3.12 557	0.65 374	3.12 553	0.65 361	3.13 558	0.65 397	3.13 543	0.65 384

MSMDNet	2.65 552	10.14 585	0.33 231	9.74 596	0.32 271	0.87 391	0.33 269	2.95 556	0.68 390	0.49 319	0.34 287	0.49 323	5.70 593	0.49 322	0.33 265	0.42 288	9.57 598	0.41 305	0.31 277	8.36 595	0.65 384

STTRV1_RVC	0.82 371	1.60 408	0.70 368	1.01 369	0.60 381	1.07 421	0.69 395	1.01 404	0.60 376	0.72 377	0.55 378	1.02 422	0.68 386	1.03 422	0.67 378	0.89 381	0.63 357	0.92 412	0.57 380	0.90 383	0.65 384

PA-Net	11.80 602	223.51 627	0.62 348	0.59 306	0.71 405	0.59 364	0.73 405	0.67 365	0.73 411	0.55 353	0.61 385	0.60 367	0.74 404	0.63 365	0.73 405	0.66 352	0.60 351	0.69 380	0.66 399	0.72 355	0.65 384
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MoCha-V2	2.11 522	26.97 605	0.78 385	0.92 351	0.77 417	0.96 402	0.72 404	0.90 387	0.72 408	0.94 404	0.70 408	0.90 401	0.71 401	0.91 397	0.71 403	0.85 378	0.71 379	0.88 406	0.69 406	0.87 378	0.67 388

R-Stereo Train	0.81 366	0.96 284	0.67 359	0.95 359	0.67 397	0.95 400	0.68 387	0.95 398	0.68 390	0.95 406	0.68 397	0.96 409	0.68 386	0.96 407	0.68 384	0.94 390	0.68 367	0.94 421	0.68 404	0.94 397	0.68 389

RAFT-Stereo	0.81 366	0.96 284	0.67 359	0.95 359	0.67 397	0.95 400	0.68 387	0.95 398	0.68 390	0.95 406	0.68 397	0.96 409	0.68 386	0.96 407	0.68 384	0.94 390	0.68 367	0.94 421	0.68 404	0.94 397	0.68 389
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AdaDepth	0.86 386	0.93 280	0.71 372	1.01 369	1.07 448	1.02 415	0.71 402	1.00 400	0.71 406	1.01 412	0.71 412	1.00 412	0.72 402	1.14 436	0.71 403	0.92 385	0.64 359	0.90 407	0.64 392	0.89 380	0.69 391

RSM++	0.76 354	0.82 257	0.66 355	0.85 343	0.64 391	0.85 389	0.71 402	0.94 396	0.64 383	0.87 394	0.67 394	0.87 397	0.65 378	0.84 387	0.65 374	0.81 370	0.70 375	0.79 392	0.71 411	0.83 375	0.70 392

DCRE	0.84 378	1.89 425	0.77 384	0.94 357	0.72 407	0.88 392	0.73 405	0.87 383	0.78 416	0.90 396	0.71 412	0.88 398	0.67 383	0.88 393	0.73 405	0.81 370	0.68 367	0.81 397	0.70 408	0.82 373	0.70 392

DMCA-RVC	0.70 340	0.80 252	0.70 368	0.70 326	0.70 403	0.70 375	0.70 399	0.71 370	0.70 401	0.70 376	0.71 412	0.71 378	0.70 397	0.70 372	0.69 394	0.69 355	0.70 375	0.69 380	0.70 408	0.69 353	0.70 392

MSMD_ROB	1.19 426	1.10 323	0.70 368	1.10 376	0.60 381	1.10 426	0.70 399	1.10 418	0.70 401	1.10 426	0.70 408	1.10 432	0.70 397	7.00 600	0.70 400	1.10 409	0.70 375	1.10 437	0.70 408	1.10 411	0.70 392

Wavelet-MonSter	1.00 408	1.21 383	0.76 382	1.94 480	1.01 443	1.11 429	0.76 409	1.15 420	0.76 414	1.11 431	0.76 420	1.14 437	0.76 407	1.11 433	0.76 411	1.21 467	0.90 398	1.02 432	0.71 411	1.02 407	0.71 396

ours_stereo	1.20 427	1.21 383	0.90 398	1.64 474	1.11 450	1.35 491	0.67 385	1.76 501	0.93 432	1.70 505	1.10 445	1.39 496	0.75 406	1.41 496	0.81 418	1.60 493	1.03 409	1.33 501	1.00 436	1.61 489	0.72 397

iGMRVC	0.84 378	2.85 496	0.72 375	0.72 329	0.73 408	0.77 380	0.79 412	0.73 372	0.74 413	0.73 379	0.72 415	0.73 383	0.76 407	0.73 376	0.73 405	0.72 360	0.73 381	0.73 384	0.72 413	0.73 358	0.72 397

HSM-Net_RVC	0.95 404	1.17 331	0.78 385	1.18 391	0.71 405	1.16 434	0.75 408	1.09 417	0.80 420	1.10 426	0.75 419	1.17 440	0.74 404	1.17 440	0.80 415	1.13 415	0.73 381	1.17 444	0.77 416	1.16 417	0.72 397
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
UniTT-Stereo	2.03 515	3.43 509	0.72 375	3.42 536	0.73 408	3.27 561	0.68 387	3.38 561	0.69 398	3.29 561	0.72 415	3.28 561	0.70 397	3.35 562	0.68 384	3.39 555	0.68 367	3.31 560	0.69 406	3.37 544	0.73 400

ToySt	0.92 396	2.11 441	0.90 398	0.95 359	0.79 422	0.99 404	0.78 411	0.94 396	0.81 423	0.94 404	0.78 422	0.95 408	0.77 409	0.94 403	0.86 421	0.91 382	0.79 389	0.85 404	0.77 416	0.89 380	0.73 400

LMCR-Stereo	0.65 329	0.63 239	0.65 354	0.65 317	0.65 393	0.66 372	0.63 377	0.58 352	0.65 384	0.63 368	0.64 389	0.65 374	0.65 378	0.66 368	0.66 377	0.66 352	0.64 359	0.65 377	0.67 403	0.68 349	0.73 400

DRN-Test	0.14 114	0.13 84	0.09 66	0.14 101	0.09 116	0.15 137	0.09 116	0.14 131	0.10 121	0.14 130	0.09 118	0.14 131	0.09 119	0.13 132	0.09 111	0.12 94	0.09 70	0.12 123	0.09 112	0.12 130	0.73 400

252Zero-FE	0.45 274	0.50 211	0.36 251	0.50 281	0.36 302	0.50 334	0.36 294	0.50 321	0.36 300	0.49 319	0.36 300	0.49 323	0.36 295	0.54 347	0.41 320	0.45 293	0.34 255	0.45 323	0.34 295	0.55 338	0.75 404

HBP-ISP	1.24 477	1.72 412	1.65 515	1.15 384	0.76 414	1.40 497	0.88 422	1.67 500	1.02 445	1.69 504	1.38 518	1.69 506	1.21 492	1.87 511	1.21 501	1.05 405	0.79 389	0.97 426	0.80 421	1.19 425	0.75 404

UNet	0.29 183	0.90 271	0.10 70	0.14 101	0.10 123	0.14 130	0.10 121	0.91 389	0.69 398	0.14 130	0.11 136	0.14 131	0.11 135	0.14 133	0.10 117	0.12 94	0.09 70	0.12 123	0.09 112	0.88 379	0.76 406

RAStereo	2.23 536	3.64 512	0.76 382	3.65 545	0.86 426	3.66 565	0.76 409	3.67 565	0.81 423	3.66 562	0.76 420	3.66 563	0.77 409	3.68 564	0.77 412	3.68 558	0.77 387	3.69 565	0.77 416	3.70 547	0.77 407

G-Net	0.79 359	0.79 251	0.79 388	0.79 334	0.79 422	0.79 384	0.79 412	0.79 375	0.79 419	0.79 388	0.79 423	0.79 390	0.79 411	0.79 381	0.79 413	0.79 366	0.79 389	0.79 392	0.79 419	0.79 365	0.79 408

