Low-res two-view results

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

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

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

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

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

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

USTest	0.01 9	0.02 12	0.00 1	0.14 121	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 19	0.02 21	0.00 1	0.00 1

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

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

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

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

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

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

light-stereo	0.05 57	0.04 52	0.01 10	0.02 14	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.03 53	0.02 20	0.01 10	0.73 423	0.01 10	0.01 9	0.01 9	0.01 10	0.02 20

Wz-Net-TNSev	0.02 15	0.05 66	0.04 64	0.07 67	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.06 70	0.04 66	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-SNSev	0.03 29	0.09 88	0.07 80	0.09 76	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 85	0.07 81	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 61	0.24 147	0.20 191	0.23 176	0.01 10	0.02 20	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 194	0.21 203	0.02 19	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 61	0.54 260	0.10 92	0.12 105	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 111	0.11 121	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 57	0.50 242	0.10 92	0.12 105	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 111	0.10 99	0.01 9	0.01 9	0.01 10	0.01 10

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

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

PWCDC_ROB	0.01 9	0.01 9	0.02 15	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

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

iinet-test	0.08 72	0.16 115	0.02 15	0.16 142	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.17 206	0.02 20	0.02 21	0.71 418	0.02 16	0.02 19	0.02 21	0.02 21	0.16 184

IINet	0.06 61	0.05 66	0.02 15	0.05 60	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.04 100	0.02 20	0.02 21	0.73 423	0.02 16	0.02 19	0.02 21	0.02 21	0.04 96

VMStereo-Base	0.03 29	0.09 88	0.08 82	0.09 76	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.02 20	0.02 21	0.08 77	0.08 84	0.03 41	0.02 21	0.02 21	0.02 20

G2L-ROB	0.03 29	0.06 74	0.02 15	0.03 29	0.02 22	0.03 44	0.02 21	0.03 46	0.02 22	0.03 44	0.02 21	0.03 46	0.02 21	0.03 43	0.02 21	0.03 34	0.02 16	0.03 41	0.02 21	0.03 47	0.02 20

G2L-Stereo_test	0.03 29	0.04 52	0.02 15	0.03 29	0.02 22	0.03 44	0.02 21	0.03 46	0.02 22	0.03 44	0.02 21	0.03 46	0.02 21	0.03 43	0.02 21	0.03 34	0.02 16	0.03 41	0.02 21	0.03 47	0.02 20

coex_refinement	0.03 29	0.03 31	0.02 15	0.03 29	0.02 22	0.03 44	0.02 21	0.03 46	0.02 22	0.03 44	0.02 21	0.03 46	0.02 21	0.03 43	0.02 21	0.03 34	0.02 16	0.03 41	0.02 21	0.03 47	0.02 20

G2L-Stereo	0.03 29	0.03 31	0.02 15	0.03 29	0.02 22	0.03 44	0.02 21	0.03 46	0.02 22	0.03 44	0.02 21	0.03 46	0.02 21	0.03 43	0.02 21	0.03 34	0.02 16	0.03 41	0.02 21	0.03 47	0.02 20

PSMNet-RUCA	0.02 15	0.02 12	0.02 15	0.02 14	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.02 20	0.02 21	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.02 20

FACV-RUCA	0.02 15	0.02 12	0.02 15	0.02 14	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.02 20	0.02 21	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.02 20

IGEV-RUCA	0.02 15	0.02 12	0.02 15	0.02 14	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.02 20	0.02 21	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.02 20

DualNet (step1)	0.10 90	1.05 351	0.12 123	0.12 105	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.04 92	0.02 21	0.03 46	0.03 53	0.03 43	0.03 52	0.12 111	0.12 135	0.03 41	0.03 57	0.03 47	0.03 52

test_sample9	0.10 90	1.05 351	0.12 123	0.12 105	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.04 92	0.02 21	0.03 46	0.03 53	0.03 43	0.03 52	0.12 111	0.12 135	0.03 41	0.03 57	0.03 47	0.03 52

test_sample2	0.09 75	1.03 347	0.11 112	0.11 97	0.03 52	0.03 44	0.03 54	0.03 46	0.02 22	0.03 44	0.02 21	0.03 46	0.02 21	0.03 43	0.02 21	0.09 85	0.09 94	0.03 41	0.02 21	0.03 47	0.02 20

test_sample1	0.09 75	0.87 299	0.12 123	0.11 97	0.03 52	0.03 44	0.03 54	0.03 46	0.02 22	0.04 92	0.02 21	0.03 46	0.03 53	0.03 43	0.03 52	0.10 90	0.10 99	0.03 41	0.02 21	0.03 47	0.02 20

SMFormer	0.09 75	1.01 341	0.09 88	0.09 76	0.03 52	0.03 44	0.02 21	0.03 46	0.02 22	0.03 44	0.02 21	0.03 46	0.02 21	0.03 43	0.02 21	0.09 85	0.09 94	0.03 41	0.02 21	0.03 47	0.02 20

tta	0.09 75	0.95 319	0.09 88	0.10 80	0.02 22	0.03 44	0.02 21	0.03 46	0.02 22	0.03 44	0.02 21	0.03 46	0.02 21	0.03 43	0.02 21	0.09 85	0.10 99	0.03 41	0.02 21	0.03 47	0.02 20

CoDeX	0.15 146	0.70 276	0.02 15	0.02 14	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.01 9	0.02 20	0.67 448	0.02 15	0.69 440	0.75 457	0.01 9	0.02 21	0.02 20

coex-ft	0.02 15	0.02 12	0.02 15	0.02 14	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.02 20	0.02 21	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.02 20

fast-acv-ft	0.02 15	0.02 12	0.02 15	0.02 14	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.02 20	0.02 21	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.02 20

CBFPSM	0.02 15	0.02 12	0.02 15	0.02 14	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.02 20	0.02 21	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.02 20

iinet-f	0.02 15	0.02 12	0.02 15	0.02 14	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.02 20	0.02 21	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.02 20

Wz-Net-LNSev-Ref	0.11 111	0.44 214	0.33 259	0.39 237	0.02 22	0.03 44	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.02 20	0.02 21	0.39 281	0.36 322	0.02 19	0.02 21	0.02 21	0.02 20

psmg	0.43 300	1.91 499	0.92 471	1.91 550	0.02 22	0.02 20	0.03 54	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.03 43	0.02 21	1.97 579	1.44 573	0.04 93	0.03 57	0.02 21	0.03 52

CSP-Net	0.34 229	1.29 429	1.19 498	1.36 528	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.02 20	0.02 21	1.26 539	1.21 550	0.03 41	0.09 136	0.02 21	0.09 135

SFCPSM	0.17 157	0.78 285	0.02 15	0.02 14	0.01 10	0.02 20	0.02 21	0.02 21	0.01 10	0.02 21	0.02 21	0.02 21	0.01 9	0.02 20	0.79 483	0.02 15	0.75 451	0.76 459	0.02 21	0.02 21	0.02 20

Syn2CoEx	0.25 191	1.31 433	0.74 446	0.92 420	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.03 46	0.02 21	0.02 20	0.02 21	0.87 446	0.75 451	0.02 19	0.02 21	0.02 21	0.02 20

MFN_U_SF_RVC	0.02 15	0.02 12	0.02 15	0.02 14	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.02 20	0.02 21	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.02 20

MSC_U_SF_DS_RVC	0.02 15	0.02 12	0.02 15	0.02 14	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.02 20	0.02 21	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.02 20

MFN_U_SF_DS_RVC	0.02 15	0.02 12	0.02 15	0.02 14	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.02 20	0.02 21	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.02 20

ADCMid	0.08 72	0.02 12	0.02 15	1.01 439	0.03 52	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.04 90	0.09 134	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.02 20

ADCS	0.09 75	0.02 12	0.04 64	0.90 415	0.06 134	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.14 156	0.36 351	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.02 20

AnyNet_C01	0.11 111	0.02 12	0.02 15	1.62 543	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.03 44	0.02 21	0.02 21	0.02 21	0.06 110	0.04 97	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.03 52

RYNet	0.02 15	0.02 12	0.02 15	0.03 29	0.03 52	0.03 44	0.02 21	0.02 21	0.02 22	0.03 44	0.02 21	0.02 21	0.03 53	0.03 43	0.02 21	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.02 20

LSM	0.02 15	0.02 12	0.02 15	0.02 14	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.02 20	0.02 21	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.02 20

LSM0	0.02 15	0.02 12	0.02 15	0.02 14	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.02 20	0.02 21	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.02 20

IGEV_i1	0.26 200	0.05 66	0.04 64	0.06 65	0.03 52	0.05 110	0.03 54	0.05 110	0.03 59	0.05 112	0.03 56	0.04 96	0.06 129	0.05 103	0.03 52	4.34 634	0.03 39	0.04 93	0.03 57	0.05 113	0.04 96

AANet	0.07 67	0.04 52	0.03 39	0.04 53	0.03 52	0.04 95	0.03 54	0.04 95	0.03 59	0.04 92	0.03 56	0.04 96	0.11 156	0.04 90	0.03 52	0.58 394	0.04 66	0.04 93	0.04 99	0.04 97	0.03 52

RT-IGEV	0.07 67	0.05 66	0.03 39	0.05 60	0.03 52	0.04 95	0.03 54	0.04 95	0.03 59	0.04 92	0.03 56	0.04 96	0.04 100	0.04 90	0.03 52	0.75 426	0.03 39	0.03 41	0.03 57	0.03 47	0.04 96

RT-Monster	0.09 75	0.07 77	0.03 39	0.15 132	0.03 52	0.04 95	0.03 54	0.04 95	0.03 59	0.04 92	0.03 56	0.03 46	0.10 143	0.04 90	0.03 52	0.92 450	0.03 39	0.03 41	0.03 57	0.03 47	0.07 130

PipStereo	0.03 29	0.03 31	0.03 39	0.03 29	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

PSi22b	0.03 29	0.03 31	0.03 39	0.03 29	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

PSi22a	0.03 29	0.03 31	0.03 39	0.03 29	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

PSi22	0.03 29	0.03 31	0.03 39	0.03 29	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

Foundation-i1c-attn	0.03 29	0.03 31	0.03 39	0.03 29	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

Foundation-i1b	0.03 29	0.03 31	0.03 39	0.03 29	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

Foundation-i1a	0.03 29	0.03 31	0.03 39	0.03 29	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

Selective-IGEV-i16pc	0.03 29	0.03 31	0.03 39	0.03 29	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

Selective-IGEV-i16pb	0.03 29	0.03 31	0.03 39	0.03 29	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

Selective-IGEV-i16pa	0.03 29	0.03 31	0.03 39	0.03 29	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

Selective-IGEV-i1pa	0.03 29	0.03 31	0.03 39	0.03 29	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

Foundation-i1	0.03 29	0.03 31	0.03 39	0.03 29	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

Foundation-i32	0.03 29	0.03 31	0.03 39	0.03 29	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

Selective-IGEV-i1	0.03 29	0.03 31	0.03 39	0.03 29	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

Selective-IGEV-i32	0.03 29	0.03 31	0.03 39	0.03 29	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

zh-sn7	0.10 90	0.98 323	0.14 148	0.15 132	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.15 141	0.13 158	0.03 41	0.03 57	0.03 47	0.03 52

zh-mn7	0.12 120	1.14 363	0.17 176	0.20 160	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.18 167	0.16 169	0.03 41	0.03 57	0.03 47	0.03 52

w-ln-seven-2	0.14 134	1.22 425	0.28 226	0.32 213	0.04 101	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.32 233	0.27 231	0.04 93	0.03 57	0.03 47	0.03 52

TCMNet	0.03 29	0.04 52	0.03 39	0.03 29	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.04 92	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

TCMNet-wrong-test	0.03 29	0.04 52	0.03 39	0.03 29	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.02 21	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

YMNet	0.03 29	0.04 52	0.03 39	0.03 29	0.03 52	0.03 44	0.02 21	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.02 20	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

YMNet_1	0.03 29	0.04 52	0.03 39	0.03 29	0.03 52	0.03 44	0.02 21	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.02 20	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

test_sample8	0.10 90	1.05 351	0.12 123	0.12 105	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.12 111	0.12 135	0.03 41	0.03 57	0.03 47	0.03 52

test_sample7	0.09 75	1.00 332	0.11 112	0.11 97	0.02 22	0.03 44	0.03 54	0.03 46	0.03 59	0.04 92	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.12 111	0.12 135	0.03 41	0.03 57	0.03 47	0.03 52

test_sample6	0.09 75	0.97 322	0.10 92	0.10 80	0.03 52	0.03 44	0.02 21	0.03 46	0.02 22	0.03 44	0.03 56	0.03 46	0.02 21	0.03 43	0.02 21	0.10 90	0.10 99	0.03 41	0.02 21	0.03 47	0.02 20

test_sample5	0.10 90	1.07 355	0.11 112	0.10 80	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.10 90	0.10 99	0.03 41	0.03 57	0.04 97	0.03 52

test_sample4	0.10 90	1.03 347	0.12 123	0.10 80	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.13 126	0.13 158	0.03 41	0.03 57	0.03 47	0.03 52

test_sample3	0.09 75	0.87 299	0.10 92	0.12 105	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.12 111	0.10 99	0.03 41	0.02 21	0.03 47	0.02 20

mmm	0.14 134	1.83 484	0.12 123	0.11 97	0.03 52	0.03 44	0.03 54	0.03 46	0.04 103	0.03 44	0.03 56	0.03 46	0.03 53	0.06 110	0.04 97	0.12 111	0.11 121	0.05 108	0.04 99	0.05 113	0.04 96

11t1	0.17 157	2.16 517	0.13 143	0.13 117	0.04 101	0.06 114	0.04 103	0.06 116	0.04 103	0.06 118	0.03 56	0.06 119	0.03 53	0.06 110	0.05 110	0.18 167	0.12 135	0.06 116	0.03 57	0.05 113	0.03 52

DualNet	0.10 90	1.07 355	0.11 112	0.10 80	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.10 90	0.10 99	0.03 41	0.03 57	0.04 97	0.03 52

ffm	0.25 191	3.83 592	0.12 123	0.12 105	0.05 121	0.06 114	0.05 115	0.06 116	0.05 119	0.03 44	0.03 56	0.06 119	0.05 112	0.06 110	0.05 110	0.12 111	0.12 135	0.05 108	0.04 99	0.06 118	0.04 96

ff1	0.25 191	3.83 592	0.12 123	0.12 105	0.05 121	0.06 114	0.05 115	0.06 116	0.05 119	0.03 44	0.03 56	0.06 119	0.05 112	0.06 110	0.05 110	0.12 111	0.12 135	0.05 108	0.04 99	0.06 118	0.04 96

mmx	0.25 191	3.83 592	0.12 123	0.12 105	0.05 121	0.06 114	0.05 115	0.06 116	0.05 119	0.03 44	0.03 56	0.06 119	0.05 112	0.06 110	0.05 110	0.12 111	0.12 135	0.05 108	0.04 99	0.06 118	0.04 96

1111x	0.10 90	1.14 363	0.13 143	0.14 121	0.03 52	0.04 95	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.13 126	0.11 121	0.03 41	0.02 21	0.03 47	0.02 20

xxx	0.09 75	1.01 341	0.10 92	0.10 80	0.03 52	0.03 44	0.03 54	0.03 46	0.02 22	0.03 44	0.03 56	0.03 46	0.02 21	0.03 43	0.02 21	0.10 90	0.10 99	0.03 41	0.02 21	0.03 47	0.03 52

qqq	0.16 153	2.01 508	0.12 123	0.15 132	0.04 101	0.06 114	0.05 115	0.06 116	0.04 103	0.06 118	0.03 56	0.06 119	0.03 53	0.06 110	0.03 52	0.12 111	0.14 162	0.04 93	0.04 99	0.03 47	0.03 52

x	0.11 111	1.15 366	0.15 165	0.14 121	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.04 92	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.14 133	0.15 166	0.03 41	0.03 57	0.03 47	0.03 52

BUS	0.83 442	1.91 499	0.92 471	4.48 625	0.02 22	0.40 284	0.04 103	0.41 293	0.02 22	0.48 377	0.03 56	0.41 301	0.05 112	0.03 43	0.05 110	1.97 579	4.19 651	0.33 258	0.23 236	0.34 247	0.27 271

BSDual-CNN	0.81 434	1.91 499	0.92 471	4.48 625	0.02 22	0.42 320	0.06 132	0.41 293	0.02 22	0.48 377	0.03 56	0.02 21	0.02 21	0.03 43	0.02 21	1.97 579	4.19 651	0.33 258	0.23 236	0.34 247	0.27 271

hknet	1.10 491	1.85 490	3.49 648	4.48 625	0.02 22	0.42 320	0.06 132	0.41 293	0.02 22	0.48 377	0.03 56	0.41 301	0.03 53	0.42 313	0.03 52	4.39 637	4.19 651	0.33 258	0.23 236	0.34 247	0.27 271

222	0.10 90	0.99 330	0.12 123	0.13 117	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.12 111	0.12 135	0.03 41	0.02 21	0.04 97	0.03 52

xxxx	0.11 111	1.16 368	0.16 169	0.12 105	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.13 126	0.16 169	0.03 41	0.04 99	0.04 97	0.04 96

test_xeample	0.10 90	1.09 357	0.13 143	0.12 105	0.03 52	0.03 44	0.03 54	0.04 95	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.14 133	0.14 162	0.03 41	0.03 57	0.03 47	0.03 52

EDNetEfficient	0.04 54	0.05 66	0.04 64	0.04 53	0.03 52	0.04 95	0.03 54	0.04 95	0.03 59	0.04 92	0.03 56	0.04 96	0.03 53	0.04 90	0.03 52	0.05 66	0.03 39	0.05 108	0.03 57	0.04 97	0.03 52

BEATNet_4x	0.11 111	0.03 31	0.03 39	1.60 540	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.05 103	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

ADCL	0.11 111	0.03 31	0.03 39	1.60 540	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.05 103	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

ADCRef	0.12 120	0.03 31	0.04 64	1.71 546	0.04 101	0.03 44	0.03 54	0.04 95	0.04 103	0.04 92	0.03 56	0.04 96	0.03 53	0.06 110	0.04 97	0.04 59	0.04 66	0.04 93	0.04 99	0.03 47	0.04 96

AnyNet_C32	0.14 134	0.04 52	0.03 39	2.22 562	0.04 101	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.04 96	0.02 21	0.07 126	0.04 97	0.02 15	0.02 16	0.03 41	0.03 57	0.02 21	0.03 52

ADCPNet	0.10 90	0.03 31	0.04 64	1.27 513	0.03 52	0.04 95	0.03 54	0.03 46	0.03 59	0.04 92	0.03 56	0.04 96	0.03 53	0.08 129	0.04 97	0.04 59	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

z-mn7	0.16 153	1.21 419	0.33 259	0.41 262	0.04 101	0.04 95	0.03 54	0.04 95	0.04 103	0.04 92	0.04 110	0.04 96	0.04 100	0.04 90	0.04 97	0.35 250	0.31 265	0.04 93	0.04 99	0.04 97	0.04 96

z-ln-s-r	0.21 173	1.40 441	0.53 398	0.56 365	0.04 101	0.05 110	0.04 103	0.05 110	0.05 119	0.05 112	0.04 110	0.05 113	0.04 100	0.05 103	0.05 110	0.57 393	0.44 373	0.04 93	0.04 99	0.04 97	0.04 96

w-ln-seven	0.18 161	1.47 443	0.33 259	0.40 250	0.04 101	0.04 95	0.04 103	0.04 95	0.04 103	0.04 92	0.04 110	0.04 96	0.04 100	0.04 90	0.04 97	0.38 268	0.32 269	0.05 108	0.04 99	0.04 97	0.04 96

DFGA-Net	0.05 57	0.06 74	0.04 64	0.06 65	0.04 101	0.06 114	0.04 103	0.06 116	0.04 103	0.06 118	0.04 110	0.06 119	0.04 100	0.06 110	0.04 97	0.06 70	0.04 66	0.05 108	0.04 99	0.05 113	0.04 96

GASNet	0.05 57	0.04 52	0.12 123	0.04 53	0.04 101	0.04 95	0.05 115	0.04 95	0.04 103	0.12 151	0.04 110	0.06 119	0.04 100	0.04 90	0.04 97	0.04 59	0.04 66	0.04 93	0.04 99	0.04 97	0.04 96

NINENet	0.69 404	3.87 595	1.20 501	1.98 555	0.05 121	0.40 284	0.04 103	0.40 278	0.05 119	0.41 293	0.04 110	0.41 301	0.05 112	0.40 285	0.05 110	1.79 567	1.56 582	0.34 267	0.22 230	0.34 247	0.23 216

APVNet	0.09 75	0.05 66	0.04 64	0.05 60	0.04 101	0.05 110	0.90 497	0.06 116	0.04 103	0.05 112	0.04 110	0.05 113	0.04 100	0.05 103	0.04 97	0.05 66	0.04 66	0.05 108	0.04 99	0.05 113	0.05 117

EDNetEfficientorigin	0.04 54	0.06 74	0.04 64	0.05 60	0.04 101	0.05 110	0.04 103	0.05 110	0.04 103	0.05 112	0.04 110	0.05 113	0.04 100	0.05 103	0.04 97	0.05 66	0.03 39	0.06 116	0.03 57	0.04 97	0.03 52

FADNet-RVC-Resample	0.12 120	0.04 52	0.04 64	0.04 53	0.04 101	0.04 95	0.04 103	0.04 95	0.04 103	0.04 92	0.04 110	0.04 96	0.04 100	0.04 90	1.57 597	0.04 59	0.04 66	0.04 93	0.05 118	0.04 97	0.06 126

FADNet_RVC	0.12 120	0.04 52	0.04 64	0.05 60	0.04 101	0.04 95	0.04 103	0.04 95	0.04 103	0.04 92	0.04 110	0.04 96	0.05 112	0.04 90	1.65 601	0.05 66	0.04 66	0.04 93	0.04 99	0.04 97	0.04 96

FADNet	0.12 120	0.05 66	0.04 64	0.04 53	0.04 101	0.04 95	0.04 103	0.04 95	0.04 103	0.04 92	0.04 110	0.04 96	0.05 112	0.04 90	1.66 603	0.06 70	0.04 66	0.04 93	0.04 99	0.04 97	0.04 96

NVStereoNet_ROB	0.04 54	0.04 52	0.04 64	0.04 53	0.04 101	0.04 95	0.04 103	0.04 95	0.04 103	0.04 92	0.04 110	0.04 96	0.04 100	0.04 90	0.04 97	0.04 59	0.04 66	0.04 93	0.04 99	0.04 97	0.04 96
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DispViT+	0.07 67	0.08 79	0.12 123	0.08 69	0.05 121	0.08 127	0.05 115	0.08 129	0.05 119	0.08 128	0.05 122	0.08 128	0.05 112	0.08 129	0.05 110	0.08 77	0.07 81	0.07 121	0.05 118	0.07 128	0.05 117

BridgeDepth_RVC	0.07 67	0.08 79	0.11 112	0.11 97	0.05 121	0.08 127	0.05 115	0.08 129	0.05 119	0.08 128	0.05 122	0.08 128	0.05 112	0.08 129	0.05 110	0.11 105	0.10 99	0.07 121	0.05 118	0.07 128	0.05 117
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
BridgeDepth	0.08 72	0.08 79	0.11 112	0.11 97	0.05 121	0.08 127	0.05 115	0.08 129	0.07 136	0.08 128	0.05 122	0.08 128	0.05 112	0.09 135	0.08 129	0.15 141	0.11 121	0.07 121	0.05 118	0.07 128	0.06 126
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
DA	0.09 75	0.13 107	0.39 298	0.08 69	0.05 121	0.07 125	0.05 115	0.13 152	0.05 119	0.06 118	0.05 122	0.06 119	0.05 112	0.06 110	0.05 110	0.06 70	0.05 78	0.14 153	0.13 179	0.06 118	0.05 117

GGEV	0.09 75	0.13 107	0.39 298	0.08 69	0.05 121	0.07 125	0.05 115	0.13 152	0.05 119	0.06 118	0.05 122	0.06 119	0.05 112	0.06 110	0.05 110	0.06 70	0.05 78	0.14 153	0.13 179	0.06 118	0.05 117

