Low-res two-view results

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

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

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

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

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

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

mm2	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

mm1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

derf	0.02 3	0.01 3	0.01 3	0.02 12	0.01 3	0.01 3	0.01 3	0.02 6	0.03 16	0.02 5	0.02 5	0.03 20	0.01 3	0.01 4	0.04 5	0.04 4	0.03 3	0.02 3	0.03 3	0.02 3	0.03 4	0.01 3	0.01 4	0.01 3	0.02 3	0.03 3	0.02 3	0.02 3

qqai	0.02 3	0.01 3	0.01 3	0.02 12	0.01 3	0.01 3	0.01 3	0.02 6	0.03 16	0.02 5	0.02 5	0.03 20	0.01 3	0.01 4	0.04 5	0.04 4	0.03 3	0.03 6	0.03 3	0.02 3	0.03 4	0.02 5	0.01 4	0.01 3	0.03 5	0.03 3	0.02 3	0.02 3

quiztm	0.02 3	0.02 7	0.01 3	0.01 3	0.01 3	0.02 9	0.01 3	0.02 6	0.02 5	0.02 5	0.02 5	0.02 7	0.01 3	0.01 4	0.04 5	0.04 4	0.03 3	0.02 3	0.03 3	0.02 3	0.03 4	0.01 3	0.01 4	0.01 3	0.04 16	0.03 3	0.02 3	0.02 3

MM-Stereo_test3	0.02 3	0.01 3	0.02 10	0.01 3	0.02 13	0.01 3	0.01 3	0.02 6	0.03 16	0.02 5	0.02 5	0.02 7	0.01 3	0.01 4	0.04 5	0.04 4	0.04 13	0.03 6	0.03 3	0.03 10	0.03 4	0.02 5	0.01 4	0.02 11	0.03 5	0.03 3	0.02 3	0.02 3

MM-Stereo_test1	0.02 3	0.02 7	0.02 10	0.02 12	0.01 3	0.02 9	0.01 3	0.02 6	0.03 16	0.03 20	0.02 5	0.01 3	0.01 3	0.01 4	0.04 5	0.04 4	0.04 13	0.04 20	0.04 19	0.03 10	0.03 4	0.03 12	0.02 34	0.03 34	0.03 5	0.03 3	0.02 3	0.02 3

Pointernet	0.02 3	0.02 7	0.01 3	0.01 3	0.01 3	0.01 3	0.01 3	0.02 6	0.02 5	0.02 5	0.02 5	0.02 7	0.01 3	0.01 4	0.03 3	0.04 4	0.03 3	0.02 3	0.03 3	0.02 3	0.02 3	0.02 5	0.01 4	0.01 3	0.03 5	0.03 3	0.02 3	0.02 3

ProNet	0.02 3	0.02 7	0.02 10	0.02 12	0.02 13	0.02 9	0.02 25	0.01 3	0.01 3	0.02 5	0.02 5	0.01 3	0.01 3	0.01 4	0.04 5	0.04 4	0.03 3	0.03 6	0.03 3	0.02 3	0.03 4	0.02 5	0.01 4	0.02 11	0.03 5	0.03 3	0.02 3	0.02 3

CroCo-Stereo	0.02 3	0.01 3	0.02 10	0.01 3	0.01 3	0.01 3	0.01 3	0.01 3	0.01 3	0.01 3	0.01 3	0.01 3	0.01 3	0.00 1	0.04 5	0.05 20	0.04 13	0.03 6	0.03 3	0.02 3	0.03 4	0.02 5	0.00 1	0.01 3	0.04 16	0.03 3	0.02 3	0.02 3
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
MCSU-Stereo	0.03 11	0.02 7	0.02 10	0.02 12	0.02 13	0.02 9	0.02 25	0.03 24	0.03 16	0.02 5	0.04 36	0.02 7	0.01 3	0.01 4	0.05 24	0.05 20	0.05 35	0.04 20	0.04 19	0.03 10	0.04 22	0.02 5	0.02 34	0.02 11	0.04 16	0.05 33	0.03 18	0.03 14

LACA2	0.03 11	0.02 7	0.02 10	0.02 12	0.02 13	0.03 40	0.01 3	0.02 6	0.02 5	0.05 60	0.02 5	0.02 7	0.01 3	0.01 4	0.04 5	0.04 4	0.03 3	0.03 6	0.03 3	0.03 10	0.03 4	0.03 12	0.01 4	0.02 11	0.04 16	0.03 3	0.03 18	0.02 3

WQFJX1	0.03 11	0.02 7	0.02 10	0.02 12	0.02 13	0.02 9	0.02 25	0.04 38	0.06 78	0.03 20	0.05 53	0.03 20	0.04 73	0.01 4	0.04 5	0.04 4	0.04 13	0.03 6	0.03 3	0.03 10	0.03 4	0.03 12	0.01 4	0.02 11	0.04 16	0.04 16	0.03 18	0.03 14

WQFJX	0.03 11	0.03 34	0.03 35	0.03 37	0.03 37	0.03 40	0.02 25	0.03 24	0.04 31	0.03 20	0.06 74	0.03 20	0.06 128	0.02 28	0.04 5	0.04 4	0.03 3	0.03 6	0.03 3	0.03 10	0.03 4	0.03 12	0.02 34	0.03 34	0.03 5	0.05 33	0.03 18	0.04 38

NLCSM	0.03 11	0.02 7	0.02 10	0.02 12	0.02 13	0.02 9	0.02 25	0.05 53	0.04 31	0.03 20	0.04 36	0.04 40	0.05 99	0.02 28	0.03 3	0.03 3	0.04 13	0.03 6	0.03 3	0.02 3	0.03 4	0.03 12	0.01 4	0.02 11	0.04 16	0.04 16	0.02 3	0.03 14

BridgeDepth	0.03 11	0.02 7	0.02 10	0.02 12	0.02 13	0.03 40	0.01 3	0.02 6	0.02 5	0.02 5	0.02 5	0.04 40	0.02 21	0.01 4	0.04 5	0.04 4	0.03 3	0.04 20	0.03 3	0.03 10	0.04 22	0.03 12	0.01 4	0.02 11	0.05 36	0.05 33	0.05 50	0.03 14
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
GSStereo	0.03 11	0.03 34	0.03 35	0.03 37	0.03 37	0.03 40	0.02 25	0.01 3	0.03 16	0.03 20	0.03 20	0.02 7	0.01 3	0.01 4	0.06 44	0.06 40	0.07 59	0.04 20	0.06 51	0.03 10	0.06 48	0.03 12	0.01 4	0.03 34	0.04 16	0.04 16	0.04 37	0.03 14

GASTEREO	0.03 11	0.02 7	0.03 35	0.02 12	0.03 37	0.02 9	0.01 3	0.02 6	0.05 53	0.02 5	0.03 20	0.04 40	0.02 21	0.02 28	0.05 24	0.06 40	0.05 35	0.05 39	0.05 35	0.04 33	0.04 22	0.04 38	0.02 34	0.02 11	0.05 36	0.04 16	0.03 18	0.04 38

MSCF	0.03 11	0.02 7	0.03 35	0.03 37	0.02 13	0.02 9	0.01 3	0.02 6	0.05 53	0.02 5	0.03 20	0.04 40	0.02 21	0.02 28	0.05 24	0.06 40	0.05 35	0.05 39	0.05 35	0.04 33	0.04 22	0.04 38	0.02 34	0.02 11	0.05 36	0.04 16	0.02 3	0.04 38

111111	0.03 11	0.02 7	0.02 10	0.01 3	0.02 13	0.02 9	0.02 25	0.03 24	0.04 31	0.02 5	0.03 20	0.03 20	0.02 21	0.01 4	0.04 5	0.05 20	0.04 13	0.03 6	0.04 19	0.03 10	0.03 4	0.03 12	0.02 34	0.02 11	0.04 16	0.03 3	0.02 3	0.02 3

MLG-Stereo_test1	0.03 11	0.02 7	0.01 3	0.01 3	0.02 13	0.02 9	0.02 25	0.03 24	0.04 31	0.04 41	0.02 5	0.04 40	0.02 21	0.01 4	0.04 5	0.05 20	0.06 47	0.04 20	0.05 35	0.03 10	0.05 35	0.03 12	0.01 4	0.01 3	0.03 5	0.03 3	0.03 18	0.03 14

MLG-Stereo	0.03 11	0.02 7	0.01 3	0.02 12	0.02 13	0.01 3	0.01 3	0.03 24	0.03 16	0.04 41	0.02 5	0.04 40	0.01 3	0.01 4	0.04 5	0.05 20	0.06 47	0.03 6	0.04 19	0.03 10	0.05 35	0.03 12	0.01 4	0.01 3	0.04 16	0.03 3	0.03 18	0.03 14

LG-Stereo	0.03 11	0.03 34	0.02 10	0.02 12	0.03 37	0.02 9	0.01 3	0.04 38	0.05 53	0.04 41	0.03 20	0.05 58	0.02 21	0.01 4	0.04 5	0.05 20	0.05 35	0.04 20	0.05 35	0.04 33	0.07 59	0.04 38	0.01 4	0.02 11	0.05 36	0.04 16	0.04 37	0.03 14

MM-Stereo_test2	0.03 11	0.02 7	0.02 10	0.02 12	0.02 13	0.02 9	0.01 3	0.03 24	0.02 5	0.03 20	0.03 20	0.01 3	0.01 3	0.02 28	0.05 24	0.05 20	0.04 13	0.05 39	0.04 19	0.03 10	0.04 22	0.05 58	0.03 75	0.03 34	0.03 5	0.04 16	0.03 18	0.04 38

GREAT-IGEV	0.03 11	0.02 7	0.02 10	0.02 12	0.01 3	0.02 9	0.01 3	0.02 6	0.03 16	0.03 20	0.04 36	0.04 40	0.01 3	0.01 4	0.05 24	0.05 20	0.04 13	0.04 20	0.04 19	0.03 10	0.04 22	0.03 12	0.01 4	0.02 11	0.04 16	0.04 16	0.03 18	0.03 14
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
CoSv	0.03 11	0.02 7	0.01 3	0.02 12	0.02 13	0.03 40	0.02 25	0.03 24	0.03 16	0.03 20	0.02 5	0.02 7	0.02 21	0.01 4	0.05 24	0.05 20	0.05 35	0.03 6	0.06 51	0.03 10	0.04 22	0.03 12	0.01 4	0.01 3	0.05 36	0.04 16	0.04 37	0.03 14

AIO-test2	0.03 11	0.02 7	0.02 10	0.02 12	0.01 3	0.02 9	0.01 3	0.03 24	0.04 31	0.03 20	0.06 74	0.03 20	0.01 3	0.02 28	0.04 5	0.04 4	0.03 3	0.04 20	0.03 3	0.03 10	0.03 4	0.03 12	0.01 4	0.02 11	0.02 3	0.04 16	0.02 3	0.03 14

AIO-test1	0.03 11	0.02 7	0.02 10	0.01 3	0.02 13	0.02 9	0.01 3	0.05 53	0.05 53	0.05 60	0.04 36	0.04 40	0.02 21	0.03 61	0.05 24	0.06 40	0.04 13	0.04 20	0.03 3	0.03 10	0.03 4	0.04 38	0.01 4	0.02 11	0.03 5	0.04 16	0.02 3	0.03 14

GIP-stereo	0.03 11	0.02 7	0.02 10	0.02 12	0.02 13	0.02 9	0.02 25	0.02 6	0.02 5	0.02 5	0.02 5	0.02 7	0.02 21	0.02 28	0.05 24	0.05 20	0.06 47	0.04 20	0.06 51	0.03 10	0.05 35	0.03 12	0.01 4	0.03 34	0.04 16	0.05 33	0.03 18	0.03 14

IGEV-Stereo++	0.03 11	0.02 7	0.03 35	0.03 37	0.03 37	0.03 40	0.02 25	0.04 38	0.04 31	0.04 41	0.03 20	0.03 20	0.02 21	0.02 28	0.05 24	0.05 20	0.04 13	0.04 20	0.04 19	0.04 33	0.04 22	0.04 38	0.03 75	0.03 34	0.03 5	0.05 33	0.03 18	0.03 14

RAStereo	0.03 11	0.02 7	0.02 10	0.02 12	0.02 13	0.02 9	0.01 3	0.03 24	0.02 5	0.03 20	0.02 5	0.04 40	0.03 50	0.02 28	0.05 24	0.06 40	0.05 35	0.05 39	0.04 19	0.03 10	0.06 48	0.03 12	0.01 4	0.02 11	0.06 53	0.05 33	0.04 37	0.04 38

U	0.03 11	0.02 7	0.02 10	0.01 3	0.01 3	0.02 9	0.01 3	0.02 6	0.02 5	0.01 3	0.01 3	0.02 7	0.02 21	0.01 4	0.05 24	0.05 20	0.05 35	0.04 20	0.04 19	0.03 10	0.05 35	0.03 12	0.01 4	0.02 11	0.04 16	0.04 16	0.02 3	0.03 14

AIO-Stereo	0.03 11	0.03 34	0.03 35	0.02 12	0.03 37	0.03 40	0.02 25	0.02 6	0.03 16	0.03 20	0.03 20	0.02 7	0.02 21	0.02 28	0.05 24	0.05 20	0.04 13	0.04 20	0.05 35	0.03 10	0.04 22	0.03 12	0.02 34	0.02 11	0.04 16	0.04 16	0.03 18	0.03 14

RSM	0.03 11	0.03 34	0.03 35	0.02 12	0.03 37	0.03 40	0.02 25	0.03 24	0.02 5	0.03 20	0.04 36	0.04 40	0.02 21	0.02 28	0.06 44	0.06 40	0.04 13	0.04 20	0.05 35	0.04 33	0.05 35	0.03 12	0.01 4	0.03 34	0.04 16	0.05 33	0.03 18	0.03 14

MoCha-V2	0.03 11	0.02 7	0.02 10	0.02 12	0.02 13	0.02 9	0.01 3	0.02 6	0.02 5	0.03 20	0.03 20	0.02 7	0.01 3	0.01 4	0.05 24	0.05 20	0.04 13	0.04 20	0.04 19	0.04 33	0.03 4	0.02 5	0.01 4	0.02 11	0.03 5	0.03 3	0.02 3	0.02 3

CroCo-Stereo Lap2	0.03 11	0.02 7	0.02 10	0.01 3	0.01 3	0.02 9	0.02 25	0.02 6	0.02 5	0.03 20	0.02 5	0.02 7	0.03 50	0.01 4	0.05 24	0.05 20	0.04 13	0.05 39	0.04 19	0.04 33	0.04 22	0.04 38	0.01 4	0.02 11	0.06 53	0.06 50	0.05 50	0.03 14

PointNet	0.04 37	0.03 34	0.04 68	0.03 37	0.02 13	0.03 40	0.03 57	0.05 53	0.04 31	0.02 5	0.05 53	0.03 20	0.02 21	0.02 28	0.04 5	0.04 4	0.04 13	0.03 6	0.04 19	0.03 10	0.04 22	0.03 12	0.04 97	0.05 89	0.05 36	0.06 50	0.03 18	0.04 38

LACA3	0.04 37	0.03 34	0.03 35	0.03 37	0.03 37	0.03 40	0.02 25	0.02 6	0.04 31	0.04 41	0.03 20	0.03 20	0.02 21	0.02 28	0.06 44	0.06 40	0.04 13	0.06 56	0.05 35	0.04 33	0.06 48	0.06 77	0.02 34	0.03 34	0.06 53	0.06 50	0.05 50	0.05 52

LACA1	0.04 37	0.03 34	0.03 35	0.02 12	0.03 37	0.03 40	0.02 25	0.02 6	0.05 53	0.03 20	0.03 20	0.04 40	0.03 50	0.02 28	0.05 24	0.05 20	0.04 13	0.06 56	0.04 19	0.04 33	0.05 35	0.04 38	0.03 75	0.03 34	0.05 36	0.06 50	0.05 50	0.04 38

DispViT+	0.04 37	0.03 34	0.04 68	0.06 103	0.03 37	0.04 60	0.03 57	0.04 38	0.05 53	0.04 41	0.07 98	0.04 40	0.04 73	0.02 28	0.06 44	0.06 40	0.04 13	0.05 39	0.05 35	0.04 33	0.04 22	0.05 58	0.02 34	0.04 65	0.05 36	0.07 69	0.05 50	0.06 70

MatchStereo	0.04 37	0.02 7	0.03 35	0.02 12	0.03 37	0.02 9	0.02 25	0.03 24	0.06 78	0.02 5	0.06 74	0.02 7	0.04 73	0.02 28	0.06 44	0.06 40	0.04 13	0.05 39	0.04 19	0.05 62	0.05 35	0.06 77	0.02 34	0.03 34	0.05 36	0.06 50	0.03 18	0.04 38
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
WQFJA1	0.04 37	0.03 34	0.03 35	0.03 37	0.03 37	0.04 60	0.03 57	0.05 53	0.04 31	0.03 20	0.06 74	0.04 40	0.03 50	0.03 61	0.04 5	0.04 4	0.04 13	0.03 6	0.03 3	0.04 33	0.03 4	0.03 12	0.02 34	0.03 34	0.04 16	0.05 33	0.03 18	0.05 52

NLMM1	0.04 37	0.03 34	0.03 35	0.02 12	0.02 13	0.02 9	0.02 25	0.05 53	0.05 53	0.04 41	0.07 98	0.03 20	0.07 159	0.02 28	0.05 24	0.05 20	0.03 3	0.04 20	0.04 19	0.04 33	0.03 4	0.04 38	0.01 4	0.04 65	0.06 53	0.04 16	0.04 37	0.04 38

NLMM	0.04 37	0.03 34	0.03 35	0.03 37	0.03 37	0.04 60	0.03 57	0.05 53	0.04 31	0.03 20	0.06 74	0.04 40	0.03 50	0.03 61	0.04 5	0.04 4	0.04 13	0.03 6	0.03 3	0.04 33	0.03 4	0.03 12	0.02 34	0.03 34	0.04 16	0.05 33	0.03 18	0.05 52

NLSM3	0.04 37	0.03 34	0.03 35	0.04 60	0.03 37	0.02 9	0.02 25	0.04 38	0.07 105	0.04 41	0.04 36	0.03 20	0.04 73	0.03 61	0.06 44	0.05 20	0.05 35	0.05 39	0.04 19	0.04 33	0.04 22	0.04 38	0.03 75	0.03 34	0.06 53	0.06 50	0.06 69	0.06 70

NLSM1	0.04 37	0.03 34	0.03 35	0.03 37	0.02 13	0.04 60	0.03 57	0.05 53	0.07 105	0.03 20	0.08 122	0.04 40	0.06 128	0.02 28	0.05 24	0.04 4	0.04 13	0.04 20	0.05 35	0.03 10	0.05 35	0.04 38	0.02 34	0.03 34	0.05 36	0.05 33	0.04 37	0.04 38

VIP-Stereo	0.04 37	0.03 34	0.03 35	0.04 60	0.03 37	0.02 9	0.01 3	0.04 38	0.04 31	0.04 41	0.07 98	0.06 68	0.02 21	0.02 28	0.06 44	0.06 40	0.08 65	0.05 39	0.06 51	0.04 33	0.07 59	0.04 38	0.02 34	0.03 34	0.05 36	0.06 50	0.04 37	0.04 38

GEAStereo	0.04 37	0.04 59	0.03 35	0.04 60	0.03 37	0.03 40	0.03 57	0.04 38	0.03 16	0.04 41	0.03 20	0.03 20	0.01 3	0.02 28	0.06 44	0.06 40	0.06 47	0.05 39	0.05 35	0.04 33	0.06 48	0.04 38	0.02 34	0.03 34	0.04 16	0.05 33	0.04 37	0.03 14

gasm-f	0.04 37	0.04 59	0.03 35	0.04 60	0.03 37	0.03 40	0.03 57	0.04 38	0.03 16	0.04 41	0.03 20	0.03 20	0.01 3	0.02 28	0.06 44	0.06 40	0.06 47	0.05 39	0.05 35	0.04 33	0.06 48	0.04 38	0.02 34	0.03 34	0.04 16	0.05 33	0.04 37	0.03 14

MonStereo	0.04 37	0.03 34	0.03 35	0.03 37	0.02 13	0.02 9	0.02 25	0.03 24	0.04 31	0.04 41	0.06 74	0.03 20	0.02 21	0.02 28	0.05 24	0.05 20	0.05 35	0.04 20	0.05 35	0.04 33	0.05 35	0.03 12	0.02 34	0.02 11	0.05 36	0.05 33	0.05 50	0.05 52