NaN_ROB	0.80 361	0.80 252	0.80 389	0.80 336	0.80 424	0.80 385	0.80 415	0.80 377	0.80 420	0.80 389	0.80 424	0.80 391	0.80 412	0.80 383	0.80 415	0.80 367	0.80 392	0.80 395	0.80 421	0.80 368	0.80 409

CSAN	0.80 361	0.80 252	0.80 389	0.80 336	0.80 424	0.80 385	0.80 415	0.80 377	0.80 420	0.80 389	0.80 424	0.80 391	0.80 412	0.80 383	0.80 415	0.80 367	0.80 392	0.80 395	0.80 421	0.80 368	0.80 409

DPSimNet_ROB	0.97 405	1.18 333	0.81 391	1.10 376	0.91 432	1.02 415	0.82 419	1.04 413	0.91 427	1.03 420	0.86 427	1.28 493	0.82 414	1.03 422	0.89 422	1.17 418	0.81 394	1.02 432	0.82 424	1.08 410	0.81 411

Selective-RAFT	0.89 391	0.89 268	0.72 375	1.16 389	0.78 421	1.06 418	0.82 419	0.87 383	0.97 437	1.00 408	0.91 431	0.90 401	1.00 423	0.89 395	0.93 427	0.83 375	0.83 395	0.82 401	0.82 424	0.81 371	0.82 412

StereoDRNet	0.15 126	0.14 90	0.10 70	0.14 101	0.09 116	0.15 137	0.09 116	0.14 131	0.09 120	0.14 130	0.10 122	0.14 131	0.09 119	0.14 133	0.09 111	0.13 110	0.10 75	0.13 127	0.09 112	0.13 132	0.82 412

NLCSM	0.91 393	1.00 295	0.83 392	1.62 471	0.77 417	1.16 434	0.68 387	1.03 411	0.68 390	1.01 412	0.68 397	1.01 416	0.68 386	1.01 415	0.68 384	0.99 398	0.74 384	1.02 432	0.90 428	0.95 401	0.83 414

Selective-RAFT-Error	0.88 389	0.84 258	0.98 408	0.86 344	0.97 438	0.88 392	0.95 430	0.84 382	0.99 440	0.92 400	0.82 426	0.84 396	0.98 422	0.87 392	0.97 430	0.81 370	0.83 395	0.79 392	0.82 424	0.79 365	0.85 415

IGEVStereo-DCA	1.77 493	4.21 530	1.84 532	2.49 505	2.11 557	2.54 543	1.36 512	1.65 498	1.17 454	2.75 552	1.90 547	2.54 538	1.15 437	0.94 403	1.11 441	1.50 487	1.32 483	0.96 424	1.46 522	1.49 485	0.88 416

rrr	1.77 493	4.21 530	1.84 532	2.49 505	2.11 557	2.54 543	1.36 512	1.65 498	1.17 454	2.75 552	1.90 547	2.54 538	1.15 437	0.94 403	1.11 441	1.50 487	1.32 483	0.96 424	1.46 522	1.49 485	0.88 416

MM-Stereo_test2	1.20 427	1.85 421	1.05 414	1.46 462	0.94 436	1.36 493	0.99 433	1.36 487	0.95 434	1.41 493	0.98 437	1.40 498	0.96 420	1.37 494	0.95 428	1.37 480	1.06 410	1.33 501	0.93 433	1.29 478	0.89 418

4D-IteraStereo	0.78 358	3.13 502	0.89 395	0.69 322	0.32 271	0.40 258	0.32 259	0.76 373	0.97 437	0.52 342	0.65 391	0.89 400	0.32 272	0.76 380	0.98 431	0.83 375	0.94 403	0.35 256	0.27 238	0.70 354	0.89 418

DGTPSM_ROB	0.93 401	1.00 295	0.92 402	0.94 357	0.96 437	0.91 396	0.92 426	0.91 389	0.96 436	0.91 398	0.96 435	0.93 407	0.92 418	0.94 403	0.92 423	0.92 385	0.92 401	0.90 407	0.92 429	0.94 397	0.91 420

pmcnn	0.92 396	0.92 278	0.92 402	0.92 351	0.92 433	0.92 397	0.92 426	0.92 392	0.92 431	0.92 400	0.92 434	0.92 404	0.92 418	0.92 401	0.92 423	0.92 385	0.92 401	0.92 412	0.92 429	0.92 387	0.92 421

UPFNet	0.42 265	1.20 335	0.17 154	0.24 160	0.17 184	0.25 196	0.17 173	1.19 428	0.90 426	0.25 193	0.17 180	0.24 191	0.17 182	0.25 194	0.17 174	0.22 169	0.17 167	0.22 180	0.16 171	1.15 415	0.93 422

DPSM_ROB	0.92 396	0.91 273	0.91 400	0.91 348	0.92 433	0.92 397	0.92 426	0.92 392	0.91 427	0.93 402	0.91 431	0.92 404	0.90 416	0.91 397	0.92 423	0.92 385	0.91 399	0.91 410	0.92 429	0.93 391	0.93 422

DPSM	0.92 396	0.91 273	0.91 400	0.91 348	0.92 433	0.92 397	0.92 426	0.92 392	0.91 427	0.93 402	0.91 431	0.92 404	0.90 416	0.91 397	0.92 423	0.92 385	0.91 399	0.91 410	0.92 429	0.93 391	0.93 422

MM-Stereo_test3	1.27 479	2.07 437	1.18 425	1.60 468	1.02 445	1.45 499	1.01 437	1.40 491	1.04 446	1.44 494	1.03 442	1.46 500	1.02 430	1.44 497	1.02 437	1.51 489	1.12 424	1.32 500	0.98 434	1.38 482	0.97 425

delet	0.43 266	1.21 383	0.17 154	0.25 167	0.17 184	0.25 196	0.18 180	1.26 482	0.95 434	0.25 193	0.17 180	0.25 196	0.17 182	0.25 194	0.17 174	0.23 180	0.16 147	0.22 180	0.16 171	1.18 423	0.98 426

MMNet	0.44 271	1.24 391	0.17 154	0.25 167	0.17 184	0.25 196	0.18 180	1.26 482	0.93 432	0.25 193	0.17 180	0.25 196	0.18 190	0.25 194	0.17 174	0.23 180	0.16 147	0.23 188	0.16 171	1.20 426	0.99 427

psm_up	0.43 266	1.19 334	0.17 154	0.25 167	0.18 194	0.25 196	0.19 184	1.26 482	0.91 427	0.26 201	0.17 180	0.25 196	0.17 182	0.25 194	0.17 174	0.22 169	0.17 167	0.23 188	0.16 171	1.18 423	0.99 427

GANet	1.00 408	1.00 295	1.00 410	1.00 366	1.00 439	1.00 405	1.00 434	1.00 400	1.00 441	1.00 408	1.00 438	1.00 412	1.00 423	1.00 411	1.00 433	1.00 400	1.00 404	1.00 428	1.00 436	1.00 402	1.00 429

TDLM	1.00 408	1.00 295	1.00 410	1.00 366	1.00 439	1.00 405	1.00 434	1.00 400	1.00 441	1.00 408	1.00 438	1.00 412	1.00 423	1.00 411	1.00 433	1.00 400	1.00 404	1.00 428	1.00 436	1.00 402	1.00 429

CVANet_RVC	1.00 408	1.00 295	1.00 410	1.00 366	1.00 439	1.00 405	1.00 434	1.00 400	1.00 441	1.00 408	1.00 438	1.00 412	1.00 423	1.00 411	1.00 433	1.00 400	1.00 404	1.00 428	1.00 436	1.00 402	1.00 429

