Low-res two-view results

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

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

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

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

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

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

LACA1	0.07 3	0.07 152	0.07 7	0.14 42	0.05 1	0.09 96	0.11 57	0.10 19	0.07 9	0.05 2	0.05 7	0.06 23	0.08 169	0.08 17	0.09 56	0.06 120	0.04 23	0.04 1	0.04 40	0.03 1	0.04 34

NLSM3	0.09 104	0.07 152	0.08 28	0.20 444	0.08 150	0.11 188	0.16 326	0.18 220	0.17 238	0.06 14	0.08 91	0.08 124	0.09 199	0.09 40	0.11 207	0.04 6	0.04 23	0.06 129	0.07 310	0.03 1	0.04 34

VIP-Stereo	0.07 3	0.07 152	0.08 28	0.15 86	0.06 15	0.11 188	0.10 31	0.11 36	0.11 69	0.06 14	0.07 47	0.06 23	0.05 16	0.10 80	0.08 15	0.05 33	0.04 23	0.05 35	0.04 40	0.03 1	0.03 1

BridgeDepth	0.07 3	0.07 152	0.08 28	0.18 324	0.06 15	0.07 27	0.11 57	0.10 19	0.06 4	0.04 1	0.07 47	0.10 191	0.09 199	0.08 17	0.08 15	0.04 6	0.03 1	0.04 1	0.04 40	0.03 1	0.03 1
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
MonStereo	0.07 3	0.06 73	0.06 1	0.15 86	0.05 1	0.08 55	0.10 31	0.15 125	0.15 181	0.05 2	0.06 16	0.05 4	0.06 48	0.07 3	0.09 56	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

Wavelet-MonSter	0.07 3	0.05 19	0.07 7	0.16 165	0.06 15	0.07 27	0.11 57	0.10 19	0.08 14	0.06 14	0.07 47	0.07 84	0.07 127	0.09 40	0.09 56	0.04 6	0.04 23	0.04 1	0.03 1	0.03 1	0.03 1

Monster-pub-eth3d	0.07 3	0.06 73	0.06 1	0.15 86	0.05 1	0.08 55	0.10 31	0.15 125	0.15 181	0.05 2	0.06 16	0.05 4	0.06 48	0.07 3	0.10 133	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

DilatedVolume-Stereo	0.09 104	0.05 19	0.08 28	0.15 86	0.06 15	0.11 188	0.12 85	0.14 93	0.16 209	0.11 197	0.11 186	0.09 159	0.10 226	0.11 133	0.11 207	0.06 120	0.05 182	0.05 35	0.04 40	0.03 1	0.03 1

2.25w	0.07 3	0.07 152	0.08 28	0.15 86	0.06 15	0.08 55	0.09 18	0.10 19	0.15 181	0.08 86	0.10 141	0.07 84	0.06 48	0.09 40	0.10 133	0.05 33	0.04 23	0.04 1	0.04 40	0.03 1	0.04 34

2.5w	0.07 3	0.07 152	0.08 28	0.16 165	0.06 15	0.08 55	0.12 85	0.10 19	0.10 42	0.07 48	0.06 16	0.09 159	0.06 48	0.08 17	0.09 56	0.04 6	0.03 1	0.04 1	0.04 40	0.03 1	0.03 1

2.75w_new	0.07 3	0.07 152	0.07 7	0.13 10	0.06 15	0.08 55	0.08 7	0.18 220	0.13 139	0.08 86	0.08 91	0.06 23	0.06 48	0.09 40	0.11 207	0.04 6	0.04 23	0.04 1	0.03 1	0.03 1	0.04 34

3.25w_new	0.07 3	0.06 73	0.08 28	0.15 86	0.06 15	0.10 146	0.07 3	0.12 57	0.11 69	0.08 86	0.07 47	0.07 84	0.06 48	0.11 133	0.10 133	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 34

3.25w	0.07 3	0.06 73	0.08 28	0.15 86	0.06 15	0.10 146	0.07 3	0.12 57	0.11 69	0.08 86	0.07 47	0.07 84	0.06 48	0.11 133	0.10 133	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 34

3.75w	0.07 3	0.07 152	0.08 28	0.16 165	0.07 79	0.07 27	0.09 18	0.16 155	0.10 42	0.07 48	0.06 16	0.06 23	0.06 48	0.09 40	0.10 133	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 3	0.07 152	0.07 7	0.15 86	0.07 79	0.09 96	0.06 1	0.14 93	0.11 69	0.08 86	0.07 47	0.06 23	0.07 127	0.10 80	0.09 56	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

2w_stereo	0.08 54	0.08 274	0.09 83	0.16 165	0.06 15	0.09 96	0.10 31	0.20 269	0.15 181	0.08 86	0.07 47	0.06 23	0.06 48	0.06 1	0.10 133	0.04 6	0.03 1	0.04 1	0.04 40	0.03 1	0.03 1

1w_stereo	0.08 54	0.06 73	0.07 7	0.16 165	0.06 15	0.07 27	0.10 31	0.14 93	0.15 181	0.07 48	0.08 91	0.05 4	0.06 48	0.10 80	0.09 56	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 34

monsters	0.07 3	0.06 73	0.06 1	0.15 86	0.06 15	0.08 55	0.09 18	0.13 76	0.09 29	0.09 122	0.07 47	0.06 23	0.06 48	0.09 40	0.08 15	0.05 33	0.04 23	0.04 1	0.04 40	0.03 1	0.04 34

MonSter	0.07 3	0.06 73	0.06 1	0.15 86	0.05 1	0.08 55	0.10 31	0.15 125	0.15 181	0.05 2	0.06 16	0.05 4	0.06 48	0.07 3	0.09 56	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

test_for_model	0.08 54	0.05 19	0.09 83	0.14 42	0.07 79	0.09 96	0.14 186	0.17 192	0.21 319	0.08 86	0.12 203	0.06 23	0.04 1	0.09 40	0.08 15	0.06 120	0.04 23	0.05 35	0.05 134	0.03 1	0.03 1

LACA2	0.07 3	0.05 19	0.06 1	0.15 86	0.06 15	0.09 96	0.10 31	0.11 36	0.11 69	0.05 2	0.05 7	0.06 23	0.08 169	0.09 40	0.07 1	0.07 275	0.04 23	0.04 1	0.04 40	0.04 21	0.04 34

Test_v1	0.07 3	0.04 1	0.06 1	0.13 10	0.06 15	0.09 96	0.10 31	0.15 125	0.12 101	0.06 14	0.05 7	0.04 1	0.05 16	0.08 17	0.10 133	0.07 275	0.04 23	0.05 35	0.04 40	0.04 21	0.04 34

BTL-Stereo	0.07 3	0.04 1	0.08 28	0.15 86	0.07 79	0.07 27	0.14 186	0.07 2	0.10 42	0.05 2	0.05 7	0.04 1	0.06 48	0.07 3	0.09 56	0.04 6	0.04 23	0.06 129	0.05 134	0.04 21	0.04 34

Pro-Stereo	0.07 3	0.05 19	0.08 28	0.15 86	0.08 150	0.08 55	0.12 85	0.07 2	0.08 14	0.06 14	0.06 16	0.05 4	0.05 16	0.09 40	0.08 15	0.05 33	0.04 23	0.06 129	0.05 134	0.04 21	0.04 34

BStereo	0.08 54	0.06 73	0.17 398	0.15 86	0.08 150	0.08 55	0.09 18	0.15 125	0.16 209	0.06 14	0.07 47	0.07 84	0.05 16	0.09 40	0.11 207	0.04 6	0.05 182	0.05 35	0.07 310	0.04 21	0.05 136

MatchStereo	0.07 3	0.04 1	0.08 28	0.14 42	0.06 15	0.05 3	0.12 85	0.12 57	0.09 29	0.07 48	0.07 47	0.04 1	0.04 1	0.09 40	0.09 56	0.06 120	0.05 182	0.05 35	0.03 1	0.04 21	0.05 136
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
Wave_Phase_stereo	0.09 104	0.06 73	0.17 398	0.15 86	0.08 150	0.11 188	0.09 18	0.18 220	0.16 209	0.06 14	0.07 47	0.07 84	0.05 16	0.09 40	0.11 207	0.04 6	0.05 182	0.05 35	0.07 310	0.04 21	0.05 136

MonSter++	0.08 54	0.04 1	0.10 125	0.13 10	0.06 15	0.10 146	0.13 129	0.13 76	0.08 14	0.06 14	0.07 47	0.06 23	0.08 169	0.10 80	0.11 207	0.06 120	0.05 182	0.04 1	0.03 1	0.04 21	0.05 136

HiDET	0.08 54	0.05 19	0.10 125	0.13 10	0.06 15	0.09 96	0.12 85	0.12 57	0.12 101	0.07 48	0.07 47	0.07 84	0.07 127	0.11 133	0.11 207	0.06 120	0.05 182	0.04 1	0.03 1	0.04 21	0.04 34

LCMNet	0.08 54	0.05 19	0.10 125	0.13 10	0.07 79	0.09 96	0.12 85	0.10 19	0.12 101	0.06 14	0.08 91	0.06 23	0.07 127	0.11 133	0.10 133	0.06 120	0.05 182	0.04 1	0.03 1	0.04 21	0.04 34

CSFM-Stereo	0.08 54	0.05 19	0.08 28	0.14 42	0.06 15	0.09 96	0.13 129	0.15 125	0.07 9	0.07 48	0.08 91	0.06 23	0.08 169	0.09 40	0.10 133	0.06 120	0.05 182	0.04 1	0.03 1	0.04 21	0.04 34

Zero-FE251	0.08 54	0.05 19	0.10 125	0.13 10	0.06 15	0.12 238	0.12 85	0.11 36	0.10 42	0.07 48	0.08 91	0.06 23	0.06 48	0.10 80	0.08 15	0.06 120	0.04 23	0.05 35	0.04 40	0.04 21	0.04 34

Replicate-Monster	0.07 3	0.05 19	0.09 83	0.14 42	0.06 15	0.09 96	0.09 18	0.14 93	0.12 101	0.05 2	0.07 47	0.06 23	0.06 48	0.08 17	0.10 133	0.06 120	0.04 23	0.05 35	0.03 1	0.04 21	0.04 34

AdaDepth	0.07 3	0.06 73	0.07 7	0.18 324	0.06 15	0.11 188	0.11 57	0.10 19	0.08 14	0.06 14	0.05 7	0.07 84	0.06 48	0.09 40	0.10 133	0.04 6	0.05 182	0.05 35	0.04 40	0.04 21	0.04 34

GASTEREO	0.08 54	0.05 19	0.09 83	0.19 386	0.08 150	0.08 55	0.12 85	0.14 93	0.11 69	0.10 157	0.09 115	0.07 84	0.04 1	0.12 216	0.08 15	0.06 120	0.05 182	0.05 35	0.04 40	0.04 21	0.05 136

water-stereo	0.09 104	0.06 73	0.08 28	0.16 165	0.07 79	0.10 146	0.13 129	0.15 125	0.13 139	0.11 197	0.12 203	0.09 159	0.10 226	0.07 3	0.08 15	0.06 120	0.05 182	0.05 35	0.05 134	0.04 21	0.04 34

asda	0.07 3	0.08 274	0.08 28	0.16 165	0.07 79	0.06 10	0.10 31	0.16 155	0.11 69	0.06 14	0.06 16	0.05 4	0.06 48	0.10 80	0.10 133	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 1

asd	0.07 3	0.08 274	0.08 28	0.16 165	0.07 79	0.08 55	0.08 7	0.11 36	0.08 14	0.07 48	0.07 47	0.06 23	0.06 48	0.10 80	0.09 56	0.03 1	0.03 1	0.04 1	0.04 40	0.04 21	0.03 1

qwe	0.08 54	0.08 274	0.07 7	0.15 86	0.06 15	0.07 27	0.10 31	0.18 220	0.12 101	0.07 48	0.07 47	0.06 23	0.06 48	0.10 80	0.09 56	0.04 6	0.03 1	0.04 1	0.04 40	0.04 21	0.03 1

depthmonostereo	0.09 104	0.06 73	0.09 83	0.15 86	0.06 15	0.11 188	0.13 129	0.14 93	0.15 181	0.10 157	0.10 141	0.09 159	0.11 263	0.08 17	0.09 56	0.06 120	0.05 182	0.06 129	0.04 40	0.04 21	0.03 1

4.25_new	0.07 3	0.08 274	0.09 83	0.15 86	0.06 15	0.08 55	0.08 7	0.14 93	0.08 14	0.07 48	0.07 47	0.06 23	0.06 48	0.12 216	0.10 133	0.04 6	0.03 1	0.04 1	0.03 1	0.04 21	0.03 1

4.5w_new	0.07 3	0.08 274	0.09 83	0.15 86	0.06 15	0.08 55	0.08 7	0.14 93	0.08 14	0.07 48	0.07 47	0.06 23	0.06 48	0.12 216	0.10 133	0.04 6	0.03 1	0.04 1	0.03 1	0.04 21	0.03 1

4.5_new	0.07 3	0.09 346	0.08 28	0.15 86	0.07 79	0.07 27	0.10 31	0.14 93	0.11 69	0.06 14	0.08 91	0.06 23	0.06 48	0.08 17	0.10 133	0.03 1	0.03 1	0.04 1	0.04 40	0.04 21	0.03 1

4.5w-stereo	0.07 3	0.09 346	0.08 28	0.15 86	0.07 79	0.07 27	0.10 31	0.14 93	0.11 69	0.06 14	0.08 91	0.06 23	0.06 48	0.08 17	0.10 133	0.03 1	0.03 1	0.04 1	0.04 40	0.04 21	0.03 1

4.25w-stereo	0.07 3	0.08 274	0.09 83	0.15 86	0.06 15	0.08 55	0.08 7	0.14 93	0.08 14	0.07 48	0.07 47	0.06 23	0.06 48	0.12 216	0.10 133	0.04 6	0.03 1	0.04 1	0.03 1	0.04 21	0.03 1

4w-stereo	0.07 3	0.08 274	0.08 28	0.16 165	0.07 79	0.07 27	0.08 7	0.11 36	0.09 29	0.07 48	0.07 47	0.05 4	0.06 48	0.09 40	0.10 133	0.03 1	0.03 1	0.04 1	0.04 40	0.04 21	0.03 1

3w_stereo	0.08 54	0.09 346	0.10 125	0.17 242	0.07 79	0.08 55	0.11 57	0.20 269	0.13 139	0.06 14	0.07 47	0.05 4	0.06 48	0.08 17	0.09 56	0.04 6	0.03 1	0.04 1	0.03 1	0.04 21	0.03 1

monsterstereo	0.08 54	0.06 73	0.07 7	0.16 165	0.06 15	0.08 55	0.10 31	0.16 155	0.12 101	0.07 48	0.08 91	0.06 23	0.07 127	0.08 17	0.09 56	0.04 6	0.04 23	0.05 35	0.04 40	0.04 21	0.03 1

xyz-stereo-finetune2	0.11 215	0.07 152	0.13 252	0.13 10	0.07 79	0.11 188	0.19 448	0.17 192	0.12 101	0.15 311	0.15 246	0.17 346	0.13 327	0.13 273	0.11 207	0.05 33	0.04 23	0.07 233	0.05 134	0.04 21	0.06 232

xyz-stereo-finetune	0.11 215	0.08 274	0.13 252	0.14 42	0.06 15	0.10 146	0.19 448	0.18 220	0.19 282	0.12 231	0.14 233	0.15 309	0.11 263	0.13 273	0.12 276	0.05 33	0.04 23	0.07 233	0.05 134	0.04 21	0.05 136

xyz-stereo	0.14 349	0.07 152	0.22 479	0.15 86	0.05 1	0.22 478	0.15 266	0.17 192	0.31 451	0.15 311	0.28 449	0.26 462	0.17 425	0.13 273	0.12 276	0.05 33	0.05 182	0.06 129	0.05 134	0.04 21	0.04 34

LG-Stereo_L2	0.07 3	0.05 19	0.10 125	0.14 42	0.06 15	0.07 27	0.12 85	0.09 12	0.10 42	0.06 14	0.04 1	0.05 4	0.05 16	0.08 17	0.08 15	0.05 33	0.04 23	0.05 35	0.03 1	0.04 21	0.03 1

LG-Stereo_L1	0.07 3	0.05 19	0.11 176	0.14 42	0.06 15	0.07 27	0.12 85	0.09 12	0.08 14	0.05 2	0.04 1	0.05 4	0.04 1	0.08 17	0.08 15	0.05 33	0.04 23	0.05 35	0.03 1	0.04 21	0.04 34

MLG-Stereo_test1	0.06 1	0.05 19	0.08 28	0.17 242	0.05 1	0.07 27	0.11 57	0.09 12	0.03 1	0.05 2	0.04 1	0.06 23	0.05 16	0.09 40	0.09 56	0.05 33	0.04 23	0.05 35	0.03 1	0.04 21	0.05 136

MLG-Stereo	0.07 3	0.05 19	0.09 83	0.17 242	0.05 1	0.07 27	0.11 57	0.08 6	0.05 3	0.05 2	0.04 1	0.06 23	0.05 16	0.10 80	0.09 56	0.05 33	0.04 23	0.05 35	0.03 1	0.04 21	0.05 136

LG-Stereo	0.08 54	0.08 274	0.10 125	0.18 324	0.07 79	0.10 146	0.17 355	0.11 36	0.08 14	0.06 14	0.08 91	0.06 23	0.07 127	0.09 40	0.09 56	0.04 6	0.05 182	0.07 233	0.07 310	0.04 21	0.04 34

Reg-Stereo(zero)	0.09 104	0.05 19	0.08 28	0.16 165	0.06 15	0.12 238	0.11 57	0.15 125	0.11 69	0.12 231	0.09 115	0.10 191	0.08 169	0.11 133	0.09 56	0.06 120	0.05 182	0.05 35	0.04 40	0.04 21	0.05 136

AIO_rvc	0.07 3	0.06 73	0.08 28	0.15 86	0.06 15	0.08 55	0.14 186	0.09 12	0.08 14	0.07 48	0.08 91	0.07 84	0.04 1	0.10 80	0.08 15	0.05 33	0.04 23	0.05 35	0.04 40	0.04 21	0.03 1

AIO_test	0.07 3	0.06 73	0.07 7	0.15 86	0.07 79	0.07 27	0.14 186	0.10 19	0.10 42	0.07 48	0.07 47	0.06 23	0.05 16	0.08 17	0.10 133	0.05 33	0.04 23	0.05 35	0.04 40	0.04 21	0.03 1

AIO-test1	0.10 173	0.07 152	0.11 176	0.24 531	0.07 79	0.09 96	0.13 129	0.22 311	0.15 181	0.11 197	0.12 203	0.09 159	0.07 127	0.11 133	0.09 56	0.06 120	0.05 182	0.09 406	0.10 467	0.04 21	0.07 313

castereo++	0.08 54	0.06 73	0.08 28	0.15 86	0.05 1	0.14 319	0.11 57	0.11 36	0.15 181	0.07 48	0.07 47	0.08 124	0.06 48	0.08 17	0.08 15	0.06 120	0.04 23	0.05 35	0.04 40	0.04 21	0.03 1

castereo	0.09 104	0.06 73	0.11 176	0.15 86	0.06 15	0.11 188	0.14 186	0.14 93	0.18 256	0.08 86	0.10 141	0.11 218	0.08 169	0.09 40	0.10 133	0.05 33	0.04 23	0.05 35	0.04 40	0.04 21	0.04 34

fffft	0.09 104	0.06 73	0.12 217	0.16 165	0.07 79	0.09 96	0.16 326	0.12 57	0.11 69	0.09 122	0.07 47	0.09 159	0.06 48	0.11 133	0.12 276	0.05 33	0.04 23	0.06 129	0.05 134	0.04 21	0.05 136
1: 1. 1
DEFOM-Stereo	0.07 3	0.05 19	0.07 7	0.14 42	0.06 15	0.09 96	0.13 129	0.07 2	0.13 139	0.06 14	0.07 47	0.06 23	0.05 16	0.10 80	0.09 56	0.05 33	0.04 23	0.05 35	0.03 1	0.04 21	0.04 34

SMoEStereo_RVC	0.08 54	0.06 73	0.12 217	0.16 165	0.07 79	0.09 96	0.13 129	0.11 36	0.14 160	0.09 122	0.07 47	0.07 84	0.07 127	0.12 216	0.10 133	0.05 33	0.04 23	0.06 129	0.05 134	0.04 21	0.04 34

999	0.09 104	0.06 73	0.13 252	0.15 86	0.08 150	0.10 146	0.14 186	0.15 125	0.12 101	0.10 157	0.08 91	0.08 124	0.08 169	0.16 350	0.10 133	0.06 120	0.04 23	0.06 129	0.05 134	0.04 21	0.06 232

mms	0.09 104	0.07 152	0.08 28	0.17 242	0.08 150	0.11 188	0.15 266	0.12 57	0.11 69	0.09 122	0.09 115	0.08 124	0.06 48	0.11 133	0.12 276	0.05 33	0.04 23	0.07 233	0.05 134	0.04 21	0.04 34

ours_stereo	0.09 104	0.07 152	0.09 83	0.17 242	0.08 150	0.11 188	0.16 326	0.11 36	0.12 101	0.08 86	0.10 141	0.08 124	0.06 48	0.12 216	0.12 276	0.05 33	0.04 23	0.06 129	0.05 134	0.04 21	0.04 34

fffy	0.09 104	0.08 274	0.10 125	0.16 165	0.07 79	0.13 277	0.17 355	0.13 76	0.12 101	0.08 86	0.09 115	0.08 124	0.09 199	0.13 273	0.11 207	0.05 33	0.05 182	0.07 233	0.05 134	0.04 21	0.05 136

tg	0.10 173	0.06 73	0.10 125	0.18 324	0.08 150	0.11 188	0.16 326	0.20 269	0.12 101	0.08 86	0.11 186	0.11 218	0.07 127	0.11 133	0.10 133	0.05 33	0.04 23	0.08 320	0.08 383	0.04 21	0.04 34

dual_stereo	0.07 3	0.05 19	0.08 28	0.15 86	0.05 1	0.05 3	0.13 129	0.12 57	0.08 14	0.07 48	0.06 16	0.05 4	0.05 16	0.07 3	0.09 56	0.06 120	0.04 23	0.05 35	0.03 1	0.04 21	0.04 34

WCG-NET	0.08 54	0.05 19	0.10 125	0.15 86	0.06 15	0.11 188	0.14 186	0.13 76	0.14 160	0.07 48	0.09 115	0.07 84	0.06 48	0.13 273	0.08 15	0.05 33	0.04 23	0.06 129	0.04 40	0.04 21	0.03 1

GCAP-BAT	0.09 104	0.07 152	0.14 298	0.15 86	0.08 150	0.10 146	0.12 85	0.15 125	0.11 69	0.11 197	0.10 141	0.09 159	0.07 127	0.12 216	0.10 133	0.06 120	0.05 182	0.06 129	0.04 40	0.04 21	0.04 34

AIO-Stereo	0.08 54	0.06 73	0.10 125	0.18 324	0.06 15	0.09 96	0.11 57	0.16 155	0.09 29	0.09 122	0.08 91	0.07 84	0.05 16	0.11 133	0.08 15	0.05 33	0.05 182	0.05 35	0.04 40	0.04 21	0.04 34

RSM	0.08 54	0.06 73	0.09 83	0.17 242	0.07 79	0.08 55	0.12 85	0.12 57	0.10 42	0.08 86	0.07 47	0.06 23	0.05 16	0.11 133	0.09 56	0.04 6	0.04 23	0.05 35	0.04 40	0.04 21	0.04 34

RAFT-Stereo-weight	0.09 104	0.06 73	0.11 176	0.16 165	0.07 79	0.09 96	0.14 186	0.19 252	0.16 209	0.11 197	0.10 141	0.08 124	0.06 48	0.10 80	0.11 207	0.06 120	0.04 23	0.06 129	0.04 40	0.04 21	0.04 34

gcap-zeroshot	0.09 104	0.06 73	0.10 125	0.16 165	0.07 79	0.14 319	0.13 129	0.11 36	0.12 101	0.13 263	0.12 203	0.09 159	0.08 169	0.09 40	0.09 56	0.06 120	0.05 182	0.06 129	0.05 134	0.04 21	0.04 34

MoCha-V2	0.08 54	0.05 19	0.11 176	0.20 444	0.07 79	0.10 146	0.14 186	0.12 57	0.08 14	0.07 48	0.08 91	0.07 84	0.06 48	0.09 40	0.08 15	0.05 33	0.05 182	0.05 35	0.04 40	0.04 21	0.04 34

MSKI-zero shot	0.09 104	0.05 19	0.09 83	0.16 165	0.07 79	0.10 146	0.13 129	0.15 125	0.14 160	0.09 122	0.09 115	0.09 159	0.06 48	0.12 216	0.11 207	0.06 120	0.04 23	0.05 35	0.04 40	0.04 21	0.05 136

GCAP-Stereo	0.09 104	0.07 152	0.13 252	0.18 324	0.06 15	0.11 188	0.07 3	0.14 93	0.12 101	0.09 122	0.10 141	0.07 84	0.09 199	0.13 273	0.10 133	0.06 120	0.05 182	0.05 35	0.04 40	0.04 21	0.05 136

LL-Strereo	0.13 319	0.10 412	0.12 217	0.20 444	0.10 377	0.11 188	0.18 404	0.33 492	0.25 387	0.16 340	0.16 262	0.14 284	0.14 360	0.19 431	0.11 207	0.06 120	0.05 182	0.09 406	0.08 383	0.04 21	0.05 136

LoS_RVC	0.08 54	0.05 19	0.07 7	0.15 86	0.07 79	0.08 55	0.15 266	0.12 57	0.11 69	0.08 86	0.09 115	0.06 23	0.09 199	0.10 80	0.09 56	0.05 33	0.04 23	0.05 35	0.03 1	0.04 21	0.04 34

Selective-IGEV	0.07 3	0.06 73	0.09 83	0.17 242	0.06 15	0.08 55	0.12 85	0.13 76	0.08 14	0.08 86	0.07 47	0.06 23	0.04 1	0.10 80	0.09 56	0.05 33	0.04 23	0.05 35	0.04 40	0.04 21	0.03 1