AdaDepth	0.04 37	0.04 59	0.02 10	0.03 37	0.03 37	0.02 9	0.02 25	0.03 24	0.04 31	0.03 20	0.04 36	0.03 20	0.02 21	0.01 4	0.06 44	0.06 40	0.06 47	0.05 39	0.05 35	0.03 10	0.05 35	0.03 12	0.01 4	0.03 34	0.05 36	0.05 33	0.04 37	0.03 14

MLG-Stereo_test2	0.04 37	0.02 7	0.02 10	0.02 12	0.02 13	0.02 9	0.01 3	0.04 38	0.03 16	0.05 60	0.03 20	0.05 58	0.02 21	0.03 61	0.05 24	0.05 20	0.08 65	0.04 20	0.06 51	0.04 33	0.07 59	0.03 12	0.02 34	0.02 11	0.04 16	0.04 16	0.05 50	0.03 14

DEFOM-Stereo	0.04 37	0.03 34	0.02 10	0.04 60	0.03 37	0.03 40	0.02 25	0.04 38	0.04 31	0.04 41	0.05 53	0.03 20	0.02 21	0.02 28	0.06 44	0.06 40	0.07 59	0.06 56	0.06 51	0.04 33	0.06 48	0.03 12	0.02 34	0.02 11	0.06 53	0.06 50	0.05 50	0.04 38

Occ-G	0.04 37	0.04 59	0.03 35	0.04 60	0.03 37	0.03 40	0.02 25	0.04 38	0.03 16	0.03 20	0.05 53	0.03 20	0.02 21	0.02 28	0.06 44	0.06 40	0.06 47	0.06 56	0.07 60	0.04 33	0.05 35	0.03 12	0.04 97	0.03 34	0.05 36	0.04 16	0.03 18	0.05 52

RSM++	0.04 37	0.03 34	0.03 35	0.03 37	0.04 63	0.02 9	0.03 57	0.05 53	0.05 53	0.04 41	0.04 36	0.05 58	0.02 21	0.02 28	0.07 66	0.07 66	0.05 35	0.05 39	0.05 35	0.04 33	0.07 59	0.04 38	0.02 34	0.03 34	0.06 53	0.05 33	0.04 37	0.04 38

AEACV	0.04 37	0.03 34	0.02 10	0.04 60	0.03 37	0.02 9	0.02 25	0.03 24	0.03 16	0.03 20	0.04 36	0.03 20	0.02 21	0.02 28	0.06 44	0.06 40	0.05 35	0.05 39	0.07 60	0.04 33	0.06 48	0.04 38	0.01 4	0.02 11	0.06 53	0.07 69	0.04 37	0.03 14

BridgeDepth_RVC	0.05 57	0.04 59	0.04 68	0.04 60	0.05 81	0.05 90	0.03 57	0.04 38	0.07 105	0.05 60	0.06 74	0.05 58	0.04 73	0.02 28	0.07 66	0.07 66	0.05 35	0.07 75	0.05 35	0.05 62	0.06 48	0.06 77	0.02 34	0.03 34	0.06 53	0.08 79	0.07 77	0.07 79
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
MLG-Stereo_test3	0.05 57	0.03 34	0.02 10	0.03 37	0.04 63	0.05 90	0.03 57	0.05 53	0.06 78	0.06 69	0.06 74	0.09 86	0.02 21	0.03 61	0.06 44	0.06 40	0.08 65	0.06 56	0.07 60	0.05 62	0.08 69	0.04 38	0.02 34	0.03 34	0.05 36	0.06 50	0.05 50	0.05 52

DFGA-Net	0.05 57	0.05 80	0.03 35	0.04 60	0.03 37	0.04 60	0.03 57	0.05 53	0.04 31	0.06 69	0.05 53	0.10 94	0.04 73	0.03 61	0.07 66	0.07 66	0.09 75	0.07 75	0.07 60	0.05 62	0.07 59	0.04 38	0.03 75	0.04 65	0.07 69	0.07 69	0.06 69	0.09 88

anonymousdsp	0.05 57	0.04 59	0.04 68	0.03 37	0.04 63	0.04 60	0.04 96	0.06 66	0.05 53	0.06 69	0.04 36	0.03 20	0.02 21	0.03 61	0.07 66	0.08 81	0.08 65	0.06 56	0.08 77	0.05 62	0.09 75	0.05 58	0.03 75	0.03 34	0.05 36	0.05 33	0.05 50	0.05 52

iRaftStereo_RVC	0.05 57	0.03 34	0.03 35	0.03 37	0.03 37	0.03 40	0.02 25	0.05 53	0.04 31	0.06 69	0.05 53	0.05 58	0.03 50	0.02 28	0.06 44	0.06 40	0.10 82	0.07 75	0.07 60	0.05 62	0.09 75	0.05 58	0.02 34	0.03 34	0.07 69	0.06 50	0.05 50	0.05 52

RAFT + AFF	0.05 57	0.04 59	0.03 35	0.05 80	0.04 63	0.04 60	0.03 57	0.06 66	0.08 134	0.09 86	0.05 53	0.09 86	0.02 21	0.02 28	0.05 24	0.06 40	0.09 75	0.06 56	0.06 51	0.04 33	0.07 59	0.05 58	0.02 34	0.04 65	0.07 69	0.05 33	0.05 50	0.06 70

delet	0.05 57	0.05 80	0.04 68	0.06 103	0.05 81	0.05 90	0.05 107	0.04 38	0.04 31	0.06 69	0.05 53	0.10 94	0.05 99	0.03 61	0.07 66	0.06 40	0.07 59	0.06 56	0.06 51	0.06 81	0.06 48	0.04 38	0.03 75	0.05 89	0.07 69	0.07 69	0.05 50	0.04 38

TDLM	0.05 57	0.04 59	0.04 68	0.04 60	0.04 63	0.04 60	0.03 57	0.04 38	0.04 31	0.04 41	0.06 74	0.04 40	0.03 50	0.03 61	0.06 44	0.06 40	0.06 47	0.06 56	0.06 51	0.04 33	0.05 35	0.04 38	0.03 75	0.04 65	0.05 36	0.06 50	0.05 50	0.05 52

TS12	0.06 65	0.04 59	0.04 68	0.05 80	0.05 81	0.04 60	0.03 57	0.06 66	0.05 53	0.04 41	0.08 122	0.06 68	0.03 50	0.03 61	0.07 66	0.08 81	0.06 47	0.07 75	0.07 60	0.06 81	0.09 75	0.08 114	0.02 34	0.04 65	0.08 79	0.08 79	0.08 86	0.09 88

TS	0.06 65	0.04 59	0.04 68	0.05 80	0.05 81	0.04 60	0.03 57	0.06 66	0.05 53	0.04 41	0.08 122	0.06 68	0.03 50	0.03 61	0.07 66	0.08 81	0.06 47	0.07 75	0.07 60	0.06 81	0.09 75	0.08 114	0.02 34	0.04 65	0.08 79	0.08 79	0.08 86	0.09 88

LG-Stereo_L2	0.06 65	0.04 59	0.03 35	0.03 37	0.04 63	0.02 9	0.02 25	0.08 85	0.08 134	0.21 176	0.06 74	0.08 81	0.03 50	0.03 61	0.06 44	0.07 66	0.10 82	0.06 56	0.07 60	0.04 33	0.14 143	0.05 58	0.02 34	0.03 34	0.06 53	0.06 50	0.05 50	0.05 52

LG-Stereo_L1	0.06 65	0.04 59	0.03 35	0.04 60	0.03 37	0.02 9	0.02 25	0.08 85	0.09 166	0.21 176	0.06 74	0.05 58	0.03 50	0.03 61	0.06 44	0.07 66	0.10 82	0.06 56	0.07 60	0.04 33	0.14 143	0.05 58	0.02 34	0.03 34	0.06 53	0.06 50	0.05 50	0.05 52

LG-G_1	0.06 65	0.05 80	0.04 68	0.05 80	0.05 81	0.06 105	0.03 57	0.06 66	0.06 78	0.08 82	0.03 20	0.10 94	0.04 73	0.06 123	0.06 44	0.06 40	0.10 82	0.06 56	0.08 77	0.05 62	0.10 83	0.05 58	0.05 125	0.04 65	0.06 53	0.06 50	0.08 86	0.06 70

LG-G	0.06 65	0.05 80	0.04 68	0.05 80	0.05 81	0.06 105	0.03 57	0.06 66	0.06 78	0.08 82	0.03 20	0.10 94	0.04 73	0.06 123	0.06 44	0.06 40	0.10 82	0.06 56	0.08 77	0.05 62	0.10 83	0.05 58	0.05 125	0.04 65	0.06 53	0.06 50	0.08 86	0.06 70

LGtest1	0.06 65	0.04 59	0.03 35	0.04 60	0.04 63	0.04 60	0.03 57	0.08 85	0.08 134	0.07 78	0.04 36	0.06 68	0.03 50	0.05 106	0.07 66	0.07 66	0.11 93	0.07 75	0.10 103	0.07 97	0.12 96	0.06 77	0.04 97	0.03 34	0.07 69	0.07 69	0.08 86	0.06 70

SGD-Stereo	0.06 65	0.04 59	0.03 35	0.05 80	0.04 63	0.06 105	0.03 57	0.04 38	0.06 78	0.08 82	0.05 53	0.06 68	0.03 50	0.03 61	0.08 89	0.08 81	0.14 119	0.06 56	0.09 92	0.05 62	0.12 96	0.05 58	0.03 75	0.04 65	0.08 79	0.08 79	0.12 132	0.09 88

AIO_rvc	0.06 65	0.06 103	0.03 35	0.05 80	0.04 63	0.04 60	0.03 57	0.08 85	0.06 78	0.10 94	0.04 36	0.08 81	0.02 21	0.03 61	0.06 44	0.07 66	0.08 65	0.06 56	0.07 60	0.05 62	0.12 96	0.05 58	0.02 34	0.03 34	0.06 53	0.06 50	0.05 50	0.05 52

AIO_test	0.06 65	0.05 80	0.04 68	0.07 127	0.05 81	0.04 60	0.04 96	0.10 101	0.09 166	0.12 97	0.05 53	0.11 105	0.04 73	0.03 61	0.07 66	0.07 66	0.07 59	0.06 56	0.08 77	0.05 62	0.13 122	0.05 58	0.04 97	0.04 65	0.09 93	0.07 69	0.05 50	0.05 52

IGEV-Stereo+	0.06 65	0.03 34	0.03 35	0.03 37	0.04 63	0.04 60	0.03 57	0.16 151	0.06 78	0.20 165	0.06 74	0.06 68	0.03 50	0.04 90	0.07 66	0.08 81	0.10 82	0.06 56	0.09 92	0.07 97	0.12 96	0.06 77	0.03 75	0.03 34	0.07 69	0.06 50	0.03 18	0.06 70

plain	0.06 65	0.04 59	0.04 68	0.04 60	0.04 63	0.05 90	0.03 57	0.08 85	0.04 31	0.09 86	0.05 53	0.06 68	0.02 21	0.02 28	0.07 66	0.08 81	0.12 103	0.08 85	0.08 77	0.06 81	0.08 69	0.04 38	0.02 34	0.05 89	0.09 93	0.10 98	0.08 86	0.09 88

StereoVision	0.06 65	0.03 34	0.04 68	0.03 37	0.03 37	0.03 40	0.02 25	0.06 66	0.11 211	0.02 5	0.05 53	0.03 20	0.06 128	0.01 4	0.09 116	0.10 124	0.06 47	0.05 39	0.08 77	0.07 97	0.06 48	0.05 58	0.02 34	0.04 65	0.10 103	0.07 69	0.10 108	0.12 129

MIF-Stereo (partial)	0.06 65	0.05 80	0.06 130	0.05 80	0.04 63	0.05 90	0.03 57	0.08 85	0.07 105	0.07 78	0.04 36	0.05 58	0.06 128	0.04 90	0.08 89	0.08 81	0.11 93	0.08 85	0.08 77	0.05 62	0.09 75	0.05 58	0.02 34	0.06 115	0.10 103	0.08 79	0.07 77	0.08 82

MIM_Stereo	0.06 65	0.04 59	0.03 35	0.05 80	0.05 81	0.05 90	0.03 57	0.06 66	0.04 31	0.14 105	0.07 98	0.04 40	0.03 50	0.03 61	0.07 66	0.08 81	0.13 106	0.07 75	0.09 92	0.06 81	0.11 90	0.06 77	0.02 34	0.04 65	0.08 79	0.07 69	0.07 77	0.05 52

RAFT	0.06 65	0.03 34	0.05 100	0.03 37	0.02 13	0.03 40	0.02 25	0.07 80	0.04 31	0.04 41	0.06 74	0.07 77	0.05 99	0.01 4	0.06 44	0.06 40	0.06 47	0.05 39	0.05 35	0.04 33	0.06 48	0.07 98	0.01 4	0.04 65	0.13 140	0.14 171	0.13 146	0.15 162

AFF-stereo	0.06 65	0.05 80	0.05 100	0.05 80	0.04 63	0.04 60	0.03 57	0.11 105	0.06 78	0.16 118	0.05 53	0.08 81	0.03 50	0.02 28	0.07 66	0.08 81	0.08 65	0.05 39	0.09 92	0.04 33	0.09 75	0.05 58	0.02 34	0.04 65	0.10 103	0.08 79	0.07 77	0.07 79

MMNet	0.06 65	0.06 103	0.05 100	0.08 136	0.06 108	0.06 105	0.05 107	0.07 80	0.06 78	0.05 60	0.06 74	0.09 86	0.04 73	0.04 90	0.07 66	0.07 66	0.09 75	0.08 85	0.07 60	0.06 81	0.07 59	0.05 58	0.04 97	0.05 89	0.07 69	0.08 79	0.07 77	0.10 104

RYNet	0.06 65	0.04 59	0.04 68	0.04 60	0.04 63	0.04 60	0.03 57	0.05 53	0.11 211	0.05 60	0.04 36	0.04 40	0.03 50	0.03 61	0.07 66	0.06 40	0.07 59	0.08 85	0.07 60	0.05 62	0.05 35	0.05 58	0.11 258	0.04 65	0.06 53	0.15 201	0.06 69	0.05 52

AANet_RVC	0.06 65	0.05 80	0.06 130	0.05 80	0.06 108	0.04 60	0.05 107	0.05 53	0.06 78	0.05 60	0.06 74	0.05 58	0.04 73	0.04 90	0.08 89	0.07 66	0.08 65	0.08 85	0.07 60	0.07 97	0.07 59	0.07 98	0.05 125	0.05 89	0.07 69	0.08 79	0.06 69	0.08 82

YMNet	0.07 85	0.08 168	0.06 130	0.08 136	0.08 150	0.08 138	0.07 159	0.07 80	0.07 105	0.05 60	0.07 98	0.13 125	0.05 99	0.07 157	0.08 89	0.07 66	0.08 65	0.09 111	0.09 92	0.05 62	0.08 69	0.07 98	0.06 148	0.05 89	0.09 93	0.09 90	0.09 102	0.09 88

HUF	0.07 85	0.05 80	0.04 68	0.07 127	0.06 108	0.04 60	0.03 57	0.09 94	0.07 105	0.16 118	0.05 53	0.09 86	0.04 73	0.03 61	0.07 66	0.07 66	0.08 65	0.06 56	0.09 92	0.06 81	0.15 157	0.06 77	0.03 75	0.04 65	0.08 79	0.06 50	0.06 69	0.05 52

IGEV-BASED-STEREO-	0.07 85	0.05 80	0.03 35	0.04 60	0.05 81	0.04 60	0.02 25	0.11 105	0.06 78	0.22 190	0.05 53	0.05 58	0.02 21	0.03 61	0.07 66	0.09 99	0.12 103	0.08 85	0.09 92	0.07 97	0.16 177	0.07 98	0.02 34	0.03 34	0.07 69	0.08 79	0.07 77	0.05 52

MaDis-Stereo	0.07 85	0.04 59	0.05 100	0.03 37	0.02 13	0.03 40	0.03 57	0.06 66	0.06 78	0.04 41	0.06 74	0.10 94	0.05 99	0.02 28	0.07 66	0.08 81	0.10 82	0.09 111	0.07 60	0.05 62	0.10 83	0.10 183	0.01 4	0.05 89	0.12 128	0.18 261	0.13 146	0.16 173

UniTT-Stereo	0.07 85	0.04 59	0.04 68	0.03 37	0.03 37	0.05 90	0.03 57	0.06 66	0.05 53	0.06 69	0.04 36	0.07 77	0.12 232	0.07 157	0.08 89	0.07 66	0.11 93	0.08 85	0.08 77	0.07 97	0.09 75	0.08 114	0.07 175	0.04 65	0.10 103	0.16 224	0.06 69	0.10 104

LL-Strereo2	0.07 85	0.03 34	0.03 35	0.04 60	0.05 81	0.04 60	0.03 57	0.06 66	0.07 105	0.15 111	0.07 98	0.08 81	0.05 99	0.04 90	0.08 89	0.09 99	0.13 106	0.07 75	0.10 103	0.06 81	0.10 83	0.06 77	0.03 75	0.04 65	0.08 79	0.10 98	0.08 86	0.05 52

RAFT_CTSACE	0.07 85	0.04 59	0.06 130	0.03 37	0.04 63	0.05 90	0.05 107	0.06 66	0.06 78	0.09 86	0.04 36	0.10 94	0.09 196	0.03 61	0.08 89	0.08 81	0.11 93	0.07 75	0.07 60	0.05 62	0.12 96	0.08 114	0.03 75	0.06 115	0.12 128	0.12 133	0.12 132	0.16 173

AASNet	0.07 85	0.06 103	0.04 68	0.09 159	0.07 126	0.08 138	0.05 107	0.08 85	0.05 53	0.07 78	0.07 98	0.07 77	0.04 73	0.04 90	0.07 66	0.07 66	0.10 82	0.08 85	0.08 77	0.06 81	0.07 59	0.06 77	0.04 97	0.06 115	0.08 79	0.08 79	0.06 69	0.06 70

ARAFT	0.07 85	0.04 59	0.04 68	0.05 80	0.05 81	0.05 90	0.02 25	0.09 94	0.06 78	0.12 97	0.06 74	0.12 113	0.03 50	0.03 61	0.07 66	0.07 66	0.12 103	0.09 111	0.09 92	0.05 62	0.11 90	0.08 114	0.03 75	0.04 65	0.10 103	0.09 90	0.09 102	0.09 88

DMCA	0.07 85	0.05 80	0.07 165	0.06 103	0.06 108	0.05 90	0.07 159	0.09 94	0.07 105	0.06 69	0.09 147	0.07 77	0.06 128	0.06 123	0.08 89	0.08 81	0.11 93	0.10 134	0.08 77	0.07 97	0.09 75	0.06 77	0.06 148	0.06 115	0.08 79	0.10 98	0.06 69	0.08 82

GANet	0.07 85	0.07 128	0.06 130	0.06 103	0.06 108	0.07 126	0.06 141	0.08 85	0.05 53	0.06 69	0.07 98	0.06 68	0.04 73	0.04 90	0.07 66	0.08 81	0.09 75	0.10 134	0.07 60	0.05 62	0.07 59	0.05 58	0.05 125	0.05 89	0.08 79	0.07 69	0.07 77	0.06 70

CVANet_RVC	0.07 85	0.07 128	0.07 165	0.08 136	0.06 108	0.07 126	0.05 107	0.06 66	0.05 53	0.06 69	0.09 147	0.05 58	0.04 73	0.04 90	0.08 89	0.08 81	0.08 65	0.08 85	0.08 77	0.06 81	0.08 69	0.06 77	0.04 97	0.05 89	0.08 79	0.07 69	0.07 77	0.10 104

DEFOM-Stereo_RVC	0.08 97	0.05 80	0.04 68	0.03 37	0.05 81	0.05 90	0.03 57	0.12 109	0.06 78	0.21 176	0.05 53	0.08 81	0.03 50	0.05 106	0.08 89	0.09 99	0.13 106	0.09 111	0.10 103	0.06 81	0.16 177	0.07 98	0.04 97	0.04 65	0.07 69	0.09 90	0.08 86	0.10 104

MGS-Stereo	0.08 97	0.06 103	0.04 68	0.05 80	0.05 81	0.04 60	0.03 57	0.12 109	0.05 53	0.09 86	0.07 98	0.10 94	0.04 73	0.05 106	0.07 66	0.08 81	0.15 129	0.11 154	0.12 121	0.09 148	0.13 122	0.07 98	0.05 125	0.05 89	0.10 103	0.09 90	0.11 122	0.10 104

anonymousdsp2	0.08 97	0.07 128	0.05 100	0.06 103	0.05 81	0.06 105	0.05 107	0.12 109	0.06 78	0.17 128	0.06 74	0.09 86	0.04 73	0.05 106	0.07 66	0.08 81	0.13 106	0.08 85	0.11 109	0.07 97	0.13 122	0.07 98	0.05 125	0.06 115	0.09 93	0.08 79	0.08 86	0.07 79

test_5	0.08 97	0.05 80	0.07 165	0.04 60	0.04 63	0.04 60	0.04 96	0.09 94	0.05 53	0.05 60	0.07 98	0.12 113	0.12 232	0.02 28	0.08 89	0.09 99	0.07 59	0.07 75	0.08 77	0.06 81	0.10 83	0.10 183	0.02 34	0.08 182	0.10 103	0.14 171	0.13 146	0.18 210

AnonymousM	0.08 97	0.05 80	0.04 68	0.06 103	0.05 81	0.04 60	0.04 96	0.13 128	0.05 53	0.20 165	0.06 74	0.11 105	0.03 50	0.06 123	0.10 156	0.10 124	0.19 200	0.09 111	0.12 121	0.07 97	0.16 177	0.06 77	0.04 97	0.04 65	0.08 79	0.11 117	0.10 108	0.10 104

raft+_RVC	0.08 97	0.06 103	0.05 100	0.06 103	0.06 108	0.07 126	0.04 96	0.10 101	0.08 134	0.17 128	0.08 122	0.09 86	0.04 73	0.04 90	0.08 89	0.08 81	0.13 106	0.09 111	0.11 109	0.06 81	0.13 122	0.06 77	0.04 97	0.05 89	0.11 120	0.09 90	0.09 102	0.09 88

RAFT-Stereo + iAFF	0.08 97	0.06 103	0.05 100	0.05 80	0.04 63	0.04 60	0.04 96	0.14 137	0.07 105	0.21 176	0.04 36	0.12 113	0.04 73	0.03 61	0.08 89	0.09 99	0.09 75	0.06 56	0.11 109	0.05 62	0.11 90	0.06 77	0.03 75	0.05 89	0.13 140	0.09 90	0.09 102	0.09 88

CCAANet	0.08 97	0.07 128	0.06 130	0.09 159	0.06 108	0.07 126	0.09 199	0.08 85	0.07 105	0.07 78	0.07 98	0.14 141	0.05 99	0.05 106	0.10 156	0.10 124	0.10 82	0.09 111	0.07 60	0.06 81	0.08 69	0.06 77	0.04 97	0.04 65	0.08 79	0.10 98	0.07 77	0.09 88

test_for_model	0.09 105	0.05 80	0.04 68	0.05 80	0.07 126	0.04 60	0.03 57	0.12 109	0.08 134	0.23 210	0.05 53	0.15 148	0.05 99	0.06 123	0.08 89	0.09 99	0.18 177	0.10 134	0.13 137	0.08 118	0.14 143	0.07 98	0.04 97	0.05 89	0.09 93	0.10 98	0.08 86	0.09 88

GCAPDPT-zeroshot4090	0.09 105	0.05 80	0.04 68	0.05 80	0.07 126	0.04 60	0.03 57	0.12 109	0.08 134	0.23 210	0.05 53	0.15 148	0.05 99	0.06 123	0.08 89	0.09 99	0.18 177	0.10 134	0.13 137	0.08 118	0.14 143	0.07 98	0.04 97	0.05 89	0.09 93	0.10 98	0.08 86	0.09 88

testlalala	0.09 105	0.05 80	0.04 68	0.05 80	0.07 126	0.04 60	0.03 57	0.12 109	0.08 134	0.23 210	0.05 53	0.15 148	0.05 99	0.06 123	0.08 89	0.09 99	0.18 177	0.10 134	0.13 137	0.08 118	0.14 143	0.07 98	0.04 97	0.05 89	0.09 93	0.10 98	0.08 86	0.09 88

GCAPDPT-zeroshot	0.09 105	0.05 80	0.04 68	0.05 80	0.07 126	0.04 60	0.03 57	0.12 109	0.08 134	0.23 210	0.05 53	0.15 148	0.05 99	0.06 123	0.08 89	0.09 99	0.18 177	0.10 134	0.13 137	0.08 118	0.14 143	0.07 98	0.04 97	0.05 89	0.09 93	0.10 98	0.08 86	0.09 88

GCAP-Stereo	0.09 105	0.05 80	0.04 68	0.05 80	0.07 126	0.04 60	0.03 57	0.12 109	0.08 134	0.23 210	0.05 53	0.15 148	0.05 99	0.06 123	0.08 89	0.09 99	0.18 177	0.10 134	0.13 137	0.08 118	0.14 143	0.07 98	0.04 97	0.05 89	0.09 93	0.10 98	0.08 86	0.09 88

4D-IteraStereo	0.09 105	0.06 103	0.05 100	0.06 103	0.06 108	0.06 105	0.04 96	0.15 143	0.10 192	0.22 190	0.08 122	0.14 141	0.06 128	0.03 61	0.09 116	0.10 124	0.17 156	0.09 111	0.11 109	0.08 118	0.15 157	0.06 77	0.03 75	0.05 89	0.10 103	0.10 98	0.08 86	0.08 82

LoS_RVC	0.09 105	0.07 128	0.05 100	0.05 80	0.06 108	0.06 105	0.05 107	0.13 128	0.08 134	0.18 141	0.11 186	0.12 113	0.06 128	0.07 157	0.09 116	0.09 99	0.10 82	0.08 85	0.12 121	0.08 118	0.17 195	0.09 152	0.05 125	0.06 115	0.15 176	0.11 117	0.10 108	0.13 136

tt_ll	0.09 105	0.07 128	0.05 100	0.05 80	0.06 108	0.06 105	0.05 107	0.13 128	0.08 134	0.18 141	0.11 186	0.12 113	0.06 128	0.07 157	0.09 116	0.09 99	0.10 82	0.08 85	0.12 121	0.08 118	0.17 195	0.09 152	0.05 125	0.06 115	0.15 176	0.11 117	0.10 108	0.13 136

CAS	0.09 105	0.07 128	0.05 100	0.06 103	0.05 81	0.05 90	0.04 96	0.14 137	0.06 78	0.11 95	0.11 186	0.11 105	0.05 99	0.07 157	0.09 116	0.09 99	0.11 93	0.10 134	0.14 149	0.07 97	0.12 96	0.08 114	0.05 125	0.05 89	0.13 140	0.11 117	0.09 102	0.14 147

TestStereo1	0.09 105	0.07 128	0.06 130	0.04 60	0.05 81	0.06 105	0.06 141	0.07 80	0.07 105	0.09 86	0.07 98	0.11 105	0.14 264	0.04 90	0.10 156	0.10 124	0.11 93	0.09 111	0.09 92	0.08 118	0.13 122	0.12 240	0.02 34	0.05 89	0.15 176	0.14 171	0.16 186	0.20 234

TESTraft	0.09 105	0.06 103	0.06 130	0.04 60	0.04 63	0.05 90	0.06 141	0.09 94	0.08 134	0.09 86	0.08 122	0.12 113	0.13 248	0.03 61	0.09 116	0.10 124	0.11 93	0.09 111	0.08 77	0.07 97	0.13 122	0.12 240	0.02 34	0.05 89	0.14 165	0.13 148	0.14 158	0.20 234

IER	0.09 105	0.07 128	0.07 165	0.09 159	0.07 126	0.09 154	0.06 141	0.12 109	0.07 105	0.14 105	0.11 186	0.11 105	0.07 159	0.06 123	0.09 116	0.09 99	0.14 119	0.11 154	0.11 109	0.07 97	0.12 96	0.08 114	0.06 148	0.06 115	0.10 103	0.11 117	0.11 122	0.14 147

RAFT+CT+SA	0.09 105	0.05 80	0.07 165	0.05 80	0.05 81	0.04 60	0.05 107	0.13 128	0.07 105	0.08 82	0.07 98	0.15 148	0.13 248	0.04 90	0.11 203	0.10 124	0.09 75	0.08 85	0.08 77	0.06 81	0.12 96	0.11 218	0.02 34	0.06 115	0.13 140	0.13 148	0.11 122	0.17 188

SA-5K	0.09 105	0.07 128	0.06 130	0.04 60	0.05 81	0.06 105	0.06 141	0.07 80	0.07 105	0.09 86	0.07 98	0.11 105	0.14 264	0.04 90	0.10 156	0.10 124	0.11 93	0.09 111	0.09 92	0.08 118	0.13 122	0.12 240	0.02 34	0.05 89	0.15 176	0.14 171	0.16 186	0.20 234

test_4	0.09 105	0.05 80	0.07 165	0.05 80	0.06 108	0.03 40	0.02 25	0.12 109	0.09 166	0.17 128	0.06 74	0.09 86	0.06 128	0.03 61	0.09 116	0.10 124	0.15 129	0.08 85	0.10 103	0.07 97	0.17 195	0.09 152	0.02 34	0.07 151	0.10 103	0.14 171	0.12 132	0.19 221

CIPLG	0.09 105	0.06 103	0.05 100	0.06 103	0.06 108	0.09 154	0.06 141	0.18 199	0.06 78	0.20 165	0.08 122	0.13 125	0.07 159	0.06 123	0.08 89	0.10 124	0.17 156	0.11 154	0.11 109	0.09 148	0.13 122	0.06 77	0.04 97	0.06 115	0.10 103	0.10 98	0.10 108	0.10 104

IPLGR_C	0.09 105	0.06 103	0.05 100	0.06 103	0.06 108	0.09 154	0.06 141	0.18 199	0.06 78	0.20 165	0.08 122	0.13 125	0.07 159	0.06 123	0.08 89	0.11 170	0.17 156	0.11 154	0.11 109	0.09 148	0.13 122	0.06 77	0.04 97	0.06 115	0.10 103	0.09 90	0.10 108	0.10 104

ACRE	0.09 105	0.06 103	0.05 100	0.06 103	0.06 108	0.09 154	0.06 141	0.18 199	0.06 78	0.20 165	0.08 122	0.13 125	0.07 159	0.06 123	0.08 89	0.10 124	0.17 156	0.11 154	0.11 109	0.09 148	0.13 122	0.06 77	0.04 97	0.06 115	0.10 103	0.10 98	0.10 108	0.10 104

rafts_anoy	0.09 105	0.08 168	0.07 165	0.07 127	0.07 126	0.06 105	0.05 107	0.13 128	0.05 53	0.17 128	0.10 165	0.12 113	0.05 99	0.03 61	0.10 156	0.10 124	0.15 129	0.12 191	0.14 149	0.07 97	0.15 157	0.08 114	0.04 97	0.06 115	0.11 120	0.10 98	0.09 102	0.11 114

RALCasStereoNet	0.09 105	0.08 168	0.06 130	0.09 159	0.07 126	0.06 105	0.05 107	0.12 109	0.05 53	0.18 141	0.07 98	0.12 113	0.05 99	0.04 90	0.10 156	0.10 124	0.18 177	0.12 191	0.14 149	0.08 118	0.15 157	0.08 114	0.05 125	0.06 115	0.12 128	0.10 98	0.10 108	0.08 82

RALAANet	0.09 105	0.08 168	0.06 130	0.07 127	0.06 108	0.08 138	0.05 107	0.10 101	0.07 105	0.12 97	0.10 165	0.10 94	0.06 128	0.03 61	0.09 116	0.09 99	0.13 106	0.11 154	0.16 178	0.09 148	0.12 96	0.08 114	0.04 97	0.06 115	0.12 128	0.10 98	0.11 122	0.11 114

UPFNet	0.09 105	0.08 168	0.08 193	0.09 159	0.08 150	0.09 154	0.06 141	0.12 109	0.09 166	0.14 105	0.10 165	0.12 113	0.06 128	0.07 157	0.08 89	0.10 124	0.13 106	0.11 154	0.10 103	0.07 97	0.10 83	0.07 98	0.06 148	0.07 151	0.09 93	0.11 117	0.10 108	0.11 114

HITNet	0.09 105	0.07 128	0.06 130	0.08 136	0.08 150	0.08 138	0.05 107	0.11 105	0.07 105	0.19 153	0.08 122	0.12 113	0.07 159	0.07 157	0.09 116	0.08 81	0.13 106	0.10 134	0.10 103	0.07 97	0.11 90	0.09 152	0.06 148	0.06 115	0.12 128	0.11 117	0.16 186	0.14 147
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
DepthFocus	0.10 128	0.05 80	0.05 100	0.09 159	0.05 81	0.06 105	0.04 96	0.17 164	0.07 105	0.21 176	0.09 147	0.13 125	0.04 73	0.10 219	0.09 116	0.09 99	0.17 156	0.09 111	0.18 219	0.10 180	0.18 212	0.08 114	0.09 231	0.05 89	0.08 79	0.11 117	0.14 158	0.12 129

castereo++	0.10 128	0.07 128	0.05 100	0.07 127	0.07 126	0.06 105	0.05 107	0.16 151	0.10 192	0.24 233	0.08 122	0.17 173	0.06 128	0.05 106	0.09 116	0.10 124	0.18 177	0.09 111	0.14 149	0.08 118	0.21 271	0.08 114	0.05 125	0.07 151	0.12 128	0.13 148	0.12 132	0.11 114

castereo	0.10 128	0.07 128	0.06 130	0.06 103	0.07 126	0.08 138	0.05 107	0.16 151	0.11 211	0.24 233	0.10 165	0.15 148	0.04 73	0.05 106	0.09 116	0.10 124	0.19 200	0.09 111	0.14 149	0.07 97	0.20 247	0.08 114	0.04 97	0.07 151	0.13 140	0.12 133	0.12 132	0.13 136

Former-RAFT_DAM_RVC	0.10 128	0.07 128	0.07 165	0.08 136	0.05 81	0.07 126	0.03 57	0.11 105	0.15 261	0.20 165	0.14 231	0.12 113	0.07 159	0.07 157	0.09 116	0.09 99	0.16 139	0.11 154	0.12 121	0.08 118	0.12 96	0.11 218	0.06 148	0.07 151	0.12 128	0.15 201	0.12 132	0.16 173

CASnet	0.10 128	0.06 103	0.05 100	0.08 136	0.09 175	0.11 191	0.05 107	0.18 199	0.10 192	0.23 210	0.11 186	0.13 125	0.06 128	0.08 183	0.10 156	0.10 124	0.16 139	0.08 85	0.19 233	0.08 118	0.14 143	0.06 77	0.06 148	0.06 115	0.12 128	0.10 98	0.14 158	0.10 104
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
iinet-f	0.10 128	0.09 187	0.06 130	0.08 136	0.06 108	0.09 154	0.06 141	0.09 94	0.07 105	0.18 141	0.11 186	0.11 105	0.10 213	0.06 123	0.09 116	0.10 124	0.14 119	0.09 111	0.19 233	0.09 148	0.12 96	0.06 77	0.05 125	0.06 115	0.11 120	0.10 98	0.15 174	0.12 129

SA	0.10 128	0.07 128	0.07 165	0.06 103	0.05 81	0.08 138	0.04 96	0.12 109	0.05 53	0.16 118	0.07 98	0.16 166	0.03 50	0.04 90	0.10 156	0.10 124	0.13 106	0.11 154	0.12 121	0.09 148	0.14 143	0.10 183	0.03 75	0.06 115	0.16 193	0.15 201	0.13 146	0.21 250

IPLG	0.10 128	0.07 128	0.07 165	0.07 127	0.07 126	0.06 105	0.05 107	0.15 143	0.06 78	0.22 190	0.06 74	0.15 148	0.05 99	0.04 90	0.09 116	0.10 124	0.16 139	0.10 134	0.14 149	0.09 148	0.13 122	0.08 114	0.04 97	0.07 151	0.13 140	0.12 133	0.11 122	0.09 88

test-3	0.10 128	0.06 103	0.04 68	0.06 103	0.08 150	0.06 105	0.05 107	0.17 164	0.07 105	0.24 233	0.08 122	0.19 203	0.08 180	0.06 123	0.11 203	0.11 170	0.20 224	0.10 134	0.15 166	0.10 180	0.16 177	0.10 183	0.05 125	0.06 115	0.10 103	0.11 117	0.12 132	0.11 114

test_1	0.10 128	0.06 103	0.04 68	0.06 103	0.08 150	0.06 105	0.05 107	0.17 164	0.07 105	0.24 233	0.08 122	0.19 203	0.08 180	0.06 123	0.11 203	0.11 170	0.20 224	0.10 134	0.15 166	0.10 180	0.16 177	0.10 183	0.05 125	0.06 115	0.10 103	0.11 117	0.12 132	0.11 114

raftrobust	0.10 128	0.08 168	0.06 130	0.08 136	0.07 126	0.05 90	0.04 96	0.14 137	0.06 78	0.25 261	0.08 122	0.13 125	0.05 99	0.05 106	0.09 116	0.09 99	0.17 156	0.12 191	0.12 121	0.09 148	0.17 195	0.08 114	0.05 125	0.06 115	0.13 140	0.12 133	0.10 108	0.11 114

DMCA-RVC	0.10 128	0.08 168	0.11 243	0.08 136	0.09 175	0.08 138	0.08 177	0.12 109	0.09 166	0.13 102	0.13 219	0.13 125	0.07 159	0.06 123	0.14 266	0.12 223	0.14 119	0.13 226	0.11 109	0.10 180	0.12 96	0.10 183	0.07 175	0.09 216	0.10 103	0.10 98	0.10 108	0.11 114

LGCAT	0.11 140	0.09 187	0.08 193	0.08 136	0.07 126	0.10 177	0.06 141	0.17 164	0.07 105	0.22 190	0.10 165	0.15 148	0.07 159	0.07 157	0.09 116	0.10 124	0.18 177	0.10 134	0.17 197	0.08 118	0.19 230	0.10 183	0.08 209	0.06 115	0.11 120	0.13 148	0.15 174	0.11 114

HLF11	0.11 140	0.09 187	0.07 165	0.11 201	0.07 126	0.09 154	0.07 159	0.19 230	0.07 105	0.19 153	0.09 147	0.17 173	0.06 128	0.07 157	0.09 116	0.10 124	0.19 200	0.12 191	0.16 178	0.09 148	0.13 122	0.09 152	0.07 175	0.07 151	0.13 140	0.14 171	0.15 174	0.14 147

S2M2_XL	0.11 140	0.07 128	0.08 193	0.07 127	0.07 126	0.10 177	0.08 177	0.18 199	0.06 78	0.21 176	0.09 147	0.22 254	0.05 99	0.06 123	0.09 116	0.10 124	0.19 200	0.09 111	0.17 197	0.09 148	0.20 247	0.09 152	0.08 209	0.07 151	0.11 120	0.09 90	0.14 158	0.16 173
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
coex_refinement	0.11 140	0.10 205	0.08 193	0.09 159	0.08 150	0.09 154	0.06 141	0.17 164	0.10 192	0.19 153	0.11 186	0.11 105	0.07 159	0.07 157	0.13 246	0.14 275	0.15 129	0.11 154	0.12 121	0.07 97	0.12 96	0.09 152	0.06 148	0.07 151	0.13 140	0.12 133	0.11 122	0.13 136

G2L-Stereo	0.11 140	0.10 205	0.08 193	0.09 159	0.09 175	0.08 138	0.07 159	0.17 164	0.08 134	0.22 190	0.10 165	0.16 166	0.13 248	0.07 157	0.09 116	0.11 170	0.16 139	0.11 154	0.11 109	0.09 148	0.15 157	0.10 183	0.09 231	0.07 151	0.14 165	0.15 201	0.14 158	0.11 114

trnet	0.11 140	0.08 168	0.05 100	0.08 136	0.08 150	0.07 126	0.05 107	0.18 199	0.05 53	0.27 293	0.08 122	0.18 191	0.06 128	0.08 183	0.09 116	0.10 124	0.21 237	0.08 85	0.12 121	0.08 118	0.20 247	0.09 152	0.06 148	0.05 89	0.12 128	0.14 171	0.18 229	0.17 188

EGLCR-Stereo	0.11 140	0.06 103	0.04 68	0.08 136	0.08 150	0.07 126	0.05 107	0.17 164	0.09 166	0.27 293	0.06 74	0.19 203	0.06 128	0.08 183	0.08 89	0.10 124	0.20 224	0.10 134	0.16 178	0.07 97	0.17 195	0.08 114	0.04 97	0.06 115	0.10 103	0.13 148	0.18 229	0.17 188

Sa-1000	0.11 140	0.07 128	0.07 165	0.06 103	0.05 81	0.09 154	0.03 57	0.12 109	0.07 105	0.18 141	0.08 122	0.19 203	0.05 99	0.06 123	0.10 156	0.10 124	0.16 139	0.12 191	0.14 149	0.09 148	0.17 195	0.10 183	0.04 97	0.05 89	0.19 248	0.16 224	0.13 146	0.20 234