AIO-Stereo-zeroshot	0.91 393	0.86 261	0.89 395	1.25 443	0.69 401	1.05 417	0.81 417	1.16 423	0.50 360	1.12 432	0.97 436	0.72 381	0.82 414	1.06 425	0.95 428	0.61 343	0.87 397	1.03 435	0.85 427	1.04 408	1.01 432

trnet	1.01 414	1.01 303	1.01 413	1.01 369	1.01 443	1.01 409	1.01 437	1.01 404	1.01 444	1.01 412	1.01 441	1.01 416	1.01 429	1.01 415	1.01 436	1.01 403	1.01 407	1.01 431	1.01 440	1.01 405	1.01 432

ff7	1.68 489	2.68 478	1.35 487	0.97 363	0.89 428	1.84 506	2.15 557	2.12 514	1.80 542	2.05 519	1.56 525	2.33 525	2.12 548	2.23 522	2.25 560	1.31 472	1.07 411	1.48 508	1.41 516	0.90 383	1.04 434

ffff	1.68 489	2.68 478	1.35 487	0.97 363	0.89 428	1.84 506	2.15 557	2.12 514	1.80 542	2.05 519	1.56 525	2.33 525	2.12 548	2.23 522	2.25 560	1.31 472	1.07 411	1.48 508	1.41 516	0.90 383	1.04 434

ccc-4	1.68 489	2.68 478	1.35 487	0.97 363	0.89 428	1.84 506	2.15 557	2.12 514	1.80 542	2.05 519	1.56 525	2.33 525	2.12 548	2.23 522	2.25 560	1.31 472	1.07 411	1.48 508	1.41 516	0.90 383	1.04 434

edge stereo	2.43 547	27.07 606	1.14 419	1.06 373	1.14 451	1.08 422	1.17 449	1.16 423	1.14 448	1.10 426	1.16 449	1.09 430	1.16 441	1.10 431	1.16 448	1.10 409	1.11 421	1.16 440	1.19 450	1.13 412	1.11 437

Abc-Net	2.32 539	24.75 597	1.14 419	1.17 390	1.17 457	1.11 429	1.15 446	1.17 425	1.21 504	1.08 425	1.16 449	1.12 436	1.14 436	1.09 429	1.17 449	1.09 407	1.16 427	1.17 444	1.17 449	1.16 417	1.11 437
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
StereoVision	3.15 559	5.00 540	0.89 395	4.83 567	1.00 439	3.93 566	1.27 506	6.37 594	1.34 512	5.67 594	1.26 506	5.84 595	1.27 496	5.03 591	1.24 503	5.10 583	1.09 417	4.61 577	0.57 380	5.62 583	1.12 439

GLC_STEREO	1.07 419	1.01 303	1.06 415	1.07 374	1.05 447	1.06 418	1.08 441	1.08 415	1.05 447	1.07 424	1.06 443	1.08 428	1.05 431	1.06 425	1.10 440	1.07 406	1.09 417	1.05 436	1.05 441	1.06 409	1.12 439

AF-Net	2.37 544	25.71 601	1.17 423	1.13 381	1.15 452	1.15 433	1.18 450	1.19 428	1.16 450	1.10 426	1.15 446	1.10 432	1.18 442	1.12 435	1.15 445	1.10 409	1.10 420	1.17 444	1.15 446	1.16 417	1.12 439

RGC	2.36 542	25.48 599	1.19 427	1.15 384	1.15 452	1.10 426	1.16 448	1.17 425	1.16 450	1.12 432	1.16 449	1.11 435	1.13 434	1.09 429	1.18 450	1.10 409	1.15 426	1.16 440	1.12 444	1.14 413	1.12 439

KSHMR	0.66 331	0.50 211	0.48 308	1.15 384	0.52 372	0.49 326	0.51 365	0.49 313	0.71 406	0.67 373	0.50 367	1.16 439	1.11 433	0.66 368	0.52 360	0.49 309	0.49 325	0.51 358	0.66 399	0.50 324	1.14 443

4.25w-stereo	1.98 500	2.72 485	1.46 504	3.47 538	1.43 518	2.07 520	1.98 548	2.53 539	1.52 523	2.71 545	1.98 559	1.81 507	1.62 515	1.96 514	1.36 515	1.88 504	2.00 535	2.53 552	1.61 532	1.74 496	1.15 444

2w_stereo	1.99 501	2.36 465	1.81 523	3.24 526	1.67 529	1.94 511	1.98 548	2.72 542	1.68 527	2.72 546	1.94 550	1.98 514	1.74 525	1.79 508	1.27 507	1.95 508	2.00 535	2.53 552	1.60 531	1.68 493	1.15 444

Nwc_Net	2.37 544	25.95 602	1.15 421	1.14 382	1.15 452	1.08 422	1.14 445	1.17 425	1.16 450	1.14 435	1.15 446	1.08 428	1.15 437	1.11 433	1.14 444	1.10 409	1.11 421	1.16 440	1.09 443	1.16 417	1.15 444

4.5w-stereo	1.99 501	2.33 458	1.81 523	3.28 528	1.68 531	1.94 511	1.99 551	2.72 542	1.70 530	2.72 546	1.99 562	1.97 513	1.68 517	1.76 505	1.29 510	1.91 506	2.02 541	2.53 552	1.61 532	1.75 497	1.16 447

4.25_new	2.00 505	2.33 458	1.82 528	3.32 531	1.69 532	1.95 514	1.99 551	2.72 542	1.71 531	2.72 546	1.97 553	2.01 516	1.74 525	1.77 506	1.28 508	2.18 517	2.01 537	2.48 550	1.58 528	1.65 490	1.17 448

4.5w_new	2.00 505	2.33 458	1.82 528	3.32 531	1.69 532	1.95 514	1.99 551	2.72 542	1.71 531	2.72 546	1.97 553	2.01 516	1.74 525	1.77 506	1.28 508	2.18 517	2.01 537	2.48 550	1.58 528	1.65 490	1.17 448

RP	2.33 540	25.00 598	1.13 418	1.15 384	1.15 452	1.10 426	1.15 446	1.15 420	1.15 449	1.12 432	1.15 446	1.09 430	1.13 434	1.10 431	1.15 445	1.11 414	1.09 417	1.16 440	1.12 444	1.16 417	1.17 448

NCC-stereo	2.36 542	25.52 600	1.17 423	1.15 384	1.17 457	1.11 429	1.11 442	1.15 420	1.16 450	1.10 426	1.16 449	1.10 432	1.15 437	1.14 436	1.13 443	1.09 407	1.11 421	1.15 439	1.16 448	1.17 422	1.17 448

stereogan	2.33 540	24.38 596	1.18 425	1.18 391	1.18 459	1.14 432	1.18 450	1.19 428	1.19 456	1.14 435	1.18 453	1.14 437	1.18 442	1.14 436	1.18 450	1.14 417	1.14 425	1.19 448	1.19 450	1.15 415	1.19 452

FS-TRT-Baseline	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453
1853532: FS-TRT-Baseline: No-Enhancement Baseline for ETH3D Low-Res Two-View. Technical report (online)
FS-TRT-Harmonizegood	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453
1853532: FS-TRT-Harmonize: Photometric Harmonization for ETH3D Low-Res Two-View. Technical report (online)
DisPM	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

CrosDoStereo	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

PFNet+	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

LCNet	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

HHNet	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

Patchmatch Stereo++	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

STrans-v2	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

TransformOpticalFlow	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

OMP-Stereo	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

IIG-Stereo	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

NF-Stereo	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

OCTAStereo	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

PSM-softLoss	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

KMStereo	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

NRIStereo	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

PSM-adaLoss	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

PSM-AAD	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

FTStereo	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

ROB_FTStereo_v2	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

ROB_FTStereo	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

Consistency-Raft	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

KYRaft	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

HUI-Stereo	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

ASMatch	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

DeepStereo_LL	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

DEmStereo	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

SST-Stereo	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

THIR-Stereo	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

RAFT_R40	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

DRaft	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

PFNet	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

GrayStereo	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

RE-Stereo	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

Pruner-Stereo	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

TVStereo	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

DeepStereo_RVC	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

RAFT-RH_RVC	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

IRAFT_RVC	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

RAFT-345	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

iRAFT	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

CRE-IMP	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

GMM-Stereo	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

RAFT-IKP	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

Prome-Stereo	1.20 427	1.20 335	1.20 430	1.20 393	1.20 460	1.20 437	1.20 452	1.20 431	1.20 457	1.20 439	1.20 454	1.20 442	1.20 444	1.20 442	1.20 454	1.20 420	1.20 432	1.20 449	1.20 453	1.20 426	1.20 453

