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	0.14 101	0.00 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 18	0.02 20	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

Wz-Net-TNSev	0.02 15	0.05 49	0.04 43	0.07 47	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 55	0.04 45	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-SNSev	0.03 29	0.09 66	0.07 58	0.09 56	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 70	0.07 59	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 45	0.24 123	0.20 167	0.23 152	0.01 10	0.02 19	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	0.23 177	0.21 180	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 45	0.54 234	0.10 71	0.12 85	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 96	0.11 99	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 42	0.50 216	0.10 71	0.12 85	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 96	0.10 77	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 14	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

VMStereo-Base	0.03 29	0.09 66	0.08 60	0.09 56	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.08 63	0.08 62	0.03 38	0.02 20	0.02 20	0.02 20

PSMNet-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

FACV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

IGEV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

CoDeX	0.15 124	0.70 250	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 383	0.02 15	0.69 378	0.75 393	0.01 9	0.02 20	0.02 20

coex-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

fast-acv-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

CBFPSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

iinet-f	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

Wz-Net-LNSev-Ref	0.11 89	0.44 188	0.33 233	0.39 214	0.02 21	0.03 41	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 265	0.36 264	0.02 18	0.02 20	0.02 20	0.02 20

psmg	0.43 269	1.91 434	0.92 409	1.91 487	0.02 21	0.02 19	0.03 51	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	1.97 517	1.44 510	0.04 73	0.03 54	0.02 20	0.03 51

CSP-Net	0.34 206	1.29 396	1.19 435	1.36 465	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 477	1.21 487	0.03 38	0.09 113	0.02 20	0.09 113

SFCPSM	0.17 135	0.78 255	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 418	0.02 15	0.75 389	0.76 395	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 168	1.31 398	0.74 384	0.92 358	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 43	0.02 21	0.02 20	0.02 20	0.87 387	0.75 389	0.02 18	0.02 20	0.02 20	0.02 20

MFN_U_SF_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MSC_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MFN_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCMid	0.08 53	0.02 12	0.02 14	1.01 377	0.03 49	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 111	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 55	0.02 12	0.04 43	0.90 353	0.06 112	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 133	0.36 290	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 89	0.02 12	0.02 14	1.62 480	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 41	0.02 20	0.02 20	0.02 21	0.06 88	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

RYNet	0.02 15	0.02 12	0.02 14	0.03 28	0.03 49	0.03 41	0.02 20	0.02 20	0.02 21	0.03 41	0.02 20	0.02 20	0.03 53	0.03 40	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM0	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

zh-sn7	0.10 68	0.98 293	0.14 126	0.15 111	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.15 125	0.13 136	0.03 38	0.03 54	0.03 44	0.03 51

zh-mn7	0.12 98	1.14 330	0.17 153	0.20 136	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.18 150	0.16 146	0.03 38	0.03 54	0.03 44	0.03 51

w-ln-seven-2	0.14 112	1.22 392	0.28 200	0.32 189	0.04 79	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.32 216	0.27 205	0.04 73	0.03 54	0.03 44	0.03 51

G2L-ROB	0.03 29	0.06 54	0.02 14	0.03 28	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 40	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 44	0.02 20

G2L-Stereo_test	0.03 29	0.04 37	0.02 14	0.03 28	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 40	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 44	0.02 20

coex_refinement	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 40	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 44	0.02 20

G2L-Stereo	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 40	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 44	0.02 20

TCMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.04 74	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.03 34	0.03 36	0.03 38	0.03 54	0.03 44	0.03 51

TCMNet-wrong-test	0.03 29	0.04 37	0.03 36	0.03 28	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.02 20	0.03 34	0.03 36	0.03 38	0.03 54	0.03 44	0.03 51

YMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 49	0.03 41	0.02 20	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.02 20	0.03 49	0.03 34	0.03 36	0.03 38	0.03 54	0.03 44	0.03 51

YMNet_1	0.03 29	0.04 37	0.03 36	0.03 28	0.03 49	0.03 41	0.02 20	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.02 20	0.03 49	0.03 34	0.03 36	0.03 38	0.03 54	0.03 44	0.03 51

DualNet (step1)	0.10 68	1.05 321	0.12 102	0.12 85	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.04 74	0.02 20	0.03 43	0.03 53	0.03 40	0.03 49	0.12 96	0.12 113	0.03 38	0.03 54	0.03 44	0.03 51

test_sample9	0.10 68	1.05 321	0.12 102	0.12 85	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.04 74	0.02 20	0.03 43	0.03 53	0.03 40	0.03 49	0.12 96	0.12 113	0.03 38	0.03 54	0.03 44	0.03 51

test_sample8	0.10 68	1.05 321	0.12 102	0.12 85	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.12 96	0.12 113	0.03 38	0.03 54	0.03 44	0.03 51

test_sample7	0.09 55	1.00 302	0.11 91	0.11 77	0.02 21	0.03 41	0.03 51	0.03 43	0.03 56	0.04 74	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.12 96	0.12 113	0.03 38	0.03 54	0.03 44	0.03 51

test_sample6	0.09 55	0.97 292	0.10 71	0.10 60	0.03 49	0.03 41	0.02 20	0.03 43	0.02 21	0.03 41	0.03 53	0.03 43	0.02 21	0.03 40	0.02 20	0.10 75	0.10 77	0.03 38	0.02 20	0.03 44	0.02 20

test_sample5	0.10 68	1.07 324	0.11 91	0.10 60	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.10 75	0.10 77	0.03 38	0.03 54	0.04 77	0.03 51

test_sample4	0.10 68	1.03 317	0.12 102	0.10 60	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.13 111	0.13 136	0.03 38	0.03 54	0.03 44	0.03 51

test_sample3	0.09 55	0.87 269	0.10 71	0.12 85	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.12 96	0.10 77	0.03 38	0.02 20	0.03 44	0.02 20

test_sample2	0.09 55	1.03 317	0.11 91	0.11 77	0.03 49	0.03 41	0.03 51	0.03 43	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 40	0.02 20	0.09 70	0.09 72	0.03 38	0.02 20	0.03 44	0.02 20

test_sample1	0.09 55	0.87 269	0.12 102	0.11 77	0.03 49	0.03 41	0.03 51	0.03 43	0.02 21	0.04 74	0.02 20	0.03 43	0.03 53	0.03 40	0.03 49	0.10 75	0.10 77	0.03 38	0.02 20	0.03 44	0.02 20

SMFormer	0.09 55	1.01 311	0.09 67	0.09 56	0.03 49	0.03 41	0.02 20	0.03 43	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 40	0.02 20	0.09 70	0.09 72	0.03 38	0.02 20	0.03 44	0.02 20

tta	0.09 55	0.95 289	0.09 67	0.10 60	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 41	0.02 20	0.03 43	0.02 21	0.03 40	0.02 20	0.09 70	0.10 77	0.03 38	0.02 20	0.03 44	0.02 20

mmm	0.14 112	1.83 423	0.12 102	0.11 77	0.03 49	0.03 41	0.03 51	0.03 43	0.04 81	0.03 41	0.03 53	0.03 43	0.03 53	0.06 88	0.04 75	0.12 96	0.11 99	0.05 86	0.04 78	0.05 92	0.04 79

DualNet	0.10 68	1.07 324	0.11 91	0.10 60	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.10 75	0.10 77	0.03 38	0.03 54	0.04 77	0.03 51

1111x	0.10 68	1.14 330	0.13 121	0.14 101	0.03 49	0.04 77	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.13 111	0.11 99	0.03 38	0.02 20	0.03 44	0.02 20

xxx	0.09 55	1.01 311	0.10 71	0.10 60	0.03 49	0.03 41	0.03 51	0.03 43	0.02 21	0.03 41	0.03 53	0.03 43	0.02 21	0.03 40	0.02 20	0.10 75	0.10 77	0.03 38	0.02 20	0.03 44	0.03 51

x	0.11 89	1.15 333	0.15 142	0.14 101	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.04 74	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.14 118	0.15 143	0.03 38	0.03 54	0.03 44	0.03 51

222	0.10 68	0.99 300	0.12 102	0.13 97	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.12 96	0.12 113	0.03 38	0.02 20	0.04 77	0.03 51

xxxx	0.11 89	1.16 335	0.16 145	0.12 85	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.13 111	0.16 146	0.03 38	0.04 78	0.04 77	0.04 79

BEATNet_4x	0.11 89	0.03 31	0.03 36	1.60 477	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.05 82	0.03 49	0.03 34	0.03 36	0.03 38	0.03 54	0.03 44	0.03 51

ADCL	0.11 89	0.03 31	0.03 36	1.60 477	0.03 49	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.05 82	0.03 49	0.03 34	0.03 36	0.03 38	0.03 54	0.03 44	0.03 51

AnyNet_C32	0.14 112	0.04 37	0.03 36	2.22 499	0.04 79	0.03 41	0.03 51	0.03 43	0.03 56	0.03 41	0.03 53	0.04 77	0.02 21	0.07 105	0.04 75	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

ADCPNet	0.10 68	0.03 31	0.04 43	1.27 450	0.03 49	0.04 77	0.03 51	0.03 43	0.03 56	0.04 74	0.03 53	0.04 77	0.03 53	0.08 108	0.04 75	0.04 44	0.03 36	0.03 38	0.03 54	0.03 44	0.03 51

z-mn7	0.16 131	1.21 386	0.33 233	0.41 239	0.04 79	0.04 77	0.03 51	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.35 234	0.31 239	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven	0.18 138	1.47 407	0.33 233	0.40 227	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.38 253	0.32 243	0.05 86	0.04 78	0.04 77	0.04 79

GASNet	0.05 42	0.04 37	0.12 102	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.12 128	0.04 88	0.06 97	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

test_xeample	0.10 68	1.09 326	0.13 121	0.12 85	0.03 49	0.03 41	0.03 51	0.04 77	0.03 56	0.03 41	0.03 53	0.03 43	0.03 53	0.03 40	0.03 49	0.14 118	0.14 140	0.03 38	0.03 54	0.03 44	0.03 51

EDNetEfficient	0.04 39	0.05 49	0.04 43	0.04 37	0.03 49	0.04 77	0.03 51	0.04 77	0.03 56	0.04 74	0.03 53	0.04 77	0.03 53	0.04 72	0.03 49	0.05 51	0.03 36	0.05 86	0.03 54	0.04 77	0.03 51

FADNet-RVC-Resample	0.12 98	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	1.57 531	0.04 44	0.04 45	0.04 73	0.05 97	0.04 77	0.06 106

FADNet_RVC	0.12 98	0.04 37	0.04 43	0.05 43	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 95	0.04 72	1.65 535	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet-RVC	0.13 105	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.05 95	0.04 72	1.71 540	0.04 44	0.04 45	0.04 73	0.04 78	0.07 107	0.04 79

FADNet	0.12 98	0.05 49	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 95	0.04 72	1.66 537	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCRef	0.12 98	0.03 31	0.04 43	1.71 483	0.04 79	0.03 41	0.03 51	0.04 77	0.04 81	0.04 74	0.03 53	0.04 77	0.03 53	0.06 88	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.03 44	0.04 79

ADCP+	0.15 124	0.04 37	0.04 43	2.20 498	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.04 84	0.08 108	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

NVStereoNet_ROB	0.04 39	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
z-ln-s-r	0.21 150	1.40 405	0.53 337	0.56 306	0.04 79	0.05 89	0.04 81	0.05 89	0.05 98	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.05 89	0.57 341	0.44 312	0.04 73	0.04 78	0.04 77	0.04 79

AASNet	0.06 45	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 110	0.06 96	0.06 111	0.05 91	0.06 111	0.06 88	0.05 89	0.08 63	0.08 62	0.08 104	0.05 97	0.06 96	0.05 98

SACVNet	0.06 45	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 110	0.06 96	0.06 111	0.05 91	0.06 111	0.06 88	0.05 89	0.08 63	0.08 62	0.08 104	0.05 97	0.06 96	0.05 98

AACVNet	0.06 45	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 110	0.06 96	0.06 111	0.05 91	0.06 111	0.06 88	0.05 89	0.08 63	0.08 62	0.08 104	0.05 97	0.06 96	0.05 98

EDNetEfficientorigin	0.04 39	0.06 54	0.04 43	0.05 43	0.04 79	0.05 89	0.04 81	0.05 89	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.03 36	0.06 94	0.03 54	0.04 77	0.03 51

DispViT+	0.07 50	0.24 123	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.06 94	0.04 81	0.06 96	0.05 100	0.06 97	0.04 84	0.06 88	0.04 75	0.06 55	0.07 59	0.06 94	0.04 78	0.06 96	0.04 79

DFGA-Net	0.05 42	0.06 54	0.04 43	0.06 46	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.04 88	0.06 97	0.04 84	0.06 88	0.04 75	0.06 55	0.04 45	0.05 86	0.04 78	0.05 92	0.04 79

ISRNet	0.11 89	0.05 49	0.36 253	0.24 157	0.07 113	0.13 129	0.05 93	0.06 94	0.05 98	0.05 91	0.05 100	0.13 130	0.05 95	0.05 82	0.09 111	0.24 184	0.20 177	0.10 110	0.05 97	0.06 96	0.13 150

qqq1	0.25 168	3.70 521	0.14 126	0.14 101	0.04 79	0.06 92	0.05 93	0.06 94	0.05 98	0.06 96	0.05 100	0.04 77	0.05 95	0.06 88	0.05 89	0.13 111	0.12 113	0.06 94	0.05 97	0.03 44	0.04 79

fff1	0.25 168	3.70 521	0.14 126	0.14 101	0.04 79	0.06 92	0.05 93	0.06 94	0.05 98	0.06 96	0.05 100	0.04 77	0.05 95	0.06 88	0.05 89	0.13 111	0.12 113	0.06 94	0.05 97	0.03 44	0.04 79

11t1	0.17 135	2.16 451	0.13 121	0.13 97	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.03 53	0.06 97	0.03 53	0.06 88	0.05 89	0.18 150	0.12 113	0.06 94	0.03 54	0.05 92	0.03 51

ffm	0.25 168	3.83 527	0.12 102	0.12 85	0.05 99	0.06 92	0.05 93	0.06 94	0.05 98	0.03 41	0.03 53	0.06 97	0.05 95	0.06 88	0.05 89	0.12 96	0.12 113	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 168	3.83 527	0.12 102	0.12 85	0.05 99	0.06 92	0.05 93	0.06 94	0.05 98	0.03 41	0.03 53	0.06 97	0.05 95	0.06 88	0.05 89	0.12 96	0.12 113	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 168	3.83 527	0.12 102	0.12 85	0.05 99	0.06 92	0.05 93	0.06 94	0.05 98	0.03 41	0.03 53	0.06 97	0.05 95	0.06 88	0.05 89	0.12 96	0.12 113	0.05 86	0.04 78	0.06 96	0.04 79

qqq	0.16 131	2.01 442	0.12 102	0.15 111	0.04 79	0.06 92	0.05 93	0.06 94	0.04 81	0.06 96	0.03 53	0.06 97	0.03 53	0.06 88	0.03 49	0.12 96	0.14 140	0.04 73	0.04 78	0.03 44	0.03 51

APVNet	0.09 55	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 431	0.06 94	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 98

GwcNet	0.12 98	0.07 57	0.05 57	0.08 49	0.05 99	0.08 106	1.20 461	0.07 105	0.05 98	0.05 91	0.05 100	0.08 107	0.05 95	0.08 108	0.03 49	0.07 61	0.05 56	0.06 94	0.05 97	0.07 107	0.05 98

BEATNet-Init1	0.19 142	0.08 58	0.08 60	2.23 500	0.08 115	0.08 106	0.07 113	0.07 105	0.08 117	0.08 107	0.07 114	0.08 107	0.07 115	0.11 127	0.08 106	0.08 63	0.08 62	0.08 104	0.07 107	0.08 111	0.08 110

DeepPrunerF	0.19 142	0.08 58	0.08 60	2.23 500	0.08 115	0.08 106	0.07 113	0.07 105	0.08 117	0.08 107	0.07 114	0.08 107	0.07 115	0.11 127	0.08 106	0.08 63	0.08 62	0.08 104	0.07 107	0.08 111	0.08 110

BridgeDepth_RVC	0.07 50	0.08 58	0.11 91	0.11 77	0.05 99	0.08 106	0.05 93	0.08 108	0.05 98	0.08 107	0.05 100	0.08 107	0.05 95	0.08 108	0.05 89	0.11 90	0.10 77	0.07 100	0.05 97	0.07 107	0.05 98
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
BridgeDepth	0.08 53	0.08 58	0.11 91	0.11 77	0.05 99	0.08 106	0.05 93	0.08 108	0.07 113	0.08 107	0.05 100	0.08 107	0.05 95	0.09 112	0.08 106	0.15 125	0.11 99	0.07 100	0.05 97	0.07 107	0.06 106
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
FINET	0.07 50	0.08 58	0.07 58	0.07 47	0.07 113	0.08 106	0.06 110	0.08 108	0.07 113	0.08 107	0.07 114	0.08 107	0.06 111	0.07 105	0.07 104	0.08 63	0.07 59	0.07 100	0.07 107	0.06 96	0.06 106

SuperB	0.21 150	0.10 69	2.51 564	0.12 85	0.09 117	0.10 114	0.09 116	0.08 108	0.07 113	0.10 114	0.09 118	0.09 113	0.07 115	0.07 105	0.07 104	0.07 61	0.08 62	0.07 100	0.07 107	0.08 111	0.07 109

MatchStereo	0.54 313	0.12 82	2.38 562	2.32 506	0.09 117	0.09 112	0.08 115	0.09 112	0.07 113	0.09 112	0.07 114	0.09 113	0.07 115	0.09 112	0.08 106	2.34 540	2.34 558	0.12 124	0.11 132	0.11 125	0.10 118
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
CAS++	0.17 135	0.27 135	0.21 172	0.10 60	0.21 209	0.15 137	0.22 199	0.10 113	0.21 199	0.22 173	0.10 122	0.19 157	0.18 190	0.10 116	0.19 188	0.20 158	0.19 175	0.18 162	0.10 120	0.19 161	0.18 180
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
SepStereo	0.09 55	0.09 66	0.10 71	0.09 56	0.09 117	0.09 112	0.09 116	0.10 113	0.08 117	0.10 114	0.09 118	0.09 113	0.09 119	0.09 112	0.08 106	0.09 70	0.08 62	0.09 109	0.08 111	0.09 114	0.08 110

AnonymousM	0.10 68	0.10 69	0.10 71	0.10 60	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

PVD	0.10 68	0.10 69	0.10 71	0.10 60	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

SHD	0.10 68	0.10 69	0.10 71	0.10 60	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

SAMSARA	0.10 68	0.10 69	0.10 71	0.10 60	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

XQC	0.10 68	0.10 69	0.10 71	0.10 60	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

RTSC	0.10 68	0.10 69	0.10 71	0.10 60	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

RTS	0.10 68	0.10 69	0.10 71	0.10 60	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

RTSA	0.10 68	0.10 69	0.10 71	0.10 60	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

MADNet+	0.10 68	0.10 69	0.10 71	0.10 60	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

MADNet++	0.10 68	0.10 69	0.10 71	0.10 60	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

JetRed	0.11 89	0.12 82	0.11 91	0.11 77	0.11 139	0.11 125	0.14 152	0.11 125	0.11 136	0.12 128	0.11 136	0.11 126	0.11 135	0.11 127	0.11 129	0.11 90	0.16 146	0.11 121	0.11 132	0.11 125	0.11 131

JetBlue	0.11 89	0.11 80	0.12 102	0.13 97	0.14 157	0.11 125	0.11 134	0.11 125	0.11 136	0.11 126	0.11 136	0.11 126	0.11 135	0.12 131	0.12 141	0.11 90	0.11 99	0.11 121	0.11 132	0.11 125	0.11 131

aanetorigin	0.13 105	0.11 80	0.11 91	0.11 77	0.11 139	0.11 125	0.11 134	0.11 125	0.11 136	0.11 126	0.12 144	0.11 126	0.11 135	0.11 127	0.11 129	0.11 90	0.11 99	0.14 130	0.11 132	0.49 325	0.11 131

PASM	0.39 247	3.06 506	1.36 501	1.58 473	0.09 117	0.11 125	0.11 134	0.11 125	0.11 136	0.09 112	0.09 118	0.11 126	0.09 119	0.09 112	0.09 111	0.11 90	0.11 99	0.11 121	0.09 113	0.11 125	0.11 131

DA	0.09 55	0.13 84	0.39 268	0.08 49	0.05 99	0.07 104	0.05 93	0.13 129	0.05 98	0.06 96	0.05 100	0.06 97	0.05 95	0.06 88	0.05 89	0.06 55	0.05 56	0.14 130	0.13 155	0.06 96	0.05 98

GGEV	0.09 55	0.13 84	0.39 268	0.08 49	0.05 99	0.07 104	0.05 93	0.13 129	0.05 98	0.06 96	0.05 100	0.06 97	0.05 95	0.06 88	0.05 89	0.06 55	0.05 56	0.14 130	0.13 155	0.06 96	0.05 98

S2M2_L	0.12 98	0.14 90	0.10 71	0.15 111	0.10 124	0.14 130	0.10 121	0.14 131	0.10 121	0.15 136	0.10 122	0.14 131	0.10 123	0.14 133	0.10 117	0.13 111	0.10 77	0.13 128	0.09 113	0.13 132	0.09 113
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
CIPLG	0.13 105	0.21 110	0.12 102	0.16 120	0.11 139	0.15 137	0.11 134	0.14 131	0.11 136	0.15 136	0.12 144	0.15 141	0.11 135	0.14 133	0.11 129	0.15 125	0.12 113	0.14 130	0.11 132	0.14 134	0.11 131

IPLG	0.13 105	0.20 104	0.14 126	0.15 111	0.11 139	0.14 130	0.11 134	0.14 131	0.11 136	0.14 130	0.11 136	0.14 131	0.11 135	0.14 133	0.11 129	0.15 125	0.12 113	0.14 130	0.11 132	0.14 134	0.11 131

IPLGR_C	0.14 112	0.20 104	0.12 102	0.15 111	0.11 139	0.14 130	0.15 157	0.14 131	0.11 136	0.15 136	0.12 144	0.14 131	0.11 135	0.16 143	0.11 129	0.15 125	0.12 113	0.14 130	0.12 147	0.15 141	0.12 144

MIPNet	0.14 112	0.21 110	0.17 153	0.16 120	0.11 139	0.15 137	0.12 147	0.14 131	0.11 136	0.16 141	0.11 136	0.14 131	0.11 135	0.14 133	0.11 129	0.14 118	0.12 113	0.14 130	0.11 132	0.14 134	0.11 131

IPLGR	0.14 112	0.24 123	0.14 126	0.16 120	0.12 152	0.15 137	0.12 147	0.14 131	0.11 136	0.15 136	0.12 144	0.14 131	0.11 135	0.14 133	0.11 129	0.15 125	0.12 113	0.14 130	0.11 132	0.14 134	0.11 131

ACRE	0.13 105	0.21 110	0.14 126	0.15 111	0.11 139	0.14 130	0.11 134	0.14 131	0.11 136	0.14 130	0.12 144	0.14 131	0.11 135	0.14 133	0.11 129	0.15 125	0.12 113	0.14 130	0.11 132	0.14 134	0.11 131

LRCNet_RVC	0.13 105	0.13 84	0.09 67	0.13 97	0.10 124	0.14 130	0.10 121	0.14 131	0.10 121	0.23 177	0.10 122	0.20 160	0.10 123	0.24 184	0.11 129	0.11 90	0.09 72	0.12 124	0.14 160	0.12 130	0.09 113

GMStereo	0.14 112	0.13 84	0.14 126	0.14 101	0.14 157	0.14 130	0.14 152	0.14 131	0.14 157	0.14 130	0.14 161	0.14 131	0.14 158	0.14 133	0.14 151	0.14 118	0.14 140	0.14 130	0.14 160	0.14 134	0.14 155
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.22 156	0.13 84	0.19 164	0.23 152	0.10 124	0.26 204	1.02 447	0.14 131	0.10 121	0.28 205	0.14 161	0.17 149	0.19 195	0.28 212	0.09 111	0.22 166	0.16 146	0.23 186	0.17 192	0.11 125	0.12 144

DRN-Test	0.14 112	0.13 84	0.09 67	0.14 101	0.09 117	0.15 137	0.09 116	0.14 131	0.10 121	0.14 130	0.09 118	0.14 131	0.09 119	0.13 132	0.09 111	0.12 96	0.09 72	0.12 124	0.09 113	0.12 130	0.73 403

StereoDRNet	0.15 124	0.14 90	0.10 71	0.14 101	0.09 117	0.15 137	0.09 116	0.14 131	0.09 120	0.14 130	0.10 122	0.14 131	0.09 119	0.14 133	0.09 111	0.13 111	0.10 77	0.13 128	0.09 113	0.13 132	0.82 419

PDISCO_ROB	0.83 379	2.80 501	3.49 583	0.14 101	0.11 139	0.17 150	0.09 116	0.15 143	0.10 121	0.15 136	0.12 144	0.16 142	0.14 158	3.30 568	0.13 147	0.14 118	2.34 558	0.16 145	0.12 147	2.62 548	0.10 118

xyz-stereo-finetune2	0.18 138	0.48 210	0.16 145	0.16 120	0.15 168	0.15 137	0.16 162	0.16 144	0.16 171	0.16 141	0.16 172	0.16 142	0.16 170	0.16 143	0.16 167	0.16 134	0.16 146	0.16 145	0.16 170	0.16 145	0.16 160

xyz-stereo	0.18 138	0.50 216	0.16 145	0.15 111	0.16 177	0.16 144	0.16 162	0.16 144	0.16 171	0.16 141	0.16 172	0.16 142	0.16 170	0.16 143	0.16 167	0.16 134	0.16 146	0.16 145	0.16 170	0.16 145	0.16 160

castereo++	0.54 313	3.59 518	1.15 429	1.31 459	0.14 157	0.16 144	0.14 152	0.16 144	0.14 157	0.16 141	0.14 161	0.16 142	0.13 154	0.16 143	0.14 151	1.45 492	1.16 436	0.15 142	0.14 160	0.15 141	0.13 150

GMStereo_Zeroshot	0.16 131	0.16 92	0.16 145	0.16 120	0.16 177	0.16 144	0.16 162	0.16 144	0.16 171	0.16 141	0.16 172	0.16 142	0.16 170	0.16 143	0.16 167	0.16 134	0.16 146	0.16 145	0.16 170	0.16 145	0.16 160

ICVP	0.15 124	0.53 230	0.11 91	0.16 120	0.11 139	0.16 144	0.11 134	0.16 144	0.11 136	0.16 141	0.11 136	0.16 142	0.11 135	0.16 143	0.11 129	0.16 134	0.11 99	0.16 145	0.11 132	0.16 145	0.11 131
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
S2M2_XL	0.14 112	0.17 96	0.12 102	0.17 128	0.11 139	0.17 150	0.11 134	0.17 149	0.11 136	0.17 147	0.11 136	0.17 149	0.11 135	0.17 149	0.11 129	0.16 134	0.11 99	0.16 145	0.11 132	0.16 145	0.11 131
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
ProNet	0.14 112	0.20 104	0.14 126	0.16 120	0.11 139	0.16 144	0.11 134	0.17 149	0.11 136	0.17 147	0.12 144	0.17 149	0.13 154	0.17 149	0.12 141	0.15 125	0.11 99	0.16 145	0.11 132	0.15 141	0.12 144

HSM	0.14 112	0.16 92	0.12 102	0.17 128	0.12 152	0.17 150	0.11 134	0.17 149	0.11 136	0.17 147	0.12 144	0.17 149	0.12 149	0.17 149	0.12 141	0.16 134	0.11 99	0.16 145	0.11 132	0.16 145	0.12 144

ITSA-stereo	0.15 124	0.17 96	0.13 121	0.20 136	0.13 155	0.19 157	0.13 150	0.18 152	0.13 155	0.19 153	0.13 156	0.18 153	0.14 158	0.18 152	0.14 151	0.16 134	0.11 99	0.15 142	0.14 160	0.18 155	0.11 131

ELAS	0.13 105	0.16 92	0.11 91	0.15 111	0.09 117	0.18 154	0.11 134	0.18 152	0.11 136	0.17 147	0.11 136	0.18 153	0.11 135	0.18 152	0.11 129	0.14 118	0.08 62	0.14 130	0.08 111	0.14 134	0.09 113
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
IGEV-FE	0.35 215	0.37 155	0.17 153	0.19 133	0.17 184	0.20 162	0.17 173	0.19 154	0.17 182	0.19 153	0.17 180	0.19 157	0.17 181	0.37 246	0.36 290	0.19 154	0.17 166	0.19 165	0.17 192	0.38 259	2.84 571

DEFOM-Stereo_RVC	0.83 379	5.18 552	1.98 551	2.19 497	0.17 184	0.19 157	0.18 180	0.19 154	0.16 171	0.20 159	0.19 197	0.22 176	0.22 206	0.20 159	0.15 161	2.28 534	2.13 553	0.24 195	0.17 192	0.18 155	0.16 160

HCRNet	1.22 481	7.11 572	3.00 567	3.55 549	0.33 287	0.29 212	0.14 152	0.19 154	0.15 167	0.33 226	0.29 247	0.25 196	0.14 158	0.22 174	0.33 270	3.64 566	3.00 563	0.76 395	0.32 287	0.18 155	0.13 150

DeepPruner_ROB	0.16 131	0.18 99	0.13 121	0.19 133	0.13 155	0.19 157	0.13 150	0.19 154	0.13 155	0.19 153	0.13 156	0.19 157	0.13 154	0.19 155	0.13 147	0.18 150	0.13 136	0.18 162	0.13 155	0.18 155	0.13 150

ELAS_RVC	0.14 112	0.16 92	0.10 71	0.15 111	0.10 124	0.18 154	0.11 134	0.19 154	0.11 136	0.19 153	0.12 144	0.18 153	0.11 135	0.19 155	0.12 141	0.14 118	0.08 62	0.14 130	0.09 113	0.15 141	0.09 113
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 124	0.17 96	0.11 91	0.18 130	0.11 139	0.19 157	0.11 134	0.19 154	0.12 152	0.19 153	0.12 144	0.20 160	0.12 149	0.19 155	0.12 141	0.16 134	0.11 99	0.17 153	0.10 120	0.17 151	0.10 118
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
RAFT-FEzeroshot	0.34 206	0.26 132	0.17 153	0.21 146	0.17 184	0.20 162	0.16 162	0.20 160	0.16 171	0.20 159	0.17 180	0.21 167	0.16 170	0.27 208	0.24 206	0.19 154	0.16 146	0.19 165	0.16 170	0.26 190	3.08 580

RAFT-FE	0.34 206	0.26 132	0.17 153	0.21 146	0.17 184	0.20 162	0.16 162	0.20 160	0.16 171	0.20 159	0.17 180	0.21 167	0.16 170	0.27 208	0.24 206	0.19 154	0.16 146	0.19 165	0.16 170	0.26 190	3.08 580

castereo	0.61 325	3.79 526	1.35 493	1.52 472	0.15 168	0.17 150	0.16 162	0.20 160	0.21 199	0.18 151	0.16 172	0.21 167	0.12 149	0.26 204	0.17 174	1.43 491	1.38 506	0.17 153	0.16 170	0.18 155	0.16 160

DDVS	0.30 184	3.10 507	0.14 126	0.19 133	0.14 157	0.19 157	0.14 152	0.20 160	0.14 157	0.19 153	0.13 156	0.16 142	0.13 154	0.19 155	0.13 147	0.17 142	0.13 136	0.17 153	0.13 155	0.17 151	0.13 150

gwcnet-sp	0.82 376	1.72 415	1.48 511	0.39 214	0.15 168	0.31 219	0.21 194	0.20 160	0.25 216	1.61 508	0.23 212	0.28 209	0.26 227	0.20 159	0.15 161	0.24 184	1.33 497	0.32 226	0.16 170	6.75 597	0.23 191

scenet	0.82 376	1.72 415	1.48 511	0.39 214	0.15 168	0.31 219	0.21 194	0.20 160	0.25 216	1.61 508	0.23 212	0.28 209	0.26 227	0.20 159	0.15 161	0.24 184	1.33 497	0.32 226	0.16 170	6.75 597	0.23 191

ssnet	0.82 376	1.72 415	1.48 511	0.39 214	0.15 168	0.31 219	0.21 194	0.20 160	0.25 216	1.61 508	0.23 212	0.28 209	0.26 227	0.20 159	0.15 161	0.24 184	1.33 497	0.32 226	0.16 170	6.75 597	0.23 191

DAS	0.20 144	0.20 104	0.20 167	0.20 136	0.20 201	0.20 162	0.20 188	0.20 160	0.20 195	0.20 159	0.20 201	0.20 160	0.20 199	0.20 159	0.20 192	0.20 158	0.20 177	0.20 171	0.20 199	0.20 163	0.20 185

GCAPDPT-zeroshot4090	0.18 138	0.20 104	0.16 145	0.20 136	0.16 177	0.20 162	0.16 162	0.21 168	0.16 171	0.20 159	0.16 172	0.21 167	0.17 181	0.20 159	0.16 167	0.19 154	0.15 143	0.19 165	0.15 166	0.19 161	0.15 158

IGEV_Zeroshot_test	0.20 144	0.19 100	0.40 274	0.30 177	0.17 184	0.22 175	0.17 173	0.21 168	0.17 182	0.20 159	0.17 180	0.21 167	0.18 190	0.21 170	0.17 174	0.20 158	0.16 146	0.20 171	0.16 170	0.20 163	0.17 176

ACVNet	0.20 144	0.19 100	0.14 126	0.20 136	0.14 157	0.20 162	0.96 438	0.21 168	0.14 157	0.20 159	0.13 156	0.21 167	0.14 158	0.20 159	0.14 151	0.17 142	0.12 113	0.17 153	0.12 147	0.17 151	0.12 144

acv_ft	0.20 144	0.19 100	0.14 126	0.20 136	0.14 157	0.20 162	0.96 438	0.21 168	0.14 157	0.20 159	0.13 156	0.21 167	0.14 158	0.20 159	0.14 151	0.17 142	0.12 113	0.17 153	0.12 147	0.17 151	0.12 144

LALA_ROB	0.15 124	0.19 100	0.12 102	0.18 130	0.11 139	0.20 162	0.12 147	0.21 168	0.12 152	0.20 159	0.12 144	0.20 160	0.12 149	0.21 170	0.13 147	0.17 142	0.10 77	0.18 162	0.11 132	0.18 155	0.11 131

RSGM-EC	0.24 164	0.24 123	0.15 142	0.22 148	0.15 168	0.22 175	0.15 157	0.22 173	0.15 167	0.24 184	0.15 169	0.22 176	0.15 168	0.22 174	1.19 461	0.20 158	0.17 166	0.24 195	0.14 160	0.20 163	0.14 155

acva	0.24 164	0.24 123	0.15 142	0.22 148	0.15 168	0.22 175	0.15 157	0.22 173	0.15 167	0.24 184	0.15 169	0.22 176	0.15 168	0.22 174	1.19 461	0.20 158	0.17 166	0.24 195	0.14 160	0.20 163	0.14 155

xyz-stereo-finetune	0.28 178	0.49 212	0.16 145	0.16 120	0.16 177	0.16 144	0.16 162	0.22 173	0.30 254	0.32 222	0.31 269	0.32 227	0.31 273	0.32 225	0.32 260	0.32 216	0.33 255	0.31 223	0.32 287	0.31 208	0.32 266

WAO-6	0.22 156	0.23 115	0.22 174	0.23 152	0.22 212	0.22 175	0.22 199	0.22 173	0.22 202	0.22 173	0.22 208	0.22 176	0.22 206	0.22 174	0.22 197	0.22 166	0.22 184	0.22 178	0.22 205	0.22 171	0.22 189

IMH-64-1	0.22 156	0.23 115	0.23 177	0.22 148	0.22 212	0.22 175	0.22 199	0.22 173	0.22 202	0.22 173	0.22 208	0.22 176	0.22 206	0.22 174	0.22 197	0.22 166	0.22 184	0.23 186	0.22 205	0.22 171	0.23 191

IMH-64	0.22 156	0.23 115	0.23 177	0.22 148	0.22 212	0.22 175	0.22 199	0.22 173	0.22 202	0.22 173	0.22 208	0.22 176	0.22 206	0.22 174	0.22 197	0.22 166	0.22 184	0.23 186	0.22 205	0.22 171	0.23 191

MSKI-zero shot	0.24 164	0.21 110	0.49 320	0.65 323	0.18 194	0.22 175	0.17 173	0.23 179	0.18 187	0.21 171	0.17 180	0.23 182	0.28 242	0.23 180	0.18 185	0.21 164	0.16 146	0.21 173	0.16 170	0.21 169	0.16 160

MIM_Stereo	0.25 168	0.23 115	0.66 359	0.80 343	0.17 184	0.22 175	0.17 173	0.23 179	0.18 187	0.26 201	0.17 180	0.21 167	0.17 181	0.25 194	0.17 174	0.23 177	0.16 146	0.21 173	0.17 192	0.22 171	0.17 176

dd	0.23 162	0.98 293	0.16 145	0.23 152	0.15 168	0.23 183	0.15 157	0.23 179	0.15 167	0.23 177	0.15 169	0.24 188	0.17 181	0.23 180	0.15 161	0.22 166	0.15 143	0.21 173	0.15 166	0.22 171	0.16 160

LACA2	0.21 150	0.24 123	0.26 193	0.31 183	0.16 177	0.24 186	0.16 162	0.24 182	0.16 171	0.24 184	0.16 172	0.24 188	0.16 170	0.24 184	0.16 167	0.27 196	0.23 190	0.24 195	0.16 170	0.23 182	0.16 160

LACA1	0.21 150	0.24 123	0.26 193	0.31 183	0.16 177	0.24 186	0.16 162	0.24 182	0.16 171	0.24 184	0.16 172	0.24 188	0.16 170	0.24 184	0.16 167	0.27 196	0.22 184	0.23 186	0.16 170	0.23 182	0.16 160

tg	0.21 150	0.25 131	0.21 172	0.26 171	0.17 184	0.24 186	0.17 173	0.24 182	0.17 182	0.24 184	0.17 180	0.24 188	0.17 181	0.24 184	0.17 174	0.24 184	0.17 166	0.23 186	0.16 170	0.23 182	0.16 160

ACV-stereo	0.30 184	2.08 444	0.25 187	0.25 164	0.18 194	0.24 186	0.17 173	0.24 182	0.18 187	0.24 184	0.17 180	0.25 196	0.17 181	0.24 184	0.17 174	0.22 166	0.16 146	0.22 178	0.16 170	0.22 171	0.16 160

Pointernet	0.21 150	0.22 114	0.19 164	0.24 157	0.19 198	0.24 186	0.19 184	0.24 182	0.19 193	0.24 184	0.19 197	0.24 188	0.19 195	0.24 184	0.19 188	0.22 166	0.17 166	0.22 178	0.17 192	0.22 171	0.17 176

test_for_model	0.24 164	0.24 123	0.46 297	0.45 260	0.21 209	0.24 186	0.20 188	0.24 182	0.20 195	0.24 184	0.20 201	0.24 188	0.20 199	0.24 184	0.19 188	0.26 192	0.25 194	0.19 165	0.15 166	0.20 163	0.19 182

dad	0.23 162	1.03 317	0.16 145	0.23 152	0.15 168	0.24 186	0.15 157	0.24 182	0.16 171	0.23 177	0.16 172	0.24 188	0.16 170	0.23 180	0.15 161	0.22 166	0.16 146	0.22 178	0.16 170	0.22 171	0.16 160

iResNetv2_ROB	0.20 144	0.23 115	0.18 162	0.24 157	0.20 201	0.24 186	0.18 180	0.24 182	0.18 187	0.24 184	0.18 195	0.23 182	0.19 195	0.24 184	0.18 185	0.21 164	0.16 146	0.21 173	0.16 170	0.22 171	0.16 160

iResNet	0.20 144	0.23 115	0.18 162	0.24 157	0.18 194	0.24 186	0.20 188	0.24 182	0.18 187	0.23 177	0.17 180	0.23 182	0.18 190	0.23 180	0.18 185	0.22 166	0.16 146	0.21 173	0.16 170	0.21 169	0.16 160

VIP-Stereo	0.70 343	2.97 505	2.43 563	2.49 513	0.16 177	0.25 196	0.16 162	0.25 191	0.16 171	0.25 193	0.18 195	0.25 196	0.16 170	0.26 204	0.16 167	1.86 507	1.26 489	0.23 186	0.15 166	0.23 182	0.15 158

UNDER WATER-64	0.25 168	0.26 132	0.25 187	0.26 171	0.25 225	0.25 196	0.25 214	0.25 191	0.25 216	0.25 193	0.25 225	0.25 196	0.25 218	0.26 204	0.25 214	0.25 190	0.25 194	0.25 199	0.25 223	0.25 188	0.25 202

LoS_RVC	0.30 184	1.14 330	0.25 187	0.25 164	0.25 225	0.26 204	0.25 214	0.25 191	0.25 216	0.25 193	0.25 225	0.26 206	0.26 227	0.26 204	0.25 214	0.26 192	0.26 198	0.25 199	0.25 223	0.26 190	0.26 208

CAS	0.30 184	1.17 336	0.25 187	0.25 164	0.25 225	0.26 204	0.25 214	0.25 191	0.26 229	0.25 193	0.25 225	0.25 196	0.25 218	0.25 194	0.25 214	0.26 192	0.26 198	0.26 204	0.25 223	0.26 190	0.25 202

AANet_RVC	1.26 483	0.31 144	4.99 594	5.93 586	0.20 201	0.25 196	0.20 188	0.25 191	0.20 195	0.23 177	0.19 197	0.25 196	0.20 199	0.25 194	0.20 192	5.66 596	4.76 589	0.26 204	0.30 269	0.24 186	0.27 218

Select-FE	0.41 258	0.44 188	0.23 177	0.26 171	0.22 212	0.26 204	0.22 199	0.26 196	0.23 208	0.26 201	0.23 212	0.26 206	0.23 212	0.45 303	0.42 333	0.25 190	0.22 184	0.25 199	0.22 205	0.45 301	2.90 572

gcap-zeroshot	0.35 215	0.32 146	0.37 257	0.49 278	0.39 327	0.33 231	0.21 194	0.26 196	0.35 294	0.42 282	0.34 292	0.49 328	0.29 249	0.47 312	0.39 314	0.34 225	0.17 166	0.38 274	0.23 211	0.48 321	0.34 279

LoS	0.25 168	0.27 135	0.25 187	0.25 164	0.25 225	0.25 196	0.25 214	0.26 196	0.25 216	0.25 193	0.25 225	0.25 196	0.25 218	0.25 194	0.25 214	0.26 192	0.25 194	0.25 199	0.26 229	0.26 190	0.25 202
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
GEStereo_RVC	0.86 391	4.45 542	0.20 167	0.27 174	0.20 201	0.27 208	0.20 188	0.26 196	0.18 187	5.03 598	0.20 201	0.27 208	0.19 195	0.27 208	0.21 195	0.20 158	0.19 175	0.19 165	4.02 602	0.20 163	0.18 180

DLNR-FE	0.28 178	0.89 274	0.30 208	0.34 196	0.19 198	0.28 209	0.19 184	0.28 200	0.20 195	0.28 205	0.20 201	0.28 209	0.20 199	0.28 212	0.20 192	0.33 221	0.28 212	0.25 199	0.19 198	0.24 186	0.19 182

PAM	0.39 247	1.88 430	0.34 243	0.37 205	0.41 338	0.45 310	0.22 199	0.28 200	0.23 208	0.28 205	0.24 219	0.29 215	0.23 212	0.29 216	0.23 203	0.38 253	0.32 243	0.38 274	0.37 320	0.32 211	0.22 189

TorneroNet-64	0.45 277	0.27 135	0.30 208	0.58 309	0.27 234	0.70 381	0.30 247	0.28 200	0.73 416	0.73 384	0.28 242	0.71 383	0.66 386	0.75 386	0.27 220	0.27 196	0.29 224	0.37 266	0.75 422	0.28 197	0.30 250

SQANet	0.28 178	0.28 138	0.28 200	0.28 175	0.28 239	0.28 209	0.28 233	0.28 200	0.28 237	0.28 205	0.28 242	0.28 209	0.28 242	0.28 212	0.28 230	0.28 200	0.28 212	0.28 210	0.28 245	0.28 197	0.28 232

CFNet	1.37 488	5.27 555	0.19 164	5.49 583	0.19 198	0.28 209	0.19 184	0.28 200	0.19 193	0.28 205	0.19 197	0.28 209	4.35 595	0.28 212	0.19 188	0.23 177	0.17 166	0.23 186	4.21 604	4.81 581	0.17 176

ssnet_v2	0.68 339	1.96 441	1.25 489	0.29 176	0.20 201	0.30 213	0.20 188	0.29 205	0.22 202	1.50 504	0.20 201	0.31 223	0.20 199	0.27 208	0.22 197	0.24 184	1.49 513	0.26 204	0.18 197	3.90 558	0.19 182

RAFT + AFF	0.31 191	0.45 196	0.34 243	0.39 214	0.28 239	0.38 252	0.33 274	0.29 205	0.31 268	0.30 211	0.30 259	0.29 215	0.27 235	0.29 216	0.30 247	0.28 200	0.29 224	0.29 215	0.29 255	0.27 195	0.32 266

DStereoO	0.31 191	0.31 144	0.31 221	0.30 177	0.40 329	0.31 219	0.30 247	0.30 207	0.34 290	0.29 210	0.31 269	0.29 215	0.30 256	0.31 222	0.31 256	0.31 214	0.29 224	0.31 223	0.30 269	0.31 208	0.31 259

MultiAttention	0.30 184	0.30 141	0.30 208	0.30 177	0.30 258	0.30 213	0.30 247	0.30 207	0.30 254	0.30 211	0.30 259	0.30 219	0.30 256	0.30 218	0.30 247	0.30 208	0.30 233	0.30 217	0.30 269	0.30 203	0.30 250

MSAF-DinoV2	0.30 184	0.30 141	0.30 208	0.30 177	0.30 258	0.30 213	0.30 247	0.30 207	0.30 254	0.30 211	0.30 259	0.30 219	0.30 256	0.30 218	0.30 247	0.30 208	0.30 233	0.30 217	0.30 269	0.30 203	0.30 250

DLNR_Zeroshot_test	0.31 191	0.28 138	0.47 305	0.79 341	0.24 223	0.30 213	0.26 222	0.30 207	0.24 211	0.32 222	0.23 212	0.31 223	0.24 215	0.30 218	0.23 203	0.29 207	0.26 198	0.29 215	0.24 219	0.33 219	0.23 191

DANet	0.30 184	0.30 141	0.30 208	0.30 177	0.30 258	0.30 213	0.30 247	0.30 207	0.30 254	0.30 211	0.30 259	0.30 219	0.30 256	0.30 218	0.30 247	0.30 208	0.30 233	0.30 217	0.30 269	0.30 203	0.30 250
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DStereoSA	0.32 200	0.52 226	0.34 243	0.31 183	0.31 271	0.30 213	0.30 247	0.31 212	0.30 254	0.31 216	0.31 269	0.31 223	0.30 256	0.31 222	0.31 256	0.30 208	0.32 243	0.31 223	0.31 280	0.31 208	0.31 259

DEFOM-Stereo	0.68 339	3.11 508	1.40 507	1.63 481	0.25 225	0.31 219	0.25 214	0.31 212	0.28 237	0.31 216	0.29 247	0.29 215	0.27 235	0.31 222	0.28 230	1.59 499	1.47 512	0.30 217	0.29 255	0.30 203	0.28 232

DStereoFS	0.32 200	0.33 148	0.32 227	0.33 193	0.30 258	0.32 228	0.32 263	0.32 214	0.31 268	0.30 211	0.31 269	0.31 223	0.30 256	0.32 225	0.32 260	0.32 216	0.31 239	0.30 217	0.47 364	0.32 211	0.34 279

WCG-NET（raft）	0.32 200	1.24 394	0.24 184	0.32 189	0.24 223	0.32 228	0.23 207	0.32 214	0.24 211	0.32 222	0.24 219	0.32 227	0.24 215	0.32 225	0.24 206	0.30 208	0.23 190	0.30 217	0.23 211	0.30 203	0.23 191

tt1	0.31 191	0.93 286	0.24 184	0.33 193	0.23 218	0.31 219	0.24 212	0.32 214	0.24 211	0.32 222	0.23 212	0.32 227	0.25 218	0.32 225	0.24 206	0.27 196	0.26 198	0.27 208	0.26 229	0.27 195	0.27 218

iResNet_ROB	0.28 178	0.32 146	0.24 184	0.32 189	0.25 225	0.32 228	0.24 212	0.32 214	0.24 211	0.33 226	0.24 219	0.35 236	0.24 215	0.33 232	0.24 206	0.31 214	0.24 193	0.32 226	0.24 219	0.32 211	0.24 201

xxxxx1	0.31 191	0.91 279	0.23 177	0.31 183	0.23 218	0.31 219	0.23 207	0.33 218	0.25 216	0.31 216	0.24 219	0.33 230	0.25 218	0.32 225	0.24 206	0.28 200	0.28 212	0.28 210	0.28 245	0.29 200	0.27 218

tt_ll	0.31 191	0.91 279	0.23 177	0.31 183	0.23 218	0.31 219	0.23 207	0.33 218	0.25 216	0.31 216	0.24 219	0.33 230	0.25 218	0.32 225	0.24 206	0.28 200	0.28 212	0.28 210	0.28 245	0.29 200	0.27 218

ff	0.31 191	0.91 279	0.23 177	0.31 183	0.23 218	0.31 219	0.23 207	0.33 218	0.25 216	0.31 216	0.24 219	0.33 230	0.25 218	0.32 225	0.24 206	0.28 200	0.28 212	0.28 210	0.28 245	0.29 200	0.27 218

FE-Mocha	0.35 215	0.71 251	0.40 274	0.47 267	0.27 234	0.34 232	0.27 225	0.34 221	0.26 229	0.34 228	0.26 231	0.34 234	0.27 235	0.34 233	0.27 220	0.44 294	0.41 292	0.33 234	0.29 255	0.32 211	0.29 237

GCAP-BAT	0.33 204	0.78 255	0.32 227	0.38 208	0.25 225	0.34 232	0.25 214	0.34 221	0.26 229	0.34 228	0.25 225	0.35 236	0.26 227	0.35 236	0.27 220	0.36 238	0.30 233	0.32 226	0.24 219	0.32 211	0.26 208

H2IRNET	0.34 206	0.34 149	0.34 243	0.34 196	0.34 297	0.34 232	0.34 287	0.34 221	0.34 290	0.34 228	0.34 292	0.34 234	0.34 290	0.34 233	0.34 283	0.34 225	0.34 259	0.34 242	0.34 299	0.34 223	0.34 279

DN-CSS_ROB	0.31 191	0.35 150	0.28 200	0.35 198	0.28 239	0.34 232	0.27 225	0.34 221	0.25 216	0.35 233	0.27 235	0.36 242	0.26 227	0.34 233	0.28 230	0.35 234	0.28 212	0.34 242	0.28 245	0.34 223	0.27 218

CES	0.39 247	0.47 204	0.36 253	0.36 202	0.37 310	0.45 310	0.35 292	0.35 225	0.40 324	0.36 236	0.44 349	0.47 317	0.36 299	0.44 299	0.36 290	0.37 242	0.39 280	0.44 324	0.35 311	0.37 246	0.36 292

FENet	0.54 313	1.52 409	1.19 435	1.41 468	0.23 218	0.35 237	0.23 207	0.35 225	0.23 208	0.34 228	0.23 212	0.35 236	0.23 212	0.35 236	0.23 203	1.40 489	1.07 420	0.32 226	0.23 211	0.33 219	0.23 191

MLCV	0.31 191	0.35 150	0.27 196	0.35 198	0.28 239	0.35 237	0.27 225	0.35 225	0.28 237	0.36 236	0.27 235	0.35 236	0.27 235	0.35 236	0.27 220	0.34 225	0.27 205	0.34 242	0.27 238	0.34 223	0.27 218

ETE_ROB	0.35 215	0.35 150	0.35 251	0.35 198	0.35 300	0.35 237	0.35 292	0.35 225	0.35 294	0.35 233	0.35 301	0.35 236	0.35 296	0.35 236	0.35 287	0.35 234	0.35 261	0.35 258	0.35 311	0.35 235	0.35 289

EKT-Stereo	0.37 229	0.40 167	0.44 291	1.07 381	0.29 248	0.34 232	0.31 260	0.36 229	0.29 243	0.38 242	0.31 269	0.37 248	0.30 256	0.36 242	0.29 240	0.34 225	0.28 212	0.39 287	0.30 269	0.37 246	0.30 250

CASnet	0.35 215	0.51 224	0.44 291	0.32 189	0.31 271	0.24 186	0.34 287	0.36 229	0.25 216	0.31 216	0.37 311	0.30 219	0.33 285	0.25 194	0.45 338	0.37 242	0.37 267	0.33 234	0.35 311	0.34 223	0.37 297
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.32 200	0.36 153	0.27 196	0.36 202	0.27 234	0.36 240	0.27 225	0.36 229	0.27 234	0.36 236	0.27 235	0.36 242	0.27 235	0.36 242	0.28 230	0.36 238	0.28 212	0.36 263	0.28 245	0.36 242	0.28 232

IGEV-Stereo	0.35 215	0.44 188	0.45 293	0.49 278	0.30 258	0.37 245	0.30 247	0.36 229	0.30 254	0.36 236	0.29 247	0.36 242	0.29 249	0.36 242	0.30 247	0.46 302	0.39 280	0.32 226	0.24 219	0.32 211	0.25 202
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
HGLStereo	0.28 178	0.29 140	0.22 174	0.36 202	0.22 212	0.36 240	0.21 194	0.36 229	0.21 199	0.42 282	0.21 207	0.36 242	0.22 206	0.36 242	0.21 195	0.34 225	0.21 180	0.34 242	0.21 202	0.34 223	0.21 187

DMCA	0.36 221	0.38 159	0.37 257	0.35 198	0.35 300	0.36 240	0.36 298	0.36 229	0.35 294	0.35 233	0.37 311	0.36 242	0.36 299	0.35 236	0.36 290	0.36 238	0.36 264	0.35 258	0.36 317	0.36 242	0.36 292

Monster-pub-eth3d	0.45 277	0.57 239	0.60 346	0.39 214	0.28 239	0.37 245	0.28 233	0.37 235	0.30 254	0.39 248	0.29 247	0.39 255	0.30 256	0.92 408	0.27 220	1.42 490	0.28 212	0.34 242	0.28 245	0.37 246	0.53 358

Monster-pub-mixall	0.44 274	0.56 238	0.60 346	0.38 208	0.27 234	0.37 245	0.27 225	0.37 235	0.29 243	0.38 242	0.27 235	0.38 250	0.29 249	0.85 398	0.27 220	1.46 493	0.26 198	0.34 242	0.26 229	0.36 242	0.53 358

Replicate-Monster	0.45 277	0.57 239	0.60 346	0.40 227	0.29 248	0.37 245	0.27 225	0.37 235	0.30 254	0.40 254	0.31 269	0.40 263	0.30 256	0.99 416	0.27 220	1.36 486	0.31 239	0.34 242	0.30 269	0.36 242	0.54 361

model_zeroshot	0.27 177	0.20 104	0.27 196	0.33 193	0.21 209	0.37 245	0.22 199	0.37 235	0.24 211	0.26 201	0.27 235	0.33 230	0.21 205	0.25 194	0.27 220	0.32 216	0.20 177	0.34 242	0.23 211	0.25 188	0.26 208

RSM	0.36 221	0.36 153	0.43 289	0.37 205	0.42 348	0.49 331	0.42 338	0.37 235	0.28 237	0.36 236	0.29 247	0.36 242	0.30 256	0.37 246	0.28 230	0.34 225	0.31 239	0.34 242	0.35 311	0.40 277	0.29 237

MyStereo04	0.56 320	3.72 524	0.59 344	0.49 278	0.41 338	0.36 240	0.32 263	0.37 235	0.31 268	0.34 228	0.46 355	0.35 236	0.32 277	0.35 236	0.33 270	0.49 314	0.45 313	0.34 242	0.32 287	0.35 235	0.43 327

Venus	0.38 235	0.38 159	0.38 260	0.38 208	0.38 317	0.37 245	0.38 311	0.37 235	0.37 306	0.41 268	0.37 311	0.39 255	0.37 304	0.38 249	0.38 302	0.37 242	0.38 273	0.38 274	0.37 320	0.37 246	0.38 304

XPNet_ROB	0.37 229	0.37 155	0.37 257	0.37 205	0.37 310	0.37 245	0.37 304	0.37 235	0.37 306	0.37 241	0.37 311	0.37 248	0.37 304	0.37 246	0.37 299	0.37 242	0.37 267	0.37 266	0.37 320	0.37 246	0.37 297

WAO-8	0.38 235	0.38 159	0.38 260	0.38 208	0.38 317	0.38 252	0.38 311	0.38 243	0.38 310	0.38 242	0.38 316	0.38 250	0.38 308	0.38 249	0.38 302	0.38 253	0.38 273	0.38 274	0.37 320	0.38 259	0.38 304

WAO-7	0.38 235	0.38 159	0.38 260	0.38 208	0.38 317	0.38 252	0.38 311	0.38 243	0.38 310	0.38 242	0.38 316	0.38 250	0.38 308	0.38 249	0.38 302	0.38 253	0.38 273	0.38 274	0.38 333	0.38 259	0.38 304

HanzoNet	0.39 247	0.38 159	0.40 274	0.39 214	0.41 338	0.38 252	0.38 311	0.38 243	0.38 310	0.39 248	0.39 326	0.38 250	0.38 308	0.39 257	0.40 318	0.38 253	0.38 273	0.40 293	0.38 333	0.38 259	0.40 312

IMH	0.38 235	0.38 159	0.38 260	0.38 208	0.38 317	0.38 252	0.38 311	0.38 243	0.38 310	0.42 282	0.38 316	0.40 263	0.38 308	0.38 249	0.38 302	0.38 253	0.38 273	0.39 287	0.38 333	0.38 259	0.38 304

BStereo	0.22 156	0.23 115	0.20 167	0.24 157	0.20 201	0.23 183	0.33 274	0.39 247	0.17 182	0.23 177	0.17 180	0.23 182	0.16 170	0.24 184	0.17 174	0.23 177	0.16 146	0.22 178	0.20 199	0.22 171	0.16 160

Wave_Phase_stereo	0.22 156	0.23 115	0.20 167	0.24 157	0.20 201	0.23 183	0.33 274	0.39 247	0.17 182	0.23 177	0.17 180	0.23 182	0.16 170	0.24 184	0.17 174	0.23 177	0.16 146	0.22 178	0.20 199	0.22 171	0.16 160

LG-Stereo_L2	0.34 206	0.37 155	0.38 260	0.47 267	0.28 239	0.39 258	0.28 233	0.39 247	0.28 237	0.39 248	0.28 242	0.39 255	0.28 242	0.38 249	0.28 230	0.42 292	0.35 261	0.36 263	0.26 229	0.35 235	0.26 208

1test111	0.37 229	1.02 315	0.30 208	0.39 214	0.29 248	0.40 260	0.28 233	0.39 247	0.29 243	0.39 248	0.29 247	0.39 255	0.28 242	0.40 260	0.29 240	0.33 221	0.32 243	0.33 234	0.31 280	0.32 211	0.31 259

cc1	0.37 229	1.02 315	0.30 208	0.39 214	0.29 248	0.40 260	0.28 233	0.39 247	0.29 243	0.39 248	0.29 247	0.39 255	0.28 242	0.40 260	0.29 240	0.33 221	0.32 243	0.33 234	0.31 280	0.32 211	0.31 259

IER	0.88 394	7.04 571	2.23 556	2.75 518	0.28 239	0.43 303	0.25 214	0.39 247	0.25 216	0.41 268	0.27 235	0.39 255	0.25 218	0.40 260	0.28 230	0.37 242	0.28 212	0.37 266	0.25 223	0.37 246	0.25 202

DISCO	1.11 430	0.39 165	5.28 596	0.39 214	0.20 201	0.39 258	0.27 225	0.39 247	0.22 202	0.38 242	0.20 201	0.38 250	0.20 199	6.95 609	0.22 197	0.30 208	0.21 180	0.27 208	0.21 202	5.25 590	0.21 187

GIP-stereo	0.36 221	0.49 212	0.39 268	0.48 272	0.32 275	0.41 276	0.28 233	0.40 254	0.30 254	0.41 268	0.28 242	0.40 263	0.28 242	0.42 288	0.28 230	0.45 297	0.32 243	0.38 274	0.30 269	0.37 246	0.27 218

DCVSM-stereo	0.36 221	1.89 431	0.22 174	0.40 227	0.22 212	0.40 260	0.22 199	0.40 254	0.22 202	0.40 254	0.22 208	0.40 263	0.22 206	0.40 260	0.22 197	0.28 200	0.21 180	0.28 210	0.21 202	0.28 197	0.20 185

IGEV++	0.34 206	0.43 185	0.30 208	0.40 227	0.29 248	0.40 260	0.29 242	0.40 254	0.29 243	0.40 254	0.29 247	0.40 263	0.29 249	0.40 260	0.30 247	0.38 253	0.29 224	0.37 266	0.29 255	0.37 246	0.29 237

ACVNet-DCA	0.37 229	1.00 302	0.30 208	0.40 227	0.29 248	0.40 260	0.29 242	0.40 254	0.29 243	0.40 254	0.29 247	0.40 263	0.29 249	0.39 257	0.28 230	0.33 221	0.32 243	0.33 234	0.32 287	0.33 219	0.32 266

xx1	0.38 235	1.03 317	0.31 221	0.40 227	0.31 271	0.41 276	0.28 233	0.40 254	0.29 243	0.40 254	0.29 247	0.40 263	0.29 249	0.40 260	0.29 240	0.34 225	0.33 255	0.34 242	0.32 287	0.34 223	0.32 266

LL-Strereo2	0.48 294	1.73 420	0.51 330	0.59 312	0.34 297	0.42 296	0.33 274	0.40 254	0.31 268	0.42 282	0.33 284	0.42 294	0.31 273	0.44 299	0.39 314	0.60 344	0.51 341	0.44 324	0.33 295	0.44 297	0.33 273

knoymous	0.40 251	0.40 167	0.40 274	0.40 227	0.40 329	0.40 260	0.40 325	0.40 254	0.40 324	0.40 254	0.40 329	0.40 263	0.40 318	0.40 260	0.40 318	0.40 270	0.40 283	0.40 293	0.40 337	0.40 277	0.40 312

anonymousa	0.40 251	0.40 167	0.40 274	0.40 227	0.40 329	0.40 260	0.40 325	0.40 254	0.40 324	0.40 254	0.40 329	0.40 263	0.40 318	0.40 260	0.40 318	0.40 270	0.40 283	0.40 293	0.40 337	0.40 277	0.40 312

riskmin	0.40 251	0.40 167	0.40 274	0.40 227	0.40 329	0.40 260	0.40 325	0.40 254	0.40 324	0.40 254	0.40 329	0.40 263	0.40 318	0.40 260	0.40 318	0.40 270	0.40 283	0.40 293	0.40 337	0.40 277	0.40 312

Anonymous_2	0.40 251	0.40 167	0.40 274	0.40 227	0.40 329	0.40 260	0.40 325	0.40 254	0.40 324	0.40 254	0.40 329	0.40 263	0.40 318	0.40 260	0.40 318	0.40 270	0.40 283	0.40 293	0.40 337	0.40 277	0.40 312

Anonymous_1	0.40 251	0.40 167	0.40 274	0.40 227	0.40 329	0.40 260	0.40 325	0.40 254	0.40 324	0.40 254	0.40 329	0.40 263	0.40 318	0.40 260	0.40 318	0.40 270	0.40 283	0.40 293	0.40 337	0.40 277	0.40 312

NINENet	0.69 342	3.87 530	1.20 438	1.98 492	0.05 99	0.40 260	0.04 81	0.40 254	0.05 98	0.41 268	0.04 88	0.41 276	0.05 95	0.40 260	0.05 89	1.79 505	1.56 519	0.34 242	0.22 205	0.34 223	0.23 191

iRaft-Stereo_5w	0.34 206	0.42 184	0.31 221	0.39 214	0.30 258	0.38 252	0.30 247	0.40 254	0.29 243	0.40 254	0.37 311	0.41 276	0.34 290	0.38 249	0.30 247	0.34 225	0.27 205	0.34 242	0.26 229	0.34 223	0.26 208

AdaStereo	0.40 251	0.40 167	0.40 274	0.40 227	0.40 329	0.40 260	0.40 325	0.40 254	0.40 324	0.40 254	0.40 329	0.40 263	0.40 318	0.40 260	0.40 318	0.40 270	0.40 283	0.40 293	0.40 337	0.40 277	0.40 312
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.
StereoDRNet-Refined	0.33 204	0.39 165	0.26 193	0.39 214	0.26 233	0.40 260	0.26 222	0.40 254	0.26 229	0.39 248	0.26 231	0.39 255	0.26 227	0.39 257	0.26 219	0.37 242	0.25 194	0.37 266	0.25 223	0.37 246	0.37 297
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DDF-Stereo	0.43 269	1.15 333	0.57 342	0.53 297	0.32 275	0.41 276	0.32 263	0.41 269	0.32 274	0.41 268	0.32 277	0.41 276	0.32 277	0.40 260	0.32 260	0.52 328	0.50 336	0.38 274	0.31 280	0.39 270	0.31 259

Zero-FE251	0.36 221	0.40 167	0.28 200	0.41 239	0.28 239	0.41 276	0.28 233	0.41 269	0.28 237	0.41 268	0.28 242	0.41 276	0.28 242	0.42 288	0.30 247	0.37 242	0.26 198	0.37 266	0.27 238	0.45 301	0.56 369

RAFT-Test	0.36 221	0.37 155	0.33 233	0.41 239	0.32 275	0.41 276	0.32 263	0.41 269	0.32 274	0.41 268	0.32 277	0.41 276	0.32 277	0.41 275	0.33 270	0.37 242	0.29 224	0.37 266	0.29 255	0.38 259	0.31 259

BUS	0.83 379	1.91 434	0.92 409	4.48 560	0.02 21	0.40 260	0.04 81	0.41 269	0.02 21	0.48 317	0.03 53	0.41 276	0.05 95	0.03 40	0.05 89	1.97 517	4.19 586	0.33 234	0.23 211	0.34 223	0.27 218

CRFU-Net	0.65 332	1.67 413	1.22 485	1.96 491	0.27 234	0.41 276	0.27 225	0.41 269	0.27 234	0.40 254	0.26 231	0.41 276	0.27 235	0.40 260	0.27 220	1.80 506	1.62 526	0.34 242	0.23 211	0.33 219	0.23 191

BSDual-CNN	0.81 371	1.91 434	0.92 409	4.48 560	0.02 21	0.42 296	0.06 110	0.41 269	0.02 21	0.48 317	0.03 53	0.02 20	0.02 21	0.03 40	0.02 20	1.97 517	4.19 586	0.33 234	0.23 211	0.34 223	0.27 218

hknet	1.10 428	1.85 427	3.49 583	4.48 560	0.02 21	0.42 296	0.06 110	0.41 269	0.02 21	0.48 317	0.03 53	0.41 276	0.03 53	0.42 288	0.03 49	4.39 572	4.19 586	0.33 234	0.23 211	0.34 223	0.27 218

iRaft-Stereo_20w	0.34 206	0.41 177	0.31 221	0.39 214	0.29 248	0.40 260	0.32 263	0.41 269	0.32 274	0.38 242	0.30 259	0.39 255	0.30 256	0.38 249	0.32 260	0.35 234	0.27 205	0.34 242	0.27 238	0.34 223	0.29 237

GMOStereo	0.37 229	0.45 196	0.23 177	0.30 177	0.37 310	0.41 276	0.36 298	0.41 269	0.35 294	0.43 288	0.36 304	0.41 276	0.40 318	0.41 275	0.36 290	0.34 225	0.22 184	0.47 341	0.37 320	0.39 270	0.33 273

error version	0.93 404	4.47 543	2.35 559	1.99 493	0.37 310	0.41 276	0.36 298	0.41 269	0.35 294	0.43 288	0.36 304	0.41 276	0.40 318	0.41 275	0.36 290	1.87 509	2.16 554	0.47 341	0.37 320	0.39 270	0.33 273

test_1	0.93 404	4.47 543	2.35 559	1.99 493	0.37 310	0.41 276	0.36 298	0.41 269	0.35 294	0.43 288	0.36 304	0.41 276	0.40 318	0.41 275	0.36 290	1.87 509	2.16 554	0.47 341	0.37 320	0.39 270	0.33 273

GwcNet-ADL	0.41 258	0.41 177	0.41 283	0.41 239	0.41 338	0.41 276	0.41 333	0.41 269	0.41 333	0.41 268	0.41 335	0.41 276	0.41 329	0.41 275	0.41 325	0.41 278	0.41 292	0.41 310	0.41 344	0.41 287	0.41 319

PSMNet-ADL	0.41 258	0.41 177	0.41 283	0.41 239	0.41 338	0.41 276	0.41 333	0.41 269	0.41 333	0.41 268	0.41 335	0.41 276	0.41 329	0.41 275	0.41 325	0.41 278	0.41 292	0.41 310	0.41 344	0.41 287	0.41 319

GANet-ADL	0.41 258	0.41 177	0.41 283	0.41 239	0.41 338	0.41 276	0.41 333	0.41 269	0.41 333	0.41 268	0.41 335	0.41 276	0.41 329	0.41 275	0.41 325	0.41 278	0.41 292	0.41 310	0.41 344	0.41 287	0.41 319

ADLNet2	0.41 258	0.41 177	0.41 283	0.41 239	0.41 338	0.41 276	0.41 333	0.41 269	0.41 333	0.41 268	0.41 335	0.41 276	0.41 329	0.41 275	0.41 325	0.41 278	0.41 292	0.41 310	0.41 344	0.41 287	0.41 319

ADLNet	0.41 258	0.41 177	0.41 283	0.41 239	0.41 338	0.41 276	0.41 333	0.41 269	0.41 333	0.41 268	0.41 335	0.41 276	0.41 329	0.41 275	0.41 325	0.41 278	0.41 292	0.41 310	0.41 344	0.41 287	0.41 319

DGSMNet	0.34 206	0.41 177	0.27 196	0.41 239	0.28 239	0.41 276	0.28 233	0.41 269	0.27 234	0.41 268	0.27 235	0.42 294	0.27 235	0.41 275	0.28 230	0.40 270	0.29 224	0.40 293	0.28 245	0.40 277	0.27 218

Gwc-CoAtRS	0.41 258	1.49 408	0.32 227	0.42 249	0.32 275	0.41 276	0.32 263	0.41 269	0.33 281	0.41 268	0.32 277	0.41 276	0.32 277	0.41 275	0.32 260	0.39 265	0.28 212	0.39 287	0.28 245	0.40 277	0.28 232

HiDET	0.38 235	0.44 188	0.30 208	0.42 249	0.30 258	0.42 296	0.30 247	0.42 287	0.30 254	0.44 295	0.30 259	0.42 294	0.30 256	0.42 288	0.68 390	0.37 242	0.32 243	0.40 293	0.29 255	0.37 246	0.29 237

LCMNet	0.38 235	0.44 188	0.30 208	0.42 249	0.30 258	0.42 296	0.30 247	0.42 287	0.30 254	0.45 298	0.30 259	0.42 294	0.30 256	0.42 288	0.69 398	0.37 242	0.32 243	0.40 293	0.29 255	0.37 246	0.29 237

HART	0.38 235	0.45 196	0.34 243	0.42 249	0.33 287	0.41 276	0.34 287	0.42 287	0.33 281	0.43 288	0.34 292	0.42 294	0.34 290	0.41 275	0.38 302	0.40 270	0.32 243	0.42 321	0.32 287	0.40 277	0.32 266

RAFT-Stereo-weight	0.45 277	1.90 433	0.34 243	0.42 249	0.36 306	0.43 303	0.35 292	0.42 287	0.34 290	0.42 282	0.34 292	0.44 304	0.34 290	0.41 275	0.34 283	0.38 253	0.32 243	0.38 274	0.32 287	0.38 259	0.33 273

GES	0.66 334	2.34 468	0.29 204	0.41 239	0.29 248	0.41 276	0.29 242	0.42 287	0.29 243	0.40 254	0.41 335	0.41 276	0.30 256	0.51 344	0.29 240	0.32 216	0.29 224	0.32 226	2.46 573	2.49 535	0.30 250

FCDSN-DC	0.41 258	0.59 242	0.64 355	0.54 300	0.33 287	0.50 340	0.37 304	0.42 287	0.40 324	0.61 369	0.43 347	0.50 343	0.49 360	0.38 249	0.32 260	0.28 200	0.23 190	0.26 204	0.22 205	0.35 235	0.28 232
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
gcap_with_dpt	0.36 221	0.40 167	0.31 221	0.44 257	0.31 271	0.44 308	0.31 260	0.43 293	0.30 254	0.44 295	0.31 269	0.44 304	0.31 273	0.43 294	0.31 256	0.38 253	0.27 205	0.38 274	0.27 238	0.38 259	0.27 218

MonSter++	0.38 235	0.44 188	0.31 221	0.43 255	0.30 258	0.43 303	0.31 260	0.43 293	0.31 268	0.45 298	0.31 269	0.43 301	0.31 273	0.43 294	0.69 398	0.38 253	0.33 255	0.40 293	0.30 269	0.38 259	0.30 250

CSFM-Stereo	0.38 235	0.44 188	0.30 208	0.42 249	0.30 258	0.42 296	0.30 247	0.43 293	0.30 254	0.44 295	0.30 259	0.42 294	0.30 256	0.42 288	0.73 408	0.37 242	0.32 243	0.40 293	0.29 255	0.37 246	0.30 250

testlalala	0.49 300	2.86 503	0.39 268	0.49 278	0.30 258	0.43 303	0.30 247	0.43 293	0.30 254	0.43 288	0.30 259	0.43 301	0.30 256	0.43 294	0.30 247	0.45 297	0.36 264	0.38 274	0.26 229	0.38 259	0.26 208

GCAPDPT-zeroshot	0.36 221	0.40 167	0.30 208	0.43 255	0.30 258	0.43 303	0.30 247	0.43 293	0.31 268	0.43 288	0.30 259	0.43 301	0.30 256	0.44 299	0.31 256	0.39 265	0.28 212	0.39 287	0.27 238	0.39 270	0.26 208

RCA-Stereo	0.51 308	3.22 512	0.34 243	0.44 257	0.34 297	0.44 308	0.34 287	0.43 293	0.34 290	0.43 288	0.34 292	0.44 304	0.33 285	0.43 294	0.33 270	0.38 253	0.29 224	0.38 274	0.29 255	0.38 259	0.29 237

UCFNet_RVC	2.75 562	10.06 593	0.29 204	10.31 610	0.29 248	0.42 296	0.29 242	0.43 293	0.29 243	0.42 282	0.29 247	0.42 294	9.87 612	0.43 294	0.29 240	0.36 238	9.84 612	0.36 263	0.26 229	9.77 611	0.26 208

water-stereo	0.41 258	0.84 264	0.46 297	0.50 287	0.33 287	0.45 310	0.33 274	0.45 300	0.32 274	0.45 298	0.32 277	0.45 307	0.32 277	0.45 303	0.32 260	0.44 294	0.41 292	0.39 287	0.31 280	0.39 270	0.32 266

GREAT-IGEV	0.38 235	0.43 185	0.36 253	0.48 272	0.32 275	0.45 310	0.32 263	0.45 300	0.32 274	0.45 298	0.32 277	0.45 307	0.32 277	0.45 303	0.32 260	0.44 294	0.33 255	0.41 310	0.29 255	0.41 287	0.29 237
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
mms	0.40 251	0.45 196	0.35 251	0.48 272	0.36 306	0.47 321	0.34 287	0.45 300	0.38 310	0.47 310	0.33 284	0.45 307	0.32 277	0.45 303	0.32 260	0.39 265	0.38 273	0.38 274	0.37 320	0.39 270	0.39 310

fffy	0.38 235	0.43 185	0.33 233	0.46 261	0.33 287	0.45 310	0.32 263	0.45 300	0.32 274	0.45 298	0.32 277	0.45 307	0.33 285	0.45 303	0.32 260	0.38 253	0.38 273	0.38 274	0.37 320	0.37 246	0.36 292

DilatedVolume-Stereo	0.43 269	0.86 267	0.48 313	0.50 287	0.33 287	0.46 316	0.33 274	0.46 304	0.33 281	0.46 304	0.33 284	0.47 317	0.33 285	0.47 312	0.34 283	0.45 297	0.42 301	0.40 293	0.33 295	0.47 317	0.38 304

otaku	0.46 283	0.46 200	0.46 297	0.46 261	0.46 356	0.46 316	0.46 348	0.46 304	0.46 347	0.46 304	0.46 355	0.46 311	0.46 346	0.46 308	0.46 342	0.46 302	0.46 315	0.46 332	0.46 357	0.46 304	0.46 333

Ntro	0.47 289	0.47 204	0.46 297	0.46 261	0.46 356	0.47 321	0.47 353	0.46 304	0.47 352	0.46 304	0.46 355	0.47 317	0.46 346	0.47 312	0.47 349	0.47 307	0.46 315	0.46 332	0.46 357	0.46 304	0.46 333

Dean	0.46 283	0.46 200	0.46 297	0.46 261	0.46 356	0.46 316	0.46 348	0.46 304	0.46 347	0.47 310	0.46 355	0.46 311	0.46 346	0.46 308	0.46 342	0.46 302	0.46 315	0.46 332	0.46 357	0.46 304	0.46 333

ACVNet_1	0.46 283	0.47 204	0.46 297	0.46 261	0.46 356	0.46 316	0.46 348	0.46 304	0.47 352	0.46 304	0.46 355	0.46 311	0.46 346	0.46 308	0.46 342	0.46 302	0.46 315	0.47 341	0.46 357	0.46 304	0.46 333

ACVNet-4b	0.46 283	0.46 200	0.46 297	0.46 261	0.46 356	0.46 316	0.46 348	0.46 304	0.46 347	0.46 304	0.46 355	0.46 311	0.46 346	0.47 312	0.46 342	0.46 302	0.46 315	0.46 332	0.46 357	0.46 304	0.46 333

Former-RAFT_DAM_RVC	0.49 300	0.98 293	0.64 355	0.84 348	0.46 356	0.45 310	0.35 292	0.47 310	0.47 352	0.45 298	0.34 292	0.46 311	0.48 355	0.46 308	0.35 287	0.39 265	0.71 383	0.39 287	0.35 311	0.41 287	0.41 319

HaxPig	0.47 289	0.47 204	0.47 305	0.49 278	0.47 362	0.47 321	0.47 353	0.47 310	0.47 352	0.47 310	0.47 363	0.47 317	0.47 354	0.47 312	0.47 349	0.47 307	0.47 323	0.47 341	0.47 364	0.47 317	0.48 342

UNDER WATER	0.47 289	0.47 204	0.47 305	0.47 267	0.47 362	0.47 321	0.47 353	0.47 310	0.47 352	0.47 310	0.47 363	0.47 317	0.46 346	0.47 312	0.47 349	0.47 307	0.47 323	0.47 341	0.46 357	0.47 317	0.47 340

LVE	0.47 289	0.47 204	0.47 305	0.47 267	0.49 368	0.47 321	0.47 353	0.47 310	0.49 361	0.47 310	0.47 363	0.47 317	0.46 346	0.47 312	0.47 349	0.47 307	0.47 323	0.48 349	0.47 364	0.47 317	0.47 340

SCV_C0	0.45 277	0.88 271	0.49 320	0.54 300	0.37 310	0.48 326	0.37 304	0.48 314	0.37 306	0.48 317	0.36 304	0.48 324	0.37 304	0.49 327	0.37 299	0.50 320	0.41 292	0.44 324	0.34 299	0.44 297	0.34 279

SCV	0.46 283	0.94 288	0.45 293	0.54 300	0.37 310	0.48 326	0.38 311	0.48 314	0.37 306	0.48 317	0.39 326	0.48 324	0.37 304	0.49 327	0.37 299	0.50 320	0.46 315	0.44 324	0.34 299	0.44 297	0.34 279

RainbowNet	0.48 294	0.48 210	0.48 313	0.48 272	0.48 366	0.48 326	0.48 362	0.48 314	0.48 359	0.48 317	0.48 367	0.48 324	0.48 355	0.48 321	0.48 355	0.48 311	0.48 327	0.48 349	0.48 368	0.48 321	0.48 342

notaker	0.48 294	0.49 212	0.48 313	0.48 272	0.48 366	0.48 326	0.48 362	0.48 314	0.49 361	0.48 317	0.48 367	0.48 324	0.48 355	0.48 321	0.48 355	0.48 311	0.48 327	0.48 349	0.48 368	0.48 321	0.49 347

Pro-Stereo	0.79 363	0.53 230	0.38 260	0.49 278	0.38 317	0.49 331	0.37 304	0.49 318	0.67 390	0.50 337	0.38 316	1.10 437	0.38 308	0.49 327	0.38 302	0.71 364	0.88 405	5.98 606	0.36 317	0.46 304	0.36 292

UGAM	0.51 308	2.23 457	0.39 268	0.54 300	0.35 300	0.50 340	0.35 292	0.49 318	0.35 294	0.49 324	0.35 301	0.49 328	0.36 299	0.50 335	0.36 290	0.49 314	0.37 267	0.45 328	0.34 299	0.45 301	0.34 279

MyStereo07	0.60 322	3.72 524	0.48 313	0.49 278	0.41 338	0.36 240	0.32 263	0.49 318	0.43 341	0.51 345	0.42 345	0.49 328	0.43 338	0.51 344	0.64 378	0.49 314	0.45 313	0.34 242	0.32 287	0.35 235	0.43 327

KSHMR	0.66 334	0.50 216	0.48 313	1.15 391	0.52 378	0.49 331	0.51 370	0.49 318	0.71 410	0.67 379	0.50 372	1.16 445	1.11 442	0.66 374	0.52 365	0.49 314	0.49 330	0.51 363	0.66 404	0.50 330	1.14 451

ACVNet_2	0.49 300	0.49 212	0.49 320	0.49 278	0.49 368	0.49 331	0.49 364	0.49 318	0.49 361	0.49 324	0.49 370	0.49 328	0.49 360	0.49 327	0.49 357	0.49 314	0.49 330	0.49 354	0.49 371	0.49 325	0.49 347

CFNet_ucs	2.73 561	9.64 590	0.33 233	9.92 607	0.32 275	0.49 331	0.33 274	0.49 318	0.33 281	0.49 324	0.33 284	0.49 328	8.98 610	0.48 321	0.33 270	0.41 278	9.96 613	0.40 293	0.29 255	10.12 613	0.54 361

CFNet_pseudo	2.67 560	9.36 588	0.32 227	10.99 611	0.33 287	0.85 396	0.33 274	0.49 318	0.33 281	0.49 324	0.32 277	0.49 328	7.26 606	0.49 327	0.33 270	0.41 278	9.62 610	0.41 310	0.29 255	10.03 612	0.29 237

pcwnet_v2	2.66 559	9.89 592	0.33 233	9.89 606	0.32 275	0.50 340	0.32 263	0.49 318	0.33 281	0.49 324	0.34 292	0.49 328	8.76 609	0.48 321	0.33 270	0.41 278	9.58 609	0.40 293	0.29 255	9.01 608	0.63 379

psmorigin	0.41 258	0.46 200	0.33 233	0.49 278	0.33 287	0.49 331	0.33 274	0.49 318	0.33 281	0.49 324	0.33 284	0.49 328	0.33 285	0.51 344	0.33 270	0.41 278	0.30 233	0.41 310	0.30 269	0.79 372	0.29 237

GSStereo	0.81 371	4.28 541	0.50 324	0.59 312	0.40 329	0.51 352	0.38 311	0.50 327	0.38 310	0.50 337	0.38 316	0.50 343	3.79 587	0.50 335	0.38 302	0.54 332	0.43 305	0.46 332	0.34 299	0.46 304	0.35 289

GS-Stereo							0.38 311	0.50 327	0.38 310	0.50 337	0.38 316	0.50 343	3.79 587	0.50 335	0.38 302	0.54 332	0.43 305	0.46 332	0.34 299	0.46 304	0.35 289

252Zero-FE	0.45 277	0.50 216	0.36 253	0.50 287	0.36 306	0.50 340	0.36 298	0.50 327	0.36 304	0.49 324	0.36 304	0.49 328	0.36 299	0.54 353	0.41 325	0.45 297	0.34 259	0.45 328	0.34 299	0.55 344	0.75 407

GASTEREO	0.48 294	1.21 386	0.47 305	0.57 307	0.38 317	0.50 340	0.38 311	0.50 327	0.38 310	0.50 337	0.38 316	0.50 343	0.38 308	0.50 335	0.38 302	0.52 328	0.42 301	0.46 332	0.34 299	0.46 304	0.34 279

FoundationStereo	0.50 303	0.50 216	0.50 324	0.50 287	0.50 372	0.50 340	0.50 366	0.50 327	0.50 364	0.50 337	0.50 372	0.50 343	0.50 363	0.50 335	0.50 358	0.50 320	0.50 336	0.50 358	0.50 373	0.50 330	0.50 350

StereoAnything_RVC	0.50 303	0.50 216	0.50 324	0.50 287	0.50 372	0.50 340	0.50 366	0.50 327	0.50 364	0.50 337	0.50 372	0.50 343	0.50 363	0.50 335	0.50 358	0.50 320	0.50 336	0.50 358	0.50 373	0.50 330	0.50 350

dual_stereo	0.50 303	0.50 216	0.50 324	0.50 287	0.50 372	0.50 340	0.50 366	0.50 327	0.50 364	0.50 337	0.50 372	0.50 343	0.50 363	0.50 335	0.50 358	0.50 320	0.50 336	0.50 358	0.50 373	0.50 330	0.50 350

UGAM-zero	0.51 308	2.17 452	0.39 268	0.53 297	0.36 306	0.50 340	0.36 298	0.50 327	0.36 304	0.49 324	0.36 304	0.50 343	0.35 296	0.50 335	0.36 290	0.49 314	0.37 267	0.47 341	0.35 311	0.46 304	0.34 279

GCST	0.50 303	2.08 444	0.38 260	0.53 297	0.35 300	0.49 331	0.35 292	0.50 327	0.35 294	0.49 324	0.35 301	0.49 328	0.35 296	0.49 327	0.35 287	0.48 311	0.37 267	0.45 328	0.33 295	0.44 297	0.33 273

TorneroNet	0.66 334	0.53 230	0.50 324	0.50 287	0.64 396	1.06 428	0.70 404	0.50 327	0.51 371	0.49 324	0.69 408	0.49 328	0.50 363	0.48 321	1.15 454	0.71 364	0.49 330	1.14 443	1.08 452	0.49 325	0.49 347

Selective-IGEV	0.51 308	0.55 236	0.45 293	0.69 328	0.45 354	0.61 371	0.45 346	0.50 327	0.40 324	0.56 361	0.44 349	0.55 362	0.40 318	0.72 381	0.67 383	0.59 343	0.46 315	0.45 328	0.34 299	0.46 304	0.37 297

ccnet	0.80 366	2.28 460	0.33 233	0.50 287	0.33 287	0.50 340	0.33 274	0.50 327	0.33 281	0.49 324	0.33 284	0.49 328	1.56 518	2.38 538	0.33 270	0.41 278	0.29 224	0.42 321	1.57 533	2.28 523	0.29 237

SANet	0.50 303	0.50 216	0.50 324	0.50 287	0.50 372	0.50 340	0.50 366	0.50 327	0.50 364	0.50 337	0.50 372	0.50 343	0.50 363	0.50 335	0.50 358	0.50 320	0.50 336	0.50 358	0.50 373	0.50 330	0.50 350

GEAStereo	0.62 327	3.91 531	0.48 313	0.69 328	0.38 317	0.51 352	0.38 311	0.51 340	0.38 310	0.53 351	0.38 316	0.50 343	0.38 308	0.51 344	0.38 302	0.54 332	0.43 305	0.46 332	0.34 299	0.46 304	0.34 279

gasm-f	0.62 327	3.91 531	0.48 313	0.69 328	0.38 317	0.51 352	0.38 311	0.51 340	0.38 310	0.53 351	0.38 316	0.50 343	0.38 308	0.51 344	0.38 302	0.54 332	0.43 305	0.46 332	0.34 299	0.46 304	0.34 279

ccccc		0.44 188		0.48 272	0.35 300	0.48 326		0.51 340		0.47 310		0.47 317		0.47 312		0.41 278	0.40 283	0.40 293	0.40 337	0.41 287

ktn	0.72 349	0.53 230	1.08 424	1.14 389	0.51 377	1.22 489	1.36 519	0.51 340	0.59 379	0.51 345	0.51 378	0.69 382	1.20 453	0.67 376	0.51 363	0.51 326	0.49 330	0.58 373	0.66 404	0.52 338	0.53 358

depthmonostereo	0.44 274	0.85 266	0.46 297	0.54 300	0.40 329	0.52 355	0.38 311	0.52 344	0.35 294	0.47 310	0.34 292	0.46 311	0.34 290	0.47 312	0.34 283	0.45 297	0.43 305	0.41 310	0.33 295	0.41 287	0.32 266

fffft	0.48 294	0.51 224	0.45 293	0.52 296	0.45 354	0.52 355	0.45 346	0.52 344	0.48 359	0.53 351	0.45 353	0.52 354	0.45 343	0.52 349	0.46 342	0.51 326	0.41 292	0.50 358	0.41 344	0.50 330	0.41 319
1: 1. 1
LG-Stereo_L1	0.47 289	0.52 226	0.47 305	0.62 317	0.39 327	0.53 357	0.40 325	0.53 346	0.39 323	0.53 351	0.39 326	0.53 355	0.39 317	0.53 351	0.39 314	0.55 338	0.46 315	0.49 354	0.37 320	0.49 325	0.37 297

PSMNet_ROB	0.54 313	0.54 234	0.54 338	0.54 300	0.53 381	0.54 360	0.54 374	0.53 346	0.54 374	0.54 356	0.54 382	0.54 358	0.53 370	0.54 353	0.54 368	0.54 332	0.53 345	0.54 370	0.54 379	0.54 343	0.54 361

MSCF	0.51 308	1.40 405	0.49 320	0.58 309	0.38 317	0.50 340	0.38 311	0.54 348	0.41 333	0.52 348	0.41 335	0.53 355	0.42 335	0.53 351	0.41 325	0.60 344	0.47 323	0.48 349	0.37 320	0.48 321	0.38 304

Occ-G	1.12 431	0.52 226	3.72 588	3.50 548	0.50 372	0.56 362	0.47 353	0.54 348	0.46 347	0.54 356	0.41 335	0.54 358	0.42 335	0.52 349	0.42 333	3.42 565	4.02 585	0.52 366	0.45 355	0.51 336	0.44 330

iRaftStereo_RVC	0.97 408	3.17 511	2.30 558	2.42 510	0.38 317	0.54 360	0.38 311	0.54 348	0.38 310	0.54 356	0.38 316	0.54 358	0.38 308	0.54 353	0.38 302	2.38 543	2.34 558	0.49 354	0.36 317	0.49 325	0.36 292

FSD					0.44 351	0.56 362	0.44 341	0.55 351	0.44 344	0.56 361	0.44 349	0.56 365	0.44 340	0.56 358	0.46 342	0.61 348	0.42 301	0.52 366	0.42 352	0.52 338

LG-Stereo_Zeroshot	0.48 294	0.55 236	0.47 305	0.63 319	0.41 338	0.56 362	0.44 341	0.56 352	0.41 333	0.56 361	0.41 335	0.57 367	0.42 335	0.56 358	0.41 325	0.55 338	0.43 305	0.51 363	0.37 320	0.51 336	0.37 297

MyStereo06	0.75 354	4.12 535	0.60 346	0.63 319	0.61 392	0.62 374	0.66 386	0.56 352	0.45 346	0.55 359	0.48 367	0.54 358	0.46 346	0.57 363	0.45 338	0.60 344	0.57 351	0.64 379	0.55 380	0.72 362	0.55 366

CASS	0.57 321	0.89 274	0.56 340	0.57 307	0.56 384	0.56 362	0.56 375	0.56 352	0.53 372	0.57 364	0.57 384	0.59 371	0.48 355	0.56 358	0.57 371	0.55 338	0.56 349	0.47 341	0.56 384	0.62 350	0.56 369
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
LG-Stereo	0.60 322	0.58 241	0.47 305	0.64 322	0.74 415	1.00 412	0.69 400	0.57 355	0.41 333	0.57 364	0.41 335	0.57 367	0.41 329	1.00 418	0.75 413	0.91 388	0.51 341	0.52 366	0.37 320	0.52 338	0.37 297

LL-Strereo	1.01 418	5.06 550	1.63 520	0.70 332	1.43 526	0.56 362	0.46 348	0.57 355	0.50 364	0.57 364	0.50 372	1.58 508	0.49 360	0.59 365	0.50 358	1.64 502	0.52 343	0.51 363	1.37 521	0.52 338	0.45 332

PML	0.46 283	1.36 402	0.29 204	0.58 309	0.30 258	0.57 368	0.29 242	0.57 355	0.29 243	0.57 364	0.29 247	0.57 367	0.29 249	0.56 358	0.29 240	0.52 328	0.30 233	0.53 369	0.31 280	0.53 342	0.30 250

AIO-test1	0.54 313	0.60 244	0.52 333	0.66 326	0.47 362	0.61 371	0.47 353	0.58 358	0.46 347	0.61 369	0.46 355	0.61 373	0.45 343	0.62 367	0.45 338	0.61 348	0.52 343	0.57 372	0.48 368	0.57 346	0.48 342

LMCR-Stereo	0.65 332	0.63 245	0.65 358	0.65 323	0.65 398	0.66 378	0.63 382	0.58 358	0.65 387	0.63 374	0.64 393	0.65 379	0.65 383	0.66 374	0.66 382	0.66 357	0.64 363	0.65 382	0.67 408	0.68 355	0.73 403

AIO-Stereo-zeroshot1	0.75 354	0.92 284	0.85 401	0.96 369	0.59 386	1.27 493	0.44 341	0.59 360	0.69 401	0.91 404	0.68 403	0.55 362	0.61 379	1.06 432	0.83 426	0.62 352	0.70 379	0.90 413	0.41 344	0.89 387	0.56 369

MyStereo8	0.71 346	3.92 533	0.52 333	0.59 312	0.52 378	0.57 368	0.53 372	0.59 360	0.50 364	0.59 368	0.51 378	0.57 367	0.50 363	0.56 358	0.52 365	0.54 332	0.49 330	0.54 370	0.49 371	0.55 344	0.50 350

AEACV	1.12 431	0.52 226	3.12 579	3.24 533	0.86 434	0.53 357	0.49 364	0.60 362	0.47 352	0.53 351	0.49 370	0.55 362	0.45 343	0.55 357	0.47 349	3.01 560	3.88 583	0.71 388	0.60 389	0.80 375	0.48 342

CFNet_RVC	2.38 552	8.71 583	0.38 260	9.33 602	0.42 348	0.56 362	0.42 338	0.60 362	0.38 310	0.62 372	0.42 345	0.56 365	7.29 607	0.62 367	0.42 333	0.53 331	0.37 267	0.49 354	0.34 299	8.30 604	6.87 609

AIO-test2	0.55 318	0.59 242	0.52 333	0.67 327	0.47 362	0.61 371	0.47 353	0.61 364	0.47 352	0.61 369	0.47 363	0.61 373	0.48 355	0.62 367	0.47 349	0.64 354	0.53 345	0.58 373	0.47 364	0.58 347	0.48 342

MonSter	0.60 322	0.64 247	0.52 333	0.62 317	0.44 351	2.07 528	0.44 341	0.62 365	0.44 344	0.62 372	0.44 349	0.62 375	0.44 340	0.62 367	0.44 337	0.58 342	0.42 301	0.62 376	0.46 357	0.58 347	0.42 326

test-3	0.98 410	4.13 537	1.85 540	1.85 484	0.61 392	0.69 380	0.37 304	0.63 366	0.61 382	0.66 378	0.51 378	0.73 388	0.44 340	0.57 363	0.54 368	1.68 503	1.81 538	0.40 293	0.43 353	0.66 353	0.50 350

DispNO	1.00 411	0.63 245	0.43 289	3.45 544	0.44 351	0.65 377	0.43 340	0.64 367	0.43 341	0.64 375	0.43 347	0.64 376	3.03 565	0.64 372	0.43 336	4.55 575	0.43 305	0.63 378	0.43 353	0.63 351	0.43 327

MyStereo05	0.80 366	4.12 535	0.63 353	0.63 319	0.61 392	0.62 374	0.66 386	0.65 368	0.62 383	0.67 379	0.61 389	0.65 379	0.58 375	0.67 376	0.55 370	0.60 344	0.57 351	0.64 379	0.55 380	0.72 362	0.55 366

DSFCA	0.66 334	0.73 253	0.78 390	0.65 323	0.65 398	0.64 376	0.64 383	0.65 368	0.63 385	0.64 375	0.64 393	0.64 376	0.64 381	0.65 373	0.65 379	0.65 355	0.65 365	0.65 382	0.65 402	0.66 353	0.64 385

WCG-NET	0.61 325	1.21 386	0.54 338	0.61 316	0.53 381	0.67 379	0.53 372	0.66 370	0.53 372	0.64 375	0.53 381	0.65 379	0.53 370	0.59 365	0.52 365	0.65 355	0.48 327	0.64 379	0.52 377	0.58 347	0.50 350

SMoEStereo_RVC	0.63 329	0.75 254	0.51 330	0.73 337	0.53 381	0.71 383	0.47 353	0.67 371	0.58 377	0.74 389	0.60 385	0.72 386	0.53 370	0.74 385	0.51 363	0.61 348	0.62 361	0.62 376	0.61 391	0.63 351	0.61 375

PA-Net	11.80 610	223.51 636	0.62 352	0.59 312	0.71 410	0.59 370	0.73 410	0.67 371	0.73 416	0.55 359	0.61 389	0.60 372	0.74 407	0.63 371	0.73 408	0.66 357	0.60 356	0.69 385	0.66 404	0.72 362	0.65 387
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
HH	0.71 346	2.54 478	0.74 384	1.10 383	0.32 275	0.41 276	0.37 304	0.69 373	0.78 420	0.73 384	0.90 435	0.75 391	1.00 430	0.84 394	0.69 398	0.69 360	0.40 283	0.35 258	0.26 229	0.35 235	0.26 208

HanStereo	0.71 346	2.54 478	0.74 384	1.10 383	0.32 275	0.41 276	0.37 304	0.69 373	0.78 420	0.73 384	0.90 435	0.75 391	1.00 430	0.84 394	0.69 398	0.69 360	0.40 283	0.35 258	0.26 229	0.35 235	0.26 208

tt45	1.04 423	0.88 271	1.36 501	0.92 358	1.03 455	1.51 509	0.79 417	0.70 375	0.88 432	0.74 389	0.90 435	1.60 509	0.72 405	1.60 507	0.75 413	0.91 388	0.78 394	1.52 517	0.79 428	1.14 419	1.32 515

DStereoRT	0.73 351	0.81 261	0.73 383	0.71 334	0.74 415	0.73 385	0.75 412	0.71 376	0.71 410	0.74 389	0.72 418	0.73 388	0.80 416	0.71 379	0.73 408	0.76 370	0.71 383	0.73 389	0.72 418	0.70 360	0.76 410

anonymity	0.63 329	0.69 249	0.56 340	0.71 334	0.56 384	0.71 383	0.56 375	0.71 376	0.56 375	0.72 383	0.56 383	0.71 383	0.56 374	0.71 379	0.58 372	0.68 359	0.55 347	0.68 384	0.55 380	0.68 355	0.54 361

DMCA-RVC	0.70 343	0.80 258	0.70 373	0.70 332	0.70 408	0.70 381	0.70 404	0.71 376	0.70 405	0.70 382	0.71 415	0.71 383	0.70 400	0.70 378	0.69 398	0.69 360	0.70 379	0.69 385	0.70 413	0.69 359	0.70 395

iGMRVC	0.84 382	2.85 502	0.72 379	0.72 336	0.73 413	0.77 387	0.79 417	0.73 379	0.74 418	0.73 384	0.72 418	0.73 388	0.76 410	0.73 383	0.73 408	0.72 366	0.73 386	0.73 389	0.72 418	0.73 365	0.72 400

4D-IteraStereo	0.78 362	3.13 509	0.89 402	0.69 328	0.32 275	0.40 260	0.32 263	0.76 380	0.97 444	0.52 348	0.65 395	0.89 406	0.32 277	0.76 387	0.98 438	0.83 382	0.94 411	0.35 258	0.27 238	0.70 360	0.89 424

ARAFT	0.68 339	0.81 261	0.63 353	0.74 338	0.60 387	0.78 389	0.62 381	0.77 381	0.66 389	0.74 389	0.63 391	0.75 391	0.62 380	0.83 393	0.60 375	0.70 363	0.55 347	0.70 387	0.60 389	0.78 370	0.55 366

GCAP-Stereo	0.75 354	4.15 538	0.42 288	0.75 339	0.35 300	0.78 389	0.40 325	0.79 382	0.38 310	0.78 393	0.36 304	0.78 394	0.36 299	0.79 388	0.39 314	0.75 369	0.39 280	0.76 395	0.39 336	0.75 366	0.39 310

G-Net	0.79 363	0.79 257	0.79 393	0.79 341	0.79 428	0.79 391	0.79 417	0.79 382	0.79 424	0.79 394	0.79 428	0.79 396	0.79 415	0.79 388	0.79 418	0.79 373	0.79 396	0.79 398	0.79 428	0.79 372	0.79 415

AFF-stereo	0.73 351	0.88 271	0.67 363	0.75 339	0.68 405	0.75 386	0.64 383	0.80 384	0.72 413	0.83 399	0.70 410	0.82 401	0.64 381	0.84 394	0.67 383	0.77 372	0.63 362	0.81 403	0.63 393	0.78 370	0.62 378

NaN_ROB	0.80 366	0.80 258	0.80 394	0.80 343	0.80 430	0.80 392	0.80 420	0.80 384	0.80 426	0.80 395	0.80 430	0.80 397	0.80 416	0.80 390	0.80 421	0.80 374	0.80 399	0.80 401	0.80 430	0.80 375	0.80 416

CSAN	0.80 366	0.80 258	0.80 394	0.80 343	0.80 430	0.80 392	0.80 420	0.80 384	0.80 426	0.80 395	0.80 430	0.80 397	0.80 416	0.80 390	0.80 421	0.80 374	0.80 399	0.80 401	0.80 430	0.80 375	0.80 416

RAFT-Stereo + iAFF	0.70 343	0.72 252	0.71 376	0.80 343	0.62 395	0.82 394	0.61 380	0.81 387	0.62 383	0.81 397	0.63 391	0.80 397	0.70 400	0.73 383	0.61 377	0.76 370	0.61 360	0.74 392	0.61 391	0.77 369	0.61 375

zero-FE	0.72 349	1.31 398	0.66 359	0.92 358	0.60 387	0.82 394	0.58 377	0.82 388	0.58 377	0.81 397	0.60 385	0.81 400	0.60 377	0.82 392	0.58 372	0.74 368	0.59 355	0.73 389	0.52 377	0.76 367	0.51 357

Selective-RAFT-Error	0.88 394	0.84 264	0.98 414	0.86 351	0.97 446	0.88 399	0.95 437	0.84 389	0.99 447	0.92 406	0.82 432	0.84 402	0.98 429	0.87 399	0.97 437	0.81 377	0.83 402	0.79 398	0.82 433	0.79 372	0.85 421

PAM_32	0.64 331	2.38 472	0.51 330	0.92 358	0.43 350	0.53 357	0.44 341	0.87 390	0.43 341	0.52 348	0.45 353	0.53 355	0.40 318	0.54 353	0.46 342	0.62 352	0.56 349	0.48 349	0.45 355	0.76 367	0.44 330

DCRE	0.84 382	1.89 431	0.77 389	0.94 364	0.72 412	0.88 399	0.73 410	0.87 390	0.78 420	0.90 402	0.71 415	0.88 404	0.67 388	0.88 400	0.73 408	0.81 377	0.68 372	0.81 403	0.70 413	0.82 380	0.70 395

Selective-RAFT	0.89 396	0.89 274	0.72 379	1.16 396	0.78 426	1.06 428	0.82 426	0.87 390	0.97 444	1.00 414	0.91 438	0.90 407	1.00 430	0.89 402	0.93 434	0.83 382	0.83 402	0.82 407	0.82 433	0.81 378	0.82 419

UDG	0.80 366	2.21 456	0.60 346	0.91 355	0.60 387	0.90 402	0.58 377	0.88 393	0.60 380	0.90 402	0.60 385	0.88 404	0.60 377	0.90 403	0.58 372	0.86 386	0.60 356	0.84 409	0.59 388	0.84 383	0.61 375

MoCha-V2	2.11 528	26.97 614	0.78 390	0.92 358	0.77 425	0.96 409	0.72 409	0.90 394	0.72 413	0.94 410	0.70 410	0.90 407	0.71 404	0.91 404	0.71 406	0.85 385	0.71 383	0.88 412	0.69 411	0.87 385	0.67 391

DDUNet	0.81 371	2.45 476	0.57 342	0.90 353	0.60 387	0.88 399	0.59 379	0.90 394	0.60 380	0.88 401	0.60 385	0.90 407	0.58 375	0.88 400	0.60 375	0.84 384	0.60 356	0.86 411	0.57 386	0.86 384	0.60 374

CFNet-RSSM	0.91 397	4.89 548	0.34 243	0.44 257	1.07 457	1.62 513	1.40 526	0.91 396	0.35 294	1.60 505	1.39 526	0.64 376	0.34 290	0.44 299	0.33 270	0.41 278	0.35 261	0.75 393	0.30 269	0.41 287	0.29 237

UNet	0.29 183	0.90 277	0.10 71	0.14 101	0.10 124	0.14 130	0.10 121	0.91 396	0.69 401	0.14 130	0.11 136	0.14 131	0.11 135	0.14 133	0.10 117	0.12 96	0.09 72	0.12 124	0.09 113	0.88 386	0.76 410

DGTPSM_ROB	0.93 404	1.00 302	0.92 409	0.94 364	0.96 445	0.91 403	0.92 433	0.91 396	0.96 443	0.91 404	0.96 442	0.93 413	0.92 425	0.94 410	0.92 430	0.92 391	0.92 409	0.90 413	0.92 437	0.94 402	0.91 426

test_xeample3	1.10 428	1.81 422	0.61 351	0.84 348	0.49 368	0.77 387	0.66 386	0.92 399	1.40 526	0.68 381	0.46 355	0.78 394	0.54 373	1.72 512	1.48 528	1.34 483	1.52 515	1.35 510	1.67 546	1.33 487	1.55 528

DPSM_ROB	0.92 399	0.91 279	0.91 407	0.91 355	0.92 441	0.92 404	0.92 433	0.92 399	0.91 434	0.93 408	0.91 438	0.92 410	0.90 423	0.91 404	0.92 430	0.92 391	0.91 407	0.91 416	0.92 437	0.93 398	0.93 428

DPSM	0.92 399	0.91 279	0.91 407	0.91 355	0.92 441	0.92 404	0.92 433	0.92 399	0.91 434	0.93 408	0.91 438	0.92 410	0.90 423	0.91 404	0.92 430	0.92 391	0.91 407	0.91 416	0.92 437	0.93 398	0.93 428

pmcnn	0.92 399	0.92 284	0.92 409	0.92 358	0.92 441	0.92 404	0.92 433	0.92 399	0.92 438	0.92 406	0.92 441	0.92 410	0.92 425	0.92 408	0.92 430	0.92 391	0.92 409	0.92 419	0.92 437	0.92 393	0.92 427

RSM++	0.76 358	0.82 263	0.66 359	0.85 350	0.64 396	0.85 396	0.71 407	0.94 403	0.64 386	0.87 400	0.67 398	0.87 403	0.65 383	0.84 394	0.65 379	0.81 377	0.70 379	0.79 398	0.71 416	0.83 382	0.70 395

ToySt	0.92 399	2.11 447	0.90 405	0.95 366	0.79 428	0.99 411	0.78 416	0.94 403	0.81 429	0.94 410	0.78 426	0.95 414	0.77 412	0.94 410	0.86 428	0.91 388	0.79 396	0.85 410	0.77 424	0.89 387	0.73 403

R-Stereo Train	0.81 371	0.96 290	0.67 363	0.95 366	0.67 402	0.95 407	0.68 394	0.95 405	0.68 396	0.95 412	0.68 403	0.96 415	0.68 392	0.96 414	0.68 390	0.94 396	0.68 372	0.94 426	0.68 409	0.94 402	0.68 392

RAFT-Stereo	0.81 371	0.96 290	0.67 363	0.95 366	0.67 402	0.95 407	0.68 394	0.95 405	0.68 396	0.95 412	0.68 403	0.96 415	0.68 392	0.96 414	0.68 390	0.94 396	0.68 372	0.94 426	0.68 409	0.94 402	0.68 392
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
Test_v1	1.00 411	1.00 302	1.00 416	1.00 373	1.00 447	1.00 412	1.00 441	1.00 407	1.00 448	1.00 414	1.00 445	1.00 418	1.00 430	1.00 418	1.00 440	1.00 405	1.00 412	1.00 433	1.00 444	1.00 407	1.00 435

WQFJA1++	0.84 382	0.98 293	0.67 363	1.26 449	0.75 417	1.00 412	0.67 390	1.00 407	0.67 390	1.00 414	0.67 398	1.00 418	0.67 388	1.00 418	0.67 383	0.96 398	0.67 367	0.91 416	0.63 393	0.92 393	0.63 379

NLMM1	0.86 391	0.98 293	0.69 372	1.48 471	0.75 417	1.01 419	0.69 400	1.00 407	0.69 401	1.00 414	0.70 410	1.00 418	0.68 392	1.01 425	0.67 383	0.97 399	0.68 372	0.92 419	0.63 393	0.93 398	0.63 379

NLMM	0.84 382	1.00 302	0.67 363	1.27 450	0.75 417	1.00 412	0.68 394	1.00 407	0.67 390	1.00 414	0.67 398	1.02 429	0.67 388	1.02 429	0.67 383	0.97 399	0.67 367	0.93 422	0.63 393	0.92 393	0.63 379

AdaDepth	0.86 391	0.93 286	0.71 376	1.01 377	1.07 457	1.02 425	0.71 407	1.00 407	0.71 410	1.01 422	0.71 415	1.00 418	0.72 405	1.14 443	0.71 406	0.92 391	0.64 363	0.90 413	0.64 398	0.89 387	0.69 394

GANet	1.00 411	1.00 302	1.00 416	1.00 373	1.00 447	1.00 412	1.00 441	1.00 407	1.00 448	1.00 414	1.00 445	1.00 418	1.00 430	1.00 418	1.00 440	1.00 405	1.00 412	1.00 433	1.00 444	1.00 407	1.00 435

TDLM	1.00 411	1.00 302	1.00 416	1.00 373	1.00 447	1.00 412	1.00 441	1.00 407	1.00 448	1.00 414	1.00 445	1.00 418	1.00 430	1.00 418	1.00 440	1.00 405	1.00 412	1.00 433	1.00 444	1.00 407	1.00 435

CVANet_RVC	1.00 411	1.00 302	1.00 416	1.00 373	1.00 447	1.00 412	1.00 441	1.00 407	1.00 448	1.00 414	1.00 445	1.00 418	1.00 430	1.00 418	1.00 440	1.00 405	1.00 412	1.00 433	1.00 444	1.00 407	1.00 435

WQFJX1	0.84 382	0.98 293	0.67 363	1.30 457	0.75 417	1.01 419	0.67 390	1.01 415	0.67 390	1.01 422	0.67 398	1.01 425	0.68 392	1.00 418	0.68 390	0.98 403	0.67 367	0.92 419	0.64 398	0.92 393	0.64 385

WQFJX	0.85 388	1.00 302	0.68 370	1.30 457	0.75 417	1.01 419	0.68 394	1.01 415	0.68 396	1.01 422	0.68 403	1.03 430	0.68 392	1.02 429	0.67 383	0.97 399	0.67 367	0.93 422	0.63 393	0.94 402	0.63 379

NLSM3	0.85 388	0.99 300	0.68 370	1.29 455	0.76 422	1.01 419	0.68 394	1.01 415	0.68 396	1.02 426	0.68 403	1.01 425	0.68 392	1.01 425	0.68 390	0.97 399	0.68 372	0.93 422	0.64 398	0.93 398	0.63 379

trnet	1.01 418	1.01 311	1.01 420	1.01 377	1.01 452	1.01 419	1.01 445	1.01 415	1.01 452	1.01 422	1.01 449	1.01 425	1.01 437	1.01 425	1.01 444	1.01 409	1.01 416	1.01 437	1.01 450	1.01 411	1.01 440

WQFJA1	0.85 388	0.98 293	0.67 363	1.29 455	0.76 422	1.01 419	0.67 390	1.02 419	0.67 390	1.02 426	0.67 398	1.01 425	0.67 388	1.01 425	0.68 390	0.99 404	0.67 367	0.93 422	0.64 398	0.92 393	0.65 387

DPSimNet_ROB	0.97 408	1.18 338	0.81 397	1.10 383	0.91 440	1.02 425	0.82 426	1.04 420	0.91 434	1.03 428	0.86 434	1.28 499	0.82 420	1.03 431	0.89 429	1.17 425	0.81 401	1.02 438	0.82 433	1.08 416	0.81 418

999	1.00 411	1.12 329	0.59 344	1.10 383	1.21 515	1.09 433	0.52 371	1.08 421	1.43 528	1.18 443	1.35 520	0.98 417	0.52 369	0.91 404	0.85 427	0.72 366	1.46 511	0.83 408	0.98 442	0.68 355	1.41 523

GLC_STEREO	1.07 425	1.01 311	1.06 422	1.07 381	1.05 456	1.06 428	1.08 450	1.08 421	1.05 455	1.07 430	1.06 451	1.08 433	1.05 439	1.06 432	1.10 449	1.07 412	1.09 426	1.05 441	1.05 451	1.06 415	1.12 447

HSM-Net_RVC	0.95 407	1.17 336	0.78 390	1.18 398	0.71 410	1.16 442	0.75 412	1.09 423	0.80 426	1.10 432	0.75 423	1.17 446	0.74 407	1.17 446	0.80 421	1.13 421	0.73 386	1.17 450	0.77 424	1.16 424	0.72 400
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
MSMD_ROB	1.19 433	1.10 328	0.70 373	1.10 383	0.60 387	1.10 434	0.70 404	1.10 424	0.70 405	1.10 432	0.70 410	1.10 437	0.70 400	7.00 610	0.70 404	1.10 415	0.70 379	1.10 442	0.70 413	1.10 417	0.70 395

AIO-Stereo	0.84 382	0.66 248	0.70 373	0.83 347	0.67 402	0.98 410	0.82 426	1.14 425	0.72 413	1.03 428	0.74 422	1.03 430	1.09 441	0.99 416	0.45 338	1.04 410	0.73 386	0.95 428	0.74 420	0.94 402	0.46 333

Wavelet-MonSter	1.00 411	1.21 386	0.76 387	1.94 488	1.01 452	1.11 437	0.76 414	1.15 426	0.76 419	1.11 437	0.76 424	1.14 443	0.76 410	1.11 440	0.76 415	1.21 474	0.90 406	1.02 438	0.71 416	1.02 413	0.71 399

RP	2.33 546	25.00 607	1.13 426	1.15 391	1.15 461	1.10 434	1.15 455	1.15 426	1.15 458	1.12 438	1.15 455	1.09 435	1.13 443	1.10 438	1.15 454	1.11 420	1.09 426	1.16 446	1.12 454	1.16 424	1.17 456

NCC-stereo	2.36 548	25.52 609	1.17 431	1.15 391	1.17 466	1.11 437	1.11 451	1.15 426	1.16 459	1.10 432	1.16 458	1.10 437	1.15 446	1.14 443	1.13 452	1.09 413	1.11 430	1.15 445	1.16 458	1.17 429	1.17 456

AIO-Stereo-zeroshot	0.91 397	0.86 267	0.89 402	1.25 448	0.69 406	1.05 427	0.81 423	1.16 429	0.50 364	1.12 438	0.97 443	0.72 386	0.82 420	1.06 432	0.95 435	0.61 348	0.87 404	1.03 440	0.85 436	1.04 414	1.01 440

edge stereo	2.43 553	27.07 615	1.14 427	1.06 380	1.14 460	1.08 431	1.17 458	1.16 429	1.14 457	1.10 432	1.16 458	1.09 435	1.16 450	1.10 438	1.16 457	1.10 415	1.11 430	1.16 446	1.19 460	1.13 418	1.11 445

RGC	2.36 548	25.48 608	1.19 435	1.15 391	1.15 461	1.10 434	1.16 457	1.17 431	1.16 459	1.12 438	1.16 458	1.11 441	1.13 443	1.09 436	1.18 459	1.10 415	1.15 435	1.16 446	1.12 454	1.14 419	1.12 447

Nwc_Net	2.37 550	25.95 611	1.15 429	1.14 389	1.15 461	1.08 431	1.14 454	1.17 431	1.16 459	1.14 441	1.15 455	1.08 433	1.15 446	1.11 440	1.14 453	1.10 415	1.11 430	1.16 446	1.09 453	1.16 424	1.15 452

Abc-Net	2.32 545	24.75 606	1.14 427	1.17 397	1.17 466	1.11 437	1.15 455	1.17 431	1.21 511	1.08 431	1.16 458	1.12 442	1.14 445	1.09 436	1.17 458	1.09 413	1.16 436	1.17 450	1.17 459	1.16 424	1.11 445
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
UPFNet	0.42 268	1.20 340	0.17 153	0.24 157	0.17 184	0.25 196	0.17 173	1.19 434	0.90 433	0.25 193	0.17 180	0.24 188	0.17 181	0.25 194	0.17 174	0.22 166	0.17 166	0.22 178	0.16 170	1.15 422	0.93 428

AF-Net	2.37 550	25.71 610	1.17 431	1.13 388	1.15 461	1.15 441	1.18 459	1.19 434	1.16 459	1.10 432	1.15 455	1.10 437	1.18 451	1.12 442	1.15 454	1.10 415	1.10 429	1.17 450	1.15 456	1.16 424	1.12 447

stereogan	2.33 546	24.38 605	1.18 433	1.18 398	1.18 468	1.14 440	1.18 459	1.19 434	1.19 465	1.14 441	1.18 462	1.14 443	1.18 451	1.14 443	1.18 459	1.14 423	1.14 434	1.19 455	1.19 460	1.15 422	1.19 460

DisPM	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

CrosDoStereo	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

PFNet+	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

LCNet	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

HHNet	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

Patchmatch Stereo++	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461
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	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

STrans-v2	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

TransformOpticalFlow	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

OMP-Stereo	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

IIG-Stereo	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

NF-Stereo	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

OCTAStereo	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

PSM-softLoss	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

KMStereo	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

NRIStereo	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

PSM-adaLoss	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

PSM-AAD	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

FTStereo	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

ROB_FTStereo_v2	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

ROB_FTStereo	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

Consistency-Raft	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

KYRaft	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

HUI-Stereo	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

ASMatch	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

DeepStereo_LL	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

DEmStereo	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

SST-Stereo	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

THIR-Stereo	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

RAFT_R40	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

DRaft	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

PFNet	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

GrayStereo	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

RE-Stereo	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

Pruner-Stereo	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

TVStereo	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

DeepStereo_RVC	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

RAFT-RH_RVC	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

IRAFT_RVC	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

RAFT-345	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

iRAFT	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

CRE-IMP	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

GMM-Stereo	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

RAFT-IKP	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

Prome-Stereo	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

FC-DCNN	1.07 425	1.09 326	0.98 414	0.89 352	0.52 378	1.41 505	0.91 432	1.21 482	1.24 514	1.96 517	2.05 571	1.91 518	1.30 506	1.27 498	1.08 448	0.80 374	0.60 356	0.58 373	0.41 344	0.68 355	0.54 361

CroCo-Stereo	0.73 351	1.22 392	0.25 187	1.22 445	0.25 225	1.22 489	0.25 214	1.22 483	0.25 216	1.22 491	0.25 225	1.22 494	0.25 218	1.22 494	0.25 214	1.22 476	0.26 198	1.21 502	0.25 223	1.22 482	0.25 202
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
S-Stereo	2.51 555	26.86 613	1.23 487	1.22 445	1.22 517	1.24 491	1.25 510	1.22 483	1.24 514	1.21 490	1.24 511	1.19 447	1.27 503	1.19 447	1.24 510	1.19 426	1.20 441	1.25 504	1.19 460	1.24 483	1.23 509

FAT-Stereo	2.46 554	26.05 612	1.23 487	1.23 447	1.22 517	1.20 443	1.24 509	1.23 485	1.23 513	1.19 444	1.22 509	1.21 493	1.24 501	1.20 448	1.24 510	1.21 474	1.17 439	1.22 503	1.25 513	1.20 434	1.24 510

Hybrid-DGEV-2	1.05 424	1.83 423	0.83 398	1.33 461	0.82 433	1.30 495	0.81 423	1.26 486	0.79 424	1.29 494	0.79 428	1.26 495	0.80 416	1.26 495	0.79 418	1.20 428	0.78 394	1.18 453	0.77 424	1.20 434	0.77 412

Hybrid-DGEV	1.03 422	1.75 421	0.80 394	1.28 454	0.78 426	1.26 492	0.80 420	1.26 486	0.78 420	1.26 492	0.78 426	1.26 495	0.78 414	1.26 495	0.78 417	1.15 424	0.75 389	1.14 443	0.74 420	1.14 419	0.75 407

CroCo-Stereo Lap2	0.77 359	1.29 396	0.29 204	1.27 450	0.29 248	1.27 493	0.26 222	1.26 486	0.26 229	1.26 492	0.26 231	1.27 498	0.26 227	1.26 495	0.27 220	1.27 478	0.27 205	1.27 505	0.27 238	1.27 485	0.27 218

MMNet	0.44 274	1.24 394	0.17 153	0.25 164	0.17 184	0.25 196	0.18 180	1.26 486	0.93 439	0.25 193	0.17 180	0.25 196	0.18 190	0.25 194	0.17 174	0.23 177	0.16 146	0.23 186	0.16 170	1.20 434	0.99 433

delet	0.43 269	1.21 386	0.17 153	0.25 164	0.17 184	0.25 196	0.18 180	1.26 486	0.95 441	0.25 193	0.17 180	0.25 196	0.17 181	0.25 194	0.17 174	0.23 177	0.16 146	0.22 178	0.16 170	1.18 430	0.98 432

psm_up	0.43 269	1.19 339	0.17 153	0.25 164	0.18 194	0.25 196	0.19 184	1.26 486	0.91 434	0.26 201	0.17 180	0.25 196	0.17 181	0.25 194	0.17 174	0.22 166	0.17 166	0.23 186	0.16 170	1.18 430	0.99 433

Hybrid-DGEV-03	1.07 425	1.83 423	0.83 398	1.34 462	0.81 432	1.32 497	0.81 423	1.31 492	0.81 429	1.31 495	0.82 432	1.32 500	0.82 420	1.32 499	0.81 424	1.19 426	0.77 392	1.19 455	0.76 423	1.19 432	0.77 412

PS-NSSS	1.38 489	1.39 404	1.34 491	1.34 462	1.35 520	1.38 502	1.37 524	1.35 493	1.38 525	1.34 496	1.34 519	1.39 503	1.38 514	1.70 511	1.40 525	1.36 486	1.36 503	1.36 512	1.37 521	1.37 489	1.36 520

MM-Stereo_test2	1.20 434	1.85 427	1.05 421	1.46 470	0.94 444	1.36 500	0.99 440	1.36 494	0.95 441	1.41 500	0.98 444	1.40 505	0.96 427	1.37 501	0.95 435	1.37 488	1.06 419	1.33 507	0.93 441	1.29 486	0.89 424

MaskLacGwcNet_RVC	1.35 486	1.35 401	1.35 493	1.35 464	1.35 520	1.35 498	1.35 517	1.36 494	1.35 522	1.36 498	1.35 520	1.36 501	1.36 511	1.36 500	1.35 521	1.35 484	1.35 502	1.35 510	1.35 518	1.35 488	1.35 519

CC-Net-ROB	1.36 487	1.33 400	1.33 490	1.36 465	1.38 523	1.36 500	1.33 515	1.37 496	1.34 519	1.35 497	1.36 522	1.38 502	1.34 509	1.38 502	1.38 524	1.35 484	1.38 506	1.33 507	1.35 518	1.43 491	1.34 518

RASNet	1.49 490	1.65 412	1.45 509	1.38 467	1.43 526	1.47 508	1.36 519	1.38 497	1.36 523	1.39 499	1.60 536	1.45 506	1.45 517	1.51 506	2.21 566	1.53 498	1.36 503	1.36 512	1.36 520	1.66 500	1.36 520

MM-Stereo_test3	1.27 484	2.07 443	1.18 433	1.60 477	1.02 454	1.45 507	1.01 445	1.40 498	1.04 454	1.44 502	1.03 450	1.46 507	1.02 438	1.44 505	1.02 445	1.51 497	1.12 433	1.32 506	0.98 442	1.38 490	0.97 431

MLG-Stereo	0.92 399	0.90 277	0.84 400	1.27 450	0.49 368	1.38 502	0.88 429	1.41 499	0.97 444	0.73 384	1.09 453	1.26 495	0.43 338	0.72 381	1.05 446	1.13 421	0.49 330	1.18 453	0.66 404	1.01 411	0.46 333

BTL-Stereo	1.53 491	1.36 402	1.06 422	1.42 469	1.23 519	1.41 505	1.07 449	1.43 500	1.12 456	1.42 501	1.06 451	1.83 515	1.07 440	1.42 504	1.07 447	1.27 478	1.38 506	6.80 607	1.00 444	1.26 484	1.00 435

DPSMNet_ROB	1.60 494	1.59 411	1.70 523	1.59 474	1.59 532	1.61 511	1.61 535	1.60 501	1.60 532	1.62 511	1.59 535	1.60 509	1.60 520	1.60 507	1.59 532	1.59 499	1.60 525	1.59 518	1.59 538	1.59 496	1.59 533

FlowAnything_test	1.02 420	1.72 415	0.71 376	1.59 474	0.70 408	1.61 511	0.69 400	1.61 502	0.70 405	1.60 505	0.70 410	1.61 512	0.69 398	1.61 509	0.70 404	0.81 377	0.58 353	0.81 403	0.55 380	0.81 378	0.56 369

FlowAnything	1.02 420	1.71 414	0.72 379	1.59 474	0.69 406	1.60 510	0.69 400	1.61 502	0.70 405	1.60 505	0.69 408	1.60 509	0.69 398	1.61 509	0.69 398	0.81 377	0.58 353	0.81 403	0.56 384	0.82 380	0.56 369

CFNet-ft	0.55 318	1.57 410	0.14 126	0.20 136	0.14 157	0.20 162	2.53 569	1.61 502	0.14 157	0.20 159	0.14 161	0.20 160	0.14 158	0.20 159	0.14 151	0.17 142	0.12 113	0.17 153	0.12 147	1.56 495	1.24 510

11t	1.27 484	2.70 487	1.34 491	1.32 460	0.89 436	1.30 495	1.34 516	1.64 505	0.57 376	1.45 503	0.72 418	1.05 432	1.29 505	1.07 435	1.29 517	1.49 494	1.02 417	0.97 431	1.15 456	1.48 492	1.31 514

IGEVStereo-DCA	1.77 499	4.21 539	1.84 538	2.49 513	2.11 565	2.54 551	1.36 519	1.65 506	1.17 463	2.75 560	1.90 554	2.54 546	1.15 446	0.94 410	1.11 450	1.50 495	1.32 490	0.96 429	1.46 530	1.49 493	0.88 422

rrr	1.77 499	4.21 539	1.84 538	2.49 513	2.11 565	2.54 551	1.36 519	1.65 506	1.17 463	2.75 560	1.90 554	2.54 546	1.15 446	0.94 410	1.11 450	1.50 495	1.32 490	0.96 429	1.46 530	1.49 493	0.88 422

HBP-ISP	1.24 482	1.72 415	1.65 521	1.15 391	0.76 422	1.40 504	0.88 429	1.67 508	1.02 453	1.69 512	1.38 525	1.69 513	1.21 499	1.87 519	1.21 508	1.05 411	0.79 396	0.97 431	0.80 430	1.19 432	0.75 407

ours_stereo	1.20 434	1.21 386	0.90 405	1.64 482	1.11 459	1.35 498	0.67 390	1.76 509	0.93 439	1.70 513	1.10 454	1.39 503	0.75 409	1.41 503	0.81 424	1.60 501	1.03 418	1.33 507	1.00 444	1.61 497	0.72 400

2.5w	2.01 518	2.40 473	1.37 503	3.28 535	2.01 559	2.71 556	1.43 532	1.82 510	1.83 552	1.90 516	1.41 527	2.71 555	1.35 510	2.71 555	1.85 553	2.66 554	1.53 516	1.64 519	1.23 510	2.53 542	1.87 553

1w_stereo	2.05 526	2.32 463	1.35 493	3.74 557	2.01 559	2.73 559	1.42 529	1.88 511	1.93 562	2.03 525	1.28 515	2.71 555	1.99 550	2.72 557	1.72 542	2.20 527	1.32 490	1.87 528	1.86 557	2.45 531	1.54 527

GANetREF_RVC	1.55 492	1.94 440	1.22 485	1.88 485	1.21 515	1.88 517	1.22 507	1.88 511	1.22 512	1.88 514	1.22 509	1.88 516	1.22 500	1.89 520	1.22 509	1.87 509	1.22 488	1.88 531	1.22 509	1.88 509	1.22 507
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
ccs_rob	2.79 563	10.17 595	0.32 227	10.00 608	0.33 287	0.49 331	0.33 274	1.90 513	0.32 274	0.51 345	0.33 284	0.49 328	9.24 611	0.49 327	0.33 270	0.41 278	9.82 611	0.41 310	0.28 245	9.34 609	0.29 237

3.25w	2.04 524	2.20 454	1.48 511	3.03 527	2.17 569	2.63 555	1.39 525	1.96 514	1.95 563	1.96 517	1.37 523	2.71 555	1.96 547	2.71 555	1.73 547	2.26 530	1.32 490	1.87 528	1.87 558	2.51 538	1.63 538

MFMNet_re	1.81 502	1.91 434	1.71 525	1.95 490	1.70 543	1.95 522	1.70 540	1.96 514	1.74 545	1.97 519	1.72 544	1.95 519	1.71 528	1.97 523	1.71 540	1.86 507	1.62 526	1.85 524	1.66 545	1.86 508	1.64 539

SPS-STEREO	1.59 493	1.91 434	1.21 484	1.94 488	1.20 469	2.00 525	1.23 508	1.99 516	1.24 514	2.00 522	1.25 512	2.03 526	1.26 502	2.00 524	1.29 517	1.90 513	1.18 440	1.89 532	1.21 508	1.89 510	1.20 461
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
IGEV	2.02 519	2.20 454	1.82 534	2.90 525	2.16 567	2.41 541	1.25 510	2.00 517	1.98 564	1.99 521	1.31 517	2.72 559	1.93 544	2.67 554	1.69 539	2.26 530	1.32 490	1.83 523	1.87 558	2.53 542	1.61 536

3.5w_stereo	2.03 521	2.72 491	1.35 493	3.41 542	1.57 530	2.72 557	1.49 533	2.01 518	1.34 519	2.15 532	1.61 538	2.63 552	1.36 511	2.72 557	1.99 564	2.66 554	1.58 521	1.68 521	1.24 511	2.53 542	1.87 553

3w_stereo	2.04 524	2.24 458	1.70 523	3.15 530	2.18 571	2.49 545	1.26 512	2.03 519	1.98 564	1.98 520	1.33 518	2.72 559	1.99 550	2.59 549	1.72 542	2.22 529	1.33 497	1.85 524	1.88 563	2.50 537	1.58 532

MM-Stereo_test1	1.80 501	3.41 516	1.52 516	2.12 495	1.41 525	2.04 526	1.41 527	2.05 520	1.46 529	2.04 526	1.41 527	2.05 527	1.42 516	2.05 525	1.43 527	2.04 521	1.54 518	1.94 533	1.38 523	1.99 512	1.33 516

4.5_new	2.00 511	1.84 426	1.98 551	2.77 520	2.16 567	2.27 533	1.28 514	2.09 521	1.98 564	2.01 523	1.28 515	2.71 555	1.98 548	2.51 546	1.65 535	2.26 530	1.33 497	1.87 528	1.87 558	2.49 535	1.60 534

ff7	1.68 495	2.68 484	1.35 493	0.97 370	0.89 436	1.84 514	2.15 564	2.12 522	1.80 549	2.05 527	1.56 532	2.33 533	2.12 555	2.23 530	2.25 567	1.31 480	1.07 420	1.48 514	1.41 524	0.90 390	1.04 442

ffff	1.68 495	2.68 484	1.35 493	0.97 370	0.89 436	1.84 514	2.15 564	2.12 522	1.80 549	2.05 527	1.56 532	2.33 533	2.12 555	2.23 530	2.25 567	1.31 480	1.07 420	1.48 514	1.41 524	0.90 390	1.04 442

ccc-4	1.68 495	2.68 484	1.35 493	0.97 370	0.89 436	1.84 514	2.15 564	2.12 522	1.80 549	2.05 527	1.56 532	2.33 533	2.12 555	2.23 530	2.25 567	1.31 480	1.07 420	1.48 514	1.41 524	0.90 390	1.04 442

MC-Stereo	1.76 498	2.96 504	1.37 503	2.14 496	1.37 522	2.14 531	1.36 519	2.14 525	1.37 524	2.14 531	1.37 523	2.14 528	1.37 513	2.14 529	1.37 523	1.97 517	1.32 490	1.97 534	1.32 517	1.98 511	1.33 516

3.25w_new	2.03 521	2.72 491	1.35 493	3.33 540	1.57 530	2.72 557	1.53 534	2.15 526	1.33 518	2.15 532	1.60 536	2.63 552	1.30 506	2.72 557	1.99 564	2.67 556	1.53 516	1.75 522	1.25 513	2.53 542	1.87 553

RAFT_CTSACE	1.92 504	3.71 523	1.72 526	1.88 485	1.72 544	2.04 526	1.42 529	2.18 527	1.89 560	2.02 524	1.97 560	1.95 519	2.06 554	1.93 521	1.62 533	1.76 504	1.66 529	2.02 535	1.73 554	1.73 503	1.43 525

4w-stereo	2.02 519	2.72 491	1.44 508	3.36 541	1.59 532	2.48 544	1.72 541	2.28 528	1.24 514	2.24 534	1.65 540	2.56 548	1.32 508	2.39 540	1.98 563	2.67 556	1.51 514	1.66 520	1.24 511	2.53 542	1.88 556

NCCL2	2.28 544	2.27 459	2.28 557	2.28 505	2.28 572	2.27 533	2.29 567	2.28 528	2.28 570	2.27 535	2.28 572	2.28 529	2.27 558	2.27 533	2.28 571	2.28 534	2.28 557	2.27 542	2.29 571	2.27 522	2.29 561

TRStereo	2.00 511	2.13 448	1.85 540	2.27 502	1.84 548	2.28 535	1.84 544	2.29 530	1.86 554	2.30 536	1.87 549	2.30 530	1.87 538	2.08 526	1.72 542	2.08 522	1.72 532	2.08 537	1.72 551	2.08 514	1.72 544

XX-Stereo	2.00 511	2.13 448	1.85 540	2.27 502	1.84 548	2.28 535	1.84 544	2.29 530	1.86 554	2.30 536	1.87 549	2.30 530	1.87 538	2.08 526	1.72 542	2.08 522	1.72 532	2.08 537	1.72 551	2.08 514	1.72 544

EAI-Stereo	2.00 511	2.13 448	1.85 540	2.27 502	1.84 548	2.28 535	1.84 544	2.29 530	1.86 554	2.30 536	1.87 549	2.30 530	1.87 538	2.08 526	1.72 542	2.08 522	1.72 532	2.08 537	1.72 551	2.08 514	1.72 544

STTStereo	3.73 572	30.40 619	2.37 561	2.39 509	2.31 574	2.35 538	2.33 568	2.29 530	2.42 571	2.32 540	2.34 573	2.33 533	2.36 559	2.30 535	2.27 570	2.35 541	2.22 556	2.31 545	2.22 568	2.29 524	2.34 565

GANet-RSSM	0.75 354	1.91 434	0.14 126	0.47 267	0.14 157	0.21 173	3.21 590	2.30 534	0.14 157	0.46 304	0.14 161	0.23 182	0.18 190	0.21 170	0.14 151	0.18 150	0.27 205	0.37 266	0.13 155	2.13 517	2.12 557

MonStereo1	1.94 505	2.77 497	1.52 516	3.73 556	1.51 529	2.13 530	1.42 529	2.32 535	1.52 530	2.31 539	1.50 530	2.53 543	1.59 519	2.34 537	1.56 530	1.91 514	1.36 503	1.86 527	1.31 516	2.07 513	1.53 526

MonStereo	2.17 530	2.41 474	1.49 515	2.67 517	1.67 537	2.60 554	2.04 562	2.32 535	1.76 546	2.44 544	1.68 542	2.50 541	1.69 526	2.38 538	1.80 550	2.28 534	1.78 535	2.63 561	2.14 566	3.47 554	1.68 542

AIO_test	2.18 532	2.09 446	2.04 555	2.42 510	2.01 559	2.47 543	1.94 554	2.34 537	2.03 568	2.56 550	1.94 557	2.43 539	1.94 545	2.41 541	1.87 557	2.39 544	2.10 552	2.35 549	1.91 564	2.25 521	2.19 559

AIO_rvc	2.18 532	2.34 468	1.87 544	2.32 506	1.94 557	2.40 540	1.89 552	2.37 538	2.07 569	2.52 549	1.95 559	2.44 540	1.99 550	2.41 541	1.89 559	2.32 539	2.09 551	2.24 541	2.18 567	2.21 518	2.23 560

HUF	2.18 532	2.30 461	1.99 554	2.34 508	2.02 562	2.41 541	2.06 563	2.38 539	1.89 560	2.36 541	1.85 547	2.56 548	1.98 548	2.31 536	1.97 562	2.30 537	2.03 550	2.30 544	2.11 565	2.23 519	2.16 558

asd	2.18 532	2.77 497	1.58 518	3.59 550	2.00 558	2.58 553	1.85 547	2.39 540	1.71 538	2.47 546	1.97 560	2.59 550	1.61 521	2.56 547	1.79 549	2.51 551	1.99 542	2.11 540	1.62 542	2.36 527	1.60 534

2.25w	2.00 511	1.86 429	1.98 551	2.95 526	2.17 569	2.26 532	1.35 517	2.42 541	2.00 567	2.07 530	1.27 514	2.53 543	1.99 550	2.29 534	1.49 529	2.21 528	1.32 490	1.85 524	1.87 558	2.52 539	1.62 537

FBW_ROB	2.12 529	2.46 477	1.77 528	2.49 513	1.79 547	2.38 539	1.83 543	2.46 542	1.78 548	2.48 547	1.97 560	2.40 538	1.78 535	2.42 543	1.83 551	2.31 538	1.85 540	2.38 550	1.82 556	2.35 526	1.84 549

qwe	2.18 532	2.60 481	1.58 518	3.83 558	1.90 556	2.53 549	1.90 553	2.48 543	1.73 543	2.37 542	1.92 556	2.53 543	1.68 524	2.56 547	1.83 551	2.52 553	1.87 541	2.07 536	1.68 548	2.32 525	1.71 543

monsterstereo	2.20 538	2.33 464	1.95 549	3.65 552	2.07 564	2.49 545	1.61 535	2.48 543	1.83 552	2.45 545	1.61 538	2.67 554	1.86 537	2.64 551	1.94 560	2.48 550	1.66 529	2.34 547	1.68 548	2.40 528	1.86 551

monsters	2.18 532	2.41 474	1.96 550	3.47 545	2.03 563	2.53 549	1.64 537	2.48 543	1.73 543	2.40 543	1.50 530	2.62 551	1.94 545	2.59 549	1.94 560	2.44 546	1.57 520	2.28 543	1.87 558	2.42 529	1.86 551

UDGNet	2.23 542	5.40 560	1.72 526	2.48 512	1.69 540	2.51 548	1.69 539	2.51 546	1.72 542	2.50 548	1.69 543	2.52 542	1.69 526	2.50 545	1.68 538	2.41 545	1.70 531	2.42 552	1.69 550	2.42 529	1.64 539

4.25w-stereo	1.98 506	2.72 491	1.46 510	3.47 545	1.43 526	2.07 528	1.98 555	2.53 547	1.52 530	2.71 553	1.98 566	1.81 514	1.62 522	1.96 522	1.36 522	1.88 512	2.00 543	2.53 558	1.61 540	1.74 504	1.15 452

cf-r	0.66 334	2.17 452	0.12 102	0.18 130	0.12 152	0.18 154	2.70 573	2.60 548	0.12 152	0.18 151	0.12 144	0.18 153	0.12 149	0.18 152	0.12 141	0.15 125	0.11 99	0.15 142	0.11 132	1.81 507	1.74 547

asda	2.17 530	2.54 478	1.81 529	3.47 545	1.78 546	2.50 547	1.86 548	2.61 549	1.68 534	2.61 551	1.83 546	2.37 537	1.73 530	2.44 544	1.88 558	2.51 551	1.84 539	2.34 547	1.62 542	2.23 519	1.77 548

4.25_new	2.00 511	2.33 464	1.82 534	3.32 538	1.69 540	1.95 522	1.99 558	2.72 550	1.71 538	2.72 554	1.97 560	2.01 524	1.74 532	1.77 514	1.28 515	2.18 525	2.01 545	2.48 556	1.58 536	1.65 498	1.17 456

4.5w_new	2.00 511	2.33 464	1.82 534	3.32 538	1.69 540	1.95 522	1.99 558	2.72 550	1.71 538	2.72 554	1.97 560	2.01 524	1.74 532	1.77 514	1.28 515	2.18 525	2.01 545	2.48 556	1.58 536	1.65 498	1.17 456

4.5w-stereo	1.99 507	2.33 464	1.81 529	3.28 535	1.68 539	1.94 519	1.99 558	2.72 550	1.70 537	2.72 554	1.99 569	1.97 521	1.68 524	1.76 513	1.29 517	1.91 514	2.02 549	2.53 558	1.61 540	1.75 505	1.16 455

2.75w_new	1.99 507	2.34 468	1.81 529	3.14 529	1.62 534	1.94 519	1.99 558	2.72 550	1.71 538	2.72 554	1.99 569	1.90 517	1.73 530	1.82 518	1.29 517	2.37 542	2.01 545	2.31 545	1.42 527	1.77 506	1.22 507

3.75w	1.99 507	2.31 462	1.83 537	3.16 531	1.65 536	1.93 518	1.98 555	2.72 550	1.68 534	2.73 559	1.97 560	2.00 523	1.72 529	1.81 517	1.25 513	2.27 533	2.01 545	2.38 550	1.42 527	1.71 502	1.24 510

2w_stereo	1.99 507	2.36 471	1.81 529	3.24 533	1.67 537	1.94 519	1.98 555	2.72 550	1.68 534	2.72 554	1.94 557	1.98 522	1.74 532	1.79 516	1.27 514	1.95 516	2.00 543	2.53 558	1.60 539	1.68 501	1.15 452

sCroCo_RVC	2.10 527	2.76 495	1.92 548	2.78 523	1.39 524	2.73 559	1.41 527	2.73 556	1.40 526	2.77 565	1.41 527	2.74 561	1.40 515	2.74 560	1.40 525	2.72 558	1.42 509	2.72 562	1.44 529	2.79 549	1.42 524

LGtest1	2.22 539	2.70 487	1.89 545	2.76 519	1.86 551	2.75 561	1.86 548	2.75 557	1.86 554	2.75 560	1.86 548	2.77 564	1.87 538	2.75 561	1.86 554	2.46 547	1.58 521	2.45 553	1.56 532	2.45 531	1.56 529

LG-G_1	2.22 539	2.71 489	1.89 545	2.77 520	1.87 554	2.75 561	1.87 550	2.76 558	1.87 558	2.75 560	1.87 549	2.76 562	1.87 538	2.75 561	1.86 554	2.47 548	1.58 521	2.45 553	1.57 533	2.45 531	1.57 530

LG-G	2.22 539	2.71 489	1.89 545	2.77 520	1.87 554	2.75 561	1.87 550	2.76 558	1.87 558	2.75 560	1.87 549	2.76 562	1.87 538	2.75 561	1.86 554	2.47 548	1.58 521	2.45 553	1.57 533	2.45 531	1.57 530

GwcNet-RSSM	0.77 359	2.77 497	0.14 126	0.20 136	0.14 157	0.20 162	2.67 572	2.78 560	0.14 157	0.20 159	0.14 161	0.20 160	0.14 158	0.21 170	0.14 151	0.17 142	0.12 113	0.17 153	0.12 147	2.52 539	2.31 562

PSMNet-RSSM	0.77 359	2.76 495	0.14 126	0.20 136	0.14 157	0.20 162	2.66 571	2.79 561	0.14 157	0.21 171	0.14 161	0.21 167	0.14 158	0.20 159	0.14 151	0.17 142	0.12 113	0.17 153	0.12 147	2.52 539	2.31 562

hitnet-ft	0.79 363	2.78 500	0.14 126	0.20 136	0.14 157	0.21 173	2.89 574	2.80 562	0.14 157	0.20 159	0.14 161	0.20 160	0.14 158	0.20 159	0.14 151	0.17 142	0.12 113	0.17 153	0.12 147	2.54 547	2.33 564

NLCA_NET_v2_RVC	5.04 600	50.87 629	2.78 566	2.87 524	2.71 576	2.78 564	0.47 353	2.88 563	2.86 576	1.89 515	2.67 575	2.79 565	2.79 564	2.78 564	2.83 573	2.82 559	2.82 562	2.83 563	2.77 575	2.83 550	2.76 570
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MSMDNet	2.65 558	10.14 594	0.33 233	9.74 605	0.32 275	0.87 398	0.33 274	2.95 564	0.68 396	0.49 324	0.34 292	0.49 328	5.70 602	0.49 327	0.33 270	0.42 292	9.57 608	0.41 310	0.31 280	8.36 605	0.65 387

plain	1.88 503	3.16 510	0.64 355	3.10 528	0.65 398	3.10 566	0.64 383	3.12 565	0.65 387	3.10 566	0.65 395	3.11 566	0.65 383	3.12 565	0.65 379	3.12 561	0.65 365	3.13 564	0.65 402	3.13 552	0.65 387

MIF-Stereo (partial)	2.58 557	3.31 515	0.66 359	3.18 532	0.66 401	3.18 567	0.66 386	3.21 566	0.67 390	3.19 567	0.66 397	3.19 567	0.66 386	3.31 569	0.68 390	5.09 592	1.79 537	8.23 611	1.67 546	6.18 595	1.38 522

Anonymous3	2.55 556	3.26 514	1.65 521	3.28 535	1.63 535	3.24 568	1.68 538	3.27 567	1.66 533	3.28 568	1.67 541	3.25 568	1.66 523	3.27 567	1.64 534	3.26 562	1.65 528	3.30 566	1.65 544	4.95 586	1.65 541

NLSM1	2.93 565	3.24 513	2.57 565	4.04 559	2.66 575	3.30 570	2.55 570	3.29 568	2.55 572	3.35 570	2.48 574	3.28 569	2.47 560	3.34 570	2.49 572	3.26 562	2.55 561	3.13 564	2.57 574	3.00 551	2.46 568

PCWNet_CMD	2.80 564	9.82 591	0.32 227	10.09 609	0.32 275	0.49 331	0.33 274	3.34 569	0.33 281	0.49 324	0.33 284	0.49 328	8.73 608	0.48 321	0.33 270	0.41 278	9.22 607	0.42 321	0.29 255	9.55 610	0.31 259

UniTT-Stereo	2.03 521	3.43 517	0.72 379	3.42 543	0.73 413	3.27 569	0.68 394	3.38 570	0.69 401	3.29 569	0.72 418	3.28 569	0.70 400	3.35 571	0.68 390	3.39 564	0.68 372	3.31 567	0.69 411	3.37 553	0.73 403

Sa-1000	4.34 590	8.37 579	6.84 603	6.98 594	4.45 605	3.58 571	3.00 575	3.42 571	3.39 591	2.61 551	4.00 600	3.83 575	4.01 593	3.90 575	3.90 596	5.98 599	5.62 594	3.76 573	2.34 572	4.35 566	2.47 569

test_5	4.62 594	7.55 575	6.23 599	6.32 589	3.40 593	5.29 601	3.50 593	3.53 572	4.11 601	4.28 578	4.47 604	4.26 581	4.38 596	3.68 573	3.24 586	5.89 597	5.60 593	4.84 595	3.50 593	4.33 565	3.93 601

DPSNet	3.66 570	3.60 519	3.62 586	3.63 551	3.64 597	3.65 573	3.65 596	3.66 573	3.67 593	3.67 572	3.65 594	3.67 573	3.66 582	3.66 572	3.68 591	3.68 567	3.66 581	3.67 571	3.68 597	3.67 555	3.67 594

RAStereo	2.23 542	3.64 520	0.76 387	3.65 552	0.86 434	3.66 574	0.76 414	3.67 574	0.81 429	3.66 571	0.76 424	3.66 572	0.77 412	3.68 573	0.77 416	3.68 567	0.77 392	3.69 572	0.77 424	3.70 556	0.77 412

SA	4.33 589	7.35 573	6.85 604	5.96 587	4.09 602	3.59 572	3.15 589	3.82 575	2.64 573	3.91 573	3.85 597	3.57 571	2.72 563	3.13 566	4.03 598	7.09 606	6.86 601	3.57 569	3.12 587	3.85 557	3.51 593

test_3	5.01 599	8.86 585	7.77 607	8.09 597	2.76 577	4.13 579	4.05 602	3.88 576	3.76 597	4.33 579	4.13 601	3.71 574	3.91 590	4.21 580	4.06 599	7.93 607	7.69 604	4.53 578	3.91 600	4.17 563	4.29 603

TestStereo1	4.60 591	8.41 580	6.44 601	6.86 592	3.79 599	3.97 576	3.78 598	3.99 577	3.74 595	3.97 574	3.52 592	3.94 576	3.58 579	3.98 576	3.72 593	6.82 603	6.50 599	3.76 573	3.66 595	3.90 558	3.74 597

SA-5K	4.60 591	8.41 580	6.44 601	6.86 592	3.79 599	3.97 576	3.78 598	3.99 577	3.74 595	3.97 574	3.52 592	3.94 576	3.58 579	3.98 576	3.72 593	6.82 603	6.50 599	3.76 573	3.66 595	3.90 558	3.74 597

test_4	4.88 597	8.13 578	6.98 605	7.46 595	4.44 604	4.25 580	3.85 600	4.04 579	3.92 599	4.13 577	3.91 598	4.18 580	3.84 589	4.14 579	4.06 599	7.01 605	7.13 602	4.53 578	3.72 598	4.09 562	3.72 595

NLCSM	3.67 571	4.08 534	3.19 582	4.80 575	3.26 590	3.99 578	3.24 591	4.25 580	3.18 589	4.09 576	3.27 589	4.14 578	3.18 577	4.13 578	3.28 587	4.06 569	3.10 571	3.85 576	3.14 588	3.91 561	3.27 590

raft_robust	4.71 595	7.75 577	5.40 598	6.81 591	3.31 591	4.28 581	4.20 603	4.32 581	4.37 604	4.35 580	4.35 603	4.14 578	3.75 586	4.30 582	4.20 601	6.67 602	6.37 597	3.36 568	4.24 605	4.86 584	3.25 589

RAFT+CT+SA	4.28 587	7.62 576	4.91 593	5.55 584	2.28 572	3.09 565	3.64 595	4.49 582	3.07 582	4.80 594	3.35 590	4.77 597	3.70 584	4.29 581	3.05 576	5.58 595	5.98 596	3.58 570	3.78 599	4.26 564	3.72 595

cross-raft	4.83 596	7.52 574	6.43 600	6.63 590	3.96 601	4.51 582	3.99 601	4.49 582	3.96 600	4.52 581	3.96 599	4.50 582	3.97 592	4.50 583	3.97 597	6.65 601	6.44 598	4.33 577	3.92 601	4.35 566	3.91 600

rvit_0105_6	3.87 577	5.73 567	3.10 578	4.69 573	3.12 588	4.54 584	3.02 577	4.56 584	3.04 577	4.54 585	3.03 578	4.54 583	3.04 568	4.56 584	3.05 576	4.58 579	3.05 564	4.58 582	3.05 579	4.58 571	3.05 575

rvit_105_1	3.83 573	5.22 553	3.01 568	4.53 563	3.01 578	4.51 582	3.01 576	4.56 584	3.04 577	4.53 583	3.03 578	4.55 585	3.03 565	4.56 584	3.04 574	4.57 576	3.05 564	4.57 580	3.05 579	4.57 570	3.05 575

rvit_stereo_0081	3.83 573	5.23 554	3.01 568	4.53 563	3.03 580	4.55 588	3.02 577	4.56 584	3.04 577	4.52 581	3.02 576	4.54 583	3.03 565	4.56 584	3.04 574	4.57 576	3.05 564	4.57 580	3.05 579	4.58 571	3.05 575

rvit_stereo_0082	3.86 575	5.82 568	3.01 568	4.53 563	3.03 580	4.54 584	3.02 577	4.56 584	3.04 577	4.53 583	3.02 576	4.55 585	3.04 568	4.57 587	3.05 576	4.57 576	3.05 564	4.58 582	3.05 579	4.58 571	3.06 578

rvit_stereo_0080	3.89 578	5.70 565	3.04 573	4.54 566	3.03 580	4.56 589	3.05 583	4.60 588	3.07 582	4.58 588	3.06 581	4.59 587	3.06 570	4.61 588	3.08 580	4.63 581	3.09 569	4.64 586	3.10 584	4.65 575	3.10 582

whm_eth	3.89 578	5.70 565	3.04 573	4.54 566	3.03 580	4.56 589	3.05 583	4.60 588	3.07 582	4.58 588	3.06 581	4.59 587	3.06 570	4.61 588	3.08 580	4.63 581	3.09 569	4.64 586	3.10 584	4.65 575	3.10 582

rvit_0105_3	3.91 580	5.33 557	3.06 576	4.60 571	3.07 586	4.60 591	3.06 585	4.62 590	3.08 585	4.60 590	3.07 584	4.62 592	3.08 572	4.67 592	3.10 583	4.70 584	3.11 572	4.77 593	3.19 591	4.77 580	3.14 586

rvit_stereo_0081_aga	3.86 575	5.33 557	3.02 571	4.55 569	3.04 584	4.54 584	3.02 577	4.64 591	3.06 581	4.54 585	3.04 580	4.62 592	3.08 572	4.62 590	3.07 579	4.58 579	3.06 568	4.60 584	3.08 583	4.63 574	3.07 579

rvit_stereo_0083	3.92 582	5.30 556	3.06 576	4.61 572	3.09 587	4.67 593	3.08 586	4.66 592	3.09 586	4.62 591	3.10 586	4.66 595	3.11 574	4.67 592	3.16 585	4.72 586	3.16 575	4.77 593	3.11 586	4.66 577	3.11 584

rvit_stereo_ft	3.93 583	5.44 562	3.05 575	4.59 570	3.06 585	4.61 592	3.08 586	4.67 593	3.12 587	4.63 592	3.10 586	4.65 594	3.11 574	4.69 594	3.13 584	4.70 584	3.14 574	4.71 591	3.15 589	4.74 578	3.16 587

rvit_0105_4	3.91 580	5.47 564	3.02 571	4.54 566	3.02 579	4.54 584	3.03 581	4.75 594	3.17 588	4.57 587	3.06 581	4.61 591	3.16 576	4.65 591	3.09 582	4.66 583	3.11 572	4.68 589	3.18 590	4.81 581	3.16 587

TestStereo	4.88 597	4.75 545	4.79 592	4.87 578	4.92 606	4.81 599	4.90 606	4.78 595	4.77 605	4.87 596	4.89 605	4.90 600	4.91 598	4.99 599	4.79 603	4.98 589	4.87 590	4.87 596	4.92 607	5.00 587	5.00 604

MLG-Stereo_test2	4.28 587	5.46 563	3.69 587	4.86 577	3.72 598	5.58 603	3.42 592	4.81 596	3.77 598	4.85 595	3.72 596	5.55 604	3.63 581	5.58 602	3.53 590	4.41 573	3.28 579	4.99 597	2.95 577	4.75 579	3.13 585

sAnonymous2	3.31 568	2.63 482	1.38 505	3.71 554	1.86 551	4.70 594	1.11 451	4.82 597	2.72 574	5.45 602	1.98 566	4.59 587	2.64 561	2.65 552	6.21 607	4.37 570	1.08 424	5.16 599	2.24 569	4.52 568	2.39 566

CroCo_RVC	3.31 568	2.63 482	1.38 505	3.71 554	1.86 551	4.70 594	1.11 451	4.82 597	2.72 574	5.45 602	1.98 566	4.59 587	2.64 561	2.65 552	6.21 607	4.37 570	1.08 424	5.16 599	2.24 569	4.52 568	2.39 566

rvit_0105_5	4.10 584	5.40 560	3.13 581	4.71 574	3.15 589	4.72 596	3.10 588	4.90 599	3.27 590	4.69 593	3.16 588	4.84 599	3.25 578	4.96 598	3.34 588	5.05 591	3.39 580	5.10 598	3.40 592	5.11 588	3.42 591

FC-DCNN v2	5.10 601	5.15 551	4.49 591	5.07 580	3.37 592	6.87 606	4.75 605	5.04 600	6.34 609	7.84 610	5.06 606	6.72 610	4.09 594	4.99 599	5.44 606	5.03 590	3.16 575	4.67 588	4.86 606	5.15 589	3.89 599

MaDis-Stereo	3.19 567	6.02 570	1.12 425	5.61 585	1.16 465	5.43 602	1.02 447	5.15 601	0.70 405	5.43 601	1.21 508	5.03 602	0.97 428	4.85 595	0.99 439	4.53 574	1.16 436	5.53 601	1.25 513	5.37 591	1.30 513

MLG-Stereo_test1	4.25 585	5.34 559	3.61 585	5.31 581	3.63 596	5.23 600	3.57 594	5.38 602	3.65 592	5.23 599	3.47 591	4.76 596	3.74 585	4.85 595	3.71 592	4.96 588	3.18 577	4.71 591	2.92 576	4.86 584	2.90 572

MLG-Stereo_test3	4.26 586	4.85 547	3.95 589	5.35 582	3.60 595	4.75 597	3.76 597	5.49 603	3.71 594	5.39 600	3.69 595	4.82 598	3.66 582	4.85 595	3.73 595	4.93 587	3.19 578	4.69 590	2.99 578	4.84 583	2.98 574

StereoVision	3.15 566	5.00 549	0.89 402	4.83 576	1.00 447	3.93 575	1.27 513	6.37 604	1.34 519	5.67 604	1.26 513	5.84 605	1.27 503	5.03 601	1.24 510	5.10 593	1.09 426	4.61 585	0.57 386	5.62 593	1.12 447

SGM-Forest	5.21 603	5.92 569	4.08 590	6.18 588	4.16 603	6.31 605	4.34 604	6.50 605	4.33 603	6.14 606	4.21 602	6.61 609	4.55 597	6.67 605	4.48 602	5.94 598	3.94 584	5.85 604	4.03 603	5.79 594	4.17 602
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
RAFT	6.73 606	9.36 588	7.40 606	8.51 600	6.55 610	6.88 607	6.60 610	6.79 606	6.60 610	6.80 607	6.72 612	5.31 603	5.50 601	6.61 604	6.61 610	8.42 609	5.89 595	5.73 602	5.45 611	6.61 596	6.24 608

test-1	6.46 604	9.16 587	8.03 610	8.09 597	5.62 609	6.11 604	6.35 609	6.85 607	4.94 606	6.08 605	6.29 611	4.98 601	6.43 603	6.22 603	6.36 609	6.16 600	7.47 603	5.82 603	5.44 610	7.11 600	5.68 607

test-v	7.53 608	11.89 596	7.98 608	9.36 603	7.14 611	7.06 608	7.09 611	7.37 608	6.91 611	7.29 608	5.71 609	6.45 607	6.93 604	6.73 607	7.27 611	8.93 612	7.85 605	6.98 608	6.80 612	7.56 601	7.34 610

test-2	7.53 608	11.89 596	7.98 608	9.36 603	7.14 611	7.06 608	7.09 611	7.37 608	6.91 611	7.29 608	5.71 609	6.45 607	6.93 604	6.73 607	7.27 611	8.93 612	7.85 605	6.98 608	6.80 612	7.56 601	7.34 610

DispFullNet	4.61 593	4.84 546	3.12 579	5.00 579	3.57 594	4.75 597	3.03 581	7.75 610	4.17 602	4.91 597	3.09 585	6.20 606	3.95 591	6.71 606	3.51 589	5.30 594	3.67 582	5.86 605	3.63 594	5.61 592	3.46 592

rvit_stereo_0075_2	6.64 605	8.80 584	5.25 595	7.89 596	5.27 608	7.90 610	5.27 607	7.92 611	5.28 607	7.91 611	5.29 608	7.93 611	5.27 599	7.92 611	5.28 604	7.93 607	5.28 592	7.93 610	5.29 609	7.93 603	5.28 606

U	5.15 602	8.49 582	1.81 529	8.49 599	1.77 545	8.49 611	1.77 542	8.51 612	1.77 547	8.49 612	1.77 545	8.50 612	1.78 535	8.58 612	1.77 548	8.54 610	1.78 535	8.55 612	1.78 555	8.55 606	1.84 549

SGM+DAISY	7.06 607	9.15 586	5.38 597	8.84 601	5.18 607	8.80 612	5.31 608	8.79 613	5.28 607	8.89 613	5.20 607	8.93 613	5.33 600	8.95 613	5.36 605	8.70 611	5.21 591	8.74 613	5.20 608	8.89 607	5.15 605

rafts_anoy	20.00 612	20.00 598	20.00 612	20.00 612	20.00 614	20.00 613	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 615	20.00 614	20.00 615	20.00 614	20.00 613

raft+_RVC	20.00 612	20.00 598	20.00 612	20.00 612	20.00 614	20.00 613	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 615	20.00 614	20.00 615	20.00 614	20.00 613

raftrobust	20.00 612	20.00 598	20.00 612	20.00 612	20.00 614	20.00 613	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 615	20.00 614	20.00 615	20.00 614	20.00 613

CasAABBNet	20.00 612	20.00 598	20.00 612	20.00 612	20.00 614	20.00 613	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 615	20.00 614	20.00 615	20.00 614	20.00 613

RALCasStereoNet	20.00 612	20.00 598	20.00 612	20.00 612	20.00 614	20.00 613	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 615	20.00 614	20.00 615	20.00 614	20.00 613

RALAANet	20.00 612	20.00 598	20.00 612	20.00 612	20.00 614	20.00 613	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 614	20.00 615	20.00 614	20.00 615	20.00 614	20.00 613

MANE	19.05 611	23.00 604	15.00 611	23.00 618	15.00 613	24.00 619	16.00 613	24.00 620	16.00 613	22.00 620	15.00 613	23.00 620	16.00 613	23.00 620	15.00 613	22.00 620	15.00 614	22.00 620	15.00 614	22.00 620	15.00 612

111	30.40 618	30.94 620	29.72 619	32.61 619	30.02 621	33.57 620	30.47 621	31.50 621	29.39 621	30.98 621	29.11 621	29.78 621	30.39 624	29.45 621	30.76 624	30.08 621	29.02 622	29.92 621	30.32 625	29.86 621	30.17 620

fff	1000028.16 638	29.62 616	29.72 619	32.61 619	30.02 621	35.13 622	31.83 622	32.07 622	10000000.00 640	35.27 624	29.82 622	32.45 622	30.15 621	32.35 622	30.09 621	31.04 622	29.55 623	30.64 622	30.14 622	10000000.00 641	30.77 621

csc	1000028.16 638	29.62 616	29.72 619	32.61 619	30.02 621	35.13 622	31.83 622	32.07 622	10000000.00 640	35.27 624	29.82 622	32.45 622	30.15 621	32.35 622	30.09 621	31.04 622	29.55 623	30.64 622	30.14 622	10000000.00 641	30.77 621

cscssc	1000028.16 638	29.62 616	29.72 619	32.61 619	30.02 621	35.13 622	31.83 622	32.07 622	10000000.00 640	35.27 624	29.82 622	32.45 622	30.15 621	32.35 622	30.09 621	31.04 622	29.55 623	30.64 622	30.14 622	10000000.00 641	30.77 621

tt	500032.53 636	34.60 622	29.72 619	37.47 628	34.41 626	36.85 626	35.22 626	34.71 625	33.55 623	34.50 622	35.43 625	33.81 625	10000000.00 641	33.57 625	33.13 625	33.68 625	35.00 627	34.03 626	35.26 628	30.96 622	34.63 625

DCANet	500032.53 636	34.60 622	29.72 619	37.47 628	34.41 626	36.85 626	35.22 626	34.71 625	33.55 623	34.50 622	35.43 625	33.81 625	10000000.00 641	33.57 625	33.13 625	33.68 625	35.00 627	34.03 626	35.26 628	30.96 622	34.63 625

DCANet-4	35.22 620	34.54 621	35.08 625	33.58 623	35.47 628	34.55 621	35.53 628	36.08 627	35.85 625	35.92 627	35.77 627	35.18 627	35.48 626	35.39 627	37.15 630	34.55 627	33.92 626	35.02 628	34.90 627	35.79 625	34.74 627

ADStereo(finetuned)	36.13 621	36.63 625	38.07 629	36.97 624	33.25 625	35.91 625	34.45 625	36.36 628	32.99 622	38.14 632	36.71 628	36.69 628	34.13 625	38.57 632	40.79 631	37.60 632	36.58 629	35.90 629	33.36 626	35.42 624	34.04 624

Reg-Stereo(zero)	37.00 622	37.00 626	37.00 626	37.00 625	37.00 629	37.00 628	37.00 629	37.00 629	37.00 626	37.00 628	37.00 629	37.00 629	37.00 627	37.00 628	37.00 627	37.00 629	37.00 630	37.00 630	37.00 630	37.00 626	37.00 628

HI	37.00 622	37.00 626	37.00 626	37.00 625	37.00 629	37.00 628	37.00 629	37.00 629	37.00 626	37.00 628	37.00 629	37.00 629	37.00 627	37.00 628	37.00 627	37.00 629	37.00 630	37.00 630	37.00 630	37.00 626	37.00 628

CoSv	37.00 622	37.00 626	37.00 626	37.00 625	37.00 629	37.00 628	37.00 629	37.00 629	37.00 626	37.00 628	37.00 629	37.00 629	37.00 627	37.00 628	37.00 627	37.00 629	37.00 630	37.00 630	37.00 630	37.00 626	37.00 628

WCMA_ROB	31.10 619	35.43 624	27.12 618	39.51 630	23.10 620	38.78 631	25.30 620	37.49 632	25.39 620	37.29 631	27.02 620	38.52 632	26.48 620	37.80 631	26.44 620	36.28 628	22.65 621	33.90 625	22.30 621	37.10 629	24.18 619

CBMV	128.50 627	1422.70 641	53.10 631	79.50 632	51.30 633	77.30 633	49.70 632	74.00 633	48.20 630	77.20 634	48.80 633	73.90 634	48.00 631	73.80 634	48.80 633	70.40 634	45.10 634	68.90 634	46.10 634	68.20 631	45.00 632
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 625	87.70 630	41.95 630	113.75 633	65.62 634	75.05 632	55.25 633	75.64 634	45.04 629	71.61 633	41.75 632	72.81 633	44.06 630	68.38 633	44.63 632	101.89 635	59.57 635	107.10 635	61.05 635	104.38 632	59.38 633

NOSS_ROB	102.95 626	153.00 634	121.00 633	51.00 631	44.00 632	165.00 635	127.00 634	153.00 635	119.00 631	164.00 636	125.00 634	168.00 636	120.00 632	153.00 635	117.00 634	49.00 633	44.00 633	49.00 633	44.00 633	49.00 630	44.00 631

MeshStereo	159.24 628	171.00 635	160.68 636	162.58 634	160.59 635	164.01 634	160.35 635	158.51 636	158.56 632	158.34 635	160.12 635	158.56 635	159.92 633	157.26 636	158.94 635	154.38 636	158.36 636	155.75 636	159.13 637	153.67 633	154.07 634
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	201.80 629	123.00 631	115.00 632	219.00 635	218.00 637	223.00 636	244.00 637	217.00 637	236.00 634	202.00 637	203.00 636	205.00 637	208.00 634	225.00 637	204.00 636	210.00 637	198.00 637	197.00 637	184.00 638	204.00 634	201.00 635

MGS-Stereo	239.45 630	123.00 631	135.00 634	266.00 636	286.00 638	277.00 637	305.00 638	271.00 638	242.00 635	274.00 638	279.00 638	255.00 638	270.00 636	268.00 638	297.00 638	221.00 638	247.00 639	216.00 638	123.00 636	217.00 635	217.00 637

EGLCR-Stereo	246.90 631	129.00 633	139.00 635	266.00 636	286.00 638	277.00 637	305.00 638	271.00 638	242.00 635	274.00 638	279.00 638	255.00 638	270.00 636	268.00 638	297.00 638	230.00 639	247.00 639	216.00 638	223.00 640	237.00 636	227.00 638

DLCB_ROB	284.23 632	354.61 637	207.27 637	363.24 638	206.46 636	364.72 639	210.41 636	364.72 640	210.41 633	364.81 640	208.64 637	364.81 640	208.64 635	364.72 640	210.41 637	354.70 640	205.53 638	354.70 640	205.53 639	354.70 637	205.53 636

LE_ROB	396.57 633	471.28 638	329.84 638	471.48 639	308.15 640	526.83 640	322.10 640	488.15 641	323.76 637	495.46 641	317.97 640	497.17 641	320.10 638	481.62 641	326.76 640	462.71 641	298.97 641	466.16 641	285.98 641	447.62 638	289.21 639

SGM-ForestM	596.69 634	677.77 639	444.52 639	699.85 640	517.25 641	732.94 641	488.29 641	770.79 642	460.11 638	750.81 642	487.98 641	792.79 642	499.41 639	730.90 642	475.81 641	720.03 642	491.16 642	663.96 642	418.60 642	674.76 639	436.05 640

CBMV_ROB	818.48 635	913.88 640	709.52 640	862.84 641	597.78 642	1073.99 642	700.52 642	1015.66 643	702.59 639	1115.65 643	760.02 642	1130.24 643	721.57 640	1037.41 643	692.65 642	814.05 643	564.29 643	843.28 643	595.31 643	915.51 640	602.92 641

111111	10000000.00 641	10000000.00 642	10000000.00 641	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 640	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 642

SGD-Stereo	10000000.00 641	10000000.00 642	10000000.00 641	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 640	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 642

IGEV-Stereo++	10000000.00 641	10000000.00 642	10000000.00 641	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 640	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 642

IGEV-BASED-STEREO-	10000000.00 641	10000000.00 642	10000000.00 641	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 640	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 642

IGEV-Stereo+	10000000.00 641	10000000.00 642	10000000.00 641	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 640	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 642

SDNR	10000000.00 641	10000000.00 642	10000000.00 641	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 640	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 642

anonymousdsp2	10000000.00 641	10000000.00 642	10000000.00 641	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 640	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 642

anonymousdsp	10000000.00 641	10000000.00 642	10000000.00 641	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 640	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 642

test_example2	10000000.00 641	10000000.00 642	10000000.00 641	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 640	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 642

DIP-Stereo	10000000.00 641	10000000.00 642	10000000.00 641	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 640	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 642
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark