Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

DFGA-Net	0.04 24	0.06 37	0.03 23	0.06 36	0.03 23	0.05 35	0.03 26	0.05 35	0.03 27	0.05 27	0.03 26	0.05 34	0.03 23	0.03 27	0.03 26	0.03 26	0.05 35	0.03 25	0.05 33	0.03 26	0.06 41	0.03 26	0.03 25	0.03 25	0.06 41	0.03 26	0.06 40	0.03 25

AASNet	0.05 25	0.08 41	0.08 40	0.07 39	0.05 35	0.05 35	0.05 37	0.07 38	0.05 37	0.05 27	0.05 35	0.05 34	0.05 39	0.06 39	0.07 44	0.05 39	0.05 35	0.05 38	0.05 33	0.05 37	0.05 35	0.05 39	0.04 32	0.05 37	0.05 36	0.05 37	0.05 36	0.05 36

SACVNet	0.05 25	0.08 41	0.08 40	0.07 39	0.05 35	0.05 35	0.05 37	0.07 38	0.05 37	0.05 27	0.05 35	0.05 34	0.05 39	0.06 39	0.07 44	0.05 39	0.05 35	0.05 38	0.05 33	0.05 37	0.05 35	0.05 39	0.04 32	0.05 37	0.05 36	0.05 37	0.05 36	0.05 36

AACVNet	0.05 25	0.08 41	0.08 40	0.07 39	0.05 35	0.05 35	0.05 37	0.07 38	0.05 37	0.05 27	0.05 35	0.05 34	0.05 39	0.06 39	0.07 44	0.05 39	0.05 35	0.05 38	0.05 33	0.05 37	0.05 35	0.05 39	0.04 32	0.05 37	0.05 36	0.05 37	0.05 36	0.05 36

ADCS	0.06 28	0.02 14	0.04 25	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.02 15	1.03 218	0.02 15	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.02 15	0.01 9	0.02 15	0.02 15	0.03 25	0.02 15	0.02 15	0.02 15	0.04 30	0.02 15

DispViT+	0.07 29	0.09 46	0.07 36	0.08 42	0.05 35	0.08 44	0.05 37	0.08 44	0.07 45	0.07 33	0.05 35	0.07 42	0.05 39	0.07 42	0.05 39	0.05 39	0.08 43	0.05 38	0.08 43	0.05 37	0.08 45	0.05 39	0.05 38	0.05 37	0.08 43	0.05 37	0.08 44	0.05 36

BridgeDepth_RVC	0.07 29	0.11 58	0.10 46	0.08 42	0.05 35	0.08 44	0.05 37	0.11 57	0.05 37	0.07 33	0.05 35	0.07 42	0.05 39	0.10 51	0.05 39	0.05 39	0.08 43	0.05 38	0.08 43	0.05 37	0.08 45	0.05 39	0.05 38	0.05 37	0.08 43	0.05 37	0.08 44	0.05 36
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
BridgeDepth	0.07 29	0.11 58	0.10 46	0.08 42	0.05 35	0.08 44	0.05 37	0.11 57	0.05 37	0.07 33	0.05 35	0.07 42	0.05 39	0.10 51	0.05 39	0.05 39	0.08 43	0.05 38	0.08 43	0.05 37	0.07 42	0.05 39	0.05 38	0.05 37	0.08 43	0.07 46	0.08 44	0.06 44
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
FINET	0.07 29	0.08 41	0.07 36	0.08 42	0.07 47	0.08 44	0.07 46	0.08 44	0.07 45	0.08 36	0.07 47	0.08 45	0.07 47	0.07 42	0.07 44	0.07 47	0.07 42	0.07 47	0.07 41	0.07 47	0.08 45	0.07 47	0.07 43	0.06 45	0.07 42	0.07 46	0.08 44	0.06 44

TS12	0.08 33	0.16 73	0.14 81	0.08 42	0.06 45	0.08 44	0.06 44	0.15 71	0.06 43	0.08 36	0.06 45	0.08 45	0.06 45	0.14 89	0.06 42	0.06 45	0.08 43	0.06 45	0.08 43	0.06 45	0.08 45	0.06 45	0.06 41	0.06 45	0.08 43	0.06 44	0.08 44	0.06 44

TS	0.08 33	0.08 41	0.16 86	0.08 42	0.06 45	0.08 44	0.06 44	0.15 71	0.06 43	0.08 36	0.06 45	0.08 45	0.06 45	0.14 89	0.06 42	0.06 45	0.08 43	0.06 45	0.08 43	0.06 45	0.08 45	0.06 45	0.06 41	0.06 45	0.08 43	0.06 44	0.08 44	0.06 44

BEATNet_4x	0.08 33	0.03 23	0.06 34	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.03 27	1.47 250	0.03 26	0.03 23	0.03 23	0.03 27	0.03 26	0.03 26	0.03 20	0.03 25	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.03 25	0.03 24	0.03 26	0.03 22	0.03 25

ADCL	0.08 33	0.03 23	0.06 34	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.03 27	1.47 250	0.03 26	0.03 23	0.03 23	0.03 27	0.03 26	0.03 26	0.03 20	0.03 25	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.03 25	0.03 24	0.03 26	0.03 22	0.03 25

ADCMid	0.08 33	0.02 14	0.13 77	0.03 23	0.02 15	0.03 22	0.02 15	0.02 15	0.02 15	1.32 241	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.07 41	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 25

AnyNet_C01	0.08 33	0.03 23	0.04 25	0.02 15	0.03 23	0.03 22	0.02 15	0.02 15	0.02 15	1.46 249	0.02 15	0.03 23	0.03 23	0.02 15	0.02 15	0.02 15	0.04 28	0.02 15	0.03 22	0.02 16	0.02 15	0.02 15	0.02 15	0.03 25	0.02 15	0.02 15	0.03 22	0.03 25

ADCPNet	0.08 33	0.03 23	0.04 25	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.03 27	1.32 241	0.03 26	0.03 23	0.03 23	0.03 27	0.03 26	0.03 26	0.03 20	0.03 25	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.03 25	0.03 24	0.03 26	0.04 30	0.03 25

SepStereo	0.09 40	0.09 46	0.09 43	0.09 50	0.10 52	0.09 50	0.08 49	0.09 46	0.08 49	0.09 39	0.08 48	0.09 51	0.09 51	0.08 47	0.08 50	0.09 51	0.09 50	0.08 51	0.09 50	0.08 49	0.09 50	0.08 51	0.09 47	0.09 51	0.10 51	0.08 50	0.10 51	0.09 51

APVNet	0.09 40	0.06 37	0.04 25	0.06 36	0.04 32	0.05 35	0.04 32	0.05 35	1.08 272	0.05 27	0.05 35	0.05 34	0.04 33	0.05 35	0.04 33	0.04 32	0.05 35	0.04 31	0.05 33	0.04 32	0.05 35	0.04 33	0.04 32	0.04 32	0.05 36	0.04 32	0.05 36	0.04 32

AnonymousM	0.10 42	0.10 48	0.10 46	0.10 51	0.10 52	0.10 51	0.10 53	0.10 47	0.10 53	0.10 41	0.10 54	0.10 52	0.10 54	0.10 51	0.10 54	0.10 53	0.10 52	0.10 53	0.10 52	0.10 53	0.10 52	0.10 54	0.10 50	0.10 54	0.10 51	0.10 52	0.10 51	0.10 55

FADNet-RVC-Resample	0.10 42	0.04 32	0.05 30	0.04 32	0.05 35	0.05 35	0.05 37	0.07 38	0.05 37	0.05 27	0.05 35	0.05 34	0.04 33	0.05 35	0.04 33	0.04 32	0.05 35	0.05 38	0.05 33	0.05 37	0.05 35	0.04 33	1.53 291	0.04 32	0.05 36	0.05 37	0.06 40	0.05 36

FADNet_RVC	0.10 42	0.03 23	0.04 25	0.03 23	0.04 32	0.05 35	0.04 32	0.04 31	0.04 32	0.03 21	0.04 31	0.04 30	0.03 23	0.04 32	0.03 26	0.03 26	0.04 28	0.04 31	0.04 30	0.04 32	0.04 31	0.03 26	1.63 296	0.03 25	0.03 24	0.04 32	0.03 22	0.04 32

PVD	0.10 42	0.10 48	0.10 46	0.10 51	0.10 52	0.10 51	0.10 53	0.10 47	0.10 53	0.10 41	0.10 54	0.10 52	0.10 54	0.10 51	0.10 54	0.10 53	0.10 52	0.10 53	0.10 52	0.10 53	0.10 52	0.10 54	0.10 50	0.10 54	0.10 51	0.10 52	0.10 51	0.10 55

SHD	0.10 42	0.10 48	0.10 46	0.10 51	0.10 52	0.10 51	0.10 53	0.10 47	0.10 53	0.10 41	0.10 54	0.10 52	0.10 54	0.10 51	0.10 54	0.10 53	0.10 52	0.10 53	0.10 52	0.10 53	0.10 52	0.10 54	0.10 50	0.10 54	0.10 51	0.10 52	0.10 51	0.10 55

SAMSARA	0.10 42	0.10 48	0.10 46	0.10 51	0.10 52	0.10 51	0.10 53	0.10 47	0.10 53	0.10 41	0.10 54	0.10 52	0.10 54	0.10 51	0.10 54	0.10 53	0.10 52	0.10 53	0.10 52	0.10 53	0.10 52	0.10 54	0.10 50	0.10 54	0.10 51	0.10 52	0.10 51	0.10 55

XQC	0.10 42	0.10 48	0.10 46	0.10 51	0.10 52	0.10 51	0.10 53	0.10 47	0.10 53	0.10 41	0.10 54	0.10 52	0.10 54	0.10 51	0.10 54	0.10 53	0.10 52	0.10 53	0.10 52	0.10 53	0.10 52	0.10 54	0.10 50	0.10 54	0.10 51	0.10 52	0.10 51	0.10 55

RTSC	0.10 42	0.10 48	0.10 46	0.10 51	0.10 52	0.10 51	0.10 53	0.10 47	0.10 53	0.10 41	0.10 54	0.10 52	0.10 54	0.10 51	0.10 54	0.10 53	0.10 52	0.10 53	0.10 52	0.10 53	0.10 52	0.10 54	0.10 50	0.10 54	0.10 51	0.10 52	0.10 51	0.10 55

RTS	0.10 42	0.10 48	0.10 46	0.10 51	0.10 52	0.10 51	0.10 53	0.10 47	0.10 53	0.10 41	0.10 54	0.10 52	0.10 54	0.10 51	0.10 54	0.10 53	0.10 52	0.10 53	0.10 52	0.10 53	0.10 52	0.10 54	0.10 50	0.10 54	0.10 51	0.10 52	0.10 51	0.10 55

RTSA	0.10 42	0.10 48	0.10 46	0.10 51	0.10 52	0.10 51	0.10 53	0.10 47	0.10 53	0.10 41	0.10 54	0.10 52	0.10 54	0.10 51	0.10 54	0.10 53	0.10 52	0.10 53	0.10 52	0.10 53	0.10 52	0.10 54	0.10 50	0.10 54	0.10 51	0.10 52	0.10 51	0.10 55

MADNet+	0.10 42	0.10 48	0.10 46	0.10 51	0.10 52	0.10 51	0.10 53	0.10 47	0.10 53	0.10 41	0.10 54	0.10 52	0.10 54	0.10 51	0.10 54	0.10 53	0.10 52	0.10 53	0.10 52	0.10 53	0.10 52	0.10 54	0.10 50	0.10 54	0.10 51	0.10 52	0.10 51	0.10 55

MADNet++	0.10 42	0.10 48	0.10 46	0.10 51	0.10 52	0.10 51	0.10 53	0.10 47	0.10 53	0.10 41	0.10 54	0.10 52	0.10 54	0.10 51	0.10 54	0.10 53	0.10 52	0.10 53	0.10 52	0.10 53	0.10 52	0.10 54	0.10 50	0.10 54	0.10 51	0.10 52	0.10 51	0.10 55

LRCNet_RVC	0.11 54	0.12 61	0.09 43	0.12 62	0.09 50	0.12 62	0.09 50	0.12 60	0.09 51	0.12 51	0.09 52	0.11 62	0.09 51	0.09 48	0.09 51	0.09 51	0.12 63	0.16 97	0.21 98	0.09 52	0.12 63	0.09 52	0.09 47	0.09 51	0.12 63	0.28 137	0.12 63	0.09 51

FADNet-RVC	0.11 54	0.04 32	0.05 30	0.04 32	0.05 35	0.04 31	0.04 32	0.05 35	0.04 32	0.04 25	0.04 31	0.04 30	0.04 33	0.05 35	0.04 33	0.04 32	0.04 28	0.04 31	0.05 33	0.04 32	0.04 31	0.04 33	1.79 302	0.04 32	0.04 31	0.04 32	0.04 30	0.05 36

FADNet	0.11 54	0.04 32	0.05 30	0.06 36	0.05 35	0.04 31	0.04 32	0.04 31	0.04 32	0.04 25	0.05 35	0.05 34	0.04 33	0.05 35	0.04 33	0.04 32	0.04 28	0.04 31	0.04 30	0.05 37	0.05 35	0.04 33	1.74 300	0.04 32	0.04 31	0.05 37	0.04 30	0.05 36

ProNet	0.12 57	0.18 79	0.11 62	0.14 66	0.10 52	0.14 67	0.11 64	0.14 62	0.11 65	0.14 52	0.10 54	0.14 66	0.10 54	0.10 51	0.11 65	0.10 53	0.15 74	0.10 53	0.14 65	0.10 53	0.14 65	0.10 54	0.11 63	0.10 54	0.15 72	0.10 52	0.14 66	0.10 55

IPLG	0.12 57	0.15 68	0.12 68	0.14 66	0.11 65	0.14 67	0.11 64	0.14 62	0.11 65	0.15 58	0.11 65	0.14 66	0.11 66	0.12 77	0.11 65	0.11 65	0.14 66	0.11 68	0.14 65	0.11 66	0.14 65	0.11 66	0.11 63	0.11 68	0.14 66	0.11 66	0.14 66	0.11 67

MIPNet	0.12 57	0.15 68	0.12 68	0.14 66	0.11 65	0.14 67	0.11 64	0.14 62	0.11 65	0.15 58	0.11 65	0.14 66	0.11 66	0.12 77	0.11 65	0.11 65	0.14 66	0.11 68	0.15 74	0.11 66	0.14 65	0.11 66	0.11 63	0.11 68	0.14 66	0.11 66	0.14 66	0.11 67

AnyNet_C32	0.12 57	0.03 23	0.07 36	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.02 15	2.33 290	0.04 31	0.04 30	0.03 23	0.02 15	0.03 26	0.04 32	0.04 28	0.04 31	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.03 25	0.04 31	0.03 26	0.03 22	0.02 15

ADCP+	0.12 57	0.04 32	0.07 36	0.04 32	0.05 35	0.04 31	0.04 32	0.04 31	0.04 32	2.28 282	0.05 35	0.05 34	0.04 33	0.04 32	0.04 33	0.04 32	0.05 35	0.04 31	0.05 33	0.04 32	0.04 31	0.04 33	0.04 32	0.05 37	0.04 31	0.04 32	0.04 30	0.04 32

S2M2_L	0.13 62	0.14 66	0.10 46	0.14 66	0.10 52	0.15 76	0.10 53	0.30 121	0.10 53	0.14 52	0.17 99	0.14 66	0.10 54	0.10 51	0.10 54	0.10 53	0.14 66	0.10 53	0.14 65	0.10 53	0.14 65	0.10 54	0.10 50	0.10 54	0.15 72	0.10 52	0.14 66	0.10 55
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
CIPLG	0.13 62	0.15 68	0.12 68	0.14 66	0.11 65	0.14 67	0.11 64	0.15 71	0.11 65	0.15 58	0.11 65	0.15 76	0.11 66	0.12 77	0.12 82	0.11 65	0.15 74	0.11 68	0.15 74	0.11 66	0.14 65	0.11 66	0.11 63	0.12 82	0.15 72	0.12 82	0.15 74	0.12 81

IPLGR_C	0.13 62	0.16 73	0.14 81	0.15 75	0.11 65	0.14 67	0.11 64	0.14 62	0.11 65	0.14 52	0.11 65	0.14 66	0.11 66	0.12 77	0.11 65	0.11 65	0.14 66	0.11 68	0.14 65	0.11 66	0.14 65	0.11 66	0.11 63	0.11 68	0.14 66	0.11 66	0.15 74	0.11 67

IPLGR	0.13 62	0.15 68	0.12 68	0.14 66	0.11 65	0.14 67	0.11 64	0.14 62	0.13 86	0.15 58	0.11 65	0.14 66	0.12 85	0.12 77	0.11 65	0.11 65	0.14 66	0.11 68	0.14 65	0.11 66	0.14 65	0.11 66	0.11 63	0.12 82	0.15 72	0.11 66	0.14 66	0.11 67

ACRE	0.13 62	0.16 73	0.12 68	0.14 66	0.11 65	0.14 67	0.11 64	0.15 71	0.11 65	0.14 52	0.11 65	0.14 66	0.11 66	0.12 77	0.11 65	0.11 65	0.14 66	0.11 68	0.14 65	0.11 66	0.14 65	0.11 66	0.11 63	0.11 68	0.14 66	0.11 66	0.14 66	0.11 67

ICVP	0.13 62	0.16 73	0.11 62	0.16 82	0.11 65	0.16 83	0.11 64	0.16 75	0.11 65	0.16 70	0.11 65	0.16 84	0.11 66	0.11 67	0.11 65	0.11 65	0.16 82	0.11 68	0.16 81	0.11 66	0.16 81	0.11 66	0.11 63	0.11 68	0.16 82	0.11 66	0.16 81	0.11 67
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ADCRef	0.13 62	0.04 32	0.05 30	0.04 32	0.04 32	0.04 31	0.09 50	0.04 31	0.04 32	2.46 293	0.04 31	0.04 30	0.04 33	0.04 32	0.04 33	0.04 32	0.04 28	0.04 31	0.04 30	0.04 32	0.04 31	0.04 33	0.04 32	0.05 37	0.04 31	0.04 32	0.04 30	0.04 32