SPS-STEREO	1.59 487	1.91 428	1.21 478	1.94 480	1.20 460	2.00 517	1.23 501	1.99 508	1.24 507	2.00 514	1.25 505	2.03 518	1.26 495	2.00 516	1.29 510	1.90 505	1.18 431	1.89 526	1.21 500	1.89 502	1.20 453
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
2.75w_new	1.99 501	2.34 462	1.81 523	3.14 522	1.62 526	1.94 511	1.99 551	2.72 542	1.71 531	2.72 546	1.99 562	1.90 509	1.73 523	1.82 510	1.29 510	2.37 534	2.01 537	2.31 539	1.42 519	1.77 498	1.22 501

GANetREF_RVC	1.55 486	1.94 434	1.22 479	1.88 477	1.21 508	1.88 509	1.22 500	1.88 503	1.22 505	1.88 506	1.22 502	1.88 508	1.22 493	1.89 512	1.22 502	1.87 501	1.22 481	1.88 525	1.22 501	1.88 501	1.22 501
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
S-Stereo	2.51 549	26.86 604	1.23 481	1.22 440	1.22 510	1.24 487	1.25 503	1.22 479	1.24 507	1.21 486	1.24 504	1.19 441	1.27 496	1.19 441	1.24 503	1.19 419	1.20 432	1.25 498	1.19 450	1.24 476	1.23 503

3.75w	1.99 501	2.31 456	1.83 531	3.16 524	1.65 528	1.93 510	1.98 548	2.72 542	1.68 527	2.73 551	1.97 553	2.00 515	1.72 522	1.81 509	1.25 506	2.27 525	2.01 537	2.38 544	1.42 519	1.71 494	1.24 504

CFNet-ft	0.55 314	1.57 406	0.14 128	0.20 138	0.14 160	0.20 165	2.53 562	1.61 494	0.14 160	0.20 162	0.14 164	0.20 163	0.14 161	0.20 162	0.14 154	0.17 144	0.12 114	0.17 155	0.12 149	1.56 487	1.24 504

FAT-Stereo	2.46 548	26.05 603	1.23 481	1.23 442	1.22 510	1.20 437	1.24 502	1.23 481	1.23 506	1.19 438	1.22 502	1.21 489	1.24 494	1.20 442	1.24 503	1.21 467	1.17 430	1.22 497	1.25 505	1.20 426	1.24 504

MaDis-Stereo	3.19 560	6.02 561	1.12 417	5.61 576	1.16 456	5.43 592	1.02 439	5.15 591	0.70 401	5.43 591	1.21 501	5.03 592	0.97 421	4.85 585	0.99 432	4.53 564	1.16 427	5.53 593	1.25 505	5.37 581	1.30 507

11t	1.27 479	2.70 481	1.34 485	1.32 453	0.89 428	1.30 490	1.34 509	1.64 497	0.57 372	1.45 495	0.72 415	1.05 427	1.29 498	1.07 428	1.29 510	1.49 486	1.02 408	0.97 426	1.15 446	1.48 484	1.31 508

tt45	1.04 418	0.88 265	1.36 495	0.92 351	1.03 446	1.51 501	0.79 412	0.70 369	0.88 425	0.74 384	0.90 428	1.60 502	0.72 402	1.60 499	0.75 409	0.91 382	0.78 388	1.52 511	0.79 419	1.14 413	1.32 509

MM-Stereo_test1	1.80 495	3.41 508	1.52 510	2.12 487	1.41 517	2.04 518	1.41 520	2.05 512	1.46 522	2.04 518	1.41 520	2.05 519	1.42 509	2.05 517	1.43 520	2.04 513	1.54 510	1.94 527	1.38 515	1.99 504	1.33 510

MC-Stereo	1.76 492	2.96 497	1.37 497	2.14 488	1.37 514	2.14 523	1.36 512	2.14 517	1.37 517	2.14 523	1.37 516	2.14 520	1.37 506	2.14 521	1.37 516	1.97 509	1.32 483	1.97 528	1.32 509	1.98 503	1.33 510

CC-Net-ROB	1.36 482	1.33 397	1.33 484	1.36 457	1.38 515	1.36 493	1.33 508	1.37 489	1.34 512	1.35 490	1.36 515	1.38 495	1.34 502	1.38 495	1.38 517	1.35 476	1.38 499	1.33 501	1.35 510	1.43 483	1.34 512

MaskLacGwcNet_RVC	1.35 481	1.35 398	1.35 487	1.35 456	1.35 512	1.35 491	1.35 510	1.36 487	1.35 515	1.36 491	1.35 513	1.36 494	1.36 504	1.36 493	1.35 514	1.35 476	1.35 495	1.35 504	1.35 510	1.35 480	1.35 513

RASNet	1.49 485	1.65 409	1.45 503	1.38 460	1.43 518	1.47 500	1.36 512	1.38 490	1.36 516	1.39 492	1.60 529	1.45 499	1.45 510	1.51 498	2.21 559	1.53 490	1.36 496	1.36 506	1.36 512	1.66 492	1.36 514

PS-NSSS	1.38 484	1.39 400	1.34 485	1.34 455	1.35 512	1.38 495	1.37 517	1.35 486	1.38 518	1.34 489	1.34 512	1.39 496	1.38 507	1.70 503	1.40 518	1.36 478	1.36 496	1.36 506	1.37 513	1.37 481	1.36 514

MIF-Stereo (partial)	2.58 551	3.31 507	0.66 355	3.18 525	0.66 396	3.18 559	0.66 381	3.21 558	0.67 387	3.19 559	0.66 393	3.19 559	0.66 381	3.31 561	0.68 384	5.09 582	1.79 529	8.23 601	1.67 538	6.18 585	1.38 516

999	1.00 408	1.12 324	0.59 340	1.10 376	1.21 508	1.09 424	0.52 366	1.08 415	1.43 521	1.18 437	1.35 513	0.98 411	0.52 364	0.91 397	0.85 420	0.72 360	1.46 503	0.83 402	0.98 434	0.68 349	1.41 517

sCroCo_RVC	2.10 521	2.76 489	1.92 542	2.78 516	1.39 516	2.73 551	1.41 520	2.73 548	1.40 519	2.77 557	1.41 520	2.74 553	1.40 508	2.74 552	1.40 518	2.72 550	1.42 501	2.72 556	1.44 521	2.79 541	1.42 518

RAFT_CTSACE	1.92 498	3.71 515	1.72 520	1.88 477	1.72 536	2.04 518	1.42 522	2.18 519	1.89 553	2.02 516	1.97 553	1.95 511	2.06 547	1.93 513	1.62 526	1.76 496	1.66 521	2.02 529	1.73 546	1.73 495	1.43 519

MonStereo1	1.94 499	2.77 491	1.52 510	3.73 549	1.51 521	2.13 522	1.42 522	2.32 527	1.52 523	2.31 531	1.50 523	2.53 535	1.59 512	2.34 529	1.56 523	1.91 506	1.36 496	1.86 521	1.31 508	2.07 505	1.53 520

1w_stereo	2.05 520	2.32 457	1.35 487	3.74 550	2.01 551	2.73 551	1.42 522	1.88 503	1.93 555	2.03 517	1.28 508	2.71 547	1.99 543	2.72 549	1.72 535	2.20 519	1.32 483	1.87 522	1.86 549	2.45 523	1.54 521

test_xeample3	1.10 421	1.81 418	0.61 347	0.84 341	0.49 362	0.77 380	0.66 381	0.92 392	1.40 519	0.68 375	0.46 350	0.78 388	0.54 368	1.72 504	1.48 521	1.34 475	1.52 507	1.35 504	1.67 538	1.33 479	1.55 522

LGtest1	2.22 533	2.70 481	1.89 539	2.76 512	1.86 543	2.75 553	1.86 541	2.75 549	1.86 547	2.75 552	1.86 541	2.77 556	1.87 531	2.75 553	1.86 547	2.46 539	1.58 513	2.45 547	1.56 524	2.45 523	1.56 523

