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	0.73 454	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 93	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	0.24 157	0.20 198	0.23 183	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	0.23 201	0.21 211	0.02 19	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 61	0.54 284	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	0.50 266	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	0.16 125	0.02 15	0.16 143	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.17 220	0.02 20	0.02 21	0.71 441	0.02 16	0.02 19	0.02 21	0.02 21	0.16 197

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	0.73 454	0.02 16	0.02 19	0.02 21	0.02 21	0.04 96

VMStereo-Base	0.03 29	0.09 93	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 79	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 91	1.05 387	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 91	1.05 387	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	1.03 383	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	0.87 332	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	1.01 377	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	0.95 354	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	0.15 151	0.70 303	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	0.67 485	0.02 15	0.69 471	0.75 495	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	0.11 112	0.44 236	0.33 272	0.39 250	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	0.39 295	0.36 337	0.02 19	0.02 21	0.02 21	0.02 20

psmg	0.43 322	1.91 537	0.92 504	1.91 585	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	1.97 615	1.44 608	0.04 93	0.03 57	0.02 21	0.03 52

CSP-Net	0.34 247	1.29 466	1.19 533	1.36 562	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	1.26 574	1.21 585	0.03 41	0.09 142	0.02 21	0.09 143

SFCPSM	0.17 164	0.78 317	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	0.79 523	0.02 15	0.75 484	0.76 497	0.02 21	0.02 21	0.02 20

Syn2CoEx	0.25 206	1.31 470	0.74 478	0.92 452	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	0.87 479	0.75 484	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	1.01 473	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	0.09 140	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	0.90 447	0.06 139	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.14 168	0.36 379	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.02 20

AnyNet_C01	0.11 112	0.02 12	0.02 15	1.62 578	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	0.06 115	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	0.26 215	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	0.06 134	0.05 103	0.03 52	4.34 670	0.03 39	0.04 93	0.03 57	0.05 114	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	0.11 168	0.04 90	0.03 52	0.58 411	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	0.75 457	0.03 39	0.03 41	0.03 57	0.03 47	0.04 96

RT-Monster	0.09 75	0.07 82	0.03 39	0.15 133	0.03 52	0.04 95	0.03 54	0.04 95	0.03 59	0.04 92	0.03 56	0.03 46	0.10 151	0.04 90	0.03 52	0.92 483	0.03 39	0.03 41	0.03 57	0.03 47	0.07 135

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 91	0.98 358	0.14 148	0.15 133	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	0.15 146	0.13 158	0.03 41	0.03 57	0.03 47	0.03 52

zh-mn7	0.12 125	1.14 400	0.17 183	0.20 167	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	0.18 174	0.16 174	0.03 41	0.03 57	0.03 47	0.03 52

w-ln-seven-2	0.14 139	1.22 462	0.28 235	0.32 221	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	0.32 244	0.27 241	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 91	1.05 387	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	1.00 367	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	0.97 357	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 91	1.07 391	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 91	1.03 383	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	0.87 332	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	0.14 139	1.83 522	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	0.06 115	0.04 97	0.12 111	0.11 121	0.05 108	0.04 99	0.05 114	0.04 96

11t1	0.17 164	2.16 557	0.13 143	0.13 117	0.04 101	0.06 119	0.04 103	0.06 121	0.04 103	0.06 123	0.03 56	0.06 124	0.03 53	0.06 115	0.05 115	0.18 174	0.12 135	0.06 121	0.03 57	0.05 114	0.03 52

DualNet	0.10 91	1.07 391	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	0.25 206	3.83 632	0.12 123	0.12 105	0.05 126	0.06 119	0.05 120	0.06 121	0.05 124	0.03 44	0.03 56	0.06 124	0.05 117	0.06 115	0.05 115	0.12 111	0.12 135	0.05 108	0.04 99	0.06 123	0.04 96

ff1	0.25 206	3.83 632	0.12 123	0.12 105	0.05 126	0.06 119	0.05 120	0.06 121	0.05 124	0.03 44	0.03 56	0.06 124	0.05 117	0.06 115	0.05 115	0.12 111	0.12 135	0.05 108	0.04 99	0.06 123	0.04 96

mmx	0.25 206	3.83 632	0.12 123	0.12 105	0.05 126	0.06 119	0.05 120	0.06 121	0.05 124	0.03 44	0.03 56	0.06 124	0.05 117	0.06 115	0.05 115	0.12 111	0.12 135	0.05 108	0.04 99	0.06 123	0.04 96

1111x	0.10 91	1.14 400	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	1.01 377	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	0.16 158	2.01 547	0.12 123	0.15 133	0.04 101	0.06 119	0.05 120	0.06 121	0.04 103	0.06 123	0.03 56	0.06 124	0.03 53	0.06 115	0.03 52	0.12 111	0.14 163	0.04 93	0.04 99	0.03 47	0.03 52

x	0.11 112	1.15 403	0.15 166	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	0.15 171	0.03 41	0.03 57	0.03 47	0.03 52

BUS	0.83 475	1.91 537	0.92 504	4.48 661	0.02 22	0.40 305	0.04 103	0.41 315	0.02 22	0.48 405	0.03 56	0.41 323	0.05 117	0.03 43	0.05 115	1.97 615	4.19 687	0.33 276	0.23 253	0.34 267	0.27 289

BSDual-CNN	0.81 467	1.91 537	0.92 504	4.48 661	0.02 22	0.42 341	0.06 137	0.41 315	0.02 22	0.48 405	0.03 56	0.02 21	0.02 21	0.03 43	0.02 21	1.97 615	4.19 687	0.33 276	0.23 253	0.34 267	0.27 289

hknet	1.10 525	1.85 528	3.49 684	4.48 661	0.02 22	0.42 341	0.06 137	0.41 315	0.02 22	0.48 405	0.03 56	0.41 323	0.03 53	0.42 336	0.03 52	4.39 673	4.19 687	0.33 276	0.23 253	0.34 267	0.27 289

222	0.10 91	0.99 365	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	0.11 112	1.16 405	0.16 173	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	0.16 174	0.03 41	0.04 99	0.04 97	0.04 96

test_xeample	0.10 91	1.09 393	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	0.14 163	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	0.11 112	0.03 31	0.03 39	1.60 575	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	0.11 112	0.03 31	0.03 39	1.60 575	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	0.12 125	0.03 31	0.04 64	1.71 581	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	0.06 115	0.04 97	0.04 59	0.04 66	0.04 93	0.04 99	0.03 47	0.04 96

AnyNet_C32	0.14 139	0.04 52	0.03 39	2.22 598	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	0.07 131	0.04 97	0.02 15	0.02 16	0.03 41	0.03 57	0.02 21	0.03 52

ADCPNet	0.10 91	0.03 31	0.04 64	1.27 547	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	0.08 134	0.04 97	0.04 59	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

ManiGeoR	0.17 164	0.05 66	0.62 436	0.73 423	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	0.72 449	0.58 436	0.05 108	0.04 99	0.05 114	0.04 96

HLF11	0.17 164	0.05 66	0.63 440	0.72 419	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	0.71 441	0.59 442	0.05 108	0.04 99	0.04 97	0.04 96

HLf10	0.17 164	0.05 66	0.62 436	0.73 423	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	0.72 449	0.58 436	0.05 108	0.04 99	0.05 114	0.04 96

HLf8	0.17 164	0.05 66	0.62 436	0.72 419	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	0.72 449	0.58 436	0.05 108	0.04 99	0.05 114	0.04 96

TestStereo_HLe17	0.17 164	0.05 66	0.65 447	0.72 419	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	0.71 441	0.59 442	0.05 108	0.04 99	0.05 114	0.04 96

z-mn7	0.16 158	1.21 456	0.33 272	0.41 275	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	0.35 262	0.31 277	0.04 93	0.04 99	0.04 97	0.04 96

z-ln-s-r	0.21 187	1.40 479	0.53 414	0.56 381	0.04 101	0.05 110	0.04 103	0.05 110	0.05 124	0.05 112	0.04 110	0.05 113	0.04 100	0.05 103	0.05 115	0.57 410	0.44 390	0.04 93	0.04 99	0.04 97	0.04 96

w-ln-seven	0.18 173	1.47 481	0.33 272	0.40 263	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	0.38 282	0.32 282	0.05 108	0.04 99	0.04 97	0.04 96

DFGA-Net	0.05 57	0.06 79	0.04 64	0.06 65	0.04 101	0.06 119	0.04 103	0.06 121	0.04 103	0.06 123	0.04 110	0.06 124	0.04 100	0.06 115	0.04 97	0.06 70	0.04 66	0.05 108	0.04 99	0.05 114	0.04 96

GASNet	0.05 57	0.04 52	0.12 123	0.04 53	0.04 101	0.04 95	0.05 120	0.04 95	0.04 103	0.12 163	0.04 110	0.06 124	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	0.69 431	3.87 635	1.20 536	1.98 590	0.05 126	0.40 305	0.04 103	0.40 300	0.05 124	0.41 315	0.04 110	0.41 323	0.05 117	0.40 306	0.05 115	1.79 602	1.56 617	0.34 286	0.22 247	0.34 267	0.23 233

APVNet	0.09 75	0.05 66	0.04 64	0.05 60	0.04 101	0.05 110	0.90 537	0.06 121	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	0.05 114	0.05 122

EDNetEfficientorigin	0.04 54	0.06 79	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	0.06 121	0.03 57	0.04 97	0.03 52

FADNet-RVC-Resample	0.12 125	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	1.57 639	0.04 59	0.04 66	0.04 93	0.05 123	0.04 97	0.06 131

FADNet_RVC	0.12 125	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	0.05 117	0.04 90	1.65 643	0.05 66	0.04 66	0.04 93	0.04 99	0.04 97	0.04 96

FADNet	0.12 125	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	0.05 117	0.04 90	1.66 645	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 84	0.12 123	0.08 69	0.05 126	0.08 132	0.05 120	0.08 134	0.05 124	0.08 133	0.05 127	0.08 133	0.05 117	0.08 134	0.05 115	0.08 77	0.07 81	0.07 126	0.05 123	0.07 133	0.05 122

BridgeDepth_RVC	0.07 67	0.08 84	0.11 112	0.11 97	0.05 126	0.08 132	0.05 120	0.08 134	0.05 124	0.08 133	0.05 127	0.08 133	0.05 117	0.08 134	0.05 115	0.11 105	0.10 99	0.07 126	0.05 123	0.07 133	0.05 122
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 84	0.11 112	0.11 97	0.05 126	0.08 132	0.05 120	0.08 134	0.07 141	0.08 133	0.05 127	0.08 133	0.05 117	0.09 140	0.08 135	0.15 146	0.11 121	0.07 126	0.05 123	0.07 133	0.06 131
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	0.13 116	0.39 312	0.08 69	0.05 126	0.07 130	0.05 120	0.13 164	0.05 124	0.06 123	0.05 127	0.06 124	0.05 117	0.06 115	0.05 115	0.06 70	0.05 78	0.14 165	0.13 191	0.06 123	0.05 122

GGEV	0.09 75	0.13 116	0.39 312	0.08 69	0.05 126	0.07 130	0.05 120	0.13 164	0.05 124	0.06 123	0.05 127	0.06 124	0.05 117	0.06 115	0.05 115	0.06 70	0.05 78	0.14 165	0.13 191	0.06 123	0.05 122

ISRNet	0.11 112	0.05 66	0.36 295	0.24 188	0.07 141	0.13 164	0.05 120	0.06 121	0.05 124	0.05 112	0.05 127	0.13 165	0.05 117	0.05 103	0.09 140	0.24 208	0.20 207	0.10 141	0.05 123	0.06 123	0.13 185

qqq1	0.25 206	3.70 626	0.14 148	0.14 121	0.04 101	0.06 119	0.05 120	0.06 121	0.05 124	0.06 123	0.05 127	0.04 96	0.05 117	0.06 115	0.05 115	0.13 126	0.12 135	0.06 121	0.05 123	0.03 47	0.04 96

fff1	0.25 206	3.70 626	0.14 148	0.14 121	0.04 101	0.06 119	0.05 120	0.06 121	0.05 124	0.06 123	0.05 127	0.04 96	0.05 117	0.06 115	0.05 115	0.13 126	0.12 135	0.06 121	0.05 123	0.03 47	0.04 96

GwcNet	0.12 125	0.07 82	0.05 79	0.08 69	0.05 126	0.08 132	1.20 569	0.07 131	0.05 124	0.05 112	0.05 127	0.08 133	0.05 117	0.08 134	0.03 52	0.07 75	0.05 78	0.06 121	0.05 123	0.07 133	0.05 122

FADNet-RVC	0.13 132	0.04 52	0.04 64	0.04 53	0.04 101	0.04 95	0.05 120	0.04 95	0.04 103	0.04 92	0.05 127	0.04 96	0.05 117	0.04 90	1.71 648	0.04 59	0.04 66	0.04 93	0.04 99	0.07 133	0.04 96

ADCP+	0.15 151	0.04 52	0.04 64	2.20 597	0.04 101	0.04 95	0.04 103	0.04 95	0.04 103	0.04 92	0.05 127	0.04 96	0.04 100	0.08 134	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 93	0.17 183	0.19 163	0.06 139	0.08 132	0.06 137	0.08 134	0.06 137	0.08 133	0.06 138	0.08 133	0.06 134	0.08 134	0.06 131	0.15 146	0.16 174	0.08 131	0.06 134	0.08 138	0.06 131

AASNet	0.06 61	0.08 84	0.08 82	0.08 69	0.05 126	0.06 119	0.05 120	0.05 110	0.06 137	0.06 123	0.06 138	0.05 113	0.06 134	0.06 115	0.05 115	0.08 77	0.08 84	0.08 131	0.05 123	0.06 123	0.05 122

SACVNet	0.06 61	0.08 84	0.08 82	0.08 69	0.05 126	0.06 119	0.05 120	0.05 110	0.06 137	0.06 123	0.06 138	0.05 113	0.06 134	0.06 115	0.05 115	0.08 77	0.08 84	0.08 131	0.05 123	0.06 123	0.05 122

AACVNet	0.06 61	0.08 84	0.08 82	0.08 69	0.05 126	0.06 119	0.05 120	0.05 110	0.06 137	0.06 123	0.06 138	0.05 113	0.06 134	0.06 115	0.05 115	0.08 77	0.08 84	0.08 131	0.05 123	0.06 123	0.05 122

anonymous	0.09 75	0.09 93	0.14 148	0.14 121	0.07 141	0.09 140	0.07 141	0.09 140	0.07 141	0.09 140	0.07 142	0.09 141	0.07 140	0.09 140	0.07 132	0.14 133	0.13 158	0.09 139	0.07 135	0.09 142	0.07 135

MatchStereo	0.54 397	0.12 114	2.38 661	2.32 605	0.09 148	0.09 140	0.08 144	0.09 140	0.07 141	0.09 140	0.07 142	0.09 141	0.07 140	0.09 140	0.08 135	2.34 638	2.34 657	0.12 159	0.11 165	0.11 156	0.10 151
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 84	0.07 80	0.07 67	0.07 141	0.08 132	0.06 137	0.08 134	0.07 141	0.08 133	0.07 142	0.08 133	0.06 134	0.07 131	0.07 132	0.08 77	0.07 81	0.07 126	0.07 135	0.06 123	0.06 131

BEATNet-Init1	0.19 177	0.08 84	0.08 82	2.23 599	0.08 144	0.08 132	0.07 141	0.07 131	0.08 146	0.08 133	0.07 142	0.08 133	0.07 140	0.11 158	0.08 135	0.08 77	0.08 84	0.08 131	0.07 135	0.08 138	0.08 138

DeepPrunerF	0.19 177	0.08 84	0.08 82	2.23 599	0.08 144	0.08 132	0.07 141	0.07 131	0.08 146	0.08 133	0.07 142	0.08 133	0.07 140	0.11 158	0.08 135	0.08 77	0.08 84	0.08 131	0.07 135	0.08 138	0.08 138

SepStereo	0.09 75	0.09 93	0.10 92	0.09 76	0.09 148	0.09 140	0.09 145	0.10 142	0.08 146	0.10 145	0.09 147	0.09 141	0.09 147	0.09 140	0.08 135	0.09 85	0.08 84	0.09 139	0.08 140	0.09 142	0.08 138

SuperB	0.21 187	0.10 98	2.51 663	0.12 105	0.09 148	0.10 143	0.09 145	0.08 134	0.07 141	0.10 145	0.09 147	0.09 141	0.07 140	0.07 131	0.07 132	0.07 75	0.08 84	0.07 126	0.07 135	0.08 138	0.07 135

PASM	0.39 294	3.06 611	1.36 599	1.58 571	0.09 148	0.11 154	0.11 167	0.11 154	0.11 171	0.09 140	0.09 147	0.11 157	0.09 147	0.09 140	0.09 140	0.11 105	0.11 121	0.11 152	0.09 142	0.11 156	0.11 165

DRN-Test	0.14 139	0.13 116	0.09 88	0.14 121	0.09 148	0.15 173	0.09 145	0.14 166	0.10 153	0.14 165	0.09 147	0.14 166	0.09 147	0.13 167	0.09 140	0.12 111	0.09 94	0.12 159	0.09 142	0.12 165	0.73 508

over-6	0.11 112	0.11 109	0.15 166	0.16 143	0.10 155	0.11 154	0.10 150	0.11 154	0.10 153	0.11 157	0.10 151	0.11 157	0.10 151	0.11 158	0.10 147	0.14 133	0.14 163	0.11 152	0.10 151	0.11 156	0.09 143

over v1	0.11 112	0.11 109	0.15 166	0.16 143	0.10 155	0.11 154	0.10 150	0.11 154	0.10 153	0.11 157	0.10 151	0.11 157	0.10 151	0.11 158	0.10 147	0.14 133	0.14 163	0.11 152	0.09 142	0.11 156	0.10 151

over-8	0.11 112	0.14 122	0.15 166	0.16 143	0.10 155	0.11 154	0.10 150	0.11 154	0.09 149	0.11 157	0.10 151	0.11 157	0.10 151	0.11 158	0.09 140	0.14 133	0.14 163	0.11 152	0.09 142	0.11 156	0.09 143

over-9	0.11 112	0.11 109	0.16 173	0.16 143	0.10 155	0.12 163	0.10 150	0.11 154	0.10 153	0.11 157	0.10 151	0.11 157	0.10 151	0.11 158	0.10 147	0.14 133	0.14 163	0.11 152	0.10 151	0.11 156	0.09 143

S2M2_L	0.12 125	0.14 122	0.10 92	0.15 133	0.10 155	0.14 165	0.10 150	0.14 166	0.10 153	0.15 172	0.10 151	0.14 166	0.10 151	0.14 168	0.10 147	0.13 126	0.10 99	0.13 163	0.09 142	0.13 167	0.09 143
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
CAS++	0.17 164	0.27 170	0.21 203	0.10 80	0.21 252	0.15 173	0.22 240	0.10 142	0.21 240	0.22 210	0.10 151	0.19 194	0.18 230	0.10 145	0.19 228	0.20 181	0.19 205	0.18 199	0.10 151	0.19 199	0.18 220
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
AnonymousM	0.10 91	0.10 98	0.10 92	0.10 80	0.10 155	0.10 143	0.10 150	0.10 142	0.10 153	0.10 145	0.10 151	0.10 145	0.10 151	0.10 145	0.10 147	0.10 90	0.10 99	0.10 141	0.10 151	0.10 146	0.10 151

LRCNet_RVC	0.13 132	0.13 116	0.09 88	0.13 117	0.10 155	0.14 165	0.10 150	0.14 166	0.10 153	0.23 216	0.10 151	0.20 197	0.10 151	0.24 223	0.11 162	0.11 105	0.09 94	0.12 159	0.14 196	0.12 165	0.09 143

PVD	0.10 91	0.10 98	0.10 92	0.10 80	0.10 155	0.10 143	0.10 150	0.10 142	0.10 153	0.10 145	0.10 151	0.10 145	0.10 151	0.10 145	0.10 147	0.10 90	0.10 99	0.10 141	0.10 151	0.10 146	0.10 151

SHD	0.10 91	0.10 98	0.10 92	0.10 80	0.10 155	0.10 143	0.10 150	0.10 142	0.10 153	0.10 145	0.10 151	0.10 145	0.10 151	0.10 145	0.10 147	0.10 90	0.10 99	0.10 141	0.10 151	0.10 146	0.10 151

SAMSARA	0.10 91	0.10 98	0.10 92	0.10 80	0.10 155	0.10 143	0.10 150	0.10 142	0.10 153	0.10 145	0.10 151	0.10 145	0.10 151	0.10 145	0.10 147	0.10 90	0.10 99	0.10 141	0.10 151	0.10 146	0.10 151

XQC	0.10 91	0.10 98	0.10 92	0.10 80	0.10 155	0.10 143	0.10 150	0.10 142	0.10 153	0.10 145	0.10 151	0.10 145	0.10 151	0.10 145	0.10 147	0.10 90	0.10 99	0.10 141	0.10 151	0.10 146	0.10 151

RTSC	0.10 91	0.10 98	0.10 92	0.10 80	0.10 155	0.10 143	0.10 150	0.10 142	0.10 153	0.10 145	0.10 151	0.10 145	0.10 151	0.10 145	0.10 147	0.10 90	0.10 99	0.10 141	0.10 151	0.10 146	0.10 151

RTS	0.10 91	0.10 98	0.10 92	0.10 80	0.10 155	0.10 143	0.10 150	0.10 142	0.10 153	0.10 145	0.10 151	0.10 145	0.10 151	0.10 145	0.10 147	0.10 90	0.10 99	0.10 141	0.10 151	0.10 146	0.10 151

RTSA	0.10 91	0.10 98	0.10 92	0.10 80	0.10 155	0.10 143	0.10 150	0.10 142	0.10 153	0.10 145	0.10 151	0.10 145	0.10 151	0.10 145	0.10 147	0.10 90	0.10 99	0.10 141	0.10 151	0.10 146	0.10 151

MADNet+	0.10 91	0.10 98	0.10 92	0.10 80	0.10 155	0.10 143	0.10 150	0.10 142	0.10 153	0.10 145	0.10 151	0.10 145	0.10 151	0.10 145	0.10 147	0.10 90	0.10 99	0.10 141	0.10 151	0.10 146	0.10 151

MADNet++	0.10 91	0.10 98	0.10 92	0.10 80	0.10 155	0.10 143	0.10 150	0.10 142	0.10 153	0.10 145	0.10 151	0.10 145	0.10 151	0.10 145	0.10 147	0.10 90	0.10 99	0.10 141	0.10 151	0.10 146	0.10 151

StereoDRNet	0.15 151	0.14 122	0.10 92	0.14 121	0.09 148	0.15 173	0.09 145	0.14 166	0.09 149	0.14 165	0.10 151	0.14 166	0.09 147	0.14 168	0.09 140	0.13 126	0.10 99	0.13 163	0.09 142	0.13 167	0.82 524

S2M2_XL	0.14 139	0.17 130	0.12 123	0.17 156	0.11 174	0.17 187	0.11 167	0.17 186	0.11 171	0.17 184	0.11 169	0.17 186	0.11 168	0.17 186	0.11 162	0.16 158	0.11 121	0.16 182	0.11 165	0.16 182	0.11 165
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
JetRed	0.11 112	0.12 114	0.11 112	0.11 97	0.11 174	0.11 154	0.14 188	0.11 154	0.11 171	0.12 163	0.11 169	0.11 157	0.11 168	0.11 158	0.11 162	0.11 105	0.16 174	0.11 152	0.11 165	0.11 156	0.11 165

JetBlue	0.11 112	0.11 109	0.12 123	0.13 117	0.14 193	0.11 154	0.11 167	0.11 154	0.11 171	0.11 157	0.11 169	0.11 157	0.11 168	0.12 166	0.12 174	0.11 105	0.11 121	0.11 152	0.11 165	0.11 156	0.11 165

IPLG	0.13 132	0.20 138	0.14 148	0.15 133	0.11 174	0.14 165	0.11 167	0.14 166	0.11 171	0.14 165	0.11 169	0.14 166	0.11 168	0.14 168	0.11 162	0.15 146	0.12 135	0.14 165	0.11 165	0.14 169	0.11 165

MIPNet	0.14 139	0.21 143	0.17 183	0.16 143	0.11 174	0.15 173	0.12 180	0.14 166	0.11 171	0.16 177	0.11 169	0.14 166	0.11 168	0.14 168	0.11 162	0.14 133	0.12 135	0.14 165	0.11 165	0.14 169	0.11 165

ICVP	0.15 151	0.53 280	0.11 112	0.16 143	0.11 174	0.16 180	0.11 167	0.16 180	0.11 171	0.16 177	0.11 169	0.16 178	0.11 168	0.16 179	0.11 162	0.16 158	0.11 121	0.16 182	0.11 165	0.16 182	0.11 165
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
UNet	0.29 224	0.90 340	0.10 92	0.14 121	0.10 155	0.14 165	0.10 150	0.91 501	0.69 502	0.14 165	0.11 169	0.14 166	0.11 168	0.14 168	0.10 147	0.12 111	0.09 94	0.12 159	0.09 142	0.88 491	0.76 515

ELAS	0.13 132	0.16 125	0.11 112	0.15 133	0.09 148	0.18 191	0.11 167	0.18 190	0.11 171	0.17 184	0.11 169	0.18 190	0.11 168	0.18 189	0.11 162	0.14 133	0.08 84	0.14 165	0.08 140	0.14 169	0.09 143
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DF	0.39 294	1.37 476	1.02 517	1.14 485	0.12 187	0.16 180	0.12 180	0.16 180	0.12 187	0.16 177	0.12 177	0.16 178	0.12 183	0.16 179	0.12 174	1.12 516	1.00 508	0.15 178	0.12 180	0.15 177	0.12 178

ProNet	0.14 139	0.20 138	0.14 148	0.16 143	0.11 174	0.16 180	0.11 167	0.17 186	0.11 171	0.17 184	0.12 177	0.17 186	0.13 189	0.17 186	0.12 174	0.15 146	0.11 121	0.16 182	0.11 165	0.15 177	0.12 178

CIPLG	0.13 132	0.21 143	0.12 123	0.16 143	0.11 174	0.15 173	0.11 167	0.14 166	0.11 171	0.15 172	0.12 177	0.15 177	0.11 168	0.14 168	0.11 162	0.15 146	0.12 135	0.14 165	0.11 165	0.14 169	0.11 165

IPLGR_C	0.14 139	0.20 138	0.12 123	0.15 133	0.11 174	0.14 165	0.15 196	0.14 166	0.11 171	0.15 172	0.12 177	0.14 166	0.11 168	0.16 179	0.11 162	0.15 146	0.12 135	0.14 165	0.12 180	0.15 177	0.12 178

IPLGR	0.14 139	0.24 157	0.14 148	0.16 143	0.12 187	0.15 173	0.12 180	0.14 166	0.11 171	0.15 172	0.12 177	0.14 166	0.11 168	0.14 168	0.11 162	0.15 146	0.12 135	0.14 165	0.11 165	0.14 169	0.11 165

ACRE	0.13 132	0.21 143	0.14 148	0.15 133	0.11 174	0.14 165	0.11 167	0.14 166	0.11 171	0.14 165	0.12 177	0.14 166	0.11 168	0.14 168	0.11 162	0.15 146	0.12 135	0.14 165	0.11 165	0.14 169	0.11 165

aanetorigin	0.13 132	0.11 109	0.11 112	0.11 97	0.11 174	0.11 154	0.11 167	0.11 154	0.11 171	0.11 157	0.12 177	0.11 157	0.11 168	0.11 158	0.11 162	0.11 105	0.11 121	0.14 165	0.11 165	0.49 415	0.11 165

cf-r	0.66 422	2.17 558	0.12 123	0.18 158	0.12 187	0.18 191	2.70 682	2.60 657	0.12 187	0.18 188	0.12 177	0.18 190	0.12 183	0.18 189	0.12 174	0.15 146	0.11 121	0.15 178	0.11 165	1.81 615	1.74 656

HSM	0.14 139	0.16 125	0.12 123	0.17 156	0.12 187	0.17 187	0.11 167	0.17 186	0.11 171	0.17 184	0.12 177	0.17 186	0.12 183	0.17 186	0.12 174	0.16 158	0.11 121	0.16 182	0.11 165	0.16 182	0.12 178

PDISCO_ROB	0.83 475	2.80 607	3.49 684	0.14 121	0.11 174	0.17 187	0.09 145	0.15 179	0.10 153	0.15 172	0.12 177	0.16 178	0.14 194	3.30 677	0.13 183	0.14 133	2.34 657	0.16 182	0.12 180	2.62 657	0.10 151

LALA_ROB	0.15 151	0.19 134	0.12 123	0.18 158	0.11 174	0.20 199	0.12 180	0.21 206	0.12 187	0.20 196	0.12 177	0.20 197	0.12 183	0.21 207	0.13 183	0.17 166	0.10 99	0.18 199	0.11 165	0.18 193	0.11 165

ELAS_RVC	0.14 139	0.16 125	0.10 92	0.15 133	0.10 155	0.18 191	0.11 167	0.19 192	0.11 171	0.19 190	0.12 177	0.18 190	0.11 168	0.19 192	0.12 174	0.14 133	0.08 84	0.14 165	0.09 142	0.15 177	0.09 143
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 151	0.17 130	0.11 112	0.18 158	0.11 174	0.19 194	0.11 167	0.19 192	0.12 187	0.19 190	0.12 177	0.20 197	0.12 183	0.19 192	0.12 174	0.16 158	0.11 121	0.17 190	0.10 151	0.17 189	0.10 151
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DDVS	0.30 225	3.10 612	0.14 148	0.19 163	0.14 193	0.19 194	0.14 188	0.20 198	0.14 194	0.19 190	0.13 190	0.16 178	0.13 189	0.19 192	0.13 183	0.17 166	0.13 158	0.17 190	0.13 191	0.17 189	0.13 185

ITSA-stereo	0.15 151	0.17 130	0.13 143	0.20 167	0.13 191	0.19 194	0.13 186	0.18 190	0.13 191	0.19 190	0.13 190	0.18 190	0.14 194	0.18 189	0.14 187	0.16 158	0.11 121	0.15 178	0.14 196	0.18 193	0.11 165

ACVNet	0.20 179	0.19 134	0.14 148	0.20 167	0.14 193	0.20 199	0.96 544	0.21 206	0.14 194	0.20 196	0.13 190	0.21 204	0.14 194	0.20 196	0.14 187	0.17 166	0.12 135	0.17 190	0.12 180	0.17 189	0.12 178

acv_ft	0.20 179	0.19 134	0.14 148	0.20 167	0.14 193	0.20 199	0.96 544	0.21 206	0.14 194	0.20 196	0.13 190	0.21 204	0.14 194	0.20 196	0.14 187	0.17 166	0.12 135	0.17 190	0.12 180	0.17 189	0.12 178

DeepPruner_ROB	0.16 158	0.18 133	0.13 143	0.19 163	0.13 191	0.19 194	0.13 186	0.19 192	0.13 191	0.19 190	0.13 190	0.19 194	0.13 189	0.19 192	0.13 183	0.18 174	0.13 158	0.18 199	0.13 191	0.18 193	0.13 185

depth_test_26	0.20 179	0.34 185	0.25 218	0.34 229	0.14 193	0.21 209	0.14 188	0.21 206	0.14 194	0.21 207	0.14 195	0.21 204	0.14 194	0.21 207	0.14 187	0.26 217	0.26 229	0.22 215	0.15 205	0.22 208	0.14 190

castereo++	0.54 397	3.59 623	1.15 527	1.31 556	0.14 193	0.16 180	0.14 188	0.16 180	0.14 194	0.16 177	0.14 195	0.16 178	0.13 189	0.16 179	0.14 187	1.45 589	1.16 534	0.15 178	0.14 196	0.15 177	0.13 185

GMStereo	0.14 139	0.13 116	0.14 148	0.14 121	0.14 193	0.14 165	0.14 188	0.14 166	0.14 194	0.14 165	0.14 195	0.14 166	0.14 194	0.14 168	0.14 187	0.14 133	0.14 163	0.14 165	0.14 196	0.14 169	0.14 190
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.22 193	0.13 116	0.19 195	0.23 183	0.10 155	0.26 243	1.02 554	0.14 166	0.10 153	0.28 246	0.14 195	0.17 186	0.19 237	0.28 253	0.09 140	0.22 190	0.16 174	0.23 224	0.17 230	0.11 156	0.12 178

hitnet-ft	0.79 459	2.78 606	0.14 148	0.20 167	0.14 193	0.21 209	2.89 683	2.80 671	0.14 194	0.20 196	0.14 195	0.20 197	0.14 194	0.20 196	0.14 187	0.17 166	0.12 135	0.17 190	0.12 180	2.54 656	2.33 673

GANet-RSSM	0.75 448	1.91 537	0.14 148	0.47 307	0.14 193	0.21 209	3.21 699	2.30 643	0.14 194	0.46 392	0.14 195	0.23 221	0.18 230	0.21 207	0.14 187	0.18 174	0.27 241	0.37 312	0.13 191	2.13 626	2.12 666

PSMNet-RSSM	0.77 454	2.76 601	0.14 148	0.20 167	0.14 193	0.20 199	2.66 680	2.79 670	0.14 194	0.21 207	0.14 195	0.21 204	0.14 194	0.20 196	0.14 187	0.17 166	0.12 135	0.17 190	0.12 180	2.52 648	2.31 671

GwcNet-RSSM	0.77 454	2.77 603	0.14 148	0.20 167	0.14 193	0.20 199	2.67 681	2.78 669	0.14 194	0.20 196	0.14 195	0.20 197	0.14 194	0.21 207	0.14 187	0.17 166	0.12 135	0.17 190	0.12 180	2.52 648	2.31 671

CFNet-ft	0.55 402	1.57 484	0.14 148	0.20 167	0.14 193	0.20 199	2.53 678	1.61 610	0.14 194	0.20 196	0.14 195	0.20 197	0.14 194	0.20 196	0.14 187	0.17 166	0.12 135	0.17 190	0.12 180	1.56 603	1.24 618

CCAANet	0.17 164	0.71 304	0.14 148	0.14 121	0.14 193	0.14 165	0.14 188	0.14 166	0.14 194	0.14 165	0.14 195	0.14 166	0.14 194	0.14 168	0.22 238	0.14 133	0.14 163	0.14 165	0.14 196	0.14 169	0.14 190

DepthFocus	0.18 173	0.22 147	0.15 166	0.22 178	0.15 207	0.22 212	0.15 196	0.22 211	0.15 206	0.22 210	0.15 205	0.22 213	0.16 208	0.22 212	0.15 198	0.20 181	0.15 171	0.20 207	0.14 196	0.20 200	0.14 190

RSGM-EC	0.24 203	0.24 157	0.15 166	0.22 178	0.15 207	0.22 212	0.15 196	0.22 211	0.15 206	0.24 223	0.15 205	0.22 213	0.15 206	0.22 212	1.19 569	0.20 181	0.17 195	0.24 234	0.14 196	0.20 200	0.14 190

acva	0.24 203	0.24 157	0.15 166	0.22 178	0.15 207	0.22 212	0.15 196	0.22 211	0.15 206	0.24 223	0.15 205	0.22 213	0.15 206	0.22 212	1.19 569	0.20 181	0.17 195	0.24 234	0.14 196	0.20 200	0.14 190

dd	0.23 199	0.98 358	0.16 173	0.23 183	0.15 207	0.23 221	0.15 196	0.23 218	0.15 206	0.23 216	0.15 205	0.24 227	0.17 220	0.23 219	0.15 198	0.22 190	0.15 171	0.21 210	0.15 205	0.22 208	0.16 197

Weightmod_eth	0.20 179	0.24 157	0.28 235	0.47 307	0.14 193	0.24 224	0.14 188	0.17 186	0.13 191	0.22 210	0.16 209	0.22 213	0.13 189	0.20 196	0.16 205	0.24 208	0.20 207	0.19 202	0.14 196	0.16 182	0.24 243

LACA2	0.21 187	0.24 157	0.26 225	0.31 215	0.16 217	0.24 224	0.16 202	0.24 221	0.16 211	0.24 223	0.16 209	0.24 227	0.16 208	0.24 223	0.16 205	0.27 221	0.23 221	0.24 234	0.16 208	0.23 220	0.16 197

LACA1	0.21 187	0.24 157	0.26 225	0.31 215	0.16 217	0.24 224	0.16 202	0.24 221	0.16 211	0.24 223	0.16 209	0.24 227	0.16 208	0.24 223	0.16 205	0.27 221	0.22 215	0.23 224	0.16 208	0.23 220	0.16 197

xyz-stereo-finetune2	0.18 173	0.48 259	0.16 173	0.16 143	0.15 207	0.15 173	0.16 202	0.16 180	0.16 211	0.16 177	0.16 209	0.16 178	0.16 208	0.16 179	0.16 205	0.16 158	0.16 174	0.16 182	0.16 208	0.16 182	0.16 197

xyz-stereo	0.18 173	0.50 266	0.16 173	0.15 133	0.16 217	0.16 180	0.16 202	0.16 180	0.16 211	0.16 177	0.16 209	0.16 178	0.16 208	0.16 179	0.16 205	0.16 158	0.16 174	0.16 182	0.16 208	0.16 182	0.16 197

castereo	0.61 412	3.79 631	1.35 591	1.52 570	0.15 207	0.17 187	0.16 202	0.20 198	0.21 240	0.18 188	0.16 209	0.21 204	0.12 183	0.26 244	0.17 212	1.43 588	1.38 604	0.17 190	0.16 208	0.18 193	0.16 197

GMStereo_Zeroshot	0.16 158	0.16 125	0.16 173	0.16 143	0.16 217	0.16 180	0.16 202	0.16 180	0.16 211	0.16 177	0.16 209	0.16 178	0.16 208	0.16 179	0.16 205	0.16 158	0.16 174	0.16 182	0.16 208	0.16 182	0.16 197

dad	0.23 199	1.03 383	0.16 173	0.23 183	0.15 207	0.24 224	0.15 196	0.24 221	0.16 211	0.23 216	0.16 209	0.24 227	0.16 208	0.23 219	0.15 198	0.22 190	0.16 174	0.22 215	0.16 208	0.22 208	0.16 197

LACA3	0.23 199	0.25 164	0.27 228	0.54 374	0.17 223	0.25 234	0.17 212	0.25 229	0.17 221	0.25 231	0.17 217	0.25 234	0.17 220	0.25 232	0.17 212	0.28 226	0.23 221	0.24 234	0.17 230	0.24 225	0.17 214

BStereo	0.22 193	0.23 149	0.20 198	0.24 188	0.20 242	0.23 221	0.33 363	0.39 292	0.17 221	0.23 216	0.17 217	0.23 221	0.16 208	0.24 223	0.17 212	0.23 201	0.16 174	0.22 215	0.20 240	0.22 208	0.16 197

Anonymus123	0.22 193	0.23 149	0.20 198	0.24 188	0.20 242	0.23 221	0.33 363	0.39 292	0.17 221	0.23 216	0.17 217	0.23 221	0.16 208	0.24 223	0.17 212	0.23 201	0.16 174	0.22 215	0.20 240	0.22 208	0.16 197

RAFT-FEzeroshot	0.34 247	0.26 167	0.17 183	0.21 176	0.17 223	0.20 199	0.16 202	0.20 198	0.16 211	0.20 196	0.17 217	0.21 204	0.16 208	0.27 248	0.24 248	0.19 178	0.16 174	0.19 202	0.16 208	0.26 231	3.08 689

RAFT-FE	0.34 247	0.26 167	0.17 183	0.21 176	0.17 223	0.20 199	0.16 202	0.20 198	0.16 211	0.20 196	0.17 217	0.21 204	0.16 208	0.27 248	0.24 248	0.19 178	0.16 174	0.19 202	0.16 208	0.26 231	3.08 689

IGEV-FE	0.35 256	0.37 195	0.17 183	0.19 163	0.17 223	0.20 199	0.17 212	0.19 192	0.17 221	0.19 190	0.17 217	0.19 194	0.17 220	0.37 292	0.36 379	0.19 178	0.17 195	0.19 202	0.17 230	0.38 306	2.84 680

tg	0.21 187	0.25 164	0.21 203	0.26 202	0.17 223	0.24 224	0.17 212	0.24 221	0.17 221	0.24 223	0.17 217	0.24 227	0.17 220	0.24 223	0.17 212	0.24 208	0.17 195	0.23 224	0.16 208	0.23 220	0.16 197

ACV-stereo	0.30 225	2.08 549	0.25 218	0.25 195	0.18 234	0.24 224	0.17 212	0.24 221	0.18 227	0.24 223	0.17 217	0.25 234	0.17 220	0.24 223	0.17 212	0.22 190	0.16 174	0.22 215	0.16 208	0.22 208	0.16 197

IGEV_Zeroshot_test	0.20 179	0.19 134	0.40 344	0.30 209	0.17 223	0.22 212	0.17 212	0.21 206	0.17 221	0.20 196	0.17 217	0.21 204	0.18 230	0.21 207	0.17 212	0.20 181	0.16 174	0.20 207	0.16 208	0.20 200	0.17 214

MSKI-zero shot	0.24 203	0.21 143	0.49 396	0.65 401	0.18 234	0.22 212	0.17 212	0.23 218	0.18 227	0.21 207	0.17 217	0.23 221	0.28 287	0.23 219	0.18 224	0.21 188	0.16 174	0.21 210	0.16 208	0.21 206	0.16 197

MIM_Stereo	0.25 206	0.23 149	0.66 450	0.80 433	0.17 223	0.22 212	0.17 212	0.23 218	0.18 227	0.26 240	0.17 217	0.21 204	0.17 220	0.25 232	0.17 212	0.23 201	0.16 174	0.21 210	0.17 230	0.22 208	0.17 214

MMNet	0.44 335	1.24 464	0.17 183	0.25 195	0.17 223	0.25 234	0.18 220	1.26 592	0.93 544	0.25 231	0.17 217	0.25 234	0.18 230	0.25 232	0.17 212	0.23 201	0.16 174	0.23 224	0.16 208	1.20 540	0.99 540

delet	0.43 322	1.21 456	0.17 183	0.25 195	0.17 223	0.25 234	0.18 220	1.26 592	0.95 546	0.25 231	0.17 217	0.25 234	0.17 220	0.25 232	0.17 212	0.23 201	0.16 174	0.22 215	0.16 208	1.18 536	0.98 539

psm_up	0.43 322	1.19 409	0.17 183	0.25 195	0.18 234	0.25 234	0.19 226	1.26 592	0.91 539	0.26 240	0.17 217	0.25 234	0.17 220	0.25 232	0.17 212	0.22 190	0.17 195	0.23 224	0.16 208	1.18 536	0.99 540

UPFNet	0.42 320	1.20 410	0.17 183	0.24 188	0.17 223	0.25 234	0.17 212	1.19 540	0.90 538	0.25 231	0.17 217	0.24 227	0.17 220	0.25 232	0.17 212	0.22 190	0.17 195	0.22 215	0.16 208	1.15 528	0.93 534

iResNet	0.20 179	0.23 149	0.18 193	0.24 188	0.18 234	0.24 224	0.20 230	0.24 221	0.18 227	0.23 216	0.17 217	0.23 221	0.18 230	0.23 219	0.18 224	0.22 190	0.16 174	0.21 210	0.16 208	0.21 206	0.16 197

SMOE	0.23 199	0.25 164	0.30 245	0.33 225	0.18 234	0.26 243	0.18 220	0.26 235	0.18 227	0.26 240	0.18 233	0.25 234	0.18 230	0.25 232	0.18 224	0.31 241	0.27 241	0.23 224	0.17 230	0.23 220	0.17 214

VIP-Stereo	0.70 434	2.97 610	2.43 662	2.49 612	0.16 217	0.25 234	0.16 202	0.25 229	0.16 211	0.25 231	0.18 233	0.25 234	0.16 208	0.26 244	0.16 205	1.86 604	1.26 587	0.23 224	0.15 205	0.23 220	0.15 196

iResNetv2_ROB	0.20 179	0.23 149	0.18 193	0.24 188	0.20 242	0.24 224	0.18 220	0.24 221	0.18 227	0.24 223	0.18 233	0.23 221	0.19 237	0.24 223	0.18 224	0.21 188	0.16 174	0.21 210	0.16 208	0.22 208	0.16 197

DEFOM-Stereo_RVC	0.83 475	5.18 658	1.98 650	2.19 596	0.17 223	0.19 194	0.18 220	0.19 192	0.16 211	0.20 196	0.19 236	0.22 213	0.22 249	0.20 196	0.15 198	2.28 632	2.13 652	0.24 234	0.17 230	0.18 193	0.16 197

Pointernet	0.21 187	0.22 147	0.19 195	0.24 188	0.19 239	0.24 224	0.19 226	0.24 221	0.19 234	0.24 223	0.19 236	0.24 227	0.19 237	0.24 223	0.19 228	0.22 190	0.17 195	0.22 215	0.17 230	0.22 208	0.17 214

CFNet	1.37 588	5.27 661	0.19 195	5.49 684	0.19 239	0.28 250	0.19 226	0.28 240	0.19 234	0.28 246	0.19 236	0.28 250	4.35 704	0.28 253	0.19 228	0.23 201	0.17 195	0.23 224	4.21 713	4.81 690	0.17 214

AANet_RVC	1.26 583	0.31 181	4.99 696	5.93 687	0.20 242	0.25 234	0.20 230	0.25 229	0.20 236	0.23 216	0.19 236	0.25 234	0.20 241	0.25 232	0.20 231	5.66 697	4.76 691	0.26 244	0.30 357	0.24 225	0.27 289

DLNR-FE	0.28 219	0.89 337	0.30 245	0.34 229	0.19 239	0.28 250	0.19 226	0.28 240	0.20 236	0.28 246	0.20 240	0.28 250	0.20 241	0.28 253	0.20 231	0.33 250	0.28 249	0.25 239	0.19 238	0.24 225	0.19 223

ssnet_v2	0.68 428	1.96 545	1.25 587	0.29 208	0.20 242	0.30 255	0.20 230	0.29 245	0.22 244	1.50 612	0.20 240	0.31 265	0.20 241	0.27 248	0.22 238	0.24 208	1.49 611	0.26 244	0.18 237	3.90 667	0.19 223

DAS	0.20 179	0.20 138	0.20 198	0.20 167	0.20 242	0.20 199	0.20 230	0.20 198	0.20 236	0.20 196	0.20 240	0.20 197	0.20 241	0.20 196	0.20 231	0.20 181	0.20 207	0.20 207	0.20 240	0.20 200	0.20 225

GEStereo_RVC	0.86 487	4.45 647	0.20 198	0.27 205	0.20 242	0.27 248	0.20 230	0.26 235	0.18 227	5.03 707	0.20 240	0.27 249	0.19 237	0.27 248	0.21 234	0.20 181	0.19 205	0.19 202	4.02 711	0.20 200	0.18 220

DISCO	1.11 527	0.39 206	5.28 698	0.39 250	0.20 242	0.39 303	0.27 266	0.39 292	0.22 244	0.38 287	0.20 240	0.38 297	0.20 241	6.95 718	0.22 238	0.30 235	0.21 211	0.27 249	0.21 244	5.25 699	0.21 228

SME	0.27 216	0.29 175	0.31 261	0.38 242	0.20 242	0.29 253	0.18 220	0.30 248	0.20 236	0.32 264	0.21 245	0.32 269	0.20 241	0.32 267	0.21 234	0.35 262	0.32 282	0.27 249	0.19 238	0.29 243	0.20 225

HGLStereo	0.28 219	0.29 175	0.22 205	0.36 236	0.22 254	0.36 282	0.21 235	0.36 270	0.21 240	0.42 329	0.21 245	0.36 285	0.22 249	0.36 285	0.21 234	0.34 254	0.21 211	0.34 286	0.21 244	0.34 267	0.21 228

Weightmod	0.27 216	0.29 175	0.33 272	0.38 242	0.20 242	0.30 255	0.21 235	0.29 245	0.21 240	0.29 251	0.22 247	0.30 260	0.20 241	0.30 259	0.21 234	0.37 270	0.31 277	0.27 249	0.20 240	0.28 239	0.21 228

DCVSM-stereo	0.36 264	1.89 534	0.22 205	0.40 263	0.22 254	0.40 305	0.22 240	0.40 300	0.22 244	0.40 301	0.22 247	0.40 310	0.22 249	0.40 306	0.22 238	0.28 226	0.21 211	0.28 253	0.21 244	0.28 239	0.20 225

WAO-6	0.22 193	0.23 149	0.22 205	0.23 183	0.22 254	0.22 212	0.22 240	0.22 211	0.22 244	0.22 210	0.22 247	0.22 213	0.22 249	0.22 212	0.22 238	0.22 190	0.22 215	0.22 215	0.22 247	0.22 208	0.22 231

IMH-64-1	0.22 193	0.23 149	0.23 208	0.22 178	0.22 254	0.22 212	0.22 240	0.22 211	0.22 244	0.22 210	0.22 247	0.22 213	0.22 249	0.22 212	0.22 238	0.22 190	0.22 215	0.23 224	0.22 247	0.22 208	0.23 233

IMH-64	0.22 193	0.23 149	0.23 208	0.22 178	0.22 254	0.22 212	0.22 240	0.22 211	0.22 244	0.22 210	0.22 247	0.22 213	0.22 249	0.22 212	0.22 238	0.22 190	0.22 215	0.23 224	0.22 247	0.22 208	0.23 233

Select-FE	0.41 307	0.44 236	0.23 208	0.26 202	0.22 254	0.26 243	0.22 240	0.26 235	0.23 251	0.26 240	0.23 252	0.26 246	0.23 255	0.45 392	0.42 423	0.25 215	0.22 215	0.25 239	0.22 247	0.45 391	2.90 681

tt1	0.31 232	0.93 351	0.24 215	0.33 225	0.23 260	0.31 262	0.24 254	0.32 256	0.24 254	0.32 264	0.23 252	0.32 269	0.25 261	0.32 267	0.24 248	0.27 221	0.26 229	0.27 249	0.26 269	0.27 237	0.27 289

DLNR_Zeroshot_test	0.31 232	0.28 173	0.47 381	0.79 429	0.24 265	0.30 255	0.26 263	0.30 248	0.24 254	0.32 264	0.23 252	0.31 265	0.24 258	0.30 259	0.23 245	0.29 234	0.26 229	0.29 258	0.24 260	0.33 262	0.23 233

gwcnet-sp	0.82 472	1.72 490	1.48 609	0.39 250	0.15 207	0.31 262	0.21 235	0.20 198	0.25 259	1.61 616	0.23 252	0.28 250	0.26 271	0.20 196	0.15 198	0.24 208	1.33 595	0.32 269	0.16 208	6.75 706	0.23 233

scenet	0.82 472	1.72 490	1.48 609	0.39 250	0.15 207	0.31 262	0.21 235	0.20 198	0.25 259	1.61 616	0.23 252	0.28 250	0.26 271	0.20 196	0.15 198	0.24 208	1.33 595	0.32 269	0.16 208	6.75 706	0.23 233

ssnet	0.82 472	1.72 490	1.48 609	0.39 250	0.15 207	0.31 262	0.21 235	0.20 198	0.25 259	1.61 616	0.23 252	0.28 250	0.26 271	0.20 196	0.15 198	0.24 208	1.33 595	0.32 269	0.16 208	6.75 706	0.23 233

FENet	0.54 397	1.52 483	1.19 533	1.41 566	0.23 260	0.35 278	0.23 249	0.35 266	0.23 251	0.34 272	0.23 252	0.35 280	0.23 255	0.35 279	0.23 245	1.40 586	1.07 518	0.32 269	0.23 253	0.33 262	0.23 233

PAM	0.39 294	1.88 533	0.34 283	0.37 239	0.41 428	0.45 396	0.22 240	0.28 240	0.23 251	0.28 246	0.24 259	0.29 256	0.23 255	0.29 257	0.23 245	0.38 282	0.32 282	0.38 320	0.37 411	0.32 255	0.22 231

WCG-NET（raft）	0.32 241	1.24 464	0.24 215	0.32 221	0.24 265	0.32 271	0.23 249	0.32 256	0.24 254	0.32 264	0.24 259	0.32 269	0.24 258	0.32 267	0.24 248	0.30 235	0.23 221	0.30 260	0.23 253	0.30 247	0.23 233

xxxxx1	0.31 232	0.91 342	0.23 208	0.31 215	0.23 260	0.31 262	0.23 249	0.33 260	0.25 259	0.31 258	0.24 259	0.33 273	0.25 261	0.32 267	0.24 248	0.28 226	0.28 249	0.28 253	0.28 326	0.29 243	0.27 289

tt_ll	0.31 232	0.91 342	0.23 208	0.31 215	0.23 260	0.31 262	0.23 249	0.33 260	0.25 259	0.31 258	0.24 259	0.33 273	0.25 261	0.32 267	0.24 248	0.28 226	0.28 249	0.28 253	0.28 326	0.29 243	0.27 289

ff	0.31 232	0.91 342	0.23 208	0.31 215	0.23 260	0.31 262	0.23 249	0.33 260	0.25 259	0.31 258	0.24 259	0.33 273	0.25 261	0.32 267	0.24 248	0.28 226	0.28 249	0.28 253	0.28 326	0.29 243	0.27 289

iResNet_ROB	0.28 219	0.32 183	0.24 215	0.32 221	0.25 268	0.32 271	0.24 254	0.32 256	0.24 254	0.33 269	0.24 259	0.35 280	0.24 258	0.33 275	0.24 248	0.31 241	0.24 225	0.32 269	0.24 260	0.32 255	0.24 243

UNDER WATER-64	0.25 206	0.26 167	0.25 218	0.26 202	0.25 268	0.25 234	0.25 256	0.25 229	0.25 259	0.25 231	0.25 265	0.25 234	0.25 261	0.26 244	0.25 256	0.25 215	0.25 226	0.25 239	0.25 263	0.25 228	0.25 245

LoS_RVC	0.30 225	1.14 400	0.25 218	0.25 195	0.25 268	0.26 243	0.25 256	0.25 229	0.25 259	0.25 231	0.25 265	0.26 246	0.26 271	0.26 244	0.25 256	0.26 217	0.26 229	0.25 239	0.25 263	0.26 231	0.26 251

CAS	0.30 225	1.17 406	0.25 218	0.25 195	0.25 268	0.26 243	0.25 256	0.25 229	0.26 273	0.25 231	0.25 265	0.25 234	0.25 261	0.25 232	0.25 256	0.26 217	0.26 229	0.26 244	0.25 263	0.26 231	0.25 245

LoS	0.25 206	0.27 170	0.25 218	0.25 195	0.25 268	0.25 234	0.25 256	0.26 235	0.25 259	0.25 231	0.25 265	0.25 234	0.25 261	0.25 232	0.25 256	0.26 217	0.25 226	0.25 239	0.26 269	0.26 231	0.25 245
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CroCo-Stereo	0.73 444	1.22 462	0.25 218	1.22 542	0.25 268	1.22 595	0.25 256	1.22 589	0.25 259	1.22 597	0.25 265	1.22 600	0.25 261	1.22 600	0.25 256	1.22 572	0.26 229	1.21 608	0.25 263	1.22 588	0.25 245
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	0.35 256	0.71 304	0.40 344	0.47 307	0.27 276	0.34 274	0.27 266	0.34 263	0.26 273	0.34 272	0.26 270	0.34 278	0.27 278	0.34 276	0.27 263	0.44 326	0.41 369	0.33 276	0.29 341	0.32 255	0.29 324

CroCo-Stereo Lap2	0.77 454	1.29 466	0.29 241	1.27 547	0.29 293	1.27 599	0.26 263	1.26 592	0.26 273	1.26 598	0.26 270	1.27 604	0.26 271	1.26 601	0.27 263	1.27 575	0.27 241	1.27 612	0.27 307	1.27 592	0.27 289

CRFU-Net	0.65 420	1.67 487	1.22 583	1.96 589	0.27 276	0.41 321	0.27 266	0.41 315	0.27 277	0.40 301	0.26 270	0.41 323	0.27 278	0.40 306	0.27 263	1.80 603	1.62 625	0.34 286	0.23 253	0.33 262	0.23 233

StereoDRNet-Refined	0.33 246	0.39 206	0.26 225	0.39 250	0.26 275	0.40 305	0.26 263	0.40 300	0.26 273	0.39 294	0.26 270	0.39 302	0.26 271	0.39 303	0.26 261	0.37 270	0.25 226	0.37 312	0.25 263	0.37 293	0.37 387
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
small-0shot	0.35 256	1.92 543	0.27 228	0.27 205	0.27 276	0.27 248	0.27 266	0.27 239	0.27 277	0.27 245	0.27 274	0.26 246	0.27 278	0.27 248	0.26 261	0.27 221	0.26 229	0.26 244	0.26 269	0.26 231	0.27 289

Monster-pub-mixall	0.44 335	0.56 288	0.60 429	0.38 242	0.27 276	0.37 290	0.27 266	0.37 278	0.29 291	0.38 287	0.27 274	0.38 297	0.29 297	0.85 501	0.27 263	1.46 590	0.26 229	0.34 286	0.26 269	0.36 288	0.53 454

model_zeroshot	0.27 216	0.20 138	0.27 228	0.33 225	0.21 252	0.37 290	0.22 240	0.37 278	0.24 254	0.26 240	0.27 274	0.33 273	0.21 248	0.25 232	0.27 263	0.32 244	0.20 207	0.34 286	0.23 253	0.25 228	0.26 251

Any-RAFT	0.32 241	0.36 192	0.27 228	0.36 236	0.27 276	0.36 282	0.27 266	0.36 270	0.27 277	0.36 280	0.27 274	0.36 285	0.27 278	0.36 285	0.28 272	0.36 267	0.28 249	0.36 309	0.28 326	0.36 288	0.28 315

IER	0.88 490	7.04 678	2.23 655	2.75 617	0.28 282	0.43 348	0.25 256	0.39 292	0.25 259	0.41 315	0.27 274	0.39 302	0.25 261	0.40 306	0.28 272	0.37 270	0.28 249	0.37 312	0.25 263	0.37 293	0.25 245

DGSMNet	0.34 247	0.41 221	0.27 228	0.41 275	0.28 282	0.41 321	0.28 277	0.41 315	0.27 277	0.41 315	0.27 274	0.42 341	0.27 278	0.41 322	0.28 272	0.40 302	0.29 263	0.40 374	0.28 326	0.40 365	0.27 289

MLCV	0.31 232	0.35 187	0.27 228	0.35 232	0.28 282	0.35 278	0.27 266	0.35 266	0.28 283	0.36 280	0.27 274	0.35 280	0.27 278	0.35 279	0.27 263	0.34 254	0.27 241	0.34 286	0.27 307	0.34 267	0.27 289

DN-CSS_ROB	0.31 232	0.35 187	0.28 235	0.35 232	0.28 282	0.34 274	0.27 266	0.34 263	0.25 259	0.35 276	0.27 274	0.36 285	0.26 271	0.34 276	0.28 272	0.35 262	0.28 249	0.34 286	0.28 326	0.34 267	0.27 289

LSFM	0.16 158	0.92 347	0.16 173	0.18 158	0.08 144	0.11 154	0.12 180	0.12 162	0.09 149	0.09 140	0.28 282	0.10 145	0.08 145	0.10 145	0.12 174	0.15 146	0.17 195	0.08 131	0.12 180	0.09 142	0.08 138

flow	0.16 158	0.92 347	0.16 173	0.18 158	0.08 144	0.11 154	0.12 180	0.12 162	0.09 149	0.09 140	0.28 282	0.10 145	0.08 145	0.10 145	0.12 174	0.15 146	0.17 195	0.08 131	0.12 180	0.09 142	0.08 138

GREATEN-IGEV-FM_RVC	0.38 280	0.35 187	0.56 419	0.63 395	0.28 282	0.36 282	0.28 277	0.36 270	0.28 283	0.36 280	0.28 282	0.36 285	0.28 287	0.36 285	0.28 272	0.62 422	0.57 432	0.35 302	0.28 326	0.35 280	0.28 315

PStereo	0.32 241	0.36 192	0.28 235	0.38 242	0.29 293	0.36 282	0.27 266	0.38 287	0.27 277	0.38 287	0.28 282	0.36 285	0.27 278	0.36 285	0.28 272	0.32 244	0.27 241	0.33 276	0.27 307	0.33 262	0.27 289

PhaseNet	1.74 598	6.34 677	4.81 694	6.77 693	0.24 265	0.80 489	0.53 465	0.48 402	0.22 244	0.53 441	0.28 282	0.48 412	0.25 261	0.40 306	0.32 347	6.39 703	4.61 690	0.46 420	0.38 424	0.25 228	0.18 220

TestStereo_HL2	2.73 666	0.41 221	11.06 716	14.13 718	0.30 305	0.44 382	0.28 277	0.43 341	0.29 291	0.43 336	0.28 282	0.43 350	0.29 297	0.43 343	0.28 272	13.51 720	10.37 720	0.41 392	0.27 307	0.38 306	0.27 289

GGDA	2.76 669	0.41 221	11.34 718	14.28 719	0.30 305	0.44 382	0.29 289	0.43 341	0.29 291	0.43 336	0.28 282	0.43 350	0.28 287	0.43 343	0.29 286	13.45 719	10.57 721	0.41 392	0.27 307	0.38 306	0.27 289

GeoVLM	0.36 264	0.38 199	0.27 228	0.46 300	0.28 282	0.35 278	0.28 277	0.37 278	0.27 277	0.35 276	0.28 282	0.36 285	0.38 397	0.35 279	0.28 272	1.08 507	0.26 229	0.33 276	0.27 307	0.34 267	0.33 361

Zero-FE251	0.36 264	0.40 210	0.28 235	0.41 275	0.28 282	0.41 321	0.28 277	0.41 315	0.28 283	0.41 315	0.28 282	0.41 323	0.28 287	0.42 336	0.30 296	0.37 270	0.26 229	0.37 312	0.27 307	0.45 391	0.56 468

LG-Stereo_L2	0.34 247	0.37 195	0.38 301	0.47 307	0.28 282	0.39 303	0.28 277	0.39 292	0.28 283	0.39 294	0.28 282	0.39 302	0.28 287	0.38 295	0.28 272	0.42 324	0.35 331	0.36 309	0.26 269	0.35 280	0.26 251

GIP-stereo	0.36 264	0.49 261	0.39 312	0.48 313	0.32 364	0.41 321	0.28 277	0.40 300	0.30 306	0.41 315	0.28 282	0.40 310	0.28 287	0.42 336	0.28 272	0.45 355	0.32 282	0.38 320	0.30 357	0.37 293	0.27 289

TorneroNet-64	0.45 358	0.27 170	0.30 245	0.58 384	0.27 276	0.70 476	0.30 297	0.28 240	0.73 521	0.73 480	0.28 282	0.71 480	0.66 488	0.75 482	0.27 263	0.27 221	0.29 263	0.37 312	0.75 527	0.28 239	0.30 338

SQANet	0.28 219	0.28 173	0.28 235	0.28 207	0.28 282	0.28 250	0.28 277	0.28 240	0.28 283	0.28 246	0.28 282	0.28 250	0.28 287	0.28 253	0.28 272	0.28 226	0.28 249	0.28 253	0.28 326	0.28 239	0.28 315

GREATEN-IGEV_RVC	0.38 280	0.35 187	0.56 419	0.63 395	0.29 293	0.36 282	0.29 289	0.36 270	0.29 291	0.39 294	0.29 295	0.36 285	0.29 297	0.36 285	0.29 286	0.62 422	0.57 432	0.35 302	0.29 341	0.36 288	0.29 324

TestStereo_HL3	2.76 669	0.41 221	11.46 719	14.11 717	0.30 305	0.45 396	0.29 289	0.43 341	0.29 291	0.43 336	0.29 295	0.43 350	0.28 287	0.44 374	0.30 296	13.57 721	10.32 719	0.41 392	0.27 307	0.38 306	0.27 289

TestStereo-Hl	2.78 671	0.42 231	11.23 717	14.38 720	0.30 305	0.44 382	0.30 297	0.43 341	0.28 283	0.43 336	0.29 295	0.44 385	0.29 297	0.44 374	0.29 286	13.64 722	10.73 722	0.41 392	0.27 307	0.38 306	0.27 289

Monster-pub-eth3d	0.45 358	0.57 289	0.60 429	0.39 250	0.28 282	0.37 290	0.28 277	0.37 278	0.30 306	0.39 294	0.29 295	0.39 302	0.30 306	0.92 513	0.27 263	1.42 587	0.28 249	0.34 286	0.28 326	0.37 293	0.53 454

DEFOM-Stereo	0.68 428	3.11 613	1.40 605	1.63 579	0.25 268	0.31 262	0.25 256	0.31 254	0.28 283	0.31 258	0.29 295	0.29 256	0.27 278	0.31 264	0.28 272	1.59 596	1.47 610	0.30 260	0.29 341	0.30 247	0.28 315

RSM	0.36 264	0.36 192	0.43 364	0.37 239	0.42 438	0.49 419	0.42 428	0.37 278	0.28 283	0.36 280	0.29 295	0.36 285	0.30 306	0.37 292	0.28 272	0.34 254	0.31 277	0.34 286	0.35 402	0.40 365	0.29 324

IGEV++	0.34 247	0.43 233	0.30 245	0.40 263	0.29 293	0.40 305	0.29 289	0.40 300	0.29 291	0.40 301	0.29 295	0.40 310	0.29 297	0.40 306	0.30 296	0.38 282	0.29 263	0.37 312	0.29 341	0.37 293	0.29 324

ACVNet-DCA	0.37 274	1.00 367	0.30 245	0.40 263	0.29 293	0.40 305	0.29 289	0.40 300	0.29 291	0.40 301	0.29 295	0.40 310	0.29 297	0.39 303	0.28 272	0.33 250	0.32 282	0.33 276	0.32 375	0.33 262	0.32 354

xx1	0.38 280	1.03 383	0.31 261	0.40 263	0.31 352	0.41 321	0.28 277	0.40 300	0.29 291	0.40 301	0.29 295	0.40 310	0.29 297	0.40 306	0.29 286	0.34 254	0.33 295	0.34 286	0.32 375	0.34 267	0.32 354

1test111	0.37 274	1.02 381	0.30 245	0.39 250	0.29 293	0.40 305	0.28 277	0.39 292	0.29 291	0.39 294	0.29 295	0.39 302	0.28 287	0.40 306	0.29 286	0.33 250	0.32 282	0.33 276	0.31 368	0.32 255	0.31 347

cc1	0.37 274	1.02 381	0.30 245	0.39 250	0.29 293	0.40 305	0.28 277	0.39 292	0.29 291	0.39 294	0.29 295	0.39 302	0.28 287	0.40 306	0.29 286	0.33 250	0.32 282	0.33 276	0.31 368	0.32 255	0.31 347

IGEV-Stereo	0.35 256	0.44 236	0.45 368	0.49 319	0.30 305	0.37 290	0.30 297	0.36 270	0.30 306	0.36 280	0.29 295	0.36 285	0.29 297	0.36 285	0.30 296	0.46 365	0.39 355	0.32 269	0.24 260	0.32 255	0.25 245
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
PML	0.46 365	1.36 474	0.29 241	0.58 384	0.30 305	0.57 458	0.29 289	0.57 446	0.29 291	0.57 455	0.29 295	0.57 458	0.29 297	0.56 449	0.29 286	0.52 394	0.30 272	0.53 460	0.31 368	0.53 432	0.30 338

HCRNet	1.22 580	7.11 679	3.00 668	3.55 650	0.33 376	0.29 253	0.14 188	0.19 192	0.15 206	0.33 269	0.29 295	0.25 234	0.14 194	0.22 212	0.33 359	3.64 666	3.00 664	0.76 497	0.32 375	0.18 193	0.13 185

UCFNet_RVC	2.75 668	10.06 700	0.29 241	10.31 715	0.29 293	0.42 341	0.29 289	0.43 341	0.29 291	0.42 329	0.29 295	0.42 341	9.87 721	0.43 343	0.29 286	0.36 267	9.84 717	0.36 309	0.26 269	9.77 720	0.26 251

testmc14	2.43 656	10.48 703	8.02 713	8.93 705	0.31 352	0.44 382	0.30 297	0.42 333	0.30 306	0.42 329	0.30 310	0.42 341	0.30 306	0.42 336	0.30 296	8.88 716	6.99 706	0.41 392	0.28 326	0.39 351	0.28 315

MCSU-Stereo	2.48 659	10.56 704	8.50 715	9.47 709	0.31 352	0.43 348	0.30 297	0.42 333	0.30 306	0.42 329	0.30 310	0.42 341	0.30 306	0.41 322	0.30 296	8.86 715	6.93 705	0.40 374	0.29 341	0.39 351	0.28 315

aanet-new-90k	0.44 335	1.82 519	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.44 374	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

aanet-new-60k	0.44 335	1.81 512	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

aanet-new-70k	0.44 335	1.82 519	0.38 301	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

aanet-new-78k	0.44 335	1.80 507	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.45 355	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

aanet-new-40k	0.44 335	1.81 512	0.39 312	0.50 355	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.45 355	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

aanet-new-36k	0.44 335	1.80 507	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

aanet-new-34k	0.44 335	1.80 507	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

aanet-32k-new	0.44 335	1.78 502	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.44 379	0.30 306	0.44 374	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.45 355	0.34 324	0.39 361	0.26 269	0.38 306	0.26 251

aanet-new-32k	0.44 335	1.79 506	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

aanet-new-30k	0.44 335	1.78 502	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

aanet-new-28k	0.44 335	1.81 512	0.39 312	0.49 319	0.30 305	0.44 382	0.30 297	0.44 379	0.30 306	0.44 374	0.30 310	0.44 385	0.30 306	0.44 374	0.30 296	0.45 355	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

GCAP-Stereo-DPT26K	0.43 322	1.76 497	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.31 337	0.44 326	0.33 295	0.38 320	0.27 307	0.38 306	0.26 251

aanet-new-24k	0.44 335	1.78 502	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

aanet-new-22k	0.44 335	1.81 512	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

aanet-new-16k	0.44 335	1.83 522	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

aanet-new-14k	0.60 407	5.12 656	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.44 374	0.30 296	0.44 326	0.37 341	0.38 320	0.26 269	0.38 306	0.26 251

aanet-new-8k	0.43 322	1.76 497	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

aanet-new	0.43 322	1.80 507	0.38 301	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

GCAP-Stereo-cres-4k	0.44 335	1.81 512	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

GCAP-Stereo-DPT-cres	0.43 322	1.77 499	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

GCAP-Stereo-DPT-36K	0.43 322	1.78 502	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

GCAP-Stereo-DPT-22K	0.44 335	1.85 528	0.38 301	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

GCAP-Stereo-DPT-20K	0.43 322	1.77 499	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

GCAP-Stereo-DPT-24K	0.44 335	1.86 531	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

GCAP-Stereo-DPT-5K	0.44 335	1.80 507	0.39 312	0.49 319	0.30 305	0.44 382	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.44 374	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

GCAP-Stereo-DPT-2K	0.44 335	1.82 519	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

GCAP-Stereo-DPT-3K	0.43 322	1.77 499	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.33 295	0.38 320	0.26 269	0.38 306	0.26 251

GCAP-Stereo-DPT-50K	0.44 335	1.83 522	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.36 337	0.38 320	0.26 269	0.38 306	0.26 251

GCAP-Stereo-DPT-FT	0.41 307	1.06 390	0.40 344	0.51 366	0.31 352	0.44 382	0.30 297	0.43 341	0.32 361	0.44 374	0.30 310	0.56 455	0.30 306	0.44 374	0.31 337	0.45 355	0.34 324	0.39 361	0.27 307	0.40 365	0.27 289

gcap_with_dpt	0.35 256	0.39 206	0.30 245	0.44 295	0.31 352	0.44 382	0.31 344	0.44 379	0.31 351	0.44 374	0.30 310	0.44 385	0.30 306	0.44 374	0.30 296	0.38 282	0.26 229	0.38 320	0.27 307	0.38 306	0.27 289

HiDET	0.38 280	0.44 236	0.30 245	0.42 285	0.30 305	0.42 341	0.30 297	0.42 333	0.30 306	0.44 374	0.30 310	0.42 341	0.30 306	0.42 336	0.68 492	0.37 270	0.32 282	0.40 374	0.29 341	0.37 293	0.29 324

LCMNet	0.38 280	0.44 236	0.30 245	0.42 285	0.30 305	0.42 341	0.30 297	0.42 333	0.30 306	0.45 386	0.30 310	0.42 341	0.30 306	0.42 336	0.69 500	0.37 270	0.32 282	0.40 374	0.29 341	0.37 293	0.29 324

CSFM-Stereo	0.38 280	0.44 236	0.30 245	0.42 285	0.30 305	0.42 341	0.30 297	0.43 341	0.30 306	0.44 374	0.30 310	0.42 341	0.30 306	0.42 336	0.73 513	0.37 270	0.32 282	0.40 374	0.29 341	0.37 293	0.30 338