GMStereo	0.14 69	0.13 64	0.14 81	0.14 66	0.14 92	0.14 67	0.14 89	0.14 62	0.14 91	0.14 52	0.14 91	0.14 66	0.14 92	0.14 89	0.14 92	0.14 91	0.14 66	0.14 91	0.14 65	0.14 92	0.14 65	0.14 92	0.14 88	0.14 91	0.14 66	0.14 89	0.14 66	0.14 92
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CCAANet	0.14 69	0.14 66	0.14 81	0.14 66	0.14 92	0.14 67	0.14 89	0.14 62	0.14 91	0.14 52	0.14 91	0.14 66	0.14 92	0.14 89	0.14 92	0.14 91	0.14 66	0.14 91	0.14 65	0.14 92	0.14 65	0.14 92	0.14 88	0.14 91	0.14 66	0.14 89	0.14 66	0.18 113

HSM	0.14 69	0.17 78	0.11 62	0.17 86	0.11 65	0.17 85	0.12 82	0.17 79	0.11 65	0.17 74	0.11 65	0.17 88	0.11 66	0.12 77	0.12 82	0.12 80	0.17 86	0.12 84	0.17 84	0.12 84	0.17 85	0.12 83	0.12 80	0.12 82	0.17 85	0.12 82	0.17 85	0.12 81

ELAS_RVC	0.14 69	0.18 79	0.11 62	0.19 92	0.11 65	0.18 87	0.13 86	0.16 75	0.11 65	0.17 74	0.11 65	0.14 66	0.11 66	0.09 48	0.11 65	0.12 80	0.17 86	0.10 53	0.18 88	0.11 66	0.18 87	0.11 66	0.10 50	0.11 68	0.19 91	0.11 66	0.19 89	0.12 81
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.14 69	0.19 84	0.11 62	0.20 94	0.11 65	0.20 95	0.12 82	0.18 81	0.12 80	0.18 76	0.12 83	0.19 94	0.11 66	0.11 67	0.11 65	0.11 65	0.18 90	0.11 68	0.19 92	0.11 66	0.19 91	0.11 66	0.11 63	0.11 68	0.20 95	0.11 66	0.20 94	0.12 81
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ELAS	0.14 69	0.23 93	0.10 46	0.19 92	0.11 65	0.20 95	0.11 64	0.16 75	0.10 53	0.15 58	0.11 65	0.15 76	0.11 66	0.09 48	0.11 65	0.11 65	0.16 82	0.10 53	0.17 84	0.11 66	0.18 87	0.11 66	0.09 47	0.10 54	0.18 88	0.11 66	0.19 89	0.12 81
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DDVS	0.15 75	0.18 79	0.13 77	0.18 89	0.13 88	0.19 92	0.13 86	0.18 81	0.13 86	0.18 76	0.13 89	0.18 91	0.13 90	0.13 84	0.13 87	0.13 86	0.18 90	0.13 87	0.18 88	0.13 90	0.18 87	0.13 88	0.13 85	0.10 54	0.19 91	0.14 89	0.19 89	0.13 89

BEATNet-Init1	0.15 75	0.07 39	0.10 46	0.08 42	0.07 47	0.07 42	0.07 46	0.07 38	0.07 45	2.19 278	0.08 48	0.08 45	0.07 47	0.07 42	0.07 44	0.07 47	0.08 43	0.07 47	0.08 43	0.08 49	0.07 42	0.07 47	0.07 43	0.07 48	0.08 43	0.07 46	0.07 42	0.07 48

DeepPrunerF	0.15 75	0.07 39	0.10 46	0.08 42	0.07 47	0.07 42	0.07 46	0.07 38	0.07 45	2.19 278	0.08 48	0.08 45	0.07 47	0.07 42	0.07 44	0.07 47	0.08 43	0.07 47	0.08 43	0.08 49	0.07 42	0.07 47	0.07 43	0.07 48	0.08 43	0.07 46	0.07 42	0.07 48

DeepPruner_ROB	0.15 75	0.18 79	0.12 68	0.18 89	0.12 84	0.18 87	0.12 82	0.18 81	0.13 86	0.18 76	0.12 83	0.18 91	0.12 85	0.13 84	0.12 82	0.13 86	0.18 90	0.13 87	0.18 88	0.12 84	0.19 91	0.12 83	0.13 85	0.12 82	0.18 88	0.12 82	0.18 87	0.12 81

LALA_ROB	0.15 75	0.21 86	0.12 68	0.21 98	0.12 84	0.20 95	0.14 89	0.20 84	0.12 80	0.22 85	0.12 83	0.16 84	0.12 85	0.10 51	0.12 82	0.12 80	0.21 99	0.11 68	0.22 99	0.12 84	0.20 95	0.12 83	0.11 63	0.12 82	0.21 99	0.14 89	0.21 97	0.13 89

test_for_model	0.17 80	1.25 237	0.20 102	0.15 75	0.11 65	0.15 76	0.11 64	0.21 87	0.11 65	0.15 58	0.11 65	0.15 76	0.11 66	0.11 67	0.11 65	0.11 65	0.15 74	0.11 68	0.15 74	0.11 66	0.15 75	0.11 66	0.11 63	0.11 68	0.15 72	0.11 66	0.15 74	0.11 67

GCAPDPT-zeroshot4090	0.17 80	1.25 237	0.20 102	0.15 75	0.11 65	0.15 76	0.11 64	0.21 87	0.11 65	0.15 58	0.11 65	0.15 76	0.11 66	0.11 67	0.11 65	0.11 65	0.15 74	0.11 68	0.15 74	0.11 66	0.15 75	0.11 66	0.11 63	0.11 68	0.15 72	0.11 66	0.15 74	0.11 67

testlalala	0.17 80	1.25 237	0.20 102	0.15 75	0.11 65	0.15 76	0.11 64	0.21 87	0.11 65	0.15 58	0.11 65	0.15 76	0.11 66	0.11 67	0.11 65	0.11 65	0.15 74	0.11 68	0.15 74	0.11 66	0.15 75	0.11 66	0.11 63	0.11 68	0.15 72	0.11 66	0.15 74	0.11 67

GCAPDPT-zeroshot	0.17 80	1.25 237	0.20 102	0.15 75	0.11 65	0.15 76	0.11 64	0.21 87	0.11 65	0.15 58	0.11 65	0.15 76	0.11 66	0.11 67	0.11 65	0.11 65	0.15 74	0.11 68	0.15 74	0.11 66	0.15 75	0.11 66	0.11 63	0.11 68	0.15 72	0.11 66	0.15 74	0.11 67

GCAP-Stereo	0.17 80	1.25 237	0.20 102	0.15 75	0.11 65	0.15 76	0.11 64	0.21 87	0.11 65	0.15 58	0.11 65	0.15 76	0.11 66	0.11 67	0.11 65	0.11 65	0.15 74	0.11 68	0.15 74	0.11 66	0.15 75	0.11 66	0.11 63	0.11 68	0.15 72	0.11 66	0.15 74	0.11 67

DepthFocus	0.18 85	0.22 88	0.15 85	0.22 100	0.15 94	0.22 101	0.15 94	0.21 87	0.15 93	0.21 82	0.15 93	0.21 98	0.15 95	0.15 94	0.15 95	0.15 95	0.21 99	0.15 95	0.22 99	0.15 96	0.22 100	0.15 95	0.15 91	0.15 95	0.22 101	0.15 94	0.22 99	0.15 93

IGEV_Zeroshot_test	0.18 85	0.22 88	0.18 96	0.21 98	0.18 112	0.20 95	0.17 101	0.20 84	0.16 95	0.25 98	0.16 97	0.21 98	0.17 101	0.16 98	0.18 110	0.15 95	0.20 96	0.16 97	0.20 95	0.18 112	0.21 97	0.17 103	0.17 96	0.17 99	0.20 95	0.17 101	0.20 94	0.16 96

dd	0.18 85	0.22 88	0.16 86	0.22 100	0.15 94	0.22 101	0.15 94	0.21 87	0.15 93	0.21 82	0.15 93	0.21 98	0.15 95	0.15 94	0.15 95	0.15 95	0.22 102	0.14 91	0.22 99	0.14 92	0.22 100	0.15 95	0.16 94	0.15 95	0.23 107	0.15 94	0.22 99	0.16 96

dad	0.18 85	0.23 93	0.16 86	0.22 100	0.15 94	0.22 101	0.15 94	0.22 95	0.16 95	0.21 82	0.15 93	0.22 102	0.15 95	0.15 94	0.16 98	0.17 99	0.23 107	0.17 101	0.23 107	0.15 96	0.22 100	0.15 95	0.15 91	0.15 95	0.22 101	0.15 94	0.22 99	0.16 96

MSKI-zero shot	0.19 89	0.21 86	0.16 86	0.22 100	0.16 98	0.23 110	0.17 101	0.22 95	0.17 100	0.22 85	0.17 99	0.22 102	0.16 98	0.19 111	0.16 98	0.17 99	0.23 107	0.16 97	0.22 99	0.16 98	0.22 100	0.17 103	0.16 94	0.17 99	0.22 101	0.19 115	0.22 99	0.16 96

MIM_Stereo	0.19 89	0.23 93	0.18 96	0.22 100	0.16 98	0.22 101	0.16 99	0.21 87	0.16 95	0.22 85	0.17 99	0.21 98	0.17 101	0.20 112	0.18 110	0.17 99	0.22 102	0.18 114	0.22 99	0.16 98	0.21 97	0.16 99	0.17 96	0.17 99	0.21 99	0.16 99	0.22 99	0.20 117

UNet	0.19 89	0.13 64	0.09 43	0.13 65	0.09 50	0.13 65	0.09 50	0.13 61	0.09 51	0.90 199	0.09 52	0.13 65	0.09 51	0.10 51	0.09 51	0.70 240	0.13 65	0.09 52	0.13 63	0.10 53	0.91 232	0.09 52	0.10 50	0.09 51	0.13 64	0.10 52	0.13 65	0.09 51

iResNet	0.19 89	0.23 93	0.17 91	0.22 100	0.17 102	0.22 101	0.19 115	0.22 95	0.17 100	0.22 85	0.17 99	0.22 102	0.17 101	0.17 100	0.17 102	0.17 99	0.22 102	0.17 101	0.22 99	0.17 102	0.23 107	0.17 103	0.18 110	0.17 99	0.23 107	0.17 101	0.23 108	0.17 102

LACA2	0.20 93	0.27 112	0.22 109	0.24 113	0.17 102	0.24 114	0.17 101	0.26 113	0.17 100	0.24 92	0.17 99	0.24 115	0.17 101	0.21 116	0.17 102	0.17 99	0.24 112	0.17 101	0.24 113	0.17 102	0.24 110	0.17 103	0.17 96	0.17 99	0.24 113	0.17 101	0.24 110	0.17 102

LACA1	0.20 93	0.27 112	0.22 109	0.24 113	0.17 102	0.24 114	0.17 101	0.27 115	0.17 100	0.24 92	0.17 99	0.24 115	0.17 101	0.21 116	0.17 102	0.17 99	0.24 112	0.17 101	0.24 113	0.17 102	0.24 110	0.17 103	0.17 96	0.17 99	0.24 113	0.17 101	0.24 110	0.17 102

ACV-stereo	0.20 93	0.23 93	0.17 91	0.23 108	0.17 102	0.23 110	0.17 101	0.23 103	0.17 100	0.23 91	0.17 99	0.23 108	0.17 101	0.17 100	0.17 102	0.17 99	0.24 112	0.17 101	0.23 107	0.17 102	0.24 110	0.17 103	0.17 96	0.17 99	0.23 107	0.17 101	0.23 108	0.17 102

DAS	0.20 93	0.20 85	0.20 102	0.20 94	0.20 118	0.20 95	0.20 117	0.20 84	0.20 115	0.20 81	0.20 117	0.20 97	0.20 116	0.20 112	0.20 118	0.20 112	0.20 96	0.20 120	0.20 95	0.20 119	0.20 95	0.20 118	0.20 115	0.20 116	0.20 95	0.20 116	0.20 94	0.20 117

iResNetv2_ROB	0.20 93	0.22 88	0.19 100	0.23 108	0.19 116	0.22 101	0.17 101	0.22 95	0.17 100	0.22 85	0.17 99	0.22 102	0.17 101	0.18 107	0.18 110	0.19 111	0.22 102	0.17 101	0.23 107	0.17 102	0.25 114	0.18 114	0.17 96	0.18 113	0.23 107	0.17 101	0.25 119	0.17 102

LACA3	0.21 98	0.27 112	0.23 113	0.25 118	0.17 102	0.25 122	0.17 101	0.28 116	0.17 100	0.25 98	0.17 99	0.25 119	0.17 101	0.22 119	0.17 102	0.17 99	0.25 120	0.17 101	0.25 120	0.17 102	0.25 114	0.17 103	0.17 96	0.17 99	0.25 121	0.17 101	0.25 119	0.17 102

ITSA-stereo	0.21 98	0.16 73	0.12 68	0.16 82	0.13 88	0.18 87	0.14 89	0.16 75	1.89 309	0.16 70	0.12 83	0.17 88	0.12 85	0.13 84	0.13 87	0.13 86	0.17 86	0.13 87	0.17 84	0.12 84	0.16 81	0.12 83	0.12 80	0.12 82	0.17 85	0.12 82	0.16 81	0.12 81

Pointernet	0.22 100	0.41 136	0.38 152	0.22 100	0.17 102	0.22 101	0.17 101	0.41 153	0.17 100	0.22 85	0.17 99	0.22 102	0.17 101	0.18 107	0.18 110	0.18 108	0.23 107	0.18 114	0.23 107	0.18 112	0.23 107	0.18 114	0.17 96	0.17 99	0.22 101	0.18 113	0.22 99	0.17 102

JetRed	0.22 100	0.11 58	0.12 68	0.11 61	0.11 65	0.11 61	0.11 64	0.11 57	0.11 65	2.93 303	0.11 65	0.11 62	0.11 66	0.11 67	0.11 65	0.12 80	0.11 62	0.11 68	0.11 62	0.11 66	0.11 62	0.11 66	0.11 63	0.11 68	0.11 62	0.11 66	0.11 62	0.11 67

JetBlue	0.23 102	0.12 61	0.13 77	0.12 62	0.12 84	0.12 62	0.11 64	0.14 62	0.12 80	3.07 304	0.12 83	0.12 64	0.11 66	0.11 67	0.13 87	0.13 86	0.12 63	0.12 84	0.13 63	0.11 66	0.12 63	0.13 88	0.12 80	0.14 91	0.13 64	0.12 82	0.12 63	0.11 67

SFCPSM	0.23 102	0.18 79	0.13 77	0.18 89	0.12 84	0.18 87	0.80 253	0.17 79	0.12 80	0.88 198	0.12 83	0.17 88	0.12 85	0.13 84	0.12 82	0.12 80	0.18 90	0.12 84	0.18 88	0.12 84	1.18 262	0.13 88	0.12 80	0.12 82	0.18 88	0.13 87	0.18 87	0.12 81

S2M2_XL	0.24 104	1.32 249	0.86 238	0.17 86	0.11 65	0.17 85	0.11 64	1.05 244	0.12 80	0.16 70	0.11 65	0.16 84	0.11 66	0.11 67	0.11 65	0.11 65	0.17 86	0.11 68	0.17 84	0.11 66	0.17 85	0.11 66	0.11 63	0.11 68	0.17 85	0.11 66	0.17 85	0.11 67
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
DF	0.25 105	1.16 227	1.02 248	0.16 82	0.13 88	0.16 83	0.13 86	1.16 251	0.13 86	0.15 58	0.13 89	0.15 76	0.13 90	0.13 84	0.13 87	0.13 86	0.16 82	0.13 87	0.16 81	0.13 90	0.16 81	0.13 88	0.13 85	0.13 90	0.16 82	0.13 87	0.16 81	0.13 89

LoS_RVC	0.25 105	0.25 105	0.25 119	0.25 118	0.25 127	0.25 122	0.25 127	0.25 108	0.25 126	0.25 98	0.25 130	0.25 119	0.25 128	0.26 130	0.25 130	0.26 126	0.25 120	0.25 129	0.26 124	0.25 130	0.25 114	0.25 126	0.25 125	0.25 128	0.25 121	0.25 128	0.25 119	0.25 128

tt_ll	0.25 105	0.25 105	0.25 119	0.25 118	0.25 127	0.25 122	0.25 127	0.25 108	0.25 126	0.25 98	0.25 130	0.25 119	0.25 128	0.26 130	0.25 130	0.26 126	0.25 120	0.25 129	0.26 124	0.25 130	0.25 114	0.25 126	0.25 125	0.25 128	0.25 121	0.25 128	0.25 119	0.25 128

CAS	0.25 105	0.25 105	0.25 119	0.25 118	0.26 129	0.26 129	0.26 129	0.25 108	0.25 126	0.25 98	0.25 130	0.25 119	0.25 128	0.25 128	0.25 130	0.25 123	0.26 127	0.25 129	0.26 124	0.26 134	0.25 114	0.25 126	0.25 125	0.26 132	0.25 121	0.26 132	0.25 119	0.25 128

LoS	0.25 105	0.25 105	0.27 123	0.27 126	0.26 129	0.25 122	0.26 129	0.26 113	0.25 126	0.26 105	0.25 130	0.25 119	0.25 128	0.26 130	0.25 130	0.25 123	0.25 120	0.25 129	0.25 120	0.25 130	0.27 122	0.25 126	0.26 129	0.26 132	0.26 126	0.25 128	0.25 119	0.25 128
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
castereo++	0.26 110	1.28 248	1.07 256	0.15 75	0.13 88	0.15 76	0.14 89	1.22 258	0.13 86	0.16 70	0.17 99	0.16 84	0.14 92	0.14 89	0.15 95	0.14 91	0.15 74	0.14 91	0.16 81	0.14 92	0.16 81	0.14 92	0.14 88	0.14 91	0.16 82	0.14 89	0.16 81	0.15 93

MatchStereo	0.27 111	0.12 61	2.51 314	0.12 62	0.11 65	0.12 62	0.11 64	2.54 303	0.08 49	0.09 39	0.08 48	0.08 45	0.07 47	0.07 42	0.09 51	0.07 47	0.09 50	0.07 47	0.09 50	0.07 47	0.09 50	0.07 47	0.08 46	0.07 48	0.08 43	0.08 50	0.09 50	0.08 50
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
model_zeroshot	0.27 111	0.30 118	0.19 100	0.36 145	0.23 125	0.25 122	0.27 133	0.33 124	0.21 117	0.35 114	0.22 122	0.25 119	0.27 136	0.26 130	0.23 125	0.26 126	0.35 139	0.22 122	0.36 141	0.23 127	0.25 114	0.27 133	0.27 131	0.23 125	0.36 141	0.22 122	0.25 119	0.27 136