LG-G_1	2.22 533	2.71 483	1.89 539	2.77 513	1.87 546	2.75 553	1.87 543	2.76 550	1.87 551	2.75 552	1.87 542	2.76 554	1.87 531	2.75 553	1.86 547	2.47 540	1.58 513	2.45 547	1.57 525	2.45 523	1.57 524

LG-G	2.22 533	2.71 483	1.89 539	2.77 513	1.87 546	2.75 553	1.87 543	2.76 550	1.87 551	2.75 552	1.87 542	2.76 554	1.87 531	2.75 553	1.86 547	2.47 540	1.58 513	2.45 547	1.57 525	2.45 523	1.57 524

3w_stereo	2.04 518	2.24 452	1.70 517	3.15 523	2.18 563	2.49 537	1.26 505	2.03 511	1.98 557	1.98 512	1.33 511	2.72 551	1.99 543	2.59 541	1.72 535	2.22 521	1.33 490	1.85 518	1.88 555	2.50 529	1.58 526

DPSMNet_ROB	1.60 488	1.59 407	1.70 517	1.59 465	1.59 524	1.61 503	1.61 528	1.60 493	1.60 525	1.62 503	1.59 528	1.60 502	1.60 513	1.60 499	1.59 525	1.59 491	1.60 517	1.59 512	1.59 530	1.59 488	1.59 527

asd	2.18 526	2.77 491	1.58 512	3.59 543	2.00 550	2.58 545	1.85 540	2.39 532	1.71 531	2.47 538	1.97 553	2.59 542	1.61 514	2.56 539	1.79 542	2.51 543	1.99 534	2.11 534	1.62 534	2.36 519	1.60 528

4.5_new	2.00 505	1.84 420	1.98 545	2.77 513	2.16 559	2.27 525	1.28 507	2.09 513	1.98 557	2.01 515	1.28 508	2.71 547	1.98 541	2.51 538	1.65 528	2.26 522	1.33 490	1.87 522	1.87 550	2.49 527	1.60 528

IGEV	2.02 513	2.20 448	1.82 528	2.90 518	2.16 559	2.41 533	1.25 503	2.00 509	1.98 557	1.99 513	1.31 510	2.72 551	1.93 537	2.67 546	1.69 532	2.26 522	1.32 483	1.83 517	1.87 550	2.53 534	1.61 530

2.25w	2.00 505	1.86 423	1.98 545	2.95 519	2.17 561	2.26 524	1.35 510	2.42 533	2.00 560	2.07 522	1.27 507	2.53 535	1.99 543	2.29 526	1.49 522	2.21 520	1.32 483	1.85 518	1.87 550	2.52 531	1.62 531

3.25w	2.04 518	2.20 448	1.48 505	3.03 520	2.17 561	2.63 547	1.39 518	1.96 506	1.95 556	1.96 509	1.37 516	2.71 547	1.96 540	2.71 547	1.73 540	2.26 522	1.32 483	1.87 522	1.87 550	2.51 530	1.63 532

UDGNet	2.23 536	5.40 551	1.72 520	2.48 504	1.69 532	2.51 540	1.69 532	2.51 538	1.72 535	2.50 540	1.69 536	2.52 534	1.69 519	2.50 537	1.68 531	2.41 537	1.70 523	2.42 546	1.69 542	2.42 521	1.64 533

MFMNet_re	1.81 496	1.91 428	1.71 519	1.95 482	1.70 535	1.95 514	1.70 533	1.96 506	1.74 538	1.97 511	1.72 537	1.95 511	1.71 521	1.97 515	1.71 533	1.86 499	1.62 518	1.85 518	1.66 537	1.86 500	1.64 533

Anonymous3	2.55 550	3.26 506	1.65 515	3.28 528	1.63 527	3.24 560	1.68 531	3.27 559	1.66 526	3.28 560	1.67 534	3.25 560	1.66 516	3.27 559	1.64 527	3.26 554	1.65 520	3.30 559	1.65 536	4.95 576	1.65 535

MonStereo	2.17 524	2.41 468	1.49 509	2.67 510	1.67 529	2.60 546	2.04 555	2.32 527	1.76 539	2.44 536	1.68 535	2.50 533	1.69 519	2.38 530	1.80 543	2.28 526	1.78 527	2.63 555	2.14 558	3.47 545	1.68 536

qwe	2.18 526	2.60 475	1.58 512	3.83 551	1.90 548	2.53 541	1.90 546	2.48 535	1.73 536	2.37 534	1.92 549	2.53 535	1.68 517	2.56 539	1.83 544	2.52 545	1.87 533	2.07 530	1.68 540	2.32 517	1.71 537

TRStereo	2.00 505	2.13 442	1.85 534	2.27 494	1.84 540	2.28 527	1.84 537	2.29 522	1.86 547	2.30 528	1.87 542	2.30 522	1.87 531	2.08 518	1.72 535	2.08 514	1.72 524	2.08 531	1.72 543	2.08 506	1.72 538

XX-Stereo	2.00 505	2.13 442	1.85 534	2.27 494	1.84 540	2.28 527	1.84 537	2.29 522	1.86 547	2.30 528	1.87 542	2.30 522	1.87 531	2.08 518	1.72 535	2.08 514	1.72 524	2.08 531	1.72 543	2.08 506	1.72 538

EAI-Stereo	2.00 505	2.13 442	1.85 534	2.27 494	1.84 540	2.28 527	1.84 537	2.29 522	1.86 547	2.30 528	1.87 542	2.30 522	1.87 531	2.08 518	1.72 535	2.08 514	1.72 524	2.08 531	1.72 543	2.08 506	1.72 538

cf-r	0.66 331	2.17 446	0.12 103	0.18 132	0.12 155	0.18 157	2.70 565	2.60 540	0.12 155	0.18 154	0.12 147	0.18 156	0.12 152	0.18 155	0.12 144	0.15 126	0.11 98	0.15 144	0.11 131	1.81 499	1.74 541

asda	2.17 524	2.54 472	1.81 523	3.47 538	1.78 538	2.50 539	1.86 541	2.61 541	1.68 527	2.61 543	1.83 539	2.37 529	1.73 523	2.44 536	1.88 551	2.51 543	1.84 531	2.34 541	1.62 534	2.23 511	1.77 542

U	5.15 594	8.49 573	1.81 523	8.49 590	1.77 537	8.49 601	1.77 535	8.51 602	1.77 540	8.49 602	1.77 538	8.50 602	1.78 528	8.58 602	1.77 541	8.54 600	1.78 527	8.55 602	1.78 547	8.55 596	1.84 543

FBW_ROB	2.12 523	2.46 471	1.77 522	2.49 505	1.79 539	2.38 531	1.83 536	2.46 534	1.78 541	2.48 539	1.97 553	2.40 530	1.78 528	2.42 535	1.83 544	2.31 530	1.85 532	2.38 544	1.82 548	2.35 518	1.84 543

monsterstereo	2.20 532	2.33 458	1.95 543	3.65 545	2.07 556	2.49 537	1.61 528	2.48 535	1.83 545	2.45 537	1.61 531	2.67 546	1.86 530	2.64 543	1.94 553	2.48 542	1.66 521	2.34 541	1.68 540	2.40 520	1.86 545

monsters	2.18 526	2.41 468	1.96 544	3.47 538	2.03 555	2.53 541	1.64 530	2.48 535	1.73 536	2.40 535	1.50 523	2.62 543	1.94 538	2.59 541	1.94 553	2.44 538	1.57 512	2.28 537	1.87 550	2.42 521	1.86 545

2.5w	2.01 512	2.40 467	1.37 497	3.28 528	2.01 551	2.71 548	1.43 525	1.82 502	1.83 545	1.90 508	1.41 520	2.71 547	1.35 503	2.71 547	1.85 546	2.66 546	1.53 508	1.64 513	1.23 502	2.53 534	1.87 547

3.25w_new	2.03 515	2.72 485	1.35 487	3.33 533	1.57 522	2.72 549	1.53 527	2.15 518	1.33 511	2.15 524	1.60 529	2.63 544	1.30 499	2.72 549	1.99 557	2.67 548	1.53 508	1.75 516	1.25 505	2.53 534	1.87 547