ISRNet	0.11 111	0.05 66	0.36 281	0.24 181	0.07 136	0.13 152	0.05 115	0.06 116	0.05 119	0.05 112	0.05 122	0.13 153	0.05 112	0.05 103	0.09 134	0.24 201	0.20 200	0.10 133	0.05 118	0.06 118	0.13 173

qqq1	0.25 191	3.70 586	0.14 148	0.14 121	0.04 101	0.06 114	0.05 115	0.06 116	0.05 119	0.06 118	0.05 122	0.04 96	0.05 112	0.06 110	0.05 110	0.13 126	0.12 135	0.06 116	0.05 118	0.03 47	0.04 96

fff1	0.25 191	3.70 586	0.14 148	0.14 121	0.04 101	0.06 114	0.05 115	0.06 116	0.05 119	0.06 118	0.05 122	0.04 96	0.05 112	0.06 110	0.05 110	0.13 126	0.12 135	0.06 116	0.05 118	0.03 47	0.04 96

GwcNet	0.12 120	0.07 77	0.05 79	0.08 69	0.05 121	0.08 127	1.20 527	0.07 126	0.05 119	0.05 112	0.05 122	0.08 128	0.05 112	0.08 129	0.03 52	0.07 75	0.05 78	0.06 116	0.05 118	0.07 128	0.05 117

FADNet-RVC	0.13 127	0.04 52	0.04 64	0.04 53	0.04 101	0.04 95	0.05 115	0.04 95	0.04 103	0.04 92	0.05 122	0.04 96	0.05 112	0.04 90	1.71 606	0.04 59	0.04 66	0.04 93	0.04 99	0.07 128	0.04 96

ADCP+	0.15 146	0.04 52	0.04 64	2.20 561	0.04 101	0.04 95	0.04 103	0.04 95	0.04 103	0.04 92	0.05 122	0.04 96	0.04 100	0.08 129	0.04 97	0.04 59	0.04 66	0.04 93	0.04 99	0.04 97	0.04 96

TS12	0.09 75	0.09 88	0.17 176	0.19 156	0.06 134	0.08 127	0.06 132	0.08 129	0.06 132	0.08 128	0.06 133	0.08 128	0.06 129	0.08 129	0.06 126	0.15 141	0.16 169	0.08 126	0.06 129	0.08 133	0.06 126

AASNet	0.06 61	0.08 79	0.08 82	0.08 69	0.05 121	0.06 114	0.05 115	0.05 110	0.06 132	0.06 118	0.06 133	0.05 113	0.06 129	0.06 110	0.05 110	0.08 77	0.08 84	0.08 126	0.05 118	0.06 118	0.05 117

SACVNet	0.06 61	0.08 79	0.08 82	0.08 69	0.05 121	0.06 114	0.05 115	0.05 110	0.06 132	0.06 118	0.06 133	0.05 113	0.06 129	0.06 110	0.05 110	0.08 77	0.08 84	0.08 126	0.05 118	0.06 118	0.05 117

AACVNet	0.06 61	0.08 79	0.08 82	0.08 69	0.05 121	0.06 114	0.05 115	0.05 110	0.06 132	0.06 118	0.06 133	0.05 113	0.06 129	0.06 110	0.05 110	0.08 77	0.08 84	0.08 126	0.05 118	0.06 118	0.05 117

MatchStereo	0.54 373	0.12 105	2.38 625	2.32 569	0.09 140	0.09 135	0.08 138	0.09 135	0.07 136	0.09 135	0.07 137	0.09 136	0.07 135	0.09 135	0.08 129	2.34 602	2.34 621	0.12 147	0.11 155	0.11 148	0.10 140
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
FINET	0.07 67	0.08 79	0.07 80	0.07 67	0.07 136	0.08 127	0.06 132	0.08 129	0.07 136	0.08 128	0.07 137	0.08 128	0.06 129	0.07 126	0.07 127	0.08 77	0.07 81	0.07 121	0.07 130	0.06 118	0.06 126

BEATNet-Init1	0.19 165	0.08 79	0.08 82	2.23 563	0.08 138	0.08 127	0.07 136	0.07 126	0.08 140	0.08 128	0.07 137	0.08 128	0.07 135	0.11 150	0.08 129	0.08 77	0.08 84	0.08 126	0.07 130	0.08 133	0.08 132

DeepPrunerF	0.19 165	0.08 79	0.08 82	2.23 563	0.08 138	0.08 127	0.07 136	0.07 126	0.08 140	0.08 128	0.07 137	0.08 128	0.07 135	0.11 150	0.08 129	0.08 77	0.08 84	0.08 126	0.07 130	0.08 133	0.08 132

SepStereo	0.09 75	0.09 88	0.10 92	0.09 76	0.09 140	0.09 135	0.09 139	0.10 136	0.08 140	0.10 137	0.09 141	0.09 136	0.09 139	0.09 135	0.08 129	0.09 85	0.08 84	0.09 132	0.08 134	0.09 137	0.08 132

SuperB	0.21 173	0.10 92	2.51 627	0.12 105	0.09 140	0.10 137	0.09 139	0.08 129	0.07 136	0.10 137	0.09 141	0.09 136	0.07 135	0.07 126	0.07 127	0.07 75	0.08 84	0.07 121	0.07 130	0.08 133	0.07 130

PASM	0.39 273	3.06 571	1.36 564	1.58 536	0.09 140	0.11 148	0.11 157	0.11 148	0.11 159	0.09 135	0.09 141	0.11 149	0.09 139	0.09 135	0.09 134	0.11 105	0.11 121	0.11 144	0.09 136	0.11 148	0.11 153

DRN-Test	0.14 134	0.13 107	0.09 88	0.14 121	0.09 140	0.15 161	0.09 139	0.14 154	0.10 144	0.14 153	0.09 141	0.14 154	0.09 139	0.13 155	0.09 134	0.12 111	0.09 94	0.12 147	0.09 136	0.12 153	0.73 468

S2M2_L	0.12 120	0.14 113	0.10 92	0.15 132	0.10 147	0.14 153	0.10 144	0.14 154	0.10 144	0.15 160	0.10 145	0.14 154	0.10 143	0.14 156	0.10 140	0.13 126	0.10 99	0.13 151	0.09 136	0.13 155	0.09 135
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
CAS++	0.17 157	0.27 158	0.21 196	0.10 80	0.21 235	0.15 161	0.22 223	0.10 136	0.21 224	0.22 197	0.10 145	0.19 182	0.18 216	0.10 139	0.19 214	0.20 174	0.19 198	0.18 187	0.10 143	0.19 186	0.18 206
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
AnonymousM	0.10 90	0.10 92	0.10 92	0.10 80	0.10 147	0.10 137	0.10 144	0.10 136	0.10 144	0.10 137	0.10 145	0.10 139	0.10 143	0.10 139	0.10 140	0.10 90	0.10 99	0.10 133	0.10 143	0.10 138	0.10 140

LRCNet_RVC	0.13 127	0.13 107	0.09 88	0.13 117	0.10 147	0.14 153	0.10 144	0.14 154	0.10 144	0.23 202	0.10 145	0.20 185	0.10 143	0.24 209	0.11 152	0.11 105	0.09 94	0.12 147	0.14 184	0.12 153	0.09 135

PVD	0.10 90	0.10 92	0.10 92	0.10 80	0.10 147	0.10 137	0.10 144	0.10 136	0.10 144	0.10 137	0.10 145	0.10 139	0.10 143	0.10 139	0.10 140	0.10 90	0.10 99	0.10 133	0.10 143	0.10 138	0.10 140

SHD	0.10 90	0.10 92	0.10 92	0.10 80	0.10 147	0.10 137	0.10 144	0.10 136	0.10 144	0.10 137	0.10 145	0.10 139	0.10 143	0.10 139	0.10 140	0.10 90	0.10 99	0.10 133	0.10 143	0.10 138	0.10 140

SAMSARA	0.10 90	0.10 92	0.10 92	0.10 80	0.10 147	0.10 137	0.10 144	0.10 136	0.10 144	0.10 137	0.10 145	0.10 139	0.10 143	0.10 139	0.10 140	0.10 90	0.10 99	0.10 133	0.10 143	0.10 138	0.10 140

XQC	0.10 90	0.10 92	0.10 92	0.10 80	0.10 147	0.10 137	0.10 144	0.10 136	0.10 144	0.10 137	0.10 145	0.10 139	0.10 143	0.10 139	0.10 140	0.10 90	0.10 99	0.10 133	0.10 143	0.10 138	0.10 140

RTSC	0.10 90	0.10 92	0.10 92	0.10 80	0.10 147	0.10 137	0.10 144	0.10 136	0.10 144	0.10 137	0.10 145	0.10 139	0.10 143	0.10 139	0.10 140	0.10 90	0.10 99	0.10 133	0.10 143	0.10 138	0.10 140

RTS	0.10 90	0.10 92	0.10 92	0.10 80	0.10 147	0.10 137	0.10 144	0.10 136	0.10 144	0.10 137	0.10 145	0.10 139	0.10 143	0.10 139	0.10 140	0.10 90	0.10 99	0.10 133	0.10 143	0.10 138	0.10 140

RTSA	0.10 90	0.10 92	0.10 92	0.10 80	0.10 147	0.10 137	0.10 144	0.10 136	0.10 144	0.10 137	0.10 145	0.10 139	0.10 143	0.10 139	0.10 140	0.10 90	0.10 99	0.10 133	0.10 143	0.10 138	0.10 140

MADNet+	0.10 90	0.10 92	0.10 92	0.10 80	0.10 147	0.10 137	0.10 144	0.10 136	0.10 144	0.10 137	0.10 145	0.10 139	0.10 143	0.10 139	0.10 140	0.10 90	0.10 99	0.10 133	0.10 143	0.10 138	0.10 140

MADNet++	0.10 90	0.10 92	0.10 92	0.10 80	0.10 147	0.10 137	0.10 144	0.10 136	0.10 144	0.10 137	0.10 145	0.10 139	0.10 143	0.10 139	0.10 140	0.10 90	0.10 99	0.10 133	0.10 143	0.10 138	0.10 140

StereoDRNet	0.15 146	0.14 113	0.10 92	0.14 121	0.09 140	0.15 161	0.09 139	0.14 154	0.09 143	0.14 153	0.10 145	0.14 154	0.09 139	0.14 156	0.09 134	0.13 126	0.10 99	0.13 151	0.09 136	0.13 155	0.82 484

S2M2_XL	0.14 134	0.17 120	0.12 123	0.17 151	0.11 162	0.17 175	0.11 157	0.17 174	0.11 159	0.17 172	0.11 159	0.17 174	0.11 156	0.17 174	0.11 152	0.16 151	0.11 121	0.16 170	0.11 155	0.16 170	0.11 153
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
JetRed	0.11 111	0.12 105	0.11 112	0.11 97	0.11 162	0.11 148	0.14 176	0.11 148	0.11 159	0.12 151	0.11 159	0.11 149	0.11 156	0.11 150	0.11 152	0.11 105	0.16 169	0.11 144	0.11 155	0.11 148	0.11 153

JetBlue	0.11 111	0.11 103	0.12 123	0.13 117	0.14 181	0.11 148	0.11 157	0.11 148	0.11 159	0.11 149	0.11 159	0.11 149	0.11 156	0.12 154	0.12 164	0.11 105	0.11 121	0.11 144	0.11 155	0.11 148	0.11 153

IPLG	0.13 127	0.20 128	0.14 148	0.15 132	0.11 162	0.14 153	0.11 157	0.14 154	0.11 159	0.14 153	0.11 159	0.14 154	0.11 156	0.14 156	0.11 152	0.15 141	0.12 135	0.14 153	0.11 155	0.14 157	0.11 153

MIPNet	0.14 134	0.21 133	0.17 176	0.16 142	0.11 162	0.15 161	0.12 170	0.14 154	0.11 159	0.16 165	0.11 159	0.14 154	0.11 156	0.14 156	0.11 152	0.14 133	0.12 135	0.14 153	0.11 155	0.14 157	0.11 153

ICVP	0.15 146	0.53 256	0.11 112	0.16 142	0.11 162	0.16 168	0.11 157	0.16 168	0.11 159	0.16 165	0.11 159	0.16 166	0.11 156	0.16 167	0.11 152	0.16 151	0.11 121	0.16 170	0.11 155	0.16 170	0.11 153
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
UNet	0.29 207	0.90 307	0.10 92	0.14 121	0.10 147	0.14 153	0.10 144	0.91 461	0.69 464	0.14 153	0.11 159	0.14 154	0.11 156	0.14 156	0.10 140	0.12 111	0.09 94	0.12 147	0.09 136	0.88 451	0.76 475

ELAS	0.13 127	0.16 115	0.11 112	0.15 132	0.09 140	0.18 179	0.11 157	0.18 177	0.11 159	0.17 172	0.11 159	0.18 178	0.11 156	0.18 177	0.11 152	0.14 133	0.08 84	0.14 153	0.08 134	0.14 157	0.09 135
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DF	0.39 273	1.37 439	1.02 483	1.14 451	0.12 175	0.16 168	0.12 170	0.16 168	0.12 175	0.16 165	0.12 167	0.16 166	0.12 171	0.16 167	0.12 164	1.12 482	1.00 474	0.15 166	0.12 170	0.15 165	0.12 166

ProNet	0.14 134	0.20 128	0.14 148	0.16 142	0.11 162	0.16 168	0.11 157	0.17 174	0.11 159	0.17 172	0.12 167	0.17 174	0.13 177	0.17 174	0.12 164	0.15 141	0.11 121	0.16 170	0.11 155	0.15 165	0.12 166

CIPLG	0.13 127	0.21 133	0.12 123	0.16 142	0.11 162	0.15 161	0.11 157	0.14 154	0.11 159	0.15 160	0.12 167	0.15 165	0.11 156	0.14 156	0.11 152	0.15 141	0.12 135	0.14 153	0.11 155	0.14 157	0.11 153

IPLGR_C	0.14 134	0.20 128	0.12 123	0.15 132	0.11 162	0.14 153	0.15 182	0.14 154	0.11 159	0.15 160	0.12 167	0.14 154	0.11 156	0.16 167	0.11 152	0.15 141	0.12 135	0.14 153	0.12 170	0.15 165	0.12 166

IPLGR	0.14 134	0.24 147	0.14 148	0.16 142	0.12 175	0.15 161	0.12 170	0.14 154	0.11 159	0.15 160	0.12 167	0.14 154	0.11 156	0.14 156	0.11 152	0.15 141	0.12 135	0.14 153	0.11 155	0.14 157	0.11 153

ACRE	0.13 127	0.21 133	0.14 148	0.15 132	0.11 162	0.14 153	0.11 157	0.14 154	0.11 159	0.14 153	0.12 167	0.14 154	0.11 156	0.14 156	0.11 152	0.15 141	0.12 135	0.14 153	0.11 155	0.14 157	0.11 153

aanetorigin	0.13 127	0.11 103	0.11 112	0.11 97	0.11 162	0.11 148	0.11 157	0.11 148	0.11 159	0.11 149	0.12 167	0.11 149	0.11 156	0.11 150	0.11 152	0.11 105	0.11 121	0.14 153	0.11 155	0.49 385	0.11 153

cf-r	0.66 396	2.17 518	0.12 123	0.18 153	0.12 175	0.18 179	2.70 639	2.60 614	0.12 175	0.18 176	0.12 167	0.18 178	0.12 171	0.18 177	0.12 164	0.15 141	0.11 121	0.15 166	0.11 155	1.81 573	1.74 613

HSM	0.14 134	0.16 115	0.12 123	0.17 151	0.12 175	0.17 175	0.11 157	0.17 174	0.11 159	0.17 172	0.12 167	0.17 174	0.12 171	0.17 174	0.12 164	0.16 151	0.11 121	0.16 170	0.11 155	0.16 170	0.12 166

PDISCO_ROB	0.83 442	2.80 567	3.49 648	0.14 121	0.11 162	0.17 175	0.09 139	0.15 167	0.10 144	0.15 160	0.12 167	0.16 166	0.14 181	3.30 634	0.13 171	0.14 133	2.34 621	0.16 170	0.12 170	2.62 614	0.10 140

LALA_ROB	0.15 146	0.19 124	0.12 123	0.18 153	0.11 162	0.20 187	0.12 170	0.21 193	0.12 175	0.20 184	0.12 167	0.20 185	0.12 171	0.21 194	0.13 171	0.17 159	0.10 99	0.18 187	0.11 155	0.18 180	0.11 153

ELAS_RVC	0.14 134	0.16 115	0.10 92	0.15 132	0.10 147	0.18 179	0.11 157	0.19 179	0.11 159	0.19 178	0.12 167	0.18 178	0.11 156	0.19 180	0.12 164	0.14 133	0.08 84	0.14 153	0.09 136	0.15 165	0.09 135
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 146	0.17 120	0.11 112	0.18 153	0.11 162	0.19 182	0.11 157	0.19 179	0.12 175	0.19 178	0.12 167	0.20 185	0.12 171	0.19 180	0.12 164	0.16 151	0.11 121	0.17 178	0.10 143	0.17 176	0.10 140
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DDVS	0.30 208	3.10 572	0.14 148	0.19 156	0.14 181	0.19 182	0.14 176	0.20 185	0.14 181	0.19 178	0.13 180	0.16 166	0.13 177	0.19 180	0.13 171	0.17 159	0.13 158	0.17 178	0.13 179	0.17 176	0.13 173

ITSA-stereo	0.15 146	0.17 120	0.13 143	0.20 160	0.13 179	0.19 182	0.13 174	0.18 177	0.13 179	0.19 178	0.13 180	0.18 178	0.14 181	0.18 177	0.14 175	0.16 151	0.11 121	0.15 166	0.14 184	0.18 180	0.11 153

ACVNet	0.20 167	0.19 124	0.14 148	0.20 160	0.14 181	0.20 187	0.96 504	0.21 193	0.14 181	0.20 184	0.13 180	0.21 192	0.14 181	0.20 184	0.14 175	0.17 159	0.12 135	0.17 178	0.12 170	0.17 176	0.12 166

acv_ft	0.20 167	0.19 124	0.14 148	0.20 160	0.14 181	0.20 187	0.96 504	0.21 193	0.14 181	0.20 184	0.13 180	0.21 192	0.14 181	0.20 184	0.14 175	0.17 159	0.12 135	0.17 178	0.12 170	0.17 176	0.12 166

DeepPruner_ROB	0.16 153	0.18 123	0.13 143	0.19 156	0.13 179	0.19 182	0.13 174	0.19 179	0.13 179	0.19 178	0.13 180	0.19 182	0.13 177	0.19 180	0.13 171	0.18 167	0.13 158	0.18 187	0.13 179	0.18 180	0.13 173

castereo++	0.54 373	3.59 583	1.15 492	1.31 522	0.14 181	0.16 168	0.14 176	0.16 168	0.14 181	0.16 165	0.14 185	0.16 166	0.13 177	0.16 167	0.14 175	1.45 554	1.16 499	0.15 166	0.14 184	0.15 165	0.13 173

GMStereo	0.14 134	0.13 107	0.14 148	0.14 121	0.14 181	0.14 153	0.14 176	0.14 154	0.14 181	0.14 153	0.14 185	0.14 154	0.14 181	0.14 156	0.14 175	0.14 133	0.14 162	0.14 153	0.14 184	0.14 157	0.14 178
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.22 179	0.13 107	0.19 188	0.23 176	0.10 147	0.26 229	1.02 513	0.14 154	0.10 144	0.28 230	0.14 185	0.17 174	0.19 221	0.28 237	0.09 134	0.22 183	0.16 169	0.23 210	0.17 216	0.11 148	0.12 166

hitnet-ft	0.79 426	2.78 566	0.14 148	0.20 160	0.14 181	0.21 197	2.89 640	2.80 628	0.14 181	0.20 184	0.14 185	0.20 185	0.14 181	0.20 184	0.14 175	0.17 159	0.12 135	0.17 178	0.12 170	2.54 613	2.33 630

GANet-RSSM	0.75 416	1.91 499	0.14 148	0.47 293	0.14 181	0.21 197	3.21 656	2.30 600	0.14 181	0.46 364	0.14 185	0.23 207	0.18 216	0.21 194	0.14 175	0.18 167	0.27 231	0.37 291	0.13 179	2.13 583	2.12 623

PSMNet-RSSM	0.77 422	2.76 561	0.14 148	0.20 160	0.14 181	0.20 187	2.66 637	2.79 627	0.14 181	0.21 195	0.14 185	0.21 192	0.14 181	0.20 184	0.14 175	0.17 159	0.12 135	0.17 178	0.12 170	2.52 605	2.31 628

GwcNet-RSSM	0.77 422	2.77 563	0.14 148	0.20 160	0.14 181	0.20 187	2.67 638	2.78 626	0.14 181	0.20 184	0.14 185	0.20 185	0.14 181	0.21 194	0.14 175	0.17 159	0.12 135	0.17 178	0.12 170	2.52 605	2.31 628

CFNet-ft	0.55 378	1.57 446	0.14 148	0.20 160	0.14 181	0.20 187	2.53 635	1.61 568	0.14 181	0.20 184	0.14 185	0.20 185	0.14 181	0.20 184	0.14 175	0.17 159	0.12 135	0.17 178	0.12 170	1.56 561	1.24 576

CCAANet	0.17 157	0.72 278	0.14 148	0.14 121	0.14 181	0.14 153	0.14 176	0.14 154	0.14 181	0.14 153	0.14 185	0.14 154	0.14 181	0.14 156	0.14 175	0.14 133	0.14 162	0.14 153	0.14 184	0.14 157	0.14 178

DepthFocus	0.18 161	0.22 137	0.15 165	0.22 171	0.15 193	0.22 199	0.15 182	0.22 197	0.15 192	0.22 197	0.15 194	0.22 200	0.16 194	0.22 198	0.15 186	0.20 174	0.15 166	0.20 194	0.14 184	0.20 187	0.14 178

RSGM-EC	0.24 188	0.24 147	0.15 165	0.22 171	0.15 193	0.22 199	0.15 182	0.22 197	0.15 192	0.24 209	0.15 194	0.22 200	0.15 192	0.22 198	1.19 527	0.20 174	0.17 190	0.24 219	0.14 184	0.20 187	0.14 178

acva	0.24 188	0.24 147	0.15 165	0.22 171	0.15 193	0.22 199	0.15 182	0.22 197	0.15 192	0.24 209	0.15 194	0.22 200	0.15 192	0.22 198	1.19 527	0.20 174	0.17 190	0.24 219	0.14 184	0.20 187	0.14 178

dd	0.23 185	0.98 323	0.16 169	0.23 176	0.15 193	0.23 208	0.15 182	0.23 204	0.15 192	0.23 202	0.15 194	0.24 213	0.17 206	0.23 205	0.15 186	0.22 183	0.15 166	0.21 197	0.15 192	0.22 195	0.16 184

LACA2	0.21 173	0.24 147	0.26 217	0.31 207	0.16 203	0.24 211	0.16 188	0.24 207	0.16 197	0.24 209	0.16 198	0.24 213	0.16 194	0.24 209	0.16 193	0.27 212	0.23 213	0.24 219	0.16 194	0.23 206	0.16 184

LACA1	0.21 173	0.24 147	0.26 217	0.31 207	0.16 203	0.24 211	0.16 188	0.24 207	0.16 197	0.24 209	0.16 198	0.24 213	0.16 194	0.24 209	0.16 193	0.27 212	0.22 207	0.23 210	0.16 194	0.23 206	0.16 184

xyz-stereo-finetune2	0.18 161	0.48 236	0.16 169	0.16 142	0.15 193	0.15 161	0.16 188	0.16 168	0.16 197	0.16 165	0.16 198	0.16 166	0.16 194	0.16 167	0.16 193	0.16 151	0.16 169	0.16 170	0.16 194	0.16 170	0.16 184

xyz-stereo	0.18 161	0.50 242	0.16 169	0.15 132	0.16 203	0.16 168	0.16 188	0.16 168	0.16 197	0.16 165	0.16 198	0.16 166	0.16 194	0.16 167	0.16 193	0.16 151	0.16 169	0.16 170	0.16 194	0.16 170	0.16 184

castereo	0.61 387	3.79 591	1.35 556	1.52 535	0.15 193	0.17 175	0.16 188	0.20 185	0.21 224	0.18 176	0.16 198	0.21 192	0.12 171	0.26 229	0.17 199	1.43 553	1.38 569	0.17 178	0.16 194	0.18 180	0.16 184