EGLCR-Stereo	0.08 54	0.05 19	0.08 28	0.14 42	0.07 79	0.11 188	0.12 85	0.11 36	0.16 209	0.06 14	0.05 7	0.07 84	0.05 16	0.10 80	0.11 207	0.06 120	0.04 23	0.06 129	0.05 134	0.04 21	0.04 34

ProNet	0.09 104	0.07 152	0.11 176	0.17 242	0.08 150	0.11 188	0.15 266	0.15 125	0.12 101	0.10 157	0.06 16	0.07 84	0.06 48	0.11 133	0.09 56	0.05 33	0.05 182	0.06 129	0.05 134	0.04 21	0.06 232

MC-Stereo	0.09 104	0.07 152	0.09 83	0.17 242	0.06 15	0.10 146	0.14 186	0.12 57	0.11 69	0.09 122	0.12 203	0.09 159	0.06 48	0.11 133	0.10 133	0.06 120	0.04 23	0.06 129	0.05 134	0.04 21	0.04 34

DCANet-4	0.11 215	0.07 152	0.13 252	0.16 165	0.06 15	0.09 96	0.17 355	0.18 220	0.20 304	0.13 263	0.17 282	0.09 159	0.14 360	0.12 216	0.13 311	0.06 120	0.04 23	0.05 35	0.04 40	0.04 21	0.05 136

fff	0.10 173	0.06 73	0.12 217	0.15 86	0.07 79	0.09 96	0.17 355	0.16 155	0.21 319	0.13 263	0.17 282	0.10 191	0.11 263	0.12 216	0.13 311	0.06 120	0.04 23	0.05 35	0.04 40	0.04 21	0.05 136

RAFT_CTSACE	0.12 292	0.09 346	0.10 125	0.22 498	0.08 150	0.12 238	0.24 522	0.18 220	0.17 238	0.21 436	0.27 438	0.13 265	0.07 127	0.13 273	0.09 56	0.05 33	0.06 343	0.08 320	0.07 310	0.04 21	0.04 34

test_4	0.11 215	0.10 412	0.08 28	0.19 386	0.09 264	0.08 55	0.21 486	0.15 125	0.18 256	0.12 231	0.18 306	0.12 240	0.09 199	0.08 17	0.11 207	0.04 6	0.04 23	0.08 320	0.08 383	0.04 21	0.04 34

IPLG	0.11 215	0.08 274	0.15 333	0.17 242	0.08 150	0.11 188	0.14 186	0.20 269	0.15 181	0.13 263	0.18 306	0.07 84	0.07 127	0.14 304	0.14 346	0.06 120	0.04 23	0.06 129	0.05 134	0.04 21	0.04 34

MIPNet	0.11 215	0.08 274	0.15 333	0.17 242	0.09 264	0.12 238	0.14 186	0.21 287	0.25 387	0.12 231	0.10 141	0.09 159	0.07 127	0.13 273	0.13 311	0.06 120	0.04 23	0.06 129	0.05 134	0.04 21	0.04 34

GMOStereo	0.11 215	0.09 346	0.08 28	0.19 386	0.08 150	0.12 238	0.28 558	0.13 76	0.18 256	0.11 197	0.17 282	0.14 284	0.12 295	0.07 3	0.07 1	0.05 33	0.05 182	0.09 406	0.07 310	0.04 21	0.04 34

error version	0.11 215	0.09 346	0.08 28	0.19 386	0.08 150	0.12 238	0.28 558	0.13 76	0.18 256	0.11 197	0.17 282	0.14 284	0.12 295	0.07 3	0.07 1	0.05 33	0.05 182	0.09 406	0.07 310	0.04 21	0.04 34

test-v	0.11 215	0.09 346	0.08 28	0.19 386	0.08 150	0.12 238	0.28 558	0.13 76	0.18 256	0.11 197	0.17 282	0.14 284	0.12 295	0.07 3	0.07 1	0.05 33	0.05 182	0.09 406	0.07 310	0.04 21	0.04 34

test-3	0.09 104	0.06 73	0.10 125	0.18 324	0.07 79	0.07 27	0.14 186	0.12 57	0.16 209	0.10 157	0.08 91	0.08 124	0.08 169	0.11 133	0.10 133	0.05 33	0.04 23	0.07 233	0.05 134	0.04 21	0.04 34

test_1	0.09 104	0.06 73	0.10 125	0.18 324	0.07 79	0.07 27	0.14 186	0.12 57	0.16 209	0.10 157	0.08 91	0.08 124	0.08 169	0.11 133	0.10 133	0.05 33	0.04 23	0.07 233	0.05 134	0.04 21	0.04 34

test_3	0.11 215	0.09 346	0.10 125	0.21 478	0.08 150	0.13 277	0.25 538	0.14 93	0.21 319	0.10 157	0.10 141	0.09 159	0.10 226	0.08 17	0.11 207	0.05 33	0.04 23	0.08 320	0.07 310	0.04 21	0.04 34

TRStereo	0.10 173	0.05 19	0.12 217	0.16 165	0.12 462	0.10 146	0.13 129	0.18 220	0.19 282	0.09 122	0.09 115	0.09 159	0.07 127	0.10 80	0.08 15	0.07 275	0.05 182	0.07 233	0.07 310	0.04 21	0.04 34

ASMatch	0.11 215	0.06 73	0.13 252	0.17 242	0.10 377	0.08 55	0.14 186	0.18 220	0.16 209	0.12 231	0.16 262	0.16 329	0.11 263	0.13 273	0.11 207	0.05 33	0.04 23	0.06 129	0.06 213	0.04 21	0.09 427

RAFT-345	0.11 215	0.07 152	0.16 375	0.17 242	0.08 150	0.08 55	0.12 85	0.16 155	0.10 42	0.11 197	0.34 500	0.09 159	0.10 226	0.11 133	0.12 276	0.05 33	0.05 182	0.07 233	0.06 213	0.04 21	0.05 136

test-2	0.11 215	0.09 346	0.08 28	0.19 386	0.08 150	0.12 238	0.28 558	0.13 76	0.18 256	0.11 197	0.17 282	0.14 284	0.12 295	0.07 3	0.07 1	0.05 33	0.05 182	0.09 406	0.07 310	0.04 21	0.04 34

cross-raft	0.10 173	0.09 346	0.09 83	0.19 386	0.07 79	0.11 188	0.24 522	0.13 76	0.15 181	0.08 86	0.10 141	0.12 240	0.10 226	0.09 40	0.11 207	0.05 33	0.04 23	0.06 129	0.05 134	0.04 21	0.04 34

test-1	0.10 173	0.07 152	0.17 398	0.19 386	0.08 150	0.11 188	0.24 522	0.15 125	0.18 256	0.09 122	0.07 47	0.10 191	0.08 169	0.08 17	0.09 56	0.06 120	0.04 23	0.06 129	0.06 213	0.04 21	0.05 136

iRaftStereo_RVC	0.10 173	0.07 152	0.10 125	0.17 242	0.09 264	0.11 188	0.17 355	0.18 220	0.12 101	0.09 122	0.11 186	0.10 191	0.07 127	0.11 133	0.10 133	0.05 33	0.04 23	0.08 320	0.08 383	0.04 21	0.04 34

CREStereo++_RVC	0.08 54	0.04 1	0.07 7	0.13 10	0.07 79	0.09 96	0.12 85	0.14 93	0.14 160	0.10 157	0.14 233	0.08 124	0.07 127	0.10 80	0.11 207	0.06 120	0.04 23	0.05 35	0.05 134	0.04 21	0.04 34
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.10 173	0.06 73	0.08 28	0.15 86	0.05 1	0.16 372	0.18 404	0.16 155	0.15 181	0.10 157	0.11 186	0.11 218	0.11 263	0.11 133	0.12 276	0.05 33	0.04 23	0.06 129	0.04 40	0.04 21	0.04 34

XX-Stereo	0.09 104	0.05 19	0.09 83	0.17 242	0.09 264	0.15 345	0.12 85	0.21 287	0.10 42	0.10 157	0.14 233	0.07 84	0.06 48	0.13 273	0.08 15	0.06 120	0.05 182	0.06 129	0.06 213	0.04 21	0.04 34

csc	0.10 173	0.06 73	0.12 217	0.15 86	0.07 79	0.09 96	0.17 355	0.16 155	0.21 319	0.13 263	0.17 282	0.10 191	0.11 263	0.12 216	0.13 311	0.06 120	0.04 23	0.05 35	0.04 40	0.04 21	0.05 136

cscssc	0.10 173	0.06 73	0.12 217	0.15 86	0.07 79	0.09 96	0.17 355	0.16 155	0.21 319	0.13 263	0.17 282	0.10 191	0.11 263	0.12 216	0.13 311	0.06 120	0.04 23	0.05 35	0.04 40	0.04 21	0.05 136

RAFT-Stereo + iAFF	0.09 104	0.06 73	0.10 125	0.17 242	0.07 79	0.10 146	0.15 266	0.17 192	0.15 181	0.10 157	0.10 141	0.08 124	0.09 199	0.12 216	0.10 133	0.05 33	0.04 23	0.06 129	0.06 213	0.04 21	0.03 1

AFF-stereo	0.09 104	0.07 152	0.10 125	0.17 242	0.07 79	0.10 146	0.15 266	0.18 220	0.10 42	0.10 157	0.11 186	0.09 159	0.10 226	0.12 216	0.10 133	0.05 33	0.04 23	0.07 233	0.07 310	0.04 21	0.04 34

CFNet-RSSM	0.09 104	0.07 152	0.10 125	0.16 165	0.07 79	0.09 96	0.15 266	0.17 192	0.18 256	0.08 86	0.12 203	0.11 218	0.09 199	0.12 216	0.10 133	0.06 120	0.04 23	0.06 129	0.04 40	0.04 21	0.04 34

Gwc-CoAtRS	0.09 104	0.07 152	0.10 125	0.16 165	0.07 79	0.10 146	0.15 266	0.18 220	0.17 238	0.08 86	0.10 141	0.12 240	0.09 199	0.12 216	0.09 56	0.06 120	0.04 23	0.06 129	0.04 40	0.04 21	0.05 136

VMStereo-Base	0.09 104	0.05 19	0.10 125	0.13 10	0.07 79	0.11 188	0.10 31	0.16 155	0.13 139	0.10 157	0.16 262	0.10 191	0.09 199	0.11 133	0.10 133	0.07 275	0.05 182	0.05 35	0.04 40	0.05 115	0.06 232

gcap_with_dpt	0.09 104	0.06 73	0.10 125	0.16 165	0.08 150	0.12 238	0.14 186	0.16 155	0.16 209	0.09 122	0.13 220	0.10 191	0.06 48	0.12 216	0.11 207	0.06 120	0.05 182	0.05 35	0.04 40	0.05 115	0.04 34

Hybrid-DGEV-03	0.11 215	0.06 73	0.09 83	0.18 324	0.08 150	0.16 372	0.14 186	0.15 125	0.14 160	0.13 263	0.17 282	0.12 240	0.09 199	0.13 273	0.11 207	0.06 120	0.04 23	0.08 320	0.06 213	0.05 115	0.04 34

Hybrid-DGEV-2	0.11 215	0.06 73	0.12 217	0.18 324	0.09 264	0.09 96	0.13 129	0.29 445	0.30 442	0.11 197	0.12 203	0.10 191	0.13 327	0.12 216	0.10 133	0.06 120	0.05 182	0.07 233	0.07 310	0.05 115	0.05 136

DispViT+	0.08 54	0.08 274	0.13 252	0.15 86	0.07 79	0.08 55	0.09 18	0.14 93	0.09 29	0.09 122	0.06 16	0.06 23	0.07 127	0.10 80	0.12 276	0.06 120	0.05 182	0.05 35	0.04 40	0.05 115	0.05 136

DStereoRT	0.17 438	0.07 152	0.12 217	0.19 386	0.09 264	0.13 277	0.12 85	0.28 426	0.23 352	0.12 231	0.20 330	0.11 218	0.10 226	0.15 322	0.14 346	0.06 120	0.05 182	1.02 618	0.09 428	0.05 115	0.04 34

BridgeDepth_RVC	0.07 3	0.04 1	0.09 83	0.11 1	0.05 1	0.10 146	0.10 31	0.14 93	0.09 29	0.06 14	0.07 47	0.06 23	0.08 169	0.07 3	0.10 133	0.06 120	0.04 23	0.04 1	0.04 40	0.05 115	0.04 34
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
WQFJX1	0.10 173	0.07 152	0.08 28	0.22 498	0.09 264	0.12 238	0.17 355	0.18 220	0.18 256	0.10 157	0.10 141	0.07 84	0.10 226	0.11 133	0.10 133	0.07 275	0.08 446	0.07 233	0.06 213	0.05 115	0.05 136

NLMM1	0.11 215	0.09 346	0.07 7	0.22 498	0.10 377	0.12 238	0.20 469	0.19 252	0.20 304	0.12 231	0.11 186	0.08 124	0.10 226	0.11 133	0.11 207	0.08 345	0.08 446	0.07 233	0.06 213	0.05 115	0.04 34

NLSM1	0.10 173	0.07 152	0.08 28	0.19 386	0.08 150	0.13 277	0.16 326	0.21 287	0.16 209	0.11 197	0.10 141	0.07 84	0.10 226	0.10 80	0.11 207	0.07 275	0.08 446	0.08 320	0.07 310	0.05 115	0.05 136

GEAStereo	0.08 54	0.06 73	0.09 83	0.13 10	0.08 150	0.08 55	0.14 186	0.10 19	0.10 42	0.08 86	0.10 141	0.06 23	0.04 1	0.11 133	0.08 15	0.06 120	0.04 23	0.05 35	0.04 40	0.05 115	0.05 136

GSStereo	0.08 54	0.06 73	0.09 83	0.13 10	0.08 150	0.08 55	0.14 186	0.11 36	0.12 101	0.08 86	0.10 141	0.05 4	0.04 1	0.11 133	0.08 15	0.06 120	0.04 23	0.05 35	0.04 40	0.05 115	0.05 136

GS-Stereo							0.14 186	0.11 36	0.12 101	0.08 86	0.10 141	0.05 4	0.04 1	0.11 133	0.08 15	0.06 120	0.04 23	0.05 35	0.04 40	0.05 115	0.05 136

FE-Mocha	0.09 104	0.06 73	0.14 298	0.16 165	0.09 264	0.11 188	0.15 266	0.19 252	0.16 209	0.10 157	0.09 115	0.07 84	0.07 127	0.09 40	0.09 56	0.06 120	0.04 23	0.06 129	0.06 213	0.05 115	0.05 136

IGEV-FE	0.09 104	0.05 19	0.13 252	0.14 42	0.08 150	0.12 238	0.13 129	0.17 192	0.11 69	0.10 157	0.06 16	0.09 159	0.06 48	0.11 133	0.09 56	0.06 120	0.04 23	0.06 129	0.06 213	0.05 115	0.05 136

252Zero-FE	0.08 54	0.04 1	0.10 125	0.13 10	0.07 79	0.13 277	0.11 57	0.13 76	0.14 160	0.07 48	0.05 7	0.06 23	0.05 16	0.09 40	0.10 133	0.06 120	0.04 23	0.05 35	0.04 40	0.05 115	0.06 232

DA	0.09 104	0.07 152	0.07 7	0.19 386	0.08 150	0.10 146	0.13 129	0.13 76	0.12 101	0.08 86	0.10 141	0.10 191	0.08 169	0.09 40	0.10 133	0.05 33	0.04 23	0.06 129	0.04 40	0.05 115	0.04 34

Monster-pub-mixall	0.07 3	0.04 1	0.09 83	0.13 10	0.06 15	0.06 10	0.08 7	0.12 57	0.07 9	0.06 14	0.06 16	0.05 4	0.06 48	0.09 40	0.09 56	0.06 120	0.04 23	0.04 1	0.03 1	0.05 115	0.05 136

GGEV	0.09 104	0.07 152	0.07 7	0.19 386	0.08 150	0.10 146	0.13 129	0.13 76	0.12 101	0.08 86	0.10 141	0.10 191	0.08 169	0.09 40	0.10 133	0.05 33	0.04 23	0.06 129	0.04 40	0.05 115	0.04 34

MSCF	0.08 54	0.05 19	0.09 83	0.19 386	0.08 150	0.07 27	0.12 85	0.14 93	0.11 69	0.10 157	0.09 115	0.07 84	0.04 1	0.11 133	0.08 15	0.06 120	0.05 182	0.05 35	0.04 40	0.05 115	0.05 136

IGEV	0.08 54	0.04 1	0.09 83	0.13 10	0.06 15	0.09 96	0.12 85	0.14 93	0.10 42	0.06 14	0.09 115	0.07 84	0.05 16	0.09 40	0.09 56	0.06 120	0.04 23	0.05 35	0.04 40	0.05 115	0.04 34

MLG-Stereo_test3	0.07 3	0.05 19	0.10 125	0.15 86	0.06 15	0.07 27	0.10 31	0.08 6	0.06 4	0.06 14	0.04 1	0.06 23	0.06 48	0.08 17	0.10 133	0.06 120	0.04 23	0.05 35	0.04 40	0.05 115	0.06 232

MLG-Stereo_test2	0.07 3	0.04 1	0.10 125	0.15 86	0.06 15	0.07 27	0.11 57	0.09 12	0.04 2	0.06 14	0.05 7	0.06 23	0.04 1	0.08 17	0.09 56	0.06 120	0.04 23	0.05 35	0.03 1	0.05 115	0.05 136

LG-G_1	0.07 3	0.04 1	0.11 176	0.15 86	0.06 15	0.09 96	0.08 7	0.08 6	0.06 4	0.06 14	0.06 16	0.07 84	0.07 127	0.11 133	0.08 15	0.07 275	0.04 23	0.05 35	0.04 40	0.05 115	0.06 232

LG-G	0.07 3	0.04 1	0.11 176	0.15 86	0.06 15	0.09 96	0.08 7	0.08 6	0.06 4	0.06 14	0.06 16	0.07 84	0.07 127	0.11 133	0.08 15	0.07 275	0.04 23	0.05 35	0.04 40	0.05 115	0.06 232

DFGA-Net	0.13 319	0.11 437	0.19 454	0.18 324	0.10 377	0.13 277	0.13 129	0.23 330	0.25 387	0.16 340	0.16 262	0.13 265	0.12 295	0.17 389	0.15 380	0.07 275	0.05 182	0.08 320	0.07 310	0.05 115	0.05 136

LG-Stereo_Zeroshot	0.07 3	0.06 73	0.10 125	0.16 165	0.07 79	0.04 1	0.13 129	0.10 19	0.10 42	0.05 2	0.11 186	0.07 84	0.05 16	0.07 3	0.09 56	0.06 120	0.04 23	0.05 35	0.04 40	0.05 115	0.04 34

SGD-Stereo	0.08 54	0.05 19	0.10 125	0.14 42	0.06 15	0.12 238	0.12 85	0.11 36	0.12 101	0.07 48	0.09 115	0.09 159	0.09 199	0.08 17	0.08 15	0.06 120	0.04 23	0.05 35	0.04 40	0.05 115	0.04 34

MM-Stereo_test3	0.10 173	0.07 152	0.07 7	0.18 324	0.07 79	0.12 238	0.19 448	0.24 354	0.19 282	0.06 14	0.10 141	0.08 124	0.06 48	0.11 133	0.09 56	0.06 120	0.06 343	0.07 233	0.05 134	0.05 115	0.04 34

MM-Stereo_test1	0.10 173	0.07 152	0.09 83	0.18 324	0.07 79	0.12 238	0.18 404	0.21 287	0.20 304	0.09 122	0.11 186	0.08 124	0.06 48	0.10 80	0.10 133	0.06 120	0.05 182	0.07 233	0.06 213	0.05 115	0.04 34

HART	0.08 54	0.07 152	0.09 83	0.18 324	0.07 79	0.10 146	0.16 326	0.13 76	0.11 69	0.09 122	0.10 141	0.08 124	0.05 16	0.10 80	0.08 15	0.05 33	0.04 23	0.06 129	0.04 40	0.05 115	0.04 34

GREAT-IGEV	0.07 3	0.06 73	0.09 83	0.13 10	0.07 79	0.07 27	0.14 186	0.10 19	0.09 29	0.06 14	0.08 91	0.06 23	0.05 16	0.10 80	0.07 1	0.05 33	0.04 23	0.05 35	0.04 40	0.05 115	0.04 34
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
FoundationStereo	0.06 1	0.04 1	0.08 28	0.13 10	0.05 1	0.09 96	0.13 129	0.06 1	0.09 29	0.05 2	0.05 7	0.06 23	0.04 1	0.07 3	0.07 1	0.06 120	0.04 23	0.05 35	0.04 40	0.05 115	0.04 34

StereoAnything_RVC	0.07 3	0.16 516	0.17 398	0.11 1	0.05 1	0.06 10	0.11 57	0.08 6	0.08 14	0.06 14	0.06 16	0.05 4	0.05 16	0.09 40	0.08 15	0.08 345	0.04 23	0.05 35	0.03 1	0.05 115	0.04 34

HUF	0.08 54	0.05 19	0.08 28	0.14 42	0.06 15	0.09 96	0.13 129	0.13 76	0.13 139	0.07 48	0.07 47	0.09 159	0.06 48	0.10 80	0.09 56	0.06 120	0.04 23	0.05 35	0.04 40	0.05 115	0.04 34

AIO-test2	0.10 173	0.08 274	0.10 125	0.23 519	0.09 264	0.11 188	0.11 57	0.23 330	0.24 363	0.08 86	0.09 115	0.08 124	0.05 16	0.10 80	0.08 15	0.06 120	0.05 182	0.08 320	0.09 428	0.05 115	0.05 136

IGEV-RUCA	0.08 54	0.06 73	0.11 176	0.14 42	0.09 264	0.10 146	0.12 85	0.10 19	0.12 101	0.06 14	0.07 47	0.08 124	0.06 48	0.09 40	0.08 15	0.06 120	0.05 182	0.05 35	0.04 40	0.05 115	0.06 232

GIP-stereo	0.08 54	0.06 73	0.11 176	0.15 86	0.07 79	0.09 96	0.13 129	0.15 125	0.11 69	0.07 48	0.08 91	0.05 4	0.04 1	0.10 80	0.07 1	0.05 33	0.04 23	0.05 35	0.04 40	0.05 115	0.04 34

tt45	0.09 104	0.06 73	0.11 176	0.15 86	0.07 79	0.12 238	0.15 266	0.13 76	0.12 101	0.09 122	0.06 16	0.08 124	0.06 48	0.13 273	0.10 133	0.06 120	0.04 23	0.06 129	0.05 134	0.05 115	0.06 232

PAM_32	0.10 173	0.06 73	0.17 398	0.15 86	0.08 150	0.10 146	0.15 266	0.14 93	0.16 209	0.09 122	0.08 91	0.10 191	0.07 127	0.14 304	0.09 56	0.06 120	0.05 182	0.06 129	0.06 213	0.05 115	0.06 232

PAM	0.10 173	0.06 73	0.17 398	0.15 86	0.09 264	0.10 146	0.16 326	0.15 125	0.16 209	0.12 231	0.09 115	0.10 191	0.07 127	0.13 273	0.09 56	0.06 120	0.05 182	0.06 129	0.06 213	0.05 115	0.06 232

UGAM-zero	0.10 173	0.05 19	0.15 333	0.15 86	0.08 150	0.10 146	0.13 129	0.20 269	0.15 181	0.11 197	0.15 246	0.07 84	0.08 169	0.09 40	0.10 133	0.06 120	0.05 182	0.06 129	0.05 134	0.05 115	0.06 232

IGEV-Stereo++	0.07 3	0.06 73	0.08 28	0.18 324	0.06 15	0.05 3	0.10 31	0.11 36	0.11 69	0.06 14	0.07 47	0.07 84	0.06 48	0.09 40	0.09 56	0.05 33	0.04 23	0.05 35	0.04 40	0.05 115	0.04 34

RAStereo	0.10 173	0.09 346	0.08 28	0.20 444	0.08 150	0.13 277	0.18 404	0.16 155	0.17 238	0.10 157	0.12 203	0.05 4	0.06 48	0.09 40	0.08 15	0.07 275	0.05 182	0.07 233	0.05 134	0.05 115	0.04 34

Occ-G	0.08 54	0.05 19	0.07 7	0.14 42	0.07 79	0.09 96	0.14 186	0.14 93	0.15 181	0.07 48	0.12 203	0.07 84	0.05 16	0.09 40	0.10 133	0.06 120	0.05 182	0.05 35	0.04 40	0.05 115	0.06 232

IGEV-BASED-STEREO-	0.09 104	0.10 412	0.32 532	0.15 86	0.06 15	0.08 55	0.14 186	0.11 36	0.10 42	0.07 48	0.07 47	0.06 23	0.04 1	0.11 133	0.07 1	0.12 500	0.04 23	0.07 233	0.05 134	0.05 115	0.05 136

WCG-NET（raft）	0.08 54	0.05 19	0.10 125	0.15 86	0.06 15	0.11 188	0.13 129	0.15 125	0.12 101	0.08 86	0.07 47	0.06 23	0.06 48	0.13 273	0.08 15	0.05 33	0.04 23	0.05 35	0.04 40	0.05 115	0.04 34

RSM++	0.08 54	0.06 73	0.09 83	0.17 242	0.07 79	0.09 96	0.12 85	0.11 36	0.11 69	0.08 86	0.06 16	0.07 84	0.05 16	0.10 80	0.09 56	0.05 33	0.04 23	0.06 129	0.05 134	0.05 115	0.03 1

GCAPDPT-zeroshot4090	0.09 104	0.05 19	0.11 176	0.13 10	0.07 79	0.11 188	0.14 186	0.14 93	0.17 238	0.07 48	0.10 141	0.08 124	0.06 48	0.13 273	0.08 15	0.07 275	0.05 182	0.05 35	0.05 134	0.05 115	0.04 34

IGEV++	0.08 54	0.06 73	0.09 83	0.18 324	0.07 79	0.10 146	0.13 129	0.10 19	0.10 42	0.08 86	0.08 91	0.06 23	0.05 16	0.13 273	0.09 56	0.05 33	0.04 23	0.05 35	0.04 40	0.05 115	0.04 34