DCVSM-stereo	0.27 111	0.38 130	0.22 109	0.38 151	0.22 120	0.38 153	0.22 121	0.29 119	0.22 120	0.29 107	0.22 122	0.29 131	0.22 122	0.22 119	0.21 119	0.21 114	0.38 150	0.22 122	0.38 149	0.22 122	0.38 143	0.22 120	0.21 116	0.25 128	0.38 148	0.21 119	0.38 146	0.21 120

DLNR_Zeroshot_test	0.27 111	0.30 118	0.23 113	0.30 131	0.22 120	0.31 133	0.24 125	0.29 119	0.23 123	0.38 123	0.23 125	0.29 131	0.23 126	0.22 119	0.23 125	0.23 119	0.30 132	0.34 161	0.29 130	0.23 127	0.29 126	0.29 151	0.22 119	0.23 125	0.30 131	0.23 125	0.30 130	0.23 126

HGLStereo	0.27 111	0.25 105	0.21 108	0.35 141	0.21 119	0.35 140	0.21 119	0.34 130	0.21 117	0.39 126	0.21 119	0.34 137	0.21 120	0.22 119	0.21 119	0.21 114	0.35 139	0.22 122	0.35 138	0.22 122	0.35 134	0.22 120	0.21 116	0.21 119	0.35 139	0.21 119	0.35 138	0.21 120

iResNet_ROB	0.28 116	0.32 122	0.24 118	0.33 135	0.26 129	0.32 135	0.24 125	0.33 124	0.25 126	0.33 109	0.24 128	0.35 140	0.24 127	0.23 124	0.24 129	0.25 123	0.32 134	0.24 128	0.36 141	0.24 129	0.32 128	0.28 139	0.24 124	0.24 127	0.32 133	0.24 127	0.33 132	0.24 127

IGEV-FE	0.29 117	2.85 290	0.36 148	0.20 94	0.17 102	0.19 92	0.17 101	0.37 138	0.17 100	0.19 79	0.17 99	0.19 94	0.17 101	0.17 100	0.17 102	0.17 99	0.19 95	0.17 101	0.19 92	0.17 102	0.19 91	0.17 103	0.17 96	0.17 99	0.19 91	0.17 101	0.19 89	0.17 102

IMH-64-1	0.29 117	0.23 93	0.23 113	0.23 108	0.22 120	0.22 101	0.23 123	0.22 95	0.22 120	2.02 271	0.23 125	0.23 108	0.22 122	0.23 124	0.23 125	0.23 119	0.23 107	0.22 122	0.23 107	0.22 122	0.22 100	0.22 120	0.22 119	0.22 122	0.22 101	0.22 122	0.22 99	0.22 122

IMH-64	0.29 117	0.23 93	0.23 113	0.23 108	0.22 120	0.22 101	0.23 123	0.22 95	0.22 120	2.02 271	0.23 125	0.23 108	0.22 122	0.23 124	0.23 125	0.23 119	0.23 107	0.22 122	0.23 107	0.22 122	0.22 100	0.22 120	0.22 119	0.22 122	0.22 101	0.22 122	0.22 99	0.22 122

UPFNet	0.29 117	0.24 101	0.16 86	0.24 113	0.16 98	0.24 114	0.16 99	0.23 103	0.16 95	1.19 231	0.16 97	0.23 108	0.16 98	0.17 100	0.16 98	0.89 252	0.24 112	0.16 97	0.24 113	0.18 112	1.20 265	0.16 99	0.17 96	0.16 98	0.24 113	0.16 99	0.24 110	0.16 96

WAO-6	0.30 121	0.22 88	0.23 113	0.22 100	0.23 125	0.23 110	0.22 121	0.22 95	0.23 123	2.21 281	0.22 122	0.22 102	0.22 122	0.22 119	0.22 123	0.23 119	0.22 102	0.23 127	0.22 99	0.22 122	0.22 100	0.22 120	0.22 119	0.22 122	0.23 107	0.23 125	0.22 99	0.22 122

anonymity	0.30 121	0.34 124	0.27 123	0.33 135	0.27 134	0.33 136	0.28 140	0.33 124	0.28 140	0.33 109	0.28 141	0.33 135	0.28 138	0.28 142	0.28 142	0.28 136	0.34 136	0.28 137	0.34 136	0.28 139	0.34 130	0.27 133	0.27 131	0.27 136	0.34 136	0.28 137	0.34 136	0.28 139

iRaft-Stereo_20w	0.30 121	0.46 151	0.27 123	0.34 137	0.26 129	0.35 140	0.28 140	0.34 130	0.26 133	0.34 112	0.26 134	0.34 137	0.26 134	0.26 130	0.26 135	0.26 126	0.34 136	0.26 133	0.34 136	0.26 134	0.34 130	0.26 132	0.26 129	0.26 132	0.34 136	0.26 132	0.34 136	0.26 133

MMNet	0.30 121	0.24 101	0.17 91	0.24 113	0.17 102	0.24 114	0.17 101	0.23 103	0.18 111	1.21 234	0.17 99	0.23 108	0.17 101	0.17 100	0.17 102	0.89 252	0.24 112	0.17 101	0.24 113	0.17 102	1.22 267	0.16 99	0.17 96	0.17 99	0.24 113	0.17 101	0.24 110	0.17 102

delet	0.30 121	0.24 101	0.17 91	0.24 113	0.17 102	0.24 114	0.17 101	0.23 103	0.16 95	1.21 234	0.17 99	0.24 115	0.17 101	0.17 100	0.17 102	0.91 256	0.24 112	0.17 101	0.24 113	0.17 102	1.23 269	0.17 103	0.17 96	0.17 99	0.24 113	0.17 101	0.24 110	0.17 102

psm_up	0.30 121	0.24 101	0.17 91	0.25 118	0.17 102	0.24 114	0.17 101	0.24 107	0.17 100	1.20 233	0.17 99	0.23 108	0.17 101	0.17 100	0.18 110	0.90 255	0.24 112	0.17 101	0.25 120	0.17 102	1.24 272	0.17 103	0.17 96	0.17 99	0.24 113	0.17 101	0.24 110	0.17 102

MLCV	0.30 121	0.33 123	0.28 126	0.34 137	0.28 138	0.33 136	0.28 140	0.33 124	0.29 148	0.33 109	0.27 138	0.33 135	0.28 138	0.26 130	0.29 150	0.28 136	0.33 135	0.28 137	0.33 133	0.28 139	0.33 129	0.27 133	0.28 136	0.28 140	0.33 134	0.28 137	0.33 132	0.28 139

DN-CSS_ROB	0.30 121	0.34 124	0.29 131	0.34 137	0.27 134	0.34 138	0.28 140	0.33 124	0.27 135	0.34 112	0.27 138	0.34 137	0.28 138	0.29 144	0.27 138	0.26 126	0.35 139	0.29 146	0.33 133	0.28 139	0.34 130	0.28 139	0.28 136	0.27 136	0.34 136	0.28 137	0.33 132	0.28 139

UNDER WATER-64	0.31 129	0.25 105	0.25 119	0.26 124	0.26 129	0.25 122	0.26 129	0.25 108	0.26 133	1.69 256	0.26 134	0.25 119	0.25 128	0.25 128	0.26 135	0.26 126	0.25 120	0.26 133	0.26 124	0.26 134	0.25 114	0.25 126	0.25 125	0.25 128	0.26 126	0.26 132	0.25 119	0.26 133

LG-Stereo_L2	0.32 130	0.45 147	0.36 148	0.37 147	0.27 134	0.37 149	0.27 133	0.43 158	0.27 135	0.36 120	0.31 157	0.36 146	0.27 136	0.27 137	0.27 138	0.30 148	0.37 147	0.27 136	0.37 145	0.27 138	0.37 140	0.27 133	0.27 131	0.27 136	0.37 145	0.27 135	0.37 144	0.27 136

CASnet	0.32 130	0.53 167	0.34 145	0.27 126	0.31 158	0.34 138	0.29 153	0.31 122	0.32 155	0.25 98	0.31 157	0.27 128	0.40 184	0.45 188	0.27 138	0.30 148	0.26 127	0.40 183	0.28 129	0.37 173	0.28 124	0.39 181	0.29 144	0.40 186	0.29 130	0.28 137	0.24 110	0.30 156
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.32 130	0.45 147	0.29 131	0.36 145	0.29 148	0.36 145	0.29 153	0.36 137	0.29 148	0.35 114	0.29 149	0.35 140	0.28 138	0.27 137	0.28 142	0.28 136	0.35 139	0.28 137	0.35 138	0.28 139	0.35 134	0.28 139	0.29 144	0.29 150	0.36 141	0.29 152	0.36 141	0.29 150

RSM	0.33 133	0.36 128	0.31 140	0.39 162	0.32 160	0.36 145	0.30 158	0.35 133	0.38 172	0.35 114	0.31 157	0.35 140	0.30 152	0.30 149	0.31 157	0.30 148	0.36 144	0.31 155	0.36 141	0.30 155	0.36 138	0.31 156	0.31 154	0.31 156	0.36 141	0.31 158	0.36 141	0.31 159

SQANet	0.33 133	0.28 115	0.28 126	0.28 130	0.28 138	0.29 131	0.28 140	0.28 116	0.28 140	1.59 253	0.28 141	0.28 130	0.28 138	0.28 142	0.28 142	0.28 136	0.28 130	0.28 137	0.29 130	0.28 139	0.28 124	0.28 139	0.28 136	0.28 140	0.28 129	0.28 137	0.28 128	0.28 139

DGSMNet	0.33 133	0.42 142	0.28 126	0.40 163	0.28 138	0.40 163	0.28 140	0.40 151	0.28 140	0.40 134	0.28 141	0.39 155	0.28 138	0.27 137	0.28 142	0.28 136	0.40 164	0.28 137	0.42 170	0.29 148	0.41 158	0.31 156	0.29 144	0.28 140	0.41 163	0.28 137	0.42 167	0.29 150

gcap_with_dpt	0.34 136	0.42 142	0.29 131	0.42 174	0.29 148	0.42 171	0.29 153	0.39 147	0.29 148	0.39 126	0.29 149	0.39 155	0.29 147	0.29 144	0.29 150	0.28 136	0.42 171	0.29 146	0.42 170	0.29 148	0.42 163	0.28 139	0.28 136	0.28 140	0.41 163	0.28 137	0.41 161	0.28 139

castereo	0.34 136	1.59 255	1.39 276	0.17 86	0.15 94	0.18 87	0.26 129	1.74 274	0.17 100	0.19 79	0.18 114	0.18 91	0.20 116	0.20 112	0.22 123	0.21 114	0.18 90	0.17 101	0.19 92	0.16 98	0.18 87	0.20 118	0.17 96	0.21 119	0.19 91	0.17 101	0.19 89	0.16 96

GCAP-BAT	0.34 136	0.42 142	0.29 131	0.42 174	0.29 148	0.42 171	0.29 153	0.39 147	0.29 148	0.39 126	0.29 149	0.39 155	0.29 147	0.29 144	0.29 150	0.28 136	0.42 171	0.29 146	0.42 170	0.29 148	0.42 163	0.28 139	0.28 136	0.28 140	0.41 163	0.28 137	0.41 161	0.28 139

RAFT-Test	0.34 136	0.45 147	0.30 137	0.38 151	0.32 160	0.40 163	0.32 162	0.39 147	0.32 155	0.39 126	0.30 154	0.37 148	0.29 147	0.30 149	0.30 154	0.29 146	0.38 150	0.30 152	0.38 149	0.29 148	0.38 143	0.29 151	0.29 144	0.30 154	0.38 148	0.30 155	0.38 146	0.30 156

RAFT + AFF	0.34 136	0.29 116	0.32 143	0.31 133	0.30 155	0.39 160	0.32 162	0.39 147	0.30 152	0.39 126	0.32 160	0.39 155	0.32 157	0.35 158	0.36 167	0.32 157	0.38 150	0.31 155	0.38 149	0.31 159	0.38 143	0.28 139	0.37 172	0.34 163	0.38 148	0.30 155	0.38 146	0.28 139

ETE_ROB	0.35 141	0.35 127	0.35 146	0.35 141	0.35 168	0.35 140	0.35 165	0.35 133	0.35 164	0.35 114	0.35 166	0.35 140	0.35 164	0.35 158	0.35 163	0.35 163	0.35 139	0.35 165	0.35 138	0.35 167	0.35 134	0.35 163	0.35 163	0.35 167	0.35 139	0.35 165	0.35 138	0.35 166

VIP-Stereo	0.36 142	2.00 264	1.11 260	0.26 124	0.16 98	0.24 114	0.15 94	2.00 284	0.23 123	0.24 92	0.15 93	0.23 108	0.16 98	0.16 98	0.16 98	0.15 95	0.24 112	0.15 95	0.24 113	0.16 98	0.24 110	0.15 95	0.15 91	0.20 116	0.24 113	0.15 94	0.24 110	0.15 93

GREAT-IGEV	0.36 142	0.46 151	0.33 144	0.43 176	0.30 155	0.43 176	0.30 158	0.45 161	0.30 152	0.42 142	0.30 154	0.43 171	0.30 152	0.30 149	0.30 154	0.30 148	0.43 173	0.30 152	0.43 173	0.30 155	0.43 166	0.30 154	0.30 152	0.30 154	0.43 171	0.30 155	0.43 169	0.30 156
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
EKT-Stereo	0.36 142	0.50 164	0.30 137	0.40 163	0.29 148	0.40 163	0.29 153	0.35 133	0.30 152	0.47 152	0.30 154	0.35 140	0.32 157	0.29 144	0.34 161	0.33 159	0.59 205	0.31 155	0.39 160	0.29 148	0.37 140	0.38 172	0.29 144	0.31 156	0.58 210	0.28 137	0.51 195	0.29 150

GEStereo_RVC	0.36 142	0.23 93	0.18 96	0.23 108	0.18 112	0.23 110	0.19 115	0.22 95	0.19 113	0.24 92	0.20 117	0.24 115	0.18 114	0.18 107	0.18 110	0.21 114	0.25 120	0.18 114	0.22 99	0.18 112	0.23 107	0.18 114	0.19 113	0.20 116	0.23 107	0.20 116	4.43 326	0.19 115

DMCA	0.36 142	0.38 130	0.37 150	0.35 141	0.35 168	0.35 140	0.36 171	0.35 133	0.36 169	0.36 120	0.37 175	0.36 146	0.36 169	0.36 163	0.35 163	0.37 168	0.36 144	0.36 167	0.36 141	0.36 171	0.36 138	0.35 163	0.36 168	0.36 170	0.37 145	0.36 168	0.36 141	0.36 171

DDF-Stereo	0.37 147	0.57 177	0.50 190	0.40 163	0.32 160	0.40 163	0.32 162	0.53 185	0.32 155	0.39 126	0.32 160	0.39 155	0.32 157	0.32 152	0.32 159	0.32 157	0.40 164	0.32 159	0.40 161	0.32 160	0.40 157	0.32 159	0.32 155	0.32 158	0.40 158	0.32 160	0.40 157	0.32 161

XPNet_ROB	0.37 147	0.37 129	0.37 150	0.37 147	0.37 174	0.37 149	0.37 176	0.37 138	0.37 171	0.37 122	0.37 175	0.37 148	0.37 171	0.37 165	0.37 170	0.37 168	0.37 147	0.37 172	0.37 145	0.37 173	0.37 140	0.37 169	0.37 172	0.37 176	0.37 145	0.37 174	0.37 144	0.37 174

GIP-stereo	0.38 149	0.56 174	0.40 156	0.45 180	0.33 163	0.44 178	0.35 165	0.49 175	0.33 159	0.43 143	0.32 160	0.42 167	0.31 154	0.33 153	0.33 160	0.34 160	0.40 164	0.32 159	0.40 161	0.32 160	0.43 166	0.38 172	0.33 158	0.32 158	0.43 171	0.32 160	0.42 167	0.34 165

Former-RAFT_DAM_RVC	0.38 149	1.06 220	0.54 198	0.59 212	0.27 134	0.46 180	0.27 133	0.46 162	0.27 135	0.46 149	0.27 138	0.46 175	0.26 134	0.27 137	0.27 138	0.26 126	0.46 176	0.26 133	0.45 176	0.30 155	0.46 170	0.27 133	0.27 131	0.27 136	0.46 175	0.27 135	0.45 172	0.26 133

CES	0.38 149	0.34 124	0.44 168	0.43 176	0.33 163	0.37 149	0.44 196	0.37 138	0.38 172	0.45 146	0.35 166	0.35 140	0.41 185	0.45 188	0.36 167	0.36 165	0.36 144	0.45 194	0.43 173	0.35 167	0.34 130	0.46 193	0.36 168	0.36 170	0.42 170	0.34 164	0.35 138	0.38 177

PML	0.39 152	0.56 174	0.29 131	0.55 206	0.28 138	0.56 208	0.28 140	0.51 182	0.28 140	0.50 158	0.28 141	0.51 196	0.28 138	0.29 144	0.28 142	0.29 146	0.56 203	0.29 146	0.57 211	0.28 139	0.56 201	0.28 139	0.28 136	0.29 150	0.56 207	0.28 137	0.56 204	0.28 139

DEFOM-Stereo_RVC	0.40 153	2.14 273	1.91 301	0.20 94	0.18 112	0.19 92	0.17 101	2.23 287	0.19 113	0.24 92	0.21 119	0.19 94	0.21 120	0.20 112	0.18 110	0.20 112	0.20 96	0.18 114	0.20 95	0.19 117	0.19 91	0.17 103	0.18 110	0.17 99	0.20 95	0.20 116	0.21 97	0.19 115

quiztm	0.41 154	0.45 147	0.40 156	0.44 178	0.39 183	0.45 179	0.39 186	0.44 160	0.40 181	0.45 146	0.39 186	0.45 174	0.39 183	0.39 176	0.40 185	0.39 179	0.45 175	0.40 183	0.45 176	0.39 184	0.44 168	0.39 181	0.39 182	0.39 184	0.44 173	0.39 184	0.44 171	0.39 183

GASTEREO	0.41 154	0.54 168	0.44 168	0.48 190	0.35 168	0.48 192	0.35 165	0.53 185	0.35 164	0.46 149	0.35 166	0.46 175	0.35 164	0.35 158	0.35 163	0.35 163	0.47 180	0.35 165	0.47 182	0.35 167	0.47 174	0.38 172	0.35 163	0.35 167	0.48 186	0.35 165	0.47 177	0.35 166

GwcNet-ADL	0.41 154	0.41 136	0.41 159	0.41 170	0.41 186	0.41 167	0.41 188	0.41 153	0.41 185	0.41 135	0.41 189	0.41 163	0.41 185	0.41 178	0.41 187	0.41 181	0.41 167	0.41 186	0.41 166	0.41 187	0.41 158	0.41 186	0.41 185	0.41 187	0.41 163	0.41 187	0.41 161	0.41 187