MIPNet	0.11 140	0.09 187	0.06 130	0.07 127	0.08 150	0.07 126	0.05 107	0.17 164	0.06 78	0.23 210	0.07 98	0.16 166	0.08 180	0.05 106	0.10 156	0.11 170	0.17 156	0.11 154	0.20 246	0.12 232	0.13 122	0.11 218	0.05 125	0.07 151	0.16 193	0.15 201	0.11 122	0.13 136

GMOStereo	0.11 140	0.07 128	0.09 212	0.06 103	0.05 81	0.06 105	0.05 107	0.17 164	0.09 166	0.24 233	0.07 98	0.17 173	0.09 196	0.05 106	0.11 203	0.12 223	0.17 156	0.08 85	0.12 121	0.08 118	0.19 230	0.08 114	0.03 75	0.07 151	0.18 233	0.18 261	0.14 158	0.17 188

error version	0.11 140	0.07 128	0.09 212	0.06 103	0.05 81	0.06 105	0.05 107	0.17 164	0.09 166	0.24 233	0.07 98	0.17 173	0.09 196	0.05 106	0.11 203	0.12 223	0.17 156	0.08 85	0.12 121	0.08 118	0.19 230	0.08 114	0.03 75	0.07 151	0.18 233	0.18 261	0.14 158	0.17 188

test-v	0.11 140	0.07 128	0.09 212	0.06 103	0.05 81	0.06 105	0.05 107	0.17 164	0.09 166	0.24 233	0.07 98	0.17 173	0.09 196	0.05 106	0.11 203	0.12 223	0.17 156	0.08 85	0.12 121	0.08 118	0.19 230	0.08 114	0.03 75	0.07 151	0.18 233	0.18 261	0.14 158	0.17 188

test_3	0.11 140	0.07 128	0.07 165	0.06 103	0.08 150	0.05 90	0.05 107	0.17 164	0.10 192	0.24 233	0.09 147	0.22 254	0.12 232	0.06 123	0.13 246	0.13 255	0.20 224	0.09 111	0.14 149	0.10 180	0.18 212	0.09 152	0.04 97	0.08 182	0.13 140	0.14 171	0.13 146	0.14 147

test-2	0.11 140	0.07 128	0.09 212	0.06 103	0.05 81	0.06 105	0.05 107	0.17 164	0.09 166	0.24 233	0.07 98	0.17 173	0.09 196	0.05 106	0.11 203	0.12 223	0.17 156	0.08 85	0.12 121	0.08 118	0.19 230	0.08 114	0.03 75	0.07 151	0.18 233	0.18 261	0.14 158	0.17 188

CREStereo++_RVC	0.11 140	0.07 128	0.05 100	0.08 136	0.09 175	0.08 138	0.07 159	0.16 151	0.09 166	0.26 278	0.09 147	0.17 173	0.13 248	0.08 183	0.09 116	0.10 124	0.19 200	0.08 85	0.13 137	0.07 97	0.20 247	0.08 114	0.06 148	0.06 115	0.14 165	0.12 133	0.16 186	0.15 162
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
TANstereo	0.11 140	0.06 103	0.06 130	0.10 181	0.09 175	0.08 138	0.06 141	0.12 109	0.08 134	0.22 190	0.08 122	0.13 125	0.08 180	0.08 183	0.10 156	0.13 255	0.19 200	0.13 226	0.18 219	0.08 118	0.18 212	0.10 183	0.06 148	0.06 115	0.11 120	0.11 117	0.15 174	0.14 147

XX-TBD	0.11 140	0.06 103	0.06 130	0.10 181	0.09 175	0.08 138	0.06 141	0.12 109	0.08 134	0.22 190	0.08 122	0.13 125	0.08 180	0.08 183	0.10 156	0.13 255	0.19 200	0.13 226	0.18 219	0.08 118	0.18 212	0.10 183	0.06 148	0.06 115	0.11 120	0.11 117	0.15 174	0.14 147

UNet	0.11 140	0.09 187	0.09 212	0.10 181	0.08 150	0.10 177	0.08 177	0.15 143	0.08 134	0.17 128	0.10 165	0.13 125	0.09 196	0.07 157	0.09 116	0.10 124	0.16 139	0.13 226	0.12 121	0.08 118	0.12 96	0.09 152	0.08 209	0.09 216	0.12 128	0.14 171	0.10 108	0.11 114

CREStereo	0.11 140	0.08 168	0.06 130	0.08 136	0.08 150	0.07 126	0.05 107	0.18 199	0.05 53	0.26 278	0.08 122	0.18 191	0.06 128	0.08 183	0.09 116	0.10 124	0.22 253	0.08 85	0.13 137	0.08 118	0.20 247	0.09 152	0.06 148	0.06 115	0.12 128	0.13 148	0.17 204	0.16 173
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
HGLStereo	0.11 140	0.10 205	0.08 193	0.09 159	0.10 200	0.09 154	0.06 141	0.14 137	0.08 134	0.18 141	0.15 247	0.09 86	0.06 128	0.08 183	0.10 156	0.10 124	0.17 156	0.13 226	0.14 149	0.10 180	0.12 96	0.10 183	0.08 209	0.09 216	0.13 140	0.13 148	0.10 108	0.11 114

DSFCA	0.11 140	0.12 237	0.09 212	0.10 181	0.08 150	0.11 191	0.11 230	0.12 109	0.09 166	0.12 97	0.14 231	0.14 141	0.08 180	0.05 106	0.10 156	0.11 170	0.15 129	0.12 191	0.16 178	0.10 180	0.13 122	0.12 240	0.07 175	0.09 216	0.13 140	0.14 171	0.10 108	0.13 136

PMTNet	0.11 140	0.10 205	0.06 130	0.12 215	0.09 175	0.07 126	0.06 141	0.18 199	0.06 78	0.28 309	0.06 74	0.18 191	0.04 73	0.07 157	0.10 156	0.11 170	0.18 177	0.08 85	0.14 149	0.08 118	0.18 212	0.10 183	0.07 175	0.05 89	0.13 140	0.12 133	0.17 204	0.16 173

BEATNet_4x	0.11 140	0.10 205	0.08 193	0.09 159	0.09 175	0.09 154	0.08 177	0.12 109	0.08 134	0.21 176	0.09 147	0.15 148	0.09 196	0.08 183	0.11 203	0.10 124	0.13 106	0.13 226	0.11 109	0.08 118	0.13 122	0.12 240	0.08 209	0.08 182	0.13 140	0.13 148	0.18 229	0.18 210

ADCP+	0.11 140	0.10 205	0.08 193	0.09 159	0.07 126	0.09 154	0.08 177	0.14 137	0.11 211	0.16 118	0.12 206	0.18 191	0.08 180	0.07 157	0.11 203	0.10 124	0.16 139	0.11 154	0.14 149	0.09 148	0.12 96	0.09 152	0.08 209	0.08 182	0.11 120	0.16 224	0.11 122	0.11 114

RASNet	0.11 140	0.10 205	0.10 228	0.09 159	0.07 126	0.08 138	0.08 177	0.19 230	0.09 166	0.17 128	0.10 165	0.13 125	0.09 196	0.06 123	0.09 116	0.10 124	0.14 119	0.09 111	0.12 121	0.06 81	0.15 157	0.09 152	0.05 125	0.10 235	0.13 140	0.12 133	0.17 204	0.17 188

DISCO	0.11 140	0.10 205	0.08 193	0.10 181	0.09 175	0.11 191	0.09 199	0.10 101	0.08 134	0.15 111	0.11 186	0.12 113	0.07 159	0.06 123	0.09 116	0.11 170	0.15 129	0.10 134	0.14 149	0.10 180	0.12 96	0.10 183	0.06 148	0.09 216	0.14 165	0.12 133	0.13 146	0.11 114

iResNet_ROB	0.11 140	0.08 168	0.07 165	0.11 201	0.08 150	0.12 207	0.08 177	0.15 143	0.08 134	0.23 210	0.11 186	0.15 148	0.15 272	0.06 123	0.08 89	0.09 99	0.16 139	0.12 191	0.14 149	0.09 148	0.15 157	0.10 183	0.07 175	0.08 182	0.15 176	0.12 133	0.15 174	0.15 162

DN-CSS_ROB	0.11 140	0.09 187	0.12 256	0.08 136	0.09 175	0.08 138	0.08 177	0.16 151	0.10 192	0.23 210	0.17 267	0.19 203	0.14 264	0.05 106	0.09 116	0.09 99	0.13 106	0.10 134	0.18 219	0.09 148	0.12 96	0.08 114	0.07 175	0.08 182	0.13 140	0.11 117	0.12 132	0.11 114

ManiGeoR	0.12 168	0.10 205	0.08 193	0.12 215	0.09 175	0.11 191	0.07 159	0.20 249	0.10 192	0.20 165	0.11 186	0.20 220	0.06 128	0.06 123	0.10 156	0.11 170	0.18 177	0.11 154	0.16 178	0.09 148	0.13 122	0.08 114	0.06 148	0.08 182	0.16 193	0.14 171	0.16 186	0.14 147

HLf10	0.12 168	0.10 205	0.08 193	0.12 215	0.09 175	0.11 191	0.07 159	0.20 249	0.10 192	0.20 165	0.11 186	0.20 220	0.06 128	0.06 123	0.10 156	0.11 170	0.18 177	0.11 154	0.16 178	0.09 148	0.13 122	0.08 114	0.06 148	0.08 182	0.16 193	0.14 171	0.16 186	0.14 147

HLf8	0.12 168	0.10 205	0.08 193	0.11 201	0.09 175	0.10 177	0.08 177	0.20 249	0.09 166	0.19 153	0.10 165	0.20 220	0.09 196	0.07 157	0.10 156	0.11 170	0.19 200	0.12 191	0.18 219	0.10 180	0.14 143	0.09 152	0.07 175	0.09 216	0.17 208	0.15 201	0.18 229	0.17 188

TestStereo_HL2	0.12 168	0.09 187	0.07 165	0.10 181	0.08 150	0.10 177	0.08 177	0.18 199	0.11 211	0.22 190	0.11 186	0.21 239	0.10 213	0.08 183	0.10 156	0.10 124	0.19 200	0.11 154	0.17 197	0.09 148	0.14 143	0.08 114	0.07 175	0.08 182	0.17 208	0.15 201	0.17 204	0.19 221

GGDA	0.12 168	0.09 187	0.07 165	0.10 181	0.08 150	0.11 191	0.08 177	0.18 199	0.11 211	0.22 190	0.11 186	0.21 239	0.10 213	0.08 183	0.10 156	0.10 124	0.18 177	0.11 154	0.16 178	0.08 118	0.14 143	0.08 114	0.07 175	0.08 182	0.17 208	0.14 171	0.16 186	0.16 173

DF	0.12 168	0.07 128	0.05 100	0.10 181	0.09 175	0.09 154	0.07 159	0.19 230	0.07 105	0.27 293	0.09 147	0.20 220	0.05 99	0.10 219	0.10 156	0.11 170	0.21 237	0.11 154	0.16 178	0.10 180	0.21 271	0.11 218	0.07 175	0.07 151	0.15 176	0.12 133	0.17 204	0.22 255

WQFJA1++	0.12 168	0.09 187	0.06 130	0.14 240	0.08 150	0.15 238	0.13 252	0.17 164	0.08 134	0.19 153	0.11 186	0.15 148	0.09 196	0.06 123	0.08 89	0.10 124	0.19 200	0.09 111	0.16 178	0.09 148	0.16 177	0.08 114	0.06 148	0.06 115	0.16 193	0.12 133	0.21 268	0.21 250

DDF-Stereo	0.12 168	0.07 128	0.04 68	0.10 181	0.09 175	0.13 218	0.10 217	0.18 199	0.08 134	0.24 233	0.06 74	0.19 203	0.07 159	0.08 183	0.08 89	0.11 170	0.23 263	0.09 111	0.16 178	0.10 180	0.20 247	0.09 152	0.07 175	0.07 151	0.14 165	0.14 171	0.17 204	0.18 210

zero-FE	0.12 168	0.07 128	0.04 68	0.10 181	0.09 175	0.15 238	0.11 230	0.18 199	0.08 134	0.23 210	0.08 122	0.19 203	0.07 159	0.08 183	0.09 116	0.11 170	0.23 263	0.09 111	0.17 197	0.10 180	0.20 247	0.09 152	0.07 175	0.07 151	0.14 165	0.14 171	0.17 204	0.19 221

LG-Stereo_Zeroshot	0.12 168	0.06 103	0.05 100	0.09 159	0.09 175	0.10 177	0.10 217	0.18 199	0.09 166	0.24 233	0.09 147	0.16 166	0.04 73	0.09 205	0.09 116	0.11 170	0.20 224	0.10 134	0.17 197	0.09 148	0.21 271	0.10 183	0.05 125	0.06 115	0.16 193	0.13 148	0.16 186	0.27 280

Reg-Stereo(zero)	0.12 168	0.08 168	0.06 130	0.08 136	0.07 126	0.10 177	0.07 159	0.17 164	0.10 192	0.25 261	0.09 147	0.20 220	0.06 128	0.07 157	0.09 116	0.11 170	0.19 200	0.10 134	0.15 166	0.09 148	0.15 157	0.08 114	0.07 175	0.07 151	0.13 140	0.13 148	0.18 229	0.17 188

fast-iter	0.12 168	0.08 168	0.06 130	0.08 136	0.07 126	0.10 177	0.07 159	0.17 164	0.10 192	0.25 261	0.09 147	0.20 220	0.06 128	0.07 157	0.09 116	0.11 170	0.19 200	0.10 134	0.15 166	0.09 148	0.15 157	0.08 114	0.07 175	0.07 151	0.13 140	0.13 148	0.18 229	0.17 188

CES	0.12 168	0.06 103	0.06 130	0.06 103	0.08 150	0.07 126	0.05 107	0.35 326	0.05 53	0.15 111	0.23 311	0.13 125	0.04 73	0.08 183	0.09 116	0.11 170	0.19 200	0.08 85	0.14 149	0.08 118	0.28 331	0.08 114	0.07 175	0.04 65	0.14 165	0.11 117	0.14 158	0.16 173

raft_robust	0.12 168	0.09 187	0.09 212	0.11 201	0.06 108	0.09 154	0.06 141	0.15 143	0.08 134	0.23 210	0.07 98	0.20 220	0.11 226	0.09 205	0.11 203	0.12 223	0.16 139	0.12 191	0.14 149	0.10 180	0.15 157	0.11 218	0.03 75	0.08 182	0.18 233	0.17 245	0.15 174	0.14 147

IPLGR	0.12 168	0.09 187	0.09 212	0.09 159	0.10 200	0.09 154	0.07 159	0.18 199	0.09 166	0.22 190	0.10 165	0.16 166	0.07 159	0.06 123	0.10 156	0.11 170	0.17 156	0.11 154	0.21 252	0.12 232	0.16 177	0.09 152	0.04 97	0.08 182	0.16 193	0.14 171	0.14 158	0.16 173

s12784h	0.12 168	0.09 187	0.06 130	0.11 201	0.09 175	0.08 138	0.06 141	0.18 199	0.07 105	0.26 278	0.12 206	0.19 203	0.09 196	0.07 157	0.09 116	0.10 124	0.20 224	0.08 85	0.15 166	0.07 97	0.20 247	0.08 114	0.05 125	0.07 151	0.16 193	0.15 201	0.18 229	0.21 250

HCRNet	0.12 168	0.17 288	0.06 130	0.22 289	0.08 150	0.15 238	0.08 177	0.13 128	0.04 31	0.46 352	0.12 206	0.24 267	0.07 159	0.07 157	0.08 89	0.06 40	0.14 119	0.08 85	0.20 246	0.08 118	0.10 83	0.05 58	0.11 258	0.06 115	0.06 53	0.06 50	0.05 50	0.08 82

GMStereo	0.12 168	0.12 237	0.07 165	0.11 201	0.11 221	0.13 218	0.09 199	0.17 164	0.10 192	0.17 128	0.14 231	0.22 254	0.11 226	0.07 157	0.10 156	0.09 99	0.17 156	0.10 134	0.17 197	0.12 232	0.15 157	0.09 152	0.07 175	0.09 216	0.14 165	0.13 148	0.15 174	0.12 129
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
FINET	0.12 168	0.12 237	0.12 256	0.12 215	0.10 200	0.11 191	0.13 252	0.15 143	0.12 231	0.13 102	0.12 206	0.13 125	0.10 213	0.09 205	0.18 302	0.13 255	0.16 139	0.11 154	0.17 197	0.10 180	0.13 122	0.10 183	0.10 248	0.10 235	0.13 140	0.11 117	0.13 146	0.13 136

DeepPrunerF	0.12 168	0.10 205	0.11 243	0.13 230	0.14 259	0.09 154	0.09 199	0.15 143	0.11 211	0.12 97	0.14 231	0.10 94	0.09 196	0.07 157	0.13 246	0.11 170	0.11 93	0.13 226	0.13 137	0.11 207	0.13 122	0.09 152	0.08 209	0.08 182	0.17 208	0.15 201	0.11 122	0.14 147

CFNet	0.12 168	0.11 222	0.08 193	0.14 240	0.12 234	0.11 191	0.09 199	0.20 249	0.10 192	0.18 141	0.12 206	0.25 273	0.10 213	0.08 183	0.09 116	0.09 99	0.17 156	0.12 191	0.12 121	0.09 148	0.12 96	0.08 114	0.06 148	0.10 235	0.15 176	0.13 148	0.13 146	0.13 136

iResNetv2_ROB	0.12 168	0.08 168	0.08 193	0.12 215	0.09 175	0.12 207	0.08 177	0.17 164	0.08 134	0.22 190	0.12 206	0.20 220	0.16 277	0.07 157	0.09 116	0.09 99	0.16 139	0.11 154	0.17 197	0.10 180	0.15 157	0.10 183	0.09 231	0.10 235	0.15 176	0.13 148	0.19 242	0.12 129

PDISCO_ROB	0.12 168	0.13 252	0.13 269	0.10 181	0.08 150	0.09 154	0.09 199	0.09 94	0.08 134	0.11 95	0.10 165	0.06 68	0.05 99	0.05 106	0.10 156	0.12 223	0.14 119	0.16 276	0.09 92	0.10 180	0.14 143	0.13 259	0.04 97	0.08 182	0.17 208	0.21 292	0.32 312	0.20 234

TestStereo_HLe17	0.13 191	0.11 222	0.09 212	0.14 240	0.10 200	0.12 207	0.08 177	0.23 284	0.12 231	0.21 176	0.11 186	0.20 220	0.07 159	0.06 123	0.10 156	0.10 124	0.17 156	0.11 154	0.18 219	0.10 180	0.13 122	0.08 114	0.06 148	0.09 216	0.18 233	0.15 201	0.16 186	0.15 162

gcap_with_dpt	0.13 191	0.07 128	0.07 165	0.08 136	0.10 200	0.11 191	0.07 159	0.18 199	0.11 211	0.27 293	0.10 165	0.24 267	0.09 196	0.12 256	0.10 156	0.11 170	0.21 237	0.12 191	0.17 197	0.10 180	0.21 271	0.12 240	0.08 209	0.08 182	0.17 208	0.12 133	0.17 204	0.26 275

S2M2_L	0.13 191	0.10 205	0.09 212	0.12 215	0.08 150	0.13 218	0.10 217	0.16 151	0.08 134	0.21 176	0.07 98	0.17 173	0.03 50	0.18 293	0.11 203	0.09 99	0.21 237	0.12 191	0.16 178	0.11 207	0.18 212	0.10 183	0.12 270	0.08 182	0.13 140	0.13 148	0.15 174	0.19 221
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
GCAP-BAT	0.13 191	0.07 128	0.07 165	0.08 136	0.10 200	0.11 191	0.07 159	0.18 199	0.11 211	0.27 293	0.10 165	0.24 267	0.09 196	0.12 256	0.10 156	0.11 170	0.21 237	0.12 191	0.17 197	0.10 180	0.21 271	0.12 240	0.08 209	0.08 182	0.17 208	0.12 133	0.17 204	0.26 275

gcap-zeroshot	0.13 191	0.08 168	0.06 130	0.08 136	0.11 221	0.11 191	0.09 199	0.18 199	0.09 166	0.28 309	0.08 122	0.20 220	0.07 159	0.10 219	0.10 156	0.12 223	0.23 263	0.11 154	0.28 296	0.13 250	0.20 247	0.11 218	0.07 175	0.08 182	0.12 128	0.18 261	0.17 204	0.19 221

AE-Stereo	0.13 191	0.09 187	0.08 193	0.11 201	0.09 175	0.08 138	0.05 107	0.17 164	0.14 251	0.24 233	0.10 165	0.19 203	0.10 213	0.07 157	0.11 203	0.12 223	0.24 285	0.13 226	0.17 197	0.11 207	0.19 230	0.10 183	0.05 125	0.09 216	0.14 165	0.14 171	0.15 174	0.14 147