AE-Stereo	0.10 173	0.08 274	0.11 176	0.19 386	0.09 264	0.10 146	0.15 266	0.14 93	0.20 304	0.09 122	0.15 246	0.12 240	0.08 169	0.11 133	0.10 133	0.05 33	0.06 343	0.07 233	0.06 213	0.05 115	0.04 34

ff7	0.09 104	0.07 152	0.11 176	0.16 165	0.09 264	0.11 188	0.15 266	0.16 155	0.12 101	0.10 157	0.06 16	0.06 23	0.06 48	0.11 133	0.09 56	0.05 33	0.04 23	0.06 129	0.05 134	0.05 115	0.06 232

IGEVStereo-DCA	0.09 104	0.07 152	0.11 176	0.16 165	0.10 377	0.11 188	0.15 266	0.16 155	0.12 101	0.10 157	0.06 16	0.08 124	0.06 48	0.10 80	0.09 56	0.06 120	0.05 182	0.06 129	0.05 134	0.05 115	0.06 232

ffff	0.09 104	0.07 152	0.11 176	0.16 165	0.09 264	0.11 188	0.15 266	0.16 155	0.12 101	0.10 157	0.06 16	0.06 23	0.06 48	0.11 133	0.09 56	0.05 33	0.04 23	0.06 129	0.05 134	0.05 115	0.06 232

rrr	0.09 104	0.07 152	0.13 252	0.16 165	0.10 377	0.11 188	0.15 266	0.16 155	0.15 181	0.10 157	0.06 16	0.08 124	0.06 48	0.10 80	0.09 56	0.06 120	0.05 182	0.06 129	0.05 134	0.05 115	0.06 232

11t	0.09 104	0.07 152	0.11 176	0.16 165	0.09 264	0.11 188	0.15 266	0.16 155	0.12 101	0.10 157	0.06 16	0.06 23	0.06 48	0.11 133	0.09 56	0.05 33	0.04 23	0.06 129	0.05 134	0.05 115	0.06 232

MaDis-Stereo	0.09 104	0.09 346	0.08 28	0.17 242	0.09 264	0.14 319	0.11 57	0.16 155	0.16 209	0.09 122	0.11 186	0.06 23	0.06 48	0.09 40	0.13 311	0.07 275	0.06 343	0.08 320	0.05 134	0.05 115	0.04 34

IGEV_Zeroshot_test	0.09 104	0.05 19	0.13 252	0.14 42	0.08 150	0.12 238	0.13 129	0.17 192	0.11 69	0.10 157	0.06 16	0.09 159	0.06 48	0.11 133	0.09 56	0.06 120	0.04 23	0.06 129	0.06 213	0.05 115	0.05 136

testlalala	0.09 104	0.05 19	0.11 176	0.13 10	0.07 79	0.11 188	0.14 186	0.14 93	0.17 238	0.07 48	0.10 141	0.08 124	0.06 48	0.13 273	0.08 15	0.07 275	0.05 182	0.05 35	0.05 134	0.05 115	0.04 34

GCAPDPT-zeroshot	0.09 104	0.05 19	0.11 176	0.13 10	0.07 79	0.11 188	0.14 186	0.14 93	0.17 238	0.07 48	0.10 141	0.08 124	0.06 48	0.13 273	0.08 15	0.07 275	0.05 182	0.05 35	0.05 134	0.05 115	0.04 34

AEACV	0.09 104	0.05 19	0.08 28	0.14 42	0.13 488	0.14 319	0.13 129	0.15 125	0.09 29	0.07 48	0.09 115	0.07 84	0.08 169	0.10 80	0.09 56	0.06 120	0.04 23	0.06 129	0.05 134	0.05 115	0.04 34

RAFT-Test	0.09 104	0.06 73	0.10 125	0.16 165	0.07 79	0.11 188	0.15 266	0.16 155	0.13 139	0.09 122	0.10 141	0.11 218	0.09 199	0.12 216	0.09 56	0.06 120	0.04 23	0.05 35	0.04 40	0.05 115	0.05 136

HH	0.09 104	0.06 73	0.13 252	0.17 242	0.08 150	0.11 188	0.16 326	0.15 125	0.10 42	0.08 86	0.10 141	0.08 124	0.07 127	0.10 80	0.09 56	0.06 120	0.04 23	0.06 129	0.05 134	0.05 115	0.04 34

HanStereo	0.09 104	0.06 73	0.13 252	0.17 242	0.08 150	0.11 188	0.16 326	0.15 125	0.10 42	0.08 86	0.10 141	0.08 124	0.07 127	0.10 80	0.09 56	0.06 120	0.04 23	0.06 129	0.05 134	0.05 115	0.04 34

CAS	0.08 54	0.04 1	0.07 7	0.17 242	0.08 150	0.10 146	0.13 129	0.12 57	0.09 29	0.09 122	0.10 141	0.08 124	0.06 48	0.09 40	0.09 56	0.08 345	0.04 23	0.05 35	0.03 1	0.05 115	0.04 34

anonymousdsp	0.09 104	0.07 152	0.11 176	0.17 242	0.09 264	0.11 188	0.15 266	0.16 155	0.12 101	0.10 157	0.06 16	0.06 23	0.06 48	0.11 133	0.09 56	0.05 33	0.04 23	0.06 129	0.05 134	0.05 115	0.06 232

LoS	0.09 104	0.05 19	0.11 176	0.13 10	0.07 79	0.14 319	0.11 57	0.15 125	0.15 181	0.09 122	0.09 115	0.12 240	0.09 199	0.15 322	0.10 133	0.07 275	0.05 182	0.05 35	0.03 1	0.05 115	0.05 136
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CES	0.08 54	0.04 1	0.08 28	0.14 42	0.07 79	0.09 96	0.14 186	0.11 36	0.09 29	0.08 86	0.09 115	0.11 218	0.07 127	0.12 216	0.08 15	0.06 120	0.04 23	0.05 35	0.03 1	0.05 115	0.05 136

DCRE	0.11 215	0.07 152	0.13 252	0.16 165	0.11 432	0.11 188	0.17 355	0.18 220	0.17 238	0.11 197	0.18 306	0.11 218	0.10 226	0.15 322	0.11 207	0.06 120	0.05 182	0.06 129	0.06 213	0.05 115	0.05 136

anonymousa	0.13 319	0.07 152	0.14 298	0.18 324	0.09 264	0.13 277	0.17 355	0.20 269	0.29 436	0.15 311	0.24 381	0.16 329	0.14 360	0.14 304	0.14 346	0.07 275	0.05 182	0.07 233	0.09 428	0.05 115	0.07 313

RCA-Stereo	0.09 104	0.06 73	0.09 83	0.16 165	0.06 15	0.09 96	0.13 129	0.18 220	0.14 160	0.10 157	0.11 186	0.08 124	0.07 127	0.12 216	0.11 207	0.06 120	0.04 23	0.06 129	0.05 134	0.05 115	0.04 34

TestStereo1	0.13 319	0.08 274	0.08 28	0.20 444	0.08 150	0.18 412	0.29 569	0.23 330	0.17 238	0.17 351	0.20 330	0.16 329	0.11 263	0.12 216	0.13 311	0.06 120	0.06 343	0.08 320	0.06 213	0.05 115	0.05 136

ccc-4	0.09 104	0.07 152	0.11 176	0.16 165	0.09 264	0.11 188	0.15 266	0.16 155	0.12 101	0.10 157	0.06 16	0.06 23	0.06 48	0.11 133	0.09 56	0.05 33	0.04 23	0.06 129	0.05 134	0.05 115	0.06 232

ADStereo(finetuned)	0.10 173	0.06 73	0.13 252	0.16 165	0.06 15	0.09 96	0.17 355	0.16 155	0.20 304	0.13 263	0.18 306	0.10 191	0.12 295	0.12 216	0.12 276	0.06 120	0.04 23	0.05 35	0.04 40	0.05 115	0.05 136

raft_robust	0.13 319	0.10 412	0.07 7	0.18 324	0.08 150	0.13 277	0.24 522	0.29 445	0.34 473	0.20 420	0.20 330	0.15 309	0.10 226	0.11 133	0.12 276	0.05 33	0.05 182	0.07 233	0.07 310	0.05 115	0.04 34

SA-5K	0.13 319	0.08 274	0.08 28	0.20 444	0.08 150	0.18 412	0.29 569	0.23 330	0.17 238	0.17 351	0.20 330	0.16 329	0.11 263	0.12 216	0.13 311	0.06 120	0.06 343	0.08 320	0.06 213	0.05 115	0.05 136

Sa-1000	0.12 292	0.08 274	0.09 83	0.18 324	0.08 150	0.15 345	0.22 500	0.22 311	0.19 282	0.15 311	0.20 330	0.17 346	0.11 263	0.10 80	0.10 133	0.06 120	0.05 182	0.09 406	0.09 428	0.05 115	0.05 136

SA	0.13 319	0.09 346	0.09 83	0.18 324	0.08 150	0.12 238	0.24 522	0.23 330	0.19 282	0.17 351	0.27 438	0.15 309	0.11 263	0.11 133	0.11 207	0.05 33	0.05 182	0.09 406	0.08 383	0.05 115	0.05 136

IGEV-Stereo	0.09 104	0.07 152	0.11 176	0.17 242	0.09 264	0.11 188	0.15 266	0.16 155	0.12 101	0.10 157	0.06 16	0.06 23	0.06 48	0.11 133	0.09 56	0.05 33	0.04 23	0.06 129	0.05 134	0.05 115	0.06 232
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.12 292	0.09 346	0.12 217	0.20 444	0.08 150	0.09 96	0.12 85	0.22 311	0.22 342	0.19 398	0.14 233	0.11 218	0.09 199	0.20 449	0.16 399	0.05 33	0.05 182	0.07 233	0.06 213	0.05 115	0.06 232

CIPLG	0.11 215	0.08 274	0.15 333	0.17 242	0.08 150	0.13 277	0.15 266	0.17 192	0.16 209	0.14 287	0.11 186	0.16 329	0.10 226	0.17 389	0.12 276	0.07 275	0.05 182	0.06 129	0.06 213	0.05 115	0.06 232

GLC_STEREO	0.11 215	0.07 152	0.11 176	0.18 324	0.07 79	0.08 55	0.13 129	0.16 155	0.24 363	0.12 231	0.13 220	0.12 240	0.08 169	0.18 406	0.12 276	0.06 120	0.08 446	0.08 320	0.06 213	0.05 115	0.05 136

IPLGR_C	0.11 215	0.08 274	0.15 333	0.17 242	0.08 150	0.12 238	0.15 266	0.17 192	0.15 181	0.14 287	0.11 186	0.16 329	0.10 226	0.16 350	0.12 276	0.07 275	0.05 182	0.06 129	0.06 213	0.05 115	0.06 232

IPLGR	0.11 215	0.09 346	0.17 398	0.18 324	0.08 150	0.13 277	0.16 326	0.21 287	0.24 363	0.12 231	0.12 203	0.11 218	0.09 199	0.13 273	0.12 276	0.06 120	0.05 182	0.06 129	0.06 213	0.05 115	0.04 34

ACRE	0.11 215	0.08 274	0.15 333	0.17 242	0.08 150	0.13 277	0.15 266	0.17 192	0.14 160	0.14 287	0.11 186	0.16 329	0.10 226	0.16 350	0.12 276	0.07 275	0.05 182	0.06 129	0.06 213	0.05 115	0.06 232

CrosDoStereo	0.12 292	0.07 152	0.12 217	0.14 42	0.09 264	0.12 238	0.15 266	0.17 192	0.22 342	0.19 398	0.24 381	0.15 309	0.11 263	0.11 133	0.12 276	0.06 120	0.05 182	0.07 233	0.07 310	0.05 115	0.05 136

HHNet	0.11 215	0.06 73	0.16 375	0.15 86	0.14 506	0.07 27	0.13 129	0.20 269	0.18 256	0.15 311	0.25 407	0.11 218	0.09 199	0.13 273	0.10 133	0.06 120	0.04 23	0.08 320	0.06 213	0.05 115	0.09 427

STrans-v2	0.10 173	0.07 152	0.13 252	0.18 324	0.08 150	0.10 146	0.14 186	0.22 311	0.11 69	0.11 197	0.15 246	0.12 240	0.10 226	0.11 133	0.12 276	0.05 33	0.04 23	0.06 129	0.06 213	0.05 115	0.05 136

TransformOpticalFlow	0.10 173	0.08 274	0.13 252	0.18 324	0.07 79	0.09 96	0.15 266	0.19 252	0.16 209	0.12 231	0.16 262	0.11 218	0.11 263	0.11 133	0.11 207	0.05 33	0.04 23	0.06 129	0.06 213	0.05 115	0.05 136

OMP-Stereo	0.11 215	0.07 152	0.14 298	0.18 324	0.08 150	0.09 96	0.12 85	0.21 287	0.21 319	0.13 263	0.14 233	0.11 218	0.12 295	0.11 133	0.13 311	0.06 120	0.05 182	0.07 233	0.06 213	0.05 115	0.04 34

DeepStereo_LL	0.12 292	0.07 152	0.12 217	0.14 42	0.09 264	0.12 238	0.15 266	0.17 192	0.22 342	0.19 398	0.24 381	0.15 309	0.11 263	0.11 133	0.12 276	0.06 120	0.05 182	0.07 233	0.07 310	0.05 115	0.05 136

DEmStereo	0.12 292	0.06 73	0.14 298	0.14 42	0.10 377	0.16 372	0.15 266	0.16 155	0.24 363	0.17 351	0.23 369	0.12 240	0.14 360	0.12 216	0.14 346	0.05 33	0.04 23	0.07 233	0.06 213	0.05 115	0.05 136

THIR-Stereo	0.12 292	0.07 152	0.11 176	0.15 86	0.08 150	0.14 319	0.16 326	0.18 220	0.25 387	0.17 351	0.24 381	0.13 265	0.13 327	0.12 216	0.14 346	0.06 120	0.05 182	0.07 233	0.07 310	0.05 115	0.05 136

DRaft	0.12 292	0.06 73	0.12 217	0.14 42	0.09 264	0.14 319	0.17 355	0.21 287	0.30 442	0.18 383	0.27 438	0.10 191	0.16 401	0.11 133	0.12 276	0.05 33	0.04 23	0.07 233	0.07 310	0.05 115	0.05 136

PFNet	0.12 292	0.06 73	0.17 398	0.18 324	0.08 150	0.09 96	0.15 266	0.26 388	0.20 304	0.16 340	0.16 262	0.14 284	0.12 295	0.13 273	0.11 207	0.06 120	0.04 23	0.07 233	0.06 213	0.05 115	0.05 136

RAFT-RH_RVC	0.12 292	0.06 73	0.14 298	0.16 165	0.09 264	0.12 238	0.12 85	0.17 192	0.12 101	0.13 263	0.40 530	0.11 218	0.10 226	0.13 273	0.12 276	0.05 33	0.04 23	0.08 320	0.05 134	0.05 115	0.06 232

AnonymousM	0.10 173	0.06 73	0.10 125	0.14 42	0.07 79	0.09 96	0.13 129	0.19 252	0.14 160	0.13 263	0.12 203	0.09 159	0.08 169	0.13 273	0.10 133	0.08 345	0.05 182	0.08 320	0.05 134	0.05 115	0.05 136

CroCo-Stereo	0.09 104	0.08 274	0.08 28	0.22 498	0.09 264	0.09 96	0.18 404	0.16 155	0.12 101	0.07 48	0.07 47	0.08 124	0.06 48	0.08 17	0.07 1	0.07 275	0.05 182	0.06 129	0.04 40	0.05 115	0.04 34
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
raft+_RVC	0.11 215	0.07 152	0.09 83	0.16 165	0.07 79	0.10 146	0.11 57	0.24 354	0.20 304	0.12 231	0.15 246	0.12 240	0.08 169	0.12 216	0.13 311	0.07 275	0.04 23	0.07 233	0.06 213	0.05 115	0.05 136

raftrobust	0.09 104	0.06 73	0.11 176	0.17 242	0.08 150	0.09 96	0.10 31	0.18 220	0.16 209	0.10 157	0.09 115	0.12 240	0.08 169	0.12 216	0.10 133	0.08 345	0.05 182	0.06 129	0.05 134	0.05 115	0.06 232

sCroCo_RVC	0.12 292	0.09 346	0.24 493	0.24 531	0.11 432	0.19 434	0.14 186	0.17 192	0.15 181	0.10 157	0.13 220	0.12 240	0.07 127	0.14 304	0.11 207	0.08 345	0.08 446	0.08 320	0.08 383	0.05 115	0.07 313

DCANet	0.10 173	0.06 73	0.12 217	0.16 165	0.06 15	0.09 96	0.17 355	0.16 155	0.20 304	0.13 263	0.18 306	0.10 191	0.11 263	0.11 133	0.12 276	0.06 120	0.04 23	0.05 35	0.04 40	0.05 115	0.05 136

test_xeample3	0.09 104	0.07 152	0.12 217	0.16 165	0.09 264	0.11 188	0.15 266	0.16 155	0.14 160	0.10 157	0.07 47	0.08 124	0.06 48	0.10 80	0.09 56	0.06 120	0.04 23	0.06 129	0.05 134	0.05 115	0.06 232

EAI-Stereo	0.09 104	0.07 152	0.11 176	0.16 165	0.07 79	0.10 146	0.15 266	0.16 155	0.09 29	0.08 86	0.09 115	0.08 124	0.07 127	0.09 40	0.11 207	0.05 33	0.05 182	0.05 35	0.05 134	0.05 115	0.04 34

DIP-Stereo	0.11 215	0.08 274	0.15 333	0.17 242	0.09 264	0.13 277	0.09 18	0.16 155	0.16 209	0.12 231	0.16 262	0.14 284	0.12 295	0.16 350	0.14 346	0.06 120	0.05 182	0.06 129	0.05 134	0.05 115	0.07 313
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
R-Stereo Train	0.10 173	0.06 73	0.11 176	0.17 242	0.08 150	0.11 188	0.14 186	0.24 354	0.11 69	0.12 231	0.19 320	0.11 218	0.08 169	0.10 80	0.11 207	0.07 275	0.05 182	0.06 129	0.05 134	0.05 115	0.05 136

RAFT-Stereo	0.10 173	0.06 73	0.11 176	0.17 242	0.08 150	0.11 188	0.14 186	0.24 354	0.11 69	0.12 231	0.19 320	0.11 218	0.08 169	0.10 80	0.11 207	0.07 275	0.05 182	0.06 129	0.05 134	0.05 115	0.05 136
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MLCV	0.13 319	0.08 274	0.17 398	0.18 324	0.06 15	0.16 372	0.17 355	0.19 252	0.22 342	0.19 398	0.25 407	0.17 346	0.13 327	0.15 322	0.14 346	0.05 33	0.04 23	0.05 35	0.04 40	0.05 115	0.04 34

WQFJA1++	0.08 54	0.04 1	0.11 176	0.14 42	0.07 79	0.11 188	0.11 57	0.12 57	0.07 9	0.07 48	0.07 47	0.07 84	0.06 48	0.10 80	0.10 133	0.06 120	0.04 23	0.05 35	0.04 40	0.06 223	0.06 232

WQFJA1	0.10 173	0.07 152	0.08 28	0.20 444	0.09 264	0.12 238	0.18 404	0.18 220	0.18 256	0.09 122	0.10 141	0.08 124	0.10 226	0.12 216	0.11 207	0.06 120	0.08 446	0.07 233	0.06 213	0.06 223	0.05 136

WQFJX	0.10 173	0.07 152	0.09 83	0.21 478	0.09 264	0.12 238	0.16 326	0.19 252	0.18 256	0.12 231	0.10 141	0.08 124	0.10 226	0.12 216	0.10 133	0.07 275	0.07 414	0.06 129	0.05 134	0.06 223	0.05 136

NLMM	0.10 173	0.07 152	0.08 28	0.20 444	0.09 264	0.12 238	0.18 404	0.18 220	0.18 256	0.09 122	0.10 141	0.08 124	0.10 226	0.12 216	0.11 207	0.06 120	0.08 446	0.07 233	0.06 213	0.06 223	0.05 136

NLCSM	0.11 215	0.09 346	0.09 83	0.23 519	0.11 432	0.12 238	0.19 448	0.19 252	0.19 282	0.12 231	0.11 186	0.07 84	0.09 199	0.11 133	0.10 133	0.08 345	0.08 446	0.07 233	0.07 310	0.06 223	0.05 136

gasm-f	0.08 54	0.05 19	0.08 28	0.13 10	0.08 150	0.08 55	0.14 186	0.10 19	0.10 42	0.08 86	0.10 141	0.06 23	0.05 16	0.10 80	0.08 15	0.06 120	0.04 23	0.05 35	0.04 40	0.06 223	0.05 136

Select-FE	0.11 215	0.06 73	0.21 469	0.15 86	0.11 432	0.12 238	0.13 129	0.22 311	0.18 256	0.09 122	0.11 186	0.10 191	0.06 48	0.12 216	0.09 56	0.07 275	0.05 182	0.07 233	0.08 383	0.06 223	0.08 382

FlowAnything_test	0.11 215	0.08 274	0.14 298	0.15 86	0.09 264	0.08 55	0.14 186	0.20 269	0.11 69	0.10 157	0.09 115	0.12 240	0.12 295	0.13 273	0.11 207	0.09 402	0.06 343	0.09 406	0.09 428	0.06 223	0.09 427

LGtest1	0.07 3	0.05 19	0.11 176	0.15 86	0.06 15	0.07 27	0.09 18	0.08 6	0.06 4	0.06 14	0.04 1	0.06 23	0.07 127	0.10 80	0.09 56	0.07 275	0.04 23	0.05 35	0.04 40	0.06 223	0.06 232

MM-Stereo_test2	0.09 104	0.07 152	0.09 83	0.19 386	0.08 150	0.12 238	0.18 404	0.15 125	0.14 160	0.07 48	0.10 141	0.07 84	0.06 48	0.12 216	0.09 56	0.05 33	0.04 23	0.06 129	0.05 134	0.06 223	0.04 34

SCV_C0	0.08 54	0.07 152	0.08 28	0.16 165	0.10 377	0.08 55	0.14 186	0.11 36	0.13 139	0.08 86	0.07 47	0.06 23	0.05 16	0.11 133	0.07 1	0.05 33	0.05 182	0.05 35	0.04 40	0.06 223	0.05 136

SCV	0.08 54	0.09 346	0.08 28	0.15 86	0.08 150	0.10 146	0.12 85	0.11 36	0.12 101	0.07 48	0.07 47	0.06 23	0.04 1	0.10 80	0.08 15	0.05 33	0.05 182	0.06 129	0.04 40	0.06 223	0.04 34

DEFOM-Stereo_RVC	0.08 54	0.07 152	0.09 83	0.22 498	0.06 15	0.08 55	0.12 85	0.10 19	0.10 42	0.07 48	0.07 47	0.06 23	0.05 16	0.11 133	0.09 56	0.06 120	0.04 23	0.05 35	0.03 1	0.06 223	0.04 34

model_zeroshot	0.10 173	0.05 19	0.12 217	0.15 86	0.09 264	0.13 277	0.14 186	0.20 269	0.14 160	0.11 197	0.10 141	0.12 240	0.07 127	0.12 216	0.11 207	0.07 275	0.06 343	0.06 129	0.05 134	0.06 223	0.06 232

Pointernet	0.09 104	0.05 19	0.10 125	0.16 165	0.08 150	0.13 277	0.10 31	0.15 125	0.18 256	0.09 122	0.07 47	0.06 23	0.06 48	0.11 133	0.10 133	0.08 345	0.04 23	0.05 35	0.03 1	0.06 223	0.05 136

U	0.08 54	0.07 152	0.10 125	0.19 386	0.10 377	0.10 146	0.13 129	0.12 57	0.17 238	0.07 48	0.07 47	0.06 23	0.05 16	0.07 3	0.09 56	0.06 120	0.04 23	0.06 129	0.04 40	0.06 223	0.05 136

IGEV-Stereo+	0.07 3	0.04 1	0.08 28	0.15 86	0.06 15	0.04 1	0.09 18	0.10 19	0.09 29	0.06 14	0.06 16	0.06 23	0.06 48	0.06 1	0.09 56	0.06 120	0.04 23	0.05 35	0.04 40	0.06 223	0.06 232

trnet	0.08 54	0.05 19	0.07 7	0.12 5	0.05 1	0.12 238	0.10 31	0.13 76	0.10 42	0.08 86	0.13 220	0.09 159	0.08 169	0.11 133	0.10 133	0.08 345	0.05 182	0.05 35	0.03 1	0.06 223	0.05 136

H2IRNET	0.10 173	0.09 346	0.10 125	0.18 324	0.09 264	0.12 238	0.15 266	0.14 93	0.21 319	0.10 157	0.10 141	0.10 191	0.11 263	0.10 80	0.10 133	0.06 120	0.04 23	0.08 320	0.08 383	0.06 223	0.05 136

MGS-Stereo	0.09 104	0.07 152	0.12 217	0.16 165	0.08 150	0.09 96	0.15 266	0.12 57	0.12 101	0.07 48	0.10 141	0.08 124	0.06 48	0.11 133	0.09 56	0.05 33	0.04 23	0.06 129	0.05 134	0.06 223	0.05 136

tta	0.14 349	0.07 152	0.18 431	0.14 42	0.08 150	0.17 396	0.17 355	0.27 402	0.27 413	0.19 398	0.20 330	0.19 369	0.15 380	0.15 322	0.17 416	0.08 345	0.05 182	0.07 233	0.06 213	0.06 223	0.06 232

qqq1	0.14 349	0.07 152	0.18 431	0.14 42	0.08 150	0.17 396	0.17 355	0.27 402	0.27 413	0.19 398	0.20 330	0.19 369	0.15 380	0.15 322	0.12 276	0.08 345	0.05 182	0.05 35	0.05 134	0.06 223	0.06 232

fff1	0.14 349	0.07 152	0.18 431	0.14 42	0.08 150	0.17 396	0.17 355	0.27 402	0.27 413	0.19 398	0.20 330	0.19 369	0.15 380	0.15 322	0.12 276	0.08 345	0.05 182	0.05 35	0.05 134	0.06 223	0.06 232

MyStereo07	0.10 173	0.07 152	0.10 125	0.17 242	0.09 264	0.14 319	0.17 355	0.15 125	0.15 181	0.09 122	0.06 16	0.06 23	0.07 127	0.12 216	0.09 56	0.06 120	0.05 182	0.08 320	0.07 310	0.06 223	0.06 232