3.5w_stereo	2.03 515	2.72 485	1.35 487	3.41 535	1.57 522	2.72 549	1.49 526	2.01 510	1.34 512	2.15 524	1.61 531	2.63 544	1.36 504	2.72 549	1.99 557	2.66 546	1.58 513	1.68 515	1.24 503	2.53 534	1.87 547

4w-stereo	2.02 513	2.72 485	1.44 502	3.36 534	1.59 524	2.48 536	1.72 534	2.28 520	1.24 507	2.24 526	1.65 533	2.56 540	1.32 501	2.39 532	1.98 556	2.67 548	1.51 506	1.66 514	1.24 503	2.53 534	1.88 550

GANet-RSSM	0.75 350	1.91 428	0.14 128	0.47 263	0.14 160	0.21 176	3.21 582	2.30 526	0.14 160	0.46 299	0.14 164	0.23 185	0.18 190	0.21 173	0.14 154	0.18 152	0.27 205	0.37 264	0.13 157	2.13 509	2.12 551

HUF	2.18 526	2.30 455	1.99 548	2.34 500	2.02 554	2.41 533	2.06 556	2.38 531	1.89 553	2.36 533	1.85 540	2.56 540	1.98 541	2.31 528	1.97 555	2.30 529	2.03 542	2.30 538	2.11 557	2.23 511	2.16 552

AIO_test	2.18 526	2.09 440	2.04 549	2.42 502	2.01 551	2.47 535	1.94 547	2.34 529	2.03 561	2.56 542	1.94 550	2.43 531	1.94 538	2.41 533	1.87 550	2.39 536	2.10 544	2.35 543	1.91 556	2.25 513	2.19 553

AIO_rvc	2.18 526	2.34 462	1.87 538	2.32 498	1.94 549	2.40 532	1.89 545	2.37 530	2.07 562	2.52 541	1.95 552	2.44 532	1.99 543	2.41 533	1.89 552	2.32 531	2.09 543	2.24 535	2.18 559	2.21 510	2.23 554

NCCL2	2.28 538	2.27 453	2.28 551	2.28 497	2.28 564	2.27 525	2.29 560	2.28 520	2.28 563	2.27 527	2.28 565	2.28 521	2.27 551	2.27 525	2.28 564	2.28 526	2.28 549	2.27 536	2.29 563	2.27 514	2.29 555

PSMNet-RSSM	0.77 355	2.76 489	0.14 128	0.20 138	0.14 160	0.20 165	2.66 563	2.79 553	0.14 160	0.21 174	0.14 164	0.21 171	0.14 161	0.20 162	0.14 154	0.17 144	0.12 114	0.17 155	0.12 149	2.52 531	2.31 556

GwcNet-RSSM	0.77 355	2.77 491	0.14 128	0.20 138	0.14 160	0.20 165	2.67 564	2.78 552	0.14 160	0.20 162	0.14 164	0.20 163	0.14 161	0.21 173	0.14 154	0.17 144	0.12 114	0.17 155	0.12 149	2.52 531	2.31 556

hitnet-ft	0.79 359	2.78 494	0.14 128	0.20 138	0.14 160	0.21 176	2.89 566	2.80 554	0.14 160	0.20 162	0.14 164	0.20 163	0.14 161	0.20 162	0.14 154	0.17 144	0.12 114	0.17 155	0.12 149	2.54 539	2.33 558

STTStereo	3.73 564	30.40 610	2.37 555	2.39 501	2.31 566	2.35 530	2.33 561	2.29 522	2.42 564	2.32 532	2.34 566	2.33 525	2.36 552	2.30 527	2.27 563	2.35 533	2.22 548	2.31 539	2.22 560	2.29 516	2.34 559

sAnonymous2	3.31 561	2.63 476	1.38 499	3.71 547	1.86 543	4.70 584	1.11 442	4.82 587	2.72 566	5.45 592	1.98 559	4.59 577	2.64 553	2.65 544	6.21 598	4.37 560	1.08 415	5.16 591	2.24 561	4.52 558	2.39 560

CroCo_RVC	3.31 561	2.63 476	1.38 499	3.71 547	1.86 543	4.70 584	1.11 442	4.82 587	2.72 566	5.45 592	1.98 559	4.59 577	2.64 553	2.65 544	6.21 598	4.37 560	1.08 415	5.16 591	2.24 561	4.52 558	2.39 560

Sa-1000	4.34 582	8.37 570	6.84 595	6.98 585	4.45 595	3.58 562	3.00 567	3.42 562	3.39 582	2.61 543	4.00 591	3.83 566	4.01 584	3.90 566	3.90 587	5.98 589	5.62 584	3.76 566	2.34 564	4.35 556	2.47 562

NLCA_NET_v2_RVC	5.04 592	50.87 620	2.78 559	2.87 517	2.71 567	2.78 556	0.47 348	2.88 555	2.86 568	1.89 507	2.67 567	2.79 557	2.79 556	2.78 556	2.83 565	2.82 551	2.82 553	2.83 557	2.77 566	2.83 542	2.76 563
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
IGEV-FE	0.35 213	0.37 152	0.17 154	0.19 135	0.17 184	0.20 165	0.17 173	0.19 157	0.17 182	0.19 156	0.17 180	0.19 160	0.17 182	0.37 244	0.36 286	0.19 156	0.17 167	0.19 168	0.17 191	0.38 257	2.84 564

Select-FE	0.41 254	0.44 183	0.23 180	0.26 174	0.22 212	0.26 204	0.22 199	0.26 196	0.23 208	0.26 201	0.23 212	0.26 206	0.23 212	0.45 298	0.42 328	0.25 193	0.22 187	0.25 199	0.22 205	0.45 296	2.90 565

MLG-Stereo_test1	4.25 577	5.34 550	3.61 577	5.31 572	3.63 586	5.23 590	3.57 585	5.38 592	3.65 583	5.23 589	3.47 582	4.76 586	3.74 576	4.85 585	3.71 583	4.96 578	3.18 567	4.71 583	2.92 567	4.86 574	2.90 565

MLG-Stereo_test3	4.26 578	4.85 538	3.95 581	5.35 573	3.60 585	4.75 587	3.76 588	5.49 593	3.71 585	5.39 590	3.69 586	4.82 588	3.66 573	4.85 585	3.73 586	4.93 577	3.19 568	4.69 582	2.99 569	4.84 573	2.98 567

rvit_0105_6	3.87 569	5.73 558	3.10 571	4.69 565	3.12 579	4.54 574	3.02 569	4.56 574	3.04 569	4.54 575	3.03 570	4.54 573	3.04 560	4.56 574	3.05 568	4.58 569	3.05 555	4.58 574	3.05 570	4.58 561	3.05 568

rvit_105_1	3.83 565	5.22 544	3.01 561	4.53 555	3.01 569	4.51 572	3.01 568	4.56 574	3.04 569	4.53 573	3.03 570	4.55 575	3.03 557	4.56 574	3.04 566	4.57 566	3.05 555	4.57 572	3.05 570	4.57 560	3.05 568

rvit_stereo_0081	3.83 565	5.23 545	3.01 561	4.53 555	3.03 571	4.55 578	3.02 569	4.56 574	3.04 569	4.52 571	3.02 568	4.54 573	3.03 557	4.56 574	3.04 566	4.57 566	3.05 555	4.57 572	3.05 570	4.58 561	3.05 568

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

rvit_stereo_0081_aga	3.86 567	5.33 548	3.02 564	4.55 561	3.04 575	4.54 574	3.02 569	4.64 581	3.06 573	4.54 575	3.04 572	4.62 582	3.08 564	4.62 580	3.07 571	4.58 569	3.06 559	4.60 576	3.08 574	4.63 564	3.07 572

RAFT-FEzeroshot	0.34 204	0.26 131	0.17 154	0.21 148	0.17 184	0.20 165	0.16 165	0.20 163	0.16 174	0.20 162	0.17 180	0.21 171	0.16 173	0.27 208	0.24 207	0.19 156	0.16 147	0.19 168	0.16 171	0.26 190	3.08 573