GMStereo_Zeroshot	0.16 153	0.16 115	0.16 169	0.16 142	0.16 203	0.16 168	0.16 188	0.16 168	0.16 197	0.16 165	0.16 198	0.16 166	0.16 194	0.16 167	0.16 193	0.16 151	0.16 169	0.16 170	0.16 194	0.16 170	0.16 184

dad	0.23 185	1.03 347	0.16 169	0.23 176	0.15 193	0.24 211	0.15 182	0.24 207	0.16 197	0.23 202	0.16 198	0.24 213	0.16 194	0.23 205	0.15 186	0.22 183	0.16 169	0.22 202	0.16 194	0.22 195	0.16 184

LACA3	0.23 185	0.25 153	0.27 220	0.54 358	0.17 209	0.25 220	0.17 198	0.25 215	0.17 207	0.25 217	0.17 205	0.25 220	0.17 206	0.25 218	0.17 199	0.28 216	0.23 213	0.24 219	0.17 216	0.24 210	0.17 201

BStereo	0.22 179	0.23 139	0.20 191	0.24 181	0.20 227	0.23 208	0.33 334	0.39 271	0.17 207	0.23 202	0.17 205	0.23 207	0.16 194	0.24 209	0.17 199	0.23 194	0.16 169	0.22 202	0.20 224	0.22 195	0.16 184

Wave_Phase_stereo	0.22 179	0.23 139	0.20 191	0.24 181	0.20 227	0.23 208	0.33 334	0.39 271	0.17 207	0.23 202	0.17 205	0.23 207	0.16 194	0.24 209	0.17 199	0.23 194	0.16 169	0.22 202	0.20 224	0.22 195	0.16 184

RAFT-FEzeroshot	0.34 229	0.26 155	0.17 176	0.21 169	0.17 209	0.20 187	0.16 188	0.20 185	0.16 197	0.20 184	0.17 205	0.21 192	0.16 194	0.27 233	0.24 231	0.19 171	0.16 169	0.19 190	0.16 194	0.26 215	3.08 646

RAFT-FE	0.34 229	0.26 155	0.17 176	0.21 169	0.17 209	0.20 187	0.16 188	0.20 185	0.16 197	0.20 184	0.17 205	0.21 192	0.16 194	0.27 233	0.24 231	0.19 171	0.16 169	0.19 190	0.16 194	0.26 215	3.08 646

IGEV-FE	0.35 238	0.37 177	0.17 176	0.19 156	0.17 209	0.20 187	0.17 198	0.19 179	0.17 207	0.19 178	0.17 205	0.19 182	0.17 206	0.37 271	0.36 351	0.19 171	0.17 190	0.19 190	0.17 216	0.38 284	2.84 637

tg	0.21 173	0.25 153	0.21 196	0.26 195	0.17 209	0.24 211	0.17 198	0.24 207	0.17 207	0.24 209	0.17 205	0.24 213	0.17 206	0.24 209	0.17 199	0.24 201	0.17 190	0.23 210	0.16 194	0.23 206	0.16 184

ACV-stereo	0.30 208	2.08 510	0.25 211	0.25 188	0.18 220	0.24 211	0.17 198	0.24 207	0.18 213	0.24 209	0.17 205	0.25 220	0.17 206	0.24 209	0.17 199	0.22 183	0.16 169	0.22 202	0.16 194	0.22 195	0.16 184

IGEV_Zeroshot_test	0.20 167	0.19 124	0.40 330	0.30 201	0.17 209	0.22 199	0.17 198	0.21 193	0.17 207	0.20 184	0.17 205	0.21 192	0.18 216	0.21 194	0.17 199	0.20 174	0.16 169	0.20 194	0.16 194	0.20 187	0.17 201

MSKI-zero shot	0.24 188	0.21 133	0.49 380	0.65 382	0.18 220	0.22 199	0.17 198	0.23 204	0.18 213	0.21 195	0.17 205	0.23 207	0.28 266	0.23 205	0.18 211	0.21 181	0.16 169	0.21 197	0.16 194	0.21 193	0.16 184

MIM_Stereo	0.25 191	0.23 139	0.66 421	0.80 404	0.17 209	0.22 199	0.17 198	0.23 204	0.18 213	0.26 226	0.17 205	0.21 192	0.17 206	0.25 218	0.17 199	0.23 194	0.16 169	0.21 197	0.17 216	0.22 195	0.17 201

MMNet	0.44 312	1.24 427	0.17 176	0.25 188	0.17 209	0.25 220	0.18 206	1.26 551	0.93 504	0.25 217	0.17 205	0.25 220	0.18 216	0.25 218	0.17 199	0.23 194	0.16 169	0.23 210	0.16 194	1.20 499	0.99 499

delet	0.43 300	1.21 419	0.17 176	0.25 188	0.17 209	0.25 220	0.18 206	1.26 551	0.95 506	0.25 217	0.17 205	0.25 220	0.17 206	0.25 218	0.17 199	0.23 194	0.16 169	0.22 202	0.16 194	1.18 495	0.98 498

psm_up	0.43 300	1.19 372	0.17 176	0.25 188	0.18 220	0.25 220	0.19 210	1.26 551	0.91 499	0.26 226	0.17 205	0.25 220	0.17 206	0.25 218	0.17 199	0.22 183	0.17 190	0.23 210	0.16 194	1.18 495	0.99 499

UPFNet	0.42 299	1.20 373	0.17 176	0.24 181	0.17 209	0.25 220	0.17 198	1.19 499	0.90 498	0.25 217	0.17 205	0.24 213	0.17 206	0.25 218	0.17 199	0.22 183	0.17 190	0.22 202	0.16 194	1.15 487	0.93 494

iResNet	0.20 167	0.23 139	0.18 186	0.24 181	0.18 220	0.24 211	0.20 214	0.24 207	0.18 213	0.23 202	0.17 205	0.23 207	0.18 216	0.23 205	0.18 211	0.22 183	0.16 169	0.21 197	0.16 194	0.21 193	0.16 184

VIP-Stereo	0.70 405	2.97 570	2.43 626	2.49 576	0.16 203	0.25 220	0.16 188	0.25 215	0.16 197	0.25 217	0.18 221	0.25 220	0.16 194	0.26 229	0.16 193	1.86 569	1.26 552	0.23 210	0.15 192	0.23 206	0.15 183

iResNetv2_ROB	0.20 167	0.23 139	0.18 186	0.24 181	0.20 227	0.24 211	0.18 206	0.24 207	0.18 213	0.24 209	0.18 221	0.23 207	0.19 221	0.24 209	0.18 211	0.21 181	0.16 169	0.21 197	0.16 194	0.22 195	0.16 184

DEFOM-Stereo_RVC	0.83 442	5.18 618	1.98 614	2.19 560	0.17 209	0.19 182	0.18 206	0.19 179	0.16 197	0.20 184	0.19 223	0.22 200	0.22 231	0.20 184	0.15 186	2.28 596	2.13 616	0.24 219	0.17 216	0.18 180	0.16 184

Pointernet	0.21 173	0.22 137	0.19 188	0.24 181	0.19 224	0.24 211	0.19 210	0.24 207	0.19 219	0.24 209	0.19 223	0.24 213	0.19 221	0.24 209	0.19 214	0.22 183	0.17 190	0.22 202	0.17 216	0.22 195	0.17 201

CFNet	1.37 553	5.27 621	0.19 188	5.49 648	0.19 224	0.28 234	0.19 210	0.28 224	0.19 219	0.28 230	0.19 223	0.28 234	4.35 661	0.28 237	0.19 214	0.23 194	0.17 190	0.23 210	4.21 670	4.81 647	0.17 201

AANet_RVC	1.26 548	0.31 167	4.99 659	5.93 651	0.20 227	0.25 220	0.20 214	0.25 215	0.20 221	0.23 202	0.19 223	0.25 220	0.20 225	0.25 218	0.20 217	5.66 661	4.76 654	0.26 229	0.30 329	0.24 210	0.27 271

DLNR-FE	0.28 202	0.89 304	0.30 234	0.34 220	0.19 224	0.28 234	0.19 210	0.28 224	0.20 221	0.28 230	0.20 227	0.28 234	0.20 225	0.28 237	0.20 217	0.33 238	0.28 237	0.25 224	0.19 223	0.24 210	0.19 208

ssnet_v2	0.68 401	1.96 506	1.25 552	0.29 200	0.20 227	0.30 238	0.20 214	0.29 229	0.22 227	1.50 570	0.20 227	0.31 248	0.20 225	0.27 233	0.22 222	0.24 201	1.49 576	0.26 229	0.18 222	3.90 624	0.19 208

DAS	0.20 167	0.20 128	0.20 191	0.20 160	0.20 227	0.20 187	0.20 214	0.20 185	0.20 221	0.20 184	0.20 227	0.20 185	0.20 225	0.20 184	0.20 217	0.20 174	0.20 200	0.20 194	0.20 224	0.20 187	0.20 210

GEStereo_RVC	0.86 454	4.45 607	0.20 191	0.27 198	0.20 227	0.27 233	0.20 214	0.26 221	0.18 213	5.03 664	0.20 227	0.27 233	0.19 221	0.27 233	0.21 220	0.20 174	0.19 198	0.19 190	4.02 668	0.20 187	0.18 206

DISCO	1.11 493	0.39 188	5.28 661	0.39 237	0.20 227	0.39 282	0.27 248	0.39 271	0.22 227	0.38 267	0.20 227	0.38 275	0.20 225	6.95 675	0.22 222	0.30 225	0.21 203	0.27 233	0.21 227	5.25 656	0.21 212

HGLStereo	0.28 202	0.29 163	0.22 198	0.36 226	0.22 237	0.36 264	0.21 219	0.36 252	0.21 224	0.42 307	0.21 232	0.36 266	0.22 231	0.36 267	0.21 220	0.34 242	0.21 203	0.34 267	0.21 227	0.34 247	0.21 212

DCVSM-stereo	0.36 245	1.89 496	0.22 198	0.40 250	0.22 237	0.40 284	0.22 223	0.40 278	0.22 227	0.40 279	0.22 233	0.40 288	0.22 231	0.40 285	0.22 222	0.28 216	0.21 203	0.28 235	0.21 227	0.28 222	0.20 210

WAO-6	0.22 179	0.23 139	0.22 198	0.23 176	0.22 237	0.22 199	0.22 223	0.22 197	0.22 227	0.22 197	0.22 233	0.22 200	0.22 231	0.22 198	0.22 222	0.22 183	0.22 207	0.22 202	0.22 230	0.22 195	0.22 214

IMH-64-1	0.22 179	0.23 139	0.23 201	0.22 171	0.22 237	0.22 199	0.22 223	0.22 197	0.22 227	0.22 197	0.22 233	0.22 200	0.22 231	0.22 198	0.22 222	0.22 183	0.22 207	0.23 210	0.22 230	0.22 195	0.23 216

IMH-64	0.22 179	0.23 139	0.23 201	0.22 171	0.22 237	0.22 199	0.22 223	0.22 197	0.22 227	0.22 197	0.22 233	0.22 200	0.22 231	0.22 198	0.22 222	0.22 183	0.22 207	0.23 210	0.22 230	0.22 195	0.23 216

Select-FE	0.41 286	0.44 214	0.23 201	0.26 195	0.22 237	0.26 229	0.22 223	0.26 221	0.23 233	0.26 226	0.23 237	0.26 231	0.23 237	0.45 364	0.42 393	0.25 207	0.22 207	0.25 224	0.22 230	0.45 362	2.90 638

tt1	0.31 215	0.93 316	0.24 208	0.33 217	0.23 243	0.31 244	0.24 236	0.32 238	0.24 236	0.32 247	0.23 237	0.32 252	0.25 243	0.32 250	0.24 231	0.27 212	0.26 221	0.27 233	0.26 252	0.27 220	0.27 271

DLNR_Zeroshot_test	0.31 215	0.28 161	0.47 365	0.79 401	0.24 248	0.30 238	0.26 245	0.30 231	0.24 236	0.32 247	0.23 237	0.31 248	0.24 240	0.30 243	0.23 228	0.29 224	0.26 221	0.29 240	0.24 243	0.33 243	0.23 216

gwcnet-sp	0.82 439	1.72 452	1.48 574	0.39 237	0.15 193	0.31 244	0.21 219	0.20 185	0.25 241	1.61 574	0.23 237	0.28 234	0.26 252	0.20 184	0.15 186	0.24 201	1.33 560	0.32 251	0.16 194	6.75 663	0.23 216

scenet	0.82 439	1.72 452	1.48 574	0.39 237	0.15 193	0.31 244	0.21 219	0.20 185	0.25 241	1.61 574	0.23 237	0.28 234	0.26 252	0.20 184	0.15 186	0.24 201	1.33 560	0.32 251	0.16 194	6.75 663	0.23 216

ssnet	0.82 439	1.72 452	1.48 574	0.39 237	0.15 193	0.31 244	0.21 219	0.20 185	0.25 241	1.61 574	0.23 237	0.28 234	0.26 252	0.20 184	0.15 186	0.24 201	1.33 560	0.32 251	0.16 194	6.75 663	0.23 216

FENet	0.54 373	1.52 445	1.19 498	1.41 531	0.23 243	0.35 260	0.23 231	0.35 248	0.23 233	0.34 253	0.23 237	0.35 261	0.23 237	0.35 261	0.23 228	1.40 551	1.07 483	0.32 251	0.23 236	0.33 243	0.23 216

PAM	0.39 273	1.88 495	0.34 269	0.37 229	0.41 398	0.45 370	0.22 223	0.28 224	0.23 233	0.28 230	0.24 244	0.29 240	0.23 237	0.29 241	0.23 228	0.38 268	0.32 269	0.38 299	0.37 382	0.32 236	0.22 214

WCG-NET（raft）	0.32 224	1.24 427	0.24 208	0.32 213	0.24 248	0.32 253	0.23 231	0.32 238	0.24 236	0.32 247	0.24 244	0.32 252	0.24 240	0.32 250	0.24 231	0.30 225	0.23 213	0.30 242	0.23 236	0.30 228	0.23 216

xxxxx1	0.31 215	0.91 309	0.23 201	0.31 207	0.23 243	0.31 244	0.23 231	0.33 242	0.25 241	0.31 241	0.24 244	0.33 255	0.25 243	0.32 250	0.24 231	0.28 216	0.28 237	0.28 235	0.28 302	0.29 225	0.27 271

tt_ll	0.31 215	0.91 309	0.23 201	0.31 207	0.23 243	0.31 244	0.23 231	0.33 242	0.25 241	0.31 241	0.24 244	0.33 255	0.25 243	0.32 250	0.24 231	0.28 216	0.28 237	0.28 235	0.28 302	0.29 225	0.27 271

ff	0.31 215	0.91 309	0.23 201	0.31 207	0.23 243	0.31 244	0.23 231	0.33 242	0.25 241	0.31 241	0.24 244	0.33 255	0.25 243	0.32 250	0.24 231	0.28 216	0.28 237	0.28 235	0.28 302	0.29 225	0.27 271

iResNet_ROB	0.28 202	0.32 169	0.24 208	0.32 213	0.25 250	0.32 253	0.24 236	0.32 238	0.24 236	0.33 251	0.24 244	0.35 261	0.24 240	0.33 257	0.24 231	0.31 231	0.24 217	0.32 251	0.24 243	0.32 236	0.24 226

UNDER WATER-64	0.25 191	0.26 155	0.25 211	0.26 195	0.25 250	0.25 220	0.25 238	0.25 215	0.25 241	0.25 217	0.25 250	0.25 220	0.25 243	0.26 229	0.25 239	0.25 207	0.25 218	0.25 224	0.25 246	0.25 213	0.25 227

LoS_RVC	0.30 208	1.14 363	0.25 211	0.25 188	0.25 250	0.26 229	0.25 238	0.25 215	0.25 241	0.25 217	0.25 250	0.26 231	0.26 252	0.26 229	0.25 239	0.26 209	0.26 221	0.25 224	0.25 246	0.26 215	0.26 233

CAS	0.30 208	1.17 369	0.25 211	0.25 188	0.25 250	0.26 229	0.25 238	0.25 215	0.26 254	0.25 217	0.25 250	0.25 220	0.25 243	0.25 218	0.25 239	0.26 209	0.26 221	0.26 229	0.25 246	0.26 215	0.25 227

LoS	0.25 191	0.27 158	0.25 211	0.25 188	0.25 250	0.25 220	0.25 238	0.26 221	0.25 241	0.25 217	0.25 250	0.25 220	0.25 243	0.25 218	0.25 239	0.26 209	0.25 218	0.25 224	0.26 252	0.26 215	0.25 227
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CroCo-Stereo	0.73 413	1.22 425	0.25 211	1.22 508	0.25 250	1.22 554	0.25 238	1.22 548	0.25 241	1.22 556	0.25 250	1.22 559	0.25 243	1.22 559	0.25 239	1.22 538	0.26 221	1.21 567	0.25 246	1.22 547	0.25 227
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
FE-Mocha	0.35 238	0.71 277	0.40 330	0.47 293	0.27 258	0.34 256	0.27 248	0.34 245	0.26 254	0.34 253	0.26 255	0.34 259	0.27 259	0.34 258	0.27 245	0.44 312	0.41 352	0.33 258	0.29 315	0.32 236	0.29 297

CroCo-Stereo Lap2	0.77 422	1.29 429	0.29 230	1.27 513	0.29 273	1.27 558	0.26 245	1.26 551	0.26 254	1.26 557	0.26 255	1.27 563	0.26 252	1.26 560	0.27 245	1.27 540	0.27 231	1.27 570	0.27 289	1.27 550	0.27 271

CRFU-Net	0.65 394	1.67 449	1.22 548	1.96 554	0.27 258	0.41 300	0.27 248	0.41 293	0.27 258	0.40 279	0.26 255	0.41 301	0.27 259	0.40 285	0.27 245	1.80 568	1.62 589	0.34 267	0.23 236	0.33 243	0.23 216

StereoDRNet-Refined	0.33 228	0.39 188	0.26 217	0.39 237	0.26 257	0.40 284	0.26 245	0.40 278	0.26 254	0.39 273	0.26 255	0.39 280	0.26 252	0.39 282	0.26 244	0.37 257	0.25 218	0.37 291	0.25 246	0.37 271	0.37 357
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
Monster-pub-mixall	0.44 312	0.56 264	0.60 407	0.38 232	0.27 258	0.37 269	0.27 248	0.37 258	0.29 268	0.38 267	0.27 259	0.38 275	0.29 273	0.85 462	0.27 245	1.46 555	0.26 221	0.34 267	0.26 252	0.36 267	0.53 420

model_zeroshot	0.27 201	0.20 128	0.27 220	0.33 217	0.21 235	0.37 269	0.22 223	0.37 258	0.24 236	0.26 226	0.27 259	0.33 255	0.21 230	0.25 218	0.27 245	0.32 233	0.20 200	0.34 267	0.23 236	0.25 213	0.26 233

Any-RAFT	0.32 224	0.36 175	0.27 220	0.36 226	0.27 258	0.36 264	0.27 248	0.36 252	0.27 258	0.36 261	0.27 259	0.36 266	0.27 259	0.36 267	0.28 254	0.36 254	0.28 237	0.36 288	0.28 302	0.36 267	0.28 291

IER	0.88 457	7.04 637	2.23 619	2.75 581	0.28 263	0.43 327	0.25 238	0.39 271	0.25 241	0.41 293	0.27 259	0.39 280	0.25 243	0.40 285	0.28 254	0.37 257	0.28 237	0.37 291	0.25 246	0.37 271	0.25 227

DGSMNet	0.34 229	0.41 203	0.27 220	0.41 262	0.28 263	0.41 300	0.28 256	0.41 293	0.27 258	0.41 293	0.27 259	0.42 319	0.27 259	0.41 300	0.28 254	0.40 288	0.29 251	0.40 353	0.28 302	0.40 337	0.27 271

MLCV	0.31 215	0.35 172	0.27 220	0.35 222	0.28 263	0.35 260	0.27 248	0.35 248	0.28 262	0.36 261	0.27 259	0.35 261	0.27 259	0.35 261	0.27 245	0.34 242	0.27 231	0.34 267	0.27 289	0.34 247	0.27 271

DN-CSS_ROB	0.31 215	0.35 172	0.28 226	0.35 222	0.28 263	0.34 256	0.27 248	0.34 245	0.25 241	0.35 257	0.27 259	0.36 266	0.26 252	0.34 258	0.28 254	0.35 250	0.28 237	0.34 267	0.28 302	0.34 247	0.27 271

GeoVLM	0.36 245	0.38 181	0.27 220	0.46 286	0.28 263	0.35 260	0.28 256	0.37 258	0.27 258	0.35 257	0.28 266	0.36 266	0.38 367	0.35 261	0.28 254	1.08 473	0.26 221	0.33 258	0.27 289	0.34 247	0.33 333

Zero-FE251	0.36 245	0.40 192	0.28 226	0.41 262	0.28 263	0.41 300	0.28 256	0.41 293	0.28 262	0.41 293	0.28 266	0.41 301	0.28 266	0.42 313	0.30 272	0.37 257	0.26 221	0.37 291	0.27 289	0.45 362	0.56 432

LG-Stereo_L2	0.34 229	0.37 177	0.38 287	0.47 293	0.28 263	0.39 282	0.28 256	0.39 271	0.28 262	0.39 273	0.28 266	0.39 280	0.28 266	0.38 274	0.28 254	0.42 310	0.35 316	0.36 288	0.26 252	0.35 260	0.26 233

GIP-stereo	0.36 245	0.49 238	0.39 298	0.48 298	0.32 336	0.41 300	0.28 256	0.40 278	0.30 279	0.41 293	0.28 266	0.40 288	0.28 266	0.42 313	0.28 254	0.45 340	0.32 269	0.38 299	0.30 329	0.37 271	0.27 271

TorneroNet-64	0.45 335	0.27 158	0.30 234	0.58 368	0.27 258	0.70 442	0.30 271	0.28 224	0.73 481	0.73 445	0.28 266	0.71 444	0.66 451	0.75 447	0.27 245	0.27 212	0.29 251	0.37 291	0.75 487	0.28 222	0.30 310

SQANet	0.28 202	0.28 161	0.28 226	0.28 199	0.28 263	0.28 234	0.28 256	0.28 224	0.28 262	0.28 230	0.28 266	0.28 234	0.28 266	0.28 237	0.28 254	0.28 216	0.28 237	0.28 235	0.28 302	0.28 222	0.28 291

Monster-pub-eth3d	0.45 335	0.57 265	0.60 407	0.39 237	0.28 263	0.37 269	0.28 256	0.37 258	0.30 279	0.39 273	0.29 272	0.39 280	0.30 279	0.92 473	0.27 245	1.42 552	0.28 237	0.34 267	0.28 302	0.37 271	0.53 420

DEFOM-Stereo	0.68 401	3.11 573	1.40 570	1.63 544	0.25 250	0.31 244	0.25 238	0.31 236	0.28 262	0.31 241	0.29 272	0.29 240	0.27 259	0.31 247	0.28 254	1.59 561	1.47 575	0.30 242	0.29 315	0.30 228	0.28 291

RSM	0.36 245	0.36 175	0.43 349	0.37 229	0.42 408	0.49 391	0.42 398	0.37 258	0.28 262	0.36 261	0.29 272	0.36 266	0.30 279	0.37 271	0.28 254	0.34 242	0.31 265	0.34 267	0.35 373	0.40 337	0.29 297

IGEV++	0.34 229	0.43 211	0.30 234	0.40 250	0.29 273	0.40 284	0.29 266	0.40 278	0.29 268	0.40 279	0.29 272	0.40 288	0.29 273	0.40 285	0.30 272	0.38 268	0.29 251	0.37 291	0.29 315	0.37 271	0.29 297

ACVNet-DCA	0.37 255	1.00 332	0.30 234	0.40 250	0.29 273	0.40 284	0.29 266	0.40 278	0.29 268	0.40 279	0.29 272	0.40 288	0.29 273	0.39 282	0.28 254	0.33 238	0.32 269	0.33 258	0.32 347	0.33 243	0.32 326

xx1	0.38 261	1.03 347	0.31 249	0.40 250	0.31 326	0.41 300	0.28 256	0.40 278	0.29 268	0.40 279	0.29 272	0.40 288	0.29 273	0.40 285	0.29 265	0.34 242	0.33 281	0.34 267	0.32 347	0.34 247	0.32 326