MyStereo06	0.10 173	0.07 152	0.12 217	0.17 242	0.09 264	0.13 277	0.18 404	0.19 252	0.12 101	0.13 263	0.08 91	0.07 84	0.07 127	0.11 133	0.09 56	0.06 120	0.05 182	0.08 320	0.07 310	0.06 223	0.06 232

MyStereo05	0.13 319	0.07 152	0.10 125	0.17 242	0.09 264	0.13 277	0.18 404	0.28 426	0.35 487	0.17 351	0.14 233	0.15 309	0.11 263	0.15 322	0.13 311	0.06 120	0.05 182	0.08 320	0.07 310	0.06 223	0.06 232

MyStereo04	0.13 319	0.07 152	0.10 125	0.17 242	0.09 264	0.14 319	0.17 355	0.29 445	0.38 504	0.17 351	0.14 233	0.16 329	0.11 263	0.15 322	0.13 311	0.06 120	0.05 182	0.08 320	0.07 310	0.06 223	0.06 232

CoDeX	0.12 292	0.07 152	0.13 252	0.17 242	0.08 150	0.12 238	0.16 326	0.23 330	0.27 413	0.13 263	0.17 282	0.15 309	0.12 295	0.14 304	0.11 207	0.07 275	0.05 182	0.07 233	0.06 213	0.06 223	0.05 136

cc1	0.10 173	0.08 274	0.13 252	0.17 242	0.09 264	0.13 277	0.15 266	0.16 155	0.18 256	0.09 122	0.09 115	0.06 23	0.06 48	0.10 80	0.07 1	0.06 120	0.05 182	0.06 129	0.05 134	0.06 223	0.06 232

ffm	0.12 292	0.09 346	0.15 333	0.16 165	0.09 264	0.17 396	0.17 355	0.15 125	0.19 282	0.15 311	0.26 420	0.19 369	0.13 327	0.10 80	0.08 15	0.06 120	0.05 182	0.09 406	0.08 383	0.06 223	0.06 232

ff1	0.13 319	0.09 346	0.15 333	0.16 165	0.09 264	0.17 396	0.17 355	0.15 125	0.19 282	0.15 311	0.26 420	0.19 369	0.13 327	0.15 322	0.22 480	0.06 120	0.05 182	0.09 406	0.08 383	0.06 223	0.06 232

tt1	0.10 173	0.08 274	0.13 252	0.17 242	0.09 264	0.13 277	0.15 266	0.15 125	0.19 282	0.09 122	0.08 91	0.06 23	0.06 48	0.10 80	0.08 15	0.06 120	0.05 182	0.06 129	0.05 134	0.06 223	0.06 232

plain	0.11 215	0.09 346	0.10 125	0.19 386	0.09 264	0.11 188	0.14 186	0.14 93	0.13 139	0.13 263	0.15 246	0.09 159	0.12 295	0.13 273	0.12 276	0.07 275	0.05 182	0.09 406	0.06 213	0.06 223	0.06 232

StereoVision	0.14 349	0.13 483	0.10 125	0.24 531	0.10 377	0.16 372	0.21 486	0.21 287	0.20 304	0.12 231	0.25 407	0.10 191	0.10 226	0.16 350	0.10 133	0.09 402	0.10 501	0.12 504	0.12 519	0.06 223	0.05 136

MIF-Stereo (partial)	0.11 215	0.06 73	0.10 125	0.19 386	0.10 377	0.10 146	0.12 85	0.17 192	0.19 282	0.14 287	0.16 262	0.10 191	0.11 263	0.12 216	0.12 276	0.08 345	0.05 182	0.08 320	0.07 310	0.06 223	0.07 313

UniTT-Stereo	0.09 104	0.07 152	0.08 28	0.18 324	0.08 150	0.13 277	0.11 57	0.12 57	0.11 69	0.10 157	0.12 203	0.05 4	0.06 48	0.09 40	0.10 133	0.07 275	0.06 343	0.05 35	0.05 134	0.06 223	0.05 136

MIM_Stereo	0.10 173	0.07 152	0.11 176	0.15 86	0.07 79	0.07 27	0.12 85	0.20 269	0.14 160	0.13 263	0.14 233	0.09 159	0.05 16	0.12 216	0.08 15	0.05 33	0.06 343	0.07 233	0.06 213	0.06 223	0.05 136

CASnet	0.09 104	0.09 346	0.09 83	0.19 386	0.06 15	0.07 27	0.11 57	0.18 220	0.14 160	0.11 197	0.10 141	0.09 159	0.07 127	0.10 80	0.10 133	0.06 120	0.04 23	0.10 453	0.08 383	0.06 223	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.10 173	0.05 19	0.10 125	0.15 86	0.07 79	0.13 277	0.14 186	0.21 287	0.15 181	0.11 197	0.12 203	0.13 265	0.10 226	0.13 273	0.10 133	0.07 275	0.04 23	0.05 35	0.04 40	0.06 223	0.05 136

LL-Strereo2	0.11 215	0.10 412	0.16 375	0.18 324	0.08 150	0.15 345	0.09 18	0.17 192	0.14 160	0.14 287	0.11 186	0.09 159	0.07 127	0.16 350	0.10 133	0.05 33	0.05 182	0.11 483	0.07 310	0.06 223	0.05 136

4D-IteraStereo	0.10 173	0.07 152	0.10 125	0.18 324	0.07 79	0.09 96	0.15 266	0.18 220	0.15 181	0.10 157	0.11 186	0.10 191	0.07 127	0.12 216	0.09 56	0.05 33	0.03 1	0.08 320	0.07 310	0.06 223	0.05 136

anonymousdsp2	0.11 215	0.07 152	0.11 176	0.16 165	0.09 264	0.13 277	0.14 186	0.19 252	0.23 352	0.13 263	0.14 233	0.12 240	0.09 199	0.14 304	0.11 207	0.05 33	0.05 182	0.05 35	0.04 40	0.06 223	0.06 232

Selective-RAFT	0.11 215	0.11 437	0.12 217	0.21 478	0.08 150	0.16 372	0.13 129	0.21 287	0.23 352	0.10 157	0.10 141	0.11 218	0.10 226	0.15 322	0.11 207	0.05 33	0.05 182	0.06 129	0.05 134	0.06 223	0.05 136

CroCo-Stereo Lap2	0.09 104	0.09 346	0.08 28	0.22 498	0.09 264	0.09 96	0.18 404	0.16 155	0.12 101	0.09 122	0.10 141	0.05 4	0.05 16	0.08 17	0.08 15	0.06 120	0.06 343	0.07 233	0.05 134	0.06 223	0.05 136

DisPM	0.11 215	0.07 152	0.13 252	0.16 165	0.09 264	0.06 10	0.13 129	0.18 220	0.17 238	0.14 287	0.19 320	0.12 240	0.10 226	0.12 216	0.11 207	0.07 275	0.05 182	0.07 233	0.06 213	0.06 223	0.11 480

iRaft-Stereo_20w	0.09 104	0.05 19	0.13 252	0.14 42	0.09 264	0.12 238	0.15 266	0.19 252	0.11 69	0.11 197	0.08 91	0.08 124	0.05 16	0.10 80	0.09 56	0.06 120	0.04 23	0.06 129	0.05 134	0.06 223	0.05 136

PFNet+	0.12 292	0.06 73	0.14 298	0.16 165	0.09 264	0.05 3	0.12 85	0.18 220	0.21 319	0.16 340	0.19 320	0.14 284	0.10 226	0.11 133	0.11 207	0.08 345	0.05 182	0.09 406	0.08 383	0.06 223	0.11 480

LCNet	0.11 215	0.07 152	0.09 83	0.19 386	0.09 264	0.08 55	0.14 186	0.21 287	0.15 181	0.12 231	0.15 246	0.16 329	0.11 263	0.12 216	0.11 207	0.05 33	0.04 23	0.08 320	0.07 310	0.06 223	0.14 531

AAGNet	0.12 292	0.08 274	0.17 398	0.19 386	0.09 264	0.08 55	0.13 129	0.19 252	0.13 139	0.16 340	0.21 348	0.13 265	0.14 360	0.11 133	0.14 346	0.06 120	0.04 23	0.09 406	0.06 213	0.06 223	0.05 136

IIG-Stereo	0.11 215	0.06 73	0.13 252	0.17 242	0.08 150	0.11 188	0.12 85	0.22 311	0.18 256	0.14 287	0.17 282	0.12 240	0.13 327	0.12 216	0.13 311	0.06 120	0.05 182	0.07 233	0.06 213	0.06 223	0.05 136

NRIStereo	0.11 215	0.08 274	0.15 333	0.18 324	0.08 150	0.10 146	0.13 129	0.17 192	0.15 181	0.12 231	0.15 246	0.13 265	0.13 327	0.13 273	0.10 133	0.06 120	0.04 23	0.07 233	0.06 213	0.06 223	0.07 313

PSM-AAD	0.11 215	0.07 152	0.10 125	0.20 444	0.09 264	0.10 146	0.14 186	0.21 287	0.13 139	0.12 231	0.14 233	0.18 360	0.11 263	0.11 133	0.10 133	0.05 33	0.05 182	0.09 406	0.08 383	0.06 223	0.14 531

FTStereo	0.12 292	0.07 152	0.14 298	0.18 324	0.09 264	0.07 27	0.15 266	0.22 311	0.18 256	0.12 231	0.24 381	0.11 218	0.13 327	0.13 273	0.14 346	0.05 33	0.05 182	0.07 233	0.07 310	0.06 223	0.10 456

KYRaft	0.12 292	0.07 152	0.10 125	0.19 386	0.09 264	0.08 55	0.15 266	0.23 330	0.12 101	0.13 263	0.16 262	0.20 386	0.10 226	0.12 216	0.11 207	0.06 120	0.04 23	0.08 320	0.08 383	0.06 223	0.15 545

RAFT_R40	0.11 215	0.07 152	0.15 333	0.18 324	0.09 264	0.06 10	0.13 129	0.17 192	0.15 181	0.14 287	0.18 306	0.15 309	0.12 295	0.10 80	0.11 207	0.06 120	0.04 23	0.09 406	0.06 213	0.06 223	0.05 136

GrayStereo	0.11 215	0.06 73	0.11 176	0.19 386	0.09 264	0.09 96	0.16 326	0.18 220	0.17 238	0.14 287	0.17 282	0.17 346	0.11 263	0.12 216	0.11 207	0.05 33	0.05 182	0.07 233	0.06 213	0.06 223	0.10 456

Pruner-Stereo	0.11 215	0.07 152	0.12 217	0.17 242	0.09 264	0.06 10	0.12 85	0.18 220	0.17 238	0.14 287	0.19 320	0.13 265	0.10 226	0.11 133	0.11 207	0.06 120	0.04 23	0.07 233	0.06 213	0.06 223	0.08 382

IRAFT_RVC	0.12 292	0.08 274	0.17 398	0.19 386	0.08 150	0.07 27	0.14 186	0.25 375	0.23 352	0.14 287	0.15 246	0.15 309	0.12 295	0.12 216	0.11 207	0.06 120	0.04 23	0.09 406	0.06 213	0.06 223	0.06 232

RAFT	0.13 319	0.09 346	0.11 176	0.18 324	0.08 150	0.15 345	0.23 512	0.21 287	0.20 304	0.21 436	0.21 348	0.18 360	0.13 327	0.17 389	0.10 133	0.06 120	0.07 414	0.10 453	0.09 428	0.06 223	0.05 136

GMM-Stereo	0.11 215	0.07 152	0.10 125	0.18 324	0.09 264	0.08 55	0.14 186	0.24 354	0.16 209	0.11 197	0.15 246	0.13 265	0.11 263	0.11 133	0.11 207	0.05 33	0.04 23	0.08 320	0.07 310	0.06 223	0.09 427

Prome-Stereo	0.11 215	0.07 152	0.11 176	0.18 324	0.09 264	0.12 238	0.14 186	0.23 330	0.13 139	0.13 263	0.16 262	0.13 265	0.08 169	0.12 216	0.10 133	0.05 33	0.05 182	0.07 233	0.06 213	0.06 223	0.10 456

TANstereo	0.09 104	0.04 1	0.08 28	0.13 10	0.06 15	0.11 188	0.13 129	0.15 125	0.19 282	0.11 197	0.15 246	0.10 191	0.07 127	0.12 216	0.09 56	0.07 275	0.05 182	0.05 35	0.04 40	0.06 223	0.05 136

XX-TBD	0.09 104	0.06 73	0.07 7	0.14 42	0.07 79	0.13 277	0.16 326	0.14 93	0.14 160	0.11 197	0.12 203	0.09 159	0.08 169	0.10 80	0.10 133	0.06 120	0.04 23	0.05 35	0.04 40	0.06 223	0.05 136

RALAANet	0.11 215	0.08 274	0.10 125	0.17 242	0.09 264	0.14 319	0.10 31	0.20 269	0.16 209	0.14 287	0.13 220	0.16 329	0.09 199	0.12 216	0.12 276	0.06 120	0.05 182	0.08 320	0.07 310	0.06 223	0.04 34

111	0.11 215	0.06 73	0.12 217	0.15 86	0.07 79	0.10 146	0.14 186	0.21 287	0.24 363	0.11 197	0.12 203	0.14 284	0.12 295	0.13 273	0.10 133	0.06 120	0.04 23	0.06 129	0.04 40	0.06 223	0.05 136

ARAFT	0.12 292	0.08 274	0.18 431	0.19 386	0.09 264	0.15 345	0.17 355	0.20 269	0.13 139	0.12 231	0.13 220	0.14 284	0.12 295	0.15 322	0.13 311	0.06 120	0.05 182	0.10 453	0.09 428	0.06 223	0.04 34

RAFT + AFF	0.13 319	0.08 274	0.21 469	0.20 444	0.10 377	0.14 319	0.23 512	0.27 402	0.21 319	0.12 231	0.10 141	0.12 240	0.10 226	0.16 350	0.12 276	0.08 345	0.07 414	0.09 406	0.09 428	0.06 223	0.09 427

delet	0.17 438	0.09 346	0.18 431	0.19 386	0.11 432	0.21 464	0.22 500	0.30 457	0.38 504	0.17 351	0.27 438	0.19 369	0.19 457	0.19 431	0.21 467	0.08 345	0.08 446	0.09 406	0.11 497	0.06 223	0.07 313

CREStereo	0.09 104	0.05 19	0.08 28	0.11 1	0.06 15	0.14 319	0.14 186	0.14 93	0.10 42	0.09 122	0.13 220	0.09 159	0.08 169	0.12 216	0.10 133	0.08 345	0.04 23	0.05 35	0.03 1	0.06 223	0.06 232
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
cf-r	0.14 349	0.07 152	0.13 252	0.16 165	0.08 150	0.14 319	0.19 448	0.21 287	0.25 387	0.17 351	0.26 420	0.22 413	0.17 425	0.14 304	0.15 380	0.10 443	0.05 182	0.06 129	0.08 383	0.06 223	0.06 232

BEATNet_4x	0.12 292	0.09 346	0.15 333	0.18 324	0.07 79	0.15 345	0.07 3	0.23 330	0.19 282	0.16 340	0.19 320	0.19 369	0.14 360	0.17 389	0.15 380	0.07 275	0.05 182	0.05 35	0.05 134	0.06 223	0.07 313

RASNet	0.15 389	0.07 152	0.15 333	0.16 165	0.08 150	0.19 434	0.14 186	0.30 457	0.21 319	0.17 351	0.25 407	0.21 395	0.19 457	0.20 449	0.20 454	0.07 275	0.06 343	0.06 129	0.08 383	0.06 223	0.06 232

HITNet	0.11 215	0.06 73	0.12 217	0.14 42	0.06 15	0.12 238	0.10 31	0.18 220	0.18 256	0.13 263	0.17 282	0.15 309	0.11 263	0.15 322	0.14 346	0.06 120	0.04 23	0.04 1	0.04 40	0.06 223	0.05 136
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
iResNet	0.13 319	0.10 412	0.18 431	0.19 386	0.08 150	0.14 319	0.18 404	0.21 287	0.27 413	0.16 340	0.24 381	0.15 309	0.13 327	0.14 304	0.15 380	0.06 120	0.04 23	0.06 129	0.05 134	0.06 223	0.05 136

z-ln-s-r	0.18 454	0.10 412	0.41 554	0.19 386	0.08 150	0.18 412	0.18 404	0.23 330	0.34 473	0.19 398	0.41 541	0.22 413	0.17 425	0.20 449	0.25 511	0.07 275	0.05 182	0.07 233	0.07 310	0.07 297	0.06 232

111111	0.07 3	0.05 19	0.10 125	0.17 242	0.06 15	0.05 3	0.10 31	0.11 36	0.10 42	0.06 14	0.06 16	0.07 84	0.05 16	0.08 17	0.09 56	0.06 120	0.04 23	0.05 35	0.04 40	0.07 297	0.06 232

G2L-Stereo_test	0.14 349	0.07 152	0.11 176	0.13 10	0.08 150	0.12 238	0.17 355	0.31 473	0.28 429	0.21 436	0.23 369	0.20 386	0.16 401	0.17 389	0.19 444	0.07 275	0.05 182	0.05 35	0.05 134	0.07 297	0.07 313

G2L-Stereo	0.14 349	0.07 152	0.13 252	0.17 242	0.09 264	0.13 277	0.12 85	0.27 402	0.22 342	0.17 351	0.27 438	0.21 395	0.13 327	0.18 406	0.18 429	0.09 402	0.08 446	0.08 320	0.07 310	0.07 297	0.07 313

HI	0.11 215	0.06 73	0.12 217	0.13 10	0.09 264	0.09 96	0.14 186	0.22 311	0.11 69	0.20 420	0.17 282	0.14 284	0.10 226	0.16 350	0.09 56	0.05 33	0.04 23	0.07 233	0.08 383	0.07 297	0.06 232

CoSv	0.11 215	0.06 73	0.12 217	0.13 10	0.09 264	0.09 96	0.14 186	0.22 311	0.11 69	0.20 420	0.17 282	0.14 284	0.10 226	0.16 350	0.09 56	0.05 33	0.04 23	0.07 233	0.08 383	0.07 297	0.06 232

rvit_0105_3	0.16 416	0.10 412	0.15 333	0.20 444	0.12 462	0.15 345	0.26 547	0.25 375	0.30 442	0.15 311	0.17 282	0.21 395	0.14 360	0.18 406	0.14 346	0.14 539	0.11 514	0.12 504	0.14 536	0.07 297	0.07 313

UGAM	0.13 319	0.10 412	0.09 83	0.22 498	0.08 150	0.13 277	0.20 469	0.18 220	0.24 363	0.22 451	0.16 262	0.13 265	0.13 327	0.19 431	0.13 311	0.07 275	0.05 182	0.13 518	0.11 497	0.07 297	0.05 136

rvit_stereo_0083	0.12 292	0.08 274	0.17 398	0.16 165	0.09 264	0.11 188	0.15 266	0.15 125	0.26 400	0.11 197	0.14 233	0.13 265	0.10 226	0.12 216	0.13 311	0.10 443	0.08 446	0.09 406	0.07 310	0.07 297	0.06 232

rvit_stereo_0081_aga	0.12 292	0.09 346	0.15 333	0.18 324	0.10 377	0.14 319	0.14 186	0.14 93	0.19 282	0.10 157	0.18 306	0.16 329	0.09 199	0.12 216	0.10 133	0.10 443	0.06 343	0.08 320	0.07 310	0.07 297	0.06 232

rvit_stereo_0081	0.11 215	0.08 274	0.16 375	0.16 165	0.09 264	0.11 188	0.14 186	0.14 93	0.24 363	0.11 197	0.13 220	0.14 284	0.09 199	0.11 133	0.12 276	0.10 443	0.07 414	0.08 320	0.07 310	0.07 297	0.06 232

rvit_stereo_0082	0.11 215	0.08 274	0.16 375	0.16 165	0.09 264	0.11 188	0.14 186	0.14 93	0.24 363	0.11 197	0.13 220	0.14 284	0.09 199	0.11 133	0.12 276	0.10 443	0.07 414	0.08 320	0.07 310	0.07 297	0.06 232

AIO-Stereo-zeroshot1	0.11 215	0.05 19	0.14 298	0.16 165	0.21 570	0.09 96	0.17 355	0.21 287	0.16 209	0.11 197	0.15 246	0.10 191	0.07 127	0.10 80	0.08 15	0.06 120	0.05 182	0.07 233	0.07 310	0.07 297	0.09 427

AIO-Stereo-zeroshot	0.11 215	0.05 19	0.12 217	0.15 86	0.13 488	0.14 319	0.16 326	0.23 330	0.18 256	0.10 157	0.13 220	0.10 191	0.07 127	0.12 216	0.09 56	0.06 120	0.05 182	0.06 129	0.06 213	0.07 297	0.08 382

rvit_stereo_0080	0.10 173	0.08 274	0.15 333	0.15 86	0.10 377	0.07 27	0.15 266	0.16 155	0.16 209	0.11 197	0.10 141	0.15 309	0.09 199	0.12 216	0.10 133	0.09 402	0.07 414	0.07 233	0.06 213	0.07 297	0.05 136

rvit_stereo_ft	0.12 292	0.07 152	0.13 252	0.19 386	0.10 377	0.12 238	0.17 355	0.16 155	0.16 209	0.13 263	0.13 220	0.15 309	0.10 226	0.14 304	0.13 311	0.10 443	0.06 343	0.08 320	0.07 310	0.07 297	0.06 232

CAS++	0.11 215	0.07 152	0.11 176	0.14 42	0.10 377	0.13 277	0.14 186	0.24 354	0.14 160	0.11 197	0.09 115	0.11 218	0.07 127	0.14 304	0.09 56	0.11 475	0.09 478	0.09 406	0.07 310	0.07 297	0.08 382
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DispNO	0.15 389	0.09 346	0.18 431	0.19 386	0.12 462	0.11 188	0.21 486	0.23 330	0.29 436	0.18 383	0.23 369	0.19 369	0.17 425	0.16 350	0.16 399	0.07 275	0.05 182	0.08 320	0.08 383	0.07 297	0.06 232

Former-RAFT_DAM_RVC	0.11 215	0.08 274	0.13 252	0.16 165	0.08 150	0.15 345	0.16 326	0.18 220	0.19 282	0.10 157	0.09 115	0.09 159	0.08 169	0.11 133	0.12 276	0.07 275	0.05 182	0.08 320	0.06 213	0.07 297	0.06 232

ACVNet-DCA	0.10 173	0.08 274	0.13 252	0.17 242	0.09 264	0.13 277	0.15 266	0.24 354	0.16 209	0.09 122	0.09 115	0.06 23	0.06 48	0.10 80	0.07 1	0.06 120	0.05 182	0.06 129	0.05 134	0.07 297	0.07 313

xx1	0.11 215	0.08 274	0.13 252	0.17 242	0.09 264	0.13 277	0.15 266	0.16 155	0.18 256	0.09 122	0.09 115	0.16 329	0.16 401	0.10 80	0.07 1	0.06 120	0.05 182	0.08 320	0.08 383	0.07 297	0.07 313

1test111	0.11 215	0.08 274	0.13 252	0.17 242	0.09 264	0.13 277	0.15 266	0.24 354	0.16 209	0.09 122	0.09 115	0.06 23	0.06 48	0.15 322	0.16 399	0.06 120	0.05 182	0.06 129	0.05 134	0.07 297	0.07 313

1111x	0.16 416	0.09 346	0.13 252	0.18 324	0.08 150	0.18 412	0.25 538	0.32 478	0.25 387	0.17 351	0.24 381	0.27 469	0.15 380	0.14 304	0.24 503	0.07 275	0.07 414	0.08 320	0.09 428	0.07 297	0.07 313

whm_eth	0.10 173	0.08 274	0.15 333	0.15 86	0.10 377	0.07 27	0.15 266	0.16 155	0.16 209	0.11 197	0.10 141	0.15 309	0.09 199	0.12 216	0.10 133	0.09 402	0.07 414	0.07 233	0.06 213	0.07 297	0.05 136

PCWNet_CMD	0.14 349	0.08 274	0.15 333	0.17 242	0.09 264	0.14 319	0.14 186	0.29 445	0.36 492	0.14 287	0.20 330	0.21 395	0.13 327	0.17 389	0.14 346	0.07 275	0.05 182	0.07 233	0.07 310	0.07 297	0.07 313

CBFPSM	0.15 389	0.07 152	0.27 507	0.17 242	0.09 264	0.13 277	0.15 266	0.22 311	0.23 352	0.20 420	0.27 438	0.23 430	0.16 401	0.16 350	0.19 444	0.06 120	0.06 343	0.06 129	0.07 310	0.07 297	0.07 313

knoymous	0.11 215	0.06 73	0.12 217	0.14 42	0.07 79	0.15 345	0.13 129	0.20 269	0.14 160	0.11 197	0.17 282	0.13 265	0.09 199	0.14 304	0.11 207	0.09 402	0.05 182	0.06 129	0.05 134	0.07 297	0.07 313

qqq	0.13 319	0.09 346	0.15 333	0.16 165	0.08 150	0.13 277	0.15 266	0.24 354	0.16 209	0.15 311	0.19 320	0.16 329	0.16 401	0.15 322	0.16 399	0.07 275	0.06 343	0.08 320	0.08 383	0.07 297	0.07 313

x	0.13 319	0.08 274	0.15 333	0.14 42	0.08 150	0.19 434	0.14 186	0.22 311	0.21 319	0.15 311	0.20 330	0.20 386	0.18 439	0.18 406	0.18 429	0.07 275	0.05 182	0.06 129	0.06 213	0.07 297	0.07 313

BUS	0.15 389	0.09 346	0.14 298	0.22 498	0.10 377	0.20 453	0.14 186	0.34 507	0.20 304	0.17 351	0.23 369	0.16 329	0.14 360	0.16 350	0.14 346	0.08 345	0.06 343	0.10 453	0.09 428	0.07 297	0.07 313

RAFT+CT+SA	0.13 319	0.11 437	0.09 83	0.19 386	0.09 264	0.15 345	0.28 558	0.22 311	0.22 342	0.15 311	0.26 420	0.10 191	0.10 226	0.11 133	0.12 276	0.05 33	0.04 23	0.07 233	0.08 383	0.07 297	0.06 232