MSKI-zero shot	0.13 191	0.08 168	0.05 100	0.09 159	0.11 221	0.09 154	0.07 159	0.19 230	0.09 166	0.28 309	0.10 165	0.19 203	0.06 128	0.11 236	0.11 203	0.12 223	0.23 263	0.11 154	0.17 197	0.11 207	0.22 290	0.10 183	0.07 175	0.08 182	0.14 165	0.17 245	0.18 229	0.18 210

Any-RAFT	0.13 191	0.07 128	0.06 130	0.11 201	0.09 175	0.12 207	0.08 177	0.17 164	0.10 192	0.26 278	0.09 147	0.20 220	0.08 180	0.11 236	0.11 203	0.11 170	0.22 253	0.11 154	0.21 252	0.10 180	0.22 290	0.10 183	0.08 209	0.06 115	0.16 193	0.16 224	0.17 204	0.17 188

RAFT-Test	0.13 191	0.07 128	0.06 130	0.09 159	0.11 221	0.13 218	0.08 177	0.17 164	0.11 211	0.27 293	0.11 186	0.20 220	0.05 99	0.12 256	0.10 156	0.11 170	0.23 263	0.12 191	0.21 252	0.14 260	0.21 271	0.11 218	0.07 175	0.08 182	0.17 208	0.16 224	0.17 204	0.17 188

HH	0.13 191	0.06 103	0.05 100	0.11 201	0.12 234	0.16 251	0.08 177	0.19 230	0.08 134	0.28 309	0.08 122	0.18 191	0.06 128	0.12 256	0.11 203	0.11 170	0.23 263	0.12 191	0.16 178	0.11 207	0.20 247	0.08 114	0.07 175	0.08 182	0.13 140	0.15 201	0.19 242	0.24 263

HanStereo	0.13 191	0.06 103	0.05 100	0.11 201	0.12 234	0.16 251	0.08 177	0.19 230	0.08 134	0.28 309	0.08 122	0.18 191	0.06 128	0.12 256	0.11 203	0.11 170	0.23 263	0.12 191	0.16 178	0.11 207	0.20 247	0.08 114	0.07 175	0.08 182	0.13 140	0.15 201	0.19 242	0.24 263

anonymity	0.13 191	0.06 103	0.05 100	0.09 159	0.10 200	0.09 154	0.07 159	0.18 199	0.08 134	0.28 309	0.13 219	0.19 203	0.06 128	0.09 205	0.10 156	0.13 255	0.23 263	0.12 191	0.17 197	0.15 276	0.20 247	0.10 183	0.09 231	0.07 151	0.20 262	0.19 280	0.19 242	0.19 221

iRaft-Stereo_20w	0.13 191	0.07 128	0.05 100	0.12 215	0.12 234	0.12 207	0.09 199	0.15 143	0.10 192	0.28 309	0.10 165	0.19 203	0.04 73	0.10 219	0.10 156	0.11 170	0.23 263	0.11 154	0.15 166	0.13 250	0.20 247	0.08 114	0.09 231	0.06 115	0.18 233	0.15 201	0.20 254	0.26 275

GLC_STEREO	0.13 191	0.11 222	0.12 256	0.12 215	0.11 221	0.11 191	0.10 217	0.19 230	0.07 105	0.25 261	0.13 219	0.13 125	0.07 159	0.07 157	0.09 116	0.12 223	0.24 285	0.11 154	0.17 197	0.09 148	0.27 329	0.16 290	0.07 175	0.07 151	0.16 193	0.10 98	0.20 254	0.12 129

TRStereo	0.13 191	0.07 128	0.05 100	0.09 159	0.08 150	0.17 260	0.12 247	0.18 199	0.07 105	0.25 261	0.09 147	0.20 220	0.05 99	0.10 219	0.10 156	0.11 170	0.21 237	0.11 154	0.22 264	0.14 260	0.19 230	0.09 152	0.09 231	0.07 151	0.17 208	0.17 245	0.24 285	0.19 221

LMCR-Stereo	0.13 191	0.09 187	0.07 165	0.11 201	0.08 150	0.11 191	0.09 199	0.18 199	0.09 166	0.19 153	0.14 231	0.19 203	0.14 264	0.10 219	0.10 156	0.11 170	0.20 224	0.13 226	0.19 233	0.11 207	0.18 212	0.10 183	0.08 209	0.08 182	0.15 176	0.13 148	0.19 242	0.17 188

TestStereo	0.13 191	0.12 237	0.10 228	0.11 201	0.08 150	0.11 191	0.10 217	0.19 230	0.11 211	0.24 233	0.14 231	0.20 220	0.08 180	0.06 123	0.12 231	0.10 124	0.20 224	0.11 154	0.20 246	0.10 180	0.21 271	0.11 218	0.06 148	0.12 264	0.19 248	0.11 117	0.12 132	0.13 136

CFNet_pseudo	0.13 191	0.11 222	0.11 243	0.14 240	0.11 221	0.12 207	0.11 230	0.19 230	0.12 231	0.24 233	0.14 231	0.17 173	0.15 272	0.09 205	0.10 156	0.10 124	0.16 139	0.13 226	0.13 137	0.08 118	0.15 157	0.08 114	0.08 209	0.09 216	0.15 176	0.14 171	0.19 242	0.21 250

ADLNet	0.13 191	0.11 222	0.08 193	0.13 230	0.10 200	0.16 251	0.13 252	0.14 137	0.07 105	0.13 102	0.10 165	0.25 273	0.11 226	0.29 324	0.10 156	0.10 124	0.17 156	0.09 111	0.13 137	0.09 148	0.11 90	0.09 152	0.13 276	0.06 115	0.13 140	0.13 148	0.12 132	0.14 147

EAI-Stereo	0.13 191	0.07 128	0.04 68	0.10 181	0.10 200	0.10 177	0.09 199	0.18 199	0.10 192	0.26 278	0.11 186	0.20 220	0.05 99	0.10 219	0.10 156	0.12 223	0.22 253	0.12 191	0.19 233	0.12 232	0.19 230	0.09 152	0.08 209	0.08 182	0.16 193	0.15 201	0.16 186	0.20 234

FADNet-RVC-Resample	0.13 191	0.10 205	0.12 256	0.12 215	0.10 200	0.13 218	0.10 217	0.16 151	0.13 241	0.18 141	0.13 219	0.17 173	0.12 232	0.10 219	0.11 203	0.09 99	0.13 106	0.15 263	0.15 166	0.18 299	0.15 157	0.13 259	0.10 248	0.14 282	0.17 208	0.13 148	0.12 132	0.12 129

STTStereo	0.13 191	0.14 264	0.17 302	0.13 230	0.15 268	0.13 218	0.21 296	0.13 128	0.14 251	0.15 111	0.15 247	0.17 173	0.10 213	0.11 236	0.14 266	0.12 223	0.15 129	0.15 263	0.13 137	0.11 207	0.12 96	0.10 183	0.07 175	0.09 216	0.15 176	0.14 171	0.12 132	0.16 173

R-Stereo Train	0.13 191	0.07 128	0.07 165	0.09 159	0.10 200	0.15 238	0.05 107	0.16 151	0.12 231	0.28 309	0.13 219	0.21 239	0.08 180	0.11 236	0.10 156	0.11 170	0.23 263	0.12 191	0.16 178	0.11 207	0.21 271	0.11 218	0.08 209	0.07 151	0.15 176	0.14 171	0.16 186	0.15 162

ADCRef	0.13 191	0.10 205	0.10 228	0.10 181	0.08 150	0.09 154	0.09 199	0.17 164	0.14 251	0.20 165	0.15 247	0.15 148	0.13 248	0.05 106	0.11 203	0.11 170	0.16 139	0.14 250	0.19 233	0.12 232	0.16 177	0.12 240	0.09 231	0.11 248	0.14 165	0.18 261	0.13 146	0.19 221

RAFT-Stereo	0.13 191	0.07 128	0.07 165	0.09 159	0.10 200	0.15 238	0.05 107	0.16 151	0.12 231	0.28 309	0.13 219	0.21 239	0.08 180	0.11 236	0.10 156	0.11 170	0.23 263	0.12 191	0.16 178	0.11 207	0.21 271	0.11 218	0.08 209	0.07 151	0.15 176	0.14 171	0.16 186	0.15 162
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MSMDNet	0.13 191	0.08 168	0.06 130	0.09 159	0.12 234	0.10 177	0.08 177	0.17 164	0.11 211	0.27 293	0.10 165	0.20 220	0.06 128	0.12 256	0.10 156	0.11 170	0.23 263	0.12 191	0.19 233	0.16 288	0.21 271	0.12 240	0.07 175	0.08 182	0.17 208	0.15 201	0.17 204	0.18 210

CFNet_RVC	0.13 191	0.12 237	0.10 228	0.14 240	0.11 221	0.14 228	0.09 199	0.17 164	0.09 166	0.19 153	0.13 219	0.21 239	0.09 196	0.10 219	0.12 231	0.13 255	0.18 177	0.13 226	0.15 166	0.11 207	0.16 177	0.09 152	0.06 148	0.09 216	0.16 193	0.13 148	0.16 186	0.17 188

NLCA_NET_v2_RVC	0.13 191	0.13 252	0.14 281	0.14 240	0.16 270	0.13 218	0.21 296	0.13 128	0.15 261	0.16 118	0.16 258	0.21 239	0.10 213	0.15 287	0.12 231	0.12 223	0.16 139	0.12 191	0.11 109	0.09 148	0.12 96	0.10 183	0.08 209	0.09 216	0.13 140	0.13 148	0.11 122	0.16 173
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PWCDC_ROB	0.13 191	0.06 103	0.09 212	0.07 127	0.13 247	0.08 138	0.13 252	0.06 66	0.24 313	0.09 86	0.15 247	0.10 94	0.45 339	0.26 315	0.12 231	0.10 124	0.09 75	0.12 191	0.08 77	0.11 207	0.08 69	0.12 240	0.19 301	0.13 275	0.08 79	0.14 171	0.08 86	0.18 210

depth_test_26	0.14 220	0.06 103	0.06 130	0.06 103	0.07 126	0.07 126	0.05 107	0.26 298	0.06 78	0.32 330	0.09 147	0.31 289	0.06 128	0.10 219	0.10 156	0.11 170	0.28 323	0.11 154	0.25 282	0.11 207	0.26 325	0.07 98	0.12 270	0.08 182	0.13 140	0.14 171	0.13 146	0.20 234

TestStereo-Hl	0.14 220	0.11 222	0.08 193	0.10 181	0.10 200	0.15 238	0.11 230	0.19 230	0.13 241	0.24 233	0.12 206	0.28 277	0.12 232	0.07 157	0.10 156	0.11 170	0.19 200	0.12 191	0.18 219	0.10 180	0.15 157	0.10 183	0.07 175	0.10 235	0.16 193	0.16 224	0.24 285	0.30 294

DN	0.14 220	0.08 168	0.08 193	0.19 277	0.09 175	0.22 298	0.11 230	0.18 199	0.10 192	0.21 176	0.12 206	0.35 295	0.06 128	0.14 277	0.09 116	0.12 223	0.24 285	0.12 191	0.16 178	0.09 148	0.18 212	0.11 218	0.06 148	0.08 182	0.25 302	0.14 171	0.15 174	0.19 221

IGEV-FE	0.14 220	0.07 128	0.06 130	0.13 230	0.13 247	0.10 177	0.11 230	0.17 164	0.09 166	0.28 309	0.10 165	0.23 260	0.05 99	0.12 256	0.10 156	0.11 170	0.23 263	0.11 154	0.17 197	0.12 232	0.20 247	0.10 183	0.09 231	0.06 115	0.20 262	0.15 201	0.23 276	0.27 280

model_zeroshot	0.14 220	0.09 187	0.06 130	0.10 181	0.10 200	0.13 218	0.08 177	0.20 249	0.12 231	0.28 309	0.09 147	0.22 254	0.06 128	0.11 236	0.10 156	0.12 223	0.26 306	0.13 226	0.28 296	0.12 232	0.21 271	0.13 259	0.11 258	0.09 216	0.18 233	0.18 261	0.18 229	0.18 210

MyStereo04	0.14 220	0.12 237	0.11 243	0.08 136	0.09 175	0.11 191	0.08 177	0.23 284	0.19 289	0.24 233	0.16 258	0.23 260	0.11 226	0.04 90	0.11 203	0.11 170	0.17 156	0.12 191	0.21 252	0.12 232	0.17 195	0.12 240	0.06 148	0.12 264	0.21 276	0.14 171	0.16 186	0.15 162

IGEV_Zeroshot_test	0.14 220	0.07 128	0.06 130	0.13 230	0.13 247	0.10 177	0.11 230	0.17 164	0.09 166	0.28 309	0.10 165	0.23 260	0.05 99	0.12 256	0.10 156	0.11 170	0.23 263	0.11 154	0.17 197	0.12 232	0.20 247	0.10 183	0.09 231	0.06 115	0.20 262	0.15 201	0.23 276	0.27 280

dd	0.14 220	0.12 237	0.07 165	0.25 300	0.11 221	0.19 278	0.09 199	0.17 164	0.08 134	0.17 128	0.08 122	0.33 291	0.08 180	0.06 123	0.11 203	0.11 170	0.24 285	0.11 154	0.25 282	0.09 148	0.15 157	0.09 152	0.06 148	0.09 216	0.17 208	0.13 148	0.18 229	0.14 147

AACVNet	0.14 220	0.13 252	0.10 228	0.13 230	0.13 247	0.14 228	0.10 217	0.19 230	0.11 211	0.22 190	0.18 277	0.14 141	0.10 213	0.09 205	0.12 231	0.11 170	0.21 237	0.13 226	0.17 197	0.12 232	0.16 177	0.11 218	0.11 258	0.11 248	0.18 233	0.14 171	0.14 158	0.16 173

cross-raft	0.14 220	0.08 168	0.07 165	0.08 136	0.10 200	0.12 207	0.08 177	0.17 164	0.13 241	0.27 293	0.12 206	0.21 239	0.05 99	0.11 236	0.13 246	0.14 275	0.22 253	0.11 154	0.23 271	0.13 250	0.23 301	0.10 183	0.06 148	0.08 182	0.22 287	0.18 261	0.14 158	0.16 173

GEStereo_RVC	0.14 220	0.13 252	0.10 228	0.11 201	0.12 234	0.12 207	0.11 230	0.18 199	0.13 241	0.24 233	0.16 258	0.18 191	0.10 213	0.06 123	0.13 246	0.12 223	0.20 224	0.16 276	0.23 271	0.13 250	0.16 177	0.14 270	0.07 175	0.11 248	0.21 276	0.15 201	0.13 146	0.20 234

sAnonymous2	0.14 220	0.09 187	0.10 228	0.10 181	0.09 175	0.09 154	0.11 230	0.22 276	0.11 211	0.23 210	0.17 267	0.15 148	0.10 213	0.06 123	0.13 246	0.14 275	0.18 177	0.15 263	0.21 252	0.14 260	0.17 195	0.15 280	0.05 125	0.10 235	0.17 208	0.17 245	0.17 204	0.16 173

CroCo_RVC	0.14 220	0.09 187	0.10 228	0.10 181	0.09 175	0.09 154	0.11 230	0.22 276	0.11 211	0.23 210	0.17 267	0.15 148	0.10 213	0.06 123	0.13 246	0.14 275	0.18 177	0.15 263	0.21 252	0.14 260	0.17 195	0.15 280	0.05 125	0.10 235	0.17 208	0.17 245	0.17 204	0.16 173

sCroCo_RVC	0.14 220	0.09 187	0.09 212	0.08 136	0.07 126	0.10 177	0.07 159	0.20 249	0.14 251	0.18 141	0.12 206	0.13 125	0.14 264	0.06 123	0.14 266	0.16 300	0.22 253	0.15 263	0.22 264	0.13 250	0.21 271	0.16 290	0.06 148	0.12 264	0.18 233	0.15 201	0.17 204	0.17 188

XX-Stereo	0.14 220	0.05 80	0.05 100	0.10 181	0.07 126	0.17 260	0.07 159	0.18 199	0.10 192	0.27 293	0.09 147	0.21 239	0.03 50	0.10 219	0.11 203	0.12 223	0.22 253	0.11 154	0.21 252	0.11 207	0.20 247	0.09 152	0.08 209	0.07 151	0.23 296	0.17 245	0.17 204	0.35 309

GES	0.14 220	0.11 222	0.07 165	0.09 159	0.11 221	0.15 238	0.09 199	0.20 249	0.09 166	0.23 210	0.12 206	0.17 173	0.11 226	0.14 277	0.12 231	0.11 170	0.23 263	0.14 250	0.24 278	0.14 260	0.18 212	0.18 300	0.11 258	0.09 216	0.15 176	0.13 148	0.21 268	0.20 234

RTSC	0.14 220	0.11 222	0.11 243	0.12 215	0.11 221	0.12 207	0.10 217	0.16 151	0.14 251	0.18 141	0.13 219	0.15 148	0.14 264	0.08 183	0.13 246	0.13 255	0.20 224	0.13 226	0.21 252	0.12 232	0.16 177	0.12 240	0.07 175	0.10 235	0.16 193	0.17 245	0.21 268	0.33 302

ADCL	0.14 220	0.12 237	0.11 243	0.13 230	0.11 221	0.14 228	0.11 230	0.18 199	0.16 265	0.22 190	0.16 258	0.21 239	0.13 248	0.09 205	0.12 231	0.12 223	0.17 156	0.13 226	0.18 219	0.13 250	0.19 230	0.14 270	0.11 258	0.11 248	0.17 208	0.16 224	0.16 186	0.17 188

DeepPruner_ROB	0.14 220	0.13 252	0.11 243	0.12 215	0.11 221	0.11 191	0.09 199	0.17 164	0.12 231	0.21 176	0.18 277	0.15 148	0.13 248	0.08 183	0.14 266	0.11 170	0.18 177	0.15 263	0.19 233	0.11 207	0.18 212	0.14 270	0.10 248	0.11 248	0.17 208	0.17 245	0.17 204	0.19 221

MLCV	0.14 220	0.11 222	0.09 212	0.16 257	0.12 234	0.14 228	0.11 230	0.21 267	0.10 192	0.24 233	0.13 219	0.21 239	0.15 272	0.08 183	0.10 156	0.10 124	0.19 200	0.11 154	0.19 233	0.09 148	0.18 212	0.09 152	0.10 248	0.09 216	0.17 208	0.14 171	0.16 186	0.20 234

HSM	0.14 220	0.12 237	0.09 212	0.14 240	0.13 247	0.12 207	0.11 230	0.18 199	0.11 211	0.23 210	0.15 247	0.18 191	0.14 264	0.08 183	0.12 231	0.11 170	0.21 237	0.12 191	0.17 197	0.12 232	0.18 212	0.11 218	0.07 175	0.08 182	0.17 208	0.16 224	0.17 204	0.18 210

DLCB_ROB	0.14 220	0.12 237	0.12 256	0.10 181	0.10 200	0.10 177	0.09 199	0.16 151	0.12 231	0.18 141	0.17 267	0.19 203	0.13 248	0.11 236	0.12 231	0.11 170	0.16 139	0.13 226	0.14 149	0.10 180	0.18 212	0.11 218	0.09 231	0.12 264	0.27 310	0.16 224	0.16 186	0.14 147

TestStereo_HL3	0.15 242	0.11 222	0.09 212	0.12 215	0.10 200	0.12 207	0.11 230	0.20 249	0.13 241	0.24 233	0.11 186	0.30 286	0.13 248	0.08 183	0.10 156	0.11 170	0.24 285	0.12 191	0.16 178	0.11 207	0.16 177	0.10 183	0.08 209	0.08 182	0.17 208	0.14 171	0.23 276	0.27 280

AIO-Stereo-zeroshot1	0.15 242	0.07 128	0.05 100	0.12 215	0.13 247	0.15 238	0.09 199	0.17 164	0.13 241	0.28 309	0.09 147	0.23 260	0.05 99	0.12 256	0.12 231	0.12 223	0.26 306	0.12 191	0.33 312	0.11 207	0.20 247	0.13 259	0.08 209	0.07 151	0.22 287	0.20 290	0.20 254	0.33 302

AIO-Stereo-zeroshot	0.15 242	0.07 128	0.06 130	0.15 252	0.12 234	0.15 238	0.10 217	0.18 199	0.09 166	0.26 278	0.08 122	0.19 203	0.08 180	0.11 236	0.11 203	0.12 223	0.25 296	0.13 226	0.26 288	0.12 232	0.20 247	0.11 218	0.08 209	0.07 151	0.20 262	0.19 280	0.20 254	0.31 299