1test111	0.37 255	1.02 345	0.30 234	0.39 237	0.29 273	0.40 284	0.28 256	0.39 271	0.29 268	0.39 273	0.29 272	0.39 280	0.28 266	0.40 285	0.29 265	0.33 238	0.32 269	0.33 258	0.31 340	0.32 236	0.31 319

cc1	0.37 255	1.02 345	0.30 234	0.39 237	0.29 273	0.40 284	0.28 256	0.39 271	0.29 268	0.39 273	0.29 272	0.39 280	0.28 266	0.40 285	0.29 265	0.33 238	0.32 269	0.33 258	0.31 340	0.32 236	0.31 319

IGEV-Stereo	0.35 238	0.44 214	0.45 353	0.49 304	0.30 283	0.37 269	0.30 271	0.36 252	0.30 279	0.36 261	0.29 272	0.36 266	0.29 273	0.36 267	0.30 272	0.46 350	0.39 339	0.32 251	0.24 243	0.32 236	0.25 227
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
PML	0.46 342	1.36 437	0.29 230	0.58 368	0.30 283	0.57 428	0.29 266	0.57 415	0.29 268	0.57 424	0.29 272	0.57 427	0.29 273	0.56 418	0.29 265	0.52 379	0.30 260	0.53 429	0.31 340	0.53 402	0.30 310

HCRNet	1.22 546	7.11 638	3.00 632	3.55 614	0.33 348	0.29 237	0.14 176	0.19 179	0.15 192	0.33 251	0.29 272	0.25 220	0.14 181	0.22 198	0.33 331	3.64 630	3.00 628	0.76 459	0.32 347	0.18 180	0.13 173

UCFNet_RVC	2.75 628	10.06 659	0.29 230	10.31 676	0.29 273	0.42 320	0.29 266	0.43 317	0.29 268	0.42 307	0.29 272	0.42 319	9.87 678	0.43 319	0.29 265	0.36 254	9.84 678	0.36 288	0.26 252	9.77 677	0.26 233

aanet-new-90k	0.44 312	1.82 481	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.44 348	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-60k	0.44 312	1.81 474	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-70k	0.44 312	1.82 481	0.38 287	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-78k	0.44 312	1.80 469	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.45 340	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-40k	0.44 312	1.81 474	0.39 298	0.50 340	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.45 340	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-36k	0.44 312	1.80 469	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-34k	0.44 312	1.80 469	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-32k-new	0.44 312	1.78 464	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.44 351	0.30 279	0.44 346	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.45 340	0.34 310	0.39 340	0.26 252	0.38 284	0.26 233

aanet-new-32k	0.44 312	1.79 468	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-30k	0.44 312	1.78 464	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-28k	0.44 312	1.81 474	0.39 298	0.49 304	0.30 283	0.44 360	0.30 271	0.44 351	0.30 279	0.44 346	0.30 284	0.44 358	0.30 279	0.44 348	0.30 272	0.45 340	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT26K	0.43 300	1.76 459	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.31 310	0.44 312	0.33 281	0.38 299	0.27 289	0.38 284	0.26 233

aanet-new-24k	0.44 312	1.78 464	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-22k	0.44 312	1.81 474	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-16k	0.44 312	1.83 484	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-14k	0.60 382	5.12 616	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.44 348	0.30 272	0.44 312	0.37 325	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-8k	0.43 300	1.76 459	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new	0.43 300	1.80 469	0.38 287	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-cres-4k	0.44 312	1.81 474	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-cres	0.43 300	1.77 461	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-36K	0.43 300	1.78 464	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-22K	0.44 312	1.85 490	0.38 287	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-20K	0.43 300	1.77 461	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-24K	0.44 312	1.86 493	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-5K	0.44 312	1.80 469	0.39 298	0.49 304	0.30 283	0.44 360	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.44 348	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-2K	0.44 312	1.82 481	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-3K	0.43 300	1.77 461	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-50K	0.44 312	1.83 484	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.36 322	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-FT	0.41 286	1.06 354	0.40 330	0.51 351	0.31 326	0.44 360	0.30 271	0.43 317	0.32 332	0.44 346	0.30 284	0.56 424	0.30 279	0.44 348	0.31 310	0.45 340	0.34 310	0.39 340	0.27 289	0.40 337	0.27 271

gcap_with_dpt	0.35 238	0.39 188	0.30 234	0.44 281	0.31 326	0.44 360	0.31 315	0.44 351	0.31 322	0.44 346	0.30 284	0.44 358	0.30 279	0.44 348	0.30 272	0.38 268	0.26 221	0.38 299	0.27 289	0.38 284	0.27 271

HiDET	0.38 261	0.44 214	0.30 234	0.42 272	0.30 283	0.42 320	0.30 271	0.42 311	0.30 279	0.44 346	0.30 284	0.42 319	0.30 279	0.42 313	0.68 455	0.37 257	0.32 269	0.40 353	0.29 315	0.37 271	0.29 297

LCMNet	0.38 261	0.44 214	0.30 234	0.42 272	0.30 283	0.42 320	0.30 271	0.42 311	0.30 279	0.45 358	0.30 284	0.42 319	0.30 279	0.42 313	0.69 463	0.37 257	0.32 269	0.40 353	0.29 315	0.37 271	0.29 297

CSFM-Stereo	0.38 261	0.44 214	0.30 234	0.42 272	0.30 283	0.42 320	0.30 271	0.43 317	0.30 279	0.44 346	0.30 284	0.42 319	0.30 279	0.42 313	0.73 473	0.37 257	0.32 269	0.40 353	0.29 315	0.37 271	0.30 310

MultiAttention	0.30 208	0.30 164	0.30 234	0.30 201	0.30 283	0.30 238	0.30 271	0.30 231	0.30 279	0.30 236	0.30 284	0.30 244	0.30 279	0.30 243	0.30 272	0.30 225	0.30 260	0.30 242	0.30 329	0.30 228	0.30 310

MSAF-DinoV2	0.30 208	0.30 164	0.30 234	0.30 201	0.30 283	0.30 238	0.30 271	0.30 231	0.30 279	0.30 236	0.30 284	0.30 244	0.30 279	0.30 243	0.30 272	0.30 225	0.30 260	0.30 242	0.30 329	0.30 228	0.30 310

GCAP-BAT	0.41 286	1.30 431	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.44 346	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.34 310	0.38 299	0.26 252	0.38 284	0.26 233

test_for_model	0.35 238	0.39 188	0.30 234	0.43 278	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.44 348	0.31 310	0.38 268	0.26 221	0.38 299	0.26 252	0.38 284	0.26 233

GCAPDPT-zeroshot4090	0.40 278	1.09 357	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.44 351	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.45 340	0.34 310	0.38 299	0.27 289	0.38 284	0.27 271

GCAPDPT-zeroshot	0.36 245	0.40 192	0.30 234	0.43 278	0.30 283	0.43 327	0.30 271	0.43 317	0.31 322	0.43 312	0.30 284	0.43 326	0.30 279	0.44 348	0.31 310	0.39 281	0.28 237	0.39 340	0.27 289	0.39 325	0.26 233

iRaft-Stereo_20w	0.34 229	0.41 203	0.31 249	0.39 237	0.29 273	0.40 284	0.32 323	0.41 293	0.32 332	0.38 267	0.30 284	0.39 280	0.30 279	0.38 274	0.32 320	0.35 250	0.27 231	0.34 267	0.27 289	0.34 247	0.29 297

RAFT + AFF	0.31 215	0.45 222	0.34 269	0.39 237	0.28 263	0.38 276	0.33 334	0.29 229	0.31 322	0.30 236	0.30 284	0.29 240	0.27 259	0.29 241	0.30 272	0.28 216	0.29 251	0.29 240	0.29 315	0.27 220	0.32 326

DANet	0.30 208	0.30 164	0.30 234	0.30 201	0.30 283	0.30 238	0.30 271	0.30 231	0.30 279	0.30 236	0.30 284	0.30 244	0.30 279	0.30 243	0.30 272	0.30 225	0.30 260	0.30 242	0.30 329	0.30 228	0.30 310
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
aanet-new-10k	0.45 335	1.81 474	0.40 330	0.50 340	0.31 326	0.44 360	0.31 315	0.44 351	0.31 322	0.44 346	0.31 326	0.44 358	0.32 333	0.44 348	0.31 310	0.46 350	0.35 316	0.39 340	0.27 289	0.39 325	0.27 271

aanet-new-12k	0.46 342	1.99 507	0.40 330	0.51 351	0.31 326	0.44 360	0.31 315	0.44 351	0.31 322	0.44 346	0.31 326	0.44 358	0.31 328	0.44 348	0.32 320	0.47 357	0.35 316	0.39 340	0.27 289	0.39 325	0.27 271

GCAP-Stereo-DPT-25K	0.41 286	1.09 357	0.40 330	0.52 353	0.31 326	0.44 360	0.31 315	0.44 351	0.31 322	0.44 346	0.31 326	0.44 358	0.31 328	0.44 348	0.31 310	0.46 350	0.35 316	0.39 340	0.28 302	0.39 325	0.28 291

DStereoFS	0.32 224	0.33 170	0.32 254	0.33 217	0.30 283	0.32 253	0.32 323	0.32 238	0.31 322	0.30 236	0.31 326	0.31 248	0.30 279	0.32 250	0.32 320	0.32 233	0.31 265	0.30 242	0.47 428	0.32 236	0.34 340

DStereoO	0.31 215	0.31 167	0.31 249	0.30 201	0.40 389	0.31 244	0.30 271	0.30 231	0.34 351	0.29 235	0.31 326	0.29 240	0.30 279	0.31 247	0.31 310	0.31 231	0.29 251	0.31 248	0.30 329	0.31 233	0.31 319

DStereoSA	0.32 224	0.52 252	0.34 269	0.31 207	0.31 326	0.30 238	0.30 271	0.31 236	0.30 279	0.31 241	0.31 326	0.31 248	0.30 279	0.31 247	0.31 310	0.30 225	0.32 269	0.31 248	0.31 340	0.31 233	0.31 319

MonSter++	0.38 261	0.44 214	0.31 249	0.43 278	0.30 283	0.43 327	0.31 315	0.43 317	0.31 322	0.45 358	0.31 326	0.43 326	0.31 328	0.43 319	0.69 463	0.38 268	0.33 281	0.40 353	0.30 329	0.38 284	0.30 310

Replicate-Monster	0.45 335	0.57 265	0.60 407	0.40 250	0.29 273	0.37 269	0.27 248	0.37 258	0.30 279	0.40 279	0.31 326	0.40 288	0.30 279	0.99 481	0.27 245	1.36 548	0.31 265	0.34 267	0.30 329	0.36 267	0.54 423

xyz-stereo-finetune	0.28 202	0.49 238	0.16 169	0.16 142	0.16 203	0.16 168	0.16 188	0.22 197	0.30 279	0.32 247	0.31 326	0.32 252	0.31 328	0.32 250	0.32 320	0.32 233	0.33 281	0.31 248	0.32 347	0.31 233	0.32 326

EKT-Stereo	0.37 255	0.40 192	0.44 351	1.07 443	0.29 273	0.34 256	0.31 315	0.36 252	0.29 268	0.38 267	0.31 326	0.37 273	0.30 279	0.36 267	0.29 265	0.34 242	0.28 237	0.39 340	0.30 329	0.37 271	0.30 310

DDF-Stereo	0.43 300	1.15 366	0.57 403	0.53 355	0.32 336	0.41 300	0.32 323	0.41 293	0.32 332	0.41 293	0.32 336	0.41 301	0.32 333	0.40 285	0.32 320	0.52 379	0.50 397	0.38 299	0.31 340	0.39 325	0.31 319

water-stereo	0.41 286	0.84 293	0.46 358	0.50 340	0.33 348	0.45 370	0.33 334	0.45 360	0.32 332	0.45 358	0.32 336	0.45 367	0.32 333	0.45 364	0.32 320	0.44 312	0.41 352	0.39 340	0.31 340	0.39 325	0.32 326

GREAT-IGEV	0.38 261	0.43 211	0.36 281	0.48 298	0.32 336	0.45 370	0.32 323	0.45 360	0.32 332	0.45 358	0.32 336	0.45 367	0.32 333	0.45 364	0.32 320	0.44 312	0.33 281	0.41 370	0.29 315	0.41 348	0.29 297
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
fffy	0.38 261	0.43 211	0.33 259	0.46 286	0.33 348	0.45 370	0.32 323	0.45 360	0.32 332	0.45 358	0.32 336	0.45 367	0.33 344	0.45 364	0.32 320	0.38 268	0.38 332	0.38 299	0.37 382	0.37 271	0.36 352

gcap-zeroshot	0.36 245	0.40 192	0.34 269	0.44 281	0.31 326	0.44 360	0.31 315	0.44 351	0.32 332	0.44 346	0.32 336	0.44 358	0.32 333	0.44 348	0.31 310	0.39 281	0.28 237	0.39 340	0.28 302	0.39 325	0.27 271

testlalala	0.36 245	0.40 192	0.34 269	0.44 281	0.31 326	0.44 360	0.31 315	0.44 351	0.32 332	0.44 346	0.32 336	0.44 358	0.32 333	0.44 348	0.31 310	0.39 281	0.28 237	0.39 340	0.28 302	0.39 325	0.27 271

RAFT-Test	0.36 245	0.37 177	0.33 259	0.41 262	0.32 336	0.41 300	0.32 323	0.41 293	0.32 332	0.41 293	0.32 336	0.41 301	0.32 333	0.41 300	0.33 331	0.37 257	0.29 251	0.37 291	0.29 315	0.38 284	0.31 319

CFNet_pseudo	2.67 626	9.36 654	0.32 254	10.99 677	0.33 348	0.85 460	0.33 334	0.49 378	0.33 342	0.49 384	0.32 336	0.49 388	7.26 672	0.49 387	0.33 331	0.41 296	9.62 676	0.41 370	0.29 315	10.03 678	0.29 297

Gwc-CoAtRS	0.41 286	1.49 444	0.32 254	0.42 272	0.32 336	0.41 300	0.32 323	0.41 293	0.33 342	0.41 293	0.32 336	0.41 301	0.32 333	0.41 300	0.32 320	0.39 281	0.28 237	0.39 340	0.28 302	0.40 337	0.28 291

DilatedVolume-Stereo	0.43 300	0.86 297	0.48 373	0.50 340	0.33 348	0.46 376	0.33 334	0.46 364	0.33 342	0.46 364	0.33 345	0.47 377	0.33 344	0.47 373	0.34 344	0.45 340	0.42 361	0.40 353	0.33 357	0.47 378	0.38 364

mms	0.40 278	0.45 222	0.35 279	0.48 298	0.36 367	0.47 381	0.34 347	0.45 360	0.38 370	0.47 370	0.33 345	0.45 367	0.32 333	0.45 364	0.32 320	0.39 281	0.38 332	0.38 299	0.37 382	0.39 325	0.39 370

PCWNet_CMD	2.80 630	9.82 657	0.32 254	10.09 675	0.32 336	0.49 391	0.33 334	3.34 635	0.33 342	0.49 384	0.33 345	0.49 388	8.73 674	0.48 381	0.33 331	0.41 296	9.22 673	0.42 381	0.29 315	9.55 676	0.31 319

CFNet_ucs	2.73 627	9.64 656	0.33 259	9.92 673	0.32 336	0.49 391	0.33 334	0.49 378	0.33 342	0.49 384	0.33 345	0.49 388	8.98 676	0.48 381	0.33 331	0.41 296	9.96 679	0.40 353	0.29 315	10.12 679	0.54 423

LL-Strereo2	0.48 354	1.73 457	0.51 391	0.59 371	0.34 358	0.42 320	0.33 334	0.40 278	0.31 322	0.42 307	0.33 345	0.42 319	0.31 328	0.44 348	0.39 375	0.60 397	0.51 402	0.44 384	0.33 357	0.44 358	0.33 333

ccnet	0.80 429	2.28 526	0.33 259	0.50 340	0.33 348	0.50 400	0.33 334	0.50 387	0.33 342	0.49 384	0.33 345	0.49 388	1.56 584	2.38 604	0.33 331	0.41 296	0.29 251	0.42 381	1.57 599	2.28 589	0.29 297

psmorigin	0.41 286	0.46 226	0.33 259	0.49 304	0.33 348	0.49 391	0.33 334	0.49 378	0.33 342	0.49 384	0.33 345	0.49 388	0.33 344	0.51 404	0.33 331	0.41 296	0.30 260	0.41 370	0.30 329	0.79 437	0.29 297

ccs_rob	2.79 629	10.17 661	0.32 254	10.00 674	0.33 348	0.49 391	0.33 334	1.90 579	0.32 332	0.51 405	0.33 345	0.49 388	9.24 677	0.49 387	0.33 331	0.41 296	9.82 677	0.41 370	0.28 302	9.34 675	0.29 297

depthmonostereo	0.44 312	0.85 295	0.46 358	0.54 358	0.40 389	0.52 415	0.38 371	0.52 404	0.35 355	0.47 370	0.34 353	0.46 371	0.34 349	0.47 373	0.34 344	0.45 340	0.43 366	0.41 370	0.33 357	0.41 348	0.32 326

HART	0.38 261	0.45 222	0.34 269	0.42 272	0.33 348	0.41 300	0.34 347	0.42 311	0.33 342	0.43 312	0.34 353	0.42 319	0.34 349	0.41 300	0.38 363	0.40 288	0.32 269	0.42 381	0.32 347	0.40 337	0.32 326

RAFT-Stereo-weight	0.45 335	1.90 498	0.34 269	0.42 272	0.36 367	0.43 327	0.35 352	0.42 311	0.34 351	0.42 307	0.34 353	0.44 358	0.34 349	0.41 300	0.34 344	0.38 268	0.32 269	0.38 299	0.32 347	0.38 284	0.33 333

H2IRNET	0.34 229	0.34 171	0.34 269	0.34 220	0.34 358	0.34 256	0.34 347	0.34 245	0.34 351	0.34 253	0.34 353	0.34 259	0.34 349	0.34 258	0.34 344	0.34 242	0.34 310	0.34 267	0.34 361	0.34 247	0.34 340

Former-RAFT_DAM_RVC	0.49 360	0.98 323	0.64 416	0.84 409	0.46 417	0.45 370	0.35 352	0.47 370	0.47 413	0.45 358	0.34 353	0.46 371	0.48 416	0.46 369	0.35 348	0.39 281	0.71 445	0.39 340	0.35 373	0.41 348	0.41 380

RCA-Stereo	0.51 367	3.22 577	0.34 269	0.44 281	0.34 358	0.44 360	0.34 347	0.43 317	0.34 351	0.43 312	0.34 353	0.44 358	0.33 344	0.43 319	0.33 331	0.38 268	0.29 251	0.38 299	0.29 315	0.38 284	0.29 297

pcwnet_v2	2.66 625	9.89 658	0.33 259	9.89 672	0.32 336	0.50 400	0.32 323	0.49 378	0.33 342	0.49 384	0.34 353	0.49 388	8.76 675	0.48 381	0.33 331	0.41 296	9.58 675	0.40 353	0.29 315	9.01 674	0.63 442

MSMDNet	2.65 624	10.14 660	0.33 259	9.74 671	0.32 336	0.87 463	0.33 334	2.95 630	0.68 459	0.49 384	0.34 353	0.49 388	5.70 668	0.49 387	0.33 331	0.42 310	9.57 674	0.41 370	0.31 340	8.36 671	0.65 450

UGAM	0.51 367	2.23 523	0.39 298	0.54 358	0.35 361	0.50 400	0.35 352	0.49 378	0.35 355	0.49 384	0.35 361	0.49 388	0.36 358	0.50 395	0.36 351	0.49 365	0.37 325	0.45 388	0.34 361	0.45 362	0.34 340

GCST	0.50 362	2.08 510	0.38 287	0.53 355	0.35 361	0.49 391	0.35 352	0.50 387	0.35 355	0.49 384	0.35 361	0.49 388	0.35 355	0.49 387	0.35 348	0.48 362	0.37 325	0.45 388	0.33 357	0.44 358	0.33 333

ETE_ROB	0.35 238	0.35 172	0.35 279	0.35 222	0.35 361	0.35 260	0.35 352	0.35 248	0.35 355	0.35 257	0.35 361	0.35 261	0.35 355	0.35 261	0.35 348	0.35 250	0.35 316	0.35 283	0.35 373	0.35 260	0.35 349

252Zero-FE	0.45 335	0.50 242	0.36 281	0.50 340	0.36 367	0.50 400	0.36 358	0.50 387	0.36 364	0.49 384	0.36 364	0.49 388	0.36 358	0.54 413	0.41 385	0.45 340	0.34 310	0.45 388	0.34 361	0.55 404	0.75 472

SCV_C0	0.45 335	0.88 301	0.49 380	0.54 358	0.37 371	0.48 386	0.37 364	0.48 374	0.37 366	0.48 377	0.36 364	0.48 384	0.37 363	0.49 387	0.37 360	0.50 371	0.41 352	0.44 384	0.34 361	0.44 358	0.34 340

UGAM-zero	0.51 367	2.17 518	0.39 298	0.53 355	0.36 367	0.50 400	0.36 358	0.50 387	0.36 364	0.49 384	0.36 364	0.50 402	0.35 355	0.50 395	0.36 351	0.49 365	0.37 325	0.47 401	0.35 373	0.46 365	0.34 340

GCAP-Stereo	0.75 416	4.15 603	0.42 348	0.75 399	0.35 361	0.78 450	0.40 385	0.79 445	0.38 370	0.78 454	0.36 364	0.78 455	0.36 358	0.79 449	0.39 375	0.75 426	0.39 339	0.76 459	0.39 398	0.75 430	0.39 370

GMOStereo	0.37 255	0.45 222	0.23 201	0.30 201	0.37 371	0.41 300	0.36 358	0.41 293	0.35 355	0.43 312	0.36 364	0.41 301	0.40 378	0.41 300	0.36 351	0.34 242	0.22 207	0.47 401	0.37 382	0.39 325	0.33 333

error version	0.93 467	4.47 608	2.35 622	1.99 556	0.37 371	0.41 300	0.36 358	0.41 293	0.35 355	0.43 312	0.36 364	0.41 301	0.40 378	0.41 300	0.36 351	1.87 571	2.16 617	0.47 401	0.37 382	0.39 325	0.33 333

test_1	0.93 467	4.47 608	2.35 622	1.99 556	0.37 371	0.41 300	0.36 358	0.41 293	0.35 355	0.43 312	0.36 364	0.41 301	0.40 378	0.41 300	0.36 351	1.87 571	2.16 617	0.47 401	0.37 382	0.39 325	0.33 333

Venus	0.38 261	0.38 181	0.38 287	0.38 232	0.38 378	0.37 269	0.38 371	0.37 258	0.37 366	0.41 293	0.37 371	0.39 280	0.37 363	0.38 274	0.38 363	0.37 257	0.38 332	0.38 299	0.37 382	0.37 271	0.38 364

CASnet	0.35 238	0.51 250	0.44 351	0.32 213	0.31 326	0.24 211	0.34 347	0.36 252	0.25 241	0.31 241	0.37 371	0.30 244	0.33 344	0.25 218	0.45 399	0.37 257	0.37 325	0.33 258	0.35 373	0.34 247	0.37 357
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
iRaft-Stereo_5w	0.34 229	0.42 210	0.31 249	0.39 237	0.30 283	0.38 276	0.30 271	0.40 278	0.29 268	0.40 279	0.37 371	0.41 301	0.34 349	0.38 274	0.30 272	0.34 242	0.27 231	0.34 267	0.26 252	0.34 247	0.26 233

DMCA	0.36 245	0.38 181	0.37 285	0.35 222	0.35 361	0.36 264	0.36 358	0.36 252	0.35 355	0.35 257	0.37 371	0.36 266	0.36 358	0.35 261	0.36 351	0.36 254	0.36 322	0.35 283	0.36 379	0.36 267	0.36 352

XPNet_ROB	0.37 255	0.37 177	0.37 285	0.37 229	0.37 371	0.37 269	0.37 364	0.37 258	0.37 366	0.37 266	0.37 371	0.37 273	0.37 363	0.37 271	0.37 360	0.37 257	0.37 325	0.37 291	0.37 382	0.37 271	0.37 357

Pro-Stereo	0.79 426	0.53 256	0.38 287	0.49 304	0.38 378	0.49 391	0.37 364	0.49 378	0.67 453	0.50 397	0.38 376	1.10 502	0.38 367	0.49 387	0.38 363	0.71 418	0.88 467	5.98 672	0.36 379	0.46 365	0.36 352

GEAStereo	0.62 389	3.91 596	0.48 373	0.69 388	0.38 378	0.51 412	0.38 371	0.51 400	0.38 370	0.53 411	0.38 376	0.50 402	0.38 367	0.51 404	0.38 363	0.54 383	0.43 366	0.46 392	0.34 361	0.46 365	0.34 340