BSDual-CNN	0.15 389	0.09 346	0.14 298	0.22 498	0.10 377	0.15 345	0.15 266	0.34 507	0.20 304	0.17 351	0.23 369	0.25 452	0.16 401	0.16 350	0.14 346	0.08 345	0.06 343	0.10 453	0.09 428	0.07 297	0.07 313

hknet	0.15 389	0.11 437	0.14 298	0.22 498	0.11 432	0.15 345	0.15 266	0.34 507	0.26 400	0.17 351	0.23 369	0.22 413	0.18 439	0.17 389	0.13 311	0.07 275	0.06 343	0.10 453	0.09 428	0.07 297	0.07 313

psmg	0.14 349	0.09 346	0.14 298	0.17 242	0.10 377	0.15 345	0.17 355	0.29 445	0.20 304	0.17 351	0.21 348	0.25 452	0.16 401	0.16 350	0.14 346	0.08 345	0.07 414	0.08 320	0.08 383	0.07 297	0.07 313

UDGNet	0.14 349	0.13 483	0.17 398	0.18 324	0.10 377	0.12 238	0.16 326	0.21 287	0.27 413	0.20 420	0.20 330	0.17 346	0.13 327	0.16 350	0.14 346	0.10 443	0.06 343	0.09 406	0.07 310	0.07 297	0.07 313

DAS	0.15 389	0.08 274	0.18 431	0.19 386	0.10 377	0.19 434	0.17 355	0.28 426	0.30 442	0.18 383	0.26 420	0.21 395	0.16 401	0.16 350	0.13 311	0.08 345	0.06 343	0.06 129	0.06 213	0.07 297	0.07 313

SepStereo	0.15 389	0.08 274	0.18 431	0.19 386	0.10 377	0.19 434	0.17 355	0.28 426	0.30 442	0.18 383	0.26 420	0.21 395	0.16 401	0.26 513	0.13 311	0.08 345	0.06 343	0.06 129	0.06 213	0.07 297	0.07 313

GwcNet-ADL	0.13 319	0.08 274	0.14 298	0.20 444	0.09 264	0.12 238	0.20 469	0.30 457	0.25 387	0.14 287	0.14 233	0.18 360	0.14 360	0.13 273	0.15 380	0.07 275	0.05 182	0.06 129	0.05 134	0.07 297	0.06 232

GANet-ADL	0.13 319	0.07 152	0.15 333	0.17 242	0.10 377	0.19 434	0.15 266	0.30 457	0.21 319	0.13 263	0.18 306	0.19 369	0.13 327	0.16 350	0.14 346	0.08 345	0.06 343	0.06 129	0.05 134	0.07 297	0.08 382

NF-Stereo	0.11 215	0.07 152	0.13 252	0.17 242	0.09 264	0.10 146	0.13 129	0.23 330	0.19 282	0.12 231	0.17 282	0.12 240	0.12 295	0.11 133	0.11 207	0.06 120	0.04 23	0.07 233	0.06 213	0.07 297	0.12 501

OCTAStereo	0.11 215	0.07 152	0.14 298	0.17 242	0.09 264	0.10 146	0.13 129	0.23 330	0.19 282	0.12 231	0.17 282	0.12 240	0.12 295	0.11 133	0.11 207	0.06 120	0.04 23	0.07 233	0.06 213	0.07 297	0.11 480

PSM-softLoss	0.12 292	0.07 152	0.15 333	0.17 242	0.09 264	0.08 55	0.12 85	0.24 354	0.17 238	0.15 311	0.19 320	0.13 265	0.11 263	0.11 133	0.11 207	0.07 275	0.05 182	0.08 320	0.07 310	0.07 297	0.12 501

KMStereo	0.12 292	0.07 152	0.15 333	0.17 242	0.09 264	0.08 55	0.12 85	0.24 354	0.17 238	0.15 311	0.19 320	0.13 265	0.11 263	0.11 133	0.11 207	0.07 275	0.05 182	0.08 320	0.07 310	0.07 297	0.12 501

SST-Stereo	0.11 215	0.07 152	0.16 375	0.18 324	0.09 264	0.06 10	0.12 85	0.18 220	0.10 42	0.15 311	0.18 306	0.13 265	0.12 295	0.10 80	0.11 207	0.06 120	0.04 23	0.09 406	0.06 213	0.07 297	0.06 232

RE-Stereo	0.11 215	0.07 152	0.13 252	0.17 242	0.09 264	0.10 146	0.13 129	0.23 330	0.19 282	0.12 231	0.17 282	0.12 240	0.12 295	0.11 133	0.11 207	0.06 120	0.04 23	0.07 233	0.06 213	0.07 297	0.11 480

TVStereo	0.11 215	0.07 152	0.13 252	0.17 242	0.09 264	0.10 146	0.13 129	0.23 330	0.19 282	0.12 231	0.17 282	0.12 240	0.12 295	0.11 133	0.11 207	0.06 120	0.04 23	0.07 233	0.06 213	0.07 297	0.11 480

DeepStereo_RVC	0.11 215	0.08 274	0.17 398	0.18 324	0.08 150	0.08 55	0.11 57	0.17 192	0.12 101	0.13 263	0.15 246	0.12 240	0.12 295	0.12 216	0.11 207	0.06 120	0.04 23	0.07 233	0.06 213	0.07 297	0.08 382

ICVP	0.16 416	0.09 346	0.12 217	0.22 498	0.09 264	0.18 412	0.21 486	0.26 388	0.24 363	0.18 383	0.30 470	0.27 469	0.18 439	0.18 406	0.15 380	0.10 443	0.07 414	0.08 320	0.07 310	0.07 297	0.08 382
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
rafts_anoy	0.11 215	0.06 73	0.10 125	0.17 242	0.08 150	0.10 146	0.14 186	0.18 220	0.14 160	0.13 263	0.13 220	0.12 240	0.11 263	0.11 133	0.13 311	0.07 275	0.05 182	0.09 406	0.11 497	0.07 297	0.06 232

CFNet_pseudo	0.14 349	0.08 274	0.16 375	0.16 165	0.09 264	0.13 277	0.14 186	0.27 402	0.34 473	0.15 311	0.21 348	0.22 413	0.13 327	0.18 406	0.14 346	0.07 275	0.05 182	0.08 320	0.06 213	0.07 297	0.07 313

test_xeample	0.15 389	0.07 152	0.14 298	0.15 86	0.08 150	0.22 478	0.20 469	0.29 445	0.21 319	0.16 340	0.29 464	0.19 369	0.17 425	0.16 350	0.28 538	0.09 402	0.05 182	0.07 233	0.07 310	0.07 297	0.07 313

GMStereo	0.13 319	0.15 505	0.14 298	0.18 324	0.09 264	0.16 372	0.16 326	0.20 269	0.25 387	0.17 351	0.17 282	0.11 218	0.11 263	0.16 350	0.13 311	0.07 275	0.06 343	0.06 129	0.06 213	0.07 297	0.06 232
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 319	0.07 152	0.15 333	0.17 242	0.09 264	0.15 345	0.16 326	0.28 426	0.27 413	0.14 287	0.18 306	0.12 240	0.13 327	0.14 304	0.11 207	0.08 345	0.05 182	0.07 233	0.07 310	0.07 297	0.06 232

ac_64	0.16 416	0.09 346	0.15 333	0.18 324	0.10 377	0.22 478	0.17 355	0.24 354	0.22 342	0.19 398	0.24 381	0.29 487	0.18 439	0.19 431	0.22 480	0.09 402	0.08 446	0.08 320	0.09 428	0.07 297	0.06 232

GwcNet-RSSM	0.14 349	0.07 152	0.12 217	0.16 165	0.08 150	0.15 345	0.20 469	0.22 311	0.28 429	0.18 383	0.28 449	0.23 430	0.17 425	0.15 322	0.16 399	0.10 443	0.06 343	0.07 233	0.09 428	0.07 297	0.07 313

PMTNet	0.09 104	0.05 19	0.09 83	0.12 5	0.06 15	0.13 277	0.14 186	0.16 155	0.11 69	0.09 122	0.13 220	0.10 191	0.07 127	0.14 304	0.10 133	0.15 543	0.04 23	0.05 35	0.03 1	0.07 297	0.06 232

MSMDNet	0.14 349	0.08 274	0.15 333	0.17 242	0.09 264	0.14 319	0.14 186	0.29 445	0.36 492	0.14 287	0.20 330	0.21 395	0.13 327	0.18 406	0.14 346	0.07 275	0.05 182	0.07 233	0.07 310	0.07 297	0.07 313

HSM-Net_RVC	0.14 349	0.08 274	0.12 217	0.15 86	0.08 150	0.16 372	0.15 266	0.27 402	0.29 436	0.20 420	0.21 348	0.29 487	0.14 360	0.18 406	0.13 311	0.06 120	0.06 343	0.06 129	0.06 213	0.07 297	0.06 232
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NLCA_NET_v2_RVC	0.17 438	0.10 412	0.23 487	0.20 444	0.10 377	0.15 345	0.18 404	0.31 473	0.25 387	0.21 436	0.31 475	0.25 452	0.17 425	0.21 467	0.20 454	0.09 402	0.06 343	0.08 320	0.09 428	0.07 297	0.08 382
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
ccs_rob	0.14 349	0.09 346	0.16 375	0.16 165	0.09 264	0.13 277	0.14 186	0.27 402	0.34 473	0.15 311	0.21 348	0.22 413	0.13 327	0.18 406	0.14 346	0.07 275	0.05 182	0.08 320	0.07 310	0.07 297	0.07 313

AANet_RVC	0.16 416	0.10 412	0.11 176	0.18 324	0.09 264	0.19 434	0.18 404	0.27 402	0.32 457	0.22 451	0.35 504	0.21 395	0.22 484	0.22 485	0.17 416	0.06 120	0.05 182	0.06 129	0.06 213	0.07 297	0.06 232

HSM	0.15 389	0.09 346	0.15 333	0.16 165	0.09 264	0.16 372	0.14 186	0.28 426	0.25 387	0.20 420	0.24 381	0.37 541	0.17 425	0.20 449	0.15 380	0.07 275	0.05 182	0.07 233	0.06 213	0.07 297	0.06 232

StereoDRNet-Refined	0.17 438	0.12 456	0.16 375	0.20 444	0.10 377	0.18 412	0.18 404	0.27 402	0.24 363	0.26 496	0.41 541	0.23 430	0.18 439	0.21 467	0.21 467	0.09 402	0.05 182	0.09 406	0.10 467	0.07 297	0.07 313
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.18 454	0.10 412	0.16 375	0.23 519	0.11 432	0.24 500	0.18 404	0.30 457	0.28 429	0.27 503	0.29 464	0.28 479	0.25 507	0.20 449	0.20 454	0.08 345	0.08 446	0.09 406	0.09 428	0.07 297	0.07 313

pmcnn	0.15 389	0.07 152	0.20 459	0.15 86	0.07 79	0.21 464	0.16 326	0.25 375	0.26 400	0.21 436	0.33 490	0.29 487	0.19 457	0.18 406	0.17 416	0.07 275	0.05 182	0.05 35	0.04 40	0.07 297	0.06 232

DDF-Stereo	0.08 54	0.05 19	0.10 125	0.15 86	0.10 377	0.05 3	0.13 129	0.09 12	0.14 160	0.06 14	0.06 16	0.07 84	0.06 48	0.09 40	0.10 133	0.06 120	0.04 23	0.06 129	0.04 40	0.08 362	0.05 136

zero-FE	0.08 54	0.05 19	0.10 125	0.15 86	0.10 377	0.05 3	0.13 129	0.09 12	0.14 160	0.07 48	0.06 16	0.07 84	0.06 48	0.09 40	0.10 133	0.06 120	0.04 23	0.06 129	0.04 40	0.08 362	0.05 136

S2M2_XL	0.08 54	0.06 73	0.12 217	0.12 5	0.08 150	0.09 96	0.09 18	0.07 2	0.07 9	0.08 86	0.07 47	0.07 84	0.06 48	0.09 40	0.09 56	0.08 345	0.06 343	0.07 233	0.06 213	0.08 362	0.06 232
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
G2L-ROB	0.13 319	0.07 152	0.13 252	0.13 10	0.08 150	0.14 319	0.17 355	0.25 375	0.19 282	0.20 420	0.19 320	0.20 386	0.14 360	0.18 406	0.16 399	0.08 345	0.05 182	0.06 129	0.05 134	0.08 362	0.09 427

rvit_0105_5	0.14 349	0.10 412	0.14 298	0.17 242	0.09 264	0.14 319	0.23 512	0.24 354	0.27 413	0.14 287	0.15 246	0.18 360	0.13 327	0.17 389	0.14 346	0.14 539	0.11 514	0.10 453	0.11 497	0.08 362	0.07 313

rvit_105_1	0.19 466	0.12 456	0.25 496	0.21 478	0.16 538	0.22 478	0.28 558	0.32 478	0.42 522	0.20 420	0.21 348	0.22 413	0.18 439	0.19 431	0.18 429	0.12 500	0.12 530	0.13 518	0.15 552	0.08 362	0.07 313

ACV-stereo	0.15 389	0.10 412	0.29 519	0.18 324	0.12 462	0.15 345	0.13 129	0.23 330	0.21 319	0.19 398	0.23 369	0.22 413	0.15 380	0.23 493	0.17 416	0.08 345	0.07 414	0.07 233	0.07 310	0.08 362	0.07 313

ITSA-stereo	0.16 416	0.11 437	0.14 298	0.19 386	0.08 150	0.13 277	0.14 186	0.30 457	0.49 548	0.17 351	0.18 306	0.22 413	0.15 380	0.17 389	0.16 399	0.10 443	0.06 343	0.08 320	0.08 383	0.08 362	0.09 427

test_sample6	0.14 349	0.09 346	0.14 298	0.17 242	0.08 150	0.17 396	0.19 448	0.26 388	0.18 256	0.18 383	0.28 449	0.19 369	0.15 380	0.15 322	0.13 311	0.08 345	0.05 182	0.08 320	0.07 310	0.08 362	0.08 382

test_sample2	0.13 319	0.07 152	0.12 217	0.14 42	0.08 150	0.16 372	0.18 404	0.21 287	0.16 209	0.14 287	0.21 348	0.20 386	0.15 380	0.15 322	0.13 311	0.08 345	0.06 343	0.07 233	0.06 213	0.08 362	0.08 382

test_sample1	0.13 319	0.07 152	0.14 298	0.14 42	0.08 150	0.19 434	0.17 355	0.20 269	0.15 181	0.14 287	0.22 364	0.18 360	0.16 401	0.17 389	0.15 380	0.07 275	0.06 343	0.06 129	0.06 213	0.08 362	0.08 382

MyStereo8	0.12 292	0.07 152	0.15 333	0.15 86	0.09 264	0.18 412	0.14 186	0.19 252	0.22 342	0.12 231	0.18 306	0.11 218	0.10 226	0.16 350	0.18 429	0.07 275	0.05 182	0.07 233	0.05 134	0.08 362	0.09 427

SMFormer	0.14 349	0.07 152	0.18 431	0.14 42	0.08 150	0.17 396	0.17 355	0.27 402	0.27 413	0.19 398	0.20 330	0.19 369	0.15 380	0.15 322	0.17 416	0.08 345	0.05 182	0.07 233	0.06 213	0.08 362	0.07 313

mmm	0.14 349	0.08 274	0.18 431	0.17 242	0.09 264	0.17 396	0.18 404	0.21 287	0.16 209	0.16 340	0.23 369	0.21 395	0.16 401	0.16 350	0.17 416	0.08 345	0.05 182	0.08 320	0.08 383	0.08 362	0.07 313

11t1	0.12 292	0.07 152	0.14 298	0.14 42	0.08 150	0.17 396	0.15 266	0.19 252	0.15 181	0.15 311	0.15 246	0.17 346	0.16 401	0.15 322	0.13 311	0.08 345	0.05 182	0.06 129	0.05 134	0.08 362	0.07 313

mmx	0.15 389	0.09 346	0.15 333	0.16 165	0.09 264	0.17 396	0.17 355	0.27 402	0.26 400	0.15 311	0.26 420	0.19 369	0.13 327	0.15 322	0.22 480	0.08 345	0.06 343	0.09 406	0.08 383	0.08 362	0.08 382

xxx	0.15 389	0.09 346	0.15 333	0.16 165	0.09 264	0.17 396	0.17 355	0.27 402	0.26 400	0.15 311	0.26 420	0.19 369	0.13 327	0.15 322	0.22 480	0.08 345	0.06 343	0.09 406	0.08 383	0.08 362	0.08 382

EKT-Stereo	0.11 215	0.07 152	0.14 298	0.16 165	0.10 377	0.13 277	0.14 186	0.19 252	0.21 319	0.11 197	0.08 91	0.13 265	0.10 226	0.11 133	0.12 276	0.08 345	0.06 343	0.07 233	0.06 213	0.08 362	0.07 313

SDNR	0.20 475	0.09 346	0.19 454	0.16 165	0.12 462	0.79 605	0.13 129	0.26 388	0.33 462	0.19 398	0.25 407	0.19 369	0.12 295	0.19 431	0.15 380	0.16 560	0.18 568	0.14 531	0.11 497	0.08 362	0.12 501

fast-acv-ft	0.18 454	0.11 437	0.20 459	0.19 386	0.12 462	0.26 521	0.21 486	0.26 388	0.35 487	0.22 451	0.34 500	0.27 469	0.21 477	0.21 467	0.23 491	0.09 402	0.09 478	0.08 320	0.10 467	0.08 362	0.07 313

gwcnet-sp	0.14 349	0.07 152	0.13 252	0.18 324	0.09 264	0.16 372	0.18 404	0.24 354	0.24 363	0.19 398	0.24 381	0.15 309	0.16 401	0.16 350	0.15 380	0.08 345	0.07 414	0.07 233	0.08 383	0.08 362	0.07 313

scenet	0.14 349	0.07 152	0.13 252	0.18 324	0.09 264	0.16 372	0.18 404	0.24 354	0.24 363	0.19 398	0.24 381	0.15 309	0.16 401	0.16 350	0.15 380	0.08 345	0.07 414	0.07 233	0.08 383	0.08 362	0.07 313

riskmin	0.11 215	0.06 73	0.13 252	0.14 42	0.08 150	0.14 319	0.14 186	0.18 220	0.15 181	0.12 231	0.15 246	0.17 346	0.11 263	0.14 304	0.12 276	0.09 402	0.05 182	0.07 233	0.05 134	0.08 362	0.08 382

ssnet_v2	0.17 438	0.10 412	0.18 431	0.17 242	0.11 432	0.21 464	0.22 500	0.34 507	0.25 387	0.23 466	0.23 369	0.27 469	0.19 457	0.22 485	0.21 467	0.11 475	0.10 501	0.09 406	0.09 428	0.08 362	0.08 382

ssnet	0.14 349	0.07 152	0.13 252	0.18 324	0.09 264	0.16 372	0.18 404	0.24 354	0.24 363	0.19 398	0.24 381	0.15 309	0.16 401	0.16 350	0.15 380	0.08 345	0.07 414	0.07 233	0.08 383	0.08 362	0.07 313

IER	0.14 349	0.08 274	0.13 252	0.17 242	0.09 264	0.14 319	0.16 326	0.26 388	0.27 413	0.18 383	0.26 420	0.17 346	0.20 469	0.17 389	0.14 346	0.08 345	0.05 182	0.07 233	0.06 213	0.08 362	0.07 313

CRFU-Net	0.16 416	0.08 274	0.15 333	0.17 242	0.09 264	0.20 453	0.14 186	0.27 402	0.21 319	0.28 516	0.28 449	0.29 487	0.18 439	0.19 431	0.18 429	0.09 402	0.09 478	0.07 233	0.07 310	0.08 362	0.09 427

test_5	0.14 349	0.12 456	0.08 28	0.20 444	0.10 377	0.14 319	0.28 558	0.21 287	0.24 363	0.19 398	0.28 449	0.11 218	0.15 380	0.12 216	0.13 311	0.06 120	0.05 182	0.07 233	0.08 383	0.08 362	0.07 313

CSP-Net	0.16 416	0.09 346	0.14 298	0.17 242	0.09 264	0.19 434	0.18 404	0.25 375	0.33 462	0.26 496	0.31 475	0.25 452	0.16 401	0.21 467	0.19 444	0.09 402	0.06 343	0.07 233	0.07 310	0.08 362	0.08 382

dd	0.15 389	0.17 526	0.17 398	0.19 386	0.09 264	0.15 345	0.18 404	0.22 311	0.26 400	0.23 466	0.20 330	0.21 395	0.10 226	0.21 467	0.17 416	0.10 443	0.06 343	0.08 320	0.06 213	0.08 362	0.07 313

PSMNet-ADL	0.15 389	0.12 456	0.13 252	0.22 498	0.09 264	0.13 277	0.20 469	0.26 388	0.23 352	0.18 383	0.20 330	0.23 430	0.17 425	0.18 406	0.18 429	0.09 402	0.08 446	0.08 320	0.11 497	0.08 362	0.07 313

Patchmatch Stereo++	0.11 215	0.09 346	0.17 398	0.19 386	0.08 150	0.06 10	0.11 57	0.17 192	0.13 139	0.15 311	0.16 262	0.14 284	0.12 295	0.11 133	0.11 207	0.06 120	0.05 182	0.08 320	0.06 213	0.08 362	0.07 313
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.11 215	0.09 346	0.17 398	0.19 386	0.08 150	0.06 10	0.12 85	0.17 192	0.13 139	0.15 311	0.16 262	0.14 284	0.12 295	0.11 133	0.11 207	0.06 120	0.05 182	0.08 320	0.06 213	0.08 362	0.07 313

ROB_FTStereo_v2	0.11 215	0.09 346	0.17 398	0.19 386	0.08 150	0.06 10	0.12 85	0.17 192	0.13 139	0.15 311	0.16 262	0.14 284	0.12 295	0.11 133	0.11 207	0.06 120	0.05 182	0.08 320	0.06 213	0.08 362	0.07 313

ROB_FTStereo	0.11 215	0.09 346	0.17 398	0.19 386	0.08 150	0.06 10	0.11 57	0.17 192	0.13 139	0.15 311	0.16 262	0.14 284	0.12 295	0.11 133	0.11 207	0.06 120	0.05 182	0.08 320	0.06 213	0.08 362	0.07 313

HUI-Stereo	0.11 215	0.09 346	0.17 398	0.19 386	0.08 150	0.06 10	0.11 57	0.17 192	0.13 139	0.15 311	0.16 262	0.14 284	0.12 295	0.11 133	0.11 207	0.06 120	0.05 182	0.08 320	0.06 213	0.08 362	0.07 313

iGMRVC	0.11 215	0.09 346	0.17 398	0.19 386	0.08 150	0.06 10	0.12 85	0.17 192	0.13 139	0.15 311	0.16 262	0.14 284	0.12 295	0.11 133	0.11 207	0.06 120	0.05 182	0.08 320	0.06 213	0.08 362	0.07 313

iRAFT	0.11 215	0.09 346	0.17 398	0.19 386	0.08 150	0.06 10	0.11 57	0.17 192	0.13 139	0.15 311	0.16 262	0.14 284	0.12 295	0.11 133	0.11 207	0.06 120	0.05 182	0.08 320	0.06 213	0.08 362	0.07 313

CRE-IMP	0.11 215	0.09 346	0.16 375	0.19 386	0.09 264	0.10 146	0.12 85	0.18 220	0.10 42	0.14 287	0.14 233	0.14 284	0.13 327	0.12 216	0.12 276	0.07 275	0.04 23	0.08 320	0.06 213	0.08 362	0.08 382

RAFT-IKP	0.11 215	0.09 346	0.17 398	0.19 386	0.08 150	0.06 10	0.11 57	0.17 192	0.13 139	0.15 311	0.16 262	0.14 284	0.12 295	0.11 133	0.11 207	0.06 120	0.05 182	0.08 320	0.06 213	0.08 362	0.07 313

Anonymous3	0.16 416	0.14 498	0.34 538	0.26 548	0.14 506	0.27 530	0.18 404	0.28 426	0.28 429	0.15 311	0.17 282	0.14 284	0.11 263	0.16 350	0.12 276	0.08 345	0.08 446	0.08 320	0.08 383	0.08 362	0.11 480

RALCasStereoNet	0.11 215	0.07 152	0.09 83	0.16 165	0.08 150	0.13 277	0.14 186	0.17 192	0.11 69	0.12 231	0.17 282	0.14 284	0.10 226	0.12 216	0.11 207	0.07 275	0.06 343	0.06 129	0.05 134	0.08 362	0.07 313

ADLNet	0.16 416	0.08 274	0.15 333	0.16 165	0.10 377	0.16 372	0.17 355	0.33 492	0.27 413	0.23 466	0.27 438	0.24 439	0.16 401	0.18 406	0.21 467	0.10 443	0.06 343	0.10 453	0.10 467	0.08 362	0.09 427

GES	0.14 349	0.08 274	0.16 375	0.15 86	0.10 377	0.13 277	0.13 129	0.28 426	0.26 400	0.17 351	0.24 381	0.19 369	0.14 360	0.16 350	0.14 346	0.08 345	0.08 446	0.07 233	0.06 213	0.08 362	0.09 427

222	0.16 416	0.07 152	0.15 333	0.14 42	0.08 150	0.25 509	0.18 404	0.30 457	0.21 319	0.18 383	0.29 464	0.17 346	0.16 401	0.16 350	0.44 590	0.10 443	0.05 182	0.07 233	0.06 213	0.08 362	0.08 382

xxxx	0.15 389	0.07 152	0.14 298	0.14 42	0.08 150	0.24 500	0.18 404	0.32 478	0.20 304	0.14 287	0.28 449	0.22 413	0.14 360	0.15 322	0.29 547	0.09 402	0.05 182	0.07 233	0.07 310	0.08 362	0.08 382

MMNet	0.17 438	0.10 412	0.17 398	0.20 444	0.11 432	0.27 530	0.20 469	0.26 388	0.42 522	0.22 451	0.30 470	0.22 413	0.20 469	0.18 406	0.20 454	0.06 120	0.06 343	0.07 233	0.07 310	0.08 362	0.07 313

psm_up	0.19 466	0.10 412	0.18 431	0.21 478	0.11 432	0.17 396	0.19 448	0.38 545	0.34 473	0.22 451	0.28 449	0.29 487	0.25 507	0.20 449	0.22 480	0.09 402	0.10 501	0.11 483	0.11 497	0.08 362	0.08 382