RAFT-FE	0.34 204	0.26 131	0.17 154	0.21 148	0.17 184	0.20 165	0.16 165	0.20 163	0.16 174	0.20 162	0.17 180	0.21 171	0.16 173	0.27 208	0.24 207	0.19 156	0.16 147	0.19 168	0.16 171	0.26 190	3.08 573

rvit_stereo_0080	3.89 570	5.70 556	3.04 566	4.54 558	3.03 571	4.56 579	3.05 575	4.60 578	3.07 574	4.58 578	3.06 573	4.59 577	3.06 562	4.61 578	3.08 572	4.63 571	3.09 560	4.64 578	3.10 575	4.65 565	3.10 575

whm_eth	3.89 570	5.70 556	3.04 566	4.54 558	3.03 571	4.56 579	3.05 575	4.60 578	3.07 574	4.58 578	3.06 573	4.59 577	3.06 562	4.61 578	3.08 572	4.63 571	3.09 560	4.64 578	3.10 575	4.65 565	3.10 575

rvit_stereo_0083	3.92 574	5.30 547	3.06 569	4.61 564	3.09 578	4.67 583	3.08 578	4.66 582	3.09 578	4.62 581	3.10 578	4.66 585	3.11 566	4.67 582	3.16 577	4.72 576	3.16 565	4.77 585	3.11 577	4.66 567	3.11 577

MLG-Stereo_test2	4.28 579	5.46 554	3.69 579	4.86 568	3.72 588	5.58 593	3.42 583	4.81 586	3.77 589	4.85 585	3.72 587	5.55 594	3.63 572	5.58 592	3.53 581	4.41 563	3.28 569	4.99 589	2.95 568	4.75 569	3.13 578

rvit_0105_3	3.91 572	5.33 548	3.06 569	4.60 563	3.07 577	4.60 581	3.06 577	4.62 580	3.08 577	4.60 580	3.07 576	4.62 582	3.08 564	4.67 582	3.10 575	4.70 574	3.11 562	4.77 585	3.19 581	4.77 570	3.14 579

rvit_0105_4	3.91 572	5.47 555	3.02 564	4.54 558	3.02 570	4.54 574	3.03 573	4.75 584	3.17 580	4.57 577	3.06 573	4.61 581	3.16 568	4.65 581	3.09 574	4.66 573	3.11 562	4.68 581	3.18 580	4.81 571	3.16 580

rvit_stereo_ft	3.93 575	5.44 553	3.05 568	4.59 562	3.06 576	4.61 582	3.08 578	4.67 583	3.12 579	4.63 582	3.10 578	4.65 584	3.11 566	4.69 584	3.13 576	4.70 574	3.14 564	4.71 583	3.15 579	4.74 568	3.16 580

raft_robust	4.71 587	7.75 568	5.40 590	6.81 582	3.31 581	4.28 571	4.20 594	4.32 571	4.37 595	4.35 570	4.35 594	4.14 569	3.75 577	4.30 572	4.20 592	6.67 592	6.37 587	3.36 561	4.24 595	4.86 574	3.25 582

rvit_0105_5	4.10 576	5.40 551	3.13 574	4.71 566	3.15 580	4.72 586	3.10 580	4.90 589	3.27 581	4.69 583	3.16 580	4.84 589	3.25 569	4.96 588	3.34 579	5.05 581	3.39 570	5.10 590	3.40 582	5.11 578	3.42 583

DispFullNet	4.61 585	4.84 537	3.12 572	5.00 570	3.57 584	4.75 587	3.03 573	7.75 600	4.17 593	4.91 587	3.09 577	6.20 596	3.95 582	6.71 596	3.51 580	5.30 584	3.67 572	5.86 597	3.63 584	5.61 582	3.46 584

SA	4.33 581	7.35 564	6.85 596	5.96 578	4.09 592	3.59 563	3.15 581	3.82 566	2.64 565	3.91 564	3.85 588	3.57 562	2.72 555	3.13 558	4.03 589	7.09 596	6.86 591	3.57 562	3.12 578	3.85 548	3.51 585

DPSNet	3.66 563	3.60 511	3.62 578	3.63 544	3.64 587	3.65 564	3.65 587	3.66 564	3.67 584	3.67 563	3.65 585	3.67 564	3.66 573	3.66 563	3.68 582	3.68 558	3.66 571	3.67 564	3.68 587	3.67 546	3.67 586

RAFT+CT+SA	4.28 579	7.62 567	4.91 585	5.55 575	2.28 564	3.09 557	3.64 586	4.49 572	3.07 574	4.80 584	3.35 581	4.77 587	3.70 575	4.29 571	3.05 568	5.58 585	5.98 586	3.58 563	3.78 589	4.26 554	3.72 587

test_4	4.88 589	8.13 569	6.98 597	7.46 586	4.44 594	4.25 570	3.85 591	4.04 570	3.92 590	4.13 567	3.91 589	4.18 570	3.84 580	4.14 569	4.06 590	7.01 595	7.13 592	4.53 570	3.72 588	4.09 552	3.72 587

TestStereo1	4.60 583	8.41 571	6.44 593	6.86 583	3.79 589	3.97 567	3.78 589	3.99 568	3.74 586	3.97 565	3.52 583	3.94 567	3.58 570	3.98 567	3.72 584	6.82 593	6.50 589	3.76 566	3.66 585	3.90 549	3.74 589

SA-5K	4.60 583	8.41 571	6.44 593	6.86 583	3.79 589	3.97 567	3.78 589	3.99 568	3.74 586	3.97 565	3.52 583	3.94 567	3.58 570	3.98 567	3.72 584	6.82 593	6.50 589	3.76 566	3.66 585	3.90 549	3.74 589

FC-DCNN v2	5.10 593	5.15 542	4.49 583	5.07 571	3.37 582	6.87 596	4.75 596	5.04 590	6.34 600	7.84 600	5.06 597	6.72 600	4.09 585	4.99 589	5.44 597	5.03 580	3.16 565	4.67 580	4.86 596	5.15 579	3.89 591

cross-raft	4.83 588	7.52 565	6.43 592	6.63 581	3.96 591	4.51 572	3.99 592	4.49 572	3.96 591	4.52 571	3.96 590	4.50 572	3.97 583	4.50 573	3.97 588	6.65 591	6.44 588	4.33 569	3.92 591	4.35 556	3.91 592

test_5	4.62 586	7.55 566	6.23 591	6.32 580	3.40 583	5.29 591	3.50 584	3.53 563	4.11 592	4.28 568	4.47 595	4.26 571	4.38 587	3.68 564	3.24 578	5.89 587	5.60 583	4.84 587	3.50 583	4.33 555	3.93 593

SGM-Forest	5.21 595	5.92 560	4.08 582	6.18 579	4.16 593	6.31 595	4.34 595	6.50 595	4.33 594	6.14 596	4.21 593	6.61 599	4.55 588	6.67 595	4.48 593	5.94 588	3.94 574	5.85 596	4.03 593	5.79 584	4.17 594
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test_3	5.01 591	8.86 576	7.77 599	8.09 588	2.76 568	4.13 569	4.05 593	3.88 567	3.76 588	4.33 569	4.13 592	3.71 565	3.91 581	4.21 570	4.06 590	7.93 597	7.69 594	4.53 570	3.91 590	4.17 553	4.29 595

TestStereo	4.88 589	4.75 536	4.79 584	4.87 569	4.92 596	4.81 589	4.90 597	4.78 585	4.77 596	4.87 586	4.89 596	4.90 590	4.91 589	4.99 589	4.79 594	4.98 579	4.87 580	4.87 588	4.92 597	5.00 577	5.00 596