EKT-Stereo	0.15 242	0.10 205	0.07 165	0.13 230	0.13 247	0.16 251	0.17 278	0.17 164	0.11 211	0.26 278	0.17 267	0.17 173	0.07 159	0.11 236	0.11 203	0.11 170	0.24 285	0.15 263	0.24 278	0.12 232	0.25 317	0.10 183	0.07 175	0.08 182	0.20 262	0.16 224	0.17 204	0.17 188

CASS	0.15 242	0.12 237	0.10 228	0.14 240	0.12 234	0.16 251	0.10 217	0.19 230	0.15 261	0.26 278	0.12 206	0.20 220	0.12 232	0.09 205	0.13 246	0.12 223	0.23 263	0.12 191	0.24 278	0.10 180	0.20 247	0.11 218	0.07 175	0.09 216	0.23 296	0.14 171	0.19 242	0.22 255
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
UDGNet	0.15 242	0.13 252	0.10 228	0.18 270	0.17 276	0.16 251	0.20 289	0.16 151	0.11 211	0.16 118	0.14 231	0.16 166	0.05 99	0.44 338	0.10 156	0.10 124	0.17 156	0.12 191	0.14 149	0.09 148	0.17 195	0.10 183	0.29 342	0.07 151	0.17 208	0.16 224	0.12 132	0.13 136

GANet-ADL	0.15 242	0.12 237	0.09 212	0.14 240	0.12 234	0.16 251	0.12 247	0.20 249	0.10 192	0.25 261	0.15 247	0.22 254	0.12 232	0.21 309	0.11 203	0.11 170	0.25 296	0.14 250	0.21 252	0.14 260	0.19 230	0.10 183	0.08 209	0.10 235	0.17 208	0.16 224	0.20 254	0.17 188

test-1	0.15 242	0.06 103	0.07 165	0.11 201	0.10 200	0.18 268	0.14 259	0.19 230	0.13 241	0.28 309	0.10 165	0.19 203	0.11 226	0.12 256	0.13 246	0.14 275	0.22 253	0.12 191	0.23 271	0.10 180	0.24 311	0.09 152	0.09 231	0.08 182	0.21 276	0.18 261	0.15 174	0.18 210

ICVP	0.15 242	0.13 252	0.14 281	0.12 215	0.12 234	0.13 218	0.10 217	0.17 164	0.12 231	0.17 128	0.14 231	0.18 191	0.12 232	0.09 205	0.13 246	0.14 275	0.18 177	0.15 263	0.16 178	0.14 260	0.17 195	0.14 270	0.20 303	0.11 248	0.19 248	0.19 280	0.17 204	0.17 188
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
APVNet	0.15 242	0.13 252	0.11 243	0.13 230	0.17 276	0.15 238	0.13 252	0.19 230	0.11 211	0.14 105	0.13 219	0.17 173	0.09 196	0.16 290	0.17 294	0.16 300	0.21 237	0.14 250	0.22 264	0.15 276	0.15 157	0.12 240	0.07 175	0.12 264	0.17 208	0.15 201	0.19 242	0.17 188

psm_up	0.15 242	0.11 222	0.13 269	0.15 252	0.12 234	0.14 228	0.11 230	0.20 249	0.17 274	0.19 153	0.13 219	0.15 148	0.17 280	0.10 219	0.14 266	0.12 223	0.19 200	0.13 226	0.17 197	0.11 207	0.15 157	0.10 183	0.10 248	0.16 294	0.18 233	0.17 245	0.17 204	0.19 221

FADNet-RVC	0.15 242	0.13 252	0.11 243	0.18 270	0.12 234	0.14 228	0.10 217	0.21 267	0.09 166	0.19 153	0.17 267	0.18 191	0.12 232	0.11 236	0.17 294	0.15 296	0.18 177	0.13 226	0.18 219	0.15 276	0.12 96	0.13 259	0.12 270	0.11 248	0.21 276	0.16 224	0.14 158	0.15 162

AF-Net	0.15 242	0.13 252	0.13 269	0.14 240	0.18 284	0.15 238	0.14 259	0.17 164	0.16 265	0.17 128	0.21 299	0.18 191	0.12 232	0.10 219	0.18 302	0.16 300	0.14 119	0.14 250	0.15 166	0.11 207	0.12 96	0.11 218	0.13 276	0.10 235	0.15 176	0.16 224	0.20 254	0.15 162

RP	0.15 242	0.14 264	0.16 292	0.17 265	0.14 259	0.17 260	0.16 269	0.19 230	0.17 274	0.14 105	0.16 258	0.16 166	0.15 272	0.11 236	0.14 266	0.12 223	0.15 129	0.12 191	0.15 166	0.12 232	0.12 96	0.13 259	0.10 248	0.12 264	0.17 208	0.17 245	0.20 254	0.18 210

Nwc_Net	0.15 242	0.13 252	0.13 269	0.14 240	0.18 284	0.15 238	0.14 259	0.17 164	0.16 265	0.17 128	0.21 299	0.18 191	0.12 232	0.10 219	0.18 302	0.16 300	0.14 119	0.14 250	0.15 166	0.11 207	0.12 96	0.11 218	0.13 276	0.10 235	0.15 176	0.16 224	0.20 254	0.15 162

UCFNet_RVC	0.15 242	0.17 288	0.12 256	0.16 257	0.14 259	0.17 260	0.11 230	0.17 164	0.13 241	0.21 176	0.13 219	0.28 277	0.12 232	0.10 219	0.12 231	0.13 255	0.18 177	0.13 226	0.17 197	0.12 232	0.17 195	0.09 152	0.10 248	0.11 248	0.19 248	0.16 224	0.17 204	0.20 234

NVstereo2D	0.15 242	0.11 222	0.11 243	0.19 277	0.14 259	0.21 294	0.24 310	0.13 128	0.11 211	0.16 118	0.14 231	0.10 94	0.08 180	0.40 337	0.12 231	0.12 223	0.21 237	0.14 250	0.16 178	0.10 180	0.12 96	0.09 152	0.25 318	0.08 182	0.15 176	0.13 148	0.14 158	0.13 136

DNS	0.16 259	0.08 168	0.07 165	0.12 215	0.07 126	0.20 284	0.09 199	0.20 249	0.07 105	0.22 190	0.12 206	0.95 352	0.07 159	0.09 205	0.09 116	0.11 170	0.21 237	0.11 154	0.18 219	0.09 148	0.16 177	0.07 98	0.05 125	0.08 182	0.19 248	0.17 245	0.17 204	0.22 255

LoS	0.16 259	0.10 205	0.08 193	0.10 181	0.11 221	0.09 154	0.07 159	0.50 348	0.05 53	0.32 330	0.36 343	0.36 298	0.06 128	0.09 205	0.09 116	0.10 124	0.19 200	0.09 111	0.15 166	0.11 207	0.21 271	0.09 152	0.07 175	0.07 151	0.18 233	0.12 133	0.20 254	0.21 250
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
SACVNet	0.16 259	0.14 264	0.13 269	0.16 257	0.13 247	0.14 228	0.12 247	0.19 230	0.17 274	0.19 153	0.17 267	0.14 141	0.07 159	0.14 277	0.15 278	0.14 275	0.19 200	0.16 276	0.20 246	0.13 250	0.17 195	0.14 270	0.12 270	0.13 275	0.21 276	0.19 280	0.19 242	0.17 188

pcwnet_v2	0.16 259	0.12 237	0.12 256	0.16 257	0.14 259	0.17 260	0.14 259	0.20 249	0.13 241	0.22 190	0.14 231	0.19 203	0.18 283	0.12 256	0.11 203	0.12 223	0.18 177	0.14 250	0.17 197	0.12 232	0.16 177	0.11 218	0.09 231	0.11 248	0.20 262	0.19 280	0.19 242	0.28 289

FADNet	0.16 259	0.15 273	0.10 228	0.20 283	0.10 200	0.19 278	0.13 252	0.21 267	0.13 241	0.22 190	0.26 325	0.17 173	0.14 264	0.12 256	0.20 314	0.16 300	0.16 139	0.14 250	0.23 271	0.20 310	0.16 177	0.13 259	0.11 258	0.11 248	0.21 276	0.17 245	0.16 186	0.15 162

stereogan	0.16 259	0.15 273	0.15 288	0.16 257	0.18 284	0.18 268	0.16 269	0.20 249	0.19 289	0.14 105	0.16 258	0.20 220	0.18 283	0.13 273	0.16 287	0.13 255	0.16 139	0.14 250	0.18 219	0.14 260	0.15 157	0.13 259	0.13 276	0.13 275	0.16 193	0.17 245	0.23 276	0.18 210

HSM-Net_RVC	0.16 259	0.12 237	0.10 228	0.17 265	0.13 247	0.14 228	0.10 217	0.18 199	0.14 251	0.25 261	0.18 277	0.28 277	0.17 280	0.11 236	0.12 231	0.11 170	0.19 200	0.13 226	0.17 197	0.11 207	0.18 212	0.12 240	0.08 209	0.11 248	0.19 248	0.17 245	0.23 276	0.24 263
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
GwcNet-ADL	0.17 266	0.12 237	0.11 243	0.19 277	0.14 259	0.17 260	0.14 259	0.21 267	0.14 251	0.24 233	0.17 267	0.32 290	0.16 277	0.20 304	0.13 246	0.14 275	0.23 263	0.15 263	0.23 271	0.13 250	0.18 212	0.12 240	0.06 148	0.10 235	0.19 248	0.16 224	0.19 242	0.22 255

PS-NSSS	0.17 266	0.19 297	0.18 307	0.23 292	0.18 284	0.18 268	0.16 269	0.22 276	0.12 231	0.23 210	0.21 299	0.44 307	0.08 180	0.11 236	0.14 266	0.10 124	0.13 106	0.13 226	0.26 288	0.11 207	0.11 90	0.07 98	0.18 299	0.15 286	0.17 208	0.21 292	0.14 158	0.20 234

iResNet	0.17 266	0.11 222	0.10 228	0.15 252	0.13 247	0.17 260	0.12 247	0.21 267	0.14 251	0.25 261	0.14 231	0.35 295	0.32 318	0.08 183	0.12 231	0.11 170	0.20 224	0.12 191	0.26 288	0.15 276	0.18 212	0.12 240	0.11 258	0.13 275	0.18 233	0.15 201	0.20 254	0.19 221

ITSA-stereo	0.18 269	0.14 264	0.12 256	0.26 303	0.17 276	0.18 268	0.16 269	0.25 296	0.17 274	0.26 278	0.18 277	0.33 291	0.25 300	0.16 290	0.13 246	0.12 223	0.22 253	0.15 263	0.23 271	0.10 180	0.19 230	0.12 240	0.15 284	0.11 248	0.23 296	0.16 224	0.20 254	0.23 260

dad	0.18 269	0.16 280	0.12 256	0.36 316	0.16 270	0.24 305	0.21 296	0.24 290	0.09 166	0.22 190	0.11 186	0.38 301	0.12 232	0.08 183	0.13 246	0.11 170	0.27 316	0.13 226	0.30 304	0.11 207	0.19 230	0.12 240	0.09 231	0.13 275	0.19 248	0.14 171	0.31 309	0.24 263

PSMNet-ADL	0.18 269	0.13 252	0.13 269	0.16 257	0.14 259	0.17 260	0.16 269	0.20 249	0.22 308	0.27 293	0.20 297	0.29 285	0.26 303	0.18 293	0.16 287	0.14 275	0.23 263	0.14 250	0.22 264	0.14 260	0.19 230	0.11 218	0.10 248	0.11 248	0.20 262	0.16 224	0.23 276	0.20 234

Anonymous3	0.18 269	0.15 273	0.11 243	0.15 252	0.10 200	0.14 228	0.11 230	0.22 276	0.19 289	0.27 293	0.15 247	0.27 276	0.12 232	0.12 256	0.27 333	0.18 318	0.22 253	0.18 300	0.26 288	0.17 293	0.25 317	0.21 321	0.09 231	0.10 235	0.21 276	0.21 292	0.22 274	0.20 234

FADNet_RVC	0.18 269	0.14 264	0.13 269	0.20 283	0.15 268	0.14 228	0.13 252	0.24 290	0.14 251	0.24 233	0.18 277	0.28 277	0.22 297	0.14 277	0.15 278	0.12 223	0.20 224	0.17 290	0.32 308	0.15 276	0.20 247	0.15 280	0.11 258	0.15 286	0.20 262	0.21 292	0.18 229	0.23 260

NCC-stereo	0.18 269	0.16 280	0.16 292	0.16 257	0.18 284	0.18 268	0.18 280	0.19 230	0.20 303	0.16 118	0.19 289	0.21 239	0.21 291	0.12 256	0.22 319	0.18 318	0.18 177	0.19 305	0.19 233	0.15 276	0.16 177	0.15 280	0.15 284	0.12 264	0.19 248	0.18 261	0.24 285	0.20 234

Abc-Net	0.18 269	0.16 280	0.16 292	0.16 257	0.18 284	0.18 268	0.18 280	0.19 230	0.20 303	0.16 118	0.19 289	0.21 239	0.21 291	0.12 256	0.22 319	0.18 318	0.18 177	0.19 305	0.19 233	0.15 276	0.16 177	0.15 280	0.15 284	0.12 264	0.19 248	0.18 261	0.24 285	0.20 234
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
NCCL2	0.18 269	0.17 288	0.16 292	0.13 230	0.13 247	0.13 218	0.12 247	0.21 267	0.18 281	0.22 190	0.15 247	0.23 260	0.13 248	0.10 219	0.17 294	0.16 300	0.19 200	0.17 290	0.19 233	0.17 293	0.22 290	0.18 300	0.11 258	0.16 294	0.26 307	0.26 318	0.20 254	0.24 263

XPNet_ROB	0.18 269	0.21 303	0.14 281	0.15 252	0.16 270	0.15 238	0.15 264	0.16 151	0.14 251	0.19 153	0.19 289	0.49 314	0.13 248	0.11 236	0.16 287	0.14 275	0.25 296	0.16 276	0.18 219	0.14 260	0.17 195	0.19 309	0.13 276	0.14 282	0.18 233	0.17 245	0.32 312	0.29 292

DDVS	0.19 278	0.15 273	0.13 269	0.18 270	0.18 284	0.20 284	0.20 289	0.20 249	0.16 265	0.25 261	0.21 299	0.39 304	0.28 311	0.13 273	0.14 266	0.14 275	0.26 306	0.19 305	0.28 296	0.15 276	0.19 230	0.17 296	0.10 248	0.14 282	0.19 248	0.15 201	0.22 274	0.25 271

DAS	0.19 278	0.11 222	0.10 228	0.24 297	0.19 292	0.18 268	0.21 296	0.23 284	0.18 281	0.24 233	0.14 231	0.38 301	0.21 291	0.09 205	0.13 246	0.12 223	0.25 296	0.16 276	0.22 264	0.15 276	0.21 271	0.14 270	0.17 293	0.13 275	0.20 262	0.18 261	0.23 276	0.30 294

SepStereo	0.19 278	0.11 222	0.10 228	0.24 297	0.19 292	0.18 268	0.21 296	0.23 284	0.18 281	0.24 233	0.14 231	0.38 301	0.21 291	0.09 205	0.13 246	0.12 223	0.25 296	0.16 276	0.22 264	0.15 276	0.21 271	0.14 270	0.17 293	0.13 275	0.20 262	0.18 261	0.23 276	0.30 294

RGC	0.19 278	0.17 288	0.17 302	0.19 277	0.20 297	0.20 284	0.15 264	0.22 276	0.26 322	0.17 128	0.21 299	0.21 239	0.24 299	0.15 287	0.24 326	0.19 326	0.18 177	0.16 276	0.19 233	0.16 288	0.17 195	0.14 270	0.13 276	0.16 294	0.21 276	0.21 292	0.24 285	0.25 271

PA-Net	0.19 278	0.21 303	0.25 327	0.14 240	0.20 297	0.18 268	0.21 296	0.21 267	0.19 289	0.17 128	0.15 247	0.17 173	0.21 291	0.26 315	0.17 294	0.18 318	0.15 129	0.19 305	0.13 137	0.17 293	0.14 143	0.16 290	0.10 248	0.16 294	0.18 233	0.27 329	0.17 204	0.35 309
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NaN_ROB	0.19 278	0.20 301	0.19 313	0.19 277	0.20 297	0.16 251	0.15 264	0.28 304	0.19 289	0.23 210	0.18 277	0.46 311	0.17 280	0.11 236	0.14 266	0.13 255	0.15 129	0.14 250	0.21 252	0.19 303	0.13 122	0.11 218	0.09 231	0.21 307	0.25 302	0.23 305	0.26 297	0.28 289

pmcnn	0.19 278	0.14 264	0.11 243	0.18 270	0.13 247	0.19 278	0.16 269	0.20 249	0.19 289	0.26 278	0.15 247	0.35 295	0.26 303	0.09 205	0.11 203	0.11 170	0.25 296	0.14 250	0.24 278	0.14 260	0.23 301	0.15 280	0.11 258	0.11 248	0.21 276	0.19 280	0.40 332	0.46 330

DCVSM-stereo	0.20 285	0.15 273	0.12 256	0.25 300	0.19 292	0.26 309	0.21 296	0.23 284	0.16 265	0.24 233	0.18 277	0.49 314	0.27 307	0.14 277	0.12 231	0.12 223	0.24 285	0.16 276	0.25 282	0.16 288	0.19 230	0.15 280	0.22 309	0.11 248	0.19 248	0.16 224	0.24 285	0.27 280

SFCPSM	0.20 285	0.14 264	0.12 256	0.21 287	0.16 270	0.20 284	0.18 280	0.22 276	0.20 303	0.25 261	0.24 315	0.34 294	0.34 325	0.14 277	0.13 246	0.13 255	0.24 285	0.16 276	0.32 308	0.19 303	0.19 230	0.13 259	0.14 282	0.12 264	0.22 287	0.18 261	0.20 254	0.25 271

RTS	0.20 285	0.16 280	0.14 281	0.17 265	0.14 259	0.20 284	0.15 264	0.24 290	0.25 318	0.15 111	0.14 231	0.14 141	0.20 289	0.11 236	0.15 278	0.16 300	0.24 285	0.17 290	0.35 316	0.24 322	0.23 301	0.16 290	0.09 231	0.15 286	0.29 319	0.26 318	0.28 304	0.55 339

RTSA	0.20 285	0.16 280	0.14 281	0.17 265	0.14 259	0.20 284	0.15 264	0.24 290	0.25 318	0.15 111	0.14 231	0.14 141	0.20 289	0.11 236	0.15 278	0.16 300	0.24 285	0.17 290	0.35 316	0.24 322	0.23 301	0.16 290	0.09 231	0.15 286	0.29 319	0.26 318	0.28 304	0.55 339

ccs_rob	0.20 285	0.15 273	0.12 256	0.26 303	0.16 270	0.26 309	0.20 289	0.22 276	0.16 265	0.25 261	0.24 315	0.58 323	0.25 300	0.18 293	0.13 246	0.13 255	0.23 263	0.15 263	0.21 252	0.16 288	0.21 271	0.12 240	0.12 270	0.11 248	0.20 262	0.16 224	0.18 229	0.23 260

SGM-Forest	0.20 285	0.18 294	0.16 292	0.23 292	0.18 284	0.21 294	0.18 280	0.23 284	0.17 274	0.20 165	0.16 258	0.23 260	0.18 283	0.22 310	0.18 302	0.18 318	0.19 200	0.17 290	0.18 219	0.15 276	0.18 212	0.19 309	0.25 318	0.19 306	0.22 287	0.18 261	0.26 297	0.24 263
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
HBP-ISP	0.21 291	0.16 280	0.13 269	0.26 303	0.23 306	0.22 298	0.18 280	0.29 311	0.18 281	0.28 309	0.19 289	0.22 254	0.12 232	0.28 323	0.11 203	0.14 275	0.26 306	0.19 305	0.20 246	0.13 250	0.23 301	0.23 328	0.26 324	0.24 321	0.25 302	0.24 307	0.23 276	0.26 275

AnyNet_C32	0.21 291	0.16 280	0.15 288	0.17 265	0.17 276	0.19 278	0.16 269	0.26 298	0.22 308	0.25 261	0.24 315	0.24 267	0.18 283	0.14 277	0.22 319	0.18 318	0.28 323	0.22 319	0.30 304	0.19 303	0.28 331	0.23 328	0.16 288	0.18 303	0.22 287	0.22 300	0.21 268	0.24 263

NOSS_ROB	0.21 291	0.14 264	0.16 292	0.21 287	0.19 292	0.20 284	0.22 303	0.30 313	0.18 281	0.25 261	0.16 258	0.21 239	0.13 248	0.27 322	0.15 278	0.14 275	0.26 306	0.21 315	0.22 264	0.17 293	0.23 301	0.22 325	0.26 324	0.24 321	0.26 307	0.23 305	0.24 285	0.27 280