UNet	0.17 438	0.09 346	0.18 431	0.19 386	0.12 462	0.28 540	0.19 448	0.33 492	0.30 442	0.21 436	0.25 407	0.23 430	0.19 457	0.20 449	0.19 444	0.07 275	0.06 343	0.08 320	0.07 310	0.08 362	0.07 313

UPFNet	0.16 416	0.08 274	0.12 217	0.20 444	0.12 462	0.20 453	0.23 512	0.28 426	0.26 400	0.18 383	0.24 381	0.22 413	0.20 469	0.19 431	0.22 480	0.09 402	0.07 414	0.08 320	0.09 428	0.08 362	0.06 232

FENet	0.13 319	0.08 274	0.13 252	0.16 165	0.08 150	0.15 345	0.16 326	0.23 330	0.23 352	0.17 351	0.24 381	0.16 329	0.13 327	0.14 304	0.15 380	0.08 345	0.05 182	0.08 320	0.08 383	0.08 362	0.08 382

ACVNet	0.15 389	0.09 346	0.15 333	0.13 10	0.12 462	0.14 319	0.20 469	0.22 311	0.34 473	0.17 351	0.26 420	0.21 395	0.17 425	0.18 406	0.21 467	0.07 275	0.06 343	0.06 129	0.06 213	0.08 362	0.06 232

acv_ft	0.15 389	0.09 346	0.16 375	0.19 386	0.10 377	0.16 372	0.17 355	0.25 375	0.34 473	0.19 398	0.26 420	0.21 395	0.17 425	0.18 406	0.19 444	0.07 275	0.06 343	0.06 129	0.06 213	0.08 362	0.06 232

GANet-RSSM	0.14 349	0.07 152	0.13 252	0.13 10	0.08 150	0.14 319	0.18 404	0.23 330	0.21 319	0.17 351	0.25 407	0.24 439	0.16 401	0.16 350	0.16 399	0.10 443	0.06 343	0.07 233	0.08 383	0.08 362	0.07 313

PSMNet-RSSM	0.14 349	0.07 152	0.14 298	0.15 86	0.08 150	0.13 277	0.16 326	0.25 375	0.24 363	0.17 351	0.28 449	0.23 430	0.14 360	0.16 350	0.14 346	0.11 475	0.06 343	0.09 406	0.12 519	0.08 362	0.07 313

DSFCA	0.16 416	0.09 346	0.14 298	0.16 165	0.10 377	0.21 464	0.19 448	0.28 426	0.31 451	0.23 466	0.25 407	0.22 413	0.16 401	0.20 449	0.20 454	0.10 443	0.07 414	0.09 406	0.09 428	0.08 362	0.08 382

ADCRef	0.20 475	0.12 456	0.43 559	0.20 444	0.12 462	0.23 492	0.18 404	0.32 478	0.37 498	0.26 496	0.33 490	0.18 360	0.23 490	0.25 509	0.26 524	0.07 275	0.06 343	0.09 406	0.09 428	0.08 362	0.09 427

TDLM	0.18 454	0.12 456	0.14 298	0.24 531	0.10 377	0.18 412	0.18 404	0.37 538	0.30 442	0.22 451	0.28 449	0.28 479	0.18 439	0.23 493	0.19 444	0.11 475	0.07 414	0.10 453	0.10 467	0.08 362	0.08 382

CFNet	0.15 389	0.11 437	0.17 398	0.17 242	0.08 150	0.19 434	0.10 31	0.29 445	0.26 400	0.19 398	0.24 381	0.24 439	0.18 439	0.18 406	0.15 380	0.08 345	0.06 343	0.09 406	0.10 467	0.08 362	0.07 313

NaN_ROB	0.23 510	0.20 549	0.25 496	0.25 539	0.13 488	0.31 549	0.27 552	0.34 507	0.41 520	0.31 539	0.31 475	0.32 519	0.23 490	0.31 538	0.22 480	0.11 475	0.17 566	0.10 453	0.11 497	0.08 362	0.09 427

iResNet_ROB	0.14 349	0.07 152	0.13 252	0.15 86	0.07 79	0.19 434	0.14 186	0.26 388	0.32 457	0.23 466	0.26 420	0.23 430	0.16 401	0.15 322	0.14 346	0.07 275	0.05 182	0.05 35	0.04 40	0.08 362	0.08 382

LE_ROB	0.50 590	0.07 152	0.14 298	0.15 86	0.08 150	0.26 521	0.17 355	0.23 330	1.71 624	4.68 628	0.67 586	0.46 573	0.47 585	0.21 467	0.30 554	0.07 275	0.06 343	0.06 129	0.06 213	0.08 362	0.06 232

DN-CSS_ROB	0.13 319	0.13 483	0.17 398	0.18 324	0.10 377	0.16 372	0.08 7	0.22 311	0.19 282	0.17 351	0.23 369	0.13 265	0.13 327	0.13 273	0.14 346	0.05 33	0.05 182	0.10 453	0.10 467	0.08 362	0.06 232

zh-mn7	0.26 540	0.15 505	0.59 580	0.19 386	0.14 506	0.24 500	0.22 500	0.35 522	0.63 584	0.35 552	0.67 586	0.31 512	0.25 507	0.31 538	0.26 524	0.09 402	0.08 446	0.09 406	0.09 428	0.09 425	0.11 480

coex_refinement	0.14 349	0.07 152	0.12 217	0.17 242	0.10 377	0.16 372	0.15 266	0.27 402	0.29 436	0.18 383	0.21 348	0.22 413	0.17 425	0.16 350	0.19 444	0.08 345	0.05 182	0.06 129	0.06 213	0.09 425	0.08 382

YMNet	0.20 475	0.12 456	0.20 459	0.21 478	0.14 506	0.27 530	0.23 512	0.32 478	0.34 473	0.28 516	0.35 504	0.30 497	0.18 439	0.18 406	0.22 480	0.11 475	0.13 543	0.10 453	0.10 467	0.09 425	0.09 427

YMNet_1	0.20 475	0.12 456	0.20 459	0.21 478	0.14 506	0.27 530	0.23 512	0.32 478	0.34 473	0.28 516	0.35 504	0.30 497	0.18 439	0.18 406	0.22 480	0.11 475	0.13 543	0.10 453	0.10 467	0.09 425	0.09 427

rvit_0105_6	0.14 349	0.09 346	0.18 431	0.17 242	0.10 377	0.10 146	0.17 355	0.19 252	0.26 400	0.12 231	0.18 306	0.17 346	0.13 327	0.18 406	0.13 311	0.15 543	0.11 514	0.12 504	0.10 467	0.09 425	0.06 232

rvit_0105_4	0.15 389	0.09 346	0.17 398	0.17 242	0.10 377	0.12 238	0.20 469	0.23 330	0.27 413	0.14 287	0.20 330	0.17 346	0.14 360	0.17 389	0.13 311	0.15 543	0.11 514	0.11 483	0.10 467	0.09 425	0.06 232

test_sample5	0.14 349	0.08 274	0.14 298	0.16 165	0.08 150	0.18 412	0.18 404	0.25 375	0.17 238	0.17 351	0.28 449	0.18 360	0.15 380	0.16 350	0.13 311	0.08 345	0.06 343	0.08 320	0.07 310	0.09 425	0.08 382

test_sample4	0.14 349	0.08 274	0.15 333	0.15 86	0.08 150	0.19 434	0.18 404	0.26 388	0.18 256	0.17 351	0.26 420	0.18 360	0.15 380	0.17 389	0.13 311	0.08 345	0.06 343	0.08 320	0.06 213	0.09 425	0.08 382

test_sample3	0.14 349	0.08 274	0.15 333	0.14 42	0.09 264	0.20 453	0.17 355	0.27 402	0.18 256	0.17 351	0.22 364	0.19 369	0.15 380	0.17 389	0.14 346	0.09 402	0.06 343	0.07 233	0.06 213	0.09 425	0.08 382

DualNet	0.14 349	0.08 274	0.14 298	0.16 165	0.08 150	0.18 412	0.18 404	0.25 375	0.17 238	0.18 383	0.28 449	0.18 360	0.15 380	0.16 350	0.13 311	0.08 345	0.06 343	0.08 320	0.07 310	0.09 425	0.08 382

CFNet_ucs	0.15 389	0.09 346	0.17 398	0.16 165	0.11 432	0.14 319	0.14 186	0.30 457	0.34 473	0.16 340	0.24 381	0.23 430	0.14 360	0.18 406	0.15 380	0.09 402	0.06 343	0.08 320	0.07 310	0.09 425	0.09 427

iinet-f	0.17 438	0.07 152	0.46 561	0.14 42	0.10 377	0.21 464	0.14 186	0.27 402	0.23 352	0.22 451	0.25 407	0.21 395	0.16 401	0.18 406	0.22 480	0.09 402	0.07 414	0.07 233	0.06 213	0.09 425	0.10 456

CASS	0.14 349	0.12 456	0.12 217	0.23 519	0.09 264	0.15 345	0.17 355	0.19 252	0.20 304	0.17 351	0.18 306	0.15 309	0.15 380	0.15 322	0.14 346	0.09 402	0.06 343	0.10 453	0.08 383	0.09 425	0.07 313
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ToySt	0.17 438	0.11 437	0.19 454	0.17 242	0.11 432	0.16 372	0.26 547	0.24 354	0.33 462	0.19 398	0.24 381	0.26 462	0.24 499	0.19 431	0.21 467	0.07 275	0.08 446	0.09 406	0.10 467	0.09 425	0.08 382

AASNet	0.16 416	0.08 274	0.13 252	0.19 386	0.09 264	0.19 434	0.15 266	0.38 545	0.37 498	0.20 420	0.24 381	0.20 386	0.17 425	0.17 389	0.21 467	0.10 443	0.08 446	0.08 320	0.07 310	0.09 425	0.09 427

ADLNet2	0.16 416	0.09 346	0.14 298	0.17 242	0.09 264	0.20 453	0.16 326	0.32 478	0.39 509	0.17 351	0.20 330	0.20 386	0.19 457	0.21 467	0.23 491	0.08 345	0.07 414	0.07 233	0.07 310	0.09 425	0.07 313

GEStereo_RVC	0.17 438	0.12 456	0.16 375	0.22 498	0.11 432	0.19 434	0.18 404	0.32 478	0.49 548	0.20 420	0.25 407	0.17 346	0.13 327	0.21 467	0.16 399	0.10 443	0.06 343	0.08 320	0.07 310	0.09 425	0.08 382

TestStereo	0.14 349	0.15 505	0.11 176	0.23 519	0.08 150	0.15 345	0.21 486	0.20 269	0.23 352	0.14 287	0.25 407	0.16 329	0.13 327	0.16 350	0.14 346	0.06 120	0.06 343	0.08 320	0.06 213	0.09 425	0.05 136

HCRNet	0.16 416	0.23 561	0.12 217	0.35 581	0.11 432	0.15 345	0.17 355	0.26 388	0.22 342	0.19 398	0.24 381	0.21 395	0.14 360	0.15 322	0.13 311	0.11 475	0.07 414	0.11 483	0.10 467	0.09 425	0.07 313

Syn2CoEx	0.22 497	0.16 516	0.29 519	0.29 570	0.15 524	0.26 521	0.21 486	0.34 507	0.32 457	0.29 526	0.36 509	0.28 479	0.25 507	0.20 449	0.25 511	0.16 560	0.12 530	0.14 531	0.11 497	0.09 425	0.08 382

GwcNet	0.20 475	0.14 498	0.20 459	0.18 324	0.12 462	0.25 509	0.20 469	0.36 529	0.45 537	0.20 420	0.33 490	0.33 525	0.21 477	0.22 485	0.25 511	0.11 475	0.09 478	0.09 406	0.09 428	0.09 425	0.10 456

HGLStereo	0.17 438	0.09 346	0.19 454	0.17 242	0.12 462	0.18 412	0.18 404	0.31 473	0.33 462	0.22 451	0.33 490	0.24 439	0.18 439	0.20 449	0.21 467	0.10 443	0.09 478	0.07 233	0.07 310	0.09 425	0.10 456

CFNet-ft	0.14 349	0.07 152	0.15 333	0.12 5	0.09 264	0.17 396	0.18 404	0.22 311	0.24 363	0.17 351	0.26 420	0.24 439	0.14 360	0.16 350	0.15 380	0.11 475	0.06 343	0.08 320	0.09 428	0.09 425	0.08 382

DMCA	0.14 349	0.09 346	0.17 398	0.19 386	0.09 264	0.15 345	0.17 355	0.23 330	0.28 429	0.14 287	0.20 330	0.17 346	0.18 439	0.15 322	0.17 416	0.10 443	0.06 343	0.08 320	0.06 213	0.09 425	0.10 456

FADNet-RVC-Resample	0.17 438	0.12 456	0.32 532	0.22 498	0.12 462	0.19 434	0.14 186	0.25 375	0.24 363	0.24 478	0.27 438	0.20 386	0.15 380	0.17 389	0.16 399	0.07 275	0.08 446	0.12 504	0.10 467	0.09 425	0.11 480

STTStereo	0.18 454	0.13 483	0.28 510	0.20 444	0.11 432	0.16 372	0.21 486	0.29 445	0.23 352	0.22 451	0.30 470	0.29 487	0.18 439	0.20 449	0.20 454	0.12 500	0.11 514	0.11 483	0.14 536	0.09 425	0.08 382

PA-Net	0.24 521	0.18 540	0.34 538	0.28 563	0.22 573	0.22 478	0.39 593	0.29 445	0.39 509	0.22 451	0.33 490	0.25 452	0.26 515	0.21 467	0.25 511	0.10 443	0.23 587	0.15 542	0.22 574	0.09 425	0.13 515
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
CFNet_RVC	0.14 349	0.07 152	0.15 333	0.12 5	0.09 264	0.17 396	0.18 404	0.22 311	0.24 363	0.17 351	0.26 420	0.24 439	0.14 360	0.16 350	0.15 380	0.11 475	0.06 343	0.08 320	0.09 428	0.09 425	0.08 382

CVANet_RVC	0.18 454	0.11 437	0.14 298	0.21 478	0.11 432	0.19 434	0.18 404	0.34 507	0.34 473	0.22 451	0.31 475	0.28 479	0.18 439	0.24 504	0.18 429	0.12 500	0.08 446	0.12 504	0.12 519	0.09 425	0.08 382

AdaStereo	0.15 389	0.11 437	0.16 375	0.19 386	0.09 264	0.21 464	0.11 57	0.33 492	0.28 429	0.21 436	0.23 369	0.21 395	0.13 327	0.19 431	0.15 380	0.13 518	0.05 182	0.10 453	0.07 310	0.09 425	0.07 313
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
iResNetv2_ROB	0.15 389	0.08 274	0.16 375	0.16 165	0.08 150	0.16 372	0.13 129	0.26 388	0.36 492	0.21 436	0.29 464	0.24 439	0.13 327	0.14 304	0.14 346	0.06 120	0.06 343	0.06 129	0.04 40	0.09 425	0.08 382

DRN-Test	0.20 475	0.11 437	0.21 469	0.22 498	0.10 377	0.22 478	0.22 500	0.40 554	0.38 504	0.24 478	0.33 490	0.26 462	0.22 484	0.22 485	0.25 511	0.11 475	0.07 414	0.11 483	0.10 467	0.09 425	0.08 382

StereoDRNet	0.19 466	0.11 437	0.18 431	0.22 498	0.11 432	0.22 478	0.22 500	0.37 538	0.34 473	0.24 478	0.28 449	0.30 497	0.19 457	0.20 449	0.21 467	0.10 443	0.08 446	0.11 483	0.09 428	0.09 425	0.07 313

DISCO	0.20 475	0.09 346	0.22 479	0.17 242	0.10 377	0.25 509	0.18 404	0.28 426	0.45 537	0.23 466	0.32 484	0.34 530	0.26 515	0.29 531	0.29 547	0.08 345	0.06 343	0.07 233	0.07 310	0.09 425	0.10 456

z-mn7	0.25 528	0.15 505	0.47 564	0.19 386	0.13 488	0.28 540	0.25 538	0.35 522	0.64 585	0.27 503	0.57 577	0.29 487	0.24 499	0.32 543	0.27 530	0.08 345	0.08 446	0.08 320	0.08 383	0.10 459	0.10 456

w-ln-seven-2	0.20 475	0.14 498	0.39 549	0.23 519	0.12 462	0.21 464	0.21 486	0.29 445	0.38 504	0.25 491	0.38 519	0.28 479	0.23 490	0.21 467	0.25 511	0.08 345	0.08 446	0.09 406	0.09 428	0.10 459	0.09 427

S2M2_L	0.09 104	0.08 274	0.11 176	0.13 10	0.10 377	0.08 55	0.06 1	0.10 19	0.10 42	0.10 157	0.10 141	0.09 159	0.09 199	0.11 133	0.11 207	0.13 518	0.07 414	0.08 320	0.09 428	0.10 459	0.08 382
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
FACV-RUCA	0.13 319	0.11 437	0.13 252	0.19 386	0.12 462	0.15 345	0.16 326	0.22 311	0.21 319	0.16 340	0.16 262	0.15 309	0.16 401	0.14 304	0.13 311	0.07 275	0.05 182	0.08 320	0.06 213	0.10 459	0.08 382

DCVSM-stereo	0.15 389	0.09 346	0.16 375	0.16 165	0.10 377	0.15 345	0.09 18	0.20 269	0.24 363	0.20 420	0.24 381	0.26 462	0.15 380	0.19 431	0.14 346	0.09 402	0.07 414	0.09 406	0.08 383	0.10 459	0.12 501

rvit_stereo_0075_2	0.17 438	0.12 456	0.25 496	0.23 519	0.16 538	0.13 277	0.10 31	0.30 457	0.27 413	0.20 420	0.28 449	0.22 413	0.15 380	0.18 406	0.13 311	0.16 560	0.10 501	0.17 553	0.10 467	0.10 459	0.10 456

HBP-ISP	0.18 454	0.13 483	0.17 398	0.15 86	0.11 432	0.08 55	0.13 129	0.28 426	0.30 442	0.22 451	0.33 490	0.21 395	0.25 507	0.23 493	0.18 429	0.15 543	0.17 566	0.21 567	0.17 563	0.10 459	0.09 427

Wz-Net-LNSev-Ref	0.18 454	0.09 346	0.30 525	0.15 86	0.11 432	0.23 492	0.20 469	0.27 402	0.40 513	0.26 496	0.43 552	0.25 452	0.15 380	0.21 467	0.20 454	0.07 275	0.05 182	0.06 129	0.05 134	0.10 459	0.09 427

NINENet	0.16 416	0.10 412	0.16 375	0.17 242	0.11 432	0.20 453	0.14 186	0.41 559	0.37 498	0.18 383	0.21 348	0.16 329	0.14 360	0.16 350	0.14 346	0.08 345	0.08 446	0.10 453	0.07 310	0.10 459	0.09 427

AACVNet	0.16 416	0.08 274	0.15 333	0.15 86	0.10 377	0.18 412	0.15 266	0.24 354	0.25 387	0.27 503	0.27 438	0.28 479	0.18 439	0.19 431	0.17 416	0.09 402	0.07 414	0.09 406	0.07 310	0.10 459	0.09 427

LMCR-Stereo	0.15 389	0.08 274	0.14 298	0.21 478	0.09 264	0.18 412	0.19 448	0.28 426	0.19 282	0.24 478	0.24 381	0.23 430	0.17 425	0.20 449	0.17 416	0.07 275	0.06 343	0.08 320	0.06 213	0.10 459	0.09 427

aanetorigin	0.22 497	0.17 526	0.57 575	0.18 324	0.10 377	0.16 372	0.19 448	0.20 269	0.33 462	0.49 582	0.48 562	0.30 497	0.28 531	0.21 467	0.24 503	0.08 345	0.07 414	0.08 320	0.07 310	0.10 459	0.09 427

DMCA-RVC	0.17 438	0.10 412	0.16 375	0.24 531	0.11 432	0.19 434	0.18 404	0.26 388	0.24 363	0.21 436	0.27 438	0.25 452	0.27 522	0.18 406	0.21 467	0.12 500	0.08 446	0.13 518	0.10 467	0.10 459	0.08 382

Nwc_Net	0.23 510	0.17 526	0.22 479	0.25 539	0.15 524	0.25 509	0.27 552	0.38 545	0.39 509	0.22 451	0.41 541	0.30 497	0.29 536	0.28 524	0.25 511	0.11 475	0.10 501	0.17 553	0.20 569	0.10 459	0.11 480

ADCL	0.25 528	0.12 456	0.49 567	0.22 498	0.12 462	0.36 565	0.29 569	0.30 457	0.57 570	0.24 478	0.47 561	0.30 497	0.31 552	0.30 537	0.30 554	0.09 402	0.07 414	0.09 406	0.09 428	0.10 459	0.10 456

ADCP+	0.20 475	0.10 412	0.35 544	0.21 478	0.12 462	0.22 478	0.27 552	0.31 473	0.35 487	0.26 496	0.37 512	0.22 413	0.22 484	0.27 515	0.28 538	0.09 402	0.06 343	0.08 320	0.08 383	0.10 459	0.10 456

GANet	0.22 497	0.13 483	0.21 469	0.25 539	0.14 506	0.23 492	0.22 500	0.42 564	0.27 413	0.31 539	0.43 552	0.37 541	0.29 536	0.23 493	0.23 491	0.10 443	0.12 530	0.10 453	0.09 428	0.10 459	0.08 382

PS-NSSS	0.20 475	0.21 554	0.23 487	0.20 444	0.10 377	0.19 434	0.17 355	0.36 529	0.26 400	0.27 503	0.34 500	0.27 469	0.24 499	0.20 449	0.20 454	0.15 543	0.12 530	0.17 553	0.14 536	0.10 459	0.09 427

MDST_ROB	0.22 497	0.10 412	0.18 431	0.18 324	0.11 432	0.40 575	0.19 448	0.44 574	0.42 522	0.40 565	0.40 530	0.29 487	0.21 477	0.27 515	0.19 444	0.11 475	0.10 501	0.14 531	0.11 497	0.10 459	0.08 382

CBMV_ROB	0.19 466	0.13 483	0.18 431	0.16 165	0.11 432	0.16 372	0.12 85	0.27 402	0.29 436	0.27 503	0.31 475	0.27 469	0.24 499	0.24 504	0.16 399	0.15 543	0.18 568	0.22 571	0.20 569	0.10 459	0.12 501

PSMNet_ROB	0.22 497	0.12 456	0.15 333	0.27 556	0.15 524	0.25 509	0.36 588	0.43 570	0.37 498	0.27 503	0.33 490	0.32 519	0.23 490	0.21 467	0.27 530	0.12 500	0.08 446	0.13 518	0.11 497	0.10 459	0.09 427

CBMV	0.20 475	0.15 505	0.18 431	0.18 324	0.10 377	0.20 453	0.11 57	0.30 457	0.31 451	0.29 526	0.31 475	0.31 512	0.23 490	0.28 524	0.19 444	0.13 518	0.15 557	0.17 553	0.16 556	0.10 459	0.10 456
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MultiAttention	0.30 558	0.08 274	0.15 333	0.19 386	0.13 488	1.56 623	1.33 625	0.36 529	0.36 492	0.20 420	0.21 348	0.24 439	0.11 263	0.39 571	0.18 429	0.06 120	0.05 182	0.08 320	0.08 383	0.11 481	0.09 427

w-ln-seven	0.24 521	0.15 505	0.58 578	0.20 444	0.14 506	0.26 521	0.22 500	0.36 529	0.62 581	0.30 532	0.40 530	0.30 497	0.23 490	0.22 485	0.28 538	0.09 402	0.09 478	0.11 483	0.10 467	0.11 481	0.10 456

DDVS	0.16 416	0.10 412	0.22 479	0.16 165	0.12 462	0.15 345	0.14 186	0.25 375	0.19 282	0.18 383	0.30 470	0.27 469	0.13 327	0.20 449	0.16 399	0.09 402	0.06 343	0.09 406	0.07 310	0.11 481	0.11 480

test_sample7	0.16 416	0.10 412	0.16 375	0.14 42	0.12 462	0.16 372	0.17 355	0.28 426	0.24 363	0.21 436	0.21 348	0.24 439	0.20 469	0.16 350	0.16 399	0.12 500	0.06 343	0.10 453	0.09 428	0.11 481	0.10 456

Wz-Net-SNSev	0.26 540	0.17 526	0.46 561	0.25 539	0.14 506	0.26 521	0.24 522	0.38 545	0.57 570	0.30 532	0.56 573	0.39 552	0.26 515	0.24 504	0.32 564	0.10 443	0.09 478	0.10 453	0.11 497	0.11 481	0.11 480

dad	0.18 454	0.20 549	0.21 469	0.17 242	0.11 432	0.20 453	0.19 448	0.21 287	0.28 429	0.30 532	0.24 381	0.30 497	0.13 327	0.19 431	0.17 416	0.18 566	0.09 478	0.11 483	0.09 428	0.11 481	0.07 313

pcwnet_v2	0.19 466	0.11 437	0.26 505	0.18 324	0.14 506	0.18 412	0.15 266	0.37 538	0.46 544	0.19 398	0.24 381	0.21 395	0.19 457	0.21 467	0.20 454	0.13 518	0.10 501	0.10 453	0.10 467	0.11 481	0.13 515

EDNetEfficient	0.30 558	0.24 564	1.18 612	0.18 324	0.10 377	0.20 453	0.20 469	0.21 287	0.61 578	0.74 600	0.56 573	0.30 497	0.40 574	0.23 493	0.32 564	0.09 402	0.07 414	0.08 320	0.07 310	0.11 481	0.10 456

FAT-Stereo	0.21 489	0.13 483	0.22 479	0.21 478	0.12 462	0.18 412	0.18 404	0.35 522	0.40 513	0.28 516	0.37 512	0.33 525	0.33 557	0.21 467	0.20 454	0.09 402	0.11 514	0.10 453	0.09 428	0.11 481	0.14 531

FADNet_RVC	0.17 438	0.14 498	0.41 554	0.20 444	0.11 432	0.13 277	0.13 129	0.27 402	0.22 342	0.21 436	0.23 369	0.20 386	0.18 439	0.15 322	0.17 416	0.08 345	0.08 446	0.12 504	0.09 428	0.11 481	0.10 456