MultiAttention	0.30 225	0.30 178	0.30 245	0.30 209	0.30 305	0.30 255	0.30 297	0.30 248	0.30 306	0.30 253	0.30 310	0.30 260	0.30 306	0.30 259	0.30 296	0.30 235	0.30 272	0.30 260	0.30 357	0.30 247	0.30 338

MSAF-DinoV2	0.30 225	0.30 178	0.30 245	0.30 209	0.30 305	0.30 255	0.30 297	0.30 248	0.30 306	0.30 253	0.30 310	0.30 260	0.30 306	0.30 259	0.30 296	0.30 235	0.30 272	0.30 260	0.30 357	0.30 247	0.30 338

GCAP-BAT	0.41 307	1.30 468	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.44 374	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.44 326	0.34 324	0.38 320	0.26 269	0.38 306	0.26 251

test_for_model	0.35 256	0.39 206	0.30 245	0.43 291	0.30 305	0.43 348	0.30 297	0.43 341	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.44 374	0.31 337	0.38 282	0.26 229	0.38 320	0.26 269	0.38 306	0.26 251

GCAPDPT-zeroshot4090	0.40 299	1.09 393	0.39 312	0.49 319	0.30 305	0.43 348	0.30 297	0.44 379	0.30 306	0.43 336	0.30 310	0.43 350	0.30 306	0.43 343	0.30 296	0.45 355	0.34 324	0.38 320	0.27 307	0.38 306	0.27 289

GCAPDPT-zeroshot	0.36 264	0.40 210	0.30 245	0.43 291	0.30 305	0.43 348	0.30 297	0.43 341	0.31 351	0.43 336	0.30 310	0.43 350	0.30 306	0.44 374	0.31 337	0.39 295	0.28 249	0.39 361	0.27 307	0.39 351	0.26 251

iRaft-Stereo_20w	0.34 247	0.41 221	0.31 261	0.39 250	0.29 293	0.40 305	0.32 352	0.41 315	0.32 361	0.38 287	0.30 310	0.39 302	0.30 306	0.38 295	0.32 347	0.35 262	0.27 241	0.34 286	0.27 307	0.34 267	0.29 324

RAFT + AFF	0.31 232	0.45 245	0.34 283	0.39 250	0.28 282	0.38 297	0.33 363	0.29 245	0.31 351	0.30 253	0.30 310	0.29 256	0.27 278	0.29 257	0.30 296	0.28 226	0.29 263	0.29 258	0.29 341	0.27 237	0.32 354

DANet	0.30 225	0.30 178	0.30 245	0.30 209	0.30 305	0.30 255	0.30 297	0.30 248	0.30 306	0.30 253	0.30 310	0.30 260	0.30 306	0.30 259	0.30 296	0.30 235	0.30 272	0.30 260	0.30 357	0.30 247	0.30 338
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	0.45 358	1.81 512	0.40 344	0.50 355	0.31 352	0.44 382	0.31 344	0.44 379	0.31 351	0.44 374	0.31 354	0.44 385	0.32 362	0.44 374	0.31 337	0.46 365	0.35 331	0.39 361	0.27 307	0.39 351	0.27 289

aanet-new-12k	0.46 365	1.99 546	0.40 344	0.51 366	0.31 352	0.44 382	0.31 344	0.44 379	0.31 351	0.44 374	0.31 354	0.44 385	0.31 357	0.44 374	0.32 347	0.47 372	0.35 331	0.39 361	0.27 307	0.39 351	0.27 289

GCAP-Stereo-DPT-25K	0.41 307	1.09 393	0.40 344	0.52 369	0.31 352	0.44 382	0.31 344	0.44 379	0.31 351	0.44 374	0.31 354	0.44 385	0.31 357	0.44 374	0.31 337	0.46 365	0.35 331	0.39 361	0.28 326	0.39 351	0.28 315

DStereoFS	0.32 241	0.33 184	0.32 267	0.33 225	0.30 305	0.32 271	0.32 352	0.32 256	0.31 351	0.30 253	0.31 354	0.31 265	0.30 306	0.32 267	0.32 347	0.32 244	0.31 277	0.30 260	0.47 458	0.32 255	0.34 368

DStereoO	0.31 232	0.31 181	0.31 261	0.30 209	0.40 418	0.31 262	0.30 297	0.30 248	0.34 380	0.29 251	0.31 354	0.29 256	0.30 306	0.31 264	0.31 337	0.31 241	0.29 263	0.31 266	0.30 357	0.31 252	0.31 347

DStereoSA	0.32 241	0.52 276	0.34 283	0.31 215	0.31 352	0.30 255	0.30 297	0.31 254	0.30 306	0.31 258	0.31 354	0.31 265	0.30 306	0.31 264	0.31 337	0.30 235	0.32 282	0.31 266	0.31 368	0.31 252	0.31 347

MonSter++	0.38 280	0.44 236	0.31 261	0.43 291	0.30 305	0.43 348	0.31 344	0.43 341	0.31 351	0.45 386	0.31 354	0.43 350	0.31 357	0.43 343	0.69 500	0.38 282	0.33 295	0.40 374	0.30 357	0.38 306	0.30 338

Replicate-Monster	0.45 358	0.57 289	0.60 429	0.40 263	0.29 293	0.37 290	0.27 266	0.37 278	0.30 306	0.40 301	0.31 354	0.40 310	0.30 306	0.99 521	0.27 263	1.36 583	0.31 277	0.34 286	0.30 357	0.36 288	0.54 457

xyz-stereo-finetune	0.28 219	0.49 261	0.16 173	0.16 143	0.16 217	0.16 180	0.16 202	0.22 211	0.30 306	0.32 264	0.31 354	0.32 269	0.31 357	0.32 267	0.32 347	0.32 244	0.33 295	0.31 266	0.32 375	0.31 252	0.32 354

EKT-Stereo	0.37 274	0.40 210	0.44 366	1.07 477	0.29 293	0.34 274	0.31 344	0.36 270	0.29 291	0.38 287	0.31 354	0.37 295	0.30 306	0.36 285	0.29 286	0.34 254	0.28 249	0.39 361	0.30 357	0.37 293	0.30 338

DDF-Stereo	0.43 322	1.15 403	0.57 423	0.53 371	0.32 364	0.41 321	0.32 352	0.41 315	0.32 361	0.41 315	0.32 364	0.41 323	0.32 362	0.40 306	0.32 347	0.52 394	0.50 416	0.38 320	0.31 368	0.39 351	0.31 347

water-stereo	0.41 307	0.84 326	0.46 373	0.50 355	0.33 376	0.45 396	0.33 363	0.45 388	0.32 361	0.45 386	0.32 364	0.45 395	0.32 362	0.45 392	0.32 347	0.44 326	0.41 369	0.39 361	0.31 368	0.39 351	0.32 354

GREAT-IGEV	0.38 280	0.43 233	0.36 295	0.48 313	0.32 364	0.45 396	0.32 352	0.45 388	0.32 361	0.45 386	0.32 364	0.45 395	0.32 362	0.45 392	0.32 347	0.44 326	0.33 295	0.41 392	0.29 341	0.41 376	0.29 324
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	0.38 280	0.43 233	0.33 272	0.46 300	0.33 376	0.45 396	0.32 352	0.45 388	0.32 361	0.45 386	0.32 364	0.45 395	0.33 373	0.45 392	0.32 347	0.38 282	0.38 348	0.38 320	0.37 411	0.37 293	0.36 382

gcap-zeroshot	0.36 264	0.40 210	0.34 283	0.44 295	0.31 352	0.44 382	0.31 344	0.44 379	0.32 361	0.44 374	0.32 364	0.44 385	0.32 362	0.44 374	0.31 337	0.39 295	0.28 249	0.39 361	0.28 326	0.39 351	0.27 289

testlalala	0.36 264	0.40 210	0.34 283	0.44 295	0.31 352	0.44 382	0.31 344	0.44 379	0.32 361	0.44 374	0.32 364	0.44 385	0.32 362	0.44 374	0.31 337	0.39 295	0.28 249	0.39 361	0.28 326	0.39 351	0.27 289

RAFT-Test	0.36 264	0.37 195	0.33 272	0.41 275	0.32 364	0.41 321	0.32 352	0.41 315	0.32 361	0.41 315	0.32 364	0.41 323	0.32 362	0.41 322	0.33 359	0.37 270	0.29 263	0.37 312	0.29 341	0.38 306	0.31 347

CFNet_pseudo	2.67 665	9.36 695	0.32 267	10.99 716	0.33 376	0.85 499	0.33 363	0.49 407	0.33 371	0.49 412	0.32 364	0.49 417	7.26 715	0.49 416	0.33 359	0.41 310	9.62 715	0.41 392	0.29 341	10.03 721	0.29 324

Gwc-CoAtRS	0.41 307	1.49 482	0.32 267	0.42 285	0.32 364	0.41 321	0.32 352	0.41 315	0.33 371	0.41 315	0.32 364	0.41 323	0.32 362	0.41 322	0.32 347	0.39 295	0.28 249	0.39 361	0.28 326	0.40 365	0.28 315

DilatedVolume-Stereo	0.43 322	0.86 330	0.48 389	0.50 355	0.33 376	0.46 403	0.33 363	0.46 392	0.33 371	0.46 392	0.33 373	0.47 405	0.33 373	0.47 401	0.34 372	0.45 355	0.42 378	0.40 374	0.33 385	0.47 408	0.38 394

mms	0.40 299	0.45 245	0.35 293	0.48 313	0.36 396	0.47 408	0.34 376	0.45 388	0.38 400	0.47 398	0.33 373	0.45 395	0.32 362	0.45 392	0.32 347	0.39 295	0.38 348	0.38 320	0.37 411	0.39 351	0.39 400

PCWNet_CMD	2.80 673	9.82 698	0.32 267	10.09 714	0.32 364	0.49 419	0.33 363	3.34 678	0.33 371	0.49 412	0.33 373	0.49 417	8.73 717	0.48 410	0.33 359	0.41 310	9.22 712	0.42 408	0.29 341	9.55 719	0.31 347

CFNet_ucs	2.73 666	9.64 697	0.33 272	9.92 712	0.32 364	0.49 419	0.33 363	0.49 407	0.33 371	0.49 412	0.33 373	0.49 417	8.98 719	0.48 410	0.33 359	0.41 310	9.96 718	0.40 374	0.29 341	10.12 722	0.54 457

LL-Strereo2	0.48 378	1.73 495	0.51 407	0.59 387	0.34 386	0.42 341	0.33 363	0.40 300	0.31 351	0.42 329	0.33 373	0.42 341	0.31 357	0.44 374	0.39 404	0.60 414	0.51 421	0.44 411	0.33 385	0.44 386	0.33 361

ccnet	0.80 462	2.28 566	0.33 272	0.50 355	0.33 376	0.50 428	0.33 363	0.50 416	0.33 371	0.49 412	0.33 373	0.49 417	1.56 626	2.38 647	0.33 359	0.41 310	0.29 263	0.42 408	1.57 642	2.28 632	0.29 324

psmorigin	0.41 307	0.46 249	0.33 272	0.49 319	0.33 376	0.49 419	0.33 363	0.49 407	0.33 371	0.49 412	0.33 373	0.49 417	0.33 373	0.51 434	0.33 359	0.41 310	0.30 272	0.41 392	0.30 357	0.79 474	0.29 324

ccs_rob	2.79 672	10.17 702	0.32 267	10.00 713	0.33 376	0.49 419	0.33 363	1.90 621	0.32 361	0.51 434	0.33 373	0.49 417	9.24 720	0.49 416	0.33 359	0.41 310	9.82 716	0.41 392	0.28 326	9.34 718	0.29 324

S0	0.42 320	0.44 236	0.54 415	0.59 387	0.34 386	0.48 413	0.22 240	0.51 430	0.25 259	0.51 434	0.34 381	0.53 444	0.35 384	0.47 401	0.36 379	0.55 404	0.39 355	0.49 443	0.27 307	0.46 394	0.34 368

depthmonostereo	0.44 335	0.85 328	0.46 373	0.54 374	0.40 418	0.52 444	0.38 400	0.52 435	0.35 384	0.47 398	0.34 381	0.46 399	0.34 378	0.47 401	0.34 372	0.45 355	0.43 383	0.41 392	0.33 385	0.41 376	0.32 354

HART	0.38 280	0.45 245	0.34 283	0.42 285	0.33 376	0.41 321	0.34 376	0.42 333	0.33 371	0.43 336	0.34 381	0.42 341	0.34 378	0.41 322	0.38 392	0.40 302	0.32 282	0.42 408	0.32 375	0.40 365	0.32 354

RAFT-Stereo-weight	0.45 358	1.90 536	0.34 283	0.42 285	0.36 396	0.43 348	0.35 381	0.42 333	0.34 380	0.42 329	0.34 381	0.44 385	0.34 378	0.41 322	0.34 372	0.38 282	0.32 282	0.38 320	0.32 375	0.38 306	0.33 361

H2IRNET	0.34 247	0.34 185	0.34 283	0.34 229	0.34 386	0.34 274	0.34 376	0.34 263	0.34 380	0.34 272	0.34 381	0.34 278	0.34 378	0.34 276	0.34 372	0.34 254	0.34 324	0.34 286	0.34 389	0.34 267	0.34 368

Former-RAFT_DAM_RVC	0.49 384	0.98 358	0.64 443	0.84 438	0.46 447	0.45 396	0.35 381	0.47 398	0.47 444	0.45 386	0.34 381	0.46 399	0.48 448	0.46 397	0.35 376	0.39 295	0.71 478	0.39 361	0.35 402	0.41 376	0.41 410

RCA-Stereo	0.51 391	3.22 617	0.34 283	0.44 295	0.34 386	0.44 382	0.34 376	0.43 341	0.34 380	0.43 336	0.34 381	0.44 385	0.33 373	0.43 343	0.33 359	0.38 282	0.29 263	0.38 320	0.29 341	0.38 306	0.29 324

pcwnet_v2	2.66 664	9.89 699	0.33 272	9.89 711	0.32 364	0.50 428	0.32 352	0.49 407	0.33 371	0.49 412	0.34 381	0.49 417	8.76 718	0.48 410	0.33 359	0.41 310	9.58 714	0.40 374	0.29 341	9.01 717	0.63 479

MSMDNet	2.65 663	10.14 701	0.33 272	9.74 710	0.32 364	0.87 502	0.33 363	2.95 673	0.68 497	0.49 412	0.34 381	0.49 417	5.70 711	0.49 416	0.33 359	0.42 324	9.57 713	0.41 392	0.31 368	8.36 714	0.65 487

UGAM	0.51 391	2.23 563	0.39 312	0.54 374	0.35 390	0.50 428	0.35 381	0.49 407	0.35 384	0.49 412	0.35 390	0.49 417	0.36 388	0.50 424	0.36 379	0.49 380	0.37 341	0.45 416	0.34 389	0.45 391	0.34 368

GCST	0.50 386	2.08 549	0.38 301	0.53 371	0.35 390	0.49 419	0.35 381	0.50 416	0.35 384	0.49 412	0.35 390	0.49 417	0.35 384	0.49 416	0.35 376	0.48 377	0.37 341	0.45 416	0.33 385	0.44 386	0.33 361

ETE_ROB	0.35 256	0.35 187	0.35 293	0.35 232	0.35 390	0.35 278	0.35 381	0.35 266	0.35 384	0.35 276	0.35 390	0.35 280	0.35 384	0.35 279	0.35 376	0.35 262	0.35 331	0.35 302	0.35 402	0.35 280	0.35 379

252Zero-FE	0.45 358	0.50 266	0.36 295	0.50 355	0.36 396	0.50 428	0.36 387	0.50 416	0.36 394	0.49 412	0.36 393	0.49 417	0.36 388	0.54 444	0.41 415	0.45 355	0.34 324	0.45 416	0.34 389	0.55 434	0.75 512

SCV_C0	0.45 358	0.88 334	0.49 396	0.54 374	0.37 400	0.48 413	0.37 393	0.48 402	0.37 396	0.48 405	0.36 393	0.48 412	0.37 393	0.49 416	0.37 389	0.50 386	0.41 369	0.44 411	0.34 389	0.44 386	0.34 368

UGAM-zero	0.51 391	2.17 558	0.39 312	0.53 371	0.36 396	0.50 428	0.36 387	0.50 416	0.36 394	0.49 412	0.36 393	0.50 431	0.35 384	0.50 424	0.36 379	0.49 380	0.37 341	0.47 430	0.35 402	0.46 394	0.34 368

GCAP-Stereo	0.75 448	4.15 643	0.42 363	0.75 427	0.35 390	0.78 484	0.40 414	0.79 481	0.38 400	0.78 489	0.36 393	0.78 491	0.36 388	0.79 485	0.39 404	0.75 457	0.39 355	0.76 497	0.39 428	0.75 465	0.39 400

GMOStereo	0.37 274	0.45 245	0.23 208	0.30 209	0.37 400	0.41 321	0.36 387	0.41 315	0.35 384	0.43 336	0.36 393	0.41 323	0.40 409	0.41 322	0.36 379	0.34 254	0.22 215	0.47 430	0.37 411	0.39 351	0.33 361

error version	0.93 500	4.47 648	2.35 658	1.99 591	0.37 400	0.41 321	0.36 387	0.41 315	0.35 384	0.43 336	0.36 393	0.41 323	0.40 409	0.41 322	0.36 379	1.87 606	2.16 653	0.47 430	0.37 411	0.39 351	0.33 361

test_1	0.93 500	4.47 648	2.35 658	1.99 591	0.37 400	0.41 321	0.36 387	0.41 315	0.35 384	0.43 336	0.36 393	0.41 323	0.40 409	0.41 322	0.36 379	1.87 606	2.16 653	0.47 430	0.37 411	0.39 351	0.33 361

Venus	0.38 280	0.38 199	0.38 301	0.38 242	0.38 407	0.37 290	0.38 400	0.37 278	0.37 396	0.41 315	0.37 400	0.39 302	0.37 393	0.38 295	0.38 392	0.37 270	0.38 348	0.38 320	0.37 411	0.37 293	0.38 394

CASnet	0.35 256	0.51 274	0.44 366	0.32 221	0.31 352	0.24 224	0.34 376	0.36 270	0.25 259	0.31 258	0.37 400	0.30 260	0.33 373	0.25 232	0.45 429	0.37 270	0.37 341	0.33 276	0.35 402	0.34 267	0.37 387
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
iRaft-Stereo_5w	0.34 247	0.42 231	0.31 261	0.39 250	0.30 305	0.38 297	0.30 297	0.40 300	0.29 291	0.40 301	0.37 400	0.41 323	0.34 378	0.38 295	0.30 296	0.34 254	0.27 241	0.34 286	0.26 269	0.34 267	0.26 251

DMCA	0.36 264	0.38 199	0.37 299	0.35 232	0.35 390	0.36 282	0.36 387	0.36 270	0.35 384	0.35 276	0.37 400	0.36 285	0.36 388	0.35 279	0.36 379	0.36 267	0.36 337	0.35 302	0.36 408	0.36 288	0.36 382

XPNet_ROB	0.37 274	0.37 195	0.37 299	0.37 239	0.37 400	0.37 290	0.37 393	0.37 278	0.37 396	0.37 286	0.37 400	0.37 295	0.37 393	0.37 292	0.37 389	0.37 270	0.37 341	0.37 312	0.37 411	0.37 293	0.37 387

Pro-Stereo	0.79 459	0.53 280	0.38 301	0.49 319	0.38 407	0.49 419	0.37 393	0.49 407	0.67 491	0.50 425	0.38 405	1.10 543	0.38 397	0.49 416	0.38 392	0.71 441	0.88 500	5.98 715	0.36 408	0.46 394	0.36 382

GEAStereo	0.62 414	3.91 636	0.48 389	0.69 409	0.38 407	0.51 440	0.38 400	0.51 430	0.38 400	0.53 441	0.38 405	0.50 431	0.38 397	0.51 434	0.38 392	0.54 398	0.43 383	0.46 420	0.34 389	0.46 394	0.34 368

GSStereo	0.81 467	4.28 646	0.50 401	0.59 387	0.40 418	0.51 440	0.38 400	0.50 416	0.38 400	0.50 425	0.38 405	0.50 431	3.79 696	0.50 424	0.38 392	0.54 398	0.43 383	0.46 420	0.34 389	0.46 394	0.35 379

GS-Stereo							0.38 400	0.50 416	0.38 400	0.50 425	0.38 405	0.50 431	3.79 696	0.50 424	0.38 392	0.54 398	0.43 383	0.46 420	0.34 389	0.46 394	0.35 379

gasm-f	0.62 414	3.91 636	0.48 389	0.69 409	0.38 407	0.51 440	0.38 400	0.51 430	0.38 400	0.53 441	0.38 405	0.50 431	0.38 397	0.51 434	0.38 392	0.54 398	0.43 383	0.46 420	0.34 389	0.46 394	0.34 368

GASTEREO	0.48 378	1.21 456	0.47 381	0.57 382	0.38 407	0.50 428	0.38 400	0.50 416	0.38 400	0.50 425	0.38 405	0.50 431	0.38 397	0.50 424	0.38 392	0.52 394	0.42 378	0.46 420	0.34 389	0.46 394	0.34 368

WAO-8	0.38 280	0.38 199	0.38 301	0.38 242	0.38 407	0.38 297	0.38 400	0.38 287	0.38 400	0.38 287	0.38 405	0.38 297	0.38 397	0.38 295	0.38 392	0.38 282	0.38 348	0.38 320	0.37 411	0.38 306	0.38 394

WAO-7	0.38 280	0.38 199	0.38 301	0.38 242	0.38 407	0.38 297	0.38 400	0.38 287	0.38 400	0.38 287	0.38 405	0.38 297	0.38 397	0.38 295	0.38 392	0.38 282	0.38 348	0.38 320	0.38 424	0.38 306	0.38 394

IMH	0.38 280	0.38 199	0.38 301	0.38 242	0.38 407	0.38 297	0.38 400	0.38 287	0.38 400	0.42 329	0.38 405	0.40 310	0.38 397	0.38 295	0.38 392	0.38 282	0.38 348	0.39 361	0.38 424	0.38 306	0.38 394

iRaftStereo_RVC	0.97 504	3.17 616	2.30 657	2.42 609	0.38 407	0.54 450	0.38 400	0.54 439	0.38 400	0.54 447	0.38 405	0.54 448	0.38 397	0.54 444	0.38 392	2.38 641	2.34 657	0.49 443	0.36 408	0.49 415	0.36 382

LG-Stereo_L1	0.47 372	0.52 276	0.47 381	0.62 393	0.39 417	0.53 446	0.40 414	0.53 437	0.39 413	0.53 441	0.39 415	0.53 444	0.39 408	0.53 441	0.39 404	0.55 404	0.46 393	0.49 443	0.37 411	0.49 415	0.37 387

SCV	0.46 365	0.94 353	0.45 368	0.54 374	0.37 400	0.48 413	0.38 400	0.48 402	0.37 396	0.48 405	0.39 415	0.48 412	0.37 393	0.49 416	0.37 389	0.50 386	0.46 393	0.44 411	0.34 389	0.44 386	0.34 368

HanzoNet	0.39 294	0.38 199	0.40 344	0.39 250	0.41 428	0.38 297	0.38 400	0.38 287	0.38 400	0.39 294	0.39 415	0.38 297	0.38 397	0.39 303	0.40 407	0.38 282	0.38 348	0.40 374	0.38 424	0.38 306	0.40 402

Anonymus	0.47 372	0.73 307	0.46 373	0.43 291	0.54 477	0.53 446	0.27 266	0.39 292	0.35 384	0.33 269	0.40 418	0.33 273	0.38 397	0.53 441	0.54 462	0.56 408	0.36 337	0.49 443	0.53 474	0.66 448	0.54 457

quiztm	0.43 322	0.49 261	0.40 344	0.51 366	0.40 418	0.51 440	0.40 414	0.50 416	0.40 414	0.50 425	0.40 418	0.51 442	0.40 409	0.50 424	0.40 407	0.44 326	0.34 324	0.44 411	0.34 389	0.44 386	0.34 368

knoymous	0.40 299	0.40 210	0.40 344	0.40 263	0.40 418	0.40 305	0.40 414	0.40 300	0.40 414	0.40 301	0.40 418	0.40 310	0.40 409	0.40 306	0.40 407	0.40 302	0.40 359	0.40 374	0.40 429	0.40 365	0.40 402

anonymousa	0.40 299	0.40 210	0.40 344	0.40 263	0.40 418	0.40 305	0.40 414	0.40 300	0.40 414	0.40 301	0.40 418	0.40 310	0.40 409	0.40 306	0.40 407	0.40 302	0.40 359	0.40 374	0.40 429	0.40 365	0.40 402

riskmin	0.40 299	0.40 210	0.40 344	0.40 263	0.40 418	0.40 305	0.40 414	0.40 300	0.40 414	0.40 301	0.40 418	0.40 310	0.40 409	0.40 306	0.40 407	0.40 302	0.40 359	0.40 374	0.40 429	0.40 365	0.40 402

Anonymous_2	0.40 299	0.40 210	0.40 344	0.40 263	0.40 418	0.40 305	0.40 414	0.40 300	0.40 414	0.40 301	0.40 418	0.40 310	0.40 409	0.40 306	0.40 407	0.40 302	0.40 359	0.40 374	0.40 429	0.40 365	0.40 402

Anonymous_1	0.40 299	0.40 210	0.40 344	0.40 263	0.40 418	0.40 305	0.40 414	0.40 300	0.40 414	0.40 301	0.40 418	0.40 310	0.40 409	0.40 306	0.40 407	0.40 302	0.40 359	0.40 374	0.40 429	0.40 365	0.40 402

AdaStereo	0.40 299	0.40 210	0.40 344	0.40 263	0.40 418	0.40 305	0.40 414	0.40 300	0.40 414	0.40 301	0.40 418	0.40 310	0.40 409	0.40 306	0.40 407	0.40 302	0.40 359	0.40 374	0.40 429	0.40 365	0.40 402
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	0.51 391	1.40 479	0.49 396	0.58 384	0.38 407	0.50 428	0.38 400	0.54 439	0.41 424	0.52 438	0.41 426	0.53 444	0.42 427	0.53 441	0.41 415	0.60 414	0.47 401	0.48 438	0.37 411	0.48 412	0.38 394

LG-Stereo_Zeroshot	0.48 378	0.55 286	0.47 381	0.63 395	0.41 428	0.56 452	0.44 431	0.56 443	0.41 424	0.56 452	0.41 426	0.57 458	0.42 427	0.56 449	0.41 415	0.55 404	0.43 383	0.51 454	0.37 411	0.51 426	0.37 387

LG-Stereo	0.60 407	0.58 291	0.47 381	0.64 400	0.74 517	1.00 517	0.69 503	0.57 446	0.41 424	0.57 455	0.41 426	0.57 458	0.41 421	1.00 523	0.75 518	0.91 480	0.51 421	0.52 457	0.37 411	0.52 428	0.37 387

Occ-G	1.12 528	0.52 276	3.72 689	3.50 649	0.50 464	0.56 452	0.47 444	0.54 439	0.46 439	0.54 447	0.41 426	0.54 448	0.42 427	0.52 439	0.42 423	3.42 665	4.02 686	0.52 457	0.45 449	0.51 426	0.44 422

GwcNet-ADL	0.41 307	0.41 221	0.41 358	0.41 275	0.41 428	0.41 321	0.41 423	0.41 315	0.41 424	0.41 315	0.41 426	0.41 323	0.41 421	0.41 322	0.41 415	0.41 310	0.41 369	0.41 392	0.41 437	0.41 376	0.41 410

PSMNet-ADL	0.41 307	0.41 221	0.41 358	0.41 275	0.41 428	0.41 321	0.41 423	0.41 315	0.41 424	0.41 315	0.41 426	0.41 323	0.41 421	0.41 322	0.41 415	0.41 310	0.41 369	0.41 392	0.41 437	0.41 376	0.41 410

GANet-ADL	0.41 307	0.41 221	0.41 358	0.41 275	0.41 428	0.41 321	0.41 423	0.41 315	0.41 424	0.41 315	0.41 426	0.41 323	0.41 421	0.41 322	0.41 415	0.41 310	0.41 369	0.41 392	0.41 437	0.41 376	0.41 410

ADLNet2	0.41 307	0.41 221	0.41 358	0.41 275	0.41 428	0.41 321	0.41 423	0.41 315	0.41 424	0.41 315	0.41 426	0.41 323	0.41 421	0.41 322	0.41 415	0.41 310	0.41 369	0.41 392	0.41 437	0.41 376	0.41 410

ADLNet	0.41 307	0.41 221	0.41 358	0.41 275	0.41 428	0.41 321	0.41 423	0.41 315	0.41 424	0.41 315	0.41 426	0.41 323	0.41 421	0.41 322	0.41 415	0.41 310	0.41 369	0.41 392	0.41 437	0.41 376	0.41 410

GES	0.66 422	2.34 574	0.29 241	0.41 275	0.29 293	0.41 321	0.29 289	0.42 333	0.29 291	0.40 301	0.41 426	0.41 323	0.30 306	0.51 434	0.29 286	0.32 244	0.29 263	0.32 269	2.46 682	2.49 644	0.30 338

MyStereo07	0.60 407	3.72 629	0.48 389	0.49 319	0.41 428	0.36 282	0.32 352	0.49 407	0.43 432	0.51 434	0.42 436	0.49 417	0.43 430	0.51 434	0.64 477	0.49 380	0.45 391	0.34 286	0.32 375	0.35 280	0.43 419

CFNet_RVC	2.38 655	8.71 690	0.38 301	9.33 706	0.42 438	0.56 452	0.42 428	0.60 454	0.38 400	0.62 464	0.42 436	0.56 455	7.29 716	0.62 459	0.42 423	0.53 397	0.37 341	0.49 443	0.34 389	8.30 713	6.87 718

DispNO	1.00 507	0.63 296	0.43 364	3.45 645	0.44 441	0.65 468	0.43 430	0.64 461	0.43 432	0.64 467	0.43 438	0.64 469	3.03 674	0.64 465	0.43 426	4.55 676	0.43 383	0.63 471	0.43 447	0.63 445	0.43 419

FCDSN-DC	0.41 307	0.59 292	0.64 443	0.54 374	0.33 376	0.50 428	0.37 393	0.42 333	0.40 414	0.61 461	0.43 438	0.50 431	0.49 454	0.38 295	0.32 347	0.28 226	0.23 221	0.26 244	0.22 247	0.35 280	0.28 315
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FSD					0.44 441	0.56 452	0.44 431	0.55 442	0.44 435	0.56 452	0.44 440	0.56 455	0.44 432	0.56 449	0.46 433	0.61 418	0.42 378	0.52 457	0.42 445	0.52 428

MonSter	0.60 407	0.64 298	0.52 410	0.62 393	0.44 441	2.07 636	0.44 431	0.62 458	0.44 435	0.62 464	0.44 440	0.62 467	0.44 432	0.62 459	0.44 427	0.58 411	0.42 378	0.62 469	0.46 451	0.58 441	0.42 417

CES	0.39 294	0.47 253	0.36 295	0.36 236	0.37 400	0.45 396	0.35 381	0.35 266	0.40 414	0.36 280	0.44 440	0.47 405	0.36 388	0.44 374	0.36 379	0.37 270	0.39 355	0.44 411	0.35 402	0.37 293	0.36 382

Selective-IGEV	0.51 391	0.55 286	0.45 368	0.69 409	0.45 445	0.61 462	0.45 437	0.50 416	0.40 414	0.56 452	0.44 440	0.55 452	0.40 409	0.72 477	0.67 485	0.59 413	0.46 393	0.45 416	0.34 389	0.46 394	0.37 387

DN	0.53 396	0.85 328	0.45 368	0.65 401	0.44 441	0.60 461	0.44 431	0.60 454	0.44 435	0.60 460	0.45 444	0.60 463	0.44 432	0.60 458	0.44 427	0.56 408	0.42 378	0.56 463	0.42 445	0.56 436	0.42 417

fffft	0.48 378	0.51 274	0.45 368	0.52 369	0.45 445	0.52 444	0.45 437	0.52 435	0.48 451	0.53 441	0.45 444	0.52 443	0.45 436	0.52 439	0.46 433	0.51 392	0.41 369	0.50 449	0.41 437	0.50 420	0.41 410
1: 1. 1
PAM_32	0.64 418	2.38 578	0.51 407	0.92 452	0.43 440	0.53 446	0.44 431	0.87 493	0.43 432	0.52 438	0.45 444	0.53 444	0.40 409	0.54 444	0.46 433	0.62 422	0.56 430	0.48 438	0.45 449	0.76 468	0.44 422

AIO-test1	0.54 397	0.60 294	0.52 410	0.66 405	0.47 453	0.61 462	0.47 444	0.58 449	0.46 439	0.61 461	0.46 447	0.61 465	0.45 436	0.62 459	0.45 429	0.61 418	0.52 423	0.57 464	0.48 462	0.57 439	0.48 434

MyStereo04	0.56 404	3.72 629	0.59 425	0.49 319	0.41 428	0.36 282	0.32 352	0.37 278	0.31 351	0.34 272	0.46 447	0.35 280	0.32 362	0.35 279	0.33 359	0.49 380	0.45 391	0.34 286	0.32 375	0.35 280	0.43 419

otaku	0.46 365	0.46 249	0.46 373	0.46 300	0.46 447	0.46 403	0.46 439	0.46 392	0.46 439	0.46 392	0.46 447	0.46 399	0.46 439	0.46 397	0.46 433	0.46 365	0.46 393	0.46 420	0.46 451	0.46 394	0.46 425

Ntro	0.47 372	0.47 253	0.46 373	0.46 300	0.46 447	0.47 408	0.47 444	0.46 392	0.47 444	0.46 392	0.46 447	0.47 405	0.46 439	0.47 401	0.47 440	0.47 372	0.46 393	0.46 420	0.46 451	0.46 394	0.46 425

Dean	0.46 365	0.46 249	0.46 373	0.46 300	0.46 447	0.46 403	0.46 439	0.46 392	0.46 439	0.47 398	0.46 447	0.46 399	0.46 439	0.46 397	0.46 433	0.46 365	0.46 393	0.46 420	0.46 451	0.46 394	0.46 425

ACVNet_1	0.46 365	0.47 253	0.46 373	0.46 300	0.46 447	0.46 403	0.46 439	0.46 392	0.47 444	0.46 392	0.46 447	0.46 399	0.46 439	0.46 397	0.46 433	0.46 365	0.46 393	0.47 430	0.46 451	0.46 394	0.46 425

ACVNet-4b	0.46 365	0.46 249	0.46 373	0.46 300	0.46 447	0.46 403	0.46 439	0.46 392	0.46 439	0.46 392	0.46 447	0.46 399	0.46 439	0.47 401	0.46 433	0.46 365	0.46 393	0.46 420	0.46 451	0.46 394	0.46 425

test_xeample3	1.10 525	1.81 512	0.61 435	0.84 438	0.49 460	0.77 482	0.66 486	0.92 504	1.40 634	0.68 475	0.46 447	0.78 491	0.54 468	1.72 620	1.48 636	1.34 580	1.52 613	1.35 618	1.67 655	1.33 595	1.55 636

AIO-test2	0.55 402	0.59 292	0.52 410	0.67 406	0.47 453	0.61 462	0.47 444	0.61 457	0.47 444	0.61 461	0.47 455	0.61 465	0.48 448	0.62 459	0.47 440	0.64 428	0.53 425	0.58 465	0.47 458	0.58 441	0.48 434

HaxPig	0.47 372	0.47 253	0.47 381	0.49 319	0.47 453	0.47 408	0.47 444	0.47 398	0.47 444	0.47 398	0.47 455	0.47 405	0.47 447	0.47 401	0.47 440	0.47 372	0.47 401	0.47 430	0.47 458	0.47 408	0.48 434

UNDER WATER	0.47 372	0.47 253	0.47 381	0.47 307	0.47 453	0.47 408	0.47 444	0.47 398	0.47 444	0.47 398	0.47 455	0.47 405	0.46 439	0.47 401	0.47 440	0.47 372	0.47 401	0.47 430	0.46 451	0.47 408	0.47 432

LVE	0.47 372	0.47 253	0.47 381	0.47 307	0.49 460	0.47 408	0.47 444	0.47 398	0.49 453	0.47 398	0.47 455	0.47 405	0.46 439	0.47 401	0.47 440	0.47 372	0.47 401	0.48 438	0.47 458	0.47 408	0.47 432

MyStereo06	0.75 448	4.12 640	0.60 429	0.63 395	0.61 488	0.62 465	0.66 486	0.56 443	0.45 438	0.55 450	0.48 459	0.54 448	0.46 439	0.57 454	0.45 429	0.60 414	0.57 432	0.64 473	0.55 478	0.72 461	0.55 465

RainbowNet	0.48 378	0.48 259	0.48 389	0.48 313	0.48 457	0.48 413	0.48 453	0.48 402	0.48 451	0.48 405	0.48 459	0.48 412	0.48 448	0.48 410	0.48 446	0.48 377	0.48 405	0.48 438	0.48 462	0.48 412	0.48 434

notaker	0.48 378	0.49 261	0.48 389	0.48 313	0.48 457	0.48 413	0.48 453	0.48 402	0.49 453	0.48 405	0.48 459	0.48 412	0.48 448	0.48 410	0.48 446	0.48 377	0.48 405	0.48 438	0.48 462	0.48 412	0.49 440

S	0.56 404	0.61 295	0.54 415	0.68 408	0.48 457	0.65 468	0.49 455	0.63 459	0.49 453	0.64 467	0.49 462	0.64 469	0.48 448	0.62 459	0.49 448	0.63 426	0.62 450	0.59 468	0.48 462	0.57 439	0.48 434

PointNet	0.60 407	0.75 312	0.49 396	0.79 429	0.50 464	0.79 487	0.49 455	0.79 481	0.49 453	0.80 492	0.49 462	0.79 493	0.49 454	0.80 487	0.49 448	0.63 426	0.40 359	0.63 471	0.40 429	0.63 445	0.40 402

ACVNet_2	0.49 384	0.49 261	0.49 396	0.49 319	0.49 460	0.49 419	0.49 455	0.49 407	0.49 453	0.49 412	0.49 462	0.49 417	0.49 454	0.49 416	0.49 448	0.49 380	0.49 408	0.49 443	0.49 466	0.49 415	0.49 440

AEACV	1.12 528	0.52 276	3.12 680	3.24 634	0.86 537	0.53 446	0.49 455	0.60 454	0.47 444	0.53 441	0.49 462	0.55 452	0.45 436	0.55 448	0.47 440	3.01 660	3.88 684	0.71 488	0.60 488	0.80 477	0.48 434

FoundationStereo	0.50 386	0.50 266	0.50 401	0.50 355	0.50 464	0.50 428	0.50 459	0.50 416	0.50 458	0.50 425	0.50 466	0.50 431	0.50 458	0.50 424	0.50 451	0.50 386	0.50 416	0.50 449	0.50 468	0.50 420	0.50 443

StereoAnything_RVC	0.50 386	0.50 266	0.50 401	0.50 355	0.50 464	0.50 428	0.50 459	0.50 416	0.50 458	0.50 425	0.50 466	0.50 431	0.50 458	0.50 424	0.50 451	0.50 386	0.50 416	0.50 449	0.50 468	0.50 420	0.50 443

dual_stereo	0.50 386	0.50 266	0.50 401	0.50 355	0.50 464	0.50 428	0.50 459	0.50 416	0.50 458	0.50 425	0.50 466	0.50 431	0.50 458	0.50 424	0.50 451	0.50 386	0.50 416	0.50 449	0.50 468	0.50 420	0.50 443

KSHMR	0.66 422	0.50 266	0.48 389	1.15 488	0.52 471	0.49 419	0.51 463	0.49 407	0.71 515	0.67 473	0.50 466	1.16 551	1.11 549	0.66 467	0.52 458	0.49 380	0.49 408	0.51 454	0.66 504	0.50 420	1.14 559

LL-Strereo	1.01 515	5.06 655	1.63 618	0.70 415	1.43 634	0.56 452	0.46 439	0.57 446	0.50 458	0.57 455	0.50 466	1.58 616	0.49 454	0.59 456	0.50 451	1.64 599	0.52 423	0.51 454	1.37 629	0.52 428	0.45 424

SANet	0.50 386	0.50 266	0.50 401	0.50 355	0.50 464	0.50 428	0.50 459	0.50 416	0.50 458	0.50 425	0.50 466	0.50 431	0.50 458	0.50 424	0.50 451	0.50 386	0.50 416	0.50 449	0.50 468	0.50 420	0.50 443

MyStereo8	0.71 437	3.92 638	0.52 410	0.59 387	0.52 471	0.57 458	0.53 465	0.59 452	0.50 458	0.59 459	0.51 472	0.57 458	0.50 458	0.56 449	0.52 458	0.54 398	0.49 408	0.54 461	0.49 466	0.55 434	0.50 443

ktn	0.72 440	0.53 280	1.08 521	1.14 485	0.51 470	1.22 595	1.36 627	0.51 430	0.59 477	0.51 434	0.51 472	0.69 477	1.20 561	0.67 469	0.51 456	0.51 392	0.49 408	0.58 465	0.66 504	0.52 428	0.53 454

test-3	0.98 506	4.13 642	1.85 639	1.85 582	0.61 488	0.69 473	0.37 393	0.63 459	0.61 480	0.66 471	0.51 472	0.73 485	0.44 432	0.57 454	0.54 462	1.68 600	1.81 637	0.40 374	0.43 447	0.66 448	0.50 443

WCG-NET	0.61 412	1.21 456	0.54 415	0.61 392	0.53 474	0.67 471	0.53 465	0.66 465	0.53 466	0.64 467	0.53 475	0.65 473	0.53 465	0.59 456	0.52 458	0.65 429	0.48 405	0.64 473	0.52 472	0.58 441	0.50 443

PSMNet_ROB	0.54 397	0.54 284	0.54 415	0.54 374	0.53 474	0.54 450	0.54 468	0.53 437	0.54 468	0.54 447	0.54 476	0.54 448	0.53 465	0.54 444	0.54 462	0.54 398	0.53 425	0.54 461	0.54 476	0.54 433	0.54 457

anonymity	0.63 416	0.69 300	0.56 419	0.71 417	0.56 478	0.71 478	0.56 470	0.71 473	0.56 469	0.72 479	0.56 477	0.71 480	0.56 469	0.71 475	0.58 468	0.68 434	0.55 428	0.68 479	0.55 478	0.68 452	0.54 457

monster-pro	0.75 448	1.67 487	0.64 443	0.89 444	0.57 480	0.86 501	0.56 470	0.87 493	0.56 469	0.87 501	0.57 478	0.88 505	0.57 470	0.87 502	0.57 466	0.79 462	0.58 436	0.76 497	0.54 476	0.77 470	0.54 457

CASS	0.57 406	0.89 337	0.56 419	0.57 382	0.56 478	0.56 452	0.56 470	0.56 443	0.53 466	0.57 455	0.57 478	0.59 462	0.48 448	0.56 449	0.57 466	0.55 404	0.56 430	0.47 430	0.56 482	0.62 444	0.56 468
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CAR	0.72 440	0.76 314	0.59 425	0.84 438	1.19 575	0.81 492	0.58 473	0.81 487	0.58 472	0.81 495	0.58 480	0.83 500	0.59 475	0.82 491	0.59 471	0.71 441	0.49 408	0.73 489	0.68 510	0.87 488	0.52 451

MSE-Stereo	0.72 440	0.76 314	0.59 425	0.84 438	1.19 575	0.81 492	0.58 473	0.81 487	0.58 472	0.81 495	0.58 480	0.83 500	0.59 475	0.82 491	0.59 471	0.71 441	0.49 408	0.73 489	0.68 510	0.87 488	0.52 451

SE	0.64 418	0.73 307	0.77 483	0.79 429	0.59 481	0.78 484	0.54 468	0.58 449	0.58 472	0.78 489	0.59 482	0.63 468	0.18 230	0.78 484	0.52 458	0.80 464	0.65 456	0.69 482	0.57 484	0.75 465	0.52 451

MGA	0.73 444	0.76 314	0.60 429	0.92 452	1.17 571	0.81 492	0.59 477	0.84 491	0.62 481	0.81 495	0.59 482	0.84 502	0.60 477	0.81 490	0.61 475	0.71 441	0.53 425	0.89 517	0.53 474	0.75 465	0.54 457

zero-FE	0.72 440	1.31 470	0.66 450	0.92 452	0.60 483	0.82 495	0.58 473	0.82 490	0.58 472	0.81 495	0.60 484	0.81 498	0.60 477	0.82 491	0.58 468	0.74 456	0.59 442	0.73 489	0.52 472	0.76 468	0.51 450

SMoEStereo_RVC	0.63 416	0.75 312	0.51 407	0.73 423	0.53 474	0.71 478	0.47 444	0.67 466	0.58 472	0.74 485	0.60 484	0.72 483	0.53 465	0.74 481	0.51 456	0.61 418	0.62 450	0.62 469	0.61 490	0.63 445	0.61 474

DDUNet	0.81 467	2.45 582	0.57 423	0.90 447	0.60 483	0.88 503	0.59 477	0.90 499	0.60 478	0.88 503	0.60 484	0.90 510	0.58 473	0.88 504	0.60 473	0.84 475	0.60 445	0.86 515	0.57 484	0.86 487	0.60 473

UDG	0.80 462	2.21 562	0.60 429	0.91 449	0.60 483	0.90 507	0.58 473	0.88 497	0.60 478	0.90 505	0.60 484	0.88 505	0.60 477	0.90 507	0.58 468	0.86 478	0.60 445	0.84 512	0.59 487	0.84 485	0.61 474

MyStereo05	0.80 462	4.12 640	0.63 440	0.63 395	0.61 488	0.62 465	0.66 486	0.65 462	0.62 481	0.67 473	0.61 488	0.65 473	0.58 473	0.67 469	0.55 465	0.60 414	0.57 432	0.64 473	0.55 478	0.72 461	0.55 465

PA-Net	11.80 719	223.51 746	0.62 436	0.59 387	0.71 512	0.59 460	0.73 515	0.67 466	0.73 521	0.55 450	0.61 488	0.60 463	0.74 512	0.63 464	0.73 513	0.66 431	0.60 445	0.69 482	0.66 504	0.72 461	0.65 487
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ARAFT	0.68 428	0.81 323	0.63 440	0.74 426	0.60 483	0.78 484	0.62 480	0.77 480	0.66 489	0.74 485	0.63 490	0.75 488	0.62 481	0.83 496	0.60 473	0.70 440	0.55 428	0.70 487	0.60 488	0.78 472	0.55 465

RAFT-Stereo + iAFF	0.70 434	0.72 306	0.71 470	0.80 433	0.62 493	0.82 495	0.61 479	0.81 487	0.62 481	0.81 495	0.63 490	0.80 495	0.70 505	0.73 479	0.61 475	0.76 459	0.61 449	0.74 494	0.61 490	0.77 470	0.61 474

LMCR-Stereo	0.65 420	0.63 296	0.65 447	0.65 401	0.65 496	0.66 470	0.63 481	0.58 449	0.65 486	0.63 466	0.64 492	0.65 473	0.65 484	0.66 467	0.66 484	0.66 431	0.64 454	0.65 476	0.67 508	0.68 452	0.73 508

DSFCA	0.66 422	0.73 307	0.78 485	0.65 401	0.65 496	0.64 467	0.64 482	0.65 462	0.63 484	0.64 467	0.64 492	0.64 469	0.64 482	0.65 466	0.65 480	0.65 429	0.65 456	0.65 476	0.65 502	0.66 448	0.64 485

DNS	0.77 454	1.09 393	0.65 447	0.89 444	0.65 496	0.89 506	0.65 485	0.89 498	0.65 486	0.89 504	0.65 494	0.89 508	0.65 484	0.90 507	0.65 480	0.84 475	0.62 450	0.84 512	0.61 490	0.84 485	0.62 477

plain	1.88 604	3.16 615	0.64 443	3.10 627	0.65 496	3.10 675	0.64 482	3.12 674	0.65 486	3.10 675	0.65 494	3.11 675	0.65 484	3.12 674	0.65 480	3.12 661	0.65 456	3.13 673	0.65 502	3.13 661	0.65 487

4D-IteraStereo	0.78 458	3.13 614	0.89 497	0.69 409	0.32 364	0.40 305	0.32 352	0.76 479	0.97 549	0.52 438	0.65 494	0.89 508	0.32 362	0.76 483	0.98 543	0.83 473	0.94 506	0.35 302	0.27 307	0.70 459	0.89 530

MIF-Stereo (partial)	2.58 662	3.31 620	0.66 450	3.18 631	0.66 500	3.18 676	0.66 486	3.21 675	0.67 491	3.19 676	0.66 497	3.19 676	0.66 488	3.31 678	0.68 492	5.09 693	1.79 636	8.23 720	1.67 655	6.18 704	1.38 630

WAFT-Stereo (ZS)	0.67 427	0.78 317	0.67 454	0.67 406	0.66 500	0.67 471	0.67 490	0.65 462	0.66 489	0.66 471	0.67 498	0.66 476	0.67 490	0.67 469	0.72 512	0.66 431	0.67 459	0.67 478	0.67 508	0.67 451	0.67 491

WQFJA1++	0.84 478	0.98 358	0.67 454	1.26 546	0.75 519	1.00 517	0.67 490	1.00 512	0.67 491	1.00 517	0.67 498	1.00 523	0.67 490	1.00 523	0.67 485	0.96 491	0.67 459	0.91 521	0.63 493	0.92 498	0.63 479

WQFJA1	0.85 484	0.98 358	0.67 454	1.29 552	0.76 524	1.01 525	0.67 490	1.02 525	0.67 491	1.02 532	0.67 498	1.01 531	0.67 490	1.01 531	0.68 492	0.99 497	0.67 459	0.93 527	0.64 498	0.92 498	0.65 487

WQFJX1	0.84 478	0.98 358	0.67 454	1.30 554	0.75 519	1.01 525	0.67 490	1.01 521	0.67 491	1.01 528	0.67 498	1.01 531	0.68 495	1.00 523	0.68 492	0.98 496	0.67 459	0.92 524	0.64 498	0.92 498	0.64 485

NLMM	0.84 478	1.00 367	0.67 454	1.27 547	0.75 519	1.00 517	0.68 495	1.00 512	0.67 491	1.00 517	0.67 498	1.02 535	0.67 490	1.02 535	0.67 485	0.97 492	0.67 459	0.93 527	0.63 493	0.92 498	0.63 479

RSM++	0.76 453	0.82 325	0.66 450	0.85 442	0.64 494	0.85 499	0.71 512	0.94 508	0.64 485	0.87 501	0.67 498	0.87 504	0.65 484	0.84 497	0.65 480	0.81 468	0.70 474	0.79 501	0.71 521	0.83 484	0.70 498

WQFJX	0.85 484	1.00 367	0.68 462	1.30 554	0.75 519	1.01 525	0.68 495	1.01 521	0.68 497	1.01 528	0.68 504	1.03 536	0.68 495	1.02 535	0.67 485	0.97 492	0.67 459	0.93 527	0.63 493	0.94 507	0.63 479

NLSM3	0.85 484	0.99 365	0.68 462	1.29 552	0.76 524	1.01 525	0.68 495	1.01 521	0.68 497	1.02 532	0.68 504	1.01 531	0.68 495	1.01 531	0.68 492	0.97 492	0.68 465	0.93 527	0.64 498	0.93 503	0.63 479

AIO-Stereo-zeroshot1	0.75 448	0.92 347	0.85 496	0.96 464	0.59 481	1.27 599	0.44 431	0.59 452	0.69 502	0.91 507	0.68 504	0.55 452	0.61 480	1.06 538	0.83 531	0.62 422	0.70 474	0.90 518	0.41 437	0.89 492	0.56 468

R-Stereo Train	0.81 467	0.96 355	0.67 454	0.95 461	0.67 502	0.95 512	0.68 495	0.95 510	0.68 497	0.95 515	0.68 504	0.96 520	0.68 495	0.96 519	0.68 492	0.94 489	0.68 465	0.94 531	0.68 510	0.94 507	0.68 493

RAFT-Stereo	0.81 467	0.96 355	0.67 454	0.95 461	0.67 502	0.95 512	0.68 495	0.95 510	0.68 497	0.95 515	0.68 504	0.96 520	0.68 495	0.96 519	0.68 492	0.94 489	0.68 465	0.94 531	0.68 510	0.94 507	0.68 493
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
mm2	0.69 431	0.69 300	0.69 464	0.69 409	0.69 506	0.69 473	0.69 503	0.69 468	0.69 502	0.69 476	0.69 509	0.69 477	0.69 501	0.69 472	0.69 500	0.69 435	0.69 471	0.69 482	0.69 514	0.69 456	0.69 495

mm1	0.69 431	0.69 300	0.69 464	0.69 409	0.69 506	0.69 473	0.69 503	0.69 468	0.69 502	0.69 476	0.69 509	0.69 477	0.69 501	0.69 472	0.69 500	0.69 435	0.69 471	0.69 482	0.69 514	0.69 456	0.69 495

FlowAnything	1.02 517	1.71 489	0.72 473	1.59 572	0.69 506	1.60 618	0.69 503	1.61 610	0.70 510	1.60 613	0.69 509	1.60 617	0.69 501	1.61 617	0.69 500	0.81 468	0.58 436	0.81 506	0.56 482	0.82 482	0.56 468

TorneroNet	0.66 422	0.53 280	0.50 401	0.50 355	0.64 494	1.06 534	0.70 509	0.50 416	0.51 465	0.49 412	0.69 509	0.49 417	0.50 458	0.48 410	1.15 561	0.71 441	0.49 408	1.14 549	1.08 560	0.49 415	0.49 440

NLMM1	0.86 487	0.98 358	0.69 464	1.48 569	0.75 519	1.01 525	0.69 503	1.00 512	0.69 502	1.00 517	0.70 513	1.00 523	0.68 495	1.01 531	0.67 485	0.97 492	0.68 465	0.92 524	0.63 493	0.93 503	0.63 479

FlowAnything_test	1.02 517	1.72 490	0.71 470	1.59 572	0.70 510	1.61 619	0.69 503	1.61 610	0.70 510	1.60 613	0.70 513	1.61 620	0.69 501	1.61 617	0.70 508	0.81 468	0.58 436	0.81 506	0.55 478	0.81 480	0.56 468

MoCha-V2	2.11 631	26.97 723	0.78 485	0.92 452	0.77 527	0.96 514	0.72 514	0.90 499	0.72 518	0.94 513	0.70 513	0.90 510	0.71 509	0.91 509	0.71 510	0.85 477	0.71 478	0.88 516	0.69 514	0.87 488	0.67 491

AFF-stereo	0.73 444	0.88 334	0.67 454	0.75 427	0.68 505	0.75 481	0.64 482	0.80 484	0.72 518	0.83 500	0.70 513	0.82 499	0.64 482	0.84 497	0.67 485	0.77 461	0.63 453	0.81 506	0.63 493	0.78 472	0.62 477

MSMD_ROB	1.19 532	1.10 398	0.70 467	1.10 479	0.60 483	1.10 540	0.70 509	1.10 530	0.70 510	1.10 538	0.70 513	1.10 543	0.70 505	7.00 719	0.70 508	1.10 510	0.70 474	1.10 548	0.70 518	1.10 523	0.70 498

AdaDepth	0.86 487	0.93 351	0.71 470	1.01 473	1.07 561	1.02 531	0.71 512	1.00 512	0.71 515	1.01 528	0.71 518	1.00 523	0.72 510	1.14 549	0.71 510	0.92 483	0.64 454	0.90 518	0.64 498	0.89 492	0.69 495

DCRE	0.84 478	1.89 534	0.77 483	0.94 459	0.72 514	0.88 503	0.73 515	0.87 493	0.78 525	0.90 505	0.71 518	0.88 505	0.67 490	0.88 504	0.73 513	0.81 468	0.68 465	0.81 506	0.70 518	0.82 482	0.70 498

DMCA-RVC	0.70 434	0.80 320	0.70 467	0.70 415	0.70 510	0.70 476	0.70 509	0.71 473	0.70 510	0.70 478	0.71 518	0.71 480	0.70 505	0.70 474	0.69 500	0.69 435	0.70 474	0.69 482	0.70 518	0.69 456	0.70 498

DStereoRT	0.73 444	0.81 323	0.73 477	0.71 417	0.74 517	0.73 480	0.75 517	0.71 473	0.71 515	0.74 485	0.72 521	0.73 485	0.80 521	0.71 475	0.73 513	0.76 459	0.71 478	0.73 489	0.72 523	0.70 459	0.76 515

11t	1.27 584	2.70 593	1.34 589	1.32 557	0.89 539	1.30 601	1.34 624	1.64 613	0.57 471	1.45 611	0.72 521	1.05 538	1.29 613	1.07 541	1.29 625	1.49 591	1.02 515	0.97 536	1.15 564	1.48 600	1.31 622

UniTT-Stereo	2.03 623	3.43 622	0.72 473	3.42 644	0.73 515	3.27 678	0.68 495	3.38 679	0.69 502	3.29 678	0.72 521	3.28 678	0.70 505	3.35 680	0.68 492	3.39 664	0.68 465	3.31 676	0.69 514	3.37 662	0.73 508

iGMRVC	0.84 478	2.85 608	0.72 473	0.72 419	0.73 515	0.77 482	0.79 522	0.73 476	0.74 523	0.73 480	0.72 521	0.73 485	0.76 515	0.73 479	0.73 513	0.72 449	0.73 481	0.73 489	0.72 523	0.73 464	0.72 505

AIO-Stereo	0.84 478	0.66 299	0.70 467	0.83 437	0.67 502	0.98 515	0.82 532	1.14 531	0.72 518	1.03 534	0.74 525	1.03 536	1.09 548	0.99 521	0.45 429	1.04 504	0.73 481	0.95 533	0.74 525	0.94 507	0.46 425

HSM-Net_RVC	0.95 503	1.17 406	0.78 485	1.18 495	0.71 512	1.16 548	0.75 517	1.09 529	0.80 531	1.10 538	0.75 526	1.17 552	0.74 512	1.17 552	0.80 526	1.13 517	0.73 481	1.17 556	0.77 530	1.16 530	0.72 505
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
Wavelet-MonSter	1.00 507	1.21 456	0.76 481	1.94 586	1.01 556	1.11 543	0.76 519	1.15 532	0.76 524	1.11 543	0.76 527	1.14 549	0.76 515	1.11 546	0.76 520	1.21 570	0.90 501	1.02 544	0.71 521	1.02 519	0.71 504

RAStereo	2.23 645	3.64 625	0.76 481	3.65 653	0.86 537	3.66 683	0.76 519	3.67 683	0.81 534	3.66 680	0.76 527	3.66 681	0.77 517	3.68 682	0.77 521	3.68 667	0.77 487	3.69 681	0.77 530	3.70 665	0.77 517

LiteMatch	1.13 530	0.73 307	2.80 666	3.23 632	0.61 488	0.83 497	0.68 495	0.73 476	0.69 502	1.00 517	0.77 529	0.94 517	0.57 470	0.82 491	0.64 477	2.97 658	2.43 660	0.68 479	0.32 375	0.56 436	0.70 498

Lsterematch	1.13 530	0.73 307	2.80 666	3.23 632	0.61 488	0.83 497	0.68 495	0.73 476	0.69 502	1.00 517	0.77 529	0.94 517	0.57 470	0.82 491	0.64 477	2.97 658	2.43 660	0.68 479	0.32 375	0.56 436	0.70 498

Hybrid-DGEV	1.03 519	1.75 496	0.80 489	1.28 551	0.78 528	1.26 598	0.80 525	1.26 592	0.78 525	1.26 598	0.78 531	1.26 601	0.78 519	1.26 601	0.78 522	1.15 520	0.75 484	1.14 549	0.74 525	1.14 525	0.75 512

ToySt	0.92 495	2.11 552	0.90 500	0.95 461	0.79 530	0.99 516	0.78 521	0.94 508	0.81 534	0.94 513	0.78 531	0.95 519	0.77 517	0.94 515	0.86 533	0.91 480	0.79 491	0.85 514	0.77 530	0.89 492	0.73 508

Hybrid-DGEV-2	1.05 521	1.83 522	0.83 493	1.33 558	0.82 536	1.30 601	0.81 529	1.26 592	0.79 529	1.29 600	0.79 533	1.26 601	0.80 521	1.26 601	0.79 523	1.20 524	0.78 489	1.18 559	0.77 530	1.20 540	0.77 517

G-Net	0.79 459	0.79 319	0.79 488	0.79 429	0.79 530	0.79 487	0.79 522	0.79 481	0.79 529	0.79 491	0.79 533	0.79 493	0.79 520	0.79 485	0.79 523	0.79 462	0.79 491	0.79 501	0.79 534	0.79 474	0.79 520

NaN_ROB	0.80 462	0.80 320	0.80 489	0.80 433	0.80 533	0.80 489	0.80 525	0.80 484	0.80 531	0.80 492	0.80 535	0.80 495	0.80 521	0.80 487	0.80 526	0.80 464	0.80 494	0.80 504	0.80 536	0.80 477	0.80 521

CSAN	0.80 462	0.80 320	0.80 489	0.80 433	0.80 533	0.80 489	0.80 525	0.80 484	0.80 531	0.80 492	0.80 535	0.80 495	0.80 521	0.80 487	0.80 526	0.80 464	0.80 494	0.80 504	0.80 536	0.80 477	0.80 521

Hybrid-DGEV-03	1.07 522	1.83 522	0.83 493	1.34 559	0.81 535	1.32 603	0.81 529	1.31 599	0.81 534	1.31 601	0.82 537	1.32 606	0.82 525	1.32 606	0.81 529	1.19 522	0.77 487	1.19 561	0.76 528	1.19 538	0.77 517

Selective-RAFT-Error	0.88 490	0.84 326	0.98 509	0.86 443	0.97 549	0.88 503	0.95 543	0.84 491	0.99 552	0.92 509	0.82 537	0.84 502	0.98 535	0.87 502	0.97 542	0.81 468	0.83 497	0.79 501	0.82 539	0.79 474	0.85 526

LiteMatch*	2.07 629	1.30 468	5.73 701	6.28 690	0.79 530	1.33 604	0.80 525	1.30 598	1.02 559	1.33 602	0.84 539	1.33 607	0.97 533	1.28 605	1.04 552	6.05 701	5.89 697	1.28 613	0.76 528	1.28 593	0.88 527

DPSimNet_ROB	0.97 504	1.18 408	0.81 492	1.10 479	0.91 543	1.02 531	0.82 532	1.04 526	0.91 539	1.03 534	0.86 540	1.28 605	0.82 525	1.03 537	0.89 534	1.17 521	0.81 496	1.02 544	0.82 539	1.08 522	0.81 523

tt45	1.04 520	0.88 334	1.36 599	0.92 452	1.03 559	1.51 617	0.79 522	0.70 472	0.88 537	0.74 485	0.90 541	1.60 617	0.72 510	1.60 615	0.75 518	0.91 480	0.78 489	1.52 625	0.79 534	1.14 525	1.32 623

HH	0.71 437	2.54 584	0.74 478	1.10 479	0.32 364	0.41 321	0.37 393	0.69 468	0.78 525	0.73 480	0.90 541	0.75 488	1.00 536	0.84 497	0.69 500	0.69 435	0.40 359	0.35 302	0.26 269	0.35 280	0.26 251

HanStereo	0.71 437	2.54 584	0.74 478	1.10 479	0.32 364	0.41 321	0.37 393	0.69 468	0.78 525	0.73 480	0.90 541	0.75 488	1.00 536	0.84 497	0.69 500	0.69 435	0.40 359	0.35 302	0.26 269	0.35 280	0.26 251

Selective-RAFT	0.89 492	0.89 337	0.72 473	1.16 493	0.78 528	1.06 534	0.82 532	0.87 493	0.97 549	1.00 517	0.91 544	0.90 510	1.00 536	0.89 506	0.93 539	0.83 473	0.83 497	0.82 510	0.82 539	0.81 480	0.82 524

DPSM_ROB	0.92 495	0.91 342	0.91 502	0.91 449	0.92 544	0.92 509	0.92 539	0.92 504	0.91 539	0.93 511	0.91 544	0.92 513	0.90 528	0.91 509	0.92 535	0.92 483	0.91 502	0.91 521	0.92 543	0.93 503	0.93 534

DPSM	0.92 495	0.91 342	0.91 502	0.91 449	0.92 544	0.92 509	0.92 539	0.92 504	0.91 539	0.93 511	0.91 544	0.92 513	0.90 528	0.91 509	0.92 535	0.92 483	0.91 502	0.91 521	0.92 543	0.93 503	0.93 534

pmcnn	0.92 495	0.92 347	0.92 504	0.92 452	0.92 544	0.92 509	0.92 539	0.92 504	0.92 543	0.92 509	0.92 547	0.92 513	0.92 530	0.92 513	0.92 535	0.92 483	0.92 504	0.92 524	0.92 543	0.92 498	0.92 533

DGTPSM_ROB	0.93 500	1.00 367	0.92 504	0.94 459	0.96 548	0.91 508	0.92 539	0.91 501	0.96 548	0.91 507	0.96 548	0.93 516	0.92 530	0.94 515	0.92 535	0.92 483	0.92 504	0.90 518	0.92 543	0.94 507	0.91 532

AIO-Stereo-zeroshot	0.91 493	0.86 330	0.89 497	1.25 545	0.69 506	1.05 533	0.81 529	1.16 535	0.50 458	1.12 544	0.97 549	0.72 483	0.82 525	1.06 538	0.95 540	0.61 418	0.87 499	1.03 546	0.85 542	1.04 520	1.01 548

MM-Stereo_test2	1.20 533	1.85 528	1.05 518	1.46 568	0.94 547	1.36 607	0.99 546	1.36 601	0.95 546	1.41 608	0.98 550	1.40 612	0.96 532	1.37 608	0.95 540	1.37 585	1.06 517	1.33 615	0.93 547	1.29 594	0.89 530

LGCAT	1.00 507	1.00 367	1.00 511	1.00 468	1.00 550	1.00 517	1.00 547	1.00 512	1.00 553	1.00 517	1.00 551	1.00 523	1.00 536	1.00 523	1.00 545	1.00 498	1.00 508	1.00 538	1.00 550	1.00 512	1.00 542

Test_v1	1.00 507	1.00 367	1.00 511	1.00 468	1.00 550	1.00 517	1.00 547	1.00 512	1.00 553	1.00 517	1.00 551	1.00 523	1.00 536	1.00 523	1.00 545	1.00 498	1.00 508	1.00 538	1.00 550	1.00 512	1.00 542

GANet	1.00 507	1.00 367	1.00 511	1.00 468	1.00 550	1.00 517	1.00 547	1.00 512	1.00 553	1.00 517	1.00 551	1.00 523	1.00 536	1.00 523	1.00 545	1.00 498	1.00 508	1.00 538	1.00 550	1.00 512	1.00 542

TDLM	1.00 507	1.00 367	1.00 511	1.00 468	1.00 550	1.00 517	1.00 547	1.00 512	1.00 553	1.00 517	1.00 551	1.00 523	1.00 536	1.00 523	1.00 545	1.00 498	1.00 508	1.00 538	1.00 550	1.00 512	1.00 542

CVANet_RVC	1.00 507	1.00 367	1.00 511	1.00 468	1.00 550	1.00 517	1.00 547	1.00 512	1.00 553	1.00 517	1.00 551	1.00 523	1.00 536	1.00 523	1.00 545	1.00 498	1.00 508	1.00 538	1.00 550	1.00 512	1.00 542

trnet	1.01 515	1.01 377	1.01 516	1.01 473	1.01 556	1.01 525	1.01 552	1.01 521	1.01 558	1.01 528	1.01 556	1.01 531	1.01 544	1.01 531	1.01 550	1.01 503	1.01 514	1.01 543	1.01 557	1.01 517	1.01 548

MM-Stereo_test3	1.27 584	2.07 548	1.18 531	1.60 575	1.02 558	1.45 615	1.01 552	1.40 605	1.04 561	1.44 610	1.03 557	1.46 615	1.02 545	1.44 613	1.02 551	1.51 594	1.12 531	1.32 614	0.98 548	1.38 598	0.97 538

BLMT-Stereo	1.53 591	1.36 474	1.06 519	1.42 567	1.23 627	1.41 613	1.07 556	1.43 608	1.12 563	1.42 609	1.06 558	1.83 623	1.07 547	1.42 612	1.07 554	1.27 575	1.38 604	6.80 716	1.00 550	1.26 591	1.00 542

GLC_STEREO	1.07 522	1.01 377	1.06 519	1.07 477	1.05 560	1.06 534	1.08 557	1.08 527	1.05 562	1.07 536	1.06 558	1.08 539	1.05 546	1.06 538	1.10 556	1.07 506	1.09 524	1.05 547	1.05 559	1.06 521	1.12 555

MLG-Stereo	0.92 495	0.90 340	0.84 495	1.27 547	0.49 460	1.38 609	0.88 535	1.41 606	0.97 549	0.73 480	1.09 560	1.26 601	0.43 430	0.72 477	1.05 553	1.13 517	0.49 408	1.18 559	0.66 504	1.01 517	0.46 425

ours_stereo	1.20 533	1.21 456	0.90 500	1.64 580	1.11 563	1.35 605	0.67 490	1.76 617	0.93 544	1.70 621	1.10 561	1.39 610	0.75 514	1.41 610	0.81 529	1.60 598	1.03 516	1.33 615	1.00 550	1.61 605	0.72 505

qqai	1.22 580	1.38 477	1.12 522	1.39 565	1.14 564	1.40 611	1.14 561	1.41 606	1.12 563	1.40 607	1.11 562	1.40 612	1.13 550	1.41 610	1.15 561	1.25 573	0.97 507	1.24 610	1.01 557	1.24 589	0.96 537

AF-Net	2.37 653	25.71 719	1.17 529	1.13 484	1.15 566	1.15 547	1.18 567	1.19 540	1.16 567	1.10 538	1.15 563	1.10 543	1.18 559	1.12 548	1.15 561	1.10 510	1.10 527	1.17 556	1.15 564	1.16 530	1.12 555

RP	2.33 649	25.00 716	1.13 524	1.15 488	1.15 566	1.10 540	1.15 563	1.15 532	1.15 566	1.12 544	1.15 563	1.09 541	1.13 550	1.10 544	1.15 561	1.11 515	1.09 524	1.16 552	1.12 562	1.16 530	1.17 564

Nwc_Net	2.37 653	25.95 720	1.15 527	1.14 485	1.15 566	1.08 537	1.14 561	1.17 537	1.16 567	1.14 547	1.15 563	1.08 539	1.15 554	1.11 546	1.14 560	1.10 510	1.11 528	1.16 552	1.09 561	1.16 530	1.15 560

RGC	2.36 651	25.48 717	1.19 533	1.15 488	1.15 566	1.10 540	1.16 565	1.17 537	1.16 567	1.12 544	1.16 566	1.11 547	1.13 550	1.09 542	1.18 567	1.10 510	1.15 533	1.16 552	1.12 562	1.14 525	1.12 555

NCC-stereo	2.36 651	25.52 718	1.17 529	1.15 488	1.17 571	1.11 543	1.11 558	1.15 532	1.16 567	1.10 538	1.16 566	1.10 543	1.15 554	1.14 549	1.13 559	1.09 508	1.11 528	1.15 551	1.16 566	1.17 535	1.17 564

edge stereo	2.43 656	27.07 724	1.14 525	1.06 476	1.14 564	1.08 537	1.17 566	1.16 535	1.14 565	1.10 538	1.16 566	1.09 541	1.16 558	1.10 544	1.16 565	1.10 510	1.11 528	1.16 552	1.19 568	1.13 524	1.11 553

Abc-Net	2.32 648	24.75 715	1.14 525	1.17 494	1.17 571	1.11 543	1.15 563	1.17 537	1.21 619	1.08 537	1.16 566	1.12 548	1.14 553	1.09 542	1.17 566	1.09 508	1.16 534	1.17 556	1.17 567	1.16 530	1.11 553
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 649	24.38 714	1.18 531	1.18 495	1.18 574	1.14 546	1.18 567	1.19 540	1.19 573	1.14 547	1.18 570	1.14 549	1.18 559	1.14 549	1.18 567	1.14 519	1.14 532	1.19 561	1.19 568	1.15 528	1.19 568

DisPM	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

CrosDoStereo	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

PFNet+	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

LCNet	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

HHNet	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

Patchmatch Stereo++	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569
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	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

STrans-v2	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

TransformOpticalFlow	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

OMP-Stereo	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

IIG-Stereo	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

NF-Stereo	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

OCTAStereo	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

PSM-softLoss	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

KMStereo	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

NRIStereo	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

PSM-adaLoss	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

PSM-AAD	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

FTStereo	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

ROB_FTStereo_v2	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

ROB_FTStereo	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

Consistency-Raft	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

KYRaft	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

HUI-Stereo	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

ASMatch	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

DeepStereo_LL	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

DEmStereo	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

SST-Stereo	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

THIR-Stereo	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

RAFT_R40	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

DRaft	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

PFNet	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

GrayStereo	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

RE-Stereo	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

Pruner-Stereo	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

TVStereo	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

DeepStereo_RVC	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

RAFT-RH_RVC	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

IRAFT_RVC	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

RAFT-345	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

iRAFT	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

CRE-IMP	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

GMM-Stereo	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

RAFT-IKP	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

Prome-Stereo	1.20 533	1.20 410	1.20 536	1.20 497	1.20 577	1.20 549	1.20 569	1.20 543	1.20 574	1.20 551	1.20 571	1.20 554	1.20 561	1.20 554	1.20 571	1.20 524	1.20 539	1.20 563	1.20 571	1.20 540	1.20 569

MaDis-Stereo	3.19 676	6.02 676	1.12 522	5.61 686	1.16 570	5.43 711	1.02 554	5.15 710	0.70 510	5.43 710	1.21 616	5.03 711	0.97 533	4.85 704	0.99 544	4.53 675	1.16 534	5.53 710	1.25 621	5.37 700	1.30 621

FAT-Stereo	2.46 658	26.05 721	1.23 585	1.23 544	1.22 625	1.20 549	1.24 617	1.23 591	1.23 621	1.19 550	1.22 617	1.21 599	1.24 609	1.20 554	1.24 618	1.21 570	1.17 537	1.22 609	1.25 621	1.20 540	1.24 618

GANetREF_RVC	1.55 592	1.94 544	1.22 583	1.88 583	1.21 623	1.88 625	1.22 615	1.88 619	1.22 620	1.88 622	1.22 617	1.88 624	1.22 608	1.89 628	1.22 617	1.87 606	1.22 586	1.88 639	1.22 617	1.88 617	1.22 615
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	2.51 660	26.86 722	1.23 585	1.22 542	1.22 625	1.24 597	1.25 618	1.22 589	1.24 622	1.21 596	1.24 619	1.19 553	1.27 611	1.19 553	1.24 618	1.19 522	1.20 539	1.25 611	1.19 568	1.24 589	1.23 617

SPS-STEREO	1.59 593	1.91 537	1.21 582	1.94 586	1.20 577	2.00 633	1.23 616	1.99 624	1.24 622	2.00 630	1.25 620	2.03 634	1.26 610	2.00 632	1.29 625	1.90 610	1.18 538	1.89 640	1.21 616	1.89 618	1.20 569
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
StereoVision	3.15 675	5.00 654	0.89 497	4.83 677	1.00 550	3.93 684	1.27 621	6.37 713	1.34 627	5.67 713	1.26 621	5.84 714	1.27 611	5.03 710	1.24 618	5.10 694	1.09 524	4.61 694	0.57 484	5.62 702	1.12 555

2.25w	2.00 613	1.86 531	1.98 650	2.95 625	2.17 678	2.26 641	1.35 625	2.42 650	2.00 676	2.07 638	1.27 622	2.53 652	1.99 659	2.29 643	1.49 637	2.21 626	1.32 588	1.85 632	1.87 667	2.52 648	1.62 646

4.5_new	2.00 613	1.84 527	1.98 650	2.77 619	2.16 676	2.27 642	1.28 622	2.09 629	1.98 673	2.01 631	1.28 623	2.71 664	1.98 657	2.51 655	1.65 643	2.26 628	1.33 595	1.87 636	1.87 667	2.49 644	1.60 643

1w_stereo	2.05 628	2.32 569	1.35 591	3.74 658	2.01 668	2.73 668	1.42 637	1.88 619	1.93 671	2.03 633	1.28 623	2.71 664	1.99 659	2.72 666	1.72 650	2.20 625	1.32 588	1.87 636	1.86 666	2.45 640	1.54 635

IGEV	2.02 621	2.20 560	1.82 633	2.90 624	2.16 676	2.41 650	1.25 618	2.00 625	1.98 673	1.99 629	1.31 625	2.72 668	1.93 653	2.67 663	1.69 647	2.26 628	1.32 588	1.83 631	1.87 667	2.53 651	1.61 645

3w_stereo	2.04 626	2.24 564	1.70 621	3.15 629	2.18 680	2.49 654	1.26 620	2.03 627	1.98 673	1.98 628	1.33 626	2.72 668	1.99 659	2.59 658	1.72 650	2.22 627	1.33 595	1.85 632	1.88 672	2.50 646	1.58 641

PS-NSSS	1.38 589	1.39 478	1.34 589	1.34 559	1.35 628	1.38 609	1.37 632	1.35 600	1.38 633	1.34 603	1.34 627	1.39 610	1.38 622	1.70 619	1.40 633	1.36 583	1.36 601	1.36 620	1.37 629	1.37 597	1.36 628

999	1.00 507	1.12 399	0.59 425	1.10 479	1.21 623	1.09 539	0.52 464	1.08 527	1.43 636	1.18 549	1.35 628	0.98 522	0.52 464	0.91 509	0.85 532	0.72 449	1.46 609	0.83 511	0.98 548	0.68 452	1.41 631

MaskLacGwcNet_RVC	1.35 586	1.35 473	1.35 591	1.35 561	1.35 628	1.35 605	1.35 625	1.36 601	1.35 630	1.36 605	1.35 628	1.36 608	1.36 619	1.36 607	1.35 629	1.35 581	1.35 600	1.35 618	1.35 626	1.35 596	1.35 627

CC-Net-ROB	1.36 587	1.33 472	1.33 588	1.36 562	1.38 631	1.36 607	1.33 623	1.37 603	1.34 627	1.35 604	1.36 630	1.38 609	1.34 617	1.38 609	1.38 632	1.35 581	1.38 604	1.33 615	1.35 626	1.43 599	1.34 626

3.25w	2.04 626	2.20 560	1.48 609	3.03 626	2.17 678	2.63 664	1.39 633	1.96 622	1.95 672	1.96 625	1.37 631	2.71 664	1.96 656	2.71 664	1.73 655	2.26 628	1.32 588	1.87 636	1.87 667	2.51 647	1.63 647

MC-Stereo	1.76 599	2.96 609	1.37 601	2.14 594	1.37 630	2.14 639	1.36 627	2.14 633	1.37 632	2.14 639	1.37 631	2.14 636	1.37 621	2.14 637	1.37 631	1.97 615	1.32 588	1.97 643	1.32 625	1.98 620	1.33 624

HBP-ISP	1.24 582	1.72 490	1.65 619	1.15 488	0.76 524	1.40 611	0.88 535	1.67 616	1.02 559	1.69 620	1.38 633	1.69 621	1.21 607	1.87 627	1.21 616	1.05 505	0.79 491	0.97 536	0.80 536	1.19 538	0.75 512

CFNet-RSSM	0.91 493	4.89 653	0.34 283	0.44 295	1.07 561	1.62 621	1.40 634	0.91 501	0.35 384	1.60 613	1.39 634	0.64 469	0.34 378	0.44 374	0.33 359	0.41 310	0.35 331	0.75 495	0.30 357	0.41 376	0.29 324

2.5w	2.01 620	2.40 579	1.37 601	3.28 636	2.01 668	2.71 665	1.43 640	1.82 618	1.83 661	1.90 624	1.41 635	2.71 664	1.35 618	2.71 664	1.85 662	2.66 652	1.53 614	1.64 627	1.23 618	2.53 651	1.87 662

MM-Stereo_test1	1.80 602	3.41 621	1.52 614	2.12 593	1.41 633	2.04 634	1.41 635	2.05 628	1.46 637	2.04 634	1.41 635	2.05 635	1.42 624	2.05 633	1.43 635	2.04 619	1.54 616	1.94 641	1.38 631	1.99 621	1.33 624

sCroCo_RVC	2.10 630	2.76 601	1.92 647	2.78 622	1.39 632	2.73 668	1.41 635	2.73 665	1.40 634	2.77 674	1.41 635	2.74 670	1.40 623	2.74 669	1.40 633	2.72 656	1.42 607	2.72 671	1.44 637	2.79 658	1.42 632

MonStereo1	1.94 607	2.77 603	1.52 614	3.73 657	1.51 637	2.13 638	1.42 637	2.32 644	1.52 638	2.31 648	1.50 638	2.53 652	1.59 627	2.34 646	1.56 638	1.91 611	1.36 601	1.86 635	1.31 624	2.07 622	1.53 634

monsters	2.18 635	2.41 580	1.96 649	3.47 646	2.03 672	2.53 658	1.64 645	2.48 652	1.73 651	2.40 652	1.50 638	2.62 660	1.94 654	2.59 658	1.94 669	2.44 644	1.57 619	2.28 652	1.87 667	2.42 638	1.86 660

ff7	1.68 595	2.68 590	1.35 591	0.97 465	0.89 539	1.84 622	2.15 673	2.12 630	1.80 657	2.05 635	1.56 640	2.33 642	2.12 664	2.23 638	2.25 676	1.31 577	1.07 518	1.48 622	1.41 632	0.90 495	1.04 550

ffff	1.68 595	2.68 590	1.35 591	0.97 465	0.89 539	1.84 622	2.15 673	2.12 630	1.80 657	2.05 635	1.56 640	2.33 642	2.12 664	2.23 638	2.25 676	1.31 577	1.07 518	1.48 622	1.41 632	0.90 495	1.04 550

ccc-4	1.68 595	2.68 590	1.35 591	0.97 465	0.89 539	1.84 622	2.15 673	2.12 630	1.80 657	2.05 635	1.56 640	2.33 642	2.12 664	2.23 638	2.25 676	1.31 577	1.07 518	1.48 622	1.41 632	0.90 495	1.04 550

DPSMNet_ROB	1.60 594	1.59 485	1.70 621	1.59 572	1.59 640	1.61 619	1.61 643	1.60 609	1.60 640	1.62 619	1.59 643	1.60 617	1.60 628	1.60 615	1.59 640	1.59 596	1.60 624	1.59 626	1.59 647	1.59 604	1.59 642

3.25w_new	2.03 623	2.72 597	1.35 591	3.33 641	1.57 638	2.72 666	1.53 642	2.15 634	1.33 626	2.15 640	1.60 644	2.63 661	1.30 614	2.72 666	1.99 673	2.67 654	1.53 614	1.75 630	1.25 621	2.53 651	1.87 662

RASNet	1.49 590	1.65 486	1.45 607	1.38 564	1.43 634	1.47 616	1.36 627	1.38 604	1.36 631	1.39 606	1.60 644	1.45 614	1.45 625	1.51 614	2.21 675	1.53 595	1.36 601	1.36 620	1.36 628	1.66 608	1.36 628

3.5w_stereo	2.03 623	2.72 597	1.35 591	3.41 643	1.57 638	2.72 666	1.49 641	2.01 626	1.34 627	2.15 640	1.61 646	2.63 661	1.36 619	2.72 666	1.99 673	2.66 652	1.58 620	1.68 629	1.24 619	2.53 651	1.87 662

monsterstereo	2.20 641	2.33 570	1.95 648	3.65 653	2.07 673	2.49 654	1.61 643	2.48 652	1.83 661	2.45 654	1.61 646	2.67 663	1.86 646	2.64 660	1.94 669	2.48 648	1.66 628	2.34 656	1.68 657	2.40 637	1.86 660

4w-stereo	2.02 621	2.72 597	1.44 606	3.36 642	1.59 640	2.48 653	1.72 649	2.28 637	1.24 622	2.24 643	1.65 648	2.56 657	1.32 616	2.39 649	1.98 672	2.67 654	1.51 612	1.66 628	1.24 619	2.53 651	1.88 665

Anonymous3	2.55 661	3.26 619	1.65 619	3.28 636	1.63 643	3.24 677	1.68 646	3.27 676	1.66 641	3.28 677	1.67 649	3.25 677	1.66 631	3.27 676	1.64 642	3.26 662	1.65 627	3.30 675	1.65 653	4.95 695	1.65 650

MonStereo	2.17 633	2.41 580	1.49 613	2.67 616	1.67 645	2.60 663	2.04 671	2.32 644	1.76 654	2.44 653	1.68 650	2.50 650	1.69 634	2.38 647	1.80 659	2.28 632	1.78 634	2.63 670	2.14 675	3.47 663	1.68 651

UDGNet	2.23 645	5.40 666	1.72 624	2.48 611	1.69 648	2.51 657	1.69 647	2.51 655	1.72 650	2.50 657	1.69 651	2.52 651	1.69 634	2.50 654	1.68 646	2.41 643	1.70 630	2.42 661	1.69 659	2.42 638	1.64 648

MFMNet_re	1.81 603	1.91 537	1.71 623	1.95 588	1.70 651	1.95 630	1.70 648	1.96 622	1.74 653	1.97 627	1.72 652	1.95 627	1.71 636	1.97 631	1.71 648	1.86 604	1.62 625	1.85 632	1.66 654	1.86 616	1.64 648

derf	1.91 605	2.15 556	1.78 627	2.16 595	1.75 653	2.21 640	1.80 651	2.22 636	1.80 657	2.21 642	1.76 653	2.17 637	1.81 645	2.24 641	1.74 656	1.93 613	1.56 617	1.96 642	1.53 640	1.95 619	1.56 637

U	5.15 711	8.49 689	1.81 628	8.49 702	1.77 654	8.49 720	1.77 650	8.51 721	1.77 655	8.49 721	1.77 654	8.50 721	1.78 643	8.58 721	1.77 657	8.54 713	1.78 634	8.55 721	1.78 664	8.55 715	1.84 658

asda	2.17 633	2.54 584	1.81 628	3.47 646	1.78 655	2.50 656	1.86 657	2.61 658	1.68 642	2.61 660	1.83 655	2.37 646	1.73 638	2.44 653	1.88 667	2.51 649	1.84 638	2.34 656	1.62 651	2.23 628	1.77 657

HUF	2.18 635	2.30 567	1.99 653	2.34 607	2.02 671	2.41 650	2.06 672	2.38 648	1.89 669	2.36 650	1.85 656	2.56 657	1.98 657	2.31 645	1.97 671	2.30 635	2.03 649	2.30 653	2.11 674	2.23 628	2.16 667

LGtest1	2.22 642	2.70 593	1.89 644	2.76 618	1.86 660	2.75 670	1.86 657	2.75 666	1.86 663	2.75 669	1.86 657	2.77 673	1.87 647	2.75 670	1.86 663	2.46 645	1.58 620	2.45 662	1.56 641	2.45 640	1.56 637

LG-G_1	2.22 642	2.71 595	1.89 644	2.77 619	1.87 663	2.75 670	1.87 659	2.76 667	1.87 667	2.75 669	1.87 658	2.76 671	1.87 647	2.75 670	1.86 663	2.47 646	1.58 620	2.45 662	1.57 642	2.45 640	1.57 639

LG-G	2.22 642	2.71 595	1.89 644	2.77 619	1.87 663	2.75 670	1.87 659	2.76 667	1.87 667	2.75 669	1.87 658	2.76 671	1.87 647	2.75 670	1.86 663	2.47 646	1.58 620	2.45 662	1.57 642	2.45 640	1.57 639

TRStereo	2.00 613	2.13 553	1.85 639	2.27 601	1.84 657	2.28 644	1.84 653	2.29 639	1.86 663	2.30 645	1.87 658	2.30 639	1.87 647	2.08 634	1.72 650	2.08 620	1.72 631	2.08 646	1.72 660	2.08 623	1.72 653

XX-Stereo	2.00 613	2.13 553	1.85 639	2.27 601	1.84 657	2.28 644	1.84 653	2.29 639	1.86 663	2.30 645	1.87 658	2.30 639	1.87 647	2.08 634	1.72 650	2.08 620	1.72 631	2.08 646	1.72 660	2.08 623	1.72 653

EAI-Stereo	2.00 613	2.13 553	1.85 639	2.27 601	1.84 657	2.28 644	1.84 653	2.29 639	1.86 663	2.30 645	1.87 658	2.30 639	1.87 647	2.08 634	1.72 650	2.08 620	1.72 631	2.08 646	1.72 660	2.08 623	1.72 653

IGEVStereo-DCA	1.77 600	4.21 644	1.84 637	2.49 612	2.11 674	2.54 660	1.36 627	1.65 614	1.17 571	2.75 669	1.90 663	2.54 655	1.15 554	0.94 515	1.11 557	1.50 592	1.32 588	0.96 534	1.46 638	1.49 601	0.88 527

rrr	1.77 600	4.21 644	1.84 637	2.49 612	2.11 674	2.54 660	1.36 627	1.65 614	1.17 571	2.75 669	1.90 663	2.54 655	1.15 554	0.94 515	1.11 557	1.50 592	1.32 588	0.96 534	1.46 638	1.49 601	0.88 527

qwe	2.18 635	2.60 587	1.58 616	3.83 659	1.90 665	2.53 658	1.90 662	2.48 652	1.73 651	2.37 651	1.92 665	2.53 652	1.68 632	2.56 656	1.83 660	2.52 651	1.87 640	2.07 645	1.68 657	2.32 634	1.71 652

2w_stereo	1.99 609	2.36 577	1.81 628	3.24 634	1.67 645	1.94 627	1.98 664	2.72 659	1.68 642	2.72 663	1.94 666	1.98 630	1.74 640	1.79 624	1.27 622	1.95 614	2.00 642	2.53 667	1.60 648	1.68 609	1.15 560

AIO_test	2.18 635	2.09 551	2.04 654	2.42 609	2.01 668	2.47 652	1.94 663	2.34 646	2.03 677	2.56 659	1.94 666	2.43 648	1.94 654	2.41 650	1.87 666	2.39 642	2.10 651	2.35 658	1.91 673	2.25 630	2.19 668

AIO_rvc	2.18 635	2.34 574	1.87 643	2.32 605	1.94 666	2.40 649	1.89 661	2.37 647	2.07 678	2.52 658	1.95 668	2.44 649	1.99 659	2.41 650	1.89 668	2.32 637	2.09 650	2.24 650	2.18 676	2.21 627	2.23 669

asd	2.18 635	2.77 603	1.58 616	3.59 651	2.00 667	2.58 662	1.85 656	2.39 649	1.71 646	2.47 655	1.97 669	2.59 659	1.61 629	2.56 656	1.79 658	2.51 649	1.99 641	2.11 649	1.62 651	2.36 636	1.60 643

4.25_new	2.00 613	2.33 570	1.82 633	3.32 639	1.69 648	1.95 630	1.99 667	2.72 659	1.71 646	2.72 663	1.97 669	2.01 632	1.74 640	1.77 622	1.28 623	2.18 623	2.01 644	2.48 665	1.58 645	1.65 606	1.17 564

4.5w_new	2.00 613	2.33 570	1.82 633	3.32 639	1.69 648	1.95 630	1.99 667	2.72 659	1.71 646	2.72 663	1.97 669	2.01 632	1.74 640	1.77 622	1.28 623	2.18 623	2.01 644	2.48 665	1.58 645	1.65 606	1.17 564

3.75w	1.99 609	2.31 568	1.83 636	3.16 630	1.65 644	1.93 626	1.98 664	2.72 659	1.68 642	2.73 668	1.97 669	2.00 631	1.72 637	1.81 625	1.25 621	2.27 631	2.01 644	2.38 659	1.42 635	1.71 610	1.24 618

RAFT_CTSACE	1.92 606	3.71 628	1.72 624	1.88 583	1.72 652	2.04 634	1.42 637	2.18 635	1.89 669	2.02 632	1.97 669	1.95 627	2.06 663	1.93 629	1.62 641	1.76 601	1.66 628	2.02 644	1.73 663	1.73 611	1.43 633

FBW_ROB	2.12 632	2.46 583	1.77 626	2.49 612	1.79 656	2.38 648	1.83 652	2.46 651	1.78 656	2.48 656	1.97 669	2.40 647	1.78 643	2.42 652	1.83 660	2.31 636	1.85 639	2.38 659	1.82 665	2.35 635	1.84 658

4.25w-stereo	1.98 608	2.72 597	1.46 608	3.47 646	1.43 634	2.07 636	1.98 664	2.53 656	1.52 638	2.71 662	1.98 675	1.81 622	1.62 630	1.96 630	1.36 630	1.88 609	2.00 642	2.53 667	1.61 649	1.74 612	1.15 560

sAnonymous2	3.31 677	2.63 588	1.38 603	3.71 655	1.86 660	4.70 703	1.11 558	4.82 706	2.72 683	5.45 711	1.98 675	4.59 696	2.64 670	2.65 661	6.21 716	4.37 671	1.08 522	5.16 708	2.24 678	4.52 677	2.39 675

CroCo_RVC	3.31 677	2.63 588	1.38 603	3.71 655	1.86 660	4.70 703	1.11 558	4.82 706	2.72 683	5.45 711	1.98 675	4.59 696	2.64 670	2.65 661	6.21 716	4.37 671	1.08 522	5.16 708	2.24 678	4.52 677	2.39 675

4.5w-stereo	1.99 609	2.33 570	1.81 628	3.28 636	1.68 647	1.94 627	1.99 667	2.72 659	1.70 645	2.72 663	1.99 678	1.97 629	1.68 632	1.76 621	1.29 625	1.91 611	2.02 648	2.53 667	1.61 649	1.75 613	1.16 563

2.75w_new	1.99 609	2.34 574	1.81 628	3.14 628	1.62 642	1.94 627	1.99 667	2.72 659	1.71 646	2.72 663	1.99 678	1.90 625	1.73 638	1.82 626	1.29 625	2.37 640	2.01 644	2.31 654	1.42 635	1.77 614	1.22 615

FC-DCNN	1.07 522	1.09 393	0.98 509	0.89 444	0.52 471	1.41 613	0.91 538	1.21 588	1.24 622	1.96 625	2.05 680	1.91 626	1.30 614	1.27 604	1.08 555	0.80 464	0.60 445	0.58 465	0.41 437	0.68 452	0.54 457

NCCL2	2.28 647	2.27 565	2.28 656	2.28 604	2.28 681	2.27 642	2.29 676	2.28 637	2.28 679	2.27 644	2.28 681	2.28 638	2.27 667	2.27 642	2.28 680	2.28 632	2.28 656	2.27 651	2.29 680	2.27 631	2.29 670

STTStereo	3.73 681	30.40 728	2.37 660	2.39 608	2.31 683	2.35 647	2.33 677	2.29 639	2.42 680	2.32 649	2.34 682	2.33 642	2.36 668	2.30 644	2.27 679	2.35 639	2.22 655	2.31 654	2.22 677	2.29 633	2.34 674

NLSM1	2.93 674	3.24 618	2.57 664	4.04 660	2.66 684	3.30 679	2.55 679	3.29 677	2.55 681	3.35 679	2.48 683	3.28 678	2.47 669	3.34 679	2.49 681	3.26 662	2.55 662	3.13 673	2.57 683	3.00 660	2.46 677

NLCA_NET_v2_RVC	5.04 709	50.87 739	2.78 665	2.87 623	2.71 685	2.78 673	0.47 444	2.88 672	2.86 685	1.89 623	2.67 684	2.79 674	2.79 673	2.78 673	2.83 682	2.82 657	2.82 663	2.83 672	2.77 684	2.83 659	2.76 679
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	3.83 682	5.23 660	3.01 669	4.53 664	3.03 689	4.55 697	3.02 686	4.56 693	3.04 686	4.52 690	3.02 685	4.54 692	3.03 674	4.56 693	3.04 683	4.57 677	3.05 665	4.57 689	3.05 688	4.58 680	3.05 684

rvit_stereo_0082	3.86 684	5.82 674	3.01 669	4.53 664	3.03 689	4.54 693	3.02 686	4.56 693	3.04 686	4.53 692	3.02 685	4.55 694	3.04 677	4.57 696	3.05 685	4.57 677	3.05 665	4.58 691	3.05 688	4.58 680	3.06 687

rvit_0105_6	3.87 686	5.73 673	3.10 679	4.69 674	3.12 697	4.54 693	3.02 686	4.56 693	3.04 686	4.54 694	3.03 687	4.54 692	3.04 677	4.56 693	3.05 685	4.58 680	3.05 665	4.58 691	3.05 688	4.58 680	3.05 684

rvit_105_1	3.83 682	5.22 659	3.01 669	4.53 664	3.01 687	4.51 691	3.01 685	4.56 693	3.04 686	4.53 692	3.03 687	4.55 694	3.03 674	4.56 693	3.04 683	4.57 677	3.05 665	4.57 689	3.05 688	4.57 679	3.05 684

rvit_stereo_0081_aga	3.86 684	5.33 663	3.02 672	4.55 670	3.04 693	4.54 693	3.02 686	4.64 700	3.06 690	4.54 694	3.04 689	4.62 701	3.08 681	4.62 699	3.07 688	4.58 680	3.06 669	4.60 693	3.08 692	4.63 683	3.07 688

rvit_0105_4	3.91 689	5.47 670	3.02 672	4.54 667	3.02 688	4.54 693	3.03 690	4.75 703	3.17 697	4.57 696	3.06 690	4.61 700	3.16 685	4.65 700	3.09 691	4.66 684	3.11 673	4.68 698	3.18 699	4.81 690	3.16 696

rvit_stereo_0080	3.89 687	5.70 671	3.04 674	4.54 667	3.03 689	4.56 698	3.05 692	4.60 697	3.07 691	4.58 697	3.06 690	4.59 696	3.06 679	4.61 697	3.08 689	4.63 682	3.09 670	4.64 695	3.10 693	4.65 684	3.10 691

whm_eth	3.89 687	5.70 671	3.04 674	4.54 667	3.03 689	4.56 698	3.05 692	4.60 697	3.07 691	4.58 697	3.06 690	4.59 696	3.06 679	4.61 697	3.08 689	4.63 682	3.09 670	4.64 695	3.10 693	4.65 684	3.10 691

rvit_0105_3	3.91 689	5.33 663	3.06 677	4.60 672	3.07 695	4.60 700	3.06 694	4.62 699	3.08 694	4.60 699	3.07 693	4.62 701	3.08 681	4.67 701	3.10 692	4.70 685	3.11 673	4.77 702	3.19 700	4.77 689	3.14 695

DispFullNet	4.61 702	4.84 651	3.12 680	5.00 680	3.57 703	4.75 706	3.03 690	7.75 719	4.17 711	4.91 706	3.09 694	6.20 715	3.95 700	6.71 715	3.51 698	5.30 695	3.67 683	5.86 714	3.63 703	5.61 701	3.46 701

rvit_stereo_0083	3.92 691	5.30 662	3.06 677	4.61 673	3.09 696	4.67 702	3.08 695	4.66 701	3.09 695	4.62 700	3.10 695	4.66 704	3.11 683	4.67 701	3.16 694	4.72 687	3.16 676	4.77 702	3.11 695	4.66 686	3.11 693

rvit_stereo_ft	3.93 692	5.44 668	3.05 676	4.59 671	3.06 694	4.61 701	3.08 695	4.67 702	3.12 696	4.63 701	3.10 695	4.65 703	3.11 683	4.69 703	3.13 693	4.70 685	3.14 675	4.71 700	3.15 698	4.74 687	3.16 696

rvit_0105_5	4.10 693	5.40 666	3.13 682	4.71 675	3.15 698	4.72 705	3.10 697	4.90 708	3.27 699	4.69 702	3.16 697	4.84 708	3.25 687	4.96 707	3.34 697	5.05 692	3.39 681	5.10 707	3.40 701	5.11 697	3.42 700

NLCSM	3.67 680	4.08 639	3.19 683	4.80 676	3.26 699	3.99 687	3.24 700	4.25 689	3.18 698	4.09 685	3.27 698	4.14 687	3.18 686	4.13 687	3.28 696	4.06 669	3.10 672	3.85 685	3.14 697	3.91 670	3.27 699

RAFT+CT+SA	4.28 696	7.62 683	4.91 695	5.55 685	2.28 681	3.09 674	3.64 704	4.49 691	3.07 691	4.80 703	3.35 699	4.77 706	3.70 693	4.29 690	3.05 685	5.58 696	5.98 699	3.58 679	3.78 708	4.26 673	3.72 704

MLG-Stereo_test1	4.25 694	5.34 665	3.61 686	5.31 682	3.63 705	5.23 709	3.57 703	5.38 711	3.65 701	5.23 708	3.47 700	4.76 705	3.74 694	4.85 704	3.71 701	4.96 689	3.18 678	4.71 700	2.92 685	4.86 693	2.90 681

TestStereo1	4.60 700	8.41 687	6.44 704	6.86 695	3.79 708	3.97 685	3.78 707	3.99 686	3.74 704	3.97 683	3.52 701	3.94 685	3.58 688	3.98 685	3.72 702	6.82 706	6.50 702	3.76 682	3.66 704	3.90 667	3.74 706

SA-5K	4.60 700	8.41 687	6.44 704	6.86 695	3.79 708	3.97 685	3.78 707	3.99 686	3.74 704	3.97 683	3.52 701	3.94 685	3.58 688	3.98 685	3.72 702	6.82 706	6.50 702	3.76 682	3.66 704	3.90 667	3.74 706

DPSNet	3.66 679	3.60 624	3.62 687	3.63 652	3.64 706	3.65 682	3.65 705	3.66 682	3.67 702	3.67 681	3.65 703	3.67 682	3.66 691	3.66 681	3.68 700	3.68 667	3.66 682	3.67 680	3.68 706	3.67 664	3.67 703

MLG-Stereo_test3	4.26 695	4.85 652	3.95 690	5.35 683	3.60 704	4.75 706	3.76 706	5.49 712	3.71 703	5.39 709	3.69 704	4.82 707	3.66 691	4.85 704	3.73 704	4.93 688	3.19 679	4.69 699	2.99 687	4.84 692	2.98 683

MLG-Stereo_test2	4.28 696	5.46 669	3.69 688	4.86 678	3.72 707	5.58 712	3.42 701	4.81 705	3.77 707	4.85 704	3.72 705	5.55 713	3.63 690	5.58 711	3.53 699	4.41 674	3.28 680	4.99 706	2.95 686	4.75 688	3.13 694

SA	4.33 698	7.35 680	6.85 707	5.96 688	4.09 711	3.59 681	3.15 698	3.82 684	2.64 682	3.91 682	3.85 706	3.57 680	2.72 672	3.13 675	4.03 707	7.09 709	6.86 704	3.57 678	3.12 696	3.85 666	3.51 702

test_4	4.88 706	8.13 685	6.98 708	7.46 698	4.44 713	4.25 689	3.85 709	4.04 688	3.92 708	4.13 686	3.91 707	4.18 689	3.84 698	4.14 688	4.06 708	7.01 708	7.13 707	4.53 687	3.72 707	4.09 671	3.72 704

cross-raft	4.83 705	7.52 681	6.43 703	6.63 692	3.96 710	4.51 691	3.99 710	4.49 691	3.96 709	4.52 690	3.96 708	4.50 691	3.97 701	4.50 692	3.97 706	6.65 704	6.44 701	4.33 686	3.92 710	4.35 675	3.91 709

Sa-1000	4.34 699	8.37 686	6.84 706	6.98 697	4.45 714	3.58 680	3.00 684	3.42 680	3.39 700	2.61 660	4.00 709	3.83 684	4.01 702	3.90 684	3.90 705	5.98 700	5.62 696	3.76 682	2.34 681	4.35 675	2.47 678

test_3	5.01 708	8.86 692	7.77 710	8.09 700	2.76 686	4.13 688	4.05 711	3.88 685	3.76 706	4.33 688	4.13 710	3.71 683	3.91 699	4.21 689	4.06 708	7.93 710	7.69 709	4.53 687	3.91 709	4.17 672	4.29 712

SGM-Forest	5.21 712	5.92 675	4.08 691	6.18 689	4.16 712	6.31 714	4.34 713	6.50 714	4.33 712	6.14 715	4.21 711	6.61 718	4.55 706	6.67 714	4.48 711	5.94 699	3.94 685	5.85 713	4.03 712	5.79 703	4.17 711
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
raft_robust	4.71 704	7.75 684	5.40 700	6.81 694	3.31 700	4.28 690	4.20 712	4.32 690	4.37 713	4.35 689	4.35 712	4.14 687	3.75 695	4.30 691	4.20 710	6.67 705	6.37 700	3.36 677	4.24 714	4.86 693	3.25 698

test_5	4.62 703	7.55 682	6.23 702	6.32 691	3.40 702	5.29 710	3.50 702	3.53 681	4.11 710	4.28 687	4.47 713	4.26 690	4.38 705	3.68 682	3.24 695	5.89 698	5.60 695	4.84 704	3.50 702	4.33 674	3.93 710

TestStereo	4.88 706	4.75 650	4.79 693	4.87 679	4.92 715	4.81 708	4.90 715	4.78 704	4.77 714	4.87 705	4.89 714	4.90 709	4.91 707	4.99 708	4.79 712	4.98 690	4.87 692	4.87 705	4.92 716	5.00 696	5.00 713

FC-DCNN v2	5.10 710	5.15 657	4.49 692	5.07 681	3.37 701	6.87 715	4.75 714	5.04 709	6.34 718	7.84 719	5.06 715	6.72 719	4.09 703	4.99 708	5.44 715	5.03 691	3.16 676	4.67 697	4.86 715	5.15 698	3.89 708

SGM+DAISY	7.06 716	9.15 693	5.38 699	8.84 704	5.18 716	8.80 721	5.31 717	8.79 722	5.28 716	8.89 722	5.20 716	8.93 722	5.33 709	8.95 722	5.36 714	8.70 714	5.21 693	8.74 722	5.20 717	8.89 716	5.15 714

rvit_stereo_0075_2	6.64 714	8.80 691	5.25 697	7.89 699	5.27 717	7.90 719	5.27 716	7.92 720	5.28 716	7.91 720	5.29 717	7.93 720	5.27 708	7.92 720	5.28 713	7.93 710	5.28 694	7.93 719	5.29 718	7.93 712	5.28 715

test-v	7.53 717	11.89 705	7.98 711	9.36 707	7.14 720	7.06 717	7.09 720	7.37 717	6.91 720	7.29 717	5.71 718	6.45 716	6.93 713	6.73 716	7.27 720	8.93 717	7.85 710	6.98 717	6.80 721	7.56 710	7.34 719

test-2	7.53 717	11.89 705	7.98 711	9.36 707	7.14 720	7.06 717	7.09 720	7.37 717	6.91 720	7.29 717	5.71 718	6.45 716	6.93 713	6.73 716	7.27 720	8.93 717	7.85 710	6.98 717	6.80 721	7.56 710	7.34 719

test-1	6.46 713	9.16 694	8.03 714	8.09 700	5.62 718	6.11 713	6.35 718	6.85 716	4.94 715	6.08 714	6.29 720	4.98 710	6.43 712	6.22 712	6.36 718	6.16 702	7.47 708	5.82 712	5.44 719	7.11 709	5.68 716

RAFT	6.73 715	9.36 695	7.40 709	8.51 703	6.55 719	6.88 716	6.60 719	6.79 715	6.60 719	6.80 716	6.72 721	5.31 712	5.50 710	6.61 713	6.61 719	8.42 712	5.89 697	5.73 711	5.45 720	6.61 705	6.24 717

MANE	19.05 720	23.00 713	15.00 720	23.00 727	15.00 722	24.00 728	16.00 722	24.00 729	16.00 722	22.00 729	15.00 722	23.00 729	16.00 722	23.00 729	15.00 722	22.00 729	15.00 723	22.00 729	15.00 723	22.00 729	15.00 721

rafts_anoy	20.00 721	20.00 707	20.00 721	20.00 721	20.00 723	20.00 722	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 724	20.00 723	20.00 724	20.00 723	20.00 722

raft+_RVC	20.00 721	20.00 707	20.00 721	20.00 721	20.00 723	20.00 722	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 724	20.00 723	20.00 724	20.00 723	20.00 722

raftrobust	20.00 721	20.00 707	20.00 721	20.00 721	20.00 723	20.00 722	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 724	20.00 723	20.00 724	20.00 723	20.00 722

CasAABBNet	20.00 721	20.00 707	20.00 721	20.00 721	20.00 723	20.00 722	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 724	20.00 723	20.00 724	20.00 723	20.00 722

RALCasStereoNet	20.00 721	20.00 707	20.00 721	20.00 721	20.00 723	20.00 722	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 724	20.00 723	20.00 724	20.00 723	20.00 722

RALAANet	20.00 721	20.00 707	20.00 721	20.00 721	20.00 723	20.00 722	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 723	20.00 724	20.00 723	20.00 724	20.00 723	20.00 722

WCMA_ROB	31.10 728	35.43 733	27.12 727	39.51 740	23.10 729	38.78 741	25.30 729	37.49 742	25.39 729	37.29 741	27.02 729	38.52 742	26.48 729	37.80 741	26.44 729	36.28 737	22.65 730	33.90 734	22.30 730	37.10 739	24.18 728

111	30.40 727	30.94 729	29.72 728	32.61 728	30.02 730	33.57 729	30.47 730	31.50 730	29.39 730	30.98 730	29.11 730	29.78 730	30.39 733	29.45 730	30.76 733	30.08 730	29.02 731	29.92 730	30.32 734	29.86 730	30.17 729

fff	1000028.16 748	29.62 725	29.72 728	32.61 728	30.02 730	35.13 731	31.83 731	32.07 731	10000000.00 750	35.27 733	29.82 731	32.45 731	30.15 730	32.35 731	30.09 730	31.04 731	29.55 732	30.64 731	30.14 731	10000000.00 751	30.77 730

csc	1000028.16 748	29.62 725	29.72 728	32.61 728	30.02 730	35.13 731	31.83 731	32.07 731	10000000.00 750	35.27 733	29.82 731	32.45 731	30.15 730	32.35 731	30.09 730	31.04 731	29.55 732	30.64 731	30.14 731	10000000.00 751	30.77 730

cscssc	1000028.16 748	29.62 725	29.72 728	32.61 728	30.02 730	35.13 731	31.83 731	32.07 731	10000000.00 750	35.27 733	29.82 731	32.45 731	30.15 730	32.35 731	30.09 730	31.04 731	29.55 732	30.64 731	30.14 731	10000000.00 751	30.77 730

tt	500032.53 746	34.60 731	29.72 728	37.47 738	34.41 735	36.85 735	35.22 735	34.71 734	33.55 732	34.50 731	35.43 734	33.81 734	10000000.00 751	33.57 734	33.13 734	33.68 734	35.00 736	34.03 735	35.26 737	30.96 731	34.63 734

DCANet	500032.53 746	34.60 731	29.72 728	37.47 738	34.41 735	36.85 735	35.22 735	34.71 734	33.55 732	34.50 731	35.43 734	33.81 734	10000000.00 751	33.57 734	33.13 734	33.68 734	35.00 736	34.03 735	35.26 737	30.96 731	34.63 734

DCANet-4	35.22 729	34.54 730	35.08 734	33.58 732	35.47 737	34.55 730	35.53 737	36.08 736	35.85 734	35.92 736	35.77 736	35.18 736	35.48 735	35.39 736	37.15 740	34.55 736	33.92 735	35.02 737	34.90 736	35.79 734	34.74 736

ADStereo(finetuned)	36.13 730	36.63 734	38.07 739	36.97 733	33.25 734	35.91 734	34.45 734	36.36 737	32.99 731	38.14 742	36.71 737	36.69 737	34.13 734	38.57 742	40.79 741	37.60 742	36.58 738	35.90 738	33.36 735	35.42 733	34.04 733

fast-reg	37.00 731	37.00 735	37.00 735	37.00 734	37.00 738	37.00 737	37.00 738	37.00 738	37.00 735	37.00 737	37.00 738	37.00 738	37.00 736	37.00 737	37.00 736	37.00 738	37.00 739	37.00 739	37.00 739	37.00 735	37.00 737

Reg-Stereo(zero)	37.00 731	37.00 735	37.00 735	37.00 734	37.00 738	37.00 737	37.00 738	37.00 738	37.00 735	37.00 737	37.00 738	37.00 738	37.00 736	37.00 737	37.00 736	37.00 738	37.00 739	37.00 739	37.00 739	37.00 735	37.00 737

fast-iter	37.00 731	37.00 735	37.00 735	37.00 734	37.00 738	37.00 737	37.00 738	37.00 738	37.00 735	37.00 737	37.00 738	37.00 738	37.00 736	37.00 737	37.00 736	37.00 738	37.00 739	37.00 739	37.00 739	37.00 735	37.00 737

CoSv	37.00 731	37.00 735	37.00 735	37.00 734	37.00 738	37.00 737	37.00 738	37.00 738	37.00 735	37.00 737	37.00 738	37.00 738	37.00 736	37.00 737	37.00 736	37.00 738	37.00 739	37.00 739	37.00 739	37.00 735	37.00 737

MDST_ROB	69.83 735	87.70 740	41.95 740	113.75 743	65.62 744	75.05 742	55.25 743	75.64 744	45.04 739	71.61 743	41.75 742	72.81 743	44.06 740	68.38 743	44.63 742	101.89 745	59.57 745	107.10 745	61.05 745	104.38 742	59.38 743

CBMV	128.50 737	1422.70 751	53.10 741	79.50 742	51.30 743	77.30 743	49.70 742	74.00 743	48.20 740	77.20 744	48.80 743	73.90 744	48.00 741	73.80 744	48.80 743	70.40 744	45.10 744	68.90 744	46.10 744	68.20 741	45.00 742
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NOSS_ROB	102.95 736	153.00 744	121.00 743	51.00 741	44.00 742	165.00 745	127.00 744	153.00 745	119.00 741	164.00 746	125.00 744	168.00 746	120.00 742	153.00 745	117.00 744	49.00 743	44.00 743	49.00 743	44.00 743	49.00 740	44.00 741

MeshStereo	159.24 738	171.00 745	160.68 746	162.58 744	160.59 745	164.01 744	160.35 745	158.51 746	158.56 742	158.34 745	160.12 745	158.56 745	159.92 743	157.26 746	158.94 745	154.38 746	158.36 746	155.75 746	159.13 747	153.67 743	154.07 744
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	201.80 739	123.00 741	115.00 742	219.00 745	218.00 747	223.00 746	244.00 747	217.00 747	236.00 744	202.00 747	203.00 746	205.00 747	208.00 744	225.00 747	204.00 746	210.00 747	198.00 747	197.00 747	184.00 748	204.00 744	201.00 745

DLCB_ROB	284.23 742	354.61 747	207.27 747	363.24 748	206.46 746	364.72 749	210.41 746	364.72 750	210.41 743	364.81 750	208.64 747	364.81 750	208.64 745	364.72 750	210.41 747	354.70 750	205.53 748	354.70 750	205.53 749	354.70 747	205.53 746

MGS-Stereo	239.45 740	123.00 741	135.00 744	266.00 746	286.00 748	277.00 747	305.00 748	271.00 748	242.00 745	274.00 748	279.00 748	255.00 748	270.00 746	268.00 748	297.00 748	221.00 748	247.00 749	216.00 748	123.00 746	217.00 745	217.00 747

EGLCR-Stereo	246.90 741	129.00 743	139.00 745	266.00 746	286.00 748	277.00 747	305.00 748	271.00 748	242.00 745	274.00 748	279.00 748	255.00 748	270.00 746	268.00 748	297.00 748	230.00 749	247.00 749	216.00 748	223.00 750	237.00 746	227.00 748

LE_ROB	396.57 743	471.28 748	329.84 748	471.48 749	308.15 750	526.83 750	322.10 750	488.15 751	323.76 747	495.46 751	317.97 750	497.17 751	320.10 748	481.62 751	326.76 750	462.71 751	298.97 751	466.16 751	285.98 751	447.62 748	289.21 749

SGM-ForestM	596.69 744	677.77 749	444.52 749	699.85 750	517.25 751	732.94 751	488.29 751	770.79 752	460.11 748	750.81 752	487.98 751	792.79 752	499.41 749	730.90 752	475.81 751	720.03 752	491.16 752	663.96 752	418.60 752	674.76 749	436.05 750

CBMV_ROB	818.48 745	913.88 750	709.52 750	862.84 751	597.78 752	1073.99 752	700.52 752	1015.66 753	702.59 749	1115.65 753	760.02 752	1130.24 753	721.57 750	1037.41 753	692.65 752	814.05 753	564.29 753	843.28 753	595.31 753	915.51 750	602.92 751

111111	10000000.00 751	10000000.00 752	10000000.00 751	10000000.00 752	10000000.00 753	10000000.00 753	10000000.00 753	10000000.00 754	10000000.00 750	10000000.00 754	10000000.00 753	10000000.00 754	10000000.00 751	10000000.00 754	10000000.00 753	10000000.00 754	10000000.00 754	10000000.00 754	10000000.00 754	10000000.00 751	10000000.00 752

SGD-Stereo	10000000.00 751	10000000.00 752	10000000.00 751	10000000.00 752	10000000.00 753	10000000.00 753	10000000.00 753	10000000.00 754	10000000.00 750	10000000.00 754	10000000.00 753	10000000.00 754	10000000.00 751	10000000.00 754	10000000.00 753	10000000.00 754	10000000.00 754	10000000.00 754	10000000.00 754	10000000.00 751	10000000.00 752

IGEV-Stereo++	10000000.00 751	10000000.00 752	10000000.00 751	10000000.00 752	10000000.00 753	10000000.00 753	10000000.00 753	10000000.00 754	10000000.00 750	10000000.00 754	10000000.00 753	10000000.00 754	10000000.00 751	10000000.00 754	10000000.00 753	10000000.00 754	10000000.00 754	10000000.00 754	10000000.00 754	10000000.00 751	10000000.00 752

IGEV-BASED-STEREO-	10000000.00 751	10000000.00 752	10000000.00 751	10000000.00 752	10000000.00 753	10000000.00 753	10000000.00 753	10000000.00 754	10000000.00 750	10000000.00 754	10000000.00 753	10000000.00 754	10000000.00 751	10000000.00 754	10000000.00 753	10000000.00 754	10000000.00 754	10000000.00 754	10000000.00 754	10000000.00 751	10000000.00 752

IGEV-Stereo+	10000000.00 751	10000000.00 752	10000000.00 751	10000000.00 752	10000000.00 753	10000000.00 753	10000000.00 753	10000000.00 754	10000000.00 750	10000000.00 754	10000000.00 753	10000000.00 754	10000000.00 751	10000000.00 754	10000000.00 753	10000000.00 754	10000000.00 754	10000000.00 754	10000000.00 754	10000000.00 751	10000000.00 752

SDNR	10000000.00 751	10000000.00 752	10000000.00 751	10000000.00 752	10000000.00 753	10000000.00 753	10000000.00 753	10000000.00 754	10000000.00 750	10000000.00 754	10000000.00 753	10000000.00 754	10000000.00 751	10000000.00 754	10000000.00 753	10000000.00 754	10000000.00 754	10000000.00 754	10000000.00 754	10000000.00 751	10000000.00 752

anonymousdsp2	10000000.00 751	10000000.00 752	10000000.00 751	10000000.00 752	10000000.00 753	10000000.00 753	10000000.00 753	10000000.00 754	10000000.00 750	10000000.00 754	10000000.00 753	10000000.00 754	10000000.00 751	10000000.00 754	10000000.00 753	10000000.00 754	10000000.00 754	10000000.00 754	10000000.00 754	10000000.00 751	10000000.00 752

anonymousdsp	10000000.00 751	10000000.00 752	10000000.00 751	10000000.00 752	10000000.00 753	10000000.00 753	10000000.00 753	10000000.00 754	10000000.00 750	10000000.00 754	10000000.00 753	10000000.00 754	10000000.00 751	10000000.00 754	10000000.00 753	10000000.00 754	10000000.00 754	10000000.00 754	10000000.00 754	10000000.00 751	10000000.00 752

test_example2	10000000.00 751	10000000.00 752	10000000.00 751	10000000.00 752	10000000.00 753	10000000.00 753	10000000.00 753	10000000.00 754	10000000.00 750	10000000.00 754	10000000.00 753	10000000.00 754	10000000.00 751	10000000.00 754	10000000.00 753	10000000.00 754	10000000.00 754	10000000.00 754	10000000.00 754	10000000.00 751	10000000.00 752

DIP-Stereo	10000000.00 751	10000000.00 752	10000000.00 751	10000000.00 752	10000000.00 753	10000000.00 753	10000000.00 753	10000000.00 754	10000000.00 750	10000000.00 754	10000000.00 753	10000000.00 754	10000000.00 751	10000000.00 754	10000000.00 753	10000000.00 754	10000000.00 754	10000000.00 754	10000000.00 754	10000000.00 751	10000000.00 752
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		0.44 236		0.48 313	0.35 390	0.48 413		0.51 430		0.47 398		0.47 405		0.47 401		0.41 310	0.40 359	0.40 374	0.40 429	0.41 376

Low-res two-view benchmark