SHD	0.22 294	0.17 288	0.21 321	0.18 270	0.17 276	0.19 278	0.20 289	0.27 302	0.17 274	0.27 293	0.19 289	0.24 267	0.32 318	0.17 292	0.16 287	0.15 296	0.19 200	0.17 290	0.33 312	0.18 299	0.21 271	0.18 300	0.16 288	0.17 299	0.24 300	0.28 333	0.25 293	0.43 323

ADCMid	0.22 294	0.18 294	0.17 302	0.18 270	0.19 292	0.20 284	0.16 269	0.30 313	0.25 318	0.24 233	0.19 289	0.36 298	0.21 291	0.12 256	0.18 302	0.16 300	0.25 296	0.18 300	0.37 320	0.19 303	0.24 311	0.20 318	0.17 293	0.15 286	0.24 300	0.22 300	0.25 293	0.30 294

ADCPNet	0.22 294	0.17 288	0.16 292	0.20 283	0.20 297	0.20 284	0.18 280	0.28 304	0.23 310	0.26 278	0.23 311	0.26 275	0.29 313	0.15 287	0.19 310	0.17 312	0.24 285	0.17 290	0.32 308	0.23 321	0.25 317	0.20 318	0.17 293	0.22 310	0.25 302	0.24 307	0.27 300	0.34 307

CBMV_ROB	0.22 294	0.14 264	0.16 292	0.26 303	0.23 306	0.21 294	0.22 303	0.28 304	0.17 274	0.26 278	0.17 267	0.28 277	0.18 283	0.26 315	0.13 246	0.12 223	0.26 306	0.17 290	0.19 233	0.17 293	0.21 271	0.19 309	0.26 324	0.21 307	0.25 302	0.27 329	0.25 293	0.34 307

ETE_ROB	0.22 294	0.23 313	0.15 288	0.20 283	0.16 270	0.19 278	0.17 278	0.18 199	0.19 289	0.21 176	0.22 309	0.64 326	0.16 277	0.14 277	0.17 294	0.14 275	0.30 329	0.19 305	0.25 282	0.19 303	0.22 290	0.18 300	0.16 288	0.15 286	0.22 287	0.28 333	0.41 334	0.27 280

LALA_ROB	0.22 294	0.25 317	0.16 292	0.19 277	0.17 276	0.22 298	0.16 269	0.18 199	0.19 289	0.24 233	0.21 299	0.63 325	0.15 272	0.13 273	0.26 330	0.17 312	0.27 316	0.22 319	0.23 271	0.19 303	0.20 247	0.21 321	0.14 282	0.15 286	0.20 262	0.22 300	0.35 320	0.26 275

CBMV	0.22 294	0.18 294	0.18 307	0.23 292	0.22 302	0.20 284	0.18 280	0.27 302	0.19 289	0.28 309	0.11 186	0.30 286	0.13 248	0.24 312	0.16 287	0.14 275	0.25 296	0.18 300	0.20 246	0.16 288	0.22 290	0.19 309	0.24 317	0.23 313	0.27 310	0.24 307	0.36 323	0.42 320
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	0.23 301	0.26 321	0.15 288	0.46 331	0.24 311	0.36 325	0.20 289	0.24 290	0.16 265	0.26 278	0.15 247	0.28 277	0.27 307	0.11 236	0.13 246	0.13 255	0.21 237	0.12 191	0.18 219	0.12 232	0.20 247	0.11 218	0.11 258	0.12 264	0.36 337	0.25 317	0.57 345	0.33 302

PWC_ROB	0.23 301	0.20 301	0.14 281	0.18 270	0.17 276	0.16 251	0.20 289	0.21 267	0.27 325	0.15 111	0.21 299	0.28 277	0.63 348	0.13 273	0.14 266	0.13 255	0.27 316	0.18 300	0.37 320	0.19 303	0.22 290	0.18 300	0.16 288	0.24 321	0.20 262	0.19 280	0.24 285	0.44 326

ACV-stereo	0.25 303	0.15 273	0.13 269	0.22 289	0.17 276	0.28 312	0.24 310	0.22 276	0.20 303	0.23 210	0.23 311	0.28 277	0.37 332	0.18 293	0.15 278	0.13 255	0.34 334	0.20 311	1.10 360	0.26 327	0.26 325	0.17 296	0.28 339	0.18 303	0.19 248	0.18 261	0.25 293	0.29 292

FCDSN-DC	0.25 303	0.25 317	0.26 330	0.28 312	0.26 315	0.26 309	0.35 323	0.28 304	0.18 281	0.20 165	0.18 277	0.21 239	0.12 232	0.29 324	0.25 328	0.26 335	0.29 326	0.28 337	0.28 296	0.21 312	0.25 317	0.25 333	0.26 324	0.32 340	0.27 310	0.24 307	0.26 297	0.27 280
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_DS_RVC	0.25 303	0.25 317	0.20 315	0.29 313	0.22 302	0.22 298	0.23 306	0.37 331	0.28 328	0.35 342	0.22 309	0.46 311	0.32 318	0.20 304	0.19 310	0.17 312	0.17 156	0.16 276	0.30 304	0.14 260	0.21 271	0.19 309	0.27 337	0.23 313	0.29 319	0.26 318	0.33 314	0.31 299

SGM-ForestM	0.25 303	0.22 308	0.16 292	0.37 318	0.24 311	0.32 318	0.24 310	0.29 311	0.21 307	0.23 210	0.18 277	0.50 317	0.26 303	0.20 304	0.15 278	0.13 255	0.23 263	0.16 276	0.25 282	0.15 276	0.20 247	0.17 296	0.21 307	0.17 299	0.37 338	0.26 318	0.52 340	0.37 311

SGM_RVC	0.25 303	0.24 315	0.18 307	0.39 325	0.27 318	0.34 324	0.26 316	0.28 304	0.19 289	0.25 261	0.18 277	0.42 305	0.31 316	0.18 293	0.14 266	0.13 255	0.23 263	0.15 263	0.26 288	0.14 260	0.19 230	0.15 280	0.19 301	0.17 299	0.34 333	0.24 307	0.56 344	0.45 328
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DDUNet	0.26 308	0.21 303	0.12 256	0.38 321	0.31 327	0.41 332	0.48 338	0.20 249	0.16 265	0.16 118	0.25 320	0.17 173	0.08 180	1.61 355	0.15 278	0.14 275	0.21 237	0.15 263	0.25 282	0.14 260	0.18 212	0.13 259	0.25 318	0.16 294	0.17 208	0.19 280	0.18 229	0.22 255

UDG	0.26 308	0.21 303	0.13 269	0.39 325	0.32 328	0.39 330	0.53 343	0.20 249	0.16 265	0.19 153	0.23 311	0.17 173	0.09 196	1.45 351	0.16 287	0.13 255	0.27 316	0.16 276	0.27 295	0.14 260	0.22 290	0.14 270	0.25 318	0.12 264	0.21 276	0.21 292	0.21 268	0.19 221

FAT-Stereo	0.26 308	0.19 297	0.17 302	0.38 321	0.37 332	0.31 314	0.25 315	0.26 298	0.18 281	0.28 309	0.25 320	0.33 291	0.36 328	0.26 315	0.18 302	0.16 300	0.27 316	0.23 324	0.33 312	0.21 312	0.22 290	0.19 309	0.22 309	0.22 310	0.22 287	0.22 300	0.33 314	0.43 323

GANetREF_RVC	0.26 308	0.26 321	0.30 336	0.23 292	0.23 306	0.23 303	0.24 310	0.35 326	0.33 340	0.32 330	0.18 277	0.50 317	0.38 333	0.12 256	0.22 319	0.18 318	0.20 224	0.21 315	0.35 316	0.21 312	0.24 311	0.16 290	0.22 309	0.29 335	0.28 315	0.21 292	0.36 323	0.33 302
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
CSAN	0.26 308	0.30 331	0.30 336	0.26 303	0.23 306	0.21 294	0.19 287	0.28 304	0.37 345	0.35 342	0.24 315	0.51 320	0.27 307	0.14 277	0.22 319	0.17 312	0.19 200	0.20 311	0.26 288	0.25 326	0.22 290	0.20 318	0.17 293	0.27 328	0.31 324	0.26 318	0.39 328	0.38 313

FC-DCNN v2	0.27 313	0.28 327	0.27 331	0.37 318	0.29 324	0.32 318	0.38 328	0.33 322	0.19 289	0.22 190	0.19 289	0.24 267	0.13 248	0.29 324	0.26 330	0.27 339	0.29 326	0.27 333	0.29 302	0.22 318	0.26 325	0.25 333	0.26 324	0.31 337	0.32 329	0.26 318	0.31 309	0.31 299

FC-DCNN	0.27 313	0.28 327	0.27 331	0.36 316	0.28 320	0.32 318	0.38 328	0.33 322	0.19 289	0.22 190	0.19 289	0.23 260	0.13 248	0.29 324	0.26 330	0.27 339	0.29 326	0.27 333	0.29 302	0.22 318	0.26 325	0.25 333	0.26 324	0.31 337	0.31 324	0.26 318	0.30 306	0.30 294

FBW_ROB	0.27 313	0.26 321	0.25 327	0.38 321	0.26 315	0.32 318	0.20 289	0.21 267	0.19 289	0.27 293	0.21 299	0.45 308	0.32 318	0.26 315	0.22 319	0.20 329	0.27 316	0.17 290	0.52 334	0.14 260	0.22 290	0.15 280	0.17 293	0.28 331	0.22 287	0.19 280	0.33 314	0.57 342

CC-Net-ROB	0.28 316	0.40 337	0.29 334	0.57 338	0.44 337	0.42 334	0.38 328	0.32 319	0.19 289	0.33 335	0.28 331	0.69 331	0.10 213	0.32 333	0.21 316	0.13 255	0.14 119	0.16 276	0.40 323	0.18 299	0.15 157	0.09 152	0.23 313	0.24 321	0.22 287	0.21 292	0.19 242	0.28 289

G-Net	0.29 317	0.24 315	0.19 313	0.24 297	0.21 301	0.36 325	0.23 306	0.30 313	0.27 325	0.33 335	0.33 341	0.89 349	0.25 300	0.19 301	0.21 316	0.18 318	0.26 306	0.22 319	0.44 326	0.31 339	0.27 329	0.18 300	0.18 299	0.18 303	0.28 315	0.24 307	0.40 332	0.41 318

XQC	0.29 317	0.30 331	0.27 331	0.37 318	0.28 320	0.37 328	0.37 324	0.40 337	0.30 334	0.32 330	0.20 297	0.45 308	0.28 311	0.31 330	0.16 287	0.15 296	0.21 237	0.22 319	0.34 315	0.24 322	0.22 290	0.21 321	0.23 313	0.25 325	0.33 331	0.27 329	0.44 336	0.33 302

ADCS	0.29 317	0.22 308	0.21 321	0.26 303	0.25 313	0.25 306	0.23 306	0.37 331	0.30 334	0.23 210	0.27 327	0.47 313	0.36 328	0.20 304	0.22 319	0.19 326	0.32 331	0.24 327	0.49 332	0.28 332	0.37 343	0.30 340	0.20 303	0.23 313	0.31 324	0.28 333	0.30 306	0.43 323

S-Stereo	0.30 320	0.22 308	0.18 307	0.42 329	0.39 334	0.41 332	0.37 324	0.25 296	0.24 313	0.26 278	0.44 347	0.55 322	0.36 328	0.24 312	0.18 302	0.14 275	0.27 316	0.27 333	0.35 316	0.28 332	0.23 301	0.23 328	0.53 348	0.23 313	0.23 296	0.19 280	0.27 300	0.38 313

MeshStereo	0.30 320	0.26 321	0.20 315	0.49 334	0.37 332	0.36 325	0.26 316	0.32 319	0.28 328	0.30 326	0.28 331	0.60 324	0.48 341	0.18 293	0.15 278	0.14 275	0.26 306	0.17 290	0.28 296	0.18 299	0.28 331	0.22 325	0.25 318	0.21 307	0.37 338	0.30 339	0.55 343	0.51 334
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
MFN_U_SF_RVC	0.31 322	0.28 327	0.21 321	0.33 314	0.29 324	0.31 314	0.29 320	0.38 334	0.24 313	0.46 352	0.31 338	0.50 317	0.34 325	0.25 314	0.30 334	0.25 332	0.19 200	0.23 324	0.58 335	0.29 334	0.25 317	0.28 339	0.21 307	0.27 328	0.31 324	0.26 318	0.37 325	0.51 334

edge stereo	0.31 322	0.22 308	0.20 315	0.42 329	0.36 330	0.42 334	0.39 331	0.39 336	0.23 310	0.23 210	0.39 344	0.68 329	0.34 325	0.30 329	0.17 294	0.17 312	0.31 330	0.21 315	0.42 324	0.21 312	0.24 311	0.18 300	0.25 318	0.23 313	0.28 315	0.24 307	0.39 328	0.55 339

SANet	0.31 322	0.21 303	0.21 321	0.25 300	0.22 302	0.31 314	0.22 303	0.31 318	0.32 338	0.27 293	0.27 327	1.36 361	0.39 335	0.22 310	0.17 294	0.14 275	0.26 306	0.21 315	0.30 304	0.21 312	0.25 317	0.21 321	0.30 343	0.23 313	0.34 333	0.26 318	0.35 320	0.49 332

AnyNet_C01	0.32 325	0.22 308	0.20 315	0.22 289	0.27 318	0.25 306	0.24 310	0.37 331	0.37 345	0.26 278	0.29 333	0.49 314	0.33 324	0.18 293	0.32 337	0.22 331	0.39 343	0.32 341	0.65 338	0.33 344	0.41 350	0.33 346	0.26 324	0.26 327	0.34 333	0.34 342	0.34 318	0.45 328

DGSMNet	0.34 326	0.27 326	0.24 326	0.41 328	0.33 329	0.37 328	0.37 324	0.28 304	0.25 318	0.25 261	0.52 352	0.45 308	0.32 318	0.26 315	0.25 328	0.20 329	0.52 354	0.32 341	0.75 346	0.35 346	0.38 344	0.39 356	0.28 339	0.31 337	0.27 310	0.24 307	0.33 314	0.37 311

MSC_U_SF_DS_RVC	0.35 327	0.36 333	0.38 346	0.46 331	0.28 320	0.31 314	0.28 319	0.51 349	0.46 352	0.39 349	0.29 333	0.37 300	0.36 328	0.31 330	0.38 344	0.26 335	0.22 253	0.27 333	0.72 343	0.37 347	0.28 331	0.31 341	0.30 343	0.38 347	0.33 331	0.26 318	0.30 306	0.38 313

MaskLacGwcNet_RVC	0.36 328	0.16 280	0.13 269	0.26 303	0.22 302	0.23 303	0.27 318	0.24 290	0.15 261	0.24 233	0.16 258	4.16 378	0.22 297	0.19 301	0.14 266	0.13 255	0.33 332	0.22 319	0.32 308	0.20 310	0.24 311	0.19 309	0.22 309	0.14 282	0.20 262	0.20 290	0.21 268	0.24 263

STStereo	0.38 329	0.43 339	0.31 339	0.74 344	0.50 343	0.58 339	0.43 334	0.35 326	0.31 336	0.34 339	0.25 320	0.83 343	0.55 345	0.20 304	0.17 294	0.16 300	0.25 296	0.16 276	0.46 329	0.17 293	0.24 311	0.19 309	0.20 303	0.23 313	0.52 348	0.41 349	0.76 357	0.59 345

PVD	0.39 330	0.38 336	0.20 315	0.47 333	0.36 330	0.50 338	0.40 333	0.38 334	0.34 343	0.23 210	0.29 333	0.52 321	0.51 343	0.50 340	0.19 310	0.17 312	0.40 345	0.26 331	0.50 333	0.29 334	0.40 346	0.41 358	0.23 313	0.27 328	0.45 345	0.59 364	0.46 338	0.73 354

DPSNet	0.40 331	0.19 297	0.18 307	0.27 310	0.26 315	0.29 313	0.19 287	0.26 298	0.24 313	0.18 141	0.17 267	2.15 372	0.44 338	0.10 219	0.20 314	0.16 300	0.35 338	0.28 337	2.00 374	0.27 330	0.25 317	0.17 296	0.28 339	0.25 325	0.40 342	0.27 329	0.39 328	0.53 336

MANE	0.42 332	0.36 333	0.33 341	0.61 340	0.45 340	0.44 336	0.47 337	0.43 344	0.26 322	0.23 210	0.24 315	0.64 326	0.29 313	0.31 330	0.32 337	0.30 345	0.33 332	0.42 354	0.38 322	0.24 322	0.31 337	0.27 337	0.26 324	0.35 344	0.57 353	0.44 353	1.10 372	0.98 366

LE_ROB	0.42 332	0.19 297	0.17 302	0.40 327	0.44 337	0.33 323	0.44 335	0.35 326	0.29 333	0.32 330	0.21 299	1.22 358	1.73 374	0.11 236	0.11 203	0.11 170	0.21 237	0.13 226	0.21 252	0.13 250	0.23 301	0.13 259	0.12 270	0.15 286	0.39 341	0.36 344	1.46 377	1.45 375

ELAS	0.43 334	0.43 339	0.36 344	0.64 342	0.45 340	0.58 339	0.50 339	0.40 337	0.27 325	0.25 261	0.30 336	0.92 350	0.32 318	0.32 333	0.31 335	0.28 342	0.36 340	0.30 339	0.45 328	0.26 327	0.34 339	0.33 346	0.26 324	0.37 346	0.56 352	0.43 352	0.78 360	0.76 356
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS_RVC	0.44 335	0.43 339	0.36 344	0.63 341	0.44 337	0.62 344	0.50 339	0.40 337	0.26 322	0.25 261	0.31 338	1.20 356	0.31 316	0.32 333	0.31 335	0.28 342	0.37 341	0.30 339	0.44 326	0.27 330	0.35 340	0.33 346	0.26 324	0.38 347	0.52 348	0.41 349	0.78 360	0.74 355
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SQANet	0.46 336	0.56 344	0.14 281	1.44 351	0.52 344	1.25 351	0.85 348	0.30 313	0.23 310	0.34 339	0.25 320	0.66 328	0.19 288	1.15 349	0.19 310	0.14 275	0.25 296	0.20 311	0.42 324	0.22 318	0.17 195	0.14 270	1.56 355	0.17 299	0.21 276	0.17 245	0.27 300	0.41 318

SAMSARA	0.49 337	0.23 313	0.39 347	0.23 292	0.23 306	0.22 298	0.23 306	0.44 346	0.39 349	0.31 329	0.21 299	0.30 286	0.47 340	0.18 293	0.35 340	0.34 346	0.26 306	0.32 341	0.47 330	0.32 343	0.48 360	0.54 366	0.15 284	0.33 342	1.40 379	1.58 378	1.42 376	1.48 376

AMNet	0.49 337	0.50 342	0.48 350	0.49 334	0.47 342	0.61 343	0.51 341	0.32 319	0.28 328	0.30 326	0.68 360	0.72 333	0.13 248	0.53 342	0.44 346	0.55 360	0.57 357	0.58 366	0.48 331	0.48 350	0.58 367	0.50 363	0.26 324	0.48 352	0.45 345	0.52 359	0.58 346	0.65 348

DispFullNet	0.49 337	0.53 343	0.20 315	1.14 348	0.43 336	0.79 347	1.26 353	0.33 322	0.24 313	0.24 233	0.27 327	0.85 344	0.50 342	1.59 354	0.18 302	0.15 296	0.51 352	0.34 347	1.12 361	0.26 327	0.25 317	0.19 309	0.20 303	0.22 310	0.28 315	0.18 261	0.35 320	0.61 346

BEATNet-Init1	0.51 340	0.41 338	0.29 334	0.78 347	0.41 335	0.60 342	0.46 336	0.41 342	0.28 328	0.30 326	0.25 320	0.87 346	0.91 358	0.26 315	0.33 339	0.26 335	0.28 323	0.25 330	0.98 355	0.29 334	0.29 335	0.27 337	0.26 324	0.32 340	0.51 347	0.38 348	2.12 380	0.96 364

MADNet+	0.56 341	0.37 335	0.63 362	0.56 337	0.53 345	0.45 337	0.39 331	0.64 357	0.51 354	0.53 356	0.40 346	0.81 342	0.67 352	0.34 336	0.61 357	0.50 357	0.58 358	0.50 358	0.84 349	0.53 352	0.49 363	0.44 359	0.51 347	0.47 351	0.82 363	0.71 369	0.58 346	0.70 351

otaku	0.59 342	0.73 349	0.30 336	1.73 363	0.85 351	1.52 357	1.01 349	0.40 337	0.33 340	0.38 345	0.32 340	0.68 329	0.26 303	1.38 350	0.35 340	0.25 332	0.21 237	0.23 324	0.71 341	0.30 337	0.23 301	0.18 300	2.19 358	0.28 331	0.29 319	0.18 261	0.31 309	0.42 320