AF-Net	0.23 510	0.17 526	0.17 398	0.27 556	0.13 488	0.26 521	0.24 522	0.33 492	0.51 556	0.25 491	0.33 490	0.39 552	0.27 522	0.28 524	0.26 524	0.11 475	0.10 501	0.16 550	0.12 519	0.11 481	0.11 480

UCFNet_RVC	0.15 389	0.08 274	0.13 252	0.11 1	0.10 377	0.20 453	0.10 31	0.24 354	0.23 352	0.17 351	0.21 348	0.24 439	0.15 380	0.18 406	0.15 380	0.12 500	0.07 414	0.11 483	0.13 530	0.11 481	0.10 456

DeepPruner_ROB	0.16 416	0.11 437	0.16 375	0.17 242	0.10 377	0.17 396	0.15 266	0.32 478	0.21 319	0.19 398	0.21 348	0.22 413	0.19 457	0.21 467	0.16 399	0.13 518	0.09 478	0.09 406	0.10 467	0.11 481	0.11 480

PWC_ROB	0.21 489	0.16 516	0.27 507	0.18 324	0.11 432	0.22 478	0.13 129	0.33 492	0.49 548	0.30 532	0.40 530	0.32 519	0.25 507	0.31 538	0.23 491	0.10 443	0.07 414	0.11 483	0.08 383	0.11 481	0.10 456

PWCDC_ROB	0.21 489	0.13 483	0.23 487	0.25 539	0.12 462	0.20 453	0.15 266	0.34 507	0.55 566	0.29 526	0.49 563	0.21 395	0.15 380	0.28 524	0.20 454	0.11 475	0.09 478	0.10 453	0.08 383	0.11 481	0.09 427

SGM_RVC	0.24 521	0.12 456	0.16 375	0.15 86	0.09 264	0.34 557	0.19 448	0.35 522	0.32 457	0.44 576	0.38 519	0.53 584	0.36 565	0.36 559	0.26 524	0.13 518	0.13 543	0.13 518	0.13 530	0.11 481	0.11 480
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MeshStereo	0.27 548	0.13 483	0.18 431	0.15 86	0.11 432	0.33 553	0.24 522	0.41 559	0.36 492	0.53 585	0.58 581	0.67 594	0.41 575	0.36 559	0.27 530	0.14 539	0.13 543	0.13 518	0.11 497	0.11 481	0.11 480
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
MSAF-DinoV2	0.23 510	0.11 437	0.25 496	0.17 242	0.10 377	0.28 540	0.17 355	0.38 545	0.56 568	0.21 436	0.27 438	0.47 576	0.28 531	0.36 559	0.40 582	0.09 402	0.06 343	0.07 233	0.09 428	0.12 498	0.11 480

zh-sn7	0.26 540	0.17 526	0.55 572	0.24 531	0.14 506	0.25 509	0.25 538	0.34 507	0.49 548	0.29 526	0.55 571	0.29 487	0.32 554	0.37 564	0.33 567	0.10 443	0.10 501	0.11 483	0.11 497	0.12 498	0.12 501

GMStereo_Zeroshot	0.16 416	0.13 483	0.25 496	0.20 444	0.10 377	0.17 396	0.13 129	0.30 457	0.25 387	0.23 466	0.32 484	0.25 452	0.11 263	0.19 431	0.14 346	0.09 402	0.06 343	0.11 483	0.06 213	0.12 498	0.08 382

Wz-Net-LNSev	0.22 497	0.16 516	0.41 554	0.22 498	0.13 488	0.25 509	0.24 522	0.33 492	0.44 533	0.30 532	0.42 549	0.32 519	0.19 457	0.23 493	0.27 530	0.10 443	0.09 478	0.08 320	0.08 383	0.12 498	0.11 480

Wz-Net-MNSev	0.23 510	0.13 483	0.33 535	0.20 444	0.15 524	0.36 565	0.25 538	0.34 507	0.45 537	0.29 526	0.41 541	0.39 552	0.19 457	0.25 509	0.27 530	0.09 402	0.07 414	0.09 406	0.09 428	0.12 498	0.10 456

SACVNet	0.19 466	0.12 456	0.15 333	0.17 242	0.13 488	0.22 478	0.18 404	0.31 473	0.31 451	0.24 478	0.31 475	0.30 497	0.23 490	0.23 493	0.17 416	0.11 475	0.08 446	0.10 453	0.10 467	0.12 498	0.14 531

APVNet	0.23 510	0.12 456	0.20 459	0.18 324	0.14 506	0.32 551	0.31 577	0.40 554	0.33 462	0.27 503	0.40 530	0.30 497	0.29 536	0.27 515	0.25 511	0.11 475	0.12 530	0.11 483	0.14 536	0.12 498	0.13 515

psmorigin	0.25 528	0.16 516	0.35 544	0.17 242	0.13 488	0.24 500	0.14 186	0.34 507	0.34 473	0.41 569	0.55 571	0.41 561	0.38 569	0.35 555	0.28 538	0.11 475	0.15 557	0.11 483	0.11 497	0.12 498	0.17 563

EDNetEfficientorigin	7.92 628	0.32 583	152.98 650	0.20 444	0.10 377	0.22 478	0.17 355	0.23 330	0.60 576	0.73 598	0.67 586	0.41 561	0.51 590	0.24 504	0.41 584	0.08 345	0.07 414	0.09 406	0.07 310	0.12 498	0.11 480

hitnet-ft	0.18 454	0.10 412	0.17 398	0.14 42	0.09 264	0.27 530	0.20 469	0.25 375	0.26 400	0.24 478	0.32 484	0.32 519	0.23 490	0.24 504	0.21 467	0.12 500	0.07 414	0.10 453	0.08 383	0.12 498	0.11 480

SuperB	0.20 475	0.10 412	0.57 575	0.16 165	0.09 264	0.19 434	0.18 404	0.25 375	0.51 556	0.27 503	0.39 527	0.17 346	0.22 484	0.22 485	0.21 467	0.08 345	0.06 343	0.06 129	0.06 213	0.12 498	0.11 480

edge stereo	0.23 510	0.14 498	0.21 469	0.21 478	0.13 488	0.24 500	0.16 326	0.32 478	0.42 522	0.32 546	0.40 530	0.39 552	0.35 562	0.25 509	0.25 511	0.13 518	0.11 514	0.14 531	0.11 497	0.12 498	0.14 531

DeepPrunerF	0.24 521	0.17 526	0.45 560	0.26 548	0.16 538	0.23 492	0.29 569	0.37 538	0.51 556	0.27 503	0.31 475	0.24 439	0.28 531	0.22 485	0.23 491	0.15 543	0.11 514	0.20 566	0.18 567	0.12 498	0.14 531

SGM-ForestM	0.33 566	0.12 456	0.17 398	0.16 165	0.11 432	0.42 578	0.20 469	0.43 570	0.53 565	0.53 585	0.57 577	1.41 617	0.44 584	0.42 582	0.29 547	0.14 539	0.16 562	0.16 550	0.16 556	0.12 498	0.13 515

FBW_ROB	0.25 528	0.17 526	0.23 487	0.27 556	0.14 506	0.26 521	0.22 500	0.42 564	0.43 531	0.42 571	0.41 541	0.43 565	0.27 522	0.32 543	0.24 503	0.09 402	0.15 557	0.15 542	0.12 519	0.12 498	0.10 456

TCMNet	0.19 466	0.12 456	0.20 459	0.21 478	0.18 560	0.21 464	0.24 522	0.28 426	0.36 492	0.23 466	0.26 420	0.25 452	0.20 469	0.20 449	0.23 491	0.13 518	0.11 514	0.11 483	0.12 519	0.13 513	0.12 501

FADNet-RVC	0.21 489	0.20 549	0.40 552	0.21 478	0.16 538	0.21 464	0.15 266	0.27 402	0.27 413	0.26 496	0.32 484	0.26 462	0.21 477	0.22 485	0.19 444	0.12 500	0.13 543	0.12 504	0.14 536	0.13 513	0.18 567

S-Stereo	0.21 489	0.12 456	0.25 496	0.21 478	0.13 488	0.21 464	0.19 448	0.33 492	0.45 537	0.23 466	0.36 509	0.28 479	0.29 536	0.20 449	0.23 491	0.09 402	0.12 530	0.10 453	0.10 467	0.13 513	0.14 531

MaskLacGwcNet_RVC	0.22 497	0.21 554	0.25 496	0.26 548	0.11 432	0.24 500	0.14 186	0.39 551	0.24 363	0.32 546	0.36 509	0.30 497	0.21 477	0.19 431	0.22 480	0.17 565	0.14 553	0.21 567	0.16 556	0.13 513	0.12 501

RP	0.22 497	0.13 483	0.22 479	0.23 519	0.12 462	0.21 464	0.20 469	0.26 388	0.45 537	0.22 451	0.38 519	0.37 541	0.25 507	0.28 524	0.25 511	0.11 475	0.12 530	0.13 518	0.12 519	0.13 513	0.14 531

NCC-stereo	0.25 528	0.15 505	0.31 528	0.26 548	0.17 550	0.21 464	0.31 577	0.41 559	0.40 513	0.24 478	0.38 519	0.33 525	0.29 536	0.37 564	0.28 538	0.13 518	0.11 514	0.15 542	0.22 574	0.13 513	0.13 515

Abc-Net	0.25 528	0.15 505	0.31 528	0.26 548	0.17 550	0.21 464	0.31 577	0.41 559	0.40 513	0.24 478	0.38 519	0.33 525	0.29 536	0.37 564	0.28 538	0.13 518	0.11 514	0.15 542	0.22 574	0.13 513	0.13 515
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RTSC	0.23 510	0.13 483	0.30 525	0.21 478	0.13 488	0.29 544	0.17 355	0.36 529	0.68 590	0.27 503	0.34 500	0.30 497	0.22 484	0.32 543	0.31 559	0.10 443	0.08 446	0.09 406	0.10 467	0.13 513	0.14 531

ADCMid	0.26 540	0.15 505	0.42 557	0.20 444	0.14 506	0.25 509	0.26 547	0.35 522	0.40 513	0.37 559	0.45 556	0.34 530	0.42 579	0.36 559	0.36 572	0.10 443	0.09 478	0.11 483	0.11 497	0.13 513	0.13 515

DANet	0.21 489	0.16 516	0.29 519	0.25 539	0.13 488	0.23 492	0.19 448	0.28 426	0.27 413	0.28 516	0.32 484	0.35 536	0.32 554	0.31 538	0.24 503	0.11 475	0.09 478	0.11 483	0.10 467	0.13 513	0.11 480
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NCCL2	0.24 521	0.15 505	0.18 431	0.34 579	0.18 560	0.24 500	0.24 522	0.34 507	0.29 436	0.31 539	0.38 519	0.38 547	0.29 536	0.23 493	0.25 511	0.15 543	0.12 530	0.18 562	0.21 571	0.13 513	0.13 515

SANet	0.25 528	0.14 498	0.29 519	0.21 478	0.11 432	0.29 544	0.25 538	0.40 554	0.65 588	0.36 555	0.40 530	0.42 563	0.27 522	0.27 515	0.25 511	0.12 500	0.09 478	0.10 453	0.09 428	0.13 513	0.12 501

NOSS_ROB	0.19 466	0.13 483	0.18 431	0.16 165	0.12 462	0.16 372	0.12 85	0.30 457	0.33 462	0.20 420	0.22 364	0.27 469	0.24 499	0.21 467	0.16 399	0.16 560	0.18 568	0.23 572	0.21 571	0.13 513	0.13 515

XPNet_ROB	0.22 497	0.12 456	0.20 459	0.22 498	0.13 488	0.22 478	0.19 448	0.35 522	0.40 513	0.30 532	0.40 530	0.38 547	0.27 522	0.26 513	0.29 547	0.15 543	0.10 501	0.10 453	0.10 467	0.13 513	0.12 501

LALA_ROB	0.25 528	0.16 516	0.23 487	0.27 556	0.17 550	0.27 530	0.27 552	0.42 564	0.38 504	0.33 550	0.39 527	0.51 580	0.26 515	0.29 531	0.28 538	0.16 560	0.09 478	0.13 518	0.12 519	0.13 513	0.13 515

SGM-Forest	0.20 475	0.14 498	0.18 431	0.20 444	0.13 488	0.21 464	0.22 500	0.33 492	0.31 451	0.24 478	0.29 464	0.28 479	0.20 469	0.23 493	0.18 429	0.15 543	0.16 562	0.15 542	0.14 536	0.13 513	0.12 501
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
ISRNet	0.18 454	0.08 274	0.20 459	0.19 386	0.13 488	0.15 345	0.12 85	0.30 457	0.33 462	0.21 436	0.26 420	0.27 469	0.18 439	0.17 389	0.20 454	0.20 574	0.08 446	0.14 531	0.14 536	0.14 529	0.17 563

coex-ft	3.24 621	0.35 586	57.83 649	0.18 324	0.13 488	0.27 530	0.23 512	0.28 426	0.72 595	1.89 626	0.70 591	0.43 565	0.47 585	0.29 531	0.43 587	0.09 402	0.09 478	0.12 504	0.09 428	0.14 529	0.14 531

WZ-Net	0.29 555	0.17 526	0.82 604	0.23 519	0.16 538	0.35 561	0.29 569	0.40 554	0.59 575	0.24 478	0.57 577	0.37 541	0.25 507	0.34 550	0.37 576	0.09 402	0.08 446	0.09 406	0.10 467	0.14 529	0.16 554

UDG	0.21 489	0.17 526	0.20 459	0.23 519	0.15 524	0.31 549	0.20 469	0.33 492	0.35 487	0.24 478	0.28 449	0.31 512	0.29 536	0.21 467	0.23 491	0.15 543	0.12 530	0.13 518	0.09 428	0.14 529	0.15 545

stereogan	0.22 497	0.11 437	0.21 469	0.20 444	0.12 462	0.32 551	0.19 448	0.36 529	0.45 537	0.23 466	0.39 527	0.35 536	0.27 522	0.33 547	0.23 491	0.10 443	0.12 530	0.10 453	0.10 467	0.14 529	0.14 531

AnyNet_C01	0.37 573	0.26 570	1.41 615	0.22 498	0.17 550	0.51 584	0.28 558	0.36 529	0.40 513	0.39 562	0.75 596	0.46 573	0.39 570	0.46 585	0.50 597	0.13 518	0.13 543	0.13 518	0.14 536	0.14 529	0.16 554

AnyNet_C32	0.26 540	0.16 516	0.39 549	0.20 444	0.17 550	0.26 521	0.31 577	0.32 478	0.45 537	0.31 539	0.50 565	0.30 497	0.34 558	0.41 581	0.36 572	0.12 500	0.12 530	0.12 504	0.14 536	0.14 529	0.15 545

ADCPNet	0.26 540	0.17 526	0.62 583	0.21 478	0.15 524	0.36 565	0.25 538	0.33 492	0.37 498	0.31 539	0.41 541	0.36 538	0.29 536	0.29 531	0.34 570	0.12 500	0.10 501	0.11 483	0.12 519	0.14 529	0.13 515

RYNet	0.23 510	0.12 456	0.22 479	0.19 386	0.17 550	0.47 581	0.26 547	0.39 551	0.49 548	0.24 478	0.29 464	0.34 530	0.24 499	0.20 449	0.31 559	0.10 443	0.06 343	0.09 406	0.09 428	0.14 529	0.15 545

CSAN	0.30 558	0.24 564	0.28 510	0.34 579	0.19 564	0.34 557	0.42 596	0.38 545	0.51 556	0.38 561	0.40 530	0.44 568	0.34 558	0.29 531	0.31 559	0.19 569	0.16 562	0.19 564	0.19 568	0.14 529	0.15 545

ETE_ROB	0.23 510	0.17 526	0.23 487	0.25 539	0.14 506	0.26 521	0.29 569	0.32 478	0.37 498	0.28 516	0.37 512	0.45 569	0.27 522	0.28 524	0.27 530	0.11 475	0.09 478	0.12 504	0.10 467	0.14 529	0.13 515

WCMA_ROB	0.24 521	0.11 437	0.24 493	0.17 242	0.14 506	0.34 557	0.16 326	0.33 492	0.33 462	0.39 562	0.54 570	0.40 558	0.35 562	0.35 555	0.26 524	0.12 500	0.12 530	0.12 504	0.11 497	0.14 529	0.14 531

DStereoSA	0.26 540	0.19 544	0.39 549	0.27 556	0.17 550	0.23 492	0.21 486	0.50 583	0.60 576	0.22 451	0.30 470	0.29 487	0.34 558	0.40 575	0.29 547	0.12 500	0.11 514	0.16 550	0.14 536	0.15 541	0.12 501

DualNet (step1)	0.17 438	0.12 456	0.21 469	0.13 10	0.14 506	0.18 412	0.14 186	0.28 426	0.24 363	0.21 436	0.21 348	0.24 439	0.20 469	0.16 350	0.16 399	0.15 543	0.06 343	0.14 531	0.14 536	0.15 541	0.13 515

test_sample9	0.18 454	0.12 456	0.21 469	0.13 10	0.14 506	0.18 412	0.14 186	0.28 426	0.24 363	0.21 436	0.21 348	0.24 439	0.20 469	0.19 431	0.18 429	0.15 543	0.30 593	0.14 531	0.14 536	0.15 541	0.13 515

test_sample8	0.20 475	0.12 456	0.21 469	0.13 10	0.14 506	0.18 412	0.14 186	0.32 478	0.21 319	0.28 516	0.22 364	0.36 538	0.26 515	0.19 431	0.18 429	0.15 543	0.30 593	0.14 531	0.14 536	0.15 541	0.13 515

Wz-Net-TNSev	0.29 555	0.20 549	0.69 594	0.19 386	0.15 524	0.38 571	0.27 552	0.36 529	0.56 568	0.35 552	0.42 549	0.45 569	0.39 570	0.33 547	0.31 559	0.13 518	0.13 543	0.10 453	0.12 519	0.15 541	0.15 545

sAnonymous2	0.13 319	0.12 456	0.25 496	0.20 444	0.12 462	0.18 412	0.14 186	0.27 402	0.21 319	0.11 197	0.12 203	0.13 265	0.08 169	0.11 133	0.11 207	0.09 402	0.05 182	0.08 320	0.06 213	0.15 541	0.10 456

CroCo_RVC	0.13 319	0.12 456	0.25 496	0.20 444	0.12 462	0.18 412	0.14 186	0.27 402	0.21 319	0.11 197	0.12 203	0.13 265	0.08 169	0.11 133	0.11 207	0.09 402	0.05 182	0.08 320	0.06 213	0.15 541	0.10 456

FINET	0.22 497	0.18 540	0.28 510	0.19 386	0.16 538	0.24 500	0.24 522	0.33 492	0.49 548	0.26 496	0.33 490	0.22 413	0.23 490	0.23 493	0.18 429	0.18 566	0.16 562	0.11 483	0.10 467	0.15 541	0.14 531

RGC	0.25 528	0.20 549	0.29 519	0.28 563	0.16 538	0.22 478	0.23 512	0.33 492	0.44 533	0.27 503	0.40 530	0.38 547	0.28 531	0.37 564	0.23 491	0.11 475	0.13 543	0.17 553	0.17 563	0.15 541	0.16 554

RTS	0.46 585	0.19 544	3.33 621	0.25 539	0.15 524	0.72 600	0.21 486	0.37 538	0.78 602	0.42 571	0.44 554	0.31 512	0.43 582	0.55 595	0.37 576	0.10 443	0.09 478	0.13 518	0.13 530	0.15 541	0.15 545

RTSA	0.46 585	0.19 544	3.33 621	0.25 539	0.15 524	0.72 600	0.21 486	0.37 538	0.78 602	0.42 571	0.44 554	0.31 512	0.43 582	0.55 595	0.37 576	0.10 443	0.09 478	0.13 518	0.13 530	0.15 541	0.15 545

NVstereo2D	0.19 466	0.11 437	0.16 375	0.17 242	0.16 538	0.28 540	0.23 512	0.44 574	0.42 522	0.15 311	0.28 449	0.25 452	0.19 457	0.23 493	0.18 429	0.09 402	0.06 343	0.10 453	0.08 383	0.15 541	0.10 456

GASNet	0.22 497	0.24 564	0.34 538	0.26 548	0.17 550	0.27 530	0.16 326	0.45 576	0.42 522	0.27 503	0.24 381	0.30 497	0.16 401	0.27 515	0.18 429	0.12 500	0.09 478	0.12 504	0.11 497	0.16 553	0.08 382

Anonymous_2	0.22 497	0.17 526	0.28 510	0.15 86	0.16 538	0.33 553	0.22 500	0.23 330	0.18 256	0.23 466	0.24 381	0.26 462	0.27 522	0.27 515	0.24 503	0.22 581	0.26 589	0.17 553	0.17 563	0.16 553	0.18 567

DDUNet	0.23 510	0.18 540	0.22 479	0.22 498	0.15 524	0.25 509	0.24 522	0.30 457	0.31 451	0.31 539	0.37 512	0.34 530	0.26 515	0.25 509	0.21 467	0.18 566	0.13 543	0.17 553	0.11 497	0.16 553	0.17 563

MFN_U_SF_RVC	0.33 566	0.22 558	0.58 578	0.31 575	0.15 524	0.36 565	0.17 355	0.54 592	0.46 544	0.47 581	0.56 573	0.58 587	0.39 570	0.36 559	0.38 579	0.15 543	0.15 557	0.18 562	0.21 571	0.16 553	0.16 554

G-Net	0.25 528	0.17 526	0.38 548	0.23 519	0.16 538	0.51 584	0.23 512	0.29 445	0.35 487	0.36 555	0.38 519	0.31 512	0.29 536	0.28 524	0.27 530	0.11 475	0.09 478	0.12 504	0.10 467	0.16 553	0.14 531

SHD	0.26 540	0.15 505	0.31 528	0.24 531	0.18 560	0.23 492	0.15 266	0.39 551	0.72 595	0.32 546	0.42 549	0.36 538	0.29 536	0.33 547	0.30 554	0.13 518	0.11 514	0.14 531	0.13 530	0.16 553	0.20 575

ADCS	0.30 558	0.19 544	0.48 566	0.21 478	0.18 560	0.29 544	0.24 522	0.42 564	0.64 585	0.40 565	0.50 565	0.40 558	0.37 567	0.40 575	0.43 587	0.13 518	0.13 543	0.13 518	0.14 536	0.16 553	0.16 554

DStereoFS	0.27 548	0.22 558	0.32 532	0.23 519	0.15 524	0.23 492	0.21 486	0.52 588	0.49 548	0.28 516	0.45 556	0.34 530	0.36 565	0.53 592	0.29 547	0.13 518	0.11 514	0.15 542	0.13 530	0.17 560	0.17 563

DStereoO	0.25 528	0.18 540	0.19 454	0.20 444	0.15 524	0.22 478	0.19 448	0.33 492	0.42 522	0.30 532	0.22 364	0.33 525	0.28 531	0.42 582	0.28 538	0.47 601	0.12 530	0.31 589	0.11 497	0.17 560	0.12 501

FADNet	0.21 489	0.23 561	0.37 547	0.18 324	0.17 550	0.25 509	0.13 129	0.32 478	0.32 457	0.23 466	0.25 407	0.27 469	0.21 477	0.19 431	0.16 399	0.13 518	0.15 557	0.12 504	0.15 552	0.17 560	0.18 567

PDISCO_ROB	0.28 551	0.16 516	0.28 510	0.28 563	0.20 567	0.33 553	0.27 552	0.45 576	0.58 573	0.28 516	0.41 541	0.45 569	0.30 547	0.34 550	0.35 571	0.12 500	0.09 478	0.17 553	0.16 556	0.17 560	0.13 515

MFN_U_SF_DS_RVC	0.30 558	0.24 564	0.30 525	0.36 583	0.16 538	0.36 565	0.31 577	0.34 507	0.43 531	0.41 569	0.46 559	0.38 547	0.30 547	0.35 555	0.29 547	0.19 569	0.20 574	0.26 575	0.29 588	0.18 564	0.19 572

XQC	0.29 555	0.23 561	0.53 569	0.29 570	0.19 564	0.36 565	0.28 558	0.37 538	0.58 573	0.31 539	0.31 475	0.37 541	0.30 547	0.39 571	0.39 580	0.13 518	0.09 478	0.15 542	0.12 519	0.18 564	0.18 567

LSM	0.34 572	0.21 554	0.62 583	0.27 556	0.62 609	0.35 561	0.26 547	0.43 570	0.49 548	0.45 578	0.60 584	0.42 563	0.37 567	0.35 555	0.26 524	0.13 518	0.21 584	0.14 531	0.16 556	0.18 564	0.34 595

CC-Net-ROB	0.28 551	0.31 582	0.36 546	0.30 573	0.15 524	0.25 509	0.19 448	0.45 576	0.34 473	0.39 562	0.37 512	0.39 552	0.31 552	0.27 515	0.27 530	0.24 588	0.18 568	0.30 588	0.23 578	0.19 567	0.15 545

GANetREF_RVC	0.31 564	0.34 585	0.29 519	0.35 581	0.16 538	0.33 553	0.42 596	0.48 581	0.52 562	0.35 552	0.35 504	0.34 530	0.32 554	0.40 575	0.33 567	0.27 590	0.20 574	0.29 586	0.15 552	0.19 567	0.18 567
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
DPSNet	0.28 551	0.16 516	0.33 535	0.18 324	0.13 488	0.55 587	0.42 596	0.52 588	0.68 590	0.29 526	0.38 519	0.39 552	0.30 547	0.32 543	0.23 491	0.11 475	0.10 501	0.11 483	0.08 383	0.20 569	0.16 554

PSMNet-RUCA	0.28 551	0.33 584	0.42 557	0.36 583	0.32 590	0.18 412	0.20 469	0.42 564	0.30 442	0.33 550	0.41 541	0.40 558	0.24 499	0.31 538	0.20 454	0.19 569	0.11 514	0.25 574	0.15 552	0.22 570	0.16 554

SQANet	0.24 521	0.24 564	0.31 528	0.31 575	0.19 564	0.27 530	0.13 129	0.30 457	0.33 462	0.25 491	0.37 512	0.31 512	0.22 484	0.27 515	0.23 491	0.15 543	0.10 501	0.21 567	0.16 556	0.22 570	0.16 554