PSMNet-ADL	0.41 154	0.41 136	0.41 159	0.41 170	0.41 186	0.41 167	0.41 188	0.41 153	0.41 185	0.41 135	0.41 189	0.41 163	0.41 185	0.41 178	0.41 187	0.41 181	0.41 167	0.41 186	0.41 166	0.41 187	0.41 158	0.41 186	0.41 185	0.41 187	0.41 163	0.41 187	0.41 161	0.41 187

GANet-ADL	0.41 154	0.41 136	0.41 159	0.41 170	0.41 186	0.41 167	0.41 188	0.41 153	0.41 185	0.41 135	0.41 189	0.41 163	0.41 185	0.41 178	0.41 187	0.41 181	0.41 167	0.41 186	0.41 166	0.41 187	0.41 158	0.41 186	0.41 185	0.41 187	0.41 163	0.41 187	0.41 161	0.41 187

ADLNet	0.41 154	0.41 136	0.41 159	0.41 170	0.41 186	0.41 167	0.41 188	0.41 153	0.41 185	0.41 135	0.41 189	0.41 163	0.41 185	0.41 178	0.41 187	0.41 181	0.41 167	0.41 186	0.41 166	0.41 187	0.41 158	0.41 186	0.41 185	0.41 187	0.41 163	0.41 187	0.41 161	0.41 187

GEAStereo	0.42 160	0.55 170	0.44 168	0.48 190	0.35 168	0.48 192	0.35 165	0.54 187	0.35 164	0.47 152	0.36 169	0.47 180	0.41 185	0.38 167	0.38 172	0.38 171	0.51 195	0.36 167	0.51 200	0.38 177	0.48 181	0.35 163	0.35 163	0.36 170	0.52 198	0.37 174	0.48 183	0.36 171

GSStereo	0.42 160	0.56 174	0.44 168	0.48 190	0.36 173	0.48 192	0.36 171	0.54 187	0.36 169	0.47 152	0.36 169	0.47 180	0.36 169	0.36 163	0.35 163	0.36 165	0.48 185	0.36 167	0.48 189	0.36 171	0.48 181	0.36 168	0.36 168	0.36 170	0.48 186	0.36 168	0.48 183	0.35 166

gasm-f	0.42 160	0.55 170	0.44 168	0.48 190	0.35 168	0.48 192	0.35 165	0.54 187	0.35 164	0.47 152	0.36 169	0.47 180	0.41 185	0.38 167	0.38 172	0.38 171	0.51 195	0.36 167	0.51 200	0.38 177	0.48 181	0.35 163	0.35 163	0.36 170	0.52 198	0.37 174	0.48 183	0.36 171

DEFOM-Stereo	0.43 163	1.60 257	1.47 281	0.30 131	0.28 138	0.31 133	0.28 140	1.65 272	0.25 126	0.29 107	0.26 134	0.30 133	0.29 147	0.27 137	0.26 135	0.26 126	0.30 132	0.29 146	0.30 132	0.26 134	0.29 126	0.29 151	0.27 131	0.26 132	0.30 131	0.29 152	0.30 130	0.29 150

GES	0.43 163	0.41 136	0.31 140	0.35 141	0.30 155	0.47 186	0.28 140	0.33 124	0.28 140	0.35 114	0.29 149	2.95 307	0.38 174	0.35 158	0.30 154	0.34 160	0.34 136	0.30 152	0.33 133	0.30 155	0.35 134	0.30 154	0.33 158	0.33 161	0.33 134	0.31 158	0.33 132	0.29 150

MSCF	0.44 165	0.60 183	0.47 176	0.50 198	0.40 184	0.50 199	0.38 179	0.57 195	0.38 172	0.48 156	0.38 178	0.48 188	0.38 174	0.38 167	0.38 172	0.38 171	0.49 190	0.38 175	0.49 193	0.39 184	0.50 189	0.38 172	0.38 176	0.38 177	0.49 191	0.38 178	0.49 191	0.38 177

LG-Stereo_L1	0.44 165	0.58 180	0.49 189	0.51 201	0.38 178	0.51 201	0.38 179	0.56 193	0.38 172	0.50 158	0.38 178	0.50 193	0.38 174	0.38 167	0.38 172	0.38 171	0.52 197	0.38 175	0.52 203	0.38 177	0.51 191	0.38 172	0.38 176	0.38 177	0.52 198	0.38 178	0.51 195	0.40 185

FCDSN-DC	0.44 165	0.31 120	0.35 146	0.34 137	0.28 138	0.35 140	0.30 158	0.32 123	0.25 126	1.32 241	0.24 128	1.00 251	0.32 157	0.35 158	0.34 161	0.30 148	0.72 221	0.37 172	0.48 189	0.32 160	0.53 197	0.49 207	0.23 123	0.29 150	0.50 192	0.42 192	0.61 211	0.71 246
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
LG-Stereo_Zeroshot	0.45 168	0.57 177	0.45 174	0.54 203	0.37 174	0.53 205	0.37 176	0.56 193	0.40 181	0.53 164	0.38 178	0.53 200	0.37 171	0.37 165	0.37 170	0.37 168	0.55 200	0.38 175	0.53 205	0.37 173	0.53 197	0.37 169	0.37 172	0.39 184	0.54 203	0.37 174	0.54 201	0.37 174

WAO-7	0.46 169	0.38 130	0.38 152	0.38 151	0.38 178	0.38 153	0.38 179	0.38 141	0.38 172	2.57 297	0.38 178	0.38 151	0.38 174	0.38 167	0.38 172	0.38 171	0.38 150	0.38 175	0.38 149	0.38 177	0.38 143	0.38 172	0.38 176	0.38 177	0.38 148	0.38 178	0.38 146	0.38 177

Venus	0.46 169	0.38 130	0.40 156	0.38 151	0.38 178	0.39 160	0.38 179	0.38 141	0.38 172	2.71 299	0.38 178	0.38 151	0.38 174	0.38 167	0.38 172	0.38 171	0.38 150	0.38 175	0.38 149	0.38 177	0.38 143	0.38 172	0.38 176	0.38 177	0.38 148	0.38 178	0.39 156	0.38 177

HanzoNet	0.47 171	0.39 134	0.38 152	0.38 151	0.38 178	0.38 153	0.38 179	0.40 151	0.38 172	2.63 298	0.38 178	0.38 151	0.38 174	0.38 167	0.38 172	0.39 179	0.38 150	0.38 175	0.38 149	0.42 192	0.38 143	0.39 181	0.39 182	0.38 177	0.38 148	0.38 178	0.38 146	0.39 183

IMH	0.47 171	0.40 135	0.39 155	0.38 151	0.38 178	0.38 153	0.38 179	0.38 141	0.40 181	2.79 301	0.38 178	0.38 151	0.38 174	0.38 167	0.38 172	0.38 171	0.39 160	0.38 175	0.38 149	0.40 186	0.38 143	0.38 172	0.38 176	0.38 177	0.38 148	0.38 178	0.38 146	0.38 177

LL-Strereo2	0.47 171	2.60 286	0.51 194	0.38 151	0.28 138	0.37 149	0.28 140	0.55 191	0.35 164	0.44 145	0.34 165	0.44 173	0.34 162	0.34 154	0.36 167	0.36 165	0.47 180	0.36 167	0.47 182	0.35 167	0.47 174	0.35 163	0.35 163	0.35 167	0.46 175	0.35 165	0.47 177	0.35 166

DN	0.50 174	0.59 182	0.44 168	0.59 212	0.44 194	0.59 212	0.44 196	0.57 195	0.44 192	0.57 168	0.44 195	0.57 205	0.44 193	0.44 186	0.44 194	0.44 188	0.59 205	0.44 193	0.59 212	0.44 195	0.59 205	0.44 192	0.44 191	0.44 194	0.59 212	0.44 195	0.59 207	0.44 193

GMOStereo	0.50 174	0.44 145	2.38 311	0.40 163	0.34 165	0.42 171	0.36 171	1.96 279	0.34 160	0.41 135	0.36 169	0.42 167	0.35 164	0.34 154	0.38 172	0.31 153	0.39 160	0.34 161	0.40 161	0.33 164	0.39 152	0.33 160	0.33 158	0.34 163	0.40 158	0.36 168	0.40 157	0.32 161

error version	0.50 174	0.44 145	2.38 311	0.40 163	0.34 165	0.42 171	0.36 171	1.96 279	0.34 160	0.41 135	0.36 169	0.42 167	0.35 164	0.34 154	0.38 172	0.31 153	0.39 160	0.34 161	0.40 161	0.33 164	0.39 152	0.33 160	0.33 158	0.34 163	0.40 158	0.36 168	0.40 157	0.32 161

SANet	0.50 174	0.50 164	0.50 190	0.50 198	0.50 214	0.50 199	0.50 214	0.50 179	0.50 213	0.50 158	0.50 213	0.50 193	0.50 211	0.50 206	0.50 214	0.50 210	0.50 193	0.50 213	0.50 197	0.50 215	0.50 189	0.50 213	0.50 208	0.50 211	0.50 192	0.50 215	0.50 193	0.50 209

PDISCO_ROB	0.50 174	0.15 68	0.11 62	0.16 82	3.16 320	0.13 65	0.12 82	0.14 62	0.12 80	0.15 58	0.11 65	2.55 306	0.11 66	2.20 304	0.13 87	0.12 80	0.16 82	0.10 53	0.14 65	0.12 84	0.15 75	0.12 83	0.12 80	0.12 82	0.15 72	0.10 52	2.75 307	0.09 51

otaku	0.52 179	0.46 151	0.48 183	0.46 181	0.46 196	0.46 180	0.46 198	0.46 162	0.47 201	1.88 260	0.46 198	0.46 175	0.46 197	0.46 190	0.46 197	0.46 191	0.47 180	0.46 195	0.46 178	0.46 198	0.47 174	0.46 193	0.46 193	0.46 197	0.47 181	0.46 197	0.46 173	0.47 198

HaxPig	0.52 179	0.48 160	0.47 176	0.47 186	0.47 200	0.47 186	0.47 202	0.47 168	0.47 201	1.80 257	0.47 202	0.47 180	0.47 200	0.47 194	0.47 201	0.47 198	0.47 180	0.47 202	0.47 182	0.47 203	0.47 174	0.47 200	0.47 199	0.47 201	0.47 181	0.47 204	0.47 177	0.47 198

UNDER WATER	0.52 179	0.47 157	0.47 176	0.47 186	0.47 200	0.47 186	0.47 202	0.47 168	0.47 201	1.90 261	0.47 202	0.47 180	0.47 200	0.47 194	0.47 201	0.47 198	0.46 176	0.47 202	0.47 182	0.47 203	0.46 170	0.47 200	0.47 199	0.48 205	0.47 181	0.47 204	0.47 177	0.47 198

Dean	0.52 179	0.46 151	0.48 183	0.46 181	0.46 196	0.46 180	0.46 198	0.46 162	0.46 196	1.90 261	0.46 198	0.47 180	0.46 197	0.46 190	0.46 197	0.46 191	0.48 185	0.46 195	0.46 178	0.46 198	0.46 170	0.46 193	0.46 193	0.46 197	0.46 175	0.46 197	0.46 173	0.46 195

Ntro	0.53 183	0.47 157	0.50 190	0.46 181	0.48 206	0.47 186	0.47 202	0.46 162	0.46 196	2.05 273	0.47 202	0.47 180	0.49 209	0.47 194	0.47 201	0.46 191	0.48 185	0.46 195	0.49 193	0.46 198	0.47 174	0.46 193	0.46 193	0.47 201	0.46 175	0.46 197	0.47 177	0.47 198

RainbowNet	0.53 183	0.48 160	0.48 183	0.48 190	0.48 206	0.48 192	0.48 207	0.48 171	0.48 206	1.92 263	0.48 208	0.48 188	0.48 204	0.48 200	0.48 207	0.48 202	0.48 185	0.48 206	0.48 189	0.48 207	0.48 181	0.48 203	0.48 203	0.48 205	0.48 186	0.48 208	0.48 183	0.48 205

LVE	0.53 183	0.47 157	0.48 183	0.47 186	0.47 200	0.47 186	0.47 202	0.48 171	0.47 201	1.96 268	0.47 202	0.47 180	0.47 200	0.47 194	0.47 201	0.47 198	0.47 180	0.47 202	0.47 182	0.47 203	0.47 174	0.47 200	0.47 199	0.47 201	0.47 181	0.47 204	0.47 177	0.47 198

ACVNet_1	0.53 183	0.46 151	0.48 183	0.47 186	0.47 200	0.46 180	0.48 207	0.48 171	0.48 206	2.07 274	0.47 202	0.48 188	0.48 204	0.47 194	0.47 201	0.46 191	0.49 190	0.47 202	0.47 182	0.47 203	0.48 181	0.46 193	0.46 193	0.48 205	0.47 181	0.47 204	0.48 183	0.47 198

ACVNet-4b	0.53 183	0.46 151	0.47 176	0.46 181	0.46 196	0.46 180	0.46 198	0.46 162	0.46 196	2.17 277	0.46 198	0.46 175	0.47 200	0.46 190	0.46 197	0.46 191	0.46 176	0.46 195	0.46 178	0.46 198	0.46 170	0.46 193	0.46 193	0.47 201	0.46 175	0.46 197	0.46 173	0.46 195

AIO-test2	0.54 188	0.65 187	0.55 201	0.60 214	0.50 214	0.60 213	0.49 210	0.65 201	0.48 206	0.60 171	0.49 211	0.59 206	0.50 211	0.50 206	0.49 211	0.49 206	0.60 207	0.50 213	0.60 214	0.49 212	0.60 206	0.49 207	0.50 208	0.51 213	0.60 214	0.48 208	0.60 208	0.50 209

AIO-test1	0.54 188	0.64 186	0.54 198	0.60 214	0.49 210	0.61 215	0.49 210	0.64 200	0.49 211	0.59 169	0.48 208	0.60 208	0.50 211	0.48 200	0.48 207	0.48 202	0.60 207	0.48 206	0.60 214	0.48 207	0.60 206	0.49 207	0.49 205	0.49 209	0.59 212	0.49 212	0.60 208	0.49 206

notaker	0.54 188	0.48 160	0.48 183	0.48 190	0.48 206	0.48 192	0.49 210	0.48 171	0.48 206	1.95 267	0.48 208	0.48 188	0.48 204	0.48 200	0.48 207	0.48 202	0.48 185	0.48 206	0.48 189	0.48 207	0.49 187	0.48 203	0.48 203	0.49 209	0.48 186	0.48 208	0.48 183	0.49 206

ACVNet_2	0.55 191	0.49 163	0.50 190	0.49 196	0.49 210	0.49 198	0.49 210	0.49 175	0.49 211	2.14 276	0.49 211	0.50 193	0.49 209	0.49 203	0.49 211	0.49 206	0.50 193	0.49 212	0.50 197	0.49 212	0.49 187	0.49 207	0.49 205	0.50 211	0.50 192	0.49 212	0.50 193	0.49 206

CFNet	0.55 191	0.25 105	0.18 96	0.25 118	0.18 112	0.25 122	0.18 114	0.25 108	0.18 111	0.25 98	0.18 114	0.25 119	0.18 114	0.18 107	0.18 110	0.18 108	0.25 120	0.18 114	0.25 120	0.18 112	5.31 337	4.36 336	0.18 110	0.18 113	0.25 121	0.18 113	0.25 119	0.18 113

PSMNet_ROB	0.55 191	0.55 170	0.56 204	0.56 207	0.55 218	0.56 208	0.55 218	0.55 191	0.55 217	0.55 165	0.55 218	0.55 202	0.55 219	0.55 209	0.56 219	0.55 214	0.55 200	0.55 219	0.55 208	0.55 218	0.55 200	0.55 216	0.55 213	0.55 219	0.55 204	0.55 220	0.55 202	0.55 216

PointNet	0.56 194	0.69 189	0.47 176	0.69 223	0.47 200	0.69 221	0.47 202	0.70 207	0.47 201	0.69 176	0.47 202	0.69 217	0.48 204	0.47 194	0.47 201	0.47 198	0.70 217	0.48 206	0.70 221	0.48 207	0.69 215	0.48 203	0.47 199	0.48 205	0.70 221	0.48 208	0.69 216	0.47 198

IER	0.56 194	2.72 289	2.20 305	0.38 151	0.29 148	0.38 153	0.27 133	2.77 304	0.27 135	0.38 123	0.28 141	0.37 148	0.25 128	0.26 130	0.25 130	0.26 126	0.38 150	0.29 146	0.38 149	0.25 130	0.39 152	0.25 126	0.29 144	0.29 150	0.40 158	0.25 128	0.38 146	0.25 128

LG-Stereo	0.57 196	0.58 180	0.43 166	0.54 203	0.65 230	0.95 244	0.69 244	0.69 203	0.38 172	0.52 162	0.37 175	0.53 200	0.37 171	0.68 237	0.73 247	0.72 243	0.70 217	0.37 172	0.54 207	0.37 173	0.54 199	0.37 169	0.37 172	0.56 220	0.95 245	0.59 225	0.84 232	0.37 174

CASS	0.58 197	0.89 206	0.55 201	0.56 207	0.55 218	0.60 213	0.57 224	0.57 195	0.56 219	0.55 165	0.56 219	0.56 203	0.50 211	0.63 221	0.56 219	0.56 217	0.62 210	0.62 228	0.59 212	0.56 220	0.56 201	0.48 203	0.60 220	0.56 220	0.57 209	0.60 227	0.57 206	0.59 221
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DISCO	0.59 198	0.29 116	0.22 109	0.27 126	5.05 342	0.30 132	0.21 119	0.28 116	0.21 117	0.27 106	0.21 119	0.27 128	0.20 116	0.21 116	0.21 119	0.21 114	0.27 129	0.21 121	0.27 128	0.21 121	0.27 122	0.23 125	0.21 116	0.21 119	0.27 128	0.21 119	5.06 334	0.22 122

LMCR-Stereo	0.61 199	0.61 184	0.61 211	0.61 217	0.61 225	0.67 220	0.61 229	0.61 198	0.61 226	0.61 172	0.61 226	0.61 209	0.61 226	0.61 217	0.61 226	0.61 221	0.61 209	0.61 227	0.61 216	0.61 226	0.61 208	0.61 223	0.61 221	0.61 229	0.61 216	0.61 228	0.61 211	0.61 227