SGM+DAISY	0.59 342	0.58 347	0.54 354	0.58 339	0.55 347	0.69 346	0.57 344	0.43 344	0.39 349	0.38 345	0.78 364	0.75 337	0.65 351	0.54 344	0.62 358	0.56 361	0.67 364	0.61 369	0.72 343	0.64 363	0.71 371	0.65 371	0.27 337	0.51 354	0.54 350	0.57 362	0.75 356	0.71 353

SPS-STEREO	0.60 344	0.57 346	0.53 351	0.55 336	0.54 346	0.65 345	0.52 342	0.40 337	0.68 357	0.37 344	0.78 364	0.78 339	0.64 350	0.53 342	0.59 356	0.57 363	0.67 364	0.63 371	0.75 346	0.72 368	0.77 374	0.68 372	0.26 324	0.54 359	0.54 350	0.60 365	0.70 353	0.66 349
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
Ntro	0.64 345	0.74 350	0.31 339	1.81 365	0.85 351	1.57 358	1.10 351	0.48 347	0.36 344	0.38 345	0.39 344	0.74 335	0.27 307	1.54 353	0.37 343	0.28 342	0.23 263	0.24 327	0.71 341	0.31 339	0.23 301	0.18 300	2.45 362	0.30 336	0.31 324	0.24 307	0.38 327	0.44 326

MFMNet_re	0.66 346	0.72 348	0.65 365	0.77 346	0.62 348	0.82 349	0.70 347	0.52 351	0.53 355	0.54 358	0.65 358	0.79 340	0.51 343	0.59 346	0.68 362	0.67 367	0.81 371	0.69 372	0.74 345	0.62 361	0.71 371	0.64 370	0.45 345	0.57 360	0.59 356	0.62 367	0.74 355	0.88 362

WAO-7	0.67 347	0.75 351	0.64 364	0.72 343	0.78 350	0.58 339	0.66 345	0.97 371	0.97 369	0.62 361	0.81 368	0.79 340	0.84 356	0.55 345	0.86 368	0.71 371	0.44 347	0.36 349	0.96 352	0.67 366	0.44 353	0.35 351	0.16 288	0.83 373	0.57 353	0.67 368	0.58 346	0.70 351

ACVNet-4b	0.70 348	0.78 353	0.34 342	1.74 364	0.95 357	1.64 362	1.43 356	0.33 322	0.31 336	0.38 345	0.26 325	1.23 359	0.29 313	2.19 365	0.42 345	0.37 347	0.34 334	0.24 327	0.59 336	0.38 348	0.17 195	0.15 280	2.71 364	0.23 313	0.30 323	0.32 341	0.39 328	0.42 320

JetBlue	0.71 349	0.56 344	0.71 367	0.74 344	0.62 348	0.79 347	0.69 346	0.53 352	0.93 366	0.46 352	0.30 336	3.22 375	0.38 333	0.52 341	0.46 347	0.44 352	0.73 369	0.53 361	0.68 340	0.52 351	0.57 365	0.60 368	0.74 349	0.57 360	0.57 353	0.46 354	0.97 369	0.96 364

MonStereo1	0.74 350	0.77 352	0.34 342	1.64 355	1.05 364	1.35 355	1.51 358	0.56 353	0.38 348	0.59 360	0.65 358	1.58 364	0.76 354	1.93 357	0.21 316	0.14 275	0.39 343	0.34 347	0.67 339	0.31 339	0.38 344	0.23 328	2.26 359	0.35 344	0.32 329	0.29 338	0.51 339	0.58 343

ACVNet_1	0.75 351	0.82 354	0.41 348	2.07 371	0.98 358	1.94 369	1.52 359	0.59 355	0.28 328	0.43 350	0.50 351	0.73 334	0.63 348	2.24 367	0.36 342	0.25 332	0.34 334	0.32 341	0.62 337	0.31 339	0.30 336	0.22 325	2.71 364	0.33 342	0.41 344	0.28 333	0.37 325	0.39 317

RainbowNet	0.78 352	0.90 355	0.47 349	1.86 366	0.92 354	1.63 361	1.48 357	0.42 343	0.37 345	0.47 355	0.34 342	0.92 350	0.62 347	2.02 360	0.65 359	0.48 355	0.35 338	0.33 345	0.92 351	0.58 356	0.33 338	0.24 332	2.80 368	0.39 349	0.40 342	0.35 343	0.44 336	0.50 333

PSMNet_ROB	0.80 353	0.99 360	0.62 361	1.64 355	0.93 356	1.51 356	1.20 352	0.57 354	0.73 358	0.74 364	0.63 357	0.86 345	0.84 356	1.52 352	0.58 353	0.42 349	0.54 355	0.41 353	0.87 350	0.62 361	0.42 352	0.31 341	1.83 356	0.48 352	0.69 361	0.37 345	0.76 357	0.47 331

WAO-6	0.83 354	0.96 357	0.61 359	1.33 350	1.06 365	1.28 353	1.42 355	0.78 364	0.87 363	0.78 365	0.70 363	0.77 338	1.02 365	1.95 358	0.81 365	0.62 365	0.55 356	0.49 357	0.80 348	0.60 357	0.57 365	0.53 365	0.50 346	0.58 363	0.85 367	0.46 354	0.77 359	0.83 361

ACVNet_2	0.84 355	0.95 356	0.58 357	2.04 369	1.03 363	1.88 368	1.56 362	0.68 359	0.39 349	0.53 356	0.49 349	1.05 354	0.68 353	1.97 359	0.53 350	0.44 352	0.40 345	0.33 345	1.06 357	0.42 349	0.35 340	0.25 333	2.54 363	0.53 357	0.61 357	0.28 333	0.53 341	0.58 343

PWCK	0.90 356	1.24 369	0.63 362	1.55 353	0.86 353	1.23 350	1.04 350	1.09 372	0.75 361	0.70 363	0.81 368	1.52 363	0.91 358	0.71 347	0.46 347	0.41 348	0.74 370	0.47 355	3.07 377	0.67 366	0.58 367	0.45 361	0.95 353	0.74 369	0.74 362	0.41 349	0.70 353	0.76 356

IMH-64-1	0.91 357	0.98 358	0.53 351	1.64 355	1.01 361	1.62 359	1.75 366	0.76 361	0.74 359	0.33 335	0.61 354	0.87 346	0.95 360	2.61 369	0.53 350	0.42 349	0.49 349	0.36 349	0.96 352	0.55 353	0.40 346	0.31 341	3.11 369	0.51 354	0.82 363	0.37 345	0.60 349	0.78 358

IMH-64	0.91 357	0.98 358	0.53 351	1.64 355	1.01 361	1.62 359	1.75 366	0.76 361	0.74 359	0.33 335	0.61 354	0.87 346	0.95 360	2.61 369	0.53 350	0.42 349	0.49 349	0.36 349	0.96 352	0.55 353	0.40 346	0.31 341	3.11 369	0.51 354	0.82 363	0.37 345	0.60 349	0.78 358

IMH	0.95 359	1.00 362	0.55 355	1.66 362	1.00 359	1.69 364	1.78 368	0.76 361	0.77 362	0.34 339	0.61 354	1.01 353	1.07 368	2.69 371	0.58 353	0.46 354	0.51 352	0.38 352	0.98 355	0.60 357	0.40 346	0.32 345	3.11 369	0.53 357	0.83 366	0.48 356	0.65 351	0.79 360

LVE	0.97 360	0.99 360	0.73 369	1.89 367	1.39 369	1.65 363	1.53 360	0.79 365	0.65 356	0.81 367	0.92 370	0.74 335	1.01 364	2.21 366	0.58 353	0.48 355	0.59 359	0.54 364	1.13 362	0.64 363	0.46 357	0.40 357	2.73 367	0.69 365	0.85 367	0.50 358	0.85 364	0.54 338

WAO-8	1.02 361	1.14 366	0.79 370	1.64 355	1.25 366	1.78 366	1.57 363	0.93 367	1.01 370	0.81 367	0.68 360	1.72 365	1.03 366	2.08 361	0.82 366	0.68 368	0.65 362	0.53 361	1.09 358	0.82 371	0.48 360	0.38 353	0.81 351	0.75 370	1.12 374	0.77 370	0.96 367	1.21 371

Venus	1.02 361	1.14 366	0.79 370	1.64 355	1.25 366	1.78 366	1.57 363	0.93 367	1.01 370	0.81 367	0.68 360	1.72 365	1.03 366	2.08 361	0.82 366	0.68 368	0.65 362	0.53 361	1.09 358	0.82 371	0.48 360	0.38 353	0.81 351	0.75 370	1.12 374	0.77 370	0.96 367	1.21 371

Dean	1.08 363	1.06 364	0.80 372	2.30 372	1.35 368	1.99 370	1.58 365	0.93 367	0.93 366	0.88 372	0.78 364	1.21 357	1.22 370	2.13 364	0.67 360	0.60 364	0.62 361	0.57 365	1.25 367	0.74 369	0.46 357	0.37 352	2.72 366	0.71 366	1.00 371	0.60 365	1.05 371	0.64 347

TorneroNet-64	1.09 364	1.03 363	0.60 358	1.99 368	0.92 354	2.06 372	2.05 369	0.63 356	0.87 363	0.58 359	0.49 349	1.90 369	1.89 375	2.91 376	0.67 360	0.51 358	0.48 348	0.47 355	1.23 365	0.61 359	0.35 340	0.38 353	3.33 372	0.57 360	0.64 359	0.52 359	0.69 352	1.15 369

TorneroNet	1.11 365	1.11 365	0.67 366	2.05 370	1.00 359	2.29 373	2.05 369	0.65 358	0.89 365	0.68 362	0.57 353	1.74 368	1.26 371	2.97 378	0.71 363	0.52 359	0.50 351	0.51 360	1.18 364	0.65 365	0.41 350	0.44 359	3.48 373	0.58 363	0.67 360	0.49 357	0.85 364	1.02 367

ktn	1.26 366	1.42 371	0.57 356	1.65 361	1.61 374	1.75 365	2.16 372	0.86 366	1.75 377	0.89 373	1.11 375	1.18 355	0.96 362	2.60 368	1.03 371	0.73 372	0.82 372	0.61 369	1.47 371	0.76 370	0.70 370	0.69 373	3.64 375	0.73 367	0.93 369	0.81 373	1.20 374	1.25 373

notaker	1.30 367	1.44 372	0.61 359	2.42 375	1.51 371	2.40 375	2.31 374	0.95 370	1.64 375	0.79 366	1.07 373	1.73 367	1.18 369	3.10 380	1.04 372	0.69 370	0.70 367	0.50 358	1.66 373	0.85 373	0.56 364	0.47 362	3.67 376	0.80 372	0.62 358	0.58 363	0.81 362	0.95 363

KSHMR	1.34 368	1.44 372	1.07 376	2.31 373	1.48 370	2.31 374	2.15 371	1.22 373	1.07 373	1.13 376	1.07 373	1.30 360	0.96 362	2.92 377	1.12 373	0.95 375	0.87 373	0.84 374	1.34 368	0.97 374	0.74 373	0.60 368	3.48 373	1.07 378	0.99 370	0.77 370	1.01 370	1.06 368

UNDER WATER-64	1.42 369	1.40 370	0.92 375	2.88 377	1.97 377	2.82 377	2.72 377	1.37 376	0.94 368	1.04 375	1.15 376	1.96 371	1.33 373	3.07 379	0.80 364	0.56 361	0.70 367	0.58 366	1.17 363	0.55 353	0.45 355	0.54 366	3.98 379	0.92 375	1.03 372	1.13 376	0.81 362	1.60 378

UNDER WATER	1.42 369	1.45 374	0.89 374	2.87 376	1.98 378	2.78 376	2.64 376	1.29 374	1.04 372	0.87 371	0.98 371	1.95 370	1.30 372	3.12 381	0.87 369	0.63 366	0.68 366	0.58 366	1.23 365	0.61 359	0.44 353	0.50 363	3.95 378	0.99 377	1.09 373	1.04 374	0.88 366	1.67 380

JetRed	1.64 371	1.79 377	1.70 378	1.59 354	1.52 372	2.02 371	2.26 373	1.52 378	1.47 374	0.82 370	0.78 364	2.67 374	0.43 337	1.78 356	1.47 376	1.56 377	1.74 375	2.93 379	1.44 370	1.10 376	2.36 377	2.20 376	1.98 357	0.98 376	1.19 377	1.77 379	1.58 378	1.56 377

HanzoNet	1.79 372	1.65 376	0.85 373	2.31 373	1.74 375	2.83 378	2.55 375	1.29 374	1.86 378	0.92 374	1.28 377	4.71 379	3.85 378	3.43 382	0.96 370	0.79 373	1.10 374	0.95 375	2.68 376	1.04 375	0.93 375	0.92 374	3.78 377	0.73 367	1.15 376	1.07 375	1.29 375	1.61 379

MADNet++	1.87 373	1.58 375	1.74 379	1.28 349	1.74 375	1.25 351	1.55 361	1.63 379	2.10 379	1.84 378	2.24 378	2.56 373	2.74 376	0.75 348	1.43 374	1.55 376	2.00 376	1.47 377	2.11 375	2.11 378	3.28 378	3.23 377	1.22 354	2.22 380	1.23 378	2.58 380	1.77 379	1.36 374

LSM0	3.23 374	0.28 327	0.18 307	0.38 321	0.30 326	0.39 330	0.37 324	0.51 349	0.32 338	0.45 351	0.47 348	0.71 332	0.59 346	0.19 301	16.94 382	59.67 389	0.37 341	0.26 331	1.34 368	0.34 345	0.45 355	0.34 350	0.23 313	0.28 331	0.38 340	0.31 340	0.53 341	0.53 336

PML	8.17 375	7.65 382	3.51 380	9.56 384	5.16 379	9.57 385	5.23 382	6.49 382	17.89 385	6.44 381	3.24 379	16.63 382	29.28 389	5.47 383	6.12 377	3.95 378	7.38 379	2.69 378	20.47 385	4.69 380	3.59 379	3.96 378	3.98 379	4.20 381	5.71 381	4.30 381	16.67 386	6.70 381

DGTPSM_ROB	8.61 376	3.65 378	8.39 381	2.97 378	5.68 380	3.37 379	4.40 380	3.70 380	9.03 380	3.00 379	6.91 380	3.52 376	10.03 379	2.69 371	10.46 378	10.76 379	3.81 377	12.88 381	4.73 378	10.21 381	5.93 380	13.78 381	4.46 381	8.55 382	10.09 384	27.91 385	11.05 384	30.64 385

DPSMNet_ROB	8.62 377	3.66 379	8.40 382	2.97 378	5.69 381	3.37 379	4.40 380	3.70 380	9.03 380	3.00 379	6.93 381	3.52 376	10.07 380	2.69 371	10.46 378	10.76 379	3.81 377	12.88 381	4.76 379	10.21 381	5.93 380	13.78 381	4.47 383	8.55 382	10.10 385	27.91 385	11.06 385	30.64 385

LRCNet_RVC	9.94 378	17.32 386	0.72 368	25.08 387	21.25 388	23.72 388	20.86 386	1.45 377	0.48 353	21.28 388	13.07 384	22.69 387	3.57 377	28.32 389	0.47 349	0.27 339	8.45 380	1.25 376	23.54 387	4.04 379	0.47 359	0.33 346	26.91 387	1.58 379	0.35 336	0.22 300	0.43 335	0.38 313

DLNR_Zeroshot_test	10.02 379	31.66 390	0.05 100	54.25 390	0.10 200	0.18 268	50.40 390	0.19 230	0.08 134	0.27 293	0.07 98	0.20 220	0.04 73	0.14 277	60.23 389	70.55 390	0.34 334	0.18 300	0.26 288	0.11 207	0.20 247	0.08 114	0.07 175	0.09 216	0.19 248	0.15 201	0.20 254	0.25 271

DPSM_ROB	12.93 380	6.06 380	9.07 383	4.34 380	6.33 382	4.24 381	3.55 378	8.20 383	10.79 382	6.62 382	7.89 382	9.68 380	12.99 382	2.78 374	12.36 380	13.66 381	8.95 381	16.55 384	9.69 380	12.30 383	16.52 384	17.76 384	2.26 359	10.59 384	28.41 386	36.73 387	31.10 387	39.69 387

DPSM	12.93 380	6.06 380	9.07 383	4.34 380	6.33 382	4.24 381	3.55 378	8.20 383	10.79 382	6.62 382	7.89 382	9.68 380	12.99 382	2.78 374	12.36 380	13.66 381	8.95 381	16.55 384	9.69 380	12.30 383	16.52 384	17.76 384	2.26 359	10.59 384	28.41 386	36.73 387	31.10 387	39.69 387

HaxPig	16.12 382	19.70 387	18.82 388	21.25 386	20.53 387	21.35 387	22.27 387	17.00 388	14.68 384	19.29 387	17.18 388	18.07 383	12.18 381	22.52 387	17.87 383	14.95 383	17.87 385	9.54 380	18.95 382	15.62 385	9.98 382	7.75 379	23.74 386	15.32 386	4.46 380	12.22 384	6.85 381	15.21 384

MEDIAN_ROB	20.51 383	25.88 388	24.09 389	26.47 388	25.52 389	25.87 389	26.98 388	21.19 389	19.61 386	28.55 389	22.12 389	24.85 388	16.74 384	26.52 388	23.53 384	18.59 384	22.10 387	14.86 383	26.41 388	23.30 386	15.47 383	11.96 380	27.64 388	18.47 387	7.32 382	9.55 383	8.34 383	11.88 383

AVERAGE_ROB	24.46 384	29.85 389	27.17 390	31.26 389	29.68 390	30.01 390	31.43 389	26.55 390	24.57 390	34.19 390	27.26 390	31.45 389	21.40 385	30.75 390	28.23 388	24.11 385	26.75 388	21.47 386	30.01 389	27.38 390	20.81 386	16.76 383	32.29 389	24.48 391	8.40 383	7.77 382	7.95 382	8.54 382

CasAABBNet	25.99 385	12.23 384	18.16 386	8.64 382	12.70 385	8.22 383	7.18 383	16.43 386	21.85 388	13.64 386	15.80 385	19.61 386	26.12 386	5.47 383	25.18 387	27.55 388	17.67 383	33.30 387	19.65 384	24.62 388	33.10 388	35.23 387	4.49 384	21.39 389	57.22 388	74.08 389	62.47 390	79.73 390

FlowAnything	26.05 386	11.98 383	18.33 387	8.70 383	12.62 384	8.34 384	7.20 384	16.56 387	21.86 389	13.57 385	16.00 386	19.55 385	26.21 388	5.55 385	24.94 386	27.47 387	17.85 384	33.34 389	19.39 383	24.73 389	33.38 389	35.79 388	4.46 381	21.36 388	57.29 389	74.31 391	62.56 391	79.87 391

fast-reg	26.97 387	13.89 385	17.76 385	12.37 385	13.04 386	14.35 386	12.70 385	16.24 385	21.70 387	13.11 384	16.41 387	19.05 384	26.13 387	12.96 386	24.92 385	27.06 386	18.58 386	33.30 387	20.73 386	24.42 387	32.98 387	35.00 386	6.75 385	21.46 390	57.32 390	74.25 390	62.39 389	79.47 389

GS-Stereo																							0.01 4	0.03 34	0.04 16	0.04 16	0.04 37	0.03 14

FSD		0.25 317	0.25 327	0.27 310	0.25 313	0.25 306	0.33 322	0.30 313	0.18 281	0.21 176	0.18 277			0.29 324	0.24 326	0.26 335			0.28 296	0.21 312				0.28 331	0.27 310	0.24 307	0.27 300	0.27 280

STTRV1_RVC		0.26 321	0.22 325	0.35 315	0.28 320	0.32 318	0.29 320	0.36 330	0.33 340	0.27 293	0.27 327	0.42 305	0.41 336	0.48 339		0.19 326	0.59 359	0.20 311		0.30 337	0.59 369			0.43 350	0.26 307	0.56 361	0.34 318	0.67 350

DPSimNet_ROB		1.23 368	1.31 377	1.49 352	1.60 373	1.34 354	1.37 354	0.68 359	1.70 376	1.68 377	1.03 372	1.48 362	0.82 355	2.08 361	1.45 375	0.92 374		0.81 373	1.64 372	1.41 377	1.08 376	1.28 375	0.79 350	0.87 374		1.26 377	1.18 373	1.16 370

Low-res two-view benchmark