BEATNet-Init1	0.54 592	0.28 573	0.68 593	0.31 575	0.21 570	0.85 608	0.31 577	0.57 594	0.69 593	0.89 607	1.00 609	2.17 624	0.66 602	0.58 599	0.44 590	0.19 569	0.18 568	0.23 572	0.22 574	0.22 570	0.21 576

DGSMNet	0.25 528	0.19 544	0.34 538	0.21 478	0.24 578	0.24 500	0.21 486	0.36 529	0.42 522	0.25 491	0.32 484	0.38 547	0.21 477	0.29 531	0.24 503	0.13 518	0.11 514	0.14 531	0.16 556	0.23 573	0.23 580

ccnet	0.30 558	0.28 573	0.24 493	0.20 444	0.28 585	0.41 577	0.22 500	0.46 579	0.33 462	0.37 559	0.46 559	0.37 541	0.30 547	0.40 575	0.43 587	0.23 586	0.14 553	0.21 567	0.17 563	0.23 573	0.19 572

SAMSARA	0.41 578	0.28 573	0.34 538	0.55 597	0.39 592	0.85 608	1.25 624	0.49 582	0.52 562	0.36 555	0.35 504	0.56 586	0.39 570	0.39 571	0.41 584	0.15 543	0.20 574	0.15 542	0.14 536	0.23 573	0.21 576

PASM	0.33 566	0.25 569	0.51 568	0.28 563	0.27 584	0.30 547	0.31 577	0.35 522	0.51 556	0.36 555	0.40 530	0.47 576	0.35 562	0.34 550	0.36 572	0.23 586	0.26 589	0.26 575	0.28 587	0.23 573	0.21 576

DispFullNet	0.27 548	0.22 558	0.66 586	0.28 563	0.17 550	0.27 530	0.17 355	0.34 507	0.57 570	0.27 503	0.37 512	0.43 565	0.24 499	0.39 571	0.25 511	0.12 500	0.06 343	0.19 564	0.11 497	0.23 573	0.16 554

MSMD_ROB	0.31 564	0.26 570	0.26 505	0.24 531	0.21 570	0.34 557	0.25 538	0.34 507	0.39 509	0.40 565	0.69 590	0.45 569	0.41 575	0.34 550	0.28 538	0.20 574	0.20 574	0.26 575	0.25 580	0.23 573	0.22 579

MSC_U_SF_DS_RVC	0.44 582	0.39 589	0.56 573	0.40 586	0.20 567	0.66 595	0.33 586	0.54 592	0.72 595	0.71 596	0.72 593	0.62 589	0.55 592	0.52 590	0.47 594	0.20 574	0.19 573	0.29 586	0.30 590	0.24 579	0.19 572

PVD	0.40 577	0.21 554	0.40 552	0.32 578	0.23 574	0.30 547	0.45 600	0.53 591	0.97 609	0.55 588	0.80 600	0.54 585	0.60 599	0.53 592	0.40 582	0.19 569	0.14 553	0.17 553	0.14 536	0.24 579	0.32 593

FSD					0.23 574	0.25 509	0.25 538	0.27 402	0.26 400	0.25 491	0.26 420	0.26 462	0.26 515	0.27 515	0.24 503	0.21 577	0.20 574	0.27 578	0.26 581	0.25 581

FC-DCNN v2	0.33 566	0.28 573	0.28 510	0.26 548	0.23 574	0.39 573	0.29 569	0.41 559	0.44 533	0.46 579	0.57 577	0.51 580	0.41 575	0.38 569	0.30 554	0.21 577	0.20 574	0.27 578	0.26 581	0.25 581	0.24 581

FCDSN-DC	0.33 566	0.28 573	0.28 510	0.30 573	0.24 578	0.39 573	0.28 558	0.43 570	0.42 522	0.44 576	0.53 569	0.51 580	0.42 579	0.37 564	0.30 554	0.21 577	0.20 574	0.27 578	0.26 581	0.25 581	0.25 583
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 566	0.28 573	0.28 510	0.26 548	0.23 574	0.38 571	0.29 569	0.40 554	0.44 533	0.46 579	0.56 573	0.51 580	0.41 575	0.38 569	0.31 559	0.21 577	0.20 574	0.27 578	0.26 581	0.25 581	0.24 581

MANE	0.47 587	0.28 573	0.28 510	0.27 556	0.24 578	0.50 582	0.32 585	0.57 594	0.62 581	0.74 600	1.20 619	1.21 610	0.64 601	0.54 594	0.39 580	0.22 581	0.20 574	0.27 578	0.31 591	0.26 585	0.25 583

ELAS	0.42 580	0.29 580	0.34 538	0.28 563	0.24 578	0.63 592	0.37 589	0.52 588	0.52 562	0.72 597	0.82 601	0.68 596	0.56 594	0.52 590	0.45 593	0.22 581	0.21 584	0.27 578	0.26 581	0.26 585	0.26 586
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS_RVC	0.42 580	0.29 580	0.33 535	0.28 563	0.24 578	0.56 588	0.38 591	0.50 583	0.61 578	0.74 600	0.76 597	0.67 594	0.56 594	0.55 595	0.42 586	0.22 581	0.21 584	0.27 578	0.26 581	0.27 587	0.26 586
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
JetBlue	0.73 602	0.46 593	1.21 613	0.52 596	0.47 598	2.16 624	0.67 612	0.78 604	0.72 595	0.70 595	0.79 599	1.21 610	0.84 610	1.06 621	1.04 621	0.40 596	0.28 591	0.33 590	0.33 593	0.30 588	0.34 595

otaku	0.39 575	0.38 588	0.53 569	0.44 590	0.28 585	0.57 589	0.24 522	0.42 564	0.62 581	0.40 565	0.50 565	0.46 573	0.34 558	0.40 575	0.33 567	0.30 591	0.30 593	0.39 593	0.33 593	0.30 588	0.29 589

NVStereoNet_ROB	0.47 587	0.37 587	0.47 564	0.42 589	0.29 588	0.35 561	0.35 587	0.50 583	0.61 578	0.73 598	0.94 606	0.70 598	0.68 603	0.48 586	0.62 605	0.22 581	0.33 597	0.34 591	0.34 595	0.30 588	0.31 592
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ACVNet-4b	0.39 575	0.53 595	0.56 573	0.45 591	0.24 578	0.46 580	0.18 404	0.50 583	0.64 585	0.42 571	0.45 556	0.60 588	0.27 522	0.34 550	0.24 503	0.33 593	0.14 553	0.48 596	0.42 598	0.31 591	0.27 588

ACVNet_1	0.45 584	0.51 594	0.61 581	0.45 591	0.28 585	0.50 582	0.28 558	0.58 599	0.71 594	0.63 591	0.59 583	0.74 599	0.50 588	0.50 587	0.36 572	0.26 589	0.25 588	0.39 593	0.29 588	0.32 592	0.25 583

Ntro	0.41 578	0.40 590	0.54 571	0.46 594	0.30 589	0.64 593	0.24 522	0.47 580	0.68 590	0.42 571	0.49 563	0.47 576	0.42 579	0.40 575	0.32 564	0.32 592	0.28 591	0.37 592	0.31 591	0.33 593	0.29 589

MonStereo1	0.49 589	0.27 572	0.61 581	0.29 570	0.20 567	0.40 575	0.19 448	0.51 587	0.66 589	0.53 585	0.91 605	1.02 604	0.59 598	0.51 589	0.58 602	0.53 605	0.32 596	0.55 602	0.40 596	0.36 594	0.38 598

MADNet+	0.76 603	0.72 605	3.76 624	0.67 600	0.41 594	0.99 614	0.97 622	0.72 603	0.75 600	0.52 584	0.58 581	0.64 592	0.68 603	0.89 615	1.04 621	0.35 594	0.36 598	0.28 585	0.23 578	0.38 595	0.33 594

Consistency-Raft	0.44 582	0.40 590	0.46 561	0.37 585	0.43 596	0.42 578	0.41 594	0.57 594	0.55 566	0.32 546	0.73 594	0.32 519	0.50 588	0.42 582	0.49 596	0.39 595	0.36 598	0.45 595	0.52 607	0.42 596	0.30 591

ACVNet_2	0.67 599	0.68 604	0.70 597	0.64 599	0.41 594	0.75 603	0.50 601	0.98 614	1.38 619	0.90 608	1.09 613	1.04 605	0.74 606	0.55 595	0.48 595	0.43 597	0.40 600	0.53 600	0.45 599	0.48 597	0.36 597

anonymity	0.53 591	0.58 596	0.66 586	0.41 587	0.61 608	0.54 586	0.41 594	0.57 594	0.41 520	0.56 589	0.50 565	0.50 579	0.55 592	0.59 600	0.50 597	0.58 608	0.50 611	0.51 598	0.51 605	0.52 598	0.58 606

SGM+DAISY	0.57 594	0.58 596	0.67 590	0.41 587	0.55 602	0.68 597	0.51 602	0.57 594	0.46 544	0.67 592	0.70 591	0.69 597	0.57 596	0.64 602	0.58 602	0.59 609	0.49 608	0.50 597	0.50 604	0.52 598	0.59 609

RainbowNet	0.54 592	0.61 599	0.71 599	0.57 598	0.43 596	0.66 595	0.37 589	0.60 600	0.87 606	0.51 583	0.67 586	0.63 590	0.47 585	0.50 587	0.44 590	0.47 601	0.48 607	0.53 600	0.41 597	0.53 600	0.41 601

IMH-64-1	0.66 597	0.62 600	0.69 594	0.72 601	0.51 599	0.60 590	0.51 602	0.92 608	0.84 604	0.75 603	1.02 610	0.81 600	0.78 608	0.80 606	0.50 597	0.43 597	0.46 602	0.72 605	0.48 600	0.55 601	0.40 599

IMH-64	0.66 597	0.62 600	0.69 594	0.72 601	0.51 599	0.60 590	0.51 602	0.92 608	0.84 604	0.75 603	1.02 610	0.81 600	0.78 608	0.80 606	0.50 597	0.43 597	0.46 602	0.72 605	0.48 600	0.55 601	0.40 599

SPS-STEREO	0.58 595	0.59 598	0.66 586	0.45 591	0.55 602	0.65 594	0.44 599	0.63 601	0.51 556	0.69 594	0.65 585	0.66 593	0.58 597	0.62 601	0.62 605	0.62 611	0.47 606	0.51 598	0.49 602	0.55 601	0.58 606
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
IMH	0.72 600	0.65 602	0.70 597	0.77 603	0.54 601	0.71 599	0.56 605	0.99 616	1.08 610	0.82 606	1.09 613	0.89 602	0.88 612	0.88 614	0.53 601	0.44 600	0.50 611	0.75 608	0.51 605	0.58 604	0.42 602

GCST	0.37 573	0.42 592	0.27 507	1.03 616	0.39 592	0.18 412	0.08 7	0.21 287	0.18 256	0.28 516	0.25 407	0.15 309	0.12 295	0.16 350	0.14 346	0.64 612	0.43 601	0.75 608	0.65 611	0.64 605	0.46 604

WAO-7	0.80 605	0.78 608	0.57 575	0.85 608	0.67 612	0.76 604	0.69 615	1.07 618	1.30 616	0.90 608	1.20 619	1.05 606	0.93 614	0.71 604	0.68 608	0.60 610	0.62 621	0.67 604	0.68 614	0.64 605	0.59 609

LVE	0.84 608	0.87 612	0.86 607	0.81 606	0.56 604	1.09 619	0.66 611	1.07 618	1.45 621	0.97 612	1.23 621	1.11 608	0.86 611	0.84 609	0.72 612	0.49 603	0.56 617	0.76 610	0.60 610	0.66 607	0.60 612

Dean	0.88 609	0.88 613	0.81 603	0.82 607	0.57 605	0.91 610	0.62 609	1.17 624	1.71 624	1.15 619	1.16 617	1.31 614	1.00 617	0.82 608	0.83 617	0.57 606	0.56 617	0.78 612	0.65 611	0.67 608	0.58 606

TorneroNet-64	0.76 603	0.73 606	0.77 602	0.78 605	0.58 607	0.94 613	0.58 606	0.85 607	1.26 614	0.67 592	0.88 603	1.41 617	0.76 607	0.87 612	0.68 608	0.49 603	0.46 602	0.73 607	0.59 608	0.68 609	0.54 605

MFMNet_re	0.65 596	0.66 603	0.66 586	0.51 595	0.69 613	0.70 598	0.58 606	0.65 602	0.75 600	0.61 590	0.73 594	0.63 590	0.68 603	0.65 603	0.60 604	0.66 613	0.58 620	0.63 603	0.59 608	0.68 609	0.69 616

WAO-6	0.82 606	0.81 609	0.63 585	0.87 610	0.63 610	0.79 605	0.60 608	0.98 614	1.52 623	0.91 610	0.97 608	1.08 607	1.04 618	0.72 605	0.70 611	0.72 614	0.49 608	0.91 616	0.71 615	0.70 611	0.59 609

WAO-8	0.92 610	0.83 610	0.67 590	0.94 613	0.70 614	0.92 611	0.68 613	1.08 620	1.80 626	1.06 616	1.42 623	1.29 612	1.08 620	0.86 610	0.80 614	0.74 616	0.54 614	0.86 614	0.75 616	0.71 612	0.63 613

Venus	0.92 610	0.83 610	0.67 590	0.94 613	0.70 614	0.92 611	0.68 613	1.08 620	1.80 626	1.06 616	1.42 623	1.29 612	1.08 620	0.86 610	0.80 614	0.74 616	0.54 614	0.86 614	0.75 616	0.71 612	0.63 613

PWCK	0.72 600	0.95 614	0.99 610	0.77 603	0.32 590	0.79 605	0.38 591	0.92 608	0.90 607	0.96 611	0.76 597	0.97 603	0.62 600	0.87 612	0.68 608	0.73 615	0.46 602	0.76 610	0.49 602	0.71 612	0.44 603

TorneroNet	0.83 607	0.75 607	0.83 606	0.85 608	0.63 610	1.03 617	0.65 610	0.96 612	1.14 612	0.80 605	1.10 615	1.36 615	0.88 612	0.95 617	0.82 616	0.57 606	0.49 608	0.79 613	0.66 613	0.74 615	0.64 615

UNDER WATER-64	0.97 612	0.96 615	1.48 617	0.88 611	0.57 605	1.24 622	0.90 620	0.78 604	0.96 608	1.05 614	0.85 602	1.56 622	1.26 624	0.97 619	0.99 619	0.88 620	0.57 619	1.04 620	0.88 620	0.81 616	0.75 617

UNDER WATER	0.99 614	1.00 616	1.47 616	1.00 615	0.71 616	1.18 621	0.86 618	0.81 606	1.09 611	1.02 613	0.90 604	1.53 621	1.26 624	1.06 621	1.02 620	0.79 618	0.54 614	1.02 618	0.88 620	0.83 617	0.75 617

DPSimNet_ROB	1.14 617	1.25 620	0.87 608	1.15 619	0.90 620	1.15 620	1.18 623	1.20 625	1.26 614	1.45 623	1.05 612	1.44 620	1.13 622	0.92 616	1.70 624	1.47 626	0.52 613	1.22 623	1.04 625	0.92 618	1.03 623

notaker	0.98 613	1.13 617	1.02 611	1.14 618	0.81 617	0.73 602	0.69 615	0.94 611	1.15 613	1.19 621	1.19 618	1.41 617	1.17 623	1.10 623	0.74 613	0.82 619	0.64 622	1.18 621	0.79 618	1.02 619	0.82 620

KSHMR	1.10 616	1.19 618	0.90 609	1.26 621	1.00 621	0.99 614	0.96 621	1.13 623	1.35 617	1.16 620	1.28 622	1.40 616	0.97 616	1.03 620	0.93 618	1.03 623	1.08 625	1.20 622	1.03 624	1.03 620	0.98 622

ktn	1.02 615	1.23 619	0.82 604	1.24 620	0.86 619	1.00 616	0.86 618	0.96 612	1.37 618	1.05 614	1.12 616	1.16 609	1.06 619	0.95 617	0.62 605	1.28 625	0.71 623	1.39 625	0.83 619	1.06 621	0.77 619

HanzoNet	1.31 618	1.29 621	1.22 614	1.13 617	0.85 618	1.05 618	0.84 617	1.06 617	1.47 622	1.66 624	1.63 625	2.48 626	1.78 626	1.63 625	1.69 623	1.27 624	0.80 624	1.32 624	1.02 623	1.07 622	0.90 621

JetRed	1.66 619	1.51 622	3.09 620	0.93 612	1.21 622	5.28 627	1.61 627	1.29 626	1.42 620	1.84 625	1.77 626	1.59 623	0.95 615	1.43 624	2.51 628	0.91 622	1.61 626	0.93 617	0.91 622	1.36 623	1.03 623

MADNet++	1.97 620	1.75 623	1.66 618	1.83 622	1.69 624	2.38 625	1.45 626	2.36 627	2.11 628	2.58 627	2.37 628	2.25 625	2.21 627	2.28 626	2.36 627	1.87 627	1.67 627	1.53 626	1.34 626	1.87 624	1.78 626

USTest	6.16 624	2.65 626	2.79 619	6.48 630	7.21 630	14.33 634	21.38 634	6.98 635	9.55 634	5.35 631	6.12 629	5.71 630	7.69 631	6.31 632	6.75 631	1.97 628	3.38 633	1.63 627	2.14 630	2.49 625	2.35 627

tt	4.65 623	0.07 152	3.54 623	2.01 623	1.55 623	10.25 631	16.66 632	8.90 636	5.03 629	1.33 622	0.96 607	4.71 627	4.74 628	3.33 627	5.86 630	6.06 635	10.30 639	1.87 629	2.09 629	2.61 626	1.19 625

xxxxx1	7.75 625	5.06 631	7.26 627	3.15 624	3.91 626	16.37 635	22.88 637	5.87 632	8.68 631	7.99 632	8.55 630	9.13 634	8.46 632	10.05 634	10.47 632	2.43 629	2.48 629	3.56 632	12.26 636	3.48 627	3.02 629

tt_ll	7.75 625	5.06 631	7.26 627	3.15 624	3.91 626	16.37 635	22.88 637	5.87 632	8.68 631	7.99 632	8.55 630	9.13 634	8.46 632	10.05 634	10.47 632	2.43 629	2.48 629	3.56 632	12.26 636	3.48 627	3.02 629

ff	7.75 625	5.06 631	7.26 627	3.15 624	3.91 626	16.37 635	22.88 637	5.87 632	8.68 631	7.99 632	8.55 630	9.13 634	8.46 632	10.05 634	10.47 632	2.43 629	2.48 629	3.56 632	12.26 636	3.48 627	3.02 629

DGTPSM_ROB	8.06 629	4.50 627	8.69 634	5.34 627	10.73 632	8.32 629	22.71 635	5.47 630	13.38 636	5.13 629	9.98 633	5.10 628	10.47 635	5.53 630	12.77 636	3.79 632	8.00 634	3.49 630	6.95 633	3.74 630	7.09 634

DPSMNet_ROB	8.06 629	4.50 627	8.69 634	5.36 629	10.74 633	8.32 629	22.71 635	5.47 630	13.38 636	5.13 629	9.98 633	5.10 628	10.47 635	5.53 630	12.77 636	3.80 633	8.00 634	3.49 630	6.95 633	3.75 631	7.09 634

TCMNet-wrong-test	3.69 622	5.54 634	3.91 625	12.22 634	11.75 636	4.77 626	3.86 628	1.08 620	0.74 599	1.13 618	2.21 627	6.16 631	0.53 591	3.43 628	2.33 626	0.90 621	0.20 574	1.85 628	1.69 627	5.71 632	3.79 632

DPSM_ROB	11.10 636	8.47 636	7.95 631	10.84 632	11.58 634	19.10 640	26.50 643	12.02 640	14.09 639	10.38 636	10.91 636	10.39 638	11.92 638	11.67 638	13.39 638	6.99 637	8.79 637	5.82 636	6.92 631	6.97 633	7.31 636

DPSM	11.10 636	8.47 636	7.95 631	10.84 632	11.58 634	19.10 640	26.50 643	12.02 640	14.09 639	10.38 636	10.91 636	10.39 638	11.92 638	11.67 638	13.39 638	6.99 637	8.79 637	5.82 636	6.92 631	6.97 633	7.31 636

PML	8.57 631	9.39 638	6.24 626	5.34 627	6.36 629	13.21 633	20.99 633	5.35 629	6.68 630	17.75 640	26.46 651	7.58 632	6.08 630	7.89 633	5.76 629	5.33 634	1.83 628	5.95 638	1.93 628	8.75 635	2.53 628

Anonymous_1	10.87 635	7.82 635	7.41 630	10.29 631	10.08 631	18.64 639	26.11 640	11.02 639	13.45 638	9.43 635	10.10 635	9.73 637	11.31 637	10.69 637	12.47 635	6.42 636	8.38 636	5.70 635	10.22 635	11.41 636	6.65 633

FlowAnything	22.34 645	17.13 643	15.98 639	22.00 644	23.23 643	38.39 650	53.32 646	24.19 648	28.48 649	21.00 650	21.93 648	20.83 642	23.97 644	23.44 649	26.83 645	14.04 639	17.80 647	11.63 639	14.08 645	14.00 637	14.65 638

Hybrid-DGEV	22.38 646	17.26 646	16.15 641	21.92 640	23.29 645	38.36 647	53.40 648	24.38 651	28.67 651	20.64 644	21.89 647	21.01 644	24.05 647	23.35 646	27.12 650	14.08 644	17.70 645	11.71 644	13.99 644	14.01 638	14.70 640

CasAABBNet	22.33 642	17.11 640	15.84 638	21.94 641	23.28 644	38.30 644	53.40 648	24.05 647	28.44 648	20.66 645	21.86 646	21.03 647	24.04 646	23.35 646	27.03 647	14.06 640	17.69 642	11.70 640	13.94 640	14.04 639	14.76 641

RAFT-FEzeroshot	22.33 642	17.12 641	15.83 636	21.95 642	23.32 646	38.31 645	53.41 650	23.99 645	28.43 646	20.66 645	21.84 644	21.02 645	24.05 647	23.33 644	27.09 648	14.06 640	17.69 642	11.70 640	13.95 641	14.05 640	14.76 641

RAFT-FE	22.33 642	17.12 641	15.83 636	21.95 642	23.32 646	38.31 645	53.41 650	23.99 645	28.43 646	20.66 645	21.84 644	21.02 645	24.05 647	23.33 644	27.09 648	14.06 640	17.69 642	11.70 640	13.95 641	14.05 640	14.76 641

Selective-RAFT-Error	22.39 647	17.14 644	16.01 640	22.00 644	23.34 648	38.37 648	53.36 647	24.24 650	28.53 650	20.80 648	21.94 649	20.94 643	24.02 645	23.48 650	27.33 651	14.07 643	17.70 645	11.70 640	13.93 639	14.05 640	14.83 644

LSM0	22.80 648	17.22 645	19.17 642	22.12 646	28.90 650	38.38 649	53.27 645	24.21 649	28.36 645	20.84 649	21.11 641	21.63 648	24.25 650	23.42 648	26.98 646	14.08 644	17.39 641	11.72 645	13.98 643	14.22 643	14.66 639

LRCNet_RVC	10.76 634	13.97 639	7.97 633	19.07 638	2.04 625	0.35 561	0.31 577	5.29 628	0.48 547	13.02 638	17.65 639	8.69 633	5.73 629	4.78 629	2.22 625	23.53 647	2.69 632	27.60 650	25.75 650	17.60 644	16.54 647

RSGM-EC	20.15 639	4.62 629	0.75 600	16.73 635	16.97 640	21.10 642	26.46 641	10.37 637	14.13 641	18.18 641	21.56 642	22.31 649	22.50 642	21.80 642	15.71 640	62.36 650	33.86 650	20.06 647	18.04 646	19.30 645	16.22 645

acva	20.15 639	4.62 629	0.75 600	16.73 635	16.97 640	21.10 642	26.46 641	10.37 637	14.13 641	18.18 641	21.56 642	22.31 649	22.50 642	21.80 642	15.71 640	62.36 650	33.86 650	20.06 647	18.04 646	19.30 645	16.22 645

HaxPig	15.73 638	18.55 647	19.19 643	16.92 637	15.89 639	7.80 628	7.57 629	13.37 642	10.80 635	15.40 639	14.87 638	15.95 640	14.81 640	15.67 640	15.97 642	18.96 646	16.72 640	19.47 646	18.10 648	19.45 647	19.06 648

MEDIAN_ROB	20.38 641	24.05 648	23.36 646	21.18 639	21.62 642	10.51 632	8.17 630	17.68 643	15.46 643	20.04 643	19.65 640	20.30 641	20.16 641	21.17 641	21.03 643	23.81 648	21.77 648	24.98 649	23.75 649	25.01 648	23.94 649

AVERAGE_ROB	24.89 649	29.12 649	27.98 647	24.83 647	24.59 649	17.82 638	11.61 631	21.45 644	19.91 644	25.04 651	24.38 650	25.06 651	25.31 651	24.69 651	22.86 644	29.74 649	27.09 649	28.97 651	27.94 651	30.07 649	29.35 650

DLNR_Zeroshot_test	10.48 632	2.27 624	19.78 644	120.28 649	13.29 638	0.06 10	0.13 129	0.24 354	0.10 42	0.08 86	0.10 141	0.09 159	0.07 127	0.10 80	0.09 56	0.13 518	0.04 23	0.06 129	0.04 40	52.68 650	0.04 34

DLNR-FE	10.51 633	2.29 625	19.85 645	120.28 649	13.21 637	0.06 10	0.13 129	0.24 354	0.10 42	0.08 86	0.10 141	0.09 159	0.07 127	0.10 80	0.09 56	0.13 518	0.04 23	0.06 129	0.04 40	53.18 651	0.04 34

test_example2	97.69 650	92.93 650	45.57 648	96.02 648	109.84 651	88.44 651	93.70 652	25.54 652	94.63 652	130.46 653	126.87 652	58.93 652	75.48 652	87.99 652	77.94 652	150.16 652	221.11 652	76.29 652	98.21 652	108.42 652	95.33 651

ccccc		285.89 651		366.70 651	366.78 652	118.88 652		113.97 653		125.77 652		120.54 653		252.62 653		382.79 653	352.84 653	254.30 653	222.62 653	426.61 653

Low-res two-view benchmark