AANet_RVC	0.61 199	0.31 120	5.05 331	0.31 133	0.19 116	0.24 114	0.20 117	5.86 327	0.20 115	0.24 92	0.18 114	0.25 119	0.20 116	0.23 124	0.21 119	0.18 108	0.37 147	0.18 114	0.24 113	0.19 117	0.25 114	0.19 117	0.19 113	0.19 115	0.24 113	0.15 94	0.24 110	0.20 117

iRaftStereo_RVC	0.62 201	1.76 260	2.24 307	0.52 202	0.37 174	0.53 205	0.38 179	2.51 298	0.38 172	0.51 161	0.38 178	0.51 196	0.38 174	0.38 167	0.38 172	0.38 171	0.52 197	0.38 175	0.52 203	0.38 177	0.52 194	0.38 172	0.38 176	0.38 177	0.52 198	0.39 184	0.52 198	0.38 177

ARAFT	0.64 202	0.74 196	0.62 212	0.70 229	0.56 220	0.72 226	0.55 218	0.72 210	0.54 216	0.73 183	0.56 219	0.72 223	0.56 221	0.56 211	0.62 227	0.63 223	0.73 222	0.53 218	0.73 225	0.54 217	0.72 219	0.65 227	0.62 222	0.56 220	0.72 224	0.54 218	0.72 221	0.57 218

test_1	0.65 203	4.37 305	2.38 311	0.40 163	0.34 165	0.42 171	0.36 171	1.96 279	0.34 160	0.41 135	0.36 169	0.42 167	0.35 164	0.34 154	0.38 172	0.31 153	0.39 160	0.34 161	0.40 161	0.33 164	0.39 152	0.33 160	0.33 158	0.34 163	0.40 158	0.36 168	0.40 157	0.32 161

zero-FE	0.66 204	0.80 199	0.56 204	0.79 233	0.58 222	0.82 231	0.55 218	0.76 212	0.56 219	0.75 185	0.58 223	0.75 227	0.59 224	0.57 212	0.56 219	0.55 214	0.79 226	0.55 219	0.78 230	0.55 218	0.85 228	0.58 218	0.55 213	0.57 224	0.80 230	0.57 222	0.80 226	0.57 218

HH	0.66 204	2.13 268	0.47 176	0.37 147	0.29 148	0.36 145	0.27 133	0.49 175	0.44 192	0.78 186	0.68 238	0.67 214	0.90 256	0.62 218	0.90 255	0.53 212	0.88 234	0.48 206	0.37 145	0.29 148	0.63 211	0.66 230	0.66 226	0.51 213	1.06 261	0.61 228	1.08 259	0.60 223

HanStereo	0.66 204	2.13 268	0.47 176	0.37 147	0.29 148	0.36 145	0.27 133	0.49 175	0.44 192	0.78 186	0.68 238	0.67 214	0.90 256	0.62 218	0.90 255	0.53 212	0.88 234	0.48 206	0.37 145	0.29 148	0.63 211	0.66 230	0.66 226	0.51 213	1.06 261	0.61 228	1.08 259	0.60 223

DSFCA	0.66 204	0.73 194	0.74 223	0.68 222	0.65 230	0.64 217	0.65 235	0.65 201	0.65 229	0.66 175	0.65 230	0.65 211	0.64 228	0.65 225	0.65 231	0.65 226	0.65 212	0.65 232	0.65 218	0.65 230	0.65 214	0.65 227	0.65 225	0.65 233	0.66 218	0.66 233	0.65 214	0.65 230

4D-IteraStereo	0.67 208	3.40 295	1.05 253	0.71 230	0.83 253	0.47 186	0.27 133	0.47 168	0.27 135	0.35 114	0.26 134	0.68 216	0.84 252	0.41 178	0.54 216	0.89 252	0.74 224	0.88 256	0.73 225	0.87 257	0.42 163	0.27 133	0.28 136	0.28 140	0.36 141	0.28 137	0.68 215	0.90 256

RAFT-Stereo + iAFF	0.67 208	0.74 196	0.60 210	0.79 233	0.61 225	0.76 227	0.57 224	0.71 209	0.56 219	0.71 181	0.54 217	0.72 223	0.66 231	0.65 225	0.65 231	0.64 224	0.74 224	0.64 230	0.74 227	0.63 227	0.73 220	0.65 227	0.64 223	0.64 231	0.74 226	0.61 228	0.73 222	0.64 228

Occ-G	0.68 210	0.54 168	3.16 320	0.57 211	0.45 195	0.52 204	0.40 187	3.44 311	0.46 196	0.52 162	0.45 197	0.51 196	0.44 193	0.44 186	0.40 185	0.45 190	0.55 200	0.41 186	0.53 205	0.43 193	0.52 194	0.40 184	0.44 191	0.45 196	0.55 204	0.44 195	0.53 200	0.44 193

mm2	0.69 211	0.69 189	0.69 216	0.69 223	0.69 240	0.69 221	0.69 244	0.69 203	0.69 240	0.69 176	0.69 241	0.69 217	0.69 240	0.69 239	0.69 243	0.69 237	0.69 215	0.69 242	0.69 219	0.69 241	0.69 215	0.69 240	0.69 239	0.69 245	0.69 219	0.69 243	0.69 216	0.69 241

mm1	0.69 211	0.69 189	0.69 216	0.69 223	0.69 240	0.69 221	0.69 244	0.69 203	0.69 240	0.69 176	0.69 241	0.69 217	0.69 240	0.69 239	0.69 243	0.69 237	0.69 215	0.69 242	0.69 219	0.69 241	0.69 215	0.69 240	0.69 239	0.69 245	0.69 219	0.69 243	0.69 216	0.69 241

TorneroNet-64	0.69 211	0.65 187	0.30 137	0.27 126	0.47 200	0.28 130	0.35 165	0.34 130	0.80 247	7.93 344	0.29 149	0.30 133	0.31 154	0.81 249	0.28 142	0.27 135	0.29 131	0.28 137	0.85 236	0.83 255	0.62 210	0.28 139	0.30 152	0.28 140	0.52 198	0.29 152	0.29 129	0.27 136

DDUNet	0.69 211	0.84 203	0.59 209	0.84 239	0.59 223	0.87 237	0.57 224	0.84 217	0.59 225	0.82 193	0.58 223	0.85 236	0.57 222	0.59 216	0.59 223	0.57 218	0.87 233	0.59 224	0.85 236	0.59 225	0.85 228	0.59 221	0.59 218	0.59 225	0.87 235	0.59 225	0.84 232	0.59 221

UDG	0.70 215	0.87 204	0.56 204	0.87 240	0.59 223	0.84 234	0.59 227	0.85 218	0.57 222	0.84 195	0.59 225	0.84 235	0.60 225	0.58 213	0.60 224	0.59 219	0.85 232	0.59 224	0.87 238	0.58 222	0.87 230	0.60 222	0.57 217	0.59 225	0.87 235	0.58 224	0.86 235	0.60 223

MaskLacGwcNet_RVC	0.70 215	6.91 319	0.46 175	0.46 181	0.46 196	0.46 180	0.46 198	0.46 162	0.46 196	0.46 149	0.46 198	0.46 175	0.46 197	0.46 190	0.46 197	0.46 191	0.46 176	0.46 195	0.46 178	0.46 198	0.47 174	0.46 193	0.46 193	0.46 197	0.46 175	0.46 197	0.46 173	0.46 195

HCRNet	0.71 217	6.06 317	3.15 319	0.50 198	0.22 120	0.21 100	0.15 94	3.04 306	0.34 160	0.43 143	0.33 164	0.43 171	0.33 161	0.15 94	0.14 92	0.14 91	0.21 99	0.17 101	0.47 182	0.20 119	0.21 97	0.16 99	0.32 155	0.33 161	0.50 192	0.33 163	0.49 191	0.28 139

AFF-stereo	0.71 217	0.73 194	0.65 215	0.82 237	0.63 228	0.83 232	0.63 231	0.73 211	0.65 229	0.82 193	0.73 246	0.74 226	0.64 228	0.63 221	0.62 227	0.62 222	0.73 222	0.63 229	0.74 227	0.72 246	0.80 222	0.58 218	0.70 242	0.71 248	0.79 228	0.69 243	0.78 224	0.72 247

DMCA-RVC	0.71 217	0.72 192	0.72 218	0.71 230	0.70 243	0.70 224	0.70 249	0.70 207	0.71 242	0.70 180	0.71 244	0.71 222	0.70 242	0.70 241	0.71 245	0.70 240	0.70 217	0.71 246	0.70 221	0.71 244	0.70 218	0.70 242	0.71 244	0.71 248	0.70 221	0.72 248	0.71 219	0.70 244

PA-Net	0.71 217	0.62 185	0.55 201	0.69 223	0.71 244	0.70 224	0.69 244	0.69 203	0.74 245	0.73 183	0.75 247	0.59 206	0.72 245	0.82 250	0.79 250	0.83 249	0.67 214	0.76 249	0.81 234	0.67 237	0.61 208	0.76 246	0.68 237	0.65 233	0.82 233	0.76 251	0.71 219	0.69 241
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DNS	0.73 221	0.88 205	0.64 214	0.88 241	0.64 229	0.88 238	0.64 233	0.85 218	0.63 227	0.85 196	0.63 229	0.85 236	0.63 227	0.63 221	0.63 230	0.64 224	0.88 234	0.64 230	0.88 239	0.64 229	0.88 231	0.64 226	0.64 223	0.64 231	0.88 237	0.64 232	0.88 236	0.64 228

AIO-Stereo-zeroshot1	0.74 222	0.57 177	0.57 207	0.56 207	0.92 256	1.07 261	0.63 231	1.03 241	0.82 251	0.49 157	0.77 248	0.69 217	0.54 218	0.58 213	0.54 216	0.86 251	1.06 255	0.72 247	1.06 258	0.79 249	0.58 204	0.87 252	0.59 218	0.46 197	0.76 227	0.46 197	1.05 256	0.97 261

AEACV	0.74 222	0.52 166	3.10 317	0.60 214	0.48 206	0.56 208	0.48 207	3.02 305	0.83 252	0.61 172	0.62 227	0.72 223	0.50 211	0.49 203	0.49 211	0.48 202	0.58 204	0.50 213	0.55 208	0.48 207	0.56 201	0.50 213	0.50 208	0.51 213	0.58 210	0.51 217	0.60 208	0.51 212

MyStereo04	0.76 224	4.78 311	0.62 212	0.63 220	0.54 217	0.65 218	0.56 222	0.61 198	0.58 223	0.61 172	0.56 219	0.63 210	0.57 222	0.63 221	0.60 224	0.60 220	0.64 211	0.56 222	0.63 217	0.58 222	0.63 211	0.62 225	0.55 213	0.60 227	0.63 217	0.57 222	0.64 213	0.58 220

RSM++	0.77 225	0.91 207	0.72 218	0.83 238	0.71 244	0.83 232	0.72 250	0.81 216	0.71 242	0.81 192	0.71 244	0.81 234	0.71 244	0.71 243	0.71 245	0.70 240	0.83 231	0.72 247	0.83 235	0.81 254	0.83 226	0.72 245	0.71 244	0.71 248	0.88 237	0.71 246	0.83 231	0.70 244

test-3	0.78 226	4.38 306	1.80 293	0.62 218	0.49 210	0.62 216	0.50 214	1.86 275	0.64 228	0.69 176	0.52 215	0.66 212	0.38 174	0.58 213	0.57 222	0.46 191	0.66 213	0.46 195	0.50 197	0.44 195	0.48 181	0.58 218	0.54 212	0.60 227	0.70 221	0.46 197	0.48 183	0.50 209

WQFJA1++	0.80 227	1.24 236	0.73 221	0.97 249	0.65 230	0.97 246	0.65 235	0.97 230	0.65 229	0.94 205	0.66 231	0.94 243	0.65 230	0.66 228	0.65 231	0.66 227	0.98 243	0.66 234	0.98 247	0.66 232	0.98 240	0.66 230	0.66 226	0.66 235	0.98 247	0.66 233	0.98 244	0.66 231

NLMM	0.80 227	1.26 242	0.75 227	0.98 251	0.66 233	0.97 246	0.66 237	0.97 230	0.66 232	0.94 205	0.66 231	0.96 250	0.66 231	0.66 228	0.68 241	0.67 232	0.99 245	0.68 241	0.98 247	0.66 232	0.99 241	0.66 230	0.66 226	0.66 235	1.00 253	0.66 233	0.99 245	0.66 231

AdaDepth	0.80 227	0.95 212	1.02 248	0.95 246	0.67 238	0.95 244	0.67 241	0.94 227	0.67 237	0.92 200	0.67 235	0.94 243	0.67 237	0.67 233	0.67 238	0.67 232	0.95 240	0.67 237	0.95 246	0.67 237	0.96 239	0.68 238	0.67 232	0.67 239	0.96 246	0.67 237	0.95 243	0.67 236

CroCo-Stereo	0.80 227	2.51 281	0.41 159	1.27 277	0.41 186	1.27 276	0.41 188	1.27 261	0.41 185	1.27 238	0.41 189	1.27 273	0.41 185	0.41 178	0.41 187	0.41 181	1.28 273	0.41 186	1.27 272	0.41 187	1.27 273	0.41 186	0.42 189	0.41 187	1.27 276	0.41 187	1.27 275	0.41 187
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
NaN_ROB	0.80 227	0.80 199	0.80 233	0.80 235	0.80 250	0.80 229	0.80 253	0.80 214	0.80 247	0.80 190	0.80 251	0.80 232	0.80 248	0.80 247	0.80 251	0.80 247	0.80 228	0.80 252	0.80 232	0.80 252	0.80 222	0.80 248	0.80 250	0.80 252	0.80 230	0.80 253	0.80 226	0.80 251

CSAN	0.80 227	0.80 199	0.80 233	0.80 235	0.80 250	0.80 229	0.80 253	0.80 214	0.80 247	0.80 190	0.80 251	0.80 232	0.80 248	0.80 247	0.80 251	0.80 247	0.80 228	0.80 252	0.80 232	0.80 252	0.80 222	0.80 248	0.80 250	0.80 252	0.80 230	0.80 253	0.80 226	0.80 251

WQFJX1	0.81 233	1.27 244	0.74 223	0.98 251	0.67 238	0.98 248	0.67 241	0.97 230	0.67 237	0.94 205	0.67 235	0.95 246	0.66 231	0.66 228	0.66 234	0.67 232	0.99 245	0.67 237	0.98 247	0.68 240	0.99 241	0.66 230	0.66 226	0.66 235	0.99 248	0.66 233	1.00 247	0.66 231

WQFJX	0.81 233	1.27 244	0.74 223	0.99 253	0.66 233	0.99 250	0.66 237	0.99 236	0.66 232	0.95 210	0.66 231	0.95 246	0.67 237	0.67 233	0.66 234	0.66 227	0.99 245	0.66 234	1.00 251	0.66 232	0.99 241	0.67 236	0.68 237	0.67 239	0.99 248	0.67 237	0.99 245	0.67 236

NLMM1	0.81 233	1.26 242	0.74 223	1.00 255	0.66 233	0.99 250	0.67 241	0.98 233	0.66 232	0.94 205	0.67 235	0.94 243	0.66 231	0.66 228	0.66 234	0.66 227	1.00 249	0.67 237	1.00 251	0.66 232	0.99 241	0.71 243	0.73 247	0.67 239	0.99 248	0.67 237	1.00 247	0.66 231

NLSM3	0.81 233	1.27 244	0.75 227	0.99 253	0.66 233	0.99 250	0.66 237	0.98 233	0.67 237	0.95 210	0.66 231	0.95 246	0.66 231	0.67 233	0.67 238	0.66 227	0.99 245	0.66 234	0.99 250	0.66 232	0.99 241	0.67 236	0.66 226	0.66 235	0.99 248	0.67 237	1.00 247	0.67 236

gcap-zeroshot	0.81 233	1.03 218	0.84 237	0.93 244	0.85 254	0.84 234	0.62 230	1.21 257	0.53 215	0.79 188	0.84 254	0.77 228	0.70 242	0.84 252	0.67 238	0.74 244	1.18 267	0.52 217	0.91 240	0.79 249	0.84 227	0.61 223	0.83 252	0.69 245	0.93 244	0.82 255	0.85 234	0.66 231

WQFJA1	0.82 238	1.52 254	0.76 229	1.01 259	0.66 233	0.98 248	0.66 237	0.98 233	0.66 232	0.95 210	0.68 238	0.95 246	0.66 231	0.68 237	0.66 234	0.66 227	1.00 249	0.67 237	1.00 251	0.67 237	0.99 241	0.68 238	0.67 232	0.68 244	0.99 248	0.67 237	1.00 247	0.67 236

AIO-Stereo	0.82 238	1.06 220	0.73 221	0.97 249	0.74 246	1.06 260	0.60 228	1.04 243	0.90 255	1.00 213	1.01 265	0.78 229	0.85 254	0.74 245	0.62 227	0.67 232	1.12 258	0.55 219	0.70 221	0.65 230	0.93 236	0.66 230	0.67 232	0.67 239	0.82 233	0.74 249	0.92 237	0.83 253

G-Net	0.82 238	1.77 261	0.78 231	0.78 232	0.78 248	0.78 228	0.78 251	0.78 213	0.79 246	0.79 188	0.78 249	0.78 229	0.78 247	0.78 246	0.78 249	0.78 245	0.79 226	0.79 250	0.79 231	0.79 249	0.79 221	0.79 247	0.79 249	0.79 251	0.79 228	0.79 252	0.79 225	0.79 250

ktn	0.84 241	1.15 225	0.54 198	1.16 271	1.26 286	0.51 201	0.53 217	0.51 182	0.66 232	4.54 327	0.51 214	0.52 199	0.52 217	0.66 228	0.51 215	0.51 211	1.37 278	1.17 278	0.49 193	0.51 216	1.23 269	0.51 215	0.67 232	0.51 213	0.51 196	0.68 242	0.51 195	0.51 212

KSHMR	0.85 242	0.72 192	0.51 194	0.49 196	0.49 210	0.51 201	1.07 273	0.50 179	0.48 206	6.04 339	0.52 215	0.66 212	0.98 262	0.49 203	0.77 248	0.49 206	1.17 264	0.51 216	0.49 193	1.06 271	0.51 191	0.49 207	0.49 205	0.51 213	1.04 259	0.49 212	0.81 230	0.72 247

CroCo-Stereo Lap2	0.85 242	2.86 292	0.43 166	1.33 279	0.43 193	1.31 277	0.42 193	1.32 262	0.42 190	1.31 240	0.44 195	1.32 275	0.44 193	0.43 184	0.44 194	0.43 187	1.35 274	0.43 192	1.32 276	0.43 193	1.31 275	0.43 191	0.43 190	0.42 193	1.31 278	0.42 192	1.31 276	0.43 192

MLG-Stereo	0.87 244	1.33 250	0.93 241	0.62 218	1.00 259	1.16 266	0.55 218	0.86 220	0.83 252	1.19 231	0.40 187	1.30 274	0.81 250	0.65 225	0.45 196	1.01 266	1.17 264	0.46 195	1.29 275	0.58 222	1.05 252	0.90 255	0.73 247	0.87 257	0.60 214	1.01 266	1.13 263	0.51 212

DGTPSM_ROB	0.92 245	0.93 211	0.91 239	0.93 244	0.91 255	0.92 240	0.93 259	0.92 224	0.92 256	0.92 200	0.91 256	0.91 239	0.93 259	0.91 253	0.92 259	0.92 259	0.92 238	0.92 257	0.92 241	0.90 258	0.91 232	0.92 256	0.93 256	0.94 262	0.92 242	0.91 257	0.92 237	0.97 261

pmcnn	0.92 245	0.92 208	0.92 240	0.92 242	0.92 256	0.92 240	0.92 257	0.92 224	0.92 256	0.92 200	0.92 258	0.92 242	0.92 258	0.92 255	0.92 259	0.92 259	0.92 238	0.92 257	0.92 241	0.92 262	0.92 234	0.92 256	0.92 255	0.92 261	0.92 242	0.92 258	0.92 237	0.92 259

AIO-Stereo-zeroshot	0.93 247	0.77 198	0.82 235	1.16 271	0.75 247	0.99 250	0.92 257	0.91 222	0.99 262	0.94 205	0.91 256	1.15 262	0.88 255	0.92 255	1.00 262	0.67 232	0.98 243	1.00 262	0.75 229	0.91 259	1.18 262	0.87 252	0.89 254	0.90 258	1.08 263	1.07 271	0.74 223	0.89 255

HSM-Net_RVC	0.93 247	1.09 223	0.79 232	1.10 264	0.78 248	1.09 262	0.79 252	1.16 251	0.80 247	1.14 223	0.79 250	1.17 265	0.77 246	0.73 244	0.83 253	0.78 245	1.19 268	0.79 250	1.18 267	0.72 246	1.19 264	0.80 248	0.72 246	0.80 252	1.18 271	0.74 249	1.14 264	0.73 249
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.93 247	8.54 332	0.41 159	0.56 207	0.37 174	0.56 208	0.37 176	0.50 179	0.40 181	0.56 167	5.24 343	0.56 203	0.34 162	0.40 177	0.41 187	0.34 160	0.53 199	0.40 183	0.56 210	0.38 177	0.52 194	0.40 184	0.40 184	0.41 187	0.56 207	0.40 186	0.56 204	0.40 185

DPSM_ROB	0.93 247	0.92 208	0.94 242	0.96 247	1.02 264	0.92 240	0.98 260	0.95 228	0.92 256	0.92 200	0.92 258	0.91 239	0.97 260	0.92 255	0.91 257	0.91 256	0.96 241	0.94 259	0.93 244	0.91 259	0.93 236	0.92 256	0.93 256	0.91 259	0.91 240	0.99 260	0.92 237	0.91 257

DPSM	0.93 247	0.92 208	0.94 242	0.96 247	1.02 264	0.92 240	0.98 260	0.95 228	0.92 256	0.92 200	0.92 258	0.91 239	0.97 260	0.92 255	0.91 257	0.91 256	0.96 241	0.94 259	0.93 244	0.91 259	0.93 236	0.92 256	0.93 256	0.91 259	0.91 240	0.99 260	0.92 237	0.91 257

GANet	1.00 252	1.00 213	1.00 244	1.00 255	1.00 259	1.00 254	1.00 265	1.00 237	1.00 263	1.00 213	1.00 262	1.00 251	1.00 264	1.00 262	1.00 262	1.00 263	1.00 249	1.00 262	1.00 251	1.00 264	1.00 247	1.00 261	1.00 261	1.00 265	1.00 253	1.00 263	1.00 247	1.00 263

TDLM	1.00 252	1.00 213	1.00 244	1.00 255	1.00 259	1.00 254	1.00 265	1.00 237	1.00 263	1.00 213	1.00 262	1.00 251	1.00 264	1.00 262	1.00 262	1.00 263	1.00 249	1.00 262	1.00 251	1.00 264	1.00 247	1.00 261	1.00 261	1.00 265	1.00 253	1.00 263	1.00 247	1.00 263

CVANet_RVC	1.00 252	1.00 213	1.00 244	1.00 255	1.00 259	1.00 254	1.00 265	1.00 237	1.00 263	1.00 213	1.00 262	1.00 251	1.00 264	1.00 262	1.00 262	1.00 263	1.00 249	1.00 262	1.00 251	1.00 264	1.00 247	1.00 261	1.00 261	1.00 265	1.00 253	1.00 263	1.00 247	1.00 263

ccs_rob	1.00 252	10.06 338	0.31 140	0.44 178	0.31 158	0.43 176	0.31 161	0.43 158	0.32 155	0.45 146	0.32 160	1.20 269	0.31 154	7.02 343	0.31 157	0.31 153	0.44 174	0.31 155	0.44 175	0.32 160	0.44 168	0.31 156	0.32 155	0.32 158	0.44 173	0.32 160	0.43 169	0.31 159

trnet	1.01 256	1.01 216	1.01 247	1.01 259	1.01 263	1.01 257	1.01 268	1.01 240	1.01 266	1.01 217	1.01 265	1.01 255	1.01 268	1.01 265	1.01 266	1.01 266	1.01 254	1.01 266	1.01 257	1.01 267	1.01 250	1.01 264	1.01 264	1.01 268	1.01 257	1.01 266	1.01 255	1.01 266

CFNet_pseudo	1.01 256	9.78 336	0.29 131	0.38 151	0.28 138	0.38 153	0.28 140	0.38 141	0.28 140	0.39 126	0.28 141	0.39 155	0.28 138	9.50 344	0.29 150	0.28 136	0.38 150	0.28 137	0.38 149	0.28 139	0.38 143	0.28 139	0.28 136	0.28 140	0.38 148	0.28 137	0.38 146	0.28 139

pcwnet_v2	1.01 256	9.73 335	0.28 126	0.38 151	0.28 138	0.38 153	0.28 140	0.38 141	0.28 140	0.38 123	0.28 141	0.39 155	0.28 138	9.61 345	0.28 142	0.28 136	0.38 150	0.28 137	0.38 149	0.28 139	0.38 143	0.28 139	0.29 144	0.28 140	0.38 148	0.28 137	0.38 146	0.28 139

FlowAnything	1.02 259	2.51 281	0.58 208	1.60 286	0.56 220	1.61 286	0.56 222	1.60 271	0.55 217	1.61 254	0.56 219	1.61 282	0.55 219	0.55 209	0.55 218	0.55 214	1.61 284	0.56 222	1.61 283	0.56 220	1.62 282	0.55 216	0.56 216	0.56 220	1.62 286	0.56 221	1.62 284	0.56 217

WAO-8	1.02 259	1.50 253	1.49 282	0.40 163	0.40 184	1.56 285	0.98 260	1.55 270	0.58 223	4.18 323	0.40 187	0.79 231	0.48 204	0.91 253	0.39 184	0.99 262	0.71 220	0.70 245	0.51 200	0.77 248	1.07 254	0.82 251	0.69 239	0.96 264	1.01 257	1.30 288	1.10 261	1.38 292

UCFNet_RVC	1.03 261	10.10 339	0.28 126	0.38 151	0.28 138	0.39 160	0.28 140	0.38 141	0.28 140	0.39 126	0.28 141	0.39 155	0.29 147	9.62 346	0.28 142	0.28 136	0.38 150	0.28 137	0.38 149	0.28 139	0.39 152	0.28 139	0.29 144	0.28 140	0.39 157	0.28 137	0.38 146	0.29 150

GLC_STEREO	1.05 262	1.01 216	1.02 248	1.02 261	1.02 264	1.05 259	1.06 270	1.05 244	1.05 268	1.04 220	1.05 268	1.05 257	1.04 269	1.06 269	1.05 268	1.06 270	1.06 255	1.05 269	1.06 258	1.05 270	1.06 253	1.06 267	1.04 266	1.05 270	1.04 259	1.05 269	1.06 257	1.06 268

FC-DCNN	1.10 263	0.81 202	0.77 230	0.63 220	0.42 191	0.86 236	0.64 233	0.91 222	0.96 260	1.11 221	0.80 251	1.07 258	0.81 250	0.67 233	1.75 301	1.30 286	1.41 280	0.85 255	1.28 274	0.71 244	2.12 294	1.32 284	0.52 211	0.81 255	1.64 287	1.40 295	2.39 301	1.75 305

RP	1.14 264	1.16 227	1.15 263	1.17 273	1.10 273	1.16 266	1.15 276	1.10 246	1.16 278	1.15 224	1.08 270	1.16 263	1.15 276	1.15 277	1.14 276	1.16 276	1.16 262	1.10 271	1.10 260	1.10 274	1.16 258	1.11 271	1.10 270	1.19 283	1.14 267	1.19 283	1.07 258	1.10 271

Abc-Net	1.14 264	1.16 227	1.18 267	1.10 264	1.10 273	1.16 266	1.18 280	1.16 251	1.13 275	1.11 221	1.16 276	1.16 263	1.12 274	1.10 270	1.17 279	1.16 276	1.16 262	1.10 271	1.16 264	1.14 278	1.17 260	1.16 274	1.11 272	1.09 275	1.10 264	1.10 274	1.16 266	1.17 277
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
MM-Stereo_test2	1.15 266	1.90 263	1.10 257	1.37 281	0.94 258	1.36 278	0.98 260	1.48 268	0.98 261	1.37 245	0.98 261	1.37 279	0.98 262	0.95 259	0.94 261	0.95 261	1.37 278	0.95 261	1.38 278	0.95 263	1.38 279	0.95 260	0.95 259	0.95 263	1.37 281	0.95 259	1.37 280	0.95 260

TorneroNet	1.15 266	1.10 224	0.51 194	0.69 223	0.51 216	1.10 263	0.50 214	0.51 182	0.51 214	13.92 346	1.17 280	0.49 192	0.51 216	0.54 208	0.48 207	0.49 206	0.49 190	0.65 232	0.70 221	0.49 212	0.51 191	0.49 207	0.67 232	1.36 291	0.51 196	0.50 215	0.52 198	1.23 284

RGC	1.15 266	1.16 227	1.17 266	1.15 269	1.11 275	1.21 272	1.21 287	1.10 246	1.15 276	1.16 227	1.11 273	1.17 265	1.09 271	1.14 276	1.11 273	1.16 276	1.19 268	1.11 274	1.10 260	1.15 280	1.11 255	1.19 277	1.16 275	1.12 278	1.17 269	1.10 274	1.16 266	1.17 277

NCC-stereo	1.15 266	1.17 231	1.12 262	1.10 264	1.15 276	1.14 264	1.15 276	1.15 249	1.12 274	1.17 230	1.17 280	1.11 260	1.17 280	1.11 272	1.10 271	1.16 276	1.12 258	1.11 274	1.16 264	1.13 277	1.23 269	1.16 274	1.19 279	1.11 276	1.18 271	1.17 280	1.17 269	1.13 275

edge stereo	1.15 266	1.18 232	1.11 260	1.12 267	1.17 280	1.17 271	1.17 278	1.16 251	1.18 282	1.16 227	1.17 280	1.17 265	1.13 275	1.11 272	1.11 273	1.12 273	1.17 264	1.17 278	1.11 262	1.17 281	1.17 260	1.17 276	1.18 277	1.14 279	1.11 265	1.18 281	1.12 262	1.11 272

Nwc_Net	1.15 266	1.15 225	1.15 263	1.09 263	1.19 282	1.16 266	1.17 278	1.15 249	1.16 278	1.16 227	1.16 276	1.08 259	1.16 277	1.11 272	1.15 278	1.18 280	1.11 257	1.10 271	1.16 264	1.17 281	1.16 258	1.13 273	1.18 277	1.20 284	1.11 265	1.15 278	1.16 266	1.20 280

qqai	1.17 272	1.27 244	1.10 257	1.26 276	1.09 272	1.23 273	1.11 274	1.26 260	1.11 273	1.26 237	1.08 270	1.25 272	1.11 273	1.11 272	1.10 271	1.09 271	1.27 272	1.11 274	1.27 272	1.11 275	1.27 273	1.10 270	1.10 270	1.11 276	1.27 276	1.10 274	1.24 273	1.11 272

stereogan	1.17 272	1.19 234	1.15 263	1.15 269	1.15 276	1.15 265	1.19 281	1.19 255	1.15 276	1.15 224	1.16 276	1.19 268	1.19 281	1.19 279	1.19 280	1.19 281	1.15 260	1.19 281	1.19 268	1.19 284	1.15 257	1.19 277	1.15 274	1.15 280	1.16 268	1.15 278	1.19 270	1.20 280

MM-Stereo_test3	1.22 274	1.60 257	1.19 270	1.48 284	1.02 264	1.48 283	0.99 264	1.54 269	1.03 267	1.41 247	1.03 267	1.44 281	1.00 264	1.04 267	1.04 267	1.02 268	1.42 281	1.04 267	1.48 281	1.01 267	1.48 280	1.03 265	1.06 268	1.04 269	1.53 284	1.04 268	1.49 281	1.04 267

FAT-Stereo	1.22 274	1.23 235	1.19 270	1.21 275	1.24 285	1.24 275	1.19 281	1.25 259	1.24 285	1.25 236	1.19 283	1.20 269	1.24 285	1.20 280	1.21 282	1.25 285	1.22 270	1.21 283	1.25 271	1.23 287	1.22 267	1.19 277	1.19 279	1.24 287	1.25 274	1.20 284	1.19 270	1.25 286

S-Stereo	1.22 274	1.18 232	1.19 270	1.20 274	1.23 284	1.23 273	1.19 281	1.19 255	1.18 282	1.27 238	1.20 284	1.20 269	1.20 282	1.23 282	1.22 284	1.23 284	1.23 271	1.23 285	1.20 269	1.25 288	1.20 265	1.22 283	1.25 283	1.24 287	1.20 273	1.22 287	1.26 274	1.24 285

SPS-STEREO	1.25 277	1.47 252	1.06 255	1.54 285	1.08 270	1.52 284	1.20 286	1.44 266	1.06 270	1.49 252	1.10 272	1.41 280	1.10 272	0.98 260	1.08 270	1.12 273	1.47 282	1.04 267	1.53 282	1.14 278	1.52 281	1.07 268	1.02 265	1.05 270	1.48 283	1.07 271	1.55 282	1.11 272
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RASNet	1.39 278	1.37 251	1.35 274	1.38 282	1.40 289	1.39 281	1.77 303	1.36 263	1.74 302	1.36 244	1.36 289	1.36 278	1.36 288	1.36 284	1.35 286	1.41 293	1.36 276	1.36 291	1.36 277	1.35 291	1.36 277	1.35 287	1.36 286	1.35 290	1.36 280	1.35 291	1.36 279	1.35 288

HBP-ISP	1.47 279	1.07 222	1.03 251	1.30 278	1.08 270	1.36 278	1.06 270	1.44 266	1.25 287	1.97 269	1.51 294	1.65 284	1.58 294	0.98 260	1.58 294	1.68 300	1.98 289	1.32 286	2.02 290	1.28 289	2.95 306	1.89 306	0.97 260	1.06 272	1.26 275	0.99 260	1.94 287	1.43 295

PS-NSSS	1.48 280	4.46 308	1.35 274	1.35 280	1.35 288	1.41 282	1.34 289	1.36 263	1.35 290	1.40 246	1.35 288	1.33 276	1.35 287	1.37 285	1.40 289	1.35 287	1.35 274	1.35 289	1.39 279	1.44 296	1.35 276	1.34 286	1.35 285	1.38 294	1.35 279	1.33 290	1.34 277	1.38 292

CC-Net-ROB	1.51 281	4.40 307	1.69 290	1.39 283	1.40 289	1.37 280	1.40 294	1.36 263	1.39 291	1.41 247	1.36 289	1.35 277	1.38 290	1.39 287	1.39 287	1.36 288	1.36 276	1.35 289	1.39 279	1.39 292	1.37 278	1.36 288	1.41 290	1.48 296	1.39 282	1.42 296	1.35 278	1.35 288

GANetREF_RVC	1.52 282	2.01 265	1.21 273	1.98 291	1.21 283	1.98 291	1.21 287	1.98 282	1.21 284	1.99 270	1.21 285	1.98 290	1.21 284	1.02 266	1.21 282	1.21 283	1.99 290	1.21 283	1.99 289	1.21 285	1.99 288	1.21 280	1.21 281	1.21 285	1.99 292	1.21 285	1.99 290	1.21 282
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
MonStereo1	1.60 283	2.69 288	1.46 279	1.99 292	1.31 287	1.99 292	1.36 290	1.99 283	1.31 288	1.84 258	1.32 287	1.89 285	1.31 286	1.32 283	1.30 285	1.36 288	1.94 286	1.33 288	1.93 286	1.30 290	1.92 285	1.33 285	1.31 284	1.31 289	1.94 289	1.31 289	1.93 286	1.31 287

R-Stereo Train	1.62 284	2.01 265	1.41 277	1.97 289	1.40 289	1.96 289	1.39 291	1.93 277	1.39 291	1.92 263	1.38 291	1.94 288	1.39 291	1.40 288	1.45 290	1.38 290	1.96 287	1.37 292	1.97 287	1.39 292	1.98 286	1.41 290	1.40 288	1.37 292	1.97 290	1.38 292	1.96 288	1.37 290

RAFT-Stereo	1.62 284	2.01 265	1.41 277	1.97 289	1.40 289	1.96 289	1.39 291	1.93 277	1.39 291	1.92 263	1.38 291	1.94 288	1.39 291	1.40 288	1.45 290	1.38 290	1.96 287	1.37 292	1.97 287	1.39 292	1.98 286	1.41 290	1.40 288	1.37 292	1.97 290	1.38 292	1.96 288	1.37 290
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DPSMNet_ROB	1.62 284	1.60 257	1.59 283	1.61 287	1.69 298	1.66 287	1.61 296	1.70 273	1.65 300	1.62 255	1.60 297	1.61 282	1.60 295	1.60 291	1.59 295	1.62 298	1.60 283	1.63 299	1.62 284	1.68 303	1.70 283	1.60 293	1.64 297	1.60 298	1.61 285	1.60 298	1.60 283	1.59 298

MonStereo	1.66 287	2.63 287	1.46 279	1.99 292	1.41 293	2.03 293	1.39 291	2.04 285	1.43 294	1.94 266	1.40 293	1.92 287	1.37 289	1.38 286	1.39 287	1.39 292	1.99 290	1.38 294	2.04 291	1.41 295	2.02 290	1.37 289	1.39 287	1.38 294	1.99 292	1.38 292	2.01 291	1.39 294

MoCha-V2	1.75 288	27.02 354	0.72 218	0.92 242	0.69 240	0.89 239	0.69 244	0.92 224	0.71 242	0.87 197	0.69 241	0.88 238	0.68 239	0.70 241	0.68 241	0.69 237	0.90 237	0.69 242	0.92 241	0.69 241	0.92 234	0.71 243	0.70 242	0.67 239	0.88 237	0.71 246	0.92 237	0.68 240

MFMNet_re	1.77 289	1.89 262	1.72 291	1.88 288	1.69 298	1.89 288	1.67 300	1.91 276	1.70 301	1.87 259	1.67 301	1.89 285	1.68 300	1.67 295	1.67 300	1.70 301	1.88 285	1.68 301	1.88 285	1.67 301	1.89 284	1.68 299	1.70 299	1.71 303	1.87 288	1.68 306	1.87 285	1.68 303

MM-Stereo_test1	1.85 290	3.50 297	1.61 284	2.12 294	1.47 294	2.14 294	1.47 295	2.33 294	1.53 295	2.12 275	1.54 295	2.19 292	1.53 293	1.54 290	1.53 292	1.53 294	2.20 292	1.54 295	2.24 292	1.57 297	2.21 296	1.49 292	1.59 292	1.49 297	2.15 297	1.52 297	2.15 293	1.54 297

plain	1.96 291	3.33 294	1.04 252	3.24 311	1.04 268	3.24 311	1.04 269	3.26 308	1.05 268	3.26 307	1.13 274	3.27 310	1.06 270	1.05 268	1.05 268	1.05 269	3.28 307	1.05 269	3.29 308	1.06 271	3.30 308	1.05 266	1.05 267	1.06 272	3.30 310	1.06 270	3.30 310	1.06 268

UDGNet	1.97 292	2.43 279	1.67 288	2.46 302	1.70 300	2.44 301	1.69 301	2.34 295	1.63 299	2.35 291	1.67 301	2.37 301	1.67 299	1.68 296	1.64 299	1.67 299	2.44 299	1.64 300	2.43 300	1.67 301	2.43 302	1.66 297	1.67 298	1.63 302	2.43 302	1.66 304	2.42 302	1.66 302

LG-G_1	1.99 293	2.56 284	1.63 286	2.54 305	1.62 296	2.55 306	1.61 296	2.51 298	1.61 296	2.50 295	1.62 299	2.50 303	1.61 296	1.61 292	1.61 296	1.61 295	2.55 303	1.61 296	2.55 305	1.61 298	2.55 304	1.61 294	1.61 293	1.61 299	2.55 305	1.61 299	2.54 304	1.61 299

LG-G	1.99 293	2.56 284	1.63 286	2.54 305	1.62 296	2.55 306	1.61 296	2.51 298	1.61 296	2.50 295	1.62 299	2.50 303	1.61 296	1.61 292	1.61 296	1.61 295	2.55 303	1.61 296	2.55 305	1.61 298	2.55 304	1.61 294	1.61 293	1.61 299	2.55 305	1.61 299	2.54 304	1.61 299

LGtest1	1.99 293	2.55 283	1.62 285	2.54 305	1.61 295	2.54 303	1.61 296	2.51 298	1.61 296	2.49 294	1.61 298	2.49 302	1.61 296	1.61 292	1.61 296	1.61 295	2.55 303	1.62 298	2.54 304	1.61 298	2.54 303	1.61 294	1.61 293	1.61 299	2.54 304	1.61 299	2.54 304	1.61 299

FBW_ROB	2.04 296	2.50 280	1.75 292	2.45 301	1.78 301	2.40 299	1.74 302	2.47 297	1.77 303	2.37 292	1.81 303	2.30 295	1.80 301	1.78 297	1.88 309	1.80 302	2.41 298	1.77 302	2.43 300	1.83 305	2.39 300	1.81 304	1.76 301	1.75 304	2.56 307	1.75 307	2.30 298	1.74 304

TRStereo	2.05 297	2.13 268	1.85 295	2.27 295	1.84 303	2.28 295	1.84 306	2.29 290	1.87 306	2.29 285	1.86 305	2.30 295	1.87 305	2.30 311	1.87 306	2.08 309	2.29 294	1.87 305	2.30 294	1.87 307	2.08 291	1.72 300	1.86 305	2.30 316	2.13 294	1.84 309	2.29 295	1.87 308

XX-Stereo	2.05 297	2.13 268	1.85 295	2.27 295	1.84 303	2.28 295	1.84 306	2.29 290	1.87 306	2.29 285	1.86 305	2.30 295	1.87 305	2.30 311	1.87 306	2.08 309	2.29 294	1.87 305	2.30 294	1.87 307	2.08 291	1.72 300	1.86 305	2.30 316	2.13 294	1.84 309	2.29 295	1.87 308

EAI-Stereo	2.05 297	2.13 268	1.85 295	2.27 295	1.84 303	2.28 295	1.84 306	2.29 290	1.87 306	2.29 285	1.86 305	2.30 295	1.87 305	2.30 311	1.87 306	2.08 309	2.29 294	1.87 305	2.30 294	1.87 307	2.08 291	1.72 300	1.86 305	2.30 316	2.13 294	1.84 309	2.29 295	1.87 308

AF-Net	2.06 300	25.73 353	1.18 267	1.12 267	1.16 279	1.16 266	1.19 281	1.10 246	1.17 281	1.15 224	1.14 275	1.11 260	1.16 277	1.16 278	1.14 276	1.11 272	1.15 260	1.13 277	1.21 270	1.17 281	1.11 255	1.21 280	1.17 276	1.17 281	1.17 269	1.11 277	1.20 272	1.13 275

UniTT-Stereo	2.12 301	3.66 299	1.10 257	3.48 314	1.15 276	3.57 315	1.11 274	3.44 311	1.16 278	3.52 309	1.16 276	3.50 311	1.16 277	1.10 270	1.13 275	1.15 275	3.61 309	1.17 278	3.64 309	1.12 276	3.58 311	1.12 272	1.12 273	1.17 281	3.53 313	1.18 281	3.52 313	1.18 279

HUF	2.22 302	2.33 275	2.24 307	2.35 299	2.07 309	2.45 302	2.11 313	2.42 296	2.13 313	2.19 278	2.15 312	2.10 291	2.09 310	2.27 309	2.04 311	2.08 309	2.44 299	2.12 312	2.38 299	2.18 314	2.29 298	2.22 310	2.12 312	2.12 311	2.52 303	2.10 314	2.22 294	2.15 315

AIO_test	2.22 302	2.36 278	2.10 303	2.47 303	2.15 310	2.54 303	2.06 312	2.27 288	2.09 312	2.29 285	2.13 311	2.30 295	2.09 310	2.25 307	2.15 313	1.95 307	2.52 302	2.08 310	2.32 297	2.21 316	2.20 295	2.26 312	2.05 311	2.06 309	2.40 301	2.16 316	2.52 303	2.05 314

RAStereo	2.24 304	3.70 300	1.18 267	3.73 318	1.18 281	3.69 317	1.19 281	3.73 314	1.24 285	3.72 312	1.21 285	3.76 315	1.20 282	1.20 280	1.20 281	1.20 282	3.74 314	1.20 282	3.75 315	1.21 285	3.77 315	1.21 280	1.21 281	1.21 285	3.82 317	1.21 285	3.82 317	1.21 282

AIO_rvc	2.25 305	2.35 277	2.10 303	2.47 303	2.17 311	2.54 303	2.15 314	2.32 293	2.21 314	2.29 285	2.28 314	2.33 300	2.09 310	2.26 308	2.14 312	2.08 309	2.49 301	2.09 311	2.53 303	2.14 313	2.34 299	2.23 311	2.14 313	2.18 312	2.19 298	2.15 315	2.35 300	2.22 316

NCCL2	2.27 306	2.27 274	2.28 310	2.27 295	2.28 315	2.28 295	2.28 316	2.27 288	2.28 316	2.28 282	2.28 314	2.29 294	2.28 314	2.28 310	2.29 315	2.28 316	2.28 293	2.28 316	2.27 293	2.28 318	2.28 297	2.28 314	2.28 315	2.28 314	2.28 299	2.28 318	2.11 292	2.28 319

STTStereo	2.30 307	2.34 276	2.26 309	2.37 300	2.23 312	2.40 299	2.35 317	2.20 286	2.33 317	2.28 282	2.31 316	2.19 292	2.37 315	2.20 304	2.31 316	2.23 315	2.38 297	2.25 315	2.33 298	2.27 317	2.39 300	2.27 313	2.31 316	2.29 315	2.37 300	2.32 319	2.34 299	2.26 318

NLCA_NET_v2_RVC	2.50 308	2.85 290	1.90 300	2.90 308	2.77 318	2.88 308	2.85 320	2.51 298	2.85 320	2.88 302	1.99 310	2.50 303	2.76 318	2.20 304	1.57 293	2.64 318	2.89 306	2.63 318	5.69 338	1.03 269	2.01 289	2.71 316	2.74 320	2.73 320	2.87 308	1.64 302	1.00 247	1.49 296
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MIF-Stereo (partial)	2.52 309	3.41 296	1.05 253	3.29 312	1.05 269	3.29 314	1.06 270	3.30 310	1.06 270	3.31 308	1.06 269	4.97 333	2.72 317	2.72 315	2.71 318	2.70 319	6.57 339	2.19 313	5.08 335	1.08 273	3.36 309	1.07 268	1.07 269	1.07 274	3.35 312	1.07 271	3.36 312	1.07 270

sCroCo_RVC	2.76 310	4.00 302	1.82 294	4.00 322	1.83 302	3.98 323	1.82 304	3.99 316	1.81 304	4.14 320	2.76 318	4.13 324	1.82 303	1.83 298	1.83 302	1.82 303	4.01 319	1.82 304	3.98 318	1.86 306	4.00 320	1.82 305	1.83 303	1.84 305	4.02 323	1.81 308	4.00 321	1.83 307

NLSM1	2.82 311	3.85 301	2.57 315	3.19 310	2.46 316	3.28 313	2.38 318	3.29 309	2.42 318	3.20 306	2.64 317	3.14 308	2.62 316	2.46 314	2.44 317	2.51 317	3.31 308	2.53 317	3.17 307	2.47 319	3.27 307	2.33 315	2.65 317	2.61 319	3.22 309	2.55 320	3.31 311	2.39 320

sAnonymous2	2.87 312	4.16 303	1.89 298	4.26 327	1.87 306	4.23 326	1.92 309	4.17 317	1.94 310	4.16 321	1.92 308	4.20 325	1.92 308	1.96 300	1.86 304	1.87 305	4.25 323	1.90 308	4.23 324	1.91 310	4.26 323	1.93 307	1.89 308	1.90 306	4.07 325	1.91 312	5.09 337	1.93 312

CroCo_RVC	2.87 312	4.16 303	1.89 298	4.26 327	1.87 306	4.23 326	1.92 309	4.17 317	1.94 310	4.16 321	1.92 308	4.20 325	1.92 308	1.96 300	1.86 304	1.87 305	4.25 323	1.90 308	4.23 324	1.91 310	4.26 323	1.93 307	1.89 308	1.90 306	4.07 325	1.91 312	5.09 337	1.93 312

Anonymous3	3.36 314	4.93 313	2.20 305	4.92 334	2.23 312	4.90 334	2.23 315	4.89 323	2.24 315	4.95 333	2.21 313	4.91 332	2.21 313	2.18 303	2.22 314	2.22 314	4.86 330	2.20 314	4.90 331	2.20 315	4.96 333	2.21 309	2.21 314	2.21 313	6.30 339	2.21 317	4.90 330	2.23 317

StereoVision	3.44 315	10.12 340	1.68 289	5.44 339	2.26 314	5.87 339	1.97 311	5.17 326	1.31 288	5.80 337	1.56 296	5.62 338	1.84 304	1.97 302	1.91 310	1.84 304	4.98 332	1.32 286	5.60 336	1.71 304	5.35 338	1.73 303	1.97 310	1.96 308	5.40 336	1.65 303	5.08 335	1.76 306

NLCSM	3.61 316	5.05 315	3.36 325	4.13 324	3.31 326	3.91 319	3.26 326	3.98 315	3.24 324	4.08 319	3.06 321	3.95 320	3.25 325	3.25 320	3.10 322	3.17 325	4.20 322	3.08 320	4.16 322	3.24 326	4.26 323	3.46 324	3.14 322	3.19 323	4.02 323	3.24 325	4.21 325	3.17 324

DPSNet	3.67 317	3.61 298	3.62 326	3.64 315	3.61 330	3.64 316	3.65 330	3.64 313	3.67 329	3.67 311	3.65 328	3.68 313	3.69 333	3.69 328	3.69 334	3.68 331	3.70 311	3.70 330	3.69 314	3.69 332	3.71 314	3.69 326	3.67 328	3.69 332	3.68 316	3.67 329	3.68 315	3.67 326

MaDis-Stereo	3.69 318	10.19 341	2.01 302	6.09 340	2.01 308	5.94 340	1.82 304	6.14 331	1.85 305	6.59 340	1.82 304	6.01 339	1.81 302	1.83 298	1.83 302	2.02 308	5.87 336	1.79 303	5.93 339	2.06 312	4.63 329	1.67 298	1.84 304	2.08 310	5.90 337	1.66 304	6.34 340	1.87 308

Sa-1000	3.84 319	7.71 324	6.81 341	4.15 325	2.86 319	3.27 312	3.87 336	5.99 328	4.35 340	2.78 300	3.71 329	3.88 316	3.56 329	3.88 331	3.64 327	2.71 320	3.72 312	3.27 325	3.67 313	3.15 325	3.51 310	3.36 323	2.70 319	3.49 326	3.32 311	3.76 333	2.87 308	3.76 333

MLG-Stereo_test2	3.86 320	4.96 314	3.13 318	4.65 332	3.27 325	5.17 338	3.07 322	5.01 325	3.01 321	4.93 332	3.03 320	4.56 330	3.32 326	3.26 321	3.33 325	3.30 327	5.17 335	3.19 323	4.86 330	2.96 324	5.04 335	3.25 319	2.67 318	3.15 322	4.98 333	3.05 323	4.59 328	3.30 325

MLG-Stereo_test3	3.87 321	4.64 309	3.29 322	5.17 337	3.23 323	4.83 333	3.02 321	4.95 324	3.22 323	4.31 324	3.33 326	5.08 335	3.20 324	3.23 319	2.77 319	3.20 326	4.99 333	3.24 324	4.93 332	2.94 321	4.82 332	3.33 322	3.33 324	3.29 325	5.19 335	3.02 322	5.08 335	2.93 323

MLG-Stereo_test1	3.87 321	4.67 310	3.29 322	5.26 338	3.25 324	5.04 336	3.11 323	4.43 319	3.27 325	5.02 335	3.21 323	4.71 331	3.10 322	3.22 318	3.06 321	2.98 323	5.03 334	3.18 322	4.95 333	2.94 321	4.70 331	3.32 320	3.30 323	3.27 324	5.17 334	3.08 324	5.02 333	2.85 322

SA	3.93 323	7.22 320	4.74 328	4.15 325	3.88 336	3.70 318	4.02 339	6.67 336	3.95 334	3.64 310	3.74 330	3.63 312	3.00 320	3.51 323	3.68 333	3.68 331	3.73 313	3.71 331	3.64 309	3.48 327	3.58 311	2.97 318	3.69 329	3.61 327	3.55 315	3.42 326	3.64 314	3.79 334

TestStereo1	4.11 324	7.79 326	6.72 339	3.93 319	3.81 333	3.96 321	3.58 328	6.96 339	3.74 331	3.90 314	3.76 331	3.89 317	3.57 330	3.70 329	3.66 330	3.34 328	3.80 315	3.62 327	3.66 311	3.68 330	3.91 317	3.70 327	3.65 326	3.67 329	3.88 318	3.53 327	3.89 318	3.68 329

SA-5K	4.11 324	7.79 326	6.72 339	3.93 319	3.81 333	3.96 321	3.58 328	6.96 339	3.74 331	3.90 314	3.76 331	3.89 317	3.57 330	3.70 329	3.66 330	3.34 328	3.80 315	3.62 327	3.66 311	3.68 330	3.91 317	3.70 327	3.65 326	3.67 329	3.88 318	3.53 327	3.89 318	3.68 329

test_4	4.11 324	8.05 329	6.64 337	4.52 330	3.68 331	3.00 309	3.40 327	6.21 334	3.29 326	4.07 318	3.84 334	4.04 322	3.76 335	3.56 326	3.67 332	3.76 334	4.04 320	3.79 333	4.10 319	3.53 328	3.98 319	3.74 330	3.55 325	3.61 327	3.94 322	3.75 332	3.73 316	3.73 332

test-1	4.11 324	7.65 323	4.93 329	3.65 316	3.58 328	4.70 332	3.74 334	4.73 321	4.06 336	3.72 312	4.11 338	3.70 314	3.49 328	3.36 322	3.65 329	4.17 339	3.92 317	4.04 337	4.19 323	3.75 333	4.69 330	4.18 333	3.88 332	3.90 334	4.73 329	3.77 334	3.12 309	3.68 329

TESTraft	4.16 328	8.03 328	6.81 341	3.99 321	3.68 331	3.93 320	3.70 332	6.86 338	3.69 330	3.93 316	3.88 336	3.93 319	3.59 332	3.65 327	3.64 327	3.68 331	3.92 317	3.72 332	3.92 316	3.57 329	3.84 316	3.70 327	3.71 330	3.67 329	3.91 321	3.74 331	3.92 320	3.67 326

raft_robust	4.19 329	7.78 325	6.08 334	3.30 313	3.85 335	4.03 324	3.73 333	6.25 335	3.30 327	4.44 326	3.28 325	4.01 321	3.82 336	4.29 336	3.70 335	4.01 336	4.48 328	3.42 326	4.11 320	3.76 334	4.05 321	3.32 320	3.85 331	3.82 333	4.71 328	3.83 335	4.09 322	3.80 335

RAFT_CTSACE	4.43 330	8.26 331	6.10 335	4.62 331	4.01 338	4.54 331	3.65 330	6.09 330	3.93 333	4.64 329	4.14 339	4.26 327	4.13 338	3.91 332	3.88 336	4.06 338	4.30 325	4.03 336	4.27 326	3.92 335	4.26 323	3.67 325	3.91 333	4.16 337	4.82 330	4.08 339	4.20 324	3.67 326

RAFT+CT+SA	4.43 330	7.34 322	6.71 338	5.01 335	4.38 339	4.40 328	3.85 335	6.15 333	4.30 339	4.89 331	3.26 324	4.49 329	3.01 321	4.53 337	3.36 326	3.65 330	3.64 310	4.39 339	3.94 317	4.28 338	4.44 327	4.30 335	4.24 338	4.52 339	3.90 320	3.85 336	4.89 329	4.00 337

cross-raft	4.43 330	7.31 321	6.46 336	4.47 329	3.95 337	4.46 329	3.95 337	6.70 337	3.97 335	4.41 325	3.82 333	4.38 328	3.94 337	3.95 334	3.95 338	3.95 335	4.45 327	3.95 335	4.46 327	3.95 336	4.46 328	3.95 331	3.95 335	3.94 336	4.40 327	3.95 338	4.45 327	3.95 336

test_5	4.51 333	8.85 334	5.35 333	3.66 317	3.56 327	5.10 337	4.47 341	6.14 331	4.07 337	4.96 334	3.87 335	5.14 337	4.17 340	3.53 324	4.39 339	4.53 340	4.15 321	3.62 327	4.74 329	2.94 321	3.63 313	4.53 337	4.20 337	4.54 340	4.86 331	3.68 330	4.95 331	4.06 338

test_3	4.55 334	10.96 342	7.69 345	4.04 323	3.60 329	4.10 325	3.98 338	7.94 341	4.56 341	3.99 317	4.03 337	4.08 323	3.74 334	3.99 335	3.91 337	4.05 337	4.33 326	3.89 334	4.14 321	4.00 337	4.11 322	4.02 332	4.01 336	3.91 335	3.53 313	3.94 337	4.19 323	4.20 339

FC-DCNN v2	4.74 335	3.16 293	3.16 320	3.16 309	3.16 320	3.16 310	3.16 325	3.16 307	3.16 322	3.16 305	3.16 322	3.16 309	3.16 323	3.16 317	3.16 323	3.16 324	6.72 340	6.72 343	6.72 341	6.72 346	6.72 340	6.72 344	6.72 344	6.72 344	6.72 340	6.72 344	6.72 342	6.72 345

TestStereo	4.92 336	4.80 312	4.98 330	4.82 333	4.97 341	4.91 335	4.78 342	4.80 322	4.88 342	4.78 330	4.80 341	4.99 334	4.81 341	4.83 338	4.87 341	4.97 342	4.93 331	5.01 341	5.03 334	4.90 341	5.02 334	5.02 338	5.06 339	5.04 341	4.93 332	4.89 341	5.01 332	5.09 341

DispFullNet	4.96 337	5.67 316	3.30 324	5.01 335	3.21 322	4.50 330	3.11 323	4.43 319	3.44 328	4.60 328	3.46 327	5.13 336	3.44 327	3.53 324	3.20 324	2.87 322	4.80 329	3.15 321	4.70 328	4.83 340	9.02 345	5.98 341	5.95 343	6.21 343	8.84 345	5.85 343	9.76 347	5.91 343

SGM-Forest	5.07 338	6.74 318	4.17 327	6.46 341	4.68 340	6.21 342	4.38 340	6.00 329	4.14 338	5.84 338	4.44 340	6.28 340	4.16 339	3.92 333	4.56 340	4.60 341	6.15 337	4.27 338	6.12 340	4.31 339	5.99 339	4.27 334	3.92 334	4.27 338	6.13 338	4.10 340	6.18 339	4.49 340
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
U	5.23 339	8.71 333	2.75 316	8.64 346	2.76 317	8.65 346	2.79 319	8.67 345	2.79 319	8.70 345	2.79 319	8.70 345	2.79 319	2.79 316	2.80 320	2.80 321	8.84 344	2.82 319	8.82 345	2.89 320	8.84 344	2.83 317	2.83 321	2.82 321	8.87 346	2.83 321	8.84 346	2.83 321

SGM+DAISY	6.35 340	8.16 330	5.14 332	8.12 345	5.08 343	8.12 345	5.16 343	8.01 342	5.18 344	7.92 343	5.14 342	7.89 344	5.14 342	4.95 339	5.33 342	5.32 343	8.14 343	5.16 342	8.16 344	5.16 342	8.21 343	5.19 339	5.12 340	5.12 342	8.18 344	5.24 342	8.12 345	5.11 342

RAFT	6.60 341	9.99 337	8.33 346	7.21 344	6.55 344	5.95 341	5.87 344	8.70 346	5.02 343	5.10 336	6.69 344	7.06 343	6.94 345	6.17 342	7.09 345	6.84 344	6.47 338	4.72 340	5.60 336	5.60 343	5.11 336	5.97 340	6.93 345	6.89 345	7.16 341	7.08 347	6.58 341	6.66 344

test-v	7.17 342	11.53 343	7.63 343	7.17 342	6.87 345	7.48 343	6.90 345	8.14 343	6.88 345	6.93 341	7.42 345	7.05 341	6.14 343	6.05 340	6.86 343	6.99 345	7.60 341	6.75 344	6.90 342	6.66 344	7.83 341	6.36 342	5.89 341	7.34 346	7.19 342	6.75 345	7.52 343	6.77 346

test-2	7.17 342	11.53 343	7.63 343	7.17 342	6.87 345	7.48 343	6.90 345	8.14 343	6.88 345	6.93 341	7.42 345	7.05 341	6.14 343	6.05 340	6.86 343	6.99 345	7.60 341	6.75 344	6.90 342	6.66 344	7.83 341	6.36 342	5.89 341	7.34 346	7.19 342	6.75 345	7.52 343	6.77 346

MANE	18.41 344	23.00 352	16.00 347	22.00 354	15.00 347	22.00 354	15.00 347	22.00 354	15.00 347	21.00 354	15.00 347	22.00 353	15.00 346	15.00 347	17.00 346	15.00 347	23.00 352	15.00 346	22.00 353	15.00 347	23.00 353	15.00 345	18.00 346	15.00 348	24.00 354	17.00 348	24.00 355	16.00 348

rafts_anoy	20.00 345	20.00 345	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 346	20.00 347	20.00 348	20.00 347	20.00 348	20.00 345	20.00 347	20.00 346	20.00 348	20.00 346	20.00 346	20.00 347	20.00 349	20.00 347	20.00 349	20.00 348	20.00 349

raft+_RVC	20.00 345	20.00 345	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 346	20.00 347	20.00 348	20.00 347	20.00 348	20.00 345	20.00 347	20.00 346	20.00 348	20.00 346	20.00 346	20.00 347	20.00 349	20.00 347	20.00 349	20.00 348	20.00 349

raftrobust	20.00 345	20.00 345	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 346	20.00 347	20.00 348	20.00 347	20.00 348	20.00 345	20.00 347	20.00 346	20.00 348	20.00 346	20.00 346	20.00 347	20.00 349	20.00 347	20.00 349	20.00 348	20.00 349

CasAABBNet	20.00 345	20.00 345	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 346	20.00 347	20.00 348	20.00 347	20.00 348	20.00 345	20.00 347	20.00 346	20.00 348	20.00 346	20.00 346	20.00 347	20.00 349	20.00 347	20.00 349	20.00 348	20.00 349

RALCasStereoNet	20.00 345	20.00 345	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 346	20.00 347	20.00 348	20.00 347	20.00 348	20.00 345	20.00 347	20.00 346	20.00 348	20.00 346	20.00 346	20.00 347	20.00 349	20.00 347	20.00 349	20.00 348	20.00 349

RALAANet	20.00 345	20.00 345	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 346	20.00 347	20.00 348	20.00 347	20.00 348	20.00 345	20.00 347	20.00 346	20.00 348	20.00 346	20.00 346	20.00 347	20.00 349	20.00 347	20.00 349	20.00 348	20.00 349

MSMDNet	20.00 345	20.00 345	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 347	20.00 348	20.00 346	20.00 347	20.00 348	20.00 347	20.00 348	20.00 345	20.00 347	20.00 346	20.00 348	20.00 346	20.00 346	20.00 347	20.00 349	20.00 347	20.00 349	20.00 348	20.00 349

Reg-Stereo(zero)	37.00 352	37.00 355	37.00 355	37.00 355	37.00 355	37.00 355	37.00 355	37.00 355	37.00 355	37.00 355	37.00 355	37.00 354	37.00 354	37.00 355	37.00 354	37.00 355	37.00 353	37.00 354	37.00 354	37.00 355	37.00 354	37.00 353	37.00 354	37.00 356	37.00 355	37.00 356	37.00 356	37.00 356

HI	37.00 352	37.00 355	37.00 355	37.00 355	37.00 355	37.00 355	37.00 355	37.00 355	37.00 355	37.00 355	37.00 355	37.00 354	37.00 354	37.00 355	37.00 354	37.00 355	37.00 353	37.00 354	37.00 354	37.00 355	37.00 354	37.00 353	37.00 354	37.00 356	37.00 355	37.00 356	37.00 356	37.00 356

CoSv	37.00 352	37.00 355	37.00 355	37.00 355	37.00 355	37.00 355	37.00 355	37.00 355	37.00 355	37.00 355	37.00 355	37.00 354	37.00 354	37.00 355	37.00 354	37.00 355	37.00 353	37.00 354	37.00 354	37.00 355	37.00 354	37.00 353	37.00 354	37.00 356	37.00 355	37.00 356	37.00 356	37.00 356

MDST_ROB	61.15 355	72.66 359	46.52 358	70.00 358	44.89 358	64.24 358	43.75 358	73.65 358	48.92 359	72.70 359	42.40 358	60.70 357	50.23 357	50.07 359	67.69 358	68.60 359	83.13 357	47.77 357	82.48 358	46.00 358	95.93 358	53.44 357	50.66 357	45.00 359	84.99 359	53.64 360	79.01 359	52.07 360

CBMV	101.59 356	71.60 358	48.40 359	72.70 359	49.00 359	79.60 359	48.40 359	80.90 359	46.90 358	68.90 358	49.00 359	78.00 358	572.10 366	49.50 358	51.30 357	48.40 358	72.20 356	639.60 366	79.40 357	48.90 359	79.50 357	51.40 356	52.30 358	48.30 360	80.20 358	49.10 359	79.60 360	47.60 359
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	151.99 357	131.36 360	140.69 360	151.38 360	151.40 360	150.79 360	151.72 360	149.36 360	159.46 360	146.42 360	150.73 360	149.06 362	176.22 358	143.94 360	133.10 361	133.45 362	153.30 359	154.22 359	154.67 360	153.95 361	156.90 361	156.53 360	160.21 359	162.72 361	154.57 360	160.59 361	153.47 361	163.50 361
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
NOSS_ROB	248.11 358	409.00 365	288.00 362	412.00 362	280.00 362	411.00 365	288.00 362	356.00 361	275.00 365	379.00 365	303.00 365	415.00 364	278.00 363	260.00 365	104.00 359	103.00 360	126.00 358	108.00 358	118.00 359	98.00 360	126.00 360	104.00 359	268.00 362	216.00 363	279.00 364	201.00 362	288.00 365	206.00 362

AE-Stereo	252.48 359	202.00 361	361.00 364	502.00 364	324.00 364	321.00 361	482.00 367	423.00 364	227.00 364	201.00 361	273.00 364	101.00 359	207.00 359	198.00 361	183.00 362	181.00 363	221.00 360	232.00 363	477.00 362	220.00 363	111.00 359	100.00 358	219.00 361	214.00 362	204.00 361	211.00 363	200.00 362	222.00 364

MGS-Stereo	264.93 360	208.00 362	362.00 365	512.00 365	350.00 365	326.00 362	443.00 366	410.00 363	210.00 361	232.00 363	215.00 361	125.00 360	217.00 360	216.00 363	127.00 360	122.00 361	223.00 361	230.00 361	487.00 364	255.00 364	250.00 362	223.00 362	272.00 363	228.00 365	241.00 362	220.00 365	214.00 363	235.00 365

EGLCR-Stereo	276.81 361	209.00 363	366.00 366	514.00 366	354.00 366	336.00 363	422.00 364	440.00 365	220.00 363	231.00 362	245.00 363	135.00 361	237.00 362	218.00 364	197.00 363	222.00 365	223.00 361	230.00 361	487.00 364	255.00 364	250.00 362	273.00 363	272.00 363	228.00 365	241.00 362	220.00 365	214.00 363	235.00 365

DLCB_ROB	280.78 362	376.74 364	215.59 361	376.74 361	215.59 361	376.74 364	215.59 361	366.42 362	218.39 362	366.42 364	218.39 362	366.42 363	218.39 361	209.96 362	219.76 364	219.38 364	376.72 363	216.43 360	376.72 361	216.43 362	376.72 364	216.43 361	216.14 360	216.14 364	376.69 365	217.67 364	376.69 366	217.67 363

LE_ROB	387.11 363	453.07 366	321.39 363	500.23 363	323.05 363	493.99 366	324.56 363	477.63 366	322.28 366	465.51 366	322.97 366	486.37 365	334.17 364	305.26 366	320.63 365	327.66 366	476.08 364	315.70 364	483.76 363	335.15 366	469.64 365	309.74 364	315.90 365	318.85 367	498.41 366	328.85 367	491.00 367	330.08 367

SGM-ForestM	522.49 364	676.08 367	448.56 367	638.17 367	433.15 367	639.59 367	427.03 365	617.52 367	439.90 367	604.63 367	429.02 367	611.68 366	432.74 365	420.18 367	451.96 366	465.85 367	601.06 365	403.73 365	659.15 366	405.50 367	669.64 366	437.21 365	455.85 366	425.66 368	689.82 367	481.65 368	662.43 368	479.61 368

CBMV_ROB	1133.35 365	1280.38 368	976.92 368	1317.57 368	1021.62 368	1282.66 368	1022.22 368	1213.88 368	982.57 368	1194.12 368	975.90 368	1357.87 367	1090.02 367	943.32 368	1021.85 367	1006.47 368	1309.01 366	986.29 367	1499.40 367	986.35 368	1359.35 367	975.96 366	975.21 367	969.30 369	1337.82 368	1042.34 369	1398.25 369	1073.86 369

111111	10000000.00 366	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 368	10000000.00 368	10000000.00 369	10000000.00 368	10000000.00 369	10000000.00 367	10000000.00 368	10000000.00 368	10000000.00 369	10000000.00 368	10000000.00 367	10000000.00 368	10000000.00 370	10000000.00 369	10000000.00 370	10000000.00 370	10000000.00 370

SGD-Stereo	10000000.00 366	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 368	10000000.00 368	10000000.00 369	10000000.00 368	10000000.00 369	10000000.00 367	10000000.00 368	10000000.00 368	10000000.00 369	10000000.00 368	10000000.00 367	10000000.00 368	10000000.00 370	10000000.00 369	10000000.00 370	10000000.00 370	10000000.00 370

IGEV-Stereo++	10000000.00 366	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 368	10000000.00 368	10000000.00 369	10000000.00 368	10000000.00 369	10000000.00 367	10000000.00 368	10000000.00 368	10000000.00 369	10000000.00 368	10000000.00 367	10000000.00 368	10000000.00 370	10000000.00 369	10000000.00 370	10000000.00 370	10000000.00 370

IGEV-BASED-STEREO-	10000000.00 366	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 368	10000000.00 368	10000000.00 369	10000000.00 368	10000000.00 369	10000000.00 367	10000000.00 368	10000000.00 368	10000000.00 369	10000000.00 368	10000000.00 367	10000000.00 368	10000000.00 370	10000000.00 369	10000000.00 370	10000000.00 370	10000000.00 370

IGEV-Stereo+	10000000.00 366	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 368	10000000.00 368	10000000.00 369	10000000.00 368	10000000.00 369	10000000.00 367	10000000.00 368	10000000.00 368	10000000.00 369	10000000.00 368	10000000.00 367	10000000.00 368	10000000.00 370	10000000.00 369	10000000.00 370	10000000.00 370	10000000.00 370

anonymousdsp2	10000000.00 366	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 368	10000000.00 368	10000000.00 369	10000000.00 368	10000000.00 369	10000000.00 367	10000000.00 368	10000000.00 368	10000000.00 369	10000000.00 368	10000000.00 367	10000000.00 368	10000000.00 370	10000000.00 369	10000000.00 370	10000000.00 370	10000000.00 370

anonymousdsp	10000000.00 366	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 368	10000000.00 368	10000000.00 369	10000000.00 368	10000000.00 369	10000000.00 367	10000000.00 368	10000000.00 368	10000000.00 369	10000000.00 368	10000000.00 367	10000000.00 368	10000000.00 370	10000000.00 369	10000000.00 370	10000000.00 370	10000000.00 370

AMNet	10000000.00 366	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 369	10000000.00 368	10000000.00 368	10000000.00 369	10000000.00 368	10000000.00 369	10000000.00 367	10000000.00 368	10000000.00 368	10000000.00 369	10000000.00 368	10000000.00 367	10000000.00 368	10000000.00 370	10000000.00 369	10000000.00 370	10000000.00 370	10000000.00 370

GS-Stereo																							0.36 168	0.36 170	0.48 186	0.36 168	0.48 183	0.35 166

FSD		0.55 170	0.42 165	0.54 203	0.42 191	0.55 207	0.43 194	0.54 187	0.42 190	0.59 169	0.42 194			0.43 184	0.42 193	0.42 186			2.46 302	0.44 195				0.44 194	0.55 204	0.43 194	0.55 202	0.53 215

STTRV1_RVC		1.59 255	0.52 197	0.69 223	0.61 225	0.66 219	0.43 194	0.88 221	0.45 195	0.71 181	0.62 227	0.69 217	0.45 196	0.62 218		0.44 188	0.80 228	0.59 224		0.63 227	0.80 222			0.61 229	0.72 224	0.54 218	0.80 226	0.60 223

DPSimNet_ROB		1.04 219	0.83 236	1.05 262	0.82 252	1.04 258	0.83 256	1.03 241	0.89 254	1.03 218	0.84 254	1.03 256	0.84 252	0.83 251	0.84 254	0.83 249		0.84 254	1.12 263	0.84 256	1.04 251	0.88 254	0.83 252	0.84 256		0.83 256	1.15 265	0.88 254

Low-res two-view benchmark