GSStereo	0.81 434	4.28 606	0.50 385	0.59 371	0.40 389	0.51 412	0.38 371	0.50 387	0.38 370	0.50 397	0.38 376	0.50 402	3.79 653	0.50 395	0.38 363	0.54 383	0.43 366	0.46 392	0.34 361	0.46 365	0.35 349

GS-Stereo							0.38 371	0.50 387	0.38 370	0.50 397	0.38 376	0.50 402	3.79 653	0.50 395	0.38 363	0.54 383	0.43 366	0.46 392	0.34 361	0.46 365	0.35 349

gasm-f	0.62 389	3.91 596	0.48 373	0.69 388	0.38 378	0.51 412	0.38 371	0.51 400	0.38 370	0.53 411	0.38 376	0.50 402	0.38 367	0.51 404	0.38 363	0.54 383	0.43 366	0.46 392	0.34 361	0.46 365	0.34 340

GASTEREO	0.48 354	1.21 419	0.47 365	0.57 366	0.38 378	0.50 400	0.38 371	0.50 387	0.38 370	0.50 397	0.38 376	0.50 402	0.38 367	0.50 395	0.38 363	0.52 379	0.42 361	0.46 392	0.34 361	0.46 365	0.34 340

WAO-8	0.38 261	0.38 181	0.38 287	0.38 232	0.38 378	0.38 276	0.38 371	0.38 267	0.38 370	0.38 267	0.38 376	0.38 275	0.38 367	0.38 274	0.38 363	0.38 268	0.38 332	0.38 299	0.37 382	0.38 284	0.38 364

WAO-7	0.38 261	0.38 181	0.38 287	0.38 232	0.38 378	0.38 276	0.38 371	0.38 267	0.38 370	0.38 267	0.38 376	0.38 275	0.38 367	0.38 274	0.38 363	0.38 268	0.38 332	0.38 299	0.38 395	0.38 284	0.38 364

IMH	0.38 261	0.38 181	0.38 287	0.38 232	0.38 378	0.38 276	0.38 371	0.38 267	0.38 370	0.42 307	0.38 376	0.40 288	0.38 367	0.38 274	0.38 363	0.38 268	0.38 332	0.39 340	0.38 395	0.38 284	0.38 364

iRaftStereo_RVC	0.97 471	3.17 576	2.30 621	2.42 573	0.38 378	0.54 420	0.38 371	0.54 408	0.38 370	0.54 416	0.38 376	0.54 417	0.38 367	0.54 413	0.38 363	2.38 605	2.34 621	0.49 414	0.36 379	0.49 385	0.36 352

LG-Stereo_L1	0.47 349	0.52 252	0.47 365	0.62 376	0.39 388	0.53 417	0.40 385	0.53 406	0.39 383	0.53 411	0.39 386	0.53 414	0.39 377	0.53 411	0.39 375	0.55 389	0.46 376	0.49 414	0.37 382	0.49 385	0.37 357

SCV	0.46 342	0.94 318	0.45 353	0.54 358	0.37 371	0.48 386	0.38 371	0.48 374	0.37 366	0.48 377	0.39 386	0.48 384	0.37 363	0.49 387	0.37 360	0.50 371	0.46 376	0.44 384	0.34 361	0.44 358	0.34 340

HanzoNet	0.39 273	0.38 181	0.40 330	0.39 237	0.41 398	0.38 276	0.38 371	0.38 267	0.38 370	0.39 273	0.39 386	0.38 275	0.38 367	0.39 282	0.40 378	0.38 268	0.38 332	0.40 353	0.38 395	0.38 284	0.40 372

knoymous	0.40 278	0.40 192	0.40 330	0.40 250	0.40 389	0.40 284	0.40 385	0.40 278	0.40 384	0.40 279	0.40 389	0.40 288	0.40 378	0.40 285	0.40 378	0.40 288	0.40 342	0.40 353	0.40 399	0.40 337	0.40 372

anonymousa	0.40 278	0.40 192	0.40 330	0.40 250	0.40 389	0.40 284	0.40 385	0.40 278	0.40 384	0.40 279	0.40 389	0.40 288	0.40 378	0.40 285	0.40 378	0.40 288	0.40 342	0.40 353	0.40 399	0.40 337	0.40 372

riskmin	0.40 278	0.40 192	0.40 330	0.40 250	0.40 389	0.40 284	0.40 385	0.40 278	0.40 384	0.40 279	0.40 389	0.40 288	0.40 378	0.40 285	0.40 378	0.40 288	0.40 342	0.40 353	0.40 399	0.40 337	0.40 372

Anonymous_2	0.40 278	0.40 192	0.40 330	0.40 250	0.40 389	0.40 284	0.40 385	0.40 278	0.40 384	0.40 279	0.40 389	0.40 288	0.40 378	0.40 285	0.40 378	0.40 288	0.40 342	0.40 353	0.40 399	0.40 337	0.40 372

Anonymous_1	0.40 278	0.40 192	0.40 330	0.40 250	0.40 389	0.40 284	0.40 385	0.40 278	0.40 384	0.40 279	0.40 389	0.40 288	0.40 378	0.40 285	0.40 378	0.40 288	0.40 342	0.40 353	0.40 399	0.40 337	0.40 372

AdaStereo	0.40 278	0.40 192	0.40 330	0.40 250	0.40 389	0.40 284	0.40 385	0.40 278	0.40 384	0.40 279	0.40 389	0.40 288	0.40 378	0.40 285	0.40 378	0.40 288	0.40 342	0.40 353	0.40 399	0.40 337	0.40 372
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
MSCF	0.51 367	1.40 441	0.49 380	0.58 368	0.38 378	0.50 400	0.38 371	0.54 408	0.41 393	0.52 408	0.41 395	0.53 414	0.42 395	0.53 411	0.41 385	0.60 397	0.47 384	0.48 409	0.37 382	0.48 382	0.38 364

LG-Stereo_Zeroshot	0.48 354	0.55 262	0.47 365	0.63 378	0.41 398	0.56 422	0.44 401	0.56 412	0.41 393	0.56 421	0.41 395	0.57 427	0.42 395	0.56 418	0.41 385	0.55 389	0.43 366	0.51 423	0.37 382	0.51 396	0.37 357

LG-Stereo	0.60 382	0.58 267	0.47 365	0.64 381	0.74 480	1.00 477	0.69 465	0.57 415	0.41 393	0.57 424	0.41 395	0.57 427	0.41 389	1.00 483	0.75 478	0.91 447	0.51 402	0.52 426	0.37 382	0.52 398	0.37 357

Occ-G	1.12 494	0.52 252	3.72 653	3.50 613	0.50 433	0.56 422	0.47 414	0.54 408	0.46 408	0.54 416	0.41 395	0.54 417	0.42 395	0.52 409	0.42 393	3.42 629	4.02 650	0.52 426	0.45 419	0.51 396	0.44 392

GwcNet-ADL	0.41 286	0.41 203	0.41 343	0.41 262	0.41 398	0.41 300	0.41 393	0.41 293	0.41 393	0.41 293	0.41 395	0.41 301	0.41 389	0.41 300	0.41 385	0.41 296	0.41 352	0.41 370	0.41 407	0.41 348	0.41 380

PSMNet-ADL	0.41 286	0.41 203	0.41 343	0.41 262	0.41 398	0.41 300	0.41 393	0.41 293	0.41 393	0.41 293	0.41 395	0.41 301	0.41 389	0.41 300	0.41 385	0.41 296	0.41 352	0.41 370	0.41 407	0.41 348	0.41 380

GANet-ADL	0.41 286	0.41 203	0.41 343	0.41 262	0.41 398	0.41 300	0.41 393	0.41 293	0.41 393	0.41 293	0.41 395	0.41 301	0.41 389	0.41 300	0.41 385	0.41 296	0.41 352	0.41 370	0.41 407	0.41 348	0.41 380

ADLNet2	0.41 286	0.41 203	0.41 343	0.41 262	0.41 398	0.41 300	0.41 393	0.41 293	0.41 393	0.41 293	0.41 395	0.41 301	0.41 389	0.41 300	0.41 385	0.41 296	0.41 352	0.41 370	0.41 407	0.41 348	0.41 380

ADLNet	0.41 286	0.41 203	0.41 343	0.41 262	0.41 398	0.41 300	0.41 393	0.41 293	0.41 393	0.41 293	0.41 395	0.41 301	0.41 389	0.41 300	0.41 385	0.41 296	0.41 352	0.41 370	0.41 407	0.41 348	0.41 380

GES	0.66 396	2.34 534	0.29 230	0.41 262	0.29 273	0.41 300	0.29 266	0.42 311	0.29 268	0.40 279	0.41 395	0.41 301	0.30 279	0.51 404	0.29 265	0.32 233	0.29 251	0.32 251	2.46 639	2.49 601	0.30 310

MyStereo07	0.60 382	3.72 589	0.48 373	0.49 304	0.41 398	0.36 264	0.32 323	0.49 378	0.43 401	0.51 405	0.42 405	0.49 388	0.43 398	0.51 404	0.64 441	0.49 365	0.45 374	0.34 267	0.32 347	0.35 260	0.43 389

CFNet_RVC	2.38 618	8.71 649	0.38 287	9.33 668	0.42 408	0.56 422	0.42 398	0.60 422	0.38 370	0.62 433	0.42 405	0.56 424	7.29 673	0.62 428	0.42 393	0.53 382	0.37 325	0.49 414	0.34 361	8.30 670	6.87 675

DispNO	1.00 474	0.63 271	0.43 349	3.45 609	0.44 411	0.65 438	0.43 400	0.64 428	0.43 401	0.64 436	0.43 407	0.64 437	3.03 631	0.64 433	0.43 396	4.55 640	0.43 366	0.63 439	0.43 417	0.63 414	0.43 389

FCDSN-DC	0.41 286	0.59 268	0.64 416	0.54 358	0.33 348	0.50 400	0.37 364	0.42 311	0.40 384	0.61 430	0.43 407	0.50 402	0.49 421	0.38 274	0.32 320	0.28 216	0.23 213	0.26 229	0.22 230	0.35 260	0.28 291
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FSD					0.44 411	0.56 422	0.44 401	0.55 411	0.44 404	0.56 421	0.44 409	0.56 424	0.44 400	0.56 418	0.46 403	0.61 401	0.42 361	0.52 426	0.42 415	0.52 398

MonSter	0.60 382	0.64 273	0.52 394	0.62 376	0.44 411	2.07 594	0.44 401	0.62 426	0.44 404	0.62 433	0.44 409	0.62 436	0.44 400	0.62 428	0.44 397	0.58 394	0.42 361	0.62 437	0.46 421	0.58 410	0.42 387

CES	0.39 273	0.47 230	0.36 281	0.36 226	0.37 371	0.45 370	0.35 352	0.35 248	0.40 384	0.36 261	0.44 409	0.47 377	0.36 358	0.44 348	0.36 351	0.37 257	0.39 339	0.44 384	0.35 373	0.37 271	0.36 352

Selective-IGEV	0.51 367	0.55 262	0.45 353	0.69 388	0.45 415	0.61 432	0.45 407	0.50 387	0.40 384	0.56 421	0.44 409	0.55 421	0.40 378	0.72 442	0.67 448	0.59 396	0.46 376	0.45 388	0.34 361	0.46 365	0.37 357

DN	0.53 372	0.85 295	0.45 353	0.65 382	0.44 411	0.60 431	0.44 401	0.60 422	0.44 404	0.60 429	0.45 413	0.60 432	0.44 400	0.60 427	0.44 397	0.56 392	0.42 361	0.56 432	0.42 415	0.56 406	0.42 387

fffft	0.48 354	0.51 250	0.45 353	0.52 353	0.45 415	0.52 415	0.45 407	0.52 404	0.48 420	0.53 411	0.45 413	0.52 413	0.45 404	0.52 409	0.46 403	0.51 377	0.41 352	0.50 418	0.41 407	0.50 390	0.41 380
1: 1. 1
PAM_32	0.64 393	2.38 538	0.51 391	0.92 420	0.43 410	0.53 417	0.44 401	0.87 454	0.43 401	0.52 408	0.45 413	0.53 414	0.40 378	0.54 413	0.46 403	0.62 405	0.56 410	0.48 409	0.45 419	0.76 431	0.44 392

AIO-test1	0.54 373	0.60 270	0.52 394	0.66 386	0.47 423	0.61 432	0.47 414	0.58 418	0.46 408	0.61 430	0.46 416	0.61 434	0.45 404	0.62 428	0.45 399	0.61 401	0.52 404	0.57 433	0.48 432	0.57 409	0.48 404

MyStereo04	0.56 380	3.72 589	0.59 405	0.49 304	0.41 398	0.36 264	0.32 323	0.37 258	0.31 322	0.34 253	0.46 416	0.35 261	0.32 333	0.35 261	0.33 331	0.49 365	0.45 374	0.34 267	0.32 347	0.35 260	0.43 389

otaku	0.46 342	0.46 226	0.46 358	0.46 286	0.46 417	0.46 376	0.46 409	0.46 364	0.46 408	0.46 364	0.46 416	0.46 371	0.46 407	0.46 369	0.46 403	0.46 350	0.46 376	0.46 392	0.46 421	0.46 365	0.46 395

Ntro	0.47 349	0.47 230	0.46 358	0.46 286	0.46 417	0.47 381	0.47 414	0.46 364	0.47 413	0.46 364	0.46 416	0.47 377	0.46 407	0.47 373	0.47 410	0.47 357	0.46 376	0.46 392	0.46 421	0.46 365	0.46 395

Dean	0.46 342	0.46 226	0.46 358	0.46 286	0.46 417	0.46 376	0.46 409	0.46 364	0.46 408	0.47 370	0.46 416	0.46 371	0.46 407	0.46 369	0.46 403	0.46 350	0.46 376	0.46 392	0.46 421	0.46 365	0.46 395

ACVNet_1	0.46 342	0.47 230	0.46 358	0.46 286	0.46 417	0.46 376	0.46 409	0.46 364	0.47 413	0.46 364	0.46 416	0.46 371	0.46 407	0.46 369	0.46 403	0.46 350	0.46 376	0.47 401	0.46 421	0.46 365	0.46 395

ACVNet-4b	0.46 342	0.46 226	0.46 358	0.46 286	0.46 417	0.46 376	0.46 409	0.46 364	0.46 408	0.46 364	0.46 416	0.46 371	0.46 407	0.47 373	0.46 403	0.46 350	0.46 376	0.46 392	0.46 421	0.46 365	0.46 395

test_xeample3	1.10 491	1.81 474	0.61 412	0.84 409	0.49 429	0.77 448	0.66 449	0.92 464	1.40 592	0.68 442	0.46 416	0.78 455	0.54 435	1.72 578	1.48 594	1.34 545	1.52 578	1.35 576	1.67 612	1.33 553	1.55 594

AIO-test2	0.55 378	0.59 268	0.52 394	0.67 387	0.47 423	0.61 432	0.47 414	0.61 425	0.47 413	0.61 430	0.47 424	0.61 434	0.48 416	0.62 428	0.47 410	0.64 408	0.53 406	0.58 434	0.47 428	0.58 410	0.48 404

HaxPig	0.47 349	0.47 230	0.47 365	0.49 304	0.47 423	0.47 381	0.47 414	0.47 370	0.47 413	0.47 370	0.47 424	0.47 377	0.47 415	0.47 373	0.47 410	0.47 357	0.47 384	0.47 401	0.47 428	0.47 378	0.48 404

UNDER WATER	0.47 349	0.47 230	0.47 365	0.47 293	0.47 423	0.47 381	0.47 414	0.47 370	0.47 413	0.47 370	0.47 424	0.47 377	0.46 407	0.47 373	0.47 410	0.47 357	0.47 384	0.47 401	0.46 421	0.47 378	0.47 402

LVE	0.47 349	0.47 230	0.47 365	0.47 293	0.49 429	0.47 381	0.47 414	0.47 370	0.49 422	0.47 370	0.47 424	0.47 377	0.46 407	0.47 373	0.47 410	0.47 357	0.47 384	0.48 409	0.47 428	0.47 378	0.47 402

MyStereo06	0.75 416	4.12 600	0.60 407	0.63 378	0.61 455	0.62 435	0.66 449	0.56 412	0.45 407	0.55 419	0.48 428	0.54 417	0.46 407	0.57 423	0.45 399	0.60 397	0.57 412	0.64 441	0.55 445	0.72 426	0.55 429

RainbowNet	0.48 354	0.48 236	0.48 373	0.48 298	0.48 427	0.48 386	0.48 423	0.48 374	0.48 420	0.48 377	0.48 428	0.48 384	0.48 416	0.48 381	0.48 416	0.48 362	0.48 388	0.48 409	0.48 432	0.48 382	0.48 404

notaker	0.48 354	0.49 238	0.48 373	0.48 298	0.48 427	0.48 386	0.48 423	0.48 374	0.49 422	0.48 377	0.48 428	0.48 384	0.48 416	0.48 381	0.48 416	0.48 362	0.48 388	0.48 409	0.48 432	0.48 382	0.49 409

PointNet	0.60 382	0.75 283	0.49 380	0.79 401	0.50 433	0.79 452	0.49 425	0.79 445	0.49 422	0.80 456	0.49 431	0.79 457	0.49 421	0.80 451	0.49 418	0.63 407	0.40 342	0.63 439	0.40 399	0.63 414	0.40 372

ACVNet_2	0.49 360	0.49 238	0.49 380	0.49 304	0.49 429	0.49 391	0.49 425	0.49 378	0.49 422	0.49 384	0.49 431	0.49 388	0.49 421	0.49 387	0.49 418	0.49 365	0.49 391	0.49 414	0.49 435	0.49 385	0.49 409

AEACV	1.12 494	0.52 252	3.12 644	3.24 598	0.86 500	0.53 417	0.49 425	0.60 422	0.47 413	0.53 411	0.49 431	0.55 421	0.45 404	0.55 417	0.47 410	3.01 624	3.88 648	0.71 452	0.60 454	0.80 440	0.48 404

FoundationStereo	0.50 362	0.50 242	0.50 385	0.50 340	0.50 433	0.50 400	0.50 428	0.50 387	0.50 426	0.50 397	0.50 434	0.50 402	0.50 425	0.50 395	0.50 420	0.50 371	0.50 397	0.50 418	0.50 437	0.50 390	0.50 412

StereoAnything_RVC	0.50 362	0.50 242	0.50 385	0.50 340	0.50 433	0.50 400	0.50 428	0.50 387	0.50 426	0.50 397	0.50 434	0.50 402	0.50 425	0.50 395	0.50 420	0.50 371	0.50 397	0.50 418	0.50 437	0.50 390	0.50 412

dual_stereo	0.50 362	0.50 242	0.50 385	0.50 340	0.50 433	0.50 400	0.50 428	0.50 387	0.50 426	0.50 397	0.50 434	0.50 402	0.50 425	0.50 395	0.50 420	0.50 371	0.50 397	0.50 418	0.50 437	0.50 390	0.50 412

KSHMR	0.66 396	0.50 242	0.48 373	1.15 454	0.52 440	0.49 391	0.51 432	0.49 378	0.71 475	0.67 440	0.50 434	1.16 510	1.11 508	0.66 435	0.52 427	0.49 365	0.49 391	0.51 423	0.66 469	0.50 390	1.14 517

LL-Strereo	1.01 481	5.06 615	1.63 583	0.70 392	1.43 592	0.56 422	0.46 409	0.57 415	0.50 426	0.57 424	0.50 434	1.58 574	0.49 421	0.59 425	0.50 420	1.64 564	0.52 404	0.51 423	1.37 587	0.52 398	0.45 394

SANet	0.50 362	0.50 242	0.50 385	0.50 340	0.50 433	0.50 400	0.50 428	0.50 387	0.50 426	0.50 397	0.50 434	0.50 402	0.50 425	0.50 395	0.50 420	0.50 371	0.50 397	0.50 418	0.50 437	0.50 390	0.50 412

MyStereo8	0.71 408	3.92 598	0.52 394	0.59 371	0.52 440	0.57 428	0.53 434	0.59 420	0.50 426	0.59 428	0.51 440	0.57 427	0.50 425	0.56 418	0.52 427	0.54 383	0.49 391	0.54 430	0.49 435	0.55 404	0.50 412

ktn	0.72 411	0.53 256	1.08 487	1.14 451	0.51 439	1.22 554	1.36 585	0.51 400	0.59 442	0.51 405	0.51 440	0.69 443	1.20 519	0.67 437	0.51 425	0.51 377	0.49 391	0.58 434	0.66 469	0.52 398	0.53 420

test-3	0.98 473	4.13 602	1.85 603	1.85 547	0.61 455	0.69 441	0.37 364	0.63 427	0.61 445	0.66 439	0.51 440	0.73 449	0.44 400	0.57 423	0.54 430	1.68 565	1.81 601	0.40 353	0.43 417	0.66 417	0.50 412

WCG-NET	0.61 387	1.21 419	0.54 399	0.61 375	0.53 443	0.67 440	0.53 434	0.66 431	0.53 434	0.64 436	0.53 443	0.65 440	0.53 432	0.59 425	0.52 427	0.65 409	0.48 388	0.64 441	0.52 441	0.58 410	0.50 412

PSMNet_ROB	0.54 373	0.54 260	0.54 399	0.54 358	0.53 443	0.54 420	0.54 436	0.53 406	0.54 436	0.54 416	0.54 444	0.54 417	0.53 432	0.54 413	0.54 430	0.54 383	0.53 406	0.54 430	0.54 443	0.54 403	0.54 423

anonymity	0.63 391	0.69 275	0.56 401	0.71 394	0.56 446	0.71 444	0.56 437	0.71 437	0.56 437	0.72 444	0.56 445	0.71 444	0.56 436	0.71 440	0.58 435	0.68 413	0.55 408	0.68 446	0.55 445	0.68 419	0.54 423

monster-pro	0.75 416	1.67 449	0.64 416	0.89 413	0.57 448	0.86 462	0.56 437	0.87 454	0.56 437	0.87 462	0.57 446	0.88 466	0.57 437	0.87 463	0.57 433	0.79 431	0.58 414	0.76 459	0.54 443	0.77 433	0.54 423

CASS	0.57 381	0.89 304	0.56 401	0.57 366	0.56 446	0.56 422	0.56 437	0.56 412	0.53 434	0.57 424	0.57 446	0.59 431	0.48 416	0.56 418	0.57 433	0.55 389	0.56 410	0.47 401	0.56 449	0.62 413	0.56 432
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
zero-FE	0.72 411	1.31 433	0.66 421	0.92 420	0.60 450	0.82 456	0.58 440	0.82 452	0.58 440	0.81 459	0.60 448	0.81 462	0.60 442	0.82 454	0.58 435	0.74 425	0.59 417	0.73 453	0.52 441	0.76 431	0.51 419

SMoEStereo_RVC	0.63 391	0.75 283	0.51 391	0.73 397	0.53 443	0.71 444	0.47 414	0.67 432	0.58 440	0.74 450	0.60 448	0.72 447	0.53 432	0.74 446	0.51 425	0.61 401	0.62 423	0.62 437	0.61 456	0.63 414	0.61 438

DDUNet	0.81 434	2.45 542	0.57 403	0.90 415	0.60 450	0.88 464	0.59 442	0.90 459	0.60 443	0.88 464	0.60 448	0.90 470	0.58 440	0.88 465	0.60 438	0.84 443	0.60 418	0.86 476	0.57 451	0.86 449	0.60 437

UDG	0.80 429	2.21 522	0.60 407	0.91 417	0.60 450	0.90 467	0.58 440	0.88 458	0.60 443	0.90 465	0.60 448	0.88 466	0.60 442	0.90 468	0.58 435	0.86 445	0.60 418	0.84 474	0.59 453	0.84 448	0.61 438

MyStereo05	0.80 429	4.12 600	0.63 414	0.63 378	0.61 455	0.62 435	0.66 449	0.65 429	0.62 446	0.67 440	0.61 452	0.65 440	0.58 440	0.67 437	0.55 432	0.60 397	0.57 412	0.64 441	0.55 445	0.72 426	0.55 429

PA-Net	11.80 676	223.51 702	0.62 413	0.59 371	0.71 475	0.59 430	0.73 475	0.67 432	0.73 481	0.55 419	0.61 452	0.60 432	0.74 472	0.63 432	0.73 473	0.66 411	0.60 418	0.69 449	0.66 469	0.72 426	0.65 450
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ARAFT	0.68 401	0.81 290	0.63 414	0.74 398	0.60 450	0.78 450	0.62 444	0.77 444	0.66 452	0.74 450	0.63 454	0.75 452	0.62 445	0.83 457	0.60 438	0.70 417	0.55 408	0.70 451	0.60 454	0.78 435	0.55 429

RAFT-Stereo + iAFF	0.70 405	0.72 278	0.71 438	0.80 404	0.62 460	0.82 456	0.61 443	0.81 451	0.62 446	0.81 459	0.63 454	0.80 459	0.70 465	0.73 444	0.61 440	0.76 428	0.61 422	0.74 456	0.61 456	0.77 433	0.61 438

LMCR-Stereo	0.65 394	0.63 271	0.65 420	0.65 382	0.65 463	0.66 439	0.63 445	0.58 418	0.65 450	0.63 435	0.64 456	0.65 440	0.65 448	0.66 435	0.66 447	0.66 411	0.64 425	0.65 444	0.67 473	0.68 419	0.73 468

DSFCA	0.66 396	0.73 280	0.78 452	0.65 382	0.65 463	0.64 437	0.64 446	0.65 429	0.63 448	0.64 436	0.64 456	0.64 437	0.64 446	0.65 434	0.65 444	0.65 409	0.65 427	0.65 444	0.65 467	0.66 417	0.64 448

plain	1.88 568	3.16 575	0.64 416	3.10 591	0.65 463	3.10 632	0.64 446	3.12 631	0.65 450	3.10 632	0.65 458	3.11 632	0.65 448	3.12 631	0.65 444	3.12 625	0.65 427	3.13 630	0.65 467	3.13 618	0.65 450

4D-IteraStereo	0.78 425	3.13 574	0.89 464	0.69 388	0.32 336	0.40 284	0.32 323	0.76 443	0.97 509	0.52 408	0.65 458	0.89 469	0.32 333	0.76 448	0.98 503	0.83 441	0.94 473	0.35 283	0.27 289	0.70 424	0.89 490

MIF-Stereo (partial)	2.58 623	3.31 580	0.66 421	3.18 595	0.66 466	3.18 633	0.66 449	3.21 632	0.67 453	3.19 633	0.66 460	3.19 633	0.66 451	3.31 635	0.68 455	5.09 657	1.79 600	8.23 677	1.67 612	6.18 661	1.38 588

WQFJA1++	0.84 445	0.98 323	0.67 425	1.26 512	0.75 482	1.00 477	0.67 453	1.00 472	0.67 453	1.00 477	0.67 461	1.00 483	0.67 453	1.00 483	0.67 448	0.96 458	0.67 429	0.91 481	0.63 458	0.92 458	0.63 442

WQFJA1	0.85 451	0.98 323	0.67 425	1.29 518	0.76 487	1.01 484	0.67 453	1.02 484	0.67 453	1.02 491	0.67 461	1.01 490	0.67 453	1.01 490	0.68 455	0.99 464	0.67 429	0.93 487	0.64 463	0.92 458	0.65 450

WQFJX1	0.84 445	0.98 323	0.67 425	1.30 520	0.75 482	1.01 484	0.67 453	1.01 480	0.67 453	1.01 487	0.67 461	1.01 490	0.68 457	1.00 483	0.68 455	0.98 463	0.67 429	0.92 484	0.64 463	0.92 458	0.64 448

NLMM	0.84 445	1.00 332	0.67 425	1.27 513	0.75 482	1.00 477	0.68 457	1.00 472	0.67 453	1.00 477	0.67 461	1.02 494	0.67 453	1.02 494	0.67 448	0.97 459	0.67 429	0.93 487	0.63 458	0.92 458	0.63 442

RSM++	0.76 421	0.82 292	0.66 421	0.85 411	0.64 461	0.85 460	0.71 472	0.94 468	0.64 449	0.87 462	0.67 461	0.87 465	0.65 448	0.84 458	0.65 444	0.81 436	0.70 441	0.79 463	0.71 481	0.83 447	0.70 458

WQFJX	0.85 451	1.00 332	0.68 432	1.30 520	0.75 482	1.01 484	0.68 457	1.01 480	0.68 459	1.01 487	0.68 466	1.03 495	0.68 457	1.02 494	0.67 448	0.97 459	0.67 429	0.93 487	0.63 458	0.94 467	0.63 442

NLSM3	0.85 451	0.99 330	0.68 432	1.29 518	0.76 487	1.01 484	0.68 457	1.01 480	0.68 459	1.02 491	0.68 466	1.01 490	0.68 457	1.01 490	0.68 455	0.97 459	0.68 434	0.93 487	0.64 463	0.93 463	0.63 442

AIO-Stereo-zeroshot1	0.75 416	0.92 314	0.85 463	0.96 431	0.59 449	1.27 558	0.44 401	0.59 420	0.69 464	0.91 467	0.68 466	0.55 421	0.61 444	1.06 497	0.83 491	0.62 405	0.70 441	0.90 478	0.41 407	0.89 452	0.56 432

R-Stereo Train	0.81 434	0.96 320	0.67 425	0.95 428	0.67 467	0.95 472	0.68 457	0.95 470	0.68 459	0.95 475	0.68 466	0.96 480	0.68 457	0.96 479	0.68 455	0.94 456	0.68 434	0.94 491	0.68 474	0.94 467	0.68 455

RAFT-Stereo	0.81 434	0.96 320	0.67 425	0.95 428	0.67 467	0.95 472	0.68 457	0.95 470	0.68 459	0.95 475	0.68 466	0.96 480	0.68 457	0.96 479	0.68 455	0.94 456	0.68 434	0.94 491	0.68 474	0.94 467	0.68 455
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
FlowAnything	1.02 483	1.71 451	0.72 441	1.59 537	0.69 471	1.60 576	0.69 465	1.61 568	0.70 470	1.60 571	0.69 471	1.60 575	0.69 463	1.61 575	0.69 463	0.81 436	0.58 414	0.81 468	0.56 449	0.82 445	0.56 432

TorneroNet	0.66 396	0.53 256	0.50 385	0.50 340	0.64 461	1.06 493	0.70 469	0.50 387	0.51 433	0.49 384	0.69 471	0.49 388	0.50 425	0.48 381	1.15 520	0.71 418	0.49 391	1.14 508	1.08 518	0.49 385	0.49 409

NLMM1	0.86 454	0.98 323	0.69 434	1.48 534	0.75 482	1.01 484	0.69 465	1.00 472	0.69 464	1.00 477	0.70 473	1.00 483	0.68 457	1.01 490	0.67 448	0.97 459	0.68 434	0.92 484	0.63 458	0.93 463	0.63 442

FlowAnything_test	1.02 483	1.72 452	0.71 438	1.59 537	0.70 473	1.61 577	0.69 465	1.61 568	0.70 470	1.60 571	0.70 473	1.61 578	0.69 463	1.61 575	0.70 469	0.81 436	0.58 414	0.81 468	0.55 445	0.81 443	0.56 432

MoCha-V2	2.11 594	26.97 680	0.78 452	0.92 420	0.77 490	0.96 474	0.72 474	0.90 459	0.72 478	0.94 473	0.70 473	0.90 470	0.71 469	0.91 469	0.71 471	0.85 444	0.71 445	0.88 477	0.69 476	0.87 450	0.67 454

AFF-stereo	0.73 413	0.88 301	0.67 425	0.75 399	0.68 470	0.75 447	0.64 446	0.80 448	0.72 478	0.83 461	0.70 473	0.82 463	0.64 446	0.84 458	0.67 448	0.77 430	0.63 424	0.81 468	0.63 458	0.78 435	0.62 441

MSMD_ROB	1.19 498	1.10 361	0.70 435	1.10 445	0.60 450	1.10 499	0.70 469	1.10 489	0.70 470	1.10 497	0.70 473	1.10 502	0.70 465	7.00 676	0.70 469	1.10 476	0.70 441	1.10 507	0.70 478	1.10 482	0.70 458

AdaDepth	0.86 454	0.93 316	0.71 438	1.01 439	1.07 523	1.02 490	0.71 472	1.00 472	0.71 475	1.01 487	0.71 478	1.00 483	0.72 470	1.14 508	0.71 471	0.92 450	0.64 425	0.90 478	0.64 463	0.89 452	0.69 457

DCRE	0.84 445	1.89 496	0.77 451	0.94 426	0.72 477	0.88 464	0.73 475	0.87 454	0.78 485	0.90 465	0.71 478	0.88 466	0.67 453	0.88 465	0.73 473	0.81 436	0.68 434	0.81 468	0.70 478	0.82 445	0.70 458

DMCA-RVC	0.70 405	0.80 287	0.70 435	0.70 392	0.70 473	0.70 442	0.70 469	0.71 437	0.70 470	0.70 443	0.71 478	0.71 444	0.70 465	0.70 439	0.69 463	0.69 414	0.70 441	0.69 449	0.70 478	0.69 423	0.70 458

DStereoRT	0.73 413	0.81 290	0.73 445	0.71 394	0.74 480	0.73 446	0.75 477	0.71 437	0.71 475	0.74 450	0.72 481	0.73 449	0.80 481	0.71 440	0.73 473	0.76 428	0.71 445	0.73 453	0.72 483	0.70 424	0.76 475

11t	1.27 549	2.70 553	1.34 554	1.32 523	0.89 502	1.30 560	1.34 582	1.64 571	0.57 439	1.45 569	0.72 481	1.05 497	1.29 571	1.07 500	1.29 583	1.49 556	1.02 480	0.97 496	1.15 522	1.48 558	1.31 580

UniTT-Stereo	2.03 586	3.43 582	0.72 441	3.42 608	0.73 478	3.27 635	0.68 457	3.38 636	0.69 464	3.29 635	0.72 481	3.28 635	0.70 465	3.35 637	0.68 455	3.39 628	0.68 434	3.31 633	0.69 476	3.37 619	0.73 468

iGMRVC	0.84 445	2.85 568	0.72 441	0.72 396	0.73 478	0.77 448	0.79 482	0.73 440	0.74 483	0.73 445	0.72 481	0.73 449	0.76 475	0.73 444	0.73 473	0.72 421	0.73 448	0.73 453	0.72 483	0.73 429	0.72 465

AIO-Stereo	0.84 445	0.66 274	0.70 435	0.83 408	0.67 467	0.98 475	0.82 492	1.14 490	0.72 478	1.03 493	0.74 485	1.03 495	1.09 507	0.99 481	0.45 399	1.04 470	0.73 448	0.95 493	0.74 485	0.94 467	0.46 395

HSM-Net_RVC	0.95 470	1.17 369	0.78 452	1.18 461	0.71 475	1.16 507	0.75 477	1.09 488	0.80 491	1.10 497	0.75 486	1.17 511	0.74 472	1.17 511	0.80 486	1.13 483	0.73 448	1.17 515	0.77 490	1.16 489	0.72 465
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
Wavelet-MonSter	1.00 474	1.21 419	0.76 449	1.94 551	1.01 518	1.11 502	0.76 479	1.15 491	0.76 484	1.11 502	0.76 487	1.14 508	0.76 475	1.11 505	0.76 480	1.21 536	0.90 468	1.02 503	0.71 481	1.02 478	0.71 464

RAStereo	2.23 608	3.64 585	0.76 449	3.65 617	0.86 500	3.66 640	0.76 479	3.67 640	0.81 494	3.66 637	0.76 487	3.66 638	0.77 477	3.68 639	0.77 481	3.68 631	0.77 454	3.69 638	0.77 490	3.70 622	0.77 477

LiteMatch	1.13 496	0.73 280	2.80 630	3.23 596	0.61 455	0.83 458	0.68 457	0.73 440	0.69 464	1.00 477	0.77 489	0.94 477	0.57 437	0.82 454	0.64 441	2.97 622	2.43 624	0.68 446	0.32 347	0.56 406	0.70 458

Lsterematch	1.13 496	0.73 280	2.80 630	3.23 596	0.61 455	0.83 458	0.68 457	0.73 440	0.69 464	1.00 477	0.77 489	0.94 477	0.57 437	0.82 454	0.64 441	2.97 622	2.43 624	0.68 446	0.32 347	0.56 406	0.70 458

Hybrid-DGEV	1.03 485	1.75 458	0.80 456	1.28 517	0.78 491	1.26 557	0.80 485	1.26 551	0.78 485	1.26 557	0.78 491	1.26 560	0.78 479	1.26 560	0.78 482	1.15 486	0.75 451	1.14 508	0.74 485	1.14 484	0.75 472

ToySt	0.92 462	2.11 513	0.90 467	0.95 428	0.79 493	0.99 476	0.78 481	0.94 468	0.81 494	0.94 473	0.78 491	0.95 479	0.77 477	0.94 475	0.86 493	0.91 447	0.79 458	0.85 475	0.77 490	0.89 452	0.73 468

Hybrid-DGEV-2	1.05 487	1.83 484	0.83 460	1.33 524	0.82 499	1.30 560	0.81 489	1.26 551	0.79 489	1.29 559	0.79 493	1.26 560	0.80 481	1.26 560	0.79 483	1.20 490	0.78 456	1.18 518	0.77 490	1.20 499	0.77 477

G-Net	0.79 426	0.79 286	0.79 455	0.79 401	0.79 493	0.79 452	0.79 482	0.79 445	0.79 489	0.79 455	0.79 493	0.79 457	0.79 480	0.79 449	0.79 483	0.79 431	0.79 458	0.79 463	0.79 494	0.79 437	0.79 480

NaN_ROB	0.80 429	0.80 287	0.80 456	0.80 404	0.80 496	0.80 454	0.80 485	0.80 448	0.80 491	0.80 456	0.80 495	0.80 459	0.80 481	0.80 451	0.80 486	0.80 433	0.80 461	0.80 466	0.80 496	0.80 440	0.80 481

CSAN	0.80 429	0.80 287	0.80 456	0.80 404	0.80 496	0.80 454	0.80 485	0.80 448	0.80 491	0.80 456	0.80 495	0.80 459	0.80 481	0.80 451	0.80 486	0.80 433	0.80 461	0.80 466	0.80 496	0.80 440	0.80 481

Hybrid-DGEV-03	1.07 488	1.83 484	0.83 460	1.34 525	0.81 498	1.32 562	0.81 489	1.31 558	0.81 494	1.31 560	0.82 497	1.32 565	0.82 485	1.32 565	0.81 489	1.19 488	0.77 454	1.19 520	0.76 488	1.19 497	0.77 477

Selective-RAFT-Error	0.88 457	0.84 293	0.98 476	0.86 412	0.97 512	0.88 464	0.95 503	0.84 453	0.99 512	0.92 469	0.82 497	0.84 464	0.98 495	0.87 463	0.97 502	0.81 436	0.83 464	0.79 463	0.82 499	0.79 437	0.85 486

LiteMatch*	2.07 592	1.30 431	5.73 664	6.28 654	0.79 493	1.33 563	0.80 485	1.30 557	1.02 518	1.33 561	0.84 499	1.33 566	0.97 493	1.28 564	1.04 511	6.05 665	5.89 660	1.28 571	0.76 488	1.28 551	0.88 487

DPSimNet_ROB	0.97 471	1.18 371	0.81 459	1.10 445	0.91 506	1.02 490	0.82 492	1.04 485	0.91 499	1.03 493	0.86 500	1.28 564	0.82 485	1.03 496	0.89 494	1.17 487	0.81 463	1.02 503	0.82 499	1.08 481	0.81 483

tt45	1.04 486	0.88 301	1.36 564	0.92 420	1.03 521	1.51 575	0.79 482	0.70 436	0.88 497	0.74 450	0.90 501	1.60 575	0.72 470	1.60 573	0.75 478	0.91 447	0.78 456	1.52 583	0.79 494	1.14 484	1.32 581

HH	0.71 408	2.54 544	0.74 446	1.10 445	0.32 336	0.41 300	0.37 364	0.69 434	0.78 485	0.73 445	0.90 501	0.75 452	1.00 496	0.84 458	0.69 463	0.69 414	0.40 342	0.35 283	0.26 252	0.35 260	0.26 233

HanStereo	0.71 408	2.54 544	0.74 446	1.10 445	0.32 336	0.41 300	0.37 364	0.69 434	0.78 485	0.73 445	0.90 501	0.75 452	1.00 496	0.84 458	0.69 463	0.69 414	0.40 342	0.35 283	0.26 252	0.35 260	0.26 233

Selective-RAFT	0.89 459	0.89 304	0.72 441	1.16 459	0.78 491	1.06 493	0.82 492	0.87 454	0.97 509	1.00 477	0.91 504	0.90 470	1.00 496	0.89 467	0.93 499	0.83 441	0.83 464	0.82 472	0.82 499	0.81 443	0.82 484

DPSM_ROB	0.92 462	0.91 309	0.91 469	0.91 417	0.92 507	0.92 469	0.92 499	0.92 464	0.91 499	0.93 471	0.91 504	0.92 473	0.90 488	0.91 469	0.92 495	0.92 450	0.91 469	0.91 481	0.92 503	0.93 463	0.93 494

DPSM	0.92 462	0.91 309	0.91 469	0.91 417	0.92 507	0.92 469	0.92 499	0.92 464	0.91 499	0.93 471	0.91 504	0.92 473	0.90 488	0.91 469	0.92 495	0.92 450	0.91 469	0.91 481	0.92 503	0.93 463	0.93 494

pmcnn	0.92 462	0.92 314	0.92 471	0.92 420	0.92 507	0.92 469	0.92 499	0.92 464	0.92 503	0.92 469	0.92 507	0.92 473	0.92 490	0.92 473	0.92 495	0.92 450	0.92 471	0.92 484	0.92 503	0.92 458	0.92 493

DGTPSM_ROB	0.93 467	1.00 332	0.92 471	0.94 426	0.96 511	0.91 468	0.92 499	0.91 461	0.96 508	0.91 467	0.96 508	0.93 476	0.92 490	0.94 475	0.92 495	0.92 450	0.92 471	0.90 478	0.92 503	0.94 467	0.91 492

AIO-Stereo-zeroshot	0.91 460	0.86 297	0.89 464	1.25 511	0.69 471	1.05 492	0.81 489	1.16 494	0.50 426	1.12 503	0.97 509	0.72 447	0.82 485	1.06 497	0.95 500	0.61 401	0.87 466	1.03 505	0.85 502	1.04 479	1.01 506

MM-Stereo_test2	1.20 499	1.85 490	1.05 484	1.46 533	0.94 510	1.36 566	0.99 506	1.36 560	0.95 506	1.41 566	0.98 510	1.40 571	0.96 492	1.37 567	0.95 500	1.37 550	1.06 482	1.33 573	0.93 507	1.29 552	0.89 490

Test_v1	1.00 474	1.00 332	1.00 478	1.00 435	1.00 513	1.00 477	1.00 507	1.00 472	1.00 513	1.00 477	1.00 511	1.00 483	1.00 496	1.00 483	1.00 505	1.00 465	1.00 474	1.00 498	1.00 510	1.00 472	1.00 501

GANet	1.00 474	1.00 332	1.00 478	1.00 435	1.00 513	1.00 477	1.00 507	1.00 472	1.00 513	1.00 477	1.00 511	1.00 483	1.00 496	1.00 483	1.00 505	1.00 465	1.00 474	1.00 498	1.00 510	1.00 472	1.00 501

TDLM	1.00 474	1.00 332	1.00 478	1.00 435	1.00 513	1.00 477	1.00 507	1.00 472	1.00 513	1.00 477	1.00 511	1.00 483	1.00 496	1.00 483	1.00 505	1.00 465	1.00 474	1.00 498	1.00 510	1.00 472	1.00 501

CVANet_RVC	1.00 474	1.00 332	1.00 478	1.00 435	1.00 513	1.00 477	1.00 507	1.00 472	1.00 513	1.00 477	1.00 511	1.00 483	1.00 496	1.00 483	1.00 505	1.00 465	1.00 474	1.00 498	1.00 510	1.00 472	1.00 501

trnet	1.01 481	1.01 341	1.01 482	1.01 439	1.01 518	1.01 484	1.01 511	1.01 480	1.01 517	1.01 487	1.01 515	1.01 490	1.01 503	1.01 490	1.01 509	1.01 469	1.01 479	1.01 502	1.01 516	1.01 476	1.01 506

MM-Stereo_test3	1.27 549	2.07 509	1.18 496	1.60 540	1.02 520	1.45 573	1.01 511	1.40 564	1.04 520	1.44 568	1.03 516	1.46 573	1.02 504	1.44 571	1.02 510	1.51 559	1.12 496	1.32 572	0.98 508	1.38 556	0.97 497

BLMT-Stereo	1.53 556	1.36 437	1.06 485	1.42 532	1.23 585	1.41 571	1.07 515	1.43 566	1.12 522	1.42 567	1.06 517	1.83 581	1.07 506	1.42 570	1.07 513	1.27 540	1.38 569	6.80 673	1.00 510	1.26 549	1.00 501

GLC_STEREO	1.07 488	1.01 341	1.06 485	1.07 443	1.05 522	1.06 493	1.08 516	1.08 486	1.05 521	1.07 495	1.06 517	1.08 498	1.05 505	1.06 497	1.10 515	1.07 472	1.09 489	1.05 506	1.05 517	1.06 480	1.12 513

MLG-Stereo	0.92 462	0.90 307	0.84 462	1.27 513	0.49 429	1.38 568	0.88 495	1.41 565	0.97 509	0.73 445	1.09 519	1.26 560	0.43 398	0.72 442	1.05 512	1.13 483	0.49 391	1.18 518	0.66 469	1.01 476	0.46 395

ours_stereo	1.20 499	1.21 419	0.90 467	1.64 545	1.11 525	1.35 564	0.67 453	1.76 575	0.93 504	1.70 579	1.10 520	1.39 569	0.75 474	1.41 569	0.81 489	1.60 563	1.03 481	1.33 573	1.00 510	1.61 563	0.72 465

AF-Net	2.37 616	25.71 676	1.17 494	1.13 450	1.15 527	1.15 506	1.18 525	1.19 499	1.16 525	1.10 497	1.15 521	1.10 502	1.18 517	1.12 507	1.15 520	1.10 476	1.10 492	1.17 515	1.15 522	1.16 489	1.12 513

RP	2.33 612	25.00 673	1.13 489	1.15 454	1.15 527	1.10 499	1.15 521	1.15 491	1.15 524	1.12 503	1.15 521	1.09 500	1.13 509	1.10 503	1.15 520	1.11 481	1.09 489	1.16 511	1.12 520	1.16 489	1.17 522

Nwc_Net	2.37 616	25.95 677	1.15 492	1.14 451	1.15 527	1.08 496	1.14 520	1.17 496	1.16 525	1.14 506	1.15 521	1.08 498	1.15 512	1.11 505	1.14 519	1.10 476	1.11 493	1.16 511	1.09 519	1.16 489	1.15 518

RGC	2.36 614	25.48 674	1.19 498	1.15 454	1.15 527	1.10 499	1.16 523	1.17 496	1.16 525	1.12 503	1.16 524	1.11 506	1.13 509	1.09 501	1.18 525	1.10 476	1.15 498	1.16 511	1.12 520	1.14 484	1.12 513

NCC-stereo	2.36 614	25.52 675	1.17 494	1.15 454	1.17 532	1.11 502	1.11 517	1.15 491	1.16 525	1.10 497	1.16 524	1.10 502	1.15 512	1.14 508	1.13 518	1.09 474	1.11 493	1.15 510	1.16 524	1.17 494	1.17 522

edge stereo	2.43 619	27.07 681	1.14 490	1.06 442	1.14 526	1.08 496	1.17 524	1.16 494	1.14 523	1.10 497	1.16 524	1.09 500	1.16 516	1.10 503	1.16 523	1.10 476	1.11 493	1.16 511	1.19 526	1.13 483	1.11 511

Abc-Net	2.32 611	24.75 672	1.14 490	1.17 460	1.17 532	1.11 502	1.15 521	1.17 496	1.21 577	1.08 496	1.16 524	1.12 507	1.14 511	1.09 501	1.17 524	1.09 474	1.16 499	1.17 515	1.17 525	1.16 489	1.11 511
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 612	24.38 671	1.18 496	1.18 461	1.18 534	1.14 505	1.18 525	1.19 499	1.19 531	1.14 506	1.18 528	1.14 508	1.18 517	1.14 508	1.18 525	1.14 485	1.14 497	1.19 520	1.19 526	1.15 487	1.19 526

DisPM	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

CrosDoStereo	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

PFNet+	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

LCNet	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

HHNet	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

Patchmatch Stereo++	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

STrans-v2	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

TransformOpticalFlow	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

OMP-Stereo	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

IIG-Stereo	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

NF-Stereo	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

OCTAStereo	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

PSM-softLoss	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

KMStereo	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

NRIStereo	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

PSM-adaLoss	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

PSM-AAD	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

FTStereo	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

ROB_FTStereo_v2	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

ROB_FTStereo	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

Consistency-Raft	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

KYRaft	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

HUI-Stereo	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

ASMatch	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

DeepStereo_LL	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

DEmStereo	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

SST-Stereo	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

THIR-Stereo	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

RAFT_R40	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

DRaft	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

PFNet	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

GrayStereo	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

RE-Stereo	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

Pruner-Stereo	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

TVStereo	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

DeepStereo_RVC	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

RAFT-RH_RVC	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

IRAFT_RVC	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

RAFT-345	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

iRAFT	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

CRE-IMP	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

GMM-Stereo	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

RAFT-IKP	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

Prome-Stereo	1.20 499	1.20 373	1.20 501	1.20 463	1.20 535	1.20 508	1.20 527	1.20 502	1.20 532	1.20 510	1.20 529	1.20 513	1.20 519	1.20 513	1.20 529	1.20 490	1.20 504	1.20 522	1.20 529	1.20 499	1.20 527

MaDis-Stereo	3.19 633	6.02 636	1.12 488	5.61 650	1.16 531	5.43 668	1.02 513	5.15 667	0.70 470	5.43 667	1.21 574	5.03 668	0.97 493	4.85 661	0.99 504	4.53 639	1.16 499	5.53 667	1.25 579	5.37 657	1.30 579

FAT-Stereo	2.46 620	26.05 678	1.23 550	1.23 510	1.22 583	1.20 508	1.24 575	1.23 550	1.23 579	1.19 509	1.22 575	1.21 558	1.24 567	1.20 513	1.24 576	1.21 536	1.17 502	1.22 568	1.25 579	1.20 499	1.24 576

GANetREF_RVC	1.55 557	1.94 505	1.22 548	1.88 548	1.21 581	1.88 583	1.22 573	1.88 577	1.22 578	1.88 580	1.22 575	1.88 582	1.22 566	1.89 586	1.22 575	1.87 571	1.22 551	1.88 597	1.22 575	1.88 575	1.22 573
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
S-Stereo	2.51 621	26.86 679	1.23 550	1.22 508	1.22 583	1.24 556	1.25 576	1.22 548	1.24 580	1.21 555	1.24 577	1.19 512	1.27 569	1.19 512	1.24 576	1.19 488	1.20 504	1.25 569	1.19 526	1.24 548	1.23 575

SPS-STEREO	1.59 558	1.91 499	1.21 547	1.94 551	1.20 535	2.00 591	1.23 574	1.99 582	1.24 580	2.00 588	1.25 578	2.03 592	1.26 568	2.00 590	1.29 583	1.90 575	1.18 503	1.89 598	1.21 574	1.89 576	1.20 527
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
StereoVision	3.15 632	5.00 614	0.89 464	4.83 641	1.00 513	3.93 641	1.27 579	6.37 670	1.34 585	5.67 670	1.26 579	5.84 671	1.27 569	5.03 667	1.24 576	5.10 658	1.09 489	4.61 651	0.57 451	5.62 659	1.12 513

2.25w	2.00 576	1.86 493	1.98 614	2.95 589	2.17 635	2.26 598	1.35 583	2.42 607	2.00 633	2.07 596	1.27 580	2.53 609	1.99 616	2.29 600	1.49 595	2.21 590	1.32 553	1.85 590	1.87 624	2.52 605	1.62 603

4.5_new	2.00 576	1.84 489	1.98 614	2.77 583	2.16 633	2.27 599	1.28 580	2.09 587	1.98 630	2.01 589	1.28 581	2.71 621	1.98 614	2.51 612	1.65 601	2.26 592	1.33 560	1.87 594	1.87 624	2.49 601	1.60 600

1w_stereo	2.05 591	2.32 529	1.35 556	3.74 622	2.01 625	2.73 625	1.42 595	1.88 577	1.93 628	2.03 591	1.28 581	2.71 621	1.99 616	2.72 623	1.72 608	2.20 589	1.32 553	1.87 594	1.86 623	2.45 597	1.54 593

IGEV	2.02 584	2.20 520	1.82 597	2.90 588	2.16 633	2.41 607	1.25 576	2.00 583	1.98 630	1.99 587	1.31 583	2.72 625	1.93 610	2.67 620	1.69 605	2.26 592	1.32 553	1.83 589	1.87 624	2.53 608	1.61 602

3w_stereo	2.04 589	2.24 524	1.70 586	3.15 593	2.18 637	2.49 611	1.26 578	2.03 585	1.98 630	1.98 586	1.33 584	2.72 625	1.99 616	2.59 615	1.72 608	2.22 591	1.33 560	1.85 590	1.88 629	2.50 603	1.58 598

PS-NSSS	1.38 554	1.39 440	1.34 554	1.34 525	1.35 586	1.38 568	1.37 590	1.35 559	1.38 591	1.34 562	1.34 585	1.39 569	1.38 580	1.70 577	1.40 591	1.36 548	1.36 566	1.36 578	1.37 587	1.37 555	1.36 586

999	1.00 474	1.12 362	0.59 405	1.10 445	1.21 581	1.09 498	0.52 433	1.08 486	1.43 594	1.18 508	1.35 586	0.98 482	0.52 431	0.91 469	0.85 492	0.72 421	1.46 574	0.83 473	0.98 508	0.68 419	1.41 589

MaskLacGwcNet_RVC	1.35 551	1.35 436	1.35 556	1.35 527	1.35 586	1.35 564	1.35 583	1.36 560	1.35 588	1.36 564	1.35 586	1.36 567	1.36 577	1.36 566	1.35 587	1.35 546	1.35 565	1.35 576	1.35 584	1.35 554	1.35 585

CC-Net-ROB	1.36 552	1.33 435	1.33 553	1.36 528	1.38 589	1.36 566	1.33 581	1.37 562	1.34 585	1.35 563	1.36 588	1.38 568	1.34 575	1.38 568	1.38 590	1.35 546	1.38 569	1.33 573	1.35 584	1.43 557	1.34 584

3.25w	2.04 589	2.20 520	1.48 574	3.03 590	2.17 635	2.63 621	1.39 591	1.96 580	1.95 629	1.96 583	1.37 589	2.71 621	1.96 613	2.71 621	1.73 613	2.26 592	1.32 553	1.87 594	1.87 624	2.51 604	1.63 604

MC-Stereo	1.76 563	2.96 569	1.37 566	2.14 559	1.37 588	2.14 597	1.36 585	2.14 591	1.37 590	2.14 597	1.37 589	2.14 594	1.37 579	2.14 595	1.37 589	1.97 579	1.32 553	1.97 600	1.32 583	1.98 577	1.33 582

HBP-ISP	1.24 547	1.72 452	1.65 584	1.15 454	0.76 487	1.40 570	0.88 495	1.67 574	1.02 518	1.69 578	1.38 591	1.69 579	1.21 565	1.87 585	1.21 574	1.05 471	0.79 458	0.97 496	0.80 496	1.19 497	0.75 472

CFNet-RSSM	0.91 460	4.89 613	0.34 269	0.44 281	1.07 523	1.62 579	1.40 592	0.91 461	0.35 355	1.60 571	1.39 592	0.64 437	0.34 349	0.44 348	0.33 331	0.41 296	0.35 316	0.75 457	0.30 329	0.41 348	0.29 297

2.5w	2.01 583	2.40 539	1.37 566	3.28 600	2.01 625	2.71 622	1.43 598	1.82 576	1.83 618	1.90 582	1.41 593	2.71 621	1.35 576	2.71 621	1.85 619	2.66 616	1.53 579	1.64 585	1.23 576	2.53 608	1.87 619

MM-Stereo_test1	1.80 566	3.41 581	1.52 579	2.12 558	1.41 591	2.04 592	1.41 593	2.05 586	1.46 595	2.04 592	1.41 593	2.05 593	1.42 582	2.05 591	1.43 593	2.04 583	1.54 581	1.94 599	1.38 589	1.99 578	1.33 582

sCroCo_RVC	2.10 593	2.76 561	1.92 611	2.78 586	1.39 590	2.73 625	1.41 593	2.73 622	1.40 592	2.77 631	1.41 593	2.74 627	1.40 581	2.74 626	1.40 591	2.72 620	1.42 572	2.72 628	1.44 595	2.79 615	1.42 590

MonStereo1	1.94 570	2.77 563	1.52 579	3.73 621	1.51 595	2.13 596	1.42 595	2.32 601	1.52 596	2.31 605	1.50 596	2.53 609	1.59 585	2.34 603	1.56 596	1.91 576	1.36 566	1.86 593	1.31 582	2.07 579	1.53 592

monsters	2.18 598	2.41 540	1.96 613	3.47 610	2.03 629	2.53 615	1.64 603	2.48 609	1.73 609	2.40 609	1.50 596	2.62 617	1.94 611	2.59 615	1.94 626	2.44 608	1.57 583	2.28 609	1.87 624	2.42 595	1.86 617

ff7	1.68 560	2.68 550	1.35 556	0.97 432	0.89 502	1.84 580	2.15 630	2.12 588	1.80 615	2.05 593	1.56 598	2.33 599	2.12 621	2.23 596	2.25 633	1.31 542	1.07 483	1.48 580	1.41 590	0.90 455	1.04 508

ffff	1.68 560	2.68 550	1.35 556	0.97 432	0.89 502	1.84 580	2.15 630	2.12 588	1.80 615	2.05 593	1.56 598	2.33 599	2.12 621	2.23 596	2.25 633	1.31 542	1.07 483	1.48 580	1.41 590	0.90 455	1.04 508

ccc-4	1.68 560	2.68 550	1.35 556	0.97 432	0.89 502	1.84 580	2.15 630	2.12 588	1.80 615	2.05 593	1.56 598	2.33 599	2.12 621	2.23 596	2.25 633	1.31 542	1.07 483	1.48 580	1.41 590	0.90 455	1.04 508

DPSMNet_ROB	1.60 559	1.59 447	1.70 586	1.59 537	1.59 598	1.61 577	1.61 601	1.60 567	1.60 598	1.62 577	1.59 601	1.60 575	1.60 586	1.60 573	1.59 598	1.59 561	1.60 588	1.59 584	1.59 604	1.59 562	1.59 599

3.25w_new	2.03 586	2.72 557	1.35 556	3.33 605	1.57 596	2.72 623	1.53 600	2.15 592	1.33 584	2.15 598	1.60 602	2.63 618	1.30 572	2.72 623	1.99 630	2.67 618	1.53 579	1.75 588	1.25 579	2.53 608	1.87 619

RASNet	1.49 555	1.65 448	1.45 572	1.38 530	1.43 592	1.47 574	1.36 585	1.38 563	1.36 589	1.39 565	1.60 602	1.45 572	1.45 583	1.51 572	2.21 632	1.53 560	1.36 566	1.36 578	1.36 586	1.66 566	1.36 586

3.5w_stereo	2.03 586	2.72 557	1.35 556	3.41 607	1.57 596	2.72 623	1.49 599	2.01 584	1.34 585	2.15 598	1.61 604	2.63 618	1.36 577	2.72 623	1.99 630	2.66 616	1.58 584	1.68 587	1.24 577	2.53 608	1.87 619

monsterstereo	2.20 604	2.33 530	1.95 612	3.65 617	2.07 630	2.49 611	1.61 601	2.48 609	1.83 618	2.45 611	1.61 604	2.67 620	1.86 603	2.64 617	1.94 626	2.48 612	1.66 592	2.34 613	1.68 614	2.40 594	1.86 617

4w-stereo	2.02 584	2.72 557	1.44 571	3.36 606	1.59 598	2.48 610	1.72 607	2.28 594	1.24 580	2.24 600	1.65 606	2.56 614	1.32 574	2.39 606	1.98 629	2.67 618	1.51 577	1.66 586	1.24 577	2.53 608	1.88 622

Anonymous3	2.55 622	3.26 579	1.65 584	3.28 600	1.63 601	3.24 634	1.68 604	3.27 633	1.66 599	3.28 634	1.67 607	3.25 634	1.66 589	3.27 633	1.64 600	3.26 626	1.65 591	3.30 632	1.65 610	4.95 652	1.65 607

MonStereo	2.17 596	2.41 540	1.49 578	2.67 580	1.67 603	2.60 620	2.04 628	2.32 601	1.76 612	2.44 610	1.68 608	2.50 607	1.69 592	2.38 604	1.80 616	2.28 596	1.78 598	2.63 627	2.14 632	3.47 620	1.68 608

UDGNet	2.23 608	5.40 626	1.72 589	2.48 575	1.69 606	2.51 614	1.69 605	2.51 612	1.72 608	2.50 614	1.69 609	2.52 608	1.69 592	2.50 611	1.68 604	2.41 607	1.70 594	2.42 618	1.69 616	2.42 595	1.64 605

MFMNet_re	1.81 567	1.91 499	1.71 588	1.95 553	1.70 609	1.95 588	1.70 606	1.96 580	1.74 611	1.97 585	1.72 610	1.95 585	1.71 594	1.97 589	1.71 606	1.86 569	1.62 589	1.85 590	1.66 611	1.86 574	1.64 605

U	5.15 668	8.49 648	1.81 592	8.49 665	1.77 611	8.49 677	1.77 608	8.51 678	1.77 613	8.49 678	1.77 611	8.50 678	1.78 601	8.58 678	1.77 614	8.54 676	1.78 598	8.55 678	1.78 621	8.55 672	1.84 615

asda	2.17 596	2.54 544	1.81 592	3.47 610	1.78 612	2.50 613	1.86 614	2.61 615	1.68 600	2.61 617	1.83 612	2.37 603	1.73 596	2.44 610	1.88 624	2.51 613	1.84 602	2.34 613	1.62 608	2.23 585	1.77 614

HUF	2.18 598	2.30 527	1.99 617	2.34 571	2.02 628	2.41 607	2.06 629	2.38 605	1.89 626	2.36 607	1.85 613	2.56 614	1.98 614	2.31 602	1.97 628	2.30 599	2.03 613	2.30 610	2.11 631	2.23 585	2.16 624

LGtest1	2.22 605	2.70 553	1.89 608	2.76 582	1.86 617	2.75 627	1.86 614	2.75 623	1.86 620	2.75 626	1.86 614	2.77 630	1.87 604	2.75 627	1.86 620	2.46 609	1.58 584	2.45 619	1.56 598	2.45 597	1.56 595

LG-G_1	2.22 605	2.71 555	1.89 608	2.77 583	1.87 620	2.75 627	1.87 616	2.76 624	1.87 624	2.75 626	1.87 615	2.76 628	1.87 604	2.75 627	1.86 620	2.47 610	1.58 584	2.45 619	1.57 599	2.45 597	1.57 596

LG-G	2.22 605	2.71 555	1.89 608	2.77 583	1.87 620	2.75 627	1.87 616	2.76 624	1.87 624	2.75 626	1.87 615	2.76 628	1.87 604	2.75 627	1.86 620	2.47 610	1.58 584	2.45 619	1.57 599	2.45 597	1.57 596

TRStereo	2.00 576	2.13 514	1.85 603	2.27 565	1.84 614	2.28 601	1.84 610	2.29 596	1.86 620	2.30 602	1.87 615	2.30 596	1.87 604	2.08 592	1.72 608	2.08 584	1.72 595	2.08 603	1.72 617	2.08 580	1.72 610

XX-Stereo	2.00 576	2.13 514	1.85 603	2.27 565	1.84 614	2.28 601	1.84 610	2.29 596	1.86 620	2.30 602	1.87 615	2.30 596	1.87 604	2.08 592	1.72 608	2.08 584	1.72 595	2.08 603	1.72 617	2.08 580	1.72 610

EAI-Stereo	2.00 576	2.13 514	1.85 603	2.27 565	1.84 614	2.28 601	1.84 610	2.29 596	1.86 620	2.30 602	1.87 615	2.30 596	1.87 604	2.08 592	1.72 608	2.08 584	1.72 595	2.08 603	1.72 617	2.08 580	1.72 610

IGEVStereo-DCA	1.77 564	4.21 604	1.84 601	2.49 576	2.11 631	2.54 617	1.36 585	1.65 572	1.17 529	2.75 626	1.90 620	2.54 612	1.15 512	0.94 475	1.11 516	1.50 557	1.32 553	0.96 494	1.46 596	1.49 559	0.88 487

rrr	1.77 564	4.21 604	1.84 601	2.49 576	2.11 631	2.54 617	1.36 585	1.65 572	1.17 529	2.75 626	1.90 620	2.54 612	1.15 512	0.94 475	1.11 516	1.50 557	1.32 553	0.96 494	1.46 596	1.49 559	0.88 487

qwe	2.18 598	2.60 547	1.58 581	3.83 623	1.90 622	2.53 615	1.90 619	2.48 609	1.73 609	2.37 608	1.92 622	2.53 609	1.68 590	2.56 613	1.83 617	2.52 615	1.87 604	2.07 602	1.68 614	2.32 591	1.71 609

2w_stereo	1.99 572	2.36 537	1.81 592	3.24 598	1.67 603	1.94 585	1.98 621	2.72 616	1.68 600	2.72 620	1.94 623	1.98 588	1.74 598	1.79 582	1.27 580	1.95 578	2.00 606	2.53 624	1.60 605	1.68 567	1.15 518

AIO_test	2.18 598	2.09 512	2.04 618	2.42 573	2.01 625	2.47 609	1.94 620	2.34 603	2.03 634	2.56 616	1.94 623	2.43 605	1.94 611	2.41 607	1.87 623	2.39 606	2.10 615	2.35 615	1.91 630	2.25 587	2.19 625

AIO_rvc	2.18 598	2.34 534	1.87 607	2.32 569	1.94 623	2.40 606	1.89 618	2.37 604	2.07 635	2.52 615	1.95 625	2.44 606	1.99 616	2.41 607	1.89 625	2.32 601	2.09 614	2.24 607	2.18 633	2.21 584	2.23 626

asd	2.18 598	2.77 563	1.58 581	3.59 615	2.00 624	2.58 619	1.85 613	2.39 606	1.71 604	2.47 612	1.97 626	2.59 616	1.61 587	2.56 613	1.79 615	2.51 613	1.99 605	2.11 606	1.62 608	2.36 593	1.60 600

4.25_new	2.00 576	2.33 530	1.82 597	3.32 603	1.69 606	1.95 588	1.99 624	2.72 616	1.71 604	2.72 620	1.97 626	2.01 590	1.74 598	1.77 580	1.28 581	2.18 587	2.01 608	2.48 622	1.58 602	1.65 564	1.17 522

4.5w_new	2.00 576	2.33 530	1.82 597	3.32 603	1.69 606	1.95 588	1.99 624	2.72 616	1.71 604	2.72 620	1.97 626	2.01 590	1.74 598	1.77 580	1.28 581	2.18 587	2.01 608	2.48 622	1.58 602	1.65 564	1.17 522

3.75w	1.99 572	2.31 528	1.83 600	3.16 594	1.65 602	1.93 584	1.98 621	2.72 616	1.68 600	2.73 625	1.97 626	2.00 589	1.72 595	1.81 583	1.25 579	2.27 595	2.01 608	2.38 616	1.42 593	1.71 568	1.24 576

RAFT_CTSACE	1.92 569	3.71 588	1.72 589	1.88 548	1.72 610	2.04 592	1.42 595	2.18 593	1.89 626	2.02 590	1.97 626	1.95 585	2.06 620	1.93 587	1.62 599	1.76 566	1.66 592	2.02 601	1.73 620	1.73 569	1.43 591

FBW_ROB	2.12 595	2.46 543	1.77 591	2.49 576	1.79 613	2.38 605	1.83 609	2.46 608	1.78 614	2.48 613	1.97 626	2.40 604	1.78 601	2.42 609	1.83 617	2.31 600	1.85 603	2.38 616	1.82 622	2.35 592	1.84 615

4.25w-stereo	1.98 571	2.72 557	1.46 573	3.47 610	1.43 592	2.07 594	1.98 621	2.53 613	1.52 596	2.71 619	1.98 632	1.81 580	1.62 588	1.96 588	1.36 588	1.88 574	2.00 606	2.53 624	1.61 606	1.74 570	1.15 518

sAnonymous2	3.31 634	2.63 548	1.38 568	3.71 619	1.86 617	4.70 660	1.11 517	4.82 663	2.72 640	5.45 668	1.98 632	4.59 653	2.64 627	2.65 618	6.21 673	4.37 635	1.08 487	5.16 665	2.24 635	4.52 634	2.39 632

CroCo_RVC	3.31 634	2.63 548	1.38 568	3.71 619	1.86 617	4.70 660	1.11 517	4.82 663	2.72 640	5.45 668	1.98 632	4.59 653	2.64 627	2.65 618	6.21 673	4.37 635	1.08 487	5.16 665	2.24 635	4.52 634	2.39 632

4.5w-stereo	1.99 572	2.33 530	1.81 592	3.28 600	1.68 605	1.94 585	1.99 624	2.72 616	1.70 603	2.72 620	1.99 635	1.97 587	1.68 590	1.76 579	1.29 583	1.91 576	2.02 612	2.53 624	1.61 606	1.75 571	1.16 521

2.75w_new	1.99 572	2.34 534	1.81 592	3.14 592	1.62 600	1.94 585	1.99 624	2.72 616	1.71 604	2.72 620	1.99 635	1.90 583	1.73 596	1.82 584	1.29 583	2.37 604	2.01 608	2.31 611	1.42 593	1.77 572	1.22 573

FC-DCNN	1.07 488	1.09 357	0.98 476	0.89 413	0.52 440	1.41 571	0.91 498	1.21 547	1.24 580	1.96 583	2.05 637	1.91 584	1.30 572	1.27 563	1.08 514	0.80 433	0.60 418	0.58 434	0.41 407	0.68 419	0.54 423

NCCL2	2.28 610	2.27 525	2.28 620	2.28 568	2.28 638	2.27 599	2.29 633	2.28 594	2.28 636	2.27 601	2.28 638	2.28 595	2.27 624	2.27 599	2.28 637	2.28 596	2.28 620	2.27 608	2.29 637	2.27 588	2.29 627

STTStereo	3.73 638	30.40 685	2.37 624	2.39 572	2.31 640	2.35 604	2.33 634	2.29 596	2.42 637	2.32 606	2.34 639	2.33 599	2.36 625	2.30 601	2.27 636	2.35 603	2.22 619	2.31 611	2.22 634	2.29 590	2.34 631

NLSM1	2.93 631	3.24 578	2.57 628	4.04 624	2.66 641	3.30 636	2.55 636	3.29 634	2.55 638	3.35 636	2.48 640	3.28 635	2.47 626	3.34 636	2.49 638	3.26 626	2.55 626	3.13 630	2.57 640	3.00 617	2.46 634

NLCA_NET_v2_RVC	5.04 666	50.87 695	2.78 629	2.87 587	2.71 642	2.78 630	0.47 414	2.88 629	2.86 642	1.89 581	2.67 641	2.79 631	2.79 630	2.78 630	2.83 639	2.82 621	2.82 627	2.83 629	2.77 641	2.83 616	2.76 636
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
rvit_stereo_0081	3.83 639	5.23 620	3.01 633	4.53 628	3.03 646	4.55 654	3.02 643	4.56 650	3.04 643	4.52 647	3.02 642	4.54 649	3.03 631	4.56 650	3.04 640	4.57 641	3.05 629	4.57 646	3.05 645	4.58 637	3.05 641

rvit_stereo_0082	3.86 641	5.82 634	3.01 633	4.53 628	3.03 646	4.54 650	3.02 643	4.56 650	3.04 643	4.53 649	3.02 642	4.55 651	3.04 634	4.57 653	3.05 642	4.57 641	3.05 629	4.58 648	3.05 645	4.58 637	3.06 644

rvit_0105_6	3.87 643	5.73 633	3.10 643	4.69 638	3.12 654	4.54 650	3.02 643	4.56 650	3.04 643	4.54 651	3.03 644	4.54 649	3.04 634	4.56 650	3.05 642	4.58 644	3.05 629	4.58 648	3.05 645	4.58 637	3.05 641

rvit_105_1	3.83 639	5.22 619	3.01 633	4.53 628	3.01 644	4.51 648	3.01 642	4.56 650	3.04 643	4.53 649	3.03 644	4.55 651	3.03 631	4.56 650	3.04 640	4.57 641	3.05 629	4.57 646	3.05 645	4.57 636	3.05 641

rvit_stereo_0081_aga	3.86 641	5.33 623	3.02 636	4.55 634	3.04 650	4.54 650	3.02 643	4.64 657	3.06 647	4.54 651	3.04 646	4.62 658	3.08 638	4.62 656	3.07 645	4.58 644	3.06 633	4.60 650	3.08 649	4.63 640	3.07 645

rvit_0105_4	3.91 646	5.47 630	3.02 636	4.54 631	3.02 645	4.54 650	3.03 647	4.75 660	3.17 654	4.57 653	3.06 647	4.61 657	3.16 642	4.65 657	3.09 648	4.66 648	3.11 637	4.68 655	3.18 656	4.81 647	3.16 653

rvit_stereo_0080	3.89 644	5.70 631	3.04 638	4.54 631	3.03 646	4.56 655	3.05 649	4.60 654	3.07 648	4.58 654	3.06 647	4.59 653	3.06 636	4.61 654	3.08 646	4.63 646	3.09 634	4.64 652	3.10 650	4.65 641	3.10 648

whm_eth	3.89 644	5.70 631	3.04 638	4.54 631	3.03 646	4.56 655	3.05 649	4.60 654	3.07 648	4.58 654	3.06 647	4.59 653	3.06 636	4.61 654	3.08 646	4.63 646	3.09 634	4.64 652	3.10 650	4.65 641	3.10 648

rvit_0105_3	3.91 646	5.33 623	3.06 641	4.60 636	3.07 652	4.60 657	3.06 651	4.62 656	3.08 651	4.60 656	3.07 650	4.62 658	3.08 638	4.67 658	3.10 649	4.70 649	3.11 637	4.77 659	3.19 657	4.77 646	3.14 652

DispFullNet	4.61 659	4.84 611	3.12 644	5.00 644	3.57 660	4.75 663	3.03 647	7.75 676	4.17 668	4.91 663	3.09 651	6.20 672	3.95 657	6.71 672	3.51 655	5.30 659	3.67 647	5.86 671	3.63 660	5.61 658	3.46 658

rvit_stereo_0083	3.92 648	5.30 622	3.06 641	4.61 637	3.09 653	4.67 659	3.08 652	4.66 658	3.09 652	4.62 657	3.10 652	4.66 661	3.11 640	4.67 658	3.16 651	4.72 651	3.16 640	4.77 659	3.11 652	4.66 643	3.11 650

rvit_stereo_ft	3.93 649	5.44 628	3.05 640	4.59 635	3.06 651	4.61 658	3.08 652	4.67 659	3.12 653	4.63 658	3.10 652	4.65 660	3.11 640	4.69 660	3.13 650	4.70 649	3.14 639	4.71 657	3.15 655	4.74 644	3.16 653

rvit_0105_5	4.10 650	5.40 626	3.13 646	4.71 639	3.15 655	4.72 662	3.10 654	4.90 665	3.27 656	4.69 659	3.16 654	4.84 665	3.25 644	4.96 664	3.34 654	5.05 656	3.39 645	5.10 664	3.40 658	5.11 654	3.42 657

NLCSM	3.67 637	4.08 599	3.19 647	4.80 640	3.26 656	3.99 644	3.24 657	4.25 646	3.18 655	4.09 642	3.27 655	4.14 644	3.18 643	4.13 644	3.28 653	4.06 633	3.10 636	3.85 642	3.14 654	3.91 627	3.27 656

RAFT+CT+SA	4.28 653	7.62 642	4.91 658	5.55 649	2.28 638	3.09 631	3.64 661	4.49 648	3.07 648	4.80 660	3.35 656	4.77 663	3.70 650	4.29 647	3.05 642	5.58 660	5.98 662	3.58 636	3.78 665	4.26 630	3.72 661

MLG-Stereo_test1	4.25 651	5.34 625	3.61 650	5.31 646	3.63 662	5.23 666	3.57 660	5.38 668	3.65 658	5.23 665	3.47 657	4.76 662	3.74 651	4.85 661	3.71 658	4.96 653	3.18 642	4.71 657	2.92 642	4.86 650	2.90 638

TestStereo1	4.60 657	8.41 646	6.44 667	6.86 658	3.79 665	3.97 642	3.78 664	3.99 643	3.74 661	3.97 640	3.52 658	3.94 642	3.58 645	3.98 642	3.72 659	6.82 669	6.50 665	3.76 639	3.66 661	3.90 624	3.74 663

SA-5K	4.60 657	8.41 646	6.44 667	6.86 658	3.79 665	3.97 642	3.78 664	3.99 643	3.74 661	3.97 640	3.52 658	3.94 642	3.58 645	3.98 642	3.72 659	6.82 669	6.50 665	3.76 639	3.66 661	3.90 624	3.74 663

DPSNet	3.66 636	3.60 584	3.62 651	3.63 616	3.64 663	3.65 639	3.65 662	3.66 639	3.67 659	3.67 638	3.65 660	3.67 639	3.66 648	3.66 638	3.68 657	3.68 631	3.66 646	3.67 637	3.68 663	3.67 621	3.67 660

MLG-Stereo_test3	4.26 652	4.85 612	3.95 654	5.35 647	3.60 661	4.75 663	3.76 663	5.49 669	3.71 660	5.39 666	3.69 661	4.82 664	3.66 648	4.85 661	3.73 661	4.93 652	3.19 643	4.69 656	2.99 644	4.84 649	2.98 640

MLG-Stereo_test2	4.28 653	5.46 629	3.69 652	4.86 642	3.72 664	5.58 669	3.42 658	4.81 662	3.77 664	4.85 661	3.72 662	5.55 670	3.63 647	5.58 668	3.53 656	4.41 638	3.28 644	4.99 663	2.95 643	4.75 645	3.13 651

SA	4.33 655	7.35 639	6.85 670	5.96 652	4.09 668	3.59 638	3.15 655	3.82 641	2.64 639	3.91 639	3.85 663	3.57 637	2.72 629	3.13 632	4.03 664	7.09 672	6.86 667	3.57 635	3.12 653	3.85 623	3.51 659

test_4	4.88 663	8.13 644	6.98 671	7.46 661	4.44 670	4.25 646	3.85 666	4.04 645	3.92 665	4.13 643	3.91 664	4.18 646	3.84 655	4.14 645	4.06 665	7.01 671	7.13 668	4.53 644	3.72 664	4.09 628	3.72 661

cross-raft	4.83 662	7.52 640	6.43 666	6.63 656	3.96 667	4.51 648	3.99 667	4.49 648	3.96 666	4.52 647	3.96 665	4.50 648	3.97 658	4.50 649	3.97 663	6.65 667	6.44 664	4.33 643	3.92 667	4.35 632	3.91 666

Sa-1000	4.34 656	8.37 645	6.84 669	6.98 660	4.45 671	3.58 637	3.00 641	3.42 637	3.39 657	2.61 617	4.00 666	3.83 641	4.01 659	3.90 641	3.90 662	5.98 664	5.62 659	3.76 639	2.34 638	4.35 632	2.47 635

test_3	5.01 665	8.86 651	7.77 673	8.09 663	2.76 643	4.13 645	4.05 668	3.88 642	3.76 663	4.33 645	4.13 667	3.71 640	3.91 656	4.21 646	4.06 665	7.93 673	7.69 670	4.53 644	3.91 666	4.17 629	4.29 669

SGM-Forest	5.21 669	5.92 635	4.08 655	6.18 653	4.16 669	6.31 671	4.34 670	6.50 671	4.33 669	6.14 672	4.21 668	6.61 675	4.55 663	6.67 671	4.48 668	5.94 663	3.94 649	5.85 670	4.03 669	5.79 660	4.17 668
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
raft_robust	4.71 661	7.75 643	5.40 663	6.81 657	3.31 657	4.28 647	4.20 669	4.32 647	4.37 670	4.35 646	4.35 669	4.14 644	3.75 652	4.30 648	4.20 667	6.67 668	6.37 663	3.36 634	4.24 671	4.86 650	3.25 655

test_5	4.62 660	7.55 641	6.23 665	6.32 655	3.40 659	5.29 667	3.50 659	3.53 638	4.11 667	4.28 644	4.47 670	4.26 647	4.38 662	3.68 639	3.24 652	5.89 662	5.60 658	4.84 661	3.50 659	4.33 631	3.93 667

TestStereo	4.88 663	4.75 610	4.79 657	4.87 643	4.92 672	4.81 665	4.90 672	4.78 661	4.77 671	4.87 662	4.89 671	4.90 666	4.91 664	4.99 665	4.79 669	4.98 654	4.87 655	4.87 662	4.92 673	5.00 653	5.00 670

FC-DCNN v2	5.10 667	5.15 617	4.49 656	5.07 645	3.37 658	6.87 672	4.75 671	5.04 666	6.34 675	7.84 676	5.06 672	6.72 676	4.09 660	4.99 665	5.44 672	5.03 655	3.16 640	4.67 654	4.86 672	5.15 655	3.89 665

SGM+DAISY	7.06 673	9.15 652	5.38 662	8.84 667	5.18 673	8.80 678	5.31 674	8.79 679	5.28 673	8.89 679	5.20 673	8.93 679	5.33 666	8.95 679	5.36 671	8.70 677	5.21 656	8.74 679	5.20 674	8.89 673	5.15 671

rvit_stereo_0075_2	6.64 671	8.80 650	5.25 660	7.89 662	5.27 674	7.90 676	5.27 673	7.92 677	5.28 673	7.91 677	5.29 674	7.93 677	5.27 665	7.92 677	5.28 670	7.93 673	5.28 657	7.93 676	5.29 675	7.93 669	5.28 672

test-v	7.53 674	11.89 662	7.98 674	9.36 669	7.14 677	7.06 674	7.09 677	7.37 674	6.91 677	7.29 674	5.71 675	6.45 673	6.93 670	6.73 673	7.27 677	8.93 678	7.85 671	6.98 674	6.80 678	7.56 667	7.34 676

test-2	7.53 674	11.89 662	7.98 674	9.36 669	7.14 677	7.06 674	7.09 677	7.37 674	6.91 677	7.29 674	5.71 675	6.45 673	6.93 670	6.73 673	7.27 677	8.93 678	7.85 671	6.98 674	6.80 678	7.56 667	7.34 676

test-1	6.46 670	9.16 653	8.03 676	8.09 663	5.62 675	6.11 670	6.35 675	6.85 673	4.94 672	6.08 671	6.29 677	4.98 667	6.43 669	6.22 669	6.36 675	6.16 666	7.47 669	5.82 669	5.44 676	7.11 666	5.68 673

RAFT	6.73 672	9.36 654	7.40 672	8.51 666	6.55 676	6.88 673	6.60 676	6.79 672	6.60 676	6.80 673	6.72 678	5.31 669	5.50 667	6.61 670	6.61 676	8.42 675	5.89 660	5.73 668	5.45 677	6.61 662	6.24 674

MANE	19.05 677	23.00 670	15.00 677	23.00 684	15.00 679	24.00 685	16.00 679	24.00 686	16.00 679	22.00 686	15.00 679	23.00 686	16.00 679	23.00 686	15.00 679	22.00 686	15.00 680	22.00 686	15.00 680	22.00 686	15.00 678

rafts_anoy	20.00 678	20.00 664	20.00 678	20.00 678	20.00 680	20.00 679	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 681	20.00 680	20.00 681	20.00 680	20.00 679

raft+_RVC	20.00 678	20.00 664	20.00 678	20.00 678	20.00 680	20.00 679	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 681	20.00 680	20.00 681	20.00 680	20.00 679

raftrobust	20.00 678	20.00 664	20.00 678	20.00 678	20.00 680	20.00 679	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 681	20.00 680	20.00 681	20.00 680	20.00 679

CasAABBNet	20.00 678	20.00 664	20.00 678	20.00 678	20.00 680	20.00 679	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 681	20.00 680	20.00 681	20.00 680	20.00 679

RALCasStereoNet	20.00 678	20.00 664	20.00 678	20.00 678	20.00 680	20.00 679	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 681	20.00 680	20.00 681	20.00 680	20.00 679

RALAANet	20.00 678	20.00 664	20.00 678	20.00 678	20.00 680	20.00 679	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 680	20.00 681	20.00 680	20.00 681	20.00 680	20.00 679

WCMA_ROB	31.10 685	35.43 690	27.12 684	39.51 696	23.10 686	38.78 697	25.30 686	37.49 698	25.39 686	37.29 697	27.02 686	38.52 698	26.48 686	37.80 697	26.44 686	36.28 694	22.65 687	33.90 691	22.30 687	37.10 695	24.18 685

111	30.40 684	30.94 686	29.72 685	32.61 685	30.02 687	33.57 686	30.47 687	31.50 687	29.39 687	30.98 687	29.11 687	29.78 687	30.39 690	29.45 687	30.76 690	30.08 687	29.02 688	29.92 687	30.32 691	29.86 687	30.17 686

fff	1000028.16 704	29.62 682	29.72 685	32.61 685	30.02 687	35.13 688	31.83 688	32.07 688	10000000.00 706	35.27 690	29.82 688	32.45 688	30.15 687	32.35 688	30.09 687	31.04 688	29.55 689	30.64 688	30.14 688	10000000.00 707	30.77 687

csc	1000028.16 704	29.62 682	29.72 685	32.61 685	30.02 687	35.13 688	31.83 688	32.07 688	10000000.00 706	35.27 690	29.82 688	32.45 688	30.15 687	32.35 688	30.09 687	31.04 688	29.55 689	30.64 688	30.14 688	10000000.00 707	30.77 687

cscssc	1000028.16 704	29.62 682	29.72 685	32.61 685	30.02 687	35.13 688	31.83 688	32.07 688	10000000.00 706	35.27 690	29.82 688	32.45 688	30.15 687	32.35 688	30.09 687	31.04 688	29.55 689	30.64 688	30.14 688	10000000.00 707	30.77 687

tt	500032.53 702	34.60 688	29.72 685	37.47 694	34.41 692	36.85 692	35.22 692	34.71 691	33.55 689	34.50 688	35.43 691	33.81 691	10000000.00 707	33.57 691	33.13 691	33.68 691	35.00 693	34.03 692	35.26 694	30.96 688	34.63 691

DCANet	500032.53 702	34.60 688	29.72 685	37.47 694	34.41 692	36.85 692	35.22 692	34.71 691	33.55 689	34.50 688	35.43 691	33.81 691	10000000.00 707	33.57 691	33.13 691	33.68 691	35.00 693	34.03 692	35.26 694	30.96 688	34.63 691

DCANet-4	35.22 686	34.54 687	35.08 691	33.58 689	35.47 694	34.55 687	35.53 694	36.08 693	35.85 691	35.92 693	35.77 693	35.18 693	35.48 692	35.39 693	37.15 696	34.55 693	33.92 692	35.02 694	34.90 693	35.79 691	34.74 693

ADStereo(finetuned)	36.13 687	36.63 691	38.07 695	36.97 690	33.25 691	35.91 691	34.45 691	36.36 694	32.99 688	38.14 698	36.71 694	36.69 694	34.13 691	38.57 698	40.79 697	37.60 698	36.58 695	35.90 695	33.36 692	35.42 690	34.04 690

Reg-Stereo(zero)	37.00 688	37.00 692	37.00 692	37.00 691	37.00 695	37.00 694	37.00 695	37.00 695	37.00 692	37.00 694	37.00 695	37.00 695	37.00 693	37.00 694	37.00 693	37.00 695	37.00 696	37.00 696	37.00 696	37.00 692	37.00 694

HI	37.00 688	37.00 692	37.00 692	37.00 691	37.00 695	37.00 694	37.00 695	37.00 695	37.00 692	37.00 694	37.00 695	37.00 695	37.00 693	37.00 694	37.00 693	37.00 695	37.00 696	37.00 696	37.00 696	37.00 692	37.00 694

CoSv	37.00 688	37.00 692	37.00 692	37.00 691	37.00 695	37.00 694	37.00 695	37.00 695	37.00 692	37.00 694	37.00 695	37.00 695	37.00 693	37.00 694	37.00 693	37.00 695	37.00 696	37.00 696	37.00 696	37.00 692	37.00 694

MDST_ROB	69.83 691	87.70 696	41.95 696	113.75 699	65.62 700	75.05 698	55.25 699	75.64 700	45.04 695	71.61 699	41.75 698	72.81 699	44.06 696	68.38 699	44.63 698	101.89 701	59.57 701	107.10 701	61.05 701	104.38 698	59.38 699

CBMV	128.50 693	1422.70 707	53.10 697	79.50 698	51.30 699	77.30 699	49.70 698	74.00 699	48.20 696	77.20 700	48.80 699	73.90 700	48.00 697	73.80 700	48.80 699	70.40 700	45.10 700	68.90 700	46.10 700	68.20 697	45.00 698
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NOSS_ROB	102.95 692	153.00 700	121.00 699	51.00 697	44.00 698	165.00 701	127.00 700	153.00 701	119.00 697	164.00 702	125.00 700	168.00 702	120.00 698	153.00 701	117.00 700	49.00 699	44.00 699	49.00 699	44.00 699	49.00 696	44.00 697

MeshStereo	159.24 694	171.00 701	160.68 702	162.58 700	160.59 701	164.01 700	160.35 701	158.51 702	158.56 698	158.34 701	160.12 701	158.56 701	159.92 699	157.26 702	158.94 701	154.38 702	158.36 702	155.75 702	159.13 703	153.67 699	154.07 700
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 695	123.00 697	115.00 698	219.00 701	218.00 703	223.00 702	244.00 703	217.00 703	236.00 700	202.00 703	203.00 702	205.00 703	208.00 700	225.00 703	204.00 702	210.00 703	198.00 703	197.00 703	184.00 704	204.00 700	201.00 701

DLCB_ROB	284.23 698	354.61 703	207.27 703	363.24 704	206.46 702	364.72 705	210.41 702	364.72 706	210.41 699	364.81 706	208.64 703	364.81 706	208.64 701	364.72 706	210.41 703	354.70 706	205.53 704	354.70 706	205.53 705	354.70 703	205.53 702

MGS-Stereo	239.45 696	123.00 697	135.00 700	266.00 702	286.00 704	277.00 703	305.00 704	271.00 704	242.00 701	274.00 704	279.00 704	255.00 704	270.00 702	268.00 704	297.00 704	221.00 704	247.00 705	216.00 704	123.00 702	217.00 701	217.00 703

EGLCR-Stereo	246.90 697	129.00 699	139.00 701	266.00 702	286.00 704	277.00 703	305.00 704	271.00 704	242.00 701	274.00 704	279.00 704	255.00 704	270.00 702	268.00 704	297.00 704	230.00 705	247.00 705	216.00 704	223.00 706	237.00 702	227.00 704

LE_ROB	396.57 699	471.28 704	329.84 704	471.48 705	308.15 706	526.83 706	322.10 706	488.15 707	323.76 703	495.46 707	317.97 706	497.17 707	320.10 704	481.62 707	326.76 706	462.71 707	298.97 707	466.16 707	285.98 707	447.62 704	289.21 705

SGM-ForestM	596.69 700	677.77 705	444.52 705	699.85 706	517.25 707	732.94 707	488.29 707	770.79 708	460.11 704	750.81 708	487.98 707	792.79 708	499.41 705	730.90 708	475.81 707	720.03 708	491.16 708	663.96 708	418.60 708	674.76 705	436.05 706

CBMV_ROB	818.48 701	913.88 706	709.52 706	862.84 707	597.78 708	1073.99 708	700.52 708	1015.66 709	702.59 705	1115.65 709	760.02 708	1130.24 709	721.57 706	1037.41 709	692.65 708	814.05 709	564.29 709	843.28 709	595.31 709	915.51 706	602.92 707

111111	10000000.00 707	10000000.00 708	10000000.00 707	10000000.00 708	10000000.00 709	10000000.00 709	10000000.00 709	10000000.00 710	10000000.00 706	10000000.00 710	10000000.00 709	10000000.00 710	10000000.00 707	10000000.00 710	10000000.00 709	10000000.00 710	10000000.00 710	10000000.00 710	10000000.00 710	10000000.00 707	10000000.00 708

SGD-Stereo	10000000.00 707	10000000.00 708	10000000.00 707	10000000.00 708	10000000.00 709	10000000.00 709	10000000.00 709	10000000.00 710	10000000.00 706	10000000.00 710	10000000.00 709	10000000.00 710	10000000.00 707	10000000.00 710	10000000.00 709	10000000.00 710	10000000.00 710	10000000.00 710	10000000.00 710	10000000.00 707	10000000.00 708

IGEV-Stereo++	10000000.00 707	10000000.00 708	10000000.00 707	10000000.00 708	10000000.00 709	10000000.00 709	10000000.00 709	10000000.00 710	10000000.00 706	10000000.00 710	10000000.00 709	10000000.00 710	10000000.00 707	10000000.00 710	10000000.00 709	10000000.00 710	10000000.00 710	10000000.00 710	10000000.00 710	10000000.00 707	10000000.00 708

IGEV-BASED-STEREO-	10000000.00 707	10000000.00 708	10000000.00 707	10000000.00 708	10000000.00 709	10000000.00 709	10000000.00 709	10000000.00 710	10000000.00 706	10000000.00 710	10000000.00 709	10000000.00 710	10000000.00 707	10000000.00 710	10000000.00 709	10000000.00 710	10000000.00 710	10000000.00 710	10000000.00 710	10000000.00 707	10000000.00 708

IGEV-Stereo+	10000000.00 707	10000000.00 708	10000000.00 707	10000000.00 708	10000000.00 709	10000000.00 709	10000000.00 709	10000000.00 710	10000000.00 706	10000000.00 710	10000000.00 709	10000000.00 710	10000000.00 707	10000000.00 710	10000000.00 709	10000000.00 710	10000000.00 710	10000000.00 710	10000000.00 710	10000000.00 707	10000000.00 708

SDNR	10000000.00 707	10000000.00 708	10000000.00 707	10000000.00 708	10000000.00 709	10000000.00 709	10000000.00 709	10000000.00 710	10000000.00 706	10000000.00 710	10000000.00 709	10000000.00 710	10000000.00 707	10000000.00 710	10000000.00 709	10000000.00 710	10000000.00 710	10000000.00 710	10000000.00 710	10000000.00 707	10000000.00 708

anonymousdsp2	10000000.00 707	10000000.00 708	10000000.00 707	10000000.00 708	10000000.00 709	10000000.00 709	10000000.00 709	10000000.00 710	10000000.00 706	10000000.00 710	10000000.00 709	10000000.00 710	10000000.00 707	10000000.00 710	10000000.00 709	10000000.00 710	10000000.00 710	10000000.00 710	10000000.00 710	10000000.00 707	10000000.00 708

anonymousdsp	10000000.00 707	10000000.00 708	10000000.00 707	10000000.00 708	10000000.00 709	10000000.00 709	10000000.00 709	10000000.00 710	10000000.00 706	10000000.00 710	10000000.00 709	10000000.00 710	10000000.00 707	10000000.00 710	10000000.00 709	10000000.00 710	10000000.00 710	10000000.00 710	10000000.00 710	10000000.00 707	10000000.00 708

test_example2	10000000.00 707	10000000.00 708	10000000.00 707	10000000.00 708	10000000.00 709	10000000.00 709	10000000.00 709	10000000.00 710	10000000.00 706	10000000.00 710	10000000.00 709	10000000.00 710	10000000.00 707	10000000.00 710	10000000.00 709	10000000.00 710	10000000.00 710	10000000.00 710	10000000.00 710	10000000.00 707	10000000.00 708

DIP-Stereo	10000000.00 707	10000000.00 708	10000000.00 707	10000000.00 708	10000000.00 709	10000000.00 709	10000000.00 709	10000000.00 710	10000000.00 706	10000000.00 710	10000000.00 709	10000000.00 710	10000000.00 707	10000000.00 710	10000000.00 709	10000000.00 710	10000000.00 710	10000000.00 710	10000000.00 710	10000000.00 707	10000000.00 708
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ccccc		0.44 214		0.48 298	0.35 361	0.48 386		0.51 400		0.47 370		0.47 377		0.47 373		0.41 296	0.40 342	0.40 353	0.40 399	0.41 348

Low-res two-view benchmark