SGM+DAISY	7.06 599	9.15 577	5.38 589	8.84 592	5.18 597	8.80 602	5.31 599	8.79 603	5.28 598	8.89 603	5.20 598	8.93 603	5.33 591	8.95 603	5.36 596	8.70 601	5.21 581	8.74 603	5.20 598	8.89 597	5.15 597

rvit_stereo_0075_2	6.64 597	8.80 575	5.25 587	7.89 587	5.27 598	7.90 600	5.27 598	7.92 601	5.28 598	7.91 601	5.29 599	7.93 601	5.27 590	7.92 601	5.28 595	7.93 597	5.28 582	7.93 600	5.29 599	7.93 593	5.28 598

test-1	6.46 596	9.16 578	8.03 602	8.09 588	5.62 599	6.11 594	6.35 600	6.85 597	4.94 597	6.08 595	6.29 602	4.98 591	6.43 594	6.22 593	6.36 600	6.16 590	7.47 593	5.82 595	5.44 600	7.11 590	5.68 599

RAFT	6.73 598	9.36 579	7.40 598	8.51 591	6.55 600	6.88 597	6.60 601	6.79 596	6.60 601	6.80 597	6.72 603	5.31 593	5.50 592	6.61 594	6.61 601	8.42 599	5.89 585	5.73 594	5.45 601	6.61 586	6.24 600

CFNet_RVC	2.38 546	8.71 574	0.38 258	9.33 593	0.42 342	0.56 356	0.42 333	0.60 356	0.38 306	0.62 366	0.42 340	0.56 360	7.29 598	0.62 361	0.42 328	0.53 326	0.37 262	0.49 349	0.34 295	8.30 594	6.87 601

test-v	7.53 600	11.89 587	7.98 600	9.36 594	7.14 601	7.06 598	7.09 602	7.37 598	6.91 602	7.29 598	5.71 600	6.45 597	6.93 595	6.73 597	7.27 602	8.93 602	7.85 595	6.98 598	6.80 602	7.56 591	7.34 602

test-2	7.53 600	11.89 587	7.98 600	9.36 594	7.14 601	7.06 598	7.09 602	7.37 598	6.91 602	7.29 598	5.71 600	6.45 597	6.93 595	6.73 597	7.27 602	8.93 602	7.85 595	6.98 598	6.80 602	7.56 591	7.34 602

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

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

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

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

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

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

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

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

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

fff	1000028.16 630	29.62 607	29.72 611	32.61 610	30.02 611	35.13 612	31.83 613	32.07 612	10000000.00 631	35.27 614	29.82 613	32.45 612	30.15 612	32.35 612	30.09 612	31.04 612	29.55 613	30.64 612	30.14 612	10000000.00 631	30.77 613

csc	1000028.16 630	29.62 607	29.72 611	32.61 610	30.02 611	35.13 612	31.83 613	32.07 612	10000000.00 631	35.27 614	29.82 613	32.45 612	30.15 612	32.35 612	30.09 612	31.04 612	29.55 613	30.64 612	30.14 612	10000000.00 631	30.77 613

cscssc	1000028.16 630	29.62 607	29.72 611	32.61 610	30.02 611	35.13 612	31.83 613	32.07 612	10000000.00 631	35.27 614	29.82 613	32.45 612	30.15 612	32.35 612	30.09 612	31.04 612	29.55 613	30.64 612	30.14 612	10000000.00 631	30.77 613

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

tt	500032.53 628	34.60 613	29.72 611	37.47 619	34.41 616	36.85 616	35.22 617	34.71 615	33.55 614	34.50 612	35.43 616	33.81 615	10000000.00 632	33.57 615	33.13 616	33.68 615	35.00 617	34.03 616	35.26 618	30.96 612	34.63 617

DCANet	500032.53 628	34.60 613	29.72 611	37.47 619	34.41 616	36.85 616	35.22 617	34.71 615	33.55 614	34.50 612	35.43 616	33.81 615	10000000.00 632	33.57 615	33.13 616	33.68 615	35.00 617	34.03 616	35.26 618	30.96 612	34.63 617

DCANet-4	35.22 612	34.54 612	35.08 617	33.58 614	35.47 618	34.55 611	35.53 619	36.08 617	35.85 616	35.92 617	35.77 618	35.18 617	35.48 617	35.39 617	37.15 621	34.55 617	33.92 616	35.02 618	34.90 617	35.79 615	34.74 619

Reg-Stereo(zero)	37.00 614	37.00 617	37.00 618	37.00 616	37.00 619	37.00 618	37.00 620	37.00 619	37.00 617	37.00 618	37.00 620	37.00 619	37.00 618	37.00 618	37.00 618	37.00 619	37.00 620	37.00 620	37.00 620	37.00 616	37.00 620

HI	37.00 614	37.00 617	37.00 618	37.00 616	37.00 619	37.00 618	37.00 620	37.00 619	37.00 617	37.00 618	37.00 620	37.00 619	37.00 618	37.00 618	37.00 618	37.00 619	37.00 620	37.00 620	37.00 620	37.00 616	37.00 620

CoSv	37.00 614	37.00 617	37.00 618	37.00 616	37.00 619	37.00 618	37.00 620	37.00 619	37.00 617	37.00 618	37.00 620	37.00 619	37.00 618	37.00 618	37.00 618	37.00 619	37.00 620	37.00 620	37.00 620	37.00 616	37.00 620

NOSS_ROB	102.95 618	153.00 625	121.00 625	51.00 622	44.00 622	165.00 625	127.00 625	153.00 625	119.00 622	164.00 626	125.00 625	168.00 626	120.00 623	153.00 625	117.00 625	49.00 623	44.00 623	49.00 623	44.00 623	49.00 620	44.00 623

CBMV	128.50 619	1422.70 632	53.10 623	79.50 623	51.30 623	77.30 623	49.70 623	74.00 623	48.20 621	77.20 624	48.80 624	73.90 624	48.00 622	73.80 624	48.80 624	70.40 624	45.10 624	68.90 624	46.10 624	68.20 621	45.00 624
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 617	87.70 621	41.95 622	113.75 624	65.62 624	75.05 622	55.25 624	75.64 624	45.04 620	71.61 623	41.75 623	72.81 623	44.06 621	68.38 623	44.63 623	101.89 625	59.57 625	107.10 625	61.05 625	104.38 622	59.38 625

MeshStereo	159.24 620	171.00 626	160.68 628	162.58 625	160.59 625	164.01 624	160.35 626	158.51 626	158.56 623	158.34 625	160.12 626	158.56 625	159.92 624	157.26 626	158.94 626	154.38 626	158.36 626	155.75 626	159.13 627	153.67 623	154.07 626
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 621	123.00 622	115.00 624	219.00 626	218.00 627	223.00 626	244.00 628	217.00 627	236.00 625	202.00 627	203.00 627	205.00 627	208.00 625	225.00 627	204.00 627	210.00 627	198.00 627	197.00 627	184.00 628	204.00 624	201.00 627

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

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

EGLCR-Stereo	246.90 623	129.00 624	139.00 627	266.00 627	286.00 628	277.00 627	305.00 629	271.00 628	242.00 626	274.00 628	279.00 629	255.00 628	270.00 627	268.00 628	297.00 629	230.00 629	247.00 629	216.00 628	223.00 630	237.00 626	227.00 630

LE_ROB	396.57 625	471.28 629	329.84 630	471.48 630	308.15 630	526.83 630	322.10 631	488.15 631	323.76 628	495.46 631	317.97 631	497.17 631	320.10 629	481.62 631	326.76 631	462.71 631	298.97 631	466.16 631	285.98 631	447.62 628	289.21 631

SGM-ForestM	596.69 626	677.77 630	444.52 631	699.85 631	517.25 631	732.94 631	488.29 632	770.79 632	460.11 629	750.81 632	487.98 632	792.79 632	499.41 630	730.90 632	475.81 632	720.03 632	491.16 632	663.96 632	418.60 632	674.76 629	436.05 632

CBMV_ROB	818.48 627	913.88 631	709.52 632	862.84 632	597.78 632	1073.99 632	700.52 633	1015.66 633	702.59 630	1115.65 633	760.02 633	1130.24 633	721.57 631	1037.41 633	692.65 633	814.05 633	564.29 633	843.28 633	595.31 633	915.51 630	602.92 633

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

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

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

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

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

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

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

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

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

DIP-Stereo	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 634	10000000.00 634	10000000.00 631	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 632	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 634	10000000.00 631	10000000.00 634
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark